基于环境库兹涅茨曲线的我国大气污染防治重点区域环境空气质量与经济增长关系研究

李 竞,侯丽朋,唐立娜

1 中国科学院城市环境研究所城市环境与健康重点实验室,厦门 361021 2 中国科学院大学,北京 100049

改革开放以来,我国经济迅猛发展,这种快速增长一定程度上是以牺牲自然资源和环境为代价的。我国的二氧化碳(CO2)和能源消耗量分别于2007年和2009年超越美国,成为世界最大的能源消耗和碳排放国家[1]。随之而来的是资源能源消耗过高,环境质量明显恶化,特别是空气污染日益严重[2]。而京津冀、长三角、珠三角地区成为我国大气污染最严重的三大区域,并从城市和局地污染发展成为影响范围更广、更不易控制和治理的区域性污染[3]。在经济高速增长和环境空气质量日趋恶化的复杂严峻形势下,我国大气污染和经济增长之间关系成了一个重要的研究问题。

大量研究表明经济增长与大气污染之间存在长期稳定的关系[4- 6]。学者们已应用多种经典模型实证了经济增长与空气质量之间的数量关系,其中环境库兹涅茨曲线(EKC,Environmental Kuznets Curve)曲线是普遍存在的规律[7]。库兹涅茨曲线是20世纪60年代美国经济学家Kuznets提出一条倒U形曲线,用以描述收入差异和经济增长之间的关系。20世纪90年代初期,由美国环境经济学家Grossman 和Krueger在大量的数据分析和实证检验的基础上,发现环境质量与经济增长之间也存在着随着人均收入提高环境先恶化后改善的情况,从而引申出EKC曲线,用以描述一个国家或区域环境质量与经济发展之间的相对关系变化趋势[8]。EKC曲线理论提出后,国内外学者关于经济、收入与环境之间的实证研究不断深入。从研究结果看,部分研究验证了经济增长或人均收入与大气污染之间呈现了符合EKC理论的倒U型曲线[9- 14]。随着研究的深入,有部分学者认为曲线并不呈严格的倒U型,也可能出现不一样的变化规律[15- 17]。在针对我国大气污染与经济增长关系研究中,从研究结果看,不同学者针对不同区域研究得出倒U型、U型等6种不同类型的曲线[18- 20]。从研究区域看,多数研究以全国、省份和城市为单位进行研究[21- 26],部分针对我国传统意义上的经济区域——东、中、西部进行研究[27- 30],仅有李健等[31]、吴俊良[32]研究涉及京津冀、珠三角城市群等具有相同经济、社会或大气污染特征的若干省份形成的区域。从选取指标看,较多研究采用人均GDP表征经济增长,对于表征大气污染的指标,空气质量指数(AQI或API),污染物排放量和环境空气污染物浓度分别被不同研究者使用[33- 35]。从研究时间范围看,时间跨度以10年左右为主[36- 38]。

通过文献梳理发现,针对我国大气污染与经济增长之间关系的研究有以下几方面不足：

一是现有针对区域层面的研究较少，其中涉及兼具人口集中、经济发达、污染严重等多重特征的区域也较少。二是我国AQI由于受多种因素的影响,常表现出与公众感受及其他环境监测指标不相一致的现象[39],加之生态环境部门一般仅将AQI作为向公众提供健康指引的工具。此外,污染物排放量数据除真实性有待进一步验证外,也无法直接反应环境空气质量状况,而大气中污染物浓度监测数据则相对客观,是最直接影响人体健康的变量,更能真实反映经济增长与大气环境之间的关系[40]。但只有部分研究采用了大气污染物浓度的数据,且其中多数研究仅有一小部分城市的数据。三是现有研究跨度均较短,数据量覆盖20年及以上的研究较少,且目前最新数据仅更新到2017年。我国2018—2019年大气环境形势较2017年也发生了较大变化,很有必要使用最新的监测数据来表征大气污染现状。

因此,本文基于2000—2019年31个省份地级及以上城市大气污染物浓度指标,选取京津冀及周边地区、长三角地区、珠三角地区等大气污染防治重点区域(以下简称重点区域)作为研究区域,对其环境空气质量与经济发展之间的关系进行研究。需要说明的是,污染物会随着空气流动而导致出现跨地区传输,一个地区污染物浓度除受本地区污染排放直接影响外,可能会受到周边污染物浓度较高的地区污染传输影响。鉴于本文研究的区域范围较大,除珠三角地区外,均涉及多个省份,即便存在污染传输,主要影响区域也在与非重点区域交界的省份或城市,或传输通道部分城市,对整个区域污染物平均浓度影响较小,因此产生决定性因素的仍是该区域整体的污染物排放量。

1 数据与方法

1.1 研究区域

2013年以来,我国颁布实施的《大气污染防治行动计划》(以下简称《大气十条》)和《打赢蓝天保卫战三年行动计划》(以下简称《三年行动计划》)先后将京津冀地区、长三角地区、珠三角地区、汾渭平原等地区列为大气污染防治重点区域。以上重点区域涉及北京、天津、河北、山西、上海、江苏、浙江、安徽、山东、河南、广东、陕西等12省份,几乎涵盖了我国经济最为发达、人口分布最为集中的省份：2019年,北京、上海等7省份人均GDP位居全国前10,上海、天津等10省份人口密度位居全国前10[41- 42]。同时,该区域也是我国大气污染较严重的区域,其中京津冀及周边地区、汾渭平原的单位面积大气污染物排放量约为全国平均水平的4倍[43],导致秋冬季极易引发雾霾,人民群众反映强烈。可以说是经济发展、人体健康和生态环境之间矛盾最为突出的地区。

为了便于数据分析统计,本文根据《大气十条》《三年行动计划》划定的重点区域,结合“十四五”期间大气环境管理需求,将研究区域整合为三大重点区域,分别是(1)京津冀及周边地区,包含北京、天津、河北、山西、河南、山东、陕西等7省份；(2)长三角地区,包括上海、江苏、安徽、浙江等4省份；(3)珠三角地区,包括广东省。除以上12省份外,其余19省份统称为大气治理非重点区域(以下简称非重点区域)(图1)。

图1 我国大气污染防治重点区域示意图Fig.1 Sketch map of key regions of atmospheric governance in China

1.2 数据来源和预处理

本文选取我国31个省份2000—2019年人均GDP作为经济发展指标表征经济增长状况,GDP和人口等数据均来源于国家统计局官方网站。GDP以2000年为基期,按不变价格来计算,以消除通货膨胀的影响。选取2000—2019年SO2、PM10和NO2年均浓度表征环境空气质量(表1),浓度数据来源于国家空气质量监测站。由于环境空气质量指标和经济发展指标数量级不一致,本文采用取对数的计算方法消除指标间数量级不一致导致回归分析后产生异方差问题。此外,2012年和2013年我国先后颁布实施了新《环境空气质量标准》(GB3095—2012)和 《环境空气质量评价技术规范》(HJ663—2013),导致2013年与2012年城市污染物浓度数据统计口径不一致,为避免因统计口径变动导致数据出现非正常波动,在分析污染物浓度年度变幅时不对2013年数据进行统计。

1.3 研究方法

EKC模型中最具代表性的是二次多项式函数关系,是目前国际上常用的简化计量模型：

y=a+b1x+b2x2+ε

(1)

表1 环境空气质量与经济增长环境库兹涅茨曲线分析指标

式中,y为环境压力指标；x为经济发展指标；a为常数项,通常表示国家或者地区的特征参数；b1、b2表示x的一次和二次项系数,ε为随机误差项。Grossman 和Krueger将该模型进一步拓展为三次函数式[44]：

y=a+b1x+b2x2+b3x3+ε

(2)

式中,y为环境压力指标；x为经济因素指标；a为常数项,通常表示国家或地区的特征参数；b1、b2、b3表示x的一次、二次和三次项系数,ε为随机误差项。

本文选取大气污染物浓度作为环境压力指标,人均GDP作为经济增长指标,采用三次对数函数分析我国环境空气质量与经济增长之间的EKC曲线关系。若回归结果显示三次项系数不显著时,选取二次多项式对数函数进行回归。

Econ=a+b1G+b2G2+b3G3+ε

(3)

式中,Econ代表SO2、PM10、NO2浓度,a代表常数项,G代表人均GDP,b1、b2、b3表示的一次项、二次项和三次项系数,ε代表随机干扰项。

1.4 数据检验

为避免出现“伪回归”问题,EKC曲线拟合前需对数据进行协整检验,以判断非稳定序列的线性组合是否具有协整关系,也可以判断线性回归方程的合理性。检验结果若序列是平稳的,则回归方程设定合理,说明回归方程的因变量和解释变量之间存在稳定的均衡关系。

各变量的平稳性检验是协整检验的第一步。本文采用EViews软件中的增广迪基-福勒(ADF,Augmented Dickey-Fuller)单位根检验判断各变量序列的平稳性。若各检验变量具备相同的单整阶数,则序列平稳。ADF是以“存在单位根,变量是非平稳序列”为原假设的左侧单侧检验。根据赤池信息量(AIC,Akaike information criterion)准则确定最佳滞后期。对31个省份、京津冀及周边地区、长三角地区和珠三角地区(以下简称三大重点区域)2001—2019年SO2、PM10、NO2浓度与人均GDP指标数值进行ADF平稳性检验,在5%显著水平下,31个省份和三大重点区域二阶差分后,各变量序列均拒绝原假设,呈平稳序列(表2)。

表2 ADF单位根检验结果

由于污染物浓度变量有3个,Johansen检验是进行多变量I(2)序列协整检验的较好方法。检验结果显示,在5%显著水平下,31个省份特征根迹检验证明4个变量之间存在至少3个长期的稳定关系,三大重点区域均存在至少一个长期的稳定关系,即污染物浓度指标与经济变量之间存在协整关系,可继续进行实证分析(表3)。

2 结果分析

2.1 经济增长概况

2000—2019年,31个省份人均GDP从0.8万元增加到4.7万元,年均增长9.8%。从每年的增长率看,2002—2011年增长率达两位数以上,但自2012年增长率首次降至10%以下后,增速逐年放缓,2019年同比增长5.8%,为历年最低值。三大重点区域总体也维持在高速增长,人均GDP年增速维持在4.6%以上。人均GDP增速变化趋势与31个省份大致相同,2001—2007年处于高速增长期,人均GDP增速最高达到14.3%,出现在2005年的京津冀及周边地区。2008—2012年增速明显放缓,人均GDP增速最低为7.3%,出现在2012年的珠三角地区。2013—2019年,三大重点区域经济增速降幅趋缓,均在2个百分点范围内波动。2019年京津冀及周边地区、长三角地区、珠三角地区人均GDP增速分别为5.7%、5.6%、4.6%,均为历年最低值(图2)。

表3 Johansen特征根迹检验结果

2.2 SO2浓度与经济增长EKC曲线分析

2.2.1SO2浓度演变

2000—2019年,我国31个省份SO2浓度整体呈现大幅下降的趋势,2019年比2000年下降76%；同比下降的年份有16年。31个省份SO2浓度2001—2003年仍处于缓慢上升状态,2003年同比增幅(以下简称增幅)高达14%；2004—2012年,保持稳定下降趋势,2012年降幅最大为9%；2014—2019年,降幅较往年明显增大,其中2018年降幅为历年最大的22%。从重点区域看(图3),京津冀及周边地区、长三角地区、珠三角地区SO2浓度也是大幅下降,2019年比2000年依次下降80%、64%、54%。三大重点区域分别于2004年、2006年和2005年首次同比下降,且在此之后处于稳定下降状态。除长三角地区和珠三角地区分别于2007和2006年出现短暂反弹外,其余年度均同比下降。其中,2014—2017年降幅明显较往年增大；2018—2019年,京津冀及周边地区和长三角地区继续大幅下降,其中2018年分别为历年最低的31%和24%,珠三角地区降幅有所收窄。

图2 我国重点区域2001—2019年人均GDP增长率变化趋势 Fig.2 Trend of GDP per capita growth rate of key regions in China, 2001—2019

2.2.2EKC曲线分析

根据公式(3)在SPSS软件中回归分析得31个省份、京津冀及周边地区、长三角地区、珠三角地区SO2浓度和人均GDP方程分别见公式(4)-(7),得到拟合曲线如图4,R2均大于0.8,拟合效果优良,均呈现典型倒U型曲线关系,计算其曲线拐点(最高点)对应的人均GDP和SO2年均浓度,31个省份、京津冀及周边地区、长三角地区、珠三角地区分别为1.3万元和48μg/m3、1.0万元和80μg/m3、2.4万元和39μg/m3、2.2万元和29μg/m3,对应的时间分别介于2004—2005年、2002—2003年、2006—2007年、2005—2006年之间,表明分别于2004年、2002年、2006年、2005年前后越过拐点,随着人均GDP逐年增长,SO2浓度实现同步下降,污染大幅减轻。

lnSO2=-68.868+15.323lnGDP-0.807(lnGDP)2R2=0.939

(4)

lnSO2=-47.088+11.123lnGDP-0.601lnGDP2R2=0.861

(5)

lnSO2=-127.609+26.076lnGDP-1.295lnGDP2R2=0.948

(6)

lnSO2=-114.467+23.552lnGDP-1.177lnGDP2R2=0.974

(7)

2.3 PM10浓度与经济增长EKC曲线分析

2.3.1PM10浓度演变

2001—2019年,我国31个省份PM10年均浓度总体呈现稳步下降趋势,年度同比变幅变化趋势如图5所示。从31个省份看,2019年PM10浓度比2001年下降44%；同比下降的年份有15年。从年际变化看,2003—2005年显著下降,其中2005年降幅达12%；2015年降幅同比大幅增加,达到11%。从重点区域看,2019年比2001年依次下降34%、47%、28%。2002—2012年,虽然个别年份出现同比反弹,如2012年的京津冀及周边地区、2010年的长三角地区、2007年的珠三角地区,但总体仍呈稳步下降趋势；2014—2016年,均大幅下降,且降幅较往年略有增大；2018—2019年出现分化,京津冀及周边地区和长三角地区保持下降趋势,珠三角地区则先降后升。

图3 我国重点区域2001—2019年SO2年均浓度变幅变化趋势Fig.3 Trend of average annual SO2 concentration in key regions of China, 2001—2019

图4 2001—2019年SO2浓度与人均GDP拟合曲线Fig.4 The fitting curve of SO2 concentration and GDP per capita, 2001—2019

图5 我国重点区域2002—2019年PM10年均浓度变幅变化趋势Fig.5 Trend of average annual PM10 concentration in key regions of China, 2001—2019

2.3.2EKC曲线分析

根据公式(3)在SPSS软件中回归分析得到2001—2019年31个省份、京津冀及周边地区、长三角地区、珠三角地区PM10浓度和人均GDP的回归方程和拟合曲线(图6),曲线类型均有所不同。

(1)31个省份

PM10浓度与人均GDP的回归方程见公式(8),R2为0.878,拟合效果良好,呈现倒N型曲线关系。2001—2008年EKC曲线先呈现出逐步下降趋势,但下降趋势逐渐平缓；2009年前后出现第1个拐点,对应人均GDP为2.1万元/人,PM10年均浓度为78μg/m3；2010—2012年,曲线呈轻微上升趋势；2013年前后出现第2个拐点,对应人均GDP为3.2万元/人,PM10年均浓度为88μg/m3；2014—2019年曲线再次呈现出下降趋势,随着经济增长PM10浓度实现同步下降,污染逐步减轻。

lnPM10=287-84.24lnGDP+8.4lnGDP2-0.28lnGDP3R2=0.878

(8)

(2)京津冀及周边地区

PM10年均浓度与人均GDP的回归方程见公式(9),R2为0.474,拟合效果一般,呈现出U型曲线关系。随着经济增长,2001—2010年京津冀及周边地区PM10浓度明显下降,于2012年越过最低点(对应人均GDP为2.6万元/人,PM10浓度为98μg/m3)后,浓度逐渐上升,污染呈反弹趋势。若不强化PM10污染管控,随着经济稳定增长,PM10浓度将按照拟合曲线所示持续抬升。

lnPM10=34.413-5.862lnGDP+0.288lnGDP2R2=0.474

(9)

(3)长三角地区

PM10年均浓度与人均GDP的回归方程见公式(10),R2为0.817,拟合效果良好,呈现U型曲线关系。目前曲线仍处于U型左侧的下降阶段,尚未达到拐点。但鉴于三次项系数b3小于0.05,曲线更接近于二次单调下降的曲线。表明2001—2019年经济稳定增长的同时,PM10浓度实现同步下降,污染逐渐减轻。

lnPM10=12.465-1.252lnGDP+0.046lnGDP2R2=0.817

(10)

(4)珠三角地区

PM10年均浓度与人均GDP的回归方程见公式(11),R2为0.857,拟合效果良好,呈现出倒U型曲线关系。目前曲线已于2001年前越过拐点,处于右侧下降阶段。表明在2001—2019年间经济稳定增长的同时PM10浓度实现同步下降,污染逐渐减轻。

lnPM10=-8.519+2.739lnGDP-0.147lnGDP2R2=0.857

(11)

图6 2001—2019年PM10浓度与人均GDP拟合曲线Fig.6 The fitting curve of PM10 concentration and GDP per capita, 2001—2019

2.4 NO2浓度与经济增长EKC曲线分析

2.4.1NO2浓度演变

2001—2019年,我国31个省份NO2浓度整体呈现波动缓慢下降的趋势,年度同比变幅变化趋势如图7所示。31个省份2019年NO2浓度比2001年仅下降9.2%；同比下降的年份有11年。从年际变化看,2002—2012年未呈现明显变化趋势,变幅均在4%以内；2014—2019年,变幅较往年略有增大,其中2015年和2018年降幅均为6%,为历年最大值。三大重点区域NO2浓度整体未有明显变化趋势,2019年比2001年分别仅依次下降5%、1%、6%。京津冀及周边地区呈现窄幅波动,降幅最大的两个年份是2005和2006年(均为-7%);长三角地区波动幅度较大,降幅最大的两个年份是2002年(-7%)和2018年(-6%),反弹幅度最大是2010年(11%),变幅波动高达17个百分点；珠三角地区波动幅度与长三角地区相当,降幅最大的两个年份是2015年(-9%)和2005年(-8%),反弹幅度最大的两个年份是2003年(16%)和2017年(7%)。由此可见,三大重点区域NO2浓度未呈现任何规律性变化,且彼此间趋势差异较大。

图7 我国重点区域2002—2019年NO2年均浓度变幅变化趋势Fig.7 Trend of average annual NO2 concentration in key regions of China, 2001—2019

2.4.2EKC曲线分析

根据公式(3)在SPSS软件中回归分析得到31个省份、京津冀及周边地区、长三角地区、珠三角地区NO2浓度和人均GDP的回归方程和拟合曲线(图8)。

图8 2001—2019年NO2浓度与人均GDP拟合曲线Fig.8 The fitting curve of NO2 concentration and GDP per capita, 2001—2019

(1)31个省份

NO2浓度与人均GDP的回归方程见公式(12),R2为0.402,拟合效果一般,呈U型曲线关系。通过计算可得,曲线拐点(最低点)对应的人均GDP为3.1万元,NO2年均浓度为29μg/m3,介于2012—2013年之间。2013年后,曲线呈缓慢上升趋势。表明随着经济增长,2001—2012年,31个省份NO2污染逐渐减轻；2013年后,NO2污染呈缓慢反弹态势。

lnNO2=6.593-0.621lnGDP+0.030(lnGDP)2R2=0.402

(12)

(2)京津冀及周边地区

NO2年均浓度与人均GDP的回归方程见公式(13),R2为0.559,拟合效果一般,呈现U型曲线关系。随着经济增长,2001—2008年京津冀及周边地区NO2污染呈明显下降趋势,于2009年越过最低点(对应人均GDP约为2.0万元/人,NO2年均浓度约为32μg/m3)后,2009—2019年污染呈明显反弹趋势。

lnNO2=26.106-4.573lnGDP+0.231lnGDP2R2=0.559

(13)

(3)长三角地区

NO2年均浓度与人均GDP的回归方程见公式(14),但该方程在5%的显著性水平下未能通过检验,R2仅为0.053,表明NO2年均浓度与人均GDP之间并无相关关系。

lnNO2=0.049+0.657lnGDP-0.031lnGDP2R2=0.053

(14)

(4)珠三角地区

NO2年均浓度与人均GDP的回归方程见公式(15),R2为0.547,拟合效果一般,呈现倒U型曲线。目前曲线已经越过2002—2003年间的拐点(对应人均GDP约为1.6万元/人,NO2浓度为30μg/m3),处于右侧下降阶段。表明2003—2019年珠三角地区经济增长的同时NO2污染逐渐减轻。

lnNO2=-4.108+1.549lnGDP-0.080lnGDP2R2=0.547

(15)

3 讨论和政策建议

3.1 我国环境空气质量与经济增长EKC曲线分析

2001—2019年我国31个省份SO2、PM10和NO2浓度与经济增长分别呈倒U型、倒N型和U型曲线,并均已越过拐点。即随着经济增长,SO2和PM10浓度逐渐降低,而NO2浓度逐渐上升。究其原因,从SO2看,我国超过90%的SO2排放来自煤炭消费,主要是在燃煤电厂和能源密集型产业[45- 46]。我国自2000年起颁布实施“十五”规划等政策措施,将SO2作为总量控制指标,重点针对燃煤电厂采取管控措施大力削减SO2排放,使得SO2排放总量于2006年达峰[47],进而SO2浓度实现稳步下降,推动EKC曲线在2005年前后出现拐点。2013年先后颁布《大气十条》《三年行动计划》则通过燃煤电厂超低排放改造、加快淘汰落后产能、化解钢铁水泥等高能耗高排放行业产能、淘汰燃煤小锅炉、民用散煤治理等措施进一步强化SO2减排。评估显示,我国2017年SO2排放量比2013年减少59%,主要是得益于淘汰和升级燃煤锅炉、燃煤电厂超低排放改造和淘汰落后产能,推动SO2浓度大幅下降[48- 49]。在经济持续增长的前提下,EKC曲线越过拐点后呈明显快速下降趋势。

从PM10看,PM10主要人为源是化石燃料、生物质燃烧[50]。我国自20世纪70年代起针对烟粉尘污染开展治理,1996年我国将PM10作为常规监测污染物,2001年后通过设定烟尘和工业粉尘的排放总量控制目标、修订燃煤电厂烟尘浓度排放限值等方式治理PM10污染。经过长达二三十年的综合整治,PM10污染控制取得较为明显的成效,2000—2009年我国PM10浓度呈明显下降[47],推动EKC曲线呈大幅下降趋势。但PM10浓度在2010年同比出现反弹,随后的两年虽转为下降,但降幅较往年有所收窄,导致2010—2012年EKC曲线逐渐走平,并呈略微上升趋势；2013年以来,《大气十条》《三年行动计划》通过实施工业企业提标改造、民用散煤治理等重点治污任务,在实现SO2减排的同时也推动了PM10协同减排；此外,针对施工工地、道路、裸地和矿山等易扬尘点位,进一步强化扬尘综合治理。评估显示,2013—2017年我国PM10排放量减少36%,重点区域PM10中硫酸盐、有机物和扬尘浓度出现下降,有力证明了近年来我国PM10污染防治措施的成效[48- 49]。2013—2019年PM10浓度显著下降,使得EKC曲线自2013年起再度掉头向下,并保持下降趋势。

从NO2看,我国NO2主要来自化石燃料、生物质高温燃烧、汽车尾气排放等人为源产生的NOx(NO和NO2)[51- 53]。NOx来源分布在涉及高温燃烧的多个行业中,涉及生产生活各个方面,导致NOx减排难度增加且成本更高[1]。虽然我国在《国家环境保护“十一五”规划中》提出控制高架源的的NOx排放,但实际上管控效果不佳,1990—2010年NOx排放量增加了3倍[54]。“十二五”规划将NOx排放总量纳入约束性指标管理[55],2013年以来,《大气十条》《三年行动计划》通过实施燃煤电厂、钢铁等重点行业超低排放改造,强化机动车尾气管控,推广新能源车等方式大力推进NOx减排,取得一定成效[56- 57]。但以上措施实现的NOx减排量被机动车保有量增长带来的污染排放增量抵消了,导致NO2浓度下降幅度有限[48]。中国工程院评估显示,2020年NOx比2015年的降幅远小于SO2和一次颗粒物,减排幅度明显不足[58]。因此,近年来我国NO2浓度整体降幅有限,呈现来回波动状态,导致曲线拟合效果不如SO2和PM10。在经济保持高速增长的情况下,2013年以来EKC曲线呈上升趋势,如不采取措施严加管控,根据EKC曲线分析结果,NO2浓度可能持续反弹。

综上所述,我们认为,NO2污染已成为我国当前大气污染防治的突出问题,应进一步加大机动车污染防治力度,一方面深入推进“公转铁”,从根本上改变目前以公路货运为主的交通运输结构,减少污染排放大的柴油货车使用量；另一方面大力推广新能源车,同时加强在用车监管,进一步提升机动车排放标准和油品标准,强化尾气监管,大力削减机动车NOx排放,推动NO2浓度稳步下降。

3.2 重点区域SO2浓度与经济增长EKC曲线分析

2001—2019年京津冀及周边地区、长三角地区和珠三角地区SO2浓度与人均GDP的EKC曲线均呈典型的倒U型,且均已越过拐点。随着经济增长,SO2污染先呈恶化趋势,达到一定程度后,转而持续大幅改善。不同的是,三大重点区域EKC曲线出现拐点时间有所不同,京津冀及周边地区率先于2002年越过拐点,随后珠三角、长三角分别于2005年和2006年越过拐点。表明京津冀及周边地区SO2污染与经济增长协调关系好转明显早于珠三角和长三角地区。我们分别分析经济增速、污染程度和改善情况等三方面因素对EKC曲线类型及其长期变化趋势的影响程度。从经济增速看,2000—2019年京津冀及周边地区、长三角地区、珠三角地区人均GDP年均增速分别为9.8%、9.6%、8.8%,差距不大。从污染严重程度看,目前三大重点区域SO2污染均维持在较低水平。2019年,各区域浓度已基本维持在10μg/m3左右,其中污染最严重的京津冀及周边地区浓度也仅为14μg/m3,均达到SO2浓度一级标准(20μg/m3),且仅为标准限值70%及以下。从污染改善情况看,2019年京津冀及周边地区SO2浓度较2001年的降幅最高。21世纪初期,京津冀及周边地区SO2浓度维持在较高水平,超出SO2二级标准近50%,约为长三角和珠三角地区的3—4倍。因此,在强化SO2减排的初期,京津冀及周边地区SO2浓度较其他地区下降速度更快,幅度明显更大,因而率先出现拐点。此外,值得注意的是,三大重点区域SO2浓度首次同比下降,并随后稳定处于下降状态的年份分别为2004年、2006年、2005年,这与EKC曲线拐点出现年份高度吻合。这说明,污染物浓度逐年下降,形成稳定下降趋势,可以推动EKC曲线稳定下降,也就是实现了环境空气质量与经济增长的长期关系持续优化,这也符合量变产生质变的原理。这也充分说明我国持续制定并实施大气污染防治政策的必要性。

3.3 重点区域PM10浓度与经济增长EKC曲线分析

2001—2019年京津冀及周边地区、长三角地区和珠三角地区PM10浓度与人均GDP的EKC曲线分别呈U型,单调下降和倒U型。虽然京津冀及周边地区PM10年均浓度基本呈稳定下降趋势,但从EKC曲线看,2013年后却呈现出随着经济增长而反弹的趋势,我们分析主要原因可能有两点：一是因监测数据统计口径变动导致数据出现非正常波动,京津冀及周边地区2013年后突然升高,间接拉高了曲线；二是京津冀及周边地区2014—2016年PM10浓度降幅不如长三角地区和珠三角地区。此外,2019年京津冀及周边地区PM10浓度91μg/m3比二级标准(70μg/m3)高30%,污染程度较重；长三角地区(65μg/m3)达到二级标准,珠三角地区(46μg/m3)已接近一级标准(40g/μm3)。但鉴于京津冀及周边地区2019年实际PM10浓度91μg/m3已明显低于拐点浓度98μg/m3,且2013年以来随着我国大气污染防治力度逐渐加大,京津冀及周边地区PM10浓度呈稳定下降趋势。因此,若以更长时间尺度预判,在维持经济稳定增长的情况下,EKC曲线缓慢上升后,将拐头向下,最终预计呈现与31个省份类似的倒N型。长三角地区和珠三角地区EKC曲线均呈下降趋势,这与近年来我国实施各项大气污染防治政策推动烟粉尘减排,PM10浓度稳步下降密切相关。因此,我们认为,京津冀及周边地区应借鉴2013年以来PM10污染治理经验,针对PM10主要来源生活源、工业源和扬尘源加大治理力度,一是持续推动北方地区冬季清洁取暖,加快推进“煤改气”“煤改电”,减少居民散煤使用量；二是深入开展工业企业提标改造,实施钢铁、水泥等行业超低排放改造,进一步降低工业源颗粒物等污染物减排；三是深化扬尘污染综合整治,加强施工扬尘精细化管控,进一步强化道路、裸地、堆场等扬尘综合治理。

3.4 重点区域NO2浓度与经济增长EKC曲线分析

2001—2019年NO2年均浓度与经济发展的相关性均一般,其中长三角地区无相关关系,京津冀及周边地区和珠三角地区分别呈现U型和倒U型。自2001年以来,三大重点区域均未出现明显下降趋势,2019年较2001年浓度降幅均在6%以内,总体呈较为无序的波动状态,没有呈现任何趋势性的规律,导致其未能与稳定增长的人均GDP形成较为显著的相关关系,特别是长三角地区。从存在一定相关关系的区域对比看,与PM10浓度类似,京津冀及周边地区受2013年监测数据统计口径变动导致数据出现非正常波动,叠加近年来NO2浓度未明显下降,导致EKC曲线出现一定程度上升。但与PM10不同的是,拟合EKC拐点最低点对应的浓度30μg/m3,明显低于2019年年均浓度36μg/m3,说明实际情况与拟合曲线基本一致,呈污染反弹态势。若不强化NO2污染管控,随着区域经济维持稳定增长,NO2浓度将持续抬升。珠三角地区NO2浓度则稳定小幅下降,带动EKC曲线持续下降。相较于SO2和PM10,三大区域的NO2浓度与人均GDP长期关系的协调性均较差,因此,需着力强化NOx污染管控,推动NO2浓度稳步下降。

4 结论

本文运用EKC曲线模型通过对2001—2009年我国31个省份及重点区域大气污染物浓度和人均GDP进行相关性检验,分析得出二者之间相关及变化趋势。整体来看,我国大气治理成效显著,近年来实施的各项大气污染防治政策,特别是2013年以来颁布实施的《大气十条》《三年行动计划》,推动环境空气质量改善的同时,促进了经济发展与环境保护长期关系协调性逐步增强。31个省份和三大重点区域SO2、PM10、NO2浓度与经济增长的EKC曲线类型有所不同,SO2浓度与人均GDP变化相关性最强,PM10次之,NO2相关性一般。总体来看,31个省份和三大重点区域的SO2浓度与经济增长均处在典型倒U型关系的下降阶段。31个省份、长三角地区、珠三角地区PM10浓度与经济增长分别呈现倒N型、U型和倒U型,并均处于下降阶段,其中长三角地区更接近于单调下降,京津冀及周边地区则受改善幅度不足等因素影响,导致呈U型关系,并已越过拐点处于上升阶段。受近年来NO2污染改善程度不明显等因素影响,NO2浓度与经济增长相关性最低,其中长三角地区无相关关系,31个省份和京津冀及周边地区均处于U型的上升阶段,若不采取强有力管控措施推动NOx减排,NO2浓度将随着经济增长出现反弹。

大气污染防治政策对于短期内推动环境空气质量与经济协调发展效果明显,但要使长期关系保持协调稳定状态,实现经济高质量发展和生态环境高水平保护,关键是在经济保持稳定增长的同时,要持续削减污染物排放量,推动污染物浓度稳步下降。综上所述,本文提出如下建议：一是“十四五”期间要继续制定并实施新一轮的大气污染防治行动计划,聚焦重点区域和突出问题,实施重大减排工程,大力削减污染物排放,推动环境空气质量持续改善。二是强化NO2污染治理。深入调整优化交通运输结构,加强在用车尾气监管,推广新能源车,推动机动车等移动源NOx持续减排。三是京津冀及周边地区要加大对PM10污染治理力度,通过清洁取暖改造、工业企业深度治理以及扬尘综合整治等措施,持续削减颗粒物排放。