顾及跨域影响的省域大气环境治理效率分析

胡石元 贺 妍 唐 旭 赵 林 耿 红

1武汉大学资源与环境科学学院，湖北 武汉，430079

2武汉大学地理信息系统教育部重点实验室，湖北 武汉，430079

3武汉大学数字制图与国土信息应用工程国家地理信息局重点实验室，湖北 武汉，430079

2014年国务院正式印发《大气污染防治行动计划实施情况考核办法（试行）》（以下简称“考核办法”）［1］，对各省区级政府的大气环境治理工作进行绩效考核。当前我国的相关工作尚处于探索阶段［2］。从“排放源头、治理措施和结果状态”的系统关系来看，现阶段大气环境治理绩效评价主要包括3种方法思路：一是以大气环境状况为直接指标的黑箱评价思想，以反映空气污染物浓度的PM2.5、PM10计算空气质量指数及其年均指标下降比例等作为早期治理效率评价［3］和采用文献［1］的考核指标；二是运用变异系数法［4］、模糊综合评判法［5］、主成分分析法［6］、回归分析［7］等方法线性度量排放管理、污染治理对大气环境的双向影响，进而评价治理贡献；三是借 鉴 压 力-状 态-响 应（pressure-state-response，PSR）系统动力学模型，构建了大气环境PSR［8，9］及拓展“状态-趋势”的S-T（state-trend）分析框架［10］等，以此为基础度量治理效率。这些研究多数将评价区域大气环境作为一个封闭系统，忽略了空气污染跨域影响［11］的客观事实，不利于定量分析污染排放和提升地方治理积极性。

综上所述，本文在PSR框架基础上构建影响大气环境的指标体系，利用DEA（data envelopment anaylysis）模型分析排放压力P和治理措施R两类输入变量对省级区域的大气环境状况S的影响贡献度量治理效率，再根据其异常状况及指标空间相关性特征甄别分析各单元大气环境的治理真实效率，并以2014—2017年31个省级行政区的数据进行了实例验证。

1 大气环境治理效率分析方法

1.1 大气环境治理效率的关系界定

1.1.1 大气环境的PSR关系

环境系统的PSR模型描述了人类经济社会活动对环境造成的排放压力P、人类为避免环境恶化采取的治理措施R和前两者综合作用下的环境状况S等三维变量之间的因果驱动关系［12］。压力P、响应R与状态S变量有如下解释：①P表示区域内人类社会经济活动或其他自然地理现象向空气中排放废物量，是造成大气污染的根源，但由于季风、地形和温度等因素导致大气环流，区域大气污染物存在向邻域溢出或邻域输入（记为ΔP）；②R表示人类通过节能减排、设备净化、植被恢复等治理措施降低污染排放量来改善大气状况；③S表示在P和R增减综合作用下的区域大气环境状况，受ΔP影响的状态改变值记为ΔS。

1.1.2 大气环境治理效率的定义

一般意义的效率是对投入与产出关系的评价和测度，关注的是资源配置的有效性或投入产出的经济性等问题［13］。大气环境治理效率则是反映在减排（使P减少）和降污（使S增加）两方面的大气环境治理措施R解决污染问题的有效程度［14］。可从S指标与环境容量的差距、或P和R两类指标对S的贡献来综合度量。

由于空气污染跨域输入、输出指标ΔP及其造成区域空气质量影响的ΔS难以调查测度，基于区域大气环境真实关系E 1=F（P，R，S-ΔS）或E 2=F（P+ΔP，R，S）进行治理效率的评价不现实。因此，从数据可获得性的角度，基于不完备对应关系E=F（P，R，S）分析大气环境的系统关系、并甄别ΔS对空气质量状态S的影响，以此进行真实治理效率的定量分析是唯一可行的评价途径。

1.1.3 大气环境的PSR描述指标

参考已有研究［15-17］，分别选取区域内的7项污染物排放统计指标［15］度量“压力P”，从污染物排放控制角度选取3项指标［16］度量“响应R”，选取涵盖PM10、PM2.5浓度指标的空气优良天数比率来度量“状态S”［17］。指标体系如表1所示。

1.2 大气环境治理效率的DEA模型

大气环境治理效率的系统关系E=F（P，R，S）可以看作以P、R为自变量，S为因变量的函数。考虑各个区域单元的关系有以下特征：①由于空气跨域影响ΔP有正负，故S中包含的ΔS则亦有负正之分；②自变量P｛pi｝、R｛r j｝对因变量s1的贡献或影响的权重不一致。

对此，本文选择能自动赋权减少主观因素影响［18］、不受量纲影响［19］、不需预设函数关系即可进行相对效率评价［20］的DEA模型，借鉴其在区域生态文明建设［21］、环境管理［22］等相关领域的应用思路，构建基于表1大气环境PSR关系的DEA模型来度量大气环境治理的相对效率，并依据效率结果甄别ΔP的影响ΔS。

表1 大气环境的PSR系统指标Table 1 Index System of PSR for Air Quality

1.3 大气环境治理效率的分析过程

应用ArcGIS和Max DEA Pro 6软件工具进行大气环境治理效率的分析，包括以下4个步骤。

1）效率评价数据库建立。利用ArcGIS和Personal-database格式文件AQCE.mdb，建立包含区域代码（Key）、区域名称等字段的面图层Unit，存储u个评价区域的多边形；建立包含区域代码（Key）、区域名称、年份、11个输入变量（pi和r j）、1个输出变量（s1）以及技术效率、PRS关系类型、效率类型等字段的属性表Attri，存储各评价区域的年度截面信息。其中Unit与Attri通过Key实现图形和属性的链接。

2）DEA模型的效率计算。将属性表Attri数据分年度导入MaxDEA Pro 6软件，计算各决策单元（decision making unit，DMU）年度截面的效率值E，并判定效率类型（E≥1有效/E＜1无效），按时序统计各区域单元治理效率的变化趋势［23-25］。

3）PRS关系类型的划分。以各截面区域单元的变量平均值为界限，将P、S、R分别划分为“+/－”两类，其中类型“+”为排放（P）少、措施（R）多、状况（S）好，类型“－”则反之。根据区域单元三元组｛P，R，S｝类型组合将PRS关系分为如表2所示的8类，每类存在综合效率值E≥1或E＜1两种状态。

4）效率的跨域影响甄别。基于PSR模型三者的关系，甄别跨域影响效率的步骤如下：①如果区域单元为状态类别2：“排放（P）少、措施（R）多、状况（S）差”，可推断其大气环境状况S的跨域影响ΔP＞0，即ΔS＜0；②如果区域单元为状态类别7：“排放（P）多、措施（R）少、状况（S）好”，可推断其大气环境质量S的跨域影响ΔP＜0，即ΔS＞0；③以状态类别2和状态类别7的区域单元为初始中心，根据P值与邻域P值大小，判断邻域的ΔP正负；④根据各评价单元ΔP与ΔS关系，综合分析跨域影响对模型计算效率E的正负影响，由此可推断出传统方法评价结果的异常。

效率计算与分析过程的数据如表2所示。

表2 大气环境治理效率计算分析的过程数据Table 2 Process Data of Air Quality Control Efficiency Calculation and Analysis

2 实例验证

2.1 研究范围与基础数据

本文选择2014—2017年31个省级行政区的数据为实例进行研究。其中，排放压力P（p1～p7）和响应措施R（r1～r3）指标的相关数据来源于《中国环境统计年鉴》和各省级行政区统计年鉴；大气状况指标S（s1）相关数据来源于各省级行政区统计年鉴及环境状况公报；参与计算的土地、人口指标数据则通过EPS（economy prediction system）全球统计数据库［26］采集获取。

建立数据库后，对31个省级行政区划单元的指标消除量纲后加和，分别绘制2014—2017年的P、R、S分布图，如图1所示。

图1 2014—2017年省域大气环境PSR状况Fig.1 State of Provincial Air Quality in 2014 to 2017

2.2 治理效率的计算结果

1）治理效率结果。对31个省级行政区2014—2017年的实例数据计算处理，得到各年治理效率结果，效率分布曲线如图2所示。

图2 2014—2017年省域大气环境治理效率E分布曲线Fig.2 E Distribution Curve of Provincial Air Quality Control Efficiency in 2014 to 2017

2）关系类型结果。对31个省级行政区2014—2017年的三元组｛P，R，S｝分别进行分类。关系类型结果统计如图3所示。

图3 2014—2017年省域大气环境PRS关系类型Fig.3 T ypes of Provincial Air Quality PRS Relationships in 2014 to 2017

3）跨域影响特征结果。综合2014—2017年31个省级行政区的PRS关系类型及邻域确定跨域ΔP的影响特征。

2.3 评价结果分析与讨论

2.3.1 PSR系统指标分析

图1的2014—2017年31个省级行政区PSR指标特征统计如下：

1）排放压力（P）指标，P（－）类型的区域单元频次为42，占总频次近1/3，大气排放总体形势依旧严峻。4年中单位排放均高于平均值的有河北、山西、内蒙古、黑龙江、贵州、陕西、青海、宁夏和新疆9个省级行政区。其中河北、山西、内蒙古、黑龙江和陕西主要源于工业和冬季采暖排放量大；贵州、青海和宁夏则是因能源清洁利用程度较低，造成单位工业和生活排放较大；新疆则是生活排放较大。

2）响应措施（R）指标，4年中R（－）类型频次最多，且R与各省域的经济发展水平呈现出一定的正相关性。其中北京、天津、上海、浙江、江苏和广东等经济发达地区治理投入R较高，江西、贵州和西藏等经济相对滞后地区R治理投入较少。

3）大气环境状况（S）指标，含S（+）类型多于S（－）类型，全国总体的大气状况较好。S较高的省域集中于南部沿海，如浙江、福建、广东、广西和海南等。S较低的省域主要位于华北平原及其周边，如北京、天津、河北、山西和山东等。大部分省域在治理期S保持增长态势，说明各省域在治理期内不断加强大气生态保护措施。

2.3.2 PRS关系类型分析

图3为2014—2017年31个省级行政区的PRS关系类型，统计结果如表3所示。

表3 PRS关系类型频次Table 3 Frequency of PRS Relationship Types

根据大气环境治理系统指标的相互关系，将PRS关系类型分为符合逻辑推理、逻辑推理矛盾和逻辑推理不确定3类，各类型情况如下。

1）符合逻辑推理的类型，共29频次。包括类型1、类型8两类。其中：类型1（+，+，+）为“排放少、措施多、状况好”，总频次为15，涉及浙江、广东和海南等；类型8（－，－，－）为“排放多、措施少、状况差”，总频次为14，涉及河北、山西、陕西和新疆等。

2）逻辑推理矛盾的类型，共30频次。包括类型2、类型7两类。其中：类型7（－，－，+）为“排放多、措施少、状况好”，总频次为11，包括内蒙古、贵州、甘肃和青海，自身ΔP＜0，是邻域ΔP＞0的输出中心。类型2（+，+，－）为“排放少、措施多、状况差”，总频次为19，包括北京、天津、山东、吉林、辽宁、河南、江苏和上海，自身ΔP＞0，是ΔP＜0邻域的输入区域。

3）逻辑推理不确定类型，共65频次。包括类型3、类型4、类型5和类型6共4类，其中：类型3（+，－，+）为“排放少、措施少、状况好”，总频次为35，涉及西藏、四川、重庆、云南、广西、湖北、湖南、安徽、福建和江西等；类型4（+，－，－）为“排放少、措施少、状况差”，总频次为13，涉及河南、湖北、安徽和辽宁等；类型5（－，+，+）为“排放多、措施多、状况好”，总频次为8，主要为黑龙江；类型6（－，+，－）为“排放多、措施多、状况差”，总频次为9，主要包括宁夏和山东。

2.3.3 效率跨域影响分析

逻辑推理矛盾的类型2和类型7的频次高达30，说明这两类省级行政区的大气环境治理结果受跨域输出影响显著。如表4所示，引入空间相关性模型，运用全局Moran′sI指数和Local Moran′sI指数对S进行空间相关性测算，将4期S的截面数据（2014年、2015年、2016年、2017年）代入得到的全局Moran′sI指数均通过99%的置信度检验。运用局部Local Moran′sI指数和LISA集聚图清晰呈现各省级行政区形成的集聚区，4期截面数据的LISA集聚图主要呈现出高-高聚集和低-低聚集两种集聚类型。高-高集聚区主要位于南部沿海各省级行政区，低-低聚集主要以北京、天津、河北、山西、河南和山东为中心，并且呈现向东南延伸的趋势。

表4 大气环境状况的全局Moran's ITable 4 Moran′s I of Atmospheric Environment

由类型2和类型7的省级行政区为输入、输出中心，结合现状数据p值和空间相关性结果，同时考虑与大气污染密切相关的气候、地理环境等因素［27］，判定大气的扩散集聚路径，按照邻域空间相关性进行跨域影响的分析。

1）类型7的省级行政区污染物浓度高，状态S较好的原因是空间扩散致邻域，ΔP＞0。主要输出路径有：①内蒙古→辽宁、吉林，4年中内蒙古的排放压力P值高，因海拔较高和风沙扬尘向辽宁和吉林输出污染物，但由于受大兴安岭阻隔，对黑龙江影响小；②甘肃、青海→四川→重庆，甘肃和青海位于我国第二海拔阶梯，与相邻的四川高差大，污染物扩散至盆地易聚集，紧邻四川的重庆西部也受到影响，ΔP＞0；③贵州→湖南、广西，贵州位于云贵高原东北部，污染物易向邻域海拔低的湖南、广西转移，而海拔较高的云南影响小。

2）类型2省域污染物浓度低，状态S较差的原因是邻域扩散输入致自身ΔP＞0。主要输入路径有：①辽宁、吉林←河北、内蒙古，近几年东北工业生产活动大为减少，污染较华北平原轻，因此受内蒙古的扩散输出影响外，辽宁、吉林还受紧邻的河北污染输出影响；②北京、天津←河北←山西，北京、天津、河北与山西同属于大陆季风气候区，其中，处于上风向的山西是煤炭生产和消耗大省，排放压力P值高，河北、北京和天津地区受其污染扩散影响；③上海←湖北、安徽、江苏←山东、河南←河北，因华北平原和长江中下游平原之间地势平坦、无山脉阻隔，山西、河北的高浓度污染物沿路径方向扩散直至上海，污染扩散ΔP梯度递减，而秦岭、南岭分别阻断了向湖北和重庆、广州和福建的上游向污染扩散；④新疆、内蒙古、甘肃、陕西、山西等北方地区冬季供暖的污染排放，因西伯利亚和蒙古一带高压控制的西北风和北风加重邻近的北京、天津的污染外，也使得东南部省域的大气输入ΔP＞0。

综上所述，由于受到污染输入的影响，有14个ΔP＞0的省级行政区：吉林、辽宁、北京、天津、山东、河南、安徽、湖北、江苏、上海、四川、重庆、湖南和广西。受到污染输出影响，有7个ΔP＜0的省级行政区：内蒙古、河北、山西、山东、甘肃、青海和贵州。

2.3.4 治理效率结果分析

总计124个单元频次中，模型效率E≥1的有效频次为66，E＜1的无效频次为58。其中受ΔP的影响统计如下。

1）ΔP＞0，致使省域大气状况变差及ΔS＜0，模型效率E低于实际效率。涉及2014年的四川、重庆、北京、天津、吉林、辽宁和山东［28］；2015年包括全部受到污染输入影响的14个省级行政区；2016年包括剔除北京和山东受到污染输入影响的12个省级行政区；2017年包括剔除广西和山东受到污染输入影响的12个省级行政区。总计58个无效（E＜1）频次中，受到污染输入影响的频次为39，占比67.2%。

2）ΔP＜0，致使省域大气状况变好及ΔS＞0，模型效率E高于实际效率。涉及2014年的青海、甘肃、内蒙古、山西和河北；2015年的青海、甘肃、贵州、内蒙古、山西和河北；2016年的内蒙古、山西、河北、贵州和山东；2017年的青海、内蒙古、山西、河北、贵州和山东。总计66个有效（E≥1）频次中，受影响的频次为20，占比30.3%。

3）新疆、西藏、宁夏、云南、广东、海南、福建、浙江、江西和黑龙江等10个省级行政区的模型效率E受ΔP的影响小，基本上与实际效率相符。

2.3.5 治理措施改进建议

从最近2017年评价结果可知，目前我国大气环境治理及绩效考核工作中仍存在较多不足，本文提出以下改进建议：①浙江、广东、海南和吉林为类型1，治理工作最优，应持续保持优势。②黑龙江以及宁夏、山东分别属于“排放多、措施多”的类型5和类型6，污染排放较大，改进治理措施从源头的负向排放减少效果最为显著，要调节能源消费结构，改进能源消费制度，严格控制工业和生活的煤炭消费总量，明确生态补偿制度，提高污染排放成本，并合理制定响应措施。③湖北、湖南、广西、四川、重庆、江西、云南、西藏、甘肃、福建以及辽宁、河南、安徽分别属于“排放少、措施少”的类型3和类型4，治理措施配置不足阻碍了治理效果，应因地制宜设计治理计划，完善环境绩效审计，运用差异化的考核奖惩手段推动治理工作，引进先进的清洁生产技术和设备，降低有害物质的排放。④河北、山西、陕西、新疆为类型8，各方面状况都较差，除在排放和措施工作上改善外，还应宣传倡导全民参与环保，提高整体环保意识。⑤针对受跨域影响显著的省级行政区，包括含内蒙古、贵州和青海的类型2，含北京、天津、江苏和上海的类型7，其在治理的顶层设计上应打破行政区域限制，各地联动、全民共治，以重点污染区域为核心，协同规划制定大气治理计划，遏制污染扩散趋势，共同推动大气环境质量改善。

3 结束语

空气污染的跨域影响会对区域大气环境的治理效率产生影响。本文基于PSR系统机理和跨域理论构建的大气环境治理效率的DEA模型，计算与分析了31个省级行政区在《大气污染防治行动计划》期间的大气环境治理效率，结合现状数据和效率变化对跨域影响大的省域进行类型甄别，并对各省域实际治理效率进行诊断，为切实提升大气环境治理效率、改善大气环境提供参考，具有一定的现实意义。针对跨域影响，结合DEA模型参数进行定量化的研究有待进一步拓展。