黄河流域雾霾污染时空分布特征及影响因素分析

周颖钦,邓光耀

(兰州财经大学 统计与数据科学学院,甘肃 兰州 730020)

产业集聚促进了区域经济快速发展,但也因为资源过度开发、污染物过度排放等原因造成环境恶化、污染集聚,黄河流域正面临着这样的区域性环境污染问题。根据中国生态环境部公布的2020 年、2021 年中国重点城市空气质量排名,在全国168 个重点城市中,空气质量较差的前20 个城市基本都位于黄河流域,黄河流域已成为我国雾霾污染最为严重的地区。黄河流域生态保护和高质量发展已上升为重大国家战略的大背景下,对黄河流域雾霾污染问题进行研究,提出具有针对性的治霾措施,对于推动黄河流域生态文明建设、促进上中下游协调发展具有重要的现实意义。

1 文献综述

为应对雾霾污染跨区域传输的特点,当前在京津冀、长三角等重点地区,已经初步建立起雾霾污染联防联控机制,较多学者对当前雾霾污染协同治理中存在的问题进行了研究与探讨。杨骞等[1]运用双重差分法检验了山东省大气污染联防联控的实施效果,认为联防联控制度不完善、合作治污能力不足、“搭便车”行为普遍等情况是治霾效果不佳的主要原因;刘珊珊[2]对京津冀地区大气污染协同治理的实施情况进行分析,发现区域发展水平不平衡、产业结构分配不合理、多元主体协同参与意识不强等原因限制了协同治理的效果;部分学者也指出当前区域大气污染治理存在政策执行力不足、“逐底竞争”等问题,认为为保证联防联控机制的正常运行,相关措施必须制度化、法律化[3]。

黄河流域已成为我国雾霾治理的短板,急需对该区域的雾霾污染情况进行研究;同时上述研究多以城市群为研究单位,地理尺度较小或仅关注了雾霾浓度较高的局部地区,但由于各城市间的雾霾污染可通过大气环流等途径产生空间关联,即使距离较远或浓度较低的城市也可能对全局的雾霾浓度产生影响,需要以更广的视角看待雾霾污染问题;研究方法上,以往的研究较多关注模型拟合精度,而对模型本身的解释力关注不足。基于以上原因,本研究选取黄河流域为研究的地理尺度,使用探索性空间数据分析、随机森林等方法对雾霾污染的空间集聚特征、影响因素等问题进行分析,在重点分析高浓度区域的同时,把握低浓度区域的特征,以期为提出具有针对性的雾霾治理措施提供依据。

2 研究方法与数据来源

2.1 探索性空间数据分析法

本研究通过测算全局莫兰指数和局部莫兰指数对雾霾污染空间集聚特征进行分析。

全局莫兰指标计算公式如下:

局部莫兰指数计算公式如下:

式中:x——PM2.5浓度,μg/m3;i和j代表不同的城市;n——城市个数;——各城市PM2.5浓度均值,μg/m3;S2——样本方差;wij——城市间空间权重矩阵。

2.2 随机森林模型

Bagging 集成算法通过并行构建多个模型,集成所有模型建模结果作为最终结果,通常可以得到比单个模型更好的效果。而随机森林模型进一步在抽取数据和特征的过程中加入了随机机制,每棵树都通过随机原则抽取数据和特征,使得每棵树都不一样,树之间的相关程度较低,降低了过拟合风险,以此为基础构造出来的模型具有较强的泛化能力[4]。

为增强模型的解释性,本研究通过随机森林模型输出特征重要度排序来衡量影响因素的重要程度,同时通过绘制部分依赖关系图反映各影响因素对雾霾浓度的作用规律。部分依赖图将模型应用于一组数据、在改变该影响因素值的同时保持其他影响因素值不变,最终得到影响因素与模型结果间的函数关系,当某个影响因素的部分依赖图曲线比较陡峭,说明这个影响因素对雾霾浓度的贡献度是比较大的。本研究基于Scikit-learn机器学习库构建随机森林模型,主要参数如下:ntree=300,mtry=5,其他参数默认。

2.3 数据来源及影响因素选取

本研究所使用的数据来源如下,个别缺失值采用线性插值法补齐:(1)PM2.5浓度数据来源于中国空气质量在线监测分析平台公布的日度数据(https://www.aqistudy.cn/);(2)社会经济数据来自2015—2020 年对应年份的《中国城市统计年鉴》和《城市建设统计年鉴》;(3)气象数据来源于美国国家环境信息中心网站(https://www.ncei.noaa.gov/)。

现有研究成果普遍认为自然环境因素是影响地面浓度的外因,与人类活动有关的社会经济因素是雾霾污染的内因。针对自然环境因素的研究主要集中在降水、气温、风速、沙尘、地形等[5],这些因素会影响污染物的传输、扩散、沉降等过程;而社会经济因素方面,普遍认为城市化、人口、产业结构、能源消耗、经贸水平、环境规制等因素[6-7]对雾霾浓度有较大的影响。

综合研究成果和数据的可获得性,自然环境因素选取年降水量、年均风速、年平均相对湿度和年均气温这4 个气象因子,社会经济因素方面,从人口及城镇化因素、经济水平因素、产业因素、能源消耗水平、技术水平及外部条件这5 个方面考虑,选取12 个因素,具体原因说明如下:

(1)人口及城镇化因素:研究表明人口集聚以及城市化推进将加剧雾霾污染程度[8],这类因素在推动经济发展的同时,带来大量住房、出行、消费等物质生活需求,造成交通拥挤、环境恶化等城市病。

(2)经济水平因素:普遍认为经济发展会带来较多的环境污染,但也有学者指出[9],经济规模的增长将促进经济结构不断完善,反而有助于缓解大气污染。

(3)产业因素:普遍认为对工业相关产业依赖度较高的地区,污染物排放量较大,也有学者认为[10],产业集聚存在显著的规模经济特征和各种外溢效应,有利于企业集中生产、治污,且由于存在环境规制效应,产业集聚水平越高的地区,其污染物的排放量反而可能越小。

(4)能源消耗水平:普遍认为以煤炭为代表的传统能源消耗是工业污染的主要来源。

(5)技术水平及外部条件:技术水平的进步将在一定程度上提高能源利用效率,环境规制政策将倒逼工业企业优化生产方式,提升技术水平,从而有效降低污染物的排放量并提升污染治理水平。

上述影响因素的具体说明如表1 所示:

表1 变量说明

其中,根据各城市天然气、液化石油气和电的使用情况按照能源折标准煤系数估算能源消耗强度中的煤炭消耗量。环境规制强度的计算,本研究借鉴相关学者的研究[11],以单位污染物产出能力的变化率作为衡量环境规制强度的指标。环境规制强度的计算表达式如下:

式中:i——城市;t——年份;E——产出,以地区生产总值表征,亿元;W——工业废气排放量,以工业二氧化硫排放量表征,t;若单位污染物的经济产出越大,说明环境规制强度越强。

产业集聚水平的计算,本研究借鉴相关学者的研究[12],构建产业集聚水平指标,以此表征工业相关产业的集聚情况:

式中:i——代表城市;X——工业污染物排放,以工业二氧化硫排放量表征,t;S——该城市的行政区划面积,km2。

3 实证分析

3.1 雾霾污染的空间集聚特征分析

以queen 邻接矩阵作为空间权重矩阵,进行全局空间自相关分析。经计算,2015—2020 年全局莫兰指数在0.612～0.797 之间波动,均通过1%的显著性水平检验,Z 值始终为正,且均大于1.96的临界值。该结果表明,黄河流域雾霾污染存在明显的空间正自相关关系,呈现出显著的空间集聚效应。

为进一步了解各地级市之间的空间集聚情况,本研究基于Geoda 软件,绘制LISA 聚类图,最终选取空间集聚情况有明显变化的4 个时间节点(2015 年、2017 年、2019 年和2020 年)对这部分内容进行说明。如图1 所示,黄河流域PM2.5浓度的空间集聚效应显著,聚集特征较为稳定但存在空间异质性。除2015 年的晋城市和2020 年的包头市分别显示出了“低-高”集聚和“高-低”集聚的特征外,其余时间黄河流域雾霾污染空间集聚类型均表现为“低-低”型集聚和“高-高”型集聚。

图1 黄河流域PM2.5 浓度LISA 聚类图

“低-低”型集聚主要集中在黄河中上游地区,2018—2020 年主要在青海、甘肃、宁夏、内蒙古4 个省(区)的部分城市雾霾浓度呈逐年增长趋势,使得“低-低”型集聚区域范围有缩小趋势。“高-高”型集聚主要集中在黄河中下游的山东、河南两省,2015—2017 年山东、河南两省的城市雾霾浓度持续性下降,使得2017 年黄河下游地区“高-高”集聚区域有所减少,但在2018—2020年,部分年份雾霾浓度也有一定程度的上升,使得整体来看“高-高”集聚区域没有明显的缩小趋势。

上述结果表明,雾霾污染的集聚特征已经打破了省份等行政区划的限制,高浓度区域集中在黄河中下游的经济发达地区,该现象可能与社会经济发展导致大气污染物的大量排放有关。邻近城市之间区位条件、能源禀赋相似,当地主导产业有很多关联之处,各类要素的频繁流动,导致各城市间的空间关联愈发密切,雾霾污染的进一步治理应打破地理区划的限制,以更广的视角来看待雾霾污染问题。

3.2 雾霾污染的影响因素分析

3.2.1 适用性评估

在进行模型训练前,本研究对所有影响因素进行相关性分析。由图2 可知,大部分影响因素之间相关系数小于0.5,表明影响因子之间产生多重共线性的可能性较小,且随机森林模型本身对多重共线性不敏感,因此本研究不考虑共线性特征对模型解释能力的影响。同时,以PM2.5浓度作为因变量,以全部影响因素作为自变量,分别构建了多元线性回归模型和随机森林模型。比较两种模型在测试集中的精度可知,随机森林模型的拟合优度(0.71)高于多元线性回归模型(0.59),可见随机森林模型在分析影响因素方面存在一定的优越性。

图2 影响因素相关系数

图3 人口及城镇化因素部分依赖图

图4 经济水平因素部分依赖图

图5 产业因素部分依赖图

图6 能源消耗水平因素部分依赖图

图7 技术及外部条件因素部分依赖图

图8 气象条件因素部分依赖图

3.2.2 关键影响因素识别及演进趋势分析

将时间划分为2015—2017 年和 2018—2020年两个时间段,通过影响因素特征重要性排序来反映影响因素对雾霾污染影响的变化情况,以随机森林节点不纯度平均减少量作为衡量各影响因素对雾霾污染影响程度的标准,该值越大,说明该影响因素越重要,最终的结果如表2 所示:

表2 2015—2020 年雾霾污染影响因素重要性变化情况

从影响因素变化情况来看,2018—2020 年能源消耗量的影响程度上升趋势最为明显,由第16位上升至第8 位,经济规模、财政支出、人均GDP和城市建设用地面积这类社会发展因素对雾霾污染的影响普遍在提升;而环境规制强度的影响程度有较大幅度的下降,由第8 位下降至第16 位,能源消耗强度、产业集聚水平和产业结构这类反映黄河流域工业化程度的指标的影响力均有不同程度的下降。出现该现象的原因可能在于,在雾霾治理初期政府干预、政策指引等手段对工业产业的影响较大,形成较为明显的政策效应,但随着治霾的深入,政策效应减弱,推动雾霾浓度持续下降的动力不足。而经济发展这类因素则对雾霾污染有着持续性的影响:一方面,社会经济的发展需要消耗大量的资源,会排放较多的污染物;另一方面,较高的经济水平将促使社会文明程度的提升、环境保护意识的增强,有利于雾霾治理。从而,与2015—2017 年相比,2018—2020 年该类影响因素的重要性排序普遍呈上升趋势。

整体来看,2015—2020 年,人口及城镇化因素、产业因素、技术水平和外部条件相关因素对雾霾污染的影响程度相对靠前,该结果较为符合黄河流域实际情况。黄河流域人口稠密,特别是下游地区的山东、河南两省,总人口数在全国靠前,资源密集型产业占比较大,同时受资源禀赋、经济发展阶段等诸多因素的制约,各省份的制造业发展呈现较大差异化,产业密度、产业结构、技术水平等均呈现出空间非均衡的特点,这些因素都将对大气污染物的排放和污染物的空间非均衡性产生较大影响。

3.2.3 影响因素作用机理分析

通过绘制部分依赖关系图反映2015—2020年各影响因素对雾霾浓度的作用规律,对其作用机理的分析如下:

3.2.3.1 人口及城镇化因素方面

当人口密度小于400 人/km2时,随着人口密度的增加,雾霾浓度急剧上升,之后呈缓慢的波动上升趋势,这部分城市主要集中在黄河中上游,该地区生态较为脆弱,这可能也是人口密度小幅度增长就会引起雾霾浓度较大变动的原因;人口规模在300～400 万之间,雾霾浓度随着人口的增加有显著上升,之后呈平缓趋势,在人口达到600 万左右,雾霾浓度又有一个小幅度的跃升;随着城市建设用地规模的扩大,雾霾浓度有明显的下降过程,随后呈缓慢的上升过程。该结果表明,人口集聚效应会对环境承载能力提出考验,而适当的城市扩张,有利于雾霾浓度的控制,这可能与居民综合素质提升及城市资源的合理配置有关。

3.2.3.2 经济水平因素方面

财政支出增加将有效改善雾霾污染状况,而人均GDP 增加,在一定范围内能降低雾霾浓度,但当人均GDP 大于7.5 万元时,雾霾浓度会有显著的上升,该类城市主要是济南、郑州、西安为代表的区域核心城市及鄂尔多斯、乌海为代表的能源型城市。而经济规模扩大也主要对雾霾浓度起促进作用,显然在追求城市的发展的同时,也要考虑城市的环境承载能力,不应以牺牲环境为代价。

3.2.3.3 产业因素方面

随着第二产业比重的增加,雾霾污染呈先缓慢上升后快速上升再趋于平稳的趋势。由于黄河流域大多数城市的产业以能源化工等高耗能、高污染产业为主,第二产业占比较高,将极大促进污染物排放,这也反映了黄河流域雾霾污染较为严重的原因;产业集聚水平对雾霾浓度的影响呈先上升后平缓趋势,拐点值在1.5 附近,当值大于1.5 时,雾霾浓度并不会随产业集聚水平增加而有明显的增大趋势。产业集聚度大于1.5 的城市主要集中山西、河南、山东三个省,此外还包括石嘴山、乌海等能源型城市,该结果印证了前述相关学者的研究[10],企业集中生产、治污有利于对污染的控制。

3.2.3.4 能源消耗水平方面

能源消耗量增加将持续促进雾霾浓度增加,能源消耗强度增加先促进雾霾浓度的上升,但当能源消耗强度大于0.1 t 标准煤/万元时,雾霾浓度有小幅度的下降,该类城市主要集中在山西、内蒙古、宁夏、甘肃等经济增长对能源依赖度较大的省(区)。

3.2.3.5 技术水平及外部条件方面

环境规制对雾霾污染的抑制作用明显,而随着技术投入的增大,雾霾浓度整体呈先升后降再趋于平稳的趋势。由于节能减排等技术发展常以环境需求为导向,并会表现出效果的滞后性,因此在前期随着相关投入的增加雾霾浓度没有明显的下降,但随着进一步的投入,技术进步、环保意识提高等原因对雾霾浓度的抑制作用将逐渐显著。

3.2.3.6 气象条件方面

年均气温在10～12 ℃时,雾霾浓度与气温呈正相关关系;年均相对湿度的增加也将促进雾霾浓度的增加,而年降水量、年均风速的增加有利于细颗粒物的沉降与消散,对雾霾污染主要起抑制作用。

4 结论与启示

4.1 主要结论

空间集聚特征分析结果表明,黄河流域雾霾污染存在明显的空间正自相关关系,且集聚特征明显,“高-高”型集聚主要集中在黄河中下游的山东、河南两省,“低-低”型集聚主要集中在黄河中上游地区的内蒙古、宁夏、甘肃、陕西等省(区)。

影响因素分析结果表明:重要度排序靠前的6 个因素依次是人口密度、年均气温、人口规模、产业集聚水平、产业结构和技术水平;演进趋势方面,考察后期经济规模、财政支出、人均GDP 等社会经济发展相关因素对雾霾浓度的影响显著增加,而能源消耗强度、产业集聚水平等反应黄河流域工业化程度的指标的影响力在下降;作用机理方面,人口集聚、能源消耗量增加、经济规模扩大等情况都将加剧雾霾污染。

4.2 政策启示

黄河流域雾霾污染空间异质特征明显,理应分区域推进雾霾污染治理。首先,降低雾霾浓度仍然是雾霾治理的重点,应重点关注高浓度区域,主要为黄河下游地区的山东、河南两省;其次,大气环流、产业转移等因素都会造成污染物的空间溢出,不应该忽视浓度相对较低的区域,特别是中上游能源型城市较多,在考察后期部分城市雾霾浓度已经有上升趋势,这是较为危险的信号。

如前文所述,当前的联防联控存在政策强制力不足、职责定位混乱等问题,这可能是政策效应无法对工业企业有持续性的影响、进而导致雾霾浓度无法持续性下降的原因,因此需要进一步完善当前联防联控制度;同时要警惕部分城市仅仅考虑自身社会经济发展、在雾霾污染协同治理过程中 “搭便车”等现象,提高多元主体协同参与的意识,如有必要可将大气污染联防联控制度化和法律化,将治理成效与地方财政、经济建设等绩效挂钩。

结合影响因素分析结果,首先,人口集聚问题是雾霾污染最主要的影响因素,理应采取提升公共交通等基础设施水平、合理实行人才引进政策等方法,减少因人口过度聚集造成的资源过度消耗,进而导致雾霾污染反弹;其次,降低对石油化工等产业的依赖,减少不必要的生产资源消耗,推进产业结构升级;此外,环境因素也是影响雾霾浓度的重要因素,应进一步贯彻落实好黄河流域生态保护相关政策。