中国城市PM2.5污染暴露不平等及其驱动因素
--基于Theil指数和LMDI分解
2024-01-29夏天辰中国人民大学环境学院北京100872
马 本,秦 露,夏天辰(中国人民大学环境学院,北京 100872)
清洁的大气环境是人类生存发展的公共物品,大气污染对社会经济发展、个体机会公平和环境权益的冲击使环境不平等成为社会不平等新的来源[1].作为世界第九大健康风险源[2],大气污染不仅会导致严重的呼吸道和心血管疾病[3],还会影响与认知能力相关的神经系统,对学业、就业表现造成长期危害[4-5].研究表明,婴儿过度暴露于大气污染会导致成年后较低的劳动参与和收入水平[6];长期暴露于工业大气污染会导致失眠[7]、情绪低落[8].不难发现,大气污染对健康的危害进一步延伸至人力资本,带来整体劳动生产率下滑与长期的经济损失.2015~2019年,中国因细颗粒污染物(PM2.5)长期暴露造成的经济损失达1 万亿美元[9].值得注意的是,不同社会人口特征的群体对大气污染的成本负担不尽相同[10-11],平等的环境权益受到区域性污染暴露的挑战,如何识别并阻断环境不平等向社会不平等的渗透是中国实现绿色均衡高质量发展的重要问题.
2013年出台的《大气污染防治行动计划》实施至今,中国年均 PM2.5浓度由 63µg/m3下降至29µg/m3,降幅达57%.在此过程中,大气污染暴露及其不平等如何演进,背后的驱动因素有哪些,回答这些问题对于深刻理解中国大气污染治理特征,进一步促进环境公平具有重要现实意义.本文立足中国大气污染治理实践,利用2015~2021年城市PM2.5污染日均浓度和人口数据刻画中国大气污染暴露水平,揭示大气污染暴露的空间分异与演变规律.进一步使用基尼系数、泰尔指数定量测度中国PM2.5污染暴露不平等程度,按城市行政层级和省域划分,识别污染暴露不平等的来源,提供中国环境不平等事实的多维视角.而后引入考虑政府支出结构和规模的卡亚分解等式,剖析中国PM2.5污染暴露及其不平等程度的驱动因素,揭示财政资金、能源效率等在大气污染治理中的重要作用,丰富和深化对大气污染暴露不平等社会经济动因的理解.
学术研究中,大气污染物浓度常用于评价空气污染暴露风险,学者基于不同尺度、不同目的对中国大气污染进行典型事实描述.Peng 等[12]使用污染物浓度分析了1999~2011年中国PM2.5时空演变特征,聚焦京津冀、长三角等区域以突出重点区域大气污染治理成效[13-14],识别检验污染同人体健康、社会经济损失、人口迁移的因果关系[15-17].大气污染物浓度为污染时空特征和效果评估提供数据基础,但由于城市间人口和污染的非均匀分布,以城市为单元的监测数据难以直接、准确衡量污染暴露水平及其差异性[18],引入人口加权的污染暴露水平尤为重要.Song 等[19]、Aunan 等[20]在中国城市空气污染时空特征的探讨中使用人口均值加权的污染浓度表征污染暴露水平,肖嘉玉等[21]则使用污染暴露相对风险加以衡量.尽管目前尚未形成统一的污染暴露水平测度,但现有研究从时空污染尺度对污染暴露进行了有益的探索[22-23].
大气污染不仅在总体上增加人群健康损害,污染暴露差异还可能进一步加剧贫富差距和社会不公[24].Heutel 等[25]发现,经济波动对死亡率的影响存在空气污染这一传导机制,证明大气污染是生存机会不平等的诱因.个体层面,处于中上社会经济地位的人群能够通过健康医疗、室内办公等防护措施,降低污染带来的负面影响,而底层人群必须承担更多健康代价[26].城市间由于技术和财力差异对环境污染也可能做出不同应对[27].大气污染暴露使部分群体在资源和机会上存在明显分歧,引起人力资本发展不均衡,使大气污染暴露不平等成为环境公平研究的重要话题.学者多采用描述性方法展示空间异质分布特征[28],而使用泰尔指数、基尼系数的定量分析主要集中在碳排放领域,针对中国大气污染暴露的不平等尚未得到重视.
为进一步揭示大气污染暴露的诱因,污染暴露背后的驱动因素备受学界关注,形成了大气污染驱动因素的共识--大气污染是众多自然因素和社会经济因素综合作用的结果[29].研究采用的方法涉及结构分解[30]、计量经济模型[31],而因素分解基于数学逻辑关系,广泛应用于能源与碳排放领域[32-33].
卡亚恒等式较早地将社会、经济、能源、排放等宏观因子之间的关系加以定量描述,Lyu 等[34]借鉴并利用对数平均迪氏指数分解法(LMDI)分析了1997~2012年中国PM2.5浓度变化的驱动因素,发现经济增长和能耗强度是其中的关键因素.但中国的体制特点决定了政府在大气污染物治理中的重要角色,政府能够通过行政管制、经济激励两大路径对大气污染物排放产生重要影响[35-36],在传统分解等式中识别整合政府因素有助于深化对中国体制的认识.此外,不平等量化指标泰尔指数具备LMDI 分解的独特性质,对指数进行静态和动态分解能够揭示不平等背后的驱动因素及其演变特征[37-38].鉴于大气污染物与碳在产生与治理方面较为相似,将碳不平等的因素分解借鉴到PM2.5等污染物领域,是对已有相关文献的重要补充,能够深化对空气污染暴露及其不平等的认识.
1 方法与数据
1.1 实证方法
考虑到人口是大气污染暴露的主要受体,在衡量全国或重点地区污染暴露不平等时需考虑城市人口规模的异质性.空气质量监测得到的PM2.5日均或年均浓度仅是辖区的平均浓度,未考虑人口分布特征,因而无法反映污染受体的暴露程度.“暴露”的产生来自环境风险和人口分布在时空上的重叠,参考流行病学剂量-反应函数,在疾病死亡率一定的情况下,人口越多、PM2.5浓度越高意味着归因于大气污染的人群健康风险越大[39].因此,考虑城市人口特征后,PM2.5污染暴露水平如式(1)所示.由于中国PM2.5监测浓度以地级市为基本单元,EPMi假设城市辖区内污染同质,且个体不采取污染防护措施.大气污染暴露指标构建与Song 等[19]、Aunan 等[20]基本一致,仅将分母总体人口数替换为总体人口均值,一方面将数值同比例放大,不影响评价结果的前提下便于横向比较,另一方面能够将各地人口与人口均值的差异信息纳入分析.
式中:PMi为i 城市PM2.5平均监测浓度;Pi、分别为i 城市人口和全国城市平均人口;EPMi为i 城市PM2.5污染暴露水平,µg/m3.
1.1.1 PM2.5暴露不平等的测度 基尼系数是测度不平等的主要方法.根据洛伦兹曲线,基尼系数数值等于曲线和完全相等线之间面积的两倍.计算公式如下
式中:Pi是人口的累积比例,Yi是PM2.5污染暴露的累积比例.从计算过程来看,基尼系数独立于个体的绝对值,并未将个体值与平均值进行比较,难以对数值进行分组解释[40].对于数据分布的敏感性,基尼系数更强调数据分布中间位置发生的分布变化[41].
泰尔指数是信息论中熵概念在不平等测度中的重要应用,通过比较个体与总体均值准确刻画样本和完全公平情景的偏离程度[42],并由Shorrocks(1980)推广形成广义熵指数族(GE),表示如下:
式中:w 为计算所需权重,一般使用人口或经济发展指标;wi/w 为观测个体在总体中的权重份额;是观测指标的算数平均数;α反映不平等指标对总体分布变化的敏感程度,α越大GE(α)对极大值越敏感,反之对极小值越敏感.当α=0 或1 时,GE(0)和GE(1)为泰尔指数的一般形式,泰尔指数以0 为下限,接近于0意味着样本趋于完全公平,指数越大越不公平.
Theil T 和L 指数是泰尔指数的常用形式,均满足不平等测度的公理化性质.区别在于T 指数使用经济份额作为权重,对极大值更敏感;L 指数使用人口份额作为权重,能够基于生产理论进行指数分解[43],便于挖掘指数变化的驱动因素.鉴于本研究中全国PM2.5污染暴露水平在T 指数和L 指数上具有几乎一致的数值表现(图3),后续以L 指数作为评价不平等程度的主要测度指标.
相较于基尼系数分解不完全的不足,泰尔指数可以无残差地分解为组内差异和组间差异,用于分析总体不平等的贡献来源.L 指数的分解公式如下:
式中:Lw为组内差异,Lb为组间差异,pi、pk与p 分别代表个体i、第k 组以及总体的人口数.
1.1.2 PM2.5暴露的因素分解 参考Lyu 等[34]和Fan 等[44]的研究,在卡亚恒等式基础上扩展政府因素对环境污染的影响.鉴于政府行政管制难以直接融入传统卡亚恒等式,且政府财政支出调整是目前各级政府干预节能减排的核心途径[45],本文通过政府节能环保支出刻画政府对污染暴露的影响,分解方法如下
式中:EPMi、Ei、EEi、FEi、GDPi、Pi分别表示PM2.5污染暴露水平(µg/m3)、能源消耗(万kW·h)、政府节能环保支出(万元)、政府一般预算支出(万元)、地区生产总值(万元)和人口(人);i 表示城市.换言之,可从以下六方面理解污染暴露水平的变化:
(1)EPMIi反映单位能耗对地区PM2.5污染暴露水平的影响;
(2)EIi反映能源消耗与节能环保支出的比值,即政府绿色支出的能耗强度;
(3)ESi反映环境保护支出占政府支出的份额,即地方政府支出结构;
(4)EYi反映政府支出占GDP 的份额,即地方政府支出规模;
(5)PYi反映地区人均经济产出,即地方经济发展水平;
(6)Pi,反映人口变化,即人口规模效应.
根据LMDI 和式分解法,令EPMio、EPMit分别为基期和t 期的PM2.5污染暴露水平,从基期到t 期的变化(ΔEPMi)可分解为六种动态效应:
式中:
据此,污染暴露水平的变化(ΔEPMi)可以被单位能源的污染暴露乘数变化(ΔEPMIi)、绿色支出能耗强度变化(ΔEIi)、政府支出结构变化(ΔFSi)、政府支出规模变化(ΔFYi)、经济发展水平变化(ΔPYi)和人口变化(ΔPi)解释,并可计算每个驱动因素的贡献度.
1.1.3 PM2.5不平等的因素分解 在暴露水平因素分解基础上,将式(7)代入泰尔L 指数公式可实现对泰尔指数的分解,从而识别导致不平等变化的社会经济因素[37].主要步骤如下:
为分析不同年份间不平等的变化,对泰尔指数的绝对变化进行分解:
式中:ΔIEMPI、ΔIEI、ΔIES、ΔIEY、ΔIPY、ΔIP分别反映能源污染暴露乘数变化、政府绿色支出能耗强度变化、政府支出结构变化、政府支出规模差异和经济结构变化、人口变化对全国PM2.5污染暴露不平等的影响.人口因素虽未参与泰尔指数的静态分解,但就不同期间而言,人口因素的影响依然会导致不平等变化.
1.2 数据说明
本文使用2015~2021年334 个城市日PM2.5浓度数据(中国香港、澳门、台湾资料暂缺),该数据源于中国环境监测总站,计算得到城市年平均PM2.5浓度.由于缺少城市能源消费量数据,用全社会用电量进行近似,2017、2019年数据源于《中国城市统计年鉴》,2015年数据来源于各省市统计年鉴,统计口径一致;城市一般预算支出、地区生产总值来自《中国城市统计年鉴》;常住人口来源各省市统计年鉴、地方国民经济统计公报,其中东北三省常住人口按人均GDP 和GDP 总量倒推;节能环保支出主要来自各市统计年鉴,少数通过向市统计局、财政局申请信息公开方式获取.由于部分城市全社会用电量不可得,剔除数据不完整的城市后,对190 个城市进行因素分解.样本城市包括104 个南方城市,86 个北方城市,分别占南、北方城市57.5%和56.2%.从行政层级看,城市覆盖直辖市、副省级城市、非副省级省会城市、地级市,包含各层级75%的样本.因此,无论从地理还是行政层级角度,所选样本对全国具有较好的代表性.
鉴于中国1436 个国控大气质量监测点位分布在各城市市辖区,污染数据无法充分考虑地级市内区县间污染的异质性特征.但大气污染具有典型的空间外溢性,能够通过气流运动使污染浓度在地级市内基本达到一致的水平.除此之外,市辖区占城市人口比重较高,是城市污染排放的主要源头,较多文献均采用市辖区监测点位数据来衡量全市空气质量[46-48].根据对空气污染特征的判断及对监测技术规范的理解,以市辖区环境监测数据近似代表地级市具有合理性.
2 中国城市大气污染暴露及其不平等
2.1 PM2.5 污染暴露水平
中国人口集中分布在“胡焕庸线”以东,而华北、新疆西部、川渝城市群为PM2.5高污染区域[21],人口与大气污染具有不同的空间分布特征.图1 展示了PM2.5污染浓度与累计暴露人口数量的关系曲线,2015~2021年的演变表明中国人口PM2.5污染暴露的总体趋势.2015年,中国有接近11.5 亿人暴露在2012年《环境空气质量标准》设定的年均PM2.5二级浓度限值(35µg/m3)以上的环境之中,占全国人口84.0%.2016~2021年该比例逐年下降,2021年全国仅39.0%的人口暴露在超出二级浓度限值的大气环境中.从总体暴露水平看,中国大气污染治理大幅降低了暴露在PM2.5超标环境的人口比例.当然,与世界卫生组织设定的PM2.5年均浓度指导值(5µg/m3)相比,全国城市均未达标,大气污染治理仍任重道远.
图1 中国PM2.5 浓度影响人口累计分布Fig.1 Cumulative distribution of annual average mean of PM2.5 and ratios in China
进一步基于式(1)分析PM2.5污染暴露水平的时空演变特征.2015年城市PM2.5污染暴露水平覆盖0.46~421µg/m3,至2021年全国PM2.5污染暴露水平总体下降,最低为西藏阿里地区0.21µg/m3最高为重庆市的266.7µg/m3.以秦岭淮河为界,2015年北方PM2.5污染暴露水平高于南方2.3%,而2021年北方较南方低12.8%.图2 展示了2015年和2021年城市PM2.5污染暴露水平的分布,可以发现污染暴露以“胡焕庸线”为界存在明显的地域性,高污染暴露集中在京津冀、长江经济带、新疆西部与东北三省部分地区.这些地区或者人口相对集中,或者PM2.5污染相对严重,或者两因素兼具,比如京津冀人口密集,且污染相对严重,污染暴露水平较高.由于人口相对较少,西部地区除新疆外均处于PM2.5污染暴露相对较低的水平.与2015年相比,虽然各地人口总量呈增加趋势,2021年污染暴露水平却显著下降,主要得益于区域PM2.5污染的大幅改善,而重点区域,如京津冀、川渝城市群仍是中国改善PM2.5大气污染的管理重心.
图2 2015 和2021年全国PM2.5 污染暴露水平分布Fig.2 Spatial distribution of PM2.5 exposure levels in 2015 and 2021
2.2 PM2.5污染暴露不平等
2.2.1 总体情况 图3 显示,2015~2021年中国PM2.5污染暴露不平等呈明显下降趋势,其中2016和2020年略有反弹,2021年不平等下降幅度较大.从数值上看,基尼系数位于0.2 以内,表明中国在污染暴露水平分布上的不平等相对温和,泰尔L与T指数在数值和趋势上基本一致,故以L 指数为准的分析不失一般性.与2015年相比,2021年基尼系数、L 指数累计下降21.1%和37.4%,变化幅度差异的原因在于指数对数据分布变化的敏感度不同,基尼系数对中间位置的变化更敏感[41,49].考虑到污染较严重城市的改善幅度是本文关注重点,泰尔指数在PM2.5暴露水平不平等测度上更具优势.
图3 PM2.5污染暴露不平等的年度变化Fig.3 Trends of the Gini coefficient and Theil index
2.2.2 差异分解 城市的行政层级是经济资源配置的重要考量,由于大气污染治理由中央自上而下推动实施,城市级别越高、与中央的行政距离越近,可能对污染治理更为重视[50];行政级别高的城市,人口更多聚集也可能加剧空气污染暴露风险.借鉴江艇等[51]的研究,本文将样本城市划分为直辖市、副省级城市、非副省级省会城市与一般地级市,分析不同城市级别的大气污染暴露不平等.
根据式(6),表1 报告了按行政层级分组后泰尔指数的分解结果.2015~2021年,四类城市组间PM2.5污染暴露差异仅贡献总差异的0.4%~1.7%,表明PM2.5污染在不同行政级别城市间相对均等,未出现明显的环境不平等.城市内部的差异对总体差异的贡献高达98.3%~99.6%,同一行政层级城市间PM2.5的暴露水平存在较大差异.从变化趋势看,组内和组间差异均下降,组间差异累计下降80.4%,远高于组内差异的累计降幅37.3%;组间差异的贡献率波动下降至0.5%,表明四类城市间的污染暴露差异进一步缩小.中国PM2.5污染呈现区域特征,而同一行政级别的城市在地理上相对分散,PM2.5污染暴露情况差异较大,从而导致组内差异大、组间差异小.
表1 泰尔指数分解(按行政层级)Table 1 Decomposition of Theil index in administrative levels
省级是国家环保政策上传下达的关键环节,各省在经济社会和污染状态上存在较大差异,进一步按照省份对PM2.5污染暴露水平泰尔指数进行分解.表2 报告了按省份分组后的分解结果,图4 展示了各省内城市泰尔指数随时间的变化.
表2 泰尔指数分解(按省份)Table 2 Decomposition of Theil index in provinces
图4 各省内城市泰尔指数的年度变化Fig.4 Trend of Theil index in each province
2015~2021年,各省间PM2.5污染暴露不平等呈下降趋势,由0.0475降至0.028,但对总差异的贡献维持在70%左右.与表1 相比,大气污染的区域性特征更多受到地区自身禀赋与发展模式的影响,行政等级反映的政治支持与资源倾斜并非环境不平等的主要原因.在中国自上而下的多层级行政体制下,省级是环保政策自上而下实施的关键环节[52],进一步规范各省政策执行与发展路径是优化国家资源调配的先决问题.
针对省内差异,图4 反映了污染暴露不平等较突出的省包括河北、四川、黑龙江等工业大省,西部地区最为明显.随着污染治理的深入,2015~2021年各省城市PM2.5暴露不平等不断降低,但内蒙古、黑龙江等在2020年均出现不平等反弹,青海更呈现不平等加剧态势.2021年东、中、西部平均省内泰尔指数依次为0.0083、0.013、0.0277,其中东、西部较2015年下降38.9%和18.1%,而中部平均增长3.5%.因此,有必要持续关注重点省份大气污染治理的均衡性,在大幅降低总体污染暴露的同时,应注重各省间、省内城市间污染暴露不平等的持续改善.
3 中国城市大气污染暴露及其不平等的因素分解
3.1 污染暴露水平的驱动因素
3.1.1 总体情况 根据LMDI 分解方法,将数据完整的190 个城市的PM2.5污染暴露水平分解为六个因素:单位能源的污染暴露乘数(EPMI)、政府绿色支出能耗强度(EI)、政府支出结构(ES)、政府支出规模(EY)、经济发展水平(PY)和人口规模(P).图5 展示了2015~2019年因素分解的结果,六大因素分别贡献-39.6%、-21.5%、16.7%、2.9%、17.2%和2.0%.
图5 2015~2019年城市PM2.5 污染暴露水平驱动因素分解结果Fig.5 Driving factors of PM2.5 exposure in China from 2015 to 2019
EMPI、EI 是PM2.5污染暴露水平主要的抑制因素,在190 个城市中分别对188 个、131 个城市(占比分别为99.0%、69.0%)PM2.5污染暴露降低产生了积极影响.自十八大提出“推动能源生产和消费革命”以来,中国在能源结构、能源清洁利用、污染源排放控制方面多措并举,有效发挥能源低碳转型的前端减污作用[53],能源利用效率与末端治理技术革新极大促进大气污染水平降低.
总体上,支出结构效应、支出规模效应是导致PM2.5污染暴露增加的因素,分别对61.6%、57.9%的样本城市PM2.5污染暴露产生正向驱动,可见政府支出是影响环境质量的重要因素[35].Gholipour 等[36]指出政府支出与环境保护间的互动机制包括(1)规模效应.政府支出导致GDP 扩张,加剧环境污染;(2)结构效应.政府支出使生产构成转向清洁能源产业,从而减少污染;(3)技术效应.促进研发投资和知识传播,从而可能导致环境清洁技术的发展.可见政府支出对环保的影响方向不能先验确定.节能环保支出占财政支出的比重反映地方政府财政资源配置的环保偏好,而其总体表现为规模促增效应,可能原因在于部分地区节能环保资金使用效率较低,影响污染治理效果[54].当然,尽管节能环保支出结构对PM2.5污染暴露的贡献为正,但节能环保支出能耗强度的负向贡献程度始终高于结构因素,政府环境规制的贡献总和为负.
经济发展效应、人口规模效应对PM2.5污染暴露的增加呈正向作用,分别贡献17.2%、2.0%,经济发展驱动大气污染暴露增加较多.城市化和工业化进程大量消耗环境容量资源,人均消费水平提高与人口规模扩大刺激能源产品需求,使大气环境遭到破坏,加快经济发展方式的绿色转型对于抑制经济增长的促增作用至关重要.
3.1.2 差异分解 按照行政级别将样本城市分为直辖市、副省级城市、非副省级省会城市、地级市四类,对不同层级的城市样本进行驱动因素分解.为消除各组城市数量差异对加总结果的干扰,计算各组内城市的平均效应,结果如图6所示.
图6 2015~2019年PM2.5 污染暴露水平驱动因素分解效应(按行政层级)Fig.6 Driving factors of PM2.5 exposure in administrative levels from 2015~2019
四类城市EMPI、EI 的抑制作用与前文一致,且 EMPI 从直辖市到地级市依次递减,平均为-176.9,-62.0,-41.0 与-28.9µg/m3.直辖市的经济资源与政治影响可能通过能源清洁化(如煤改气、煤改电、跨地区购电等)降低污染暴露水平,但在EI 上直辖市略低于副省级城市.分析数据发现,直辖市EI 仅为副省级城市的一半,因此其通过绿色支出降低能耗的政策空间可能较小.
财政支出规模效应平均降低直辖市PM2.5污染暴露水平39.5µg/m3,而对其他城市的贡献为正,一定程度反映了不同发展阶段下城市经济发展与环境保护间的非线性耦合关系.在经济较发达地区,居民对优美生态环境的需求引致高质量的污染治理政府投入,而经济相对落后的地区在多目标委托代理机制和“晋升锦标赛”的驱使下倾向于把经济增长置于首位,降低政府支出的生态环境导向[55];政府支出结构的促增效果意味着城市在资金使用效率方面可能有进一步提升空间.
经济发展在各组均为正值,且直辖市为其他城市的四倍,平均达到69.6µg/m3.尽管直辖市在经济发展和产业结构转型上具有优势,但必须考虑到大规模人口聚集带来城市交通、能源消费的挑战[56];人口规模对四类城市PM2.5污染暴露水平的影响呈现“两头少,中间多”的特征.从人口流动特征看,伴随特大城市人口饱和,人口向中、小型城市回流[57],同时小城市、农村人口向中型城市集中,副省级城市和省会城市面临人口净流入的压力,为环境治理增加新的挑战.
3.2 污染暴露不平等的驱动因素
3.2.1 PM2.5污染暴露不平等的分解 进一步将PM2.5污染暴露的泰尔指数经LMDI 无残差分解,得到单位能源的污染暴露乘数、政府绿色支出能耗强度、政府支出结构、财政支出规模、经济发展水平五个因素,其中人口因素于人口加权运算消去.图7以2015、2017 和2019年为例展示各要素对不平等的贡献:能源的污染暴露乘数、政府绿色支出能耗强度和政府支出规模系数为负,即驱动PM2.5污染暴露更加公平,而政府支出结构和经济发展水平加剧了污染暴露不平等,与Fan 对碳排放不平等分解的结果一致[44].
图7 PM2.5污染暴露不平等驱动因素分解Fig.7 Driving factors of PM2.5 exposure inequality in China at 2015,2017,2019
除政府支出规模外,其他因素对污染暴露不平等的影响较大.政府支出结构与经济发展水平对不平等起促增作用,本文认为,节能环保支出占比反映地方政府绿色发展偏好,不同发展阶段的城市在环境保护与经济发展的优先序上不同,在经济发展基础薄弱的地区,对政府支出的环保取向重视不足,可能扩大地区间的环境要素禀赋差异[58];其次,环保偏好往往反映在地方环境规制力度上,越重视环保的城市将实施更严格的环境规制,而发展滞后的城市可能将环境规制“竞次”作为吸引资本的手段[59],导致区域间大气污染暴露呈两极分化趋势.单位能源的污染暴露乘数与绿色支出能耗强度对环境不平等产生明显抑制作用,通过调整产业结构、促进绿色技术创新以及推动能源效率提升,实现环境不平等问题的逐步缓解和改善.
3.2.2 PM2.5污染暴露不平等变化的分解 图7 中各因素在2017年前后数值上存在波动,为进一步体现不平等驱动因素的贡献变化,根据Δ L=ΔIEMPI+Δ IEI+Δ IES+Δ IEY+ΔIPY+ΔIP,对PM2.5污染暴露不平等的变化值进行驱动因素的动态分解,分解情况见图8.
图8 PM2.5污染暴露不平等变化的驱动因素动态分解Fig.8 Dynamic decomposition of driving factors of PM2.5 exposure inequality in China
就PM2.5污染暴露不平等改善趋势而言,能源污染暴露乘数、政府支出规模持续改善污染暴露不平等,经济发展水平与人口规模的贡献相对稳定,而政府绿色支出的能耗强度和支出结构在2017年前后波动较大.从数值贡献上看,随着能源结构清洁化,进一步增加低碳能源比例意味着对当前以化石能源为主体的能源供需体系的革命,这是一个长期过程.因此,能源清洁化的治污效应可能出现衰减,反映为单位能源暴露乘数的影响逐渐缩小,由-0.014 降至-0.005.而同期政府支出的抑制作用更为明显,伴随低碳绿色发展转化为越来越多地方政府的行动,政府支出的绿色化为新时期污染暴露向更低水平收敛提供驱动力;其次,尽管政府绿色支出能耗强度、支出结构对总体不平等的影响方向没有改变(见图7),但2017年前后因素数值上的变化体现中国环境治理思路的调整.2018年,财政部与原环境保护部印发《大气污染防治资金管理办法》,针对环保资金违法滥用、效率低下的情况作出警示,各级部门必须按照项目实施方案督促资金使用合规有效.同时,地方节能环保支出的功能定位日益清晰,从企业“节能技改”补贴向环保职能更好发挥、生态政策更好落实、环境效益更加普惠转变.例如福建为建立生态保护补偿长效机制下达5 亿环保资金,西藏为落实生态保护岗补助15.7 亿元.因此,图8 中政府绿色支出能耗强度变化趋缓可能在其他渠道得到补偿,政府支出结构不断优化亦在总体上减弱对PM2.5污染暴露不平等的负面影响.
4 结论与启示
4.1 结论
4.1.1 PM2.5污染暴露集中在工业大省与经济强省,以“胡焕庸线”为界东西分布差异明显.2015年后中国PM2.5污染暴露水平明显降低;中国PM2.5污染暴露不平等总体较低,基尼系数保持在0.2 以内,且随着污染改善呈递减趋势.不同行政级别城市间未表现出明显的环境不平等,而在以区域划分的省际间差异较为突出;西部地区省内城市污染暴露不平等问题较严重,个别省份所辖城市污染暴露不平等反弹,这些地区在大气污染治理时应更注重均衡性.
4.1.2 总体上能源的污染暴露乘数、绿色支出能耗强度是PM2.5污染暴露水平主要的抑制因素,对PM2.5污染暴露水平的驱动贡献达到61.1%;政府支出结构、支出规模、经济发展水平和人口因素对PM2.5污染暴露有促增作用,但各因素在不同层级的城市间具有异质性.直辖市的经济资源与政治影响可能通过能源利用效率影响地方污染暴露水平,但绿色支出的能耗强度较高.经济发展水平较高的地区具有更强的污染治理激励,而相对落后地区环境治理导向的政府支出不足.
4.1.3 能源的污染暴露乘数、绿色支出能耗强度和政府支出规模驱动PM2.5污染暴露更加公平,而政府支出结构和经济发展水平作用相反.中国大气污染应对呈现新特征,依靠能源低碳转型的治污策略面临效应衰减的挑战,体现为能源的污染暴露乘数、政府绿色支出能耗强度对不平等的作用减弱.政府支出的抑制作用逐渐增强,通过广泛调动社会资源为污染暴露向更低水平收敛提供动力.因此随着中国的蓝天保卫战步入攻坚期,大气污染治理的措施应更具包容性与系统性.
4.2 政策启示
4.2.1 从PM2.5污染暴露水平及其不平等测度看,中国大气质量大幅改善的同时,环境不平等持续改善.但中国的污染暴露呈现区域性特征,省际污染暴露差异是环境不平等的主要贡献源.对于重污染地区,应因地制宜调整发展思路,通过大气污染溯源、整顿和技术升级,从根本上保障居民生存发展权利.中、东部发达地区,应在预防大气污染反弹基础上,适度向落后地区进行技术帮扶,加强省际间污染治理的横向协作,实现中国大气污染持续均衡改善.考虑到PM2.5污染的跨地区性,在深度污染治理过程中应加大省级政府对污染治理的统筹,特别是加强西部省份对辖区内污染治理的统筹,实现省内城市大气污染均衡性改善.
4.2.2 从PM2.5污染暴露水平的驱动因素看,能源的单位污染暴露乘数是降低污染暴露的重要因素,持续推进能源结构清洁化、能源效率提升,继续发挥其减污降碳协同效应对于绿色转型至关重要.从政府支出上看,行政层级越高,政府支出的绿色化程度越明显,应进一步明确地方党委、政府环境保护责任主体地位,压紧压实地方环保责任.从人口因素上来说,鉴于大量潜在人口流入会带来较大的环境健康风险,大中城市应成为未来一段时期大气污染防治的重点对象.
4.2.3 从PM2.5污染暴露不平等的驱动因素看,政府支出结构与经济发展水平共同导致样本城市PM2.5污染暴露不平等,发展滞后易引起环保政策执行的弱化,环境产品奢侈品的属性使环境不平等的化解必须依赖政策干预.政府绿色支出能耗强度、政府支出结构和规模均对暴露不平等有重要影响,但也需关注能源边际效益的动态衰减,调动政府、市场、社会共同参与城市大气环境治理,丰富污染治理新思路.同时,中央和省级财政应加大对污染较重地区的支持力度,进一步促进大气污染的均衡改善,扎实推进中国环境公共服务的均等化进程.