黄河流域雾霾污染空间关联网络结构特征及驱动因素

邓光耀，周颖钦

（兰州财经大学a“.一带一路”经济研究院；b.统计与数据科学学院，兰州 730020）

0 引言

凭借能源富足的天然优势，黄河流域工业化水平、工业开发程度较高，但长期以来，存在能源开发利用效率较低等问题，工业发展呈现高消耗、高排放、高污染的特点，以雾霾为代表的大气污染问题日益凸显。根据生态环境部公布的2020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 个城市均位于黄河流域，且主要集中在黄河下游的河南、山东两省，大气污染十分严重。除了当地的社会经济活动对环境造成的影响之外，雾霾的溢出效应已经成为加剧地区雾霾污染的重要因素，已有研究表明，区域雾霾水平不是区域内各城市污染水平的简单相加，各城市之间的空间关联是决定区域雾霾污染水平的关键。

目前很多学者已经注意到雾霾污染存在较为显著的空间溢出效应。邵帅等（2016）[1]指出，在大气环流等自然因素以及产业转移、交通运输等社会经济因素的作用下，雾霾污染物可以轻松地在多个区域间传播。为应对雾霾污染跨区域流动的特点，我国已初步建立起雾霾污染联防联控体系，部分学者也对当前协同治理过程中存在的问题进行了分析。刘华军和彭莹（2019）[2]指出当前区域大气污染治理存在政策执行力不足、职责定位混乱“、逐底竞争”等问题，认为为了保证联防联控机制的正常运行，有必要将相关政策制度化、法律化。

社会网络分析是一种以“关联关系”作为基本分析单位的跨学科方法，该方法充分考虑了考察对象的能动性，用来研究跨区域流动的雾霾污染问题具有天然的优势。已有研究[3]使用该方法对黄河流域的生态环境相关问题进行了分析，证明了在该地理尺度上分析空间关联关系的可行性，但对黄河流域雾霾污染的针对性研究相对较少。本文在前人研究的基础上，使用社会网络分析对黄河流域雾霾污染空间关联网络的结构特征进行探索，并利用二次指派程序方法（QAP回归）对雾霾污染空间关联关系形成的驱动因素进行分析，探究驱动因素对空间关联关系的作用机理，以期为黄河流域雾霾污染协同治理提供实证参考。

1 研究设计

1.1 空间关联网络的构建

本文借鉴刘华军等（2015）[4]的研究，使用修正后的引力模型构建黄河流域城市雾霾污染空间关联网络：

式（1）中，i和j表示不同的城市；yij为城市i和城市j雾霾浓度之间的引力；kij表示城市i对城市i与城市j之间雾霾联系的贡献率，以城市i的雾霾浓度除以城市i与城市j雾霾浓度之和来表征；以各城市年末常住人口（P）、年均雾霾浓度（X）和地区生产总值（G）三者的几何平均值来表征质量；考虑到经济距离因素与地理距离因素都会对雾霾污染的空间关联产生影响，本文以城市i与城市j之间的最短驾驶距离（Di）j与人均GDP的差值（gi-g）j之比的平方表征城市之间的“经济地理距离”。

根据修正后的引力模型的测算结果，可构建雾霾联系强度矩阵，并对数据进行标准化处理，以矩阵各列的平均值作为阈值，若城市间的雾霾联系强度大于平均值则记为1，小于平均值则记为0，从而得到雾霾污染的二值空间关联网络。

1.2 网络特征指标

1.2.1 整体网络特征

本文参考相关研究[5]，采用网络密度、网络关联度、网络等级度和网络效率来表征整体网络结构特征。网络密度反映了城市间关联关系的紧密程度，网络密度越大，城市间雾霾污染的联系越紧密；网络关联度反映了城市之间的可达性，若关联网络中多数城市能通过直接或间接的连线被连接成一个整体，受到“孤立”的城市较少，则网络关联度较大；网络等级度反映了城市间雾霾污染的非对称可达程度，网络等级度越高说明有较多的城市分别处于核心和边缘地位，城市间雾霾污染非对称溢出效应越显著；网络效率反映了各城市节点的连接效率，网络效率越低，表明存在的冗余连线越多，雾霾污染存在越多的溢出渠道，网络稳定性越好。

1.2.2 个体网络特征

本文参考相关研究[6]，采用度数中心度、接近中心度和中介中心度来刻画个体网络结构特征。度数中心度指与某一城市节点直接相连的关联系数，度数中心度越高，表明该城市与其他城市的关联关系越紧密，该城市处于关联网络中心的可能性就越大，具体分为点入度和点出度，分别代表该节点接收和发出的关系数；中介中心度指经过某一城市节点的最短捷径数量，中介中心度越高，该城市越有可能处于其他任意两个城市的捷径上，该城市对其他城市之间的雾霾污染关联关系的控制作用越强；接近中心度指某一城市到其他城市捷径距离的长短，捷径距离越短，表明该城市与网络中其他城市节点越为接近，越容易形成雾霾污染的关联关系，内向接近中心度反映了其他城市雾霾污染对该城市的影响，而外向接近中心度反映了该城市雾霾污染对其他城市的影响。

1.2.3 小世界特征

本文参考相关研究[7]，采用任意两个城市节点之间最短路径的平均长度来刻画雾霾污染关联网络的小世界特征，平均路径较短，说明雾霾污染通过较少中间城市的传递就能建立起联系，污染物的扩散较为容易。

1.3 QAP回归

本文采用QAP回归对黄河流域雾霾污染空间关联网络的驱动因素进行分析。常规的统计分析方法难以避免变量间的多重共线性问题，通常需要假定自变量之间相互独立，因此无法研究“关系型”数据，而QAP回归不需要满足变量之间相互独立的假设，能有效地解决这类问题。

在驱动因素的选择上，本文从社会经济发展对雾霾污染的影响方面考虑，综合相关学者研究和数据可获得性，选取了如下9个因素：

（1）地理位置差异（Distance）：地理位置邻近的城市开展经济交流活动的成本较低，因此邻近城市之间大气污染的关联关系和溢出效应可能更加显著。

（2）人口密度差异（Density）：人口密度增加会带来大量的住房、出行、消费等物质生活需求，在一定程度上会增加污染物的排放量。

（3）城市建设用地差异（Urb）：城市扩张建设造成的建筑扬尘是PM2.5的重要来源，同时建筑规模的扩张，也将促进水泥、钢筋等工业行业的发展，间接对雾霾污染产生影响。

（4）投资水平差异（Invest）、经济发展水平差异（Pgdp）：学者们普遍认为经济发展水平、投资规模等社会财富因素的积累会带来更多的环境污染，但是，随着城市经济规模的增长，经济结构将得到不断完善，不仅不会增大大气污染，反而还有助于改善大气污染情况。

（5）环境规制强度差异（ER）、技术水平差异（Tec）：环境规制强度、技术水平都将在一定程度上促使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。

（6）产业结构差异（Indus）、能源强度差异（Energy）：学者们普遍认为产业结构差异和能源强度差异对环境污染有较大影响，工业化程度较高的地区，能源消耗量和污染物的排放量都比较大，空气污染较为严重。

基于上述因素，本文构建如下模型：

式（2）中的变量均为数据之间的关系，以矩阵形式表示。其中，F表示黄河流域雾霾污染空间关联关系；Distance表示城市间的Rook 邻接权重矩阵，城市间相邻记为1，不相邻记为0；Density、Urb、Invest、Pgdp、ER、Tec、Indus、Energy为各变量差异的绝对值构建的关系矩阵。

模型中各变量的具体说明如表1所示。

表1 变量说明

1.4 样本选取与数据来源

本文以水利部黄河水利委员会定义的自然黄河流域为基础，以地级市（或州、盟）为研究尺度，借鉴相关研究成果[5]，结合数据可得性，将研究区域界定为黄河流经的青海、甘肃、宁夏、内蒙古、陕西、山西、河南、山东8 个省份，共包含60个地级市（或州、盟），并以内蒙古托克托县的河口镇和河南郑州桃花峪为分界点，将黄河流域划分为上、中、下游三个区域。

本文所使用的PM2.5浓度数据为中国空气质量在线监测分析平台公布的日度数据,以此为基础，计算得到黄河流域各城市PM2.5年平均浓度数据。其余原始数据均来自2016—2021 年《中国城市统计年鉴》和《中国城市建设统计年鉴》，在此基础上进行计算，个别缺失数据采用线性插值法补齐。其中，能源消耗强度差异中的煤炭消耗量根据各城市天然气、液化石油气、电的使用情况按照能源折标准煤系数进行估算，环境规制强度的计算借鉴相关学者的研究[6]，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，并以城市间单位污染物产出能力变化率的差值表征环境规制强度差异。环境规制强度的计算公式如下：

其中，i代表城市；t代表年份；E表示产出，以地区生产总值表征；W为工业废气排放量，以工业二氧化硫排放量（吨）表征。单位污染物的经济产出越大，说明环境规制强度越大。

2 实证分析

2.1 黄河流域雾霾污染空间关联网络结构特征分析

为进一步探究黄河流域各城市雾霾污染空间关联情况，本文构建了黄河流域雾霾污染空间关联网络，并使用UCINET 6 软件计算用于描述网络特征的各类指标，相关结果如表2、表3所示。

表2 整体网络特征指标

表3 2020年个体网络特征指标

2.1.1 整体网络特征

网络密度的测算结果显示，2015—2020 年的网络密度分别为0.154、0.151、0.172、0.160、0.148、0.155，黄河流域雾霾污染空间关联网络的紧密程度不高，理论上所有城市之间的最大关系数为3540，但实际最大值仅为2017 年的609，紧密程度整体呈波动下降趋势。究其原因，从整体来看，黄河流域地域跨度较大，地形复杂，对上、中、下游城市的直接交流形成阻碍，并且当前黄河流域的发展策略多基于地理上的邻近关系，在行政辖区的限制下开展，还未形成上、中、下游协调发展的格局，不利于跨区域的关联关系形成；从局部来看，黄河流域现有的7大城市群发展差异明显，部分核心城市对周边城市的辐射带动作用有限，取得的发展成果还没有惠及周边城市，城市群内的关联网络较为松散。以上两个方面的原因造成黄河流域整体无法形成紧密联系的关联网络，与此同时，黄河流域雾霾污染状况已得到较大幅度的改善，在一定程度上抑制了关联关系的产生，从而造成雾霾污染关联网络整体的紧密程度呈下降趋势。

网络效率的测算结果与网络密度对应，2015—2020年雾霾关联网络的冗余连线呈现先增加后减少，再增加后减少的变化趋势，总体而言冗余连线较少，网络稳定性处于较低水平。当然，冗余连线也不是越多越好，有学者认为，过多的冗余连线会增加大气污染治理的成本，对污染治理起到阻碍作用[4]。

网络关联度的测算结果显示，考察期内网络关联度始终为1，表明60 个城市均在雾霾污染空间关联网络之内，即使相隔较远的城市在雾霾污染方面仍存在一定的空间相关性。

网络等级度始终保持在一个较低水平，2015—2020年网络等级度分别为0.066、0.0978、0、0.066、0.066、0.097，说明城市之间并不存在等级森严的网络结构，由于大部分城市在网络中的地位相似，因此更容易形成城市间的联系，单一城市雾霾浓度的上升也会通过雾霾污染的空间关联影响整体的大气环境，雾霾治理难度较大。

除此之外，黄河流域雾霾污染空间关联网络还存在明显的小世界特征。观测期内黄河流域样本城市雾霾污染空间关联的平均最短路径介于2.343～2.493，表明在任意两个城市节点之间，雾霾污染物一般通过2～3个中间城市的传递就可以建立起联系，进一步说明了黄河流域雾霾污染存在较强的空间溢出效应，辐射范围已经超越了地理意义上的“邻接”关系，采取跨省跨区域的雾霾污染联防联控措施有极大的合理性和必要性。

2.1.2 个体网络特征

通过对比2015—2020 年的中心性指标可以发现，黄河流域雾霾污染关联网络的中心城市较为明确，处于网络中心的主要城市并无明显变化，故以2020年为例，分析主要城市节点在雾霾污染关联网络中的特征。

下页图1 为2020 年的黄河流域雾霾污染空间关联网络，从图1 中可以看到，处于2020 年雾霾污染关联网络中心的是鄂尔多斯、榆林等位于黄河“几字湾”区域的能源型城市及以济南、郑州、西安、太原为代表的省会城市，黄河流域雾霾污染空间关联网络的中心城市在地理分布上较为分散，呈现多中心化的特点。图1 中节点越大，代表绝对度数中心度越大，表明与该城市有关的雾霾污染关联关系数越多。绝对度数中心度均值为18.234，高于平均值的城市有18 个，高值城市基本与位于雾霾污染关联网络中心的城市对应，其中鄂尔多斯、郑州、济南、榆林、东营、洛阳的绝对度数中心度均大于30，处于绝对的中心地位，而铜川、滨州等城市的绝对度数中心度较小，与大部分城市的交流相对较少，在关联网络中处于从属地位。

图1 2020年黄河流域雾霾污染空间关联网络

若定义点出度大于点入度的城市为“雾霾溢出城市”，则从图2 可以看出，省会城市（济南、郑州、西安、太原、兰州）表现出较为显著的雾霾溢出效应，而黄河中下游地区的雾霾溢出城市呈现一定程度的空间集聚，主要集中在中原城市群（郑州、洛阳、焦作、新乡）、关中平原城市群（西安、咸阳、渭南、运城）和山东半岛城市群（济南、淄博、东营、聊城）。相比兰州、太原等城市，这些城市本身雾霾浓度较高，更容易形成雾霾溢出效应，同时区域核心城市西安、郑州、济南综合实力强劲，在自给自足的同时，产生较多的资源、技术溢出，进一步影响雾霾的扩散。此外，以鄂尔多斯、榆林为代表的能源型城市也扮演着重要角色，这些城市含有大量城市发展所需要的资源，与其他城市的交流阻碍相对较小，较多的经济交流有利于雾霾污染扩散，从而促进空间关联关系的形成。该结果也反映出，雾霾污染的空间关联情况较为复杂，以鄂尔多斯为代表的雾霾浓度相对较低但与其他城市关联密切的城市，也会在雾霾的空间关联中发挥重要作用，以往只针对雾霾污染严重城市制定的措施存在一定局限性。

图2 “雾霾溢出城市”分布

中介中心度的测算结果显示，2020 年中介中心度的均值为75.382，排名前10 的城市的中介中心度数值之和占总量的63.913%，表现出明显的非均衡特征，高值区域也集中在黄河“几字湾”城市群及济南、郑州、西安、兰州等省会城市（见图3）。“城市群”战略促进了以省会城市为代表的区域核心城市的快速发展，这些城市在区域经济发展中掌握着绝对的话语权，其对外影响力远高于其他城市，对其他城市间的雾霾污染空间关联也起到控制作用。而滨州、开封等城市的中介中心度排名相对靠后，这些城市正好位于中介中心度较高的城市附近，容易受到这些城市的影响，难以对其他城市发挥控制和支配作用。此外安康、阳泉、武威3 个城市的中介中心度为0，表明这些城市在关联网络中并没有起到“中介”作用，但他们也没有被孤立，仍受到其他城市雾霾污染的影响。

图3 2020年中介中心度分布情况

在接近中心度方面，外向接近中心度两极分化较为严重，武威、安康的外向接近中心度明显高于其他城市，而外向接近中心度较小的城市里排名靠前的是鄂尔多斯、郑州、济南、榆林等，这些城市与其他城市之间的捷径距离最短，在关联网络中扮演“中心行动者”的角色，向外的雾霾溢出较少受到其他城市的限制。这种不受影响的地位显然与其行政地位、经济水平等方面的优势有关。内向接近中心度较小的城市主要集中在黄河上游地区（乌兰察布、巴彦淖尔、武威、庆阳、陇南等），表明黄河上游地区更容易受到其他城市雾霾溢出的影响，是雾霾污染的接收主体。

2.2 黄河流域雾霾污染空间关联网络的驱动因素分析

为进一步揭示黄河流域雾霾污染空间关联网络的驱动因素，本文通过QAP回归分析，利用UCINET 6软件经过5000次随机置换，得到下页表4的回归结果。2015—2020年各年份调整后的R2介于0.259～0.311，该结果表明选取的指标能够解释黄河流域雾霾污染空间关联关系变化的25.9%～31.1%。回归结果显示，不同指标对黄河流域雾霾污染关联网络的影响程度和影响方向有显著差异。具体分析如下：

表4 黄河流域雾霾污染空间关联网络影响因素回归结果

地理位置差异的系数显著为正，且始终通过1%水平上的显著性检验，表明城市间距离越近，越容易受到邻近城市雾霾污染溢出效应的影响，进而推动空间关联关系的形成。

经济发展水平差异的系数显著为正，且始终通过1%水平上的显著性检验，表明城市间经济水平差异越大，污染物产生空间溢出的可能性越大。这可能与黄河流域城市间产业转移有关，黄河流域区域经济发展不平衡，经济发展水平较高的城市往往有更严格的环境保护标准，迫使部分高污染、高耗能产业向经济欠发达地区转出，从而建立关联关系。

除2020年外，人口密度差异的系数均显著为负，且均通过1%水平上的显著性检验，表明城市间人口密度差异的扩大，不利于雾霾污染空间关联网络的形成。该结果与人口规模扩大将显著增大该城市环境压力的传统认知不符，可能的原因是，黄河流域雾霾污染关联网络的中心城市以省会城市为主，且呈多中心的格局散布在黄河沿线，周边城市的人口资源都向区域中心城市集中，但大范围的跨省跨区域的“流动”相对较少，人口过于集中，缺乏流动性，反而会抑制跨区域的空间关联关系形成。

城市建设用地差异的系数为正，在2015—2018 年和2020年均至少通过了5%水平上的显著性检验，但2019年未通过显著性检验，而投资水平差异在不同年份通过了1%或5%水平上的显著性检验，且系数为正。该结果表明，城镇化因素对大气污染有较大的影响，城市开发强度的不断增强和投资规模的迅速扩大，对城市的环境承载有较大的冲击。

产业结构差异的系数为负，除2019 年和2020 年未通过显著性检验之外，其余年份均显著，表明产业结构差异也是城市间雾霾污染空间关联的重要影响因素，城市间产业结构的同构化有利于雾霾污染的空间溢出。该现象可能与黄河流域主导产业的同构化现状有关，大多数城市的主导产业均为能源化工、装备制造等高能耗、高污染产业，污染物的排放较多。

环境规制强度差异、技术水平差异和能源强度差异三个变量的系数仅在个别年份显著，说明这三个变量不能作为当前黄河流域雾霾污染空间关联网络的主要驱动因素。通常认为技术水平差异较大将加剧城市间人力资本、资源开发水平等差距，进而对能源使用效率、环境规制强度产生较大影响，促使跨区域的资源调配和生产更加频繁，促进雾霾污染空间关联关系的形成，但显然当前黄河流域的发展还没有触发这一要素，部分较为发达城市的技术水平等方面的优势还没有起到带动流域内其他城市发展的作用。

3 结论

本文基于黄河流域60 个城市2015—2020 年的数据，采用社会网络分析和QAP回归方法对黄河流域雾霾污染空间关联网络的结构特征及驱动因素进行分析，结论如下：（1）整体网络特征的测算结果显示，黄河流域雾霾污染空间关联网络的冗余连线较少，关联网络的紧密程度整体呈波动下降趋势，但网络关联度始终为1，不存在等级森严的网络结构，反映出各城市间存在显著的雾霾污染关联关系，且已经突破地理上的邻近关系，即使距离间隔较远，也会受到其他城市雾霾污染溢出的影响，呈现明显的小世界特征。（2）个体网络特征的测算结果显示，省会城市及以鄂尔多斯、榆林为代表的能源型城市是黄河流域雾霾污染空间关联网络的中心，这些中心城市同时扮演着“中间行动者”“中介”等重要角色，是雾霾污染发出的主体。（3）QAP回归的结果显示，经济发展水平差异、投资水平差异、城市建设用地差异的扩大以及地理位置上的邻近性，将有效促进雾霾污染空间关联关系的形成；而人口密度差异、产业结构差异的扩大，将在一定程度上抑制空间关联关系的形成。