基于环境承载力的京津冀雾霾治理政策效果评估

雾霾污染治理是京津冀协同发展需要解决的重大问题。2013年9月颁布的"大气污染防治行动计划(大气国十条)"明确提出了京津冀地区雾霾治理目标,各地区也制定了雾霾污染治理的政策措施。本文旨在环境承载力分析的基础上评估雾霾治理的政策效果。首先,分析了京津冀地区大气环境污染特征,并结合相关文献确定京津冀地区雾霾治理的主要影响因素为污染物排放、风力以及相邻地区的传输效应等;其次,将影响PM_(2.5)浓度主要因素进行统计建模,并采用分位数回归模型进行矫正,大大提高模型的拟合精度;再次,基于大气国十条规定的京津冀各地区的PM_(2.5)年均浓度目标计算各地区的大气环境承载力;最后,在假定风力等气象条件不变的情况下,根据大气国十条规定的京津冀地区的污染物排放量利用统计模型模拟2017年的雾霾污染水平,模拟除张家口、承德和秦皇岛以外其余10个地区年均浓度60μg/m~3和70μg/m~3目标下PM_(2.5)日均浓度发生频率的变化情况,评估和讨论大气国十条提出的京津冀雾霾治理目标。结果表明:按照大气国十条减排计划的京津冀地区污染物排放量普遍高于其PM_(2.5)浓度目标下的大气环境容量(邯郸市除外),即大气国十条所规定的减排措施难以实现既定的PM_(2.5)浓度目标;PM_(2.5)年均浓度目标从60μg/m~3上升到70μg/m~3,重污染天气发生频率上升有限,大气污染物的减排量却显著下降。因此,要实现既定的雾霾浓度控制目标,天津和河北需要进一步加大污染物减排力度;雾霾治理应注重减少重污染天气的发生频率,治理重点应转向重度雾霾发生频率较高的冬季污染物排放控制;在科学确定环境承载力的基础上,确定切实可行的PM_(2.5)浓度控制目标,制定具有可操作性的污染物减排计划。     

长江三角洲城市群PM_(2.5)时空演变及影响因素

科学识别PM_(2.5)的空间分异及其驱动因素,是实现区域空气污染治理的关键。以国测点日均PM_(2.5)浓度为数据来源,基于多种空间分析方法,研究长江三角洲城市群PM_(2.5)浓度的时空演变及影响因素。结果发现:(1)2013～2017年,长江三角洲城市群的PM_(2.5)年平均浓度,处于不断下降的趋势;城市间的差异,呈现逐渐减少的趋势。(2)一年中,12月份的PM_(2.5)浓度最高,8月份的PM_(2.5)浓度最低。1～12月,PM_(2.5)浓度先减后增。(3)2013年,PM_(2.5)高浓度区域主要分布在江苏省;2017年,PM_(2.5)高浓度区域主要分布在安徽省。5年间,PM_(2.5)浓度的空间重心,向安徽省转移72 km。(4)长江三角洲城市群PM_(2.5)浓度存在明显的空间自相关。存在PM_(2.5)浓度高-高值区、低-低值区"扎堆"现象,且集聚程度趋于增大。(5)影响PM_(2.5)浓度的因素包括了自然因素和社会因素。自然因素中,降雨与PM_(2.5)浓度显著相关。社会因素主要来自工业排放、交通排放和能源消耗。其中,能源消耗的影响程度最大,工业排放次之,交通排放最后。     

《大气污染防治行动计划》实施效果评估:双重差分法

大气污染防治行动计划》被认为是史上最严格的一项空气污染治理政策。主要目标是控制区域PM_(2.5)和PM_(10)等污染物的排放量,明确规定了全国地级及以上城市可吸入颗粒物浓度比2012年下降10%以上,该政策始于2013年9月,于2017年底结束。为了科学检验《大气十条》的政策影响效应,选取该政策执行期间(2013—2017年)的125个地级及以上城市,包括72个处理组和53个控制组进行准自然试验,运用双重差分法检验该政策对控制主要空气污染物PM_(2.5)、PM_(10)、SO_2、NO_2、CO和O_3月均排放量的影响,并运用平行趋势检验、反事实检验等方法进行了稳健性检验。描述性统计结果显示:PM_(2.5)、PM_(10)、SO_2、NO_2和CO的月均排放量都得到了显著降低,其中PM_(2.5)和PM_(10)的降幅分别是36.33%和31.87%。京津冀、长三角、珠三角等区域PM_(2.5)浓度分别下降39.6%、34.3%、27.7%,三大区域PM_(10)的降幅分别为38.3%、31.1%、21.9%,其中,北京市PM_(2.5)月均浓度为57.33μg/m~3。但是O_3的排放量下降效果不显著,其含量不降反增,成为我国空气质量新的威胁。回归结果说明,该政策对试点城市大气中PM_(2.5)、PM_(10)、SO_2、NO_2和CO的排放量下降产生了显著影响,在1%显著性水平上,月均浓度分别下降685.14%、650.72%、479.05%、359.55%和7.06%。因此,总体上可以认为该项政策已经达标完成,控制了主要空气污染物的排放量。但是分解不同污染物、分区域或者是具体到不同城市的空气质量绝对值仍未达到国家控制标准。最后提出执行科学精细的空气质量监督管理制度和空气污染治理的长效政策等建议。     

PM_(2.5)污染对京津冀地区人群健康影响和经济影响

京津冀地区是中国工业最为发达的地区之一和空气污染最严重的地区之一,也是国家控制空气污染的重点区域。空气污染导致的健康影响不仅会增加额外健康支出,还会导致过早死亡和工作时间减少,进而影响宏观经济发展。为了评估该地区PM_(2.5)污染引起的健康问题对宏观经济的影响,以及控制空气污染后带来的经济效益和福利的影响,本研究结合可计算一般均衡模型(Computable General Equilibrium)、温室气体与大气污染物协同效益模型(The Greenhouse Gas and Air Pollution Interactions and Synergies-Model,GAINS-Model)和健康影响模型对2020年京津冀地区PM_(2.5)污染引起的健康影响和经济影响进行评估。模型结果表明,2020年Wo Pol情景下PM_(2.5)污染引起的额外健康支出分别为北京44.2亿元、天津27.5亿元、河北97.5亿元。PM_(2.5)污染引起人均每年劳动时间损失分别为北京81.3小时、天津89.6小时、河北73.1小时。而劳动力供给和劳动时间减少所造成GDP和福利损失依次为天津(GDP和福利损失分别为2.79%和8.11%),其次为北京(2.46%和5.10%)、河北(2.15%和3.44%)。如果采取积极的控制空气污染物排放政策,在2020年WPol情景下,PM_(2.5)污染引起的额外健康支出分别为北京8.8亿元、天津4.9亿元、河北2.0亿元,较Wo Pol情景下显著下降。PM_(2.5)污染引起人均劳动时间损失分别下降为北京22.0小时、天津23.2小时、河北22.4小时。空气污染物控制政策给北京、天津和河北带来的经济效益分别相当于GDP的1.75%、2.02%和1.46%。因此,本研究显示控制京津冀地区PM_(2.5)污染带来的经济效益非常可观,其中天津效益最高,其次为北京,河北最低。空气污染物的迁移扩散会影响周边省市的空气质量,因此京津冀地区联合控制空气污染效果更好。     

长江经济带PM_(2.5)时空特征及影响因素研究

大气细颗粒物(PM_(2.5))因其对空气环境质量乃至人类健康的巨大危害而逐渐引起学者们的关注。本文以我国综合实力最强、战略支撑作用最为突出的区域之一——长江经济带为研究对象,基于城市级空气质量监测数据,运用地理学时空分析与GIS可视化方法探索并呈现了2015年长江经济带PM_(2.5)的时空分布特征及其演变规律;在此基础上,结合空间回归模型考察了PM_(2.5)浓度与区域城市发展之间的内在关系。结果表明,就空间特征而言,长江中下游地区PM_(2.5)污染较长江上游地区更为严重,长江北岸地区比长江南岸地区更为严重;PM_(2.5)高浓度集聚地带主要位于鄂皖苏大部分地区,与空气质量较佳的云南及其周边地区呈"对角"分布状态。长江经济带内城市间PM_(2.5)浓度存在着显著的正向空间自相关,且自相关性随距离增大而不断减弱,其门槛尺度约为900 km;在这一范围内,PM_(2.5)空间集聚效应较为明显。就时间特征而言,冬季PM_(2.5)浓度相对较高,春秋两季次之,夏季空气质量最好;各地区浓度分布在年初相对离散,后有所趋同。此外,PM_(2.5)与其他类型的大气污染物(如SO2、NO2、O3)浓度两两之间均存在着显著的正相关性,暗示大气污染物从原发污染演变为二次污染,形成恶性循环。空间回归分析结果表明,PM_(2.5)污染随经济发展水平的提高呈现先上升后下降的趋势,在一定程度上支持了"环境库兹涅兹曲线"假说;且人口密度、公共交通运输强度均在不同程度上导致长江经济带PM_(2.5)浓度的升高。最后,从区域性联防联控、不同类型大气污染物协同治理、促进经济发展方式转型等方面为长江经济带的大气环境治理提出切实可行的政策建议。     

合肥市PM_(2.5)浓度时空分布特征及影响因素分析

利用2017年合肥市污染监测站点PM_(2.5)浓度数据、气象数据以及土地利用类型数据,结合随机森林算法(RF)与土地利用回归模型(LUR),模拟合肥市PM_(2.5)浓度空间分布,并利用主成分分析法对PM_(2.5)影响因素进行分析。结果表明:(1)合肥市PM_(2.5)浓度日变化特征大致呈双峰变化,春季、夏季及秋季的峰值多出现在8∶00～9∶00,而冬季的峰值则出现在10∶00～11∶00。低谷值大致都出现在15∶00～17∶00。全年PM_(2.5)浓度变化趋势与春季类似。夏季PM_(2.5)浓度变化最为平稳。(2)2017年合肥市PM_(2.5)浓度分布由城市中心向外减弱,形成北高南低,西高东低的空间分布格局。(3)影响因素方面,PM_(2.5)浓度变化与降水、风速以及相对湿度等呈负相关关系,日照对PM_(2.5)浓度的影响较大,气压及其他污染物与PM_(2.5)浓度呈正相关关系,其中NO_2对PM_(2.5)浓度的影响力度较大。     

1996~2013年长江经济带工业发展过程中的大气环境污染效应

大气污染物排放及影响因素研究，是引导区域减排实现可持续发展的重要依据。利用Tapio脱钩模型测度了1996~2013年长江经济带11个省区工业经济增长与工业废气、工业二氧化硫、工业烟粉尘3个指标之间的脱钩程度，并利用LMDI分解模型对大气污染物排放变化特征进行了影响因素分解。结果表明：（1）长江经济带11个省（市）的工业废气排放量呈持续上升的趋势，且工业废气排放量的“热”点区域主要集中在东部地区，工业二氧化硫和烟粉尘两种大气污染物排放量总体呈现“先增加后减少”的趋势，状况有所改善。（2）长江经济带工业废气排放整体经历了从扩张性负脱钩到相对脱钩发展的趋势，表明经济发展的同时带来工业废气排放的污染同步增长。经济发展效应和能源效率效应是促使工业废气排放的主要因素。（3）长江经济带的工业二氧化硫和烟粉尘排放整体上经历了从相对脱钩向绝对脱钩发展的趋势，经济发展均是造成各地区两种污染物排放量增加的主要原因，技术效应和能源效率是各地区两种污染物减排的重要影响因素。未来，在大气污染物的减排控制过程中，需加强产业结构、能源结构的调整，也需坚定依靠技术进步推动能源使用效率的提高，并且注重各省市间的减排差异和防范污染产业的区域转移。关键词： 长江经济带；经济增长；大气环境；脱钩分析模型；LMDI分解模型     

山东省工业结构演变的大气环境效应研究

本文以LMDI分解方法研究山东省1991-2011年工业经济增长的环境规模效应、结构效应、技术效应的变化特征,测度污染密集型产业结构变动带来的大气环境效应。研究发现:①山东省SO2、烟尘、粉尘等大气污染物排放状况总体趋势改善,但污染物排放的产业集聚性特征明显,其中污染密集型产业增加值占工业总增加值的25-45%,而其大气污染物排放量占总排放量的90%以上;②规模效应是造成大气污染物排放总量增加的主要原因,技术效应是控制大气污染物排放量的主要因素,结构效应对大气污染物减排效果并不明显,因此调整工业结构特别是减少污染密集型产业比重是污染物减排的重要途径;③1991-2011年山东省污染密集型产业比重上升或下降1个百分点,工业废气、SO2、烟尘和粉尘排放量将分别增加或减少19.13百亿标m3、5.68万t、2.25万t、3.70万t。依据上述研究结论,需要从大气污染物综合排放标准、区域大气环境管理、环境管理政策、科技支撑体系等方面优化产业结构,推动区域经济与环境的协调发展,应对当前的大气环境问题。     

环境吸收能力对中国PM_(2.5)浓度的影响

大气污染,特别是细颗粒物(PM_(2.5))污染,对人类生产生活造成极大负面影响,是全球共同关注的热点问题,也是我国社会经济高质量发展所面临的巨大考验。环境吸收能力是大气环境系统自身结构与功能健康的保障,对人类在生产生活过程中产生的大气污染物的自动容纳、吸收和消化等作用不容忽视。了解环境中各要素对PM_(2.5)的吸收能力,深入探索环境吸收能力对PM_(2.5)浓度的影响,对开拓大气污染治理新思路有重要意义。文章选用2004—2017年全国30个省、自治区、直辖市的面板数据,从自然资源禀赋和人类活动影响两个维度构建指标体系测算环境吸收能力指数,并通过面板回归模型、基于MCMC优化的广义面板分位数回归技术和情景分析探讨了环境吸收能力对PM_(2.5)浓度影响及其异质性效应。研究发现:(1)全国环境吸收能力整体水平偏低,且区域间环境吸收能力差异较大。环境吸收能力受自然条件与人类活动的共同影响,自然条件禀赋是影响环境吸收能力强弱的主要因素,人类活动影响是造成环境吸收能力指数波动和地区间差异的主要因素。(2)从总体回归结果来看,环境吸收能力的增强对PM_(2.5)浓度的降低有显著负向影响,在PM_(2.5)浓度较高的地区,环境吸收能力的作用更加明显,但其影响效应不会必然随着PM_(2.5)浓度的上升而增加,并且在极端情况下,影响效应并没有通过显著性检验。(3)从异质性效应分析结果来看,在可持续情景和紧急情景下,环境吸收能力对PM_(2.5)浓度的作用显著为负,而在悲观情景下,环境吸收能力的作用并未体现。研究结论为我国大气污染防治和环境质量改善有重要启示作用。     

基于多源遥感数据的中国PM2.5变化趋势与影响因素分析

基于长时间序列的遥感反演PM_(2.5)数据,采用Theil-Sen median趋势分析、Mann-Kendall、R/S和相关系数分析法,分析了1998～2014年我国PM_(2.5)时空格局、空间变化特征以及污染来源。结果表明:1998～2014年期间,最高只有24.67%的国土面积上,PM_(2.5)浓度达到世界卫生组织(WHO)的年平均准则值10μg/m~3的要求;PM_(2.5)浓度小于10μg/m~3地区主要是青藏高原、台湾、北疆,内蒙古北部和黑龙江西北部,年均PM_(2.5)浓度大于95μg/m~3的地区主要是南疆和华北平原。1998～2014年期间,全国61.84%的国土面积PM_(2.5)浓度呈上升趋势,平均上升了3.91μg/m~3,上升最大值为39.1μg/m~3。其中,呈显著上升的地区主要分布在中西部地区和华北平原,且未来部分地区仍呈增长的趋势。PM_(2.5)浓度上升的驱动因素包括自然因素与人类活动排放,其中,南疆的PM_(2.5)主要来自塔克拉玛干沙漠的沙尘气溶胶,而其他地区PM_(2.5)主要来自人类活动排放。     

中国雾霾空间分布特征及影响因素分析

近年来我国雾霾天气频发,以PM_(10)和PM_(2.5)为核心的大气污染物对人体健康和大气环境质量造成了严重威胁,已经成为当前不容忽视且亟需解决的重大民生问题和环境问题,深入分析雾霾污染的形成原因和影响因素对于科学制定切实有效的治霾政策具有重要的现实意义。本文基于我国288个地级以上城市2015年1月—2017年2月的月均空气质量AQI数据,首先采用空间统计方法对雾霾污染空间分布的季节特征进行可视化描述,其次通过空间自相关指数对雾霾污染的空间集聚特征进行了实证检验,最后在此基础上建立空间计量模型对影响雾霾污染的社会经济因素进行了经验识别。结果表明:(1)我国雾霾污染的季节性特征明显,夏季空气质量状况最好,春季和秋季次之,冬季污染最严重且波及范围广,其中河北南部、河南北部、山西南部和陕西关中地区是污染重灾区,季均空气质量均为中度污染以上。(2)雾霾污染存在显著的空间正相关特征,我国东部沿海地区表现为显著的低低集聚,华北平原及周边地区呈现显著的高高集聚特征。(3)空间回归结果显示,我国雾霾污染与经济增长的关系在一定程度上与EKC曲线假说相符,其中二产畸高的产业结构、民用汽车保有量的增多和省会城市均对雾霾污染有显著的正向促进作用,但人口密度和绿化水平对雾霾污染的影响并不显著。因此,治霾政策应坚持城市内部以促进产业结构转型升级、鼓励使用新能源汽车和共享单车、疏散省会城市的职能为主,城市外部应以区域联防联控为主,从而达到缓解和改善大气环境的目的。     

长江中游城市群PM2.5时空特征及影响因素研究

近年来，伴随着工业化和城市化进程的加快，长江中游城市群灰霾天气持续增多，空气污染问题日益突出。基于2015年1月至2016年2月长江中游城市群189个空气质量监测站点的PM2.5逐时监测数据，采用普通克里金插值、探索性空间数据分析法和相关系数法，从年、季、月尺度上分析了PM2.5的空间分布格局及其影响因素。结果表明：（1）在年尺度上，长江中游城市群PM2.5浓度空间分布总体呈现出明显的北部高南部低，局部地区略有突出的特征，该区PM2.5浓度年均值为55.28 μg/m3，其中湖北省PM2.5的年均值为三省市最高，为68.17 μg/m3；其次为湖南省，年均值为53.66 μg/m3；江西省PM2.5的年均值较小，为44.01 μg/m3。（2）在季节尺度上，长江中游城市群PM2.5浓度表现出冬春季高，夏秋季低的现势性，这与区域内夏季高温多雨、冬季低温少雨的气候条件密切相关。（3）长江中游城市群PM2.5月浓度变化大致呈U形分布，1月份PM2.5浓度最高， 1~6月份，PM2.5浓度呈逐步下降趋势， 6~8月份，区域PM2.5浓度处于“U”字的谷底。（4）NO2、CO是影响PM2.5浓度的两项主控大气污染物，而降水量和相对湿度则是影响PM2.5浓度的两个重要气象因素。 关键词： PM2.5浓度；时空特征；气象因素；长江中游城市群     

Respiratory hospital admissions in young children living near metal smelters,pulp mills and oil refineries in two Canadian provinces

BackgroundIndustrial plants emit air pollutants like fine particles (PM2.5), sulfur dioxide (SO2) and nitrogen dioxide (NO2) that may affect the health of individuals living nearby.ObjectiveTo assess the effects of community exposure to air emissions of PM2.5, SO2, and NO2 from pulp mills, oil refineries, metal smelters, on respiratory hospital admissions in young children in Quebec (QC) and British Columbia (BC), Canada.MethodsWe assessed QC, BC and pooled associations between the following estimates of exposure and hospital admissions for asthma and bronchiolitis in children aged 2–4 years for the years 2002–2010: i) Crude emission exposures at the residential postal codes of children, calculated by multiplying estimated daily emissions of PM2.5, SO2, or NO2 from all nearby (< 7.5 km) pulp mills, oil refineries, metal smelters emitting yearly ≥ 50 t and their total emissions, by the percent of the day each postal code was downwind; ii) Daily levels of these pollutants at central ambient monitoring stations nearby the industries and the children's residences.ResultsSeventy-one major industries were selected between QC and BC, with a total of 2868 cases included in our analyses. More cases were exposed to emissions from major industries in QC than in BC (e.g. 2505 admissions near SO2 industrial emitters in QC vs 334 in BC), although air pollutant levels were similar. Odds ratios (ORs) for crude refinery and smelter emissions were positive in QC but more variable in BC. For example with PM2.5 in QC, ORs were 1.13 per 0.15 t/day (95% CI: 1.00–1.27) and 1.03 (95% CI: 0.99–1.07) for refinery and smelter emissions, respectively. Pooled results of QC and BC for crude total SO2 emissions from all sources indicated a 1% increase (0–3%) in odds of hospital admissions per 1.50 t/day increase in exposure. Associations with measured pollutant levels were only seen in BC, with SO2 and NO2.ConclusionHospital admissions for wheezing diseases in young children were associated with community exposure to industrial air pollutant emissions. Future work is needed to better assess the risk of exposure to complex mixture of air pollutants from multiple industrial sources.     

The emission inventory of atmospheric industrial pollution sources of the five cities in Zhejiang Province

The amount of several air pollutants emitted in some cities including Hangzhou,Ningbo,Huzhou,Shaoxing and Jiaxing of Zhejiang Province is based on pollution source census data of Zhejiang Province in 2010.This paper focused on the release of air pollutants such as NO_(x2),SO_2,CO,PM2.5,PM10 and VOC,and calculated the total amount of those air pollutants.It analyzed air pollutant emission factors and found that the electricity and heat production industry released the largest amount of pollutants.     

The emission inventory of atmospheric industrial pollution sources of the five cities in Zhejiang Province

The amount of several air pollutants emitted in some cities including Hangzhou, Ningbo, Huzhou, Shaoxing and Jiaxing of Zhejiang Province is based on pollution source census data of Zhejiang Province in 2010. This paper focused on the release of air pollutants such as NO_x, SO₂, CO, PM2.5, PM10 and VOC, and calculated the total amount of those air pollutants. It analyzed air pollutant emission factors and found that the electricity and heat production industry released the largest amount of pollutants.     

南昌市环境空气污染时空变化特征及影响因素研究

选取2014~2017年南昌市不同时间尺度AQI及主要空气污染物数据，利用GIS技术、神经网络分析、后向轨迹模型及地统计分析方法，分析了南昌市环境空气污染时空变化特征及影响因素。结果表明，南昌市近年来空气质量总体变化不大，空气质量等级以良为主，占全年比例为57%~61%。但首要污染物变化较大，即PM2.5比例显著下降，NO2和O3比例显著上升，PM10变化不大。南昌市空气污染季节变化显著，冬春季空气质量较差，以PM10、PM2.5污染为主，夏季空气质量最好，以O3污染为主。空气污染周变化以周末及周一污染较重、周四污染最轻，说明南昌市空气污染除了与群众出行习惯有关，还存在其他影响因素。南昌市空气质量日变化呈双峰型（9:00~11:00和20:00~22:00），主要受上、下班高峰期带来的交通尾气影响。南昌市空气污染空间变化呈典型的“郊区-市区”分布，其中AQI、PM10、PM2.5、SO2、NO2、CO值均以市区较高、郊区较低，而O3的空间分布规律正好相反，这主要与城区NOx排放较多，O3易与其迅速反应而消耗有关。后向轨迹聚类分析结果表明，来自本地的短轨迹气团占比高，对PM2.5、PM10、NO2、O3的影响大。气象因素上，PM2.5、PM10、NO2受相对湿度影响较大，O3受温度影响较大。