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。     

京津冀PM_(2.5)的主要影响因素及内在关系研究

大气污染物的源排放是形成灰霾天气的内因,气象条件是形成灰霾天气的外因。本研究通过构建PM_(2.5)浓度的两段式分布滞后模型,结合自然环境因素及经济因素对PM_(2.5)的影响因素进行了综合分析。在第一段模型中构建了PM_(2.5)和大气污染物排放量的分布滞后模型,第二段模型中构建了不同的大气污染源对大气污染物排放量的影响因素模型。大气污染物排放源主要包括工业源、生活源、机动车源、集中式污染治理设施源。在工业源中,工业废气重度污染行业是大气污染物排放主要的贡献者;在生活源中,燃煤消费量对大气污染物排放影响很大,这也是冬季供暖期间PM_(2.5)剧增的原因;在机动车源中,尽管黄标车的保有量仅占汽车保有量的10%左右,但却占据了颗粒物排放量的绝大部分。利用京津冀代表性城市PM_(2.5)日度数据研究得出平均气温、平均风速、日照时数、平均气压、降雨量、平均相对湿度、沙尘暴等因素对PM_(2.5)浓度的负向与正向作用。研究发现,大气污染物排放量对PM_(2.5)浓度具有聚集的滞后效应,当期大气污染物排放量、滞后一期、滞后两期、滞后三期大气污染物对PM_(2.5)浓度具有显著的正向作用,且影响依次递减。构建的大气污染物排放量的污染源影响因素模型揭示一个地区煤炭消费量、工业废气重度污染行业工业增加值、黄标车保有量对该地区大气污染物排放量具有显著影响。本研究对优化能源消费结构和产业结构,减少空气污染物排放提出了对策建议。     

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。     

《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。     

区域机动车污染物总量排放特征与削减量分配

随着区域经济一体化的日益深入与机动车保有量的快速增长,机动车尾气污染已成为影响城市群空气质量的重要威胁。由于大气流动性等原因,大气污染治理的范围亟需从单一城市层面扩展到区域层面,因此,研究区域机动车污染物排放总量的排放特征,并据此提出区域减排的对策措施变得尤为重要和紧迫。京津冀协同发展已上升为重大国家战略,因此,本文以京津冀地区为例,分析2007-2011年的机动车常规污染物(CO,NOx,HC,PM)区域总量的排放特征,并从区域内部的污染物分担率角度,分析不同省市的污染物贡献程度。然后以2012年的区域排放总量为基础,根据地区间的产业结构、经济水平和空气质量差异运用改进的等比例分配方法分配污染物区域总量减排指标,结果表明:京津冀四种污染物总量除个别年份波动外均呈现上升趋势,而从区域内部分担率上看,河北省对污染物排放贡献率呈上升趋势,北京和天津均呈现递减趋势。在2012年的基础上降低10%的目标下,计算得各地区削减率分别为:CO(北京12.4%,天津10.0%,河北77.7%),NOx(北京33.1%,天津11.1%,河北55.8%),HC(北京9.0%,天津5.2%,河北85.8%),PM(北京24.0%,天津13.2%,河北62.8%)。因此,建议将京津冀机动车污染物总量减排的重点放在河北省,加快在河北省内实行更高的机动车污染物排放标准,并加大对新能源汽车的投入,以降低区域机动车污染物的排放总量。     

空气污染、空间外溢与公共健康——以中国珠江三角洲9个城市为例

空气污染对居民公共健康的影响,引起了人们高度的关注。但大多数学者研究从样本的独立性出发且不考虑内生性问题,忽视区域之间空间相关性,所得结论和政策建议需谨慎对待。为了弥补上述不足,本文基于Grossman中国宏观健康生产函数,选取2001—2014年中国广东省珠江三角洲9个城市作为样本,选择以PM_(10)和PM_(2.5)作为空气污染的代理指标,在充分考虑空间效应和严格假设检验的基础上选择合适的空间计量经济学模型,对此进行实证研究。主要研究结果显示:空气污染对居民的公共健康带来了负面影响,即PM_(10)和PM_(2.5)每增加1%,导致哮喘疾病和内科门诊等疾病人数不断上升,且影响都比较大,尤其是对哮喘疾病的影响分别为0.2236%和0.2272%。经济增长对公共健康均有显著的促进作用,影响最大;其它财政医疗支出、卫生技术人员和人口密度等要素对居民公共健康的影响较小。由于空气污染的负外部性,研究还发现,区域之间空气污染的"溢出效应"对领域居民公共健康存在显著的影响,说明忽视空间自相关性的存在,会使得空气污染对公众健康的估计产生偏差。从长期看,空气污染对本地居民公共健康的直接效应都显著为正,PM_(2.5)间接效应显著为负,但PM_(10)间接效应并不显著。因此,各级政府除了在源头上治理污染物的排放,提高公共健康水平外,还应该打破各自为阵的行政垄断,应该作为一个整体,实现跨区域环保合作,共同治理和制定公共卫生政策等。这对区域之间协同减排和保护居民公共健康具有重要的理论和现实意义。     

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。     

上海崇明岛近三年PM_(2.5)浓度变化特征与气象条件的关系

利用2011年1月~2014年2月上海崇明岛地区颗粒物(PM_(2.5)、PM_(10))的连续监测资料,研究了PM_(2.5)总体分布、季节变化、日变化及浓度频率分布规律,初步分析了逆温、相对湿度、风向风速等气象要素对颗粒物浓度的影响。结果表明:2011~2013年该地区PM_(2.5)平均值分别为24.7,33.6和28.3μg/m~3,均低于PM2.5的年平均浓度限值35μg/m~3,细粒子污染程度较轻。PM_(2.5)浓度日变化幅度不大,呈微弱的单峰型分布,9∶00左右达到一天中的最大值,15∶00左右达到最小值。PM_(2.5)浓度的季节分布特征明显,呈现出冬季春季秋季夏季,一般情况下5月份PM_(2.5)月均浓度值最高,8月份浓度最低。PM_(2.5)日平均浓度有57.9%达到国家空气质量一级标准,有93.4%达到国家空气质量二级标准,超标率为6.6%。对PM_(2.5)与各气象要素进行分析后发现:PM_(2.5)质量浓度在逆温层结稳定、风速小、高湿以及近地面盛行西北到西风这样的静稳天气条件配合高空西北方向上的外来污染物输送,容易造成高浓度的PM_(2.5)污染。     

外商直接投资对中国城市雾霾(PM_(2.5))污染的时空效应检验

本文利用了1998—2012年中国241个城市的空间面板数据对中国雾霾污染和FDI的区域分布特征及空间溢出效应进行经验考察,结合系统广义矩估计(SGMM)方法构建了动态空间面板模型,采用了Moran’s I和Geary’s C指数对中国FDI与雾霾(PM_(2.5))污染空间自相关性进行了全域和局域分析。结果发现:(1)雾霾(PM_(2.5))污染与FDI存在显著的空间正相关性,证明了雾霾(PM_(2.5))污染空间的溢出效应以及FDI的辐射效应的存在。同时FDI高值集聚区域一般是雾霾(PM_(2.5))高值集聚区,FDI低值集聚区域一般是雾霾(PM_(2.5))低值集聚区,表明一个地区的引资效果和雾霾(PM_(2.5))污染在地理上的集聚密切相关。雾霾(PM_(2.5))污染表现出显著的"叠加效应"和"溢出效应",说明中国雾霾(PM_(2.5))污染在空间维度、时间维度以及时空维度上分别表现出交叉、累积、持续的演变特征。(2)全样本下,FDI对雾霾(PM_(2.5))浓度的影响表现出增促效应。FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.011%。(3)分地区样本下,东部城市FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.001 9%;中部城市FDI存量每升高1%,雾霾(PM_(2.5))浓度升高0.018 3%;而西部城市FDI存量对雾霾(PM_(2.5))浓度影响不显著。上述实证结果说明中国雾霾污染存在着显著的空间依赖性和区域异质性,FDI对中国大部分城市的雾霾污染存在显著的增促效应。     

基于修正人力资本法的北京市空气污染物健康损失评价

本文运用修正人力资本法评估了2011年北京市空气污染导致过早死亡的经济损失。在剂量-反应模型建立上,新加入了温度、湿度和饮食模式三种自变量,并且采用样条平滑函数对变量数值进行前期处理,以增加计算结果的准确度。研究表明,北京市可吸入颗粒污染致死人数占空气污染物排放全部死亡人数的约60%,是城镇居民健康的最大威胁。2011年北京市空气污染物排放导致的健康损害经济价值为60 394.55万元,其中,心血管疾病潜在寿命损失值为42 683.09万元,呼吸系统疾病潜在寿命损失值为17 711.46万元。朝阳区、海淀区、丰台区是北京市空气污染最为严重的地区,由此造成的健康损失值也最高;延庆、怀柔、密云地区受污染情况及造成的健康经济损失相对最低。老年人是构成心血管疾病早逝健康损失的主要人群,儿童是构成呼吸系统疾病的早逝健康损失的主要人群。为有效减轻大气污染物对北京市居民健康威胁,本文提出了相应政策建议。     

Economic Valuation of Health Impact of PM10 Pollution in Beijing from 2001 to 2006

In light of the practical need for research to inform policy in Beijing,this study evaluates the economic cost of the impact of PM10 pollution in Beijing from 2001 to 2006,taking health as the main impact,and mortality as the main outcome.Based on the literature review,this study adopts relatively conservative parameters as the basis for calculating the health impacts.It concludes that nearly 30% of mortality among registered residents above age 30 in Beijing can be attributed to PM10 pollution,and that the economic cost equals 0.8%-1.2% of the city's GDP over the same period.This is lower than the results of previous studies,but still high enough to warrant a commitment to solve the city's air pollution problem.     

基于理性预期理论的大气污染经济成本评估

我国大气污染形势严峻,科学合理地评估大气污染的经济损失不仅有益于政策效益分析,同时是“绿色国民经济”核算的一项基础性工作。基于我国2013年2月到2018年7月的区县月度房屋交易数据和7种大气污染指标(AQI、SO₂、NO₂、CO、O₃、PM₁₀、PM_2.5)的浓度数据,运用特征价格模型实证量化大气污染物减少的边际支付意愿(MWTP)和总经济损失。首先通过改变理性预期的时间段验证理性预期假设的成立,在此基础上采用理性预期方法解决遗漏变量所导致的内生性问题。研究结果显示:①NO₂、CO、PM_2.5和PM₁₀每上升1μg/m³,房价分别降低约2.04%、0.028%、0.34%和0.39%;而SO₂与O₃对房价的影响并不显著。②近年来大气污染的经济损失有所降低,政府的治理效果显著,但仍不容小觑。2013年AQI、PM₁₀和PM_2.5未达标导致的经济损失分别约为35600亿元、19300亿元和24100亿元,约占当年GDP的6.06%、3.29%和4.11%;2018年分别降低至19200亿元、5300亿元和6700亿元,占当年GDP的2.14%、0.60%和0.74%。尽管PM₁₀和PM_2.5浓度也在逐年下降,但仍未达到《环境空气质量标准》所要求的二级限值。最终评估结果显示,PM₁₀和PM_2.5二者导致的经济损失的加总数值,与AQI得到的数值相差无异。进一步证实了我国当前大气污染导致的社会经济福利损失主要是来自PM₁₀和PM_2.5的超标,因此治理“雾霾”是改善当前空气质量的关键。     

巢湖流域大气污染的经济损失分析

在对2002年巢湖流域大气污染资料进行调查和统计的基础上,应用人力资本法、市场价值法、机会成本法、资产价值法等环境经济价值评估方法,从人体健康、农作物、森林、家庭清洗费用和建筑材料腐蚀5个方面估算了巢湖流域大气污染造成的经济损失。结果表明,建筑材料腐蚀损失和人体健康损失分别为185亿元和151亿元,这两项费用占整个损失的比重达7814%;家庭清洗费用增加值、农作物经济损失和森林经济损失分别为073亿元、012亿元和009亿元。当年全流域环保投资总额为46亿元,而仅大气污染造成的环境经济损失就达到43亿元,约占当年GDP的084％。环保投资力度与环境污染损失不相适应。     

Differentiating the effects of fine and coarse particles on daily mortality in Shanghai, China

The findings on health effects of ambient fine particles (PM2.5) and coarse particles (PM10-2.5) remain inconsistent. In China, PM2.5 and PM10-2.5 are not the criteria air pollutants, and their monitoring data are scarce. There have been no epidemiological studies of health effects of PM2.5 and PM10-2.5 simultaneously in China. We conducted a time series study to examine the acute effects of PM2.5 and PM10-2.5 on daily mortality in Shanghai, China from Mar. 4, 2004 to Dec. 31, 2005. We used the generalized additive model (GAM) with penalized splines to analyze the mortality, air pollution and covariate data. The average concentrations of PM2.5 and PM10-2.5 were 56.4 microg/m3 and 52.3 microg/m3 in our study period, and PM2.5 constituted around 53.0% of the PM10 mass. Compared with the Global Air Quality Guidelines set by World Health Organization (10 microg/m3 for annual mean) and U.S. National Ambient Air Quality Standards (15 microg/m3 for annual mean), the PM2.5 level in Shanghai was much higher. We found that PM2.5 was associated with the death rates from all causes and from cardiorespiratory diseases in Shanghai. We did not find a significant effect of PM10-2.5 on mortality outcomes. A10 microg/m3 increase in the 2-day moving average (lag01) concentration of PM2.5 corresponded to 0.36% (95% CI 0.11%, 0.61%), 0.41% (95% CI 0.01%, 0.82%) and 0.95% (95% CI 0.16%, 1.73%) increase of total, cardiovascular and respiratory mortality. For PM10-2.5, the effects were attenuated and less precise. Our analyses provide the first statistically significant evidence in China that PM2.5 has an adverse effect on population health and strengthen the rationale for further limiting levels of PM2.5 in outdoor air in Shanghai.     

Economic Valuation of Health Impact of PM10 Pollution in Beijing from 2001 to 2006

Abstract

In light of the practical need for research to inform policy in Beijing, this study evaluates the economic cost of the impact of PM₁₀ pollution in Beijing from 2001 to 2006, taking health as the main impact, and mortality as the main outcome. Based on the literature review, this study adopts relatively conservative parameters as the basis for calculating the health impacts. It concludes that nearly 30% of mortality among registered residents above age 30 in Beijing can be attributed to PM₁₀ pollution, and that the economic cost equals 0.8%–1.2% of the city’s GDP over the same period. This is lower than the results of previous studies, but still high enough to warrant a commitment to solve the city’s air pollution problem.     

1949年以来中国环境与发展关系的演变

从IPAT方程出发,发现了环境影响随着经济发展或时间的演变依次遵循三个"倒U型"曲线规律,即环境影响强度的倒U型曲线、人均环境影响的倒U型曲线和环境影响总量的倒U型曲线。根据此规律,可以将该演化过程划分为四个阶段即:环境影响强度高峰前阶段、环境影响强度高峰到人均环境影响量高峰阶段、人均环境影响量高峰到环境影响总量高峰阶段以及环境影响总量稳定下降阶段。在环境演变的不同阶段,主要驱动力存在着明显的差异。在环境影响强度高峰前阶段,资源消耗或污染物排放增长更多地由资源或污染密集型技术进步驱动;在资源消耗或污染物强度高峰到人均资源消耗或污染物排放高峰阶段,主要由经济增长驱动;而在人均资源消耗或污染物排放高峰到资源消耗或污染物排放总量高峰阶段以及总量高峰以后的发展阶段,则主要由节约高效技术或污染减排技术进步来驱动。实证分析表明,中国目前环境与发展关系基本上处于经济增长主要驱动的环境影响强度高峰向人均环境影响高峰过渡阶段,这同时意味着中国要在短期内实现人均环境影响和环境影响总量高峰的跨越是异常困难的。     

Reducing external costs of nitrogen pollution by relocation of pig production between regions in the European Union

This paper tests the hypothesis that relocation of pig production within the EU27 can reduce the external costs of nitrogen (N) pollution. The external cost of pollution by ammonia and nitrate from agriculture in the European Union (EU27) in 2008 was estimated at 61–215 billion € (0.5 to 1.8% of the GDP). Per capita it ranged from more than 1000 € in north-west EU27 to 50 € in Romania. The average contribution of pig production was 15%. Using provincial data (224 NUTS2 regions in EU27), the potential reduction of external N cost by relocation of pig production was estimated at 14 billion € (10% of the total). Regions most eligible for decreasing the pig stock were in western Germany, Flemish region, Denmark, the Netherlands and Bretagne, while Romania is most eligible for increasing pig production. Relocating 20 million pigs (13% of the total EU stock) decreased average external costs per capita from 900 to 785 € in the 13 NUTS2 regions where pigs were removed and increased from 69 to 107 € in 11 regions receiving pigs. A second alternative configuration of pig production was targeted at reducing exceedance of critical N deposition and closing regional nutrient cycles. This configuration relocates pigs within Germany and France, for example from Bretagne to Northern France and from Weser-Ems to Oberbayern. However, total external cost increases due to an increase of health impacts, unless when combined with implementation of best N management practices. Relocation of the pig industry in the EU27 will meet many socio-economic barriers and realisation requires new policy incentives.