生态补偿能改善城市空气质量吗?

生态补偿作为中国的一项重要环境保护政策,在多个自然资源领域取得了显著成效,然而在大气污染防治方面的有效性缺乏相关技术检验。鉴于此,该研究基于2014年1月至2019年12月全国286个地级市月度面板数据,以地方空气质量生态补偿政策的实施为准自然实验,运用多期双重差分法(DID)、倾向性得分匹配(PSM)和三重差分法(DDD)等方法考察了生态补偿政策对辖区内城市空气质量的影响及其作用机制。研究结果显示:(1)地方空气质量生态补偿政策的实施显著降低了城市大气污染物浓度,促使PM_(2.5)、PM_(10)、SO_2、NO_2的月均浓度分别下降6.881μg/m~3、10.190μg/m~3、5.755μg/m~3及1.647μg/m~3。这表明生态补偿政策有助于促进大气污染外部效应内在化,增加地方政府大气治理积极性。(2)进一步分析可知,生态补偿政策对城市空气质量的改善存在着加速效应,促使PM_(2.5)、PM_(10)、SO_2、NO_2的月均浓度同比改善率分别提升7.17%、10.90%、6.86%、11.30%。(3)异质性分析显示,适当缩短生态补偿政策的考核周期,有助于加强其对城市空气质量的改善作用。(4)基于三重差分法的机制检验显示,生态补偿政策有助于从整体层面上提高地方能源使用效率,推进城市产业结构高级化,进而有效地改善了城市空气质量。(5)稳健性检验发现,省级层面整体空气质量亦能够得到改善。基于以上研究结论,提出相应建议:首先,不断完善空气质量生态补偿政策,从考核周期的合理化及融资渠道的多元化等方面助力生态补偿长效机制的形成。其次,合理引导地方产业转型升级,持续提升能源使用效率,充分发挥生态补偿对空气质量的改善作用。最后,着力构建国家层面大气污染生态补偿政策,加快形成大气污染联防联控机制。     

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。     

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。     

《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。     

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。     

“2+26”城市治霾方案效果评估:以山东省为案例的研究

以京津冀大气污染传输通道“2+26”城市为对象的区域性雾霾专项治理已经开展两年有余。要判断“2+26”城市治霾方案的实施是否取得了显著成效需要通过科学的实证分析加以验证。采集山东省13个内陆城市2016—2018年每日空气质量指数(AQI)、六种单项污染物(PM 2.5、PM 10、SO 2、NO 2、CO、O 3)浓度以及气象条件等数据,以其中属于“2+26”城市的7城市作为实验组,其余6城市作为对照组,基于双重差分法,对“2+26”城市治霾方案在山东省相关城市的实施效果进行评估,试图分离方案实施所带来的环境效应。结果表明:①“2+26”城市治霾方案的实施总体上有效,对污染传输通道7城市空气质量指数(AQI)指标的降低发挥了显著作用。②“2+26”城市治霾方案对污染传输通道城市的PM 2.5、PM 10、CO浓度的降低有显著贡献,但对SO 2、NO 2和O 3指标的改善贡献并不明显。③对方案进行分时段动态效应分析发现,《京津冀及周边地区2017年大气污染防治工作方案》的发布并未对污染传输通道城市空气质量改善产生立竿见影的效果,而《京津冀及周边地区2017—2018年秋冬季大气污染综合治理攻坚行动方案》《京津冀及周边地区2018—2019年秋冬季大气污染综合治理攻坚行动方案》的落实和执行才是“2+26”城市治霾方案显著见效的保障。该研究在严格遵守双重差分法前提条件的同时,还通过了一系列稳健性检验确保评估结果的可靠性。     

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。     

长三角PM2.5和O3变化特征及与气象要素的关系

依据2017年长三角地区的空气质量小时数据,结合同期ECMWF气象资料,采用GIS空间分析、相关性分析和数理统计研究了区域O3、PM2.5的时空变化特征及其与气象因素的关系.结果 表明:(1)长三角城市群O3浓度在5和9月值最高,O3_8 h日变化特征呈拉伸型S曲线,在19:00、20:00达到浓度峰值,峰值浓度最大的地区是滁州,为111 μg/m3;O3空间分布由北到南逐渐降低,并且春季(136.57 μg/m3)＞夏季(117.35μg/m3)＞秋季(83.23 μg/m3)＞冬季(77.06 μg/m3);O3与其前体物CO、NO2相关性较强;当15＜T≤20℃,100＜PRS≤100.5 kpa时,O3浓度超标最严重.(2)PM2.5浓度月均值呈不规则U型分布,低谷期在7、8月;上海浙江区域日均浓度第一个峰值在9:00～10:00,安徽江苏区域是11:00～12:00,第二个峰值均在21:00;PM2.5空间分布内陆城市高于沿海城市,冬季(62.21 μg/m3)＞春季(44.70μg/m3)≈秋季(44.14 μg/m3)＞夏季(31.33μg/m3);与NO2、SO2相比,PM2.5和CO相关性更强;O3与温度、相对湿度是正相关,与风速、风向、气压、边界层高度、降水量则是负相关,PM2.5与风向、气压是正相关,与其他因素是负相关;当温度低于5℃,100＜PRS≤100.5 kpa时,长三角城市群PM2.5超标率最高.     

“2+26”城市雾霾治理政策效果评估北大核心CSCDCSSCI

文章将《京津冀及周边地区2017年大气污染防治工作方案》和其后续“攻坚行动方案”的发布作为准自然实验,使用双重差分模型(DID)评估大气污染治理的政策效果。回归结果发现:(1)“方案”的发布对于“2+26”城市的空气具有显著的改善作用,并通过了稳健性检验,构成雾霾的主要污染物PM_(2.5)、PM_(10)和AQI的改善程度最明显,SO_(2)、CO和NO_(2)的改善幅度次之,但O_(3)浓度在政策处理期内不降反升,说明近年来O_(3)污染程度加剧,亟须引起关注。(2)长期视角下SO_(2)和NO_(2)的治理效果较短期情况下相比有所提升,说明有些大气污染物仍然具有进一步改善的潜力,印证了大气污染治理是一项长久的“攻坚战”。(3)引入空间DID分析,通过空间杜宾和双重差分的嵌套模型,放松个体相互独立的假设,从空间维度探讨“方案”的政策效果,对比空间视角下的直接效应与间接效应得出,区域联防联控大气治理手段相比单一地区空气质量改善政策而言能够使得治理效果事半功倍。(4)使用中介效应模型,探讨了“方案”通过减少工业产值占GDP的比重和减少能源消费总量达到空气质量改善的两种作用机制。最后,文章为接下来进一步有效治理大气污染提出了相关的政策建议。     

长三角地区三大城市空气质量对比分析

随着社会经济与城市化的快速发展,大气污染日益加剧,空气质量问题已引起人们的密切关注和重视。本文选取长三角地区典型三大城市十年空气质量相关数据,运用系统聚类方法,对三大城市空气质量进行对比分析,结果表明:上海的空气质量相对杭州和南京较好,南京市的PM_(10)及NO_2浓度均有相对较高的现象,而杭州PM_(10)浓度在2003至2008年相对偏高。根据研究结果,提出控制工业废气排放、调整能源结构、开发清洁能源、加强汽车尾气排放控制、淘汰老旧机动车等政策建议。     

动态空间视域下京津冀及周边地区大气污染的集聚演化特征与协同因素

基于空间关联分析与动态空间自回归模型,以AQI和PM_(2.5)、PM_(10)、SO_2等6类污染物为研究对象,探寻2013—2018年京津冀及周边地区"2+26+3"城市大气污染的集聚演化特征及相关协同因素。研究发现:(1)大气污染呈复合型演化态势。AQI、PM_(2.5)、PM_(10)以高-高集聚为主,SO_2、CO、O_3为高-高、低-低集聚并存;PM_(2.5)、PM_(10)、SO_2的全局相关程度高,CO、O_3相对较弱;NO_2的局部与全局相关性均不显著。(2)大气污染的"时空尺度效应"非常显著。就本地区而言,经济、社会类因素主要发挥正向作用,生态保护类因素以负向影响为主,且前两者的贡献强度明显高于后者。全面改善京津冀及周边地区的大气质量,可从四个方面推进:一是协调好属地发展诉求与协同治理目标的对立统一关系,建立健全区域内环保利益差核算与转移支付(补偿)机制;二是统筹好全局与局部"共同但有差别"的联防联控步调,构建多中心、复合型联合治理体系,以专项责任目标引导精细化治理行动;三是推动区域"三维一体"协同体系建设,从主体功能分区、清洁产能置换等层面,求解各地区之间达成稳固性合作联盟的"最大公约数";四是完善地方政府绩效及晋升体制改革,以拓展环境治理考核维度、调减经济指标权重等方式,强化其融入区域协同体系的内在动力与主责意识。     

基于地面监测数据的2013~2015年长三角地区PM2.5时空特征

近年来,长三角地区灰霾天气持续增多,空气细颗粒物污染问题日益突出。基于2013年1月至2015年5月长三角地区及周边缓冲区内共214个空气质量监测站点PM_2.5逐时监测数据,运用普通克里金插值方法,从年、季、月尺度上分析了PM_2.5的空间分布格局和时间动态变化。结果表明:(1)2 a来,长三角地区PM_2.5浓度空间分布明显呈现整体北部高南部低,局部地区略有突出的分布特征;长三角地区PM_2.5浓度年均值为57.08μg/m³;其中,江苏省PM_2.5的年均值为三省市最高,为65.84μg/m³;其次为上海市,年均值为53.87μg/m³;浙江省PM_2.5的年均值较小,为51.53μg/m³。(2)从季节尺度分析,长三角地区PM_2.5浓度变化表现出冬春季高,夏秋季低的变化趋势;这与区域内冬季风向来源、降水稀少、气象扩散条件差有着密切的关系; (3)长三角地区月浓度变化大致呈U形分布; 12月份PM_2.5浓度最高; 3月份以后, PM_2.5浓度开始呈逐步下降趋势;在5~9月份,区域PM_2.5处于"U"字的谷底,其中6月份夏收时期秸秆焚烧、气象等因素导致PM_2.5浓度有略微升高;进入10月份后迅速攀升,且11、12月份呈现持续升高态势。     

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。     

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。     

环境与经济目标设置何以影响减污降碳协同管理绩效?北大核心CSCDCSSCI

中国已进入生态环境质量改善由量变到质变的关键时期。以减污降碳协同增效为总抓手,加强温室气体与大气污染物协同控制,对实现中国“双碳”目标、推动高质量发展、建设美丽中国有重要意义。温室气体与大气污染物之间的协同效应一直是学术界关注的焦点,但较少有针对城市层面减污降碳协同管理绩效影响机制的实证研究。为此,该研究收集中国278个城市2004—2020年PM_(2.5)/PM_(10)浓度目标与经济增长目标数据,以PM_(2.5)与CO_(2)为代表测算减污降碳协同管理绩效。通过构建“目标设置-结构效应-协同管理绩效”分析框架,采用固定效应模型,实证分析环境与经济目标设置对减污降碳协同管理绩效的影响效应及其区域异质性,检验能源结构、产业结构、交通运输结构调整所产生的中介效应,并采用不同污染物测算协同管理绩效,对回归结果进行敏感性检验。结果显示:①环境与经济目标设置对减污降碳协同管理绩效有显著影响,PM_(2.5)/PM_(10)浓度目标与减污降碳协同管理绩效正相关,而经济增长目标与减污降碳协同管理绩效负相关。②区域异质性上,中部地区环境目标对减污降碳协同管理绩效的正向影响显著,东、西部不显著;东、西部地区经济目标对减污降碳协同管理绩效的负向影响显著,中部不显著。③环境目标可通过能源结构调整、产业结构升级提升减污降碳协同管理绩效,但交通运输结构的中介效应不显著。④采用不同污染物测算协同管理绩效,发现前述回归结果对不同污染物是敏感的。研究结果表明,目标设置是大气污染物与二氧化碳协同管理的重要驱动力,要将空间异质性、重点管控污染物考虑在内,识别高效协同的结构减排路径,提升减污降碳协同管理绩效。基于上述结论提出应从强化目标协同、引导经济质量竞争、实施差异化协同治理、加强考核协同等方面推进减污降碳协同增效。     

长江三角洲城市群空气质量时空分布特征

基于数理统计、空间插值技术、相关性分析与GIS地图表达,研究长江三角洲城市群AQI及各空气含量因子污染浓度的时间、空间分布特征。通过提取国务院最新规划的长江三角洲城市群空间分布数据,划分研究区为"一核五圈",探讨了空气质量指数的时间变化特征和AQI、首要污染物的空间分布规律,定量评价了AQI与其污染因子的相关性,结果表明:(1)时间变化上,长三角城市群空气质量季均变化规律为夏季最好,冬季最差;月均变化呈波浪形分布,在1月份的平均浓度皆为最高;周均变化为:在一周后半段达到一周最大值;(2)空间分布上,分季节看,AQI在春、秋、冬三季空间梯度变化显著,呈现北高、南低的分布格局。在首要污染物的分布上,以PM_(2.5)和O_3均分长三角地区;(3)PM_(2.5)含量空间分布与AQI有较高相似性,均处于北高南低的分布状态,臭氧分布呈现东高西低,即较发达的城市臭氧含量相对较高的空间分布格局。最后通过相关性计算,AQI与PM_(2.5)相关性显著,与O_3没有明显相关性,为长三角大气污染防治提供依据。     

黄河流域技术创新对PM_(2.5)的影响及其空间溢出效应北大核心CSCDCSSCI

黄河流域是推进空气质量改善和经济社会高质量发展的核心区域,技术创新是破解流域PM_(2.5)污染防治难题的关键手段。该研究以2004—2019年黄河流域79个地级市PM_(2.5)污染数据为样本,利用核密度估计、空间自相关等方法探究PM_(2.5)在空间上的异质性和关联性特征,并将以技术创新为核心的社会经济因素和气温、降水等自然解释要素纳入同一空间面板杜宾模型,分析各因素对黄河流域PM_(2.5)的效应及其空间溢出效应,系统识别和甄别技术创新要素在这一过程中的贡献程度和溢出效应,解析技术创新对PM_(2.5)的作用机制与影响路径。研究发现:①黄河流域PM_(2.5)在空间上呈现显著的异质性和相关性,浓度值较高的地市主要集中于漯河、濮阳等黄河流域下游地区,全局Moran’s I指数均大于0.80且显著为正,空间关联以高高集聚和低低集聚类型为主;②专利授权量的增加通过排放源管控治理、移动源消减治理等路径对本地区PM_(2.5)防治具有正向推动作用,但由于绿色技术标准、绿色补贴等绿色技术壁垒的存在加剧了邻近地区污染治理难度,表现为负向空间溢出效应;③流域城市人均创新指数的提升通过营造良好的创新氛围、激发技术创新内生动力等机制同样促进了本地PM_(2.5)浓度下降,但空间溢出效应并不显著,未能对周边地区产生辐射带动作用。研究基于技术创新对PM_(2.5)防治的影响和空间溢出效应提出适应性对策建议,突出技术创新在空气污染防治中的关键作用,搭建和完善跨区域绿色技术创新体系,加强流域间联防联控机制与竞争合作机制,助推黄河流域空气质量改善、生态保护和高质量发展。     

黄河生态经济带空气质量时空分异研究(2015～2018)

以黄河生态经济带包含的青海、宁夏、甘肃、河南、河北、陕西、山西、内蒙古、北京、天津、山东11个省(直辖市或自治区)为研究对象,采用2015～2018年空气质量监测数据,研究了其时空变化特征.结果 表明:(1)黄河生态经济带整体的空气质量有所改善,但BM10、NO2、O3的改善情况并不明显.(2)在气温较低的春季、秋季、冬季,污染物浓度会增加,气温越低,中段和东段部分城市污染物排放量会明显增加,从而使得整个黄河生态经济带空气质量的差异也越大,其中SO2的季节波动最为明显.(3)区域间空气质量的差距正在拉大,陕西、山西、河南正在成为整个黄河生态经济带的空气污染中心,并且污染的核心区域正逐渐向西移动.     

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。     

长三角城市土地利用格局与PM_(2.5)浓度的多尺度关联分析

PM_(2.5)引发的雾霾污染对人体健康和社会可持续发展产生了严重威胁,已成为中国经济快速发展地区共同面临的问题。长三角是中国城市化进程最快、空气污染最为严重的地区之一,探寻该地区土地利用景观格局变化对PM_(2.5)的影响规律,有助于对PM_(2.5)"源""汇"景观的空间格局进行合理配置,也可以为污染防治决策提供科学依据。本文运用重心模型、冷热点分析和景观指数,探讨了该区域1995—2015年PM_(2.5)浓度的时空分布特征以及景观格局的变化规律,并使用岭回归方法分析了建设用地、林地、耕地和水体四种土地利用类型的景观格局在行政区尺度和外接圆尺度上对PM_(2.5)浓度的影响。结果显示:①1995—2015年长三角地区PM_(2.5)浓度总体呈上升趋势,并且具有"北高南低"和"南缓北急"空间分异特征。②长三角区域内建设用地面积大幅上升,且呈聚合状发展,而林地和耕地面积却在不断减少,并呈破碎状分布。③建设用地和林地分别是PM_(2.5)的"源"景观与"汇"景观,耕地对PM_(2.5)的"源""汇"作用交错,水体对PM_(2.5)无明显的净化作用。④相较于行政区尺度,外接圆尺度下林地PLAND、ED与PM_(2.5)浓度的负相关更为显著,可见对城市周边地区进行景观格局优化能收到更好的效果。研究表明:控制建设用地合理有序增长并采用多中心发展模式,有利于缓解城市主城区的环境压力;提高城市周边区域林地的比重和聚集度或加大林地与建设用地的接触面积,可以有效地减少城市PM_(2.5)浓度;对耕地进行整理使其形成连片化景观,并通过科学的耕作方式减少耕地上农业生产所带来的PM_(2.5)前体物,有助于发挥其对PM_(2.5)的"汇"作用。