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。     

济南市PM_(2.5)时空分布特征

利用2010—2016年济南市环境空气质量监测数据,分析了济南市PM_(2.5)的年变化、月变化、日变化和区域分布特征。结果表明:(1)跑马岭监测点(远离市区的清洁对照点)PM_(2.5)浓度呈逐年下降的趋势,其余监测点PM_(2.5)的浓度均在2013年达到峰值后逐渐下降。(2)济南市冬季污染最重,1月达到最高;夏季污染最轻,8月达到最低。(3)PM_(2.5)平均浓度有两个高值中心,不同季节PM_(2.5)高值中心有所不同。(4)夏季,有无逆温时PM_(2.5)差异较小且日变化不明显;冬季,有无逆温时PM_(2.5)差异最大。     

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。     

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。     

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。     

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。     

《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。     

城市PM_(2.5)年均浓度达标策略研究

细颗粒物已经成为影响城市和区域空气质量的首要污染物。根据我国74个重点城市PM2.5年均浓度监测数据,分析了我国大气细颗粒物污染状况和区域分布特征。结合环境空气质量标准和"国十条"的要求,综合考虑不同区域空气污染特征、经济发展水平和环境管理需求的差异,提出了不同区域城市PM2.5年均浓度达标年限,并从管理机制、管理手段、达标途径等方面提出了我国城市PM2.5年均浓度达标策略。     

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。     

降水对气溶胶颗粒物清除作用的初步分析

使用2010~2013年气溶胶颗粒物质量浓度资料和相关气象资料,分析了风和降水对颗粒物的清除作用,结果表明:降水对气溶胶颗粒物的清除效果随雨强、降水持续时间及降水总量增加而增加。同等雨量条件下,降水对PM_(_(Course))的清除效果要好于对PM_(2.5)的清除效果。降水对气溶胶颗粒物的清除效果与降水前气溶胶颗粒物浓度关系密切,降水开始前气溶胶颗粒物浓度较低时,降水对其清除效果不佳,降水开始前气溶胶颗粒物浓度较高时,降水对其有明显的清除作用。降水前后的气溶胶颗粒物浓度有明显的正相关,气溶胶颗粒物浓度较高时,需要连续多次降水过程才会使其浓度下降到较低的水平。气溶胶颗粒物浓度在较低水平时,雨强增大不会使其浓度继续降低;强降水发生后,雨强减小会使气溶胶颗粒物浓度升高。气溶胶颗粒物大颗粒(PM_(Course))总体为碱性,小颗粒(PM_(2.5))总体为酸性。降水的pH值和电导率都和降水间隔和风速成正相关,和降水量成反相关。气溶胶颗粒物浓度随水平风速增长呈现出先减后增的趋势。对PM_(2.5)来说,当水平风速在7m/s以下时,其浓度随水平风速增大而减小,当水平风速大于7m/s时,其浓度随水平风速增大而增大。PMC ourse变化趋势与PM_(2.5)类似,其转折点的水平风速为4m/s。     

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。     

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。     

雾霾污染的城市间动态关联及其成因研究

面对严重的雾霾天气以及雾霾污染边界不断扩张的严峻挑战,加快创新大气污染联防联控体系以形成跨区域协同治污合力势在必行。本文基于京津冀、长三角、珠三角、成渝、长中游等五大地区96个城市2015年的空气质量指数(AQI)以及PM_(2.5)、PM_(10)、SO_2、CO、NO_2、O~3等6种分项污染物的逐日数据,从时间序列数据"预测能力"的视角,在向量自回归模型框架下识别雾霾污染的城市间动态交互影响效应,运用社会网络分析方法刻画雾霾污染空间关联的网络结构特征。在此基础上,运用二次指派程序从分项污染物视角考察雾霾污染空间关联的关键诱因,并利用双变量Moran指数揭示雾霾污染与其影响因素之间的空间相关性。研究发现,城市雾霾污染之间存在普遍的动态关联关系且呈现出联系紧密、稳定性强、带有明显特征的多线程复杂网络结构形态。不论在地区内部还是在全部样本城市当中,均不存在孤立的城市节点,这意味着面对雾霾污染的空间关联网络,任何一个城市都不能独善其身,均受到来自地区内部和地区以外其他城市以及它们构成的空间关联网络的影响。在六种分项污染物中,PM_(2.5)的空间关联是导致雾霾污染空间关联的最主要诱因。城市雾霾污染与其影响因素尤其是城市人口密度、投资强度、工业污染排放之间存在显著的空间相关性。基于上述结论,中国应当加快构建以防控PM_(2.5)为重点的跨区域雾霾污染协同治理机制,并将其融入城市群发展战略以及区域发展战略之中,最终实现包含雾霾污染协同治理在内的全方位的区域协同发展。     

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。     

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。     

基于模糊综合评判的城市环境空气质量评价

根据北京市环境保护监测中心的监测数据和国家环境空气质量标准,选取PM2.5、PM10、SO2、NO2、O3和CO作为评价因子,通过建立各污染物的隶属函数和权重集,运用模糊综合评判的方法对北京市的五个区域(城六区、西北部、东北部、东南部、西南部)2013年10月23-29日期间进行了环境空气质量评价。结果表明,该期间北京市环境空气中的主要污染物是PM2.5,其次是PM10、NO2、O3和CO,最后是SO2。空气质量评价结果由好到坏的顺序为:西北部、东北部、城六区、东南部、西南部。结果客观地反映了北京市的空气质量状况,从而为改善和治理大气污染提供理论依据。     

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。     

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。