城市化、外商投资和产业结构因素对中国环境的影响

基于扩展的STIRPAT理论框架,采用动态空间面板模型分析方法,研究城市化、外商直接投资和产业结构因素对中国环境污染的长期与短期空间溢出效应.结果表明,一个地区的城市化率每提高10%,短期会降低当地CO₂排放水平的0.02%、降低邻近地区CO₂排放水平的0.04%;而从长期看会降低本地CO₂排放水平的0.08%、降低临近地区CO₂排放水平的0.2%.在2006年以前,一个地区的能源强度每降低1%,会在短期降低本地CO₂排放水平的0.31%、降低邻近地区CO₂排放水平的0.09%;从长期看则会降低本地CO₂排放水平的1.3%、降低邻近地区CO₂排放水平的0.55%.在2006年后,这种能源强度的变化会使碳排放短期内总共降低0.45%,长期看总共降低2.06%.城市化率每提高10%短期内会减少本地0.05%的SO₂排放、减少邻近地区0.1%的SO₂排放.第二产业比重每降低10%,会分别降低本地和临近区域SO₂排放水平的0.03%和0.09%.人口规模每扩大1%,会提升邻近区域SO₂排放水平的0.55%.能源强度每降低1%,会降低本地SO₂排放水平的0.12%.     

污染条件下成都市PM_(2.5)干沉降速率的模拟分析

利用成都市三瓦窑、沙河铺国控环监站2015年9月—2016年8月逐时PM_(2.5)监测数据,结合同期双流国际机场公布的地面气象要素(风场、温度、湿度和压强)以及温江站风速探空资料,首先统计分析了成都市风场、温度和湿度的基本特征,然后计算了污染条件下PM_(2.5)干沉降速率,并建立了适用于不同季节的GIFM模型和多元回归预测模型。结果表明:基本气象要素场的配置以及特殊地形导致了成都市PM_(2.5)干沉降环境恶劣,同时四季差异较大;污染条件下PM_(2.5)干沉降速率约为0.02~0.1 cm/s,表现为冬季<秋季<年<春季<夏季,四季的主要影响因子也不同,秋冬为湿度和压强,春季为温度,夏季为风速,且湿沉降强度过大时,会出现PM_(2.5)干沉降速率的"虚高"现象;GIFM模型和多元回归模型均能很好地预测污染条件下的PM_(2.5)干沉降速率,其预测能力均是夏季最好,冬季最差,春秋次之,通过对比分析表明GIFM模型的预测能力在各季节均优于多元回归模型。