京津冀雾霾影响因素的三维分析与对策探讨

李云燕，殷晨曦



京津冀雾霾影响因素的三维分析与对策探讨

李云燕，殷晨曦

(北京工业大学循环经济研究院，北京 100124)

本文以缓解经济增长和环境容量之间的矛盾为目的，对京津冀地区的PM2.5污染指数与社会经济影响因素进行三维分析。通过绘制三维曲面拟合图、平面拟合图和等值线图，分析评估京津冀雾霾各区域之间、各影响因素之间的边际替代率和协同变化规律。研究结果表明：北京与周边城市的PM2.5污染指数呈同方向变化且同时达到峰值；当北京周边城市处于中度或重度污染时，北京市重度污染的可能性明显增加；工业和建筑业对京津冀各省市雾霾影响程度基本相同；北京雾霾对煤炭消费量和机动车总量变化的敏感程度大于天津和河北。

雾霾；环境容量；三维分析；对策探讨

引言

京津冀地区连续多年是全国空气质量最差的区域。2015年，京津冀13个城市空气质量平均达标天数比例为52.4%，与长三角25个城市72.1%的达标比例和珠三角9个城市89.2%的达标比例相比，相差甚远。《京津冀协同发展生态环境保护规划》中提及，2020年京津冀地区PM2.5年均浓度要控制在64微克/立方米左右。这意味着京津冀环境治理工作必须在未来4年快马加鞭。为快速高效缓解雾霾，必须定量解析雾霾影响因素，从污染源头进行控制和规划。

当下，研究雾霾影响因素的各类统计分析方法已逐渐被受到重视，特别是以计量模型为主的实证研究。但此类研究过于关注被解释变量与解释变量统计关系的显著性，数据来源、处理方法等差异易造成实证结果的偏颇和失误。相比之下，图形分析法，如三维曲面拟合图分析、等值线分析和边际替代率分析，则能有效避免实证研究中各类主观因素造成的偏误，将雾霾与各类影响因素的相互关系和变化规律进行视觉反馈。同时，等值线分析和边际替代率分析起到了量化政策效果的作用，可为合理解决雾霾减排目标和经济增长目标之间的矛盾提供对策建议。

本文通过三维图形分析法，研究雾霾污染指数同社会经济影响因素的协同变化关系，以期解决区域协同治理、科学分配环境容量、最大限度降低减排机会成本等实际问题。将微观经济学中无差异曲线的思想，即等值线分析，应用于雾霾影响因素分析。通过比较各类影响因素的边际替代率，为如何以最小的经济增长代价完成PM2.5减排目标提供了分析思路。

1 文献回顾

国内外关于雾霾成因的研究逐渐从以自然因素、地理因素、环境因素等不可控因素的研究发展为以人为因素、经济因素和政策因素等可控因素为主导的研究。

雾霾成因的早期文献以气象数据等自然环境因素为依据进行基础统计分析。年降水日数的减少、年平均风速的减小[1]和稳定类天气天数的增加[2]是我国雾霾灾害愈加严重的三个重要气候背景因素。特定的气压条件也是雾霾成因之一，在秋冬季变性冷高压控制期间，近地面大气层稳定, 有利于雾霾形成[3-5]。

以人为因素或经济因素为核心考察变量的文献，普遍应用了实证分析方法。此类文献首先对雾霾进行初步源解析，部分研究结果认为其较差的气象条件是雾霾频发的直接原因，燃煤、机动车尾气排放等人为因素是其根本原因[6-11]。Yi-Ming Kuo等采用动态因子分析高雄市沿海工业园区空气中的可吸入颗粒物与相对湿度、硫氧化物、氮氧化物、碳质气溶胶之间的相互关系和变化趋势，其中含硫酸根离子的颗粒物是高雄市沿海工业区空气中可吸入颗粒物含量居高不下的主因[9]。虽然因子分析法被广泛应用于大气污染主要影响因素的评价[12, 13]，但是无法通过定量分析将大气污染防治策略与主要影响因素相结合。此外，部分学者将视角转向公共场所室内PM2.5的影响因素研究[14]。室外PM2.5浓度、是否邻近主要交通干线、是否为餐饮类场所、是否安装空气净化系统或集中式通风系统是室内PM2.5的主要影响因素。当室内不存在明显污染源时，百分之八十左右的污染物都来自室外。M. Mac Neill等通过调查问卷形式分析得出，室内PM2.5的主要影响因素有季节、是否安装空气净化器、是否使用空调、是否经常烹饪、是否使用蜡烛等，为人们如何有效控制PM2.5的暴露风险提供了指导[15]。

以治霾对策为研究目的的文献，多以发达国家严重空气污染事件发生后的政策法案作为参考范本，结合各区域雾霾出现的时空特征和首要污染物，以区域联动机制、全民参与、严格立法执法、生态补偿、责任分摊、排放权交易为核心突破口[16-19]。多数案例研究或综述类文献中表明，分区域、有差别的治理机制往往优先于一刀切式的治理机制，应在分区域治霾的基础上加强跨区域合作，健全突发性严重大气污染监测和预警体系[20]。美国、欧盟、日本等发达国家的大气治理举措主要可总结为六种类型：立法确立环境标准、强制安装机动车尾气过滤器或催化器、实时公开大气监测数据、废气排放征税加费、发展公共交通和开发新能源[21-27]。

综观现有文献，以雾霾主要影响因素为分析要点的论文，对雾霾成因阐述较为详尽，但是在雾霾影响因素与具体治霾对策的结合上略显不足；以探讨治霾对策为主要目的的文献则往往把侧重点放在具体举措的提出及有效执行上，治霾目标及举措的合理性、经济性缺乏理论支撑。本文以三维分析为桥梁，将京津冀地区雾霾污染指数的相互关系及其主要影响因素的协同变化情况同治霾对策相结合，针对京津冀地区的区域特点提出治理对策或建议。

2 研究方法与数据说明

2.1 三维分析方法介绍

本文采用的三维分析建立在Rousseau和Wachtel（2002）的研究方法基础上[28]。通过绘制一系列三维曲面图，立体地展现雾霾严重程度、经济因素和人为因素之间的协同变化关系。将筛选后的社会经济影响因素作为解释变量，会同雾霾污染指数，通过四格点样条插值法绘制三维网格图。然后，进行三维曲面拟合、平面拟合和等值线分析，计算各类影响因素的边际替代率，分析影响因素之间的协同变化关系。三维分析作为快速分析的方法之一，对数据的完整性和精度要求并不严格，在省去复杂计算量的同时，直观形象地展示了研究对象的特征以及研究对象之间的相互关系。

本文选取四类社会经济因素作为雾霾影响因素以绘制三维曲面拟合图，包括京津冀各省市地区生产总值和三大产业增加值、能源消费量和煤炭消费量、工业增加值和建筑业增加值、民用汽车拥有量和年末公共交通运营数。根据本文研究需要和侧重点，分别选取细颗粒物日均污染指数和可吸入颗粒物年均浓度作为不同研究视角下的雾霾严重程度衡量指标。研究京津冀雾霾的协同变化关系时，采用细颗粒物日均污染指数作为雾霾严重程度的衡量指标；研究京津冀各地区的雾霾主要影响因素以及影响因素之间的边际替代率时，采用可吸入颗粒物年均浓度作为雾霾严重程度的衡量指标。

2.2 数据来源及说明

本文选取的雾霾影响因素中，地区生产总值、三大产业增加值、能源消费总量、煤炭消费量来源于各省市统计年鉴；工业增加值、建筑业增加值、民用汽车拥有量、年末城市公共交通运营数来源于《中国统计年鉴（2005-2015）》。由于《中国统计年鉴》只收录了2004—2014年间的年末城市公共交通运营数，故本文采用线性插值法估算了北京、天津和河北省在2003年的年末城市公共交通运营数。

雾霾严重程度的衡量指标中，2016年2月1日至2016年2月29日北京、天津、保定、唐山、廊坊的细颗粒物日均浓度来源于北京市环境保护监测中心、天津市环境监测中心以及河北省环境监测中心站的空气质量日报。研究雾霾主要影响因素及影响因素的相互关系时，采用细颗粒物污染指数作为雾霾严重程度的衡量指标是更为理想的选择，但官方渠道只公布了2013—2014年的京津冀细颗粒物年均浓度数据。本文考虑到细颗粒物属于可吸入颗粒物，且可吸入颗粒物中50%至70%属于细颗粒物，故采用可吸入颗粒物年均浓度代替细颗粒物年均浓度作为衡量雾霾严重程度的年度指标。北京市和天津市的可吸入颗粒物年均浓度来源于《北京统计年鉴（2004-2015）》和《天津市统计年鉴（2004-2015）》，由于获取数据渠道限制，采用石家庄市可吸入颗粒物年均浓度代替河北省可吸入颗粒物年均浓度，其数据来源于《中国环境统计年鉴（2005-2015）》和《中国统计年鉴（2004）》。

3 结果与讨论

3.1 京津冀雾霾区域间协同变化关系

京津冀三地相邻城市间雾霾的严重程度存在相关性，在雾霾集中暴发期间尤为明显。为证实这一猜想，本文采用2016年2月1日至2016年2月29日细颗粒物日均浓度作为雾霾严重程度衡量指标，选取以北京为中心，与北京相邻且易频发雾霾的保定、秦皇岛、廊坊和天津四个城市为重点研究区域绘制了三维曲面拟合图、曲面等值线图、三维平面拟合图以及平面等值线图，如图1、2、3所示。此外，与北京相邻的张家口、承德位于北京的上风上水方向，长期处于限制发展状态，免受雾霾困扰，未被纳入研究范围，在此不作讨论。

图1中，左上、右上、左下、右下依次为样条插值绘制成的三维曲面拟合图、曲面投影至底面的等值线图、三维平面拟合图和平面等值线图。三维曲面拟合图将三个相关城市的PM2.5污染指数依次作为x轴、y轴和z轴，直观展示了三者之间的数值关系。曲面等值线图综合了地理等高线和无差异曲线的思想，将PM2.5污染指数类比为高度，其中的每一条曲线上保定和天津的PM2.5污染指数组合都对应着北京市相同的PM2.5污染水平。图1中左下、右下两张图将曲面拟合变为平面拟合，便于后文的数值分析。从图中可以观察到，保定市PM2.5污染指数为100微克/立方米左右且天津市PM2.5达到最大值时，北京市PM2.5污染指数最高；当天津市PM2.5为80微克/立方米且保定市PM2.5为100微克/立方米时，北京市PM2.5出现了二次达峰现象。

图2中，北京和廊坊的PM2.5变化趋势基本相同，二者同时达到最大值，此时天津市PM2.5污染指数为80微克/立方米。在研究样本的时间段内，天津市PM2.5污染指数明显低于廊坊和北京，故图2的研究结论在天津市PM2.5污染指数处于低位时同样适用。曲面等值线图和平面等值线图均表明：廊坊与北京的PM2.5污染指数变化规律一致，廊坊市PM2.5污染指数的变化会同方向影响北京市的PM2.5污染指数，且廊坊市PM2.5污染指数在同一水平时，北京市PM2.5污染指数随着天津PM2.5污染指数的上升而增加，但其增幅明显小于廊坊，故廊坊空气质量对北京的影响大于天津。

图3中，北京、天津、唐山三地的PM2.5污染指数同时达到最大值，且出现两次达峰现象。天津市PM2.5为80微克/立方米、唐山市PM2.5为100微克/立方米时，北京市PM2.5二次达峰，但峰值略小于第一次达峰。在研究样本的时间段内，北京-天津-唐山三地PM2.5污染指数变化区间均为（20，160），说明图3的研究结论具有普适性。双峰现象表明：北京-天津-唐山三地PM2.5污染指数并非简单的线性变化关系，当唐山和天津的空气质量均为中度污染时，北京市空气质量极有可能出现重度污染。

综合图1、图2、图3的结果发现，保定、廊坊和唐山的PM2.5污染指数直接影响到北京的PM2.5污染指数，四市PM2.5同方向变化且同时达到峰值；此外，当北京周边城市处于中度或重度污染时，北京市重度污染的可能性明显增加。

3.2 北京市雾霾与社会经济影响因素

图4研究北京市可吸入颗粒物年均浓度与其主要影响因素之间的相互关系。对于北京市，可吸入颗粒物年均浓度和第三产业增加值、煤炭消费量同方向变化且同时达到最大值；在煤炭消费量一定时，北京市可吸入颗粒物年均浓度随着能源消费总量的增加而上升，故在控制煤炭消费量的同时应进一步削减能源消费总量。特别地，可吸入颗粒物年均浓度随着公共交通车辆运营数的增加而上升，出现这一反常现象的原因如下：第一，公共交通车辆运营数并不是影响雾霾的单一因素，同期其他影响因素的变化加重了雾霾污染；第二，雾霾的加重促使政府加大了对公共交通的投入力度。北京市公共交通车辆运营数控制在2.4万辆左右时，可吸入颗粒物年均浓度可控制在其三维曲面拟合图的凹槽中，此时可低成本地缓解北京市雾霾污染。北京市雾霾与地区生产总值、第三产业增加值的曲面拟合图表明：地区生产总值不超过1.5万亿元时，雾霾污染水平一直处于高位；但当地区生产总值超过1.5万亿元时，雾霾污染水平下降显著，证明改善空气质量与经济增长并不矛盾，具体原因有待进一步分析。

3.3 天津市雾霾与社会经济影响因素

图5研究了天津市可吸入颗粒物年均浓度与其主要影响因素之间的相互关系。对于天津市而言，当第二产业增加值较大且第三产业增加值较小时，可吸入颗粒物的年均浓度较高；当第三产业增加值较大且第二产业增加值较小时，可吸入颗粒物的年均浓度较低；当能源消费总量和煤炭消费量同时达到最大值时，可吸入颗粒物的年均浓度最高，当能源消费总量为7000万吨标准煤左右且煤炭消费量处于低位时，可吸入颗粒物年均浓度最低；当天津市工业增加值达到最大值时，PM10的年均浓度处于高位，当工业增加值为4000亿元左右时，PM10的年均浓度最低；在天津市机动车与雾霾的三维曲面拟合图中也存在两次达峰现象，首次达峰是当公共交通车辆运营数为最小值且民用汽车拥有量为最大值时，第二次达峰是在公共交通车辆运营数和民用汽车拥有量均达到最大值时；当天津市公共交通车辆运营数在8000辆到9000辆之间且民用汽车拥有量不超过150万辆时，PM10的年均浓度最低。

3.4 河北省雾霾与社会经济影响因素

图6研究了河北省（采用石家庄市数据）可吸入颗粒物年均浓度与其主要影响因素之间的相互关系。对于河北省，当第二产业增加值最大且第三产业增加值最小时，PM10的年均浓度最高，当第三产业增加值最大且第二产业增加值最小时，PM10的年均浓度最低；可吸入颗粒物年均浓度随着能源消费总量、工业增加值、民用汽车拥有量的增加而升高，且同时到达峰值。特别地，当煤炭消费量、建筑业增加值处于低位时，可吸入颗粒物年均浓度仍处于较高水平。前者是由于河北省散煤用量较大，一吨散煤燃烧的排放相当于5吨到10吨电厂排放的污染物，价格便宜的散煤中灰分、硫分比例高，至今仍支撑着河北农村炒菜做饭生火取暖的家常生活；后者是由于建筑业增加值与工业增加值相比，其比重较小，且仅今年变化不大，故出现了这一反常结果。此外，当河北省公共交通车辆运营数控制在1.6万辆左右，且民用汽车拥有量不超过600万辆时，河北省可吸入颗粒物年均浓度最低。

3.5 京津冀雾霾社会经济影响因素的边际替代率分析

雾霾影响因素之间的替代程度可用各类影响因素的边际替代率来衡量。雾霾影响因素的边际替代率定义为：在雾霾污染水平保持不变的条件下，研究区域增加一单位一种影响因素可以代替的另一种影响因素的数值。

边际替代率计算公式：（1）

表1 京津冀雾霾三大产业之间的边际替代率汇总表

表1中，京津冀各省市三大产业边际替代率均采用实际切线斜率的绝对值表示。对于京津冀整体而言，每一单位第三产业增加值对雾霾的负面影响最小，第一产业和第二产业次之。又因为每一个边际替代率数值是由对应的三维分析独立计算得出，故不同边际替代率之间没有严格的可比性，但可视为定性分析依据。京津冀三省市三大产业之间的边际替代率差异明显：对于北京，每一单位第一产业增加值对雾霾的影响约为第三产业的2.7倍，每一单位第二产业增加值对雾霾的影响约为第三产业的4.9倍，该数值由去除三大产业增加值数值差异的边际替代率估算得出；对于天津，每一单位的第一产业增加值对雾霾的影响最大，约为第二产业的1.8倍和第三产业的1.21倍；对于河北，每一单位的第二产业增加值对雾霾的影响最大，约为第一产业的1.4倍和第三产业的1.1倍。由于雾霾成因复杂，仅从产业结构一个视角分析，结果较片面，故应结合其他影响因素的三维分析结果综合考虑后探讨治霾对策。

表2中边际替代率结果显示：工业和建筑业对京津冀各省市雾霾影响程度基本相同，理论上雾霾污染水平不变时，二者不存在比现状更经济的分配方式，须同时加以控制；北京雾霾对煤炭消费量和民用汽车拥有量的敏感程度大于天津和河北，即使从总量上来说，北京的煤炭消费量远低于天津和河北，但燃煤仍然是北京雾霾暴发的主因之一。此外，北京和河北的民用汽车拥有量与公共交通边际替代率明显高于天津，说明控制机动车数量、适度发展公共交通可缓解区域雾霾。

表2 京津冀雾霾其他影响因素的边际替代率汇总表

诚然，能源消费总量持续增加、机动车保有量逐年攀升、大面积施工扬尘、工业废气排放是雾霾暴发的直接原因，但究其根源，经济结构与产业结构的失衡是雾霾出现的深层次诱因。

4 结论与对策

4.1 结论

京津冀地区雾霾污染指数三维分析结果表明：北京周边城市中，天津、廊坊对北京雾霾直接影响较大，在雾霾易暴发的冬季，北京与天津、廊坊基本同时到达峰值；当北京周边城市处于中度或重度污染时，北京市重度污染的可能性明显增加。

京津冀雾霾社会经济影响因素三维分析结果表明：北京市第三产业大气排放和燃煤是雾霾频发的重要原因，尤其是交通运输业、居民生活和餐饮业PM2.5排放，且北京雾霾对煤炭消费量和机动车总量变化的敏感程度大于天津和河北；河北省第二产业环保不达标、第三产业欠发达是河北雾霾频发的主因，应进一步提高第三产业比重，降低第二产业能耗密度；天津市介于北京和河北的情形之间，产业结构不合理固然是主因，公共交通数量以及机动车保有量与城市规模失衡加重了雾霾的形成，应科学地浮动控制机动车数量，适时适度发展并宣传公共交通出行。

虽然三维分析可以快速地得出直观形象的结论，但是相比于精确、具体、定量的统计分析方法，其分析视角的全面性以及分析精度稍显不足，这也是此类方法应用于雾霾治理时亟待改进之处，可作为下一步研究的重点。

4.2 对策探讨

4.2.1 健全区域预警联防机制，完善大气生态补偿制度

北京市PM2.5与周边四市同方向变化且同时达峰的三维分析结果，凸显了京津冀区域联防联控机制的重要性。针对周边城市PM2.5污染指数超过80微克/立方米时，北京极易出现重度雾霾天气的研究结果，应尽快完善以预警监测为核心的区域联防制度，以区域内协同治理和区域间联动机制为突破点，对重度雾霾天气预警提前布防。区域联防联控的关键是利益平衡与协调，各地方政府主观上都不愿意承担雾霾治理成本，却希望改善环境。此时，生态补偿以及相应的配套激励机制是平衡和合理分配各方利益的有效途径。

4.2.2 改进环评导则PM2.5预测模式，源头严控二次PM2.5

建筑业增加值、能源消费和民用汽车保有量与雾霾的三维曲面拟合图并未呈现出完全严格的正相关关系，但当此类社会经济影响因素位于高位时，雾霾污染水平显著升高。这是因为工业、建筑业、能源消费和机动车尾气是产生二次PM2.5的重要贡献源。2016年1月1日开始实施的《环境空气质量标准》，已将PM2.5纳入环评考核指标，但现行的环评导则推荐使用的PM2.5预测模式主要针对一次污染物传输与扩散造成的局地污染，难以预测多污染源的协同和叠加影响，因此并不适用于二次反应生成的PM2.5。可在现有的PM2.5预测模式中引入光化学模式以预估二次PM2.5，例如源追踪法、DDM法、子网格烟羽分析法等[29]。截至目前，我国仅有少数城市开展了PM2.5的研究性监测，针对城市群的预警监测体系尚未建立，缺乏可用于同一平台运算分析的空气质量数据系统，未对区域内或跨区域的PM2.5污染评价和监测预警构成制约，治霾数据支撑能力亟待提高。

4.2.3 根据城市规模适度发展公共交通，推广使用机动车尾气催化装置

根据京津冀民用汽车保有量、公共交通车辆运营数和雾霾的三维曲面拟合图结果，发现公共交通并非越多越好，机动车也并非越少越好，而是应将二者控制在适合于城市规模的比例。例如，目前天津市将公共交通车辆运营数控制在8000辆左右，民用汽车保有量理论上不超过150万辆时，雾霾污染水平最低。在控制机动车数量的同时，对现有机动车应加装尾气催化装置，特别是柴油车。此外，应进一步提高机动车排放标准，严格新车排放标准和油品标准，力争2016年在重点区域启动实施第六阶段机动车排放及车用燃油标准，2017年在全国全面供应符合国Ⅴ标准的车用汽油﹑车用柴油，同时禁止国内销售低于国Ⅴ标准的车用汽油﹑柴油。

4.2.4 推进能源领域供给侧结构性改革，加快能源体制创新

京津冀三省市代表了我国不同发展阶段的三个区域，但不论是处于哪个发展阶段，能源消费始终与雾霾污染水平同向变化且同时达峰。可见，能源消费不仅影响碳排放，还加剧了雾霾污染。改善途径主要分为两类：一是优化能源结构，削减燃煤，提升油气比重；二是能源体制改革。深层次治霾的关键是能源体制改革，石化至今仍是一个没有开放的行业，我国仍有大量的清洁能源，比如天然气，还埋藏在中国大地之下。而能源问题一直以事关国家安全和经济安全为保护伞，很难真正受到市场经济规律的支配。想要发展清洁能源、提高能源效率、推动科技创新，就应把本来属于市场的权利还给市场，以市场化改革推动能源供给侧改革。

4.2.5 严刑峻法狠抓二产减排，建立长效治霾激励机制

京津冀区域内，除北京外，第二产业增加值均与雾霾污染水平正相关，工业废气和建筑扬尘直接或间接加剧了雾霾。严刑峻法和先进的减排工艺是第二产业减排的关键。提及严刑峻法，人们总是担心最严格的环保措施会造成大量失业，但事实是当一类产业步入夕阳的时候，另一类产业就会兴起。比如英国，在治污的前十年，GDP不但没有倒退，反而增加了一倍，之后的英国进入了油气时代，GDP总量翻了四倍。而且北京市雾霾与地区生产总值、第三产业增加值的三维分析结果也证实了环保和经济增长并不矛盾。我国在与治理雾霾相关的大气污染防治的法律规制上，并不比发达的工业国家落后多少，甚至许多治理手段为我国首创，如三同时制度、在线监测制度等。然而，超前的大气环境立法并没有遏制日益恶化的大气污染，甚至出现雾霾频发的严重污染事件。现有法律制度的症结就在于执法不严和处罚偏轻。另外，大气环境质量的改善还需要充足的经费作保障。从发达国家治理环境的经验来看，只有环保经费投入占GDP总量的2%时，才能维持环境质量现状；投入占3%以上，环境质量才能得到改善。当前我国环保经费的投入总额仅占GDP总量的1.5%左右。经费的短缺不能保证法律的有效落实，这是我国当前环境立法虽多，但是治理状况依然不尽人意的原因之一[30]。

我国的大气污染防治长期存在爆发式、运动式管理的特征，缺乏持续性激励机制和目标规划。生产者主动减排的激励不够，一旦采用不合格或不成熟的废气处理工艺，易出现细颗粒物不降反增的情形，使得政策规章的执行效果大打折扣。因此，持续性激励机制是企业积极引入先进废气减排工艺、主动退出落后产能的保障。

4.2.6 强化居民生活和餐饮业减排，拓宽公众参与、舆论监督渠道

进入后工业化时代的北京，第三产业对雾霾的影响远超出第二产业，因为涵盖了交通运输业、餐饮业和居民服务业的第三产业比重已接近80%，机动车、居民生活和餐饮业排放的PM2.5已然成为主角。第三产业PM2.5排放源头控制是治霾根本，但其效果逊色于末端控制，比如补偿性鼓励各个餐饮企业加装抽油烟机净化装置。短期内，此类末端控制措施的可行性和执行效果优于总量压减。在环保措施的实际运作中，公众参与和舆论监督经常被地方政府以涉及国家秘密为由而架空。目前我国在国家秘密和商业秘密的密级范围，以及密级主体的确定方面仍存在诸多漏洞，这往往成为地方政府逃避监管的挡箭牌或者遮羞布。此外，公众参与在程序保障和意见的采纳上，缺乏具体有效的流程规制，导致有关部门“只听取、不采纳”，使得大量潜在污染项目得到立项，以预防为主的制度实施效果大打折扣。因此，拓宽公众参与范围、完善环保意见采纳程序势在必行。

雾霾五十年前就有，要究其根源来解决。保护民族企业在大多数时候成为拒绝环保新科技的挡箭牌，但环保不是负担而是创新，保护落后则无法创新。政府当局制定环保标准时须考虑如何保证市场的公平竞争，让新兴产业得到公平的竞争机会，实现国民经济增长和环境改善的双赢局面。

[1] 顾为东. 中国雾霾特殊形成机理研究[J]. 宏观经济研究, 2014(06): 3-7.

[2] 潘鹄, 耿福海, 陈勇航, 等. 利用微脉冲激光雷达分析上海地区一次灰霾过程[J]. 环境科学学报, 2010(11): 2164-2173.

[3] 程婷, 魏晓弈, 翟伶俐, 等. 近50年南京雾霾的气候特征及影响因素分析[J]. 环境科学与技术, 2014(S1): 54-61.

[4] 曹伟华, 李青春. 北京地区雾霾气候特征及影响因子分析[C]. 中国江苏南京: 2012.

[5] Mwaniki G R, Rosenkrance C, Will Wallace H, et al. Factors contributing to elevated concentrations of PM2.5 during wintertime near Boise, Idaho[J]. Atmospheric Pollution Research, 2014, 5(1): 96-103.

[6] 何枫, 马栋栋. 雾霾与工业化发展的关联研究——中国74个城市的实证研究[J]. 软科学, 2015(06): 110-114.

[7] Hao Y, Liu Y. The influential factors of urban PM2.5 concentrations in China: a spatial econometric analysis[J]. Journal of Cleaner Production, 2016, 112, Part 2: 1443-1453.

[8] Hall D, Wu C, Hsu Y, et al. PAHs, carbonyls, VOCs and PM2.5 emission factors for pre-harvest burning of Florida sugarcane[J]. Atmospheric Environment, 2012, 55: 164-172.

[9] Kuo Y, Wang S, Jang C, et al. Identifying the factors influencing PM2.5 in southern Taiwan using dynamic factor analysis[J]. Atmospheric Environment, 2011, 45(39): 7276-7285.

[10] 王立平, 陈俊. 中国雾霾污染的社会经济影响因素—基于空间面板数据EBA模型实证研究[J]. 环境科学学报, 2016(04): 1-13.

[11] 冯少荣, 冯康巍. 基于统计分析方法的雾霾影响因素及治理措施[J]. 厦门大学学报(自然科学版), 2015(01): 114-121.

[12] Sofowote U M, Su Y, Dabek-Zlotorzynska E, et al. Constraining the factor analytical solutions obtained from multiple-year receptor modeling of ambient PM2.5 data from five speciation sites in Ontario, Canada[J]. Atmospheric Environment, 2015, 108: 151-157.

[13] 吴庆梅, 张胜军. 一次雾霾天气过程的污染影响因子分析[J]. 气象与环境科学, 2010(01): 12-16.

[14] 倪洋, 涂星莹, 朱一丹, 等. 北京市某地区冬季大气细颗粒物和超细颗粒物污染水平及影响因素分析[J]. 北京大学学报(医学版), 2014(03): 389-394.

[15] Macneill M, Wallace L, Kearney J, et al. Factors influencing variability in the infiltration of PM2.5 mass and its components[J]. Atmospheric Environment, 2012, 61: 518-532.

[16] 李家才. 洛杉矶经验与珠三角地区灰霾治理[J]. 环境保护, 2010(18): 61-63.

[17] 薄文广, 陈飞. 京津冀协同发展:挑战与困境[J]. 南开学报(哲学社会科学版), 2015(01): 110-118.

[18] 王波, 郜峰. 雾霾环境责任立法创新研究——基于现代环境责任的视角[J]. 中国软科学, 2015(03): 1-8.

[19] 李根生, 韩民春. 财政分权、空间外溢与中国城市雾霾污染:机理与证据[J]. 当代财经, 2015(06): 26-34.

[20] 范如国. 复杂网络结构范型下的社会治理协同创新[J]. 中国社会科学, 2014(04): 98-120.

[21] 冯博, 王雪青. 考虑雾霾效应的京津冀地区能源效率实证研究[J]. 干旱区资源与环境, 2015(10): 1-7.

[22] 魏巍贤, 马喜立. 能源结构调整与雾霾治理的最优政策选择[J]. 中国人口ž资源与环境, 2015(07): 6-14.

[23] 马丽梅, 张晓. 区域大气污染空间效应及产业结构影响[J]. 中国人口ž资源与环境, 2014(07): 157-164.

[24] 马丽梅, 张晓. 中国雾霾污染的空间效应及经济、能源结构影响[J]. 中国工业经济, 2014(04): 19-31.

[25] 王领, 杨阳. 环保投入与经济发展关系的实证研究——基于上海1991—2010年数据[J]. 中央财经大学学报, 2013(11): 69-74.

[26] 闫庆友, 朱明亮, 汤新发. 基于成本效用分析的电能替代实证研究[J]. 运筹与管理, 2015(06): 176-183.

[27] 李少林. 2001—2012年全球23国新能源发电效率测算与驱动因素分析[J]. 资源科学, 2016(02): 321-332.

[28] Rousseau P L, Wachtel P. Inflation thresholds and the finance-growth nexus[J]. Journal of International Money and Finance, 2002, 21: 777-793.

[29] 王刚, 吴成志. 大气环评中一次及二次PM_(2.5)的预测评估: 2013北京国际环境技术研讨会[Z]. 中国北京: 2013-6.

[30] 张世秋. 中国环境管理制度变革之道:从部门管理向公共管理转变[J]. 中国人口ž资源与环境, 2005(04): 90-94.

Three Dimensional Analysis and Countermeasures of Main Factors Influencing PM2.5 in Beijing-Tianjin-Hebei Area

Li Yunyan, Yin Chenxi

(Institute of Recycling Economy, Beijing University of Technology, Beijing 100124, China)

In order to alleviate the contradiction between economic growth and environmental capacity, this paper analyzes the pollution index of PM2.5 between Beijing and the surrounding cities and the relationships of socio-economic factors by three dimensional analysis, including three-dimensional surface fitting, the contour lines and the marginal rates of substitution. The results of the study show that PM2.5 values of Beijing and the surrounding cities change on the same direction, and also reach the peaks at the same time; when the surrounding cities of Beijing are in the moderate or severe pollution, Beijing is more likely in the severe pollution; the impacts of the secondary industry on the haze and fog in Beijing, Tianjin and Hebei are basically the same; coal consumption and the vehicle quantity have greater impact on Beijing than Tianjin and Hebei.

fog and haze; environmental capacity; three dimensional analysis; policy advice

10.3724/SP.J.1224.2016.00614

X196

A

1674-4969(2016)06-0614-12

2016-07-11;

2016-08-20

基于DPSIR模型框架的京津冀雾霾成因分析及综合治理对策研究（15BJY059）；京津冀地区雾霾污染控制政府绩效评估模式的构建（14JGB036）；京津冀雾霾影响因素的三维分析及门限效应研究（ykj-2015-12279）

李云燕（1963-），女，教授，博士生导师，主要从事环境经济、环境规划与管理、环境影响评价等领域的研究。E-mail: liyunyan2016@163.com殷晨曦（1994-），女，硕士，主要从事环境经济、绿色金融等领域的研究。E-mail: chenxi_yin@foxmail.com