中国城市大气污染特征及社会经济影响分析

肖悦，田永中*，许文轩，刘瑾，万祖毅，张雪倩，刘旭东

1. 西南大学地理科学学院，重庆 400715；2. 重庆市气象科学研究所，重庆 401147

近年来，中国经济的迅猛发展在推动社会进步和人民生活水平提高的同时，也造成许多诸如雾霾、光化学烟雾等复合型大气污染的生态环境问题，严重影响到城市及区域的大气环境及公共健康（刘满凤等，2016）。据统计，全国每年因空气污染而死亡的人数高达 250万（熊欢欢等，2017），由此造成的财政损失占全年GDP的10%（环境生态网，2007）。随着人们对环境和健康问题的重视，空气污染已经成为中国亟需解决的重大民生问题和国家发展问题。习近平总书记在十九大报告中指出，推进绿色发展、着力解决突出环境问题、加大生态环境保护力度、改革生态环境监管体制，同心建设美丽中国是实现可持续发展的内在要求（新华网，2017）。在此严峻的时代背景下，探讨空气质量的时空变化特征及影响因素分析，有利于引导城市实施可持续的发展战略，避免盲目追求经济增长而对生态环境造成不可逆转的破坏。

目前国内外关于空气质量的研究成果较多，主要集中在以下两个方面，（1）基于单一城市（李向阳等，2011）、城市群（Li et al.，2011；徐伟嘉等，2014；Wang et al.，2016；刘华军等，2016）和全国（王振波等，2015；Peng et al.，2016；张殷俊等，2015）的三大空间尺度和基于多年变化到特定时段的时间尺度（潘竟虎等，2016；李名升等，2013；程念亮等，2016）来探析空气质量的时空分布特征。（2）空气质量影响因素分析。现有研究多数集中在自然要素对空气质量的影响方面，如气象条件、地形、沙尘暴、雾霾等对大气污染的影响（李文杰等，2012；李会霞等，2016；邹旭东等，2015；赵军平等，2017）。较少研究从社会经济的视角探究空气质量的影响因素（胡艳兴，2015）。如蔺学芹等（2016）基于空间滞后模型研究了能源消耗、工业化、技术进步和经济发展对城市空气质量的影响；少量研究关注了城市化、经济增长、工业发展、交通以及能源结构（向堃等，2015；Fang et al.，2015；Patton et al.，2014；刘海猛等，2015；马丽梅等，2014；席鹏辉等，2015）等对大气环境的影响。

现有研究发现中国大气污染存在的空间非均衡性和地理集聚性主要与地区发展差异有关，且经济发达地区的大气污染程度明显高于不发达地区，因此现有成果虽涉及多个时空尺度，但主要集中在京津冀、长三角和珠三角等经济发达、产业人口集聚高的地区（许文轩等，2017；Chen et al.，2016；沈威等，2017），而缺少全国整体性和区域性的对比研究。针对现有研究存在的主要问题，本文拟在考虑地区发展差异的基础上，利用空间自相关、核密度和空间计量经济学模型探讨全国及各区域空气质量的时空演化特征以及不同时空和不同地区之间社会经济要素对空气质量的影响差异，研究结果可为大气污染防治工作提供决策参考。

1　数据及方法

1.1　研究方法

1.1.1空间自相关法

地理学第一定律认为任何事物之间均具有相关性，且距离越近，相关性越强。常用全局莫兰指数（Global Moran’s I）和局部莫兰指数（Local Moran’s I）来描述空间自相关性，前者用来分析空间数据的整体分布状况，后者用于探测空间集聚发生的具体位置（Anselin et al.，2006）。计算公式如下：

式中，xi，xj分别表示城市i和j的空气质量；n为城市总数；m表示与城市i在地理上相邻的城市个数；wij为空间邻接权重。全局莫兰指数的取值范围为[-1, 1]，正值表示区域城市空气质量呈集聚分布，负值表示区域城市空气质量与周边城市具有显著的差异；零值表示空间不相关，值越趋近于 1或-1，表示空间集聚或差异越明显。局部莫兰指数可将空间关联模式分为 HH、LL、HL、LH 4种集聚类型，其中HH（LL）表示城市空气质量与相邻城市空气质量呈正相关关系，即空气质量高值（低值）城市在空间上集聚；HL（LH）表示城市空气质量与相邻城市空气质量呈负相关关系，即空气质量高值（低值）城市被低值（高值）城市包围。

1.1.2核密度法

核密度是用来估计概率密度函数的非参数方法，可用连续的密度曲线来描述随机变量的分布形态（孙才志等，2015），计算公式如下：

式中，N为观测值个数；Xi为独立分布的观测值；为均值；K为核函数；h为带宽。核密度图的中心位置可以反映大气污染水平的高低；波峰的高度和宽度用来反映大气污染的差异，宽度越大，差异越大。

1.1.3空间计量经济学模型

模型构建：观测值在空间上相互独立是传统模型进行回归分析的前提，但城市空气质量并不是一个完全独立的观测值，定会受到邻近区域影响，因此必须考虑空间相关性。考虑空间相关性的计量经济学模型有空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）两种。为确定哪种模型模拟效果最佳，需根据最小二乘法（Ordinary Least Squares，OLS）估计结果的拉格朗日系数（Lagrange Mulitplier，LM）及其稳健性（Robust，R）的显著性进行判断：若 LM（lag）＞LM（error），且 R-LM（lag）＞R-LM（error），则选择SLM；若LM（lag）＜LM（error），且R-LM（lag）＜R-LM（error），则选择 SEM（杨冕等，2017）。

变量的选择：本文借鉴已有的研究理论，兼顾城市社会经济数据的可获得性，选取表示大气污染状况的空气质量指数（Air Quality Index，AQI）作为被解释变量，采用反映人口集聚（人口密度）、经济水平（人均GDP）、工业化（第二产业占比）、能源消耗（能源消耗量）、汽车尾气排量（民用汽车保有量）、科技进步（科技支出占比）和城市绿化水平（绿地覆盖率）7个指标作为解释变量，以探究中国及各区域空气质量与社会经济因素之间的基本关系与作用程度。同时，通过对解释变量取对数的形式来降低异方差和非稳定性对模型估计的影响（姜磊，2016）。

则基于空间滞后模型的表达式为：

基于空间误差的模型表达式为：

式中，Y为 AQI；ρ为空间回归系数；W 为空间权重矩阵；X1…X7依次为人口密度、人均GDP、第二产业占比、能源消耗量、民用汽车保有量、科技支出占比和绿地覆盖率。α0…α7为带估计的模型参数；ε为误差随机项；μ为正态分布的随机误差向量。

1.2　研究区域及数据来源

本文研究区域为中国大陆，受数据可得性的限制，台湾、香港和澳门未纳入研究。空气质量数据来源于中国环境监测总站公布的 2016年全国 361个城市的逐日 AQI，它是由 SO2、NO2、PM10、PM2.5、CO和O36种常规大气污染物拟合的以定量描述空气状况的无量纲指数，其值越大，说明空气污染越严重。近年来，中国空气污染不单单局限于个别城市，大气污染区域一体化的态势愈发明显。基于此，本文依据地区经济发展水平和区域一体化特征，将全国23个省份、4个直辖市和5个自治区划分为12个区域，并分别对各区域的日均AQI进行多组独立样本Kruskal-Wallis H检验，可知P=0.000＜0.05，均具有统计学意义（表1）。此外，本文的社会经济数据来源于 2016年《中国城市统计年鉴》和《中国统计年鉴》。

表1　中国区域划分及城市个数分布Table 1　Descriptions of the study area in China

2　中国城市空气质量的时空演变规律

2.1　时间变化特征

不同的气候条件会使城市空气质量发生较大的变化。本文分别从年、季、月 3个尺度对 2016年全国及12个区域的AQI进行均值统计，以剖析空气质量的时间变化规律（图1、表2）。从全国尺度上看，2016年中国AQI年均值为79.53，空气质量达到国家二级标准限值，全国AQI季均值由大到小排序为：冬（96.87）＞春（81.87）＞秋（72.81）＞夏（66.69），空气质量呈现显著的“夏优冬劣”的“U”型月变化规律。从地理尺度上看，南方四季和全年AQI均低于北方，说明中国大气污染空间分布不均，整体呈现出“北重南轻”的空间格局。从区域尺度上看，各地AQI季均值均呈现出“夏低冬高，春降秋升”的态势。各地AQI年均值由大到小排序为：京津冀（110.06）＞山东半岛（97.31）＞黄河中游（96.17）＞西北地区（92.96）＞长三角（80.48）＞长江中游（79.51）＞长江上游（77.27）＞东北地区（72.36）＞青藏高原（67.54）＞珠三角（60.97）＞南部沿海（55.16）＞云贵高原（51.22），京津冀 AQI年均值居 12个区域之首，空气质量最差，而南部沿海、云贵高原和青藏高原则是全国空气质量相对优良的区域。各区空气质量呈现出显著的空间分异性，大气污染整体呈现出由沿海到内陆，由南到北，由西到东，由非采暖区到采暖区，由欠发达区到发达区逐渐加重的态势。

图1　2016年全国AQI时间变化规律Fig. 1　Time change rule of AQI in China in 2016

表2　2016年各区域AQI时间规律Table 2　Seasonal variation of AQI at different regions in China in 2016

2.2　污染等级变化特征

根据2012年中国环保部公布的《AQI技术规定》，将 AQI划分为优（0～50）、良（51～100）、轻度污染（101～150）、中度污染（151～200）、重度污染（201～300）和严重污染（301～500）6个等级，分别统计2016年全国和12个区域在各等级中出现的天数及同一等级下各区域出现天数占该等级所有天数的比例。从表3可以看出，全国、南北以及各区域空气质量状况均以优良天气为主，而污染天气则以轻度和中度污染为主，重度和严重污染天气相对较少。如全国优良天数占所有天数的比例最高，为78.54%，其次是轻度和中度污染，所占比例分别为15.12%和3.79%，重度污染和严重污染所占比例最小，仅为2.47%。从区域对比上看，各区域污染天数占所有污染天数的比例由大到小为：黄河中游（21.22%）＞长江中游（15.1%）＞山东半岛（13.83%）＞长三角（12.11%）＞西北地区（10.2%）＞东北地区（7.89%）＞京津冀（7.31%）＞长江上游（6.04%）＞青藏高原（2.12%）＞南部沿海（1.97%）＞珠三角（1.43%）＞云贵高原（0.77%）。而重度和严重污染天气所占比例最高的前5个区域分别是：黄河中游（29.88%）、西北地区（20.17%）、山东半岛（14.85%）、京津冀（13.28%）和长江中游地区（8.33%）。黄河中游、山东半岛、长江中游、京津冀等地不仅是全国人口高集聚区，还是中国沿江沿海重化工产业的重点集聚区，高污染、高能耗产业发展迅速，对空气污染贡献巨大，因此属于全国空气质量最差的地区。

2.3　空间变化特征

对全国361个城市2016年的AQI数据进行插值得到中国城市大气污染的空间分布格局。由图 2可知，以京津冀为首的黄河中下游和新疆西部是2016年全国大气污染最严重、最集中的区域。为进一步探究中国大气污染的空间模式，利用 ArcGIS中的空间自相关工具，根据各城市与其周围相邻城市的空间关系，在 5%显著性水平下，把单个城市与周围城市空气污染的集聚类型划分为以下四类：（1）高-高集聚（HH）：表示该城市与周围相邻城市的大气污染均较严重，相互之间存在正相关关系，用红色表示。（2）低-低集聚（LL）：表示该城市与周围相邻城市的大气状况均较好，相互之间存在正相关关系，用蓝色表示。（3）低-高集聚（LH）：表示该城市大气状况较好，但周围相邻城市的大气污染较重，相互之间存在负相关关系，用黄色表示。（4）不显著（Not significant）：表示该城市的空气质量状况与周围城市无关，用灰色表示。由图3可知，中国空气质量在空间上呈现出明显的区域异质性，多数空气污染较重的城市集聚在一起，污染较轻的城市集聚在一起，其中高-高“热点”集聚区主要分布“高污染、高能耗、高排放”的新疆、京津冀、山东半岛和中原城市，低-低“冷点”集聚区主要分布在气候恶劣、沿海以及工业相对不发达的黑龙江、南部沿海和高海拔地区，低-高“异值”集聚区主要分布在邻近京津冀的内蒙古和山西这2个省份。可以看出，全国空气质量呈现出显著的空间集聚性，大气污染区域一体化态势明显，大气污染治理急需区域间的协同合作、联防联控。

图2　2016年中国主要城市AQI空间分布格局Fig. 2　Spatial distribution pattern of AQI in the main cities of China in 2016

表3　2016年全国及各区域AQI等级天数占比Table 3　The proportions of days with different levels of AQI at national and regional scales in China in 2016

图3　2016年中国AQI局部自相关集聚图Fig. 3　Local autocorrelations of AQI in China in 2016

为量化 2016年各地大气污染的非均衡性，本文利用全局Moran’s I、核密度法和BOX图探讨了不同地区大气污染的地区差异和分布差距（贺冉冉等，2017）。由表 4 可知，（1）长江上游 AQI、PM2.5、PM10的Moran’s I较高，说明该地区大气污染的正相关性主要受 PM2.5、PM10的集聚效应影响。（2）长江中游 AQI、PM2.5、PM10和 NO2存在着明显的正相关关系，而CO、SO2和O3的空间依赖关系不显著。（3）长三角AQI的Moran’s I相对较小，但PM2.5、PM10和 SO2的 Moran’s I相对较高并有着显著的空间依赖关系。（4）珠三角AQI的Moran’s I为 0.527，6种污染物中以 NO2的空间依赖性最大（0.541），而 NO2主要来源于汽车尾气，可见较多的机动车和发达的交通网络是造成该地大气污染的主要原因。（5）南部沿海和黄河中游 AQI的Moran’s I分别为 0.227、0.444，除 O3外，其他 5种污染物具有显著的正相关关系。（6）京津冀AQI的 Moran’s I为 0.253，PM10、SO2的集聚性最大，分别为0.339、0.296。PM10、SO2主要来源于冶金、燃煤等化工过程，说明该地区大气污染主要与人类频繁的社会经济活动相关。（7）东北地区 AQI的Moran’s I为0.577，6种污染物中以SO2的集聚性最强（0.541），说明含硫燃料的大量燃烧对本地空气污染的贡献巨大。（8）山东半岛除 O3外，AQI与其他污染物均存在显著的空间集聚性。（9）西北地区除NO2外，AQI与其余5种污染物的Moran’s I均较高。（10）云贵高原AQI、PM2.5和NO2均表现出强烈的空间依赖性。（11）青藏高原的空间相关性不显著（0.186），而PM10和SO2的空间依赖性较强，分别为0.346和0.331。（12）南北地区的AQI、PM2.5、PM10和 NO2显著正相关。此外，北方地区的大气污染与SO2呈显著正相关（0.307）。

表4　2016年全国各地区大气污染的Moran’s ITable 4　Moran’s I of air pollution in different regions in China in 2016

图4　2016年中国12个区域空气质量数据核密度估计图Fig. 4　Kernel density of AQI at national and regional scales in China in 2016

本文利用核密度图对比分析了不同地区大气污染空间分布的差距（图4）：从分布形态上看，12个地区AQI核密度图呈不同程度的单峰分布；从中心位置上看，云贵高原、南部沿海和珠三角位于最左侧，峰值较高、宽度较小，说明这3个地区AQI普遍较低，大气环境相对优良并且城市内部之间的差异较小。而京津冀、山东半岛和黄河中游的核密度图峰值整体偏右较低、宽度较大，表明这3个地区AQI相对较高，空气质量相对较差且城市之间的大气污染差异较大。根据 BOX图的取值范围和分布形态，将12个区域AQI划分为3种共7个类型（图 5），（1）重度污染区，包括高值主导区（AQI均值以上的城市个数大于AQI均值以下个数）和低值主导区（AQI均值以上的城市个数小于AQI均值以下个数）。其中，京津冀和山东半岛属于重污染高值主导区，表明城市之间空气污染程度的总体差异在不断缩小，大气污染不再局限于个别城市，区域污染一体化的态势在不断推进。这类地区是中国大气污染治理的工作重点和难点，国家及地方政府应加快推进大气污染跨区域联防联控的治理机制。黄河中游属于重污染低值主导区，表明少数污染严重的城市对该区域大气污染的加重和一体化影响显著，治理工作应集中在少数重污染城市并同时开展区域联防联控工作。（2）中度污染区，分为以东北和长江上游为代表的低值主导区、以长三角为代表的高值主导和以西北和长江中游为代表的均衡区（AQI均值以上的城市个数约等于AQI均值以下个数），这几类地区的空气质量处于临界水平，污染治理应根据各自大气污染的形态模式，因地制宜制定预警措施并确定重点整治城市以及时抑制大气污染一体化的恶化趋势。（3）轻度污染区，包括以青藏高原、珠三角为代表的低值主导区和以云贵高原、南部沿海为代表的均衡区。这两类地区的大气污染相对较轻，大气治理应坚持“预防为主，防治结合，不断推进”的原则，使其空气质量持续维持在相对优良的水平并继续改善。

图5　2016年中国12个区域空气质量数据BOX分布图Fig. 5　Box distribution of AQI in different regions in China in 2016

3　城市空气质量的社会经济要素影响分析

3.1　空气质量演化的社会经济驱动力

根据设定好的回归模型，利用2016年中国361个城市AQI和对应的社会经济数据，探究全国及各区域大气污染的社会经济驱动力。解释变量之间不存在线性关系是进行回归分析的前提，因此首先利用SPSS对各变量进行共线性诊断，发现各个变量的容差（Tolerance）均位于 0.733左右，方差膨胀因子（VIF）均小于2，说明变量之间不存在多重共线问题。然后，根据OLS回归模型的LM空间相关性检验结果（表5），发现LM（lag）＞LM（error）且R-LM（lag）＞R-LM（error），说明在1%显著性水平下，SLM比SEM更显著，故SLM是最佳的回归模型。此外，未考虑大气污染在空间上具有依赖性的 OLS拟合精度（R2=0.508），而考虑了空间相关性的SLM拟合精度，R2则显著地提升到0.879。由SLM模型拟合的2016年全国空气质量的社会经济影响结果可知，（1）从显著性上看，人均 GDP和绿地覆盖率对全国空气质量的影响不显著，而第二产业占比、能源消耗、民用汽车拥有量和科技支出占比这4个指标对大气污染的影响均在1%水平上达到显著，四者每提高 1个百分点，全国 AQI分别上升0.135%、0.125%、0.465%和-0.054%。而人口密度通过了10%的显著性水平检验。（2）从正负相关性上看，AQI与人口密度、第二产业占比、能源消耗、民用汽车保有量呈显著的正相关关系，表明人口集聚、工业发展和能源消耗对全国大气污染的恶化趋势具有加重作用。而人均GDP、科技支出占比和绿地覆盖率与AQI呈负相关关系，表明经济发展、科技进步和城市绿化对城市大气污染具有一定程度的抑制作用。

表5　基于OLS模型与SLM模型的2016年全国空气质量的社会经济影响因素回归结果Table 5　Estimation results of the socio-economic factors of AQI of China in 2016

3.2　各地区空气质量社会经济影响的分异特征

中国幅员辽阔，地区差距大，处于不同发展阶段的区域，社会经济要素对其空气质量变化的影响具有差异性，本文利用SLM模型分析2016年不同区域空气质量的社会经济影响差距。利用 SLM 模型进行回归分析时，需具备足够且分布均匀的样本数据，而青藏高原样点较少且分布不均，为保证回归结果的精度，本文未对该地区进行探究，其余11个地区的SLM回归结果如表6所示，（1）长江上游除绿地覆盖率外，其余6个指标均与该地区AQI呈正相关，其中人口密度、第二产业比重以及汽车保有量的正相关性最强，这3个指标每提高1%，该地区AQI分别增长0.134%、0.529%和0.248%。（2）长江中游、西北地区和云贵高原的AQI与科技支出占比和绿地覆盖率呈负相关，与其余指标呈正相关，表明科技进步和城市绿化面积的提高有利于改善大气污染，而人口集聚、经济发展、工业化、能源消耗和汽车增多则加重了大气污染。（3）长三角、珠三角、京津冀和黄河中游AQI与人口密度、第二产业占比、能源消耗、汽车保有量和科技支出占比呈正相关，与人均 GDP和绿地覆盖率呈负相关，表明经济发展和绿化的提高有助于改善大气环境。其中，长三角AQI与能源消耗的正相关性最强（0.226），说明高能耗是引起该地大气污染的首因；珠三角AQI与汽车保有量的正相关性最高（0.343），说明机动车排放是造成该地大气污染的主因；京津冀 AQI与人口密度和科技支出占比的正相关性最显著（0.208和0.18），说明由科技进步引起的人口大量涌入和生产增多是造成该地大气污染的主因。（4）南部沿海AQI与第二产业占比、能源消耗和汽车保有量呈正相关，各指标每提高 1%，AQI分别上升0.094%、0.109%和0.194%；与人口密度、人均GDP、科技支出占比和绿地覆盖率呈负相关，各指标每提高1%，AQI则分别下降0.03%、0.07%、0.014%和0.031%。（5）东北地区AQI与人均GDP在 10%的水平上显著，其每增加 1%，AQI下降0.085%，与人口密度、第二产业占比和能源消耗在1%的水平上呈显著正相关，并以能源消耗的显著性最大（0.275）。（6）山东半岛AQI与能源消耗呈显著正相关，其每增加1%，该地区AQI上升0.249%；与人均 GDP和科技支出占比呈负相关，各指标每增大1%，AQI分别减少0.158%和0.1%。

由不同社会经济发展水平对区域 AQI影响程度可知（图6），（1）绿地覆盖率对11个地区的空气质量均呈负向改善效应，说明增大城市绿化水平有助于改善中国大气污染现状。（2）人口密度、能源消耗、第二产业占比和民用汽车拥有量对各地空气质量基本呈正向加重效应，这表明人口集聚、工业化、能源消耗和机动车的增多对全国大气环境的恶化具有推动作用。（3）科技支出占比对各地空气质量的影响具有双向性，具体表现为：除长江中游、南部沿海、东北地区、山东半岛、西北地区和云贵高原外，科技进步显著加重了其余5个经济相对发达地区的大气污染，并且这种正向加重效应大小排序为京津冀（18）＞珠三角（12.1）＞长三角（8.1）＞黄河中游（4.2）＞长江上游（3.6），这说明在经济发达地区，科技进步在提高资源生产利用效率的同时，导致地区生产活动增多，人口大量涌入，污染排放增大，加剧了大气污染。而对于经济相对不发达的地区，科技进步则有助于生产方式由粗放向资源节约、环境友好的方向发展，能有效改善当地空气质量。（4）人均 GDP对各地空气质量的影响也具有正负双向性，其中，珠三角、南部沿海、京津冀、东北地区和山东半岛的经济发展有助于改善大气环境，并且人均 GDP越大的地区，空气质量改善程度越显著，如京津冀（-21.6）＞山东半岛（-15.8）＞珠三角（-13.4）＞东北地区（-8.5）＞南部沿海（-7）。

图6　2016年中国不同区域空气质量的社会经济影响程度分析图Fig. 6　The influence of socio-economic factors on AQI in different regions in China in 2016

表6　基于SLM模型2016年全国各地区空气质量的社会经济影响因素回归结果Table 6　Estimation results of the socio-economic factors of AQI in different regions of China in 2016

4　结论与讨论

4.1　结论

（1）从时间变化上看，全国及各区域空气质量均呈现出“夏低冬高，春降秋升”的“U”型月变化规律。这种规律与自然和人类活动的季节性变化有关。冬季降水少，温度低，气压稳定，易出现逆温天气，从而不利于污染物的扩散和稀释；同时冬季进入采暖期，燃料消费增大，污染排放增多，加剧了空气污染。春秋两季大风天气居多，易引发沙尘，从而加剧了空气污染。夏季降水增多，湿度增大，城市上空局部性对流旺盛，有利于污染物的沉积、稀释和扩散，有效的改善了空气质量。

（2）从空间变化上看，大气污染表现出由沿海到内陆、由南到北、由西到东、由非采暖区到采暖区，由欠发达到发达区逐渐加重的空间分异性；此外，各区域空气污染的总体程度、分布结构存在显著的非均衡性和集聚性，其中京津冀、山东半岛和黄河中游属于高污染热点集聚区，而南部沿海、青藏和云贵高原属于低污染冷点集聚区。

（3）采用空间经济计量经济学模型探析空气质量的社会经济影响，结果表明：从全国层面上看，人口集聚、工业发展和能源消耗对大气污染的恶化具有加重作用。而经济发展、科技进步和城市绿化水平的提高在一定程度上对大气污染具有良好的抑制作用。从区域层面上看，受各地社会经济发展阶段各异的影响，各社会经济要素对不同区域大气污染的影响程度各不相同。具体表现为：①绿地覆盖率对各地大气污染呈负向改善效应；②人口密度、能源消耗、第二产业占比和民用汽车拥有量对各地空气质量呈不同程度的正向加重效应；③科技支出占比和人均 GDP对各地空气质量的影响具有双向性，具体表现为：在发达地区，科技进步虽提高了资源利用率，但由此造成的地区生产活动和污染排量增多，使得大气污染加剧趋势愈加明显；而在不发达地区，科技进步则有助于生产方式由粗放型向集约型的方向转化，有效改善了地区空气质量。此外，人均 GDP越大的地区，经济发展对大气污染的改善作用越明显。

4.2　讨论

从政策启示上看，空气污染不再局限于单个城市，具有显著的区域集聚性，因此国家及地方政府应采取措施打破行政区域的界限，将治理方式由城市的“单打独斗”转变为区域的“联防联控”，并彻底落实“谁污染谁治理”原则，争取早日啃下大气污染这块“硬骨头”。从企业发展上看，企业排污是造成空气污染的主要“元凶”，因此企业应积极响应大气污染治理政策、主动承担改善大气环境的社会责任，并通过促进产业结构优化升级、加大科技投入和开展绿色创新等方式，为早日建立起资源节约型、环境友好型的可持续发展社会做贡献。从区域治理上看，由于全国各地社会经济发展水平各异，社会经济要素对空气质量的影响呈现显著的地区差异，因此需立足在区域发展现状和资源环境水平上，解析社会经济要素与空气质量的相关性，厘清污染源头，确定整治方向、重点和难点。

参考文献：

ANSELIN L, SYABRI I, KHO Y. 2006. GeoDa: An Introduction to Spatial Data Analysis [J]. Geographical Analysis, 38(1): 5-22.

CHEN Y, SCHLEICHER N, FRICKER M, et al. 2016. Long-term variation of black carbon and PM2.5in Beijing, China with respect to meteorologicalconditionsandgovernmentalmeasures[J].Environmental Pollution, 212: 269-278.

FANG C, LIU H, LI G, et al. 2015. Estimating the Impact of Urbanization on Air Quality in China Using Spatial Regression Models [J].Sustainability, 11(7): 15570-15592.

LI L, CHEN C H, FU J S, et al. 2010. Air quality and emissions in the Yangtze River Delta, China [J]. Environmental Health Perspectives,10(10): 1621-1639.

PATTON A P, PERKINS J, ZAMORE W, et al. 2014. Spatial and temporal differences in traffic-related air pollution in three urban neighborhoods near an interstate highway [J]. Atmospheric Environment, 99: 309-321.

PENG J, CHEN S, LÜ H, et al. 2016. Spatiotemporal patterns of remotely sensed PM2.5, concentration in China from 1999 to 2011 [J]. Remote Sensing of Environment, 174: 109-121.

WANG Z B, FANG C L. 2016. Spatial-temporal characteristics and determinants of PM2.5, in the Bohai Rim Urban Agglomeration [J].Chemosphere, 148: 148-162.

程念亮, 李云婷, 张大伟, 等. 2016. 2014年APEC期间北京市空气质量改善分析[J]. 环境科学, 37(1): 66-73.

贺冉冉, 朱兰保, 周开胜. 2017. 基于时间序列模型残差的中国东部地区空气质量指数(AQI)空间自相关特征分析[J]. 环境科学学报,37(7): 2459-2467.

胡艳兴, 潘竟虎, 王怡睿. 2015. 基于ESDA-GWR的1997—2012年中国省域能源消费碳排放时空演变特征[J]. 环境科学学报, 35(6):1896-1906.

环境生态网. 2007. 生死劫: 中国每年因污染造成损失高达 GDP的10%[EB/OL]. (2007-03-20)[2018-03-08]. http://www.eedu.org.cn/news/envir/epc/200703/12121.html

姜磊. 2016. 空间回归模型选择的反思[J]. 统计与信息论坛, 31(10):10-16.

李会霞, 史兴民. 2016. 西安市PM2.5时空分布特征及气象成因[J]. 生态环境学报, 25(2): 266-271.

李名升, 张建辉, 张殷俊, 等. 2013. 近10年中国大气PM10污染时空格局演变[J]. 地理学报, 68(11): 1504-1512.

李文杰, 张时煌, 高庆先, 等. 2012. 京津石三市空气污染指数(API)的时空分布特征及其与气象要素的关系[J]. 资源科学, 34(8):1392-1400.

李向阳, 丁晓妹, 高宏, 等. 2011. 中国北方典型城市 API特征分析[J].干旱区资源与环境, 25(3): 96-101.

蔺雪芹, 王岱. 2016. 中国城市空气质量时空演化特征及社会经济驱动力[J]. 地理学报, 71(8): 1357-1371.

刘海猛, 石培基, 潘竟虎, 等. 2015. 中国城镇房价收入比时空演变的多尺度分析[J]. 地理科学, 35(10): 1280-1287.

刘华军, 杜广杰. 2016. 中国城市大气污染的空间格局与分布动态演进——基于161个城市AQI及6种分项污染物的实证[J]. 经济地理,36(10): 33-38.

刘满凤, 谢晗进. 2016. 基于空气质量指数AQI的污染集聚空间异质性分析[J]. 经济地理, 36(8): 166-175.

马丽梅, 张晓. 2014. 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, (4): 19-31.

潘竟虎, 张文, 王春娟. 2016. 2011—2013年中国雾霾易发生期间API的分布格局[J]. 环境工程学报, 10(3): 1340-1348.

沈威, 杜巧艳, 李永贺, 等. 2017. 长江经济带新型城镇化时空格局演变及影响因素研究[J]. 华中师范大学学报(自科版), 51(4): 534-541.

孙才志, 李欣. 2015. 基于核密度估计的中国海洋经济发展动态演变[J].经济地理, 35(1): 96-103.

王振波, 方创琳, 许光, 等. 2015. 2014年中国城市PM2.5浓度的时空变化规律[J]. 地理学报, 70(11): 1720-1734.

席鹏辉, 梁若冰. 2015. 油价变动对空气污染的影响: 以机动车使用为传导途径[J]. 中国工业经济, (10): 100-114.

向堃, 宋德勇. 2015. 中国省域 PM2.5污染的空间实证研究[J]. 中国人口·资源与环境, 25(9): 153-159.

肖悦, 田永中, 许文轩, 等. 2017. 近 10年中国空气质量时空分布特征[J]. 生态环境学报, 26(2): 243-252.

新华网. 2017. 十九大开幕会从“新”看报告[EB/OL]. (2017-10-18) [2018-03-08]. http://news.xinhuanet.com/politics.

熊欢欢, 梁龙武, 曾赠, 等. 2017. 中国城市 PM2.5时空分布的动态比较分析[J]. 资源科学, 39(1): 136-146.

徐伟嘉, 何芳芳, 李红霞, 等. 2014. 珠三角区域PM2.5时空变异特征[J].环境科学研究, 27(9): 951-957.

许文轩, 田永中, 肖悦, 等. 2017. 华北地区空气质量空间分布特征及成因研究[J]. 环境科学学报, 37(8): 3085-3096.

杨冕, 王银. 2017. 长江经济带PM2.5时空特征及影响因素研究[J]. 中国人口·资源与环境, 27(1): 91-100.

张殷俊, 陈曦, 谢高地, 等. 2015. 中国细颗粒物 PM2.5污染状况和空间分布[J]. 资源科学, 37(7): 1339-1346.

赵军平, 罗玲, 郑亦佳, 等. 2017. G20峰会期间杭州地区空气质量特征及气象条件分析[J]. 环境科学学报, 37(10): 3885-3893.

邹旭东, 杨洪斌, 张云海, 等. 2015. 1951—2012年沈阳市气象条件变化及其与空气污染的关系分析[J]. 生态环境学报, 24(1): 76-83.