区域大气污染的城市网络关联分析——基于粤港澳大湾区的研究

东童童，邓世成，李轩枫

(1.中共广东省委党校 经济学教研部，广东 广州 510053；2.华东理工大学 商学院，上海 200237)

粤港澳大湾区是我国首个经国家认可的湾区，也是我国开放度最高、经济活力最强的城市群之一。近年来，粤港澳大湾区城市间、产业间协作更加密切，人口与产业集聚程度日益加深。与此同时，日益深化的经济关联也给大湾区发展带来了经济负外部性，最显著且亟待解决的问题之一便是大气污染[1]。污染物排放是规模经济的附产品之一，生产过程中污染源大量集中，造成污染物通过大气环境在区域内各城市间输送[2]。城市之间的动态关联构成了一个以城市为节点的复杂网络，加之大气污染的现实特性，由此导致污染区域内所有城市都无法独善其身，大气污染问题呈现“一荣俱荣，一损俱损”的特征[3,4]。

社会网络分析法是一种针对关系数据的跨学科分析方法，为研究环境污染问题提供了一种新的分析视角和技术工具[5]。目前，国内外学者们运用社会网络分析法对大气污染问题开展了相关的研究。Diks，C.和Panchenko，V.[6]运用非线性Granger因果检验方法识别了我国省际雾霾污染与经济增长之间的非线性传导效应，并在此基础上揭示了其联动网络结构特征；刘华军、刘传明、孙亚男等[7,8]的研究发现，空间网络结构分析可有效揭示环境污染所呈现的复杂的、多线程的空间溢出关系，并且这种关系在区域大气污染中表现为一种动态关联的、稳定性强的多线程复杂网络结构形态。另有学者从其他视角对区域大气污染开展了广泛深入的研究，多数学者主要聚焦在大气污染的影响因素和大气污染治理两个方面。茹少峰、雷振宇[9]认为，导致雾霾天气形成的主要原因是粗放的经济发展方式；邵帅、李欣、曹建华等[10]研究发现，大气污染与经济增长之间存在着显著的“U”形曲线关系，对大气污染防治的前提在于对雾霾污染社会经济根源的准确识别；王立平、陈俊[11]研究发现，产业结构、能源消费结构、人口规模等是对大气污染空间相关性和具有抗干扰性的“稳健性”影响因素。

目前学者们从经济视角对大气污染问题开展了广泛深入的研究，但存在需要改进和进一步研究的领域。一是部分研究采用传统空间计量方法分析大气污染的空间关联问题，由此导致空间关联局限于经济地理学上的“相近”，而区域范围的大气污染存在多线程复杂网络关系，空间计量分析方法无法深入揭示这一重要特性。二是多数学者对大气污染空间关联的研究采用“属性数据”，而这种数据分析方法无法刻画大气污染的整体空间网络关联关系。为弥补上述研究不足，本文将通过引入修正引力模型，确定城市大气污染的关系矩阵与像矩阵进而确定空间关联关系；采用社会网络分析法(SNA)，以城市的关联数据为基础，对大气污染整体空间关联特征和内部结构关系效应进行分析；通过空间关联关系整体指标网络密度、网络等级度、网络关联度，刻画大气污染空间关联网络的整体特征及其变化趋势；通过个体指标点度中心度、中介中心度、接近中心度，刻画单个城市在网络中所处地位与作用；通过大气污染的空间聚类分析与角色划分，刻画关联网络内部结构及其作用关系。

1 研究方法与数据来源

1.1 研究方法

社会网络分析(SNA)是以单个或多个社会行动者之间的关系作为基本量化分析单位，以代数方法、图论工具描述网络关系模式，从而研究空间关系网络的整体特征、个体特征与网络结构的跨学科分析方法，其应用范围已逐渐从社会学向经济学、管理学等领域拓展，成为一种新的研究范式[12,13]。

1.2 网络确定与数据来源

本文将区域经济联系量化分析的引力模型运用到之间粤港澳大湾区11市大气污染的空间联系上，基于典型的公式进行修正，修正后的引力模型为：

(1)

式中，i、j表示粤港澳大湾区11个城市；yij表示城市i和城市j之间大气污染的相互关系；kij表示城市i在城市j之间大气污染联系中的贡献率；Pi、Pj表示城市i、j的年末总人口；Ei、Ej分别表示城市i、j的大气污染物排放量，包括PM2.5、PM10、NO2、SO2等4类污染物；Gi、Gj分别表示城市i、j的实际城市GDP；dij表示城市i与城市j之间的球面距离，gi、gj分别表示城市i、j的人均GDP，用dij与gi-gj之比Dij的平方表示城市之间的“距离”。根据式(1)，得到Y=(yij)11×11的引力矩阵，取矩阵中每一列的平均值作为该列的“列阈值”，然后用该列的各值与“列阈值”比较。若大于阈值，记为1，表示该列的城市与该行的城市在大气污染上具有关联关系;反之记为0，表示不存在关联关系。由此构建出城市间大气污染的空间关联网络矩阵，由于计算的引力矩阵X是非对称的，所以这是一个有向空间关联网络。

本文以粤港澳大湾区11个城市作为网络节点，实证考察了大湾区大气污染的空间关联，样本的时期跨度为2013—2016年，大气污染数据(除PM2.5数据)来源于2014—2017年广东省《环境状况公报》、香港环境保护署、澳门环境保护局空气质量在线分析平台；PM2.5数据来源于巴特尔研究所、哥伦比亚大学国际地球科学信息网络中心。引力模型计算数据来源于相应年份《广东统计年鉴》《香港统计年鉴》和《澳门统计年鉴》，地区之间的地理距离以地区之间的球面距离表示。

2 大气污染空间关联整体网络特征

2.1 整体网络特征及演变趋势

本文基于修正的引力模型确定粤港澳大湾区城际大气污染的空间关联矩阵，并利用UCINET软件绘制空间关联网络图。由于篇幅限制，本文仅报告了2013年和2016年粤港澳大湾区的空间网络结构形态。图1—4分别展示了2013年和2016年粤港澳大湾区城际PM2.5、PM10、SO2和NO2空间网络结构形态。从图中显示的情况可以看出，粤港澳大湾区城际大气染物主要污染物的空间关联均呈现较为典型的网络结构特征，同时发展趋势较为稳定，空间关联性趋于紧密。

图1 2013年、2016年粤港澳大湾区城际PM2.5空间网络结构

图2 2013年、2016年粤港澳大湾区城际PM10空间网络结构

图3 2013年、2016年粤港澳大湾区城际SO2空间网络结构

图4 2013年、2016年粤港澳大湾区城际NO2空间网络结构

2.2 空间关联的网络密度关系

网络密度反映了各城市之间大气污染空间关联网络的紧密程度。网路密度越大，则各城市节点间大气污染的空间关联关系越为紧密。大气污染网络密度的计算公式为：

(2)

2013—2016年粤港澳大湾区大气主要污染物空间关联网络密度趋势见图5。整体来看，各主要污染物空间网络密度均保持在0.45水平以上，城际大气污染存在一定程度上的空间关联性。其中，PM2.5和SO2空间关联网络密度波动幅度较大，增长趋势明显。PM2.5空间关联网络密度从2013年的0.4909上升到2016年的0.6000，SO2空间关联网络密度从2013年的0.5091上升到2016年的0.5273。而PM10和NO2的空间关联网络密度均保持在0.4909水平，趋于稳定，与之对应的网络关联关系数也呈现相同的变化趋势。

图5 2013—2016年粤港澳大湾区大气主要污染物空间关联网络密度趋势

2.3 空间关联的网络关联关系

网络关联度反映了整体大气污染关联网络的稳健性强度。大气的空间网络关联度越高，表明城市之间大气污染存在越强的空间关联关系。整体网络稳健性对城市大气关联关系依赖程度越高，大气污染自身的空间网络稳健性则越弱。大气污染网络关联度的计算公式为：

(3)

2013—2016年，粤港澳大湾区大气主要污染物空间关联网络关联关系数趋势见图6。

图6 2013—2016年粤港澳大湾区大气主要污染物空间关联网络关联关系数趋势

从图6可见，走势与网络密度趋于一致，整体在54上下波动，关联关系数目最大值为66个(2016年PM2.5关系数)与最大可能的空间关联关系数目(110)相差较大。分析表明，粤港澳大湾区大气污染的城际空间关联强度处于合理水平，网络中各城市的联系强度逐渐提高，尤其在PM2.5和SO2污染的空间网络中，各城市空间关联越来越密切。

2.4 空间关联的网络等级度

网络等级度反映大气污染城市之间关联关系的非对称可达性。网络等级越高，表明雾大气污染关联网络中等级结构层次越分明，越多的城市在大气污染关联网络中处于从属地位。在城际大气污染空间网络中，网络效率越低，说明城市间存在更多的连线，溢出渠道多，网络也就更稳定。网络等级刻画了网络中各城市非对称可达性，反映了各城市的支配地位和相互影响程度，计算公式为：

(4)

式中，G为大气污染网络等级度；S为对称可达城市节点对数；max(S)为关联网络中存在大气污染关联城市节点总对数。

2013—2016年，粤港澳大湾区大气主要污染物空间关联网络等级度趋势见图7。

图7 2013—2016年粤港澳大湾区大气主要污染物空间关联网络等级度趋势

整体来看，大湾区大气主要污染物的网络等级度波动趋势明显，处于下降态势。以2015年为节点可分为两个阶段。2015年以前为震荡下滑期，其中NO2下降幅度最大，网络等级度从2013年0.6116下降到2015年的0.3305，降幅达46.0%，PM2.5的网络等级度较为平稳，稳定在0.6154水平；2015年后，PM10与SO2的网络等级度变化趋势一致，均表现为增长趋势，2016年网络等级度分别较2015年增长了10.1%和40.0%，但仍低于2103年的水平，PM2.5与NO2的网络等级度变化趋势一致，均表现为下降趋势，2016年网络等级度分别较2015年降低了45.2%和22.9%。

粤港澳大湾区大气污染空间网络具有稳定性特征，PM2.5和SO2的空间溢出得到有效控制，而PM10和NO2的空间溢出具有长期的稳定性。大湾区城际大气污染存在空间关联性，城际大气污染的相互影响呈现长期的稳定性。大湾区各城市在大气污染的空间网络中的联系增强，尤其在PM2.5与NO2污染空间网络中的联系更为紧密。分析结果表明，区域大气污染的防控机制不再适用，大气防治效果必然受到空间关联效应的制约。同时，细微颗粒污染物引起的大气污染空间效应最为显著，亟需构建以细微颗粒污染物为防治重点的大气污染联防机制。

3 大气污染空间关联中心性分析

3.1 空间关联网络点度中心度分析

点度中心度用来衡量大气污染城市在整体空间关联网络中所处中心地位程度。某个城市大气污染点度中心度越大，表明该城市与其他城市的直接关联关系越多，越处于关联网络的中心地位。点度中心度计算公式为：

(5)

2016年，粤港澳大湾区城际大气主要污染物空间关联网络点度中心度结果见表1。

表1 2016年大湾区大气主要污染物空间关联网络点度中心度

从表1可见，各城市大气主要污染物的点度中心度均值均在70以上。从分项来看，PM2.5的点度中心度均值为87.27，中心度较高的城市包括广州、珠海、佛山、惠州、中山；PM10的点度中心度均值为76.36，中心度较高的城市包括香港、珠海、深圳、惠州、中山；NO2的点度中心度均值为74.55，中心度较高的城市包括珠海、佛山、江门、澳门；SO2的点度中心度均值为80.00，中心度较高的城市包括深圳、佛山、惠州、中山、江门、肇庆。其中，珠海、佛山、惠州、中山4个城市在4类污染物的点度中心度均较高，且在PM2.5指标上的点度中心度最高，均为100，说明这4个城市在大气污染空间关联网络中与其他城市的关系数较多，尤其是以PM2.5污染为代表的空气污染表现最为明显。

从点入度和点出度来看，各城市大气主要污染物的点入和点出度均值均在5—7之间，广州、澳门在PM2.5指标和PM10指标上的点入度大于点出度，在SO2指标上的点出度大于点入度，说明广州和澳门的细微颗粒污染主要受周边城市的影响较大，SO2有害气体污染呈显著的空间溢出效应；深圳在PM2.5指标和PM10指标上的点出度大于点入度，而在SO2指标上的点入度大于点出度，说明深圳的细微颗粒污染呈明显的空间溢出效应，而SO2有害气体污染主要受周边城市的影响较大；珠海在PM10、NO2、SO2等指标上的点出度大于点入度，在PM2.5指标上的点入度大于点出度，说明珠海的PM10、NO2、SO2污染呈明显的空间溢出效应，而PM2.5污染主要受周边城市的影响较大；佛山4类污染物的点出度均在4以上，点入度均在5以上，且点出度均小于点入度，在区域大气污染中属于“净流入”型城市，说明佛山的大气污染主要受周边城市的影响，大气污染的溢出效应不显著；惠州、中山在PM2.5指标和SO2指标上点入度大于点出度，在PM10指标上的点出度大于点入度，说明惠州和中山的PM10污染呈明显的空间溢出效应，而PM2.5、SO2污染主要受周边城市的影响较大；东莞在PM2.5指标和SO2指标上点出度大于点入度，在PM10指标上的点入度大于点出度，说明东莞的PM2.5、SO2污染呈明显的空间溢出效应，而PM10污染主要受周边城市的影响较大；江门、肇庆在PM10指标和SO2指标上点入度大于点出度，而在PM2.5指标上的点出度大于点入度，说明江门和肇庆的PM2.5污染呈明显的空间溢出效应，而PM10、SO2污染主要受周边城市的影响较大；香港在PM10指标和SO2指标上点出度大于点入度，而在PM2.5指标上的点入度大于点出度，说明香港的PM10、SO2污染呈明显的空间溢出效应，而PM2.5污染主要受周边城市的影响较大。

综上，粤港澳大湾区中珠海、佛山、惠州、中山在城际大气污染空间关联网络中处于中心地位，大气污染与其他城市存在较显著的空间关联。PM2.5污染溢出城市分别是深圳、东莞、江门、肇庆，PM10污染溢出城市分别是深圳、珠海、惠州、中山、香港，NO2污染溢出城市分别是珠海、澳门，SO2污染溢出城市分别是广州、珠海、东莞、香港、澳门。

3.2 空间关联网络中介中心度分析

中介中心度刻画了某个城市在关联网络中与所处其他城市之间大气污染关联的“中介”角色大小。若中介中心度越大，则该城市对其他城市大气污染关联的控制能力也越大。中介中心度计算公式为：

(6)

式中，CABi为大气污染城市的绝对中介中心度；CRBi为大气污染城市相对中介中心度；gjk(i)为城市i经过城市j与城市k的捷径条数；gjk为城市j与城市k之间的总捷径条数。

2016年粤港澳大湾区城际大气主要污染物空间关联网络中介中心度结果见表2。

表2 2016年大湾区大气污染主要污染物空间关联网络中介中心度

从表2可见，各个城市大气主要污染物的中介中心度均值均在1.40以上。分项来看， PM2.5的中介中心度均值为1.41，中心度较高的城市分别是广州、珠海、佛山、惠州、中山；PM10的中介中心度均值为2.63，中心度较高的城市分别是深圳、肇庆；NO2的中介中心度均值为2.83，中心度较高的城市分别是江门、肇庆、香港、澳门；SO2的中介中心度均值为2.22，中心度较高的城市分别是东莞、中山。说明在PM2.5污染空间关联网络中，广州、珠海、佛山、惠州、中山等城市处于核心地位并发挥着“中介”和“桥梁”作用；在PM10污染空间关联网络中，深圳和肇庆处于核心地位并发挥着“中介”作用；在NO2污染空间关联网络中，江门、肇庆、香港、澳门等城市处于核心地位并发挥着“中介”作用；在SO2污染空间关联网络中，东莞和中山处于核心地位并发挥着“中介”作用。

3.3 空间关联网络接近中心度分析

接近中心度度量某个城市多大程度上接近于其他城市产生关联关系，接近中心度越高，表明该城市与其他城市产生关联的距离非常短，与其他城市存在越多的直接短距离联系，该城市越处于网络的中心行动者地位。接近中心度计算公式为：

(7)

2016年粤港澳大湾区城际大气主要污染物空间关联网络接近中心度结果见表3。

表3 2016年大湾区大气主要污染物空间关联网络接近中心度

从表3可见，各城市大气主要污染物的接近中心度均值均在80以上。从分项来看，PM2.5的接近中心度均值为89.96，中心度较高的城市分别是广州、珠海、佛山、惠州、中山；PM10的接近中心度均值为81.21，中心度较高的城市分别是佛山、惠州；NO2的接近中心度均值为80.51，中心度较高的城市分别是惠州、东莞、肇庆、香港；SO2的接近中心度均值为84.05，中心度较高的城市分别是广州、深圳、惠州、东莞、江门、澳门。其中，惠州在4类污染物的接近中心度均较高，均在90以上，明显高于其他城市。说明惠州在粤港澳大湾区城际大气污染空间关联网络中扮演着“中心行动者”角色，即在大气污染空间关联网络中能快速与其他城市相关联，对大气污染的传导速度较快。

4 结论与政策启示

4.1 结论

本文选取2013—2016年粤港澳大湾区11市大气主要污染物数据，基于网络结构视角，采用修正的引力模型构建地区间大气污染的空间关联矩阵，并采用社会网络分析法(SNA)对大湾区大气污染的空间关联性进行了实证研究。结论如下：①大湾区城际大气主要污染物的空间关联呈较典型的网络结构特征，城际大气污染存在明显的空间关联和空间溢出，尤其在PM2.5和SO2污染的空间网络中，各城市空间联系越来越密切。②大湾区大气污染空间网络具有稳定性特征，PM2.5和SO2的空间溢出得到有效控制，而PM10和NO2的空间溢出具有长期稳定性。③大湾区中珠海、佛山、惠州、中山在城际大气污染空间关联网络中处于中心地位，其大气污染与其他城市存在较为显著的空间关联。④大湾区各城市网络中心度差异明显，各城市在大气污染空间网络中存在明显的非均衡地位，惠州在大气污染空间关联网络中主要扮演着中心行动者的角色。

4.2 政策启示

首先，构建粤港澳大湾区大气污染联防联控体系，形成跨区域治污合力。研究表明，粤港澳大湾区城际大气污染存在动态关联关系且趋于密切，区域内单个城市的空气质量在大气污染空间网络关联下均不能独善其身，联防联控是区域大气污染治理的必由之路，能有效破解“以邻为壑”的治理困境。广东已建立珠三角区域大气污染防治联席会议机制，初步建立广佛肇、深莞惠、珠中江3个经济圈联防联控工作机制。在此基础之上，要进一步依托粤港合作联席会议制度，建立起粤港澳大珠三角联防联控工作机制，将环保合作由粤港、粤澳、港澳双边合作推进到粤港澳三边合作。

其次，制定并推行城市差异化的大气污染防治政策，实行大气污染空间分类治理。研究表明，粤港澳大湾区各城市在大气污染空间网络结构中的中心地位不尽相同，大气污染的空间溢出效应在城市间存在显著差异。区域大气污染的防治政策制定应充分认识各城市在大气污染网络中的关联效应，因地制宜地制定城市大气污染防治政策，实行大气污染空间分类管理，降低防治成本，提高防治效率。对于在城际大气污染空间关联网络中处于中心地位的珠海、佛山、惠州、中山等城市，应加快产业结构调整升级进程，大力开发清洁能源，引导发展新兴产业，提高对高污染、高能耗产业的准入门槛，淘汰升级落后产能，转变经济发展方式，实现绿色发展。

第三，协调推进经济发展与环境保护，实现大气污染的源头治理。研究表明，粤港澳大湾区4类大气主要污染物均呈现明显的空间关联和空间溢出，其中PM2.5和SO2的空间溢出有所缓解，而PM10和NO2的空间溢出具有长期稳定性。治理大气污染最根本的途径仍是转变生产和生活方式，调整产业和能源结构，从源头上减少和控制大气污染物的产生。一方面，优化升级产业结构，合理调整产业布局，促进新兴产业发展，引导形成合理的产业布局；另一方面，优化能源消费结构，大力开发风电、核电、气电等清洁能源，逐步减少煤炭消费量，降低煤炭消费比重，从根本上治理大气污染。