西部地区大气污染与产业结构动态关系的研究

陈泫羽，赵欣宜，杜 蕾，张惠谦，李汭琳

（南京信息工程大学 数学与统计学院，江苏 南京 210044）

近些年，西部大开发、“一带一路”等重大政策的提出和落地，推助西部地区形成大保护、大开放、高质量发展的新格局，在经济高速发展及产业转型的过程中，基础原材料产业规模持续扩张，产生大量需求，带来一定的环境压力。可持续发展需要人口、资源、环境相协调，因此探讨大气污染物排放与产业结构之间动态关系具有重要的价值。

国内外学者针对产业结构与空气质量间的相互影响机制开展了广泛的研究。BHANARKAR等[1]通过数据收集和模拟实验评估预测了工业排放对大气污染物浓度的影响。COLE等[2]收集了1990-1998年期间英国制造业特定污染物排放的数据，根据排放强度的不同作用构建模型得出了制造业与空气污染之间的关系。嵇正龙等[3]通过考察环境规制的污染集聚空间效应，得出环境规制和产业转移的交互作用可以有效减缓当地的污染集聚。金凤君等[4]通过构建面板向量自回归模型（PVAR），结合脉冲响应分析和方差分解及动态系统GMM模型，探究高耗能产品的生产和区域PM2.5污染的动态关联效应。这些研究都指出在发展过程中，工业化、产业结构调整、产业转移、资源消耗都是影响大气废气物排放的重要因素。

为实现国家发展绿色产业的目标，促进产业结构与资源环境效应的协调发展，保障西部地区经济发展与生态环境的互利共生已经变得十分重要。目前学界关于西部地区大气污染排放和产业结构关系的具体情况进行研究的相关文献较少，也缺少动态的分析和评估。首先本文利用西部地区32个代表城市的2010-2019年的面板数据，根据空气质量综合指标进行聚类。其次利用灰色模型预测环境污染综合指数。最终以各产业生产总值及增加值为代表数据，研究大气污染与产业结构的动态关系。

1 研究方法和数据来源

本文主要运用向量自回归VAR模型研究西部地区产业结构变化对大气污染的动态变化影响，其本质是利用所有当期变量对滞后变量进行回归p阶模型。

其中：xt是时间序列向量；ϕi是常数项i=0，1，…，p；εt，t=1，2，…是独立同分布的随机向量且均值为0，方差为。该模型构建步骤如下：首先通过单位根检验判断向量的稳定性，其次通过格兰杰因果关系检验产业结构的变化是否对大气污染起到显著性影响，然后通过脉冲响应分析西部地区产业结构变化对大气污染的影响特征，最后通过灰色模型来预测未来各产业产值在西部地区水平较高的宁夏回族自治区未来的污染状况。

本文使用的甘肃、青海、宁夏、西藏等四省份共计32个城市2010-2019年各产业产值和大气污染相关数据分别来自于《甘肃省统计年鉴》《青海省统计年鉴》《宁夏回族自治区统计年鉴》《西藏自治区统计年鉴》（2010-2020年）。西部地区大气污染数据根据阿里云数据网站（数据集-阿里云天池aliyun.com）下载。根据中华人民共和国生态环境部1997年实施的GB 16297—1996《大气污染物综合排放标准》，本文选取大气污染物的相关指标有综合指标（AQI），细颗粒物（PM2.5），可吸入颗粒物（PM10）、二氧化硫（SO2）、二氧化氮（NO2）、一氧化碳（CO）、臭氧（O3）来研究各个城市不同污染物排放量随时间变化情况。

2 西部地区大气污染动态变化的研究

考虑到选取的西部32个城市过多，需要对其进行筛选，选择部分城市进行污染分析。我们根据不同城市间的气象差异性和空间差异性对城市进行选择，以确保可以概括分析出不同的污染物对于西部城市空气质量的影响。

我们采用聚类法将西部地区城市类型分为低污染城市、中污染城市、高污染城市，并根据聚类结果（图1），分别从这三种类型的城市随机抽取一个城市对其分析，分别是石嘴山、银川、兰州，这满足了气象与空间上的差异性。

图1 32个城市污染物聚类结果

下面对石嘴山、银川、兰州大气污染情况进行分析。如图2-图4所示。

图2 2014-2018年石嘴山大气污染趋势

图4 2014-2018年兰州大气污染趋势

GB 3095-2012《环境空气质量标准》规定，空气质量指数（下文简称AQI）数值在0~50时，空气质量为优；数值在51~100时，空气质量为良；数值在101~150时，空气质量为轻度污染。由图2-图4可知，2014-2018年石嘴山、银川和兰州的年均AQI都在51~100区间，三市均属于空气质量良好城市，并且随时间都呈下降态势。

由图2可知，2014-2018年间石嘴山主要污染物中PM10浓度呈下降态势，O3浓度呈增长态势，具体为：PM10浓度从119μg/m3下降至77μg/m3，降幅为35%；O3浓度从64μg/m3增长至129μg/m3，增幅为100%。而从变化速度看，PM10浓度在2014-2017年处于缓慢下降阶段，2017-2018年开始加速下降；2014-2015年O3浓度处于缓慢增长阶段，2015-2016年加速上升，2016-2018年处于波动上升阶段。

由图3可知，2014-2018年间银川主要污染物中PM10浓度呈增长态势，PM2.5浓度呈下降态势，具体为：PM10浓度从49μg/m3增长至77μg/m3，增幅为57%；PM2.5浓度从85μg/m3下降至34μg/m3，降幅为60%。而从变化速度看，PM10浓度在2014-2016年处于快速上升阶段，2016-2018年处于波动下降阶段；2014-2015年PM2.5浓度处于快速下降阶段，2015-2018年处于波动下降阶段。

图3 2014-2018年银川大气污染趋势

由图4可知，2014-2018年间兰州主要污染物中PM10浓度和PM2.5浓度均呈下降态势，具体为：PM10浓度从117μg/m3下降至87μg/m3，降幅26%；PM2.5浓度从57μg/m3下降至39μg/m3，降幅32%。而从变化速度看，PM10浓度在2014-2017年处于缓慢上升阶段，2017-2018年开始加速下降；2014-2017年PM2.5浓度处于波动下降阶段，2017-2018年处于加速下降阶段。

3 西部地区产业结构动态变化研究

3.1 时间变化特征

为了描述三种产业在西部地区的变化趋势，选取西部地区新疆、甘肃、宁夏和青海四省份中32个城市，对西部地区的产业结构进行动态趋势分析。选取四省份2010-2019年的第一、第二、第三产业增加值，以年度为单位将其划分为9个时间段。首先，本文将新疆、甘肃、宁夏和青海2011-2019年第一、第二和第三产业增加值作为研究对象。绘制时间变化趋势图，得到西部地区四省份三次产业内部结构的动态趋势分析结果。

首先绘制出2011-2019年新疆三次产业的增加额时间趋势图，横坐标表示年份，纵坐标表示产业增加值，如图5所示。

图5 2011-2019年新疆产业增值变化趋势

由图5可知，2011-2019年间，新疆各产业总体呈上升趋势。其中，第一产业增加值的变化趋势较为平稳，总体变化幅度较小；第三产业增加值年变化率呈明显的变化状态，从2011-2015年，其年变化率较小，但在2015-2019年，年变化率明显提升，可见新疆逐渐朝向第三产业转型，而第二产业增加值的变化趋势较为复杂，呈“增-减-增”趋势。

如图6所示，2011-2019年间，甘肃三次产业总体呈上升趋势。其中，第一产业增加值的变化趋势较为平稳，总体变化幅度较小；第三产业增加值年变化率呈明显的变化状态；第二产业从2011年到2014年，其年变化率较小，但在2014-2017年有明显下降趋势，可见甘肃也逐渐朝向第三产业转型。

图6 2011-2019年甘肃产业增值变化趋势

由图7和图8可知，2011-2019年间，宁夏第二、三产业增加值上升较明显，但第一产业增加值几乎不变，宁夏的第二、三产业逐渐发展成主导产业；和宁夏一样，青海第二、三产业增加值上升较明显，但第一产业增加值几乎不变，但是青海第二、三产业增加值整体水平是低于宁夏的。

图7 2011-2019年宁夏产业增值变化趋势

图8 2011-2019年青海产业增值变化趋势

3.2 区位熵指数分析

本文重点研究了2019年新疆、青海、西藏、甘肃四省份32个城市的区位熵指数，运用区位熵指数对32座城市的三次产业集聚水平和专业化程度进行分析。

根据2019年西部地区32个城市的第一、第二、第三产业增加值和地区生产总值，计算出2019年西部地区32个城市三次产业的区位熵，即各年西部地区32个城市的第一、第二和第三产业占比，与各年全国范围内第一、第二和第三产业占比的比值。区位熵公式为：

其中，1-32分别对应玉树、喀什、黄南、定西、昌吉、固原、海南、陇南、阿克苏、武威、甘南、伊犁、临夏、天水、果洛、海东、中卫、吴忠、海北、哈密、吐鲁番、酒泉、白银、金昌、西宁、兰州、海西、银川、石嘴山、嘉峪关、乌鲁木齐、克拉玛依。qij（s）是s年j地区第i产业的增加值，qj（s）是s年j地区所有产业的产值，pi（s）为s年我国第i产业的增加值，p（s）为s年我国所有产业的增加值。

根据上面的公式可以计算出，2019年白银第一产业的区位熵为：

2019年白银第二产业的区位熵为：

2019年白银第三产业的区位熵为：

依此类推，得出其余年份各城市产业区位熵，结果见表1。

表1 2019年西部地区32个城市产业的区位熵指数

整体上，从表1看出，2019年四省份各市的产业区位熵指数可以得出，西部地区的城市发展多以第一产业为主并且发展水平较高。宁夏和青海约有75%的城市的第一产业区位熵指数大于1，说明其第一产业的专业化程度高于西部地区整体水平。其中玉树州的区位熵指数为8.109远远超过其余城市，说明该州第一产业在整体西部地区内具有明显优势。宁夏各市的区位熵指数在1附近稳定浮动，说明它们的第一产业专业化水平高且较为均衡。

不仅如此，个别城市如海北市、武威市等也具有较高的区域熵指数。宁夏有约80%的城市第二产业的区位熵指数大于1，新疆也有多个城市上榜。说明它们的第二产业在西部地区占有一定优势。排名前三的城市是青海的海西州，新疆的克拉玛依，甘肃的金昌。但事实上，青海仅有海西州排名第一，其他城市排名相对落后，所以青海第二产业并不具有特别优势。

第三产业中，甘肃约有65%的城市的区位熵指数大于1，说明甘肃第三产业的集聚水平和专业化程度较高，第三产业的优势明显。而宁夏和青海仅有一座代表城市的区位熵指数大于1，在西部地区的第三产业竞争水平中处于不利地位。排名前三的城市是新疆的乌鲁木齐，甘肃的临夏州与甘南州，它们的区位熵指数相差不大。综上可以看出，由于气候、地形、发展等多重因素影响，本次调查的四省份32个城市经济发展很不平衡，城市之间经济发展差距较大。

4 西部地区大气污染与产业结构变化之间的动态关系

4.1 VAR模型单位根（ADF）检验

4.1.1 指标选取

基于2011-2020年的《中国统计年鉴》的相关数据，以第二产业与第三产业的比值衡量产业结构变化程度。本项目建立以3个空气质量指标（二氧化硫排放量、氮氧化物排放量、烟尘排放量）与产业结构变化率指标组成VAR模型，对西部地区大气污染与产业结构变化间的动态关系进行实证研究。表2为所选研究指标。

表2 变量符号表

4.1.2 结果分析

为确定序列性质，采用ADF检验法[5]对SDE，NOC，SAD和OIS及其一阶差分序列DSDE，DNOC，DSAD和DOIS，二 阶 差 分 序 列DDSDE，DDNOC，DDSAD和DDOIS进行平稳性检验，检验结果见表3-表6。

表3 甘肃ADF显著性检验结果

表6 新疆ADF显著性检验结果

4.2 确定滞后阶数检验

在上述ADF检验后，建立以产业结构变化率、二氧化硫排放量、氮氧化物排放量、烟尘排放量为因变量，这些变量的滞后值为自变量的VAR模型。在建立起VAR模型之前，需要确定最优滞后因素，利用LogL、LR、FRE、AIC、SC和HQ标准来确定模型最优滞后。结果见表7和表8。

表7 VAR模型的最优滞后期结果1

表8 VAR模型的最优滞后期结果2

表4 青海ADF显著性检验结果

表5 宁夏ADF显著性检验结果

4.3 确定滞后阶数检验

下面根据建立的VAR（2）模型，求出特征多项式结果图。如图9-图12所示。

图9 甘肃AR特征多项式逆根

图12 新疆AR特征多项式逆根

根据结果分析，特征多项式根的倒数全部都小于1且在单位圆内，说明VAR（2）模型稳定可行。

综上，利用VAR模型的广义脉冲响应函数解析产业结构变化与大气污染排放的动态冲击响应。

4.4 大气污染物与OIS的动态关系结果分析

根据Eviews软件，图13、图14为各个污染物对产业结构变化率的脉冲响应。

由图13和图14可知SDE与OIS的动态关系。当给SDE一个单位的冲击时，OIS急速下滑，随后虽有回升但一直保持在负值。当给OIS一个单位的冲击时，SDE缓缓下滑到负值，随后在负值、正值与0之间进行微小的波动，总的来看，烟尘的排放对产业结构变化有一定约束作用。

图13 OIS对SDE的脉冲响应

图14 SDE对OIS的脉冲响应

根据图15和图16可知，NOC与OIS的动态关系。给予NOC单位冲击时，OIS整体保持在负值，在零的附近缓慢变化。当给予OIS一个单位的冲击时，NOC的当期反应值为负，到第四期急速下降至0，而后再次爬上峰值，然后在第六期再次下滑至0，随后在0附近来回波动，时而正时而负。总体来看，NOC对OIS呈正向影响，说明氮氧化物的排放对产业结构有一定作用。

图10 青海AR特征多项式逆根

图11 宁夏AR特征多项式逆根

图15 OIS对NOC的脉冲响应

图16 OIS对NOC的脉冲响应

由图17和图18可知，SAD与OIS的动态关系。当给SAD一个单位的冲击时，OIS急速下滑，随后虽有回升但一直保持在负值。当给OIS一个单位的冲击时，SAD缓缓下滑到负值，随后在负值、正值与0之间进行微小的波动，总的来看，烟尘的排放对产业结构变化有一定约束作用。

图17 NOC对SAD的脉冲响应

图18 SAD对NOC的脉冲响应

4.5 方差分解结果

大气污染与产业结构变化的预测方差分解结果见表9。

表9 大气污染与产业结构变化的预测方差分解平均值

可以看出，NOC对产业结构指标的贡献度不高，小于10%。对氮氧化物排放量的平均贡献度为24.544%。SDE对产业结构变化的平均贡献度最高，为78.092%。SAD对产业结构变化的平均贡献度仅为0.089%，结合脉冲响应分析结果说明，西部地区大气污染状况对产业结构变化的负向抑制作用较大，促使产业结构变化的作用较小。整个方差分析结果与脉冲响应函数分析结果基本吻合。

5 空气质量灰色预测

根据区位熵指数分析，宁夏的第一、二产业在西部地区相对优势较高，所以本文以宁夏为代表预测未来4年的6种污染物空气质量指数（AQI）。并且分别以宁夏2013-2019年6种污染物PM2.5，PM10，SO2，NO2，CO，O3的AQI作为预测数据，得到预测结果见表10、表11。

表10 预测结果1

表11 预测结果2

表10和表11中，将精度e与后验差比值作比较，判断精度等级，当精度e＜0.35，显示系统预测精度好，当0.35≤e＜0.5系统预测精度合格，当0.5≤e＜0.65系统预测精度勉强，当e≥0.65系统预测精度不合格。

结果显示，拟合效果不合格，说明其预测结果可信度低，则重点参考其他污染物的AQI作为环境预测结果。由结果可知在未来4年，宁夏地区的主要污染物为臭氧，说明主要的污染原因是关于臭氧设备生产的企业对臭氧排放浓度没有加以重视和采取措施控制。

6 结束语

本文根据2010-2019年西部地区产业结构和大气环境污染数据，首先分别对西部地区三种污染程度不同的城市进行大气污染状况分析，其次对西部地区的城市产业进行区位熵指数分析，最后运用VAR模型对西部地区产业结构变化与大气污染之间变化进行动态分析，得到如下结论。

（1）西部地区作为我国重要的农业经济区域，第一产业从业人数众多，且随着工业化进程，第一产业专业化水平得到一定程度的提升，产值保持整体稳定向上发展，但整体来看进展缓慢。同时，在此过程中，第二产业的持续发展潜力得到发掘，整体不断向上攀升，产业总值比第一产业增长速度快。西部大开发等战略的实施，让第三产业逐渐占据主导地位，产业总值增长速度也遥遥领先。

（2）从整体上看，产业结构变化与西部地区整体的大气污染状况存在一定的协整关系。在产业结构调整的初期，各省尝试转型为以第三产业为主导的产业结构，而第三产业多集中于餐饮业、旅游业等低效益、多排放的行业，大气污染状况逐年上升。随着产业结构进一步升级，各产业内部结构趋于合理化，西部地区整体大气污染状况开始下降，特别是硫化物和颗粒污染物下降最为明显。

（3）西部地区大气污染状况对产业结构变化的负向抑制作用较大，促使产业结构变化的作用较小。

（4）产业结构变化对大气环境质量改善的总体贡献较大，对大气污染排放的抑制作用明显。尤其是对减少烟尘排放和硫化物排放。

建议：政府应该对宁夏地区关于臭氧设备生产的企业给予臭氧排放浓度高度重视，逐步淘汰高污染、高排放的落后设备。减少企业挥发性有机物的排放、餐饮企业油烟污染排放以及机动车尾气排放等方面，支持绿色高附加值产业的发展，推动甘肃省的产业结构向第三产业转型。对于道路移动源、非道路移动源、电力供热行业较多的银川市，应该推动绿色能源的利用，减少化石燃料固定燃烧源和移动源使用。