Ecological Indicators 82 (2017) 61–75
Contents lists available at ScienceDirect
Ecological Indicators
journal homepage: www.elsevier.com/locate/ecolind
Identifying the spatial effects and driving factors of urban PM2.5 pollution in China
Zhonghua Cheng⁎, Lianshui Li, Jun Liu
China Institute of Manufacturing Development, Nanjing University of Information Science amp; Technology, Nanjing 210044, China
A R T I C L E I N F O
Keywords:
PM2.5
Smog
Air pollution policy Spatial spillover effect Driving factors
Dynamic spatial panel model
A B S T R A C T
Exploring exactly where air pollution comes from, and identifying the key factors that influence it, can provide a scientific basis for the rational formulation and effective implementation of air pollution policies in China. Based on the data from 2001 to 2012 covering PM2.5 concentrations in 285 Chinese cities, we use dynamic spatial panel models to empirically analyze the key driving factors of this air pollution. Results show that Chinarsquo;s urban smog demonstrates both obvious global spatial autocorrelation and local spatial agglomeration. There is a significant inverted “U-shaped” curve between economic development level and air pollution, and most cities are in the phase in which pollution is increasing in conjunction with improvements to the economy. Due to a rapid increase in population in built up areas, a high-proportion of secondary industry, a coal-dominated energy structure and increasing traffic intensity, Chinarsquo;s smog problem is becoming more and more serious. FDI probably will not play a future role in mitigating the air pollution. Central heating in winter in northern China further aggravates local smog to a certain extent. Because Chinarsquo;s haze pollution presents path-dependent characteristics and spatial spillover effects in the time dimension and in the space dimension respectively, so smog alleviation policies should be implemented based both on the strategies of maximizing effort and regional joint prevention and control.
- Introduction
With the gradual development of Chinarsquo;s industrialization and ur- banization, the smog problem has become increasingly prominent, with smog becoming ever more frequent, exhibiting wider ranges of influ- ence and showing higher and higher concentrations. The 2015 China Environmental Status Bulletin1 showed that of the 338 cities in the country, only 73 cities attained the 2015 second-class ambient air quality standard, accounting for 21.6%. 265 cities, or 78.4% of the total, exceeded the second-class ambient air quality standard. Analysis showed that days reaching a hazardous level are mostly characterized by primary pollutants of fine particulate matter (PM2.5), ozone (O3) and particulate matter (PM10), with ratios of 66.8%, 16.9% and 15.0% re- spectively.
With this in mind, it has become urgent to ensure Chinarsquo;s en- vironmental future by effectively controlling air pollution through a combination of diligent scientific research and the reasonable applica- tion of policy. To this end, the Chinese government issued the 2013 Air Pollution Prevention and Control Action Plan,2 which required that the average urban PM10 concentration for the nation decline by at least
10% by 2017 relative to 2012 levels and that the PM2.5 concentrations for the Beijing-Tianjin-Hebei region, the Yangtze River delta and the Pearl River delta decrease by 25%, 20% and 15% respectively. Fol- lowing this, many local governments have issued their own air pollu- tion prevention and control action plans, highlighting the determina- tion of both the Chinese government and local governments to control air pollution.
Although, to some extent, meteorological factors can lead to air pollution, in China there are important factors encountered in the process of economic and social development that result in heavy haze; these include, amongst others, extensive development, imbalanced in- dustrial structures, coal-dominated energy structures, low energy effi- ciency and inefficient environmental governance. Since there are many, complex social and economic factors that lead to haze pollution, a scientifically-based, rational formulation on which to draft smog-gov- erning policies is a must. This can only be made by studying the in- fluence of the various factors contributing to air pollution and accu- rately identifying those key ones. With a large amount of statistical data available, many scholars have studied the air pollution problem from the perspective of environment, meteorology and ecology. Most studies
⁎ Corresponding author.
E-mail address: chengzhonghua0106@163.com (Z. Cheng).
1 The source of its website is http://www.zhb.gov.cn/hjzl/zghjzkgb/lnzghjzkgb/.
2 The source of its website is http://www.gov.cn/zwgk/2013-09/12/content_2486773.htm.
http://dx.doi.org/10.1016/j.ecolind.2017.06.043
Received 12 January 2017; Received in revised form 19 June 2017; Accepted 20 June 2017
1470-160X/ copy; 2017 Elsevier Ltd. All rights reserved.
have focused on the composition of PM 2.5, the analysis of sources, the hazards, the pathogenesis and other issues, but there are few
剩余内容已隐藏，支付完成后下载完整资料
中国城市PM2.5污染的空间效应和驱动因素的研究
摘要：探索空气污染的确切来源以及确定影响空气污染的关键因素，可以为合理制定和有效实施中国的空气污染政策提供科学依据。基于2001〜2012年285个城市PM2.5浓度数据，采用动态空间面板模型对大气污染的主要驱动因素进行实证分析。结果表明，中国城市烟雾既表现出明显的全球空间自相关，又表现出局地空间聚集性。经济发展水平与空气污染之间存在显着的倒U型曲线，大多数城市处于污染日益加剧和经济改善的阶段。由于建成区人口快速增长，二次产业比重高，能源结构以煤为主，交通运输强度不断加大，中国烟雾问题日益严峻。外国直接投资可能不会在减轻空气污染方面发挥未来作用。中国北方冬季的集中供暖在一定程度上进一步加剧了当地的烟雾。由于中国烟霾污染在时间维度和空间维度上分别表现出路径依赖特征和空间溢出效应，因此应该在最大化效益和区域联合防控策略的基础上实施烟雾减缓政策。
关键词：PM2.5，空气污染政策，空间溢出效应，驱动因素，动态空间面板模型
一、引言
随着中国工业化和城镇化的逐步发展，烟雾问题日益突出，烟雾越来越频繁，气候变化范围越来越大，浓度越来越高。 2015年中国环境状况公报1显示，在全国338个城市中，只有73个城市达到2015年二级环境空气质量标准，占21.6％。占全国265个城市的78.4％，超过二类环境空气质量标准。分析表明，达到危险级别的天数主要以微粒物质（PM2.5），臭氧（O3）和颗粒物质（PM10）为主的污染物为特征，分别为66.8％，16.9％和15.0％。
考虑到这一点，通过勤勉的科学研究和合理的政策应用相结合，有效控制空气污染，确保中国的环境未来，已经成为当务之急。为此，中国政府颁布了“2013年大气污染防治行动计划”2，要求到2017年，城市平均城市PM10浓度至少比2012年下降10％，而北京的PM2.5浓度 - 天津 - 河北地区，长江三角洲和珠江三角洲分别减少25％，20％和15％。鉴于此，许多地方政府已经出台了自己的空气污染防治行动计划，突出了中国政府和地方政府控制空气污染的决心。
尽管在一定程度上气象因素可能导致空气污染，但在中国，经济社会发展过程中遇到重要因素，导致大量烟雾;其中包括广泛的发展，不平衡的工业结构，以煤为主的能源结构，低能效和低效的环境治理。由于导致烟雾污染的社会和经济因素很多，复杂的社会和经济因素，制定烟雾治理政策的科学基础，合理的表述是必须的。这只能通过研究造成空气污染的各种因素的影响并准确地识别这些关键因素来实现。随着大量统计数据的出现，许多学者从环境，气象，生态的角度研究了空气污染问题。大多数研究集中在PM2.5的成分，来源，危害，发病机理等问题的分析上，但从经济角度分析大气污染的形成和治理机制的系统研究很少。
在本文中，我们旨在总结中国城市烟雾的空间特征，探索频繁雾霾的经济根源，并确定控制空气污染所需的关键因素，以提供必要的事实支持和决策。合理制定和有效实施中国烟雾减排政策的基础。论文结构如下：第二部分是文献综述;第三部分概述了模型，变量描述和数据来源;第四部分是空气污染的空间分布和空间相关性分析;第五部分是对实证结果的模型认知和分析;最后一部分是结论。
二、文献综述
关于造成PM2.5的因素有大量文献。根据所采用的研究方法，文献可以大致分为两类：多变量受体模型和经济学分析模型。多变量受体模型从化学，物理学和气象学的角度分解PM2.5，然后确定组分及其来源。该方法主要包括正矩阵分解（PMF）（Liu等，2016a，b; Yang等，2016; Zikova等，2016; Milando等，2016），化学质量平衡（CMB） （主要成分分析（PCA）（Malandrino等，2012; Ogundele等，2016）（Villalobos等，2015; Hamad等，2016; Liu等，2016a， 2016; Feng et al。，2016）和具有扩展的综合空气质量模型（C-AMx）（Pirovano等，2015; Li等，2015）。在这些方法中，PMF具有优势，因为它可以在事先不知道来源的情况下最有效地解决主要的正向因素（Choi et al。，2013）。此外，它强加了非负性约束以获得更加真实的误差估计（Yao et al。，2016），并提供了源文件和时间序列的源贡献（Zikova et al。，2016）。因此，它已成为源解析最常用的方法。
许多研究使用PMF方法分析了城市和地区的各种PM2.5来源，包括康涅狄格州和马萨诸塞州（美国），韩国首尔，意大利热那亚，意大利莱切，捷克共和国俄斯特拉发，和芝加哥（美国）（Lee等，2011; Choi等，2013; Bove等，2014; Cesari等，2016; Vossler等，2016; Milando等，2016）。由于中国的烟雾更为严重，许多文献分析了包括北京在内的中国城市和省份的PM2.5来源（Song et al。，2006; Gao et al。，2014; Yang et al。，2016; Zikova 2016），上海（Qiao et al。，2016），天津（Zhang等，2015），泰安（Liu et al。，2016a，b），台湾（Hsu et al。，2016）。尽管多变量受体模型相对简单明了，并且能够识别PM2.5的来源分配，但它们基于自然科学的视角，忽视了导致烟雾的宏观经济因素。值得注意的是，PM2.5污染不仅是一种自然现象，而且也是人为经济活动造成的人为污染（Xu and Lin，2016; Ma等，2016）。
考虑到多元受体模型的局限性，许多学者从经济和社会的角度出发，利用计量经济学模型分析了PM2.5的驱动因素。与多变量受体模型相比，计量经济学分析相对灵活，考虑到更多的宏观经济影响因素，并能准确识别出造成烟雾的关键因素。计量分析模型包括横截面模型和面板模型。由于面板模型可以增加样本量，降低变量之间的共线性，控制样本的个体异质性，提高估计的可靠性和有效性，因此它们已经在环境污染领域广泛使用（Xu and Lin，2016）。由于STIRPAT（回归对随机影响的人口，影响和技术）模型和EKC（环境库兹涅茨曲线）假设是环境经济学的基本理论和分析框架，许多学者已经使用这些方法来建立计量经济模型研究影响环境污染的因素（Al-mulali等，2015; Liddle，2015; Lin等，2016）。这些研究主要集中在碳排放领域，但其结论往往不尽人意。大多数研究认为环境库兹涅茨曲线得到数据支持（Farhani等，2015; Li等，2016; Apergis，2016），但一些研究发现它不是（Jebli and Youssef，2015; Ozturk和Al-Mulali，2015年）。造成这种差异的主要原因在于国家和地区的差异，分析阶段，变量选择和经验方法。由于缺乏统计数据，使用计量经济学方法的雾霾污染研究很少，过去两年只有少数相关研究发表。 Xu等人（2016）采用STIRPAT模型和非参数加性回归方法分析中国PM2.5升高的原因。结果表明，经济发展水平，能源强度，城市化水平，煤炭消费量，私人车辆和人口规模对PM2.5均有不同的影响。 Hao和Liu（2016）采用了EKC假设和计量经济模型来确定影响PM2.5的因素。他们的结果显示车辆数量和第二产业对PM2.5具有显着和积极的影响。Xu和Lin（2016）使用STIRPAT模型和面板数据方法分析了中国PM2.5的成因，结果表明经济增长是高PM2.5的决定性因素。 Wu等人（2016年）使用随机效应模型探索PM2.5的驱动力，结果显示工业比例，能源消耗和机动车辆都加剧了PM2.5污染。马等人。 （2016）同时使用EKC假说和SAR模型来探索PM2.5的成因，结果表明经济，社会和技术因素对PM2.5有不同的影响
PM2.5。
尽管已经有许多关于影响PM2.5的因素的研究，并且以前的研究对我们提供了丰富的结果，但还有两个方面需要进一步研究。首先，以往的研究一直忽视PM2.5的空间效应和动态效应。实际上，PM2.5在不同城市之间的差异和扩散可导致PM2.5的空间相关性和空间溢出（Dong and Liang，2014; Wang and Fang，2016; Hao and Liu，2016）。 2014年4月，北京市环保局正式公布了PM2.5源解析的最新结果，结果显示区域输电贡献率为28％-36％，局部污染影响为64％-72％。 3继北京之后，2015年1月，上海市环境保护局正式公布了PM2.5来源分解结果;当地排放的贡献占64％-84％，区域传输的影响为16％-36％.4因此，空间溢出对PM2.5污染有显着影响。这意味着忽略空间效应可能会导致估计和分析错误（Cheng，2016）。此外，烟雾具有明显的路径依赖特征。当前有严重烟霾污染的城市在下一个时期或即将到来的几个时期也会保持高水平的污染（Hao et al。，2015）。因此PM2.5具有动态效应，忽略这种动态效应也可能导致估计和分析中的错误（Zheng et al。，2014）。
其次，现有文献通常使用省级数据进行经济计量分析，但即使省级数据无法满足分析要求，目前还没有关于中国城市级数据的研究。这有一些影响;一方面，由于工业化和城市化水平的差异，城市间PM2.5浓度和经济发展水平存在显着差异。省级分析可能导致估算和分析错误，因为他们忽略了这些差异（Li et al。，2014）。另一方面，中国的省份既有较大的空间尺度，也有较大的内部差异，因此利用省级数据来捕捉PM2.5的空间相关性和空间溢出效应是非常困难的（Cheng，2016）。因此，本文使用涵盖中国285个城市的统计数据。我们相信，细尺度数据可以准确分析PM2.5的空间效应和影响因素。在现有文献的基础上，我们利用中国285个城市的数据，采用动态空间面板模型分析PM2.5的空间效应和影响因素。
2.1方法论
2.1.1模型建立
在本文中，我们结合了STIRPAT模型和EKC假设来分析影响烟雾形成的因素。 STIRPAT模型的基本形式如下：
Iit = aPb A c Tde （1）
I表示环境影响，P，A和T分别表示人口，一项影响和技术，a表示常数项，b，c和d分别为P，A和T的欠定参数，e表示随机扰动，我涉及中国的285个城市，t的范围从2001年到2012年。使用自然对数，STRIPAT模型可以转换为方便的面板估计线性规格。
ln Iit = ln a b ln Pit c ln Ait d ln Tit ln eit （2）
在本文中，我们使用PM2.5浓度来表示环境影响（I）。考虑到行政区域和城市人口存在显着差异，直接使用人口规模并不具有科学可比性;我们采用人口密度来衡量人口（P）（Hao and Liu，2016）。一个影响程度（A）通常用人均GDP衡量。 EKC假设认为，环境污染与经济发展水平之间存在倒U型曲线（Apergis，2016; Ma等，2016），因此我们将一阶和二阶系数经济发展水平来检验EKC假设。就技术水平而言，一些研究使用产业结构来衡量（Martinez-Zarzoso等，2007）。然而，用产业结构来衡量技术水平是错误的，因为制造业或工业的份额下降并不意味着技术水平有所提高。在本文中，我们使用能源强度来衡量技术（T），因为能源强度是技术水平的直接和重要表现（Poumanyvong和Kaneko，2010; Sadorsky，2014）。城市技术越高，城市总能源强度越低（Liddle and Lung，2010）。考虑到城市能源消耗的不可用性，我们使用城市年度总用电量来近似表示城市
而建筑业在很大程度上又推动了钢铁，水泥和其他重工业的快速发展。建筑业加剧了直接排放和间接排放的烟霾污染。鉴于此，我们用第二产业增加值占GDP的比重来衡量产业结构，进而分析产业结构因素对大气污染的影响。
车辆尾气也是PM2.5的重要来源。随着经济的持续改善，中国的汽车数量急剧增加。私家车的数量从2001年的1802万辆增加到今天的10933万辆，平均年增长率为17.8％。汽车尾气中的CO，NOx，SO2污染是PM2.5的重要来源（Xu et al。，2016）。考虑到数据的可用性，我们使用私家车数量占城市道路总长度的比例来衡量交通密度。该指数不仅反映了交通压力，而且还在一定程度上反映了交通拥堵程度，并且可以更准确地调查交通因素对空气污染的影响。
FDI是研究中国环境污染需要考虑的第三个基本因素。现有的研究表明，FDI对环境质量的影响是不确定的。污染晕假说认为外商直接投资可以通过引入环保技术和产品来改善城市环境质量（Zhang and Zhou，2016）。另一方面，污染天堂假说认为外国直接投资可能通过转移高污染行业恶化东道国的环境质量（Shahbaz等，2015）。我们采用实际年度外商投资占GDP的比例来衡量FDI，然后调查中国烟雾外来因素的影响。
无处不在的集中供热造成的煤炭消费量大幅增加也是城市PM2.5形成的重要因素。由于中国北方冬季天气非常寒冷，许多城市集中供热。中国北方的集中供热面积从2001年的1.2978亿平方米增加到2012年的4.4914亿平方米，年均增长率为12.9％。城市集中供热燃烧大量煤炭，导致短时间内PM2.5排放量急剧增加。因此我们也考虑到集中供热。由于不同的地理位置，中国的一些城市有集中供热，但
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[24176]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
