中国大气PM2.5污染的动态演进及空间关联格局

辛冲冲，徐斯旸

（1.北京市社会科学院《北京社会科学》编辑部，北京 100101；2.广东金融学院金融与投资学院，广州 510521）

0 引言

改革开放以来，中国经济社会发生了翻天覆地的变化，取得了举世瞩目的伟大成就。但与此同时，伴随经济的迅猛发展，长时期以牺牲环境为代价的粗放型发展方式引发的环境问题愈加突出，尤其是雾霾天气频发，在社会各界引发了广泛关注和强烈反响。其中造成雾霾污染加重的主要因素是PM2.5，也就是空气动力学当量直径小于等于2.5 微米的污染物颗粒。自党的十八大以来，一系列重大决策部署和政策文件相继出台，比如党的十八大报告将生态文明建设纳入中国特色社会主义事业总体布局，“大气十条”——《大气污染防治行动计划》出台，《中共中央国务院关于全面加强生态环境保护坚决打好污染防治攻坚战意见》的发布，还有党的十九大报告明确指出“着力解决突出环境问题，持续实施大气污染防治行动，打赢蓝天保卫战”的发展战略。党的二十大报告进一步明确指出，促进人与自然和谐共生是中国式现代化的本质要求，要不断深化认识“两山论”的辩证关系，坚定不移推动绿色发展，谋求更高质量的效益[1]。在这一系列决策部署要求下，特别是大气污染防治行动的持续实施，作为大气污染防治重点内容之一的PM2.5污染防治的确取得了一定成效，但与国家要推进实现的“蓝天、白云”常态化、满足人民日益增长的优美生态环境需要等目标相比还存在较大距离，大气污染治理依然面临诸多挑战。为科学评估和研判大气PM2.5污染的时空演化格局及其所产生的经济社会效应，一些研究运用描述性统计、地理探测器、GIS 可视化等方法或技术揭示中国范围内PM2.5浓度的时空演变趋势，涉及的研究区域包括全国层面、长三角、京津冀、长江中游、珠三角等地区[2—6]；另一些研究主要考察了其对公众健康[7]、劳动力流动[8]、经济增长[9]、收入差距[10]等方面的影响；还有一些研究从自然条件、经济社会等多种因素对其主要驱动因素进行考察[11—14]，为相关政府机构和学者提供参考。

为进一步深化拓展已有研究，本文利用加拿大达尔豪斯大学大气成分分析组公布的1998—2020年中国城市尺度PM2.5浓度均值遥感数据，从分布动态演进、区位分布特征和空间关联格局多个维度对中国1998—2020年PM2.5浓度的时空格局及其演变趋势进行细致考察，更加科学、准确地刻画其现状，揭示更长时间跨度中国城市层面PM2.5浓度的时空演化格局，以对其内在规律形成客观、全面、科学的认识，以期为下一阶段制定PM2.5污染治理的政策和践行绿色发展理念，持续精准开展大气污染防治行动，推动生态文明建设迈向更高台阶提供科学依据和决策参考。

1 研究方法与数据来源

1.1 研究方法

本文使用的研究方法主要有：其一，使用核密度估计图[15]科学准确地刻画中国城市层面PM2.5污染浓度的分布动态演进趋势，作为非参数估计方法，核密度估计图用连续密度曲线刻画随机变量分布形态，反映出变量的分布位置、形态和延展性特征，被广泛应用于空间非均衡分析。其二，采用标准差椭圆并结合GIS 技术[16,17]揭示其空间集聚的区位分布特征。这一方法最早由Lefever（1926）[18]提出，用于揭示地理要素的空间分布特征。其三，借助探索性空间数据分析方法并结合GIS 技术揭示其空间集聚模式及其演变，该方法是一种能够精准识别空间数据集聚或离散模式，从而揭示数据空间结构的统计方法[17,19]，主要包括全局Moran’s I和局部Moran’s I。

1.2 数据来源

限于数据全面性，本文所使用的数据主要来自由加拿大达尔豪斯大学大气成分分析组发布的地表PM2.5数据（数据下载地址：http://fizz.phys.dal.ca/～atmos/martin/?page_id=140.），时间跨度为1998—2020 年，样本为中国370 个城市。本文使用最新矢量地图对城市层面PM2.5年度栅格数据进行了基本的空间校正处理。在区域划分方面，本文采用国家统计局和多数文献常用的地理区位划分方法，将我国划分为东部、中部、西部和东北四大地区①东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南、香港、澳门；中部地区包括山西、安徽、江西、河南、湖北、湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆；东北地区包括辽宁、吉林、黑龙江。。

2 实证分析

2.1 全国层面

图1 展示了1998—2020 年全国整体大气PM2.5浓度的分布动态。首先，从分布位置维度来看，样本期内，曲线中心位置总体呈波动右移（1998—2006 年）—平稳波动（2007—2013 年）—稳步左移（2014—2020 年）的动态变化趋势，这意味着大气PM2.5浓度主要是经历了波动升高、平稳波动、逐步下降的三阶段演化过程。前期污染浓度快速攀升的原因可能与国家和各地区阶段性过度追求经济增长而对环境污染的忽视所致，而近年来污染浓度明显下降的主要原因在于，中国经济已经进入新发展阶段，经济发展正在进行深刻的增长方式转变和结构调整，国家对生态环境的重视程度愈加增强，规章制度不断完善，环境治理的投入强度、力度明显增大，从而驱使雾霾天气减少和污染程度逐步下降。其次，从分布形态维度来看，曲线主峰高度呈波动下降—波动平稳—波动上升的阶段性特征，曲线宽度表现为波动拓宽然后逐步收窄的趋势特征，总体上曲线主峰高度明显上升、宽度有所收窄。这说明中国各城市的PM2.5浓度的离散程度经过一段时间的增大后在近年来开始明显减弱，集聚程度开始增强。然后，从分布延展性维度来看，分布曲线呈现一定的细长右拖尾特征，其中2006—2014 年表现更明显，曲线分布延展性随时间推移先是逐步拓宽并略有波动之后逐步趋于收敛，总体呈收敛趋势。这表明，从全国整体来看，PM2.5浓度高的城市与PM2.5浓度低的城市之间的差距总体是先逐步拉大然后再不断缩小。最后，从极化现象维度看，核密度图持续表现为多峰分布状态，不同年份侧峰数量虽有不同，但总体多峰分布状态保持不变。这反映出，中国各城市PM2.5浓度的分布呈现明显的多极分化现象，呈规模不一、多散点聚集的分布格局。

图1 1998—2020年全国整体PM2.5浓度的分布动态

2.2 区域层面

图2 展示了1998—2020 年中国东部、中部、西部和东北四大地区PM2.5浓度的分布动态。

图2 1998—2020年四大地区PM2.5浓度的分布动态

首先，从分布位置维度来看，在样本期内，四大地区的曲线中心位置移动轨迹与全国整体基本保持一致，即呈现波动右移（1998—2006 年）—平稳波动（2007—2013 年）—波动左移（2014—2020年）的动态变化特征，其中东部、中部和西部地区的变化轨迹更趋一致，而东北地区的移动轨迹的波动性相对更大，这说明各区域内PM2.5浓度都经历了波动升高—平稳波动—逐步下降的阶段性趋势演化进程，其原因主要与国家不同发展阶段的内部因素和外部环境密切相关，也与各区域自身的实际情况有关，例如各地的地形地势、气候条件、资源禀赋、经济发展水平、政策落地效果等。其次，从分布形态维度来看，四大地区的曲线主峰高度总体也呈波动下降—波动平稳—波动上升的阶段性特征，同时其曲线宽度总体也都表现为波动拓宽然后逐步收窄的趋势特征，不过各区域的波动幅度略有不同，东北地区的波动幅度总体偏小。这反映出四大地区内各城市PM2.5浓度的离散程度均是经历了先上升再下降的过程，但各区域表现有明显差异。然后，从分布延展性维度来看，四大地区中东部和西部地区的分布曲线均呈现明显的细长右拖尾特征，而中部和东北地区这一特征均不明显，对于曲线分布延展性而言，四大地区同全国整体趋势特征基本保持一致，即随时间推移均是先逐步拓宽再逐步趋于收敛，总体呈收敛趋势，不过各区域的拓宽幅度和收敛幅度有所不同。这表明各区域内PM2.5浓度高的城市与PM2.5浓度低的城市之间的差距总体呈先逐步拉大再不断缩小的态势。最后，从极化现象维度来看，四大地区中东部地区的核密度曲线由双峰分布逐步向多峰分布转变；中部和东北地区的核密度曲线由高低并邻的双峰分布逐步向高低并存的多峰分布转变，之后又转向了双峰分布；西部地区的核密度曲线持续表现为高低并存的多峰分布状态，样本期内不同年份各区域的侧峰数量均有不同，相同之处在于他们都主要呈现先增加后减少的变化趋势。这也意味着就各地区而言，城市PM2.5浓度的分布均存在不同程度的两极或多极分化现象，其中东部和西部地区以多极分化现象为主，而中部和东北地区是以两极分化为主。

2.3 空间集聚的区位分布特征

表1 报告了1998—2020 年中国城市层面PM2.5浓度的标准差椭圆的相关参数。从分布的几何重心位置来看，在样本期内，PM2.5浓度标准差椭圆的几何重心主要处于河南省、陕西省、湖北省交界地带，涉及城市主要有河南省的南阳市、三门峡市和陕西省的商洛市，多数年份位于南阳市。在移动轨迹及方向上，1998—2002 年由南阳市开始向西南方向移动，2002—2004 年向东南方向移动，2004—2006 年移动轨迹又转向东北，之后主要在南阳市内呈漂移不定的变化轨迹，2014—2018 年主要向西偏北方向移动并进入商洛市，之后继续北移进入三门峡市，即使几何重心移动轨迹具有不稳定性，但总体上有向北或向西偏移的动向。从重心所处经纬度可初步判断，中国东中部地区和北方地区的雾霾污染程度要比西部地区和南方地区高，同时也反映出大气PM2.5污染的城市区位分布与气候、海拔、人口密度、经济发展水平、产业布局、煤炭能源消耗等有明显的地理空间相关性。从方位角旋转来看，PM2.5浓度的标准差椭圆经历了多频次的顺时针、逆时针旋转，总体由正东—正西方向向正北—正南方向旋转了3.65度，旋转幅度相对较小，这说明中国大气PM2.5污染空间分布格局的偏移趋势不显著，总体仍呈正东—正西的走向。从标准差椭圆的长短半轴长度来看，大气PM2.5污染标准差椭圆的长、短半轴长度均主要呈先波动下降再波动上升的“U”型特征，总体上长半轴长度明显增大而短半轴长度有一定幅度缩小，这意味着大气PM2.5污染在正东—正西方向上的空间集聚程度有一定下降，而在正南—正北方向上的空间集聚程度有一定程度上升。进一步从短长轴之比来看，由于短半轴长度的缩减和长半轴长度的增加，且长半轴长度增幅明显大于短半轴长度降幅，使得短长轴之比出现小幅下降，由1998年的0.660降至2020年的0.600，意味着大气PM2.5污染标准差椭圆的平均形状在正东—正西方向上有一定扩张而在正南—正北方向上有一定收缩。类似地，中国大气PM2.5污染的标准差椭圆面积呈现明显的波动变化但总体明显扩大的趋势，由1998 年的438.95 万平方千米增至2020 年的464.97 万平方千米，这说明中国大气PM2.5污染的集聚程度总体有所下降，扩散趋势明显增强。

表1 1998—2020年中国城市层面大气PM2.5污染的标准差椭圆参数

表21998 —2020年中国城市大气PM2.5污染的全局Moran’s I

2.4 空间集聚模式

下页表2 报告了中国城市大气PM2.5污染的全局Moran’s I 值。由表2 可知，在样本期内，大气PM2.5污染的全局Moran’s I 均显著为正，这意味着中国大气PM2.5污染具有正向的全局空间自相关特征，换言之，PM2.5污染程度高的城市趋于集聚，PM2.5污染程度低的城市也趋于集聚。那么，哪些城市处于高值集聚区域，哪些城市处于低值集聚区域，呈现怎样的空间集聚模式？这可进一步借助局部Moran散点图和LISA集聚图展开分析。

下页图3 直观展示了中国城市大气PM2.5污染的局部Moran 散点图（限于篇幅，主要以1998 年和2020 年两个年份的样本为代表，其余年份结果基本类似）。

图3 中国城市层面大气PM2.5污染的Moran散点图

从散点图中不难发现，绝大多数城市集中分布在第一和第三象限，仅有少数城市分布于第二和第四象限，总体主要呈“高-高”型集聚和“低-低”型集聚两种典型模式。进一步结合LISA集聚图（限于篇幅，图略），可以清晰观察到，其中位于“高-高”型集聚区的城市在1998年主要集中分布在华北地区、华东北部地区、环渤海地区、黄河中游、长江中下游沿岸以及新疆西南和四川盆地小部分地区，主要涉及北京、天津、河北、山东、江苏、上海、安徽、河南、湖北等省份以及辽宁、陕西、浙江、湖南、江西、四川等省份的小部分城市，随着时间推移，样本期间不同年份处于“高-高”型集聚区的城市数量略有变化，但总体保持相对稳定，1998—2020 年（2008 年除外）热点区域几乎未发生明显变化，有所变化的主要是，2008 年重庆市全境进入“高-高”集聚区，其余年份均不在这一集聚区，辽宁、陕西、湖南、江西、四川处于这一“高-高”集聚区的城市数量时有波动，处于这一集聚区的新疆的城市的数量明显增多。而处于“低-低”型集聚区的城市于样本期内主要集中分布在南部沿海、西南地区、西北地区、中南地区、东北北部等，主要涉及广东、广西、海南、福建、云南、贵州、四川、西藏、青海、甘肃等省份以及湖南、江西、宁夏、新疆、内蒙古、黑龙江等省份的小部分城市，同样地，不同年份该集聚区中的城市数量有增有减，主要体现在2003—2013年这一期间和该期间前后覆盖的城市数量明显在减少，之后有明显恢复，尤其是南部沿海、西南地区进入该集聚区的城市数量在不断增加。相比于上述两种集聚模式，“高-低”和“低-高”两种集聚模式覆盖的区域范围较小且分散。此外，也有一些城市长期处于不显著的区域范围中，这意味着这些城市的PM2.5污染与其他处于集聚区域中的城市不具有相似属性，空间依赖性较弱，同时也反映出大气PM2.5污染在地理空间分布上的异质性。综合研判，尽管城市尺度大气PM2.5污染的空间格局随着时间推移略有变化但总体变化不大，基本保持了相对稳定的空间格局，“高-高”型集聚和“低-低”型集聚模式在中国占据主导地位。其中，华北地区、华东北部地区、环渤海地区、黄河中游、长江中下游沿岸、新疆南部（南疆）等涉及的大部分城市相对稳定地处于“高-高”型集聚区，值得注意和警惕的是，新疆的城市数量在不断增加，这些城市依旧是当前和未来高质量发展阶段继续推进污染防治攻坚战进程中亟须重点强化联防联控、加强污染治理的目标对象，当然对于处于“低-低”型集聚区中的南部沿海、西南地区、西北地区、中南地区、东北北部的大部分城市，仍应立足于高质量发展中的绿色发展目标，继续做好大气PM2.5污染防治工作，增强区域间绿色发展的联动协同。

3 结论与启示

本文利用1998—2020 年中国370 个城市的PM2.5浓度面板数据，从多视角多维度系统揭示中国大气PM2.5污染的时空格局演化特征。首先，借助核密度估计图刻画了中国大气PM2.5污染的分布动态；其次，采用标准差椭圆方法并结合GIS 技术揭示了中国大气PM2.5污染空间集聚的区位分布特征；最后，使用探索性空间数据分析方法并结合GIS 技术揭示了中国大气PM2.5污染的空间集聚模式及其演变特征。主要结论如下：

其一，在样本期内，无论是从全国整体还是四大地区层面来看，大气PM2.5污染总体均表现为波动升高—平稳波动—逐步下降的演变趋势，且同时其离散程度和城市间绝对差异均经历了先扩大再减小的变动过程，但各区域变动程度略有差异。全国整体与东部和西部地区的大气PM2.5污染主要呈多极分化现象，而中部和东北地区则主要呈两极分化现象。

其二，中国大气PM2.5污染的几何重心主要位于河南省南阳市，但其移动轨迹漂移不定、移动方向具有不稳定性，其区位分布主要呈正东—正西走向的空间格局，且在正东—正西方向上呈现一定扩散态势，而在正南—正北方向上则呈现一定收缩态势，但总体分布呈明显波动扩散态势。

其三，中国大气PM2.5污染具有显著正向的全局空间自相关特征，尽管在局域层面的空间格局随着时间推移略有变化但总体变化不大，保持了相对稳定的空间格局态势，“高-高”型集聚和“低-低”型集聚模式在中国占据主导地位。其中，华北地区、华东北部地区、环渤海地区、黄河中游、长江中下游沿岸、新疆南部（南疆）等涉及的大部分城市相对稳定地处于“高-高”型集聚区，而处于“低-低”型集聚区中的主要是南部沿海、西南地区、西北地区、中南地区、东北北部中的大部分城市。

上述研究结论有助于各级政府重新审视大气PM2.5污染的时空演化格局，把握其动态变化，对进一步推动中国大气污染治理、改善环境质量，进一步优化绿色发展的空间格局，促进生态文明建设迈向新台阶，从而实现经济社会可持续发展具有重要的启示：

第一，尽管近年来在党中央和国务院高度重视和统筹系统推进以及各级政府的共同努力下，多措并举促使中国大气PM2.5污染治理取得了一定成效，环境质量有了一定改善，但PM2.5浓度依然偏高，特别是中国华北、华东和华中三大重点地区的多数城市，PM2.5浓度依然偏高。这依然需要中央政府做好领导者、指引者、推动者和实践者，更好地发挥把握总体方向、统筹协调的作用，在政策、技术与资金上给予重点治理地区必要的支持。当然，考虑到各地区的差异性，各地区应在秉持绿色发展理念的基础上，根据地区实际情况，切实挖掘造成地区雾霾污染程度高的成因，制定差异化配套政策、举措等，加快推动地区大气污染防治进程，进一步提升环境质量。第二，充分发挥区域间、省份间、城市间的空间联动性。各省份、各城市需要提高政治站位，强化“协同”发展意识，特别是大气PM2.5污染治理重点区域，应聚集环境治理合力，提升治理效能。这就需要建立激励约束相容的联防联控长效机制，促使省份之间、城市之间充分通过“学习效应、竞争效应、标杆效应”，进一步加强区域间、省份间、城市间推动环境治理的良性互动，强化相互之间的交流与合作，替代各自为战、分而治之的低效能模式，提升大气污染防治的整体效果。第三，完善地方政府政绩考核评价体系，强化对地方违规、不作为等行为的监督和问责。应坚定将环境治理、绿色发展等因素纳入评价体系中，并作为晋升和绩效的硬性考核条件。同时，还需要建立相应的监督和问责长效机制，提高对环境治理进程中不作为、乱作为、违法违规等行为惩治的严肃性，也可倡导鼓励社会公众对环境保护的参与与监督，建立必要的专业投诉处理机制，强化全社会环境保护责任意识。