京津冀PM2.5的主要影響因素及內(nèi)在關系研究

周曙東??歐陽緯清 葛繼紅

摘要大氣污染物的源排放是形成灰霾天氣的內(nèi)因，氣象條件是形成灰霾天氣的外因。本研究通過構建PM2.5濃度的兩段式分布滯后模型，結(jié)合自然環(huán)境因素及經(jīng)濟因素對PM2.5的影響因素進行了綜合分析。在第一段模型中構建了PM2.5和大氣污染物排放量的分布滯后模型，第二段模型中構建了不同的大氣污染源對大氣污染物排放量的影響因素模型。大氣污染物排放源主要包括工業(yè)源、生活源、機動車源、集中式污染治理設施源。在工業(yè)源中，工業(yè)廢氣重度污染行業(yè)是大氣污染物排放主要的貢獻者；在生活源中，燃煤消費量對大氣污染物排放影響很大，這也是冬季供暖期間PM2.5劇增的原因；在機動車源中，盡管黃標車的保有量僅占汽車保有量的10%左右，但卻占據(jù)了顆粒物排放量的絕大部分。利用京津冀代表性城市PM2.5日度數(shù)據(jù)研究得出平均氣溫、平均風速、日照時數(shù)、平均氣壓、降雨量、平均相對濕度、沙塵暴等因素對PM2.5濃度的負向與正向作用。研究發(fā)現(xiàn)，大氣污染物排放量對PM2.5濃度具有聚集的滯后效應，當期大氣污染物排放量、滯后一期、滯后兩期、滯后三期大氣污染物對PM2.5濃度具有顯著的正向作用，且影響依次遞減。構建的大氣污染物排放量的污染源影響因素模型揭示一個地區(qū)煤炭消費量、工業(yè)廢氣重度污染行業(yè)工業(yè)增加值、黃標車保有量對該地區(qū)大氣污染物排放量具有顯著影響。本研究對優(yōu)化能源消費結(jié)構和產(chǎn)業(yè)結(jié)構，減少空氣污染物排放提出了對策建議。

關鍵詞PM2.5；大氣污染物排放；兩段式分布滯后模型；京津冀

中圖分類號X513；F421文獻標識碼A文章編號1002-2104（2017）04-0102-08doi：10.12062/cpre.20170343

PM2.5的空氣動力學含義是指直接小于等于2.5μm的顆粒物，也稱為細顆粒物。PM2.5能較長時間懸浮于空氣中，對空氣質(zhì)量和能見度等有重要的影響?；姻蔡鞖獾谋举|(zhì)是大氣顆粒物PM2.5的污染[1]。與PM10相比，PM2.5粒徑小，擴散面積大，活性強，易附帶有毒、有害物質(zhì)，且在大氣中停留時間長，因而對人體健康和大氣環(huán)境質(zhì)量影響更大，灰霾污染中的PM2.5容易誘發(fā)呼吸系統(tǒng)疾病。2013年，灰霾成為年度關鍵詞，2013年1月，4次灰霾籠罩全國30個省。京津冀過去冬春季的灰霾比較嚴重，而最近幾年四季都會發(fā)生灰霾天氣。因此，研究PM2.5的主要影響因素，理順其內(nèi)在關系具有很迫切的現(xiàn)實意義，可以為相關研究和政策制定提供理論依據(jù)。

京津冀都市圈是我國三大城市群之一，在經(jīng)濟發(fā)展中占據(jù)重要地位，而在空氣質(zhì)量最差的10個城市中，7個城市在京津冀地區(qū)，京津冀已經(jīng)成為我國空氣污染最嚴重的地區(qū)之一。2015年4月30日，中共中央政治局審議通過的《京津冀協(xié)調(diào)發(fā)展規(guī)劃綱要》指出，要在京津冀生態(tài)環(huán)境保護、產(chǎn)業(yè)結(jié)構升級等重點領域率先取得突破。根據(jù)《2015中國環(huán)境狀況公報》顯示，京津冀PM2.5平均濃度為77 ug/m3（超過國家二級標準1.20倍），遠高于珠三角地區(qū)的34 ug/m3和長三角地區(qū)的53 ug/m3；京津冀區(qū)域13個城市達標天數(shù)比例在21.9%—86.4%，平均為42.8%，重度及以上污染天數(shù)比例為17%，而超標天數(shù)中以PM2.5為首要污染物天數(shù)最多。本研究將實證分析經(jīng)濟增長與大氣污染的關系，同時基于兩段式的分布滯后模型，結(jié)合自然環(huán)境因素和經(jīng)濟因素，對灰霾污染嚴重地區(qū)京津冀的PM2.5影響因素進行綜合分析。

1文獻綜述

對于可吸入顆粒物（PM）的最早研究，可追溯到20世紀80年代。1985年，美國將總懸浮顆粒物修改為PM10，隨后不久將PM2.5納入到大氣監(jiān)測范圍中[2]。2012年2月29日，中國環(huán)境保護部將環(huán)境空氣質(zhì)量標準（GB-2012）作為國家質(zhì)量標準，正式取代了環(huán)境空氣質(zhì)量標準（GB-1996），PM2.5開始納入到空氣質(zhì)量監(jiān)測中來。盡管PM2.5在我國監(jiān)測時間比較短，但由于PM2.5所引發(fā)的灰霾問題頻發(fā)，引發(fā)人們的普遍關注。國內(nèi)外學者對PM2.5進行的廣泛深入的研究，主要集中在以下兩個方面：

中國人口·資源與環(huán)境2017年第4期

一是PM2.5的污染特征、排放清單、源解析等的物理化學過程、PM2.5與其他顆粒物直接的關系。梁延剛等利用2005年香港能見度與PM2.5濃度的每小時數(shù)據(jù)，研究顯示PM2.5濃度與能見度在5%的顯著水平上呈負相關，相關系數(shù)為80%[3]。Chang W等對美國南加州的顆粒物進行源解析，將PM2.5分為機動車、道路揚塵、柴油車、海鹽等主要源類[4]。鄭玫等將PM2.5源種類分為塵類源、燃燒類源、二次元、其他源[5]。周靜、劉松華等通過對蘇州10個區(qū)15個工業(yè)行業(yè)現(xiàn)場咨詢、發(fā)放調(diào)查表等形式，研究得出工藝過程源和固定燃燒源分別占蘇州工業(yè)源PM2.5排放量的94%和6%[6]。朱增銀、郭清彬、于建華等研究PM2.5濃度與PM10濃度占比，分析得出PM2.5濃度與PM10濃度占比通常在29.10%—94.76%之間，呈現(xiàn)出季節(jié)差異，并且這一比例夏季要明顯低于秋季[7-9]。

二是PM2.5與氣象因子及工業(yè)化、城市化、環(huán)境規(guī)制等因素之間的關系。張淑平等研究發(fā)現(xiàn)氣象條件與PM2.5日濃度顯著相關；劉瑞婷等研究表明高濃度的大氣顆粒物和特殊的氣象條件是灰霾形成的有利條件，小風或靜風容易造成PM2.5濃度增加，能見度降低；孟曉艷等研究得出較小的地面風速、較高的相對濕度以及穩(wěn)定的大氣層增加了PM2.5濃度的累積，導致空氣質(zhì)量惡化[10-12]。何楓等應用Tobit模型發(fā)現(xiàn)城市工業(yè)增加值占GDP比提高1個百分比，灰霾天數(shù)平均增加約4天 [13]。馬麗梅、張曉運用Donkelaar et al制作的首張PM2.5全球地圖，分析得出灰霾污染與GDP并不存在倒“U”型關系，灰霾污染與產(chǎn)業(yè)結(jié)構以及能源結(jié)構存在很強的正相關關系[14]。

基于上述文獻回顧，我們可以發(fā)現(xiàn)，現(xiàn)有研究主要有以下幾個方面不足：

第一，灰霾的主要污染物PM2.5的形成是一個復合的大氣環(huán)境的機理形成過程，不僅與溫度、相對濕度、風速、壓強、降水等氣象因素影響密切，同時也受機動車、燃煤、工業(yè)生產(chǎn)等經(jīng)濟因素的影響，但絕大部分的研究要么只考慮自然環(huán)境因素，要么只考慮經(jīng)濟因素，即將燃煤、工業(yè)生產(chǎn)等經(jīng)濟因素直接與PM2.5進行回歸，很少有將自然環(huán)境因素和機動車、燃煤、工業(yè)生產(chǎn)等經(jīng)濟因素綜合起來進行研究。

第二，由于我國將PM2.5納入空氣質(zhì)量檢測標準范圍時間較短，我國正式統(tǒng)計PM2.5開始于2013年，故經(jīng)濟學研究領域受限于數(shù)據(jù)的連續(xù)性和系統(tǒng)性，大部分研究采用PM10的年度數(shù)據(jù)或者模擬數(shù)據(jù)。PM2.5日度數(shù)據(jù)變化幅度很大，但年度平均濃度數(shù)據(jù)的變化幅度相對于日度數(shù)據(jù)并不是很大，因為平均數(shù)將劇烈變化拉平了，所以年度數(shù)據(jù)不能很好反映大氣污染物日度變化規(guī)律。另一些研究采用美國研究機構研制的根據(jù)氣象條件模擬出的PM2.5年度平均數(shù)據(jù)，如馬麗梅等使用哥倫比亞大學國際科學信息網(wǎng)絡中心與巴特爾研究中心的全球2001—2010年PM2.5平均值的模擬數(shù)據(jù)，但模擬數(shù)據(jù)與實際檢測數(shù)據(jù)存在誤差。

本研究使用中國空氣質(zhì)量在線監(jiān)測分析平臺公布的京津冀2013年1月18日至2014年12月31日的日度數(shù)據(jù)，結(jié)合影響PM2.5濃度的氣象因素和燃煤、機動車、工業(yè)產(chǎn)值等經(jīng)濟因素，對京津冀地區(qū)PM2.5的影響因素進行綜合分析。

2模型構建

2.1分析框架

影響空氣質(zhì)量的主要因素有兩個：一個是污染源，還有一個是氣象條件。吳兌分析得出，大氣污染物的源排放是形成灰霾天氣的內(nèi)因，氣象條件是形成灰霾天氣的外因[1]。因此，一個城市的空氣質(zhì)量受自然條件和人類活動兩方面影響，自然條件包括風速、降雨、溫度等氣象條件以及地形地貌等地理條件和區(qū)域生態(tài)環(huán)境變化，人類活動包括城市工業(yè)發(fā)展、區(qū)域能源消耗。2014年《北京市環(huán)境狀況公報》對PM2.5進行源解析顯示，機動車源、燃煤、工業(yè)生產(chǎn)、揚塵對北京的PM2.5貢獻率分別達到了31.1%、22、4%、18.1%、14.3%。2014年《天津市環(huán)境狀況公報》對PM2.5進行源解析顯示，揚塵、燃煤、機動車、工業(yè)對天津的PM2.5貢獻率分別達到了30%、27%、20%、17%。

我們對PM2.5濃度主要影響因素及其內(nèi)在關系的研究分為兩個階段，第一階段分析形成灰霾的外部因素，綜合考慮溫度、濕度、日照、風力、氣壓、降水等氣象因素。第二階段分析不同污染源對大氣污染物排放量的影響，主要包括四個方面：工業(yè)源、生活源、機動車源、集中式污染源。大氣污染物是造成PM2.5濃度上升的主要內(nèi)因。

2.2模型設定

通過以上對自然環(huán)境科學和環(huán)境經(jīng)濟學文獻綜述可以得出，PM2.5的影響因素主要有氣象因素，包括溫度、相對濕度、日照時數(shù)、氣壓、風力、降雨等氣象因子，以及煤炭燃燒產(chǎn)生的煙塵及一氧化碳、二氧化硫、氮氧化物及揮發(fā)性有機物等、工業(yè)源排放、機動車尾氣排放等因素。本文模型設定立足于自然環(huán)境科學基礎，并且將煤炭燃燒煙粉塵、機動車尾氣、工業(yè)源排放轉(zhuǎn)化為經(jīng)濟學上容易衡量的煤炭消費量、汽車保有量、工業(yè)增加值。一個地區(qū)污染物排放量的多少跟該地區(qū)的工業(yè)廢氣污染密集型產(chǎn)值有著密切的關系。本文借鑒張家峰對工業(yè)廢氣污染密集型行業(yè)的劃分方法[15]，選取全國38個工業(yè)行業(yè)萬元產(chǎn)出的不同污染物排放量即排放強度（Emission Intensity，EI）大于等于0.75的五個重污染行業(yè)，即選取電力和熱力的生產(chǎn)工業(yè)、非金屬礦物制品業(yè)、燃氣生產(chǎn)和供應業(yè)、黑色金屬冶煉及壓延加工、木材加工以及木竹藤棕草制品業(yè)五個工業(yè)廢氣重度污染行業(yè)。選取這五個重度污染行業(yè)工業(yè)增加值，研究工業(yè)廢氣重度污染行業(yè)工業(yè)增加值對PM2.5濃度的影響。本研究通過構建兩段式的分布滯后模型來研究京津冀PM2.5的影響因素，第一段模型是研究氣象因子、大氣污染物排放量與PM2.5的關系，第二段模型是研究不同的污染物排放源與大氣污染物排放量的關系。由于大氣污染物具有聚集的滯后效應，如果直接將氣象因子、經(jīng)濟因素放在一個模型里而忽略大氣污染物排放量的作用，勢必會造成模型估計結(jié)果的不精準。因此，本文的模型設定如下：

PM2.5=β1+β2RHUit+β3TEMit+β4SSDit+β5PREit+β6Windit+β7Rainit+β8Dit+δ0Pollutionit+δ1Pollutionit-1+δ2Pollutionit-2+…+δkPollutionit-k+μit （1）

lnPollution=α1+α2lnPIIit+α3lnCoalit+α4lnY_carit+

瘙 窞 it （2）

模型（1）中，PM2.5為PM2.5日濃度數(shù)值，RHUit為i城市t日的平均相對濕度，TEMit為i城市t日的平均溫度，SSDit為i城市t日的日照時數(shù)，PREit為i城市t日的平均氣壓，Windit為i城市t日的平均風速，Rainit為i城市t日的降雨量，Pollutionit為i城市t日根據(jù)等距平滑法折算出來的大氣污染物排放量，Pollutionit-1、Pollutionit-2、…Pollutionit-k分別是Pollution的滯后1期、滯后2期、…、滯后k項，Dit為i城市t日沙塵暴天氣虛擬變量，β1代表總體均值截距項；μit代表隨機誤差項。模型（2）中PIIit為工業(yè)廢氣重度污染行業(yè)工業(yè)增加值，Coalit為煤炭消費量，Y_carit為機動車保有量，α1代表總體均值截距項， 瘙 窞 it代表隨機誤差項。

2.3變量與數(shù)據(jù)

PM2.5數(shù)據(jù)來源于中國空氣質(zhì)量在線監(jiān)測分析平臺，部分數(shù)據(jù)來源于青悅開放環(huán)境數(shù)據(jù)中心，選取京津冀代表性城市北京、天津、石家莊的PM2.5日度數(shù)據(jù)從2013年1月18日至2014年12月31日。相對濕度、氣溫、日照時數(shù)、壓強、風力、降雨等數(shù)據(jù)來源于中國氣象數(shù)據(jù)網(wǎng)，沙塵暴天氣數(shù)據(jù)來源于中國天氣網(wǎng)。大氣污染物排放量來源于《中國環(huán)境統(tǒng)計年鑒》《石家莊統(tǒng)計年鑒》。模型（1）中被解釋變量PM2.5濃度數(shù)據(jù)和相對濕度、氣溫、日照時數(shù)、壓強、風力、降雨等數(shù)據(jù)均是按天數(shù)據(jù)，因此，為了統(tǒng)一數(shù)據(jù)口徑，本文首先根據(jù)《中國環(huán)境統(tǒng)計年鑒》中計算大氣污染物排放量方法，即根據(jù)公式大氣污染物排放量=∑工業(yè)源+生活源+機動車源+集中式污染治理設施源。其中生活源、機動車源、集中式污染治理設施源比較穩(wěn)定，可直接將生活源、機動車源、集中式污染治理設施源除于每年的天數(shù)，得到按天的生活源、機動車源、集中式污染治理設施源的大氣污染物排放量。對于工業(yè)源而言，根據(jù)工業(yè)源折算系數(shù)=工業(yè)源大氣污染物排放量/工業(yè)增加值，得到工業(yè)源折算系數(shù)，并通過月度工業(yè)源大氣污染物排放量=工業(yè)源折算系數(shù)×月度工業(yè)增加值，計算得到月度工業(yè)源大氣污染物排放量。第二，根據(jù)t月度工業(yè)源大氣污染物排放量增長率=t+1月工業(yè)源大氣污染物排放量/t月工業(yè)源大氣污染物排放量，得到該月工業(yè)源大氣污染物排放量增長率，并將該增長率根據(jù)等距平滑法平攤到每一天的大氣污染物排放量中去，得到按天的工業(yè)源大氣污染物排放量。最后，根據(jù)t日大氣污染物排放量=t日工業(yè)源大氣污染物排放量+t日生活源、機動車源、集中式污染治理設施源大氣污染物排放量計算出t日的大氣污染物排放總量。

模型（2）是為了研究大氣污染物排放量同工業(yè)廢氣重度污染工業(yè)增加值、燃煤消費量、機動車保有量三者之間的關系，大氣污染物排放量數(shù)據(jù)計算方法跟模型1計算方法一樣。為了更好地體現(xiàn)京津冀大氣污染物排放量的演變規(guī)律，模型2中時間從2011年1月1日至2014年12月31日，按天的大氣污染物排放量計算方法跟模型1中一致。工業(yè)廢氣重度污染行業(yè)工業(yè)增加值根據(jù)前面五個重度污染產(chǎn)值之和計算得到，根據(jù)北京統(tǒng)計局、天津統(tǒng)計局、石家莊統(tǒng)計局統(tǒng)計的月度工業(yè)增加值，同樣根據(jù)上文中的等距平滑法，將其增長率平攤到每一天。燃煤消費量數(shù)據(jù)來源《中國能源統(tǒng)計年鑒》得到北京、天津、石家莊的年度煤炭消費量，同時根據(jù)張洪潮等的BP濾波分析得到我國2008—2013年月度煤炭修正系數(shù)[6]，可得到月度煤炭消費量，同樣根據(jù)上文中的等距平滑法，將其增長率平攤到每一天得到按天的煤炭消費量數(shù)據(jù)。根據(jù)《2013年機動車污染防治年報》顯示，全國“黃標車”保有量僅占汽車保有量的10.7%，但其排放的一氧化碳（CO）、碳氫化合物（HC）、氮氧化物（NOX）、顆粒物（PM）分別占汽車排放量的49.0%、52.9%、52.4%、78.8%，因此黃標車占據(jù)了顆粒物（PM）排放量的絕大部分。由于無法獲得機動車保有量的數(shù)據(jù)，本文將選擇黃標車保有量作為機動車的保有量的代理變量來研究。黃標車數(shù)據(jù)來源于《2011—2014年機動車污染防治年報》，通過Get Data Graph Digitizer軟件抓取各省市2011—2014年的數(shù)據(jù)，同樣根據(jù)上文中的等距平滑法將其平攤計算得到按天的黃標車保有量。變量設定見表1。

3實證檢驗結(jié)果及分析

3.1PM2.5濃度描述性統(tǒng)計分析

根據(jù)《環(huán)境空氣質(zhì)量標準》（GB3095—2012）中制定的環(huán)境空氣質(zhì)量指數(shù)（AQI）技術規(guī)定，24小時PM2.5的平均值標準值見表2。當24小時的PM2.5濃度超過115 ug/m3時，空氣質(zhì)量處于中度污染以上，對人群心臟、呼吸系統(tǒng)有影響。

本文以優(yōu)良天氣和中度污染以上天氣做比較。從圖1可以看到，北京2013年優(yōu)良天氣比例為56%，2014年優(yōu)良天氣比例下降為55.6%，但中度污染以上天氣比

例呈現(xiàn)出下降的趨勢，由2013年的26%下降到2014年的24%。天津優(yōu)良天氣比例有明顯上升的趨勢，2013年優(yōu)良天氣比例為44%，2014年上升為53%；中度污染以上天數(shù)比例有所下降，從2013年的25%下降到23%。石家莊優(yōu)良天氣比例上升幅度是三個城市最明顯的，2013年優(yōu)良天氣比例26.7%，2014年上升到36.7%；中度污染以上天氣比例也有明顯下降，從2013年的53.1%下降到38.6%。

3.2PM2.5濃度影響因素計量結(jié)果

排放的大氣污染物會形成聚集，導致PM2.5的濃度累積增加，前期大氣污染物具有聚集形成的滯后效應，前期排放的大氣污染物排放量對當期的PM2.5濃度可能存在正向的顯著影響。本研究運用阿爾蒙（Almon）提出的多項

δi=γ1+γ2（i-c-）+γ3（i-c-）2……+γn+1（i-c-）n其中，i=1，2，3……m，m>n。

首先確定模型滯后期長度。本研究采用以下兩種方法決定滯后期：①根據(jù)調(diào)整后的R2決定滯后期數(shù)，直到調(diào)整后的R2不再增加；②通過施瓦茨信息準則（SC）、赤池信息準則（AIC）和LR統(tǒng)計量確定滯后期。通過反復檢驗發(fā)現(xiàn)滯后3期最符合大氣污染物擴散效應的實際情況，R2也最大，故選用大氣污染物排放量當期與滯后3期來檢驗對PM2.5的影響，也符合施瓦茨信息準則和赤池信息準則。大氣污染物的滯后系數(shù)選取了服從遠端約束（大氣污染物累積效應距離當期越遠，對當期PM2.5濃度影響越?。┒嘣貧w結(jié)果見表3。

從表3可知，模型結(jié)果總體上比較良好，調(diào)整R2比較好，達到0.452，即平均相對濕度、平均氣溫、日照時數(shù)、平均相對氣壓、平均風速、降雨量、沙塵天氣、大氣污染物排放量及滯后3期能夠?qū)┙蚣絇M2.5濃度的45.25%做出解釋。模型總體顯著性在1%水平上通過檢驗，F(xiàn)值較大，說明模型中各因素對PM2.5濃度的共同影響顯著。

在氣象因素中，風力通過稀釋擴散來降低當?shù)豍M2.5的濃度。研究表明，持續(xù)的微風或靜風會抑制大氣污染物的擴散，使近地面層大氣污染物聚集。當風速大于5 m/s，有利于污染物的擴散[17]。我們的統(tǒng)計發(fā)現(xiàn)，當京津冀平均風速小于3 m/s時，京津冀PM2.5濃度平均值為111.56 ug/m3；而當京津冀平均風速大于5 m/s，京津冀PM2.5濃度平均值為49.41 ug/m3。

溫度升高時，有利于上下層空氣產(chǎn)生對流交換，因此有利于大氣污染物的稀釋擴散；而溫度降低，大氣層相對穩(wěn)定不利于污染物的稀釋擴散。平均溫度每增加1℃，PM2.5濃度平均減少3.821 ug/m3。日照時數(shù)對污染物的影響主要體現(xiàn)在太陽輻射強時，加快了地面溫度上升，大氣垂直運動增強，不易產(chǎn)生逆溫層；日照時數(shù)較短時，太陽輻射較弱，氣溫較低，大氣層穩(wěn)定，容易產(chǎn)生逆溫，對污染物的稀釋和擴散不利。因此，日照時數(shù)每增加1 h，PM2.5濃度平均減少2.859 ug/m3。降水對大氣污染物可以起到?jīng)_刷和稀釋清除的作用，在雨水作用下，大氣中的一些大氣污染物能夠溶解在水中，可以降低大氣污染物的濃度，因此，降雨量每增加1mm， PM2.5濃度平均減少2.514 ug/m3。氣壓對污染物濃度主要體現(xiàn)在高氣壓時，空氣在垂直方向的對流較弱，容易形成逆溫，不利于污染物的擴散；低氣壓時，氣流上升較強，大氣污染物容易稀釋和擴散，因此氣壓與PM2.5濃度呈現(xiàn)負向關系。平均氣壓每增加1hpa，PM2.5濃度平均減少2.377 ug/m3。相對濕度與PM2.5有明顯的正向顯著關系。除有降水外，濕度大時，空氣中水氣較多，使得PM2.5附著在水氣中，在空氣中停留，因此平均相對濕度每增加1%，PM2.5濃度平均增加1.399 ug/m3。沙塵暴發(fā)生時，強風把地面沙塵物質(zhì)吹起并卷入空中，造成空氣混濁，水平能見度低。因此，沙塵暴天氣對PM2.5濃度具有顯著的正向影響。沙塵暴天氣發(fā)生時，PM2.5濃度平均增加139.942 ug/m3。而在大氣污染物排放量滯后變量中，當期大氣污染物每增加1t，對當期PM2.5濃度平均增加0.010 2 ug/m3；滯后一期污染物、滯后兩期污染物、滯后三期污染物每增加1t，對當期PM2.5濃度分別增加0.007 6 ug/m3、0.005 1 ug/m3、0.002 6 ug/m3。

3.3主要污染源影響因素計量分析

根據(jù)北京、天津、石家莊三個城市2013—2014年《環(huán)境狀況公報》對PM2.5進行源解析，可得知工業(yè)源、機動車、燃煤消耗量對PM2.5貢獻率最大，因此構建了模型（2）。通過檢驗發(fā)現(xiàn)固定效應和隨機效應均優(yōu)于OLS模型（其中固定效應模型的F值為529.29，隨機效應模型chi2（3）檢驗值為21 966.95，因為Hausman檢驗得到chi2（2）為174.4，p值為0，所以應拒絕隨機效應和固定效應的系數(shù)無系統(tǒng)差異的原假設，也就是說，采用固定效應模型更合適）。京津冀大氣污染物排放量的主要污染源影響因素估計結(jié)果見表4。

由回歸結(jié)果表4可知，固定效應模型的整體顯著性的F值為529.29，P值為0.000，在1%顯著水平上顯著，表明模型（1） 整體是比較顯著的；工業(yè)廢氣重度污染行業(yè)工業(yè)增加值（PII）、燃煤消費量（Coal）、黃標車保有量（Y_car）的t值在1%水平上顯著，說明它們都能很好地解釋大氣污染物排放量的影響因素。模型（2）的整體顯著性的F值為557.7，P值為0，在1%顯著水平上顯著。

通過固定效應模型可知，工業(yè)廢氣重度污染行業(yè)工業(yè)增加值的對數(shù)估計系數(shù)為0.173，t值檢驗在1%水平上顯著，表明在其他因素不變的情況下，一個地區(qū)工業(yè)廢氣重度污染行業(yè)工業(yè)增加值上升1%，該地區(qū)的大氣污染物排放量將上升0.173%。黃標車保有量的對數(shù)估計系數(shù)為0.199，t值檢驗在1%水平上顯著，表明在其他因素不變

的情況下，一個地區(qū)黃標車保有量下降1%，該地區(qū)大氣污染物排放量將下降0.199%。煤炭消費量產(chǎn)值的對數(shù)估計系數(shù)為0.469，t值檢驗在1%水平上顯著，表明在其他因素不變的情況下，一個地區(qū)燃煤消費量增加1%，該地區(qū)大氣污染物排放量將上升0.469%，說明目前階段，煤炭消費量是京津冀地區(qū)大氣污染物排放量上升的重要因素。在該模型中經(jīng)過測算發(fā)現(xiàn)，煤炭消費量對大氣污染物排放量貢獻率為47.27%，黃標車對大氣污染物排放量貢獻率為18.91%，工業(yè)廢氣重度污染行業(yè)工業(yè)增加值對大氣污染物排放量貢獻率為18.46%。

4結(jié)論與政策建議

4.1結(jié)論

本研究通過使用京津冀PM2.5近兩年的日濃度數(shù)據(jù)，提出兩段式的分布滯后模型將自然環(huán)境因素和經(jīng)濟因素結(jié)合起來，對京津冀PM2.5的影響因素進行了綜合分析。在第一段模型中構建了PM2.5和大氣污染物排放量的分布滯后模型，第二段模型中構建了不同的大氣污染源對大氣污染物排放量的影響因素模型。研究得出平均氣溫、平均風速、日照時數(shù)、平均氣壓、降雨量對PM2.5濃度具有顯著的負向作用，平均相對濕度、沙塵暴天氣對PM2.5濃度具有顯著的正向作用，大氣污染物排放量對PM2.5濃度具有聚集的滯后效應，當期大氣污染物排放量、滯后一期、滯后兩期、滯后三期大氣污染物對PM2.5濃度具有顯著的正向作用，且影響依次遞減。最后，構建了大氣污染物排放量的污染源模型，使用固定效應估計得出煤炭消費量、黃標車保有量、工業(yè)廢氣重度污染行業(yè)工業(yè)增加值對大氣污染物排放量具有顯著的正向作用，一個地區(qū)煤炭消費量對數(shù)、黃標車擁有量對數(shù)、工業(yè)廢氣重度污染行業(yè)工業(yè)增加值對數(shù)每增加1%，對該地區(qū)大氣污染物的排放量對數(shù)分別增加0.469%、0.199%和0.173%。

4.2政策建議

（1）優(yōu)化能源消費結(jié)構，減少煤炭的消費，大范圍推廣使用集中式供暖，完善清潔能源和PM2.5減排區(qū)域間補貼機制，分別在各空氣污染嚴重地區(qū)的重點行業(yè)進行試點。2014年，煤炭消費占我國能源消費總量的66%，電力、工業(yè)鍋爐、煤化工（煉焦等）以及建材窯爐消費了我國超過90%的煤炭，煤炭（尤其是散煤）的燃燒對PM2.5的貢獻很大。因此一是要完善優(yōu)化能源消費結(jié)構，優(yōu)化燃煤電廠脫硫脫硝的工藝；加大對清潔能源的利用，加強對新能源產(chǎn)業(yè)的補貼，同時建立政府綠色采購和補貼制度。二是要將煤炭為主的能源結(jié)構向清潔能源為主的能源結(jié)構轉(zhuǎn)變，大幅度減少散煤的燃燒。

（2）加快改造黃標車，大力推廣新能源汽車，控制機動車的尾氣污染。一是加速改造黃標車，要么逐步淘汰黃標車，要么強制性對黃標車的排氣系統(tǒng)進行改造，加裝三元催化轉(zhuǎn)化器，使尾氣排放達國六標準。二是提升我國的油品質(zhì)量標準，降低油品中硫、烯烴及芳烴含量。三是大力推廣新能源汽車，公交、環(huán)衛(wèi)等行業(yè)和政府機關要率先使用新能源汽車、采取財政補貼等措施鼓勵個人購買。

（3）優(yōu)化產(chǎn)業(yè)結(jié)構，限制工業(yè)廢氣重度污染行業(yè)。京津冀地區(qū)作為我國三大城市群之一，經(jīng)濟發(fā)展長期以來依賴化石能源，資源消耗大、環(huán)境污染嚴重，這也是京津冀大氣環(huán)境質(zhì)量產(chǎn)生問題的經(jīng)濟根源。因此一是調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構，嚴格限制新建工業(yè)廢氣重度污染行業(yè)的企業(yè)，大力發(fā)展質(zhì)量效益型、科技先導型和資源節(jié)約型的綠色產(chǎn)業(yè)。二要將現(xiàn)有的空氣污染密集型企業(yè)向外搬遷，而且搬遷地點不能距離京津冀太近。

（4）建議全面禁止石油焦的進口，并加強對燃燒高硫石油焦的監(jiān)管。盡管中國政府正在投入巨大的努力治理空氣污染和削減煤炭消費，但是卻出現(xiàn)一個監(jiān)管漏洞： 一些發(fā)電廠、水泥廠、玻璃廠使用石油焦作為替代燃料，在燃煤中故意混燒10-20%的高硫石油焦。這些高硫石油焦含硫量較高，包含多種重金屬污染（如汞、砷、鉻、鎳和鎘），在燃燒時還可能會釋放二惡英、氯化氫和氟化氫等污染物。2013年中國燃燒了3 300萬t石油焦。有關管理部門應出臺政策全面禁止石油焦的進口，并加強燃燒國產(chǎn)高硫石油焦的監(jiān)管，加快重點行業(yè)脫硫、脫硝、除塵改造工程建設，在空氣重度污染地區(qū)不得使用石油焦作為燃料。

（編輯：劉照勝）

參考文獻（References）

[1]吳兌.近十年中國灰霾天氣研究綜述[J].環(huán)境科學學報， 2012，32（2）：257-269.[WU Dui. Hazy weather research in China in the last decade： a review[J].Acta scientiae circumstantiae，2012，32（2）：257-269.]

[2]楊洪斌，鄒旭東，汪宏宇，等.大氣環(huán)境中PM2.5的研究進展與展望[J].氣象與環(huán)境學報，2012，28（3）：77-82.[YANG Hongbin，ZOU Xudong，WANG Hongyu， et al. Study progress on PM2.5 in atmospheric environment[J].Journal of meteorology and environment，2012，28（3）：77-82.]

[3]梁延剛，WU Manchi，楊敬基.香港能見度、大氣懸浮粒子濃度與氣象條件的關系[J].氣象學報， 2007，66（3）：461-469.[LEUNG Yinkong，WU Manchi，YEUNG Kingkay.A study on the relationship among visibility， atmospheric suspended particulate concentration and meteorological conditions in Hong Kong[J].Acta meteorologica sinica，2007，66（3）：461-469.]

[4]CHANG W L，BHAVE P V，BROWN S S， et al. Heterogeneous atmospheric chemistry， ambient measurements，and model calculations of PM2.5： a review[J]， Aerosol science and technology，2011（4）：665-670.

[5]鄭玫，張延君，閆才青，等.中國PM2.5來源解析方法綜述[J].北京大學學報（自然科學版），2014，50（6）：1141-1154.[ZHENG Mei， ZHANG Yanjun，YAN Caiqing， et al.Review of PM2.5 source apportionment methods in China[J].Acta scientiarum naturalium universitatis pekinensis，2014，50（6）： 1141-1154.]

[6]周靜，劉松華，譚譯，等.蘇州市大氣顆粒物（PM2.5）工業(yè)源排放清單[J].環(huán)境科學學報2016，2（2）：1-12.[ZHOU Jing，LIU Songhua，TAN Yi，et al.The emission inventory of atmospheric fine particles from industrial sources in Suzhou City[J].Acta scientiae circumstantiae，2016，2（2）：1-12.]

[7]朱增銀，李冰，趙秋月，等.對國內(nèi)外PM2.5研究及控制對策的回顧與展望[J].環(huán)境科技， 2013，26（1）：70-74.[ZHU Zengyin， LI Bing， ZHAO Qiuyue，et al. A review and outlook of the research and pollution control on PM2.5 in domestic and overseas[J].Environmental science and technology，2013，26（1）：70-74.]

[8]郭清彬，程學豐，侯輝，等.冬季大氣中PM10和PM2.5污染特征及形貌分析[J].中國環(huán)境監(jiān)測，2010，26（4）：55-58.[GUO Qingbin，CHENG Xuefeng， HOU Hui，et al.Pollution characteristics and morphology analysis of PM10 and PM2.5 in winter[J].Environmental monitoring in China，2010，26（4）：55-58.]

[9]于建華，虞統(tǒng)，魏強，等.北京地區(qū)PM10和PM2.5質(zhì)量濃度的變化特征[J].環(huán)境科學研究，2004，17（1）：45-47.[YU Jianhua，YU Tong，WEI Qiang，et al.Characteristics of mass concentration variations of PM10 and PM2.5 in Beijing area[J].Research of environmental sciences，2004，17（1）：45-47.]

[10]張淑平，韓立建，周偉奇，等.冬季PM2.5的氣象影響解析[J].生態(tài)學報， 2016，36（24）：1-11.[ZHANG Shuping， HAN Lijian，ZHOU Weiqi，e al. Relationships between fine particulate matter and meteorological factors in winter at typical Chinese cities[J].Acta ecologica sinica，2016，36（24）：1-11.]

[11]劉瑞婷，韓志偉，李嘉偉.北京冬季霧霾事件的氣象特征分析[J].氣象與環(huán)境研究， 2014，19（2）：164-172.[LIU Ruiting，HAN Zhiwei， LI Jiawei.Analysis of meteorogical characteristics during winter haze events in Beijing[J].Climatic and environmental research，2014，19（2）：164-172.]

[12]孟曉艷，余予，張志富，等.2013年1月京津冀地區(qū)強霧霾頻發(fā)成因初探[J].環(huán)境科學與技術，2014（1）：190-194.[MENG Xiaoyan，YU Yu，ZHANG Zhifu，et al. Preliminary study of the dense fog and haze events formation over BeijingTianjinandHebei region in January of 2013[J].Environmental science and technology，2014，37（1）：190-194.]

[13]何楓，馬棟棟.霧霾與工業(yè)化發(fā)展的關聯(lián)研究——中國74個城市的實證研究[J].軟科學，2015（6）：110-114.[HE Feng，MA Dongdong. Association study between haze pollution and industrialization[J].Soft science， 2015（6）：110-114.]

[14]馬麗梅，張曉.中國霧霾污染的空間效應及經(jīng)濟、能源結(jié)構影響[J].中國工業(yè)經(jīng)濟， 2014，4（4）：19-31.[MA Limei，ZHANG Xiao.The spatial effect of Chinas haze pollution and the impact from economic change and energy structure[J].China industrial economics，2014，4（4）：19-31.]

[15]張家峰.農(nóng)村工業(yè)化與農(nóng)村點源污染關系研究——以江蘇省為例[D].南京：南京農(nóng)業(yè)大學，2013：61-81.[ZHANG Jiafeng，Research on the relationship between rural industrialization and rural industrial point source pollution：taking Jiangsu Province as an example[D].Nanjing：Nanjing Agricultural University，2013：61-81.]

[16]張洪潮，王澤江，李曉利，等.中國煤炭消費需求波動規(guī)律及成因分析[J].中國人口·資源與環(huán)境，2014，24（1）：94-101.[ZHANG Hongchao，WANG Zejiang， LI Xiaoli， et al. The fluctuation pattern of Chinese coal consumption demand and cause analysis[J].China population，resources and environment，2014，24（1）：94-101.]

[17]GROSSMAN G， KRUEGER A. Economic growth and the environmen[J].Quarterly journal of ecomomics，1995，110（2），353-377.

[18]蔣洪強，張靜，王金南，等.中國快速城鎮(zhèn)化邊際環(huán)境污染效應變化實證分析[J].生態(tài)環(huán)境學報，2012，21（2）：293-297.[JIANG Hongqiang，ZHANG Jing，WANG Jinnan，et al.Accounting model and demonstration for marginal environmental effects of the rapid urbanization in China[J].Ecology and environmental sciences，2012，21（2）：293-297.]

[19]楊義彬.成都市大氣污染及氣象條件影響分析[J].四川氣象，2004，89（3）：40-43.[YANG Yibin.The air pollution of Chengdu City and the impact analysis of meteorological conditions[J].Journal of Sichuan meteorology，2004，89（3）：40-43.]

[20]SELDEN T， SONG D. Neoclassical growth， the J Curve for abatement and the internet U Curve for pollution[J].Journal of environmental economics and management，1995，29（2），162-168.

[21]LOPOZ R. The environment as a factor of production：the effects of economic growth and trade liberalization[J].Journal of environmental economics and management，1994，27（2），163-184.

[22]BROCK W， TAYLOR M. Economics growth and the environment： a review of theory and empirics[J].Handbook of economic growth，2005（1）：1749-1821.

[23]張鳳青.高汽車保有量果真是中國PM2.5污染的主因嗎？[J].經(jīng)濟資料譯叢， 2015，2（4）：44-51.[ZHANG Fengqing.Is the high car ownership really the main cause of Chinas PM2.5 pollution？[J].Journal of translation from foreign literature of economics，2015，2（4）：44-51.]

Study on the main influencing factors and their intrinsic relations of PM2.5 in BeijingTianjinHebei

ZHOU Shudong1，2OUYANG Weiqing1GE Jihong1

（1.College of Economics and Management， Nanjing Agricultural University， Nanjing Jiangsu 210095， China； 2.China Center for Food Security Studies， Nanjing Agricultural University，Nanjing Jiangsu 210095， China）

AbstractAir pollutants are the internal causes of haze weather， meteorological conditions are external factors of haze weather. In this study， a twostage distribution hysteresis model for PM2.5 concentration was established， and the influencing factors of PM2.5 were analyzed in combination with natural and economic factors. In the first stage， a distribution hysteresis model for PM2.5 concentration and air pollutants emissions was established. In the second stage， an influencing factors model for air pollutants emission was constructed. Air pollutants sources include industrial emission， life emission， motor vehicles emission， and centralized pollution facilities. In industrial emission sources， the polluting intensive industries for waste gas are the major contributors to air pollutant emissions.In the life emission sources， coal consumption greatly affected air pollutant emissions， which contributed the increase of PM2.5 concentration during winter heating season. In the motor vehicles source， although the proportion of vehicles ownership of wagons with yellow license plates is only about 10%， but they contributed a large part of particulate matters.Based on the daily data of PM2.5 of the representative cities of Beijing， Tianjin and Hebei， the negative and positive impacts on PM2.5 concentration of average temperature， average wind speed， sunshine hours， average air pressure， rainfall， average relative humidity， dust storm and other factors are measured. We find that the air pollutant emission has a lag effect on the accumulation of PM2.5 concentration， e.g. current period air pollutant emissions，lag one， lag two， and lag three have significant positive effects on the PM2.5 concentration， and the influencing effects are decreasing according to the lagging order. A model of influencing factors of air pollutant emission concluded that the consumption of coal， the industrial added value of waste gas polluting intensive industries， and the amount of wagons with yellow license plates do contribute a significant influence on air pollutant emission.Some countermeasures and policy recommendation to optimize energy consumption structure and industrial structure and reduce air pollutant emission are suggested in this paper.

Key wordsPM2.5； air pollutant emission； Twostage Distribution Hysteresis Model； BeijingTianjinHebei