成渝城市群PM2.5時空分布及影響因素研究

孫繼平 侯蘭功

摘要：PM2.5是霧霾污染的主要成因，對其時空分布和影響因素展開研究，可為城市PM2.5防治提供空間信息和社會經(jīng)濟(jì)政策層面的科學(xué)依據(jù)，對相應(yīng)地區(qū)的生產(chǎn)組織和城市管理具有一定的現(xiàn)實意義。基于空間杜賓模型，利用Stata統(tǒng)計軟件和地理信息系統(tǒng)（GIS）分析技術(shù)，結(jié)合2015—2018年成渝城市群16個城市的相關(guān)數(shù)據(jù)對該地區(qū)PM2.5時空分布特征和影響因素進(jìn)行研究。研究結(jié)果表明：（1）在空間分布上，研究區(qū)間內(nèi)PM2.5濃度整體表現(xiàn)為中部低，西部和北部邊緣地區(qū)偏高，西南部偏低，在時間變化上，2015—2018年成渝城市群年均PM2.5濃度整體呈下降趨勢;（2）在2015—2018年期間成渝城市群PM2.5濃度在空間上正向自相關(guān)，高值集聚區(qū)域發(fā)生明顯變化，在2017年增多2018年減少，低值集聚范圍穩(wěn)定。（3）基于空間杜賓模型的回歸分析結(jié)果可知，對PM2.5濃度起正向影響的社會經(jīng)濟(jì)因素相關(guān)系數(shù)表現(xiàn)為能源強(qiáng)度>人口密度>建筑施工面積>私人汽車擁有量>建筑業(yè)產(chǎn)值>人均GDP，對PM2.5濃度起負(fù)向影響的社會經(jīng)濟(jì)因素相關(guān)系數(shù)表現(xiàn)為第三產(chǎn)業(yè)產(chǎn)值占GDP比重>第二產(chǎn)業(yè)產(chǎn)值占GDP比重>綠化覆蓋率>環(huán)境規(guī)制>工業(yè)產(chǎn)值>城市全年公共汽（電）車客運(yùn)總量。在氣象影響因素方面，PM2.5濃度與降水量和氣溫呈負(fù)相關(guān)關(guān)系，與濕度呈正相關(guān)關(guān)系。

關(guān)鍵詞：PM2.5;霧霾污染;時空分布;空間自相關(guān);空間杜賓模型;成渝城市群

中圖分類號： X51文獻(xiàn)標(biāo)志碼： A文章編號：1002-1302（2020）13-0297-06

收稿日期：2019-11-25

基金項目：國家自然科學(xué)基金（編號：41701172）;四川省教育廳自然科學(xué)（編號：15ZA0123）。

作者簡介：孫繼平（1995—），女，河南洛陽人，碩士研究生，主要從事區(qū)域發(fā)展與規(guī)劃研究。E-mail：473243910@qq.com。

通信作者：侯蘭功，博士，副教授，主要從事區(qū)域發(fā)展與規(guī)劃研究。E-mail：soundskyhlg@163.com。城市化和工業(yè)化的快速發(fā)展推動了社會前進(jìn)，但也產(chǎn)生了一系列環(huán)境問題，其中就包括霧霾污染，造成社會經(jīng)濟(jì)損失的同時亦嚴(yán)重威脅城鄉(xiāng)居民的健康。國內(nèi)外已有的研究表明，大氣污染程度和肺癌等呼吸道疾病的發(fā)病率和死亡率密切相關(guān)[1]，此外，霧霾污染的區(qū)域性特征與空間交互影響日益顯著，空間溢出效應(yīng)明顯[2]。對城市群層面霧霾污染主要成分之一PM2.5的時空分布及影響因素進(jìn)行研究可為城市化發(fā)展過程中的污染風(fēng)險規(guī)避提供一定依據(jù)，為城市群大氣污染聯(lián)動治理提供空間信息和政策建議參考。

霧霾污染成因比較復(fù)雜，現(xiàn)有研究指出，人類社會經(jīng)濟(jì)活動是導(dǎo)致霧霾污染的根源[3-4]，同時，氣象因素也與PM2.5濃度緊密相關(guān)[5-7]。在霧霾污染頻發(fā)區(qū)域社會經(jīng)濟(jì)層面影響因素的研究方面，張生玲等認(rèn)為，第二產(chǎn)業(yè)產(chǎn)值占國內(nèi)生產(chǎn)總值（GDP）比重過高和民用汽車保有量增多對霧霾污染有顯著正向促進(jìn)作用[8]。Zhang等認(rèn)為，人口密度和工業(yè)廢氣及汽車尾氣等人為氣體排放可造成PM2.5濃度偏高[9]。王嫣然等指出，增加植被面積對PM2.5濃度下降有著積極的影響[10]。在氣象影響因素方面，相關(guān)學(xué)者研究指出，溫度、濕度和風(fēng)速等是影響PM2.5濃度的主要因素。王慧麗等研究發(fā)現(xiàn)，陜西省霧霾污染程度與溫度、風(fēng)力呈負(fù)相關(guān)[5]。毛卓成等指出，上海地區(qū)PM2.5的氣象成因是溫度和風(fēng)力[6]。馬曉倩等通過統(tǒng)計分析得出，京津冀地區(qū)PM2.5濃度與降水量、氣溫、濕度、氣壓和風(fēng)速相關(guān)[7]?？偟膩碚f，除特殊地形地貌條件外，氣溫、降水、濕度、風(fēng)力等氣象條件和人口、經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)的比例、化石燃料的燃燒、汽車尾氣的排放、建筑施工的揚(yáng)塵等諸多社會經(jīng)濟(jì)問題是影響霧霾污染的主要因素。

現(xiàn)有對城市群范圍內(nèi)霧霾污染的研究大多集中在京津冀城市群[6-11]、長三角城市群[12]等經(jīng)濟(jì)發(fā)達(dá)地區(qū)，對中西部經(jīng)濟(jì)發(fā)展較為快速，近年來，霧霾污染較為突出的城鎮(zhèn)密集區(qū)的關(guān)注還有待提高。成渝城市群位于我國西部地區(qū)，近年來區(qū)內(nèi)經(jīng)濟(jì)發(fā)展快速、城鎮(zhèn)人口規(guī)模擴(kuò)張明顯，城市化和人類活動引起PM2.5等污染物的排放量顯著增加。因此，本研究綜合運(yùn)用地理統(tǒng)計、空間自相關(guān)和空間計量模型，分析成渝城市群16個城市PM2.5的時空分布特征，對成渝城市群霧霾污染的主要影響因素及其影響程度進(jìn)行甄別和量化，以期為該地區(qū)城市發(fā)展和環(huán)境質(zhì)量改善提供參考。

1材料與方法

1.1研究區(qū)概況

本研究以《成渝城市群發(fā)展規(guī)劃》中確定的成渝城市群作為研究區(qū)域，包括重慶市和四川省成都市、自貢市、瀘州市、德陽市、綿陽市、遂寧市、內(nèi)江市、樂山市、南充市、眉山市、宜賓市、廣安市、達(dá)州市、雅安市、資陽市等，研究范圍見圖1。成渝城市群位于我國西南部，總面積為18.5萬km2，占全國總國土面積的1.92%;2017年城鎮(zhèn)常住人口為 10 664.31萬人，占全國總?cè)丝冢ú缓郯呐_地區(qū)）的7.67%;2017年地區(qū)GDP為53 841.48億元，占全國（不含港澳臺地區(qū)）的6.56%。

1.2研究方法

1.2.1空間相關(guān)性檢驗本研究采用Morans I指數(shù)來測度成渝城市群的PM2.5全局和局部空間自相關(guān)性。其中，全局空間自相關(guān)表達(dá)式為

式中：k是樣本數(shù);xi和xj分別為城市i和城市j的PM2.5濃度觀測值;x為研究區(qū)域內(nèi)所有城市PM2.5濃度觀測值的平均值;Wij是空間權(quán)重矩陣。I值范圍是[-1，1]，I值大于0表示觀測值在地區(qū)內(nèi)正相關(guān)，小于0則表示負(fù)相關(guān)，等于0表示空間上不相關(guān)。

局部空間自相關(guān)表達(dá)式為

若I值大于0，表示高值與高值集聚或低值與低值集聚，空間正相關(guān);若I值小于0，則表示高值被低值包圍或低值被高值包圍，空間關(guān)聯(lián)為負(fù)。

1.2.2空間杜賓模型地區(qū)環(huán)境污染不僅受自身社會經(jīng)濟(jì)發(fā)展的影響，還會受到周邊地區(qū)環(huán)境的影響。本研究選用空間杜賓模型分析各因素對成渝城市群PM2.5的影響，基本形式如下：

Y=ρWY+βX+WXθ+ε。（3）

式中：X、Y為自變量和因變量;ρ表示內(nèi)生交互效應(yīng)系數(shù)，其數(shù)值大小反映其他地區(qū)因變量變化空間擴(kuò)散或空間溢出程度;β表示回歸系數(shù);W表示空間權(quán)重矩陣;θ表示外生交互效應(yīng)系數(shù)，其數(shù)值大小反映自變量交互作用強(qiáng)弱;ε表示誤差項。

引入空間權(quán)重矩陣是傳統(tǒng)計量模型和空間計量模型的主要區(qū)別之一，在進(jìn)行模型計算時需要量化空間單元的位置，根據(jù)“距離”而定，通常采用鄰接距離、地理距離、經(jīng)濟(jì)距離、產(chǎn)業(yè)距離和技術(shù)距離等，本研究選用鄰接距離，將所有地理單元列成一個二維表，用0或1表示，即“1”表示空間相鄰，“0”表示空間不相鄰[13]。對于一個具有n個空間單元的系統(tǒng)，空間矩陣W表達(dá)為n×n的二值矩陣，具有對稱性，對角線元素為0，相鄰元素為1。

1.3研究變量及數(shù)據(jù)來源

1.3.1被解釋變量本研究中的PM2.5濃度數(shù)據(jù)來源于第三方網(wǎng)站真氣網(wǎng)（https：//www.aqistudy.cn/），計算2015—2018年研究區(qū)范圍內(nèi)16個城市的年均PM2.5數(shù)據(jù)即單位面積內(nèi)PM2.5濃度來分析成渝城市群PM2.5的時空分布和影響因素。

1.3.2解釋變量本研究中的解釋變量數(shù)據(jù)來源于《四川統(tǒng)計年鑒》《重慶統(tǒng)計年鑒》。考慮到數(shù)據(jù)的可獲取性，選取溫度、濕度、降水量作為影響PM2.5濃度的氣象影響因素，選取人均地區(qū)生產(chǎn)總值、人口密度、城鎮(zhèn)化率、第二產(chǎn)業(yè)產(chǎn)值占GDP比重、第三產(chǎn)業(yè)產(chǎn)值占GDP比重、建筑業(yè)產(chǎn)值、工業(yè)產(chǎn)值、建筑施工面積、城市綠化覆蓋率、能源強(qiáng)度、環(huán)境規(guī)制（用城市環(huán)境和公共設(shè)施管理業(yè)從業(yè)人員人數(shù)與城市總就業(yè)人數(shù)比值表示）、城市全年公共汽（電）車客運(yùn)總量、民用汽車擁有量共13個變量作為影響PM2.5濃度的社會經(jīng)濟(jì)因素。通過SPSS 17.0進(jìn)行多重共線性分析可知，變量城鎮(zhèn)化率的方差膨脹系數(shù)（VIF）為22，大于7.5，說明它可能與人口密度和地區(qū)生產(chǎn)總值存在多重共線，所以在進(jìn)行模型分析時去掉此變量，保留剩下的12個變量。

2結(jié)果與分析

2.1成渝城市群PM2.5時空分布特征與空間自相關(guān)分析

運(yùn)用ArcGIS 10.2克里金插值法對16個城市年均PM2.5濃度進(jìn)行空間插值分析，分別得到成渝城市群地區(qū)不同年份年均PM2.5濃度空間分布（圖2）。從圖2可以看出，2015—2018年期間，研究區(qū)內(nèi)PM2.5濃度的空間分布表現(xiàn)為中部低，西部和北部邊緣地區(qū)偏高，偏高地區(qū)主要包括成都市、樂山市、自貢市、宜賓市、瀘州市和達(dá)州市等，其中自貢市地區(qū)年均PM2.5濃度在2015—2018年期間保持研究區(qū)內(nèi)最高。

在時間上，成渝城市群整體年均PM2.5濃度呈現(xiàn)下降趨勢（圖3、圖4）。成都市、瀘州市、樂山市、資陽市、綿陽市5個市的年均PM2.5濃度值在2016年上升到最高值后開始下降。雅安市在2015—2017年年均PM2.5濃度呈上升趨勢，在2017年達(dá)到最高值后開始下降。重慶市、德陽市、遂寧市、內(nèi)江市、眉山市、自貢市、南充市7個市的PM2.5濃度在2015—2018年呈持續(xù)下降趨勢。

結(jié)合時間和空間分析可以發(fā)現(xiàn)，成渝城市群年均PM2.5濃度整體呈下降趨勢，高值分布空間范圍也在逐漸縮減，表明當(dāng)?shù)乜諝赓|(zhì)量有所改善。

通過ArcGIS10.2軟件計算得出，2015—2018年成渝城市群Morans I指數(shù)均為正，且通過了0.01水平的顯著性檢驗，表明該地區(qū)內(nèi)PM2.5分布存在空間正相關(guān)。繪制2015—2018年研究區(qū)年均PM2.5濃度LISA聚集分布圖。從圖5可以看出，2015—2018年4年間遂寧市持續(xù)呈現(xiàn)明顯的PM2.5濃度高值集聚，即“高-高”集聚，成都市在研究時段內(nèi)分別與不同城市呈現(xiàn)PM2.5濃度低值集聚，即“低-低”集聚。其他地級市在研究時段內(nèi)PM2.5濃度局部聚集

情況不明顯。總體來看，高值集聚區(qū)域逐漸由研究區(qū)內(nèi)西部向東部轉(zhuǎn)移。

2.2空間杜賓模型估計結(jié)果分析

對表1中空間杜賓模型估計結(jié)果進(jìn)行分析。變量人均GDP、能源強(qiáng)度、人口密度、建筑業(yè)產(chǎn)值、建筑施工面積和私人汽車擁有量、濕度回歸系數(shù)為正，回歸系數(shù)絕對值表現(xiàn)為能源強(qiáng)度>人口密度>建筑施工面積>私人汽車擁有量>建筑業(yè)產(chǎn)值>人均GDP>濕度;變量第二產(chǎn)業(yè)產(chǎn)值占GDP比重、工業(yè)產(chǎn)值、綠化覆蓋率、環(huán)境規(guī)制、城市全年公共汽（電）車客運(yùn)總量、降水量、氣溫回歸系數(shù)為負(fù)，回歸系數(shù)絕對值表現(xiàn)為氣溫>第三產(chǎn)業(yè)產(chǎn)值占GDP比重>第二產(chǎn)業(yè)產(chǎn)值占GDP比重>綠化覆蓋率>環(huán)境規(guī) 制> 工業(yè)產(chǎn)值>降水量>城市全年公共汽（電）車客運(yùn)總量。

在氣象影響因素方面，PM2.5濃度與降水量和氣溫呈負(fù)相關(guān)關(guān)系，與濕度呈正相關(guān)關(guān)系。分析原因可能是PM2.5的擴(kuò)散與大氣流動聯(lián)系緊密，氣溫高時，大氣流動性強(qiáng)，氣流不穩(wěn)定，有利于PM2.5的擴(kuò)散，從而降低空氣中PM2.5的濃度，低溫狀態(tài)則不利于PM2.5的擴(kuò)散;穩(wěn)定的氣象條件不利于PM2.5的擴(kuò)散，而降水的沖刷作用會使得空氣中PM2.5濃度降低;有些地區(qū)受降水和地面水蒸發(fā)的影響，近地面空氣的相對濕度越來越大，卻極少降水，因此，在這種穩(wěn)定的天氣形勢下，PM2.5不易向外擴(kuò)散，使得污染物在大氣的淺層積聚，從而導(dǎo)致PM2.5濃度升高。這些氣象因素與PM2.5濃度的相關(guān)系數(shù)對大氣污染防治具有參考意義。

在社會經(jīng)濟(jì)影響因素方面，能源強(qiáng)度對成渝城市群地區(qū)PM2.5濃度存在最大正向影響，其次是該地區(qū)人口密度、建筑施工面積和私人汽車擁有量，人均GDP（經(jīng)濟(jì)發(fā)展水平）對PM2.5濃度的影響較弱，說明加劇成渝城市群PM2.5濃度的主要因素是能源強(qiáng)度、人口密度和建筑施工產(chǎn)生的粉塵。能源強(qiáng)度高表示所消耗能源數(shù)量多，對于原油、原煤等一次能源消耗量大，燃燒產(chǎn)生的廢氣多，對空氣污染程度高。人口密度大即人口集聚程度高，人口消費(fèi)和出行需求增加，引起汽車尾氣排放和能源消耗增加，從而加重該地區(qū)的霧霾污染。建筑行業(yè)產(chǎn)生的粉塵是PM2.5的主要來源。此外，機(jī)動車尾氣排放也是造成研究區(qū)PM2.5濃度高的原因之一。

變量第二產(chǎn)業(yè)產(chǎn)值占GDP比重對成渝城市群PM2.5濃度的負(fù)向影響顯著，這與相關(guān)文獻(xiàn)研究結(jié)果[13-16]不同。將第二產(chǎn)業(yè)進(jìn)一步分為工業(yè)和建筑業(yè)，計算其產(chǎn)值相關(guān)系數(shù)，發(fā)現(xiàn)建筑業(yè)產(chǎn)值相關(guān)系數(shù)為正（0.087 6），而工業(yè)產(chǎn)值相關(guān)系數(shù)為負(fù)（-0.014 3），工業(yè)產(chǎn)值占第二產(chǎn)業(yè)產(chǎn)值比重遠(yuǎn)大與建筑業(yè)產(chǎn)值，所以對PM2.5濃度起決定性負(fù)向影響的是成渝城市群的工業(yè)發(fā)展。本研究認(rèn)為，主要原因為成渝城市群工業(yè)以煙草制品業(yè)、酒、飲料和精制茶制造業(yè)、食品制造業(yè)等輕工業(yè)為主，而這類工業(yè)產(chǎn)生的工業(yè)廢物對PM2.5產(chǎn)生影響并不顯著。變量第三產(chǎn)業(yè)產(chǎn)值占GDP比重對成渝城市群PM2.5濃度的負(fù)向影響高于變量第二產(chǎn)業(yè)產(chǎn)值占GDP比重，說明提高產(chǎn)業(yè)結(jié)構(gòu)中第三產(chǎn)業(yè)比重，發(fā)展服務(wù)業(yè)對抑制霧霾污染有幫助。變量綠化覆蓋率對變量PM2.5濃度的影響顯著為負(fù)，說明綠地有凈化空氣、降低空氣中PM2.5濃度的作用[17]。環(huán)境規(guī)制對PM2.5濃度的負(fù)向影響體現(xiàn)在有效的環(huán)境規(guī)制能夠促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)變革，加速企業(yè)綠色產(chǎn)業(yè)鏈構(gòu)建，減少工業(yè)廢氣的排放。城市全年公共汽（電）車客運(yùn)總量對PM2.5濃度的影響雖然在統(tǒng)計上不顯著，但統(tǒng)計結(jié)果對霧霾污染防治具有參考意義。

3結(jié)論

本研究通過分析成渝城市群PM2.5的時空分布特征和系統(tǒng)甄別對其產(chǎn)生影響的社會經(jīng)濟(jì)因素，得出如下結(jié)論： （1）空間上在研究區(qū)間內(nèi)PM2.5濃度整體表現(xiàn)為中部低，西部和北部邊緣地區(qū)偏高，西南部偏低，2015—2018年期間成渝城市群年均PM2.5濃度整體呈下降趨勢。（2）在2015—2018年期間成渝城市群PM2.5濃度在空間上正向自相關(guān)，呈現(xiàn)高值集聚區(qū)域發(fā)生明顯變化，高濃度集聚區(qū)域在2017年增多2018年減少，低值集聚范圍穩(wěn)定。（3）基于空間杜賓模型的回歸分析結(jié)果可知，對PM2.5濃度起正向影響的社會經(jīng)濟(jì)因素貢獻(xiàn)強(qiáng)度為能源強(qiáng)度>人口密度>建筑施工面積>私人汽車擁有量>建筑業(yè)產(chǎn)值>人均GDP，對PM2.5濃度起負(fù)向影響的社會經(jīng)濟(jì)因素相關(guān)系數(shù)表現(xiàn)為第三產(chǎn)業(yè)產(chǎn)值占GDP比重>第二產(chǎn)業(yè)產(chǎn)值占GDP比重>綠化覆蓋率>環(huán)境規(guī)制>工業(yè)產(chǎn)值>城市全年公共汽（電）車客運(yùn)總量，第二產(chǎn)業(yè)產(chǎn)值占GDP比重對PM2.5濃度的負(fù)面影響較大，這與其他文獻(xiàn)研究結(jié)果不同。在氣象影響因素方面，PM2.5濃度與降水量和氣溫呈負(fù)相關(guān)關(guān)系，與濕度呈正相關(guān)關(guān)系。

根據(jù)上述結(jié)論提出以下參考建議：（1）調(diào)整成渝城市群能源結(jié)構(gòu)，降低能源結(jié)構(gòu)中煤炭所占的比重，減少化石燃料的使用，推廣使用清潔能源。（2）優(yōu)化成渝城市群工業(yè)結(jié)構(gòu)，優(yōu)先承接發(fā)展電子信息、輕工、紡織、醫(yī)藥等行業(yè)，同時優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，增加第三產(chǎn)業(yè)所占的比重。合理增加高新技術(shù)研發(fā)投入，發(fā)展綠色生產(chǎn)，推進(jìn)節(jié)能減排。提高城市綠化水平，增加城市綠化覆蓋面積。加大環(huán)境規(guī)制力度，減少工業(yè)三廢排放。

參考文獻(xiàn)：

[1]謝楊，戴瀚程，花岡達(dá)也，等. PM2.5污染對京津冀地區(qū)人群健康影響和經(jīng)濟(jì)影響[J]. 中國人口·資源與環(huán)境，2016，26（11）：19-27.

[2]劉曉紅，江可申. 我國城鎮(zhèn)化、產(chǎn)業(yè)結(jié)構(gòu)與霧霾動態(tài)關(guān)系研究——基于省際面板數(shù)據(jù)的實證檢驗[J]. 生態(tài)經(jīng)濟(jì)，2016，32（6）：19-25.

[3]劉華軍，裴延峰. 經(jīng)濟(jì)發(fā)展與中國城市霧霾污染——基于空間關(guān)聯(lián)網(wǎng)絡(luò)情形下的考察[J]. 城市與環(huán)境研究，2018（3）：15-41.

[4]馬麗梅，張曉. 中國霧霾污染的空間效應(yīng)及經(jīng)濟(jì)、能源結(jié)構(gòu)影響[J]. 中國工業(yè)經(jīng)濟(jì)，2014（4）：19-31.

[5]王慧麗，趙蕓，胡素. 陜西省霧霾污染時空分布特征及相關(guān)性分析[J]. 環(huán)境工程，2019，37（4）：122-125，162.

[6]毛卓成，馬井會，瞿元昊，等. 2015年上海地區(qū)空氣質(zhì)量狀況及其與氣象條件的關(guān)系[J]. 氣象與環(huán)境學(xué)報，2018，34（2）：52-60.

[7]馬曉倩，劉征，趙旭陽，等. 京津冀霧霾時空分布特征及其相關(guān)性研究[J]. 地域研究與開發(fā)，2016，35（2）：134-138.

[8]張生玲，王雨涵，李躍，等. 中國霧霾空間分布特征及影響因素分析[J]. 中國人口·資源與環(huán)境，2017，27（9）：15-22.

[9]Zhang T X，Zang L，Wan Y C，et al. Ground-level PM2.5 estimation over urban agglomerations in China with high spatiotemporal resolution based on Himawari-8[J]. Science of the Total Environment，2019，676：535-544.

[10]王嫣然，張學(xué)霞，趙靜瑤，等. 2013—2014年北京地區(qū)PM2.5時空分布規(guī)律及其與植被覆蓋度關(guān)系的研究[J]. 生態(tài)環(huán)境學(xué)報，2016，25（1）：103-111.

[11]劉海猛，方創(chuàng)琳，黃解軍，等. 京津冀城市群大氣污染的時空特征與影響因素解析[J]. 地理學(xué)報，2018，73（1）：177-191.

[12]李廉水，王長源，石喜愛. 長三角城市群霧霾排放效率分析與提升策略[J]. 管理現(xiàn)代化，2018，38（5）：116-121.

[13]吳浪，周廷剛，溫莉，等. 基于遙感數(shù)據(jù)的PM2.5與城市化的時空關(guān)系研究——以成渝城市群為例[J]. 長江流域資源與環(huán)境，2018，27（9）：2142-2152.

[14]李雪梅，許東明. 京津冀城市群PM2.5的空間分布及相關(guān)性分析[J]. 生態(tài)與農(nóng)村環(huán)境學(xué)報，2019，35（2）：174-179.

[15]任毅，郭豐. 長江經(jīng)濟(jì)帶霧霾污染空間效應(yīng)與影響因素分析[J]. 經(jīng)濟(jì)與管理，2019，33（1）：43-50.

[16]祝麗云，李彤，馬麗巖，等. 產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對霧霾污染的影響——基于中國京津冀城市群的實證研究[J]. 生態(tài)經(jīng)濟(jì)，2018，34（10）：141-148.

[17]張建設(shè)，馮萬富，史曉海，等. 不同綠地結(jié)構(gòu)對PM2.5和PM10的消減作用[J]. 江蘇農(nóng)業(yè)科學(xué)，2019，47（21）：302-304.張頌心. 環(huán)杭州灣城市群城郊畜牧業(yè)面源污染負(fù)荷及防治對策研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2020，48（13）：303-308.doi：10.15889/j.issn.1002-1302.2020.13.060