经济结构演进视角下雾霾污染特征及治理对策

我国早期部分地区的气象部门就有关于雾霾污染的相关记录。邝建新（1994）分析了1960—1993年广州市雾霾的时间分布特征。60年代广州市霾出现天数为19天，70年代为73天，80年代为455天，1990—1993年出现了196天。从月份的分布上来看，1月出现了128天，2月出现了66天，10月出现了67天，11月和12月分别出现了87天和174天。3—9月这一数据分别为52天、33天、37天、13天、18天、46天和22天。可见一年当中广州市的霾主要出现在冬季，而夏季则较少。冬季冷空气入侵，广州市区多位于高压脊内，空气干燥，气层稳定且风速微弱，有利于霾的形成（邝建新，1994）。早期的研究认为烟尘量与雾霾发生天数具有明显正相关性，并推断排入大气中的烟尘量逐年增加是雾霾天数递增的主要原因（揭武，1982；武文安，1995）。根据汕尾气象台1961—2003年共43年的常规气象观测资料分析发现，霾在80年代后出现次数明显增多，汕尾市雾霾天气能见度的时次变化都是在早晨8时次出现最多，在8～14时次逐渐减少，在14时次出现最少；霾天气逐月变化不明显，轻雾和雾主要出现在冬春季节，以春季为多（钱峻屏，黄菲，等，2006a）。利用1980—2003年广东省沿海地区26个地面气象观测站23年的气象观测资料，我们分析了广东省雾霾天气下能见度的时空分布特征，霾天气时能见度的值在秋、冬两季相对较高，最低值出现在6月，而且在5、6、7三个月中能见度值都很低。另外，霾天气时能见度的空间分布则没有明显的区域差异（钱峻屏，黄菲，等，2006b）。利用1980—2003年广东省22个地面气象观测站24 a的气象观测资料，我们采用经验正交函数分解（EOF）和连续功率谱分析方法，分析广东省雾霾天气下能见度的时空分布特征。研究发现，广东地区雾霾天气能见度的年际变化主要表现在EOF的前两个主模态，方差贡献分别占17.4%和11.8%（张运英，黄菲，等，2009）。

早期的雾霾相关研究主要集中在工业发达的珠三角地区。进入21世纪之后，由于其他地区工业发展迅速，大气污染物排放逐年增加，全国不同地区均出现了浓度不等的雾霾灾害天气。其他地区的雾霾污染特征和原因也得到了学术界的关注。研究区域主要集中在北京等雾霾污染严重的华北地区，2011年北京一天之中PM2.5浓度较大的两个区段是早晨7—8点和下午18—20点，该时段均为上下班高峰期，这表明移动排放源已经成为北京市城市污染重要源头（周涛，汝小龙，2012）。于兴娜等人研究了北京雾霾天气期间气溶胶光学特性，结果表明北京雾霾天气期间气溶胶粒子主要以细粒子为主。吴庆梅和张胜军（2010）利用常规天气资料、自动气象站资料、观象台风廓线雷达资料及污染资料，分析了2005年11月2—5日发生在北京的一次持续雾霾天气过程中中低空扰动、山谷风以及城市热岛对PM10浓度的影响，研究表明中低空的扰动和山谷风对PM10浓度影响显著，而热岛对PM10浓度的影响相对气象条件和人类活动的影响来说很小。黄怡民等（2013）采集2010年10月7—10日较严重雾霾天气时的大气气溶胶样品，发现在雾霾天气下，硫酸根离子、硝酸根离子、铵根离子、钙离子等水溶性无机盐污染严重。在一次持续雾霾过程中，环流形势、气象要素、物理量场及大气污染物都会影响雾霾天气的形成（赵娜，尹志聪，吴方，2014）。对比分析北京地区四季的气象及雾霾情况，发现不同季节雾霾的出现伴随条件不同，如春季的雾霾污染主要和天气形势有关；夏季雾霾主要受到气压场和光化学作用的影响（张婧怡，2018）。

从人类活动对雾霾污染的影响来看，雾霾主要成分与工业结构、能源消耗具有较强的关联性，直接排放的PM2.5一次源较少，能源结构的改善和能源强度的下降是三者减排的主因，而经济发展水平的提升、人口总量的扩张和对火电、供热需求的增加始终是增排因素（田孟，王毅凌，2018）。但陈弄祺和许瀛（2016）的研究则认为空气质量、人口数量、经济发展水平、机动车数量、能源消耗、废气排放量、房屋建筑施工面积等因素中只有能源消耗总量和房屋建筑施工面积对雾霾天数有显著性影响。除了以上关于北京雾霾污染影响因素的研究结论存在矛盾之外，更大空间尺度上的实证研究结论也并不完全一致。这与实证研究选择变量、样本和计量模型的差异有关。

在人口和城镇化因素方面，人口规模、劳动人口比重及城市人口比重均与雾霾污染整体呈负相关关系，家庭的小型化趋势及人口密度的增大会加重雾霾污染，人口素质提高则有利于雾霾污染的治理（张云辉，韩雨萌，2018）。不同口径城市化指标对雾霾污染的影响呈现异质性，户籍人口和土地城市化均与雾霾污染存在倒“U”型曲线关系，户籍人口城市化已进入曲线拐点的右侧，土地城市化仍处于曲线拐点的左侧（邓世成，郭凌寒，2019）。地理集聚对雾霾浓度的影响呈现显著的先扬后抑的倒“U”型特征，城市规模的扩张有助于缓解制造业集聚对雾霾污染产生的加剧作用，而地理集聚与城市规模对雾霾污染的影响在不同地区和不同规模的城市中表现出明显的差异（陈旭，娄馨慧，秦蒙，2019）。

在金融因素方面，我们针对西北五省区的研究则表明金融发展与雾霾污染呈负相关关系，金融发展具有明显的减霾效应；城镇化对雾霾污染的影响表现为促增，城镇化建设会加剧雾霾污染（王江，刘莎莎，2019）。宋凯艺和卞元超（2019）的研究则发现短期内金融开放对雾霾污染的直接效应、间接效应和总效应显著为正，即金融开放程度越高，雾霾污染水平也越高，但是在长期内金融开放能够有效降低雾霾污染。(www.xing528.com)

在产业结构方面，从整体层面看，在产业结构调整的雾霾减排效应中，产业结构高级化的雾霾减排效应较强，而产业结构合理化对雾霾减排的促进作用相对较弱（程中华，刘军，李廉水，2019）。京津冀地区城市处于环境库兹涅茨曲线顶点的左侧，产业转型具有明显的环境改善正效应，但是产业结构高级化对环境的改善作用明显高于产业结构合理化（王树强，孟娣，2019）。

在能源消费方面，煤炭和石油消费是雾霾污染和经济增长的重要驱动因素（赵吉林，赵佳，薛飞，2018）。空气污染的主版图逐渐由京津冀鲁、长三角和珠三角向西部地区转移，煤炭消费和污染空间溢出效应是这一现象的主要原因（孙红霞，李森，2018）。另外，车辆的油品也是京津冀地区雾霾的来源之一，低标柴油车排放对京津冀鲁豫地区雾霾形成的贡献达20%以上（国务院发展研究中心“京津冀天然气协同发展战略研究”课题组，2017）。静态和动态空间面板数据模型均显示能源消费对雾霾污染具有显著的正向影响，但不同地区能源消费对雾霾污染的影响程度存在差异，其中东部和中部地区能源消费对雾霾污染的影响显著，西部地区能源消费对雾霾污染的影响不显著（唐登莉，李力，洪雪飞，2017）。

在对外贸易方面，空间滞后面板数据模型的实证表明贸易开放会加剧雾霾污染（康雨，2016）。贸易开放度的扩大会导致我国PM10浓度的提高，而格兰杰因果关系检验显示贸易开放是PM10浓度的单向格兰杰原因（刘晓红，江可申，2017）。基于长三角地区的实证也表明贸易开放度的提高将会加重雾霾污染水平，且出口开放度的影响效应大于进口，“污染避风港假说”在该地区是成立的（辛悦，李学迁，2019）。在剔除了加工贸易后，贸易开放对改善雾霾污染发生实质性的转变，协同集聚与贸易开放交叉项对雾霾污染存在负向影响，即贸易开放通过提高协同集聚水平间接地制约了集聚负外部性对雾霾污染的影响（蔡海亚，徐盈之，2018）。