引言

雾霾污染是我国当前亟须解决的重要问题之一，尤其是京津冀、长三角地区是我国大气污染最严重的地区，也是国家控制空气污染的重点区域。近年来，国家高度重视大气污染治理，以PM_2.5为主的雾霾污染治理成效显著，2018年，京津冀及周边地区平均优良天数比例为50.5%，PM_2.5浓度为60μg/m³，同比下降11.8%，但是京津冀大气污染问题依然严峻，PM_2.5浓度远超35μg/m³的国家二级标准，雾霾污染治理任重道远。由于雾霾污染具有复杂性和长期性的特征，不同城市雾霾污染存在相互影响和联动效应，城市间雾霾污染的交互作用增加了雾霾区域污染治理联防联控的难度。因此，厘清雾霾污染的时空演化与空间交互特征，从空间计量角度深入剖析雾霾污染与其影响因素之间的关联性，探索雾霾污染治理的有效措施，是破解雾霾治理联防联控问题的实证深化，可为区域生态环境协同提供科学参考和决策支持。

1 文献回顾

我国对雾霾污染的前期研究主要从物理化学、气象地理和生态科学等角度展开，针对PM_2.5的成因来源^{[1, 2]}、扩散影响^{[3, 4]}、健康效应^[5]、时空分布^{[6, 7]}、治理政策措施^[7-10]等方面进行了大量的研究。另有一些研究从空间和经济学角度展开探讨，主要涉及以下三个方面：一是经济发展因素对空气污染的影响，主要从经济增长、能源消耗、产业发展、城镇化发展、人口结构等角度分析其对雾霾污染的影响^[11-15]，例如，邵帅等^[11]以灯光复合指数作为省（区、市）域城市化水平的测度指标，从城市化的集聚效应、技术效应、产业结构效应和能源结构效应等方面研究了城市化对雾霾的影响，童玉芬等^[13]探讨了城市人口增长与雾霾污染的相互作用机制，裴辉儒等^[15]通过空间计量模型检验了外商投资与PM_2.5的空间效应和相关性；二是雾霾污染的经济损失相关研究，主要通过计量分析方法，评估雾霾污染对人群健康经济损失^{[16, 17]}，如庞闰枝^[17]利用暴露反应关系和疾病经济负担模型，对我国雾霾污染造成的健康经济损失进行了测算研究；三是雾霾污染的空间关联性分析，主要基于国家层面^{[18, 19]}和大区域层面^[20]，将空间统计技术与计量经济学方法拓展应用到雾霾污染领域，探讨污染的时空特征和空间联系，如王自力等^[18]和李欣等^[20]分析了我国和长三角地区雾霾污染的空间效应与影响。

综合来看，学术界对雾霾已经进行了一些实验分析、方法探索和实证研究，现有一些研究已经揭示出雾霾污染存在空间上的相互关联性，然而由于方法和数据的限制，现有研究虽涉及多个空间尺度和时间尺度的研究，但较少开展不同时空尺度的动态演化分析，尤其是针对京津冀不同城市间雾霾污染的空间传输特征进行系统研究，缺乏从空间经济学角度考量京津冀雾霾污染的驱动影响。因此，解决京津冀雾霾协同治理问题，本研究拟从以下几个方面进行扩展和补充：京津冀城市群雾霾污染是否具有显著的空间溢出效应？雾霾污染时空动态演化特征和空间交互作用程度如何？近年来京津冀雾霾污染的空间重心如何转移？影响因素如何作用于京津冀雾霾污染？本研究基于以上考虑，运用多种空间计量模型为测算依据，并引入空间重心转移曲线，探讨京津冀雾霾污染的时空演化、空间交互特征和空间转移轨迹，从空间计量角度剖析雾霾污染与其影响因素之间的关联性，并提出京津冀雾霾治理的对策建议，以期为京津冀城市群雾霾污染的协同治理和联防联控提供理论和决策参考。

2 数据与方法 2.1 数据来源

雾霾污染以PM_2.5为主，本研究选取PM_2.5年均浓度作为衡量京津冀雾霾污染程度的指标。我国自2013年起对城市PM_2.5数据进行监测，2013年之前的数据缺失，美国哥伦比亚大学国际地球科学信息网络中心（CIESIN）和巴特尔纪念研究所（Battelle Memorial Institute）通过卫星监测，将中分辨率成像光谱仪（MODIS）测算的气溶胶光学厚度（AOD）转化为栅格数据，从而得出全球的PM_2.5年均浓度数据（1998—2016年），本研究采用ArcGIS软件对遥感栅格数据进行解析，得出京津冀13个城市的PM_2.5年均浓度数据（1998—2016年），为更好地了解近几年京津冀雾霾污染和治理情况，同时加入国家监测站发布的2014—2018年PM_2.5污染数据作为对比。

本研究选取京津冀13个城市空间面板数据进行分析，测度指标来源于1999—2016年的《中国统计年鉴》《中国城市统计年鉴》以及不同城市相应年份的统计年鉴和国民经济发展统计公报等。

2.2 研究方法

本研究利用探索性空间数据分析法（ESDA）中的全局和局部空间自相关分析法对京津冀雾霾污染的空间关联进行分析；利用标准偏差椭圆SDE方法，分析京津冀雾霾污染的空间重心转移曲线；探讨雾霾污染的时空演化与相互时空关联特征；运用空间计量方法，揭示雾霾污染与其影响因素之间的空间关联性。

2.2.1 空间重心转移曲线

本研究用ArcGIS中的标准偏差椭圆SDE方法，绘制京津冀雾霾污染的空间重心转移曲线，分析京津冀雾霾污染的时空转移方向。SDE的范围表示雾霾污染的主要空间分布区域，中心表示雾霾污染分布的相对位置。

2.2.2 空间相关性度量

探索性空间数据分析（ESDA）广泛应用于空间数据的相关性研究中，主要采用全局空间自相关指数以及局部空间自相关指数来测度。其中，全局空间自相关性用于分析雾霾污染在京津冀整个区域范围内的相关性，局部空间自相关性用于分析不同城市雾霾污染的相关性。

全局空间相关性方面，本研究运用ArcGIS10.2工具测度Global Moran’s I指数（莫兰指数）来反映京津冀雾霾污染的空间分布状况，具体公式如下：

(1)

式中，I为全局莫兰指数，用于测度不同京津冀雾霾污染的总体空间相关性；n为研究区域内地区的总数；W_ij代表空间权重矩阵；x_i和x_j分别为第i个城市和第j个城市的雾霾污染情况；x为京津冀各城市总体雾霾污染的均值。指数I的取值范围在（-1, 1）之间，若指数I>0，说明京津冀雾霾污染呈现空间正自相关，不同城市雾霾污染存在较强的空间交互性；若指数I < 0，则呈现空间负相关，说明雾霾污染在空间上呈现离散型，不同城市雾霾污染存在较大的空间异质性。若I=0，则说明雾霾污染在空间上呈现随机分布，没有明显规律。

局部空间相关性方面，本研究运用GeoDa软件创建权重矩阵，权重矩阵基于空间二进制邻接关系进行设定，当区域i和区域j相邻时，则W_ij等于1，否则W_ij等于0。在此基础上，绘制京津冀雾霾污染的Moran散点图，Moran散点图包含4个象限：高-高型（H-H）、低-低型（L-L）、高-低型（H-L）、低-高型（L-H），散点图第一象限表示该城市与其他临近城市雾霾污染相对较高，呈现出正相关特征，属于高-高型集聚区；第二象限表示城市雾霾污染低于临近城市，呈现负相关特征，属于低-高型集聚区；第三象限表示该城市与邻近城市的雾霾污染均较低，呈现正相关特征，属于低-低型集聚区；第四象限表示该城市高于其他邻近城市，呈现负相关特征，属于高-低型集聚区。

2.2.3 空间计量模型

建立空间计量模型，分析不同自变量对因变量的影响程度，一般选取空间滞后模型（Spatial Lag Model，SLM）和空间误差模型（Spatial Error Model，SEM）进行测算，公式如下：

(2)

(3)

式中，x_i和y_i分别为自变量和因变量；ρ为空间回归系数；w_i为空间权重矩阵；λ为空间误差系数；ε和μ为误差项。

3 结果与分析 3.1 京津冀雾霾污染的时空分布及空间相关性

京津冀地区各城市雾霾污染空间差异显著，总体上呈现南高北低、东高西低的特点，东、中部污染较为突出。通过对美国哥伦比亚大学国际地球科学信息网络中心和巴特尔纪念研究所的数据进行分析，从时间维度来看（图 1），京津冀三地雾霾污染表现出同向发展的态势，1998—2006年呈波动性上升趋势，2007—2012年呈小幅下降趋势，2006年和2013年的污染程度为历年最高。从空间维度来看，1998—2016年，京津冀雾霾污染在空间上呈现出扩大的趋势，1998—2004年，京津冀雾霾污染主要集中在邯郸、邢台、衡水、沧州、廊坊和天津等城市，2005—2013年，除了张家口和承德两个城市外，京津冀其他各城市均面临不同程度的污染，其中衡水、沧州、廊坊、天津等城市的雾霾污染均超过国家二级标准。2013年后，我国开始重视大气污染防治，通过政策和技术手段治理雾霾污染，近年来京津冀雾霾污染有所减缓。进一步对2014—2018年中国环境监测总站提供的京津冀逐月雾霾数据进行分析（图 2），发现京、津、冀三地雾霾污染呈现出显著的季节特征，冬季雾霾污染程度明显高于其他几个季节，同时三地冬季雾霾污染程度逐年趋缓，尤其是2017年和2018年的冬季污染浓度明显低于其他年份同期污染浓度，充分体现了大气污染防治的成效。

1998—2016年京津冀地区雾霾污染的全局空间自相关Moran’s I指数在0.323~0.437波动（表 1），且所有的空间自相关系数通过5%的显著性检验，说明京津冀地区雾霾污染存在明显的空间正自相关性，雾霾污染存在空间集聚效应。

进一步分析京津冀13个城市雾霾污染的空间异质性，利用GeoDa软件创建权重矩阵，测算绘制了京津冀各城市2000年、2004年、2008年、2012年和2016年雾霾污染的Moran散点图（图 3），其中，横轴表示PM_2.5浓度值，纵轴表示PM_2.5浓度值的空间滞后值。检验结果显示，京津冀雾霾污染具有显著高-高型集聚和低-低集聚的空间正相关性，其中，天津、廊坊、衡水、沧州、邢台等城市一直处于第一象限内，呈现显著的高-高空间集聚特征，北京、张家口、承德和秦皇岛一直处于第三象限内，呈现显著的低-低空间集聚特征，随着时间推移，石家庄、保定和唐山逐渐由第二象限移到第一象限，集聚状态更为显著，由此说明，京津冀各城市雾霾污染的空间相关性越来越显著。

3.2 空间重心转移影响

由于京津冀雾霾污染存在显著的空间集聚现象，且随着时间变化不断发生转移，本研究利用ArcGIS软件绘制了京津冀雾霾污染的标准差椭圆、污染的重心以及重心转移轨迹。结果表明，京津冀地区的雾霾污染重心逐渐向西向南转移，污染重心主要集中在廊坊市和沧州市，位于京津冀几何重心的南部，说明京津冀西南部地区的雾霾污染较为严重，从雾霾污染重心转移轨迹阶段来看，京津冀地区雾霾污染重心转移大致可分为两个阶段，分别为1998—2003年重心向西南部方向转移以及2013—2018年重心向西部方向转移。从重心转移距离来看，1998—2003年转移的距离最大，说明这一时期，京津冀地区雾霾污染的空间异质性强，变化明显，其中该阶段北京和唐山的污染开始凸显，这与各地产业结构调整发展有关，以唐山为例，2000年前后，唐山的钢铁产能仅为470万t，到2003年，钢铁产能达3000多万t，钢铁相关产业产值占GDP的60%左右。2013—2018年，污染重心向西南方向转移，其中邯郸、邢台、石家庄、衡水等城市的污染凸显，主要在于这些城市的产业结构偏重，钢材、建材、石化、电力等“两高”行业企业集中。

3.3 影响因素与雾霾污染的空间关联特征

本研究选取人均生产总值（GDP）、城镇化率（URB）、人口密度（P）、第二产业占比（IND）、外商直接投资（FDI）五个自变量指标，利用Stata13.0对京津冀雾霾污染的影响进行实证测算，比较不同模型效应的赤池信息准则（AIC）和对数似然估计值（Log-likelihood）（表 2），发现空间滞后模型的拟合度优于空间误差模型，进一步对空间滞后模型进行分析。

根据表 2的模型测算结果，京津冀雾霾污染的空间自相关系数为0.634，且通过了1%的显著性水平检验，说明京津冀不同城市雾霾污染受邻近城市的影响显著，即雾霾污染存在较为明显的空间溢出效应。经济增长、城镇化水平、工业结构、人口密度等自变量在5%的显著性水平下相关性为正，表明其对京津冀雾霾污染的影响显著。从经济增长来看，人均GDP的系数为0.503，说明京津冀经济的发展会对雾霾污染产生一定的影响，“环境库兹涅茨曲线”假说认为经济发展与环境污染呈现“倒U型”关系，在拐点到来之前，经济增长伴随着高耗能、高污染和高排放，一定程度上加剧了雾霾污染。从工业结构来看，京津冀第二产业占比的估计系数为0.613，说明工业化发展对雾霾污染的影响较大，尤其是河北省11个城市目前正处于工业化快速发展时期，工业产值占二产产值比重较高，传统的粗放式的工业化发展模式以及重工业的无序发展，导致河北省雾霾污染持续不降，这也说明京津冀高质量绿色发展刻不容缓；从城镇化水平和人口密度来看，京津冀城镇化水平和人口密度的估计系数分别为0.834和0.167，说明城镇化发展和人口密度的不断增加会加重京津冀的雾霾污染。城镇化的无序扩张发展以及人口的不断集聚加大了对能源消费和机动车的需求，导致更多的能源消耗和机动车污染排放；从对外开放来看，外商直接投资估计系数为-0.028，说明外商直接投资没有加重京津冀的雾霾污染，外商直接投资在一定程度上促进了京津冀技术的进步，与“污染天堂”和“污染避难所”假说的关联性并不显著。

4 结论与建议

厘清雾霾污染的空间交互特征，从空间计量角度剖析雾霾污染与其影响因素之间的关联性，是破解城市群雾霾治理联防联控问题的实证深化。当前研究较少针对京津冀城市群雾霾污染的空间传输特征和重心转移进行系统研究，本研究在已有研究的基础上，利用探索性空间数据分析法和标准偏差椭圆SDE方法，分析京津冀13个城市雾霾污染的空间联动特征和空间重心转移曲线，运用空间滞后模型，从经济、产业、城镇化、人口以及对外开放等视角探讨了京津冀雾霾污染的空间关联性。研究结论如下：①京津冀雾霾污染在区域范围以及不同城市之间在空间上存在动态联动效应，具有显著的空间集聚特征和空间异质性，其中，石家庄、唐山、廊坊、衡水、沧州、邢台等城市呈现显著的高-高集聚特征，北京、张家口、承德和秦皇岛等城市呈现显著的低-低空间集聚特征。②京津冀雾霾污染重心，主要位于京津冀几何重心的南部方向，说明京津冀南部地区的雾霾污染较为严重，雾霾污染重心转移大致可分为两个阶段，分别为1998—2003年重心向西向南方向转移以及2013—2018年重心向西部方向转移。③京津冀雾霾污染具有显著的空间溢出效应，经济增长、城镇化发展、产业结构、人口密度等均对京津冀雾霾污染产生正向影响，其反馈效应在一定程度上会对京津冀各地雾霾污染产生促增作用，外商直接投资对雾霾污染产生负向影响，说明外商直接投资没有加重京津冀的雾霾污染。

根据研究结论，本文提出如下建议：

（1）深化区域雾霾污染协同治理机制。雾霾污染在区域间以及区域内不同城市间存在空间动态交互作用，雾霾污染具有显著的空间溢出效应，因此，需不断深化区域雾霾污染协同治理联防联控。京津冀、长三角和珠三角等地区已经初步建立了区域大气污染联防联控机制，但是雾霾污染协同治理大都属于“任务型驱动”协同。一方面，从具体法律和条款来看，雾霾污染协同治理相关规定多属于原则性的规定。就京津冀区域协同而言，京津冀雾霾协同治理主要由京津冀及周边地区大气污染防治协作小组开展工作；2018年7月，协作小组调整为京津冀及周边地区大气污染防治领导小组，在京津冀区域雾霾污染联防联控方面发挥了更大的作用；2018年9月，生态环境部将大气环境管理司更名为大气环境司，同时加挂了京津冀及周边地区大气环境管理局的牌子，成为我国首个跨区域大气污染防治机构。未来，京津冀大气污染协同治理还需在立法制度、标准规范、资金筹集配置等进行整体设计。另一方面，雾霾污染协同治理已经建立了一系列的协同机制，包括信息共享机制、监测预警会商机制、联合执法机制等，但尚未重视和解决的问题还包括利益协同机制。尤其是京津冀三地雾霾治理存在较大的利益差异性和发展不均衡性，北京、天津、河北以及河北各城市在协同治理过程中成本和收益存在较大的不平衡。在京津冀三地协同治理成本收益不平衡的情况下，构建互惠互利的利益协同机制尤为重要，建议进一步建立雾霾污染的生态补偿机制，加大区域均衡的财政转移支付力度，通过利益补偿形式将不同地区雾霾污染治理责任与成本相分离，逐渐形成区域雾霾治理的利益协同，同时建立跨区域大气排污权交易制度，通过市场机制推动区域减排。

（2）粗放式的工业发展模式和低效扩张的城镇化发展模式是雾霾污染的重要原因。一方面，京津冀和长三角地区产业重构问题突出，导致资源错配和不可持续发展。因此，应从区域协调全局出发，统筹优化区域产业布局，制定负面清单，立足不同城市资源环境禀赋，拉长产业链，推动创新链，提升价值链，实现区域产业资源的高效配置，通过创新驱动与产业优化升级摆脱城市经济发展的传统“路径依赖”。另一方面，城镇化高效集约和绿色发展势在必行，城镇化转型发展要以绿色发展理念为引领，推动集约紧凑型城市的建设，以合理的布局带动城市产业的优化转型和资源能源的高效利用，通过对城市空间资源的高效科学的利用，实现城市经济发展的空间溢出。

（3）借助空间管控优化生产、生活、生态空间布局，降低雾霾污染。区域协调发展战略是新时代我国建设现代经济体系的重大战略部署之一，2018年底，中共中央、国务院发布了《关于建立更加有效的区域协调发展新机制的意见》，提出要调整区域经济结构和空间结构。跨区空间管控是空间规划管理的重要手段，空间管控通过综合考虑经济发展、生态环境和自然资源等因素，对国土空间进行分区管控，通过空间管控可有效改善城市的空间、产业、生态、人口等布局，优化城市可持续发展。因此，要实现雾霾污染防治，需要将生态环境空间管控融入城市空间规划体系中，从空间规划源头、宏观战略层面对区域发展的布局、结构、规模等进行优化调整，变过度开发为适度开发，变无序开发为有序开发，变短期开发为持久开发，以生态保护红线、环境质量底线、资源利用上线作为区域和城市空间规划的底线约束，在空间规划实施过程中落实环境管控和风险防范的要求，将环境功能定位和生态环境风险防范的目标融入空间规划，从而实现区域范围内的协同可持续发展。