顧及跨域影響的省域大氣環境治理效率分析

胡石元 賀 妍 唐 旭 趙 林 耿 紅

1武漢大學資源與環境科學學院，湖北 武漢，430079

2武漢大學地理信息系統教育部重點實驗室，湖北 武漢，430079

3武漢大學數字制圖與國土信息應用工程國家地理信息局重點實驗室，湖北 武漢，430079

2014年國務院正式印發《大氣污染防治行動計劃實施情況考核辦法（試行）》（以下簡稱“考核辦法”）［1］，對各省區級政府的大氣環境治理工作進行績效考核。當前我國的相關工作尚處于探索階段［2］。從“排放源頭、治理措施和結果狀態”的系統關系來看，現階段大氣環境治理績效評價主要包括3種方法思路：一是以大氣環境狀況為直接指標的黑箱評價思想，以反映空氣污染物濃度的PM2.5、PM10計算空氣質量指數及其年均指標下降比例等作為早期治理效率評價［3］和采用文獻［1］的考核指標；二是運用變異系數法［4］、模糊綜合評判法［5］、主成分分析法［6］、回歸分析［7］等方法線性度量排放管理、污染治理對大氣環境的雙向影響，進而評價治理貢獻；三是借 鑒 壓 力-狀 態-響 應（pressure-state-response，PSR）系統動力學模型，構建了大氣環境PSR［8，9］及拓展“狀態-趨勢”的S-T（state-trend）分析框架［10］等，以此為基礎度量治理效率。這些研究多數將評價區域大氣環境作為一個封閉系統，忽略了空氣污染跨域影響［11］的客觀事實，不利于定量分析污染排放和提升地方治理積極性。

綜上所述，本文在PSR框架基礎上構建影響大氣環境的指標體系，利用DEA（data envelopment anaylysis）模型分析排放壓力P和治理措施R兩類輸入變量對省級區域的大氣環境狀況S的影響貢獻度量治理效率，再根據其異常狀況及指標空間相關性特征甄別分析各單元大氣環境的治理真實效率，并以2014—2017年31個省級行政區的數據進行了實例驗證。

1 大氣環境治理效率分析方法

1.1 大氣環境治理效率的關系界定

1.1.1 大氣環境的PSR關系

環境系統的PSR模型描述了人類經濟社會活動對環境造成的排放壓力P、人類為避免環境惡化采取的治理措施R和前兩者綜合作用下的環境狀況S等三維變量之間的因果驅動關系［12］。壓力P、響應R與狀態S變量有如下解釋：①P表示區域內人類社會經濟活動或其他自然地理現象向空氣中排放廢物量，是造成大氣污染的根源，但由于季風、地形和溫度等因素導致大氣環流，區域大氣污染物存在向鄰域溢出或鄰域輸入（記為ΔP）；②R表示人類通過節能減排、設備凈化、植被恢復等治理措施降低污染排放量來改善大氣狀況；③S表示在P和R增減綜合作用下的區域大氣環境狀況，受ΔP影響的狀態改變值記為ΔS。

1.1.2 大氣環境治理效率的定義

一般意義的效率是對投入與產出關系的評價和測度，關注的是資源配置的有效性或投入產出的經濟性等問題［13］。大氣環境治理效率則是反映在減排（使P減少）和降污（使S增加）兩方面的大氣環境治理措施R解決污染問題的有效程度［14］?？蓮腟指標與環境容量的差距、或P和R兩類指標對S的貢獻來綜合度量。

由于空氣污染跨域輸入、輸出指標ΔP及其造成區域空氣質量影響的ΔS難以調查測度，基于區域大氣環境真實關系E 1=F（P，R，S-ΔS）或E 2=F（P+ΔP，R，S）進行治理效率的評價不現實。因此，從數據可獲得性的角度，基于不完備對應關系E=F（P，R，S）分析大氣環境的系統關系、并甄別ΔS對空氣質量狀態S的影響，以此進行真實治理效率的定量分析是唯一可行的評價途徑。

1.1.3 大氣環境的PSR描述指標

參考已有研究［15-17］，分別選取區域內的7項污染物排放統計指標［15］度量“壓力P”，從污染物排放控制角度選取3項指標［16］度量“響應R”，選取涵蓋PM10、PM2.5濃度指標的空氣優良天數比率來度量“狀態S”［17］。指標體系如表1所示。

1.2 大氣環境治理效率的DEA模型

大氣環境治理效率的系統關系E=F（P，R，S）可以看作以P、R為自變量，S為因變量的函數?？紤]各個區域單元的關系有以下特征：①由于空氣跨域影響ΔP有正負，故S中包含的ΔS則亦有負正之分；②自變量P｛pi｝、R｛r j｝對因變量s1的貢獻或影響的權重不一致。

對此，本文選擇能自動賦權減少主觀因素影響［18］、不受量綱影響［19］、不需預設函數關系即可進行相對效率評價［20］的DEA模型，借鑒其在區域生態文明建設［21］、環境管理［22］等相關領域的應用思路，構建基于表1大氣環境PSR關系的DEA模型來度量大氣環境治理的相對效率，并依據效率結果甄別ΔP的影響ΔS。

表1 大氣環境的PSR系統指標Table 1 Index System of PSR for Air Quality

1.3 大氣環境治理效率的分析過程

應用ArcGIS和Max DEA Pro 6軟件工具進行大氣環境治理效率的分析，包括以下4個步驟。

1）效率評價數據庫建立。利用ArcGIS和Personal-database格式文件AQCE.mdb，建立包含區域代碼（Key）、區域名稱等字段的面圖層Unit，存儲u個評價區域的多邊形；建立包含區域代碼（Key）、區域名稱、年份、11個輸入變量（pi和r j）、1個輸出變量（s1）以及技術效率、PRS關系類型、效率類型等字段的屬性表Attri，存儲各評價區域的年度截面信息。其中Unit與Attri通過Key實現圖形和屬性的鏈接。

2）DEA模型的效率計算。將屬性表Attri數據分年度導入MaxDEA Pro 6軟件，計算各決策單元（decision making unit，DMU）年度截面的效率值E，并判定效率類型（E≥1有效/E＜1無效），按時序統計各區域單元治理效率的變化趨勢［23-25］。

3）PRS關系類型的劃分。以各截面區域單元的變量平均值為界限，將P、S、R分別劃分為“+/－”兩類，其中類型“+”為排放（P）少、措施（R）多、狀況（S）好，類型“－”則反之。根據區域單元三元組｛P，R，S｝類型組合將PRS關系分為如表2所示的8類，每類存在綜合效率值E≥1或E＜1兩種狀態。

4）效率的跨域影響甄別?；赑SR模型三者的關系，甄別跨域影響效率的步驟如下：①如果區域單元為狀態類別2：“排放（P）少、措施（R）多、狀況（S）差”，可推斷其大氣環境狀況S的跨域影響ΔP＞0，即ΔS＜0；②如果區域單元為狀態類別7：“排放（P）多、措施（R）少、狀況（S）好”，可推斷其大氣環境質量S的跨域影響ΔP＜0，即ΔS＞0；③以狀態類別2和狀態類別7的區域單元為初始中心，根據P值與鄰域P值大小，判斷鄰域的ΔP正負；④根據各評價單元ΔP與ΔS關系，綜合分析跨域影響對模型計算效率E的正負影響，由此可推斷出傳統方法評價結果的異常。

效率計算與分析過程的數據如表2所示。

表2 大氣環境治理效率計算分析的過程數據Table 2 Process Data of Air Quality Control Efficiency Calculation and Analysis

2 實例驗證

2.1 研究范圍與基礎數據

本文選擇2014—2017年31個省級行政區的數據為實例進行研究。其中，排放壓力P（p1～p7）和響應措施R（r1～r3）指標的相關數據來源于《中國環境統計年鑒》和各省級行政區統計年鑒；大氣狀況指標S（s1）相關數據來源于各省級行政區統計年鑒及環境狀況公報；參與計算的土地、人口指標數據則通過EPS（economy prediction system）全球統計數據庫［26］采集獲取。

建立數據庫后，對31個省級行政區劃單元的指標消除量綱后加和，分別繪制2014—2017年的P、R、S分布圖，如圖1所示。

圖1 2014—2017年省域大氣環境PSR狀況Fig.1 State of Provincial Air Quality in 2014 to 2017

2.2 治理效率的計算結果

1）治理效率結果。對31個省級行政區2014—2017年的實例數據計算處理，得到各年治理效率結果，效率分布曲線如圖2所示。

圖2 2014—2017年省域大氣環境治理效率E分布曲線Fig.2 E Distribution Curve of Provincial Air Quality Control Efficiency in 2014 to 2017

2）關系類型結果。對31個省級行政區2014—2017年的三元組｛P，R，S｝分別進行分類。關系類型結果統計如圖3所示。

圖3 2014—2017年省域大氣環境PRS關系類型Fig.3 T ypes of Provincial Air Quality PRS Relationships in 2014 to 2017

3）跨域影響特征結果。綜合2014—2017年31個省級行政區的PRS關系類型及鄰域確定跨域ΔP的影響特征。

2.3 評價結果分析與討論

2.3.1 PSR系統指標分析

圖1的2014—2017年31個省級行政區PSR指標特征統計如下：

1）排放壓力（P）指標，P（－）類型的區域單元頻次為42，占總頻次近1/3，大氣排放總體形勢依舊嚴峻。4年中單位排放均高于平均值的有河北、山西、內蒙古、黑龍江、貴州、陜西、青海、寧夏和新疆9個省級行政區。其中河北、山西、內蒙古、黑龍江和陜西主要源于工業和冬季采暖排放量大；貴州、青海和寧夏則是因能源清潔利用程度較低，造成單位工業和生活排放較大；新疆則是生活排放較大。

2）響應措施（R）指標，4年中R（－）類型頻次最多，且R與各省域的經濟發展水平呈現出一定的正相關性。其中北京、天津、上海、浙江、江蘇和廣東等經濟發達地區治理投入R較高，江西、貴州和西藏等經濟相對滯后地區R治理投入較少。

3）大氣環境狀況（S）指標，含S（+）類型多于S（－）類型，全國總體的大氣狀況較好。S較高的省域集中于南部沿海，如浙江、福建、廣東、廣西和海南等。S較低的省域主要位于華北平原及其周邊，如北京、天津、河北、山西和山東等。大部分省域在治理期S保持增長態勢，說明各省域在治理期內不斷加強大氣生態保護措施。

2.3.2 PRS關系類型分析

圖3為2014—2017年31個省級行政區的PRS關系類型，統計結果如表3所示。

表3 PRS關系類型頻次Table 3 Frequency of PRS Relationship Types

根據大氣環境治理系統指標的相互關系，將PRS關系類型分為符合邏輯推理、邏輯推理矛盾和邏輯推理不確定3類，各類型情況如下。

1）符合邏輯推理的類型，共29頻次。包括類型1、類型8兩類。其中：類型1（+，+，+）為“排放少、措施多、狀況好”，總頻次為15，涉及浙江、廣東和海南等；類型8（－，－，－）為“排放多、措施少、狀況差”，總頻次為14，涉及河北、山西、陜西和新疆等。

2）邏輯推理矛盾的類型，共30頻次。包括類型2、類型7兩類。其中：類型7（－，－，+）為“排放多、措施少、狀況好”，總頻次為11，包括內蒙古、貴州、甘肅和青海，自身ΔP＜0，是鄰域ΔP＞0的輸出中心。類型2（+，+，－）為“排放少、措施多、狀況差”，總頻次為19，包括北京、天津、山東、吉林、遼寧、河南、江蘇和上海，自身ΔP＞0，是ΔP＜0鄰域的輸入區域。

3）邏輯推理不確定類型，共65頻次。包括類型3、類型4、類型5和類型6共4類，其中：類型3（+，－，+）為“排放少、措施少、狀況好”，總頻次為35，涉及西藏、四川、重慶、云南、廣西、湖北、湖南、安徽、福建和江西等；類型4（+，－，－）為“排放少、措施少、狀況差”，總頻次為13，涉及河南、湖北、安徽和遼寧等；類型5（－，+，+）為“排放多、措施多、狀況好”，總頻次為8，主要為黑龍江；類型6（－，+，－）為“排放多、措施多、狀況差”，總頻次為9，主要包括寧夏和山東。

2.3.3 效率跨域影響分析

邏輯推理矛盾的類型2和類型7的頻次高達30，說明這兩類省級行政區的大氣環境治理結果受跨域輸出影響顯著。如表4所示，引入空間相關性模型，運用全局Moran′sI指數和Local Moran′sI指數對S進行空間相關性測算，將4期S的截面數據（2014年、2015年、2016年、2017年）代入得到的全局Moran′sI指數均通過99%的置信度檢驗。運用局部Local Moran′sI指數和LISA集聚圖清晰呈現各省級行政區形成的集聚區，4期截面數據的LISA集聚圖主要呈現出高-高聚集和低-低聚集兩種集聚類型。高-高集聚區主要位于南部沿海各省級行政區，低-低聚集主要以北京、天津、河北、山西、河南和山東為中心，并且呈現向東南延伸的趨勢。

表4 大氣環境狀況的全局Moran's ITable 4 Moran′s I of Atmospheric Environment

由類型2和類型7的省級行政區為輸入、輸出中心，結合現狀數據p值和空間相關性結果，同時考慮與大氣污染密切相關的氣候、地理環境等因素［27］，判定大氣的擴散集聚路徑，按照鄰域空間相關性進行跨域影響的分析。

1）類型7的省級行政區污染物濃度高，狀態S較好的原因是空間擴散致鄰域，ΔP＞0。主要輸出路徑有：①內蒙古→遼寧、吉林，4年中內蒙古的排放壓力P值高，因海拔較高和風沙揚塵向遼寧和吉林輸出污染物，但由于受大興安嶺阻隔，對黑龍江影響??；②甘肅、青?！拇ā貞c，甘肅和青海位于我國第二海拔階梯，與相鄰的四川高差大，污染物擴散至盆地易聚集，緊鄰四川的重慶西部也受到影響，ΔP＞0；③貴州→湖南、廣西，貴州位于云貴高原東北部，污染物易向鄰域海拔低的湖南、廣西轉移，而海拔較高的云南影響小。

2）類型2省域污染物濃度低，狀態S較差的原因是鄰域擴散輸入致自身ΔP＞0。主要輸入路徑有：①遼寧、吉林←河北、內蒙古，近幾年東北工業生產活動大為減少，污染較華北平原輕，因此受內蒙古的擴散輸出影響外，遼寧、吉林還受緊鄰的河北污染輸出影響；②北京、天津←河北←山西，北京、天津、河北與山西同屬于大陸季風氣候區，其中，處于上風向的山西是煤炭生產和消耗大省，排放壓力P值高，河北、北京和天津地區受其污染擴散影響；③上?！?、安徽、江蘇←山東、河南←河北，因華北平原和長江中下游平原之間地勢平坦、無山脈阻隔，山西、河北的高濃度污染物沿路徑方向擴散直至上海，污染擴散ΔP梯度遞減，而秦嶺、南嶺分別阻斷了向湖北和重慶、廣州和福建的上游向污染擴散；④新疆、內蒙古、甘肅、陜西、山西等北方地區冬季供暖的污染排放，因西伯利亞和蒙古一帶高壓控制的西北風和北風加重鄰近的北京、天津的污染外，也使得東南部省域的大氣輸入ΔP＞0。

綜上所述，由于受到污染輸入的影響，有14個ΔP＞0的省級行政區：吉林、遼寧、北京、天津、山東、河南、安徽、湖北、江蘇、上海、四川、重慶、湖南和廣西。受到污染輸出影響，有7個ΔP＜0的省級行政區：內蒙古、河北、山西、山東、甘肅、青海和貴州。

2.3.4 治理效率結果分析

總計124個單元頻次中，模型效率E≥1的有效頻次為66，E＜1的無效頻次為58。其中受ΔP的影響統計如下。

1）ΔP＞0，致使省域大氣狀況變差及ΔS＜0，模型效率E低于實際效率。涉及2014年的四川、重慶、北京、天津、吉林、遼寧和山東［28］；2015年包括全部受到污染輸入影響的14個省級行政區；2016年包括剔除北京和山東受到污染輸入影響的12個省級行政區；2017年包括剔除廣西和山東受到污染輸入影響的12個省級行政區?？傆?8個無效（E＜1）頻次中，受到污染輸入影響的頻次為39，占比67.2%。

2）ΔP＜0，致使省域大氣狀況變好及ΔS＞0，模型效率E高于實際效率。涉及2014年的青海、甘肅、內蒙古、山西和河北；2015年的青海、甘肅、貴州、內蒙古、山西和河北；2016年的內蒙古、山西、河北、貴州和山東；2017年的青海、內蒙古、山西、河北、貴州和山東?？傆?6個有效（E≥1）頻次中，受影響的頻次為20，占比30.3%。

3）新疆、西藏、寧夏、云南、廣東、海南、福建、浙江、江西和黑龍江等10個省級行政區的模型效率E受ΔP的影響小，基本上與實際效率相符。

2.3.5 治理措施改進建議

從最近2017年評價結果可知，目前我國大氣環境治理及績效考核工作中仍存在較多不足，本文提出以下改進建議：①浙江、廣東、海南和吉林為類型1，治理工作最優，應持續保持優勢。②黑龍江以及寧夏、山東分別屬于“排放多、措施多”的類型5和類型6，污染排放較大，改進治理措施從源頭的負向排放減少效果最為顯著，要調節能源消費結構，改進能源消費制度，嚴格控制工業和生活的煤炭消費總量，明確生態補償制度，提高污染排放成本，并合理制定響應措施。③湖北、湖南、廣西、四川、重慶、江西、云南、西藏、甘肅、福建以及遼寧、河南、安徽分別屬于“排放少、措施少”的類型3和類型4，治理措施配置不足阻礙了治理效果，應因地制宜設計治理計劃，完善環境績效審計，運用差異化的考核獎懲手段推動治理工作，引進先進的清潔生產技術和設備，降低有害物質的排放。④河北、山西、陜西、新疆為類型8，各方面狀況都較差，除在排放和措施工作上改善外，還應宣傳倡導全民參與環保，提高整體環保意識。⑤針對受跨域影響顯著的省級行政區，包括含內蒙古、貴州和青海的類型2，含北京、天津、江蘇和上海的類型7，其在治理的頂層設計上應打破行政區域限制，各地聯動、全民共治，以重點污染區域為核心，協同規劃制定大氣治理計劃，遏制污染擴散趨勢，共同推動大氣環境質量改善。

3 結束語

空氣污染的跨域影響會對區域大氣環境的治理效率產生影響。本文基于PSR系統機理和跨域理論構建的大氣環境治理效率的DEA模型，計算與分析了31個省級行政區在《大氣污染防治行動計劃》期間的大氣環境治理效率，結合現狀數據和效率變化對跨域影響大的省域進行類型甄別，并對各省域實際治理效率進行診斷，為切實提升大氣環境治理效率、改善大氣環境提供參考，具有一定的現實意義。針對跨域影響，結合DEA模型參數進行定量化的研究有待進一步拓展。