中國省域PM2.5濃度行業(yè)驅(qū)動因素的時空異質(zhì)性研究

刁貝娣 丁鐳 蘇攀達(dá)

摘要 面對近年來頻發(fā)的霧霾污染，堅定“打好藍(lán)天保衛(wèi)戰(zhàn)”是我們整治大氣環(huán)境問題的決心。探尋和厘清各重點(diǎn)行業(yè)對PM2.5濃度的貢獻(xiàn)量，判定影響更為顯著且更為廣泛的行業(yè)，劃定目前最迫切需要整治的重點(diǎn)區(qū)域，期望為深入推進(jìn)貫徹落實國務(wù)院《大氣污染防治行動計劃》中“重點(diǎn)行業(yè)重點(diǎn)區(qū)域”這一減排思路提供依據(jù)?；诖耍疚囊?000—2014年省域PM2.5濃度及相關(guān)重點(diǎn)行業(yè)為研究對象，利用STIRPAT模型構(gòu)建PM2.5濃度變化的解釋模型，進(jìn)而運(yùn)用GTWR模型探究行業(yè)驅(qū)動因素的時空異質(zhì)性。擬合結(jié)果表明：不同行業(yè)影響系數(shù)表現(xiàn)出顯著的時空異質(zhì)性，從時間上看，不同行業(yè)的演化趨勢特征鮮明，火力發(fā)電行業(yè)的擬合系數(shù)先減小后趨于穩(wěn)定，鋼鐵業(yè)系數(shù)波動變化后趨于穩(wěn)定，水泥、建筑行業(yè)的系數(shù)則在不斷增加后趨于穩(wěn)定，供暖行業(yè)先減小后增加，而采礦行業(yè)的擬合系數(shù)為負(fù)向增加，為不同行業(yè)減排政策的調(diào)整提供依據(jù)。從空間上看，區(qū)域間重點(diǎn)行業(yè)的影響差異顯著，火力發(fā)電行業(yè)較多的影響東部各省，鋼鐵行業(yè)則顯著影響著中西部主要的產(chǎn)業(yè)轉(zhuǎn)移接收地，水泥行業(yè)對各省域的影響系數(shù)有正有負(fù)，而余下的建筑業(yè)、供暖業(yè)和采礦行業(yè)的影響則表現(xiàn)出區(qū)域特色。因此，全國統(tǒng)一的控制政策亟待調(diào)整。為提出針對行業(yè)特征和區(qū)域差異的控制政策，以四象限區(qū)域劃分結(jié)果結(jié)合行業(yè)生產(chǎn)規(guī)模作為重點(diǎn)區(qū)域分類的依據(jù)，依據(jù)分類結(jié)果給出對應(yīng)的政策調(diào)整建議。依據(jù)上述分析及結(jié)論，對于改善空氣質(zhì)量、控制PM2.5濃度提出以下三條政策建議：制定行業(yè)標(biāo)準(zhǔn)，倒逼企業(yè)轉(zhuǎn)型；明確分區(qū)控制，差異治理策略；注重技術(shù)銜接，突出后發(fā)優(yōu)勢。

關(guān)鍵詞 PM2.5濃度；行業(yè)驅(qū)動因素；GTWR；時空異質(zhì)性；重點(diǎn)區(qū)域劃分

中圖分類號 F205 文獻(xiàn)標(biāo)識碼 A 文章編號 1002-2104（2018）09-0052-11 DOI：10.12062/cpre.20180425

2013年初中東部地區(qū)的大面積霧霾事件爆發(fā)后，環(huán)境問題尤其是大氣污染問題成為社會各界高度關(guān)注的公眾議題。2015年，全國檢測站點(diǎn)包含的338個地級以上城市中有265個空氣質(zhì)量不合格，其中尤以PM2.5為首要污染物占不合格天數(shù)的66.8%[1]。盡管經(jīng)過多年治理，城市大氣污染問題仍未得到有效解決，尤其2016年底再次爆發(fā)的霧霾天氣，使得全國24座城市先后啟動了空氣重度污染紅色預(yù)警。因此，2017年初李克強(qiáng)總理在政府工作報告時再次強(qiáng)調(diào)了霧霾治理的緊迫性，堅定了政府“打好藍(lán)天保衛(wèi)戰(zhàn)”的決心[2]。

1 文獻(xiàn)分析

因此，如何降低PM2.5濃度、緩解霧霾天氣給社會造成的危害，成為環(huán)境經(jīng)濟(jì)學(xué)等相關(guān)學(xué)科高度關(guān)注的課題。為了更深入地了解進(jìn)而控制以PM2.5為主要污染物的霧霾污染，已有研究主要從自然科學(xué)視角出發(fā)，重點(diǎn)聚焦于PM2.5的物質(zhì)組成[3]、空間分布特征[4]、源解析[5]及灰霾形成機(jī)理等方面。自Donkelaar A等[6]2010年發(fā)布第一幅全球PM2.5濃度圖后，圍繞PM2.5質(zhì)量濃度的相關(guān)研究陸續(xù)展開。從研究區(qū)域上，已有研究著重聚焦于我國華北、東北及西南地區(qū)，并重點(diǎn)關(guān)注部分大城市的PM2.5污染狀況[7-9]；從PM2.5濃度數(shù)據(jù)來源來看，主要基于MODIS全球氣溶膠柱反演和地面監(jiān)測站實測數(shù)據(jù)兩個途徑[10-11]。而隨著研究的深入，PM2.5濃度的影響因素探究逐漸成為新熱點(diǎn)[12]，盡管不同專家對主要影響因素的判別表現(xiàn)出較大的差異。不少學(xué)者認(rèn)為宏觀經(jīng)濟(jì)指標(biāo)例如：經(jīng)濟(jì)規(guī)模、人口規(guī)模、城市化程度、工業(yè)發(fā)展水平以及能源利用效率等是增加PM2.5濃度的主要驅(qū)動力[13-15]。同時，部分學(xué)者認(rèn)為對機(jī)動車的數(shù)量、垃圾焚燒量等具體指標(biāo)的測算和控制才是研究、治理霧霾污染的主要方向[16]。除此之外，還有一些學(xué)者將關(guān)注點(diǎn)放在了城市發(fā)展模式、城市規(guī)模等綜合性指標(biāo)上，認(rèn)為概括為綜合指標(biāo)后的發(fā)展水平更能系統(tǒng)地體現(xiàn)人類活動對于大氣環(huán)境產(chǎn)生的影響，并對其機(jī)理展開一系列討論[17-18]。總的來看，目前的研究更多關(guān)注宏觀經(jīng)濟(jì)因素對空氣質(zhì)量的影響，忽略了對重點(diǎn)行業(yè)在霧霾污染的貢獻(xiàn)力度以及重點(diǎn)區(qū)域治理緊迫性上的關(guān)注。

為貫徹落實國務(wù)院《大氣污染防治行動計劃》中“重點(diǎn)行業(yè)重點(diǎn)區(qū)域”這一主體思路，環(huán)保部等部門將通過制定、修訂重點(diǎn)行業(yè)排放標(biāo)準(zhǔn)“倒逼”產(chǎn)業(yè)轉(zhuǎn)型升級，并明確將重點(diǎn)行業(yè)作為污染治理工作的突破口。已有研究表明，鋼鐵和火力發(fā)電行業(yè)在生產(chǎn)過程中資源、能源消耗量大，且各工序生產(chǎn)過程排放的污染物成分復(fù)雜、種類繁多[19-20]。因此，2011年和2012年國家環(huán)保部先后將火力發(fā)電行業(yè)和鋼鐵工業(yè)列為重點(diǎn)控制行業(yè)，大幅收緊這兩個行業(yè)的煙塵、SO2、NOx等大氣污染物的排放限值[21]；另一方面，隨著城鎮(zhèn)化進(jìn)程中城市數(shù)量的增加及建設(shè)規(guī)模的不斷擴(kuò)大，水泥行業(yè)開始成為我國人為源顆粒物排放貢獻(xiàn)最大的工業(yè)部門之一[22]。因而，繼火電、鋼鐵行業(yè)之后，2013年環(huán)保部再次修訂并發(fā)布對大氣環(huán)境質(zhì)量有重大影響的行業(yè)排放標(biāo)準(zhǔn)—《水泥工業(yè)大氣污染物排放標(biāo)準(zhǔn)》，重新規(guī)定了水泥行業(yè)大氣污染物的排放限值。此外，地面揚(yáng)塵和建筑揚(yáng)塵也是空氣中PM2.5的主要來源，年貢獻(xiàn)率為15%～30%左右[23]。同時，由部分研究結(jié)果可以看出，北方地區(qū)采暖季前后PM2.5濃度及組分具有顯著差異[24]，露天開采礦區(qū)的PM2.5濃度遠(yuǎn)高于其他地區(qū)[25]，因此，在特定地區(qū)供暖行業(yè)及采礦業(yè)也是影響較大的重點(diǎn)行業(yè)。由此可以判定火力發(fā)電行業(yè)、鋼鐵行業(yè)、水泥行業(yè)為影響PM2.5濃度的重點(diǎn)行業(yè)。除此之外，建筑、供暖和采礦行業(yè)的影響雖具有顯著的地域差異，但也是相對較為重要的行業(yè)。

根據(jù)前文的綜述可以看出，目前學(xué)界的研究成果集中于探究宏觀經(jīng)濟(jì)因素或單一重點(diǎn)行業(yè)對PM2.5濃度的影響，忽略了PM2.5濃度的變化是諸多重點(diǎn)行業(yè)的綜合貢獻(xiàn)。相比已有關(guān)于空氣質(zhì)量的影響機(jī)理研究大多圍繞自然背景和城市化、產(chǎn)業(yè)結(jié)構(gòu)等社會經(jīng)濟(jì)背景，本文從行業(yè)產(chǎn)業(yè)角度出發(fā)，在研究尺度上更細(xì)致化，對于區(qū)域的PM2.5減排控制也更有明確的指導(dǎo)作用。本文的創(chuàng)新點(diǎn)和研究意義在于：在省級尺度層面，以2000—2014年中國省域PM2.5濃度為研究對象，以各行業(yè)的生產(chǎn)規(guī)模（行業(yè)產(chǎn)品產(chǎn)量）作為解釋變量，運(yùn)用時空地理加權(quán)回歸模型（GTWR）厘清各重點(diǎn)行業(yè)對PM2.5濃度的貢獻(xiàn)量，判定影響更為顯著且影響更為廣泛的行業(yè)，劃定目前最迫切需要整治的重點(diǎn)區(qū)域，為深入推進(jìn)貫徹落實國務(wù)院《大氣污染防治行動計劃》中“重點(diǎn)行業(yè)重點(diǎn)區(qū)域”這一減排思路提供依據(jù)。

基于此，我們從產(chǎn)業(yè)演進(jìn)及產(chǎn)業(yè)結(jié)構(gòu)的角度，重新梳理行業(yè)驅(qū)動因素對PM2.5濃度影響的背后機(jī)制。從時間維度來看，地區(qū)的產(chǎn)業(yè)在發(fā)展中結(jié)構(gòu)和內(nèi)容不斷更新及變化的過程即產(chǎn)業(yè)演進(jìn)，是技術(shù)和制度協(xié)同作用的結(jié)果[26]。工業(yè)內(nèi)部結(jié)構(gòu)的演進(jìn)過程，也是不斷淘汰衰退產(chǎn)業(yè)，加強(qiáng)傳統(tǒng)產(chǎn)業(yè)的技術(shù)改造，實現(xiàn)主導(dǎo)產(chǎn)業(yè)的合理轉(zhuǎn)換，扶持和引導(dǎo)新興產(chǎn)業(yè)[27]，因此在不同時期，地區(qū)工業(yè)內(nèi)部的產(chǎn)業(yè)演進(jìn)處于不同階段。同時，產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整對霧霾污染具有顯著的時間滯后效應(yīng)[28]，即上一時期的霧霾污染對當(dāng)期或后期存在較大的正向影響，因此進(jìn)行長時間序列的研究是十分必要的。從空間維度，由于中國地域遼闊，不同省域的自然條件、資源稟賦、區(qū)位優(yōu)勢、技術(shù)水平等方面存在的差異，從而在不同地區(qū)形成各異的產(chǎn)業(yè)集聚布局，其產(chǎn)業(yè)演進(jìn)順序也存在一定的差異性[29]。探究重點(diǎn)行業(yè)因子的時空異質(zhì)性，期望判定地區(qū)在一段時間內(nèi)，生產(chǎn)力水平提高的同時降低其污染的外部性，為各地區(qū)制定差異化的產(chǎn)業(yè)政策提供參考。

2 數(shù)據(jù)來源、研究方法及模型對比

2.1 數(shù)據(jù)來源及變量選擇

本文中數(shù)據(jù)皆為省域數(shù)據(jù)，包含全國30個省市自治區(qū)（由于統(tǒng)計數(shù)據(jù)的缺失，暫未包括西藏自治區(qū)、香港和澳門特別行政區(qū)、臺灣省以及南海諸島等地區(qū)）。各省PM2.5濃度數(shù)據(jù)來源于兩個平臺：①2000—2012年的數(shù)據(jù)由SEDAC數(shù)據(jù)庫中的MODIS反演數(shù)據(jù)提供；②2013—2014年采用MODIS全球氣溶膠柱厚度的反演結(jié)果，具體地是由LAADS提供的Terra數(shù)據(jù)集中的三級數(shù)據(jù)MOD08M3中的全球月平均氣溶膠細(xì)粒子比（FMF），結(jié)合國內(nèi)公開的城市PM2.5月均監(jiān)測數(shù)據(jù)反演得到。

各行業(yè)產(chǎn)品的產(chǎn)量數(shù)據(jù)表征各地區(qū)的行業(yè)發(fā)展?fàn)顩r，由于地域間成本及產(chǎn)品價格的差異，行業(yè)產(chǎn)量比行業(yè)產(chǎn)值更能代表行業(yè)的發(fā)展規(guī)模及發(fā)展水平[30]。產(chǎn)量數(shù)據(jù)分別來自《中國統(tǒng)計年鑒》和《中國國土資源統(tǒng)計年鑒》，部分缺失數(shù)據(jù)參考各省歷年統(tǒng)計年鑒。由于統(tǒng)計時間、數(shù)據(jù)傳輸?shù)仍?，且考慮到數(shù)據(jù)的完整性和連續(xù)性，最后研究時間區(qū)間確定為2000—2014年。根據(jù)前文論述，選取影響PM2.5濃度的重點(diǎn)行業(yè)及表示變量的指標(biāo)分別為：B（建筑施工面積）、CE（水泥產(chǎn)量）、FE（火力發(fā)電量）、H（熱水及蒸汽供熱的供熱量總和）、M（非油氣原礦產(chǎn)礦量）、ST（粗鋼產(chǎn)量）。除了這些重點(diǎn)行業(yè)外，機(jī)動車尾氣的排放也是空氣中PM2.5的一個主要來源，因此，出于穩(wěn)健性考慮，使得模型的擬合結(jié)果更符合實際情況，選擇V（民用汽車總量）作為其中一個解釋變量。各變量的描述性統(tǒng)計結(jié)果見表1。

2.2 研究方法

2.3 OLS、GWR及GTWR模型擬合結(jié)果對比

首先，為了觀測所選各重點(diǎn)行業(yè)在全局上的影響水平，選擇以PM2.5濃度的對數(shù)為因變量，七個重點(diǎn)行業(yè)產(chǎn)品產(chǎn)量值的對數(shù)為解釋變量，運(yùn)用Eviews構(gòu)建OLS模型。R2等于0.622，調(diào)整后R2為0.617，擬合效果欠佳。這是因為OLS估計沒有考慮空間距離因素，不同觀察值間的差異被“平均化”，只能得到一個整體上的相互關(guān)系，既不能反映參數(shù)在不同空間的非穩(wěn)定性，也無法反映各參數(shù)在時間上的非穩(wěn)定性。

由于我國國土面積廣大，省域地情差異巨大，各參數(shù)應(yīng)存在顯著的空間非平穩(wěn)性。為探尋這種空間非平穩(wěn)性，在原有模型中加入空間距離權(quán)重，使用GWR模型探究重點(diǎn)行業(yè)對PM2.5濃度影響的空間異質(zhì)性。以2000年、2005年、2010年、2014年為分析斷面，分別對這四年的數(shù)據(jù)進(jìn)行分析，結(jié)果如表2。擬合效果隨時間推移逐漸降低，說明擬合效果越來越差，且?guī)捲龃螅锤飨禂?shù)的線性趨勢不斷減弱。

由前文分析可以看出OLS模型以及GWR模型的擬合效果一般，由于霧霾污染存在顯著的時間滯后性，長時間序列的研究是必須的，且各重點(diǎn)行業(yè)對PM2.5濃度的貢獻(xiàn)在時間上存在較大的差異。因此，需要將時間納入變量坐標(biāo)構(gòu)成新的模型—時空地理加權(quán)回歸模型（GTWR），從而提高擬合精度并增加解釋能力[38]。在MATLAB中利用Huang所公布的算法[37]對不同年份各區(qū)域PM2.5的行業(yè)驅(qū)動因素參數(shù)進(jìn)行估計。利用AICs得到模型最佳帶寬為0.339，擬合優(yōu)度為0.994，調(diào)整后R2為0.994。通過比較三種模型的擬合結(jié)果可以看出，GTWR模型的擬合優(yōu)度明顯高于GWR模型和OLS模型，表明各行業(yè)對PM2.5濃度的影響存在顯著的時空非平穩(wěn)性，應(yīng)通過GTWR模型對其時空異質(zhì)性進(jìn)行分析。

3 各行業(yè)驅(qū)動因素擬合系數(shù)的時空異質(zhì)性分析

3.1 各驅(qū)動因子擬合系數(shù)的時間演化

對不同時間內(nèi)各區(qū)域PM2.5的行業(yè)驅(qū)動因素參數(shù)進(jìn)行模擬估計，得到每個行業(yè)在不同時空位置上的PM2.5濃度的貢獻(xiàn)系數(shù)。為了觀測GTWR擬合參數(shù)在時間上的演變趨勢，繪制分行業(yè)擬合系數(shù)隨時間變化的箱狀圖（見圖1）。

具體到不同行業(yè)來看：①火力發(fā)電對空氣中的PM2.5濃度增加的貢獻(xiàn)最為顯著，大多數(shù)省份火力發(fā)電造成的影響為正向的，僅有少數(shù)幾個省份的擬合系數(shù)為負(fù)。但隨著時間的推移，火力發(fā)電行業(yè)生產(chǎn)技術(shù)的進(jìn)步、清潔技術(shù)的升級以及污染物排放標(biāo)準(zhǔn)的制定，特別是《火電工業(yè)大氣污染物排放標(biāo)準(zhǔn)》的修訂，使得火力發(fā)電行業(yè)污染排放的控制力度得到進(jìn)一步加強(qiáng)，整個行業(yè)對空氣質(zhì)量的影響先緩慢降低，后趨于平穩(wěn)。②類似于火力發(fā)電行業(yè)，鋼鐵行業(yè)對大部分省域的PM2.5濃度的貢獻(xiàn)為正向，這個正向系數(shù)隨時間先升后降，最終趨于平穩(wěn)。按照鋼鐵工業(yè)“十二五”發(fā)展規(guī)劃，中國逐步實現(xiàn)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整，轉(zhuǎn)變發(fā)展方式，到2015年粗鋼需求總量在6.7億～7.5億t左右[39]，對比前十年粗鋼產(chǎn)量的增長，鋼鐵產(chǎn)業(yè)的發(fā)展將進(jìn)入平緩期；同時《鋼鐵工業(yè)大氣污染物排放標(biāo)準(zhǔn)》中大幅收緊煙塵、SO2、NOx等大氣污染物的排放限值，這都使得鋼鐵行業(yè)對大部分地區(qū)空氣質(zhì)量的影響開始出現(xiàn)下降的趨勢。③從擬合系數(shù)值來看，在研究初期，水泥行業(yè)對大多地區(qū)的PM2.5濃度影響為負(fù)，隨著時間的流逝，部分地區(qū)的擬合系數(shù)不斷增加，我國的經(jīng)濟(jì)政策重點(diǎn)開始由出口導(dǎo)向型經(jīng)濟(jì)向內(nèi)需拉動型經(jīng)濟(jì)轉(zhuǎn)變，各地城市化建設(shè)中的基礎(chǔ)設(shè)施建設(shè)使得對水泥的需求量急劇上升，水泥行業(yè)在全國很多地區(qū)迅速發(fā)展，同時也伴生了大量的大氣污染物的排放。然而在這一增加趨勢在后期開始趨于穩(wěn)定，但總體變成了正向影響較多。

相較于以上三個行業(yè)與PM2.5濃度主要為正向關(guān)系不同，余下的三個行業(yè)的貢獻(xiàn)水平則在較多地區(qū)表現(xiàn)出影響較小或負(fù)向影響。建筑行業(yè)對PM2.5濃度的貢獻(xiàn)水平緩慢增加，因為在過去一段時間內(nèi)正處于城市規(guī)模不斷擴(kuò)大、城鎮(zhèn)數(shù)量不斷增加的階段，建筑行業(yè)在此時迅速發(fā)展，城市建筑施工面積急速增加，同時與建筑行業(yè)相關(guān)的運(yùn)輸也導(dǎo)致PM2.5濃度上升。供暖行業(yè)方面，由于我國集中供暖主要存在于北方地區(qū)，南方地區(qū)長期以來鮮有供暖服務(wù)，因此該行業(yè)的影響系數(shù)地域特色突出；隨時間的推移，供暖行業(yè)整體擬合系數(shù)變化較小，但還是有先減小而后又增加的趨勢。采礦行業(yè)為負(fù)向影響的省域較多，且隨時間影響先負(fù)向增加后趨于穩(wěn)定。

3.2 各驅(qū)動因子擬合系數(shù)的空間分布

為更直觀的觀察各驅(qū)動因子的擬合系數(shù)在空間分布上的差異，選擇2014年各行業(yè)的擬合結(jié)果進(jìn)行可視化（見圖2）。整體看來，各行業(yè)對PM2.5濃度的影響程度在區(qū)域之間呈現(xiàn)空間差異，且表現(xiàn)出一定的空間集聚特征。

從圖2可以看出：①火力發(fā)電行業(yè)影響較大的區(qū)域為東部沿海的各省，特別是華東地區(qū)，主要是因為這些地區(qū)經(jīng)濟(jì)發(fā)展迅速且人口密集，但能源資源十分緊缺，一次能源調(diào)入比例高達(dá)88%，電力資源短缺尤為嚴(yán)重[40]。為滿足能源需求，這些地區(qū)必須大力發(fā)展以燃煤、燃油為主的火力發(fā)電行業(yè)，致使不同規(guī)模的火電廠密集分布在東部各省。同時，國內(nèi)電力企業(yè)大量引進(jìn)價格低廉的低卡進(jìn)口煤，與優(yōu)質(zhì)煤摻雜使用進(jìn)行供電來降低成本，對PM2.5的影響極為嚴(yán)重?；痣娦袠I(yè)大氣污染物包括煙塵、SO2、NOx，這些污染物既包含空氣中PM2.5的一次來源，同時也包括二次轉(zhuǎn)化來源的前體物，這些前體物不僅使得空氣中的細(xì)粒物質(zhì)增加，同時會使霧霾的毒性增強(qiáng)。②另一個對PM2.5污染貢獻(xiàn)量較大的是鋼鐵行業(yè)，鋼鐵冶煉行業(yè)不僅生產(chǎn)過程中資源、能源消耗量較大，同時也產(chǎn)生大量的污染物排放。此外，鋼鐵行業(yè)各工序的生產(chǎn)過程排放的污染物成分復(fù)雜、種類繁多。類似于火力發(fā)電行業(yè)，鋼鐵行業(yè)既是一次細(xì)顆粒排放源，也是造成環(huán)境空氣當(dāng)中細(xì)顆粒污 染的主要前體物SO2、NOx的主要排放源。從空間上看，鋼鐵行業(yè)影響最大的地區(qū)是中西部的產(chǎn)業(yè)轉(zhuǎn)移承接地，例如安徽、江西、湖南、云南等。這些區(qū)域是沿海發(fā)達(dá)地區(qū)的主要承接地，接收了大量來自江蘇、浙江、廣州等發(fā)達(dá)地區(qū)產(chǎn)業(yè)的轉(zhuǎn)移。這些地區(qū)在發(fā)展路徑的選擇上相對保守，依循傳統(tǒng)的發(fā)展路徑，選擇承擔(dān)環(huán)境風(fēng)險以換取相應(yīng)的經(jīng)濟(jì)發(fā)展機(jī)會，在此過程中一定程度上降低了對引進(jìn)企業(yè)在環(huán)境方面的要求，才會成為鋼鐵等重工業(yè)的主要污染區(qū)域。③水泥行業(yè)對不同地區(qū)的影響有正有負(fù)，但涉及范圍較廣，正向影響主要集中在華中和華南一線的河南、湖北、湖南、廣西等地，其他的還有華東地區(qū)的江蘇以及江西。由徐東耀等對我國水泥行業(yè)大氣污染物排放特征的研究成果可以看出，華中地區(qū)雖然只包括河南、湖北、湖南三省，但其水泥產(chǎn)量及生產(chǎn)過程中產(chǎn)生粉塵、SO2、NOx排放量都在全國位列前茅[41]。究其原因是上述3個省為水泥生產(chǎn)大省，產(chǎn)量大，采用大型生產(chǎn)設(shè)備更新?lián)Q代緩慢，對礦物原料進(jìn)行加工時產(chǎn)生更多的污染物，且其貢獻(xiàn)也包括了排放產(chǎn)生的細(xì)顆粒物以及污染物混合后發(fā)生復(fù)雜反應(yīng)后形成的二次污染兩種污染形式，污染物成分復(fù)雜。

此外，值得注意的是，建筑行業(yè)隨著城市化快速推進(jìn)而不斷發(fā)展，許多城市開始大搞城市建設(shè)，無論是舊城改造還是新城建設(shè)，都使得在建工地面積不斷擴(kuò)大。且華東、華北和西北地區(qū)的氣候特點(diǎn)為半濕潤半干旱地區(qū)，建筑工地在風(fēng)的作用下易產(chǎn)生大量揚(yáng)塵，從而增加PM2.5的濃度降低空氣質(zhì)量。供暖行業(yè)因為地域氣溫限制，主要影響北方地區(qū)，特別是京津冀及其周邊省份，這些地區(qū)人口密集，城市集中供暖消耗大量的化石能源，鄉(xiāng)村地區(qū)供暖又因為煤質(zhì)較差，產(chǎn)生的大氣污染物質(zhì)更多，所以這些地區(qū)在秋冬季節(jié)會出現(xiàn)大面積連續(xù)的的霧霾污染[42]。最后是采礦行業(yè)，擬合結(jié)果顯示系數(shù)最大的地區(qū)為福建和上海，雖然這兩個地區(qū)露天礦產(chǎn)的開發(fā)較少，但從另一個方面來看，表明這兩個地區(qū)相對于其他行業(yè)，發(fā)展礦業(yè)開采可能會導(dǎo)致更多的細(xì)顆粒物污染；其次就是新疆、內(nèi)蒙古等地區(qū)，近些年來各類礦產(chǎn)資源的開發(fā)規(guī)模和開發(fā)力度不斷增大，是主要的采礦業(yè)集中區(qū)域，且更多以粗放式開采為主[43]，這些地區(qū)密布的露天礦床使得開采過程中產(chǎn)生的粉塵及揚(yáng)塵進(jìn)入空氣，同時礦石運(yùn)輸過程中也會產(chǎn)生較多的揚(yáng)塵，進(jìn) 而影響空氣質(zhì)量，導(dǎo)致空氣中的PM2.5濃度增加。

3.3 重點(diǎn)區(qū)域的分類與分區(qū)

結(jié)合前期NOx減排的經(jīng)驗，突出重點(diǎn)行業(yè)和重點(diǎn)區(qū)域的做法在很大程度上解決統(tǒng)一標(biāo)準(zhǔn)給不同區(qū)域減排工作帶來的制約，有力促進(jìn)了“十二五”計劃中后期NOx的減排，這種做法對于PM2.5的治理工作具有參考價值[44]。因此，甄別PM2.5的兩個重點(diǎn)應(yīng)是下一階段污染物治理工作的重要內(nèi)容。

首先是PM2.5濃度超標(biāo)的污染區(qū)域的篩選。根據(jù)《環(huán)境空氣質(zhì)量標(biāo)準(zhǔn)（GB3095-2012）》，PM2.5的年和24小時平均濃度二級標(biāo)準(zhǔn)限值分別定為35 μg/m3和75 μg/m3，所以年均空氣質(zhì)量高于35 μg/m3的省市地區(qū)劃分為需要進(jìn)行PM2.5濃度控制的污染區(qū)域，包括安徽、北京、河北、河南等16個省市地區(qū)。

第二步為受影響區(qū)域的分類。對于不同行業(yè)來說，其對各個地區(qū)的影響程度不盡相同，因此每個行業(yè)需要調(diào)控的重點(diǎn)區(qū)域也會具有較大差異。為了尋找各行業(yè)調(diào)控的重點(diǎn)區(qū)域，這里對影響區(qū)域進(jìn)行分類。根據(jù)劉滿芝等人的研究[45]，以2007年相對于2000年擬合系數(shù)變化為橫軸、2014年相對于2007年變化為縱軸，將各省份擬合系數(shù)的表現(xiàn)分為9種類型（絕對值小于2視為平穩(wěn)），分別為：系數(shù)不斷增加的地區(qū)、系數(shù)先增加后平穩(wěn)區(qū)、系數(shù)先增加后減小區(qū)、系數(shù)先平穩(wěn)后增加區(qū)、系數(shù)始終平穩(wěn)區(qū)、系數(shù)先平穩(wěn)后減小區(qū)、系數(shù)先減小后增加區(qū)、系數(shù)不斷減小區(qū)以及系數(shù)先減小而后平穩(wěn)的地區(qū)，據(jù)此獲得行業(yè)影響水平變化情況的四象限圖（見圖3）。

第三步為各行業(yè)影響的重點(diǎn)區(qū)域劃定。以受影響區(qū)域分類結(jié)果和行業(yè)生產(chǎn)規(guī)模為劃分依據(jù)，探尋各行業(yè)擬合系數(shù)變化表現(xiàn)不佳且產(chǎn)量較大的重點(diǎn)區(qū)域，具體劃分結(jié)果 見表3，其中擬合系數(shù)一直為負(fù)數(shù)的地區(qū)未被重點(diǎn)標(biāo)記。（N1～N9對應(yīng)上述影響區(qū)域分類劃分出的9種類型）

由表3的劃定結(jié)果可以看出，首先，鋼鐵和火力發(fā)電行業(yè)受到行業(yè)排放標(biāo)準(zhǔn)的限制，其對于PM2.5濃度影響逐年增加的趨勢基本得到控制，但近年來鋼鐵行業(yè)的污染在部分省域有“死灰復(fù)燃”的趨勢（例如安徽、河南、江西等地），這些地區(qū)需要進(jìn)一步落實行業(yè)污染物排放的約束性政策。由于水泥及建筑行業(yè)的行業(yè)排放限制政策還未完全落實，這兩個行業(yè)影響增加的趨勢暫未得到明顯的控制，部分省份仍出現(xiàn)PM2.5濃度不斷增加的現(xiàn)象（例如河南、江蘇、遼寧、河北等地）。因此，對這些地區(qū)來說當(dāng)務(wù)之急是行業(yè)排放標(biāo)準(zhǔn)的制定及相關(guān)環(huán)境政策的落實。最后是供暖及采礦行業(yè)，這兩個行業(yè)具有顯著的區(qū)域差異，重要的是提升行業(yè)的生產(chǎn)效率及改進(jìn)清潔技術(shù)，盡量減少行業(yè)發(fā)展對當(dāng)?shù)乜諝赓|(zhì)量特別是PM2.5濃度的影響。

4 結(jié)論及政策建議

4.1 結(jié)論

本文從行業(yè)驅(qū)動污染物排放的角度出發(fā)，對各重點(diǎn)行業(yè)PM2.5濃度變化貢獻(xiàn)程度進(jìn)行估計，并運(yùn)用時空地理加權(quán)回歸模型尋找各重點(diǎn)行業(yè)影響顯著的區(qū)域，進(jìn)而得出以下結(jié)論。

從行業(yè)視角來看，影響PM2.5濃度最為顯著的行業(yè)為火力發(fā)電、鋼鐵和水泥行業(yè)，其次是供暖、采礦與建筑業(yè)。隨時間的推移各行業(yè)的影響系數(shù)大致可以劃分為三種變化情況：①趨于穩(wěn)定：火電行業(yè)與鋼鐵行業(yè)以行業(yè)污染物約束性政策修訂為分界點(diǎn)，前期變化顯著，后期逐漸趨于穩(wěn)定；②變化趨勢一致：水泥、建筑行業(yè)的影響系數(shù)保持不斷增加的態(tài)勢，而采礦行業(yè)的影響系數(shù)不斷減??；③先減小后增加：供暖行業(yè)先減小后增加。總體來看，行業(yè)約束性政策的出臺對行業(yè)污染物排放的控制效果較為顯著，因此，未來應(yīng)該進(jìn)一步加強(qiáng)水泥與建筑行業(yè)的控制，降低行業(yè)污染物排放對地區(qū)空氣質(zhì)量的影響。

從空間分布角度來看，不同區(qū)域的各產(chǎn)業(yè)擬合系數(shù)存在空間異質(zhì)性和空間集聚效應(yīng)，并表現(xiàn)出與產(chǎn)業(yè)重心相應(yīng)的空間分布格局。火力發(fā)電行業(yè)對于東部依賴火電提供能源的地區(qū)，特別是山東、江蘇以及安徽的影響較大。鋼鐵行業(yè)則顯著影響著中西部地區(qū)產(chǎn)業(yè)轉(zhuǎn)移承接地，例如安徽、江西、湖南、云南等。水泥行業(yè)對不同省份的影響系數(shù)有正有負(fù)，影響為正的地區(qū)集中在華中、華南一線的河南、湖北、湖南、廣西，以及華東地區(qū)的江蘇、江西。建筑行業(yè)主要影響華北和西北地區(qū)的PM2.5濃度，其中影響最為顯著的為山東、山西及寧夏三地。供暖與采礦行業(yè)也表現(xiàn)出顯著的地域特征?？偟膩砜?，在空間上產(chǎn)業(yè)分布同樣表現(xiàn)出對空氣質(zhì)量極大的影響力。

為進(jìn)一步尋找各行業(yè)影響顯著的重點(diǎn)區(qū)域，以四象限圖劃分類型結(jié)果及行業(yè)生產(chǎn)規(guī)模為依據(jù)，劃分出九種類型。其中N1、N4、N7這三類地區(qū)是各個行業(yè)都需要控制的最重要的地區(qū)，必須即刻采取有效措施。N2、N5、N8為次重要地區(qū)，這一類型中擬合系數(shù)較大的區(qū)域，還需要進(jìn)一步加強(qiáng)控制。

4.2 政策建議

依據(jù)本研究的主要分析及結(jié)論，對于改善空氣質(zhì)量、控制PM2.5濃度提出以下三條政策建議：

（1）制定行業(yè)標(biāo)準(zhǔn)，倒逼企業(yè)轉(zhuǎn)型。從前文分析中可以看出，目前各重點(diǎn)行業(yè)中減排控制效果最佳的鋼鐵和火電行業(yè)來看，在相關(guān)行業(yè)污染物排放標(biāo)準(zhǔn)修訂后，行業(yè)生產(chǎn)規(guī)模對空氣質(zhì)量的影響逐漸降低。由此可見，在現(xiàn)階段的減排工作中，制定詳盡的大氣污染物排放限值是一個行之有效的方法。特別是對處于轉(zhuǎn)型期的重點(diǎn)行業(yè)，更是迫切需要相關(guān)排放標(biāo)準(zhǔn)來規(guī)范企業(yè)的排放行為，通過控制污染物的排放強(qiáng)度，結(jié)合排污權(quán)的分配與交易，倒逼企業(yè)加快生產(chǎn)工藝的轉(zhuǎn)型升級與清潔技術(shù)的更新?lián)Q代。

（2）明確分區(qū)控制，注重差異治理。我國幅員遼闊、地情復(fù)雜，各省域產(chǎn)業(yè)結(jié)構(gòu)特色鮮明，詳細(xì)了解區(qū)域各行業(yè)發(fā)展?fàn)顩r及辨別PM2.5重點(diǎn)控制區(qū)域是分區(qū)治理的核心。具體而言，火電與供暖對北方地區(qū)的PM2.5濃度，尤其是華北地區(qū)影響較大，應(yīng)該予以重點(diǎn)控制?；痣娦袠I(yè)大量的燃煤消耗除了產(chǎn)生PM2.5等基本物質(zhì)粉塵之外，還帶來其他污染物如硫酸鹽、亞硝酸鹽、重金屬元素以及有機(jī)質(zhì)多環(huán)芳烴等，此類污染物會增強(qiáng)霧霾的毒性，應(yīng)該展開重點(diǎn)監(jiān)測。同時，臨近沿海地區(qū)的省份作為這一輪產(chǎn)業(yè)轉(zhuǎn)移的承接地接收了大量工廠企業(yè)，這些地區(qū)應(yīng)該特別注意對轉(zhuǎn)移產(chǎn)業(yè)進(jìn)行甄別，并增加高污染高耗能企業(yè)的準(zhǔn)入門檻，防止重走先污染后治理的老路。

（3）注重技術(shù)銜接，突出后發(fā)優(yōu)勢。表明已有研究部分地區(qū)的經(jīng)濟(jì)發(fā)展過程中存在不同程度的“資源詛咒”現(xiàn)象[46]，而如何避免這種情況在后續(xù)發(fā)展階段中蔓延，成為我國實現(xiàn)“五位一體”發(fā)展戰(zhàn)略的關(guān)鍵問題。減排技術(shù)的升級是控制大氣污染物的核心，尤其在后工業(yè)化的發(fā)展階段，生產(chǎn)效率的提高和環(huán)保技術(shù)的改進(jìn)是維持地區(qū)可持續(xù)發(fā)展、緩解“資源詛咒”現(xiàn)象的基本條件，尤其是對后進(jìn)地區(qū)，升級換代各方面技術(shù)是其發(fā)展的必然選擇。除了依靠先進(jìn)地區(qū)已經(jīng)積累的發(fā)展經(jīng)驗和相對領(lǐng)先的科技能力外，后進(jìn)地區(qū)主動接收已有的技術(shù)成果、總結(jié)區(qū)域發(fā)展路徑、落實各項中長期規(guī)劃內(nèi)容也是關(guān)鍵舉措。尤其是在像鋼鐵產(chǎn)業(yè)這樣的典型產(chǎn)業(yè)中，區(qū)域間的技術(shù)溢出對于鋼鐵行業(yè)的環(huán)境效應(yīng)影響顯著。因此，關(guān)注技術(shù)銜接，搭建環(huán)境技術(shù)專利轉(zhuǎn)移公共平臺、鼓勵后進(jìn)地區(qū)企業(yè)引進(jìn)相關(guān)人才，激活后發(fā)優(yōu)勢同樣也是治理環(huán)境污染、改善空氣質(zhì)量過程中的重要內(nèi)容。

（編輯：于 杰）

參考文獻(xiàn)（References）

[1]中華人民共和國環(huán)境保護(hù)部. 中國環(huán)境質(zhì)量報告[M]. 北京： 中國環(huán)境科學(xué)出版社， 2015. [Ministry of Environmental Protection of the Peoples Republic of China. China environmental quality report [M]. Beijing： China Environment Science Press，2015.]

[2]張明， 李曼. 經(jīng)濟(jì)增長和環(huán)境規(guī)制對霧霾的區(qū)際影響差異[J]. 中國人口·資源與環(huán)境， 2017， 27（9）： 23-34. [ZHANG Ming，LI Man.Study on the regional difference in the relationship among haze pollution，economic growth and environmental regulation from the perspective of spatial gravitational effect[J]. China population，resources and environment， 2017， 27（9）： 23-34.]

[3]王振波， 方創(chuàng)琳， 許光， 等. 2014年中國城市PM2.5濃度的時空變化規(guī)律[J]. 地理學(xué)報， 2015， 70（11）： 1720-1734. [WANG Zhenbo， FANG Chuanglin， XU Guang， et al. Spatialtemporal characteristics of the PM2.5 in China in 2014[J]. Acta geographica sinica， 2015， 70（11）： 1720-1734.]

[4]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. [ZHANG Shengling， WANG Yuhan， LI Yue， et al. Spatial distribution of haze pollution and its influencing factors[J]. China population， resources and environment， 2017， 27（9）： 15-22.]

[5]朱先磊， 張遠(yuǎn)航， 曾立民， 等. 北京市大氣細(xì)顆粒物PM2.5的來源研究[J]. 環(huán)境科學(xué)研究， 2005， 18（5）： 1-5.[ZHU Xianlei， ZHANG Yuanhang， ZENG Liming， et al. Source identification of ambient PM2.5 in Beijing[J]. Research of environmental sciences， 2005， 18（5）： 1-5.]

[6]DONKELAAR A， MARTIN R V， BRAUER M， et al. Global estimates of ambient fine particulate matter concentrations from satellitebased aerosol optical depth： development and application[J]. Environmental health perspectives， 2010， 118（6）：847-855.

[7]LI R K， LI Z P， GAO W J， et al. Diurnal， seasonal and spatial variation of PM2.5 in Beijing[J]. Science bulletin， 2014， 60（3）：387-395.

[8]LIN G， FU J， JIANG D， et al. Spatiotemporal variation of PM2.5 concentrations and their relationship with geographic and socioeconomic factors in China[J]. International journal of environmental research and public health， 2014， 11（1）： 173-186.

[9]HAO Y， LIU Y M. The influential factors of urban PM2.5， concentrations in China： a spatial econometric analysis [J]. Journal of cleaner production， 2016， 112：1443-1453.

[10]WU R， DAI H， GENG Y， et al. Economic impacts from PM2.5 pollutionrelated health effects： a case study in Shanghai[J]. Environmental science & technology， 2017， 51（9）： 5035-5042.

[11]張殷俊，陳曦，謝高地，等.中國細(xì)顆粒物（PM2.5）污染狀況和空間分布[J].資源科學(xué)，2015， 37（7）： 1339-1346. [ZHANG Yinjun， CHEN Xi， XIE Gaodi，et al. Pollution status and spatial distribution of PM2.5 in China[J]. Resources science， 2015， 37（7）： 1339-1346.]

[12]ZHANG X， WU Y， GU B. Characterization of haze episodes and factors contributing to their formation using a panel model [J]. Chemosphere， 2016， 149： 320-327.

[13]向堃， 宋德勇. 中國省域 PM2.5 污染的空間實證研究[J]. 中國人口·資源與環(huán)境， 2015， 25（9）： 153-159. [XIANG Kun， SONG Deyong. Spatial analysis of Chinas PM2.5 pollution at the provincial level[J]. China population， resources and environment， 2015， 25（9）： 153-159.]

[14]LI G， FANG C， WANG S， et al. The effect of economic growth， urbanization and industrialization on fine particulate matter PM2.5 concentrations in China [J]. Environmental science & technology， 2016， 50（21）：11452-11459.

[15]GUAN D， SU X， ZHANG Q， et al. The socioeconomic drivers of Chinas primary PM2.5 emissions [J]. Environmental research letters， 2014， 9（2）： 1-9.

[16]XU B， LIN B. Regional differences of pollution emissions in China： contributing factors and mitigation strategies [J]. Journal of cleaner production， 2016， 112： 1454-1463.

[17]MCCARTY J， KAZA N. Urban form and air quality in the United States [J]. Landscape and urban planning， 2015， 139： 168-179.

[18]HAN L， ZHOU W， PICKETT S T A， et al. An optimum city size？ the scaling relationship for urban population and fine particulate （PM2.5） concentration [J]. Environmental pollution， 2016， 208： 96-101.

[19]伯鑫， 趙春麗， 吳鐵， 等. 京津冀地區(qū)鋼鐵行業(yè)高時空分辨率排放清單方法研究[J]. 中國環(huán)境科學(xué)， 2015， 35（8）： 2554-2560. [BO Xin， ZHAO Chunli， WU Tie， et al. Emission inventory with high temporal and spatial resolution of steel industry in the BeijingTianjinHebei region[J]. China environmental science， 2015， 35（8）： 2554-2560.]

[20]薛文博， 許艷玲， 王金南，等. 全國火電行業(yè)大氣污染物排放對空氣質(zhì)量的影響[J]. 中國環(huán)境科學(xué)， 2016， 36（5）：1281-1288. [XUE Wenbo， XU Yanlin， WANG Jinan， et al. Ambient air quality impact of emissions from thermal power industry[J]. China environmental science， 2016， 36（5）：1281-1288.]

[21]王書肖， 趙斌， 吳燁，等. 我國大氣細(xì)顆粒物污染防治目標(biāo)和控制措施研究[J]. 中國環(huán)境管理， 2015（2）： 37-43.[WANG Shuxiao， ZHAO Bin， WU Ye， et al. Target and measures to prevent and control ambient fine particle pollution in China[J]. China environmental management， 2015（2）： 37-43.]

[22]何敏， 陳軍輝， 韓麗，等. 四川省2008—2014年水泥行業(yè)大氣污染物排放清單及時空分布特征[J]. 環(huán)境科學(xué)學(xué)報， 2017， 37（1）：34-43. [HE Min， CHEN Junhui， HAN Li， et al. Cement industrial emission inventories development and their temporal and spatial distribution for Sichuan Province from 2008 to 2014[J]. Acta scientiae circumstantiae， 2017， 37（1）：34-43.]

[23]胡敏， 唐倩， 彭劍飛， 等. 我國大氣顆粒物來源及特征分析[J]. 環(huán)境與可持續(xù)發(fā)展， 2011（5）： 15-19. [HU Min， TANG Qian， PENG Jianfei， et al. Study on characterization and source apportionment of atmospheric particulate matter in China[J]. Environment and sustainable development， 2011（5）： 15-19.]

[24]黃蕊珠， 陳煥盛， 葛寶珠， 等. 京津冀重霾期間 PM2.5來源數(shù)值模擬研究[J]. 環(huán)境科學(xué)學(xué)報， 2015， 35（9）： 2670-2680. [HUANG Ruizhu， CHEN Huansheng， GE Baozhu， et al. Numerical study on source contributions to PM2.5 over BeijingTianjinHebei area during a severe haze event[J]. Acta scientiae circumstantiae， 2015， 35（9）： 2670-2680.]

[25]張鵬， 劉琳， 羅靜， 等. 克拉瑪依市 PM2.5污染特征分析[J]. 新疆環(huán)境保護(hù)， 2016， 38（4）： 25-29. [ZHANG Peng， LIU Lin， LUO Jing， et al. Analysis on characteristics of PM2.5 pollution in Karamay[J]. Environmental protection of Xinjiang， 2016， 38（4）： 25-29.]

[26]SCHAMP E W. On the notion of coevolution in economic geography[C]//The handbook of evolutionary economic geography. North Carolina： Edward Elgar Publishing， 2010： 432.

[27]陳其慎，于汶加，張艷飛，等. 資源-產(chǎn)業(yè)“雁行式”演進(jìn)規(guī)律[J].資源科學(xué)， 2015， 37（5）： 871-882.[CHENG Qishen， YU Wenjia， ZHANG Yanfei， et al. Resourcesindustry‘flying geeseevolving pattern[J]. Resources science， 2015， 37（5）： 871-882.]

[28]ROBERTS M J， TYBOUT J R. Industrial evolution in developing countries： a preview[M].London： Oxford University Press， 1996： 1-14.

[29]邵帥， 李欣， 曹建華， 等. 中國霧霾污染治理的經(jīng)濟(jì)政策選擇——基于空間溢出效應(yīng)的視角[J]. 經(jīng)濟(jì)研究， 2016， 51（9）： 73-88. [SHAO Shuai， LI Xin， CAO Jianhua， et，al. Chinas economic policy choices for governing smog pollution based on spatial spillover effects[J]. Economic research journal， 2016， 51（9）： 73-88.]

[30]朱武祥， 陳寒梅， 吳迅. 產(chǎn)品市場競爭與財務(wù)保守行為——以燕京啤酒為例的分析[J]. 經(jīng)濟(jì)研究， 2002（8）： 28-36. [ZHU Wuxiang， CHEN Hanmei， WU Xun. Product market competition and financial conservatism： model and the case of Yanjing Beer Co[J]. Economic research journal， 2002（8）： 28-36.]

[31]丁鐳， 黃亞林， 劉云浪， 等. 1995—2012年中國突發(fā)性環(huán)境污染事件時空變化特征及影響因素[J]. 地理科學(xué)進(jìn)展， 2015， 34（6）： 749-760. [ DING Lei， HUANG Yalin， LIU Yunlang， et al. Spatiotemporal variability of sudden environmental pollution incidents and influencing factors in China， 1995-2012[ J]. Progress in geography， 2015， 34（6）： 749-760.]

[32]曾浩， 余瑞祥， 左椏菲， 等. 長江經(jīng)濟(jì)帶市域經(jīng)濟(jì)格局演變及其影響因素[J]. 經(jīng)濟(jì)地理， 2015， 35（5）： 25-31.[ZENG Hao， YU Ruixiang， ZUO Yafei， et al. Evolution of spatialtemporal pattern and its influential factors of city regional economy in Yangtze River Economic Belt[J]. Economic geography， 2015， 35（5）： 25-31.]

[33]FOTHERINGHAM A S， CHARLTON M， BRUNSDON C. The geography of parameter space： an investigation of spatial nonstationarity [J]. International journal of geographical information systems， 1996， 10（5）： 605-627.

[34]CHALKIAS C， PAPADOPOULOS A G， KALOGEROPOULOS K， et al. Geographical heterogeneity of the relationship between childhood obesity and socioenvironmental status： empirical evidence from Athens， Greece [J]. Applied geography， 2013， 37： 34-43.

[35]BRUNSDON C， FOTHERINGHAM A S， CHARLTON M. Some notes on parametric significance tests for geographically weighted regression [J]. Journal of regional science， 1999， 39（3）： 497-524.

[36]FOTHERINGHAM A S， BRUNSDON C， CHARLTON M. Geographically weighted regression： the analysis of spatially varying relationships [M]. New York：John Wiley & Sons， 2002.

[37]HUANG B， WU B， BARRY M. Geographically and temporally weighted regression for modeling spatiotemporal variation in house prices [J]. International journal of geographical information science， 2010， 24（3）：383-401.

[38]玄海燕， 張安琪， 藺全錄，等. 中國省域經(jīng)濟(jì)發(fā)展影響因素及其時空規(guī)律研究——基于GTWR模型[J]. 工業(yè)技術(shù)經(jīng)濟(jì)， 2016， 35（2）：154-160. [XUAN Haiyan， ZHANG Anqi， LIN Quanlu， et al. Affecting factors research of Chinese provincial economic development： based on GTWR Model[J]. Journal of industrial technological economics， 2016， 35（2）：154-160.]

[39]楊曉東， 張玲， 姜德旺，等. 鋼鐵工業(yè)廢氣及PM2.5排放特性與污染控制對策[J]. 工程研究-跨學(xué)科視野中的工程， 2013， 5（3）：240-251. [YANG Xiaodong， ZHANG Ling， JIANG Dewang， et al. Exhaust gas of iron & steel industry and emission characteristics of PM2.5 and pollution control measures[J]. Journal of engineering studies， 2013， 5（3）：240-251.]

[40]程軻， 薛志鋼， 張增強(qiáng)，等. 長三角重點(diǎn)行業(yè)大氣污染物排放及控制對策[J]. 環(huán)境科學(xué)與技術(shù)， 2009， 32（9）：120-123.[CHENG Ke， XUE Zhigang， ZHANG Zengqiang， et al. Emission and control of air pollutants in major industries of Yangtze Delta[J]. Environmental science & technology， 2009， 32（9）：120-123.]

[41]徐東耀， 周昊， 劉偉，等. 我國水泥行業(yè)大氣污染物排放特征[J]. 環(huán)境工程， 2015， 33（6）：76-79. [ XU Dongyao， ZHOU Hao， LIU Wei， et al. Emission characteristics of air pollutants in Chinas cement industry[J]. Environmental engineering， 2015， 33（6）：76-79.]

[42]周曙東， 歐陽緯清， 葛繼紅. 京津冀 PM2.5的主要影響因素及內(nèi)在關(guān)系研究[J]. 中國人口·資源與環(huán)境， 2017，27（4）： 102-109. [ZHOU Shudong， OUYANG Weiqing， GE Jihong. Study on the main influencing factors and their intrinsic relations of PM2.5 in BeijingTianjinHebei[J]. China population， resources and environment， 2017，27（4）：102-109.]

[43]陳祖海， 雷朱家華， 劉馳. 民族地區(qū)能源開發(fā)與經(jīng)濟(jì)增長效率研究： 基于“資源詛咒”假說[J]. 中國人口·資源與環(huán)境， 2015， 25（6）： 98-106.[CHEN Zuhai， LEI Zhujiahua， LIU Chi. Energy development and economic growth efficiency in minority areas： based on the ‘Resource Curse hypothesis[J]. China population，resources and environment， 2015， 25（6）： 98- 106.]

[44]刁貝娣， 曾克峰， 蘇攀達(dá)， 等. 中國工業(yè)氮氧化物排放的時空分布特征及驅(qū)動因素分析[J]. 資源科學(xué)， 2016， 38（9）：1782-1793. [DIAO Beidi， ZENG Kefeng， SU Panda， et al. Temporalspatial distribution characteristics of provincial industrial NOx emissions and driving factors in China from 2006 to 2013[J]. Resources science， 2016， 38（9）： 1782-1793.]

[45]劉滿芝， 楊繼賢， 馬丁， 等. 基于LMDI模型的中國主要大氣污染物的空間差異及其影響因素分析[J]. 資源科學(xué)， 2015， 37（2）： 333-341.[ LIU Manzhi， YANG Jixian， MA Ding， et al. Spatial disparity and factor analysis of major air pollutant emissions in China based on LMDI Methods[J]. Resources science， 2015， 37（2）： 333-341.]

[46]邵帥， 齊中英. 西部地區(qū)的能源開發(fā)與經(jīng)濟(jì)增長——基于“資源詛咒”假說的實證分析[J]. 經(jīng)濟(jì)研究， 2008 （4）： 147-160. [SHAO Shuai， QI Zhongying. Energy development and economic growth in western China： an empirical analysis based on the resource curse hypothesis[J]. Economic research journal， 2008 （4）： 147-160.]

Abstract In recent years， fog and haze occur frequently， and ‘Lay the Blue Sky Battle is our determination to control air pollution. This paper explored and clarified the contribution of various key industries to the concentration of PM2.5， determined the industries with more significant and more extensive impacts， and delineated the key areas that are most urgently needed to be rectified， hoping to provide the basis for deepening the implementation of the emission reduction idea of Key Industry Key Areas in the Air Pollution Prevention Action Plan issued by the State Council. In this paper， based on the concentration of PM2.5 in the province from 2000 to 2014， the model of PM2.5 concentration was constructed by STIRPAT model， and then it used the GTWR model to explore the spatiotemporal heterogeneity of the driving factors of each industry. The results showed that： the influence coefficient of each industry showed significant temporal and spatial heterogeneity. From the perspective of time， the evolution of different industries showed a distinctive feature， the coefficients of the thermal power industry and steel industry tended to stabilize after strengthen the control， and the influence coefficients of cement and construction industry increased at first and then became stabilized. The heating industrys coefficient first reduced then increase， while the mining industrys impact coefficient decreased. These results provided a basis for the adjustment of emission reduction policies in different industries. From perspective of space， there were significant differences between the impacts of regional industries. The thermal power industry had a greater impact on the eastern provinces. The steel industry had a significant impact on major industrial transfer of the receiving area in the central and western provinces. The impact coefficients of the cement industry were both positive and negative. The influence of the heating industry and the mining industry showed regional characteristics， so the national unified control policy should be adjusted. In order to put forward the control policy with industrial and regional differences， the regional classification results combined with industrial product output in 2014 are referred to classify key regions， and then we can provide corresponding policy adjustment recommendations based on the classification results. According to the above analysis， the policy recommendations are summarized as follows： developing industrial standards， forcing enterprises to transform； clarifying the control on the division of key region， adopting different governance strategies， emphasizing technical convergence， and highlighting the advantages of backwardness.

Key words PM2.5； industrial drivers； GTWR； temporalspatial heterogeneity； the division of key region