城市化對霧霾暴露的貢獻

王班班 廖曉潔 譚秀杰

摘要 中國的快速城市化進程伴隨著霧霾暴露水平的非線性變化。為分析城市化的不同內(nèi)涵對霧霾污染的貢獻程度，文章對中國九大城市群2001—2018年的霧霾暴露指標進行分解。其中，霧霾暴露側(cè)重于衡量霧霾污染對人類活動和健康的危害程度，也是世界銀行衡量空氣污染的主要指標之一;影響因素上主要考察人口集聚、人口密度、城市擴張、經(jīng)濟增長和排放強度，分別用于衡量人口城市化、土地城市化、經(jīng)濟城市化和城市污染治理;方法上選取了時空LMDI分解法，以便更有效地對分解結(jié)果進行跨城市群、跨時間段和城市群內(nèi)部的多維度比較。研究結(jié)果發(fā)現(xiàn)：①2001—2018年期間，城市擴張和經(jīng)濟增長主要導(dǎo)致城市群霧霾暴露上升;人口密度和排放強度主要促使城市群霧霾暴露降低;人口集聚因素的貢獻主要在長三角、京津冀和珠三角城市群為正，但2016年后在長三角和京津冀變?yōu)樨?。?013年"大氣十條"發(fā)布后，排放強度對降低城市群霧霾暴露的積極影響在增大，城市擴張和經(jīng)濟增長的負面影響在減小。③在城市群內(nèi)部，人口城市化在2013年以前提高了長三角和京津冀中心城市的霧霾暴露，體現(xiàn)出這些城市極強的人口吸引力;2013年后人口集聚降低了一些中心城市而增加了外圍城市的霧霾暴露，體現(xiàn)了后者的人口疏導(dǎo)作用。④一些中心城市開始實現(xiàn)綠色的土地和經(jīng)濟城市化，而外圍城市仍存在粗放的土地擴張;排放強度的促降作用在外圍城市明顯增大，城市群協(xié)同減排取得顯著成果。為此，建議在城市群層面，繼續(xù)推進 "大氣十條"等大氣污染治理計劃，加大環(huán)保執(zhí)法力度，完善區(qū)域聯(lián)防聯(lián)控機制，加強城市之間在大氣污染控制技術(shù)和治理經(jīng)驗上的合作交流;在城市群內(nèi)部，針對外圍城市的人口、土地和經(jīng)濟三方面城市化，應(yīng)加強基礎(chǔ)設(shè)施建設(shè)，打造綠色宜居的衛(wèi)星城市，加強新城區(qū)環(huán)境治理，改造完善生態(tài)工業(yè)園，發(fā)展清潔生產(chǎn)技術(shù)，促進產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化。

關(guān)鍵詞 霧霾暴露;城市化;城市群;時空分解;LMDI

中圖分類號 F061.5 ; F062.2 文獻標識碼 A 文章編號 1002-2104（2021）07-0063-12 DOI：10.12062/cpre.20201211

中國正在經(jīng)歷快速的城市化進程，以城市常住人口占比度量的城鎮(zhèn)化率從2001年的37.66%上升到2019年的60.60% [1-2]，在城市化進程中，中國已形成了20個左右的大中型城市群。城市群建設(shè)在中國區(qū)域協(xié)調(diào)發(fā)展和可持續(xù)發(fā)展中發(fā)揮著重要的作用。“十四五”規(guī)劃強調(diào)，要“推動城市群一體化發(fā)展”，“統(tǒng)籌推進基礎(chǔ)設(shè)施協(xié)調(diào)布局、產(chǎn)業(yè)分工協(xié)作、公共服務(wù)共享、生態(tài)共建環(huán)境共治”，“提高中心城市綜合承載能力和資源優(yōu)化配置能力，強化對區(qū)域發(fā)展的輻射帶動作用”。城市化與空氣污染呈非線性關(guān)系，城市化發(fā)展往往伴隨著空氣污染與治理問題 [3-6]。中國快速增長的大城市及其霧霾污染問題引起了研究者的關(guān)注 [6–10]，對中國城市人口霧霾暴露風(fēng)險的測算表明，2014年中國有7.23億人口暴露于霧霾污染，在15年間增加了17%，且大城市的霧霾暴露問題更嚴重 [11]。霧霾污染主要來自城市居民活動、工業(yè)生產(chǎn)、交通行駛等過程，也與城市人口集聚、經(jīng)濟增長、結(jié)構(gòu)調(diào)整、土地擴張等諸多因素高度相關(guān) [12–15]。霧霾污染會降低城市吸引力，不利于人力資本積累，進而損害城市經(jīng)濟增長 [6，16]。隨著中國城市的發(fā)展，霧霾污染治理成為政府的重要工作之一?？紤]到城市群緊湊的空間分布和霧霾污染的空間溢出效應(yīng) [9，17]，有必要就中國城市化對霧霾污染的影響因素進行更全面的比較和分析。文章以2001—2018年的中國九大城市群為樣本，基于時空LMDI分解法 [18]，考察人口城市化、土地城市化、經(jīng)濟城市化、城市污染治理對霧霾污染的貢獻程度，并將分解結(jié)果進行跨城市群、跨時間段和城市群內(nèi)部的多維度比較。文章的邊際貢獻有三點。第一，利用LMDI分解法在時空分解上的新進展 [18]，定量分析了城市化的社會經(jīng)濟因素對霧霾污染的貢獻及其在跨時期、跨城市群、城市群內(nèi)部之間的差異，對城市化進程中的霧霾污染治理具有一定的政策啟示。第二，拓展了傳統(tǒng)分解法的影響因素，側(cè)重于考察城市化層面因素的貢獻，并根據(jù)城市化的不同內(nèi)涵，將霧霾污染的貢獻因素分解為人口城市化、土地城市化、經(jīng)濟城市化和城市污染治理的相應(yīng)指標;霧霾暴露指標用于衡量霧霾污染，能夠更好地體現(xiàn)城市霧霾污染對人體健康的危害程度，也是世界銀行衡量空氣污染的主要指標之一。第三，考慮到霧霾污染的空間相關(guān)特征，文章將現(xiàn)有關(guān)于城市群霧霾污染的研究范圍擴大到了中國前九大城市群。

1 文獻綜述

1.1 城市化與空氣污染

城市化的主要特征為人口集聚、經(jīng)濟集聚和城市土地擴張 [19-20]，分別體現(xiàn)了人口、經(jīng)濟和土地三方面的城市化過程 [10，21-22]。城市化在帶來規(guī)模經(jīng)濟、知識溢出、低運輸成本等集聚收益的同時，也可能導(dǎo)致集聚無效率，引發(fā)擁堵和空氣污染等“城市病” [23-24]。隨著城市化的推進，居民的收入和教育水平提高，對空氣質(zhì)量的要求也會更高 [16]。因此為了實現(xiàn)城市的可持續(xù)發(fā)展，政府需要對空氣污染采取有效的治理措施。

人口集聚是城市化的首要特征，從規(guī)模、擁堵和聚集效應(yīng)等方面對霧霾污染產(chǎn)生復(fù)雜影響。一方面，人口規(guī)模增加提高了城市能源需求，導(dǎo)致污染暴露水平上升 [25]，同時市中心人口密度提高會帶來交通擁堵，加劇顆粒物排放 [15];另一方面，人口集聚具有正外部性，促進了技術(shù)進步，還有利于發(fā)揮公共基礎(chǔ)設(shè)施（如地鐵、天然氣）和私人清潔技術(shù)投資的集聚效應(yīng)和規(guī)模效應(yīng)，減少了市中心居民對汽車的依賴，促使其向綠色生活方式轉(zhuǎn)變 [26-27]，從而降低霧霾污染。

經(jīng)濟集聚與人口集聚相伴隨，促進了創(chuàng)新和經(jīng)濟增長。經(jīng)濟增長對霧霾污染可能存在倒“U”型的非線性影響 [28]。一方面，當經(jīng)濟增長主要依賴于第二產(chǎn)業(yè)時，工業(yè)經(jīng)濟規(guī)模增加會大幅提高能源消耗，增加霧霾污染排放 [7，29]。另一方面，規(guī)模經(jīng)濟和集聚效應(yīng)有助于提高資源配置效率和能源使用效率，降低運輸和通勤成本，激發(fā)技術(shù)創(chuàng)新，推進清潔生產(chǎn) [6，30-31]，并且當經(jīng)濟發(fā)展到一定程度時，能源結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)結(jié)構(gòu)升級也有利于降低霧霾污染 [32]。

城市擴張是城市化的另一個重要特征，在中國包括自發(fā)擴張和行政擴張兩種形式，對霧霾污染也產(chǎn)生雙向影響。自發(fā)擴張是指由市中心的擁擠、污染和高昂租金所驅(qū)動的居民和公司的自發(fā)外遷，會形成更大的城市空間。但緊湊城市理論認為較高的城市密度能夠通過集聚和規(guī)模效應(yīng)來減少碳排放，從而改善環(huán)境;但在分散型城市，郊區(qū)的高通勤成本和粗放的生產(chǎn)生活方式會增加能源消耗和污染排放 [19，32-33]。邵帥等 [8]證明，緊湊集約型的城市化深度推進模式有助于降低霧霾污染，而擴張型城市化則不利于霧霾減排。城市化還可通過行政式的土地快速擴張來實現(xiàn)。中國的“撤縣設(shè)區(qū)”“撤縣設(shè)市”、建設(shè)工業(yè)園等活動促進了當?shù)氐某鞘谢凸I(yè)化，帶來了住房、工業(yè)和公路投資，增加了能源消耗，甚至產(chǎn)生了過度投資和資源浪費的問題，導(dǎo)致低效率城市化，降低了城市空氣質(zhì)量 [34]。但近年來中國著重建設(shè)“生態(tài)工業(yè)園”，旨在保持經(jīng)濟增長的同時實現(xiàn)生態(tài)保護，有利于改善環(huán)境 [35-36]。

空氣污染會對城市發(fā)展產(chǎn)生不利影響，而地方政府的環(huán)境規(guī)制措施能夠顯著減少霧霾等空氣污染 [6，29，37-39]。對于生產(chǎn)者，環(huán)境規(guī)制能夠通過阻止污染企業(yè)進入、促進產(chǎn)業(yè)結(jié)構(gòu)升級、督促企業(yè)使用循環(huán)減排裝置、刺激綠色創(chuàng)新等措施來減少污染排放 [40-44]。對于消費者，環(huán)境規(guī)制可以通過環(huán)境披露來提高公眾的環(huán)境保護意識，從而提高政府的污染治理成效 [16，45-46]。

1.2 城市化與霧霾污染關(guān)系的階段性特征

一般認為，城市經(jīng)濟發(fā)展與空氣污染之間呈倒“U”型的EKC曲線關(guān)系 [28，45]，即經(jīng)濟增長最初會加劇空氣污染，隨著技術(shù)的進步和能源效率的提高，收入增加對空氣污染的不利影響會逐漸減小 [5]，到達拐點后將有助于空氣質(zhì)量的改善。在全球范圍內(nèi)，研究表明城市化和霧霾污染之間確實也存在倒“U”型關(guān)系，低收入國家處于霧霾污染隨城市化而加劇的階段，而高收入國家處于霧霾污染隨城市化而降低的階段 [5，47]。這可能是由于發(fā)達國家擁有更嚴格的環(huán)境法規(guī)、更高的生產(chǎn)效率和更清潔的生產(chǎn)技術(shù) [5]。對中國的研究表明，城市化與霧霾污染也呈現(xiàn)類似倒“U”型關(guān)系，在東部較發(fā)達地區(qū)甚至可能呈現(xiàn)“N”型或者倒“N”型關(guān)系[7-8，21-22]。

政府污染治理可以降低霧霾污染對城市經(jīng)濟和發(fā)展的負面影響 [48]。嚴格的環(huán)境政策能夠使EKC曲線形狀變得更低且更平緩 [45]，促使經(jīng)濟增長和環(huán)境污染在更低的污染水平脫鉤 [49]。政府污染治理力度與城市經(jīng)濟發(fā)展水平有關(guān)。一是污染治理會帶來的經(jīng)濟損失 [46]，因此政府需要在經(jīng)濟增長和環(huán)境污染之間進行權(quán)衡，只有當城市經(jīng)濟發(fā)展到一定水平后，政府才會從優(yōu)先發(fā)展經(jīng)濟轉(zhuǎn)向空氣污染治理 [50]。二是隨著居民收入的提高，霧霾污染對環(huán)境治理會產(chǎn)生反饋作用，公眾會提高對空氣質(zhì)量的訴求，有利于提高政府污染治理成效 [16，49]。

1.3 城市化與霧霾污染的空間特征

霧霾污染本身具有空間溢出效應(yīng) [9，17]。在城市群內(nèi)，城市之間在地理位置上的鄰近特征和產(chǎn)業(yè)轉(zhuǎn)移等社會經(jīng)濟活動上的緊密聯(lián)系進一步加強了霧霾污染的空間傳輸作用 [51]，使得鄰近城市的城市化水平和污染治理也會影響當?shù)氐撵F霾污染 [9]，因此區(qū)域聯(lián)防聯(lián)控機制是治理霧霾的重要策略 [17]。Fang等 [52]的研究表明，京津冀地區(qū)的城市空氣污染治理能夠降低當?shù)仂F霾污染，但會導(dǎo)致霧霾擴散至周邊城市。李永友和沈坤榮 [39]發(fā)現(xiàn)地區(qū)之間的環(huán)境規(guī)制存在嚴重的競爭效應(yīng)，鄰近地區(qū)污染治理政策的嚴厲程度對本地污染治理決策具有顯著影響。Wu等 [53]以北京為例，證明如果中心城市聯(lián)合周圍城市實施區(qū)域空氣污染治理，將比其獨自進行污染治理節(jié)約更多成本并達到更好的治理成效。

1.4 文獻述評

從現(xiàn)有文獻回顧可以看出，不論是以人口、經(jīng)濟還是土地度量的城市化，對霧霾污染均產(chǎn)生了非線性影響，而城市污染治理能夠降低城市化帶來的空氣污染。一般在城市化的早期和快速發(fā)展階段，城市化可能導(dǎo)致空氣質(zhì)量下降。中國快速城市化中的霧霾污染問題因而受到了學(xué)者的廣泛關(guān)注。然而，現(xiàn)有研究依然存在幾方面可以進一步挖掘的問題。一是城市化本身具有豐富的內(nèi)涵，而大多數(shù)現(xiàn)有文獻僅采用單一指標度量城市化進程，有必要就城市化的幾個主要方面對霧霾污染的貢獻程度進行研究。二是中國的城市化已經(jīng)呈現(xiàn)城市群發(fā)展態(tài)勢，但城市群視角下的城市化與霧霾污染研究還較為缺乏，且大多集中在京津冀、長三角和珠三角這三大城市群，有待更大范圍的比較研究。三是不同于大多數(shù)相關(guān)研究以污染濃度為因變量，作者采用污染暴露指標來衡量城市霧霾污染對城市居民健康的危害程度，該指標是世界銀行衡量空氣污染的主要指標之一。

2 政策背景

2.1 霧霾防治相關(guān)政策背景

近年來，北京等城市的霧霾污染備受媒體和大眾關(guān)注。2011年開始，北京、廣州、上海等多個重點城市率先公布PM2.5監(jiān)測數(shù)據(jù)。2013年1月11日，北京空氣質(zhì)量監(jiān)測數(shù)據(jù)顯示，北京的城區(qū)和郊區(qū)都被最嚴重等級的霧霾污染籠罩，PM2.5指數(shù)達到240到446之間，屬六級嚴重污染。隨后，中央和地方政府出臺大氣污染治理政策，重拳治理霧霾污染。

2013年9月10日，國務(wù)院發(fā)布了《大氣污染防治行動計劃》（簡稱“大氣十條”），首次針對PM2.5濃度對各地級市空氣質(zhì)量提出要求：到2017年，全國地級及以上城市可吸入顆粒物濃度比2012年下降10%以上，京津冀、長三角、珠三角等區(qū)域細顆粒物濃度分別下降25%、20%、15%左右。為了實現(xiàn)以上目標，計劃中提出了一些具體措施，例如加強污染的末端排放治理、改善能源結(jié)構(gòu)、提升產(chǎn)業(yè)結(jié)構(gòu)、降低排放強度、推行清潔生產(chǎn)、發(fā)展公共交通、倡導(dǎo)節(jié)約綠色的消費方式和生活習(xí)慣、建立區(qū)域治理協(xié)作機制等，同時，中央與各省級政府簽訂目標責(zé)任書，定期公布城市空氣質(zhì)量排名，進行年度考核，嚴格責(zé)任追究。

盡管“十一五”（2006—2010年）和“十二五”（2011—2015年）規(guī)劃綱要分別將能源強度和二氧化碳排放強度納入環(huán)境發(fā)展約束性指標，但沒有考慮霧霾污染指標。“十三五”（2016—2020年）規(guī)劃綱要首次將PM2.5濃度作為空氣質(zhì)量發(fā)展約束性指標，強調(diào)了要加大重點地區(qū)，特別是京津冀地區(qū)的PM2.5污染治理力度，要求未達標城市的PM2.5濃度在5年內(nèi)累計下降18%。

2.2 城市群相關(guān)政策背景

在地區(qū)層面，城市群的相關(guān)政策最早可追溯到1996年廣東省城鄉(xiāng)建設(shè)委員會編制的《珠江三角洲經(jīng)濟區(qū)城市群規(guī)劃——協(xié)調(diào)與持續(xù)發(fā)展》從2001年開始，其他各省市地區(qū)也陸續(xù)提出建設(shè)都市圈、城市群的規(guī)劃綱要。

在全國層面，“十五”規(guī)劃綱要（2001—2005年）提出要完善區(qū)域性中心城市功能，發(fā)揮大城市的輻射帶動作用，引導(dǎo)城鎮(zhèn)密集區(qū)有序發(fā)展，培育新的經(jīng)濟增長點和經(jīng)濟帶?！笆晃濉币?guī)劃綱要（2006—2010年）進一步提出，要把城市群作為推進城鎮(zhèn)化的主體形態(tài)，促進經(jīng)濟發(fā)展與人口、資源、環(huán)境相協(xié)調(diào)，形成高效協(xié)調(diào)可持續(xù)的城鎮(zhèn)化空間格局。“十二五”規(guī)劃（2011—2015年）強調(diào)，要促進城市群的人口和產(chǎn)業(yè)集聚，統(tǒng)籌謀劃人口分布、經(jīng)濟布局、國土利用和城鎮(zhèn)化格局。“十三五”（2016—2020年）規(guī)劃進一步賦予城市群綠色發(fā)展的戰(zhàn)略目標，強調(diào)跨區(qū)域城市間生態(tài)保護和環(huán)境治理協(xié)調(diào)聯(lián)動，規(guī)劃建設(shè)低碳發(fā)展的現(xiàn)代城市群。

根據(jù)全國主體功能區(qū)規(guī)劃要求，2013年開始形成的中國城市群結(jié)構(gòu)為“5 + 9 + 6”模式，即五個國家級，九個區(qū)域型和六個地區(qū)性城市群。文章選擇了五個國家級城市群（京津冀、長三角、珠三角、長江中游、成渝），以及四個國家發(fā)改委已公布發(fā)展規(guī)劃的區(qū)域性城市群（中原、關(guān)中平原、北部灣、哈長）作為樣本。

根據(jù)國家發(fā)改委印發(fā)的各城市群發(fā)展規(guī)劃和國務(wù)院印發(fā)的《關(guān)于建立更加有效的區(qū)域協(xié)調(diào)發(fā)展新機制的意見》文件，每個城市群均有1 ～ 3個中心城市（表1），這些中心城市一般是城市群中經(jīng)濟最發(fā)達的城市。中心城市的內(nèi)涵與Jefferson[54]提出的“首位城市”（primate city）概念類似，指一個國家或區(qū)域規(guī)模最大、經(jīng)濟最發(fā)達的城市。中心城市一般是區(qū)域中經(jīng)濟要素和人力資本的集聚中心，具有一定的資源分配權(quán)，對外圍城市有吸引力和輻射帶動作用，具有政治和經(jīng)濟上的絕對優(yōu)勢，負責(zé)促進區(qū)域的經(jīng)濟、社會、文化、生態(tài)全面高質(zhì)量發(fā)展。

3 方法和數(shù)據(jù)

3.1 時空分解方法

文章采用時空對數(shù)平均迪氏指數(shù)（spatial-temporal logarithmic mean Divisia index， ST-LMDI）分解法 [18]，該方法是LMDI的最新進展，旨在解決傳統(tǒng)分解法進行時空比較時不直接、低效率的問題，使LMDI方法具有時空可比性，因此能夠方便地進行跨城市群、跨時間段和城市群內(nèi)部的比較。傳統(tǒng)對數(shù)LMDI可以對能源消費（強度）、碳排放（強度）變化的社會經(jīng)濟影響因素，如經(jīng)濟結(jié)構(gòu)、能源強度、能源結(jié)構(gòu)等進行分解，考察各影響因素的貢獻程度 [55]。LMDI方法已經(jīng)得到廣泛的應(yīng)用，主要研究一國（區(qū)域）內(nèi)、區(qū)域之間和區(qū)域-時間維度的能源經(jīng)濟問題 [56-62]。ST-LMDI具有如下特點。第一，繼承了傳統(tǒng)LMDI方法的優(yōu)點，可以對污染排放的影響因素進行相對靈活的分解，且相較其他指數(shù)分解法，可以做到消除分解余項，并能更好地處理零值問題 [63-64]。第二，傳統(tǒng)LMDI分解法在進行跨區(qū)域和跨時間段比較時僅能進行兩兩比較，難以進行更大時空尺度的高效率比較分析;時空LMDI分解法通過樣本均值構(gòu)建比較基準，避免了參考區(qū)域選擇的隨意性，且易于計算、滿足循環(huán)性檢驗，從而可以有效地同時進行區(qū)域之間比較和趨勢發(fā)展的分析 [18]。文章將采用ST-LMDI方法，并在以下方面進行了拓展。

3.1.1 霧霾暴露的城市化影響因素分解

在傳統(tǒng)LMDI分解法的基礎(chǔ)上進行拓展，對霧霾暴露指標在城市化層面的影響因素進行分解。已有研究一般考察PM2.5排放或濃度，運用LMDI方法時通常將其分解為經(jīng)濟增長、人口規(guī)模和排放強度 [65-66]。文章進一步開展了如下兩方面工作：一是考察霧霾暴露而非霧霾濃度。霧霾暴露指標更側(cè)重于衡量霧霾污染對人類活動和健康的影響。世界銀行將霧霾暴露定義為一個地區(qū)的人口暴露于PM2.5的平均水平，計算方法是將地區(qū)的PM2.5年平均濃度按該地人口比重進行加權(quán)。二是側(cè)重于將霧霾暴露分解為與城市化緊密相關(guān)的幾個因素，包括人口集聚、人口密度、城市擴張、經(jīng)濟增長和排放強度五大因素，分別體現(xiàn)了人口城市化、土地城市化、經(jīng)濟城市化、城市污染治理等城市化的不同內(nèi)涵。

具體而言，第一步將九大城市群的城市人口加權(quán)平均霧霾暴露指標? 進行如下分解：

=∑Ni=1i=∑Ni=1LiLPi=∑Ni=1LiL·LiAi·Ai·YiLi·PiYi=

∑Ni=1PAi·PDi·CEi·PYi·EIi （1）

其中，下標 i 代表城市，N=147 代表樣本中城市總數(shù); i 表示城市霧霾暴露水平;表示城市PM2.5濃度; Li 和 L 分別表示城市的人口和所有城市的總?cè)丝? Ai 表示城市建成區(qū)面積; Yi 表示城市生產(chǎn)總值。上式將霧霾暴露分解為五個因素：①兩個人口城市化變量。城市人口集聚（Population Agglomeration，PAi ），為城市 i 的人口占所有城市總?cè)丝诘谋壤?，反映城市人口的相對集聚程度和極化水平;城市人口密度（Population Density，PDi ），為城市單位面積的人口數(shù)量，反映城市擁擠程度。②一個土地城市化變量。城市擴張（City Expansion，CEi ）為城市建成區(qū)面積，既反映了在城市化過程中城市面積的自發(fā)延展，也可以反映中國帶有行政色彩的土地城市化進程，如“撤縣設(shè)市”“撤縣設(shè)區(qū)”和建設(shè)工業(yè)園等。③一個經(jīng)濟城市化變量。城市人均GDP（Per capita GDP， PY i），反映了城市化進程中城市的經(jīng)濟增長情況，也內(nèi)含了生產(chǎn)水平、生活水平的變化。④城市污染治理變量。PM2.5排放強度（Emissions Intensity，EIi ），即單位GDP霧霾污染濃度，反映城市經(jīng)濟發(fā)展和污染排放的關(guān)聯(lián)程度，排放強度的降低可能反映了更強的污染治理政策，也可能反映了污染控制技術(shù)水平的提高。

將全部樣本數(shù)據(jù)使用ST-LMDI方法進行分解，再將分解結(jié)果在城市群層面上進行加總，得到每個城市群的分解結(jié)果：

=∑Ni=1i=∑Kj=1kjj （2）

其中， j代表城市群，K=9，代表樣本中城市群總數(shù);對于任一個城市群j，包含kj個城市。j=1kj∑ kji=1i，表示城市群j的平均霧霾暴露。由于每個城市群所包含的城市數(shù)量不同，城市群層面上的分析須在平均水平上進行。

3.1.2 時空比較方法

利用ST-LMDI方法的特點，對分解結(jié)果在不同城市群、不同時間段的更大時空范圍內(nèi)進行比較。Ang等 [18]提出，可以使用所有樣本的平均值來構(gòu)建一個基準城市，使之與所有樣本城市的所有年份進行比較，進而所有城市和年份之間的比較都是基于同一個標準，可以突破兩兩比較的局限。

使用樣本中全部城市、全部年份各變量數(shù)值的算數(shù)平均值來構(gòu)造一個基準城市 [18]， 記為城市u，其霧霾暴露水平記為u。

在 t=0時刻，城市i與基準城市霧霾暴露的差異可以分解為上述五個貢獻因素在城市i與基準城市u之間的差異：

Δi0-u=i0-u=Δ PAi0-u+Δ PDi0-u+

Δ CEi0-u+Δ PYi0-u+Δ EIi0-u （3）

在t=T時刻，城市與基準城市霧霾暴露的差異同樣可以分解為：

ΔiT-u=iT-u=Δ PAiT-u+Δ PDiT-u+Δ CEiT-u+

Δ PYiT-u+Δ EIiT-u （4）

則城市從到時期的霧霾暴露變化大小可分解為：

ΔiT-i0=iT-i0=（iT-u）-（i0-u）=ΔiT-u-Δi0-u

=∑Δ eiT-i0，e={PA，PD，CE，PY，EI} （5）

在上式中，各分解項（影響因素）對城市 i 的霧霾暴露變化大小的貢獻（0到T期）可表示為：

Δ eiT-i0=Δ eiT-u-Δ ei0-u=wiT-ulneiTeu-wi0-ulnei0eu，e

={PA，PD，CE，PY，EI} （6）

其中， e為各影響因素的數(shù)值;權(quán)重w是城市i與基準城市u的霧霾暴露對數(shù)平均值：

wiT-u=L（iT，u）=iT-ulniT-lnu （7）

根據(jù)文獻[18]，可以將城市分解結(jié)果在城市群層面進行加總，從而更便利地對城市群進行時空比較。 記城市群j在時期0和時期T 的（平均）霧霾暴露分別為 j0=1kj∑ kji=1i0和jT=1kj∑ kji=1iT，則城市群j從0到T時期的霧霾暴露變化大小可分解為：

ΔjT-j0=jT-j0=1kj∑kji=1（iT-i0）

=∑Δ ejT-j0，e={PA，PD，CE，PY，EI} （8）

將各因素對城市群 j的霧霾暴露變化大小的貢獻記為C ej， 單位為ug/m 3，表示的是由因素引起的霧霾暴露變化大?。?到T期）：

C ej=Δ ejT-j0，e={PA，PD，CE，PY，EI} （9）

將因素e對城市群j的霧霾暴露變化率的貢獻記為CR ej，單位為%，反映該因素導(dǎo)致霧霾暴露變化的百分比，有助于更好地進行跨城市群和城市群內(nèi)部的跨期比較。其中城市群j的霧霾暴露變化率為其T期霧霾暴露相對0期的變化百分比（ΔjT-jojo×100%）。

CR ej=C ejjo×100%，e={PA，PD，CE，PY，EI} （10）

3.2 數(shù)據(jù)說明

文章使用的地級市樣本數(shù)據(jù)分屬中國五個國家級城市群（長三角、京津冀、珠三角、長江中游、成渝）和四個區(qū)域性城市群（中原、關(guān)中平原、北部灣、哈長）。剔除了在樣本期間因“撤縣設(shè)市”新設(shè)立的5個地級市后，樣本最終包含147個地級市，其總常住人口在2018年占全國的58%。樣本期間為2001—2018年，涵蓋了“十五”到“十二五”三個完整五年計劃時期和“十三五”前半段的數(shù)據(jù)。

地級市 PM2.5濃度數(shù)據(jù)（2001—2018年）來自加拿大達爾豪斯大學(xué)大氣成分分析組（Dalhousie University Atmospheric Composition Analysis Group）最新發(fā)布的適用于中國的地表PM2.5遙感反演數(shù)據(jù)（V4.CH.03）。利用ArcGIS軟件的統(tǒng)計工具提取出地級市PM2.5年平均濃度值（ug/m 3）。該數(shù)據(jù)集綜合了衛(wèi)星監(jiān)測數(shù)據(jù)和地面監(jiān)測站數(shù)據(jù)的優(yōu)點，具有精度高、受大氣因素影響小、覆蓋范圍廣、時間跨度長等優(yōu)點。

用于構(gòu)造霧霾暴露水平和各分解項的社會經(jīng)濟變量包括：地級市常住人口、城市建成區(qū)面積和市轄區(qū)GDP，來自EPS（Economy Prediction System）數(shù)據(jù)庫和中國各省統(tǒng)計年鑒。對上述變量進行如下說明和處理：第一，對市轄區(qū)GDP數(shù)據(jù)，以2001年為基準年進行價格平減。第二，采用地級市常住人口而非戶籍人口，前者更能體現(xiàn)城市真實的人口流動情況。第三，采用地級市的建成區(qū)面積而非行政區(qū)劃面積來衡量城市擴張。中國的統(tǒng)計部門用建成區(qū)來反映城市化區(qū)域大小。城市建成區(qū)是指一個市政區(qū)范圍內(nèi)經(jīng)過征用的土地和實際建設(shè)發(fā)展起來的非農(nóng)業(yè)生產(chǎn)建設(shè)的地段，包括市區(qū)集中連片的部分以及分散在近郊區(qū)域、與城市有密切聯(lián)系、具有基本完善的市政公用設(shè)施的城市建設(shè)用地。

4 霧霾暴露水平的城市化影響因素

4.1 城市群霧霾暴露的時空特征

首先，對九大城市群的霧霾暴露進行空間比較。2018年霧霾暴露水平最高的前三個城市群是京津冀、中原和長三角，分別達到0.44 ug/m 3、0.36 ug/m 3和0.28 ug/m 3。接下來，長江中游和關(guān)中平原的霧霾暴露也達到了0.20 ug/m 3。在九大城市群中，北部灣的霧霾暴露水平最低，為0.13 ug/m 3;在五大國家級城市群中，珠三角的霧霾暴露水平最低，為0.18 ug/m 3。

其次，對各城市群霧霾暴露的變化趨勢進行觀察。在“十五”至“十一五”階段（2001—2010年），霧霾暴露在所有城市群均呈波動上升趨勢。從2011年開始，霧霾污染問題受到廣泛關(guān)注，地方和中央的大氣污染治理政策也陸續(xù)推出。在“十二五”到“十三五”前半段（2011—2018年），霧霾暴露在大多數(shù)城市群波動下降。具體來說，京津冀的霧霾暴露在2001—2013年期間上升了59%到0.78 ug/m 3，隨后持續(xù)下降了43%到2018的0.44 ug/m 3;長三角和珠三角在2001—2011年間分別增長了40%和47%，隨后到2018年均下降了34%;成渝和哈長分別在2010年和2014年達到頂峰，隨后到2018年分別下降了50%和37%;其余城市群在2001—2011年期間上升了15%～44%，隨后到2018年下降37%～43%。

4.2 跨城市群的分解結(jié)果比較

城市化進程的不同內(nèi)涵對霧霾暴露水平的變化產(chǎn)生了明顯貢獻。作者以五年計劃為單位展示分解結(jié)果，分時間段考察城市化層面不同影響因素對霧霾暴露變化大小和變化率的貢獻（圖1）?？紤]到2013年9月中國出臺了嚴厲的霧霾治理政策，特別將“十二五”階段劃分為2013年前后兩個時間段進行展示。

整體而言，城市擴張 （CE）和經(jīng)濟增長（PY）是導(dǎo)致霧霾暴露升高的主要因素;人口密度（PD）和排放強度（EI）是促使霧霾暴露降低的主要因素;人口集聚因素（PA） 的貢獻在長三角、京津冀和珠三角主要導(dǎo)致霧霾暴露水平提高，在其他多數(shù)城市群促使其下降。

4.2.1 人口集聚和人口密度

人口集聚和人口密度反映了人口城市化的兩個方面。2015年之前，人口集聚的貢獻主要在前三大城市群為正，增加了這些城市群的霧霾暴露水平，而在其他城市群其本身變化及對霧霾暴露的貢獻均較小;2016年后在長三角和京津冀城市群變?yōu)樨?，而在其他多?shù)城市群為正。具體而言，人口集聚在“十五”階段引起霧霾暴露變化的絕對值在6%以內(nèi)。但從“十一五”開始，該因素在長三角、京津冀、珠三角分別導(dǎo)致霧霾暴露提高了7%、6%、13%;在其他城市群貢獻為負，且絕對值大多低于5%，主要是由于前三大城市群相對其他城市群而言人口吸引力更大，人口集聚帶來的環(huán)境凈收益可能為負，導(dǎo)致霧霾暴露水平上升。到了“十二五”后期，人口集聚因素的貢獻在長三角減小，在京津冀變?yōu)樨??！笆濉鼻鞍攵?，其在前兩大城市群的貢獻已全部轉(zhuǎn)變?yōu)樨?，分別為-3%和-10%。這可能是因為在長三角和京津冀城市群，由于實行人口控制，人口流入開始放緩，同時居民的綠色生活和出行的意識提高，清潔基礎(chǔ)設(shè)施建設(shè)更完善，有效緩解了居民生活帶來的環(huán)境壓力，有助于提高空氣質(zhì)量。人口集聚對其他多數(shù)城市群的霧霾暴露貢獻變?yōu)檎?%～5%，其中珠三角保持高人口流入水平，仍然給環(huán)境帶來一定壓力;其他城市群小幅的人口流入明顯提高了霧霾暴露，可能由于這些地區(qū)的基礎(chǔ)設(shè)施建設(shè)還不完善，較粗放的居民生活方式帶來了空氣污染。

人口密度是促使城市群霧霾暴露降低的一個主要因素，其貢獻在樣本期間始終為負。由于土地擴張速度比人口增加速度更快，九個城市群的人口密度在前三個五年計劃階段和“十三五”前半段分別下降10%～35%和1%～3%，分別促使霧霾暴露下降了9%～87%和0.1%～20%。人口密度降低有助于緩解交通擁堵，減少汽車尾氣排放，進而降低霧霾污染。

盡管在前三大城市群，人口集聚對霧霾暴露的貢獻為正，但由于人口密度因素的負向貢獻程度始終高于人口集聚因素，人口城市化兩類因素的貢獻總和為負。因此，“十二五”規(guī)劃中倡導(dǎo)的“統(tǒng)籌謀劃人口分布”“引導(dǎo)人口向適宜開發(fā)區(qū)域集聚”的人口城市化政策總體而言可以降低九大城市群的霧霾暴露水平。

4.2.2 城市擴張

城市擴張是導(dǎo)致城市群霧霾暴露上升的主要因素。在中國的城市化進程中，各城市群實際建成區(qū)面積不斷擴張，在“十五”“十一五”“十二五”階段分別增加21%～121%、14%～41%和16%～46%，對霧霾暴露水平上升分別貢獻了18%～91%、12%～41%和16%～44%。在“十五”和“十一五”階段，城市擴張對霧霾暴露的貢獻在長三角、京津冀和珠三角城市群相對其他城市群更大。但從“十二五”開始，其他城市群也發(fā)生了明顯的地理擴張，對提高霧霾暴露水平的貢獻也明顯增大。在“十三五”前半段，城市土地擴張速度略微下降，建成區(qū)面積平均增加了13%左右，對長三角、京津冀和哈長城市群霧霾暴露的正向貢獻減小至3%、0.3%和4%，但仍促使其他城市群的霧霾暴露水平上升了12% ～ 18%。土地擴張會帶來大量工業(yè)、公路和住房投資，當前我國的能源結(jié)構(gòu)以煤炭消費為主，投資導(dǎo)致的能源消耗大幅增加會加劇霧霾污染;而長三角和京津冀等地區(qū)完善的基礎(chǔ)設(shè)施建設(shè)和嚴格的環(huán)境規(guī)制等措施可以有效減少城市擴張帶來的霧霾污染。因此，盡管“十一五”規(guī)劃就開始強調(diào)要“嚴格控制建設(shè)用地增量”，但多數(shù)城市快速的土地城市化進程形成了分散型城市布局，大幅加劇了城市群的霧霾污染，其不利影響直到“十三五”階段才開始減小。

4.2.3 經(jīng)濟增長

經(jīng)濟增長對霧霾暴露的正向貢獻逐漸減弱?！笆濉彪A段，經(jīng)濟增長在各城市群都是導(dǎo)致霧霾暴露上升的一項重要因素。經(jīng)濟增長的貢獻在珠三角、關(guān)中平原和長三角高達27%～57%，在其他城市群為5%～22%。“十一五”開始，經(jīng)濟增長對霧霾暴露的影響在前三大城市群減弱至1%～10%，在中西部的長江中游和成渝城市群分別增大到19%和18%，這種趨勢維持到“十二五”結(jié)束?！笆濉鼻鞍攵危?jīng)濟增長放緩，對霧霾暴露的正向貢獻大多減小或變?yōu)樨?，促使長三角、珠三角、北部灣和哈長城市群的霧霾暴露降低5%～7%，但導(dǎo)致其余城市群增加了5%～14%。值得關(guān)注的是，經(jīng)濟城市化在長三角和珠三角城市群開始促使霧霾暴露降低，但在京津冀城市群仍加劇了霧霾污染。這可能是因為長三角和珠三角地區(qū)的主要產(chǎn)業(yè)為服務(wù)業(yè)、高新技術(shù)業(yè)和輕工業(yè)，較容易實現(xiàn)產(chǎn)業(yè)升級和清潔生產(chǎn);而京津冀城市群除了北京和天津，其余城市主要是重工業(yè)，產(chǎn)業(yè)升級難度較大，綠色發(fā)展道阻且長。

4.2.4 排放強度

PM2.5排放強度的變化可以體現(xiàn)城市污染治理成效。盡管在“十五”和“十一五”階段，排放強度在一些城市群降低了霧霾暴露，但貢獻大小不一?！笆濉遍_始，排放強度才真正促使霧霾暴露下降。2011年，霧霾污染開始受到廣泛關(guān)注;2013年，針對霧霾污染的治理政策《大氣污染防治行動計劃》發(fā)布。分解結(jié)果顯示，在“十二五”期間，排放強度在除哈長之外的所有城市群都成為降低霧霾暴露的主要貢獻因素，在京津冀和其他城市群分別促使霧霾暴露水平降低9%和24%～59%。以2013年為節(jié)點的分解結(jié)果顯示，京津冀的霧霾暴露在2011—2013年大幅上升了27%，在2014—2015年大幅下降了16%，其中排放強度在這兩個時期的貢獻分別為17%和-20%。2014—2015年期間，除了長三角和哈長，其他城市群的霧霾暴露大幅下降了15%～29%，其中排放強度的負向貢獻增加到16%～39%。該分解結(jié)果體現(xiàn)出“大氣十條”政策的有效性?！笆濉币?guī)劃進一步將PM2.5濃度納入空氣質(zhì)量發(fā)展約束性指標。分解結(jié)果顯示在“十三五”前半段（2016—2018年），排放強度在所有城市群都顯著降低了霧霾暴露，其負向貢獻在京津冀增大到25%，在長三角和珠三角分別為15%和14%，在其余城市群達到18%～42%?！按髿馐畻l”和“十三五”規(guī)劃均強調(diào)了要針對京津冀等地區(qū)重點治理霧霾污染，在政策的壓力和推動下，這些霧霾防治政策在所有城市群，特別是京津冀，取得了顯著的治理成效。

4.3 城市群內(nèi)部的分解：中心城市和外圍城市的差異性特征

在城市群內(nèi)部，中心城市具有更大的吸引力和發(fā)展空間，對周邊城市既具有輻射和帶動作用，也可能吸引周邊城市的資源向中心城市集聚。因此，在城市化進程及其對霧霾暴露水平的影響特征上，中心城市和外圍城市之間可能存在差異。為探究“大氣十條”政策發(fā)布前后，中心城市和外圍城市的霧霾暴露及各影響因素貢獻的差異，以2013年為節(jié)點，分別展示各城市群的中心城市和外圍城市的分解結(jié)果（圖2）。2013年之前，中心城市的霧霾暴露增幅（%）明顯高于其外圍城市（北部灣城市群除外）;2013年后，多數(shù)中心城市的霧霾暴露降幅（%）與外圍城市相當，協(xié)同減排效果顯著。

從具體因素來看，2013年之前，人口城市化兩類因素的總體貢獻在長三角和京津冀的中心城市為正，而在其他城市和地區(qū)為負，體現(xiàn)出這幾個中心城市極強的人口吸引力。人口集聚在所有中心城市均導(dǎo)致霧霾暴露水平上升，且在長三角、京津冀、珠三角貢獻更高;但對于外圍城市，該因素僅在這三大城市群導(dǎo)致霧霾暴露小幅上升。中心城市的吸引力更大，但人口大量流入對城市的環(huán)境容量造成一定壓力，大量的能源消耗提高了霧霾暴露風(fēng)險。2013年后，人口集聚在長三角和京津冀等城市群的中心城市開始大幅降低霧霾暴露，同時小幅提高多數(shù)外圍城市的霧霾暴露。外圍城市的環(huán)境容量可能相對充裕，人口增加帶來的霧霾污染相對更少，因此外圍城市能夠有效發(fā)揮其人口疏導(dǎo)功能。中心城市的人口城市化兩類因素的貢獻總和在長三角和京津冀城市群變?yōu)樨?，而在珠三角變?yōu)檎?，體現(xiàn)出人口城市化在前者開始降低而在后者仍提高了霧霾暴露。這表明，“十二五”規(guī)劃中針對特大城市“合理控制人口規(guī)模”的政策舉措在一定程度上降低了北京和上海兩個特大城市的霧霾污染，而廣深兩大都市較高的人口流入水平加劇了霧霾污染。

2013年之前，排放強度在多數(shù)中心城市對霧霾暴露的促降作用大于外圍城市。由于霧霾污染對中心城市的經(jīng)濟發(fā)展損害相對更大，同時中心城市具有更充足的污染治理資金和先進技術(shù)，因此中心城市污染治理力度更大、成效更顯著。2013年“大氣十條”發(fā)布以后，排放強度在長三角和京津冀城市群的中心城市反而導(dǎo)致霧霾暴露上升，說明超大城市的霧霾治理難度增大;但政策促使外圍城市霧霾暴露大幅下降，使得長三角和京津冀城市群的整體霧霾暴露有所降低，這可能得益于區(qū)域聯(lián)防聯(lián)控機制中城市協(xié)同治理以及中心城市對外圍城市在資金和技術(shù)上的轉(zhuǎn)移支付，體現(xiàn)出城市群協(xié)同減排的作用。

2013年之前，城市擴張和經(jīng)濟增長的貢獻在中心城市和外圍城市之間無系統(tǒng)性差異。2013年后，在多數(shù)城市群，特別是在長三角和京津冀城市群，中心城市的城市擴張貢獻變?yōu)樨摱谕鈬鞘腥詾檎?，說明中心城市在土地城市化進程中實現(xiàn)了有效率的城市擴張和嚴格的城區(qū)環(huán)境治理，而外圍城市并未有效執(zhí)行這些舉措，其土地擴張仍加劇了霧霾污染。經(jīng)濟城市化在長三角和珠三角城市群的兩類城市都促使霧霾暴露降低，在其他多數(shù)城市群降低了中心城市但提高了外圍城市的霧霾暴露，說明中心城市的產(chǎn)業(yè)結(jié)構(gòu)更加清潔，實現(xiàn)了綠色發(fā)展，而外圍城市的經(jīng)濟增長依然帶來了霧霾污染，未實現(xiàn)脫鉤。

5 結(jié)論和政策啟示

中國的快速城市化進程伴隨著霧霾暴露水平的非線性變化，占全國約六成人口的九大城市群的平均霧霾暴露水平在2001—2011的十年間穩(wěn)步上升了30%，而在隨后的2011—2018年期間大幅下降了40%。城市化是一個綜合的進程。為探究城市化的不同層面內(nèi)涵對城市霧霾暴露水平的影響，文章以中國九大城市群的147個城市為樣本，采用時空LMDI分解法，將霧霾暴露水平的變化分解為人口集聚、人口密度、城市擴張、經(jīng)濟增長、排放強度五大因素的貢獻，分別反映了人口城市化、土地城市化、經(jīng)濟城市化和城市污染治理四個方面的影響。并利用時空LMDI分解法的優(yōu)勢，對分解結(jié)果進行跨城市群、城市群內(nèi)部和不同時間段的時空比較。

第一，在2001—2018年期間，城市擴張和經(jīng)濟增長是導(dǎo)致城市群霧霾暴露水平升高的主要因素;人口密度和排放強度是促使霧霾暴露水平降低的主要因素。人口集聚主要提高了前三大城市群的霧霾暴露，但2016年后降低了長三角和京津冀城市群的霧霾暴露。各因素對霧霾暴露的貢獻具有階段性特征：“十五”和“十一五”階段，人口密度是霧霾暴露的主要促降因素，城市擴張是主要促升因素;而從“十二五”開始，排放強度成為主要的促降因素，“十三五”開始，城市擴張和經(jīng)濟增長的不利影響在多數(shù)城市群減小。

第二，“大氣十條”和“十三五”規(guī)劃對霧霾暴露的促降作用明顯?！按髿馐畻l”政策發(fā)布后，在2014—2015年期間，所有城市群特別是京津冀的霧霾暴露大幅下降，排放強度在所有城市群對霧霾暴露的促降作用明顯增大，體現(xiàn)出該政策的有效性?！笆濉币?guī)劃將PM2.5濃度納入空氣質(zhì)量發(fā)展約束性指標后，排放強度的促降作用在所有城市群進一步增大。

第三，區(qū)域協(xié)同發(fā)展近年來在霧霾治理上發(fā)揮了重要作用?！按髿馐畻l”政策中特別強調(diào)了區(qū)域協(xié)同治理。以此為界，2013年之前中心城市霧霾暴露的增幅明顯高于外圍城市，而之后取得了與外圍城市相當?shù)慕捣?。排放強度的促降作用在外圍城市明顯增大，有利于城市群整體霧霾暴露下降，區(qū)域聯(lián)防聯(lián)控成效顯著。人口集聚在2013年后降低了一些中心城市，特別是長三角和京津冀中心城市的霧霾暴露，而小幅增加了外圍城市的霧霾暴露風(fēng)險，表明外圍城市的人口疏導(dǎo)作用有利于中心城市空氣質(zhì)量的提高。

第四，一些中心城市開始實現(xiàn)綠色的土地和經(jīng)濟城市化，但外圍城市仍存在粗放的土地擴張，同時其經(jīng)濟增長和霧霾污染之間還未脫鉤。說明在中心城市，“大氣十條”中發(fā)展公共交通、淘汰黃標車、優(yōu)化產(chǎn)業(yè)空間布局、推動產(chǎn)業(yè)升級、調(diào)整能源結(jié)構(gòu)等政策效果顯著，但在外圍城市，這些措施的實施仍不到位。

文章的研究結(jié)論具有如下政策啟示。

首先，排放強度已成為城市群霧霾污染的主要促降因素，中國近年來在降低能源強度、控制污染物排放、減少霧霾污染等方面的一系列政策舉措對霧霾治理產(chǎn)生了積極的作用。因此，繼續(xù)推進“大氣十條”等大氣污染治理計劃的完善、加大環(huán)保執(zhí)法力度等措施可以延續(xù)政策效果。外圍城市的污染治理成效顯著，促進了城市群整體空氣質(zhì)量的提高，應(yīng)繼續(xù)加強和完善區(qū)域聯(lián)防聯(lián)控，促進城市之間在大氣污染控制技術(shù)和治理經(jīng)驗上的合作交流，在霧霾防治上做到統(tǒng)一應(yīng)急響應(yīng)、多地區(qū)聯(lián)合執(zhí)法、多部門協(xié)調(diào)聯(lián)動。

其次，引導(dǎo)區(qū)域協(xié)調(diào)發(fā)展，緩解大城市人口壓力有助于降低局部霧霾暴露風(fēng)險，同時應(yīng)盡量減少人口流入給外圍城市帶來的環(huán)境壓力。在長三角和京津冀城市群，中心城市的人口城市化帶來的霧霾暴露問題開始緩解，“十二五”規(guī)劃中針對特大城市合理控制人口規(guī)模的舉措初顯成效，但同時人口集聚可能會提高外圍城市的霧霾暴露風(fēng)險。因此，外圍城市在發(fā)揮人口疏導(dǎo)作用的同時，還應(yīng)大力推進城市公共交通和清潔能源等基礎(chǔ)設(shè)施建設(shè)，努力發(fā)展成為綠色宜居的衛(wèi)星城市。

最后，需重視外圍城市土地和經(jīng)濟城市化的不利影響。中國的城市化進程伴隨著大規(guī)模的土地擴張，盡管其帶來的負面影響已經(jīng)開始減小，但在多數(shù)外圍城市，土地城市化仍然是霧霾暴露的最主要貢獻因素。因此，特別是在外圍城市，應(yīng)嚴格控制城區(qū)無序無效率擴張，避免“攤大餅”式的低效土地城市化，重視新城區(qū)的環(huán)境治理，擴大建成區(qū)綠地規(guī)模，重視產(chǎn)業(yè)園區(qū)的生態(tài)環(huán)境影響。在經(jīng)濟城市化方面，外圍城市應(yīng)爭取盡早實現(xiàn)經(jīng)濟發(fā)展和霧霾污染之間的脫鉤，加快產(chǎn)業(yè)轉(zhuǎn)型升級，淘汰落后產(chǎn)能，發(fā)展清潔生產(chǎn)技術(shù)和循環(huán)經(jīng)濟，嚴格控制高污染行業(yè)發(fā)展。同時中心城市應(yīng)加強發(fā)揮引領(lǐng)和輻射作用，推動整個區(qū)域的綠色發(fā)展。

參考文獻

[1]中華人民共和國國家統(tǒng)計局. 中華人民共和國2001年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報[R]. 2002.

[2]中華人民共和國國家統(tǒng)計局. 中華人民共和國2019年國民經(jīng)濟和社會發(fā)展統(tǒng)計公報[R]. 2020.

[3]VENNEMO H， AUNAN K， LINDHJEM H， et al. Environmental pollution in China： status and trends[J]. Review of environmental economics and policy， 2009， 3（2）： 209-230.

[4]XU B， LIN B. How industrialization and urbanization process impacts on CO2 emissions in China： evidence from nonparametric additive regression models[J]. Energy economics， 2015，48： 188-202.

[5]JI X， YAO Y， LONG X. What causes PM2.5 pollution：cross-economy empirical analysis from socioeconomic perspective[J]. Energy policy， 2018， 119（4）： 458-472.

[6]陳詩一，陳登科.霧霾污染、政府治理與經(jīng)濟高質(zhì)量發(fā)展[J].經(jīng)濟研究，2018，53（2）：20-34.

[7]WANG X， TIAN G， YANG D， et al. Responses of PM2.5 pollution to urbanization in China[J]. Energy policy， 2018， 123： 602-610.

[8]邵帥，李欣，曹建華.中國的城市化推進與霧霾治理[J].經(jīng)濟研究，2019，54（2）：148-165.

[9]DU Y， SUN T， PENG J， et al. Direct and spillover effects of urbanization on PM2.5 concentrations in Chinas top three urban agglomerations[J]. Journal of cleaner production， 2018，190： 72-83.

[10]DU Y， WAN Q， LIU H， et al. How does urbanization influence PM 2.5 concentrations： perspective of spillover effect of multi-dimensional urbanization impact[J]. Journal of cleaner production， 2019 ，220： 974-983.

[11]HAN L， ZHOU W， LI W， et al. Urbanization strategy and environmental changes： an insight with relationship between population change and fine particulate pollution[J]. Science of the total environment， 2018，642： 789-799.

[12]HUANG R J， ZHANG Y， BOZZETTI C， et al. High secondary aerosol contribution to particulate pollution during haze events in China[J]. Nature， 2014， 514（7521）： 218-222.

[13]LIANG L， WANG Z， LI J. The effect of urbanization on environmental pollution in rapidly developing urban agglomerations[J]. Journal of cleaner production， 2019 ，237： 117649.

[14]LIN B， ZHU J. Changes in urban air quality during urbanization in China[J]. Journal of cleaner production， 2018 ，188： 312-321.

[15]LUO Z， WAN G， WANG C， et al. Urban pollution and road infrastructure： a case study of China[J]. China economic review， 2018 ，49： 171-183.

[16]GREENSTONE M， HANNA R. Environmental regulations， air and water pollution， and infant mortality in India[J]. American economic review， 2014， 104（10）： 3038-3072.

[17]邵帥，李欣，曹建華， 等.中國霧霾污染治理的經(jīng)濟政策選擇：基于空間溢出效應(yīng)的視角[J].經(jīng)濟研究，2016，51（9）：73-88.

[18]ANG B W， SU B， WANG H. A spatial-temporal decomposition approach to performance assessment in energy and emissions[J]. Energy economics， 2016 ，60： 112-121.

[19]GAIGNé C， RIOU S， THISSE J F. Are compact cities environmentally friendly？[J]. Journal of urban economics， 2012， 72（2/3）： 123-136.

[20]ROSENTHAL S S， STRANGE W C. The determinants of agglomeration[J]. Journal of urban economics， 2001， 50（2）： 191-229.

[21]WU J， ZHENG H， ZHE F， et al. Study on the relationship between urbanization and fine particulate matter （PM2.5） concentration and its implication in China[J]. Journal of cleaner production， 2018 ，182： 872-882.

[22]XU S C， MIAO Y M， GAO C， et al. Regional differences in impacts of economic growth and urbanization on air pollutants in China based on provincial panel estimation[J]. Journal of cleaner production， 2019 ，208： 340-352.

[23]HENDERSON V. The urbanization process and economic growth： the so-what question[J]. Journal of economic growth， 2003， 8（1）： 47-71.

[24]BRüLHART M， SBERGAMI F. Agglomeration and growth： cross-country evidence[J]. Journal of urban economics， 2009， 65（1）： 48-63.

[25]ZHENG S， KAHN M E. Understanding Chinas urban pollution dynamics[J]. Journal of economic literature， 2013， 51（3）： 731-772.

[26]AUNAN K， WANG S. Internal migration and urbanization in China： impacts on population exposure to household air pollution （2000-2010）[J]. Science of the total environment， 2014， 481： 186-195.

[27]SHEN H， TAO S， CHEN Y， et al. Urbanization-induced population migration has reduced ambient PM2.5 concentrations in China[J]. Science advances， 2017， 3（7）： e1700300.

[28]GROSSMAN G M， KRUEGER A B. Economic growth and the enviroment[J]. The quarterly journal of economics， 1995， 110（2）： 353-377.

[29]CHAY K Y， GREENSTONE M. Does air quality matter： evidence from the housing market[J]. Journal of political economy， 2005， 113（2）： 376-424.

[30]闞大學(xué)，羅良文.我國城市化對能源強度的影響：基于空間計量經(jīng)濟學(xué)的分析[J].當代財經(jīng)，2010（3）：83-88.

[31]KAHN M E， SCHWARTZ J. Urban air pollution progress despite sprawl： the ‘greening of the vehicle fleet[J]. Journal of urban economics， 2008， 63（3）： 775-787.

[32]魏巍賢，馬喜立.能源結(jié)構(gòu)調(diào)整與霧霾治理的最優(yōu)政策選擇[J].中國人口·資源與環(huán)境，2015，25（7）：6-14.

[33]PUGA D. Urbanization patterns： European versus less developed countries[J]. Journal of regional science， 1998，38（2）： 231-252.

[34]DENG X， YU Y， LIU Y. Effect of construction land expansion on energy-related carbon emissions： empirical analysis of China and its provinces from 2001 to 2011[J]. Energies， 2015，8（6）： 5516-5537.

[35]TIAN J， LIU W， LAI B， et al. Study of the performance of eco-industrial park development in China[J]. Journal of cleaner production， 2014，64： 486-494.

[36]田金平，劉巍，賴玢潔， 等.中國生態(tài)工業(yè)園區(qū)發(fā)展的經(jīng)濟和環(huán)境績效研究[J].中國人口·資源與環(huán)境，2012，22（增刊2）：119-122.

[37]LI N， ZHANG X， SHI M， et al. Does Chinas air pollution abatement policy matter： an assessment of the Beijing-Tianjin-Hebei region based on a multi-regional CGE Model[J]. Energy policy， 2019 ，127： 213-227.

[38]YAN Y， ZHANG X， ZHANG J， et al. Emissions trading system （ETS） implementation and its collaborative governance effects on air pollution： the China story[J]. Energy policy， 2020 ，138： 111282.

[39]李永友，沈坤榮.我國污染控制政策的減排效果：基于省際工業(yè)污染數(shù)據(jù)的實證分析[J].管理世界，2008（7）：7-17.

[40]KAHN M E， MANSUR E T. Do local energy prices and regulation affect the geographic concentration of employment？[J]. Journal of public economics， 2013， 101： 105-114.

[41]LI X， QIAO Y， SHI L. Has Chinas war on pollution slowed the growth of its manufacturing and by how much：evidence from the Clean Air Action[J]. China economic review， 2019 ，53： 271-289.

[42]RUBASHKINA Y， GALEOTTI M， VERDOLINI E. Environmental regulation and competitiveness： empirical evidence on the Porter Hypothesis from European manufacturing sectors[J]. Energy policy， 2015 ，83： 288-300.

[43]王兵，劉光天.節(jié)能減排與中國綠色經(jīng)濟增長：基于全要素生產(chǎn)率的視角[J].中國工業(yè)經(jīng)濟，2015 （5）：57-69.

[44]王國印，王動.波特假說、環(huán)境規(guī)制與企業(yè)技術(shù)創(chuàng)新：對中東部地區(qū)的比較分析[J].中國軟科學(xué)，2011（1）：100-112.

[45]DASGUPTA S， LAPLANTE B， WANG H， et al. Confronting the Environmental Kuznets Curve[J]. Journal of economic perspectives， 2002， 16（1）： 147-168.

[46]陳詩一.節(jié)能減排與中國工業(yè)的雙贏發(fā)展：2009—2049[J].經(jīng)濟研究，2010，45（3）：129- 143.

[47]DONG Q， LIN Y， HUANG J， et al. Has urbanization accelerated PM2.5 emissions： an empirical analysis with cross-country data[J]. China economic review， 2020 ，59： 101381.

[48]JIA S， LIU X， YAN G. Effect of APCF policy on the haze pollution in China： a system dynamics approach[J]. Energy policy， 2019，125： 33-44.

[49]鄭思齊，萬廣華，孫偉增， 等.公眾訴求與城市環(huán)境治理[J].管理世界，2013（6）：72-84.

[50]黎文靖，鄭曼妮.空氣污染的治理機制及其作用效果：來自地級市的經(jīng)驗數(shù)據(jù)[J].中國工業(yè)經(jīng)濟，2016（4）：93-109.

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

[52]FANG D， CHEN B， HUBACEK K， et al. Clean air for some： unintended spillover effects of regional air pollution policies[J]. Science advances， 2019， 5（4）： eaav4707.

[53]WU D， XU Y， ZHANG S. Will joint regional air pollution control be more cost-effective： an empirical study of Chinas Beijing-Tianjin-Hebei Region[J]. Journal of environmental management， 2015，149： 27-36.

[54]JEFFERSON M. The law of the primate city[J]. Geographical review， 1939， 29（2）： 226-232.

[55]ANG B W. The LMDI approach to decomposition analysis： a practical guide[J]. Energy policy， 2005， 33（7）： 867-871.

[56]ZHANG Y， ZHANG J， YANG Z， et al. Regional differences in the factors that influence Chinas energy-related carbon emissions， and potential mitigation strategies[J]. Energy policy， 2011， 39（12）： 7712-7718.

[57]WU Y. Energy intensity and its determinants in Chinas regional economies[J]. Energy policy， 2012 ，41： 703-711.

[58]MOUTINHO V， MOREIRA A C， SILVA P M. The driving forces of change in energy-related CO2 emissions in Eastern， Western， Northern and Southern Europe： the LMDI approach to decomposition analysis[J]. Renewable and sustainable energy reviews， 2015，50： 1485-1499.

[59]ZHANG W， LI K， ZHOU D， et al. Decomposition of intensity of energy-related CO2 emission in Chinese provinces using the LMDI Method[J]. Energy policy， 2016， 92： 369-381.

[60]TAN R， LIN B. What factors lead to the decline of energy intensity in Chinas energy intensive industries？[J]. Energy economics， 2018，71： 213-221.

[61]YANG X， SU B. Impacts of international export on global and regional carbon intensity[J]. Applied energy， 2019， 253： 113552.

[62]ZHENG J， MI Z， COFFMAN D M， et al. Regional development and carbon emissions in China[J]. Energy economics， 2019 ，81： 25-36.

[63]ANG B W. Decomposition analysis for policymaking in energy： which is the preferred method？[J]. Energy policy， 2004， 32（9）： 1131-1139.

[64]ANG B W， XU X Y， SU B. Multi-country comparisons of energy performance： the index decomposition analysis approach[J]. Energy economics， 2015 ，47： 68-76.

[65]DONG F， YU B， PAN Y. Examining the synergistic effect of CO2 emissions on PM2.5 emissions reduction： evidence from China[J]. Journal of cleaner production， 2019，223： 759-771.

[66]ZHANG Y， SHUAI C， BIAN J， et al. Socioeconomic factors of PM2.5 concentrations in 152 Chinese cities： decomposition analysis using LMDI[J]. Journal of cleaner production， 2019 ，218： 96-107.

Urbanization and its contribution to haze exposure：

a spatial-temporal decomposition of Chinese urban agglomerations

WANG Banban 1 LIAO Xiaojie 1 TAN Xiujie 2

（ 1. School of Economics， Huazhong University of Science and Technology， Wuhan Hubei 430074， China; 2. Institute for International Studies， Wuhan University， Wuhan Hubei 430072， China）

Abstract Chinas rapid urbanization process is accompanied by a nonlinear change in haze exposure. In order to quantify the contribution of different aspects of urbanization to haze pollution， this paper decomposed the haze exposure of Chinas nine major urban agglomerations in 2001-2018. Haze exposure， one of the main air pollution indices used by the World Bank， focuses on measuring the harm of haze pollution to human activities and health. We considered several impact factors including population agglomeration， population density， city expansion， economic growth and emission intensity， reflecting population urbanization， land urbanization， economic urbanization and pollution controlling， respectively. The spatial-temporal LMDI （ST-LMDI） decomposition method was applied， facilitating a multi-dimensional comparison of decomposition results across urban agglomerations， over time periods and within urban agglomerations. Our results showed that： ① In 2001-2018， city expansion and economic growth mainly increased the haze exposure of urban agglomerations， while population density and emission intensity led to the decrease; the contribution of population agglomeration was positive mainly in the top three urban agglomerations， but it changed to negative in Yangtze River Delta（YRD） and Beijing-Tianjin-Hebei （BTH） after 2016. ② After 2013， the positive effect of emission intensity on haze pollution controlling was increasing and the negative effects of city expansion and economic growth were decreasing. ③ Within urban agglomerations， before 2013， population urbanization increased the haze exposure of the central cities in YRD and BTH， reflecting their strong attraction to people; after 2013， population agglomeration reduced some central cities haze exposure but increased that of their peripheral cities， reflecting the benefits of population decentralization. ④ Some central cities had realized green land or green economic urbanization， but extensive land expansion still existed in peripheral cities. The negative contribution of emission intensity in peripheral cities significantly increased， showing the profits of collaborative governance within urban agglomerations. Therefore， we suggest that for urban agglomerations， governments should continue to fully implement the action plan for preventing and controlling air pollution， strengthen the environmental protection law enforcement， improve coordinated inter-regional prevention and control efforts，and strengthen the exchange and cooperation on air pollution control technologies and management experience among cities.Within urban agglomerations， in view of the population， land and economic urbanization of peripheral cities， governments should increase the infrastructure construction to build green and habitable satellite cities， strengthen environmental governance in new urban areas， construct eco-friendly industrial parks， develop clean production technology， and promote industrial structure optimization.

Key words haze exposure; urbanization; urban agglomeration; spatial-temporal decomposition; LMDI

（責(zé)任編輯：王愛萍）