中國“十三五”期間空氣質(zhì)量時空演變特征及社會經(jīng)濟驅(qū)動力

趙偉，劉昊錚，蒲海霞

1. 重慶工商大學(xué) 公共管理學(xué)院， 重慶 400067； 2. 重慶工商大學(xué) 長江上游經(jīng)濟研究中心， 重慶 400067；3. 重慶工商大學(xué) 環(huán)境與資源學(xué)院， 重慶 400067

“十三五”期間， 我國社會經(jīng)濟領(lǐng)域取得突破性進展， 工業(yè)化、 城市化快速推進， 物質(zhì)財富快速增長[1]． 與此同時， 生態(tài)環(huán)境問題大范圍、 高頻率發(fā)生[2]， 霧霾加劇[3]、 酸雨頻發(fā)[4]等現(xiàn)象對生態(tài)系統(tǒng)[5]及人體健康[6]造成了一定威脅， 空氣污染已經(jīng)成為限制我國社會經(jīng)濟可持續(xù)發(fā)展的重要因素． 刻畫“十三五”期間我國空氣質(zhì)量時空演變特征， 揭示其內(nèi)在驅(qū)動機制， 破解空氣質(zhì)量與社會經(jīng)濟發(fā)展不協(xié)調(diào)的現(xiàn)實困境， 是“十四五”時期我國強化空氣污染防治、 提升大氣治理能力、 推進高質(zhì)量發(fā)展的關(guān)鍵所在．

目前， 相關(guān)學(xué)者從不同角度分析了空氣質(zhì)量的時空演變特征及驅(qū)動機制． 縱觀相關(guān)研究成果， 在研究時空視角上， 大多基于長時間序列[7]、 短時間序列[8]及單一年份[9]等數(shù)據(jù)， 從全國尺度[10-11]、 典型區(qū)域尺度[12-13]、 重點城市尺度[14-15]分析單一空氣污染物[16-17]、 多種空氣污染[18-19]及空氣質(zhì)量綜合指數(shù)[20-21]等層面的時空分布及演變特征； 在驅(qū)動因素及研究方法上， 大多基于社會經(jīng)濟[22]、 氣象條件[23-24]和綜合條件[25-26]等因素， 運用逐步回歸模型[27]、 地理探測器[28]、 面板回歸模型[29]等方法分析全域空氣質(zhì)量的驅(qū)動機制． 并且， 對空氣質(zhì)量時空分布及演變特征的研究， 大多側(cè)重以長時間序列或空氣污染嚴(yán)重年份為研究對象， 尚缺乏以國民經(jīng)濟和社會發(fā)展為基礎(chǔ)對空氣質(zhì)量時空演變進行定量分析； 在空氣質(zhì)量驅(qū)動機制方面， 從空間視角出發(fā)， 分區(qū)探索其空間異質(zhì)性的研究較少． 因此， 本文基于2016-2020年AQI數(shù)據(jù)， 利用全局自相關(guān)、 熱點分析等方法， 探索“十三五”期間我國空氣質(zhì)量時空演化特征， 運用空間效應(yīng)模型等方法揭示空氣質(zhì)量社會經(jīng)濟驅(qū)動機制， 并在我國行政區(qū)劃的基礎(chǔ)上， 探索其區(qū)域差異性， 為“十四五”我國空氣質(zhì)量差異化治理提供現(xiàn)實依據(jù)．

1 數(shù)據(jù)來源及研究方法

1.1 數(shù)據(jù)來源

AQI數(shù)據(jù)(2016-2020年)來源于空氣質(zhì)量在線監(jiān)測分析平臺(www.aqistudy.cn)， 港澳臺及南海諸島地區(qū)的AQI數(shù)據(jù)因缺失嚴(yán)重未列入統(tǒng)計分析， 故本文統(tǒng)計31個省級行政區(qū)AQI數(shù)據(jù)．AQI值越大表明空氣質(zhì)量越差， 反之表明空氣質(zhì)量越好． 分級標(biāo)準(zhǔn)來自《環(huán)境空氣質(zhì)量指數(shù)(AQI)技術(shù)規(guī)定(試行)》(HJ633-2012)(表1)． 社會經(jīng)濟數(shù)據(jù)主要來源于《中國能源統(tǒng)計年鑒2018》《中國城市統(tǒng)計年鑒2018》及中國國家統(tǒng)計局網(wǎng)站(http： //www.stats.gov.cn)等．

表1 空氣質(zhì)量指數(shù)分級標(biāo)準(zhǔn)

1.2 研究方法

1.2.1 全局自相關(guān)模型

空氣污染具有典型的區(qū)域傳輸性， 其空間分布相關(guān)性顯著， 本文采用全局自相關(guān)模型分析中國AQI空間相關(guān)性， 莫蘭指數(shù)(Moran’sI)是全局自相關(guān)中使用最廣泛的方法， 其公式如下：

(1)

Moran’sI的顯著性通常采用Z統(tǒng)計量進行檢測， 其公式如下：

(2)

式中：E(I)、VAR(I)分別表示Moran’sI的數(shù)學(xué)期望和變異系數(shù)．

1.2.2 熱點分析

(3)

式中：Xj為城市j的AQI，n為城市數(shù)量，Wij為空間權(quán)重矩陣，d為距離尺度．

(4)

1.2.3AQI驅(qū)動力基本模型設(shè)定及空間效應(yīng)模型

1)AQI驅(qū)動力基本模型設(shè)定

AQI變化受到地形地貌、 氣候條件等自然因素及人類社會經(jīng)濟活動的雙重影響， 尤其是區(qū)域覆蓋面積較大時， 人類活動的影響更為顯著． 結(jié)合已有研究成果[30]， 選取第二產(chǎn)業(yè)比重(X1)、 人口密度(X2)、 人均GDP(X3)、 能源消耗總量(X4)、 居民平均每百戶家用汽車擁有量(X5)、R&D經(jīng)費(X6)、 城鎮(zhèn)人口占比(X7)、 建成區(qū)綠化覆蓋率(X8)分別表示工業(yè)化、 人口聚集、 經(jīng)濟發(fā)展、 能源消耗、 社會發(fā)展、 技術(shù)進步、 城市化、 環(huán)境保護． 基本假設(shè)上述解釋變量與空氣質(zhì)量存在線性關(guān)系， 并設(shè)定模型如下：

Y=α0+α1X1+α2X2+α3X3+α4X4+α5X5+α6X6+α7X7+α8X8+ε

(5)

式中：Y為AQI；X1， …，X8分別為8個自變量； ɑ0， …， ɑ8為待估計的模型參數(shù)；ε為誤差隨機項． 西藏因能源數(shù)據(jù)缺失嚴(yán)重未列入此統(tǒng)計分析， 以減小異常值對模型精度的影響．

2) 空間效應(yīng)模型

AQI區(qū)域性特征明顯， 空間效應(yīng)對其影響顯著． 使用空間效應(yīng)模型探索AQI的社會經(jīng)濟驅(qū)動機制． 空間效應(yīng)模型主要有空間滯后模型(SLM)和空間誤差模型(SEM)， 在進行選擇時， 需要采用最小二乘法(OLS)確定空間相關(guān)性的約束模型， 若拉格朗日乘數(shù)LM(lag)比LM(error)在統(tǒng)計上顯著， 且R-LM(lag)比R-LM(error)顯著， 則選擇空間滯后模型， 其表達式為：

Y=ρWY+α0+α1X1+α2X2+α3X3+α4X4+α5X5+α6X6+α7X7+α8X8+ε

(6)

式中：Y為AQI；ρ為空間回歸系數(shù)；W為空間權(quán)值矩陣；X1， …，X8分別為8個自變量； ɑ0， …， ɑ8為待估計的模型參數(shù)；ε為誤差隨機項．

反之， 則選擇空間誤差模型， 其表達式為：

lnY=α0+α1X1+α2X2+α3X3+α4X4+α5X5+α6X6+α7X7+α8X8+ε

(7)

ε=λWε+μ

(8)

式中：Y為AQI；λ為空間誤差系數(shù)；W為n×1階的空間權(quán)值矩陣；X1， …，X8分別為8個自變量； ɑ0， …， ɑ8為待估計的模型參數(shù)；ε為誤差隨機項；μ為正態(tài)分布的隨機誤差向量．

2 結(jié)果分析

2.1 空氣質(zhì)量總體狀況

“十三五”期間我國AQI均值處于輕度污染及以下． 僅海南、 云南的AQI為優(yōu)， 占比為6.45%； 有25個省份的AQI為良好， 占比達到80.65%； 天津、 河北、 新疆、 河南的AQI為輕度污染， 占比為12.90%(圖1)． 結(jié)果表明， “十三五”期間我國空氣質(zhì)量整體較好， 且呈現(xiàn)出兩頭少中間多的“棗核”型特征， 空間上南方(海南、 云南等)地區(qū)顯著優(yōu)于北方(河南、 新疆等)地區(qū)， 空間差異性顯著．

圖1 “十三五”期間中國AQI五年均值

2.2 時間變化特征

“十三五”期間我國海南、 云南的AQI-Y(年均值)均保持為優(yōu)， 而河南、 河北、 新疆等地的AQI-Y長期處于輕度污染(表2)． 2016-2020年，AQI-Y為優(yōu)的占比分別為： 6.45%、 6.45%、 6.45%、 12.90%、 12.90%， 2019年有較小程度上升； 輕度污染占比分別為： 16.13%、 19.35%、 12.90%、 3.23%、 0， 表現(xiàn)為先上升后下降， 且到2020年AQI-Y輕度污染已全部消除， 進一步證實了我國AQI的“棗核”型特征． 2016-2020年， 我國AQI-Y分別為： 78.80、 79.55、 75.70、 72.38、 67.29， 下降趨勢明顯． 結(jié)果表明， “十三五”期間我國空氣質(zhì)量改善趨勢明顯， 僅2017年有較小程度的下滑，AQI-Y輕度污染已完全消除， 但仍然以良為主， 優(yōu)占比較少且提升不明顯．

表2 2016-2020年AQI-Y

2.3 空間分布特征

2.3.1 全局自相關(guān)分析

對AQI-Y進行全局自相關(guān)分析(表3)， 其Moran’sI指數(shù)均大于0， 且均通過了1%的顯著性檢驗(p<0.000 1)， 表明AQI-Y空間相關(guān)性顯著， 空間集聚效應(yīng)明顯． 2016-2020年，AQI-Y的Moran’sI指數(shù)分別是0.561、 0.564、 0.481、 0.499、 0.492， 其變化呈現(xiàn)出“M”型特征， 整體有下降趨勢． 結(jié)果表明，AQI-Y的空間集聚程度呈減小趨勢， 在空間上表現(xiàn)為高值區(qū)或低值區(qū)更加分散．

表3 2016-2020年AQI-Y全局自相關(guān)參數(shù)

2020年新冠疫情導(dǎo)致部分產(chǎn)業(yè)發(fā)展放緩，AQI指數(shù)不具有顯著代表性， 故本文以2019年季節(jié)AQI均值(AQI-S)為研究對象， 對AQI-S進行全局自相關(guān)分析(表4)． 其Moran’sI指數(shù)均大于0， 且均通過了顯著性檢驗(p<0.000 1)， 表明AQI-S空間相關(guān)性顯著， 空間集聚明顯． 其中， 夏季的AQI-S的空間聚集程度最高， 春秋次之， 冬季最低．

表4 2019年AQI-S全局自相關(guān)參數(shù)

2.3.2 熱點分析

“十三五”期間我國AQI-Y的冷、 熱點分布特征基本一致， 表現(xiàn)出北熱、 南冷的空間分異特征(圖2)． 從熱點區(qū)域來看， 2016年熱點圖顯示(圖2a)， 高熱點(99%信度)區(qū)域包括內(nèi)蒙古、 河北、 北京等9個地區(qū)， 中熱點(95%信度)區(qū)域包括河南、 安徽、 上海， 低熱點(90%信度)區(qū)域包括湖北、 遼寧； 2017年(圖2b)與2018年(圖2c)高熱點區(qū)域先增加后減少； 2019年(圖2d)與2020年(圖2e)高熱點區(qū)域呈增長趨勢． 從2020年熱點圖來看， 高熱點區(qū)域與2016年一致， 僅遼寧由2016年的低熱點區(qū)域轉(zhuǎn)變?yōu)橹袩狳c區(qū)域， 說明AQI高值區(qū)域空間分布格局基本穩(wěn)定， 河北、 北京等北部及中部地區(qū)AQI已長時間、 大范圍處于較高水平． 從冷點區(qū)域來看， 2016年高冷點(99%信度)區(qū)域為廣東、 廣西、 海南， 中冷點(95%信度)區(qū)域為云南、 貴州， 低冷點(90%信度)區(qū)域為湖南， 2017-2020年， 高冷點區(qū)域為云南、 廣東、 海南， 中冷點區(qū)域為貴州、 廣西， 說明AQI低值區(qū)域空間分布格局穩(wěn)定， 海南、 云南等南部地區(qū)是AQI水平較低的主要聚集區(qū)域．

以2019年為例， 春、 夏、 冬季AQI-S的冷、 熱點分布特征基本一致， 均呈現(xiàn)出北熱、 南冷的空間分異特征， 秋季則呈現(xiàn)熱點集中、 冷點零散分布的特征(圖3)． 春季(圖3a)的熱點圖顯示， 高熱點區(qū)域包括內(nèi)蒙古、 河北、 北京等7個地區(qū)， 低熱點區(qū)域包括江蘇、 陜西、 遼寧； 夏季(圖3b)熱點分布由北向南擴散； 秋季(圖3c)熱點分布逐漸向中部地區(qū)收縮， 高熱點區(qū)域減少至湖北、 安徽等6個； 冬季(圖3d)熱點分布由中向北擴散． 說明我國春夏秋冬的AQI高值區(qū)域呈先擴散后收縮再擴散的特征， 夏季AQI高值區(qū)域聚集最明顯． 從冷點分布來看， 春季的集中程度最高， 其高冷點區(qū)域包括云南、 廣東、 廣西等5個地區(qū)， 低冷點區(qū)域包括湖南、 江西、 福建， 夏季冷點分布向南收縮趨勢明顯， 秋季則表現(xiàn)為零散分布， 冬季又呈現(xiàn)出南方集中且有進一步向南收縮的趨勢， 說明我國春夏秋冬的AQI低值區(qū)域呈現(xiàn)出向南收縮的趨勢， 春季AQI低值區(qū)域聚集最明顯． 進一步分析發(fā)現(xiàn)， 在AQI整體處于較高水平的春季AQI低值區(qū)域集聚趨勢最明顯， 在AQI整體處于較低水平的夏季AQI高值區(qū)域聚集趨勢最顯著， 表明AQI集聚程度與AQI值的相關(guān)性較低， 盡管AQI整體較低， 但仍會出現(xiàn)局部區(qū)域污染嚴(yán)重的情況．

基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站GS(2019)1825號標(biāo)準(zhǔn)地圖制作， 底圖邊界無修改．圖2 2016-2020年中國AQI冷熱點空間分布

2.4 空氣質(zhì)量社會經(jīng)濟驅(qū)動力

2.4.1 全國空氣質(zhì)量社會經(jīng)濟驅(qū)動力

社會經(jīng)濟發(fā)展對空氣質(zhì)量影響滯后效應(yīng)顯著， 參考已有研究成果[31]， 基于2019年AQI及2018年社會經(jīng)濟數(shù)據(jù)， 依據(jù)上述假設(shè)及公式， 分析空氣質(zhì)量變化的社會經(jīng)濟驅(qū)動機制．

基于自然資源部標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站GS(2019)1825號標(biāo)準(zhǔn)地圖制作， 底圖邊界無修改．圖3 2019年中國AQI季均值冷熱點空間分布

采用ArcGIS檢驗2019年AQI-Y的空間相關(guān)性， 其Moran’sI指數(shù)為0.499， 空間相關(guān)性顯著， 使用SPSS進行社會經(jīng)濟自變量的多重共線性檢驗， 方差膨脹因子(VIF)均遠(yuǎn)小于10， 表明模型不存在多重共線性， 在GeoDa平臺上， 利用最小二乘法(OLS)選取空間回歸模型， 結(jié)果表明， LM(lag)較LM(error)更為顯著， 且R-LM(lag)較R-LM(error)更為顯著， 故選擇空間滯后模型(表5)．

表5 中國空氣質(zhì)量與社會經(jīng)濟回歸結(jié)果參數(shù)

OLS模型回歸結(jié)果與空間滯后模型基本一致， 但空間滯后模型精度(R2=0.654)顯著優(yōu)于OLS模型(R2=0.531)． 模型回歸結(jié)果顯示： 工業(yè)化、 經(jīng)濟發(fā)展、 城市化、 環(huán)境保護對AQI-Y的變化影響不顯著， 人口聚集、 能源消耗、 社會發(fā)展對AQI-Y變化呈顯著正相關(guān)． 其中， 人口密度每平方公里增加100人， 將引起AQI-Y上升0.479； 能源消耗每增加1億噸標(biāo)準(zhǔn)煤， 將引起AQI-Y上升0.610； 居民平均每百戶家用汽車擁有量增加1輛， 將引起AQI-Y上升0.275． 技術(shù)進步與AQI表現(xiàn)為顯著負(fù)相關(guān)，R&D經(jīng)費每增加1億元， 將引起AQI-Y下降0.294．

2.4.2 區(qū)域空氣質(zhì)量社會經(jīng)濟驅(qū)動力

基于地理分區(qū)的方式進一步探索空氣質(zhì)量變化機制的空間差異性． 采用分區(qū)較多的經(jīng)濟地理區(qū)劃時存在樣本數(shù)量不足、 自變量多重共線性嚴(yán)重等問題， 故本文采用三大經(jīng)濟帶(東部經(jīng)濟帶包括： 遼寧、 北京、 天津、 河北、 山東、 江蘇、 上海、 浙江、 福建、 廣東、 廣西、 海南， 中部經(jīng)濟帶包括： 黑龍江、 吉林、 內(nèi)蒙古、 山西、 安徽、 江西、 河南、 湖北、 湖南， 西部經(jīng)濟帶包括： 新疆、 西藏、 青海、 云南、 貴州、 四川、 重慶、 陜西、 寧夏、 甘肅)分區(qū)的方式， 選取人口聚集、 能源消耗、 社會發(fā)展、 技術(shù)進步四個在上述模型中顯著相關(guān)的自變量進行分析． OLS模型表明， 三大經(jīng)濟帶均適合空間滯后模型(表6)．

表6 區(qū)域空氣質(zhì)量與社會經(jīng)濟回歸結(jié)果參數(shù)

在東部經(jīng)濟帶， 人口聚集、 能源消耗、 社會發(fā)展與AQI-Y顯著正相關(guān)， 人口密度每平方公里增加100人，AQI-Y將會上升0.388； 能源消耗每增加1億噸標(biāo)準(zhǔn)煤，AQI-Y上升0.506； 居民平均每百戶家用汽車擁有量增加1輛，AQI-Y就會上升0.984． 技術(shù)進步與AQI-Y表現(xiàn)為顯著負(fù)相關(guān)，R&D經(jīng)費每增加1億元，AQI-Y就會下降0.199． 在中部經(jīng)濟帶， 人口聚集、 社會發(fā)展、 技術(shù)進步與AQI-Y相關(guān)性不顯著， 能源消耗與AQI-Y顯著正相關(guān)， 其每增加1億噸標(biāo)準(zhǔn)煤，AQI-Y上升1.341． 在西部經(jīng)濟帶， 能源消耗、 社會發(fā)展、 技術(shù)進步與AQI-Y相關(guān)性不顯著， 人口集聚與AQI顯著正相關(guān)， 人口密度每平方公里增加100人，AQI-Y將會上升0.907．

3 結(jié)論和討論

3.1 結(jié)論

本文基于2016-2020年AQI數(shù)據(jù)， 以31個省市為研究對象， 利用全局自相關(guān)、 熱點分析等方法分析了“十三五”時期我國空氣質(zhì)量時空演變特征， 結(jié)合2018年社會經(jīng)濟數(shù)據(jù)， 揭示了空氣質(zhì)量的社會經(jīng)濟驅(qū)動機制， 在此基礎(chǔ)上， 分區(qū)探索了其驅(qū)動機制的空間異質(zhì)性， 研究結(jié)果有利于加強空氣污染治理能力， 推動區(qū)域“高質(zhì)量發(fā)展”． 主要研究結(jié)論如下：

1) “十三五”期間， 我國空氣質(zhì)量整體較好， 大部分地區(qū)空氣質(zhì)量類別為良好， 海南、 云南為優(yōu)， 呈現(xiàn)較為明顯的“棗核”型特征， 空間上南方地區(qū)顯著優(yōu)于北方地區(qū)．

2) “十三五”期間， 我國空氣質(zhì)量好轉(zhuǎn)趨勢明顯， 僅2017年有較小程度下滑， 且輕度污染已經(jīng)完全消除， 但優(yōu)提升不明顯； 季節(jié)變化表現(xiàn)出“春冬高， 夏秋低”的“V”型特征； 月變化呈現(xiàn)出“W”型規(guī)律且高值主要在1、 2、 12月， 低值主要在7、 8、 10等月．

3) “十三五”期間， 我國空氣質(zhì)量集聚程度呈減小趨勢， 在空間上表現(xiàn)為AQI-Y的高值區(qū)或低值區(qū)更加分散； 河南、 河北、 天津等地是我國主要空氣質(zhì)量較差聚集區(qū)域， 較好區(qū)域主要聚集于云南、 海南等地； 季節(jié)空間分布格局與年均基本一致， 春、 夏分別是AQI低值和高值集聚程度最高的季節(jié)．

4) 空間滯后模型表明， 在全國層面， 人口聚集、 能源消耗、 社會發(fā)展是促使空氣質(zhì)量下降的主要原因， 技術(shù)進步對空氣質(zhì)量改善有明顯的促進作用； 其空間異質(zhì)性明顯， 在東部經(jīng)濟帶其驅(qū)動機制與全國層面一致， 在中部及西部經(jīng)濟帶， 能源消耗與人口集聚分別是其空氣質(zhì)量下降的主導(dǎo)因素．

3.2 討論

“十三五”期間我國以“改善生態(tài)環(huán)境”為主要目標(biāo)， 習(xí)近平總書記多次強調(diào)“打贏藍(lán)天保衛(wèi)戰(zhàn)”的必要性并做出重要指示． 本文以“十三五”期間中國AQI數(shù)據(jù)為基礎(chǔ)， 對其演變特征進行分析． 結(jié)果表明， “十三五”期間， 我國空氣質(zhì)量整體處于較好狀態(tài)， 且得到了較大程度的改善， 但空氣質(zhì)量類別兩頭少中間多的“棗核”型問題并未得到根本好轉(zhuǎn)， 我國大部分地區(qū)空氣質(zhì)量處于“良好”， 且空間差異性顯著， 在河南、 河北、 天津等北方地區(qū)已經(jīng)形成了大范圍、 長時間的空氣污染． 因此， 在“十四五”期間， 亟需以“深度改善空氣質(zhì)量”為目標(biāo)， 以“重點治理嚴(yán)重污染區(qū)域”為手段， 進一步改善我國空氣環(huán)境， 以推進生態(tài)文明建設(shè)．

諸多研究已經(jīng)證實， 社會經(jīng)濟的發(fā)展必然會影響空氣質(zhì)量． 本文結(jié)合社會經(jīng)濟數(shù)據(jù)， 揭示了空氣質(zhì)量的社會經(jīng)濟驅(qū)動機制． 結(jié)果表明， 社會經(jīng)濟的發(fā)展對空氣質(zhì)量的影響不盡相同， 在東部沿海地帶， 人口聚集、 能源消耗、 社會發(fā)展是促使空氣質(zhì)量下降的主要原因， 技術(shù)進步對空氣質(zhì)量改善有明顯的促進作用， 而在中部地帶及西部地帶， 能源消耗與人口聚集分別是促使其空氣質(zhì)量下降的主導(dǎo)因素． 表明社會經(jīng)濟處于不同階段， 空氣質(zhì)量的社會經(jīng)濟驅(qū)動力差異性顯著． 因此， 在治理空氣環(huán)境中， 改善空氣質(zhì)量不等同于全面遏制社會經(jīng)濟的發(fā)展， 首先必須在厘清其驅(qū)動機制的基礎(chǔ)上， 遴選關(guān)鍵指標(biāo)， 確定重點治理方向． 其次， 由于區(qū)域資源稟賦， 社會經(jīng)濟發(fā)展水平差異較大， 更需要認(rèn)清自身實際情況， 最大限度減少社會經(jīng)濟發(fā)展對空氣質(zhì)量帶來的負(fù)面影響， 以建立“生態(tài)優(yōu)先、 綠色發(fā)展”的新模式， 實現(xiàn)區(qū)域社會經(jīng)濟與生態(tài)環(huán)境相互促進、 協(xié)調(diào)發(fā)展， 促進“高質(zhì)量發(fā)展”．