下载掌阅APP，畅读海量书库
立即打开
雾霾污染是当前我国大气污染防治的重点与难点，也是公众关注的焦点和热点。在这样的背景下，国内众多学者从不同角度对雾霾污染展开了研究。本书主要从雾霾污染时空格局、雾霾污染的影响因素、雾霾污染治理三方面对已有相关文献进行梳理。
在全国层面，学者发现我国雾霾污染浓度变化在时空分布上表现出了一定的规律性。如王少剑等
基于2015年全国324个城市的PM
2.5
监测数据，王振波等
[1]
基于2014年全国190个城市的PM
2.5
监测数据，对我国雾霾污染时空分布特征进行分析研究，均发现：我国雾霾浓度在季节时间尺度上呈现冬季最高、夏季最低的“U”形特点，并在月时间尺度上呈现“U”形逐月变化的特征，王振波等还研究了雾霾污染浓度日变化规律，发现在日时间尺度上呈现周期性U-脉冲型逐日变化特点；在空间变化上，两位学者均发现京津冀地区是我国雾霾污染重点区域，全国总体呈现雾霾浓度东高西低、北高南低的特征，并以胡焕庸线为东西分界线，以长江为南北分界线。刘晓红利用2014—2016年我国城市监测的PM
2.5
与PM
10
日数据，以月为时间尺度研究发现我国雾霾污染浓度呈现夏季最低，冬季最高的“U”形特征；雾霾污染浓度低值区主要分布在南部沿海，浓度高值区主要分布在北部沿海与黄河中游，全国呈现“北高南低”的态势
。王美霞采用哥伦比亚大学和巴特尔研究所公布的2001—2012年卫星监测PM
2.5
浓度年均值的栅格数据进行分析，发现我国雾霾污染最严重的区域主要集中在华北、华东以及中部地区，且相邻地区雾霾污染变化存在相互作用、相互影响关系，交互影响程度与距离呈现倒“U”形关系
。
有学者从城市群、重点区域角度对雾霾污染时空分布进行研究
[2]
。如杨兴川等
[3]
、赵安周等
[4]
以京津冀城市群为案例区，发现该地区雾霾污染浓度存在明显的时间变化规律：在季节时间尺度上呈现出冬季高、夏季低的特征，在月时间尺度上表现出连续“U”形波动的变化规律，在日时间尺度上春夏季和秋冬季表现出了不同的波动特征；以燕山—太行山脉为分界线，京津冀地区雾霾污染浓度可分为高值区与低值区，呈现东南向西北递减的态势。受城市发展的影响，京津冀地区城市内部的雾霾浓度存在差异，其中市中心区域为老城区的城市雾霾污染浓度最高。周侗等以长江经济带三大城市群为研究区，结果表明PM
2.5
浓度总体呈下降趋势，长江以北空气污染较长江以南地带更为严重
[5]
。王振波等则发现我国19个城市群在2000—2015年PM
2.5
浓度呈现波动增长趋势，京津冀城市群是全年污染核心区；在空间上以胡焕庸线为界呈现东高西低的格局，城市群空间差异性显著且不断扩大
[6]
。丁俊菘等基于2015—2018年黄河流域71个市域单元的PM
2.5
面板数据，研究发现黄河流域年均PM
2.5
浓度呈下降趋势，季度PM
2.5
浓度呈现单峰谷特征，月度PM
2.5
浓度呈“U”形分布，地区分布存在明显空间正自相关性
。李建明等选取1998—2015年长江中游城市群地级及以上城市雾霾污染的面板数据，分析了雾霾污染的时空分布特征，发现城市群雾霾污染总体呈现“上升—下降—平稳波动”的变化趋势，雾霾污染水平表现出一定的层级格局
。
有学者以省、市等为单元进行研究，主要探讨PM
2.5
浓度在某一年或几年随季、月、日的变化规律。发现我国雾霾污染浓度在季时间尺度上表现为冬季最高、夏季最低，日浓度变化因季节不同也存在一定的差异。如袭祝香等通过分析吉林省的空气污染情况，发现该省的雾霾空间分布呈现出从东南向西北逐渐递减的特征
。王占山等采用2013年北京市35个监测站数据分析发现，在季时间尺度上PM
2.5
浓度表现为冬季最高、夏季最低，并且日浓度变化在季节上存在差异；在月时间尺度上PM
2.5
浓度呈波浪形分布；在空间分布上，北京市雾霾浓度高值区位于东南部、低值区处于西北部
[7]
。张朝能等基于2014年4月至2015年3月昆明市主城区雾霾监测站数据分析发现：主城区的雾霾污染浓度在春季最高，夏季最低，PM
2.5
日浓度变化表现出双峰单谷型特征。气温、大气压、风力强度等因素在季时间尺度上对雾霾浓度变化具有显著影响
[8]
。李秋芳等在乡镇尺度下分析2018年石家庄市PM
2.5
时空分布特征，结果表明其浓度冬季最高、夏季最低，山区低于平原，主城区低于周边县市
[9]
。
综合以上分析可知，国内外学者针对PM
2.5
时空变化特征展开了一系列的研究。在研究对象方面，大多针对某一城市或城市群
[10]
[11]
[12]
。也有学者以省域为单元进行全国层面的研究，但主要是探讨PM
2.5
浓度在某一年或几年内随季、月、日的变化规律
[13]
[14]
[15]
，由于时间序列较短，研究单元过大，难以精确揭示PM
2.5
在全国范围内的空间演化特征。因此，亟须加强PM
2.5
浓度长时间序列、较小研究单元（比如地级市）的全国层面时空格局演化的研究。另外，也缺少基于多尺度的对雾霾污染时空特征的综合研究。
国外对PM 2.5 的研究开展较早，尤其是欧美等国家已经在PM 2.5 影响因素方面取得了大量研究成果。依据研究内容可以将之概括为两个方面：
（1）PM
2.5
浓度变化与自然因素相关性的研究。Marcazzan等
对PM
2.5
浓度与风速风向的关系进行研究，结果表明PM
2.5
浓度的变化速率对大气条件有显著的敏感性，尤其是与风速有较强的相关关系；Degaetano等
[16]
对美国纽约每小时PM
2.5
浓度极值的变化与气象因素之间的相关性进行了探讨；Malek等
通过分析美国2004年所发生的严重PM
2.5
污染事件，得出气象、地理环境等自然要素是该事件发生的最主要驱动力；Tsai等
通过对PM
2.5
浓度与气象条件、气溶胶、矿物质等因素之间的相关关系进行分析，发现气象因子对PM
2.5
浓度变化具有重要影响；Crawford等
在澳大利亚卢卡斯高地进行的气象因素对PM
2.5
浓度影响机制的研究中发现，不同季节PM
2.5
的主要污染源不同，气温对PM
2.5
浓度会产生显著影响。
（2）社会经济因素与PM
2.5
污染关系研究。Villeneuve等
以温哥华为研究区，对PM
2.5
浓度以及社会经济发展水平进行模拟研究，分析两者之间的关系，研究结果表明，社会经济状况对PM
2.5
浓度具有较强影响；Gray等
利用贝叶斯模型对社会因素和PM
2.5
污染之间的相关性进行模拟分析，结果证明PM
2.5
浓度与人口出生率以及怀孕周期均有显著相关性；Mardones等
[17]
对工业用地和居民用地PM
2.5
的排放源及浓度值进行了对比分析，认为不同用地类型所产生的PM
2.5
具有明显差异；Briggs等
研究各类出行方式所产生的PM
2.5
的差异，认为步行是所有交通方式中最为绿色的出行方式，但其在污染环境中的暴露度也最严重；Alameddine等
[18]
结合多元线性模型对交通量、车辆特征、城市通风性等因素对PM
2.5
的影响进行了定量分析，认为车辆特征、道路条件等因素都对PM
2.5
浓度具有显著影响。以上研究都证明了PM
2.5
污染与自然因素、社会经济因素具有紧密联系。
由于我国2012年才将PM 2.5 平均浓度值增设为常规大气污染物监测指标。因此，国内关于PM 2.5 形成机理的研究起步较晚。目前，针对PM 2.5 影响因素研究领域的成果主要如下：
（1）PM
2.5
污染与自然因素相关性的研究。王一楷等
[19]
对厦门市冬季PM
2.5
污染情况与气象条件展开定量分析，研究结果表明，在低风速、低气压、高温度、高相对湿度等较稳定的大气条件下易形成高PM
2.5
污染，同时还发现临近内陆的气团轨迹路径为携带污染物的输入路径，沿海路径则属于清洁路径；孟昭伟等
[20]
对2015—2018年西安市莲湖区和雁塔区的PM
2.5
浓度值变化特征及气象条件的影响路径进行了分析，发现在不同季节PM
2.5
浓度表现出不同的特征，PM
2.5
日均浓度值在冬季时普遍较高，在夏季时整体处于较低水平，春秋季节则处于中等水平；同时降水量、风速、温度、气压均与PM
2.5
质量浓度水平有显著相关性；姚青等
[21]
利用相关性分析和主成分分析法并结合地面气象资料及气团移动轨迹对天津地区2009—2018年PM
2.5
质量浓度的影响因素展开研究，认为风速、相对湿度以及混合层厚度是影响天津地区PM
2.5
质量浓度的主要因素，且不同季节影响程度不同。通过各季节因素对PM
2.5
影响程度的对比分析发现，PM
2.5
浓度值在冬季时受到的影响程度普遍较高；沈海波
对新郑市2018年历次降水前后的PM
2.5
和PM
10
的污染状况进行了对比分析，结果表明，降水对大气颗粒物具有显著的清洁作用，且对于PM
2.5
和PM
10
两种不同类型的颗粒污染物清洁效果也有所不同，降水对PM
2.5
的清洁效率为16.5%，对PM
10
的清洁效率则为12.6%，即降水对空气中PM
10
的清除效果相对PM
2.5
来说较差。张卓等
在对相对湿度与大气颗粒物之间相关关系的研究过程中发现，当相对湿度增高时，城市空气中的PM
2.5
浓度显著提升，而乡村的PM
2.5
浓度非但没有增加，反而有所下降；李伊明等
对呼包鄂地区冬季和夏季PM
2.5
的主要污染源展开分析，结果显示，呼包鄂地区PM
2.5
主要污染源在冬季和夏季呈现出显著的季节差异性，冬季时燃煤为呼包鄂地区PM
2.5
污染的主要来源，夏季时扬尘则是主要的PM
2.5
污染源。
（2）PM 2.5 浓度变化与社会经济因素相关性的研究。王振波等 [22] 以中国城市群为研究区，运用空间分析法分析了中国城市群PM 2.5 质量浓度的时空演变特征以及主要的驱动因子，研究结果表明，工业化、能源结构、人口密度对于PM 2.5 质量浓度具有促进作用，产业结构高级度对PM 2.5 污染具有负向影响，城市化水平在不同地区具有不同的影响方式，具体表现为国家级城市群为负向抑制作用，区域性和地方性城市群则为正向促进作用。吴勋等 [23] 从政府角度分析了财政分权、地方政府行为对PM 2.5 浓度的影响，发现财政分权和地方政府行为具有显著相关性，财政分权会加剧PM 2.5 的污染状况，地方政府竞争行为则会抑制PM 2.5 浓度的增加。谢志祥等 [24] 以河南省为研究区对经济发展与PM 2.5 污染之间的关系展开了定量研究，结果显示，河南省经济发展在对PM 2.5 污染的影响过程中存在显著的门槛效应。经济发展水平对PM 2.5 污染的影响为单门槛效应，当经济发展水平（人均GDP）低于13236元时，经济发展水平对PM 2.5 污染产生正向促进作用，当经济发展水平（人均GDP）高于13236元时，经济发展水平对PM 2.5 污染产生抑制作用。经济发展质量对PM 2.5 污染的影响则存在双重门槛效应，经济发展质量小于29%会促进PM 2.5 污染，当经济发展质量处于29%和33%之间时，其促进作用有所降低，当经济发展质量大于33%时，其对PM 2.5 污染会产生抑制作用。刘子豪等 [25] 在对武汉城市圈PM 2.5 污染的时空特征及影响因素研究中发现，民用汽车拥有量、能源消费水平、城镇化率、产业结构以及节能环保支出等因素都对武汉城市圈PM 2.5 污染具有显著影响。王桂林等 [26] 在针对PM 2.5 浓度值对城区扩张以及城市空间结构演变的响应机制研究中发现，城市人口、建设用地面积、人口密度、经济发展等社会经济因素都与PM 2.5 污染具有紧密联系，其中经济发展对PM 2.5 的影响最大。
国外由于工业化与城镇化的快速发展，对雾霾污染治理研究较早，如20世纪英国“大雾霾”天气、美国“毒烟雾工厂”、日本“四日市公害”等事件，都促使政府制定大气污染和雾霾治理的法律规范
。目前，国内外学者主要依托于雾霾污染的影响因素进行分析，从而提出雾霾治理政策和建议。比如，陈诗一等
通过对我国长三角与京津冀地区雾霾污染联防联控政策的治理模式、现状、成效等方面进行分析，认为我国雾霾污染治理应以协同治理为主，并提出信息公开、政府主导、多方参与的雾霾治理路径。有学者对我国雾霾污染治理的短板问题进行剖析，并提出采取以经济手段为主、多种手段并用的市场化治理措施，加强雾霾治理的制度建设，建立地区间的联防联控机制
，并对不同分区因素进行量化，分析我国城市雾霾污染的影响，为联防联控政策的制定提供理论借鉴和决策参考
。史海霞等基于雾霾治理政策发布主体、政策规制主体、政策内容针对性和政策内容具体性四个评估维度构建了政策分析框架，发现我国宏观雾霾治理政策体系已逐步完善，各级主体健全
。政府主体可以从利益补偿机制、沟通协调机制、效益评价机制与反馈提高机制四个维度设计雾霾治理机制的总体框架
，地方政府可以将雾霾等环境污染治理和本地产业发展结合，形成良性发展格局，促进本地经济发展
。关于政策效果评估，魏巍贤等采用一般均衡模型（CGE），对我国能源结构调整、技术进步与雾霾治理的政策组合进行情景分析，发现推进能源结构调整与技术进步是治理雾霾的重要手段
。吴妍等针对京津冀地区构建了包括生产、消费、环境税、动态链接等八个模块的可计算动态一般均衡模型，模拟五种政策情景下我国雾霾治理路径和对经济产生的影响，并提出相关建议
。有学者构建了“大气十条”政策机制实证模型，石敏俊等
发现该政策在京津冀地区难以实现既定目标。林弋筌等
则发现“大气十条”政策的实施显著降低了PM
2.5
的年均浓度，并对政策机制进行了创新性分析。雾霾污染高效治理是我国深度贯彻生态文明建设理念的一项重要工作，需要久久为功。另外，也有学者认为，以政治性动员、运动式管制等模式治理雾霾污染，可能会在短时间内得到“碧水蓝天”，但从长期来看，这种“政治性碧水蓝天”不仅不能有效治理雾霾，还可能会产生副作用
。
可见，当前的研究在城市雾霾污染方面取得了一定成果，但以下几个方面有待加强：一是在空间尺度方面，主要是从单一尺度对雾霾污染的时空特征进行分析。缺少以多尺度单元对城市雾霾污染时空特征的综合分析，事实上，针对PM 2.5 污染的时空演变规律进行分析，是我国大气污染治理进程中不可或缺的举措。但当前更多是从单一尺度进行分析，这往往会掩盖一些重要信息，比如在大尺度层面的分析可能无法兼顾空间格局的零散和局部特征，在小尺度层面的分析无法兼顾空间格局的整体特征；同时从单一尺度进行分析也无法满足不同层次的差异性政策制定的需求，亟待加强此方面的研究。虽然当前不同的研究组合在一起也包含了不同尺度，但由于不同的研究数据来源不同、结果差异较大，很难通过整合的方式获取不同空间尺度的雾霾污染时空特征。基于此，需要统一数据来源，基于多空间尺度的视角对雾霾污染时空格局进行综合分析，详细把握雾霾污染的整体格局与局部细微特征，以期为雾霾污染协同治理提供支撑。二是当前对雾霾污染驱动机制的研究，更多的是从经济发展、产业结构、制度环境等方面展开探讨，忽略了从城镇建设用地景观格局的视角进行系统性研究。现有文献多是从静态、孤立的角度分析，没有纳入统一的分析框架。同时现有针对景观格局对PM 2.5 污染影响的分析大多为相关性分析和线性计量分析。但土地利用变化对PM 2.5 浓度的影响是一个综合复杂的过程，其不仅受到本地区土地利用类型、规模、景观结构以及相关变量的影响，还会受到邻近地区相关要素的影响。因此，需要将空间概念纳入分析框架中，以便更真实、准确地揭示两者之间的相关关系。
[1] 王振波，方创琳，许光，等.2014年中国城市PM 2.5 浓度的时空变化规律［J］.地理学报，2015，70（11）：1720-1734.
[2] Shen Y，Zhang L，Fang X，et al.Spatiotemporal patterns of recent PM 2.5 concentrationsover typical urban agglomerations in China［J］.Science of the Total Environment，2019（655）：13-26.
[3] 杨兴川，赵文吉，熊秋林，等.2016年京津冀地区PM 2.5 时空分布特征及其与气象因素的关系［J］.生态环境学报，2017，26（10）：1747-1754.
[4] 赵安周，相恺政，刘宪锋，等.2000—2018年京津冀城市群PM 2.5 时空演变及其与城市扩张的关联［J］.环境科学，2022，43（5）：2274-2283.
[5] 周侗，张帅倩，闫金伟，等.长江经济带三大城市群PM 2.5 时空分布特征及影响因素研究［J］.长江流域资源与环境，2022，31（4）：878-889.
[6] 王振波，梁龙武，王旭静.中国城市群地区PM 2.5 时空演变格局及其影响因素［J］.地理学报，2019，74（12）：2614-2630.
[7] 王占山，李云婷，陈添，等.2013年北京市PM 2.5 的时空分布［J］.地理学报，2015，70（1）：110-120.
[8] 张朝能，王梦华，胡振丹，等.昆明市PM 2.5 浓度时空变化特征及其与气象条件的关系［J］.云南大学学报（自然科学版），2016，38（1）：90-98.
[9] 李秋芳，丁学英，刘翠棉，等.乡镇尺度下PM 2.5 时空分布：以石家庄市为例［J］.环境工程技术学报，2022，12（3）：683-692.
[10] 穆泉，张世秋.中国2001—2013年PM 2.5 重污染的历史变化与健康影响的经济损失评估［J］.北京大学学报（自然科学版），2015，51（4）：694-706.
[11] 孙建如，钟韵.我国大城市PM 2.5 影响因素的经济分析：基于市级面板数据的实证研究［J］.生态经济，2015，31（3）：62-65，77.
[12] 王占山，李云婷，陈添，等.2013年北京市PM 2.5 的时空分布［J］.地理学报，2015，70（1）：110-120.
[13] 张莹，赵燕.珠三角区域PM 2.5 浓度特征及时空变化规律［J］.科技与创新，2017（13）：138-139.
[14] 王振波，方创琳，许光，等.2014年中国城市PM 2.5 浓度的时空变化规律［J］.地理学报，2015，70（11）：1720-1734.
[15] 李沈鑫，邹滨，刘兴权，等.2013—2015年中国PM 2.5 污染状况时空变化［J］.环境科学研究，2017，30（5）：678-687.
[16] Degaetano A T，Doherty O M.Temporal，spatial and meteorological variations in hourly PM 2.5 concentration extremes in New York City［J］.Atmospheric Environment，2004，38（11）：1547-1558.
[17] Mardones C，Saavedra，Andrés.Comparison of economic instruments to reduce PM 2.5 from industrial and residential sources［J］.Energy Policy，2016（98）：443-452.
[18] Alameddine I，Abi Esber L，Bou Zeid E，et al.Operational and environmental determinants of in-vehicle CO and PM 2.5 exposure［J］.Science of the Total Environment，2016（551-552）：42-50.
[19] 王一楷，张明锋，陈志彪，等.厦门市冬季PM 2.5 污染情境识别及其与气象条件的关系［J/OL］.环境科学研究：1-14［2020-02-27］.https：//doi.org/10.13198/j.issn.1001-6929.2020.02.05.
[20] 孟昭伟，雷佩玉，张同军，等.2015—2018年西安市两城区PM 2.5 质量浓度变化特征及气象影响因素［J］.卫生研究，2020，49（1）：75-79，85.
[21] 姚青，蔡子颖，刘敬乐，等.气象条件对2009—2018年天津地区PM 2.5 质量浓度的影响［J］.环境科学学报，2020，40（1）：65-75.
[22] 王振波，梁龙武，王旭静.中国城市群地区PM 2.5 时空演变格局及其影响因素［J］.地理学报，2019，74（12）：2614-2630.
[23] 吴勋，白蕾.财政分权、地方政府行为与雾霾污染：基于73个城市PM 2.5 浓度的实证研究［J］.经济问题，2019（3）：23-31.
[24] 谢志祥，秦耀辰，张荣荣，等.河南省经济发展对PM 2.5 污染的门槛效应分析［J］.环境科学与技术，2019，42（5）：222-229.
[25] 刘子豪，黄建武，孔德亚.武汉城市圈PM 2.5 的时空特征及其影响因素解析［J］.环境保护科学，2019，45（3）：51-59.
[26] 王桂林，张炜.中国城市扩张及空间特征变化对PM 2.5 污染的影响［J］.环境科学，2019，40（8）：3447-3456.