论文部分内容阅读
我国现阶段城市中人口和工业快速聚集,城市化程度不断提升,带来了严重的资源环境问题,尤其是空气污染问题。特别是在城市化初级阶段的中国,城市的工业发展、人群密集居住、交通拥挤等等原因造就空气污染的加剧。同时,大多城市的高人口密度及人口流动导致的暴露于污染下的人口数量增多,高污染高暴露致使城市健康问题的凸显,这些居民健康问题也必将带来一定的经济损失。根据健康中国建设的要求,对城市空气污染造成的居民健康风险和经济损失进行合理评估,对环境卫生政策规划具有重要意义。本研究基于遥感影像采集2006-2016年中国31个省份的338个城市的PM2.5数据以及社会经济相关数据,利用空间面板模型（SDM）分别分析大气污染与城市化发展水平（分别用人口城市化率和夜间灯光数据来代表）之间的关系。在此基础上,结合人口密度数据,利用暴露响应函数提供对338各城市全面的健康风险评估,然后结合早逝经济损失及相关医疗消费数据（中国卫生与计划生育统计年鉴）,采用生命统计价值法（VSL）和疾病成本法（COI）计算经济损失。同样建立以城市化发展水平为主要因素的面板模型,分析并检验不同城市化水平下的健康风险和经济损失,探究城市化与经济损失的内在联系,以期使得城市和国家政策制定者意识到空气污染带来的巨大威胁,以加强他们在改善空气质量方面的努力。最后根据MEIC团队提供的排放量网格化数据结合华盛顿大学In MAP研究团队的In MAP模型,定量计算大气污染物的空间溢出量,并据此定量核算大气生态补偿金额,期望建立一个全国性的生态补偿机制。最终得到以下结论:（1）在城市尺度上（全国338个城市）,分析了城市化发展水平对PM2.5污染的影响。首先整个国家的PM2.5污染至今未得到基本改善,到2016年,仍有超过65%的城市和75%的人口暴露PM2.5浓度超过35μg/m3的污染环境。为了探究城市化水平变化对污染的影响,因此选择构建以城市化发展水平为主要解释变量的模型,包括用人口城市化率和夜间灯光数据分别来代表的一次项,二次项和三次项六种模型:（1）PU2（人口城市化率二次项模型）与PU3（人口城市化率三次项模型）在人口城市化率低于10%左右时出现差异,但在此之外均属于随城市化率增加,PM2.5浓度不断降低的状态。PD2（灯光数据二次项模型）与PD3（灯光数据三次项模型）在城市化水平也就是DN值低于15前,PM2.5浓度随城市化水平的增高而不断升高。（2）PU3（人口城市化率二次项模型）与PD2（灯光数据二次项模型）的拟合结果出现了一定的相似性,出现了经典的倒U型曲线规律,均是呈现先随着城市化得升高而升高,经过一个拐点后进而随着城市化的升高而降低。（3）相比普通面板检验,空间计量面板考虑城市间相互作用因素后,由由坏转好的改善拐点滞后,说明城市间大气污染物的扩散加速了空气质量的恶化,相应的又一定程度上延缓了空气质量的改善。也进一步说明单一城市的空气质量改善难度极大,并有可能受外在城市干扰影响最终空气质量结果。未来的空气环境质量改善,将是一个区域性共同攻克和努力的结果。（2）在不同城市化水平下,探讨了PM2.5健康风险及经济损失的区域差异。首先2016年PM2.5污染导致的过早死亡、呼吸系统疾病和心血管疾病分别为0.901万人、806万人和47.6万人,慢性支气管炎、急性支气管炎、哮喘患者分别为133万人、138万人、315万人。同时,因PM2.5污染造成的死亡或发病产生的经济损失达1.846万亿元,占全年GDP的2.73%。随着不同城市城市化水平的提高,PM2.5污染带来的健康风险和经济损失增加,但地区间存在显著差异。为探究健康风险与经济损失与城市化的关系,分别构建以城市化发展水平（以灯光数据代表）为主要解释变量的模型,包括一次项,二次项和三次项的六种模型。（1）HD（健康风险模型）和ED（经济损失模型）的拟合结果具有相似性,比如仅有含二次项的HD2（健康风险二次项模型）和ED2（经济损失二次项模型）的普通面板拟合时存在拐点,且均是在城市化水平较高的情况下才出现有恶化到优化的优化拐点。（2）含三次项的模型,包括HD3（健康风险三次项模型）和ED3（经济损失三次项模型）两个模型显示在研究时段内,均不存在拐点,且随着城市化水平的不断提高,表现出城市居民的健康风险不断增大,相关的经济损失也不断增加。（3）相比普通面板检验,空间计量面板考虑城市间相互作用因素后,由坏转好的改善拐点滞后,变成在具有实际意义的取值范围内,不存在拐点了。最后,结合城市化水平和经济损失,将338个城市分为A类（非重点区域）、B类（成功区域）、C类（潜力区域）、D类（重点区域）四类,并针对城市特性,给出相应的政策启示。（3）从污染的空间溢出效应出发,基于In MAP模型厘定了PM2.5污染跨区域传播带来的溢出效应。具体的,定量估算PM2.5的空间溢出量,选用排放数据和INMAP模型来计算各省域及地级市地区间空间溢出情况,估算污染溢出带来的相关的健康风险及经济损失。PM2.5排放与污染的SMI（空间分离指数）值为98.698,说明PM2.5排放与浓度之间的空间不匹配现象极为显著。由In MAP计算出各省的污染溢出量产生的影响,总的来看每个省域的排放量对本地PM2.5浓度的影响最大,其次是其距离较近的周边地区。污染排放造成全国31个省市最多健康终端变化的是河南省、四川省、山东省和江苏省,而本省健康终端变化最大的为山东、河南、江苏、安徽四个省。相对来说,由于人口密度较高、污染物排放量较大,空气质量相对较差等原因,山东省、河南省、江苏省既是造成健康风险最大的地区也是本地健康风险最大的地区。支付补偿金额最高的是山东省,需要向江苏补偿超过35亿,需要向河南补偿超过20亿人民币,其次是江苏省,需要向安徽省支付将近20亿元。而需要被补偿的最高省域是河南省,其次是江苏省。总的经济补偿无论是应支付的补偿金额还是被支付的补偿金额与城市化率的拟合效果均不好,但一旦转化为人均补偿金额和人均被支付的补偿金额,与城市化率的拟合效果极佳。（4）从生态补偿角度出发,构建了全国性的PM2.5跨界污染补偿机制。本文仅介绍两种补偿模式,一是从源头出发,从排污权公平的角度出发,排放超出既定数值后就必须支出一定的金额购买其他地区的排污权,即基于污染权公平的生态补偿模型构建。二是从结果出发,核算污染排放已经造成的经济损失情况,必须要对已经造成的经济损失进行补偿,即基于健康权公平的生态补偿模型构建。最后从以下三个方面构建生态补偿机制:补偿金额的来源（排污权交易的金额、政府间共同出资、政府间财政转移支付、政府间强制性扣缴、吸收社会资）,补偿款的使用方式（专项资金实施申请制和常项补偿共存制度）,建立统一的管理机构管理大气生态补偿（全国性统一机构协调统一调配管理）。