PM2.5大气污染治理谈

PM2.5污染最典型的特征是污染源的多样性,同时,由于介质的流动性使其在空间布局上呈现出跨区域的状况。这就要求我们面对PM2.5污染时,走出仅仅依靠环保部门的职能误区,通过对污染源的正确分析,寻找治理的措施与办法,其中较为可取的是构建区域联防联控机制。只有这样,才能扭转PM2.5愈演愈烈的发展态势。     

论PM2.5污染与企业创新发展

随着我国的经济发展进入新常态,经济结构转型升级,从要素驱动、投资驱动转向创新驱动,科技创新日益成为了企业发展壮大的核心竞争力,其中创新是企业科技进步的源泉动力。我国经济的高速腾飞,但在生态破坏与环境污染上问题也逐渐凸显出来。文章研究PM2.5的污染状况对企业创新行为的影响,探究企业如何在新常态下继续发展,认为以往的粗放型发展模式必须转型为以科技创新为核心竞争力的发展模式。     

济南市细颗粒物(PM2.5)的含量分析研究

采集山东省城市环境空气质量状况发布的2016年2月-2016年8月年度济南市14个监测点PM2.5的监测数据,PM2.5总含量依次为:济南蓝翔技校>济南宝胜电缆>济南监测站>济南农科所>种子仓库>济南科干所>山东建筑大学>济南泉城广场>济南化工厂>济南长清区党校>山东经济学院>济南高新学校>济南开发区>济南跑马岭.PM2.5总含量较高的几个监测点位于市区,颗粒物的含量受工业和建筑业、交通运输、燃油及燃煤、居民生活的影响比较大.跑马岭监测点PM2.5总含量最低,监测点位于跑马岭地质公园内,具有良好的自然景观和丰富的人文景观,受建筑业、交通运输以及居民生活的影响较小.     

PM2.5高排放与治理的技术经济思考

高浓度PM2.5排放是一种自然现象,更是人类经济活动所造成的人为污染现象。高浓度PM2.5排放与特定经济发展阶段相关,发达国家已经过上升期和高峰期进入下降期,而中国正处于上升期,未来随着工业化、城镇化进程的推进,如果不采取强有力的措施,PM2.5排放还会继续上升。应通过加快创新技术经济范式、开展环境综合治理和发展战略性新兴产业来治理高浓度PM2.5排放。     

中国PM2.5污染对居民健康的影响及经济损失核算

合理评估城市空气污染带来的居民健康风险和经济损失,对于区域空气污染治理和健康中国建设具有重要意义。基于遥感数据解译2015、2017年中国338个城市PM_(2.5)浓度和人口密度数据,选择暴露—响应模型来估算PM_(2.5)污染而导致的早逝及相关疾病发病率,进而采用生命价值法和疾病成本方法分析和比较不同城市化水平下的经济损失差异。结果表明:(1)2015—2017年,PM_(2.5)环境质量有一定的改善,但总体的污染格局没有显著改变。高污染地区主要集中分布在京津冀以及周边城市。(2)PM_(2.5)污染导致健康终端损失和经济损失有大幅的降低。其中,居民健康终端损失人数降低23.9%;居民经济损失总值从2015年的18 249.6亿元降低到了2017年的13 826.4亿元,降低了24.24%。(3)城市化率的提高对PM_(2.5)污染导致的健康问题和相应的经济损失都有较大的影响,尤其是针对京津冀等部分高污染和高城市化水平城市。未来,需因地制宜,加强重点城市的PM_(2.5)监控与治理,切实保障城市居民的公共健康。     

济南市细颗粒物(PM2.5)的时空分布特征分析研究

对比分析2016年2月至2016年8月期间济南市14个监测点PM2.5的监测数据,分析得出济南泉城广场、济南开发区场、山东经济学院、济南市科干所、济南市化工厂、济南市蓝翔技校、济南市宝胜电缆、济南市跑马岭以及济南市长清区党委九个监测点的PM2.5含量最高点出现在3月;而济南高新学校、济南市监测站、济南市农科所、山东建筑大学以及济南市种子仓库5个监测点的PM2.5含量最高点出现在4月;结合济南市环境监测中心站的数据分析,在3、4月份春季风沙季节,细颗粒物PM2.5为导致春季风沙季雾霾的首恶元凶.     

城市街区形态对PM10、PM2.5的影响 研究——以武汉为例

构成城市肌理的普遍街区的空间形态与颗粒物浓度 存在显著差异。基于武汉市18个空气质量监测点的PM10、 PM2.5数据与二维、三维街区形态指标,揭示不同街区形态 与PM10、PM2.5之间的深层关系规律,以期为城市规划管控 提供参考。双变量相关分析与一元回归分析揭示了街区形态 与PM10、PM2.5的相关性及其影响规律,多元线性回归分 析揭示不同街区形态对PM10、PM2.5变化的贡献度。结果表 明,街区之间的平均PM10、PM2.5浓度分别在城市平均水平 55%~106%、59%~117%之间浮动,绿化覆盖率、道路面 积率和相对高程对PM10、PM2.5具有显著影响,相对高程与 绿化覆盖率对PM10变化的贡献度达83.0%,绿化覆盖率对 PM2.5变化的贡献度达72.5%,道路面积率对PM10、PM2.5 变化的贡献度分别为17.0%、27.5%。     

关于徐州市PM2.5排放税的思考

本文通过实际测量,得到徐州市PM2.5各来源所占比重的经典数据,提出通过经济税收手段有效治理PM2.5超标情况,改善徐州市空气环境质量,促进产业升级,改变消费模式.     

北京经济发展中PM2.5排放的驱动因素研究

近日北京市正式发布了PM2.5来源解析的最新研究成果,其四大主要来源为机动车、燃煤、工业生产和扬尘。为对经济和减排政策的制定提供量化支持,文章在该研究成果基础上进一步按部门进行排放驱动因素分解,基于对数平均Divisia指数分解法,将2005—2012年北京PM2.5大气含量分解为五部门9种驱动因素的贡献,并以每两年为一时期共7个时间段的各类驱动因素的贡献进行了现状研究。结果表明机动车保有量、生产部门能源强度、生产部门能源消耗量、人均年收入是经济增长对PM2.5排放的主要正向驱动因素,交通部门的交通运输需求增长、生产部门对化石能源的高依赖性以及居民生活消费习惯是未来减排政策需应对的重点问题。     

粤港澳联合开展PM2.5研究

以此落实珠三角空气污染2015年减排目标。近日,粤港持续发展与环保合作小组会议在广州举行。会议提出,今年将开展粤港澳区域性PM2.5联合研究,同时完成珠江河口区域水质管理合作规划前期研究,评估珠江河口一带水域在不同水质目标下的纳污能力。据了解,为了落实珠江三角洲空气污染2015年减排目标,广东省积极建设清洁能源,改善能源结构;严     

关于PM2.5的统计学分析

通过计量经济学分析研究使得PM2.5值达到最低的影响因素最优组合方案。以SAS方程拟合与正交试验设计的理论方法为工具,选择PM2.5为研究对象,先用SAS拟合方程,并检验序列相关性、多重共线性以证明所拟合方程的可用性。再用正交试验设计的直观分析法确定因素水平的最优组合方案,通过用正交试验设计的方差分析法讨论因素的显著性,以确定最优组合即让PM2.5的值达到最低。     

我国大城市PM2.5影响因素的经济分析——基于市级面板数据的实证研究

选取PM2.5污染较严重的京津冀、长三角、珠三角三大经济圈内的9个大城市和西部第一城重庆市等10个城市为研究对象,结合经济社会的发展,拟从影响空气中PM2.5含量的两大根源——自然因素和人为因素入手,运用主成分分析法进行综合分析。从整体看,人为因素贡献率达到75.66%,其中工业活动更是为第一主成分,自身贡献率为36.66%。但对于不同地区的不同城市,四个因子对PM2.5的影响程度呈现一定差异性,并对此进行详细对比分析。最后,得出结论与启示,提出相应的政策建议。     

我国PM_(2.5)污染与煤炭消费关系的面板数据分析

文章运用我国2001—2010年省区面板数据,考察了煤炭消费因素对PM2.5的影响。实证结果表明,我国煤炭消费量与PM2.5为正相关,而且是我国PM2.5污染的主要成因。治理我国PM2.5污染,要以控制煤炭消费总量,提高煤炭利用效率为重点,同时,也要加强机动车污染防治、优化工业内部结构。     

PM2.5背后的环保商机

随着美丽中国的提出,大气治理产业迎来一轮高速发展2013年,人们都希望站在新的起点上生活。就在人们还为年初史上最长工作周喋喋不休时,一场严重的空气污染却成了今年伊始最深刻的记忆。1月10日～14日,北京空气污染指数由中度污染转为重度污染,并且连续3天空气质量六级污染。1     

2013年前中国重点城市有望率先开展PM2.5监测

此间举行的第七次全国环保大会期间，中国环境监测总站站长罗毅接受记者采访时表示，中国现已建成覆盖全国的大气监测网络，2013年前重点城市力争率先开展PM2.5监测。     

基于空间计量模型的陕西省PM_(2.5)驱动因素研究

基于陕西省2014—2016年间的面板数据,研究陕西省各市域间PM2. 5的空间集聚特征,实证分析陕西省经济增长与雾霾污染的空间滞后关系。结果显示:(1)陕西省人均GDP与雾霾污染之间存在EKC曲线关系,经济水平的增长将使得PM2. 5污染继续恶化,同时一个地区人均GDP的增加将会减轻邻接地区的雾霾污染;(2)二产占比和PM2. 5污染之间有正向相关关系,二产占比增加将使陕西省PM2. 5污染加重,但会减轻邻接地区的PM2. 5污染;(3)单位GDP能耗与PM2. 5污染之间存在着正向关系。     

枣庄市PM_(2.5)的污染来源及分布研究

枣庄市是传统的煤烟型重污染城市,在工业城市转型的过程中,解决空气质量问题迫在眉睫。对2014年—2015年枣庄市8个自动空气质量监测站的PM_(2.5)数据进行分析,探讨PM_(2.5)的季节分异特征、地域分布特征、日变化差异分析以及与大气氧化物的相关性分析。结果表明,夏季PM_(2.5)的平均浓度最低、冬季最高。各监测站中浓度较高的是峄城区政府观测点、市中区政府观测点和高新区观测点;较低的是山亭区环保局观测点和台儿庄区环保局观测点。在一天中,PM_(2.5)的浓度变化呈多峰分布,峰值分别出现在0:00、07:00、10:00及19:00。PM_(2.5)浓度与SO_2、NO_2和CO浓度均为显著正相关,与O_3浓度成明显负相关,表明大气氧化物对PM_(2.5)浓度有显著影响。     

2009—2018年中国PM2.5时空演化特征及影响因素研究

选取2009—2018年大气PM_2.5遥感反演数据集,综合运用GIS时空分析和地理探测器等方法,揭示了中国城市PM_2.5的时空演变特征及影响因素。结果表明：(1)2009—2018年PM_2.5低浓度城市数量增加,而高浓度城市数量减少,中国城市空气污染有所改善。(2)中国PM_2.5时空集聚效应明显,呈“东—热、西—冷”的集聚格局,2009—2018年高值聚集区向东北扩张后向中部收缩,沿海城市始终保持高值聚集区;低值聚集区集中在西部,且范围逐渐缩小。(3)人口与城市化、产业与能耗、交通因素对PM_2.5时空分布存在不同程度影响,其中,人口与城市化指标层中的人口密度因子为强相关因素。在区域尺度上,人口密度、年末实有城市道路、城市建成区占比与城市绿地率对内陆地区PM_2.5年平均浓度影响较大;而沿海地区仅人口密度、工业烟粉尘排放量与人均GDP对其影响,其他因素影响不显著。     

雾霾污染对收入差距影响的再检验——基于工具变量法

随着经济的发展,空气污染带来的问题逐渐凸显,这会阻碍经济发展,例如扩大收入差距等。空气污染与收入差距之间互为因果的关系会带来内生性问题,但现存有关空气污染与收入差距的研究较少关注其内生性,这可能造成估计结果的偏误。因此本文基于中国2000-2016年地级市PM2.5面板数据,选择较能反映中国收入差距的城乡收入比作为被解释变量,以逆温作为工具变量,对雾霾影响城乡收入差距的作用进行了再检验,并进一步使用中国居民家庭收入调查的个体数据,从健康人力资本角度分析雾霾对城乡收入差距的作用机制。结果显示,雾霾显著地造成了城乡收入差距的扩大,其中城镇居民健康人力资本受雾霾负向影响的程度显著低于农村居民,同时城镇居民健康人力资本对收入影响作用也明显低于农村居民,从而进一步造成了城乡收入差距的扩大。基于以上研究,同时考虑到收入差距会阻碍发展中国家的经济增长,在发展中国家促进经济增长的进程中,必须加大雾霾的治理力度。