论文部分内容阅读
摘要 大气污染，特别是细颗粒物（PM2.5）污染，对人类生产生活造成极大负面影响，是全球共同关注的热点问题，也是我国社会经济高质量发展所面临的巨大考验。环境吸收能力是大气环境系统自身结构与功能健康的保障，对人类在生产生活过程中产生的大气污染物的自动容纳、吸收和消化等作用不容忽视。了解环境中各要素对PM2.5的吸收能力，深入探索环境吸收能力对PM2.5浓度的影响，对开拓大气污染治理新思路有重要意义。文章选用2004—2017年全国30个省、自治区、直辖市的面板数据，从自然资源禀赋和人类活动影响两个维度构建指标体系测算环境吸收能力指数，并通过面板回归模型、基于MCMC优化的广义面板分位数回归技术和情景分析探讨了环境吸收能力对PM2.5浓度影响及其异质性效应。研究发现：①全国环境吸收能力整体水平偏低，且区域间环境吸收能力差异较大。环境吸收能力受自然条件与人类活动的共同影响，自然条件禀赋是影响环境吸收能力强弱的主要因素，人类活动影响是造成环境吸收能力指数波动和地区间差异的主要因素。②从总体回归结果来看，环境吸收能力的增强对PM2.5浓度的降低有显著负向影响，在PM2.5浓度较高的地区，环境吸收能力的作用更加明显，但其影响效应不会必然随着PM2.5浓度的上升而增加，并且在极端情况下，影响效应并没有通过显著性检验。③从异质性效应分析结果来看，在可持续情景和紧急情景下，环境吸收能力对PM2.5浓度的作用显著为负，而在悲观情景下，环境吸收能力的作用并未体现。研究结论为我国大气污染防治和环境质量改善有重要启示作用。
关键词 环境吸收能力;大气污染;PM2.5浓度;面板分位数回归;情景分析;异质性
中图分类号 F205文献标识码 A文章编号 1002-2104（2021）05-0077-11DOI：10.12062/cpre.20200936
大气污染问题是中国最受关注的环境问题之一。进入21世纪之后，高速的经济增长、快速的工业化城镇化进程、长时间粗放式的能源消耗模式，使得大气污染物尤其是细颗粒物（PM2.5）的排放大幅增加，大气环境质量问题日益凸显，为生产生活和公众健康埋下了隐患，成为我国可持续性发展进程中的巨大考验[1]。目前，因《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》等大气污染防治计划的实施，细颗粒物PM2.5的排放有所减少，在大气中的浓度有所降低，但仍存在治理效果不持久、不稳定的问题。大气污染治理不仅仅需要关注对人类行为活动的控制和管理，也需要从环境自身的修复能力为大气污染治理找寻新的突破口。环境吸收能力是维持与保证大气环境系统自身结构与功能健康的基础。了解环境对PM2.5的吸收能力，深入探讨环境吸收能力对PM2.5浓度的影响，对开拓大气污染治理新思路有着重要的启示作用。同时，考虑到各地区自然条件禀赋和经济社会发展的不均衡性，相对应的大气环境质量与环境吸收能力水平也必然存在区域差异。要从环境自身修复能力入手，针对影响的异质性提出相应的PM2.5治理措施，以响应我国生态文明建设国家战略，打好大气污染治理的攻坚战。
1文献综述与研究假设
在过去的数十年中，人们对PM2.5的认知有明显提高。PM2.5的主要来源和影响已经被广泛研究，例如，从能源消费量[2-4]、能源消费效率（强度）[5-6]、能源消费结构[7-8]、交通运输建设[9-10]等视角了解PM2.5的来源;从经济增长、产业结构调整、对外贸易等经济活动视角探索影响PM2.5排放和治理的因素[11-12];以及从健康损失[13]、经济损失[14]的视角来评估PM2.5造成的影响。然而，大多数研究主要从反省人类自身行为活动合理性的角度，重点关注如何将大气中的PM2.5浓度迅速降低，而忽略了大气是作为环境要素中的重要组成部分，环境自身的修复作用在探索大气污染防治路径的过程中常被忽略。
美国学者Tietenberg等[15]于2011年提出了环境吸收能力（EnvironmentalAbsorptionCapacity，EAC）的概念，认为自然环境对于人类在生产生活过程中产生的废弃物具有自动容纳、吸收和消化的能力。尽管一些学者从衡量大气环境容量和环境承载力的角度为PM2.5污染物的治理和环境政策的制定提供了依据[16-17]，但环境吸收能力这一概念既不同于反映“某一个环境单元所允许承载污染物的最大数量”的环境容量，也不同于衡量“一个区域所能永久承载人类活动的程度”的环境承载力，且三者对PM2.5污染物的作用机理存在差异。因此，对环境吸收能力的测算及其对PM2.5浓度影响的探讨不能单纯地由环境容量或环境承载力等相关及类似的研究所替代。
目前，国内外对环境吸收能力测算的工作较少。结合文献，借鉴现有文献中对环境容量与环境承载力的测算分析，采用的测算方法主要有以下几类。第一类是简要估算，如修正的A值法，不需要特别了解污染源的布局、排放量与排放方式，也不需要考虑气候、干湿降尘等因素，其结果对地方建设规划决策和区域污染排放总量控制有一定的参考价值，但因其所用参数较少且取值主观性较大，所测量结果与实际大气环境容量有一定的差距[18]。第二类是采用函数关系分析或数值模拟的方法，选取一个或多个指标来表示环境容量，如空气质量模型模拟法和线性规划优化法[19-20]。第三类是构建评价指标体系，运用多指标综合评价的理论与方法进行测算，这类方法因其综合性、客观性和科学性，在衡量环境因素的研究中较为常见。一些学者将环境吸收能力的概念融入环境评价指标体系中[21-22]，并在測算的指标选取中做出了贡献。袁晓玲等[23]从环境污染和环境吸收的视角综合大气、水、土壤三大环境要素评价了环境质量，选取城市绿地面积、平均相对湿度、年降水量、水资源总量、湿地面积和森林面积等指标测算了大气、土壤和水体的环境吸收指数，作为环境质量评价的正向指标。在这些研究中，衡量环境吸收能力的指标多为森林覆盖率、林地面积、绿地面积、降水量、水资源总量等反应地区自然条件的指标。部分研究从植物学、气象学、环境科学视角，采用实验对比方法和监测数据，认为环境中的各个要素对大气污染物有一定的吸收能力，他们从单一环境资源要素入手，认为森林植被[24]、近地表下垫面（湖泊、湿地）[25-26]和气象因素（湿度、降水、风等）[27-28]对大气污染物具有一定的吸收能力。这些研究多数从综合环境污染物净化角度入手，未从单一污染问题，如大气污染、水污染、土壤污染问题切入进行环境吸收能力的测算，选用的指标也以体现地区自然条件为主。 依据环境对污染物的吸收能力，大气污染物可分为基金污染物和累积性污染物。目前，我国一系列大气污染防治政策重点关注的大气污染物多为基金污染物，即环境对其有一定吸收能力的污染物，PM2.5是基金污染物的代表。其在进入空气、土壤、植被或水体后，或被光照降解，或被植被吸收，或溶于液体，能够被转化为对人类和生态系统造成危害较小的物质，可能被分解和稀释到无害的浓度。而累积性污染物长时间持久存在于大气中，对人类的健康产生的影响不可逆，环境对其没有或只有很小吸收能力。
理论上，由于环境吸收能力的存在，地球自身的力量是可以将环境恢复到原有或相近的活力水平，资源环境退化并不是不可逆的[29]。如图1所示，环境吸收能力的作用存在于污染排放到环境负荷产生过程之间，其大小直接决定了人类活动产生的污染排放在未经有效干预的情况下有多少会直接造成环境负荷。一旦排放的污染物超过环境吸收能力，污染物就会在环境中累积，造成生态环境的破坏。Ouardighi等[30]认为，环境吸收能力的增强能有效降低环境中的污染物浓度，环境中存在的污染物总量随环境吸收能力的增加而减少，随排放率的增加而增加。同时，污染物排放的减少也会带来环境吸收能力更好的作用体现，二者形成一个良性的循环关系[23]。因此，文章提出：
理论假设1：地区环境吸收能力的提升会带来PM2.5浓度的降低。
理论假设2：在PM2.5浓度较高的地区，环境吸收能力无法得到更好的体现。
各地区依据环境吸收能力的差异，区域环境状态可分为三个情景：可持续情景、紧急情景和SoylentGreen悲观情景“SoylentGreen”一词源于1973年理查德·弗莱舍的电影《SoylentGreen》，描述人类除了悲惨地忍受世界性的生态灾难外什么也做不了，后学者将这种极端悲观的情景以“SoylentGreen”命名。[30]。在可持续情景下，环境质量处于一种稳定的状态，各环境要素富有弹性，生态经济系统的变化不会威胁到环境的可持续性;处于紧急情景下的地区，环境吸收过程的临界放缓，环境对污染物的吸收作用会迅速下降，这一情景下的地区应及时避免情况向悲观化发展;在SoylentGreen悲观情景下，环境吸收能力被消耗殆尽或存在严重的滞后性效应，环境中存在一个持久的污染存量，且环境对能够吸收的污染物存在排斥，生态系统无法回到开始时的状态。因此，文章提出：
理论假设3：在环境吸收能力水平较高的地区，环境吸收能力的增强更有利于PM2.5浓度的减少，而在环境吸收能力低的地区，环境吸收能力对PM2.5浓度的减少作用很小甚至没有。
综上所述，文章选取2004—2017年中国30个省份（研究未涉及西藏、港澳台）为研究样本，采用多指标综合评价方法，从自然资源禀赋和人类活动影响两个维度，全面、客观、科学构建针对大气污染的环境吸收能力指标体系，对各省市自治区的环境吸收能力进行测算，量化分析环境吸收能力对PM2.5浓度的影响程度，并通过MCMC优化的广义面板分位数回归方法分析不同大气污染分位数水平下环境吸收能力所发挥的作用，再运用情景分析探寻环境吸收能力对PM2.5浓度的影响的异质性，为大气环境质量改善提供新的理论依据与实践建议。
2模型、变量与数据
2.1环境吸收能力测算
文章采用多指标综合评价的方法进行环境吸收能力指数的测算。选取该方法一方面是希望从自然条件禀赋和人类活动影响两个方面获得科学可信的指数结果，另一方面考虑到统计数据的局限性。文章选取客观赋值熵权法，对各个指标进行客观赋值，通过确定熵值来评估所获得的信息量[31-32]。在构建指标体系过程中，融入“山水林田湖草生命共同体”的概念与内涵，借鉴各学科学者在各环境要素对PM2.5浓度作用效应的研究成果，从自然条件禀赋和人类活动影响两个维度，选取7个代表性指标，系统构建衡量环境对大气污染物的吸收能力的指标体系，如表1。需要说明的是，为确保指标的性质单一，在城市建设用地面积数据的选取中，将城市绿地面积从城市建设用地面积中扣除，故而使得城市建设用地面积更有效的反映为人类生产生活提供物理空间载体的大小依据《GB50137-2011城市用地分类与规划建设用地标准》，城市建设用地指城市（镇）内居住用地、公共管理与公共服务设施用地、商业服务业设施用地、工业用地、物流仓储用地、道路与交通设施用地、公用设施用地、绿地与广场用地的统称。城市建设用地规模/面积指上述用地面积之和。其中，绿地包括公共绿地（即公园和街头绿地）与生产防护绿地（即园林生产绿地和防护绿地），不包括专用绿地、园地和林地。。
2.2计量模型构建与回归
为检验研究假设，文章构建面板回归方程：
μit为个体固定效应。依据变量体现的时间趋势，进一步加入时间趋势项λit，对除第一年外的每一年定义为一个虚拟变量，然后将T-1个时间虚拟变量加入到回归模型中，样本跨度14个年份，将13个时间虚拟变量加入模型，构建双向固定效应模型：
在模型回归过程中，依据面板数据单位根检验结果和社会经济发展等因素的实际含义，对部分变量取对数处理。
2.3异质性效应分析
为了加强对被解释变量PM2.5浓度条件分布的理解，深入了解环境吸收能力影响的内在规律，文章采用基于MCMC优化的广义面板分位数回归，从不同分位数水平度量环境吸收能力对分布中心的影响，以及其对分布上尾和下尾的影响，使得固定效应模型测算结果更全面和精确。设变量PM的分布函數为F（PM）=P（PM 得到方程的参数值[34]。该方法的优点在于：广义分位数回归是无条件期望回归，所得的影响效应是无条件的，与协变量的数量无关，同时MCMC的优化方法使得分位数回归结果更稳健[35-36]。
为检验研究假设2，文章选用情景分析方法，以环境吸收能力平均水平在0.2和0.4为临界点，将样本中的30个地区划分为可持续情景、紧急情景和SoylentGreen悲观情景，环境吸收能力大于0.4为可持续情景，0.2～0.4之间为紧急情景，小于0.2的地区为SoylentGreen悲观情景。在模型中，引入情景虚拟变量Dum_Sustainability、Dum_Emergency和Dum_Soylentgreen，与环境吸收能力构成交叉项，剖析不同环境情景下环境吸收能力对PM2.5浓度的影响差异，虚拟变量分别对这三种情景下的区域赋值为1，其他地区赋值为0。 文章选用随机效应模型来研究环境吸收能力对PM2.5浓度影响的异质性。选择随机效应模型的原因有3点：①处于不同情景下的地区被视为一个随机变量，是许多处于该情景地区的一部分;②基于Hausman检验的结果，没有拒绝“固定效应模型和随机效应模型所估计的系数都是一致的，且随机效应估计的系数是最有效估计”的原假设;③模型引入虚拟变量的要求。公式（3）表示单随机效应模型，公式（4）表示双向随机效应模型[37]。
2.4变量选择与数据来源
被解释变量：PM2.5浓度。各省份的PM2.5浓度数据来源于达尔豪斯大学的大气成分分析组（AtmosphericCompositionAnalysisGroup），由遥感数据解析为地理加权数据。
解释变量：环境吸收能力（eac）。由测算得到的各省份环境吸收能力指数表示。
结合相关文献与数据可获得性，选取如下控制变量：①人口因素。以往的研究发现，PM2.5浓度与人口规模和城市化率均存在显著相关性[38-39]。文章选择城镇人口数（pop，万人）表示人口规模，由城镇化水平（cit，%）表示城镇化率。②污染来源。化石燃料特别是煤炭的燃烧是导致大气污染的主要因素，煤炭消费总量的调整对PM2.5排放有著直接贡献[40]，该变量由煤炭消费量（cons_coal，万t）表示污染来源。③环境规制强度。不同类型环境规制对雾霾污染的影响有显著差异[41]，一定程度上，环境规制强度越大，对雾霾的治理效果越好[42]。该变量由各地区环境污染治理投资占GDP的比重（ratio_inves，%）表示。④结构因素。魏巍贤等[7]认为，以低热值煤炭为主的能源消费结构特征对环境影响较大，能源消费结构调整是治理PM2.5的根本手段。产业结构对PM2.5的影响也被诸多学者论证，他们认为高污染、高能耗企业在经济结构中所占比例过高会导致PM2.5的大量排放[43-46]。模型结构因素分别由煤炭占一次能源消费比重（stru_coal，%）和第二产业比例（ratio_gdpsec，%）表示。
文章选取2004—2017年30个省份为样本。环境吸收能力指数测算各指标数据及计量模型中变量数据来源于《中国统计年鉴》《中国林业统计年鉴》《中国水资源公报》《中国城市统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国环境年鉴》及各地区水资源公报等公开的官方统计数据渠道。各变量描述性统计见表2。
3结果分析
3.1环境吸收能力测算结果与区域差异
图2展示了2004—2017年全国及在三类情景下环境吸收能力指数的时间变化趋势，表3列出了各情景所涉及的省份，并对各省份所在地区分布进行了统计。表1最右列展示了测算所得各指标的平均熵权。熵权用于度量样本指标所提供的有效信息量，各指标的离散程度越大，该指标提供的有效信息量就越大。权重的确定意味着各项单一指标对总体水平影响程度的确定。分析发现：①全国环境吸收能力整体水平不高，2004—2017年，全国总体环境吸收能力平均水平为0.295;②不同情景下环境吸收能力差异较大，可持续情景下的省份在西南、东北、华南等地区均有涉及，环境吸收能力整体水平达到0.45，紧急情景下的地区主要集中在华东地区，而SoylentGreen悲观情景下的地区主要集中在华北地区，环境吸收能力不足0.2;③可持续情景和紧急情景下的地区环境吸收能力指数波动明显，环境状态不稳定。同时，由所得权重可知，代表自然条件禀赋的四个指标的权重明显大于代表人类活动影响的三个指标，这表明各地区自然条件禀赋的情况对环境吸收能力的高低起着决定性作用，自然条件禀赋的限制是环境吸收能力整体水平不高的主要原因。人类活动影响各指标所体现的社会经济发展方式是造成环境吸收能力水平波动、地区差异较大的主要因素，地区的建设和发展以及突发环境事件的不可控性给环境吸收能力的稳定性带来了挑战。
3.2环境吸收能力对PM2.5浓度的影响
为保证估计结果的有效性，避免伪回归发生，文章对部分变量取对数处理，采用同根单位根检验（HT检验）和异根单位根检验（ADF检验、PP检验）对各变量进行单位根检验，结果如表4所示，检验结果均拒绝了含有单位根的原假设，认为所有序列均为平稳过程。
表5展示了环境吸收能力和PM2.5浓度的面板估计结果。模型1为混合回归模型，模型2、模型3分别为固定效应模型和随机效应模型。依据F检验结果，在混合回归和固定效应回归中选用固定效应回归模型。依据Hausman检验值29.70，Prob（Hausman）小于1%，选择固定效应模型的结果更为有效。模型4为引入时间效应的变截距双向固定效应模型。同时，采取逐一剔除控制变量的方式，以及以滞后一期的PM2.5浓度作为因变量进行稳健性检验，结果如模型（5）、（6）、（7）和（8）所示。
综合表5中模型（4）与稳健性检验结果，环境吸收能力对PM2.5浓度呈现显著的负向影响，地区环境吸收能力每上升1%，PM2.5浓度则降低0.123%，且在稳健性检验结果中，各变量相关系数符号未发生变化，仅在影响程度上存在细微差异，因此认为模型结果稳健。模型（4）中的变量均为显著，说明存在一定的时间效应。
进一步观察控制变量可知，城镇化的发展整体上对大气环境质量的改善有促进作用，虽然城镇化的直接结果就是城镇人口的增加，但城镇化水平的提高有利于推进地区各方面资源的整合与利用，经济发展水平、科技水平和教育水平的提高对大气污染有一定的缓解。能源消费量与PM2.5浓度的相关系数显著为正，能源消费量的增加会使PM2.5浓度增加，同时煤炭在一次能源消费中的比重降低导致PM2.5浓度显著降低。近年来，虽然清洁能源应用发展迅速，但煤炭消费量仍然是我国当前生产生活中主要采用的化石能源，钢铁、化工、冶金、水泥等行业对煤炭的需求量都很大。环境污染治理投资的增加代表了政府对环境污染治理的决心和力度，对PM2.5浓度有在10%水平下的显著正效应。产业结构的优化促进了大气污染问题的缓解，当前，全国各地区第二产业的比重都有所降低，第三产业蓬勃发展，加之对高污染、高能耗产能的大力控制，产业发展逐渐向清洁化方向迈进。 3.3环境吸收能力对PM2.5浓度影响的异质性效应
依据不同地区的经济社会发展水平、环境吸收能力、大气环境质量等因素的异质性，通过MCMC优化的广义面板分位数回归和情景分析，讨论不同大气质量水平和环境情景下，环境吸收能力对PM2.5浓度的不同影响。
文章利用MCMC优化的广义面板分位数回归技术，得到PM2.5浓度分布变迁条件下的环境吸收能力影响估计值的分布规律和影响趋势。分析结果见图3和表6。表6按照5个代表性分位数（10%、25%、50%、75%、90%）给出了环境吸收能力对PM2.5浓度的影响效应。由结果可知：①整体来看，随着PM2.5浓度分位数水平的提高，环境吸收能力对其影响程度逐渐增大，但是，环境吸收能力的影响效应并不会必然随着PM2.5浓度的上升而增加，例如在60%分位数水平下，环境吸收能力影响迅速下降。②环境吸收能力对PM2.5治理的影响幅度较大，说明PM2.5浓度较低的地区，PM2.5浓度受环境吸收能力的影响有限，而PM2.5浓度较高的地区，环境吸收能力的作用效果更加明显。③在95%分位数水平上，环境吸收能力没有通过显著性检验，说明在PM2.5浓度极高的地区，环境吸收能力的作用效果極弱，可视为没有作用。
进一步分析不同环境情景下的环境吸收能力影响的异质性。表7中，模型（9）为混合回归模型，模型（10）和模型（11）分别表示引入交叉项之后的固定效应模型和随机效应模型。依据Hausman检验值为负（-100.75），选用随机效应模型更为合适。模型（12）为引入时间效应的双向随机效应模型。为检验模型结果的稳健性，文章将情景划分临界值进行细微调整，分别检验了以0.2和0.3为界模型（13）、0.15和0.4为界模型（14）和0.15和0.35为界模型（15）等三种不同情景下的环境吸收能力影响效应，发现回归结果方向与组间差异与模型（12）一致，模型结果稳健。
综合表7结果，在可持续情景和紧急情景下，环境吸收能力对PM2.5浓度的作用显著为负，且在可持续情景下的影响程度更大，而在SoylentGreen悲观情景下，环境吸收能力的作用并未体现。主要原因在于，可持续情景下的地区森林、湿地等自然条件禀赋有显著优势，整体生态系统保护较完整，环境质量处于基本稳定状态，山水林田湖草各环境要素富有弹性，加之处于可持续情景下的7个省份建成区面积所占比重较小，大气污染突发环境事件次数几乎为0，人类活动带来的负面影响较小，因此，环境吸收能力对PM2.5浓度的影响尤为明显。紧急情景下的地区，自然条件禀赋相对较弱，社会经济发展方式的不尽合理使得近年来生态系统有所破坏，环境吸收能力对PM2.5浓度的影响显著，但影响程度较可持续情景下弱，全国有三分之一以上的省份处于紧急情景之下。SoylentGreen悲观情景下的地区主要集中在华北地区和北京、上海等经济发展迅速的大都市，华北地区本身因气候条件影响，容易出现沙尘、雾霾天气，同时这些省份森林覆盖率较低，人造林对PM2.5的降解作用需要一些时间得以显现，湿地面积不断减少，加之能源消费结构不尽合理和秋冬季节供暖以煤炭燃烧为主等因素，环境吸收能力在这些地区对PM2.5的治理作用不显著。
4结论与启示
4.1结论
文章运用多指标综合评价的方法，测算了我国2004—2017年环境吸收能力指数，分析了环境吸收能力对PM2.5浓度的影响，进一步探讨了环境吸收能力在不同PM2.5浓度水平以及不同情景下对PM2.5浓度的影响变化趋势，得出以下结论。
首先，依据对环境吸收能力测算结果的分析，我国环境吸收能力呈现“整体水平较低，地区差异较大”的特征。更强的环境吸收能力表示地区具有更好的自然禀赋条件和更稳定合理人类行为活动，会带来更有效的大气环境修复作用。影响我国环境吸收能力强弱的主要因素是自然条件禀赋，造成环境吸收能力波动和地区差异的主要原因在于人类活动影响，特别是突发环境事件的不可控性。
第二，环境吸收能力对PM2.5浓度呈现显著的负向影响。总体来看，环境吸收能力每增加一个单位，PM2.5浓度降低0.123%。然而，其影响效应并不会必然随着PM2.5浓度的上升而增加。在PM2.5浓度较高的地区，环境吸收能力的作用效果会更加明显，而在PM2.5浓度极高的地区，环境吸收能力对大气环境的修复作用并未得以体现。
第三，不同情景下环境吸收能力对PM2.5浓度的影响不同，影响程度呈现“可持续情景>紧急情景”的规律，且在悲观情景下的地区，环境吸收能力的作用并未体现。自然条件禀赋越好，人类活动对生态系统影响越小，环境吸收能力在PM2.5浓度降低过程中所体现的作用越突出。三种情景下环境吸收能力对PM2.5浓度影响的差异及其原因为探索优化大气污染防治新路径提供了有力依据。
4.2启示
以上结论对大气污染防治新路径的探索和整体环境质量改善有重要的理论启示与实践意义。
首先，统筹环境吸收能力诸要素的综合治理，提升全国整体环境吸收能力水平。贯彻落实“绿水青山就是金山银山”的绿色发展理念，顺应自然、保护生态，统筹山水林田湖草系统治理，优化完善大气污染防治路径与措施。建立环境吸收能力要素大数据台账，把握气候变化规律，保护水资源、森林资源与湿地资源，合理规划城镇建成区和绿地面积，科学预防和应对突发环境事件，增强环境吸收能力全要素的弹性，稳定并提高环境吸收能力水平。
第二，转变社会经济发展和生产生活方式，实现资源节约型、环境友好型发展。一方面推动节能减排，约束粗放型的能源消费行为，调整以煤炭为主的能源消费结构，运用先进技术手段实现清洁生产和清洁排放，减少人类活动对环境吸收能力的负面影响;另一方面加强生态文明宣传和自然教育，强化公民环境保护意识，推行简约适度、绿色低碳的生活方式，促进人与自然和谐共生。 第三，实行“一省一策”，创新联防联控“网格化”环境治理新路径。针对各情景自然条件禀赋和社会经济发展的异质性，因时因地制宜，寻求各省份PM2.5治理措施，实施生态环境优化、治理和修复。在可持续情景下的地区，优化生態生活生产环境，实现自然环境对大气污染的吸收能力最大化;在紧急情景下的地区，严守生态红线，扩大植树造林，加大园林绿化，改善自然生态系统，加强生态环境治理;在悲观情景下的地区，合理利用当地地形地势和风向等自然因素，大力修复被破坏的绿色植被，扩大退耕退牧还林还草面积，注重湿地保护。同时，对环境情景差异较大的相邻地区之间实行联防联控协同共治。
参考文献
[1]CHANCK，YAOX.AirpollutioninmegacitiesinChina[J].Atmosphericenvironment，2008，42（1）：1-42.
[2]YUANX，MUR，ZUOJ，etal.Economicdevelopment，energyconsumption，andairpollution：acriticalassessmentinChina[J].Humanandecologicalriskassessment：aninternationaljournal，2015（21）：781-798.
[3]KHANMM，ZAMANK，IRFAND，etal.Triangularrelationshipamongenergyconsumption，airpollutionandwaterresourceinPakistan[J].Journalofcleanerproduction，2016，112（2）：1375-1385.
[4]张文静.大气污染与能源消费、经济增长的关系研究[J].中国人口·资源与环境，2016，26（11）：57-60.
[5]邵帅，杨莉莉，黄涛.能源回弹效应的理论模型与中国经验[J].经济研究，2013（2）：96-109.
[6]赵立祥，赵蓉.经济增长、能源强度与大气污染的关系研究[J].软科学，2019，33（6）：60-66，78.
[7]魏巍贤，马喜立.能源结构调整与雾霾治理的最优政策选择[J].中国人口·资源与环境，2015，25（7）：6-14.
[8]马丽梅，张晓.中国雾霾污染的空间效应及经济、能源结构影响[J].中国工业经济，2014（4）：19-31.
[9]KINNONMM，ZHUS，CARRERAS-SOSPEDRAM，etal.Consideringfutureregionalairqualityimpactsofthetransportationsector[J].Energypolicy，2019，124：63-80.
[10]SUNC，ZHANGW，LUOY，etal.Theimprovementandsubstitutioneffectoftransportationinfrastructureonairquality：anempiricalevidencefromChina’srailtransitconstruction[J].Energypolicy，2019，129：949-957.
[11]ZHUL，HAOY，LUZ，etal.Doeconomicactivitiescauseairpollution：evidencefromChina’smajorcities[J].Sustainablecitiesandsociety，2019，49：101593.
[12]HUYNHCM，HOANGHH.ForeigndirectinvestmentandairpollutioninAsiancountries：doesinstitutionalqualitymatter？[J].Appliedeconomicsletters，2019，26（17）：1388-1392.
[13]XIEY，DAIH，DONGH，etal.EconomicimpactsfromPM2.5pollution-relatedhealtheffectsinChina：aprovincial-levelanalysis[J].Environmentalscience&technology，2016，50（9）：4836-4843.
[14]穆泉，张世秋.中国2001—2013年PM2.5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.
[15]TIETENBERGT，LEWISL.Environmentalandnaturalresourceseconomics[M].8thed.Beijing：Chinarenminuniversitypress，2011.
[16]薛文博，付飞，王金南，等.基于全国城市PM2.5达标约束的大气环境容量模拟[J].中国环境科学，2014，34（10）：2490-2496.
[17]SUY，YUYQ.Dynamicearlywarningofregionalatmosphericenvironmentalcarryingcapacity[J].TheScienceofthetotalenvironment，2020，714：136684.
[18]徐大海，王郁，朱蓉.大气环境容量系数A值频率曲线拟合及其应用[J].中国环境科学，2016，36（10）：2913-2922.
[19]肖杨，毛显强，马根慧，等.基于ADMS和线性规划的区域大气环境容量测算[J].环境科学研究，2008，21（3）：13-16. [20]卢亚灵，刘年磊，程曦，等.京津冀区域大气环境承载力监测预警研究[J].中国人口·资源与环境，2017，27（S1）：36-40.
[21]屈小娥.中国环境质量的区域差异及影响因素：基于省际面板数据的实证分析[J].华东经济管理，2017，31（2）：57-65.
[22]刘伯龙，袁晓玲.中国省际环境质量动态综合评价及收敛性分析：1996-2012[J].西安交通大学学报（社会科学版），2015，35（4）：32-40.
[23]袁晓玲，邸勍，李朝鹏.中国环境质量的时空格局及影响因素研究：基于污染和吸收两个视角[J].长江流域资源与环境，2019，28（9）：2165-2176.
[24]ZHANGX，DUJ，HUANGT，etal.AtmosphericremovalofPM2.5byman-madethreenorthernregionsshelterforestinnorthernChinaestimatedusingsatelliteretrievedPM2.5concentration[J].Scienceofthetotalenvironment，2017，593-594：713-721.
[25]ZHUC，ZENGY.EffectsofurbanlakewetlandsonthespatialandtemporaldistributionofairPM10andPM2.5inthespringinWuhan[J].Urbanforestry&urbangreening，2018，31：142-156.
[26]LIUJ，YANG，WUY，etal.WetlandswithgreaterdegreeofurbanizationimprovePM2.5removalefficiency[J].Chemosphere，2018，207：601-611.
[27]于彩霞，邓学良，石春娥，等.降水和风对大气PM2.5、PM10的清除作用分析[J].环境科学学报，2018，38（12）：4620-4629.
[28]RYUJ，KIMJJ，BYEONH，etal.Removaloffineparticulatematter（PM2.5）viaatmospherichumiditycausedbyevapotransp-iration[J].Environmentalpollution，2019，245：253-259.
[29]DASGUPTAP，MALERK.Environmentalandresourceeconomics：somerecentdevelopments[R].SANDEE，2004.
[30]OUARDIGHIFE，BENCHEKROUNH，GRASSD.Controllingpollutionandenvironmentalabsorptioncapacity[J].Annalsofoperationsresearch，2014，220：111-133.
[31]CABRALESA，GOSSNERO，SERRANOR.Entropyandthevalueofinformationforinvestors[J].Americaneconomicreview.2013，103（1）：360-377.
[32]WANGQ，YUANX，ZHANGJ，etal.Assessmentofthesustainabledevelopmentcapacitywiththeentropyweightcoefficientmethod[J].Sustainability，2015，7（10）：13542-13563.
[33]PARZENE.Quantileprobabilityandstatisticaldatamodeling[J].Statisticalscience，2004，19（4）：652-662.
[34]魏下海.貿易开放、人力资本与中国全要素生产率：基于分位数回归方法的经验研究[J].数量经济技术经济研究，2009（7）：61-71.
[35]POWELLD.Quantileregressionwithnonadditivefixedeffects[R].RAND，2015.
[36]POWELLD.Quantiletreatmenteffectsinthepresenceofcovariates[R].RAND，2016.
[37]ANGELIKIN，MENEGAKI.GrowthandrenewableenergyinEurope：arandomeffectmodelwithevidenceforneutralityhypothesis[J].Energyeconomics，2011，33（2）：257-263.
[38]WANGS，ZHOUC，WANGZ，etal.Thecharacteristicsanddriversoffineparticulatematter（PM2.5）distributioninChina[J].Journalofcleanerproduction，2017，142：1800-9.
[39]WANGS，XUL，GES，etal.DrivingforceheterogeneityofurbanPM2.5pollution：evidencefromtheYangtzeRiverDelta，China[J].Ecologicalindicators，2020，113：106210.
[40]薛文博，武卫玲，付飞，等.中国煤炭消费对PM2.5污染的影响研究[J].中国环境管理，2016，8（2）：94-98.
[41]周杰琦，梁文光，张莹，等.外商直接投资、环境规制与雾霾污染：理论分析与来自中国的经验[J].北京理工大学学报（社会科学版），2019，21（1）：37-49.
[42]刘晓红，江可申.环境规制、能源消费结构与雾霾：基于省际面板数据的实证检验[J].国土资源科技管理，2016，33（1）：59-65.
[43]CHENGZ，LIL，LIUJ.IdentifyingthespatialeffectsanddrivingfactorsofurbanPM2.5pollutioninChina[J].Ecologicalindicators，2017，82：61-75.
[44]YAND，RENX，KONGY，etal.TheheterogeneouseffectsofsocioeconomicdeterminantsonPM2.5concentrationsusingatwo-steppanelquantileregression[J].Appliedenergy，2020，272：115246.
（责任编辑：于杰）
关键词 环境吸收能力;大气污染;PM2.5浓度;面板分位数回归;情景分析;异质性
中图分类号 F205文献标识码 A文章编号 1002-2104（2021）05-0077-11DOI：10.12062/cpre.20200936
大气污染问题是中国最受关注的环境问题之一。进入21世纪之后，高速的经济增长、快速的工业化城镇化进程、长时间粗放式的能源消耗模式，使得大气污染物尤其是细颗粒物（PM2.5）的排放大幅增加，大气环境质量问题日益凸显，为生产生活和公众健康埋下了隐患，成为我国可持续性发展进程中的巨大考验[1]。目前，因《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》等大气污染防治计划的实施，细颗粒物PM2.5的排放有所减少，在大气中的浓度有所降低，但仍存在治理效果不持久、不稳定的问题。大气污染治理不仅仅需要关注对人类行为活动的控制和管理，也需要从环境自身的修复能力为大气污染治理找寻新的突破口。环境吸收能力是维持与保证大气环境系统自身结构与功能健康的基础。了解环境对PM2.5的吸收能力，深入探讨环境吸收能力对PM2.5浓度的影响，对开拓大气污染治理新思路有着重要的启示作用。同时，考虑到各地区自然条件禀赋和经济社会发展的不均衡性，相对应的大气环境质量与环境吸收能力水平也必然存在区域差异。要从环境自身修复能力入手，针对影响的异质性提出相应的PM2.5治理措施，以响应我国生态文明建设国家战略，打好大气污染治理的攻坚战。
1文献综述与研究假设
在过去的数十年中，人们对PM2.5的认知有明显提高。PM2.5的主要来源和影响已经被广泛研究，例如，从能源消费量[2-4]、能源消费效率（强度）[5-6]、能源消费结构[7-8]、交通运输建设[9-10]等视角了解PM2.5的来源;从经济增长、产业结构调整、对外贸易等经济活动视角探索影响PM2.5排放和治理的因素[11-12];以及从健康损失[13]、经济损失[14]的视角来评估PM2.5造成的影响。然而，大多数研究主要从反省人类自身行为活动合理性的角度，重点关注如何将大气中的PM2.5浓度迅速降低，而忽略了大气是作为环境要素中的重要组成部分，环境自身的修复作用在探索大气污染防治路径的过程中常被忽略。
美国学者Tietenberg等[15]于2011年提出了环境吸收能力（EnvironmentalAbsorptionCapacity，EAC）的概念，认为自然环境对于人类在生产生活过程中产生的废弃物具有自动容纳、吸收和消化的能力。尽管一些学者从衡量大气环境容量和环境承载力的角度为PM2.5污染物的治理和环境政策的制定提供了依据[16-17]，但环境吸收能力这一概念既不同于反映“某一个环境单元所允许承载污染物的最大数量”的环境容量，也不同于衡量“一个区域所能永久承载人类活动的程度”的环境承载力，且三者对PM2.5污染物的作用机理存在差异。因此，对环境吸收能力的测算及其对PM2.5浓度影响的探讨不能单纯地由环境容量或环境承载力等相关及类似的研究所替代。
目前，国内外对环境吸收能力测算的工作较少。结合文献，借鉴现有文献中对环境容量与环境承载力的测算分析，采用的测算方法主要有以下几类。第一类是简要估算，如修正的A值法，不需要特别了解污染源的布局、排放量与排放方式，也不需要考虑气候、干湿降尘等因素，其结果对地方建设规划决策和区域污染排放总量控制有一定的参考价值，但因其所用参数较少且取值主观性较大，所测量结果与实际大气环境容量有一定的差距[18]。第二类是采用函数关系分析或数值模拟的方法，选取一个或多个指标来表示环境容量，如空气质量模型模拟法和线性规划优化法[19-20]。第三类是构建评价指标体系，运用多指标综合评价的理论与方法进行测算，这类方法因其综合性、客观性和科学性，在衡量环境因素的研究中较为常见。一些学者将环境吸收能力的概念融入环境评价指标体系中[21-22]，并在測算的指标选取中做出了贡献。袁晓玲等[23]从环境污染和环境吸收的视角综合大气、水、土壤三大环境要素评价了环境质量，选取城市绿地面积、平均相对湿度、年降水量、水资源总量、湿地面积和森林面积等指标测算了大气、土壤和水体的环境吸收指数，作为环境质量评价的正向指标。在这些研究中，衡量环境吸收能力的指标多为森林覆盖率、林地面积、绿地面积、降水量、水资源总量等反应地区自然条件的指标。部分研究从植物学、气象学、环境科学视角，采用实验对比方法和监测数据，认为环境中的各个要素对大气污染物有一定的吸收能力，他们从单一环境资源要素入手，认为森林植被[24]、近地表下垫面（湖泊、湿地）[25-26]和气象因素（湿度、降水、风等）[27-28]对大气污染物具有一定的吸收能力。这些研究多数从综合环境污染物净化角度入手，未从单一污染问题，如大气污染、水污染、土壤污染问题切入进行环境吸收能力的测算，选用的指标也以体现地区自然条件为主。 依据环境对污染物的吸收能力，大气污染物可分为基金污染物和累积性污染物。目前，我国一系列大气污染防治政策重点关注的大气污染物多为基金污染物，即环境对其有一定吸收能力的污染物，PM2.5是基金污染物的代表。其在进入空气、土壤、植被或水体后，或被光照降解，或被植被吸收，或溶于液体，能够被转化为对人类和生态系统造成危害较小的物质，可能被分解和稀释到无害的浓度。而累积性污染物长时间持久存在于大气中，对人类的健康产生的影响不可逆，环境对其没有或只有很小吸收能力。
理论上，由于环境吸收能力的存在，地球自身的力量是可以将环境恢复到原有或相近的活力水平，资源环境退化并不是不可逆的[29]。如图1所示，环境吸收能力的作用存在于污染排放到环境负荷产生过程之间，其大小直接决定了人类活动产生的污染排放在未经有效干预的情况下有多少会直接造成环境负荷。一旦排放的污染物超过环境吸收能力，污染物就会在环境中累积，造成生态环境的破坏。Ouardighi等[30]认为，环境吸收能力的增强能有效降低环境中的污染物浓度，环境中存在的污染物总量随环境吸收能力的增加而减少，随排放率的增加而增加。同时，污染物排放的减少也会带来环境吸收能力更好的作用体现，二者形成一个良性的循环关系[23]。因此，文章提出：
理论假设1：地区环境吸收能力的提升会带来PM2.5浓度的降低。
理论假设2：在PM2.5浓度较高的地区，环境吸收能力无法得到更好的体现。
各地区依据环境吸收能力的差异，区域环境状态可分为三个情景：可持续情景、紧急情景和SoylentGreen悲观情景“SoylentGreen”一词源于1973年理查德·弗莱舍的电影《SoylentGreen》，描述人类除了悲惨地忍受世界性的生态灾难外什么也做不了，后学者将这种极端悲观的情景以“SoylentGreen”命名。[30]。在可持续情景下，环境质量处于一种稳定的状态，各环境要素富有弹性，生态经济系统的变化不会威胁到环境的可持续性;处于紧急情景下的地区，环境吸收过程的临界放缓，环境对污染物的吸收作用会迅速下降，这一情景下的地区应及时避免情况向悲观化发展;在SoylentGreen悲观情景下，环境吸收能力被消耗殆尽或存在严重的滞后性效应，环境中存在一个持久的污染存量，且环境对能够吸收的污染物存在排斥，生态系统无法回到开始时的状态。因此，文章提出：
理论假设3：在环境吸收能力水平较高的地区，环境吸收能力的增强更有利于PM2.5浓度的减少，而在环境吸收能力低的地区，环境吸收能力对PM2.5浓度的减少作用很小甚至没有。
综上所述，文章选取2004—2017年中国30个省份（研究未涉及西藏、港澳台）为研究样本，采用多指标综合评价方法，从自然资源禀赋和人类活动影响两个维度，全面、客观、科学构建针对大气污染的环境吸收能力指标体系，对各省市自治区的环境吸收能力进行测算，量化分析环境吸收能力对PM2.5浓度的影响程度，并通过MCMC优化的广义面板分位数回归方法分析不同大气污染分位数水平下环境吸收能力所发挥的作用，再运用情景分析探寻环境吸收能力对PM2.5浓度的影响的异质性，为大气环境质量改善提供新的理论依据与实践建议。
2模型、变量与数据
2.1环境吸收能力测算
文章采用多指标综合评价的方法进行环境吸收能力指数的测算。选取该方法一方面是希望从自然条件禀赋和人类活动影响两个方面获得科学可信的指数结果，另一方面考虑到统计数据的局限性。文章选取客观赋值熵权法，对各个指标进行客观赋值，通过确定熵值来评估所获得的信息量[31-32]。在构建指标体系过程中，融入“山水林田湖草生命共同体”的概念与内涵，借鉴各学科学者在各环境要素对PM2.5浓度作用效应的研究成果，从自然条件禀赋和人类活动影响两个维度，选取7个代表性指标，系统构建衡量环境对大气污染物的吸收能力的指标体系，如表1。需要说明的是，为确保指标的性质单一，在城市建设用地面积数据的选取中，将城市绿地面积从城市建设用地面积中扣除，故而使得城市建设用地面积更有效的反映为人类生产生活提供物理空间载体的大小依据《GB50137-2011城市用地分类与规划建设用地标准》，城市建设用地指城市（镇）内居住用地、公共管理与公共服务设施用地、商业服务业设施用地、工业用地、物流仓储用地、道路与交通设施用地、公用设施用地、绿地与广场用地的统称。城市建设用地规模/面积指上述用地面积之和。其中，绿地包括公共绿地（即公园和街头绿地）与生产防护绿地（即园林生产绿地和防护绿地），不包括专用绿地、园地和林地。。
2.2计量模型构建与回归
为检验研究假设，文章构建面板回归方程：
μit为个体固定效应。依据变量体现的时间趋势，进一步加入时间趋势项λit，对除第一年外的每一年定义为一个虚拟变量，然后将T-1个时间虚拟变量加入到回归模型中，样本跨度14个年份，将13个时间虚拟变量加入模型，构建双向固定效应模型：
在模型回归过程中，依据面板数据单位根检验结果和社会经济发展等因素的实际含义，对部分变量取对数处理。
2.3异质性效应分析
为了加强对被解释变量PM2.5浓度条件分布的理解，深入了解环境吸收能力影响的内在规律，文章采用基于MCMC优化的广义面板分位数回归，从不同分位数水平度量环境吸收能力对分布中心的影响，以及其对分布上尾和下尾的影响，使得固定效应模型测算结果更全面和精确。设变量PM的分布函數为F（PM）=P（PM
为检验研究假设2，文章选用情景分析方法，以环境吸收能力平均水平在0.2和0.4为临界点，将样本中的30个地区划分为可持续情景、紧急情景和SoylentGreen悲观情景，环境吸收能力大于0.4为可持续情景，0.2～0.4之间为紧急情景，小于0.2的地区为SoylentGreen悲观情景。在模型中，引入情景虚拟变量Dum_Sustainability、Dum_Emergency和Dum_Soylentgreen，与环境吸收能力构成交叉项，剖析不同环境情景下环境吸收能力对PM2.5浓度的影响差异，虚拟变量分别对这三种情景下的区域赋值为1，其他地区赋值为0。 文章选用随机效应模型来研究环境吸收能力对PM2.5浓度影响的异质性。选择随机效应模型的原因有3点：①处于不同情景下的地区被视为一个随机变量，是许多处于该情景地区的一部分;②基于Hausman检验的结果，没有拒绝“固定效应模型和随机效应模型所估计的系数都是一致的，且随机效应估计的系数是最有效估计”的原假设;③模型引入虚拟变量的要求。公式（3）表示单随机效应模型，公式（4）表示双向随机效应模型[37]。
2.4变量选择与数据来源
被解释变量：PM2.5浓度。各省份的PM2.5浓度数据来源于达尔豪斯大学的大气成分分析组（AtmosphericCompositionAnalysisGroup），由遥感数据解析为地理加权数据。
解释变量：环境吸收能力（eac）。由测算得到的各省份环境吸收能力指数表示。
结合相关文献与数据可获得性，选取如下控制变量：①人口因素。以往的研究发现，PM2.5浓度与人口规模和城市化率均存在显著相关性[38-39]。文章选择城镇人口数（pop，万人）表示人口规模，由城镇化水平（cit，%）表示城镇化率。②污染来源。化石燃料特别是煤炭的燃烧是导致大气污染的主要因素，煤炭消费总量的调整对PM2.5排放有著直接贡献[40]，该变量由煤炭消费量（cons_coal，万t）表示污染来源。③环境规制强度。不同类型环境规制对雾霾污染的影响有显著差异[41]，一定程度上，环境规制强度越大，对雾霾的治理效果越好[42]。该变量由各地区环境污染治理投资占GDP的比重（ratio_inves，%）表示。④结构因素。魏巍贤等[7]认为，以低热值煤炭为主的能源消费结构特征对环境影响较大，能源消费结构调整是治理PM2.5的根本手段。产业结构对PM2.5的影响也被诸多学者论证，他们认为高污染、高能耗企业在经济结构中所占比例过高会导致PM2.5的大量排放[43-46]。模型结构因素分别由煤炭占一次能源消费比重（stru_coal，%）和第二产业比例（ratio_gdpsec，%）表示。
文章选取2004—2017年30个省份为样本。环境吸收能力指数测算各指标数据及计量模型中变量数据来源于《中国统计年鉴》《中国林业统计年鉴》《中国水资源公报》《中国城市统计年鉴》《中国能源统计年鉴》《中国环境统计年鉴》《中国环境年鉴》及各地区水资源公报等公开的官方统计数据渠道。各变量描述性统计见表2。
3结果分析
3.1环境吸收能力测算结果与区域差异
图2展示了2004—2017年全国及在三类情景下环境吸收能力指数的时间变化趋势，表3列出了各情景所涉及的省份，并对各省份所在地区分布进行了统计。表1最右列展示了测算所得各指标的平均熵权。熵权用于度量样本指标所提供的有效信息量，各指标的离散程度越大，该指标提供的有效信息量就越大。权重的确定意味着各项单一指标对总体水平影响程度的确定。分析发现：①全国环境吸收能力整体水平不高，2004—2017年，全国总体环境吸收能力平均水平为0.295;②不同情景下环境吸收能力差异较大，可持续情景下的省份在西南、东北、华南等地区均有涉及，环境吸收能力整体水平达到0.45，紧急情景下的地区主要集中在华东地区，而SoylentGreen悲观情景下的地区主要集中在华北地区，环境吸收能力不足0.2;③可持续情景和紧急情景下的地区环境吸收能力指数波动明显，环境状态不稳定。同时，由所得权重可知，代表自然条件禀赋的四个指标的权重明显大于代表人类活动影响的三个指标，这表明各地区自然条件禀赋的情况对环境吸收能力的高低起着决定性作用，自然条件禀赋的限制是环境吸收能力整体水平不高的主要原因。人类活动影响各指标所体现的社会经济发展方式是造成环境吸收能力水平波动、地区差异较大的主要因素，地区的建设和发展以及突发环境事件的不可控性给环境吸收能力的稳定性带来了挑战。
3.2环境吸收能力对PM2.5浓度的影响
为保证估计结果的有效性，避免伪回归发生，文章对部分变量取对数处理，采用同根单位根检验（HT检验）和异根单位根检验（ADF检验、PP检验）对各变量进行单位根检验，结果如表4所示，检验结果均拒绝了含有单位根的原假设，认为所有序列均为平稳过程。
表5展示了环境吸收能力和PM2.5浓度的面板估计结果。模型1为混合回归模型，模型2、模型3分别为固定效应模型和随机效应模型。依据F检验结果，在混合回归和固定效应回归中选用固定效应回归模型。依据Hausman检验值29.70，Prob（Hausman）小于1%，选择固定效应模型的结果更为有效。模型4为引入时间效应的变截距双向固定效应模型。同时，采取逐一剔除控制变量的方式，以及以滞后一期的PM2.5浓度作为因变量进行稳健性检验，结果如模型（5）、（6）、（7）和（8）所示。
综合表5中模型（4）与稳健性检验结果，环境吸收能力对PM2.5浓度呈现显著的负向影响，地区环境吸收能力每上升1%，PM2.5浓度则降低0.123%，且在稳健性检验结果中，各变量相关系数符号未发生变化，仅在影响程度上存在细微差异，因此认为模型结果稳健。模型（4）中的变量均为显著，说明存在一定的时间效应。
进一步观察控制变量可知，城镇化的发展整体上对大气环境质量的改善有促进作用，虽然城镇化的直接结果就是城镇人口的增加，但城镇化水平的提高有利于推进地区各方面资源的整合与利用，经济发展水平、科技水平和教育水平的提高对大气污染有一定的缓解。能源消费量与PM2.5浓度的相关系数显著为正，能源消费量的增加会使PM2.5浓度增加，同时煤炭在一次能源消费中的比重降低导致PM2.5浓度显著降低。近年来，虽然清洁能源应用发展迅速，但煤炭消费量仍然是我国当前生产生活中主要采用的化石能源，钢铁、化工、冶金、水泥等行业对煤炭的需求量都很大。环境污染治理投资的增加代表了政府对环境污染治理的决心和力度，对PM2.5浓度有在10%水平下的显著正效应。产业结构的优化促进了大气污染问题的缓解，当前，全国各地区第二产业的比重都有所降低，第三产业蓬勃发展，加之对高污染、高能耗产能的大力控制，产业发展逐渐向清洁化方向迈进。 3.3环境吸收能力对PM2.5浓度影响的异质性效应
依据不同地区的经济社会发展水平、环境吸收能力、大气环境质量等因素的异质性，通过MCMC优化的广义面板分位数回归和情景分析，讨论不同大气质量水平和环境情景下，环境吸收能力对PM2.5浓度的不同影响。
文章利用MCMC优化的广义面板分位数回归技术，得到PM2.5浓度分布变迁条件下的环境吸收能力影响估计值的分布规律和影响趋势。分析结果见图3和表6。表6按照5个代表性分位数（10%、25%、50%、75%、90%）给出了环境吸收能力对PM2.5浓度的影响效应。由结果可知：①整体来看，随着PM2.5浓度分位数水平的提高，环境吸收能力对其影响程度逐渐增大，但是，环境吸收能力的影响效应并不会必然随着PM2.5浓度的上升而增加，例如在60%分位数水平下，环境吸收能力影响迅速下降。②环境吸收能力对PM2.5治理的影响幅度较大，说明PM2.5浓度较低的地区，PM2.5浓度受环境吸收能力的影响有限，而PM2.5浓度较高的地区，环境吸收能力的作用效果更加明显。③在95%分位数水平上，环境吸收能力没有通过显著性检验，说明在PM2.5浓度极高的地区，环境吸收能力的作用效果極弱，可视为没有作用。
进一步分析不同环境情景下的环境吸收能力影响的异质性。表7中，模型（9）为混合回归模型，模型（10）和模型（11）分别表示引入交叉项之后的固定效应模型和随机效应模型。依据Hausman检验值为负（-100.75），选用随机效应模型更为合适。模型（12）为引入时间效应的双向随机效应模型。为检验模型结果的稳健性，文章将情景划分临界值进行细微调整，分别检验了以0.2和0.3为界模型（13）、0.15和0.4为界模型（14）和0.15和0.35为界模型（15）等三种不同情景下的环境吸收能力影响效应，发现回归结果方向与组间差异与模型（12）一致，模型结果稳健。
综合表7结果，在可持续情景和紧急情景下，环境吸收能力对PM2.5浓度的作用显著为负，且在可持续情景下的影响程度更大，而在SoylentGreen悲观情景下，环境吸收能力的作用并未体现。主要原因在于，可持续情景下的地区森林、湿地等自然条件禀赋有显著优势，整体生态系统保护较完整，环境质量处于基本稳定状态，山水林田湖草各环境要素富有弹性，加之处于可持续情景下的7个省份建成区面积所占比重较小，大气污染突发环境事件次数几乎为0，人类活动带来的负面影响较小，因此，环境吸收能力对PM2.5浓度的影响尤为明显。紧急情景下的地区，自然条件禀赋相对较弱，社会经济发展方式的不尽合理使得近年来生态系统有所破坏，环境吸收能力对PM2.5浓度的影响显著，但影响程度较可持续情景下弱，全国有三分之一以上的省份处于紧急情景之下。SoylentGreen悲观情景下的地区主要集中在华北地区和北京、上海等经济发展迅速的大都市，华北地区本身因气候条件影响，容易出现沙尘、雾霾天气，同时这些省份森林覆盖率较低，人造林对PM2.5的降解作用需要一些时间得以显现，湿地面积不断减少，加之能源消费结构不尽合理和秋冬季节供暖以煤炭燃烧为主等因素，环境吸收能力在这些地区对PM2.5的治理作用不显著。
4结论与启示
4.1结论
文章运用多指标综合评价的方法，测算了我国2004—2017年环境吸收能力指数，分析了环境吸收能力对PM2.5浓度的影响，进一步探讨了环境吸收能力在不同PM2.5浓度水平以及不同情景下对PM2.5浓度的影响变化趋势，得出以下结论。
首先，依据对环境吸收能力测算结果的分析，我国环境吸收能力呈现“整体水平较低，地区差异较大”的特征。更强的环境吸收能力表示地区具有更好的自然禀赋条件和更稳定合理人类行为活动，会带来更有效的大气环境修复作用。影响我国环境吸收能力强弱的主要因素是自然条件禀赋，造成环境吸收能力波动和地区差异的主要原因在于人类活动影响，特别是突发环境事件的不可控性。
第二，环境吸收能力对PM2.5浓度呈现显著的负向影响。总体来看，环境吸收能力每增加一个单位，PM2.5浓度降低0.123%。然而，其影响效应并不会必然随着PM2.5浓度的上升而增加。在PM2.5浓度较高的地区，环境吸收能力的作用效果会更加明显，而在PM2.5浓度极高的地区，环境吸收能力对大气环境的修复作用并未得以体现。
第三，不同情景下环境吸收能力对PM2.5浓度的影响不同，影响程度呈现“可持续情景>紧急情景”的规律，且在悲观情景下的地区，环境吸收能力的作用并未体现。自然条件禀赋越好，人类活动对生态系统影响越小，环境吸收能力在PM2.5浓度降低过程中所体现的作用越突出。三种情景下环境吸收能力对PM2.5浓度影响的差异及其原因为探索优化大气污染防治新路径提供了有力依据。
4.2启示
以上结论对大气污染防治新路径的探索和整体环境质量改善有重要的理论启示与实践意义。
首先，统筹环境吸收能力诸要素的综合治理，提升全国整体环境吸收能力水平。贯彻落实“绿水青山就是金山银山”的绿色发展理念，顺应自然、保护生态，统筹山水林田湖草系统治理，优化完善大气污染防治路径与措施。建立环境吸收能力要素大数据台账，把握气候变化规律，保护水资源、森林资源与湿地资源，合理规划城镇建成区和绿地面积，科学预防和应对突发环境事件，增强环境吸收能力全要素的弹性，稳定并提高环境吸收能力水平。
第二，转变社会经济发展和生产生活方式，实现资源节约型、环境友好型发展。一方面推动节能减排，约束粗放型的能源消费行为，调整以煤炭为主的能源消费结构，运用先进技术手段实现清洁生产和清洁排放，减少人类活动对环境吸收能力的负面影响;另一方面加强生态文明宣传和自然教育，强化公民环境保护意识，推行简约适度、绿色低碳的生活方式，促进人与自然和谐共生。 第三，实行“一省一策”，创新联防联控“网格化”环境治理新路径。针对各情景自然条件禀赋和社会经济发展的异质性，因时因地制宜，寻求各省份PM2.5治理措施，实施生态环境优化、治理和修复。在可持续情景下的地区，优化生態生活生产环境，实现自然环境对大气污染的吸收能力最大化;在紧急情景下的地区，严守生态红线，扩大植树造林，加大园林绿化，改善自然生态系统，加强生态环境治理;在悲观情景下的地区，合理利用当地地形地势和风向等自然因素，大力修复被破坏的绿色植被，扩大退耕退牧还林还草面积，注重湿地保护。同时，对环境情景差异较大的相邻地区之间实行联防联控协同共治。
参考文献
[1]CHANCK，YAOX.AirpollutioninmegacitiesinChina[J].Atmosphericenvironment，2008，42（1）：1-42.
[2]YUANX，MUR，ZUOJ，etal.Economicdevelopment，energyconsumption，andairpollution：acriticalassessmentinChina[J].Humanandecologicalriskassessment：aninternationaljournal，2015（21）：781-798.
[3]KHANMM，ZAMANK，IRFAND，etal.Triangularrelationshipamongenergyconsumption，airpollutionandwaterresourceinPakistan[J].Journalofcleanerproduction，2016，112（2）：1375-1385.
[4]张文静.大气污染与能源消费、经济增长的关系研究[J].中国人口·资源与环境，2016，26（11）：57-60.
[5]邵帅，杨莉莉，黄涛.能源回弹效应的理论模型与中国经验[J].经济研究，2013（2）：96-109.
[6]赵立祥，赵蓉.经济增长、能源强度与大气污染的关系研究[J].软科学，2019，33（6）：60-66，78.
[7]魏巍贤，马喜立.能源结构调整与雾霾治理的最优政策选择[J].中国人口·资源与环境，2015，25（7）：6-14.
[8]马丽梅，张晓.中国雾霾污染的空间效应及经济、能源结构影响[J].中国工业经济，2014（4）：19-31.
[9]KINNONMM，ZHUS，CARRERAS-SOSPEDRAM，etal.Consideringfutureregionalairqualityimpactsofthetransportationsector[J].Energypolicy，2019，124：63-80.
[10]SUNC，ZHANGW，LUOY，etal.Theimprovementandsubstitutioneffectoftransportationinfrastructureonairquality：anempiricalevidencefromChina’srailtransitconstruction[J].Energypolicy，2019，129：949-957.
[11]ZHUL，HAOY，LUZ，etal.Doeconomicactivitiescauseairpollution：evidencefromChina’smajorcities[J].Sustainablecitiesandsociety，2019，49：101593.
[12]HUYNHCM，HOANGHH.ForeigndirectinvestmentandairpollutioninAsiancountries：doesinstitutionalqualitymatter？[J].Appliedeconomicsletters，2019，26（17）：1388-1392.
[13]XIEY，DAIH，DONGH，etal.EconomicimpactsfromPM2.5pollution-relatedhealtheffectsinChina：aprovincial-levelanalysis[J].Environmentalscience&technology，2016，50（9）：4836-4843.
[14]穆泉，张世秋.中国2001—2013年PM2.5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.
[15]TIETENBERGT，LEWISL.Environmentalandnaturalresourceseconomics[M].8thed.Beijing：Chinarenminuniversitypress，2011.
[16]薛文博，付飞，王金南，等.基于全国城市PM2.5达标约束的大气环境容量模拟[J].中国环境科学，2014，34（10）：2490-2496.
[17]SUY，YUYQ.Dynamicearlywarningofregionalatmosphericenvironmentalcarryingcapacity[J].TheScienceofthetotalenvironment，2020，714：136684.
[18]徐大海，王郁，朱蓉.大气环境容量系数A值频率曲线拟合及其应用[J].中国环境科学，2016，36（10）：2913-2922.
[19]肖杨，毛显强，马根慧，等.基于ADMS和线性规划的区域大气环境容量测算[J].环境科学研究，2008，21（3）：13-16. [20]卢亚灵，刘年磊，程曦，等.京津冀区域大气环境承载力监测预警研究[J].中国人口·资源与环境，2017，27（S1）：36-40.
[21]屈小娥.中国环境质量的区域差异及影响因素：基于省际面板数据的实证分析[J].华东经济管理，2017，31（2）：57-65.
[22]刘伯龙，袁晓玲.中国省际环境质量动态综合评价及收敛性分析：1996-2012[J].西安交通大学学报（社会科学版），2015，35（4）：32-40.
[23]袁晓玲，邸勍，李朝鹏.中国环境质量的时空格局及影响因素研究：基于污染和吸收两个视角[J].长江流域资源与环境，2019，28（9）：2165-2176.
[24]ZHANGX，DUJ，HUANGT，etal.AtmosphericremovalofPM2.5byman-madethreenorthernregionsshelterforestinnorthernChinaestimatedusingsatelliteretrievedPM2.5concentration[J].Scienceofthetotalenvironment，2017，593-594：713-721.
[25]ZHUC，ZENGY.EffectsofurbanlakewetlandsonthespatialandtemporaldistributionofairPM10andPM2.5inthespringinWuhan[J].Urbanforestry&urbangreening，2018，31：142-156.
[26]LIUJ，YANG，WUY，etal.WetlandswithgreaterdegreeofurbanizationimprovePM2.5removalefficiency[J].Chemosphere，2018，207：601-611.
[27]于彩霞，邓学良，石春娥，等.降水和风对大气PM2.5、PM10的清除作用分析[J].环境科学学报，2018，38（12）：4620-4629.
[28]RYUJ，KIMJJ，BYEONH，etal.Removaloffineparticulatematter（PM2.5）viaatmospherichumiditycausedbyevapotransp-iration[J].Environmentalpollution，2019，245：253-259.
[29]DASGUPTAP，MALERK.Environmentalandresourceeconomics：somerecentdevelopments[R].SANDEE，2004.
[30]OUARDIGHIFE，BENCHEKROUNH，GRASSD.Controllingpollutionandenvironmentalabsorptioncapacity[J].Annalsofoperationsresearch，2014，220：111-133.
[31]CABRALESA，GOSSNERO，SERRANOR.Entropyandthevalueofinformationforinvestors[J].Americaneconomicreview.2013，103（1）：360-377.
[32]WANGQ，YUANX，ZHANGJ，etal.Assessmentofthesustainabledevelopmentcapacitywiththeentropyweightcoefficientmethod[J].Sustainability，2015，7（10）：13542-13563.
[33]PARZENE.Quantileprobabilityandstatisticaldatamodeling[J].Statisticalscience，2004，19（4）：652-662.
[34]魏下海.貿易开放、人力资本与中国全要素生产率：基于分位数回归方法的经验研究[J].数量经济技术经济研究，2009（7）：61-71.
[35]POWELLD.Quantileregressionwithnonadditivefixedeffects[R].RAND，2015.
[36]POWELLD.Quantiletreatmenteffectsinthepresenceofcovariates[R].RAND，2016.
[37]ANGELIKIN，MENEGAKI.GrowthandrenewableenergyinEurope：arandomeffectmodelwithevidenceforneutralityhypothesis[J].Energyeconomics，2011，33（2）：257-263.
[38]WANGS，ZHOUC，WANGZ，etal.Thecharacteristicsanddriversoffineparticulatematter（PM2.5）distributioninChina[J].Journalofcleanerproduction，2017，142：1800-9.
[39]WANGS，XUL，GES，etal.DrivingforceheterogeneityofurbanPM2.5pollution：evidencefromtheYangtzeRiverDelta，China[J].Ecologicalindicators，2020，113：106210.
[40]薛文博，武卫玲，付飞，等.中国煤炭消费对PM2.5污染的影响研究[J].中国环境管理，2016，8（2）：94-98.
[41]周杰琦，梁文光，张莹，等.外商直接投资、环境规制与雾霾污染：理论分析与来自中国的经验[J].北京理工大学学报（社会科学版），2019，21（1）：37-49.
[42]刘晓红，江可申.环境规制、能源消费结构与雾霾：基于省际面板数据的实证检验[J].国土资源科技管理，2016，33（1）：59-65.
[43]CHENGZ，LIL，LIUJ.IdentifyingthespatialeffectsanddrivingfactorsofurbanPM2.5pollutioninChina[J].Ecologicalindicators，2017，82：61-75.
[44]YAND，RENX，KONGY，etal.TheheterogeneouseffectsofsocioeconomicdeterminantsonPM2.5concentrationsusingatwo-steppanelquantileregression[J].Appliedenergy，2020，272：115246.
（责任编辑：于杰）