《重点区域大气污染防治“十二五”规划》明确指出:“应根据不同地区的社会经济发展水平与环境污染现状,划分重点控制区和一般控制区,实施差异化管理。”这种将区域内各地区区别对待的差异化管理模式对提高区域联动治理的有效性非常关键,尤其是在各级政府财政预算和资源有限的条件下,应优先治理那些潜在治污空间较大、面临更大污染健康损害压力、对区域污染影响较大、且对其它地区传输影响较大的区域,将这些区域作为重点控制区优先治理或制定更严格的联防联控治理措施,其它的作为一般控制区,进而在整个大区域内实施差异化管理模式。但在实践中这种差异化管理模式并未付诸实施,亟需科学体划分重点区域和一般控制区,深化开展区域大气污染差异化管理。
鉴于此,本文将在区域污染时空变化特征分析的基础上,识别区域联动治理的关键要素,构建联动等级评价指标体系,进而提出基于多属性综合评价理论划分联动等级的方法。最后,以长三角15市PM2.5和O3污染治理为例,对区域大气污染联动范围和等级划分方法进行实证分析,提出相关对策建议。
一、研究方法
本研究在时空变化特征分析的基础上,建立了包含4个指标的治污优先等级评价指标体系,即区域治污紧迫性(Uip)、污染治理弹性(Eip)、子区域i对R区域第p种大气污染的影响力(Iip)、主风道方向上的距离(Dip)。
TOPSIS是多目标决策分析中的一种常用的有效方法,它能够根据有限个评价对象与理想化目标的接近程度进行科学地排序,从而对各评价对象进行相对优劣的综合评价。
设R={R1,R2…Ri…Rm}是区域R被划分的所有子区域的集合。对于任意联控子区域Ri的p污染联控等级,本研究设有4个指标进行评价。各子区域对应评价指标的原始数据汇总如表1所示。基于此,采用TOPSIS法确定联控等级的具体步骤如下:
表1 TOPSIS评价矩阵
指标(k)
地区(i)
|
Uip
|
Iip
|
Dip
|
Eip
|
R1
|
X1U
|
X1I
|
X1D
|
X1E
|
R2
|
X2U
|
X2I
|
X2D
|
X2E
|
…
|
…
|
…
|
…
|
…
|
Rm
|
XmU
|
XmI
|
XmD
|
XmE
|
Step 1:指标趋同化处理,将评价指标Xik全部转化为高优指标,并适当调整(扩大或缩小一定比例)转换数据,转化为高优指标的方法如公式(2)。
其中,
为指标均值。在本研究设立的4个指标中,XiU、XiI和XiE都是高优指标,其值不变。XiD为低优指标,转化为高优指标XiD’=1/XiD。
Step 2:趋同数据归一化。按照公式(3)的方法,将Xik’归一化转化成Zik,由此得到归一化处理后的矩阵Z,
Step 3: 确定最优方案和最劣方案。
最优方案Z+由矩阵Z中每列的最大值构成:Z+={max(ZiU), max(ZiI), max(ZiD), max(ZiE)};最劣方案Z-由矩阵Z中每列的最小值构成:Z-={min(ZiU), min(ZiI), min(ZiD), min(ZiE)}。
Step 4: 计算联控子区域i与Z+和Z-的距离ZDi+和ZDi-,计算方法如式(4):
Step 5: 计算各子区域i与最优方案的接近程度CLi,
Step 6: 按Ci值从大到小排列各联控子区域的顺序,Ci值越大的子区域越优先治理,由此可得到各联防联控子区域的治理优先顺序。
二、实证研究结果与讨论
本研究以长三角区域15个城市的PM2.5和O3污染为例进行实证研究,具体包括上海(SH)、浙江省的杭州(HAZ)、湖州(HUZ)、嘉兴(JX)、绍兴(SX)、宁波(NB)、台州(TZZ)和江苏省的南京(NJ)、苏州(SZ)、无锡(WX)、常州(CZ)、扬州(YZ)、镇江(ZJ)、泰州(TZJ)、南通(NT)。在Xie et al. (2018)研究中,15市被划分为4个PM2.5联动子区域和9个O3联动子区域,在此基础上,本文进一步对各子区域的联防联控等级进行划分。
表2汇总了4个子区域各评价指标值、按TOPSIS法计算的最优距离(ZD+)、最劣距离(ZD-)、与最优方案的接近程度(CLi)、以及各区域的联动等级。4个子区域的等级排列为R2>R1>R3>R4,各子区域的联动等级示意图如图1(a)所示。
表2 各PM2.5联控子区域的TOPSIS评价结果
联动子区域
|
Ui
|
Ii
|
D i
|
E i
|
ZDi+
|
ZDi-
|
CLi
|
等级
|
R1={SZ,WX,CZ,JX,HUZ,SH,NT}
|
8.35
|
0.699
|
155.36
|
0.566
|
0.17
|
0.78
|
0.82
|
1
|
R2={YZ,ZJ,TZJ,NJ}
|
5.03
|
0.649
|
0
|
0.567
|
0.33
|
0.75
|
0.70
|
2
|
R3={HAZ,SX,NB}
|
3.39
|
0.792
|
294.13
|
0.540
|
0.72
|
0.21
|
0.23
|
3
|
R4={TZZ}
|
2.67
|
0.654
|
469.60
|
0.583
|
0.90
|
0.04
|
0.04
|
4
|
采用相同的方法确定9个O3联动子区域的等级,由于长三角区域的O3被证实为小范围的局地污染,超过100km的城市间O3污染相互传输非常弱,因此仅针对治污紧迫性Ui和污染治理空间E i两个评价指标对9个O3联控子区域的等级进行评价,结果如表2.25所示。各子区域的联动等级顺序为R3>R6>R1>R7>R4>R5>R2>R8>R9,各子区域的联动等级示意图如图1(b)所示。
表3 9个O3污染浓度描述性统计与各子区域TOPSIS评价结果
联控子区域
|
均值
|
标准差
|
Ui
|
E i
|
ZD+
|
ZD-
|
CLi
|
等级
|
R1={SZ,WX,HUZ}
|
102.22
|
50.226
|
10.569
|
0.491
|
0.638
|
0.129
|
0.17
|
3
|
R2={HAZ,JX}
|
102.33
|
49.143
|
6.716
|
0.480
|
0.720
|
0.061
|
0.08
|
7
|
R3={SH}
|
105.39
|
46.212
|
40.319
|
0.438
|
0.099
|
0.749
|
0.88
|
1
|
R4={NT}
|
108.25
|
45.005
|
9.873
|
0.416
|
0.660
|
0.100
|
0.13
|
5
|
R5={YZ,ZJ,TZJ,NJ}
|
104.43
|
48.171
|
9.245
|
0.461
|
0.668
|
0.095
|
0.12
|
6
|
R6={CZ}
|
93.64
|
47.402
|
10.686
|
0.506
|
0.634
|
0.137
|
0.18
|
2
|
R7={SX}
|
87.88
|
50.756
|
5.261
|
0.578
|
0.748
|
0.121
|
0.14
|
4
|
R8={NB}
|
99.35
|
41.634
|
7.714
|
0.419
|
0.705
|
0.055
|
0.07
|
8
|
R9={TZZ}
|
97.02
|
39.207
|
6.160
|
0.404
|
0.739
|
0.021
|
0.03
|
9
|
图1 长三角区域PM2.5与O3污染联动子区域等级示意图
三、研究结论与主要政策建议
运用TOPSIS法对长三角各子区域联动等级划分的结果与实际情况相符。具体而言,R1={苏州、无锡、常州、嘉兴、湖州、上海、南通}的平均人口密度(1449人/km2)居4个子区域之首,约为子区域R2人口密度(885人/km2)的两倍,且R1的污染浓度(56.8ug/m3)仅次于污染最严重的R2(57.8ug/m3),人口因素和污染水平共同导致R1的治污紧迫性远高于其它子区域。此外,R1距参考区域R2较近,位于长三角区域西北风向的中上游,使得R1在主风道上距离和对整个区域的污染影响力这两个指标上得分均较高,因此R1被赋予了最高的治污优先等级。R2自身污染水平较高(年均浓度57.8ug/m3),且平均人口密度仅次于R1,因而R2的治污紧迫性和对长三角区域PM2.5的影响力指标得分均位居第二,而R2由于被选为参照区域,由此主风道方向上的距离得分位居4区域之首,且R2的PM2.5污染治理潜在空间与R1几乎相等,因此R2的治污优先等级被评定为第二。子区域R3对整个长三角区域的PM2.5污染影响力较大(I3=0.79),而R3的其它三个指标得分均远低于治污优先等级居于第二的R2区域,但这些指标得分均远高于R4,因此R3的治污联动等级为第三,R4的等级最低。这与R4污染水平最低、处于主风道下风向末端位置、临海自然扩散条件佳、且人口密度较低的实际情况完全相符。
同样,长三角区域的9个O3联动子区域划分的等级结果也与实际情况吻合。子区域R3={上海}由于人口密度(约3800人/km2)远大于其它区域,约是第二大人口密集区域R6的3倍,以致治污紧迫性指标在9个子区域中遥遥领先,因此应最先对R3进行治理,以最大程度上降低O3污染对人群健康造成的损害。而区域R6={常州}有着较大的污染治理潜力和治污紧迫性,这决定了R6应被赋予第二等级。依此类推,其它各子区域的O3污染水平、治污空间和人口密度,决定了它们的联动等级。这样,在财政预算、各类资金条件有限时,可根据各子区域的优先等级相应配置资源投入,以获得最佳治污效果。
上述分析表明,本文提出的联动等级划分新方法具有科学性和可行性。通过本研究方法对联动等级进行科学评价,进而实施差异化管理的模式与当前在较大范围内实施一视同仁的联动管理模式相比,在管理协调、节约资金资源、提高空气质量改善成效等方面具有更大的优越性,可广泛应用于我国乃至全球其它区域多种大气污染因子的联动治理,如PM10、SO2、NO2、CO等污染。这对深化高效地推进区域联动治理,显著改善区域空气质量具有重要的现实意义,为区域大气污染联动治理机制提供了科学的决策基础和前提。
撰稿人:
中国政府管制研究院 谢玉晶 博士
原文《Methods for defining the scopes and priorities for joint prevention and control of air pollution regions based on data-mining technologies》,作者:谢玉晶、赵来军、薛俭等,刊于《Journal of Cleaner Production》2018年第185卷