环境政策的实施效果关系到雾霾长效治理目标的实现,而政策执行过程中是否出现问题直接表现为政策实施效果。在此背景下,如何量化政策效应以及挖掘政策实施过程中的问题是文章的主要目标。为此,文章选取北京、兰州、天津、太原作为研究样本,以空气首要污染物PM2.5颗粒物浓度作为研究对象,运用Prophet模型预测反事实状态下潜在的PM2.5浓度,对比实际状况下的PM2.5浓度,量化研究中共十九大环境政策对PM2.5防治的效果。研究发现:(1)中共十九大一揽子环境政策对于PM2.5的防治具有正向效应,但同时也显示出一定的区域异质性;(2)雾霾治理过程中存在“两会蓝”现象和政策执行乏力的问题。基于实证研究结果,文章提出相应的政策建议,对于新常态下雾霾防治具有一定的启示意义。
新时代背景下环境保护政策对雾霾防治的效应分析——基于PM2.5浓度变化视角的实证研究
摘要
参考文献
1 陈诗一,陈登科. 能源结构、雾霾治理与可持续增长[J]. 环境经济研究,2016,(1). DOI:10.3969/j.issn.2096-2533.2016.01.011
4 戴李杰,张长江,马雷鸣. 基于机器学习的PM2.5短期浓度动态预报模型[J]. 计算机应用,2017,(11). DOI:10.3969/j.issn.1001-3695.2017.11.026
5 冯仁杰,吴然,钟佩瑢,等. 孕期大气颗粒物暴露对新生儿低出生体重影响的Meta分析[J]. 中华预防医学杂志,2017,(3). DOI:10.3760/cma.j.issn.0253-9624.2017.03.012
6 何小钢. 结构转型与区际协调:对雾霾成因的经济观察[J]. 改革,2015,(5). DOI:10.3969/j.issn.1009-8607.2015.05.127
9 冷艳丽,杜思正. 产业结构、城市化与雾霾污染[J]. 中国科技论坛,2015,(9). DOI:10.3969/j.issn.1002-6711.2015.09.027
11 李云燕,王立华,王静,等. 京津冀地区雾霾成因与综合治理对策研究[J]. 工业技术经济,2016,(7). DOI:10.3969/j.issn.1004-910X.2016.07.019
13 彭斯俊,沈加超,朱雪. 基于ARIMA模型的PM2.5预测[J]. 安全与环境工程,2014,(6). DOI:10.3969/j.issn.1671-1556.2014.06.032
15 孙兆彬,安兴琴,崔甍甍,等. 北京地区颗粒物健康效应研究——沙尘天气、非沙尘天气下颗粒物(PM2.5、PM10)对心血管疾病入院人次的影响[J]. 中国环境科学,2016,(8). DOI:10.3969/j.issn.1000-6923.2016.08.038
16 王兵,戴敏,武文杰. 环保基地政策提高了企业环境绩效吗?——来自东莞市企业微观面板数据的证据[J]. 金融研究,2017,(4). DOI:10.3969/j.issn.1009-3109.2017.04.016
17 王桂芝,顾赛菊,陈纪波. 基于投入产出模型的北京市雾霾间接经济损失评估[J]. 环境工程,2016,(1). DOI:10.3969/j.issn.1674-991X.2016.01.015
18 王玲玲,柏如海,章琦,等. 西安市2010–2013年大气污染对育龄妇女妊娠结局的影响[J]. 中华流行病学杂志,2016,(11). DOI:10.3760/cma.j.issn.0254-6450.2016.11.017
20 温晋锋,王赟. 雾霾治理立法:趋向与反思[J]. 人民论坛,2016,(14). DOI:10.3969/j.issn.1004-3381.2016.14.082
21 吴建南,秦朝,张攀. 雾霾污染的影响因素:基于中国监测城市PM2.5浓度的实证研究[J]. 行政论坛,2016,(1). DOI:10.3969/j.issn.1005-460X.2016.01.020
23 谢元博,陈娟,李巍. 雾霾重污染期间北京居民对高浓度PM2.5持续暴露的健康风险及其损害价值评估[J]. 环境科学,2014,(1). DOI:10.3969/j.issn.1673-2049.2014.01.001
26 岳利萍,马瑞光. 基于排放权核算的雾霾治理创新[J]. 人文杂志,2016,(4). DOI:10.3969/j.issn.0447-662X.2016.04.017
27 赵绍阳,尹庆双,臧文斌. 医疗保险补偿与患者就诊选择——基于双重差分的实证分析[J]. 经济评论,2014,(1). DOI:10.3969/j.issn.1003-4919.2014.01.010
28 周景坤,杜磊. 国外雾霾防治税收政策及启示[J]. 理论导刊,2015,(12). DOI:10.3969/j.issn.1002-7408.2015.12.004
29 张燕萍,刘旭辉,任展宏,等. 太原市大气污染对妊娠结局的影响[J]. 环境与健康杂志,2007,(3). DOI:10.3969/j.issn.1001-5914.2007.03.026
30 张立辉,德格吉日夫,梁洪源. 我国施工扬尘排污费征收制度研究[J]. 环境工程,2016,(2). DOI:10.3969/j.issn.1674-991X.2016.02.030
31 Antanasijević D Z,Pocajt V V,Povrenović D S,et al. PM10 emission forecasting using artificial neural networks and genetic algorithm input variable optimization[J]. Science of the Total Environment,2013,443:511–519 DOI:10.1016/j.scitotenv.2012.10.110
32 Bell M L,Ebisu K,Belanger K. Ambient air pollution and low birth weight in Connecticut and Massachusetts[J]. Environmental Health Perspectives,2007,115(7):1118–1124 DOI:10.1289/ehp.9759
33 Díaz-Robles L A,Ortega J C,Fu J S,et al. A hybrid ARIMA and artificial neural networks model to forecast particulate matter in urban areas:The case of Temuco,Chile[J]. Atmospheric Environment,2008,42(35):8331–8340 DOI:10.1016/j.atmosenv.2008.07.020
34 Elbayoumi M,Ramli N A,Md Yusof N F F,et al. Spatial and seasonal variation of particulate matter (PM10 and PM2.5) in Middle Eastern classrooms[J]. Atmospheric Environment,2013,80:389–397 DOI:10.1016/j.atmosenv.2013.07.067
35 Fang G C,Zhuang Y J,Kuo Y C,et al. Ambient air metallic elements (Mn,Fe,Zn,Cr,Cu,and Pb) pollutants sources study at a rural resident area near Taichung Thermal Power Plant and Industrial Park:6-month observations[J]. Environmental Earth Sciences,2016,75(7):587 DOI:10.1007/s12665-016-5347-5
36 Gao Y,Guo X Y,Ji H B,et al. Potential threat of heavy metals and PAHs in PM2.5 in different urban functional areas of Beijing[J]. Atmospheric Research,2016,178–179:6–16 DOI:10.1016/j.atmosres.2016.03.015
37 Lee K Y,Wong C K C,Chuang K J,et al. Methionine oxidation in albumin by fine haze particulate matter:An in vitro and in vivo study[J]. Journal of Hazardous Materials,2014,274:384–391 DOI:10.1016/j.jhazmat.2014.04.029
38 Lin K P,Pai P F,Yang S L. Forecasting concentrations of air pollutants by logarithm support vector regression with immune algorithms[J]. Applied Mathematics and Computation,2011,217(12):5318–5327 DOI:10.1016/j.amc.2010.11.055
39 Marshall J D,Nethery E,Brauer M. Within-urban variability in ambient air pollution:Comparison of estimation methods[J]. Atmospheric Environment,2008,42(6):1359–1369 DOI:10.1016/j.atmosenv.2007.08.012
40 Perez P. Combined model for PM10 forecasting in a large city[J]. Atmospheric Environment,2012,60:271–276 DOI:10.1016/j.atmosenv.2012.06.024
41 Taylor S J,Letham B. Forecasting at scale[J]. The American Statistician,2018,72(1):37–45 DOI:10.1080/00031305.2017.1380080
42 Wang D Y,Wei S,Luo H Y,et al. A novel hybrid model for air quality index forecasting based on two-phase decomposition technique and modified extreme learning machine[J]. Science of the Total Environment,2017,580:719–733 DOI:10.1016/j.scitotenv.2016.12.018
43 Yu L A,Dai W,Tang L. A novel decomposition ensemble model with extended extreme learning machine for crude oil price forecasting[J]. Engineering Applications of Artificial Intelligence,2016,47:110–121 DOI:10.1016/j.engappai.2015.04.016
44 Zhang X Y,Wang Y Q,Niu T,et al. Atmospheric aerosol compositions in China:Spatial/temporal variability,chemical signature,regional haze distribution and comparisons with global aerosols[J]. Atmospheric Chemistry and Physics,2012,12(2):779–799 DOI:10.5194/acp-12-779-2012
45 Zhou Q P,Jiang H Y,Wang J Z,et al. A hybrid model for PM2.5 forecasting based on ensemble empirical mode decomposition and a general regression neural network[J]. Science of the Total Environment,2014,496:264–274 DOI:10.1016/j.scitotenv.2014.07.051
引用本文
张立文, 程东坡, 许玲丽. 新时代背景下环境保护政策对雾霾防治的效应分析——基于PM2.5浓度变化视角的实证研究[J]. 上海财经大学学报, 2019, 21(2): 17-29.
导出参考文献,格式为: