杨猛

(长江大学园艺园林学院,湖北 荆州 434025)

李启栋

(长江大学期刊社,湖北 荆州 434023)

改善空气质量，美化生活环境，提高生活品味，促进身体健康，已经成为民众的重要追求。党的十八大以来，中央采取了一系列措施，比如关停污染企业、清理湖泊水渠、扩大植树造林面积等。近年来，空气质量得到明显改善。在污染企业关停后，要进一步提升空气质量，主要依靠植树造林、种花植草等措施增加绿地面积。因此，研究绿地建设对空气质量的影响具有重要的现实意义。纵观国内外学术界关于空气质量与城市绿地的研究，主要集中在以下4个方面。一是关于空气质量的跨区域对比研究，如丁镭等[1]对湖北省城市环境空气质量时空演化格局及影响因素研究以及杨冕等[2]对长江经济带PM2.5时空特征及影响因素研究。二是在经济发展过程中各种因素与空气质量的相关性研究，如李静萍等[3]对工业化与城市化对中国城市空气质量影响路径差异的研究，马素琳等[4]对城市规模、集聚与空气质量的研究。三是绿地建设规划及评估方法研究，如方可等[5]以武汉市为例对城市绿地建设实施评估方法创新研究。四是绿化对经济发展和生态功能的影响研究，如刘志强等[6]对我国建成区绿化覆盖率与城镇化率的关系研究，杨帆等[7]以株洲市为例对绿地生态效应评估机制的研究。上述研究对于分析空气质量的影响因素以及明晰空气质量提升的机理有重要参考作用，但绿化建设到底对空气质量产生了怎样的影响，现有研究少有涉及。为此，笔者以湖北省荆州市为例，对绿地建设对空气质量的影响进行了实证分析，以为政府制定绿化政策提供参考。

1 数据来源

基于数据的可得原则和数据真实性可靠原则，以政府公布的统计资料为依据，采集了研究所需的数据。空气质量指标数据来源于《湖北省环境质量状况公报》(2003～2015年)，城市园林绿化指标来源于《中国城市建设统计年鉴》(2004～2016)。

2 研究方法

1)因变量的确定 空气中的主要污染物包括SO2、NO2、PM10、PM2.5、CO和O3。由于PM2.5、CO和O33个指标从2014年才开始监测，因而只能在SO2、NO2、PM10中进行选择。由此绘制2003～2015年的SO2、NO2、PM10浓度年际变化图(图1)。从图1可看出，荆州市SO2浓度和NO2浓度平均值基本都在国家标准GB3095—2012《环境空气质量标准》的二级标准值以下，而可吸入颗粒物PM10浓度一直在国家二级标准值以上。也就是说，PM10是影响荆州市空气质量的主要污染物。因此，选择可吸入颗粒物PM10作为衡量空气质量的指标，将其作为因变量，用Y表示。

图1 荆州市2003～2015年SO2、NO2、PM10 浓度年际变化情况

2)自变量的确定 选取反映园林城市绿化建设水平的3个评价指标作为自变量，即建成区绿地率X1、建成区绿化覆盖率X2和人均公园绿地面积X3。

3)模型构建 利用Eviews 6.0软件，采用向量自回归模型(VAR模型)分析绿地建设对空气质量的影响，构建如下模型：

Yt=α1X1t-n+α2X2t-n+α3X3t-n+εt

(1)

式中：Yt为k维内生变量向量；Xt是d维外生变量向量；t为样本个数；n为滞后阶数；α1、α2、α3为回归系数；εt为误差项。

3 实证分析

3.1变量描述性统计

应用Eviews 6.0软件对采集的数据进行处理，得到数据的基本特征值。从荆州市建成区的绿地率来看，最大为39.79%，最小为24.24%，均值为31.66%；从荆州市建成区的绿化覆盖率来看，最大值为39.78%，最小值为27.55%，均值为34.81%；从人均公园绿地面积来看，最大值为11.44hm2，最小值为4.26hm2，均值为7.67hm2；从可吸入颗粒物PM10的数量来看，最大值为150μg/m3，最小值为77μg/m3，均值为97.62μg/m3(表1)。由表1可知，各变量的标准差都较大，说明在2003～2015年的时间段城市绿化建设水平、空气质量都存在较大差异。

表1 变量描述性统计结果

注：样本数均为13。

3.2 变量平稳性检验

采用ADF检验方法对各个变量是否平稳进行单位根检验，结果见表2。

表2 各变量平稳性检验结果

注：c表示含截距项，t表示含趋势项，k为滞后阶数。DX1、DX2、DX3分别为X1、X2、X3的一阶差分形式。

由表2可知，因变量Y不存在单位根，是平稳变量。自变量X1、X2、X3在5%显著性水平下均存在单位根，变量不平稳；对变量X1、X2、X3分别进行一阶差分后，变量在5%显著性水平下均不存在单位根，变量平稳。因此，后续研究选择DX1、DX2、DX3为自变量，满足只有同阶单整变量才能进行协整检验的前提条件。

3.3 协整检验

采用LogL、LR、FPE、AIC、SC、HQ 6种标准确定VAR模型的最佳滞后阶数，结果见表3。

表3 VAR模型最佳滞后阶数检验结果

注：*表示在10%水平上显著。表4同。

根据表3的检验结果，依据FPE、AIC、SC、HQ准则选择的最优滞后阶数为1，依据LR准则选择的最优滞后阶数为0，按少数服从多数的原则，建立滞后阶数为1的VAR模型。其次，采用Johansen检验方法，检查变量Y和变量DX1、DX2、DX3间的协整关系，滞后阶数为0(表4)。从表4可看出，变量Y和DX1、DX2、DX3之间存在长期均衡关系。

表4 协整检验结果

3.4 Granger因果关系检验

对各变量进行Granger因果关系检验，滞后阶数为1，结果见表5。

表5 Granger因果关系

从表5可以看出，变量DX1、DX2、DX3不是Y的Granger原因，变量Y是DX1、DX2、DX3的Granger原因，它们之间存在Granger单向因果关系。

因此，城市绿地建设与空气质量的VAR模型的估计结果如下：

Y=0.5993Y(-1)-0.9284DX1(-1)-0.8303DX2(-1)+1.8874DX3(-1)+39.7046

(2)

图2 特征根检验图

模型的R2=0.5447，调整后R2=0.2845。从VAR模型的拟合效果来看，虽然城市绿地建设虽然对空气质量有影响，但影响幅度较小。同时，DX1、DX2滞后1期的值对Y有负向影响，说明DX1、DX2对空气质量的改善有促进作用。

3.5 VAR模型稳定性检验

特征根检验图如图2所示。从图2可以看出，模型的特征根均在单位圆内，表明VAR模型稳定，可以继续进行后续分析。

3.6 脉冲分析

以空气质量变化为纵坐标(y)，以滞后期为横坐标，对Y的脉冲响应函数进行分析，结果如图3和表6所示。

图3 脉冲响应图

表6 对Y的脉冲响应函数表达式

从图3和表6可看出，Y对来自自身的扰动反应强烈，初期就增长了24.1602，之后呈下降趋势，但都是正向影响。Y对DX1扰动带来的初期响应为0，第2期立刻下降了1.7067，第3期呈正向影响，之后均为负向影响至均衡处。Y对DX2扰动带来的初期响应为0，其余均为负向影响。Y对DX3扰动带来的初期，响应也为0，第2期、第8期呈正向影响，其余均为负向影响。表明DX1、DX2、DX3在长期来看均对Y有抑制作用，即对空气质量的改善有正向促进作用。

4 结论与建议

本研究采用VAR模型对城市绿地建设与空气质量的关系进行了实证分析，结果表明荆州市的绿地建设对空气质量的提升有促进作用，但作用有限。Granger因果关系检验表明绿地建设与空气质量之间只存在单向因果关系，脉冲响应函数的检验结果则表明绿地建设对空气质量的改善有正向促进作用。因此，积极进行绿地建设，有利于空气质量的改善，但仅仅采取这一措施仍然很不够。要完全改善荆州市的空气质量，必须从源头着手，下狠功夫控制空气污染物排放源，加强对污染企业的治理，对于长期以煤炭为燃料进行生产并排放SO2、NO2、PM10、PM2.5、CO严重的企业要下决心实行关停。无论是政府还是企业，都应当树立高度的责任意识，切实搞好低碳环保工作，让企业发展与国家规划相协调,最终使荆州市空气质量得到根本改善。

[1]丁镭，刘超，黄亚林，等.湖北省城市环境空气质量时空演化格局及影响因素[J].经济地理，2016，36(3)：170～178.

[2]杨冕，王银.长江经济带PM2.5时空特征及影响因素研究[J].中国人口.资源与环境，2017，27(1)：91～100.

[3]李静萍，周景博.工业化与城市化对中国城市空气质量影响路径差异的研究[J].统计研究，2017，34(4)：50～58.

[4]马素琳，韩君，杨肃昌.城市规模、集聚与空气质量[J].中国人口.资源与环境，2016，26(5)：12～21.

[5]方可，哈思杰，唐梅，等.城市绿地建设实施评估方法创新研究[J].城市规划学刊，2015，(6)：84～89.

[6]刘志强，刘晔，洪亘伟.我国建成区绿化覆盖率与城镇化率的关系研究[J].生态经济，2017,33(6)：205～211.

[7]杨帆，刘海龙，尹芳，等.基于城市碳氧均衡的绿地生态效应评估机制研究[J].生态经济，2016，32(10)：145～150.

[编辑] 李启栋