王嘉宁 李业锦 李怡旻 李倩

摘要：[目的/意义]探究京津冀地区雾霾污染的分布特征以及影响因素，厘清PM2.5浓度与制造业集聚之间的关系，可能是推动京津冀地区绿色发展的重要途径。[方法/过程]本文基于2005—2013年京津冀地区规模以上工业企业微观数据以及NASA的年均PM2.5浓度数据，以京津冀204个区（县）为研究对象，探究制造业集聚与PM2.5浓度的时空演化特征，运用地理探测器方法，从集聚形式和行业异质性两个视角揭示PM2.5浓度空间分布的影响机理。[结果/结论]①京津冀地区年均PM2.5浓度呈现西北低、东南高的空间分布格局，且上升态势明显。制造业集聚形式呈现空间分异特征，其中集聚密度呈现“京-津-邯”三核心组团式发展格局。专业化集聚表现为“张-保-邢-秦”四小型核心发展格局。多样性集聚呈现集中连片式发展格局。②不同时期的制造业集聚形式对PM2.5浓度的解释力存在差异。集聚密度始终是PM2.5浓度空间分布的主导因素，但影响程度有所下降，专业化集聚对于PM2.5浓度的解释力有所增强。不同集聚形式的交互作用加强了对PM2.5浓度空间分布的影响程度。③从行业异质性来看，化学原料及化学制品制造业是导致PM2.5浓度空间分异的主导因素，化学原料及化学制品制造业与其他因子的交互作用的解释力明显强于其他因子间的交互作用，其与黑色金属冶炼及压延加工业交互作用的解释力最高。因此，引导制造业空间合理集聚、有序集聚、多样性集聚，加大偏污染型、重化工产业的疏解力度，加快推动制造业绿色环保转型，是京津冀地区PM2.5环境治理的重要战略选择。

关键词：集聚形式 PM2.5 地理探测器 京津冀地区

分类号：F427

DOI： 10.19318/j.cnki.issn.2096-1634.2022.02.15

？本文系国家自然科学基金项目“北京城市环境污染对居民居住空间选择的影响及其演化模拟”（项目编号：41671166）、国家自然科学基金青年项目“基于城市安全环境评价的大城市应急避难场所区位优化配置研究：以北京为例”（项目编号：41001105）研究成果之一。

1 引言

不合理的产业集聚有可能会加剧环境的污染，产生一系列的环境问题以及潜在的环境威胁。近年来，京津冀地区作为雾霾污染重灾区，实施了《大气污染防治行动计划》《大气十条》等政策，同时将加强工业企业大气污染综合治理看作一号工程。然而对一些不合理的产业集聚区进行疏解转移有可能比直接进行治理更为有效。因此，探究京津冀地区不同时期雾霾污染分布特征以及影响因素，积极厘清PM2.5（细颗粒物）浓度与制造业集聚之间的关系，可能是推动京津冀地区绿色发展的重要途径。

环境问题与经济活动的影响、产业集聚的环境效应是经济地理学和环境经济学的研究热点，随着环境经济地理学和演化经济地理学的兴起，有关集聚与环境的问题逐渐成为学术界研究的核心主题[1]。已有研究主要集中在工業集聚与环境污染方面[2-14]。从行业异质性视角出发，学者们发现不同污染程度的行业集聚对环境造成的正负外部性有所不同[6-10]，研究尺度包括全国尺度[11]、区域尺度[12]、省级尺度[13]和市级尺度[14]。此外，也有学者对农业以及服务业集聚与环境进行了研究[15-16]。从不同集聚形式视角出发，依托集聚的外部性理论，学者们多从专业化集聚和多样性集聚的角度去分析产业集聚与环境污染的相关问题[17-18]。随着研究的不断深入，学者们[19-23]将集聚形式细分为空间形式和组织形式来探讨集聚与环境的关系，主要探究产业集聚与环境污染的空间关系和计量关系两个方面的内容：对于空间关系常用空间自相关等空间分析的方法[20-21]；对于计量关系常构建计量经济模型、空间杜宾模型等计量模型[22-23]。目前，有关产业集聚与环境污染关系的结论在学术界并未达成一致，主要存在三种观点：①产业集聚具有环境负外部性效应——集聚导致规模扩大、产能扩张，产生过度拥挤效应、密集效应、恶性竞争效应，加剧环境污染[24-25]；②产业集聚具有环境正外部性效应——产业集聚产生的知识外溢以及技术扩散为产业发展提供创新环境，产生的规模效应提高能源使用效率，良性竞争促进企业间物质交换，从而减轻环境污染[26-27]；③产业集聚与环境污染的关系具有不确定性，存在非线性和门槛效应特征——不同时期的产业集聚所产生的环境正外部性以及环境负外部性共同作用的结果决定了产业集聚的环境效应，呈现出倒“U形”[28]、“U形”[29]、“N形”[30]、倒“N形”[31]以及“S形”[32]等关系。纵观现有文献，尽管学术界对产业集聚与环境污染进行了深入的探讨和研究，但仍有以下问题值得进一步讨论：①研究主要基于城市群、地市等大中尺度，对京津冀地区的微观尺度研究比较匮乏，京津冀地区各区（县）具有空间异质性，不同区（县）存在不同污染特征；②不同集聚形式对于雾霾污染的影响程度存在差异，从行业异质性视角出发，较少实证分析京津冀地区细分行业集聚对雾霾污染的影响机理。

基于此，本文以京津冀区（县）为研究区域，采用2005—2013年中国工业企业数据以及美国国家航空航天局（National Aeronautics and Space Administration，NASA）的年均PM2.5浓度数据，在总结现有学者的相关文献以及研究的基础上，将制造业集聚分为空间形式以及组织形式，分析制造业集聚与PM2.5浓度的时空演化特征，并利用地理探测器探讨不同集聚形式以及制造业细分行业集聚对PM2.5浓度空间分异的驱动作用，剖析京津冀地区产业集聚的环境效应，以期为探索京津冀各区（县）制造业的合理布局和雾霾污染治理提供理论和决策依据。

2 数据来源和研究方法

2.1 数据来源

2.1.1 工业企业数据 工业企业数据来自2005—2013年中国工业企业数据库，该数据库包括全部国有工业企业以及规模以上非国有工业企业。本文选择规模以上工业企业点位的工业总产值、行业名称、详细地址等信息，然后整理获得各区（县）国民经济行业分类代码介于13～43之间的制造业行业的工业总产值，通过计算得出各区（县）制造业以及细分行业的工业总产值，并提取2005年9，511家企业和2013年19，851家企业的详细地址信息，通过百度地图应用程序接口（Application Programming Interface，API）接口，批量获取制造业企业的经纬度，将每家企业坐标空间化。

2.1.2 PM2.5浓度数据 PM2.5浓度数据来源于哥伦比亚大学国际地球信息科学网络中心所属的社会经济数据和应用中心所发布的2005—2013年的平均栅格数据，该数据是以卫星搭载的中分辨率成像光谱仪和多角度成像光谱仪对气溶胶光学厚度进行测定后转换而来。本文通过ArcGIS10.2软件的“按掩膜提取”功能以及以表格显示分区统计等工具将原栅格数据进行处理，得出京津冀各区（县）的年均PM2.5浓度数据。

2.2 研究方法

2.2.1 制造业集聚空间组织形式指标测度 从集聚的外部性差异出发，依据集聚在空间层面和组织层面所表现出的不同特征，将集聚分为空间形式和组织形式。空间形式主要利用集聚密度、企业地理邻近度等指标进行测度；组织形式主要利用专业化指数、多样性指数、相关多样性指数和非相关多样性指数进行测度。①集聚密度：利用相对制造业密度来表示京津冀各区（县）制造业空间集聚的水平。②企业地理邻近度：以京津冀各区（县）的企业点纬度值的变异系数和经度值的变异系数进行构建。③专业化指数和多样性指数：分别以京津冀各区（县）规模最大行业的区位商和赫芬达尔指数的倒数表示。④相关多样性与非相关多样性：参考潘文卿等[33]中根据投入产出表计算得到的产业分类结果，将31个制造业（由于废弃资源综合利用业、金属制品、机械和设备修理业行业产值基本为0，故只将29个制造业行业进行分类）分为4大类聚集集合，大类内的行业间具有关联性，大类之间具有非关联性，据此计算大类行业的熵可得非相关多样性，对每一大类中行业的熵进行加权求和得到相关多样性。具体公式和解释说明见表1。

3 制造业集聚与PM2.5浓度的时空演化特征

3.1 PM2.5浓度的时空演化特征

总体来看，京津冀地区年均PM2.5浓度，空间分布上由东南向西北呈现圈层结构并逐渐递减，高值区位于石家庄以及邯郸的部分区（县）；时间分布上呈现上升趋势。由图1可知，分时间段来看，2005年石家庄桥东区、桥西区以及邯郸丛台区的PM2.5浓度的范围均在70.1～95.0 ug/m3期间。2013年京津冀东南部分区县的年均PM2.5浓度上升到95.1～120.0 ug/m3，高浓度区域仍旧处于石家庄桥东区、桥西区以及邯郸丛台区，这些地区以发展钢铁等重污染企业为主，导致其雾霾污染防控形势严峻。

3.2 制造业集聚形式的时空演化特征

本文利用ArcGIS 10.2软件，将制造业不同集聚形式的数值由低到高依次划分为低值区、较低值区、中值区、较高值区和高值区五类。

3.2.1 集聚密度 空间分布呈现“京-津-邯”三核心發展格局。2005年，高值区包括天津和平区、邯郸复兴区、北京石景山区等；2013年，高值区以天津市和平区、邯郸复兴区和北京石景山区三个核心地区为中心，形成推动周边区（县）集聚密度增加的格局。这类地区具有良好的制造业发展基础和条件，其中天津市和平区是近代工业发祥地；北京市石景山区是首钢所在地，为重工业区；邯郸市复兴区是重化工业区，其制造业集聚密度较高（见图2）。

3.2.2 企业地理邻近度 2005—2013年，高值区由片状分布转变为零散点状分布，数量明显减少，由邯郸市魏县、邯郸市临漳县、沧州市吴桥县、张家口桥西区、张家口康保县、张家口阳原县、邢台新河县等41个区（县）减少到张家口康保县、沧州运河区等24个区（县）。京津冀南部地区2005年处于产业发展的早期，由于相关产业企业生产技术较为落后，中、小型企业数量偏多，导致企业集中建厂、生产；西部地区多山地，内部适宜发展工业的土地面积较小，各区（县）经济发展水平较低，在产业发展初期同样也出现扎堆建厂的现象。因此，初期企业地理邻近度高值区较多，集中连片分布在南部和西部的部分区（县）；后期产业发展良好，中、小企业逐渐整改或停产，大型企业迅猛发展，从而高值区逐渐减少（见图3）。

3.2.3 专业化与多样性集聚 ①专业化集聚：2005年，高值区连片集中分布在京津冀中部偏南的保定市清苑县、高阳县、邢台市柏乡县等部分区（县）以及西北部的张家口康保县、张家口桥东区、保定容城县等部分区（县）。2013年，低值区连片扩张，高值区由片状分布转变为“张-保-邢-秦”四小型核心发展格局。②多样性集聚：2005年，高值区分布在天津东丽区、北京通州区、石家庄裕华区等部分区（县），整体呈现“京-津-石”三核心集聚分布格局。2013年，低值区减少，高值区连片集中分布在北京朝阳区、北京东城区、天津武清区、保定安国市、石家庄裕华区等地区。发展初期，偏南部地区和西部地区各区（县）经济发展水平较低，制造业门类较单一，且西部地区发展因地形限制进行了大量资源整合，利用自身资源优势大力发展单一制造业门类，因此制造业专业化水平较高，多样性水平较低。发展后期，北京朝阳区、天津武清区等地区经济快速发展且不断增加企业间上下游联系，成为制造业多样性高值区。具体见图4。

3.2.4 相关多样性与非相关多样性：空间分布较分散 ①相关多样性：2005年，空间分布呈现“唐-邯”双核心高值集聚区和中部高值发展带，区（县）间相关多样性差距较大，邯郸武安市、唐山迁西县等部分区（县）产业间技术关联度较高，而秦皇岛卢龙县等部分区（县）产业间不存在技术关联；2013年，京津冀各区（县）的相关多样性发展水平差距缩小，高值区包括天津红桥区等部分区（县）。②非相关多样性：2005年，各区（县）非相关多样性存在高值极高、低值极低的差异化发展现象，高值区包括承德双滦区、唐山迁西县等部分区（县），低值区集中分布在张家口的大部分区（县）；2013年，各区（县）非相关多样性水平差距缩小，高值区包括邯郸邯山县、天津红桥区等部分区（县）。具体见图5。

4 PM2.5浓度空间分异驱动因素的实证研究

本文分别从集聚形式和行业异质性视角出发，利用地理探测器对PM2.5浓度空间分异的影响机理进行因子探测和交互探测。因子探测器主要探究驱动因子对PM2.5浓度空间分异的贡献程度，可明确各因子之间的相关互联性，分析各驱动因子多大程度影响了PM2.5浓度的空间分异，探究制造业不同集聚形式、细分行业集聚对PM2.5污染的发生和发展的决定性作用。交互探测器主要用来探测驱动因子对影响PM2.5浓度的空间分布是否具有交互作用，识别驱动因子之间的共同作用是否增加或减弱对PM2.5浓度的解释力。

4.1 基于集聚形式对京津冀地区PM2.5浓度空间分异影响的实证研究

遴选6个探测因素，分别为集聚密度（X1）、企业地理邻近度（X2）、专业化（X3）、多样性（X4）、相关多样性（X5）和非相关多样性（X6），运用ArcGIS10.2自然断点法进行要素分类后利用地理探测器的方法探讨制造业集聚形式对PM2.5浓度空间分异的影响显著程度。

4.1.1 基于地理探测器的因子探测 总体来看，不同时期各影响要素对PM2.5浓度的解释力存在着差异，其中集聚密度企业邻近度、多样性、相关多样性与非相关多样性的解释力有所减弱，专业化的解释力有所增强。相关多样性与非相关多样性对于京津冀各区（县）PM2.5空间分布的解释力大幅度降低，由高度显著变为不显著，说明近年来PM2.5浓度的加剧与制造业的相关多样性和非相关多样性集聚的关系程度较小。专业化集聚对于PM2.5浓度的解释力有所增强，且从不显著变为显著，说明同种类别的制造业在地区集聚逐渐加剧了PM2.5浓度空间分布的影响程度。集聚密度始终是PM2.5濃度空间分布的主导因素，但影响程度有所下降。分时间段来看，2005年，企业地理邻近度、相关多样性与非相关多样性在一定程度上影响PM2.5浓度空间分布，因子按照q统计量的大小进行整体排序最终得出：集聚密度>相关多样性>非相关多样性>企业地理邻近度。集聚密度的贡献率最大，解释力为35%，最为显著，其次是相关多样性，解释力为27.4%。这在一定程度上反映了集聚形式中的集聚密度是导致PM2.5浓度空间分异的主导因素。2013年，影响因子转为集聚密度、企业地理邻近度、专业化，因子按照q统计量的大小进行整体排序最终得出：集聚密度>专业化>企业地理邻近度。其中，集聚密度解释力为23.6%，最为显著。具体见表2。

4.1.2 基于地理探测器的交互探测 基于京津冀各区（县）PM2.5浓度的因子交互探测的结果显示，总体来看，各因子交互作用以非线性增强和双因子增强为主，说明京津冀各区（县）PM2.5浓度的空间分异是多种集聚形式共同影响的结果。其中，多数因子的交互作用的解释力趋于下降，企业地理邻近度与专业化、专业化与多样性交互作用的解释力增强。分时间段来看，2005年，各因子交互作用以双因子增强为主，说明在制造业集聚形式因子中任意的两个因子交互作用均大于单个因子的作用。其中，集聚密度与其他因子交互作用的解释力高于其他因子间的交互作用，与相关多样性交互作用时解释力最高。2013年，各因子交互作用以非线性增强为主，说明在所选的制造业行业集聚因子中任意的两个因子交互作用均大于两个因子之和的作用，集聚密度与其他因子交互作用的解释力高于其他因子间的交互作用，与专业化交互作用时解释力最高。具体见表3。

4.2 基于行业异质性对京津冀地区PM2.5浓度空间分异影响的实证研究

从制造业分行业工业总产值的占比来看（见图6），黑色金属冶炼和压延加工、化学原料及化学制品等重工业和化学工业在京津冀地区所占比重较大，这些行业往往是污染密集型和能源密集型行业。天津、唐山、衡水、邢台等都是能源密集行业占主导，这些地区的经济发展取决于环境开发和资源消耗的程度，使经济增长与环境脱钩的难度加大[36]。本文选取了31个制造业细分行业的集聚密度作为探测要素，利用地理探测器的方法进行横向比较各行业集聚对于PM2.5空间分异的相对重要性。

4.2.1 基于地理探测器的因子探测 基于不同行业集聚的PM2.5浓度空间分异驱动因子探测的结果显示，在31个制造业细分行业中，20个行业通过显著性检验，这些行业的集聚在不同程度上解释了PM2.5浓度空间分异的驱动机制。从q统计量大小的整体排名来看，化学原料及化学制品制造业、橡胶和塑料制品业、专用设备制造业、黑色金属冶炼及压延加工业、电气机械和器材制造业、通用设备制造业以及非金属矿物制品业是导致PM2.5浓度空间分异的主要因素，解释力分别为31.9%、27.9%、24.5%、24.4%、24.2%、22.6%、21.3%。其中，化学原料及化学制品制造业解释力最强，在一定程度上反映了化学原料及化学制品制造业的集聚对京津冀各区（县）PM2.5浓度空间分布具有显著影响，这是导致PM2.5浓度空间分异的主要因素。具体见表4。

4.2.2 基于地理探测器的交互探测 基于不同行业集聚的PM2.5浓度空间分异驱动因子交互探测的结果显示，各因子交互作用以非线性增强和双因子增强为主，说明京津冀各区（县）PM2.5浓度的空间分异不是由单个行业集聚所造成的，而是不同行业共同集聚的结果。其中，化学原料及化学制品制造业与其他因子的交互作用的解释力明显强于其他因子间的交互作用，其与黑色金属冶炼及压延加工业交互作用时解释力最高，为50.5%，其次是橡胶和塑料制品业与黑色金属冶炼及压延加工业的交互作用，解释力为50.3%。由此可见，化学原料及化学制品制造业与黑色金属冶炼及压延加工业、橡胶和塑料制品业与黑色金属冶炼及压延加工业在空间上的集聚对PM2.5浓度空间分布具有重要的影响。具体见表5。

5 结论与建议

5.1 结论

本文通过分析京津冀各区（县）PM2.5浓度与制造业集聚的时空演化特征，基于不同集聚形式和行业异质性，利用地理探测器识别京津冀区（县）尺度PM2.5污染空间分异的影响因素，得到如下结论。

（1）对基于年均PM2.5浓度、制造业集聚形式的时空演化特征分析可知：京津冀地区年均PM2.5浓度西北低、东南高，呈现上升趋势，高值区位于石家庄、邯郸的部分区（县）。制造业集聚密度的空间分布呈现“京-津-邯”三核心组团式发展的格局；企业地理邻近度高值区由片状分布转变为零散点状分布；专业化集聚空间分布由中部以及西北部集中连片发展格局转变为“张-保-邢-秦”四小型核心发展格局；多样性集聚空间分布由“京-津-石”三小型集聚核心格局转变为集中连片式发展格局；相关多样性与非相关多样性空间分布较分散，各区（县）相关多样性与非相关多样性发展水平差距逐渐缩小。总体来看，京津冀各区（县）的PM2.5浓度以及制造业集聚形式存在明显的空间分异性。

（2）从空间分异的机理上来看，制造业粗放式发展模式以及在空间上的不合理集聚对京津冀地区空气污染治理产生了威胁。2005—2013年，不同集聚形式对PM2.5浓度影响的结果表明，不同时期各影响要素对PM2.5浓度的解释力存在差异。其中，集聚密度一直是PM2.5浓度空间分布的主导因素，但影响程度有所下降；专业化集聚对于PM2.5浓度的解释力有所增强，这说明同种类别的制造业在地区集聚逐渐加剧了对PM2.5浓度空间分布的影响程度。同时，不同集聚形式的交互作用加强了对PM2.5濃度空间分布的影响程度。因此，防止制造业在空间上过度集聚，引导制造业空间合理集聚、有序集聚、多样化集聚，是京津冀地区PM2.5环境治理的重要战略选择。

（3）基于行业异质性的细分行业集聚对PM2.5浓度空间分异的影响的结果表明，化学原料及化学制品制造业、橡胶和塑料制品业、专用设备制造业、黑色金属冶炼及压延加工业等的集聚是导致PM2.5浓度空间分异的主要因素。其中，化学原料及化学制品制造业的集聚是导致PM2.5浓度空间分异的主导因素。同时，化学原料及化学制品制造业与其他因子的交互作用的解释力明显强于其他因子间的交互作用，其与黑色金属冶炼及压延加工业交互作用时解释力最高。因此，京津冀地区作为世界性雾霾问题最突出的地区之一，应加快疏解化学原料及化学制品制造业等细分行业的集聚，以及化学原料及化学制品制造业与黑色金属冶炼及压延加工业等偏污染型、重化工行业在空间上的共同集聚，这是降低京津冀各区（县）PM2.5浓度的重要路径。

5.2 建议

京津冀地区是我国PM2.5污染的重灾区之一，因此，在面对制造业产业集聚发展与PM2.5污染治理时，需要科学管控、精准施策，逐步开展生态文明建设，实现可持续发展。因此，本文提出以下政策建议。①合理制定政策，产业科学布局。按照制造业的集聚情况，从治理方案、集聚特点、管理重点、政策支撑等多方面进行区域差异化管理，合理制定制造业发展规划，通过降低地租、财政补贴等政策，鼓励企业迁移到制造业发展基础薄弱且亟须发展的地区。同时，在这些地区建立可承接企业的制造业园区，增加企业间上下游联系，提高产业多样化水平，并对园区的污染物进行统一检测、处理以及排放，防止地区PM2.5浓度升高。②优化产业结构，提升生产技术。以PM2.5浓度的标准来控制促进制造业转型，通过制造业结构的优化和转型升级，来改变京津冀地区以放任空气污染为代价的传统的工业化发展模式，做好工业固废等大宗废弃物的资源化利用，大力发展绿色产业。引进培养相关产业和环保领域的人才，建立人才队伍，加大资金投入，攻克环境污染治理和高效生产的关键技术。③设立大气环境监测合作机制，完善大气环境监测网络，加强区域内环境监测合作定期协商，推进大气监测数据共享，持续提高空气质量优良率。同时，科普环保知识，提高环保意识。

参考文献：

[1] 孙博文. 环境经济地理学研究进展[J]. 经济学动态， 2020（3）： 131-146.

[2] CHEN D K， CHEN S Y， JIN H. Industrial agglomeration and CO2 emissions： Evidence from 187 Chinese prefecture-level cities over 2005-2013[J]. Journal of Cleaner Production， 2018（ 172）： 993-1003.

[3] LIU Z D， CAI Y， HAO X J. The agglomeration of manufacturing industry， innovation and haze pollution in China： Theory and evidence[J]. International Journal of Environmental Research and Public Health， 2020， 17（5）： 1670.

[4] 张姗姗， 朱晓东， 张磊， 等. 苏锡常地区制造业污染减排综合分析与评价[J]. 地理科学， 2020， 40（2）： 238-247.

[5] 候勃， 岳文泽， 王腾飞. 中国大都市区碳排放时空异质性探测与影响因素： 以上海市为例[J]. 经济地理， 2020， 40（9）： 82-90.

[6] 仇方道， 蒋涛， 张纯敏， 等. 江苏省污染密集型产业空间转移及影响因素[J]. 地理科学， 2013， 33（7）： 789-796.

[7] 王亚平， 曹欣欣， 程钰， 等. 山东省污染密集型产业时空演变特征及影响机理[J]. 经济地理， 2019， 39（1）： 130-139.

[8] 薛黎明， 赵桔， 郑志学， 等. 基于Lotka-Volterra模型的煤炭产业与环境系统协调性研究[J]. 地域研究与开发， 2020， 39（5）： 150-155， 162.

[9] 邹辉， 段学军. 中国化工产业布局演变与影响机理研究[J]. 地理科学， 2020， 40（10）： 1646-1653.

[10] 周沂， 贺灿飞， 刘颖. 中国污染密集型产业地理分布研究[J]. 自然资源学报， 2015， 30（7）： 1183-1196.

[11] 胡志强， 苗健铭， 苗长虹. 中国地市尺度工业污染的集聚特征与影响因素[J]. 地理研究， 2016， 35（8）： 1470-1482.

[12] 丁镭， 夏会会， 师懿， 等. 2000—2015年长江经济带工业结构演变及其环境效应[J]. 安全与环境工程， 2020， 27（2）： 8-16.

[13] 沈静， 向澄， 柳意云. 广东省污染密集型产业转移机制：基于20002009年面板数据模型的实证[J]. 地理研究， 2012， 31（2）： 357-368.

[14] 高爽， 魏也华， 陈雯， 等. 发达地区制造业集聚和水污染的空间关联： 以无锡市区为例[J]. 地理研究， 2011， 30（5）： 902-912.

[15] 邓晴晴， 李二玲， 任世鑫. 农业集聚对农业面源污染的影响： 基于中国地级市面板数据门槛效应分析[J]. 地理研究， 2020， 39（4）： 970-989.

[16] 余奕杉， 卫平， 高兴民. 生产性服务业集聚对城市绿色全要素生产率的影响： 以中国283个城市为例[J]. 当代经济管理， 2021， 43（4）： 54-65.

[17] DE LUCIO J J， HERCE J A， GOICOLEA A. The effects of externalities on productivity growth in Spanish industry[J]. Regional Science and Urban Economics， 2002， 32（2）： 241-258.

[18] 王艳华， 苗长虹， 胡志强， 等. 专业化、多样性与中国省域工业污染排放的关系[J]. 自然资源学报， 2019， 34（3）： 586-599.

[19] 胡志强， 苗长虹， 袁丰. 集聚空间组织形式对中国地市尺度工业SO2排放的影响[J]. 地理学报， 2019， 74（10）： 2045-2061.

[20] 张姗姗， 张磊， 张落成， 等. 苏南太湖流域污染企业集聚与水环境污染空间耦合关系[J]. 地理科学， 2018， 38（6）： 954-962.

[21] CHENG Z H. The spatial correlation and interaction between manufacturing agglomeration and environmental pollution[J]. Ecological Indicators， 2016（ 61）： 1024-1032.

[22] 姚成胜， 曹紫怡， 韩媛媛. 工业集聚、人口城镇化、土地城镇化与环境污染[J]. 地域研究与开发， 2020， 39（5）： 145-149.

[23] 修国义， 朱悦， 王俭. 产业集聚、人口规模与雾霾污染： 基于省际面板数据的实证[J]. 统计与决策， 2020， 36（7）： 61-65.

[24] 贾卓， 强文丽， 王月菊， 等. 兰州-西宁城市群工业污染集聚格局及其空间效应[J]. 经济地理， 2020， 40（1）： 68-75， 84.

[25] DURANTON G， PUGA D. Micro-foundations of urban agglomeration economies[J]. Handbook of Regional and Urban Economics， 2004（ 4）： 2063-2117.

[26] 彭倩， 干鎧骏. 产业集聚、生产率与污染排放： 来自中国制造业企业的经验证据[J]. 山西大学学报（哲学社会科学版）， 2020， 43（2）： 105-120.

[27] HOSOE M， NAITO T. Trans‐boundary pollution transmission and regional agglomeration effects[J]. Papers in Regional Science， 2006， 85（1）： 99-120.

[28] 王素凤， CHAMPAGNE P， 潘和平， 等. 工业集聚、城镇化与环境污染： 基于非线性门槛效应的实证研究[J].科技管理研究， 2017， 37（11）： 217-223.

[29] 王西琴， 李芬. 天津市经济增长与环境污染水平关系[J]. 地理研究， 2005， 24（6）： 834-842.

[30] 雷玉桃， 郑梦琳， 孙菁靖. 中国重点城市群工业集聚对雾霾污染的影响研究[J]. 软科学， 2020， 34（4）： 64-69.

[31] 曹杰， 林云. 我国制造业集聚与环境污染关系的实证研究[J]. 生态经济， 2016， 32（6）： 82-87.

[32] 张可， 豆建民. 集聚与环境污染： 基于中国287个地级市的经验分析[J]. 金融研究， 2015（12）： 32-45.

[33] 潘文卿， 李子奈， 刘强. 中国产业间的技术溢出效应：基于35个工业部门的经验研究[J]. 经济研究， 2011， 46（7）： 18-29.

[34] 王勁峰， 徐成东. 地理探测器： 原理与展望[J]. 地理学报， 2017， 72（1）： 116-134.

[35] 陈洪星， 杨德刚， 李江月， 等. 大数据视角下的商业中心和热点区分布特征及其影响因素分析： 以乌鲁木齐主城区为例[J]. 地理科学进展， 2020， 39（5）： 738-750.

[36] ZHAO Y B，WANG S J， ZHOU C S. Understanding the relation between urbanization and the eco-environment in China’s Yangtze River Delta using an improved EKC model and coupling analysis[J]. The Science of the Total Environment， 2016（571）： 862-875.

作者贡献说明：

王嘉宁：负责总体构思及主要内容撰写；

李业锦：负责方法指导及部分内容撰写；

李怡旻：负责部分内容撰写以及相关政策修改；

李 倩：负责部分内容撰写。

Research on the Influence of Manufacturing Agglomeration in Beijing-Tianjin-Hebei Region on PM2.5 Concentration Based on Geographic Detector

Wang Jianing1 Li Yejin1 LI Yimin2 Li Qian3 1College of Resources Environment and Tourism， Capital Normal University， Beijing 100048 2Faculty of Geographical Science， Beijing Normal University， Beijing 100088 3China International Engineering Consulting Corporation， Senior Engineer， Beijing 100048

Abstract： [Purpose/significance] Exploring the distribution characteristics and influencing factors of haze pollution in the Beijing-Tianjin-Hebei region and clarifying the relationship between PM2.5 concentration and manufacturing agglomeration may be an important way to promote the green development of the Beijing-Tianjin-Hebei region. [Method/process] 204 districts and counties in Beijing-Tianjin-Hebei Region were taken as research objects to explore the spatial and temporal distribution characteristics of manufacturing agglomeration and PM2.5 concentration based on the data of industrial enterprises and the average annual PM2.5 concentration data from 2005 to 2013. The geographical detectors were used to reveal the influence mechanism of PM2.5 concentration spatial distribution from the perspectives of industry heterogeneity and agglomeration. [Result/conclusion]①The average annual PM2.5 concentration in Beijing-Tianjin-Hebei region showed a low spatial distribution pattern in northwest and a high spatial distribution pattern in southeast， with the obviously upward trend. The agglomeration form of manufacturing industry presented the spatial differentiation characteristic， in which the agglomeration density presented the development pattern of “Beijing-Tianjin-Handan” three-core group. Specialized agglomeration was manifested in the four small core development patterns of “Zhangjiakou-Baoding-Xingtai-Qinhuangdao”. Diversity agglomeration showed a centralized and contiguous development pattern. ②There was difference in the explanatory power of manufacturing agglomeration forms to PM2.5 concentration in different periods. Agglomeration density is always the dominant factor in the spatial distribution of PM2.5 concentration， but the degree of influence decreases to some extent. Specialized agglomeration has enhanced the explanatory power of PM2.5 concentration. The interaction of different agglomeration forms strengthens the degree of influence on the spatial distribution of PM2.5 concentration. ③From the perspective of industry heterogeneity， chemical raw materials and chemical products manufacturing industry were the leading factors resulting in the spatial differentiation of PM2.5 concentration. The explanatory power of the interaction between chemical raw materials and chemical products manufacturing industry and other factors was obviously stronger than that of other factors， and the explanatory power of the interaction between chemical raw materials and chemical products manufacturing industry and ferrous metal smelting and rolling processing industry was the highest. Therefore， the pollution-prone and heavy chemical industries should also be redistributed more vigorously to guide the reasonable， orderly and diversified agglomeration of manufacturing space， and accelerate the green and low-carbon transformation of manufacturing industry， which is an important strategic choice for the environmental management of PM2.5 in Beijing-Tianjin-Hebei region.

Keywords： agglomeration form PM2.5 geographic detector Beijing-Tianjin-Hebei region