谈霾何须色变？胡大源教授以统计和监测数据“解读”雾霾 -凯发官网入口首页

北京空气质量变好了？还是变坏了？

根据前些年环境监测学术讨论会上提交的论文，1982-1997年全国总悬浮颗粒物从729微克/立方米下降到了291微克/立方米。北方城市由950微克/立方米降低到381微克/立方米。环境监测信息若及时公开出来，不但有利于民众和媒体的了解我国城市空气质量的不断改善，配合各项措施的实施，而且可以在很大程度上降低特殊天气引发民众恐慌的概率。

北京空气质量评价不单单是测量指标的问题，还与公众的感受、信任和信息传递途径有关。准确评价北京空气质量涉及到概念、现状、变化趋势、影响因素、成分和来源，危害和标准，目前许多问题仍处于研究探讨过程中。发达国家已观察和研究了几十年，他们取得的经验是否可以照搬，直接用于发展中国家仍有待检验。

怎样看待雾霾？长期研究空气颗粒物控制的环境专家白志鹏教授认为国内外对霾的认识没有十分确切统一的说法。霾是从haze翻译过来的，haze的本义是指空气中气溶胶对能见度的影响，但气溶胶有些成分是纯粹的自然现象，并非有害。而我们需要表述人为空气污染带来的不利影响，姑且借“霾”字一用。霾在古汉中就用到过，“风而雨土曰霾”，讲的就是现在的扬沙、扬尘，的确不是什么新问题。将西方科学知识引入中国的意大利传教士利玛窦，400多年前就对当时的北京到处都落满尘埃感触颇深。

世界气象组织对灰霾的定义是能见度降到5公里之内，相对湿度低于80%。空气湿度在95%以上叫雾，中间这段称为灰霾或薄雾。但薄雾对公众的危害程度到底有多大，仍在研究过程中。谈霾色变是否会造成民众不必要的恐慌？

气象观测经验丰富的吴兑教授根据从上世纪50年代以来的气象数据整理出北京雾霾出现天数的长期变化图，霾日与轻雾日相比变化幅度要大得多，上世纪50到60年代天数下降，60年代后期最少，此后回升；上世纪80至90年代，是霾出现天数的高发期；从本世纪开始持续下降，在2010年前后形成低谷。这与许多人的印象未必一致。

印象的形成是人们长期生活感受的积累。对于空气质量的感受，通常来自能见度的变化。根据国家气象信息中心余予、中国环境监测总站孟晓艳和张欣的研究成果，1980-2012年北京各气象台站的能见度变化趋势并不完全相同。城区基本上持平，北京观象台、朝阳、丰台站的能见度都呈改善态势，只有海淀和石景山能见度有所下降。总的来看，北京地区的能见度是有升有降，升多降少。从不同季节来看，除了夏季下降外，春秋冬三季能见度均都在上升。

为什么很多人会认为现在北京的能见度越来越差呢？蓝天远不如雾霾天更容易引起媒体和公众的关注，从而给人们留下生动深刻的印象。哈佛心理学教授bazeman的研究表明：现实生活中人们的许多决策都会受到信息生动性的影响。人们常会根据自己记忆某一事件发生情况来推断这一事件的普遍性，从而造成经验判断偏差。

tsp、 pm10和pm2.5的监测及标准

雾霾是气象部门术语，环境科学研究关注的则是不同空气动力学直径的颗粒物污染，如tsp、 pm10和pm2.5。发达国家的环境质量标准是在其特定法律制度环境下，经过长期研究和社会不同利益群体广泛讨论、反复协商的基础上逐步形成的，与其特定的自然条件、污染状况和民众需求密切结合，根据学术研究和媒体报道不断调整改进。我国幅员辽阔，受季风气候的影响许多气象因素在变化幅度和地域分布上都与欧美发达国家存在很大差异。此外，改革开放30多年来，全国各地的经济发展程度和民众当前亟待解决的问题也各不相同。因此，环境质量标准的制定不应当作纯粹的技术质量标准来来看待，大可不必照搬紧跟欧美标准，而应以开放的心态和务实的作风，深入开展与标准制定相关的社会经济调查研究，取得相关部门和不同利益群体的广泛谅解与配合。发达国家的科研成果、政策措施以及世界卫生组织的建议都值得借鉴，但何时采取何种措施应根据我国的实际情况来决定。反应迟钝、过于保守当然是错误的，但反应过激、脱离当时当地的实际情况造成的危害和损失往往更为严重。

2014年，中国科学院大气物理所和新疆环境监测总站的郭宏宇等研究人员，在分析2005-2008、2011 年tsp和pm10监测指标数据的基础上，研究了tsp 与pm10监测指标对应的api 污染指数分布和空气质量等级，发现tsp 作为评价指标更能如实反映当地空气质量的真实状况，建议在新疆城市开展pm10监测的同时不应简单废弃tsp监测指标。实际上，我国西北和华北的许多城市都不同程度的受沙尘天气的影响，空气颗粒物质量浓度存在较高的本底值。简单照搬国际标准制定的环境质量目标，不但脱离实际、难以实现，还有可能助长弄虚作假之风，进一步损害政府信誉，更有甚者，可能对经济发展造成不必要的损失，从而伤害广大民众的根本利益。

从统计和监测数据看北京空气质量变化

从北京市环保局公布的自2000年以来空气污染监测结果来看，无论是可吸入颗粒物pm10，还是二氧化硫都呈现持续下降态势。二氧化硫现在已经达标了，反映了城近郊区煤改气/煤改电和积极促进产业转型取得的成效。然而，氮氧化物从2008年奥运结束到现在并没有下降，这也表明北京正经历污染类型的转变，从煤烟/土尘污染转变为机动车等复合污染，多种污染物形成的复杂化学变化过程，其中占比较高的二次细颗粒物污染问题尚未弄清楚，预示着北京空气污染进一步改善的难度将会不断增大。

首先来看公开发布的空气颗粒物监测数据，从北京市统计年鉴和中国环保年鉴中只能查到从1997年到2003年的北京总悬浮颗粒物tsp的年均浓度，自2004年起tsp指标废弃。北京可吸入颗粒物pm10的年均浓度从2000年开始发布。2012年美国大使馆发布了pm2.5检测记录后，北京从2013年起开始同时公布pm2.5（细颗粒物）。

2000年北京年均pm10质量浓度为162微克/立方米，2003年一度下降至141微克/立方米。2006年受春节沙尘天气频发的影响，pm10反弹至161微克/立方米。2007年以来pm10持续下降，至2013年最低到108微克/立方米，2014年小幅回升至115.8微克/立方米。利用仅有的14个年均浓度数据可以做一个非常简单的时间序列回归分析，参数估计的统计检验高度显著，表明13年来北京pm10浓度每年平均下降4.37微克/立方米，可决系数r2为0.8267。但2014年pm10年均年度的反弹预示着未来每年4.4微克的下降速度将会面临越来越大的挑战。

pm2.5季度数据模型

接下来看看pm2.5监测数据。北京环保局发布的监测数据从2013年开始，目前仅有两年，样本太小，难以做统计分析。公开发表的学术研究成果中北京pm2.5监测数据可以追溯到上世纪90年代中后期，但不同项目研究的监测时间长短不一，地点各异。因此，需要做大量数据收集整理工作，尽可能提高数据的可比性。此外，还收集了美国大使馆公布的pm2.5浓度监测数据，这一长期连续监测数据，最早可上溯到2008年北京奥运会期间。除去用于对照分析的背景站监测值，经过整理后基本可用的季度数据样本容量扩展到88个。

pm2.5浓度不仅变化频繁而且变化幅度大，数小时之内就有可能飙升或骤降数倍甚至十几倍，在经济生活中难以找到与之密切关联并且监测如此频繁的解释变量。长期连续观察可见，对pm2.5浓度变化影响最大的主要是天气因素。

北京天气因素（尤其是风速风向）的变化，又与季节紧密相关。因此需要在计量经济模型中用哑变量（dummy variable）控制不同季节的影响。回归分析结果显示：北京pm2.5的趋势仍然呈微弱的下降趋势，平均每年下降1.5微克。从统计上看，这一参数估计在5%的水平上显著。

2014年北京pm2.5年均浓度为85.9微克，与上年同比下降4.0％，约3.6微克。2015年北京市制定的目标是“力争使pm2.5年均浓度同比下降5%左右”，约4.3微克。现在看来，要实现这一目标，除了人努力以外，还希望天帮忙。如果秦大河先生的看法正确，北方城市细颗粒物的本底值约为60-80微克，那么，北京pm2.5要保持每年4%至5%的下降幅度将越来越难。2014年pm10年均浓度7.1%的回升或许是一个值得警觉的信号。

计量经济模型还分析了各个季节的pm2.5情况，夏季pm2.5浓度最低，春秋冬三季分别比夏季高出13微克,15.5微克,53.4微克。但在参数估计的假设检验中，只有冬季为高度显著，春秋两季均未达到10%的显著性水平。

pm2.5月度数据模型

加入社会经济活动变量是我们的研究兴趣之一。北京日均天然气消费从上世纪90年代中期不足30万立米发展到2014年将近3000万立米，20年间增张近百倍。煤改气在北京的空气颗粒物污染治理中扮演了举足轻重的角色。此外，多年环境统计数据表明，自1981年以来，北京的烟尘粉尘排放整体上呈现持续下降的态势。在多年环境统计指标中，这是与空气颗粒物浓度最密切相关的指标。在月度数据模型中，解释变量包括日均天然气消费和烟粉尘排放，用平均风速来控制主要气象因素的影响，在季节变化的基础上进行线性回归分析。在大气污染控制角度看，“风和湍流是决定污染物在大气中扩散状态的最直接和最本质的因子,是决定污染物扩散的决定因素”。此外，常用气象变量风力、相对湿度及温度之间往往存在较强的相关性，对于并不很大的样本容量（n=140），解释变量之间的多重共线性极易影响参数估计的显著性检验。因此，在这个简单的回归模型中仅用平均风速这一决定性气象因素作为控制变量。

模型结果表明：季节因素中，与此前的季度回归分析结果符号一致，春秋冬三季分别比夏季高出24.3微克,13.4微克, 43微克。冬季和春季的参数估计在统计上均高度显著。风速增大会促进颗粒物污染的扩散，平均风速提高1米/秒，颗粒物浓度下降22微克。经济因素中日均天然气消费只有年度数据，作为解释变量加入月度数据模型后得到的结果高度显著，验证了天然气代替燃煤，减少细颗粒物排放，从而降低pm2.5质量浓度。烟尘粉尘排放的参数估计符号是正号，与预期相符，烟尘粉尘排放越多则pm2.5浓度越高，但统计检验表明显著性程度不够高。统计上不显著并不能就此认为这个变量无关紧要，不显著的原因可能来自统计加总误差大，也可能由于于日均天然气消费相比，烟尘粉尘排放解释pm2.5浓度变化的能力相对较弱。

pm2.5小时数据模型

pm2.5小时数据模型的数据收集与整理工作非常耗时费力，刚刚过去的这个冬季四个多月的pm2.5浓度和相关气象因素有2800多个观测值，涉及数以万计的数据收集、录入和处理。从北京市2014年11月1月到2015年2月28日的小时数据的描述性统计分析来看，在一天24小时内pm2.5浓度变化为u型分布，最低点在白天11至12点附近，浓度接近80微克；最高点在夜晚24点到1点附近，浓度超过120微克。简单相关分析表明，pm2.5浓度变化与风速、温度呈负相关关系，与相对湿度呈正相关关系。这些假设均可在多元回归模型中在0.01的显著性水平上得到验证。有趣的是，在这些重要的气象因素得到控制后，在计量经济模型中通过设置哑变量得到的pm2.5峰谷与此前的描述性统计分析结果截然不同。低谷出现在凌晨4-6点钟，最高峰出现在下午13-15点钟。显然这与一天中人们的社会经济活动的活跃程度有关，反映了人为活动对空气颗粒物污染浓度的影响。

此外我们还在上述模型分析的基础上，添加哑变量以便分析节假日与工作日pm2.5浓度变化。结果发现节假日比工作日的pm2.5浓度平均降低14.9微克。这一统计上高度显著的分析结果从不同的角度表明北京人为活动对北京空气颗粒物污染的影响，在某种程度上反映了机动车出行对pm2.5浓度的影响。

这个模型还可以用于分析风向对北京pm2.5浓度的影响。在过去的这个冬季，最有利于北京空气颗粒物污染扩散的是东北风和西北风，最不利于北京空气颗粒物污染扩散的是东风、无风和不定风，南风和西南风较为不利于北京的污染扩散。

结束语

经济学常用计量经济模型来验证关于人们行为的假设。上述几个模型要说明的问题其实很简单。pm2.5年度数据模型说明：以这两年发布的数据为出发点，未来pm2.5的持续下降会比pm10更难。若当初保留下来tsp作为参照，北京颗粒物的持续改善或许更容易得到民众和媒体的认同。pm2.5季度数据模型尝试用经济变量来解释pm2.5的变化，发现便于验证的经济指标如天然气消费与层层统计汇总的烟粉尘减排更能说明pm2.5的变化。pm2.5小时数据模型说明：统计描述和简单相关分析展现的往往只是事物的表面现象，可能造成决策者的判断偏差。多变量计量经济分析可以帮助我们在控制部分因素的同时分析另外一些影响因素，从而透过现象揭示事物内在的规律。

研究环境污染治理我们应以敬畏之心来看待客观存在的规律。学者最重要的职责，就是要弄清楚事情内在的规律，不能轻易就出于常理或某种信仰而轻易下结论，而是不断根据新的证据来调整自己的看法。

随着科技水平的不断提高，人们观察周边事物的精细程度也越来越高。随着收入的增长，人们对于高质量生活的需求也不断提高。看待空气颗粒物污染，从tsp到pm10，再到pm2.5，就好比从肉眼到放大镜，再到显微镜来看世界，可以看到的有害物质越来越多，也越来越复杂了。因而如何判断孰重孰轻就越发重要了。上世纪80年代系统工程最活跃的时期就有学者注意到：系统越复杂，数学模型越大，就越有可能产生较大的误差。在经济和金融领域，对解决现实问题帮助最大的并不是复杂的数学模型，而是通过深入调查研究找出决定事物发展的决定性因素，从而以较少的投入取得较高的收益。

本文来源：北大国家发展研究院胡大源教授2015年3月13日在天则经济研究所“天则双周论坛”上的发言：《从沙尘暴到雾霾——我国空气污染治理的观察与反思》。

胡大源：北京大学国家发展研究院教授