4.3 环境政策研究实例分析在线视频

下面呢我们来结合我们的这个研究实例

来向大家介绍这个

关于环境管理和规划范畴的

研究的主要的一个步骤

第一个呢实例呢

是介绍我们应用假设抽取法

来分析隐含大气污染物的

行业和区域关联性

这篇文章呢是发表在

Ecogical In的这个期刊上

大家如果有兴趣的话

从网上可以当下来来学习

这部分的这个研究呢

我们首先也是来从研究背景

也就是Introduction部分来开始介绍

首先第一部分呢是The setting

就是它的大背景

比如它的大背景第一个是

有三分之二的这样的中国的重污染城市

都是位于中国

这是它的这个事情的大背景

因为在做大气污染的事情

然后呢主要的这个大气污染的是颗粒物

然后它来自于能源的焚烧

还有它工业过程

还有整个大气的这个污染的反应

这是它的一个大的学科学术背景

然后呢我们来总结了一下

我们前人的研究

比如最开始的这个能源的消耗

还有污染物的排放

和这个隐含的这个污染物

就是它在生产过程当中

是经常被以隐含能和隐含污染物的

这样的形式来做研究

这是一个它的前人的研究

然后具体的这些个

用各个经济系统之间的这个

驱动的隐含污染物来做研究

特别是做中国的研究

做二氧化碳排放的研究

这些呢有一大堆的学者来做

前人一个方法就是写一个总的结论

然后把大家的结论大家的名字放在这

更好的研究是应该把这些个研究

来具体每个人的来分开分类来进行

或者是按照方法的这个逻辑分类

或者是按照一个时间的这样的逻辑分类来做

这是以后大家在研究当中要注意到的

然后就开始往自己的这篇文章

要做的研究方面去引

就最近呢隐含的这个大气污染物的研究呢

开始越来越多的人来做

到最后引出自己的研究这一部分

首先呢要说一下

就是之前的研究会有什么样的缺陷

然后第一段呢

就是我们首先来使用假设抽取法呢

来测量这样子的一个经济的关联的一些重要性

来确定这个隐含大气污染物的这种转移流

然后呢这个假设抽提法它的简称是HEM

它这个方法呢已经被应用在之前的研究

可以应用在其他的一些个环境和资源方面

Hower 也就是但是

它有一个现在来做大气污染的研究

用假设抽取法的呢

基本上还是没有的

所以这就是从别人的研究

来过渡到你要做的这件事情

首先是揭示这个事情没有人做过

然后第四步呢

就开始说你的这个研究的目的

就是我们来使用这种改进过的假设抽取法

然后这个研究的目的呢

就可以来去测量这样子的一个行业之间

还有区域之间这样的大气污染物的关联

以中国呢为例

第五个这样的999呢

就是来说你这个研究的价值在哪里

比如我们就写的这个研究呢

将会帮助我们更好的理解

有关于经济结构和大气环境质量之间的关系

然后呢因此呢相应的这些个行业之间

或者是区域的非常具体的政策的这样的建议呢

能够被提出来

能够更有效的来提高空气的质量

下面呢我们来看一下这篇文章的研究方法

其实它的最初的研究方法

也就是基于投入产出模型

第一个公式呢

就是我们一般见到的投入产出模型

最普通的公式

然后呢我们就是把它进口的这部分给分解出来

也就是把它这个中间产品中

哪一部分是进口的

用如下的这两个公式呢

可以给它分解出来

分解出来以后呢

我们在做的就是只针对国内的这一部分

也就是最下面的这个公式

是只针对国内的这一部分的这个产品来做的

然后呢设这个Cj呢

是行业和地区的大气污染物的排放量

X呢是j行业或地区的总产出

则i行业和地区的直接排放强度的DEI

和完全排放强度的这个TEI的计算公式

就如这上面所示

然后具体的还有更复杂的

就是来做假设抽取法

假设抽取法的基本思想呢

就是首先呢最原始的没有抽取部门之前

它的这个表达形式

就是我们这个PPT上面的这一些公式

然后呢我们假设抽取法

就是把其中的一个行业部门

从这个中间使用的矩阵中抽出来

然后就变成了右下角的这个公式

也就是它有一个行业都是零了

然后呢再把这个第一个公式的结果

和第二个公式的结果呢进行相减

这样就求出来的这个值

就相当于是你被抽取掉的这个部门它的贡献

所以这是假设抽取最原始的一个思想

大家不要怕这个公式这么复杂

其实它就是来表达了这么一个

最原始的思想

来证明抽取掉的这个部门它有多么重要

也就是比如一个公司他有三个这样子的人

然后你抽调一个人

看这个公司现在这个运行的结果是什么样的

比上他加上这个人的结果是什么样的

这两个一相减

就是你抽调这个人他的贡献

这就叫假设抽取法

然后根据上面的假设抽取法

我们又引导出来内部关联排放

还有净后向关联排放

净前向关联排放

还有混合关联排放的这样子的一个公式

这些公式的它的这个具体的意义呢

我们可以看到右下角的图能显示出来

就是这些公式的意义

然后为了清楚地理解行业对于转移的作用呢

本研究中还提出了产出排放和需求排放的概念

产出排放呢表示行业直接排放的污染物总量

需求排放呢是表示为了满足行业本身需求

所需要的污染物排放量

它们与前面四个因素之间的关系呢

如这样子的三个式子所示

然后我们做了一个修订的这个假设抽取法

就会进一步来分析这个NBLE的这个东西

然后呢把它这个大气污染物

从行业T转移到行业S呢

表示为如下的这些公式

然后呢也同样可以进一步分解NFLE

同样呢大气污染物从行业S转移到行业T

也可以表示为这样子的一个公式

然后这个行业的净前向关联和净后向关联

就是前面的NBLE和NFLE

它们之间的差值呢

就是我们的这个产业群的

一个大气污染物发生转移的量

也就是表现为输出和输入的这个净的排放

也就是我们下面这个NTE的这个公式

NTE呢就等于NFLE减去NBLE

根据上面的就是描述了一下

这个整个研究的方法

然后我们的这个里边的数据

其实都是来自于国家公布的统计年鉴

还有一些个其他的排放物的

是来自于环境统计年鉴

然后根据上面这些数据和这些公式呢

我们可以得到这样的一些个主要的结论

首先呢是中国行业间大气污染物的关联与转移

我们可以看到这几种二氧化硫啊氮氧化物啊

还有烟尘之间的转移

但是我们可以发现呢

第四种污染物

也就是这个粉尘类的污染物

它的这个排放呢

跟上面的二氧化硫氮氧化物

和烟尘类的排放物是不一样的

如这个上面PPT的这张图所示

就是粉尘的排放呢

产出排放最高的三个行业呢

分别是金属矿采冶炼及压延业

非金属制品业和石油加工

炼焦及核燃料加工业

这三个行业的污染物排放的总和呢

超过总产出排放的这个68%

其主要原因呢是因为

粉尘的排放呢具有不同的污染源

也就是大多数工业粉尘呢

是来源于固体材料的一个加工

还有呢机械破碎的这个研磨呀

混合呀筛分呀包装啊

还运输这些过程

因此呢粉尘的主要贡献行业呢

是上述的这些行业

这张图呢就是把刚才我们说的

这个产出和排放的这个

净的转移给展示出来了

也就是刚才说的这个净前向排放

和净后向排放它们的差

也就是那个NTE

用这张图比较直观的来做出来

同样也是四种污染物

这几张图包括二氧化硫氮氧化物

烟尘还有粉尘

然后最右下角的这张图呢

是当时做的关于二氧化碳的一个转移的图

也是可以用这样子的图

把它这个流给展示出来

所以我们比较上面这张图呢就发现

与烟尘二氧化硫和氮氧化物

转移不同的电力燃力行业的

不是粉尘的主要的输出行业

粉尘排放转移量最大的输出行业

是非金属制品业

然后非金属制品业的生产呢

包括水泥啊玻璃

还有建筑材料

这个呢会产生大量的粉尘

然后建筑业输入的粉尘

主要是来自于非金属制品业

上面是行业的这个转移

下面的第二个主要结论

是中国区域间的大气污染物的关联研究

也是我们对四种污染物

对它的在区域之间的转移进行了研究

大家可以看首先看见二氧化硫的这个转移图

可以很清楚地看到

主要的转移流是从华北地区转向华东地区

这是最主要的转移流

然后其他的三种污染物

跟这个二氧化硫的这个转移流呢是非常相似的

我们对它的原因进行一下分析

首先第一个呢就刚才说的

华北对东部沿海地区的转移

主要是由于华北地区

它的有一个重工业的特征

是全国的电力和钢铁基地

再一个呢我们可以看到区域间的转移

还有一个规律就是邻近省份的转移

也就是省区之间的这个

隐含污染物的这个排放转移呢

具有一个区域特点

5万吨以下的隐含污染物的转移呢

主要发生在华北与东北

还有南部等各省的这个省区之间

比如内蒙古对于吉林辽宁

还有贵州对于广东的这个经转移都较大

然后青海对于甘肃省的这个转移相对较多

是邻近的省份

这是第二个主要结论

以上介绍的是

我们研究的其中的一个主要例子

然后下面呢我们就是把这个区域和行业之间

把它整合在一起研究

上面第一个例子等于是分开来研究

就是行业之间的转移是行业

区域之间的转移是区域

然后下面这篇文章呢

我们是把它们整合到一起来进行研究了

这是这个文章的题目和它的原文链接

如果大家有兴趣可以来去

上网去搜到他的原文

这篇文张呢

首先呢我们介绍一下它的背景

就是还是大气污染对于人类的健康

和生态系统产生重大影响

然后京津冀地区

我们这一篇文章选择了一个重点地区去研究

上一篇文章是一个全国的范围

这一篇文章呢是集中在京津冀的这个城市群

这部分呢是大气污染最重要的一个地区之一

大气污染的这个大气环境质量

最差的十个城市中呢

有七个都是位于该地区

在京津冀城市群中呢

不符合国家大气环境质量标准的天数比例呢

高达47.6%

因此呢中国政府在改善京津冀地区的

大气环境方面呢

是面临一个巨大的压力

近年来呢针对这个京津冀城市群的大气污染问题

已经采取了多项措施

比如京津冀及周边地区重点行业

大气污染限期治理方案

还有京津冀大气污染防治强化措施

还有京津冀及周边地区

2017年大气污染防治工作方案

此外呢十三五的这个规划

也对京津冀地区的颗粒物浓度呢

限定在这要降低25%以上

总之京津冀地区

也成为中国大气污染的一个焦点地区

所以本研究的这个

对京津冀地区进行研究是非常必要的

然后呢这篇文章呢

主要是针对这样的一个问题

就是隐含污染物排放

是用来描述通过贸易

或者供应链导致大气污染的区域间

和行业间联系的指标

那么在学术界呢

隐含碳的排放已经引起了广泛的关注

近年来呢隐含大气污染物的研究也逐渐兴起

已有的研究呢从不同角度描述了

京津冀地区的碳和大气污染物的排放

但是呢在现有知识体系中

仍然存在研究空白

例如缺乏对大气污染物

在区域行业间的隐含排放的一个整合考虑

这一部分呢是我们这篇文章要完成的那个Gap

就是它的一个前人研究的一个缺陷

所以这是非常重要的一点

然后下面呢就引出

我们这篇文章的主要目的是什么

要同时结合跨区域和跨行业的

隐含空气污染物的这个排放

将沿着行业间供应链转移的这个隐含排放流呢

映射到京津冀城市群的不同区域

这是第一个目的

第二个目的呢要通过LMDI的这个分解分析的方法

来解释隐含大气污染物排放的这个转移的模式

就大气污染物而言呢

中国官方统计呢

只有二氧化硫和氮氧化物

还有烟尘和粉尘四种污染物的排放数据

但是这四种污染物呢

对pm2.5的浓度已经有很大影响

因此呢本文是基于多区域投入产出分析表

也就是MRIO研究了呢

中国京津冀地区的这个二氧化硫

氮氧化物和烟尘粉尘排放的这种转移

研究结果呢

将有利于从这个环境经济学的角度

更好地来理解京津冀城市群之间的

区域行业大气污染物的这个联系

可以设计相应的行业区域政策措施

以有效地改善地区

遭受大气污染物污染的这种严重的问题

这是我们的主要的目的和他研究的价值

所以大家可以看到

这个例子也是开篇从背景

然后到前人研究的缺陷

然后到你这篇文章

要完成的主要目的

到这篇文章的这个主要的价值

是按这样的一个方式来写的

然后主要结论呢我们说

一般都是以图表的形式

这篇文章的主要结论呢

其实也比较简单啊

就是说由河北的这些个

非金属的这个制品的这些产业

对北京的建筑业是最大的一个影响的

这样子的一个转移流

这张图也是展示了这些彩色的方块

就各个行业

然后呢这两流儿方块就代表了两个区域

它把这两个区域不同行业之间的转移流呢

很形象的来表达出来

这就完成了这一个

研究主题的一个主要的结论的东西

下面呢我们再给一个例子

就是研究环境科学研究中的

大数据的理论和方法的应用

就是现在的这个环境科学研究中

越来越倾向于用大数据的方法

这是我们用这个大数据的方法

发表的这个文章

是发表在 Science of the Environment

这个期刊上

我们可以看到首先呢这个大数据的简介

就是随着这个现代科学技术的进步

当前世界已经进入到

由数据主导的大时代

大数据成为继云计算物联网之后

it产业的又一次颠覆性的技术变革

大数据呢是指无法在一定时间内

用常规的机器和软硬件工具

对其进行感知获取管理处理

和服务的这样子的一个数据的这样集合

所以这是整个的背景

然后IBM将大数据的特点呢

总结为三个特点

规模性多样性和高速性

其实还有一个特点就是它的低成本

这也就是为什么我们现在环境科学

来用大数据做研究的一个最主要的一个目的

就是它可以降低研究成本

我们来看学术界

《Nature》早在2008年呢

就推出了这个Big Data的一个专刊

从互联网技术网络经济学超级计算

还有环境科学和生物医药等多个方面

介绍了海量数据带来的挑战

然后《Science》呢也是在2011年的2月

推出了专刊

就是Dealing with Data

主要呢也是围绕

科学研究中的大数据问题

展开了讨论

说明大数据对于科学研究的一个重要性

然后从国家角度来看

2012年呢美国呢启动了

大数据研究与发展计划

提出利用大数据技术

在科学发现环境保护等领域的一个大力开展研究

然后2014年7月呢欧盟呢

也是呼吁各成员国积极发展大数据

迎接大数据时代

然后我们国家

从2015年8月19日呢

国务院就发表了

促进大数据发展的行动纲要

大数据呢上升成为我们国家的一个战略

然后2015年的这个8月

国务院办公厅也印发了

生态环境监测网络建设方案

这里面明确提出要利用大数据

实现生态环境监测

与监管的一个有效联动

从政策层面呢

对大数据应用于环境管理领域提出了要求

然后IBM中国研究院的这个

全国空气质量预报信息发布系统

也是通过监测站点遥感污染物排放

交通社交媒体等这些数据的分析处理呢

可以精确预报环境空气质量

所以大数据在环境的这个领域的应用呢

将促进我们的这些环境政策的制定和这个实施

上面是研究这个任务的背景

然后我们发表的文章呢

其实把它翻译过来就是

中国雾霾公众关注特征

及其与空气质量关系的一个研究

这里呢我们主要是以百度指数为例

研究十二五期间呢

中国公众雾霾的一个关注特征的这个分布

及其对他环境的这个影响

这篇文章的一个最大特点就是说

他用大数据的方法

可以完成以前社会科学

用这些问卷调查所完成不了的事情

这里呢我们首先定义了一个概念就是关注度

就是指人们对一个事情活动

和项目的一个注意程度

在传统媒体当中呢

有关这些事情活动和项目的

关键的这个关键词的出现频率

就成为是否是关注的这个重点

在信息时代呢

网络对于特定词的关注呢

可以用用户的搜索频率

来反映出来对这个关键词的关注度

所以本研究呢用这个百度搜索指数

和这个媒体指数表征

公众和媒体对某一环境现象的关注度

然后百度搜索指数呢

是根据百度的这个指数网站的解释

它是以这个网民在百度的搜索量为数据基础

以关键思维统计对象

然后科学分析并计算出

各个关键词在百度搜索中的

这个形似的一个加权和

这是我们这篇文章

最后呈现的一个这个摘要的这样子的一个图

它主要是选择了这样的五个城市

也就是沈阳北京还有这个上海

还有广州还有这个成都

对这五个城市pm2.5的浓度

和它的这个百度搜索的这个指数

进行了一个关联分析

我们可以看到这个图

雾霾的这个关注度呢是用红的线来表示

然后空气污染呢是用蓝线来表示

然后具体的指标和方法

首先我们的数据是来自于百度搜索指数

和美国大使馆公布的pm2.5的浓度

然后首先呢我们是选择雾霾

就是用中文的雾霾

来作为搜索的关键词

来去查找这个百度搜索指数的这样子的一个量

然后呢去把这个百度搜索指数

和污染物浓度进行相关分析

其实它的相关分析这一点

并不是什么稀奇的东西

关键我们在他这个基础上

做了一些个推进

就比如我们做了一下滞后相关分析

还有一个去趋势分析

这两个呢主要是针对我们之前的这个结果

它相关性很差

然后呢我们去进行了一些处理

后面我们可以详细的来介绍

比如是这个滞后相关的问题

就是我们这张图

选择了非常典型的

对整个的这个百度搜索指数的

长时间的一个数据的统计

然后从里头选择了两个峰值

去看它的污染物浓度

和它这个搜索指数之间的关系

然后能看出来第一个图

就是一开始的这个最初的这个图

会看到两个波形是一个滞后相关的关系

然后到最近的这个图

它的这个波形呢就完全是对应上了

就是相当于是

它里面是有一个人

对这个污染物浓度的一个响应时间最开始

所以我们把这个图

做了一个它的这个滞后相关

就比较了2013年和2016年

就发现这个滞后的这个时间

变的这个缩短了

一开始的这个时间大概有2到3天

到最后是零天

也就是可以及时响应出来

所以这个叫做滞后相关分析

也就是这个Lag correlation analysis

这个东西呢可以展示出来

公众就是可能越来越多的

对这个雾霾事件变得更加敏感了

也就是他的这个环境意识被提高了

这是它揭示的第一个主要的结论

下面这张图呢

是我们来做雾霾搜索指数

和大气污染物浓度的这个年和月的数据分析

这里头呢我们把这五个城市不同季节

就是它的冬天啊春天夏天和秋天

来进行了一个分析

就可以看到这个对应关系

同样也是显示出来

在很多地区它的相关性并不是很强

甚至在某些地方

它的这个曲线甚至是相反的关系

然后我们做了具体的这个相关系数的分析

也可以看到

冬天春天还有夏天还有秋天这几个

大家可以看到它的相关系数

大部分全都没有通过显著性检验

那这是不是可以说明

它就是没有相关关系呢

这也就是我们这篇研究的价值所在

我们想出了一个新的方法

去给它去这个趋势

把总的趋势去去掉

然后只看它的波动的相关

这几张图呢是把它的趋势去掉

就是它趋势线那段去掉

然后把它的波动部分

进行相关分析这五个城市

然后就会发现

去之前它的相关性还是很低

然后等把这个趋势去掉以后

只看波动相关的话

它的这个相关性就会一下子提高到很高

就全部通过检测性检验了

就说明pm2.5的浓度

跟人们对雾霾的这个关注度

还是有非常非常强烈的这种正相关的关系的

这也就是这篇文章的这个价值所在

所以呢我们最后是这篇文章的一个结论和讨论

就首先呢来应用这种大数据的方法

来分析公众响应

公众响应呢能够帮助政府呢

能更好的理解很多的环境问题

特别是有关于公众关于民生

这样的环境问题

过去呢是一种自上而下的

这样的一个方法

去做政策的这个制定

现在呢引用了大数据以后

我们可以采用一个自下而上的方法

来做这种相关的政策的制定了

就提供了一个新的这种政策制定的一个途径

另一点呢就是以前拿到

这种公众的这种响应呢非常困难的

而且会受很多的主观因素的影响

因为你要去做调查问卷的话

这个人的主观性是非常强的

然后我们这个方法呢

就提出了可以用一个特别客观的方法

来去描述这种公众的

对一个事情的这种关注度

而且是很定量的可以测量出来

然后这些呢都帮助政府

可以来制定一些个环境的指标啊

或者一些政策的测量呢

更容易的来理解公众的这个想法

所以呢这些个关于公众和政府之间的

在这个环境管理方面的这些个误解呢

能够最大程度的避免掉

这是这篇文章最重要的一个价值所在

所以当时这篇文章发表以后

就是审稿人给的评价非常非常高