基于模糊综合评价法的北京市雾霾治理绩效多维剖析与提升路径研究

基于模糊综合评价法的北京市雾霾治理绩效多维剖析与提升路径研究一、引言1.1研究背景与意义近年来，随着工业化、城市化进程的加速，大气污染问题日益严峻，雾霾天气频繁出现，给人们的生产生活和身体健康带来了极大的影响。北京市作为中国的首都，人口密集、经济发达，雾霾问题尤为突出。严重的雾霾天气不仅导致空气质量下降，影响市民的日常生活和出行，还对人体健康造成了严重威胁，引发了呼吸道疾病、心血管疾病等多种健康问题。同时，雾霾问题也制约了北京市的可持续发展，影响了城市的形象和国际竞争力。因此，加强雾霾治理，改善空气质量，已成为北京市面临的一项紧迫任务。在雾霾治理过程中，准确评估治理绩效是至关重要的。只有通过科学、客观的绩效评价，才能了解治理措施的实施效果，发现存在的问题和不足，为进一步优化治理策略提供依据。模糊综合评价法作为一种有效的多因素综合评价方法，能够处理模糊性和不确定性问题，适用于雾霾治理绩效评价这种涉及多个因素、具有一定模糊性的复杂系统。它可以将定性和定量指标相结合，全面、综合地评价雾霾治理的绩效，为政府部门和相关决策者提供科学、准确的参考信息。本研究基于模糊综合评价法对北京市雾霾治理绩效进行评价，具有重要的理论和实践意义。在理论方面，有助于丰富和完善环境绩效评价理论体系，拓展模糊综合评价法在环境领域的应用，为其他地区的雾霾治理绩效评价提供方法借鉴。在实践方面，通过对北京市雾霾治理绩效的评价，能够客观地反映治理工作的成效和问题，为政府部门制定更加科学合理的雾霾治理政策和措施提供决策支持，促进北京市空气质量的持续改善，保障市民的身体健康和城市的可持续发展。1.2国内外研究现状1.2.1国外研究现状国外对于雾霾治理的研究起步较早，在大气污染防治、环境绩效评估等方面积累了丰富的经验。在雾霾治理方面，国外学者主要从污染源解析、治理技术和政策措施等角度展开研究。在污染源解析上，不少学者通过先进的监测技术和模型，深入分析雾霾的形成机制和主要污染源。如美国学者利用卫星遥感和地面监测网络相结合的方式，对机动车尾气、工业排放、生物质燃烧等污染源进行了精准识别，发现机动车尾气在城市雾霾形成中占据重要比例。在治理技术方面，发达国家投入大量资源研发高效的污染控制技术，如脱硫、脱硝、除尘等技术已经十分成熟，并广泛应用于工业领域。以德国鲁尔工业区为例，通过采用先进的静电除尘和布袋除尘技术，大幅降低了工业废气中的颗粒物排放。在政策措施上，国外政府通常制定严格的环境法规和排放标准，对污染企业进行严厉监管和处罚。例如，英国在《清洁空气法案》的基础上，不断完善空气质量监测和评估体系，加强对工业污染源和交通污染源的管控。在环境绩效评价方面，国外已经形成了较为完善的理论和方法体系。常用的评价方法包括数据包络分析（DEA）、层次分析法（AHP）、平衡计分卡等。数据包络分析通过构建生产前沿面，对多个决策单元的相对效率进行评价，常用于评估企业或地区的环境效率。层次分析法将复杂的问题分解为多个层次，通过两两比较确定各因素的相对重要性，从而计算出综合评价结果。平衡计分卡则从财务、客户、内部流程、学习与成长四个维度对组织的绩效进行全面评价，将环境绩效纳入其中，使评价更加全面和系统。一些国际组织和机构也发布了相关的环境绩效评价标准和指南，如国际标准化组织（ISO）的ISO14031环境绩效评价标准，为企业和组织提供了统一的评价框架和方法。模糊综合评价法在国外的环境领域也有一定的应用。部分学者将其用于生态环境质量评价、水资源评价等方面。例如，在生态环境质量评价中，通过确定评价指标体系和评语集，运用模糊数学的方法对生态环境的多个因素进行综合评价，克服了传统评价方法中指标权重确定的主观性和评价结果的模糊性问题，使评价结果更加客观、准确。在水资源评价中，模糊综合评价法能够综合考虑水质、水量、水资源利用效率等多个因素，对水资源的可持续利用状况进行评价，为水资源管理和决策提供科学依据。1.2.2国内研究现状国内对于雾霾治理和环境绩效评价的研究近年来发展迅速。在雾霾治理方面，国内学者结合我国的实际情况，从多个角度进行了深入研究。在污染源解析上，通过实地监测和数据分析，发现我国雾霾的形成与工业排放、机动车尾气、燃煤取暖、建筑扬尘等多种因素密切相关。特别是在京津冀、长三角、珠三角等经济发达地区，工业排放和机动车尾气是主要污染源。在治理技术方面，国内加大了对环保技术的研发和引进力度，一些先进的治理技术如超低排放技术、挥发性有机物（VOCs）治理技术等得到了广泛应用。同时，还开展了一系列的示范工程，推动了环保技术的产业化发展。在政策措施上，我国政府出台了一系列严格的环保政策和法规，如《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》等，明确了雾霾治理的目标和任务，加大了对污染企业的整治力度。在环境绩效评价方面，国内学者在借鉴国外经验的基础上，结合我国的国情，对评价指标体系和方法进行了深入研究。一些学者从环境质量、污染排放、资源利用、环保投入等多个维度构建了环境绩效评价指标体系，使评价更加全面和科学。在评价方法上，除了常用的综合指数评价法、层次分析法、模糊综合评价法等，还结合我国的实际情况进行了创新和改进。例如，将模糊综合评价法与其他方法相结合，如与层次分析法相结合，利用层次分析法确定指标权重，再运用模糊综合评价法进行综合评价，提高了评价结果的准确性和可靠性。在模糊综合评价法应用于雾霾治理绩效评价方面，国内已有不少相关研究。部分学者通过构建雾霾治理绩效评价指标体系，运用模糊综合评价法对城市或地区的雾霾治理效果进行评价。例如，有研究选取了空气质量改善、污染减排、环保投入、政策执行等多个指标，运用模糊综合评价法对北京市的雾霾治理绩效进行了评价，结果表明北京市在雾霾治理方面取得了一定的成效，但仍存在一些问题和不足。还有研究将模糊综合评价法应用于京津冀地区的雾霾治理绩效评价，通过分析评价结果，提出了加强区域联防联控、加大环保投入、优化产业结构等建议，为改善京津冀地区的空气质量提供了决策依据。1.3研究方法与创新点1.3.1研究方法文献研究法：通过广泛查阅国内外关于雾霾治理、环境绩效评价以及模糊综合评价法的相关文献，梳理和总结已有研究成果，了解研究现状和发展趋势，为本研究提供理论基础和研究思路。深入分析了国内外在雾霾治理技术、政策措施、绩效评价指标体系和方法等方面的研究进展，明确了本研究的切入点和创新方向。例如，在构建雾霾治理绩效评价指标体系时，参考了国内外相关研究中关于空气质量、污染减排、环保投入等方面的指标选取，结合北京市的实际情况进行了优化和完善。案例分析法：以北京市作为具体案例，深入研究其雾霾治理的现状、措施和成效。通过收集北京市的空气质量数据、环保政策文件、治理项目资料等，对北京市雾霾治理的实践进行全面分析，为绩效评价提供具体的数据支持和实践依据。例如，分析了北京市近年来实施的《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》等政策措施的实施效果，以及在工业污染治理、机动车尾气减排、能源结构调整等方面的具体举措和取得的成效。模糊综合评价法：这是本研究的核心方法。通过构建北京市雾霾治理绩效评价指标体系，确定评价因素集和评语集，运用层次分析法等方法确定各指标的权重，再通过模糊变换得到综合评价结果。该方法能够综合考虑多个因素的影响，处理评价过程中的模糊性和不确定性问题，使评价结果更加客观、准确。例如，在确定评价因素集时，涵盖了空气质量、污染减排、环保投入、政策执行、公众满意度等多个方面的因素，全面反映了北京市雾霾治理的绩效；在确定评语集时，将治理绩效分为优秀、良好、中等、较差、差五个等级，使评价结果具有明确的等级划分和实际意义。1.3.2创新点研究视角创新：从模糊综合评价法的角度对北京市雾霾治理绩效进行评价，综合考虑了雾霾治理过程中的多个因素，包括空气质量改善、污染减排、环保投入、政策执行以及公众满意度等，打破了传统单一指标评价的局限性，更加全面、系统地反映了北京市雾霾治理的实际效果。以往的研究可能更多地侧重于某一个或几个方面的指标，而本研究通过模糊综合评价法，将这些因素有机地结合起来，从整体上对雾霾治理绩效进行评价，为北京市雾霾治理工作提供了更全面的评估视角。指标体系创新：构建了一套科学合理、符合北京市实际情况的雾霾治理绩效评价指标体系。在指标选取上，不仅考虑了常见的空气质量和污染减排等定量指标，还纳入了政策执行力度、公众满意度等定性指标，使评价体系更加全面、客观。同时，对各指标进行了详细的解释和说明，明确了指标的计算方法和数据来源，提高了指标体系的可操作性和实用性。例如，在政策执行力度方面，选取了政策落实情况、执法检查次数等具体指标；在公众满意度方面，通过问卷调查等方式获取数据，确保了指标的真实性和可靠性。二、相关理论基础2.1雾霾治理相关理论2.1.1外部性理论外部性理论是由英国经济学家马歇尔在其著作《经济学原理》中首次提出，后经庇古等经济学家进一步发展完善。该理论认为，在市场经济活动中，当一个经济主体的行为对其他经济主体产生了影响，而这种影响又没有通过市场价格机制反映出来时，就产生了外部性。如果这种影响是有益的，称为正外部性；如果是有害的，则称为负外部性。在雾霾治理中，外部性理论有着显著的体现。许多工业企业在生产过程中，为了降低生产成本，往往忽视对污染物的有效处理，大量排放废气，其中包含的二氧化硫、氮氧化物、颗粒物等污染物，是形成雾霾的主要原因。这些企业的污染行为对周边居民和社会造成了严重的危害，损害了居民的身体健康，增加了医疗成本，影响了正常的生产生活秩序，如导致农作物减产、交通运输受阻等。但企业却没有为此承担相应的成本，这就是典型的负外部性。以北京市的一些钢铁企业为例，其生产过程中排放的大量废气，使得周边地区的空气质量急剧下降，居民呼吸道疾病的发病率明显上升。据相关统计数据显示，在钢铁企业集中的区域，居民患呼吸道疾病的概率比其他地区高出30%以上。这些企业虽然在生产经营中获得了利润，却将污染成本转嫁给了社会，导致了资源配置的不合理。为了解决企业污染的负外部性问题，政府可以采取多种措施。政府可以制定严格的环境法规和排放标准，对污染企业进行监管和处罚，迫使企业将污染成本内部化。对于超标排放的企业，处以高额罚款、责令停产整顿等处罚措施，增加企业的违法成本，促使企业主动采取环保措施，减少污染排放。政府可以通过税收政策来调节企业的行为，对污染企业征收环境税，提高企业的生产成本，引导企业向绿色生产转型；对环保企业给予税收优惠，鼓励企业加大环保投入，采用清洁生产技术。政府还可以建立排污权交易市场，通过市场机制来优化资源配置。在排污权交易市场中，企业可以根据自身的生产情况和环保成本，购买或出售排污权，从而实现污染治理成本的最小化。2.1.2公共物品理论公共物品理论最早由美国经济学家萨缪尔森提出，该理论认为，公共物品是指具有消费的非竞争性和受益的非排他性的物品。消费的非竞争性是指一个人对公共物品的消费不会影响其他人对该物品的消费，即增加一个消费者的边际成本为零；受益的非排他性是指无法排除他人对公共物品的消费，或者排除他人消费的成本过高。雾霾治理具有典型的公共物品属性。从消费的非竞争性来看，一个地区的空气质量改善后，所有居民都能从中受益，增加一个居民享受清新空气并不会减少其他居民对清新空气的消费。从受益的非排他性来看，无法阻止任何一个居民享受治理雾霾带来的好处，即使某个居民没有为雾霾治理做出贡献，也不能排除他呼吸到清洁空气。由于雾霾治理的公共物品属性，使得市场机制在雾霾治理中存在失灵的情况。企业和个人往往缺乏主动治理雾霾的积极性，因为他们即使不付出努力，也能享受到雾霾治理的成果，这就导致了“搭便车”现象的出现。例如，一些企业为了节省成本，不愿意投资环保设备，减少污染排放，而是寄希望于其他企业或政府来治理雾霾，自己坐享其成。在雾霾治理中，政府扮演着至关重要的角色，承担着不可推卸的责任。政府应制定科学合理的雾霾治理政策和规划，明确治理目标和任务，为雾霾治理提供政策指导和方向。如北京市政府制定的《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》等，明确了空气质量改善的具体指标和污染减排的任务，为北京市的雾霾治理提供了有力的政策支持。政府应加大对雾霾治理的资金投入，用于环保基础设施建设、污染治理技术研发、监测设备购置等方面。北京市政府近年来不断加大环保投入，建设了大量的空气质量监测站点，完善了监测网络，为准确掌握空气质量状况提供了数据支持；同时，还投入资金支持环保企业研发先进的污染治理技术，推动了环保产业的发展。政府应加强对雾霾治理的监管执法力度，确保各项治理措施得到有效落实。严格监督企业的污染排放情况，对违法违规排放的企业进行严厉处罚，维护良好的环境秩序。政府还应加强对公众的宣传教育，提高公众的环保意识，引导公众积极参与雾霾治理，形成全社会共同参与的良好氛围。2.2模糊综合评价法理论2.2.1模糊综合评价法原理模糊综合评价法是一种基于模糊数学隶属度理论的综合评价方法，其核心在于将定性评价转化为定量评价，从而更全面、客观地对复杂系统进行评价。在现实世界中，许多评价对象往往受到多种因素的影响，且这些因素之间的关系复杂，具有一定的模糊性和不确定性。传统的评价方法难以准确处理这种模糊性，而模糊综合评价法通过模糊数学的方法，能够有效地解决这一问题。模糊综合评价法的基本思想是：首先确定评价对象的因素集，即影响评价对象的各种因素；然后确定评语集，即对评价对象可能做出的各种评价结果；接着通过专家评价、问卷调查等方式，确定各因素对评语集的隶属度，构建模糊关系矩阵；再利用层次分析法、熵权法等方法确定各因素的权重向量；最后将权重向量与模糊关系矩阵进行模糊合成运算，得到综合评价结果。例如，在对北京市雾霾治理绩效进行评价时，因素集可能包括空气质量、污染减排、环保投入、政策执行等多个因素；评语集可以设定为优秀、良好、中等、较差、差五个等级；通过对相关数据的分析和专家的判断，确定各因素对不同评语等级的隶属度，构建模糊关系矩阵；运用层次分析法确定各因素的权重，如空气质量的权重为0.3，污染减排的权重为0.25等；将权重向量与模糊关系矩阵进行合成运算，得出北京市雾霾治理绩效的综合评价结果。2.2.2模糊综合评价法步骤构建评价指标体系：评价指标体系是模糊综合评价的基础，它的合理性直接影响评价结果的准确性。在构建北京市雾霾治理绩效评价指标体系时，需要遵循科学性、全面性、可操作性和独立性等原则。科学性原则要求指标体系能够客观地反映雾霾治理绩效的内涵和特征，符合相关的理论和实际情况。全面性原则要求指标体系涵盖雾霾治理的各个方面，包括空气质量、污染减排、环保投入、政策执行、公众满意度等，以确保评价的全面性。可操作性原则要求指标的数据易于获取和计算，指标的定义明确，评价方法简单可行。独立性原则要求各指标之间相互独立，避免指标之间的重复和交叉。根据这些原则，结合北京市雾霾治理的实际情况，选取了PM2.5浓度、空气质量优良天数比例、二氧化硫减排量、氮氧化物减排量、环保资金投入占GDP比重、环保政策执行力度、公众对雾霾治理的满意度等作为评价指标。确定评价因素集和评语集：评价因素集是由影响评价对象的各种因素组成的集合，用U=\{u_1,u_2,\cdots,u_n\}表示，其中u_i表示第i个评价因素。在北京市雾霾治理绩效评价中，评价因素集U=\{u_1（PM2.5浓度）,u_2（空气质量优良天数比例）,u_3（二氧化硫减排量）,u_4（氮氧化物减排量）,u_5（环保资金投入占GDP比重）,u_6（环保政策执行力度）,u_7（公众对雾霾治理的满意度）\}。评语集是对评价对象可能做出的各种评价结果组成的集合，用V=\{v_1,v_2,\cdots,v_m\}表示，其中v_j表示第j个评价等级。通常将评语集划分为多个等级，如优秀、良好、中等、较差、差等。在本研究中，评语集V=\{v_1（优秀）,v_2（良好）,v_3（中等）,v_4（较差）,v_5（差）\}。确定权重向量：权重向量反映了各评价因素在评价体系中的相对重要程度。确定权重的方法有很多种，常见的有层次分析法（AHP）、熵权法、主成分分析法等。层次分析法是一种定性与定量相结合的多准则决策分析方法，它通过构建判断矩阵，对各因素进行两两比较，从而确定各因素的相对重要性。在运用层次分析法确定北京市雾霾治理绩效评价指标权重时，首先构建递阶层次结构模型，将问题分为目标层、准则层和指标层；然后通过专家问卷调查等方式，构造判断矩阵，如对于准则层中空气质量、污染减排、环保投入等因素，专家根据其重要程度进行两两比较，构建判断矩阵；计算判断矩阵的特征向量和最大特征值，通过一致性检验后，得到各因素的权重。熵权法是一种根据指标数据的离散程度来确定权重的方法，数据的离散程度越大，熵值越小，该指标的权重越大。主成分分析法是通过降维的思想，将多个指标转化为少数几个综合指标，这些综合指标能够反映原始指标的大部分信息，根据综合指标的贡献率来确定各指标的权重。在本研究中，采用层次分析法确定各评价因素的权重，假设通过计算得到权重向量A=(a_1,a_2,\cdots,a_n)，其中a_i表示第i个评价因素的权重，且\sum_{i=1}^{n}a_i=1。构建模糊评价矩阵：模糊评价矩阵是由各评价因素对评语集的隶属度构成的矩阵。确定隶属度的方法有很多种，常用的有模糊统计法、隶属函数法等。模糊统计法是通过对大量样本数据的统计分析，确定各因素对评语集的隶属度。隶属函数法是根据评价因素的特点，选择合适的隶属函数，如三角形隶属函数、梯形隶属函数等，来计算隶属度。以PM2.5浓度为例，若采用梯形隶属函数，根据北京市的空气质量标准和实际情况，确定不同浓度区间对应的隶属度。假设对于评价因素u_i，其对评语集V中各评价等级v_j的隶属度为r_{ij}，则模糊评价矩阵R=(r_{ij})_{n\timesm}，其中i=1,2,\cdots,n，j=1,2,\cdots,m。例如，对于因素u_1（PM2.5浓度），其对评语集V的隶属度为R_1=(r_{11},r_{12},r_{13},r_{14},r_{15})，表示PM2.5浓度对优秀、良好、中等、较差、差五个评价等级的隶属程度。进行模糊合成运算：将权重向量A与模糊评价矩阵R进行模糊合成运算，得到综合评价结果向量B，即B=A\cdotR。模糊合成运算的方法有多种，常见的有最大-最小合成法、最大-乘积合成法等。最大-最小合成法是取权重向量与模糊评价矩阵对应元素的乘积中的最小值，再取这些最小值中的最大值作为综合评价结果向量的元素。最大-乘积合成法是取权重向量与模糊评价矩阵对应元素的乘积，再取这些乘积中的最大值作为综合评价结果向量的元素。在本研究中，采用最大-乘积合成法进行模糊合成运算，得到综合评价结果向量B=(b_1,b_2,\cdots,b_m)，其中b_j表示评价对象对评语集V中第j个评价等级的隶属程度。例如，b_1表示北京市雾霾治理绩效对优秀等级的隶属程度，b_2表示对良好等级的隶属程度等。根据最大隶属度原则，确定北京市雾霾治理绩效的最终评价结果，即比较b_1,b_2,\cdots,b_m的大小，取最大值对应的评价等级作为最终评价结果。如果b_2最大，则北京市雾霾治理绩效的评价结果为良好。三、北京市雾霾治理现状3.1北京市雾霾污染特征3.1.1污染物成分北京市雾霾污染物成分复杂，主要包括颗粒物（PM10、PM2.5）、气态污染物（二氧化硫、氮氧化物、挥发性有机物等）。其中，PM2.5因其粒径小、比表面积大，能够吸附大量的有害物质，如重金属、多环芳烃等，对人体健康危害极大，是北京市雾霾污染的主要关注对象。根据相关监测数据显示，在北京市雾霾天气中，PM2.5的浓度常常远超国家空气质量二级标准。在2013-2016年期间，北京市PM2.5年均浓度分别为89.5微克/立方米、85.9微克/立方米、80.6微克/立方米和73微克/立方米，均严重超标。随着一系列雾霾治理措施的实施，PM2.5浓度逐渐下降，2023年北京PM2.5平均浓度下降到32微克/立方米，2024年为30.5微克/立方米。气态污染物也是北京市雾霾的重要组成部分。二氧化硫主要来源于煤炭燃烧，北京市在能源结构调整过程中，虽然煤炭消费占比逐渐降低，但在一些工业生产和冬季取暖中，煤炭仍有一定的使用量，导致二氧化硫排放。氮氧化物主要来自机动车尾气、工业燃烧和电厂排放等。挥发性有机物则广泛来源于化工、涂装、印刷等行业以及机动车尾气排放，其在大气中经过复杂的光化学反应，会生成二次有机气溶胶，加重雾霾污染。3.1.2时空分布特点从时间分布来看，北京市雾霾呈现出明显的季节性特征，冬季雾霾污染最为严重，夏季相对较轻。冬季，一方面，北京地区受大陆冷气团控制，天气寒冷，大气层结稳定，风力较小，不利于污染物的扩散；另一方面，冬季供暖需求增加，煤炭等化石能源的燃烧量增大，污染物排放增多，导致雾霾天气频发。根据统计数据，2018-2020年期间，北京市冬季（12月至次年2月）PM2.5浓度均超过100μg/m³，其中2018年冬季PM2.5浓度达到了150μg/m³。而夏季，由于降水较多，大气对流活动旺盛，有利于污染物的清除和扩散，雾霾污染相对较轻。在一天当中，雾霾污染也存在一定的变化规律。通常情况下，早晚时段雾霾污染较为严重，中午时段相对较轻。早晚时段，气温较低，大气边界层稳定，且机动车出行量增加，尾气排放增多，导致污染物浓度升高。中午时段，太阳辐射增强，气温升高，大气对流活动增强，有利于污染物的扩散，雾霾污染有所减轻。以2018-2020年为例，北京市PM2.5浓度呈现“早高峰、晚高峰”的特点，早上7-9时和晚上18-22时PM2.5浓度最高，早高峰PM2.5浓度平均值为67μg/m³，晚高峰平均值为63μg/m³。从空间分布来看，北京市雾霾污染呈现出城区高于郊区的特点。城区人口密集、工业活动频繁、机动车保有量大，污染物排放源多，且城市下垫面复杂，不利于污染物的扩散，导致雾霾污染较为严重。而郊区人口相对较少，工业活动相对较少，污染物排放源相对较少，且地形开阔，有利于污染物的扩散，雾霾污染相对较轻。根据2018-2020年的监测数据，北京市丰台区、西城区、东城区和朝阳区等城区的PM2.5浓度相对较高，三年平均来看，丰台区PM2.5浓度最高，达到了55μg/m³。3.1.3与气象条件的关联气象条件对北京市雾霾的形成、发展和消散有着重要的影响。风速是影响雾霾污染的重要气象因素之一。当风速较小时，污染物的扩散能力减弱，容易在局部地区积聚，导致雾霾污染加重。研究表明，当风速小于0.5m/s时，PM2.5扩散十分困难；而当风速大于2m/s时，PM2.5扩散快速。在静稳天气条件下，大气水平和垂直运动都较弱，污染物难以扩散，雾霾天气容易持续和加重。例如，2016年12月16-21日，北京地区处于静稳天气状态，大气扩散条件差，导致雾霾天气持续多日，PM2.5浓度长时间维持在高位。相对湿度也是影响雾霾污染的关键因素。当相对湿度较高时，水汽容易在颗粒物表面凝结，形成气溶胶，导致颗粒物粒径增大，加重雾霾污染。当相对湿度较低时，颗粒物在空气中的稳定性较差，容易被风吹散，雾霾污染相对减轻。2017年1月1日早晨至上午，北京市大气低层湿度接近饱和，平原地区出现大雾天气，部分地区出现强浓雾，最低能见度不足200米，加重了雾霾污染。气温对雾霾污染也有一定的影响。在低温条件下，大气稳定度增加，不利于污染物的扩散。低温还会导致人们生活、生产活动增加，如冬季供暖等，导致污染物排放增多。此外，低温时，污染物在大气中的化学反应速度可能会发生变化，也会对雾霾污染产生影响。在秋季（9-11月），北京市气温下降，PM2.5浓度升高的现象较为明显。大气环流形势也会影响北京市雾霾的形成和扩散。当北京地区处于不利于污染物扩散的大气环流形势下，如受高压系统控制、纬向环流等，雾霾天气容易发生和持续。2016年12月16-21日、2016年12月30日-2017年1月5日，我国中高纬地区以“纬向环流”为主，这种形势不利于极地冷空气南下影响华北地区，导致北京地区出现持续大雾、灰霾天气。3.2北京市雾霾治理举措3.2.1能源结构调整北京市积极推进能源结构调整，大力削减煤炭消费，增加清洁能源的使用比例。在削减煤炭消费方面，制定了严格的煤炭消费总量控制目标，并将任务分解到各个区和重点用煤企业。通过实施煤改电、煤改气工程，减少居民和企业对煤炭的依赖。截至2020年底，北京市平原地区基本实现无煤化，煤炭消费总量占能源消费总量的比重降至10%以下，与2013年相比，煤炭消费总量减少了约1500万吨。在清洁能源发展上，北京市加大对太阳能、风能、地热能等清洁能源的开发和利用力度。建设了一批大型太阳能光伏发电项目和风力发电场，如延庆太阳能发电基地，装机容量达到了数十万千瓦，每年可提供大量的清洁电力。积极推进地热能的开发利用，在大兴、房山等地开展地热能供暖示范项目，为居民提供清洁、高效的供暖服务。加强与周边地区的能源合作，引入外调电力和天然气，提高清洁能源在能源消费结构中的占比。2023年，北京市可再生能源消费占比达到14%左右，成为全国清洁能源转型的典范城市。3.2.2产业结构优化北京市加快产业结构调整，淘汰落后产能，推动产业升级转型，促进产业绿色发展。在淘汰落后产能方面，制定了严格的产业淘汰目录，对高污染、高耗能的企业进行全面清理和整顿。近年来，累计退出一般制造业企业超3000家，涉及钢铁、水泥、化工等多个行业。对不符合产业政策和环保要求的小型钢铁企业，采取关停、搬迁等措施，有效减少了污染物排放。在推动产业升级转型上，大力发展新一代信息技术、生物医药、新能源、新材料等战略性新兴产业和高端服务业。北京经济技术开发区积极培育新一代信息技术产业，吸引了众多知名企业入驻，形成了完整的产业链，产业附加值高，污染排放少。鼓励传统产业通过技术改造和创新，提高生产效率，降低污染排放。一些传统制造业企业通过引入先进的生产设备和工艺，实现了生产过程的智能化和绿色化。在促进产业绿色发展方面，加强对企业的环保监管，要求企业严格遵守环保法规和标准，加大环保投入，采用清洁生产技术和工艺。建立绿色产业园区，引导企业集中布局，实现资源共享和污染物集中处理。北京中关村软件园通过建设绿色建筑、推广新能源汽车、加强垃圾分类处理等措施，打造了绿色、低碳的产业发展环境。3.2.3机动车污染控制北京市采取多种措施加强机动车污染控制，减少机动车尾气排放。在油品质量升级上，积极落实国家油品质量标准，加快油品质量升级步伐。2013年底前全面供应国IV车用汽油，2014年底前全面供应国IV车用柴油，2017年底前全面供应国V车用汽油和柴油，2019年底前全面供应国VI车用汽油和柴油，不断降低油品中的硫、氮等污染物含量。在机动车排放标准实施方面，严格执行国家机动车排放标准，适时颁布实施更严格的地方标准。提前实施国家第IV阶段机动车排放标准，鼓励有条件地区提前实施下一阶段机动车排放标准，对新入市汽车尾气排放进行严格管控。加强对在用车的排放检测，建立了完善的机动车排放检测体系，定期对机动车进行尾气检测，对超标排放的车辆要求限期整改，确保在用车尾气达标排放。在推广新能源汽车上，出台了一系列优惠政策，鼓励居民购买和使用新能源汽车。给予新能源汽车购车补贴、免征车辆购置税、免费停车等优惠措施，降低了居民购买和使用新能源汽车的成本。建设了大量的充电桩、换电站等基础设施，截至2023年底，北京市充电桩数量达到了数十万个，基本形成了覆盖全市的充电网络，为新能源汽车的使用提供了便利。2023年，北京市新能源汽车保有量达到了70万辆，新能源汽车在市场销售的占比不断提高。3.2.4工业污染治理北京市加强工业污染治理，严格控制工业污染源排放。在加强工业企业监管方面，建立了严格的环境监管制度，加大对工业企业的日常巡查和执法力度。通过在线监测、实地检查等方式，实时掌握工业企业的污染排放情况，对违法违规排放的企业进行严厉处罚。对超标排放的工业企业，责令停产整顿，并依法处以高额罚款，同时对企业负责人进行约谈和问责。在推进工业污染源达标排放上，要求工业企业安装先进的污染治理设备，如脱硫、脱硝、除尘等设施，确保污染物达标排放。对钢铁、电力、化工等重点行业的企业，实施超低排放改造，大幅降低污染物排放浓度。截至2020年底，北京市钢铁行业基本完成超低排放改造，污染物排放浓度达到了国家超低排放限值要求。鼓励工业企业开展清洁生产审核，采用清洁生产技术和工艺，从源头减少污染物的产生。一些企业通过改进生产工艺，提高资源利用效率，减少了废弃物的产生和排放。3.2.5扬尘污染管控北京市加强扬尘污染管控，减少扬尘对空气质量的影响。在建筑施工扬尘治理方面，制定了严格的建筑施工扬尘污染防治标准和规范，要求施工现场全封闭设置围挡墙，严禁敞开式作业。对施工现场道路、作业区、生活区进行地面硬化处理，定期洒水降尘，减少扬尘产生。市区施工工地全部使用预拌混凝土和预拌砂浆，杜绝现场搅拌混凝土和砂浆，有效减少了建筑施工扬尘污染。在道路扬尘污染控制上，推行城市道路机械化清扫，增加城市道路冲洗保洁频次，切实降低道路积尘负荷。采用高压冲洗车、洗扫车等设备，对城市道路进行定期清扫和冲洗，保持道路清洁。减少道路开挖面积，缩短裸露时间，对开挖的道路及时进行覆盖和回填。加强道路两侧绿化，种植吸尘能力强的植物，减少裸露地面，降低道路扬尘污染。所有城市渣土运输车辆实施密闭运输，防止渣土遗撒，减少道路扬尘。3.2.6区域联防联控北京市积极推进京津冀及周边地区大气污染联防联控，加强区域合作与协同治理。在建立区域合作机制方面，与天津、河北等周边地区建立了常态化的沟通协调机制，定期召开区域大气污染防治工作会议，共同研究解决区域大气污染防治中的重大问题。成立了京津冀及周边地区大气污染防治协作小组，明确了各方的职责和任务，加强了区域间的信息共享和执法协作。在统一区域排放标准上，京津冀及周边地区统一了部分大气污染物排放标准，如钢铁、水泥等行业的排放标准，提高了区域环境准入门槛，减少了区域内的污染排放差异。制定了统一的机动车排放标准和油品质量标准，确保区域内机动车尾气排放和油品质量的一致性。在联合执法监管方面，京津冀及周边地区开展联合执法行动，加强对区域内工业企业、机动车、扬尘等污染源的监管。定期组织跨区域的执法检查，对违法违规行为进行联合查处，形成了强大的执法威慑力。在重污染天气应急期间，区域内各地同步启动应急响应措施，共同应对重污染天气，有效减少了区域内的污染传输和相互影响。3.3北京市雾霾治理初步成效在一系列治理举措的推动下，北京市雾霾治理取得了显著的阶段性成果，空气质量得到了明显改善。空气质量指标方面，PM2.5浓度显著下降。2013-2023年，北京市PM2.5年均浓度从89.5微克/立方米下降至32微克/立方米，降幅达到64.2%。这一数据直观地反映出北京市在降低细颗粒物浓度、改善空气质量方面取得的巨大进步。空气质量优良天数比例持续增加，2024年，北京市空气质量优良天数比例达到79.2%，同比上升5.0个百分点。优良天数的增多，意味着市民能够享受到更多蓝天白云的美好时光，生活质量得到了有效提升。污染减排成果也十分突出。在二氧化硫减排上，通过能源结构调整和工业污染治理等措施，北京市二氧化硫排放量大幅减少。与2013年相比，2023年二氧化硫排放量下降了80%以上，有效减轻了酸雨等污染问题。氮氧化物减排同样成效显著，随着机动车污染控制和工业污染源达标排放工作的推进，氮氧化物排放量持续降低，2023年较2013年下降了约50%，减少了对大气环境的危害。在环保投入不断加大的同时，北京市积极推进产业结构优化和能源结构调整，为雾霾治理提供了坚实的资金支持和产业基础。2023年，北京市环保资金投入占GDP比重达到3%左右，比2013年提高了1个百分点。充足的资金投入用于环保基础设施建设、污染治理技术研发等方面，有力地推动了雾霾治理工作的开展。在产业结构优化方面，北京市累计退出一般制造业企业超3000家，创建国家级绿色工厂112家，大力发展新一代信息技术、绿色环保等高精尖产业，第三产业占比稳定在80%以上。产业结构的优化升级，减少了高污染、高耗能产业的排放，从源头上改善了空气质量。能源结构调整也取得了显著成效，北京市率先实现平原地区基本无煤化，可再生能源消费占比达到14%左右，成为全国清洁能源转型的典范城市。清洁能源的广泛使用，降低了煤炭等化石能源燃烧产生的污染物排放，为雾霾治理做出了重要贡献。这些初步成效的取得，充分证明了北京市雾霾治理举措的有效性和科学性。但也要清醒地认识到，雾霾治理是一项长期而艰巨的任务，虽然已经取得了阶段性成果，但仍面临着诸多挑战，如污染物排放总量仍然较高、气象条件对雾霾的影响难以控制等。因此，还需要持续加大治理力度，不断完善治理措施，推动北京市空气质量持续改善。四、基于模糊综合评价法的绩效评价体系构建4.1评价指标选取原则在构建北京市雾霾治理绩效评价体系时，评价指标的选取至关重要，需严格遵循一系列科学、合理的原则，以确保评价结果的准确性与可靠性。科学性原则：科学性原则是评价指标选取的基石，要求指标体系能够精准反映雾霾治理绩效的本质内涵与客观规律，契合相关科学理论与实际状况。在指标选取过程中，需深入考量雾霾的形成机制、污染成分、时空分布特征以及治理原理等因素。例如，选取PM2.5浓度作为核心指标，是因为PM2.5作为雾霾的关键污染物，对人体健康和大气环境危害极大，其浓度变化能够直观体现雾霾污染程度的变化，精准反映治理工作在降低细颗粒物污染方面的成效。二氧化硫减排量、氮氧化物减排量等指标的选取，也是基于它们在雾霾形成过程中的关键作用以及与治理措施的紧密关联，确保指标能够科学、客观地衡量治理工作对气态污染物减排的效果。全面性原则：全面性原则强调指标体系应涵盖雾霾治理的各个层面与环节，避免出现评价漏洞与片面性。从污染源控制角度，纳入工业污染排放指标，如工业废气中污染物排放量、工业污染源达标排放率等，以衡量工业污染治理的成效；机动车尾气排放指标，如机动车保有量、尾气排放标准执行情况等，反映机动车污染控制的效果。从治理措施实施角度，包括能源结构调整指标，如清洁能源占比、煤炭消费削减量等，体现能源结构优化对雾霾治理的贡献；产业结构优化指标，如高污染高耗能产业淘汰数量、新兴绿色产业发展规模等，衡量产业结构调整在减少污染排放方面的作用。从治理效果角度，涵盖空气质量指标，如空气质量优良天数比例、AQI指数等，直观展示空气质量的改善情况；公众满意度指标，通过问卷调查等方式获取公众对雾霾治理工作的评价，反映治理工作对公众生活质量的影响。可操作性原则：可操作性原则要求评价指标的数据易于获取、计算简便，评价方法切实可行，便于实际应用与推广。在数据获取方面，优先选择能够从政府统计部门、环保监测机构等权威渠道获取的数据，如空气质量监测数据、污染物排放统计数据等，确保数据的准确性与可靠性。对于一些难以直接获取的数据，采用合理的估算方法或替代指标。在计算方法上，避免采用过于复杂的公式和模型，确保指标的计算过程简单明了。例如，空气质量优良天数比例的计算，只需统计一定时期内空气质量达到优良标准的天数，再除以总天数即可，计算过程简便易行。代表性原则：代表性原则注重选取的指标能够高度代表和反映雾霾治理绩效的关键方面，避免指标的重复与冗余。在众多与雾霾治理相关的指标中，挑选最具代表性和敏感性的指标。如在反映能源结构调整对雾霾治理的影响时，选取清洁能源消费占比这一指标，因为它能够直接体现能源结构向清洁化、低碳化转型的程度，对雾霾治理的作用显著，具有很强的代表性。而对于一些相关性过高、信息重复的指标，进行合理筛选与合并，以提高评价效率和准确性。4.2评价指标体系确定本研究从空气质量改善、治理措施执行、经济社会影响、公众满意度等维度确定指标，构建全面、科学的北京市雾霾治理绩效评价指标体系，具体如下：空气质量改善：PM2.5浓度：PM2.5是雾霾的关键污染物，其浓度是衡量空气质量的重要指标。世界卫生组织（WHO）规定的PM2.5年均浓度指导值为10μg/m³，我国现行的环境空气质量标准中，PM2.5年均浓度二级标准为35μg/m³。在北京市雾霾治理绩效评价中，PM2.5浓度越低，表明空气质量改善效果越好，治理绩效越高。空气质量优良天数比例：该指标反映了空气质量达到优良标准的天数占总天数的比例。空气质量优良天数比例越高，说明空气质量状况越好，雾霾治理工作取得的成效越大。根据《环境空气质量指数（AQI）技术规定（试行）》（HJ633—2012），AQI指数小于等于100时，空气质量为优良。近年来，北京市不断加大雾霾治理力度，空气质量优良天数比例逐年提高，从2013年的47.1%提升至2024年的79.2%，这一数据直观地体现了北京市在改善空气质量方面的努力和成果。治理措施执行：能源结构调整：能源结构调整是治理雾霾的重要措施之一。清洁能源占比是衡量能源结构调整成效的关键指标，该指标反映了太阳能、风能、地热能、天然气等清洁能源在能源消费总量中所占的比例。清洁能源占比越高，表明能源结构越清洁、低碳，对减少污染物排放、改善空气质量越有利。随着北京市能源结构调整工作的推进，清洁能源占比不断提高，2023年达到了一定的比例，为雾霾治理做出了积极贡献。产业结构优化：产业结构优化对雾霾治理具有重要意义。高污染高耗能产业淘汰数量反映了北京市在产业结构调整过程中，淘汰落后产能的力度和成效。淘汰的高污染高耗能产业越多，意味着产业结构得到了优化，污染物排放减少，有利于改善空气质量。新兴绿色产业发展规模体现了北京市在培育和发展新兴绿色产业方面的成果，新兴绿色产业的发展不仅能够推动经济的可持续发展，还能减少对环境的污染。例如，北京经济技术开发区积极培育新一代信息技术、生物医药等新兴绿色产业，产业规模不断扩大，对区域空气质量的改善起到了积极的促进作用。机动车污染控制：机动车尾气是雾霾的重要污染源之一，加强机动车污染控制是治理雾霾的重要举措。机动车尾气排放标准执行情况反映了北京市在机动车尾气排放管理方面的严格程度和执行力度。严格执行机动车尾气排放标准，能够有效减少机动车尾气中的污染物排放，改善空气质量。新能源汽车保有量占比体现了北京市在推广新能源汽车方面的成果，新能源汽车具有零排放或低排放的特点，新能源汽车保有量占比越高，对减少机动车尾气排放、改善空气质量越有利。截至2023年底，北京市新能源汽车保有量达到了一定数量，占比不断提高，为缓解雾霾污染发挥了重要作用。工业污染治理：工业污染是雾霾的主要污染源之一，加强工业污染治理是改善空气质量的关键。工业污染源达标排放率反映了工业企业污染物排放达到国家和地方排放标准的比例。该指标越高，说明工业企业在污染治理方面做得越好，对环境的污染越小。工业废气中主要污染物减排量体现了工业污染治理措施在减少污染物排放方面的实际效果，主要污染物减排量越大，表明工业污染治理工作取得的成效越显著。例如，北京市对钢铁、化工等重点工业行业进行了深度治理，通过安装先进的污染治理设备、实施清洁生产技术等措施，提高了工业污染源达标排放率，减少了工业废气中主要污染物的排放。扬尘污染管控：扬尘污染是雾霾的重要来源之一，加强扬尘污染管控对改善空气质量至关重要。建筑施工扬尘达标率反映了建筑施工工地在扬尘污染防治方面达到相关标准的比例。该指标越高，说明建筑施工工地在扬尘治理方面的工作做得越好，减少了扬尘对空气质量的影响。道路清扫保洁覆盖率体现了城市道路在清扫保洁方面的覆盖程度，道路清扫保洁覆盖率越高，能够有效减少道路扬尘的产生，改善空气质量。北京市通过加强对建筑施工工地的监管，要求施工现场采取全封闭围挡、洒水降尘、车辆密闭运输等措施，提高了建筑施工扬尘达标率；同时，加大了对城市道路的清扫保洁力度，增加了机械化清扫和冲洗频次，提高了道路清扫保洁覆盖率，有效减少了扬尘污染。经济社会影响：环保产业发展：环保产业的发展不仅能够为雾霾治理提供技术和设备支持，还能创造新的经济增长点。环保产业产值增长率反映了环保产业在一定时期内产值的增长情况。该指标越高，说明环保产业发展态势良好，对经济增长的贡献越大，同时也表明环保产业在雾霾治理中的作用不断增强。环保企业数量增加体现了环保产业的规模扩张，环保企业数量越多，能够提供更多的环保产品和服务，推动雾霾治理工作的开展。近年来，北京市加大了对环保产业的支持力度，出台了一系列优惠政策，促进了环保产业的快速发展，环保产业产值增长率和环保企业数量都呈现出上升趋势。雾霾对经济的影响：雾霾天气会对经济发展产生负面影响，如导致交通拥堵、影响旅游业、增加医疗成本等。雾霾导致的经济损失主要包括因雾霾天气造成的交通延误、航班取消、农作物减产、工业生产受限等带来的直接经济损失，以及因雾霾引发的疾病增加导致的医疗费用上升等间接经济损失。该指标数值越小，说明雾霾对经济的负面影响越小，雾霾治理工作在减少经济损失方面取得的成效越大。例如，据相关研究估算，北京市在雾霾严重时期，每年因雾霾导致的经济损失达到了一定规模，随着雾霾治理工作的推进，雾霾导致的经济损失逐渐减少。对居民健康的影响：雾霾对居民健康的危害是多方面的，会引发呼吸道疾病、心血管疾病等。居民因雾霾导致的呼吸道疾病发病率反映了雾霾对居民呼吸系统健康的影响程度。该指标数值越低，说明雾霾对居民健康的危害越小，雾霾治理工作在保护居民健康方面取得的成效越大。例如，根据北京市的相关统计数据，在雾霾治理之前，居民因雾霾导致的呼吸道疾病发病率较高，随着空气质量的改善，呼吸道疾病发病率呈下降趋势。公众满意度：公众对雾霾治理的满意度：公众对雾霾治理的满意度是衡量雾霾治理绩效的重要指标，它反映了公众对雾霾治理工作的认可程度和主观感受。通过问卷调查、访谈等方式收集公众对雾霾治理工作的评价和意见，了解公众对空气质量改善、治理措施执行、信息公开等方面的满意度。公众对雾霾治理的满意度越高，说明雾霾治理工作得到了公众的认可，治理绩效越好。例如，在北京市开展的雾霾治理公众满意度调查中，通过科学的抽样方法选取调查对象，设计合理的调查问卷，了解公众对雾霾治理工作的满意度情况，根据调查结果分析存在的问题，为进一步改进雾霾治理工作提供参考。4.3指标权重确定方法在构建北京市雾霾治理绩效评价体系中，准确确定各评价指标的权重是极为关键的环节，它直接影响评价结果的科学性与可靠性。本研究主要采用专家经验法与AHP层次分析法来确定指标权重。专家经验法，也被称为德尔菲法，是一种基于专家知识和经验的主观赋权方法。在运用专家经验法时，首先要精心挑选专家，所选专家需在大气污染治理、环境科学、环境政策等相关领域具备深厚的专业知识和丰富的实践经验，涵盖科研人员、政府环保部门官员、环保企业技术人员等不同领域的专业人士，以确保能够从多个角度对指标重要性进行全面考量。本研究邀请了15位在大气污染治理、环境科学、环境政策等领域具有丰富经验和专业知识的专家参与。向这些专家发放精心设计的调查问卷，问卷中详细列出各项评价指标，并提供相关的背景资料和说明，要求专家依据自身的专业判断，对各指标在雾霾治理绩效评价中的重要程度进行打分，打分标准通常采用1-9标度法，1表示非常不重要，9表示非常重要。回收专家填写的问卷后，对各指标的打分结果进行统计分析，计算出每个指标得分的均值、中位数、标准差等统计量。根据统计结果，若专家意见的离散程度较大，即标准差较大，需将统计结果反馈给专家，让专家重新审视自己的打分，并进行调整。如此反复进行多轮调查，直至专家意见趋于一致，一般以各指标得分的标准差小于某个设定的阈值（如0.5）作为判断标准。最终，以专家打分的均值作为各指标的权重。通过专家经验法确定权重，能够充分利用专家的专业知识和实践经验，考虑到一些难以量化的因素对雾霾治理绩效的影响。但该方法也存在一定的局限性，如容易受到专家主观因素的影响，不同专家的知识背景、工作经验和价值观念可能导致打分结果存在差异。AHP层次分析法，即AnalyticHierarchyProcess，由美国运筹学家T.L.Saaty在20世纪70年代提出，是一种定性与定量相结合的多准则决策分析方法，广泛应用于指标权重的确定。运用AHP层次分析法确定北京市雾霾治理绩效评价指标权重，主要包括以下步骤：构建递阶层次结构模型：将北京市雾霾治理绩效评价问题分解为目标层、准则层和指标层。目标层为北京市雾霾治理绩效评价；准则层包括空气质量改善、治理措施执行、经济社会影响、公众满意度等维度；指标层则由各个具体的评价指标组成，如PM2.5浓度、空气质量优良天数比例、清洁能源占比、高污染高耗能产业淘汰数量等。构造判断矩阵：针对准则层和指标层中的每一个层次，通过专家问卷调查的方式，让专家对同一层次中各因素的相对重要性进行两两比较。采用1-9标度法来量化专家的判断，1表示两个因素具有同等重要性，3表示一个因素比另一个因素稍微重要，5表示一个因素比另一个因素明显重要，7表示一个因素比另一个因素强烈重要，9表示一个因素比另一个因素极端重要，2、4、6、8则表示相邻判断的中间值。例如，在比较空气质量改善维度下的PM2.5浓度和空气质量优良天数比例时，专家根据自己的判断，认为PM2.5浓度比空气质量优良天数比例稍微重要，那么在判断矩阵中对应的元素取值为3。由此，针对每个层次都可以构造出一个判断矩阵。计算权重向量：运用特征根法等方法计算判断矩阵的最大特征值及其对应的特征向量，将特征向量进行归一化处理后，即可得到各因素的权重向量。以判断矩阵A为例，计算其最大特征值\lambda_{max}和对应的特征向量W，通过公式AW=\lambda_{max}W求解。将特征向量W进行归一化，使得\sum_{i=1}^{n}w_{i}=1，得到的归一化后的特征向量即为各因素的权重向量。一致性检验：为确保判断矩阵的一致性，需要进行一致性检验。计算一致性指标CI，公式为CI=\frac{\lambda_{max}-n}{n-1}，其中n为判断矩阵的阶数。引入随机一致性指标RI，它是通过大量随机判断矩阵计算得到的平均一致性指标，可根据判断矩阵的阶数从相关表格中查得。计算一致性比例CR，公式为CR=\frac{CI}{RI}。当CR<0.1时，认为判断矩阵具有满意的一致性，否则需要重新调整判断矩阵，直至满足一致性要求。AHP层次分析法通过将复杂的问题分解为多个层次，对各因素进行两两比较，能够较为系统地确定各指标的权重，有效减少主观因素的干扰。但该方法也存在一些不足之处，如判断矩阵的构造依赖专家的主观判断，可能会受到专家知识水平和经验的限制；当指标数量较多时，判断矩阵的一致性检验难度较大。在实际应用中，可将专家经验法与AHP层次分析法相结合，充分发挥两种方法的优势，提高指标权重确定的准确性和可靠性。4.4模糊评价矩阵构建模糊评价矩阵的构建是模糊综合评价法的关键步骤，它通过确定各评价因素对评语集的隶属度来实现。隶属度是指某个评价因素属于某个评语等级的程度，其取值范围在0到1之间。确定隶属度的方法有多种，本研究采用隶属函数法，根据各评价指标的特点选择合适的隶属函数进行计算。对于定量指标，如PM2.5浓度、空气质量优良天数比例、清洁能源占比等，根据其实际数据和评价标准，选用合适的隶属函数来计算隶属度。以PM2.5浓度为例，采用降半梯形隶属函数来计算其对不同评语等级的隶属度。假设北京市PM2.5浓度的评价标准为：优秀（年均浓度小于等于35μg/m³）、良好（35-55μg/m³）、中等（55-75μg/m³）、较差（75-95μg/m³）、差（大于95μg/m³）。当PM2.5年均浓度为40μg/m³时，根据降半梯形隶属函数计算其对优秀等级的隶属度为0.75，对良好等级的隶属度为0.25，对其他等级的隶属度为0。以此类推，可计算出不同PM2.5浓度值对各评语等级的隶属度，从而得到PM2.5浓度这一评价因素对评语集的隶属度向量。对于定性指标，如公众对雾霾治理的满意度、环保政策执行力度等，通过问卷调查、专家评价等方式获取数据，并采用模糊统计法或直接赋值法来确定隶属度。以公众对雾霾治理的满意度为例，通过问卷调查收集公众的评价数据，将满意度分为非常满意、满意、一般、不满意、非常不满意五个等级。假设调查结果显示，非常满意的比例为20%，满意的比例为35%，一般的比例为30%，不满意的比例为10%，非常不满意的比例为5%。则公众对雾霾治理的满意度这一评价因素对评语集（优秀、良好、中等、较差、差分别对应非常满意、满意、一般、不满意、非常不满意）的隶属度向量为（0.2，0.35，0.3，0.1，0.05）。将各评价因素对评语集的隶属度向量组合起来，即可得到模糊评价矩阵R。假设评价因素集有n个因素，评语集有m个等级，则模糊评价矩阵R为一个n\timesm的矩阵，其中第i行第j列的元素r_{ij}表示第i个评价因素对第j个评语等级的隶属度。例如，若评价因素集为U=\{u_1,u_2,u_3\}，评语集为V=\{v_1,v_2,v_3,v_4,v_5\}，通过计算得到各因素对评语集的隶属度向量分别为R_1=(0.1,0.3,0.4,0.2,0)，R_2=(0.2,0.4,0.3,0.1,0)，R_3=(0.3,0.3,0.2,0.1,0.1)，则模糊评价矩阵R为：R=\begin{pmatrix}0.1&0.3&0.4&0.2&0\\0.2&0.4&0.3&0.1&0\\0.3&0.3&0.2&0.1&0.1\end{pmatrix}模糊评价矩阵R全面地反映了各评价因素对不同评语等级的隶属关系，为后续的模糊合成运算和综合评价结果的得出奠定了基础。五、北京市雾霾治理绩效评价实证分析5.1数据收集与整理本研究数据来源广泛，旨在确保评价结果的全面性与准确性，主要包括以下三个方面：官方统计数据：从北京市生态环境局、北京市统计局等政府部门官方网站获取空气质量监测数据，如PM2.5浓度、空气质量优良天数比例等，这些数据具有权威性和可靠性，能够准确反映北京市空气质量的实际状况。获取北京市能源消费结构数据，了解清洁能源占比、煤炭消费削减量等信息，以评估能源结构调整对雾霾治理的影响。从官方统计中获取产业结构相关数据，包括高污染高耗能产业淘汰数量、新兴绿色产业发展规模等，用于分析产业结构优化在雾霾治理中的作用。监测站点数据：依托北京市分布广泛的空气质量监测站点，收集实时的污染物浓度数据，包括二氧化硫、氮氧化物、颗粒物等污染物的浓度。这些监测站点分布在北京市的各个区域，能够全面反映不同地区的污染状况。利用监测站点的气象数据，如风速、相对湿度、气温等，分析气象条件对雾霾的影响。气象数据与污染物浓度数据相结合，有助于深入了解雾霾的形成机制和变化规律。问卷调查数据：设计科学合理的调查问卷，针对北京市居民开展公众对雾霾治理满意度的调查。问卷内容涵盖对空气质量改善、治理措施执行、信息公开等方面的评价，通过线上线下相结合的方式，广泛收集居民的意见和看法。为确保调查结果的代表性，采用分层抽样的方法，按照不同区域、年龄、性别等因素进行抽样。共发放问卷1000份，回收有效问卷850份，有效回收率为85%。对调查数据进行统计分析，计算公众对雾霾治理满意度的各项指标得分，如非常满意、满意、一般、不满意、非常不满意的比例等，为评价公众满意度提供数据支持。在数据整理过程中，首先对收集到的数据进行清洗，剔除异常值和缺失值，确保数据的质量。对于一些缺失的数据，采用均值填充、线性插值等方法进行处理。对不同来源的数据进行标准化处理，使其具有可比性。将不同单位的污染物浓度数据统一换算为标准单位，将问卷调查数据进行量化处理，转化为可以进行数学运算的数值。建立数据数据库，对整理后的数据进行存储和管理，方便后续的数据分析和应用。5.2模糊综合评价过程确定权重向量：运用层次分析法确定各评价指标的权重向量。通过专家问卷调查，针对准则层（空气质量改善、治理措施执行、经济社会影响、公众满意度）和指标层的各个因素，构造判断矩阵。以空气质量改善准则层下的PM2.5浓度和空气质量优良天数比例为例，若专家认为PM2.5浓度比空气质量优良天数比例稍微重要，判断矩阵中对应的元素取值为3。对每个层次的判断矩阵进行计算，得到最大特征值及其对应的特征向量，将特征向量归一化处理后，得到各因素的权重向量。经计算和一致性检验（确保一致性比例CR<0.1），假设得到空气质量改善的权重为0.35，治理措施执行的权重为0.3，经济社会影响的权重为0.2，公众满意度的权重为0.15。在空气质量改善维度中，PM2.5浓度的权重为0.4，空气质量优良天数比例的权重为0.6。构建模糊评价矩阵：对于定量指标，如PM2.5浓度，根据其实际数据和评价标准，选用降半梯形隶属函数计算隶属度。假设北京市PM2.5浓度的评价标准为：优秀（年均浓度小于等于35μg/m³）、良好（35-55μg/m³）、中等（55-75μg/m³）、较差（75-95μg/m³）、差（大于95μg/m³）。若某一年PM2.5年均浓度为45μg/m³，根据降半梯形隶属函数计算，其对优秀等级的隶属度为0.5，对良好等级的隶属度为0.5，对其他等级的隶属度为0。对于定性指标，如公众对雾霾治理的满意度，通过问卷调查获取数据，采用模糊统计法确定隶属度。假设调查结果显示，非常满意的比例为25%，满意的比例为40%，一般的比例为25%，不满意的比例为8%，非常不满意的比例为2%。则公众对雾霾治理的满意度对评语集（优秀、良好、中等、较差、差分别对应非常满意、满意、一般、不满意、非常不满意）的隶属度向量为（0.25，0.4，0.25，0.08，0.02）。将各评价因素对评语集的隶属度向量组合起来，得到模糊评价矩阵R。进行模糊合成运算：将权重向量A与模糊评价矩阵R进行模糊合成运算，本研究采用最大-乘积合成法。即B=A\cdotR，得到综合评价结果向量B=(b_1,b_2,\cdots,b_m)，其中b_j表示评价对象对评语集V中第j个评价等级的隶属程度。假设经过运算，得到B=(0.22,0.35,0.28,0.12,0.03)。根据最大隶属度原则，比较b_1,b_2,\cdots,b_m的大小，取最大值对应的评价等级作为最终评价结果。在此例中，b_2=0.35最大，所以北京市雾霾治理绩效的评价结果为良好。5.3评价结果分析与讨论通过模糊综合评价法得到的北京市雾霾治理绩效评价结果为良好，这一结果较为客观地反映了北京市在雾霾治理工作中所取得的成效与存在的不足。从优势方面来看，在空气质量改善维度，PM2.5浓度显著下降以及空气质量优良天数比例持续增加，表明北京市在降低雾霾关键污染物浓度、提升空气质量方面成效显著。这得益于一系列强有力的治理措施，如能源结构调整、产业结构优化、机动车污染控制等。在能源结构调整上，北京市大力削减煤炭消费，增加清洁能源使用比例，从源头上减少了污染物的排放。截至2020年底，北京市平原地区基本实现无煤化，煤炭消费总量占能源消费总量的比重降至10%以下，与2013年相比，煤炭消费总量减少了约1500万吨。在产业结构优化方面，淘汰了大量高污染、高耗能企业，推动了产业升级转型，减少了工业污染排放。近年来，累计退出一般制造业企业超3000家，涉及钢铁、水泥、化工等多个行业。机动车污染控制措施也取得了明显成效，油品质量不断升级，新能源汽车保有量占比持续提高，有效减少了机动车尾气排放。在治理措施执行维度，各方面措施的有效实施为雾霾治理提供了坚实保障。能源结构调整成效显著，清洁能源占比不断提高；产业结构优化稳步推进，高污染高耗能产业淘汰数量可观，新兴绿色产业发展态势良好；机动车污染控制力度持续加大，尾气排放标准执行严格，新能源汽车推广成效显著；工业污染治理成果突出，工业污染源达标排放率不断提高，工业废气中主要污染物减排量明显；扬尘污染管控措施得力，建筑施工扬尘达标率和道路清扫保洁覆盖率不断提升。然而，评价结果也揭示了北京市雾霾治理工作中存在的一些不足之处。在经济社会影响维度，虽然环保产业发展取得了一定成绩，但与发达国家相比，仍存在规模较小、技术水平有待提高等问题。雾霾对经济的影响虽有所减轻，但仍不容忽视，如雾霾导致的交通延误、航班取消等经济损失仍然存在。对居民健康的影响方面，尽管居民因雾霾导致的呼吸道疾病发病率呈下降趋势，但雾霾对居民健康的潜在危害依然存在。在公众满意度维度，虽然公众对雾霾治理的满意度有所提高，但仍有提升空间。部分公众对治理措施的执行力度和效果存在疑虑，对空气质量的进一步改善仍有较高期望。这可能与部分治理措施的宣传和解释工作不到位，导致公众对治理工作的理解和支持不够有关。将评价结果与实际情况进行契合度分析，发现二者具有较高的一致性。近年来，北京市空气质量的改善是有目共睹的，市民能够直观感受到蓝天白云的天数增多，雾霾天气减少。各项治理措施的实施也有详细的政策文件和实际行动作为支撑，如《大气污染防治行动计划》《打赢蓝天保卫战三年行动计划》等政策的有效实施，以及能源结构调整、产业结构优化等具体举措的推进。但评价结果也存在一定的局限性，由于评价指标和数据的选取可能无法完全涵盖雾霾治理的所有方面，以及评价方法本身存在一定的主观性，可能导致评价结果与实际情况存在一定的偏差。在未来的研究中，可以进一步完善评价指标体系，优化评价方法，提高评价结果的准确性和可靠性。六、国内外雾霾治理经验借鉴6.1国外典型城市雾霾治理经验伦敦曾以“雾都”闻名于世，其雾霾污染主要源于工业革命时期大量的煤炭燃烧以及后来汽车尾气的排放。1952年发生的伦敦烟雾事件是英国历史上最严重的空气污染事件之一，在短短4天内，死亡人数就达4000多人，两个月后，又有8000多人陆续丧生。惨痛的教训促使英国政府痛下决心治理雾霾，其采取的措施对全球雾霾治理都具有重要的借鉴意义。在法律层面，英国政府颁布了一系列严格的法律法规。1956年，英国颁布了世界上第一部关于大气污染防治的法案——《清洁空气法案》。该法案规定，伦敦城内的电厂必须关闭，只能在大伦敦区重建；城市居民的传统炉灶必须进行改造，减少煤炭用量，逐步实现居民生活天然气化；冬季采取集中供暖。1968年，英国又实行了新的《清洁空气法案》，要求工业企业建造高大的烟囱，加强疏散大气污染物。1974年，颁布了《控制公害法》《污染控制法案》，规定机动车燃料的组成，限制油品（用于机动车或壁炉）中硫的含量，大幅扩大烟尘控制区的范围。此后，英国还通过了《汽车燃料法》（1981年）、《空气质量标准》（1989年）、《环境保护法》（1990年）、《道路车辆监管法》（1991年）、《污染预防和控制法案》（1999年）等一系列法律法规，严格限制废气排放。这些法律法规的出台，为伦敦雾霾治理提供了坚实的法律保障，明确了各方面的责任和义务，使得雾霾治理工作有法可依。经济手段在伦敦雾霾治理中也发挥了重要作用。为了减少机动车尾气排放，伦敦市政府从2003年开始征收交通拥堵费。凡是在工作日早7时至晚6时30分进入伦敦市中心特定区域的车辆，都需要缴纳一定的费用。这一措施有效地减少了进入市中心的车辆数量，降低了交通拥堵程度，从而减少了机动车尾气排放。伦敦还大力推广新能源汽车，对购买新能源汽车的消费者给予一定的补贴和优惠政策，如减免购车税、提供免费停车等。这些政策措施鼓励了消费者购买和使用新能源汽车，促进了新能源汽车的普及，进一步减少了尾气排放。美国洛杉矶也曾长期遭受雾霾的困扰，其雾霾主要是由汽车尾气和工业废气排放导致的光化学烟雾污染。20世纪40年代至70年代，洛杉矶的雾霾问题十分严重，城市的天空常常被厚厚的烟雾笼罩，能见度极低，对居民的健康和生活造成了极大的影响。经过多年的努力，洛杉矶在雾霾治理方面取得了显著成效，其治理经验也值得深入研究和借鉴。在治理过程中，洛杉矶建立了完善的空气质量监测体系。该体系覆盖了整个城市及周边地区，通过分布广泛的监测站点，实时监测空气中各种污染物的浓度，如颗粒物、二氧化硫、氮氧化物、挥发性有机物等。这些监测数据为政府制定科学合理的治理政策提供了准确的依据。洛杉矶根据监测数据，及时调整治理策略，对污染严重的区域和行业采取针对性的措施。通过空气质量监测体系，还能够及时向公众发布空气质量信息，提醒居民采取相应的防护措施。在交通管理方面，洛杉矶采取了一系列有效的措施。大力发展公共交通，建设了广泛的地铁、轻轨和公交网络，提高公共交通的便利性和可达性。鼓励居民减少私家车的使用，增加公共交通的出行比例。通过优化公交线路、增加公交车辆、提高公交服务质量等措施，吸引了更多居民选择公共交通出行。洛杉矶还实行了交通需求管理政策，如错峰上下班、限制特定区域的车辆通行等。这些措施有效地缓解了交通拥堵，减少了机动车尾气排放。在油品质量提升方面，洛杉矶严格控制油品中的有害物质含量，不断提高油品质量标准。通过提高油品质量，减少了机动车尾气中的污染物排放，降低了对空气质量的影响。6.2国内其他城市雾霾治理经验上海在雾霾治理方面也取得了显著成效，其治理经验对北京市具有重要的借鉴意义。在产业结构优化上，上海加快传统产业的转型升级，大力发展战略性新兴产业和现代服务业。通过制定严格的产业准入标准，限制高污染、高耗能产业的发展，引导产业向绿色、低碳方向发展。加大对高新技术产业的扶持力度，推动电子信息、生物医药、新能源、新材料等产业的快速发展，提高产业附加值，减少污染物排放。上海积极推进工业污染源的深度治理，要求企业采用先进的污染治理技术和设备，实现污染物的达标排放和超低排放。在能源结构调整方面，上海大力削减煤炭消费，提高清洁能源的使用比例。制定了煤炭消费总量控制目标，通过实施煤改电、煤改气等工程，减少工业和居民对煤炭的依赖。积极发展太阳能、风能、地热能等清洁能源，建设了一批清洁能源项目，如奉贤海上风电项目，装机容量达到数十万千瓦，每年可提供大量清洁电力。加强与周边地区的能源合作，引入外调电力和天然气，优化能源供应结构。上海还注重交通污染治理，大力推广新能源汽车，出台了一系列优惠政策，鼓励居民购买和使用新能源汽车。给予新能源汽车购车补贴、免费停车、优先上牌等优惠措施，降低居民购买和使用新能源汽车的成本。加强公共交通建设，完善地铁、公交网络，提高公共交通的便利性和可达性，鼓励居民减少私家车的使用。加强对机动车尾气排放的监管，提高机动车尾气排放标准，加大对超标排放车辆的处罚力度。广州在雾霾治理中也有诸多值得借鉴的做法。在产业结构调整上，广州积极推动产业升级，大力发展高端制造业和现代服务业。通过“腾龙换鸟”和“退二进三”等举措，优化产业布局，淘汰落后产能，减少工业污染排放。广州经济技术开发区积极引进高新技术企业，培育新兴产业集群，推动