【笔墨之林】JAERE: 遮天蔽日 —— 空气不透明度数据在环境经济学的应用

文摘其他 2024-10-07 08:15 中国香港

“笔墨之林”的由来

“笔墨之林”出自汉·王充《论衡·对作》，指斯文萃集的地方。本栏目为能源经济与环境管理研究室（E3M）公众号“研究分享”下的子栏目，同步在E3M官网更新。本栏目长期聚焦能源与环境经济学、可持续发展跨学科研究等方向的前沿文章。欢迎大家关注E3M研究室及本公众号，也欢迎向笔墨之林栏目投稿。【笔墨之林】学术推文征稿 

原文信息

作者: Seung Min Kim and Kenneth Gillingham

题目: Air Pollution and Solar Energy: Evidence from Wildfires

期刊: Journal of the Association of Environmental and Resource Economists

时间: 2024年5月

DOI: 10.1086/731514

编者荐语

本文探讨了一种新的空气污染负外部性，即空气污染导致空气不透明度提高，进而减少了光伏发电。研究结果为理解空气污染的外部性和减碳降污政策的正向反馈效应提供了新的经验证据。

研究背景

当前，大量文献聚焦于讨论空气污染的健康成本，忽视了空气污染的其它负外部性渠道。但是，空气污染会降低能见度，能见度的降低不利于光伏发电效率的提升。考虑到光伏发电在能源转型战略中的重要地位，空气污染与光伏发电之间的负向关系意味着减少对化石燃料的依赖可以提高能见度，从而提高光伏发电效率，增加可再生能源在燃料结构中的份额，并进一步减少排放。

现有直接考察PM2.5与光伏发电间因果关系的实证研究面临两个挑战。第一，利用PM2.5的外生变动直接研究其对光伏发电的影响忽略了其它污染物对光伏发电的影响，低估了空气污染的负外部性。第二，采用风向和风速作为IV的研究违背了排他性约束，无法建立真正的因果关系。本文通过分别建立空气污染-空气不透明度和空气不透明度-光伏发电这两对因果关系，解决了上述挑战。

研究内容

2.1 主要变量及数据来源

光伏发电数据：本文采用加州太阳能倡议组织(CSI)2010至2016年间隔15分钟的屋顶光伏电板发电数据。经过一系列的清理，获得了288个地区(以ZIP code区分)的470个光伏发电系统的日度发电数据，得出每个地区的日度平均发电量。

模拟地表太阳辐照度数据：本文采用全球水平辐射度(GHI)衡量地表光伏发电的潜力。同时采用直接散射辐射(DHI)和直接辐射(DNI)来研究空气不透明度对光伏发电的影响机制。数据来源为国家太阳辐射数据库(NSRDB)。

空气不透明度和降尺度PM2.5数据：本文采用日度卫星传感器测量的气溶胶光学厚度(AOD)来衡量空气不透明度(air opacity)，数据来源为MODIS AOD数据集。同时本文还采用降尺度PM2.5来说明EPA PM2.5监测数据具有地区代表性，数据来源为Reid et al.(2021)。

野火烟雾数据与PM2.5数据：野火烟雾数据来自国家海洋局灾害地图系统(NOAA’s Hazard Mapping System)。对于每个自然日，当地区的边界与野火烟雾的边界相交时，定义该地区为“烟雾天”(SMOKEYDAY为1)。同时计算以下两个角度：地区质心与野火质心的角度；地区质心与风向角度。对上述两个角度作差并取余弦值，来刻画地区是否位于烟雾的下风向。当该余弦值大于0时，DOWNWIND为1；否则为0。PM2.5监测数据来源于EPA传感器。

社会经济数据：本文在回归中控制了低收入家庭比例、低教育水平人口比例和不同的种族的人口比例等经济社会特征。数据来源为EJScreen数据库。

2.2 实证方法

本文分两步研究空气污染对光伏发电的影响。首先，本文建立了空气不透明度与光伏发电之间的因果联系。然后，本文建立了空气污染与空气不透明度之间的因果联系。分两步研究空气污染对光伏发电的影响具有以下好处：当直接采用风向作为PM2.5的IV来研究PM2.5对光伏发电影响时，由于空气的不透明度可能与风带来的其他污染物和颗粒相关，无法满足IV的排他性约束。分两步分别建立因果关系则可以较好的避免上述问题。

为了建立空气不透明度与光伏发电之间的因果联系，估计下列回归方程：

因变量log(yiswt)为地区i在第s年w周时间t至t+2天的累积发电量的自然对数。右边AODiswt为该地区当天的气溶胶光学厚度。β衡量的是空气不透明度对光伏发电的影响。控制变量Xiswt包括最高(低)温度，最高(低)相对湿度，降水和NO2浓度。在回归中加入控制变量的二次和三次项来控制非线性影响。作者还控制了地区-年度固定效应和周固定效应。

考虑到采用OLS可能面临的内生性问题，作者将野火烟雾的暴露和风向作为空气不透明度(AOD)的IV。一阶段的回归方程如下：

其中，方程左边AODiswt为气溶胶光学厚度。方程右边SMOKEDAYt表示t是否为烟雾天。DOWNWINDiswt表示地区i是否在当天位于烟雾的下风向。f(WSiswt)为当天风速的三次项。f(WDiswt)为地区风向角度和地区相对于最近的烟雾的角度之差的余弦值。其它控制变量和固定效应与前文保持一致。该设定利用了气溶胶光学厚度同时受野火烟雾的日期及相对位置，风向和风速影响的事实。值得注意的是，这种设定全面体现了空气不透明度与多种污染物之间的关系：气溶胶光学厚度不仅受到烟雾暴露导致PM2.5变动的影响，还受到烟雾暴露导致的其他污染物变动的影响。

为了建立空气污染与空气不透明度之间的因果联系，估计下列回归方程：

其中因变量AODisawt为光学气溶胶厚度，自变量PM2.5isawt为EPA监测PM2.5。其它设定与前文一致。控制变量不仅包括前文所述的天气变量，还加入了三个额外的变量：平均海平面气压，700 hPa垂直速度和PM10。考虑到污染与季节相关，在估计PM2.5对AOD的影响时不仅采用了年度数据，还分季节进行分析。

作者采用当地的风速和风向作为PM2.5的IV。一阶段方程如下：

与前文不同的是，f(WDisamwt)为当地日度风向角度的余弦值。基于上述方程，本文建立了空气污染与空气不透明度之间的因果联系。

2.3 实证结果

表1报告了空气不透明度对光伏发电的影响。第一列OLS和IV估计的结果表明，空气不透明度(AOD)显著降低了未来三天的累积发电量。第二列报告了PM2.5对光伏发电的影响，系数的经济显著性小于第一列的结果，与PM2.5不是空气不透明度的唯一来源的观点相一致。第(3)和(4)列的结果表明, 无论是对于有光伏发电系统的地区还是整个加州地区，提高空气不透明度能够显著降低地表的光伏发电潜力(GHI)，这体现了本文所建立的空气不透明度与光伏发电之间因果关系的外部有效性。

表1：空气不透明度对光伏发电的影响

表2分析了空气不透明度对光伏发电影响的机制。提高空气不透明度显著降低了地表的太阳直射照射幅度(第(1)和(2)列)，提高了地表的太阳间接照射幅度(第(3)和(4)列)。

表2：空气不透明度对地表太阳辐照度的影响

不论是从分季度还是全年的样本来看，提高PM2.5都显著增加了空气不透明度(表3)，且这种效应在夏天更加突出。

表3：PM2.5对空气不透明度的影响

2.4 政策影响

基于上述实证结果，本文计算得出，增加1µg/m3的PM2.5浓度对整个CIS项目造成的经济损失约为312万美元。同时，本文还发现低教育水平和高人口密度的地区的光伏发电损失更大。

研究结论与贡献

为了研究空气污染对光伏发电的影响，本文分别建立了空气不透明度与光伏发电间的因果联系和空气污染与空气不透明度间的因果联系。通过分两步估计因果关系的方式，可以有效避免直接使用风向和风速作为PM2.5的IV研究其对光伏发电的因果影响时可能面临的问题：风向和风速不仅改变了当地的PM2.5水平，也改变了其他无法测量却能够影响光伏发电的污染物水平。结果表明，空气质量恶化提高了空气不透明度，进而降低了光伏发电量。该结果揭示了空气污染新的外部性，证实了减碳和治污政策可能存在的正向的反馈机制，对理解和推进减碳政策具有重要意义。

本期作者

陈立东，香港城市大学博士生。研究方向为经济不确定性，供应链风险和可持续发展。

阅读原文，获取更多文章信息

图片来源网络，侵删

关于我们

能源经济与环境管理研究室（The Laboratory of Energy Economics and Environmental Management，E3M）成立于2017年，是香港地区第一个致力于能源和环境问题经济分析的实验室，探讨了经济、能源和环境之间的相互作用，为全球变化时代下的经济发展制定可持续的智能增长框架铺平道路。

更多信息请见E3M主页：

https://www.cityu.edu.hk/see_eeem/index.html

本期作者：陈立东，香港城市大学博士生

本期责编：陈立东，香港城市大学博士生

本期主编：李明来，香港城市大学博士生

本期统筹：李明来，香港城市大学博士生

最新文章