2016—2020年沙尘天气对陕西省空气质量的影响特征

基于2016—2020年陕西省环境空气质量监测数据,分析沙尘天气对陕西省空气质量的影响特征。结果表明：（1）陕西省域沙尘天气过程每年发生9—19次,沙尘影响日每年20—46 d;春季为沙尘天气高发季,5月和3月为高发月;沙尘天气过程发生频数空间分布整体表现为自北向南、自东向西递减。（2）各城市沙尘天气过程持续时间2—120 h,关中城市持续时长总体高于陕北和陕南城市;不同沙尘天气过程PM₁₀峰值浓度变化范围大,最高值出现在榆林（3 219 μg·m^-3）。（3）2018年沙尘天气对陕西省PM₁₀年均浓度影响最大,2020年影响最小,年均浓度绝对贡献分别为9.3 μg·m^-3 和2.9 μg·m^-3;各城市沙尘影响日超标占比66.7%—89.7%,污染等级以轻度和中度污染为主,严重和重度污染较少;榆林、延安和商洛的严重污染100%来源于沙尘天气,关中5市的严重污染20.5%—66.7%来源于沙尘天气。     

中国城市空气污染时空分布格局和人口暴露风险

近年来,中国空气污染及其对人口健康危害的时空分布呈现出新的特征。论文使用5 a(2015—2019年)间逐小时的空气质量监测数据,利用变化率计算、热点分析、趋势分析和超标频数统计等方法,分析了中国332个城市的空气质量及人口空气污染暴露风险的时空分布特征,结论如下：① 中国城市近年来空气质量有好转趋势,环境空气质量指数(AQI)下降的城市占所研究城市总数的91.3%;PM_2.5、PM₁₀、SO₂和CO等4种污染物浓度均有所下降,而NO₂和O₃浓度有所上升;② PM_2.5、PM₁₀、SO₂和CO浓度变化率的热点分布于新疆地区和云南—华南地区,NO₂浓度变化率的热点为新疆地区和河套平原,O₃浓度变化率的热点为华北平原至长江中下游流域;西北地区和华南地区空气质量变化幅度较小;③ 9个城市在PM_2.5、PM₁₀、SO₂、NO₂、O₃和CO等6种污染物中均有暴露,分布于山西、河北与山东。暴露风险均为0级的低风险城市共有12个,分别位于新疆、云南、贵州、四川、广东、福建和黑龙江。研究结论对于跨区域空气污染的协同治理以及制定差异化的空间人口流动管理政策具有重要参考价值。     

沙尘影响下华北地区一次重污染天气形成与消散过程分析

以2017年5月4日~5日华北地区出现的一次大范围的严重的天气污染形成与消散过程为研究对象,通过搜集华北地区9个城市空气中主要污染物浓度、AQI（空气质量指数）和常规气象数据,分析AQI、主要污染物（PM₁₀、PM_2.5、SO₂、NO₂、CO、O₃）浓度变化特征和相关气象因子的关系。结果表明：本次重污染本质为区域性沙尘污染所致。污染过程呈现出形成速度快、消散急促的特点。该污染过程首要污染物为PM₁₀,其次为PM_2.5,而SO₂、NO₂、CO、O₃等由人类活动产生的污染物浓度并未超标。后向轨迹分析和相关分析发现造成此次严重污染颗粒物主要来自蒙古高原,风是主要驱动因子。污染物在空间位置比较接近的城市间传输时,表现出趋势一致性、时间上的滞后性和污染物浓度的累积性特点。     

中国空气质量时空变化特征

基于2015年中国343个地区空气质量指数（AQI）数据,运用统计分析和空间自相关分析方法,对全国及陆地表层系统九大区域空气质量时空变化特征进行分析。结果表明：① 全国及九大区域空气质量春季较差、夏秋优良、冬季最差,AQI季节均值呈现“U”形变化特征。② 全 国及九大区域AQI月均值变化趋势呈现“L”形特征。③ 全国及九大区域AQI日均值变化趋势呈现周期性W~脉冲型波动规律。④ “高污染”和“低污染”区域呈现出北高南低的南北分异格局。⑤ 九大区域首要污染物频次结构差异明显,频次最高的首要污染物PM_2.5或者PM₁₀在空间上呈现出明显的东西分异格局。     

陕西省大气环境承载力分析

以陕西省大气环境中SO₂和PM₁₀作为评估对象进行大气环境承载力研究,采用烟云足迹分析法计算了陕西省2010-2013年环境容量系数A值和SO₂、PM₁₀环境承载力的时空分布状况。结果表明：陕西省环境容量系数A值变化范围较大,2010-2013年全省年平均A值变化范围为1~5,陕北地区环境容量系数A值最大,其次为关中,陕南最小,2010-2013年关中地区西安、宝鸡和渭南呈现出逐年下降的趋势。SO₂环境承载力全省整体上2010-2013年变化范围为-148 578.04~-189 149.59 km²,4 a SO₂承载力均无余额,其中渭南和西安SO₂承载力严重不足且呈下降趋势; PM₁₀环境承载力全省整体上2010-2013年变化范围为12 701.47~44 511.02 km²,4 a PM₁₀承载力均有余额,全省各市除渭南和铜川外4 a均有余额,但总体呈下降趋势。     

2017—2019年中天山北坡城市群大气污染及污染天气类型特征

利用2017—2019年中天山北坡城市群（乌鲁木齐市、昌吉市、石河子市、五家渠市）逐时大气污染物监测数据及气象数据,分析了大气污染物年内变化和污染天气类型特征。结果表明：（1） 中天山北坡4座城市6类大气污染物中PM_2.5超标日数最多（年均94~104 d）,年均浓度介于64~73 μg·m^-3,且五家渠市>乌鲁木齐市>石河子市>昌吉市。采暖期PM_2.5浓度在100~118 μg·m^-3之间,是非采暖期的4.00~5.00倍,靠近山前地带的城市PM_2.5浓度日变化大体呈现“双峰双谷型”。（2） 4座城市污染天气类型主要分为静稳型、沙尘型和特殊型,其中静稳型占86.2%~93.6%、沙尘型占5.8%~13.2%。静稳型污染天气多出现在冬季,沙尘型主要出现在春、秋季节。静稳型污染天气中Ⅴ-Ⅵ级污染级别占比45.8%~56.6%,沙尘型污染天气中Ⅴ-Ⅵ级污染级别占比14.9%~29.4%。（3） 静稳型和沙尘型污染天气下PM_2.5和PM₁₀浓度都存在显著的线性相关,前者PM₁₀浓度是PM_2.5的1.26倍,而后者达3.16倍,此倍数可以作为区分静稳型和沙尘型污染天气的判据。     

基于“一街一站”的深圳市PM2.5时空特征及排名通报作用研究

深圳市于2018年6月建成了全国首个街道空气监测网络“一街一站”,并对全市74个街道进行月均PM_2.5浓度排名,向公众通报空气质量排名倒数十位的街道,以落实基层治理大气污染的责任。本研究基于深圳市街道空气监测网络的数据,分析了深圳市PM_2.5浓度的时空特征,使用双重差分模型检验空气质量排名通报是否能发挥环保部门所期待的效果,进一步促使PM_2.5浓度排名靠后的街道改善其空气质量。结果表明：① 基于街道空气监测的深圳市年均PM_2.5浓度为22.4 μg/m³,月均浓度最低值出现在7月,最高值出现在1月,与国家站监测结果之间无显著性差异。② 深圳市街道的PM_2.5浓度具有较高的空间集聚性,高值主要聚集在西北部,低值主要聚集在中南部,而国家监测站难以准确表征深圳市PM_2.5浓度空间分布特征。③ 考虑了个体和时间固定效应的双重差分模型分析结果表明,对深圳市月均PM_2.5浓度较高、空气质量排名靠后的街道进行通报,其随后1~2个月的PM_2.5浓度仍受该月污染的持续性影响,而通报行为无显著性影响;到随后第3个月,该月污染的持续性影响下降到较小的程度,此时通报行为对PM_2.5浓度呈显著降低作用,且影响程度大于污染的持续性影响。     

中国城市PM2.5污染对居民主观幸福感的影响及支付意愿研究

利用2015年中国40个城市大规模问卷调查数据,采用贝叶斯多层级有序分类响应模型探讨了PM_2.5污染对居民主观幸福感的影响,进而核算居民为减轻PM_2.5污染的支付意愿。研究发现：PM_2.5污染对主观幸福感具有显著的负向影响,PM_2.5污染每增加1个单位,主观幸福感将下降0.040个百分点;家庭月收入对主观幸福感具有显著的正向影响,家庭月收入每增加1个单位,主观幸福感将提升0.026个百分点。支付意愿不仅受到家庭收入水平的影响,还受到居民所处城市空气质量的影响;在承受PM_2.5污染的最初阶段,居民为改善空气质量的支付意愿最高。居民为改善空气质量愿意支付的金额平均为226元,占家庭月总收入的2.274%。     

大气污染物排放量与颗粒物环境空气质量的空间非协同耦合研究——以武汉市为例

针对区域大气污染物排放量与空气质量在时空分布上存在不完全协同、匹配的现象,论文选择SO₂、NO_X、PM_2.5、CO和VOCs作为大气污染物指标,选择气溶胶光学厚度(Aerosol Optical Depth, AOD)表征颗粒物环境空气质量,以武汉市为例,综合应用耦合模型和空间错位指数模型研究2类指标之间的空间非协同耦合规律。主要结论如下：① 武汉市大气污染物排放量与颗粒物空气质量具有不同空间分布特征,大气污染物排放量呈现由城市中心城区向远城区递减的趋势,其中SO₂、PM_2.5和VOCs的排放具有明显的中心聚集现象,而NO_X和CO聚集现象不显著,且与道路分布明显相关;AOD分布具有明显的空间差异性,总体上呈由西北向东南依次递减的趋势。② 武汉市大气污染物排放与颗粒物空气质量的空间非协同耦合规律：越靠近城市中心城区,空间协同耦合现象越显著,空间错位现象越弱;越远离主城区,空间非协同耦合现象越显著,空间错位现象越显著;SO₂排放量与AOD在武汉市远城区的空间错位指数均大于0.7,且耦合度指数小于0.3,呈现较强的非协同耦合特征,NO_X、VOCs、PM_2.5的排放量与AOD在武汉中心城区的空间错位指数均小于0.5,且耦合度指数大于0.5,协同耦合现象较为显著。③ 基于时空非协同耦合分析城市大气环境污染治理建议：针对污染物与AOD空间错位不显著的城市中心城区,以本地减排治理为主;针对污染物与AOD空间错位显著的远城区,应在污染溯源分析的基础上进行区域协调综合治理。     

上海市PM2.5浓度变化特征及其气象因子分析

对上海市2012-2016年PM_2.5质量浓度、气象因素数据资料进行整理统计,通过定性分析与定量计算相结合的方法,揭示近年来上海市PM_2.5浓度的变化特征及其污染状况;采用相关性分析,从温度、气压、相对湿度、风向、风速和降水量等方面探讨了PM_2.5浓度与气象因素之间的关联性。结果表明：上海市近5 a空气质量主要为优和良,污染天数所占全年比例在减少。PM_2.5浓度呈现出夏季低,冬季高的季节特征,而且8月PM_2.5浓度最低,处于16~36 μg·m^-3;PM_2.5的日变化呈现出双峰双谷结构,浓度峰值出现于8~9时和19~20时,且后者浓度更高。气温、气压、相对湿度的阈值分别出现在9.8℃、1 021.6 hPa、83%,最大PM_2.5在阈值处出现显著变化;最大PM_2.5浓度与累积风速和降水量呈现出对数关系,并且东北风和东南风的累积风速达到350 m·s^-1以上时,PM_2.5浓度基本减少至35 μg·m^-3;降水量越大,PM_2.5浓度越低。     

基于制度背景与经济活动交互效应的广东省PM2.5污染驱动因素分析

为探讨社会经济活动与制度背景的交互效应对PM_2.5污染的影响,文章选取经济转型的前沿阵地——广东进行了实证分析。基于遥感影像获取的PM_2.5质量浓度数据,运用空间马尔科夫链和空间计量模型,定量刻画了广东省1998—2015年PM_2.5质量浓度的时空演变特征,并对不同制度背景下社会经济活动对PM_2.5的影响进行了量化分析。结果表明：广东省地级市PM_2.5质量浓度呈现先上升后缓慢下降的过程,PM_2.5质量浓度形成“以珠江口为核心”的圈层空间结构,呈现“以佛山、广州和东莞为核心,先扩散、后集中”的空间演变特征。空间马尔科夫链结果表明：PM_2.5质量浓度演变存在显著的空间交互性。若与PM_2.5质量浓度高的区域为邻,则该区域PM_2.5质量浓度增大的概率将会变大;而与PM_2.5质量浓度低的区域为邻,该区域的PM_2.5质量浓度的变化则不会受到明显的影响。社会经济因素和制度背景的交互项表明：高市场化水平能够削弱工业生产对PM_2.5的正效应。分权化过程促进了工业生产对PM_2.5污染的正效应;同时,显著降低了污染密集型工业生产的排放。全球化进程通过引进清洁技术促进技术进步从而降低PM_2.5的污染。此外,环境规制通过降低工业生产排放和倒逼技术进步达到降霾效果。     

中国城市群地区PM2.5时空演变格局及其影响因素

城市群作为中国新型城镇化主体形态,是支撑全国经济增长、促进区域协调发展、参与国际分工合作的重要平台,也是空气污染的核心区域。本文选取2000-2015年NASA大气遥感影像反演PM_2.5数据,运用GIS空间分析和空间面板杜宾模型,揭示了中国城市群PM_2.5的时空演变特征与主控因素。结果显示：① 2000-2015年中国城市群PM_2.5浓度呈现波动增长趋势,2007年出现拐点,低浓度城市减少,高浓度城市增多。② 城市群PM_2.5浓度以胡焕庸线为界呈现东高西低的格局,城市群间空间差异性显著且不断扩大,东部、东北地区浓度提升更快。③ 城市群PM_2.5年均浓度空间集聚性显著,以胡焕庸线为界,热点区域集中东部,范围持续增加,冷点集中在西部,范围持续缩小。④ 城市群内各城市间PM_2.5浓度存在空间溢出效应。不同城市群影响要素差异显著,工业化和能源消耗对PM_2.5污染有正向影响;外商投资在东南沿海和边境城市群对PM_2.5污染具有负向影响;人口密度对本地区PM_2.5污染主要具有正向影响,对邻近地区则相反;城市化水平在国家级城市群对PM_2.5污染有负向影响,在区域性和地方性城市群则相反;产业结构高级度对本地区PM_2.5污染有负向影响,对邻近地区则相反;技术扶持度对PM_2.5污染的影响显著,但存在滞后性和回弹效应。     

黄河流域空气污染的空间格局演化及影响因素

基于2008—2017年黄河流域工业SO₂和PM_2.5两类典型空气污染物数据,首先刻画了两者的空间演化格局,并运用空间面板杜宾模型（SPDM）从直接效应和间接效应两方面对两者的影响因素进行对比分析。结果表明：① 工业SO₂和PM_2.5污染均存在显著的空间集聚特征,从东南至西北方向呈现梯度递减趋势;二者在城市尺度均存在显著的正向空间关联性,但PM_2.5污染的空间关联性比工业SO₂更强;② 2008—2017年,工业SO₂和PM_2.5污染有所缓解,其中工业SO₂排放强度迅速下降;而PM_2.5质量浓度下降相对缓慢,仍是黄河流域主要的空气污染源。③ 产业结构、技术创新、能源效率、人口规模、经济发展、工业规模等是影响黄河流域空气污染的主要因素,但PM_2.5的影响因素更加复杂多样化。其中,技术创新能力和经济发展水平的提升虽然在研究期内加剧了本地工业SO₂污染的排放强度,但却能缓解周边城市的工业SO₂和PM_2.5污染;工业规模的扩大会加剧本地和邻近城市的PM_2.5污染。     

沙尘天气对榆林市环境空气质量的影响

基于2013—2018年榆林市沙尘天气和环境空气质量逐日数据,定量分析了沙尘天气对榆林市空气质量指数（AQI）、可吸入颗粒物（PM₁₀）和细颗粒物（PM_2.5）的绝对贡献和相对贡献率。结果表明：沙尘天气对榆林市AQI的贡献率为0.7%—11.1%（平均值±标准差6.4%±3.8%）;对PM₁₀的绝对贡献为1.0—13.1 μg·m^-3（平均8.2±5.4 μg·m^-3）,相对贡献率5.4%±3.5%;对PM_2.5的绝对贡献为-0.4—3.5 μg·m^-3,沙尘天气对PM_2.5的影响小于对PM₁₀。沙尘天气对榆林市空气质量的影响季节差异很大,春季贡献最大,秋冬季贡献较小。沙尘天气对榆林市区和郊区的影响程度不同,这可能与局部气象条件和地形条件等因素有关。     

中国高耗能产品生产与区域PM2.5浓度的动态关联效应——基于省级尺度的分析

面向经济高质量发展及实现“双碳”战略目标,中国传统能源密集型产业发展的资源环境效应备受学界关注。基于2000—2017年中国31个省（直辖市、自治区）的面板数据,通过构建面板向量自回归模型（PVAR）,结合脉冲响应分析和方差分解及动态系统GMM模型,探究中国火电、水泥、钢铁、焦炭等典型高耗能产品的生产规模与区域PM_2.5污染的动态关联效应。结果表明：① 短期内,省域PM_2.5浓度具有明显的时间惯性,火电、水泥、钢铁、焦炭产业规模的短期波动对其冲击影响有限;② 动态影响显示,区域钢铁生产规模对PM_2.5浓度的影响程度最大,火电、焦炭行业次之;③ 长期影响结果显示,钢铁、焦炭产业的扩张加剧了PM_2.5污染,而火电、水泥产品生产规模未与PM_2.5污染表现出同步特征;④ 区域PM_2.5污染成因具有复合性,研究期内控制变量如地区经济规模、工业化程度、城镇化率的提高加剧了PM_2.5污染,地方政府环境污染治理力度越弱则PM_2.5污染程度越重。中国在高耗能产品生产规模逐年增加的情况下,有效地控制了区域PM_2.5污染的加剧。未来应进一步提高行业标准,通过技术创新和产业结构升级控制污染物排放强度;增强地方政府对环境污染的治理力度;研究能源原材料产业的适度产能规模,在满足中国新型基础设施、新型城镇化等重大工程建设对基础原材料产业需求的同时,实现环境质量的优化。     

城市化与PM2.5时空格局演变及其影响因素的研究进展

快速的城市化和经济发展在改善我们物质生活的同时,也因其剧烈人为活动导致了严重的环境污染,尤其是近年来以细颗粒物(PM_2.5)为首要污染物的城市与区域空气污染问题凸显。而传统的研究更注重孤立地开展空气污染或城市化的研究,缺乏对二者相互耦合关系的综合研究。本文以中国近年来广受关注的以PM_2.5为首要污染物的城市空气污染为切入点,系统地分析总结了在城市化与PM_2.5时空格局演变及其影响因素方面的主要研究进展,包括研究框架、主要方法和相关的主要研究成果等。指明该领域的研究已从空间格局分析逐步深入到健康影响、社会经济驱动等相关方向,并已延伸至复合主题的研究。未来,开展更为深入细致的研究,对于拓展城市与景观生态学的理论体系,了解城市化与城市空气质量的影响关系,解析不同城市发展阶段所面临的城市空气质量问题,将具有重要的科学与现实意义。     

乌鲁木齐大气颗粒物的时空分布规律

依据峡口城市乌鲁木齐市2013-2016年6个环境监测站逐时的6类污染物数据,分析大气污染物的时空分布规律。总体来看,乌鲁木齐市以颗粒物污染为主,即PM₁₀、PM_2.5污染严重。从季节上来看,乌鲁木齐污染物浓度大多冬季高、夏季低,春秋季次之。春、夏、秋、冬PM_2.5的浓度依次为59.8、40.5、67.8、139.6 μg·m^-3,而PM₁₀则是148.6、119.7、146.4、209.4 μg·m^-3,粗细粒子浓度在春秋季的细微变化凸显在春季沙尘天气的影响。从日变化方面来看,污染物多呈现为双峰型结构。PM₁₀、PM_2.5春夏秋3个季节都是在子夜1：00时浓度最高,9：00～10：00时次之,但是冬季日最高值则出现在17：00时左右,次峰值出现在21：00～22：00时。从空间分布来看,颗粒物浓度总体上是中心城区低、四周高的分布格局;从PM_2.5浓度占PM₁₀浓度比重分析来看,冬季比重最高,达70%,以城区及城北最为明显,达73%,日变化分布则主要集中在下午至夜间,且冬季比重达71%。     

基于GWR模型的中国城市雾霾污染影响因素的空间异质性研究

基于全国城市的PM_2.5监测数据,识别PM_2.5的时空分布特征,并着重利用地理加权回归模型分析自然和社会经济因素对PM_2.5影响的空间异质性。结果显示：2015年全国PM_2.5的年均浓度为50.3 μg/m3,浓度变化呈现冬高夏低,春秋居中的“U型”特征;PM_2.5的空间集聚状态明显,其中京津冀城市群是全国PM_2.5的污染重心。地理加权回归结果显示：影响因素除高程外,其余指标均呈现正负两种效应,且影响程度具有显著的空间差异性特征。从回归系数的贡献均值来看,自然因素对城市PM_2.5浓度影响强度由高到低依次是高程、相对湿度、温度、降雨量、风速、植被覆盖指数;各类社会经济指标对城市PM_2.5浓度影响强度排名依次是人口密度、研发经费、建设用地比例、产业结构、外商直接投资、人均GDP。由于各指标对城市PM_2.5浓度变化的影响程度存在着空间异质性,因此在制定大气治理对策时可以考虑不同指标影响程度的空间差异,从而使得治霾对策更具针对性。     

基于灰色关联模型对江苏省PM2.5浓度影响因素的分析

采用克里金插值法分析2014年江苏省PM_2.5浓度空间分布特征,运用灰色关联模型计算PM_2.5浓度与影响因素间关联度,分析主要影响指标因子与PM_2.5浓度空间分布的相互关系。结果显示：① 江苏省PM_2.5浓度具有沿海低、内陆高,南部高、北部低的空间分布特征;② PM_2.5污染来源指标层的权重值最大（w_i = 0.4691）,空气质量与气象要素指标层的权重稍大（w_i = 0.2866）,城市化与产业结构层的权重值最小（w_i = 0.2453）;③ 在27个指标因子中,与PM_2.5浓度关联度为中度的仅有公路客运量、房屋建筑施工面积、园林绿地面积、人口密度等4个指标因子,PM_2.5与其余指标因子均呈强度相关联,其中与PM₁₀、O₃、降雨量、公路货运总量、地区工业总产值和第二产业占地区生产总值比重等指标的关联度较高;④ PM_2.5污染源指标层与PM_2.5浓度关联度值较大的城市分别是南京、无锡、常州、南通、泰州市;城市化与产业结构指标层与PM_2.5浓度关联度值较大的城市分别是徐州、苏州、盐城、常州市;空气质量与气象要素指标层与PM_2.5浓度关联度值较大的城市分别是盐城、扬州、常州、南通市。综合分析可知,影响指标因子关联度值与PM_2.5浓度空间分布有较好相关性。研究表明,灰色关联模型可有效分析影响PM_2.5浓度的主要因素,能对PM_2.5浓度影响指标进行定量分析与评价。     

京津冀城市群大气污染的时空特征与影响因素解析

京津冀城市群是中国雾霾最严重的区域,在京津冀协同发展背景下,探究该地区大气污染的时空分布和影响因素具有重要意义。运用空间自相关分析和三种空间计量模型,分析了京津冀202个区县PM_2.5的时空分异特征,创新性地对自然与人文影响因素贡献及其空间溢出效应进行系统地甄别和量化。结果表明：2000-2014年来京津冀城市群PM_2.5浓度整体呈上升趋势,季节上呈秋冬高、春夏低,空间上呈东南高、西北低的特点,且城市建成区PM_2.5浓度比周围郊区和农村平均高10~20 μg/m³;2014年仅有13.9%的区县空气质量达标,PM_2.5浓度存在显著的空间集聚性与扩散性,城市间交互影响距离平均为200 km,邻近地区的PM_2.5每升高1%,将导致本地PM_2.5至少升高0.5%;社会经济内因对PM_2.5主要是正向影响,自然外因主要是负向影响;影响因素中对本地大气污染的直接效应贡献强度依次是：年均风速>年均气温>人口密度>地形起伏度>第二产业占比>能源消费>植被覆盖度,人均GDP、年降水量和相对湿度对本地PM_2.5没有显著影响;对邻近地区大气污染具有显著空间溢出效应的因素排序是：植被覆盖度>地形起伏度>能源消费>人口密度;对于自然和人文影响因素应分别采取针对性的适应策略和调控策略,加强区域间联防联控与合作治理,在城市群规划中注重环保规划与立法。