注册 投稿
经济金融网 中国经济学教育科研网 中国经济学年会 EFN通讯社

《穹顶之下》的数据是非

编者按:关于《穹顶之下》,有人说“用数据说话” 是这场演讲之所以能成功的核心要素,也有人就其中的“数据漏洞”对该演讲的动机提出质疑。不过就环保本身来说,无可争议。

《穹顶之下》的武器是数据?

文/中国人民大学 冯启娜

2月28日,《穹顶之下》发布后10个小时,在主流视频网站创造了超过3000万点播量、40000条评论的纪录。有人把传播上的成功归结于各种互联网营销策略,而我则认为赋予这场演讲力量的核心要素是——数据。     

柴静的演讲中使用了大量数据。

柴静的这场演讲,全程用数据说话,恐怕是迄今为止中国的公开演讲中引用数据最多的一场。据笔者统计,整场演讲中,演讲共提及了203个数据,视频共提及了129个数字(不含日期和量词),共播放了51张数据表,平均下来,每分钟呈现3条数据、0.5张数据表。正是这些数据,以理性、精确、客观的方式,为我们拨开雾霾背后的层层真相,道出直抵人心的震撼事实。       

然而,这场演讲给我们的启示,绝不仅仅是把数据作为一种演讲的工具,把数据作为论证雾霾问题的一种修辞手法;更重要的是,它告诉我们,数据是对抗雾霾的强大武器,是环境治理诸多路径的基础与核心。这才是这场演讲的时代意义之所在。    

数据监测:雾霾治理的起点       

相信每个看完《穹顶之下》的人,都会对柴静提出的这三个问题印象深刻:雾霾是什么?从哪来?怎么办?这三个问题的答案,都在各种各样的监测数据之中。从颗粒物构成的检验,到各个国家地区、各个时期空气污染情况的比较,从能源开采结构,到能源使用结构的分析……数据一出,答案自明。  

这些数据,源自柴静此前十余年采访素材的积累,而她在辞职一年后才推出这部作品,我想,这其中最艰难、最耗时、最需要博弈的应该就是收集数据环节吧。数据有的来自部委,有的来自专家,有的来自企业,有的来自上了年头的调研报告,甚至还有一组数据来自NASA。把这些数据一一汇总,一一求证,并系统地介绍到公众面前,是我认为《穹顶之下》最大的贡献。      

然而,雾霾监测并非易事。首先是建立监测站的成本相对昂贵。北京市2012年建立了首批20个空气质量监测站,目前监测站的数量增长到了35个,但还非常有限。因为一个城市的空气质量非常不均匀,有时候在同一时间非常近的两个地点,空气质量读数可以差得很远。这是由于一个地方的空气质量有很多复杂因素来决定,涉及大气物理、化学、生物、陆地及大气耦合等,这些因素任意几个互相结合,或同时发生,都会对雾霾的成分,规模及危害性产生巨大的影响。    
 
也就是说,如果我们能考虑到尽可能多的因素,检测到尽可能多的数据,就能大大提高雾霾预测的准确性。微软亚洲研究院的郑宇博士主持了一项对雾霾异构数据的研究。他把气象条件数据,比如刮风、下雨、湿度、气压,以及交通流量数据,还有单位时间的人流数据,和餐馆、公园、广场的分布数据等等,结合起来,建立了一个空气质量的模型,可以算出北京任何一个角落一公里乘一公里细粒度的空气质量。有了这种细粒度的数据,我们才能更好地知道什么时候去跑步、什么时候让小孩出来,知道什么原因导致的污染、哪个地方总是被污染,并用这些数据来指导治理。      

因此,要治理雾霾,仅靠环保部门的数据,仅靠好的算法,还远远不够。要把一个地方的规划、交通、工商等部门也联合起来,共同把自己的数据纳入一个空气质量模型,才能把雾霾的问题说得比较清楚。       

行业标准:环保在数据竞争中进步       

《穹顶之下》向我们揭示了雾霾现象背后的一个罪恶根源——能源行业标准被能源公司直接操控。比如,在石油行业标准委员会这样的组织中,企业又当裁判员,又当运动员,所谓的行业标准被利益绑架,从而严重背离公共环境福祉。       

那么,行业标准究竟该如何制定?柴静主张要由环保部门主导,美国、欧盟、澳大利亚、日本等国家和地区皆如此。然而,这只是第一步,在政策制定的实际过程中,即便是美国这样环保部门强势、环保制度健全的国家,依然要经历一番激烈的利益之争。
       
在《大数据》作者涂子沛的新著《数据之巅》中,就记载了这样一个真实的案例。      

1996 年,美国环保局按照《清洁空气法》,提出要将空气质量的的臭氧标准设定0.08ppm(百万分之一),将 PM10 的标准定为每立方米空气中少于 65 微克,而且全年的平均值不得超过 15 微克。 
     
为了确定这两个标准的具体大小,国家环保局做了几百页的成本收益分析报告。比如,提高标准的收益主要包括三方面的数据:一是呼吸系统疾病的发病率将大幅下降,这将挽救部分人的生命、节省医疗开支;二是空气质量提高后,地表的各种谷物、水果、植被将增产增收;三是改善城市的能见度,减少交通事故,提高生产效率。最后得出的分析结果是,由于这两项空气指标的提高,全社会的收益至少为 194 亿美元,最高可达到 1 061 亿美元,而同时,全国的企业需要支出 97 亿美元来改善生产设施、控制排放,这 97 亿美元也就是这个项目的成本。

环保局的主张,遭到了交通运输、炼钢炼油、发电煤矿、化工造纸、建筑材料等美国工业界诸多行业的围攻,连西弗吉尼亚州、密歇根州的州政府也表示强烈反对,因为他们拥有大量的汽车工厂和矿区,要提高空气质量,就要承担更高的成本。于是,美国货车运输协会联合了很多个公司、商会以及西弗吉尼亚等几个州的州政府,把美国环保局告上了法庭,最后一直闹到了最高法院。法院重审的结果还是维护了环保局的权威,新的空气标准也得以实行。

像这样的环保公案,在美国历史上数不胜数。它们都有一些共同特征:利益冲突由数据引起(行业标准),利益博弈基于数据竞争,而在争取舆论和法庭支持的时候,基于成本收益方法的数据分析是最有力的武器。      

诚如涂子沛所言,政府制定、发布的每一项数据,“都关系到资源的调配、利益的消长,各种公司、社会团体、人群都在其中游说、博弈,试图影响政府的决策天平,使其尽可能地偏向自己,但成本收益分析方法要求公开罗列出所有的成本和收益,把它摊开在天地之间,并从全社会的角度出发,谋求净收益的最大化,这促进了公共福利的发展,减少了公共政策被利益集团操控的可能性。”       

《穹顶之下》中探讨的能源行业标准的升级,不正应当如此吗?      

数据开放:让公民参与雾霾治理      

柴静有一句话让我印象特别深刻:“世界上再强大的政府也无法独立治理好污染。”——雾霾治理仅靠政府是不够的,仅靠环保部门更不行,它一定需要公民个体和民间组织的参与。      

“治理”是十八大以后的一个高频词,它与“管理”仅一字之变,却代表了行政模式从单一主体、单向垂直运作向多主体参与、双向扁平互动的转型。怎么参与?怎么转型?柴静说:“2003年非典,我得到最好的启示是,只有信息公开才是一切群众参与的基础。”       

《数据之巅》里还讲了这样一段历史。       

1986 年,美国国会通过立法,要求相关企业必须每年公开其排放到空气、水源或土壤中的有毒化学物品的数量。      

工业界极力反对。在立法过程中,它们进行了大量游说,并且成功地缩小了公开的范围和下降的程度。例如,为了使公开的数据不至于令人立即联想到严重的化学污染,工业界要求减少需要公开的化学品项目和种类,并成功地将公开的范围缩小到最终排放的化学物品,而不包括其使用的有毒化学物品的多少。此外,工业界还要求企业能够自主测定其排放量,尽量让“数据”好看一些。       

因为这些妥协,当时没有人看好这部法律,甚至连负责执行的美国国家环保局也认为这只是走走过场,不会产生很大的作用,相反,核实、汇总、发布这些 数据将极大地增加其工作负担。       

但出人意料的是,这部法律获得了极大的成功,并且成为美国信息公开的转折点。在该法律颁布的第一年,一些大公司的头头脑脑就先后主动站出来表态,声称企业负有保护环境的社会责任,应该控制、减少这些有毒物质的排放。有的企业领导甚至向新闻界公开承诺,要将现有的排放量减少90%。此后,全国的排放量每年都在下降,同时经济发展并没有停滞,到了 1998 年,全国各种有毒化学物质的排放量较 1986 年减少了一半。美国国家环保局事后总结,这是近30年来最成功的环境政策。      

以前,我们对数据开放的认识还停留在知情权层面。但是实际上,数据还是一种制衡的力量。《数据之巅》指出:“通过公开数据,把企业置于全社会的舆论和监督之下,使其自觉、自愿降低污染物质的排放量,矛盾得到转移,问题得到解决。通过这项法律,美国政府真真切切地领会到数据公开的制衡作用,意识到开放本身就是一种有效的管理手段。此后,环境数据的披露,成为美国环境政策的主流措施,数据公开,成为美国政府一种全新的调控手段。对政府而言,原来被动的公开开始变为主动。”“美国政府对公开的手段运用得越来越娴熟,把内开放的社会管理功能、市场调控功能发挥得淋漓尽致,除了环境污染,在产品质量、食品卫生、药物安全等棘手的社会领域,都主动且大量地采用公开的方法。”       

在我国,环保部门已经建立了世界上最为庞大的对污染企业的在线监测系统。民间的尝试也已经开启,其中有代表性的是由著名环保人士马军领衔的环保NGO组织——公众与环境研究中心。他们已于2006年开始先后制定了“中国水污染地图”和“中国空气污染地图”,建立了国内首个公益性的水污染和空气污染数据库。相信通过这些努力,每个人将置于可被认识的环境风险之下,赢取环境治理上的最大动力和参与。      

数据智能:节能减排的利器    

在对抗雾霾的这场战役中,数据还大有可为。比如,汽车尾气是雾霾的一大成因,在道路拥堵时尤甚。而通过车载GPS数据、公交刷卡数据、道路摄像头数据,我们可以感知整座城市的交通流量和人们的移动规律,从而改进城市规划、改善公共交通、科学调控私家车数据,降低汽车拥堵带来能源消耗,并减少有害气体排放。再比如,中国有很多用烧煤来发电的火电厂,污染严重。此外,传统电网在发电和输电的过程中,又有很多浪费。而智能电网则可以实时获取各个地区的用电数据,对发电量进行动态调控,提高电力资源的利用率,这也是治理雾霾的方法之一。更重要的是,诸多高污染、高能耗、低产值的传统产业包括农业、制造业的转型,还有健康医疗、教育、互联网金融等新兴服务业的发展,都需要用数据来驱动,用数据来倒逼,从而推动国家整体经济结构的调整。     

也许正因如此,“大数据”这个令不少互联网企业家激动的时髦词汇,在李克强总理的字典里也占有重要的一席之地。据新华网统计,进入2015年的短短两个月内,“大数据”4次出现在总理活动的公开报道中。而“大数据”首度进入政府工作报告,正是一年前的两会。李克强总理还在那次政府报告中强调,要像“向贫困宣战”一样“向污染宣战”。而“向污染宣战”,首先需要的就是“知己知彼”的环境信息获取与公开,“大数据”正是其实现的重要手段之一。加快环境监管的“大数据”步伐,当被早日提上议事日程并付诸实施。

(原标题:从柴静雾霾纪录片最难、最耗时、最需要博弈的部分说起:数据)

《穹顶之下》的数据存在漏洞?

首先要表达对柴静做这件事情的敬意,我们每个人都是雾霾的受害者,都希望能有蓝天白云乡愁别墅豪车,但不是每个人都有能力和勇气做到这个女性做到的事情。不论从一个母亲、媒体人、互联网营销事件、舆论引导等方面来说,这都是一次成功的案例,值得绝大多数敬佩赞同或者鄙视不爽柴静的人学习,因为你没做到,而你不能因为自己没做到而从专业之外的领域进行非善意的评判。

刨除掉情怀、阴谋、私德与政治斗争等种种无法量化的因素外,作为能源与新能源研究员,这篇文章想来探讨被誉为“比专业人士还专业”的这次演讲中的专业问题。当然,除了“降低雾霾必须依靠天然气替代煤炭”这一根本结论我们不认可之外,其他的细节错误都不损柴静这次形式和内容都堪称完美的公共事件营销。

1、“中国有一半的油完全失控?3%=50%?”

我承认这个表述当时令我非常震惊,我从来没想到轮船的耗油量占到总石油消耗的一半,至于是不是失控当时还没来得及想。

查下来的实际数字是轮船用油占燃料油的比例接近一半(47%),而燃料油占总油量消耗量的比例是6.6%,也就是说,船舶运输占石油消耗的比例是3%,这和一半差太多了吧。再怎么考虑节目效果也不能把3%误导成一半。

2、“天然气在中国无法大量开采的原因是中石化的垄断,只要开放就可以解决?举例:9000亿立方米可采储量,只开采了1000亿立方米,根本原因是:70%资源被中石油垄断。”
垄断问题后面讲,首先要说的是柴静的团队没搞清楚产量、经济可采储量、技术可采储量和地质储量的关系。

我也举个例子,全球油气剩余技术可采资源量高达6000亿吨和810万亿立方米,但是2014年油气产量仅为41.5亿吨和3.57万亿立方米。这也是因为全球石油巨头不开放市场导致的?

另外与其他天然气大国相比,我国油气发现和开采成本不断攀升,截止2013年底,我国天然气井日均产量不到3万立方米,低于1万立方米的占一半。如果真的把所有的技术可采储量都开采了,大家估计就会骂中石化败家子,搞得企业亏损。

3、“伦敦的经验告诉我们,要减少雾霾必须降低煤炭消耗量增加天然气用量,英国就是这样变好的,所以我们也要大幅提高天然气比例。”

我能告诉你英国天然气用量增加主要原因是北海油气田的开发吗?天然气生产出来当然要用啊,这不是因为有雾霾英国大量进口天然气的结果。

大家都知道用天然气比煤炭要环保,问题是中国有那么多天然气来替代煤炭吗?

现在中国能源结构里天然气占比5%,但同时中国已经是天然气第六大生产国和第五大天然气进口国,未来这个数字还会增加。但依靠天然气替代煤炭没有任何可能,只能很小幅度地替代。按照全球25%的比例,中国要增加五倍的天然气需求,这哪里去买啊?其他国家的人怎么办?

4、两桶油控制国家油品标准制定,导致中国油品质量差,最好的油品比发达国家低2个等级,北京柴油硫含量是欧盟国家的25倍。

呃,中国的油品品质现状的确总体低于发达国家,不过从下图的标准看没量级的差别,而且未来目标上也在打算和发达国家看齐

5、“雾霾导致50万人死亡。”实际上中国因为抽烟每年死亡100万人

实际上这个50万人死亡是“空气污染导致的过早死亡”,当然不管这个定义如何,因污染而死亡都是件可怕的事情,不过对比抽烟的死亡人数,发现雾霾好像也没那么可怕。

因为抽烟每年导致死亡100万人,是雾霾数据的两倍。还有10万人因为二手烟而死亡。但社会上对抽烟的危害好像远不如雾霾这么关注。因为烟草行业有烟草公司的巨额公关费和烟草总局的巨额税收,雾霾只是自己在战斗吗?

(原标题:从数据看柴静《穹顶之下》的漏洞)

(责任编辑邮箱:zhouhz@efnchina.com)
 

文章评论
关注我们
看过本文的人还看过了
    MySQL Query : SELECT * FROM `efn_www`.`cms_news` WHERE status=99 AND catid IN (104,1516,1517,1518,1519,1537,1538,1540,1714,1716,1730,1790,1791,1792,1793,1794,1795,1796,1797,1798,1799,1800,1801,1802,1803,1804,1805,1806,1807,1808,1809,1810,1811,1812,1813,1814,1815,1816,1817,1818,1819,1820,1731,1821,1822,1823,1824,1825,1826,1827,1828,1732,1829,1830,1831,1832,1833,1834,1835,1836,1837,1838,1839,1733,1840,1841,1842,1843,1844,1845,1734,1846,1847,1848,1849,1850,1851,1717,1735,1852,1853,1854,1855,1856,1857,1858,1859,1860,1736,1861,1862,1863,1864,1865,1866,1737,1867,1868,1869,1870,1871,1718,1738,1872,1873,1874,1875,1876,1877,1878,1879,1880,1881,1739,1882,1883,1884,1885,1886,1887,1740,1888,1889,1890,1891,1892,1893,1894,1895,1896,1897,1898,1899,1741,1900,1901,1902,1903,1904,1905,1906,1907,1908,1909,1910,1911,1912,1913,1742,1914,1915,1916,1917,1918,1919,1920,1921,1922,1923,1924,1925,1926,1743,1927,1928,1929,1930,1931,1744,1932,1933,1934,1935,1936,1937,1719,1745,1938,1939,1940,1941,1942,1943,1944,1945,1946,1947,1948,1949,1950,1746,1951,1952,1953,1954,1955,1956,1957,1747,1958,1959,1960,1961,1962,1720,1748,1983,1984,1985,1986,1987,1988,1989,1990,1991,1992,1993,1994,1995,1996,1997,1998,1749,1999,2000,2001,1750,2002,1721,1751,2003,2004,2005,2006,2007,2008,1752,2009,2010,2011,2012,2013,2014,1753,2015,2016,2017,1754,2018,2019,2020,2021,1755,2022,1722,1756,2023,2024,2025,2026,2027,2028,2029,1757,2030,2031,2032,2033,1758,2034,1759,2035,1760,2036,2037,1723,1761,1762,1763,1715,1724,1725,1764,1765,1766,1767,1768,1769,1770,1771,1772,1773,1774,1775,1776,1777,1778,1779,1780,1781,1782,1783,1784,1785,1786,1787,1788,1789,1726,1727,1728,1729,1541,1542,2164,2167,2168,2165,2169,2170,2171,2172,2173,2174,2175,2176,2177,2178,2166,2179,2180,105,2199,2201,2202,2203,2200,2204,2205,2206,106,1543,1548,1551,1552,1553,1554,1555,1556,1557,1558,1559,1560,1561,1562,1563,1564,1565,1566,1567,1568,1569,1570,1571,1572,1573,1574,1575,1576,1577,1578,1579,1580,1581,1582,1583,1584,1585,1586,1587,1588,1589,1590,1591,1592,1593,1594,1595,1596,1597,1598,1599,1600,1601,1602,1603,1604,1605,1606,1607,1608,1609,1610,1611,1612,1613,1614,1615,1616,1617,1618,1619,1620,1621,1622,1623,1624,1625,1627,1628,1629,1630,1631,1632,1633,1634,1635,1636,1637,1638,1639,1640,1549,1641,1642,1643,1644,1645,1646,1647,1648,1649,1650,1651,1652,1653,1654,1655,1656,1657,1658,1659,1660,1661,1662,1663,1664,1665,1666,1667,1668,1669,1670,1671,1672,1673,1674,1675,1676,1677,1678,1679,1680,1681,1682,1683,1684,1685,1686,1687,1688,1550,1689,1690,1691,1692,1693,1694,1695,1696,1697,1698,1699,1700,1701,1702,1703,1704,1705,1706,1707,1708,1709,1544,1710,1711,1712,1545,1546,2038,2256,2257,107,108,32,2186,2188,2189,2190,2191,2192,2193,2194,2195,2187,2196,2197,2198,114,115,122) ORDER BY rand() LIMIT 5
    MySQL Error : Got error 28 from storage engine
    MySQL Errno : 1030
    Message : Got error 28 from storage engine
    Need Help?