文 揚(yáng),馬 中,吳語晗,周 楷,石 磊,王 萌

?

京津冀及周邊地區(qū)工業(yè)大氣污染排放因素分解——基于LMDI模型分析

文 揚(yáng),馬 中,吳語晗,周 楷,石 磊*,王 萌

(中國人民大學(xué)環(huán)境學(xué)院,北京 100872)

運(yùn)用對數(shù)平均迪氏指數(shù)分解法探究了2011~2015年京津冀及周邊地區(qū)工業(yè)大氣污染物排放的主要影響因素.將該地區(qū)排放量變化的總效應(yīng)分解為人口效應(yīng)、經(jīng)濟(jì)規(guī)模效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)、能源結(jié)構(gòu)效應(yīng)和排放強(qiáng)度效應(yīng).研究結(jié)果表明,人口效應(yīng)和經(jīng)濟(jì)規(guī)模效應(yīng)基本為正效應(yīng),產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)和排放強(qiáng)度效應(yīng)基本為負(fù)效應(yīng).京津冀及其周邊地區(qū)能源結(jié)構(gòu)在2011~2015年期間變化不顯著,因此能源結(jié)構(gòu)效應(yīng)對總效應(yīng)的貢獻(xiàn)很小,貢獻(xiàn)度均未超過0.52%.北京市、天津市、河北省、河南省、山東省和山西省的情況不同,各效應(yīng)貢獻(xiàn)度的變化趨勢也不相同.人口效應(yīng)、經(jīng)濟(jì)規(guī)模效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)和排放強(qiáng)度效應(yīng)的變化,主要來自于人口增速、經(jīng)濟(jì)規(guī)模增速、工業(yè)增加值比重降幅、能耗強(qiáng)度降幅和排放強(qiáng)度降幅的變化.在制定減排政策時(shí),應(yīng)根據(jù)各效應(yīng)的累計(jì)貢獻(xiàn)值和貢獻(xiàn)度大小,對于該地區(qū)共存的主要影響因素,制定聯(lián)合減排政策措施.對于存在地區(qū)差異的主要影響因素,因地制宜制定不同的減排政策措施.

LMDI因素分解；京津冀及周邊地區(qū)；工業(yè)產(chǎn)業(yè)；大氣污染物排放

京津冀及周邊地區(qū)是我國大氣污染控制重點(diǎn)區(qū)域之一[1].為改善京津冀及周邊地區(qū)大氣環(huán)境質(zhì)量,2017年3月,環(huán)境保護(hù)部等部門和京津冀及周邊地區(qū)六省市人民政府聯(lián)合印發(fā)《京津冀及周邊地區(qū)2017年大氣污染防治工作方案》,明確了對該地區(qū)能源消費(fèi)和工業(yè)生產(chǎn)進(jìn)行調(diào)控.因此,有必要研究影響京津冀及周邊地區(qū)工業(yè)大氣污染物排放的主要因素及其趨勢特征.

長期以來,國內(nèi)外學(xué)者主要從經(jīng)濟(jì)學(xué)角度對大氣污染物排放相關(guān)影響因素進(jìn)行了研究.Grossman等[2-4]通過分析經(jīng)驗(yàn)數(shù)據(jù)提出了環(huán)境庫茲涅茨曲線(Environmental Kuznets Curve,EKC),認(rèn)為經(jīng)濟(jì)增長對污染物排放的影響呈“倒U型”.Lin等[5]運(yùn)用STIRPAT模型分析了人口、城市化水平、人均GDP、工業(yè)化水平和能源強(qiáng)度對大氣污染物排放的影響.周侃等[6]通過解析污染物排放和社會(huì)經(jīng)濟(jì)截面數(shù)據(jù),得到了人口規(guī)模、城鎮(zhèn)化水平和經(jīng)濟(jì)增長速度是污染物排放主要驅(qū)動(dòng)因素的結(jié)論.王曉碩等[7]通過構(gòu)建計(jì)量模型,研究了空間聚集對工業(yè)污染排放強(qiáng)度的影響.蔣姝睿等[8]運(yùn)用灰色關(guān)聯(lián)度,分析了不同類型工業(yè)行業(yè)對污染物排放的影響.一些學(xué)者還采用了投入產(chǎn)出分析法[9]、灰色系統(tǒng)模型評(píng)價(jià)[10]、一般均衡模型評(píng)價(jià)[11]和協(xié)調(diào)發(fā)展度評(píng)價(jià)[12]等模型方法,研究了工業(yè)化水平、產(chǎn)業(yè)結(jié)構(gòu)對污染物排放的影響.近年來也有學(xué)者采用對數(shù)平均迪氏指數(shù)分解法(LMDI),從經(jīng)濟(jì)增長、能源消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)和技術(shù)進(jìn)步四個(gè)方面解釋污染物排放變化的原因[13-14].

LMDI方法是由Ang[15]改進(jìn)的迪氏指數(shù)分解法,主要應(yīng)用于碳排放影響因素的研究[16-20].該方法能夠通過對指標(biāo)的分解,找出影響指標(biāo)的各種因素,并分析各影響因素對指標(biāo)的影響強(qiáng)度,從而找出指標(biāo)變化的原因[21].因此,越來越多的學(xué)者將LMDI方法引入環(huán)境污染影響因素的研究中[22-23].目前,大多數(shù)研究運(yùn)用LMDI方法將污染物排放變化的因素分解為經(jīng)濟(jì)規(guī)模增長、產(chǎn)業(yè)結(jié)構(gòu)和技術(shù)進(jìn)步三個(gè)方面,這些研究的結(jié)論也較為一致.經(jīng)濟(jì)規(guī)模增長方面,污染物排放會(huì)隨著工業(yè)生產(chǎn)規(guī)模的擴(kuò)張和經(jīng)濟(jì)的發(fā)展而增加.產(chǎn)業(yè)結(jié)構(gòu)方面,高污染部門在工業(yè)部門結(jié)構(gòu)的增長對污染物排放增長呈正向拉動(dòng),產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整對污染物排放增長呈負(fù)向拉動(dòng).技術(shù)進(jìn)步方面,產(chǎn)污系數(shù)的降低對污染物排放增長呈負(fù)貢獻(xiàn),生產(chǎn)技術(shù)進(jìn)步和能源利用率提升是污染物減排的主要因素[24-27].另外,Liu等[28]基于LMDI方法研究了1995~2010年中國SO2排放量下降的影響因素,結(jié)果表明污染治理對SO2減排的影響程度越來越高,清潔生產(chǎn)的貢獻(xiàn)度則不穩(wěn)定,在大多數(shù)年份對SO2減排產(chǎn)生正貢獻(xiàn),經(jīng)濟(jì)空間結(jié)構(gòu)和國際貿(mào)易分別對SO2減排產(chǎn)生了正貢獻(xiàn)和負(fù)貢獻(xiàn).

已有研究中,使用LMDI方法分解的影響因素尚不夠全面,考慮人口增長對污染物排放影響的較少,對技術(shù)進(jìn)步的影響研究也都單一地分析生產(chǎn)技術(shù)或減排技術(shù),并未將兩者同時(shí)進(jìn)行分解.且研究對象多為某一種或某幾種特殊污染物.另外,研究區(qū)域大多為單一地區(qū)層面或全國省級(jí)層面,類似于京津冀及周邊地區(qū)這類省際地區(qū)研究較少.基于此,本文將SO2、NO和煙粉塵的排放總和作為大氣復(fù)合污染的排放,采用LMDI分解法分析了2011~2015年間人口規(guī)模、經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、能源消耗強(qiáng)度、能源結(jié)構(gòu)和能源排放強(qiáng)度對京津冀及周邊地區(qū)工業(yè)大氣污染物排放的影響,以期為京津冀及其周邊大氣污染控制提供決策依據(jù).

1 研究方法與數(shù)據(jù)來源

1.1 基于LMDI的分解模型

本文采用LMDI模型分析各影響因素對工業(yè)大氣污染排放量變化的貢獻(xiàn)程度,首先構(gòu)建污染物排放Kaya恒等式:

式中:為工業(yè)大氣污染物排放量;C為工業(yè)產(chǎn)業(yè)消耗種能源的大氣污染物排放量;表示地區(qū)人口總數(shù),定義為人口效應(yīng);GDP為地區(qū)生產(chǎn)總值;GDPin為地區(qū)工業(yè)增加值;為地區(qū)工業(yè)能源消耗總量;E為地區(qū)工業(yè)種能源消耗量.

將式(1)進(jìn)一步簡化后可得到:

式中:表示人均GDP,定義為經(jīng)濟(jì)規(guī)模效應(yīng);表示工業(yè)增加值占總產(chǎn)值比重,定義為產(chǎn)業(yè)結(jié)構(gòu)效應(yīng);表示單位工業(yè)增加值能源消耗量,表征能源消耗強(qiáng)度,定義為能耗效應(yīng);N表示工業(yè)種能源消耗量占工業(yè)能源消耗總量比重,定義為能源結(jié)構(gòu)效應(yīng);S表示工業(yè)種能源單位消耗的大氣污染物排放量,定義為排放強(qiáng)度效應(yīng).

根據(jù)式(2),工業(yè)生產(chǎn)消耗種能源的大氣污染物排放量從-1年至年的變化趨勢表示為:

對式(3)兩端取自然對數(shù),乘以=(C-C-1)/ (lnC-lnC-1)后求和.在C=C-1時(shí),=0.因此,式(3)可轉(zhuǎn)換為:

式中:DC-1為工業(yè)大氣污染物排放量的變化;DC-1為人口效應(yīng)值;DC-1為經(jīng)濟(jì)規(guī)模效應(yīng)值;DC-1為產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)值;DC-1為能耗效應(yīng)值;DC-1為能源結(jié)構(gòu)效應(yīng)值;DC-1為排放強(qiáng)度效應(yīng)值.DC-1、DC-1、DC-1、DC-1、DC-1和DC-1分別表征了人口數(shù)、人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、能耗強(qiáng)度、能源結(jié)構(gòu)和排放強(qiáng)度的變化對工業(yè)大氣污染物排放量變化的貢獻(xiàn)量.

將式(4)分解后,可得到各效應(yīng)值的計(jì)算公式:

1.2 數(shù)據(jù)來源與處理

以京津冀及周邊地區(qū)工業(yè)大氣污染物排放作為研究對象,該地區(qū)包括北京市、天津市、河北省、河南省、山東省和山西省.工業(yè)生產(chǎn)消耗的能源種類分為煤合計(jì)、焦炭、油品合計(jì)、天然氣、熱力和電力六大類,數(shù)據(jù)來源于2012~2016年《中國能源統(tǒng)計(jì)年鑒》[29].根據(jù)《綜合能耗計(jì)算通則(GBT 2589~ 2008)》將六大類能源消耗量折算成標(biāo)準(zhǔn)煤.本文以原煤折標(biāo)煤系數(shù)作為煤合計(jì)的折標(biāo)煤系數(shù),以主要油品的平均折標(biāo)煤系數(shù)作為油品合計(jì)的折標(biāo)煤系數(shù),六大類能源折標(biāo)煤系數(shù)如表1所示.

工業(yè)大氣污染物排放數(shù)據(jù)來自2012~2016年《中國環(huán)境統(tǒng)計(jì)年鑒》[30],研究中將工業(yè)SO2、工業(yè)NO和工業(yè)煙粉塵排放量加總后作為工業(yè)大氣污染物排放總量進(jìn)行計(jì)算.地區(qū)人口總數(shù)、地區(qū)生產(chǎn)總值和地區(qū)工業(yè)增加值來源于2012~2016年《中國統(tǒng)計(jì)年鑒》[31],各地區(qū)生產(chǎn)總值和工業(yè)增加值均以2011年的不變價(jià)格進(jìn)行換算.2011~2015年京津冀及周邊地區(qū)各指標(biāo)描述性統(tǒng)計(jì)見表2.

表1 各類型能源的折標(biāo)煤系數(shù)

Table 1 Standard coal coefficient of all kinds of energy

表2 2011~2015年京津冀及周邊地區(qū)各指標(biāo)描述性統(tǒng)計(jì)

Table 2 Descriptive statistics of indicators in Beijing- Tianjin-Hebei region and surrounding areas from 2011 to 2015

2 結(jié)果與分析

2.1 各地區(qū)貢獻(xiàn)度逐年分析

根據(jù)式(5)~(10),測算出2011~2015年京津冀及周邊地區(qū)工業(yè)大氣污染物排放的人口效應(yīng)、經(jīng)濟(jì)規(guī)模效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)、能源結(jié)構(gòu)效應(yīng)和排放強(qiáng)度效應(yīng)的貢獻(xiàn)度.

2.1.1 人口效應(yīng)和經(jīng)濟(jì)規(guī)模效應(yīng) 2011~2015年,北京市人口增速和經(jīng)濟(jì)增速逐漸放緩,又根據(jù)邊際效益遞減原則,邊際人口和經(jīng)濟(jì)的增長對污染物排放的影響不斷減小,導(dǎo)致北京市人口效應(yīng)和經(jīng)濟(jì)規(guī)模效應(yīng)的貢獻(xiàn)度逐年下降.天津市人口增速與經(jīng)濟(jì)增速也逐漸放緩,人口效應(yīng)和經(jīng)濟(jì)規(guī)模效應(yīng)的貢獻(xiàn)度也呈下降趨勢.2013~2014年天津市工業(yè)大氣污染物排放的變化幅度很小,且排放量增加,造成了2013~ 2014天津市人口效應(yīng)與經(jīng)濟(jì)規(guī)模效應(yīng)的貢獻(xiàn)度陡然增高,且對總效應(yīng)呈正貢獻(xiàn).

河南省、山東省和山西省的人口增速一直非常低,3個(gè)省人口效應(yīng)的貢獻(xiàn)度也維持在較低水平.河北省的人口增速也一直非常低,但是2012~2014年河北省工業(yè)大氣污染物排放的變化幅度較往年非常小,2013~2014年排放量增加,因此2012~2014年河北省人口效應(yīng)的貢獻(xiàn)度較高,且2013~2014年對總效應(yīng)呈正貢獻(xiàn).與北京市和天津市一樣,其他4個(gè)省的經(jīng)濟(jì)增速逐漸放緩,山東省和山西省經(jīng)濟(jì)規(guī)模效應(yīng)的貢獻(xiàn)度逐年下降.河北省經(jīng)濟(jì)規(guī)模效應(yīng)的貢獻(xiàn)度總體呈下降趨勢,但2012~2014年總效應(yīng)的變化導(dǎo)致了經(jīng)濟(jì)規(guī)模效應(yīng)出現(xiàn)了與人口效應(yīng)相同的突變趨勢.河南省經(jīng)濟(jì)規(guī)模效應(yīng)的貢獻(xiàn)度總體也呈下降趨勢,但2012~2014年河南省工業(yè)大氣污染物排放的變化較往年非常小,致使2012~2014年河南省經(jīng)濟(jì)規(guī)模效應(yīng)的貢獻(xiàn)度陡增.2011~2015年京津冀及周邊地區(qū)人口效應(yīng)和經(jīng)濟(jì)規(guī)模效應(yīng)貢獻(xiàn)度見表3.

表3 2011~2015年京津冀及周邊地區(qū)人口效應(yīng)和經(jīng)濟(jì)規(guī)模效應(yīng)貢獻(xiàn)度(%)

Table 3 Contribution made by population effect and economic scale effect in Beijing-Tianjin-Hebei region and surrounding areas from 2011 to 2015 (%)

2.1.2 產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)和排放強(qiáng)度效應(yīng)2011~2015年,北京市產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和能耗效應(yīng)的貢獻(xiàn)度逐年下降,工業(yè)增加值比重和能耗強(qiáng)度已分別降至17.57%和0.37t標(biāo)準(zhǔn)煤/萬元.說明北京市通過產(chǎn)業(yè)結(jié)構(gòu)調(diào)整,淘汰了高污染行業(yè);通過激勵(lì)生產(chǎn)技術(shù)的進(jìn)步,提高了能源利用效率.北京市繼續(xù)降低工業(yè)比重或能耗,對污染物減排的影響都已不顯著.

天津市、河北省和山東省產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的貢獻(xiàn)度一直較低,2013~2014年天津市和2012~2014年河北省總效應(yīng)的變化導(dǎo)致產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)出現(xiàn)了與人口效應(yīng)相同的突變趨勢.3個(gè)省市的工業(yè)增加值比重穩(wěn)步下降,表明3個(gè)省市的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對污染物減排的影響并不顯著.河南省產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的貢獻(xiàn)度總體呈上升趨勢.2012~2014年河南省的總效應(yīng)變化導(dǎo)致產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)出現(xiàn)了與經(jīng)濟(jì)規(guī)模效應(yīng)相同的陡增趨勢.河南省工業(yè)增加值比重降幅逐年升高,工業(yè)增加值比重快速下降.說明河南省開始逐漸加大產(chǎn)業(yè)結(jié)構(gòu)調(diào)整力度,對污染物減排的影響日益增大.山西省產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的貢獻(xiàn)度絕對值變化不大,但是呈現(xiàn)的正負(fù)貢獻(xiàn)卻在不斷變化,這與其工業(yè)增加值比重和總效應(yīng)的增減變化有關(guān),而山西省工業(yè)增加值的變幅維持在6%左右,因此山西省產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的貢獻(xiàn)度絕對值穩(wěn)定在90%左右.

天津市、河北省、河南省和山東省能耗效應(yīng)的貢獻(xiàn)度總體呈下降趨勢,2013~2014年天津市和2012~2014年河北省總效應(yīng)的變化導(dǎo)致能耗效應(yīng)出現(xiàn)了與人口效應(yīng)相同的突變趨勢.山西省能耗效應(yīng)的貢獻(xiàn)度變化波動(dòng)較大,這與其能耗強(qiáng)度的變幅波動(dòng)較大有關(guān),2012~2015年山西省能耗強(qiáng)度逐年增加,對生產(chǎn)端管控不嚴(yán)導(dǎo)致生產(chǎn)技術(shù)出現(xiàn)退步,能耗效應(yīng)促進(jìn)了污染物的排放.

北京市排放強(qiáng)度效應(yīng)的貢獻(xiàn)度逐年升高,因?yàn)楸本┦信欧艔?qiáng)度的降幅逐年升高.天津市、河北省和山西省排放強(qiáng)度效應(yīng)的貢獻(xiàn)度總體呈下降趨勢,其中天津市排放強(qiáng)度效應(yīng)的變化趨勢與能耗效應(yīng)相似.2013~2014年天津市和2012~2014年河北省總效應(yīng)的變化導(dǎo)致排放強(qiáng)度效應(yīng)出現(xiàn)了與人口效應(yīng)相同的突變趨勢,2013~2014年河北省排放強(qiáng)度上升且排放量增加,因此對總效應(yīng)呈正貢獻(xiàn).2011~2014年3個(gè)省市的排放強(qiáng)度降幅逐年下降,2014~2015年3個(gè)省市的排放強(qiáng)度降幅陡增,但是污染物減排總量相比往年較高,因此排放強(qiáng)度效應(yīng)的貢獻(xiàn)度依舊比往年更低.河南省排放強(qiáng)度效應(yīng)的貢獻(xiàn)度絕對值低于70%,2012~2014年河南省總效應(yīng)的變化導(dǎo)致排放強(qiáng)度效應(yīng)出現(xiàn)了與經(jīng)濟(jì)規(guī)模效應(yīng)相同的陡增趨勢.山東省排放強(qiáng)度效應(yīng)的貢獻(xiàn)度維持在120%左右,2011~2014年河南省和山東省排放強(qiáng)度的變化幅度均穩(wěn)定在6%左右.2014~2015年兩個(gè)省的排放強(qiáng)度降幅陡增,但是污染物減排量相比往年較高,因此排放強(qiáng)度效應(yīng)并未出現(xiàn)陡增趨勢.2012~2013年北京市、2013~2014年河北省、2011~2012年河南省、2013~2014年山東省和山西省的環(huán)保監(jiān)管力度減弱,導(dǎo)致排放強(qiáng)度有所升高,減排技術(shù)出現(xiàn)退步,排放強(qiáng)度效應(yīng)促進(jìn)了污染物的排放.2011~2015年京津冀及周邊地區(qū)產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)和排放強(qiáng)度效應(yīng)貢獻(xiàn)度見圖1.

圖1 2011~2015年京津冀及周邊地區(qū)產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)和排放強(qiáng)度效應(yīng)貢獻(xiàn)度

圖2 2011~2015年京津冀及周邊地區(qū)能源結(jié)構(gòu)效應(yīng)貢獻(xiàn)度

2.1.3 能源結(jié)構(gòu)效應(yīng) 2011~2015年6個(gè)省市能源結(jié)構(gòu)沒有顯著變化,能源結(jié)構(gòu)調(diào)整力度較弱,京津冀及周邊地區(qū)能源結(jié)構(gòu)效應(yīng)的貢獻(xiàn)度均在0.52%以內(nèi).

2011~2015年京津冀及周邊地區(qū)能源結(jié)構(gòu)效應(yīng)貢獻(xiàn)度見圖2.

2.2 各地區(qū)累計(jì)貢獻(xiàn)值分析

考察了2011~2015年京津冀及周邊地區(qū)工業(yè)大氣污染物排放的人口效應(yīng)、經(jīng)濟(jì)規(guī)模效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)、能源結(jié)構(gòu)效應(yīng)和排放強(qiáng)度效應(yīng)的累計(jì)貢獻(xiàn)值,如圖3所示.

從總體情況看,2011~2015年京津冀及周邊地區(qū)工業(yè)大氣污染物排放量有所下降,總效應(yīng)累計(jì)值為負(fù).人口效應(yīng)和經(jīng)濟(jì)規(guī)模效應(yīng)的累計(jì)貢獻(xiàn)值為正,該地區(qū)人口與經(jīng)濟(jì)規(guī)?？傮w呈增長趨勢,因此人口和經(jīng)濟(jì)增長對工業(yè)大氣污染物排放起到了正向效應(yīng),對總效應(yīng)呈負(fù)貢獻(xiàn).產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)和排放強(qiáng)度效應(yīng)的累計(jì)貢獻(xiàn)值為負(fù),該地區(qū)工業(yè)增加值比重、能耗強(qiáng)度和排放強(qiáng)度總體呈下降趨勢,因此產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、生產(chǎn)技術(shù)和減排技術(shù)的進(jìn)步對工業(yè)大氣污染物排放起到了負(fù)向效應(yīng),對總效應(yīng)呈正貢獻(xiàn).6省市能源結(jié)構(gòu)效應(yīng)的累計(jì)貢獻(xiàn)值為負(fù),且均未超過0.2萬t,該地區(qū)能源結(jié)構(gòu)調(diào)整不顯著.

2011~2015年,京津冀及周邊地區(qū)人口效應(yīng)的累計(jì)貢獻(xiàn)值均在9萬t以內(nèi),說明人口增長對工業(yè)大氣污染物排放的影響較小.北京市各效應(yīng)累計(jì)貢獻(xiàn)絕對值均在9萬t以內(nèi).北京市污染物排放量、工業(yè)增加值比重、能耗強(qiáng)度和排放強(qiáng)度遠(yuǎn)低于其他省市.說明北京市產(chǎn)業(yè)結(jié)構(gòu)配置合理、生產(chǎn)技術(shù)和減排技術(shù)非常先進(jìn),污染物減排空間較小.天津市總效應(yīng)為-20.9萬t,污染物減排量較低.經(jīng)濟(jì)規(guī)模效應(yīng)、能耗效應(yīng)和排放強(qiáng)度效應(yīng)的累計(jì)貢獻(xiàn)絕對值大于14萬t,經(jīng)濟(jì)增長、生產(chǎn)技術(shù)和減排技術(shù)的進(jìn)步對工業(yè)污染物排放的影響較大.4個(gè)省經(jīng)濟(jì)規(guī)模效應(yīng)和排放強(qiáng)度效應(yīng)的累計(jì)貢獻(xiàn)絕對值均在41萬t以上,污染物減排量均在44萬t以上,經(jīng)濟(jì)增長和減排技術(shù)進(jìn)步對4個(gè)省的工業(yè)大氣污染物排放影響較大.河南省、山東省和山西省產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的累計(jì)貢獻(xiàn)絕對值在33萬t以上,3個(gè)省的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對工業(yè)大氣污染物排放影響較大.河北省、河南省和山東省能耗效應(yīng)的累計(jì)貢獻(xiàn)絕對值在46萬t以上,3個(gè)省的生產(chǎn)技術(shù)進(jìn)步對工業(yè)大氣污染物排放影響較大.

圖3 2011~2015年京津冀及周邊地區(qū)工業(yè)大氣污染物排放各影響因素累計(jì)貢獻(xiàn)值

3 討論

根據(jù)2011~2015年京津冀及周邊地區(qū)工業(yè)大氣污染物各分解因素效應(yīng)的貢獻(xiàn)度和累計(jì)貢獻(xiàn)值可知,6個(gè)省市工業(yè)大氣污染物減排的主要影響因素存在共性也存在差異.對共存的主要影響因素可以制定聯(lián)合減排政策措施,對有差異的主要影響因素可以根據(jù)各地區(qū)不同情況制定不同的減排政策措施.

2011~2015年6個(gè)省市人口效應(yīng)的累計(jì)貢獻(xiàn)值均較低,2015年貢獻(xiàn)度非常低,人口增長不是影響污染物排放的主要因素.2011~2015年能源結(jié)構(gòu)效應(yīng)的累計(jì)貢獻(xiàn)值和貢獻(xiàn)度均非常低,6個(gè)省市的能源結(jié)構(gòu)調(diào)整力度很小,工業(yè)生產(chǎn)主要使用高污染排放的能源,對低污染排放的天然氣使用較少.能源結(jié)構(gòu)的優(yōu)化調(diào)整應(yīng)是6個(gè)省市關(guān)注的重點(diǎn).

2011~2015年除北京市外,其他5個(gè)省市經(jīng)濟(jì)規(guī)模效應(yīng)的累計(jì)貢獻(xiàn)值均較高,但貢獻(xiàn)度總體呈逐年下降趨勢,至2015年均已降至較低水平,經(jīng)濟(jì)增長曾是影響工業(yè)大氣污染物排放的主要因素,但隨著經(jīng)濟(jì)增速的下降,且根據(jù)邊際收益遞減原則,影響已不再顯著.2011~2015年河南省、山東省和山西省產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的累計(jì)貢獻(xiàn)值和貢獻(xiàn)度均處于中等水平.3個(gè)省的工業(yè)比重逐年下降,調(diào)整產(chǎn)業(yè)結(jié)構(gòu)能降低污染物排放.2011~2015年天津市、河北省、河南省和山東省能耗效應(yīng)的累計(jì)貢獻(xiàn)值較高,貢獻(xiàn)度卻逐年下降.4個(gè)省市的能耗強(qiáng)度下降是污染物減排的主要因素,但是能耗強(qiáng)度降幅逐年下降,導(dǎo)致貢獻(xiàn)度也逐年下降.4個(gè)省市需要重點(diǎn)加強(qiáng)對工業(yè)生產(chǎn)端的管控,激勵(lì)生產(chǎn)技術(shù)進(jìn)步,減少污染物排放.2011~2015年除北京市外,其他5個(gè)省市排放強(qiáng)度效應(yīng)的累計(jì)貢獻(xiàn)值均較高,2015年排放強(qiáng)度效應(yīng)的貢獻(xiàn)度在中等水平.5個(gè)省市的排放強(qiáng)度逐年下降,加強(qiáng)5個(gè)省市環(huán)保監(jiān)管力度,促進(jìn)減排技術(shù)進(jìn)步能降低污染物排放.

4 結(jié)論

4.1 根據(jù)LMDI分解模型,分析了人口效應(yīng)、經(jīng)濟(jì)規(guī)模效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)、能源結(jié)構(gòu)效應(yīng)和排放強(qiáng)度效應(yīng),對京津冀及周邊地區(qū)工業(yè)大氣污染物排放的影響.總體而言,總效應(yīng)的累計(jì)值為負(fù),污染物排放減少.人口效應(yīng)和經(jīng)濟(jì)規(guī)模效應(yīng)對排放起正向效應(yīng),對總效應(yīng)呈負(fù)貢獻(xiàn).產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)和排放強(qiáng)度效應(yīng)對排放起負(fù)向效應(yīng),對總效應(yīng)呈正貢獻(xiàn).能源結(jié)構(gòu)效應(yīng)的貢獻(xiàn)值和貢獻(xiàn)度非常低,對污染物排放影響不顯著.

4.2 對2011~2015年京津冀及周邊地區(qū)各效應(yīng)的貢獻(xiàn)度變化進(jìn)行研究,結(jié)果表明6個(gè)省市的情況不同,各效應(yīng)貢獻(xiàn)度的變化趨勢也不同.人口效應(yīng)、經(jīng)濟(jì)規(guī)模效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能耗效應(yīng)和排放強(qiáng)度效應(yīng)的變化,主要來自于人口、經(jīng)濟(jì)規(guī)模、工業(yè)增加值比重、能耗強(qiáng)度和排放強(qiáng)度變化的幅度.

4.3 對2011~2015年京津冀及周邊地區(qū)各效應(yīng)的累計(jì)貢獻(xiàn)值進(jìn)行分析,結(jié)果表明6個(gè)省市人口效應(yīng)的累計(jì)貢獻(xiàn)值均較低,北京市各效應(yīng)累計(jì)貢獻(xiàn)值均較低.天津市經(jīng)濟(jì)規(guī)模效應(yīng)、能耗效應(yīng)和排放強(qiáng)度效應(yīng)的累計(jì)貢獻(xiàn)值較高.4個(gè)省的經(jīng)濟(jì)規(guī)模效應(yīng)和排放強(qiáng)度效應(yīng)的累計(jì)貢獻(xiàn)值較高.河南省、山東省和山西省產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的累計(jì)貢獻(xiàn)值較高.河北省、河南省和山東省能耗效應(yīng)的累計(jì)貢獻(xiàn)值較高.

4.4 京津冀及周邊地區(qū)工業(yè)大氣污染物排放的主要影響因素存在共性與差異,對共存的因素可以制定聯(lián)合減排措施,對有差異的因素可以因地制宜制定不同的減排措施.6個(gè)省市均應(yīng)重點(diǎn)關(guān)注能源結(jié)構(gòu)的優(yōu)化調(diào)整.河南省、山東省和山西省的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整能夠降低污染物的排放.天津市、河北省、河南省和山東省需要重點(diǎn)加強(qiáng)對工業(yè)生產(chǎn)端的管控,激勵(lì)生產(chǎn)技術(shù)的進(jìn)步.除北京市外,都需要加強(qiáng)環(huán)保監(jiān)管力度,促進(jìn)減排技術(shù)的進(jìn)步能夠降低污染物的排放.

[1] 王曉琦,郎建壘,程水源,等.京津冀及周邊地區(qū)PM2.5傳輸規(guī)律研究 [J]. 中國環(huán)境科學(xué), 2016,36(11):3211-3217.

[2] Grossman G M, Krueger A B. Economic Growth and the Environment [J]. Nber Working Papers, 1994,110(2):353-377.

[3] Torras M, Boyce J K. Income, inequality, and pollution: a reassessment of the environmental Kuznets Curve [J]. Ecological Economics, 1998,25(2):147-160.

[4] Selden T M, Song D. Environmental Quality and Development: Is There a Kuznets Curve for Air Pollution Emissions? [J]. Journal of Environmental Economics & Management, 1994,27(2):147-162.

[5] Lin S, Zhao D, Marinova D. Analysis of the environmental impact of China based on STIRPAT model [J]. Environmental Impact Assessment Review, 2009,29(6):341-347.

[6] 周 侃,樊 杰.中國環(huán)境污染源的區(qū)域差異及其社會(huì)經(jīng)濟(jì)影響因素——基于339個(gè)地級(jí)行政單元截面數(shù)據(jù)的實(shí)證分析 [J]. 地理學(xué)報(bào), 2016,71(11):1911-1925.

[7] 王曉碩,宇超逸.空間集聚對中國工業(yè)污染排放強(qiáng)度的影響 [J]. 中國環(huán)境科學(xué), 2017,37(4):1562-1570.

[8] 蔣姝睿,王 玥,王 萌,等.區(qū)域視角下中國工業(yè)行業(yè)與工業(yè)污染關(guān)系 [J]. 中國環(huán)境科學(xué), 2017,37(11):4380-4387.

[9] Llop M. Economic structure and pollution intensity within the environmental input–output framework [J]. Energy Policy, 2007,35(6): 3410-3417.

[10] 張曉東,朱德海.中國區(qū)域經(jīng)濟(jì)與環(huán)境協(xié)調(diào)度預(yù)測分析[J]. 資源科學(xué), 2003,25(2):1-6.

[11] Dubey B, Upadhyay R K, Hussain J. Effects of industrialization and pollution on resource biomass: a mathematical model [J]. Ecological Modelling, 2003,167(1/2):83-95.

[12] 關(guān) 偉,劉勇鳳.遼寧沿海經(jīng)濟(jì)帶經(jīng)濟(jì)與環(huán)境協(xié)調(diào)發(fā)展度的時(shí)空演變[J]. 地理研究, 2012,31(11):2044-2054.

[13] 劉滿芝,楊繼賢,馬 丁,等.基于LMDI模型的中國主要大氣污染物的空間差異及其影響因素分析[J]. 資源科學(xué), 2015,37(2):333-341.

[14] 張同斌,李金凱,程立燕.經(jīng)濟(jì)結(jié)構(gòu)、增長方式與環(huán)境污染的內(nèi)在關(guān)聯(lián)研究——基于時(shí)變參數(shù)向量自回歸模型的實(shí)證分析[J]. 中國環(huán)境科學(xué), 2016,36(7):2230-2240.

[15] Ang B W, Liu N. Energy decomposition analysis: IEA model versus other methods [J]. Energy Policy, 2007,35(3):1426-1432.

[16] 范 丹.中國能源消費(fèi)碳排放變化的驅(qū)動(dòng)因素研究——基于LMDI-PDA分解法[J]. 中國環(huán)境科學(xué), 2013,33(9):1705-1713.

[17] 趙 敏.上海市終端能源消費(fèi)的CO2排放影響因素定量分析 [J]. 中國環(huán)境科學(xué), 2012,32(9):1583-1590.

[18] 賀愛忠,劉 盼.中國流通業(yè)CO2排放的因素分解和脫鉤分析 [J]. 中國環(huán)境科學(xué), 2015,(3):953-960.

[19] 米 紅,張?zhí)锾?任正委,等.城鎮(zhèn)化進(jìn)程中家庭CO2排放的驅(qū)動(dòng)因素分析 [J]. 中國環(huán)境科學(xué), 2016,36(10):3183-3192.

[20] 馬曉君,董碧瀅,于淵博,等.東北三省能源消費(fèi)碳排放測度及影響因素 [J]. 中國環(huán)境科學(xué), 2018,38(8):3170-3179.

[21] 鄧 曉.基于LMDI方法的碳排放的因素分解模型及實(shí)證研究——以湖北省為例[D]. 武漢:華中科技大學(xué), 2009.

[22] 龐 軍,石媛昌,胡 濤,等.我國出口貿(mào)易隱含污染排放變化的結(jié)構(gòu)分解分析[J]. 中國環(huán)境科學(xué), 2013,33(12):2274-2285.

[23] 蒯 鵬,束克東,成潤禾.我國工業(yè)部門環(huán)境污染排放變化的驅(qū)動(dòng)因素——基于“十二五”工業(yè)排放數(shù)據(jù)的實(shí)證研究 [J]. 中國環(huán)境科學(xué), 2018,38(6):2392-2400.

[24] He J. What is the role of openness for China's aggregate industrial SO2emission?: A structural analysis based on the Divisia decomposition method [J]. Ecological Economics, 2010,69(4):868-886.

[25] Fujii H, Managi S, Kaneko S. Decomposition analysis of air pollution abatement in China: empirical study for ten industrial sectors from 1998 to 2009 [J]. Journal of Cleaner Production, 2013,59(18):22-31.

[26] 馬 麗.基于LMDI的中國工業(yè)污染排放變化影響因素分析[J]. 地理研究, 2016,35(10):1857-1868.

[27] 刁貝娣,曾克峰,蘇攀達(dá),等.中國工業(yè)氮氧化物排放的時(shí)空分布特征及驅(qū)動(dòng)因素分析[J]. 資源科學(xué), 2016,38(9):1768-1779.

[28] Liu Q, Wang Q. Pathways to SO2emissions reduction in China for 1995~2010: Based on decomposition analysis [J]. Environmental Science & Policy, 2013,33(11):405-415.

[29] 國家統(tǒng)計(jì)局能源統(tǒng)計(jì)司.中國能源統(tǒng)計(jì)年鑒2012~2016 [M]. 北京:中國統(tǒng)計(jì)出版社, 2016.

[30] 國家統(tǒng)計(jì)局,環(huán)境保護(hù)部.中國環(huán)境統(tǒng)計(jì)年鑒2012~2016 [M]. 北京:中國統(tǒng)計(jì)出版社, 2016.

[31] 中華人民共和國國家統(tǒng)計(jì)局.中國統(tǒng)計(jì)年鑒2012~2016 [M]. 北京:中國統(tǒng)計(jì)出版社, 2016.

Factors decomposition of industrial air pollutant emissions in Beijing-Tianjin-Hebei region and surrounding areas based on LMDI model analysis.

WEN Yang, MA Zhong, WU Yu-han, ZHOU Kai, SHI Lei*, WANG Meng

(School of Environment & Natural Resource, Renmin University of China, Beijing 100872, China)., 2018,38(12)：4730~4736

Based on Logarithmic Mean Divisia Index (LMDI), the main impact factors of industrial air pollutant emissions in Beijing-Tianjin-Hebei region and surrounding areas from 2011 to 2015 were explored. The total effect of emission change in the above regions were decomposed into population effect, economic scale effect, industrial structure effect, energy consumption effect, energy structure effect and emission intensity effect. The results showed that both population effect and economic scale effect were basically positive, while industrial structure effect, energy consumption effect and emission intensity effect were mostly negative. Due to few changes of energy structure in the above regions within the period from 2011 to 2015, energy structure effect made a few contributions to the total effect, lower than 0.52%. As the situation in Beijing, Tianjin, Hebei, Henan, Shandong and Shanxi were differed, each effect contributed differently. The growing population and economic scale, declining proportion of industrial added value, energy consumption intensity and emission intensity impacted population effect, economic scale effect, industrial structure effect, energy consumption effect and emission intensity effect. During the formulation of emission reduction policy, the accumulated contribution value and contribution degree of each effect should be considered. Joint emission reduction policies and measures could be made to address the main impact factors which coexisted in these regions. For other main impact factors which specially mattered to any provinces or cities, policy was advised to suit local conditions.

LMDI factor decomposition；Beijing-Tianjin-Hebei region and surrounding areas；industrial section；air pollutant emissions

X196

A

1000-6923(2018)12-4730-07

文 揚(yáng)(1990-),男,湖北荊州人,中國人民大學(xué)博士研究生,研究方向?yàn)榄h(huán)境經(jīng)濟(jì)與管理.發(fā)表論文11篇.

2018-04-23

國家重點(diǎn)研發(fā)計(jì)劃大氣污染成因與控制技術(shù)研究(2016YFC0209204);中國人民大學(xué)2017年度拔尖創(chuàng)新人才培育資助計(jì)劃成果

* 責(zé)任作者, 副教授, qdshl@126.com