空氣污染物的時空演化及社會經(jīng)濟驅動因素研究
——以長江三角洲地區(qū)為例

孫 涵，胡雪原＊，聶飛飛

［1.中國地質大學(武漢)經(jīng)濟管理學院，湖北武漢 430074；2.中國地質大學(武漢)資源環(huán)境研究中心，湖北武漢 430074；

3.自然資源部國土資源戰(zhàn)略研究重點實驗室，湖北武漢 430074］

以化石能源為主的能源結構，造成了我國嚴重的空氣污染，已經(jīng)成為人們的“心肺”之患[1,2]，正在被越來越多的社會公眾所關注。這不僅嚴重阻礙了我國生態(tài)文明建設，同時也令我國面臨能源困乏、環(huán)境污染、公共健康水平下降的壓力，因此，空氣污染問題是環(huán)境科學領域研究的熱點[3]。

1 文獻綜述

目前大多數(shù)學者主要從環(huán)境、氣象等自然科學角度對空氣污染物進行研究，一是解析空氣污染源、成分、變化特征和演化趨勢[4,5]；二是對空氣污染的影響，如氣象要素[6,7]、風場[8]、沙塵暴[9]、大霧天氣[10]、城市熱島效應[11]等。而國內從社會經(jīng)濟影響因素角度對空氣污染的定量研究相對較少，這對尋求空氣污染治理的途徑，具有現(xiàn)實的重要意義。目前，從經(jīng)濟學的角度主要從以下兩個方面進行：

第一，從時空的角度刻畫污染物的時空特征、演化格局及變動趨勢。一是多以時間序列統(tǒng)計為主分析污染濃度的時空變化規(guī)律。比如，Wang M[12]、藺雪芹等[13]、Tong Z[14]、燕麗等人[15]從時空角度分析了空氣污染的時空演變規(guī)律以及時空分異特征，并實證分析污染物排放強度的收斂性[16]。二是從空間溢出視角部分刻畫了污染物的空間分布和空間關聯(lián)特征。例如，馬麗梅等[17]研究發(fā)現(xiàn)，霧霾污染具有區(qū)內和區(qū)際空間的傳輸性，且存在顯著的外部性和空間溢出效應。三是對未來污染趨勢進行預測。比如，魏巍賢[18]等通過建立動態(tài)可計算一般均衡模型對我國能源結構調整、技術進步與治霾政策組合進行情景分析。

第二，空氣污染物的影響因素分析。一是采用結構和指數(shù)分解法對我國空氣污染的驅動因素進行分析，主要集中在CO2、SO2和煙塵等方面[19-21]，但在其他污染物PM2.5排放上的研究甚少。如Yanxia Zhang 等[22]采用結構分解技術（SDA）法對北京市1997 年和2010 年化石能源排放的污染物及驅動因素進行分析，認為工業(yè)部門能源消費強度直接造成了空氣污染物排放增加。也有學者從生活能源消費的角度利用對數(shù)平均迪氏指數(shù)法（LMDI）對我國生活能源消費的典型污染物排放總量的動態(tài)變化和各省人均排放的空間差異進行分析[23]。二是以計量分析方法為研究工具，分析經(jīng)濟、人口、產(chǎn)業(yè)結構、能源消費結構和技術要素、政策以及投資等角度對空氣污染的影響[24-26]。比如，邵帥等[27]建立空間計量模型，研究了技術水平、能源結構、產(chǎn)業(yè)結構、交通運輸和經(jīng)濟等7 種社會經(jīng)濟因素對霧霾的影響，提出了相應的治霾政策。

基于以上文獻所述，這些研究主要以污染物濃度為基礎進行分析，但當前針對我國不同部門能源消費引發(fā)的污染物排放及其演化趨勢研究依然不足，而且在此基礎上從社會經(jīng)濟的角度對其排放驅動因子進行系統(tǒng)分析也需要完善。因此，本文針對上述研究文獻的不足，以長江三角洲為例，分析長三角地區(qū)空氣污染現(xiàn)狀與時空演化規(guī)律，運用LMDI 方法對污染物排放因素進行解析，并提出政策建議。這為政府治理空氣污染提供決策支持，具有重要的現(xiàn)實意義。

2 研究方法與數(shù)據(jù)

2.1 模型

LMDI 的思想是將變量分解為各個因素的變量的和，這樣可以對變量的各個影響因素進行分解。LMDI 法最大的優(yōu)勢在于分解后的殘差為零，克服了許多分解方法殘差不為零的缺點，提出之后被廣泛應用于能源和環(huán)境領域[28]。因此，本文應用LMDI 方法對長江三角洲的能源消費產(chǎn)生的污染物排放進行因素分解，根據(jù)污染物排放的恒等式可將污染物的排放分解為人口、人均財富、能源消費強度、能源消費結構和污染物產(chǎn)生系數(shù)五因素。分解如下：

式中，P 表示人口；G 表示GDP；E 表示能源消費總量；Ei表示第i 種能源的消費量；Oij表示第i 中能源的j 種污染物排放量；a 表示人均GDP；e 表示能源消費強度；ni表示第i 種能源的消費比例；ri表示第i 種能源的污染物排放系數(shù)。

定義污染物排放增量為綜合效應，用ΔOj表示。根據(jù)LMDI 分解模型，污染物排放的綜合效應由五方面效應構成，即人口效應ΔOP、人均財富效應ΔOa、能源消費強度效應ΔOe、能源消費結構效應ΔOn和污染物排放系數(shù)效應ΔOr。分解式如下：

測度各因素的逐年效應即t-1 年至t 年的效應，有

定義：

由于不同年度的污染防治措施對污染物排放因子的影響難以度量，為了保證研究的客觀性，本文僅從污染物產(chǎn)生的角度，在不考慮污染物控制措施的條件下對其社會經(jīng)濟驅動因素進行分析。因此，研究認為基于能源燃燒的污染物產(chǎn)生系數(shù)基本保持不變，即ΔrO 為0。最終的污染物排放分解表達式為：

為了更加清晰的反映各因素效應的貢獻，定義各因素效應貢獻度如下：

式中，ηp、ηa、ηe、ηn分別表示人口效應貢獻度、經(jīng)濟效應貢獻度、能源強度效應貢獻度和能源消費結構效應貢獻度。

2.2 數(shù)據(jù)來源與處理

根據(jù)數(shù)據(jù)的可獲得性和口徑的統(tǒng)一性，本文主要收集2006—2015 年的數(shù)據(jù)，其中能源相關數(shù)據(jù)主要來自歷年《中國能源統(tǒng)計年鑒》和各地方的統(tǒng)計年鑒，即《江蘇統(tǒng)計年鑒》《浙江統(tǒng)計年鑒》《上海統(tǒng)計年鑒》，其他相關人口、經(jīng)濟等數(shù)據(jù)主要來自《中國統(tǒng)計年鑒》。在計算空氣污染排放過程中，采用的排放清單來自我國高分辨率排放清單，由于在該清單中的部門分類主要分為電力、供熱、工業(yè)、民用與交通。因此，在計算過程中，需要將統(tǒng)計年鑒中的部門針對該清單中的部門進行調整。因此，本研究將按此五個部門分類。

鑒于本研究中涉及江蘇省、浙江省和上海市，所涉及的范圍較廣，且年度跨度大，很難獲取不同年份、不同區(qū)域防污措施對排放因子的影響數(shù)據(jù)，因此，文中所采用的排放因子首先以具有普適性的手冊數(shù)據(jù)為主，以文獻數(shù)據(jù)為輔。

2.3 空氣污染排放量測算

（1）CO2排放系數(shù)設置

本文為了更加準確的計算二氧化碳的排放量，參考了宋杰鯤[29]結合《2006 年IPCC 國家溫室氣體清單指南》對涉及的17 種能源的碳排放系數(shù)的測算（如表1 所示），再通過能源的消費量計算。

（2）SO2、NOx、PM2.5與PM10的排放系數(shù)設置

相對于實測法和相關方程法，排放系數(shù)法的核算結果具有相對性，常用于需要統(tǒng)計一個區(qū)域內化石能源排放量的情況。所以，本文針對PM2.5、PM10、SO2、NOx的排放量測算，采用排放系數(shù)法測算一次性能源消費所產(chǎn)生的直接污染物排放。以往利用排放因子法進行排放總量計算的研究中，多采用國外排放因子數(shù)據(jù)，如EPA、AP-42 數(shù)據(jù)庫中數(shù)據(jù)。較之國外，我國學者在這方面做的工作還相對較少，許多關于排放源清單方面的文章都借鑒國外的排放因子，但與我國的實際情況可能會有較大的出入。因此，本研究中在對國內、外排放因子進行分析對比之后，采用了大量能反映國內狀況的排放因子[30-32]（表2）。根據(jù)2005—2015 年江蘇省、浙江省和上海市的能源平衡表中各種能源的消耗量計算出相應的污染物排放量。

表1 各種能源的碳排放系數(shù)

表2 SO2、NOx、PM2.5和PM10的排放因子

3 實證研究

3.1 各部門空氣污染物排放量的時空演化

長三角地區(qū)的化石燃料使用量從2006 年的3.9 億t 標準煤當量增長到了2015年的 58.4億t，增長率由最高的7.7%下降到2015 年的1.7%，增幅下降明顯。不同部門能源消費也是呈現(xiàn)不斷增長的趨勢，但是近3 年變化趨緩。長三角地區(qū)空氣污染物排放量仍然較為突出，2006—2015 年電力部門污染物排放量最大，其次工業(yè)部門，兩者的能源消費量及其污染物的排放量遠遠高于其他三個部門，除了NOx排放量一直呈現(xiàn)逐步增長的趨勢外，CO2、SO2、PM2.5和PM10排放量都呈現(xiàn)為先增長到后期緩慢下降的趨勢。

從時間上看，不同部門污染物排放結構也不斷變化，如圖1 所示。2006—2015 年，各部門CO2、PM2.5和PM10排放量占比中，電力部門NOx、PM2.5、PM10排放的貢獻占比呈逐年上升趨勢，分別從2006 年的37%、56%、57%上升為2015 年的40%、60%、62%。工業(yè)部門則分別從2006年的34%、29%、28%下降至2015 年的33%、26%、25%。交通部門貢獻了僅次于電力與工業(yè)部門的NOx和SO2的排放量。供熱部門的CO2、SO2和NOx的排放占比趨勢與能源消費量占比相似，約為8%，對PM2.5和PM10的貢獻都在11%左右。雖然民用和交通部門的能源消費量占比與電力、工業(yè)部門相比較少，但能源消費量逐年增長，使PM2.5等污染物的排放量有增加的趨勢。

各部門的能源消費引發(fā)的污染物排放量，具體說來，CO2排放量最大，從2006 年排放26 980.65 萬t，增長到2013 年的最高值38 405.26 萬t，年均增長率在8%以上，但此后有略降的趨勢，但是不同的部門存在差異。其中，電力部門CO2的排放量最大，2006 年的排放量為11 548.38 萬t，到2013 年，排放量為16 490.41萬t，增長幅度為48.62%，此后，CO2的排放量開始波動下降，下降幅度較?。黄浯问枪I(yè)部門CO2排放量，與電力部門的變化趨勢基本一致；而供熱、民用和交通部門的CO2排放量一般都處在增加的趨勢，尤其是交通部門增長明顯，從2006 年的1928.26 萬t 增長到了2015 年3038.24 萬t，增長幅度為57.56%，但排放量遠低于電力部門和工業(yè)部門。

SO2的排放量也是呈現(xiàn)先上升，后波動下降的趨勢，在2011 年達到542.23 萬t 的排放峰值。其中，電力部門排放量最大，工業(yè)部門排放量次之，兩者遙遙領先于其他部門。交通部門一直保持較快的增長，從2006 年的5.22 萬t 到2015 年的7.38 萬t，而其他部門都在2011 年到峰值之后，呈現(xiàn)略微降低或變化不大的趨勢。

而NOx的排放量一直保持波動性增長，2006—2015 年年均增長大約4%，增加較明顯。同時研究發(fā)現(xiàn)，在五個部門中，都呈現(xiàn)相同的增長趨勢。電力、供熱、工業(yè)、民用和交通五個部門從2006 年的93.12 萬t、12.87 萬t、76.45萬t、14.06 萬t 和23.29 萬t，增長到2016 年的109.34 萬t、23.43 萬t、96.41 萬t、27.13 萬t 和38.56 萬t。

PM2.5的排放量從2006 年到2013 年排放量一直增長，達到最大值37.77 萬t，在此之后PM2.5的排放量呈現(xiàn)略降的趨勢，到2015 年的排放量也有36.40 萬t。其中，電力部門的排放量最大，與排放總量保持基本一致的趨勢。供熱、工業(yè) 民用和交通都保持增長的趨勢，但在2013 年前后增長的趨勢變緩，且它們排放量都比較低，其中交通和民用部門排放量，到2016 年只有0.94 萬t 和0.74 萬t。

圖1 各部門對能源消費量和空氣污染排放量的貢獻占比

PM10的排放趨勢與PM2.5相似，先期呈現(xiàn)快速增長的趨勢，2013 年達到峰值77.69 萬t，后期下降，但下降比較明顯。電力和工業(yè)依然是PM10排放的前兩位，供熱排名第三，它們都保持先上升后期下降的趨勢。而民用部門和交通部門基本上保持增長的趨勢，到2016 年PM10排放量都在1 萬t 左右，排放量遠低于其他部門。

上述不同部門污染物排放的變化其主要原因在于，這期間長三角地區(qū)的經(jīng)濟發(fā)展快速，人民生活水平隨之提高，居民生活的衣食住行等直接和間接能源消費也有所提高，導致各種污染物的排放量呈現(xiàn)大幅度增加的趨勢。但隨著人們對環(huán)保意識的提高，特別是2012 年以來，產(chǎn)業(yè)結構和能源結構不斷優(yōu)化，科學技術不斷升級，使得長三角地區(qū)的能源使用效率不斷提高，在一定程度上抑制了各種污染物的排放。其中，SO2排放導致酸雨早已形成共識，所以排放量的峰值最先達到，而PM2.5等引起的污染最近幾年才引起廣泛關注。

3.2 污染物排放的驅動因素分析

運用LMDI 分解模型對長江三角洲地區(qū)2006—2015 年因能源消費產(chǎn)生污染物排放量進行因素分解，得到各階段人口、經(jīng)濟、能源消費強度、能源結構的效應，如表3 所示。同時，得到各因素在各階段效應的貢獻度，能源消費量和污染物排放量的變化以及能源消費強度和污染物排放強度的變化，如圖2 所示。

由表3 可知，2006—2009 年，長江三角洲地區(qū)人口效應和經(jīng)濟效應均為正值，能源強度為負值，能源結構僅在2012—2015 年階段對CO2、SO2、PM2.5和PM10的效應為正值。這表明，人口和經(jīng)濟對能源消費與污染物的排放增加具有正影響；能源消費強度和能源結構對能源消費量和污染物排放量的增加具有一定負影響。由圖2 可知，經(jīng)濟與能源強度的貢獻度遠大于人口與能源結構的貢獻度；2006—2015 年，能源消費總量增長56%，各污染物排放量的增長幅度也都超過30%，相反能源消費強度與污染物排放強度逐年降低，10 年降低50%以上。

3.2.1 人口效應

人口因素對長三角地區(qū)的能源消耗與空氣污染物的排放起到了正向的驅動作用。在整個研究年份區(qū)間，人口因素對能源消費量和污染物排放量增長的貢獻度均為19%左右，且各階段人口因素的效應值和貢獻度都在逐漸減小。2006—2009 年，人口因素對能源消費量與污染物排放量增長的貢獻度都在27%左右（效應值為CO21167.73 萬t、SO216.9 萬t、NOx9.19 萬t、PM2.51.16 萬t、PM102.4 萬t），2012—2015 年 下 降 至7%（效 應 值 為CO2364.54 萬t、SO25.1 萬t、NOx2.83 萬t、PM2.50.35 萬t、PM100.72 萬t）。主要原因在于長三角地區(qū)是我國的經(jīng)濟中心，大量的就業(yè)機會與高水平的薪酬吸引著大量的外來務工人員，人口數(shù)量逐漸上升，從2005 年的8955.97 萬人，增長到了2015 年

的10 264.91 萬人，10 年間增長了1308.94 萬人。但是人口增長速度逐年減緩，2006—2009 年，長三角地區(qū)人口增長率為4.1%，而2012—2015 年的人口增長率僅為0.97%，因此人口效應呈現(xiàn)減弱的趨勢。

表3 2006—2015年各階段能源消費污染物排放各因素的效應 單位：萬t

圖2 各驅動因素的貢獻度、污染物的總量變化以及污染物的強度變化

3.2.2 經(jīng)濟效應

經(jīng)濟效應在長三角地區(qū)空氣污染排放方面也起到了很大的正向驅動作用。在研究區(qū)間內，經(jīng)濟因素對長三角地區(qū)的空氣污染物的排放貢獻最大。2006—2015 年，人均財富對各污染物排放量增長的貢獻度都在200%以上，使得經(jīng)濟效應對長三角地區(qū)的能源消耗與空氣污染排放量的驅動因素非常顯著。其中2009—2012 年階段貢獻度最大（CO2為262%、SO2為288%、NOx為283%、PM2.5為280%、PM10為282%）較2005—2009 年有緩慢增長。主要原因在于長三角地區(qū)自21 世紀以來，經(jīng)濟獲得了快速的發(fā)展，經(jīng)濟增長速度超過全國平均水平。經(jīng)濟的快速發(fā)展對能源的需求量大幅度增加，并且二、三產(chǎn)業(yè)快速發(fā)展，能源消費量逐年快速增長，從而也直接導致了長三角地區(qū)的空氣污染物排放量的大幅度增加。但在2012—2015 年，GDP 與人均財富的增速明顯放緩，經(jīng)濟因素對化石能源消費量及污染物排放量增長的貢獻度又有較大幅度的下降（化石能源 為166%、CO2為165%、SO2為149%、NOx為200%、PM2.5為151%、PM10為148%）。

3.2.3 能源強度效應

能源強度效應在長三角地區(qū)能源消費與空氣污染排放方面起到了較大的反向作用，能源強度的不斷降低，對空氣污染排放量的減少起到了明顯的促進作用。在2005 年，長三角地區(qū)能源強度為0.69，到2015 年，長三角地區(qū)的能源強度下降到0.34，10 年間能源強度下降0.35，下降幅度超過50%。其中對NOx排放的抑制性貢獻最大，為-157%，效應值為-154.56 萬t。2006—2012 年，長三角地區(qū)的GDP飛速增長，而能源消費量增長平緩，能源強度有比較大幅度的降低，下降至0.49 t/萬元。2009—2012 年，能源強度因素對能源消費及空氣污染的抑制性貢獻較2006—2009 年均有10%～20%的增加。2012—2015 年，GDP 增速放緩，能源強度的降速隨之減緩，能源強度的抑制性貢獻大幅減小，說明能源強度變化對空氣污染物排放起到了抑制作用，并且抑制作用較為明顯，呈現(xiàn)出先小幅增長后大幅下降的態(tài)勢。

3.2.4 能源結構效應

能源結構效應在長三角地區(qū)能源消費與空氣污染排放方面起到了反向作用，但是能源結構效應的作用相對較弱。就貢獻度而言，能源結構對NOx排放的貢獻度為-13%，明顯大于其他污染物的貢獻度，說明能源結構的優(yōu)化對長三角地區(qū)NOx排放的降低作用更為明顯，能源結構對其他4種空氣污染物排放的貢獻度絕對值較另外三種驅動因素較小，可見長三角地區(qū)的能源結構還有待進一步優(yōu)化。主要原因在于：2006—2015 年，長三角地區(qū)能源結構在不斷優(yōu)化升級，煤炭使用量在不斷減少，天然氣等新能源的使用量在不斷增加，但占比仍然很小。據(jù)統(tǒng)計，到2015 年，長三角地區(qū)的能源結構得到了較大的優(yōu)化，煤炭消費量在能源結構中占49.16%，下降到一半以下；石油消耗量增長明顯，增長幅度較大，占比31.53%；天然氣增長幅度較大，占比上升到6.59%。因此，能源消費結構的優(yōu)化，即降低高碳能源消費的比例有利于抑制污染物排放的增加。

4 結論與建議

本文通過研究2006—2015 年長三角地區(qū)能源消費及引發(fā)的空氣污染物排放量，發(fā)現(xiàn)長三角地區(qū)能源消耗量在逐年增加，但是每年能源消耗量增速在逐年降低。而該地區(qū)的空氣污染除了NOx一直保持增長外，SO2、PM10、PM2.5和CO2的排放量基本上都呈現(xiàn)為先快速增長后緩慢略降的趨勢，峰值多出現(xiàn)在2013 年。污染物的排放主要來自工業(yè)和電力部門，交通和民用部門對PM2.5和PM10排放的貢獻占比較小，但增量明顯，不可忽視。在驅動因素方面，通過運用LDMI 因素分解法研究發(fā)現(xiàn)，人口因素與經(jīng)濟因素對長三角地區(qū)的能源消費與空氣污染物排放起到了正向的驅動作用。能源強度與能源結構因素對長三角地區(qū)的能源消費與空氣污染物的排放起到了反向作用，但能源結構的優(yōu)化對能源消費量與污染物的排放沒有明顯的抑制作用。得出如下建議：

（1）減少能源消耗，大力發(fā)展循環(huán)經(jīng)濟和低碳經(jīng)濟。構建市場導向的綠色技術創(chuàng)新體系，大力發(fā)展節(jié)能環(huán)保產(chǎn)業(yè)、清潔能源產(chǎn)業(yè)，給予相關的金融和政策支持，構建清潔低碳、安全高效的能源體系。加快建立法律制度和政策導向，倡導低碳的生產(chǎn)和消費方式。嚴格按照《綜合類生態(tài)工業(yè)園區(qū)標準》《國家生態(tài)園林城市標準》以及國家相關政策，打造生態(tài)工業(yè)園區(qū)。

（2）轉變經(jīng)濟增長方式，優(yōu)化升級產(chǎn)業(yè)結構。經(jīng)濟因素在長三角地區(qū)能源消耗與空氣污染物排放方面起到了明顯的正向驅動作用，并且驅動作用在逐年快速增長。因此，為了減少空氣污染物排放，亟需改變當前長三角地區(qū)的傳統(tǒng)經(jīng)濟增長方式，改變當前重工業(yè)在工業(yè)產(chǎn)業(yè)中的高比例現(xiàn)狀，不能單純追求GDP 的高速增長而犧牲對生態(tài)環(huán)境的保護。這就需要對當?shù)芈浜蟮拇址判蛡鹘y(tǒng)模式下手，向集約型可持續(xù)模式轉變。另外，還需要從適當控制人口規(guī)模，到提高人口素質轉變，發(fā)展技術密集型行業(yè)，建立與生態(tài)文明相適應的產(chǎn)業(yè)結構體系。同時，也應促進現(xiàn)代服務業(yè)的發(fā)展，推進該地區(qū)產(chǎn)業(yè)結構由重變輕，從而抑制長三角地區(qū)空氣污染物的排放。

（3）重視技術，提高能源強度，優(yōu)化能源結構。降低能源強度、提高能源效率可以對長三角地區(qū)空氣污染物的排放起到明顯的降低作用。首先，應關注能源消費多的部門，比如提升電力、熱力生產(chǎn)和供應業(yè)、黑色金屬冶煉及壓延加工業(yè)等部門的末端除塵水平，注重生產(chǎn)過程管理，加速淘汰落后的生產(chǎn)工藝。其次，逐步改變長三角地區(qū)仍然以煤炭為主的能源消費結構，進一步提高清潔能源使用的比重。最后，合理引導，加大資金投入，加強技術研發(fā)，努力促進新技術的應用，提升能源使用效率。

鑒于本研究中涉及兩省一市，經(jīng)過整理后僅涉及電力、供熱、工業(yè)、民用與交通等五個部門，且年度跨度大，很難獲取不同年份不同部門防污措施對排放因子的影響數(shù)據(jù)。在未找到參考文獻或有效的科學度量的情況下，按照本文的方法難免會給最終的計算結果帶有一定的偏差，這是今后精確計算的方向，盡管如此，現(xiàn)有研究仍然具有一定價值。