2. 中国环境科学研究院, 北京 100012
2.Chinese Research Academy of Environmental Sciences, Beijing 100012
改革开放以来,乌鲁木齐国民经济保持健康快速发展,2013年全年实现地区生产总值 (GDP) 2400亿元,人均地区生产总值达 11 346美元,高于新疆平均水平。
2006—2013年,乌鲁木齐 GDP的增长率保持 11%的增速,能源消费总量也呈现迅速增长的态势,2006—2013年能源消费量增长 67%。乌鲁木齐工业总产值单位能耗从 2006年的 3.7吨标准煤 /万元下降到 2013年的 0.82吨标准煤 /万元,单位能耗呈下降趋势,表明乌鲁木齐单位煤炭产出率有所提高,采取的节能降耗措施取得明显成效。
新疆能源结构以煤、石油为主,大气污染以煤烟型污染为主,主要污染物是 SO2、烟尘和粉尘等,本文以工业 SO2、烟(粉)尘排放量作为乌鲁木齐工业废气排放表征量。乌鲁木齐大气污染物排放量变化呈现三段式结构,2006—2010年乌鲁木齐大气污染物排放量逐年递减,2010年 5月中央新疆工作座谈会召开,乌鲁木齐加大发展力度使得 2011年大气污染排放量有所增加,得益于污染治理力度加大、能源结构调整及煤改气工程实施,2012年、2013年大气污染排放总量继续降低,但由于能源消费总量持续增长,乌鲁木齐大气染物排放总量仍维持在较高水平。
能源消费、环境污染、经济增长三者是一个相互关联的复杂系统。随着乌鲁木齐经济快速发展,工业化取得显著成效的同时环境问题也日益凸显。制定降低工业废气排放决策的前提是清楚工业废气排放影响的主要因素,目前已有工业废气排放量与其影响因素的关系相关研究,刘铁鹰等 [1]基于 1998—2008年中国省际面板数据,以环境污染中的重要指标——工业废气排放量和经济增长的关系为研究对象,以实证检验为基础对工业废气排放和经济增长的相关关系的影响因素进行了分析。莱文森( Levinson)[2]分解了 1970—2002年美国四种主要污染物的排放情况,发现技术效应是污染排放量降低的主要原因。张平淡等 [3]使用对数平均的迪氏分解法( LDMI),研究发现,1998—2009年,中国 SO2排放强度的降低主要归功于污染排放处理效应,其次是能源消耗强度效应,能源消费结构效应的贡献最小,甚至是反向的。刘满芝等 [4]运用 LMDI模型,对全国和 30个省份 2000—2010年的主要大气污染排放量的变化进行因素分解,并通过构建四象限法评价地区差异。
目前,应用 LMDI模型对乌鲁木齐工业废气排放影响因素的研究未见报道。本文以工业废气排放量为研究对象,选取工业 SO2、工业烟(粉)尘排放量作为污染物指标,基于 LMDI 模型,将 2006—2013年,乌鲁木齐工业废气排放量影响因素分解为规模效应、结构效应、技术效应,考虑到技术效应机制的复杂性,进一步将技术效应细化为污染治理效应和清洁技术效应,系统、全面地定量分析各个因素对乌鲁木齐工业废气排放量的影响强度,在模型参数分析的基础上 ,为降低乌鲁木齐工业废气排放提供建议。
1 污染排放强度的分解模型 1.1 数据来源本文数据来源于《新疆统计年鉴》、《乌鲁木齐统计年鉴》、《新疆环境统计年报》。收集“十一五”、“十二五”期间 2006—2013年工业及内部各行业废气排放量及工业总产值,数据统计口径为规模以上工业企业。
根据行业划分标准,将规模以上工业企业的能源消费总量在能源消费效应分解时分为三大行业,分别是采矿业、制造业电力、燃气及水的生产和供应业。国内生产总值、能源消费量分行业进行统计。选取工业 SO2、工业烟(粉)尘排放量作为污染物指标,代表乌鲁木齐大气环境污染变化。由于本文是通过规模以上工业企业数据加和得到环境污染指标数据,所以低于直接统计的工业污染排放总量。工业总产值按采矿业、制造业电力、燃气及水的生产和供应业三种行业进行归并。由于各行业没有相应的平减指数,本文中的各行业工业产值、工业总产值选取现价数据进行计算。
1.2 模型方法目前针对能源消费及污染物排放变化影响因素研究主要采用因素分解法。因素分解法分为指数分解法和结构分解法,其中指数分解法主要有拉氏分解法和迪氏分解法( Divisia decomposition)。迪氏分解法 1924年由法国数学家迪维萨( Divisia)提出,是研究能源和环境问题的常用方法,分为算术平均 Divisia指数和对数平均 Divisia指数方法。由于对数平均指数分解法( LMDI)有乘法分解的结果有加法特性、不包括不能解释的残差项、分效应加和与总效应能保持一致等特点,多应用于能源强度变化与污染排放强度变化的因素分析研究中。
本文采用 LMDI 分解法对乌鲁木齐工业污染排放量影响因素进行分解。首先将污染排放量分解为规模效应、结构效应、技术效应,由于技术效应作用机制较复杂,因此将技术效应进一步分解为污染治理效应及清洁技术效应。具体分解步骤如下:
对污染排放量进行分解 [5]:
式中,t代表年份; i代表工业行业类型; E代表工业污染排放量; Yt代表 t年工业总产值,即规模效应(scale effect);Yit为 t年 i行业的工业产值; Eit代表 t年 i行业的污染排放量;Sit代表 t年 i行业的产值占工业总产值的份额( Sit =Yit/Yt),即行业结构效应( structural effect);Iit代表 t年 i行业的污染排放强度( Iit =Eit/ Yit),即技术效应(technique effect)。
对污染排放进行分解,式( 1)左、右两边同时求对数,并对 t求导:
式中,ei=Ei/E ,代表行业 i的污染排放量占全部污染排放量的比重。
对式(2)求定积分得到:
将式(3)改写为如下形式:
式中,Esca代表规模效应( scale effect);Etec代表技术效应(technical effect);Ecom代表结构效应(structural effect)对应源头防治。其中,由于技术效应的作用机制比较复杂,因此将技术效应 Etec继续分解为污染排放率 Ait和污染产生率 Tit,即:
式中,Cit代表 t年 i行业的工业污染产生量,等于污染排放量与去除量之和; Ait代表 t年 i行业的污染排放效率( Ait =Eit /Cit);Tit代表 t年 i的污染产生率( Tit =Cit /Yit)[6]。
对式( 5)左、右两边同时求对数,再对时间求导得:
式中,fi =Ii/I,代表行业 i的污染排放强度占所有行业污染排放强度的比重。参考洪和蔡( Ang and Choi)提出的 LMDI模型,构造对数平均函数 [7],可以得到:
将式(7)改写为如下形式:
式中,Ecle代tec表清洁技术cle效应( clean technology)对应过程控制; Epol代表污染治理效应 (pollution treatment)对应末端治理。
2 废气排放强度分解结果 2.1 工业废气排放影响因素分解对式( 4)中污染排放三种效应求导,计算出三种效应的贡献率如表1所示。可以看出,规模效应的贡献是最大的,其次是结构效应,技术效应的贡献率是负数(负号表示减排)。表明技术进步是控制乌鲁木齐大气污染排放下降的主要因素。而规模效应不断增加,造成乌鲁木齐大气污染排放量并没有明显下降,表明乌鲁木齐能源消费结构仍以煤炭为主,这同已有研究结论基本一致 [8]。
将工业行业划分为三个子行业,由图1可知,制造业是工业废气的主要增排来源,这主要是由制造业的工业废气排放规模决定的。而从工业废气排放量来看,制造业的工业废气排放系数占工业废气排放总系数比例由 2007年的 60.28%下降到 2013年的 38.97%,采矿业基本保持在 30%左右,变化不大。电力、燃气及水的生产和供应业工业废气排放系数占工业废气排放总系数比例由 2007年的 11.17%连续上升到 2012年的 37.20%,2013年下降为 30.31%,这主要得益于煤改气工程实施。制造业和电力、燃气及水的生产和供应业废气排放量占工业废气排放总量 70%左右,是乌鲁木齐工业废气污染的主要行业。
由图2可以看出,电力、燃气及水的生产和供应业对结构效应贡献呈逐年增加趋势,2012年达到最大值,为 0.169 8,2013年有所下降,为 0.157 3,这同电力、燃气及水的生产和供应业总排放系数变化趋势相符合。总体来看,电力、燃气及水的生产和供应业废气减排对能源结构调整有迫切要求。采矿业是三个行业中唯一的保持贡献率为负,这可能是由于近年来采矿业持续调整转型;制造业结构效应 2010年达到最大值 0.0581后逐年下降,2013年已达到 -0.0049。到 2013年仅有电力、燃气及水的生产和供应业结构效应为正值,显示能源结构调整对污染减排的贡献增加,源头防治开始有所显现。
从图3可以看出,电力、燃气及水的生产和供应业技术效应对总效应的抑制作用表现得异常显著,是减排的主要因素,主要由于国家对相关行业制定了一系列比较严格的排放标准。技术效应对其他行业的影响较小,特别是采矿业,可能由于乌鲁木齐采矿业调整转型不断萎缩,这同采矿业结构效应相对应,表明目前乌鲁木齐对工业废气排放的主要手段为源头控制。
对式( 9)中污染排放两种技术效应求导,计算污染治理效应和清洁技术效应贡献率。由表2可知,SO2和烟(粉)尘技术效应的贡献率是负数,说明技术效应是抑制大气污染排放的主要因素。清洁技术效应对 SO2的减排起促进作用,是阻碍工业 SO2排放量增加的主要因素;污染治理效应对 SO2减排的促进作用由原来的 7.65%上升到 43.82%,说明目前乌鲁木齐对工业 SO2排放的治理越来越重视。与工业 SO2排放有所区别,污染治理效应是工业烟(粉)尘减排的主要因素,清洁技术效应在 2007年、2011年、2012年阻碍了工业烟(粉)尘的减排。这说明目前乌鲁木齐工业烟(粉)尘的减排依赖于排放后的治理。
由图4可知,技术效应对电力、燃气及水的生产和供应业 SO2减排影响最大,对采矿业影响最小。 2007—2013年电力、燃气及水的生产和供应业占总技术效应贡献率由 57.21%上升到 83.34%。2012年、 2013年,SO2技术效应贡献率明显增加,这可能是由于煤改气工程实施对电力、燃气及水的生产和供应业 SO2减排起到了明显的促进作用。
由图5可知,与 SO2技术效应相似,技术效应对电力、燃气及水的生产和供应业的烟(粉)尘减排影响最大,对采矿业影响最小。 2007—2013年,电力、燃气及水的生产和供应业占总技术效应贡献率保持在 80%以上。
综上所述,乌鲁木齐市工业废气排放量增加的主要因素是规模效应,结构效应的影响程度较小,技术效应对工业废气排放起到了阻碍作用。与工业废气排放量相同,规模效应也是促进工业 SO2、工业烟(粉)尘排放量增加的主要因素。清洁技术效应对 SO2的减排起促进作用,是阻碍工业 SO2排放量增加的主要因素;污染治理效应对 SO2减排的促进作用的大幅度提高。对于工业烟(粉)尘减排,污染治理效应影响程度大于清洁技术效应,这表明目前乌鲁木齐工业烟(粉)尘污染物减排依赖于排放后治理。
3 结论与建议本文利用 LMDI模型分解了 2006—2013年影响 乌鲁木齐大气污染物排放的规模效应、结构效应、技 术效应、污染治理效应及清洁技术效应。研究表明,技术效应是大气污染物排放强度降低的主要因素,规 模效应、结构效应反向增加大气污染物排放。
通过对乌鲁木齐工业废气排放因素的分析,对乌鲁木齐加快调整产业结构、推进节能减排提出如下建议:
(1)技术进步是控制乌鲁木齐大气污染物排放下降的主要因素,而规模效应不断增加,造成乌鲁木齐大气污染物排放量并没有明显下降。因此,乌鲁木齐在经济发展过程中要不断转变经济增长方式,调整产业结构,优先发展新能源、新材料、先进装备制造、生物、信息、节能环保和清洁能源等新兴产业,优化战略性新兴产业区域布局,提高能源的利用效率,加快经济结构向能源节约型转变。继续积极推动供热锅炉、工业锅炉“煤改气”工程,切实压减燃煤用量,做好燃煤清洁利用,最大限度地减少燃煤污染。
(2)清洁技术效应对 SO2的减排起促进作用,污染治理效应对 SO2减排的促进作用近年有大幅度提高,目前乌鲁木齐工业烟(粉)尘污染物减排仍然依赖于排放后治理。因此要加快传统产业优化升级。对煤炭开采和洗选业、石油和天然气开采业、纺织业、造纸及纸制品业、石油加工炼焦及核燃料业、化学原料及化学制品制造业、非金属矿物制造业、黑色金属冶炼及压延业、有色金属冶炼及压延业、电力和热力生产及供应业等高耗能行业进行节能技术改造升级,支持企业提升产品节能环保性能,降低传统产工业废气排放量。
(3)乌鲁木齐大气污染物排放没有实现全过程治理,需要继续促进企业调整能源消费结构,实施污染企业分类整治,继续积极推进中心城区污染企业搬迁,推动乌鲁木齐大气污染治理由末端治理向源头防治、过程控制的转变,实现全过程治理。
[1] | 刘铁鹰, 李京梅. 中国工业废气排放与经济增长关系的区 域分异研究[J]. 中国科技论坛, 2011, (8): 42-48. |
[2] | Levinson A. Technology, International Trade, and Pollution from U. S. Manufacturing[Z]. NBER Working Paper, No 13616, 2007. |
[3] | 张平淡, 朱松, 朱艳春. 环保投资对中国SO2减排的影 响——基于LMDI的分解结果[J]. 经济理论与经济管理, 2012, 32(7): 84-94. |
[4] | 刘满芝, 杨继贤, 马丁, 等. 基于LMDI模型的中国主要大 气污染物的空间差异及其影响因素分析[J]. 资源科学, 2015, 37(2): 333-341. |
[5] | Grossman G M, Krueger A B. Environmental Impacts of a North American Free Trade Agreement[Z]. NBER Working Paper, No. 3914, 1991. |
[6] | 黄亚丽. 甘肃省能源消费与环境、经济关系研究[D]. 兰 州: 兰州大学, 2009. |
[7] | Ang B W, Choi K-H. Decomposition of aggregate energy and gas emission intensities for industry: a refined divisia index method[J]. The Energy Journal, 1997, 18(3): 59-73. |
[8] | 韩楠. 基于LMDI的我国工业废气排放量驱动因素研究[J]. 生态经济, 2014, 30(3): 135-138. |