长江中下游城市群地区水土资源丰富,气候条件优良,地形多为冲积平原,低山丘陵交错,水网密布,湿地广布,是全球重要的生物多样性维持地区,是我国重要的湿地洪水调蓄区、水源涵养区和水土保持区域,也是我国重要的农产品提供功能区和人居保障功能区。长江中下游城市群地区位于我国长江、淮河等重要流域的关键区域,鄱阳湖、洞庭湖、汉江、淮河等流域的生态环境质量,不仅关系到本区域的生态环境健康,也直接关系到东部地区的生态环境安全。近年来,我国针对该地区提出“促进中部地区崛起”“长江经济带发展战略”等多个发展战略,长江中下游城市群作为“中部地区”和“长江经济带”的重要组成部分,区域经济社会绿色化发展的需求更为迫切[1]。
近年来我国污染排放强度大幅下降,众多学者研究得到规模效应、结构效应和技术效应是污染减排的主要影响因素,经济规模的降低、经济结构的优化、污染排放密度的降低都能减少污染排放,但作用机制不尽相同[2, 3]。1991年Grossman和Krueger在环境库兹涅茨曲线的基础上,提出经济规模、经济结构和处理技术可以共同作用影响污染排放强度[4]。Zhu运用情景分析法对未来行业减排的潜力[5],Takeshita分析了不同地区、行业的协同减排效应[6],Zhang等分析了经济结构调整对减排的促进效应[7]。多位学者采用了指标分解方法分别从经济人口、经济结构、工业发展等角度,对我国污染排放量进行了讨论[8]。为了有效控制污染排放,国内外学者多采用因数分解的方法对排放进行分解,目前较为常见的指标分解方法包括拉氏分解法(Laspeyres)、帕氏分解法(Paasche)和Sun完全结构分解法,上述分解法难以同时对多个指标进行分解,或者分解后残差较大,难以解释[9, 10]。Ang等提出的迪氏对数指标分解法(Logarithmic Mean Disivia Index,LMDI)可以得到无残差的指标分解结果,避免了参数估计的主观性误差,被国际上学者广泛使用[2, 11]。刘满芝、祝捷等运用LMDI模型,分别针对主要大气污染物和工业废气排放影响因素进行分析研究[12, 13]。
本文选取对长江中下游城市群工业产值占比和污染排放占比超过5%的行业作为入选产业,同时梳理该区域国家级、区域规划、省级综合性规划或工业规划、地市综合性规划和工业规划、重要产业集聚区规划及其环境影响评价报告等,判断评价区各地市未来着力发展的重点产业,最终选取了钢铁、有色、食品、建材、纺织、化工、装备制造等七大重点行业。以2012年、2020年、2030年为时间节点划分两个时间段,应用LMDI方法对重点行业的COD、氨氮、SO2、NOx污染排放强度进行指标分解,分析得到七大重点行业四种污染物在两个时间段中,对排放强度降低的主要贡献因素及三个影响因素各自的变化情况。
1 指标分解模型 1.1 研究区域长江中下游城市群包括28个城市(表 1),工业重化特征明显,工业对资源环境的需求大,工业排放了区域内10%以上的水环境污染物和70%以上的大气环境污染物。其中,工业COD排放占全国工业COD的6.7%,低于其工业增加值占比(8.5%)。此外工业氨氮、SO2、NOx和烟粉尘排放占全国工业排放比重均高于其增加值占比,单位增加值排放高于全国平均水平(图 1)。
本研究以2012年为基准年,对比评价区各重点行业单位产值污染排放物与全国平均水平对比,当污染排放强度高于全国水平,将2005—2012年以来该行业单位产值全国年均排放量变化作为平均技术提升水平。当评价区污染排放强度低于全国水平时,按2030年行业污染排放强度可达区域内该行业最优5%企业平均排放强度为目标要求,设定年均改善程度从而得到区域内2020年、2030年各行业的污染排放强度。文中各地区分行业污染物排放量、产生量、产值等数据均来自于各地市2012年统计年鉴与环境统计年鉴。
工业整体污染排放强度略有下降(图 2),但不同行业之间仍存在较大的差距。情景年下万元工业产值氨氮污染物排放量下降趋势最为明显,COD、SO2次之,NOx下降幅度最小。与2012年相比,2020年长江中下游城市群重点行业COD排放强度降低36%~90%,2030年降低57%~96%;重点行业氨氮排放强度2020年降低23%~94%,2030年降低43%~99%;重点行业SO2排放强度2020年降低42%~88%,2030年降低52%~96%;重点行业NOx排放强度2020年降低20%~72%,2030年降低39%~83%。
污染排放强度是指一个国家或地区一定时间内单位产值排放的污染物量,即千克污染物排放量/万元GDP,用以衡量创造单位经济价值的环境负荷大小。为讨论影响污染排放强度的影响因子,本文将污染排放强度分解为末端削减、技术工艺、产品结构三个影响因素。具体因素分解如下:
(1) |
其中,I代表末端削减,即污染物排放量比产生量(E/P),用以讨论处理工艺对污染物的去除情况;T代表技术工艺,即污染产生量比重点发展行业产值(P/Y),重点发展行业单位产值产生的污染物量;S代表产品结构,即重点发展行业产值与总产值之比(Y/G),重点发展行业的筛选是以高附加值行业及地区发展的特色行业为依据。
引入时间参数0年到t年,根据LMDI分析模型分解得到各因素的效应为:
(2) |
(3) |
(4) |
根据前文方法,得到各地市2012年、2020年、2030年污染物排放强度。采用LMDI分解方法对钢铁工业COD排放强度进行指标分解,结果如表 2所示
由表 2可知,2012—2020年,长江中下游城市群以末端削减为主要影响因素;2020—2030年,钢铁行业COD排放强度的关键因素从前一阶段的末端削减逐渐改变为技术工艺。对长江中下游城市群总体而言,2012—2020年钢铁工业COD排放强度大幅下降,其三个因素对强度降低的贡献为末端削减80.0%、技术工艺19.3%、产品结构0.7%;2020—2030年COD排放强度进一步降低,其主要影响因素从末端削减逐步转化为技术工艺,技术工艺贡献率为40.7%,末端削减占比58.9%,产品结构占比0.4%。钢铁工业两个时间段下末端削减和技术工艺两个影响因素对污染排放强度降低的贡献占比之和大于99%,可以得到长江中下游城市群地区钢铁工业产品结构变化不大,整个行业已达到较为稳定的状态。
2.2 重点行业四种主要污染物污染排放强度指标分解结果分析按照上述钢铁工业COD污染排放强度指标分解的方法,对2012—2020、2020—2030年两个时间段内,整个长江中下游城市群的七个重点行业进行四种污染物的排放强度LMDI分析。如表 3所示,污染物排放强度的主要制约因素集中在末端削减和技术工艺两个因素上。
如图 3、图 4所示,2012—2020年除纺织工业外,其他行业及2020—2030年全行业末端削减和技术工艺两个因素对行业污染排放强度降低的贡献超过90%,各地市污染排放强度的指标分解结果与整个城市群的结果相似。其中,以下几个地区重点行业的主要影响因素在2012—2020年、2020—2030年两个时间段内发生变化,且与城市群的分解结果有所不同。COD分解结果发生变化:皖江城市带和鄱阳湖生态经济有色(技术—削减),长株潭城市群建材(削减—技术)、化工(技术—削减),皖江城市带纺织工业(技术—削减)。氨氮分解结果变化情况:皖江城市带钢铁(削减—技术),长株潭城市群钢铁、有色、食品(削减—技术),鄱阳湖生态经济区建材、化工(技术—削减),鄱阳湖生态经济区装备(削减—技术),皖江城市带纺织(技术—削减),武汉城市圈化工、装备(削减—技术)。SO2的分析结果有所不同:长株潭城市群、鄱阳湖生态经济区(削减—技术),长株潭城市群装备(削减—技术)。NOx排放强度削减的主要贡献来源变化行业是长株潭城市群装备(削减—技术)。
总体来看,长江中下游城市群两个时间段内钢铁、建材两个行业产品结构的贡献率基本保持稳定,对污染排放强度的影响小于3%;有色、食品、化工行业不同时间段内各影响因素占比略有变化,具体表现为末端削减占比骤升,这种现象主要是由于技术工艺改造、产品结构升级基本达到稳定,末端削减技术还有提升空间;对比其他行业纺织和装备制造业产品结构占比较大,纺织工业从2012—2020年可能的较大负相关变为2020—2030年的较小负相关,纺织工业和装备制造业分别表现为技术工艺和末端削减的占比逐步增加。
3 结论(1)在2012—2020年,COD的排放强度降低同时受末端削减和技术工艺的影响,在2020—2030年逐步转化为主要受末端削减的影响。氨氮强度的削减始终取决于末端削减和技术工艺两个因素,是四种污染中三个影响因素的变化对整体强度降低呈现负贡献率最低的污染物。SO2的制约因素逐步由技术工艺转变为末端削减,具体表现为有色、化工、装备行业的转变。两个时间段内NOx的指标分解结果变化不大,其末端削减对整个排放强度降低的贡献度较低,在两个时间段内的削减程度的增加趋势也不明显,还需要重点关注。
(2)总的来说,末端削减和技术工艺两个因素对排放强度降低的贡献值较大,主要原因为产业改造、转型以及技术工艺升级已基本达到稳定,而末端处理尚未达到最佳处理效率。
(3)有色、食品、建材、化工、装备铸造业2012—2020年纺织行业的产品结构与排放强度降低呈现较为明显的负相关,是行业产品结构不合理造成的。末端治理的占比始终居高不下,表明目前长江中下游城市群的污染物排放强度降低仍主要依赖于末端处理阶段,未能完全发挥清洁生产与产业升级对降低污染排放强度的积极促进作用。
[1] | 卢丽文, 张毅, 李小帆, 等. 长江中游城市群发展质量评价研究[J]. 长江流域资源与环境, 2014, 23(10): 1337–1343. DOI:10.11870/cjlyzyyhj201410001 |
[2] | HAMILTON C, TURTON H. Determinants of emissions growth in OECD countries[J]. Energy policy, 2002, 30(1): 63–71. DOI:10.1016/S0301-4215(01)00060-X |
[3] | LEVINSON A. Technology, International Trade, and Pollution from U.S. Manufacturing[R]. NBER Working Paper No. 13616, 2007. |
[4] | 程叶青, 王哲野, 张守志, 等. 中国能源消费碳排放强度及其影响因素的空间计量[J]. 地理学报, 2013, 68(10): 1418–1431. DOI:10.11821/dlxb201310011 |
[5] | ZHU H, HUANG G H, GUO P, et al. A fuzzy robust nonlinear programming model for stream water quality management[J]. Water resources management, 2009, 23(14): 2913–2940. DOI:10.1007/s11269-009-9416-3 |
[6] | TAKESHITA T. Assessing the co-benefits of CO2 mitigation on air pollutants emissions from road vehicles[J]. Applied energy, 2012, 97: 225–237. DOI:10.1016/j.apenergy.2011.12.029 |
[7] | ZHANG M, MU H L, NING Y D, et al. Decomposition of energy-related CO2 emission over 1991-2006 in China[J]. Ecological economics, 2009, 68(7): 2122–2128. DOI:10.1016/j.ecolecon.2009.02.005 |
[8] | 符鹏, 许振成, 彭晓春, 等. 广州市工业结构与环境污染物的灰色关联分析[J]. 环境科学与管理, 2010, 35(1): 1–15. |
[9] | 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(7): 84–94. |
[10] | SUN J W. Changes in energy consumption and energy intensity: a complete decomposition model[J]. Energy economics, 1998, 20(1): 85–100. DOI:10.1016/S0140-9883(97)00012-1 |
[11] | LIU X Q, ANG B W, ONG H L. Interfuel substitution and decomposition of changes in industrial energy consumption[J]. Energy, 1992, 17(7): 689–696. DOI:10.1016/0360-5442(92)90076-C |
[12] | 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. |
[13] | 祝婕, 袁新杰, 马俊英, 等. 基于LMDI模型的乌鲁木齐工业废气排放影响因素研究[J]. 中国环境管理, 2015, 7(5): 77–82. |