以化石能源为主的能源结构，造成了我国严重的空气污染，已经成为人们的“心肺”之患^{[1, 2]}，正在被越来越多的社会公众所关注。这不仅严重阻碍了我国生态文明建设，同时也令我国面临能源困乏、环境污染、公共健康水平下降的压力，因此，空气污染问题是环境科学领域研究的热点^[3]。

1 文献综述

目前大多数学者主要从环境、气象等自然科学角度对空气污染物进行研究，一是解析空气污染源、成分、变化特征和演化趋势^{[4, 5]}；二是对空气污染的影响，如气象要素^{[6, 7]}、风场^[8]、沙尘暴^[9]、大雾天气^[10]、城市热岛效应^[11]等。而国内从社会经济影响因素角度对空气污染的定量研究相对较少，这对寻求空气污染治理的途径，具有现实的重要意义。目前，从经济学的角度主要从以下两个方面进行：

第一，从时空的角度刻画污染物的时空特征、演化格局及变动趋势。一是多以时间序列统计为主分析污染浓度的时空变化规律。比如，Wang M^[12]、蔺雪芹等^[13]、Tong Z^[14]、燕丽等人^[15]从时空角度分析了空气污染的时空演变规律以及时空分异特征，并实证分析污染物排放强度的收敛性^[16]。二是从空间溢出视角部分刻画了污染物的空间分布和空间关联特征。例如，马丽梅等^[17]研究发现，雾霾污染具有区内和区际空间的传输性，且存在显著的外部性和空间溢出效应。三是对未来污染趋势进行预测。比如，魏巍贤^[18]等通过建立动态可计算一般均衡模型对我国能源结构调整、技术进步与治霾政策组合进行情景分析。

第二，空气污染物的影响因素分析。一是采用结构和指数分解法对我国空气污染的驱动因素进行分析，主要集中在CO₂、SO₂和烟尘等方面^[19-21]，但在其他污染物PM_2.5排放上的研究甚少。如Yanxia Zhang等^[22]采用结构分解技术（SDA）法对北京市1997年和2010年化石能源排放的污染物及驱动因素进行分析，认为工业部门能源消费强度直接造成了空气污染物排放增加。也有学者从生活能源消费的角度利用对数平均迪氏指数法（LMDI）对我国生活能源消费的典型污染物排放总量的动态变化和各省人均排放的空间差异进行分析^[23]。二是以计量分析方法为研究工具，分析经济、人口、产业结构、能源消费结构和技术要素、政策以及投资等角度对空气污染的影响^[24-26]。比如，邵帅等^[27]建立空间计量模型，研究了技术水平、能源结构、产业结构、交通运输和经济等7种社会经济因素对雾霾的影响，提出了相应的治霾政策。

基于以上文献所述，这些研究主要以污染物浓度为基础进行分析，但当前针对我国不同部门能源消费引发的污染物排放及其演化趋势研究依然不足，而且在此基础上从社会经济的角度对其排放驱动因子进行系统分析也需要完善。因此，本文针对上述研究文献的不足，以长江三角洲为例，分析长三角地区空气污染现状与时空演化规律，运用LMDI方法对污染物排放因素进行解析，并提出政策建议。这为政府治理空气污染提供决策支持，具有重要的现实意义。

2 研究方法与数据 2.1 模型

LMDI的思想是将变量分解为各个因素的变量的和，这样可以对变量的各个影响因素进行分解。LMDI法最大的优势在于分解后的残差为零，克服了许多分解方法残差不为零的缺点，提出之后被广泛应用于能源和环境领域^[28]。因此，本文应用LMDI方法对长江三角洲的能源消费产生的污染物排放进行因素分解，根据污染物排放的恒等式可将污染物的排放分解为人口、人均财富、能源消费强度、能源消费结构和污染物产生系数五因素。分解如下:

(1)

式中，P表示人口；G表示GDP；E表示能源消费总量；E_i表示第i种能源的消费量；O_ij表示第i中能源的j种污染物排放量；a表示人均GDP；e表示能源消费强度；n_i表示第i种能源的消费比例；r_i表示第i种能源的污染物排放系数。

定义污染物排放增量为综合效应，用ΔO_j表示。根据LMDI分解模型，污染物排放的综合效应由五方面效应构成，即人口效应ΔO_P、人均财富效应ΔO_a、能源消费强度效应ΔO_e、能源消费结构效应ΔO_n和污染物排放系数效应ΔO_r。分解式如下：

(2)

测度各因素的逐年效应即t-1年至t年的效应，有

(3)

定义：

(4)

由于不同年度的污染防治措施对污染物排放因子的影响难以度量，为了保证研究的客观性，本文仅从污染物产生的角度，在不考虑污染物控制措施的条件下对其社会经济驱动因素进行分析。因此，研究认为基于能源燃烧的污染物产生系数基本保持不变，即ΔO_r为0。最终的污染物排放分解表达式为：

为了更加清晰的反映各因素效应的贡献，定义各因素效应贡献度如下：

(5)

式中，η_p、η_a、η_e、η_n分别表示人口效应贡献度、经济效应贡献度、能源强度效应贡献度和能源消费结构效应贡献度。

2.2 数据来源与处理

根据数据的可获得性和口径的统一性，本文主要收集2006—2015年的数据，其中能源相关数据主要来自历年《中国能源统计年鉴》和各地方的统计年鉴，即《江苏统计年鉴》《浙江统计年鉴》《上海统计年鉴》，其他相关人口、经济等数据主要来自《中国统计年鉴》。在计算空气污染排放过程中，采用的排放清单来自我国高分辨率排放清单，由于在该清单中的部门分类主要分为电力、供热、工业、民用与交通。因此，在计算过程中，需要将统计年鉴中的部门针对该清单中的部门进行调整。因此，本研究将按此五个部门分类。

鉴于本研究中涉及江苏省、浙江省和上海市，所涉及的范围较广，且年度跨度大，很难获取不同年份、不同区域防污措施对排放因子的影响数据，因此，文中所采用的排放因子首先以具有普适性的手册数据为主，以文献数据为辅。

2.3 空气污染排放量测算

（1）CO₂排放系数设置

本文为了更加准确的计算二氧化碳的排放量，参考了宋杰鲲^[29]结合《 2006年IPCC国家温室气体清单指南》对涉及的17种能源的碳排放系数的测算（如表 1所示），再通过能源的消费量计算。

（2）SO₂、NO_x、PM_2.5与PM₁₀的排放系数设置

相对于实测法和相关方程法，排放系数法的核算结果具有相对性，常用于需要统计一个区域内化石能源排放量的情况。所以，本文针对PM_2.5、PM₁₀、SO₂、NO_x的排放量测算，采用排放系数法测算一次性能源消费所产生的直接污染物排放。以往利用排放因子法进行排放总量计算的研究中，多采用国外排放因子数据，如EPA、AP-42数据库中数据。较之国外，我国学者在这方面做的工作还相对较少，许多关于排放源清单方面的文章都借鉴国外的排放因子，但与我国的实际情况可能会有较大的出入。因此，本研究中在对国内、外排放因子进行分析对比之后，采用了大量能反映国内状况的排放因子^[30-32]（表 2）。根据2005—2015年江苏省、浙江省和上海市的能源平衡表中各种能源的消耗量计算出相应的污染物排放量。

3 实证研究 3.1 各部门空气污染物排放量的时空演化

长三角地区的化石燃料使用量从2006年的3.9亿t标准煤当量增长到了2015年的58.4亿t，增长率由最高的7.7%下降到2015年的1.7%，增幅下降明显。不同部门能源消费也是呈现不断增长的趋势，但是近3年变化趋缓。长三角地区空气污染物排放量仍然较为突出，2006—2015年电力部门污染物排放量最大，其次工业部门，两者的能源消费量及其污染物的排放量远远高于其他三个部门，除了NO_x排放量一直呈现逐步增长的趋势外，CO₂、SO₂、PM_2.5和PM₁₀排放量都呈现为先增长到后期缓慢下降的趋势。

从时间上看，不同部门污染物排放结构也不断变化，如图 1所示。2006—2015年，各部门CO₂、PM_2.5和PM₁₀排放量占比中，电力部门NO_x、PM_2.5、PM₁₀排放的贡献占比呈逐年上升趋势，分别从2006年的37%、56%、57%上升为2015年的40%、60%、62%。工业部门则分别从2006年的34%、29%、28%下降至2015年的33%、26%、25%。交通部门贡献了仅次于电力与工业部门的NO_x和SO₂的排放量。供热部门的CO₂、SO₂和NO_x的排放占比趋势与能源消费量占比相似，约为8%，对PM_2.5和PM₁₀的贡献都在11%左右。虽然民用和交通部门的能源消费量占比与电力、工业部门相比较少，但能源消费量逐年增长，使PM_2.5等污染物的排放量有增加的趋势。

各部门的能源消费引发的污染物排放量，具体说来，CO₂排放量最大，从2006年排放26 980.65万t，增长到2013年的最高值38 405.26万t，年均增长率在8%以上，但此后有略降的趋势，但是不同的部门存在差异。其中，电力部门CO₂的排放量最大，2006年的排放量为11 548.38万t，到2013年，排放量为16 490.41万t，增长幅度为48.62%，此后，CO₂的排放量开始波动下降，下降幅度较小；其次是工业部门CO₂排放量，与电力部门的变化趋势基本一致；而供热、民用和交通部门的CO₂排放量一般都处在增加的趋势，尤其是交通部门增长明显，从2006年的1928.26万t增长到了2015年3038.24万t，增长幅度为57.56%，但排放量远低于电力部门和工业部门。

SO₂的排放量也是呈现先上升，后波动下降的趋势，在2011年达到542.23万t的排放峰值。其中，电力部门排放量最大，工业部门排放量次之，两者遥遥领先于其他部门。交通部门一直保持较快的增长，从2006年的5.22万t到2015年的7.38万t，而其他部门都在2011年到峰值之后，呈现略微降低或变化不大的趋势。

而NO_x的排放量一直保持波动性增长，2006—2015年年均增长大约4%，增加较明显。同时研究发现，在五个部门中，都呈现相同的增长趋势。电力、供热、工业、民用和交通五个部门从2006年的93.12万t、12.87万t、76.45万t、14.06万t和23.29万t，增长到2016年的109.34万t、23.43万t、96.41万t、27.13万t和38.56万t。

PM_2.5的排放量从2006年到2013年排放量一直增长，达到最大值37.77万t，在此之后PM_2.5的排放量呈现略降的趋势，到2015年的排放量也有36.40万t。其中，电力部门的排放量最大，与排放总量保持基本一致的趋势。供热、工业民用和交通都保持增长的趋势，但在2013年前后增长的趋势变缓，且它们排放量都比较低，其中交通和民用部门排放量，到2016年只有0.94万t和0.74万t。

PM₁₀的排放趋势与PM_2.5相似，先期呈现快速增长的趋势，2013年达到峰值77.69万t，后期下降，但下降比较明显。电力和工业依然是PM₁₀排放的前两位，供热排名第三，它们都保持先上升后期下降的趋势。而民用部门和交通部门基本上保持增长的趋势，到2016年PM₁₀排放量都在1万t左右，排放量远低于其他部门。

上述不同部门污染物排放的变化其主要原因在于，这期间长三角地区的经济发展快速，人民生活水平随之提高，居民生活的衣食住行等直接和间接能源消费也有所提高，导致各种污染物的排放量呈现大幅度增加的趋势。但随着人们对环保意识的提高，特别是2012年以来，产业结构和能源结构不断优化，科学技术不断升级，使得长三角地区的能源使用效率不断提高，在一定程度上抑制了各种污染物的排放。其中，SO₂排放导致酸雨早已形成共识，所以排放量的峰值最先达到，而PM_2.5等引起的污染最近几年才引起广泛关注。

3.2 污染物排放的驱动因素分析

运用LMDI分解模型对长江三角洲地区2006—2015年因能源消费产生污染物排放量进行因素分解，得到各阶段人口、经济、能源消费强度、能源结构的效应，如表 3所示。同时，得到各因素在各阶段效应的贡献度，能源消费量和污染物排放量的变化以及能源消费强度和污染物排放强度的变化，如图 2所示。

由表 3可知，2006—2009年，长江三角洲地区人口效应和经济效应均为正值，能源强度为负值，能源结构仅在2012—2015年阶段对CO₂、SO₂、PM_2.5和PM₁₀的效应为正值。这表明，人口和经济对能源消费与污染物的排放增加具有正影响；能源消费强度和能源结构对能源消费量和污染物排放量的增加具有一定负影响。由图 2可知，经济与能源强度的贡献度远大于人口与能源结构的贡献度；2006—2015年，能源消费总量增长56%，各污染物排放量的增长幅度也都超过30%，相反能源消费强度与污染物排放强度逐年降低，10年降低50%以上。

3.2.1 人口效应

人口因素对长三角地区的能源消耗与空气污染物的排放起到了正向的驱动作用。在整个研究年份区间，人口因素对能源消费量和污染物排放量增长的贡献度均为19%左右，且各阶段人口因素的效应值和贡献度都在逐渐减小。2006—2009年，人口因素对能源消费量与污染物排放量增长的贡献度都在27%左右（效应值为CO₂1167.73万t、SO₂16.9万t、NO_x9.19万t、PM_2.51.16万t、PM₁₀2.4万t），2012—2015年下降至7%（效应值为CO₂364.54万t、SO₂5.1万t、NO_x2.83万t、PM_2.50.35万t、PM₁₀0.72万t）。主要原因在于长三角地区是我国的经济中心，大量的就业机会与高水平的薪酬吸引着大量的外来务工人员，人口数量逐渐上升，从2005年的8955.97万人，增长到了2015年的10 264.91万人，10年间增长了1308.94万人。但是人口增长速度逐年减缓，2006—2009年，长三角地区人口增长率为4.1%，而2012—2015年的人口增长率仅为0.97%，因此人口效应呈现减弱的趋势。

3.2.2 经济效应

经济效应在长三角地区空气污染排放方面也起到了很大的正向驱动作用。在研究区间内，经济因素对长三角地区的空气污染物的排放贡献最大。2006—2015年，人均财富对各污染物排放量增长的贡献度都在200%以上，使得经济效应对长三角地区的能源消耗与空气污染排放量的驱动因素非常显著。其中2009—2012年阶段贡献度最大（CO₂为262%、SO₂为288%、NO_x为283%、PM_2.5为280%、PM₁₀为282%）较2005—2009年有缓慢增长。主要原因在于长三角地区自21世纪以来，经济获得了快速的发展，经济增长速度超过全国平均水平。经济的快速发展对能源的需求量大幅度增加，并且二、三产业快速发展，能源消费量逐年快速增长，从而也直接导致了长三角地区的空气污染物排放量的大幅度增加。但在2012—2015年，GDP与人均财富的增速明显放缓，经济因素对化石能源消费量及污染物排放量增长的贡献度又有较大幅度的下降（化石能源为166%、CO₂为165%、SO₂为149%、NO_x为200%、PM_2.5为151%、PM₁₀为148%）。

3.2.3 能源强度效应

能源强度效应在长三角地区能源消费与空气污染排放方面起到了较大的反向作用，能源强度的不断降低，对空气污染排放量的减少起到了明显的促进作用。在2005年，长三角地区能源强度为0.69，到2015年，长三角地区的能源强度下降到0.34，10年间能源强度下降0.35，下降幅度超过50%。其中对NO_x排放的抑制性贡献最大，为-157%，效应值为-154.56万t。2006—2012年，长三角地区的GDP飞速增长，而能源消费量增长平缓，能源强度有比较大幅度的降低，下降至0.49 t/万元。2009—2012年，能源强度因素对能源消费及空气污染的抑制性贡献较2006—2009年均有10%~ 20%的增加。2012—2015年，GDP增速放缓，能源强度的降速随之减缓，能源强度的抑制性贡献大幅减小，说明能源强度变化对空气污染物排放起到了抑制作用，并且抑制作用较为明显，呈现出先小幅增长后大幅下降的态势。

3.2.4 能源结构效应

能源结构效应在长三角地区能源消费与空气污染排放方面起到了反向作用，但是能源结构效应的作用相对较弱。就贡献度而言，能源结构对NO_x排放的贡献度为-13%，明显大于其他污染物的贡献度，说明能源结构的优化对长三角地区NO_x排放的降低作用更为明显，能源结构对其他4种空气污染物排放的贡献度绝对值较另外三种驱动因素较小，可见长三角地区的能源结构还有待进一步优化。主要原因在于：2006—2015年，长三角地区能源结构在不断优化升级，煤炭使用量在不断减少，天然气等新能源的使用量在不断增加，但占比仍然很小。据统计，到2015年，长三角地区的能源结构得到了较大的优化，煤炭消费量在能源结构中占49.16%，下降到一半以下；石油消耗量增长明显，增长幅度较大，占比31.53%；天然气增长幅度较大，占比上升到6.59%。因此，能源消费结构的优化，即降低高碳能源消费的比例有利于抑制污染物排放的增加。

4 结论与建议

本文通过研究2006—2015年长三角地区能源消费及引发的空气污染物排放量，发现长三角地区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。而该地区的空气污染除了NO_x一直保持增长外，SO₂、PM₁₀、PM_2.5和CO₂的排放量基本上都呈现为先快速增长后缓慢略降的趋势，峰值多出现在2013年。污染物的排放主要来自工业和电力部门，交通和民用部门对PM_2.5和PM₁₀排放的贡献占比较小，但增量明显，不可忽视。在驱动因素方面，通过运用LDMI因素分解法研究发现，人口因素与经济因素对长三角地区的能源消费与空气污染物排放起到了正向的驱动作用。能源强度与能源结构因素对长三角地区的能源消费与空气污染物的排放起到了反向作用，但能源结构的优化对能源消费量与污染物的排放没有明显的抑制作用。得出如下建议：

（1）减少能源消耗，大力发展循环经济和低碳经济。构建市场导向的绿色技术创新体系，大力发展节能环保产业、清洁能源产业，给予相关的金融和政策支持，构建清洁低碳、安全高效的能源体系。加快建立法律制度和政策导向，倡导低碳的生产和消费方式。严格按照《综合类生态工业园区标准》《国家生态园林城市标准》以及国家相关政策，打造生态工业园区。

（2）转变经济增长方式，优化升级产业结构。经济因素在长三角地区能源消耗与空气污染物排放方面起到了明显的正向驱动作用，并且驱动作用在逐年快速增长。因此，为了减少空气污染物排放，亟需改变当前长三角地区的传统经济增长方式，改变当前重工业在工业产业中的高比例现状，不能单纯追求GDP的高速增长而牺牲对生态环境的保护。这就需要对当地落后的粗放型传统模式下手，向集约型可持续模式转变。另外，还需要从适当控制人口规模，到提高人口素质转变，发展技术密集型行业，建立与生态文明相适应的产业结构体系。同时，也应促进现代服务业的发展，推进该地区产业结构由重变轻，从而抑制长三角地区空气污染物的排放。

（3）重视技术，提高能源强度，优化能源结构。降低能源强度、提高能源效率可以对长三角地区空气污染物的排放起到明显的降低作用。首先，应关注能源消费多的部门，比如提升电力、热力生产和供应业、黑色金属冶炼及压延加工业等部门的末端除尘水平，注重生产过程管理，加速淘汰落后的生产工艺。其次，逐步改变长三角地区仍然以煤炭为主的能源消费结构，进一步提高清洁能源使用的比重。最后，合理引导，加大资金投入，加强技术研发，努力促进新技术的应用，提升能源使用效率。

鉴于本研究中涉及两省一市，经过整理后仅涉及电力、供热、工业、民用与交通等五个部门，且年度跨度大，很难获取不同年份不同部门防污措施对排放因子的影响数据。在未找到参考文献或有效的科学度量的情况下，按照本文的方法难免会给最终的计算结果带有一定的偏差，这是今后精确计算的方向，尽管如此，现有研究仍然具有一定价值。