京津冀及周邊地區工業大氣污染排放因素分解——基于LMDI模型分析

文 揚,馬 中,吳語晗,周 楷,石 磊,王 萌

?

京津冀及周邊地區工業大氣污染排放因素分解——基于LMDI模型分析

文 揚,馬 中,吳語晗,周 楷,石 磊*,王 萌

(中國人民大學環境學院,北京 100872)

運用對數平均迪氏指數分解法探究了2011~2015年京津冀及周邊地區工業大氣污染物排放的主要影響因素.將該地區排放量變化的總效應分解為人口效應、經濟規模效應、產業結構效應、能耗效應、能源結構效應和排放強度效應.研究結果表明,人口效應和經濟規模效應基本為正效應,產業結構效應、能耗效應和排放強度效應基本為負效應.京津冀及其周邊地區能源結構在2011~2015年期間變化不顯著,因此能源結構效應對總效應的貢獻很小,貢獻度均未超過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,各效應貢獻度的變化趨勢也不相同.人口效應、經濟規模效應、產業結構效應、能耗效應和排放強度效應的變化,主要來自于人口增速、經濟規模增速、工業增加值比重降幅、能耗強度降幅和排放強度降幅的變化.在制定減排政策時,應根據各效應的累計貢獻值和貢獻度大小,對于該地區共存的主要影響因素,制定聯合減排政策措施.對于存在地區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；工業產業；大氣污染物排放

京津冀及周邊地區是我國大氣污染控制重點區域之一[1].為改善京津冀及周邊地區大氣環境質量,2017年3月,環境保護部等部門和京津冀及周邊地區六省市人民政府聯合印發《京津冀及周邊地區2017年大氣污染防治工作方案》,明確了對該地區能源消費和工業生產進行調控.因此,有必要研究影響京津冀及周邊地區工業大氣污染物排放的主要因素及其趨勢特征.

長期以來,國內外學者主要從經濟學角度對大氣污染物排放相關影響因素進行了研究.Grossman等[2-4]通過分析經驗數據提出了環境庫茲涅茨曲線(Environmental Kuznets Curve,EKC),認為經濟增長對污染物排放的影響呈“倒U型”.Lin等[5]運用STIRPAT模型分析了人口、城市化水平、人均GDP、工業化水平和能源強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經濟截面數據,得到了人口規模、城鎮化水平和經濟增長速度是污染物排放主要驅動因素的結論.王曉碩等[7]通過構建計量模型,研究了空間聚集對工業污染排放強度的影響.蔣姝睿等[8]運用灰色關聯度,分析了不同類型工業行業對污染物排放的影響.一些學者還采用了投入產出分析法[9]、灰色系統模型評價[10]、一般均衡模型評價[11]和協調發展度評價[12]等模型方法,研究了工業化水平、產業結構對污染物排放的影響.近年來也有學者采用對數平均迪氏指數分解法(LMDI),從經濟增長、能源消費、產業結構和技術進步四個方面解釋污染物排放變化的原因[13-14].

LMDI方法是由Ang[15]改進的迪氏指數分解法,主要應用于碳排放影響因素的研究[16-20].該方法能夠通過對指標的分解,找出影響指標的各種因素,并分析各影響因素對指標的影響強度,從而找出指標變化的原因[21].因此,越來越多的學者將LMDI方法引入環境污染影響因素的研究中[22-23].目前,大多數研究運用LMDI方法將污染物排放變化的因素分解為經濟規模增長、產業結構和技術進步三個方面,這些研究的結論也較為一致.經濟規模增長方面,污染物排放會隨著工業生產規模的擴張和經濟的發展而增加.產業結構方面,高污染部門在工業部門結構的增長對污染物排放增長呈正向拉動,產業結構優化調整對污染物排放增長呈負向拉動.技術進步方面,產污系數的降低對污染物排放增長呈負貢獻,生產技術進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,結果表明污染治理對SO2減排的影響程度越來越高,清潔生產的貢獻度則不穩定,在大多數年份對SO2減排產生正貢獻,經濟空間結構和國際貿易分別對SO2減排產生了正貢獻和負貢獻.

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,對技術進步的影響研究也都單一地分析生產技術或減排技術,并未將兩者同時進行分解.且研究對象多為某一種或某幾種特殊污染物.另外,研究區域大多為單一地區層面或全國省級層面,類似于京津冀及周邊地區這類省際地區研究較少.基于此,本文將SO2、NO和煙粉塵的排放總和作為大氣復合污染的排放,采用LMDI分解法分析了2011~2015年間人口規模、經濟規模、產業結構、能源消耗強度、能源結構和能源排放強度對京津冀及周邊地區工業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.

1 研究方法與數據來源

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大氣污染排放量變化的貢獻程度,首先構建污染物排放Kaya恒等式:

式中:為工業大氣污染物排放量;C為工業產業消耗種能源的大氣污染物排放量;表示地區人口總數,定義為人口效應;GDP為地區生產總值;GDPin為地區工業增加值;為地區工業能源消耗總量;E為地區工業種能源消耗量.

將式(1)進一步簡化后可得到:

式中:表示人均GDP,定義為經濟規模效應;表示工業增加值占總產值比重,定義為產業結構效應;表示單位工業增加值能源消耗量,表征能源消耗強度,定義為能耗效應;N表示工業種能源消耗量占工業能源消耗總量比重,定義為能源結構效應;S表示工業種能源單位消耗的大氣污染物排放量,定義為排放強度效應.

根據式(2),工業生產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,乘以=(C-C-1)/ (lnC-lnC-1)后求和.在C=C-1時,=0.因此,式(3)可轉換為:

式中:DC-1為工業大氣污染物排放量的變化;DC-1為人口效應值;DC-1為經濟規模效應值;DC-1為產業結構效應值;DC-1為能耗效應值;DC-1為能源結構效應值;DC-1為排放強度效應值.DC-1、DC-1、DC-1、DC-1、DC-1和DC-1分別表征了人口數、人均GDP、產業結構、能耗強度、能源結構和排放強度的變化對工業大氣污染物排放量變化的貢獻量.

將式(4)分解后,可得到各效應值的計算公式:

1.2 數據來源與處理

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

工業大氣污染物排放數據來自2012~2016年《中國環境統計年鑒》[30],研究中將工業SO2、工業NO和工業煙粉塵排放量加總后作為工業大氣污染物排放總量進行計算.地區人口總數、地區生產總值和地區工業增加值來源于2012~2016年《中國統計年鑒》[31],各地區生產總值和工業增加值均以2011年的不變價格進行換算.2011~2015年京津冀及周邊地區各指標描述性統計見表2.

表1 各類型能源的折標煤系數

Table 1 Standard coal coefficient of all kinds of energy

表2 2011~2015年京津冀及周邊地區各指標描述性統計

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

2 結果與分析

2.1 各地區貢獻度逐年分析

根據式(5)~(10),測算出2011~2015年京津冀及周邊地區工業大氣污染物排放的人口效應、經濟規模效應、產業結構效應、能耗效應、能源結構效應和排放強度效應的貢獻度.

2.1.1 人口效應和經濟規模效應 2011~2015年,北京市人口增速和經濟增速逐漸放緩,又根據邊際效益遞減原則,邊際人口和經濟的增長對污染物排放的影響不斷減小,導致北京市人口效應和經濟規模效應的貢獻度逐年下降.天津市人口增速與經濟增速也逐漸放緩,人口效應和經濟規模效應的貢獻度也呈下降趨勢.2013~2014年天津市工業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天津市人口效應與經濟規模效應的貢獻度陡然增高,且對總效應呈正貢獻.

河南省、山東省和山西省的人口增速一直非常低,3個省人口效應的貢獻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年河北省人口效應的貢獻度較高,且2013~2014年對總效應呈正貢獻.與北京市和天津市一樣,其他4個省的經濟增速逐漸放緩,山東省和山西省經濟規模效應的貢獻度逐年下降.河北省經濟規模效應的貢獻度總體呈下降趨勢,但2012~2014年總效應的變化導致了經濟規模效應出現了與人口效應相同的突變趨勢.河南省經濟規模效應的貢獻度總體也呈下降趨勢,但2012~2014年河南省工業大氣污染物排放的變化較往年非常小,致使2012~2014年河南省經濟規模效應的貢獻度陡增.2011~2015年京津冀及周邊地區人口效應和經濟規模效應貢獻度見表3.

表3 2011~2015年京津冀及周邊地區人口效應和經濟規模效應貢獻度(%)

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 產業結構效應、能耗效應和排放強度效應2011~2015年,北京市產業結構效應和能耗效應的貢獻度逐年下降,工業增加值比重和能耗強度已分別降至17.57%和0.37t標準煤/萬元.說明北京市通過產業結構調整,淘汰了高污染行業;通過激勵生產技術的進步,提高了能源利用效率.北京市繼續降低工業比重或能耗,對污染物減排的影響都已不顯著.

天津市、河北省和山東省產業結構效應的貢獻度一直較低,2013~2014年天津市和2012~2014年河北省總效應的變化導致產業結構效應出現了與人口效應相同的突變趨勢.3個省市的工業增加值比重穩步下降,表明3個省市的產業結構調整對污染物減排的影響并不顯著.河南省產業結構效應的貢獻度總體呈上升趨勢.2012~2014年河南省的總效應變化導致產業結構效應出現了與經濟規模效應相同的陡增趨勢.河南省工業增加值比重降幅逐年升高,工業增加值比重快速下降.說明河南省開始逐漸加大產業結構調整力度,對污染物減排的影響日益增大.山西省產業結構效應的貢獻度絕對值變化不大,但是呈現的正負貢獻卻在不斷變化,這與其工業增加值比重和總效應的增減變化有關,而山西省工業增加值的變幅維持在6%左右,因此山西省產業結構效應的貢獻度絕對值穩定在90%左右.

天津市、河北省、河南省和山東省能耗效應的貢獻度總體呈下降趨勢,2013~2014年天津市和2012~2014年河北省總效應的變化導致能耗效應出現了與人口效應相同的突變趨勢.山西省能耗效應的貢獻度變化波動較大,這與其能耗強度的變幅波動較大有關,2012~2015年山西省能耗強度逐年增加,對生產端管控不嚴導致生產技術出現退步,能耗效應促進了污染物的排放.

北京市排放強度效應的貢獻度逐年升高,因為北京市排放強度的降幅逐年升高.天津市、河北省和山西省排放強度效應的貢獻度總體呈下降趨勢,其中天津市排放強度效應的變化趨勢與能耗效應相似.2013~2014年天津市和2012~2014年河北省總效應的變化導致排放強度效應出現了與人口效應相同的突變趨勢,2013~2014年河北省排放強度上升且排放量增加,因此對總效應呈正貢獻.2011~2014年3個省市的排放強度降幅逐年下降,2014~2015年3個省市的排放強度降幅陡增,但是污染物減排總量相比往年較高,因此排放強度效應的貢獻度依舊比往年更低.河南省排放強度效應的貢獻度絕對值低于70%,2012~2014年河南省總效應的變化導致排放強度效應出現了與經濟規模效應相同的陡增趨勢.山東省排放強度效應的貢獻度維持在120%左右,2011~2014年河南省和山東省排放強度的變化幅度均穩定在6%左右.2014~2015年兩個省的排放強度降幅陡增,但是污染物減排量相比往年較高,因此排放強度效應并未出現陡增趨勢.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保監管力度減弱,導致排放強度有所升高,減排技術出現退步,排放強度效應促進了污染物的排放.2011~2015年京津冀及周邊地區產業結構效應、能耗效應和排放強度效應貢獻度見圖1.

圖1 2011~2015年京津冀及周邊地區產業結構效應、能耗效應和排放強度效應貢獻度

圖2 2011~2015年京津冀及周邊地區能源結構效應貢獻度

2.1.3 能源結構效應 2011~2015年6個省市能源結構沒有顯著變化,能源結構調整力度較弱,京津冀及周邊地區能源結構效應的貢獻度均在0.52%以內.

2011~2015年京津冀及周邊地區能源結構效應貢獻度見圖2.

2.2 各地區累計貢獻值分析

考察了2011~2015年京津冀及周邊地區工業大氣污染物排放的人口效應、經濟規模效應、產業結構效應、能耗效應、能源結構效應和排放強度效應的累計貢獻值,如圖3所示.

從總體情況看,2011~2015年京津冀及周邊地區工業大氣污染物排放量有所下降,總效應累計值為負.人口效應和經濟規模效應的累計貢獻值為正,該地區人口與經濟規?？傮w呈增長趨勢,因此人口和經濟增長對工業大氣污染物排放起到了正向效應,對總效應呈負貢獻.產業結構效應、能耗效應和排放強度效應的累計貢獻值為負,該地區工業增加值比重、能耗強度和排放強度總體呈下降趨勢,因此產業結構調整、生產技術和減排技術的進步對工業大氣污染物排放起到了負向效應,對總效應呈正貢獻.6省市能源結構效應的累計貢獻值為負,且均未超過0.2萬t,該地區能源結構調整不顯著.

2011~2015年,京津冀及周邊地區人口效應的累計貢獻值均在9萬t以內,說明人口增長對工業大氣污染物排放的影響較小.北京市各效應累計貢獻絕對值均在9萬t以內.北京市污染物排放量、工業增加值比重、能耗強度和排放強度遠低于其他省市.說明北京市產業結構配置合理、生產技術和減排技術非常先進,污染物減排空間較小.天津市總效應為-20.9萬t,污染物減排量較低.經濟規模效應、能耗效應和排放強度效應的累計貢獻絕對值大于14萬t,經濟增長、生產技術和減排技術的進步對工業污染物排放的影響較大.4個省經濟規模效應和排放強度效應的累計貢獻絕對值均在41萬t以上,污染物減排量均在44萬t以上,經濟增長和減排技術進步對4個省的工業大氣污染物排放影響較大.河南省、山東省和山西省產業結構效應的累計貢獻絕對值在33萬t以上,3個省的產業結構調整對工業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的累計貢獻絕對值在46萬t以上,3個省的生產技術進步對工業大氣污染物排放影響較大.

圖3 2011~2015年京津冀及周邊地區工業大氣污染物排放各影響因素累計貢獻值

3 討論

根據2011~2015年京津冀及周邊地區工業大氣污染物各分解因素效應的貢獻度和累計貢獻值可知,6個省市工業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合減排政策措施,對有差異的主要影響因素可以根據各地區不同情況制定不同的減排政策措施.

2011~2015年6個省市人口效應的累計貢獻值均較低,2015年貢獻度非常低,人口增長不是影響污染物排放的主要因素.2011~2015年能源結構效應的累計貢獻值和貢獻度均非常低,6個省市的能源結構調整力度很小,工業生產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.能源結構的優化調整應是6個省市關注的重點.

2011~2015年除北京市外,其他5個省市經濟規模效應的累計貢獻值均較高,但貢獻度總體呈逐年下降趨勢,至2015年均已降至較低水平,經濟增長曾是影響工業大氣污染物排放的主要因素,但隨著經濟增速的下降,且根據邊際收益遞減原則,影響已不再顯著.2011~2015年河南省、山東省和山西省產業結構效應的累計貢獻值和貢獻度均處于中等水平.3個省的工業比重逐年下降,調整產業結構能降低污染物排放.2011~2015年天津市、河北省、河南省和山東省能耗效應的累計貢獻值較高,貢獻度卻逐年下降.4個省市的能耗強度下降是污染物減排的主要因素,但是能耗強度降幅逐年下降,導致貢獻度也逐年下降.4個省市需要重點加強對工業生產端的管控,激勵生產技術進步,減少污染物排放.2011~2015年除北京市外,其他5個省市排放強度效應的累計貢獻值均較高,2015年排放強度效應的貢獻度在中等水平.5個省市的排放強度逐年下降,加強5個省市環保監管力度,促進減排技術進步能降低污染物排放.

4 結論

4.1 根據LMDI分解模型,分析了人口效應、經濟規模效應、產業結構效應、能耗效應、能源結構效應和排放強度效應,對京津冀及周邊地區工業大氣污染物排放的影響.總體而言,總效應的累計值為負,污染物排放減少.人口效應和經濟規模效應對排放起正向效應,對總效應呈負貢獻.產業結構效應、能耗效應和排放強度效應對排放起負向效應,對總效應呈正貢獻.能源結構效應的貢獻值和貢獻度非常低,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各效應的貢獻度變化進行研究,結果表明6個省市的情況不同,各效應貢獻度的變化趨勢也不同.人口效應、經濟規模效應、產業結構效應、能耗效應和排放強度效應的變化,主要來自于人口、經濟規模、工業增加值比重、能耗強度和排放強度變化的幅度.

4.3 對2011~2015年京津冀及周邊地區各效應的累計貢獻值進行分析,結果表明6個省市人口效應的累計貢獻值均較低,北京市各效應累計貢獻值均較低.天津市經濟規模效應、能耗效應和排放強度效應的累計貢獻值較高.4個省的經濟規模效應和排放強度效應的累計貢獻值較高.河南省、山東省和山西省產業結構效應的累計貢獻值較高.河北省、河南省和山東省能耗效應的累計貢獻值較高.

4.4 京津冀及周邊地區工業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個省市均應重點關注能源結構的優化調整.河南省、山東省和山西省的產業結構調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加強對工業生產端的管控,激勵生產技術的進步.除北京市外,都需要加強環保監管力度,促進減排技術的進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PM2.5傳輸規律研究 [J]. 中國環境科學, 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.中國環境污染源的區域差異及其社會經濟影響因素——基于339個地級行政單元截面數據的實證分析 [J]. 地理學報, 2016,71(11):1911-1925.

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

[8] 蔣姝睿,王 玥,王 萌,等.區域視角下中國工業行業與工業污染關系 [J]. 中國環境科學, 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.中國區域經濟與環境協調度預測分析[J]. 資源科學, 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 偉,劉勇鳳.遼寧沿海經濟帶經濟與環境協調發展度的時空演變[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, 2015,37(2):333-341.

[14] 張同斌,李金凱,程立燕.經濟結構、增長方式與環境污染的內在關聯研究——基于時變參數向量自回歸模型的實證分析[J]. 中國環境科學, 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.中國能源消費碳排放變化的驅動因素研究——基于LMDI-PDA分解法[J]. 中國環境科學, 2013,33(9):1705-1713.

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

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

[19] 米 紅,張田田,任正委,等.城鎮化進程中家庭CO2排放的驅動因素分析 [J]. 中國環境科學, 2016,36(10):3183-3192.

[20] 馬曉君,董碧瀅,于淵博,等.東北三省能源消費碳排放測度及影響因素 [J]. 中國環境科學, 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證研究——以湖北省為例[D]. 武漢:華中科技大學, 2009.

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

[23] 蒯 鵬,束克東,成潤禾.我國工業部門環境污染排放變化的驅動因素——基于“十二五”工業排放數據的實證研究 [J]. 中國環境科學, 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,等.中國工業氮氧化物排放的時空分布特征及驅動因素分析[J]. 資源科學, 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] 國家統計局能源統計司.中國能源統計年鑒2012~2016 [M]. 北京:中國統計出版社, 2016.

[30] 國家統計局,環境保護部.中國環境統計年鑒2012~2016 [M]. 北京:中國統計出版社, 2016.

[31] 中華人民共和國國家統計局.中國統計年鑒2012~2016 [M]. 北京:中國統計出版社, 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(1990-),男,湖北荊州人,中國人民大學博士研究生,研究方向為環境經濟與管理.發表論文11篇.

2018-04-23

國家重點研發計劃大氣污染成因與控制技術研究(2016YFC0209204);中國人民大學2017年度拔尖創新人才培育資助計劃成果

* 責任作者, 副教授, qdshl@126.com