榆林市工業二氧化碳與大氣污染物排放控制協同效應研究

石涵笑 韋安磊 朱婭綺 徐曉珍 胡浩 馬俊杰

摘要 在“雙碳”背景下，了解工業二氧化碳與大氣污染物排放之間的協同效應對于實現減污降碳具有重要意義。該研究以榆林市2015—2021年二氧化碳與大氣污染物排放量為例。首先，利用灰色相關分析對榆林市工業碳排放影響因素的相關度進行計算。其次，對Kaya恒等式和LMDI模型進行拓展，分析影響二氧化碳及主要大氣污染物排放的驅動效應。最后，對榆林市重點行業火力發電行業和鎂冶煉行業進行協同性分析并對榆林市減污降碳提出建議。結果表明，協同減排效應是驅動大氣污染物排放減少的第一大驅動效應。二氧化碳的排放與氮氧化物的排放相關性最強，且LMDI模型分析表明氮氧化物與二氧化碳協同減排具有顯著的協同效應。研究結果可為榆林市減污降碳協同增效以及高質量發展提供科學依據，為政府在制定一系列更為有效且切實可行的環境保護政策提供理論基礎。

關鍵詞 減污降碳;灰色相關分析;對數平均權重迪氏指數法;碳排放;協同發展

中圖分類號：X32? DOI：10.16152/j.cnki.xdxbzr.2024-03-008

Study on the synergistic effect of industrial carbon dioxide and atmospheric pollutant emission control in Yulin City

SHI Hanxiao1，2， WEI Anlei1，2， ZHU Yaqi1，2， XU Xiaozhen1，2， HU Hao1，2， MA Junjie1，2

（1.College of Urban and Environment， Northwest University， Xian 710127， China;2.Shaanxi Key Laboratory of Earth Surface System and Environmental Carrying Capacity， Xian 710127， China）

Abstract Under the background of "double carbon" policy， it is of great significance to understand the synergistic effect of industrial carbon dioxide and air pollutant emission to realize pollution reduction and carbon reduction. This study takes the carbon dioxide and air pollutant emissions in Yulin City from 2015 to 2021 as an example. Firstly， the correlation degree of the influencing factors of industrial carbon emissions in Yulin City is calculated by using gray correlation analysis. Secondly， the Kaya constant equation and LMDI model are expanded to analyze the driving effects affecting carbon dioxide and major air pollutant emissions. Finally， a synergistic analysis of the thermal power generation industry and the magnesium smelting industry， which are the key industries in Yulin City， was conducted， and recommendations were made for the reduction of pollution and carbon emissions. The results show that the synergistic emission reduction effect is the first major driving effect driving the reduction of air pollutant emissions. Carbon dioxide emissions have the strongest correlation with nitrogen oxide emissions， and the LMDI model analysis shows that nitrogen oxide and carbon dioxide have significant synergistic effect. The results of this study can provide a scientific basis for the synergistic effect and high-quality prevention of pollution and carbon reduction in Yulin City and provide theoretical support for the government to formulate more practical and feasible strategies for pollution and carbon reduction.

Keywords pollution and carbon reduction; gray correlation analysis; LMDI; carbon emissions; synergistic development

2020年9月22日，中國政府在第七十五屆聯合國大會上宣布：“中國將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現碳中和”［1］。實施“雙碳”戰略是我國實現高質量發展的內在要求，也是推進人類命運共同體建設的重要抓手。榆林市是以煤炭開采和煤基產業為代表的資源型城市，是四大國家級能源化工基地之一。榆林市以煤炭開采、油氣開發、煤炭等為主導工業，這些工業均是能源密集型、碳排放較高的工業［2］。習近平總書記在榆林考察時強調，榆林是國家重要能源基地，對國民經濟和社會的發展具有舉足輕重的作用。

榆林地區萬元國內生產總值能耗和污染物排放系數高于全省平均水平， 目前的產業結構對于區域空氣質量持續改善和碳減排均造成較大壓力， 如何協同推進減污降碳成為亟待解決的問題。 要堅持落實新發展理念， 以“降碳”為抓手， 引導經濟和社會發展全面綠色轉型， 培育綠色發展新動能， 堅持生態優先、 綠色發展的方向， 通過布局優化、 結構調整和效能提高， 使生態環境保護的引導、 優化和倒逼效應得到最大程度發揮， 加快我國應對氣候變化的能力明顯提高， 逐步實現二氧化碳達峰， 推動經濟和社會發展的全面綠色轉型［3］。

近年來，已有學者對重點碳排放和大氣污染物排放間的協同作用展開了研究。針對大氣污染排放影響因素的研究方法包括灰色關聯分析法［4］、主成分分析法［5］、相關性分析法［6］和時空地理加權回歸法［7］。Ren等［8］著眼于研究長江流域等典型地區的尺度。此外，還有一些研究聚焦于省級尺度，例如北京市、重慶市、上海市、河南省和黑龍江省［9-13］。只有了解到碳排放的影響因子種類及在空間上的分布情況才能更有針對性的設計減污降碳方案，這對于促進我國產業的低碳轉型與綠色發展［14-15］，促進節能減排［16-18］，實現碳達峰和大氣質量達標等方面都具有十分重要的意義。

對數平均權重迪氏指數法（logarithmic mean weight divisia index method，LMDI）作為主要的因式分解方法用于分析碳排放的各種影響因素，其特點在于其分解過程不會產生新的殘差以及加法分解與乘法分解之間可以相互轉換，因此大多數研究選擇采用該方法來分析碳排放的各種影響因素。蘇佳等［19］利用LMDI對西北地區重點城市工業大氣污染的時空演化特征和主要影響因素進行研究，發現工業污染排放主要受技術改善和產業結構效應帶來的抑制作用以及經濟發展效應帶來的促進作用所影響。楊婧雯等［20］運用Kaya恒等式和LMDI模型，研究云南省大氣二氧化碳及其主要污染物排放的驅動作用，發現了協同減排是影響其減排的主導因素。李薇等［21］利用LMDI模型構建了碳排放的指標體系，對甘肅省5個典型生態區域近10年的種植業生產碳排放量進行了估算，結果顯示經濟因素對碳排放的影響最為顯著。Liu等［22］利用LMDI研究了我國4個代表城市各驅動因素對碳排放的貢獻。王長建［23］基于擴展的Kaya恒等式，對1952—2010年間新疆一次能源消耗的主要影響因素進行分析，得出經濟效應和人口效應是最主要的影響因素。鄧宣凱［24］擴展Kaya恒等式及采用LMDI方法對武漢市2009—2019年土地利用碳排放變化進行了因素分解，得出用地效率和土地碳排放強度是碳排放增長的抑制因素。

推動協同減污降碳是實現我國“碳達峰碳中和”的重要舉措［25］。然而，目前對于榆林市重點產業領域的協同減污降碳相關研究仍相對不足。為更好地了解榆林市減污降碳的現狀和重點產業的發展情況，本研究首先利用灰色關聯分析探究榆林市碳排放及大氣污染物排放的關聯度；其次，運用Kaya恒等式和拓展的LMDI分解研究二氧化碳及其主要大氣污染物排放的驅動效應；最后，對重點行業進行協同性分析，并提出榆林市減污降碳的建議。研究成果將為榆林市減污降碳、生態工程合理布局以及制定更具可操作性的減排措施提供理論基礎和決策支持。

1 研究材料與方法

1.1 研究區域與數據

榆林市全市轄設榆陽區、 橫山區、 神木市、 府谷縣、靖邊縣、定邊縣、綏德縣、米脂縣、佳縣、吳堡縣、子洲縣和清澗縣共計12個縣市區、155個鄉鎮、29個街道辦事處和2 967個行政村［26］。工業大氣污染物排放和社會經濟數據主要基于2015—2021年《中國環境統計年鑒》和2015—2021年《榆林市統計年鑒》。2021年，榆林市規上重點排污企業共計504家，主要集中分布神木市、府谷縣、榆陽區，在其他各區縣的分布則較為分散（如圖1所示）。

1.2 灰色關聯度

鄧聚龍提出的灰色關聯度分析方法是通過對相關數據進行幾何相似度分析，兩者越是相似，灰色關聯度就越大［27］。參考序列X包括各種影響目標序列的因素為二氧化硫排放量（X1）、氮氧化物排放量（X2）、顆粒物排放量（X3）、工業生產總值（X4）、能源消費量（X5）以及原煤產量（X6），目標序列Y為二氧化碳排放量。

由于各影響因素的量綱不同，需對原始數據進行歸一化處理。通過絕對差值計算關聯系數，計算各影響因素的加權關聯度。具體計算公式為

X′ij=（Xi-Xj）Sj（1）

ri=1n∑nk=1（Δmin+ρΔmax）（Δi（k）+ρΔmax）（2）

式中：X′ij為數據標準化結果；Xi為數據原始值；Xj為同一影響因素的平均值；Sj為同一影響因素的標準差；Δi（k）為參考序列與目標序列在k點的絕對差值；Δmin和Δmax為目標序列在個時刻絕對差值的最小值和最大值；ρ為分辨系數；ρ=0.5，ri為關聯度。

1.3 Kaya恒等式

Kaya恒等式由日本學者Yoichi Kaya提出［28］，是當前分析和理解全球碳排放以及其驅動因素的關鍵方法。該方法主要考慮了碳排放強度、能源強度、經濟效益和人口因素對碳排放的影響，但在工業活動造成的碳排放占主導的情況下，可以只考慮碳排放強度、能源強度和經濟效應，計算公式為

C=CE×EP×P=IC×IE×IP（3）

式中：C表示二氧化碳排放量；E表示能源消費總量；P表示國內生產總值；IC表示單位能源消耗排放的二氧化碳量;IE表示單位GDP（國內生產總值）消耗的能源用量;IP表示經濟效應。

Kaya恒等式可用于研究大氣污染物排放的影響因素，如經濟增長、能源消耗和人口變化等影響因素［29］。基于此，本研究通過對Kaya恒等式進行了拓展和分解，去除了人口因素帶來的不確定性，更準確地評估不同變量對污染物排放的實際影響。同時，通過大氣污染物與二氧化碳排放量的比例關系來表征二者的協同效應［30］。計算公式如下

S=CE×EP×P×SC=IC×IE×IP×S14）

N=CE×EP×P×NC=IC×IE×IP×S2（5）

P=CE×EP×P×PC=IC×IE×IP×S3（6）

式中：S表示二氧化硫排放量；N表示氮氧化物排放量；P表示顆粒物排放量；S1表示單位二氧化碳引起的二氧化硫變化；S2表示單位二氧化碳引起的氮氧化物變化;S3表示單位二氧化碳引起的顆粒物變化。

1.4 LMDI分解

目前指數分解方法作為定量分解指標變化的方法，其中LMDI因為分解后沒有無法解釋的殘差，使用加法分解的轉換表達式相對簡單［31-33］，具體拓展公式為

ΔC=C（t）-C（0）=Ce+Ee+Ge（7）

Ge=∑C（t）-C（0）ln C（t）-ln C（0）lnIC（t）IC（0）（8）

Ee=∑C（t）-C（0）ln C（t）-ln C（0）lnIE（t）IE（0）（9）

Ge=∑C（t）-C（0）ln C（t）-ln C（0）lnIP（t）IP（0）（10）

ΔS=S（t）-S（0）=Ce+Ee+Ge+Ss（11）

Ss=∑S（t）-S（0）ln S（t）-ln S（0）lnS1（t）S1（0）（12）

ΔN=N（t）-N（0）=Ce+Ee+Ge+SN（13）

SN=∑N（t）-N（0）ln N（t）-ln N（0）lnS2（t）S2（0）（14）

ΔP=P（t）-P（0）=Ce+Ee+Ge+SP（15）

SP=∑P（t）-P（0）ln P（t）-ln P（0）lnS3（t）S3（0）（16）

式中：C（t）-C（0）表示從0年至t年二氧化碳排放總量的變化值;其他大氣污染物物同理；Ge表示經濟效應;Ce表示排放強度效應;Ee表示能源強度效應。對拓展后的Kaya恒等式添加了主要大氣污染物與二氧化碳協同效應影響，SS表示二氧化碳與二氧化硫協同效應;SN表示二氧化碳與氮氧化物協同效應;SP表示二氧化碳與顆粒物協同效應。

2 榆林市二氧化碳和主要大氣污染物排放協同分析

2.1 二氧化碳排放影響因素灰色關聯度分析

根據2015—2021年榆林市工業二氧化碳及大氣污染物排放量以及碳排放強度數據繪制圖2。由圖可知，2015—2021年榆林市工業的二氧化碳碳排放量呈逐年上升的趨勢，其中2021年增長幅度最大，比2020年增長了48.7％。碳排放強度總體呈下降趨勢，2015—2021年碳排放強度有小幅度增長。由于榆林市能源結構沒發生變化，能源活動排放主要包括化石燃料燃燒排放及化石燃料作為非能源利用排放，且榆林市主要為高能耗和高污染工業行業。大氣污染物的排放量總體呈波動下降趨勢，2018—2020年氮氧化物與顆粒物的排放有小幅度的增長，與碳排放強度趨勢相同，二氧化硫排放一直呈下降趨勢。這主要是因為榆林市在過去幾年內實施了針對大氣污染物的有效管控措施，工業重點行業實現了大氣污染物超凈排放。

分析二氧化碳排放與大氣污染物排放的協同性，有助于更好地理解二者之間的關系，并找到降低它們對環境影響的有效途徑。為了判斷二氧化碳與污染物排放之間是否具有協同性，通過灰色相關對榆林市的二氧化碳排放量和污染物排放量之間的相關系數進行分析。將榆林市2015—2021年的二氧化碳排放量作為參考序列，分別以二氧化硫排放總量、氮氧化物排放總量、顆粒物排放量、工業生產總值、能源消費總量及原煤產量為比較序列，計算得到的灰色關聯度詳見表1。

氮氧化物排放的相關系數為0.821 0，表明2015—2021年表明氮氧化物排放的變化對二氧化碳排放的影響最為顯著;其次，能源消費總量的相關系數為0.781 1，說明能源消費對二氧化碳排放也有較強的驅動。其余影響因素的關聯度依次是原煤產量、二氧化硫排放量、顆粒物排放量和工業總產值，各個因素之間的關聯度都大于0.6，顯示出了相對顯著的相關性，因此可以使用因式分析和協同減排研究這些因素之間的相互關系。

2.2 榆林市二氧化碳和主要大氣污染物協同減排效應分析

利用拓展的Kaya恒等式和LMDI分解對2015—2021年二氧化碳、二氧化硫、氮氧化物及顆粒物的排放情況進行分解計算，得到榆林市二氧化碳、二氧化硫、氮氧化物及顆粒物排放影響因素貢獻率情況（如圖3所示）。

總體而言，二氧化碳的總效應呈總體上升趨勢。2015—2016年，2016—2017年與2017—2018年的經濟效應貢獻率在這幾年為負值，呈現反向驅動;自2018年以后，二氧化碳的經濟效應貢獻率為正值，對二氧化碳的排放呈正向驅動〔見圖3（a）〕。其中2020—2021年的貢獻率為159.7％，排放效應主要呈正向驅動，但2018—2019年及2019—2020年排放效應的貢獻率為負值，呈反向驅動。能源強度效應主要呈現負向驅動，以2021年為例，負向貢獻率為62.1％。協同效應和能源強度排放效應對于二氧化硫、氮氧化物及顆粒物的排放總效應減少呈正向驅動。以2021年為例，對于二氧化硫減排的貢獻率分別為129.8％與18.5％〔見圖3（b）〕;對于氮氧化物減排的貢獻率分別為147.9％與29.7％〔見圖3（c）〕;對于顆粒物減排的貢獻率分別為124.1％與15.0％〔見圖3（d）〕。

2015—2021年驅動大氣污染物排放減少的第一大驅動效應是協同減排效應。根據2015—2016年二氧化碳及主要大氣污染物排放減少量計算得每單位二氧化碳減排量能帶來8.85單位二氧化硫的減排，每單位二氧化碳減排量能帶來7.74單位氮氧化物的減排，每單位二氧化碳減排量能帶來12.97單位顆粒物的減排。經濟效應對二氧化碳的排放起正向驅動，但對于大氣污染物的排放減少均呈反向驅動。

大氣污染物中氮氧化物與二氧化碳協同減排的效果較為明顯，這可能與榆林市的產業結構有關。根據2021年榆林市工業大氣污染物排放數據來看，氮氧化物排放最多的行業及依次為火力發電與鎂冶煉行業，且火力發電行業是榆林市的支柱行業（見圖4）。因此，選擇火力發電行業與鎂冶煉行業作為榆林市重點行業二氧化碳與大氣污染物排放協同性的研究對象。

3 榆林市重點行業二氧化碳與大氣污染物排放協同分析

對2021年榆林市火力發電行業與鎂冶煉行業各企業的二氧化硫、氮氧化物、顆粒物的排放量與二氧化碳的排放量進行歸一化處理，分析排放協同性。

3.1 火力發電行業二氧化碳與大氣污染物排放協同分析

根據火力發電行業的二氧化碳及大氣污染物排放量繪制圖5。火力行業所產生的二氧化碳排放與大氣污染物呈現正相關關系，特別是氮氧化物與二氧化碳排放量之間的相關性最高。這表明加快淘汰火力發電行業的落后煤電產能，對于該行業內氮氧化物和二氧化碳的協同減排效果將產生顯著影響。

榆林市目前600 MW及以上機組發電量占比為54.7％， 碳排放占比為44.2％; 供電煤耗在300 gce／kWh以下的機組只有1 000 MW和部分600 MW的超超臨界機組。在脫硫措施的改造上，主要通過增加多層吸收塔、噴淋塔和托盤、增加漿液循環量及擴大噴淋面積等方法;在超低排放改造后，二氧化硫的排放量減少了58.06％，減排效果顯著，故榆林市火電行業的碳排放量與二氧化硫排放量相關性較強〔見圖5（a）〕。

從目前榆林市火力發電裝機規模來看，300 MW的機組發電量占比為17.0％，碳排放占比為14.9％。300 MW以下機組裝機容量達565萬千瓦時，占比為22.9％，其中燃蘭炭尾氣機組均屬于100 MW以下機組，300 MW以下機組發電量占比為28.0％，碳排放占比為41.0％，即裝機容量越小的機組，每生產一度電排放的二氧化碳越多。部分600 MW的機組和300 MW的機組均為亞臨界機組，這些效率低、煤耗高、性能差的亞臨界機組鍋爐可產生較高的氮氧化物排放量。對于火力發電行業，近年來榆林市對火電廠進行了超低排放改造。在氮氧化物排放控制方面，一般都設有低氮燃燒控制裝置，煙氣脫硝裝置在逐步推廣應用。盡管改造后火電企業的氮氧化物減排效果顯著，但總排放量依然很大，導致二氧化碳排放與氮氧化物排放呈現出很強的相關性〔見圖5（b）〕。

近年來，榆林市絕大多數燃煤電廠進行了超低排放改造。在除塵措施改造上，主要為增加現有靜電除塵中的電場數量、采用高效／超凈濾袋，在濕法、半干法脫硫的同時增加除塵一體化設備等，使顆粒物排放量減少了44％，減排效果顯著，因此榆林市火電行業的二氧化碳排放量與顆粒物排放量相關性較強〔見圖5（c）〕。

3.2 鎂冶煉行業二氧化碳與大氣污染物排放協同分析

根據鎂冶煉行業的二氧化碳及大氣污染物排放量繪制圖6。鎂冶煉行業所產生的二氧化碳排放與大氣污染物排放之間存在正相關關系，尤其是氮氧化物與二氧化碳排放之間的相關性最高。

榆林市鎂冶煉行業是全國乃至全球最大原鎂生產基地，原鎂產量約占全國的60％、全球的50％。榆林鎂產業的發展與蘭炭產業有機結合，充分利用煤干餾過程中產生的荒煤氣［34］，以實現能耗降低、成本節約和資源循環利用的目標。目前，金屬鎂產業鏈以“蘭炭-鐵合金-金屬鎂”“蘭炭-金屬鎂”“焦炭-金屬鎂”為主。

榆林市鎂冶煉行業主要采用皮江法煉鎂工藝， 包括白云石鍛燒、 配料壓球、 真空熱還原和精煉與澆鑄4個工段。 在白云石煅燒階段， 荒煤氣燃燒、 白云石分解會產生二氧化碳， 同時荒煤氣中殘留的二氧化硫也會隨之排放。 在粗鎂精煉階段， 為了防止鎂的氧化燃燒， 一般通過在液態鎂表面撒硫磺粉產生的還原性來阻止鎂的氧化燃燒， 從而導致間歇的二氧化硫排放。 與此同時， 粗鎂精煉通常以電加熱提供熱源， 這也伴隨著二次能源消耗導致的二氧化碳排放。 從上述分析可知， 在皮江法煉鎂工藝過程中， 二氧化硫排放與二氧化碳排放相關性較強〔見圖6（a）〕。 對于鎂冶煉行業， 在還原階段特別是還原罐加熱過程， 在高溫下空氣中的氮氣和氧氣會發生反應生成氮氧化物。 目前， 榆林市多采用臥式還原罐和燃燒加熱，能耗高， 還原階段其能耗占總能耗的65％以上。 此階段消耗的能源多、 廢氣產排量多， 導致碳排放與氮氧化物排放呈現出較強的相關性〔見圖6（b）〕。 在鎂冶煉過程中， 顆粒物排放是一個比較普遍的問題。 在金屬鎂冶煉的爐料處理過程中， 可能會產生粉塵和細顆粒物的排放。 此外， 金屬鎂冶煉過程中將爐料進行裝料會產生一定數量的粉塵和細顆粒物的排放。 另外還需要使用電爐進行加熱反應， 這個過程中也會產生大量的粉塵和細顆粒物的排放。 因此， 鎂冶煉行業的二氧化碳排放和顆粒物排放具有較強的相關性〔見圖6（c）〕。

4 行業優化建議

傳統電石行業采用電熱法進行工業生產， 但其能耗高、 污染嚴重、 投入大、 產出低的特點導致經濟效益和環境效益均不佳。 《榆林市化工產業“十四五”發展規劃》提出到2025年電石領域能效優于標桿水平的產能比例達到30%， 并淘汰落后產能，? 實現綠色低碳發展。 榆林市現有的電石企業規模極不平衡， 技術和能耗水平較為落后， 產業集約化水平較低。 因此， 綠色低碳形勢驅動下的產業結構優化升級成為電石領域當下發展的必然趨勢， 也是未來解決榆林市電石行業發展目標和減污降碳目標協同性問題的關鍵。 實現降碳目標首先應從行業規模方面著手。 建議有序淘汰煤電落后產能， 其中純燃煤電廠中300 MW以下機組多為企業自備電廠， 應嚴格落實在國家政策允許的領域以外禁止新（擴）建燃煤自備電廠的要求。 同時， 需要加快現役機組的節能升級和靈活性改造， 適度控制火力發電的增長， 積極推進供熱改造， 爭取到2030年， 控制火電供電煤耗達到272 gce/kWh的標準。 《榆林市可再生能源發展十四五規劃》所提出272 gce/kWh的標準煤氣混燒機組和燃蘭炭尾氣機組的煤耗水平均較高， 分別為470 gce/kWh和513 gce/kWh。根據《2030年前碳達峰行動方案》要求，到2030年燃煤及氣固混燒機組全部達到GB 21258—2017規定的先進值，蘭炭尾氣機組達到目前榆林市的最優值（393.3 gce/kWh）。另外，榆林市需要加快推動可再生能源開發，力爭到2025年可再生能源裝機量達到3.7 GW。

榆林市的鎂冶煉行業突出特點是通過與當地蘭炭產業有機結合， 以降低能耗、 節約成本和強化資源利用為目標。 在此背景下， 對于不符合產業政策、 規劃環評、 產能和能耗置換以及區域削減等要求的項目要堅決停批和停建。 鎂冶煉行業的工藝技術裝備和產品能耗必須達到國內先進水平。 為加快淘汰落后產能， 產能小于20 kt/a的金屬鎂企業將進行自愿淘汰、 整合重組、 升級改造。 到2025年， 應全面淘汰落后產能， 新上項目的能耗必須達到先進值， 并且產能需大于或等于50 kt/a。 為此， 應實施鎂冶煉技術行業的豎式還原爐、 白云石煅燒雙膛豎窯等技術和裝備改造。 到2025年， 豎罐產能比例和白云石煅燒雙膛豎窯的使用率均將超過50%。 同時， 提升有色金屬生產過程中余熱回收和原料中其他有價值堿金屬回收的水平， 以推動單位產品能耗的持續下降。 最后， 應構建完整的“原料購進-原鎂冶煉-合金鑄造加工-回收再生”的產業鏈以延伸產業鏈條。通過上述措施，可以幫助榆林市金屬鎂行業盡快實現減污降碳、綠色發展的目標。

5 結語

2015—2021年榆林市工業的二氧化碳碳排放量呈逐年上升的趨勢，其中2021年增長幅度最大，比2020年增長了48.7％。大氣污染物的排放量總體呈波動下降趨勢，2020年氮氧化物與顆粒物的排放有小幅度的增長，二氧化硫一直呈下降趨勢。根據對榆林市碳排放和大氣污染物排放進行相關性分析發現，氮氧化物排放與二氧化碳排放關聯度最高，且與二氧化碳協同減排的效果較為明顯。

基于Kaya恒等式，將榆林市工業碳排放變動的作用分解為經濟效應、能源強度效應和排放效應，大氣污染物排放變動作用分解為經濟效應、能源強度效應和排放效應及協同作用。利用拓展的LMDI模型分析了榆林市的二氧化碳和主要大氣污染物的協同減排效應。從整體來看，協同效應對于減排均起到了正向驅動的作用。以2021年為例，協同效應對二氧化硫、氮氧化物和顆粒物的減排貢獻率分別為129.8％、147.9％和124.1％。2015年至2021年間，協同減排效應成為驅動氮氧化物排放減少的主要因素之一。

根據2021年榆林市工業大氣污染物排放數據，氮氧化物排放最多的行業為火力發電行業與鎂冶煉行業，因此選擇作為榆林市重點行業碳排放和大氣污染物排放協同性的研究對象。火力發電行業氮氧化物與二氧化碳排放的協同性最強，其次為二氧化硫與顆粒物。鎂冶煉行業的氮氧化物與二氧化碳排放協同性最強，其次是顆粒物與二氧化硫。針對這兩個行業的減污降碳潛力，建議從淘汰落后產能入手，進行升級改造，同時可發展綠色可再生能源，從而全面提升生態環境保護工作水平，推動榆林市經濟社會高質量發展。

參考文獻

［1］ 習近平. 在第七十五屆聯合國大會一般性辯論上的講話［N］.人民日報. 2020-09-23（03）.

［2］ 榆林市經濟社會總體發展規劃（2016—2030年）［EB/OL］.（2016-03-25）［2023-10-19］.https：∥grc.yl.gov.cn/ghwj/3391.

［3］ 榆林市“十四五”生態環境保護規劃［EB/OL］.（2021-09-18）［2023-10-19］.https：∥www.shaanxi.gor.cn/zfxxgk/zcwjk/szf_14998/qtwj/202208/t20220808_2235760.html.

［4］ 王樂， 田東方. 基于灰色關聯分析法的宜昌市空氣質量影響因素分析［J］. 能源環境保護， 2019， 33（5）： 60-64.

WANG L， TIAN D F. Analysis of factors affecting air quality in Yichang city based on grey correlation analysis［J］.Energy Environmental Protection， 2019， 33（5）：60-64．

［5］ 卜興兵， 方自力， 俸強， 等. 基于主成分分析的空氣質量綜合評價研究：以四川省21個城市為例［J］.四川環境， 2023， 42（3）： 51-56.

BU X B， FANG Z L， FENG Q， et al. Comprehensive evaluation of air quality based on principal component analysis：Take 21 cities in Sichuan Province as an example［J］.Sichuan Environment， 2023， 42（3）： 51-56.

［6］ 王暖霞， 尹素真， 李超. 濟南市2015—2021年PM2.5、O3和NO2污染變化特征及相關性分析［J］.環境保護， 2023， 41（7）： 122-126.

WANG N X， YIN S Z， LI C. Pollution change characteristics and correlation analysis of PM2.5， O3， and NO2 in Jinan City from 2015 to 2021［J］.China Resources Comprehensive Utilization， 2023， 41（7）： 122-126.

［7］ 馬偉波， 趙立君， 王楠， 等. 長三角城市群減污降碳驅動因素研究［J］.生態與農村環境學報， 2022， 38（10）： 1273-1281.

MAN W B， ZHAO L J， WANG N， et al. Study on driving factors of pollution and carbon reduction in the Yangtze River delta urban agglomerations［J］.Journal of Ecology and Rural Environment， 2022， 38（10）： 1273-1281.

［8］ REN F R， TIAN Z， PAN J J， et，al. Cross-regional comparative study on energy efficiency evaluation in the Yangtze River Basin of China［J］.Environmental Science and Pollution Research International， 2020， 27（27）： 34037-34051.

［9］ 謝元博， 李巍. 基于能源消費情景模擬的北京市主要大氣污染物和溫室氣體協同減排研究［J］.環境科學， 2013， 34（5）： 2057-2064.

XIE Y B， LI W. Synergistic emission reduction of chief air pollutants and greenhouse gases based on scenario simulations of energy consumptions in Beijing［J］.Environmental Science， 2013， 34（5）： 2057-2064.

［10］王敏， 馮相昭， 杜曉林， 等. 工業部門污染物治理協同控制溫室氣體效應評價：基于重慶市的實證分析［J］.氣候變化研究進展， 2021， 17（3）： 296-304.

WANG M， FENG X Z， DU X L， et al. Evaluation of co-controlling GHGs from pollutant reduction facilities in the industrial sectors， empirical analysis based on data in Chongqing city［J］.Climate Change Research， 2021， 17（3）： 296-304.

［11］阿迪拉·阿力木江， 蔣平， 董虹佳， 等. 推廣新能源汽車碳減排和大氣污染控制的協同效益研究：以上海市為例［J］.環境科學學報， 2020， 40（5）： 1873-1883.

ALIMUJIANG A， JIANG P， DONG H J， et al. Synergy and co-benefits of reducing CO2 and air pollutant emissions by promoting new energyvehicles： A case of Shanghai［J］.Acta Scientiae Circumstantiae， 2020， 40（5）： 1873-1883.

［12］張朝龍， 楊麗亞， 董欣宜， 等. 合成氨行業CO2與大氣污染物排放清單及減污降碳潛力研究：以河南省為例［J］.環境科學研究， 2023， 36（11）： 2126-2137.

ZHANG C L， YANG L Y， DONG X Y， et al. Research on CO2 and air pollutant emission inventory and potential for pollution reduction and carbon reduction in synthetic ammonia industry： Taking Henan Province as an example［J］.Research of Environmental Sciences， 2023， 36（11）： 2126-2137.

［13］錢鳳魁， 王祥國， 顧漢龍， 等. 東北三省農業碳排放時空分異特征及其關鍵驅動因素［J］.中國生態農業學報， 2024， 32（1）： 30-40.

QIAN F K， WANG X G， GU H L， et al. Spatial-temporal differentiation characteristics and key driving factors of agricultural carbon emissions in the three northeastern provinces of China［J］.Chinese Journal of Eco-Agriculture， 2024， 32（1）： 30-40.

［14］FANG G C，TIAN L X，FU M， et al. The effect of energy construction adjustment on the dynamical evolution of energy-saving and emission-reduction system in China［J］.Applied Energy， 2017， 196： 180-189.

［15］JIANG T Y，HUANG S J，YANG J. Structural carbon emissions from industry and energy systems in China： An input-output analysis［J］.Journal of Cleaner Production， 2019， 240： 118116.

［16］YU Y，JIN Z X，LI J Z， et al. Low-carbon development path research on Chinas power industry based on synergistic emission reduction between CO2 and air pollutants［J］.Journal of Cleaner Production， 2020， 275： 123097.

［17］WEI X Y，TONG Q，MAGILL I， et al. Evaluation of potential co-benefits of air pollution control and climate mitigation policies for Chinas electricity sector［J］.Energy Economics， 2020， 92： 104917.

［18］JIANG P，KHISHGEE S，ALIMUJIANG A， et al. Cost-effective approaches for reducing carbon and air pollution emissions in the power industry in China［J］.Journal of Environmental Management， 2020， 264： 110452.

［19］蘇佳， 韓倩， 張新生.西北地區重點城市工業大氣污染排放時空演化格局及影響因素研究［J］.環境科學研究， 2023，36（12）：2322-2330.

SU J， HAN Q， ZHANG X S. Research on the spatiotemporal evolution pattern and influencing factors of industrial air pollution emissions in key cities in Northwest China［J］.Research of Environmental Sciences， 2023， 36（12）：2322-2330.

［20］楊婧雯， 陳遠翔， 何燕.云南省二氧化碳與大氣污染物控制協同效應分析［J］.環境科學導刊， 2023， 42（5）： 11-16， 20.

YANG J W， CHEN Y X， HE Y. Analysis of synergistic effect of carbon dioxide and air pollutant control in Yunnan Province［J］.Environmental Science Survey Agency， 2023， 42（5）： 11-16， 20.

［21］李薇， 蒙平珠， 李彩弟， 等.基于LMDI模型的甘肅省種植業生產碳排放影響因素分析及減排途徑［J］.作物雜志， 2023（5）： 264-271.

LI W， MENG P Z， LI C D， et al. Analysis of influencing factors of carbon emissions from planting production based on LMDI model and approaches of carbon mitigation in Gansu Province［J］.Crops， 2023（5）： 264-271.

［22］LIU Y， JIANG Y， LIU H， et al. Driving factors of carbon emissions in Chinas municipalities： ALMDI approach［J］.Environmental Science and Pollution Research， 2022， 29：21789-21802.

［23］王長建， 汪菲， 張虹鷗. 新疆能源消費碳排放過程及其影響因素：基于擴展的Kaya恒等式［J］.生態學報， 2016， 36（8）： 2152-2163.

WANG C J， WANG F， ZHANG H O. The process of energy-related carbon emissions and influencing mechanism research in Xinjiang［J］.Acta Ecologica Sinica， 2016， 36（8）： 2151-2163.

［24］鄧宣凱. 武漢市土地利用碳排放的影響因素研究：基于擴展的Kaya等式和LMDI分解方法［J］.農業與技術， 2021， 41（20）： 104-109.

DENG X K. Study on the influencing factors of land use carbon emission in Wuhan City： based on extended Kaya equation and LMDI decomposition methods［J］.Agriculture and Technology， 2021， 41（20）： 104-109.

［25］姜歡歡， 李媛媛， 李麗平， 等. 國際典型城市減污降碳協同增效的做法及對我國的建議［J］.環境與可持續發展， 2022， 47（4）： 66-70.

JIANG H H， LI Y Y， LI L P， et al. Practices in typical international cities and suggestions for China on synergizing the reduction of pollution and carbon emissions［J］.Environment and Sustainable Development， 2022， 47（4）： 66-70.

［26］榆林市統計局. 榆林統計年鑒2022［M］.北京：中國統計出版社，2023：9-207.

［27］鄧聚龍. 社會經濟灰色系統的理論與方法［M］.武漢：華中科技大學出版社， 2002：47-60.

［28］KAYA Y. Impact of carbon dioxide emisslon on GNP growth： Interpretation of proposed scenarios［R］.Response Strategies Working Group， IPCC，1989：76-77.

［29］DONG F，DAI Y J，ZHANG S N， et al. Can a carbon emission trading scheme generate the Porter effect？ Evidence from pilot areas in China［J］.Science of the Total Environment， 2019， 653： 565-577.

［30］李云燕， 趙晗. 北京市碳達峰碳中和路徑和大氣污染物協同減排研究［C］∥中國環境科學學會2021年科學技術年會論文集（一）.天津：中國環境科學學會， 2021： 41-50.

［31］趙奧， 武春友. 中國CO2排放量變化的影響因素分解研究：基于改進的Kaya等式與LMDI分解法［J］.軟科學， 2010， 24（12）： 55-59.

ZHAO A， WU C Y. Analysis of decomposition of influencing factors of variation in CO2 emission of China： Based on improved Kaya identity and LMDI Method［J］.Soft Science， 2010， 24（12）： 55-59.

［32］ANG B W. The LMDI approach to decomposition analysis： a practical guide［J］.Energy Policy， 2005， 33（7）： 867-871.

［33］ANG B W. LMDI decomposition approach：A guide for implementation［J］.Energy Policy， 2015，86： 233-238.

［34］孟宇，魏偉，胡超. 榆林市金屬鎂產業現狀分析及發展建議［J］.有色金屬加工， 2021， 50（2）： 14-16， 70.

MEN Y， WEI W， HU C. Analysis on Current Situation and Development Suggestion of Magnesium Industry in Yulin［J］.Nonferrous Metals Processing， 2021， 50（2）： 14-16， 70.

（編 輯 邵 煜）

基金項目：國家自然科學基金（51208424）；陜西省環境介質痕量污染物監測預警重點實驗室開放基金（SHJKFJJ202307）。

第一作者：石涵笑，女，從事環境系統分析研究，shihanxiao@stumail.nwu.edu.cn。

通信作者：韋安磊，男，博士，副教授，從事可持續水處理技術、水環境修復技術、環境大數據分析研究，alwei@nwu.edu.cn。