(1)
北京大学学报(自然科学版) 第59卷 第5期 2023年9月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 59, No. 5 (Sept. 2023)
国家重点研发计划(2019YFC0214200)资助
doi: 10.13209/j.0479-8023.2023.048
收稿日期: 2022-08-29;
修回日期: 2022-12-15
摘要 为了探究社会经济及产业能源要素对河北省工业部门大气污染排放的影响, 采用 LMDI 模型对 2013—2020 年河北省工业部门大气污染物排放量进行分解, 并根据当前经济发展及污染物排放趋势, 设置 4 种经济、工业结构及能源消耗情景, 在不同情景下预测到 2035 年社会经济及产业能源效应对河北省污染物减排贡献率的影响。研究结果表明, 随着近年来河北省产业结构及能源结构的深入调整, 经济发展对工业的依赖度降低; 工业部门产能削减以及淘汰落后产能等工作对大气污染物减排效果显著, 能源的清洁利用仍是工业绿色清洁转型的有效手段; 此外, 当前工业部门能源结构仍有进一步调整的需求, 新能源及清洁能源在工业部门的应用是未来主要调整方向。预测结果表明, 地区生产总值增长的放缓对工业部门大气污染物减排有促进作用, 产业与能源结构的调整对工业部门大气污染物的减排贡献率逐渐增加。
关键词 大气污染; 减排; 能源; 产业; 经济
2013 年, 京津冀及周边区域遭遇发生频次高、波及范围广的严重雾霾天气。为解决人民群众的“心肺之患”, 国务院于 2013 年开始, 先后出台《大气污染防治行动计划》及《打赢蓝天保卫战三年行动计划》等措施方案。此外, 由于京津冀及周边地区是我国大气污染防治的重要战场, 2017 年国务院常务会议确定开展《大气重污染成因与治理攻关项目》, 将京津冀及周边地区“2+26”个城市作为重点, 开展大气污染防治研究工作。在多项措施并举之下, 我国空气质量迅速改善[1], 特别是京津冀及周边区域大气污染防治取得瞩目的成效。中国环境状况公报显示, 2020 年京津冀区域的 PM2.5 浓度已从 2013 年的 106μg/m3下降到 51μg/m3, 降幅达到52%。然而, 实现“碳达峰、碳中和”目标以及 PM2.5和 O3 复合大气污染协同防控[2], 都对大气污染的深入治理以及空气质量的进一步改善提出更高的要求。因此, 有必要分析和评估近年来大气污染治理成效的影响因素, 从而为制定更有效的大气污染防治措施以及空气质量改善相关政策指明方向。
2013 年出台的《大气污染防治行动计划》(“大气十条”)实施以来, 我国大气污染治理成效显著, 但各地取得的治理成效及治理措施有所差异。因此, 如何科学、客观地评价各地大气污染治理成效, 受到相关管理部门及学者的重视。大气污染治理在微观上涉及排放源的管控, 宏观上涉及能源、产业、交通和用地四大结构的调整, 因此, 当前对大气污染治理的评价角度不尽相同。排放清单研究能够从排放的角度直观地评价各类污染源对不同污染物减排的贡献程度[3–4]。此外, 面对减污降碳协同这一新形势, 排放清单研究的直观性在措施实施的CO2 减排效果评价方面能体现出更大的优势[5–6]。来源解析从受体化学组分变化[7–10]方面评价减排措施的有效性, 可以通过典型示踪组分的变化来评价大气污染措施的有效性。例如耿冠楠等[8]的研究表明, 京津冀地区 PM2.5 及其化学成分的下降幅度最大, 硫酸盐浓度的下降幅度与其前体物 SO2 排放的下降幅度相当, 硝酸盐浓度的下降幅度较小, 因此, 京津冀地区燃煤控制取得一定的成效, 机动车 NOx排放仍需进一步控制。相对于排放清单与来源解析, 政策效应模型能够从更宏观的层面评价城市或地区的政策措施对大气污染治理的影响[11–12]。例如董战峰等[12]通过评价大气污染防治措施实施对京津冀、长三角和珠三角三大重点区域社会经济的影响, 发现不同地区投资所获的效益受到当地产业结构的影响, 在未来产业发展中, 京津冀地区应大力发展第三产业, 长三角和珠三角地区应鼓励发展新能源汽车和环保装备制造等行业。除此之外, 有研究采用 Super-SBM 模型进行分析, 结果表明重点区域中京津冀在“大气十条”实施期间的整体环保投入绩效高于长三角和珠三角地区; 在治理措施方面, 北方地区以燃煤“双替代”以及散煤清洁化利用等能源结构调整为主, 长三角和珠三角地区以工业污染治理为主[13]。
通过上述分析可知, 排放清单、来源解析以及政策效应模型能够从排放来源、化学组分和政策实施三方面评价大气污染的治理效果。然而, 大气污染治理是一项复杂的系统工程, 从社会经济的角度对大气污染治理成效开展评价和分析, 能够宏观地评价由大气污染治理措施带来的社会经济、能源和产业等要素的发展变化所产生的污染物减排成效。另一方面, 我国目前经济社会发展面临实现“碳达峰、碳中和”目标的压力与挑战[14–16], 因此评价由大气污染治理措施带来的社会经济、能源及产业等要素的发展变化所产生的“碳达峰、碳中和”协同效应也是目前备受关注的热点。
LMDI 模型是新加坡学者 Ang 等[17–18]在对数分解法基础上建立的用于分析经济能源效应的分解方法, 能够将与社会能源经济相关的要素分解成不同的因素, 相比于其他政策模型分析方法[12–13], 该方法在评价社会能源经济要素对目标因素的影响时具有直观性的特点。由于大气污染防治涉及经济、能源及产业等社会要素, 因此使用该方法能够直观地分析不同要素对大气污染物的减排贡献率。例如裴孝东等[19]基于 LMDI 方法, 提出经济规模效应是促进全国和各地区工业 SO2 排放的主导因素, 末端治理效应是抑制其排放的主导因素, 不同省份各效应的作用程度及方向不同。此外, 该方法还能够通过不同的角度分解要素因子, 探讨更广泛的社会因素(如人均收入、人口数量等)对大气污染物排放效果的影响, 因此能够从更宏观的角度分析大气污染物排放的影响因素。例如王秋红等[20]利用 LMDI 指数分解法探讨不同发展阶段的排放强度、能源强度、经济产出和人口规模等 4 种社会经济因素对 PM2.5浓度变化的可能驱动机制及贡献率, 结果表明, 从工业化初期至发达经济时期, 经济产出效应和人口规模效应的累积贡献率均呈增加趋势, 且经济产出效应累积贡献率的增加幅度更显著; 排放强度效应的累积贡献率为负, 且累积贡献率的绝对值不断增加。陆怡雅等[21]将 LMDI 模型应用到河北省一次PM2.5 排放的部门分解中, 研究结果表明工业、生活消费和农业部门是河北省 PM2.5 排放的三大来源; 对于生产端, 经济规模总量扩张是其 PM2.5 排放量增加的最主要原因, 对于消费端, 人均收入的提高促进其 PM2.5 排放的增加, 倡导绿色消费模式可以有效地减缓 PM2.5 排放。因此, LMDI 模型是一种能够直观地分析和评价社会因素对大气污染物排放的影响及贡献的有效工具。此外, 党的“十九大”提出2035 年“美丽中国”建设目标, 这一目标关系民生, 也关系中华民族的永续发展。在预测情景下分析到2035 年社会经济要素对大气污染物排放的贡献程度, LMDI 模型能够科学、有效和直观地评价未来社会经济、能源和产业等发展要素对大气污染物减排的影响, 并根据预测结果对当前的政策措施进行 调整。
河北省是我国近代工业的摇篮, 具有完备的工业产业体系。在以工业为主要经济支柱的经济体系发展过程中造成一些环境问题。在国家政策方针指引下, 河北省从 2013 年起开展轰轰烈烈的大气污染防治行动, 到 2020 年, 河北省空气质量创 2013 年以来的最好水平, PM2.5 平均浓度为 44.8μg/m3, 优良天数占比为 69.9%, 超额完成“十三五”规划目标和蓝天保卫战三年行动计划目标。
工业是开展大气污染防治行动的主战场之一。近年来, 为改善空气质量, 河北省产业结构及工业能源结构已发生巨大变化。本文利用 LMDI 模型, 对《大气污染防治行动计划》实施以来河北省工业大气污染物排放量进行分解, 分析经济效应、工业结构效应、工业能源清洁水平效应、工业能源结构效应及工业能源强度效应等经济能源效应对大气污染物排放的影响。进一步地, 根据当前经济发展及污染物排放趋势, 设置经济发展与工业能源消耗情景, 在不同情景下预测到 2035 年经济能源产业效应对河北省污染物减排贡献率的影响, 以期对未来工业部门经济能源政策的调整以及大气环境管理政策的制定提供科学参考。
对数平均迪氏指数模型(log arithmic mean divi-sia index, LMDI)是指数因素分解模型的一种, 该模型的分解结果不包含残差项, 且能有效地解决数据负值和零值问题[18]。本文采用 LMDI 模型对河北省工业大气污染物排放进行分解, 并量化各因素对大气污染物排放的贡献程度。
构建恒等式
(1)
式中, Dk 表示大气污染物排放量; Yk 表示河北省工业增加值; Gk 代表河北省生产总值, 反映经济效应; Mk表示工业化石燃料的用量, 具体地, 对于 SO2 和NOx 排放, Mk 包括煤合计、焦炭、油品合计、天然气和液化天然气总和, 对于颗粒物排放, Mk 包括煤合计、焦炭和油品合计总和; Ek 表示工业能源消耗量; k=1, 2, 3, 分别表示 SO2, NOx 和颗粒物(PM)。
进一步, 将式(1)简化为
(2)
式中, Gk, Tk, Lk, Pk 和 Ik 分别表示污染物减排的经济效应、工业结构效应、工业能源清洁水平效应、工业能源结构效应以及工业能源强度效应产生的大气污染物排放量。
根据式(2), 工业生产排放的第 k 种大气污染物从第 s−1 年到第 s 年排放量的比值可以表示为
(3)
对式(3)两端取自然对数, 并乘以
则式(3)可转化为
(4)
令
, 并将式(4)分解, 得到各分解效应要素的计算公式:
(5)
(6)
(7)
(8)
(9)
(10)
其中, 
, 
, 
, 
, 
和
分别表示 s 至 s−1 年 k 种大气污染物的减排总效应、经济效应、工业结构效应、工业能源清洁水平效应、工业能源结构效应和工业能源强度效应。效应为负值表示对污染物有减排作用, 效应为正值表示对污染物有增排作用, 其绝对值越大, 减排或增排作用越大。
各种效应的第 k 种大气污染物减排贡献率分别用影响第 k 种大气污染物减排的各效应值除以第 k种大气污染物的减排总效应值表示, 贡献率为正值表示该效应促进大气污染物减排, 贡献率为负值表示该效应抑制大气污染物减排。
本文研究在文扬等[22]的工业生产消耗能源分类的基础上, 将工业生产消耗能源分为煤合计、焦炭、油品合计、天然气、液化天然气、热力和电力七大类, 工业生产能源消耗量数据来源于《中国能源统计年鉴》。参照文扬等[22]的方法, 将能源消耗转换为标准煤, 其中以原煤折标煤系数作为煤合计的折标煤系数, 并以主要油品的平均折标煤系数作为油品合计的折标煤系数。河北省工业大气污染物(SO2, NOx 及颗粒物)排放数据来源于《中国环境统计年鉴》, 地区生产总值及工业增加值数据来源于河北省统计公报。
情景分析法是能源与环境经济领域中常用的分析方法之一, 可以根据研究需要, 相对全面地设置未来情景, 并在未来情景下预测各要素的发展趋势, 广泛应用于研究未来能源活动及大气污染物排放预测问题中。本文运用情景分析法, 对河北省社会经济及工业大气污染排放设置 4 个情景(表 1), 并在 4个情景下对 1.1 节涉及的各减排效应对大气污染排放的总体贡献率进行预测。
在设置的 4 个不同情景中, 基准经济增长情景的生产总值及工业产值占比参考李平等[23]的数据。受新冠疫情影响, 2020 年污染物排放数据变化较大, 因此以 2019 年的污染物排放数据为基础, 设定高减排情景下污染物排放每年下降 7%, 低减排情景下污染物排放每年下降 5%。根据国务院印发的《“十四五”节能减排综合工作方案》中“十四五”时期规模以上工业单位增加值能耗下降 13.5%的要求, 分别设置 2025, 2030 和 2035 年工业单位增加值能耗下降 13.5%, 11.5%和 10%。在工业能源结构方面, 低减排情景下维持 2020 年的能源结构不变, 由于近年来的大气污染防治工作, 河北省工业锅炉煤改气行动已基本上完成, 因此在高减排情景下保持天然气及液化天然气占比不变, 其他煤耗量每年下降 0.4%, 电力消耗每年增长 0.4%。
2013—2020 年河北省的地区生产总值如图 1 所示。2013—2017 年, 地区生产总值逐年上升; 2017 —2020 年, 地区生产总值逐步趋于平稳。自 2013 年“大气十条”颁布实施以来, 河北省通过淘汰落后产能、煤改气、锅炉改造以及 VOCs 治理等措施, 对工业部门进行大规模调整, 工业产值占比逐年下降, 从 2013 年的 52.2%下降到 2020 年的 37.6%。同时, 河北省工业增加值增长速度放缓, 2013—2017 年, 河北省工业增加值从 14762.1 亿元上升到 17416.5 亿元, 随后逐步下降。2018 年, 国务院发布《打赢蓝天保卫战三年行动计划》, 河北省工业部门进一步深入调整, 2018—2020 年, 工业增加值略有下降, 到 2020 年, 工业增加值为 13597.2 亿元。
表1 2021—2035年河北省社会经济及工业大气污染排放情景
Table 1 Socioeconomic and industrial air pollution emission scenarios in Hebei Province from 2021 to 2035
情景情景描述 Ll情景(低经济增长低减排)地区生产总值低于基准经济正常情景 0.5 个百分点, 大气污染物排放量每年下降 5%, 维持 2020 年的能源结构不变 Bl情景(基准经济增长低减排)大气污染物排放量每年下降 5%, 维持 2020 年的能源结构不变 Bh情景(基准经济增长高减排)大气污染物排放量每年下降 7%, 保持天然气及液化天然气占比不变, 其他煤耗量每年下降 0.4%, 电力消耗每年增长 0.4% Hh情景(高经济增长高减排)地区生产总值高于基准经济正常情景 0.5 个百分点, 大气污染物排放量每年下降 7%, 保持天然气及液化天然气占比不变, 其他煤耗量每年下降 0.4%, 电力消耗每年增长 0.4%
图1 2013—2020 年河北省地区生产总值、工业增加值及其占比
Fig. 1 Gross regional domestic product, industrial added value and industrial value added ratio of Hebei Province from 2013 to 2020
2013—2020 年河北省工业部门 SO2, NOx 及颗粒物(PM)的排放量如图 2 所示。2013—2020 年, 河北省工业部门 SO2 和 NOx 排放量逐年递减, 2020 年的 SO2 和 NOx 排放削减比例分别为 2013 年的 89.5%和 72.8%。PM 的排放量在 2014 年出现反弹, 随后逐步下降, 2020 年的 PM 排放量为 16.8 万吨, 与2013 年相比, 削减 85.8%。2013—2015 年, 三项工业大气污染物中 PM 的排放量最高, 其次为 SO2。2016 年开始, PM 和 SO2 排放量大幅削减, NOx 成为工业部门排放的首要大气污染物。首要大气污染物的转变一方面说明工业锅炉对 NOx 的控制技术仍需改进, 另一方面, 煤改气行动能够有效地减少 SO2和 PM 的排放, 但由于 NOx 是天然气燃烧的主要大气污染物, 因此需要关注天然气燃烧产生 NOx 的情况。
2.2.1 效应要素分解
2013—2020 年河北省工业部门大气污染物减排效应 LMDI 分解结果如表 2 所示。2015—2016 年, 河北省工业部门 SO2 和 PM 的减排效应最大, 分别为−35.66 和−49.81; 2014—2015 年, NOx 的减排效应最大, 为−18.71。工业部门三项大气污染物(SO2, NOx 和 PM)减排量最大年份均在实施《大气污染防治行动计划》期间。在此期间, 河北省工业部门开展的压缩、淘汰工业产能, 全面整顿燃煤小锅炉, 加快重点行业脱硫、脱硝和除尘改造及推进挥发性有机污染物治理等工作成效显著。
图2 2013—2020年河北省工业部门SO2, NOx和 PM排放量
Fig. 2 Emissions of SO2, NOx and PM from the industrial sector in Hebei Province, 2013—2020
反映地区经济效应带来的工业大气污染物减排效应。为正值表示经济发展不利于大气污染物减排, 为负值表示经济发展有利于大气污染物减排。河北省工业部门经济效应对三项污染物的减排效应均在 2016—2017 年达到最大正值, 2017年以后, 经济发展对工业部门三项大气污染物减排的负效应大幅度减弱。如图 3 所示, 2017 年以后河北省地区生产总值及工业增加值增量均减少, 这两个数值到 2020 年有所回升。据此判断污染物排放经济效应减弱的原因, 一方面是 2017 年以后河北省总体经济及工业发展放缓, 另一方面, 河北省 2013 —2014 年与 2019—2020 年的地区生产总值增加量相似, 分别为 1119.8 和 1102.4 亿元, 然而, 工业部门 SO2, NOx 和 PM 的经济发展减排效应 2013—2014年分别为 4.3, 4.06 和 5.1, 2019—2020 年分别为0.53, 1.1 和 0.76。与 2013—2014 年相比, 2019—2020 年经济发展的减排效应增加, 说明 2013—2020年间河北省的产业结构及经济发展模式向更有利于大气污染物减排方向转变。
表2 河北省工业部门大气污染物减排效应分解结果
Table 2 Decomposition results of emissions cuts effect of air pollutants in industrial sector of Hebei Province
污染物分解效应要素减排效应值 2019—2020年2018—2019年2017—2018年2016—2017年2015—2016年2014—2015年2013—2014年 SO2−10.78 −3.75 −8.33−12.14−35.66−21.79−12.58 0.53 −0.63 0.04 5.00 4.16 1.21 4.30 −0.53 −3.48 −2.57 0.95 −1.27 −5.23 −2.38 −10.40 −2.63−17.56−12.11−32.86−23.51−11.30 −0.04 0.77 2.69 −2.98 −2.45 6.51 1.88 −0.34 2.22 9.08 −3.00 −3.24 −0.78 −5.08 NOx−11.72−12.24 −7.18 −4.31−14.45−18.71−11.83 1.10 −1.22 0.07 7.74 4.76 1.16 4.06 −1.10 −6.67 −4.82 1.48 −1.46 −4.99 −2.24 −10.93−10.10−24.45 −4.26−11.26−20.34−10.63 −0.09 1.48 5.03 −4.62 −2.80 6.21 1.77 −0.70 4.25 16.98 −4.65 −3.70 −0.75 −4.79 PM−17.37 −0.85 −2.01−24.24−49.81−33.97 26.35 0.76 −0.88 0.05 5.88 5.50 1.66 5.10 −0.76 −4.84 −3.01 1.12 −1.68 −7.13 −2.82 −18.13 −0.08 −5.91−23.65−50.59−27.37 28.76 1.24 1.86 −3.76 −4.07 1.24 −0.06 1.34 −0.48 3.09 10.62 −3.53 −4.27 −1.07 −6.02
<
图3 2013—2020 年河北省地区生产总值与工业增加值的逐年增量
Fig. 3 Annual increment of the gross regional domestic product and industrial added value in Hebei Pro-vince from 2013 to 2020
反映工业结构效应。如表 2 所示, 除2016—2017 年以外的其他年份, 河北省工业结构效应均产生工业大气污染物减排效应。2014 年, 河北省开展大幅度的产能削减和淘汰工作, 河北省《大气污染防治行动计划实施方案》中提出“到 2014 年, 提前一年完成国家下达的‘十二五’落后产能淘汰任务(淘汰水泥落后产能 6100 万吨以上, 淘汰平板玻璃产能 3600 万重量箱)”。从表 2 可以看出, 产能削减和淘汰落后产能等工作收效显著, 2014—2015 年, 三项大气污染物的减排效应均为负值, 且绝对值总和为近几年来最高, 说明减排效应显著。
反映工业能源清洁水平效应, 该项带来的工业大气污染物减排效应最显著。2013—2020 年, 河北省由工业能源清洁水平带来的 SO2, NOx 和 PM减排效应分别为−110.37, −91.97 和−96.97, 表明能源的清洁利用是工业绿色清洁转型有效手段。
反映工业能源结构效应, 表示工业能源结构带来的大气污染物减排效应。2013—2020 年, 河北省由工业能源结构带来的 SO2, NOx 和 PM 减排效应分别为 6.38, 6.98 和−2.21, 河北省的工业能源结构整体上仍然对 SO2 和 NOx 的排放有促进作用。因此, 工业能源结构需进一步调整, 削减煤炭用量, 大力发展新能源产业, 促进清洁能源在工业生产中的应用是未来工业能源结构调整的方向。
反映工业能源强度效应。2013—2020 年, 河北省工业能源强度带来的 SO2, NOx 和 PM 减排效应分别为−1.14, 6.64 和−1.66 表明工业能源强度效应有利于 SO2 和 PM 减排。然而, 该项效应对 NOx排放略有促进。进一步地, 从表 2 可知, 2017—2018, 2018—2019 和 2019−2020 年, 河北省由工业能源强度带来的 NOx 减排效应在三项大气污染物中为正值, 且绝对值最高, 推测 2017 年后河北省工业能源“煤改气”力度加大, 促进了工业部门 NOx 排放。
2.2.2分解效应要素减排贡献率
各分解效应要素的 SO2, NOx 和 PM 减排贡献率如图 4 所示, 河北省工业能源清洁水平效应对各年度工业大气污染物的减排贡献率均为正值。2017 年, 河北省多个城市参与城市大气污染防治综合解决方案“一市一策”驻点跟踪研究工作, 专家团队因地制宜地为各城市工业能源的清洁利用制定差异化方案, 收效显著。因此, 2017—2018 年的河北省工业能源清洁水平效应对 SO2, NOx 和 PM 的减排贡献率分别达到 2.11, 3.40 和 2.93, 为近年来最高值。除 2016—2017 年之外, 河北省工业结构效应的 SO2 和 NOx 的减排贡献率均为正值, 即近年来河北省持续开展的工业产业结构调整、压缩和削减产能等工作对 SO2和 NOx 减排有显著作用。此外, 2018—2019 年工业结构效应的 PM 减排效应达到 5.67, 说明河北省该年度工业产业结构调整效果显著, 对 PM 的减排贡献最大。河北省是工业大省, 其经济增长在一定程度上依赖于工业, 因此经济效应对大气污染物的减排贡献率多为负值。然而, 2018—2019 年的经济效应对 SO2, NOx 和 PM 的减排贡献率均为正值。结合图 1 可知, 这是由 2018—2019 年河北省地区生产总值及工业增加值下降导致的。此外, 由于工业增加值的下降导致工业能源强度增加, 2017—2019 年河北省工业能源强度效应对 SO2, NOx 和 PM的减排贡献率为负值。如图 5 所示, 河北省工业能源结构中化石能源的占比近年来波动不大, 基本上维持在 20%左右, 不含天然气及液化天然气的化石能源占比维持在 17%左右。工业能源结构对大气污染物的减排贡献率与工业化石能源占比的变化基本上呈相反的波动趋势, 近年来河北省工业能源仍然以化石能源为主, 因此降低工业化石能源的占比能够有效地提高能源结构效应对工业大气污染物的减排贡献率。
图4 各效应对工业部门 SO2, NOx和 PM 的减排贡献率
Fig. 4 Contribution of each effect to SO2, NOx and PM emission reduction in the industrial sector
为了从长远的角度分析经济、工业结构、工业能源清洁水平、工业能源结构及工业能源强度 5 种效应对河北省工业大气污染物(SO2, NOx 和 PM)排放总量的减排贡献, 本研究分别设置低经济增长低减排(Ll)、基准经济增长低减排(Bl)、基准经济增长高减排(Bh)及高经济增长高减排(Hh)4 种情景(表1), 并以 2020 年为基准年, 在 4 种情景下分别预测2029—2030 和 2034—2035 年经济、工业结构、工业能源清洁水平、工业能源结构及工业能源强度效应对河北省工业大气污染的减排贡献率, 结果如图6 所示。
图5 2013—2020年河北省工业化石能源使用量占比
Fig. 5 Proportion of industrial fossil energy usage in Hebei Province from 2013 to 2020
如图 6(a)所示, 若保持地区生产总值持续增加, 4 种预测情景下的经济效应对河北省工业大气污染物减排均起到抑制作用, Ll, Bl, Bh 以及 Hh 情景下经济效应的减排贡献率在 2029—2030 年分别为−0.80, −1.24, −0.88 和−0.70, 2034—2035 年则分别为−0.75, −0.12, −0.79 和−0.66, 由此可知经济效应的减排抑制作用在 Bl 情景下最强, 在 Hh 情景下最弱, 高减排情景下经济效应的减排抑制作用降低。此外, 随着地区生产总值的增长逐步放缓, 2034—2035 年经济效应对工业大气污染物减排效应的抑制作用小于2029—2030 年。
图6 4 种预测情景下经济效应、工业结构效应、工业能源清洁水平效应、工业能源结构效应以及工业能源强度效应对工业部门大气污染物减排贡献率
Fig. 6 Contribution of the economic effect, industrial structure effect, clean level effect of industrial energy, industrial energy structure effect and industrial energy intensity effect to emission reduction of air pollutants in the industrial sector under four forecast scenarios
如图 6(b)所示, 预测情景下工业结构效应对工业大气污染物减排起促进作用, Ll, Bl, Bh 和 Hh 情景下工业结构效应 2029—2030 年分别为 0.12, 0.12, 0.09 和 0.09, 2034—2035 年分别为 0.26, 0.26, 0.18 和0.18。随着工业结构的深入调整, 2034—2035 年工业结构效应减排的贡献率大于 2029—2030 年。此外, 高减排情景下的工业结构效应有所降低。
如图 6(c)所示, 与其他效应相比, 工业能源清洁水平效应对工业部门大气污染物的减排贡献率最大, Ll, Bl, Bh 和 Hh 情景下工业能源清洁水平效应的减排贡献率 2029—2030 年分别为 1.18, 1.62, 1.13 和0.95, 2034—2035 年分别为 1.06, 1.43, 0.96 和 0.82。由此可知, 低减排情景下工业能源清洁水平效应更大。此外, 随着生产总值、工业增加值的增长放缓及工业结构的调整, 工业能源清洁水平效应对工业部门大气污染物的减排贡献逐步降低。
如图 6(d)所示, 由于在低减排情景下设定的工业能源结构不发生变化, 因此在 Ll 和 Bl 情景下工业能源结构效应对工业大气污染物的减排贡献率为0。在高减排情景下, 随着生产总值、工业增加值增长的放缓以及工业结构的调整, 2034—2035 年工业能源结构效应减排贡献度大于2029—2030 年, 这种变化趋势与工业能源清洁水平效应的减排贡献率相反。
如图 6(e)所示, Ll, Bl, Bh 和 Hh 情景下工业能源强度效应的减排贡献率 2029—2030 年分别为 0.50, 0.50, 0.35 和 0.35, 2034—2035 年分别为 0.43, 0.43, 0.30 和 0.30。高减排情景下, 工业能源强度效应对工业部门大气污染物的减排贡献率有所降低, 并随着工业结构和能源结构的调整以及生产总值和工业增加值增速的放缓, 与 2029—2030 年相比, 2034—2035 年工业能源强度效应对工业部门大气污染物的减排贡献率下降。
综上所述, 受未来经济增速放缓、社会可持续发展以及产业绿色发展等需求影响, 未来工业能源清洁水平效应和工业能源强度效应对工业大气污染物的减排贡献率逐步降低, 工业结构效应和工业能源结构效应对工业大气污染物的减排贡献率逐步升高。因此, 产业结构与能源结构的调整是未来强化大气污染物减排的主要措施。
本研究采用排放量分解法, 利用 LMDI 模型对2013—2020 年河北省工业部门大气污染物排放量进行分解, 并根据经济社会发展现状设置不同经济及产业、能源结构情景, 预测不同情景下到 2035 年社会经济及产业、能源效应对河北省污染物减排贡献率的影响, 得到如下结论。
1)工业能源清洁水平效应带来的工业大气污染物减排量最大, 能源的清洁利用是工业绿色清洁转型的有效手段。河北省工业能源结构需进一步调整, 削减煤炭用量, 大力发展新能源产业, 促进清洁能源在工业生产中的应用是未来工业能源结构调整的方向。
2)在所有预测情景下, 地区生产总值增长的放缓对工业部门大气污染物减排均有促进作用。随着地区对绿色经济发展的需求, 河北省工业部门大气污染物减排会更加依赖于工业产业结构及工业能源结构的调整, 相应地, 工业能源清洁水平效应和工业能源强度效应对工业大气污染物减排的贡献度逐步降低。
3)河北省工业能源“煤改气”措施于 2017 年后执行力度加大, 在减少 SO2 和 PM 排放的同时, 却对工业部门的 NOx 减排没有明显促进作用。在PM2.5 与 O3 协同防控的新形势下, 对 NOx 排放的治理需求加大, 除“煤改气”措施外, 需采取其他有效的手段控制 NOx 排放。在大气污染防治与“碳达峰、碳中和”双重压力的背景下, 随着末端治理技术的成熟应用, 工业部门工业能源清洁水平效应与工业能源强度效应对大气污染物排放的影响将日趋减小, 从长远的角度看, 清洁能源转型是工业大气污染治理最有效的手段。
参考文献
[1] Feng Yueyi, Ning Miao, Lei Yu, et al. Defending blue sky in China: effectiveness of the “Air Pollution Prevention and Control Action Plan” on air quality improvements from 2013 to 2017. Journal of Envi-ronmental Management, 2019, 252: 109603
[2] Zhou Hui, Chen Kaiyu, Liu Zhen, et al.Coordinated control of PM2.5 and O3 is urgently needed in China after implementation of the “Air pollution prevention and control action plan”. Chemosphere, 2021, 270: 129441
[3] 刘茂辉, 徐媛, 岳亚云, 等. 天津《大气污染防治行动计划》实施减排效益. 环境科学与技术, 2020, 43(5): 124–131
[4] 崔晓珍, 沙青娥, 李成, 等. 2013—2017 年珠江三角洲主要大气污染控制措施减排效果评估. 环境科学学报, 2021, 41(5): 1800–1808
[5] 贾璐宇, 王艳华, 王克, 等. 大气污染防治措施二氧化碳协同减排效果评估. 环境保护科学, 2020, 46(6): 19–26
[6] Shu Yun, Hu Jingnan, Zhang Shaohui, et al. Analy- sis of the air pollution reduction and climate change mitigation effects of the Three-Year Action Plan for Blue Skies on the “2+26” Cities in China. Journal of Environmental Management, 2022, 317: 115455
[7] Cai Siyi, Wang Yanjun, Zhao Bin, et al. The impact of the “Air Pollution Prevention and Control Action Plan” on PM2.5 concentrations in Jing-Jin-Ji region during 2012–2020. Science of the Total Environment, 2017, 580: 197–209
[8] 耿冠楠, 肖清扬, 郑逸璇, 等. 实施《大气污染防治行动计划》对中国东部地区 PM2.5 化学成分的影响. 中国科学, 2020, 50(4): 469–482
[9] 王毓铮, 黄志炯, 肖笑, 等. 珠三角典型城市大气污染减排措施的 PM2.5 改善评估研究. 环境科学学报, 2021, 41(7): 2530–2539
[10] 杨丹丹, 王体健, 李树, 等. 基于走航观测的长江三角洲地区大气污染特征及来源追踪. 中国环境科学, 2019, 39(9): 3595–3603
[11] 张中祥, 曹欢. “2+26”城市雾霾治理政策效果评估. 中国人口·资源与环境, 2022, 32(2): 26–36
[12] 董战峰, 高晶蕾, 严小东, 等. 重点区域大气污染防治行动计划实施的社会经济影响对比. 环境科学研究, 2017, 30(3): 380–388
[13] 薛英兰, 张伟, 刘宇, 等. 基于 Super-SBM 模型的《大气污染防治行动计划》省级环保投资绩效评估. 城市发展研究, 2022, 29(2): 20–26
[14] 高庆先, 高文欧, 马占云, 等. 大气污染物与温室气体减排协同效应评估方法及应用. 气候变化进展研究, 2021, 17(3): 268–278
[15] Mao Xianqiang, Zeng An, Hu Tao, et al. Co-control of local air pollutants and CO2 in the Chinese iron and steel industry. Environmental Science & Technology, 2013, 47(21): 12002–12010
[16] Zeng An, Mao Xianqiang, Hu Tao, et al. Regional co-control plan for local air pollutants and CO2 reduction: method and practice. Journal of Cleaner Production, 2017, 140: 1226–1235
[17] Ang B W. Decomposition analysis for policymaking in energy: which is the preferred method?. Energy Policy, 2004, 35(9): 1131–1139
[18] Ang B W, Liu N. Handling zero values in the loga-rithmic mean divisia index decomposition approach. Energy Policy, 2005, 35(1): 238–246
[19] 裴孝东, 吴静, 薛俊波. 基于 LMDI和层次聚类的中国省级工业 SO2 排放影响因素分析. 生态经济, 2021, 37(12): 183–189
[20] 王秋红, 李维杰, 王勇, 等. 基于 LMDI 的城市化不同阶段 PM2.5 浓度影响因素——以我国 5 个特大城市群为例. 中国环境科学, 2021, 41(11): 5069–5078
[21] 陆怡雅, 李闻起, 汪艺晗, 等. 基于 LMDI 分解方法的河北省 PM2.5 排放驱动因素分析. 环境科学学报, 2019, 39(8): 2821–2829
[22] 文扬, 马中, 吴语晗, 等. 京津冀及周边地区工业大气污染排放因素分解——基于 LMDI 模型分析. 中国环境科学, 2018, 38(12): 4730–4736
[23] 李平, 娄峰, 王宏伟. 2016—2035 年中国经济总量及其结构分析预测. 中国工程科学, 2017, 19(1): 13–20
Analysis of Air Pollution Emission Effects of the Industrial Sector in Hebei Province Based on the Emission Decomposition
Abstract In order to explore the impact of social, economic and industrial energy factors on air pollution emissions of the industrial sector in Hebei Province, the LMDI model was adopted to decompose the air pollutant emissions of the industrial sector in Hebei Province from 2013 to 2020. Four economic and industrial energy consumption scenarios were set according to the current economic development and pollutant emission trend. The contributions of future socio-economic and industrial energy effects to pollutant emission in Hebei Province by 2035 were predicted under these scenarios. The results show that the industrial structure and energy structure of Hebei Province have been thoroughly adjusted in recent years, and the dependence of economic development on industry has been reduced. The reduction of industrial sector capacity and the elimination of outdated production capacity have achieved remarkable results. Clean use of energy is still an effective means of industrial green and clean transformation. In addition, the current energy structure of the industrial sector still needs to be further adjusted, and the application of new energy and clean energy in the industrial sector is the main adjustment direction in future. The prediction results indicate that the slowdown of gross regional domestic product growth will promote the emission reduction of air pollutants in the industrial sector, and the contribution of the adjustment of industrial and energy structure to the emission reduction of air pollutants in the industrial sector will gradually increase.
Key words air pollution; emission reduction; energy; industry; economy