中国重化工业资源消耗的社会经济驱动力

偏子豪,陈定江,2*,朱 兵,2,胡山鹰,2

中国重化工业资源消耗的社会经济驱动力

偏子豪1,陈定江1,2*,朱 兵1,2,胡山鹰1,2

(1.清华大学化学工程系生态工业研究中心,北京 100084；2.清华大学循环经济研究院,北京 100084)

基于投入产出模型和中国投入产出表,从需求端分析中国重化工业资源消耗的隐含流在不同行业和不同最终需求中的分配情况,以及五大社会经济驱动力对中国重化工业资源消耗增长的贡献度.结果表明,2012年中国重化工业生产过程所消耗的3种资源隐含在建筑业和其他制造业的最终产品中的比例均超过75%,隐含在形成资本最终产品中的比例均超过55%.2002~2012年期间,产业结构对中国重化工业化石能源和石灰石消耗量增加的贡献度分别为+39%和+237%;资源强度对中国重化工业化石能源和石灰石消耗量减少的贡献度分别为-108%和-265%,对中国重化工业铁矿石消耗量增加的贡献度为+152%;人均最终需求水平对中国重化工业化石能源、铁矿石和石灰石消耗量增加的贡献度分别为+247%,+460%和+291%.

重化工业；投入产出模型；结构分解；需求端分析

重化工业对于中国经济发展的贡献十分显著.但是,伴随着重化工业粗放式发展,资源和环境约束也不断强化.为此,中国政府提出了一系列与绿色可持续发展相关的发展战略.

资源消耗问题在产业生态学领域备受关注,对于国家或区域层面宏观尺度下资源消耗相关问题的研究方法可以分为两类.一类是将整个国民经济体系视为黑箱,不考虑各个经济部门之间的联系,通过国家层面的统计数据对相应指标进行分析的非系统性研究方法.例如,用环境库兹涅兹曲线(EKC)对资源消耗总量的变化趋势进行分析[1],以及用经济系统物质流(EW-MFA)分析方法对不同的资源消耗指标进行时间序列的核算或者解耦评价研究[2-5].另一类则是建立国民经济系统中各个经济部门之间的联系,通过具体到行业层面的统计数据对各行业资源消耗相关指标进行分析的系统性研究方法.其中较为典型的是利用环境拓展的投入产出(EEIO)模型对隐含在各行业的最终需求中的资源消耗进行核算,并且通过指数分解分析(IDA)、结构分解分析(SDA)等方法识别驱动行业资源消耗的关键的社会经济因素.目前已有利用EEIO相关方法对某种特定资源的消耗展开研究,以能源[6-10]、水资源[11-14]、铁矿石[15]等资源居多,也有针对多种资源的消耗展开的研究[16-17].

IDA和SDA方法均被用于分析环境影响的主要驱动因素.SDA方法是以EEIO模型为基础,以不同的社会经济驱动力对某种环境影响的贡献程度进行时间序列分析的一种有效手段.虽然IDA方法中最为常用的对数平均迪式分解法(LMDI)[18]计算相对简单且结果具有唯一性,但其无法反映体现投入产出模型中各行业间的全生命周期供应链关系的产业结构效应对中国重化工业资源消耗的影响[19],故本文采用了SDA方法对中国重化工业资源消耗的社会经济驱动因素进行分析.

目前,利用系统性的EEIO方法对资源消耗问题的相关研究的着眼视角通常是区域内的所有行业,而很少关注某个特定的行业或行业群体.本文将着眼于石油、化工、水泥、钢铁、有色、电力等中国的重化工业中的具有代表性的行业,这些行业在重化工业中占据了绝大部分的经济体量.然后,选取化石能源、铁矿石、石灰石这3种消耗量较大,具有典型的不同消耗特征,并且其消耗背后隐含着对环境不利影响的资源作为研究对象,利用EEIO模型对2002、2007和2012年中国重化工业相关部门的资源消耗进行核算,从最终需求的角度考虑不同的最终需求对中国重化工业资源消耗的贡献.然后考虑资源强度、产业结构、需求结构、人均需求水平和人口等5大社会经济驱动力,采用结构分解分析的方法得出每一种驱动力对中国重化工业资源消耗的贡献程度.

1 方法与数据来源

1.1 环境拓展投入产出模型

在价值型投入产出表中,国民经济系统被划分成个行业部门,其第一象限部分构成的矩阵中的元素表示了不同行业部门之间的中间投入的货币流量,而其第二象限部分反映了各行业部门不同类型的最终需求,对不同类型的最终需求进行求和可以得到最终需求向量,然后继续对第一象限和第二象限的每一行进行求和可以得到总产出向量.由于投入产出表是一个线性的静态均衡模型,其中各行业部门的总投入和总产出相等[20],因此向量中各元素的值也等于各行业部门的总投入.

引入技术系数矩阵,其定义式为

在等式(2)的两侧同乘一个环境拓展强度向量,可以得到EEIO模型的基本等式

式中:环境拓展强度向量中的元素表示相应部门单位总产出的环境影响值,具体到本文而言,化石能源、铁矿石和石灰石3类资源分别对应各自的环境拓展强度向量,其元素分别为各部门基于生产端的化石能源、铁矿石和石灰石的消耗量与相应部门的总产出的比值;为整个经济系统的环境影响值.若将(3)式中的最终需求向量进行对角化,则将变为一个向量,其元素表示相应部门基于最终需求端的隐含环境影响.利用该模型可以计算出隐含在各部门的最终需求中的由重化工业生产活动所消耗的资源,与通过其他方法计算出的基于生产端的资源消耗不同,体现了“谁受益谁负责”的价值取向.

1.2 结构分解分析方法

设最终需求一共有种类型,则最终需求向量可以被进一步拆分为最终需求结构、人均最终需求水平和人口3大因素,即

式中:y为一个´阶的最终需求结构矩阵;y为人均最终需求水平向量;为人口.将(4)式代入(3)式可以得到

然后对等式(5)两边同时微分,可以得到

式中:等号右边的每一项分别代表了资源强度的变化(在一定程度上反映生产技术的进步)、产业结构的变化、最终需求结构的变化、人均最终需求水平的变化(在一定程度上反映经济水平)和人口的变化对资源消耗量变化的贡献程度.

其中,SDA的结果具有不唯一性,且通常的以基期值作为每一效应项系数的SDA分解方法中会存在交互项,从而导致分解产生残差.目前已有的用于减少或者消除SDA残差项的方法主要有两极分解法、中点权分解法和加权平均分解法[22].本文采用的是加权平均分解法,将资源消耗量的所有可能的SDA结果的平均值作为SDA的最终结果[23],现有的SDA的相关研究也多采用这种方法进行处理[16-17,24-25].

1.3 数据来源与处理

本文在中国2002年122部门投入产出表[26]、2007年135部门投入产出表[27]和2012年139部门投入产出表[28]的基础之上,参考了CEEIO数据库[29]对于中国历年投入产出表的部门合并方式,全部按照统一口径合并为91个行业部门,并根据生产者价格指数将各张表的价格基准全部统一为2007年不变价.

由于国家统计局公布的投入产出表均为竞争型投入产出表,各部门中间使用和最终使用的产品中均包含了从国外进口的产品,而生产这部分进口产品所消耗的资源不属于国内,与本文的研究无关,因此需要在中间使用和最终使用部分将从国外进口的产品予以剔除,即将竞争型投入产出表变为非竞争型投入产出表.目前一种比较通用的做法是假定各部门对各种产品进口的比例相等,按照各部门进口产品占该部门国内总使用的比例来剔除进口量[30],本文也按照此方法对中国投入产出表进行数据处理.

此外,还需要引入各类资源的消耗强度向量.本文根据《中国能源统计年鉴》[31]、《中国钢铁工业年鉴》[32-34]和《中国矿业年鉴》[35-37]等相关年鉴的统计数据得到2002、2007和2012年全国的分部门化石能源和石灰石的消耗量,以及铁矿石的消耗总量.然后,需要将合并部门的相关数据拆分到投入产出表的91个部门当中.本文按照相应资源的生产部门对各行业部门的中间投入的比例,将各类资源的消耗量分摊到各个部门,得出基于生产端的各部门对各类资源的消耗量,除以各部门的总产出即为各类资源的消耗强度向量.由于本文考虑的是中国重化工业部门的资源消耗,因此在资源消耗强度向量中非重化工业部门所对应的元素均为0.

本文基于以上数据,利用EEIO模型对2002、2007和2012年隐含在各行业部门的不同类型最终需求中的中国重化工业部门在生产过程中对各类资源的消耗量进行了核算,并采用SDA方法分析了资源强度、产业结构、最终需求结构、人均最终需求水平和人口这5大社会经济驱动力对中国重化工业部门在生产过程中对各类资源消耗量的贡献程度.

2 结果与讨论

2.1 隐含中国重化工业资源消耗的分配

在2002~2012年期间,中国处于重化工业的快速发展期,重化工业的规模不断扩张,中国重化工业部门的生产所消耗的资源量也出现了十分迅速的增长.如表1所示,可以发现2002~2012年期间铁矿石的消耗量增长十分明显,2012年中国重化工业部门的生产端资源消耗量是2002年的7倍以上.另外值得注意的是中国重化工业部门化石能源消耗量的增速在2007~2012年间出现了放缓的趋势,这一现象与“十一五”时期(2005~2010年期间)单位GDP能耗指标首次纳入国家社会经济发展五年规划有较为重要的联系.在“十一五”期间,全国基本上实现了单位GDP能耗下降20%的目标.根据相关研究的预计,在2030年左右中国工业部门的能源消费总量将达到峰值[38].

表1 2002、2007和2012年基于生产端的中国重化工业部门资源消耗总量(´108t)

从基于生产端的视角来看,中国重化工业部门的生产活动消耗了大量的资源.但是如果从基于最终需求端的视角来看,由于重化工业主要是提供生产资料的行业部门,因此由重化工业部门的生产过程产生的资源消耗最终会隐含在生产相应的终端产品的行业部门的生产过程之中.如图1所示,在2002~2012年期间,中国重化工业所消耗的化石能源、铁矿石和石灰石这3类资源隐含在重化工业的最终产品当中的比例较低,在2012年这3类资源隐含在重化工业的最终产品当中的比例分别仅为11%, 7%和4%.然而,可以发现中国重化工业所消耗的化石能源、铁矿石和石灰石这3类资源大量地隐含在建筑业的最终产品当中.以2012年为例,中国重化工业所消耗的化石能源、铁矿石和石灰石这3类资源隐含在建筑业的最终产品中的比例分别高达38%, 47%和88%.此外,隐含在建筑业最终产品中的中国重化工业的资源消耗在2002~2012年期间增长迅速.这一现象与这一期间我国大力开展房屋建筑和道路交通等基础设施的建设密不可分,正是由于这一时期我国重化工业的蓬勃发展,才使得基础设施的大力建设能够获得来自重化工业行业部门的大量原材料的支持.很多相关的研究也表明隐含环境影响在建筑业中的比例较高[16,24,39].

图1 隐含中国重化工业资源消耗在不同部门的分配

除此之外,还可以看到其他制造业部门的最终产品中也隐含着大量的由重化工业部门的生产过程所消耗的能源和铁矿石.2012年中国重化工业所消耗的化石能源和铁矿石隐含在其他制造业的最终产品中的比例分别为37%和40%.这也进一步从定量的角度印证了其他制造业部门对于重化工业部门所提供的生产原料的依赖程度.由于建筑业和非重化工业制造业部门的生产过程大量使用重化工业部门所生产的中间产品,因此实现生产技术的进步,提高建筑业和非重化工业制造业部门的生产过程对于生产原料的利用率是从需求端降低中国重化工业部门的资源消耗的一种有效方式.

另一方面,由重化工业部门所提供的生产资料生产而成的最终产品会有不同的去向,包括国内消费、资本形成与出口等.如图2所示,中国重化工业部门消耗的能源、铁矿石和石灰石都大量地隐含在形成资本的最终产品当中,在2012年中国重化工业部门消耗的能源、铁矿石和石灰石隐含在形成资本的最终产品当中的比例分别高达55%,70%和89%.而形成资本的最终产品主要来自于建筑业及机械设备相关的制造业部门.在2002~2012年期间,我国的房屋建筑、道路交通等基础设施建设部门和制造业部门经历了迅速扩张的过程,从而拉动了各类基础设施和机械设备等形成资本的最终产品的生产,使得对水泥、钢材、电力等由重化工业部门所提供的生产资料的需求增加,进而拉动了这一时期重化工业部门生产过程的资源消耗.但是,在这一粗放式的发展过程中也存在着非理性建设的问题.避免盲目地推进低水平重复的基建及工业项目的建设有利于减少对于相关生产资料的需求,从而从需求端的层面减少重化工业部门的资源消耗.

图2 隐含中国重化工业资源消耗在不同最终需求去向的分配

2.2 中国重化工业资源消耗的社会经济驱动力

中国重化工业部门的资源消耗量随时间推移的变化可以分解为资源强度、产业结构、最终需求结构、人均最终需求水平和人口这5大社会经济驱动力变化的影响.如表2所示可以识别出每一种社会经济驱动力对中国重化工业各类资源消耗的贡献度情况.

首先需要注意的一点是2002~2012年期间产业结构的变化对于中国重化工业部门化石能源和石灰石消耗量增加的驱动作用,以2002年中国重化工业部门资源消耗量为基准,产业结构的变化对于中国重化工业部门化石能源和石灰石消耗量增加的贡献度分别为+39%和+237%.这一结果也从侧面反映了这一时期我国在粗放式的发展模式之下大量布局一些相对高耗能的产业,基础设施建设相关的大量消耗石灰石及其下游产品的产业(尤其是建材和建筑业)迅速扩张,使得产业结构不断“重化”的发展轨迹.此外,产业结构的变化对于中国重化工业部门化石能源消耗量增加的贡献度不如石灰石资源显著,这与“十一五”以来国家节能降耗的政策力度不断加大,使得产业结构也呈现出更加能源节约型的特征存在一定关联,而国家对于石灰石资源的消耗则缺乏相应的政策工具支撑.

表2 五大社会经济驱动力对2002~2012年期间中国重化工业资源消耗变化的贡献度(%)

注:参考基准值为2002年中国重化工业各类资源的消耗量.

其次,2002~2012年期间资源消耗强度的变化对于中国重化工业部门的3类资源消耗量驱动作用的方向存在差异.资源消耗强度的变化对于中国重化工业部门的化石能源和石灰石消耗量的减少有驱动作用,其贡献度分别为-108%和-265%.这一现象一方面体现了相应行业的生产技术的进步,另一方面也与国家大力推进节能降耗存在联系.然而,铁矿石消耗强度在这一时期内是增加的(尤其是2002~ 2007年表现的特别明显),从而对于中国重化工业部门的铁矿石消耗量的增加有较明显的贡献作用,贡献度达+152%.虽然铁矿石消耗强度这一社会经济驱动力可以在一定程度上反映与铁矿石相关的生产技术的情况,但其中也存在着经济因素的影响.由于铁矿石消耗强度与各部门的总产出这样一个经济指标息息相关,因此这一时期内铁矿石消耗强度的增加表明了相关部门总产出的增长速度不及铁矿石消耗量的增长速度.事实上,在这一期间内,我国钢铁工业相关的产业处于快速发展阶段,使得对于铁矿石的需求量大大增加,而国内开采的铁矿石的量较为有限且往往品位较低,使得我国对于进口铁矿石的依存度迅速增加.然而进口铁矿石的价格也在这一时期内一直呈现走高的趋势[40],从而使得大量依赖进口铁矿石的钢铁工业及其相关产业的利润空间被压缩,甚至出现了巨额亏损的现象,一个直接的后果就是消耗单位重量的铁矿石所得到的货币价值总产出下降. 当前我国经济进入新常态,钢铁相关行业出现产能过剩,铁矿石市场逐渐呈现出供过于求的态势,进口铁矿石价格在近年来也呈现下降的趋势,预计2017年铁矿石消耗强度将会出现下降,从而驱动中国重化工业部门的铁矿石消耗量的下降.

最后,人均最终需求水平的变化对中国重化工业部门的3类资源消耗量的增加有非常显著的贡献作用.2002~2012年期间,人均最终需求水平的变化对中国重化工业部门的化石能源、铁矿石和石灰石消耗量增加的贡献度分别高达+247%,+460%和+291%.这一结果体现了2002~2012年期间中国经济发展水平的提高对于中国重化工业部门资源消耗量增加的驱动作用,从另一个角度印证了这一期间我国的经济发展与资源消耗尚未脱钩,资源消耗量未达到峰值,仍处于资源消耗的EKC曲线的增长区间内的事实.此外,最终需求结构和人口的变化对于2002~2012年期间中国重化工业部门的3类资源消耗量变化的影响不显著,这一结果与其他相关研究的结果类似[16].

3 结论

3.1 重化工业的3类资源消耗主要隐含在建筑业和其他制造业部门的最终产品中,表明了建筑业和其他制造业部门的生产活动对于重化工业的依赖程度非常高.

3.2 重化工业的3类资源消耗主要隐含在形成资本的最终产品中,表明房屋等基础设施的建设和机械性生产资料的生产对于重化工业具有很高的依赖程度.

3.3 产业结构对中国重化工业部门的化石能源和石灰石的消耗量增加的贡献度分别达到+39%和+237%,体现了这一时期我国产业结构不断“重化”的趋势.

3.4 资源消耗强度的变化对中国重化工业部门的化石能源和石灰石的消耗量减少的贡献度分别达到-108%和-265%,体现了相应行业生产技术的进步与国家节能降耗相关政策工具的作用.但是资源消耗强度的变化对中国重化工业部门的铁矿石消耗量增加的贡献度达到了+152%,体现了我国铁矿石对外依存度不断增加,钢铁相关行业在该期间利润空间被压缩的特殊发展轨迹.

[1] Jordi Roca, Vicent Alcántara. Energy intensity, CO2emissions and the environmental Kuznets curve, the Spanish case [J]. Energy Policy, 2001,29(7):553-556.

[2] 徐 明,张天柱.中国经济系统的物质投入分析[J]. 中国环境科学, 2005,25(3):324-328. Xu M, Zhang T Z. Material input analysis of China economic system [J]. China Environmental Science, 2005,25(3):324-328.

[3] 段 宁,李艳萍,孙启宏,等.中国经济系统物质流趋势成因分析 [J]. 中国环境科学, 2008,28(1):68-72. Duan N, Li Y P, Sun Q H, et al. An analysis for trends of material flow in China’s economy system and for reasons causing the trends [J]. China Environmental Science, 2008,28(1):68-72.

[4] Wang H M, Hashimoto S, Moriguchi Y, et al. Resource use in growing China - past trends, influence factors, and future demand [J]. Journal of Industrial Ecology, 2012,16(4):481-492.

[5] Yu Y D, Chen D J, Zhu B, et al. Eco-efficiency trends in China, 1978~2010: decoupling environmental pressure from economic growth [J]. Ecological Indicators, 2013,24:177-184.

[6] 王旭芳.我国能源消费的投入产出分析 [D]. 北京:中国人民大学, 2008. Wang X F. Input-output analysis of China’s energy consumption [D]. Beijing: Renmin University of China, 2008.

[7] 夏 炎,杨翠红,陈锡康.基于可比价投入产出表分解我国能源强度影响因素 [J]. 系统工程理论与实践, 2009,29(10):21-27. Xia Y, Yang C H, Chen X K. Analysis on determining factors of energy intensity in China based on comparable price input-output table [J]. Systems Engineering – Theory and Practice, 2009,29(10): 21-27.

[8] 罗思平,王 灿,陈吉宁.中国国际贸易中隐含能的分析 [J]. 清华大学学报(自然科学版), 2010,50(3):477-480. Luo S P, Wang C, Chen J N. Analysis of embodied energy in China’s international trade [J]. Journal of Tsinghua University (Science and Technology), 2010,50(3):477-480.

[9] 陈 磊,徐琳瑜.基于行业关联研究的广东省能源消费分析[J]. 中国环境科学, 2017,37(10):3972-3980. Chen L, Xu L Y. Energy consumption of Guangdong based on the industry linkage analysis [J]. China Environmental Science, 2017, 37(10):3972-3980.

[10] 黄宝荣,王 毅,张慧智,等.北京市分行业能源消耗及国内外贸易隐含能研究[J]. 中国环境科学, 2012,32(2):377-384. Huang B R, Wang Y, Zhang H Z, et al. Energy intensity in different sectors of the economy and energy embodied in trade of Beijing based on an input-output model [J]. China Environmental Science, 2012, 32(2):377-384.

[11] 许宪春,齐舒畅,杨翠红,等.国民经济各部门水资源消耗及用水系数的投入产出分析——2002年投入产出表系列分析报告之五 [J]. 统计研究, 2007,24(3):20-25. Xu X C, Qi S C, Yang C H, et al. Input-output analysis of water resources consumption and water input coefficient in national economic sectors: the fifth of researching report series on input-output tables of 2002 [J]. Statistical Research, 2007,24(3):20-25.

[12] 赵 旭,杨志峰,陈 彬.基于投入产出分析技术的中国虚拟水贸易及消费研究 [J]. 自然资源学报, 2009,24(2):286-294. Zhao X, Yang Z F, Chen B. Study on Chinese virtual water trade and consumption in an input-output framework [J]. Journal of Natural Resources, 2009,24(2):286-294.

[13] Shao L, Guan D B, Wu Z, et al. Multi-scale input-output analysis of consumption-based water resources: method and application [J]. Journal of Cleaner Production, 2017,164:338-346.

[14] Zhang C, Anadon L D. Life cycle water use of energy production and its environmental impacts in China [J]. Environmental Science & Technology, 2013,47(24):14459-14467.

[15] 张霄阳,陈定江,朱 兵,等.基于MRIO对铁矿石开采生态补偿新机制的探讨 [J]. 中国环境科学, 2016,36(11):3449-3455. Zhang X Y, Chen D J, Zhu B, et al. A new eco-compensation mechanism for iron ore extraction based on multi-region input-output analysis [J]. China Environmental Science, 2016,36(11):3449-3455.

[16] Liang S, Liu Z, Crawford-Brown D, et al. Decoupling analysis and socioeconomic drivers of environmental pressure in China [J]. Environmental Science & Technology, 2014,48(2):1103-1113.

[17] Wang H M, Tian X, Tanikawa H, et al. Exploring China’s materialization process with economic transition: analysis of raw material consumption and its socioeconomic drivers [J]. Environmental Science & Technology, 2014,48(9):5025-5032.

[18] Ang B W, Zhang F Q, Choi K H. Factorizing changes in energy and environmental indicators through decomposition [J]. Energy, 1998, 23(6):489-495.

[19] 隗斌贤,顾继红,黄 敏.基于IO-SDA模型的浙江省外贸隐含碳影响因素分析 [J]. 统计研究, 2012,29(1):101-105. Kui B X, Gu J H, Huang M. Analysis of influential factors of embodied carbon in Zhejiang’s foreign trade based on IO-SDA model [J]. Statistical Research, 2012,29(1):101-105.

[20] 陈锡康,杨翠红.投入产出技术 [M]. 北京:科学出版社, 2011:25. Chen X K, Yang C H. Input-output technique [M]. Beijing: Science Press, 2011:25.

[21] Leontief W W. Input-output economics [M]. New York: Oxford University Press, 1986.

[22] 李景华.SDA模型的加权平均分解法及在中国第三产业经济发展分析中的应用 [J]. 系统工程, 2004,22(9):69-73. Li J H. A weighted average decomposition method of SDA model and its application in Chinese tertiary industry development [J]. Systems Engineering, 2004,22(9):69-73.

[23] Dietzenbacher E, Los B. Structural decomposition techniques: sense and sensitivity [J]. Economic Systems Research, 1998,10(4):307-324.

[24] Liang S, Wang H X, Qu S, et al. Socioeconomic drivers of greenhouse gas emissions in the United States [J]. Environmental Science and Technology, 2016,50(14):7535-7545.

[25] Yamakawa A, Peters G P. Structural decomposition analysis of greenhouse gas emissions in Norway 1990~2002 [J]. Economic Systems Research, 2011,23(3):303−318.

[26] 许宪春.2002年中国投入产出表 [M]. 北京:中国统计出版社, 2006: 136-239. Xu X C. 2002 input-output table of China [M]. Beijing: China Statistics Press, 2006:136-239.

[27] 彭志龙.2007年中国投入产出表 [M]. 北京:中国统计出版社, 2009: 138-241. Peng Z L. 2007 input-output table of China [M]. Beijing: China Statistics Press, 2009:138-241.

[28] 程子林.2012年中国投入产出表 [M]. 北京:中国统计出版社, 2015: 132-271. Cheng Z L. 2012 input-output table of China [M]. Beijing: China Statistics Press, 2015:132-271.

[29] Liang S, Feng T T, Qu S, et al. Developing the Chinese environmentally extended input-output (CEEIO) database [J]. Journal of Industrial Ecology, 2016,21(4):953-965.

[30] 夏 明,张红霞.投入产出分析:理论、方法与数据[M]. 北京:中国人民大学出版社, 2013:223. Xia M, Zhang H X. Input-output analysis: theories, methods and applications [M]. Beijing: China Renmin University Press, 2013:223.

[31] 文兼武.中国能源统计年鉴2014 [M]. 北京:中国统计出版社, 2015:64-329. Wen J W. China energy statistical yearbook 2014 [M]. Beijing: China Statistics Press, 2015:64-329.

[32] 中国钢铁工业年鉴编辑委员会.中国钢铁工业年鉴2003 [M]. 北京:冶金工业出版社, 2003:1-553. The Editorial Board of China Steel Yearbook. China steel yearbook 2003 [M]. Beijing: Metallurgical Industry Press, 2003:1-553.

[33] 中国钢铁工业年鉴编辑委员会.中国钢铁工业年鉴2008 [M]. 北京:冶金工业出版社, 2008:125-134. The Editorial Board of China Steel Yearbook. China steel yearbook 2008 [M]. Beijing: Metallurgical Industry Press, 2008:125-134.

[34] 中国钢铁工业年鉴编辑委员会.中国钢铁工业年鉴2013 [M]. 北京:冶金工业出版社, 2013:309-324. The Editorial Board of China Steel Yearbook. China steel yearbook 2013 [M]. Beijing: Metallurgical Industry Press, 2013:309-324.

[35] 陈颂今.中国矿业年鉴2003 [M]. 北京:地震出版社, 2004:462-471. Chen S J. China Mining Yearbook 2003 [M]. Beijing: Seismological Press, 2004:462-471.

[36] 陈颂今.中国矿业年鉴2008 [M]. 北京:地震出版社, 2009:418-429. Chen S J. China Mining Yearbook 2008 [M]. Beijing: Seismological Press, 2009:418-429.

[37] 陈颂今.中国矿业年鉴2013 [M]. 北京:地震出版社, 2014:526-539. Chen S J. China Mining Yearbook 2013 [M]. Beijing: Seismological Press, 2014:526-539.

[38] 马 丽,刘立涛.基于发达国家比较的中国能源消费峰值预测[J]. 地理科学, 2016,36(7):980-988.Ma L, Liu L T. Peak forecast of Chinese energy consumption based on developed countries’ trends [J]. Scientia Geographica Sinica, 2016, 36(7):980-988.

[39] Alcántara V, Padilla E, Piaggio M. Nitrogen oxide emissions and productive structure in Spain: An input–output perspective [J]. Journal of Cleaner Production, 2017,141:420-428.

[40] 袁 博,王国平,李钟山,等.我国进口铁矿石定价权缺失的原因和对策建议 [J]. 中国矿业, 2017,26(10):97-100. Yuan B, Wang G P, Li Z S, et al. Study on the reasons and countermeasures of China’s lacking of imported iron ore pricing power [J]. China Mining Magazine, 2017,26(10):97-100.

Socioeconomic drivers of resource consumption of China’s heavy chemical industry sectors.

PIAN Zi-hao1, CHEN Ding-jiang1,2*, ZHU Bing1,2, HU Shan-ying1,2

(1.Center for Industrial Ecology, Department of Chemical Engineering, Tsinghua University, Beijing 100084, China；2.Institute of Circular Economy, Tsinghua University, Beijing 100084, China)., 2019,39(7)：3113~3119

Based on input-output model and input-output table of China, we studied the distribution of embodied resource consumption of China’s heavy chemical industry by sectors and final demand types, and the contribution of five socioeconomic drivers to resource consumption of China’s heavy chemical industry. Results quantitatively confirmed that more than 75% of resource consumption of China’s heavy chemical industry was embodied in the final products of construction industry and other manufacturing industries, more than 55% was embodied in the final products that formed capital in 2012. Resource intensity contributed to the decrease of fossil energy and limestone consumption of China’s heavy chemical industry by -108% and -265% from 2002 to 2012, but drove the increase of iron ore consumption by +152%. Production structure contributed to the increase of fossil energy and limestone consumption of China’s heavy chemical industry by +39% and +237%. Final demand level per capita contributed to the increase of all the three kinds of resource’s consumption of China’s heavy chemical industry by +247%, +460% and +291%.

heavy chemical industry；input-output model；structural composition analysis；demand-based analysis

X196

A

1000-6923(2019)07-3113-07

偏子豪(1993-),男,湖北襄阳人,清华大学化学工程系硕士研究生,主要从事投入产出方法与资源环境问题相关的研究.

2018-12-12

国家自然科学基金委员会国际(地区)合作与交流项目(71161140354)

* 责任作者, 副教授, chendj@mail.tsinghua.edu.cn