成渝地区工业大气污染物排放的时空演化格局及关键驱动因素

陈 敏，李振亮*，段林丰，蒲 茜，吕平江，何 敏，陈军辉

1. 重庆市生态环境科学研究院，重庆市城市大气环境综合观测与污染防控重点实验室，重庆 401147

2. 四川省生态环境科学研究院，四川 成都 610041

成渝地区作为中国经济增长第四极、建设“美丽中国”先行区，近年来发展迅速，工业化取得显著成效的同时，环境污染问题也日益凸显[1]. 成渝地区位于长江上游，地处中国西南四川盆地，以成都市、重庆市为中心，是西部地区发展水平最高、发展潜力较大的区域，是推动“长江经济带”发展和“一带一路”建设的重要组成部分，在经济发展新常态下，严峻的生态环境成为制约推进成渝协同发展国家战略的重要因素. 当前，工业污染在我国环境污染中仍较为突出，在典型重工业城市群或城市大气污染源中工业污染源排放是其主要组成部分，占总污染负荷的50%～70%[2-5]，2019年川、渝两地工业SO2排放占SO2排放总量的63.5%，工业NOx占NOx排放总量的50.2%，工业烟(粉)尘占烟(粉)尘排放总量的83.3%[6]. 工业内部的产业结构及各产业污染水平是影响工业污染排放的主要原因，而且成渝地区作为我国东部产业转移承接的重心，随着产业结构变换，该地区工业大气污染排放格局也必然发生相应变化，在同样的经济总量条件下不同工业结构和布局对环境污染的影响存在较大差别[7]，因此，深入研究成渝地区工业大气污染排放的空间分布格局及其影响因素，对于摸清该地区工业污染的现状和成因、制定科学合理的污染防治政策具有重要的指导意义.

目前，在不同空间尺度上的工业大气污染物排放时空分布与演化研究已有较好基础. 相关研究多采用重心转移曲线[8]、核密度估计[9]、空间自相关分析[8,10]等方法，主要围绕不同污染物排放的不同地域间的差异性、污染排放的重心演变过程、空间相关性开展研究，而从范围和尺度上看，既有研究多以全国、省域或长江经济带、京津冀、长三角等重点区域作为探讨对象，对成渝地区的研究仍相对较少，同时也缺少对地级市以及市区县尺度的研究. 工业大气排放影响因素研究方面，常用方法涉及对数平均迪氏(LMDI)分解模型[11-12]、空间计量模型(SLM/SEM)[13]、环境库兹涅茨曲线(EKC)[14-16]、STIRPAT模型[17]、时变参数向量自回归(VAR)模型[18]和偏最小二乘法[19]等，其中LMDI模型因其不产生残差，能解决零值问题，可以测算某一影响指标在任何时期的变化对污染排放的净影响[20]. 越来越多的学者将LMDI方法引入到工业污染物排放变化的因素分解中，而使用LMDI方法分解的影响因素尚不够全面，考虑能源消耗强度变化对污染物排放影响的研究较少，对产业结构的影响研究也都单一地考虑三次产业比例调整带来的减排效应，针对工业内部各行业结构变化影响因素的研究较少.

该文以成渝地区为研究对象，构建工业大气污染物排放和社会经济数据库，选取SO2、NOx和烟(粉)尘3项大气污染物排放指标，通过对2013-2019年大气污染排放分布格局解析，研究《大气污染防治行动计划》(简称“《大气十条》”)发布以来成渝地区工业大气污染物的减排过程，并运用LMDI模型对工业大气污染排放的影响因素进行解析，量化各因素对工业污染排放的影响程度，以期为成渝地区协调推动产业转型升级和空气质量改善，加快绿色发展提供科学参考和建议.

1 材料与方法

1.1 数据来源

为较全面地考察区域工业大气污染时空演化规律以及排放影响驱动因素，构建了2013-2019年地市、区县单元的成渝地区大气污染物排放和社会经济数据库，成渝地区地市级及区县级行政单元共55个，包括四川省17个地级市和重庆市38个区县，并将55个行政单元划分为六大区域：成都平原经济区、川东北经济区、川南经济区、重庆市主城都市圈、渝东北城镇群和渝东南城镇群(见图1). 大气污染物排放和社会经济数据主要来自《中国环境统计年鉴》(2013-2020年)[6]、《中国城市统计年鉴》(2013-2020年)[21]，区县级统计数据来自四川省、重庆市环境统计数据. 污染物排放量影响因素分解涉及的常住人口、国内生产总值、工业分行业能源消费量、工业分行业增加值、工业分行业污染物排放量均来自相应年份的《四川省统计年鉴》(2013-2020年)[22]和《重庆市统计年鉴》(2013-2020年)[23]. 各地区生产总值和工业增加量均以2013年的不变价格进行换算.

1.2 研究方法

1.2.1空间分布格局

图 1 成渝地区六大区域划分Fig.1 Division of six areas in Chengdu-Chongqing Region

Tobler[24]提出的地理学第一定律认为地理事物或属性在空间分布上互为相关，且距离越近相关性越强. 因此，引入全局自相关Moran′s I指数(I)测度空间邻近区域的总体相似程度和关联特征，I＞0表示相似属性集中，I＜0表示相异属性集中，I=0表示随机分布，绝对值体现了自相关强度，计算公式详见文献[24-25]，并用标准化Z值检验I的显著性，Z(I)＞1.96且通过5%的显著性水平检验(P＜0.05)，表明存在显著空间相关性，计算公式参照文献[25].

全局空间自相关反映了工业大气污染物排放在整个成渝地区的空间关联，但并未评价城市单元的局部空间分布结构，无法反映区域内部的空间集聚特征[26]. 采用Getis-Ord Gi*统计量〔Gi*(d)〕测度工业污染在局部空间的依赖性及异质性，对Gi*(d)值进行Z检验，Z正值越高，则表示高值聚类，即“热点区”，Z负值越高，则表示低值聚类，即“冷点区”，计算公式参照文献[27].

1.2.2影响因素分解

LMDI模型是1988年在指数分解法(index decomposition analysis，IDA)基础上提出的一种因素分解模型[28]，最初主要应用于碳排放影响因素的研究[29-30]. 越来越多学者将LMDI方法引入到工业污染物排放变化的因素分解中，对于影响因素的选择，通常从经济规模增长、人口规模变化、产业结构变化和技术效率进步等方面进行解析[10-11]. 该文选择人口规模、经济发展、产业结构、工业内部结构、能耗强度效应和排放强度效应6个方面的影响因素进行分析.指标选取如表1所示.

表 1 工业污染排放影响因素指标选取及含义Table 1 Index selection and meaning of influencing factors of industrial pollution emissions

依据选取的6种影响因素建立Kaya恒等式：

式中：Ct为t时期工业大气污染物排放量，t；n为工业行业数量；Cit为i行业第t年的工业大气污染排放量，t；P为区域年末总人口数，104人；GDP为区域地区生产总值，108元；GDPin为区域工业增加值，104元；Vi为i行业工业增加值，104元；Ei为i行业能源消耗量，t(以标煤计)；Ci为i行业大气污染排放量，t；Cpop,i、Ceco,i、Cstr,i、Cins,i、Ceni,i、Ctec,i分别为人口规模效应、经济发展效应、产业结构效应、工业内部结构效应、能耗强度效应和排放强度效应.

基于LMDI模型，分解工业大气污染排放量的影响因素，定量分析各因素对工业大气污染排放变化的影响，各因素对工业污染排放的贡献量表示如下：式中：Ci0为基期i行业的大气污染物排放量，t/a；ΔCpop,it,0为人口规模效应对i行业大气污染排放的贡献量，t/a；ΔCeco,it,0为经济发展效应对i行业大气污染排放的贡献量，t/a；ΔCstr,it,0为产业结构效应对i行业大气污染排放的贡献量，t/a；ΔCins,it,0为工业内部结构效应对i行业大气污染排放的贡献量，t/a；ΔCeni,it,0为能耗强度效应对i行业大气污染排放的贡献量，t/a；ΔCtec,it,0为排放强度效应对i行业大气污染排放的贡献量，t/a. 若贡献量为负，说明该效应抑制工业大气污染物排放，反之则促进工业大气污染物排放.

2 结果与讨论

2.1 污染排放时间演变特征

从成渝地区工业大气污染物排放和人均GDP变化趋势(见图2)来看，2013-2019年，随着人均GDP平稳增长，工业SO2、NOx和烟(粉)尘分别减排77.7%、54.4%和48.9%，与全国78.5%、64.5%和49.3%的减排成效[6]相当，其中，SO2和NOx排放整体上呈逐年下降趋势，由2013-2017年的“加速减排期”过渡到2017-2019年的“稳定减排期”，烟(粉)尘排放则先上升后下降，经历“短时增长期-加速减排期-稳定减排期”3个阶段.

图 2 2013-2019年成渝地区大气污染排放总量与人均GDP变化Fig.2 Changes in total industrial pollutant emissions and GDP per capita in Chengdu-Chongqing Region from 2013 to 2019

成渝六大区域大气污染排放统计(见表2)显示，重庆市主城都市圈工业SO2、NOx和烟(粉)尘减排量分别为30.9×104、13.4×104、5.8×104t，对成渝地区工业大气污染物减排的贡献率分别达37.0%、42.9%、31.9%，均高于其他区域，成渝地区的减排主要来自重庆市主城都市圈.

表 2 2013—2019年成渝地区6大区域大气污染物减排贡献Table 2 Statistics on air pollutant emission reduction of six areas in Chengdu-Chongqing Region from 2013 to 2019

2.2 污染排放空间分布格局与变化

为探讨各城市工业大气污染排放空间分布态势，利用ArcGIS 10.2软件将2013-2019年成渝地区55个行政单元的工业大气污染排放量按照Jenks最佳自然断裂点划分为低、中低、中、中高和高5个排放等级，图3、4分别显示了2013年和2019年大气污染物排放空间分布格局与变化情况：①总体来看，成渝地区工业大气污染物高排放区从连片分布向零星分布格局转变，工业SO2、NOx、烟(粉)尘高排放城市占比分别从2013年的34.5%、25.5%和20.0%降至2019年的1.8%、3.6%和5.4%，转变为以中高和中排放城市为主，低排放城市占比从12.7%升至52.7%，其中重庆市主城都市圈的九龙坡区、南岸区、荣昌区、渝东北城镇群的城口县、川东北经济区的广安市和川南经济区的自贡市等城市排放量明显降低，降幅均在90%以上. ②2013年，工业大气污染物高排放区主要分布于成都平原经济区的成都市-德阳市-绵阳市、成都市-眉山市-乐山市两条产业经济发展高峰地带，川南经济区绝大部分城市，川东北的达州市、广安市和广元市一带，以及重庆市主城都市圈的部分区县，呈大面积圈层式格局，这可能与以重庆市、成都市为中心的“双核”辐射型产业空间格局有关，到2019年，中、高排放区逐渐向成都平原经济区南部区域和川南经济区北部区域聚集，排放集中于长寿区-綦江区-泸州市-自贡市-内江市-乐山市等沿江城市，是成渝地区典型的老工业基地，与工业大气污染物排放高值分布相一致.

图 3 2013年成渝地区工业大气污染物排放量分布Fig.3 Spatial distribution of industrial air pollution in Chengdu-Chongqing Region in 2013

图 4 2019年成渝地区工业大气污染物排放量分布Fig.4 Spatial distribution of industrial air pollution in Chengdu-Chongqing Region in 2019

图 5 2013—2019年成渝地区工业大气污染物减排贡献度分布Fig.5 Spatial distribution of emission reduction contribution in Chengdu-Chongqing Region from 2013 to 2019

按污染物减排贡献率＜0、0～1%、1%～2%、2%～5%和≥5%由低到高分级，结果如图5所示. 整体上看，成渝地区全域的大气污染物均有不同程度的减排，其中，减排贡献率≥5%的城市占比为10.9%～12.7%，主要分布于成都平原经济区的成都市、重庆市主城都市圈的江津区、涪陵区和川南经济区的宜宾市、广安市、内江市等各区域内重点城市及其邻近地市. 值得注意的是，在各大片区内仍有局部地区大气污染物减排贡献度小于0，污染物排放呈增加态势，主要分布于成都平原经济区的雅安市、川东北经济区的南充市、巴中市、渝东北城镇群的梁平区、忠县等地区，尽管这些地区目前经济发展落后且污染物排放强度偏低，但随着城镇化和工业化发展，需充分重视其污染排放增长趋势，从严实施产业发展环境准入制度的同时，强化大气污染物治理能力提升.

2.3 工业大气污染物排放的空间关联与变化

2013-2019年成渝地区工业大气污染物排放量的全局Moran′s I指数(I)均为正值(见表3)，其正态统计量Z值均通过显著性检验. 同时，工业SO2、NOx和烟(粉)尘排放量的I值呈上升趋势，三者分别增加了0.58、1.10和0.06，2019年Z(I)均大于1.96临界值且均通过了显著性检验(P＜0.05)，表明成渝地区工业大气污染排放分布呈现正相关并趋于集聚，且地市单元间的空间关联程度呈增大趋势.

表 3 工业大气污染物排放量全局Moran′s I指数值Table 3 The statistical values of Moran′s I for the industrial pollution

图 6 2013—2019年成渝地区工业大气污染物排放的热区变化Fig.6 The spatial changes of hotspots of industrial air pollutants discharge in Chengdu-Chongqing Region from 2013 to 2019

为进一步揭示成渝地区内部工业大气污染的局域空间关联特征，分别计算2013年、2019年地市单元大气污染物排放量的Gi*(d)指数，并按自然断点法(Jenks)将Gi*(d)指数从高到低划分为热点区、次热点区、次冷点区和冷点区4种类型(见图6)，绘制局部空间关联变化图，寻找成渝地区重点控制区域.整体上看，成渝地区工业SO2、NOx和烟(粉)尘排放热度长期保持在成都平原经济区西南区域和川南经济区大部分区域，呈现越来越集中的态势，冷点地区多集中在重庆市主城都市圈个别区以及渝东南、渝东北一带，“西热-东冷”格局分化显著；另外，成渝地区各大气污染物排放的次热点区逐渐减少，工业SO2、NOx、烟(粉)尘排放量次热点区分别有11、9、8个区域转变为次冷区，冷点区范围变化不大. 通过关联工业大气综合排放基数与减排量之间的空间关系，识别高排放-高减排、高排放-低减排、低排放-高减排和低排放-低减排区域. 结果显示，工业大气污染物的高排放-高减排区包括成都平原的成都市、川南的宜宾市、内江市、川东北的广安市、广元市以及重庆市主城都市圈的涪陵区、江津区、南川区、綦江区、长寿区等地，此类地区重工业占主导、产业开发密度大，同时大气污染物排放基数大、单位工业增加值污染物排放量高， 是《大气十条》实施和“打赢蓝天保卫战”的主要减排阵地，目前已取得较好减排效果. 同时，成渝地区还分布有少量高排放-低减排地市，包括成都平原的眉山市、川南的泸州市、川东北的达州市和主城都市圈的永川区等地，此类区域环境效益较差，需加快产业结构升级、落后产能淘汰以及清洁能源利用，加强环境准入管控， 切实降低区域性环境负荷. 对于渝东北的城口县、巫山县、渝东南的石柱县等处于环境效益趋好的低排放-高减排区，可对其实施以鼓励类政策为主的环境引导手段.

2.4 污染排放影响因素分析

利用LMDI模型对成渝地区工业SO2、NOx和烟(粉)尘排放量按2.1节所述不同阶段进行影响因素分解，结果如图7所示. 整体来看，影响污染物排放的因素中：①在污染物减排各阶段，人口和经济增长对污染物排放量始终起正向拉动作用，“十二五”和“十三五”期间成渝地区经济发展快速，其对工业SO2、NOx和烟(粉)尘的在各阶段减排量的负贡献占40%以上，经济发展是污染物增排的首要驱动因素，相较于经济发展效应，3个阶段人口增速均较低且稳定，人口规模效应对成渝地区工业大气污染排放贡献量为正值且均维持在较低水平，在整体影响结构中仅占极小份额，对工业大气污染物排放的影响总体较小. ②排放强度效应对各污染物的减排贡献均占主导地位，贡献占比均在80%以上，表明从2013年“大气十条”发布并实施以来，成渝地区环保监管力度逐步加强、工艺技术和污染物治理技术大幅提升，对大气污染物排放呈现明显的抑制作用. 尤其是对SO2的改善效果最为突出，主要源于各类污染物管控进程的不同步，“大气十条”期间减排的重心主要侧重于重点行业的SO2深度治理、火电燃煤机组超低排放改造等，对于NOx和烟(粉)尘的控制相对滞后，随着2018年臭氧污染逐渐成为影响空气质量的关键因子，工业NOx减排力度加大，逐步推动水泥、玻璃等工业炉窑和锅炉烟气脱硝、低氮燃烧改造等控制措施的实施. ③产业结构调整对工业大气污染排放具有重要的抑制作用. 在产业结构效应方面，成渝地区工业增加值占GDP的比重逐年下降，从2013年的38.1%降至2019年的28.5%[22-23]，2013-2017年产业结构调整对污染物减排的抑制作用较为突出，在此期间抑制了21.7%～28.3%的污染物排放，2017年以后产业结构效应减排作用相对有所削弱，减排贡献相对不显著，这表明产业结构调整在未来工业大气污染物减排中仍有较大潜力可挖掘. ④能耗减排对污染物的减排贡献，除2013-2014年能耗减排对烟(粉)尘的排放有一定促进作用之外，随着降低“两高”行业能耗、提升能源使用效率等措施持续推进，2014-2019年，能耗强度效应对污染物的减排作用逐步显现，特别是在2017-2019年“稳定减排期”，能耗强度效应抑制了10.0%～18.5%的污染物排放，对污染物的减排发挥着越来越重要的作用. ⑤要特别指出的是，在各阶段中，工业内部结构效应对大气污染物的排放具有促进作用，与近年来钢铁、水泥、玻璃、陶瓷等传统重工业行业在工业总产值中的比重逐年提升有关.

图 7 成渝地区不同时期工业大气污染物排放影响因素贡献Fig.7 Contributions of the factors to the changes in the industrial pollutant emissions in different period

为更详细探究各城市的主要驱动力，选取成渝地区六大区域及高排放-高减排、高排放-低减排城市，运用LMDI分解模型计算2013-2019年各指标对工业大气污染物排放的贡献程度. 由于地市单元分行业数据获取的局限性，主要识别除工业内部结构效应以外的其他5项指标的影响(见图8). 排放强度效应方面，成渝地区各大片区及绝大部分高排放城市工业大气污染排放随工业技术和污染治理技术的提升而受到有效抑制，且因技术改善而获得的负贡献量均超过了经济发展效应带来的正贡献量.其中，减排效果最突出的片区为重庆市主城都市圈，2013-2019年期间工业大气污染物综合排放量下降70.4%，排放强度效应贡献了76.7%的减排量. 高排放城市中，减排量最大的江津区、广安市和宜宾市，排放强度效应分别贡献了80.2%、89.3%和74.7%的减排量，而在高排放-低减排的城市中，其贡献度仅占30.1%～55.4%，因此，高排放-低减排城市需注重工业生产技术和末端治理技术的提升. 产业结构效应对重点城市工业大气污染物排放减排效果并不明显. 而作为产业转移承接地区，受产业政策的影响，大量高耗能高污染的产业迁移落户，重庆沿江的示范区及周边区县诸如涪陵区、江津区、南川区、綦江区、长寿区和永川区等区县工业大气污染排放量随工业产值的增长而增加，产业结构效应呈现正贡献量. 因此，大力优化工业结构、提高能源资源利用效率、淘汰落后产能和重点发展高新技术产业是此类城市工业大气污染物减排的重要途径. 经济发展效应在各城市均是大气污染物排放的主要驱动因素，成渝地区各城市工业大气污染物的排放量均随经济规模的扩大而增加，在经济发展相对较好的成都市、宜宾市、内江市、泸州市、达州市等地，经济发展效应对工业大气污染物排放贡献较大. 人口规模效应对绝大多数城市的工业大气污染排放表现为正贡献量，但数值都很小，促进排放作用不明显.

图 8 2013-2019年成渝地区各区域效应指标贡献量分布Fig.8 Distributions of the contribution amount of each index in major areas of Chengdu-Chongqing Region from 2013 to 2019

3 结论

a) 成渝地区2013-2019年工业大气污染物高排放城市减少，低排放城市增多，减排量高值区集中分布在重庆市主城都市圈和川南经济区；从变化趋势看，高排放区从由大面积圈层式分布逐渐向成都平原经济区南部区域和川南经济区北部区域零星式分布转变.

b) 成渝地区工业大气污染排放呈明显的空间集聚态势，具有显著空间溢出效应，且空间关联程度呈增大趋势，需高度重视区域间协作. 工业大气污染物排放热区(高排放集聚区)主要分布于成都平原和川南经济区，且越来越集中；冷区(低排放集聚区)主要分布于重庆渝东南和渝东北地区，工业大气污染物排放的空间分布趋于极化，且呈现明显的“西热-东冷”分异格局.

c) 不同阶段经济发展效应始终是促进工业大气污染物排放的主要驱动因素，技术改善带来的排放强度效应对工业大气污染物的排放存在显著抑制作用，因各污染物控制进程的不同，改善效果差异较大. 产业结构调整对工业大气污染排放也具有一定的减排贡献，但受区域产业发展政策的影响，减排效果并不明显，甚至对成渝地区沿江产业转移承接地区的工业大气污染物排放具有促进作用. 能耗强度效应也随着持续落实降低能耗和提高能效等措施，2017年以来对污染物的减排发挥着越来越重要的作用. 而工业内部结构效应总体上促进了大气污染物的排放，与钢铁、水泥、玻璃、陶瓷等传统重工业行业比重逐年提高有关.