减污降碳协同视角下沿海制造业发达地区产业结构调整路径研究

吕一铮，曹晨玥，田金平,2*，陈吕军,2

1.清华大学环境学院，北京 100084

2.清华大学生态文明研究中心，北京 100084

中共中央政治局第二十九次集体学习指出，我国生态文明建设进入了以降碳为重点战略方向、推动减污降碳协同增效、促进经济社会发展全面绿色转型、实现生态环境质量改善由量变到质变的关键时期.碳达峰碳中和这一重大国家战略对各地区发展提出了新的要求.我国东部沿海地区经济发展起步较早，产业密集，制造业发达，控制碳排放量和持续削减排放强度面临突出挑战，但也为区域产业转型升级带来重大机遇.

工业领域污碳同源[1]，协同减排潜力巨大且能有力推动区域绿色转型[2].产业结构调整是其中一项行之有效的途径，可通过资源环境要素在不同生产率的部门间重新分配而推动经济高质量增长[3-4]，也是推动区域生态文明建设[5]、推进经济发展与排放脱钩的重要手段和驱动力.我国沿海地区以制造业为主导的发展模式面临着减污降碳等一系列环境问题[6-7]，因此，以资源环境要素约束驱动的产业结构调整为核心，探索减污降碳协同增效路径，具有重要的现实意义和研究价值.为此，需运用系统思考和全生命周期思想，基于区域经济、土地、产业、资源能源等多要素分析，精准识别污碳排放结构，系统量化污碳排放特征，深入揭示减污降碳协同效应及作用机理.

学者们针对我国沿海地区开展了产业结构调整路径研究，如Guo 等[8]以不同产业间的依存关系和污染物排放为约束提出了浙江省产业结构调整方案；Guo 等[9]将宁波市的18 个污染密集型工业行业作为研究对象，运用多准则决策模型预测了2020 年各行业产业结构调整路径；李健等[10]从产业转移视角出发分析了京津冀石化产业碳排放因素分解与减排潜力.近年来，较多文献从“双碳”目标出发开展相关研究，覆盖山东[11-12]、江苏[13]、浙江[14]、福建[15-16]和广东[17]等沿海省份以及部分地级市[18]，所使用方法包括扩展DEA 模型[19]、LEAP 模型等[20].以上工作探索了区域产业调整优化路径，但未能兼顾土地、经济、污染物和碳排放等要素的相关性，减污降碳协同视角下的产业调整路径尚待深入研究.

该文结合投入产出、多准则决策和情景分析等方法建立了区域产业结构优化调整模型，模型以能源、水资源、4 种主要污染物排放、碳排放为约束条件，以各产业增加值占比的变化程度为决策变量，以产业结构调整最平稳、减排幅度最大为准则.浙江省宁波市是典型的沿海制造业发达地区，“双碳”目标机遇与挑战并存，同时其历年市级层面的投入产出表均公开发布，数据可得性较高.因此，本文将模型应用于该市，可面向2030 年提出其产业结构优化调整路径，为区域减污降碳管理决策提供参考.

1 研究方法

1.1 模型搭建

模型从区域层面着手构建，遵循以下思路：首先分析产业结构以及各产业的经济和污染物指标，再预测目标年产业结构不变情况下目标年的各项指标变化情况，在此基础上开展产业结构调整，既能使区域经济产值达到预期规划，又能实现二氧化碳和各污染物的整体减排幅度最大的目标.模型框架见图1.

该研究的系统边界为区域行政边界，研究对象为区域规模以上工业企业及全部其他行业，行业门类依托当地投入产出表中经济行业分类.所用参数见表1.模型设置两类基准情景(BAU-1 和BAU-2)及产业结构调整情景(ISA)：BAU-1 情景假设一定时间尺度内产业结构维持不变(即目标年各产业增加值占经济总量的比值与基准年一致)；BAU-2 情景假设一定时间尺度内产业结构变化趋势维持不变，用指数函数拟合历年各产业增加值占比数据，得到目标年各产业增加值占比.ISA 是在BAU-2 基础上的产业结构调整情景，故决策变量选为产业结构调整因子

表1 模型中使用的各类参数及其定义Table 1 Definitions of key parameters used in the model

根据基准年至目标年总产业增加值的年均增长率(g)，可得目标年目标经济总量(i av)：

根据目标年各行业指标q的排放或消费强度(ρi,qt)，可得目标年指标q的总体排放/消费总量：

随着技术发展以及各类减排政策的推行，我国沿海地区4 种主要污染物和二氧化碳的排放量持续下降.基于各行业历年4 种主要污染物和碳排放数据以及能源与水资源消费数据，计算其排放/消费强度并进行拟合，得到各行业各指标的排放/消费强度自基准年到目标年的减少比例(di,q)，进而得到目标年各行业指标q的排放/消费强度(ρi,qt)：

因此，所有行业目标年指标q的排放/消费总量为

对于任一指标q，其目标年的排放/消费总量都应受总量限制，故模型存在如下约束：

决策变量Ki为产业结构调整因子.对于产业结构维持不变的BAU-1 情景，各行业产业增加值占比即为基准年的各行业产业增加值占比.因此，目标年各行业的产业增加值占经济总量的比例()以及目标年的经济总量(i avt)为

的取值范围为[l,m].由于产业结构调整无法保证连续性，故应设为离散参数，则不一定等于1，iav 与 iavt不一定相等.因此，该研究允许模型可行解的目标年经济总量与设定的目标经济总量间存在1%以内的偏差，即模型约束条件为

仅以各类总量与强度指标作为约束条件时，模型或有多个可行解，故筛选最优解如下：第一步应考虑产业结构调整尽可能平稳以减少政策管理成本，可表示为式(10)；若调整幅度相同，应使各类污染物的减排幅度与资源消费减少幅度最大，可表示为式(11).

式(10)和(11)为产业结构优化调整模型的目标函数.各目标函数及约束条件通过Excel 程序实现，解得最优解对应的决策变量

1.2 数据收集与分析

以宁波市开展案例研究，选取2019 年为基准年，2030 年为目标年，2014—2019 年为历史数据时段.产业结构由历史数据预测，经济增速、主要污染物排放、资源能源消耗总量和强度等变量经外生给定.

研究整合了投入产出表中原有的42 个部门，最终得到26 个行业，其中行业3～21 属于制造业.一方面考虑数据精度和可得性，将行业29～42 合并为第三产业；另一方面合并产值较小且类似的行业，将行业2～5合并为采矿类.2014—2019 年，26 个行业中的绝大多数K值范围为0.5～1.5，因为经济发展具有惯性，所以K的取值范围设为[0.5,1.5].

1.2.1 经济数据

假设2014—2030 年宁波市各产业最终消费、资本形成总额和流出的年均增速均保持恒定，由宁波市的42 个部门投入产出表计算得到基准年和目标年各产业的经济产出.其中资本形成总额可为负，其余各项最小值为0.

考虑价格变动因素，经济产出由GDP 增长率与GDP 当年价计算获得，是以2010 年为基期的GDP可比价[21].鉴于宁波市2019 年规上工业增加值占全部工业增加值的83%，加之实际统计过程中规下工业数据多为估算，该研究中经济总量是指扣除规下工业部分的地区生产总值.工业分行业增加值数据来自《宁波市工业产业能效》报告，亦未含规下工业.

1.2.2 主要污染物排放强度

各行业基准年4 种主要污染物的排放总量未见于公开数据，按以下方法估算：《浙江省自然资源与环境年鉴》历年工业总排放数据公布了排放总量前8位的主要工业行业具体排放数据和重点工业源整体排放总量数据，基于此，将剩余污染物排放量平均分摊至其他行业，使其排放强度相同，进而再将工业行业按该研究的分类进行合并，得到2019 年26 个行业各自的污染物排放强度.第一产业氨氮与COD 的排放数据亦参考《浙江省自然资源与环境年鉴》，增加值数据参考《宁波统计年鉴》.建筑业、第三产业的氨氮与COD 排放总量统计数据计入生活污水，其排放强度赋值为零.NOx排放主要来自化石能源消费[22]，参考文献报道的我国分行业各类能源消费的NOx排放因子[23-24]，故可根据各行业各类能源消费数据估算第一产业、建筑业和第三产业的NOx排放总量.

1.2.3 碳排放总量及强度

能源消耗引起的碳排放为浙江省碳排放的主体[25].该研究依据《能源消耗引起的温室气体排放计算工具指南》计算一次能源消耗引起的碳排放.首先，综合《宁波市工业产业能效》和历年《宁波统计年鉴》，分别分析第一产业、工业、建筑业、第三产业的等价值能源消费总量以及总用电量；其次，依据《中国能源统计年鉴》中浙江省分品种能源消费数据，按各行业等价值能源消费总量的比例估算宁波市各行业除用电量以外的各类能源消费总量数据；最后，参考《省级温室气体编制清单指南》推荐排放因子，计算宁波市第一产业、建筑业和第三产业由能源消耗引起的碳排放总量.工业细分行业能源消费数据参考历年《宁波统计年鉴》.

工业过程碳排放核算参考IPCC 指南[26-27]以及宁波市水泥与钢铁生产过程.参考历年《宁波统计年鉴》中水泥生产总量以及《浙江温室气体清单编制指南》(2018 年修订版)，熟料比例取63%，排放因子取0.538.粗钢及生铁产量来自《宁波统计年鉴》，排放因子参考IPCC 指南.由能源和工业过程碳排放量可得到各行业排放总量，进一步计算得到其排放强度.

1.2.4 水和能源消耗总量及强度

参考《宁波市水资源公报》公布的第一产业、建筑业、第三产业等历年生产用水量计算水和能源消耗总量及强度.工业细分行业新鲜水用量参考《宁波工业产业能效》；各行业能源消费总量数据参考《宁波工业产业能效》，统一采用等价值口径能源消费数据.

1.3 模型目标设定

以2014—2019 年工业行业整体4 种污染物的排放强度为基准，拟合得到2030 年的排放强度，并计算基准年至目标年期间排放强度的降幅，将其作为23个工业行业排放强度降幅(见图2).其他行业及其余指标的目标年排放强度及消费强度降幅由拟合得到.

宁波市“十四五”规划提出，2035 年地区生产总值将在2020 年基础上翻一番.基于此，该研究设置3种不同年均经济增速的ISA 情景：慢速，4.5%；中速，5.5%，即2035 年实现“十四五”规划的翻一番目标；快速，6.5%，即2030 年提前达到翻一番目标.

2014—2019 年宁波市各项经济环境数据见表2.

表2 2014—2019 年宁波市各项经济环境数据Table 2 Economic and environmental performance of Ningbo City from 2014 to 2019

能源消费方面，《浙江省绿色循环低碳发展“十四五”规划》(简称“《浙江绿色规划》”)强调能源消费“双控”，到2025 年万元国内生产总值能耗持续下降.宁波市万元增加值能耗由2014 年的0.51 t/(104元)(以标准煤计，下同)逐年等幅降至2019 年的0.41 t/(104元)，假设该趋势至少可维持至2025 年，则2030 年能耗限额设为0.28 t/(104元).《浙江绿色规划》提出浙江省2025 年等价值能源消费总量不超过3×108t(以标准煤计，下同）.2019 年，浙江省等价值能源消费共计2.24×108t，宁波市等价值能源消费总量为0.38×108t，按比例计算，2030 年宁波市能源消费总量限额设为5 100×104t.

水资源消费方面，《浙江绿色规划》提出持续提升水资源利用效率，2025 年用水量强度需降至21.7 m3/(104元)，而《国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》(简称“《国家‘十四五’规划》”)中要求单位GDP 用水量下降16%左右.2019 年，宁波市用水量强度已降至7.5 m3/(104元)，假设当前的线性下降趋势至少可维持至2027 年，设置2030 年万元国内生产总值水耗限额为4.08 m3/(104元).同时，宁波市2014—2019 年总用水量已趋于平稳，且2019 年总用水量较2018 年略有下降，即宁波市经济部门用水量可能已达峰.因此，2030 年用水量总量限额设为2019 年的总用水量64 906×104t.

碳排放量方面，宁波市作为制造业发达地区应更快实现碳达峰.《浙江绿色规划》提出2025 年工业行业的万元增加值碳排放应明显下降，且碳排放总量应趋于稳定.虽然个别年份碳排放量显著上升，但整体而言规上工业碳排放量与全部产业的碳排放量均已达到较为稳定的水平.故而，该研究选取2014—2019年的最大排放量作为宁波市2030 年的碳排放限额，即2017 年的19 219×104t.

COD、氨氮、SO2和NOx四种主要污染物方面，宁波市2015—2020 年四者实际减排比例分别为41.4%、25.2%、30%和25.4%.《国家“十四五”规划》中提出NOx总量的减排幅度需在10%以上，氨氮与COD 总量的减排幅度在8%以上.综合考虑全国减排目标与宁波市的减排成果，设定COD、氨氮、SO2和NOx四种污染物总量的减排幅度分别为8 %、10%、15%、15%.

2 结果与讨论

2.1 模型预测分析及结果

假定各产业的污染物排放强度与资源消费强度以历史惯性趋势发展，根据2014—2019 年的数据拟合并预测2030 年的排放量或消费强度，计算得到2019年、2030年2种BAU情景和3种ISA情景下各行业的4种污染物排放量、碳排放量、水资源消费量与能源消费量(见表3).其中，BAU-1 与BAU-2 情景所设置的经济预期目标为2019—2030 年均经济增速5.5%，ISA-1、ISA-2、ISA-3 所设置的经济预期目标分别为同时段内年均经济增速4.5%(慢速)、5.5%(中速)、6.5%(快速).

表3 模型相关参数计算结果Table 3 Results of key parameters used in the model

BAU 与ISA 情景下4 种污染物排放总量均达标，说明宁波市在2019 年前污染物减排政策施行成果较好，4 种污染物排放总量在2020—2030 年的预测中已不再形成约束，这与宁波市政府制定“十四五”规划时首次不对4 种污染物排放量削减幅度进行规划的预期相符.然而，BAU-1 情景下，碳排放总量与能源、水资源消费总量均远超目标限额，说明为实现污染物减排与资源脱钩目标，产业结构调整势在必行；BAU-2 情景下，碳排放总量达标，而水资源与能源消费总量及强度约束未达标，说明近阶段宁波市应着重限制水资源与能源消费强度高的产业发展.

ISA-1、ISA-2、ISA-3 情景均为模型最佳方案下的排放量与消费量.由于限制了水资源与能源的消费强度，不同经济增速下水资源与能源消费总量限额有所不同，同时在BAU-2 情景考虑的产业发展惯性以外，这3 个情景进一步新增了产业结构调整的外在规制.在此前提下，3 种ISA 情景均实现了预期的经济发展、污染物减排与资源脱钩的目标.各情景下碳排放总量均远低于排放限额，但能源消费总量均与预期目标较为接近，说明其对模型的约束性较强；ISA-3情景下水资源消费总量与能源消费总量同时对模型形成紧约束.

为探究可能实现的最高经济增速，固定资源消费强度降幅，调整经济增速预期，发现模型在年均经济增速为7%时仍存在可行解，产业结构调整范围与幅度明显变大；而在年均经济增速为7.5%时，模型无解.这说明，为实现给定的生态环境建设目标，宁波市可能实现的最高经济增速为年均7%.

2.2 不同情景产业结构调整方案对比

宁波市2 种BAU 情景下的产业结构和3 种ISA情景解得的产业结构调整最优方案如图3 所示.总体而言，与基准情景相比，3 种ISA 情景下大多数行业的增加值占比变化较小；同时，3 种ISA 情景所得的产业结构调整结果非常相近，仅个别产业有细微变化，说明不同经济发展增速对模型结果的影响相对较小.在达成宁波市2030 年经济发展目标的上下可浮动范围内，3 种ISA 模型得到的产业结构调整结果均具有较大参考价值.具体地，与BAU-2 情景相比，3 种ISA 情景下多数行业增加值占比几乎无变化，仅行业1(第一产业)、行业8(石油、炼焦产品和核燃料加工品)、行业9(化学产品)、行业26(第三产业)增加值占比变化较为显著.其中，对于行业1、8、26，3 种ISA 情景及BAU-2 情景相对于基准年的变化趋势均一致，ISA 情景的变化幅度大于BAU-2 情景；对于行业9，二者的变化趋势相反，说明2014—2019 年化学产品行业增加值占比虽呈上升趋势，但实际的污染物排放强度或水资源、能源消费强度可能较高，形成紧约束，故ISA 情景模型预测缩减了其增加值占比.

进一步比较三种ISA 情景与BAU-1 情景中的各行业增加值占比，根据将各行业归纳为5 类：表示目标年增加值占比大幅减小；表示目标年增加值占比减小；表示目标年增加值占比基本不变；表示目标年增加值占比增加；表示目标年增加值占比大幅增加.

d) 1.1＜Ki≤1.7，包括行业12(金属制品业)、行业15(交通运输设备业)、行业21(金属制品、机械和设备修理服务业)和行业26(第三产业).这些行业在2014—2019 年增加值占比均有所提升.行业26 的碳排放强度约束较松，其余行业的消费强度均极低，但发展惯性不足.行业12、15、21 增加值占比的提升则主要源自发展惯性.

e)Ki＞1.7，包括行业18(仪器仪表业)和行业20(废品废料业).二者的基准年增加值占比均极低.行业20 的能源、水资源强度排名相对较高，但行业增加值占比的增幅同样很高；行业18 兼具较高的行业自身发展惯性以及较低的能源排放强度.

2.3 政策建议

为实现减污降碳协同增效，宁波市应根据行业特点开展产业结构调整，同时推进各行业的自身优化.

首先，应严格设置制造业的高准入门槛，并推进行业减污降碳.2019 年宁波市制造业的二氧化碳和4 种污染物排放强度均高于全行业平均值，未来10年中应尽可能通过提高新建制造业企业的准入门槛使之维持现有规模.根据模型结果，制造业中的化学产品业，石油、炼焦产品和核燃料加工产品业需严格限制其发展，金属制品业、交通运输设备业以及金属制品、机械和设备修理服务业则可维持惯性少量扩展.进一步地，3 种ISA 情景下，制造业增加值占全行业的比值均为30%～31%；而COD 和氨氮排放占比为99%，SO2占比为89%，NOx占比为74%～75%，碳排放占比为71%～73%，均显著高于行业增加值占比，因此，制造业还需通过清洁生产、产业共生和匹配末端治理技术等途径强化自身减污降碳实效.

其次，应在维持第一产业和采矿业既有规模的同时，重点提升水资源和能源利用率.根据历史数据，二者增加值占比在逐年下降，而水资源和消费强度极高，已成为限制其发展的“阿喀琉斯之踵”.例如，产业结构调整后，第一产业和采矿业的水资源消耗强度若能下降10%，则可节约1 109×104m3的用水量，占总水耗的2%以上.

再次，应牢牢握住电力、热力的生产与供应业的保障主体地位，推进行业减污降碳.该行业最明显的特点是碳排放量极大，占全产业的20%以上.因为该行业属于基础设施行业，为区域各类生产活动提供必备的能源，可以预料未来10 年间宁波市经济社会的发展将要求其进一步提供充分的能源保障.因此，该行业的主要对策可定为通过小容量机组升级替代、实施热电联产等途径降低碳排放量.

最后，应因地制宜鼓励发展高质量的第三产业和废品废料业.第三产业资源能源消耗少，碳排放量低，经济效益好，但发展惯性较弱，可以通过政策扶持和引导、资金投入等手段促进其良性发展.废品废料业能源资源消耗量低，又是处理城市废物的主体，具有变废为宝的意义；考虑到未来城市的发展对此行业的需求只增不减，应提供税收优惠等支持政策以鼓励其大力发展.

2.4 不确定性和敏感性分析

该模型大部分参数由政府计划或目标确定，而基准年至目标年间各行业各指标排放/消费强度的减少比例(dq)是根据各行业的历史惯性外推得出的，因此可能存在与实际情况的偏差.因此，需考虑dq的不确定性对模型结果的影响.该研究中，笔者通过假设dq的±10%波动来计算ISA-2 情景下产业结构调整的变化，结果表明，各行业结构调整参数的变幅均小于5%，因此dq的不确定性对结果影响不大.

2.1 节结果揭示了水资源和能源消费强度是模型的紧约束，因此调整二者的限制会影响调整的可行域范围，或许会改变模型的结果.由此，开展如下敏感性分析：以ISA-2 情景下的经济发展增速为基础，将水资源与能源消费强度的降幅分别设置为原参数的1.1 倍与0.9 倍，以探究其对模型结果的影响.由表4可见，设置不同降幅时，模型均存在可行解，且各情景下模型调整结果和参数T的差异较小.行业1(第一产业)、行业8(石油、炼焦产品和核燃料加工品)与行业9(化学产品业)在所有情景下均需在原有基础上进一步受到抑制，行业26(第三产业)则在所有情景下均需进一步鼓励发展.因此，产业结构优化调整路径设计中应重点关注以上行业.

表4 ISA-2 情景下的敏感性分析结果Table 4 Sensitivity analysis of the ISA-2 scenario

3 结论

a) 资源环境要素约束驱动的区域产业结构优化调整是推动减污降碳协同的重要途径.该研究以能源、水资源、4 种主要污染物和二氧化碳为约束，结合情景分析法，纳入全部经济部门建立多准则决策模型.模型结果显示，产业结构优化调整是破解资源环境要素约束、实现减污降碳协同增效的有效途径.

b) 将模型应用于典型制造业发达地区—浙江省宁波市，以揭示面向2030 年的区域产业结构优化路径.结果显示，水资源和能源消费总量对模型约束性较强，其次为碳排放的约束性；2020—2030 年宁波市预期实现累计经济增长97%(年均增速为7%)时，通过产业结构调整可实现二氧化碳和4 种污染物排放量达到预期控制目标.

c) 设置宁波市年均经济增长速率分别为4.5%、5.5%和6.5%的3 类情景，各情景下产业结构调整因子差别很小，说明制造业发达地区已步入产业结构调整的深水区.结果表明，制造业的碳排放、4 种污染物排放和水耗能耗占全行业的比值均明显高于其经济产值占比(约30%)，应采取结构优化措施限制其惯性发展.

d) 实践中建议宁波市严格控制高排放制造业的准入门槛，促进提升第一产业和采矿业的资源能源利用效率，重点推进电力、热力的生产与供应业等存量行业的减污降碳，鼓励发展高附加值第三产业和循环经济产业.