长三角工业减污降碳时空演变及其影响因素研究

王 菲，格桑卓玛，朱晓东

南京大学环境学院，江苏 南京 210023

习近平总书记在2023 年全国生态环境保护大会上明确了“双碳”承诺与自主行动的关系：“我们承诺的‘双碳’目标是确定不移的，但达到这一目标的路径和方式、节奏和力度则应该而且必须由我们自己作主，决不受他人左右”.为实现这一目标，亟需在特定领域提供符合实情的案例经验研究，科学有效地支撑我国自主行动实现“双碳”目标.根据中国城市二氧化碳排放数据集显示，2020 年长三角地区碳排放量占全国碳排放量的16.9%，其中工业部门碳排放量占比在70%以上.基于“碳污同源”的基本特征[1]，实现“双碳”目标要求推进减污降碳协同治理、实现减污降碳协同增效，我国生态文明建设已进入以降碳为重点战略方向、减污降碳协同增效的新阶段[2].长三角地区是我国推行减污降碳协同增效的重点区域，且工业部门是减污降碳协同治理的重要领域，因此有必要开展针对长三角地区工业部门的减污降碳协同效应评估分析，以制定更具有针对性的协同治理对策.

减污降碳协同效应研究是协同效益研究的相关分支，目前学术界对于减污降碳协同效应的定义还未达成统一认识，可依据“协同效益”的含义来阐述，协同效益可表述为在实施温室气体减排措施时产生的附带的大气污染物减排及其人群健康等效益，或在实施局地污染物减排时所产生的温室气体减排效益[3].国外研究通过实证分析研究大气污染物与碳排放的管控策略及其效应等[4]，主要关注能源政策、气候战略、大气污染物减排政策措施等方面，并较多使用数理模型方法进行模拟研究.Boyd 等[5]运用CGE 模型评估了美国征收能源税对于节约能源和减少二氧化碳排放所产生的协同效益.Syri 等[6]评估了《京都议定书》气候战略在芬兰可以避免的生态系统酸化损害和臭氧造成的健康影响.Tollefsen 等[7]研究了欧洲的空气污染控制政策对于温室气体的协同减排及挽回健康和农作物损失的效应.Kirchstetter 等[8]研究表明，美国城市黑炭浓度下降有利于缓解二氧化碳排放而引起的气候变暖问题，并产生一定的健康效益.国内学者主要针对不同层面、特定区域、特定行业进行了较为详实的研究，从时空特征、驱动因素及其空间异质性等角度进行减污降碳的协同效应评价，同时关注环境管理政策的减污降碳协同效应评估.如李飞等[9]研究了我国省域CO2-PM2.5-O3的时空关联效果并识别重点管控区域和分部门解析.唐湘博等[10]运用耦合协调模型分析全国、八大经济区以及各省份层面减污降碳协同效应的时空特征，并利用时空地理加权回归模型揭示了空间演化规律和作用机制.李云燕等[11]利用耦合协调度、空间杜宾和时空地理加权回归模型探究了京津冀城市群减污降碳协同效应的时空特征及其影响因素的异质性.杨儒浦等[12]构建了工业园区减污降碳协同增效评价指标体系并进行实证研究.余珊等[13]针对制造业采用协同效应系数进行减污降碳协同效果评估，并利用LMDI 模型量化分析了驱动影响因素.叶羽芳等[14-15]验证了地级市尺度、省级尺度碳排放权交易政策的减污降碳效应及其作用机制.

综上，学术界针对碳减排政策对大气污染物的协同减排效应、大气污染物减排措施对碳排放的协同减排效应、减污降碳政策的协同效应评价等方面开展了广泛研究.然而，目前研究受制于研究年限较短和统计资料的缺失，仍缺少对城市群尺度的实证分析，较少涉及重点行业减污降碳协同效应影响机制研究，现有案例经验不足，无法满足当前我国自主行动探索达到“双碳”目标与减污降碳协同增效的现实需求.鉴于此，该研究对特定区域及特定行业进行实证研究，采用多种模型进一步研究细分领域的减污降碳协同效应的作用机制，在特定区域及行业提出具有针对性的评估分析及协同减排政策建议.长三角地区是我国开展减污降碳协同治理工作的重点区域，该研究对长三角地区41 个设区市的工业减污降碳协同效应进行评估，并分析其时空演变特征，采用时空地理加权回归和地理探测器模型探究影响因素，以识别更为精确的重点控制区域和主要驱动因素，以期为长三角地区提供差异化的协同减排策略.

1 研究区域与方法

1.1 研究区域

“双碳”目标的实现不能通过“齐步走”和“一刀切”的方式，应充分考虑地区差异，因地制宜地制定针对性、可操性强的减污降碳协同增效方案.长三角地区位于我国长江下游地区，区位条件优越，人口和产业活动集中，经济社会发展走在全国前列，但同时近年来其能源消费总量占全国比重在16%左右，碳排放量也居高不下[16].该研究以长三角地区41 个设区市为研究对象开展工业减污降碳协同效应研究，对全国实现减污降碳协同增效目标具有重大意义，区域示意图如图1 所示.

图1 研究区域示意Fig.1 Schematic diagram of the study area

1.2 研究方法

1.2.1 工业大气污染物排放当量计算

为评估长三角地区工业大气污染物的综合排放情况，利用《中华人民共和国环境保护税法》中的大气污染物当量系数对SO2、NOx、烟(粉)尘三种工业领域典型大气污染物排放量进行归一化处理[17]，折算出工业大气污染物排放当量(ELAP)，计算公式：

式中：ELAP为工业大气污染物排放当量，t；QSO2、QNOx、QPM分别为某地区工业SO2、工业NOx、工业烟(粉)尘的排放量，t；α、β、γ分别代表SO2、NOx、烟(粉)尘三种大气污染物的折算当量值系数，分别为1/0.95、1/0.95、1/2.18.

1.2.2 耦合协调度模型

大气污染物控制和二氧化碳控制两个子系统之间存在紧密的动态耦合关系，二者相互关联、相互作用、相互影响[10].该研究采用耦合协调度模型评估长三角地区工业大气污染控制和二氧化碳控制2 个子系统的协调发展程度，采用协调发展度(D)来表征工业减污降碳协同效应，其数值在0～1 之间，D值越大表明2 个子系统间的协调性越高，其工业减污降碳协同效应越强.参考王淑佳等[18]修正后的二元系统耦合协调度模型，计算公式：

式中：C为耦合度；T为综合协调指数；D为协调发展度；U2、U1分别为某地区某年份工业大气污染物排放量和二氧化碳排放量中的最大值、最小值；α1和α2为2 个子系统的权重，该研究中假定2 个子系统同样重要，即α1=α2=0.5.为使不同指标在跨地区和年份之间具有可比性以及消除原始数据间量级、方向差异，对U1和U2的原始数据进行极差标准化处理，为避免数据处理过程中出现零值带来的影响，对处理后的数据进行整体平移，平移幅度为0.000 01[19].参考廖重斌[20]所界定的划分标准，将工业减污降碳协同效应划分为10 个等级及3 个大类(见表1).

表1 工业减污降碳协同效应等级划分标准Table 1 Criteria for classifying industrial air pollution and carbon dioxide reduction synergies

1.2.3 空间自相关模型

采用全局莫兰指数(Global Moran′s I)来描述长三角地区工业减污降碳协同效应的空间分布特征及空间聚集程度[21].全局莫兰指数的值域为[-1,1]，其在(0,1]区间代表空间正相关关系和空间聚集特征，在[-1,0)区间代表空间负相关关系和空间离散特征，全局莫兰指数等于0 表示空间不相关和随机分布.计算公式：

式中，I为全局莫兰指数，xi和xj分别为地区i和j的工业减污降碳协同效应，为所有地区工业减污降碳协同效应的平均值，Wi,j为邻近关系的空间权重矩阵.

1.2.4 影响因素分析

1.2.4.1 影响因素选取

工业减污降碳协同效应受各方面因素的综合影响，工业生产活动是工业二氧化碳与大气污染物排放的直接过程，工业规模水平与工业二氧化碳、大气污染物排放息息相关；能源消费与二氧化碳及大气污染物排放密切相关，煤炭、石油等化石能源消费是引起大气污染和碳排放增长的重要因素之一[22]；城市的经济发展、人口增长对减污降碳有重要影响[23]，技术进步、环保治理投入对降低污染物排放、碳排放有较大促进作用，以“低碳试点城市”为代表的低碳政策显著促进了减污降碳协同效应[24]，地区间产业结构差异也会对大气污染物排放和碳排放带来一定影响[25].根据已有研究[22-25]，结合长三角地区工业减污降碳实际情况，最终选择9 项指标作为影响因素，分别为X1(规模以上工业总产值，单位为108元)、X2〔单位GDP 能源消费总量，单位为t/(104元)(以标准煤计)〕、X3(人均GDP，单位为元/人)、X4(规模以上工业增加值占GDP 比重，单位为%)、X5〔单位GDP 专利授权数，单位为件/(104元)〕、X6(人口数，单位为104人)、X7(节能环保支出占GDP 比重，单位为%)、X8(城镇化率，单位为%)、X9(低碳试点城市，试点城市取值为1，其他城市取值为0).其中，规模以上工业总产值和地区生产总值数据通过GDP 平减指数折算为2010 年不变价.为消除量纲的影响，对所有变量进行标准化处理.

1.2.4.2 时空地理加权回归模型

GWR (地理加权回归)模型是当前空间异质性研究中最常用的研究方法之一，能够直观展示空间关系异质性特征，但地理加权回归模型仅适用于截面数据的回归，无法观测时间维度的变化情况，在实证研究中还可能会出现参数过度拟合导致不能估计模型参数等问题[26].为优化模型，Huang 等[27]引入时间维度提出了GTWR (时空地理加权回归分析)模型，能够使得估计结果更加有效，计算公式：

式中，yi为地区i的工业减污降碳协同效应，xik为地区i工业减污降碳协同效应的第k个影响因素，β0(ui,vi,ti)为截距项，(ui,vi,ti) 为时空坐标，βk(ui,vi,ti) 为地区i工业减污降碳协同效应的第k个影响因素的回归分析系数，εi为随机误差项.

1.2.4.3 地理探测器模型

地理探测器模型主要被用来分析各种现象的驱动力和影响因子以及多因子交互作用，可用以度量空间分异性、探测解释因子、分析变量之间交互关系，能够避免多重共线性问题[28].该研究引入地理探测器模型对长三角地区工业减污降碳协同效应的影响因素进行空间分异性研究，能够规避GTWR 模型本身存在的多重共线性风险，且能够采用因子交互探测器分析不同因子的叠加作用，其基本原理如下：

式中：h为因变量Y(工业减污降碳协同效应)或自变量X(影响因子)的分层，即分类或分区；Nh和N分别为层h和全区的单元数；σh2和σ2分别为层h和全区的Y值的方差；SSW 和 SST分别为层内方差之和及全区总方差；q为地理探测器q统计量，值域为[0,1]，值越大说明工业减污降碳协同效应的空间分异性越明显，即自变量X对工业减污降碳协同效应的解释力越强，反之则越弱.

1.3 数据来源

该研究选取2010 年、2015 年、2020 年长三角地区41 个设区市的样本数据进行研究.其中，二氧化碳排放数据来自中国城市温室气体工作组最新发布的《中国城市二氧化碳排放数据集》，选取工业部门二氧化碳排放数据.工业大气污染物排放量及影响因素指标数据来自《中国城市统计年鉴》、各城市统计公报，能源消费量数据参考Chen 等[29]研究发布的我国市县级能耗与能效数据集，部分缺失数据采用线性差值法补充.

2 结果与讨论

2.1 长三角地区工业大气污染与碳排放时间演变

长三角地区是我国大气污染治理的重要区域，也是近年来大气污染治理成效最为显著的区域之一.由图2(a)可见：长三角地区工业大气污染物排放2010-2020 年整体呈显著下降的态势，41 个设区市工业大气污染物排放量平均值由2010 年的13.35×104t降至2020 年的2.33×104t，降幅高达82.55%；而近年来长三角地区41 个设区市工业二氧化碳排放量平均值则呈缓慢上升态势，由2010 年的33.89×106t 增至2020 年的37.89×106t，增幅达12.08%.上海市是长三角地区实施低碳政策的先行地区，也是全国第一批开设碳排放交易试点的城市[30].由图2(b)可见，近年来上海市是长三角地区三省一市中唯一实现工业二氧化碳排放显著下降的区域，其降幅达29.37%.综上，长三角地区工业大气污染物治理已得到明显改善，但工业二氧化碳排放还未得到有效控制.

图2 长三角地区工业大气污染物及工业二氧化碳排放变化趋势Fig.2 Trends of industrial air pollution and carbon dioxide emissions in the Yangtze River Delta Region

2.2 长三角地区工业减污降碳协同效应时空演变特征

2.2.1 时间演变特征

根据耦合协调度模型测算公式，测算出2010 年、2015 年、2020 年长三角地区工业减污降碳协同效应，结果如表2 所示.由表2 可见，2010 年、2015 年、2020年长三角地区工业减污降碳协同效应41 个设区市平均值分别为0.343 3、0.418 8、0.423 5，总体上处于上升优化态势，工业减污降碳协同效应等级由失调衰退类提至过渡发展类.长三角地区工业减污降碳协同效应处于协调等级的设区市数量由2010 年的6 个增至2020 年的10 个，占比由14.6%增至24.4%.上海市、南京市、无锡市、徐州市、苏州市、宁波市等城市始终具有较强的工业减污降碳协同效应，且整体上工业减污降碳协同效应呈不断上升的趋势.

表2 2010-2020 年长三角地区工业减污降碳协同效应变化趋势Table 2 The synergistic effect of industrial air pollution and carbon dioxide reduction in the Yangtze River Delta Region from 2010 to 2020

从长三角地区分省市工业减污降碳协同效应变化趋势(见图3)可以看出，2010-2020 年长三角地区工业减污降碳协同效应一直呈上升趋势，除上海市出现先增后降的趋势外，其他省份增长趋势类似，上海市始终保持最高水平且处于协调发展类等级.2010-2020 年，上海市及江苏省的工业减污降碳协同效应一直高于长三角地区平均水平，浙江省及安徽省则处于长三角地区平均水平以下，江苏、浙江、安徽等三大省份的工业减污降碳协同效应差值相对比较稳定，江苏省与浙江省的差值在0.07～0.11 之间且差距逐渐缩小，浙江省与安徽省的差值在0.03～0.10之间，但差距不断加大.

图3 2010-2020 年长三角地区分省市工业减污降碳协同效应变化趋势Fig.3 Trend of industrial air pollution and carbon dioxide reduction synergies in the Yangtze River Delta Region by province and city from 2010 to 2020

2.2.2 空间演变特征

2010 年、2015 年、2020 年长三角地区工业减污降碳协同效应的空间分布和空间变动特征如图4 所示.由图4 可见，长三角地区工业减污降碳协同效应的空间格局整体上呈中部高、南北低以及东部高、西部低的分布趋势，且整体呈由长江入海口向周围辐射递减的特征.分区域来看，长三角东部地区显著高于西部区域，上海市以及江苏省的南京市、无锡市、徐州市、苏州市和浙江省的宁波市等地区的工业减污降碳协同效应相对较强.从空间变动上看，长三角地区工业减污降碳协同效应呈现出明显增长和扩大的趋势，高值范围由上海市、苏州市等长江入海口地区向西转移至南京市、无锡市、苏州市等长江下游地区.2010 年大部分设区市的工业减污降碳协同效应分布在0～0.20 和0.20～0.40 两个区间，2015 年、2020年多数设区市分布于0.20～0.40 和0.40～0.60 两个区间且位于该区间的设区市数量有所增长，体现了近年来长三角地区减污降碳政策的良好实施效果.

图4 2010-2020 年长三角地区工业减污降碳协同效应空间分布Fig.4 Spatial distribution of industrial air pollution and carbon dioxide reduction synergies in the Yangtze River Delta Region from 2010 to 2020

通过ArcGIS 软件计算全局莫兰指数，以此测度长三角地区工业减污降碳协同效应的空间分布特征及空间聚集程度.由表3 可见，2010-2020 年全局莫兰指数均大于0，但仅有2010 年和2020 年通过了显著性检验(Z值均大于1.65，P值均小于0.05).结果表明，2010 年及2020 年长三角工业减污降碳协同效应的分布具有显著的空间正相关关系，且存在显著的空间集聚效应.2010-2020 年，全局莫兰指数呈先降后升的趋势，表明长三角地区工业减污降碳协同效应的空间聚集程度在“十二五”期间趋于离散，但在“十三五”期间空间集聚特征趋于强烈，长三角地区一体化的集聚效应趋于明显.

表3 2010-2020 年长三角地区工业减污降碳协同效应全局莫兰指数Table 3 Global Moran′s I index of the global synergistic effect of industrial air pollution and carbon dioxide reduction in the Yangtze River Delta Region from 2010 to 2020

2.3 影响因素分析

2.3.1 时空地理加权回归结果

在模型计算之前，对所有变量进行相关性分析及共线性诊断，所有变量均通过了相关性检验(P均小于0.01)，方差膨胀因子均小于10，通过了共线性诊断.GTWR 模型的AICc (校正的赤池信息量准则)为213.053，模型拟合度R2为0.784，各影响因素的回归系数结果如表4 所示，均达到显著水平(P均小于0.01).结果表明，2010-2020 年在长三角地区工业减污降碳协同效应各影响因素中，X1、X3、X4、X8对长三角地区工业减污降碳协同效应的贡献度较大.各影响因素回归系数随时间推移均出现小幅变化，X1、X8的回归系数出现小幅上升，X3和X4的回归系数出现小幅下降，主要影响因素的空间异质性先减弱后增强，导致长三角地区工业减污降碳协同效应的空间聚集程度随时间变化出现聚集-离散-聚集的特征.

表4 2010-2020 年各影响因素回归系数及显著性检验结果Table 4 Regression coefficients and significance test results of each influencing factor from 2010 to 2020

基于时空地理加权回归模型的回归结果，选取2020 年数据，采用ArcGIS 软件自然断裂点法进行空间分析，讨论各影响因素对工业减污降碳协同效应影响的空间差异，结果如图5 所示.整体来看，长三角地区工业减污降碳协同效应各影响因素的空间分布存在较为显著的异质性.具体而言，规模以上工业总产值对工业减污降碳协同效应的影响自东向西递减，呈现出一定的阶梯分布和较强的正向影响，在上海、嘉兴、宁波、绍兴等城市表现出更强的影响作用，其中上海市受规模以上工业总产值的影响程度最大，工业减污降碳协同效应出现了先增后降的趋势，2020 年上海市工业大气污染物排放量大幅削减，然而二氧化碳排放量削减量较为缓慢导致工业部门减污降碳并未达到有效协同；单位GDP 能源消费总量的影响程度由北向南递增，江苏省受该因素的负面影响较大，单位GDP 能耗增加会对工业减污降碳协同效应起到抑制作用；人均GDP 在长江以南地区对工业减污降碳协同效应产生正向影响作用，在长江以北地区产生负面抑制作用；规模以上工业增加值占GDP 比重对工业减污降碳协同效应的影响程度分布情况与人均GDP 较为相似，长三角南部地区受产业结构的正向影响更为明显；单位GDP 专利授权数的影响程度自西向东递增，长三角东部地区技术水平的提升对工业减污降碳协同效应起到的正向促进作用较大；人口数、节能环保支出占GDP 比重、城镇化率等对工业减污降碳协同效应的影响程度分布情况较为相似，均表现为由北向南递减的特征，其中城镇化率对工业减污降碳协同效应起到显著的正向促进作用；低碳试点城市主要在上海市、浙江省等地区，其对工业减污降碳协同效应起到正向促进作用，在苏北、皖北等地区具有较强的抑制作用.

图5 2020 年各影响因素回归系数空间分布Fig.5 Spatial distribution of regression coefficients for each influencing factor in 2020

2.3.2 地理探测器探测结果

地理探测器要求自变量为类别变量，因此需要对连续性数据变量进行离散化处理，依据离散化后计算的q值来选择最优的分类方法.该研究采用R 语言软件进行数据重分类，识别最优的分类方法，并实现地理探测器探测结果.由图6 可见，单因子探测结果中，X1是2010 年、2015 年对长三角地区工业减污降碳协同效应影响程度最大的因素，X3是2020 年影响程度最大的因素，X8对长三角地区工业减污降碳协同效应的影响程度也较为显著.因子交叉探测结果中，多项双因子交叉叠加表现出双因子增强及非线性增强作用，其中2020 年除X9外的其他任意双因子交叉作用均能使长三角地区工业减污降碳协同效应得到增强.从时间维度看，各项单因子对于长三角地区工业减污降碳协同效应的影响力表现出随时间减弱的趋势，但多项因子交叉对于长三角地区工业减污降碳协同效应的影响力表现出逐渐增强的趋势，表明长三角地区工业减污降碳协同效应的影响机制正在向复杂化转变.

图6 地理探测器对2010-2020 年各影响因素的探测结果Fig.6 Geo-detector results for each of the impact factors from 2010 to 2020

结合GTWR 模型和地理探测器研究结果，分析长三角地区工业减污降碳协同效应的影响机制：①规模以上工业总产值是长三角地区工业减污降碳协同效应最重要的影响因素，并呈现出显著的正向影响.这是由于当工业规模持续扩张前期会加重环境污染，而工业产业到达一定规模时，工业规模持续扩张带来的规模效应在一定程度上可能降低工业大气污染物和二氧化碳排放，与康哲等[31]研究结果相似.长三角地区经济转型较早，工业规模效应已跨过该拐点，对工业减污降碳协同效应起到促进作用.②在工业产业规模效应产生正向促进的同时，随着工业化推进，产业结构高级化逐渐加深，资源消耗减少，从而使污染排放逐渐降低[32]，长三角地区产业结构同样对工业减污降碳协同效应起到正向促进作用，与张为师等[24]研究结论相似.③随着人均GDP 水平、城镇化率的不断提高，城镇化和经济水平提升，城镇化和经济发展的集聚效应和规模效应凸显，对污染物排放和碳排放产生了一定的抑制作用，从而对长三角地区工业减污降碳协同效应产生正向影响.④能源消耗强度的提升会加重能源消耗和污染物排放，从而对工业减污降碳协同效应起到抑制作用.⑤通过提升技术水平、实施低碳政策等能够促进产业绿色化发展，从而增强工业减污降碳协同效应.

3 结论与建议

3.1 结论

a)从整体看，2010-2020 年长三角地区工业大气污染物治理已得到明显改善，但工业二氧化碳排放还未得到有效控制，长三角地区工业减污降碳协同效应呈现稳定的增长趋势，总体上处于上升优化态势，工业减污降碳协同效应等级由失调衰退类提升至过渡发展类，处于协调发展阶段的设区市数量占比上升，由14.6%增至24.4%.

b)长三角地区工业减污降碳协同效应整体上呈现中部高、南北低以及东部高、西部低的空间格局，时空变动上呈现明显增长和扩大的趋势，高值范围由上海市、苏州市等长江入海口地区向西转移至南京市、无锡市、苏州市等长江下游地区，其空间集聚特征呈现出集聚-离散-集聚的变化趋势.

c) GTWR 模型结果表明，影响长三角地区工业减污降碳协同效应的主要因素由强至弱为规模以上工业总产值、城镇化率、人均GDP、规模以上工业增加值占GDP 比重，以上影响因素对大部分区域产生显著的正向影响，其影响程度存在时空异质性.地理探测器研究结果表明，规模以上工业总产值、人均GDP、城镇化率是造成长三角地区工业减污降碳协同效应空间分异性的主要因素，且双因子交叉具有显著的增强作用.

3.2 建议

a)统筹优化减污降碳协同目标.大气污染物削减与二氧化碳减排具有显著的协同效益，长三角地区工业二氧化碳排放还未得到有效协同控制，应该尽快建立和完善大气污染物与二氧化碳排放协同控制的治理体系，加快推动温室气体控制与生态环境保护相关法律法规的融合，将减污降碳协同目标贯穿至当前生态环境管理系统中，剔除当前减污降碳协同不适应的相关政策，在制定和更新减污政策时兼顾其减污降碳协同效应[33]，加快减污政策和低碳政策的融合，提升政策的适用性和有效性.

b)加强重点区域协同控制.就长三角地区而言，建议长三角西部、南部等重点区域加强推动减污降碳协同控制，聚焦重点区域的重点工业产业，统筹减污降碳重点任务措施向重点区域倾斜，针对性地实现协同控制.发挥工业减污降碳协同效应的集聚效应，推进区域一体化发展，带动长三角城市减污降碳区域协同治理.

c)加快工业行业绿色转型.推动现有工业产业全流程绿色发展，向高效低碳循环工业体系转型.严格控制工业能耗强度，通过优化能源消费结构来有效实现减污和降碳的协同性.以清洁生产审核为契机，推动源头削减、生产全过程控制和提升资源、能源的利用率，推动技术升级、产业绿色化发展.