中国工业氮氧化物排放和强度的结构分解分析及其减排策略

doi:10.16381/j.cnki.issn1003-207x.2021.2598

摘要/Abstract

摘要：

经济增长给生态环境可持续发展带来了挑战。氮氧化物污染已成为中国社会经济发展的严峻挑战，尤其是工业源氮氧化物污染。现阶段，政策制定者与学者常使用氮氧化物排放总量的变化来衡量环境绩效，少有研究使用结构分解分析方法系统地追踪氮氧化物排放/强度变化的驱动因素。本文在投入产出框架下，对中国工业氮氧化物排放/强度进行加性/乘性结构分解，分别从整体层面、最终需求层面和部门层面探究其驱动因素。结果表明，最终需求层面隐含排放/强度均明显降低，投资和居民消费是氮氧化物排放/强度的主要需求驱动力。排放强度效应是氮氧化物排放/强度下降的主要驱动因素（91.69%），最终需求效应是氮氧化物排放/强度降低的阻碍因素。在部门层面，隐含排放主要由建筑业驱动（49.26%），经济增长主要由服务业驱动（44.90%）；“电力、热力生产和供应业”“非金属矿物制品业”和“黑色金属冶炼及压延加工业”排放效率的提高是总排放强度下降的主要驱动因素。基于以上结论，本文讨论了实现经济发展与环境保护双重目标的减排策略，为未来氮氧化物污染的治理提供了理论依据。

关键词: 投入产出分析, 氮氧化物排放, 结构分解分析, 总隐含强度, 减缓策略

Abstract:

Economic growth has brought challenges to ecological and environmental sustainable development. NO_x governance has become one of the severe challenges of China’s social and economic development， especially the industrial sources. Although the absolute change in aggregate NO_x emissions is often used by researchers and policymakers to measure environmental performance， very few studies systematically track the drivers of NO_x emission/intensity changes with structural decomposition analysis （SDA）. The embodied industrial NO_x emission/intensity is estimated by final demand category at the aggregate and sector levels， and the total NO_x emission/intensity is decomposed using additive and multiplicative SDA under the input-output framework. The results show that the embodied emissions/intensity were significantly reduced at the final demand category level； investment was the main contributor to China’s NO_x emission/intensity， followed by household consumption. The emission intensity effect is the main driver （91.69%） of NO_x emission/intensity reduction， and the domestic Leontief structure effect is the catalyst for the emission intensity effect. The final demand categories presents a blocking effect. At the sector level， the aggregate embodied NO_x emission is mainly contributed by construction （49.26%）， and the aggregate embodied Value Added is mainly contributed by service （44.90%）. The emission efficiency improvement of the sectors “Production and supply of electricity and heating power”， “Non-metal minerals products” and “Smelting and pressing of ferrous metals” make these sectors the main contributors to the decline in the total aggregate embodied emission intensity. Finally， the mitigation strategy is discussed from a win-win perspective balancing economic growth and environmental protection， which provides a theoretical basis for future NO_x governance.

Key words: input-output analysis, NO_x emissions, structural decomposition analysis, aggregate embodied intensity, mitigation strategy

中图分类号:

F424

张国兴,韩继磊,Su Bin. 中国工业氮氧化物排放和强度的结构分解分析及其减排策略[J]. 中国管理科学, 2024, 32(7): 311-323.

Guoxing Zhang,Jilei Han,Bin Su. Mitigation Strategy Analysis of Aggregate Industrial NO_x and NO_x Intensity in China Using Structural Decomposition Analysis Framework[J]. Chinese Journal of Management Science, 2024, 32(7): 311-323.

图/表 13

表1

表2

图1

图2

图3

图4

图5

图6

图7

表3

最终需求隐含氮氧化物排放乘性分解"

最终需求	AEI_· (千克/万元)	乘性SDA				AEI_· (千克/万元)	乘性SDA				AEI_· (千克/万元)
最终需求	2012	$D t o t, ·$	$D t o t, ·, i n t$	$D t o t, ·, l s t r$	$D t o t, ·, y s t r$	2017	$D t o t, ·$	$D t o t, ·, i n t$	$D t o t, ·, l s t r$	$D t o t, ·, y s t r$	2020
RC	2.0912	0.2043	0.2317	0.9732	0.9061	0.4272	0.5972	0.5998	0.9444	1.0544	0.2551
UC	2.1623	0.2098	0.2357	0.9719	0.9160	0.4537	0.5816	0.5969	0.9525	1.0229	0.2639
GC	1.2947	0.2209	0.2457	0.8988	1.0004	0.2860	0.5648	0.5878	0.9660	0.9946	0.1615
GFCF	4.1177	0.3346	0.3694	0.9060	0.9998	1.3777	0.5695	0.5839	0.9593	1.0166	0.7846
IC	1.9542	0.4689	0.3106	0.9576	1.5767	0.9164	0.3562	0.6026	0.9752	0.6062	0.3264
EX	3.2714	0.3067	0.3240	0.9609	0.9849	1.0032	0.5679	0.5883	0.9924	0.9726	0.5697
TOT	2.9449	0.2902	0.3209	0.9350	0.9670	0.8545	0.5585	0.5874	0.9648	0.9855	0.4772

表3

图8

图9

图10

参考文献 29

1	Liao S J， Wu Y， Wong S W， et al. Provincial perspective analysis on the coordination between urbanization growth and resource environment carrying capacity （RECC） in China［J］. Science of The Total Environment， 2020， 730（15）： 138964.
2	Jiang L， Chen Y， Zhou H F， et al. NO_x emissions in China： Temporal variations， spatial patterns and reduction potentials［J］. Atmospheric Pollution Research， 2020， 11（9）： 1473-1480.
3	陆旸. 从开放宏观的视角看环境污染问题：一个综述［J］. 经济研究， 2012， 47（2）： 146-158.
	Lu Y. Environmental issues in an open economy： A survey［J］. Economic Research Journal， 2012， 47（2）： 146-158.
4	孙伟增，张晓楠，郑思齐. 空气污染与劳动力的空间流动——基于流动人口就业选址行为的研究［J］. 经济研究， 2019， 54（11）： 102-117.
	Sun W Z， Zhang X N， Zheng S Q. Air pollution and spatial mobility of labor force： Study on the migrants’ job location choice［J］. Economic Research Journal， 2019， 54（11）： 102-117.
5	余红辉. 中国环境治理困境的挑战与策略分析——基于环境投资的内生机制［J］. 管理评论， 2019， 31（1）： 39-47.
	Yu H H. The challenges and strategic analysis of environmental governance in China：Based on endogenous mechanism of environmental investment［J］. Management Review， 2019， 31（1）： 39-47.
6	Zhang Y， Shen L Y， Shuai C Y， et al. How is the environmental efficiency in the process of dramatic economic development in the Chinese cities？［J］. Ecological Indicators， 2019， 98： 349-362.
7	Peng S J， Zhang W C， Sun C W. ‘Environmental load displacement’ from the North to the South： A consumption- based perspective with a focus on China［J］. Ecological Economics， 2016， 128： 147-158.
8	Lin B Q， Xu M M. Does China become the “pollution heaven” in South-South trade？ Evidence from Sino-Russian trade［J］. Science of The Total Environment， 2019， 666： 964-974.
9	陈宏阳，余建辉，张文忠. 中国重污染产业空间集聚及其环境效应：特征与启示［J］. 中国科学院院刊， 2023， 38（12）： 1939-1949.
	Chen H Y， Yu J H， Zhang W Z. Spatial agglomeration and environmental effects of heavy polluting industries in China： Characteristics and enlightenment［J］. Bulletin of Chinese Academy of Sciences， 2023， 38（12）： 1939-1949.
10	Steininger K W， Lininger C， Meyer L H， et al. Multiple carbon accounting to support just and effective climate policies［J］. Nature Climate Change， 2016， 6（1）： 35-41.
11	Zhang W， Wang J N， Zhang B， et al. Can China comply with its 12th five-year plan on industrial emissions control： A structural decomposition analysis［J］. Environmental Science & Technology， 2015， 49（8）： 4816-4824.
12	薛俭，朱迪，赵来军.基于省际贸易视角的环境治理隐含成本研究［J］.中国管理科学，2020，28（10）： 210-219.
	Xue J， Zhu D， Zhao L J. Research on the cost of emissions embodied in interprovincial trade［J］. Chinese Journal of Management Science， 2020， 28（10）： 210-219.
13	Xie R， Zhao G M， Zhu B Z， et al. Examining the factors affecting air pollution emission growth in China［J］. Environmental Modeling & Assessment， 2018， 23（4）： 389-400.
14	Lyu W N， Li Y， Guan D B， et al. Driving forces of Chinese primary air pollution emissions： An index decomposition analysis［J］. Journal of Cleaner Production， 2016， 133： 136-144.
15	王丽琼. 基于LMDI中国省域氮氧化物减排与实现路径研究［J］. 环境科学学报， 2017， 37（6）： 2394-2402.
	Wang L Q. Investigation of NO_x emissions reduction and its strategies over China’s 30 provinces based on LMDI［J］. Acta Scientiae Circumstantiae， 2017， 37（6）： 2394-2402.
16	Ding L， Liu C， Chen K L， et al. Atmospheric pollution reduction effect and regional predicament： An empirical analysis based on the Chinese provincial NO_x emissions［J］. Journal of Environmental Management， 2017， 196： 178-187.
17	Wang J F， Ma Y P， Qiu Y， et al. Spatially differentiated effects of socioeconomic factors on China’s NO_x generation from energy consumption： Implications for mitigation policy［J］. Journal of Environmental Management， 2019， 250：109417.
18	Zhang Y X， Wang H K， Liang S， et al. A dual strategy for controlling energy consumption and air pollution in China’s metropolis of Beijing［J］. Energy， 2015， 81： 294-303.
19	Xu X L， Huang G H， Liu L R， et al. Revealing dynamic impacts of socioeconomic factors on air pollution changes in Guangdong Province， China［J］. Science of The Total Environment， 2020， 699： 134178.
20	Zhang L X， Wang Y， Feng C Y， et al. Understanding the industrial NO_x and SO₂ pollutant emissions in China from sector linkage perspective［J］. Science of The Total Environment， 2021， 770（4）：145242.
21	Zaim O. Measuring environmental performance of state manufacturing through changes in pollution intensities： A DEA framework［J］. Ecological Economics， 2004， 48（1）： 37-47.
22	Feng Z， Cui Y Z， Zhang H B， et al. Assessment of human consumption of ecosystem services in China from 2000 to 2014 based on an ecosystem service footprint model［J］. Ecological Indicators， 2018， 94： 468-481.
23	李玲，张俊荣，汤铃，等. 我国能源强度变动的影响因素分析——基于SDA分解技术［J］. 中国管理科学， 2017， 25（9）： 125-132.
	Li L， Zhang J R， Tang L， et al. Analysis on factors of China’s energy intensity changes for 1997-2012： Based on structural decomposition analysis［J］. Chinese Journal of Management Science， 2017， 25（9）： 125-132.
24	Su B， Ang B W. Multiplicative structural decomposition analysis of aggregate embodied energy and emission intensities［J］.Energy Economics， 2017，65： 137-147.
25	Leontief W. Environmental repercussions and the economic structure： An input-output approach［J］. The Review of Economics and Statistics， 1970， 52（3）： 262-271.
26	Su B， Ang B W. Structural decomposition analysis applied to energy and emissions： Some methodological developments［J］. Energy Economics， 2011， 34（1）： 177-188.
27	Zhu B Z， Su B， Li Y Z. Input-output and structural decomposition analysis of India’s carbon emissions and intensity， 2007/08-2013/14［J］. Applied Energy， 2018， 230： 1545-1556.
28	Su B， Ang B W. Multiplicative decomposition of aggregate carbon intensity change using input-output analysis［J］. Applied Energy， 2015， 154： 13-20.
29	Su B， Huang H C， Ang B W， et al. Input-output analysis of CO₂ emissions embodied in trade： The effects of sector aggregation［J］. Energy Economics， 2010， 32（1）： 166-175.

年份	人口（万人）	国内生产总值（亿元）	氮氧化物排放（万吨）	人均国内生产总值（万元）	人均收入（万元）	隐含强度（千克/万元）
2012	135922	536800.17	1580.8095	3.9644	3.9532	2.9449
2017	140011	756597.06	646.4795	5.4428	5.4399	0.8545
2020	141212	874882.17	417.4959	6.1955	6.1692	0.4772

最终需求	2012年			2017年			2020年
最终需求	隐含排放（万吨）	隐含VA （亿元）	AEI_· （千克/万元）	隐含排放（万吨）	隐含VA （亿元）	AEI_· （千克/万元）	隐含排放（万吨）	隐含VA （亿元）	AEI_· （千克/万元）
RC	83.23	39799.91	2.0912	22.43	52516.09	0.4272	15.99	62664.11	0.2551
UC	288.23	133296.60	2.1623	93.17	205345.58	0.4537	61.10	231550.31	0.2639
GC	85.42	65982.14	1.2947	29.42	102860.24	0.2860	22.21	137531.49	0.1615
GFCF	785.57	190778.29	4.1177	384.99	279442.31	1.3777	246.23	313850.02	0.7846
IC	17.06	8730.48	1.9542	3.54	3867.38	0.9164	2.26	6934.06	0.3264
EX	321.29	98212.76	3.2714	112.92	112565.46	1.0032	69.70	122352.19	0.5697
TOT	1580.81	536800.17	2.9449	646.48	756597.06	0.8545	417.50	874882.17	0.4772

[1]	谢锐, 牛猛, 张斌. 全球价值链视角下中国就业变动及驱动因素研究[J]. 中国管理科学, 2023, 31(5): 49-59.
[2]	薛俭, 朱迪, 赵来军. 基于省际贸易视角的环境治理隐含成本研究[J]. 中国管理科学, 2020, 28(10): 210-219.
[3]	姚晔, 夏炎, 范英, 蒋茂荣. 基于空间比较路径选择模型的碳生产率区域差异性研究[J]. 中国管理科学, 2018, 26(7): 170-178.
[4]	李根, 刘家国, 王晓敏. 基于I-O与SVAR模型的制造业完全能耗强度影响因素研究[J]. 中国管理科学, 2018, 26(12): 99-112.
[5]	李玲, 张俊荣, 汤铃, 余乐安. 我国能源强度变动的影响因素分析——基于SDA分解技术[J]. 中国管理科学, 2017, 25(9): 125-132.
[6]	王会娟, 夏炎. 中国居民消费碳排放的影响因素及发展路径分析[J]. 中国管理科学, 2017, 25(8): 1-10.
[7]	谢锐, 王振国, 张彬彬. 中国碳排放增长驱动因素及其关键路径研究[J]. 中国管理科学, 2017, 25(10): 119-129.
[8]	刘秀丽, 杨翠红, 汪寿阳. 实施建筑节能标准的宏观经济和环境影响测算模型研究[J]. 中国管理科学, 2012, (1): 152-160.
[9]	蔡圣华, 牟敦国, 方梦祥. 二氧化碳强度减排目标下我国产业结构优化的驱动力研究[J]. 中国管理科学, 2011, 19(4): 167-173.
[10]	徐大举, 尹金生, 李爱芹, 刘吉晓, 周玲丽. 直接消耗系数矩阵特征值的经济意义研究[J]. 中国管理科学, 2010, 18(1): 33-38.
[11]	张红霞. 投入产出表中处理副产品的新方法[J]. 中国管理科学, 2002, (6): 72-75.
[12]	潘晓明. 企业综合核算矩阵及其在企业管理中的应用初探[J]. 中国管理科学, 1997, (3): 19-26.
[13]	刘新建. 动态投入占用产出分析模型应用中的三个特殊处理问题[J]. 中国管理科学, 1997, (2): 6-11.
[14]	周尚意, 孔翔. 资源持续利用的投入产出分析[J]. 中国管理科学, 1996, (2): 34-43.