刁贝娣^1,, 曾克峰¹, 苏攀达¹, 丁镭², 刘超¹
1.中国地质大学（武汉）公共管理学院,武汉 430074
2. 中国地质大学（武汉）环境学院,武汉 430074

Temporal-spatial distribution characteristics of provincial industrial NOx emissions and driving factors in China from 2006 to 2013

DIAOBeidi^1,, ZENGKefeng¹, SUPanda¹, DINGLei², LIUChao¹
1. School of Public Administration,China University of Geosciences,Wuhan 430074,China
2. School of Environmental Studies,China University of Geosciences,Wuhan 430074,China
收稿日期:2015-12-21
修回日期:2016-04-18
网络出版日期:2016-09-25
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:国家自然科学青年基金项目（41401181）湖北省自然科学基金项目（2013CFB010）
作者简介:
-->作者简介：刁贝娣,女,安徽淮北人,硕士生,主要研究方向为区域经济与管理。E-mail：zgdzdxdlxdbd@163.com



展开

摘要
作为“十二五”期间新纳入控制性约束指标的污染物,NO_X排放量的研究成果可为地区减排份额的制定提供依据。本文运用ESDA（探索性空间方法）分析省域工业NO_X排放的时空分布特征,进而通过LMDI模型分解探究其主要驱动因素。结果显示：①工业NO_X的排放总量虽然呈现先增加后减少的态势,但至2013年也只完成减排份额的5.6%,相对2015年15%的减排目标还有一定距离,减排形势严峻;②省域工业NOx排放在空间上呈现集聚分布特征,高排放量集聚主要出现在河北、河南、山东、江苏等中东部地区,且随时间的推移有向外围省份扩张的趋势;③LMDI模型分解结果表明,经济发展是NOx增排的主要驱动力,生产技术进步和能源利用效率提升是减排的主要控制因素,产业结构调整的减排效应在2011年后开始凸显;④以四象限图及排放量为划分依据将各省份划分为3个大类,并从改进生产技术、提高能源利用效率、增加经济鼓励、削减排放份额等方面提出相应的减排建议。

关键词：工业氮氧化物;时空特征;ESDA;LMDI模型;驱动因素;污染减排
Abstract
As included in the Twelfth Five-year Plan constraint control index,achievements in NOx emissions research are critical to formulating proper policies to reduce China’s air pollution. Based on provincial data for 2006 to 2013,we used ESDA to analysis temporal-spatial distribution characteristics of provincial industrial NOx emissions and then through LMDI model decomposition the main driving factors. We found that industrial NOx emissions first increase then decrease,2011 is the turning point. Only 5.6% of emissions reduction was completed by 2013 and the current situation remains severe emissions reduction. NOx emissions have a concentration distribution in space：high emissions of provincial agglomeration appeared mainly in Hebei,Shandong and Jiangsu,represented by the area of central China and with the passage of time has trended towards southern and western China. LMDI decomposition model results show that economic development is the main driving force of the increase in NOx emissions,meaning that NOx emissions in many provinces are increased with economic growth. At the same time,production technology progress and energy utilization efficiency is the main driving force of emission reduction,industrial structural adjustment of abatement effect began to highlight after 2011. The provinces can be divided into three classes,and depending on the characteristics of these three types of provinces we can put forward different corresponding suggestions to reduce emissions,such as improving production technology,the efficiency of energy utilization,economic encouragement and cutting the emissions share.

Keywords：NOx;temporal and spatial distribution characteristics;ESDA;LMDI model;driving factor;pollution reduction

-->0
PDF (4124KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
刁贝娣, 曾克峰, 苏攀达, 丁镭, 刘超. 中国工业氮氧化物排放的时空分布特征及驱动因素分析[J]. , 2016, 38(9): 1768-1779 https://doi.org/10.18402/resci.2016.09.14
DIAO Beidi, ZENG Kefeng, SU Panda, DING Lei, LIU Chao. Temporal-spatial distribution characteristics of provincial industrial NOx emissions and driving factors in China from 2006 to 2013[J]. 资源科学, 2016, 38(9): 1768-1779 https://doi.org/10.18402/resci.2016.09.14

1 引言

随着中国工业化、城市化的加速推进,高污染、高能耗、低效率粗放型的经济发展使得空气污染逐渐成为制约可持续发展和城市生态文明建设的核心问题^[1,2]。许多大城市频繁发生的大范围严重灰霾天气污染更吸引了社会和学术界的广泛关注。有效控制污染物排放、切实改善城市环境空气质量,成为当前中国社会经济发展的重要目标。
污染物排放总量控制是环境管理的重要手段。自“十一五”时期SO₂排放被纳入总量控制目标后,“十二五”时期环境保护工作重点强调了NO_X的总量控制及减排任务。作为对区域大气复合污染具有重要影响的一种污染物,NOx不仅本身为有毒有害气体,还是对流层臭氧和大气气溶胶的重要前体物,同时也是酸雨形成的重要贡献者,对人体健康和生态环境均具有较大的危害,是涉及环境问题最多的污染物^[3]。面对严峻的减排形势,2010年后国家相继出台《十二五节能减排综合性工作方案》、《国家环境保护十二五规划》、《节能减排十二五规划》和《重点区域大气污染防治十二五规划》等环保政策性文件,在加强总量控制、制定（脱硝）减排目标的同时,明确指出中国NOx的总量控制模式要根据排放物的污染特征来确定,突出重点行业和重点区域防治。在十三五规划编制前夕,需要重新审视“十二五”时期NOx的减排效果和各省区的排放特征及减排效果,以了解污染排放变化的主要影响因素,为后期的减排目标和省区减排份额制定提供参考。
近年来,主要空气污染物的排放、质量浓度的时空分布特征研究是环境地理和环境科学的焦点问题。就NOx而言,2001年,Velders等利用GOME数据对全球对流层NO₂的分布进行了三维模型计算^[4]。vander A等对中国NO₂的季节分布差异进行比较,指出夏秋季的污染物极值出现在东部和南部,春冬季在西部和北部^[5]。在大范围研究的基础上,He等对1996-2005年中国东部地区的NO₂分布进行了研究,并提出河北、山东等省份是中国东部地区NO₂分布密集地区^[6]。Cheng等则对长三角地区1996-2010年的数据进行处理,并指出上海及长江沿线地区是NO₂分布的密集区域^[7]。从数据来源方面来看,早期由于缺乏相关数据的统计,****们更倾向于计算NOx在不同行业的排放清单^[8]。这种自下而上的排放清单法限制于数据的缺失、计算的复杂等,计算结果与实际情况有很大的误差。后来由于遥感技术的发展,众多****们开始将时空分析方法运用到NOx浓度分布的研究上,张兴赢等、王跃启等、李龙等利用OMI数据反演NOx在对流层分布来研究全国尺度的空间分布特征^[9-11],Hao等、尉鹏等研究不同时间尺度的NOx时空分布^[12,13]。这些研究运用遥感观测到的NOx浓度近似的建立与地面排放量之间关系,但其反映的还是污染浓度变化,不能直接反映NO_X排放的变化情况。因而,在分析区域污染物排放量的变化上,还需要区域污染源普查工作和具体的监测。随着污染减排基础能力建设的加强,NOx统计、监测管理工作取得突破。2006年全国环境统计中将NOx因子纳入到环境统计范畴;2007年开展的污染源普查工作对全国NOx排放系数和排放现状进行了全面调查;在污染源监测方面,随着国家重点防控污染源烟气的排放连续监测设施建设完成,NOx排放重点源大都具备了自动监测的能力,并与省、市监控中心实现了联网。这为省域污染物排放的数据获取和定量分析提供了便利,也为评估不同省域NOx减排效果提供了依据。
基于此,本文以2006-2013年中国省域工业NOx排放量数据为研究对象,从地理空间视角出发,利用探索性空间分析方法探究排放量的时空分布特征及污染排放格局变化（污染排放重点区域）,进而运用LMDI模型对其排放量的主要驱动因素进行分析,以了解各省区工业NOx排放量与工业能源效率、环保技术水平、产业结构、经济发展水平等驱动因子的相互关系,进而比较分析不同省域的减排驱动因素、减排困境和未来突破方向,以期为“十三五”时期污染排放的重点控制区域和省域减排目标份额的确定提供依据。

2 数据来源和研究方法

2.1 数据来源

由于中国从2006年开始公布NO_X排放量的相关统计监测数据,因此排放量数据主要参考2007-2014年间的《中国环境统计年鉴》^[14]。驱动因素分解的经济、能源相关数据主要来源于2007-2014年的《中国统计年鉴》^[15]。由于统计数据缺失等原因,研究范围暂未包括西藏自治区、香港和澳门特别行政区、台湾省以及钓鱼岛、三沙市等地区。

2.2 研究方法

2.2.1 ESDA（探索性空间分析）方法
运用探索性空间分析方法来描述NOx在空间上的分布特征,该方法主要包括全局空间自相关和局部空间自相关两类,前者主要探索某一属性在整个研究区域中的分布特性,后者是用来分析局部子系统所表现出的分布特征^[16]。本文使用Moran’s I 指数对全局空间集聚特征进行分析,Moran’s I指数处于-1和1之间,值接近1时,表明空间集聚性较强;接近于0,则表明空间上随机分布,或不存在空间自相关;小于0,表示空间负相关。其计算公式如下^[16]：

式中N为研究区内地区总数; Xi和 Xj为区域i 和区域 j的工业NOx排放量; Wij为空间权重矩阵; X?是排放量的平均值。
全局空间自相关反映的是工业NOx在全国总体的一个空间差异水平,若要反映省域局部空间的差异和变化,需要通过Moran散点图、Local Moran’s I统计量等局部空间自相关方法来检验,用以揭示局部层面各邻近地理单元的空间相互作用关系。其中,Moran散点图是描述变量与其空间滞后向量的相关关系,反映了空间单元观察值之间的关联和差异程度,共由4个象限组成,即为高高（HH）型、高低（HL）型、低高（LH）型、低低（LL）型,分别代表某省域的工业NOx排放量与其邻域省份的排放量的4种关系：HH为自身与邻近省份的工业NOx排放量均较高（存在较强的空间正相关,为热点区）,HL为自身排放量高,而邻域排放量较低（存在较强的空间负相关,异质性突出）,LH则与HL相反,LL为自身和邻域的排放量均较低（存在较强的空间正相关,为盲点区）^[17]。Moran’s I指数的计算由ArcGIS10.2完成,蒙托卡罗检验及Moran散点图由GeoDa软件计算。
2.2.2 LMDI分解模型构建
分解法（IDA）最初是由经济学家于20世纪80年代提出的,是通过将研究对象分解成若干个子项,进而分析各子项对研究对象的影响程度^[19]。经过研究者多年的改进和研究,产生了迪氏指数分解法和拉氏指数分解法,LMDI法即是迪式指数分解法中的对数平均法,是由新加坡****Ang于1998年提出^[20,21]。由于在分解的过程中不会产生残差项,结论较其他分解方法更为精确,因而被广泛应用于驱动因子的分析方面。根据Kaya恒等式的分解思路^[22],可以对工业NOx排放量做出如下分解：
Nt=∑inNit=∑inNitCit·CitVit·VitGit·Git=∑inNi，tec·Ni，eft·Ni，str·Ni，eco（2）
式中 Nt为t年工业NOx排放的总量; Ni为i地区工业NOx排放总量; Ci为 i省的工业煤炭消耗量; Vi为 i省的工业增加值; Gi为 i省的地区生产总值;
具体来看： Ntec反映的是环保技术效应,用单位工业煤耗的NOx排放量代表;煤炭燃烧是产生NOx的主要来源,约有70%的工业NOx来自于煤炭的燃烧^[23],因此用 Ntec指标近似的反映单位能源消耗的NOx排放强度; Neft反映的是能源效率效应,用单位产值的煤炭消耗量表示;这一比值越低,说明能源的利用效率越高; Nstr反映的是产业结构效应,用工业增加值占总产值的比重表示,过往研究表明,工业在经济结构中所占比重越大,对污染物排放的影响越显著^[24]; Neco是经济发展效应,以地区生产总值表示,体现的是经济发展状况对污染物排放的综和性影响。
由公式（2）可以进一步推算单一因素产生的NOx排放量变化,计算公式如下：

以上公式分别代表环保技术效应、能源效率效应、产业结构效应及经济发展效应对于工业NOx排放量的贡献量。其中,正值代表该项指标的增加对排放量有增加的作用,负值则代表该指标的增加对于排放量有控制作用。

3 结果分析

3.1 工业NOx排放量的时空分布特征

3.1.1 全国NOx排放量的时间演化
2006-2013年全国NOx排放量的时序演化结果见图1,其中2006-2010年（“十一五”期间）呈现先平稳变化,后在2009-2010年间排放激增。进入“十二五”后,由于NOx列入污染物排放的约束性控制指标,其排放总量在2011年开始递减,2013年排放量为2227.4万t,在2010年的基础上实现削减量46.2万t,仅完成总量减排目标的2%,减排目标（10%）任重道远。工业源是NOx排放总量的主要贡献源,其比重基本维持在70%左右（剩余的约30%主要为生活源、机动车尾气和集中式排放贡献）,并从2006的74.55%递减到2013年的69.39%,这表明工业源是NOx排放减排的重点。从减排效果来看,2013年工业源排放量为1545.32万t,相对2010年实现削减91.8万t,约完成总量减排目标的5.6%,实现《节能减排“十二五”规划》设定的2015年工业氮氧化物减排量目标（15%）依然有一定难度。
显示原图|下载原图ZIP|生成PPT
图12006-2013年全国NOx排放总量变化及2015年总量预期控制目标
-->Figure 1National total NOx emissions from 2006 to 2013 and its expected total control target in 2015
-->

为进一步分析NOx排放量随时间的变化特征,选择2006年（起始年）、2011年（转折年）和2013年（结束年）作为分析断面,绘制全国30个省份的年际工业NOx排放量的统计学描述图（见图2）^[25]。
显示原图|下载原图ZIP|生成PPT
图2中国工业NOx排放量的各省年际变化描述
-->Figure 2Description chart of 30 provinces’ industrial NOx emissions in 2006,2011 and 2013,respectively
-->

从整体来看,2006-2011年最大值增加,而最小值变化不大,即排放量的极值在增大,表明工业NOx排放量的省际间绝对差值在不断增大。由图2可以看出,在2006年,省域排放量多集中在第一个四分位中,即大多数省域的排放量小于平均值。从2006年到2011年间,大部分省域的排放量增加,省域排放量多集中在第二、第三个四分位,分布开始慢慢趋向于对称的正态分布（多数省域的排放量接近中间值）。2011年后,由于NOx被纳入约束性指标,排放量受到一定程度控制,主要表现在高值省域排放量降低,但中位数变化不大,说明大部分的省域排放量还是趋于平稳,并没有明显下降。因此除控制高值区排放量外,各区域都需要进一步执行和落实减排政策,完成相应的NOx减排任务。
3.1.2 省域工业NOx排放量的总体空间分布变化
为进一步探讨各省排放量的空间变化关系,厘清省域工业NOx的空间演化格局,利用ArcGIS10.2将2006-2013年30个省市的工业NOx排放量,按照自然断裂点划分为从高到低的5个等级（低排放区0~10万t、中低排放区10~40万t、中排放区40~50万t、中高排放区50~90万t、高排放区90~130万t）,选择上述三个分析断面,绘制总体空间分布图（图3）。
显示原图|下载原图ZIP|生成PPT
图32006-2013年中国省域工业NOx排放量的空间分布差异
-->Figure 3Spatial distribution difference of provincial industrial NOx emission in 2006,2011 and 2013
-->

整体来看,2006-2011年大部分省市的工业NOx排放量在增加,排放量等级亦在增加,中、高排放量等级所涵盖的省份数量也在明显增多,特别是高排放等级的省份从2006年的2个增加到2011年的6个。2011年后,部分省域的排放量开始下降,但排放等级下降不明显。从分布特征角度来看,NOx排放量的“热”点（高排放量集聚区）区主要分布在中东部的河北、山东、江苏等地区,而“冷”点区（低排放量集聚区）主要分布在西部的青海、甘肃,以及南部的云南、广西、江西等,且这两个分布区有较为明显的分界,具有显著的空间异质性。从动态变化角度来看,2006-2011年间,高排放等级的范围开始往周边方向扩展,这与张强等运用遥感观测的NOx浓度柱变化一致^[26],原有的排放高值区不断扩大,东南地区的浙江、福建,西北地区的山西、陕西、内蒙古等地区排放等级增高,新的高值区不断出现,显现出明显从东部向中西部扩张的趋势。2011年后,减排政策的实施使得辽宁、山西、江西3个地区的排放量下降一个等级,但中高等级包含的省份不减反增,特别是新疆的排放等级依然在上升。“十二五”规划中考虑到新疆、青海、海南等区域经济发展的公平性和均衡性,对这些地区采取照顾政策,未下达减排任务,因此这些地区在全国减排的大背景下出现NOx排放量迅速增长的态势,极可能会进一步形成新的排放“热”点区。
3.1.3 省域工业NOx排放量的空间关系变化
利用GeoDa软件计算Moran's I（结果见表1所示）^[27,28], E（I）为数学期望值,Sd.为标准差,P-value为显著性水平。Moran's I为正数,表明研究时期内,中国的工业NOx排放量呈空间正相关。除2007年外,各年Moran's I指数都位于[0.1617,0.2278]范围内,且蒙特卡洛检验在0.05水平上显著,表明省域工业NOx排放量总体呈现出集聚分布,排放量在相邻省域间有较强的空间相似性,即各省的排放量受邻域影响较大,因此必须明确排放量的高值集聚区和HL分布区,并进行重点控制,防止污染进一步扩散。
Table 1
表1
表1基于蒙特卡罗检验的全局Moran′s I估计值比较
Table 1Global Moran 's I estimate based on the test of Monte Carol

年份	Moran’s I	E（I）	Sd.	P-value
2006	0.227 8	-0.303	0.115 2	0.021
2007	0.058 6	-0.303	0.115 5	0.203
2008	0.192 1	-0.303	0.111 5	0.034
2009	0.173 2	-0.303	0.114 2	0.038
2010	0.161 7	-0.303	0.108 9	0.045
2011	0.221 8	-0.303	0.113 4	0.023
2012	0.227 8	-0.303	0.114 9	0.023
2013	0.213 5	-0.303	0.112 8	0.024

新窗口打开
为进一步寻找重点控制区域,运用GeoDa软件创建空间权重矩阵后,绘制省域工业NOx排放量的Moran散点图（如图4）,其中横坐标是各个省域变量的观测值,而纵坐标为某地区与其周围相邻区的观测值的空间平均值。
显示原图|下载原图ZIP|生成PPT
图42006-2013年中国工业NOx排放Moran散点分布
-->Figure 4Moran scatter plot of industrial nitrogen oxide emissions in China from 2006 to 2013
-->

由图4可以看出：①HH区域始终集中在中东部的河北、山东、河南等地区。这些地区最大的特点就是经济发达,工业密布,且人口密度较高。②LL区的省域分布在青海、贵州等西部地区,但随着时间的推移,部分省域的排放量增加,LL区包含的省市数量从8个减少到6个。③HL区域主要为广东,广东的NOx排放量较高,但是其周边省的排放量均较低。2013年转变为HL区的新疆,开始由于经济发展缓慢且人口较少,属于排放量较低的省,随着西部大开发的推进,开始进入快速发展期,且新疆的主导产业为以石油天然气开采、石油化工、煤化工为代表的重工业,工业总产值所占的比重不断上升,其对能源的消耗持续增加^[29],工业NOx排放量随之快速增加,周边地区由于不同原因,排放量一直处于较低水平,所以新疆由LL区变成HL区。LH区主要分布在HH区的周边,例如福建、江西、湖北等。以上分析表明,高排放等级地区在不断的向外扩张,且省域间存在显著正相关,为了遏制这种污染扩张的趋势,需要加强对这些地区节能减排的约束力度。

3.2 基于LMDI模型的驱动因素分析及区域差异

3.2.1 全国NOx分指标贡献量变化趋势
为进一步探讨如何进行减排,首先要分析工业NOx排放量的影响因素,找出各个地区排放量变化的主要驱动因素。根据LMDI模型各指标公式,计算各指标的贡献量,并绘制各指标贡献量的变化趋势图（如图5）。
显示原图|下载原图ZIP|生成PPT
图5各分解指标总贡献量趋势
-->Figure 5Aggregate decomposition of change in industrial NOx emission in China
-->

从全国范围来看,在NOx排放增加方面,经济规模效应一直处于主导地位,每年由经济发展水平上升带来的NOx增加均超过100万t,其中2010-2011年经济发展水平的贡献量最大,达到了281.4万t;在控制NOx排放方面,则是技术效应和能源效率效应起主导作用。2012年前能源效率的提升对减排的贡献较大,之后,因为火电厂、钢铁厂、水泥厂等脱硝项目建设投资产生的减排效益在这一年开始凸显^[30],使得2012-2013年技术效应主导下排放量出现明显的下降。产业结构调整对于排放量的贡献量相对较小,至2011年以后贡献量缓慢增加,减排效应开始凸显。
3.2.2 各省域NOx分指标贡献量
为更详细探究各省份的主要驱动力,运用LMDI计算各指标对2006-2013年省域工业NOx排放量的贡献量,绘制各省份各指标贡献量分布（见图6）。
显示原图|下载原图ZIP|生成PPT
图62006-2013年各省分指标贡献量分布
-->Figure 6Comparison of decomposition results in different regions from 2006 to 2013
-->

由图6可知,经济规模方面,全国范围都因经济规模扩大而造成工业NOx排放量的增加,但也呈现出明显的地域差异。其中,中东部地区的内蒙古、河北、山东、江苏、河南的增加量超过86万t。而青海、海南等地因为经济发展规模处于较低水平,其排放量并没有显著的增加。
技术效应一直是控制NOx排放量的重要因素。改善工业企业的生产技术水平和污染物末端治理技术是降低单位GDP能耗的重要举措,也是降低大气污染物排放的关键一环。2010年以后,国家加大烟气脱硝设施的建设和投入,火电等重点行业全面推进现役机组的低氮燃烧技术改造,为实现NOx的减排奠定了坚实基础。总体上看,技术进步产生的减排效果呈现由东向西逐渐减弱的趋势,说明在西部开发的背景下,还需注重通过技术提升解决发展过程中产生的环境问题。
同时,能源利用效率的改善也是实现NOx减排的重要因素,“十二五”期间,水泥等重点行业开始采用低氮燃烧、分级燃烧、富氧燃烧、高固气比等方式从源头上治理、控制煤炭煅烧中生成NOx。与技术进步类似,能源效应产生的减排效果也呈现由东向西递减的趋势,因为虽然中西部地区矿产资源丰富,但由于对化石能源的过分依赖以及生产技术的落后等原因使得能源的利用率较低,相同的资源产生的经济效益较少,污染物较多,造成的“资源诅咒”现象十分显著^[31]。
产业结构的调整对NOx排放量的影响存在显著的空间差异。总体上看,因产业结构调整造成了NOx排放量增加的地区多分布于中西部,如内蒙古、安徽、湖北等,这些地区大多为产业转移接收地,大量高耗能高污染的产业落户,随着工业增加值占比越来越大,其造成的环境影响也愈发明显^[32]。而传统的经济大省和工业大省,如山东、江苏、黑龙江、广东,都通过产业结构的调整有效降低了自身的排放量。

3.3 区域类型划分及减排建议

3.3.1 省域工业NOx排放的类型划分
根据刘满芝等的研究^[33],以2011年相对于2006年工业NOx排放量变化率为横轴、2013年相对于2011年变化率为纵轴,横坐标和纵坐标的交叉点（52.24,-10.65）,将各省份排放量依据两个时间段内变化率正负值变化,分成最佳、积极、问题和落后4个象限,得出30个省份变化率所属的象限（图7所示）。III象限为最佳象限,表示两个期间排放量增长率均低于全国平均水平,表明其表现均好于全国平均水平;其次为IV象限,称之为积极象限,表明2006年-2011年期间表现低于全国平均水平,但2011年-2013年好于全国平均水平;II象限称之为问题象限,第一时期表现较好、但第二时期表现较差;I象限为落后象限,两个时期表现均低于全国平均水平,表示这些省份在减排方面处于落后状态。落在第III象限的有8个省份,反映这些省份减排效果好;落在第I、II、IV象限的分别有8、5、9个,表明这些省份表现不佳。
显示原图|下载原图ZIP|生成PPT
图7工业NOx排放量的空间分布差异
-->Figure 7Spatial difference of industrial NOx emission change rate
-->

依据3.1章节的分析结果,中国省域污染物排放量与变化率存在巨大区域差异。根据“十二五”NOx减排思路,NOx的总量控制要突出重点行业和重点区域。因此,在制定减排政策时,首先要寻找减排的重点区域。以四象限图的分类结果及区域排放量等级为划分依据（见表2）,寻找排放量较大且排放变化率表现不佳的地区（即减排重点区域）,分析其主导因素并给出相应的建议。
Table 2
表2
表2省域工业NOx排放量变化特征分类
Table 2The classification of industrial NOx emissions characteristics in different regions

	高排放等级省域	中低排放等级省域
最佳省域	广东、江苏、辽宁、浙江、安徽	湖北、上海、北京
积极省域	山西、福建、陕西（一类）	四川、湖南、重庆、甘肃、江西、天津
问题省域	山东、河南、河北（二类）	黑龙江、吉林
落后省域	新疆、内蒙古（三类）	青海、广西、云南、贵州、宁夏、海南

新窗口打开
注：表中分类仅针对排放量较大且变化率变化表现不佳的重点区域。
根据上述分类结果,可以将30个省域分为八个大类,进而将排放量较大且变化率表现不佳,需要进一步给出减排建议的重点区域重点分析,划分为三个大类：
一类包括山西、福建、陕西三省,为排放量较高且排放变化率积极的类型。
二类则包含山东、河南、河北,同样是高排放但变化率表现为问题的类型。
三类中的新疆、内蒙古不仅排放量高,且排放不断增加的落后类型。
3.3.2 地区差异及减排建议
为进一步分析不同区域的排放特征,依据LMDI模型的分析结果,判别不同省域的主要影响因子,并根据主导因子不同给出不同的减排建议。
一类中的山西、福建均为经济水平和能源效率主导的省区。随着经济的发展,工业NOx排放量随之增加。2011年后由于煤炭利用率的上升,使燃煤所产生的污染物排放量降低。特别是以煤为主要能源物质的山西,由于“十二五”期间电厂等用煤量较大的行业开始改进其燃烧方式,增加能源效率,使得单位产值的煤耗量从2010年的7.4t降低至2011年的4.7t。由于能源效率提升而减少的排放量大于经济规模扩大带来的增加量,使得排放量由增加转变为降低。陕西为经济规模和技术效应主导型,2011年以前,与山西相似,随着经济的进步,工业NOx排放量增加,但到了2012年大量火电厂、钢铁厂、水泥厂的前期脱硝项目建设投资开始产生减排效益,使得燃煤产生的排放量降低为原来的一半,排放量出现显著下降。对于这一类的地区,政府应该增加经济政策鼓励,例如“十一五”规划期间1.5分的脱硫电价补贴,只有充足的经济效益才能鼓励企业使用更节能环保的技术。
二类中的山东、河南、河北在经济水平主导下的工业NOx排放量增加,而在技术改进及能源利用效率提升的同时也控制着排放量。“十二五”规划前,全国范围内呈现出工业NOx排放量激增的情况,山东、河南、河北这三个地区由于工业发展水平较高,生产技术相对较为先进,其排放变化率优于全国水平。而2011年之后,虽然这几个地区排放量也在下降,但由于原本排放基数较大,变化率低于全国变化水平。目前这三个地区是排放量最高的地区（除江苏外）,是中东部的高污染、高能耗的集聚区,也是雾霾频发的主要污染地区之一,其主要原因是产业布局不合理、第二产业在地区生产总值中所占比例较高和“一煤独大”的能源结构^[34]。考虑到大气污染的区域性和复合型,局部地区排放量的降低并不能改善大范围内的空气质量^[35]。未来,要严格控制这些地区包括NOx在内的大气污染物排放量,实施区域联防联控,并对整个区域进行科学合理规划,促进区域协同发展和一体化进程,在本质上改善区域空气质量。具体来说,针对这一地区,技术改进是减排的必要条件,而经济补贴是减排的重要驱动力,严格的环境监督和执法是减排的现实保障。同时,调整产业结构是中国未来经济转型发展过程中的主旋律,也是NOx减排的本质要求。总的来看,未来需严格执行国家产业引导政策,全面落实淘汰落后产能的要求,遏制高耗能、高污染产业过快发展。
三类中的新疆和内蒙古排放变化率一直处于全国水平之下,且这两个地区的排放量在经济发展主导下,在2011年以后还在不断增加,其首要任务是完成从增排到减排的转变。新疆和内蒙古矿产资源极其丰富,且经济发展处于初期的快速上升阶段,也是国家重点扶持开发的地区,在环境规制和产业限制方面略显不足。根据“污染避难所”假说的原理,国内其他地区的高污染、高能耗的产业为了生存和减少生产成本,会选择在这样的地区落户,即产业实现转移^[36]。这样的发展模式使得在经济水平上升的同时也带来了巨大环境污染。因此要减排必须提高企业的环境准入门槛,加强对现有企业的监管力度,将环境保护放到与经济发展同样重要的位置,实现区域绿色发展。同时,考虑区域发展的均衡性,在2011年制定NOx减排政策时,内蒙古和新疆所分配到的减排份额很小或没有减排任务,在下阶段污染物总量减排份额划定时,需要对这些地区的污染状况进行新一轮评估,加强总量控制,防止该区域成为新的污染热点区。
除上述需要重点分析的省域外,排放量较高但排放变化率表现为积极的省域需要继续按照原有减排政策,不断提高技术水平,加速完成产业结构调整。其余中低排放等级的省域,也要不断加强排放监控,提高转移工业准入门槛,防止排放量不断增加,成为新的热点区。

4 结论与讨论

4.1 结论

污染物排放的定量分析和时空变化是研究区域大气复合污染问题的基础。考虑到污染物减排的框架路线是“全国总量控制—省区任务分解—省内城市份额下达”,省域尺度起到承上启下的重要作用,也是落实减排政策的行政主体,因此,本文以省域工业NOx排放量为研究对象,从空间分析视角和效应分解视角出发,旨在抛砖引玉,以期为空气污染物减排政策制定提供借鉴。
（1）从时空分布变化角度来看,中国省域工业NOx的排放量呈现先不断增加,后由于“十二五”环保部减排政策的出台,再转为缓慢降低的态势。在空间上排放量总体呈现出集聚分布的状态,高排放量的省域集聚分布在中东部的河北、山东、江苏等地,而低排放区则分布在青藏、青海、贵州等西部地区。随时间的推移,高排放区域开始向南部和西部扩张,高排放等级所包含的省份数量不断增加,例如山西、河南、安徽等地区也因排放量的不断增加,步入高排放等级行列。同时,省域间的排放量具有较强的空间相关性。为有效改善这些高排放集聚区的空气质量,必须率先制定和实施区域NOx控制的联动规划。
（2）从驱动因素分解效应来看,经济发展、能源效率和技术水平是影响排放量的主导因素。工业NOx排放量会随着经济快速发展而不断增加,而能源效率的提升以及生产技术水平的提高可以控制污染物的排放,降低排放量。
（3）以四象限图及排放量为划分标准,寻找出重点控制区域,并依据“十二五”前后的变化状况选取三种类型的区域进行分析。针对不同主导因素,并结合当地的经济发展、产业结构、能源结构等状况,分别给出相应的减排对策：一类中的山西、福建、陕西应该增加经济政策的鼓励,实施更环保的生产技术,同时也要加强监督,严格控制排放标准;二类的山东、河南、河北必须要实施“联防联控”,具体来说,要改进生产技术,调整和升级产业结构;三类的新疆和内蒙古要提高企业的环保和能效准入门槛,加强现有企业的环保监查力度,并重新划定或增加减排份额,加强总量控制,防治污染新热点的产生。而高排放等级中的积极省域只需坚持原有政策,加快产业转移。其余低排放等级省域则要加强监控,防止成为新的排放热点区。

4.2 讨论

相比已有研究对SO₂、烟尘等空气污染物减排的关注,本文结合ESDA和LMDI方法,对中国工业NOx的排放及其驱动因素进行了探究,为“十三五”及后期的大气污染物防治和区域减排政策调整提供了参考。由于LMDI方法和相关数据来源的限制,本次研究更多的关注经济发展水平、能源效率以及技术进步方面的区域减排影响,尚未深入讨论工业内部结构的调整对工业NOx排放产生的影响。作为“十二五”氮氧化物减排的另一重要思路——重点行业（电力、水泥、钢铁）减排,未来的研究可更有针对性的结合工业内部不同行业的规模或技术的变动对工业NOx排放产生的影响,以深入探讨不同区域由于工业结构效应不同所带来的减排差异,为转型期社会经济的绿色发展、可持续发展提供指导。
The authors have declared that no competing interests exist.

---

参考文献文献选项 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	Wang Q S,Yuan X L,Lai Y H,et al.Research on interactive coupling mechanism and regularity between urbanization and atmospheric environment:A case study in Shandong Province,China [J]. Stochastic Environmental Research and Risk Assessment,2012,26(7):887-898. [本文引用: 1]
[2]	Chen R J,Wang X,Meng X,et al.Communicating air pollution-related health risks to the public:An application of the air quality health index in Shanghai,China [J]. Environment International,2013,51(1):168-173. [本文引用: 1]
[3]	刘秀凤. 氮氧化物减排需破哪些难题? [N]. 中国环境报,2011-05-26(01). [本文引用: 1] [Liu X F. What Problem Need to Solve to Reduce NOx Emissions? [N].China Environment News,2011-05-26(01).] [本文引用: 1]
[4]	Velders J M,Granier C,Portmann R W.Global tropospheric NO2 column distributions' comparing three-dimensional model calcul-ations with GOME measurements [J]. Journal of Geophysical Re-search,2001,106(12):12643-12660. [本文引用: 1]
[5]	Van der A R J,Peters D,Eskes H,et al. Detection of the trend and seasonal variation in tropospheric NO2 over China [J]. Journal of Geophysical Research:Atmospheres,2006,111(D12):1-10. [本文引用: 1]
[6]	He Y,Uno I,Wang Z,et al.Variations of the increasing trend of tropospheric NO2 over central east China during the past decade [J]. Atmospheric Environment,2007,41(23):4865-4876. [本文引用: 1]
[7]	Cheng M,Jiang H,Guo Z.Evaluation of long-term tropospheric NO2 columns and the effect of different ecosystem in Yangtze River Delta [J]. Procedia Environmental Sciences,2012,13(8):1045-1056. [本文引用: 1]
[8]	田贺中,郝吉明,陆永琪,等. 中国氮氧化物排放清单及分布特征 [J]. 中国环境科学,2001,21(6):493-497. [本文引用: 1] [Tian H Z,Hao J M,Lu Y Q,et al.Inventories and distribution characteristics of NOx emissions in China [J]. China Environmental Science,2001,21(6):493-497.] [本文引用: 1]
[9]	张兴赢,张鹏,张艳,等. 近10a中国对流层NO2的变化趋势、时空分布特征及其来源解析 [J]. 中国科学,2007,37(10):1409-1416. [本文引用: 1] [Zhang X Y,Zhang P,Zhang Y.The tropospheric NO2 trends,the temporal and spatial distribution characteristics and source apportionment for nearly 10 years in China [J]. Science in China,2007,37(10):1409-1416.] [本文引用: 1]
[10]	王跃启,江洪,张秀英,等. 基于OMI卫星遥感数据的中国对流层NO2时空分布 [J]. 环境科学研究,2009,22(8):931-937. [Wang Y Q,Jiang H,Zhang X Y,et al.Temporal-spatial distribution of tropospheric NO2 in China using OMI satellite remote sensing data [J]. Research of Environmental Sciences,2009,22(8):931-937.]
[11]	李龙,施润和,陈圆圆,等. 基于OMI数据的中国对流层NO2时空分布与人类影响分析 [J]. 地球信息科学学报,2013,15(5):688-694. [本文引用: 1] [Li L,Shi R H,Chen Y Y,et al.Spatio-temporal characteristics of NO2 in China and the anthropogenic influences analysis based on OMI data [J]. Journal of Geo-information Science,2013,15(5):688-694.] [本文引用: 1]
[12]	Hao N,Valks P,Loyola D,et al.Space-based measurements of air quality during the World Expo 2010 in Shanghai [J]. Environ-mental Research Letters,2011,6(4):67-81. [本文引用: 1]
[13]	尉鹏,任阵海,苏福庆,等. 中国NO2 的季节分布及成因分析 [J]. 环境科学研究,2011,24(2):155-161. [本文引用: 1] [Wei P,Ren Z H,Su F Q,et al.Seasonal distribution and cause analysis of NO2 in China [J]. Research of Environmental Sciences,2011,24(2):155-161.] [本文引用: 1]
[14]	中华人民共和国环境保护部. 中国环境统计年鉴(2007-2014)[M]. 北京:中国统计出版社,2007-2014. [本文引用: 1] [Ministry of Environ-mental Protection of the People's Republic of China. China Statistical Yearbook on Environment(2007-2014)[M]. Beijing:China Statistics Press,2007-2014.] [本文引用: 1]
[15]	中华人民共和国国家统计局. 中国统计年鉴(2007-2014)[M]. 北京:中国统计出版社,2007-2014. [本文引用: 1] [National Bureau of Sta-tistics of the People's Republic of China. China Statistical Yearbook(2007-2014)[M]. Beijing:China Statistics Press,2007-2014.] [本文引用: 1]
[16]	李建豹,张志强,曲建升,等. 中国省域CO2排放时空格局分析 [J]. 经济地理,2014,34(9):158-165. [本文引用: 2] [Li J B,Zhang Z Q,Qu J S,et al.Analysis of China’s provincial carbon dioxide emission spatiotemporal pattern [J]. Economic Geography,2014,34(9):158-165.] [本文引用: 2]
[17]	沈宏婷,陆玉麒. 中国省域R&D投入的区域差异及时空格局演变 [J]. 长江流域资源与环境,2015,24(6):917-924. [本文引用: 1] [Shen H T,Lu Y L.Regional disparities and spatial-temporal evolution of China [J]. Resources and Environment in the Yangtze Basin,2015,24(6):917-924.] [本文引用: 1]
[18]	丁镭,黄亚林,刘云浪,等. 1995-2012年中国突发性环境污染事件时空变化特征及影响因素 [J]. 地理科学进展,2015,34(6):749-760. [Ding L,Huang Y L,Liu Y L,et al.Spatio-temporal variabilityofsuddenenvironmental pollution incidents and influencingfactors inChina,1995-2012 [J]. Progress in Geography,2015,34(6):749-760.]
[19]	Ang B W,Choi K H.Decomposition of aggregate energy and gas emission intensities for industry:A refined Divisia index method [J]. The Energy Journal,1997,18(3):59-74. [本文引用: 1]
[20]	Ang B W.LMDI decomposition approach:A guide for implemen-tation [J]. Energy Policy,2015,86:233-238. [本文引用: 1]
[21]	柏延臣,李新,冯学智. 空间数据分析与空间模型 [J]. 地理研究,1999,18(2):185-190. [本文引用: 1] [Bai Y C,Li X,Feng X Z.Spatial data analysis and spatial models [J]. Geographical Research,1999,18(2):185-190.] [本文引用: 1]
[22]	Geng Y,Wang M,Sarkis J,et al.Spatial-temporal patterns and driving factors for industrial waste water emission in China [J]. Journal of Cleaner Production,2014,76(4):116-124. [本文引用: 1]
[23]	施亚岚,崔胜辉,许肃. 需求视角的中国能源消费氮氧化物排放研究 [J]. 环境科学学报,2014,34(10):2684-2692. [本文引用: 1] [Shi Y L,Cui S H,Xu S.Nitrogen oxide emission in energy consumption in China from a consumption-based perspective[J]. Acta Scientiae Circumstantiae,34(10):2684-2692.] [本文引用: 1]
[24]	施亚岚,崔胜辉,许肃,等. 中国产业能源消费氮氧化物排放影响因素分析 [J]. 环境科学与技术,2014,37(6N):355-362. [本文引用: 1] [Shi Y L,Cui S H,Xu S,et al.Factor decomposition of nitrogen oxide emission of China industrial energy consumption [J]. Environ-mental Science & Technology,2014,37(6N):355-362.] [本文引用: 1]
[25]	Wang S,Li Q,Fang C,et al.The relationship between economic growth,energy consumption,and CO2 emissions:Empirical evidence from China [J]. Science of The Total Environment,2016,542:360-371. [本文引用: 1]
[26]	张强,耿冠楠,王斯文,等. 卫星遥感观测中国1996-2010年氮氧化物排放变化 [J]. 中国科学,2012,57(16):1446-1453. [本文引用: 1] [Zhang Q,Geng G N,Wang S W,et al.Satellite remote sensing of changes in NOx emissions over China:1996-2010 [J]. Science in China,2012,57(16):1446-1453.] [本文引用: 1]
[27]	万鲁河,王绍巍,陈晓红. 基于Geoda的哈大齐工业走廊GDP空间关联性 [J]. 地理研究,2011,30(6):977-984. [本文引用: 1] [Wan L H,Wang S W,Chen X H.Geoda-based spatial correlation analysis of GDP in Hadaqi industrial corridor [J]. Geographical Research,2011,30(6):977-984.] [本文引用: 1]
[28]	高超,金凤君,傅娟,等. 1996-2011年南非人口空间分布格局与演变特征 [J]. 地理科学进展,2013,32(7):1167-1176. [本文引用: 1] [Gao C,Jin F J,Fu J,et al.Spatial pattern of population and its evolution in South Africa during 1996-2011 [J]. Progress in Geo-graphy,2013,32(7):1167-1176.] [本文引用: 1]
[29]	霍金炜,杨德刚,唐宏. 新疆碳排放影响因素分析与政策建议 [J]. 地理科学进展,2012,31(4):435-441. [本文引用: 1] [Huo J W,Yang D G,Tang H.Empirical study and decomposition model analysis of carbon emissions in Xinjiang [J]. Progress in Geography,2012,31(4):435-441.] [本文引用: 1]
[30]	孙秀艳. 氮氧化物减排为何滞后? [N].人民日报,2014-03-01(09). [本文引用: 1] [Sun Y X. Why NOx Emissions Reduction Lag? [N]. People's Daily,2014-03-01(09).] [本文引用: 1]
[31]	陈祖海,雷朱家华,刘驰. 民族地区能源开发与经济增长效率研究:基于“资源诅咒”假说 [J]. 中国人口·资源与环境,2015,25(6):98-106. [本文引用: 1] [Chen Z H,Lei Z J H,Liu C. Energy develop-ment and economic growth efficiency in minority areas:Based on the ‘Resource Curse’ hypothesis [J]. China Population,Resources and Environment,2015,25(6):98-106.] [本文引用: 1]
[32]	陈祖海,雷朱家华. 中国环境污染变动的时空特征及其经济驱动因素 [J]. 地理研究,2015,34(11):2165-2178. [本文引用: 1] [Chen Z H,Lei Z J H. The spatial-temporal characteristics and economic drivers of environmental pollution changes in China [J]. Geographical Research,2015,34(11):2165-2178.] [本文引用: 1]
[33]	刘满芝,杨继贤,马丁,等. 基于LMDI模型的中国主要大气污染物的空间差异及其影响因素分析 [J]. 资源科学,2015,37(2):333-341. [本文引用: 1] [Liu M Z,Yang J X,Ma D,et al.Spatial disparity and factor analysis of major air pollutant emissions in China based on LMDI methods [J]. Resources Science,2015,37(2):333-341.] [本文引用: 1]
[34]	王硕. 重化工业是华北大气污染主因 [N]. 京华时报,2015-12-15(07). [本文引用: 1] [Wang S. Heavy Industry Cause Air Pollution at North of China [N]. Beijing Times,2015-12-15(07).] [本文引用: 1]
[35]	高晋徽,朱彬,王言哲,等. 2005-2013 年中国地区对流层二氧化氮分布及变化趋势 [J]. 中国环境科学,2015,35(8):2307-2318. [本文引用: 1] [Gao J H,Zhu B,Wang Y Z,et al.Distribution and long-term variation of tropospheric NO2 over China during 2005 to 2013 [J]. China Environmental Science,2015,35(8):2307-2318.] [本文引用: 1]
[36]	陈红蕾,陈秋锋. “污染避难所”假说及其在中国的检验 [J]. 暨南学报,2006,28(4):51-55. [本文引用: 1] [Chen H L,Chen Q F.The“Pollution Haven” hypothesis& its empirical test in China [J]. Journal of Jinan University,2006,28(4):51-55.] [本文引用: 1]