刘仟策^1,2,3,4,, 刘立涛³, 刘剑⁵, 李胜功^3,6,, 白晧⁷, 刘刚²
1. 中国科学院大学中丹学院,北京 100049
2. 南丹麦大学生命周期工程研究中心,丹麦欧登塞 5230
3. 中国科学院地理科学与资源研究所,北京 100101
4. 中国-丹麦科研教育中心,北京 100049
5. 中国科学院办公厅,北京 100864
6. 中国科学院大学资源与环境学院,北京 100049
7. 北京科技大学冶金与生态工程学院,北京 100083

In-use iron and steel stock estimation and driving force analysis in Chongqing

LIUQiance^1,2,3,4,, LIULitao³, LIUJian⁵, LIShenggong^3,6,, BAIHao⁷, LIUGang²
1. Sino-Danish College, University of Chinese Academy of Sciences, Beijing 100049, China
2. SDU Life Cycle Engineering, University of Southern Denmark, Odense 5230, Denmark
3. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101, China
4. Sino-Danish Centre for Education and Research, Beijing 100049, China
5. Department of General Administration of Chinese Academy of Sciences, Beijing 100864, China
6. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China
7. School of Metallurgical and Ecological Engineering, University of Science and Technology Beijing, Beijing 100083, China
通讯作者:通讯作者:李胜功,E-mail: lisg@igsnrr.ac.cn
收稿日期:2018-09-21
修回日期:2018-10-30
网络出版日期:2018-12-20
版权声明:2018《资源科学》编辑部《资源科学》编辑部
基金资助:国家自然科学基金项目（41728002）中国地质调查局项目（121201103000150015）
作者简介:
-->作者简介：刘仟策,男,吉林长春人,硕士生,研究方向为物质流分析。E-mail: lqc_ustbeco@163.com



展开

摘要
钢铁存量的准确估算可为预测钢铁需求量、理论报废量、制定资源环境管理政策提供科学依据。本文以重庆市全行政区面积为研究边界,采用自下而上的方法估算了1985—2014年重庆市钢铁存量及其行业分布。研究结果表明,重庆市的钢铁总存量及人均存量在过去30年间分别增长了10倍和12倍,于2014年分别达到0.59亿t和1748kg/人;在钢铁存量的行业分布结构上,建筑钢铁存量的历年占比均达到50%以上,该结果与邯郸市、美国纽黑文市的钢铁存量行业分布模式相似。基于钢铁存量的估算结果,本文利用IPAT模型对重庆市钢铁存量的变化进行了驱动力分析,研究发现,经济发展与人口增长是重庆市钢铁存量增长的主要驱动因素,其中经济发展始终是最强劲的驱动力,而技术的负向作用表明,重庆市未来对钢铁的需求将降低。

关键词：物质流分析;钢铁存量;自下而上方法;IPAT方程;驱动力分析;重庆市
Abstract
A precise accounting of urban iron and steel stocks could provide scientific basis for predicting future iron (including steel) demand, forecasting scrap steel generation, and informing relevant resource and environmental management strategies and policies. Studies on in-use stocks at city level, especially in China, have far less been paid attention to by scientific community comparing to them at country level, although it is still crucial to solve urban waste management and resource recycling problem. Chongqing, one of the four municipalities in China, is a representative city in West China with the largest population between all Chinese cities. Hence, in this study, we selected Chongqing to estimate its in-use iron stock levels and its sector distribution from 1985 to 2014 by applying a statistics-based bottom-up approach within its whole administrative boundary. A huge effort was made to establish a more elaborate iron and steel containing product inventory and collect data of product amount and iron intensities of each product. Social-economic drivers of stocks growth were further analyzed by IPAT equation that could easily quantify the impact for each factor. Our main findings include: (1) Both total and per capita iron stocks have increased by more than 10 times in the last 30 years and reached 59 million tons and 1.748t/cap in 2014, respectively. (2) Chongqing shows the lowest iron and steel stock among it and other two cities reported in the literature (Handan, China and New Haven, USA). However, it has similar distribution structure among different sectors (e.g., with the largest share in the building sector). (3) Economic growth and population positively contribute to stock growth. Alternatively, the technology shows a negative effect, leading to a decreasing trend for future iron demand in Chongqing.

Keywords：material flow analysis;iron and steel stocks;bottom-up method;IPAT equation;driving force analysis;Chongqing

-->0
PDF (7448KB)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-->
刘仟策, 刘立涛, 刘剑, 李胜功, 白晧, 刘刚. 重庆市钢铁存量估算及驱动力分析[J]. 资源科学, 2018, 40(12): 2341-2350 https://doi.org/10.18402/resci.2018.12.02
LIU Qiance, LIU Litao, LIU Jian, LI Shenggong, BAI Hao, LIU Gang. In-use iron and steel stock estimation and driving force analysis in Chongqing[J]. RESOURCES SCIENCE, 2018, 40(12): 2341-2350 https://doi.org/10.18402/resci.2018.12.02

1 引言

在用存量或在役存量（in-use stock）,是指特定时间、特定系统边界内,除自然存量以外的正在被使用的物质重量^[1,2]。在用存量是人类生存所需服务（如住房、交通等）的重要载体（如建筑、基础设施、交通工具等）,与人们的日常工作、生活息息相关,是维持社会经济体系正常运转的重要保障^[1]。在用存量在社会代谢（social metabolism）中起着重要作用,物质现今的存量将成为未来的废弃量。因此,在用存量是中长期社会代谢的决定性因素^[2],是预测废弃物产量、测算资源环境效应的基础。钢铁是人类社会中用途最广泛的金属,其废弃物即废钢,是“城市矿产”（urban mining）的重要组成部分。研究钢铁在用存量对于预测未来钢铁需求量、预报废钢产量和测算环境影响具有重要作用,可为制定资源管理和环境政策提供科学依据^[3,4,5,6]。
最早关于金属在用存量的研究可追溯至20世纪30年代^[7]。2000年,以耶鲁大学产业生态中心、荷兰莱顿大学、挪威科技大学等为代表的一批欧美研究机构促成了金属在用存量研究的极大发展^[8]。自上而下法（top-down）和自下而上法（bottom-up）是存量计算的两种最主要的方法。自上而下法通过截至某一时间节点,加和各个单位时间流入（钢铁历史消费量）和流出（依据产品使用寿命估算所得）系统边界的钢铁量之差,是一种间接计算钢铁存量的方法^{[9,10,11,12,13]}。此方法的优势在于数据相对易得、可以较快速准确得到存量结果,但不能兼顾存量的空间分布和行业分布^[4,8,11]。自下而上法是指在某一时间节点,对系统边界内的含铁物品（如建筑、机械等）,逐一加和各个物品的钢铁量,得到总的钢铁存量^{[13,14,15,16,17]}。根据物品数量的数据来源,又可以将其分为基于统计数据和基于地理信息系统（GIS）的自下而上法。自下而上法的优势在于更为注重存量的空间和行业分布。自上而下法和自下而上法又可以根据研究的时间跨度分为静态研究和动态研究,静态研究即以某一年或不连续的若干年份为时间边界,动态研究则为连续多年^[12]。在已有物质存量的研究中,90%以上均采用自上而下法,自下而上法则较少被采用^[18]。
在国内外对于钢铁在用存量的研究中,更多的研究集中于国家和全球层面,城市尺度的研究相对较少。在国家及全球层面,Wang等分别在全球、区域、国家三个尺度上估算了全球68个国家和地区2000年的钢铁存量、流量及循环平衡,以及用自下而上法计算了中国2000及2010年分城乡的钢铁存量^[4,7];Pauliuk等研究了全球200个国家1700—2008年钢铁在用存量的变化趋势,同时总结得到人均钢铁存量的饱和点为13t±2t^[8];Müller等估算了美国1900—2004年的钢铁流量和存量^[19];Tanikawa等研究了日本1945—2010年包含钢铁在内的建筑材料存量^[20]。
在城市层面上,Drakonakis等采用基于统计数据的自下而上法估算了北美纽黑文市2004年钢铁和铜的在用存量^[21];Tanikawa等采用基于地理信息系统的自下而上法计算了日本Wakayama市包括钢铁存量在内的建筑材料存量^[22];Kleeman等也采用了基于地理信息系统的自下而上法计算了奥地利维也纳市1918—2013年建筑中包含钢铁存量在内的建材存量^[3]。对于中国城市的研究,楼俞等采用基于统计数据的自下而上法估算了中国河北邯郸市2005年全社会钢铁和铝的在用存量^[5];Huang等计算了北京、上海和天津市1978—2013年建筑和基础设施中的钢铁存量^[23]。
由此可见,与全球和国家层面相比,在城市层面的研究案例还十分少见,尤其是以中国城市为研究对象估算城市尺度全社会钢铁存量研究更鲜有报导。中国城市社会经济系统中钢铁存量水平这一数据的缺失,既难以量化未来中国城市钢铁需求潜力,又使制定废弃物及资源回收政策缺少必要的科学依据及数据基础。
本研究选取中国西部地区城市化水平较高且唯一的直辖市,也是全国人口最多的城市——重庆作为研究对象^[24],借助基于统计数据的自下而上法,估算1985—2014年重庆市的钢铁存量,在此基础上,识别并量化重庆市钢铁存量变化的社会经济驱动力,为准确把握未来重庆市钢铁存量发展趋势、实现城市层面钢铁资源的管理提供科学依据及政策建议。

2 研究方法及数据来源

2.1 系统边界及行业分类

本研究的时间跨度为30年（1985—2014年）,以重庆市所辖的全部行政区为空间边界。在时间和空间边界内,本研究将钢铁终端产品分为建筑、基础设施、机械、家用电器和交通工具五大行业,各行业又分为若干子类,如图1所示。
显示原图|下载原图ZIP|生成PPT
图1钢铁终端产品分类
-->Figure 1Classification of iron and steel end products
-->

2.2 钢铁存量计算方法

本文采用基于统计数据的动态自下而上法计算1985—2014年重庆市钢铁存量,计算公式为：
St=∑iPit×mit（1）
式中S(t)为t年的钢铁存量;P_i（t）为钢铁终端产品i在t年的数量;m_i(t)为每单位钢铁终端产品i的含铁量。
由于非住宅建筑面积、家用电器数量及工业机械数量未能从统计年鉴中直接获取,需根据可得数据计算得到。非住宅建筑面积、家用电器数量及工业机械钢铁存量分别由公式（2）、公式（3）及公式（4）得到^[16]。
Pnft=Pnft-1+PAt-PDt（2）
式中P_nf(t)为t年的非住宅建筑面积;P_nf(t-1)为t-1年的非住宅建筑面积;P_A(t)、P_D(t)分别为t年的非住宅房屋竣工面积及拆迁面积。
Pdi(t)=Pui(t)×Hu(t)+Pri(t)×Hr(t)100（3）
式中P_di(t)为t年的家用电器总件数;P_ui(t)、P_ri(t)分别为t年城镇和农村每百户家用电器件数;H_u(t)、H_r(t)分别为t年城镇和农村的户数。
Sim(t)=Sam(t)×Eim(t)Eam(t)（4）
式中S_im(t)、S_am(t)分别为t年工业机械与农业机械钢铁存量;E_im(t)、E_am(t)分别为t年工业机械总功率与农业机械总功率。

2.3 驱动力分析方法——IPAT方程

IPAT模型可以明确地量化各因素的驱动作用。IPAT方程通常用于分析环境负荷的决定性因素,是量化人口、经济与环境之间关系的模型^[25,26]。环境负荷（I,Impact）由三个组分的乘积得到：人口（P, Population）、经济（A,Affluence）和技术（T,Technology）,即：
I=P×A×T（5）
本文采用IPAT模型分析重庆市钢铁存量与人口、环境和经济之间的关系。其中,P为重庆市常住人口数;A为人均GDP（GDP/P）;T为单位GDP的钢铁存量（MS/GDP）。其中,技术（T）实际上反映的是钢铁的服务效率,若T值降低（即ΔT为负数）,社会中由钢铁所提供的服务是充分的,即单位GDP的钢铁存量降低说明本时期相比前一时期增加单位GDP所需的钢铁存量减少（以公路为例,当某年的公路里程不再增加,同时GDP增长,说明前一年由公路对社会提供的出行服务已经足以支撑经济的发展,则未来几年无需增加公路里程,公路中的钢铁需求随之将减少）;相反则代表社会未来需要更多的钢铁来满足社会的需求^[27]。
本研究所采用的是IPAT方程的对数平均迪氏指数（LMDI,Logarithmic Mean Divisia Index）形式,该形式的优势在于无需考虑过程的变化,通过选取始末时间节点即可量化作用效果,公式为：
?I=It'-ItlnIt'-ln(It)×lnPt'Pt+It'-ItlnIt'-ln(It)×lnAt'At+It'-ItlnIt'-ln(It)×lnTt'Tt（6）
式中 It、It'、Pt、Pt'、At、At'、Tt、Tt'分别为环境负荷、人口、富裕程度及技术在 t-t'时间段内t年及 t'年对应的数值。

2.4 数据来源与处理

本研究计算所需的钢铁终端产品数量、常住人口、名义GDP数据来源于《重庆市统计年鉴》（1985—2015）^[28],钢铁终端产品的钢铁含量由表1中文献获得。
Table 1
表1
表1钢铁终端产品含铁量
Table 1Iron densities of iron and steel end products

类别	子类	单位含铁量	参考文献序号	类别	子类	单位含铁量	参考文献序号
建筑	城镇住宅	40 kg/m2	[29]	家用电器	洗衣机	18 kg/台	[31,34]
	农村住宅	6 kg/m2	[29]		电冰箱	31 kg/台	[31,34]
	非住宅	31 kg/m2	[4]		微波炉	8 kg/台	[31,34]
基础设施	普通公路	1.5 t/km	[30]		空调	26 kg/台	[31,34]
	高速公路	190 t/km	[30]		淋浴热水器		12 kg/台	[31,34]
	城市道路	1.5 t/km	[30]	移动电话		0.05 kg/部	[31,34]
	桥梁	3.6 t/km	[4]	黑白电视机		0.8 kg/台	[31,34]
	铁路	68 t/km	[31]	彩色电视机		0.8 kg/台	[31,34]
	供水管道	90 t/km	[32]	计算机		1.5 kg/台	[31,34]
	排水管道	8 t/km	[32]	摄像机		0.1 kg/部	[31,34]
	火电	18 t/MW	[4]	照相机		0.1 kg/部	[31,34]
	水电	35 t/MW	[4]	健身器材		10 kg/套	[31,34]
	电力输送	25 t/km	[4]	自行车		8 kg/辆	[31,34]
	路灯	0.2 kg/盏	[4]	抽油烟机		20 kg/台	[31,34]
	码头岸线	0.03 t/m	[4]	钢琴		40 kg/架	[31,34]
	泊位数	240 t/个	[4]	中高档乐器		4 kg/件	[31,34]
交通工具	载货汽车	3.7 t/辆	[33]	普通电话	0.08 kg/部	[31,34]
	载客汽车	0.94 t/辆	[33]	影碟机		3 kg/台	[31,34]
	其他汽车	2.5 t/辆	[33]	电风扇		0.5 kg/台	[31,34]
	摩托车	0.085 t/辆	[33]	缝纫机		10 kg/台	[31,34]
	其他机动车	2.5 t/辆	[33]	农业机械	大中型拖拉机	3.5 t/台	[4]
	机动船	157 t/艘	[4]		小型拖拉机	1.2 t/台	[4]
	驳船	62 t/艘	[4]		机动脱粒机	1.2 t/台	[4]
	铁路机车	19 t/艘	[4]		载重汽车	2 t/台	[4]
	铁路客车	26 t/艘	[4]		农用排灌动力机械	0.4 t/台	[4]
					农用水泵	0.05 t/台	[4]

新窗口打开

3 结果及分析

3.1 产品存量历史变化

由于篇幅限制,本文仅在51个钢铁终端产品中选取建筑面积、路桥长度、民用汽车数量及工业机械总功率为例对产品的历史发展趋势进行了分析,如图2所示（见第2345页）。图2a显示,重庆市建筑面积已于2014年达到近20亿m²,历年住宅建筑均占85%以上。路桥长度为普通公路、高速公路、城市道路以及桥梁长度的总和,图2b显示,30年间,重庆市路桥长度持续增长,2014年达到近85万km。图2c显示,民用汽车也于20年代初期开始高速增长,并于2014年达到近450万辆。图2d显示,工业机械总公率虽于2004年左右大幅波动,但整体上仍为上涨趋势,于2014年达到400MW。
显示原图|下载原图ZIP|生成PPT
图21985—2014年重庆市主要钢铁终端产品变化
-->Figure 2The main iron and steel end products dynamic in Chongqing from 1985 to 2014
-->

在1985—2014年的30年中,钢铁终端产品的演变趋势有相似的特征。即前10年,各主要含铁产品的数量增长十分有限,中间10年高速增长,最后10年则增长放缓。

3.2 钢铁存量历史变化

重庆市钢铁总存量逐年累积,自1985年的0.05亿t增长至2014年的0.59亿t;人均钢铁存量从1985年的0.16t/人增长至2014年的1.75t/人,30年间两个指标分别增长了10倍及12倍（图3a）。
显示原图|下载原图ZIP|生成PPT
图31985—2014年重庆市钢铁存量及行业分布
-->Figure 3Iron and steel stock and their sectors’ distribution in Chongqing from 1985 to 2014
-->

增速方面,30年间,重庆市钢铁总存量和人均存量分别以年平均8.5%和9.5%的速度增长。将10年分为一个时间段,重庆市在1994—2004年的10年间增速最高,总存量和人均存量增速分别达到12.8%和13.4%。1997年,重庆市由四川省省辖市转变成为中央直辖市,这一行政级别的提升使得重庆得到进一步发展,进而使钢铁存量大量累积。钢铁存量的变化与钢铁终端产品变化趋势相符。
在钢铁总存量及人均存量增长的同时,重庆市钢铁存量的行业分布结构也发生变革。如图3b所示,在建筑、基础设施、机械、家电和交通工具五大类别中,建筑在钢铁存量中始终占据主导地位,虽然建筑比重随时间波动下降,但其历年比重均超过50%以上,更是在1995年以前超过80%。
基础设施比重30年间增加了14%,基础设施比重的提升得益于重庆市路桥建设的飞速发展。重庆市于1995年开始,大量修建了公路、桥梁,使得其形成了立体复杂交通网络。而路桥中,钢铁作为桥梁骨架、公路护栏使得其存量大量累积。由此以后,基础设施中的钢铁存量开始在总存量中占据一定地位。机械、家用电器、交通工具中钢铁存量的绝对量亦逐年增长,但各类别所占比重变化不大。
由钢铁存量的行业分布的结构变化中可以看出,重庆市钢铁存量已从20世纪80年代的以依靠建筑一元增长的模式逐步转变为各类别多元增长的存量结构模式。

3.3 现状分析

为了更详细地体现钢铁存量在各钢铁终端产品中的分布,对重庆市2014年的钢铁存量进行深入的分析。由于城市规模的差异,以及为方便与其他城市对比,分析人均存量相对总存量更有意义。
如图4所示,人均钢铁存量在各钢铁终端产品中的分布十分不均。城镇住宅建筑、非住宅建筑、铁路、农村住宅建筑和工业机械占所有产品的前5名,5项之和约占总存量80%,若再加载客汽车、载货汽车及供水管道,51个产品中的前8个产品就超过总量的90%。
显示原图|下载原图ZIP|生成PPT
图42014年重庆市钢铁终端产品人均钢铁存量及比重
-->Figure 4Iron and steel stocks per capita and proportions of subcategories in Chongqing in 2014
-->

城镇住宅建筑同时在建筑和总存量中比重最高,2014年重庆市人均城镇住宅建筑存量达到476kg/人,占总存量的27%。建筑中3个子类,即城镇住宅建筑、农村住宅建筑以及非住宅建筑分别处于第1、第2和第4位,这也奠定了建筑在总存量中的主导地位。同时也说明了,建筑的存量变化对于总钢铁存量的变化至关重要,预示着建筑中的废钢将占未来废钢产量的主导地位。

3.4 驱动力分析

本研究以10年为时间间隔,将1985—2014的30年分成3个阶段,对IPAT因素进行分解分析,结果如表2所示。结果显示,由经济、人口和技术所带来的钢铁存量的总驱动力随时间增强。
Table 2
表2
表2IPAT分析各时期驱动因子驱动力变化量
Table 2Variations of driving forces for each driving factor in IPAT analysis in each period （%）

	1985—1995年	1995—2005年	2005—2014年
∆I	3	16	35
∆P	1	1	2
∆A	11	16	53
∆T	-8	0	-20

新窗口打开
∆P、∆A在各时期均为正值且∆A为最大,这表明：经济和人口始终对存量的增长起积极作用,经济的发展始终是重庆市钢铁存量增长最强劲的驱动力。而技术始终起负向作用。技术在2005—2014年达到了最低的-20%,说明钢铁终端产品对社会所提供的服务（如居住、出行等）在此时间段内最为充足,同时也说明社会对钢铁的未来需求量有降低的趋势。有研究表明,中国的钢铁存量将于2030年达到顶峰,并在随后下降^[9],这一说法也验证了本文中技术驱动力减弱的结论。

3.5 中美城市钢铁存量结果对比

将本研究所得结果与邯郸2005年、美国纽黑文2004年钢铁存量计算结果对比后发现（表3）^[5,11],总量上,重庆市钢铁总存量约为邯郸的2倍,但人均存量仅为邯郸市的57.10%。在存量行业分布结构上二者类似,其中建筑、家电及交通工具所占比重类似,且建筑占主导地位。不同的是,重庆市的基础设施人均存量低于邯郸市,但机械的比重远高于邯郸。
Table 3
表3
表3邯郸、纽黑文和重庆的钢铁存量对比
Table 3Comparison on iron and steel stock per capita among Handan, New Haven and Chongqing

		人均存量 /kg	建筑 /%	基础设施 /%	机械 /%	家用电器 /%	交通工具 /%	人均GDP /USD	人口 /万	城市化率 /%
邯郸	2005年	1 333	66.5	19.7	3.5	2.3	7.9	1 656[37]	863.0[37]	21[37]
纽黑文	2004年	8 750	42.5	14.4	17.3*		25.8	49 682[35]	12.4[35]	85[36]
重庆	2005年	761	67.5	13.0	10.6	1.7	7.2	1 350[28]	3 169.0[28]	56[28]

注：*17.3为纽黑文机械与家用电器比重之和。
新窗口打开
重庆市与纽黑文市的人均钢铁存量相差11.50倍,由此可见,中美城市间钢铁存量仍存在巨大差距。在钢铁存量的行业分布上,虽然建筑为纽黑文市钢铁存量分布的最主要的行业,但与其他行业之间的差距并不像邯郸市及重庆市如此悬殊,这说明纽黑文市各行业之间的钢铁分布相对比较均匀,而中国钢铁存量分布的行业之间相差悬殊而且极度依赖建筑行业。钢铁存量反映的是流量（流入和流出）的累积,一方面,从流入量的角度,国内的钢铁消费对于建筑行业有着很强的依赖性;另一方面,从流出量的角度,中国的建筑废钢将占未来废钢的主要门类。
在国内外城市间的对比中可以发现：2005年,重庆市常住人口近3300万人,邯郸市虽比重庆的人口规模小,但也远多于纽黑文市人口的不及15万人口^[35],城市化率方面,邯郸市仅为21%,重庆高于邯郸但也远低于纽黑文市的85% ^[36],无论是人口总量上还是人口城乡结构上,中国城市与美国城市之间的差距仍十分悬殊。因此,在不同经济规模、不同人口结构之间的国内外城市钢铁存量对比的合理性上仍存在很大的讨论空间。而一种更好的对比方式,即在存量的地域分布上,非住宅建筑、基础设施、工业机械及交通工具主要分布于市区之中,若将城市边界进一步缩小为市区、用城市人口替代总人口,则可以更好地反映重庆市区的钢铁存量,进而与国外城市进行对比。

3.6 未来发展趋势分析及建议

基于含铁产品存量、钢铁存量的历史变化及结构分布特征,本研究从钢铁存量增长驱动力及主要含铁产品的发展趋势两个角度出发,定性分析了重庆市钢铁存量的未来发展趋势。
驱动力层面,《中国“十三五”规划纲要》中指出2016—2020年中国经济年均增速下调至6.5%^[38],于此同时,《重庆市“十三五”规划》也将经济增速下调至9%^[39],这意味着经济的正向驱动作用将被削弱;人口方面,虽然重庆市人口近年来逐年增加,从历史驱动力结果上看,相对于经济的驱动作用,人口对于钢铁存量的驱动力十分有限。因此,经济、人口作为钢铁存量增长的正向驱动力,尤其是经济在被削弱的情况下,重庆市未来钢铁存量增速势必减弱。
在主要含铁产品的发展趋势上：①建筑方面,近年来重庆市房地产泡沫一定程度上是客观存在的^[40],按照正常的发展规律,可以预见这种建筑的高速增长难以维持,建筑的增速将放缓;②随着重庆市交通路网的逐渐完善,大规模增加公路、桥梁等基础设施的情况难以出现,从近年来重庆市的路桥长度变化不大可见一斑;③机动车数量的快速增长是造成城市空气污染和交通问题的重要因素之一,北京、上海等多地已限制机动车数量的增加,限制机动车数量过快增长是中国大城市的大势所趋,因此不排除重庆于若干年后实施机动车数量控制政策;④由工业造成的环境问题使得近年来多地工业迁出,如北京首钢搬迁等,重庆也有可能面临此种状况。以上因素均对钢铁存量的增长造成影响。
尽管本研究没有估算废钢的产量,但通过钢铁存量估算结果和结构分布,可以对重庆市未来废钢产量高峰期的到达时间进行粗略的预测：建筑是钢铁存量最主要的载体,建筑高速增长的两个起始节点分别是1994年住房体制改革后及2008年“四万亿”经济刺激计划。据测算,中国的建筑寿命一般在30~35年左右^[41]。在保持现有建筑寿命及城市化发展进程不变的情况下,可以预见在2014—2019年之间,建筑废钢产量将逐渐开始增加,并于2038—2043年左右将达到建筑废钢产量高峰期。为防止建筑废钢随意存放、管理及市场混乱等问题,针对废钢管理的相关政策应尽快出台。

4 结论

与国家层面相比,研究城市的钢铁存量及分析驱动力更具有针对性及实用性。本文以重庆市为例,示范了钢铁存量在城市层面的应用,包括：识别中外城市钢铁存量分布的行业特征、实证钢铁行业与其他行业间的关联、预测城市未来钢铁的消耗及累积趋势、为城市废钢回收提供政策建议。在方法上,完善了自下而上法计算存量的系统定义和计算方法,总结出了一套更为详尽的产品清单。本研究得到的主要结论有：
（1）1985—2014年间,重庆市钢铁存量持续累计,钢铁总存量及人均存量分别增长了10倍和12倍,但距像美国的发达城市仍存在较大差距。
（2）建筑始终在各行业中占主导的地位,且重庆市钢铁存量从20世纪80年代以依靠建筑增长的一元增长模式逐渐转变为多元增长模式。
（3）经济发展和人口增长正向促进重庆市钢铁存量增长,技术则有负向作用。
（4）受经济放缓及主要含铁产品类别的发展阻力,重庆市未来钢铁总存量的增速将放缓。
（5）基于重庆市钢铁存量及结构分布,可以粗略预测未来重庆市废钢产量将于2040年左右达到高峰期,为防止废钢管理、市场混乱等问题的出现,重庆市应尽早制定相关政策。
本研究仍可在计算存量结果的不确定性及钢铁终端产品的含铁量随时间变化上进一步讨论。
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

[40]	[Xue X.Study on Measurement, Cause and Countermeasures of Real Estate Bubble in Chongqing [D] . Chongqing: Chongqing Technology and Business University, 2013.] [本文引用: 1]
[41]	Liu G, Xu K, Zhang X,et al. Factors influencing the service lifespan of buildings: an improved hedonic model [J]. Habitat International, 2014, 43:274-282. [本文引用: 1]
[1]	Pauliuk S, Wang T, Müller D B.Moving toward the circular economy: the role of stocks in the Chinese steel cycle [J]. Environmental Science & Technology, 2012, 46(1):148-154. [本文引用: 2]
[2]	Chen W, Graedel T E.In-use product stocks link manufactured capital to natural capital [J]. Proceedings of the National Academy of Sciences, 2016, 112(20):6265-6270. [本文引用: 2]
[3]	Kleemann F, Lederer J, Rechberger H, et al. GIS-based analysis of Vienna’s material stock in buildings [J]. Journal of Industrial Ecology, 2017, 21(2):368-380. [本文引用: 2]
[4]	Wang T, Müller D B, Hashimoto S.The ferrous find counting: iron and steel stocks in China’s economy [J]. Journal of Industrial Ecology, 2015, 19(5):877-889. [本文引用: 3]
[5]	楼俞,石磊. 城市尺度的金属存量分析-以邯郸市2005年钢铁和铝存量为例 [J]. 资源科学, 2008,30(1):147-152. [本文引用: 3] [Lou Y, Shi L.Analyzing iron and aluminum stocks in Handan city in 2005 [J].Resource Science, 2008, 30(1):147-152.] [本文引用: 3]
[6]	Gerst M D, Graedel T E.In-use stocks of metals: status and implications [J]. Environmental Science & Technology, 2008, 42(19):7038-7045. [本文引用: 1]
[7]	Wang T, Müller D B, Graedel T E.Forging the anthropogenic iron cycle [J]. Environmental Science & Technology, 2007,41(14):5120-5129. [本文引用: 2]
[8]	Pauliuk S, Wang T, Müller D B.Steel all over the world: estimating in-use stocks of iron for 200 countries [J]. Resources, Conservation & Recycling, 2013, 71(1):22-30. [本文引用: 3]
[9]	Hirato T, Daigo I, Matsuno Y, et al. In-use stock of steel estimated by top-down approach and bottom-up approach [J]. Tetsu to Hagane-Journal of the Iron and Steel Institute of Japan, 2009, 95(1):96-101. [本文引用: 2]
[10]	Chen W, Shi L.Analysis of aluminum stocks and flows in mainland China from 1950 to 2009: Exploring the dynamics driving the rapid increase in China’s aluminum production [J]. Resources, Conservation & Recycling, 2012, 65:18-28. [本文引用: 1]
[11]	Yue Q, Wang H, Gao C, et al. Analysis of iron in-use stocks in China [J]. Resource Policy, 2016, 49:315-332. [本文引用: 3]
[12]	Augiseau V, Barles S.Studying constructionmaterials flows and stock: a review [J]. Resources, Conservation & Recycling, 2017,123:153-164. [本文引用: 2]
[13]	Yue Q, Wang H, Lu Z.Quantitative estimation of social stock for metals Al and Cu in China [J]. Transactions of Nonferrous Metals Society of China, 2012, 22(7):1744-1752. [本文引用: 2]
[14]	Yin X, Chen W.Trends and development of steel demand in China: a bottom-up analysis [J]. Resource Policy, 2013, 38(4):407-415. [本文引用: 1]
[15]	Rostkowski K, Rauch J, Drakonakis K, et al. “Bottom-up” study of in-use nickel stocks in New Haven, CT [J]. Resources, Conservation & Recycling, 2007, 50(1):58-70. [本文引用: 1]
[16]	Zhang L, Cai Z, Yang J, et al. Quantification and spatial characterization of in-use copper stocks in Shanghai [J]. Resources, Conservation & Recycling, 2014, 93:135-143. [本文引用: 2]
[17]	Cai B, Zhang L.Urban CO2 emissions in China: spatial boundary and performance comparison [J]. Energy Policy, 2014, 66:557-567. [本文引用: 1]
[18]	Müller E, Mhilty L, Widmer R,et al. Modeling metal stocks and flows: a review of dynamic material flow analysis methods [J]. Environmental Science & Technology, 2014, 48:2102-2113. [本文引用: 1]
[19]	Müller D B, Wang T, Duval B,et al. Exploring the engine of anthropogenic iron cycles [J]. Proceedings of the National Academy of Sciences, 2006, 103(44):16111-16116. [本文引用: 1]
[20]	Tanikawa H, Fishman T, Okuoka K, et al. The weight of society over time and space: a comprehensive account of the construction material stock of Japan 1945-2010 [J]. Journal of Industrial Ecology, 2015, 19(5):778-791. [本文引用: 1]
[21]	Drakonakis K, Rostkowski K, Rauch J,et al. Metal capital sustaining a north American city: iron and copper in NewHaven CT [J]. Resources, Conservation & Recycling, 2007, 49(4):406-420. [本文引用: 1]
[22]	Tanikawa H, Hashimoto S.Urban stock over time: spatial material stock analysis using 4d-GIS [J]. Building Research & Information, 2009, 37(5-6):483-502. [本文引用: 1]
[23]	Huang C, Han J, Chen W.Changing patterns and determinants of infrastructures’ material stocks in Chinese cities [J]. Resources, Conservation & Recycling, 2017, 123:47-53. [本文引用: 1]
[24]	国家统计局.中国建筑业统计年鉴2016[M].北京:中国统计出版社, 2017. [本文引用: 1] [National Bureau of Statistics. China Statistical Yearbook on Construction [M]. Beijing: China Statistics Press, 2017.] [本文引用: 1]
[25]	York R, Rosa E A, Dietz T.STIRPAT IPAT and ImPACT: analytic tools for unpacking the driving forces of environmental impacts [J]. Ecological Economy, 2003, 46(3):351-365. [本文引用: 1]
[26]	Chertow M R.The IPAT equation and its variants [J]. Journal of Industrial Ecology, 2000, 4(4):13-29. [本文引用: 1]
[27]	Fishman T, Schandl H, Tanikawa H.The socio-economic drivers of material stock accumulation in Japan’s prefectures [J]. Ecological Economy, 2015, 113:76-84. [本文引用: 1]
[28]	重庆市统计局.重庆统计年鉴1985-2015[M].北京:中国统计出版社, 1986-2016. [本文引用: 4] [Statistical Bureau of Chongqing. Chongqing Statistical Yearbook 1985-2015 [M].Beijing: China Statistic Press, 1986-2016.] [本文引用: 4]
[29]	国务院发展研究中心. 中国铁消费量预测报告2005-2010[R] .北京:国务院发展研究中心,2005. [Development Research Center of the State Council of China.Forecast Report of the Steel Consumption of China 2005-2010 [R] . Beijing: DRCSCC, 2005.]
[30]	交通公路工程定额站. JTG/T B06-02-2007:公路工程预算定额[S].北京:人民交通出版社,2007. [Traffic Highway Engineering Quota Station. JTG/T B06-02-2007: Budget Norms for Highway Works[S]. Beijing: China Communication Press, 2007.]
[31]	中华人民共和国交通部.2000年公路水路交通行业发展统计公报[R] .北京:中国交通运输部,2001. [Ministry of Transportation of China.Statistical Bulletin of Highway and Water Transportation Development 2000 [R] . Beijing: Ministry of Transportation of China, 2001.]
[32]	国家冶金工业局. YB/T 177-2000: 连铸球墨铸铁管行业标准[S].北京:中国标准出版社, 2000. [Metallurgical Industry Bureau of China. YB/T 177-2000: Standards for Continuous Casting Ductile Iron Pipes[S].Beijing: China Standard Press, 2000.]
[33]	中国汽车工业协会.中国汽车工业年鉴2000[M].北京:中国汽车工业出版社,2000. [China Automotive Industry Association. China Automotive Industry Yearbook 2000 [M]. Beijing: China Automotive Industry Press, 2000.]
[34]	中国钢铁协会.1949-2000年中国钢铁工业统计简编[M]. 北京:冶金工业出版社,2003. [ China Iron and Steel Industry Association.China Steel Industry Statistics Compendium, 1949-2000 [M]. Beijing: Metallurgical Industry Press, 2003.]
[35]	Drakonakis K, Rostkowski K, Rauch J, et al. Metal capital sustaining a North American city: iron and copper in New Haven, CT [J]. Resources, Conservation & Recycling, 2007, 49(4):406-420. [本文引用: 3]
[36]	王志燕. 美国区域性城市化比较研究 [J]. 现代城市研究, 2007(9):50-57. [本文引用: 2] [Wang Z.The comparative research of American regional urbanization [J]. Modern Urban Research, 2007, 49(4):406-420.] [本文引用: 2]
[37]	邯郸市统计局.邯郸市2005年国民经济和社会发展统计公报[R] . 邯郸:邯郸市统计局,2006. [本文引用: 3] [Statistical Bureau of Handan. Statistical Bulletin of Handan’s National Economy and Social Development,2005 [R] . Handan: Statistical Bureau of Handan, 2006.] [本文引用: 3]
[38]	中华人民共和国全国人民代表大会,中国人民政治协商会议. 中华人民共和国国民经济和社会发展第十三个五年规划纲要 [J]. 领导决策信息, 2016,(12):2-71. [本文引用: 1] [China's National People's Congress,Chinese People's Political Consultative Conference. The outline of the 13th Five-Year Plan for National Economic and Social Development of the People's Republic of China [J]. Information for DecidersMagazine, 2016,(12):2-71.] [本文引用: 1]
[39]	重庆市第四届人民代表大会. 重庆市国民经济和社会发展第十三个五年规划纲要[R] . 重庆:重庆市第四届人民代表大会, 2016. [本文引用: 1] [The Fourth People's Congress of Chongqing Municipality. The outline of the 13th Five-Year Plan for National Economic and Social Development of Chongqing [R]. Chongqing: The Fourth People's Congress of Chongqing Municipality, 2016.] [本文引用: 1]
[40]	薛晓. 重庆市房地产泡沫测度、成因及对策研究[D] . 重庆:重庆工商大学, 2013. [本文引用: 1]