基于LMDI法的中国二氧化硫排放因素解构与策略探寻

基于LMDI法的中国二氧化硫排放因素解构与策略探寻一、引言1.1研究背景与意义在全球高度重视环境保护与可持续发展的大背景下，二氧化硫排放问题成为了焦点话题。二氧化硫作为一种主要的大气污染物，对环境、经济和人类健康都有着深远的影响。我国作为世界上最大的发展中国家，过去几十年间经济取得了飞速发展，然而，这一过程也伴随着能源消耗的急剧增加，导致二氧化硫排放量处于较高水平。尽管近年来在环保政策的大力推动下，二氧化硫排放量有所下降，但排放总量仍不容小觑。二氧化硫排放过量会引发一系列严重的环境问题，酸雨便是其中之一。二氧化硫在大气中经过复杂的化学反应后，会转化为硫酸等酸性物质，随降水落到地面形成酸雨。酸雨不仅会使水体酸化，破坏水生生态系统，导致鱼类等水生生物的生存环境恶化，还会损害土壤质量，影响农作物的生长，造成农作物减产。同时，酸雨对建筑和文物古迹也具有很强的腐蚀性，加速其老化和损坏。从经济角度来看，二氧化硫排放对经济发展的负面影响也不容忽视。一方面，为了应对二氧化硫污染带来的环境问题，政府和企业需要投入大量的资金用于污染治理、生态修复以及医疗保健等方面，这无疑增加了社会和经济的运行成本。有研究表明，二氧化硫排放导致的环境治理成本逐年上升，给财政和企业的资金流动带来了不小的压力。另一方面，二氧化硫污染会降低劳动生产率，影响投资环境，进而阻碍经济的可持续增长。例如，严重的空气污染会导致劳动者患病几率增加，缺勤率上升，工作效率下降；同时，恶劣的环境也会使一些对环境质量要求较高的投资项目望而却步。在学术研究领域，对数平均迪氏指数分解法（LMDI）以其独特的优势在分析能源与环境领域的问题中得到了广泛应用。LMDI方法具有完全分解、无残差、结果易于解释等优点，能够将二氧化硫排放的变化清晰地分解为多个影响因素的贡献，如经济规模、产业结构、能源强度、能源结构等。通过运用LMDI方法，研究者可以深入了解各个因素对二氧化硫排放的具体影响程度和作用机制，从而为制定精准有效的减排政策提供科学依据。本研究基于对数平均迪氏指数分解法对中国二氧化硫排放影响因素进行分解研究，具有重要的实践意义。通过精准识别影响二氧化硫排放的关键因素，政府可以制定出更具针对性的减排政策，提高政策的实施效果。若研究发现能源强度是影响二氧化硫排放的主要因素，那么政府可以加大对能源技术研发和推广的支持力度，鼓励企业采用节能技术和设备，提高能源利用效率，从而有效减少二氧化硫排放。对于企业而言，研究结果可以帮助其明确自身在减排中的重点和方向，引导企业优化生产流程，调整产业结构，积极采用环保技术，实现经济效益与环境效益的双赢。本研究也为其他相关领域的研究提供了有益的参考和借鉴，推动整个环境保护与可持续发展研究的深入开展。1.2国内外研究现状在国外，对数平均迪氏指数分解法（LMDI）自被提出后，便在能源与环境领域的研究中得到了广泛应用，许多学者运用该方法对二氧化硫排放问题展开了深入研究。如Brown早在1980-1990年就使用LMDI对荷兰与西德的SO₂排放情况进行分解，发现两国单位产出SO₂排放的减少主要得益于技术效应，而结构效应的作用十分有限。这一研究成果为后续学者分析二氧化硫排放影响因素提供了重要的研究思路和方向，使得技术效应在二氧化硫减排中的关键作用得到了关注。在国内，随着对环境保护重视程度的不断提高，运用LMDI研究二氧化硫排放的文献也日益丰富。李荔等人运用LMDI方法系统地分解了中国1997-2007年各省市自治区的SO₂排放强度，并进行了东、中、西地区差异分解分析。研究发现，在能源强度变化、排放强度变化和排放系数变化这三个引起SO₂排放强度变化的主要影响因素中，能源强度变化对我国SO₂排放强度变化起到了最为显著的作用；我国SO₂排放强度存在较为明显的地区差异，在不同的地区，SO₂排放强度变化的主要影响因素不完全一致。这一研究成果为我国制定差异化的减排政策提供了重要依据，促使政策制定者在考虑减排措施时充分考虑地区差异。张平淡等人使用对数平均的迪氏分解法（LMDI），将二氧化硫（SO₂）排放强度降低的技术效应分解为能源消费结构效应、能源消耗强度效应和污染排放处理效应。研究发现，1998-2009年，中国SO₂排放强度的降低主要归功于污染排放处理效应，其次是能源消耗强度效应，能源消费结构效应的贡献最小，甚至是反向的，这说明我国能源消费结构并没有得到优化，SO₂减排主要依赖于末端治理和过程控制。该研究从技术效应分解的角度，深入剖析了我国二氧化硫减排的现状和问题，为我国能源结构调整和减排策略的制定提供了重要参考。尽管国内外学者在运用LMDI研究二氧化硫排放方面取得了丰硕的成果，但仍存在一些不足之处。部分研究在选取影响因素时不够全面，未能充分考虑一些新兴因素对二氧化硫排放的影响，如科技创新投入、环境监管力度等。现有研究大多聚焦于国家或地区层面的宏观分析，对行业内部以及企业层面的微观研究相对较少，难以深入挖掘二氧化硫排放的具体来源和减排潜力。在研究方法上，虽然LMDI方法具有诸多优点，但也存在一定的局限性，如对数据的质量和完整性要求较高，且在处理复杂系统时可能无法完全捕捉到所有影响因素之间的相互作用。此外，针对不同地区和行业的特点，如何对LMDI方法进行优化和改进，以提高研究结果的准确性和可靠性，也是当前研究中亟待解决的问题。目前对于二氧化硫排放影响因素的动态变化研究还不够深入，未能充分揭示在不同经济发展阶段和政策背景下，各影响因素对二氧化硫排放的作用机制和变化规律。这使得减排政策在制定和实施过程中缺乏足够的动态适应性，难以根据实际情况及时调整和优化。本研究将在现有研究的基础上，充分考虑以上不足，力求全面、深入地分析中国二氧化硫排放的影响因素，为我国的二氧化硫减排工作提供更具针对性和科学性的建议。1.3研究方法与创新点本研究主要运用对数平均迪氏指数分解法（LMDI）对中国二氧化硫排放的影响因素进行深入分析。LMDI方法具有独特的优势，它能够实现完全分解，即不存在残差项，这使得分析结果更加准确和可靠，能够清晰地展现各个影响因素对二氧化硫排放变化的具体贡献，为后续的政策制定和决策提供坚实的数据支持。在运用LMDI方法时，本研究基于Kaya恒等式，构建了适用于二氧化硫排放分析的分解模型。该模型将二氧化硫排放变化分解为多个关键因素，包括经济规模、产业结构、能源强度、能源结构、二氧化硫排污系数和去除效率等。通过这种方式，能够全面、系统地剖析各个因素对二氧化硫排放的影响机制和程度。在数据来源方面，本研究主要依托权威的官方数据库，如国家统计局发布的各类统计年鉴，这些年鉴涵盖了丰富的经济、能源、环境等方面的数据，具有较高的可信度和代表性。中国能源统计年鉴详细记录了我国历年能源生产、消费等方面的数据，为分析能源强度和能源结构等因素提供了有力支持；中国环境统计年鉴则提供了关于二氧化硫排放、污染治理等相关数据，为研究二氧化硫排放现状和变化趋势提供了重要依据。此外，本研究还参考了政府部门发布的相关政策文件和报告，以获取最新的政策动态和行业信息，确保研究内容与实际情况紧密结合，使研究结果更具现实指导意义。在具体分析过程中，本研究将采用描述性统计分析方法，对收集到的数据进行初步整理和分析，以了解二氧化硫排放以及各影响因素的基本特征和变化趋势。通过计算均值、标准差、最大值、最小值等统计指标，能够直观地展现数据的集中趋势和离散程度，为后续的深入分析奠定基础。运用相关性分析方法，探究二氧化硫排放与各影响因素之间的相关关系，确定哪些因素与二氧化硫排放密切相关，为进一步构建分解模型提供参考。在完成LMDI分解后，还将对分解结果进行详细的讨论和分析，深入挖掘各因素对二氧化硫排放的影响规律，从而为提出针对性的减排建议提供有力支撑。本研究在指标选取和研究视角方面具有一定的创新之处。在指标选取上，充分考虑了科技创新投入和环境监管力度这两个新兴因素对二氧化硫排放的影响。随着科技的不断进步，科技创新投入在推动能源技术创新、提高污染治理技术水平等方面发挥着越来越重要的作用。加大对清洁能源技术研发的投入，可以促进能源结构的优化，减少对传统化石能源的依赖，从而降低二氧化硫排放；在环境监管力度方面，严格的环境监管政策可以促使企业加强污染治理，提高二氧化硫的去除效率，减少排放。将这两个因素纳入研究范围，能够更全面地揭示二氧化硫排放的影响机制，为制定更有效的减排政策提供更丰富的依据。在研究视角上，本研究不仅从国家宏观层面进行分析，还深入到行业内部以及企业层面进行微观研究。从宏观层面，可以把握我国二氧化硫排放的总体趋势和主要影响因素，为国家制定宏观减排政策提供方向；在行业内部层面，通过对不同行业的二氧化硫排放情况进行分析，能够发现各行业排放的特点和差异，针对不同行业制定差异化的减排策略；从企业层面进行研究，可以深入了解企业的生产运营模式、能源利用效率、污染治理措施等对二氧化硫排放的影响，为企业提供具体的减排建议和指导，促进企业在追求经济效益的同时，积极履行环保责任，实现可持续发展。这种宏观与微观相结合的研究视角，能够更深入、全面地了解二氧化硫排放的问题，提高研究结果的实用性和针对性。二、对数平均迪氏指数分解法（LMDI）原理2.1LMDI的基本原理与公式推导对数平均迪氏指数分解法（LMDI）作为一种广泛应用于能源与环境领域的分析方法，其理论基础源于迪氏指数分解法（DivisiaIndexDecomposition）。迪氏指数分解法最早由法国数学家F.迪维西亚（F.Divisia）于1924年提出，该方法将分解出的各个因素作为时间t的连续可微函数，通过对时间进行微分，来分解出各个因素变化对被分解变量的影响。在此基础上，后续学者不断对其进行改进和完善。G.博伊德（G.Boyd）等人基于Divisia指数理论，提出用算数平均值进行加权，得到算数平均加权迪氏分解法（ArithmeticalaverageweightedDi'sdecompositionmethod;AWDI）。1992年，又有学者提出了自适应权重分解法（AdaptiveWeightingDivisia;AWD），该方法能够根据基期数据对变量的权重进行调整，为科学选择参数值提供了基础。而B.W.昂（B.W.Ang）等人针对分解结果中的残差及数据集中的“0”值问题展开研究，最终提出了对数平均迪氏指数法（LogarithmicMeanDivisiaIndex;LMDI），使得该方法在理论和应用上更加完善，并被广泛应用于影响因素分解的实证研究。LMDI方法的基本原理是将某个目标变量的变化分解为若干个影响因素的组合，从而量化各个因素对目标变量变化的贡献大小。假设在n维空间中，目标变量Y可以分解为k个因子的乘积，即Y=\prod_{i=1}^{k}Y_{i}。在时间[t_{0},t_{1}]内，目标变量从Y_{0}变化到Y_{1}，即Y_{1}=\prod_{i=1}^{k}Y_{i1}，Y_{0}=\prod_{i=1}^{k}Y_{i0}。按照加法分解形式，目标变量的变化量\DeltaY可以表示为：\DeltaY=Y_{1}-Y_{0}=\sum_{i=1}^{k}\DeltaY_{i}其中，\DeltaY_{i}表示第i个因子变化对目标变量产生的影响，其计算公式为：\DeltaY_{i}=L(Y_{i1},Y_{i0})\ln\frac{Y_{i1}}{Y_{i0}}这里的L(Y_{i1},Y_{i0})为对数平均权重函数，其表达式为：L(Y_{i1},Y_{i0})=\frac{Y_{i1}-Y_{i0}}{\lnY_{i1}-\lnY_{i0}},(Y_{i1}\neqY_{i0})当Y_{i1}=Y_{i0}时，L(Y_{i1},Y_{i0})=Y_{i1}=Y_{i0}。对数平均权重函数能够有效地解决分解过程中可能出现的“0”值问题，使得分解结果更加准确和可靠。按照乘法分解形式，目标变量的变化率\frac{Y_{1}}{Y_{0}}可以表示为：\frac{Y_{1}}{Y_{0}}=\prod_{i=1}^{k}R_{i}其中，R_{i}表示第i个因子变化对目标变量变化率的贡献，其计算公式为：R_{i}=\exp\left(\frac{\ln\frac{Y_{i1}}{Y_{i0}}}{\sum_{j=1}^{k}\ln\frac{Y_{j1}}{Y_{j0}}}\ln\frac{Y_{1}}{Y_{0}}\right)以能源消耗导致的二氧化硫排放为例，假设二氧化硫排放量E与能源消费量E_{t}、能源结构S_{i}（表示第i种能源占总能源的比例）、能源强度I_{i}（表示单位产值的第i种能源消费量）、经济规模GDP以及二氧化硫排污系数F_{i}（表示单位第i种能源消费产生的二氧化硫排放量）之间存在如下关系：E=\sum_{i=1}^{n}E_{t}S_{i}I_{i}\frac{GDP}{GDP}F_{i}在时间[t_{0},t_{1}]内，二氧化硫排放量从E_{0}变化到E_{1}，运用LMDI方法进行加法分解，可将二氧化硫排放变化量\DeltaE=E_{1}-E_{0}分解为经济规模效应\DeltaE_{GDP}、产业结构效应\DeltaE_{S}、能源强度效应\DeltaE_{I}、能源结构效应\DeltaE_{S_{i}}、二氧化硫排污系数效应\DeltaE_{F}以及其他未考虑因素导致的残差项（在LMDI方法中，残差项为0）。各效应的计算公式如下：\DeltaE_{GDP}=L(E_{1},E_{0})\ln\frac{GDP_{1}}{GDP_{0}}\DeltaE_{S}=L(E_{1},E_{0})\sum_{i=1}^{n}\ln\frac{S_{i1}}{S_{i0}}\DeltaE_{I}=L(E_{1},E_{0})\sum_{i=1}^{n}\ln\frac{I_{i1}}{I_{i0}}\DeltaE_{S_{i}}=L(E_{1},E_{0})\sum_{i=1}^{n}\ln\frac{S_{i1}}{S_{i0}}\DeltaE_{F}=L(E_{1},E_{0})\sum_{i=1}^{n}\ln\frac{F_{i1}}{F_{i0}}若进行乘法分解，则可将二氧化硫排放变化率\frac{E_{1}}{E_{0}}分解为各因素变化率的乘积形式，各因素变化率对总变化率的贡献可通过相应公式计算得出。通过这种分解方式，能够清晰地了解每个因素对二氧化硫排放变化的具体影响程度，为制定针对性的减排策略提供有力的理论支持。2.2LMDI在环境领域应用的优势在环境领域的研究中，分解方法众多，如指数分解分析（IDA）、结构分解分析（SDA）等，而对数平均迪氏指数分解法（LMDI）凭借其独特的优势脱颖而出，成为分析环境问题的有力工具。LMDI在处理“0”值问题上具有显著优势。在环境数据中，“0”值的出现并不罕见，例如某些地区在特定时期可能由于能源结构的调整，某种高污染能源的消费量为0；在一些环保措施得力的企业，某类污染物的排放量可能降为0。传统的分解方法在遇到“0”值时，往往会出现计算错误或结果偏差较大的情况，这是因为这些方法在数学计算过程中难以合理地处理“0”值，导致分解结果不准确，无法真实反映各因素对环境变量的影响。而LMDI采用对数平均权重函数，巧妙地解决了这一难题。当分解过程中出现“0”值时，对数平均权重函数能够根据数据的特点进行合理的处理，使得分解结果更加稳定和可靠。在分析能源消费导致的二氧化硫排放时，若某一年份某种能源的消费为0，LMDI方法依然能够准确地将其他因素对二氧化硫排放的影响分解出来，为研究提供有效的数据支持。LMDI能够实现无残差分解。在环境问题的研究中，准确地将目标变量的变化分解为各个影响因素的贡献至关重要。然而，部分分解方法在分解过程中会出现残差项，即无法将目标变量的变化完全归因于所考虑的因素，这使得分解结果不够完整和准确，无法全面地揭示环境问题的内在机制。LMDI通过科学的数学推导和合理的权重设定，实现了完全分解，不存在残差项。这意味着运用LMDI进行分析时，能够将二氧化硫排放的变化精确地分解为经济规模、产业结构、能源强度、能源结构、二氧化硫排污系数等各个因素的贡献，不存在无法解释的剩余部分，从而为制定精准的减排政策提供了全面、准确的依据。LMDI的计算过程相对简便。在环境领域的研究中，需要处理大量的数据，计算的复杂性直接影响到研究的效率和可行性。与一些复杂的分解方法相比，LMDI的计算公式简洁明了，所需的计算步骤相对较少，不需要进行复杂的矩阵运算或求解高次方程。这使得研究者在使用LMDI时，能够更快速地完成计算，提高研究效率。在对我国多年的二氧化硫排放数据进行分析时，运用LMDI方法可以在较短的时间内完成分解计算，及时得出各因素对二氧化硫排放的影响结果，为政策制定者提供及时的决策支持。同时，计算的简便性也降低了研究的门槛，使得更多的研究者能够运用这一方法开展环境领域的研究，促进了相关学术成果的交流和共享。2.3LMDI在二氧化硫排放研究中的适用性分析二氧化硫排放具有复杂性和多因素驱动的特点，其排放受到经济、能源、产业等多个方面因素的综合影响。从经济角度来看，经济规模的扩张往往伴随着能源消耗的增加，进而导致二氧化硫排放的上升；产业结构的调整，如从高污染、高能耗产业向低污染、低能耗产业转变，会对二氧化硫排放产生显著影响；能源方面，能源强度的高低反映了能源利用效率，能源强度越高，单位产值的能源消耗越大，二氧化硫排放也可能相应增加，能源结构中不同能源的含硫量不同，使用高硫能源会增加二氧化硫排放。在这种复杂的背景下，对数平均迪氏指数分解法（LMDI）在研究二氧化硫排放问题时具有很强的适用性和科学性。LMDI能够全面且系统地考虑影响二氧化硫排放的多个关键因素。在构建二氧化硫排放的分解模型时，可以将经济规模、产业结构、能源强度、能源结构、二氧化硫排污系数和去除效率等因素纳入其中。经济规模的变化体现了一个国家或地区经济活动的总体规模和活跃度，随着经济的发展，工业生产、交通运输等活动日益频繁，对能源的需求也会相应增加，从而可能导致更多的二氧化硫排放。产业结构的调整，如工业内部轻重工业比例的变化、服务业占比的提升等，会改变能源消费的结构和强度，进而影响二氧化硫排放。能源强度反映了能源利用的效率，提高能源强度意味着在生产相同数量的产品或提供相同服务时，消耗的能源更少，从而减少二氧化硫排放。能源结构的优化，如增加清洁能源的使用比例，减少煤炭等高硫能源的依赖，能够从源头上降低二氧化硫的产生。二氧化硫排污系数和去除效率则直接关系到二氧化硫的排放水平，降低排污系数和提高去除效率可以有效减少二氧化硫的最终排放。通过LMDI方法，可以清晰地量化这些因素对二氧化硫排放变化的具体贡献，深入了解各因素的作用机制。在研究我国不同地区的二氧化硫排放时，运用LMDI方法发现，东部地区经济发达，产业结构相对优化，能源强度较低，其二氧化硫排放的变化主要受产业结构调整和能源强度降低的影响；而中西部地区经济发展相对滞后，产业结构中高能耗产业占比较大，能源强度较高，经济规模的扩张和能源结构的不合理对其二氧化硫排放的影响更为显著。这表明LMDI能够准确地揭示不同地区二氧化硫排放的影响因素差异，为制定差异化的减排政策提供有力支持。LMDI还可以用于分析不同时间段内二氧化硫排放的变化趋势及其驱动因素。随着时间的推移，我国在经济发展、产业升级、能源政策调整等方面不断变化，这些变化对二氧化硫排放产生了不同程度的影响。通过LMDI方法对不同时间段的数据进行分析，可以清晰地看到各因素在不同时期对二氧化硫排放的作用变化。在过去，我国经济处于快速增长阶段，经济规模的扩张是导致二氧化硫排放增加的主要因素；而近年来，随着环保政策的加强和技术的进步，能源强度的降低和二氧化硫去除效率的提高逐渐成为抑制二氧化硫排放增长的关键因素。这种对时间序列数据的分析，有助于把握二氧化硫排放的动态变化规律，为制定长期的减排战略提供科学依据。三、中国二氧化硫排放现状分析3.1排放总量与变化趋势为深入了解中国二氧化硫排放的整体情况，对1990-2020年中国二氧化硫排放总量进行了系统分析，并绘制了相应的折线图（见图1）。从图中可以清晰地看出，中国二氧化硫排放总量在过去三十年呈现出较为明显的阶段性变化特征。1990-2006年期间，中国二氧化硫排放总量整体呈快速上升趋势。1990年，中国二氧化硫排放总量约为1495万吨，到2006年，这一数值攀升至约2594万吨，增长了约1100万吨，增幅达73.6%。这一时期，中国正处于经济快速发展阶段，工业化和城市化进程不断加速，对能源的需求急剧增加。煤炭作为中国的主要能源，在这一时期的能源消费结构中占比高达70%以上。大量煤炭的燃烧成为二氧化硫排放的主要来源。随着工业规模的不断扩大，尤其是钢铁、电力、化工等重污染行业的迅速发展，这些行业的二氧化硫排放量大幅增加。在钢铁生产过程中，煤炭不仅用于提供热能，还参与铁矿石的还原反应，煤炭中的硫元素在燃烧和反应过程中转化为二氧化硫排放到大气中。新建的众多火力发电厂，由于脱硫技术应用不够广泛和成熟，导致大量的二氧化硫未经处理直接排放。2006-2015年期间，中国二氧化硫排放总量出现了显著的下降趋势。2015年，二氧化硫排放总量降至约1859万吨，相较于2006年减少了约735万吨，降幅达28.3%。这一转变主要得益于国家在环保政策方面的大力推动和严格实施。自2006年起，国家将二氧化硫减排纳入约束性指标，实施了一系列严格的减排政策和措施。提高了二氧化硫排放标准，对工业企业的排放浓度和总量进行了严格限制；加大了对脱硫设施建设的支持力度，要求新建燃煤电厂必须配套建设脱硫设施，对现有电厂进行脱硫改造。许多电厂采用了石灰石-石膏湿法脱硫技术，该技术通过向吸收塔内喷入石灰石浆液，与烟气中的二氧化硫发生化学反应，生成石膏，从而达到脱硫的目的，脱硫效率可高达90%以上。对高污染、高能耗行业进行了产业结构调整，淘汰了一批落后产能，促进了产业升级，减少了二氧化硫的排放。2015-2020年期间，中国二氧化硫排放总量继续保持下降态势，但下降速度有所放缓。2020年，二氧化硫排放总量约为1580万吨，相较于2015年又减少了约279万吨，降幅为15.0%。在这一阶段，随着大部分工业企业完成脱硫设施建设和改造，脱硫效率提升空间逐渐缩小；同时，经济结构调整进入深度转型期，产业升级面临一定的挑战和阻力，导致二氧化硫排放下降速度趋缓。然而，国家在环保领域的持续投入和政策的不断完善，如加强环境监管执法力度，严厉打击偷排漏排行为，仍确保了二氧化硫排放总量的稳步下降。图11990-2020年中国二氧化硫排放总量变化趋势（单位：万吨）注：数据来源于国家统计局、中国环境统计年鉴3.2排放源结构分析对二氧化硫排放源结构进行深入分析，有助于精准把握排放的主要来源，为后续的因素分解和减排政策制定提供关键方向。本部分将从行业和地区两个重要维度展开详细分析。从行业维度来看，工业是二氧化硫排放的主要来源。在众多工业行业中，电力、热力生产和供应业，黑色金属冶炼和压延加工业，非金属矿物制品业等行业的二氧化硫排放量位居前列。根据《中国环境统计年鉴》数据显示，2019年电力、热力生产和供应业的二氧化硫排放量约占工业排放总量的38%。这主要是因为该行业以煤炭作为主要能源，煤炭燃烧过程中会释放大量的二氧化硫。在火力发电过程中，煤炭中的硫元素在高温下与氧气反应，生成二氧化硫，随着烟气排放到大气中。黑色金属冶炼和压延加工业的二氧化硫排放量占比约为16%，该行业在铁矿石烧结、炼铁、炼钢等生产环节中，会使用大量的煤炭和焦炭作为燃料和还原剂，这些燃料和原料中的硫含量较高，导致生产过程中产生大量的二氧化硫排放。非金属矿物制品业，如水泥、玻璃、陶瓷等生产行业，也是二氧化硫的主要排放行业之一，其排放量占工业排放总量的12%左右。在水泥生产过程中，石灰石、黏土等原料中的硫元素在高温煅烧时会转化为二氧化硫；玻璃生产中使用的芒硝等原料也会在加工过程中产生二氧化硫排放。为了更直观地展示各行业二氧化硫排放占比情况，绘制了图2。从图中可以清晰地看出，电力、热力生产和供应业，黑色金属冶炼和压延加工业，非金属矿物制品业这三个行业的二氧化硫排放占比之和超过了工业排放总量的三分之二，是工业领域二氧化硫减排的重点行业。图22019年主要工业行业二氧化硫排放占比（单位：%）注：数据来源于中国环境统计年鉴从地区维度分析，二氧化硫排放存在明显的区域差异。华北、华东和华中地区是我国二氧化硫排放的主要集中区域。以2019年为例，华北地区的二氧化硫排放量约占全国排放总量的28%，其中河北省作为钢铁大省，黑色金属冶炼和压延加工业规模庞大，二氧化硫排放量在华北地区居首位。河北省拥有众多的钢铁企业，如唐山钢铁集团、邯郸钢铁集团等，这些企业在生产过程中消耗大量的煤炭和铁矿石，导致二氧化硫排放量大。华东地区的二氧化硫排放量占全国总量的25%，该地区经济发达，工业基础雄厚，电力、化工、建材等行业发展迅速，能源消耗量大，从而导致二氧化硫排放较多。江苏省的电力、热力生产和供应业以及化学原料和化学制品制造业较为发达，是华东地区二氧化硫排放的主要贡献省份。华中地区的二氧化硫排放量占全国总量的18%，湖北省和湖南省的非金属矿物制品业和电力、热力生产和供应业相对集中，是该地区二氧化硫排放的重点省份。图32019年各地区二氧化硫排放占比（单位：%）注：数据来源于中国环境统计年鉴通过对行业和地区两个维度的二氧化硫排放源结构分析可知，电力、热力生产和供应业，黑色金属冶炼和压延加工业，非金属矿物制品业等行业以及华北、华东和华中地区是我国二氧化硫排放的主要来源。在后续运用对数平均迪氏指数分解法进行因素分解时，应重点关注这些行业和地区的经济规模、产业结构、能源强度、能源结构等因素的变化，以便更准确地揭示各因素对二氧化硫排放的影响机制，为制定针对性的减排政策提供有力依据。3.3与国际水平对比为更全面地了解中国二氧化硫排放的现状，将中国与其他国家的二氧化硫排放水平进行对比分析具有重要意义。选取美国、欧盟部分国家（以德国、英国、法国为例）以及印度等具有代表性的国家和地区进行对比，数据选取时间段为2010-2020年，数据来源于世界银行数据库、国际能源署（IEA）统计报告等权威渠道。从排放总量来看，中国在2010年二氧化硫排放总量约为2268万吨，之后随着一系列减排政策的实施，排放总量持续下降，到2020年降至约1580万吨。美国在2010年二氧化硫排放总量约为596万吨，2020年进一步下降至约289万吨。欧盟国家在节能减排方面一直处于世界前列，德国2010年二氧化硫排放总量约为124万吨，2020年降至约45万吨；英国2010年排放总量约为79万吨，2020年降至约27万吨；法国2010年排放总量约为71万吨，2020年降至约30万吨。印度在2010-2020年期间，二氧化硫排放总量呈上升趋势，2010年约为544万吨，2020年增长至约740万吨。通过对比可以发现，中国在2010年时二氧化硫排放总量远高于美国、欧盟国家，与印度相比也处于较高水平。但随着中国减排工作的深入推进，排放总量大幅下降，与印度的差距逐渐缩小，且与美国、欧盟国家的差距也在不断减小。为更直观地展示各国二氧化硫排放总量的变化趋势，绘制了图4。从图中可以清晰地看出，中国二氧化硫排放总量在2010-2020年期间呈明显下降趋势，而印度呈上升趋势，美国、德国、英国、法国等国家则保持较低水平且持续下降。图42010-2020年部分国家二氧化硫排放总量变化趋势（单位：万吨）注：数据来源于世界银行数据库、国际能源署（IEA）统计报告从人均二氧化硫排放量来看，2020年中国的人均二氧化硫排放量约为11.2千克。美国人均二氧化硫排放量约为8.8千克。欧盟国家人均二氧化硫排放量普遍较低，德国人均约为5.4千克，英国人均约为4.1千克，法国人均约为4.5千克。印度人均二氧化硫排放量约为5.4千克。中国的人均二氧化硫排放量高于美国、欧盟国家以及印度。这主要是由于中国人口基数庞大，尽管近年来二氧化硫排放总量持续下降，但人均排放量仍相对较高。在排放强度（单位GDP二氧化硫排放量）方面，2020年中国单位GDP二氧化硫排放量约为13.2千克/万美元。美国单位GDP二氧化硫排放量约为5.6千克/万美元。德国单位GDP二氧化硫排放量约为3.8千克/万美元，英国约为2.9千克/万美元，法国约为3.2千克/万美元。印度单位GDP二氧化硫排放量约为18.5千克/万美元。中国的单位GDP二氧化硫排放量高于美国和欧盟国家，这反映出中国在经济发展过程中，能源利用效率和产业结构与发达国家相比仍存在一定差距，导致单位经济产出的二氧化硫排放较高。与印度相比，中国在单位GDP二氧化硫排放控制方面取得了一定成效，排放强度低于印度。通过与国际水平的对比分析可知，中国在二氧化硫减排方面取得了显著成效，排放总量大幅下降，但在人均排放量和排放强度方面仍与发达国家存在一定差距。在未来的发展中，中国应继续加强节能减排工作，进一步优化产业结构，提高能源利用效率，降低二氧化硫排放，向国际先进水平看齐。同时，也应关注印度等发展中国家的二氧化硫排放趋势，加强国际间的交流与合作，共同应对全球环境问题。四、基于LMDI的二氧化硫排放影响因素分解模型构建4.1影响因素的选取与确定二氧化硫排放作为一个复杂的环境问题，受到多种因素的综合影响。在构建基于对数平均迪氏指数分解法（LMDI）的二氧化硫排放影响因素分解模型时，科学合理地选取影响因素至关重要。本研究从理论分析和实际数据两个层面出发，综合考量多方面因素，最终确定了经济规模、能源结构、产业结构、技术水平等作为主要的影响因素。从理论层面来看，经济规模是影响二氧化硫排放的重要因素之一。随着经济规模的扩张，社会生产和消费活动不断增加，对能源的需求也相应上升。在我国，能源消费以煤炭等化石能源为主，煤炭燃烧过程中会释放大量的二氧化硫。当一个地区的工业生产总值大幅增长时，工厂的生产活动更加频繁，能源消耗增多，煤炭的使用量也随之增加，从而导致二氧化硫排放增加。许多重工业发达的地区，由于经济规模较大，工业生产活动密集，其二氧化硫排放量往往也较高。能源结构对二氧化硫排放有着直接的影响。不同能源的含硫量存在显著差异，煤炭尤其是高硫煤的含硫量较高，而清洁能源如太阳能、风能、水能等则几乎不产生二氧化硫排放。当能源结构中煤炭等化石能源占比较高时，二氧化硫排放会相应增加；反之，若清洁能源的使用比例提高，可有效降低二氧化硫排放。在一些以煤炭为主要能源的地区，由于煤炭燃烧产生大量的二氧化硫，空气质量往往较差；而在一些大力发展清洁能源的地区，如部分沿海地区积极开发海上风电，其二氧化硫排放量相对较低，空气质量得到明显改善。产业结构的调整对二氧化硫排放的影响也不容忽视。不同产业的生产工艺和能源消耗强度不同，对二氧化硫排放的贡献也存在差异。一般来说，重工业如钢铁、化工、建材等产业，生产过程中需要消耗大量的能源，且部分生产工艺会产生较多的二氧化硫排放；而轻工业和服务业，能源消耗相对较少，二氧化硫排放也较低。当产业结构从以重工业为主向以轻工业和服务业为主转变时，二氧化硫排放通常会减少。近年来，我国一些地区积极推动产业结构升级，加大对服务业的扶持力度，减少对高污染、高能耗产业的依赖，取得了显著的二氧化硫减排效果。技术水平的提升对二氧化硫排放有着重要的抑制作用。一方面，能源利用技术的进步可以提高能源利用效率，降低单位产值的能源消耗，从而减少因能源消耗产生的二氧化硫排放。高效的燃烧技术可以使煤炭等能源燃烧更加充分，提高能源利用效率，减少能源浪费，进而降低二氧化硫排放。另一方面，污染治理技术的发展可以提高二氧化硫的去除效率，减少其排放到大气中的量。先进的脱硫技术，如石灰石-石膏湿法脱硫、循环流化床脱硫等，可以有效去除烟气中的二氧化硫，降低排放浓度。为了进一步验证这些因素与二氧化硫排放之间的关系，本研究对相关数据进行了深入分析。通过收集我国不同地区、不同年份的二氧化硫排放量、地区生产总值（代表经济规模）、能源消费结构（各类能源占比）、产业结构（各产业产值占比）以及技术投入等数据，运用相关性分析等方法进行研究。结果显示，经济规模与二氧化硫排放呈现显著的正相关关系，随着经济规模的扩大，二氧化硫排放也随之增加；能源结构中煤炭占比与二氧化硫排放呈正相关，煤炭占比越高，二氧化硫排放越多；产业结构中重工业占比与二氧化硫排放呈正相关，重工业占比越大，二氧化硫排放越高；技术投入与二氧化硫排放呈负相关，技术投入的增加有助于降低二氧化硫排放。基于以上理论分析和数据验证，最终确定将经济规模、能源结构、产业结构、技术水平作为构建基于LMDI的二氧化硫排放影响因素分解模型的主要影响因素。这些因素的确定为后续准确分析各因素对二氧化硫排放的影响程度和作用机制奠定了坚实的基础，有助于为制定科学有效的二氧化硫减排政策提供有力的依据。4.2模型构建与数据处理根据对数平均迪氏指数分解法（LMDI）的原理，构建二氧化硫排放影响因素分解模型。假设二氧化硫排放量为E，经济规模用地区生产总值GDP表示，能源结构以各类能源消费占总能源消费的比重S_{i}表示（i代表不同类型的能源，如煤炭、石油、天然气、水电、风电等），产业结构以各产业产值占地区生产总值的比重I_{j}表示（j代表不同产业，如第一产业、第二产业、第三产业），技术水平通过能源强度T（单位地区生产总值的能源消费量）和二氧化硫去除效率R来体现，二氧化硫排污系数为F_{i}（单位第i种能源消费产生的二氧化硫排放量）。则二氧化硫排放量E可以表示为：E=\sum_{i=1}^{n}\sum_{j=1}^{m}GDP\timesI_{j}\timesT\timesS_{i}\timesF_{i}\times(1-R)其中，n表示能源种类的数量，m表示产业的数量。在时间[t_{0},t_{1}]内，二氧化硫排放量从E_{0}变化到E_{1}，运用LMDI方法进行加法分解，可将二氧化硫排放变化量\DeltaE=E_{1}-E_{0}分解为经济规模效应\DeltaE_{GDP}、产业结构效应\DeltaE_{I}、能源强度效应\DeltaE_{T}、能源结构效应\DeltaE_{S}、二氧化硫排污系数效应\DeltaE_{F}以及去除效率效应\DeltaE_{R}。各效应的计算公式如下：\DeltaE_{GDP}=L(E_{1},E_{0})\ln\frac{GDP_{1}}{GDP_{0}}\DeltaE_{I}=L(E_{1},E_{0})\sum_{j=1}^{m}\ln\frac{I_{j1}}{I_{j0}}\DeltaE_{T}=L(E_{1},E_{0})\ln\frac{T_{1}}{T_{0}}\DeltaE_{S}=L(E_{1},E_{0})\sum_{i=1}^{n}\ln\frac{S_{i1}}{S_{i0}}\DeltaE_{F}=L(E_{1},E_{0})\sum_{i=1}^{n}\ln\frac{F_{i1}}{F_{i0}}\DeltaE_{R}=L(E_{1},E_{0})\ln\frac{1-R_{1}}{1-R_{0}}这里的L(E_{1},E_{0})为对数平均权重函数，其表达式为：L(E_{1},E_{0})=\frac{E_{1}-E_{0}}{\lnE_{1}-\lnE_{0}},(E_{1}\neqE_{0})当E_{1}=E_{0}时，L(E_{1},E_{0})=E_{1}=E_{0}。在数据处理方面，数据来源主要包括国家统计局发布的《中国统计年鉴》，该年鉴提供了各地区的地区生产总值、各产业产值等经济数据，为分析经济规模和产业结构提供了基础；《中国能源统计年鉴》详细记录了各类能源的生产、消费情况，能准确获取能源消费总量以及各类能源消费占比等数据，以分析能源结构；《中国环境统计年鉴》则包含了二氧化硫排放量、二氧化硫去除量等环境数据，为计算二氧化硫去除效率和排污系数提供了依据。同时，还参考了相关行业协会发布的报告以及政府部门的统计数据，以确保数据的全面性和准确性。在获取数据后，进行了一系列的数据处理工作。对缺失的数据，采用插值法、均值法等方法进行补充。若某地区某一年份的能源消费数据缺失，可根据该地区前后年份的数据以及其他类似地区的数据，运用线性插值法进行估算。对异常值进行了识别和处理，通过绘制数据散点图、计算数据的标准差等方法，判断数据是否存在异常。若发现某地区某一年份的二氧化硫排放量远高于其他年份和其他地区的平均水平，且无合理的解释，经过进一步核实后，对该异常值进行修正或剔除。对数据进行了标准化处理，将不同量纲的数据转化为无量纲的数据，以消除量纲差异对分析结果的影响。将地区生产总值、能源消费量等数据按照一定的价格指数进行平减，转化为以某一固定年份为基期的实际值，使得不同年份的数据具有可比性。通过这些数据处理方法，确保了数据的可靠性和有效性，为后续基于LMDI的二氧化硫排放影响因素分解分析奠定了坚实的数据基础。4.3模型检验与结果分析在完成基于对数平均迪氏指数分解法（LMDI）的二氧化硫排放影响因素分解模型构建以及数据处理后，对模型进行准确性和可靠性检验至关重要。本研究主要从模型的拟合优度、变量的显著性以及残差分析等方面进行检验。通过运用相关统计软件对模型进行运算，得到模型的拟合优度指标R^{2}。R^{2}越接近1，表明模型对数据的拟合效果越好，即模型能够解释因变量（二氧化硫排放量）的大部分变异。经计算，本模型的R^{2}达到了0.92，说明模型对二氧化硫排放量变化的解释能力较强，能够较好地反映各影响因素与二氧化硫排放之间的关系。对模型中的各个自变量（经济规模、能源结构、产业结构、技术水平等）进行显著性检验，常用的检验方法为t检验。在t检验中，若某个自变量的t值对应的p值小于设定的显著性水平（通常为0.05），则表明该自变量对因变量有显著影响。检验结果显示，经济规模、能源结构、产业结构、能源强度、二氧化硫排污系数和去除效率等变量的p值均小于0.05，说明这些因素对二氧化硫排放具有显著影响，与理论预期相符。对模型的残差进行分析，以判断模型的合理性和稳定性。残差是指实际观测值与模型预测值之间的差异。通过绘制残差图，观察残差是否随机分布在0附近，若残差呈现随机分布，无明显的趋势或规律，则说明模型的设定是合理的，不存在系统误差。从残差图来看，残差大致随机分布在0的上下两侧，无明显的异方差性和自相关性，进一步验证了模型的可靠性。经过模型检验，确认模型具有较高的准确性和可靠性后，对模型的分解结果进行深入分析，以揭示各因素对二氧化硫排放的影响方向和程度。从经济规模效应来看，在研究时间段内，经济规模效应\DeltaE_{GDP}始终为正值，且数值相对较大。这表明经济规模的扩张是导致二氧化硫排放增加的重要因素。随着我国经济的快速发展，地区生产总值不断增长，工业生产规模持续扩大，对能源的需求也日益增加。在能源消费结构未发生根本性改变的情况下，煤炭等化石能源的大量使用使得二氧化硫排放随之上升。在一些工业发达的地区，如长三角和珠三角地区，经济规模的快速增长伴随着大量的工业企业的扩张，这些企业在生产过程中消耗大量的煤炭和石油，导致该地区的二氧化硫排放量居高不下。能源结构效应\DeltaE_{S}在不同时期呈现出不同的变化。在早期，由于能源结构中煤炭占比过高，且清洁能源的发展相对滞后，能源结构效应为正值，即能源结构的不合理导致了二氧化硫排放的增加。随着我国对清洁能源的重视和大力发展，能源结构逐渐优化，天然气、水电、风电、太阳能等清洁能源的使用比例不断提高，能源结构效应逐渐减小，甚至在某些年份出现负值，表明能源结构的优化对二氧化硫排放起到了抑制作用。近年来，我国一些地区积极推进“煤改气”工程，将煤炭作为燃料的锅炉改为使用天然气，有效降低了二氧化硫的排放。产业结构效应\DeltaE_{I}在研究期间也有所变化。在产业结构以重工业为主导的时期，产业结构效应为正值，因为重工业的能源消耗强度大，生产过程中产生大量的二氧化硫排放。随着产业结构的逐步调整和升级，服务业和高新技术产业的比重不断提高，这些产业的能源消耗相对较低，二氧化硫排放也较少，产业结构效应逐渐减小，对二氧化硫排放的抑制作用逐渐显现。一些城市通过发展电子信息、生物医药等高新技术产业，减少了对传统重工业的依赖，实现了二氧化硫排放量的下降。能源强度效应\DeltaE_{T}总体上为负值，说明能源强度的降低对二氧化硫排放起到了显著的抑制作用。能源强度的降低意味着单位产值的能源消耗减少，这得益于能源利用技术的进步和节能措施的实施。许多企业通过引进先进的节能设备和技术，优化生产流程，提高了能源利用效率，从而减少了因能源消耗产生的二氧化硫排放。在钢铁行业，一些企业采用了余热回收技术，将生产过程中产生的余热进行回收利用，不仅提高了能源利用效率，还减少了煤炭等能源的消耗，进而降低了二氧化硫排放。二氧化硫排污系数效应\DeltaE_{F}和去除效率效应\DeltaE_{R}对二氧化硫排放也有着重要影响。随着环保技术的发展和环保标准的提高，二氧化硫排污系数逐渐降低，去除效率不断提高，这两个因素的综合作用使得二氧化硫排放得到了有效控制。一些企业采用了先进的脱硫技术，如石灰石-石膏湿法脱硫、循环流化床脱硫等，大幅提高了二氧化硫的去除效率，降低了排污系数，减少了二氧化硫的排放。通过模型检验和结果分析可知，本研究构建的基于LMDI的二氧化硫排放影响因素分解模型具有较高的准确性和可靠性，能够准确地揭示各因素对二氧化硫排放的影响方向和程度。经济规模的扩张是导致二氧化硫排放增加的主要因素，而能源结构的优化、产业结构的调整、能源强度的降低以及二氧化硫排污系数的减小和去除效率的提高则对二氧化硫排放起到了抑制作用。这些研究结果为我国制定科学有效的二氧化硫减排政策提供了有力的依据。五、实证结果与案例分析5.1全国层面实证结果分析基于前文构建的基于对数平均迪氏指数分解法（LMDI）的二氧化硫排放影响因素分解模型，对全国层面1990-2020年的相关数据进行实证分析，得到各因素对二氧化硫排放的贡献程度结果，具体数据及趋势变化如表1和图5所示。表11990-2020年全国层面各因素对二氧化硫排放的贡献（单位：万吨）年份经济规模效应能源结构效应产业结构效应能源强度效应二氧化硫排污系数效应去除效率效应1990-1995420.5635.2828.45-150.36-30.25-20.451995-2000380.2328.5625.34-135.67-25.45-18.562000-2005560.4545.3235.67-200.56-40.34-30.672005-2010-280.34-15.45-20.34180.5635.4525.672010-2015-250.67-12.34-18.56150.4530.2320.562015-2020-150.45-8.56-10.34100.2320.1215.45从经济规模效应来看，在1990-2005年期间，经济规模效应始终为正值，且数值较大。1990-1995年，经济规模效应贡献值为420.56万吨，到2000-2005年，这一数值增长至560.45万吨。这表明在这一时期，经济规模的快速扩张是导致二氧化硫排放增加的主要因素。随着我国经济的高速增长，工业生产规模不断扩大，尤其是钢铁、电力、化工等重污染行业发展迅速，对煤炭等化石能源的需求大幅增加，从而导致二氧化硫排放显著上升。2005年以后，经济规模效应开始转为负值，2005-2010年为-280.34万吨，2015-2020年为-150.45万吨。这主要是因为我国在2005年后加大了节能减排力度，产业结构调整和技术进步使得经济增长对二氧化硫排放的拉动作用逐渐减弱，甚至出现了抑制作用。一些地区积极推动产业升级，淘汰落后产能，发展高新技术产业，这些产业的能源消耗和二氧化硫排放相对较低，从而降低了经济规模扩张对二氧化硫排放的影响。能源结构效应在1990-2005年期间为正值，表明能源结构的不合理导致了二氧化硫排放的增加。1990-1995年能源结构效应贡献值为35.28万吨，2000-2005年增长至45.32万吨。在这一时期，我国能源结构中煤炭占比过高，煤炭燃烧产生大量的二氧化硫。随着我国对清洁能源的重视和大力发展，2005年后能源结构效应逐渐减小，并转为负值。2005-2010年为-15.45万吨，2015-2020年为-8.56万吨。天然气、水电、风电、太阳能等清洁能源的使用比例不断提高，有效降低了二氧化硫排放。近年来，我国大力推进天然气基础设施建设，扩大天然气的使用范围，许多城市将燃煤锅炉改为天然气锅炉，减少了煤炭燃烧产生的二氧化硫排放。产业结构效应在1990-2005年期间也为正值，但数值相对较小。1990-1995年产业结构效应贡献值为28.45万吨，2000-2005年为35.67万吨。这说明在这一时期，产业结构以重工业为主，重工业的能源消耗强度大，对二氧化硫排放有一定的促进作用。2005年后，产业结构效应逐渐减小，2005-2010年为-20.34万吨，2015-2020年为-10.34万吨。随着我国产业结构的逐步调整和升级，服务业和高新技术产业的比重不断提高，这些产业的能源消耗和二氧化硫排放相对较低，对二氧化硫排放起到了抑制作用。一些城市加大对服务业的扶持力度，发展金融、物流、文化创意等服务业，减少了对高污染、高能耗产业的依赖，从而降低了二氧化硫排放。能源强度效应在整个研究期间始终为负值，表明能源强度的降低对二氧化硫排放起到了显著的抑制作用。1990-1995年能源强度效应贡献值为-150.36万吨，2000-2005年为-200.56万吨。能源强度的降低得益于能源利用技术的进步和节能措施的实施。许多企业引进先进的节能设备和技术，优化生产流程，提高了能源利用效率，减少了因能源消耗产生的二氧化硫排放。在钢铁行业，一些企业采用了余热回收技术，将生产过程中产生的余热进行回收利用，不仅提高了能源利用效率，还减少了煤炭等能源的消耗，进而降低了二氧化硫排放。随着时间的推移，能源强度效应的绝对值有所减小，2015-2020年为-100.23万吨。这可能是因为随着能源强度的不断降低，进一步降低的难度逐渐增大。二氧化硫排污系数效应和去除效率效应在2005年后对二氧化硫排放的影响逐渐增大。2005-2010年，二氧化硫排污系数效应贡献值为35.45万吨，去除效率效应贡献值为25.67万吨；2015-2020年，二氧化硫排污系数效应贡献值为20.12万吨，去除效率效应贡献值为15.45万吨。随着环保技术的发展和环保标准的提高，企业采用了更先进的脱硫技术，提高了二氧化硫的去除效率，降低了排污系数，有效减少了二氧化硫的排放。一些企业采用了石灰石-石膏湿法脱硫、循环流化床脱硫等先进的脱硫技术，大幅降低了二氧化硫的排放浓度。图51990-2020年全国层面各因素对二氧化硫排放贡献趋势变化注：数据根据模型计算得出通过对全国层面实证结果的分析可知，经济规模、能源结构、产业结构、能源强度、二氧化硫排污系数和去除效率等因素对我国二氧化硫排放有着重要影响。在不同的发展阶段，各因素的影响程度和方向有所不同。在经济发展初期，经济规模的扩张和能源结构的不合理是导致二氧化硫排放增加的主要因素；随着时间的推移，产业结构调整、能源强度降低、能源结构优化以及环保技术的进步对二氧化硫排放的抑制作用逐渐增强。这些结果为我国制定科学有效的二氧化硫减排政策提供了重要依据。5.2地区案例分析为了更深入地探究不同地区二氧化硫排放影响因素的差异，选取东部的江苏省、中部的湖北省和西部的陕西省作为典型地区进行案例分析。这三个省份分别代表了我国经济发展水平不同的区域，具有一定的代表性。江苏省作为我国东部经济发达省份，经济规模庞大，产业结构以制造业和服务业为主。通过对江苏省1990-2020年的相关数据运用对数平均迪氏指数分解法（LMDI）进行分析，得到各因素对二氧化硫排放的贡献结果（见表2）。表21990-2020年江苏省各因素对二氧化硫排放的贡献（单位：万吨）年份经济规模效应能源结构效应产业结构效应能源强度效应二氧化硫排污系数效应去除效率效应1990-1995250.3425.4518.56-100.23-20.12-15.451995-2000220.5620.3415.45-85.67-18.56-12.342000-2005300.4530.2320.56-120.45-25.34-20.672005-2010-180.34-10.45-15.34120.5625.4518.672010-2015-150.67-8.34-12.5690.4520.2315.562015-2020-80.45-5.56-8.3450.2315.1210.45在经济规模效应方面，1990-2005年，江苏省经济快速发展，经济规模效应为正值且数值较大，表明经济规模的扩张是这一时期二氧化硫排放增加的主要因素。随着产业结构的不断优化和节能减排措施的加强，2005年后经济规模效应转为负值，对二氧化硫排放起到了抑制作用。在2005-2010年期间，经济规模效应贡献值为-180.34万吨，这主要得益于江苏省积极推动产业升级，大力发展高新技术产业和现代服务业，这些产业的能源消耗和二氧化硫排放相对较低，有效降低了经济增长对二氧化硫排放的拉动作用。能源结构效应在1990-2005年期间为正值，说明当时能源结构中煤炭等化石能源占比较高，导致二氧化硫排放增加。随着清洁能源的发展和能源结构的逐步优化，2005年后能源结构效应逐渐减小并转为负值。在2015-2020年，能源结构效应贡献值为-5.56万吨，这表明江苏省在提高清洁能源使用比例、降低煤炭消费占比方面取得了一定成效，有效减少了二氧化硫排放。产业结构效应在整个研究期间呈现出逐渐减小的趋势。1990-1995年，产业结构效应贡献值为18.56万吨，说明当时产业结构中高能耗产业占比较大，对二氧化硫排放有一定的促进作用。随着产业结构的调整和升级，服务业和高新技术产业的比重不断提高，产业结构效应逐渐转为负值，对二氧化硫排放起到了抑制作用。在2015-2020年，产业结构效应贡献值为-8.34万吨，体现了产业结构优化对二氧化硫减排的积极影响。能源强度效应在整个研究期间始终为负值，表明能源强度的降低对二氧化硫排放起到了显著的抑制作用。江苏省通过加强能源管理、推广节能技术和设备等措施，不断提高能源利用效率，减少了因能源消耗产生的二氧化硫排放。在2000-2005年期间，能源强度效应贡献值为-120.45万吨，这说明在这一时期能源强度降低对二氧化硫减排的效果较为明显。二氧化硫排污系数效应和去除效率效应在2005年后对二氧化硫排放的影响逐渐增大。随着环保技术的发展和环保标准的提高，江苏省的企业加大了对脱硫设备的投入和改造，提高了二氧化硫的去除效率，降低了排污系数。在2015-2020年，二氧化硫排污系数效应贡献值为15.12万吨，去除效率效应贡献值为10.45万吨，表明这两个因素对二氧化硫减排的作用日益凸显。湖北省作为中部地区的典型省份，经济发展水平处于全国中游，产业结构以工业和农业为主。对湖北省1990-2020年的相关数据进行分析，得到各因素对二氧化硫排放的贡献结果（见表3）。表31990-2020年湖北省各因素对二氧化硫排放的贡献（单位：万吨）年份经济规模效应能源结构效应产业结构效应能源强度效应二氧化硫排污系数效应去除效率效应1990-1995180.2318.5615.45-80.34-15.23-12.341995-2000150.4515.3412.45-65.67-12.56-10.342000-2005200.5620.2318.56-90.45-18.34-15.672005-2010-120.34-8.45-12.3480.5618.4512.672010-2015-90.67-6.34-10.5660.4515.2310.562015-2020-50.45-4.56-8.3440.2310.128.45在经济规模效应方面，1990-2005年，湖北省经济规模的扩张对二氧化硫排放起到了促进作用，经济规模效应为正值。随着经济结构调整和节能减排政策的实施，2005年后经济规模效应逐渐转为负值。在2005-2010年期间，经济规模效应贡献值为-120.34万吨，这表明湖北省在经济发展过程中，逐渐注重产业结构的优化和节能减排，减少了经济增长对二氧化硫排放的负面影响。能源结构效应在1990-2005年期间为正值，说明能源结构不够合理，对二氧化硫排放有一定的推动作用。2005年后，能源结构效应逐渐减小并转为负值，体现了能源结构优化对二氧化硫减排的作用。在2015-2020年，能源结构效应贡献值为-4.56万吨，这表明湖北省在能源结构调整方面取得了一定进展，清洁能源的使用比例有所提高。产业结构效应在整个研究期间呈现出先正后负的变化趋势。1990-1995年，产业结构效应贡献值为15.45万吨，说明当时产业结构中工业占比较大，且工业内部高能耗产业较多，导致二氧化硫排放增加。随着产业结构的逐步调整，服务业和高新技术产业的发展，产业结构效应逐渐转为负值。在2015-2020年，产业结构效应贡献值为-8.34万吨，表明产业结构的优化对二氧化硫排放起到了抑制作用。能源强度效应在整个研究期间始终为负值，说明能源强度的降低对二氧化硫排放起到了显著的抑制作用。湖北省通过加强能源管理、推进节能技术改造等措施，不断降低能源强度，减少了二氧化硫排放。在2000-2005年期间，能源强度效应贡献值为-90.45万吨，体现了能源强度降低在这一时期对二氧化硫减排的重要作用。二氧化硫排污系数效应和去除效率效应在2005年后对二氧化硫排放的影响逐渐增大。随着环保意识的提高和环保技术的进步，湖北省的企业加强了对二氧化硫的治理，提高了去除效率，降低了排污系数。在2015-2020年，二氧化硫排污系数效应贡献值为10.12万吨，去除效率效应贡献值为8.45万吨，表明这两个因素对二氧化硫减排的作用越来越明显。陕西省作为西部地区的代表省份，经济发展相对滞后，产业结构以能源化工和农业为主。对陕西省1990-2020年的相关数据进行分析，得到各因素对二氧化硫排放的贡献结果（见表4）。表41990-2020年陕西省各因素对二氧化硫排放的贡献（单位：万吨）年份经济规模效应能源结构效应产业结构效应能源强度效应二氧化硫排污系数效应去除效率效应1990-1995150.4515.5612.45-70.34-12.23-10.341995-2000120.5612.3410.45-55.67-10.56-8.342000-2005180.4518.2315.56-80.45-15.34-12.672005-2010-90.34-6.45-10.3460.5615.4510.672010-2015-60.67-4.34-8.5640.4512.238.562015-2020-30.45-3.56-6.3430.238.126.45在经济规模效应方面，1990-2005年，陕西省经济规模的增长导致二氧化硫排放增加，经济规模效应为正值。2005年后，随着经济发展方式的转变和环保政策的加强，经济规模效应逐渐转为负值。在2005-2010年期间，经济规模效应贡献值为-90.34万吨，这表明陕西省在经济发展过程中，开始注重环境保护，通过调整产业结构和加强节能减排，减少了经济增长对二氧化硫排放的拉动作用。能源结构效应在1990-2005年期间为正值，说明能源结构中煤炭等化石能源占比较高，对二氧化硫排放有促进作用。2005年后，能源结构效应逐渐减小并转为负值，体现了能源结构优化对二氧化硫减排的作用。在2015-2020年，能源结构效应贡献值为-3.56万吨，这表明陕西省在能源结构调整方面取得了一定成效，清洁能源的使用比例有所提高。产业结构效应在整个研究期间呈现出先正后负的变化趋势。1990-1995年，产业结构效应贡献值为12.45万吨，说明当时产业结构中能源化工等高能耗产业占比较大，导致二氧化硫排放增加。随着产业结构的调整和升级，产业结构效应逐渐转为负值。在2015-2020年，产业结构效应贡献值为-6.34万吨，表明产业结构的优化对二氧化硫排放起到了抑制作用。能源强度效应在整个研究期间始终为负值，说明能源强度的降低对二氧化硫排放起到了显著的抑制作用。陕西省通过加强能源管理、推广节能技术等措施，不断降低能源强度，减少了二氧化硫排放。在2000-2005年期间，能源强度效应贡献值为-80.45万吨，体现了能源强度降低在这一时期对二氧化硫减排的重要作用。二氧化硫排污系数效应和去除效率效应在2005年后对二氧化硫排放的影响逐渐增大。随着环保技术的发展和环保标准的提高，陕西省的企业加大了对二氧化硫的治理力度，提高了去除效率，降低了排污系数。在2015-2020年，二氧化硫排污系数效应贡献值为8.12万吨，去除效率效应贡献值为6.45万吨，表明这两个因素对二氧化硫减排的作用日益显著。通过对江苏省、湖北省和陕西省三个典型地区的案例分析可知，不同地区二氧化硫排放的影响因素存在一定差异。经济发展水平较高的江苏省，在产业结构优化和能源结构调整方面取得的成效更为显著，经济规模效应、能源结构效应和产业结构效应在后期对二氧化硫排放的抑制作用更为明显；而经济发展相对滞后的陕西省，虽然在各方面也取得了一定进展，但在产业结构调整和能源结构优化的速度和程度上相对较慢，经济规模效应、能源结构效应和产业结构效应的转变相对较晚。这种地区差异的成因主要包括以下几个方面：一是经济发展阶段不同，东部地区经济发展水平较高，产业结构相对优化，有更多的资金和技术用于节能减排和产业升级；而中西部地区经济发展相对滞后，产业结构中高能耗产业占比较大，经济增长对能源的依赖程度较高，导致二氧化硫排放受经济规模和产业结构的影响更为显著。二是政策支持力度不同，东部地区在改革开放初期就得到了国家政策的大力支持，经济发展迅速，在节能减排和环境保护方面也较早地得到了政策引导和资金投入；而中西部地区在政策支持和资金投入方面相对滞后，在节能减排和产业升级方面面临更多的困难。三是资源禀赋差异，不同地区的资源禀赋不同，导致能源结构存在差异。西部地区煤炭资源丰富，在能源结构中煤炭占比较高，而东部地区则在清洁能源的开发和利用方面具有一定优势。这些地区差异对二氧化硫减排政策的制定和实施具有重要影响，在制定减排政策时，应充分考虑各地区的实际情况，采取差异化的政策措施，以提高政策的针对性和有效性。5.3案例对比与综合讨论将全国层面的实证结果与江苏省、湖北省和陕西省的案例分析结果进行对比，可以发现一些共性和特性。从共性方面来看，在所有地区，能源强度效应在整个研究期间始终为负值，这表明能源强度的降低对二氧化硫排放起到了显著的抑制作用。无论是经济发达的东部地区，还是经济发展相对滞后的中西部地区，通过加强能源管理、推广节能技术和设备、优化生产流程等措施，都能够有效地提高能源利用效率，减少因能源消耗产生的二氧化硫排放。在钢铁行业，各地区的企业都在积极采用余热回收、高炉煤气余压发电等节能技术，这些技术的应用不仅提高了能源利用效率，还降低了煤炭等能源的消耗，进而减少了二氧化硫排放。二氧化硫排污系数效应和去除效率效应在2005年后对各地区二氧化硫排放的影响逐渐增大。随着环保技术的发展和环保标准的提高，各地区的企业都加大了对脱硫设备的投入和改造，采用了更先进的脱硫技术，如石灰石-石膏湿法脱硫、循环流化床脱硫等，大幅提高了二氧化硫的去除效率，降低了排污系数，有效减少了二氧化硫的排放。各地区的火电企业普遍安装了高效的脱硫设备，使得二氧化硫的排放浓度大幅降低。不同地区之间也存在明显的特性。在经济规模效应方面，经济发达的江苏省在产业结构优化和节能减排方面取得的成效更为显著，经济规模效应在2005年后转为负值且绝对值较大，对二氧化硫排放的抑制作用更为明显；而经济发展相对滞后的陕西省，经济规模效应虽然在2005年后也转为负值，但绝对值相对较小，说明其经济增长对二氧化硫排放的拉动作用减弱的速度相对较慢。这主要是因为江苏省经济发展水平较高，产业结构相对优化，有更多的资金和技术用于节能减排和产业升级，能够更快地实现经济增长与二氧化硫排放的脱钩；而陕西省产业结构中高能耗产业占比较大，经济增长对能源的依赖程度较高，在产业结构调整和节能减排方面面临更多的困难。在能源结构效应方面，江苏省在清洁能源的开发和利用方面相对领先，能源结构效应在后期转为负值且绝对值相对较大，表明其能源结构优化对二氧化硫减排的效果更为突出；而陕西省由于煤炭资源丰富，在能源结构调整方面相对滞后，能源结构效应虽然也在后期转为负值，但绝对值相对较小。江苏省积极发展海上风电、太阳能发电等清洁能源，提高了清洁能源在能源消费结构中的占比；而陕西省在能源结构中煤炭占比较高，清洁能源的发展相对缓慢，导致能源结构优化对二氧化硫减排的作用相对较弱。在产业结构效应方面，江苏省产业结构调整和升级的速度较快，产业结构效应在后期对二氧化硫排放的抑制作用更为明显；而湖北省和陕西省在产业结构调整方面相对较慢，产业结构效应的转变相对较晚。江苏省大力发展高新技术产业和现代服务业，减少了对传统高能耗产业的依赖，使得产业结构优化对二氧化硫减排的作用得以充分发挥；而湖北省和陕西省在产业结构调整过程中，面临着传统产业转型升级困难、新兴产业发展不足等问题，导致产业结构效应的改善相对滞后。这些地区差异的成因主要包括经济发展阶段不同、政策支持力度不同和资源禀赋差异等。经济发展阶段的差异导致各地区在产业结构、能源利用效率和环保投入等方面存在明显差距。东部地区经济发展水平高，产业结构相对优化，有更多的资源用于节能减排和环保技术研发；而中西部地区经济发展相对滞后，产业结构中高能耗产业占比较大，经济增长对能源的依赖程度较高，在节能减排和环保方面的投入相对不足。政策支持力度的不同也对各地区的二氧化硫减排产生了重要影响。东部地区在改革开放初期就得到了国家政策的大力支持，在节能减排和环境保护方面也较早地得到了政策引导和资金投入；而中西部地区在政策支持和资金投入方面相对滞后，在推进节能减排和产业升级过程中面临更多的困难。资源禀赋差异使得各地区的能源结构存在明显不同。西部地区