黄雨萌 胡明月 陆馥瑛 王群伟全流程视角下大气污染变动的分解分析ＤＯＩ１０.１９５１１/ ｊ.ｃｎｋｉ.ｊｅｅ.２０１８.０３.００８全流程视角下大气污染变动的分解分析 以长三角地区为例黄雨萌 胡明月 陆馥瑛 王群伟∗摘要精确把握影响二氧化硫等大气污染变动的社会经济动因是采取有效防治措施的根本前提ꎮ本文在全流程视角下ꎬ利用指数分解分析方法将污染物的变动分解为源头防治、过程控制、末端治理和经济规模四个方面的因素ꎬ并对长三角地区２６个城市“十一五”以来二氧化硫的变动情况进行了实证分析ꎮ结果表明整体上ꎬ长三角地区二氧化硫排放总量得到了较好的控制ꎬ特别是“十二五”时期ꎬ减排效果较为明显ꎻ源头防治的潜力未能得到充分挖掘ꎬ末端治理仍是长三角地区二氧化硫控制的主要手段ꎬ“先污染ꎬ后治理”的模式并未得到根本扭转ꎻ长三角各城市对二氧化硫的治理措施有不同侧重ꎬ可区分为治理领先型、过程依赖型、末端依赖型和治理落后型四种类别ꎮ本文提出长三角各城市应改变依赖末端治理控制污染排放的惯性思维ꎬ在联防共治的区域合作机制下因地制宜地发展全流程治理模式ꎮ关键词大气污染ꎻ全流程治理ꎻ指数分解分析ꎻ长三角地区一、引言２０１３年以来ꎬ我国的长三角、京津冀等地区成为雾霾等大气污染的高发区ꎬ且持续时间长、影响范围广、强度大ꎮ如何采取有效措施ꎬ消除人们的“心肺之患”ꎬ实现区域经济与环境的协调、可持续发展ꎬ成为政府、学界等各界人士的重要关切ꎮ党的十九大报告和２０１８年国务院政府工作报告进一步提出要站在事关全面建设小康社会和实现高质量发展的角度把污染防治作为三大攻坚战之一予以攻克ꎮ为有针对性地实现雾霾等大气污染的综合防治ꎬ需要把握污染的核心影响因素ꎬ了解主６０１∗黄雨萌ꎬ南京航空航天大学经济与管理学院ꎬ邮政编码２１１１０６ꎬ电子信箱ａｎｇｅｌｌｏｖｅｓｔａｒｔ＠ｑｑ.ｃｏｍꎻ胡明月ꎬ新加坡国立大学风险管理研究所ꎬ邮政编码１１９６１３ꎬ电子信箱１７１２２２３１３６＠ｑｑ.ｃｏｍꎻ陆馥瑛ꎬ南京航空航天大学经济与管理学院ꎬ邮政编码２１１１０６ꎬ电子信箱１９６２４７６８７０＠ｑｑ.ｃｏｍꎻ王群伟通讯作者ꎬ南京航空航天大学经济与管理学院ꎬ邮政编码２１１１０６ꎬ电子信箱ｗｑｗ０３０５＠１２６.ｃｏｍꎮ本文系江苏高校哲学社会科学基金重点项目“江苏大气污染的社会经济动因及协同治理研究”２０１６ＺＤＩＸＭ０４０的阶段性研究成果ꎮ感谢刘晨楠和邹媛鹤两位同学在数据收集、整理等方面的贡献ꎮ感谢匿名审稿专家的修改建议ꎬ文责自负ꎮ环境经济研究２０１８年第３期要污染物的变动特征和趋势ꎮ现有研究也从多个方面展开了一些探讨ꎮ比如ꎬ张人禾等２０１４从大气环流背景场和雾霾天气演变过程ꎬ分析了气象条件在持续性强雾霾天气中的影响ꎻ潘本锋等２０１３在分析雾霾天气发生时的大气相对湿度、风速、气温、ＰＭ２.５浓度等因素后ꎬ认为雾霾的产生是气象要素和环境要素共同作用的结果ꎮ除了上述学者提出的气候因素ꎬ李晓燕２０１６、冯少荣和冯康巍２０１５、李卫东和黄霞２０１８的研究表明ꎬ大气污染的影响因素和相关治理措施还要充分考虑经济、产业、能源等社会经济动因ꎮ与此相关的研究较多ꎬ如马丽梅和张晓２０１４就指出我国雾霾污染水平随煤炭占能源消费比重的提升呈单调上升态势ꎮ邵帅等２０１６认为公路交通运输强度的提升促使了雾霾污染程度的加剧ꎮ李云燕和殷晨曦２０１７发现持续增长的机动车保有量逐渐成为京津冀地区雾霾污染的首要影响因素ꎮ冷艳丽等２０１５基于中国省际面板数据的研究指出外商直接投资与雾霾污染呈正相关关系ꎮ康雨２０１６则认为贸易开放度对雾霾有加剧作用ꎮ李欣等２０１７指出城市化推进是我国长三角地区雾霾加剧的重要原因ꎮ严雅雪２０１７发现城市化水平对碳排放和雾霾污染协同关系的影响存在门槛效应ꎮ上述研究基本是采用计量经济模型研究某些变量与雾霾污染之间的关系ꎬ是一种探讨外在影响的思路ꎮ随着研究工具的发展ꎬ指数分解分析ＩＤＡ和结构分解分析ＳＤＡ除了应用在温室气体和能源消费领域Ａｎｇ ＆ Ｚｈａｎｇꎬ２０００ꎻＬｉｕ ｅｔ ａｌ.ꎬ２００７ꎻＸｕ ＆ Ａｎｇꎬ２０１３ꎬ也开始用于研究雾霾等大气污染的内在驱动因素ꎮ比如ꎬＤｅ Ｂｒｕｙｎ１９９７较早分析了１９８０－１９９０年荷兰与西德ＳＯ２的变化状况ꎬ发现ＳＯ２的减少主要归功于技术效应ꎻＳｅｌｄｅｎ等１９９９、Ｂｒｕｖｏｌｌ和Ｍｅｄｉｎ２００３对美国和挪威主要污染物的研究也表明结构效应减少污染的作用有限ꎬ而技术效应和能源强度效应效果明显ꎮ Ｒａｆａｊ等２０１４利用分解分析研究了欧洲ＳＯ２、ＮＯｘ和ＣＯ２的驱动因素ꎬ但发现每种气体的主导因素并不一致ꎮ在针对中国的研究中ꎬ李荔等２０１０和石广明等２０１２以ＳＯ２为例ꎬ分别用距离函数和ＩＤＡ方法考察了其驱动因素及区域差异ꎬ主要观点是较高的能源强度推动了ＳＯ２排放总量的上升ꎮ Ｆｕｊｉｉ等２０１３分析了煤污染强度、终端处理、能源结构、产出效率和生产规模对ＳＯ２、粉尘和烟尘三种污染物的贡献度ꎬ发现驱动因素在不同污染物之间具有一定的异质性ꎮ Ｇｕａｎ等２０１４采用ＳＤＡ法研究了一次源ＰＭ２.５排放的社会经济驱动因素ꎬ认为资本形成是影响ＰＭ２.５排放的最主要因素ꎬ出口也是影响ＰＭ２.５排放的重要因素ꎮ Ｚｈａｎｇ等２０１５也利用ＳＤＡ法分解了北京化石能源消耗及大气污染ＳＯ２、ＮＯｘ、ＰＭ１０和ＰＭ２.５的变动ꎬ发现人口增长是主要的驱动因素ꎮ Ｌｙｕ等２０１６使用ＩＤＡ方法将一次源ＰＭ２.５、ＳＯ２和ＮＯｘ的变动分解为排放因子、能源强度、生产模式、经济增长、人口效应ꎬ发现经济增长和能源强度是影响空气污染变动的主要因素ꎮ从治理策略来看ꎬ由于大气污染涉及技术、气候、管理、法律等多方面ꎬ有关学者的政策建议各有侧重ꎮ比如ꎬ基于市场机制研究的学者认为设计合理的交易系统是治理污染物的有效７０１黄雨萌 胡明月 陆馥瑛 王群伟全流程视角下大气污染变动的分解分析手段Ｚｈｏｕ ｅｔ ａｌ.ꎬ２０１４ꎮ利用分解分析所得的结论ꎬＺｈａｎｇ等２０１５、Ｌｙｕ等２０１６认为主要的防治措施应该根据驱动因素的正向和负向关系ꎬ有针对性地采取抑制或强化措施ꎮ李永友和沈坤荣２００８认为环境治理时首先得树立环保意识ꎬ然后借用补助、贷款等手段ꎮ为避免国际贸易输入污染ꎬ沈利生和唐志２００８提出改变出口和进口产品的结构是中国当前最可行的方式ꎮ马丽梅和张晓２０１４的观点是中国雾霾治理一方面需要注重产业转移导致的溢出效应ꎬ同时要通过优质能源的使用以降低污染ꎮ魏巍贤和马喜立２０１５利用ＣＧＥ模型对中国治霾政策组合进行情景分析ꎬ得出的结论是将硫排放权交易与硫税两种机制进行组合可以实现大气污染治理目标ꎮ石庆玲等２０１６对中国１８９个城市的实证研究表明ꎬ“政治性蓝天”是以政治事件过后更严重的报复性污染为代价的ꎬ并提出雾霾治理应以长效的制度安排取代目前的运动式、行政命令式执法ꎮ近年来ꎬ针对大气污染防治的研究已较为丰硕ꎬ但仍有进一步完善的空间ꎮ目前ꎬ分解分析已成为计量方法之外的另一种分析污染变动的主流工具ꎮ但从分解的要素来看ꎬ学者们更多关注污染物的源头防治因素和过程控制因素ꎬ进而将排放的变动分解为结构效应、强度效应、规模效应等ꎬ忽略了末端治理对污染物减排的作用ꎮ现有的分析思路多只注重单个驱动因素的具体效果如何ꎬ也没有认识到末端治理被各级政府和企业普遍采用的客观现实ꎮ因此ꎬ亟待从源头防治－过程控制－末端治理这一全流程视角对大气污染的驱动因素进行全面分解ꎬ并提出面向全流程治理的大气污染综合防治方案ꎮ此外ꎬ由于数据的可获得性等原因ꎬ学者们更多分析驱动因素随时间的变化情况ꎬ很少讨论驱动因素的空间变化和地区差异ꎮ这不利于落实因地制宜、有针对性的防治措施ꎮ基于已有研究的不足ꎬ本文借鉴Ｗａｎｇ等２０１６的思路ꎬ聚焦于雾霾及其大气污染物形成的本质根源ꎬ从全流程治理的视角对主要大气污染物的驱动因素进行阶段划分ꎮ进而运用分解分析方法ꎬ从时间、空间两个维度ꎬ对长三角地区主要大气污染物的社会经济内在驱动因素进行深入分析ꎬ探寻其变动特征和主要作用因素ꎬ为治污减霾相关政策的制定和实施提供借鉴ꎮ二、模型与数据一基于全流程治理的分解模型全流程治理是一种全面、系统的环境污染治理模式ꎬ主要包括源头防治、过程控制和末端治理三个方面ꎮ源头防治的有效方法是使用清洁的能源和原料ꎬ以降低污染物产生的可能ꎻ过程控制一般可通过改善生产工艺和技术来提高资源利用效率ꎬ从而在生产过程中减少污染ꎻ末端治理是指利用污染处理设备处理产生的污染物ꎬ使之达到排放标准ꎬ降低污染排放强度杜雯翠ꎬ２０１３ꎮ除末端治理外的源头防治和过程控制也被定义为综合过程治理８０１环境经济研究２０１８年第３期Ｗａｎｇ ｅｔ ａｌ.ꎬ２０１６ꎮ分解分析方法将研究对象的变动拆分成若干个相关因子ꎬ进而分析不同因子对研究对象的影响程度Ａｎｇ ｅｔ ａｌ.ꎬ１９９８ꎬ这为污染治理的全流程分解提供了可能ꎮ在已有文献中ꎬ ＳＤＡ和ＩＤＡ是两种最常见的方法ꎮ尽管这两种方法都起源于指数理论ꎬ但在分解形式、数据要求、精细化程度等方面存在差异ꎬ也有各自的优缺点ꎮ根据Ｓｕ和Ａｎｇ２０１２、Ｌｅｎｚｅｎ２０１６等人的研究ꎬＩＤＡ相对于ＳＤＡ的优势体现在以下两点一是ＩＤＡ所使用的特定部门的增值活动指标可以更好地反映实际能效变化ꎻ二是ＩＤＡ更灵活、更易于实现、对数据要求低ꎮ ＩＤＡ的主要类别包括了Ｌａｓｐｅｙｒｅ指数、Ｄｉｖｉｓｉａ指数、Ｐａａｓｃｈｅ指数、Ｆｉｓｈｅｒ指数等Ｘｕ ＆ Ａｎｇꎬ２０１３ꎮ通过对残差项、零值处理和整体一致性等方面的比较ꎬＬＭＤＩ被认为是最理想的方法Ａｎｇꎬ２００４ꎬ且无需确定基准年ꎬ易于使用和解释Ｗａｎｇ ｅｔ ａｌ.ꎬ２０１７ꎮ因此ꎬＬＭＤＩ在能源、环境等多个研究领域得到了较广泛的应用Ｃｈｅｎ ＆ Ｘｕꎬ２０１０ꎻ张伟等ꎬ２０１３ꎻ汤维祺、鲁政委ꎬ２０１７ꎮ按照Ｗａｎｇ等２０１６的思路ꎬ本文以全流程治理为指导ꎬ通过恒等变形与ＬＭＤＩ相结合ꎬ最终得到源头防治、过程控制、末端治理和经济规模四个类别的因素对大气污染变动的影响ꎮ式１中ꎬＰ和Ｆ分别是大气污染物的排放量和产生量ꎬＣ是煤炭消费量ꎬＥ是能源消费总量ꎬＹｉ是地区工业部门生产总值ꎬＹ是地区生产总值ꎮＰ ＝ ＹｉＹ 􀅰 ＦＣ􀅰ＣＥ􀅰ＥＹｉ􀅰ＰＦ􀅰 Ｙ[ ]＝ ＹＯＹ􀅰 ＦＯＣ􀅰 ＣＯＥ 源头􀅰 ＥＯＹ 过程􀅰 ＰＯＦ 末端􀅰 Ｙ 规模１由式１可知ꎬ最终大气污染物的排放被分解为６个因素ꎮ其中ꎬ产业结构ＹＯＹ、煤炭污染强度ＦＯＣ和能源结构ＣＯＥ表示的是源头防治阶段的因素ꎻ能源消费强度ＥＯＹ表示过程控制阶段的因素ꎻ大气污染产生的去除比例ＰＯＦ表示末端治理阶段的因素ꎻ经济发展Ｙ代表规模效应ꎮ污染物排放从０时期到Ｔ时期的变化可写成如式２ꎮ Ｄｐ表示的是式１中６个因素变动导致的综合结果ꎮ等式右边的Ｄ表示因素各自的变动情况ꎬＤ１ꎬ表明该因素在[０ꎬＴ]内导致了大气污染物的增加ꎬ是正向驱动因素ꎻＤ１ꎬ则相反ꎻＤ＝１则说明未产生影响ꎮＤＰ ＝ ＰＴＰ０ ＝ ＤＹＯＹ􀅰 ＤＦＯＣ􀅰 ＤＣＯＥ 􀅰 ＤＥＯＹ 􀅰 ＤＰＯＦ 􀅰 ＤＹ ＝ Ｄ源头􀅰 Ｄ过程􀅰 Ｄ末端􀅰 Ｄ规模２为计算Ｄ的具体数值ꎬ利用ＬＭＤＩ方法ꎬ式２可进一步展开为式３Ａｎｇꎬ２００５ＤＰ ＝ ＰＴＰ０ ＝ ＤＹＯＹ􀅰 ＤＦＯＣ􀅰 ＤＣＯＥ 􀅰 ＤＥＯＹ􀅰 Ｄ ＰＯＦ􀅰 Ｄ Ｙ＝ ｅｘｐ ｗ ｔ∗ ｌｎ ＹＯＹＴＹＯＹ０ 􀅰 ｅｘｐ ｗ ｔ∗ ｌｎ ＦＯＣＴＦＯＣ０ 􀅰 ｅｘｐ ｗ ｔ∗ ｌｎ ＣＯＥＴＣＯＥ０ 􀅰９０１黄雨萌 胡明月 陆馥瑛 王群伟全流程视角下大气污染变动的分解分析ｅｘｐ ｗ ｔ∗ ｌｎ ＥＯＹＴＥＯＹ０ 􀅰 ｅｘｐ ｗ ｔ∗ ｌｎ ＰＯＦＴＰＯＦ０ 􀅰 ｅｘｐ ｗ ｔ∗ ｌｎ ＹＴＹ０ 其中ꎬ ｗ ｔ∗ ＝ Ｐ０ － ＰＴ / ｌｎ Ｐ０ － ｌｎ ＰＴ Ｐ０ － ＰＴ / ｌｎ Ｐ０ － ｌｎ ＰＴ ３式３表示了每个因素的相对变动ꎬ是乘法分解形式ꎮ为了解每个因素导致的大气污染物变动的绝对数量ꎬＬＭＤＩ方法也可以写成加法形式Ａｎｇ ＆ Ｌｉｕꎬ２００７ΔＰ ＝ ＰＴ － Ｐ０＝ ΔＹＯＹ ＋ ΔＦＯＣ ＋ ΔＣＯＥ ＋ ΔＥＯＹ ＋ ΔＰＯＦ ＋ ΔＹ ＝ Δ源头＋ Δ过程＋ Δ末端＋ Δ规模４其中ꎬΔＹＯＹ ＝ ＰＴ － Ｐ０ｌｎ ＰＴ － ｌｎＰ０􀅰 ｌｎ ＹＯＹＴ － ｌｎ ＹＯＹ０ ５ΔＦＯＣ ＝ ＰＴ － Ｐ０ｌｎ ＰＴ － ｌｎＰ０􀅰 ｌｎ ＦＯＣＴ － ｌｎ ＦＯＣ０ ６ΔＣＯＥ ＝ ＰＴ － Ｐ０ｌｎ ＰＴ － ｌｎＰ０􀅰 ｌｎ ＣＯＥＴ － ｌｎ ＣＯＥ０ ７ΔＥＯＹ ＝ ＰＴ － Ｐ０ｌｎ ＰＴ － ｌｎＰ０􀅰 ｌｎ ＥＯＹＴ － ｌｎ ＥＯＹ０ ８ΔＰＯＦ ＝ ＰＴ － Ｐ０ｌｎ ＰＴ － ｌｎＰ０􀅰 ｌｎ ＰＯＦＴ － ｌｎ ＰＯＦ０ ９ΔＹ ＝ ＰＴ － Ｐ０ｌｎ ＰＴ － ｌｎＰ０􀅰 ｌｎ ＹＴ － ｌｎ Ｙ０ １０二样本地区和数据来源长三角地区是我国人口集聚度最高、城市化发展最快、经济活力最强的区域ꎬ同时也是雾霾等大气污染的高发区和重灾区李欣等ꎬ２０１７ꎮ因此ꎬ本文选择长三角地区作为研究对象ꎬ具体包括上海、南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州、杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州、合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城共计２６个城市ꎮ与大气污染相关的污染物主要包括二氧化硫ＳＯ２、氮氧化物ＮＯｘ和颗粒物ＰＭ２.５等三种ꎮ在已有研究中ꎬＰＭ２.５和ＳＯ２是常用的污染指标刘满芝等ꎬ２０１５ꎻ白永亮等ꎬ２０１６ꎻ刘华军、裴延峰ꎬ２０１７ꎮ考虑到多种污染物的同宗同源性和２００５年以来统计数据的完整性每年数据均为年末数据ꎬ本文选取ＳＯ２作为污染物的代理指标ꎮ研究对象和指标涵盖“十一五”２００６－２０１０和“十二五”２０１１－２０１５两个时期ꎬ共１０年ꎮ ＳＯ２排放量和产生量数据源于中国城市统计年鉴ꎬ工业能源和煤炭消费量、ＧＤＰ和工业产值来源于各城市统计年鉴ꎮ其０１１环境经济研究２０１８年第３期中ꎬ城市ＧＤＰ和工业生产总值换算成２００５年不变价格ꎮ三、实证结果和讨论一区域层面的分解结果和讨论图１给出了长三角地区各城市在“十一五”和“十二五”时期的ＳＯ２排放量变化绝对量和变化率ꎮ图１ 长三角地区ＳＯ２排放量变化趋势由图１可知ꎬ“十一五”时期ꎬ长三角地区ＳＯ２排放量整体呈减少态势ꎬ共减少４０.２８万吨ꎮ这得益于“十一五”时期国家提出的主要污染物总量减排的战略决策ꎬＳＯ２排放量作为约束性指标ꎬ要求“十一五”时期总排放量削减１０％ꎮ这个目标使得各地政府在经济发展中给予了环境保护更多重视ꎬ污染物减排成为各地政府推进环境保护的重要抓手李名升等ꎬ２０１１ꎮ ＳＯ２绝对减排量最多的５个城市是上海、宁波、台州、无锡、南通ꎬ其中台州和宁波还是相对减排量最高的城市ꎬ下降幅度分别为６８.８６％和４７.６６％ꎻ尽管大部分城市在“十一五”都实现了ＳＯ２的减排ꎬ仍有５个城市排放不降反升ꎮ “十二五”时期ꎬＳＯ２依然是重点减排对象ꎮ长三角地区减少ＳＯ２排放量整体比“十一五”表现更优ꎬ共减少６０.３６万吨ꎮ上海、无锡两市在“十一五”和“十二五”减排量均排在前５位ꎬ体现了其对ＳＯ２减排的高度重视ꎻ苏州也由正增长实现了大幅度的负增长ꎬ取得了明显的治理效果ꎮ为了解长三角地区整体上ＳＯ２排放变动的内在动因ꎬ利用式２和式３ꎬ得出了源头防治、过程控制、末端治理和经济规模各类因素在“十一五”和“十二五”两个时期分别带来的影响见图２ꎮ１１１黄雨萌 胡明月 陆馥瑛 王群伟全流程视角下大气污染变动的分解分析图２ 长三角地区ＳＯ２排放变动的驱动因素可以发现ꎬ尽管“十二五”时期经济规模的正向驱动程度有所减小ꎬ其始终是污染排放最核心的动力ꎮ这是由于２００５年以来ꎬ中国工业总产值年均增长速度接近２０％ꎬ迅猛扩张的工业规模导致了大量ＳＯ２的排放李名升等ꎬ２０１１ꎮ长三角地区ＳＯ２的控制以末端治理为主ꎬ相应的指数在“十一五”和“十二五”分别为０.５７和０.６１ꎬ是抑制ＳＯ２排放最重要的负向驱动因素ꎮ过程控制因素越来越好地发挥了抑制ＳＯ２排放的作用“十二五”时期Ｄ＝０.６８ꎬ但源头防治因素对ＳＯ２治理的作用却非常有限ꎬ甚至增加了ＳＯ２的排放ꎮ上述结果说明ꎬ长三角地区的ＳＯ２控制没有摆脱“先污染ꎬ后治理”的末端治理模式ꎮ尽管过程控制正在逐渐体现出它的效果ꎬ但仍然没有挖掘和发挥出源头防治的作用ꎮ在了解长三角地区“十一五”和“十二五”ＳＯ２整体变动的基础上ꎬ进一步具体分析历年各驱动因素的变化ꎬ如表１所示ꎮ表１ 长三角地区历年ＳＯ２排放变动的驱动因素总体ＤＰ源头防治Ｄ源头过程控制Ｄ过程末端治理Ｄ末端经济规模Ｄ规模２００６ ０.９８ １.１４ ０.９０ ０.８３ １.１４２００７ ０.９４ ０.９５ ０.９６ ０.８９ １.１５２００８ ０.８８ １.１０ ０.９１ ０.７９ １.１２２００９ ０.９４ ０.９５ ０.９６ ０.９２ １.１１２０１０ １.１０ ０.９６ ０.９６ １.０６ １.１３２０１１ ０.９１ ０.９４ ０.９７ ０.８９ １.１１２０１２ ０.９７ １.１０ ０.９２ ０.８８ １.１０２０１３ ０.９２ １.０２ ０.８７ ０.９５ １.１０２０１４ ０.９６ １.０３ ０.９３ ０.９２ １.０９２０１５ ０.８９ ０.９６ ０.９５ ０.９０ １.０８２１１环境经济研究２０１８年第３期经济规模在样本时期一直给长三角地区ＳＯ２排放增长带来正向效应ꎬ但其影响效应在“十二五”时期逐步降低ꎬＳＯ２排放与经济发展开始逐步实现脱钩ꎬ经济发展对环境造成的压力趋于减弱ꎮ末端治理因素对ＳＯ２排放增长的负向效应呈波动性减弱ꎬ但仍是抑制排放的主要驱动因素ꎮ过程控制效应对减少ＳＯ２排放有一定贡献ꎬ在２０１０及２０１３年甚至超过了末端治理的作用ꎮ源头防治因素对ＳＯ２减排的积极作用没有得到充分发挥ꎬ相应的指数Ｄ始终围绕１波动ꎮ这些现象与背后的经济发展、宏观政策以及相关规制密切相关ꎮ为了改善环境质量ꎬ中央政府设定了一系列目标ꎬ也相应采取了很多具体的手段ꎮ比如ꎬ清洁能源消费占总消费的比重到２０２０年要提高到１５％ꎻ产业结构要逐步走向低碳化和绿色化ꎻ要加大污染治理相关技术的投资和研发ꎮ但从各地方政府和企业的实践来看ꎬ不论是结构调整、技术进步ꎬ还是生产方式改变都需要经历较长的时间ꎬ“先污染ꎬ后治理”的末端治理模式依然是一些政府进行环境管控的主要手段ꎮ尽管政府已意识到源头防治是ＳＯ２控制的根本方式ꎬ但要真正落实既需要较长的时间ꎬ也可能会冲击现行的经济发展模式和污染治理模式ꎮ源头防治是长三角地区ＳＯ２治理的短板ꎬ为此利用式４进一步识别源头防治效果不理想的主要原因ꎮ影响源头防治的因素可以分解为产业结构、能源结构和煤炭污染强度ꎬ图３给出了这三个因素对ＳＯ２排放的影响情况ꎮ图３ 长三角地区ＳＯ２源头防治分解结果长三角地区能源密集型工业占经济比重过高ꎬ产业结构尽管没有对ＳＯ２排放产生显著影响ꎬ但在“十一五”时期的２００６、２００７、２０１０年都增加了ＳＯ２的排放ꎮ “十二五”时期情况有了改善ꎬ但长三角地区还需继续推进产业结构的优化升级ꎬ通过结构调整降低ＳＯ２的排放ꎮ能源结构抑制或带动ＳＯ２排放的年份约各占一半ꎬ有待进一步优化ꎮ煤炭污染强度对ＳＯ２排放的３１１黄雨萌 胡明月 陆馥瑛 王群伟全流程视角下大气污染变动的分解分析影响十分显著ꎬ如２００８年和２０１１年煤炭污染强度就对ＳＯ２排放分别起到了大幅增加和抑制的作用ꎮ二城市层面的分解结果和讨论国家和区域层面治污减霾目标的达成都需要在城市这一更微观的主体得以落实ꎮ尽管长三角的经济发展和污染状态有典型的区域特征ꎬ但也涉及江苏、浙江、安徽、上海“三省一市”ꎬ与污染治理相关的政策环境、产业结构、资源禀赋等都有一定差异ꎬ落实全流程治理模式的态度和力度也不尽相同ꎮ为此ꎬ进一步考察２６个城市ＳＯ２治理的表现ꎮ从２６个城市ＳＯ２排放变动的驱动因素的分解结果来看图４ꎬ经济规模是导致ＳＯ２排放增加的最主要的因素ꎬ过程控制和末端治理基本都发挥了减少ＳＯ２排放的作用ꎬ但源头防治的减排效果并不理想ꎮ图４ 长三角地区ＳＯ２排放变动的驱动因素源头防治方面ꎬ盐城、泰州、安庆、池州等１３个城市尚未充分发挥此阶段的作用ꎬ成为其污染治理的短板ꎮ过程控制方面ꎬ除舟山外ꎬ其余２５个城市的过程控制均有效抑制了ＳＯ２排放量的增长ꎮ末端治理方面ꎬ除南京、宁波、金华、台州和宣城在该阶段效果不太理想ꎬ其余２１个城市均对ＳＯ２的排放发挥了抑制作用ꎮ上海、苏州、无锡、常州等９个城市在全流程治理三个阶段的指数Ｄ均小于１ꎬ对ＳＯ２排放的减少产生了积极作用ꎮ继续对源头防治进行分解ꎬ分解结果如图５所示ꎮ４１１环境经济研究２０１８年第３期图５ 长三角地区ＳＯ２源头防治分解结果长三角２６个城市产业结构的Ｄ值围绕１小幅波动ꎮ尽管中央和地方政府出台了很多政策ꎬ期望通过产业结构的调整实现对大气污染的有效控制ꎬ但产业结构的变动是一个缓慢长期的过程ꎬ其减排功效尚未得到充分发挥ꎮ煤炭污染强度Ｄ值大于１的城市有１７个ꎬ表明煤炭消费对ＳＯ２排放的贡献很高ꎮ特别是池州和安庆的Ｄ值远高于其他城市ꎬ未来需要在利用清洁能源、降低煤炭消费比重等方面多下功夫ꎮ能源结构方面ꎬ７个城市的Ｄ值大于１ꎮ其中南京比较特殊ꎬ其能源结构远高于其他城市ꎬ反映了对煤炭的高依赖程度ꎮ三长三角地区各城市ＳＯ２治理模式的差异为了对２６个城市ＳＯ２治理模式的空间差异性进行分析ꎬ以长三角地区综合过程治理源头防治和过程控制的综合效应和末端治理两个维度的平均水平为基准ꎬ图６将２６个城市划分为治理领先型、过程依赖型、末端依赖型、治理落后型四种类型Ｗａｎｇ ｅｔ ａｌ.ꎬ２０１６ꎮ图６ 长三角地区ＳＯ２治理模式的空间差异５１１黄雨萌 胡明月 陆馥瑛 王群伟全流程视角下大气污染变动的分解分析类型一是综合过程治理和末端治理均优于平均水平的城市ꎬ共有９个ꎬ称之为“治理领先型城市”ꎮ这些城市污染排放的全流程治理模式发展较好ꎬ是其他城市的标杆ꎮ上海、无锡、台州、盐城、南通、扬州、镇江、泰州、安庆是属于类型一的城市ꎮ需要指出的是ꎬ安庆、盐城和泰州在源头防治阶段仍然具有进一步降低污染排放的潜力ꎮ类型二是综合过程治理优于平均水平但末端治理需要提高的城市ꎬ称之为“过程依赖型城市”ꎮ属于该类型的城市有８个ꎬ包括南京、常州、合肥、金华、嘉兴、杭州、绍兴、湖州ꎮ这些城市在发挥源头防治和过程控制因素作用的同时应进一步加强末端治理力度ꎬ使得末端治理的功效得到发挥ꎮ类型三是综合过程治理落后于平均水平ꎬ对大气污染物的控制主要依靠末端治理的城市ꎬ称之为“末端依赖型城市”ꎬ共有５个ꎮ苏州、铜陵、池州、舟山和宁波属于该类型ꎮ这些城市需要转变污染治理理念ꎬ致力于产业结构的调整、清洁能源的利用和技术的革新ꎬ加强污染治理模式的过程化和多元化ꎮ类型四是综合过程治理和末端治理均落后于平均水平的城市ꎬ称之为“治理落后型城市”ꎬ包括了滁州、宣城、芜湖和马鞍山ꎮ这四个城市要重视大气污染问题的严峻形势ꎬ从源头、过程和终端全方位加强大气污染治理力度ꎬ提升污染治理水平ꎮ从四种类型城市的省域分布来看ꎬ属于治理领先型的９个城市中江苏占了６个ꎬ且没有属于治理落后型的城市ꎮ江苏的全流程治理模式总体上发展较好ꎬ但需要重点推动南京、常州、苏州三市治理模式的转变ꎮ属于治理落后型的城市均来自于安徽ꎬ且该省仅安庆位列治理领先型城市ꎮ安徽应进一步重视大气污染问题ꎬ以安庆为标杆ꎬ加快发展全流程治理模式ꎬ全面提升治污能力ꎮ浙江的８个城市中有５个属于过程依赖型ꎬ反映了该省以源头防治和过程控制为主导的治理模式ꎮ不少学者也利用ＬＭＤＩ方法对部门和省区的节能减排问题进行了分析ꎮ刘满芝等２０１５研究了２０００至２０１０年间全国和３０个省份的主要大气污染物排放量ꎬ发现经济规模正向效应最大ꎬ末端治理措施负向效应最大ꎮ张平淡等２０１２也发现我国ＳＯ２减排主要依赖于末端治理和过程控制ꎬ源头防治并没有得到优化ꎮ说明“先污染ꎬ后治理”的末端治理模式并非长三角特例ꎮ此外ꎬ虽有学者通过构建四象限法评价地区差异刘满芝等ꎬ２０１５ꎻ刁贝娣等ꎬ２０１６ꎬ但他们多以排放量为划分依据ꎮ本文将四象限法与ＬＭＤＩ方法结合ꎬ以治理模式为划分依据ꎬ从而可以制定针对性的治理举措ꎮ四、结论和政策启示对大气污染的有效防治既需要末端治理ꎬ也需要从生产源头和生产过程着手ꎮ在全流程治理视角下ꎬ本文利用ＬＭＤＩ方法将大气污染排放的驱动因素分解为源头防治因素、过程控制因素、末端治理因素和经济规模因素ꎮ进而以长三角地区为例ꎬ对其ＳＯ２的全流程治理状况进行了实证分析ꎬ得到结论如下６１１环境经济研究２０１８年第３期第一ꎬ整体上ꎬ长三角地区ＳＯ２排放量得到了较好的控制ꎬ特别是“十二五”时期ꎬ减排效果较为明显ꎮ但各城市减排情况仍具有很大差异ꎬ只有极少数城市两个时期减排效果持续表现优良ꎬ其他城市的减排效果存在波动性和反复性ꎬ治理ＳＯ２仍是一项艰巨的工作ꎮ各城市需要反思自身治理模式ꎬ优化大气污染治理措施ꎮ第二ꎬ源头防治的潜力未能得到充分挖掘ꎬ末端治理仍是长三角地区ＳＯ２控制的主要手段ꎬ“先污染ꎬ后治理”的模式并未得到根本扭转ꎮ综合过程治理尤其是源头防治阶段发展缓慢ꎬ成为环境治理过程中的短板ꎬ其中煤炭污染强度是该阶段的核心因素ꎮ长三角地区能源密集型工业比重过高ꎬ产业结构以工业为主、能源消费以煤炭为主的特征没有得到根本性的改变ꎮ第三ꎬ不同城市对ＳＯ２的治理有不同侧重ꎬ可区分为治理领先型、过程依赖型、末端依赖型和治理落后型四种类别ꎮ通过分类可知ꎬ大部分城市的全流程治理模式发展存在问题ꎬ１２个城市末端治理阶段落后于平均水平ꎬ９个城市的综合过程治理落后于平均水平ꎮ上海以及江苏省末端治理和综合过程治理均表现良好ꎬ安徽省综合过程治理和末端治理均需要提高ꎬ浙江省主要依靠综合过程治理而末端治理落后ꎮ在源头防治方面ꎬ煤炭污染强度成为各市该阶段治理效果差异的主要来源ꎬ也是治理效果相对落后城市挖掘潜力的主要方向ꎮ上述结论的政策启示主要包括以下两个方面第一ꎬ转变治理模式ꎬ改变依赖末端治理控制污染排放的惯性思维ꎬ从源头和生产过程减少污染物的产生ꎬ实现绿色生产ꎮ源头防治阶段是治理过程中的短板ꎬ也是潜力最大的环节ꎬ因此需要格外注重该环节的发展ꎬ从产业结构、能源结构ꎬ尤其是煤炭污染强度等方面进行调整ꎬ使该阶段的功效得以有效发挥ꎮ对于煤炭污染强度高于平均水平的城市ꎬ可从短期和长期两个方面加以改善ꎮ短期来看ꎬ需要改进落后的煤炭利用方式ꎬ稳定煤炭质量ꎮ对于发电和工业锅炉燃料等煤炭污染排放的主要来源应予以重点关注ꎬ并施行煤炭质量管理办法对劣质煤进行严格控制ꎬ加大优质煤的使用ꎮ长期来看ꎬ需要减少煤炭等污染型能源的消费ꎬ重视发展清洁能源ꎬ用石油、天然气和以风能、太阳能为代表的新能源来弥补减煤降污所引起的能源消费缺口ꎮ第二ꎬ在联防共治的区域合作机制下ꎬ根据城市所属类型制定针对性的治理举措ꎬ因地制宜地发展全流程治理模式ꎮ具体可按照以下几个步骤实施首先ꎬ制定产业结构调整的全局规划ꎬ形成长三角产业布局的合理梯度ꎮ通过对污染型产业的区位调度及合理配置ꎬ避免污染行业的过分集中ꎮ其次ꎬ制定有针对性的区域减排政策ꎮ对于综合过程治理优于平均水平但末端治理需要提高的地区ꎬ应加强对电力、冶金、化工业等主要耗煤行业ＳＯ２治理的督查ꎬ平衡城市化进程速度与配套环境基础设施建设进程ꎬ提高末端治理水平ꎻ对于末端治理优于平均水平但综合过程治理落后的地区ꎬ应转变污染治理理念ꎬ调整能源结构ꎬ大力推进清洁能源７１１黄雨萌 胡明月 陆馥瑛 王群伟全流程视角下大气污染变动的分解分析的使用ꎬ调整产业结构ꎬ淘汰落后产能ꎮ最后ꎬ完善区域合作机制ꎮ积极引导长三角地区跨市的环境合作ꎬ在基础设施建设以及具有公共属性的产业上逐渐打破地方分割ꎬ协调经济增长与环境污染的矛盾ꎮ参考文献[１]白永亮ꎬ郭珊ꎬ孙涵.大气污染的空间关联与区域间防控协作 基于全国２８８个地市工业ＳＯ２污染数据的空间统计分析[Ｊ].中国地质大学学报社会科学版ꎬ２０１６ꎬ１６３６３－７２＋１７１.[２]刁贝娣ꎬ曾克峰ꎬ苏攀达ꎬ丁镭ꎬ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].资源科学ꎬ２０１６ꎬ３８９１７６８－１７７９.[３]杜雯翠.中国工业ＣＯＤ全过程管理效果检验 来自ＬＭＤＩ的分解结果[Ｊ].中国软科学ꎬ２０１３ꎬ７７７－８５.[４]冯少荣ꎬ冯康巍.基于统计分析方法的雾霾影响因素及治理措施[Ｊ].厦门大学学报自然科学版ꎬ２０１５ꎬ５４１１１４－１２１.[５]康雨.贸易开放程度对雾霾的影响分析 基于中国省级面板数据的空间计量研究[Ｊ].经济科学ꎬ２０１６ꎬ１１１４－１２５.[６]冷艳丽ꎬ冼国明ꎬ杜思正.外商直接投资与雾霾污染 基于中国省际面板数据的实证分析[Ｊ].国际贸易问题ꎬ２０１５ꎬ１２７４－８４.[７]李荔ꎬ毕军ꎬ杨金田ꎬ严刚.我国二氧化硫排放强度地区差异分解分析[Ｊ].中国人口􀅰资源与环境ꎬ２０１０ꎬ２０Ｓ１３４－３８.[８]李名升ꎬ张建辉ꎬ罗海江ꎬ林兰钰ꎬ李茜ꎬ张殷俊.中国二氧化硫减排分析及减排潜力[Ｊ].地理科学ꎬ２０１１ꎬ２９９１０６５－１０７１.[９]李卫东ꎬ黄霞.北京市雾霾的社会经济影响因素实证研究[Ｊ].首都经济贸易大学学报ꎬ２０１８ꎬ２０４５８－６８.[１０]李晓燕.京津冀地区雾霾影响因素实证分析[Ｊ].生态经济ꎬ２０１６ꎬ３２３１４４－１５０.[１１]李欣ꎬ曹建华ꎬ孙星.空间视角下城市化对雾霾污染的影响分析 以长三角区域为例[Ｊ].环境经济研究ꎬ２０１７ꎬ２２８１－９２.[１２]李永友ꎬ沈坤荣.我国污染控制政策的减排效果 基于省际工业污染数据的实证分析[Ｊ].管理世界ꎬ２００８ꎬ７７－１１.[１３]李云燕ꎬ殷晨曦.京津冀地区ＰＭ２.５减排实效与影响因素的门限效应[Ｊ].中国环境科学ꎬ２０１７ꎬ３７４１２２３－１２３０.[１４]刘华军ꎬ裴延峰.我国雾霾污染的环境库兹涅茨曲线检验[Ｊ].统计研究ꎬ２０１７ꎬ３４３４５－５４.[１５]刘满芝ꎬ杨继贤ꎬ马丁ꎬ丁志华.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ꎬ２０１５ꎬ３７２３３３－３４１.[１６]马丽梅ꎬ张晓.中国雾霾污染的空间效应及经济能源结构影响[Ｊ].中国工业经济ꎬ２０１４ꎬ４１９－３１.[１７]潘本锋ꎬ汪巍ꎬ李亮ꎬ李健军ꎬ王瑞斌.我国大中型城市秋冬季节雾霾天气污染特征与成因分析[Ｊ].环境与可持续发展ꎬ２０１３ꎬ３８１３３－３６.[１８]邵帅ꎬ李欣ꎬ曹建华ꎬ杨莉莉.中国雾霾污染治理的经济政策选择 基于空间溢出效应的视角[Ｊ].经济研究ꎬ２０１６ꎬ５１９７３－８８.[１９]沈利生ꎬ唐志.对外贸易对我国污染排放的影响 以二氧化硫排放为例[Ｊ].管理世界ꎬ２００８ꎬ６２１－２９.８１１环境经济研究２０１８年第３期[２０]石广明ꎬ王金南ꎬ毕军ꎬ周全.中国工业二氧化硫排放变化指标分解研究[Ｊ].中国环境科学ꎬ２０１２ꎬ３２１５６－６１.[２１]石庆玲ꎬ郭峰ꎬ陈诗一.雾霾治理中的“政治性蓝天” 来自中国地方“两会”的证据[Ｊ].中国工业经济ꎬ２０１６ꎬ５４０－５６.[２２]汤维祺ꎬ鲁政委.我国“十三五”碳排放路径预测结构与趋势[Ｊ].环境经济研究ꎬ２０１７ꎬ２３３６－４８.[２３]魏巍贤ꎬ马喜立.能源结构调整与雾霾治理的最优政策选择[Ｊ].中国人口􀅰资源与环境ꎬ２０１５ꎬ２５７６－１４.[２４]严雅雪.碳排放与雾霾污染的协同关系分析[Ｊ].环境经济研究ꎬ２０１７ꎬ２２５２－６３.[２５]张平淡ꎬ朱松ꎬ朱艳春.环保投资对中国ＳＯ２减排的影响 基于ＬＭＤＩ的分解结果[Ｊ].经济理论与经济管理ꎬ２０１２ꎬ７８４－９４.[２６]张人禾ꎬ李强ꎬ张若楠. ２０１３年１月中国东部持续性强雾霾天气产生的气象条件分析[Ｊ].中国科学地球科学ꎬ２０１４ꎬ４４１２７－３６.[２７]张伟ꎬ张金锁ꎬ邹绍辉ꎬ许建.基于ＬＭＤＩ的陕西省能源消费碳排放因素分解研究[Ｊ].干旱区资源与环境ꎬ２０１３ꎬ２７９２６－３１.[２８]Ａｎｇꎬ Ｂ. Ｗ. ａｎｄ Ｆ. Ｑ. Ｚｈａｎｇ. Ａ Ｓｕｒｖｅｙ ｏｆ Ｉｎｄｅｘ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ Ａｎａｌｙｓｉｓ ｉｎ Ｅｎｅｒｇｙ ａｎｄ ＥｎｖｉｒｏｎｍｅｎｔａｌＳｔｕｄｉｅｓ[Ｊ]. Ｅｎｅｒｇｙꎬ ２０００ꎬ ２５１２ １１４９－１１７６.[２９]Ａｎｇꎬ Ｂ. Ｗ. ａｎｄ Ｎ. Ｌｉｕ. Ｅｎｅｒｇｙ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ ＡｎａｌｙｓｉｓＩＥＡ Ｍｏｄｅｌ Ｖｅｒｓｕｓ Ｏｔｈｅｒ Ｍｅｔｈｏｄｓ[Ｊ]. Ｅｎｅｒｇｙ Ｐｏｌｉ￣ｃｙꎬ ２００７ꎬ ３５３ １４２６－１４３２.[３０]Ａｎｇꎬ Ｂ. Ｗ. Ｄｅｃｏｍｐｏｓｉｔｉｏｎ Ａｎａｌｙｓｉｓ ｆｏｒ Ｐｏｌｉｃｙ－ｍａｋｉｎｇ ｉｎ ＥｎｅｒｇｙＷｈｉｃｈ ｉｓ ｔｈｅ Ｐｒｅｆｅｒｒｅｄ Ｍｅｔｈｏｄ[Ｊ].Ｅｎｅｒｇｙ Ｐｏｌｉｃｙꎬ ２００４ꎬ ３２９ １１３１－１１３９.[３１]Ａｎｇꎬ Ｂ. Ｗ.ꎬ Ｆ. Ｑ. Ｚｈａｎｇꎬ ａｎｄ Ｋ. Ｈ. Ｃｈｏｉ. Ｆａｃｔｏｒｉｚｉｎｇ Ｃｈａｎｇｅｓ ｉｎ Ｅｎｅｒｇｙ ａｎｄ Ｅｎｖｉｒｏｎｍｅｎｔａｌ ＩｎｄｉｃａｔｏｒｓＴｈｒｏｕｇｈ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ[Ｊ]. Ｅｎｅｒｇｙꎬ １９９８ꎬ ２３６ ４８９－４９５.[３２]ＡｎｇꎬＢ. Ｗ. Ｔｈｅ ＬＭＤＩ Ａｐｐｒｏａｃｈ ｔｏ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ ＡｎａｌｙｓｉｓＡ Ｐｒａｃｔｉｃａｌ Ｇｕｉｄｅ[Ｊ]. Ｅｎｅｒｇｙ Ｐｏｌｉｃｙꎬ２００５ꎬ ３３７ ８６７－８７１.[３３]Ｂｒｕｖｏｌｌꎬ Ａ. ａｎｄ Ｈ. Ｍｅｄｉｎ. Ｆａｃｔｏｒｓ Ｂｅｈｉｎｄ ｔｈｅ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｋｕｚｎｅｔｓ Ｃｕｒｖｅ Ａ Ｄｅｃｏｍｐｏｓｉｔｉｏｎ ｏｆ ｔｈｅＣｈａｎｇｅｓ ｉｎ Ａｉｒ Ｐｏｌｌｕｔｉｏｎ[Ｊ]. Ｅｎｖｉｒｏｎｍｅｎｔａｌ ａｎｄ Ｒｅｓｏｕｒｃｅ Ｅｃｏｎｏｍｉｃｓꎬ ２００３ꎬ ２４１ ２７－４８.[３４]Ｃｈｅｎꎬ Ｗ. ａｎｄ Ｒ. Ｘｕ. Ｃｌｅａｎ Ｃｏａｌ Ｔｅｃｈｎｏｌｏｇｙ Ｄｅｖｅｌｏｐｍｅｎｔ ｉｎ Ｃｈｉｎａ[Ｊ]. Ｅｎｅｒｇｙ Ｐｏｌｉｃｙꎬ ２０１０ꎬ ３８５２１２３－２１３０.[３５]Ｄｅ Ｂｒｕｙｎꎬ Ｓ. Ｍ. Ｅｘｐｌａｉｎｉｎｇ ｔｈｅ Ｅｎｖｉｒｏｎｍｅｎｔａｌ Ｋｕｚｎｅｔｓ Ｃｕｒｖｅ Ｓｔｒｕｃｔｕｒａｌ Ｃｈａｎｇｅ ａｎｄ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ａｇｒｅｅ￣ｍｅｎｔｓ ｉｎ Ｒｅｄｕｃｉｎｇ Ｓｕｌｐｈｕｒ Ｅｍｉｓｓｉｏｎｓ[Ｊ]. Ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｅｃｏｎｏｍｉｃｓꎬ １９９７ꎬ ２４ ４８５－５０３.[３６]Ｆｕｊｉｉꎬ Ｈ.ꎬ Ｓ. Ｍａｎａｇｉꎬ ａｎｄ Ｓ. Ｋａｎｅｋｏ. Ｄｅｃｏｍｐｏｓｉ