是什么驱动了中国生物质燃烧排放的长期变化？

《Journal of Environmental Sciences》：What drives long-term variations in biomass burning emissions in China?

　　王曼丽|邱雄辉|蔡青旺|唐玉英|文豪
安徽科技大学地球与环境学院，中国淮南232001

**摘要**
近年来，生物质燃烧产生的排放量显著下降，但其驱动因素仍然不明确。本研究建立了中国国内和露天生物质燃烧的长期排放清单（2008-2023年），并应用Kaya恒等式和对数平均分解指数（LMDI）模型来量化各种因素对PM2.5排放变化的贡献。结果显示，2008年生物质燃烧产生的SO2、NOx、NMVOC、NH3、PM2.5、PM10、CH4、CO、EC和OC的排放量分别为278、872、3.15×103、466、3.22×103、3.73×103、2.29×103、3.53×10?、501和1.41×103千吨，到2023年分别减少了50%-65%。2014-2023年间，国内生物质燃烧产生的PM2.5排放量主要受到经济因素（F）和城市化（U）的影响，分别贡献了183.4%和54.7%。露天作物秸秆燃烧的排放量主要受秸秆燃烧强度（S）的影响，减少了115%。经济因素的负面影响从563.2千吨下降到363.8千吨，而农村居民人均收入的正面影响从392.9千吨下降到271千吨。在经济因素的净作用下，中国的排放量在2013-2017年、2017-2020年及2020年后分别减少了170.3千吨、26.0千吨和92.8千吨。秸秆燃烧强度是影响露天作物秸秆燃烧的最重要负面因素，在2014-2017年间贡献了-98.7千吨，其负面影响随后减弱。在所有省份中，经济因素始终为负面影响，而秸秆燃烧强度也几乎为负面影响。本研究强调了政策和经济发展在减少生物质燃烧排放方面的重要性，为中国能源和政策决策提供了重要数据。

**引言**
据报道，生物质燃烧是中国农村地区的主要能源（Wang和Jiang，2017；Wang等人，2017）。根据2012年的来源贡献分析，国内主要生物质燃烧（作物残余物和柴火）占中国生物质燃烧总量的约66.6%，而露天生物质燃烧占约31.3%（Zhou等人，2017）。大规模生物质燃烧释放了大量空气污染物，包括细颗粒物（PM2.5）、黑碳（BC）、一氧化碳（CO）和非甲烷挥发性有机化合物（NMVOC）（Chen等人，2016；Du等人，2018；Li等人，2017）。这些空气污染物不仅严重恶化了室内和室外空气质量，还对全球气候和公共卫生产生了影响（Cheng等人，2017；Jiang等人，2024；Li等人，2017；Sun等人，2019）。生物质燃烧活动受多种因素影响，其中人类活动是影响空气质量的关键驱动因素，这促使了广泛的监管干预（Du等人，2022；Jiang等人，2024；Mehmood等人，2020）。历史上，生物质燃烧被认为是严重空气污染事件的主要原因（Xu等人，2023；Yao等人，2023）。源分配分析表明，在收获季节，露天生物质燃烧约占环境PM2.5浓度的37%（Cheng等人，2014）。为了减少生物质燃烧排放并改善中国空气质量，自2013年以来实施了一系列严格的空气污染控制政策（Huang等人，2021；Li等人，2023；Zhang等人，2022）。例如，各省均严格禁止露天生物质燃烧（Wang和Wang，2023）。一项研究表明，这一长期禁令使2015-2018年东北地区的活跃火点数量减少了93.8%（Yang等人，2020）。另一项研究估计，2018年露天作物秸秆燃烧产生的PM2.5排放量为80.9千吨，相比2013年减少了46.9%（Huang等人，2021）。除了政策干预外，社会经济因素（如收入水平）也是影响农村能源结构的重要因素（Cao等人，2021）。一方面，农村收入的增加促使人们转向更清洁、更方便的能源（如天然气和电力），尤其是在中国北方省份（Qiu等人，2018；Shen等人，2022；Wang和Jiang，2017；Zhang等人，2024）。另一方面，随着收入水平的提高，农民对生活舒适度的要求也增加了，导致生物质燃料的供暖使用量增加，从而增加了排放（Chen等人，2023；Chen等人，2022）。另一方面，城市化等因素可以通过减少农村人口来抑制生物质燃烧（Cao等人，2021；Chen等人，2019）。随着农村向城市的迁移，家庭通常从传统生物质转向商业能源，从而降低了住宅生物质燃烧对PM2.5排放的贡献（Liu等人，2025）。

**指数分解分析（IDA）**
指数分解分析（IDA）是用于分析总空气污染物或碳排放变化的方法之一，尤其是模拟由于能源强度和活动结构等因素引起的变化（Liu等人，2022；Pan等人，2022；Wang等人，2014）。由于空气污染的频繁发生，许多研究使用典型的IDA方法（如对数平均分解指数（LMDI）或结构方程建模（SEM）方法，全面评估了人口增长、经济发展和能源消耗等关键因素对中国城市PM2.5浓度的影响（Jiang等人，2018；Xu等人，2021；Zhang等人，2019）。这些方法为评估各种驱动因素对生物质燃烧排放的影响提供了宝贵见解。然而，以往的研究主要集中在农村居民收入对生物质燃烧排放的影响上（Chen等人，2024；Qiu等人，2018），而其他影响因素则受到的关注较少。因此，本研究首先建立了2008-2023年的综合生物质燃烧排放清单，并应用LMDI模型量化了多年间不同驱动因素对排放变化的影响。结果为政策制定者提供了优化农村能源供应结构和促进农村能源系统可持续发展的宝贵见解。

**数据可用性**
本研究使用的数据集将根据需求提供。

**声明**
在准备这项工作期间，作者使用了Doubao工具来创建生物质燃烧的示意图。使用该工具后，作者根据需要对内容进行了审核和编辑，并对发表文章的内容负全责。

**未引用参考文献**
国家统计局（NBSC），2009；国家统计局（NBSC），2017

**作者贡献声明**
王曼丽：概念化、调查、数据管理、正式分析、方法论、可视化、初稿撰写。
邱雄辉：概念化、资金筹集、监督、审稿与编辑。
蔡青旺：调查、正式分析、数据管理、方法论。
唐玉英：调查。
文豪：监督。