前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇碳排放的主要原因范文，相信會為您的寫作帶來幫助，發(fā)現(xiàn)更多的寫作思路和靈感。

碳排放的主要原因范文第1篇

關鍵詞：SML指數(shù)；CO2排放績效；技術進步；技術效率

中圖分類號：F205 文獻標識碼：A 文章編號：1003-5192(2012)02-0057-05

Spatial Difference and Causes Research on Continuous Total FactorCO2 Emission Performance in China――Based on Sequential Malmquist-Luenberger Index Analysis

YOU Jian-xin1, CHEN Zhen1, ZHANG Ling-hong1, MA Jun-jie2

(1.School of Economics and Management, Tongji University, Shanghai 200092, China; 2.School of Law, Tongji University, Shanghai 200092, China)

Abstract:Based on the literature, SML(Sequential Malmquist-Luenberger)Index is adopted to estimate the continuous CO2 emission performance of provinces in China from 1998 to 2009. And, the regional difference of this performance and the influential factors are analyzed. As the research results, we found that: The increase of CO2 emission performance of provinces in China are all contributed by technical change; Regarding the influential factors to the CO2 emission performance, R&D professionals, regional economic development, industrial structure all offers a significant positive effect, while energy intensity, energy structure both presents a significant negative effect, and the intensity of R&D plays an insignificant influence as indirect moderating effect.

Key words:SML index; CO2 emission performance; technical change; technical efficiency

1 引言

全球氣候變化是當今社會最嚴峻的問題之一。隨著世界經濟社會的不斷發(fā)展，溫室氣體（以CO2為主）排放持續(xù)上升，環(huán)境氣候問題凸現(xiàn)，從科學角度出發(fā)，必須大幅度減少全球二氧化碳排放。經濟增長與碳減排之間的矛盾日趨尖銳。但是，中國目前仍是一個發(fā)展中的國家，在確保經濟穩(wěn)步發(fā)展的同時如何實現(xiàn)2020年碳排放強度相比2005年減少40%～45%的減排目標是擺在面前的又一難題，根本出路只有大力發(fā)展低碳經濟，有效提高能源使用效率和二氧化碳排放績效。因此，科學精確地評估我國二氧化碳排放績效現(xiàn)狀，深入分析我國二氧化碳排放的歷史、空間差異，是挖掘其主要影響因素的首要條件，是進一步開展各類減排活動和制定各種政策的基礎。

迄今為止，國內外對碳排放績效的研究尚仍處于起步階段，從要素投入角度可以將現(xiàn)有研究劃分為單要素碳排放績效研究和全要素碳排放績效研究。Ramanathan認為應該從整體的角度，將所有相關的變量，如經濟活動、能源消耗和CO2排放放在一起構建績效評價指數(shù)更為合適［1］，即“全要素”的思想。環(huán)境DEA技術即Malmquist-Luenberger指數(shù)被廣泛應用于評價的全要素環(huán)境績效和二氧化碳績效。Chung et al.首次將 Malmquist-Luenberger 技術應用到宏觀層面［2］，隨后， Kortelainen運用ML技術估算了歐盟20個國家的動態(tài)環(huán)境績效(CO2)［3］；Zhou et al.首次將CO2排放績效作為一個獨立于環(huán)境績效的概念進行研究，通過運用ML指數(shù)估算了1997~2004年期間18個國家動態(tài)的CO2排放績效［4］；陳詩一通過構建動態(tài)(節(jié)能減排) 行為分析模型對我國工業(yè)節(jié)能減排損失和收益進行了預測［5］；王群偉等應用Zhou et al.的環(huán)境DEA方法對中國二氧化碳排放績效進行評估并分析了區(qū)域差異和其影響因素［6］；王兵等運用SBM方向性距離函數(shù)和ML指數(shù)測度了考慮資源環(huán)境因素下中國1998~2007年30個省份的環(huán)境效率、環(huán)境全要素生產率及其成分［7］；劉明磊等運用非參數(shù)距離函數(shù)方法對能源消費結構約束下的我國省級地區(qū)碳排放績效水平和二氧化碳邊際減排成本進行了研究［8］。

綜上文獻，在測度全要素環(huán)境績效和二氧化碳排放績效時都是運用了基于方向性距離函數(shù)的Malmquist指數(shù)或ML指數(shù)，在計算距離函數(shù)時均以當期觀測值來構造生產邊界，每一年的投入和產出是被割裂開的，是一種割裂的非連續(xù)的績效測算方法。一般來說，在宏觀經濟視角下技術總是進步的，至少維持在原有水平不會倒退，傳統(tǒng)的ML指數(shù)計算方法通常會得出長期的技術退步［9］。為了防止出現(xiàn)技術退步這一缺陷，本文通過借鑒Donghyun and Almas［10］序列DEA的思想，基于省際面板數(shù)據，運用SML指數(shù)方法對我國1999~2009年各省市二氧化碳排放績效指數(shù)進行估算，同時降解為技術進步指數(shù)和技術效率指數(shù)進行深入分析，根據結果討論其空間差異并通過運用面板數(shù)據模型探索其差異形成的主要成因。

2 變量、數(shù)據及方法

2.1 變量選取與數(shù)據處理

假設投入指標為資本（K）、勞動力（L）和能源（E），產出指標為期望產出地區(qū)生產總值（y）和非期望產出二氧化碳（b），則生產過程可描述為

P（K，L，E）={（y，b）∶（K，L，E；y，b）∈T}（1）

樣本及數(shù)據選取考慮實證的需要和數(shù)據的可得性，觀測區(qū)間為1999~2009年面板數(shù)據，由于和海南數(shù)據缺失過多將其剔出，而計算資本存量時重慶與四川一起方便統(tǒng)計，故樣本為中國28個省市自治區(qū)。資本存量計算是在單豪杰［11］基礎上根據其資本存量計算方法測算補充了2008~2009年數(shù)據。勞動力是各地區(qū)年初、年末就業(yè)人數(shù)的算術平均值。能源投入是分別將各地區(qū)消耗的煤炭、石油、天然氣根據各自能源標準煤折算系數(shù)統(tǒng)一換算為標準煤加總。各省市GDP是根據各省區(qū)市GDP平減指數(shù)將名義GDP轉化為以1952=100 的價格。CO2分別將煤炭、石油、天然氣換算成標準煤，借鑒徐國泉［12］碳排放折算系數(shù)再分別將其轉換為后加總。相關數(shù)據來源于《中國統(tǒng)計年鑒》和《中國能源統(tǒng)計年鑒》。投入產出數(shù)據描述性統(tǒng)計見表1。

在具體測算過程中，已有研究均是通過運用方向距離函數(shù)對期望產出和非期望產出進行主觀處理，如Zhou et al.［4］和王群偉［6］采用了基于二氧化碳為導向的方向距離函數(shù)，而劉明磊等是通過將方向向量定義為g(gy，gb)=(0，-b)，表示假設在保持經濟產量不變的前提下，通過減少碳排放總量的增長率使評價達到有效，然而，我國目前的狀況是經濟在增長的同時碳排放量在增加，但是，主觀上我們希望的是不斷提高期望產出GDP增長率，同時盡可能減少非期望產出CO2排放量的增長率，因此，本文采用直接產出距離函數(shù)，即將DDF定義為D(x,y,b)=max{(1+β)y,(1-β)b∈P(x)}，表示尋求經濟產值增長率最大化的同時使得二氧化碳排放量增長率盡可能減少。舊經濟模式是高增長、高消耗、高排放的模式，低碳經濟是追求保證經濟增長過程中盡可能地減少碳排放量的低碳、高增長的發(fā)展模式。而基于直接方向距離函數(shù)的SML指數(shù)正是主觀上反映了經濟增長的質量，期望實現(xiàn)真正的高效、環(huán)保的低碳經濟發(fā)展模式。Zhou et al.認為這種方法可以用來估算某一個特定時期的各區(qū)域二氧化碳排放績效［4］，即為全要素生產率框架下的二氧化碳排放績效。

3 中國省際全要素碳排放績效測算及結果分析

SML計算方法與傳統(tǒng)的ML測算方法相同，可以測算出我國各省市碳排放績效指數(shù)（SMLCPI）并分解為技術進步指數(shù)(STE)和效率變化指數(shù)(SEF)，由于篇幅所限，詳細技術可參見Chung et al.［2］和Donghyun and Almas［10］的文章。

3.1 我國CO2排放績效總體趨勢分析

從全國平均來看，SML指數(shù)估算CO2排放績效指數(shù)、技術進步指數(shù)、效率變化指數(shù)總體平均值為1.00732、1.008874、0.998511，表明1999~2009年中國二氧化碳排放績效增長率為0.732%，技術進步率為0.8874%，效率變化率為-0.149%；總體碳績效平均值大于1，說明近10年來，我國碳排放績效總體上是不斷提高的；效率變化指數(shù)平均值小于1，說明隨時間推移各省市之間追趕效應在弱化，經濟差距在拉大；技術進步指數(shù)平均值大于1，顯示技術進步是我國各地區(qū)碳排放績效增長的主要動力。計算結果總體變化趨勢如圖1所示。

從圖1可見，績效降低的年份只有2004、2005年，與王群偉等［6］估算結果2003~2005碳排放績效都有所下降不同，此處2003年技術進步規(guī)避了效率降低帶來的負面效應，碳排放績效總體有所提高，2004、2005年二氧化碳排放績效總體下降的主要原因是技術效率的降低。究其原因可能是因為“十一五規(guī)劃”中后期顯示出過度重工業(yè)化特征，特別是2003 年后，我國的重化工業(yè)化趨勢再度顯現(xiàn)，中國的能耗和排放再次大幅增長［13］。

3.2 我國各省市碳排放績效空間差異分析

根據估算結果，為了方便分析，將我國各省市大致分成三類。

第一類，碳排放績效大于1，且主要是由于技術進步和效率提高的共同作用，如北京、天津、山西、黑龍江、上海、安徽、湖北、湖南、廣西、包含重慶在內的四川、貴州；第二類，碳排放績效大于1，但主要原因是技術進步的作用抵消掉了效率降低的影響而使得碳排放績效提升，如河北、內蒙古、吉林、江蘇、浙江、山東、廣東、陜西和甘肅；第三類，碳排放績效小于1，如遼寧、河南、云南，但是三者成因各不相同，遼寧主要是技術進步指數(shù)降低導致，河南績效降低是效率降低的影響大于技術進步的作用，而云南則是由于技術退步和效率降低共同導致。

從各省市變化情況來看，多數(shù)省份效率較低，可能存在只重視技術進步這一硬性因素而忽視了影響效率變化的管理機制等軟性因素所造成的，因此，接下來將以SML指數(shù)運算結果對各省份碳排放差異進行分析。

4 中國省際全要素碳排放績效空間差異成因分析

通過運用SML指數(shù)方法估算了我國各省市二氧化碳排放績效（SMLCPI），從時間和空間兩個緯度對其進行了深入分析，但是，我們更想知道導致其差異的主要原因有哪些。如上所述，省際間的技術進步對碳排放績效貢獻影響很大，眾所周知，R&D投入是衡量技術進步水平的關鍵指標，而本國的R&D投入是一種受商業(yè)或國家利益驅使的廣義上的人力資本投資［14］，在本文特指R&D人員RD和R&D強度RG。除此之外，綜合考慮前人的研究，考慮二氧化碳排放的主要影響因素，選取經濟發(fā)展、能源強度、產業(yè)結構和能源結構四個指標，因此，分別從技術進步水平、經濟發(fā)展水平、能源強度和結構因素四個方面六個指標對我國省際二氧化碳排放績效差異的成因進行考察詮釋。在此基礎上選取我國各省市1999~2009數(shù)據構建了我國二氧化碳排放績效影響因素研究的面板模型（3），表3給出了計量模型相關變量的數(shù)據來源與處理方法。

此處，對回歸模型（3）采用固定效應模型運用一般最小二乘法進行估計，結果顯示，調整后R2為0.74816， 擬合度較高。R&D強度對二氧化碳排放績效影響不顯著，表明近階段研發(fā)投入沒有顯著向能源環(huán)境研究領域側重；R&D人員對二氧化碳排放績效有很大促進作用，系數(shù)為0.190109，且在5%顯著水平下顯著，表明在很大程度上R&D人員對降低碳排放績效作用很大，主要原因可能在于R&D人員可以促進技術進步，通過知識溢出提高當?shù)丶夹g水平，從而促進碳排放績效的提高；經濟發(fā)展水平對二氧化碳排放績效亦有正效應，系數(shù)為0.020228，且在1%顯著水平下顯著，即表明經濟發(fā)展水平越高，相應的碳排放績效越高；能源強度和能源結構對碳排放績效呈現(xiàn)負效應，系數(shù)分別為-0.024007和-0.052750，且分別在1%和10%顯著水平下顯著，即表明能源強度越高、煤炭消耗占能源消耗比重越高，相應的二氧化碳排放績效越低；產業(yè)結構對二氧化碳排放績效影響也是正向效應，系數(shù)為0.295127，在1%顯著水平下顯著，表明產業(yè)結構調整對碳排放績效提高也有顯著影響。此外，筆者將R&D強度與其它解釋變量做了面板回歸檢驗，R&D強度分別對經濟發(fā)展水平、能源強度和能源結構影響顯著，表明現(xiàn)階段我國R&D投入是通過不斷提高經濟發(fā)展水平、降低能源強度、優(yōu)化能源結構來間接促進二氧化碳績效的提高，呈現(xiàn)間接調節(jié)作用。

5 結論及政策建議

通過運用基于直接距離函數(shù)的SML指數(shù)對1999~2009年我國各省市碳排放績效進行估算，并將其降解為技術進步指數(shù)和效率變化指數(shù)，從時間和空間兩個緯度對運算結果進行深入分析，進而通過運用面板數(shù)據構建了我國碳排放績效影響因素計量模型挖掘其差異形成的主要原因。

研究結果表明：第一，從總體發(fā)展趨勢上看，我國1999~2009年二氧化碳排放績效指數(shù)SML平均值大于1，效率變化指數(shù)SEF平均值小于1，技術進步指數(shù)STE平均值大于1，表明過去10年我國碳排放績效呈改善趨勢，技術進步是我國各省市碳排放績效增長的主要動力；第二，根據各省市碳排放績效、技術進步指數(shù)和效率變化指數(shù)的空間差異將我國各省市大致分成三類進行研究，可以看出我國各省市需要繼續(xù)強化技術進步外更應該重視軟實力研究；第三，我國二氧化碳排放績效主要影響因素中，R&D人員、經濟發(fā)展水平、產業(yè)結構顯示顯著正的效應，每增加一個單位將導致二氧化碳的排放績效分別提高0.190109、0.020228、0.295127個單位；而能源強度、能源結構對碳排放績效影響呈現(xiàn)逐負效應，每增加一個單位將導致二氧化碳的排放績效分別降低0.024007和0.052750個單位；此外，R&D強度對二氧化碳影響不顯著，但是R&D強度分別對經濟發(fā)展水平、能源強度和能源結構影響顯著，存在間接調節(jié)作用。

上述結論對于政策的制定有一定的啟示：針對第二類地區(qū)，存在效率降低的問題，需要不斷提高自身“軟”性因素，在未來的發(fā)展中應該更加重視鼓勵技術效率的提高，不斷提高人員素質和管理水平，重視“軟”實力的提升；針對第三類地區(qū)，仍然要下大力氣在技術進步上，技術進步是提高碳排放績效的關鍵，此外，也要注重“軟”實力的提升。另外，各省市都應該持續(xù)加大研發(fā)資源投入，在R&D投入方面，將R&D人才的引進作為發(fā)展的前提，做好相關配套，要做到引得進、留得?。粦摮掷m(xù)不斷提高R&D強度，同時在未來的工作中對能源環(huán)境領域的R&D投入要有所側重，不斷創(chuàng)新改善能源環(huán)境技術，從正面促進二氧化碳排放績效的提高；應該保證經濟穩(wěn)步增長，迅速轉變經濟增長方式，注重技術投資，尤其是能源環(huán)境技術。不斷優(yōu)化產業(yè)結構，提高第三產業(yè)的比重，鼓勵發(fā)展服務業(yè)。但是，我們在擴大第三產業(yè)比重的同時需要注意提高服務人員的素質，普及低碳理念、增強低碳意識。加快能源結構調整，盡可能降低一次能源的使用率。

參 考 文 獻：

［1］Ramanathan R. Combining indicators of energy consumption and CO2 emissions: a cross-country comparison［J］. International Journal of Global Energy Issues, 2002, 17(3): 214-227.

［2］Chung Y H, Fre R, Grosskopf S. Productivity and undesirable outputs: a directional distance function approach［J］. Journal of Environmental Management, 1997, 51(3): 229-240.

［3］Kortelainen M. Dynamic environmental performance analysis: a malmquist index approach［J］. Ecological Economics, 2008, 64(4): 701-715.

［4］Zhou P, Ang B W, Han J Y. Total factor carbon emission performance: a malmquist index analysis［J］. Energy Economics,

2010, 32(1): 194-201.

［5］陳詩一.節(jié)能減排與中國工業(yè)的雙贏發(fā)展:2009-2049［J］.經濟研究,2010,(3):129-143.

［6］王群偉,周鵬,周德群.我國二氧化碳排放績效的動態(tài)變化、區(qū)域差異及影響因素［J］.中國工業(yè)經濟,2010,(1):45-54.

［7］王兵,吳延瑞,顏鵬飛.中國區(qū)域環(huán)境效率與環(huán)境全要素生產率增長［J］.經濟研究,2010,(5):95-109.

［8］劉明磊,朱磊,范英.我國省級碳排放績效評價及邊際減排成本估計：基于非參數(shù)距離函數(shù)方法［J］.中國軟科學,2011,(3):106-114.

［9］Shestalova V. Sequential malmquist indices of productivity growth: an application to OECD industrial activities［J］. Journal of Productivity Analysis, 2003,19(2): 211-226.

［10］Donghyun O, Almas H. A sequential malmquist-luenberger productivity index: environmentally sensitive productivity growth considering the progressive nature of technology［J］. Energy Economics, 2010, 32(9): 1345-1355.

［11］單豪杰.中國資本存量K的再估算：1952-2006年［J］.數(shù)量經濟技術經濟研究,2008,(10):17-31.

［12］徐國泉,劉則淵,姜照華.中國碳排放的因素分解模型及實證分析：1995-2004［J］.中國人口資源與環(huán)境,2006,16(6):158-161.

碳排放的主要原因范文第2篇

關鍵詞 能源碳足跡；IPCC排放因子；LMDI分解法；珠江三角洲

中圖分類號 X196 文獻標識碼 A

文章編號 1002-2104(2012)02-0069-06 doi:10.3969/j.issn.1002-2104.2012.02.011

聯(lián)合國政府間氣候變化專門委員會（IPCC）第四次評估報告[1]證實，全球氣候系統(tǒng)變暖是毋庸置疑的。該報告認為，自20世紀中葉以來，大部分已觀測到的全球平均溫度升高很可能是由于人為溫室氣體濃度增加所導致。如何控制碳足跡增長成為全球共同關注的焦點。分析碳足跡的影響因素，并從中找出相應的控制對策，是當前碳足跡研究熱點之一。日本學者Yoichi Kaya[2]在一次IPCC研討會上提出了著名的Kaya恒等式，把碳排放分解成能源碳排放強度、能源結構、能源效率、人均GDP和人口規(guī)模五方面因素的乘積，很好地解釋了碳排放變化的影響因素，得到了廣泛認同。此后，許多學者基于Kaya恒等式對碳足跡影響因素開展了大量研究[3-5]。不同學者對不同區(qū)域研究得到的影響碳排放的主導因素并不一樣。Sue J. Lin等[6]認為經濟發(fā)展過程中過于依賴以電力、石油為主的“富碳”能源，是臺灣過去20年CO2排放持續(xù)增長的主要因素。Juan和Emilio[4]研究發(fā)現(xiàn)，國際人均碳排放的不平等主要歸因于人均收入水平的不平等，能源碳排放強度的影響很小，這一點在中國和印度表現(xiàn)較為顯著。郭朝先[7]則認為經濟規(guī)模的擴張是中國碳排放高速增長的最主要原因。本文結合IPCC的能源碳排放因子，計算珠江三角洲的能源碳足跡，然后基于Kaya恒等式的因素分解，運用指數(shù)分解分析法對珠三角能源碳足跡各影響因素的作用方向和影響權重進行分析，以期為實現(xiàn)珠三角碳減排提出對策和建議。

1 研究方法

1.1 碳足跡計算

本文基于IPCC的碳排放因子進行能源碳足跡計算?！?006年IPCC國家溫室氣體清單指南》（以下簡稱《IPCC指南》）把表示人類活動發(fā)生程度的信息稱為活動數(shù)據（Activity Data），把用于量化單位人類活動所造成的排放物量或清除量的系數(shù)稱為排放因子（Emission Factors）[8]。由此得到一下基本模型：

排放量 = 活動數(shù)據 × 排放因子（1）

1.1.1 活動數(shù)據

在能源碳足跡計算中，活動數(shù)據即為各種能源的消費量。

基于不重不漏的原則，兼顧考慮珠三角能源消費特點，本文選取的用于碳足跡計算的能源指標包括原煤、焦炭、汽油、柴油、煤油、燃料油和液化石油氣的消費量，共7項。

1.1.2 排放因子

排放因子是消費單位能源所產生的CO2的排放量，這里實際上是指CO2排放因子。CO2排放因子和燃燒技術關系不大（《IPCC指南》，基于燃料中的碳100%氧化的假設制訂排放因子），主要取決于能源的種類，即能源的碳含量和能源的平均低位發(fā)熱量。各種能源的通用碳含量因子依據《IPCC指南》提供。

一般情況下，計算各種能源的消費量時，將能源的折算為標準煤當量。低位發(fā)熱量等于29 307 kJ的能源，稱為1 kg標準煤（1kgce）。

綜上所述，七種能源指標的碳含量和折標煤系數(shù)如表1所示。

1.2 對數(shù)平均迪氏指數(shù)分解法（LMDI）

指數(shù)分解分析運用統(tǒng)計指數(shù)的基本原理，旨在考察某一影響因素的變化對目標產生的單一影響。通過該方法可以考察各影響因素對目標的作用方向和影響程度[9]。對于在能源與環(huán)境問題的應用，指數(shù)分解分析分離了各種可能機制對污染變化的貢獻，并且通過對各可能機制進行分解，達到追溯污染變化趨勢的原因，找出間接影響污染指標的深層次因素[10]。

很多學者針對指數(shù)分解分析法做了大量研究[11-12]。其中， Ang[13]提出了對數(shù)平均迪氏指數(shù)分解法（logarithmic mean Divisia index method，簡稱LMDI法），解決了指數(shù)分解分析法原有的殘值和零值問題。LMDI法基于這么一個函數(shù)：

L(x,y)=(x-y)/ln(x/y) x＞0，y＞0L(0,0)=0（3）

對于任何一個因式分解Wt=Xt×Yt，結合函數(shù)L(x,y)有

WX=L(Wt,W0)ln(Xt/X0)

WY=L(Wt,W0)ln(Yt/Y0)（4）

其中，W表示目標函數(shù)，X、Y表示影響因素，Xt、Yt、Wt分別表示t時期X、Y、W的值（t=0時，表示基期的值），WX、WY分別表示單獨受X、Y作用時，W的變化值。通過比較WX和WY可以得到X和Y單獨作用時對W的影響權重。

2 珠江三角洲能源碳足跡狀況

2.1 研究對象及區(qū)域

碳足跡（Carbon Footprint）概念起源于生態(tài)足跡（Ecological Footprint），但其內涵又與之不同。碳足跡一般是指人類各種活動所造成的CO2排放總量，本質上是碳排放的量度。目前，對碳足跡定義還沒有統(tǒng)一認識，不同學者和組織[14-15]對其有不同的理解，其主要分歧點在于碳足跡的范圍是否包含全部溫室氣體的排放。

針對這個分歧，本文區(qū)分了“廣義碳足跡”和“狹義碳足跡”的區(qū)別。本文認為“廣義碳足跡”指自然界中所有排放途徑（包括人類活動和自然界活動，如化石燃料燃燒、動植物的生命活動排放、自然揮發(fā)等）所造成的所有溫室氣體（包括CO2、CH4、NOx等）的排放量。而“狹義碳足跡”，則特指能源活動所帶來的CO2排放量，也稱為“能源碳足跡”。狹義的“碳足跡”，實際上已經占所有溫室氣體排放總量的大部分份額，是當前碳減排工作的重點?？紤]到條件的限制，本文研究的是能源碳足跡（Energy Carbon Footprint, ECF），即特指能源活動造成的CO2排放總量。

本文的研究區(qū)域為廣義的珠江三角洲，即包括廣州、深圳、珠海、佛山、江門、東莞、中山、惠州和肇慶九個城市的全部區(qū)域。研究時間為1998-2009年。

2.2 能源碳足跡計算

1998-2009年珠江三角洲九個城市原煤、焦炭、汽油、柴油、煤油、燃料油和液化石油氣的消費量、地區(qū)GDP以及人口數(shù)量等數(shù)據來源包括：歷年珠三角九市的統(tǒng)計年鑒、《廣東省統(tǒng)計年鑒》和《數(shù)說廣東六十年1949-2009》。珠三角能源消費狀況如圖1所示。

由上圖可以看出，珠三角能源結構對能源碳足跡的年貢獻值有較大的浮動性，總體上呈現(xiàn)推動作用。其中2002、2004年能源結構效應出現(xiàn)負值，主要原因是這兩年煤炭消費在珠三角能源消費中所占比例有所下降，分別從2001年的54.81%下降到2002年的54.48%，以及從2003年的56.44%下降到2004年54.97%。由此可見，降低珠三角能源消費對煤炭的依賴，有助于減少珠三角的CO2排放。

3.2 能源效率因素

把能源效率累計貢獻值分解為年貢獻值（見圖5）。

研究期間，能源效率效應一直為負值（基準年除外），說明了能源效率因素對減少CO2排放起到了積極作用。根據能源效率效應的變化趨勢，研究期間可分為兩個階段。第一階段為1999-2004年，該時期能源效率效應有一定波動，但年貢獻值絕對值不高，普遍低于1 000萬t。第二階段為2005-2009年，該期能源效率效應的年貢獻值絕對值迅速增加，至2008年達到峰值，接近2 500萬t，2009年則有所回落。第二階段能源效率效應

的減排作用在顯著增強，主要原因是“十一五”規(guī)劃剛要規(guī)定，“十一五”期間我國單位國內生產總值能耗降低20%左右。珠三角各市響應該規(guī)定，積極采取措施淘汰落后產能，特別是關停許多小火電廠、水泥廠、鋼鐵工業(yè)等高污染落后產能，提高能源效率的同時，大幅度削減了這些行業(yè)所造成的CO2排放。

由此可見，發(fā)展低碳產業(yè)，提高能源效率，是珠三角控制CO2排放的有效手段。

由圖6可見，研究期間，能源效率效應一直為正值（基準年除外），且年貢獻值巨大，說明了經濟規(guī)模擴大是CO2排放量增長的主要推動力。

經濟效應的變化趨勢可分為三個階段。該階段，1999-2004年，珠三角經濟效應年貢獻值保持迅速增長，這與該階段珠三角人均GDP增長率不斷上升有直接關系。第一階段實際上是經濟因素的規(guī)模效應最典型的體現(xiàn)。第二階段，2005-2007年，珠三角經濟效應年貢獻值依然保持持續(xù)增長，但增長速度明顯放緩，最大同比增長率不超過5%。本階段主要處于“十一五”規(guī)劃時期，“十一五”規(guī)劃綱要明確提出了“降低單位國內生產總值能源消耗20%”、“主要污染物排放總量減少10%”等約束性指標，進一步明確了經濟、資源、環(huán)境協(xié)調的發(fā)展方向，不再盲目追求GDP的快速增長。人均GDP增速略有回落，扭轉了經濟效應迅速增長的勢頭，國家政策的調控作用顯著。第三階段，2008-2009年，珠三角經濟效應的年貢獻值出現(xiàn)了明顯的回落。第三階段是一個較為特殊的時期，國際金融危機背景下，國際經濟普遍低迷。珠三角對外貿易占經濟總量中的比重較大，受國際金融危機影響，珠三角經濟增長明顯放緩，導致經濟效應出現(xiàn)明顯的下降。

綜上所述，經濟效應受經濟規(guī)模、國家政策、國際金融環(huán)境影響。因此，要抑制珠三角碳足跡快速增長，就必須適度控制珠三角的經濟規(guī)模，并制訂相應環(huán)境經濟政策以削弱經濟效應的影響。

3.4 人口因素

把人口因素的累計貢獻值分解為年貢獻值，見圖7。

從圖7可以看出，珠三角人口效應年貢獻值的變化與人口數(shù)量的變化基本是一致的。人口規(guī)模的擴大，對珠三角碳足跡增長起推動作用。Birdsall[16]認為人口增長對CO2排放的影響主要有兩方面：一是人口增加，通過需求引導生產擴大，能源消費增長導致碳排放增長；二是人口增長導致森林破壞，改變土地利用方式。雖然進入21世紀以來，珠三角人口增長緩慢，但由于人口基數(shù)巨大，由人口數(shù)量引起的能源碳足跡增加量也相當可觀。人口效應是僅次于經濟效應的能源碳足跡增長的主要推動力。

由此可見，合理控制人口規(guī)模，對控制珠三角CO2排放具有積極的意義。

4 結 論

通過計算珠三角能源碳足跡，并分析其影響因素，可以得到以下五點結論：①珠三角能源碳足跡總體呈現(xiàn)快速增長趨勢，且年排放量巨大，最高值超過25 000萬噸CO2。②珠三角人均碳足跡略低于全國平均水平，但處于上升趨勢；而珠三角的單位GDP碳足跡雖遠低于全國平均水平，但距離發(fā)達國家的水平仍有較大差距。③經濟因素的規(guī)模效應是珠三角碳足跡快速增長主要推動力，人口規(guī)模擴大對珠三角碳排放的增長也起到推動作用。④能源效率的提高，是抑制珠三角CO2排放增長的最重要因素。⑤研究期間珠三角能源結構變化不大，能源結構效應的作用表現(xiàn)并不顯著。

參考文獻（References）

［1］The Fourth Assessment Report(AR4)-“Climate Change 2007”［R］.IPCC,2007.

［2]Kaya Y.Impact of Carbon Dioxide Emission on GNP Growth: Interpretation of Proposed Scenarios［R］.Presentation to the Energy and Industry Subgroup,Response Strategies Working Group, IPCC,Paris,1989.

［3］馮相昭,鄒驥.中國CO2排放趨勢的經濟分析［J］.中國人口?資源與環(huán)境，2008，18（3）：43-47. ［Feng Xiangzhao,Zou Ji.Economic Analysis of CO2 Emission Trends in China［J］.China Population,Resources and Environment,2008,18(3):43-47.］

［4］Duro J A, Padilla E.International Inequalities in per Capita CO2 Emissions:A Decomposition Methodology by Kaya Factors［J］.Energy Economics,2006,28(2):170-187.

［5］朱勤,彭希哲,陸志明,等.中國能源消費碳排放變化的因素分解及實證分析［J］.資源科學，2009，31（12）：2072-2079. ［Zhu Qin,Peng Xizhe,Lu Zhiming,et al.Factors Decomposition and Empirical Analysis of Variations in Energy Carbon Emission in China［J］.Resources Science,2009,31(12):2072-2079.］

［6］Sue J L, Lu I J,Charles Lewis.Grey Relation Performance Correlations Among Economics,Energy Use and Carbon Dioxide Emission in Taiwan［J］.Energy Policy,2007,35(3):1948-1955.

［7］郭朝先.中國碳排放因素分解：基于LMDI分解技術［J］.中國人口?資源與環(huán)境，2010，20（12）：4-9. ［Guo Chaoxian.Decomposition of Chinas Carbon Emissions:Based on LMDI Method［J］.China Population, Resources and Environment,2010,20(12):4-9.］

［8］2006 IPCC Guidelines for National Greenhouse Gas Inventories―Volume 2 Energy［R］.IPCC,2006.

［9］張敬偉,宮興國.產業(yè)結構變動對能源消費的影響研究：以河北省為例［J］.燕山大學學報：哲學社會科學版，2010，11（1）：106-110. ［Zhang Jingwei,Gong Xingguo.The Impact of Changes in Industrial Structure to Energy Consumption：Take Hebei Province as an Example［J］.Journal of Yanshan University: Philosophy and Social Science Edition,2010,11(1):106-110.］

［10］楊國銳.中國經濟發(fā)展中的碳排放波動及減碳路徑研究［D］.湖北：華中科技大學，2010. ［Yang Guorui.A Study on the Fluctuation of Carbon Emission in China s Economic Development and the Path of Reducing Carbon Emission［D］.Hubei:Huazhong University of Science and Technology,2010.］

［11］Sun J W.Accounting for Energy Use in China,1980-90［J］.Energy,1998,23(10):835-849.

［12］Liu X Q, Ang B W, Ong H L.The Application of the Divisia Index to the Decomposition of Changes in Industrial Energy Consumption［J］.Energy Journal,1992,13(4):161-177.

［13］Ang B W, Zhang F Q, Choi Kihong.Factorizing Changes in Energy and Environmental Indicators Through Decomposition［J］.Energy,1998,23(6):489-495.

［14］Wiedmann T, Minx J.A definition of carbon footprint［J］.SA Research & Consulting,2007:1-9.

［15］王微,林劍藝,崔勝輝,等.碳足跡分析方法研究綜述［J］.環(huán)境科學與技術，2010，33（7）：71-78. ［Wang Wei,Lin Jianyi,Cui Shenghui,et al.An Overview of Carbon Footprint Analysis［J］.Envrionmental Science & Technology,2010,33(7):71-78.］

［16］Birdsall N.Another Look at Population and Global Warming［C］.Working Paper, Washington,DC: World Bank,WPS 1020,1992.

Decomposition of Pearl River Deltas Carbon Emissions Based on LMDI Method

PENG Junming1,2 WU Renhai2

(1.Zhonshan Environmental Monitoring Branch, Zhongshan Guangdong 528400, China; 2.School of Environmental Science and Engineering, Sun Yatsen University, Guangzhou Guangdong 510275, China)

碳排放的主要原因范文第3篇

中國于2007年超過美國成為世界第一碳排放大國。2011年全球共排放CO2340億噸，中國占世界總排放量的比重高達29%。①與此同時，中國從2003年開始，OFDI迅猛增長。《中國對外直接投資統(tǒng)計公報（2012）》顯示，2011年中國OFDI實現(xiàn)了自2003年以來連續(xù)10年的高速增長，達到746.5億美元，同比增長8.5%；2003~2011年，中國OFDI年均增長速度為44.6%。中國不斷增加的OFDI是否如“污染天堂假說”所說，轉移了高污染及高能耗產業(yè)，有助于減少本國的CO2排放，這是一個值得深思的問題，也是本文的主要議題。

二、計量模型設定及數(shù)據來源

（一）計量方程設定

地區(qū)污染通常受經濟規(guī)模、技術水平、產業(yè)結構等因素的影響（熊立等，2012；周力和龐辰晨，2013）。本文使用上述變量來分析我國OFDI對CO2排放量的影響，因此本文的基本方程設定如下：2logCOlogOFDI+LogGDP+logTech+logStruc+LLLLL（1）為了更好地分析影響我國CO2排放量的影響因素，本文同時引入了其他控制變量，即科研經費（RD）、地區(qū)受教育程度（Edu）、綠地面積（Green）、環(huán)境治理投資（Environ）和能源消費結構（Coalratio），最終計量方程設計為：2ititititititititititLlogCOlogOFDI+LogGDP+logRD+logEdu+logStruc+logGreen+logEnviron+logCoalratio+LLLLLLL（2）其中，i代表區(qū)域，t代表時間（年份），采用對數(shù)形式是為了更好地控制異方差。

（二）變量設定及數(shù)據來源

本文選取了2003~2011年我國30個省市自治區(qū)（除）的省級面板數(shù)據，以下進行變量說明：1.被解釋變量：CO2排放量。本文通過《中國能源統(tǒng)計年鑒（2012）》獲得各省市自治區(qū)石油、煤、天然氣3種能源的消費量數(shù)據，并通過《中國可持續(xù)發(fā)展能源暨碳排放情景分析》中給定的排放系數(shù)進行轉換，其中：石油的碳排放系數(shù)為0.58噸碳/噸標煤、煤炭的碳排放系數(shù)為0.75噸碳/噸標煤，天然氣的碳排放系數(shù)為0.44噸碳/噸標煤。2.核心解釋變量：對外直接投資（OFDI）。本文參照許和連和鄧玉萍（2012）的做法，選取各省市自治區(qū)OFDI存量進行估計。數(shù)據來源為2005年、2012年兩個年度的《中國對外直接投資統(tǒng)計公報》。3.其他變量：（1）經濟規(guī)模。參照He（2006）的做法，本文用各省市自治區(qū)GDP作為經濟規(guī)模的衡量指標。通常情況下，經濟規(guī)模越大意味著更高的工業(yè)化水平，因此也會帶來更多的CO2排放，二者擬呈正相關關系。數(shù)據來源為《中國統(tǒng)計年鑒（2012）》。（2）技術水平。對于技術水平的衡量，學界較多采用單位工業(yè)產出CO2（或SO2）排放量，為避免解釋變量與被解釋變量的多重共線性，本文選用兩個指標來共同衡量技術水平，即各省市自治區(qū)的科研經費和地區(qū)受教育程度（高中以上受教育人數(shù)）?？蒲薪涃M投入的增多必然提高節(jié)能減排技術水平，而教育水平的提高也會增強個人的節(jié)能減排意識，因此上述兩個指標的提高都有助于節(jié)能減排，其與碳排放擬呈負相關關系。數(shù)據來源為中國科技部網站。（3）產業(yè)結構。第二產業(yè)為高碳排放產業(yè)，對于產業(yè)結構的量化，本文沿用已有的方法，采用第二產業(yè)產出占GDP的比重進行量化，第二產業(yè)產出比重的上升，必然帶來碳排放量的提高，二者擬為正相關關系。數(shù)據來源為《中國城市統(tǒng)計年鑒（2012）》。（4）綠地面積。綠地面積的增加必然帶來我國碳排放量的減少，其與碳排放擬呈負相關關系。數(shù)據來源為《中國城市統(tǒng)計年鑒（2012）》。（5）環(huán)境治理投資。近年來，我國加大了對環(huán)境治理的投資，2010年與2011年我國的環(huán)境治理投資分別為6,554億元和7,114億元。環(huán)境治理投資的增加必然有利于我國CO2排放量的減少，二者擬呈負相關關系。數(shù)據來源為《中國城市統(tǒng)計年鑒（2012）》。（6）能源結構。我國的能源消費以煤炭為主，占總能源消費量的70%以上。因此，本文選用煤炭消費量占總能源消費量的比重作為能源結構的量化指標。煤炭消費比例的上升必然導致碳排放量的增多，二者擬呈正相關關系。數(shù)據來源為《中國能源統(tǒng)計年鑒（2012）》。

（三）數(shù)據相關特征分析

加入對數(shù)后，數(shù)據整體變小，但仍可看到OFDI的對數(shù)標準差達到2.16，說明了2003~2011年我國OFDI的巨大變化，而本文選擇在此階段研究OFDI的碳排放效應，也使得結果更有可信度。由表2的相關性分析可知，經濟規(guī)模（LogGDP）與許多變量的相關系數(shù)都超過了0.7，疑存在多重共線性，因此對模型進行多重共線性檢驗，檢驗結果如表3所示。由表3可知，經濟規(guī)模（LogGDP）的方差膨脹因子（VIF）大大超過了10，模型存在嚴重的多重共線性，因此，以下進行回歸估計時，需對模型進行修正，并剔除具有多重共線性的變量。

三、計量結果分析

（一）全國層面分析

本文選取2003~2011年中國30個省級面板數(shù)據對計量方程進行回歸。首先對模型進行Hausman檢驗，根據檢驗結果，采用固定效應對模型進行回歸估計。此外，由于模型存在多重共線性，因此在回歸估計時采用逐步回歸法，從而剔除不顯著變量。如表4所示，隨著變量的加入，R2不斷增大，且模型1~6所有變量均十分顯著，但隨著綠地面積與產業(yè)結構的加入，R2開始減小，且二者的估計值均不顯著，因此將上述兩個變量予以剔除。模型1~6均通過Wald檢驗，模型估計效果良好，選擇模型6進行最終結果分析。數(shù)據顯示：1.我國OFDI對國內碳排放呈顯著正效應，OFDI每增加1%，國內CO2排放量將增加0.0914%。這說明，我國OFDI的增多顯著提高了我國的CO2排放量。從全國層面來看，“污染天堂假說”不適用于中國。我國的對外直接投資并沒有轉移國內高能耗產業(yè)，將高碳排放轉移至東道國。筆者認為，中國OFDI的增多通常會給本國帶來產業(yè)結構調整效應，增加第二產業(yè)的比重，而第二產業(yè)為高碳排放產業(yè)，這也是OFDI使得我國CO2排放量增多的原因所在。2.經濟規(guī)模擴大是我國碳排放增多的主要原因。數(shù)據顯示，經濟規(guī)模每擴大1%，我國的碳排放會顯著增加1.2541%。長期以來，我國第二產業(yè)的比重遠遠高于第一、三產業(yè)，經濟規(guī)模的擴大意味著工業(yè)化程度的提高，碳排放量必然顯著增多。3.能源結構是增加國內碳排放的重要原因。結果顯示，我國煤炭消費的比率每上升1%，我國的碳排放將增加0.5728%。這說明，如果增加其他化石能源的消費以替代煤炭消費，會有助于減少我國的碳排放，調整能源消費結構是節(jié)能減排的重要一環(huán)。4.我國的技術研發(fā)和受教育水平的提高均有助于減少國內碳排放。如果我國的技術研發(fā)經費與受教育水平分別增加1%，國內CO2排放量將分別顯著減少0.1944%和0.4740%。5.我國的環(huán)境治理投資增加了國內的CO2排放量。數(shù)據顯示，我國的環(huán)境治理投資每增加1%，國內碳排放量將顯著增加0.0828%。這是由于我國的環(huán)境治理投資主要用于減少“三廢”，對廢氣、廢渣的處理采用“催化燃燒”等方法時將會增加CO2排放量，這就是加大環(huán)境治理投資反而提高國內碳排放的原因所在。

（二）地區(qū)層面分析

由于我國幅員遼闊，區(qū)域間經濟發(fā)展程度不同、產業(yè)結構不一樣，更為重要的是，我國的OFDI數(shù)量在區(qū)域分布上極不均衡（如表5所示），因此有必要分區(qū)域研究我國OFDI對不同地區(qū)CO2排放的影響。本文將沿用剔除了多重共線性變量的模型進行估計，分析區(qū)域間的差異。本文對地區(qū)層面的分析沿用前面的分析方法，首先通過Hausman檢驗選擇固定效應模型，結果如表6所示，其中：東中西部3個模型均通過Wald檢驗，且較高的R2也顯示，模型的解釋度較高。以下對回歸結果進行簡要分析。1.OFDI對CO2排放量的影響呈正效應，這與全國層面的分析保持了一致。然而，在東部地區(qū)，OFDI對CO2排放量的影響并不顯著，而二者的關系在中西部地區(qū)卻十分顯著。由表5可知，東部地區(qū)的OFDI遠高于中西部地區(qū)，其與當?shù)谻O2排放量的關系卻不成比例。筆者認為，我國正在將高污染和高能耗產業(yè)向中西部轉移，龐大的對外投資代表著高速發(fā)展的經濟水平，而這種經濟高速發(fā)展卻未帶來相應比例的碳排放，這便是產業(yè)轉移的直接效應。數(shù)據顯示，在我國中西部地區(qū)，OFDI的增加均提高了上述地區(qū)的碳排放量：OFDI每增加1%，中部地區(qū)和西部地區(qū)的CO2排放量將分別增加0.1277%和0.1044%。2.經濟規(guī)模仍然是我國高碳排放的主要原因。在地區(qū)分析中，經濟規(guī)模仍然與我國的碳排放呈正相關關系，且在3個地區(qū)均十分顯著，這與全國層面分析保持一致，且經濟規(guī)模擴大所帶來的碳排放正效應按東中西部依次遞減。3.科研投入與受教育水平仍然是影響我國CO2排放的主要因素。二者在地區(qū)回歸分析中均與我國碳排放呈負相關關系?？蒲型度朐谥形鞑康貐^(qū)的減排效應并不顯著，這是由于我國的科研投入極不平衡，主要集中在東部發(fā)達地區(qū)，中西部則較少；受教育水平在我國東西部地區(qū)顯示為顯著的負效應，而在中部地區(qū)對碳排放的影響則不顯著。4.能源結構依然是我國高碳排放的重要原因。在地區(qū)分析中，能源結構仍然顯示為正效應，但在東部地區(qū)，能源結構的正效應并不如中西部地區(qū)顯著，這再次說明了我國東部地區(qū)存在高能耗企業(yè)轉移現(xiàn)象。5.環(huán)境治理投資被再次證明并不能減少反而會增加我國的碳排放量。在地區(qū)層面分析中，環(huán)境治理投資仍然對我國的碳排放呈正效應，由此進一步說明，我國對“三廢”的處理反而增加了我國的CO2排放量，其處理方法有待改善。

四、結論與政策建議

本文選用2003~2011年中國30個省市自治區(qū)的省級面板數(shù)據研究分析了我國OFDI對本國CO2排放量的影響。實證結果表明，我國的OFDI每增加1%，國內CO2排放量將增加0.0914%，這說明我國的OFDI并沒有減少國內碳排放，反而是增加本國碳排放的重要原因之一。作為碳排放大國，中國的節(jié)能減排工作刻不容緩，根據研究結果，筆者認為應從以下幾個方面加以應對：

（一）調整對外直接投資流向，加強國際能源開發(fā)

研究結果顯示，我國OFDI的增多會導致我國CO2排放量的增多，這說明我國并沒有將高污染、高能耗產業(yè)轉移至國外，因為我國OFDI主要流向了租賃服務業(yè)，①并不能減少國內的碳排放。筆者認為，我國的OFDI應加強對能源行業(yè)的投資比重，加強與他國在能源開發(fā)方面的合作，研究新能源，共同降低能耗和排放強度，從而一方面解決我國的能源安全問題，另一方面促進我國節(jié)能減排工作的開展。

（二）調整區(qū)域對外直接投資比重，促進中西部經濟發(fā)展

在區(qū)域研究中，東部OFDI比重最大，中西部的投資比重則相差甚遠，然而東部OFDI對CO2排放量的影響卻不顯著，而且不成比例，這再次證明了東部正在將高污染高能耗產業(yè)向中西部轉移，中西部OFDI帶來的正碳排放效應很可能是由于產業(yè)轉移帶來的，而造成上述現(xiàn)象的原因依然是經濟水平發(fā)展的不平衡。因此，帶動中西部經濟發(fā)展是解決問題的關鍵，而加強OFDI則是促進地區(qū)經濟發(fā)展的重要手段之一。對外直接投資的增多可能會增加我國的碳排放量，但會逐漸平衡我國區(qū)域的碳排放量，減少我國中西部的碳排放量。

（三）調整能源結構

本文雖然主要探討OFDI與我國CO2排放量的關系，但是回歸結果顯示，能源消耗才是我國碳排放量增加的直接原因之一。這是由于我國的能源消費主要以煤炭為主，而煤炭的碳排放系數(shù)最高，也就造成了我國較高的碳排放量。目前，我國應加大清潔新能源的開發(fā)力度。與此同時，還要逐漸采用“以氣代煤”和“以油代煤”的手段，調整能源消費結構，降低我國的CO2排放量。

（四）加大技術研發(fā)和教育力度

技術投入和教育水平與我國的CO2排放量呈負相關關系。這說明上述兩個要素是降低我國碳排放的重要手段。因此，加大研發(fā)力度、提高個人教育水平和素質、強調節(jié)能減排從個人做起，將有利于降低我國的碳排放。

（五）調整環(huán)境治理手段，逐步改變使用高碳排換取低“三廢”的治理手段

碳排放的主要原因范文第4篇

關鍵詞：服務業(yè)；碳排放；發(fā)展導向；IPCC法；灰色關聯(lián)分析法

中圖分類號：F719文獻標識碼：A文章編號：1008-2670（2014）01-0100-05

收稿日期：2013-10-31

基金項目：吉林省教育廳“十二五”社會科學研究項目“吉林省現(xiàn)代服務業(yè)發(fā)展狀況調查研究”（2013169）。

作者簡介：韓岳峰，女，吉林長春人，吉林財經大學國際經貿學院、國際交流學院副教授，研究方向：世界經濟，國際貿易；申瑛琦，女，黑龍江哈爾濱人，吉林財經大學，研究方向：區(qū)域經濟；張龍，男，吉林長春人，吉林財經大學，研究方向：服務貿易。

一、引言

大氣中二氧化碳排放量的增加是造成全球氣候變暖的主要原因，目前來說，雖然服務業(yè)屬于低能源消耗、低碳排放的產業(yè)，但隨著三次產業(yè)的重新劃分及各產業(yè)碳排放量的積累，服務業(yè)的碳排放必然成為碳污染的重要來源，由此服務業(yè)碳排放問題將成為了未來一大研究熱點[1]。而產業(yè)結構優(yōu)化（調整與升級）是一個國家或地區(qū)產業(yè)比例的最優(yōu)化過程，以低碳為目標的產業(yè)優(yōu)化是今后產業(yè)調整的必然趨勢。

縱覽已有研究成果，基于碳排放角度的產業(yè)結構優(yōu)化研究主要是針對于第一產業(yè)與第二產業(yè)，且集中在以下兩個方面：一方面是通過研究碳排放與產業(yè)結構的關系，得出產業(yè)結構對碳排放的影響，并在此基礎上運用理論分析找出產業(yè)結構的重點優(yōu)化方向，如段瑩[2]、虞義華[3]等的研究。另一方面是研究二者關系后，通過定量的方式采用具體的經濟統(tǒng)計分析方法提出產業(yè)結構優(yōu)化方案，如于娜[4]、謝鏈鋒[5]等的研究。而隨著服務業(yè)的迅速發(fā)展，服務業(yè)活動的碳排放將成為碳排放來源的重要組成部分，確定低碳角度下的服務業(yè)發(fā)展導向意義重大。

基于此，本文在計算吉林省2004-2010年服務業(yè)內部行業(yè)碳排放量的基礎上，運用灰色關聯(lián)法分析吉林省各服務行業(yè)對碳排放的不同影響程度，進而找出吉林省服務業(yè)內部結構優(yōu)化方向，為政府服務業(yè)發(fā)展戰(zhàn)略的制定與實施提供可供參考的意見和建議。

二、研究方法與數(shù)據來源

（一）研究方法

1.碳排放量測算方法

目前，尚未形成對碳排放標準的監(jiān)測方法，數(shù)據一般是基于煤、石油、天然氣三類化石能源的消費量推導計算得出的，如張雷[6] 、朱勤[7]、張龍[8]等采用的方式是間接碳測算法（IPCC法）。本文采用IPCC法，從服務業(yè)物質投入的角度測算吉林省服務業(yè)的碳排放量，并構建吉林省服務業(yè)碳排放量公式如下：

2.灰色關聯(lián)分析法

碳排放問題是一個存在信息不充分且存在諸多不確定因素的領域，而且多種因素的影響作用決定了它的發(fā)展。它與產業(yè)發(fā)展的很多因素有著密切相關的關系，需要進行關聯(lián)性分析。關聯(lián)性分析有幾種計量經濟模型，比如數(shù)理統(tǒng)計中的主成分分析、回歸分析、方差分析等，但這些方法往往要求有大量樣本數(shù)據，且各因素之間彼此無關[9]。對于本文所研究的問題，使用這些研究模型是不合適的。

此外，碳排放強度和服務業(yè)結構的關聯(lián)度數(shù)值本身并不是本文研究的關鍵，本文重點關心的是以此得出的不同服務業(yè)與碳排放量關聯(lián)度大小的排序結果，從而找出未來控制碳排放的服務業(yè)結構調整方向?；诜諛I(yè)碳排放測算難及現(xiàn)實可操作性的考慮，經過綜合比較分析，本文選取灰色關聯(lián)分析方法，來反映碳排放強度和產業(yè)結構的關系[10]。關聯(lián)程度通常是以關聯(lián)系數(shù)體現(xiàn)的：關聯(lián)示數(shù)越大證明關聯(lián)程度越大，反之則越小?；疑P聯(lián)法操作步驟及計算公式見表1

（二）數(shù)據來源

在《吉林省統(tǒng)計年鑒》分行業(yè)能源品種消費（實物量）中，統(tǒng)計能源消費量時涉及到17種能源，根據本文的研究，將能源按形態(tài)劃分為3大類：煤類、油類、氣類。其中，煤類包括原煤、洗精煤、煤制品、焦炭；油類包括原油、汽油、煤油、柴油、燃料油、其他油制品；氣類包括天然氣、焦爐煤氣、煉廠干氣、液化石油氣。在測算吉林省服務業(yè)各行業(yè)碳排放量時，數(shù)據主要來源于《吉林省統(tǒng)計年鑒（2005-2011）》中三大能源平衡表中的服務業(yè)各部門的能源消費量；對于沒有表示出來的服務部門，則其能源消費量按當年投入產出表中各服務行業(yè)增加值的比例來估算。為后續(xù)研究的開展，需要先將能源實物量換算成標準煤。具體公式為：標準煤=實物量×標準煤折算系數(shù)，表2所示為各能源的標準煤折算系數(shù)。

三、分析與結論

（一）服務業(yè)碳排放的相關分析

1.服務業(yè)碳排放量的計算

運用表1給定的各能源標準煤折算指數(shù)、能源碳排放系數(shù)（萬噸標準煤）及公式（1），由各服務行業(yè)不同能源消費量計算其碳排放量，最終得到2004-2010年吉林省各服務行業(yè)的碳排放量情況，見表3。

由表3可知，近幾年，吉林省各服務行業(yè)碳排放量差異較為明顯，交通運輸、倉儲和郵政業(yè)排放量最高；批發(fā)、零售業(yè)、住宿和餐飲業(yè)以逐步遞增的方式在超過100萬噸；相較而言，水利、環(huán)境和公共設施管理業(yè)，租賃和商務服務業(yè)，研究、技術服務和地質勘查業(yè)等碳排放量不足10萬噸，為綠色服務產業(yè)。就服務業(yè)碳排放總量來看，處于首位的交通運輸、倉儲和郵政業(yè)2010年碳排放量高達439.38萬噸，批發(fā)、零售業(yè)、住宿和餐飲業(yè)以154.82萬噸位居于次席，碳排放量最少是水利、環(huán)境和公共設施管理業(yè)，僅為0.97萬噸。

2.服務業(yè)灰色關聯(lián)分析相關值計算

以表3顯示的2004-2010年吉林省13類服務業(yè)的碳排放量為數(shù)據基礎，用灰色關聯(lián)分析法分析吉林省服務業(yè)結構對碳排放的影響。具體來說，將吉林省服務業(yè)總的碳排放量作為參考序列，服務業(yè)中的13類具體行業(yè)作為相應的比較序列，依次進行無量綱處理（得到標準序列）、計算差絕對值、關聯(lián)系數(shù)，并最終對關聯(lián)度進行排序。

經過計算，得到吉林省13類服務行業(yè)各自的碳排放量與服務業(yè)總排放量平均關聯(lián)度分別為：RA=0.93，RB=0.78，RC=0.78，RD=0.84，RE=0.91，RF=0.87，RG=0.67，RH=0.86，RI=0.92，RJ=0.65，RK=0.71，RL=0.89，RM=0.67。具體排序為：RA> RI >RE> RL >RF >RH >RD >RB = RC> RK >RG =RM >RJ 。

（二）基本結論

結合前文研究結果與相關分析，可得出以下結論：

（1）從行業(yè)碳排放量角度來看，13類服務業(yè)碳排放差異較大，吉林省服務業(yè)碳排量總體呈現(xiàn)較為明顯的上升趨勢。與2004年相比，分別累計增加了87.5%、120. 9%、113.5%、102.1%、84.7%、107.9%、142.5%、91.6%、94.1%、118.1%、64.0%、101.8%、106.1%的碳排放量，平均增幅在1倍以上，最高增幅出現(xiàn)在水利、環(huán)境和公共設施管理業(yè)，最低增幅出現(xiàn)在文化、體育和娛樂業(yè)。具體來說，交通運輸、倉儲和郵政業(yè)，批發(fā)、零售、住宿和餐飲等傳統(tǒng)服務行業(yè)屬于碳排放量高的服務業(yè)；租賃和商務服務業(yè)等新型服務行業(yè)為低碳排放量服務業(yè)。所以，從碳排放量的角度看，為減少碳排放，首先需對傳統(tǒng)服務行業(yè)結構進行優(yōu)化，應該把此類產業(yè)列為吉林省重點調整和優(yōu)化結構的服務業(yè)對象。

分析其原因可能是目前我國交通運輸、倉儲和郵政業(yè)（如民航、長途運輸?shù)裙ぞ撸┑哪茉聪M主要是石油，而絕大多數(shù)的餐飲企業(yè)能源消費則以煤炭、天然氣、液化氣為主， 這種大量使用化石燃料卻很少使用清潔能源和新能源的能源消費結構是導致其碳排放高的最主要原因。當然， 與這些服務行業(yè)缺乏綠色經營理念、節(jié)能減排科技投入少等原因同樣密不可分。

（2）從分行業(yè)對服務業(yè)碳排放的影響角度看，13類服務業(yè)碳排放影響差異較大，關聯(lián)度最高的為交通運輸、倉儲和郵政業(yè)（0.93），最低的是衛(wèi)生、社會保障和社會福利業(yè)（0.65）。同時通過上述兩點結論及上面分析可知，碳排放量多少與碳排放對服務業(yè)影響并不存在必然的聯(lián)系，更不能單純地認為存在著正向相關關系，這是我們非常容易陷入的一個誤區(qū)碳排放量多少與碳排放對服務業(yè)影響并不存在必然聯(lián)系，進而基于這兩個角度選出的服務業(yè)優(yōu)化導向也就不同。，類似現(xiàn)象在李健[11]的中國碳排放強度與產業(yè)結構的關聯(lián)分析中已經做了合理的解釋。因此，從服務業(yè)碳排放灰色關聯(lián)分析的角度看，要想有效減少服務業(yè)碳排放，首選應是優(yōu)化關聯(lián)度較高的交通運輸、倉儲和郵政業(yè)，租賃和商務服務業(yè)等行業(yè)。

盡管本文分析中有些服務行業(yè)無論是總量還是對服務業(yè)總的碳排放量影響方面基數(shù)不大，這主要是因為我國現(xiàn)階段服務業(yè)的發(fā)展水平還比較低，表現(xiàn)為服務業(yè)的碳減排效應不明顯。但是，需要注意的是，近年來服務業(yè)的發(fā)展速度迅速，甚至逐漸成為帶動地區(qū)經濟的主要源動力，而且隨著三次產業(yè)結構優(yōu)化進程的加快，服務業(yè)碳排放問題必然影響巨大。因此，必須未雨綢繆，現(xiàn)在就應注重優(yōu)化服務業(yè)內部結構，提高服務業(yè)的發(fā)展水平，為加快產業(yè)結構優(yōu)化，降低服務產業(yè)碳排放強度做好準備。

四、討論與展望

本文定位的吉林省服務業(yè)發(fā)展導向主要是基于碳排放量及服務業(yè)碳排放灰色關聯(lián)度的角度，更進一步說，本文的分析只是找到了在服務業(yè)內部行業(yè)中應該有目的、有準備、有次序地選擇優(yōu)化哪些行業(yè)，并沒有在行業(yè)經濟效益、產業(yè)關聯(lián)、充分就業(yè)和產業(yè)規(guī)模等約束條件下去尋找具體優(yōu)化途徑。隨著服務業(yè)的高速發(fā)展及其在三產業(yè)中比例的大幅提升，這一領域的研究空白必然會被迅速填補，筆者目前也在進行大量的數(shù)據收集和處理工作，但由于龐大的工作量及數(shù)據收集難度，并沒能在本文中一起研究，這些遺留問題將是筆者接下來的學術研究重點。

隨著經濟的發(fā)展，資源環(huán)境和氣候問題已經越來越明顯地制約著經濟的進一步發(fā)展。本文所重點強調的學術重點在于服務業(yè)碳排放量與服務業(yè)碳排放影響之間的關系，摒棄誤區(qū)。另外，本文的核心觀點是：按照可持續(xù)發(fā)展的要求，像中國這樣資源使用量巨大的發(fā)展中國家，不能走先排放、后治理的路徑，而必須在借鑒服務業(yè)發(fā)展及服務業(yè)碳排放研究已經取得很大進展的發(fā)達國家經驗的基礎上，力求在發(fā)展的過程中邊發(fā)展、邊治理，甚至未發(fā)展、先設防，實現(xiàn)服務業(yè)的綠色發(fā)展，實現(xiàn)經濟和社會的可持續(xù)發(fā)展。

參考文獻：

[1]田云，張俊飚，李波.基于投入角度的農業(yè)碳排放時空特征及因素分解研究――以湖北省為例[J].農業(yè)現(xiàn)代化研究，2011（6）：752-755.

[2]段瑩.產業(yè)結構高度化對碳排放的影響――基于湖北省的實證[J].統(tǒng)計與決策，2010 （23）：94-95

[3]虞義華，鄭新業(yè)，張莉.經濟發(fā)展水平、產業(yè)結構與碳排放強度――中國省級面板數(shù)據分析[J].經濟理論與經濟管理，2011 （3）： 89.

[4]于娜.基于節(jié)能目標的遼寧省產業(yè)結構優(yōu)化研究[D].大連：大連理工大學，2009.

[5]謝鏈鋒.低碳約束下湖北省產業(yè)結構調整研究[D].武漢：華中科技大學，2010.

[6]張雷，黃園淅，李艷梅，等.中國碳排放區(qū)域格局變化與減排途經分析[J].資源科學，2010，32（2）： 211-217.

[7]朱勤，彭希哲，陸志明，等.人口與消費對碳排放影響的分析模型與實證[J].中國人口?資源與環(huán)境，2010，20（2）：98-102.

[8]張龍.中國農業(yè)碳排放變化因素分解研究――基于能源消耗與貿易角度的LMDI分解法[J].當代經濟研究，2013（4）：47-52.

[9]尹春華，顧培亮.我國產業(yè)結構的調整與能源消費的灰色關聯(lián)分析[J].天津大學學報：自然科學版，2003，36（1）：104-107.

碳排放的主要原因范文第5篇

關鍵詞：工業(yè)碳排放； 能源消費； 影響因素； 合肥市

中圖分類號：X502

文獻標識碼：A 文章編號：1674-9944（2016）20-0032-06

1 引言

2014年11月12日，作為世界上最大的CO2排放國，中國在《中美聯(lián)合氣候變化聯(lián)合聲明》中承諾，計劃2030年左右CO2排放達到頂峰且將努力早日達到頂峰，并計劃到2030年非化石燃料能源占能源消費比重1到20%左右。根據氣候變化第二次國家信息通報[1]，我國2005年化石能源消費導致的CO2排放占CO2排放總量的93.66%。工業(yè)是國民經濟的基礎產業(yè)，同時也是能源密集型行業(yè)，因此由工業(yè)直接導致的CO2排放量在碳排放中占主導地位，這在國內外眾多學者的研究中得到了佐證[2～5]。因此，研究工業(yè)部門碳排放的影響因素對今后節(jié)能工作的展開具有重要參考作用。就目前的研究來看，主要是利用SDA 、IDA等因素分解方法討論能源碳排放的影響因素及影響程度。由于SDA對數(shù)據有著較高的要求，沒有IDA應用廣泛。Ang[6]綜合分析了眾多IDA，認為LMDI在理論基礎、技術特點、應用領域以及結果表達等方面最具優(yōu)勢，主要是該法具有時間獨立性、有效處理零值和數(shù)據匯集一致性等優(yōu)點。更重要的是，LMDI的加法和乘法形式易于轉化，能消除殘差項，使模型更加可靠[7]。Wang等[8]通過LMDI分解法對2005～2009年中國水泥行業(yè)的溫室氣體排放的驅動因素進行分析，結果表明能源強度在降低溫室氣體排放總量中發(fā)揮了積極作用。Xu等[9]通過利用LMDI分析了我國1995～2011年中國化石能源碳排放的影響因素，認為經濟產出、人口規(guī)模是碳排放的主要因素。王媛等[10]采用LMDI論證了能源結構效應對天津市碳排放的影響。以上研究為深入研究碳排放量年際變動的不同因素的作用機制打下了基礎，對于研究碳排放動態(tài)具有重要作用。以合肥市為例，深入工業(yè)內部的各個行業(yè)中，全面、系統(tǒng)地剖析工業(yè)經濟發(fā)展、能源效率提高、能源結構以及產業(yè)結構的變動等對CO2排放量的影響，以期確定主要影響因素，然后制定相應的減排措施。

2 數(shù)據來源及研究方法

2.1 數(shù)據來源

根據《國民經濟行業(yè)分類標準》（GB/T 4754―2011）并結合合肥市工業(yè)發(fā)展的實際情況，將合肥市工業(yè)分為采掘業(yè)，制造業(yè)，電力、熱力、燃氣及水的生產和供應業(yè)三大類共33個行業(yè)。其中各行業(yè)的能源消費數(shù)據和經濟發(fā)展等相關數(shù)據來源于《合肥統(tǒng)計年鑒》[11]，部分數(shù)據來源于相關部門調研，有關涉及工業(yè)和各行業(yè)歷年總產值數(shù)據以2000年不變價格折算以剔除價格變動因素；各種能源的平均低位發(fā)熱量、折標煤系數(shù)參考《中國能源統(tǒng)計年鑒2013》[12]；各種化石能源的碳氧化率、單位熱值含碳量源自《省級溫室氣體清單編制指南（試行）》。

2.2 碳排放計算方法

科學測度CO2排放量是減少CO2排放和制定未來能源戰(zhàn)略的前提和基礎。由于合肥市至今沒有CO2排放監(jiān)測數(shù)據，只能基于能源消費量的基礎上計算CO2排放量。目前，合肥市工業(yè)消費的能源有化石能源、熱力、電力以及包括生物質能、核能、風能、水能等在內的其他能源。其中，各行業(yè)消費熱力、電力不會直接引起CO2的排放，將熱力能源生產和火力發(fā)電的能源消費產生的CO2排放直接計入電力、熱力的生產和供應業(yè)，以避免重復計算。由于生物質能生產過程中吸收的CO2與燃燒排放的CO2基本相等，消費生物質能幾乎不會引起CO2凈排放。而核能、風能、水能等能源幾乎不產生CO2。因此，計算工業(yè)各個行業(yè)能源消費導致的CO2排放只需計算化石能源消費導致的CO2即可。利用的化石能源包括原煤、洗精煤、其他洗煤、煤制品、焦炭、焦爐煤氣、其他煤氣、原油、汽油、煤油、柴油、液化石油氣、燃料油、天然氣等14類。綜合衡量CO2排放量估算的相對嚴謹性和可操作性，可以采用公式（1）估算合肥市工業(yè)化石能源消費的CO2排放量：

式（1）中：CEFC表示化石能源消費的CO2排放量（tCO2）；FCij表示第i種行業(yè)第j種化石能源種類（t，萬Nm3）；CEFj表示第j種化石能源的CO2排放系數(shù)（tCO2/t，tCO2/萬Nm3）。

第j種化石能源的CO2排放系數(shù)CEFj用以下公式計算：

首先用公式（2）計算第j種化石能源的CO2排放因子EFj：

式（2）中：EFj表示第j種化石能源的排放因子（tCO2/TJ）；CCj表示第j種化石能源的單位熱值含碳量（tC/TJ）；OFj表示第j種化石能源的碳氧化率（%）；4412表示CO2與C的分子量之比。

結合公式（2），利用公式（3）計算第j種化石能源的CO2排放系數(shù)：

式（3）中：NCVj表示第j種化石能源的平均低位發(fā)熱值（MJ/t，MJ/萬Nm3）。

根據公式（2）、（3）計算的各類化石能源CO2排放系數(shù)見表1所示。

2.3 碳排放因素分解方法

本文利用LMDI模型對擴展后的Kaya公式進行分析，以期確定排放因子、工業(yè)各行業(yè)的能源結構、工業(yè)各行業(yè)的能源效率、工業(yè)的產業(yè)結構、工業(yè)各行業(yè)的經濟發(fā)展規(guī)模這幾個因素對合肥市能源消費導致的CO2排放的貢獻值。利用公式（4）將第T年的CO2排放量分解：

T-1年到T年合肥市工業(yè)CO2排放量的變化量可用公式（5）進行計算：

從T-1年到T年合肥市工業(yè)CO2排放量在排放因子效應、能源結構效應、能源效率效應、產業(yè)結構效應、經濟發(fā)展效應作用下分別產生的變化量由公式（6）～（10）計算：

其中， IEFeffect、IESeffect、IEEeffect、IISeffect、IEDeffect分別表示排放因子、能源結構、能源效率、產業(yè)結構、經濟發(fā)展造成的CO2排放增加量，即5個因素的效應值。由于本研究分析合肥市工業(yè)2000～2014年的碳排放數(shù)據，研究時間較短，因而假定碳排放系數(shù)不變，即IEFeffect=0。

3 合肥市工業(yè)能源消費碳排放的時間序列分析

3.1 工業(yè)能源消費的CO2排放量及工業(yè)生產值變化時間序列分析

合肥市工業(yè)生產值、工業(yè)能源消費量及工業(yè)CO2排放量均呈現(xiàn)增長現(xiàn)象由圖1可見。2001～2014年合肥市工業(yè)增加值年均增長率達22.40%，高于安徽省同期水平（18.72%）。工業(yè)經濟的快速發(fā)展導致了能源消費、CO2排放量的持續(xù)增長?！笆濉逼陂g，合肥市工業(yè)能源消費、CO2排放量年均分別增長24.67%、25.06%，遠高于工業(yè)增加值年均增速（19.22%）。這跟中國在此期間偏離2020年能源戰(zhàn)略目標，依靠高能耗支撐工業(yè)經濟的發(fā)展有關；隨著“十一五”期間節(jié)能減排及合肥市“工業(yè)立市”戰(zhàn)略的實施，工業(yè)經濟以年均27.53%高速發(fā)展，工業(yè)能源消費、CO2排放量降至10.94%、8.40%。進入“十二五”以來，合肥市工業(yè)生產值的增長率在2011年達到頂峰（39.12%）后維持在13%左右，而能源消費、CO2排放量增長率也由2011年的64.71%、57.89%降至2014年的-3.79%、-1.31%。

3.2 工業(yè)能源消費的結構變化時間序列分析

合肥市2000～2014年能源消費的結構變化如圖2所示 。由圖2可知，化石能源的平均比重達到了85.71 %，煤炭以83.66 %的比例在能源消費中占據著絕對地位，石油（1.93%）、天然氣（0.12%）所占比重較小。此外，熱力、電力、其他能源的平均比重分別為2.43%、11.51%、0.19%。從整體來看，能源消費結構變動不大（液化天然氣、其他能源在2010年才進入合肥市工業(yè)能源結構中）。在化石能源消費引起的CO2排放中，合肥市平均煤炭CO2排放量占CO2總排放量的98.33%，石油、天然氣CO2排放量分別占1.50%、0.17%。煤炭CO2排放量明顯偏高，其原因可能有以下兩點。①與合肥市工業(yè)的產業(yè)結構相關，合肥市工業(yè)以電力、化工、冶金等重工業(yè)為主，對煤炭的需求量極大；②安徽省“富煤、貧油、少氣”的資源稟賦特點決定了合肥市工業(yè)能源消費結構中煤炭所占據的主導地位。

3.3 工業(yè)能源消費的能源強度變化時間序列分析

由2000～2014年合肥市能源消費、CO2排放量及工業(yè)經濟發(fā)展的變化趨勢可看出，以工業(yè)能源消費年均增長17.38%的代價換取了工業(yè)經濟年均增長22.40%的快速發(fā)展，并由此帶來了CO2排放量以年均16.35%的速度增長。合肥市2000～2014年單位工業(yè)GDP能源強度、單位工業(yè)GDP碳排放強度計算結果如圖3，可以看出：自2002年起，能源強度、碳強度整體呈現(xiàn)下降趨勢，僅在2011年有所反彈，實現(xiàn)小幅攀升態(tài)勢。2014年與2000年相比，能源強度下降幅度達到61.05%，碳排放強度下降幅度則達到55.10%。其中，兩項指標在“十五”期間初期呈現(xiàn)大幅攀升趨勢，并在“十一五期間”實現(xiàn)逐年下降，這說明在此期間合肥市工業(yè)節(jié)能減排工作效果顯著。同時，僅2001年、2002年、2004年、2011年的能源彈性系數(shù)和CO2排放對工業(yè)GDP彈性系數(shù)大于1，能源消耗、CO2排放增幅高于工業(yè)GDP增幅，呈現(xiàn) “粗放增長”的狀態(tài)。值得關注的是，合肥市自2000年加速工業(yè)化以來，能源彈性系數(shù)僅為0.92，低于日本同期水平（1.21）[13]，這說明合肥市工業(yè)對能源的利用率相對較高。

何建坤等[14]認為，GDP的增長率小于碳排放強度的下降率時才能實現(xiàn)CO2的絕對減排。合肥市僅2012年二氧化碳排放強度的下降率（18.94 %）大于當年工業(yè)GDP增長率（16.25%），實現(xiàn)了CO2的絕對減排。因此，合肥市應進一步提高能源利用效率，調整能源結構，以期進一步降低能源強度、碳排放強度。

4 合肥市工業(yè)能源消費碳排放影響因素分析

利用LMDI模型，根據公式（6）～（10）對合肥市工業(yè)2000～2014年的工業(yè)能源消費的CO2排放增量進行分解，計算出能源結構效應（IESeffect）、能源效率效應（IEEeffect）、產業(yè)結構效應（IISeffect）、經濟發(fā)展效應（IEDeffect），得到各分解因素的作用效果見表2所列。各因素對合肥市工業(yè)能源消費的CO2排放的累積增量見圖4。根據表2、圖4可知，2000～2014年，合肥市工業(yè)能源消費CO2排放總量增加了2183.62 萬t。其中，經濟發(fā)展效應導致CO2排放總量增加了3734.59 萬t，能源結構效應、能源效率效應、產業(yè)結構效應分別導致CO2的排放量減少151.06 萬t、1251.34萬t、148.57萬t。其中電力熱力的生產和供應業(yè)、非金屬礦物制品業(yè)、黑色金屬冶煉及壓延加工業(yè)、化學原料及化學制品制造業(yè)是合肥市工業(yè)主要CO2排放增加行業(yè)，共增加了2241.15萬tCO2排放（見表3）。

4.1 經濟發(fā)展效應

經濟發(fā)展對合肥市工業(yè)能源消費CO2排放的貢獻度一直表現(xiàn)為較大的正增量效應。經濟發(fā)展效應對CO2排放量的貢獻率由2001年的22.89%上升至2014年的171.03%，累計平均貢獻率為137.51%，證明了工業(yè)經濟的快速發(fā)展是造成合肥市工業(yè)能源消費CO2排放增加的重要原因。2000～2014年，各行業(yè)經濟發(fā)展對工業(yè)能源消費CO2排放的貢獻均為正向，其中，合肥市電力熱力的生產和供應業(yè)、非金屬礦物制品業(yè)、黑色金屬冶煉及壓延加工業(yè)、化學原料及化學制品制造業(yè)四大能源密集型行業(yè)的工業(yè)經濟發(fā)展對CO2排放變化的貢獻值較其他行業(yè)大，共為3379.27萬t，占經濟發(fā)展效應的90.49%。在此期間，四大能源密集型行業(yè)的工業(yè)生產值增加了400.88億元，可計算得合肥市能源密集型行業(yè)每增加1萬元會導致8.43 t CO2排放，遠高于同期其他行業(yè)的平均值（0.20 t CO2/萬元）。因此，適當放緩重點能源密集型行業(yè)經濟增長速度、促進非能源密集型行業(yè)的發(fā)展有利于減少合肥市工業(yè)CO2排放。

4.2 能源效率效應

落后的生產技術和過低的能源利用效率使得能源強度在2005年前是CO2排放量增長的促進因素。自2005年起，能源效率成為抑制CO2排放量增加的主要因素，合肥市工業(yè)能源效率效應對能源消費CO2排放的累積年平均貢獻率達-42.57%，是抑制合肥市工業(yè)CO2排放量增加的主要原因。個別年份能源效率對合肥市工業(yè)能源消費CO2排放的貢獻度表現(xiàn)為正增量效應，這是由于在此期間某個行業(yè)能源強度的反彈引起的。如2011年能源效率貢獻值為405.53萬t，其中非金屬礦物制品業(yè)，電力熱力的生產和供應業(yè)對CO2排放量的貢獻值分別為154.98萬t、333.90萬t，原因在于這2個行業(yè)的能源強度由2010年的0.49和6.34t/萬t上升至2011年的2.27和8.63 t/萬t。

2000～2014年，黑色金屬冶煉及壓延加工業(yè)、電力熱力的生產和供應業(yè)、化學原料及化學制品制造業(yè)能源效率因素對CO2排放變化的貢獻值較大，共減少1077.55萬tCO2排放，占能源效率貢獻的86.11%，原因是這三大行業(yè)的平均能源強度由2000年的5.29 t/萬t降至2014年的2.74t/萬t，因此這三大行業(yè)的平均能源強度每下降1t/萬t，CO2排放將減少422.57萬t。盡管三大行業(yè)的能源強度在下降，但這三大行業(yè)在此期間的累積能耗達7890.50萬t，占總能耗的77.09%，但其工業(yè)產值只占整個總產值的14.93%，因此，合肥市應該減排重點集中到此類高CO2排放行業(yè)，提高其能源使用效率。

4.3 產業(yè)結構效應

2000～2013年，合肥市行業(yè)結構效應整體呈現(xiàn)負增量效應。2014年行業(yè)結構對CO2排放增量的貢獻轉為正向，貢獻值為395.02萬t，高于當年經濟發(fā)展的貢獻值（271.97萬t）。其中電力熱力的生產和供應業(yè)對CO2排放的貢獻值為395.25萬t，主要是該行業(yè)的工業(yè)產值占總產值的比重由2013年的3.12%上升至2014年的5.34%。

電力熱力的生產和供應業(yè)、黑色金屬冶煉及壓延加工業(yè)、化學原料及化學制品制造業(yè)這三大行業(yè)的增加值占工業(yè)增加值的比例由2000年的59.88%降至2014年的9.05%，對CO2排放的貢獻值共為-141.23萬t，占行業(yè)結構貢獻的95.05%。這充分凸顯了能源密集型產業(yè)結構調整對CO2排放量的影響。結合經濟發(fā)展效應對CO2排放的影響分析，可知電力熱力的生產和供應業(yè)、化學原料及化學制品制造業(yè)、黑色金屬冶煉及壓延加工業(yè)這三大行業(yè)的經濟發(fā)展對CO2排放貢獻量很大，但是通過調整產業(yè)結構、降低其工業(yè)產出比重能在一定程度上抵消經濟發(fā)展效應所導致的CO2排放量增加。2000～2014年這三個行業(yè)的產業(yè)結構效應抵消了4.45%的經濟發(fā)展效應。合肥市應進一步降低能源密集型行業(yè)的規(guī)模，積極扶持電子計算機等技術密集型產業(yè)的發(fā)展，使之成為拉動經濟增長的強勁動力，以期減少CO2排放量。

4.4 能源結構效應

在2000～2014年間，能源結構變動對CO2排放變動的總體影響較小，平均年貢獻率僅為-1.48%，這主要是由于合肥市工業(yè)能源結構無顯著變化，具有高碳排放系數(shù)的煤炭在工業(yè)能源消費中一直占據著主導地位。大多數(shù)行業(yè)中非化石能源比例的提高對減少CO2排放起促進作用。但非金屬礦物制品能源結構變動則使CO2排放量增加了17.60萬t，這主要源于該行業(yè)煤炭消費比重分別由2000年的69.67%上升至2014年的79.85%。合肥市工業(yè)煤炭消費比例較高，存在著下調空間。由于安徽省油氣資源相對匱乏，調高各行業(yè)特別是能源密集型行業(yè)其他能源的消費比例，降低煤炭消費份額，有利于抑制CO2排放增長。

5 結論和政策建議

5.1 結論

（1）2000～2014年間，合肥市工業(yè)能源消費以年均增長17.38%的代價換取了工業(yè)經濟年均增長22.40%的快速發(fā)展，并由此帶來了CO2排放量以年均16.35%的速度增長。與此同時，能源強度、碳強度分別由2000年的1.24 t/萬t、2.91 t/萬元降至2014年的0.55 t/萬t、1.13 t/萬元，下降幅度分別達到55.10%、61.05%，由此可見合肥市工業(yè)節(jié)能減排工作效果顯著。從合肥市工業(yè)能源消費結構來看，煤炭以83.66 %的比例在能源消費中占據著絕對地位，石油、天然氣所占比重較小。在化石能源消費引起的CO2排放中，合肥市平均煤炭CO2排放量占總CO2排放量的98.33%，石油、天然氣CO2排放量分別占1.50%、0.17%。煤炭CO2排放量明顯偏高，是未來合肥市工業(yè)CO2減排的重點。

（2）經濟發(fā)展是促進合肥市工業(yè)CO2排放量持續(xù)增長的主要原因，能源效率、產業(yè)結構、能源結構的變動都不同程度地抑制了CO2排放量增加。通過對工業(yè)行業(yè)進一步分解分析表現(xiàn)，電力熱力的生產和供應業(yè)、黑色金屬冶煉及壓延加工業(yè)、化學原料及化學制品制造業(yè)、非金屬礦物制品業(yè)等四大能源密集型行業(yè)的經濟發(fā)展、能源效率等因素嚴重影響著工業(yè)能源消費CO2排放量的變化。其中這四大能源密集型行業(yè)每增加1萬元產值會導致8.43 t CO2排放，遠高于同期其他行業(yè)的平均值（0.20 t CO2/萬元）；黑色金屬冶煉及壓延加工業(yè)、電力熱力的生產和供應業(yè)、化學原料及化學制品制造業(yè)這三大行業(yè)的平均能源強度每下降1 t/萬t，CO2排放將減少422.57萬t；電力熱力的生產和供應業(yè)的工業(yè)產值占總產值的比重每增加1%，會引起178.04萬t CO2排放；非金屬礦物制品行業(yè)煤炭比重每上升1%，會增加1.73萬tCO2排放。

5.2 政策建議

根據對合肥市工業(yè)碳排放特征及碳排放影響因素研究，本文從以下幾個方面提出減排的政策建議。

（1）合肥工業(yè)化剛進入中期階段，工業(yè)經濟將繼續(xù)保持快速發(fā)展。構建低碳經濟模式，發(fā)展低消耗、低排放、低污染為特征的低碳工業(yè)，實現(xiàn)工業(yè)經濟和環(huán)境的協(xié)調發(fā)展。

（2）作為國家首批創(chuàng)新型試點城市，合肥市應進一步強化科技創(chuàng)新和進步，引進整體煤氣化循環(huán)發(fā)電技術等先進節(jié)能技術。同時，協(xié)調以市場為導向的產學研創(chuàng)新體系，加快節(jié)能技術成果的應用和轉化。

（3）合肥市應逐步完善環(huán)境準入條件，建立落后產能退出機制，加快淘汰落后技術、產能和裝備，降低能源密集型行業(yè)的規(guī)模。同時，結合合肥市工業(yè)發(fā)展現(xiàn)狀，大力扶持高新技術產業(yè)發(fā)展，特別是新能源汽車、集成電路等戰(zhàn)略性新興產業(yè)的發(fā)展。

（4）合肥市油氣資源相對貧乏，煤炭在合肥市工業(yè)能源結構中占據著絕對地位。要想改變以煤炭為主的能源消費結構，應加快推進核能、風能、水能等新能源的開發(fā)和利用，提高非化石能源的使用比例，全面構建低碳能源體系。

參考文獻：

[1]蘇 偉. 中華人民共和國氣候變化第二次國家信息通報[M]. 北京：中國經濟出版社， 2013.

[2]張 穎. 能源消耗、二氧化碳排放與中國工業(yè)可持續(xù)發(fā)展的脫鉤分布研究[J]. 開發(fā)研究， 2013（1）：104～108.

[3]潘佳佳， 李廉水. 中國工業(yè)二氧化碳排放的影響因素分析[J]. 環(huán)境科學與技術， 2011， 34（4）：86～92.

[4]IPCC. Climate Change2014：Synthesis RePort[R].Summary for Policy makers，2014.

[5]Diakoulaki D， Mandaraka M. Decomposition Analysis for Assessing the Progress in Decoupling Industrial Growth from CO2 Emissions in the EU Manufacturing Sector [J]. Energy Economics，2007，29（4）：636 -664.

[6]合肥市統(tǒng)計局.合肥市統(tǒng)計統(tǒng)計年鑒：2000～2014[M].合肥：合肥市統(tǒng)計局，2015.

[7]國家統(tǒng)計局.中國能源統(tǒng)計年鑒[M].北京：中國統(tǒng)計局，2013.

[8]Ang B W. Decomposition analysis for policymaking in energy：： which is the preferred method[J]. Energy Policy， 2004， 32（9）：1131～1139.

[9]宋德勇， 盧忠寶. 中國碳排放影響因素分解及其周期性波動研究[J]. 中國人口?資源與環(huán)境， 2009， 19（3）：18～24.

[10]Wang Y， Zhu Q， Geng Y. Trajectory and driving factors for GHG emissions in the Chinese cement industry[J]. Journal of Cleaner Production， 2013， 53（16）：252～260.

[11]Xu S C， He Z X， Long R Y. Factors that influence carbon emissions due to energy consumption in China： Decomposition analysis using LMDI[J]. Applied Energy， 2014， 127（6）：182～193.

[12]王 媛， 賈皎皎， 趙鵬，等. LMDI方法分析結構效應對天津市碳排放的影響及對策[J]. 天津大學學報（社會科學版）， 2014（6）：509～514.