導(dǎo)語：如何才能寫好一篇碳排放的影響因素，這就需要搜集整理更多的資料和文獻(xiàn)，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

與現(xiàn)有研究文獻(xiàn)相比,本文的創(chuàng)新與研究特色體現(xiàn)在以下幾個方面:(1)對鋼鐵工業(yè)產(chǎn)品和能源剛性需求的考慮。在現(xiàn)有文獻(xiàn)中大多沒有考慮到我國鋼鐵工業(yè)能源和產(chǎn)品需求剛性特征,這兩個因素可以說對我國鋼鐵工業(yè)碳排放和制定減排策略尤為重要。(2)方法創(chuàng)新。本文采用鋼鐵工業(yè)的五大工序的能源消耗和產(chǎn)出數(shù)據(jù),根據(jù)各種能源的碳排放因子,來計算各工序的碳排放數(shù)據(jù),計算結(jié)果更為準(zhǔn)確。(3)確立了鋼鐵工業(yè)碳排放與其影響因素之間的關(guān)系。本文依據(jù)日本學(xué)者YoichiKaya提出的Kaya[16]恒等式將鋼鐵工業(yè)的碳排放量分解為各因素之和,確立了每一個影響因素與碳排放量之間的關(guān)系。

模型和數(shù)據(jù)

1模型與數(shù)據(jù)

鋼鐵工業(yè)二氧化碳排放總量的數(shù)據(jù)來源于二氧化碳信息分析中心和中國能源統(tǒng)計年鑒,其他數(shù)據(jù)均來源中國鋼鐵統(tǒng)計年鑒、中國統(tǒng)計年鑒以及國泰安數(shù)據(jù)庫,樣本區(qū)間為1981~2010年,采用的計量分析軟件為Eviews7•0。根據(jù)前文的評述,結(jié)合日本學(xué)者YoichiKaya提出的Kaya恒等式和林伯強(qiáng)、劉希穎的研究將鋼鐵工業(yè)的碳排放分解為4個主要影響要素:CP(工業(yè)增加值碳強(qiáng)度)、EP(能源消耗強(qiáng)度)、GE(能源消耗經(jīng)濟(jì)效益強(qiáng)度)和PE(鋼鐵消耗量),以解釋鋼鐵工業(yè)的經(jīng)濟(jì)活動與碳排放之間的關(guān)系。其中,CO代表鋼鐵工業(yè)二氧化碳排放量,EC代表鋼鐵工業(yè)的能源消耗量,GP代表鋼鐵工業(yè)的增加值,PR代表鋼鐵消耗量,CP=CO/GP表示工業(yè)增加值碳強(qiáng)度,EP=EC/PR表示能源消耗強(qiáng)度,GE=GP/EC表示能源消耗經(jīng)濟(jì)效益強(qiáng)度(具體如表1所示)。本文針對我國工業(yè)化的特征,利用協(xié)整方法分析我國鋼鐵工業(yè)碳排放與各個影響因素之間的長期均衡關(guān)系。通過建立我國鋼鐵工業(yè)二氧化碳排放量與產(chǎn)業(yè)增加值強(qiáng)度(CP)、能源消耗強(qiáng)度(EP)、能源消耗經(jīng)濟(jì)效益強(qiáng)度(EP)和鋼鐵消耗量(PR)之間的協(xié)整方程來探究這4種因素與鋼鐵工業(yè)二氧化碳排放之間的長期均衡關(guān)系:CO=f(CP,EP,GE,PR)(2)其中,本文對二氧化碳排放量的計算做詳細(xì)說明,二氧化碳排放量為生產(chǎn)鋼鐵產(chǎn)品過程中的直接排放量和間接排放量之和,在生產(chǎn)鋼鐵過程中燃料消耗直接排放的二氧化碳和工藝過程中排放的二氧化碳稱為直接排放。將因耗外購電力、外購焦炭、進(jìn)口鋼鐵而導(dǎo)致的二氧化碳排放稱為間接排放。其直接排放的計算方法與參數(shù)設(shè)定參照林伯強(qiáng)[8]和涂正革[17]的設(shè)定方法,燃煤、焦炭和天然氣燃燒的碳排放分別等于其能源消費(fèi)量、能源轉(zhuǎn)化率和二氧化碳排放系數(shù)三者的乘積之和。

2模型求解

在時間序列的數(shù)據(jù)研究中,我們會經(jīng)常遇到本身是非平穩(wěn)的經(jīng)濟(jì)變量。但是,它們的線性組合確有可能是平穩(wěn)序列。這種平穩(wěn)的線性組合被稱為協(xié)整方程,且可被解釋為變量之間的長期穩(wěn)定的均衡關(guān)系[18]。對于多個變量之間的協(xié)整關(guān)系檢驗通常采用的是Johansen協(xié)整檢驗方法,它是一種以VAR模型為基礎(chǔ)的檢驗回歸系數(shù)方法。其P階的VAR模型具體形式如下:Yt=A1Yt-1+A2Yt-2+……+ApYp-1+BXt+εt(4)其中,Yt是k維的非平穩(wěn)的I(1)向量,Xt是d維的確定性的外生變量。(1)在進(jìn)行協(xié)整檢驗之前,必須對每一個變量進(jìn)行平穩(wěn)性檢驗,只有在得出序列為平穩(wěn)性序列之后,才能對其進(jìn)行協(xié)整檢驗分析。本文在綜合考慮前人研究的基礎(chǔ)上采用ADF(AugmentedDickey-Fuller)檢驗和PP(Phillips-Perron)檢驗兩種檢驗方法。通過Eviews7•0得出所有變量均在5%的顯著水平下達(dá)到二階平穩(wěn)(結(jié)果如表3所示),滿足建立協(xié)整方程的必要條件。(2)本文采用Johansen協(xié)整檢驗方法,依據(jù)Eviews7•0的檢驗結(jié)果,在5%的水平下,提取一個協(xié)整方程如下(括號內(nèi)為標(biāo)準(zhǔn)差)如式(5)所示:根據(jù)式(5)可以看出,所有變量系數(shù)均符合其經(jīng)濟(jì)意義,且在5%的置信水平下通過t統(tǒng)計量檢驗,R2為0•997189說明模型的整體擬合度較高。另外,也可以看出在1981~2010年間,我國鋼鐵工業(yè)的碳排放量與工業(yè)增加值碳強(qiáng)度、能源消耗強(qiáng)度、能源消耗經(jīng)濟(jì)效益強(qiáng)度和鋼鐵消耗量有著穩(wěn)定的均衡關(guān)系。并且從影響度的大小來看,對鋼鐵工業(yè)的碳排放影響最為顯著的是工業(yè)增加值碳強(qiáng)度和能源消耗強(qiáng)度,其次為能源經(jīng)濟(jì)效益強(qiáng)度和鋼鐵消耗量。其中,工業(yè)增加值碳強(qiáng)度、能源消耗強(qiáng)度和鋼鐵消耗量每增加1個百分點(diǎn)分別會帶動鋼鐵工業(yè)的碳排放同向變動0•686個百分點(diǎn)、0•251個百分點(diǎn)和0•173個百分點(diǎn),而能源消耗經(jīng)濟(jì)效益強(qiáng)度增加1百分點(diǎn)會帶動鋼鐵工業(yè)的碳排放反向變動0•242個百分點(diǎn)?？梢?未來政策調(diào)整的重點(diǎn)應(yīng)該在于降低鋼鐵工業(yè)增加值碳強(qiáng)度和提高能源消耗經(jīng)濟(jì)效益強(qiáng)度這兩個影響指標(biāo)。并且根據(jù)式(5)降低工業(yè)增加值碳強(qiáng)度能夠為我國鋼鐵工業(yè)碳減排帶來顯著的效果。

鋼鐵工業(yè)碳排放的影響因素分析

1鋼鐵工業(yè)二氧化碳排放量:現(xiàn)狀及原因

我國鋼鐵工業(yè)一直以來作為我國高能耗、高排放產(chǎn)業(yè)之一,其每年的能源消耗量約占我國能源消費(fèi)總量的15%,占工業(yè)能源消費(fèi)總量的23%左右,如1981~2010年間其能源消費(fèi)總量從6496萬噸標(biāo)煤增長到61982•12萬噸標(biāo)煤,增長了8•54倍多,年均能源消耗量為1900萬噸左右。相應(yīng)的隨著能源消耗量的增長,鋼鐵工業(yè)的碳排放也在大幅度的增長。據(jù)本文計算顯示,我國鋼鐵工業(yè)二氧化碳排放量從1981年的15915•2萬噸增長到2010年的151856•19萬噸,年均增長率為8•35%。對此,本文認(rèn)為有以下幾種原因:(1)近幾年以來,我國經(jīng)濟(jì)的高速增長,特別是2003~2005年我國GDP增長率都在10%以上,高速的經(jīng)濟(jì)增長帶動了我國鋼鐵工業(yè)的快速發(fā)展,我國鋼鐵消耗量從2000年的14742•14萬噸增加到2010年的81270•31萬噸,增長了4•51倍。由上文鋼鐵消耗量與碳排放的關(guān)系可知,鋼鐵消耗量的增加導(dǎo)致了碳排放的快速增長;(2)我國正處于工業(yè)化發(fā)展的后期和城市化進(jìn)程中,對鋼鐵產(chǎn)品需求量也逐步的加大。由此同理可知,工業(yè)化和城市化進(jìn)程中的碳排放量也將逐漸加大;(3)目前我國鋼鐵工業(yè)的生產(chǎn)方式還是粗放型的生產(chǎn)方式,在鋼鐵工業(yè)中還沒有大規(guī)模采用降低二氧化碳的技術(shù)。因此,在我國鋼鐵工業(yè)粗放型增長階段中,碳排放必然也呈現(xiàn)快速的增長趨勢。從不同發(fā)展階段來看,1981~1994年我國鋼鐵工業(yè)二氧化碳排放量增長了0•86倍,年均增長率為4•92%;1995~2010年我國鋼鐵工業(yè)二氧化碳排放量增長了4•01倍,年均增長率為11•13%,比1981~1999年階段年均增長率高6•21個百分點(diǎn)?？梢?鋼鐵工業(yè)規(guī)模的擴(kuò)大對鋼鐵工業(yè)碳排放增幅的貢獻(xiàn)逐步增大。從不同工序來看,煉鐵工序是鋼鐵生產(chǎn)中能耗最大的工序,其單位產(chǎn)品能耗約占整個鋼鐵過程的70%。2005年重點(diǎn)鋼鐵企業(yè)中煉鐵工序單位產(chǎn)品的碳排放量為936•81千克/噸,分別是焦化工序和燒結(jié)工序的3•16倍和7•07倍。2009年隨著對節(jié)能減排的重視,重點(diǎn)鋼鐵企業(yè)煉鐵工序的單位產(chǎn)品碳排放量有所下降為830•78千克/噸,分別是焦化工序和燒結(jié)工序的3•52倍和7•39倍。但從不同工序來說,煉鐵工序碳排放分別與焦化工序碳排放、燒結(jié)工序碳排放相比有所提高。

2工業(yè)增加值碳強(qiáng)度與碳排放

(1)按照1978年價格計算,我國鋼鐵工業(yè)增加值從1981年的91•07億元,增長到2010年的3068•16億元,年均增長率為14•91%。根據(jù)涂正革[17]的研究,在其他條件不變的情況下,因產(chǎn)業(yè)增加值的逐年擴(kuò)大導(dǎo)致其碳排放量的增加稱為碳排放的理論增長規(guī)模。1981~2010年我國鋼鐵工業(yè)增加值的年均增長率約為15%,相應(yīng)地,鋼鐵工業(yè)碳排放的年均增長率理論上應(yīng)該為10•29%。這也就是說,如果不考慮其他因素,按照目前我國鋼鐵工業(yè)增加值的增長速度,其碳排放量理論上年均增長速度為10•29%。(2)分階段來看,1981~1994年我國鋼鐵工業(yè)增加值年均增長率為13•9%,理論上帶動二氧化碳年均增量為1517•58萬噸;1995~2010年間我國鋼鐵工業(yè)增加值的年均增長率為15•72%,理論上帶動我國鋼鐵工業(yè)二氧化碳排放年均增長量為1715•64萬噸,比1981~1994年間的年均增長量多了198•06萬噸?？梢?鋼鐵工業(yè)增加值的擴(kuò)大對其碳排放量增幅的貢獻(xiàn)逐步增大。但是,根據(jù)我國鋼鐵工業(yè)的實際發(fā)展現(xiàn)狀,目前我國鋼鐵工業(yè)的過剩產(chǎn)能將超過2億噸,按照每噸鋼材產(chǎn)能投資5000元計算,中國鋼鐵工業(yè)的投資浪費(fèi)已達(dá)1萬億元之多,特別是近幾年我國鋼鐵工業(yè)的噸鋼利潤只有同期國外企業(yè)的1/3~1/5[19]。因此,未來從降低我國鋼鐵工業(yè)增加值這一途徑來降低其碳減排的空間和潛力不大。但是,若在維持我國鋼鐵工業(yè)增加值增長率的前提下降低其碳排放量(如提高技術(shù)水平),仍有較大的潛力。

3能源消耗強(qiáng)度、能源消耗經(jīng)濟(jì)效益強(qiáng)度與減排能力

能源消耗強(qiáng)度和能源消耗經(jīng)濟(jì)效益強(qiáng)度利用的高低反映能源利用效率水平,能源消耗強(qiáng)度的降低和能源消耗經(jīng)濟(jì)效益強(qiáng)度的提升代表著我國鋼鐵工業(yè)技術(shù)水平的提高。我國鋼鐵工業(yè)能源消耗強(qiáng)度和能源消耗經(jīng)濟(jì)效益強(qiáng)度分別從1981年的2•16噸標(biāo)煤和140•19元下降和上升到2010年的0•76噸標(biāo)煤和495•01元,下降了和上升了64•81%、253•1%。而鋼鐵工業(yè)能源消耗強(qiáng)度的下降和能源消耗經(jīng)濟(jì)效益強(qiáng)度的提升與我國鋼鐵工業(yè)節(jié)能減排技術(shù)的推廣應(yīng)用密不可分。因此,節(jié)能減排技術(shù)的提高是我國鋼鐵工業(yè)能源消耗強(qiáng)度下降和能源消耗經(jīng)濟(jì)效益強(qiáng)度提升的主要影響因素。我國鋼鐵工業(yè)能源消耗強(qiáng)度和能源消耗經(jīng)濟(jì)效益強(qiáng)度自1981~2010年有了較大幅度的下降和提升,1981年分別為2•16噸標(biāo)煤和140•19元,2010年分別下降和上升為0•76噸標(biāo)煤和495•01元,年均下降率和上升率分別為3•1%和5•83%。根據(jù)式(5)理論上能源消耗強(qiáng)度和能源消耗經(jīng)濟(jì)效益強(qiáng)度的下降導(dǎo)致碳排放的年均下降率分別為0•53%和1•41%。分階段分析,1981~1994年間,我國鋼鐵工業(yè)能源消耗強(qiáng)度和能源消耗經(jīng)濟(jì)效益強(qiáng)度年均下降率和上升率分別為4•26%和8•44%,而能源消耗強(qiáng)度下降和能源消耗經(jīng)濟(jì)效益強(qiáng)度上升導(dǎo)致碳排放的年均下降率分別為0•73%和2•04%。1995~2010年我國鋼鐵工業(yè)能源消耗強(qiáng)度和能源消耗經(jīng)濟(jì)效益強(qiáng)度年均下降率和上升率分別為2•15%和3•71%,從而導(dǎo)致鋼鐵工業(yè)碳排放年均下降率分別為0•37%和0•89%。而在我國鋼鐵工業(yè)碳排放下降的拉動因素中,節(jié)能減排技術(shù)拉動占居著重要因素,如:近幾年來,我國鋼鐵工業(yè)采用的轉(zhuǎn)爐負(fù)能煉鋼技術(shù)可使噸鋼產(chǎn)品節(jié)能23•6kg標(biāo)煤,減少煙塵排放量10mg/m3;電爐優(yōu)化供電技術(shù)可節(jié)約用電10~30千瓦時/噸,電爐煉鋼生產(chǎn)效率提高5%左右。按照目前我國所處的經(jīng)濟(jì)發(fā)展階段,能源消耗強(qiáng)度不可能無限的下降。根據(jù)涂正革的研究,我國目前的能源消耗強(qiáng)度仍然處于一個很高的水平。2006年中國單位GDP能耗為世界平均水平的3倍,巴西的3倍,美國的4•5倍,日本的9倍,在全球30個主要國家和地區(qū)的排名中倒數(shù)第4。因此,提高技術(shù)水平降低能源消耗強(qiáng)度,作為我國鋼鐵工業(yè)實現(xiàn)低碳排放的主要途徑,仍有較大的空間。

4鋼材消耗量與減排空間

鋼鐵工業(yè)是我國國民經(jīng)濟(jì)發(fā)展的重要產(chǎn)業(yè)。改革開放以來,我國經(jīng)濟(jì)高速發(fā)展,經(jīng)濟(jì)規(guī)模迅猛擴(kuò)大,帶動著我國消費(fèi)結(jié)構(gòu)的升級和基礎(chǔ)設(shè)施投資的加大以及城市化進(jìn)程的加快,這也是我國工業(yè)化發(fā)展的必經(jīng)階段,也是我國工業(yè)化和城市化的快速發(fā)展時期。因此,這段時期對我國鋼材產(chǎn)量的需求也呈現(xiàn)快速的增長態(tài)勢,據(jù)有關(guān)資料統(tǒng)計,1981~2010年由于我國工業(yè)化和城市化所帶動的鋼材消耗量增長了26•07倍,并導(dǎo)致二氧化碳排放增長了33985•25萬噸。分階段來看,1981~1994年間我國鋼材消耗量年均增長率為11•08%,帶動碳排放的年均增長率為2•77%;1995~2010年我國鋼材消耗量年均增長率為13•82%,帶動碳排放年均增長率為3•46%。然而,根據(jù)我國目前的經(jīng)濟(jì)發(fā)展概況,吳文東[20]利用組合模型對我國鋼材需求量的結(jié)果進(jìn)行了預(yù)測,結(jié)果表明我國鋼材需求量在2020年將達(dá)到6•6億噸左右,并在5~10年內(nèi)將保持這一水平。何維達(dá)[21]也預(yù)測了我國鋼鐵工業(yè)未來3年的國內(nèi)市場需求增長率分別為38•96%,40•82%和45•32%。這主要是因為國內(nèi)需求的拉動、國內(nèi)制造業(yè)和建筑業(yè)的迅速發(fā)展、機(jī)電產(chǎn)業(yè)以及房地產(chǎn)業(yè)、交通運(yùn)輸業(yè)等等都為我國鋼材需求量提供了廣闊的市場。因此,未來我國鋼材消耗量也必將隨之增長?？梢?未來提高我國鋼材生產(chǎn)的技術(shù)水平,降低鋼材消耗強(qiáng)度,是當(dāng)前我國鋼鐵工業(yè)碳減排的重要任務(wù)。

主要結(jié)論與政策含義

1主要結(jié)論

通過以上分析,可以得到幾個基本結(jié)論:(1)我國國民經(jīng)濟(jì)已經(jīng)進(jìn)入工業(yè)化的快速發(fā)展階段,城市化、房地產(chǎn)等產(chǎn)業(yè)的快速發(fā)展,拉動鋼材消耗迅猛增長,而隨之的能源消耗需求也與日俱增,碳排放量迅猛增長,這是我國面臨的巨大的挑戰(zhàn)之一;(2)我國公布了到2020年單位國內(nèi)生產(chǎn)總值二氧化碳排放比2005年下降40%~45%的減排目標(biāo),這一目標(biāo)對鋼鐵企業(yè)乃至整個鋼鐵工業(yè)將產(chǎn)生巨大且深遠(yuǎn)的影響,這是我國面臨的巨大挑戰(zhàn)之二。以此為背景,本文通過考察1981~2010年我國鋼鐵工業(yè)碳排放的趨勢和特征,采用Jo-hansen協(xié)整檢驗方法研究了二氧化碳排放量和工業(yè)增加值碳強(qiáng)度、能源消耗強(qiáng)度、能源消耗經(jīng)濟(jì)效益強(qiáng)度和鋼鐵消耗量4個主要影響因素之間的關(guān)系。結(jié)果表明:從影響度的大小來看,對鋼鐵工業(yè)的碳排放影響最為顯著的是工業(yè)增加值碳強(qiáng)度和能源消耗強(qiáng)度,其次為能源經(jīng)濟(jì)效益強(qiáng)度和鋼鐵消耗量。其中,工業(yè)增加值碳強(qiáng)度、能源消耗強(qiáng)度和鋼鐵消耗量每增加1個百分點(diǎn)分別會帶動鋼鐵工業(yè)的碳排放同向變動0•686個百分點(diǎn)、0•251個百分點(diǎn)和0•173個百分點(diǎn),而能源消耗經(jīng)濟(jì)效益強(qiáng)度增加1百分點(diǎn)會帶動鋼鐵工業(yè)的碳排放反向變動0•242個百分點(diǎn)。

2政策建議

(1)適度降低我國鋼鐵工業(yè)的增長速度,轉(zhuǎn)變其增長方式,是我國鋼鐵工業(yè)碳減排的重大戰(zhàn)略選擇。根據(jù)前文的研究,可以說我國鋼鐵工業(yè)高速增長是碳排放量增長的最大影響因素。1981~2010年我國鋼鐵工業(yè)的增長規(guī)模為2977•09億元,導(dǎo)致鋼鐵工業(yè)碳排放理論上增長37•28億噸。平均而言,鋼鐵工業(yè)增加值每增長一個百分點(diǎn),碳排放量增長25•58萬噸。因此,在保證我國鋼鐵工業(yè)增加值增長的前提下,適度的縮小其發(fā)展規(guī)模,實現(xiàn)粗放型的增長方式向技術(shù)推動型方式的轉(zhuǎn)變是降低其碳排放的首要戰(zhàn)略選擇。

(2)開發(fā)清潔能源技術(shù),增加清潔能源的比例結(jié)構(gòu),是減少我國鋼鐵工業(yè)碳排放的重要途徑。目前,我國鋼鐵工業(yè)以煤為主的能源消費(fèi)結(jié)構(gòu)導(dǎo)致能源消耗碳強(qiáng)度一直居高不下是我國鋼鐵工業(yè)碳減排的主要障礙。1981~2010年我國鋼鐵工業(yè)的平均能源消耗強(qiáng)度為1•25,這也就是說我國鋼鐵工業(yè)能源消耗1噸標(biāo)煤,釋放出的二氧化碳為1•25噸。總體來看,我國鋼鐵能源消耗強(qiáng)度呈現(xiàn)下降趨勢,但是相對于大量的碳排量來說能源消耗強(qiáng)度的下降所帶動的碳排放下降量非常的微弱。與此同時,我們也應(yīng)該看到鋼鐵工業(yè)能源消耗強(qiáng)度的下降主要是依靠鋼鐵工業(yè)能源消耗結(jié)構(gòu)調(diào)整的結(jié)果。

篇2

[關(guān)鍵詞]EKC；生豬養(yǎng)殖；碳排放

[基金項目]國家社會科學(xué)基金重大項目“長江經(jīng)濟(jì)帶建設(shè)戰(zhàn)略引領(lǐng)下沿江地區(qū)經(jīng)濟(jì)發(fā)展路徑研究”（2015YZD16）、國家自然科學(xué)基金項目“大湖地區(qū)畜禽養(yǎng)殖污染形成機(jī)理及管控政策研究――以鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)為例”（71303099）、江西省普通高校科技落地計劃科學(xué)前沿項目“鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)土地利用與生物多樣性變化及優(yōu)化技術(shù)”（KJLD12065）和江西財經(jīng)大學(xué)2015年度學(xué)生科研課題（XS306）的階段性成果。

[作者簡介]孔凡斌，江西省社會科學(xué)院研究員，江西財經(jīng)大學(xué)二級教授，博士生導(dǎo)師，博士后合作導(dǎo)師（江西南昌 330077）；王智鵬，江西財經(jīng)大學(xué)鄱陽湖生態(tài)經(jīng)濟(jì)研究院農(nóng)業(yè)經(jīng)濟(jì)管理專業(yè)碩士研究生；潘丹，江西財經(jīng)大學(xué)在站博士后（江西南昌 330032）。

一、引言

畜禽養(yǎng)殖碳排放是全球溫室氣體排放的重要來源。聯(lián)合國糧農(nóng)組織（FAO）報告《畜牧的巨大陰影：環(huán)境問題與選擇》統(tǒng)計數(shù)據(jù)顯示，生豬、牛、羊和家禽的溫室氣體排放量占以二氧化碳當(dāng)量計算的溫室氣體排放量的18%。在日益嚴(yán)峻的全球氣候變暖情形之下，以“低能耗、低污染、低排放”的低碳養(yǎng)殖模式呼吁而出，如何處理好經(jīng)濟(jì)增長與生豬養(yǎng)殖碳排放的脫鉤發(fā)展，成為低碳養(yǎng)殖研究領(lǐng)域中十分關(guān)注的問題。目前，學(xué)者對畜禽養(yǎng)殖碳排放的研究主要集中在以下幾個方面：一是畜禽養(yǎng)殖碳排放的測算。學(xué)者主要運(yùn)用碳轉(zhuǎn)化系數(shù)法、IPCC排放系數(shù)法、綜合調(diào)查法和碳排放指標(biāo)體系等，對碳排放進(jìn)行測算①。二是畜禽養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展之間的關(guān)系。國外學(xué)者對碳排放與經(jīng)濟(jì)發(fā)展之間做了很多研究，發(fā)現(xiàn)不同國家的碳排放與經(jīng)濟(jì)發(fā)展存在“正U型”“倒U型”“正N型”或“倒N型”等多種曲線關(guān)系①。國內(nèi)學(xué)者應(yīng)用環(huán)境庫茲涅茨曲線（EKC）模型驗證畜禽養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展關(guān)系的研究較少。孟祥海等運(yùn)用EKC模型分析了我國畜禽污染與經(jīng)濟(jì)增長之間的關(guān)系，研究表明：污染程度與人均GDP之間存在“倒U型”曲線關(guān)系，且已跨過曲線拐點(diǎn)②。田素妍等對中國畜禽養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展進(jìn)行了EKC驗證，結(jié)果發(fā)現(xiàn)：東部地區(qū)畜禽養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展間存在顯著的“倒U型”關(guān)系，中、西部地區(qū)畜禽養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展則存在顯著的“正U型”關(guān)系③。

綜上所述，現(xiàn)有對畜禽養(yǎng)殖碳排放的研究多以國家、省際作為研究單位，對省、市級研究甚少。同時，目前對畜禽養(yǎng)殖碳排放的測算往往集中在腸道發(fā)酵與糞便管理④，很少從系統(tǒng)的角度去測算整個生命周期過程產(chǎn)生的污染物總量，這將導(dǎo)致碳排放量測算的不準(zhǔn)確。而有學(xué)者研究表明，污染物測算不準(zhǔn)、不全往往是導(dǎo)致EKC檢驗結(jié)果不準(zhǔn)確的主要原因⑤。基于此，本文將以江西省生豬養(yǎng)殖為例，運(yùn)用生命周期評價方法（LCA）系統(tǒng)測算生豬養(yǎng)殖碳排放量，在此基礎(chǔ)上對生豬養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展之間的EKC關(guān)系進(jìn)行檢驗，并分析影響生豬養(yǎng)殖碳排放的主要因素。生豬養(yǎng)殖業(yè)在中國畜禽養(yǎng)殖業(yè)中占主導(dǎo)地位，是中國畜禽養(yǎng)殖碳排放的主要來源。江西省是全國十大生豬主產(chǎn)省之一，其生豬碳減排工作對全國生豬碳減排具有重要的意義。對致力于打造“生態(tài)明文先行示范區(qū)”和“美麗中國‘江西樣板’”的江西省而言，對生豬養(yǎng)殖碳排放進(jìn)行EKC檢驗以及對碳排放影響因素進(jìn)行分析顯得尤為迫切，具有重要的戰(zhàn)略意義和現(xiàn)實意義。

二、模型構(gòu)建、變量選取及數(shù)據(jù)來源

（一）生豬養(yǎng)殖碳排放量測算

FAO溫室氣體排放評估框架《IPCC 2006年國家溫室氣體清單指南》指出⑥，生豬養(yǎng)殖直接的碳排放主要來源于生豬腸道發(fā)酵CH4排放與糞便管理系統(tǒng)中CH4、N2O排放，間接的碳排放主要來源于飼料糧種植、飼料糧運(yùn)輸與加工、飼養(yǎng)環(huán)節(jié)耗能和豬肉產(chǎn)品屠宰加工等環(huán)節(jié)中能源與資源消耗所產(chǎn)生的排放。因此，本文結(jié)合江西省生豬養(yǎng)殖的實際情況，借鑒胡向東和孟祥海的研究成果⑦，運(yùn)用生命周期評價方法（LCA），選取飼料糧種植、飼料糧運(yùn)輸和加工、生豬腸道發(fā)酵、糞便管理系統(tǒng)、飼養(yǎng)環(huán)節(jié)耗能和豬肉產(chǎn)品屠宰加工六大環(huán)節(jié)，測算出生豬從幼仔養(yǎng)殖到出欄以及到豬肉產(chǎn)品銷售的整個生命周期過程中產(chǎn)生并排放到空氣中的CH4、N2O等溫室氣體折算成二氧化碳當(dāng)量總和。目前，生命周期評價（LCA）已被廣泛應(yīng)用于碳排放（即溫室氣體排放）研究領(lǐng)域①，但國內(nèi)生命周期評價方法應(yīng)用于畜禽養(yǎng)殖業(yè)特別是生豬養(yǎng)殖碳排放測算較少。

生豬養(yǎng)殖碳排放量測算公式如下：

C=EGF +ESM +EMT +ECD+EGE +ESF（1）

式（1）中：C為生豬養(yǎng)殖碳排放總量；EGF為飼料糧種植產(chǎn)生的碳排放量；ESM為飼料糧運(yùn)輸與加工產(chǎn)生的碳排放量；EMT為生豬腸道發(fā)酵CH4排放產(chǎn)生的碳排放量；ECD為糞便管理系統(tǒng)中CH4、N2O排放產(chǎn)生的碳排放量；EGE為生豬飼養(yǎng)環(huán)節(jié)耗能產(chǎn)生的碳排放量；ESF為豬肉產(chǎn)品屠宰加工產(chǎn)生的碳排放量。

（二）生豬養(yǎng)殖碳排放的EKC模型設(shè)定

參照國內(nèi)外學(xué)者對環(huán)境質(zhì)量與經(jīng)濟(jì)發(fā)展之間關(guān)系的研究成果②，根據(jù)測算的生豬養(yǎng)殖碳排放總量，環(huán)境質(zhì)量指標(biāo)選用碳排放量來衡量，經(jīng)濟(jì)發(fā)展指標(biāo)選用農(nóng)村居民人均可支配收入來衡量。

同時，本文采用含參數(shù)估計的生豬養(yǎng)殖碳排放環(huán)境庫茲涅茨模型，來驗證江西省及各地市生豬養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展之間是否存在EKC拐點(diǎn)。EKC模型的設(shè)定多以二次、三次多項式為主，但三次多項式相對靈活③。為消除數(shù)據(jù)可能出現(xiàn)的異方差，分別對生豬養(yǎng)殖碳排放和農(nóng)村居民可支配收入取自然對數(shù)，采用對數(shù)三次方作為回歸方程的基準(zhǔn)方程對生豬碳排放進(jìn)行EKC檢驗：

lnCt=θ0+θ1lnYt+θ2（lnYt）2+θ3（lnYt）3+εt（2）

式（2）中：Ct為生豬養(yǎng)殖碳排放量；Yt為農(nóng)村居民人均可支配收入；t為時間；θ0為截距項；θ1、θ2、θ3為模型估計參數(shù)；ε1為隨機(jī)誤差項。根據(jù)模型估計參數(shù)θ1、θ2、θ3，其取值的不同，可以反映出生豬養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展之間的不同關(guān)系。

（三）生豬養(yǎng)殖碳排放的影響因素研究

1.變量選取與說明

現(xiàn)有研究表明，碳排放具有不確定性和受人類活動影響等特點(diǎn)④，受經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、城市化水平、交通便利情況、人力資本、市場需求和政府支持等因素影響⑤?；诖?，本文結(jié)合江西省生豬養(yǎng)殖實際情況與現(xiàn)有的研究成果并考慮數(shù)據(jù)的可獲得性，選取以下七個變量作為生豬養(yǎng)殖碳排放的影響因素：

（1）豬肉消費(fèi)總量（X1）：用人均豬肉消費(fèi)量與城鎮(zhèn)人口之積來表示。一般情況下，人們對豬肉的消費(fèi)總量越多，意味著生豬養(yǎng)殖總量越多，將會消耗更多的能源和資源，碳排放量越多。

（2）對外貿(mào)易程度（X2）：用對外出口的生豬總額與牧業(yè)生產(chǎn)總值之比來表示。一般情況下，對外貿(mào)易程度越高，說明對外出口的生豬數(shù)量越多，產(chǎn)生的碳排放量越高。

（3）公路密度（X3）：用每平方公里的公路里程來表示。通常而言，交通條件越便利，越有利于生豬的運(yùn)輸以及對低碳養(yǎng)殖技術(shù)的推廣，生豬養(yǎng)殖的碳排放量將會越少。

（4）農(nóng)村勞動力價格（X4）：用城鄉(xiāng)勞動力人均收入之比來衡量。城鄉(xiāng)勞動力人均收入之比越高，生豬養(yǎng)殖的機(jī)會成本就越高，在理性經(jīng)濟(jì)人假設(shè)下，生豬養(yǎng)殖戶會選擇進(jìn)城務(wù)工以獲取更高的非農(nóng)收入，選擇生豬養(yǎng)殖的概率更低，生豬養(yǎng)殖數(shù)量下降，生豬養(yǎng)殖碳排放量下降。

（5）產(chǎn)業(yè)結(jié)構(gòu)（X5）：用牧業(yè)生產(chǎn)總值與農(nóng)業(yè)生產(chǎn)總值之比來衡量。牧業(yè)生產(chǎn)總值占農(nóng)業(yè)生產(chǎn)總值比重越高，說明生豬產(chǎn)業(yè)發(fā)展越好，用于生豬養(yǎng)殖的資源越多，生豬養(yǎng)殖所產(chǎn)生的碳排放越高。

（6）政府環(huán)保管制（X6）：用政府環(huán)境治理投入與地區(qū)生產(chǎn)總值之比來衡量。政府環(huán)保管制越高，對低碳養(yǎng)殖技術(shù)（例如糞便處理技術(shù)推廣和沼氣池建設(shè)技術(shù)）等的補(bǔ)貼越高，從而降低生豬養(yǎng)殖所產(chǎn)生的碳排放。

（7）能源利用效率（X7）：用單位GDP能耗來表示。一般情況下，在生豬養(yǎng)殖的整個生命周期過程中，能源的利用會間接產(chǎn)生碳排放。能源利用率越高，生豬養(yǎng)殖產(chǎn)生的碳排放越低。

2.模型構(gòu)建

為消除數(shù)據(jù)中可能出現(xiàn)的異方差同時不改變數(shù)據(jù)的特征，本文采用變量的對數(shù)值。生豬養(yǎng)殖碳排放影響因素的計量模型構(gòu)建如下：

lnC=θ0+θ1lnY+θ2（lnY）2+θ3（lnY）3+Yi lnXi+ε；i=1，2…（3）

式（3）中：C表示生豬養(yǎng)殖碳排放量；Y表示農(nóng)村居民人均可支配收入；Xi為解釋變量；θ0為常數(shù)；θ1、θ2、θ3、Yi為估計參數(shù)；ε為隨機(jī)誤差項。

（四）數(shù)據(jù)來源

生豬養(yǎng)殖碳排放量測算與EKC檢驗采用1990―2014年江西省及11個市區(qū)的面板數(shù)據(jù)，數(shù)據(jù)來源于1991―2015年《江西省統(tǒng)計年鑒》。由于2000年以前生豬養(yǎng)殖碳排放影響因素的相關(guān)數(shù)據(jù)缺失且較難獲取，因此，生豬養(yǎng)殖碳排放影響因素研究采用2000年之后的數(shù)據(jù)進(jìn)行分析，數(shù)據(jù)來源于2001―2015年《中國統(tǒng)計年鑒》和《江西統(tǒng)計年鑒》。

三、實證結(jié)果與分析

（一）生豬養(yǎng)殖碳排放的EKC檢驗及拐點(diǎn)分析

采用固定效應(yīng)模型對生豬養(yǎng)殖碳排放的EKC進(jìn)行計量模型估計，結(jié)果如表1所示。

■

由表1可知，θ10，且θ3

第一，當(dāng)農(nóng)村居民人均可支配收入低于2454元時，該時期為1990―2003年，生豬養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展水平呈反向變化關(guān)系，即經(jīng)濟(jì)發(fā)展水平保持增長的態(tài)勢，而生豬養(yǎng)殖碳排放呈下降趨勢。這一階段生豬養(yǎng)殖業(yè)多為農(nóng)戶散養(yǎng)經(jīng)營，生豬養(yǎng)殖總量相對較少，有足夠的土地吸納生豬養(yǎng)殖廢棄物，能夠有效實現(xiàn)“廢棄物―有機(jī)肥―種植業(yè)”的種養(yǎng)結(jié)合，廢棄物環(huán)境友好型處理率較高。且該時間段生豬養(yǎng)殖業(yè)的發(fā)展更多依賴于勞動力的投入，物資資本、能源等的投入未急劇增加，因此生豬養(yǎng)殖碳排放呈現(xiàn)下降態(tài)勢。

第二，當(dāng)農(nóng)村居民人均可支配收入介于2454元至10864元之間時，該時期為2004―2014年，生豬養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展之間呈現(xiàn)同步上升的趨勢，即隨著農(nóng)村居民人均可支配收入的增加，生豬養(yǎng)殖碳排放也在增加。該階段隨著人口規(guī)模壯大和人們生活水平提高，豬肉市場需求增加使得生豬養(yǎng)殖總量不斷攀升，生豬養(yǎng)殖模式由傳統(tǒng)散養(yǎng)模式向小、中、大規(guī)?；B(yǎng)殖模式轉(zhuǎn)變。隨著生豬養(yǎng)殖業(yè)專業(yè)化、規(guī)?；潭热找嫣岣?，但養(yǎng)殖戶經(jīng)濟(jì)基礎(chǔ)比較薄弱，且生豬養(yǎng)殖業(yè)在一般情況下屬于微利產(chǎn)業(yè)，污染治理投資與運(yùn)行費(fèi)用相對較高，多數(shù)養(yǎng)殖戶在資金需求上難以承受。因此，相當(dāng)一部分生豬養(yǎng)殖場缺乏必要的糞污處理設(shè)施，大量未經(jīng)處理的禽糞污隨意排入河流、稻田、荷塘等，使得大量生豬糞污及廢棄物不能實現(xiàn)資源化、循環(huán)化綜合利用，環(huán)境污染日益嚴(yán)重。農(nóng)牧脫節(jié)，使得“廢棄物―有機(jī)肥―種植業(yè)”的種養(yǎng)結(jié)合模式難以實現(xiàn)。同時，政府對沼氣的推廣尚在起步階段，“廢棄物―沼氣―有機(jī)肥”的資源化循環(huán)經(jīng)濟(jì)模式效果不顯著。而且，隨著勞動力對生豬養(yǎng)殖產(chǎn)出的貢獻(xiàn)力逐漸減弱，生豬養(yǎng)殖產(chǎn)業(yè)的發(fā)展更多依賴于物資資本及能源的投入增加。因此，該階段生豬養(yǎng)殖碳排放和經(jīng)濟(jì)發(fā)展水平處于同步上升的態(tài)勢。

第三，當(dāng)農(nóng)村居民可支配收入大于10864元時，隨著經(jīng)濟(jì)的進(jìn)一步發(fā)展，生豬養(yǎng)殖碳排放將逐漸降低。這一階段，人民生活水平逐漸提高、環(huán)保意識逐漸增強(qiáng)、對環(huán)境質(zhì)量需求也不斷提高。政府對生豬清潔生產(chǎn)更加重視，對生豬低碳養(yǎng)殖技術(shù)和清潔生產(chǎn)技術(shù)的補(bǔ)貼力度加大，如沼氣池建設(shè)、干清糞工藝、尿糞固液分離工藝推廣等。同時，政府采取一定的激勵或者強(qiáng)制措施，促進(jìn)生豬糞便還田，減少生豬糞便向環(huán)境排放。實施生豬養(yǎng)殖業(yè)廢棄物綜合利用工程。大力發(fā)展養(yǎng)殖業(yè)循環(huán)經(jīng)濟(jì)，建立以沼氣為紐帶形成“豬―沼―菜”“豬―沼―果”“豬―沼―林”“豬―沼―魚”多功能生態(tài)養(yǎng)殖和循環(huán)經(jīng)濟(jì)模式。減量化、資源化、再循環(huán)模式成效的顯現(xiàn)，使得該階段生豬養(yǎng)殖碳排放會隨著經(jīng)濟(jì)發(fā)展水平的提高而降低。

（二）生豬養(yǎng)殖碳排放EKC拐點(diǎn)的時空特征分析

1.空間分布特征

2014年江西省農(nóng)村居民人均可支配收入為9997.0元，還處于臨界值（10864元）左端，意味著當(dāng)前江西省生豬養(yǎng)殖碳排放隨著經(jīng)濟(jì)發(fā)展仍然呈現(xiàn)上升的趨勢。將江西省十一個設(shè)區(qū)市2014年農(nóng)村居民人均可支配收入與臨界值（10864元）進(jìn)行對比分析后發(fā)現(xiàn)：南昌市（12266.8元）、景德鎮(zhèn)市（11410.1元）、萍鄉(xiāng)市（12617.6元）、新余市（12678.9元）和鷹潭市（11215.4元）五個市的農(nóng)村居民人均可支配收入已經(jīng)超過其臨界值，生豬養(yǎng)殖碳排放將隨著經(jīng)濟(jì)發(fā)展水平的提高逐漸降低?？赡艿脑蚴牵?014年景德鎮(zhèn)市、萍鄉(xiāng)市、新余市和鷹潭市生豬養(yǎng)殖量分別為25萬頭、66萬頭、40萬頭和58萬頭，遠(yuǎn)小于江西省129萬頭的生豬平均養(yǎng)殖量。這四個設(shè)區(qū)市生豬養(yǎng)殖量較小，可以較好地實現(xiàn)“廢棄物―有機(jī)肥―種植業(yè)”的種養(yǎng)結(jié)合，以及政府對生態(tài)環(huán)境保護(hù)的重視和養(yǎng)殖技術(shù)的推廣，如“廢棄物―沼氣―有機(jī)肥”循環(huán)經(jīng)濟(jì)模式等，廢棄物的資源化利用使得這四個區(qū)域生豬養(yǎng)殖碳排放經(jīng)過高拐點(diǎn)值進(jìn)入了下降階段。南昌市是江西省的省會城市與經(jīng)濟(jì)發(fā)展中心，政府對生豬養(yǎng)殖造成的環(huán)境污染更加重視，且南昌市生豬養(yǎng)殖專業(yè)化、規(guī)?；潭容^高，中、大規(guī)模養(yǎng)殖場較多，得到的補(bǔ)貼更高；較好地實現(xiàn)了“廢棄物―沼氣―有機(jī)肥”多功能生態(tài)養(yǎng)殖和循環(huán)經(jīng)濟(jì)模式，使得南昌市生豬碳排放從高拐點(diǎn)值開始逐步降低。其余六個設(shè)區(qū)市生豬養(yǎng)殖碳排放還未到達(dá)高拐點(diǎn)值，即隨著經(jīng)濟(jì)發(fā)展水平的提高生豬養(yǎng)殖碳排放仍然呈現(xiàn)上升的趨勢。那么，這六個設(shè)區(qū)市的生豬養(yǎng)殖碳排放何時才能到達(dá)高拐點(diǎn)值？接下來本文將對各市到達(dá)高拐點(diǎn)值的時間路徑進(jìn)行分析。

2.時間路徑特征

根據(jù)到2020年全面實現(xiàn)小康社會的目標(biāo)以及各市2010―2014年間農(nóng)村居民人均可支配收入的平均增速，首先預(yù)測出各市農(nóng)村居民人均可支配收入，并且將其作為預(yù)估時間的年均增速；然后，計算出各市到達(dá)高拐點(diǎn)值所需要的時間；最后，確定到達(dá)的具體年份。根據(jù)計算方法，得出的結(jié)果如表2所示。

從表2可知，在2015年到達(dá)EKC高拐點(diǎn)值的市包括九江市、宜春市、撫州市，在2016年到達(dá)EKC高拐點(diǎn)值的市包括吉安市和上饒市，贛州市將在2018年到達(dá)EKC高拐點(diǎn)值。不同市到達(dá)EKC高拐點(diǎn)值的時間不同，可能由于各市生豬養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展水平的差異造成的。九江市、宜春市、撫州市、吉安市和上饒市生豬養(yǎng)殖業(yè)占有重要地位，2014年這五市生豬養(yǎng)殖量分別達(dá)到了95萬頭、284萬頭、124萬頭、175萬頭和127萬頭，分別占江西省生豬養(yǎng)殖總量的6.66%、19.99%、8.73%、12.30%和8.92%。這五市生豬養(yǎng)殖量大，碳排放總量更高，使得生豬養(yǎng)殖碳排放量更高。生豬養(yǎng)殖業(yè)蓬勃發(fā)展，使得農(nóng)村居民人均可支配收入更高，到達(dá)曲線高拐點(diǎn)值的時間相對較短。贛州市位于贛南地區(qū)，面積相對廣闊，主要還是以包括生豬養(yǎng)殖業(yè)在內(nèi)的農(nóng)業(yè)發(fā)展為主，經(jīng)濟(jì)發(fā)展相對較慢，農(nóng)村居民人均可支配收入較低，到達(dá)曲線高拐點(diǎn)值的時間相對較長。

（三）生豬養(yǎng)殖碳排放影響因素分析

運(yùn)用stata10.0統(tǒng)計軟件進(jìn)行生豬養(yǎng)殖碳排放影響因素回歸分析，結(jié)果如表3所示：采用固定效應(yīng)模型處理數(shù)據(jù)，模型R2為0.9985，且F值為265.6139，說明模型整體擬合優(yōu)度較好。在控制其他變量不變的情況下，經(jīng)濟(jì)發(fā)展水平的系數(shù)滿足θ10，且θ3

表3結(jié)果顯示，豬肉消費(fèi)總量（X1）的系數(shù)為0.1378，且通過了10%的顯著性檢驗，說明豬肉消費(fèi)總量對江西省生豬養(yǎng)殖碳排放具有正影響作用，與預(yù)期一致。這表明，隨著豬肉消費(fèi)總量的上升，在其他條件不變的情況下，生豬養(yǎng)殖碳排放呈上升趨勢。

對外貿(mào)易程度（X2）的系數(shù)為0.0963，且通過了5%的顯著性檢驗，說明對外貿(mào)易程度對江西省生豬養(yǎng)殖碳排放具有正影響作用，與預(yù)期一致。這表明，隨著對外貿(mào)易程度的提高，在其他條件不變的情況下，生豬養(yǎng)殖碳排放呈上升趨勢?？赡艿脑蚴牵喊l(fā)達(dá)國家的生豬從我國進(jìn)口，使得碳排放環(huán)節(jié)發(fā)生在我國，出現(xiàn)了“碳轉(zhuǎn)移排放”現(xiàn)象，這與林百強(qiáng)和蔣竺均研究相符①。

公路密度（X3）的系數(shù)為0.0880，且通過了10%的顯著性檢驗，說明公路密度對江西省生豬養(yǎng)殖碳排放具有正影響作用，與預(yù)期并不一致?？赡艿脑蚴牵弘S著公里密度的提升，交通條件更為便利，生豬規(guī)模飼養(yǎng)數(shù)量將會增多，生豬養(yǎng)殖碳排放量增加。

農(nóng)村勞動力價格（X4）的系數(shù)為-0.5527，且通過了1%的顯著性檢驗，說明農(nóng)村勞動力價格對江西省生豬養(yǎng)殖碳排放具有負(fù)影響作用，與預(yù)期一致。這表明，在其他條件不變的情況下，在城市收入越高，養(yǎng)殖戶生豬養(yǎng)殖的機(jī)會成本就會越高?；谌藗儗?jīng)濟(jì)效益的抉擇，城市務(wù)工收入越高，從事生豬養(yǎng)殖人員就會相對越少。這與鄧力群的研究類似，養(yǎng)殖機(jī)會成本對養(yǎng)殖戶飼養(yǎng)行為產(chǎn)生負(fù)影響，即農(nóng)村勞動力價格將會抑制生豬養(yǎng)殖碳排放的增長①。

產(chǎn)業(yè)結(jié)構(gòu)（X5）的系數(shù)為0.8767，且通過了1%的顯著性檢驗，說明產(chǎn)業(yè)結(jié)構(gòu)對江西省生豬養(yǎng)殖碳排放具有正影響作用，與預(yù)期一致。這說明，在其他條件不變的情況下，產(chǎn)業(yè)結(jié)構(gòu)的提升會使得生豬養(yǎng)殖碳排放呈上升趨勢。這與杜江和劉渝的研究結(jié)果相符②。

政府環(huán)保管制（X6）的系數(shù)為-0.1549，且通過了1%的顯著性檢驗，說明政府環(huán)保管制對江西省生豬養(yǎng)殖碳排放具有負(fù)影響作用，與預(yù)期一致。張學(xué)剛和王玉婧認(rèn)為，政府對環(huán)境的管制等對環(huán)境質(zhì)量改善有重要影響③，在其他條件不變的情況下，政府對環(huán)境保護(hù)越重視，對生豬低碳養(yǎng)殖重視會越高，使得生豬養(yǎng)殖碳排放下降顯著。

能源利用效率（X7）的系數(shù)為-6.6554，且通過了1%的顯著性檢驗，說明能源利用效率對江西省生豬養(yǎng)殖碳排放具有負(fù)影響作用，與預(yù)期一致。趙愛文和李東研究發(fā)現(xiàn)，能源利用效率的不斷提高，顯著影響能源使用強(qiáng)度①。在生豬整個生命周期過程中，能源利用效率的提升，使得能源使用強(qiáng)度顯著下降，使得生豬養(yǎng)殖碳排放減少。

四、結(jié)論與政策建議

本文基于1990―2014年江西省及十一個設(shè)區(qū)市的面板數(shù)據(jù)，運(yùn)用生命周期評價方法（LCA）測算出江西省及各市生豬養(yǎng)殖碳排放總量，利用EKC模型檢驗了江西省及各市生豬養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展水平之間的EKC關(guān)系，并對各市的碳排放拐點(diǎn)變動及時空特征進(jìn)行了實證研究，最后對江西省生豬養(yǎng)殖碳排放的主要影響因素進(jìn)行分析。得出以下結(jié)論：

第一，從長期發(fā)展來看，江西省生豬養(yǎng)殖碳排放與經(jīng)濟(jì)發(fā)展之間存在“倒N型”的EKC關(guān)系，且存在臨界值分別為2454元和10864元的雙拐點(diǎn)。研究表明，當(dāng)經(jīng)濟(jì)發(fā)展水平低于2454元時，生豬養(yǎng)殖碳排放處于下降的態(tài)勢；當(dāng)經(jīng)濟(jì)發(fā)展水平超過2454元而低于10864元時，生豬養(yǎng)殖碳排放由低拐點(diǎn)值隨著經(jīng)濟(jì)發(fā)展呈現(xiàn)同步上升態(tài)勢；當(dāng)經(jīng)濟(jì)發(fā)展水平超過10864元時，生豬養(yǎng)殖碳排放由高拐點(diǎn)值向下呈現(xiàn)逐步下降趨勢。

第二，從空間分布來看，2014年江西省農(nóng)村居民人均可支配收入為9997.0元，還處于臨界值（10864元）左端，意味著當(dāng)年江西省生豬養(yǎng)殖碳排放隨著經(jīng)濟(jì)發(fā)展仍然呈現(xiàn)上升的趨勢。江西省有五個市生豬養(yǎng)殖碳排放超過了高拐點(diǎn)值，其中包括南昌市、景德鎮(zhèn)市、萍鄉(xiāng)市、新余市和鷹潭市；其余六個市當(dāng)前生豬養(yǎng)殖碳排放還仍未到達(dá)高拐點(diǎn)值，即隨著經(jīng)濟(jì)發(fā)展生豬養(yǎng)殖碳排放仍然呈現(xiàn)上升的趨勢。

第三，從時間路徑來看，在未來三年內(nèi)，有三個設(shè)區(qū)市將到達(dá)EKC高拐點(diǎn)。九江市、撫州市和宜春市已在2015年到達(dá)EKC高拐點(diǎn)；吉安市和上饒市將在2016年到達(dá)EKC高拐點(diǎn)；贛州市將在2018年到達(dá)EKC高拐點(diǎn)。

篇3

Abstract： Taking Yunnan province as an example， this article studies the influencing factors of carbon emissions from population， urbanization rate， total GDP， per capita GDP， secondary industry share of GDP， energy consumption per unit of GDP， the proportion of coal consumption based on STIRPAT model. An equation model is constructed. Finally the relationship and influencing degree of the factors are analyzed.

關(guān)鍵詞： 碳排放；STIRPAT模型；人均GDP；能源結(jié)構(gòu)

Key words： carbon emission；STIRPAT model；per capita GDP；energy structure

中圖分類號：F206 文獻(xiàn)標(biāo)識碼：A 文章編號：1006-4311（2013）32-0182-02

作者簡介：黃宜（1981-），女，湖南澧縣人，昆明理工大學(xué)管理與經(jīng)濟(jì)學(xué)院在讀博士生，研究方向為戰(zhàn)略管理。

0 引言

隨著經(jīng)濟(jì)的發(fā)展，我國的工業(yè)化進(jìn)程不斷地加快，如何有效地減少和降低由于工業(yè)化進(jìn)程的推進(jìn)帶來的碳排放是我國必須要承擔(dān)的責(zé)任，也是面臨的重大挑戰(zhàn)。為了很好地踐行節(jié)能減排，為實現(xiàn)低碳經(jīng)濟(jì)提供有價值的參考，需對碳排放的影響因素進(jìn)行分析。本文以云南省為例進(jìn)行研究。

1 云南省碳排放影響因素研究

1.1 模型研究 Ehrilich和Holden（1971）[1]提出了針對一個國家環(huán)境污染問題的IPAT模型，模型的表達(dá)式為I=P·A·T，其中I表示一國環(huán)境污染情況；P代表一國人口水平；A代表一國富裕程度；T代表一國技術(shù)水平。此模型將環(huán)境影響與各驅(qū)動因素之間的關(guān)系簡單地處理為同比例的線性關(guān)系，不能很好地反映出驅(qū)動因素變化時對環(huán)境影響的變化程度。鑒于此，York和Dietz，Rosa等（1994）[2]在IPAT 模型基礎(chǔ)上進(jìn)行擴(kuò)展，提出了隨機(jī)回歸影響模型（STIRPAT模型）；其表達(dá)式為I=aP■A■T■e。其中e為模型誤差。STIRPAT模型能夠克服IPAT的“各因素同比例影響碳排放”假設(shè)的不足，是對上述模型的修正和擴(kuò)展。因此本文選取STIRPAT模型對碳排放影響因素進(jìn)行分析。

1.2 因素選取 在以往研究的基礎(chǔ)上并結(jié)合云南省的實際情況，本文從STIRPAT模型的人口、富裕、技術(shù)水平3個方面出發(fā)擴(kuò)展到人口指標(biāo)、財富指標(biāo)、結(jié)構(gòu)化指標(biāo)、技術(shù)性指標(biāo)和能源結(jié)構(gòu)這5個方面，并選取人口、城市化率、GDP總額、人均GDP、第二產(chǎn)業(yè)占GDP的比重、單位GDP能耗、煤炭消費(fèi)比重共7個因素分別代表這5個方面來進(jìn)行分析研究[3]。

1.3 影響因素分析 從STIRPAT模型的三個方面擴(kuò)展到人口、城市化率、GDP總額、人均GDP、第二產(chǎn)業(yè)占GDP的比重、單位GDP能耗、煤炭消費(fèi)比重共7個因素考慮對碳排放的影響。拓展后的STIRPAT模型表達(dá)式[4]為：

C■=aP■■U■■A■■I■■T■■E■■D■■ （1）

其中Ci，Pi，Ui，Ai，Ii，Ti，Ei，Di分別表示第i年的碳排放量、人口數(shù)、城市化率、GDP總額、人均GDP、第二產(chǎn)業(yè)占GDP的比重、單位GDP能耗、煤炭消費(fèi)比重；其中b1，b2，b3，b4，b5，b6，b7均為模型參數(shù)。

由于STIRPAT模型是非線性的，為了方便使用相關(guān)軟件對其進(jìn)行回歸分析，對該模型兩邊取對數(shù)，使其線性化：lnC=lna+b1lnP+b2lnU+b3lnA+b4lnI+b5lnT+b6lnE+b7lnD （2）

作為碳排放備選驅(qū)動因子，首先對其取對數(shù)，然后將數(shù)據(jù)輸入SPSS16.0軟件作偏相關(guān)分析。（此處所選取的數(shù)據(jù)年份為1978-2010年，數(shù)據(jù)來源于《云南統(tǒng)計年鑒2011》[5]和《云南能源統(tǒng)計年鑒2011》[6]）得到人口、GDP總額、人均GDP、第二產(chǎn)業(yè)比重的相關(guān)系數(shù)分別為0.968、0.983、0.985、0.894，與碳排放量具有高度正相關(guān)性；單位GDP能耗、煤炭消費(fèi)比例的系數(shù)分別為-0.822、-0.665，與碳排放量具有較高的負(fù)相關(guān)性；城市化率的系數(shù)為0.511，具有較低的相關(guān)性，故刪除。選擇人口、GDP總額、人均GDP、第二產(chǎn)業(yè)比重、單位GDP能耗、煤炭消費(fèi)比重6個因子作為碳排放的影響因子進(jìn)行分析。

為了考慮各個變量之間是否存在明顯的多重共線關(guān)系，對6個影響因素進(jìn)行VIF檢驗，得到GDP總額為已排除的變量，剩下的因素人口、人均GDP、第二產(chǎn)業(yè)比重、單位GDP能耗、煤炭消費(fèi)比例的VIF值分別為126.569、106.428、7.299、10.146、2.682，其中人口、人均GDP、單位GDP能耗的VIF值大于10，因此說明此回歸方程存在嚴(yán)重的多重共線性。在保持自變量個數(shù)不變的前提下解決回歸方程存在多重共線性的方法有偏最小二乘法、主成分回歸法和嶺回歸法。此處選取嶺回歸方法來對原始數(shù)據(jù)擬合回歸。

由于在spss中沒有可視對話框進(jìn)行嶺回歸的分析，需要編寫相應(yīng)的程序，打開文件—新建—語法，在彈出的對話框中輸入以下語法命令：

INCLUDE'C：＼Program Files （x86）＼SPSSInc＼PASWStatist-

ics18＼Samples＼English＼ridge regression.sps'.

RIDGEREG enter=x1，x4，x5，x6，x7（x1代表人口，x4代表人均GDP，x5代表第二產(chǎn)業(yè)比重，x6代表單位GDP能耗，x7代表煤炭消費(fèi)比重）

/dep=y （y代表碳排放量）

/inc=0.05.

運(yùn)行得到當(dāng)K值為0.4時，嶺跡圖開始變得平穩(wěn)，同時可絕系數(shù)處在緩慢下降中。而當(dāng)K=0.4時，X1，X4，X5，X6，X7的系數(shù)分別為0.283715，0.322386，0.190369，-0.061796，-0.027519。則匹配模型的方程為：

Y*=0.283715X■■+0.322386X■■+0.190369X■■-0.061796X■■-0.027519X■■

相應(yīng)的決定系數(shù)為0.92142，雖然沒有原方程的0.957高，但是方程中的5個變量的系數(shù)前三個為正，后兩個為負(fù)數(shù)，符合專業(yè)知識。也就是說嶺回歸通過丟棄少量的信息，換來了方程系數(shù)的合理估計。

2 結(jié)果分析

從系數(shù)來看，人均GDP對二氧化碳排放的影響最大，其彈性系數(shù)為0.32，即人均GDP水平每增加1%，使得二氧化碳排放總量增長0.32%，由于人均GDP的增長使得人們的生活消費(fèi)水平也不斷改善和提高，消費(fèi)相應(yīng)的高耗能和高排放產(chǎn)品數(shù)量也會明顯增加，對碳排放會造成一定的影響。

人口水平彈性系數(shù)達(dá)到了0.28，即人口每增加1%，可以使二氧化碳排放總量增加0.28%。這一結(jié)果較為符合，在云南近30年來的發(fā)展過程，由于氣候條件等先天的優(yōu)勢，吸引了全國各地人民，人口數(shù)量的高速增長，人們的各種活動都會消耗能源并產(chǎn)生二氧化碳，其結(jié)果必然造成二氧化碳總量的“剛性”增加。

第二產(chǎn)業(yè)比重其彈性系數(shù)為0.19，即第二產(chǎn)業(yè)比重每增加1%，則二氧化碳排放量增加0.19%。主要是以工業(yè)為主的第二產(chǎn)業(yè)消耗的能源會造成大量二氧化碳的排放，隨著產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整，第三產(chǎn)業(yè)的比重越來越大，其對能源的需求和消費(fèi)已取代了第二產(chǎn)業(yè)對于能源消費(fèi)的需求，因此第二產(chǎn)業(yè)的高耗能排放不再那么顯著，取而代之的是第三產(chǎn)業(yè)碳排放逐漸增加。

單位GDP能耗其彈性系數(shù)為-0.06，與二氧化碳排放呈負(fù)相關(guān)關(guān)系，表示能源強(qiáng)度降低1%，二氧化碳排放增加0.06%，深入分析原因，1978年至2010年期間云南經(jīng)濟(jì)發(fā)展迅速，能源消費(fèi)增長8.14倍，但GDP增長22.15倍，單位GDP能耗下降0.92倍。能源強(qiáng)度雖然下降了，但是能源消費(fèi)不斷增加，導(dǎo)致二氧化碳排放也呈現(xiàn)增加的態(tài)勢，單位GDP能耗對二氧化碳排放總量的減少作用幾乎沒有。

煤炭消費(fèi)比重其彈性系數(shù)為-0.03，即煤炭消費(fèi)比重降低1%，則二氧化碳排放量增長0.03個百分點(diǎn)。1978年到2010年的33年間，二氧化碳排放量增長6.65倍，雖然煤炭消費(fèi)比重下降1.38倍，但是石油比重增長2.1倍，由煤炭消費(fèi)減少帶來的二氧化碳排放被石油消費(fèi)增加所帶來的二氧化碳排放抵消，因此煤炭消費(fèi)比重的下降對二氧化碳排放量的減少幾乎為0，因此大力發(fā)展清潔能源，使用清潔能源才是發(fā)展的硬道理。

3 結(jié)論

本文從人口、GDP總額、城市化率、人均GDP、第二產(chǎn)業(yè)占GDP的比重、單位GDP能耗、煤炭消費(fèi)比重共7個因素出發(fā)，利用STIRPAT模型對影響碳排放的因素進(jìn)行了分析。構(gòu)建了影響因素的方程模型，得到了各影響因素的影響因子，為更好地實現(xiàn)低碳經(jīng)濟(jì)考核目標(biāo)提出有價值的參考提供了依據(jù)。

參考文獻(xiàn)：

[1]Ehrlich P R，Holden J P. Impact of population growth[J]. Sci- ence，1971，171：1212 -1217.

[2]Dietz T， Rosa E A. Rethinking the Environmental Impacts of Population， Affluence， and Technology[J].Human Ecology Review 1，277-300，1994.

[3]秦昌才，劉樹林.碳排放影響因素研究的現(xiàn)狀、比較與啟示[J].經(jīng)濟(jì)與管理評論，2012（3）：29-33.

[4]宋杰鯤.基于STIRPAT和偏最小二乘回歸的碳排放預(yù)測模型[J].統(tǒng)計與決策，2011（24）：19-22.

篇4

>> 天津市工業(yè)能源消費(fèi)碳排放量核算及影響因素分解 物流業(yè)能源消耗碳排放量分析及低碳化策略 重慶市碳排放量測度及影響因素分析:1998~2008 山東省經(jīng)濟(jì)增長、能源消費(fèi)和碳排放量關(guān)系實證分析 京津冀地區(qū)碳排放量因素分析 河北省城市交通碳排放量及影響因素研究 重慶市碳排放量影響因素實證分析 北京市碳排放量影響因素分析（2002～2011） 我國碳排放量與能源消費(fèi)和經(jīng)濟(jì)增長的動態(tài)關(guān)系分析 經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)、能源效率對吉林省碳排放量的影響效應(yīng)分析 能源價格與中國碳排放量的調(diào)節(jié) 中國碳排放量現(xiàn)狀及低碳發(fā)展的對策建議 對外貿(mào)易對碳排放量的影響及其驅(qū)動因素 工業(yè)行業(yè)能源消費(fèi)碳排放影響因素分析 中國人口結(jié)構(gòu)對碳排放量影響研究 2排放量及其影響因素分析'> 投入產(chǎn)出法測算CO2排放量及其影響因素分析 河南省能源消費(fèi)碳排放量演變及其與經(jīng)濟(jì)增長關(guān)系的研究 中國能源消費(fèi)的碳排放及其影響因素分析 中國環(huán)境規(guī)制、技術(shù)創(chuàng)新與碳排放量關(guān)系的動態(tài)分析 我國工業(yè)煙塵排放量變化主要影響因素分析 常見問題解答 當(dāng)前所在位置：.

[15]中華人民共和國國家統(tǒng)計局.中國能源統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社，2010. [National Bureau of Statistics of China. China Energy Statistical Yearbook[M].Beijing： China Statisties Press，2010.]

[16]Shrestha R M， Timilsina G R. Factors Affecting CO2 Intensities of Power Sector in Asia： A Divisia Decomposition Analysis[J].Energy Economics，1996，18（4）：283-293.

[17]Lu I J， Lin S J， Lewis C. Decomposition and Decoupling Effects of Carbon Dioxide Emission from Highway Transportation in Taiwan， Germany， Japan and South Korea[J].Energy Policy，2007，35（6）：3226-3235.

[18]Chang Y F， Lin S J. Structural Decomposition of Industrial CO2 Emission in Taiwan： An Inputoutput Approach[J].Energy Policy，1998，26（1）：5-12.

[19]Ang B W， Zhang F Q， Choi K H. Factorizing Changes in Energy and Environ Indicators through Decomposition[J]. Energy， 1998，23（6）： 489-495.

[20]Ang B W. The LMDI Approach to Decomposition Analysis： A Practical Guide[J]. Energy Policy， 2005，33（7）： 867-871.

[21]江小涓.服務(wù)業(yè)增長：真實含義、多重影響和發(fā)展趨勢[J].經(jīng)濟(jì)研究，2011，（4）：4-14，79.[Jiang Xiaojuan. Growth of Service Industries： True Meaning， Multiple Influences and Trend[J]. Economic Research Journal， 2011，（4）：4-14，79.]

[22]Nobuko Y. An Analysis of CO2 Emissions of Japanese Industries during the Period between 1985 and 1995[J]. Energy Policy， 2004， 32： 595-610.

[23]岳婷，龍如銀.基于LMDI的江蘇省能源消費(fèi)總量增長效應(yīng)分析[J].資源科學(xué)， 2010，32（7）：1266-1271.[Yue Ting， Long Ruyin. Analysis of Factors Affecting the Energy Intensity Growth in Jiangsu Province Based on LMDI[J].Resources Science， 2010，32（7）：1266-1271.]

[24]王媛，魏本勇，方修琦，等.基于LMDI方法的中國國際貿(mào)易隱含碳分解[J].中國人口?資源與環(huán)境，2011，21（2）：141-146.[Wang Yuan， Wei Benyong， Fang Xiuqi， et al. Using LMDI Method in Decomposition Analysis of Carbon Emissions Embodied in China’s International Trade[J].China Population， Resources and Environment， 2011，21 （2）： 141-146.]

篇5

【關(guān)鍵詞】低碳經(jīng)濟(jì)；因素分解；固定效應(yīng)模型

一、引言

中國改革開放30年來，隨著經(jīng)濟(jì)的快速發(fā)展，尤其是化石能源消費(fèi)的快速增長，中國的碳排放增速一直居世界前列。我國要實現(xiàn)可持續(xù)發(fā)展，完成哥本哈根氣候大會上的承諾――2020年中國單位國內(nèi)生產(chǎn)總值碳排放比2005年下降40%或50%，就必須積極尋求節(jié)能減排的途徑。而尋求節(jié)能減排的前提，是準(zhǔn)確的分析和計量促使碳排放增加的影響因素，因此，深入分析碳排放相關(guān)因素尤為重要。

二、研究綜述

目前，國內(nèi)外對于碳排放影響因素實證研究較多，常用的方法有結(jié)構(gòu)分解分析（SDA）與指數(shù)分解分析（IDA）。

國內(nèi)對于碳排放因素分解的研究大部分都采用了IDA方法。筆者從行業(yè)、地區(qū)、和宏觀經(jīng)濟(jì)方面對國內(nèi)碳排放影響因素文獻(xiàn)進(jìn)行綜述。

王偉林、黃賢金（2008）以江蘇省為例，從橫向和縱向兩個方面分析影響碳排放強(qiáng)度變化的因素，表明江蘇省碳排放強(qiáng)度變動由行業(yè)碳排放強(qiáng)度和行業(yè)產(chǎn)出份額共同作用，其中，行業(yè)碳排放強(qiáng)度影響更大。查冬蘭，周德群（2007）利用絕對差異法、相對差異法和基尼系數(shù)對我國28個省區(qū)1995―2005年間利用能源效率的差異性進(jìn)行了比較，結(jié)果顯示，各地區(qū)能源利用效率存在趨同現(xiàn)象。徐國泉、劉則淵、姜照華（2006）采用對數(shù)平均權(quán)重Divisia分解法（LMDI），建立中國人均碳排放的因素分解模型，結(jié)果顯示經(jīng)濟(jì)發(fā)展對拉動中國人均碳排放的貢獻(xiàn)率呈指數(shù)增長。

綜上所述，我國對于碳排放影響因素研究沒有采用面板數(shù)據(jù)對碳排放影響因素進(jìn)行全面分析，具有一定的局限性。本文通過選取中國29個省的碳排放、經(jīng)濟(jì)發(fā)展、能源使用等數(shù)據(jù)，建立固定效應(yīng)模型，實證分析了中國二氧化碳排放量與經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)和能源利用效率的函數(shù)關(guān)系，得出結(jié)論并做了相應(yīng)分析。

三、模型建立

建立回歸模型之前，我們選取了中國29個省的面板數(shù)據(jù)，一般認(rèn)為，在相對而言在不是大樣本的情況下初步選擇固定效應(yīng)模型是較為合適的。

本文假設(shè)碳排放量與其影響因素間的關(guān)系符合三次多項式簡化模型，模型表達(dá)式如下：

模型（1）-（2）中，Cit代表第i個省在第t年的碳排放量；Xit Yit Zit分別代表表人均GDP、能源效率和產(chǎn)業(yè)結(jié)構(gòu)；ai為特定的截面效應(yīng)，ai=a0+（i=1，2，…29；t=1，2，…，12），a0為總體均值截距項，為個體對總體均值偏離的個體截距項，而且有，即所有個體截距項偏離值和為0。

為隨機(jī)誤差項。表示各次解釋變量的待估系數(shù)。

四、數(shù)據(jù)選取

本文選取了1996-2007年12年間全國29個省的能源、經(jīng)濟(jì)、人口面板數(shù)據(jù)。我們以人均GDP作為度量經(jīng)濟(jì)發(fā)展水平的指標(biāo)，第二產(chǎn)業(yè)創(chuàng)造的GDP占總GDP的比重作為衡量產(chǎn)業(yè)結(jié)構(gòu)的指標(biāo)，以單位GDP能耗作為衡量能源利用效率的指標(biāo)。其中，人均GDP的數(shù)據(jù)取1996年的價格水平為基準(zhǔn)計算得出，碳排放量是以各省各時期能源消費(fèi)量為依據(jù)折算得出，折算公式為：

（i＝19；j＝1，2，3）（3）

其中Ejit為i省第t年第j種能源消費(fèi)量；為第j種能源的碳排放系數(shù)，石油0.5825t(c)/t，煤炭0.7476t(c)/t，天然氣0.4435t(c)/t，天然氣密度取0.7174Kg/。

五、實證分析

1.碳排放量與經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)、能源使用效率的協(xié)整分析

為了檢驗中國碳排放量與能源使用效率、經(jīng)濟(jì)增長、產(chǎn)業(yè)結(jié)構(gòu)之間是否有長期關(guān)系，我們先對模型（1）做OLS回歸，保留方程的殘差面板數(shù)據(jù)。然后，再對該殘差值進(jìn)行單位根檢驗。經(jīng)檢驗如果無單位根，則我們可以斷定碳排放量與能源使用效率、產(chǎn)業(yè)結(jié)構(gòu)存在協(xié)整關(guān)系。

2.實證結(jié)果

經(jīng)過豪斯曼檢驗，我們可確認(rèn)與Xit相關(guān)，故應(yīng)用固定效應(yīng)模型。并且采用截面加權(quán)以消除截面異方差。

回歸結(jié)果表明，擬合優(yōu)度指標(biāo)與F統(tǒng)計量結(jié)果均令人滿意，說明模型具有一定的解釋力。

（1）碳排放量與人均GDP模型

C=+493.769+0.242*X-5.38e-6*(X)^2+4.335e-11*(X)^3+[AR(1)=0.8264837222]

a*為不同截面?zhèn)€體對總體均值偏離的個體截距項。

人均GDP和碳排放量可以表示為“N”型關(guān)系，但與典型的先上升再下降的“N”型不同，此曲線并不存在極大值和極小值，而是單調(diào)遞增的。我們看到當(dāng)省人均GDP達(dá)到41368元時，曲線來到拐點(diǎn)。以2008年的數(shù)據(jù)來看，全國只有上海、北京和天津的人均GDP超過了41368元，其余各省均位于此點(diǎn)的左側(cè)。顯然我們的實證結(jié)果顯示中國并沒有經(jīng)歷碳排放量隨著經(jīng)濟(jì)發(fā)展而遞減的階段。

（2）碳排放與產(chǎn)業(yè)結(jié)構(gòu)的關(guān)系模型

Log（C）=+10.572-0.173*Y+0.004*(Y)^2+[AR(1)=0.9350648985]

碳排放量和第二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重的回歸曲線為“U”型，存在一個對碳排放量來說最優(yōu)的產(chǎn)業(yè)結(jié)構(gòu)，當(dāng)?shù)诙a(chǎn)業(yè)產(chǎn)值占總產(chǎn)值的比重位于22%左右時，這種產(chǎn)業(yè)結(jié)構(gòu)對于碳排放，或者擴(kuò)展來講對于環(huán)境的壓力是最小的。從1997年至2008年，各地區(qū)之間的數(shù)值雖有差別但第二產(chǎn)業(yè)產(chǎn)值占GDP的比重都不斷下降，國內(nèi)有些省市已經(jīng)逐漸接近了最優(yōu)產(chǎn)業(yè)結(jié)構(gòu)臨界點(diǎn)，比如海南省和北京市。

六、結(jié)論

通過分析我們得出以下的結(jié)論：

1.最近十余年內(nèi)中國各省的碳排放量逐年上升，并且碳排放量與人均GDP、第二產(chǎn)業(yè)產(chǎn)值占總產(chǎn)值比重和單位GDP能耗有協(xié)整關(guān)系。

2.碳排放量與人均GDP呈正向關(guān)系，碳排放量由緩慢上升轉(zhuǎn)為急劇上升的拐點(diǎn)出現(xiàn)在人均GDP達(dá)到41368元之后。中國并沒有經(jīng)歷庫茲涅茨經(jīng)驗曲線假設(shè)的倒U型拐點(diǎn)。

3.碳排放量與第二產(chǎn)業(yè)比重呈U型關(guān)系，第二產(chǎn)業(yè)產(chǎn)值比重為21.6%時，碳排放量取最小值。中國各省第二產(chǎn)業(yè)產(chǎn)值占GDP比重逐年下降，平均值為46%，遠(yuǎn)大于22%的最小環(huán)境壓力值。

4.實證結(jié)果表明我國碳排放量增長趨勢存在兩方面的力量。首先，產(chǎn)業(yè)結(jié)構(gòu)不斷優(yōu)化，表現(xiàn)在第二產(chǎn)業(yè)產(chǎn)值占GDP比重逐年下降有利于碳排放量的控制。然而另一方面，人均GDP增長和單位GDP能耗的降低對碳排放量增加起到正面作用，它們是我國進(jìn)一步控制碳排放的阻力。在GDP或者人均GDP增長成為政府主要政策目標(biāo)的當(dāng)代，如果想控制經(jīng)濟(jì)發(fā)展對環(huán)境的壓力，我們只有通過改變產(chǎn)業(yè)結(jié)構(gòu)，認(rèn)識到產(chǎn)業(yè)技術(shù)發(fā)展對環(huán)境資源影響的加速器作用，才能在保證經(jīng)濟(jì)平穩(wěn)發(fā)展的前提下實現(xiàn)減排目標(biāo)。

參考文獻(xiàn)

[1]岳瑞峰,朱永杰.1990―2007年中國能源碳排放的省域聚類分析[J].技術(shù)經(jīng)濟(jì),2009(3).

[2]鄒秀萍,陳劭鋒,寧淼,劉揚(yáng).中國省級區(qū)域碳排放影響因素的實證分析[J].生態(tài)經(jīng)濟(jì),2009(3).

篇6

關(guān)鍵詞:京津冀一體化;低碳經(jīng)濟(jì);指標(biāo)體系;綜合評價法;實證研究

中圖分類號:F327 文獻(xiàn)標(biāo)志碼:A 文章編號:1002－1302(2015)10－0561－04

當(dāng)前京津冀地區(qū)一體化發(fā)展已經(jīng)上升為國家戰(zhàn)略，三地的環(huán)境污染壓力日益增長，而且到了難以承受和不可持續(xù)的程度，因此加強(qiáng)生態(tài)環(huán)境保護(hù)和治理刻不容緩。由于在地理上毗鄰，京津冀的生態(tài)環(huán)境唇齒相依，在環(huán)保領(lǐng)域的跨地區(qū)合作成為解決問題的必然選擇。近年來加劇的“霧霾一體化”，使得京津冀地區(qū)在聯(lián)防聯(lián)治的治霾行動中聯(lián)系日益緊密，同時也在推動京津冀一體化發(fā)展的進(jìn)程。雖然京津冀聯(lián)動防治大氣污染已經(jīng)成為共識，但是實現(xiàn)這一協(xié)同并非易事。就目前實際情況看，三地環(huán)保標(biāo)準(zhǔn)難統(tǒng)一、地方經(jīng)濟(jì)上短期難得利，都成為實現(xiàn)協(xié)同發(fā)展的絆腳石。本研究提出，京津冀一體化需要以發(fā)展綠色“低碳經(jīng)濟(jì)”為導(dǎo)向，并在同一框架下構(gòu)建低碳經(jīng)濟(jì)發(fā)展水平評價指標(biāo)體系并加以實證研究，旨在找出京津冀地區(qū)低碳經(jīng)濟(jì)發(fā)展的趨勢和未來發(fā)展的路徑。

1京津冀地區(qū)碳排放的現(xiàn)狀和影響

發(fā)展低碳經(jīng)濟(jì)就是在經(jīng)濟(jì)條件約束的情況下有效地減少碳排放量。正如環(huán)境庫茲涅茨曲線(倒“U”形曲線)描述的，當(dāng)一個國家經(jīng)濟(jì)發(fā)展水平較低的時候，環(huán)境污染的程度與人均收入呈反向變化關(guān)系;當(dāng)經(jīng)濟(jì)發(fā)展達(dá)到一定水平后，到達(dá)某個臨界點(diǎn)或稱“拐點(diǎn)”以后，環(huán)境質(zhì)量和經(jīng)濟(jì)水平可以出現(xiàn)“雙贏”的局面。京津冀地區(qū)是繼“珠三角”和“長三角”之后中國重要的經(jīng)濟(jì)增長引擎，經(jīng)濟(jì)發(fā)展活力凸顯，在低碳經(jīng)濟(jì)發(fā)展方面積累了一定的優(yōu)勢。本研究通過測算京津冀地區(qū)2005—2012年的碳排放總量，了解其低碳發(fā)展現(xiàn)狀，以期進(jìn)一步分析京津冀地區(qū)碳排放與經(jīng)濟(jì)發(fā)展之間的關(guān)系。

1．1測算京津冀地區(qū)碳排放總量

用于計算碳排放總量的Kaya公式包含的影響因素有:人口總量、人均GDP、能源消費(fèi)強(qiáng)度、碳排放強(qiáng)度，即碳排放量=人口×人均GDP×單位GDP的能源消耗量×單位能源消耗量的碳排放量。出于數(shù)據(jù)的搜集和計算的簡便性，上述公式可以簡化變形轉(zhuǎn)換為:式中:C為碳排放總量;ci為第i種能源的碳排放量;Ei為第i種能源的消費(fèi)量(單位折算為標(biāo)準(zhǔn)煤);δi為第i類能源的碳排放系數(shù)。影響我國碳排放量的主要能源是煤炭、原油和天然氣，因此在計算過程中我們采用這3類能源的數(shù)據(jù);碳排放系數(shù)采用各能源消耗的碳排放系數(shù)(美國能源信息署、IPCC指南、國家發(fā)改委能源研究所等)的平均值，即煤炭0．7329、石油0．5574、天然氣0．4226。對于京津冀地區(qū)碳排放量的測算采用的碳排放關(guān)系式是:C=0．7329×E煤炭+0．5574×E原油=0．4226×E天然氣。根據(jù)《中國能源統(tǒng)計年鑒2013》整理出2005—2012年的北京、天津和河北3個地區(qū)的能源消費(fèi)數(shù)據(jù)，進(jìn)一步測算得出京津冀地區(qū)的碳排放量，詳見表1。

1．2京津冀地區(qū)碳排放總量與經(jīng)濟(jì)增長影響分析

明確了京津冀地區(qū)碳排放量的現(xiàn)狀，下面以京津冀地區(qū)2005—2012年的碳排放量和地區(qū)人均GDP為數(shù)據(jù)基礎(chǔ)研究京津冀地區(qū)碳排放總量與經(jīng)濟(jì)增長之間的關(guān)系。由圖1可知，京津冀地區(qū)碳排放總量與經(jīng)濟(jì)增長之間的關(guān)系仍處于倒“U”形曲線緩慢上升階段，即隨著人均收入的增加，碳排放量由低到高，環(huán)境污染趨于嚴(yán)重。由此可見，京津冀地區(qū)經(jīng)濟(jì)的高速發(fā)展仍然是以犧牲環(huán)境為代價的;為了實現(xiàn)區(qū)域經(jīng)濟(jì)的可持續(xù)發(fā)展，有效地降低碳排放量至關(guān)重要。為此，京津冀地區(qū)應(yīng)該在環(huán)境污染治理方面加強(qiáng)合作，以發(fā)展綠色低碳經(jīng)濟(jì)為導(dǎo)向，促進(jìn)區(qū)域內(nèi)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級，從而從根本上解決環(huán)境問題。

2京津冀地區(qū)低碳經(jīng)濟(jì)發(fā)展水平的影響因素分析

低碳經(jīng)濟(jì)的定義是指在碳排放約束條件下，通過產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整和能源效率的提高等手段提高碳減排能力、減少碳排放壓力，進(jìn)而促進(jìn)產(chǎn)出效率提高的一種長期可持續(xù)發(fā)展的經(jīng)濟(jì)形態(tài)。結(jié)合京津冀地區(qū)低碳經(jīng)濟(jì)發(fā)展現(xiàn)狀，本研究將影響低碳經(jīng)濟(jì)發(fā)展的因素分為直接影響因素、間接影響因素兩大類。直接因素指可以直接影響某地區(qū)碳排放總量的因素，進(jìn)而從宏觀總量方面影響低碳經(jīng)濟(jì)發(fā)展水平;間接因素主要是指間接影響低碳經(jīng)濟(jì)發(fā)展水平的技術(shù)影響因素。

2．1直接影響因素

直接影響因素包括經(jīng)濟(jì)發(fā)展水平、碳排放水平，可以直接衡量一個地區(qū)的低碳經(jīng)濟(jì)發(fā)展水平。(1)經(jīng)濟(jì)發(fā)展水平包括GDP總量、GDP增長率、居民消費(fèi)能力和第三產(chǎn)業(yè)所占比重。低碳經(jīng)濟(jì)發(fā)展水平不僅僅強(qiáng)調(diào)碳減排能力，也注重經(jīng)濟(jì)能力的提高，即生產(chǎn)率的提高。一般用GDP衡量國家或地區(qū)經(jīng)濟(jì)發(fā)展綜合水平，GDP增長率=(本年度末的GDP總值－上一年度末的GDP總值)/上一年度末的GDP總值，可以反映區(qū)域經(jīng)濟(jì)發(fā)展速度。居民消費(fèi)能力由城鎮(zhèn)居民人均可支配收入和城鎮(zhèn)居民的實際收入中能用于安排日常生活的收入組成，常用來衡量城市居民的收入水平和生活水平;農(nóng)村居民家庭純收入，是對區(qū)域農(nóng)村居民收入平均水平的直接反映。居民可支配收入越高，表明經(jīng)濟(jì)效益越高。各地區(qū)第三產(chǎn)業(yè)比重越高，表明經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化程度越高，越具有強(qiáng)有力的低碳經(jīng)濟(jì)競爭力優(yōu)勢。(2)碳排放水平包含能源消耗總量、碳排放總量、單位GDP能耗、人均碳排放量、碳排放強(qiáng)度。碳排放總量是指一個地區(qū)在一定時期內(nèi)所產(chǎn)生的碳排放的總和。根據(jù)Kaya公式原理，碳排放總量的影響因素諸多，主要包括人口數(shù)量、能源強(qiáng)度、能源結(jié)構(gòu)以及各類能源碳排放強(qiáng)度。碳排放強(qiáng)度是碳排放指標(biāo)的最主要影響指標(biāo)，碳排放強(qiáng)度=二氧化碳排放量/GDP。一個地區(qū)的二氧化碳排放量增長速度高于GDP的增長速度，則表示該地區(qū)的低碳經(jīng)濟(jì)發(fā)展水平較低;該指標(biāo)值越大，說明單位產(chǎn)值碳排放量越多。

2．2間接影響因素

間接影響因素主要有碳匯基礎(chǔ)、低碳技術(shù)的發(fā)展對低碳經(jīng)濟(jì)的支持2個方面，兩者通過提高社會經(jīng)濟(jì)發(fā)展水平、降低能源消耗和排放量，進(jìn)而對低碳經(jīng)濟(jì)的發(fā)展起到促進(jìn)作用。(1)碳匯基礎(chǔ)因素包括森林覆蓋率、人均公共綠地面積、城鎮(zhèn)建成區(qū)覆蓋率、自然保護(hù)區(qū)占轄區(qū)面積。碳匯基礎(chǔ)反映了地區(qū)的低碳資源稟賦以及資源利用狀況。森林作為生態(tài)系統(tǒng)中最大的碳存儲庫，在吸收二氧化碳、凈化空氣方面起著重要作用，森林覆蓋率越高，地區(qū)發(fā)展低碳經(jīng)濟(jì)的碳匯基礎(chǔ)越牢固。城鎮(zhèn)建成區(qū)覆蓋率主要是衡量城市建成區(qū)的綠化水平、城市碳匯基礎(chǔ)及居民生活水平的重要指標(biāo)之一，綠化環(huán)境狀況還包括人均公共綠地面積和自然保護(hù)區(qū)所占比例。地區(qū)碳匯基礎(chǔ)越好，越有利于降低碳排放量，從而有利于低碳經(jīng)濟(jì)發(fā)展。(2)碳減排能力。低碳技術(shù)主要包括生活低碳技術(shù)、工業(yè)低碳技術(shù)2個方面。日常生活方面的低碳技術(shù)涉及到生活垃圾無害化處理率、城市污水集中處理率、新型動力汽車相關(guān)技術(shù)投入等方面;工業(yè)低碳技術(shù)水平可以通過工業(yè)固體廢物綜合利用率、低碳技術(shù)研發(fā)經(jīng)費(fèi)投入、環(huán)境污染治理投入等方面來體現(xiàn)［5］。低碳技術(shù)的發(fā)展需要以經(jīng)濟(jì)實力作后盾，只有當(dāng)經(jīng)濟(jì)發(fā)展到一定水平，才有能力支撐低碳技術(shù)的研發(fā)投入和推廣應(yīng)用，從而降低碳排放量，低碳經(jīng)濟(jì)水平才會隨之提高。

3京津冀地區(qū)低碳評價指標(biāo)體系的構(gòu)建及實證分析

3．1篩選評價指標(biāo)

基于上述低碳經(jīng)濟(jì)發(fā)展水平影響因素分析，擬構(gòu)建1套科學(xué)、客觀、能夠全面準(zhǔn)確反映京津冀地區(qū)低碳經(jīng)濟(jì)發(fā)展水平和高低的指標(biāo)體系。本指標(biāo)體系分為3個層次，由一級指標(biāo)、二級指標(biāo)和三級指標(biāo)組成。一級指標(biāo)為低碳經(jīng)濟(jì)發(fā)展水平;二級指標(biāo)由經(jīng)濟(jì)環(huán)境、碳匯基礎(chǔ)、碳減排能力、碳排放水平4個子系統(tǒng)構(gòu)成;三級指標(biāo)由二級指標(biāo)的影響因素或評價指標(biāo)組成，三級指標(biāo)最終構(gòu)成評價低碳經(jīng)濟(jì)發(fā)展水平的終極指標(biāo)。具體的指標(biāo)體系框架見表2。

3．2確定評價指標(biāo)權(quán)重

在遴選出低碳經(jīng)濟(jì)評價指標(biāo)的基礎(chǔ)上，需要對各指標(biāo)賦予不同權(quán)重，而科學(xué)合理的權(quán)重是正確評價低碳經(jīng)濟(jì)發(fā)展水平的前提條件。本研究采用的變異系數(shù)法(coefficientofvariationmethod)是對所選取的各項指標(biāo)中的內(nèi)容加以計算從而得到指標(biāo)的權(quán)重，是一種客觀賦權(quán)的方法［1］。本方法的基本原理是:在構(gòu)建的評價指標(biāo)體系中，指標(biāo)取值差異越大，就意味著該指標(biāo)越難以實現(xiàn)，也就表示該指標(biāo)更能反映出被評價的個體之間的差距［2］。由于評價指標(biāo)體系中各項指標(biāo)的量綱不同，不宜直接比較其差別程度。本研究為了消除各項評價指標(biāo)的量綱不同的影響，需要用各項指標(biāo)的變異系數(shù)來衡量各項指標(biāo)取值的差異程度。其他指標(biāo)的權(quán)重都以此類推。最后，京津冀地區(qū)低碳經(jīng)濟(jì)發(fā)展水平的各項指標(biāo)的權(quán)重均可用變異系數(shù)法計算得出，結(jié)果見表3。

3．3指標(biāo)數(shù)據(jù)的標(biāo)準(zhǔn)化

由于各指標(biāo)的產(chǎn)生方法不同，量綱不同，并且有正向、負(fù)向指標(biāo)之分，直接運(yùn)算就會使評價指標(biāo)體系不合理，為了使其具有可比性，必須對其進(jìn)行標(biāo)準(zhǔn)化處理。從評價的角度看，通常將評價指標(biāo)劃分為3類:第一類指標(biāo)值越大越好，這類指標(biāo)就是正向作用型指標(biāo);第二類指標(biāo)值越小越好，這類指標(biāo)就是負(fù)向作用型指標(biāo);第三類指標(biāo)則是為中位作用型指標(biāo)［3－4］。為了便于指標(biāo)數(shù)據(jù)的比較分析，研究中通常對指標(biāo)進(jìn)行無量綱化處理，目的是讓經(jīng)過轉(zhuǎn)換后的指標(biāo)數(shù)據(jù)有統(tǒng)一量綱。標(biāo)準(zhǔn)化處理后的指標(biāo)越大，表明指標(biāo)對該區(qū)域低碳化水平影響越大。

3．4低碳經(jīng)濟(jì)發(fā)展水平綜合評價

本研究采用線性加權(quán)法計算低碳經(jīng)濟(jì)發(fā)展水平綜合評價得分，即用13個指標(biāo)的標(biāo)準(zhǔn)化數(shù)值(借助SPSS軟件算出)分別乘以各自的權(quán)重然后加總，得出總的低碳發(fā)展水平綜合評價指數(shù)。經(jīng)過計算，京津冀地區(qū)各年度低碳經(jīng)濟(jì)發(fā)展水平綜合評價指數(shù)如表4所示。根據(jù)指標(biāo)體系評價結(jié)果可知，2005—2012年期間，京津冀地區(qū)低碳經(jīng)濟(jì)發(fā)展整體上呈波動上升趨勢，水平明顯提高，分別從0．0860、－0．1949、－3580提高到0．7458、0．5847、0．7859，特別是天津市、北京市、河北省分別于2010年、2008年、2009年突破0值，低碳經(jīng)濟(jì)發(fā)展水平取得了較大的成績。但同時也可以看出，3個地區(qū)低碳經(jīng)濟(jì)的發(fā)展過程存在較大差異，但最終趨于統(tǒng)一，也為京津冀一體化治理提供了數(shù)據(jù)支持。

4京津冀地區(qū)一體化發(fā)展低碳經(jīng)濟(jì)的對策建議

通過對實證數(shù)據(jù)以及各指標(biāo)對總評價指標(biāo)的影響權(quán)重的詳細(xì)分析可以得出，京津冀地區(qū)要進(jìn)一步提高低碳經(jīng)濟(jì)發(fā)展水平，還需要在下列環(huán)節(jié)加大建設(shè)力度。(1)加快調(diào)整工業(yè)內(nèi)部結(jié)構(gòu)。尤其是鋼鐵、化工、建材等行業(yè)成為京津冀地區(qū)節(jié)能減排的重點(diǎn)，河北省和天津市也是該領(lǐng)域碳減排的主要對象。要堅決淘汰京津冀地區(qū)高耗能行業(yè)和升級改造中的落后產(chǎn)能，要有效化解過剩產(chǎn)能，盡快疏解不符合北京市首都功能要求的產(chǎn)能，與此同時津冀兩地應(yīng)做好積極承接工作［5］。(2)大力發(fā)展低碳產(chǎn)業(yè)［6－8］，特別是包括旅游業(yè)、金融業(yè)等在內(nèi)的第三產(chǎn)業(yè)。第三產(chǎn)業(yè)占GDP的比重對評價地區(qū)低碳經(jīng)濟(jì)的發(fā)展具有重要意義，大力發(fā)展低碳產(chǎn)業(yè)、推動傳統(tǒng)產(chǎn)業(yè)升級、加快現(xiàn)代服務(wù)業(yè)的發(fā)展將是提高低碳經(jīng)濟(jì)發(fā)展水平的必要途徑。京津冀地區(qū)的產(chǎn)業(yè)布局應(yīng)該是:北京市以發(fā)展第三產(chǎn)業(yè)為主，而天津市、河北省的經(jīng)濟(jì)發(fā)展以第二產(chǎn)業(yè)為主。此外，北京市應(yīng)進(jìn)一步扶持符合首都功能要求的第三產(chǎn)業(yè)的發(fā)展;天津市、河北省應(yīng)加大對第三產(chǎn)業(yè)的支持力度，尤其是新能源服務(wù)業(yè)、養(yǎng)老產(chǎn)業(yè)、互聯(lián)網(wǎng)信息服務(wù)業(yè)、綠色信貸業(yè)等新興服務(wù)業(yè)，進(jìn)一步降低行業(yè)準(zhǔn)入門檻，鼓勵民營資本進(jìn)入等。(3)京津冀低碳化發(fā)展統(tǒng)一規(guī)劃。在京津冀協(xié)同發(fā)展的背景下，要想實現(xiàn)京津冀地區(qū)低碳發(fā)展一體化進(jìn)程，保證跨行政區(qū)合作協(xié)議的有效實施，京津冀地區(qū)應(yīng)該在高層次的經(jīng)濟(jì)和環(huán)境合作方面建立高層次的常設(shè)機(jī)構(gòu)，建立京津冀地區(qū)定期政府會晤機(jī)制，制定統(tǒng)一協(xié)調(diào)的政策。對于三地的低碳經(jīng)濟(jì)發(fā)展，各省(市)政府應(yīng)該在充分利用和整合各自資源、發(fā)揮自身優(yōu)勢的基礎(chǔ)上，建立低碳產(chǎn)業(yè)集群，對三地的區(qū)域整體規(guī)劃要銜接一致，建立統(tǒng)一、有效的交流平臺。由三地共同出資建立節(jié)能減排技術(shù)和研發(fā)中心，并將研發(fā)成果應(yīng)用到整個區(qū)域，從而有力地推廣節(jié)能減排技術(shù)和低碳消費(fèi)觀念。

參考文獻(xiàn):

［1］呂學(xué)都，王艷萍，黃超，等．低碳經(jīng)濟(jì)指標(biāo)體系的評價方法研究［J］．中國人口•資源與環(huán)境，2013，23(7):27－33．

［2］孔凱．農(nóng)業(yè)干旱災(zāi)害風(fēng)險管理研究［D］．泰安:山東農(nóng)業(yè)大學(xué)，2012．

［3］楊洪艷．河北省低碳經(jīng)濟(jì)評價指標(biāo)體系及對策研究［D］．保定:河北農(nóng)業(yè)大學(xué)，2012．

［4］王相東．吉林省農(nóng)業(yè)循環(huán)經(jīng)濟(jì)發(fā)展的問題研究［D］．長春:長春理工大學(xué)，2009．

［5］王彥超，許艷玲，蔣春來．京津冀及周邊地區(qū)低碳經(jīng)濟(jì)發(fā)展水平評價［J］．環(huán)境與可持續(xù)發(fā)展，2014，39(3):107－111．

［6］汪翔，陸五一，周力．基于結(jié)構(gòu)方程模型的農(nóng)戶低碳養(yǎng)殖認(rèn)知分析［J］．江蘇農(nóng)業(yè)學(xué)報，2013，29(1):189－194．

［7］蔣艷萍，呂建秋，楊征，等．廣東省發(fā)展低碳農(nóng)業(yè)存在的問題與對策［J］．江蘇農(nóng)業(yè)科學(xué)，2013，41(2):4－6．

篇7

一、引言

20世紀(jì)90年代以來，世界經(jīng)濟(jì)迅猛發(fā)展，能源需求量逐年增加。能源消費(fèi)所導(dǎo)致的二氧化碳排放在人為溫室氣體排放總量中占有絕對優(yōu)勢。碳排放問題正日益受到國際社會的廣泛關(guān)注，對其測算及影響因素問題，國內(nèi)外很多學(xué)者從不同角度、應(yīng)用不同方法進(jìn)行了大量實證研究。國內(nèi)碳排放研究方面，宋德勇等用“兩階段”LMDI方法，從全國層面將一次性能源消費(fèi)產(chǎn)生的二氧化碳排放相關(guān)影響因素分解并進(jìn)行了周期性波動研究［1］。李國志等利用狀態(tài)空間模型構(gòu)造可變參數(shù)數(shù)據(jù)模型，分析了出口貿(mào)易結(jié)構(gòu)對二氧化碳排放的影響［2］。胡初枝等通過經(jīng)驗數(shù)據(jù)對江蘇區(qū)域碳排放進(jìn)行估算，分析了蘇南、蘇中、蘇北三大區(qū)域產(chǎn)業(yè)結(jié)構(gòu)的碳排放效應(yīng)差異［3］。馬軍杰等測算了1990年—2006年我國省域一次能源CO2排放量并對其影響因素進(jìn)行了空間計量經(jīng)濟(jì)分析［4］。姚亮等采用結(jié)構(gòu)分解分析（SDA）方法對影響居民消費(fèi)碳排放量變化的驅(qū)動因素進(jìn)行了分析［5］?？梢姡F(xiàn)有關(guān)于碳排放的研究多以傳統(tǒng)的時間序列數(shù)據(jù)分析為基礎(chǔ)，主要集中在測算碳排放量及其因素分解方面，忽略了截面數(shù)據(jù)包含的空間效應(yīng)。事實上，在多區(qū)域的經(jīng)濟(jì)和環(huán)境系統(tǒng)中，一個區(qū)域由于能源消費(fèi)導(dǎo)致的碳排放行為不僅受該地區(qū)內(nèi)部決定因素的影響，而且越來越多地受到周邊地區(qū)碳排放量的關(guān)聯(lián)作用，區(qū)域之間的能源消費(fèi)及碳排放活動呈現(xiàn)出明顯的空間自相關(guān)性［4］?？梢?，在理論和實證研究中忽略空間鄰近效應(yīng)，勢必會影響傳統(tǒng)OLS模型參數(shù)的無偏估計，導(dǎo)致研究結(jié)論的可靠性受到質(zhì)疑。

為此，本文在考慮空間效應(yīng)的前提下，利用“十一五”規(guī)劃期間的碳排放數(shù)據(jù)，研究中國省域碳排放量的驅(qū)動因素，分析省域碳排放的空間依賴及鄰近省域碳排放量的空間溢出效應(yīng)，從而為國家和各省域制定節(jié)能減排政策提供決策支持依據(jù)。

二、省際碳排放的決定因素及理論假說

現(xiàn)有對碳排放決定因素模型的研究主要有EKC模型和IPAT模型。但是大多研究僅考慮了人口、經(jīng)濟(jì)發(fā)展、能源消費(fèi)強(qiáng)度等因素的影響，忽略了技術(shù)創(chuàng)新和城市化因素的作用。根據(jù)有關(guān)經(jīng)驗研究，本文對IPAT模型進(jìn)行改進(jìn)，重點(diǎn)考慮人口、經(jīng)濟(jì)發(fā)展水平、能源消費(fèi)強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)創(chuàng)新及城市化等六個決定因素，使用空間計量經(jīng)濟(jì)模型研究其對中國省域碳排放量的作用。

1.　人口規(guī)模（POP）。中國作為人口大國，為滿足廣大人民群眾日益提高的生活水平，剛性的能源消費(fèi)需求必然會導(dǎo)致區(qū)域碳排放量的不斷增大。因此，人口是影響碳減排壓力的一個重要變量，本文預(yù)期其與碳排放之間呈正相關(guān)關(guān)系。

2.　經(jīng)濟(jì)發(fā)展水平（PGDP）。在經(jīng)濟(jì)快速發(fā)展的同時，也必然伴隨著相應(yīng)的能源消耗及其碳排放。本文選用人均GDP衡量一個地區(qū)的富裕度和經(jīng)濟(jì)發(fā)展水平，用以檢驗其對碳排放的影響。一般來說，區(qū)域經(jīng)濟(jì)發(fā)展水平越高，能源消費(fèi)量相對越大，由此產(chǎn)生的碳排放量也就相應(yīng)越多，二者之間應(yīng)為正相關(guān)關(guān)系。

3.　能源消費(fèi)強(qiáng)度（ENERGY）。能源消費(fèi)強(qiáng)度定義為生產(chǎn)單位GDP所消耗的能源數(shù)量，能源強(qiáng)度越低，意味著能源利用效率越高。能源利用效率的不斷提高，使得單位GDP所消耗的能源減少，從而減少碳排放量。因此，本文將能源消費(fèi)強(qiáng)度納入影響碳排放的驅(qū)動因素之一，并預(yù)計兩者呈正相關(guān)關(guān)系。

4.　產(chǎn)業(yè)結(jié)構(gòu)（STRU）。經(jīng)濟(jì)增長方式的轉(zhuǎn)變同樣影響著能源消耗和碳排放量的大小。長期以來，中國經(jīng)濟(jì)增長方式粗放，直接影響以煤碳為主的能效的提高，使得碳排放增長的態(tài)勢難以遏制。實現(xiàn)經(jīng)濟(jì)方式由粗放式向集約式的轉(zhuǎn)變是減少碳排放的必然選擇。本文以第二產(chǎn)業(yè)與第三產(chǎn)業(yè)產(chǎn)值之比刻畫產(chǎn)業(yè)結(jié)構(gòu)對碳排放的作用。鑒于我國目前正處于產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型過程中，預(yù)期其對碳排放的作用尚未充分發(fā)揮。

5.　城市化（URB）。近年來，中國城市化過程中的人口遷移對能源消耗和碳排放產(chǎn)生沖擊，大規(guī)模城市基礎(chǔ)設(shè)施和住房建設(shè)所需要的大量水泥與鋼鐵生產(chǎn)，導(dǎo)致高能耗高排放。城市化進(jìn)程也是影響碳排放量的重要因素。本文選用城鎮(zhèn)人口占總?cè)丝诘谋戎睾饬砍鞘谢?］，初步預(yù)期其對碳排放產(chǎn)生正向作用。

6.　技術(shù)創(chuàng)新（RD）。中國每年巨大的能源消耗支撐著經(jīng)濟(jì)的快速增長，而經(jīng)濟(jì)迅速發(fā)展的同時，也帶來了開發(fā)新技術(shù)新工藝的大量投入。但是，對于生產(chǎn)工藝和設(shè)備的引進(jìn)，以及各種研發(fā)活動，到底對地區(qū)企業(yè)的節(jié)能減排產(chǎn)生了何種影響，目前的研究結(jié)果并不確定。本文選用各省域研究與試驗發(fā)展（R&D）經(jīng)費(fèi)內(nèi)部支出來衡量技術(shù)創(chuàng)新對碳排放的影響，其作用還有待檢驗。

三、模型設(shè)定與數(shù)據(jù)來源

（一）模型設(shè)定

基于以上解釋變量，利用柯布—道格拉斯生產(chǎn)函數(shù)形式的雙對數(shù)經(jīng)驗形式，建立如下碳排放影響因素模型：

（1）

其中，i表示30個省級地區(qū)，LnCARBON為被解釋變量各地區(qū)碳排放量；LnPOP表示各地區(qū)人口數(shù)量；LnPGDP表示人均GDP；LnENERGY表示能源消費(fèi)強(qiáng)度；LnSTRU表示第二產(chǎn)業(yè)產(chǎn)值占第三產(chǎn)業(yè)比重；LnURB表示城市化水平，LnRD表示技術(shù)創(chuàng)新。參數(shù)β分別反映了六個解釋變量對被解釋變量碳排放的影響。

假定模型（1）為沒有考慮鄰近地區(qū)空間效應(yīng)的碳排放影響因素模型，可用OLS方法估計。但是，如果地區(qū)碳排放存在著空間自相關(guān)性，則有必要采用納入了空間相關(guān)性效應(yīng)的空間滯后模型、空間誤差模型等空間計量經(jīng)濟(jì)模型。

空間滯后模型（Spatial　Lag　Model，SLM）主要探討地區(qū)碳排放變量是否存在鄰近地區(qū)碳排放溢出效應(yīng)的情況。其模型表達(dá)式為：

（2）

式中，WlnCARBON為空間滯后被解釋變量，反映鄰近地區(qū)的碳排放對區(qū)域碳排放行為的作用大小和程度；ρ為空間滯后回歸系數(shù)；W為n×n階的空間權(quán)值矩陣，w表示W(wǎng)中的元素，一般用空間鄰接矩陣；ε為隨機(jī)誤差項向量。

當(dāng)一些決定地區(qū)間碳排放的因素沒有被考慮到解釋變量中時，則需要采用空間誤差模型（Spatial　Error　Model，SEM）?？臻g誤差模型的形式為：

（3）

式中，ε為隨機(jī)誤差項向量，λ為n×1階的被解釋變量向量的空間誤差系數(shù)，μ為正態(tài)分布的隨機(jī)誤差向量。參數(shù)λ為存在于擾動誤差項之中的空間依賴變量，衡量相 鄰地區(qū)忽略的具有空間依賴性的碳排放被解釋變量的誤差沖擊對地區(qū)碳排放的影響方向和程度。

（二）數(shù)據(jù)來源

實證研究中所用到的空間樣本為除了西藏外（缺少能源數(shù)據(jù)）的中國大陸30個省、自治區(qū)和直轄市（簡稱省域或地區(qū)）。作為我國國民經(jīng)濟(jì)和社會發(fā)展“十一五”規(guī)劃的基數(shù)年份，2005年是中國經(jīng)濟(jì)發(fā)展的一個關(guān)鍵年份，國家致力于通過宏觀調(diào)控促進(jìn)經(jīng)濟(jì)增長方式轉(zhuǎn)變，力圖在結(jié)構(gòu)調(diào)整方面取得實質(zhì)性進(jìn)展。本文重點(diǎn)考察2005年—2010年之間我國各省域碳排放的決定因素，所用數(shù)據(jù)來源于2006年—2011年的《中國統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》、《中國科技統(tǒng)計年鑒》和《中國區(qū)域經(jīng)濟(jì)年鑒》，實證變量數(shù)據(jù)取算術(shù)平均數(shù)，以消除年度波動影響。在碳排放行為研究中的一個基礎(chǔ)工作是測算各種類型能源消耗的碳排放系數(shù)。雖然國內(nèi)外各種能源研究機(jī)構(gòu)和相關(guān)學(xué)者對各類能源消耗的碳排放系數(shù)進(jìn)行了測算研究，但是大家獲得的結(jié)果略有差異。國際機(jī)構(gòu)使用的碳排放系數(shù)據(jù)其所在國情況測算，直接用來計算中國能源消耗碳排放是有問題的。本文綜合考察了國內(nèi)外相關(guān)研究，最終確定采用國家發(fā)展和改革委員會能源研究所在《中國可持續(xù)發(fā)展能源暨碳排放情景分析》中推薦的碳排放系數(shù)：即煤炭的碳排放系數(shù)為0.7476、石油為0.5825、天然氣為0.443。

四、實證估計與結(jié)果分析

為了描述中國30個省級地區(qū)碳排放量的空間分布情況，本文首先采用空間自相關(guān)的Moran’s　I測算各省碳排放量是否存在聚群現(xiàn)象［4］。在做空間相關(guān)分析時，選擇了常用的描述地區(qū)間鄰近關(guān)系的一階、二階和三階rook權(quán)值矩陣進(jìn)行比較分析，最終再確定階數(shù)。表1報告了三類rook權(quán)值矩陣的省際碳排放量空間自相關(guān)性的計算結(jié)果。

表1顯示，基于rook一階空間權(quán)值矩陣W1計算的30個省域碳排放的Moran’s　I為0.2227，在0.19%的水平上顯著，表明中國省域之間的碳排放量在空間分布上并非分散（隨機(jī)）分布，具有明顯的正自相關(guān)關(guān)系（空間依賴性），表現(xiàn)出某些省域碳排放量的相似值之間在空間上趨于集群的現(xiàn)象。同時計算發(fā)現(xiàn)，rook鄰近從低階到高階，全域Moran’s　I值逐階下降，表明地區(qū)間碳排放量的空間相關(guān)性隨著其空間距離的增大而衰減。由此，選擇rook一階空間權(quán)值矩陣符合現(xiàn)實，在研究區(qū)域碳排放問題時有必要考慮空間效應(yīng)，否則得到的結(jié)果可能存在較大偏差。

表1　Moran’s　I檢驗結(jié)果

注：表中W1為rook一階空間權(quán)值矩陣，W2為rook二階空間權(quán)值矩陣，W3為rook三階空間權(quán)值矩陣。

由于全域Moran’s　I有很大的局限性：如果一部分省域的碳排放增長存在正相關(guān)（溢出效應(yīng)），而另一部分省域存在負(fù)相關(guān)（回流效應(yīng)），二者將會抵消，則可能顯示省域間的碳排放不存在空間相關(guān)性。此外，省際碳排放溢出與回流效應(yīng)也未必局限于有共同邊界的相鄰省域間。因此，本文還進(jìn)行了基于W1的空間關(guān)聯(lián)局域指標(biāo)LISA檢驗Moran散點(diǎn)圖（略）分析，結(jié)果表明：位于第I象限的省域有黑龍江、內(nèi)蒙古、遼寧、河北、山西、陜西、江蘇、山東、河南和安徽，表現(xiàn)為高碳排放量的省域被高排放量的省域所包圍（High—High，高—高集聚）；位于第II象限的省域有吉林、北京、天津、寧夏、重慶、江西、福建和廣西，為低碳排放量的省域被高排放量的省域所包圍（Low—High，低—高集聚）；位于第III象限的省域有新疆、甘肅、青海、貴州和云南，為低碳排放量的省域被低排放量的省域所包圍（Low—Low，低—低集聚）；位于第IV象限的有廣東、湖南和四川，為高碳排量的省域被低排放量的省域所包圍（High—Low，高—低集聚）；其中上?？缭搅说贗、Ⅱ象限，海南跨越了第Ⅱ、IV象限，湖北和浙江同時跨越了第IV、I象限。顯見，各省域碳排放量的空間集聚性非常明顯，正向局域相關(guān)和集聚的典型特征非常顯著，存在一個明顯的空間趨同。省域碳排量在地理空間分布上呈非均衡，15個省域（50%）顯示了相似的空間關(guān)聯(lián)，其中10個（33.33%）的省域在第I象限（HH：高碳排放量—高空間滯后），5個（16.67%）的省域在第III象限（LL：低碳排放量—低空間滯后）。另外，對空間不穩(wěn)定性和非典型區(qū)域偏離了全域正向空間自相關(guān)的省域識別結(jié)果顯示：2005年—2010年平均來看，11個省域（36.67%）顯示了非相似值的空間關(guān)聯(lián)，其中8個省域在第Ⅱ象限（LH），3個省域在第IV象限（HL）。這表明各省域的碳排量行為的空間局域依賴性和差異性是同時存在的。

以上空間統(tǒng)計分析結(jié)果證明，中國省域碳排放量存在著較強(qiáng)的空間依賴性，有必要建立空間計量經(jīng)濟(jì)學(xué)模型來分析，將空間效應(yīng)的省域碳排放量納入影響因素。經(jīng)典計量經(jīng)濟(jì)學(xué)模型假設(shè)空間是均質(zhì)的，沒有考慮到空間依賴效應(yīng)，由于空間自相關(guān)性的存在，使得普通最小二乘估計無效，假若忽視空間自相關(guān)性，則可能無法得到穩(wěn)健的回歸結(jié)果。因此，需要建立空間計量經(jīng)濟(jì)學(xué)模型來克服OLS無法解決的空間依賴效應(yīng)。為了與空間計量經(jīng)濟(jì)學(xué)模型的結(jié)果進(jìn)行比對，本文先采用OLS進(jìn)行估計，以顯示空間計量經(jīng)濟(jì)模型估計結(jié)果的效果。

表2中六個解釋變量的地區(qū)碳排放OLS估計結(jié)果顯示，調(diào)整后的R2高達(dá)0.9193，模型的解釋能力很強(qiáng)，F(xiàn)統(tǒng)計量為56.0299，通過了1%的方程顯著性水平檢驗，因此模型的擬合程度很好。DW值為1.9197，表明模型殘差不存在序列相關(guān)問題。變量的t檢驗結(jié)果顯示，LnPOP、LnENERGY、LnPGDP均至少可通過0.28%顯著性水平的檢驗，而LnSTRU、LnURB和LnRD均沒有通過10%的顯著性水平檢驗，表明這三個變量的作用不明顯。進(jìn)一步對解釋變量的多重共線性檢驗發(fā)現(xiàn)，LnPGDP和LnUrban的方差膨脹因子（VIF）分別為12.9358和12.9453，大于10的臨界值，表明這兩個變量存在較高的共線性，不能同時進(jìn)入回歸模型，lnRD的VIF為9.7701，也存在一定程度的共線性。逐步回歸分析獲得的表2中三個解釋變量的回歸結(jié)果表明，當(dāng)剔除不顯著的LnSTRU、LnURB和LnRD三個變量后，VIF檢驗發(fā)現(xiàn)模型不存在共線性，而且三個解釋變量的t統(tǒng)計量均至少能通過小于0.01%的變量顯著性檢驗，因此三解釋變量省域碳排放模型是更為可取的模型。

實際上，空間統(tǒng)計的Moran指數(shù)檢驗已經(jīng)證明了我國30個省域的碳排放具有明顯的空間自相關(guān)性，經(jīng)典線性回歸模型的OLS估計可 能存在忽略空間效應(yīng)的模型設(shè)定不當(dāng)問題。為了進(jìn)一步驗證空間自相關(guān)性的存在，本文進(jìn)行了省域碳排放的空間滯后和空間誤差模型檢驗，結(jié)果如表3所示。

表3中的六個解釋變量和三個解釋變量模型Moran指數(shù)檢驗、兩個拉格朗日乘數(shù)的空間依賴性檢驗結(jié)果顯示：Moran指數(shù)（誤差）檢驗證明經(jīng)典回歸OLS估計誤差在4.98%和1.35%的顯著性水平下具有顯著的的空間依賴性（相關(guān)性）；區(qū)分內(nèi)生空間滯后還是空間誤差自相關(guān)的拉格朗日乘子滯后、誤差及其穩(wěn)健性檢驗表明：LMLAG和R-LMLAG分別在2.92%和3.78%、2.08%和2.37%的水平上較顯著，而LMERR和R-LMERR則均不顯著，顯見空間滯后模型SLM應(yīng)是更加恰當(dāng)?shù)哪Ｐ托问健?/p>

最后，比較表2中的檢驗結(jié)果發(fā)現(xiàn)，空間滯后模型（SLM）中擬合優(yōu)度的值（94.16%）、對數(shù)似然值LOGL（8.1831）都大于空間誤差模型（SEM）和經(jīng)典回歸估計模型（OLS）的估計值，而SLM的AIC值（-0.3662）、SC值（10.8434）則均小于SEM和OLS的估計值。綜合以上檢驗結(jié)果，SLM為最優(yōu)模型。因此，本文以下的分析以SLM結(jié)果為主。表2中的三個解釋變量省域碳排放模型的拉格朗日乘子誤差和滯后及其穩(wěn)健性檢驗顯示，引入空間效應(yīng)的模型較之OLS模型均有明顯改善，SLM較之SEM是更為可取的模型形式，更好地反映了省域碳排放行為。

表2的空間計量分析結(jié)果顯示，SLM的空間滯后估計參數(shù)ρ通過了1.22%和2.03%的顯著性水平檢驗，表明省際碳排放存在空間集聚（回流）效應(yīng)，即臨近地區(qū)的碳排放量每增加1%，本地區(qū)碳排放量減少0.0782%和0.0618%；SEM的空間誤差估計參數(shù)λ為0.4854和0.5250，通過了1.11%和0.40%的顯著性水平檢驗，表明省際碳排放存在較強(qiáng)的空間依賴作用，忽略掉的一些因素如資源配置、勞動者素質(zhì)、管理水平和市場化程度等也可能通過誤差項對該地區(qū)碳排放產(chǎn)生著一定的作用。

最后，三解釋變量模型估計結(jié)果顯示：能源消費(fèi)強(qiáng)度對省域碳排放的回歸系數(shù)最大，為1.4433，表明在不考慮其他因素的情況下，地區(qū)能源消費(fèi)強(qiáng)度每增加1%，碳排放總量平均增加1.4433%；其次是人均GDP的回歸系數(shù)為1.1591，人均GDP每增加1%，碳排放量平均增加1.1591%；人口增長的回歸系數(shù)為1.1088，人口每增加1%，碳排放量平均增加1.1088%；這三個決定因素的作用與理論預(yù)期一致。而城市化、產(chǎn)業(yè)結(jié)構(gòu)及技術(shù)創(chuàng)新的回歸系數(shù)均不顯著，原因主要是：我國東中西部處于不同城市化發(fā)展階段，“十一五”規(guī)劃的宏觀調(diào)控目標(biāo)及經(jīng)濟(jì)增長方式轉(zhuǎn)變對地區(qū)碳排放的作用還不夠明顯，各個地區(qū)的企業(yè)在生產(chǎn)和工藝環(huán)節(jié)方面還有待采用更為有效的節(jié)能減排技術(shù)，需要繼續(xù)增強(qiáng)技術(shù)創(chuàng)新對消減地區(qū)碳排放的作用。

五、結(jié)論與啟示

本文構(gòu)建了省域碳排放量決定因素實證模型，對碳排放決定因素及其空間溢出效應(yīng)進(jìn)行了空間計量分析，得到如下主要結(jié)論及啟示。

1.　中國30個省域相鄰地區(qū)的碳排放行為普遍存在著正相關(guān)性，省域之間的碳排放行為存在空間集聚（回流）效應(yīng)，制定省域碳排放政策時需要考慮碳排放行為的空間效應(yīng)。

2.　能源消費(fèi)強(qiáng)度是影響碳排放的最主要驅(qū)動因素。碳排放的實質(zhì)是能源消耗，驅(qū)動中國經(jīng)濟(jì)增長的能源消費(fèi)主要以煤炭為主。長期以來，低下的能源利用效率使得單位GDP的碳排放量較高。從長遠(yuǎn)利益考慮，中央及各級地方政府應(yīng)在技術(shù)資金政策上鼓勵新能源開發(fā)，實現(xiàn)節(jié)能減排，各省域要增加清潔能源如水能、風(fēng)能、核能等的使用，各企業(yè)單位要提高能效、降低碳排放。

3.　人均GDP和人口規(guī)模的影響僅次于能源消費(fèi)強(qiáng)度。雖然“十一五”期間的宏觀調(diào)控與促進(jìn)經(jīng)濟(jì)增長方式轉(zhuǎn)變?nèi)〉昧艘恍┏煽?，但效果比較有限。提高經(jīng)濟(jì)增長質(zhì)量和經(jīng)濟(jì)效益勢在必行。同時，鑒于各省域人口總量增長慣性仍在持續(xù)，在繼續(xù)嚴(yán)格執(zhí)行計劃生育政策的同時，提倡和鼓勵居民理性消費(fèi)、綠色消費(fèi)，逐步促進(jìn)城鎮(zhèn)和農(nóng)村居民消費(fèi)向“綠色低碳”模式轉(zhuǎn)變，構(gòu)建資源節(jié)約型和環(huán)境友好型社會。

4.　產(chǎn)業(yè)結(jié)構(gòu)對碳排放的影響不顯著。1995年以來，我國大多數(shù)省域的產(chǎn)業(yè)結(jié)構(gòu)變動并不大，第二產(chǎn)業(yè)比重基本上保持了小幅上升趨勢，有些省域甚至出現(xiàn)了較大幅度下降（如北京、上海、云南）。優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，促進(jìn)綠色產(chǎn)業(yè)發(fā)展是當(dāng)下各省域?qū)崿F(xiàn)產(chǎn)業(yè)升級的關(guān)鍵。各地方政府要淘汰高能耗、高污染的落后產(chǎn)業(yè)，大力發(fā)展高新技術(shù)產(chǎn)業(yè)和現(xiàn)代服務(wù)業(yè)，尤其是高產(chǎn)出低能耗的產(chǎn)業(yè)，如信息產(chǎn)業(yè)、生態(tài)旅游、新能源開發(fā)等，不斷提高第三產(chǎn)業(yè)在國民經(jīng)濟(jì)中的比重，以降低能源消耗和碳排放量。

5.　城市化對碳排放的影響不顯著。城市化既可能提升環(huán)境效率，也可能對環(huán)境產(chǎn)生負(fù)面影響。由于東部地區(qū)城市化水平較高，提升了第三產(chǎn)業(yè)、優(yōu)化了產(chǎn)業(yè)結(jié)構(gòu)，同時不完全競爭條件下的規(guī)模收益遞增、人口和經(jīng)濟(jì)要素的集聚以及相應(yīng)的知識、技術(shù)溢出，提高了整個東部地區(qū)的能源利用效率，減少了碳排放；中部地區(qū)還處于初級城市化階段，建設(shè)項目主要集中在生活基礎(chǔ)設(shè)施以及工業(yè)化基礎(chǔ)設(shè)施方面，經(jīng)濟(jì)發(fā)展水平及能源利用效率相對較低，因而其城市化的提升反而帶來了碳排放的增加；西部地區(qū)城市化進(jìn)程緩慢，對碳排放的影響并不顯著，導(dǎo)致全國省域城市化水平平均效應(yīng)對碳排放的影響不顯著。

6.　技術(shù)創(chuàng)新的作用不顯著。由于技術(shù)創(chuàng)新雖然改善了能源效率而節(jié)約了能源，但技術(shù)創(chuàng)新同樣促進(jìn)了經(jīng)濟(jì)的快速發(fā)展，這又將導(dǎo)致對能源需求的增加，出現(xiàn)效率提高所節(jié)約的能源被因經(jīng)濟(jì)快速增長帶來的額外能源消耗（部分地）抵消，即能源的回彈效應(yīng)，最終導(dǎo)致各省域的研發(fā)投資對減少其碳排放數(shù)量的作用沒有顯現(xiàn)出來。為此，各省域的工業(yè)企業(yè)應(yīng)該進(jìn)一步加大清潔能源的研發(fā)資金投入，中央政府和各級地方政府要出臺鼓勵節(jié)能技術(shù)研發(fā)和推廣的支持政策，重點(diǎn)提高節(jié)能減排投資的效率。

參考文獻(xiàn)：

［1］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（3）：18-24.

［2］李國志，王群偉.中國出口貿(mào)易結(jié)構(gòu)對二氧化碳排放的動態(tài)影響——基于變參數(shù)模型的實證分析［J］.國際貿(mào)易問題，2011（1）：82-89.

［3］胡初枝，黃賢金.區(qū)域產(chǎn)業(yè)結(jié)構(gòu)變化的碳排放效應(yīng)研究——以江蘇省為例［C］.//中國地理學(xué)會2007年學(xué)術(shù)年會論文摘要集，2007：34-39.

［4］馬 軍杰，陳震，尤建新.省域一次能源CO2排放的空間計量經(jīng)濟(jì)分析［J］.技術(shù)經(jīng)濟(jì)，2010（12）：62-67.

［5］姚亮，劉晶茹，王如松.中國城鄉(xiāng)居民消費(fèi)隱含的碳排放對比分析［J］.中國人口·資源與環(huán)境，2011（4）：25-29.

［6］林伯強(qiáng)，劉希穎.中國城市化階段的碳排放：影響因素和減排策略［J］.經(jīng)濟(jì)研究，2010（8）：66-78.

篇8

摘要：本文結(jié)合建筑全壽命周期理論、選擇應(yīng)用碳排放量化方法來研究典型城市住宅碳排放問題，給出了住宅建筑全壽命周期碳排放計算模型，分析影響其各階段碳排放的因素，以此提出城市住宅建筑節(jié)能減排的措施和改進(jìn)對策的建議。

關(guān)鍵詞：全壽命周期；碳排放；影響因素；改進(jìn)對策

1.引言

全球氣候變化是人類迄今為止所面臨的最為嚴(yán)重的環(huán)境問題，2013年政府氣候變化專門委員會（IPCC）的氣候變化第五次評估報告得出，人類活動是20世紀(jì)中期以來全球變暖的主要原因。而全球氣溫升高造成大范圍積雪、冰融化和海平面上升。溫室氣體則是引起全球變暖的最主要原因，溫室氣體包括CO2、CH4、N2O等氣體，其中CO2對全球溫室效益貢獻(xiàn)率最大。而建筑業(yè)是一個需要大量資源和能源消耗的產(chǎn)業(yè)。據(jù)統(tǒng)計，中國能耗總量的27.5%是來自建筑業(yè)。隨著經(jīng)濟(jì)社會的飛躍發(fā)展與城鎮(zhèn)化速度的推進(jìn)，城市人口的快速增加，城市化面積不斷增大。為滿足日益增長的城市人口需求，建筑總量不斷增加，尤其是城市住宅建筑。因此，住宅建筑的節(jié)能減排對緩解全球能源危機(jī)和控制氣候變暖意義重大。

2.城市住宅建筑全壽命周期碳排放計算模型

2.1各階段碳排放來源

本文將本文將城市住宅建筑全壽命周期劃分為建造施工階段、使用維護(hù)階段、拆除回收階段三個階段。在建造施工階段中建筑材料的生產(chǎn)、機(jī)械、設(shè)備的使用以及材料運(yùn)輸會消耗能源，產(chǎn)生碳排放。在使用維護(hù)階段包括建筑運(yùn)營階段中建筑照明、采暖、通風(fēng)、空調(diào)等建筑設(shè)備能源的消耗。在拆除回收階段中，由于建筑物拆除是由于爆破等使用的的施工機(jī)具會產(chǎn)生碳排放、以及回收產(chǎn)生的負(fù)碳排放量。

2.2壽命周期碳排放計算模型

2.2.1建造施工階段

施工建造階段碳排放來源包括建筑材料生產(chǎn)、建筑材料、構(gòu)件、設(shè)備的運(yùn)輸、施工機(jī)械設(shè)備的使用、施工現(xiàn)場的管理活動過程產(chǎn)生的碳排放。其碳排放量計算模型：

EJZ=EJC+EJX+EXC

式中，EJZ為建造施工階段碳排放量（tCO2）；EJC、EJX、EXC分別為建材生產(chǎn)、運(yùn)輸機(jī)械臺班、施工現(xiàn)場管理活動碳排放量（tCO2）。

EJC=∑i=ni=1（AMZTi×fZTi）+∑i=ni=1（AMWHi×fWHi）+∑i=ni=1（AMTCi×fTCi）

式中AMZTi、AMWHi、AMTCi分別為建筑主體結(jié)構(gòu)、維護(hù)結(jié)構(gòu)、填充結(jié)構(gòu)材料用量（t），fZTi、fWHi、fTCi為建筑主體結(jié)構(gòu)材料、維護(hù)結(jié)構(gòu)、填充結(jié)構(gòu)材料碳排放因子，i―建筑材料種類。

EJX=∑i=ni=1（AMJXi×fJXi）

式中AMJXi為建筑施工、運(yùn)輸機(jī)械臺班使用量（臺班），fJXi為建筑施工、運(yùn)輸機(jī)械臺班碳排放量因子，i為建筑施工、運(yùn)輸機(jī)械種類

EXC=∑i=ni=1（AMXCi×fXCi）

式中AMXCi為建筑施工現(xiàn)場管理活動能源消耗量（t/kwh），fXCi為能源碳排放因子，i為建筑現(xiàn)場管理活動能源消耗種類。

2.2.2城市住宅建筑使用維護(hù)階段

城市住宅建筑使用維護(hù)階段包括使用過程和維護(hù)過程，其碳排放量計算模型：

ESYWH=ESY+ETH

式中ESYWH為建筑使用維護(hù)階段碳排放量（tCO2），ESY、ETH為建筑使用過程、設(shè)備材料更替過程碳排放量（tCO2）。

ESY=∑i=ni=1（AMSYMi×fSYMi）+∑i=ni=1（AMSYYi×fSYYi）+∑i=ni=1（AMSYQi×fSYQi）+∑i=ni=1（AMSYDi×fSYDi）+∑i=ni=1（AMSYSi×fSYSi）

式中AMSYMi、AMSYYi、AMSYQi、AMSYDi、AMSYSi分別為建筑使用過程煤、燃油、燃?xì)?、電（kwh）、水能源消耗量（t），fSYMifSYYifSYQifSYDifSYSi分別為煤、燃油、燃?xì)?、電、水能源碳排放因子，i―建筑設(shè)備種類。

ETH=∑i=ni=1（AMTHJCi×fTHJCi）

式中AMTHJCi為建筑使用維護(hù)階段替換材料、設(shè)備使用量（t），fTHJCi為替換材料、設(shè)備碳排放因子，i為替換材料、設(shè)備建筑設(shè)備種類。

2.2.3建筑拆除回收階段

建筑拆除回收階段包括建筑拆除過程與建材回收過程，其碳排放量計算模型如下：

ECSHS=ECS-EHS

式中ECSHS為建筑拆除回收階段碳排放量（tCO2），ECS、EHS為建筑拆除過程、回收過程碳排放量（tCO2）。

ECS=∑i=ni=1（AMCSMi×fCSMi）+∑i=ni=1（AMCSYi×fCSYi）+∑i=ni=1（AMCSQi×fCSQi）+∑i=ni=1（AMCSDi×fCSDi）+∑i=ni=1（AMCSSi×fCSSi）

式中AMCSMi、AMCSYi、AMCSQi、AMCSDi、AMCSSi分別為建筑拆除過程煤、燃油、燃?xì)?、電（kwh）、水能源消耗量（m3），fCSMi、fCSYi、fCSQi、fCSDi、fCSSi分別為煤、燃油、燃?xì)?、電、水能源碳排放因子，i為建筑拆除結(jié)構(gòu)種類。

EHS=∑i=ni=1（AMHSi×η×fHSi）

式中AMHSi為建筑回收材料量（t），η為建筑材料回收系數(shù)，fHSi為建筑回收材料碳排放因子，i―回收材料種類。

3.碳排放影響因素分析

3.1建造施工階段

建造施工階段影響因素眾多主要包括建筑結(jié)構(gòu)類型、建筑層高、建筑面積、選擇低能耗材料情況、施工機(jī)械選擇、能耗使用效率、運(yùn)輸方式、運(yùn)輸距離、工人操作技能、施工管理、施工企業(yè)資質(zhì)等。

3.2使用維護(hù)階段

為維持建筑的使用功能而采取了通風(fēng)、照明、采暖、制冷、電梯等系統(tǒng)設(shè)備，其運(yùn)行產(chǎn)生大量能耗和碳排放。其能源結(jié)構(gòu)、能源消費(fèi)強(qiáng)度、居民消費(fèi)水平、人口密度、建筑面積等都是影響使用維護(hù)階段碳排放的重要因素。

3.3拆除回收階段

拆除回收階段碳排放包括拆除階段能耗碳排放以及回收階段負(fù)碳排放。其影響因素包括拆除方式、建筑類型、建筑面積、建筑層數(shù)、運(yùn)輸方式、廢棄物處理方式、機(jī)械選擇、回收材料系數(shù)等。

4.城市住宅建筑低碳對策分析

4.1推廣低碳施工先進(jìn)技術(shù)和低碳施工管理體系

實現(xiàn)建筑施工低碳化，需借鑒國、國內(nèi)先進(jìn)經(jīng)驗，引進(jìn)先進(jìn)技術(shù)與設(shè)備，優(yōu)化能源結(jié)構(gòu)，積極推動太陽能、風(fēng)能、地?zé)崮艿惹鍧嵞茉丛谑┕み^程中的應(yīng)用。同時要依靠政府的行政手段，使用國家和行業(yè)推薦的節(jié)能降耗的產(chǎn)品，如施工現(xiàn)場全面使用節(jié)能照明燈，選用高效機(jī)械設(shè)備等。建立系統(tǒng)科學(xué)的低碳施工管理體系，有助于提高提高施工管理水平，根據(jù)施工現(xiàn)場實際情況，做出合理的施工規(guī)劃、選擇最優(yōu)的施工方案。同時各參與方應(yīng)以積極配合與監(jiān)督施工企業(yè)現(xiàn)場的低碳施工執(zhí)行情況。

4.2推動建筑能源價格改革

通過推動建筑能源價格改革，由按面積收費(fèi)向按熱量收費(fèi)的同時，改革現(xiàn)行單一的價格政策，推行階梯價格等價格制度。另一方面，增加對低碳能源的價格補(bǔ)貼，降低低碳能源的使用成本，促進(jìn)建筑能源需求結(jié)構(gòu)的清潔化、低碳化。

4.3培育居民低碳意識

從相關(guān)調(diào)查來看，住宅居民低碳意識均較薄弱。為此，可以采取創(chuàng)新宣傳方式、加強(qiáng)示范引領(lǐng)、發(fā)揮社會低碳組織的力量等方式，支持社會力量建立低碳社團(tuán)等社會組織，鼓勵社會組織開展宣傳低碳意識、培育低碳文化的各類活動，營造先進(jìn)的低碳意識與低碳理念。

5.結(jié)語

本文通過分析城市住宅建筑全壽命周期碳排放來源，研究其個階段碳排放計算模型，更進(jìn)一步分析其碳排放影響因素。論述住宅建筑建筑節(jié)能減排對策，為我國住宅建筑碳排放測算以及低碳住宅建筑提供一定參考。（作者單位：重慶交通大學(xué)管理學(xué)院）

參考文獻(xiàn)：

[1]IPCC.C1imate change 2013the Physical science basis summary 5.for Policymakers[EB/OL].http//ipcc.ch/

[2]Leif Gustavsson，Anna Joelsson，Roger Sathre.Life cycle primary energy use and carbon emission of an eight-storey wood-framed apartment building[J].Energy and Buildings，2010，42（2）：230-242.

[3]陳孚江，陳煥新，華虹，楊鴻翥，吳麗麗.建筑能耗生命周期評價.全國曖通空調(diào)制冷2008年學(xué)術(shù)年會論文集.

[4]王志剛，鄢濤.居住建筑能耗與各建筑因素關(guān)系分析.智能與綠色建筑文集2――第二屆國際智能、綠色建筑與建筑節(jié)能大會.

篇9

“低碳經(jīng)濟(jì)”最早見諸于政府文件是在2003年的英國公布的《能源白皮書》，意指保持經(jīng)濟(jì)穩(wěn)定增長的同時實現(xiàn)溫室氣體排放的低增長或負(fù)增長。中國發(fā)展以低能耗、低污染、低排放為特征的低碳經(jīng)濟(jì)是落實科學(xué)發(fā)展觀、轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、建設(shè)資源節(jié)約型和環(huán)境友好型社會的有效途徑，也是獲得世界低碳革命的先發(fā)優(yōu)勢和國際話語權(quán)的必然選擇。經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)研發(fā)創(chuàng)新、碳金融體系等眾多因素，被普遍認(rèn)為對我國發(fā)展低碳經(jīng)濟(jì)有影響，所以系統(tǒng)地闡明這些影響因素，并理順影響因素間的層次結(jié)構(gòu)關(guān)系，對我國走可持續(xù)發(fā)展道路有重要意義，這也是本文的研究重點(diǎn)。

二、ISM模型理論介紹

ISM（Interpretative Structural Modeling），即解釋結(jié)構(gòu)模型法，是美國學(xué)者Warfield于1973年作為分析復(fù)雜社會經(jīng)濟(jì)系統(tǒng)結(jié)構(gòu)問題而開發(fā)出的一種系統(tǒng)分析方法。該方法的特點(diǎn)是通過系統(tǒng)元素間相互影響關(guān)系（包括單向或雙向的因果關(guān)系、大小關(guān)系、排斥關(guān)系、相關(guān)關(guān)系，從屬或領(lǐng)屬關(guān)系等）的辨識，將復(fù)雜的系統(tǒng)分解成為層次清晰的多級梯階結(jié)構(gòu)形式，使得眾多元素錯綜復(fù)雜的關(guān)系層次化、條理化。

三、低碳經(jīng)濟(jì)影響因素的ISM模型法

第一，低碳經(jīng)濟(jì)影響因素分析。

中國發(fā)展低碳經(jīng)濟(jì)需要產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)型、能源消費(fèi)結(jié)構(gòu)的改善、技術(shù)研發(fā)創(chuàng)新和居民低碳意識的增強(qiáng)等等，其影響因素具有復(fù)雜性和綜合性。本文通過文獻(xiàn)檢索和專家咨詢相結(jié)合的方式，舉例分析了9個影響中國發(fā)展低碳經(jīng)濟(jì)的因素，總結(jié)如下：

S1：人口規(guī)模及城市化水平（P&U）——人口因素是未來中國溫室氣體排放增長的貢獻(xiàn)者之一。人口越多，消耗的能源就越多，所產(chǎn)生的碳排放量也就越大。同時，人口增長不可避免地改變自然生態(tài)環(huán)境，增加了碳排放量。

S2：經(jīng)濟(jì)發(fā)展方式（ECOD）——經(jīng)濟(jì)發(fā)展離不開大量煤炭、石油等石化能源的投入和使用，而能源消費(fèi)的增加必然會促進(jìn)碳排放量的增加。從2003年至今，我國能源消費(fèi)彈性系數(shù)平均水平在0.9以上，最高曾達(dá)到1.60，這說明我國經(jīng)濟(jì)的增長依賴能源的數(shù)量而不是質(zhì)量，呈現(xiàn)資源消耗型經(jīng)濟(jì)的特點(diǎn)，即經(jīng)濟(jì)粗放式發(fā)展。

S3：能源強(qiáng)度（ET）——表示一個國家在一定時期內(nèi)單位國內(nèi)生產(chǎn)總值的能源消耗量，是一個衡量能源利用效率的指標(biāo)。 目前我國的能源利用率遠(yuǎn)低于世界平均水平，中國一次能源消費(fèi)占世界的17.73%，但產(chǎn)出只占世界的7.14%；美國一次能源消費(fèi)占世界的20.35%，但其產(chǎn)出占世界的23.44%，可見我國還屬于高能源低產(chǎn)出的經(jīng)濟(jì)模式，能源強(qiáng)度偏高。

S4：能源結(jié)構(gòu)（ES）—— 碳排放主要來自化石能源，但不同的化石能源的碳含量是不同的，其中煤的碳含量最高，其次是石油，再次是天然氣。而在我國已探明的能源儲量中，煤炭占94%，石油占5.4%，天然氣占0.6%，這種“富煤貧油少氣”的能源結(jié)構(gòu)，決定了中國以煤為主的能源生產(chǎn)和消費(fèi)格局將長期存在，碳排放強(qiáng)度必然較高。

S5：產(chǎn)業(yè)結(jié)構(gòu)（IS）——不同產(chǎn)業(yè)部門消耗的能源類型和結(jié)構(gòu)是不同的，導(dǎo)致碳排放量也各不相同。由于第二產(chǎn)業(yè)終端能源消費(fèi)占到全部終端能源消費(fèi)的60%以上，因此第二產(chǎn)業(yè)在國民經(jīng)濟(jì)中比例的變化在一定程度上決定了碳排放量的變化。目前我國一、二、三產(chǎn)業(yè)間的比重約為1：5：4。

S6：國際貿(mào)易分工（ITD）——國際貿(mào)易中存在碳排放轉(zhuǎn)移的問題：進(jìn)口高耗能的資源密集型的產(chǎn)品則減少了本地區(qū)此類產(chǎn)品的生產(chǎn)，從而減少碳排放量；而出口高耗能的資源密集型產(chǎn)品則增加了本地區(qū)此類產(chǎn)品的生產(chǎn)，從而增加碳排放量。在國際貿(mào)易中，中國出口的商品相當(dāng)一部分為高能耗、高度依賴于原料加工的勞動密集型和資源密集型商品。

S7：碳交易機(jī)制（CT）——碳交易是利用市場機(jī)制引領(lǐng)低碳經(jīng)濟(jì)發(fā)展的必由之路。俗稱“既減排又賺錢的CDM”，即清潔發(fā)展機(jī)制，是中國企業(yè)轉(zhuǎn)型發(fā)展低碳經(jīng)濟(jì)的機(jī)遇。 從目前來看，我國的碳排污權(quán)交易尚處于試點(diǎn)階段，相關(guān)法規(guī)政策和部門缺位，碳交易機(jī)制還未建立完善。

S8：投資與融資（I&F）——對于工業(yè)化中期的中國來說，清潔能源開發(fā)、高效能技術(shù)的運(yùn)用以及低碳生活模式的建立等都意味著大轉(zhuǎn)變、高投入、長周期，對投資者的短期吸引不足；碳金融體系及相關(guān)配套措施發(fā)展滯后，無法給予充分的資金支持。

S9：技術(shù)研發(fā)創(chuàng)新（TRI）——低碳經(jīng)濟(jì)必然依賴于低碳技術(shù)的創(chuàng)新和運(yùn)用。由于資金投入和前期回報不匹配、自身技術(shù)研發(fā)創(chuàng)新能力有限以及先進(jìn)技術(shù)引進(jìn)困難等因素影響，我國企業(yè)在低碳技術(shù)的研發(fā)利用方面還遠(yuǎn)落后于發(fā)達(dá)國家。

第二，影響因素相互關(guān)系分析。

建立ISM模型，先要理清上述九個影響因素之間的相互關(guān)系。通過咨詢相關(guān)專家和檢索文獻(xiàn)，確立了影響因素間的兩兩關(guān)系，建立鄰接矩陣A。規(guī)定要素Si 對Sj 有影響時，矩陣元素aij為1，要素Si對Sj無影響時，矩陣元素aij為0，得到9×9方形矩陣A。（如圖1.左）

通過布爾代數(shù)運(yùn)算，可由矩陣A計算得到可達(dá)矩陣M，即根據(jù)定義公式M=（A+I）n-1 =（A+I）n ≠（A+I）n+1，經(jīng)運(yùn)算求得n=3，得到可達(dá)矩陣M。（如圖1.右）

第三，影響因素層次結(jié)構(gòu)。

對可達(dá)矩陣M進(jìn)行層級劃分，可以更清晰地了解系統(tǒng)中各要素之間的層級關(guān)系?？蛇_(dá)集 R（Si）是指在可達(dá)矩陣中Si 可到達(dá)的諸要素所構(gòu)成的集合；先行集Q（Si）是指在可達(dá)矩陣中可到達(dá)Si的諸要素所構(gòu)成的集合，根據(jù)R（Si）∩Q（Si）= R（Si）條件來進(jìn)行層級的抽取，最頂層表示系統(tǒng)的最終目標(biāo)，往下各層分別表示是上一層的原因。

根據(jù)可達(dá)矩陣M列出各要素的可達(dá)集 R（Si）、先行集Q（Si）和共同集R（Si）∩Q（Si），通過分析發(fā)現(xiàn)，由于R（S3）∩Q（S3）= R（S3）且R（S6）∩Q（S6）= R（S6），所以S3（ET）、S6（ITD）作為層次結(jié)構(gòu)的最高級，即L1={S3，S6}；確定最高層級后，將其從可達(dá)矩陣中劃去相應(yīng)的行和列，形成新的可達(dá)集和先行集的關(guān)系表，又根據(jù)R（Si）∩Q（Si），可得S4（ES）為第二級L2；依次類推，可得S5（IS）、S8（I&F）、S9（TRI）為第三級L3；S7（CT）為第四級L4；S1（P&U）、S2（ECOD）為第五級L5。

在此基礎(chǔ)上作出發(fā)展低碳經(jīng)濟(jì)的影響因素層級結(jié)構(gòu)圖（如圖2.所示）。從層次結(jié)構(gòu)圖中可以清晰地看出，9個中國發(fā)展低碳經(jīng)濟(jì)的影響因素被分配在5個層級內(nèi)，表層因素主要體現(xiàn)在L1，即能源強(qiáng)度（ET）和國際貿(mào)易分工（ITD），而中層因素主要體現(xiàn)在L2、L3、L4，深層因素則反映在L5，即人口規(guī)模及城市化水平（P&U）和經(jīng)濟(jì)發(fā)展方式（ECOD）。所以，這兩個深層因素對其他6個因素產(chǎn)生直接或間接的影響，也意味著把握好這兩個因素對我國發(fā)展低碳經(jīng)濟(jì)有著重要影響，指引政府戰(zhàn)略規(guī)劃的決策方向，決定中國節(jié)能減排的效果和政策措施的執(zhí)行效率。

四、結(jié)論及建議

本文通過ISM模型對影響我國發(fā)展低碳經(jīng)濟(jì)的9個因素進(jìn)行分析，理順了影響因素之間的邏輯關(guān)系，同時有助于決策者利用有限的財力物力和人力，把握好發(fā)展低碳經(jīng)濟(jì)的機(jī)遇，采取優(yōu)先順序處理阻障和挑戰(zhàn)。鑒于影響因素眾多且復(fù)雜，本文著重針對模型最終得出的兩個深層因素：經(jīng)濟(jì)發(fā)展方式（ECOD）和人口規(guī)模及城市化水平（P&U）。根據(jù)結(jié)論，本文認(rèn)為：

首先，我國應(yīng)健全法律制度。目前我國尚未出臺專門的低碳經(jīng)濟(jì)法案，整體上還沒有形成規(guī)范低碳經(jīng)濟(jì)發(fā)展行為的法律法規(guī)體系。我國應(yīng)加快低碳經(jīng)濟(jì)相關(guān)立法的進(jìn)程，結(jié)合我國的國情，制訂詳盡且具有可操作性的法律法規(guī)。通過法律法規(guī)的強(qiáng)制性作用，引導(dǎo)政府的工作決策，推動企業(yè)低碳經(jīng)濟(jì)行為。

其次，宣揚(yáng)低碳理念，改變消費(fèi)方式。中國作為世界人口大國，個人的生活模式和消費(fèi)方式對我國節(jié)能減排的意義重大。通過低碳教育提高城鎮(zhèn)居民的低碳消費(fèi)意識，結(jié)合傳媒對低碳消費(fèi)進(jìn)行宣傳，達(dá)到調(diào)整居民的消費(fèi)結(jié)構(gòu)，實現(xiàn)低碳的消費(fèi)的效果。

篇10

關(guān)鍵詞：工業(yè)碳排放； 能源消費(fèi)； 影響因素； 合肥市

中圖分類號：X502

文獻(xiàn)標(biāo)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(dá)到頂峰且將努力早日達(dá)到頂峰，并計劃到2030年非化石燃料能源占能源消費(fèi)比重1到20%左右。根據(jù)氣候變化第二次國家信息通報[1]，我國2005年化石能源消費(fèi)導(dǎo)致的CO2排放占CO2排放總量的93.66%。工業(yè)是國民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)，同時也是能源密集型行業(yè)，因此由工業(yè)直接導(dǎo)致的CO2排放量在碳排放中占主導(dǎo)地位，這在國內(nèi)外眾多學(xué)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(jù)有著較高的要求，沒有IDA應(yīng)用廣泛。Ang[6]綜合分析了眾多IDA，認(rèn)為LMDI在理論基礎(chǔ)、技術(shù)特點(diǎn)、應(yīng)用領(lǐng)域以及結(jié)果表達(dá)等方面最具優(yōu)勢，主要是該法具有時間獨(dú)立性、有效處理零值和數(shù)據(jù)匯集一致性等優(yōu)點(diǎn)。更重要的是，LMDI的加法和乘法形式易于轉(zhuǎn)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(qū)動因素進(jìn)行分析，結(jié)果表明能源強(qiáng)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(rèn)為經(jīng)濟(jì)產(chǎn)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(jié)構(gòu)效應(yīng)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(jī)制打下了基礎(chǔ)，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(nèi)部的各個行業(yè)中，全面、系統(tǒng)地剖析工業(yè)經(jīng)濟(jì)發(fā)展、能源效率提高、能源結(jié)構(gòu)以及產(chǎn)業(yè)結(jié)構(gòu)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(yīng)的減排措施。

2 數(shù)據(jù)來源及研究方法

2.1 數(shù)據(jù)來源

根據(jù)《國民經(jīng)濟(jì)行業(yè)分類標(biāo)準(zhǔn)》（GB/T 4754―2011）并結(jié)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?xì)饧八纳a(chǎn)和供應(yīng)業(yè)三大類共33個行業(yè)。其中各行業(yè)的能源消費(fèi)數(shù)據(jù)和經(jīng)濟(jì)發(fā)展等相關(guān)數(shù)據(jù)來源于《合肥統(tǒng)計年鑒》[11]，部分?jǐn)?shù)據(jù)來源于相關(guān)部門調(diào)研，有關(guān)涉及工業(yè)和各行業(yè)歷年總產(chǎn)值數(shù)據(jù)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(biāo)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(xué)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(chǔ)。由于合肥市至今沒有CO2排放監(jiān)測數(shù)據(jù)，只能基于能源消費(fèi)量的基礎(chǔ)上計算CO2排放量。目前，合肥市工業(yè)消費(fèi)的能源有化石能源、熱力、電力以及包括生物質(zhì)能、核能、風(fēng)能、水能等在內(nèi)的其他能源。其中，各行業(yè)消費(fèi)熱力、電力不會直接引起CO2的排放，將熱力能源生產(chǎn)和火力發(fā)電的能源消費(fèi)產(chǎn)生的CO2排放直接計入電力、熱力的生產(chǎn)和供應(yīng)業(yè)，以避免重復(fù)計算。由于生物質(zhì)能生產(chǎn)過程中吸收的CO2與燃燒排放的CO2基本相等，消費(fèi)生物質(zhì)能幾乎不會引起CO2凈排放。而核能、風(fēng)能、水能等能源幾乎不產(chǎn)生CO2。因此，計算工業(yè)各個行業(yè)能源消費(fèi)導(dǎo)致的CO2排放只需計算化石能源消費(fèi)導(dǎo)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?fàn)t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(yán)謹(jǐn)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(fèi)的CO2排放量：

式（1）中：CEFC表示化石能源消費(fèi)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(jié)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(jù)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(kuò)展后的Kaya公式進(jìn)行分析，以期確定排放因子、工業(yè)各行業(yè)的能源結(jié)構(gòu)、工業(yè)各行業(yè)的能源效率、工業(yè)的產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)各行業(yè)的經(jīng)濟(jì)發(fā)展規(guī)模這幾個因素對合肥市能源消費(fèi)導(dǎo)致的CO2排放的貢獻(xiàn)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(jìn)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(yīng)、能源結(jié)構(gòu)效應(yīng)、能源效率效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、經(jīng)濟(jì)發(fā)展效應(yīng)作用下分別產(chǎn)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(jié)構(gòu)、能源效率、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展造成的CO2排放增加量，即5個因素的效應(yīng)值。由于本研究分析合肥市工業(yè)2000～2014年的碳排放數(shù)據(jù)，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(fèi)碳排放的時間序列分析

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

合肥市工業(yè)生產(chǎn)值、工業(yè)能源消費(fèi)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(dá)22.40%，高于安徽省同期水平（18.72%）。工業(yè)經(jīng)濟(jì)的快速發(fā)展導(dǎo)致了能源消費(fèi)、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(fèi)、CO2排放量年均分別增長24.67%、25.06%，遠(yuǎn)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(biāo)，依靠高能耗支撐工業(yè)經(jīng)濟(jì)的發(fā)展有關(guān)；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(jīng)濟(jì)以年均27.53%高速發(fā)展，工業(yè)能源消費(fèi)、CO2排放量降至10.94%、8.40%。進(jìn)入“十二五”以來，合肥市工業(yè)生產(chǎn)值的增長率在2011年達(dá)到頂峰（39.12%）后維持在13%左右，而能源消費(fèi)、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(fèi)的結(jié)構(gòu)變化時間序列分析

合肥市2000～2014年能源消費(fèi)的結(jié)構(gòu)變化如圖2所示 。由圖2可知，化石能源的平均比重達(dá)到了85.71 %，煤炭以83.66 %的比例在能源消費(fèi)中占據(jù)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(fèi)結(jié)構(gòu)變動不大（液化天然氣、其他能源在2010年才進(jìn)入合肥市工業(yè)能源結(jié)構(gòu)中）。在化石能源消費(fèi)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(diǎn)。①與合肥市工業(yè)的產(chǎn)業(yè)結(jié)構(gòu)相關(guān)，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(diǎn)決定了合肥市工業(yè)能源消費(fèi)結(jié)構(gòu)中煤炭所占據(jù)的主導(dǎo)地位。

3.3 工業(yè)能源消費(fèi)的能源強(qiáng)度變化時間序列分析

由2000～2014年合肥市能源消費(fèi)、CO2排放量及工業(yè)經(jīng)濟(jì)發(fā)展的變化趨勢可看出，以工業(yè)能源消費(fèi)年均增長17.38%的代價換取了工業(yè)經(jīng)濟(jì)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(qiáng)度、單位工業(yè)GDP碳排放強(qiáng)度計算結(jié)果如圖3，可以看出：自2002年起，能源強(qiáng)度、碳強(qiáng)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(qiáng)度下降幅度達(dá)到61.05%，碳排放強(qiáng)度下降幅度則達(dá)到55.10%。其中，兩項指標(biāo)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(guān)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(rèn)為，GDP的增長率小于碳排放強(qiáng)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(qiáng)度的下降率（18.94 %）大于當(dāng)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(yīng)進(jìn)一步提高能源利用效率，調(diào)整能源結(jié)構(gòu)，以期進(jìn)一步降低能源強(qiáng)度、碳排放強(qiáng)度。

4 合肥市工業(yè)能源消費(fèi)碳排放影響因素分析

利用LMDI模型，根據(jù)公式（6）～（10）對合肥市工業(yè)2000～2014年的工業(yè)能源消費(fèi)的CO2排放增量進(jìn)行分解，計算出能源結(jié)構(gòu)效應(yīng)（IESeffect）、能源效率效應(yīng)（IEEeffect）、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)（IISeffect）、經(jīng)濟(jì)發(fā)展效應(yīng)（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(fèi)的CO2排放的累積增量見圖4。根據(jù)表2、圖4可知，2000～2014年，合肥市工業(yè)能源消費(fèi)CO2排放總量增加了2183.62 萬t。其中，經(jīng)濟(jì)發(fā)展效應(yīng)導(dǎo)致CO2排放總量增加了3734.59 萬t，能源結(jié)構(gòu)效應(yīng)、能源效率效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)分別導(dǎo)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(chǎn)和供應(yīng)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(xué)原料及化學(xué)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(jīng)濟(jì)發(fā)展效應(yīng)

經(jīng)濟(jì)發(fā)展對合肥市工業(yè)能源消費(fèi)CO2排放的貢獻(xiàn)度一直表現(xiàn)為較大的正增量效應(yīng)。經(jīng)濟(jì)發(fā)展效應(yīng)對CO2排放量的貢獻(xiàn)率由2001年的22.89%上升至2014年的171.03%，累計平均貢獻(xiàn)率為137.51%，證明了工業(yè)經(jīng)濟(jì)的快速發(fā)展是造成合肥市工業(yè)能源消費(fèi)CO2排放增加的重要原因。2000～2014年，各行業(yè)經(jīng)濟(jì)發(fā)展對工業(yè)能源消費(fèi)CO2排放的貢獻(xiàn)均為正向，其中，合肥市電力熱力的生產(chǎn)和供應(yīng)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(xué)原料及化學(xué)制品制造業(yè)四大能源密集型行業(yè)的工業(yè)經(jīng)濟(jì)發(fā)展對CO2排放變化的貢獻(xiàn)值較其他行業(yè)大，共為3379.27萬t，占經(jīng)濟(jì)發(fā)展效應(yīng)的90.49%。在此期間，四大能源密集型行業(yè)的工業(yè)生產(chǎn)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(dǎo)致8.43 t CO2排放，遠(yuǎn)高于同期其他行業(yè)的平均值（0.20 t CO2/萬元）。因此，適當(dāng)放緩重點(diǎn)能源密集型行業(yè)經(jīng)濟(jì)增長速度、促進(jìn)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(yīng)

落后的生產(chǎn)技術(shù)和過低的能源利用效率使得能源強(qiáng)度在2005年前是CO2排放量增長的促進(jìn)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(yīng)對能源消費(fèi)CO2排放的累積年平均貢獻(xiàn)率達(dá)-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(fèi)CO2排放的貢獻(xiàn)度表現(xiàn)為正增量效應(yīng)，這是由于在此期間某個行業(yè)能源強(qiáng)度的反彈引起的。如2011年能源效率貢獻(xiàn)值為405.53萬t，其中非金屬礦物制品業(yè)，電力熱力的生產(chǎn)和供應(yīng)業(yè)對CO2排放量的貢獻(xiàn)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(qiáng)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(chǎn)和供應(yīng)業(yè)、化學(xué)原料及化學(xué)制品制造業(yè)能源效率因素對CO2排放變化的貢獻(xiàn)值較大，共減少1077.55萬tCO2排放，占能源效率貢獻(xiàn)的86.11%，原因是這三大行業(yè)的平均能源強(qiáng)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(qiáng)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(qiáng)度在下降，但這三大行業(yè)在此期間的累積能耗達(dá)7890.50萬t，占總能耗的77.09%，但其工業(yè)產(chǎn)值只占整個總產(chǎn)值的14.93%，因此，合肥市應(yīng)該減排重點(diǎn)集中到此類高CO2排放行業(yè)，提高其能源使用效率。

4.3 產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)

2000～2013年，合肥市行業(yè)結(jié)構(gòu)效應(yīng)整體呈現(xiàn)負(fù)增量效應(yīng)。2014年行業(yè)結(jié)構(gòu)對CO2排放增量的貢獻(xiàn)轉(zhuǎn)為正向，貢獻(xiàn)值為395.02萬t，高于當(dāng)年經(jīng)濟(jì)發(fā)展的貢獻(xiàn)值（271.97萬t）。其中電力熱力的生產(chǎn)和供應(yīng)業(yè)對CO2排放的貢獻(xiàn)值為395.25萬t，主要是該行業(yè)的工業(yè)產(chǎn)值占總產(chǎn)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(chǎn)和供應(yīng)業(yè)、黑色金屬冶煉及壓延加工業(yè)、化學(xué)原料及化學(xué)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(xiàn)值共為-141.23萬t，占行業(yè)結(jié)構(gòu)貢獻(xiàn)的95.05%。這充分凸顯了能源密集型產(chǎn)業(yè)結(jié)構(gòu)調(diào)整對CO2排放量的影響。結(jié)合經(jīng)濟(jì)發(fā)展效應(yīng)對CO2排放的影響分析，可知電力熱力的生產(chǎn)和供應(yīng)業(yè)、化學(xué)原料及化學(xué)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(jīng)濟(jì)發(fā)展對CO2排放貢獻(xiàn)量很大，但是通過調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、降低其工業(yè)產(chǎn)出比重能在一定程度上抵消經(jīng)濟(jì)發(fā)展效應(yīng)所導(dǎo)致的CO2排放量增加。2000～2014年這三個行業(yè)的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)抵消了4.45%的經(jīng)濟(jì)發(fā)展效應(yīng)。合肥市應(yīng)進(jìn)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(jī)等技術(shù)密集型產(chǎn)業(yè)的發(fā)展，使之成為拉動經(jīng)濟(jì)增長的強(qiáng)勁動力，以期減少CO2排放量。

4.4 能源結(jié)構(gòu)效應(yīng)

在2000～2014年間，能源結(jié)構(gòu)變動對CO2排放變動的總體影響較小，平均年貢獻(xiàn)率僅為-1.48%，這主要是由于合肥市工業(yè)能源結(jié)構(gòu)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(fèi)中一直占據(jù)著主導(dǎo)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(jìn)作用。但非金屬礦物制品能源結(jié)構(gòu)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(fèi)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(fèi)比例較高，存在著下調(diào)空間。由于安徽省油氣資源相對匱乏，調(diào)高各行業(yè)特別是能源密集型行業(yè)其他能源的消費(fèi)比例，降低煤炭消費(fèi)份額，有利于抑制CO2排放增長。

5 結(jié)論和政策建議

5.1 結(jié)論

（1）2000～2014年間，合肥市工業(yè)能源消費(fèi)以年均增長17.38%的代價換取了工業(yè)經(jīng)濟(jì)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(qiáng)度、碳強(qiáng)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(dá)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(fèi)結(jié)構(gòu)來看，煤炭以83.66 %的比例在能源消費(fèi)中占據(jù)著絕對地位，石油、天然氣所占比重較小。在化石能源消費(fèi)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(diǎn)。

（2）經(jīng)濟(jì)發(fā)展是促進(jìn)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(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)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(jìn)一步分解分析表現(xiàn)，電力熱力的生產(chǎn)和供應(yīng)業(yè)、黑色金屬冶煉及壓延加工業(yè)、化學(xué)原料及化學(xué)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(jīng)濟(jì)發(fā)展、能源效率等因素嚴(yán)重影響著工業(yè)能源消費(fèi)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(chǎn)值會導(dǎo)致8.43 t CO2排放，遠(yuǎn)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(chǎn)和供應(yīng)業(yè)、化學(xué)原料及化學(xué)制品制造業(yè)這三大行業(yè)的平均能源強(qiáng)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(chǎn)和供應(yīng)業(yè)的工業(yè)產(chǎn)值占總產(chǎn)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(jù)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(jìn)入中期階段，工業(yè)經(jīng)濟(jì)將繼續(xù)保持快速發(fā)展。構(gòu)建低碳經(jīng)濟(jì)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(jīng)濟(jì)和環(huán)境的協(xié)調(diào)發(fā)展。

（2）作為國家首批創(chuàng)新型試點(diǎn)城市，合肥市應(yīng)進(jìn)一步強(qiáng)化科技創(chuàng)新和進(jìn)步，引進(jìn)整體煤氣化循環(huán)發(fā)電技術(shù)等先進(jìn)節(jié)能技術(shù)。同時，協(xié)調(diào)以市場為導(dǎo)向的產(chǎn)學(xué)研創(chuàng)新體系，加快節(jié)能技術(shù)成果的應(yīng)用和轉(zhuǎn)化。

（3）合肥市應(yīng)逐步完善環(huán)境準(zhǔn)入條件，建立落后產(chǎn)能退出機(jī)制，加快淘汰落后技術(shù)、產(chǎn)能和裝備，降低能源密集型行業(yè)的規(guī)模。同時，結(jié)合合肥市工業(yè)發(fā)展現(xiàn)狀，大力扶持高新技術(shù)產(chǎn)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(chǎn)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(jié)構(gòu)中占據(jù)著絕對地位。要想改變以煤炭為主的能源消費(fèi)結(jié)構(gòu)，應(yīng)加快推進(jìn)核能、風(fēng)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(gòu)建低碳能源體系。

參考文獻(xiàn)：

[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(jīng)濟(jì)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(xué)與技術(shù)， 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(jié)構(gòu)效應(yīng)對天津市碳排放的影響及對策[J]. 天津大學(xué)學(xué)報（社會科學(xué)版）， 2014（6）：509～514.