2005－2008年中國各省CO2排放現(xiàn)狀分析

周 麗 羅小虎 張希良 齊天宇 熊威明

（清華大學(xué)能源環(huán)境經(jīng)濟研究所，北京 100084）

2009年12月，溫家寶總理在哥本哈根舉行的第15屆氣候變化談判大會上向全世界做出了莊嚴(yán)承諾，宣布到2020年我國單位GDP CO2排放比2005年下降40% －45%。在十七屆五中全會通過的《中共中央關(guān)于制定十二五規(guī)劃的建議》明確指出堅持把建設(shè)資源節(jié)約型、環(huán)境友好型社會作為加快轉(zhuǎn)變經(jīng)濟發(fā)展方式的重要著力點，要求深入貫徹節(jié)約資源和保護環(huán)境基本國策，節(jié)約能源，降低溫室氣體排放強度，發(fā)展循環(huán)經(jīng)濟，推廣低碳技術(shù)，積極應(yīng)對氣候變化，促進經(jīng)濟社會發(fā)展與人口資源環(huán)境相協(xié)調(diào)，走可持續(xù)發(fā)展之路。

為達到這一目標(biāo)，從國家層面到各地方政府均開展了一系列的節(jié)能減排行動，包括產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、產(chǎn)業(yè)技術(shù)進步、能源結(jié)構(gòu)調(diào)整等。與此同時，我國地域廣闊，自然資源分布不均衡，同時各地經(jīng)濟發(fā)展水平存在較大差異，這就導(dǎo)致了碳排放在地域上呈現(xiàn)了很大的差別。因此，通過對各個省份、區(qū)域排放現(xiàn)狀的因素分析，有助于了解省份、區(qū)域之間能源消費、碳排放之間的異同，也有助于尋找未來減少碳排放的關(guān)鍵影響因素，從而有利于制定科學(xué)、合理的國內(nèi)減排政策。

國外化石燃料消費碳排放的分解研究始于20世紀(jì)70年代，Greening等采用適應(yīng)性加權(quán)迪氏分解法對1971－1991年間10個經(jīng)濟合作與發(fā)展組織（OECD）成員的碳排放量進行分解模型分析［1］。Davis等基于Divisia分解模型和回歸分析，對1996－2000年間美國導(dǎo)致能源強度和碳排放強度下降的兩個主要因素能源結(jié)構(gòu)和天氣變化進行了研究［2］。Ferdinand等采用LMDI法對1990－2004年間美國碳排放量進行了因素分解分析［3］。國內(nèi)碳排放的研究始于21世紀(jì)初，Wang等采用LMDI法對我國1957－2000年間的CO2排放量進行分解［4］。朱勤等采用LMDI法，基于擴展的Kaya恒等式建立因素分解模型，對我國1980－2007年能源消費碳排放進行因素分解分析［5］。王俊松等采用LMDI法對我國1990－2007年的CO2排放進行分解分析［6］。段顯明分析了1997—2008年間浙江省能源消費碳排放數(shù)據(jù)，采用對數(shù)均值迪氏分解（LMDI）法，對能源消費導(dǎo)致的CO2排放量和碳排放強度進行結(jié)構(gòu)分解［7］。

綜上所述，國內(nèi)外文獻對碳排放影響因素的研究較多，主流的方法是用各種因素分解法對年度時間序列數(shù)據(jù)進行分析，碳排放影響因素研究多集中于能源結(jié)構(gòu)、能源強度、人均GDP以及人口幾大因素。本文將在上述研究的基礎(chǔ)上，基于能源平衡表統(tǒng)一核算我國及各省在2005－2008年期間碳排放情況，并采用LMDI法對地區(qū)能源排放因子、地區(qū)工業(yè)能耗占總能耗比重、地區(qū)工業(yè)單位增加值能耗、地區(qū)工業(yè)比重、人均GDP、地區(qū)人口比重等多種影響因素進行因素分解研究。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源與核算

1.1.1 各省碳排放核算方法

目前，中國還沒有碳排放量的直接監(jiān)測數(shù)據(jù)，大部分研究都是基于化石燃料的消費量計算得到的。中國的地區(qū)能源消費統(tǒng)計來源主要有:能源統(tǒng)計年鑒，包括各地區(qū)能源消費總量，能源平衡表，各地區(qū)分品種能源消費（消費量合計，總和不等于消費總量）;基于能源平衡表可以計算得出能源消費結(jié)構(gòu)和主要部門能源消費;地方統(tǒng)計年鑒，部分地區(qū)統(tǒng)計了歷年能源消費總量和結(jié)構(gòu)，但年份和地區(qū)不全（如上海無統(tǒng)計）;新中國統(tǒng)計六十年，包括各地區(qū)能源消費總量和結(jié)構(gòu)，但是一方面數(shù)據(jù)統(tǒng)計口徑不一致，另一方面數(shù)據(jù)存在明顯不合理。

基于上述整理和分析，本研究思路基于地區(qū)能源平衡表，計算得出中國各地區(qū)的能源消費總量以及結(jié)構(gòu);以能源統(tǒng)計年鑒的地區(qū)能源消費總量數(shù)據(jù)、地區(qū)統(tǒng)計和新中國統(tǒng)計六十年數(shù)據(jù)作對比和參照。

（1）計算各地區(qū)煤、油、氣、電、熱及其他能源消耗情況。為了比較各地區(qū)的能源消費總量和結(jié)構(gòu)，首先根據(jù)實物量地區(qū)能源平衡表獲取分品種能源消費量（實物量），然后通過折標(biāo)煤系數(shù)得到該地區(qū)煤、油、氣、熱以及其他五種分品種能源消費總量。分品種能源的最后一項為“其它能源”，包括回收能和非商品能源，認為部分“其他能源”以可再生能源形式存在。由于缺乏地區(qū)能源熱值的數(shù)據(jù)，因此統(tǒng)一采取當(dāng)年《中國能源統(tǒng)計年鑒》附錄中公布的“各種能源折標(biāo)準(zhǔn)煤參考系數(shù)”。

（2）計算各地區(qū)非化石電力消費量。電力所對應(yīng)的一次能源量必須追溯到電力生產(chǎn)端。同時為體現(xiàn)區(qū)域間電力輸送的公平關(guān)系，考慮省間電力調(diào)入調(diào)出關(guān)系，根據(jù)地區(qū)本地的非化石電力生產(chǎn)量以及主要地區(qū)之間可再生電力輸送關(guān)系（主要是風(fēng)電和水電），核算各地區(qū)實際的非化石電力消費量。

（3）根據(jù)全國平均的供熱及發(fā)電的煤、油、氣消耗系數(shù)，將各地區(qū)的熱力、火電消耗量轉(zhuǎn)化為煤、油、氣三種一次能源消耗量。其中，電力的折標(biāo)煤計算采用當(dāng)年火電供電標(biāo)準(zhǔn)煤耗，由于各地的供電煤耗數(shù)差距較大，且數(shù)據(jù)可得，因此分省能源消費量計算中同時給出了按照當(dāng)?shù)毓╇娒汉挠嬎愕姆质∧茉聪M量。對比結(jié)果表明:對大部分地區(qū)而言，基于當(dāng)?shù)毓╇娒汉牡目偰茉聪M量更加接近于《中國能源統(tǒng)計年鑒》中公布的當(dāng)年地區(qū)能源消費量，但個別省份偏差更大;使用全國平均供電煤耗的合計總量和公布數(shù)據(jù)合計量更為接近;兩種系數(shù)方法對最終結(jié)果的測算差別很小，在1‰－2‰左右。

（4）計算能源消費結(jié)構(gòu)及總量。能源消費總量是指對各能源品種能量消費的核算，是指能源的能量消耗總量而不是物量消耗總量，其依據(jù)是能量守恒定律，計算單位為標(biāo)準(zhǔn)煤。計算方法是根據(jù)地區(qū)能源平衡表的標(biāo)準(zhǔn)量表中的合計欄進行計算，由于目前地方能源平衡表為實物量，因此:

根據(jù)（1）－（3）的計算結(jié)構(gòu)，可以得到初步的煤、油、氣及非化石能源消費量及總量。但由于該計算方法沒有考慮地區(qū)在能源轉(zhuǎn)化過程中的差異，因此各地區(qū)能源消費總量存在一定偏差。為減小該部分偏差，核算得到的能源消費總量初值根據(jù)2010年出版的《中國能源統(tǒng)計年鑒2009》中公布的各省能源消費總量進行校正，同時根據(jù)校正差和煤油氣的消費比例，進一步校正各地區(qū)的煤油氣消費量。

根據(jù)校正后的煤油氣以及非化石能源消費量，即可得到各地區(qū)的一次能源消費結(jié)構(gòu)及總量數(shù)據(jù)。根據(jù)公式（2），可以進一步測算得到各地區(qū)因能源消費引起的CO2排放量。

其中，根據(jù)數(shù)據(jù)調(diào)研及專家經(jīng)驗判斷，選取煤、油、天然氣的碳排放因子分別為 2.64、2.08、1.63t CO2/tce。

1.1.2 其他數(shù)據(jù)來源

其他數(shù)據(jù)主要來源于2006－2009年的《中國統(tǒng)計年鑒》、2006－2009年的各省統(tǒng)計年鑒、2006－2009年的《工業(yè)經(jīng)濟統(tǒng)計年鑒》、2005－2008年的各省、自治區(qū)、直轄市單位GDP能耗等指標(biāo)公報。計算整理后，可得到各省及全國的能源消費的碳排放因素分析的基本數(shù)據(jù)。

1.2 分解模型及研究方法

1.2.1 因素分解模型

構(gòu)建碳排放因素分解模型的目的是分解出碳排放變化的影響因素，并通過計算這些因素的貢獻值來分析其影響程度。本研究設(shè)定CO2排放總量的變化是由已知的可解釋的影響因子造成的。如地區(qū)工業(yè)單位增加值能耗和地區(qū)能源排放因子等。

對于全國CO2排放進行核算，即有

國家碳排放（C）的變化來自于地區(qū)能源排放因子、地區(qū)工業(yè)能耗占總能耗比重倒數(shù)、地區(qū)工業(yè)單位增加值能耗、地區(qū)工業(yè)比重、人均GDP、地區(qū)人口比重以及總?cè)丝趲讉€因素的變化，其中i表示某一省份。需要指出的是，由于西藏的能源消費量與碳排放很小，并且基礎(chǔ)數(shù)據(jù)獲取有較大難度，因此，本研究中只考慮了除去西藏的其他30個省、市、自治區(qū)。

表1 因素分解模型各變量定義

1.2.2 研究方法

Ang等研究表明，LMDI法可以對所有因素進行無殘差分解，克服了其他分解方法本身存在殘差項難以解釋的問題，使模型更具說服力。此后，許多學(xué)者都采用了LMDI分解法，該方法同時也廣泛應(yīng)用于各國的官方報告中。LMDI法采用乘法分解的結(jié)果具有加法特性;同時，LMDI法采用乘法分解或加法分解，其結(jié)果是一致的，且可以互相轉(zhuǎn)化［8－9］。

（1）全國CO2排放因素分解

全國CO2排放分解基本公式見式（3），第t年相對于基年的CO2的變化量可表示為

式中，ΔC為第t年相對于基年的CO2的變化量，單位為萬tCO2;Ct、C0分別為第t年、基年的CO2排放量，單位為萬 tCO2;△Cθ、△CK、△CI、△CS、△CG、△CR、△CP分別為地區(qū)能源排放因子、地區(qū)工業(yè)能耗占總能耗比重倒數(shù)、地區(qū)工業(yè)單位增加值能耗、地區(qū)工業(yè)比重、人均GDP、地區(qū)人口比重以及總?cè)丝趲讉€因素引起的CO2的變化量，單位為萬tCO2。

對公式（5）進行LMDI因素分解，

（2）地區(qū)CO2排放因素分解

對于第i個地區(qū)的CO2排放進行因素分解，其方法與全國CO2排放分解方法類似，即有

（3）影響因素貢獻率

各影響因素的貢獻率為該因素引起的CO2的變化量與總CO2變化了的比值。

2 數(shù)據(jù)處理與討論

2.1 2005－2008年我國各省區(qū)碳排放總量以及碳強度

碳強度為單位GDP的CO2排放量。根據(jù)所測算的基礎(chǔ)數(shù)據(jù)，可以得到2005年及2008年我國各省碳排放（億t CO2）以及碳強度（t CO2/萬元）匯總情況（見圖1）。

圖1 2005－2008年我國各省碳排放及碳強度

從圖中可以看出，“十一五”計劃執(zhí)行的前三年中，我國各個省份的CO2排放都有不同程度提高，與此同時GDP的高速增長以及節(jié)能減排工作的有效開展，各個省份的碳強度都得到有效降低。從2008年我國各省碳強度與碳排放情況的比較看，各省份之間表現(xiàn)出了非常大的差異性:排放最多的省份是山東，最少的省份是海南，碳強度最高的省份是寧夏，最低的是北京。這種差異是由多方面因素造成的。例如海南碳排放很低是因為主要依靠旅游業(yè)支撐當(dāng)?shù)亟?jīng)濟;山東雖然排放總量最大，但由于經(jīng)濟體量較大，其碳強度相對較低;山西、內(nèi)蒙古等能源大省，碳排放總量雖然不是最大，但由于經(jīng)濟總量居中，其碳強度反而較高;寧夏雖然排放量小，但其經(jīng)濟總量更小，其碳強度反而是最高的。

2.2 全國CO2排放量變化的因素分解分析

采用1.1.1中介紹的因素分解模型，計算我國CO2排放量影響因子對CO2排放總量增量的貢獻值，從而分析其影響程度。

可以看出，我國的CO2排放總量持續(xù)升高，最主要的影響因素是人均GDP的不斷上升（貢獻率達到200.61%，見表2），也就是由于國民經(jīng)濟的不斷發(fā)展和需求導(dǎo)致CO2排放總量持續(xù)升高。與此同時，工業(yè)單位增加值能耗的不斷下降，在一定程度上減緩了排放量增加的速率，其貢獻率為負，為－109.73。實際上，這兩項也正是我國過去以及未來經(jīng)濟發(fā)展與CO2控制的關(guān)鍵要素。一方面，雖然隨著節(jié)能潛力的不斷挖掘，未來控制工業(yè)單位增加值能耗的難度將不斷增大，但在未來一段時期內(nèi)，節(jié)能仍將是我國未來低碳發(fā)展的關(guān)鍵環(huán)節(jié)。另一方面，隨著經(jīng)濟的進一步發(fā)展，人均GDP水平的進一步提升，我國CO2排放總量的變化趨勢仍是進一步提高。

圖2 2005－2008年全國CO2排放量變化的因素分解

表2 全國CO2排放量影響因子占總差異的貢獻率%

圖3 2005－2008年各省CO2排放量變化的因素分解

2.3 各省CO2排放量變化的因素差異

采用1.1.1中介紹的因素分解模型，計算各省CO2排放量影響因子分別對各省CO2排放總量增量的貢獻值，從而分析其影響程度。具體計算結(jié)果如圖2、圖3和表3所示。

與全國整體情形類似，大部分地區(qū)貢獻率最高的影響因子都是人均GDP。但是由于各地基礎(chǔ)條件和發(fā)展速度不同，其他各個因素表現(xiàn)出較大的差異性。

（1）地區(qū)能源排放因子:各地差異很大，北京、上海、湖北、云南四省此項負貢獻很大，大幅度地降低了碳排放總量。相反，福建，青海等地區(qū)反而間接提高碳排放。這一項基本反映了能源使用種類以及能源輸送關(guān)系。比如北京、上海主要是使用了大量外輸?shù)目稍偕茉矗簿褪请娏?湖北、云南由于自身能源條件較好，本地能源消費可以較多地依賴非化石能源。

（2）工業(yè)能耗比重占總能耗比重倒數(shù):此項數(shù)值越大表示工業(yè)能耗比重占總能耗比重越小。該因素對北京表現(xiàn)出很強的正貢獻率，這主要是因為北京的工業(yè)比重很低。北京用能提升主要來源于三產(chǎn)和居民生活消耗。相比之下，青海、寧夏、新疆的該因素表現(xiàn)出較少的貢獻率，這主要是由于在西部大開發(fā)的背景下，許多工業(yè)在這些省份安家落戶，使得工業(yè)比重保持較高水平。

（3）工業(yè)單位增加值能耗:我國“十一五”節(jié)能規(guī)劃的主要目標(biāo)和手段之一就是要提高工業(yè)能效，有效降低工業(yè)單位增加值能耗。此項數(shù)據(jù)也印證了這一點。絕大多數(shù)省份表現(xiàn)出了很強的負貢獻率，其數(shù)值明顯地表現(xiàn)出了各個省在工業(yè)節(jié)能領(lǐng)域的努力。

（4）地區(qū)工業(yè)比重:此項反映了工業(yè)在經(jīng)濟總量中的比重。除了北京（首鋼等工業(yè)遷出）、上海、黑龍江以外，各地工業(yè)均呈現(xiàn)出繼續(xù)發(fā)展的態(tài)勢。盡管一直推動經(jīng)濟結(jié)構(gòu)改革，但是我國仍還處于發(fā)展階段，在一段時期內(nèi)，工業(yè)仍將是經(jīng)濟結(jié)構(gòu)中的重要組成部分。

表3 各省2005－2008年CO2排放量影響因子占總差異的貢獻率（%）

（5）人均GDP:此項反映了各地經(jīng)濟發(fā)展的水平。雖然各省發(fā)展速度有所區(qū)別，但是整體速度都是相當(dāng)驚人的，其對碳排放總量的貢獻也是最大的。在未來的一個階段，隨著產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，預(yù)計這項指標(biāo)將會放緩，因此可以預(yù)期未來我國各省碳排放的增速也會隨之放緩。

（6）地區(qū)人口比重:此項反映了各地人口遷徙帶來的影響。我們看到一些大城市，比如北京、上海和天津，由于人口的遷入導(dǎo)致人口規(guī)模擴大。人口的增加勢必導(dǎo)致能源消耗的增加和CO2排放量的增加，也就是說該項影響因子對碳排放總量有較大的正貢獻率。所以，未來在分析不同地區(qū)對全國排放的貢獻時，人口遷徙導(dǎo)致的人口比重變化也是需要考慮的因素之一。

3 結(jié)論與建議

本文基于能源平衡表，核算我國幾個省、市、自治區(qū)2005－2008年的能源消費和CO2排放情況。結(jié)果顯示:“十一五”期間，盡管CO2排放總量仍呈上升態(tài)勢，但絕大多數(shù)省份積極推進各自與中央達成的“十一五”節(jié)能協(xié)議目標(biāo)，取得良好成效，CO2排放強度得到有效控制。

采用LMDI方法對我國及各地區(qū)的CO2排放進行能源排放因子、地區(qū)工業(yè)能耗占總能耗比重、地區(qū)工業(yè)單位增加值能耗、地區(qū)工業(yè)比重、人均GDP、地區(qū)人口比重等多種碳排放影響因素分解分析。研究表明:人均GDP的升高是我國及各省碳排放量增加的主要影響因素，同時工業(yè)單位增加值能耗大幅度的下降是我國碳排放控制的最主要努力方向，并取得積極成效。與此同時，由于各地區(qū)的發(fā)展階段、經(jīng)濟結(jié)構(gòu)、能源稟賦、人口比重等具體條件不同，其CO2進一步減排所面臨的挑戰(zhàn)也各不相同。

為確保實現(xiàn)“2020年我國單位GDPCO2排放比2005年下降40－45%”的宏偉目標(biāo)，未來我國勢必將繼續(xù)推動節(jié)能減排行動。國務(wù)院《“十二五”控制溫室氣體排放工作方案》明確公布了各省未來五年單位GDP能源強度和碳強度下降目標(biāo)。為實現(xiàn)這些目標(biāo)，各地區(qū)要根據(jù)其自身發(fā)展階段和特點采取不同側(cè)重的節(jié)能減排措施。①發(fā)達地區(qū)，如北京、上海、廣東等少數(shù)地區(qū)應(yīng)適當(dāng)控制能源使用總量，鼓勵低碳消費，同時進一步降低工業(yè)比重，大力發(fā)展服務(wù)業(yè)，深化產(chǎn)業(yè)轉(zhuǎn)型;②落后地區(qū)，如寧夏、青海、西藏等經(jīng)濟總量、能源使用總量都不是很大，其經(jīng)濟發(fā)展水平?jīng)Q定其還需要較大的發(fā)展空間。未來一段時期內(nèi)，工業(yè)比重和CO2排放還將持續(xù)增長。不過這些地區(qū)的環(huán)境資源條件較好，應(yīng)避免重蹈“先污染，后治理”的覆轍，借鑒其他地區(qū)發(fā)展經(jīng)驗，從根本上走出低碳發(fā)展道路;③對其他發(fā)展中地區(qū)，代表了我國的基本現(xiàn)狀。隨著經(jīng)濟的進一步發(fā)展，人均GDP水平的進一步提升，CO2排放總量的變化趨勢仍是進一步提高。雖然在未來一段時期內(nèi)，節(jié)能仍將是未來低碳發(fā)展的關(guān)鍵環(huán)節(jié)，但是隨著節(jié)能潛力的不斷挖掘，未來控制工業(yè)單位增加值能耗的難度將不斷增大，經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型仍將是必由之路。

總之，GDP碳強度不僅反映能源轉(zhuǎn)化、運輸、分配和利用的綜合效益，同時反映能源體系燃料替代導(dǎo)致的CO2減排效益。由于我國各省、地區(qū)發(fā)展的不均衡性，要實現(xiàn)低碳發(fā)展，節(jié)約能源，降低溫室氣體排放強度，必須遵循因地制宜的原則。必須充分考慮各省、地區(qū)的能力和潛力、優(yōu)勢和劣勢，制定有針對性的發(fā)展策略，才能讓各省、地區(qū)經(jīng)濟穩(wěn)步發(fā)展的同時有效控制CO2排放，從而實現(xiàn)我國的可持續(xù)發(fā)展。

（編輯:劉照勝）

［1］Greening L A，Davis W B，Schipper L.Decomposition of Aggregate Carbon Intensity for the Manufacturing Sector:Comparison of Declining Trends from 10 OECD Countries for the Period 1971 －1991［J］.Energy Economics，1998，20（1）:43－65.

［2］Davis W B，Sanstad A H，Koomey J G.Contributions of Weather and Fuel Mix to Recent Declines in US Energy and Carbon Intensity［J］.Energy Economics，2003，25（4）:375 －396.

［3］Ferdinand V，F(xiàn)erdinand D F，Erica S.A Decomposition Analysis of CO2Emissions in the United States［J］.Applied Economics Etters，2010，17（10）:925－931.

［4］ Wang Can，Chen Jining，Zou Ji.Decomposition of Energy-related CO2Emission in China:1957 －2000［J］.Energy，2005，（30）:73－83.

［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(xué)，2009，31（12）:2072 －2079.

［6］王俊松，賀燦飛.能源消費、經(jīng)濟增長與中國CO2排放量變化－基于LMDI方法的分解分析［J］.長江流域資源與環(huán)境，2010，19（1）:18－22.

［7］段顯明，童正衛(wèi).浙江省能源消費碳排放的因素分解—基于LMDI分析方法［J］.北京郵電大學(xué)學(xué)報:社會科學(xué)版，2011，13（4）:68－75.

［8］Ang B W，Zhang F Q，Choi K H.Factorizing Changes in Energy Environmental Indicators through Decomposition［J］.Energy，1998，2（6）:489－495.

［9］Ang B W.Decomposition Analysis for Policymaking in Energy:Which Is the Preferred Method?［J］.Energy Policy，2004，32（9）:1131－1139.