長三角地區(qū)能源消費(fèi)碳排放驅(qū)動因素分析及優(yōu)化策略

宋府霖，韓傳峰, ，滕敏敏

（1. 同濟(jì)大學(xué) 經(jīng)濟(jì)與管理學(xué)院，上海 200092；2. 同濟(jì)大學(xué) 可持續(xù)發(fā)展與新型城鎮(zhèn)化智庫，上海 200092；3. 上海電力大學(xué) 經(jīng)濟(jì)與管理學(xué)院，上海 200090）

隨著能源消耗量的急劇增長，全球碳濃度從1750年的280 ppm上升到2017年的405 ppm，極端天氣、土地荒漠化及糧食減產(chǎn)等氣候變化問題日益嚴(yán)重，控制碳排放成為各國關(guān)注的焦點(diǎn)。作為我國經(jīng)濟(jì)發(fā)展活躍程度最高的地區(qū)之一，長三角地區(qū)近20年來能源消費(fèi)總量占全國比重保持在16%左右，且碳排放量位居全國前列。分析能源消費(fèi)碳排放驅(qū)動因素并提出優(yōu)化策略，助力長三角地區(qū)高質(zhì)量一體化發(fā)展，成為具有重要理論意義的現(xiàn)實問題。

碳排放驅(qū)動因素分解通常采用結(jié)構(gòu)分解分析（structural decomposition analysis，SDA）[1-2]和指數(shù)分解分析法（index decomposition analysis，IDA）[3]，后者較前者更易收集數(shù)據(jù)，應(yīng)用更為廣泛。常用的IDA方法包括Kaya恒等式[4-5]、IPAT模型[6-7]和Laspeyres分解法[8-9]等。近年來，國內(nèi)外學(xué)者廣泛運(yùn)用并改進(jìn)上述方法，分析國家、地區(qū)層面能源消費(fèi)碳排放驅(qū)動因素。Ang[10]基于Kaya恒等式，提出對數(shù)迪氏平均指數(shù)法（logarithmic mean divisia index，LMDI），該方法能夠消除難以解釋的殘差項并解決零值與負(fù)值問題，可操作性較強(qiáng)，在溫室氣體排放驅(qū)動因素分解研究中得到廣泛應(yīng)用[11-14]。與LMDI法不同，Ehrlich & Holdren[15]提出IPAT恒等式，指明經(jīng)濟(jì)增長與資源環(huán)境的關(guān)系，認(rèn)為環(huán)境承載力是人口、富裕及技術(shù)等關(guān)鍵驅(qū)動因素的乘積。York等[16]基于IPAT方程拓展STIRPAT模型，廣泛應(yīng)用于能源相關(guān)的碳排放預(yù)測。陳占明等[17]應(yīng)用STIRPAT模型，分析中國地級以上城市二氧化碳排放的影響因素，發(fā)現(xiàn)二氧化碳排放量隨人口規(guī)模、第二產(chǎn)業(yè)占比及采暖需求的提高而增長，富裕程度與碳排放量呈倒“U”型關(guān)系，城鎮(zhèn)化率對碳排放影響具有不確定性。黃蕊等[18]應(yīng)用擴(kuò)展的STIRPAT模型研究江蘇省能源消費(fèi)碳排放趨勢，發(fā)現(xiàn)當(dāng)人口、經(jīng)濟(jì)保持低速增長，技術(shù)保持高速增長時，有利于控制江蘇省的能源消費(fèi)碳排放量。

綜上所述，已有研究或僅關(guān)注溫室氣體排放驅(qū)動因素分解，或聚焦于能源消費(fèi)碳排放趨勢分析，難以有效量化驅(qū)動因素對碳排放量變化的影響。本文系統(tǒng)應(yīng)用LMDI分解法及修正后的STIRPAT模型，從靜態(tài)和動態(tài)兩個角度，基于長三角地區(qū)1997—2016年的時間序列數(shù)據(jù)，分析得出能源消費(fèi)碳排放驅(qū)動因素的貢獻(xiàn)率及影響程度，進(jìn)一步提出長三角地區(qū)能源消費(fèi)碳排放優(yōu)化策略。

1 長三角地區(qū)能源消費(fèi)碳排放現(xiàn)狀分析

作為我國經(jīng)濟(jì)發(fā)展水平較高的地區(qū)之一，長三角地區(qū)能源消費(fèi)總量呈逐年增長態(tài)勢，見圖1。2016年長三角地區(qū)能源消費(fèi)總量達(dá)到61 763.49萬噸標(biāo)準(zhǔn)煤，較1997年凈增41 727.94萬噸標(biāo)準(zhǔn)煤，年均增長率約為6.1%，低于經(jīng)濟(jì)增長速度。以1997年價格計，1997—2016年長三角地區(qū)的能源強(qiáng)度持續(xù)下降，表明長三角地區(qū)的能源利用效率逐年提高，經(jīng)濟(jì)發(fā)展對于能源消費(fèi)的依賴程度不斷減弱。

圖1 長三角地區(qū)能源消費(fèi)總量及強(qiáng)度變化

1997年以來，煤炭等高碳排放系數(shù)的化石能源是長三角地區(qū)主要消費(fèi)的能源。雖然2005年后天然氣能源的消費(fèi)比重有所增加，但變動幅度并不大。2016年長三角地區(qū)一次能源消費(fèi)結(jié)構(gòu)為煤炭69.39%、石油22.6%、天然氣8.01%?？梢?，當(dāng)前長三角地區(qū)能源消費(fèi)結(jié)構(gòu)現(xiàn)狀仍對高碳能源的依賴程度較高，短期內(nèi)很難改變煤炭主導(dǎo)的能源結(jié)構(gòu)，見圖2。

圖2 長三角地區(qū)能源消費(fèi)結(jié)構(gòu)變化

參考IPCC第四次評估報告，二氧化碳排放量的核算方法為：

式中：C為能源消費(fèi)引起的碳排放總量，E為能源的消費(fèi)量，i代表煤炭、石油、天然氣等一次能源，F(xiàn)i為第i類能源的折標(biāo)準(zhǔn)煤系數(shù)，Ki為i類能源的碳排放系數(shù)。模型計算用到的各類能源碳排放系數(shù)和折算標(biāo)準(zhǔn)煤系數(shù)參考《省級溫室氣體清單編制指南》（發(fā)改辦氣候〔2011〕1041號），折算標(biāo)準(zhǔn)煤系數(shù)依據(jù)《中國能源統(tǒng)計年鑒2017》所附帶的“各種能源折標(biāo)準(zhǔn)煤參考系數(shù)”見表1。

表1 能源折算標(biāo)準(zhǔn)煤參考系數(shù)及碳排放系數(shù)

如圖3所示，1997—2016年長三角地區(qū)在能源消費(fèi)持續(xù)增長的帶動下，碳排放總量呈現(xiàn)出逐年遞增的趨勢，從1997年的52 222.59萬噸增長到2016年的155 341.26萬噸。其中，2012—2016年能源消費(fèi)總量與碳排放情況出現(xiàn)短暫波動，可能與近年來經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變有關(guān)。

圖3 長三角地區(qū)能源消費(fèi)總量與碳排放總量變化對比

2 研究方法與數(shù)據(jù)來源

2.1 研究方法

2.1.1 LMDI因素分解分析

1998年，Ang[4]以擴(kuò)展的Kaya恒等式為基礎(chǔ)，提出對數(shù)平均迪氏指數(shù)分解法（LMDI分解法），理論基礎(chǔ)、適用性及可操作性較其他研究方法有一定的優(yōu)越性，且在“低碳、循環(huán)”等研究領(lǐng)域有廣泛應(yīng)用?；跀U(kuò)展后的Kaya恒等式，對長三角地區(qū)能源消費(fèi)碳排放進(jìn)行因素分解為：

式中：C表示能源消費(fèi)碳排放總量，i即能源種類，G表示經(jīng)濟(jì)情況，即GDP，P表示總?cè)丝跀?shù)，E表示能源消費(fèi)總量。

式中：S代表能源消費(fèi)結(jié)構(gòu)，用碳排放量與能源總量之比表示；I表示長三角地區(qū)單位GDP能耗值，代表能源消費(fèi)強(qiáng)度；A表示長三角地區(qū)人均GDP，代表經(jīng)濟(jì)產(chǎn)出；P表示長三角地區(qū)人口總數(shù)，代表人口規(guī)模。

LMDI分解法分為加法分解和乘法分解，分解結(jié)果一致且具有完全分解、消除殘差項、允許包含數(shù)值為零的數(shù)據(jù)等優(yōu)點(diǎn)。本文利用加法形式對長三角地區(qū)能源消費(fèi)碳排放量進(jìn)行LMDI因素分解，以計量人口和經(jīng)濟(jì)變化、能源消費(fèi)結(jié)構(gòu)變化及能源消費(fèi)強(qiáng)度變化對能源消費(fèi)碳排放量的影響。累加LMDI方法如下式所示：令 為基期碳排放量，CT為第T期碳排放量，定義ΔCtot為長三角地區(qū)能源消費(fèi)碳排放量變化綜合效應(yīng)，表達(dá)式為：

式中：ΔCpop表示人口規(guī)模效應(yīng)，ΔCact表示經(jīng)濟(jì)產(chǎn)出效應(yīng)，ΔCint表示碳排放強(qiáng)度效應(yīng)，ΔCstr表示能源消費(fèi)結(jié)構(gòu)效應(yīng)。

式（4）中各碳排放分解因子影響效應(yīng)為：

2.1.2 修正的STIRPAT模型

York等基于IPAT方法構(gòu)建隨機(jī)STIRPAT模型[11]，表示為：

式中：I、P、A和T的含義與IPAT模型一致，分別代表環(huán)境壓力負(fù)荷、人口規(guī)模、富裕程度和技術(shù)水平。因此，a表示模型的擬合系數(shù)；b、c和d表示每個解釋變量的指數(shù)；e表示建立模型時產(chǎn)生的誤差項。引入b、c、d等指標(biāo)，改進(jìn)被解釋變量I與解釋變量之間成比例變化的不足，因此該模型可拓展為用于分析環(huán)境壓力模型中自變量的無約束效應(yīng)，即STIRPAT模型。STIRPAT模型是以多個獨(dú)立變量為特征的非線性方法，為消除時間序列的較大波動趨勢，克服序列的異方差性，首先對原始數(shù)據(jù)進(jìn)行對數(shù)處理。對模型（9）進(jìn)行對數(shù)變換，得到：

為將上述模型應(yīng)用到能源消費(fèi)碳排放因素分析，擴(kuò)展模型（10），增加能源結(jié)構(gòu)的影響因素以檢驗?zāi)茉唇Y(jié)構(gòu)變化對二氧化碳排放的影響，改寫為：

式中：C為碳排放量，以一次能源消費(fèi)所產(chǎn)生的碳排放量表示，單位為萬噸；P為人口規(guī)模，以常住人口表示，單位為萬人；A為經(jīng)濟(jì)產(chǎn)出水平，以人均生產(chǎn)總值表示，單位為萬元；I為能源消費(fèi)強(qiáng)度，以單位消耗GDP表示，單位為噸/萬元；S為能源消費(fèi)結(jié)構(gòu)，以碳排放量/能源消費(fèi)總量表示，單位為萬噸/萬噸標(biāo)準(zhǔn)煤；g為誤差項。

2.2 數(shù)據(jù)來源

實證分析中使用的能源數(shù)據(jù)均來源于1997—2016年《中國能源統(tǒng)計年鑒》中江蘇省、浙江省、上海市和安徽省的區(qū)域能源平衡表，測算的能源種類主要為煤炭、石油、天然氣等一次能源。人口及經(jīng)濟(jì)數(shù)據(jù)主要來源于1997—2016年的《江蘇省統(tǒng)計年鑒》《浙江省統(tǒng)計年鑒》《上海市統(tǒng)計年鑒》《安徽省統(tǒng)計年鑒》，其中人口數(shù)據(jù)使用常住人口數(shù)據(jù)，生產(chǎn)總值數(shù)據(jù)以1997年為基期換算。

3 實證分析

3.1 LMDI因素分解

為進(jìn)一步探討碳排放分解因子效應(yīng)在二氧化碳排放中的內(nèi)在驅(qū)動機(jī)制，基于《中國能源統(tǒng)計年鑒》整理計算的相關(guān)數(shù)據(jù)（表2），應(yīng)用LMDI分解法，將長三角地區(qū)能源消費(fèi)碳排放驅(qū)動因素分解為人口規(guī)模、經(jīng)濟(jì)產(chǎn)出、能源結(jié)構(gòu)、能源強(qiáng)度效應(yīng)，并計算得到各效應(yīng)年度變化值、累計變化值和貢獻(xiàn)率，結(jié)果見表3。

表2 1997—2016年長三角地區(qū)人口規(guī)模、生產(chǎn)總值與碳排放、能源消費(fèi)相關(guān)數(shù)據(jù)

表3 1997—2016年長三角地區(qū)能源消費(fèi)碳排放變化效應(yīng)因素分解

綜上所述，長三角地區(qū)碳排放可分為兩個階段：1997—2012年和2013—2016年。第一階段1997—2012年，國內(nèi)生產(chǎn)總值增加74 381.47億元，能源消費(fèi)總量和二氧化碳排放量呈連續(xù)增長趨勢，年平均增長率為7.72%，主要原因是該階段經(jīng)濟(jì)發(fā)展方式比較粗放，GDP的高速增長是以高能源消耗、高二氧化碳排放為代價。第二階段2013—2016年，碳排放量增加明顯趨緩且在2013—2014年、2015—2016年二氧化碳排放增加量表現(xiàn)為負(fù)值，主要是由于2012年后生態(tài)文明建設(shè)上升為國家戰(zhàn)略，經(jīng)濟(jì)發(fā)展模式由粗放型發(fā)展逐漸向低碳集約型發(fā)展轉(zhuǎn)變。

在第一階段（1997—2012年），二氧化碳排放量增加98 235.35萬噸。經(jīng)濟(jì)產(chǎn)出效應(yīng)與人口規(guī)模效應(yīng)均表現(xiàn)為出正效應(yīng)，能源強(qiáng)度效應(yīng)與能源結(jié)構(gòu)效應(yīng)大都表現(xiàn)為負(fù)效應(yīng)。具體而言，能源強(qiáng)度導(dǎo)致-52 578.06萬噸二氧化碳排放，而經(jīng)濟(jì)產(chǎn)出效應(yīng)導(dǎo)致141 059.12萬噸二氧化碳排放，這兩者是導(dǎo)致二氧化碳總排放量變化的主要因素，平均貢獻(xiàn)率分別為-25.79%和66.77%。貢獻(xiàn)最低的是能源結(jié)構(gòu)效應(yīng)，僅產(chǎn)生-1 584.88萬噸二氧化碳排放，貢獻(xiàn)率僅為1.51%。人口規(guī)模效應(yīng)對碳排放具有促進(jìn)作用，因為人口規(guī)模擴(kuò)大導(dǎo)致對能源的使用和需求越來越多，且不可避免地會改變生態(tài)環(huán)境及土地利用方式，破壞森林，減少植被，降低碳匯能力。1997—2002年能源強(qiáng)度效應(yīng)年度變化均為負(fù)值，但2003—2005年為正值，2005年后又表現(xiàn)為負(fù)值，這一波動趨勢與長三角地區(qū)能源消費(fèi)強(qiáng)度變化趨勢基本一致。2003—2005年能源強(qiáng)度效應(yīng)表現(xiàn)為正效應(yīng)，原因可能是該時期經(jīng)濟(jì)發(fā)展過于粗放，高能耗、低能效行業(yè)大規(guī)模且過度擴(kuò)張，致使能源利用效率整體下降。

在第二階段（2013—2016年），二氧化碳總排放量增加1 372.78萬噸，遠(yuǎn)低于第一階段增長量。這一階段的經(jīng)濟(jì)產(chǎn)出效應(yīng)平均貢獻(xiàn)率為50.72%，低于第一階段的66.67%，表明集約低碳的經(jīng)濟(jì)發(fā)展模式可降低二氧化碳排放量。能源強(qiáng)度產(chǎn)生-40 674.96萬噸二氧化碳排放量，平均貢獻(xiàn)率為-42.68%，負(fù)貢獻(xiàn)大于第一階段的25.79%，因此第二階段的單位GDP能耗更低，表明此階段長三角地區(qū)在提升能源利用效率方面取得了較好的創(chuàng)新性成果，大幅提高能源利用效率。該階段能源結(jié)構(gòu)效應(yīng)產(chǎn)生-2 497.62萬噸二氧化碳排放量，平均貢獻(xiàn)率為3.09%，高于第一階段的0.94%，由此可知，降低高碳能源的消費(fèi)比重對減少長三角地區(qū)能源消費(fèi)碳排放總量有著至關(guān)重要的作用。能源結(jié)構(gòu)效應(yīng)貢獻(xiàn)度絕對值在四種效應(yīng)中相對較低，表明長三角地區(qū)能源消費(fèi)結(jié)構(gòu)有進(jìn)一步優(yōu)化的空間。1997—2016年各驅(qū)動因素累積效應(yīng)貢獻(xiàn)度、逐年效應(yīng)貢獻(xiàn)度分別見圖4和圖5。

圖4 長三角地區(qū)能源消費(fèi)碳排放影響因素貢獻(xiàn)率年度分布

圖5 長三角地區(qū)能源消費(fèi)碳排放影響因素累計變化分布

3.2 STIRPAT模型構(gòu)建

3.2.1 單位根檢驗

STIRPAT模型已對原始數(shù)據(jù)進(jìn)行對數(shù)化處理，使時間序列更具線性趨勢且消除了異方差對時間序列數(shù)據(jù)的影響。本節(jié)為驗證時間序列數(shù)據(jù)的平穩(wěn)性，以防解釋變量與被解釋變量間出現(xiàn)“偽回歸”，運(yùn)用Eviews8.0，應(yīng)用ADF統(tǒng)計量進(jìn)行五個變量的單位根檢驗，并根據(jù)SIC值確定滯后項。其中l(wèi)nC是被解釋變量，lnP、lnA、lnI、lnS是被解釋變量。ADF檢驗的原始假設(shè)是變量存在單位根，若ADF檢驗值小于顯著性水平的臨界值，則表明時間序列數(shù)據(jù)平穩(wěn)。否則，接受原假設(shè)，表明時間序列非平穩(wěn)。若原始時間序列為非平穩(wěn)狀態(tài)，則需進(jìn)行一階差分處理。若一階差分序列仍是非平穩(wěn)的，則需對二階差分進(jìn)行檢驗，檢驗結(jié)果見表4。

表4 ADF單位根檢驗結(jié)果

由表4檢驗結(jié)果可知，原始時間序列數(shù)據(jù)具有非平穩(wěn)性，經(jīng)過二階差分后，5個變量的ADF值均通過顯著性水平為5%的檢驗，時間序列變得平穩(wěn)，因此原始時間序列皆為二階單整序列，符合進(jìn)行協(xié)整分析的條件。

3.2.2 協(xié)整檢驗

為了后續(xù)回歸分析的有效性，采用E-G兩步法對時間序列進(jìn)行協(xié)整關(guān)系檢驗。運(yùn)用Eviews 8.0進(jìn)行OLS回歸，得到協(xié)整方程：

為判斷殘差序列是否平穩(wěn)，獲取殘差序列并進(jìn)行AEG檢驗。檢驗結(jié)果見表5。

表5 殘差序列AEG檢驗結(jié)果

如表5所示，在1%的顯著性水平下，殘差序列的ADF值的絕對值比對應(yīng)的AEG閾值的絕對值大，表明原時間序列具有顯著的協(xié)整關(guān)系，不存在“偽回歸”，可進(jìn)行后續(xù)的回歸分析。

3.2.3 多重共線性檢驗

為準(zhǔn)確估計模型的參數(shù)，需檢驗各個變量之間是否存在多重共線性。應(yīng)用Eviews8.0對變量進(jìn)行相關(guān)性檢驗。從表6相關(guān)系數(shù)矩陣可知，變量lnA、lnP、lnI和lnS之間相關(guān)系數(shù)均較高且大部分?jǐn)?shù)值高于0.90，說明解釋變量之間存在高度相關(guān)性，因此可能存在嚴(yán)重的多重共線性。

表6 相關(guān)系數(shù)矩陣

應(yīng)用SPSS21.0對被解釋變量lnC和解釋變量lnA、lnP、lnI和lnS進(jìn)行普通最小二乘法估計，并通過方差膨脹因子（VIF值）判斷變量間是否存在多重共線性。檢驗結(jié)果見表7。

表7 普通最小二乘法回歸結(jié)果

由表7可知，共線性統(tǒng)計量VIF（方差膨脹因子）均遠(yuǎn)大于10，且變量lnS特征值為1.899×10-7趨近于0，說明變量間可能存在嚴(yán)重的多重共線性。

3.2.4 嶺回歸分析

為克服變量間多重共線性的影響，選擇可以有效解決多重共線性問題的嶺回歸法進(jìn)行建模。嶺回歸法是Horel于1962年提出的一種優(yōu)化的最小二乘法，適用于共線性數(shù)據(jù)分析，對病態(tài)數(shù)據(jù)耐受性較強(qiáng)[19]。運(yùn)用嶺回歸估計參數(shù)的實質(zhì)是犧牲無偏性來尋找參數(shù)估計的最小方差性，通過在標(biāo)準(zhǔn)化的解釋變量矩陣對角線上增加一組懲罰系數(shù)K（即嶺參數(shù)）來進(jìn)行估計。若能合理選擇嶺參數(shù)K，嶺回歸的結(jié)果將大大減少在較小的無偏性下參數(shù)估計的方差。K值的變化范圍是從0到1。K值越小，原有信息損失越少，估計精度越精確。

通過嶺跡圖來確定合理的K值，如圖6所示。利用SPSS21.0軟件的嶺回歸法對模型（11）進(jìn)行擬合，嶺回歸系數(shù)K在(0, 1)區(qū)間，以步長為0.01進(jìn)行取值，當(dāng)K=0.002時，嶺跡圖變化逐漸平穩(wěn)，具體的嶺回歸估計結(jié)果見表8。

圖6 嶺跡圖

由表8可知，嶺回歸的系數(shù)lnI和lnS通過了5%的顯著性水平檢驗，lnA、lnP均通過了1%的顯著性水平檢驗，為99.947 7%，模型整體擬合程度良好。F統(tǒng)計量為7 166.424 5，通過了1%的顯著性水平檢驗。因此，模型（13）能較好地解釋長三角地區(qū)能源消費(fèi)碳排放量與影響因素之間的關(guān)系，具體形式如下：從模型（13）的擬合結(jié)果可以看出，經(jīng)濟(jì)產(chǎn)出水平、人口規(guī)模、能源消費(fèi)結(jié)構(gòu)、能源消費(fèi)強(qiáng)度均與長三角地區(qū)碳排放總量呈現(xiàn)正相關(guān)關(guān)系，影響因素作用程度大小依次為人口規(guī)模＞能源消費(fèi)結(jié)構(gòu)＞經(jīng)濟(jì)產(chǎn)出水平＞能源消費(fèi)強(qiáng)度。

表8 嶺回歸估計結(jié)果

根據(jù)實證結(jié)果，人口規(guī)模是影響長三角地區(qū)能源消費(fèi)碳排放增長最強(qiáng)因素，彈性系數(shù)為2.293 5，表明長三角地區(qū)人口規(guī)模每增加1%，能源消費(fèi)碳排放總量增長2.293 5%。長三角地區(qū)極強(qiáng)的區(qū)域綜合競爭力和經(jīng)濟(jì)社會發(fā)展條件吸引了大量優(yōu)秀人才，接受了很多外來人口。人口規(guī)模的擴(kuò)大勢必會帶來電力、交通、房地產(chǎn)等行業(yè)能源消費(fèi)量的增加，進(jìn)而導(dǎo)致碳排放量增加。

經(jīng)濟(jì)產(chǎn)出水平彈性系數(shù)為0.845 4，表明人均GDP每增長1%，長三角地區(qū)能源消費(fèi)碳排放相應(yīng)增加0.845 4%。長三角地區(qū)是我國經(jīng)濟(jì)發(fā)展水平最高的地區(qū)之一，GDP在過去20年快速增長，消耗大量能源。一方面，工業(yè)化、城鎮(zhèn)化進(jìn)程不斷加快，導(dǎo)致能源過度消耗，帶來大量碳排放。另一方面，隨著人們生活水平的提高，娛樂、餐飲等也會刺激直接或間接的能源消費(fèi)需求。根據(jù)環(huán)境庫茲涅茨曲線，在較長的研究期間，環(huán)境負(fù)荷與經(jīng)濟(jì)產(chǎn)出水平之間的關(guān)系是倒“U”型曲線，實證結(jié)果表明，經(jīng)濟(jì)產(chǎn)出水平與能源消費(fèi)碳排放呈正相關(guān)關(guān)系，當(dāng)前長三角地區(qū)處于倒“U”型曲線的左端，經(jīng)濟(jì)發(fā)展方式仍需轉(zhuǎn)變。

能源消費(fèi)結(jié)構(gòu)彈性系數(shù)為1.933 3，即平均碳排放系數(shù)每增加1%，能源消費(fèi)碳排放總量相應(yīng)增長1.933 3%，是影響長三角地區(qū)能源消費(fèi)碳排放第二大因素。平均碳排放系數(shù)越高，代表地區(qū)內(nèi)能源消費(fèi)結(jié)構(gòu)中煤炭占能源消費(fèi)總量比例越高。因此，優(yōu)化能源使用結(jié)構(gòu)和推動綠色化能源變革，是長三角地區(qū)減少二氧化碳排放的較有效途徑之一。

能源消費(fèi)強(qiáng)度是引起長三角地區(qū)能源消費(fèi)碳排放增加的另一重要因素，能源消費(fèi)強(qiáng)度每增加1%，將會造成長三角地區(qū)能源消費(fèi)碳排放增加0.832 8%。能源消費(fèi)強(qiáng)度越低，表明單位GDP所需的能源消費(fèi)量少，即能源使用效率高。1997—2016年，長三角地區(qū)能源消費(fèi)強(qiáng)度由1.144 7噸/萬元降到0.491 9噸/萬元，能源消費(fèi)強(qiáng)度不斷降低，表明能源使用效率逐年提高。由于提高能源效率的邊際效益不斷降低，科技創(chuàng)新水平對碳排放的影響相對較弱。

4 結(jié)論

（1）長三角地區(qū)能源消費(fèi)總量與碳排放總量在過去20年逐年上升，2016年能源消費(fèi)碳排放總量達(dá)到155 341.26萬噸。能源消費(fèi)強(qiáng)度呈逐年下降趨勢且能源消費(fèi)結(jié)構(gòu)逐年優(yōu)化，煤炭消費(fèi)占總能源消費(fèi)比例已由1997年的77.75%下降到2016年的69.39%，天然氣消費(fèi)比例逐年提高。

（2）基于LMDI因素分解法研究結(jié)果表明，1997—2016年長三角地區(qū)能源消費(fèi)碳排放快速增長的主要原因是經(jīng)濟(jì)快速發(fā)展，其次是人口規(guī)模不斷擴(kuò)大。經(jīng)濟(jì)產(chǎn)出效應(yīng)累計貢獻(xiàn)186 215.76萬噸碳，平均貢獻(xiàn)率達(dá)63.39%。人口規(guī)模效應(yīng)累計貢獻(xiàn)14 421.71萬噸碳，平均貢獻(xiàn)率為5.42%。抑制碳排放增長的因素主要是能源強(qiáng)度效應(yīng)和能源結(jié)構(gòu)效應(yīng)，其中強(qiáng)度效應(yīng)影響程度大于結(jié)構(gòu)效應(yīng)。能源強(qiáng)度效應(yīng)累計貢獻(xiàn)-93 436.33萬噸碳，平均貢獻(xiàn)率為-26.89%。能源結(jié)構(gòu)對碳排放的抑制作用起微弱作用，累計貢獻(xiàn)-4 082.47萬噸，平均貢獻(xiàn)率達(dá)-1.39%。

（3）LMDI指數(shù)分解從靜態(tài)角度分析能源碳排放的驅(qū)動因素變化，STIRPAT模型進(jìn)一步從動態(tài)定量角度分析各影響因素的單位變量引起的能源碳排放變化量。人口規(guī)模、經(jīng)濟(jì)產(chǎn)出因子每增加1%，能源消費(fèi)二氧化碳排放量分別增加2.293 5%、0.845 4%。由于能源強(qiáng)度和能源結(jié)構(gòu)的變化呈下降趨勢，對碳排放起抑制作用，分別變化1%，引起能源消費(fèi)二氧化碳排放量減少0.832 8%和1.933 3%。雖然整體上人口規(guī)模對能源消費(fèi)碳排放增加的貢獻(xiàn)率不及經(jīng)濟(jì)活動效應(yīng)，但從動態(tài)定量角度來看，對碳排放增加的效應(yīng)更明顯。基于此，能源結(jié)構(gòu)優(yōu)化對減少能源碳排放的效應(yīng)更明顯。因此，控制人口規(guī)模，優(yōu)化能源結(jié)構(gòu)也可有效地降低能源碳排放。

5 長三角地區(qū)能源消費(fèi)碳排放優(yōu)化策略

（1）在生態(tài)補(bǔ)償、產(chǎn)業(yè)鏈升級、公共服務(wù)等方面建立一體化發(fā)展新機(jī)制。以上海市為核心，增強(qiáng)輻射帶動作用，加速推動經(jīng)濟(jì)發(fā)展方式向低碳集約型轉(zhuǎn)變。積極探索碳排放權(quán)交易等市場化生態(tài)補(bǔ)償模式，加快完善可持續(xù)有效的生態(tài)補(bǔ)償機(jī)制。提高企業(yè)入門標(biāo)準(zhǔn)，引導(dǎo)高效、高附加值、低碳的產(chǎn)業(yè)加入產(chǎn)業(yè)鏈。激勵企業(yè)積極履行減碳環(huán)境責(zé)任，更多地披露環(huán)境信息。完善碳排放計量體系，綜合運(yùn)用云霧計算、5G、區(qū)塊鏈、信息融合、大數(shù)據(jù)等現(xiàn)代信息技術(shù)，提高能源數(shù)據(jù)統(tǒng)計決策能力和公共服務(wù)力?？茖W(xué)編制碳排放清單，優(yōu)化碳排放數(shù)據(jù)報送系統(tǒng)和登記系統(tǒng)，對重點(diǎn)碳排放單位進(jìn)行監(jiān)測、報告、核查。

（2）打造人才一體化機(jī)制，賦能長三角生態(tài)綠色一體化示范區(qū)高質(zhì)量發(fā)展。運(yùn)用現(xiàn)代信息技術(shù)科學(xué)精準(zhǔn)預(yù)測人才需求，編制長三角一體化人才發(fā)展規(guī)劃，立足三省一市產(chǎn)業(yè)鏈與價值鏈分工，通過人才政策、產(chǎn)業(yè)政策優(yōu)化人力資源空間配置。建立一體化人才互認(rèn)機(jī)制，推動城鄉(xiāng)人才雙向流動，促進(jìn)高層次人才在區(qū)域間有效流動。

（3）推動綠色化能源變革，增強(qiáng)低碳消費(fèi)內(nèi)生動力。整合消費(fèi)煤炭設(shè)施資源，推進(jìn)燃?xì)夤芫W(wǎng)覆蓋城鄉(xiāng)，多元化發(fā)展天然氣開采投資模式。加快對太陽能、風(fēng)能、生物質(zhì)能等清潔能源和可再生能源的開發(fā)及利用，注重氫能產(chǎn)業(yè)發(fā)展。充分發(fā)揮社會多元主體作用，鼓勵各層次主體參與低碳相關(guān)法律法規(guī)制定，宣傳和引導(dǎo)民眾樹立低碳觀念。

（4）加強(qiáng)能源轉(zhuǎn)化和存儲技術(shù)研發(fā)，提高能源開發(fā)利用效率，發(fā)展節(jié)能技術(shù)。以企業(yè)低碳發(fā)展實際需求為導(dǎo)向，圍繞二氧化碳捕集與利用、二氧化碳封存、高耗能高排放企業(yè)節(jié)能降耗等關(guān)鍵技術(shù)及裝備，建立政學(xué)產(chǎn)研多元主體參與機(jī)制。聚焦關(guān)鍵共性、前沿引領(lǐng)、應(yīng)用型的高效能量存儲技術(shù)，開展跨學(xué)科跨領(lǐng)域協(xié)同合作，形成基礎(chǔ)科學(xué)研究、應(yīng)用技術(shù)開發(fā)和成果轉(zhuǎn)化的全流程創(chuàng)新產(chǎn)業(yè)鏈。