長三角地區(qū)能源消費碳排放驅(qū)動因素分析及優(yōu)化策略

宋府霖，韓傳峰, ，滕敏敏

（1. 同濟大學 經(jīng)濟與管理學院，上海 200092；2. 同濟大學 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 經(jīng)濟與管理學院，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重，控制碳排放成為各國關注的焦點。作為我國經(jīng)濟發(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構分解分析（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)外學者廣泛運用并改進上述方法，分析國家、地區(qū)層面能源消費碳排放驅(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值問題，可操作性較強，在溫室氣體排放驅(qū)動因素分解研究中得到廣泛應用[11-14]。與LMDI法不同，Ehrlich & Holdren[15]提出IPAT恒等式，指明經(jīng)濟增長與資源環(huán)境的關系，認為環(huán)境承載力是人口、富裕及技術等關鍵驅(qū)動因素的乘積。York等[16]基于IPAT方程拓展STIRPAT模型，廣泛應用于能源相關的碳排放預測。陳占明等[17]應用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”型關系，城鎮(zhèn)化率對碳排放影響具有不確定性。黃蕊等[18]應用擴展的STIRPAT模型研究江蘇省能源消費碳排放趨勢，發(fā)現(xiàn)當人口、經(jīng)濟保持低速增長，技術保持高速增長時，有利于控制江蘇省的能源消費碳排放量。

綜上所述，已有研究或僅關注溫室氣體排放驅(qū)動因素分解，或聚焦于能源消費碳排放趨勢分析，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)，分析得出能源消費碳排放驅(qū)動因素的貢獻率及影響程度，進一步提出長三角地區(qū)能源消費碳排放優(yōu)化策略。

1 長三角地區(qū)能源消費碳排放現(xiàn)狀分析

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

圖1 長三角地區(qū)能源消費總量及強度變化

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)主要消費的能源。雖然2005年后天然氣能源的消費比重有所增加，但變動幅度并不大。2016年長三角地區(qū)一次能源消費結構為煤炭69.39%、石油22.6%、天然氣8.01%?？梢?，當前長三角地區(qū)能源消費結構現(xiàn)狀仍對高碳能源的依賴程度較高，短期內(nèi)很難改變煤炭主導的能源結構，見圖2。

圖2 長三角地區(qū)能源消費結構變化

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為能源消費引起的碳排放總量，E為能源的消費量，i代表煤炭、石油、天然氣等一次能源，F(xiàn)i為第i類能源的折標準煤系數(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)和折算標準煤系數(shù)參考《省級溫室氣體清單編制指南》（發(fā)改辦氣候〔2011〕1041號），折算標準煤系數(shù)依據(jù)《中國能源統(tǒng)計年鑒2017》所附帶的“各種能源折標準煤參考系數(shù)”見表1。

表1 能源折算標準煤參考系數(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年能源消費總量與碳排放情況出現(xiàn)短暫波動，可能與近年來經(jīng)濟發(fā)展方式轉變有關。

圖3 長三角地區(qū)能源消費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]以擴展的Kaya恒等式為基礎，提出對數(shù)平均迪氏指數(shù)分解法（LMDI分解法），理論基礎、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)”等研究領域有廣泛應用?；跀U展后的Kaya恒等式，對長三角地區(qū)能源消費碳排放進行因素分解為：

式中：C表示能源消費碳排放總量，i即能源種類，G表示經(jīng)濟情況，即GDP，P表示總人口數(shù)，E表示能源消費總量。

式中：S代表能源消費結構，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，代表能源消費強度；A表示長三角地區(qū)人均GDP，代表經(jīng)濟產(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。本文利用加法形式對長三角地區(qū)能源消費碳排放量進行LMDI因素分解，以計量人口和經(jīng)濟變化、能源消費結構變化及能源消費強度變化對能源消費碳排放量的影響。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)能源消費碳排放量變化綜合效應，表達式為：

式中：ΔCpop表示人口規(guī)模效應，ΔCact表示經(jīng)濟產(chǎn)出效應，ΔCint表示碳排放強度效應，ΔCstr表示能源消費結構效應。

式（4）中各碳排放分解因子影響效應為：

2.1.2 修正的STIRPAT模型

York等基于IPAT方法構建隨機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)境壓力負荷、人口規(guī)模、富裕程度和技術水平。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，改進被解釋變量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，即STIRPAT模型。STIRPAT模型是以多個獨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)進行對數(shù)處理。對模型（9）進行對數(shù)變換，得到：

為將上述模型應用到能源消費碳排放因素分析，擴展模型（10），增加能源結構的影響因素以檢驗能源結構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為能源消費強度，以單位消耗GDP表示，單位為噸/萬元；S為能源消費結構，以碳排放量/能源消費總量表示，單位為萬噸/萬噸標準煤；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

為進一步探討碳排放分解因子效應在二氧化碳排放中的內(nèi)在驅(qū)動機制，基于《中國能源統(tǒng)計年鑒》整理計算的相關數(shù)據(jù)（表2），應用LMDI分解法，將長三角地區(qū)能源消費碳排放驅(qū)動因素分解為人口規(guī)模、經(jīng)濟產(chǎn)出、能源結構、能源強度效應，并計算得到各效應年度變化值、累計變化值和貢獻率，結果見表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、能源消費相關數(shù)據(jù)

表3 1997—2016年長三角地區(qū)能源消費碳排放變化效應因素分解

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)為負值，主要是由于2012年后生態(tài)文明建設上升為國家戰(zhàn)略，經(jīng)濟發(fā)展模式由粗放型發(fā)展逐漸向低碳集約型發(fā)展轉變。

在第一階段（1997—2012年），二氧化碳排放量增加98 235.35萬噸。經(jīng)濟產(chǎn)出效應與人口規(guī)模效應均表現(xiàn)為出正效應，能源強度效應與能源結構效應大都表現(xiàn)為負效應。具體而言，能源強度導致-52 578.06萬噸二氧化碳排放，而經(jīng)濟產(chǎn)出效應導致141 059.12萬噸二氧化碳排放，這兩者是導致二氧化碳總排放量變化的主要因素，平均貢獻率分別為-25.79%和66.77%。貢獻最低的是能源結構效應，僅產(chǎn)生-1 584.88萬噸二氧化碳排放，貢獻率僅為1.51%。人口規(guī)模效應對碳排放具有促進作用，因為人口規(guī)模擴大導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年能源強度效應年度變化均為負值，但2003—2005年為正值，2005年后又表現(xiàn)為負值，這一波動趨勢與長三角地區(qū)能源消費強度變化趨勢基本一致。2003—2005年能源強度效應表現(xiàn)為正效應，原因可能是該時期經(jīng)濟發(fā)展過于粗放，高能耗、低能效行業(yè)大規(guī)模且過度擴張，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，遠低于第一階段增長量。這一階段的經(jīng)濟產(chǎn)出效應平均貢獻率為50.72%，低于第一階段的66.67%，表明集約低碳的經(jīng)濟發(fā)展模式可降低二氧化碳排放量。能源強度產(chǎn)生-40 674.96萬噸二氧化碳排放量，平均貢獻率為-42.68%，負貢獻大于第一階段的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。該階段能源結構效應產(chǎn)生-2 497.62萬噸二氧化碳排放量，平均貢獻率為3.09%，高于第一階段的0.94%，由此可知，降低高碳能源的消費比重對減少長三角地區(qū)能源消費碳排放總量有著至關重要的作用。能源結構效應貢獻度絕對值在四種效應中相對較低，表明長三角地區(qū)能源消費結構有進一步優(yōu)化的空間。1997—2016年各驅(qū)動因素累積效應貢獻度、逐年效應貢獻度分別見圖4和圖5。

圖4 長三角地區(qū)能源消費碳排放影響因素貢獻率年度分布

圖5 長三角地區(qū)能源消費碳排放影響因素累計變化分布

3.2 STIRPAT模型構建

3.2.1 單位根檢驗

STIRPAT模型已對原始數(shù)據(jù)進行對數(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”，運用Eviews8.0，應用ADF統(tǒng)計量進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，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，則需對二階差分進行檢驗，檢驗結果見表4。

表4 ADF單位根檢驗結果

由表4檢驗結果可知，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行協(xié)整關系檢驗。運用Eviews 8.0進行OLS回歸，得到協(xié)整方程：

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

表5 殘差序列AEG檢驗結果

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)整關系，不存在“偽回歸”，可進行后續(xù)的回歸分析。

3.2.3 多重共線性檢驗

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

表6 相關系數(shù)矩陣

應用SPSS21.0對被解釋變量lnC和解釋變量lnA、lnP、lnI和lnS進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。檢驗結果見表7。

表7 普通最小二乘法回歸結果

由表7可知，共線性統(tǒng)計量VIF（方差膨脹因子）均遠大于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[19]。運用嶺回歸估計參數(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，通過在標準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)）來進行估計。若能合理選擇嶺參數(shù)K，嶺回歸的結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）進行擬合，嶺回歸系數(shù)K在(0, 1)區(qū)間，以步長為0.01進行取值，當K=0.002時，嶺跡圖變化逐漸平穩(wěn)，具體的嶺回歸估計結果見表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)能源消費碳排放量與影響因素之間的關系，具體形式如下：從模型（13）的擬合結果可以看出，經(jīng)濟產(chǎn)出水平、人口規(guī)模、能源消費結構、能源消費強度均與長三角地區(qū)碳排放總量呈現(xiàn)正相關關系，影響因素作用程度大小依次為人口規(guī)模＞能源消費結構＞經(jīng)濟產(chǎn)出水平＞能源消費強度。

表8 嶺回歸估計結果

根據(jù)實證結果，人口規(guī)模是影響長三角地區(qū)能源消費碳排放增長最強因素，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%，能源消費碳排放總量增長2.293 5%。長三角地區(qū)極強的區(qū)域綜合競爭力和經(jīng)濟社會發(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)模的擴大勢必會帶來電力、交通、房地產(chǎn)等行業(yè)能源消費量的增加，進而導致碳排放量增加。

經(jīng)濟產(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)能源消費碳排放相應增加0.845 4%。長三角地區(qū)是我國經(jīng)濟發(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)化進程不斷加快，導致能源過度消耗，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)境負荷與經(jīng)濟產(chǎn)出水平之間的關系是倒“U”型曲線，實證結果表明，經(jīng)濟產(chǎn)出水平與能源消費碳排放呈正相關關系，當前長三角地區(qū)處于倒“U”型曲線的左端，經(jīng)濟發(fā)展方式仍需轉變。

能源消費結構彈性系數(shù)為1.933 3，即平均碳排放系數(shù)每增加1%，能源消費碳排放總量相應增長1.933 3%，是影響長三角地區(qū)能源消費碳排放第二大因素。平均碳排放系數(shù)越高，代表地區(qū)內(nèi)能源消費結構中煤炭占能源消費總量比例越高。因此，優(yōu)化能源使用結構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。

能源消費強度是引起長三角地區(qū)能源消費碳排放增加的另一重要因素，能源消費強度每增加1%，將會造成長三角地區(qū)能源消費碳排放增加0.832 8%。能源消費強度越低，表明單位GDP所需的能源消費量少，即能源使用效率高。1997—2016年，長三角地區(qū)能源消費強度由1.144 7噸/萬元降到0.491 9噸/萬元，能源消費強度不斷降低，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 結論

（1）長三角地區(qū)能源消費總量與碳排放總量在過去20年逐年上升，2016年能源消費碳排放總量達到155 341.26萬噸。能源消費強度呈逐年下降趨勢且能源消費結構逐年優(yōu)化，煤炭消費占總能源消費比例已由1997年的77.75%下降到2016年的69.39%，天然氣消費比例逐年提高。

（2）基于LMDI因素分解法研究結果表明，1997—2016年長三角地區(qū)能源消費碳排放快速增長的主要原因是經(jīng)濟快速發(fā)展，其次是人口規(guī)模不斷擴大。經(jīng)濟產(chǎn)出效應累計貢獻186 215.76萬噸碳，平均貢獻率達63.39%。人口規(guī)模效應累計貢獻14 421.71萬噸碳，平均貢獻率為5.42%。抑制碳排放增長的因素主要是能源強度效應和能源結構效應，其中強度效應影響程度大于結構效應。能源強度效應累計貢獻-93 436.33萬噸碳，平均貢獻率為-26.89%。能源結構對碳排放的抑制作用起微弱作用，累計貢獻-4 082.47萬噸，平均貢獻率達-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)濟產(chǎn)出因子每增加1%，能源消費二氧化碳排放量分別增加2.293 5%、0.845 4%。由于能源強度和能源結構的變化呈下降趨勢，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)模對能源消費碳排放增加的貢獻率不及經(jīng)濟活動效應，但從動態(tài)定量角度來看，對碳排放增加的效應更明顯。基于此，能源結構優(yōu)化對減少能源碳排放的效應更明顯。因此，控制人口規(guī)模，優(yōu)化能源結構也可有效地降低能源碳排放。

5 長三角地區(qū)能源消費碳排放優(yōu)化策略

（1）在生態(tài)補償、產(chǎn)業(yè)鏈升級、公共服務等方面建立一體化發(fā)展新機制。以上海市為核心，增強輻射帶動作用，加速推動經(jīng)濟發(fā)展方式向低碳集約型轉變。積極探索碳排放權交易等市場化生態(tài)補償模式，加快完善可持續(xù)有效的生態(tài)補償機制。提高企業(yè)入門標準，引導高效、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)境責任，更多地披露環(huán)境信息。完善碳排放計量體系，綜合運用云霧計算、5G、區(qū)塊鏈、信息融合、大數(shù)據(jù)等現(xiàn)代信息技術，提高能源數(shù)據(jù)統(tǒng)計決策能力和公共服務力?？茖W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)，對重點碳排放單位進行監(jiān)測、報告、核查。

（2）打造人才一體化機制，賦能長三角生態(tài)綠色一體化示范區(qū)高質(zhì)量發(fā)展。運用現(xiàn)代信息技術科學精準預測人才需求，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機制，推動城鄉(xiāng)人才雙向流動，促進高層次人才在區(qū)域間有效流動。

（3）推動綠色化能源變革，增強低碳消費內(nèi)生動力。整合消費煤炭設施資源，推進燃氣管網(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法律法規(guī)制定，宣傳和引導民眾樹立低碳觀念。

（4）加強能源轉化和存儲技術研發(fā)，提高能源開發(fā)利用效率，發(fā)展節(jié)能技術。以企業(yè)低碳發(fā)展實際需求為導向，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)能降耗等關鍵技術及裝備，建立政學產(chǎn)研多元主體參與機制。聚焦關鍵共性、前沿引領、應用型的高效能量存儲技術，開展跨學科跨領域協(xié)同合作，形成基礎科學研究、應用技術開發(fā)和成果轉化的全流程創(chuàng)新產(chǎn)業(yè)鏈。