基于LMDI模型的長三角城市能源消費碳排放影響因素分解研究

劉芳 江海濤

摘 要：長三角作為引領(lǐng)中國經(jīng)濟(jì)高質(zhì)量發(fā)展的重要區(qū)域，其能源消耗碳排放引人關(guān)注。本文研究發(fā)現(xiàn)長三角地區(qū)2005—2019年三大產(chǎn)業(yè)能源消費碳排放量逐年增長，經(jīng)濟(jì)產(chǎn)出、產(chǎn)業(yè)結(jié)構(gòu)、能源強度以及能源結(jié)構(gòu)等都與碳排放變化相關(guān)。本文建議不斷研發(fā)推廣清潔能源技術(shù)，加大可再生能源消費比重，大力發(fā)展數(shù)字經(jīng)濟(jì)和平臺經(jīng)濟(jì)，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，并結(jié)合地區(qū)碳排放量，采取差異化碳減排措施，引導(dǎo)全民樹立零廢低碳生活風(fēng)尚。

關(guān)鍵詞：長三角;能源消費;碳排放;影響因素;LMDI

本文索引：劉芳，江海濤.基于LMDI模型的長三角城市能源消費碳排放影響因素分解研究[J].商展經(jīng)濟(jì)，2022（07）：-132.

中圖分類號：F124.5 文獻(xiàn)標(biāo)識碼：A

技術(shù)的發(fā)展不僅帶來經(jīng)濟(jì)的高速增長，還導(dǎo)致碳排放增加，催生全球氣候風(fēng)險。減少能源消耗碳排放已經(jīng)成為國際政治、經(jīng)濟(jì)、環(huán)境等領(lǐng)域關(guān)注的焦點。人類對保護(hù)環(huán)境的認(rèn)識越來越深刻，中國作為最大的發(fā)展中國家在能源消費結(jié)構(gòu)調(diào)整及碳減排方面肩負(fù)重要責(zé)任。長三角地區(qū)擁有中國經(jīng)濟(jì)結(jié)構(gòu)最完整最活躍的城市群，以10%的人口，創(chuàng)造了全國20%的GDP。隨著該地區(qū)三大產(chǎn)業(yè)的不斷發(fā)展，各類能源被大量消耗，在推動經(jīng)濟(jì)增長的同時，也帶來不可估量的環(huán)境影響。在“雙碳”目標(biāo)下，探究長三角地區(qū)能源碳排放影響因素，促進(jìn)該地區(qū)碳減排，實現(xiàn)低碳、高質(zhì)量經(jīng)濟(jì)增長具有重要意義。

1 文獻(xiàn)綜述

國內(nèi)學(xué)者圍繞碳排放與經(jīng)濟(jì)增長以及碳排放影響因素開展了多視角的研究。從內(nèi)容看，Waheed等（2019）研究表明全球大多數(shù)國家和地區(qū)的碳排放突增都是因為其經(jīng)濟(jì)高速增長而消耗了大量化石能源造成的[1]。能源的大量消耗在造就經(jīng)濟(jì)增長的同時，還引發(fā)空氣污染和碳排放增加。Dong等（2021）選取河南省12個主要工業(yè)碳排放行業(yè)作為研究對象，運用LMDI+Tapio解耦模型分析碳排放與經(jīng)濟(jì)發(fā)展的關(guān)系，并利用長期能源替代規(guī)劃系統(tǒng)模型預(yù)測碳排放與經(jīng)濟(jì)發(fā)展的脫鉤狀態(tài)[2]。Akif等（2020）認(rèn)為，在英國、加拿大和日本等G7國家，隨著收入和能源消耗的增加，二氧化碳排放也在增加[3]。賀勇等（2021）基于STIRPAT研究了工業(yè)研發(fā)投入能源消費碳排放的影響進(jìn)行定量分析[4]。從方法看，結(jié)構(gòu)性因素分解法、自適應(yīng)權(quán)重分解法、指數(shù)因素分解方法和EKC（環(huán)境庫茲涅茲曲線）等被用于碳排放影響因素的確定。張仁杰和董會忠（2020）研究發(fā)現(xiàn)城市結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)都對碳排放有抑制作用;而當(dāng)城市結(jié)構(gòu)達(dá)到一定程度時，人口及產(chǎn)業(yè)的集中則變得有利于降低碳排放[5]。

2 研究方法與數(shù)據(jù)來源

2.1 LMDI模型構(gòu)建

LMDI分解法是基于擴(kuò)展的Kaya恒等式變化而來，旨在對一定時期內(nèi)能源消費或碳排放變化的影響因素進(jìn)行分解[6]。LMDI分解法有乘法模式和加法模式兩種形式[7]。加法模式表達(dá)式如下：

其中，C是能源消費二氧化碳排放總量，Cij表示第j類能源在第i類產(chǎn)業(yè)中的二氧化碳排放量，是能源消費量，G表示經(jīng)濟(jì)總產(chǎn)值，反映經(jīng)濟(jì)產(chǎn)出效應(yīng)，Si是某類產(chǎn)業(yè)碳排放量占碳排總量的比例，反映產(chǎn)業(yè)結(jié)構(gòu)效應(yīng);Ii是第i類產(chǎn)業(yè)的單位GDP碳排放量，表征能源強度效應(yīng);Mi是某類能源在能源消費總量中的比例，反映能源結(jié)構(gòu)效應(yīng);Fi代表各能源的碳排放系數(shù)。以C0和Ct分別表示基期和t期的碳排放水平，并用ΔC表示前后兩期碳排放增量，則有：

2.2 數(shù)據(jù)來源

本文以長三角27個城市為研究區(qū)域，計算所使用的能源和GDP數(shù)據(jù)來自《中國能源統(tǒng)計年鑒》、各省統(tǒng)計年鑒， 參考IPCC推薦的方法對能源消耗碳排放進(jìn)行測度。

3 結(jié)果分析

3.1 長三角城市能耗碳排放分區(qū)分析

本文對2005—2019年27個城市的平均能源消費量及平均碳排放量進(jìn)行了整理計算，限于版面，數(shù)據(jù)在此不贅列。參考現(xiàn)有研究[8]，按27個城市年均平均值的1/2倍和2倍，將27個城市分為能源消費的高值區(qū)（>4800萬噸/年）、中值區(qū)（1200～4800萬噸/年）和低值區(qū)（<1200萬噸/年）。即碳排放的高值區(qū)（>12000萬噸/年）、中值區(qū)（3000～12000萬噸/年）和低值區(qū)（<3000萬噸/年）。結(jié)果表明上海、南京、蘇州和杭州4個城市為能源消費高值區(qū)和碳排放高值區(qū);無錫、常州、南通、寧波、溫州、合肥和馬鞍山7個城市為能源消費中值區(qū)和碳排放中值區(qū);揚州、鎮(zhèn)江等16個城市均為能源消費低值區(qū)和碳排放低值區(qū)。

3.2 長三角城市能源消耗碳排放影響因素分解分析

通過LMDI因素分解法對長三角城市2005—2019年能源消費碳排放變化量進(jìn)行計算分析，如表1所示，得出經(jīng)濟(jì)產(chǎn)出效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能源強度效應(yīng)和能源結(jié)構(gòu)效應(yīng)對長三角城市能源消費碳排放的影響效果。

首先，經(jīng)濟(jì)產(chǎn)出對長三角能源消費碳排放起拉動因素，總體上呈正效應(yīng)。具體來說，在2005—2019年，由于長三角的經(jīng)濟(jì)飛速發(fā)展，碳排放也隨之增加，十五年累計增加了256276.01萬噸。經(jīng)濟(jì)產(chǎn)出效應(yīng)在2012—2013年，尤為突出，達(dá)到了30547.47萬噸，在2010—2011年拉動效應(yīng)最小，為11391.2萬噸。產(chǎn)業(yè)結(jié)構(gòu)對長三角能源消費碳排放起拉動因素，總體上呈正效應(yīng)。2005—2019年，產(chǎn)業(yè)結(jié)構(gòu)累計使碳排放增加了35.76萬噸。產(chǎn)業(yè)結(jié)構(gòu)對能源消費碳排放的影響程度在2010—2011年最高，達(dá)到了11.28萬噸。2015—2019年，產(chǎn)業(yè)結(jié)構(gòu)變化對碳排放量的影響相對較小，并且在2016—2017年幾乎沒有影響。能源強度對長三角能源消費碳排放起抑制作用，總體上呈負(fù)效應(yīng)?？傮w來說，能源強度在2005—2019年，累計使碳排放減少了144407.6萬噸。2012—2013年，能源強度對碳排放量的抑制作用最為突出，使碳排放減少了23109.56萬噸。2006—2007年，能源強度對碳排放量的抑制程度最小，為-3263.43萬噸。能源結(jié)構(gòu)對長三角能源消費碳排放起拉動作用，整體呈正效應(yīng)。總體來說，能源結(jié)構(gòu)2005—2019年，累計使碳排放增加了82.03萬噸。能源結(jié)構(gòu)效應(yīng)在2016—2017年體現(xiàn)得較為突出，使碳排放增加了21.55萬噸，在2009—2010年影響力度較小，為1.14萬噸。

因素分解結(jié)果顯示，長三角近些年經(jīng)濟(jì)發(fā)展迅速，為滿足其高速發(fā)展，對能源的要求也就處于高需求階段，因此長三角的經(jīng)濟(jì)產(chǎn)出一直較高的拉動著長三角的碳排放量。長三角碳排放的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)處于階段性的趨勢，在2012年前因長三角為了經(jīng)濟(jì)發(fā)展大力追求第二三產(chǎn)業(yè)的發(fā)展，產(chǎn)業(yè)結(jié)構(gòu)對碳排放起明顯的拉動因素，自2012年以后，該地區(qū)產(chǎn)業(yè)結(jié)構(gòu)趨于穩(wěn)定，其碳排放的影響效應(yīng)微弱了很多。而長三角的能源強度則恰恰與經(jīng)濟(jì)產(chǎn)出相反，雖然能源強度效應(yīng)一直不是很穩(wěn)定，但能源強度一直起著抑制長三角碳排放的作用。能源結(jié)構(gòu)雖然近些年對長三角碳排放的影響程度不是很明顯，但一直處于拉動效應(yīng)，說明長三角能源消費還是過度的依賴煤炭化石能源，能源結(jié)構(gòu)應(yīng)往綠色環(huán)保方面發(fā)展。

4 結(jié)語

結(jié)合以上數(shù)據(jù)分析，本文提出促進(jìn)長三角地區(qū)能源消費綠色轉(zhuǎn)型的建議：（1）突破清潔能源技術(shù)應(yīng)用瓶頸。加大對基礎(chǔ)科學(xué)研究的支持力度，扶持一批關(guān)鍵清潔能源技術(shù)的研發(fā)與應(yīng)用，降低清潔能源技術(shù)使用成本，同時充分發(fā)揮水力發(fā)電優(yōu)勢，彌補風(fēng)力發(fā)電和太陽能發(fā)電中間歇性的不足。（2）大力發(fā)展數(shù)字經(jīng)濟(jì)和平臺經(jīng)濟(jì)。在產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型方面，對高能耗的產(chǎn)業(yè)進(jìn)行轉(zhuǎn)移，依托長三角科研資源和對外貿(mào)易優(yōu)勢，著力發(fā)展數(shù)字經(jīng)濟(jì)和平臺經(jīng)濟(jì)，減少對能源消費的依賴。（3）各城市實施差異化的碳減排措施。屬于高碳區(qū)城市要重點監(jiān)測高碳行業(yè)和高碳企業(yè)，引導(dǎo)和鼓勵企業(yè)進(jìn)行低碳化運營，通過參與碳市場交易，平衡碳減排成本。（4）引導(dǎo)公民樹立零廢低碳生活理念。通過微信、抖音、快手等現(xiàn)代網(wǎng)絡(luò)平臺，加大低碳生活方式的宣傳，營造低碳消費氛圍，通過全民參與，積極建設(shè)零廢低碳城市。

參考文獻(xiàn)

Waheed， R.， Sarwar， S.， & Chen， W. The survey of economic growth， energy consumption and carbon emission[J]. Energy Reports， 2019（5）：1103-1115.

Dong， J.， Li， C. B.， Wang， Q. Q. Decomposition of carbon emission and its decoupling analysis and prediction with economic development： A case study of industrial sectors in Henan Province[J]. Journal of Cleaner Production，2021，129019.

Akif， D. M.， Muhammad， S.， Ilyas， O.， Shawkat， H.， & Avik， S. The relationship between economic growth and carbon emissions in G-7 countries： evidence from time-varying parameters with a long history[J].MPRA Paper， 2020，27，29100-29117.

賀勇，傅飛飛，廖諾.基于STIRPAT模型的工業(yè)研發(fā)投入對碳排放影響效應(yīng)分析[J].科技管理研究，2021，41（17）：206-212.

張仁杰，董會忠，韓沅剛，等.能源消費碳排放的影響因素及空間相關(guān)性分析[J].山東理工大學(xué)學(xué)報（自然科學(xué)版），2020，34（1）：33-39.

徐國泉，蔡珠，封士偉.基于二階段LMDI模型的碳排放時空差異及影響因素研究：以江蘇省為例[J].軟科學(xué)，2021，35（10）：107-113.

Yang， J. ， Cai， W. ， Ma， M. ， etal. Driving forces of China’s CO2 emissions from energy consumption based on Kaya-LMDI methods[J].Science of The Total Environment， 2019.

Han， X. J.， Yu， J. L.， Xia， Y.， Wang， J. J. Spatiotemporal characteristics of carbon emissions in energy-enriched areas and the evolution of regional types [J].Energy Reports，2021（7）： 7224-7237.