江蘇蘇州碳排放演化特征及影響因素分析

葉曉嵐 劉坤 莊斯宇

摘 要：本文以江蘇蘇州為研究對象，據(jù)不同能源的排放系數(shù)核算蘇州能源消費(fèi)的碳排放，通過對數(shù)平均迪氏指數(shù)法分解模型（Logarithmic Mean Divisia Index， LMDI）對蘇州2011—2021年碳排放量及其影響因素進(jìn)行分析研究。結(jié)果顯示：經(jīng)濟(jì)建設(shè)發(fā)展是促進(jìn)蘇州碳排放增長的主要因素，效率因素對蘇州碳排放彰顯遏制作用，能源結(jié)構(gòu)因素對碳排放的抑制作用與日俱增，工業(yè)結(jié)構(gòu)因素對蘇州碳排放影響效果不顯著。因此，優(yōu)化經(jīng)濟(jì)增長方式，實(shí)現(xiàn)經(jīng)濟(jì)增長與碳排放的脫鉤；通過技術(shù)進(jìn)步，實(shí)現(xiàn)能源強(qiáng)度的降低；推進(jìn)結(jié)構(gòu)性變革，實(shí)現(xiàn)能源消費(fèi)和產(chǎn)業(yè)結(jié)構(gòu)的低碳化是實(shí)現(xiàn)蘇州碳減排的主要方式和重要路徑。

關(guān)鍵詞：碳排放因素分解；能源強(qiáng)度；能源結(jié)構(gòu)；LMDI；蘇州

本文索引：葉曉嵐，劉坤，莊斯宇.<變量 2>[J].中國商論，2023（16）：-164.

中圖分類號：F124.5 文獻(xiàn)標(biāo)識碼：A 文章編號：2096-0298（2023）08（b）--04

2020年9月，我國明確提出2030年“碳達(dá)峰”與2060年“碳中和”目標(biāo)。蘇州作為我國內(nèi)地最強(qiáng)地級市，在高能耗、環(huán)境負(fù)擔(dān)重的現(xiàn)狀下實(shí)現(xiàn)低碳轉(zhuǎn)型面臨巨大困境。為積極穩(wěn)妥地推進(jìn)“雙碳”目標(biāo)，蘇州市政府制定印發(fā)《關(guān)于加快轉(zhuǎn)變發(fā)展方式做好碳達(dá)峰碳中和工作的實(shí)施意見》，提出2030年前達(dá)到目標(biāo)。

本文以蘇州為研究對象，核算其在2011—2021年能源消費(fèi)引起的碳排放，采用因素分解法分析蘇州碳排放變動趨勢及影響因素，探討時間性差異，基于上述制訂相關(guān)政策。

1 文獻(xiàn)綜述

如今，碳排放已成為國際學(xué)者與低碳減排學(xué)界的研究熱題，影響碳排放的因素研究有分解與分析方法體系和回歸分析方法體系兩種。

一是分解與分析方法體系。通過構(gòu)建碳排放恒等式，采用因素分解法分析影響碳排放的原因。其中，對數(shù)平均迪氏指數(shù)分解法（LMDI）是廣泛使用的分解法，可在時空雙維度展開分析研究，有效對各因素解析。從空間上來看，我國學(xué)者大多聚焦碳排放負(fù)載較大、經(jīng)濟(jì)較發(fā)達(dá)地區(qū)，如北京、上海等，通過能源消費(fèi)數(shù)據(jù)對碳排放驅(qū)動因子進(jìn)行分析。林曉潔等（2022）利用LMDI對香港地區(qū)能源消費(fèi)演變趨勢進(jìn)行研究；姚永玲（2011）對北京市能源碳排放因素分解分析；孫燕燕（2020）對上海市旅游碳排放效應(yīng)分解進(jìn)行研究；楊燕、武戈（2013）基于南京市和蘇州市比較分析，研究長三角城市工業(yè)碳排放因素分解模型。從時間上來看，孫冬營等（2023）利用LMDI方法探究城市生活用水量變化的驅(qū)動效應(yīng)；紀(jì)義虎等（2022）通過LMDI因素分解法分析了沁河流域近20年碳排放增速變化趨勢；宋輝等（2019）借助對數(shù)平均迪氏指數(shù)因素分解法，研究產(chǎn)業(yè)節(jié)能效應(yīng)；張鴻武等（2016）從時間維度對工業(yè)碳減排技術(shù)效應(yīng)進(jìn)行研究；韓鈺鈴、劉益平（2018）基于LMDI探究在時間維度下區(qū)域碳排放中各驅(qū)動因子的貢獻(xiàn)度。

二是回歸分析方法。以計量經(jīng)濟(jì)學(xué)為基礎(chǔ)，系統(tǒng)評估分析對象，其中IPAT和STIRPAT兩大模型應(yīng)用最為廣泛。如龔利等（2018）基于STIRPAT模型的能源消耗影響因素研究；孫義等（2020）基于STIRPAT模型的遼寧省碳排放影響因素研究；彭芳（2023）基于IPAT模型對綠色建筑短期碳排放進(jìn)行預(yù)測；王麗等（2017）基于IPAT模型的城市碳排放分析。

總之，關(guān)于碳排放影響分解因素的研究文獻(xiàn)不在少數(shù)，從時間到空間、從局部到整體，研究文獻(xiàn)極為豐富?；贚MDI因素分解模型的特征，不能同時對三個或更多結(jié)構(gòu)性因素進(jìn)行分析和考量，故為解決此缺點(diǎn)，本文使用二階段LMDI因素分解法，一齊劃分出包括效率因素（能源強(qiáng)度）、結(jié)構(gòu)因素（能源結(jié)構(gòu)，工業(yè)結(jié)構(gòu)）、經(jīng)濟(jì)發(fā)展（人均GDP）多種影響因素對蘇州碳排放的影響。

2 數(shù)據(jù)整理分析

2.1 碳排放核算方法

本文對蘇州整體的碳排放量進(jìn)行估算，參照徐國泉等（2021）基于各類能源碳排放系數(shù)的估算公式，公式如下：

其中，C表示碳排放總量；Fi表示第i類能源的碳排放系數(shù)（見表1）；Ei表示第i類能源消費(fèi)量。能源種類不同，F(xiàn)值也不同。

2.2 數(shù)據(jù)來源

鑒于對比性強(qiáng)，通過實(shí)物量和《蘇州統(tǒng)計年鑒2022》的能源折算系數(shù)，將蘇州各類能源消費(fèi)量換算為標(biāo)準(zhǔn)煤，其中數(shù)據(jù)來源于《蘇州統(tǒng)計年鑒》2012—2022年。

2.3 蘇州碳排放演化趨勢

根據(jù)碳排放估算公式，可以得到蘇州市2011—2021年能源消費(fèi)的碳排放總量（見圖1）。由圖1可知，2011—2021年蘇州市能源消費(fèi)總量呈現(xiàn)逐年增長的趨勢，且煤炭這種碳排放系數(shù)較高的能源仍然占據(jù)蘇州總能源消費(fèi)比重的首位。

蘇州碳排放總量及人均碳排放量增長率如圖2所示，2012—2021年蘇州有關(guān)能源消費(fèi)的碳排放總量增長率大致呈現(xiàn)雙“W”型，個別年份呈現(xiàn)負(fù)增長趨勢，同時2021年達(dá)到增長峰值4478.8萬噸。從人均碳排放總量增長率趨勢來看，增長趨勢大致為雙“W”型，其中2018—2019年增長率趨于平緩，2021年同樣達(dá)到增長峰值3.486噸煤每人。綜上所述，蘇州近十年的碳排放總量和人均碳排放總量均在進(jìn)行曲折變化，且變化趨勢跨度較大，預(yù)測未來幾年會逐步達(dá)到平緩期。

3 因素分解和分析

3.1 因素分解法

kaya Y（1989）提出碳排放量的基本式：

其中，C代表碳排放量；E代表綜合能源消費(fèi)量；G代表工業(yè)生產(chǎn)總值；P代表人口數(shù)。

圖2 2012—2021年蘇州碳排放和人均碳排放增長趨勢

人均碳排放量為；能源排放強(qiáng)度為 ，即消費(fèi)單位i種能源的碳排放量（其中，能源結(jié)構(gòu)因素為，即第i種能源在能源總消費(fèi)中所占的比例）；碳排放系數(shù)為 ，即第i種能源的碳排放系數(shù)。

能源強(qiáng)度因素為，即單位工業(yè)生產(chǎn)值的能源消耗總量（其中，是第j種工業(yè)的能源強(qiáng)度）。工業(yè)結(jié)構(gòu)因素為，即第j種工業(yè)生產(chǎn)值在總生產(chǎn)值中所占的份額；經(jīng)濟(jì)發(fā)展因素為。

因此，人均碳排放量為：

其中，人均碳排放量取決于SEi（能源結(jié)構(gòu)）、Fi（碳排放系數(shù)）、Ij（能源強(qiáng)度）、SGj（工業(yè)結(jié)構(gòu)）及R（經(jīng)濟(jì)發(fā)展）的變化。

并且，第t期相對基期的人均碳排放量的變化量為：

其中，是能源結(jié)構(gòu)因素，是能源排放強(qiáng)度因素；是能源強(qiáng)度因素；是工業(yè)結(jié)構(gòu)因素；是經(jīng)濟(jì)發(fā)展因素；是分解余量。

式（3）中，能源結(jié)構(gòu)因素和工業(yè)結(jié)構(gòu)因素需要分別分解，即將式（3）分解成二階段分解模型：

能源結(jié)構(gòu)是第一階段的分解因素，得到式（5）：

工業(yè)結(jié)構(gòu)是第二階段的分解因素，得到式（6）：

采用LMDI因素分解法，分別對以上兩個模型進(jìn)行二階段因素分解。

第一階段分解結(jié)果如下：

其中，。

第二階段分解結(jié)果如下：

其中，。

3.2 2012—2021年蘇州碳排放的因素分解分析

本文采用二階段因素分解分析，對2012—2021年蘇州人均碳排放進(jìn)行因素分解分析，結(jié)果如表2和圖3所示。

（1）經(jīng)濟(jì)發(fā)展的貢獻(xiàn)份額分析

經(jīng)濟(jì)發(fā)展影響不穩(wěn)定，其貢獻(xiàn)份額先降后升且處于較高水平。2014—2017年，工業(yè)總產(chǎn)值逐年增長，人口也在逐年增長，致使貢獻(xiàn)率小于零，在2017年后由負(fù)轉(zhuǎn)正，并在2021年經(jīng)濟(jì)發(fā)展的貢獻(xiàn)率達(dá)到0.7238噸碳/人。這表明，經(jīng)濟(jì)發(fā)展仍是碳排放量不斷增加的主要原因，如何實(shí)現(xiàn)在經(jīng)濟(jì)發(fā)展的同時，控制碳排放的增長，是需要解決的重要問題。

（2）能源強(qiáng)度的貢獻(xiàn)份額分析

能源強(qiáng)度貢獻(xiàn)份額總體呈現(xiàn)下降趨勢，是抑制蘇州碳排放增長的主要原因，其貢獻(xiàn)份額在2016年后由正轉(zhuǎn)負(fù)，在2021年達(dá)到最低值-0.3689噸碳/人。雖然提高能源效率是實(shí)現(xiàn)碳排放控制的重要途徑，但是單靠提高能源效率并不能完全實(shí)現(xiàn)對碳排放的控制，還需要結(jié)合其他措施，如推廣清潔能源等。

（3）工業(yè)結(jié)構(gòu)的貢獻(xiàn)份額分析

工業(yè)結(jié)構(gòu)貢獻(xiàn)份額呈現(xiàn)逐年下降趨勢，其調(diào)整對減少碳排放的影響越來越大。根據(jù)數(shù)據(jù)可知，工業(yè)結(jié)構(gòu)貢獻(xiàn)份額處于較低水平，2016年前輕重工業(yè)貢獻(xiàn)份額基本持平在零附近，2016年之后重工業(yè)貢獻(xiàn)份額始終大于輕工業(yè)貢獻(xiàn)份額。這說明，工業(yè)結(jié)構(gòu)的優(yōu)化調(diào)整并未對碳排放的改善產(chǎn)生明顯影響，因此需要加快推進(jìn)工業(yè)結(jié)構(gòu)調(diào)整，尤其是對重工業(yè)。

（4）能源結(jié)構(gòu)的貢獻(xiàn)份額分析

能源結(jié)構(gòu)貢獻(xiàn)份額逐年遞減且始終小于零，說明在過去10年，能源結(jié)構(gòu)調(diào)整對碳排放的降低起了一定的作用，但該數(shù)值不斷加深，說明調(diào)整的速度和強(qiáng)度不夠。經(jīng)濟(jì)發(fā)展、能源效率和工業(yè)結(jié)構(gòu)調(diào)整對減少碳排放的影響較大，因此未來減少碳排放的主要方向應(yīng)是提高能源效率、調(diào)整工業(yè)結(jié)構(gòu)和加快經(jīng)濟(jì)發(fā)展。

4 結(jié)語

本文采用二階段因素分解分析法，分析蘇州碳排放演化特征及其影響因素，探討并比較蘇州碳排放的時空差異性，據(jù)此得出以下結(jié)論：

（1）經(jīng)濟(jì)發(fā)展是碳排放增長的主要因素，其貢獻(xiàn)份額在過去10年中總體趨勢上升且增長最多，如不加以調(diào)整就會不斷增加。

（2）能源強(qiáng)度對碳排放的影響不穩(wěn)定，其總體趨勢下降，即對碳排放起到抑制作用。雖然提高能源效率是實(shí)現(xiàn)能源消耗強(qiáng)度控制的重要途徑，但只提高能源效率并不能完全實(shí)現(xiàn)能源消耗強(qiáng)度的控制。

（3）工業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)對碳排放的影響趨勢同樣下降，但相對較小，表明通過產(chǎn)業(yè)結(jié)構(gòu)調(diào)整抑制碳排放增長的潛力仍有待挖掘。

基于以上研究結(jié)論，本文提出以下相應(yīng)對策建議：

（1）優(yōu)化經(jīng)濟(jì)增長方式，實(shí)現(xiàn)經(jīng)濟(jì)增長與碳排放的脫鉤。完善法律法規(guī)和標(biāo)準(zhǔn)體系，如提高能源排放標(biāo)準(zhǔn)、實(shí)行碳排放許可證制度等。例如，針對二氧化碳排放量的監(jiān)管，推動制造企業(yè)研發(fā)和生產(chǎn)更環(huán)保的產(chǎn)品。

（2）通過技術(shù)進(jìn)步，實(shí)現(xiàn)能源強(qiáng)度的降低。淘汰老舊設(shè)施，革新高能耗設(shè)備，減輕煤炭消費(fèi)，降低高強(qiáng)度碳排放。例如，通過推廣高爐煤氣制氫技術(shù)、新型冶金技術(shù)和廢鋼資源回收利用等技術(shù)，降低鋼鐵生產(chǎn)過程中的煤炭消耗和碳排放。

（3）推進(jìn)結(jié)構(gòu)性變革，實(shí)現(xiàn)能源消費(fèi)和產(chǎn)業(yè)結(jié)構(gòu)的低碳化。減少化石能源消費(fèi)，推廣普及新能源消費(fèi)，降低高能耗產(chǎn)業(yè)比重，發(fā)展低能耗產(chǎn)業(yè)結(jié)構(gòu)。例如，推廣新能源汽車能夠減少對石油等化石燃料的依賴，同時減少污染物和碳排放。

參考文獻(xiàn)

林曉潔，王長建，汪菲，等.香港地區(qū)能源消費(fèi)碳排放的演變趨勢及其影響因素[J].科技管理研究，2022，42（21）：231-238.

姚永玲.北京城市發(fā)展中的能源消耗影響因素分析[J].中國人口·資源與環(huán)境，2011，21（7）：40-45.

孫燕燕.上海市旅游碳排放估算及其效應(yīng)分解[J].地域研究與開發(fā)，2020，39（1）：122-126.

楊燕，武戈.長三角城市工業(yè)碳排放因素分解模型及實(shí)證分析：以南京和蘇州兩市比較分析為例[J].經(jīng)濟(jì)研究導(dǎo)刊，2013，204（22）：230-233+258.

孫冬營，王炎霄，丁緒輝，等.長三角城市生活用水量的時空變化與驅(qū)動效應(yīng)研究[J].水利水電技術(shù)（中英文），2023（4）：1-19.

紀(jì)義虎，左其亭，馬軍霞.基于Tapio和LMDI模型的沁河流域水資源利用與碳排放關(guān)系脫鉤分析[J].水資源保護(hù)，2023（4）：1-14.

宋輝，黃波，袁征.基于LMDI的中國行業(yè)節(jié)能機(jī)制研究[J].軟科學(xué)，2019，33（7）：106-110.

張鴻武，王珂英，殳蘊(yùn)鈺.中國工業(yè)碳減排中的技術(shù)效應(yīng)：1998—2013年基于直接測算法與指數(shù)分解法的比較分析[J].宏觀經(jīng)濟(jì)研究，2016，217（12）：38-49.

韓鈺鈴，劉益平.基于LMDI的江蘇省工業(yè)碳排放影響因素研究[J].環(huán)境科學(xué)與技術(shù)，2018，41（12）：278-284.

龔利，屠紅洲，龔存.基于STIRPAT模型的能源消費(fèi)碳排放的影響因素研究：以長三角地區(qū)為例[J].工業(yè)技術(shù)經(jīng)濟(jì)，2018，37（8）： 95-102.

孫義，劉文超，徐曉宇.基于STIRPAT模型的遼寧省碳排放影響因素研究[J].環(huán)境保護(hù)科學(xué)，2020，46（5）：43-46.

Peng Fang. Short-term carbon emission prediction method of green building based on IPAT model[J]. International Journal of Global Energy Issues，2023，45（1）.

王麗，歐陽慧，馬永歡.經(jīng)濟(jì)社會發(fā)展對環(huán)境影響的再認(rèn)識：基于IPAT模型的城市碳排放分析[J].宏觀經(jīng)濟(jì)研究，2017，227（10）： 161-168.

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.

Kaya Y. Impact of Carbon Dioxide Emission on GNP Growth： Interpretation of Proposed Scenarios[Ｒ]. Prias： IPCC Energy and Industry Subgroup， 1989.