寧夏碳排放時空變化及其影響因素分析

楊伏杰

（寧夏石油化工環(huán)境科學(xué)研究院股份有限公司，寧夏 銀川 750000）

0 引言

中國政府已做出減排承諾，力爭于2030 年前實現(xiàn)碳達(dá)峰，2060 年前實現(xiàn)碳中和。寧夏作為西北內(nèi)陸欠發(fā)達(dá)省份，是我國重要的能源基地，經(jīng)濟(jì)發(fā)展對能源依賴較強(qiáng)，以煤炭為主的能源消費(fèi)結(jié)構(gòu)決定了寧夏碳排放不斷增長。同時，寧夏又處于經(jīng)濟(jì)社會發(fā)展轉(zhuǎn)型階段，經(jīng)濟(jì)發(fā)展水平較低。在中國實現(xiàn)2030 年碳達(dá)峰目標(biāo)的總體要求下，寧夏既要加快經(jīng)濟(jì)發(fā)展，實現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型，又要切實推進(jìn)碳減排，實現(xiàn)碳達(dá)峰目標(biāo)，因此，需要在經(jīng)濟(jì)快速發(fā)展與碳減排任務(wù)之間進(jìn)行平衡，以此來提升寧夏的區(qū)域競爭優(yōu)勢，實現(xiàn)區(qū)域高質(zhì)量發(fā)展。

當(dāng)前，學(xué)術(shù)界針對寧夏各行業(yè)碳排放變化開展了相關(guān)研究。桂河和尚夢媛測算了寧夏2000—2019 年農(nóng)地利用碳排放量，并定量分析了碳排放的驅(qū)動因素[1]。桂河等測算和分析了寧夏2000—2019 年農(nóng)業(yè)碳排放時序特征，運(yùn)用Kaya 恒等式分析了農(nóng)業(yè)碳排放的驅(qū)動機(jī)理，并借助Tapio 脫鉤模型分析了農(nóng)業(yè)碳排放量與農(nóng)業(yè)經(jīng)濟(jì)增長的脫鉤關(guān)系[2]。鄭永超和文琦利用2000—2016 年寧夏土地利用類型數(shù)據(jù)和能源消費(fèi)數(shù)據(jù)，計算分析了不同土地利用的碳排放效應(yīng)[3]。徐越分析了寧夏工業(yè)碳排放狀況，測算了工業(yè)碳排放Tapio 脫鉤指數(shù)，并定量分析了影響寧夏工業(yè)碳排放的主要驅(qū)動因素[4]。王瑜和馬明霞測算了寧夏物流業(yè)碳排放量和碳強(qiáng)度，并分析了物流業(yè)碳排放影響因素[5]。

現(xiàn)有關(guān)于寧夏碳排放及其驅(qū)動因素的研究集中在主要行業(yè)，而針對寧夏總體碳排放狀況及其影響因素，特別是針對寧夏各地級市碳排放的研究非常有限。因此，本研究以寧夏5 個地級市為研究區(qū)域，定量分析各市碳排放變化及其差異，為寧夏制定和實施針對性的碳減排措施提供依據(jù)。

1 研究方法

用于定量分析碳排放影響因素的方法較多，但對數(shù)平均迪氏指數(shù)法（logarithmic mean divisia index，LMDI）[6]由于其能夠有效解決殘差項、數(shù)據(jù)零和負(fù)值等問題，結(jié)果簡單且更易解釋等優(yōu)勢，得到很多學(xué)者的青睞，被廣泛應(yīng)用于碳排放影響因素分解[7]。本文采用LMDI 分解法定量分析寧夏碳排放驅(qū)動因素及其貢獻(xiàn)，碳排放量變化可以分解為以下因素的加和[式（1）]。

式中：Ct+1和Ct分別表示第t+1 和t 年的碳排放量，ΔCS表示能源結(jié)構(gòu)效應(yīng)；ΔCI表示能源強(qiáng)度效應(yīng)（技術(shù)效應(yīng)）；ΔCA表示經(jīng)濟(jì)規(guī)模效應(yīng)；ΔCP表示人口規(guī)模效應(yīng)。

2 數(shù)據(jù)來源

本文所使用的數(shù)據(jù)包括碳排放數(shù)據(jù)和經(jīng)濟(jì)社會數(shù)據(jù)，其中，碳排放數(shù)據(jù)來自中國城市溫室氣體工作組發(fā)布的《中國城市二氧化碳排放數(shù)據(jù)集》（http://www.cityghg.com/index.html）。本文未考慮間接碳排放量，僅使用直接碳排放數(shù)據(jù)，包括農(nóng)業(yè)、工業(yè)、交通、服務(wù)業(yè)、居民生活使用能源所產(chǎn)生的碳排放量（化石能源碳排放量）以及工業(yè)過程碳排放量。由于中國城市溫室氣體工作組目前僅公布了2005、2010、2015 和2020 年共4 個年份的碳排放數(shù)據(jù)，本文使用這4 個年份的數(shù)據(jù)分析寧夏碳排放時空分布特征及地區(qū)差異。經(jīng)濟(jì)社會數(shù)據(jù)來自歷年《寧夏統(tǒng)計年鑒》，包括地區(qū)生產(chǎn)總值（GDP）、常住人口數(shù)量，為了便于比較分析，本文根據(jù)生產(chǎn)總值指數(shù)將2005—2020 年GDP 統(tǒng)一核算為2005 年不變價GDP。

3 結(jié)果與討論

3.1 寧夏碳排放總量變化

2005—2020 年，寧夏碳排放總量快速增長（表1），年均增速為8.51%；其中，“十一五”“十二五”“十三五”期間年均增速分別為11.81%、14.05%、0.19%，“十三五”期間的增速減緩非常明顯。

表1 2005—2020 年寧夏碳排放量變化情況

在碳排放總量中，工業(yè)能源消耗碳排放占比遠(yuǎn)高于其他行業(yè)工業(yè)能源消耗碳排放量在“十一五”“十二五”期間分別增長了75.16%、101.85%，而在“十三五”期間下降了2.79%。農(nóng)業(yè)、交通運(yùn)輸、服務(wù)業(yè)、居民生活能源消耗碳排放占比非常低且相對穩(wěn)定。工業(yè)過程碳排放占比波動變化較大，工業(yè)過程碳排放量在“十一五”“十二五”“十三五”期間分別增長了187.17%、1.31%、89.11%。

3.2 寧夏各市碳排放比較

寧夏5 個地級市碳排放量差異較大，銀川市碳排放量明顯高于其余4 市（表2），固原市碳排放量在5 個市中最低。2005—2020 年，銀川、石嘴山、吳忠、固原、中衛(wèi)碳排放量年均增速分別為16.06%、2.07%、4.99%、11.43%、6.18%。

表2 寧夏各市碳排放量變化

就人均碳排放量而言，石嘴山市總體上高于其余4 市，固原市在5 個市中最低（表2）。銀川市、石嘴山市、固原市人均碳排放量變化趨勢一致，在“十三五”期間有所下降；吳忠市和中衛(wèi)市人均碳排放量變化趨勢一致，在“十二五”期間均有所下降。

3.3 寧夏碳排放驅(qū)動因素分析

由于《寧夏統(tǒng)計年鑒》中只提供了2016—2020 年各市能源消費(fèi)量數(shù)據(jù)，而2015 年之前各市只有規(guī)模以上工業(yè)能源消費(fèi)量數(shù)據(jù)，因此，本部分僅分析寧夏碳排放總量的驅(qū)動因素。利用LMDI 模型的分解結(jié)果如圖1 所示。

圖1 寧夏碳排放驅(qū)動因素分解結(jié)果

總體上，經(jīng)濟(jì)增長是寧夏碳排放量不斷上升的主要驅(qū)動因素，人口規(guī)模的驅(qū)動效應(yīng)相對有限，能源結(jié)構(gòu)調(diào)整和優(yōu)化產(chǎn)生的減排效應(yīng)逐漸顯現(xiàn)，在“十三五”期間成為抑制碳排放量增長的主要因素，而能源強(qiáng)度變化對碳排放量增長的抑制作用逐漸減弱，到“十三五”時期反而促進(jìn)了碳排放量的增長。

4 結(jié)論

本文基于能源消耗碳排放和工業(yè)過程碳排放數(shù)據(jù)，分析比較了2005—2020 年寧夏碳排放時空分布特征、驅(qū)動因素和地區(qū)間的差異性，得到以下主要結(jié)論。在寧夏碳排放總量中，工業(yè)能耗碳排放占比明顯高于其他行業(yè)，工業(yè)領(lǐng)域是開展節(jié)能減排、實現(xiàn)低碳發(fā)展的主陣地；寧夏5 個地級市碳排放量差異較大，銀川市碳排放總量最高，而石嘴山市人均碳排放量卻最高；在影響寧夏碳排放量變化的因素中，經(jīng)濟(jì)增長驅(qū)動著碳排放量的增長，而能源結(jié)構(gòu)調(diào)整和優(yōu)化產(chǎn)生的減排效應(yīng)逐漸顯現(xiàn)，在“十三五”期間成為抑制碳排放量增長的主要因素，因此，需要持續(xù)深入優(yōu)化能源結(jié)構(gòu)，推動碳減排，助力碳達(dá)峰目標(biāo)的實現(xiàn)。