2005－2008年中國各省CO2排放現狀分析

周 麗 羅小虎 張希良 齊天宇 熊威明

（清華大學能源環境經濟研究所，北京 100084）

2009年12月，溫家寶總理在哥本哈根舉行的第15屆氣候變化談判大會上向全世界做出了莊嚴承諾，宣布到2020年我國單位GDP CO2排放比2005年下降40% －45%。在十七屆五中全會通過的《中共中央關于制定十二五規劃的建議》明確指出堅持把建設資源節約型、環境友好型社會作為加快轉變經濟發展方式的重要著力點，要求深入貫徹節約資源和保護環境基本國策，節約能源，降低溫室氣體排放強度，發展循環經濟，推廣低碳技術，積極應對氣候變化，促進經濟社會發展與人口資源環境相協調，走可持續發展之路。

為達到這一目標，從國家層面到各地方政府均開展了一系列的節能減排行動，包括產業結構調整、產業技術進步、能源結構調整等。與此同時，我國地域廣闊，自然資源分布不均衡，同時各地經濟發展水平存在較大差異，這就導致了碳排放在地域上呈現了很大的差別。因此，通過對各個省份、區域排放現狀的因素分析，有助于了解省份、區域之間能源消費、碳排放之間的異同，也有助于尋找未來減少碳排放的關鍵影響因素，從而有利于制定科學、合理的國內減排政策。

國外化石燃料消費碳排放的分解研究始于20世紀70年代，Greening等采用適應性加權迪氏分解法對1971－1991年間10個經濟合作與發展組織（OECD）成員的碳排放量進行分解模型分析［1］。Davis等基于Divisia分解模型和回歸分析，對1996－2000年間美國導致能源強度和碳排放強度下降的兩個主要因素能源結構和天氣變化進行了研究［2］。Ferdinand等采用LMDI法對1990－2004年間美國碳排放量進行了因素分解分析［3］。國內碳排放的研究始于21世紀初，Wang等采用LMDI法對我國1957－2000年間的CO2排放量進行分解［4］。朱勤等采用LMDI法，基于擴展的Kaya恒等式建立因素分解模型，對我國1980－2007年能源消費碳排放進行因素分解分析［5］。王俊松等采用LMDI法對我國1990－2007年的CO2排放進行分解分析［6］。段顯明分析了1997—2008年間浙江省能源消費碳排放數據，采用對數均值迪氏分解（LMDI）法，對能源消費導致的CO2排放量和碳排放強度進行結構分解［7］。

綜上所述，國內外文獻對碳排放影響因素的研究較多，主流的方法是用各種因素分解法對年度時間序列數據進行分析，碳排放影響因素研究多集中于能源結構、能源強度、人均GDP以及人口幾大因素。本文將在上述研究的基礎上，基于能源平衡表統一核算我國及各省在2005－2008年期間碳排放情況，并采用LMDI法對地區能源排放因子、地區工業能耗占總能耗比重、地區工業單位增加值能耗、地區工業比重、人均GDP、地區人口比重等多種影響因素進行因素分解研究。

1 數據來源與研究方法

1.1 數據來源與核算

1.1.1 各省碳排放核算方法

目前，中國還沒有碳排放量的直接監測數據，大部分研究都是基于化石燃料的消費量計算得到的。中國的地區能源消費統計來源主要有:能源統計年鑒，包括各地區能源消費總量，能源平衡表，各地區分品種能源消費（消費量合計，總和不等于消費總量）;基于能源平衡表可以計算得出能源消費結構和主要部門能源消費;地方統計年鑒，部分地區統計了歷年能源消費總量和結構，但年份和地區不全（如上海無統計）;新中國統計六十年，包括各地區能源消費總量和結構，但是一方面數據統計口徑不一致，另一方面數據存在明顯不合理。

基于上述整理和分析，本研究思路基于地區能源平衡表，計算得出中國各地區的能源消費總量以及結構;以能源統計年鑒的地區能源消費總量數據、地區統計和新中國統計六十年數據作對比和參照。

（1）計算各地區煤、油、氣、電、熱及其他能源消耗情況。為了比較各地區的能源消費總量和結構，首先根據實物量地區能源平衡表獲取分品種能源消費量（實物量），然后通過折標煤系數得到該地區煤、油、氣、熱以及其他五種分品種能源消費總量。分品種能源的最后一項為“其它能源”，包括回收能和非商品能源，認為部分“其他能源”以可再生能源形式存在。由于缺乏地區能源熱值的數據，因此統一采取當年《中國能源統計年鑒》附錄中公布的“各種能源折標準煤參考系數”。

（2）計算各地區非化石電力消費量。電力所對應的一次能源量必須追溯到電力生產端。同時為體現區域間電力輸送的公平關系，考慮省間電力調入調出關系，根據地區本地的非化石電力生產量以及主要地區之間可再生電力輸送關系（主要是風電和水電），核算各地區實際的非化石電力消費量。

（3）根據全國平均的供熱及發電的煤、油、氣消耗系數，將各地區的熱力、火電消耗量轉化為煤、油、氣三種一次能源消耗量。其中，電力的折標煤計算采用當年火電供電標準煤耗，由于各地的供電煤耗數差距較大，且數據可得，因此分省能源消費量計算中同時給出了按照當地供電煤耗計算的分省能源消費量。對比結果表明:對大部分地區而言，基于當地供電煤耗的總能源消費量更加接近于《中國能源統計年鑒》中公布的當年地區能源消費量，但個別省份偏差更大;使用全國平均供電煤耗的合計總量和公布數據合計量更為接近;兩種系數方法對最終結果的測算差別很小，在1‰－2‰左右。

（4）計算能源消費結構及總量。能源消費總量是指對各能源品種能量消費的核算，是指能源的能量消耗總量而不是物量消耗總量，其依據是能量守恒定律，計算單位為標準煤。計算方法是根據地區能源平衡表的標準量表中的合計欄進行計算，由于目前地方能源平衡表為實物量，因此:

根據（1）－（3）的計算結構，可以得到初步的煤、油、氣及非化石能源消費量及總量。但由于該計算方法沒有考慮地區在能源轉化過程中的差異，因此各地區能源消費總量存在一定偏差。為減小該部分偏差，核算得到的能源消費總量初值根據2010年出版的《中國能源統計年鑒2009》中公布的各省能源消費總量進行校正，同時根據校正差和煤油氣的消費比例，進一步校正各地區的煤油氣消費量。

根據校正后的煤油氣以及非化石能源消費量，即可得到各地區的一次能源消費結構及總量數據。根據公式（2），可以進一步測算得到各地區因能源消費引起的CO2排放量。

其中，根據數據調研及專家經驗判斷，選取煤、油、天然氣的碳排放因子分別為 2.64、2.08、1.63t CO2/tce。

1.1.2 其他數據來源

其他數據主要來源于2006－2009年的《中國統計年鑒》、2006－2009年的各省統計年鑒、2006－2009年的《工業經濟統計年鑒》、2005－2008年的各省、自治區、直轄市單位GDP能耗等指標公報。計算整理后，可得到各省及全國的能源消費的碳排放因素分析的基本數據。

1.2 分解模型及研究方法

1.2.1 因素分解模型

構建碳排放因素分解模型的目的是分解出碳排放變化的影響因素，并通過計算這些因素的貢獻值來分析其影響程度。本研究設定CO2排放總量的變化是由已知的可解釋的影響因子造成的。如地區工業單位增加值能耗和地區能源排放因子等。

對于全國CO2排放進行核算，即有

國家碳排放（C）的變化來自于地區能源排放因子、地區工業能耗占總能耗比重倒數、地區工業單位增加值能耗、地區工業比重、人均GDP、地區人口比重以及總人口幾個因素的變化，其中i表示某一省份。需要指出的是，由于西藏的能源消費量與碳排放很小，并且基礎數據獲取有較大難度，因此，本研究中只考慮了除去西藏的其他30個省、市、自治區。

表1 因素分解模型各變量定義

1.2.2 研究方法

Ang等研究表明，LMDI法可以對所有因素進行無殘差分解，克服了其他分解方法本身存在殘差項難以解釋的問題，使模型更具說服力。此后，許多學者都采用了LMDI分解法，該方法同時也廣泛應用于各國的官方報告中。LMDI法采用乘法分解的結果具有加法特性;同時，LMDI法采用乘法分解或加法分解，其結果是一致的，且可以互相轉化［8－9］。

（1）全國CO2排放因素分解

全國CO2排放分解基本公式見式（3），第t年相對于基年的CO2的變化量可表示為

式中，ΔC為第t年相對于基年的CO2的變化量，單位為萬tCO2;Ct、C0分別為第t年、基年的CO2排放量，單位為萬 tCO2;△Cθ、△CK、△CI、△CS、△CG、△CR、△CP分別為地區能源排放因子、地區工業能耗占總能耗比重倒數、地區工業單位增加值能耗、地區工業比重、人均GDP、地區人口比重以及總人口幾個因素引起的CO2的變化量，單位為萬tCO2。

對公式（5）進行LMDI因素分解，

（2）地區CO2排放因素分解

對于第i個地區的CO2排放進行因素分解，其方法與全國CO2排放分解方法類似，即有

（3）影響因素貢獻率

各影響因素的貢獻率為該因素引起的CO2的變化量與總CO2變化了的比值。

2 數據處理與討論

2.1 2005－2008年我國各省區碳排放總量以及碳強度

碳強度為單位GDP的CO2排放量。根據所測算的基礎數據，可以得到2005年及2008年我國各省碳排放（億t CO2）以及碳強度（t CO2/萬元）匯總情況（見圖1）。

圖1 2005－2008年我國各省碳排放及碳強度

從圖中可以看出，“十一五”計劃執行的前三年中，我國各個省份的CO2排放都有不同程度提高，與此同時GDP的高速增長以及節能減排工作的有效開展，各個省份的碳強度都得到有效降低。從2008年我國各省碳強度與碳排放情況的比較看，各省份之間表現出了非常大的差異性:排放最多的省份是山東，最少的省份是海南，碳強度最高的省份是寧夏，最低的是北京。這種差異是由多方面因素造成的。例如海南碳排放很低是因為主要依靠旅游業支撐當地經濟;山東雖然排放總量最大，但由于經濟體量較大，其碳強度相對較低;山西、內蒙古等能源大省，碳排放總量雖然不是最大，但由于經濟總量居中，其碳強度反而較高;寧夏雖然排放量小，但其經濟總量更小，其碳強度反而是最高的。

2.2 全國CO2排放量變化的因素分解分析

采用1.1.1中介紹的因素分解模型，計算我國CO2排放量影響因子對CO2排放總量增量的貢獻值，從而分析其影響程度。

可以看出，我國的CO2排放總量持續升高，最主要的影響因素是人均GDP的不斷上升（貢獻率達到200.61%，見表2），也就是由于國民經濟的不斷發展和需求導致CO2排放總量持續升高。與此同時，工業單位增加值能耗的不斷下降，在一定程度上減緩了排放量增加的速率，其貢獻率為負，為－109.73。實際上，這兩項也正是我國過去以及未來經濟發展與CO2控制的關鍵要素。一方面，雖然隨著節能潛力的不斷挖掘，未來控制工業單位增加值能耗的難度將不斷增大，但在未來一段時期內，節能仍將是我國未來低碳發展的關鍵環節。另一方面，隨著經濟的進一步發展，人均GDP水平的進一步提升，我國CO2排放總量的變化趨勢仍是進一步提高。

圖2 2005－2008年全國CO2排放量變化的因素分解

表2 全國CO2排放量影響因子占總差異的貢獻率%

圖3 2005－2008年各省CO2排放量變化的因素分解

2.3 各省CO2排放量變化的因素差異

采用1.1.1中介紹的因素分解模型，計算各省CO2排放量影響因子分別對各省CO2排放總量增量的貢獻值，從而分析其影響程度。具體計算結果如圖2、圖3和表3所示。

與全國整體情形類似，大部分地區貢獻率最高的影響因子都是人均GDP。但是由于各地基礎條件和發展速度不同，其他各個因素表現出較大的差異性。

（1）地區能源排放因子:各地差異很大，北京、上海、湖北、云南四省此項負貢獻很大，大幅度地降低了碳排放總量。相反，福建，青海等地區反而間接提高碳排放。這一項基本反映了能源使用種類以及能源輸送關系。比如北京、上海主要是使用了大量外輸的可再生能源，也就是電力;湖北、云南由于自身能源條件較好，本地能源消費可以較多地依賴非化石能源。

（2）工業能耗比重占總能耗比重倒數:此項數值越大表示工業能耗比重占總能耗比重越小。該因素對北京表現出很強的正貢獻率，這主要是因為北京的工業比重很低。北京用能提升主要來源于三產和居民生活消耗。相比之下，青海、寧夏、新疆的該因素表現出較少的貢獻率，這主要是由于在西部大開發的背景下，許多工業在這些省份安家落戶，使得工業比重保持較高水平。

（3）工業單位增加值能耗:我國“十一五”節能規劃的主要目標和手段之一就是要提高工業能效，有效降低工業單位增加值能耗。此項數據也印證了這一點。絕大多數省份表現出了很強的負貢獻率，其數值明顯地表現出了各個省在工業節能領域的努力。

（4）地區工業比重:此項反映了工業在經濟總量中的比重。除了北京（首鋼等工業遷出）、上海、黑龍江以外，各地工業均呈現出繼續發展的態勢。盡管一直推動經濟結構改革，但是我國仍還處于發展階段，在一段時期內，工業仍將是經濟結構中的重要組成部分。

表3 各省2005－2008年CO2排放量影響因子占總差異的貢獻率（%）

（5）人均GDP:此項反映了各地經濟發展的水平。雖然各省發展速度有所區別，但是整體速度都是相當驚人的，其對碳排放總量的貢獻也是最大的。在未來的一個階段，隨著產業結構調整，預計這項指標將會放緩，因此可以預期未來我國各省碳排放的增速也會隨之放緩。

（6）地區人口比重:此項反映了各地人口遷徙帶來的影響。我們看到一些大城市，比如北京、上海和天津，由于人口的遷入導致人口規模擴大。人口的增加勢必導致能源消耗的增加和CO2排放量的增加，也就是說該項影響因子對碳排放總量有較大的正貢獻率。所以，未來在分析不同地區對全國排放的貢獻時，人口遷徙導致的人口比重變化也是需要考慮的因素之一。

3 結論與建議

本文基于能源平衡表，核算我國幾個省、市、自治區2005－2008年的能源消費和CO2排放情況。結果顯示:“十一五”期間，盡管CO2排放總量仍呈上升態勢，但絕大多數省份積極推進各自與中央達成的“十一五”節能協議目標，取得良好成效，CO2排放強度得到有效控制。

采用LMDI方法對我國及各地區的CO2排放進行能源排放因子、地區工業能耗占總能耗比重、地區工業單位增加值能耗、地區工業比重、人均GDP、地區人口比重等多種碳排放影響因素分解分析。研究表明:人均GDP的升高是我國及各省碳排放量增加的主要影響因素，同時工業單位增加值能耗大幅度的下降是我國碳排放控制的最主要努力方向，并取得積極成效。與此同時，由于各地區的發展階段、經濟結構、能源稟賦、人口比重等具體條件不同，其CO2進一步減排所面臨的挑戰也各不相同。

為確保實現“2020年我國單位GDPCO2排放比2005年下降40－45%”的宏偉目標，未來我國勢必將繼續推動節能減排行動。國務院《“十二五”控制溫室氣體排放工作方案》明確公布了各省未來五年單位GDP能源強度和碳強度下降目標。為實現這些目標，各地區要根據其自身發展階段和特點采取不同側重的節能減排措施。①發達地區，如北京、上海、廣東等少數地區應適當控制能源使用總量，鼓勵低碳消費，同時進一步降低工業比重，大力發展服務業，深化產業轉型;②落后地區，如寧夏、青海、西藏等經濟總量、能源使用總量都不是很大，其經濟發展水平決定其還需要較大的發展空間。未來一段時期內，工業比重和CO2排放還將持續增長。不過這些地區的環境資源條件較好，應避免重蹈“先污染，后治理”的覆轍，借鑒其他地區發展經驗，從根本上走出低碳發展道路;③對其他發展中地區，代表了我國的基本現狀。隨著經濟的進一步發展，人均GDP水平的進一步提升，CO2排放總量的變化趨勢仍是進一步提高。雖然在未來一段時期內，節能仍將是未來低碳發展的關鍵環節，但是隨著節能潛力的不斷挖掘，未來控制工業單位增加值能耗的難度將不斷增大，經濟結構轉型仍將是必由之路。

總之，GDP碳強度不僅反映能源轉化、運輸、分配和利用的綜合效益，同時反映能源體系燃料替代導致的CO2減排效益。由于我國各省、地區發展的不均衡性，要實現低碳發展，節約能源，降低溫室氣體排放強度，必須遵循因地制宜的原則。必須充分考慮各省、地區的能力和潛力、優勢和劣勢，制定有針對性的發展策略，才能讓各省、地區經濟穩步發展的同時有效控制CO2排放，從而實現我國的可持續發展。

（編輯:劉照勝）

［1］Greening L A，Davis W B，Schipper L.Decomposition of Aggregate Carbon Intensity for the Manufacturing Sector:Comparison of Declining Trends from 10 OECD Countries for the Period 1971 －1991［J］.Energy Economics，1998，20（1）:43－65.

［2］Davis W B，Sanstad A H，Koomey J G.Contributions of Weather and Fuel Mix to Recent Declines in US Energy and Carbon Intensity［J］.Energy Economics，2003，25（4）:375 －396.

［3］Ferdinand V，Ferdinand D F，Erica S.A Decomposition Analysis of CO2Emissions in the United States［J］.Applied Economics Etters，2010，17（10）:925－931.

［4］ Wang Can，Chen Jining，Zou Ji.Decomposition of Energy-related CO2Emission in China:1957 －2000［J］.Energy，2005，（30）:73－83.

［5］朱勤，彭希哲，陸志明，等.中國能源消費碳排放變化的因素分解及實證分析［J］.資源科學，2009，31（12）:2072 －2079.

［6］王俊松，賀燦飛.能源消費、經濟增長與中國CO2排放量變化－基于LMDI方法的分解分析［J］.長江流域資源與環境，2010，19（1）:18－22.

［7］段顯明，童正衛.浙江省能源消費碳排放的因素分解—基于LMDI分析方法［J］.北京郵電大學學報:社會科學版，2011，13（4）:68－75.

［8］Ang B W，Zhang F Q，Choi K H.Factorizing Changes in Energy Environmental Indicators through Decomposition［J］.Energy，1998，2（6）:489－495.

［9］Ang B W.Decomposition Analysis for Policymaking in Energy:Which Is the Preferred Method?［J］.Energy Policy，2004，32（9）:1131－1139.