東北三省能源消費碳排放測度及影響因素

馬曉君,董碧瀅,于淵博,王常欣,楊 倩

?

東北三省能源消費碳排放測度及影響因素

馬曉君1*,董碧瀅1,于淵博2,王常欣1,楊 倩1

(1.東北財經大學統計學院,遼寧 大連 116025；2.遼寧大學亞澳商學院,遼寧 沈陽 110136)

將擴展的Kaya恒等式與對數平均迪氏指數(LMDI)分解法相結合,以2005~2016年東北三省主要能源消費數據為研究對象,構建優化的碳排放分解模型,測度并分解其碳排放與碳排放強度.通過與中國同期能源消費碳排放的定量對比分析,考察各產業(部門)能源結構效應、能源強度效應、產業結構效應、經濟產出效應和人口規模效應對東北三省能源消費碳排放的影響.結果顯示:2005~2016年,東北三省碳排放總量占中國碳排放總量的8.84%,碳排放強度普遍高于中國碳排放強度.經濟產出效應和人口規模效應對東北三省碳排放增長起拉動作用,其中經濟產出效應貢獻最大為188%,經濟發展和城市化進程的加速不利于碳排放的降低.產業能源強度效應、能源結構效應及產業結構效應對東北三省碳排放增長起抑制作用,能源強度效應的抑制作用最大為59%,產業能源強度的調整空間較大.降低能源消耗強度,調整產業內部結構,完善經濟政策體制是今后促進東北三省低碳經濟發展的重要手段.

東北三省；能源消費碳排放；碳排放強度；Kaya-LMDI

在巴黎協定的框架下,到2030年中國單位GDP的CO2排放比2005下降60%~65%,推進碳排放達峰,實現低碳經濟發展,已成為學術界研究的熱點,其關鍵問題之一在于對能源消費碳排放的測度及影響因素分析.作為中國重要的老工業基地,東北三省在經濟發展中仍延續傳統的粗放型經濟發展方式——能源消耗大,高能耗行業密集,產業結構不合理.基于此,對東北三省能源消費碳排放的測度及影響因素實證研究十分必要.

現階段,在能源消費碳排放及影響因素研究中,世界通行的分解方法有兩種:一是結構分解法(SDA). SDA由印度學者Debesh Chakraborty等[1]于2006年首次提出,用來解決投入產出結構分解問題;隨后,尚紅云等[2]首次將SDA引入到中國能源消耗結構分解問題中;王麗麗等[3]、Xu等[4]和段玉婉等[5]利用SDA分別對中國國際貿易隱含碳排放和江蘇省CO2排放的增長因素,及中國和日本的能源消費碳排放進行結構分解與計量分析.但SDA需以投入產出表中的大量數據作為支撐,而中國一般每五年編制一次投入產出表,時間跨度較大,不利于深入研究,因此一般采用第二種方法:指數分解法(IDA).IDA基于部門加總數據,適用于時間序列分析,因此在實際操作中更具有可行性.2004年,Ang[6]首次提出基于IDA的LMDI分解法,并將此方法引入能源消耗的分解中.這種方法不僅可以進行多個因素分解,而且分解后的結果解決了殘差項、數據零值和負值的問題,因此被廣泛應用于分解模型的建立和碳排放相關研究中.

在LMDI分解法基礎上,碳排放的測度及其影響因素可以基于國家、省、市級區域層面和行業層面來研究.由于國家統計數據獲得較為容易,因此,學術界對于國家層面碳排放影響因素研究較多.許士春等[7]、范丹[8]先后采用LMDI法對中國能源消費碳排放的驅動因素進行分解分析,得出在中國碳排放中,經濟產出貢獻率最大的結論;程葉青等[9]和Wang等[10]分別將LMDI與空間自相關方法和C-D生產函數結合,應用于中國能源消費研究;González等[11]、Chong等[12]、Mousavi等[13]和郭宇等[14]將LMDI分別運用到歐盟、中國、伊朗、中東地區國家和一帶一路沿線國家中,并對其CO2排放量進行跟蹤和分解研究.隨著區域經濟發展,對于省、市級層面碳排放研究也逐漸成為熱點.彭俊銘等[15]和田中華等[16]、劉源等[17]、韓紅珠等[18]、Chong等[19]和Carmona等[20]先后運用LMDI分別對廣東省、珠三角、廈門市、陜西省及安達魯西亞(西班牙)的能源消費碳排放影響因素進行分解,并分析最終能耗的變化情況.隨著經濟技術的發展和產業分工的細化,越來越多學者不再局限于區域層面的縱向研究,而是將碳排放分解著眼于行業部門.Jeong等[21]、潘雄鋒等[22]和戴小文等[23]分別采用LMDI法對韓國工業、中國制造行業及中國農業的能源消費碳排放進行分解測度;馮博等[24]、宋金昭等[25]和杜強等[26]先后對中國及西安市建筑業能源消費碳排放的驅動因素進行分解分析;張立國[27]則對中國物流業進行了能耗研究.至此,國內外關于能源消費碳排放的研究在一定程度上得以完善.

總體來看,世界上關于能源消費碳排放的研究日益深入,分析方法日趨完善,但仍存在一些不足.首先,由于各省能源統計口徑存在一定差異,進行能源消費核算較為復雜,因此,鮮有文獻基于城市群層面進行碳排放驅動因素分析,導致在基于區域層面的縱向研究中有所缺失;其次,部分文獻在研究能源消費碳排放時,將煤炭數據與原煤數據混為一談.但在能源統計中,煤炭數據包括原煤數據,且在進行碳排放測算時,相關文獻僅給出原煤的計算系數,因此使用煤炭數據將在數據采集、測算與分析中出現誤差;此外,現有研究大多基于國家、地區或行業某一層面進行碳排放驅動因素分析,未能將三者結合展開討論,缺乏相對性與全面性.因此有必要建立更為全面的碳排放影響因素分解模型.

在現有基礎上,本文采用Kaya-LMDI分解法,研究東北三省2005~2016年能源消費碳排放及影響因素,并試圖在以下方面進行擴展:一是基于城市群研究層面,將東北三省(黑龍江、吉林、遼寧)作為研究對象,并對其能源消耗碳排放及影響因素進行討論;二是為避免重復,采用原煤數據代替已有文獻中所用的煤炭數據,以提高測度結果的準確性;三是在分析東北三省碳排放情況的同時,搜集國家層面數據,測度中國CO2排放總量及碳排放強度,并將其與東北三省碳排放進行區域層面的縱向對比和行業層面的橫向分析.旨在使研究更具相對性與全面性,進而對東北地區的低碳經濟發展建言獻策.

1 研究方法

本文主要研究東北三省7大產業部門(農林牧漁業、工業、建筑業、交通運輸和倉儲郵政業、批發零售業和住宿餐飲業、其他行業以及居民生活消費部門)對于9種主要能源(原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣以及電力)的消費碳排放問題.首先根據能源消費統計及經濟社會發展的相關數據進行碳排放測算;其次建立基于Kaya-LMDI的碳排放影響因素分解模型,測度并分析東北三省CO2排放與中國CO2排放情況.

1.1 碳排放相關測算方法

《省級溫室氣體清單編制指南》[28]規定,省級能源活動CO2排放量可采用IPCC方法1,即碳排放總量分為化石燃料燃燒產生的碳排放和終端部門的電力消費碳排放,計算公式為:

式中:為碳排放總量;C為化石燃料燃燒產生的碳排放量;C為終端部門消耗電力產生的碳排放.

化石燃料燃燒產生的碳排放基于各種化石燃料的表觀消費量,各種燃料品種的單位發熱量、含碳量,以及燃燒各種燃料的主要設備的平均氧化率,扣除化石燃料非能源用途的固碳量等參數綜合計算得到的.計算公式為:

地區終端部門的電力能源消費所產生的碳排放量等于各產業部門的終端用電量與該年度的CO2排放因子乘積之和,計算公式為:

1.2 碳排放影響因素分解模型

1.2.1 基于Kaya恒等式碳排放分解模型 Kaya恒等式由日本學者Kaya等[29]首次提出,用于解決溫室氣體排放的因素分解問題,但其僅適用于一國或一個地區的碳排放總量分解.為了更好地分產業分能源種類進行碳排放驅動因素分析,本文運用Kaya恒等式的擴展形式[39]:

式中:表示碳排放總量;C表示第產業對第種能源消耗時產生的碳排放量;E表示第產業對第種能源的消耗量;E表示第產業的能源消費總量;GDP表示第產業的行業增加值, GDP表示東北三省地區總增加值;表示東北三省地區人口總數;C/E,E/E,E/GDP,GDP/GDP, GDP/,分別表示碳排放系數、能源結構、能源強度、產業結構、經濟產出、人口規模.

1.2.2 基于Kaya-LMDI的碳排放因素分解模型 為研究碳排放中各驅動因素的貢獻效應,本文將擴展的Kaya恒等式運用于LMDI分解法,并對碳排放驅動因素進行分解分析,以便討論其貢獻度.本文選取LMDI分解法中的加和分解方式,基于公式(4)對碳排放進行如下分解:

式中: ?tot表示碳排放分解總效應, ?C表示碳排放因子效應,?C表示產業能源結構效應,?CGDP表示產業能源強度效應,GDPGDP表示產業結構效應,GDP/P表示經濟產出效應,?C表示人口規模效應.根據Kaya-LMDI分解模型得到的各效應分解結果如下:

式中:對于公式(6)~(11)中的(C(t),C(0))做出如下定義:

由于各種能源的碳排放系數固定,碳排放因子效應恒為0,因此,可將公式(5)化簡為:

至此,可以利用公式(6)~(13)對東北三省碳排放驅動因素進行分解和實證分析.

2 實證分析

2.1 數據來源

本文的化石燃料能源消費數據基于《中國能源統計年鑒》[30]中的遼寧、吉林、黑龍江能源平衡表(實物量)以及中國能源平衡表(實物量);電力能源消費數據來源于實物量平衡表中的終端消費量[終端消費量=可供本地區消費能源量＋加工轉換投入(產出)量－損失量];2005年區域電網平均CO2排放因子取自《2007中國區域電網基準線排放因子》[31], 2006~2008年區域電網平均CO2排放因子取自《2010中國區域電網基準線排放因子》[32],2009和2010年區域電網平均CO2排放因子取自《2012中國區域電網基準線排放因子》[33],2011~2013年區域電網平均CO2排放因子取自《2015中國區域電網基準線排放因子》[34],2014和2015年區域電網平均CO2排放因子取自《2016中國區域電網基準線排放因子》(征求意見稿)[35];天然氣相關計算系數采用其區間上、下限的均值.各類能源相關計算系數數據及來源見表1.

表1 各類能源相關計算系數

注:低(位)發熱量等于29307(KJ)的燃料,稱為1kg標準煤(1kgce);前3列來源于《遼寧統計年鑒》(2016)[36];第4、5列來源于《省級溫室氣體清單編制指南》(發改辦氣候[2011]1041號).

2.2 東北三省碳排放總量

由圖1可見:2005年,東北三省能源消費碳排放為4.8億t,占中國能源消費碳排放的9.72%.截至2015年底,東北三省能源消費產生的CO2總量達到8.52億t,占中國能源消費CO2排放總量的8.84%,相較于2005年比重有所下降. 2005~2016年,東北三省能源消耗產生的CO2排放量與中國CO2排放總量的走勢大致相同,增長速度略緩于國家增速.東北三省作為中國重要的老工業基地,經濟活動主要集中于重工業,但其在CO2排放量的控制中能夠與國家低碳發展的經濟政策規劃保持一致,在碳排放總量上基本達到階段性目標.

圖1 中國和東北三省2005~2016年碳排放總量

圖2 2005~2016年東北三省與中國碳排放強度

在進行地區間的碳排放比較分析時,通常選取碳排放強度(單位GDP碳排放)這一指標.碳排放強度是指每單位國民生產總值的增長所帶來的CO2排放量.該指標主要是用來衡量一國經濟同碳排放量之間的關系,如果一國在經濟增長的同時,每單位國民生產總值所帶來的CO2排放量在下降,則說明該國(或地區)基本實現一個低碳發展模式.因此,本文同時對東北三省和國家整體的碳排放強度進行測度,并將兩者進行比較.

從圖1和圖2可以看出,東北三省CO2排放總量增速逐漸變緩,碳排放強度逐年下降,但其碳排放強度仍高于中國碳排放強度.截至2015年底,東北三省單位GDP碳排放為1.47t/萬元,高出中國單位GDP碳排放0.07t/萬元.從側面表明,東北三省由于經濟技術水平和經濟產出落后使其GDP增速低于碳排放總量的增速,進而導致碳排放強度偏高.

2.3 Kaya-LMDI模型分解結果分析

應用Kaya-LMDI分解模型對2005~2016年東北三省的能源消費碳排放進行分解,由圖1和圖3可以看出: 2005~2016年,東北三省碳排放總量與分解后的東北三省碳排放總效應趨勢基本一致,分為3個階段:(1)線性增長階段:2005~2007年.碳排放總量與碳排放分解總效應的斜率均為11年間最大值,分別為13.6%, 117.2%; (2)S型增長階段:2008~2013年.2011年度碳排放總量增速為13.3%,碳排放總效應增速為49.6%,均達到該階段最大值; (3)波動階段: 2013~2015年.東北三省CO2排放增速波動較大,呈快速下降后上升,最后趨于平穩,但碳排放總量和分解總效應仍未超過2012年度(總量和分解效應的最高峰).結果表明,由于“十五”環境保護指標沒有全部實現,在“十一五”初期,東北三省碳排放總量增速較快;“十一五”后期,東北三省碳排放總量增速逐漸變緩,但仍存在一定缺陷.“十二五”期間,在中國低碳發展的大環境下,東北三省通過對能源消費的控制,一定程度上抑制了CO2排放.

表2 2005~2016年東北三省碳排放積累效應

圖3 2005~2016年東北三省碳排放積累效應

此外,東北三省分解結果與現有文獻[8-9]中能源消費碳排放分解結果的趨勢大致相同:產業能源結構效應和產業能源強度效應對東北三省的碳排放貢獻基本為負,對碳排放有較大抑制作用;產業結構效應對碳排放的貢獻表現為先正后負;經濟產出效應和人口規模效應對碳排放的增長表現為正向影響;碳排放總效應近似正比于經濟產出效應.由此可見,無論從區域還是國家層面測度,經濟產出效應都是碳排放增長的最主要因素.

2.3.1 產業能源結構效應分析 圖4表明,產業能源結構效應對東北三省碳排放貢獻為負,能源結構變化對CO2排放有一定抑制作用.結合圖7可以看出,在產業能源結構對CO2排放的抑制作用中,工業和交通運輸部門的能源結構效應占主要作用.原因可能在于工業與交通運輸業在能源消費上主要依賴于原煤、焦炭等,其消耗比重與能源結構效應變動的趨勢十分接近,這也與積累效應中的結果相符合.而農林牧漁業和居民生活消費部門則對CO2排放起到拉動作用,但拉動強度遠低于抑制強度,因此,產業能源結構效應總體對CO2排放仍起到抑制作用.

圖4 2005~2016年東北三省產業能源結構效應

2.3.2 產業能源強度效應分析 由圖3和圖5可以看出,東北三省產業能源強度效應對碳排放總效應的貢獻起到較大的抑制作用.其中,工業部門和居民生活消費部門的能源強度效應的抑制作用最大,約占總能源強度效應的90%,交通運輸業和第三產業的抑制作用逐年增強,第一產業部門和建筑業的抑制作用最弱.由此可見, 2005~2016年,東北三省在工業、交通運輸業和第三產業的經濟產出規模迅速擴大,居民生活消費逐漸增多,第一產業和建筑業經濟產出增長平穩.能源強度指的是能源消耗量與經濟產出的比值,因此在能源強度的控制上需加大節能改造力度,促進節能技術進步,通過提高舊能源利用效率和新能源使用效率來實現低碳發展.

2.3.3 產業結構效應分析 由表2和圖6可以看出,東北三省產業結構效應對能源消費碳排放的作用呈現先正后負的趨勢.圖6表明, 2005~2013年,工業部門對產業結構效應一直起到拉動作用,而其他部門均起到抑制作用;2013~2016年,工業部門由拉動作用轉為抑制作用,且抑制強度較大,建筑業起到了一定拉動作用,而其他5大部門的抑制作用有所減弱.結合圖3與圖6能夠看出,工業部門對產業結構效應的貢獻與產業結構效應對碳排放的貢獻趨勢相同,且在產業結構效應中起主導作用.2005~2016年,由于政策影響,東北三省通過產業轉型和結構調整,使產業分工進一步細化,在經濟增長速度、占經濟總量比重等方面表現出產業結構的高級化,即隨著經濟發展水平逐漸增高,其對碳排放的作用方向由促進變為抑制.

圖5 2005~2016年東北三省產業能源強度效應

2.3.4 經濟產出效應分析 由表2和圖3可以看出, 2005~2016年東北三省的經濟產出效應一直為正,而且呈逐年上升趨勢,對東北三省能源消費碳排放增長的貢獻度最大,因此,經濟發展因素是東北三省這一時期碳排放增長的最主要因素. 2005~2016年,東北三省GDP總量增長了2.36倍,人均GDP總量增長了2.357倍(以2005年不變價格計算).根據環境庫茲涅茨曲線,當一個地區經濟發展水平較低時,環境污染程度較輕.隨著經濟發展,環境污染由低趨高,環境惡化程度隨經濟增長而加劇;當經濟發展達到拐點后,隨著經濟的進一步發展,環境污染又由高趨低,其環境污染程度逐漸減緩,環境質量得到改善.在2009年和2014年,東北地區經濟產出效應和總效應分別出現兩段短暫的下降,主要是受到了2009年哥本哈根氣候大會和2014年APEC峰會的影響,而經濟發展的拐點值并未出現.因此,可以推測出東北三省CO2排放量的增長是東北區域現階段經濟發展中的必然結果.

2.3.5 人口規模效應分析 從表2和圖3可以看出,東北三省的人口規模效應對碳排放總效應的貢獻一直為正;2005~2013年,人口規模效應與總效應增長速度呈現同步增長趨勢,2013~2015年,二者又呈同步下降趨勢.這表明,東北地區人口的增加會導致碳排放量上升.原因可能在于,隨著人口規模的擴大,東北地區城市化進程的步伐加快,對碳排放造成一定程度的影響,如加大城市規模、修建水利設施、建設鐵路運輸,從而帶動工業、建筑業、交通運輸業和第三產業等迅速發展,使得相應需求擴大,能源消耗量增加,導致東北三省碳排放總量增大.這與范丹[9]的研究結論相似,人口規模增加對碳排放的增加起到一定拉動作用.但不同的是,其測算的中國人口規模效應貢獻度大于東北三省人口規模效應貢獻度.原因可能在于,東北三省地廣人稀,城市化進程相對于全國速度較慢,相應需求引起的能耗低于全國平均水平等.

2.4 各產業(部門)能源消費碳排放分析

2.4.1 各產業(部門)能源消費碳排放量 由表3可以看出:2005~2006年,東北三省工業部門能源消費碳排放占碳排放總量的比重最大,為68%,農林牧漁業、建筑業、交通運輸和倉儲郵政業、批發零售和住宿餐飲業、其他行業、居民生活消費部門消耗的碳排放分別占總量的4%, 1%, 9%, 3%, 5%, 10%. 2015~2016年,農林牧漁業、工業、建筑業、交通運輸和倉儲郵政業、批發零售和住宿餐飲業、其他行業、居民生活消費部門消耗的碳排放分別占碳排放總量的3%, 63%, 1%, 10%, 5%, 7%, 10%.各部門碳排放總量相較于2005~2006年分別下降1%, 5%, 0%, -1%, -2%, -2%, 0%.

結果顯示,東北三省能源消費碳排放的主要來源依然是工業部門,交通運輸業和居民生活消費部門所占比重也比較大.近年來,隨著東北經濟轉型的進一步深入推進,以交通運輸和倉儲郵政業、批發零售和住宿餐飲業等為主的第三產業在能源消耗上占比逐漸增多,其碳排放量也呈現增長的趨勢.這從側面反映出在“十一五”、“十二五”期間,第三產業的政策支持力度之大,發展之迅速.可見調整行業結構,打造低碳產業體系已經逐漸成為經濟結構轉型和發展方式調整的重要方向和途徑.

表3 2005~2016年各產業(部門)能源消費碳排放(萬t)

2.4.2 各產業(部門)能源消費碳排放強度 由圖7可以看出,2005~2016年東北三省工業部門和交通運輸業能源消費碳排放強度的變化趨勢與總體碳排放強度相同,均呈逐年下降趨勢,但其一直高于東北三省總碳排放強度;其他部門碳排放強度的變化趨勢相對穩定,一直控制在0~1之間.各部門碳排放強度相較于2005~2006年分別下降了49%, 42%, 54%, 32%, 24%, 34%, 48%,東北三省總碳排放強度下降47%.

結果顯示,工業與交通運輸儲運業和郵政業在東北三省碳排放強度中占據較高的比重.原因可能在于,作為三大產業的重要分支,工業與交通運輸儲運業和郵政業具有能源利用率較低,能源結構不完善,高能耗等特點.該結論與許士春等[8]研究結果相似.其測算的中國行業能源消費碳排放中,工業與交通運輸儲運業和郵政業貢獻度占比高達100.23%.由此可見,無論是國家還是東北三省政府,都需從能源利用效率、研發清潔能源、推動技術進步等方面采取有效手段來遏制二、三產業能源消費碳排放.

圖7 2005~2016年各產業(部門)碳排放強度

3 政策建議

東北三省能源強度效應在11里均為負值,表明其對碳排放的增長起到抑制作用,因此,降低能源強度是促進碳排放減少的重要途徑,具體可從以下兩方面著手:從行業層面來看,應加大對先進能源技術的引入,推廣使用優質煤、潔凈型煤,推進煤改氣、煤改電,降低對化石能源的消費依賴度.積極研發清潔能源,有序發展水電工程,推進風電場建設,推動太陽能多元化利用,促進光伏發電規模化應用,大力發展節能與新能源技術,提高能源利用效率;從政府層面來看,應對各產業部門尤其是工業部門的技術進步給予適當的政策幫扶,如對應用先進節能技術的產業減免部分稅額、為研發新型節能技術企業發放財政補貼,擴大企業優惠貸款額度等,以此鼓勵各部門促進節能技術進步.

東北三省產業結構效應在11年里多為負值,對能源消費碳排放的影響多為負向影響,且行業分化明顯,表明優化產業結構是實現能源消費強度下降的重要手段.從東北三省的目前發展來看,工業部門所占比重較大,重工業仍然是東北三省發展的支柱產業.因此,需要嚴格控制工業領域碳排放,積極推廣低碳新工藝、新技術,推進工業領域碳捕集,依法依規有序淘汰落后產能和過剩產能.同時,應合理調整產業結構布局:大力發展低碳農業,實施化肥使用量零增長行動,改善水分和肥料管理,控制農作物秸稈燃燒,以降低農業領域溫室氣體排放;強化建筑節能,實施綠色建筑發展計劃,推廣可再生能源在建筑上的應用;建設低碳交通運輸體系,加快發展低碳物流,鼓勵使用節能、清潔能源和新能源運輸工具;促進以工業為主導的產業結構向第三產業為主導的產業結構轉化,倡導低碳理念,避免能源消費快速增長,減少生活能源消費,實現理性消費,綠色消費,逐步向低碳經濟發展方式過渡.

東北三省目前行業分化明顯,工業、交通運輸業等碳排放所占比重較大,有關部門需針對這一特征,制定支持各行業低碳發展的差別化扶持政策,形成適合不同行業的差異化低碳發展模式.同時落實國家低碳發展配套政策,加大財政資金對各行業低碳發展的支持力度,加強運用政府和社會資本合作(PPP)模式,發揮政府引導作用,完善涵蓋節能、環保、低碳等要求的政府制度,積極響應國家供給側結構性改革的政策號召,促進東北三省各行業經濟步入低碳發展新階段,形成供需兩側共同發力的老工業基地振興新格局.

4 結論

4.1 截至2015年底,東北三省能源消耗產生的CO2排放量約為8.52億t,占中國能源消費CO2總量的8.84%;東北三省碳排放強度達1.47t/萬元,高出中國碳排放強度0.07t/萬元.2005~2016年間,東北三省碳排放強度持續高于中國碳排放強度;能源消耗CO2走勢與中國CO2排放總量走勢大致相同;但排放總量占國家CO2排放總量比重呈下降趨勢,且增長速度略緩于國家增速.

4.2 2005~2016年,能源強度效應的下降明顯促進東北三省能源消費碳排放強度降低;能源結構與產業結構效應在一定程度上推動碳排放強度降低;經濟產出效應與人口規模效應的變化抑制碳排放總量的下降.因此,東北三省相關部門在未來制定與落實低碳減排政策時,既要關注行業內部結構優化與調整,更要注重在節能技術上的創新與突破.

4.3 截至2015年底,農林牧漁業、建筑業、交通運輸和倉儲郵政業、批發零售和住宿餐飲業、其他行業、居民生活消費部門對東北三省碳排放強度的貢獻率相對于2005年分別下降了49%, 42%, 54%, 32%, 24%, 34%, 48%. 2005~2016年,東北三省能源消費碳排放主要來源于工業部門;居民生活消費部門和交通運輸業所占比重也比較大;第三產業在能源消耗上占比增多.

[1] Sikdar C, Raa T T, Mohnen P, et al. Bilateral trade between India and Bangladesh: a general equilibrium approach [J]. Economic Systems Research, 2006,18(3):257-279.

[2] 尚紅云,蔣 萍.中國能源消耗變動影響因素的結構分解 [J]. 資源科學, 2009,31(2):214-223.

[3] 王麗麗,王 媛,毛國柱,等.中國國際貿易隱含碳SDA分析 [J]. 資源科學, 2012,34(12):162-169.

[4] Xu S C, Zhang L, Liu Y T, et al. Determination of the factors that influence increments in CO2, emissions in Jiangsu, China using the SDA method [J]. Journal of Cleaner Production, 2016,142(4):3061- 3074.

[5] 段玉婉,楊翠紅.中國與日本能源消耗和CO2排放差異的空間結構分解 [J]. 系統工程理論與實踐, 2017,37(8):2083-2090.

[6] Ang B W. Decomposition Analysis for policymaking in energy: which is the preferred method? [J]. Energy Policy, 2004,32(9):1131-1139.

[7] 許士春,習 蓉,何正霞.中國能源消耗碳排放的影響因素分析及政策啟示 [J]. 資源科學, 2012,34(1):2-12.

[8] 范 丹.中國能源消費碳排放變化的驅動因素研究—基于LMDI-PDA分解法 [J]. 中國環境科學, 2013,33(9):1705-1713.

[9] 程葉青,王哲野,張守志,等.中國能源消費碳排放強度及其影響因素的空間計量 [J]. 地理學報, 2013,68(10):1418-1431.

[10] Wang W, Liu X, Zhang M, et al. Using a new generalized LMDI (logarithmic mean Divisia index) method to analyze China's energy consumption [J]. Energy, 2014,67:617-622.

[11] González P F, Landajo M, Presno M J. Tracking European Union CO2, emissions through LMDI (logarithmic-mean Divisia index) decomposition. The activity revaluation approach [J]. Energy, 2014, 73(7):741-750.

[12] Chong C H, Ma L, Li Z, et al. Logarithmic mean Divisia index (LMDI) decomposition of coal consumption in China based on the energy allocation diagram of coal flows [J]. Energy, 2015,85:366-378.

[13] Mousavi B, Stephen N, Lopez A, et al. Driving forces of iran's CO2emissions from energy consumption: An LMDI decomposition approach [J]. Applied Energy, 2017,206:804-814.

[14] 郭 宇,趙長紅,袁家海,等.一帶一路沿線國家碳排放的LMDI分解研究 [N]. 氣候變化研究快報, 2018,7(1):32-43.

[15] 彭俊銘,吳仁海.基于LMDI的珠三角能源碳足跡因素分解 [J]. 中國人口·資源與環境, 2012,22(2):69-74.

[16] 田中華,楊澤亮,蔡睿賢.廣東省能源消費碳排放分析及碳排放強度影響因素研究 [J]. 中國環境科學, 2015,35(6):1885-1891.

[17] 劉 源,李向陽,林劍藝,等.基于LMDI分解的廈門市碳排放強度影響因素分析 [J]. 生態學報, 2014,34(9):2378-2387.

[18] 韓紅珠,王小輝,馬 高.陜西省能源消費碳排放及影響因素分析 [J]. 山東農業科學, 2015,47(1):82-87.

[19] Chong C H, Liu P, Ma L, et al. LMDI decomposition of energy consumption in Guangdong Province, China, based on an energy allocation diagram [J]. Energy, 2017,133:525-544.

[20] Carmona M J C, Collado R R. LMDI decomposition analysis of energy consumption in Andalusia (Spain) during 2003-2012: the energy efficiency policy implications [J]. Energy Efficiency, 2016,9(3):1-17.

[21] Jeong K, Kim S. LMDI decomposition analysis of greenhouse gas emissions in the Korean manufacturing sector [J]. Energy Policy, 2013,62(9):1245-1253.

[22] 潘雄鋒,舒 濤,徐大偉.中國制造業碳排放強度變動及其因素分解 [J]. 中國人口·資源與環境, 2011,21(5):101-105.

[23] 戴小文,何艷秋,鐘秋波.中國農業能源消耗碳排放變化驅動因素及其貢獻研究*--基于Kaya恒等擴展與LMDI指數分解方法 [J]. 中國生態農業學報, 2015,23(11):1445-1454.

[24] 馮 博,王雪青.中國各省建筑業碳排放脫鉤及影響因素研究 [J]. 中國人口·資源與環境, 2015,25(4):28-34.

[25] 宋金昭,苑向陽,王曉平.中國建筑業碳排放強度影響因素分析 [J]. 環境工程, 2018,(1):178-182.

[26] 杜 強,馮新宇,孫 強.市域建筑業碳排放與經濟發展關系及影響因素研究——以西安市為例 [J]. 環境工程, 2017,35(2):174-179.

[27] 張立國.物流業能源消耗與碳排放研究進展 [J]. 技術經濟與管理研究, 2016,(1):119-123.

[28] 國家發展和改革委員會辦公廳.省級溫室氣體清單編制指南(試行) [Z]. 北京:國家發展和改革委員會, 2011.

[29] Kaya Yoichi. Impact of carbon dioxide emission on GNP growth:interpretation of proposed scenarios [R]. Paris:Presentation to the Energy and Industry Subgroup, Response Strategies Working Group, IPCC, 1989.

[30] 國家統計局能源統計司,中國能源統計年鑒. 2006-2016 [M]. 北京:中國統計出版社, 2016.

[31] 國家發展和改革委員會應對氣候變化司. 2007中國區域電網基準線排放因子 [R]. 北京:國家發展和改革委員會, 2007.

[32] 國家發展和改革委員會應對氣候變化司. 2010中國區域電網基準線排放因子 [R]. 北京:國家發展和改革委員會, 2010.

[33] 國家發展和改革委員會應對氣候變化司. 2012中國區域電網基準線排放因子 [R]. 北京:國家發展和改革委員會, 2012.

[34] 國家發展和改革委員會應對氣候變化司. 2015中國區域電網基準線排放因子 [R]. 北京:國家發展和改革委員會, 2015.

[35] 國家發展和改革委員會應對氣候變化司. 2016中國區域電網基準線排放因子 [R]. 北京:國家發展和改革委員會, 2017.

[36] 遼寧省統計局,遼寧統計年鑒2006~2016 [M].北京:中國統計出版社, 2016.

[37] Johan A, Delphine F, Koen S. A shapely decomposition of carbon emissions without residual [J]. Energy Policy, 2002,30(2):727-736.

[38] 孫玉環,李 倩,陳 婷.中國能源消費強度行業差異及影響因素分析——基于指數分解 [J]. 調研世界, 2016,(4):28-34.

[39] 遼寧省人民政府,遼寧省“十三五”節能減排綜合工作實施方案[EB/OL]. http://www.ln.gov.cn/zfxx/zfwj/szfwj/zfwj2011_119230/ 201704/t20170427_2883215.html 2017-4-21.

[40] 吉林省人民政府辦公廳,吉林省“十三五”控制溫室氣體排放工作方案 [EB/OL].http://xxgk.jl.gov.cn/szf/gkml/201702/t20170217_2473483. html 2017-1-25/2017-2-10.

[41] 黑龍江省人民政府辦公廳,關于做好“十三五”控制溫室氣體排放工作的意見 [EB/OL]. http://www.hlj.gov.cn/wjfg/system/2017/ 10/27/010852303.shtml 2017-7-16/2017-10-27.

Measurement of carbon emissions from energy consumption in three Northeastern provinces and its driving factors.

MA Xiao-jun1*, DONG Bi-ying1, YU Yuan-bo2, WANG Chang-xin1, YANG Qian1

(1.Department of statistics, Dongbei University of Finance and Economics, Dalian 116025, China；2.Asia Australia Business College, Liaoning University, Shenyang 110136, China)., 2018,38(8)：3170~3179

To find the key factors of the carbon emissions from energy consumption in three northeastern provinces, a hybrid approach was applied by combining the extended Kaya identity method and the logarithmic mean Divisia index (LMDI) decomposition method. Firstly, an optimized carbon emission decomposition model was developed to measure and decompose the carbon emissions and carbon emission intensity of three northeastern provinces during 2005~2016. Then, by performing a comparative analysis of three northeast provinces and the whole China, the impacts of the following factors on the carbon emissions were examined: the energy structure, the energy intensity, the industrial structure, the economic output and the population. The empirical results showed that, during 2005~2016, the total carbon emissions of three northeastern provinces accounted for 8.84% of the total carbon emissions of China, and the average carbon emission intensity of these three provinces was higher than that of China. Moreover, both economic output and population had significant positive effects on the carbon emissions; meanwhile, the largest contribution of economic reached 188%. The economic development and urbanization did not reduce the carbon emissions in these three provinces. In addition, the industrial energy intensity, energy structure and industrial structure had significant negative effects on carbon emission in which the maximum effect of energy intensity reached 59%. It was also found that there exists a large adjustment space in the industrial energy intensity. In summary, to promote the development of low-carbon economy, we suggested to reduce energy consumption, adjust the internal structure of the industry and improve the economic policy system in three northeastern provinces.

three northeastern provinces；carbon emissions from energy consumption；carbon intensity；Kaya-LMDI

X24

A

1000-6923(2018)08-3170-10

馬曉君(1978-),女,遼寧撫順人,副教授,博士,研究方向為宏觀經濟統計.發表論文30余篇.

2018-01-20

國家社會科學基金資助項目(17BTJ020);國家自然科學基金資助項目(71772113,71272010);遼寧省教育廳資助項目(LN2016YB026);遼寧省社會科學規劃基金資助項目(L17BTJ003,L16BTJ001)

* 責任作者, 副教授, maxiaojun@dufe.edu.cn