基于先進標桿理念的二氧化碳減排潛力研究

周曙東 宛睿

摘要 基于中國政府國家自主減排承諾到2030年的碳強度降低目標，從先進標桿理念出發，綜合運用Ward層次聚類法、遴選法等方法構建了測算二氧化碳減排潛力的模型方法，即：先進標桿理念法。運用2005—2016年30個省份38個工業分行業數據，測算了各省份工業行業二氧化碳的減排潛力，并從工業總體、行業總體和區域聚類分組這三個方面分析減排潛力的差異和來源。研究認為：首先，從中國工業行業總體減排潛力來看，碳排放量的降低幅度可以達到18.62%，而工業碳排放強度的減排幅度將達到24.03%，比2005年累計下降70.03%，可以實現到2030年單位國內生產總值二氧化碳排放量比2005年下降60%～65%的目標;其次，從工業行業二氧化碳減排潛力可以看出，煤炭開采和洗選業、石油加工、煉焦和核燃料加工業、化學原料和化學制品制造業、非金屬礦物制品業、黑色金屬冶煉和壓延加工業、電力、熱力生產和供應業這6個行業為二氧化碳減排潛力大的行業，石油和天然氣開采、農副食品加工業、紡織業、造紙和制品業、有色金屬冶煉及壓延業、金屬制品業等9個行業屬于中等減排潛力行業;再次，從聚類分析的角度來看，山東、江蘇、河南、陜西、遼寧、廣東等11個省份具有較大的減排潛力;最后，測算發現，本研究方法能夠較好地估測出各省工業行業碳減排潛力，為各省份科學測算工業行業二氧化碳減排潛力和減排指標的制定提供參考依據。

關鍵詞? 碳排放強度;Ward聚類法;遴選法;減排潛力

中圖分類號 F062.1? 文獻標識碼 A? 文章編號 1002-2104（2021）04-0023-09? DOI：10.12062/cpre.20200930

改革開放40多年來，中國經濟迅猛發展，2018年經濟總量已達134 572.67億美元，遠遠超越日本，穩居世界第二。同時，中國也成為世界上碳排放量最多的國家，這使得中國必須面對國際社會施加的減排壓力。因此，作為一個負責任的大國，中國政府在巴黎氣候大會前，2015年6月30日向《聯合國氣候變化框架公約》秘書處正式提交了國家自主減排貢獻文件，承諾：中國二氧化碳排放量在2030年左右達峰并爭取盡早達峰;單位國內生產總值二氧化碳排放量比2005年下降60%～65%，非化石能源占一次能源消費比重達到20%左右。目前，中國工業二氧化碳占比從2000年的0.706波動變化到2016年的0.665，但是，我們可以看出工業領域碳排放量始終占有重要的份額。因此，工業領域提高能效和降低二氧化碳排放量關系著我國減排目標的成敗。雖然目前我國在節能減排領域取得一定成效，但需要指出的是，當前的減排政策仍存在一定的忽視點。例如：《中國“十三五”節能減排綜合工作方案》僅提出了全國的主要行業和部門節能指標、各省份的能耗總量和強度“雙控”目標，但是，到目前為止，國家尚缺少科學測算劃分二氧化碳減排任務分省分行業的目標，且沒有科學的方法測算出各省各行業的減排潛力。該如何從各省的實際情況出發科學地承擔減排任務？文章提出了一個基于先進碳強度標桿的研究方法，以期能夠科學地測算各省各工業分行業碳減排潛力，為中國實現2030年減排目標以及各省份制定工業分行業二氧化碳減排任務提供參考依據。

1 文獻綜述

圍繞二氧化碳減排潛力測算方法，國內外學者的相關研究成果主要聚焦于以下四個領域。

1.1 運用效率法測算二氧化碳減排潛力

一方面，以最優能源效率為標準，測算二氧化碳減排潛力。學者們認為二氧化碳減排潛力研究需要設定最優情況作為參照，通過計算當前情況與最優情況的差距測算出減排潛力。能源效率是影響能源相關碳排放量的重要因素，因此，以能源效率最優值與各地能源效率的差距測算二氧化碳減排潛力。李志學等[1]、王文昊[2]、Akan等[3]和Xia等[4]等采用單因素能源效率作為研究的指標測算減排潛力。除了單因素能源效率，還有更多學者采用全要素能源效率作為指標測算減排潛力，如：汪克亮等[5]采用了CCR-DEA模型測算了全要素能源效率，并在此基礎上測算了節能減排潛力，發現我國節能減排潛力呈現出“西-中-東”的發展格局，即西部減排潛力最大，中部次之，東部地區最小。郭姣和李健[6]采用非期望產出的SBM模型測算了節能和減排潛力，發現三大城市群節能潛力與減排潛力總體上處于較高水平，減排潛力遠大于節能潛力。此外，還有王鴻遠等[7]等學者同樣采用不同的DEA模型測算能源效率，然后再去研究減排潛力[8-11]。

另一方面，以最優碳排放效率為標準，測算二氧化碳減排潛力。學者們認為基于全要素碳排放效率更能夠科學地測定各投入要素下二氧化碳排放量變動情況，因此，以碳排放效率最優值與各地碳排放效率的差距測算二氧化碳減排潛力。李健等[12]采用考慮松弛變量的規模方向距離函數（SDDF）測算了二氧化碳排放效率，并據此計算二氧化碳減排潛力。Yang等[13]采用多層次全局共同隨機前沿數據包絡模型測算制造業二氧化碳排放效率，再進一步分析二氧化碳減排潛力。東部地區在三大地區中具有更大的減排潛力。除了上述學者運用不同的改進的DEA模型測算全要素碳排放效率來測算二氧化碳減排潛力，還有如：Jin等[14]、Zhang等[15]、魏楚等[16]等學者[17-23]同樣采用不同的DEA模型測算碳排放效率，然后再去研究減排潛力。

1.2 構建指標體系測算二氧化碳減排潛力

一些學者，以碳排放恒等式為基礎，分析了碳排放影響因素，并以此為基礎構建了二氧化碳減排潛力評價指標體系，認為廣東、山東、江蘇、浙江的減排潛力大[24]。另外一些學者，以測算的碳排放效率得分作為構建減排潛力的指標，并以可支付性和缺乏效率性指標的加權平均來測算減排潛力指標[25]。馮冬和李健[26]采用考慮非期望產出的SBM模型測算京津冀二氧化碳排放效率，然后在考慮了公平性和效率性原則下構建減排潛力指數。

1.3 情景模擬預測分析法測算二氧化碳減排潛力

國內外學者如：牛曉耕等[27]則以河北省為例，研究產業結構演進對節能減排潛力的影響，綜合經濟社會發展目標，根據產業結構演進設置了5個情景測算具體的二氧化碳減排潛力。王文舉和向其鳳[28]構建了產業結構調整的動態投入產出模型，并以投資作為調整對象，通過設定最高和最低投資率，設定了5種情景來估算節能和二氧化碳減排潛力。Tan等[29]認為中國鋼鐵行業實施能源替代政策，對該行業減少二氧化碳排放具有重要的現實意義。根據不同技術對能源品種的節能效果，將20種節能減排（ESER）技術分為4大類：節煤技術，節電技術，綜合節能技術，聯動技術。考慮到鋼鐵行業能源結構的能源替代約束，設定三種減排情景：基線情景（BAU）、政策情景（PS）和強化政策情景（SPS）來測算二氧化碳減排潛力。此外，還有如：Wang等[30]、伍亞[31]、于振英和牛建高[32]等學者[33-38]亦基于不同的模型和設置的情景來模擬預測二氧化碳減排潛力。

1.4 其他方法測算二氧化碳減排潛力

還有一些學者運用其他方法來測算二氧化碳減排潛力，如：饒清華等[39]估計人均GDP和碳排放強度之間的環境學習曲線，并以此為基礎測算二氧化碳減排量。張琴琴和朱承駐[40]運用灰色預測模型對安徽省各工業行業碳排放強度和減排潛力進行預測，認為安徽省工業行業部門減排潛力大，其中，化學、冶金、電力和煤炭這4個行業是減排重點。林玲等[41]分析了當前產業結構調整對節能減排的貢獻度，在此基礎上構建產業結構聯動模型預測未來兩個五年時期結構節能減排潛力大小。王奇和趙欣[42]基于改進的等比例分配法和熵值賦權法，充分考慮各省份在驅動因素、減排能力、減排成本等差異，認為在“十三五”期間中國30個省份仍具有16.33%的減排潛力。

綜合國內外研究文獻看，學者們測算節能減排潛力的方法主要聚焦于五個領域：第一，運用能源效率法測算二氧化碳減排潛力;第二，運用碳排放效率法測算二氧化碳減排潛力;第三，構建指標體系測算二氧化碳減排潛力;第四，情景模擬預測分析法測算二氧化碳減排潛力;第五，另外還有個別學者用環境學習曲線、灰色預測模型等方法測算減排潛力。但是，現有的研究仍然存在以下的不足：第一，當采用效率法測算二氧化碳減排潛力時由于采用不同的前沿面、不同的改進方法、是否考慮非合意產出等均會影響研究結果。第二，前期的研究多是關于全中國、工業、或某個具體行業測算減排潛力，從不同省份工業分行業研究測算二氧化碳減排潛力尚沒有學者涉及。第三，以碳排放強度先進標桿這一約束性指標測算二氧化碳減排潛力尚沒有學者提出。第四，從現有的研究文獻看，在測算二氧化碳減排潛力時沒有將工業過程碳排放量納入測算中。針對現有研究存在的不足，文章具有以下幾點邊際貢獻：第一，從工業行業碳排放強度出發，提出一個

基于先進標桿理念的方法來測算不同省份工業細分行業減排潛力，為測算減排潛力提供了一個新的方法。第二，從不同省份分行業去測算了減排潛力，能夠有助于各地區精準制定減排策略具有一定的現實參考意義。第三，將工業過程的碳排放納入不同地區分行業減排潛力的測算中，這有助于測算出實際減排潛力的大小。

2 研究方法與數據來源

2.1 研究方法

當前測算二氧化碳減排潛力的主要有四種方法，其中李志學等[1]、王文昊[2]、Xia等[4]等學者[16，19]認為二氧化碳減排潛力時選取最優情況作為參照對比值，通過計算出實際能源效率與最優情況的差距，從而得出現有生產力水平下的二氧化碳減排潛力。通過借鑒李志學等[1]、王文昊[2]、Xia等[4]等學者構建二氧化碳減排潛力的方法，提出一種新的基于先進標桿測算二氧化碳減排潛力的方法。

Carbpotik=（Carbinik-Carbin*k）×gdpik（1）

公式（1）中，Carbpotik表示的是在i地區k行業的二氧化碳減排潛力，Carbin*k表示的是k行業碳排放強度的先進標桿，Carbinik表示的是i地區k行業的碳排放強度。（Carbinik-Carbin*k）表示的是i地區k行業的碳排放強度和k行業先進標桿碳排放強度之間的差距。具體研究思路可見圖1所示的技術路線圖，本研究的方法首先認為各省市各行業的減排能力是存在差距，并對其按聚類分類。其次從每個細分行業中找出先進標桿，該標桿不是一個省份而是來自于一組省份，這樣可以避免特殊情況的誤差。最后，在行業中將各地的實際值和行業先進標桿進行比較，那么這個差值就稱之為減排潛力。按照技術路線圖來遴選行業碳強度的先進標桿和二氧化碳減排潛力測算。

2.1.1 工業分行業碳排放強度先進標桿遴選

為了更加科學地遴選出工業行業碳排放強度先進標桿，本研究制定了如下的5個遴選步驟：

（1）測算出的各省工業分行業的碳排放量和各省分

行業的產值，按照如下的公式：

Carbon Intensity=Industry Carbon EmissionsIndustry GDP（2）

上式中，Carbon Intensity表示的是工業行業碳排放強度、Industry Carbon Emissions表示的是工業分行業碳排放量、Industry GDP表示的是工業行業國內生產總值。根據上式測算出各省份2005—2016年各行業的碳排放強度;

（2）根據測算出的各省份2005—2016年分行業碳排放強度數據，分別測算出各省分行業碳排放強度的變化率，然后再計算出各省工業分行業碳排放強度的平均降低率;具體見公式（3）：

CARINTratioijt=tΠnt=1CARINTratioijt

（3）

在上式中，CARINTratioijt表示的是i省j行業在t年的碳排放強度的降低率。CARINTratioijt表示的是i省j行業在t年的碳排放強度的平均降低率。

（3）針對不同自然稟賦的省市自治區進行聚類分組， 根據30個省份2005—2016年的重工業產值、高新技術產業產值、農業產值、人均GDP、能源效率、產業結構、旅游業收入、采掘業、制造業等指標，將各省的數據取均值。運用Stata軟件采用Ward法對其進行聚類分析，將聚類結果進行細微調整將30個省份聚類成七組類（表1）。

（4）在7個組內和組間進行工業行業碳排放強度的平均降低率進行比較和排序，然后挑選出每個行業在全國最大的7個碳排放強度的平均降低率。為了避免小規模非

主導產業導致數據異常值，這里設置了行業規模門檻，行業規模門檻的GDP值。

CARINTratioij=

averagesum（i個省份中最大的7個），

GDPij≥GDPthreshold

（4）

CARINTrationij表示的是i省j行業碳排放強度的最優

的平均降低率。其中，GDPthreshold是我國30個省份中j行業門檻規模值，這是因為各行業遴選先進標桿的基本條件是具有一定規模的主導產業。

（5）根據上面的分類比較、測算，得到分行業的碳排放強度的減排的標桿。這些標桿是我國各行業目前行業碳排放強度最低的集合，以上碳排放強度通過當前技術進步和效率改進是能夠在一定時期內實現的。因此，我們將這些行業碳排放強度作為當前減排的目標。

Carbin*j=（1-CARINTratioij）×CARINTENij（5）

Carbin*j表示的是所有省份中j行業的碳排放強度的先進標桿。

2.1.2 工業分行業二氧化碳減排潛力的測算

本部分將以上文遴選出的工業行業碳排放強度先進標桿作為基準，進一步測算未來各省工業行業的減排可行空間。采用公式（6）測算二氧化碳減排潛力：

Carbpoti=∑nj=1（Carbinij-Carbinim）×gdpij（6）

i=1、2、……30;j=1、2、……38;

Carbpoti表示的是i省的總體的二氧化碳減排空間。Carbinij表示的是i省的j行業的碳排放強度，Carbinim 表示的是所有省份中j行業的碳排放量強度的先進標桿。

2.2 數據來源

本研究采用的數據有：各省工業分行業能源消費總量數據、重工業產值、高新技術產業產值、農業產值、人均GDP、能源效率、產業結構、旅游業收入、工業分行業產值、GDP平減指數等。這些數據均來自各省份2006—2017年的各省統計年鑒、統計數據網站等。根據國家溫室氣體清單工業分行業的碳排放來源包括：工業行業能源活動和工業生產過程，測算工業行業碳排放量通過公式（7）測算：

Carbon emission=Carbon emissionE+Carbon emissionI

（7）

Carbon emissionE=∑9iEi×γi×λi（8）

Carbon emissionI=PRODj×βj（9）

i=1，2……，22; j=1，2…6;

上式Carbon emission中表示的工業行業碳排放總量，Carbon emissionE表示工業能源活動碳排放總量，單位是萬t CO2e，E表示能源消費總量，γ是各種能源的標準煤轉換系數，λ是能源標準煤的碳排放系數為2.499。Carbon emissionI表示工業生產過程碳排放，PROD表示的是工業產品的產量。在本研究中將純堿、乙烯、電石、水泥、生鐵、粗鋼、鋼材的生產過程碳排放量作為測算對象。β表示的是單位產量的排放系數，主要來自IPCC提供的排放系數數據庫。

重工業產值根據國家行業分類標準，將采掘業、原材料工業、加工工業這涉及的行業納入重工業中。而高新技術產業產值根據國家行業標準，將信息技術、生物技術、新材料技術等行業納入其中。能源效率為單位GDP的產出下的能源消費量，單位t/萬元。產業結構采用的是第三產業和第二產業的比值進行測算。旅游業收入采用的是境內旅游的總收入和國外入境旅游的總收入的加總來進行測算，國外入境的收入單位是美元，并采用年平均匯率折算成人民幣。總產值用2005年為基期的價格指數對其進行調整。

3 二氧化碳減排潛力的測算

3.1 工業總體減排潛力

2016年30省份工業排放總量達到了1 335 221.28萬t CO2e，本研究基于先進標桿理念，根據上文的研究方法對數據進行測算、匯總，未來工業二氧化碳減排潛力值達到248 725.08萬t CO2e，碳排放量的降低幅度可以達到18.62%。根據生態環境部發布的《中國應對氣候變化的政策與行動2019年報告》，2017年中國單位國內生產總值二氧化碳排放下降4.0%，比2005年累計下降46%。在先進標桿理念下，中國工業碳排放強度的減排幅度將達到24.03%，比2005年累計下降了有70.03%。根據中國承諾在2030年實現讓單位國內生產總值二氧化碳排放量比2005年下降60%～65%的目標，表明未來中國工業二氧化碳仍然具有巨大的減排潛力，能夠實現2030年的降低目標。

3.2 各行業總體減排潛力

從減排總量的角度本研究發現中國二氧化碳減排潛力存在著較大幅度減排空間。基于測算結果，我們將行業的減排潛力總量劃分為四大類，具體見表2所示：

（1）高減排潛力行業。圖2顯示的6個行業中，黑色金屬冶煉及壓延業具有最高的減排潛力，總體減排潛力達69 053.27萬t CO2e。其次是電力熱力生產供應業、非金屬礦物制品業、石油加工、煉焦和核燃料加工業均具有20 000萬t CO2e以上的減排潛力，剩下的兩個行業均有10 000萬t CO2e以上的減排潛力。

（2）中等減排潛力行業。圖3所示是中國具有中等減排潛力的工業行業，具體包括石油和天然氣開采、農副食品加工業、紡織業、有色金屬冶煉及壓延業等9個行業。其中，有色金屬冶煉及壓延業在該分組內具有最高的減排潛力，總減排潛力可以達到8 380.13萬t CO2e。造紙及紙制品業和紡織業具有第二三位的減排潛力，分別達到了2 904.08萬t CO2e和2 743.25萬t CO2e。其他7個行業亦具有1 500萬t CO2e以上的減排潛力值。

（3）有限減排潛力行業。如圖4所示，在工業的38個行業中，還有

黑色金屬礦采選業、酒、飲料和精制茶制造業、醫藥制造業等12個行業具有500萬t～1 500萬t CO2e的減排潛力，這些行業具有有限的減排潛力。另外在這些行業中食品制造業的減排潛力值最高，達到了1 172.48萬t。而橡膠和塑料制品業和化學纖維制造業則在該組內有第二和第三的潛力值，分別是1 138.69萬t CO2e和1 134.97萬t CO2e。其他9個行業亦具有500萬t CO2e以上的減排潛力值。

（4）低減排潛力行業。工業行業中有色金屬礦采選業、煙草制品業、紡織服裝等制造業、印刷記錄媒介復制業等11個行業的減排潛力值較低。在這些行業中它們的減排潛力值分布在500萬t CO2e以下。在這些行業中有色金屬礦采選業具有最高的碳減排潛力，潛力值可以達到452.96萬t CO2e;? 文教、工美、體育和娛樂用品制造業和紡織服裝、服飾業這兩個行業分別有第二和第三的減排潛力，分別具體有387.59萬t CO2e和359.15萬t CO2e。其他8個行業僅具有300萬t CO2e以下的減排潛力值。

3.3 各省份工業行業減排潛力聚類分析

根據先進碳強度標桿測算的數據，上文已經分析中國

工業二氧化碳減排潛力和細分行業減排潛力。基于測算

結果進一步根據聚類分組分析各省減排潛力和減排重點行業，具體見表3。

（1）東部工業大省-資源稀缺省份具有最高的二氧化碳減排潛力，東部經濟發達-資源稀缺省份的二氧化碳減排潛力則緊隨其后。在東部工業大省-資源稀缺省份中包括河北、山東、福建等5省，它們均具有較高的二氧化碳減排潛力。而東部經濟發達-資源稀缺省份包括天津市、浙江、廣東、江蘇這4個省市，除了天津市減排潛力稍弱，其它3個省均有較高的二氧化碳減排潛力。

（2）中西部資源豐富-采掘業大省份、中西部農業

資源豐富-傳統工業省份都具有30 000萬t CO2e以上的二氧化碳總減排潛力。 中西部資源豐富-采掘業大省省份中陜西、山西、內蒙古、新疆這4個省份都具有6 000多萬t CO2e的二氧化碳減排潛力，而該組中黑龍江省二氧化碳減排潛力值較低，僅3 000多萬t CO2e。中西部農業資源豐富-傳統工業省份中安徽、吉林、廣西、云南這4個省份具有較高的減排潛力，而該組中重慶、貴州、甘肅這3個省市二氧化碳減排潛力值較低，僅3 000多萬t CO2e。

（3）政治經濟中心城市、中西部農業生產資源豐富-工業省份、工業欠發達-資源不均衡省份。在這三個分組中，政治經濟中心城市包括北京市和上海市，這兩個城市是中國的政治和經濟中心，并且他們的經濟發展和創新能力位于中國前列。因此，該分組在7個聚類分組中有著最低的總減排潛力，僅有4 600多萬t CO2e。中西部農業生產資源豐富-工業省份該分組內各省均具有5 000萬t CO2e以上的二氧化碳減排空間，工業欠發達-資源不均衡省份該分組內各省均具有700萬t以上的減排空間。

4 研究結論與對策建議

4.1? 研究結論

（1）在前人研究的基礎上本研究提出了基于先進標桿的測算工業二氧化碳減排潛力的方法。該方法從先進標桿的遴選以及二氧化碳減排潛力測算將經濟社會發展和減排需要相結合，并采用了2005—2016年的數據測算了中國30個省市工業行業減排潛力，驗證發現該方法能夠較好地估計出各省工業行業碳減排潛力。本研究提出的研究方法可以為各省市科學測算工業行業二氧化碳減排潛力和減排任務的制定提供參考依據。

（2）根據研究方法測算，全國工業二氧化碳減排潛力值達到248 725.08萬t CO2e，當前中國工業碳排放強度的減排幅度將達到24.03%，比2005年累計下降了有70.03%。根據中國承諾在2030年實現讓單位國內生產總值二氧化碳排放量比2005年下降60%～65%的目標，目前的減排潛力能夠實現減排承諾。

（3）從全國行業角度來看，煤炭開采和洗選業、石油加工、煉焦和核燃料加工業、化學原料和化學制品制造業、非金屬礦物制品業等6個行業的碳排放強度和先進標桿的碳排放強度還有較大的差距，使得這些行業仍然具有較大的二氧化碳減排空間。因此，未來這6個行業是中國節能減排的重點行業。另外，如：石油和天然氣開采、造紙和制品業、有色金屬冶煉及壓延業、金屬制品業、交通運輸設備制造業等9個行業屬于中等減排潛力行業，未來亦可以承擔一定的減排任務。

（4）從中國各省份的角度來看，山東、河南、陜西、遼寧、廣東、河北、山西、內蒙古等11個省份，由于存在著如產業升級轉化滯后、嚴重依賴能源產業、石化、冶煉、造紙等高能耗產業集聚發展等問題，使得這些省份的行業碳排放強度遠遠高于先進標桿的碳排放強度，因此，這11個省份具有較大的二氧化碳減排空間。未來這11個省份將是中國節能減排的重點省份。

4.2 對策建議

本研究測算了各省和各行業的減排潛力，各地方政府通過政策措施來調控，才能將如此巨大的理論減排潛力予以實現。現從以下幾個方面給出減排建議：

（1）通過政策措施調整產業結構。近年來中美貿易摩擦導致許多行業出口受阻、經營不景氣，各地方政府可以因勢利導推進產業結構調整。各省份可以通過發展服務業、高新技術產業、戰略性新興產業等低碳產業來調整產業結構。各地方政府可以頒布分行業減排目標，通過環境政策淘汰落后產能、限制高耗能行業的產能，關停并轉一些高減排潛力行業和中等減排潛力行業的虧損企業，促使高碳與高能耗行業轉移出去。

（2）加強節能減排的投入。各地方政府應推動高能耗和高排放行業的清潔生產技術的推廣，加大在清潔供暖領域的科技研發與推廣的投入，推動能源清潔利用的技術進步;實施節能技術改造、推廣節能技術產品、推行能源合同管理等工程技術措施，通過物聯網實時監控高能耗和高排放行業的碳排放量，及時發現企業安裝了減排配套設施后故意不使用的現象。

（3）在招商引資中設定環境門檻。中西部地區在承接東部地區產業轉移時，需要對引進高污染和高碳行業設定環境門檻，做到工業發展與其環境容量相適應;各省市可以制定招商引資政策，要求引進企業保持其在轉出地區的節能和減排標準，不能因為企業轉移到中西部地區就降低節能和減排標準。

參考文獻

[1] 李志學，王春梅，王文昊. 我國二氧化碳減排潛力研究[J]. 商業研究， 2013（10）：39-43.

[2]王文昊. 我國二氧化碳排放影響因素及減排潛力分析[D]. 南京：南京信息工程大學， 2012.

[3]AKAN A P， AKAN A E. Potential of reduction in carbon dioxide quivalenf emissions via energy efficiency for a textile factory[J]. Journal of energy systems， 2018， 2（2）：57-69.

[4]XIA F Q， ZHANG X H， CAI T Y， et al. Identification of key industries of industrial sector with energy-related CO2 emissions and analysis of their potential for energy conservation and emission reduction in Xinjiang，China[J]. Science of the total environment ， 2020.DOI： 10.1016/j.scitotenv.2019.134587.

[5]汪克亮，楊寶臣，楊力. 基于環境效應的中國能源效率與節能減排潛力分析[J]. 管理評論， 2012， 24（8）：40-50.

[6]郭姣，李健. 中國三大城市群全要素能源效率與節能減排潛力研究[J]. 干旱區資源與環境， 2019， 33（11）：17-24.

[7]王鴻遠，左秀峰，李雙杰. 我國能源效率及節能減排潛力的區域特征研究：2008—2012年[J]. 科技管理研究， 2015，35（24）：220-224.

[8]BIAN Y W， HE P， XU H. Estimation of potential energy saving and carbon dioxide emission reduction in China based on an extended non-radial DEA approach [J]. Energy policy， 2013，63（12）：962-971.

[9]曾賢剛. 我國能源效率、CO2減排潛力及影響因素分析[J]. 中國環境科學， 2010， 30（10）：1432-1440.

[10]韓一杰，劉秀麗. 基于超效率DEA模型的中國各地區鋼鐵行業能源效率及節能減排潛力分析[J]. 系統科學與數學， 2011， 31（3）：287-298.

[11]劉家鵬，孫世清. 河北省鋼鐵行業能源效率及節能減排潛力分析：基于超效率DEA-Tobit模型研究[J].河北科技大學學報（社會科學版）， 2019， 19（4）：22-40.

[12]李健，鄧傳霞. 基于SDDF的中國省區二氧化碳排放效率及減排潛力測度[J]. 軟科學， 2015， 29（3）：70-73.

[13]YANG J， CHENG J X， HUANG S J. CO2 emissions performance and reduction potential in Chinas manufacturing industry： a multi-hierarchy meta-frontier approach[J]. Journal of cleaner production， 2020.DOI：10.1016/j.jclepro.2020.120226.

[14]JIN X， ZOU B， WANG C， et al. Carbon emission allocation in a chinese province： level region based on two-stage network structures[J]. Sustainability， 2019.DOI：10.10165.apenergy.2019.DOI：10.3390/su11051369.

[15]ZHANG Y J， LIANG T， JIN Y L， et al. The impact of carbon trading on economic output and carbon emissions reduction in Chinas industrial sectors[J]. Applied energy， 2020， DOI：10.1016/j.apenergy.2019.114290.

[16]魏楚，杜立民，沈滿洪. 中國能否實現節能減排目標：基于DEA方法的評價與模擬[J]. 世界經濟， 2010，33（3）：141-160.

[17]汪克亮，楊寶臣，楊力. 中國能源利用的經濟效率、環境績效與節能減排潛力[J]. 經濟管理， 2010， 32（10）：1-9.

[18]王兵，楊雨石，賴培浩，等. 考慮自然環境差異的中國地區能源效率與節能減排潛力研究[J]. 產經評論， 2016，7（1）：82-100.

[19]吳鳳平，尹天姣. 江蘇省工業CO2排放績效與減排潛力研究：基于空間面板數據的實證分析[J]. 資源與產業， 2019， 21（5）：70-77.

[20]王群偉，周德群，周鵬. 區域二氧化碳排放績效及減排潛力研究：以我國主要工業省區為例[J]. 科學學研究， 2011， 29（6）：868-875.

[21]高大偉. 中部地區二氧化碳減排潛力及影響因素分析[J]. 科技管理研究， 2014，34（2）：49-52.

[22]童思聰，王曉璐. 長三角城市群節能減排效率及影響因素分析[J]. 上海節能， 2020（2）：109-115.

[23]郭炳南，曹國勇. 中國各省份碳排放效率與減排潛力測度研究：基于Undesirable-SBM超效率模型的實證分析[J]. 生態經濟， 2017， 33（8）：20-47.

[24]吳國華，劉清清，吳琳. 碳減排潛力差異分析及目標設定[J]. 中國人口·資源與環境， 2011， 21（12）：308-312.

[25]劉興海. 我國各省（市）二氧化碳減排潛力與減排成本的實證研究：基于SBM模型[D]. 北京化工大學， 2013.

[26]馮冬，李健. 京津冀區域城市二氧化碳排放效率及減排潛力研究[J]. 資源科學， 2017， 39（5）：978-986.

[27]牛曉耕，張國豐，孫麗欣. 節能減排效應分析與節能減排潛力預測[J]. 統計與決策， 2016（8）：105-107.

[28]王文舉，向其鳳. 中國產業結構調整及其節能減排潛力評估[J]. 中國工業經濟， 2014（1）：44-56.

[29]TAN X C， LI H， GUO J X， et al. Energy-saving and emission-reduction technology selection and CO2 emission reduction potential of Chinas iron and steel industry under energy substitution policy[J]. Journal of cleaner production， 2019，222（6）：823-834.

[30]WANG W Y ， WANG J， GUO F. Carbon dioxide （CO2） emission reduction potential in east and south coastal China： scenario analysis based on STIRPAT[J]. Sustainability， 2018（10）.DOI：10.3390/su10061836.

[31]伍亞. 能源技術進步對石油需求及節油減排潛力的影響：基于多因素視角的研究[J]. 科技管理研究， 2016，36（5）：199-203.

[32]于振英，牛建高. 河北省工業碳排放情景預測與節能減排潛力分析[J]. 當代經濟管理， 2014， 36（4）：69-74.

[33]向其鳳，王文舉. 中國能源結構調整及其節能減排潛力評估[J]. 經濟與管理研究， 2014（7）：13-22.

[34]LIN B Q， XIAO L， OU Y. Analysis of energy-related CO2 （carbon dioxide） emissions and reduction potential in the Chinese non-metallic mineral products industry[J]. Energy， 2014，68（4）：688-697.

[35]LIN B Q， AHMAD I. Analysis of energy related carbon dioxide emission and reduction potential in Pakistan[J]. Journal of cleaner production， 2017，143（2）：278-287.

[36]WANG D， HE W， SHI R Y. How to achieve the dual-control targets of Chinas CO2 emission reduction in 2030：future trends and prospective decomposition[J]. Journal of cleaner production， 2019，213（3）：1251-1263.

[37]張琦，張薇，王玉潔，等. 中國鋼鐵工業節能減排潛力及能效提升途徑[J]. 鋼鐵， 2019， 54（2）：7-14.

[38]MASOOMI M， PANAHI M， SAMADI R. Scenarios evaluation on the greenhouse gases emission reduction potential in Irans thermal power plants based on the LEAP model[J]. Environmental monitoring assessment， 2020，192（3）：235.

[39]饒清華，邱宇，許麗忠，等. 福建省CO2排放及減排潛力分析[J]. 安全與環境工程， 2012， 19（6）：84-92.

[40]張琴琴，朱承駐. 安徽省工業二氧化碳減排潛力研究[J]. 安徽工業大學學報（自然科學版）， 2014， 31（4）：433-437.

[41]林玲，張艾莉，王虹.北京制造業結構節能減排潛力分析[J]. 數據， 2013（12）：92-95.

[42]王奇，趙欣. 基于改進等比例分配方法的我國各省二氧化碳減排目標分配[J]. 干旱區資源與環境， 2019， 33（1）：1-8.

Research on carbon dioxide reduction potential based

on the advanced benchmarking concept

ZHOU Shudong WAN Rui

（College of Economics and Management， Nanjing Agricultural University， Nanjing Jiangsu 210095， China）

Abstract Based on the carbon intensity reduction target of the national independent emission reduction commitment by 2030 made by the Chinese government， and on the advanced benchmarking concept， this study constructed the model method of measuring carbon dioxide emission reduction potential by using the Ward hierarchical clustering method and the selection method， that is， the advanced benchmarking concept method. Using the data of 38 industrial sub-sectors in 30 provinces and municipalities from 2005 to 2016， the carbon dioxide emission reduction potential of the industrial sectors of each province or municipality was calculated， the differences and sources concerning the emission reduction potential were analyzed from the three aspects of total emission reduction potential， industry emission reduction potential， and regional clustering. The results showed that： First of all， from the perspective of the total emission reduction potential of Chinas industrial sectors， the reduction of carbon emissions could reach 18.62%， while the reduction of industrial carbon emission intensity could reach 24.03% with a cumulative decrease of 70.03% from 2005. The target of reducing carbon dioxide emissions per unit of GDP by 60%～65% in 2030 compared to 2005 could be achieved. Secondly， from the industrial carbon dioxide emission reduction potential， it could be seen that six industries such as coal mining and washing， petroleum processing， nuclear fuel coking and processing， raw chemical material and chemical product manufacturing， non-metallic mineral product manufacturing， ferrous metal smelting and pressing， and electric power and heat power production and supply were classified as industries with high carbon dioxide emission reduction potential. Nine industries such as petroleum and natural gas extraction， food processing from agricultural products， textile manufacturing， paper and paper product manufacturing， non-ferrous metals smelting and pressing， and metal product manufacturing were classified as industries with medium emission reduction potential. Thirdly， from the perspective of cluster analysis， 11 provinces， such as Shandong， Jiangsu， Henan， Shaanxi， Liaoning and Guangdong possessed high carbon dioxide emission reduction potential. Finally， through the above calculation results， the research method proposed in this paper can better estimate the carbon emission reduction potential of various provinces and industries， and can provide a reference for the scientific estimation of the carbon dioxide emission reduction potential of the industrial sectors and for the formulation of emission reduction tasks.

Key words carbon intensity; Ward clustering analysis; selection method; emission reduction potential

（責任編輯：于 杰）

收稿日期：2020-07-15? 修回日期：2020-09-13

作者簡介：周曙東，博士，教授，博導，主要研究方向為資源環境經濟與政策、區域經濟。E-mail：sdzhou@njau.edu.cn。

基金項目：國家自然科學基金重點項目“農村發展中生態環境管理研究”（批準號： 70833001）;國家社會科學基金重大項目“農產品安全、氣候變化與農業生產轉型研究”（批準號：13&ZD160）;教育部博士點基金“環境污染梯度轉移問題研究”（批準號： 20120097110034）;江蘇省高校優勢學科建設工程項目（PAPD）。