第二產業碳排放量生態經濟及驅動因素分析
——以甘肅省為例

張 迪，王彤彤，支金虎*，張小平，黃敏潔

(1.塔里木大學 植物科學學院，新疆 阿拉爾 843300；2.塔里木大學南疆綠洲農業資源與環境研究中心，新疆 阿拉爾 843300；3.長江水利委員會長江科學院 重慶分院，重慶 400026；4.西北農林科技大學 資源環境學院，陜西 楊凌 712100；5.西北師范大學 地理與環境科學學院，甘肅 蘭州 730070；6.新疆生產建設兵團種子管理總站，新疆 烏魯木齊 830011)

【研究意義】全球氣候變暖對人類生存和可持續發展產生了嚴重影響[1]，而人類的生產、生活向大氣中排放的CO2是產生溫室效應產生的主要原因，特別是第二產業(主要是工業)生產活動的碳排放[2]。如何有效降低溫室氣體排放成為當前學術界研究的熱點[3]，從1992年的《聯合國氣候框架公約》到2019年的智利圣地亞哥氣候行動峰會，締約方已召開25次會議，各國都在努力尋求解決全球氣候變化的方法[3-4]，對碳排放的驅動因素分析是解決關鍵問題之一，直接關系到減排政策的制定與措施實施[5]，是行之有效的控制方法，具有重要的現實意義[6]。【前人研究進展】2015年發表于Nature的文章指出中國碳排放量在2000—2013年間被高估了15%[7]，中國承諾將實現溫室氣體排放量在2030年左右達到峰值[8-9]。這是我國應對全球變化的莊嚴承諾，因此，準確核算碳排放有利于我國承擔“共同但有差別”的減排責任。根據 IPCC(聯合國政府間氣候變化專門委員會Intergovernmental Panel on Climate Change)統計數據，全球工業領域對溫室氣體排放的貢獻率達到 66% 以上[10]，我國作為最大的發展中國家，碳排放量僅次于美國，工業碳排放占總量的75%[1,11]，綜上可見，第二產業減排是發展低碳經濟的關鍵環節。概述目前的研究成果，對碳排放的熱點研究集中在以下5個方面[12]：①碳排放量總量估算與核算[13-14]；②碳排放驅動影響因素模型實證分析[14-16]；③區域能源碳排放空間格局分析及預測[17]；④區域碳排放、產業結構、能源演變與經濟關聯性研究之間的關系[17]；⑤碳減排技術評價及政策模擬等[18]幾方面。其中碳排放影響要素及驅動因素解析是制定減排政策和實施情景模擬的關鍵[12]。關于碳排放驅動因素分析的研究，主要集中在能源消費[19]、經濟增長[20]、能源結構與強度[21]、產業結構與技術進步[21-22]、人口增長[22]、居民消費[23]、工業化、城鎮化等[24]與碳排放的定量研究。總之，可以說：區域產業碳排放研究既是上述研究方向的基礎，又是擴展的紐帶[25]。由于全球氣候變化的不斷加劇，測算不同國家和地區碳排放總量受到強烈關注，特別是作為負責任的大國，中國為了實現減排目標，更加關心自身碳排放的情況，推行低碳經濟已成為我國公民的共識[26]。目前國內這方面的研究報告還有待完善，曹孜等[1]研究了工業各行業1990—2008年碳排放量和碳強度動態發展趨勢，列出高排放量行業，并通過灰色相關度檢驗碳排放量和行業產出值之間的關系。王長建等[12]對1990—2014 年廣東省能源消費碳排放的主要驅動因素進行時間序列分析，并定量研究各個驅動因素對于區域碳排放的作用機理與影響機制。國內不同區域間，不同產業間也存在著很大的碳排放差異。【本研究切入點】因此，本文利用統計年鑒數據，通過IPCC推薦算法對甘肅省2000—2017年第二產業碳排放進行測算，綜合考慮碳排放量、碳排放強度等參數，并借助碳承載力、碳赤字以及脫鉤分析，全方位的分析碳排放的變化趨勢，討論了碳排放的時空差異，并進一步選取灰色關聯模型探索了甘肅省第二產業碳排放的驅動因素，并用灰色系統預測了甘肅省第二產業碳排放量和強度。【擬解決的關鍵問題】我國正處在工業經濟轉型的重要時期，本文以第二產業為切入點的節能減排建議，以期為甘肅省實現2020年“十三五”規劃的節能減排目標提供依據。

1 材料與方法

1.1 研究區概況

甘肅省地處中國大陸西北地區，黃河上游，鑲嵌在黃土高原、青藏高原和內蒙古高原上，在西北干旱區、青藏高寒區、東部季風區的交匯處，介于北緯32°11′～42°57′，東經92°13′～108°46′，總面積42.59萬km2，是古絲綢之路的鎖匙之地[27-30]和國家“一帶一路”建設區。甘肅省產業結構為二元型、重工型和孤島型。甘肅省2000—2018年第一、二、三產業值見表1，2000—2017年甘肅省第二產業能源消耗總量見表2。

表1 甘肅省第一、第二、第三產業值(2000—2018年)

表2 甘肅省第二產業能源消耗總量(2000—2017年)

1.2 研究方法

1.2.1 IPCC法計算碳排放量和排放強度 甘肅省第二產業碳排放量可根據化石燃料(煤炭、石油、天然氣)數量以及建議排放系數[31-32]來計算，即本文將碳排放量概化為CO2(最主要的溫室氣體)排放量進行計算。

Ci=Mi×Hi×Ti×Oi×44/12

(1)

以上公式并未轉換單位，運用公式計算完成后再根據計算步驟轉換單位即可。其中，C為碳排放量；i為能源；M為能源消耗量；H為能源熱值；T為能源碳排放系數；O為能源氧化率；44為CO2的相對分子質量；12為碳的相對原子質量。根據《2006年IPCC國家溫室氣體清單指南》所提供的數據[33-34]，各種能源的含碳量和氧化率見表3。

表3 各種能源的熱值、排放系數及氧化率

第二產業碳排放強度=第二產業碳排放總量/第二產業GDP

(2)

1.2.2 脫鉤分析法 脫鉤一般用來描述多種事物相互關聯程度減弱或是消失的過程，要實現永續發展就要實現環境壓力與經濟發展的“脫鉤”[35]。常用脫鉤分析方法有OECD法和Tapio法。兩種方法均需計算脫鉤指數，前者對所需數據要求較低，更加易于操作，但對脫鉤狀態分類較粗略。為了更加精準細致地反映不同因素間的脫鉤關系，本文選擇Tapio脫鉤指數作為分析模型[36]。Tapio脫鉤模型的關鍵是找到合適的指標計算脫鉤指數。Tapio脫鉤指數DI計算公式：

(3)

式中，CO2排放表示碳排放對環境的壓力，ΔCO2為現期相對于基期CO2排放變化速率，GDP表示經濟驅動力，ΔGDP為現期相對于基期GDP變動速率。

DI指標可以分為3種狀態和8種等級[36]。其中，“脫鉤”狀態包括弱“脫鉤”、強“脫鉤”和衰退“脫鉤”；連接狀態包括擴張連接和衰退連接，負“脫鉤”狀態包括弱負“脫鉤”、強負“脫鉤”和擴張負“脫鉤”。不同脫鉤類型分別表示了從經濟增長、能源消耗減少的理想狀態到經濟衰弱、能源消耗增加的悲觀愿景，其中強脫鉤表示經濟發展與能源消耗處于可持續發展狀態，弱脫鉤是經濟發展前景較為樂觀的狀態，其余均為不可持續狀態，在經濟增長的前提下，DI值越小越有利于可持續發展。

1.2.3 碳承載力和碳赤字計算模型 碳承載力是指：某一地區或范圍內所有生產性土地所能吸收的碳排放的量[37]。區域碳匯研究涉及面廣泛，包括森林、灌木、草地、濕地、農作物等各類綠色植被的固碳能力，本文選取區域內森林、草地、農作物作為主要計算參考核算碳承載力[38]。區域內碳排放量與碳吸收量的差額即為碳赤字[30](若其值>0，為碳赤字，表示該區域生態環境有惡化趨勢；若其值<0，則為碳盈余，其意義是區域內生態環境一般較好)。計算模型如下：

D=Df+Dg+Dp

(4)

(5)

CD=C-D

(6)

式中，D為區域碳承載力，Df為森林固碳能力，Dg為草地固碳能力，Dp為農田固碳能力，Di表示第i種生產性土地(植被)的固碳量，Mi表示第i種生產性土地(植被)的面積，NEPi表示第i種生產性土地對應植被的固碳能力，即1 hm2的植被1 年能吸收的碳總量。為固定一個單位的碳所吸納的二氧化碳的量。CD表示碳赤字，C為碳排放量。本文采用馬彩虹等[37]人的研究結果，森林、草地、農田的NEP值分別3.81、0.95、8.99 tC/(hm2·a)，考慮到農田農作物的生長周期較短[37]，且農作物秸稈再利用及焚燒的量[38]，需要將固碳能力乘校正系數R，本文R取0.05。

1.2.4 灰色系統及關聯模型 灰色系統是鄧聚龍教授提出，用以解決信息不完備系統的數學方法，常用于預測[39]。灰關聯分析是通過對時間序列數據的幾何分析從整體上或動態上定量分析系統各因素間的關聯程度和影響程度，為確定系統發展變化的主要因素提供數量依據[40]。灰色關聯分析彌補了采用其他數理統計方法作系統分析所導致的一些缺憾，比如統計數據有限、現有數據灰度較大、人為因素較大等[6]。我國許多學者利用灰色關聯分析法對CO2影響因素進行分析[40]。本研究把碳排放變化看作是人口增長、經濟增長以及能源消費結構共同作用的結果，對此可用灰色關聯分析方法[6]進行綜合驅動因素分析。

假設以若干年的碳排放數量的原始數據經過處理后構成一個參考數列X0，X0={X0(1)，X0(2)，X0(3)，…，X0(n)}，數列的長度是n；假設以若干年的煤炭、石油、天然氣、電力、GDP等能源的消費量經過處理后組成比較數列集X，X={Xi|i=1，2，…，n}，其中Xi={Xi(1)，Xi(2)，Xi(3)，…，Xi(m)}，數列的長度為m。另外，引入γ(X0(k)，Xi(k))代表X0和Xi在時刻k(某一年份)處的關聯系數，計算方式如下：γ(X0(k)，Xi(k))=(X(min)+ζX(max))/[△X0i(k)+ζX(max)]，k=2000，2001，…，2017。其中，X(min)=minmin△X0i(k)，X(max)=maxmax△X0i(k)，△X0i(k)=|X0(k)-Xi(k)|，并且ζ∈[0，1]為分辨系數，一般按最少信息原理取0.5，即ζ=0.5。設Ri是比較數列Xi對參考數列X0的關聯度，其表達式為：

Σγ[X0(k)，Xi(k)]關聯度越大，比較數列對參考數列的影響程度就越大。可按如下步驟求得灰色關聯度：

(1)選取影響第二產業碳排放量的主要社會經濟因素：人口數量、GDP 和各種能源的不同消費等因素。其中，因變量是甘肅省第二產業碳排放量；其余為自變量，所需數據均來自表4。

(2)采用如下公式對初始數據做變換處理：Xi:Xi(k)=Xi(k)/min[Xi(k)]，k=2000，2001，…，2017；i=1，2，…，7，生成參考數列和比較數列。

(3)建立灰色關聯模型，計算甘肅省工業碳排放量與各影響因素之間的關聯度(表4)。

表4 甘肅省2000—2017年的工業碳排放、人口、GDP以及能源消費

1.3 數據來源說明及分析軟件

截止2020年2月底，最新版甘肅省統計年鑒數據為《甘肅發展年鑒(2018)》(2019年4月出版)，其中統計的數據為2017年的，因為很有必要應用模型去預測2018—2019年的碳排放量。本文計算公式及部分參數值參考《2006年IPCC國家溫室氣體清單指南》。本文所需的歷年研究數據來自《甘肅年鑒》(2001—2009年)、《甘肅發展年鑒》(2010—2018年)，部分數據來源于甘肅省統計局官網(http://www.gstj.gov.cn)和國家統計局國家數據(http://data.stats.gov.cn/index.htm)，1.2.3所需數據來自甘肅省國土資源公報(2000—2018年)和其官網數據(http://zrzy.gansu.gov.cn)。

本文數據統計采用Excel 2016軟件，擬合作圖用OriginPro 8.5.1軟件，模型計算用Matlab 2018a軟件。相關灰色系統預測和灰色關聯模型代碼詳見云盤(https://jbox.sjtu.edu.cn/l/QJGkTl)。

2 結果與分析

2.1 產業結構與能源消費分析

甘肅省第一產業發展較慢(圖1)，第二、三產業發展較快，尤其是第二產業發展迅速，整體都呈增長趨勢。結合表1，從甘肅省產業結構演變歷史來看，甘肅省產業從當初的“一、二、三”結構逐步變為“二、三、一”結構。其中從2015年開始，第二產業值有所下降，但之后幾年在逐步恢復。這與國家工業轉型政策有密切聯系。而且，從圖中也可以看到，建筑業受影響較小，而傳統工業受影響較大，趨勢與第二產業值曲線相似。

第二產業能源消費總量有升有降(表2)，但近年來趨于平衡。2017年第二產業能源消耗總量是2000年的2.59倍。起初略有下降，從2002年開始，第二產業能源消耗總量呈增長趨勢，尤其是2003—2008年和2009—2013年間增長速度極為迅速，其年均增長率分別為15.6%和9.4%，2014—2017年下降并趨于平穩。此外，在能源消費的部門構成中，工業是主要耗能大戶，占能源總消耗量的73%左右；其他(農林牧副漁)行業能源消耗相對較小。如表2所示：在第二產業能源消耗中，制造業的能源消耗是最大的，采掘業、建筑業能源消耗相對較小。

2.2 第二產業碳排放量和排放強度分析

經計算表4中的數據，得到2000—2017年甘肅省第二產業碳排放量和排放強度的數據如圖2所示。2000—2017年期間，甘肅省第二產業碳排放量呈逐年增長趨勢，18年間平均碳排放量為11 367.29萬t；但隨GDP的增長，其碳排放強度卻呈逐年下降趨勢。碳排放量隨著產業能源消耗量的增加而增加，成正比例關系；而碳排放強度與碳排放量成反比關系，18年間平均碳排放強度為8.68萬t/億元。結合表4，研究期內甘肅省天然氣和電力等清潔能源的消耗量有所增加，同時煤炭和石油等化石燃料的消耗量雖有所增加，但增速在減慢；碳排放強度略有起伏，總體趨勢呈下降狀態，尤其是在2005年之后碳排放強度下降速度明顯加快，這說明2000—2017年間甘肅省在低碳環保方面所采取的措施有良好的效果，為今后的可持續性發展奠定了基礎。根據灰色系統預測結果為：2018年第二產業碳排放量和排放強度分別為：14 978.29和5.18萬t/億元；2019年的為15 821.52和5.02萬t/億元。

2.3 脫鉤分析

由表5可知，總體而言，2000—2017年甘肅省第二產業碳排放量與GDP之間呈弱脫鉤的態勢，高速增長的GDP掩蓋了碳排放量的快速上升，但能源壓力依然存在。2000—2014年其脫鉤狀態和表達的經濟學意義均呈積極方面。除去2008—2009 年和2013—2014年的強脫鉤狀態外，脫鉤彈性系數恒大于 0.14，說明經濟發展對能源消耗的依賴依然十分嚴重，隨著經濟的繼續發展，未來能源消耗會持續增長。從2004年到2015年以來，DI值有減小的趨勢，說明第二產業正趨于良性發展，能源利用效率在不斷提高。GDP和碳排放之間并未實現真正意義上的脫鉤。

表5 2000—2017年甘肅省第二產業碳排放量與經濟發展脫鉤分析

2014年之后第二產業的GDP下降等因素影響，然而碳排放產量卻沒有明顯下降反而在增長，導致負脫鉤現象產生。這說明甘肅省在第二產業節能減排和提質增效方面，有很長的路要走；從外，結合圖1～2來看，甘肅省第二產業結構轉型還不穩定，急需平衡，使之穩定在2013—2014，2015—2016年的發展狀態。進一步分析發現：無論是脫鉤年份還是連接年份，GDP的增長速率始終大于0，且未脫鉤年份GDP變化速率較大；脫鉤年份碳排放變化速率較小或為負值，若碳排放變化速率較小則呈現弱脫鉤，若碳排放變化速率為負則呈現強脫鉤，因此影響脫鉤的關鍵在于能否有效控制碳排放變化速率。

2.4 碳承載力及碳赤字分析

由圖3可見，在研究時間段內，甘肅省碳承載力增長趨勢明顯且近年來趨于穩定，19年間碳承載力增長了21.95%；因基數較大，故總量變化不大，基本保持在碳承載力平均值12 973.62萬t左右。在3種生產性土地(植被)之中，森林的碳承載力最大，其次為草地，農田最小，從側面反映出植樹造林在碳承載力提高方面有較為明顯的成效。值得注意的是，草地和農田承載力多年變化大，且均在2006和2008年都有緩慢下降，這與甘肅省耕地面積的變化有關，那時甘肅省向外輸出勞動力，導致部分耕地荒廢無人管理，但這不影響碳承載力總體變化趨勢的判斷。

由圖4可知，2010年及以前，甘肅省處于碳盈余狀態，表明該地區人類社會的經濟發展對自然生態系統的壓力處于該地區所能提供的生態可持續的范圍之內，即處于可持續發展狀態；但盈余量從2000年的5963.51萬t逐年下降。從2011年開始出現碳赤字，表明該地區的自然生態系統所提供的產品和服務需求超過了供給，不利于可持續發展，到了2017年碳赤字達到663.61萬t，呈現先增大后減小的趨勢。因此，碳減排已成為甘肅省不可回避的環境任務，甘肅省降低碳赤字一方面需要考慮如何就降低碳足跡，另一方面要考慮如何提高碳承載力。鄭暉等[41]認為：能源資源的高消費和過重的糧食生產負擔是造成碳赤字擴大的主要原因。

3 討 論

3.1 甘肅省第二產業碳排放強度時空差異分析

從時間角度分析，2000—2017年期間甘肅省第二產業碳排放量呈逐年增長趨勢，碳排放強度呈逐年下降趨勢。這與王彤彤等[42]和牛曉婧[43]的研究結果相同，說明在時間尺度，變化趨勢一致，這主要是因為大家數據來源一致，均出自統計年鑒，共性的反映社會發展現狀。

如表5所示，2012—2016年5年間嘉峪關、金昌、白銀、天水和酒泉5市的碳排放強度均大于4，屬于高強度區；蘭州、武威、張掖和慶陽4個市的碳排放強度均處于3～4之間，屬于中強度區；平涼市的碳排放強度均小于3，屬于低強度區。不過從整體來看，各地區碳排放強度與全省碳排放強度呈一致性，均為逐年下降狀態。根據李麗娟等[43]的研究結論：白銀、天水、平涼的相對自然承載力(參考甘肅省)較高達到200×104人以上，其次是蘭州、武威、張掖約為(100～200)×104人，最后是嘉峪關、金昌、酒泉市，其中以嘉峪關的相對自然資源承載力最低。因此，可以推斷出：嘉峪關的碳赤字在未來會較為嚴重，反觀平涼市不僅碳排放強度低，而且相對自然承載力較高，未來環境壓力相對較小，筆者認為這與各地級市的產業結構、人口、GDP和地理位置有很大關聯。從各地級市碳排放量來看，省會蘭州市最大，這與牛曉婧[43]的研究結果一致，牛曉婧[43]認為這是因為蘭州的重工業輕工業都比較發達，而且甘肅省在整個西部地區的碳排放強度也比較高，蘭州市的貢獻率較大。

表5 甘肅省各地區碳排放量和排放強度分析

3.2 甘肅省第二產業碳排放驅動因素分析

從表6可以看出，6個影響因素中，與工業碳排放量高度相關的因素是煤炭、石油、電力和GDP，關聯度均大于0.77；其次是人口數量和天然氣，關聯度在0.54左右。這說明煤炭、石油、電力和GDP對工業碳排放量的影響很大，煤炭能源的使用是公認的碳排放的主要因素，人們基于煤炭能源的儲存量以及煤炭能源對于全球氣候的危害，不得不開始考慮適合的新型能源；天然氣和石油的消耗，與煤炭能源消費相比，在能源消費總量的比例相對較小，但也是導致碳排放增加的主要因素，電力主要是因為甘肅省在我國西北處，發電模式依舊以火電為主，這就勢必要使用煤炭等資源。表7的數據體現出，經濟增長中的生產活動，人口數量的增多，消費環節的增多，這些過程中使用的能源對碳排放的作用才尤為重要。基于以上分析，不應將工業碳排放量的增加問題單純視為經濟增長的必然結果。想要有效改善碳排放的不良現狀，必須依靠能源消費效率的提高以及經濟發展過程中能源消費結構(產業結構)的調整。

表6 比較數列與原始數列的關聯度

王國奎[30]認為經濟規模的擴張引起的碳排放量累積增加占碳排放變化總量的143.69%，是導致甘肅省碳排放增加的主要因素，甘肅省經濟增長對化石能源的依賴非常明顯；產業能源強度的降低是抑制甘肅省碳排放的主要原因。這與本文討論的驅動因素和調整建議，相一致，側面佐證。牛曉婧[43]認為甘肅省碳排放強度主要是由工業、交通運輸倉儲郵電業、生活消費和其他行業引起的，碳減排工作應該主要從這幾大行業抓起。

3.3 關于計算結果和模型的討論

關于甘肅省第二產業碳排放量和排放強度的計算結果，采用的是IPCC推薦的方法來計算，這與王國奎[30]、馬彩虹[37]、牛曉婧[43]、李明慧[45]等人計算結果稍有出入，筆者認為主要原因是大家選取的計算方法，所涉及的參數值不同所致；但在各自定義的計算體系中，這不影響趨勢分析和結果對比。目前常見的碳排放的計算[46]有：①生命周期評估(LCA)法；②能源礦物燃料排放量計算(也就是IPCC法)；③投入產出法(IO)；④其他計算方法，例如Kaya碳排放恒等式。筆者認為IPCC推薦的方法國際公認最權威可靠，IPCC詳細全面考慮了幾乎所有的溫室氣體排放源，并提供了具體的排放原理和計算方法，有可以參考遵循的依據《IPCC指南》，師帥等[8]也持相同觀點，其通過大量的文獻綜述發現：目前關于碳排放計算，最準確可靠、使用頻率最高的依然是IPCC法。關于碳排放和碳足跡，本文與鄭暉等[41]、王彤彤等[42]人研究結果一致，但是討論的主體和過程有所不同，筆者認為：碳排放是指某特定主體，所有涉及到的能耗及排放的設施設備，在某一時間段內的溫室氣體排放，可計算直接排放和間接排放，而碳足跡不僅僅包括生產，還包括后續的運輸等在整個全生命周期中所包含的直接或者隱含的碳排放，碳足跡的計算范疇則要大。其次，本文對甘肅省第二產業碳排放量與經濟發展脫鉤分析與碳承載力及碳赤字動態分析，與王國奎[30]的研究結果一致。有不少學者，例如陳操操[5]、王長建[12]等采用STIRPAT模型解析碳排放驅動因素，申曉敏[26]、王國奎[30]等基于LMDI模型分析工業碳排放影響因素，筆者認為這些模型所得結果趨勢類似，而計算過程的難易程度，數據樣本量的大小等與結果的準確性并無絕對的正相關，各有優缺點，均屬于探索性分析模型，并無相關管理文件規定使用特指的模型來分析，因此，本文選取的灰色關聯模型優勢在于：操作簡單可行，需要樣本量較少，結果較為準確可靠。最后，本文提供了詳細的基礎數據、計算公式和模型運行代碼，便于讀者反復計算驗證，有利于研究的重現性。

4 結 論

(1)甘肅省產業為“二、三、一”結構，工業占能源總消耗量的73%左右。2000—2017年間第二產業碳排放量呈逐年增長趨勢，平均碳排放量為11 367.29萬t；碳排放強度卻呈逐年下降趨勢，平均值為8.68萬t/億元。根據灰色系統預測結果為：2018年第二產業碳排放量和排放強度分別為：14 978.29和5.18萬t/億元；2019年的為15 821.52和5.02萬t/億元。

(2)總體而言，2000—2017年間第二產業碳排放量與GDP之間呈弱脫鉤的態勢，經濟發展對能源消耗的依賴嚴重，DI值有減小趨勢，能源利用效率提高。甘肅省碳承載力呈相對穩定、略有增長的趨勢，18年間碳承載力增長了21.95%，從2011年開始出現碳赤字，并呈現先增加后減小趨勢。

(3)從空間角度來看，嘉峪關等五市屬于碳排放高強度區，蘭州市的碳排放量貢獻率最大，平涼市未來環境壓力相對較小。從驅動因素分析，煤炭和石油是工業碳排放的主體，關聯度最高。

(4)建議優化甘肅省能源結構，調整產業結構為低碳化，加強土地管理，節約能源，提高能源利用率，加強宣傳教育。