全生命周期下中國煤炭資源能源碳排放效率評價

胡彥勇,張 瑞*,郄曉彤,劉 虹,2

全生命周期下中國煤炭資源能源碳排放效率評價

胡彥勇1,張 瑞1*,郄曉彤1,劉 虹1,2

(1.中國礦業大學(北京)管理學院,北京 100083；2.中國宏觀經濟研究院能源研究所,北京 100038)

基于生命周期法(LCA)構建了煤炭資源在開發、轉換、利用階段的碳排放估算模型,采用動態網絡SBM模型測算了2007～2019年中國25個省(自治區、直轄市)煤炭資源的綜合能源碳排放效率、時期能源碳排放效率與階段能源碳排放效率.結果表明:我國煤炭資源綜合能源碳排放效率水平呈“U”字型分布,東部最高、西部次之、中部最低.煤炭資源能源碳排放效率水平存在較大的提升空間,2007～2019年綜合能源碳排放效率均值僅為0.4726;我國煤炭資源時期能源碳排放效率區域間差異顯著,效率水平較高的地區主要集中在華東與中南地區;從階段能源碳排放效率分析可以發現僅北京、江蘇、青海三省階段1與階段3的能源碳排放效率處于有效水平,其余省(自治區、直轄市)及其他階段均存在效率損失,尤其階段2效率損失嚴重.研究期內階段3的能源碳排放效率整體呈“類峰巒狀”的波動上升趨勢;DNSBM和NSBM兩種模型測算的能源碳排放效率對比發現,NSBM模型會低估煤炭資源綜合能源碳排放效率水平.

煤炭資源；能源碳排放效率；全生命周期；動態網絡SBM模型

煤炭資源的清潔高效利用,是緩解能源緊張,推進節能減排,支撐“雙碳”目標的重要途徑.中國作為產煤大國,煤炭資源豐富,油氣資源相對匱乏,資源稟賦特點決定了煤炭在能源結構中占主體地位.近年來在國家產業結構調整、能源供給優化等政策影響下,煤炭消費比重有所下降,但據國家能源局統計,2020年我國煤炭消費量仍占全國能源消費總量的56.8%[1].基于中國目前以工業為主的產業發展現狀以及能源實際需求來看,煤炭作為我國兜底保障能源的地位和作用在較長時期內難以改變,煤炭仍將是中國未來20年最可靠、最安全的能源[2].煤炭在開發、運輸、轉換和利用等過程中會排放二氧化碳(CO2),其碳排放量占我國碳排放總量的70%～ 80%[3].作為世界上最大的發展中國家和CO2排放大國,中國主動承擔起減少CO2、改善生態環境的責任,向國際社會做出承諾,將在2030年前達到CO2排放峰值,并爭取在2060年實現整體碳中和[4].由此可見,煤炭行業加快推進節能減排、提高碳排放效率具有必要性和緊迫性.中國必須立足國情,處理好減碳降產和能源安全的關系,不盲目減炭,除了科學控制煤炭的使用量,更應提高煤炭資源的開采使用效率,增強煤炭資源“清潔度”.國家發改委和司法部指出煤炭行業減排要從全局優化考慮,從全生命周期、全產業鏈入手,加快推進煤炭資源的清潔開發利用[5].基于全生命周期提高煤炭資源開發、轉換及利用相關行業的能源碳排放效率是保證能源安全,促進節能減排的重要途徑.能源碳排放效率兼容能源效率和經濟效益[6],是在能源、資本和勞動力投入量不變的情況下,實現CO2排放量最小化和經濟產出最大化的一種生產比率關系,可綜合反映在“經濟-資源-環境”協調發展目標下煤炭開發、轉換及利用相關產業的效率水平.在“碳達峰、碳中和”背景下,從煤炭資源的全生命周期角度出發,厘清各階段、各產業的碳排放源與碳排放量,測算與評價各時期、各階段、各區域能源碳排放效率,對于落實煤炭行業及其下游產業的減排責任,推進節能減排,精準制定碳減排政策,助力實現“雙碳”目標具有重要意義.

目前已有大量學者對煤炭行業碳排放效率進行了研究.從煤炭行業能耗和碳排放的研究來看,現有的文獻大多側重于對煤炭開發利用的某一階段或多個階段的碳排放量進行研究,缺少對煤炭全生命周期碳排放量的研究.部分學者[7-8]認為,煤炭開發部門的CO2排放往往被忽視,而作為煤炭工業運行的第一步,煤炭開發部門的節能減排是國家對CO2排放進行源頭控制的關鍵.Zhang等[9]認為煤炭利用階段中的煤化工行業是CO2排放的主要貢獻者,中國的煤化工行業已成為最大的工業CO2排放行業之一.張優等[10]則認為煤炭運輸是CO2產生的重要環節.柳君波等[11]綜合考慮煤炭生產與煤炭運輸兩階段下的碳排放情況,認為煤炭供應行業的CO2排放雖呈下降態勢,但總量仍然較大.張小麗等[12]認為電力部門是煤炭轉換的重要部門也是產生CO2排放的主要部門.Li等[13]進一步對煤電供應鏈中的煤炭開采、煤炭發電環節的碳排放進行了測算研究,認為改進煤電行業的碳排放對實現國家減排目標至關重要.彭璐璐等[14]研究發現煤炭消費中的居民消費所產生的CO2占排放總量的40%～50%.

從煤炭資源效率的研究來看,既有文獻多從煤炭產業經濟效率[15]、煤炭消費效率[16]、技術效率[17]、生態效率[18-19]、碳排放經濟效率[20]、環境效率[21]等方面進行研究.李世祥等[22]在政策規制背景下對100家大型煤炭企業進行研究,發現煤炭產業的全要素生產率在樣本期內相對穩定.徐杰芳等[23]基于超效率DEA模型選擇測度了我國27個煤炭資源型城市在2004～2013年10年間的生態效率,認為資源型城市的生態效率正在平穩增長.Xue等[24]進一步采用改進的Bootstrap DEA模型對2000～2015年中國30個省的煤炭資源效率進行了測算,認為煤炭資源效率呈波動上升趨勢.可見,數據包絡分析法(DEA)被廣泛用于評價煤炭資源效率問題.但傳統DEA模型,如BBC、CCR和SBM等模型,通常是將決策單元看作一個整體,僅關注初始投入和最終產出,忽略決策單元系統內部部門的數量以及中間各階段的投入產出情況,因此被稱為“黑箱子”.然而,現實生活中許多生產活動是由多部門共同參與,包含多階段的生產經營過程,由多部門共同完成系統運作.因此,使用傳統DEA方法,無法適用某些決策單元的效率評定.傳統DEA方法忽略了決策單元系統內部各部門間的協作關聯關系,不僅難以考察內部部門的效率情況,也無法了解各部門效率對總體效率的影響,從而不利于找出非有效決策單元效率損失存在的根源所在.因為即使效率相同的決策單元,其內部各階段效率之間也可能存在很大差異,清楚系統內部各階段效率情況,是找出效率損失點及提升整體效率的基礎.為解決這一問題,Tone K等[25]將DEA的縱向網絡和橫向動態與SBM模型相結合,提出了基于動態網絡松弛的度量模型(Dynamic Network Slacks-Based Measure, DNSBM).該模型通過合適的連接變量和跨期變量將決策單元各階段及各時期聯系起來,不僅可以測算綜合效率,還可以同時計算出階段效率及時期效率,彌補了傳統DEA測算部門內部效率的不足,從而有利于進一步提出有針對性的效率改進策略.

上述文獻多采用傳統DEA方法,從煤炭產業自身出發進行效率評價,對下游相關產業及各時期間的聯系考慮不足.與以往研究相比,本文的主要創新如下:首先,利用生命周期評估法(Life Cycle Assessment, LCA)構建煤炭資源全生命周期碳排放量核算模型,以此測算各階段能源投入量及CO2排放量;其次,基于DNSBM方法對煤炭開發、轉換及利用階段相關產業的能源碳排放效率進行評價,并引入跨期變量,考慮前期生產要素對后一時期的影響,對煤炭資源能源碳排放效率進行動態評價.

1 研究方法與數據來源

1.1 生命周期評價法

生命周期評價法(LCA)作為目前環境領域常用的評價方法,對環境過程定量評估、工藝環境效應評價、產品設計優化等諸多方面產生了深遠的影響[26-27].采用生命周期評價法構建碳排放量核算模型對煤炭資源從開發、轉換到利用環節的碳足跡進行測算,可以從整體上了解煤炭資源CO2排放量情況,更有利于從各環節發掘減排潛力,探索減排路徑.

將LCA應用于煤炭資源碳排放測算時,需要確定全生命周期下煤炭資源碳排放的核算邊界.明確核算邊界是進行模型構建、數據收集及計算的前提,也是準確測度各階段碳排放量的關鍵.由于缺少煤炭運輸統計數據,并且煤電廠、煉焦廠及制熱廠等煤炭加工轉換行業的廠區位置固定,運輸距離固定,運輸環節效率提升潛力小,并且大宗煤炭長途轉運多采用火車運輸,碳排放相對較小,故不考慮運輸環節.此外,同樣受數據可得性限制,未考慮產品廢棄階段,在參考前人研究[19]的基礎上,將煤炭資源碳排放的全生命周期歸納為三個主要階段:開發階段、轉換階段、利用階段,并分析確定各階段CO2排放源:

煤炭開發階段是煤炭生產的起點,也是產生碳排放的源頭.煤炭開發階段包含煤炭開采和煤炭洗選兩部分.該階段碳排放源主要來自于開發過程中的能源消耗所導致的溫室氣體排放.本文將煤炭、原油、汽油、煤油、柴油、燃料油、液化石油氣、天然氣、焦炭、電力等10種煤炭開采及洗選業常用能源的消耗量作為衡量指標,并將其統一轉化為標準煤消耗量,加總后得到最終能源投入指標,基于IPCC(2006)測算出煤炭開采與洗選業每年的CO2排放量來表征煤炭開發階段的碳排放量.煤炭開發階段碳排放計算公式如式(1)所示.

轉換階段是對煤炭資源進行加工轉換.據國家統計局統計,2019年全國煤炭消費量為401915萬t,其中387268萬t用于工業生產,約占煤炭消費總量的96.36%.其中電力、熱力生產和供應業煤炭消費量占比最大,約占50.2%,可見煤發電、煤制熱在煤炭轉換階段占有重要位置.此外,包括煤焦化、煤液化、煤氣化等在內的煤化工行業也是重要的煤炭消費者之一.基于此,在轉換階段,選取包括煤發電、煤制品加工、煤制熱、煉焦、煤制氣等在內的5類煤炭加工轉換最典型的下游產業為研究對象,它們在對煤炭進行增值轉換的過程中,除了消耗大量的原煤,也會消耗一定量的其他能源,煤炭轉換階段消耗的具體能源種類見圖1.

通過圖1可以看出煤炭轉換階段,煤發電、煤制品加工、煤制熱、煉焦、煤制氣等產業的能源投入及產品輸出情況.以煤發電為例進行碳排放計算說明,能源投入除原煤外還包括洗精煤、其他洗煤、焦炭、焦爐煤氣、其他煤氣、汽油、柴油、燃料油、液化石油氣、煉廠干氣、天然氣和熱力等其他能源的少量投入,將各類能源消費量與折算標準煤的系數相乘計算出標準煤消耗量,加總后得到最終能源消費量.碳排放量計算參考式(1),由于熱力屬于二次能源,為避免碳排放重復計算,故在發電環節其碳排放量不予考慮.煤制品加工、煤制熱、煉焦、制氣等產業的標準煤換算與CO2排放計算方法與煤發電相同.

利用階段是對轉換階段產出的焦炭、焦爐煤氣等能源進行利用.為追溯煤炭資源的碳排放足跡,該階段主要考察除電力、熱力(使用時不再產生碳排放)外5種產品的能源利用碳排放情況.通過能源平衡表可知,上述七種能源除電力、熱力外焦炭產出量最大,并且焦炭利用過程中會產生較多的CO2,故而通過焦炭使用量選擇利用階段的研究主體.2019年焦炭使用量超過100萬t的行業有8個,包括:黑色金屬礦采選業、農副食品加工業、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、有色金屬冶煉和壓延加工業、金屬制品業、通用設備制造業,各行業焦炭消費量占比見圖2.

圖1 轉換階段能源消耗種類

圖2 2019年八大焦炭消費行業

2019年焦炭消費總量為46426萬t,黑色金屬冶煉和壓延加工業、化學原料和化學制品制造業焦炭消耗量分別為39247、4014萬t,兩者共計占焦炭消費總量的93.18%,并且在生產過程中所耗能源除焦炭外也涵蓋其他焦化產品、焦爐煤氣、其他煤氣,因此在利用階段選擇黑色金屬冶煉和壓延加工業、化學原料和化學制品制造業作為研究對象.

1.2 DNSBM模型

本文選用DNSBM模型測算煤炭資源的綜合能源碳排放效率、時期能源碳排放效率、階段能源碳排放效率.DNSBM模型具體原理如下:

綜合效率:

錫伯族婦女能歌善舞，心靈手巧，她們的傳統雙面刺繡獨具特色，在錫伯民俗博物館內有展出，得到游客的一致好評。在手工藝品商店，各類手工藝品在旅游旺季十分暢銷，增加了當地居民收入。

通過式(2)可以求得決策系統的綜合效率.此外還可以進一步探析單一時期的效率、節點的效率以及節點在時期的效率,具體計算公式如式(3)、(4)、(5)所示.

時期的效率:

節點的效率:

節點在時期的效率:

1.3 指標選取與數據來源

本文綜合考慮我國煤炭資源分布的實際情況并基于數據的可獲得性,選取2007～2019年我國25個省(自治區、直轄市)的面板數據為研究樣本(不包含天津、上海、浙江、廣東、海南、西藏、港澳臺等地區).數據主要來自《中國統計年鑒》、《中國能源統計年鑒》、《中國工業統計年鑒》以及各省(自治區、直轄市)統計年鑒[28-30],個別缺失年份數據采用取相鄰年份平均值或線性插值法進行填補.為了便于描述各節點的投入產出量,將每個節點看作一個階段整體進行度量,在前文LCA邊界劃分的基礎上,將煤炭資源碳排放過程簡化為3個階段,分別為:開發階段、轉換階段和利用階段,并基于DNSBM模型構建煤炭資源開發、轉換、利用結構圖,如圖3所示.

表1 DNSBM模型中的參數定義

續表1

圖3 煤炭資源開發、轉換、利用結構

階段1是開發階段.在階段1以能源、資本、勞動力作為投入指標,原煤產量為期望產出并且作為階段1與階段2之間的連接變量,碳排放是該階段的非期望產出.(1)勞動力投入:采用煤炭開采和洗選業從業人數年平均數來表示;(2)資本投入:選用煤炭開采及洗選業固定資產投資來表示,為減少通貨膨脹的影響,使統計數據更符合實際,采用永續盤存法以2007年為基期進行資本存量換算,基期的固定資產存量參照張瑞[31]的方法計算求得;(3)能源投入:以各省(自治區、直轄市)統計年鑒中的煤炭開采和洗選業最常用的10種能源的消耗量作為衡量指標,其具體能源種類和計算方法詳見1.1;(4)非期望產出:CO2排放量.基于煤炭開發環節能源投入情況,利用前文介紹的碳排放計算式(1)測算出該階段CO2排放量;(5)連接變量:以原煤產量作為連接變量將階段1與階段2聯系起來,原煤產量是煤炭開發階段的期望產出,其產量的多少直接影響轉換階段的生產運作,因此選用原煤作為連接變量,同時作為階段2的重要生產投入要素.

階段3是利用階段.階段3除將焦炭、焦爐煤氣等能源作為投入外,還以各地區黑色金屬冶煉和壓延加工業、化學原料和化學制品制造業的平均用工人數以及固定資產投入作為該階段的勞動力投入和資本投入,營業收入作為期望產出表征經濟效益,CO2排放量作為非期望產出.此外,由于累計折舊會對下一時期的資本存量以及生產效率等產生影響,比如前期設備的折舊、淘汰,不僅對當期生產效率產生影響,對后期生產效率也會有影響,故選用累積折舊作為3階段的跨期變量.各階段變量的描述性統計分析見表2:

表2 變量的描述性統計

2 結果與分析

基于DEA-Solver Pro13.1軟件,采用DNSBM模型測算2007～2019年我國25個省(自治區、直轄市)煤炭資源全生命周期下的能源碳排放效率,具體包括綜合能源碳排放效率、時期能源碳排放效率、階段能源碳排放效率.本文選用包含非期望產出投入導向的規模報酬可變模型,在產出不變的情況下,探索如何實現資源投入的最優.本文將依據各省(自治區、直轄市)的地理位置和氣候條件,并且參考孟望生[32]分區方法,將觀察樣本劃分為東、中、西三大地區.具體地區劃分情況見表3.

表3 地區劃分

2.1 綜合能源碳排放效率

全生命周期下中國煤炭資源綜合能源碳排放效率測算結果如圖4所示.從整體上來看,2007～ 2019年中國煤炭資源綜合能源碳排放效率水平均值為0.4726,可見我國煤炭資源綜合能源碳排放效率水平存在較大的提升空間.其中青海、北京、湖北、江蘇、廣西、重慶、福建、江西、寧夏等9個省(自治區、直轄市)位于平均效率水平之上,占研究樣本總體的36%,這說明我國大多數省(自治區、直轄市)煤炭資源綜合能源碳排放效率水平較低,未達到全國平均效率水平.從地理位置上看,我國東部和西部效率均值分別為0.5602、0.4901,均超過全國平均效率水平,而中部地區效率均值僅為0.3947,亟需對區域煤炭資源能源碳排放效率進行提升.總體看來,我國煤炭資源能源碳排放效率呈“U”字型,東部最高、西部次之、中部最低,這可能與我國大力推進西部大開發、東部加速轉型有關,東部作為我國經濟、科技重地,經濟發達,擁有先進的技術、設備,能源利用效率高,且注重生態環境的保護.西部在國家政策的支持下加快大型煤炭儲存基地建設,加大西電東送、北煤南運通道及終端管網建設,大量高載能行業向西部地區集中,提升了當地煤炭資源開發利用水平.然而,中部地區以山西、內蒙古為代表的煤炭資源型城市因煤炭資源的粗放開采使得生態環境承載力遭到破壞,進而造成中部地區能源碳排放效率整體低下.

圖4 煤炭資源綜合能源碳排放效率

2.2 時期能源碳排放效率

以2007年、2011年、2015年和2019年為時間節點,利用ArcGIS軟件繪制出25個省(自治區、直轄市)煤炭資源的時期能源碳排放效率分布圖,以便直觀了解各地區不同年份下煤炭資源的能源碳排放效率水平及時空演變規律,如圖5所示.

圖5中將各時期能源碳排放效率水平分為5個層級:0.0～0.2為低效率;0.2～0.4為較低效率;0.4～0.6為中效率;0.6～0.8為較高效率;0.8～1.0為高效率,分別由紅到綠的顏色來表示.在上述時間節點一直處于高效率水平的觀測樣本有:北京、青海.北京作為我國首都,具備經濟和技術優勢,并且注重生態環境保護,嚴格控制廢氣污染,從而使得煤炭資源能源碳排放效率始終處于高水平;而青海是我國生態環境保護重地、國家清潔能源產業高地,國家大力支持青海省的生態保護和修復,因而該省能源碳排放效率水平較高.值得注意的是,各地區能源碳排放效率演變趨勢大不相同.例如山西和福建兩地煤炭資源的能源碳排放效率呈現出“N”字型演變態勢,能源碳排放效率水平先增后減又增;而山東和廣西則呈現出倒“U”型,起始年份和最終年份效率水平一致,中間經歷了效率提升.

圖5 時期能源碳排放效率演變

底圖源自國家測繪地理信息局.審圖號:GS(2019)1822號

圖6 煤炭資源時期能源碳排放效率的均值

圖6描述的是各地區煤炭資源時期能源碳排放效率的幾何平均值情況,圖7則為時期能源碳排放效率分布矩陣圖.

由圖6可以看出,青海和北京接近DEA有效,分別為0.9931、0.9926,山西省效率值最低,僅為0.1987,可見我國煤炭資源時期能源碳排放效率水平區域間差異明顯.結合圖7可以對區域差異情況進行近一步了解,圖7是以時期能源碳排放效率值0.5為分界點,將觀察樣本分為上下兩大類.基于圖7可以發現位于我國西北地區的青海、華北地區的北京、華東地區的江蘇、福建以及中南地區的湖北、廣西的效率值為0.5以上,屬于中高效率水平,可見我國煤炭資源能源碳排放效率的時期效率水平較高地區主要位于我國華東與中南地區,主要歸因于這些地區擁有較高的資源轉換能力.

圖7 時期能源碳排放效率矩陣

2.3 階段能源碳排放效率

煤炭資源的開發、轉換與利用過程是由多個相互聯系又相對獨立的產業所完成,每一連接產業被看作一個包含多種投入產出的階段,而每一階段的能源碳排放效率水平都會對整體煤炭資源能源碳排放效率產生影響.圖8展示了各省(自治區、直轄市)煤炭資源3階段的能源碳排放效率值,可以發現僅北京、江蘇、青海三省階段1與階段3的能源碳排放效率處于有效水平,其余省(自治區、直轄市)及其他階段均存在效率損失,尤其階段2效率損失嚴重,仍需進一步改進.例如北京、江蘇、青海應重點加強階段2(煤炭轉換)能源碳排放效率水平的提升,以達到煤炭資源整體能源碳排放效率有效.

圖9將高效率地區階段2不同年份能源碳排放效率組成的綠色平面近似看作有效前沿面,更能以面的形式直觀展示出煤炭資源轉換階段各省(自治區、直轄市)在不同年份能源碳排放效率水平距有效前沿面的差距.此外,可以看出我國大部分省(自治區、直轄市)煤炭資源轉換階段的能源碳排放效率水平較為低下,這些省(自治區、直轄市)應從煤炭資源加工轉換過程中采取措施,繼續加強當地煤發電、煤制熱、制氣等煤炭加工轉換行業的技術投入,減少污染物的排放;進一步延伸煤炭加工鏈條,對煤炭進行深加工,提升產品附加值,減少資源浪費,進而提高加工轉換效率.為了更清楚的了解階段能源碳排放效率的時間變化趨勢,本文以階段3為例,繪制出利用階段能源碳排放效率的演變趨勢圖(見圖10).

圖8 煤炭資源階段能源碳排放效率

圖9 階段2能源碳排放效率

圖10 階段3能源碳排放效率

為進一步了解各地區在不同年份階段2能源碳排放效率水平的變化情況,特繪制階段2能源碳排放效率三維圖,如圖9所示.

圖10為各地區不同年份階段3能源碳排放效率值的堆積效果,進而探索整體演變趨勢.可發現階段3能源碳排放效率整體呈“類峰巒狀”的波動上升趨勢.其中2008、2010、2011、2016為四個關鍵時間節點,2008年能源碳排放效率由增轉為降,直至2010年這種態勢才得以扭轉.這是由于2008年受金融風暴的影響,我國國內物價水平連續下降,消費動力不足,嚴重影響了我國經濟社會的發展.因此,鋼鐵及化學制品市場需求疲軟,使得利用階段能源碳排放效率自2008年開始下降.而2011年是“十二五”的開局之年,并且國家提出要以擴大內需拉動經濟增長,各行業固定資產投資快速增長,進而促進黑色金屬冶煉和壓延加工業、化學原料和化學制品制造業發展規模的迅速擴張,粗放式的發展造成了資源浪費和環境污染,使得能源碳排放效率不斷下降.隨著我國煤炭行業產能過剩、環境污染問題日益顯現出來,國家在2016年開始推行實施去產能政策,在去產能政策的驅動下,煤炭行業及相關轉換利用行業開始更加注重能源的高效利用,并且隨著煤炭供給收緊,鋼鐵及化學制品等煤炭深加工產品的價格有所上漲,使得階段3經濟產出增加,能源碳排放效率水平在2016年后持續提升.

2.4 DNSBM與NSBM模型下效率對比

為驗證本文所提出模型的適用性及有效性,采用不考慮時期間聯系(即不引入跨期變量)的NSBM模型與本文所求綜合能源碳排放效率、階段能源碳排放效率結果進行對比,具體結果如表4所示.

表4 NSBM和DNSBM模型下效率對比

表4分別列出了在DNSBM、NSBM兩種模型下不同地區煤炭資源綜合能源碳排放效率值和3階段下的能源碳排放效率值.兩種模型下綜合能源碳排放效率均值分別為0.4726、0.4291,可以看出相較于DNSBM模型,不考慮時期間聯系的NSBM模型會低估煤炭資源綜合能源碳排放效率水平,并且通過對比各階段的能源碳排放效率值可以發現,效率損失主要是由階段2(轉換階段)所導致的,兩種模型下階段2效率平均值均處于低效率水平.通過綜合能源碳排放效率值可以發現2種模型下效率值最高的三個地區均為青海、北京和湖北.

3 結論

3.1 從綜合能源碳排放效率來看,整體上我國煤炭資源綜合能源碳排放效率水平的均值為0.4726,位于平均效率水平之上的省(自治區、直轄市)數量較少,僅占研究樣本總量的36%,說明我國大多數省(自治區、直轄市)煤炭資源綜合能源碳排放效率水平較低,存在著較大的提升空間;從總體來看,我國煤炭資源綜合能源碳排放效率均值呈“U”字型,東部最高、西部次之、中部最低,中部地區是提升煤炭資源能源碳排放效率的工作重點.

3.2 從時期能源碳排放效率來看,2007～2019年間北京、青海始終處于高效率水平,效率值分別為0.9931、0.9926,而山西省效率值最低,僅為0.1987,說明我國煤炭資源時期能源碳排放效率區域間差異顯著,時期能源碳排放效率水平較高的地區主要位于我國華東與中南地區.此外,能源碳排放效率的演變特征差異明顯,研究發現山西和福建兩地煤炭資源的能源碳排放效率呈現出“N”字型演變態勢,而山東和廣西效率水平的變化趨勢則呈現出倒“U”型.

3.3 從階段能源碳排放效率來看,僅北京、江蘇、青海三省階段1與階段3的能源碳排放效率處于有效水平,其余省(自治區、直轄市)及其他階段均存在效率損失,尤其階段2效率損失嚴重.此外,階段3能源碳排放效率整體呈“類峰巒狀”的波動上升趨勢,其中2008、2010、2011、2016是四個關鍵時間節點,能源碳排放效率水平經歷了“降-增-降-增”的“W”型態勢演變.

3.4 從NSBM和DNSBM模型下效率結果對比來看,不考慮時期間聯系的NSBM模型會低估煤炭資源綜合能源碳排放效率水平,并且通過對比各階段的能源碳排放效率值可以發現,效率損失主要發生在階段2(轉換階段).

[1] 國家統計局.中華人民共和國2020年國民經濟和社會發展統計公報 [M]. 北京:中國統計出版社, 2021.

The National Bureau of Statistics of China. Ch Statistical communique of the people’s republic of China on the 2020 national economic and social development [M]. Beijing: China Statistics Press, 2021.

[2] Qi X, Guo P, Guo Y, et al. Understanding energy efficiency and its drivers: An empirical analysis of China’s 14coal intensive industries [J]. Energy, 2020,190:116354.

[3] 謝和平,任世華,謝亞辰,等.碳中和目標下煤炭行業發展機遇[J]. 煤炭學報, 2021,46(7):2197-2211.

Xie H P, Ren S H, Xie Y C, et al. Development opportunities of the coal industry towards the goal of carbon neutrality [J]. Journal of China Coal Society, 2021,46(7):2197-2211.

[4] 新華網.習近平在第七十五屆聯合國大會一般性辯論上的講話(全文) [EB/OL]. https://baijiahao.baidu.com/s?id=1678546728556033497 &wfr=spider&for=pc,2021-11-3.

Xinhuanet. Speech by Xi Jinping at the General Debate of the Seventy-fifth United Nations General Assembly (full text) [EB/OL]. https://baijiahao.baidu.com/s?id=1678546728556033497&wfr=spider&for=pc, 2021-11-3.

[5] 中華人民共和國國家發展和改革委員會.國家發展改革委司法部印發《關于加快建立綠色生產和消費法規政策體系的意見》的通知 [EB/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/tz/202003/t2020031712 23470.html,2021-11-3.

National development and reform commission, people's republic of China. Notice of the Ministry of Justice of the National Development and Reform Commission on Issuing the "Opinions on Accelerating the Establishment of Green Production and Consumption Laws and Policies"[EB/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/tz/202003/t202 003171223470.html, 2021-11-3.

[6] 李金鎧,馬靜靜,魏 偉.中國八大綜合經濟區能源碳排放效率的區域差異研究[J]. 數量經濟技術經濟研究, 2020,37(6):109-129.

Li J K, Ma J J, Wei W. Study on regional differences of energy carbon emission efficiency in eight economic areas of China [J]. Quantitative Economics and Technical Economics Research, 2020,37(6):109-129.

[7] Wang B, Cui C Q, Zhao Y X, et al. Carbon emissions accounting for China's coal mining sector: invisible sources of climate change [J]. Natural Hazards, 2019,99(3):1345-1364.

[8] 揭 俐,王 忠,余瑞祥.中國能源開采業碳排放脫鉤效應情景模擬[J]. 中國人口·資源與環境, 2020,30(7):47-56.

Jie L, Wang Z, Yu R X. Scenario simulation of carbon decoupling effect of China's energy mining industry [J]. China Population, Resources and Environment, 2020,30(7):47-56.

[9] Zhang Y, Yuan Z, Margni M, et al. Intensive carbon dioxide emission of coal chemical industry in China [J]. Applied Energy, 2019,236: 540-550.

[10] 張 優,程明今,劉雪薇.中國煤炭鐵路運輸生命周期溫室氣體排放研究[J]. 資源科學, 2021,43(3):601-611.

Zhang Y, Cheng M J, Liu X W. Life Cycle greenhouse gas emissions from China's coal railway transport [J]. Resources Science, 2021, 43(3):601-611.

[11] 柳君波,高俊蓮,徐向陽.中國煤炭供應行業格局優化及排放[J]. 自然資源學報, 2019,34(3):473-486.

Liu J B, Gao J L, Xu X Y. Pattern optimization and carbon emissions of coal supply in China [J]. Journal of Natural Resources, 2019,34(3): 473-486.

[12] 張小麗,崔學勤,王 克,等.中國煤電鎖定碳排放及其對減排目標的影響[J]. 中國人口·資源與環境, 2020,30(8):31-41.

Zhang X L, Cui X Q, Wang K, et al. Committed CO2emissions of China’s coal-fired power plants and their implications for mitigation targets [J]. China Population, Resources and Environment, 2020,30(8):31-41.

[13] Li J, Tian Y, Deng Y, et al. Improving the estimation of greenhouse gas emissions from the Chinese coal-to-electricity chain by a bottom-up approach [J]. Resources, Conservation and Recycling, 2021,167:105237.

[14] 彭璐璐,李 楠,鄭智遠,等.中國居民消費碳排放影響因素的時空異質性 [J]. 中國環境科學, 2021,41(1):463-472.

Peng L L, Li N, Zheng Z Y, et al. Spatial-temporal heterogeneity of carbon emissions and influencing factors on household consumption of China [J]. China Environmental Science, 2021,41(1):463-472.

[15] 李緒茂,王成金.中國煤炭產業經濟效率類型與空間分異[J]. 干旱區資源與環境, 2020,34(5):58-63.

Li X M, Wang C J. Economic efficiency types and spatial differentiation of China’s coal industry [J]. Journal of Arid Land Resources and Environment, 2020,34(5):58-63.

[16] Guo P, Qi X, Zhou X, et al. Total-factor energy efficiency of coal consumption: An empirical analysis of China's energy intensive industries [J]. Journal of Cleaner Production, 2018,172:2618-2624.

[17] 王 忠,田家華,揭 俐.礦業權重疊引致了煤炭產業技術效率損失嗎? [J]. 中國人口·資源與環境, 2018,28(3):139-148.

Wang Z, Tian J H, Jie L. Does mineral rights overlapping lead to the technical efficiency losses of coal mining industry? [J]. China Population, Resources and Environment, 2018,28(3):139-148.

[18] 程曉娟,韓慶蘭,全春光.基于PCA-DEA組合模型的中國煤炭產業生態效率研究[J]. 資源科學, 2013,35(6):1292-1299.

Cheng X J, Han Q L, Quan C G. The ecological efficiency of the coal industry based on PCA and DEA Modeling [J]. Resources Science, 2013,35(6):1292-1299.

[19] Wang D, Wan K, Yang J. Measurement and evolution of eco- efficiency of coal industry ecosystem in China [J]. Journal of Cleaner Production, 2019,209:803-818.

[20] Wang B, He L, Yuan X, et al. Carbon emissions of coal supply chain: An innovative perspective from physical to economic [J]. Journal of Cleaner Production, 2021,295:126377.

[21] 李德山,趙穎文,李琳瑛.煤炭資源型城市環境效率及其環境生產率變動分析──基于山西省11個地級市面板數據[J]. 自然資源學報, 2021,36(3):618-633.

Li D S, Zhao Y W, Li L Y. Change of environmental efficiency and environmental productivity of coal cities: Based on panel data of 11cities in Shanxi province [J]. Journal of Natural Resources, 2021, 36(3):618-633.

[22] 李世祥,王劍成,成金華.中國煤炭產業效率及其規制效應分析[J]. 中國人口·資源與環境, 2015,25(11):169-176.

Li S X, Wang J C, Cheng J H. Efficiency levels and regulation effects of coal industry in China [J]. China Population. Resources and Environment, 2015,25(11):169-176.

[23] 徐杰芳,田淑英,占沁嫣.中國煤炭資源型城市生態效率評價[J]. 城市問題, 2016,(12):85-93.

Xu J F, Tian S Y, Zhan Q Y. Evaluation of ecological efficiency of coal resource-based cities in China [J]. Urban Problem, 2016,(12):85-93.

[24] Xue L, Zhang W, Zheng Z, et al. Measurement and influential factors of the efficiency of coal resources of China’s provinces: Based on Bootstrap-DEA and Tobit [J]. Energy, 2021,221:119763.

[25] Tone K, Tsutsui M. Dynamic DEA with network structure: A slacks-based measure approach [J]. Omega, 2014,42(1):124-131.

[26] 趙若楠,董 莉,白 璐,等.光伏行業生命周期碳排放清單分析 [J]. 中國環境科學, 2020,40(6):2751-2757.

Zhao R N, Dong L, Bai L, et al. Inventory analysis on carbon emissions of photovoltaic industry [J]. China Environmental Science, 2020,40(6):2751-2757.

[27] 盧浩潔,王婉君,代 敏,等.中國鋁生命周期能耗與碳排放的情景分析及減排對策 [J]. 中國環境科學, 2021,41(1):451-462.

Lu H J, Wang W J, Dai M, et al. Scenario analysis of energy consumption and carbon emissions in Chinese aluminum life cycle and emissions reduction measures [J]. China Environmental Science, 2021,41(1):451-462.

[28] 國家統計局.中國統計年鑒 [M]. 北京:中國統計出版社, 2008-2020.

The National Bureau of Statistics of China. China statistical yearbook [M]. Beijing: China Statistics Press, 2008-2020.

[29] 國家統計局能源統計司.中國能源統計年鑒[M]. 北京:中國統計出版社, 2008-2020.

Department of Energy Statistics, National Bureau of Statistics of China. China energy statistics yearbook [M]. Beijing: China Statistics Press, 2008-2020.

[30] 國家統計局工業統計司.中國工業統計年鑒[M]. 北京:中國統計出版社, 2008-2020.

Department of Industrial Statistics, National Bureau of Statistics of China. China industrial statistics yearbook [M]. Beijing: China Statistics Press, 2008-2020.

[31] 張 瑞,胡彥勇,郄曉彤.中國物流業能源生態效率與其影響因素的動態響應研究[J]. 經濟問題, 2021,(8):9-17.

Zhang R, Hu Y Y, Qie X T. Research on dynamic response of energy eco-efficiency of China’s logistics industry to influencing factors [J]. On Economic Problems, 2021,(8):9-17.

[32] 孟望生.經濟增長方式轉變與能源消費強度差異的收斂性——基于中國2001～2016年省級面板數據 [J]. 資源科學, 2019,41(7):1295- 1305.

Meng W S. Convergence analysis of interregional differences of economic growth pattern and energy intensity:An empirical study based on provincial data from 2001 to 2016 in China [J]. Resources Science, 2019,41(7):1295-1305.

Evaluation of China's coal resource energy carbon emission efficiency in the whole life cycle.

HU Yan-yong1, ZHANG Rui1*, QIE Xiao-tong1, LIU Hong1,2

(1.School of Management, China University of Mining and Technology, Beijing 100083, China；2.Energy Research Institute, Chinese Academy of Macroeconomic Research, Beijing 100038, China)., 2022,42(6)：2942～2954

Based on the LCA, the carbon emission estimation model of coal resources in the development, conversion and utilization stages was constructed, the dynamic network SBM model was used to calculate the comprehensive energy carbon emission efficiency, period energy carbon emission efficiency and phase energy carbon emission efficiency of coal resources in China's 25provinces from 2007 to 2019. The results showed that the comprehensive energy carbon emission efficiency level of China's coal resources was distributed in a “U” shape, with the highest in the east, the second in the west, and the lowest in the middle. There was a large room for improvement in the carbon emission efficiency level of coal resources and energy, the average value of comprehensive energy carbon emission efficiency from 2007 to 2019 was only 0.4726. There were significant regional differences in energy carbon emission efficiency during the coal resource period in China, and the regions with higher efficiency levels were mainly concentrated in East China and Central South China; From the stage energy carbon emission efficiency analysis, it can be found that only the stage 1and stage 3energy carbon emission efficiency of the three provinces of Beijing, Jiangsu and Qinghai at an effective level. The remaining provinces and other stages have efficiency losses, especially stage 2efficiency losses serious. During the study period, the energy carbon emission efficiency of stage 3 showed a “peak-like” fluctuating upward trend as a whole. The comparison of the energy carbon emission efficiency measured by the DNSBM and NSBM models found that the NSBM model would underestimate the comprehensive energy carbon emission efficiency level of coal resources.

coal resources；energy carbon emission efficiency；whole life cycle；dynamic network SBM model

X32

A

1000-6923(2022)06-2942-13

胡彥勇(1993-),男,河南駐馬店人,中國礦業大學(北京)博士研究生,主要從事能源經濟、能源效率研究.發表論文10篇.

2021-12-01

山西省科技重大專項課題(20181102017);中國礦業大學(北京)研究生科研創新能力提升項目(2022YJSGL13);煤炭資源與安全開采國家重點實驗室開放基金資助項目(SKLCRSM20KFA05)

* 責任作者, 教授, zrcumtb@163.com