江蘇蘇州碳排放演化特征及影響因素分析

葉曉嵐 劉坤 莊斯宇

摘 要：本文以江蘇蘇州為研究對象，據不同能源的排放系數核算蘇州能源消費的碳排放，通過對數平均迪氏指數法分解模型（Logarithmic Mean Divisia Index， LMDI）對蘇州2011—2021年碳排放量及其影響因素進行分析研究。結果顯示：經濟建設發展是促進蘇州碳排放增長的主要因素，效率因素對蘇州碳排放彰顯遏制作用，能源結構因素對碳排放的抑制作用與日俱增，工業結構因素對蘇州碳排放影響效果不顯著。因此，優化經濟增長方式，實現經濟增長與碳排放的脫鉤；通過技術進步，實現能源強度的降低；推進結構性變革，實現能源消費和產業結構的低碳化是實現蘇州碳減排的主要方式和重要路徑。

關鍵詞：碳排放因素分解；能源強度；能源結構；LMDI；蘇州

本文索引：葉曉嵐，劉坤，莊斯宇.<變量 2>[J].中國商論，2023（16）：-164.

中圖分類號：F124.5 文獻標識碼：A 文章編號：2096-0298（2023）08（b）--04

2020年9月，我國明確提出2030年“碳達峰”與2060年“碳中和”目標。蘇州作為我國內地最強地級市，在高能耗、環境負擔重的現狀下實現低碳轉型面臨巨大困境。為積極穩妥地推進“雙碳”目標，蘇州市政府制定印發《關于加快轉變發展方式做好碳達峰碳中和工作的實施意見》，提出2030年前達到目標。

本文以蘇州為研究對象，核算其在2011—2021年能源消費引起的碳排放，采用因素分解法分析蘇州碳排放變動趨勢及影響因素，探討時間性差異，基于上述制訂相關政策。

1 文獻綜述

如今，碳排放已成為國際學者與低碳減排學界的研究熱題，影響碳排放的因素研究有分解與分析方法體系和回歸分析方法體系兩種。

一是分解與分析方法體系。通過構建碳排放恒等式，采用因素分解法分析影響碳排放的原因。其中，對數平均迪氏指數分解法（LMDI）是廣泛使用的分解法，可在時空雙維度展開分析研究，有效對各因素解析。從空間上來看，我國學者大多聚焦碳排放負載較大、經濟較發達地區，如北京、上海等，通過能源消費數據對碳排放驅動因子進行分析。林曉潔等（2022）利用LMDI對香港地區能源消費演變趨勢進行研究；姚永玲（2011）對北京市能源碳排放因素分解分析；孫燕燕（2020）對上海市旅游碳排放效應分解進行研究；楊燕、武戈（2013）基于南京市和蘇州市比較分析，研究長三角城市工業碳排放因素分解模型。從時間上來看，孫冬營等（2023）利用LMDI方法探究城市生活用水量變化的驅動效應；紀義虎等（2022）通過LMDI因素分解法分析了沁河流域近20年碳排放增速變化趨勢；宋輝等（2019）借助對數平均迪氏指數因素分解法，研究產業節能效應；張鴻武等（2016）從時間維度對工業碳減排技術效應進行研究；韓鈺鈴、劉益平（2018）基于LMDI探究在時間維度下區域碳排放中各驅動因子的貢獻度。

二是回歸分析方法。以計量經濟學為基礎，系統評估分析對象，其中IPAT和STIRPAT兩大模型應用最為廣泛。如龔利等（2018）基于STIRPAT模型的能源消耗影響因素研究；孫義等（2020）基于STIRPAT模型的遼寧省碳排放影響因素研究；彭芳（2023）基于IPAT模型對綠色建筑短期碳排放進行預測；王麗等（2017）基于IPAT模型的城市碳排放分析。

總之，關于碳排放影響分解因素的研究文獻不在少數，從時間到空間、從局部到整體，研究文獻極為豐富。基于LMDI因素分解模型的特征，不能同時對三個或更多結構性因素進行分析和考量，故為解決此缺點，本文使用二階段LMDI因素分解法，一齊劃分出包括效率因素（能源強度）、結構因素（能源結構，工業結構）、經濟發展（人均GDP）多種影響因素對蘇州碳排放的影響。

2 數據整理分析

2.1 碳排放核算方法

本文對蘇州整體的碳排放量進行估算，參照徐國泉等（2021）基于各類能源碳排放系數的估算公式，公式如下：

其中，C表示碳排放總量；Fi表示第i類能源的碳排放系數（見表1）；Ei表示第i類能源消費量。能源種類不同，F值也不同。

2.2 數據來源

鑒于對比性強，通過實物量和《蘇州統計年鑒2022》的能源折算系數，將蘇州各類能源消費量換算為標準煤，其中數據來源于《蘇州統計年鑒》2012—2022年。

2.3 蘇州碳排放演化趨勢

根據碳排放估算公式，可以得到蘇州市2011—2021年能源消費的碳排放總量（見圖1）。由圖1可知，2011—2021年蘇州市能源消費總量呈現逐年增長的趨勢，且煤炭這種碳排放系數較高的能源仍然占據蘇州總能源消費比重的首位。

蘇州碳排放總量及人均碳排放量增長率如圖2所示，2012—2021年蘇州有關能源消費的碳排放總量增長率大致呈現雙“W”型，個別年份呈現負增長趨勢，同時2021年達到增長峰值4478.8萬噸。從人均碳排放總量增長率趨勢來看，增長趨勢大致為雙“W”型，其中2018—2019年增長率趨于平緩，2021年同樣達到增長峰值3.486噸煤每人。綜上所述，蘇州近十年的碳排放總量和人均碳排放總量均在進行曲折變化，且變化趨勢跨度較大，預測未來幾年會逐步達到平緩期。

3 因素分解和分析

3.1 因素分解法

kaya Y（1989）提出碳排放量的基本式：

其中，C代表碳排放量；E代表綜合能源消費量；G代表工業生產總值；P代表人口數。

圖2 2012—2021年蘇州碳排放和人均碳排放增長趨勢

人均碳排放量為；能源排放強度為 ，即消費單位i種能源的碳排放量（其中，能源結構因素為，即第i種能源在能源總消費中所占的比例）；碳排放系數為 ，即第i種能源的碳排放系數。

能源強度因素為，即單位工業生產值的能源消耗總量（其中，是第j種工業的能源強度）。工業結構因素為，即第j種工業生產值在總生產值中所占的份額；經濟發展因素為。

因此，人均碳排放量為：

其中，人均碳排放量取決于SEi（能源結構）、Fi（碳排放系數）、Ij（能源強度）、SGj（工業結構）及R（經濟發展）的變化。

并且，第t期相對基期的人均碳排放量的變化量為：

其中，是能源結構因素，是能源排放強度因素；是能源強度因素；是工業結構因素；是經濟發展因素；是分解余量。

式（3）中，能源結構因素和工業結構因素需要分別分解，即將式（3）分解成二階段分解模型：

能源結構是第一階段的分解因素，得到式（5）：

工業結構是第二階段的分解因素，得到式（6）：

采用LMDI因素分解法，分別對以上兩個模型進行二階段因素分解。

第一階段分解結果如下：

其中，。

第二階段分解結果如下：

其中，。

3.2 2012—2021年蘇州碳排放的因素分解分析

本文采用二階段因素分解分析，對2012—2021年蘇州人均碳排放進行因素分解分析，結果如表2和圖3所示。

（1）經濟發展的貢獻份額分析

經濟發展影響不穩定，其貢獻份額先降后升且處于較高水平。2014—2017年，工業總產值逐年增長，人口也在逐年增長，致使貢獻率小于零，在2017年后由負轉正，并在2021年經濟發展的貢獻率達到0.7238噸碳/人。這表明，經濟發展仍是碳排放量不斷增加的主要原因，如何實現在經濟發展的同時，控制碳排放的增長，是需要解決的重要問題。

（2）能源強度的貢獻份額分析

能源強度貢獻份額總體呈現下降趨勢，是抑制蘇州碳排放增長的主要原因，其貢獻份額在2016年后由正轉負，在2021年達到最低值-0.3689噸碳/人。雖然提高能源效率是實現碳排放控制的重要途徑，但是單靠提高能源效率并不能完全實現對碳排放的控制，還需要結合其他措施，如推廣清潔能源等。

（3）工業結構的貢獻份額分析

工業結構貢獻份額呈現逐年下降趨勢，其調整對減少碳排放的影響越來越大。根據數據可知，工業結構貢獻份額處于較低水平，2016年前輕重工業貢獻份額基本持平在零附近，2016年之后重工業貢獻份額始終大于輕工業貢獻份額。這說明，工業結構的優化調整并未對碳排放的改善產生明顯影響，因此需要加快推進工業結構調整，尤其是對重工業。

（4）能源結構的貢獻份額分析

能源結構貢獻份額逐年遞減且始終小于零，說明在過去10年，能源結構調整對碳排放的降低起了一定的作用，但該數值不斷加深，說明調整的速度和強度不夠。經濟發展、能源效率和工業結構調整對減少碳排放的影響較大，因此未來減少碳排放的主要方向應是提高能源效率、調整工業結構和加快經濟發展。

4 結語

本文采用二階段因素分解分析法，分析蘇州碳排放演化特征及其影響因素，探討并比較蘇州碳排放的時空差異性，據此得出以下結論：

（1）經濟發展是碳排放增長的主要因素，其貢獻份額在過去10年中總體趨勢上升且增長最多，如不加以調整就會不斷增加。

（2）能源強度對碳排放的影響不穩定，其總體趨勢下降，即對碳排放起到抑制作用。雖然提高能源效率是實現能源消耗強度控制的重要途徑，但只提高能源效率并不能完全實現能源消耗強度的控制。

（3）工業結構和能源結構對碳排放的影響趨勢同樣下降，但相對較小，表明通過產業結構調整抑制碳排放增長的潛力仍有待挖掘。

基于以上研究結論，本文提出以下相應對策建議：

（1）優化經濟增長方式，實現經濟增長與碳排放的脫鉤。完善法律法規和標準體系，如提高能源排放標準、實行碳排放許可證制度等。例如，針對二氧化碳排放量的監管，推動制造企業研發和生產更環保的產品。

（2）通過技術進步，實現能源強度的降低。淘汰老舊設施，革新高能耗設備，減輕煤炭消費，降低高強度碳排放。例如，通過推廣高爐煤氣制氫技術、新型冶金技術和廢鋼資源回收利用等技術，降低鋼鐵生產過程中的煤炭消耗和碳排放。

（3）推進結構性變革，實現能源消費和產業結構的低碳化。減少化石能源消費，推廣普及新能源消費，降低高能耗產業比重，發展低能耗產業結構。例如，推廣新能源汽車能夠減少對石油等化石燃料的依賴，同時減少污染物和碳排放。

參考文獻

林曉潔，王長建，汪菲，等.香港地區能源消費碳排放的演變趨勢及其影響因素[J].科技管理研究，2022，42（21）：231-238.

姚永玲.北京城市發展中的能源消耗影響因素分析[J].中國人口·資源與環境，2011，21（7）：40-45.

孫燕燕.上海市旅游碳排放估算及其效應分解[J].地域研究與開發，2020，39（1）：122-126.

楊燕，武戈.長三角城市工業碳排放因素分解模型及實證分析：以南京和蘇州兩市比較分析為例[J].經濟研究導刊，2013，204（22）：230-233+258.

孫冬營，王炎霄，丁緒輝，等.長三角城市生活用水量的時空變化與驅動效應研究[J].水利水電技術（中英文），2023（4）：1-19.

紀義虎，左其亭，馬軍霞.基于Tapio和LMDI模型的沁河流域水資源利用與碳排放關系脫鉤分析[J].水資源保護，2023（4）：1-14.

宋輝，黃波，袁征.基于LMDI的中國行業節能機制研究[J].軟科學，2019，33（7）：106-110.

張鴻武，王珂英，殳蘊鈺.中國工業碳減排中的技術效應：1998—2013年基于直接測算法與指數分解法的比較分析[J].宏觀經濟研究，2016，217（12）：38-49.

韓鈺鈴，劉益平.基于LMDI的江蘇省工業碳排放影響因素研究[J].環境科學與技術，2018，41（12）：278-284.

龔利，屠紅洲，龔存.基于STIRPAT模型的能源消費碳排放的影響因素研究：以長三角地區為例[J].工業技術經濟，2018，37（8）： 95-102.

孫義，劉文超，徐曉宇.基于STIRPAT模型的遼寧省碳排放影響因素研究[J].環境保護科學，2020，46（5）：43-46.

Peng Fang. Short-term carbon emission prediction method of green building based on IPAT model[J]. International Journal of Global Energy Issues，2023，45（1）.

王麗，歐陽慧，馬永歡.經濟社會發展對環境影響的再認識：基于IPAT模型的城市碳排放分析[J].宏觀經濟研究，2017，227（10）： 161-168.

徐國泉，蔡珠，封士偉.基于二階段LMDI模型的碳排放時空差異及影響因素研究：以江蘇省為例[J].軟科學，2021，35（10）：107-113.

Kaya Y. Impact of Carbon Dioxide Emission on GNP Growth： Interpretation of Proposed Scenarios[Ｒ]. Prias： IPCC Energy and Industry Subgroup， 1989.