我國采礦業能源消費碳排放時空分異與驅動因素分析

羅世興

（中國自然資源經濟研究院自然資源所有者權益研究所，北京 101149）

0 引言

綠色低碳是新時代經濟社會高質量發展的內在要求和有效路徑。2020年我國提出“3060”的碳達峰、碳中和目標，黨的二十大要求“積極穩妥推進碳達峰碳中和”“協同推進降碳、減污、擴綠、增長”。采礦業是關系國家能源資源安全的基礎工業部門，同時也是高能耗、高排放行業，其減排降碳是發展綠色礦業的重要方面，關系工業領域“雙碳”目標實現。《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》提出“發展綠色礦業，建設綠色礦山”。根據統計，2021年我國采礦業能源消費1.83×108t標準煤（以下簡稱“tce”），占工業能源消費總量的5.25%，單位產值能耗為工業平均能耗的1.20倍①能源消費數據來源于《中國能源統計年鑒2022》，并結合中國工業統計年鑒數據計算得到單位產值能耗。。能源消費是采礦業CO2排放的主要來源，科學把握其時空特征及驅動因素，對礦業高質量發展[1-2]、綠色礦業發展[3-4]、綠色礦山建設[5-6]、資源型城市綠色轉型[7-9]等具有重要意義。關于礦業碳排放，陳詩一[10]對1980—2008年我國38個工業行業CO2排放強度分解研究表明，能源強度降低是主要減排因素，能源結構和工業結構調整也有利于碳排放強度降低。汪中華等[11]基于STIRPAT模型研究了2005—2012年黑龍江省采礦業能源消費碳排放影響因素，發現能源效率起較強的負向作用，能源消費結構為最大正向作用。吳青[12]測度了1994—2014年全國層面礦業能源消費碳排放及其影響因素，發現經濟產出是主要增排因素，能源結構次之，能源強度是關鍵減排因素。羅世興等[13-14]研究了1994—2015年全國尺度采礦業、黑色金屬行業能源消費碳排放及其影響因素。任思達等[15]直接利用中國碳核算數據庫（CEADs）碳排放數據，分析了2005—2015年省域礦業碳排放特征，發現礦業經濟增長與碳排放持續向好。吳濱等[16]對我國有色金屬行業節能減排的研究表明，市場需求增長對碳排放產生的壓力較大。董明等[17]探討了有色金屬聯合企業碳排放的三種情景與碳達峰路徑。

當前對采礦業能源消費碳排放的研究主要停留在全國層面和行業層面，分區域研究不夠且樣本期在2016年之前，時效性相對滯后。針對以上不足，本文從省域視角，基于CEADs能源消費實物量及我國各類能源低位發熱量、碳含量等數據，自下而上測算了2004—2020年我國采礦業能源消費CO2排放，運用基尼系數和泰爾指數測度其時空演變，并利用迪氏指數分解法分析其驅動因素，以期為采礦業的綠色低碳與高質量發展、綠色礦山建設提供參考。

1 研究方法與數據來源

1.1 排放因子法

政府間氣候變化專門委員會（IPCC）在國家溫室氣體清單指南中提供了碳核算的三種方法：排放因子法、質量平衡法和實測法。其中，排放因子法是適用范圍最廣、應用最為普遍的碳排放核算方法，適用于國家、省或行業等較為宏觀層面的粗略估算，計算公式見式（1）。質量平衡法還需考慮具體設施和工藝流程的碳質量平衡，實測法則基于排放源的實測基礎數據匯總，兩種方法雖然能更加真實、準確地反映碳排放情況，但對數據的要求較高。

式中：X為地區或行業能源消費CO2排放量；Ei為第i種能源消費實物量；NCVi為平均低位發熱量；CEFi為單位熱值含碳量；COFi為碳氧化率；θi為CO2排放系數。

1.2 基尼系數

基尼系數是度量居民收入差距的重要指標，因其能精準、直觀、簡潔地反映指標之間的相對差異程度，被廣泛應用于各領域差異測度[18-21]。本文以采礦業產值為參照，研究區域采礦業能源消費CO2排放的相對差異，計算公式見式（2）。

式中：G為基尼系數；xi為i地區采礦業能源消費CO2排放的累計百分比；yi為i地區采礦業產值的累計百分比。0≤G＜0.2，高度平均；0.2≤G＜0.3，比較平均；0.3≤G＜0.4，相對合理；0.4≤G＜0.5，差距較大；0.5≤G≤1.0，差距懸殊。

1.3 泰爾指數

泰爾指數最初用于衡量收入差異，將總差異分解成組間差異和組內差異[22-23]，有助于尋找差異來源，被廣泛用于需要分組的差異分析，計算公式見式（3）。

式中：T為泰爾指數；Xij為i區域內j省份采礦業CO2排放；X為各省份采礦業能源消費CO2排放之和；Yij為i區域內j省份采礦業產值；Y為各省份采礦業產值之和。根據我國四大區域劃分②東部地區：北京、天津、河北、山東、上海、江蘇、浙江、福建、廣東和海南。中部地區：山西、河南、湖北、安徽、湖南和江西。西部地區：內蒙古、廣西、重慶、四川、云南、貴州、西藏、陜西、甘肅、青海、寧夏和新疆。東北地區：黑龍江、吉林和遼寧。由于上海、西藏能耗數據缺失且兩者采礦業產值占全國的比重也較低，因此，本研究暫未包含這兩個地區。，將T分解為區域間差異（Tb）和區域內部差異（Tw），計算公式見式（4）～式（6）。

式中：Xi為i區域內各省份采礦業CO2排放之和；Yi為i區域采礦業產值之和；i為四個區域；Ti為i區域內的省際差異指數。進一步將Tw對總體的貢獻分解為四大區域內部差異對總體差異的貢獻率，計算公式見式（7）。

1.4 LMDI分解法

目前，碳排放分解方法主要有指數分解法（IDA）和結構分解法（SDA）。IDA中的對數平均迪氏指數法（Logarithmic Mean Divisia Index，LMDI）因為具有允許變量值為零、分解無殘差、計算方便、形式多樣等優點，被廣泛應用于區域、行業碳排放影響因素分解[24-26]。參考現有行業碳排放分解研究，考慮數據可得性等因素，將采礦業能源消費CO2排放分解如下，計算公式見式（8）和式（9）。

式中：Xi為第i種能源消費CO2排放；Ei為第i種能源消費（標準量）；E為能源消費總量（標準量）；Y為行業產值；αi為第i種能源CO2排放系數；βi為第i種能源消費比重；γ為行業能源消費強度。將碳排放增量分解為排放系數效應ΔXα、能源結構效應ΔXβ、能源強度效應ΔXγ、產值變化效應ΔXY，計算公式見式（10）～式（14）。

由于化石能源消費標準量的碳排放系數為常數，因此，ΔXα為零。

1.5 數據來源與處理

鑒于數據可得性、統計口徑一致性，本研究區域為29個省份（不含上海、西藏及港澳臺）。研究行業為采礦業，主要包含煤炭開采和洗選業、石油和天然氣開采業、黑色金屬礦采選業、有色金屬礦采選業、非金屬礦采選業。能源消費數據來源于CEADs省級能源清單實物量③數據來源：https://www.ceads.net/，共含17種能源[27]。各類能源的折標準煤系數、平均低位發熱量來源于《中國能源統計年鑒2022》。能源單位熱值含碳量、碳氧化率來源于《省級溫室氣體清單編制指南（試行）》以及煤炭生產企業、石油和天然氣生產企業溫室氣體排放核算方法與報告指南，見表1。采礦業產值數據來源于中國工業統計年鑒，為消除價格變動影響，按各地區CPI以2000年為基期平減，CPI數據來源于《中國統計年鑒》。由于工業統計年鑒中非金屬礦采選業數據最早為2004年度，CEADs省級能源清單實物量數據最新為2020年度且該年是“十三五”收官之年，因此，研究時期為2004—2020年。

表1 17種能源CO2排放參數Table 1 CO2 emissions parameters of 17 types of energy

2 實證分析

2.1 CO2排放總體特征

碳排放估算結果表明，2004—2020年我國采礦業能源消費CO2排放在2.0×108～4.3×108t，走勢上呈倒V型④本文估算結果比文獻[3]直接引用的CEADs測算結果平均高9個百分點，差異主要在原煤等排放參數，本文采用省級溫室氣體清單編制指南推薦數據，后者采用調查數據。比文獻[13]測度的2004—2015年全國尺度結果高5.19%，差異不大，一方面是因為涵蓋的能源類別有差異，另一方面估算的方式存在差別，本文從省域視角自下而上匯總，范圍上暫不含上海、西藏，文獻[13]則從全國層面，利用能源消費標準量計算。，年均增長2.14%。其中，2004—2012年為快速增長階段，由2.12×108t上升到4.29×108t，年均增長9.18%；2013—2020年為下降階段，年均下降4.44%，并可細分為快速下降階段（2013—2018年）和緩慢下降階段（2019—2020年），如圖1所示。

圖1 我國采礦業能源消費CO2排放規模與強度Fig. 1 Scale and intensity of CO2 emissions from energy consumption of mining industry in China

行業結構上，主要集中在煤炭開采和洗選業、石油和天然氣開采業，兩者比重分別為80.27%、12.09%，其他三個分行業比重較低。與2004年相比，2020年煤炭開采和洗選業能源消費CO2排放比重下降4.23個百分點，石油和天然氣開采業、黑色金屬礦采選業比重分別上漲2.00個百分點和1.60個百分點。能源結構上，原煤、天然氣、柴油消費產生的CO2排放居前三位，比重分別為73.74%、8.65%和4.86%。與2004年相比，2020年原煤、原油、洗精煤消費CO2排放比重下降最多，分別減少9.28個百分點、1.49個百分點和1.33個百分點。天然氣、其他煤氣和其他選煤消費CO2排放比重上升最多，分別增加了6.30個百分點、2.61個百分點和2.28個百分點。單位產值CO2排放上，總體呈現先降后升態勢，由2004年的2.07 t/104元下降至2013年的0.81 t/104元，年均下降9.87%。2014年開始波動式上升，到2020年達1.24 t/104元，年均增長1.39%。單位能耗CO2排放上，總體表現為緩慢下降，由2004年的2.46 t/tce下降到2020年的2.33 t/tce，僅累計下降5.30個百分點。

2.2 CO2排放時空分異

2004—2020年我國采礦業能源消費CO2排放省域分布不均衡，前四位省份占比在46%～60%之間，排放前八位的省份占比在64%～71%之間，區域間差異較大。這種不均衡趨勢在2006—2016年穩步下降，2017年開始緩慢上升。2020年前四位和前八位省份排放比重分別為53.07%和70.00%，均略高于2004年水平。年均排放上，山東、河北、河南、四川居前四位，分別為45.88×106t、41.94×106t、36.78×106t和20.79×106t。安徽、陜西、云南、重慶居第四位至第八位，均超過13.00×106t。福建、北京、浙江、廣西、海南居末六位。排放變化量上，29個省份中排放增加的共有19個，減少的有10個。其中，陜西、云南、四川、山東和河北排放增加最多，遼寧、寧夏和吉林排放減少最多。排放年均增速上，陜西、云南、廣東、青海、福建增速最快，均超過6.00%，其中，陜西、云南分別達到11.94%和11.72%；北京、湖北、浙江、遼寧、吉林排放下降最快，年均降幅均超過3.50%，如圖2所示。

圖2 各省采礦業能源消費CO2排放年均增量與增幅Fig. 2 Average annual increment and increase of CO2 emissions from energy consumption of provincial mining industry

2004—2020年我國省域采礦業能源消費CO2排放基尼系數為0.40，說明該時期省際間排放差異較大。洛倫茨曲線上各點切線的斜率反映了各地單位能源消費CO2排放的產出水平，廣東、天津、北京、福建、山西等地區采礦業單位CO2排放的產出較高，山東、河北、河南等地區水平居中，而重慶、寧夏、云南、貴州、青海等地區則較低，如圖3所示。

圖3 省域采礦業能源消費CO2排放的洛倫茲曲線Fig. 3 Lorentz curve of CO2 emissions from energy consumption of provincial mining industry

絕大多數年份的CO2排放基尼系數均超過0.40，其中2005年最大，2013年最小，基尼系數分別為0.47和0.38。年度變化上，省際CO2排放差異經歷了快速增加（2004—2005年）→逐步縮小（2006—2013年）→穩步擴大（2014—2020年）的演變過程。CO2排放泰爾指數走勢與基尼系數基本一致，數值上普遍低于后者，維持在0.25～0.40，在2005年和2013年分別達到最大值0.37和最小值0.23，如圖4所示。

圖4 各年省域采礦業CO2排放基尼系數和泰爾指數Fig. 4 Gini coefficient and Theil index of CO2 emissions of provincial mining industry every year

四大區域上，2004—2020年西部地區采礦業能源消費CO2排放最多且基尼系數最大，分別達到1.23×108t和0.41，內部差異較大；東部地區和中部地區CO2排放分居第二位和第三位，但基尼系數則是后者大于前者，均小于0.40，兩者內部差異均處于相對合理區間；東北地區CO2排放量最少且基尼系數最小，內部差異很小。變化上，西部地區基尼系數下降，中部地區上升、東部地區和東北地區先降后升，見表2。泰爾指數分解表明，2004—2020年全國采礦業能源消費CO2排放總差異主要來自四大區域內部差異，其貢獻率為91.22%，其中西部地區（35.92%）、東部地區（29.03%）、中部地區（24.42%）和東北地區（1.85%），四大區域之間差異的貢獻率僅為8.78%。不同時期CO2排放的泰爾指數及走勢如圖5所示，其中，四大區域間差異在2018年開始迅速提升，2020年的貢獻率為10.78%。

圖5 四大區域采礦業能源消費CO2排放差異Fig. 5 Differences of CO2 emission from energy consumption of mining industry of four regions

表2 不同時期四大區域采礦業能源消費CO2排放與基尼系數Table 2 CO2 emission and Gini index of mining industry energy consumption of four regions in different times

2.3 CO2排放驅動因素分析

LMDI分解顯示，2004—2020年我國采礦業能源消費CO2排放量累計增長0.86×108t，產值變化效應、能源強度效應、能源結構效應的貢獻率分別為264.80%、-142.62%和-22.18%，如圖6所示。由圖6可知，產值增長是我國采礦業能源消費CO2排放的主要增排因素，能源強度是關鍵減排因素，能源結構起微弱的減排作用。各地區CO2排放差異是這些因素綜合作用的結果。全國層面上，隨著我國工業化、城鎮化的加速推進和對外貿易的發展，各類礦產資源需求迅速增加，采礦業產值從2004年的1.02×1012元快速增長至2012年的4.75×1012元，年均增長21.18%，其產生的CO2排放累計效應從2005年開始不斷增加，到2013年達到4.87×108t。此后，隨著我國經濟社會的綠色轉型和全球經濟增長的放緩，需求的減少導致采礦業產值逐步下降至2020年的2.38×1012元，年均下降8.25%，其CO2排放累計效應也逐年下滑至2020年的2.27×108t。采礦業能源消費強度由2004年的0.84 tce/104元逐步下降至2013年的0.34 tce/104元，年均下降9.60%，其產生的CO2排放累計效應由-0.32×108t下降至-3.04×108t，隨著能源消費強度的波動式上升至2020年的0.34 tce/104元，其CO2排放累計效應也上升至-1.22×108t。由于我國“富煤、貧油、少氣”的能源資源稟賦，采礦業以原煤、焦炭等高碳排能源為主的能源消費結構未發生大幅變化，2010年仍占80%，此后，隨著天然氣等低碳排能源消費占比的逐步提高，能源結構減排作用逐步增強，2013年其累計效應由正轉負，并持續增強至2020年的-0.19×108t。

圖6 我國采礦業能源消費CO2排放驅動因素的累計效應Fig. 6 Cumulative effects of driving factors of CO2 emissions from energy consumption of mining industry in China

四大區域層面，2004—2020年，產值變動累計效應均起正向的增排作用，其中，西部地區增排作用最強，為1.16×108t，其次是中部地區和東部地區，東北地區最弱，僅為0.03×108t。除東部地區外，能源強度累計效應均起減排作用，其中，中部地區減排作用最強，達到0.87×108t；東部地區由于2018年以來能源消費強度大幅提高，其累計效應在2020年轉為正向的增排作用。能源強度累計效應均起負向減排作用，其中，西部地區最強，東部地區最弱，如圖7所示。

圖7 四大區域采礦業能源消費CO2排放驅動因素的累計效應Fig. 7 Cumulative effects of driving factors of CO2 emissions from energy consumption of mining industry of four regions

省域層面，2004—2020年，共有24個地區產值變動累計效應起增排作用，其中，四川、河南、河北、貴州、安徽的產值變動效應居前五位，均超過0.20×108t；黑龍江、山東、青海、天津、廣東五個地區的產值變動效應為負向減排作用，主要是這些地區采礦業產值出現明顯下滑，導致碳排放減少。共有20個地區能源強度累計效應起減排作用，其中，河南、貴州、四川、安徽、寧夏的能源強度效應居前五位，山東、陜西、黑龍江、青海等九個地區能源強度累計效應起增排作用。共有18個地區能源結構累計起減排作用，其中，重慶、四川、遼寧、山東能源結構優化，減排作用明顯；陜西、天津等11個地區能源結構起較弱的增排作用，能源消費結構亟待優化調整，如圖8所示。

圖8 省域采礦業能源消費CO2排放驅動因素的累計效應Fig. 8 Cumulative effects of driving factors of CO2 emissions from energy consumption of provincial mining industry

3 結論與討論

本文基于省域尺度，對2004—2020年我國采礦業能源消費CO2排放、時空變化及差異特征、驅動因素的研究，得出以下主要結論。

1）2004—2020年，我國采礦業能源消費CO2排放總體呈倒V型走勢，2013年前增長迅速，此后穩步下降。排放主要來源于煤炭開采與洗選業、油氣開采業以及原煤、天然氣和柴油消費。單位產值CO2排放先降后升，單位能耗CO2排放下降緩慢。

2）我國采礦業能源消費CO2排放空間分布不均，主要集中在山東、河北、河南、四川、安徽、陜西等礦業大省。年均變化上，陜西、云南年均增速快、增量大，北京、湖北、浙江下降速度快。省域排放差異較大，經歷了快速上升（2004—2005年）→逐步縮小（2006—2013年）→穩步擴大（2014—2020年）的演化過程。差異主要來自區域內部，其中，西部地區內部貢獻最大，東北地區內部貢獻最小；四大區域間差異貢獻相對較小，但呈擴大趨勢。

3）產值增長是我國采礦業能源消費CO2排放的主要增排因素，能源強度是主要減排因素，能源結構起較弱的減排作用。這些因素不同時期在四大區域、省域采礦業能源消費CO2排放作用程度有所區別，需要實施差異化的減排政策。

4）結合以上結論，為促進采礦業的低碳發展，一是在保障國家能源資源安全供應的前提下，充分利用國際資源市場，加快國內產業結構的綠色轉型，防止高能耗、高污染、高排放產業和低端制造業盲目增長導致采礦業需求快速擴張引發碳排放大幅增加；二是聚焦主要消費能源，考慮國內資源稟賦條件，提高排放系數較高、消費比重較大的煤炭類能源的清潔高效利用水平，同時進一步優化能源消費結構，提高天然氣等清潔能源消費比重；三是關注重點區域、重點行業和關鍵環節，聚焦山東、河北、河南、四川、陜西、安徽、云南等CO2排放多、增量大的地區，廣東、青海等增速快的地區，以及煤炭、油氣行業，加快礦產開采、洗選等領域節能和綜合利用先進適用技術、設備的研發與應用，推進共伴生礦產和尾礦、煤矸石等廢棄物的綜合利用，提高能源利用效率，大力發展礦業循環經濟；四是進一步加強綠色礦山建設、發展綠色礦業，開展采礦損毀土地、歷史遺留礦山等生態保護修復。

采礦業能源消費CO2排放是一個復雜系統，除從區域、行業等宏觀尺度估算外，還需要從企業、產品等微觀角度精確測度。同時，影響因素除經濟增長、能源強度、能源結構外，還與環境規制、技術進步、空間效應等密切相關。隨著相關統計、核算等理論、方法和數據等基礎的不斷完善，該領域的研究將在精度和廣度上進一步拓展，為行業綠色低碳發展、“雙碳”目標實現提供更加堅實的支撐。