工業能源消費碳排放的脫鉤狀態與驅動因素研究

〔摘要〕 文章基于終端能源消費視角分析了1997-2021年四川省工業的碳排放變化特征，在此基礎上采用Tapio脫鉤模型評估碳排放與工業經濟的關系，進一步運用LMDI方法考察了工業發展、能源強度、能源結構、行業規模等驅動因素對工業碳排放的影響。研究結果表明：1997-2021年四川省工業能源消費碳排放量呈現小幅下降、快速增長、逐步回落三個階段的發展態勢，于2013年達到階段性峰值，碳排放強度總體呈逐漸下降趨勢。2013年以后有62.5%的年份出現強脫鉤，表明工業綠色低碳化發展成效顯著。工業發展和行業規模對碳排放具有促進作用，但近年來促進效應呈收縮趨勢；能源結構和能源強度對碳排放增長起抑制作用，近年來抑制效應有明顯擴大的趨勢；相比行業規模和能源結構，工業發展和能源強度對四川省工業能源消費碳排放的作用效果更為明顯。

〔關鍵詞〕 工業碳排放；脫鉤分析；LMDI

〔中圖分類號〕F427 〔文獻標識碼〕A 〔文章編號〕1008-0694（2024）02-0095-14

全球氣候變暖是人類當前面臨的主要環境威脅之一，綠色低碳發展是應對這一威脅的必然選擇。2020年9月，國家主席習近平在第七十五屆聯合國大會一般性辯論上發表重要講話，提出“中國將提高國家自主貢獻力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現碳中和”。積極穩妥推進碳達峰碳中和，既是我國參與全球氣候治理、履行對國際社會莊嚴承諾的必然舉措，也是破解資源環境約束、實現可持續發展的現實需要，更是推進中國式現代化的內在要求。工業是能源消費最大的領域，優化能源消費總量與結構是實現“雙碳”目標的重要舉措。

判斷碳排放發展特點和所處階段，分析各類社會經濟因素對碳排放的作用并量化其影響大小是提高政策有效性的前提，因此近年來碳排放脫鉤狀態及驅動因素研究受到了學界廣泛關注。經濟增長一度被認為是碳排放增長的主要原因，環境庫茲涅茨曲線（EKC）假說認為，環境污染隨著人均收入水平的提高呈現先升后降趨勢，兩者存在“倒U型”曲線關系。經濟發展與環境污染之間從相互制約到響應關系不再存在的過程也被稱為“脫鉤”，實現碳達峰碳中和必須將碳排放和經濟發展脫鉤。大量研究表明，經濟發展和碳排放之間的關系并不總是呈現出環境庫茲涅茨曲線假說所認為的“倒U型”關系，而存在地區差異、行業差異和發展階段差異等。許廣月等（2010）基于1990-2007年我國省域面板數據的研究發現，我國東部、中部地區存在人均碳排放環境庫茲涅茨曲線，但是西部地區不存在該曲線〔1〕。王藝明等（2016）的研究也得出對于碳排放而言環境庫茲涅茨假說不成立的結論〔2〕。何小鋼等（2012）考察了中國工業二氧化碳庫茲涅茨曲線（CKC）的類型，研究發現該曲線呈“N型”走勢，而非傳統的“倒U型”〔3〕。劉曉燕（2019）對2003—2017年江蘇省工業能源消費二氧化碳排放量進行了估算，認為碳排放規模、碳排放強度與勞均產出之間的關系分別呈現出“N”和倒“N”型〔4〕。概言之，碳排放與經濟增長之間的關系曲線存在地區異質性和產業異質性，到達拐點后可能再次轉為上升，對不同地區、不同產業部門的碳排放脫鉤狀態進行具體的、動態的考察能夠進一步支撐科學決策。

在研究對象方面，一些研究測算整個國家的碳排放并探討經濟增長、人口增長、能源消費、能源結構、技術進步、產業結構等因素對碳排放的影響。蔣金荷（2011）采用LMDI法定量分析了中國1995-2007年碳排放變化的影響因素〔5〕。王杰等（2021）對1987-2017年金磚國家碳排放進行分析，認為經濟強度和人口是碳排放的主要正向驅動因素〔6〕。Salahuddin等（2016）研究了OECD成員國家互聯網使用、經濟增長對碳排放的短期和長期影響〔7〕。Minjie Hu等（2020）基于Tapio脫鉤模型和LMDI模型，分析了1991-2016年57個“一帶一路”國家碳排放脫鉤情況和驅動因素，發現經濟增長是導致幾乎所有國家碳排放增長的突出因素〔8〕。Jiaxiu Li等（2019）探討了1992—2014年中亞地區五國碳排放的影響因素〔9〕。現有文獻除了以整個國家的碳排放為研究對象外，也有部分研究分析了特定區域或省份的碳排放。楊欣等（2013）運用LMDI法分解了武漢城市圈碳排放的影響因素〔10〕。郭藝等（2023）對長江經濟帶電力生產、傳輸和消費過程中碳排放量的影響因素進行了分解〔11〕。葉曉佳等（2011）將浙江省碳排放作為研究對象，采用LMDI法將碳排放的驅動因素分解為四大類效應〔12〕。王明珠等（2023）對我國中部六省終端能源消費碳排放影響因素及其與經濟增長脫鉤關系進行研究〔13〕。初麗霞等（2022）采用Tapio脫鉤模型和LMDI模型，分析山東省碳排放總體發展特點和影響碳排放的各種因素〔14〕。Qiang Wang等（2019）通過對比分析我國東、中、西部六省交通運輸部門經濟產出與碳排放的脫鉤狀態，發現三地區脫鉤狀態存在一定差異，但碳排放的驅動因素類似〔15〕。

一些學者針對特定產業部門的碳排放影響因素進行分析，如農業、旅游、交通運輸業、工業等〔16-18〕。具體到工業領域，Shenggang Ren等（2014）對1996-2010年中國制造業碳排放影響因素進行分解，結果表明經濟產出增加是對碳排放增加影響最突出的因素〔19〕。Ye Hang等（2019）對1995-2015年中國制造業增加值與碳排放脫鉤情況進行了分析，認為產業結構調整和碳強度下降遠沒有達到預期的減排效果〔20〕。馬曉君等（2019）采用GDIM法分析2000-2016年中國工業碳排放的驅動因素〔21〕。李治國等（2019）以山東省制造業碳排放為研究對象，采用GDIM法對能源、投資、產值等碳排放演變驅動因素進行分解〔22〕。王航星等（2022）采用GDIM法對安徽省工業碳排放影響因素進行分解〔23〕。付華等（2021）采用LMDI方法通過分階段及分行業分解，分析了中國制造業28個子行業的排放及影響因素〔24〕。

考察省級層面工業能源消費碳排放對各地因地制宜梯次有序推進碳達峰碳中和具有重要指導意義。四川省是經濟大省，2022年工業增加值居全國第八位。四川省也是清潔能源大省，擁有水、風、光、氣等綠色資源優勢，但仍然面臨較大的生態環境壓力。工業加速綠色低碳化發展是四川省建設現代化產業體系的必然要求，也對其他省份具有參考借鑒意義。研究工業能源消費碳排放的脫鉤狀態與驅動因素，對實現“雙碳”目標、筑牢長江黃河上游生態屏障、維護國家生態安全具有重要意義。目前，關于四川省工業碳排放脫鉤狀態及驅動因素的研究較少。張丹等（2019）運用回歸模型研究了四川省工業碳排放的影響因素〔25〕，但并未分析工業碳排放的脫鉤狀態；也有學者分析了2010-2017年四川省碳排放脫鉤狀態，并通過LMDI法分解四川全省碳排放影響因素，但并未聚焦至工業領域進行深入分析〔26〕。本研究對四川省工業1997-2021年的能源消費碳排放進行核算，基于Tapio脫鉤模型評估碳排放與工業經濟的相互關系，并運用LMDI方法按階段分析各類因素對四川省工業能源消費碳排放的驅動作用，為四川省以“雙碳”目標引領工業高質量發展提供針對性建議。

一、研究方法與數據來源

1.碳排放核算

考慮到工業能源相關數據的可得性，采用基于終端能源消費的清單法對碳排放進行核算，即將各種能源的終端能源消費量轉化為標準煤消費量，乘以各能源的碳排放因子，最終加總求和得到碳排放總量。計算公式為：

C=∑Cj=∑Ej*μj*βj（1）

式（1）中，其中C為碳排放量，Cj表示第j種能源消費產生的碳排放量，Ej表示第j種能源的消費總量，μj表示第j種能源的折標準煤系數，βj表示第j種能源的碳排放因子。

2.Tapio脫鉤模型

2005年，Tapio提出新的脫鉤理論框架，引進了彈性系數用來計算脫鉤指數，定義了脫鉤、耦合和負脫鉤之間的區別并界定了彈性節點，以進一步對脫鉤關系進行細分〔27〕。根據工業增加值增速（△G/G）與碳排放增速（△C/C）的正負狀態以及脫鉤彈性（ε，碳排放增速除以工業增加值增速）的數值，脫鉤狀態可以分為8類（詳見表1）。

3.LMDI分解方法

碳排放驅動因素研究方法主要有結構分解法、指數分解法等，其中對數平均迪氏指數法（LMDI）具有分解形式靈活、完全分解的特征，且可以對所有因素進行無殘差分解，還可以運用到部分殘缺數據集的分解上，因而在碳排放研究領域受到廣泛運用〔28〕。基于LDMI方法的碳排放驅動因素研究的基礎是運用Kaya恒等式構建碳排放與經濟、政策、人口等影響因素的數學關系〔29〕。利用此方法，可對全球尺度、地區尺度、產業尺度的碳排放進行分解。基于本研究的主要目的和四川省工業發展的實際，利用LMDI方法，選取能源結構、能源強度、工業發展和行業規模四個驅動因素，將四川省工業碳排放量C表示為：

式（2）中，C為碳排放量，j為原煤、天然氣等20種能源之一，Cj為第j種能源碳排放量，Ej為第j種能源消耗量，E為能源消耗量，G為工業增加值，P為行業規模，用工業就業人數表征。CE為碳排放系數，ES為能源結構，EI為單位工業增加值消耗能源量，即能源強度，IG為工業發展，用人均工業增加值表征。采用LMDI方法的加法分解形式，式（2）分解后可得到如下等式：

△C=Ct-C0=△CE+△ES+△EI+△IG+△P（3）

式（3）中，△C為第0年至第t年四川省工業碳排放的變化量，Ct為末期第t年四川省工業碳排放量，C0為基期第0年四川省工業碳排放量。△CE代表碳排放系數效應，根據聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）的假定，能源碳排放系數不隨時間變化，即碳排放系數效應可以忽略不計，△CE=0；△ES代表能源結構效應；△EI代表能源強度效應；△IG代表工業發展效應；△P代表行業規模效應。

以上分解因素貢獻值的基本方程如下所示：

貢獻度（con）用于衡量上述四因素對工業碳排放的影響大小。貢獻度越大，表明該因素對工業碳排放的影響越明顯。貢獻度（con）的計算公式為：

式（8）中，conx是某驅動因素的貢獻率；△x是某驅動因素的效應量。

4.數據來源

能源消費量數據來源于《中國能源統計年鑒》。《中國能源統計年鑒》提供了30種能源消費數據，為在不影響分析結果的前提下簡化計算，參考Yuli Shan等〔30〕的分類方法將能源種類合并為20種。折標準煤系數主要參考《中國能源統計年鑒》《綜合能耗計算通則（GB/T2589-2020）》。碳排放因子主要根據IPCC、《省級溫室氣體清單編制指南（試行）》、《中國溫室氣體清單研究》（2007）公布的各類能源的凈發熱值和單位熱值當量的碳排放因子測算得出。電力的碳排放因子來源于《生態環境部關于商請提供2018年度省級人民政府控制溫室氣體排放目標責任落實情況自評估報告的函》中的附件。工業增加值數據來源于國家統計局。工業就業人數的數據來源于《四川省統計年鑒》，其中2020年、2021年該數據未公布，采用當年度第二產業就業人數乘以上年度工業就業人數占比進行估算。

二、四川省工業碳排放的特征分析

1.碳排放總量

2021年，四川省工業碳排放量為4874.3萬噸，較1997年增長了130%。1997-2021年四川省工業碳排放呈現出三個階段的發展態勢。1997-2001年為小幅下降階段，由1997年的2119萬噸下降至2001年的1679萬噸，下降20.8%，年均下降5.7%，主要原因是此階段煤炭類能源消費量逐年下降。2002-2013年為快速增長階段，由1905萬噸增長至6328萬噸，增長了2.32倍，年均增速達約12%。2014-2021年為逐步回落階段，四川省工業碳排放于2013年達到最大值，2014年開始部分年份變化較小、部分年份快速下降、個別年份小幅反彈，以年均3.1%的降幅，從2013年的最大值6328萬噸下降到2021年的約4874萬噸，減少了約1/4的碳排放，大體相當于回到2009年四川省工業碳排放總量水平。這說明四川省工業綠色化低碳化發展成效較好，同時結合四川省工業占比近年來快速下降的趨勢來看，也反映了四川省工業化進程放緩。

2.碳排放強度

碳排放強度指單位工業增加值增長帶來的碳排放量。為避免價格因素影響，以1997年為基礎對工業增加值數據價格平減后進行分析。1997-2020年四川省工業能源消費碳排放強度總體呈逐漸下降趨勢（見圖1），由1997年的1.98噸/萬元下降至2021年的0.41噸/萬元，年均降幅約6.1%。換言之，2021年四川省單位工業增加值所排放的碳僅為1997年時的1/5左右。1997-2001年是碳排放強度下降最快的階段，以年均10.7%的降幅從1997年的1.98噸/萬元減少至2001年的1.25噸/萬元。2002-2013年碳排放強度年均降幅減少至3.8%。2014-2021年碳排放強度年均降幅有所提升（7.2%），2021年四川省工業碳排放強度僅有上一階段末期的一半左右。碳排放強度的下降與這一時期工業能源消費結構調整緊密相關。

3.碳排放結構

煤炭類能源是四川省工業碳排放的最大碳源，也是碳排放占比變化最大的能源類型。2021年，煤炭類能源燃燒的碳排放量占四川省工業碳排放總量的59.3%；天然氣類能源產生的碳排放量次之，約占四川省工業碳排放總量的20%；電力碳排放量約占四川省工業碳排放總量的10%；石油類能源和熱力導致的碳排放較少，兩者之和約占總量的10%左右。1997-2012年，煤炭類能源的碳排放量占四川省工業碳排放總量的比例持續波動，占比最高于2012年達到82.0%。2013年開始，隨著四川省工業能源消費結構的調整，煤炭類能源碳排放量占比也開始逐步下降。2012-2021年十年間煤炭類能源碳排放量占四川省工業能源碳排放總量的比例減少22.7個百分點。與煤炭類能源相反，天然氣類能源、電力、熱力的碳排放量占比總體呈上升趨勢，進入“十三五”之后天然氣類能源和電力的碳排放量占比變化尤其明顯，2021年天然氣類能源、電力的碳排放量占比分別是五年前的2倍和1.8倍。

三、四川省工業碳排放的脫鉤分析

表4給出了1998-2021年四川省工業能源消費碳排放與工業經濟增長的脫鉤指數，進而判斷脫鉤狀態。1998-2021年近80%的年份四川省工業能源消費碳排放與工業經濟增長處于脫鉤狀態，45%的年份處于強脫鉤狀態，表明四川省工業綠色低碳化發展取得了良好成效。分階段來看，1998-2001年工業能源消費碳排放負增長、工業經濟正增長，該階段全部為強脫鉤。2002-2013年工業能源消費碳排放、工業經濟均快速正增長，僅有2年（16.7%的年份）出現強脫鉤，5年（41.67%的年份）出現弱脫鉤，碳排放與工業經濟增長依存關系仍然緊密，脫鉤情況并不理想。四川省工業能源消費碳排放達到最大值之后的2014-2021年，工業能源消費碳排放負增長、工業經濟正增長，超過60%的年份處于強脫鉤狀態，四川省工業能源消費碳排放與工業經濟發展的脫鉤狀態較上一階段有較為顯著和穩定的改善。

四、四川省工業碳排放的驅動因素

按照上文分析的三個階段，對工業發展、行業規模、能源強度、能源結構等因素的貢獻值取平均值，以衡量各因素在不同時期發揮的作用（詳見表5）。從長期來看，工業發展和行業規模促進工業碳排放增長，能源結構和能源強度抑制碳排放增長。工業發展因素是四川省工業能源消費碳排放增加的首要驅動力。1997-2021年工業發展因素年均增加345.7萬噸碳，貢獻度為54.7%。行業規模因素年均增加27.7萬噸碳，效應量不足工業發展因素的10%，貢獻度為4.4%，表明行業規模擴大一定程度導致了四川省工業能源消費碳排放的增長，但與工業發展因素相比，行業規模因素對碳排放的促進作用較為邊緣。1997-2021年，能源結構因素年均減少41.4萬噸碳，貢獻度為-6.5%；能源強度因素年均減少217.2萬噸碳，貢獻度為-34.4%。能源強度因素的效應量是能源結構因素的5.2倍，表明能源強度是抑制四川省工業碳排放的主要因素。

工業發展、行業規模、能源強度、能源結構對工業碳排放的影響在不同階段存在不同方向、不同程度的表現。從單個因素的效應來看，能源結構在前兩個階段的平均效應量比較接近，分別為-20.6和-15.0，而到2013-2021年平均效應量增長5倍，達到-91.4，表明該階段實施了更為有效的能源結構調整措施，帶來減排量的大幅增長。2001-2013年能源強度因素的平均效應量較1997-2001年減少了20%，主要原因是這一階段能源強度下降速度從前一階段年均下降10.9%下滑到本階段年均下降4.3%；2013-2021年能源強度因素的平均效應量大幅提升，是2001-2013年的兩倍多，該階段能源強度年均下降7.0%。2001-2013年工業發展因素的效應量較1997-2001年增長3.9倍，而2013-2021年的效應量較上一階段減少近1/4。行業規模因素在前兩個階段呈現對碳排放的促進作用，而在2013-2021年轉為抑制作用，這一變化與2017年后四川省工業就業人數保持穩定有關。

驅動因素貢獻度的階段性變化也影響了四川省工業能源消費碳排放量的變化趨勢。1997-2001年，能源強度因素的貢獻度最顯著（-60.8%），其抑制作用遠大于工業發展（28.0%）、行業規模（4.8%）因素帶來的碳排放增長，導致本階段工業能源消費碳排放量有所下降。2001-2013年，四川省工業經濟高速增長，工業發展因素的貢獻度最顯著（60.3%），與行業規模（16.4%）因素相加的驅動作用遠大于能源結構（-2.1%）、能源強度（-21.3%）的抑制作用，導致本階段工業能源消費碳排放量的不斷攀升。2013-2021年，能源強度因素（-37.8%）、工業發展因素（39.3%）的貢獻度都較為顯著，兩者效應量大體相當，同時能源結構優化（-10.7%）、行業規模相對收縮（-12.1%）減少了部分碳排放，最終呈現出本階段工業能源消費碳排放量下降趨勢。

四川省工業能源消費碳排放量與工業經濟增長的相互關系、碳排放量變化的驅動因素與我國的經濟發展方式緊密相關。隨著2001年中國加入WTO，四川省工業增加值維持了長時間的高速增長，名義增速最高時超過27%，生產規模的擴大和重速度輕質量的發展方式帶動能源消費量高速增長。鋼鐵、水泥等高耗能產業逐步出現的產能過剩問題，更加劇了能源消費量擴張，“十五”至“十一五”期間，四川省工業能源消費總量年均增速高達13.0%，部分年份增速達到20%以上資料來源：四川省能源消費相關數據均根據《中國能源統計年鑒》計算而得。。同時，“十二五”前四川省工業能源消費中煤炭類能源長期維持在60%上下，導致工業增長快但碳排放強度下降十分緩慢。“十一五”時期，我國首次把能源消耗強度降低和主要污染物排放總量減少確定為國民經濟和社會發展的約束性指標，著力扭轉能源消耗強度和主要污染物排放量上升的趨勢，四川省在此期間對7個高耗能行業的落后生產能力采取關閉和淘汰等措施，但是，由于四川省資源型高載能產業比重較大，能耗依然偏高。

“十二五”時期，我國經濟進入中高速增長的新常態，經濟發展方式從規模速度型粗放增長轉向質量效率型集約增長，工業領域出臺了《工業轉型升級規劃（2011-2015年）》及《工業節能“十二五”規劃》等節能減排政策文件。“十二五”以來，四川省積極響應國家層面對工業轉型升級、發展戰略性新興產業、節能減排的規劃和要求，《關于進一步加強淘汰落后產能工作的通知》明確增加5個淘汰落后產能的行業，大力進行技術改造和新技術新設備引進，工業能源消費結構隨之發生顯著改變。“十二五”中后期，各項政策措施的作用開始顯現，四川省工業領域能效得到大幅提升，“十二五”全省單位工業增加值能耗累計下降38.98%，減少大量不合理能源消費，能源強度因素抑制碳排放的效應凸顯，碳排放總量增速放緩并在此期間達到最大值，碳排放與工業經濟增長強脫鉤頻繁出現。“十二五”以來，四川省大力推進清潔能源科學開發、優先開發，清潔能源產能實現快速增長，風電、光伏等新能源實現從無到有、從有到優，工業能源消費結構清潔化、低碳化特征愈發明顯。“十三五”后的四川省工業能源消費結構調整尤為突出，煤炭類能源消費占比從過去近20年長期維持60%的狀態，在6年間快速下降近14個百分點，天然氣類能源消費占比快速上升了約10個百分點，電力消費占比也上升了近9個百分點，這解釋了該時期能源結構抑制效應的明顯增加。由于四川省省級電網具有水電占比高的突出優勢，電力較其他省份更為清潔、碳排放因子更低，電力消費占比的快速上升顯著拉低了四川省工業碳排放強度，能源強度抑制碳排放的效應仍是最大影響因素。2018年開始，能源強度效應雖比2001-2013的年均貢獻值更大，但出現縮小趨勢，說明四川省工業的節能降耗存在一定效益遞減問題。

五、結論與政策建議

1.主要結論

本研究采用LMDI分解方法對四川省工業能源消費碳排放的驅動因素進行了分解，并運用Tapio脫鉤模型進行了脫鉤分析，主要結論有：

（1）1997-2021年四川省工業能源消費碳排放量呈現小幅下降、快速增長、逐步回落三個階段的發展態勢，于2013年達到最大值，出現了階段性拐點。

（2）碳排放強度總體呈逐漸下降趨勢，2021年為0.41噸/萬元，約為1997年時的1/5。

（3）近年來，四川省工業能源消費結構顯著優化，煤炭類能源近年來消費占比明顯下降，但仍是四川省工業能源消費碳排放的最大碳源。天然氣、電力是四川省的優勢能源，近年來在工業能源消費結構中的占比有所提升，但還有較大提升空間。

（4）1998-2021年近80%的年份四川省工業能源消費碳排放與工業經濟增長處于脫鉤狀態，四川省工業能源消費碳排放達到峰值之后的2014-2021年，出現5年強脫鉤狀態，四川省工業能源消費碳排放與工業經濟發展的脫鉤關系有較為顯著和穩定的改善。

（5）工業發展和行業規模促進工業能源消費排放增長，近年來對碳排放的促進效應都有收縮趨勢；能源結構和能源強度抑制碳排放增長，近年來對碳排放的抑制效應明顯擴大。其中工業發展和能源強度影響四川省工業能源消費碳排放的效應更大，是應重點關注的因素。

2.政策建議

基于上述研究結論，提出以下政策建議：

（1）進一步優化工業能源消費結構。《四川省能源領域碳達峰實施方案》要求，到2025年電能占終端用能比重達到30%，而本研究核算的2021年四川省工業電力消費占比僅有23.9%，且煤炭類能源消費占比仍接近一半，四川省工業能源消費結構的優化空間還較大。四川省作為全國最大的清潔能源基地，具備深入推進清潔能源替代工程的突出優勢，建議推動能耗“雙控”逐步向碳排放“雙控”轉變，采取技能環保改造和投資補貼、稅收優惠、綠色能源消費支持等方式，引導企業降低能耗強度和開展清潔能源替代，進一步降低煤炭消費占比、提升綠色電力消費占比，積極推進綠色制造體系建設；加快建設綠色電力市場，不斷提高綠電供應水平。

（2）持續推動產業轉型升級。能源消費的總量與結構受到產業結構的突出影響，建議進一步優化產業結構，重塑產業競爭優勢，完善相關支持政策，加快發展戰略性新興產業和清潔能源、動力電池、晶硅光伏、釩鈦和存儲產業等綠色低碳優勢產業，將四川省清潔能源優勢轉化為產業發展優勢。遏制“兩高一低”項目盲目發展，有序淘汰落后產能。堅持在保持制造業比重基本穩定、確保產業鏈供應鏈安全、滿足合理消費需求的同時，將“雙碳”目標愿景貫穿工業生產各方面和全過程。

（3）加快提升產業發展集聚度。產業集聚有利于實現高效的資源配置，有利于碳排放強度的降低。堅持向工業發達地區集中、向資源優勢區集中的原則，制定四川省工業總體空間布局圖，明確各經濟區和市州的主導產業。推動形成以園區為載體的產業集群，引導企業按行業類別向產業園區集中，加快創建國家碳達峰試點園區。深化跨區域協同發展，提升四川省五大經濟區工業協同水平，推動成都平原經濟區與其他經濟區深度合作，形成園區共建、鏈式配套、功能聯動的共贏生態圈。

（4）加大工業科技創新力度。科技創新不僅能提高能源利用效率，還能變革生產方式，實現新能源替代效應等。四川省要突破一批“卡脖子”技術和關鍵共性技術，促進綠色低碳技術、裝備、產品的推廣應用。促進多主體協作，聯合企業、高校、科研院所、中介機構、金融資本等打造綠色技術創新與應用平臺。布局建設綠色技術交易平臺，推動綠色技術交易服務水平提升。加大高新技術企業、瞪羚企業、獨角獸企業等創新型企業培育力度，支持企業建立技術中心、工程（技術）研究中心、院士工作站等創新平臺。鼓勵企業應用人工智能、大數據、5G等新一代信息技術進行能源資源、污染物排放的實時動態監測和精準分析控制，提升工業企業能源和環境管理水平和決策科學化水平。推進“工業互聯網+綠色低碳”建設，鼓勵企業開展內外網改造。

參考文獻：

〔1〕許廣月，宋德勇.中國碳排放環境庫茲涅茨曲線的實證研究——基于省域面板數據［J］.中國工業經濟，2010，（05）.

〔2〕王藝明，胡久凱.對中國碳排放環境庫茲涅茨曲線的再檢驗［J］.財政研究，2016，（11）.

〔3〕何小鋼，張耀輝.中國工業碳排放影響因素與CKC重組效應——基于STIRPAT模型的分行業動態面板數據實證研究［J］.中國工業經濟，2012，（01）.

〔4〕劉曉燕.基于STIRPAT模型的工業能源消費碳排放影響因素分析［J］.生態經濟，2019，（03）.

〔5〕蔣金荷.中國碳排放量測算及影響因素分析［J］.資源科學，2011，（04）.

〔6〕王杰，李治國，谷繼建.金磚國家碳排放與經濟增長脫鉤彈性及驅動因素——基于Tapio脫鉤和LMDI模型的分析［J］.世界地理研究，2021，（03）.

〔7〕 SALAHUDDIN M，ALAM K，OZTURK I.The effects of Internet usage and economic growth on CO2 emissions in OECD countries：A panel investigation［J］.Renewable amp; Sustainable Energy Reviews，2016，（09）.

〔8〕MINJIE HU，RUZI LI，WANHAI YOU，et al.Spatiotemporal evolution of decoupling and driving forces of CO2 emissions on economic growth along the Belt and Road［J］.Journal of Cleaner Production，2020，（12）.

〔9〕JIAXIU LI，YANING CHEN，ZHI LI，et al.Low-carbon economic development in Central Asia based on LMDI decomposition and comparative decoupling analyses［J］.Journal of Arid Land，2019，（04）.

〔10〕楊欣，蔡銀鶯，張安錄.武漢城市圈碳排放的時空格局及影響因素分解研究——基于2001-2009年市級面板數據的實證［J］.長江流域資源與環境，2013，（11）.

〔11〕郭藝，張鵬飛，葛力銘，等.長江經濟帶電力碳排放時空變化及影響因素——基于區域和產業視角［J］.中國環境科學，2023，（03）.

〔12〕葉曉佳，孫敬水，董立鋒.低碳經濟發展中的碳排放驅動因素實證研究——以浙江省為例［J］.經濟理論與經濟管理，2011，（04）.

〔13〕王明珠，高廣闊.中部六省終端能源消費碳排放影響因素及其與經濟增長脫鉤關系研究［J］.江西理工大學學報，2023，（04）.

〔14〕初麗霞，黃夢瑤.山東省碳排放脫鉤效應及影響因素研究——基于Tapio脫鉤指數和LMDI模型分析［J］.環境科學與管理，2022，（09）.

〔15〕QIANG WANG，SHASHA WANG.A comparison of decomposition the decoupling carbon emissions from economic growth in transport sector of selected provinces in eastern，central and western China［J］.Journal of Cleaner Production，2019，（20）.

〔16〕吳賢榮，張俊飚，田云，等.中國省域農業碳排放：測算、效率變動及影響因素研究——基于DEA—Malmquist指數分解方法與Tobit模型運用［J］.資源科學，2014，（01）.

〔17〕查建平，戴家權，劉珂吉，等.旅游增長與碳排放脫鉤狀態及其驅動因素研究——一個新的脫鉤分析框架［J］.旅游學刊，2022，（04）.

〔18〕吳開亞，何彩虹，王桂新，等.上海市交通能源消費碳排放的測算與分解分析［J］.經濟地理，2012，（11）.

〔19〕SHENGGANG REN，HONGYUAN YIN，XIAOHONG CHEN.Using LMDI to analyze the decoupling of carbon dioxide emissions by China’s manufacturing industry［J］.Environmental Development，2014，（09）.

〔20〕YE HANG，QUNWEI WANG，DEQUN ZHOU，et al.Factors influencing the progress in decoupling economic growth from carbon dioxide emissions in China’s manufacturing industry［J］.Resources，Conservation and Recycling，2019，（12）.

〔21〕馬曉君，陳瑞敏，董碧瀅，等.中國工業碳排放的因素分解與脫鉤效應［J］.中國環境科學，2019，（08）.

〔22〕李治國，朱永梅，吳茜.山東省制造業碳排放驅動因素研究——基于GDIM方法［J］.華東經濟管理，2019，（04）.

〔23〕王航星，董洪光，羅濤.安徽省工業碳排放影響因素分解及脫鉤研究［J］.荊楚理工學院學報，2022，（06）.

〔24〕付華，李國平，朱婷.中國制造業行業碳排放：行業差異與驅動因素分解［J］.改革，2021，（05）.

〔25〕張丹，劉建文，高一茹.四川省工業碳排放量影響因素與預測［J］.重慶交通大學學報（社會科學版），2019，（04）.

〔26〕張蕊.四川省碳排放脫鉤現狀及其影響因素分析［J］.經濟研究導刊，2020，（20）.

〔27〕PETRI TAPIO.Towards a theory of decoupling：degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001［J］.Transport Policy，2005，（12）.

〔28〕程郁泰，張納軍.碳排放IDA模型的算法比較及應用研究［J］.統計與信息論壇，2017，（05）.

〔29〕KAYA Y.Impact of carbon dioxide emission on GNP growth：Interpretation of proposed scenarios［R］.Paris：Energy and Industry Subgroup，1989.

〔30〕YULI SHAN，DABO GUAN，HERAN ZHENG，et al.China CO2 emission accounts 1997-2015［EB/OL］.（2024-02-21）.nature.com/articles/sdata2017201.