“電—能—碳”模型的構建與碳排放測算：以江蘇為例

[摘要]江蘇的制造業發展和綠色轉型升級在全國均位于領先地位，在國家推進綠色低碳轉型的大背景下，江蘇如何應對產業結構調整與碳排放減少任務，對我國其他省份乃至全球范圍內的能源與環境政策具有重要參考價值。歐盟碳邊境調整機制（CBAM）對江蘇產業綠色生產提出了新挑戰，形成一套兼顧合理性和時效性、符合中國實際情況的碳排放核算標準，有利于中國企業應對日益嚴峻的出口環境，也有助于整體經濟的穩定發展。通過創新性地提出“電—能—碳”模型算法，利用電力消費數據推算能源消費量，結合碳排放因子精細估算碳排放量?；诮K省電力大數據，對江蘇企業、行業和總體層面的碳排放進行估算，并分析江蘇省碳減排面臨的風險與不足。研究發現，江蘇各行業和企業的碳排放呈總量增加、強度減小的趨勢；“電—能—碳”模型顯著提高碳排放測算的實時性與精度，可以克服傳統方法中能源數據滯后問題，為評估微觀企業層面的碳排放提供支持。最后，從完善碳測算體系、增強技術創新、調整產業結構、加強監管力度等方面對下一階段江蘇乃至全國的低碳發展提出建議。

[關鍵詞]碳排放測算；“電—能—碳”模型；產業綠色發展；CBAM

一、 引言

隨著以人工智能和數字化技術為代表的新一代技術革命不斷深化，經濟有效地開發可再生能源成為應對氣候變化最重要的挑戰之一。溫室效應、空氣污染、氣候變暖和海平面上升等環境問題嚴重影響了人類生產生活。碳排放問題很早就引發了全球廣泛關注，各國際組織已經推出了一系列環保政策和措施，包括《京都議定書》規定了各國溫室氣體排放量，《巴黎協定》提出將21世紀全球平均氣溫上升幅度控制在2攝氏度以內，并推動全球向低碳經濟和可持續發展轉型。

近年來，歐盟碳邊境調整機制（Carbon Border Adjustment Mechanism，CBAM）受到廣泛關注1。CBAM相關文件強調，該機制是對進入歐盟的商品生產產生的溫室氣體排放的關鍵工具，旨在確保歐盟的氣候目標不受破壞，并鼓勵非歐盟國家的清潔生產。本質上，CBAM會對進口到歐盟的商品中隱含的碳排放征收額外關稅。根據CBAM提供的商品碳排放核算方法和流程，每項商品在生產過程中排放的二氧化碳（CO2）以及其他溫室氣體（如甲烷、氮氧化物等），均被折算為CO2當量。相關數據首先由企業自行提供，生產企業需要提供詳細的排放數據，包括生產過程中各個環節的能源消耗和碳排放量，包括燃料使用量、原材料消耗、生產工藝以及排放因子的具體值。為了確保數據的準確性和真實性，企業提供的排放數據首先需要經過獨立的第三方機構核查，最后根據歐盟提供的標準化排放因子，對商品最終的排放情況進行核算。中國是世界第二大經濟體和全球最大的出口國，CBAM的執行對中國企業和政府提出了新的挑戰。為了避免關稅定向提升帶來的國際競爭力下降，中國企業特別是傳統制造業企業面臨技術升級改造帶來的創新壓力，貿易摩擦加劇可能導致相關企業出口結構的變化，需要開拓歐洲以外新的市場[1]。

江蘇是綠色生產改造的重要陣地。首先，江蘇的經濟發展水平較高、制造業較為發達。作為制造業大省，江蘇產業必然在相關政策中受到極大的沖擊。近年來，江蘇積極推動綠色低碳發展，并采取了包括產業升級、能源結構調整和清潔能源發展等一系列措施。研究江蘇地區的創新措施及其在能源轉型中的效果，能夠為其他地區提供切實的政策經驗和技術路徑，具有重要的實踐意義和理論價值。

其次，江蘇的能源消費結構具有一定的特殊性，其能源消耗主要集中在工業領域，且能源結構中的煤炭占比仍較高，這使得江蘇在碳排放方面具有一定的挑戰性。在國家推進綠色低碳轉型的大背景下，江蘇如何應對產業結構調整與碳排放減少任務，對我國其他省份乃至全球范圍內的能源與環境政策具有重要參考價值。同時，江蘇在能源、碳排放及經濟等領域的統計數據完善，且省內相關部門對數據收集和報告的工作機制健全，能夠有效支持本研究的深入分析。

最后，江蘇是技術創新特別是綠色技術創新最為活躍的地區。按照歐盟提供的碳排放算法，將中國和其他發展中國家用統一的標準進行碳核算，無疑會忽略江蘇近年來在綠色創新、碳減排方面的努力，削弱江蘇綠色產品出口的潛在優勢。雖然江蘇政府重視碳排放管理，并已出臺了一些相關政策和措施，但在具體的商品碳排放核算方面，還沒有形成一套完整的、標準化的體系。因此，形成一套兼顧合理性和時效性、符合國內實際情況的碳排放核算標準，有利于江蘇企業應對日益嚴峻的出口環境，有助于整體經濟的穩定發展。

基于此，本文創新性地將電力數據與碳排放測算方法相結合，嘗試構造“電—能—碳”模型算法，對用電主體的碳排放數據進行估計。具體來說，本文首先建立能源消費和電力消費之間的多種回歸模型，利用能源消費和電力消費的歷史數據訓練模型，挑選出最優模型；其次在此基礎上，代入各時間節點、各用電主體的電力消費數據推算當前時間節點的能源消費量；最后利用能源消費情況和碳排放因子計算每個主體的碳排放量。綜合電力數據可得性和研究對象代表性，本文選取江蘇電力數據，對江蘇各行業的用電和碳排放情況進行測算。

本文的邊際貢獻在于：第一，有利于提高碳排放測算工作的時效性。當前碳排放測算方法需要長期統計工作的支持，特別是能源消耗數據滯后性較強，本文構建電—能—碳模型，以電力消費推算各行業能源消耗，并計算相應的碳排放量，電力數據是實時統計的，因此可以得到精細、實時、準確的碳排放數據。第二，提高碳排放測度的準確性。本文結合江蘇的區域能碳特征，構建綜合回歸方法。同時應用ARDL（分布式時滯自回歸）、LR（線性回歸）、AR（自回歸）、SVR（支持向量回歸）、指數回歸等方法，根據實際數據具體分析，選擇合適的算法，提高推算精度。第三，提供細化碳排放測算的可能性。隨著CBAM的逐漸推進，企業層面的碳排放測算和審核勢在必行，本文構建的模型理論上可以監控地區、行業和企業等各個層面的碳排放情況，有助于以較低成本實現企業層面的碳排放審核。

二、 基于關聯特性分析的電能碳模型

1. “電—能—碳”方法介紹

本文的重點在于通過電力消費推算能源消費，在此基礎上結合碳排放因子測算碳排放數據。主要的挑戰在于：一方面，能源數據樣本量小，對于大宗能源，例如原煤、焦炭等能源數據的回歸誤差較小，但是對消耗量較小的能源，例如煤油，提供的數據量較少，可能導致較大誤差；另一方面，能源種類較多，需要綜合考慮不同能源與電力數據間的關聯性強弱。

已有研究表明，中國各地的二氧化碳排放主要來自工業生產過程中化石原料消耗[2]，但是目前并沒有直接數據用于統計相關的排放量。大量文獻利用各種環境和經濟數據，對區域（主要是城市）層面的碳排放進行了近似測度，相關的測度方法可以分為“自下而上”和“自上而下”兩種。自下而上法（Bottom-Up）通過收集具體活動、過程或設施的詳細數據計算總的碳排放量，具有精細化和靈活性的特點。現有研究主要依據聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）提供的排放因子，利用能源燃燒量和碳排放因子進行計算，大多數以煤炭、石油和天然氣等三種一次能源為基準來估算CO2排放的數量[3]。Guan等[4]采用IPCC提供的二氧化碳排放系數和煤炭、焦炭、煤氣、天然氣等11種能源利用方式，計算了寧夏回族自治區18個縣1991—2011年的二氧化碳排放量。一些學者進一步采用投入產出法，測算碳排放量和隱含碳排放量[5]。中國碳核算數據庫（China Emission Accounts for Data Synthesis，CEADs）統計了省、市、縣等多個層面碳排放數據，從生產過程和能源利用兩個方面統計碳排放量，該數據庫目前更新到2019年[6]。

自上而下法（Top-Down）是利用宏觀經濟數據和總體能源消耗數據，通過統計模型和估算方法推算總的碳排放量，適用于國家、區域或行業層面的排放估算，具有覆蓋面廣、數據收集簡便等優點。為了回避地區層面排放數據統計缺失和不統一的情況，一些研究基于遙感照明數據近似估計一定區域的碳排放情況[7]。照明數據優勢在于：一方面，地球表面夜間的亮度分布與人類活動密切相關；另一方面，隨著遙感解譯技術的進步，可以提取和使用時間跨度更長、覆蓋范圍更廣的全球照明數據。Meng等[8]利用國防氣象衛星計劃/運行掃描系統（DMSP/OLS）衛星圖像的亮度數據，對1995—2010年中國287個地級市的二氧化碳排放量進行了縮減和估算。Chen等[9]考慮陸地植被的固碳效應，改進了遙感數據識別方法，測算了縣域層面的碳排放情況。

總的來說，自下而上法更為直觀地反映了碳排放情況，但是需要大量詳細數據和較高的數據收集成本，當前中國的相關統計尚無法支持精細化的測算；自上而下法借助其他的數據庫對碳排放情況進行近似估計，可行性較強，但并不能保證準確性，而且只能應用于區域層面的碳排放測算，難以深入到行業和產品層面。

基于此，本文構建電—能—碳模型，以電力消費推算各行業能源消耗，并計算相應的碳排放量，實現精細、實時、準確數據與粗放、歷史、模糊數據之間的關聯與對應。在此基礎上，本文結合江蘇的區域能碳特征，構建綜合回歸方法，同時考慮ARDL（分布式時滯自回歸）、LR（線性回歸）、AR（自回歸）、SVR（支持向量回歸）、指數回歸等方法，根據實際數據具體分析，選擇合適的算法，提高推算精度。同時，加入社會—經濟—行業數據增強模型可解釋性，針對重點行業收集行業年報和主要大型上市公司年報，提取產量、產值等精準信息，利用GDP等宏觀經濟數據進行輔助測算，從而提取全環節的細化碳排放特征。最后，針對歷史數據缺失問題，構建小樣本情況下的數據修正與恢復方法，使用Cook距離判斷法與趨勢項分解法，將原始數據分解為趨勢項和殘差項進行分列推斷。

2. 電力消費和能源消費之間的多種回歸模型構建

待選模型包括線性回歸模型（Linear Regressive Model，LR）、自回歸模型（Autoregressive Model，AR）、自回歸分布時滯模型（Autoregressive Distributed Lag，ARDL）。

線性回歸模型（LR）由式（1）描述：

[yt=αxt+β+?t] （1）

式（1）中，[yt]和[xt]分別表示時間節點[t]的能源消費量和電力消費量；[α]和[β]為參數；[?t]為噪聲項。

自回歸模型（AR）由式（2）描述：

[yt=δ0+?1yt-1+…+?Pyt-P+?t] （2）

式（2）中，[yt]表示時間節點[t]的能源消費量；[δ0，?1，……，?P]為參數；[?t]為噪聲項。

自回歸分布時滯模型（ARDL）由式（3）描述：

[yt=δ0+δ1t+p=1P?pyt-p+q=0Qβqxt-q+?t] （3）

式（3）中，[yt]和[xt]分別表示時間節點[t]的能源消費量和電力消費量；[δ0]，[?1，……，?P]，[β0，……，βQ]為參數；[?t]為噪聲項。

3. 歷史數據訓練模型與最優模型選取

本文匯總目標區域、產業、能源種類的過去若干年的能源消費量和電力消費量，利用上述歷史數據對可能的相關性模型進行訓練。應用LR模型，對參數[α]和[β]通過最小二乘法求解。對于AR模型的最優自回歸階數[P]通過赤池信息準則（Akaike’s Information Criterion，AIC）最小化原則選取，其中AR模型中的AIC為：[AIC=-2log（L）+P]，其中，[L]為最大似然度。在確定最優自回歸階數后，其參數[δ0，δ1，?1，……，?P]通過最小二乘法求解。對于ARDL模型中的最優自回歸階數[P]和最優時滯階數[Q]，通過AIC最小化原則選取，其中ARDL模型的AIC為：[AIC=-2log（L）+P+Q]。在確定最優自回歸階數和最優時滯階數后，其參數[δ0，δ1]，[?1，……，?P]，[β0，……，βQ]通過最小二乘法求解。

對于上述各類模型，分別計算預測值和[R]方（[R2]），[R]方值最大者選為最優模型，其中[R]方的計算方法為：

[R2=1-i（yi-yi）2i（yi-y）2]" （4）

式（4）中，[yi]是第[i]個時間節點的預測值，[yi]是第[i]個時間節點的真實值，[y]是所有[yi]的平均值。

4. 推算能源消費量

利用最優模型和當前時間節點的電力消費數據推算當前時間節點的能源消費量。獲取當前時間節點的電力消費量[xt]，根據最優模型選擇的不同，分為三種情況計算。如果最優模型為LR模型，將當前時間節點的電力消費量[xt]代入式（5）計算得[yt]為當前時間節點的能源消費量：

[yt=αxt+β] （5）

如果最優模型為AR模型，將前[P]個時間節點的能源消費量[yt-1，……，yt-P]代入式（6）計算得[yt]為當前時間節點的能源消費量預測值：

[yt=δ0+?1yt-1+…+?Pyt-P]" （6）

如果最優模型為ARDL模型，將前[P]個時間節點的能源消費量[yt-1，……，yt-P]，前[Q]個時間節點的電力消費量[xt-1，……，xt-Q]，以及當前時間節點的電力消費量[xt]代入式（7）估計得到[yt]，即為當前時間節點的能源消費量預測值：

[yt=δ0+p=1P?pyt-p+q=0Qβqxt-q+?t]" （7）

5. 碳排放量預測

基于前文推算的能源消費量，結合標準化的碳排因子，可以得到消費主體的碳排放量，具體公式為：

[CEij=ADij×NCVi×CCi×Oij] （8）

式（8）中，[CEij]表示行業[j]消費能源[i]產生的碳排量，[ADij]表示行業[j]中能源[i]的消費量，[NCVi]表示消費單位質量能源[i]產生的凈熱值，[CCi]表示能源[i]產生單位凈熱值時排放的CO2量，[Oij]表示行業[j]在消費能源[i]時的氧化系數。

三、 行業用電量與碳消耗動態趨勢：以江蘇為例1

1. 江蘇各行業用電情況

（1）三次產業用電情況。根據《江蘇省統計年鑒》，省內產業類型可分為三大類。其中，第一產業主要涵蓋的行業為農、林、牧、漁業。第二產業主要涵蓋的行業為工業和建筑業。第三產業主要涵蓋的行業為交通運輸業以及房地產、軟件等各類服務業。

圖1展示了2023年三次產業用電量的月度分布情況。跨行業對比來看，第二產業月用電占比最高，約在80%～85%，第三產業月用電占比保持在10%～20%，第一產業則最低，維持在1%左右。從季節性波動來看，春秋季第二產業用電占比上升、第三產業用電占比下降，夏冬季第二產業占比下降而第三產業上升，第一產業則占比較為平穩。從時間跨度來看，與年初相比較，2023年底第二產業用電占比上升、第三產業用電占比下降約3%。

（2）重點行業用電情況。受夏季高溫干旱天氣影響，江蘇農林牧漁業2023年6月至8月用電量大幅增加，但較2022年同期仍呈負增長態勢，其余月份月均用電同比增長約10%，全年增長約3.8%。能源行業用電量持續位于較高水平，整體用電波動較小，較去年同期增長勢頭不足，全年約同比下降1%，反映了該行業整體景氣程度較低，在未來一段時間發展仍顯動力不足。工業用電量穩步上升，除1月外，其余月份的月用電量約在400多億千瓦時，逼近500億，月均用電同比增速約10%。建筑業月用電量波動較小，整體用電水平較去年同期大幅下降，月均用電同比增速約為-9%。交通運輸業用電量整體保持大幅增長態勢，除1月份外，月均用電同比增速約22%，行業整體發展狀態良好。

本文進一步分析服務業和居民用電情況。受夏冬季氣溫變化及寒暑假期影響，2023年江蘇服務業用電量呈現夏冬季節上升、春秋季節下降的特征，除1月份外，其余月份月均用電同比增長約13%。從整體用電量來看，2023年江蘇居民生活業用電量呈現夏冬季高、春秋季低的特征，春秋季月用電量為夏冬季用電量二分之一，受氣溫影響，居民生活業整體用電季節性波動大。

（3）重點企業用電情況。為了深入分析市場主體的用電情況，進而反映不同產業之間的差異，本文選取三個代表性公司進行數據分析（圖2至圖4）。其中，A公司屬于農、林、牧、漁專用機械制造行業，主要從事農業機械及其配套農機具制造、精準農業設備、拖拉機及拖拉機變形運輸機、聯合收割機、農用運輸車制造。從整體發展趨勢來看，該公司2023年整體用電量處于高速增長態勢，除1月份受春節假期生產減少外，其余月份月均用電同比增長高達37%。從行業影響來看，該公司對農、林、牧、漁專用機械制造行業2023年用電增長貢獻率約80%，部分月份貢獻率一度攀升至107%。從企業生產情況來看，該公司容量利用率基本在55%以上，企業生產效率及資源利用整體處于合理范圍內。該公司在自身保持良好發展態勢的同時，對所屬行業的發展具有強大拉動作用。

B公司屬于電池制造行業，是基于新材料技術成立的鋁加工行業生產及銷售的企業，主要從事各類鋁及鋁合金板、帶、箔材及其深加工制品的研發、生產與銷售。從整體發展趨勢來看，該公司2023年整體用電量雖然不斷上升，但較2022年同期增長速度緩慢，除1月份外，月均用電同比增長約5%。從行業影響來看，該公司對電池制造行業2023年用電增長貢獻率不到1%。從企業生產情況來看，該公司容量利用率基本保持在40%左右，企業生產效率較低且存在資源浪費情況。可以看出該公司生產效率不高，對所屬行業發展貢獻較小。

C公司屬于有色金屬壓延加工行業，主要從事包括鋰電池隔離膜、涂布膜、鋁塑膜、水處理膜等新能源材料技術專業領域內的技術開發、咨詢、轉讓、服務、制造、銷售。從整體發展趨勢來看，該公司2023年用電量均保持正增長，月均用電同比增速約15%，年初增長勢頭強勁，年尾增長速度放緩。從行業影響來看，該公司對有色金屬壓延加工行業2023年用電增長貢獻率約10%。從企業生產情況來看，該公司容量利用率分布在65%～90%，企業生產效率及資源利用度較高?？梢钥闯鲈摴旧a能力強勁，發展較為平穩，對所屬行業整體發展起到的促進作用較小。

2. 基于電—能—碳模型的碳排放測算結果

本文將各行業的用電數據代入“電—能—碳”模型，對每個行業每個時間段的碳排放進行預測，形成結果可以總結為以下幾個方面。

（1）碳排放強度逐年下降，第二產業尤為明顯

由圖5可知從碳排放的三次產業結構來看，第二產業始終是江蘇主要碳排放源。2023年數據顯示，江蘇第一產業碳排總量為1139.91萬噸，占全省碳排總量1%，第二產業碳排總量為66035.56萬噸，占比78%，第三產業碳排總量為10061.64萬噸，占比12%。對比2005年數據可以發現，第三產業和居民生活的碳排放占比增長速度最快。與此相對應，第一產業和第二產業的碳排放占比均出現下降。從碳排放的總量變化趨勢來看，全省碳排總量逐年增長。其中，第一產業碳排總量從2005年的830.02萬噸增加到2023年的1139.91萬噸，同比增長37.34%，第二產業和第三產業的總量增幅分別為63.6%和179.7%。自2014年以來因“十二五”期間省政府提出《工業轉型升級綱要》等一些節能減排政策，推動江蘇制造向江蘇服務轉型，并重點圍繞工業行業企業進行的綜合能耗和能耗強度開展“雙控”工作，第二產業增速得到遏制。除2020年疫情防控期間，因交通限制、居家隔離等措施影響，全省服務業所受沖擊最為強烈，其余時段服務業和交通業碳排總量均持續走高。

由圖6可知，從碳排放強度的年份變化趨勢來看，2005—2022年，江蘇三次產業的碳排放強度均明顯下降。其中，第一產業碳排強度從0.59噸/萬元下降至0.22噸/萬元，第二產業從3.9噸/萬元下降至1.14噸/萬元，第三產業碳排強度從0.55噸/萬元下降至0.15噸/萬元。第二產業碳排放強度下降比例超過70%，第一產業和第三產業下降幅度也分別超過62%和72%，考慮到第二產業本身特性及其在江蘇整體產業中的占比，其降幅度尤其顯著。這說明，2005年以來江蘇省政府圍繞能源利用精細化、能源“雙控”、節能減排的改造取得了階段性成績，《“十二五”工業轉型升級綱要》《國民經濟和社會發展第十二個五年規劃綱要》《江蘇省節約能源條例》等政策法規有效推進了工業能耗管理由粗放式逐步轉向精細化。

（2）工業減排壓力加大，低碳生產模式逐漸形成

總體來看，江蘇省作為工業大省，其碳排放壓力主要來自工業，工業在全省的碳排占比始終高于75%。各行業的碳排占比受江蘇省近年來大力發展第三產業、引導綠色低碳生產的政策因素影響也在不斷變化。

由圖7可知，2005年碳排占比前三的行業為工業、居民生活業和交通運輸業，分別為82%、5%和5%。2023年，隨著產業結構不斷調整、工序工藝轉型升級，碳排占比較高的行業變成工業、居民生活業、交通運輸業和服務業，其中，工業碳排的占比下降至76%，居民生活業和交通運輸業占比上升至9%和6%，服務業的碳排占比增速最快，由2005年的3%上升到6%。

具體來看，工業行業碳排總量先逐年上升后保持穩定。2005年，工業碳排總量為39172.63萬噸，2023年碳排放量為64075.51萬噸，整體漲幅達63.6%。碳排放占比則由82.55%波動下降到75.90%，主要原因是在“十一五”和“十二五”期間，為帶動經濟發展，江蘇大力發展工業，2005—2013年，工業行業碳排放總量逐年遞增，在2014年之后，政府合理控制工業發展規模，大力推動產業結構調整和新能源開發，工業經濟基數大但所占比重平穩下降，同時大力發展新興產業，使粗放的經濟發展方式趨于精細化，經濟發展質量有所提升，工業碳排總量趨于穩定，基本維持在58500萬噸至62000萬噸。

建筑業碳排放總量總體呈波動上升態勢。2005年，建筑業的碳排放總量為472.44萬噸，占比1.03%，2023年，建筑業碳排放總量達到1025.79萬噸，接近2005年的2.2倍，年均增長率為6.51%。建筑業的占比相對比較穩定，總體在0.8%～1.3%，主要是由于2010年以來全省建筑業發展迅猛，在2010—2014年迎來高峰。2014年及之后，國家“十二五”規劃明確提出，要控制建筑業溫室氣體的排放，抓好建筑產業的節能工作，同時，國務院出臺了一系列房地產調控政策，為一直高熱不斷的房地產行業降溫。但房地產仍是當前最熱門行業之一，在這樣的大環境下，建筑業碳排放緩慢上升。

能源行業碳排總量先波動上升后緩慢下降。2005年，能源行業碳排放總量為13598.27萬噸，2023年，碳排放總量為41605.55萬噸，是2005年的3.10倍，年均增長率11.00%。碳排占比與總量變化趨勢基本相同，從28.66%上升到49.26%。主要是由于江蘇經濟迅速發展，對火電廠等能源需求迅速提升，2005—2013年，能源行業的碳排放量穩步增長，但在2013年后政府開始加大環保治理力度，隨著全民環保意識的增強和國家能源政策的推進，以及能源結構調整持續推進，全省大力發展新能源、清潔能源，能源行業碳排放量得到了有效控制。

交通運輸業的碳排放量總體呈穩步上升態勢。2005年，交通行業碳排放量為2229.34萬噸，2023年，碳排放總量增至4981.11萬噸，約為2005年的2.234倍，年均增長率為6.86%。碳排占比小幅增長，總體維持在4.5%～6%。主要是由于在2010年之后，全省私家車保有量大幅增加，政府開始加大環保治理力度，推廣新能源汽車和公共交通，積極建設軌道交通、自行車道等綠色交通設施，對高污染、高碳排放的老舊車輛進行淘汰更新，并加強交通管理，以上一系列措施使交通運輸行業碳排放量增速得到有效控制。

服務業的碳排放和碳排占比總體呈穩步上升態勢。2005年，服務業的碳排放量為1368.22萬噸，2020年受疫情影響，服務業碳排放量明顯下降，而后又穩步上升，2023年，碳排放總量增至5080.52萬噸，約為2005年的3.71倍。碳排占比由2.88%增至6.01%。服務業包含的行業較多，其影響因素也不盡相同。總體來說，由于交通運輸、倉儲和郵政業以及包含現代服務業在內的其他服務業多為資本密集型和能源密集型產業，江蘇經濟的發展使服務業資本投入增加，節能高效的設備得到廣泛應用。以2021年為例，江蘇的第三產業產值超過2005年的8.00倍，而碳排放量僅為2005年的3.50倍，說明近年來江蘇省服務業保持迅速發展的同時，也有效地控制了碳排放量。

四、 江蘇產業低碳發展的不足與風險

1. 技術水平和創新能力不足

在人工智能、數字化、生態環保等革命性技術不斷涌現的背景下，江蘇省的創新能力與國際國內先進地區仍有較大差距，綠色技術等關鍵領域存在“卡脖子”問題。數據顯示，江蘇部分重點企業的電力利用率低于基準線水平。目前，許多企業依賴高能耗、高排放的傳統生產方式，技術改造和創新進展緩慢。盡管政府已出臺相關政策促進低碳技術的發展，但在實際操作中，企業對先進低碳技術的應用仍不充分。這不僅涉及能源的高效利用和再生能源的應用，還包括工業過程的優化和生產設備的升級換代。

此外，企業在低碳技術研發方面的投入也相對不足。部分中小企業因資金短缺無法承擔高額的研發成本，而一些大型企業由于缺乏創新激勵機制，對低碳技術的長期投資動力不足。技術創新需要大量的資金和時間投入，這給企業的財務和運營帶來壓力，因此，低碳技術在全行業的推廣和應用進展緩慢。

同時，許多企業對低碳發展的認識不足，缺乏長遠的戰略規劃和執行力，導致低碳轉型的動力不足和成效有限。企業管理層更關注短期利潤，忽視低碳轉型帶來的長期效益和競爭優勢，這種觀念的局限性使得企業在低碳技術的應用和推廣上動力不足，低碳轉型成效有限。

2. 產業結構亟待升級

作為中國的重要工業基地，江蘇的傳統重化工業在全省經濟中仍占據重要地位，鋼鐵、化工和建材等高能耗、高排放產業對環境造成了巨大壓力，對江蘇產業的綠色轉型升級提出了更高的要求。數據顯示，高能耗產業的比例依然較大。傳統重工業的能源消耗和碳排放水平較高，江蘇省的鋼鐵和化工企業規模龐大，生產過程中消耗大量煤炭和石油等化石燃料，排放大量二氧化碳、硫化物和氮氧化物等污染物。這些排放物不僅對當地空氣質量和生態環境造成嚴重影響，還使全省的碳排放總量居高不下，難以滿足低碳發展的要求。

一方面，重工業作為江蘇的重要經濟支柱，為地方財政收入和就業提供了重要保障，產業轉型面臨較大的經濟和社會壓力。另一方面，新興產業的崛起和發展需要時間和資金投入，無法在短期內完全替代傳統重工業的經濟地位。盡管政府出臺了多項政策支持新興產業的發展，但實際效果仍需時日才能顯現，產業結構的偏重問題依然突出。

此外，產業結構調整還面臨技術和資金的雙重制約。高能耗產業的轉型升級需要大量的技術改造和資金投入，但許多企業，尤其是中小企業，缺乏足夠的資金和技術支持，難以進行大規模的設備更新和技術升級。同時，技術研發和創新能力的不足也限制了新興產業的發展速度和規模，使產業結構調整的步伐受限。

3. 市場機制有待完善

目前，碳市場的覆蓋范圍和深度有限。盡管江蘇已經開始探索碳排放權交易，但碳市場主要覆蓋一些大中型企業和重點行業，許多中小企業和高排放行業尚未被納入交易體系。這種局限性導致整體碳市場的規模和活躍度不足，難以形成有效的市場競爭機制，無法充分發揮市場在資源配置中的優化作用。

此外，江蘇的碳交易市場價格波動較大，缺乏穩定的價格機制。這種價格的不確定性增加了企業參與碳交易的風險，影響了企業的長期決策。同時，碳價格過低也不能有效激勵企業進行技術改造和減排投資，削弱了碳市場的激勵效果。碳市場的流動性不足，使企業在交易過程中面臨較大的操作風險和成本，這進一步限制了市場的吸引力和參與度。

第三，信息透明度和監管力度有待提升。碳市場作為一個新興市場，現有的監管機制和信息披露制度尚不健全。一些企業可能通過隱瞞實際排放量或虛報減排數據規避監管，這不僅影響了市場的公正性和有效性，還可能導致整體減排目標難以實現。市場參與者對碳市場的信息獲取渠道有限，信息不對稱問題較為突出，企業難以作出合理的決策，市場交易的公平性和效率受到影響。市場機制的不完善還可能帶來環境和經濟雙重風險。

在環境方面，如果碳市場不能有效運作，企業缺乏減排動力，江蘇省的整體碳排放水平難以得到有效控制，會對區域環境質量和公眾健康造成負面影響。在經濟方面，碳市場的低效運行可能增加企業的運營成本，削弱其市場競爭力，影響江蘇省的經濟增長和產業升級。

4. 政策執行和監管力度仍需加強

盡管江蘇已經出臺了一系列促進低碳發展的政策措施，但在實際執行中存在監管不到位、標準不完善等問題，影響了政策的有效性和實施效果。政府出臺了多項支持低碳發展的政策，如節能減排補貼、綠色信貸優惠等，但許多企業未能真正享受到這些政策優惠。部分地方政府和部門在政策落實過程中存在執行不力、監管不到位的問題，導致政策效果打折扣。一些企業為了規避環保政策，通過虛報、漏報等手段逃避監管，使碳排放數據的真實性和準確性受到質疑。總之，當前的環保監管體系在一定程度上存在體制不完善、監管手段單一等問題。

監管部門的執法能力和資源有限，難以對所有企業進行全面和持續的監管?，F有的監管手段主要依賴定期檢查和企業自報，缺乏實時監控和數據分析手段，難以及時發現和糾正企業的違規行為。此外，跨部門、跨區域的協作機制不夠完善，導致在處理跨區域、跨行業的環境問題時，往往存在協調不暢、責任不明等問題。環保標準和法規體系仍需進一步完善，盡管江蘇在推動綠色發展和低碳經濟方面已經作出諸多努力，但在具體的環保標準和法規體系上仍有改進空間。例如，一些新興產業和技術的發展速度較快，現有的環保標準和法規難以跟上其發展步伐，導致部分新技術和新工藝的環保要求不明確。此外，現有的標準和法規在執行過程中，有時會出現地方保護主義或執行偏差，影響了整體政策效果。

五、 政策建議

總結江蘇低碳發展面臨的問題可以發現，低碳發展不僅具有經濟效應、市場效應，還具有廣泛的社會公益效應。只依靠市場調節機制無法實現社會層面的能源轉型和低碳發展，特別是難以及時應對CBAM等突發情況。在此背景下，政府不僅需要承擔規則制定和市場監管職責，還需要在產業結構引導、財政支持、研發支撐等方面發揮作用，具體可以從以下幾個方面展開。

1. 建立完善的碳測算和碳管理體系

首先，制定商品碳排放核算標準。參考國際經驗，制定統一的商品碳排放核算標準，明確不同產品的核算邊界、方法和排放因子。推行強制報告制度，逐步建立覆蓋所有行業和產品的碳排放報告制度，強制要求企業定期報告其產品的碳排放數據。通過這些措施，確保碳排放數據的透明性和準確性，為碳排放管理和政策制定提供可靠的數據支持。

其次，擴大碳市場的覆蓋范圍。逐步將全國碳排放權交易市場的覆蓋范圍擴展到更多行業和產品，推動企業通過市場機制管理碳排放。引入碳足跡認證，建立碳足跡認證體系，對符合低碳標準的產品進行認證和標識，鼓勵企業生產和消費者購買低碳產品。通過市場化機制，激勵企業減少碳排放，促進低碳產品的生產和消費。

最后，積極借鑒國際經驗、融入國際體系。江蘇省應積極與歐盟等國際組織密切合作，結合中國國情，制定適合中國的商品碳排放核算機制，參與國際碳排放核算標準的制定，提升中國在全球氣候治理中的話語權和影響力。通過國際合作與交流，學習和引進先進的低碳技術和管理經驗，為江蘇省的低碳發展提供有力支持。

2. 增強技術創新和研發能力

一方面，加大對低碳技術研發的資金投入。政府通過設立專項基金、提供稅收優惠和補貼等方式，鼓勵企業和科研機構加大對低碳技術的研發投入，特別是對中小企業的支持，以彌補其資金和技術短板。建立完善的低碳技術創新激勵機制，激發企業的創新活力。通過設立低碳技術獎項、創新競賽等活動，鼓勵企業在低碳技術領域進行自主創新和技術改造。

另一方面，推動產學研合作，促進低碳技術的快速轉化和應用。高校和科研機構與企業建立緊密合作關系，共同開發和推廣先進的低碳技術。加強對企業管理層的低碳發展培訓，提高其對低碳技術和可持續發展的認識，幫助企業制定和實施長遠的低碳發展戰略。

3. 調整產業結構，優化經濟布局

第一，進一步推動傳統高能耗、高排放產業的轉型升級。政府制定明確的產業轉型規劃，引導傳統產業通過技術改造、設備更新等手段，提高能源利用效率，減少碳排放。同時，對無法實現綠色轉型的落后產能進行有序退出。

第二，加大對新興產業的支持力度，培育和發展戰略性新興產業，如新能源、節能環保、信息技術和高端制造業等。通過提供財政支持、稅收優惠和融資便利等，促進新興產業的快速發展，逐步替代傳統高碳產業的經濟地位。

第三，加強區域產業協同發展，推動跨區域產業鏈合作，實現資源優化配置，形成綠色低碳的產業集群。完善綠色金融體系，引導社會資本向綠色低碳產業流動，支持企業在低碳轉型過程中所需的資金需求。

4. 加強政策執行和監管力度

一方面，完善環保法律法規體系，確保環保標準與時俱進。政府根據產業發展和技術進步的實際情況，定期修訂和完善環保標準和法規，確保其適應新興產業和技術的發展需求。具體執行方面，必須增強環保監管部門的執法能力和資源配置。通過增加人員編制、提升專業素養和技術裝備，確保監管部門能對企業進行全面和持續的監督。

另一方面，建立和完善實時監控和數據分析系統。利用物聯網、大數據和人工智能等技術，建立實時監控平臺，對企業的碳排放進行動態監測和分析，及時發現和糾正違規行為。加強跨部門、跨區域的協作機制，形成合力以解決跨區域、跨行業的環境問題。通過建立聯合執法機制和信息共享平臺，提高監管效率和效果。增強公眾和社會監督，鼓勵公眾參與環保監督，通過舉報和投訴等方式，發揮社會監督的作用。

5. 完善市場機制，提升碳交易市場效率

一方面，建立科學合理的碳定價機制。政府應通過制定碳排放配額和設定碳價格底線等手段，穩定碳價格預期，激勵企業積極參與碳交易和減排投資。尤其是要注意完善信息披露和監管制度，確保碳市場的透明度和公正性。政府要求企業定期披露碳排放數據，并通過獨立第三方核查，確保數據的準確性和可信度。

另一方面， 推進綠色金融發展，支持碳市場建設。政府鼓勵金融機構開發和推廣綠色金融產品，如綠色債券、碳基金等，為企業在碳市場中的活動提供資金支持。通過引入更多的市場主體和金融工具，增強碳市場的流動性，提高碳交易的頻率和規模，讓市場充分發揮產品定價的作用。

參考文獻：

[1] 鐘曉君，吳建新.碳關稅的本質、影響與應對策略：中國制造業出口企業視角[J].學術探索，2023（12）：124-128.

[2] 邵帥，楊莉莉，曹建華.工業能源消費碳排放影響因素研究——基于STIRPAT模型的上海分行業動態面板數據實證分析[J].財經研究，2010，36（11）：16-27.

[3] 余星輝，卜亞.數字經濟發展對城市碳排放的影響[J].金融與經濟，2023（1）：74-84.

[4] GUAN B Y， YU X Y， WU H B， et al.Complex Nanostructures from Materials based on Metal-organic Frameworks for Electrochemical Energy Storage and Conversion[J].Advanced Materials，2017，29（47）：1703614.

[5] PETERS G P， DAVIS S J， ANDREW R.A Synthesis of Carbon in International Trade[J].Biogeosciences，2012，9（8）：3247-3276.

[6] 佘群芝，吳柳.數字經濟發展的碳減排效應[J].經濟經緯，2022，39（5）：14-24.

[7] 金飛，徐長樂.數字經濟發展對碳排放的非線性影響研究[J].現代經濟探討，2022（11）：14-23.

[8] MENG L，GRAUS W，WORRELL E，et al.Estimating CO2（Carbon Dioxide）Emissions at Urban Scales by DMSP/OLS（Defense Meteorological Satellite Program’s Operational Linescan System）Nighttime Light Imagery： Methodological Challenges and a Case Study for China[J].Energy，2014（71）：468-478.

[9] CHEN J，GAO M，CHENG S， et al.County-level CO2 Emissions and Sequestration in China During 1997—2017[J].Scientific Data，2020，7（1）：391.

作者簡介：張天培，男，江蘇省電力公司綜合服務中心主任，研究方向為能源經濟。

（收稿日期：2024-12-09" 責任編輯：殷 俊）