分解中国碳排放峰值（共3篇）
分解中国碳排放峰值 篇1
“贡献”应全面包括减缓、适应、资金、技术转让、能力建设以及行动和支持透明度等。
中国国家发展和改革委员会副主任解振华7月14日在柏林出席一场气候变化会议时说,中国正争取在2015年上半年通报2020年后对应对全球气候变化的“贡献”内容,其中有可能包括提出碳排放峰值年份。
按照2013年华沙气候大会决议,《联合国气候变化框架公约》(以下简称《公约》)各缔约方应尽早提出“国家自主决定的贡献”,以在2015年巴黎举行的《公约》缔约方会议上达成一项全球气候变化新协议,为2020年后应对气候变化行动作出安排。
2014年在德国波恩举行的两轮联合国气候谈判显示,各方对“贡献”的理解不尽相同。发展中国家强调,“贡献”应全面包括减缓、适应、资金、技术转让、能力建设以及行动和支持透明度等;部分发达国家则把“贡献”理解为减排,淡化其向发展中国家提供资金支持、技术转让等责任。
解振华在柏林会议上重申,发达国家应该向发展中国家提供更多的资金和技术支持,以帮助后者开展应对气候变化的行动。他表示,中国作为最大的发展中国家正在采取积极措施应对气候变化,包括在7个省市启动碳交易试点。
中国国家发展和改革委员会副主任 解振华
中国碳排放强度两阶段分解 篇2
哥本哈根和2030年碳强度减排目标完成的相关针对性减排政策制定依赖于影响碳强度相关因素的准确考量,国内外对这方面的研究成果逐渐增多。Fan等[5]通过采用AWD方法对我国1980—2003年碳排放强度进行实证研究。沈小波等[6]基于自回归分布滞后模型,对我国1980—2007年碳强度的主要影响因素进行了分析。陈继勇等[7]选取了我国2001—2008年的面板数据,研究了经济发展水平、FDI、一次能源消费结构中煤炭占比和产业结构中重工业占比对我国碳强度的影响。刘晓燕等[8]采用协整检验、脉冲响应函数和方差分解对江苏省碳排放强度与能源强度、第三产业比重和外贸依存度的关系进行分析。张伟等[9]运用通径分析明确了三次产业比例的相互关系及与碳强度的关系。孙欣等[10]采用协整检验和误差修正模型对我国碳强度与人均GDP、第二产业比重、能源强度对碳强度的动态影响进行分析。周少甫等[11]采用Gregory-Hansen协整检验方法结合结构突变分析,实证检验了我国碳排放强度与能源消费、经济增长及产业结构的关系。李建豹等[12]通过构建碳排放强度影响因素的空间面板模型研究产业结构、人口总量、经济水平与城市化对长江经济带来的影响。
在上述研究碳强度影响因素的文献中,自回归分布滞后模型和协整检验方法应用较多,而本研究所采用的指数分解方法较少,事实上现有文献大多是关于碳排放总量的指数分解,如:朱勤等[13]基于扩展的Kaya恒等式建立因素分解模型,应用LMDI分解方法对能源消费碳排放进行因素分解;郭朝先[14]运用LMDI分解技术对我国1995—2007年的碳排放从产业层面和地区层面进行了分解;宋德勇等[15]从产出规模、能源结构、碳排放强度和能源强度等4个因素出发,采取了LMDI分解法对中国碳排放进行研究;雷厉等[16]测度了1995—2008年我国29个省市的碳排放量,通过构建LMDI分解模型,将各地区人均碳排放分解为人均GDP、能源结构、能源强度等影响因素,同时将能源强度进一步分解为各产业能源强度和产业结构两类因素;赵志耘等[17]采用LMDI分解方法对2000—2009年的我国碳排放量进行因素分解。
通过对已有关于碳排放文献的回顾,可以发现已有研究中的不足,首先对碳排放LMDI分解中,很少有直接针对碳强度进行分解,其次LMDI两阶段分解方法运用较少,最后在进行LMDI分解的过程中很少有结合计量经济学的研究。基于已有研究的不足,本文建立两阶段LMDI分解模型从多层的角度对我国碳排放强度进行分析,并将分解研究与协整检验相结合,最后根据分析结果,对我国实现2020年和2030年碳强度减排目标提出科学合理的建议。
1 我国区域碳排放强度现状
根据IPCC推荐方法计算我国碳排放总量,并依据2000年不变价格GDP得到我国1991—2014年碳排放强度。从图1中可以看到,我国碳排放强度基本保持下降趋势,从最初1991年的6.274 6吨/万元到2014年的2.668 8吨/万元,下降幅度超过50%,年均下降速度为3.65%。分两时段来分析:1991—2001年期间,这是我国碳排放强度下降速度较快的时期,碳排放强度从1991年的6.274 6吨/万元下降到2001年的3.265 8吨/万元,短短10年碳排放强度下降了47.95%,年均下降速度达到了6.32%。这是因为在20世纪90年代初,国际上提出可持续发展理念,我国开始注重环境保护工作,对能源使用从鼓励变为限制,能源节约有了很大成效。而从20世纪90年代中期开始推行抓大放小的国有企业改革制度,关停并转了10多万家能源密集型企业,使我国碳排放强度下降幅度较大,下降速度较快,也出现了近20年最大下降落差,在1997年、1998年下降速度都超过了8.28%。2002—2014年是我国碳排放强度比较复杂的一段时期,我国碳排放强度先升后降,总体变化幅度较小。碳强度2002年为3.172 0吨/万元,2014年则下降为2.668 8吨/万元,碳排放强度年均下降速度为1.43%,下降幅度为0.503 2吨/万元,与上一时段相比,碳排放强度变化明显减弱。2003—2004我国碳排放强度呈现上升趋势,在2003年、2004年增长幅度分别达到了6.10%和4.76%,增长了0.193 5吨/万元和0.1603吨/万元,这是因为我国2001年12月11日正式加入世贸组织,出现了重工业化倾向。从2005年后我国碳排放强度又恢复整体下降趋势,这与国家在2004—2007年颁布一系列节能减排政策有关,但下降幅度并不明显。
2 我国碳排放强度LMDI两阶段分解
对数平均权重迪氏分解法(Logarithmic Mean Divisia Index method,LMDI)是Ang等[18]共同提出的第一个使用在能源领域中的完全分解技术,如今在能源消耗和碳排放相关领域当中被广泛使用。LMDI分解模型最大优点在于不会产生分解剩余项,并且允许数据中包含零。
2.1 碳排放强度LMDI分解
根据碳排放强度的概念将其进行分解,推导过程如下:
式(1)中:CIt为t年碳排放强度;GDPt为t年实际GDP(以2000年为基期);Et为t年能源总消费量(标准煤);Eit为t年i种能源的消费量(标准煤);Cit为t年i种能源的CO2排放量;Rit为t年i种能源的CO2碳排放率;Si代表能源结构因素,解释为第i种能源占总能源的比重。
其中,
从式(1)可以发现,碳排放强度是由能源强度,能源结构和碳排放率这3个因素来决定的,因此碳排放强度分解模型为:
式(2)中:△CI tot是基于前期的碳排放强度变化量;△CSS为基于前期的能源结构效应,△CIEI为基于前期的能源强度效应;△CIR为基于前期的碳排放率效应;△CI rsd为基于前期的几个影响因素中的两个或多个因素的交互效应。其中碳排放率R和多因素交互影响效应在1991—2014年期间的变化非常微小,可以忽略不计。
能源强度因素效应:
能源结构因素效应:
其中,
根据公式(2)可将我国碳排放强度分解成能源强度和能源结构两种因素。表1是碳排放强度LMDI分解结果,表中变化量为基于前一年的碳排放强度增长量,贡献率为各因素对碳排放强度变化做出的贡献程度。
从表1中可以发现,我国碳排放强度的降低主要受能源强度和能源结构共同的影响。从累积效应来看,1991—2014年我国碳排放强度下降了3.605 8吨/万元,其中能源强度使我国碳排放强度降低了3.306 5吨/万元,能源结构调整使我国碳排放强度下降了0.299 2吨/万元,可见能源强度是我国碳排放强度下降的决定性因素。在1991—2014期间能源结构因素引起的碳排放强度变化量有正有负,年均下降0.013 0吨/万元,对碳排放强度降低的贡献率低,年均贡献率只有3.37%;而能源强度因素引起的碳排放强度变化,大多为负数,只有在2002—2004年、2010—2011年和2012—2014期间为正数,年均下降0.143 8吨/万元,对碳排放强度降低的贡献高,年均贡献率为96.63%(见图2)。
分阶段来看,1991—2001年期间我国能源强度因素引起的碳排放强度年均下降幅度0.288 2吨/万元,年均贡献率为95.78%,能源结构因素引起的碳排放强度年均下降幅度为0.012 7吨/万元,年均贡献率为4.22%;2001—2014期间,能源强度使我国碳排放强度年均降低0.028 2吨/万元,其年均贡献率为95.87%。我国能源结构调整使碳排放强度年均降低0.017 7吨/万元,其年均贡献率为4.13%。
从上述分析中,可以看出能源强度是我国碳排放强度降低的促进因素,而能源结构因素对碳排放强度降低的贡献较小,因此有效降低能源强度是碳减排最有效的途径。能源强度是单位GDP的能源消耗量,降低能源强度,有两方面的因素:第一,通过科技手段降低能源的消耗量,提高能源效率;第二,降低高能耗的GDP,如大力发展第三产业等,从而实现低碳经济,有效降低能源强度和碳排放强度。从能源结构调整的角度分析碳减排,虽然其对碳排放强度降低的贡献程度较低,但是依然具备结构优化的空间,降低煤炭消耗,增加石油、天然气等能源比重,优化能源结构,可以有效降低碳排放强度。
2.2 能源强度LMDI分解
对碳排放强度进行第一阶段LMDI分解后,可知我国能源强度和能源结构对我国碳排放强度有着抑制作用,其中能源强度对碳排放强度的贡献率超过90%以上,而能源结构的影响相对较小,影响效果并不明显。而能源强度也同样受能源效率和产业结构的影响。能源强度的分解公式表达为:
其中,代表能源效率因素,解释为第产业的能源强度;代表产业结构因素,解释为第产业生产总值占国内生产总值GDP的比重,i=1,2,3。计算公式与碳排放强度的分解方法一致。
能源效率因素效应:
产业结构因素效应:
权重函数为:
其中,△EIi表示由各产业的能源效率变化引起的能源强度变化;△EIIS表示由于产业结构变化引起的能源强度变化;△EIrsd为几个因素的交互效应。根据公式(4)将我国能源强度分解为能源效率因素和产业结构因素。
表2和图3是我国能源强度分解结果和趋势图。从中可以看出,1991—2014期间我国能源强度的下降受产业结构变动和能源效率的共同影响,能源效率是我国能源强度下降的主要原因,其贡献率为111.45%,产业结构调整总体来说对能源强度的降低却起着阻碍作用,其影响程度相对较小,贡献率为-11.45%。从累积效应来看,1991—2014年,能源强度下降了1.395 4吨/万元,其中能源效率使我国能源强度降低了1.582 2吨/万元,产业结构调整使我国能源强度上升了0.186 7吨/万元,可见能源效率是我国能源强度下降的主要原因。将1991—2014分为两个阶段分析,也可得到相同的结论:1991—2001年期间,我国能源强度下降较快,总体能源强度下降1.157 8吨/万元,能源效率对能源强度的降低起着正向促进作用,年均贡献率为111.77%,但产业结构调整对能源强度的降低却起着相反作用,年均贡献率为-11.77%。2002—2014年,总能源强度从最初的增加到2004年开始下降,其总体能源强度只下降了约0.237 7吨/万元,说明这期间能源效率和产业结构调整效应缩小或基本相抵,导致能源强度基本没有变化。2002—2004年能源效率和产业结构调整都抑制了我国能源强度的下降,这是因为我国加入WTO世贸组织,工业化进程加快,第二产业比重增加,高耗能产业迅速发展所导致。
3 碳排放强度影响因素协整关系验证
3.1 变量选取
从上述因素分解中得出结论,能源强度和能源结构对我国碳排放强度有非常明显的影响,而能源强度受能源效率和产业结构的影响。因此可以推断出,碳排放强度的下降主要受能源结构因素、能源效率因素和产业结构调整的影响。在以往的研究中,不少研究者采用能源强度表征技术进步,如董锋等[19]用能源强度表征技术进步来进行CO2排放分解的协整检验,李国志等[20]在选择变量时用能源强度来表征技术水平。同时,有较多的研究表明技术进步对提高能源效率发挥着重要的作用,例如Khazzom[21]指出技术进步提高能源效率而节约了能源,徐士元[22]研究验证了技术进步与能源效率之间存在一定的长期均衡关系。因此,技术进步也可以用来表征能源强度(能源效率)的改善。本文选取因变量碳排放强度,自变量能源结构、技术进步和产业结构因素进行协整检验。能源结构表征变量为煤炭占能源总消耗量比重,产业结构因素选取了第三产业比重,而技术进步因素选取国家财政科学技术支出费用。相关数据取自1981—2015年《中国统计年鉴》和《中国能源统计年鉴》,数据年度为1980—2014年。
3.2 单位根检验
非平稳序列在各时点上随机规律不同,难以用已知信息掌握序列总体的随机性,因此需要检验数据的单位根,对各变量LCI,LS,LSS和LPTI(分别是变量碳排放强度CI、能源结构S、技术进步SS、产业结构PTI取自然对数)进行ADF检验。
从表3中可以看出,各变量在水平项上和进行一阶差分的结果均存在单位根,数据序列不平稳,而ADF检验结果表明这些不平稳的序列进行二阶差分后在1%的显著性水平下均达到了平稳,因此变量LCI,LS,LSS,LPTI均为二阶单整,服从I(2)。由于LCI,LS,LSS,LPTI的时间序列都属于同阶单整,因此要对变量进行协整检验。
3.3 Johansen协整检验
JJ(Johansen-Juselius)检验是Johansen在1988年及在1990年与Juselius共同提出的一种用向量自回归模型为基础的检验回归系数的方法,通常称为Johansen检验,是一种进行多变量协整检验的较好方法。
协整关系检验是检验协整回归方程是否存在单位根。如果两个或两个以上的时间序列变量是非平稳的,但它们的某种线性组合表现出平稳性,则这些变量之间存在长期的均衡关系即协整关系,而满足协整关系的变量之间仍然可以建立回归方程,并且不会造成伪回归现象,因此对各变量进行协整检验是必要的。如果这个时间序列不是协整的,残差中一定存在单位根,如果序列是协整的,残差将是平稳的。变量的单整和协整性质决定了LCI,LS,LSS,LPTI的模型构建。如果时间序列是协整的,那么存在长期均衡关系,否则只能解释为短期关系。采用Johansen极大似然估计法,根据AIC准则选择有选择滞后阶数为2的协整模型,对各时间序列LCI,LS,LSS,LPTI之间的协整关系进行检验,检验结果如表4所示。
注:1)*表明在5%显著水平上拒绝原假设;2)滞后间隔:1-1;3)非限定性协整秩检验
从表4检验结果可知,LCI,LS,LSS,LPTI等4 个变量在5%的显著性水平下存在一个协整关系,因此取以下协整方程为最终方程,用数值方式表达如下:
由协整方程(5)可以看出,我国碳排放强度与能源结构、技术进步和产业结构存在长期均衡稳定关系,但是能源结构对于碳排放强度的作用明显小于技术进步和产业结构,这主要是由于我国长期以煤炭消费为主,能源结构变化较小,对碳排放强度的影响较小。LCI与LS的系数为正,LSS和LPTI的系数为负数,说明我国能源结构和产业结构的改善、技术进步对我国碳排放强度有降低作用,这与陈继勇[7]、张伟[9]等学者的研究结论相似,同时也与前文碳排放强度LMDI分解分析结果和理论预期基本一致。
4 结论和建议
根据测算出的我国1991—2014年碳排放强度、能源结构和能源强度,运用LMDI两阶段因素分解法分析影响我国碳排放强度变化的主要因素,同时选取1980—2014年中国历年相关数据,运用单位根检验和Johansen协整检验方法对分解变量进行协整关系验证。
LMDI两阶段因素分解法结果表明:第一阶段对碳排放强度LMDI分解中,我国碳排放强度的降低受到能源结构和能源强度的影响,由能源结构引起的碳排放强度变化量有正有负,对碳排放强度降低的贡献率低,由能源强度因素引起的碳排放强度变化,大多为负数,对碳排放强度降低的贡献高;第二阶段对能源强度LMDI分解中,我国能源强度的下降受产业结构变动和能源效率的影响,能源效率是我国能源强度下降的主要原因,产业结构调整总体来说对能源强度的降低起着阻碍作用,其影响程度相对较小。协整检验分析结果表明:我国碳排放强度与技术进步、能源结构和产业结构存在长期的均衡稳定关系,能源结构、产业结构的改善和技术进步能够降低碳排放强度,这也验证了两阶段分解的结果。
根据上述分析和结论,针对我国节能减排的目标,提出如下政策建议:
(1)改善能源消费结构,提高煤炭清洁利用比例。我国主要以煤炭消费为主,而煤炭单位能源消费碳排放远大于其他能源。合理地改变能源消费结构,减少煤炭资源的消费,增加石油、天然气、水电核电在能源消费中的比重,改变我国以煤炭为主的能源结构,在一定程度上能够有效降低碳排放强度。然而由于我国富煤、贫油、少气,改变以煤为主的能源消费结构并不容易,因此提高我国煤炭利用率,创新我国煤炭利用技术,将储量丰富的煤炭转化为较为高效清洁的能源是一条有效可行的途径。
(2)降低能源强度,促进技术进步,提高能源利用效率。能源强度是影响我国碳排放强度的主导因素,而且能源利用效率相比发达国家较低。我国能源在开采、转换、贮存等过程中有很大的损失,因此,能源消费的节能潜力也较大。据相关调查,如果我国能源利用效率能达到先进国家的水平,我国每年将节约4亿多吨的标准煤,因此碳排放强度的减少可以通过降低能源强度来实现。能源强度的降低可以通过两方面来实现,首先可以通过改进设备,降低单位产品的能耗并采用先进的管理模式,设置能源专项资金;其次可以通过提高能源使用技术水平和技术创新能力,使经济增长不仅仅依靠能源消耗的增长,而是主要依靠能源效率的提高。
(3)发展第三产业,淘汰落后产能。第三产业碳强度显著低于第二产业[19],世界发达经济体第三产业比重一般在2/3以上,而我国2014年第三产业比重仅为48.2%,发展第三产业不但关系到我国经济结构和发展质量的提升,也关系到2030年碳排放达峰和碳强度下降60%~65%目标的实现。当前我国无论是高耗能的钢铁制造、电解铝,还是新兴的光伏太阳能和风电产业,均存在严重的产能过剩,利用行政和经济手段淘汰落后产能不但有助于行业整体脱困,也能促进行业整体能源效率的提高,从而帮助国家宏观减排目标的实现。
摘要：通过采用LMDI分解方法对我国碳排放强度进行两阶段因素分解,第一阶段对碳排放强度进行LMDI分解,结果表明能源强度和能源结构是影响碳排放强度变化的主要因素,其中能源强度的贡献率超过90%。第二阶段对影响碳排放强度变化的主要因素能源强度进行LMDI分解,结果表明能源效率和产业结构对能源强度变化有显著影响。最后利用协整分析方法对分解变量进行长期协整关系验证,结果表明碳强度、能源结构、能源效率和产业结构存在长期均衡稳定关系。
分解中国碳排放峰值 篇3
自从18世纪中期人类社会进入工业化时代以来,人类的社会活动对气候变化的影响越来越大。从IPCC发布的四次气候变化报告来看,越来越多的证据表明人类活动,特别是占温室气体主要成分的二氧化碳的排放,是影响最近半个世纪以来气候变化的主要原因,这也引起了越来越多的国内外学者重新审视以能源消耗为主,大量排放二氧化碳的经济增长方式。于是,低碳经济自然成为当前研究的热点。哥本哈根会议上中国承诺到2020年在2005年的基础上减排40%~45%,进一步明确了中国走低碳经济的发展道路。研究能源消费、经济增长与二氧化碳排放的变动关系,探讨减排二氧化碳的影响因素,对实现减排目标和发展低碳经济具有重要的现实意义。
国内外学者对于影响二氧化碳排放的因素进行了大量的研究。K.Lisakas等[1]利用代数分解方法研究了欧盟1973—1993年的工业二氧化碳排放的变化,研究表明二氧化碳排放量的减少可以在不影响经济增长的情况下实现。Josep G等[2]研究发现与19世纪90年代相比,2000—2006年二氧化碳的排放增长速率从1.3%到3.3%,其中65.16%来自全球经济活动的贡献,17.6%来自全球碳强度的贡献,18.15%来自最近50年来空气中二氧化碳的比例变化的贡献。James B[3]利用协整和误差修正模型研究了污染物排放、能源消耗和经济产出的关系,认为三者有密切的相互关系;从长期来看经济增长和能源消耗、污染物排放的互为Granger因果关系;短期来看,能源消耗与经济增长具有单向Granger因果关系。李艳梅等[4]以1953—2007年的中国一次能源消耗数据估算了碳排放的变动状况,研究结果表明中国碳排放增加的因素是经济总量增长和产业结构变化,而产生碳减排效应的因素惟有碳排放强度降低。徐国泉等[5]采用1990年为基期,利用1995—2004年的数据研究了中国人均碳排放的变化,认为经济发展是影响人均碳排放增加的主要因素,能源结构的调整作用不大,能源效率有效的抑制了人均碳排放的增长。王迪等[6]利用Laspeyres分解技术,以1996—2007年的6部门终端能源消耗数据研究了江苏省的碳排放变动,认为经济增长的规模效应和技术进步效应解释了江苏省碳排放量变动的大部分原因,产业结构优化的作用不明显,能源效率的提高对抑制碳排放起到了积极的作用。
综合上述文献可知,因素分解法被广泛的应用在研究能源和经济发展相关领域的问题,其有助于找出最主要的影响因素,以及通过理论的指导可以发现哪些因素没有起到应有的作用,从而为政策制定提供参考依据。尽管国内部分学者也应用因素分解技术研究了影响全国或者区域的碳排放因素,但有的分解因素不够完善,或者是数据期较短,研究的结论作为节能减排政策制定的参考依据具有一定的局限性。本文以1981—2008年中国能源消耗量、人口数和人均能源碳排放相对于基期的变动状况为研究对象,利用对数平均权重Divisia分解法(Logarithmic Mean weight Divisia Index method,LMDI)完全分解技术,从经济增长、能源强度和能源结构三个方面考察对人均能源碳排放的贡献。
二、模型构建
(一)能源碳排放计算公式
本文根据IPCC[7]能源碳排放的计算方法,将能源碳排放总量分解为:
式中,Ct为t时期能源碳排放总量;Cit为第i种能源t时期能源碳排放量;Et为t时期所消耗的能源总量(折算成标准煤,下同);Eit为第i种能源t时期所消耗的能源总量;Cit为第i种能源t时期碳排放量;Y为t时期的国内生产总值;P为t时期的人口总数。
(二)因素分解模型
由公式(2)可求得,第t时期人均能源碳排放量为:
公式中,Sit第i种能源第t时期所占总能源的比重,即能源结构;Fit第i种能源第t时期单位能源碳排放量,即能源排放强度,也就是能源的碳排放系数;It第t时期单位GDP消耗的能源量,即能源强度;Rt为第t时期人均GDP量,作为经济发展指标。
相对于基期的人均能源碳排放变化量为:
式中,△ACS,DS分别为能源结构变动因素;△ACF,DF分别为能源碳排放强度变动因素;△ACI,DI分别为能源强度变动因素;△ACR,DR分别为经济发展变动因素;△ACrsd,Drsd分解余量。
需要注意的是,△ACS、△ACF、△ACI、△ACR分别是各因素的变化对人均能源碳排放量的贡献值,有单位;DS、DF、DI、DR分别是各因素的变化对人均能源碳排放量的贡献率,无单位;
根据Ang等[8]人1998年提出的对数平均权重Divisia分解法(Logarithmic mean weight Divisia Index Method,LMDI),结合式(3),把影响人均能源碳排放的各因素分解,结果如下:
式中,L(ACit,ACi0)=(ACit-ACi0)/(ln ACit-ln ACi0)
即这是一个完全分解,不带有残差。
对式(5)两边取对数,可得:
由式(5)和式(11),可得:
则有式(12)和式(13)可得:
三、数据来源、处理及实证分析
(一)数据来源及处理
本文所用能源数据来源于《中国能源统计年鉴2009》;人口数据和GDP数据来源于《中国统计年鉴2010》,其中GDP数据已经由作者换算成1978年可比价格;能源碳排放总量数据依据式(1)计算得到;各种能源碳排放系数据见表1,计算结果见表2。
资料来源:国家发展和改革委员会能源研究所:《中国可持续发展能源暨能源碳排放情景分析(2003)》。
注:1.能源数据来源于《中国能源统计年鉴2010》,人口和国内生产总值数据来源于《中国统计年鉴2010》。2.国内生产总值数据以1978年为基期的不变价格折算而成。
(二)人均能源碳排放因素分解分析
本文依据Ang等[8]人1998年研究中国工业行业人均能源碳排放的分解因素,把影响中国人均能源碳排放变化的因素分解为能源结构、能源碳排放强度、能源强度和经济发展四个变量。文中假设Fit不变,即各能源碳排放强度不变,所以△ACF=0,DF=1,也就是说影响中国人均能源碳排放变化的因素为能源结构、能源强度和经济发展。本文研究的基期为1981年,依据公式(6)—(9)和(14)—(17)计算可得表3的结果。
从图1中可以看出,中国人均能源碳排放相对于基期人均能源碳排放的变化总体上呈现增长趋势,其中1982—1996年相对于基期人均能源碳排放的变化较为缓慢,呈逐年较平稳增长,2002—2008年人均能源碳排放相对于基期的变化显著。特别是2002年以后,人均能源碳排放量年均增长率为10.03%,略低于中国人均GDP年均增长率10.69%。值得注意的是,中国人均能源碳排放相对于基期的变化从1996—1998年有一个下降的阶段,尽管降幅较小;中国人均能源碳排放相对于基期的变化从2007年以后增幅开始显著收窄,2000—2007年,后一期比前一期的能源碳排放总量增幅都在1 000万吨以上,但2008年仅比2007年多排放约400万吨。
经济发展与人均能源碳排放的增长有显著的正相关关系,经济的快速发展是引起中国人均能源碳排放增长的主要因素。从图1中可以看出,经济发展曲线对人均能源碳排放曲线的走势具有决定性作用,其对人均能源碳排放曲线的向上拉动作用显著,这也符合人们的预期。经济发展对人均能源碳排放的贡献呈现先增大、再减小,最后增大的趋势,这主要与国民经济的产业结构有关,1990年三大产业的比例为27.1∶41.3∶31.6,2008年则为10.7∶47.4∶41.8,第二产业占比的增加导致了人均碳排放的快速增长。能源结构对人均能源碳排放的影响先呈现正相关,而后呈现负相关,开始起到抑制人均能源碳排放增加的作用,其拐点出现在1995年,但是能源结构对人均能源碳排放相对于基期变化的影响有限,贡献很小,主要原因是非化石能源的供给总量较小。值得注意的是,能源结构对于人均能源碳排放量变化的抑制作用近来年有加大的趋势。能源强度相对于基期的变化呈现出逐步加大的趋势,是抑制人均能源碳排放增长的主要因素,但弱于经济发展对人均能源碳排放增长的贡献,且其贡献有减缓的趋势。
为了进一步分析各因素对人均能源碳排放的贡献率的趋势,我们将各因素对人均能源碳排放变化的影响分为拉动因素和抑制因素,拉动因素为经济增长,抑制因素为能源强度的降低。由于能源结构在1995年以前对人均能源碳排放变化起到了微弱的促进作用,而后开始起到微弱的抑制作用,故能源结构因素贡献率数值在很接近数值1的上下微弱变动。根据经验可知,非化石能源在消耗的总能源中的占比越大,其总能源碳排放量越小,在人口数不变的情况下,人均能源碳排放也越小。综合以上分析,能源结构的变动也作为人均能源碳排放的抑制因素考虑。为了方便观察,我们将抑制因素对人均能源碳排放的贡献取倒数,即为人均能源碳排放降低的贡献率(见图2)。
从图2可以看出,拉动因素(经济发展)对中国人均能源碳排放的贡献率呈指数型增长,且各阶段的贡献率明显大于抑制因素对人均能源碳排放的贡献率,加上能源结构变化对人均能源碳排放的贡献率微弱,从而导致人均能源碳排放量呈逐年增加趋势。能源强度在2002年以前对人均能源碳排放的贡献率逐步上升,但是在2002—2004年有一个快速下降的趋势,之后贡献率开始增加。究其原因,主要是从2002年开始中国的经济开始了新一轮的快速增长,截至2008年,全社会固定资产投资年均增长率达25.85%,其中房地产开发投资年均增长率更高达26.02%;此时中国的国民经济也开始了再次重工业化的趋势,对能源的需求量快速扩大,而能源利用技术却没有得到实质性的提高,相反经济的快速发展还催生出了盲目投资,经济结构调整有走回头路的趋势。2004年以后,能源强度对人均能源碳排放的贡献率止跌反弹,逐步开始提高。笔者认为这主要得力于2004年11月国家出台了节能领域的第一个中长期规划———《能源中长期发展规划纲要(2004—2020年)》;其后国家先后对焦碳、钢铁、水泥、电解铝等高耗能行业出台了一系列加大产业结构调整力度的政策文件。在此期间,电冰箱、空调器、洗衣机、照明器具等数十类产品的能效标准相继出台,《夏热冬冷地区居住建筑节能设计标准》等一系列与建筑节能设计有关的标准与规范也陆续颁布,这些文件对2004年以后能源强度对人均能源碳排放贡献率的增加起到了很大的促进作用。
通过以上分析,笔者发现能源强度的降低对抑制人均能源碳排放量随经济规模的增长有着积极的作用,但是2002年以后,由于经济规模的快速增长,其对人均能源碳排放的贡献显著超越了能源强度降低的贡献,尽管能源强度的贡献在逐步增加,能源结构对人均能源碳排放的贡献值由正转负,即由加剧人均能源碳排放到抑制人均能源碳排放。
四、结论和建议
综上可知,自1982年以来,中国人均能源碳排放主要呈增长趋势,且增幅成指数型增长,其中1996—1999年增幅略有下降,2002—2007年增速显著加快,但2007年以后增速放缓,可能出现下降的趋势。而抑制中国人均能源碳排放的主要因素是能源强度的降低,而能源结构的改变对人均能源碳排放的变化先有拉动作用,而后出现抑制作用,但效果不显著。能源强度在抑制人均能源碳排放的作用具有阶段性,开始抑制作用明显,中间有一个调整过程。近年来对人均能源碳排放的抑制作用有不断放缓的趋势,但是其和能源结构对人均能源碳排放的抑制作用仍然没有超过经济增长对人均能源碳排放的拉动作用,故人均能源碳排放总体上呈现增长趋势。
减少人均能源碳排放,应注重以下几个方面:
第一,从中国工业化发展现状出发,将节约能源,降低能源强度,即提高能源的利用效率作为减少人均能源碳排放的长远战略方针。一方面要坚决贯彻“开发与节约并重,近期把节约放在首要位置”的能源发展方针,另一方面要进一步落实遏制高耗能高污染行业过快增长,加快实施淘汰落后生产能力的节能减排政策,有效提高能源的利用效率。
第二,优化能源结构,进一步加大非化石能源总量的供给,逐步提高天然气、核电、水电和太阳能等其他可再生能源在总能源消耗中的比重。考虑到中国人均水资源紧缺,在水电开发的时候,要注重统筹利用,加大太阳能、风电的开发力度,同时大力发展核电,增大核电能源的供给,有效改变非化石能源所占比例。
第三,应大力发展60万千瓦及以上超(超)临界机组、大型联合循环机组,提高能源转换效率。加快建设百万千瓦级大型先进压水堆核电建设,推进高温气冷堆、核中子增殖反应堆、核聚变反应堆等技术的研发应用,真正实现零碳排放。
第四,加快技术升级,推广节能减排技术的应用,在高效利用煤发电技术、建筑节能、清洁生产等方面组织科研攻关,攻克消耗能源总量大和高耗能领域中的关键节能技术,重点发展冶金、制造、水泥、化工等行业的节能减排技术。
第五,转变经济结构,加快产业升级。遏制对人均能源碳排放具有决定性影响的高耗能和高排放的第二产业不合理的增长,坚决淘汰高消耗、高污染和高排放的落后产能,转变国民经济再次重工业化的不合理趋势。充分利用财政和税收等手段,发挥市场对经济结构调整的灵活性和决定性作用,大力发展高新技术产业和现代服务业,不断提高第三产业在国民经济中的占比,有效地引导国民经济走上低碳发展道路。
摘要：以1981—2008年中国一次能源消费总量、人口数和GDP数据为基础,通过实证分析经济发展、能源强度和能源结构对这一时期人均碳排放的贡献发现:经济发展拉动了人均能源碳排放的增长,能源强度的降低抑制了人均能源碳排放的增长,能源结构的变化在研究期内先对人均能源碳排放起促进作用,然后起抑制作用,其拐点出现在1997年,但研究期内贡献不显著。近年来,能源结构的贡献却有逐步增强的趋势。
关键词：人均能源碳排放,经济发展,能源强度,能源结构,LMDI
参考文献
[1]K.Liaskas,G.Mavrotas,M.Mandarka,et al.Decompositionof industrial CO2 emissioms:The case of European Union[J.]Energy Economics,2000,(22):383-394.
[2]Josep G.Canadell,Corinne Le Quéré,Michael R.Rau-pach,et al.Contributions to accelerating atmospheric CO2growth from economic activity,carbon intensity,and effi-ciency of natural sinks.PNAS,2007,(11):18866-18870...
[3]Jam es B.Ang,CO2 emissions,energy consumption,andoutput in France.Energy Policy,2007,35(10):4772-4778.
[4]李艳梅,等.中国碳排放变化的因素分解与减排途径分析[J].资源科学,2010,(2):218-222.
[5]徐国泉,等.中国碳排放的因素分解模型及实证分析:1995-2004[J].中国人口、资源与环境,2006,(6):158-161.
[6]王迪,等.江苏省节能减排影响因素及其效应比较[J].资源科学,2010,(7):1252-1258.
[7]IPCC2006.2006 IPCC Guidelines for National GreenhouseGas Inventories[J].Energy,2006,(1).