陕西省碳排放影响因素及其区域分异特征

栗新巧，张艳芳，刘宏宇

全球气候变化带来的环境问题引起世界各国的广泛关注，以化石能源为主的能源消费活动是导致温室气体上升的主要来源［1］，全球 CO2排放量在2007—2008年增加了0.4Gt，增长率为1.5%［2］。中国作为世界上的碳排放大国，2006年碳排放量超过美国［3］，这对我国的生态环境和节能减排造成了极大的压力。目前国内外学者关于碳排放的研究已经展开了深入的分析，Ugur等［4］运用格兰杰因果关系分析美国收入、能源消耗和碳排放关系的研究表明，从长远来看，收入格兰杰不会导致碳排放，能源消耗会导致碳排放；Luciano等［5］基于对数平均指数的LMDI模型分析了巴西经济增长与碳排放脱钩关系的研究表明，碳排放强度和能源结构是巴西减排的主要决定因素；Inmaculada等［6］采用STIRPAT模型分析了发展中国家城市化对碳排放的影响，指出城市化和碳排放之间存在倒U型的关系。李健等［7］运用灰色关联法分析了中国的碳排放强度与产业结构之间的关系指出，全国有16个地区第二产业与碳排放强度的关联最大；刘定惠等［8］运用LMDI模型分析了甘肃省碳排放的影响因素指出，经济规模的持续扩大是甘肃省碳排放持续增加的决定性因素。此外，众多学者［9－15］在碳排放测算与因素分解、碳排放驱动因子、经济发展与能源消费碳排放关系方面展开研究，研究发现，国内碳排放研究主要集中在宏观尺度如国家层面或大区域层面，而忽视了省级区域的差异，对于较小的省级尺度并结合地方特色的研究较少［16］。因此，本研究以我国西部地区经济发展水平较高，工业发展速度较快的陕西省为研究对象，分析1996—2010年陕西碳排放变化特征、区域分异特征，并对碳排放变化的影响因素进行分解分析，为陕西省发展低碳经济提供科学依据和对策。

1 研究区域与研究方法

1.1 研究区域

陕西省位于东经105°29′—111°15′，北纬31°42′—39°35′之间，面积2.06×105km2。该省设10个省辖市和杨凌农业高新区，2011年总人口3 742.6万，生产总值12 512.3亿元，比上年增长24.0%，处于西北5省前列。目前，陕西省正处于工业化中后期发展阶段，在工业结构中重工业占到78.1%，终端能源消费以年均9.6%的速度上升。由于其经济增长是建立在资源的大量消费特别是煤炭消费的基础之上，碳排放将会以较高的增长率上升，这对陕西省节能减排提出了严峻挑战。

1.2 研究方法

陕西省能源消费以一次燃烧化石能源为主，故本研究的碳排放是一次燃烧化石能源中煤炭、石油、天然气3种能源的碳排放。碳排放计算与分析中所用的终端能源消费数据来自历年《中国能源统计年鉴》，人口和经济等相关数据来自历年《陕西省统计年鉴》。碳排放系数采用中国发改委能源研究所的碳排放系数，煤炭、石油和天然气的碳排放系数分别为0.747 6，0.582 5，0.443 5［17］。

碳排放总量的计算是利用标准煤消费数据乘以碳排放系数来估算，具体的计算公式为：

式中：C——碳排放总量；Qi——第i类化石能源（煤炭、石油、天然气）折算为标准煤的消费量；Fi——第i类化石能源的碳排放系数。人均碳排放量是碳排放总量与人口总数的比值。碳排放强度是用来衡量能源利用效率的指标，是碳排放总量与GDP的比值，碳排放强度越大则表示能源利用率越低。

1.3 LMDI研究模型

根据扩展的Kaya恒等式［18］对陕西省碳排放总量进行分解，运用 Ang［19－20］提出的对数平均 Divisia指数（LMDI）分解模型将能源消费碳排放的影响因素分解为：排放因子、能源结构、能源强度、产业结构、产出规模和人口规模。Kaya恒等式扩展模型和LMDI具体分解模型分别为：

（1）Kaya恒等式扩展模型。表达式为：

式中：i——产业类型；j——能源类型；C——碳排放量；EM——能源消费量；GDP——国内生产总值；P——总人口数。

则Kaya扩展模型表述为：

式中：Fij——不同能源类型的单位碳排放量，即不同产业中不同能源的碳排放系数；Sij——不同能源类型在不同产业中的比重；Ii——第i产业单位GDP能源消费量，即第i产业的能源强度；Uj——第i产业GDP所占百分比；G——人均GDP；P——人口数。则公式（2）将碳排放分解为经济产出效应（G）、产业结构效应（Uj）、能源强度效应（Ii）、能源结构效应（Sij）人口规模效应（P）、排放因子效应（Fij）。

（2）LMDI因素分解模型。将上述6种因素分解，设C0，Ct分别为基期碳排放总量和t期碳排放总量，碳排放总的变化用下标Ctot表示。根据LMDI分解法，各分解因素贡献值的表达式分别为：

排放因子效应：

经济产出效应：

产业结构效应：

能源结构效应：

能源强度效应：

人口规模效应：

由于能源的碳排放系数在实际应用中为常量，因此进行因素分析时不作为考虑因素。故计算公式简化为：

2 结果分析

2.1 陕西省碳排放变化特征

由图1可以看出，陕西省碳排放总量在1996—2000年表现为小幅下降，由1996年的1.56×107t下降到2000年的9.68×106t，碳排放量下降了38.06%。下降的主要原因与陕西省实施能源结构改造工程，即煤改天然气工程以及国家在1996年出台的关于关闭或停产高耗能、高污染、低效率的工业项目法规有关。2001年起碳排放总量以12.18%的年均增长率快速上升至2010年的3.43×107t。人均碳排放与碳排放总量变化特征相似，1996年为0.44 t／人，2010年增加至0.92t／人。2000年国家实施西部大开发战略以来，陕西省经济快速发展，工业化和城市化过程中能源消耗不断增加，尤其是“十一五”以来，经济进入快速增长阶段，在城市化、工业化等一系列因素推动下，经济的快速增长带来能源消耗的不断增加，导致碳排放相关指标值的快速上升。

从能源消费的碳排放结构来看，煤炭消费碳排放量最高，石油碳排放量次之，天然气碳排放量最小。煤炭所占比例累计达到70.47%，石油为22.68%，天然气为6.85%，其中第二产业碳排放中煤炭所占比例为83.82%。可知陕西省煤炭消费CO2排放量占绝对比重，以煤炭为主的能源消费结构对碳排放量的贡献值较高，能源消费结构需要进一步优化。由图2可以看出，1996—2010年陕西省碳排放强度总体呈下降趋势。从1996年的1.29t／万元持续下降到2010年的0.34t／万元。

图1 陕西省1996－2010年碳排放量

图2 陕西省1996－2010年碳排放强度

2.2 陕西省碳排放区域差异

由图3的测算结果可以看出，陕西省各市区碳排放总量与碳排放强度表现出明显的区域分异特征。陕西省3大地区碳排放总量中关中最高，陕北次之，陕南最小。关中总碳排放量达到2.08×107t，陕北碳排放量为9.02×106t，陕南碳排放量为4.01×106t。关中碳排放量较高的原因在于该地区经济发展速度较快，工业化、城市化水平较高，整体经济实力高于陕北和陕南地区，经济增长需要的能源消耗较高。陕南以绿色产业为主，经济发展落后于关中和陕北，是陕西省经济发展的薄弱区域，能源消耗较少。陕北地区资源丰富，经济发展水平高于陕南地区，碳排放量稍高于陕南。

由陕西省各地级市区碳排放总量分析可知（图3），西安市、榆林市和渭南市排放量超过5.00×106t；而杨陵区、商洛市、安康市碳排放总量较低，其中杨凌区碳排放量只有7.21×104t。在11个市区（图4）中，渭南市和铜川市的碳排放强度较高，分别为0.67和0.64t／万元；西安市、商洛市、杨陵区碳排放强度则较低，都在0.24t／万元以下；其它市区碳排放强度则介于0.26～0.44t／万元之间。陕西省各市区碳排放量存在区域差异的原因与各市区的经济发展水平、人口规模和产业结构特征有关。西安市经济发展水平较高，人口规模较大，GDP总量、人口规模都居于全省之首，这些因素与碳排放有着较高的正相关性，故碳排放量较高。但高新技术产业对于西安市的经济增长也有不小的贡献，因此碳排放强度较低；榆林市、渭南市作为国家能源化工基地，碳排放量居于陕西省前列。但榆林市注重提高能源的利用率使得碳排放强度较低，渭南市能源消费较多而利用率低，故其碳排放强度最高；商洛市和杨凌区碳排放量和碳排放强度都较低，主要原因在于商洛市和杨凌区以旅游服务业和农业等低碳行业为主导产业。

2.3 陕西省碳排放影响因素分解分析

根据分解公式对陕西省各影响因素进行LMDI分解。由表1可以看出，经济产出效应、产业结构效应及人口规模效应对陕西省碳排放的增加表现为正效应，而能源结构效应和能源强度效应对陕西省碳排放的增加表现为负效应。各分解因素对陕西省能源消费碳排放的贡献率不同，各因素按贡献率的绝对值大小依次是经济产出效应，能源强度效应，产业结构效应，能源结构效应和人口规模效应。可以看出，经济增长是陕西省碳排放增加的决定因素，而能源强度降低是碳排放减少的决定因素。

图3 陕西省2010年各市区碳排放量

图4 陕西省2010年各市区碳排放强度

表1 陕西省1996－2010年碳排放影响因素分解结果（以1996年为基期） 104 t

经济的高速增长是陕西省1996—2010年碳排放增加的主导因素。2010年陕西省GDP是1996年的8.33倍，同期第一产业GDP比例从1996年的20.6%下降到2010年的9.76%，第二产业由42.3%波动上升到53.8%，第三产业从37.1%波动下降到36.4%。根据陕西省目前的经济和产业发展特征，经济的发展必然与能源的消费相关联，故陕西省经济产出与碳排放有着较高的正相关性。

人口规模对于陕西省碳排放的增加表现为微弱的正效应，由于陕西省自1996年以来人口年均净增长较小，故人口规模对于碳排放的影响较小。产业结构对陕西省碳排放的影响高于人口规模。图5显示，1996—2010年陕西省第二产业碳排放量比重从1996年的70.3%波动下降到2010年的64.7%，第一产业碳排放比重在1.5%之间波动，第三产业碳排放则从1996年的28.0%波动上升到2010年的33.8%。虽然第二产业碳排放量比重由所下降，但绝对比重较大，第二产业碳排放量在三大产业比重中始终占主导地位，产业结构变化对陕西省碳排放增长没有出现负效应，表明陕西省产业结构仍处于不太理想状态，需要进一步实施产业结构优化调整。

图5 陕西省1996－2010年各产业结构碳排放比重

能源结构对碳排放影响呈现出负效应。由表1可以看出，能源结构变化对陕西省碳排放的增加所表现的负效应较小，这与陕西省能源结构的特点有关。陕西省以煤炭消费为主，各产业中尤其是第二产业，煤炭消耗量较大。从1996—2010年陕西省各类产业中的能源结构碳排放来看，第二产业中的煤炭碳排放量高达68%以上，煤炭能源消费的绝对比重始终较高。第三产业的能源结构变化稍大，煤炭碳排放下降了42.95%，石油和天然气碳排放比重分别上升了28.28%和14.67%。但从整体来看，以煤炭为主要的能源结构并没有改变，所以其负效应较小。

能源强度对陕西省碳排放的影响较大。表1显示，它对碳排放的增加呈现出显著的负效应。能源强度可以衡量产业部门的能源利用效率以及技术水平。陕西省1996—2010年各产业能源强度都呈现出大幅度的下降（图6）。第一产业能源强度（折算为标准煤）从1996年的0.45t／万元下降到2010年的0.26t／万元，降幅达53.08%，第二产业能源强度从1996年的4.54t／万元下降到2010年的0.91t／万元，降幅高达79.77%，第三产业能源强度从1996年的1.99t／万元下降到2010年的0.55t／万元，降幅为72.53%，2010年全行业的能源强度降低到0.71t／万元，降幅达74.18%。这表明陕西省减排技术水平有了一定进步，能源利用效率有了较大提高。但是，相对于庞大的碳排放量来说，陕西省能源利用效率还应进一步提高，技术水平还有很大的提升空间。

图6 陕西省1996－2010年各产业能源强度

3 陕西省节能减排的对策建议

（1）调整能源结构，提高能源利用效率。陕西省煤炭消耗在总能源消耗中所占比重较大，以煤炭为主的能源结构是造成碳排放增加的重要因素，因此应优化能源结构，适当的降低煤炭消耗比重，增加天然气等清洁能源的比重。同时应提高科技水平，降低碳排放强度，提高能源利用效率。

（2）优化产业结构，扩大低碳产业结构比重。1996—2010年陕西省第二产业碳排放占到全行业的70.47%以上，且在第二产业中以高排放的煤炭为主（83.82%），应合理的缩小第二产业规模，适当减少高耗能工业的发展，加快第三产业的发展，比如旅游业和文化产业的发展。

（3）建立和完善低碳经济体制。政府积极提倡低碳理念和低碳示范工程，引导人们自觉向低碳生活转变，同时建立企业和政府联合开发机制，鼓励开发新能源和可再生能源的使用。

（4）加强区域合作和国际合作。陕西省应该与其它区域以及国际社会共同合作，研发新的节能减排技术，借助国外资金、技术和经验，减少碳排放，完成减排目标。

4 结论

（1）1996—2010年陕西省碳排放量、人均碳排放总体呈现出波动增加的趋势，碳排放强度呈现出下降的趋势。在历年累计碳排放结构中，煤炭消费碳排放量最高，石油碳排放量次之，天然气碳排放量最小，煤炭消费造成的碳排放量占了绝对比重（70.47%）。

（2）陕西省各市区碳排放总量与碳排放强度表现出明显的区域分异特征。碳排放总量中关中最高，陕北次之，陕南最小。在各地级市区中：西安市、榆林市和渭南市排放量超过5.00×106t，而杨凌区的碳排放量只有7.21×104t。以能源化工产业为主导产业的渭南和榆林等市碳排放强度较高，而商洛市和杨凌区以旅游服务业和农业高新技术产业等低碳行业为主导产业，碳排放强度较低。

（3）经济产出、产业结构及人口规模对陕西省碳排放的增加表现为正效应，而能源强度和能源结构对陕西省碳排放的增加表现为负效应。各因素对陕西省能源消费碳排放的贡献率绝对值大小依次为：经济产出效应＞能源强度效应＞产业结构效应＞能源结构效应＞人口规模效应。经济增长是陕西省碳排放增加的决定因素，而能源强度降低是碳排放减少的决定因素。

［1］ IPCC.IPCC Fourth Assessment Report［EB／OL］.（2009－03－05）［2013－06－18］.http：∥www.ipccch／ipccreports／ar4w－g3.html.

［2］ IEA.CO2emissions from fuel combustion（2008edition）［R］.International Energy Agency（IEA），Head of Communication and Information Office，2009.

［3］ Boden T A，Marland G，Andres R J.Global，regional，and national fossil－fuel CO2emissions［R］.Oak Ridge Tenn，USA：Carbon Dioxide Information Analysis Center，Oak Ridge National Laboratory，US Department of Ene－Rgy，2009.

［4］ Ugur S，Ramazan S，Bradley T E.Energy consumption，income，and carbon emissions in the United States［J］.Ecological Economics，2007，62（5）：482－489.

［5］ Luciano C de F，Shinji K.Decomposing the decoupling of CO2emissions and economic growth in Brazil［J］.Ecological Economics，2011，70（6）：1459－1469.

［6］ Inmaculada M Z，Antonello M.The impact of urbaniza－tion on CO2emissions：Evide－nce from developing countries［J］.Ecological Economics，2011，70（5）：1344－1353.

［7］ 李健，周慧.中国碳排放强度与产业结构的关联分析［J］.中国人口·资源与环境，2012，22（1）：7－14.

［8］ 刘定惠，杨永春.甘肃省碳排放变化的因素分解及实证分析［J］.干旱区研究，2012，29（3）：510－516.

［9］ 蒋金荷.中国碳排放测算及影响因素分解［J］.资源科学，2011，33（4）：597－604.

［10］ Tol R S J，Pacala S W，Socolow R H.Understanding long－term energy use and carbon dioxide emissions in the USA［J］.Journal of Policy Modeling，2009，31（3）：425－445.

［11］ Nader S.Pathway to low－carbon economy：The Masder example［J］.Energy Procedia，2009，38（1）：3951－3958.

［12］ Wang Can，Chen Jining，Zou Ji.Decomposition of energy－related CO2emission in China：1957—2000［J］.Energy，2005，30（1）：73－83.

［13］ 徐国泉，刘泽渊，姜兆华.中国碳排放的因素分解模型及实证分析：1995—2004年［J］.中国人口·资源与环境，2006，16（6）：158－161.

［14］ 朱勤，彭希哲，陆志明，等.中国能源消费碳排放变化的因素分解及实证分析［J］.资源科学，2009，31（12）：2072－2079.

［15］ 李艳梅，张雷，程晓凌.中国碳排放变化的因素分解与减排途径分析［J］.资源科学，2010，32（2）：218－222.

［16］ 苏雅丽，张艳芳.陕西省土地利用变化的碳排放效应研究［J］.水土保持学报，2011，25（1）：152－156.

［17］ 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碳排放情景分析［R］.北京：国家发展和改革委员会能源研究所，2003.

［18］ Kaya Yoichi.Impact of carbon dioxide emission on GNP growth：Interpretation of proposed scenarios［R］.Paris：Presentation to the Energy and Industry Subgroup，Response Strategies Working Group，IPCC，1989.

［19］ Ang B W.Decomposition analysis for policymaking in energy：Which is the preferred method ［J］.Energy Policy，2004，32（9）：1131－1139.

［20］ Lin Boqiang，Du Kerui.Decomposing energy intensity change：A combination of index decomposition analysis and production－theoretical decomposition analysis ［J］.Applied Energy，2014，129（9）：158－165.