江苏省碳排放时空差异及驱动因子分析

唐德才+李萌萌+吴梅

文章编号：1001-148X（2014）05-0026-06

摘要：本文以2000-2011年江苏省能源消耗数据及经济发展相关数据为基础，对江苏省碳排放进行了时空差异分析，并基于STRIPAT模型对影响碳排放的因素进行了实证检验，结果表明：无论是江苏省整体还是各省辖市，碳排放均呈上升趋势，但碳排放强度呈现出逐年下降的趋势；人口数量、第二产业比重、碳排放强度和人均财富是影响江苏省碳排放的主要因子。

关键词：碳排放；时空差异；STRIPAT模型；驱动因子

中图分类号：F427文献标识码：A

收稿日期：2013-11-14

作者简介：唐德才（1966-），男，江苏射阳人，南京信息工程大学经济管理学院教授，博士生导师，管理学博士，研究方向：产业经济、气候变化与公共气象；李萌萌（1989-），女，江苏徐州人，南京信息工程大学经济管理学院研究生，研究方向：气象经济学、气候变化与公共政策；吴梅（1990-），女，江苏苏州人，南京信息工程大学经济管理学院研究生，研究方向：气候变化与公共政策。

基金项目：2010年度江苏高校哲学社会学科重点研究基地重大项目“气候变化与公共政策研究院”，项目编号：S7910006001；行业（气象）科研专项课题“城市规划及气候条件对城市经济的影响”，项目编号：GYHY201106032-03。哥本哈根气候大会上，我国政府提出到2020年单位GDP二氧化碳比2005年下降40%-50%，并将其作为约束性指标纳入国民经济和社会的长期规划。江苏作为中国经济大省，提出到2015年CO2排放量比“十一五”降低18%以上的减排目标，这无疑是对正处在快速工业化进程中的江苏省施加了一个限制性约束。如何控制和减少碳排放已成为一项日益紧迫的大课题。

碳排放水平是由一个国家或地区的技术水平、富裕程度、能源结构、经济结构、人口结构等因素共同决定的［1］，因此本文拟在对2000-2011年江苏省13个省辖市碳排放时空差异分析的基础上，探讨人口、人均财富、碳排放强度等对江苏省碳排放量的影响，试图获得一些规律性的知识，为江苏省低碳城市建设和产业结构调整提供参考。

一、数据来源与研究方法

（一）数据来源

南京、苏州、无锡等13个省辖市的人口和GDP数据来源于《江苏统计年鉴》（2001-2012），产业比重数据来源于长三角年鉴、中国城市统计年鉴，能源消耗数据来源于13个省辖市2001-2012年统计年鉴。对统计年鉴中个别值有缺失的，本文取上下年数值之和的平均值；连云港由于能源消耗数据的缺失，本文暂未考虑。此外，文中涉及到的价格财富数据如GDP、人均GDP均以1978年为基期，按居民消费价格定基指数作价格平减处理。

（二）研究方法

1.碳排放的测算方法

目前，我国仍没有碳排放总量的直接检测数据，大多学者采用对能源消耗量、能源碳排放系数估算的方式对碳排放进行研究。IPCC作为国际权威的温室气体排放研究机构，提供了计算国家温室气体排放清单指南。本文在该指南提出的计算方法基础上，结合江苏省各市能源消费的特征选取原煤、原油、天然气等9种能源消费产生的碳排放量进行测算，其计算公式如下：

C=∑iEi×Fi×Ki（1）

其中，C为碳排放总量; Ei为第i类化石能源的消费量；Fi为第i类化石能源对标准煤的折算系数；Ki为第i类化石能源的碳排放系数，能源不同，K值也不同［2］。在国家层面，K值因不同国家的技术条件和能源结构而有所差异。英国、美国、日本等发达国家能源结构合理且利用效率高，其K值偏低，而中国由于能源结构不合理，其碳排放系数偏高。综合国内相关学者的研究成果，本文设定的中国碳K值约等于0785。江苏12个省辖市中不同能源使用后的CO2排放量根据《中国能源统计年鉴2012》中公布的能源折标煤转换系数计算得到（见表1）。总第445期唐德才：江苏省碳排放时空差异及驱动因子分析••••商 业 研 究2014/05

表1一次能源的折标准煤系数、碳排放系数能源种类原煤洗精煤焦炭天然气原油汽油柴油燃料油电力折标准煤系数0.71430.90.971413.31.42861.47141.45711.42861.229碳排放系数0.75590.75590.8550.44830.58570.55380.59210.61860资料来源：厦门节能公共服务网http://xmecc.xmsme.gov.cn/2006-10/2006101194039.htm；2006 IPCC guidelines for national greenhouse gas inventories:volume Ⅱ 。

图1江苏省历年碳排放量（单位：万吨）

2.STRIPAT模型的构建

York在经典IPAT等式（I=PAT）基础上，提出了随机回归模型，即STRIPAT模型，具体模型方式为：I=aPbAcTde［3］。其中，I、P、A、T分别为环境压力、人口数量、富裕程度和技术水平；a是模型的系数，b、c、d 分别是人口数量、富裕度、技术等人文驱动力的指数，e为模型误差。STRIPAT模型是定量分析人文因素对环境压力的一种有效方法，指数的引入使得该模型可用于分析各驱动要素对环境压力的非比例影响。借鉴STRIPAT多变量的非线性模型，本文构建的能源消费碳排放与其驱动因子关系的计量模型为：

I=k×Pa×Ab×Tc×SId×e（2）

两边取对数，可得：

ln(I)=lnk+a(lnP)+b(lnA)+c(lnT)+d(lnSI)+lne（3）

式中各个变量的含义为：I表示二氧化碳总量（万吨）；P表示人口因素（万人）；A为财富因素，用人均GDP表示（人民币元）；T表示技术因素，用二氧化碳强度表示，即单位GDP二氧化碳的排放量（吨/万元）；SI为产业结构，用第二产业GDP占GDP的比重来表示；lnk表示常数项；lne作为随机误差项。a、b、c、d为弹性系数，表示P、A、T、SI每变化1%时，将分别引起I的a%、b%、c%、d%的变化。

二、江苏省12个省辖市碳排放时空差异分析

（一）江苏省碳排放时间演变分析

从图1可以看出，2000-2011年江苏省碳排放量整体上呈快速上升趋势，尤其是2009年之后，碳排放增长速度明显加快，2011年的碳排放量为2000年的33倍，达到15 79170万吨。导致碳排放快速增长的根源在于以工业为主导的经济快速发展。

从2011年省辖市的碳排放总量看，苏州、南京、徐州、无锡、南通的碳排放依次为3 48337万吨、3 39578万吨、2 56972万吨、1 57506万吨、89220万吨，位居江苏省前五位，泰州、扬州、淮安、盐城、宿迁的碳排放依次为68760万吨、66958万吨、53166万吨、32905万吨、8312万吨，位居江苏省倒数五位；排放量最多的苏州几乎是排放量最小的宿迁的42倍，相差悬殊。2000-2010年碳排放量位居前五名的省辖市略有不同，南京、苏州、徐州是排放量最多的地区，大约是碳排放量最少的宿迁的44倍。

从表2人均碳排放来看，2011年人均碳排放位于江苏省前五位的是苏州、南京、无锡、徐州、常州，后五位的则是泰州、南通、淮安、盐城、宿迁，最高的苏州是最低的宿迁的36倍。作为人均碳排放最高的城市，苏州2011年人均碳排放是2000年的553倍，年均增长1665%，其增长大致可以分为三个阶段：一是缓慢增长阶段，由2000年的098吨/人增长到2003年的145吨/人；二是2003-2007年的快速增长阶段，2007年人均碳排放达到428吨/人，增幅达296%；三是2007-2011年的增长缓慢阶段，此阶段的增长幅度明显小于第二阶段，但仍处于增长趋势，2011年人均碳排放达542吨/人，比2007年增长了114吨/人。

endprint

表2江苏省12个省辖市人均碳排放（单位：吨/人）200020012002200320042005200620072008200920102011南京2.462.362.743.033.394.044.144.324.064.264.815.34无锡1.171.271.441.752.212.462.722.872.852.983.153.37徐州0.750.760.831.001.201.361.401.551.681.762.092.63常州0.610.730.851.041.321.391.611.991.962.072.222.40苏州0.981.141.211.452.233.103.714.284.334.675.085.42南通0.350.390.420.490.570.650.700.740.750.741.081.17淮安0.510.510.490.500.520.680.760.870.900.960.990.98盐城0.140.160.180.220.270.320.360.390.390.900.440.40扬州0.630.630.640.720.830.931.011.301.311.451.461.46镇江1.331.501.641.872.072.232.332.282.292.432.562.58泰州0.240.290.360.420.500.560.780.901.151.241.301.36宿迁0.050.060.070.070.100.120.130.110.110.110.130.15资料来源：根据《中国城市统计年鉴》（2001-2012）、江苏12个省辖市统计年鉴（2001-2012）整理计算所得。

图2江苏省碳排放强度趋势对比图（单位：吨/万元）

从碳排放强度看，2000-2011年江苏省碳排放强度呈大幅下降趋势（见图2）。2000年碳排放强度为256吨/万元，2011年为188吨/万元，下降了068吨/万元，降幅明显。与此同时，2000-2011年苏南、苏北、苏中三大区域的碳排放强度也呈现出下降的趋势，但其下降幅度不同，碳排放强度整体呈现出苏北＞苏南＞苏中的关系。2011年碳排放强度位于江苏省前五位的是徐州、南京、苏州、淮安、镇江、泰州，后五位的则是常州、无锡、南通、盐城、宿迁，最高的徐州是最低的宿迁的1136倍，相差明显。尽管2000-2011年12个省辖市碳排放强度在江苏省的位置略有不同，但南京、徐州始终是碳排放强度较高的城市。

（二）江苏省碳排放空间格局分析

众所周知，江苏省经济发展极为不平衡，表现出明显的地域差异。按照经济、地理位置，可将江苏省划分为苏南、苏中、苏北三大区域地带。本文在大区域系统中分析江苏省一次能源消费的碳排放空间格局的变化。

1大区域变化

总体而言，2000-2011年苏南地区的碳排放量大于苏北地区，而苏北地区又高于苏中地区。从图3可以看出，2000-2011年苏南地区的碳排放比重始终保持在60%以上，其原因是苏南地区资源丰富，有较强的经济基础、技术基础和较高素质的劳动力资源，靠近上海，交通便利，经济发展速度较快，第二产业较为发达，城市化水平高。由于能源消耗主要集中在第二产业部门，导致一次能源消费水平高，碳排放始终占据着主导地位。但从2007年以后，苏南地区的碳排放比重有所下降，原因是江苏省政府出台了苏南向苏北进行产业转移的政策。据统计，截止到2008年，苏南向苏北转移产业项目5 261个，总投资1 9614亿元［4］，其中绝大部分是贸易制造加工业，而处在工业化后期的苏南地区开始重点转向服务业及第三产业的发展，这在一定程度上降低了苏南地区的碳排放比重。图32000-2011年苏南、苏中、苏北碳排放区域格局变化

苏北地区的碳排放比重呈现出先下降后逐步上升的趋势，即先由2000年的226%下降到2007年的1930%，下降幅度达 3%，而后碳排放比重又开始逐渐升高，上升的幅度达3%。较苏南地区而言，苏北地区处于工业化初期阶段，2007年起，随着苏南地区产业向苏北地区的转移，特别是建筑制造业等第二产业的转移，一定程度上促进了苏北地区经济的发展，但相应地也导致苏北地区消耗更多的一次化石能源，致使碳排放比重有所上升。

苏中地区的碳排放比重整体上变化幅度不大，基本保持在10%-15%的比例。由于苏南经济的快速发展对苏中地区的辐射和带动作用比较强，近几年，苏中地区产业化进程加快，碳排放比重有一定的波动性。

2 江苏省省辖市碳排放过程变化

本文采纳张雷（2006）对碳排放规模分类的方法［5］，把碳排放分为超重碳排放型、重碳排放型、一般碳排放型、轻碳排放型四种类型。结合江苏省12个省辖市碳排放的变化特征，各种碳排放类型的碳排放量界定标准见表3。

（1）2000年江苏省12个省辖市碳排放类型的空间分布。从图4可以看出，2000年属于超重碳排放型的地区有南京、徐州；属于I级重碳排放型的地区包括常州、淮安、南通、扬州、镇江等5个；属于II级重碳排放型的地区包括无锡、苏州；属于I级一般碳排放型的地区只有盐城；属于II级一般碳排放型的地区只有泰州；属于轻碳排放型的地区仅包括宿迁。

图42000年江苏省12个省辖市碳排放空间格局

（2） 2005年江苏省12个省辖市碳排放类型的空间格局。从图5可以看出，2005年属于超重碳排放型的地区有无锡、徐州、苏州、南京；属于I级重碳排放型的地区包括泰州、盐城、淮安；属于II级重碳排放型的地区包括扬州、常州、南通、镇江；属于I级一般碳排放型的地区只有宿迁；没有属于II级一般碳排放型和轻碳排放型的地区。相比2000年，2005年超重型碳排放地区增加2个，重碳排放型地区的数量没有发生变化，一般碳排放型的地区增加1个，轻碳排放型地区减至0个。

表3江苏省碳排放类型划分标准类型碳排放量（万吨）超重碳排放大于等于600重碳排放

I级:大于等于180小于360 II级:大于等于360小于600一般碳排放

I级:大于等于60小于120II级:大于等于120小于180轻碳排放小于60资料来源：结合相关文献作者整理而来。

图52005年江苏省12个省辖市碳排放空间格局

（3） 2011年江苏省12个省辖市碳排放类型的空间格局。从图6可以看出，2011年属于超重碳排放型的地区有苏州、南京、徐州、无锡、南通、常州、镇江、泰州、扬州9个，比2005年增加了5个；属于I级重碳排放型的地区包括盐城；属于II级重碳排放型的地区包括淮安；属于I级一般碳排放型的地区只有宿迁。与2005年相同，没有属于II级一般碳排放型和轻碳排放型的地区。

图62011年江苏省12个省辖市碳排放空间格局

通过上述分析不难发现，在江苏省整体经济发展和一次能源消费增多的情况下，12个省辖市的碳排放量也在不断增加，特别是超重碳排放型地区，由2000年的2个增加到2011年的9个地区，表明2000-2011年江苏省12个省辖市的碳排放量发生显著变化。

三、江苏省辖市碳排放驱动因子分析

（一）对多重共线性和异方差的修正

大量文献表明，多重共线性和异方差问题是应用STRIPAT模型时通常会遇到的问题，经检验，本文选取的变量之间不存在多重共线性问题（见表4）；通过对原始数据取对数，方差膨胀因子（VIF检验值）小于10，说明STRIPAT模型本身较好地解决了异方差问题。因此，可以判断模型中的各个统计检验值是比较理想的，回归结果是可信的。

endprint

表4VIF检验结果variableVIF1/VIFlnA40.250129SI3.270.305566lnT1.380.724417lnP1.210.826715

（二）结果分析

根据建立的STRIPAT模型，以ln(I)为因变量，lnP、lnA、lnT、lnSI为自变量，在stata软件中进行拟合，结果如表5所示。人口、人均财富、技术水平、第二产业比重都通过了1%显著性水平检验，从而可以得出江苏省各省辖市2000-2011年碳排放驱动因子计量模型：

I=k×P104×A091×T095×SI096×e（4）

表5随机效应回归结果lnIcoef.std.err.z值p值lnP***1.036090.38845426.670.0000lnA***0.91430320.026962233.910.0000lnT***0.94994870.24959538.060.0000SI***0.9617820.31762053.030.0002k***-9.4866460.3142392-30.190.0000注：***、**、*分别表示1%、5%、10%显著水平。

从系数大小来看，（1）人口数量是江苏省各省辖市碳排放影响最重要的因素，人口数量每提高1%，碳排放增加104%。人口是决定能源需求的传统因素，较高的人口增长率往往会伴随着较高的能源需求［6］，从而大大增加碳排放量，这也解释了为何南京、徐州在经济发展迅速的同时也是江苏省碳排放量最高的城市。（2）人均财富对碳排放也起正向推动作用，每增加1%，碳排放就会增加091%，说明江苏省各省辖市的富裕程度对碳排放的影响很强烈。（3）碳排放强度成为仅次于人口和产业结构的第三大影响因素，表明通过技术的进步可以提高能源效率从而降低单位能源消耗和碳排放。（4）产业结构每改变1%，将引起碳排放量097%的变化，对碳排放具有比较大的正效应。近年来，江苏省各省辖市的第二产业比重总体都呈现上升趋势，且增长趋势快于第三产业，其贡献率抵消了相对低碳的第三产业对碳排放增长的负效应。

四、结论

本文以2000-2011年江苏省12个省辖市的能源消费量及经济发展相关数据为基础，对江苏省碳排放进行时空差异分析，并基于STRIPAT模型构建了碳排放驱动因子分析模型，得出如下结论：

（1）2000-2011年江苏省整体碳排放呈快速上升趋势，其根源在于以工业为主导的经济快速发展，在显著提高人民生活水平的同时也增加了大量的能源消耗，从而使江苏省的碳排放呈较快增长趋势。具体到各省辖市，碳排放总量略有不同，南京、苏州、徐州一直是碳排放量最多的地区；人均碳排放都呈现出逐年上升的趋势；碳排放强度呈现出逐年下降的趋势，且苏北＞苏南＞苏中，说明随着经济的发展，相同数量GDP的增加带来的碳排放增量减少，从侧面反映了江苏省12个省辖市经济结构的合理性和经济发展中的科学技术水平在不断提高。

（2）江苏省碳排放比重在空间格局上呈现出苏南＞苏北＞苏中的现象，特别是2007年以后江苏省产业转移政策的出台，大大增加了苏北地区的碳排放比重。从江苏省12个省辖市碳排放类型看，江苏省超重碳排放型地区由2000年的2个增加到2011年的9个，轻碳排放型地区的个数在逐渐减少，说明近年来江苏省12个省辖市的碳排放量都在显著增加。

（3）人口、人均财富、技术水平、第二产业比重是江苏省各省辖市碳排放的主要驱动因子，实证检验表明，当人口、人均财富、技术水平、第二产业比重每增加1%时，碳排放量将分别增加104%、091%、095%、096%。江苏省碳排放之所以呈现出明显的时空差异，主要是因为江苏省各省辖市的人口、人均财富、技术水平、第二产业比重存在着严重的区域差异。

参考文献：

［1］Hoffert M I, Caldeira K, Jain A K, et al. Energy implications of future stabilization of atmospheric CO2 content［J］．Nature, 1998, 395(6705):881-884.

［1］赵敏,张卫国,俞立中.上海市能源消费碳排放分析［J］．环境科学研究,2009,22(8):984-989.

［3］York R, Rosa E A, Dietz T.STIRPAT,IPAT and ImPACT:analytic tools for unpacking the driving forces of environmental impacts［J］.Ecological economics, 2003, 46(3):351-365.

［4］陈进.苏南向苏北产业转移过程中存在的问题及对策研究［J］．经济师, 2009（9）.

［5］张雷.中国一次能源消费的碳排放区域格局变化［J］．地理研究, 2006, 25(1):1-9.

［6］曹翠，李秋妍.不同城市化进程的碳排放特征差异比较——基于LMDI分解［J］．哈尔滨商业大学学报：社会科学版，2013（6）：25-32.

An Analysis of Time and Space Differences of Carbon Emissions and Driving

Factors in Jiangsu ProvinceTANG De-cai, LI Meng-meng, WU Mei

（School of Economics & Management, Nanjing University of Information Science & Technology,

Nanjing 210044,China）

Abstract： Based on the energy consumption data and related economic development data in Jiangsu province from 2000 to 2011, the paper analyzes time and space differences of carbon emissions in Jiangsu Province and empirically analyzes the factors that influence the carbon emission based on the STRIPAT model. The results show that the Jiangsu Province whether as a whole or not, carbon emissions appear to be on the rise, but the carbon emissions intensity shows downward trend year by year; population, the proportion of secondary industry, carbon emissions intensity and per capita wealth are the main factors that affect the carbon emissions in Jiangsu Province.

Key words：carbon emissions; time and space differences; STRIPAT model; driving factor

（责任编辑：王奇）

endprint

表4VIF检验结果variableVIF1/VIFlnA40.250129SI3.270.305566lnT1.380.724417lnP1.210.826715

（二）结果分析

根据建立的STRIPAT模型，以ln(I)为因变量，lnP、lnA、lnT、lnSI为自变量，在stata软件中进行拟合，结果如表5所示。人口、人均财富、技术水平、第二产业比重都通过了1%显著性水平检验，从而可以得出江苏省各省辖市2000-2011年碳排放驱动因子计量模型：

I=k×P104×A091×T095×SI096×e（4）

表5随机效应回归结果lnIcoef.std.err.z值p值lnP***1.036090.38845426.670.0000lnA***0.91430320.026962233.910.0000lnT***0.94994870.24959538.060.0000SI***0.9617820.31762053.030.0002k***-9.4866460.3142392-30.190.0000注：***、**、*分别表示1%、5%、10%显著水平。

从系数大小来看，（1）人口数量是江苏省各省辖市碳排放影响最重要的因素，人口数量每提高1%，碳排放增加104%。人口是决定能源需求的传统因素，较高的人口增长率往往会伴随着较高的能源需求［6］，从而大大增加碳排放量，这也解释了为何南京、徐州在经济发展迅速的同时也是江苏省碳排放量最高的城市。（2）人均财富对碳排放也起正向推动作用，每增加1%，碳排放就会增加091%，说明江苏省各省辖市的富裕程度对碳排放的影响很强烈。（3）碳排放强度成为仅次于人口和产业结构的第三大影响因素，表明通过技术的进步可以提高能源效率从而降低单位能源消耗和碳排放。（4）产业结构每改变1%，将引起碳排放量097%的变化，对碳排放具有比较大的正效应。近年来，江苏省各省辖市的第二产业比重总体都呈现上升趋势，且增长趋势快于第三产业，其贡献率抵消了相对低碳的第三产业对碳排放增长的负效应。

四、结论

本文以2000-2011年江苏省12个省辖市的能源消费量及经济发展相关数据为基础，对江苏省碳排放进行时空差异分析，并基于STRIPAT模型构建了碳排放驱动因子分析模型，得出如下结论：

（1）2000-2011年江苏省整体碳排放呈快速上升趋势，其根源在于以工业为主导的经济快速发展，在显著提高人民生活水平的同时也增加了大量的能源消耗，从而使江苏省的碳排放呈较快增长趋势。具体到各省辖市，碳排放总量略有不同，南京、苏州、徐州一直是碳排放量最多的地区；人均碳排放都呈现出逐年上升的趋势；碳排放强度呈现出逐年下降的趋势，且苏北＞苏南＞苏中，说明随着经济的发展，相同数量GDP的增加带来的碳排放增量减少，从侧面反映了江苏省12个省辖市经济结构的合理性和经济发展中的科学技术水平在不断提高。

（2）江苏省碳排放比重在空间格局上呈现出苏南＞苏北＞苏中的现象，特别是2007年以后江苏省产业转移政策的出台，大大增加了苏北地区的碳排放比重。从江苏省12个省辖市碳排放类型看，江苏省超重碳排放型地区由2000年的2个增加到2011年的9个，轻碳排放型地区的个数在逐渐减少，说明近年来江苏省12个省辖市的碳排放量都在显著增加。

（3）人口、人均财富、技术水平、第二产业比重是江苏省各省辖市碳排放的主要驱动因子，实证检验表明，当人口、人均财富、技术水平、第二产业比重每增加1%时，碳排放量将分别增加104%、091%、095%、096%。江苏省碳排放之所以呈现出明显的时空差异，主要是因为江苏省各省辖市的人口、人均财富、技术水平、第二产业比重存在着严重的区域差异。

参考文献：

［1］Hoffert M I, Caldeira K, Jain A K, et al. Energy implications of future stabilization of atmospheric CO2 content［J］．Nature, 1998, 395(6705):881-884.

［1］赵敏,张卫国,俞立中.上海市能源消费碳排放分析［J］．环境科学研究,2009,22(8):984-989.

［3］York R, Rosa E A, Dietz T.STIRPAT,IPAT and ImPACT:analytic tools for unpacking the driving forces of environmental impacts［J］.Ecological economics, 2003, 46(3):351-365.

［4］陈进.苏南向苏北产业转移过程中存在的问题及对策研究［J］．经济师, 2009（9）.

［5］张雷.中国一次能源消费的碳排放区域格局变化［J］．地理研究, 2006, 25(1):1-9.

［6］曹翠，李秋妍.不同城市化进程的碳排放特征差异比较——基于LMDI分解［J］．哈尔滨商业大学学报：社会科学版，2013（6）：25-32.

An Analysis of Time and Space Differences of Carbon Emissions and Driving

Factors in Jiangsu ProvinceTANG De-cai, LI Meng-meng, WU Mei

（School of Economics & Management, Nanjing University of Information Science & Technology,

Nanjing 210044,China）

Abstract： Based on the energy consumption data and related economic development data in Jiangsu province from 2000 to 2011, the paper analyzes time and space differences of carbon emissions in Jiangsu Province and empirically analyzes the factors that influence the carbon emission based on the STRIPAT model. The results show that the Jiangsu Province whether as a whole or not, carbon emissions appear to be on the rise, but the carbon emissions intensity shows downward trend year by year; population, the proportion of secondary industry, carbon emissions intensity and per capita wealth are the main factors that affect the carbon emissions in Jiangsu Province.

Key words：carbon emissions; time and space differences; STRIPAT model; driving factor

（责任编辑：王奇）

endprint

表4VIF检验结果variableVIF1/VIFlnA40.250129SI3.270.305566lnT1.380.724417lnP1.210.826715

（二）结果分析

根据建立的STRIPAT模型，以ln(I)为因变量，lnP、lnA、lnT、lnSI为自变量，在stata软件中进行拟合，结果如表5所示。人口、人均财富、技术水平、第二产业比重都通过了1%显著性水平检验，从而可以得出江苏省各省辖市2000-2011年碳排放驱动因子计量模型：

I=k×P104×A091×T095×SI096×e（4）

表5随机效应回归结果lnIcoef.std.err.z值p值lnP***1.036090.38845426.670.0000lnA***0.91430320.026962233.910.0000lnT***0.94994870.24959538.060.0000SI***0.9617820.31762053.030.0002k***-9.4866460.3142392-30.190.0000注：***、**、*分别表示1%、5%、10%显著水平。

从系数大小来看，（1）人口数量是江苏省各省辖市碳排放影响最重要的因素，人口数量每提高1%，碳排放增加104%。人口是决定能源需求的传统因素，较高的人口增长率往往会伴随着较高的能源需求［6］，从而大大增加碳排放量，这也解释了为何南京、徐州在经济发展迅速的同时也是江苏省碳排放量最高的城市。（2）人均财富对碳排放也起正向推动作用，每增加1%，碳排放就会增加091%，说明江苏省各省辖市的富裕程度对碳排放的影响很强烈。（3）碳排放强度成为仅次于人口和产业结构的第三大影响因素，表明通过技术的进步可以提高能源效率从而降低单位能源消耗和碳排放。（4）产业结构每改变1%，将引起碳排放量097%的变化，对碳排放具有比较大的正效应。近年来，江苏省各省辖市的第二产业比重总体都呈现上升趋势，且增长趋势快于第三产业，其贡献率抵消了相对低碳的第三产业对碳排放增长的负效应。

四、结论

本文以2000-2011年江苏省12个省辖市的能源消费量及经济发展相关数据为基础，对江苏省碳排放进行时空差异分析，并基于STRIPAT模型构建了碳排放驱动因子分析模型，得出如下结论：

（1）2000-2011年江苏省整体碳排放呈快速上升趋势，其根源在于以工业为主导的经济快速发展，在显著提高人民生活水平的同时也增加了大量的能源消耗，从而使江苏省的碳排放呈较快增长趋势。具体到各省辖市，碳排放总量略有不同，南京、苏州、徐州一直是碳排放量最多的地区；人均碳排放都呈现出逐年上升的趋势；碳排放强度呈现出逐年下降的趋势，且苏北＞苏南＞苏中，说明随着经济的发展，相同数量GDP的增加带来的碳排放增量减少，从侧面反映了江苏省12个省辖市经济结构的合理性和经济发展中的科学技术水平在不断提高。

（2）江苏省碳排放比重在空间格局上呈现出苏南＞苏北＞苏中的现象，特别是2007年以后江苏省产业转移政策的出台，大大增加了苏北地区的碳排放比重。从江苏省12个省辖市碳排放类型看，江苏省超重碳排放型地区由2000年的2个增加到2011年的9个，轻碳排放型地区的个数在逐渐减少，说明近年来江苏省12个省辖市的碳排放量都在显著增加。

（3）人口、人均财富、技术水平、第二产业比重是江苏省各省辖市碳排放的主要驱动因子，实证检验表明，当人口、人均财富、技术水平、第二产业比重每增加1%时，碳排放量将分别增加104%、091%、095%、096%。江苏省碳排放之所以呈现出明显的时空差异，主要是因为江苏省各省辖市的人口、人均财富、技术水平、第二产业比重存在着严重的区域差异。

参考文献：

［1］Hoffert M I, Caldeira K, Jain A K, et al. Energy implications of future stabilization of atmospheric CO2 content［J］．Nature, 1998, 395(6705):881-884.

［1］赵敏,张卫国,俞立中.上海市能源消费碳排放分析［J］．环境科学研究,2009,22(8):984-989.

［3］York R, Rosa E A, Dietz T.STIRPAT,IPAT and ImPACT:analytic tools for unpacking the driving forces of environmental impacts［J］.Ecological economics, 2003, 46(3):351-365.

［4］陈进.苏南向苏北产业转移过程中存在的问题及对策研究［J］．经济师, 2009（9）.

［5］张雷.中国一次能源消费的碳排放区域格局变化［J］．地理研究, 2006, 25(1):1-9.

［6］曹翠，李秋妍.不同城市化进程的碳排放特征差异比较——基于LMDI分解［J］．哈尔滨商业大学学报：社会科学版，2013（6）：25-32.

An Analysis of Time and Space Differences of Carbon Emissions and Driving

Factors in Jiangsu ProvinceTANG De-cai, LI Meng-meng, WU Mei

（School of Economics & Management, Nanjing University of Information Science & Technology,

Nanjing 210044,China）

Abstract： Based on the energy consumption data and related economic development data in Jiangsu province from 2000 to 2011, the paper analyzes time and space differences of carbon emissions in Jiangsu Province and empirically analyzes the factors that influence the carbon emission based on the STRIPAT model. The results show that the Jiangsu Province whether as a whole or not, carbon emissions appear to be on the rise, but the carbon emissions intensity shows downward trend year by year; population, the proportion of secondary industry, carbon emissions intensity and per capita wealth are the main factors that affect the carbon emissions in Jiangsu Province.

Key words：carbon emissions; time and space differences; STRIPAT model; driving factor

（责任编辑：王奇）

endprint