中国碳净排放脱钩效应时空演变特征分析

李治国,赵 越

(中国石油大学(华东)经济管理学院,山东 青岛 266580)

与碳排放量不同,碳净排放量这一概念中包含了对于森林碳汇的考虑。碳排放是指向自然界和人类生产生活向大气释放碳的过程,碳汇是指森林吸收并且储存碳的过程,二者作为碳循环的重要环节,共同影响着碳净排放量。壳牌发布的《“天空”远景报告》中预测世界CO2净排放量将于2025年增加至36 亿吨,于2070年清零,并在之后形成大规模负净排放量的格局。而我国近年来植树造林成果显著,已经成为维持全球森林覆盖面积基本平衡的主要贡献者,可以预见中国在碳净排放量清零这一过程中必定会扮演极其重要的角色。然而,目前国内外已有研究中,较少有学者将碳汇指标纳入范围来考虑经济增长与碳净排放量之间的关系,而是大多将目光集中于碳排放量与经济增长的脱钩研究。经济增长往往伴随着能源要素的投入与森林资源的演变,进一步影响环境,因此在低碳减排和资源高效利用的双重约束下探究我国碳净排放量是否已实现与经济增长之间的“脱钩”,具有十分重要的研究意义。

目前在碳排放量计算时,国内外大多数学者采用联合国政府间气候变化专门委员会(IPCC,intergovernmental panel on climate change)提出的因素分解法,通过对不同能源消费量的统计,结合平均CO2排放系数,对能源消耗释放的CO2量进行了折算。王铮等[1]、马晓哲[2]、于洋[3]在针对CO2排放量的研究中,推导并计算了不同省市之间由于技术差异所形成的不同CO2排放系数,更加精确地测算了不同年份各省的CO2排放量。

在碳汇测算方面,于洋等[4]、薛龙飞等[5-6]考虑了森林和城市绿地对CO2的去除效应;采用森林蓄积量扩展法推算了整个森林总固碳量;夏景阳[7]在建立森林种类碳密度与林分年龄之间关系的基础上利用储蓄量-生物量相关方程法对森林碳储量进行了估算;张超[8]、姜霞等[9]、张继平等[10]在计算CO2吸收量时参考光能利用率模型,获取了以植被碳储量为标准计算的净初级生产力,结合CO2转换系数测算了CO2吸收量的最终数据。

目前的文献中对于碳排放脱钩的测算大多基于Tapio[11]脱钩指数,孙叶飞等[12]、刘博文等[13]、曲健莹等[14]、程慧等[15]均在研究中使用Tapio脱钩指标对不同地区、行业的不同指标同经济增长进行脱钩分析。在已有研究中,较少有学者将碳汇与脱钩联系在一起纳入考虑范畴。因此在考虑森林碳汇效应的基础上,基于Tapio脱钩模型、结合Kaya恒等式与对数平均迪氏分解法(LMDI,log-mean divisia index)对中国“碳净排放量”同经济增长的脱钩指数进行分解,在此基础上分析了2007—2018年间中国各区域碳净排放脱钩指数时空变化特征,并由此得出一些政策建议。

1 数据来源与模型设定

1.1 数据来源

原始数据均来自于2003—2019年历年《中国统计年鉴》、《中国能源统计年鉴》以及《中国林业统计年鉴》,其中西藏自治区、澳门特别行政区、香港特别行政区、台湾省数据暂时缺失,不纳入考虑范围。同时参考国际能源署(IEA,international energy agency)和IPCC最新发展报告,个别缺失数据用均值或拟合值代替,确保数据真实有效。

1.2 碳净排放量测算模型建立

计算碳净排放量时从碳排放量与碳汇量2个角度来考虑,计算公式为

(1) 碳排放量测算 借鉴于洋[3]提出的质能转换法计算碳排放量,结合排放系数法和物料衡算法,令各省、市、自治区一段时间内能源消费总量(标准煤)与对应的碳排放系数相乘,从而获得各省该时间段内碳排放总量。其中各省能源消费总量可根据各省年内生产总值与能源强度(即单位省内生产总值能耗)计算公式为

表1 各省(市、自治区)碳排放折算系数

同时,EIi数值采自《中国统计年鉴》,鉴于2019年统计年鉴中所列示的万元GDP能源消费量指标在计算时考虑了历年可比价格,且每5年更换一次基期,因此结合2003—2019年相关资料对历年平均能源强度原始数据进行整理。

1.3 驱动因素分解模型

Kaya模型由日本教授Kaya[16]在IPCC的会议中提出,直至现在仍然被广泛应用于碳排放影响因素分解领域。在探讨碳净排放量的基础上,在Kaya公式中引入碳汇效应因素,对该公式做出了进一步的拓展,具体形式如下:

PC×EI×PG×P-V×d,

d=δ×ρ×γ×(1+α+β),

对Kaya公式进行进一步延伸,文献[17-18]中提出了一系列指数分解法,并对不同的指数分解方法进行了检验和比较[19],结果表明只有LMDI法和精炼Laspeyres分解法可以通过时间可逆性检验、因子可逆性检验和循环性检验,且LMDI法具有良好的性质,整体优于后者。基于此,使用LMDI因素分解法的加法形式对碳净排放量进行解释,分别体现了影响碳净排放量的能源消费碳强度因素、能源强度因素、经济增长因素、人口规模因素和森林碳汇因素,公式分别为

ΔV=Vi-V0。

在研究过程中选取2006年数据为基期,即第0期。第i期相对于第0期的碳净排放量变化表达为

ΔNE=NEi-NE0=ΔPC+ΔEI+ΔPG+

ΔP-ΔV×d。

1.4 脱钩模型

脱钩理论(decoupling)最早由经济合作与发展组织(OECD,organization for economic cooperation and development)提出,Tapio[11]在OECD脱钩指数模型基础上构建了新的脱钩模型,其优势在于其不受统计量纲变化的影响。

结合Kaya恒等式和LMDI因素分解结果,将Tapio脱钩指标公式拓展改写为

d=ePC+eEI+ePG+eP-eV×d,

其中:ePC分别表示能源消费碳强度效应分脱钩指数;eEI为能源强度效应分脱钩指数;ePG为经济增长效应分脱钩指数;eP为人口规模效应分脱钩指数;eV为碳汇效应分脱钩指数,由于对于能源消费碳强度PC历年各省的取值相同,因此不考虑存在时间差异,ePC=0,即总脱钩指数为

e=eEI+ePG+eP-eV×d。

Tapio脱钩弹性e指标的状态列示见表2。

表2 Tapio脱钩指数e状态分布

2 实证分析

2.1 碳净排放量现状分析

我国2007—2018年间碳净排放量构成如图1所示。

图1 中国2007—2018年间碳净排放量构成Fig.1 Composition of China's net carbon emissions from 2007 to 2018

虽然我国是碳排放大国,每年碳排放量均处于世界前列,连续多年远超同期世界平均水平,但由于我国植树造林成果显著,近十年来已经成为了显著碳汇国,向环境输出的碳排放量在经过2007—2011年间的逐年增加期后,近年来已趋于稳定,而与此同时森林蓄积量带来的碳汇能力却仍然在稳步上升,呈现出良好的发展趋势,致使我国在碳净排放量指标上已经远远领先于世界其他国家,提前达到了“负碳净排放量”的目标。这得益于我国从20世纪70年代开始即开展的大规模造林运动和各类生态修复工程:报告显示2000—2018年间,全球森林面积净减少1 700 万km2,而中国森林面积净增4 500 万km2,增长率为26.90%,促使我国整体由碳源国转变为碳汇国,在全球碳减排活动中做出了重要贡献。

2.2碳净排放脱钩时间特征

对我国2007—2018年间30个省(市、自治区)的相关数据进行分析,得到的全国历年碳净排放脱钩指数及其分解结果如图2所示。

图2 2007—2018年全国总脱钩指数及其分解结果Fig.2 National total decoupling index and its decomposition results from 2007 to 2018

由图2可知:(1)从全国视角来看,中国碳净排放量总脱钩指标e在2007—2017年间始终保持弱脱钩的状态(0.11

(2) 对于能源强度效应分脱钩指数eEI而言,在2007—2018年间均已处于强脱钩状态(eEI<0),表明经济增长的同时,能源强度是在不断下降的。其中在2007—2010年间eEI分脱钩指数绝对值有所降低,即EI的变化率相较于GDP变化率的敏感程度在降低,而近十年内趋平,表明由于技术因素限制,能源强度同经济发展的脱钩程度已经稳定在该水平上,如果不对现有能源结构做出改变,能源强度效应将难以继续对碳净排放脱钩做出贡献。

(3) 经济增长效应分脱钩指数ePG在2007年、2008年间处于增长连接状态(0.80

(4) 人口规模效应分脱钩指数eP在观测年间均处于较为稳定的弱脱钩状态,且总体而言十分贴近横轴,证明人口规模在2007—2018年间同经济增长之间并无十分明显的促进作用,但由于其整体位于总脱钩指数e线下方,因此其对于总脱钩指标具有正向作用。

(5) 碳汇效应分脱钩指数eV在观测年间呈现出逐年上升的状态,尤其在2018年出现了一次跳跃式上升,是导致碳净排放量总脱钩指标e当年实现强脱钩的主要原因,证明国家人工造林、封山(沙)育林、退化林修复等政策卓有成效。

2.3 碳净排放脱钩空间演变

利用Arcgis 10.5软件对各省历年总脱钩指数进行绘制,图3为2007—2010年、2011—2014年、2015—2018年间各省平均碳净排放总脱钩指数e。

由图3可知,我国各省碳净排放总脱钩效应总体看来正在逐渐由弱脱钩向强脱钩过渡,在过去十多年间碳净排放量同经济增长实现强脱钩的省份数量正在逐渐增加,这与图2显示结果是一致的。整体而言,我国西北、西南、华中、华南大部分地区均在2007—2018年间保持弱脱钩状态;在观测年间保持碳净排放强脱钩状态的省市主要集中在北京、天津、上海、江苏、宁夏、山西和浙江等华东、华北地区(图3中西藏自治区、台湾省为数据缺失,非实际已达成强脱钩状态);发生退步的地区为河北省和山东省,由于这些地区在近年来工业化发展快速增长,碳净排放量脱钩效应在该年度范围内由强脱钩向弱脱钩状态演变;发生进步的地区为河南省、黑龙江省和辽宁省,其中河南在观测年间实现了“扩张负脱钩-增长连接-强脱钩”的演变,黑龙江、辽宁则实现了弱脱钩向强脱钩的过渡。

图3 2007—2010年、2011—2014年、2015—2018年各省平均碳净排放总脱钩指数Fig.3 2007-2010,2011-2014,2015-2018 average decou-pling index of net carbon emissions of various provinces

针对不同地区的碳净排放与经济增长不同脱钩情况,为探究其驱动因素,将其按LMDI分解法分解为各项分脱钩指数,结果见表3。

由表3可知,对碳净排放量同经济增长脱钩指标影响最大的是能源强度效应分脱钩指数、经济增长效应分脱钩指数和碳汇效应分脱钩指数3项指标,而人口规模效应分脱钩指数相对于总脱钩指数贡献较小,因此各省应当将主要工作放到降低能源强度、增加碳汇效应上来。其中由于技术因素限制,能源强度在降低到一定程度后将难以继续对脱钩做出贡献。结合图2全国总脱钩指数及其分解结果,可以看出目前我国能源强度指标已经达到一个瓶颈期,此时应当通过推动创新清洁能源的发掘和应用来调整能源结构，摆脱各行业对化石能源的过度依赖，改变依靠能源要素大量投入实现经济发展的粗放增长模式，通过碳排放的降低进一步实现脱钩；而针对碳汇效应分脱钩指标，则需要考虑地理区位，针对不同地区的不同自然条件和经济水平因地制宜地实施森林资源差异化发展策略，进一步提升植树造林政策效率。

表3 2007—2010年、2011—2014年、2015—2018年各省脱钩指数分解结果

在保持碳净排放量强脱钩的地区中,北京、天津、上海、江苏和浙江强脱钩状态的保持主要源于能源强度效应分脱钩指数,国家对于这些重点省市节能减排政策进行严格推行和把控,在经济发展的同时强调创新清洁能源的推广和应用,大力促进产业转型升级,快速淘汰落后产能,其能源强度效应分脱钩指数对总脱钩指数的贡献较为突出;山西、宁夏、东北地区碳净排放强脱钩状态的基本实现则主要源于较高的碳汇效应分脱钩指数,这得益于这些地区过去和正在推行实施的国家三北防护林工程等一系列植树造林政策,使得这些曾经风沙危害、水土流失严重的地区林木蓄积量在过去几十年中成倍增长,成为国家绿色发展典型;河南省碳净排放脱钩状态在2007—2010年间较差,但在之后2个阶段分别实现了不同程度的提高,完成了“扩张负脱钩-增长连接-强脱钩”的演变,主要是由于该地区初期工业粗放发展,节能减排效应不明显,后期在国家政策扶持下进行企业转型升级,提升碳排放效率,促进工农业高新清洁技术发展,于2015—2018年间实现了碳净排放同经济增长的强脱钩。

3 结论与启示

根据研究结果,我国低碳减排、植树造林政策成果显著,目前已达“负碳净排放量”的目标。在2010年之后我国碳净排放量总脱钩指数递减于0,2018年首次实现强脱钩,总体而言呈现出较好的发展态势。华北、华东地区强脱钩状态的保持主要源于能源强度效应分脱钩指数,西北、东北地区碳净排放强脱钩状态的基本实现则主要源于较高的碳汇效应分脱钩指数。

上述结论对于我国进行碳净排放脱钩政策制定具有一定参考作用:第一,中国经济近年来正在不断向高质量增长转型,以往高投入、高污染、粗放的经济增长方式正在进行重大调整。然而,政府仍然应当重视西北、西南、华中、华南大部分处于碳净排放弱脱钩的地区发展,大力推动这些地区传统产能转型升级,提高第三产业中高新技术产业占比,尤其要重视高新技术产业及高端服务业的发展,转变经济发展方式;第二,由于研究结果显示目前我国能源强度脱钩效应已经暂时进入瓶颈期,因此国家应当转而推动能源创新,发展和推广清洁能源,严格执行和落实“十三五”节能减排综合工作方案,借鉴华北华东沿海强脱钩省市的经验,因地制宜改善中西部地区不合理能源结构;第三,借鉴山西、宁夏、黑龙江、辽宁等省(自治区)发展经验,我国应当继续推行植树造林政策,不断增加森林碳汇,促进碳净排放量进一步实现负增长,为能源消费碳排放做缓冲。同时应当考虑地理因素,针对不同地区不同自然条件和经济水平实施差异化发展策略。