基于先进标杆理念的二氧化碳减排潜力研究

周曙东 宛睿

摘要 基于中国政府国家自主减排承诺到2030年的碳强度降低目标，从先进标杆理念出发，综合运用Ward层次聚类法、遴选法等方法构建了测算二氧化碳减排潜力的模型方法，即：先进标杆理念法。运用2005—2016年30个省份38个工业分行业数据，测算了各省份工业行业二氧化碳的减排潜力，并从工业总体、行业总体和区域聚类分组这三个方面分析减排潜力的差异和来源。研究认为：首先，从中国工业行业总体减排潜力来看，碳排放量的降低幅度可以达到18.62%，而工业碳排放强度的减排幅度将达到24.03%，比2005年累计下降70.03%，可以实现到2030年单位国内生产总值二氧化碳排放量比2005年下降60%～65%的目标;其次，从工业行业二氧化碳减排潜力可以看出，煤炭开采和洗选业、石油加工、炼焦和核燃料加工业、化学原料和化学制品制造业、非金属矿物制品业、黑色金属冶炼和压延加工业、电力、热力生产和供应业这6个行业为二氧化碳减排潜力大的行业，石油和天然气开采、农副食品加工业、纺织业、造纸和制品业、有色金属冶炼及压延业、金属制品业等9个行业属于中等减排潜力行业;再次，从聚类分析的角度来看，山东、江苏、河南、陕西、辽宁、广东等11个省份具有较大的减排潜力;最后，测算发现，本研究方法能够较好地估测出各省工业行业碳减排潜力，为各省份科学测算工业行业二氧化碳减排潜力和减排指标的制定提供参考依据。

关键词  碳排放强度;Ward聚类法;遴选法;减排潜力

中图分类号 F062.1  文献标识码 A  文章编号 1002-2104（2021）04-0023-09  DOI：10.12062/cpre.20200930

改革开放40多年来，中国经济迅猛发展，2018年经济总量已达134 572.67亿美元，远远超越日本，稳居世界第二。同时，中国也成为世界上碳排放量最多的国家，这使得中国必须面对国际社会施加的减排压力。因此，作为一个负责任的大国，中国政府在巴黎气候大会前，2015年6月30日向《联合国气候变化框架公约》秘书处正式提交了国家自主减排贡献文件，承诺：中国二氧化碳排放量在2030年左右达峰并争取尽早达峰;单位国内生产总值二氧化碳排放量比2005年下降60%～65%，非化石能源占一次能源消费比重达到20%左右。目前，中国工业二氧化碳占比从2000年的0.706波动变化到2016年的0.665，但是，我们可以看出工业领域碳排放量始终占有重要的份额。因此，工业领域提高能效和降低二氧化碳排放量关系着我国减排目标的成败。虽然目前我国在节能减排领域取得一定成效，但需要指出的是，当前的减排政策仍存在一定的忽视点。例如：《中国“十三五”节能减排综合工作方案》仅提出了全国的主要行业和部门节能指标、各省份的能耗总量和强度“双控”目标，但是，到目前为止，国家尚缺少科学测算划分二氧化碳减排任务分省分行业的目标，且没有科学的方法测算出各省各行业的减排潜力。该如何从各省的实际情况出发科学地承担减排任务？文章提出了一个基于先进碳强度标杆的研究方法，以期能够科学地测算各省各工业分行业碳减排潜力，为中国实现2030年减排目标以及各省份制定工业分行业二氧化碳减排任务提供参考依据。

1 文献综述

围绕二氧化碳减排潜力测算方法，国内外学者的相关研究成果主要聚焦于以下四个领域。

1.1 运用效率法测算二氧化碳减排潜力

一方面，以最优能源效率为标准，测算二氧化碳减排潜力。学者们认为二氧化碳减排潜力研究需要设定最优情况作为参照，通过计算当前情况与最优情况的差距测算出减排潜力。能源效率是影响能源相关碳排放量的重要因素，因此，以能源效率最优值与各地能源效率的差距測算二氧化碳减排潜力。李志学等[1]、王文昊[2]、Akan等[3]和Xia等[4]等采用单因素能源效率作为研究的指标测算减排潜力。除了单因素能源效率，还有更多学者采用全要素能源效率作为指标测算减排潜力，如：汪克亮等[5]采用了CCR-DEA模型测算了全要素能源效率，并在此基础上测算了节能减排潜力，发现我国节能减排潜力呈现出“西-中-东”的发展格局，即西部减排潜力最大，中部次之，东部地区最小。郭姣和李健[6]采用非期望产出的SBM模型测算了节能和减排潜力，发现三大城市群节能潜力与减排潜力总体上处于较高水平，减排潜力远大于节能潜力。此外，还有王鸿远等[7]等学者同样采用不同的DEA模型测算能源效率，然后再去研究减排潜力[8-11]。

另一方面，以最优碳排放效率为标准，测算二氧化碳减排潜力。学者们认为基于全要素碳排放效率更能够科学地测定各投入要素下二氧化碳排放量变动情况，因此，以碳排放效率最优值与各地碳排放效率的差距测算二氧化碳减排潜力。李健等[12]采用考虑松弛变量的规模方向距离函数（SDDF）测算了二氧化碳排放效率，并据此计算二氧化碳减排潜力。Yang等[13]采用多层次全局共同随机前沿数据包络模型测算制造业二氧化碳排放效率，再进一步分析二氧化碳减排潜力。东部地区在三大地区中具有更大的减排潜力。除了上述学者运用不同的改进的DEA模型测算全要素碳排放效率来测算二氧化碳减排潜力，还有如：Jin等[14]、Zhang等[15]、魏楚等[16]等学者[17-23]同样采用不同的DEA模型测算碳排放效率，然后再去研究减排潜力。

1.2 构建指标体系测算二氧化碳减排潜力

一些学者，以碳排放恒等式为基础，分析了碳排放影响因素，并以此为基础构建了二氧化碳减排潜力评价指标体系，认为广东、山东、江苏、浙江的减排潜力大[24]。另外一些学者，以测算的碳排放效率得分作为构建减排潜力的指标，并以可支付性和缺乏效率性指标的加权平均来测算减排潜力指标[25]。冯冬和李健[26]采用考虑非期望产出的SBM模型测算京津冀二氧化碳排放效率，然后在考虑了公平性和效率性原则下构建减排潜力指数。

1.3 情景模拟预测分析法测算二氧化碳减排潜力

国内外学者如：牛晓耕等[27]则以河北省为例，研究产业结构演进对节能减排潜力的影响，综合经济社会发展目标，根据产业结构演进设置了5个情景测算具体的二氧化碳减排潜力。王文举和向其凤[28]构建了产业结构调整的动态投入产出模型，并以投资作为调整对象，通过设定最高和最低投资率，设定了5种情景来估算节能和二氧化碳减排潜力。Tan等[29]认为中国钢铁行业实施能源替代政策，对该行业减少二氧化碳排放具有重要的现实意义。根据不同技术对能源品种的节能效果，将20种节能减排（ESER）技术分为4大类：节煤技术，节电技术，综合节能技术，联动技术。考虑到钢铁行业能源结构的能源替代约束，设定三种减排情景：基线情景（BAU）、政策情景（PS）和强化政策情景（SPS）来测算二氧化碳减排潜力。此外，还有如：Wang等[30]、伍亚[31]、于振英和牛建高[32]等学者[33-38]亦基于不同的模型和设置的情景来模拟预测二氧化碳减排潜力。

1.4 其他方法测算二氧化碳减排潜力

还有一些学者运用其他方法来测算二氧化碳减排潜力，如：饶清华等[39]估计人均GDP和碳排放强度之间的环境学习曲线，并以此为基础测算二氧化碳减排量。张琴琴和朱承驻[40]运用灰色预测模型对安徽省各工业行业碳排放强度和减排潜力进行预测，认为安徽省工业行业部门减排潜力大，其中，化学、冶金、电力和煤炭这4个行业是减排重点。林玲等[41]分析了当前产业结构调整对节能减排的贡献度，在此基础上构建产业结构联动模型预测未来两个五年时期结构节能减排潜力大小。王奇和赵欣[42]基于改进的等比例分配法和熵值赋权法，充分考虑各省份在驱动因素、减排能力、减排成本等差异，认为在“十三五”期间中国30个省份仍具有16.33%的减排潜力。

综合国内外研究文献看，学者们测算节能减排潜力的方法主要聚焦于五个领域：第一，运用能源效率法测算二氧化碳减排潜力;第二，运用碳排放效率法测算二氧化碳减排潜力;第三，构建指标体系测算二氧化碳减排潜力;第四，情景模拟预测分析法测算二氧化碳减排潜力;第五，另外还有个别学者用环境学习曲线、灰色预测模型等方法测算减排潜力。但是，现有的研究仍然存在以下的不足：第一，当采用效率法测算二氧化碳减排潜力时由于采用不同的前沿面、不同的改进方法、是否考虑非合意产出等均会影响研究结果。第二，前期的研究多是关于全中国、工业、或某个具体行业测算减排潜力，从不同省份工业分行业研究测算二氧化碳减排潜力尚没有学者涉及。第三，以碳排放强度先进标杆这一约束性指标测算二氧化碳减排潜力尚没有学者提出。第四，从现有的研究文献看，在测算二氧化碳减排潜力时没有将工业过程碳排放量纳入测算中。针对现有研究存在的不足，文章具有以下几点边际贡献：第一，从工业行业碳排放强度出发，提出一个

基于先进标杆理念的方法来测算不同省份工业细分行业减排潜力，为测算减排潜力提供了一个新的方法。第二，从不同省份分行业去测算了减排潜力，能够有助于各地区精准制定减排策略具有一定的现实参考意义。第三，将工业过程的碳排放纳入不同地区分行业减排潜力的测算中，这有助于测算出实际减排潜力的大小。

2 研究方法与数据来源

2.1 研究方法

当前测算二氧化碳减排潜力的主要有四种方法，其中李志学等[1]、王文昊[2]、Xia等[4]等学者[16，19]认为二氧化碳减排潜力时选取最优情况作为参照对比值，通过计算出实际能源效率与最优情况的差距，从而得出现有生产力水平下的二氧化碳减排潜力。通过借鉴李志学等[1]、王文昊[2]、Xia等[4]等学者构建二氧化碳减排潜力的方法，提出一种新的基于先进标杆测算二氧化碳减排潜力的方法。

Carbpotik=（Carbinik-Carbin*k）×gdpik（1）

公式（1）中，Carbpotik表示的是在i地區k行业的二氧化碳减排潜力，Carbin*k表示的是k行业碳排放强度的先进标杆，Carbinik表示的是i地区k行业的碳排放强度。（Carbinik-Carbin*k）表示的是i地区k行业的碳排放强度和k行业先进标杆碳排放强度之间的差距。具体研究思路可见图1所示的技术路线图，本研究的方法首先认为各省市各行业的减排能力是存在差距，并对其按聚类分类。其次从每个细分行业中找出先进标杆，该标杆不是一个省份而是来自于一组省份，这样可以避免特殊情况的误差。最后，在行业中将各地的实际值和行业先进标杆进行比较，那么这个差值就称之为减排潜力。按照技术路线图来遴选行业碳强度的先进标杆和二氧化碳减排潜力测算。

2.1.1 工业分行业碳排放强度先进标杆遴选

为了更加科学地遴选出工业行业碳排放强度先进标杆，本研究制定了如下的5个遴选步骤：

（1）测算出的各省工业分行业的碳排放量和各省分

行业的产值，按照如下的公式：

Carbon Intensity=Industry Carbon EmissionsIndustry GDP（2）

上式中，Carbon Intensity表示的是工业行业碳排放强度、Industry Carbon Emissions表示的是工业分行业碳排放量、Industry GDP表示的是工业行业国内生产总值。根据上式测算出各省份2005—2016年各行业的碳排放强度;

（2）根据测算出的各省份2005—2016年分行业碳排放强度数据，分别测算出各省分行业碳排放强度的变化率，然后再计算出各省工业分行业碳排放强度的平均降低率;具体见公式（3）：

CARINTratioijt=tΠnt=1CARINTratioijt

（3）

在上式中，CARINTratioijt表示的是i省j行业在t年的碳排放强度的降低率。CARINTratioijt表示的是i省j行业在t年的碳排放强度的平均降低率。

（3）针对不同自然禀赋的省市自治区进行聚类分组， 根据30个省份2005—2016年的重工业产值、高新技术产业产值、农业产值、人均GDP、能源效率、产业结构、旅游业收入、采掘业、制造业等指标，将各省的数据取均值。运用Stata软件采用Ward法对其进行聚类分析，将聚类结果进行细微调整将30个省份聚类成七组类（表1）。

（4）在7个组内和组间进行工业行业碳排放强度的平均降低率进行比较和排序，然后挑选出每个行业在全国最大的7个碳排放强度的平均降低率。为了避免小规模非

主导产业导致数据异常值，这里设置了行业规模门槛，行业规模门槛的GDP值。

CARINTratioij=

averagesum（i个省份中最大的7个），

GDPij≥GDPthreshold

（4）

CARINTrationij表示的是i省j行业碳排放强度的最优

的平均降低率。其中，GDPthreshold是我国30个省份中j行业门槛规模值，这是因为各行业遴选先进标杆的基本条件是具有一定规模的主导产业。

（5）根据上面的分类比较、测算，得到分行业的碳排放强度的减排的标杆。这些标杆是我国各行业目前行业碳排放强度最低的集合，以上碳排放强度通过当前技术进步和效率改进是能够在一定时期内实现的。因此，我们将这些行业碳排放强度作为当前减排的目标。

Carbin*j=（1-CARINTratioij）×CARINTENij（5）

Carbin*j表示的是所有省份中j行业的碳排放强度的先进标杆。

2.1.2 工业分行业二氧化碳减排潜力的测算

本部分将以上文遴选出的工业行业碳排放强度先进标杆作为基准，进一步测算未来各省工业行业的减排可行空间。采用公式（6）测算二氧化碳减排潜力：

Carbpoti=∑nj=1（Carbinij-Carbinim）×gdpij（6）

i=1、2、……30;j=1、2、……38;

Carbpoti表示的是i省的总体的二氧化碳减排空间。Carbinij表示的是i省的j行业的碳排放强度，Carbinim 表示的是所有省份中j行业的碳排放量强度的先进标杆。

2.2 数据来源

本研究采用的数据有：各省工业分行业能源消费总量数据、重工业产值、高新技术产业产值、农业产值、人均GDP、能源效率、产业结构、旅游业收入、工业分行业产值、GDP平减指数等。这些数据均来自各省份2006—2017年的各省统计年鉴、统计数据网站等。根据国家温室气体清单工业分行业的碳排放来源包括：工业行业能源活动和工业生产过程，測算工业行业碳排放量通过公式（7）测算：

Carbon emission=Carbon emissionE+Carbon emissionI

（7）

Carbon emissionE=∑9iEi×γi×λi（8）

Carbon emissionI=PRODj×βj（9）

i=1，2……，22; j=1，2…6;

上式Carbon emission中表示的工业行业碳排放总量，Carbon emissionE表示工业能源活动碳排放总量，单位是万t CO2e，E表示能源消费总量，γ是各种能源的标准煤转换系数，λ是能源标准煤的碳排放系数为2.499。Carbon emissionI表示工业生产过程碳排放，PROD表示的是工业产品的产量。在本研究中将纯碱、乙烯、电石、水泥、生铁、粗钢、钢材的生产过程碳排放量作为测算对象。β表示的是单位产量的排放系数，主要来自IPCC提供的排放系数数据库。

重工业产值根据国家行业分类标准，将采掘业、原材料工业、加工工业这涉及的行业纳入重工业中。而高新技术产业产值根据国家行业标准，将信息技术、生物技术、新材料技术等行业纳入其中。能源效率为单位GDP的产出下的能源消费量，单位t/万元。产业结构采用的是第三产业和第二产业的比值进行测算。旅游业收入采用的是境内旅游的总收入和国外入境旅游的总收入的加总来进行测算，国外入境的收入单位是美元，并采用年平均汇率折算成人民币。总产值用2005年为基期的价格指数对其进行调整。

3 二氧化碳减排潜力的测算

3.1 工业总体减排潜力

2016年30省份工业排放总量达到了1 335 221.28万t CO2e，本研究基于先进标杆理念，根据上文的研究方法对数据进行测算、汇总，未来工业二氧化碳减排潜力值达到248 725.08万t CO2e，碳排放量的降低幅度可以达到18.62%。根据生态环境部发布的《中国应对气候变化的政策与行动2019年报告》，2017年中国单位国内生产总值二氧化碳排放下降4.0%，比2005年累计下降46%。在先进标杆理念下，中国工业碳排放强度的减排幅度将达到24.03%，比2005年累计下降了有70.03%。根据中国承诺在2030年实现让单位国内生产总值二氧化碳排放量比2005年下降60%～65%的目标，表明未来中国工业二氧化碳仍然具有巨大的减排潜力，能够实现2030年的降低目标。

3.2 各行业总体减排潜力

从减排总量的角度本研究发现中国二氧化碳减排潜力存在着较大幅度减排空间。基于测算结果，我们将行业的减排潜力总量划分为四大类，具体见表2所示：

（1）高减排潜力行业。图2显示的6个行业中，黑色金属冶炼及压延业具有最高的减排潜力，总体减排潜力达69 053.27万t CO2e。其次是电力热力生产供应业、非金属矿物制品业、石油加工、炼焦和核燃料加工业均具有20 000万t CO2e以上的减排潜力，剩下的两个行业均有10 000万t CO2e以上的减排潜力。

（2）中等减排潜力行业。图3所示是中国具有中等减排潜力的工业行业，具体包括石油和天然气开采、农副食品加工业、纺织业、有色金属冶炼及压延业等9个行业。其中，有色金属冶炼及压延业在该分组内具有最高的减排潜力，总减排潜力可以达到8 380.13万t CO2e。造纸及纸制品业和纺织业具有第二三位的减排潜力，分别达到了2 904.08万t CO2e和2 743.25万t CO2e。其他7个行业亦具有1 500万t CO2e以上的减排潜力值。

（3）有限减排潜力行业。如图4所示，在工业的38个行业中，还有

黑色金属矿采选业、酒、饮料和精制茶制造业、医药制造业等12个行业具有500万t～1 500万t CO2e的减排潜力，这些行业具有有限的减排潜力。另外在这些行业中食品制造业的减排潜力值最高，达到了1 172.48万t。而橡胶和塑料制品业和化学纤维制造业则在该组内有第二和第三的潜力值，分别是1 138.69万t CO2e和1 134.97万t CO2e。其他9个行业亦具有500万t CO2e以上的减排潜力值。

（4）低减排潜力行业。工业行业中有色金属矿采选业、烟草制品业、纺织服装等制造业、印刷记录媒介复制业等11个行业的减排潜力值较低。在这些行业中它们的减排潜力值分布在500万t CO2e以下。在这些行业中有色金属矿采选业具有最高的碳减排潜力，潜力值可以达到452.96万t CO2e;  文教、工美、体育和娱乐用品制造业和纺织服装、服饰业这两个行业分别有第二和第三的减排潜力，分别具体有387.59万t CO2e和359.15万t CO2e。其他8个行业仅具有300万t CO2e以下的减排潜力值。

3.3 各省份工业行业减排潜力聚类分析

根据先进碳强度标杆测算的数据，上文已经分析中国

工业二氧化碳减排潜力和细分行业减排潜力。基于测算

结果进一步根据聚类分组分析各省减排潜力和减排重点行业，具体见表3。

（1）东部工业大省-资源稀缺省份具有最高的二氧化碳减排潜力，东部经济发达-资源稀缺省份的二氧化碳减排潜力则紧随其后。在东部工业大省-资源稀缺省份中包括河北、山东、福建等5省，它们均具有较高的二氧化碳减排潜力。而东部经济发达-资源稀缺省份包括天津市、浙江、广东、江苏这4个省市，除了天津市减排潜力稍弱，其它3个省均有较高的二氧化碳减排潜力。

（2）中西部资源丰富-采掘业大省份、中西部农业

资源丰富-传统工业省份都具有30 000万t CO2e以上的二氧化碳总减排潜力。 中西部资源丰富-采掘业大省省份中陕西、山西、内蒙古、新疆这4个省份都具有6 000多万t CO2e的二氧化碳减排潜力，而该组中黑龙江省二氧化碳减排潜力值较低，仅3 000多万t CO2e。中西部农业资源丰富-传统工业省份中安徽、吉林、广西、云南这4个省份具有较高的减排潜力，而该组中重庆、贵州、甘肃这3个省市二氧化碳减排潜力值较低，仅3 000多万t CO2e。

（3）政治经济中心城市、中西部农业生产资源丰富-工业省份、工业欠发达-资源不均衡省份。在这三个分组中，政治经济中心城市包括北京市和上海市，这两个城市是中国的政治和经济中心，并且他们的经济发展和创新能力位于中国前列。因此，该分组在7个聚类分组中有着最低的总减排潜力，仅有4 600多万t CO2e。中西部农业生产资源丰富-工业省份该分组内各省均具有5 000万t CO2e以上的二氧化碳减排空间，工业欠发达-资源不均衡省份该分组内各省均具有700万t以上的减排空间。

4 研究结论与对策建议

4.1  研究结论

（1）在前人研究的基础上本研究提出了基于先进标杆的测算工业二氧化碳减排潜力的方法。该方法从先进标杆的遴选以及二氧化碳减排潜力测算将经济社会发展和减排需要相结合，并采用了2005—2016年的数据测算了中国30个省市工业行业减排潜力，验证发现该方法能够较好地估计出各省工业行业碳减排潜力。本研究提出的研究方法可以为各省市科学测算工业行业二氧化碳减排潜力和减排任务的制定提供参考依据。

（2）根据研究方法测算，全国工业二氧化碳减排潜力值达到248 725.08万t CO2e，当前中国工业碳排放强度的减排幅度将达到24.03%，比2005年累计下降了有70.03%。根据中国承诺在2030年实现让单位国内生产总值二氧化碳排放量比2005年下降60%～65%的目标，目前的减排潜力能够实现减排承诺。

（3）从全国行业角度来看，煤炭开采和洗选业、石油加工、炼焦和核燃料加工业、化学原料和化学制品制造业、非金属矿物制品业等6个行业的碳排放强度和先进标杆的碳排放强度还有较大的差距，使得这些行业仍然具有较大的二氧化碳减排空间。因此，未来这6个行业是中国节能减排的重点行业。另外，如：石油和天然气开采、造纸和制品业、有色金属冶炼及压延业、金属制品业、交通运输设备制造业等9个行业属于中等减排潜力行业，未来亦可以承担一定的减排任务。

（4）从中国各省份的角度來看，山东、河南、陕西、辽宁、广东、河北、山西、内蒙古等11个省份，由于存在着如产业升级转化滞后、严重依赖能源产业、石化、冶炼、造纸等高能耗产业集聚发展等问题，使得这些省份的行业碳排放强度远远高于先进标杆的碳排放强度，因此，这11个省份具有较大的二氧化碳减排空间。未来这11个省份将是中国节能减排的重点省份。

4.2 对策建议

本研究测算了各省和各行业的减排潜力，各地方政府通过政策措施来调控，才能将如此巨大的理论减排潜力予以实现。现从以下几个方面给出减排建议：

（1）通过政策措施调整产业结构。近年来中美贸易摩擦导致许多行业出口受阻、经营不景气，各地方政府可以因势利导推进产业结构调整。各省份可以通过发展服务业、高新技术产业、战略性新兴产业等低碳产业来调整产业结构。各地方政府可以颁布分行业减排目标，通过环境政策淘汰落后产能、限制高耗能行业的产能，关停并转一些高减排潜力行业和中等减排潜力行业的亏损企业，促使高碳与高能耗行业转移出去。

（2）加强节能减排的投入。各地方政府应推动高能耗和高排放行业的清洁生产技术的推广，加大在清洁供暖领域的科技研发与推广的投入，推动能源清洁利用的技术进步;实施节能技术改造、推广节能技术产品、推行能源合同管理等工程技术措施，通过物联网实时监控高能耗和高排放行业的碳排放量，及时发现企业安装了减排配套设施后故意不使用的现象。

（3）在招商引资中设定环境门槛。中西部地区在承接东部地区产业转移时，需要对引进高污染和高碳行业设定环境门槛，做到工业发展与其环境容量相适应;各省市可以制定招商引资政策，要求引进企业保持其在转出地区的节能和减排标准，不能因为企业转移到中西部地区就降低节能和减排标准。

参考文献

[1] 李志学，王春梅，王文昊. 我国二氧化碳减排潜力研究[J]. 商业研究， 2013（10）：39-43.

[2]王文昊. 我国二氧化碳排放影响因素及减排潜力分析[D]. 南京：南京信息工程大学， 2012.

[3]AKAN A P， AKAN A E. Potential of reduction in carbon dioxide quivalenf emissions via energy efficiency for a textile factory[J]. Journal of energy systems， 2018， 2（2）：57-69.

[4]XIA F Q， ZHANG X H， CAI T Y， et al. Identification of key industries of industrial sector with energy-related CO2 emissions and analysis of their potential for energy conservation and emission reduction in Xinjiang，China[J]. Science of the total environment ， 2020.DOI： 10.1016/j.scitotenv.2019.134587.

[5]汪克亮，杨宝臣，杨力. 基于环境效应的中国能源效率与节能减排潜力分析[J]. 管理评论， 2012， 24（8）：40-50.

[6]郭姣，李健. 中国三大城市群全要素能源效率与节能减排潜力研究[J]. 干旱区资源与环境， 2019， 33（11）：17-24.

[7]王鸿远，左秀峰，李双杰. 我国能源效率及节能减排潜力的区域特征研究：2008—2012年[J]. 科技管理研究， 2015，35（24）：220-224.

[8]BIAN Y W， HE P， XU H. Estimation of potential energy saving and carbon dioxide emission reduction in China based on an extended non-radial DEA approach [J]. Energy policy， 2013，63（12）：962-971.

[9]曾贤刚. 我国能源效率、CO2减排潜力及影响因素分析[J]. 中国环境科学， 2010， 30（10）：1432-1440.

[10]韩一杰，刘秀丽. 基于超效率DEA模型的中国各地区钢铁行业能源效率及节能减排潜力分析[J]. 系统科学与数学， 2011， 31（3）：287-298.

[11]刘家鹏，孙世清. 河北省钢铁行业能源效率及节能减排潜力分析：基于超效率DEA-Tobit模型研究[J].河北科技大学学报（社会科学版）， 2019， 19（4）：22-40.

[12]李健，邓传霞. 基于SDDF的中国省区二氧化碳排放效率及减排潜力测度[J]. 软科学， 2015， 29（3）：70-73.

[13]YANG J， CHENG J X， HUANG S J. CO2 emissions performance and reduction potential in Chinas manufacturing industry： a multi-hierarchy meta-frontier approach[J]. Journal of cleaner production， 2020.DOI：10.1016/j.jclepro.2020.120226.

[14]JIN X， ZOU B， WANG C， et al. Carbon emission allocation in a chinese province： level region based on two-stage network structures[J]. Sustainability， 2019.DOI：10.10165.apenergy.2019.DOI：10.3390/su11051369.

[15]ZHANG Y J， LIANG T， JIN Y L， et al. The impact of carbon trading on economic output and carbon emissions reduction in Chinas industrial sectors[J]. Applied energy， 2020， DOI：10.1016/j.apenergy.2019.114290.

[16]魏楚，杜立民，沈滿洪. 中国能否实现节能减排目标：基于DEA方法的评价与模拟[J]. 世界经济， 2010，33（3）：141-160.

[17]汪克亮，杨宝臣，杨力. 中国能源利用的经济效率、环境绩效与节能减排潜力[J]. 经济管理， 2010， 32（10）：1-9.

[18]王兵，杨雨石，赖培浩，等. 考虑自然环境差异的中国地区能源效率与节能减排潜力研究[J]. 产经评论， 2016，7（1）：82-100.

[19]吳凤平，尹天姣. 江苏省工业CO2排放绩效与减排潜力研究：基于空间面板数据的实证分析[J]. 资源与产业， 2019， 21（5）：70-77.

[20]王群伟，周德群，周鹏. 区域二氧化碳排放绩效及减排潜力研究：以我国主要工业省区为例[J]. 科学学研究， 2011， 29（6）：868-875.

[21]高大伟. 中部地区二氧化碳减排潜力及影响因素分析[J]. 科技管理研究， 2014，34（2）：49-52.

[22]童思聪，王晓璐. 长三角城市群节能减排效率及影响因素分析[J]. 上海节能， 2020（2）：109-115.

[23]郭炳南，曹国勇. 中国各省份碳排放效率与减排潜力测度研究：基于Undesirable-SBM超效率模型的实证分析[J]. 生态经济， 2017， 33（8）：20-47.

[24]吴国华，刘清清，吴琳. 碳减排潜力差异分析及目标设定[J]. 中国人口·资源与环境， 2011， 21（12）：308-312.

[25]刘兴海. 我国各省（市）二氧化碳减排潜力与减排成本的实证研究：基于SBM模型[D]. 北京化工大学， 2013.

[26]冯冬，李健. 京津冀区域城市二氧化碳排放效率及减排潜力研究[J]. 资源科学， 2017， 39（5）：978-986.

[27]牛晓耕，张国丰，孙丽欣. 节能减排效应分析与节能减排潜力预测[J]. 统计与决策， 2016（8）：105-107.

[28]王文举，向其凤. 中国产业结构调整及其节能减排潜力评估[J]. 中国工业经济， 2014（1）：44-56.

[29]TAN X C， LI H， GUO J X， et al. Energy-saving and emission-reduction technology selection and CO2 emission reduction potential of Chinas iron and steel industry under energy substitution policy[J]. Journal of cleaner production， 2019，222（6）：823-834.

[30]WANG W Y ， WANG J， GUO F. Carbon dioxide （CO2） emission reduction potential in east and south coastal China： scenario analysis based on STIRPAT[J]. Sustainability， 2018（10）.DOI：10.3390/su10061836.

[31]伍亚. 能源技术进步对石油需求及节油减排潜力的影响：基于多因素视角的研究[J]. 科技管理研究， 2016，36（5）：199-203.

[32]于振英，牛建高. 河北省工业碳排放情景预测与节能减排潜力分析[J]. 当代经济管理， 2014， 36（4）：69-74.

[33]向其凤，王文举. 中国能源结构调整及其节能减排潜力评估[J]. 经济与管理研究， 2014（7）：13-22.

[34]LIN B Q， XIAO L， OU Y. Analysis of energy-related CO2 （carbon dioxide） emissions and reduction potential in the Chinese non-metallic mineral products industry[J]. Energy， 2014，68（4）：688-697.

[35]LIN B Q， AHMAD I. Analysis of energy related carbon dioxide emission and reduction potential in Pakistan[J]. Journal of cleaner production， 2017，143（2）：278-287.

[36]WANG D， HE W， SHI R Y. How to achieve the dual-control targets of Chinas CO2 emission reduction in 2030：future trends and prospective decomposition[J]. Journal of cleaner production， 2019，213（3）：1251-1263.

[37]张琦，张薇，王玉洁，等. 中国钢铁工业节能减排潜力及能效提升途径[J]. 钢铁， 2019， 54（2）：7-14.

[38]MASOOMI M， PANAHI M， SAMADI R. Scenarios evaluation on the greenhouse gases emission reduction potential in Irans thermal power plants based on the LEAP model[J]. Environmental monitoring assessment， 2020，192（3）：235.

[39]饶清华，邱宇，许丽忠，等. 福建省CO2排放及减排潜力分析[J]. 安全与环境工程， 2012， 19（6）：84-92.

[40]张琴琴，朱承驻. 安徽省工业二氧化碳减排潜力研究[J]. 安徽工业大学学报（自然科学版）， 2014， 31（4）：433-437.

[41]林玲，張艾莉，王虹.北京制造业结构节能减排潜力分析[J]. 数据， 2013（12）：92-95.

[42]王奇，赵欣. 基于改进等比例分配方法的我国各省二氧化碳减排目标分配[J]. 干旱区资源与环境， 2019， 33（1）：1-8.

Research on carbon dioxide reduction potential based

on the advanced benchmarking concept

ZHOU Shudong WAN Rui

（College of Economics and Management， Nanjing Agricultural University， Nanjing Jiangsu 210095， China）

Abstract Based on the carbon intensity reduction target of the national independent emission reduction commitment by 2030 made by the Chinese government， and on the advanced benchmarking concept， this study constructed the model method of measuring carbon dioxide emission reduction potential by using the Ward hierarchical clustering method and the selection method， that is， the advanced benchmarking concept method. Using the data of 38 industrial sub-sectors in 30 provinces and municipalities from 2005 to 2016， the carbon dioxide emission reduction potential of the industrial sectors of each province or municipality was calculated， the differences and sources concerning the emission reduction potential were analyzed from the three aspects of total emission reduction potential， industry emission reduction potential， and regional clustering. The results showed that： First of all， from the perspective of the total emission reduction potential of Chinas industrial sectors， the reduction of carbon emissions could reach 18.62%， while the reduction of industrial carbon emission intensity could reach 24.03% with a cumulative decrease of 70.03% from 2005. The target of reducing carbon dioxide emissions per unit of GDP by 60%～65% in 2030 compared to 2005 could be achieved. Secondly， from the industrial carbon dioxide emission reduction potential， it could be seen that six industries such as coal mining and washing， petroleum processing， nuclear fuel coking and processing， raw chemical material and chemical product manufacturing， non-metallic mineral product manufacturing， ferrous metal smelting and pressing， and electric power and heat power production and supply were classified as industries with high carbon dioxide emission reduction potential. Nine industries such as petroleum and natural gas extraction， food processing from agricultural products， textile manufacturing， paper and paper product manufacturing， non-ferrous metals smelting and pressing， and metal product manufacturing were classified as industries with medium emission reduction potential. Thirdly， from the perspective of cluster analysis， 11 provinces， such as Shandong， Jiangsu， Henan， Shaanxi， Liaoning and Guangdong possessed high carbon dioxide emission reduction potential. Finally， through the above calculation results， the research method proposed in this paper can better estimate the carbon emission reduction potential of various provinces and industries， and can provide a reference for the scientific estimation of the carbon dioxide emission reduction potential of the industrial sectors and for the formulation of emission reduction tasks.

Key words carbon intensity; Ward clustering analysis; selection method; emission reduction potential

（责任编辑：于 杰）

收稿日期：2020-07-15  修回日期：2020-09-13

作者简介：周曙东，博士，教授，博导，主要研究方向为资源环境经济与政策、区域经济。E-mail：sdzhou@njau.edu.cn。

基金项目：国家自然科学基金重点项目“农村发展中生态环境管理研究”（批准号： 70833001）;国家社会科学基金重大项目“农产品安全、气候变化与农业生产转型研究”（批准号：13&ZD160）;教育部博士点基金“环境污染梯度转移问题研究”（批准号： 20120097110034）;江苏省高校优势学科建设工程项目（PAPD）。