全生命周期下中国煤炭资源能源碳排放效率评价

胡彦勇,张 瑞*,郄晓彤,刘 虹,2

全生命周期下中国煤炭资源能源碳排放效率评价

胡彦勇1,张 瑞1*,郄晓彤1,刘 虹1,2

(1.中国矿业大学(北京)管理学院,北京 100083；2.中国宏观经济研究院能源研究所,北京 100038)

基于生命周期法(LCA)构建了煤炭资源在开发、转换、利用阶段的碳排放估算模型,采用动态网络SBM模型测算了2007～2019年中国25个省(自治区、直辖市)煤炭资源的综合能源碳排放效率、时期能源碳排放效率与阶段能源碳排放效率.结果表明:我国煤炭资源综合能源碳排放效率水平呈“U”字型分布,东部最高、西部次之、中部最低.煤炭资源能源碳排放效率水平存在较大的提升空间,2007～2019年综合能源碳排放效率均值仅为0.4726;我国煤炭资源时期能源碳排放效率区域间差异显著,效率水平较高的地区主要集中在华东与中南地区;从阶段能源碳排放效率分析可以发现仅北京、江苏、青海三省阶段1与阶段3的能源碳排放效率处于有效水平,其余省(自治区、直辖市)及其他阶段均存在效率损失,尤其阶段2效率损失严重.研究期内阶段3的能源碳排放效率整体呈“类峰峦状”的波动上升趋势;DNSBM和NSBM两种模型测算的能源碳排放效率对比发现,NSBM模型会低估煤炭资源综合能源碳排放效率水平.

煤炭资源；能源碳排放效率；全生命周期；动态网络SBM模型

煤炭资源的清洁高效利用,是缓解能源紧张,推进节能减排,支撑“双碳”目标的重要途径.中国作为产煤大国,煤炭资源丰富,油气资源相对匮乏,资源禀赋特点决定了煤炭在能源结构中占主体地位.近年来在国家产业结构调整、能源供给优化等政策影响下,煤炭消费比重有所下降,但据国家能源局统计,2020年我国煤炭消费量仍占全国能源消费总量的56.8%[1].基于中国目前以工业为主的产业发展现状以及能源实际需求来看,煤炭作为我国兜底保障能源的地位和作用在较长时期内难以改变,煤炭仍将是中国未来20年最可靠、最安全的能源[2].煤炭在开发、运输、转换和利用等过程中会排放二氧化碳(CO2),其碳排放量占我国碳排放总量的70%～ 80%[3].作为世界上最大的发展中国家和CO2排放大国,中国主动承担起减少CO2、改善生态环境的责任,向国际社会做出承诺,将在2030年前达到CO2排放峰值,并争取在2060年实现整体碳中和[4].由此可见,煤炭行业加快推进节能减排、提高碳排放效率具有必要性和紧迫性.中国必须立足国情,处理好减碳降产和能源安全的关系,不盲目减炭,除了科学控制煤炭的使用量,更应提高煤炭资源的开采使用效率,增强煤炭资源“清洁度”.国家发改委和司法部指出煤炭行业减排要从全局优化考虑,从全生命周期、全产业链入手,加快推进煤炭资源的清洁开发利用[5].基于全生命周期提高煤炭资源开发、转换及利用相关行业的能源碳排放效率是保证能源安全,促进节能减排的重要途径.能源碳排放效率兼容能源效率和经济效益[6],是在能源、资本和劳动力投入量不变的情况下,实现CO2排放量最小化和经济产出最大化的一种生产比率关系,可综合反映在“经济-资源-环境”协调发展目标下煤炭开发、转换及利用相关产业的效率水平.在“碳达峰、碳中和”背景下,从煤炭资源的全生命周期角度出发,厘清各阶段、各产业的碳排放源与碳排放量,测算与评价各时期、各阶段、各区域能源碳排放效率,对于落实煤炭行业及其下游产业的减排责任,推进节能减排,精准制定碳减排政策,助力实现“双碳”目标具有重要意义.

目前已有大量学者对煤炭行业碳排放效率进行了研究.从煤炭行业能耗和碳排放的研究来看,现有的文献大多侧重于对煤炭开发利用的某一阶段或多个阶段的碳排放量进行研究,缺少对煤炭全生命周期碳排放量的研究.部分学者[7-8]认为,煤炭开发部门的CO2排放往往被忽视,而作为煤炭工业运行的第一步,煤炭开发部门的节能减排是国家对CO2排放进行源头控制的关键.Zhang等[9]认为煤炭利用阶段中的煤化工行业是CO2排放的主要贡献者,中国的煤化工行业已成为最大的工业CO2排放行业之一.张优等[10]则认为煤炭运输是CO2产生的重要环节.柳君波等[11]综合考虑煤炭生产与煤炭运输两阶段下的碳排放情况,认为煤炭供应行业的CO2排放虽呈下降态势,但总量仍然较大.张小丽等[12]认为电力部门是煤炭转换的重要部门也是产生CO2排放的主要部门.Li等[13]进一步对煤电供应链中的煤炭开采、煤炭发电环节的碳排放进行了测算研究,认为改进煤电行业的碳排放对实现国家减排目标至关重要.彭璐璐等[14]研究发现煤炭消费中的居民消费所产生的CO2占排放总量的40%～50%.

从煤炭资源效率的研究来看,既有文献多从煤炭产业经济效率[15]、煤炭消费效率[16]、技术效率[17]、生态效率[18-19]、碳排放经济效率[20]、环境效率[21]等方面进行研究.李世祥等[22]在政策规制背景下对100家大型煤炭企业进行研究,发现煤炭产业的全要素生产率在样本期内相对稳定.徐杰芳等[23]基于超效率DEA模型选择测度了我国27个煤炭资源型城市在2004～2013年10年间的生态效率,认为资源型城市的生态效率正在平稳增长.Xue等[24]进一步采用改进的Bootstrap DEA模型对2000～2015年中国30个省的煤炭资源效率进行了测算,认为煤炭资源效率呈波动上升趋势.可见,数据包络分析法(DEA)被广泛用于评价煤炭资源效率问题.但传统DEA模型,如BBC、CCR和SBM等模型,通常是将决策单元看作一个整体,仅关注初始投入和最终产出,忽略决策单元系统内部部门的数量以及中间各阶段的投入产出情况,因此被称为“黑箱子”.然而,现实生活中许多生产活动是由多部门共同参与,包含多阶段的生产经营过程,由多部门共同完成系统运作.因此,使用传统DEA方法,无法适用某些决策单元的效率评定.传统DEA方法忽略了决策单元系统内部各部门间的协作关联关系,不仅难以考察内部部门的效率情况,也无法了解各部门效率对总体效率的影响,从而不利于找出非有效决策单元效率损失存在的根源所在.因为即使效率相同的决策单元,其内部各阶段效率之间也可能存在很大差异,清楚系统内部各阶段效率情况,是找出效率损失点及提升整体效率的基础.为解决这一问题,Tone K等[25]将DEA的纵向网络和横向动态与SBM模型相结合,提出了基于动态网络松弛的度量模型(Dynamic Network Slacks-Based Measure, DNSBM).该模型通过合适的连接变量和跨期变量将决策单元各阶段及各时期联系起来,不仅可以测算综合效率,还可以同时计算出阶段效率及时期效率,弥补了传统DEA测算部门内部效率的不足,从而有利于进一步提出有针对性的效率改进策略.

上述文献多采用传统DEA方法,从煤炭产业自身出发进行效率评价,对下游相关产业及各时期间的联系考虑不足.与以往研究相比,本文的主要创新如下:首先,利用生命周期评估法(Life Cycle Assessment, LCA)构建煤炭资源全生命周期碳排放量核算模型,以此测算各阶段能源投入量及CO2排放量;其次,基于DNSBM方法对煤炭开发、转换及利用阶段相关产业的能源碳排放效率进行评价,并引入跨期变量,考虑前期生产要素对后一时期的影响,对煤炭资源能源碳排放效率进行动态评价.

1 研究方法与数据来源

1.1 生命周期评价法

生命周期评价法(LCA)作为目前环境领域常用的评价方法,对环境过程定量评估、工艺环境效应评价、产品设计优化等诸多方面产生了深远的影响[26-27].采用生命周期评价法构建碳排放量核算模型对煤炭资源从开发、转换到利用环节的碳足迹进行测算,可以从整体上了解煤炭资源CO2排放量情况,更有利于从各环节发掘减排潜力,探索减排路径.

将LCA应用于煤炭资源碳排放测算时,需要确定全生命周期下煤炭资源碳排放的核算边界.明确核算边界是进行模型构建、数据收集及计算的前提,也是准确测度各阶段碳排放量的关键.由于缺少煤炭运输统计数据,并且煤电厂、炼焦厂及制热厂等煤炭加工转换行业的厂区位置固定,运输距离固定,运输环节效率提升潜力小,并且大宗煤炭长途转运多采用火车运输,碳排放相对较小,故不考虑运输环节.此外,同样受数据可得性限制,未考虑产品废弃阶段,在参考前人研究[19]的基础上,将煤炭资源碳排放的全生命周期归纳为三个主要阶段:开发阶段、转换阶段、利用阶段,并分析确定各阶段CO2排放源:

煤炭开发阶段是煤炭生产的起点,也是产生碳排放的源头.煤炭开发阶段包含煤炭开采和煤炭洗选两部分.该阶段碳排放源主要来自于开发过程中的能源消耗所导致的温室气体排放.本文将煤炭、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气、焦炭、电力等10种煤炭开采及洗选业常用能源的消耗量作为衡量指标,并将其统一转化为标准煤消耗量,加总后得到最终能源投入指标,基于IPCC(2006)测算出煤炭开采与洗选业每年的CO2排放量来表征煤炭开发阶段的碳排放量.煤炭开发阶段碳排放计算公式如式(1)所示.

转换阶段是对煤炭资源进行加工转换.据国家统计局统计,2019年全国煤炭消费量为401915万t,其中387268万t用于工业生产,约占煤炭消费总量的96.36%.其中电力、热力生产和供应业煤炭消费量占比最大,约占50.2%,可见煤发电、煤制热在煤炭转换阶段占有重要位置.此外,包括煤焦化、煤液化、煤气化等在内的煤化工行业也是重要的煤炭消费者之一.基于此,在转换阶段,选取包括煤发电、煤制品加工、煤制热、炼焦、煤制气等在内的5类煤炭加工转换最典型的下游产业为研究对象,它们在对煤炭进行增值转换的过程中,除了消耗大量的原煤,也会消耗一定量的其他能源,煤炭转换阶段消耗的具体能源种类见图1.

通过图1可以看出煤炭转换阶段,煤发电、煤制品加工、煤制热、炼焦、煤制气等产业的能源投入及产品输出情况.以煤发电为例进行碳排放计算说明,能源投入除原煤外还包括洗精煤、其他洗煤、焦炭、焦炉煤气、其他煤气、汽油、柴油、燃料油、液化石油气、炼厂干气、天然气和热力等其他能源的少量投入,将各类能源消费量与折算标准煤的系数相乘计算出标准煤消耗量,加总后得到最终能源消费量.碳排放量计算参考式(1),由于热力属于二次能源,为避免碳排放重复计算,故在发电环节其碳排放量不予考虑.煤制品加工、煤制热、炼焦、制气等产业的标准煤换算与CO2排放计算方法与煤发电相同.

利用阶段是对转换阶段产出的焦炭、焦炉煤气等能源进行利用.为追溯煤炭资源的碳排放足迹,该阶段主要考察除电力、热力(使用时不再产生碳排放)外5种产品的能源利用碳排放情况.通过能源平衡表可知,上述七种能源除电力、热力外焦炭产出量最大,并且焦炭利用过程中会产生较多的CO2,故而通过焦炭使用量选择利用阶段的研究主体.2019年焦炭使用量超过100万t的行业有8个,包括:黑色金属矿采选业、农副食品加工业、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、有色金属冶炼和压延加工业、金属制品业、通用设备制造业,各行业焦炭消费量占比见图2.

图1 转换阶段能源消耗种类

图2 2019年八大焦炭消费行业

2019年焦炭消费总量为46426万t,黑色金属冶炼和压延加工业、化学原料和化学制品制造业焦炭消耗量分别为39247、4014万t,两者共计占焦炭消费总量的93.18%,并且在生产过程中所耗能源除焦炭外也涵盖其他焦化产品、焦炉煤气、其他煤气,因此在利用阶段选择黑色金属冶炼和压延加工业、化学原料和化学制品制造业作为研究对象.

1.2 DNSBM模型

本文选用DNSBM模型测算煤炭资源的综合能源碳排放效率、时期能源碳排放效率、阶段能源碳排放效率.DNSBM模型具体原理如下:

综合效率:

锡伯族妇女能歌善舞，心灵手巧，她们的传统双面刺绣独具特色，在锡伯民俗博物馆内有展出，得到游客的一致好评。在手工艺品商店，各类手工艺品在旅游旺季十分畅销，增加了当地居民收入。

通过式(2)可以求得决策系统的综合效率.此外还可以进一步探析单一时期的效率、节点的效率以及节点在时期的效率,具体计算公式如式(3)、(4)、(5)所示.

时期的效率:

节点的效率:

节点在时期的效率:

1.3 指标选取与数据来源

本文综合考虑我国煤炭资源分布的实际情况并基于数据的可获得性,选取2007～2019年我国25个省(自治区、直辖市)的面板数据为研究样本(不包含天津、上海、浙江、广东、海南、西藏、港澳台等地区).数据主要来自《中国统计年鉴》、《中国能源统计年鉴》、《中国工业统计年鉴》以及各省(自治区、直辖市)统计年鉴[28-30],个别缺失年份数据采用取相邻年份平均值或线性插值法进行填补.为了便于描述各节点的投入产出量,将每个节点看作一个阶段整体进行度量,在前文LCA边界划分的基础上,将煤炭资源碳排放过程简化为3个阶段,分别为:开发阶段、转换阶段和利用阶段,并基于DNSBM模型构建煤炭资源开发、转换、利用结构图,如图3所示.

表1 DNSBM模型中的参数定义

续表1

图3 煤炭资源开发、转换、利用结构

阶段1是开发阶段.在阶段1以能源、资本、劳动力作为投入指标,原煤产量为期望产出并且作为阶段1与阶段2之间的连接变量,碳排放是该阶段的非期望产出.(1)劳动力投入:采用煤炭开采和洗选业从业人数年平均数来表示;(2)资本投入:选用煤炭开采及洗选业固定资产投资来表示,为减少通货膨胀的影响,使统计数据更符合实际,采用永续盘存法以2007年为基期进行资本存量换算,基期的固定资产存量参照张瑞[31]的方法计算求得;(3)能源投入:以各省(自治区、直辖市)统计年鉴中的煤炭开采和洗选业最常用的10种能源的消耗量作为衡量指标,其具体能源种类和计算方法详见1.1;(4)非期望产出:CO2排放量.基于煤炭开发环节能源投入情况,利用前文介绍的碳排放计算式(1)测算出该阶段CO2排放量;(5)连接变量:以原煤产量作为连接变量将阶段1与阶段2联系起来,原煤产量是煤炭开发阶段的期望产出,其产量的多少直接影响转换阶段的生产运作,因此选用原煤作为连接变量,同时作为阶段2的重要生产投入要素.

阶段3是利用阶段.阶段3除将焦炭、焦炉煤气等能源作为投入外,还以各地区黑色金属冶炼和压延加工业、化学原料和化学制品制造业的平均用工人数以及固定资产投入作为该阶段的劳动力投入和资本投入,营业收入作为期望产出表征经济效益,CO2排放量作为非期望产出.此外,由于累计折旧会对下一时期的资本存量以及生产效率等产生影响,比如前期设备的折旧、淘汰,不仅对当期生产效率产生影响,对后期生产效率也会有影响,故选用累积折旧作为3阶段的跨期变量.各阶段变量的描述性统计分析见表2:

表2 变量的描述性统计

2 结果与分析

基于DEA-Solver Pro13.1软件,采用DNSBM模型测算2007～2019年我国25个省(自治区、直辖市)煤炭资源全生命周期下的能源碳排放效率,具体包括综合能源碳排放效率、时期能源碳排放效率、阶段能源碳排放效率.本文选用包含非期望产出投入导向的规模报酬可变模型,在产出不变的情况下,探索如何实现资源投入的最优.本文将依据各省(自治区、直辖市)的地理位置和气候条件,并且参考孟望生[32]分区方法,将观察样本划分为东、中、西三大地区.具体地区划分情况见表3.

表3 地区划分

2.1 综合能源碳排放效率

全生命周期下中国煤炭资源综合能源碳排放效率测算结果如图4所示.从整体上来看,2007～ 2019年中国煤炭资源综合能源碳排放效率水平均值为0.4726,可见我国煤炭资源综合能源碳排放效率水平存在较大的提升空间.其中青海、北京、湖北、江苏、广西、重庆、福建、江西、宁夏等9个省(自治区、直辖市)位于平均效率水平之上,占研究样本总体的36%,这说明我国大多数省(自治区、直辖市)煤炭资源综合能源碳排放效率水平较低,未达到全国平均效率水平.从地理位置上看,我国东部和西部效率均值分别为0.5602、0.4901,均超过全国平均效率水平,而中部地区效率均值仅为0.3947,亟需对区域煤炭资源能源碳排放效率进行提升.总体看来,我国煤炭资源能源碳排放效率呈“U”字型,东部最高、西部次之、中部最低,这可能与我国大力推进西部大开发、东部加速转型有关,东部作为我国经济、科技重地,经济发达,拥有先进的技术、设备,能源利用效率高,且注重生态环境的保护.西部在国家政策的支持下加快大型煤炭储存基地建设,加大西电东送、北煤南运通道及终端管网建设,大量高载能行业向西部地区集中,提升了当地煤炭资源开发利用水平.然而,中部地区以山西、内蒙古为代表的煤炭资源型城市因煤炭资源的粗放开采使得生态环境承载力遭到破坏,进而造成中部地区能源碳排放效率整体低下.

图4 煤炭资源综合能源碳排放效率

2.2 时期能源碳排放效率

以2007年、2011年、2015年和2019年为时间节点,利用ArcGIS软件绘制出25个省(自治区、直辖市)煤炭资源的时期能源碳排放效率分布图,以便直观了解各地区不同年份下煤炭资源的能源碳排放效率水平及时空演变规律,如图5所示.

图5中将各时期能源碳排放效率水平分为5个层级:0.0～0.2为低效率;0.2～0.4为较低效率;0.4～0.6为中效率;0.6～0.8为较高效率;0.8～1.0为高效率,分别由红到绿的颜色来表示.在上述时间节点一直处于高效率水平的观测样本有:北京、青海.北京作为我国首都,具备经济和技术优势,并且注重生态环境保护,严格控制废气污染,从而使得煤炭资源能源碳排放效率始终处于高水平;而青海是我国生态环境保护重地、国家清洁能源产业高地,国家大力支持青海省的生态保护和修复,因而该省能源碳排放效率水平较高.值得注意的是,各地区能源碳排放效率演变趋势大不相同.例如山西和福建两地煤炭资源的能源碳排放效率呈现出“N”字型演变态势,能源碳排放效率水平先增后减又增;而山东和广西则呈现出倒“U”型,起始年份和最终年份效率水平一致,中间经历了效率提升.

图5 时期能源碳排放效率演变

底图源自国家测绘地理信息局.审图号:GS(2019)1822号

图6 煤炭资源时期能源碳排放效率的均值

图6描述的是各地区煤炭资源时期能源碳排放效率的几何平均值情况,图7则为时期能源碳排放效率分布矩阵图.

由图6可以看出,青海和北京接近DEA有效,分别为0.9931、0.9926,山西省效率值最低,仅为0.1987,可见我国煤炭资源时期能源碳排放效率水平区域间差异明显.结合图7可以对区域差异情况进行近一步了解,图7是以时期能源碳排放效率值0.5为分界点,将观察样本分为上下两大类.基于图7可以发现位于我国西北地区的青海、华北地区的北京、华东地区的江苏、福建以及中南地区的湖北、广西的效率值为0.5以上,属于中高效率水平,可见我国煤炭资源能源碳排放效率的时期效率水平较高地区主要位于我国华东与中南地区,主要归因于这些地区拥有较高的资源转换能力.

图7 时期能源碳排放效率矩阵

2.3 阶段能源碳排放效率

煤炭资源的开发、转换与利用过程是由多个相互联系又相对独立的产业所完成,每一连接产业被看作一个包含多种投入产出的阶段,而每一阶段的能源碳排放效率水平都会对整体煤炭资源能源碳排放效率产生影响.图8展示了各省(自治区、直辖市)煤炭资源3阶段的能源碳排放效率值,可以发现仅北京、江苏、青海三省阶段1与阶段3的能源碳排放效率处于有效水平,其余省(自治区、直辖市)及其他阶段均存在效率损失,尤其阶段2效率损失严重,仍需进一步改进.例如北京、江苏、青海应重点加强阶段2(煤炭转换)能源碳排放效率水平的提升,以达到煤炭资源整体能源碳排放效率有效.

图9将高效率地区阶段2不同年份能源碳排放效率组成的绿色平面近似看作有效前沿面,更能以面的形式直观展示出煤炭资源转换阶段各省(自治区、直辖市)在不同年份能源碳排放效率水平距有效前沿面的差距.此外,可以看出我国大部分省(自治区、直辖市)煤炭资源转换阶段的能源碳排放效率水平较为低下,这些省(自治区、直辖市)应从煤炭资源加工转换过程中采取措施,继续加强当地煤发电、煤制热、制气等煤炭加工转换行业的技术投入,减少污染物的排放;进一步延伸煤炭加工链条,对煤炭进行深加工,提升产品附加值,减少资源浪费,进而提高加工转换效率.为了更清楚的了解阶段能源碳排放效率的时间变化趋势,本文以阶段3为例,绘制出利用阶段能源碳排放效率的演变趋势图(见图10).

图8 煤炭资源阶段能源碳排放效率

图9 阶段2能源碳排放效率

图10 阶段3能源碳排放效率

为进一步了解各地区在不同年份阶段2能源碳排放效率水平的变化情况,特绘制阶段2能源碳排放效率三维图,如图9所示.

图10为各地区不同年份阶段3能源碳排放效率值的堆积效果,进而探索整体演变趋势.可发现阶段3能源碳排放效率整体呈“类峰峦状”的波动上升趋势.其中2008、2010、2011、2016为四个关键时间节点,2008年能源碳排放效率由增转为降,直至2010年这种态势才得以扭转.这是由于2008年受金融风暴的影响,我国国内物价水平连续下降,消费动力不足,严重影响了我国经济社会的发展.因此,钢铁及化学制品市场需求疲软,使得利用阶段能源碳排放效率自2008年开始下降.而2011年是“十二五”的开局之年,并且国家提出要以扩大内需拉动经济增长,各行业固定资产投资快速增长,进而促进黑色金属冶炼和压延加工业、化学原料和化学制品制造业发展规模的迅速扩张,粗放式的发展造成了资源浪费和环境污染,使得能源碳排放效率不断下降.随着我国煤炭行业产能过剩、环境污染问题日益显现出来,国家在2016年开始推行实施去产能政策,在去产能政策的驱动下,煤炭行业及相关转换利用行业开始更加注重能源的高效利用,并且随着煤炭供给收紧,钢铁及化学制品等煤炭深加工产品的价格有所上涨,使得阶段3经济产出增加,能源碳排放效率水平在2016年后持续提升.

2.4 DNSBM与NSBM模型下效率对比

为验证本文所提出模型的适用性及有效性,采用不考虑时期间联系(即不引入跨期变量)的NSBM模型与本文所求综合能源碳排放效率、阶段能源碳排放效率结果进行对比,具体结果如表4所示.

表4 NSBM和DNSBM模型下效率对比

表4分别列出了在DNSBM、NSBM两种模型下不同地区煤炭资源综合能源碳排放效率值和3阶段下的能源碳排放效率值.两种模型下综合能源碳排放效率均值分别为0.4726、0.4291,可以看出相较于DNSBM模型,不考虑时期间联系的NSBM模型会低估煤炭资源综合能源碳排放效率水平,并且通过对比各阶段的能源碳排放效率值可以发现,效率损失主要是由阶段2(转换阶段)所导致的,两种模型下阶段2效率平均值均处于低效率水平.通过综合能源碳排放效率值可以发现2种模型下效率值最高的三个地区均为青海、北京和湖北.

3 结论

3.1 从综合能源碳排放效率来看,整体上我国煤炭资源综合能源碳排放效率水平的均值为0.4726,位于平均效率水平之上的省(自治区、直辖市)数量较少,仅占研究样本总量的36%,说明我国大多数省(自治区、直辖市)煤炭资源综合能源碳排放效率水平较低,存在着较大的提升空间;从总体来看,我国煤炭资源综合能源碳排放效率均值呈“U”字型,东部最高、西部次之、中部最低,中部地区是提升煤炭资源能源碳排放效率的工作重点.

3.2 从时期能源碳排放效率来看,2007～2019年间北京、青海始终处于高效率水平,效率值分别为0.9931、0.9926,而山西省效率值最低,仅为0.1987,说明我国煤炭资源时期能源碳排放效率区域间差异显著,时期能源碳排放效率水平较高的地区主要位于我国华东与中南地区.此外,能源碳排放效率的演变特征差异明显,研究发现山西和福建两地煤炭资源的能源碳排放效率呈现出“N”字型演变态势,而山东和广西效率水平的变化趋势则呈现出倒“U”型.

3.3 从阶段能源碳排放效率来看,仅北京、江苏、青海三省阶段1与阶段3的能源碳排放效率处于有效水平,其余省(自治区、直辖市)及其他阶段均存在效率损失,尤其阶段2效率损失严重.此外,阶段3能源碳排放效率整体呈“类峰峦状”的波动上升趋势,其中2008、2010、2011、2016是四个关键时间节点,能源碳排放效率水平经历了“降-增-降-增”的“W”型态势演变.

3.4 从NSBM和DNSBM模型下效率结果对比来看,不考虑时期间联系的NSBM模型会低估煤炭资源综合能源碳排放效率水平,并且通过对比各阶段的能源碳排放效率值可以发现,效率损失主要发生在阶段2(转换阶段).

[1] 国家统计局.中华人民共和国2020年国民经济和社会发展统计公报 [M]. 北京:中国统计出版社, 2021.

The National Bureau of Statistics of China. Ch Statistical communique of the people’s republic of China on the 2020 national economic and social development [M]. Beijing: China Statistics Press, 2021.

[2] Qi X, Guo P, Guo Y, et al. Understanding energy efficiency and its drivers: An empirical analysis of China’s 14coal intensive industries [J]. Energy, 2020,190:116354.

[3] 谢和平,任世华,谢亚辰,等.碳中和目标下煤炭行业发展机遇[J]. 煤炭学报, 2021,46(7):2197-2211.

Xie H P, Ren S H, Xie Y C, et al. Development opportunities of the coal industry towards the goal of carbon neutrality [J]. Journal of China Coal Society, 2021,46(7):2197-2211.

[4] 新华网.习近平在第七十五届联合国大会一般性辩论上的讲话(全文) [EB/OL]. https://baijiahao.baidu.com/s?id=1678546728556033497 &wfr=spider&for=pc,2021-11-3.

Xinhuanet. Speech by Xi Jinping at the General Debate of the Seventy-fifth United Nations General Assembly (full text) [EB/OL]. https://baijiahao.baidu.com/s?id=1678546728556033497&wfr=spider&for=pc, 2021-11-3.

[5] 中华人民共和国国家发展和改革委员会.国家发展改革委司法部印发《关于加快建立绿色生产和消费法规政策体系的意见》的通知 [EB/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/tz/202003/t2020031712 23470.html,2021-11-3.

National development and reform commission, people's republic of China. Notice of the Ministry of Justice of the National Development and Reform Commission on Issuing the "Opinions on Accelerating the Establishment of Green Production and Consumption Laws and Policies"[EB/OL]. https://www.ndrc.gov.cn/xxgk/zcfb/tz/202003/t202 003171223470.html, 2021-11-3.

[6] 李金铠,马静静,魏 伟.中国八大综合经济区能源碳排放效率的区域差异研究[J]. 数量经济技术经济研究, 2020,37(6):109-129.

Li J K, Ma J J, Wei W. Study on regional differences of energy carbon emission efficiency in eight economic areas of China [J]. Quantitative Economics and Technical Economics Research, 2020,37(6):109-129.

[7] Wang B, Cui C Q, Zhao Y X, et al. Carbon emissions accounting for China's coal mining sector: invisible sources of climate change [J]. Natural Hazards, 2019,99(3):1345-1364.

[8] 揭 俐,王 忠,余瑞祥.中国能源开采业碳排放脱钩效应情景模拟[J]. 中国人口·资源与环境, 2020,30(7):47-56.

Jie L, Wang Z, Yu R X. Scenario simulation of carbon decoupling effect of China's energy mining industry [J]. China Population, Resources and Environment, 2020,30(7):47-56.

[9] Zhang Y, Yuan Z, Margni M, et al. Intensive carbon dioxide emission of coal chemical industry in China [J]. Applied Energy, 2019,236: 540-550.

[10] 张 优,程明今,刘雪薇.中国煤炭铁路运输生命周期温室气体排放研究[J]. 资源科学, 2021,43(3):601-611.

Zhang Y, Cheng M J, Liu X W. Life Cycle greenhouse gas emissions from China's coal railway transport [J]. Resources Science, 2021, 43(3):601-611.

[11] 柳君波,高俊莲,徐向阳.中国煤炭供应行业格局优化及排放[J]. 自然资源学报, 2019,34(3):473-486.

Liu J B, Gao J L, Xu X Y. Pattern optimization and carbon emissions of coal supply in China [J]. Journal of Natural Resources, 2019,34(3): 473-486.

[12] 张小丽,崔学勤,王 克,等.中国煤电锁定碳排放及其对减排目标的影响[J]. 中国人口·资源与环境, 2020,30(8):31-41.

Zhang X L, Cui X Q, Wang K, et al. Committed CO2emissions of China’s coal-fired power plants and their implications for mitigation targets [J]. China Population, Resources and Environment, 2020,30(8):31-41.

[13] Li J, Tian Y, Deng Y, et al. Improving the estimation of greenhouse gas emissions from the Chinese coal-to-electricity chain by a bottom-up approach [J]. Resources, Conservation and Recycling, 2021,167:105237.

[14] 彭璐璐,李 楠,郑智远,等.中国居民消费碳排放影响因素的时空异质性 [J]. 中国环境科学, 2021,41(1):463-472.

Peng L L, Li N, Zheng Z Y, et al. Spatial-temporal heterogeneity of carbon emissions and influencing factors on household consumption of China [J]. China Environmental Science, 2021,41(1):463-472.

[15] 李绪茂,王成金.中国煤炭产业经济效率类型与空间分异[J]. 干旱区资源与环境, 2020,34(5):58-63.

Li X M, Wang C J. Economic efficiency types and spatial differentiation of China’s coal industry [J]. Journal of Arid Land Resources and Environment, 2020,34(5):58-63.

[16] Guo P, Qi X, Zhou X, et al. Total-factor energy efficiency of coal consumption: An empirical analysis of China's energy intensive industries [J]. Journal of Cleaner Production, 2018,172:2618-2624.

[17] 王 忠,田家华,揭 俐.矿业权重叠引致了煤炭产业技术效率损失吗? [J]. 中国人口·资源与环境, 2018,28(3):139-148.

Wang Z, Tian J H, Jie L. Does mineral rights overlapping lead to the technical efficiency losses of coal mining industry? [J]. China Population, Resources and Environment, 2018,28(3):139-148.

[18] 程晓娟,韩庆兰,全春光.基于PCA-DEA组合模型的中国煤炭产业生态效率研究[J]. 资源科学, 2013,35(6):1292-1299.

Cheng X J, Han Q L, Quan C G. The ecological efficiency of the coal industry based on PCA and DEA Modeling [J]. Resources Science, 2013,35(6):1292-1299.

[19] Wang D, Wan K, Yang J. Measurement and evolution of eco- efficiency of coal industry ecosystem in China [J]. Journal of Cleaner Production, 2019,209:803-818.

[20] Wang B, He L, Yuan X, et al. Carbon emissions of coal supply chain: An innovative perspective from physical to economic [J]. Journal of Cleaner Production, 2021,295:126377.

[21] 李德山,赵颖文,李琳瑛.煤炭资源型城市环境效率及其环境生产率变动分析──基于山西省11个地级市面板数据[J]. 自然资源学报, 2021,36(3):618-633.

Li D S, Zhao Y W, Li L Y. Change of environmental efficiency and environmental productivity of coal cities: Based on panel data of 11cities in Shanxi province [J]. Journal of Natural Resources, 2021, 36(3):618-633.

[22] 李世祥,王剑成,成金华.中国煤炭产业效率及其规制效应分析[J]. 中国人口·资源与环境, 2015,25(11):169-176.

Li S X, Wang J C, Cheng J H. Efficiency levels and regulation effects of coal industry in China [J]. China Population. Resources and Environment, 2015,25(11):169-176.

[23] 徐杰芳,田淑英,占沁嫣.中国煤炭资源型城市生态效率评价[J]. 城市问题, 2016,(12):85-93.

Xu J F, Tian S Y, Zhan Q Y. Evaluation of ecological efficiency of coal resource-based cities in China [J]. Urban Problem, 2016,(12):85-93.

[24] Xue L, Zhang W, Zheng Z, et al. Measurement and influential factors of the efficiency of coal resources of China’s provinces: Based on Bootstrap-DEA and Tobit [J]. Energy, 2021,221:119763.

[25] Tone K, Tsutsui M. Dynamic DEA with network structure: A slacks-based measure approach [J]. Omega, 2014,42(1):124-131.

[26] 赵若楠,董 莉,白 璐,等.光伏行业生命周期碳排放清单分析 [J]. 中国环境科学, 2020,40(6):2751-2757.

Zhao R N, Dong L, Bai L, et al. Inventory analysis on carbon emissions of photovoltaic industry [J]. China Environmental Science, 2020,40(6):2751-2757.

[27] 卢浩洁,王婉君,代 敏,等.中国铝生命周期能耗与碳排放的情景分析及减排对策 [J]. 中国环境科学, 2021,41(1):451-462.

Lu H J, Wang W J, Dai M, et al. Scenario analysis of energy consumption and carbon emissions in Chinese aluminum life cycle and emissions reduction measures [J]. China Environmental Science, 2021,41(1):451-462.

[28] 国家统计局.中国统计年鉴 [M]. 北京:中国统计出版社, 2008-2020.

The National Bureau of Statistics of China. China statistical yearbook [M]. Beijing: China Statistics Press, 2008-2020.

[29] 国家统计局能源统计司.中国能源统计年鉴[M]. 北京:中国统计出版社, 2008-2020.

Department of Energy Statistics, National Bureau of Statistics of China. China energy statistics yearbook [M]. Beijing: China Statistics Press, 2008-2020.

[30] 国家统计局工业统计司.中国工业统计年鉴[M]. 北京:中国统计出版社, 2008-2020.

Department of Industrial Statistics, National Bureau of Statistics of China. China industrial statistics yearbook [M]. Beijing: China Statistics Press, 2008-2020.

[31] 张 瑞,胡彦勇,郄晓彤.中国物流业能源生态效率与其影响因素的动态响应研究[J]. 经济问题, 2021,(8):9-17.

Zhang R, Hu Y Y, Qie X T. Research on dynamic response of energy eco-efficiency of China’s logistics industry to influencing factors [J]. On Economic Problems, 2021,(8):9-17.

[32] 孟望生.经济增长方式转变与能源消费强度差异的收敛性——基于中国2001～2016年省级面板数据 [J]. 资源科学, 2019,41(7):1295- 1305.

Meng W S. Convergence analysis of interregional differences of economic growth pattern and energy intensity:An empirical study based on provincial data from 2001 to 2016 in China [J]. Resources Science, 2019,41(7):1295-1305.

Evaluation of China's coal resource energy carbon emission efficiency in the whole life cycle.

HU Yan-yong1, ZHANG Rui1*, QIE Xiao-tong1, LIU Hong1,2

(1.School of Management, China University of Mining and Technology, Beijing 100083, China；2.Energy Research Institute, Chinese Academy of Macroeconomic Research, Beijing 100038, China)., 2022,42(6)：2942～2954

Based on the LCA, the carbon emission estimation model of coal resources in the development, conversion and utilization stages was constructed, the dynamic network SBM model was used to calculate the comprehensive energy carbon emission efficiency, period energy carbon emission efficiency and phase energy carbon emission efficiency of coal resources in China's 25provinces from 2007 to 2019. The results showed that the comprehensive energy carbon emission efficiency level of China's coal resources was distributed in a “U” shape, with the highest in the east, the second in the west, and the lowest in the middle. There was a large room for improvement in the carbon emission efficiency level of coal resources and energy, the average value of comprehensive energy carbon emission efficiency from 2007 to 2019 was only 0.4726. There were significant regional differences in energy carbon emission efficiency during the coal resource period in China, and the regions with higher efficiency levels were mainly concentrated in East China and Central South China; From the stage energy carbon emission efficiency analysis, it can be found that only the stage 1and stage 3energy carbon emission efficiency of the three provinces of Beijing, Jiangsu and Qinghai at an effective level. The remaining provinces and other stages have efficiency losses, especially stage 2efficiency losses serious. During the study period, the energy carbon emission efficiency of stage 3 showed a “peak-like” fluctuating upward trend as a whole. The comparison of the energy carbon emission efficiency measured by the DNSBM and NSBM models found that the NSBM model would underestimate the comprehensive energy carbon emission efficiency level of coal resources.

coal resources；energy carbon emission efficiency；whole life cycle；dynamic network SBM model

X32

A

1000-6923(2022)06-2942-13

胡彦勇(1993-),男,河南驻马店人,中国矿业大学(北京)博士研究生,主要从事能源经济、能源效率研究.发表论文10篇.

2021-12-01

山西省科技重大专项课题(20181102017);中国矿业大学(北京)研究生科研创新能力提升项目(2022YJSGL13);煤炭资源与安全开采国家重点实验室开放基金资助项目(SKLCRSM20KFA05)

* 责任作者, 教授, zrcumtb@163.com