长三角区域隐含碳排放的分解及预测研究

2022-08-04郑中团

生产力研究 2022年6期

赵祺，郑中团

（上海工程技术大学数理与统计学院，上海 201620）

一、引言

改革开放四十多年来，出口贸易在促进经济发展的同时，我国承担了在国际贸易中转移的隐含碳排放。目前，低碳化发展已经成为全球共识，长三角城市群作为世界级城市群之一，具有重要战略地位，2020 年GDP 高达20.5 万吨，占全国的20.18%，在出口贸易中，碳排放量较大。“十四五”规划中对节能减排提出了具体的目标要求，大力推动“双碳”进程，“低碳经济”和“绿色经济”成为经济可持续发展的重要保障，长三角地区在碳减排中应扮演着重要角色[1-2]。实现节能减排目标需要有科学的理论分析作为依据，长三角地区隐含碳排放研究将为长三角地区发展低碳经济、实现节能减排、走经济可持续发展道路提供政策建议。

二、参考文献

贸易隐含碳是指从原材料到最终消费品的整个生产链中产生的所有二氧化碳[3]，主要利用生命周期法和投入产出法来测算隐含碳[4-5]。闫云凤和忠秀（2012）[6]对我国进出口贸易隐含碳利用投入产出模型研究，并对各个出口部门与行业进行分析，得到我国生产多于消费排放的隐含碳，共排放隐含碳有2.99 亿吨，我国出口隐含碳最主要的产业为密集型制造加工业。王珊珊等（2019）[7]利用生命周期法对中国农业、电力等行业的碳足迹进行测算和评估，提出优化市场结构，减少碳排放的建议措施。

隐含碳排放的因素分解主要有两种方法：一是指数分解方法（IDA）[8-9]；二是投入产出结构分解方法（SDA）[10-11]。李晨等（2018）[12]基于LMDI 指数分解方法研究中国水产品贸易隐含碳排放转移的影响，得出规模效应的增加导致贸易隐含碳排放的上升，水产品进出口的结构效应和强度效应对隐含碳排放有负面影响。尹卫华（2019）[13]运用SDA 结构分解法分析了我国出口贸易碳排放强度变化趋势及其驱动因素，得出直接碳排放系数效应、技术结构效应和出口贸易效应是出口贸易隐含碳排放强度变化的主要因素。

碳排放预测模型可分为两类：一是混合构建模式，二是直接构建模式[14-15]。在直接构建模式中，最小二乘回归法、岭回归法和STIRPAT 模型存在稳定性不足、参数难以确定等缺点。李阳和陈敏鹏（2021）[16]基于指数（LMDI）模型、STIRPAT 模型和固定效应模型识别了中国农业非CO2排放的影响因素。结果表明：中国农业非CO2排放量整体呈上升趋势，到2050 年仍未达峰；低情景下CO2排放量整体呈下降趋势。薛黎明等（2017）[17]利用SVR 模型对河北省1990—2015 年碳排放及其影响因素数据进行训练和检验，得到了具有准确性较高的碳排放预测模型。

三、研究方法

（一）投入产出算法

本文采用投入产出法测算长三角地区出口隐含碳排放量。投入产出法是由Leontief 首次提出的，该方法主要用于分析各部门的投入产出关系；生命周期评价法主要衡量产品生产周期中的碳排放量，获取数据和实际操作比较困难；而投入产出法主要测算整个产品生产过程中的能源消耗，计算其二氧化碳排放量，数据易得，误差小。投入产出表分别从投入、产出以及二者之间关系共3 个角度来阐述，本文采用投入产出法来测算隐含碳排放。一般投入产出模型为：

根据上式则有：

其中，X 为总产出，A 为直接消耗系数，I 为单位矩阵，Y 为最终产品列向量。长三角某地区出口额向量为Y，A 为中间投入产出矩阵，有N 个产业，E 为各产业直接碳排放系数向量。其中Y 是N×1 的矩阵，A 为N×N 的矩阵，E 为1×N 的矩阵。则该地区因出口而隐含的碳排放表示为：

其中，（I-A）-1-I 为完全消耗系数矩阵。（I-A）-1为列昂惕夫逆矩阵，碳排放强度系数对贸易隐含碳测算有重要影响，也称为直接能源消耗系数矩阵，代表了不同部门的能源使用效率，用ei表示：

Ci表示第i 部门的能源的消费量，ei代表第i 部门产生总产出Xi所直接释放的碳排放量。

碳排放量数据要根据能源消耗量通过公式计算得出，依据Kaya 恒等式进行修正，本文采用IPCC2006 的计算方法，计算各能源碳排放量及碳排放系数，各类能源的碳排放系数，如表1 所示。

表1 各能源CO2 排放系数λ 值（万吨/万吨）

（二）影响因素SDA 结构分解模型

SDA 方法将隐含碳排放的变动分解成几个基本因素变化之和，主要方法有：加权平均法、两级分解法、保留及不保留交叉项四种。相比两级分解法具有计算量少、减少误差等优势，将从第0 期到第t期分解得到的各因素总影响效应取平均值，得到各因素影响效应值[18]。本文基于两级分解法对影响长三角贸易碳排放的因素进行分解。

f（△Ed）为能源消耗的强度效应，表示各行业生产技术、能源利用效率的提高，导致碳排放强度发生变化；f（△L）为投入结构效应，表示技术变革引起的中间投入结构的变化；f（△ys）为能源结构效应，表示各部门能源结构的变化导致贸易隐含碳的变化；f（△yv）为需求规模效应，表示最终产品的需求变化导致对碳需求的变化。

（三）支持向量回归预测模型（SVR）

在公式（10）中，η 是根据数据样本进行识别的系数，a 为常数。用最小化函数进行系数η 的估计：

式中，λ 为标准化常数，最小值函数也可表示为：

（四）数据来源与处理

我国投入产出表目前可获取的地区投入产出表为2002 年、2007 年、2012 年和2017 年中国区域间投入产出表，本文所要测算的为2003—2020 年长三角带出口贸易隐含碳排放的数据，本文借鉴闫云凤和忠秀（2012）[6]研究，假设短期内（1～5 年）一个地区的生产技术结构不会变化太大，对于相邻年份的数据，用已有年份的投入产出表代替，即2003—2008 年、2009—2014 年、2015—2020 年的数据则以2002 年、2007 年、2012 年、2017 年所选用的长三角地区区域燃料消费量数据，取自于2003—2020年《中国能源统计年鉴》的上海市、江苏省、浙江省、安徽省的区域能耗平衡表。碳排放数据通过碳排放系数测算和能源的消费量计算而得，碳排放因子和标准煤转换因子来自《国家温室气体排放清单指南》的IPCC 指南。

四、模型应用与结果分析

（一）长三角区域各部门贸易隐含碳分析

图1 2003—2020 年长三角区域各省市出口贸易隐含碳

从图（a）所示，2003—2020 年长三角区域各省出口贸易隐含碳整体趋势为上升—下降—上升趋势，排放总量最大的省份是浙江省，最少的是上海市。其中，2000 年，浙江省、安徽省、江苏省和上海市的年均隐含碳在长三角区域占比分别为56.21%、3.69%、36.8%和3.29%。2008 年各省在长三角区域占比分别为60.22%、13.33%、35.22%和32.33%，较过去几年四省的排放总量都有了明显增长，受金融危机带来的影响，我国劳动密集型产品出口率下降，2009—2010 年的隐含碳排放总量上升。2011—2015年，各省的隐含碳年均排放总量有所下降，说明“十二五”规划提出的建设资源节约型、绿色发展的政策对隐含碳排放的成效显著。相比于2003 年，2020年浙江省、安徽省、江苏省和上海市隐含碳排放总量分别上升了2.19 倍、0.35 倍、1.24 倍和0.33 倍。

从图（b）所示，2005—2020 年长三角出口贸易隐含碳排放量最大的五个部门为S3（纺织业）、S8（化学工业）、S15（电气机械和器材）、S12（通用设备）、S4（纺织服装鞋帽皮革羽绒及其制品），年均排放量分别为2 664.44 万吨、1 733.81 万吨、1 994.98 万吨、1 823.45 万吨，1 437.34 万吨，年均占比分别为18.91%、12.17%、11.66%、10.25%，9.58%。S3、S12 碳排放系数的波动幅度较大，S4 和S8 发展较为平稳，所占比重分别从2005 年的21.09%、27.57%降至2020 年的16.97%、9.15%，主要由于出口贸易额及完全碳排放系数的下降。长三角出口贸易隐含碳排放最少的三个部门从高到低依次是S19（非金属矿物制品）、S1（非金属矿和其他矿采选产品）、S16（废品废料及其他制造业）。

（二）长三角隐含碳排放影响效应分析

利用投入产出表对2003—2020 年长三角各部门隐含碳排放量的变动进行分阶段隐含碳排放量总量的影响效应分析，结果如表2 所示。

表2 长三角出口贸易隐含碳效应分解（万吨，%）

由表2 可知，2003—2020 年各效应对长三角地区隐含碳排放总量的变化在不同阶段各不相同，如能源消费结构的变化有利于减少二氧化碳排放总量；产品需求规模效应在各时期均为正，不利于二氧化碳排放总量的减少。综合来看，2003—2020 年，需求规模效应从9 885.9 万吨下降到1 527.52 万吨，大于其他三个效应之和，使得二氧化碳排放减少。2003—2020 年能耗强度和能源结构变化是各行业二氧化碳排放总量减少的结果。能源结构效应减少二氧化碳排放总量1 307.73 万吨，能耗强度效应减少二氧化碳排放总量3 520.5 万吨，是减少二氧化碳排放的主要影响因素。

（三）各区域隐含碳排放影响效应分析

长三角各区域隐含碳排放影响效应分析如图2所示，在2003—2008 年期间，浙江省的二氧化碳排放总量总效应最大，为6 802.84 万吨。在2009—2014年期间，江苏省的二氧化碳排放总量总效应最大，为2 670.61 万吨在。2015—2020 期间，上海、江苏省和安徽省的总效应为负值，浙江省的总效应为正值，为2 311.98 万吨。

图2 长三角各省市2003—2020 年出口贸易隐含碳分解

对于上海市，在2003—2008 年，能耗强度效应和需求规模结构效应使总二氧化碳排放量增加，需求规模效应使二氧化碳排放总额增加了285.808 万吨。在2015—2020 年期间能源总效应合计下降514.683 万吨，能源消耗结构与产业结构的变动起到主要作用。

对于江苏省，在2003—2008 年产业投入结构效应使二氧化碳排放总量减少727.544 万吨，但需求规模效应使总效应增加130.51%，导致二氧化碳排放总量大量增加。在2015—2020 年能耗强度使得总效应减少1 262.152 万吨，产业结构使得总效应减少959.864 万吨。

对于安徽省，在2003—2008 年，需求规模效应使其增加139.776 万吨，占总效应228.68%，远大于能耗强度效应。在2015—2020 年期间，需求规模效应和能源结构效应占二氧化碳排放总效应的95.94%，使二氧化碳排放总量大量增加。

对于浙江省，二氧化碳排放总量上升主要由于能耗强度与需求规模效应的增加，占总效应的83.11%；在2015—2020 年期间，需求规模效应使二氧化碳排放总量上升1 859.896 万吨，占总效应的80.45%。

（四）支持向量回归影响因素预测分析

本文以长三角地区为例，将其2005—2014 年和2015—2020 年的碳排放量及其影响因素数据分别作为训练样本和测试样本。对所有样本数据进行归一化处理，选取最佳参数构建并检验模型，结果如图3 所示。

图3 2005—2025 年长三角区域碳排放量趋势图

由图3 可知，平均绝对百分比误差（MAPE）为0.051，均方根误差（RMSE）为0.95 误差值较小，因此该模型具有良好的学习和推广能力。将2021—2025年人口、人均GDP、二产占比和能源强度影响因素预测值归一化后代入碳排放预测模型，得出2021—2025年人口、人均GDP、二产占比和能源强度下影响因素预测值如表3 所示。

表3 2021—2025 年碳排放量预测值及其影响因素数据

从影响因素变化趋势来看，2021—2025 年，长三角区域的人均GDP 呈稳步增长趋势，人均GDP增量分别为0.330 万元/人、0.270 万元/人、0.61 万元/人、0.649 万元/人。在这五年里，二产占比处于下降趋势，说明在未来五年里，长三角地区战略性新兴产业将加快发展，产业结构优化发展，服务业总体增速将高于传统主要行业。而能源强度分别为0.153 5 吨/ 万元、0.148 8 吨/ 万元、0.144 3 吨/ 万元、0.139 9 吨/万元和0.135 7 吨/ 万元，呈下降趋势。预计2025 年长三角区域碳排放总量达到120 595.41 万吨，2021—2023 呈上升趋势，2024—2025年呈下降趋势。所以未来五年长三角区域碳减排之路依然很严峻。