“电—能—碳”模型的构建与碳排放测算：以江苏为例

[摘要]江苏的制造业发展和绿色转型升级在全国均位于领先地位，在国家推进绿色低碳转型的大背景下，江苏如何应对产业结构调整与碳排放减少任务，对我国其他省份乃至全球范围内的能源与环境政策具有重要参考价值。欧盟碳边境调整机制（CBAM）对江苏产业绿色生产提出了新挑战，形成一套兼顾合理性和时效性、符合中国实际情况的碳排放核算标准，有利于中国企业应对日益严峻的出口环境，也有助于整体经济的稳定发展。通过创新性地提出“电—能—碳”模型算法，利用电力消费数据推算能源消费量，结合碳排放因子精细估算碳排放量。基于江苏省电力大数据，对江苏企业、行业和总体层面的碳排放进行估算，并分析江苏省碳减排面临的风险与不足。研究发现，江苏各行业和企业的碳排放呈总量增加、强度减小的趋势；“电—能—碳”模型显著提高碳排放测算的实时性与精度，可以克服传统方法中能源数据滞后问题，为评估微观企业层面的碳排放提供支持。最后，从完善碳测算体系、增强技术创新、调整产业结构、加强监管力度等方面对下一阶段江苏乃至全国的低碳发展提出建议。

[关键词]碳排放测算；“电—能—碳”模型；产业绿色发展；CBAM

一、 引言

随着以人工智能和数字化技术为代表的新一代技术革命不断深化，经济有效地开发可再生能源成为应对气候变化最重要的挑战之一。温室效应、空气污染、气候变暖和海平面上升等环境问题严重影响了人类生产生活。碳排放问题很早就引发了全球广泛关注，各国际组织已经推出了一系列环保政策和措施，包括《京都议定书》规定了各国温室气体排放量，《巴黎协定》提出将21世纪全球平均气温上升幅度控制在2摄氏度以内，并推动全球向低碳经济和可持续发展转型。

近年来，欧盟碳边境调整机制（Carbon Border Adjustment Mechanism，CBAM）受到广泛关注1。CBAM相关文件强调，该机制是对进入欧盟的商品生产产生的温室气体排放的关键工具，旨在确保欧盟的气候目标不受破坏，并鼓励非欧盟国家的清洁生产。本质上，CBAM会对进口到欧盟的商品中隐含的碳排放征收额外关税。根据CBAM提供的商品碳排放核算方法和流程，每项商品在生产过程中排放的二氧化碳（CO2）以及其他温室气体（如甲烷、氮氧化物等），均被折算为CO2当量。相关数据首先由企业自行提供，生产企业需要提供详细的排放数据，包括生产过程中各个环节的能源消耗和碳排放量，包括燃料使用量、原材料消耗、生产工艺以及排放因子的具体值。为了确保数据的准确性和真实性，企业提供的排放数据首先需要经过独立的第三方机构核查，最后根据欧盟提供的标准化排放因子，对商品最终的排放情况进行核算。中国是世界第二大经济体和全球最大的出口国，CBAM的执行对中国企业和政府提出了新的挑战。为了避免关税定向提升带来的国际竞争力下降，中国企业特别是传统制造业企业面临技术升级改造带来的创新压力，贸易摩擦加剧可能导致相关企业出口结构的变化，需要开拓欧洲以外新的市场[1]。

江苏是绿色生产改造的重要阵地。首先，江苏的经济发展水平较高、制造业较为发达。作为制造业大省，江苏产业必然在相关政策中受到极大的冲击。近年来，江苏积极推动绿色低碳发展，并采取了包括产业升级、能源结构调整和清洁能源发展等一系列措施。研究江苏地区的创新措施及其在能源转型中的效果，能够为其他地区提供切实的政策经验和技术路径，具有重要的实践意义和理论价值。

其次，江苏的能源消费结构具有一定的特殊性，其能源消耗主要集中在工业领域，且能源结构中的煤炭占比仍较高，这使得江苏在碳排放方面具有一定的挑战性。在国家推进绿色低碳转型的大背景下，江苏如何应对产业结构调整与碳排放减少任务，对我国其他省份乃至全球范围内的能源与环境政策具有重要参考价值。同时，江苏在能源、碳排放及经济等领域的统计数据完善，且省内相关部门对数据收集和报告的工作机制健全，能够有效支持本研究的深入分析。

最后，江苏是技术创新特别是绿色技术创新最为活跃的地区。按照欧盟提供的碳排放算法，将中国和其他发展中国家用统一的标准进行碳核算，无疑会忽略江苏近年来在绿色创新、碳减排方面的努力，削弱江苏绿色产品出口的潜在优势。虽然江苏政府重视碳排放管理，并已出台了一些相关政策和措施，但在具体的商品碳排放核算方面，还没有形成一套完整的、标准化的体系。因此，形成一套兼顾合理性和时效性、符合国内实际情况的碳排放核算标准，有利于江苏企业应对日益严峻的出口环境，有助于整体经济的稳定发展。

基于此，本文创新性地将电力数据与碳排放测算方法相结合，尝试构造“电—能—碳”模型算法，对用电主体的碳排放数据进行估计。具体来说，本文首先建立能源消费和电力消费之间的多种回归模型，利用能源消费和电力消费的历史数据训练模型，挑选出最优模型；其次在此基础上，代入各时间节点、各用电主体的电力消费数据推算当前时间节点的能源消费量；最后利用能源消费情况和碳排放因子计算每个主体的碳排放量。综合电力数据可得性和研究对象代表性，本文选取江苏电力数据，对江苏各行业的用电和碳排放情况进行测算。

本文的边际贡献在于：第一，有利于提高碳排放测算工作的时效性。当前碳排放测算方法需要长期统计工作的支持，特别是能源消耗数据滞后性较强，本文构建电—能—碳模型，以电力消费推算各行业能源消耗，并计算相应的碳排放量，电力数据是实时统计的，因此可以得到精细、实时、准确的碳排放数据。第二，提高碳排放测度的准确性。本文结合江苏的区域能碳特征，构建综合回归方法。同时应用ARDL（分布式时滞自回归）、LR（线性回归）、AR（自回归）、SVR（支持向量回归）、指数回归等方法，根据实际数据具体分析，选择合适的算法，提高推算精度。第三，提供细化碳排放测算的可能性。随着CBAM的逐渐推进，企业层面的碳排放测算和审核势在必行，本文构建的模型理论上可以监控地区、行业和企业等各个层面的碳排放情况，有助于以较低成本实现企业层面的碳排放审核。

二、 基于关联特性分析的电能碳模型

1. “电—能—碳”方法介绍

本文的重点在于通过电力消费推算能源消费，在此基础上结合碳排放因子测算碳排放数据。主要的挑战在于：一方面，能源数据样本量小，对于大宗能源，例如原煤、焦炭等能源数据的回归误差较小，但是对消耗量较小的能源，例如煤油，提供的数据量较少，可能导致较大误差；另一方面，能源种类较多，需要综合考虑不同能源与电力数据间的关联性强弱。

已有研究表明，中国各地的二氧化碳排放主要来自工业生产过程中化石原料消耗[2]，但是目前并没有直接数据用于统计相关的排放量。大量文献利用各种环境和经济数据，对区域（主要是城市）层面的碳排放进行了近似测度，相关的测度方法可以分为“自下而上”和“自上而下”两种。自下而上法（Bottom-Up）通过收集具体活动、过程或设施的详细数据计算总的碳排放量，具有精细化和灵活性的特点。现有研究主要依据联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）提供的排放因子，利用能源燃烧量和碳排放因子进行计算，大多数以煤炭、石油和天然气等三种一次能源为基准来估算CO2排放的数量[3]。Guan等[4]采用IPCC提供的二氧化碳排放系数和煤炭、焦炭、煤气、天然气等11种能源利用方式，计算了宁夏回族自治区18个县1991—2011年的二氧化碳排放量。一些学者进一步采用投入产出法，测算碳排放量和隐含碳排放量[5]。中国碳核算数据库（China Emission Accounts for Data Synthesis，CEADs）统计了省、市、县等多个层面碳排放数据，从生产过程和能源利用两个方面统计碳排放量，该数据库目前更新到2019年[6]。

自上而下法（Top-Down）是利用宏观经济数据和总体能源消耗数据，通过统计模型和估算方法推算总的碳排放量，适用于国家、区域或行业层面的排放估算，具有覆盖面广、数据收集简便等优点。为了回避地区层面排放数据统计缺失和不统一的情况，一些研究基于遥感照明数据近似估计一定区域的碳排放情况[7]。照明数据优势在于：一方面，地球表面夜间的亮度分布与人类活动密切相关；另一方面，随着遥感解译技术的进步，可以提取和使用时间跨度更长、覆盖范围更广的全球照明数据。Meng等[8]利用国防气象卫星计划/运行扫描系统（DMSP/OLS）卫星图像的亮度数据，对1995—2010年中国287个地级市的二氧化碳排放量进行了缩减和估算。Chen等[9]考虑陆地植被的固碳效应，改进了遥感数据识别方法，测算了县域层面的碳排放情况。

总的来说，自下而上法更为直观地反映了碳排放情况，但是需要大量详细数据和较高的数据收集成本，当前中国的相关统计尚无法支持精细化的测算；自上而下法借助其他的数据库对碳排放情况进行近似估计，可行性较强，但并不能保证准确性，而且只能应用于区域层面的碳排放测算，难以深入到行业和产品层面。

基于此，本文构建电—能—碳模型，以电力消费推算各行业能源消耗，并计算相应的碳排放量，实现精细、实时、准确数据与粗放、历史、模糊数据之间的关联与对应。在此基础上，本文结合江苏的区域能碳特征，构建综合回归方法，同时考虑ARDL（分布式时滞自回归）、LR（线性回归）、AR（自回归）、SVR（支持向量回归）、指数回归等方法，根据实际数据具体分析，选择合适的算法，提高推算精度。同时，加入社会—经济—行业数据增强模型可解释性，针对重点行业收集行业年报和主要大型上市公司年报，提取产量、产值等精准信息，利用GDP等宏观经济数据进行辅助测算，从而提取全环节的细化碳排放特征。最后，针对历史数据缺失问题，构建小样本情况下的数据修正与恢复方法，使用Cook距离判断法与趋势项分解法，将原始数据分解为趋势项和残差项进行分列推断。

2. 电力消费和能源消费之间的多种回归模型构建

待选模型包括线性回归模型（Linear Regressive Model，LR）、自回归模型（Autoregressive Model，AR）、自回归分布时滞模型（Autoregressive Distributed Lag，ARDL）。

线性回归模型（LR）由式（1）描述：

[yt=αxt+β+ϵt] （1）

式（1）中，[yt]和[xt]分别表示时间节点[t]的能源消费量和电力消费量；[α]和[β]为参数；[ϵt]为噪声项。

自回归模型（AR）由式（2）描述：

[yt=δ0+ϕ1yt-1+…+ϕPyt-P+ϵt] （2）

式（2）中，[yt]表示时间节点[t]的能源消费量；[δ0，ϕ1，……，ϕP]为参数；[ϵt]为噪声项。

自回归分布时滞模型（ARDL）由式（3）描述：

[yt=δ0+δ1t+p=1Pϕpyt-p+q=0Qβqxt-q+ϵt] （3）

式（3）中，[yt]和[xt]分别表示时间节点[t]的能源消费量和电力消费量；[δ0]，[ϕ1，……，ϕP]，[β0，……，βQ]为参数；[ϵt]为噪声项。

3. 历史数据训练模型与最优模型选取

本文汇总目标区域、产业、能源种类的过去若干年的能源消费量和电力消费量，利用上述历史数据对可能的相关性模型进行训练。应用LR模型，对参数[α]和[β]通过最小二乘法求解。对于AR模型的最优自回归阶数[P]通过赤池信息准则（Akaike’s Information Criterion，AIC）最小化原则选取，其中AR模型中的AIC为：[AIC=-2log（L）+P]，其中，[L]为最大似然度。在确定最优自回归阶数后，其参数[δ0，δ1，ϕ1，……，ϕP]通过最小二乘法求解。对于ARDL模型中的最优自回归阶数[P]和最优时滞阶数[Q]，通过AIC最小化原则选取，其中ARDL模型的AIC为：[AIC=-2log（L）+P+Q]。在确定最优自回归阶数和最优时滞阶数后，其参数[δ0，δ1]，[ϕ1，……，ϕP]，[β0，……，βQ]通过最小二乘法求解。

对于上述各类模型，分别计算预测值和[R]方（[R2]），[R]方值最大者选为最优模型，其中[R]方的计算方法为：

[R2=1-i（yi-yi）2i（yi-y）2]" （4）

式（4）中，[yi]是第[i]个时间节点的预测值，[yi]是第[i]个时间节点的真实值，[y]是所有[yi]的平均值。

4. 推算能源消费量

利用最优模型和当前时间节点的电力消费数据推算当前时间节点的能源消费量。获取当前时间节点的电力消费量[xt]，根据最优模型选择的不同，分为三种情况计算。如果最优模型为LR模型，将当前时间节点的电力消费量[xt]代入式（5）计算得[yt]为当前时间节点的能源消费量：

[yt=αxt+β] （5）

如果最优模型为AR模型，将前[P]个时间节点的能源消费量[yt-1，……，yt-P]代入式（6）计算得[yt]为当前时间节点的能源消费量预测值：

[yt=δ0+ϕ1yt-1+…+ϕPyt-P]" （6）

如果最优模型为ARDL模型，将前[P]个时间节点的能源消费量[yt-1，……，yt-P]，前[Q]个时间节点的电力消费量[xt-1，……，xt-Q]，以及当前时间节点的电力消费量[xt]代入式（7）估计得到[yt]，即为当前时间节点的能源消费量预测值：

[yt=δ0+p=1Pϕpyt-p+q=0Qβqxt-q+ϵt]" （7）

5. 碳排放量预测

基于前文推算的能源消费量，结合标准化的碳排因子，可以得到消费主体的碳排放量，具体公式为：

[CEij=ADij×NCVi×CCi×Oij] （8）

式（8）中，[CEij]表示行业[j]消费能源[i]产生的碳排量，[ADij]表示行业[j]中能源[i]的消费量，[NCVi]表示消费单位质量能源[i]产生的净热值，[CCi]表示能源[i]产生单位净热值时排放的CO2量，[Oij]表示行业[j]在消费能源[i]时的氧化系数。

三、 行业用电量与碳消耗动态趋势：以江苏为例1

1. 江苏各行业用电情况

（1）三次产业用电情况。根据《江苏省统计年鉴》，省内产业类型可分为三大类。其中，第一产业主要涵盖的行业为农、林、牧、渔业。第二产业主要涵盖的行业为工业和建筑业。第三产业主要涵盖的行业为交通运输业以及房地产、软件等各类服务业。

图1展示了2023年三次产业用电量的月度分布情况。跨行业对比来看，第二产业月用电占比最高，约在80%～85%，第三产业月用电占比保持在10%～20%，第一产业则最低，维持在1%左右。从季节性波动来看，春秋季第二产业用电占比上升、第三产业用电占比下降，夏冬季第二产业占比下降而第三产业上升，第一产业则占比较为平稳。从时间跨度来看，与年初相比较，2023年底第二产业用电占比上升、第三产业用电占比下降约3%。

（2）重点行业用电情况。受夏季高温干旱天气影响，江苏农林牧渔业2023年6月至8月用电量大幅增加，但较2022年同期仍呈负增长态势，其余月份月均用电同比增长约10%，全年增长约3.8%。能源行业用电量持续位于较高水平，整体用电波动较小，较去年同期增长势头不足，全年约同比下降1%，反映了该行业整体景气程度较低，在未来一段时间发展仍显动力不足。工业用电量稳步上升，除1月外，其余月份的月用电量约在400多亿千瓦时，逼近500亿，月均用电同比增速约10%。建筑业月用电量波动较小，整体用电水平较去年同期大幅下降，月均用电同比增速约为-9%。交通运输业用电量整体保持大幅增长态势，除1月份外，月均用电同比增速约22%，行业整体发展状态良好。

本文进一步分析服务业和居民用电情况。受夏冬季气温变化及寒暑假期影响，2023年江苏服务业用电量呈现夏冬季节上升、春秋季节下降的特征，除1月份外，其余月份月均用电同比增长约13%。从整体用电量来看，2023年江苏居民生活业用电量呈现夏冬季高、春秋季低的特征，春秋季月用电量为夏冬季用电量二分之一，受气温影响，居民生活业整体用电季节性波动大。

（3）重点企业用电情况。为了深入分析市场主体的用电情况，进而反映不同产业之间的差异，本文选取三个代表性公司进行数据分析（图2至图4）。其中，A公司属于农、林、牧、渔专用机械制造行业，主要从事农业机械及其配套农机具制造、精准农业设备、拖拉机及拖拉机变形运输机、联合收割机、农用运输车制造。从整体发展趋势来看，该公司2023年整体用电量处于高速增长态势，除1月份受春节假期生产减少外，其余月份月均用电同比增长高达37%。从行业影响来看，该公司对农、林、牧、渔专用机械制造行业2023年用电增长贡献率约80%，部分月份贡献率一度攀升至107%。从企业生产情况来看，该公司容量利用率基本在55%以上，企业生产效率及资源利用整体处于合理范围内。该公司在自身保持良好发展态势的同时，对所属行业的发展具有强大拉动作用。

B公司属于电池制造行业，是基于新材料技术成立的铝加工行业生产及销售的企业，主要从事各类铝及铝合金板、带、箔材及其深加工制品的研发、生产与销售。从整体发展趋势来看，该公司2023年整体用电量虽然不断上升，但较2022年同期增长速度缓慢，除1月份外，月均用电同比增长约5%。从行业影响来看，该公司对电池制造行业2023年用电增长贡献率不到1%。从企业生产情况来看，该公司容量利用率基本保持在40%左右，企业生产效率较低且存在资源浪费情况。可以看出该公司生产效率不高，对所属行业发展贡献较小。

C公司属于有色金属压延加工行业，主要从事包括锂电池隔离膜、涂布膜、铝塑膜、水处理膜等新能源材料技术专业领域内的技术开发、咨询、转让、服务、制造、销售。从整体发展趋势来看，该公司2023年用电量均保持正增长，月均用电同比增速约15%，年初增长势头强劲，年尾增长速度放缓。从行业影响来看，该公司对有色金属压延加工行业2023年用电增长贡献率约10%。从企业生产情况来看，该公司容量利用率分布在65%～90%，企业生产效率及资源利用度较高。可以看出该公司生产能力强劲，发展较为平稳，对所属行业整体发展起到的促进作用较小。

2. 基于电—能—碳模型的碳排放测算结果

本文将各行业的用电数据代入“电—能—碳”模型，对每个行业每个时间段的碳排放进行预测，形成结果可以总结为以下几个方面。

（1）碳排放强度逐年下降，第二产业尤为明显

由图5可知从碳排放的三次产业结构来看，第二产业始终是江苏主要碳排放源。2023年数据显示，江苏第一产业碳排总量为1139.91万吨，占全省碳排总量1%，第二产业碳排总量为66035.56万吨，占比78%，第三产业碳排总量为10061.64万吨，占比12%。对比2005年数据可以发现，第三产业和居民生活的碳排放占比增长速度最快。与此相对应，第一产业和第二产业的碳排放占比均出现下降。从碳排放的总量变化趋势来看，全省碳排总量逐年增长。其中，第一产业碳排总量从2005年的830.02万吨增加到2023年的1139.91万吨，同比增长37.34%，第二产业和第三产业的总量增幅分别为63.6%和179.7%。自2014年以来因“十二五”期间省政府提出《工业转型升级纲要》等一些节能减排政策，推动江苏制造向江苏服务转型，并重点围绕工业行业企业进行的综合能耗和能耗强度开展“双控”工作，第二产业增速得到遏制。除2020年疫情防控期间，因交通限制、居家隔离等措施影响，全省服务业所受冲击最为强烈，其余时段服务业和交通业碳排总量均持续走高。

由图6可知，从碳排放强度的年份变化趋势来看，2005—2022年，江苏三次产业的碳排放强度均明显下降。其中，第一产业碳排强度从0.59吨/万元下降至0.22吨/万元，第二产业从3.9吨/万元下降至1.14吨/万元，第三产业碳排强度从0.55吨/万元下降至0.15吨/万元。第二产业碳排放强度下降比例超过70%，第一产业和第三产业下降幅度也分别超过62%和72%，考虑到第二产业本身特性及其在江苏整体产业中的占比，其降幅度尤其显著。这说明，2005年以来江苏省政府围绕能源利用精细化、能源“双控”、节能减排的改造取得了阶段性成绩，《“十二五”工业转型升级纲要》《国民经济和社会发展第十二个五年规划纲要》《江苏省节约能源条例》等政策法规有效推进了工业能耗管理由粗放式逐步转向精细化。

（2）工业减排压力加大，低碳生产模式逐渐形成

总体来看，江苏省作为工业大省，其碳排放压力主要来自工业，工业在全省的碳排占比始终高于75%。各行业的碳排占比受江苏省近年来大力发展第三产业、引导绿色低碳生产的政策因素影响也在不断变化。

由图7可知，2005年碳排占比前三的行业为工业、居民生活业和交通运输业，分别为82%、5%和5%。2023年，随着产业结构不断调整、工序工艺转型升级，碳排占比较高的行业变成工业、居民生活业、交通运输业和服务业，其中，工业碳排的占比下降至76%，居民生活业和交通运输业占比上升至9%和6%，服务业的碳排占比增速最快，由2005年的3%上升到6%。

具体来看，工业行业碳排总量先逐年上升后保持稳定。2005年，工业碳排总量为39172.63万吨，2023年碳排放量为64075.51万吨，整体涨幅达63.6%。碳排放占比则由82.55%波动下降到75.90%，主要原因是在“十一五”和“十二五”期间，为带动经济发展，江苏大力发展工业，2005—2013年，工业行业碳排放总量逐年递增，在2014年之后，政府合理控制工业发展规模，大力推动产业结构调整和新能源开发，工业经济基数大但所占比重平稳下降，同时大力发展新兴产业，使粗放的经济发展方式趋于精细化，经济发展质量有所提升，工业碳排总量趋于稳定，基本维持在58500万吨至62000万吨。

建筑业碳排放总量总体呈波动上升态势。2005年，建筑业的碳排放总量为472.44万吨，占比1.03%，2023年，建筑业碳排放总量达到1025.79万吨，接近2005年的2.2倍，年均增长率为6.51%。建筑业的占比相对比较稳定，总体在0.8%～1.3%，主要是由于2010年以来全省建筑业发展迅猛，在2010—2014年迎来高峰。2014年及之后，国家“十二五”规划明确提出，要控制建筑业温室气体的排放，抓好建筑产业的节能工作，同时，国务院出台了一系列房地产调控政策，为一直高热不断的房地产行业降温。但房地产仍是当前最热门行业之一，在这样的大环境下，建筑业碳排放缓慢上升。

能源行业碳排总量先波动上升后缓慢下降。2005年，能源行业碳排放总量为13598.27万吨，2023年，碳排放总量为41605.55万吨，是2005年的3.10倍，年均增长率11.00%。碳排占比与总量变化趋势基本相同，从28.66%上升到49.26%。主要是由于江苏经济迅速发展，对火电厂等能源需求迅速提升，2005—2013年，能源行业的碳排放量稳步增长，但在2013年后政府开始加大环保治理力度，随着全民环保意识的增强和国家能源政策的推进，以及能源结构调整持续推进，全省大力发展新能源、清洁能源，能源行业碳排放量得到了有效控制。

交通运输业的碳排放量总体呈稳步上升态势。2005年，交通行业碳排放量为2229.34万吨，2023年，碳排放总量增至4981.11万吨，约为2005年的2.234倍，年均增长率为6.86%。碳排占比小幅增长，总体维持在4.5%～6%。主要是由于在2010年之后，全省私家车保有量大幅增加，政府开始加大环保治理力度，推广新能源汽车和公共交通，积极建设轨道交通、自行车道等绿色交通设施，对高污染、高碳排放的老旧车辆进行淘汰更新，并加强交通管理，以上一系列措施使交通运输行业碳排放量增速得到有效控制。

服务业的碳排放和碳排占比总体呈稳步上升态势。2005年，服务业的碳排放量为1368.22万吨，2020年受疫情影响，服务业碳排放量明显下降，而后又稳步上升，2023年，碳排放总量增至5080.52万吨，约为2005年的3.71倍。碳排占比由2.88%增至6.01%。服务业包含的行业较多，其影响因素也不尽相同。总体来说，由于交通运输、仓储和邮政业以及包含现代服务业在内的其他服务业多为资本密集型和能源密集型产业，江苏经济的发展使服务业资本投入增加，节能高效的设备得到广泛应用。以2021年为例，江苏的第三产业产值超过2005年的8.00倍，而碳排放量仅为2005年的3.50倍，说明近年来江苏省服务业保持迅速发展的同时，也有效地控制了碳排放量。

四、 江苏产业低碳发展的不足与风险

1. 技术水平和创新能力不足

在人工智能、数字化、生态环保等革命性技术不断涌现的背景下，江苏省的创新能力与国际国内先进地区仍有较大差距，绿色技术等关键领域存在“卡脖子”问题。数据显示，江苏部分重点企业的电力利用率低于基准线水平。目前，许多企业依赖高能耗、高排放的传统生产方式，技术改造和创新进展缓慢。尽管政府已出台相关政策促进低碳技术的发展，但在实际操作中，企业对先进低碳技术的应用仍不充分。这不仅涉及能源的高效利用和再生能源的应用，还包括工业过程的优化和生产设备的升级换代。

此外，企业在低碳技术研发方面的投入也相对不足。部分中小企业因资金短缺无法承担高额的研发成本，而一些大型企业由于缺乏创新激励机制，对低碳技术的长期投资动力不足。技术创新需要大量的资金和时间投入，这给企业的财务和运营带来压力，因此，低碳技术在全行业的推广和应用进展缓慢。

同时，许多企业对低碳发展的认识不足，缺乏长远的战略规划和执行力，导致低碳转型的动力不足和成效有限。企业管理层更关注短期利润，忽视低碳转型带来的长期效益和竞争优势，这种观念的局限性使得企业在低碳技术的应用和推广上动力不足，低碳转型成效有限。

2. 产业结构亟待升级

作为中国的重要工业基地，江苏的传统重化工业在全省经济中仍占据重要地位，钢铁、化工和建材等高能耗、高排放产业对环境造成了巨大压力，对江苏产业的绿色转型升级提出了更高的要求。数据显示，高能耗产业的比例依然较大。传统重工业的能源消耗和碳排放水平较高，江苏省的钢铁和化工企业规模庞大，生产过程中消耗大量煤炭和石油等化石燃料，排放大量二氧化碳、硫化物和氮氧化物等污染物。这些排放物不仅对当地空气质量和生态环境造成严重影响，还使全省的碳排放总量居高不下，难以满足低碳发展的要求。

一方面，重工业作为江苏的重要经济支柱，为地方财政收入和就业提供了重要保障，产业转型面临较大的经济和社会压力。另一方面，新兴产业的崛起和发展需要时间和资金投入，无法在短期内完全替代传统重工业的经济地位。尽管政府出台了多项政策支持新兴产业的发展，但实际效果仍需时日才能显现，产业结构的偏重问题依然突出。

此外，产业结构调整还面临技术和资金的双重制约。高能耗产业的转型升级需要大量的技术改造和资金投入，但许多企业，尤其是中小企业，缺乏足够的资金和技术支持，难以进行大规模的设备更新和技术升级。同时，技术研发和创新能力的不足也限制了新兴产业的发展速度和规模，使产业结构调整的步伐受限。

3. 市场机制有待完善

目前，碳市场的覆盖范围和深度有限。尽管江苏已经开始探索碳排放权交易，但碳市场主要覆盖一些大中型企业和重点行业，许多中小企业和高排放行业尚未被纳入交易体系。这种局限性导致整体碳市场的规模和活跃度不足，难以形成有效的市场竞争机制，无法充分发挥市场在资源配置中的优化作用。

此外，江苏的碳交易市场价格波动较大，缺乏稳定的价格机制。这种价格的不确定性增加了企业参与碳交易的风险，影响了企业的长期决策。同时，碳价格过低也不能有效激励企业进行技术改造和减排投资，削弱了碳市场的激励效果。碳市场的流动性不足，使企业在交易过程中面临较大的操作风险和成本，这进一步限制了市场的吸引力和参与度。

第三，信息透明度和监管力度有待提升。碳市场作为一个新兴市场，现有的监管机制和信息披露制度尚不健全。一些企业可能通过隐瞒实际排放量或虚报减排数据规避监管，这不仅影响了市场的公正性和有效性，还可能导致整体减排目标难以实现。市场参与者对碳市场的信息获取渠道有限，信息不对称问题较为突出，企业难以作出合理的决策，市场交易的公平性和效率受到影响。市场机制的不完善还可能带来环境和经济双重风险。

在环境方面，如果碳市场不能有效运作，企业缺乏减排动力，江苏省的整体碳排放水平难以得到有效控制，会对区域环境质量和公众健康造成负面影响。在经济方面，碳市场的低效运行可能增加企业的运营成本，削弱其市场竞争力，影响江苏省的经济增长和产业升级。

4. 政策执行和监管力度仍需加强

尽管江苏已经出台了一系列促进低碳发展的政策措施，但在实际执行中存在监管不到位、标准不完善等问题，影响了政策的有效性和实施效果。政府出台了多项支持低碳发展的政策，如节能减排补贴、绿色信贷优惠等，但许多企业未能真正享受到这些政策优惠。部分地方政府和部门在政策落实过程中存在执行不力、监管不到位的问题，导致政策效果打折扣。一些企业为了规避环保政策，通过虚报、漏报等手段逃避监管，使碳排放数据的真实性和准确性受到质疑。总之，当前的环保监管体系在一定程度上存在体制不完善、监管手段单一等问题。

监管部门的执法能力和资源有限，难以对所有企业进行全面和持续的监管。现有的监管手段主要依赖定期检查和企业自报，缺乏实时监控和数据分析手段，难以及时发现和纠正企业的违规行为。此外，跨部门、跨区域的协作机制不够完善，导致在处理跨区域、跨行业的环境问题时，往往存在协调不畅、责任不明等问题。环保标准和法规体系仍需进一步完善，尽管江苏在推动绿色发展和低碳经济方面已经作出诸多努力，但在具体的环保标准和法规体系上仍有改进空间。例如，一些新兴产业和技术的发展速度较快，现有的环保标准和法规难以跟上其发展步伐，导致部分新技术和新工艺的环保要求不明确。此外，现有的标准和法规在执行过程中，有时会出现地方保护主义或执行偏差，影响了整体政策效果。

五、 政策建议

总结江苏低碳发展面临的问题可以发现，低碳发展不仅具有经济效应、市场效应，还具有广泛的社会公益效应。只依靠市场调节机制无法实现社会层面的能源转型和低碳发展，特别是难以及时应对CBAM等突发情况。在此背景下，政府不仅需要承担规则制定和市场监管职责，还需要在产业结构引导、财政支持、研发支撑等方面发挥作用，具体可以从以下几个方面展开。

1. 建立完善的碳测算和碳管理体系

首先，制定商品碳排放核算标准。参考国际经验，制定统一的商品碳排放核算标准，明确不同产品的核算边界、方法和排放因子。推行强制报告制度，逐步建立覆盖所有行业和产品的碳排放报告制度，强制要求企业定期报告其产品的碳排放数据。通过这些措施，确保碳排放数据的透明性和准确性，为碳排放管理和政策制定提供可靠的数据支持。

其次，扩大碳市场的覆盖范围。逐步将全国碳排放权交易市场的覆盖范围扩展到更多行业和产品，推动企业通过市场机制管理碳排放。引入碳足迹认证，建立碳足迹认证体系，对符合低碳标准的产品进行认证和标识，鼓励企业生产和消费者购买低碳产品。通过市场化机制，激励企业减少碳排放，促进低碳产品的生产和消费。

最后，积极借鉴国际经验、融入国际体系。江苏省应积极与欧盟等国际组织密切合作，结合中国国情，制定适合中国的商品碳排放核算机制，参与国际碳排放核算标准的制定，提升中国在全球气候治理中的话语权和影响力。通过国际合作与交流，学习和引进先进的低碳技术和管理经验，为江苏省的低碳发展提供有力支持。

2. 增强技术创新和研发能力

一方面，加大对低碳技术研发的资金投入。政府通过设立专项基金、提供税收优惠和补贴等方式，鼓励企业和科研机构加大对低碳技术的研发投入，特别是对中小企业的支持，以弥补其资金和技术短板。建立完善的低碳技术创新激励机制，激发企业的创新活力。通过设立低碳技术奖项、创新竞赛等活动，鼓励企业在低碳技术领域进行自主创新和技术改造。

另一方面，推动产学研合作，促进低碳技术的快速转化和应用。高校和科研机构与企业建立紧密合作关系，共同开发和推广先进的低碳技术。加强对企业管理层的低碳发展培训，提高其对低碳技术和可持续发展的认识，帮助企业制定和实施长远的低碳发展战略。

3. 调整产业结构，优化经济布局

第一，进一步推动传统高能耗、高排放产业的转型升级。政府制定明确的产业转型规划，引导传统产业通过技术改造、设备更新等手段，提高能源利用效率，减少碳排放。同时，对无法实现绿色转型的落后产能进行有序退出。

第二，加大对新兴产业的支持力度，培育和发展战略性新兴产业，如新能源、节能环保、信息技术和高端制造业等。通过提供财政支持、税收优惠和融资便利等，促进新兴产业的快速发展，逐步替代传统高碳产业的经济地位。

第三，加强区域产业协同发展，推动跨区域产业链合作，实现资源优化配置，形成绿色低碳的产业集群。完善绿色金融体系，引导社会资本向绿色低碳产业流动，支持企业在低碳转型过程中所需的资金需求。

4. 加强政策执行和监管力度

一方面，完善环保法律法规体系，确保环保标准与时俱进。政府根据产业发展和技术进步的实际情况，定期修订和完善环保标准和法规，确保其适应新兴产业和技术的发展需求。具体执行方面，必须增强环保监管部门的执法能力和资源配置。通过增加人员编制、提升专业素养和技术装备，确保监管部门能对企业进行全面和持续的监督。

另一方面，建立和完善实时监控和数据分析系统。利用物联网、大数据和人工智能等技术，建立实时监控平台，对企业的碳排放进行动态监测和分析，及时发现和纠正违规行为。加强跨部门、跨区域的协作机制，形成合力以解决跨区域、跨行业的环境问题。通过建立联合执法机制和信息共享平台，提高监管效率和效果。增强公众和社会监督，鼓励公众参与环保监督，通过举报和投诉等方式，发挥社会监督的作用。

5. 完善市场机制，提升碳交易市场效率

一方面，建立科学合理的碳定价机制。政府应通过制定碳排放配额和设定碳价格底线等手段，稳定碳价格预期，激励企业积极参与碳交易和减排投资。尤其是要注意完善信息披露和监管制度，确保碳市场的透明度和公正性。政府要求企业定期披露碳排放数据，并通过独立第三方核查，确保数据的准确性和可信度。

另一方面， 推进绿色金融发展，支持碳市场建设。政府鼓励金融机构开发和推广绿色金融产品，如绿色债券、碳基金等，为企业在碳市场中的活动提供资金支持。通过引入更多的市场主体和金融工具，增强碳市场的流动性，提高碳交易的频率和规模，让市场充分发挥产品定价的作用。

参考文献：

[1] 钟晓君，吴建新.碳关税的本质、影响与应对策略：中国制造业出口企业视角[J].学术探索，2023（12）：124-128.

[2] 邵帅，杨莉莉，曹建华.工业能源消费碳排放影响因素研究——基于STIRPAT模型的上海分行业动态面板数据实证分析[J].财经研究，2010，36（11）：16-27.

[3] 余星辉，卜亚.数字经济发展对城市碳排放的影响[J].金融与经济，2023（1）：74-84.

[4] GUAN B Y， YU X Y， WU H B， et al.Complex Nanostructures from Materials based on Metal-organic Frameworks for Electrochemical Energy Storage and Conversion[J].Advanced Materials，2017，29（47）：1703614.

[5] PETERS G P， DAVIS S J， ANDREW R.A Synthesis of Carbon in International Trade[J].Biogeosciences，2012，9（8）：3247-3276.

[6] 佘群芝，吴柳.数字经济发展的碳减排效应[J].经济经纬，2022，39（5）：14-24.

[7] 金飞，徐长乐.数字经济发展对碳排放的非线性影响研究[J].现代经济探讨，2022（11）：14-23.

[8] MENG L，GRAUS W，WORRELL E，et al.Estimating CO2（Carbon Dioxide）Emissions at Urban Scales by DMSP/OLS（Defense Meteorological Satellite Program’s Operational Linescan System）Nighttime Light Imagery： Methodological Challenges and a Case Study for China[J].Energy，2014（71）：468-478.

[9] CHEN J，GAO M，CHENG S， et al.County-level CO2 Emissions and Sequestration in China During 1997—2017[J].Scientific Data，2020，7（1）：391.

作者简介：张天培，男，江苏省电力公司综合服务中心主任，研究方向为能源经济。

（收稿日期：2024-12-09" 责任编辑：殷 俊）