第二产业碳排放量生态经济及驱动因素分析——以甘肃省为例

张 迪，王彤彤，支金虎*，张小平，黄敏洁

(1.塔里木大学 植物科学学院，新疆 阿拉尔 843300；2.塔里木大学南疆绿洲农业资源与环境研究中心，新疆 阿拉尔 843300；3.长江水利委员会长江科学院 重庆分院，重庆 400026；4.西北农林科技大学 资源环境学院，陕西 杨凌 712100；5.西北师范大学 地理与环境科学学院，甘肃 兰州 730070；6.新疆生产建设兵团种子管理总站，新疆 乌鲁木齐 830011)

【研究意义】全球气候变暖对人类生存和可持续发展产生了严重影响[1]，而人类的生产、生活向大气中排放的CO2是产生温室效应产生的主要原因，特别是第二产业(主要是工业)生产活动的碳排放[2]。如何有效降低温室气体排放成为当前学术界研究的热点[3]，从1992年的《联合国气候框架公约》到2019年的智利圣地亚哥气候行动峰会，缔约方已召开25次会议，各国都在努力寻求解决全球气候变化的方法[3-4]，对碳排放的驱动因素分析是解决关键问题之一，直接关系到减排政策的制定与措施实施[5]，是行之有效的控制方法，具有重要的现实意义[6]。【前人研究进展】2015年发表于Nature的文章指出中国碳排放量在2000—2013年间被高估了15%[7]，中国承诺将实现温室气体排放量在2030年左右达到峰值[8-9]。这是我国应对全球变化的庄严承诺，因此，准确核算碳排放有利于我国承担“共同但有差别”的减排责任。根据 IPCC(联合国政府间气候变化专门委员会Intergovernmental Panel on Climate Change)统计数据，全球工业领域对温室气体排放的贡献率达到 66% 以上[10]，我国作为最大的发展中国家，碳排放量仅次于美国，工业碳排放占总量的75%[1,11]，综上可见，第二产业减排是发展低碳经济的关键环节。概述目前的研究成果，对碳排放的热点研究集中在以下5个方面[12]：①碳排放量总量估算与核算[13-14]；②碳排放驱动影响因素模型实证分析[14-16]；③区域能源碳排放空间格局分析及预测[17]；④区域碳排放、产业结构、能源演变与经济关联性研究之间的关系[17]；⑤碳减排技术评价及政策模拟等[18]几方面。其中碳排放影响要素及驱动因素解析是制定减排政策和实施情景模拟的关键[12]。关于碳排放驱动因素分析的研究，主要集中在能源消费[19]、经济增长[20]、能源结构与强度[21]、产业结构与技术进步[21-22]、人口增长[22]、居民消费[23]、工业化、城镇化等[24]与碳排放的定量研究。总之，可以说：区域产业碳排放研究既是上述研究方向的基础，又是扩展的纽带[25]。由于全球气候变化的不断加剧，测算不同国家和地区碳排放总量受到强烈关注，特别是作为负责任的大国，中国为了实现减排目标，更加关心自身碳排放的情况，推行低碳经济已成为我国公民的共识[26]。目前国内这方面的研究报告还有待完善，曹孜等[1]研究了工业各行业1990—2008年碳排放量和碳强度动态发展趋势，列出高排放量行业，并通过灰色相关度检验碳排放量和行业产出值之间的关系。王长建等[12]对1990—2014 年广东省能源消费碳排放的主要驱动因素进行时间序列分析，并定量研究各个驱动因素对于区域碳排放的作用机理与影响机制。国内不同区域间，不同产业间也存在着很大的碳排放差异。【本研究切入点】因此，本文利用统计年鉴数据，通过IPCC推荐算法对甘肃省2000—2017年第二产业碳排放进行测算，综合考虑碳排放量、碳排放强度等参数，并借助碳承载力、碳赤字以及脱钩分析，全方位的分析碳排放的变化趋势，讨论了碳排放的时空差异，并进一步选取灰色关联模型探索了甘肃省第二产业碳排放的驱动因素，并用灰色系统预测了甘肃省第二产业碳排放量和强度。【拟解决的关键问题】我国正处在工业经济转型的重要时期，本文以第二产业为切入点的节能减排建议，以期为甘肃省实现2020年“十三五”规划的节能减排目标提供依据。

1 材料与方法

1.1 研究区概况

甘肃省地处中国大陆西北地区，黄河上游，镶嵌在黄土高原、青藏高原和内蒙古高原上，在西北干旱区、青藏高寒区、东部季风区的交汇处，介于北纬32°11′～42°57′，东经92°13′～108°46′，总面积42.59万km2，是古丝绸之路的锁匙之地[27-30]和国家“一带一路”建设区。甘肃省产业结构为二元型、重工型和孤岛型。甘肃省2000—2018年第一、二、三产业值见表1，2000—2017年甘肃省第二产业能源消耗总量见表2。

表1 甘肃省第一、第二、第三产业值(2000—2018年)

表2 甘肃省第二产业能源消耗总量(2000—2017年)

1.2 研究方法

1.2.1 IPCC法计算碳排放量和排放强度 甘肃省第二产业碳排放量可根据化石燃料(煤炭、石油、天然气)数量以及建议排放系数[31-32]来计算，即本文将碳排放量概化为CO2(最主要的温室气体)排放量进行计算。

Ci=Mi×Hi×Ti×Oi×44/12

(1)

以上公式并未转换单位，运用公式计算完成后再根据计算步骤转换单位即可。其中，C为碳排放量；i为能源；M为能源消耗量；H为能源热值；T为能源碳排放系数；O为能源氧化率；44为CO2的相对分子质量；12为碳的相对原子质量。根据《2006年IPCC国家温室气体清单指南》所提供的数据[33-34]，各种能源的含碳量和氧化率见表3。

表3 各种能源的热值、排放系数及氧化率

第二产业碳排放强度=第二产业碳排放总量/第二产业GDP

(2)

1.2.2 脱钩分析法 脱钩一般用来描述多种事物相互关联程度减弱或是消失的过程，要实现永续发展就要实现环境压力与经济发展的“脱钩”[35]。常用脱钩分析方法有OECD法和Tapio法。两种方法均需计算脱钩指数，前者对所需数据要求较低，更加易于操作，但对脱钩状态分类较粗略。为了更加精准细致地反映不同因素间的脱钩关系，本文选择Tapio脱钩指数作为分析模型[36]。Tapio脱钩模型的关键是找到合适的指标计算脱钩指数。Tapio脱钩指数DI计算公式：

(3)

式中，CO2排放表示碳排放对环境的压力，ΔCO2为现期相对于基期CO2排放变化速率，GDP表示经济驱动力，ΔGDP为现期相对于基期GDP变动速率。

DI指标可以分为3种状态和8种等级[36]。其中，“脱钩”状态包括弱“脱钩”、强“脱钩”和衰退“脱钩”；连接状态包括扩张连接和衰退连接，负“脱钩”状态包括弱负“脱钩”、强负“脱钩”和扩张负“脱钩”。不同脱钩类型分别表示了从经济增长、能源消耗减少的理想状态到经济衰弱、能源消耗增加的悲观愿景，其中强脱钩表示经济发展与能源消耗处于可持续发展状态，弱脱钩是经济发展前景较为乐观的状态，其余均为不可持续状态，在经济增长的前提下，DI值越小越有利于可持续发展。

1.2.3 碳承载力和碳赤字计算模型 碳承载力是指：某一地区或范围内所有生产性土地所能吸收的碳排放的量[37]。区域碳汇研究涉及面广泛，包括森林、灌木、草地、湿地、农作物等各类绿色植被的固碳能力，本文选取区域内森林、草地、农作物作为主要计算参考核算碳承载力[38]。区域内碳排放量与碳吸收量的差额即为碳赤字[30](若其值>0，为碳赤字，表示该区域生态环境有恶化趋势；若其值<0，则为碳盈余，其意义是区域内生态环境一般较好)。计算模型如下：

D=Df+Dg+Dp

(4)

(5)

CD=C-D

(6)

式中，D为区域碳承载力，Df为森林固碳能力，Dg为草地固碳能力，Dp为农田固碳能力，Di表示第i种生产性土地(植被)的固碳量，Mi表示第i种生产性土地(植被)的面积，NEPi表示第i种生产性土地对应植被的固碳能力，即1 hm2的植被1 年能吸收的碳总量。为固定一个单位的碳所吸纳的二氧化碳的量。CD表示碳赤字，C为碳排放量。本文采用马彩虹等[37]人的研究结果，森林、草地、农田的NEP值分别3.81、0.95、8.99 tC/(hm2·a)，考虑到农田农作物的生长周期较短[37]，且农作物秸秆再利用及焚烧的量[38]，需要将固碳能力乘校正系数R，本文R取0.05。

1.2.4 灰色系统及关联模型 灰色系统是邓聚龙教授提出，用以解决信息不完备系统的数学方法，常用于预测[39]。灰关联分析是通过对时间序列数据的几何分析从整体上或动态上定量分析系统各因素间的关联程度和影响程度，为确定系统发展变化的主要因素提供数量依据[40]。灰色关联分析弥补了采用其他数理统计方法作系统分析所导致的一些缺憾，比如统计数据有限、现有数据灰度较大、人为因素较大等[6]。我国许多学者利用灰色关联分析法对CO2影响因素进行分析[40]。本研究把碳排放变化看作是人口增长、经济增长以及能源消费结构共同作用的结果，对此可用灰色关联分析方法[6]进行综合驱动因素分析。

假设以若干年的碳排放数量的原始数据经过处理后构成一个参考数列X0，X0={X0(1)，X0(2)，X0(3)，…，X0(n)}，数列的长度是n；假设以若干年的煤炭、石油、天然气、电力、GDP等能源的消费量经过处理后组成比较数列集X，X={Xi|i=1，2，…，n}，其中Xi={Xi(1)，Xi(2)，Xi(3)，…，Xi(m)}，数列的长度为m。另外，引入γ(X0(k)，Xi(k))代表X0和Xi在时刻k(某一年份)处的关联系数，计算方式如下：γ(X0(k)，Xi(k))=(X(min)+ζX(max))/[△X0i(k)+ζX(max)]，k=2000，2001，…，2017。其中，X(min)=minmin△X0i(k)，X(max)=maxmax△X0i(k)，△X0i(k)=|X0(k)-Xi(k)|，并且ζ∈[0，1]为分辨系数，一般按最少信息原理取0.5，即ζ=0.5。设Ri是比较数列Xi对参考数列X0的关联度，其表达式为：

Σγ[X0(k)，Xi(k)]关联度越大，比较数列对参考数列的影响程度就越大。可按如下步骤求得灰色关联度：

(1)选取影响第二产业碳排放量的主要社会经济因素：人口数量、GDP 和各种能源的不同消费等因素。其中，因变量是甘肃省第二产业碳排放量；其余为自变量，所需数据均来自表4。

(2)采用如下公式对初始数据做变换处理：Xi:Xi(k)=Xi(k)/min[Xi(k)]，k=2000，2001，…，2017；i=1，2，…，7，生成参考数列和比较数列。

(3)建立灰色关联模型，计算甘肃省工业碳排放量与各影响因素之间的关联度(表4)。

表4 甘肃省2000—2017年的工业碳排放、人口、GDP以及能源消费

1.3 数据来源说明及分析软件

截止2020年2月底，最新版甘肃省统计年鉴数据为《甘肃发展年鉴(2018)》(2019年4月出版)，其中统计的数据为2017年的，因为很有必要应用模型去预测2018—2019年的碳排放量。本文计算公式及部分参数值参考《2006年IPCC国家温室气体清单指南》。本文所需的历年研究数据来自《甘肃年鉴》(2001—2009年)、《甘肃发展年鉴》(2010—2018年)，部分数据来源于甘肃省统计局官网(http://www.gstj.gov.cn)和国家统计局国家数据(http://data.stats.gov.cn/index.htm)，1.2.3所需数据来自甘肃省国土资源公报(2000—2018年)和其官网数据(http://zrzy.gansu.gov.cn)。

本文数据统计采用Excel 2016软件，拟合作图用OriginPro 8.5.1软件，模型计算用Matlab 2018a软件。相关灰色系统预测和灰色关联模型代码详见云盘(https://jbox.sjtu.edu.cn/l/QJGkTl)。

2 结果与分析

2.1 产业结构与能源消费分析

甘肃省第一产业发展较慢(图1)，第二、三产业发展较快，尤其是第二产业发展迅速，整体都呈增长趋势。结合表1，从甘肃省产业结构演变历史来看，甘肃省产业从当初的“一、二、三”结构逐步变为“二、三、一”结构。其中从2015年开始，第二产业值有所下降，但之后几年在逐步恢复。这与国家工业转型政策有密切联系。而且，从图中也可以看到，建筑业受影响较小，而传统工业受影响较大，趋势与第二产业值曲线相似。

第二产业能源消费总量有升有降(表2)，但近年来趋于平衡。2017年第二产业能源消耗总量是2000年的2.59倍。起初略有下降，从2002年开始，第二产业能源消耗总量呈增长趋势，尤其是2003—2008年和2009—2013年间增长速度极为迅速，其年均增长率分别为15.6%和9.4%，2014—2017年下降并趋于平稳。此外，在能源消费的部门构成中，工业是主要耗能大户，占能源总消耗量的73%左右；其他(农林牧副渔)行业能源消耗相对较小。如表2所示：在第二产业能源消耗中，制造业的能源消耗是最大的，采掘业、建筑业能源消耗相对较小。

2.2 第二产业碳排放量和排放强度分析

经计算表4中的数据，得到2000—2017年甘肃省第二产业碳排放量和排放强度的数据如图2所示。2000—2017年期间，甘肃省第二产业碳排放量呈逐年增长趋势，18年间平均碳排放量为11 367.29万t；但随GDP的增长，其碳排放强度却呈逐年下降趋势。碳排放量随着产业能源消耗量的增加而增加，成正比例关系；而碳排放强度与碳排放量成反比关系，18年间平均碳排放强度为8.68万t/亿元。结合表4，研究期内甘肃省天然气和电力等清洁能源的消耗量有所增加，同时煤炭和石油等化石燃料的消耗量虽有所增加，但增速在减慢；碳排放强度略有起伏，总体趋势呈下降状态，尤其是在2005年之后碳排放强度下降速度明显加快，这说明2000—2017年间甘肃省在低碳环保方面所采取的措施有良好的效果，为今后的可持续性发展奠定了基础。根据灰色系统预测结果为：2018年第二产业碳排放量和排放强度分别为：14 978.29和5.18万t/亿元；2019年的为15 821.52和5.02万t/亿元。

2.3 脱钩分析

由表5可知，总体而言，2000—2017年甘肃省第二产业碳排放量与GDP之间呈弱脱钩的态势，高速增长的GDP掩盖了碳排放量的快速上升，但能源压力依然存在。2000—2014年其脱钩状态和表达的经济学意义均呈积极方面。除去2008—2009 年和2013—2014年的强脱钩状态外，脱钩弹性系数恒大于 0.14，说明经济发展对能源消耗的依赖依然十分严重，随着经济的继续发展，未来能源消耗会持续增长。从2004年到2015年以来，DI值有减小的趋势，说明第二产业正趋于良性发展，能源利用效率在不断提高。GDP和碳排放之间并未实现真正意义上的脱钩。

表5 2000—2017年甘肃省第二产业碳排放量与经济发展脱钩分析

2014年之后第二产业的GDP下降等因素影响，然而碳排放产量却没有明显下降反而在增长，导致负脱钩现象产生。这说明甘肃省在第二产业节能减排和提质增效方面，有很长的路要走；从外，结合图1～2来看，甘肃省第二产业结构转型还不稳定，急需平衡，使之稳定在2013—2014，2015—2016年的发展状态。进一步分析发现：无论是脱钩年份还是连接年份，GDP的增长速率始终大于0，且未脱钩年份GDP变化速率较大；脱钩年份碳排放变化速率较小或为负值，若碳排放变化速率较小则呈现弱脱钩，若碳排放变化速率为负则呈现强脱钩，因此影响脱钩的关键在于能否有效控制碳排放变化速率。

2.4 碳承载力及碳赤字分析

由图3可见，在研究时间段内，甘肃省碳承载力增长趋势明显且近年来趋于稳定，19年间碳承载力增长了21.95%；因基数较大，故总量变化不大，基本保持在碳承载力平均值12 973.62万t左右。在3种生产性土地(植被)之中，森林的碳承载力最大，其次为草地，农田最小，从侧面反映出植树造林在碳承载力提高方面有较为明显的成效。值得注意的是，草地和农田承载力多年变化大，且均在2006和2008年都有缓慢下降，这与甘肃省耕地面积的变化有关，那时甘肃省向外输出劳动力，导致部分耕地荒废无人管理，但这不影响碳承载力总体变化趋势的判断。

由图4可知，2010年及以前，甘肃省处于碳盈余状态，表明该地区人类社会的经济发展对自然生态系统的压力处于该地区所能提供的生态可持续的范围之内，即处于可持续发展状态；但盈余量从2000年的5963.51万t逐年下降。从2011年开始出现碳赤字，表明该地区的自然生态系统所提供的产品和服务需求超过了供给，不利于可持续发展，到了2017年碳赤字达到663.61万t，呈现先增大后减小的趋势。因此，碳减排已成为甘肃省不可回避的环境任务，甘肃省降低碳赤字一方面需要考虑如何就降低碳足迹，另一方面要考虑如何提高碳承载力。郑晖等[41]认为：能源资源的高消费和过重的粮食生产负担是造成碳赤字扩大的主要原因。

3 讨 论

3.1 甘肃省第二产业碳排放强度时空差异分析

从时间角度分析，2000—2017年期间甘肃省第二产业碳排放量呈逐年增长趋势，碳排放强度呈逐年下降趋势。这与王彤彤等[42]和牛晓婧[43]的研究结果相同，说明在时间尺度，变化趋势一致，这主要是因为大家数据来源一致，均出自统计年鉴，共性的反映社会发展现状。

如表5所示，2012—2016年5年间嘉峪关、金昌、白银、天水和酒泉5市的碳排放强度均大于4，属于高强度区；兰州、武威、张掖和庆阳4个市的碳排放强度均处于3～4之间，属于中强度区；平凉市的碳排放强度均小于3，属于低强度区。不过从整体来看，各地区碳排放强度与全省碳排放强度呈一致性，均为逐年下降状态。根据李丽娟等[43]的研究结论：白银、天水、平凉的相对自然承载力(参考甘肃省)较高达到200×104人以上，其次是兰州、武威、张掖约为(100～200)×104人，最后是嘉峪关、金昌、酒泉市，其中以嘉峪关的相对自然资源承载力最低。因此，可以推断出：嘉峪关的碳赤字在未来会较为严重，反观平凉市不仅碳排放强度低，而且相对自然承载力较高，未来环境压力相对较小，笔者认为这与各地级市的产业结构、人口、GDP和地理位置有很大关联。从各地级市碳排放量来看，省会兰州市最大，这与牛晓婧[43]的研究结果一致，牛晓婧[43]认为这是因为兰州的重工业轻工业都比较发达，而且甘肃省在整个西部地区的碳排放强度也比较高，兰州市的贡献率较大。

表5 甘肃省各地区碳排放量和排放强度分析

3.2 甘肃省第二产业碳排放驱动因素分析

从表6可以看出，6个影响因素中，与工业碳排放量高度相关的因素是煤炭、石油、电力和GDP，关联度均大于0.77；其次是人口数量和天然气，关联度在0.54左右。这说明煤炭、石油、电力和GDP对工业碳排放量的影响很大，煤炭能源的使用是公认的碳排放的主要因素，人们基于煤炭能源的储存量以及煤炭能源对于全球气候的危害，不得不开始考虑适合的新型能源；天然气和石油的消耗，与煤炭能源消费相比，在能源消费总量的比例相对较小，但也是导致碳排放增加的主要因素，电力主要是因为甘肃省在我国西北处，发电模式依旧以火电为主，这就势必要使用煤炭等资源。表7的数据体现出，经济增长中的生产活动，人口数量的增多，消费环节的增多，这些过程中使用的能源对碳排放的作用才尤为重要。基于以上分析，不应将工业碳排放量的增加问题单纯视为经济增长的必然结果。想要有效改善碳排放的不良现状，必须依靠能源消费效率的提高以及经济发展过程中能源消费结构(产业结构)的调整。

表6 比较数列与原始数列的关联度

王国奎[30]认为经济规模的扩张引起的碳排放量累积增加占碳排放变化总量的143.69%，是导致甘肃省碳排放增加的主要因素，甘肃省经济增长对化石能源的依赖非常明显；产业能源强度的降低是抑制甘肃省碳排放的主要原因。这与本文讨论的驱动因素和调整建议，相一致，侧面佐证。牛晓婧[43]认为甘肃省碳排放强度主要是由工业、交通运输仓储邮电业、生活消费和其他行业引起的，碳减排工作应该主要从这几大行业抓起。

3.3 关于计算结果和模型的讨论

关于甘肃省第二产业碳排放量和排放强度的计算结果，采用的是IPCC推荐的方法来计算，这与王国奎[30]、马彩虹[37]、牛晓婧[43]、李明慧[45]等人计算结果稍有出入，笔者认为主要原因是大家选取的计算方法，所涉及的参数值不同所致；但在各自定义的计算体系中，这不影响趋势分析和结果对比。目前常见的碳排放的计算[46]有：①生命周期评估(LCA)法；②能源矿物燃料排放量计算(也就是IPCC法)；③投入产出法(IO)；④其他计算方法，例如Kaya碳排放恒等式。笔者认为IPCC推荐的方法国际公认最权威可靠，IPCC详细全面考虑了几乎所有的温室气体排放源，并提供了具体的排放原理和计算方法，有可以参考遵循的依据《IPCC指南》，师帅等[8]也持相同观点，其通过大量的文献综述发现：目前关于碳排放计算，最准确可靠、使用频率最高的依然是IPCC法。关于碳排放和碳足迹，本文与郑晖等[41]、王彤彤等[42]人研究结果一致，但是讨论的主体和过程有所不同，笔者认为：碳排放是指某特定主体，所有涉及到的能耗及排放的设施设备，在某一时间段内的温室气体排放，可计算直接排放和间接排放，而碳足迹不仅仅包括生产，还包括后续的运输等在整个全生命周期中所包含的直接或者隐含的碳排放，碳足迹的计算范畴则要大。其次，本文对甘肃省第二产业碳排放量与经济发展脱钩分析与碳承载力及碳赤字动态分析，与王国奎[30]的研究结果一致。有不少学者，例如陈操操[5]、王长建[12]等采用STIRPAT模型解析碳排放驱动因素，申晓敏[26]、王国奎[30]等基于LMDI模型分析工业碳排放影响因素，笔者认为这些模型所得结果趋势类似，而计算过程的难易程度，数据样本量的大小等与结果的准确性并无绝对的正相关，各有优缺点，均属于探索性分析模型，并无相关管理文件规定使用特指的模型来分析，因此，本文选取的灰色关联模型优势在于：操作简单可行，需要样本量较少，结果较为准确可靠。最后，本文提供了详细的基础数据、计算公式和模型运行代码，便于读者反复计算验证，有利于研究的重现性。

4 结 论

(1)甘肃省产业为“二、三、一”结构，工业占能源总消耗量的73%左右。2000—2017年间第二产业碳排放量呈逐年增长趋势，平均碳排放量为11 367.29万t；碳排放强度却呈逐年下降趋势，平均值为8.68万t/亿元。根据灰色系统预测结果为：2018年第二产业碳排放量和排放强度分别为：14 978.29和5.18万t/亿元；2019年的为15 821.52和5.02万t/亿元。

(2)总体而言，2000—2017年间第二产业碳排放量与GDP之间呈弱脱钩的态势，经济发展对能源消耗的依赖严重，DI值有减小趋势，能源利用效率提高。甘肃省碳承载力呈相对稳定、略有增长的趋势，18年间碳承载力增长了21.95%，从2011年开始出现碳赤字，并呈现先增加后减小趋势。

(3)从空间角度来看，嘉峪关等五市属于碳排放高强度区，兰州市的碳排放量贡献率最大，平凉市未来环境压力相对较小。从驱动因素分析，煤炭和石油是工业碳排放的主体，关联度最高。

(4)建议优化甘肃省能源结构，调整产业结构为低碳化，加强土地管理，节约能源，提高能源利用率，加强宣传教育。