碳排放效率下煤炭资源型城市产业链模式差异性比较——以山西省长治市为例

罗福周，张塬月

（西安建筑科技大学 管理学院，陕西 西安 710055）

一、引言

由于其本身自然资源丰富，资源型城市的主导产业是以不可再生或生产周期长的资源开采和加工，对我国能源保障系统和经济运行体制至关重要。因为极度依赖自然资源，目前资源型城市发展受限，过快消耗能源，导致资源迅速衰竭，经济发展乏力，严重污染周边环境，并呈现出产能过剩等一系列问题，严重影响了行业的健康运行，加剧了环境污染[1]。党的十九大报告强调，必须提高对生态系统保护的各项规章要求，把解决突出的环境问题放在第一位，确定资源高效利用、环境友好发展的指导方向，持续推进我国生态文明建设工程。

山西省是我国重要的产煤基地之一，探明资源储量约2 674 亿吨，约占全国1/4。然而，山西因煤矿采空导致山崩地陷，不但出现资源短缺限制经济发展的问题，还造成水资源极度流失、生态环境严重破坏等问题，灾害损失不断攀升。这严重制约山西省经济的持续发展，也是影响产煤区发展的关键问题所在。因此，研究山西省煤炭排放效率将有助于厘清煤炭资源型城市产业模式的差异，有利于为煤炭型资源型城市产业结构升级及产业发展提出建议，对缓解环境污染具有重要的现实意义。

二、文献综述

目前工业化城市的发展进程中，资源型城市结构优化是非常关键的问题之一，国内外学者对资源型城市产业链优化进行了探讨，Barns 等（2000）[2]对20 世纪90 年代以来的加拿大资源型产业进行了总结研究，对于不同产业提出了产业重组转型机制；Markey 等（2006）[3]指出资源型城市转型的关键是城市竞争优势，而不是往常的资源、经济上的比较优势而决定。我国学者郁义鸿（2005）[4]指出，产品从自然资源加工成为最终在消费者手中产品的整个过程就是产业链，同时他还对于产业链的类型进行划分，确定了产业链效率基准；金贤锋等（2015）[5]对产业链的延伸与资源型城市演化进行研究，从三个视角确定两者内在联系；陶长琪和周璇（2010）[6]通过对信息产业与制造业耦联效率，建议利用高新技术竞争与合作的优势保持领先地位。对于产业转型升级，越来越多的研究结合环境问题进行研究，黄寰等（2020）[7]通过面板门槛回归分析，提出应加强对环境保护的财政及科技创新支持，根据不同类型的资源新城市设计差异化环境监管政策；赵洋（2020）[8]通过绿色转型视角对110 个地级资源型城市进行实证研究，通过分析发现中国资源新城市绿色转型趋势明显，速度不断加快，但绝大多数均处于资源新城市绿色转型的初、中级阶段，还未有实现成功转型的先例。

对于碳排放效率，国内外学者从国家、地区层面出发开展研究，Zofio 和Prieto（2001）[9]对OECD 成员国碳排放效率进行测算，从而进一步厘清相互之间差异；李健和邓传霞（2015）[10]测算了我国各省的碳排放效率及差异。通过文献阅读，大多数学者采用的是数据包络分析（DEA）法或是随机前沿函数方法来测度碳排放效率，王惠等（2016）[11]将碳排放量作为非期望产出指标，运用非期望产出SBM 模型测算我国各省份的碳排放效率；吴齐（2016）[12]以省域划分，运用非期望产出SBM 模型与超效率DEA 模型优点结合，进一步测算了我国各省碳排放效率；郗永勤和吉星（2019）[13]在前人的基础上，针对我国工业行业进行测算，结合DEA 视窗方法测算工业碳排放效率[14]。

我国没有根据碳排放效率进行对资源型城市产业结构、产业链评价的相关文献，本文选择通过对我国典型资源型城市产业筛选，选择对山西省典型煤炭资源型城市长治市的产业链模式进行动态效率分析，确定山西省长治市的煤炭型资源型城市的碳排放效率，分析当前产业链模式的问题，以期为我国资源型城市产业链及可持续发展提供优化方案及转型思路。

三、研究方法和数据

（一）研究方法

1.各地区碳排放测算。进行各地区煤炭产业链的碳排放效率测算通过测算各地区各产业链的煤炭用量及碳排放方式计算碳排放量，纳入非期望产出指标体系中。煤炭主要用于发电、发热、煤化工即煤炭深加工等。用煤的热值进行能源转化，而煤炭深加工主要包括炼焦及炼焦化学产品回收与加工、煤气化、煤液化。忽略洗选、分离及运输过程中产生的碳排放，识别煤炭产业链全过程中碳排放源，分别为：原煤燃烧、工业用煤、炼铁及煤化工用煤。根据碳排放源划定煤炭产业链模式，即开采—洗选—燃烧，开采—洗选—高耗能产业，开采—洗选—深加工三种模式，即燃烧、高耗能产业、深加工三种模式。确定三种产业链模式下CO2的产出量，作为非期望产出纳入指标体系中。煤炭产业链总图如图1所示。

图1 煤炭产业链总图

不同品质的煤炭含量也不同，本文所有煤以按含碳量90%计算，不同产业链模式下碳排放因子略有不同，“深加工”模式碳排放因子依据IPCC 指标确定，“燃烧”与“高耗能产业”模式下以原料燃烧形式产生CO2，故根据IPCC 碳排放测算方式[15-17]，通过碳源消耗量、排放因子和热值计算碳排放，故构建本文的CO2估算公式如下：

式中：Ei为能源的消耗实物量，计算标准煤；NVCi为能源的净发热值，CEFi为能源的碳含量，COFi为能源的碳氧化因子，因考虑碳氧化因子的数值基本都接近于1 的情况，将其设定为1；NVCi×CEFi×COFi×（44/12）则为CO2排放系数。具体各模式下CO2排放系数及产生CO2方式如表1 所示。

表1 煤炭作用及碳排放因子

2.非期望产出SBM 模型。通过文献研究发现，通过考虑投入、产出松弛变量，并将其引入SBM 模型中，可以有效解决传统DEA 模型带来的径向、角度等问题[18]；同时为了提高效率测算的准确度，引入非期望产出的指标优化传统DEA 模型，使结果更具有有效性[19-21]。为此，本文借鉴超效率SBM 模型，设定如下集合：

并将子集合定义为：

3.Malmquist-Luenberger 指数。考虑需要带入非期望产出，运用Malmquist-Luenberger 指数分析更能有效得出结论，进一步分析结果[22]。ML 指数处于0到1 开区间以及大于1 的开区间内分别表示生产效率降低及提高的不同含义，且可以分解为技术效率指数EC 与技术进步指数TC，从而进行动态效率的分析。方向向量定义为gt=yt-bt，可以得到t-1 期的ML 指数，表示如下:

（二）数据选择及说明

一方面考虑到由于行业划分，为了提高准确性，避免因数据拆分整合而带来的误差，故将所有煤炭所参与的行业进行整合，将整个制造业整体数据作为高能耗产业数据；另一方面由于各地区统计各行业类目不一样，多个数据缺失，故选择山西省煤炭型资源型城市的典型城市长治，对其碳排放效率进行测算。本文选取了2005—2019 年15 年的制造业（除煤炭加工）、煤炭加工及电力、热力生产和供应业的相关数据进行分析。

在投入指标方面，分别选取了劳动力、能量消耗总量及资金作为投入指标。其中，用工业行业企业年平均从业人员数（单位：人）来表示劳动力投入；用工业企业综合能源消费量（单位：吨标准煤）来表示能量消耗总量；各行业工业主营业务成本（单位：千元）来表示成本。

在产出指标方面，工业行业企业的主营业收入（单位：千元）来表示期望产出指标；通过各地区碳排放测算结果乘分行业规模以上工业企业综合能源消费量（单位：吨标准煤）来确定非期望产出指标。

上述所有相关数据来源于《中国统计年鉴（2020—2006）》《山西统计年鉴（2020—2006）》《长治统计年鉴（2020—2006）》。

四、实证结果分析

（一）各产业链模式碳排放结果分析

根据公式（1）可以测算长治市2005—2019 年发电，高耗能产业，深加工三种产业链模式碳排放总量。从总量上来看三种产业链模式由于制造业所涵盖不同制造产业，产业数量最多，整体来说碳排放最高，高耗能产业成为2019 年碳排放最高的产业；发电产业链模式碳排放量也较高，单一产业来说产生CO2的量最高；而深加工碳排放总量较小。从增长速度来看，整体的碳排放量都在增加，发电和深加工产业链模式下碳排放增速最快，15 年间碳排放量增幅达到2 倍，高耗能产业碳排放量15 年间比较平均，没有明显增幅。

图2 展示发电，高耗能产业，深加工三种产业链模式碳排放2005—2019 年均值及2019 年值的总量及均值，可见煤炭加工行业与其他行业差异较大。通过图2 可以得到，电力、热力生产和供应业与制造业碳排放总量较高，并且2019 年值明显高于2005—2019 年均值，故煤炭行业碳排放量依然严重，转型迫在眉睫。

图2 三种产业链模式碳排放2005—2019 年总量均值及2019 年值

（二）各产业链模式碳排放效率结果分析

1.超效率SBM 模型测算结果。本文通过MyDEA 1.0 软件进行测算，得到发电，高耗能产业，深加工三种产业链模式碳排放效率值如表2 所示。

表2 2005—2019 年三种产业链模式碳排放效率测算表

从测算结果可知，所有行业普遍效率值都过低，整体来说煤炭燃烧模式下，即电力、热力生产和供应业的效率最好。但是15 年的期间，该模式碳排放效率越来越低，成为三个行业中最低；高耗能产业下效率一直稳定在0.8 左右，15 年期间呈现整体提升，期间波动的情况；煤炭深加工行业效率从2006年以来逐步提升，但效率始终没有超过1，2013 年效率骤降，根据数据分析产值很低，主要原因应该为统计数据有误。分析原数据及结合效率可知，煤炭燃烧模式下电力、热力生产和供应业产虽然效率较高，但是其CO2排放量也是逐年增高，并且成本增加的情况下产值并没有有效提升；而高耗能产业中行业种类多，产值不够稳定，同时CO2排放量依然是最高，近几年来也没有明显下降；煤炭深加工行业由于其是新兴行业，其本身投入量相对较少，且其消耗每吨煤炭产生CO2排放量也较少，行业在持续发展，其效率也在不断增加。

2.Malmquist-Luenberge 指数结果分析。利用SBM模型测算得到静态效率，本文将运用Malmquist-Luenberge 进行动态分析，进一步进行对碳排放效率的分析。通过MyDEA 1.0 软件测算得到结果如表3所示。

表3 2005—2019 年三种产业链模式碳排放效率ML 指数结果表

从时间维度上来看，燃烧模式下电力、热力生产和供应业ML 指数主要呈下降状态，而技术效率变动指数EC 并没有发生变化，保持为1，故可得知波动下降的技术进步指数TC 是影响燃烧模式下碳排放效率的最主要的因素。观察深加工相关数据，可以发现其技术进步指数TC 均值为一，并且近15年主要在1 上下浮动，而技术效率指数EC 整体呈现上升趋势，故深加工下ML 指数波动主要是由于技术效率变动指数EC 波动上升而影响的。高耗能产业的ML 指数没有明显上升或下降的趋势，呈现波动状态。从整体数据分析可发现两个指标都呈现波动状态，进一步计算发现技术进步指数TC 指数均值始终为1，故高耗能产业的ML 指数波动更多是由于技术效率变动指数EC 变化的影响。这表明，燃烧模式下，即电力、热力生产和供应业和制造业技术衰退，应加快推动相关产业煤炭使用的技术进步，优化完善产业链模式；煤炭深加工行业则需要提高技术效率，促进整体效率的提升，为了能有效提高推动产业链模式碳排放效率，需要不断加强技术效率创新发展及扩大行业规模；高耗能产业除了需要推动产业技术进步，同时也要注重技术效率提升，进一步提高碳排放效率。

五、结论与政策启示

（一）结论

本文构建资源型城市碳排放效率的超效率SBM 模型，结合国内外对于碳排放效率的相关研究，以资源型城市产业链研究为基础，对煤炭产业链模式进行细分进行煤炭相关产业碳排放效率的评价，测算得到电力、热力生产和供应业、制造业和煤炭加工业三种产业链模式下的消耗每吨煤炭的CO2排放量，通过测算碳排放超效率值结果并结合测得的ML 指数进行分析，得到以下结论：

我国资源型城市煤炭相关产业不同产业链模式下碳排放总量存在差异。其中2019 年开采—洗选—高耗能产业模式下CO2排放量最高，其次是开采—洗选—发电模式，整体来说三种产业链模式下碳排放量都在不断提高，但开采—洗选—深加工模式可以较好地降低煤炭使用中CO2的排放，增幅也不是很明显。

我国资源型城市煤炭相关产业不同产业链模式下碳排放效率有一定差别，差异显著。开采—洗选—发电模式碳排放效率最高，但是近几年来看效率明显下滑，开采—洗选—高耗能产业模式效率均匀，2013 年以来效率也在不断提升，但增幅相对较小；开采—洗选—深加工模式碳排放效率波动提升。从碳排放效率的角度来看，采用开采—洗选—发电模式的相关产业领域急需开展相应模式减少碳排放量，提高碳排放效率。

从技术进步与技术效率的来看开采—洗选—深加工模式与开采—洗选—发电、开采—洗选—高耗能产业模式产生差异的原因。开采—洗选—发电模式ML 指数变化主要来自于技术进步指数的变化，如果需要提高效率则需要推动技术进步；开采—洗选—深加工模式由于技术效率指数的不断变化影响而影响其ML 指数的波动，近几年有提升，但近15 年间波动较大，提升不明显；而开采—洗选—高耗能产业模式受技术进步指数与技术效率指数共同影响，波动较大。针对不同模式下的ML 指数变动的情况进行相对于的分析，对三种不同产业链模式的未来碳排放效率采取不同措施来针对性地提高与优化。

（二）政策建议

1.煤炭资源型城市应调整三种产业链的投入量，扩大深加工行业规模。由于开采—洗选—发电、开采—洗选—高耗能产业模式对煤炭的使用都是燃烧的方式，深加工行业相对碳排放量较。同时发电行业、高耗能产业的效率都有所下降，可以通过调整三种产业链模式的投入与规模，充分分析自身的优劣势，确定对接的依据与和障碍，比较相同与不同类型资源型城市产业链调整的经验和可以作为参考的部分，尽快确定自己煤炭产业的模式，制顶并继续拓展，推进产业持续的可持续发展，为资源型城市，尤其是煤炭型及相同类型的资源型城市转型提供新的视角。

2.在现有产业链模式上进行创新优化，提高产业内在动力。对于原有产业要不断开发新技术，增加技术引进、技术创新及人才培养，通过对引进的技术学习吸收，自主开发新技术，发展创新思维并通过技术创新减少碳排放量，引进优秀人才着力于创新推动。同时，从产业链角度不断推进创新科技发展研究，突破关键技术实现产业链升级，以创新思维为引领，确定核心技术创新任务，落实关键技术及发展方向。建立起新型灵活的产业结构，形成创新型的产业链模式，致力于推动资源型城市产业结构优化，以新视角、新模式进一步推进可持续发展的进程。