碳排放监测预警体系研究——基于中国省级相关数据的分析

韩少秀，朱美峰，刘慧洁，宋迎昌

（1.北京师范大学 教育学部，北京 100875；2.中北大学 经济与管理学院，山西 太原 030051；3.中国社会科学院 生态文明研究所，北京 100710）

2015 年中国在《巴黎气候协定》中承诺于2030 年左右达到碳排放峰值，并提出单位国内生产总值二氧化碳排放比2005 年下降60%～65%的目标。随着中国经济的持续增长，碳减排的压力逐步增大，2019 年中国碳排放占全球总量的28%，人均排放量比世界平均水平高46%。2020 年国家《“十四五”规划纲要》中明确提出要“制定2030 年前碳达峰行动方案，努力争取2060 年前实现碳中和”[1]。深入贯彻落实习近平生态文明思想，实现碳达峰、碳中和目标是我国经济社会实现高质量发展的必然要求，势必引起对经济社会系统的一场大变革。在碳中和目标下，碳减排和约束对未来企业以及经济的转型发展带来了不容忽视的风险。因此，在低碳发展已经成为我国各级政府经济发展的必然选择的背景下，构建有效的碳排放预警体系对识别、监测碳排放风险因素具有积极意义，能够为各级政府在提前部署低碳发展产业体系、制定能源行业转型发展等相关政策时提供决策依据，从而保障低碳发展背景下经济的高质量转型发展，顺利实现2030 年碳达峰和2060 年碳中和目标。

从当前文献来看，目前对碳排放监测预警的研究文献较少。在预警指标体系研究方面，丛日杰和韩洁平[2]以火电厂为研究对象，基于PSR 理论，从燃料消耗情况、污染物排放情况、低碳技术水平、电厂设备、环境保护水平等六个方面考虑，建立了预警体系。赵桂芹[3]基于出口贸易增长率、出口贸易碳排放增长率、能源消费弹性系数、出口贸易依存度以及出口消费指数构建了对外贸行业碳排放预警监测指体系标。周志方和肖恬[4]从重污染工业企业的能源投入阶段、能源消耗阶段以及产出阶段考虑，构建了包括节能减排技术指标、能源结构、能源效率、碳交易风险指标、政策管制指标、低碳产品竞争力等18 个指标的碳风险预警体系。崔金栋等[5]利用自由分类法和本体建模技术，从低碳网站搜索高索引的低碳评价指标构建可更新的碳排放预警指标体系。通过总结发现，现有对碳排放预警的相关研究主要以企业和行业为研究对象展开，无法从系统的视角对我国各省份碳排放风险状况予以监测和揭示。而宏观地了解和识别碳排放风险因素，并对地方经济发展中的碳排放情况进行客观评价，是各级地方政府提前部署低碳经济产业布局、制定低碳发展相关政策的前提。因此，构建多维监测预警指标体系，对碳排放风险进行量化研究具有重要的现实意义。

本文在已有文献研究基础上，将碳排放监测预警界定为对导致经济社会碳排放总量发生变化的核心风险要素变化情况的监测，并根据监测结果对各省份的碳排放风险状态进行评价。通过建立多维度碳排放监测预警指标体系，采用警戒阈值方法，对我国各省份碳排放风险状况进行监测，进一步从能源消费、产业结构和技术进步的角度设置先行指标对碳排放进行分项预警分析，以期为识别各区域碳排放风险因素、提升区域低碳发展提供切实可行的方法和政策建议。

1 研究方法与数据来源

1.1 碳排放预警体系指标体系构建

从系统视角构建碳排放监测预警指标体系需要从宏观和中观层面有效识别影响碳排放的先行指标。碳排放主要来自化石能源燃烧，因此，能源消费结构及强度等均会对碳排放产生显著影响[6-13]，而产业结构优化[14-19]和技术进步[20-25]等则会对碳排放产生明显的抑制作用。因此，在科学性、可操作性以及可持续性原则下，基于碳排放主要来源确定预警指标，从能源消费角度构建了能源消费结构、能源消费规模、能源利用效率、能源依赖程度四个方面的分项预警指标；从产业结构角度主要考虑了整体的产业结构优化程度（包括产业结构合理化和产业结构高级化）和分项的产业结构碳排放规模（包括能源产业结构、工业能源消耗强度、农业碳排放规模、林业规模以及高新技术产业规模）；从技术进步的角度主要考虑了规模以上工业企业技术改造水平。预警指标分为两类，对碳排放具有抑制作用的指标为正向指标，而增加碳排放总量或强度的指标为负向指标。综合上述考虑，最终构建碳排放监测预警具体指标体系如表1 所示。

1.2 碳排放警情分析方法

碳排放警情分析是确定碳排放警限阈值分级标准，根据预警指标体系对各省份碳排放警情现状予以判断分析的过程。

1.2.1 指标标准化

不同原始指标的量纲不同，不具有可比性，因此，本文对其进行了标准化处理，标准化过程如式（1）、式（2）所示。标准化后的指标取值在[0,1]之间。

正项指标的处理方法为：

逆项指标的处理方法为：

式中：x*为标准化后的指标值，xi为原始指标值（i为某时间截面第i省份），xmin、xmax为某年份原始指标截面最小值和最大值。

1.2.2 熵权法权重设定

指标体系中综合指标的计算采用熵权法客观赋权重。据系统论的基本原理，熵是系统无序程度的一个度量，根据各指标的变异程度，利用信息熵计算出各指标的熵权，对各指标的权重进行修正。系统处于某种状态的概率假定为pi(i=1,2,…,m)，则该系统的熵可用式（3）表示为：

当pi=1/m(i=1,2,…,m)时，各种状态出现概率相等，此时熵取得最大值，即：

若待评样本有m个，评价指标有n个，原始评价矩阵为R=(rij)m×n。评价指标rj的信息熵为：

据熵权法赋权重的原理，若某指标熵值越小，则该指标变异程度会越大，提供的信息量越大，在综合评价体系中，该指标起的作用就越大，相应地，其权重就应该越大。反之，其权重越小。第j个指标的熵权为：

1.2.3 警限阈值确定方法

碳排放警情体系建立的目的是提供各省份碳排放预警测量，根据预警指数分析与评价警情并作出警报预测，因此必须确定警限阈值以及预警区间的设定标准。本文采用3σ原则确定预警区间，3σ原则基于正态分布原理，σ为标准差。由于经济系统中指标值偏离均值的幅度均保持在较小区间，因此将大于1 倍σ的区间处理为数据异常区间。每一年的警限阈值采用当年的截面数据予以确定，故预警区间处于一定程度的动态状态，保持了碳排放监测预警的客观性。预警等级采用五级分类，详见表2。

表2 警限阈值分类

1.2.4 警情计算

警情计算是对碳排放预警指数的计算与警情等级判定，即对指标体系各指标客观赋权后，分角度计算其加权平均数，得出分项预警指数和综合预警指数，并根据警限阈值标准判定其警情等级。计算过程如式（7）～（10）所示。

式中：wj是第j个指标的综合权重，WEC是能源消费分项预警指标的权重，IEC是能源消费监测预警指数，WIS是产业结构分项预警指标的权重，IIS为产业结构监测预警指数，WTE是技术进步分项预警指标的权重，ITE为技术进步监测预警指数，I为碳排放监测预警综合指数。Xij为i年第j指标的标准化数据。

综合预警指数和分项预警指数均处于[0,1]之间，数值越趋于0，表示研究区域的碳排放警情状况越严重；数值越大，表明碳排放警情越不明显。

每一年各区域的指标均存在一定的波动，指标权重以及分项和综合预警指标的数值均处于动态变化中，因此，预警区间是一个动态区间。结合2018 年各区域指标具体取值，预警区间分类如表3 所示。

表3 碳排放等级分类表

1.3 数据来源

数据来源于国家统计局2004—2018 年的《中国统计年鉴》《科技统计年鉴》以及各省份2004—2018 年的统计年鉴。

2 结果与分析

2.1 综合碳排放监测预警指数分析

综合碳排放监测预警指数由能源消费、产业结构和技术进步三部分构成。2004—2018 年，碳排放监测预警指数综合值显示，我国碳排放预警指数均值总体上处于上升趋势。如表4 所示，2018 年处于绿色、蓝色、黄色、橙色、红色预警区间的省份数量分别为4、2、15、9、0 个，2015 年分别为4、4、11、10、1 个，2010 年分别为4、4、10、9、3 个。整体来看，处于红色预警区间的省份数量区域逐步减少，但橙色预警区间的省份数量仍较多，碳排放的风险因素依然不容忽视。2018 年碳排放预警指数处于0.04～0.95 之间，各省份之间的差异仍较明显，但综合指数处于红色警戒区域的省份数量首次下降为0。从时间角度看，广东、北京、上海、浙江、江苏在各年份基本均处于碳排放预警指数的安全或者小风险区间，特别是广东，三个分项预警指数基本均处于全国前列，且2016 年以来，与全国其他区域的差距显著拉大；而山西、河北、贵州、甘肃等省份大部分年份均处于高风险区间。

表4 2018年中国碳排放监测预警指数等级分布表

对3 个分项预警指标进一步分析发现，2004—2018年能源消费、产业结构和技术进步对碳排放预警监测指数的平均影响权重分别为0.231、0.292、0.477，表明技术进步对预警监测指数的平均影响最大，是导致全国各区域碳排放水平风险差异的主要影响因素；3 项权重的标准差分别为0.059、0.048、0.076，即从全国层面看，低碳技术水平的提升一直是我国降低碳排放风险的重要环节，2004—2018 年，技术进步水平整体上发生了显著变化。如图1所示，从2010 年起，技术进步对各区域碳排放风险影响的程度逐步提升，2018 年技术进步对碳排放预警指数的影响权重达到15年来的峰值0.616，主要是由于2015年《巴黎气候协定》后各级地方政府碳减排政策推动了规模以上工业企业技术引进经费大规模提升所致。

图1 2004—2018年影响权重变动状况

2.2 能源消费监测预警指数分析

能源消费分项预警指标在整个碳排放预警指标中的权重逐步降低（图1），2018 年降到最低值0.113，说明能源消费预警指标在各省份之间的差异越来越小，即我国能源消费整体状况得到了优化。2018 年处于红色预警等级的省份有3 个，处于橙色和黄色预警区间的省份分别有6 个、13 个，处于蓝色和绿色预警区间的省份分别有5 个、3 个（表5）。

表5 2018年能源消费监测预警等级分布表

构成能源消费分项预警指标的4 项指标：能源消费结构、能源消费规模、能源利用效率以及能源依赖程度对其影响程度随时间而波动，如图2 所示。2004—2018年，4 项指标对能源消费预警指数影响权重均值分别为0.429、0.228、0.045、0.296，标准差分别为0.081、0.049、0.014、0.121，即能源消费结构和能源依赖程度对预警指数的平均影响较大，说明各省份将调整能源消费结构、降低经济发展对能源的依赖性作为降低碳排放的重要举措；特别是能源依赖程度权重方差最大，说明各省份经济发展对能源依赖的差异尤为显著。从具体指标看，天然气消费占比（D3）和天然气消费总量（D5）对能源消费预警指数的平均影响最大，样本期影响权重的均值分别为0.286、0.199。表明清洁能源使用规模和比重在各省份中的差异较大，也是导致各省份能源消费预警指数差异较大的主要原因。

图2 2004—2018年能源消费指标权重变动图

能源消费结构长期以来对能源消费预警指数发挥着重要影响，但这种影响整体呈现下降趋势，说明各省份积极调整能源消费结构，降低化石能源消耗比重，提升清洁能源的使用比例。各省份之间能源消耗结构仍存在显著差异，但差异程度在不断降低，即整体能源消费结构在逐步优化。从历年各省份能源消费结构预警得分可知，以北京、天津、重庆、四川、海南、青海、新疆等为代表的省份，其能源消费结构预警指数较高，说明其能源消费结构处于全国较高水平；而以山西、内蒙古、辽宁、云南等为代表的省份，其能源消费结构处于全国较低水平，仍需进一步优化。

能源依赖程度对能源消费预警指标的影响权重波动程度最大，且影响程度随时间呈上升趋势。2015 年能源依赖程度的影响权重达到了顶峰0.584，这主要是由于为达到有效降低碳排放的效果，各省份将经济发展与能源消耗脱钩作为一项重要的政策予以推广，从而快速降低化石能源使用范围。从时间角度看，近年来各省份经济发展对能源依赖程度整体上处于逐步降低趋势，但各省份之间经济发展对能源消耗的依赖程度差异仍较大，且山西、内蒙古等省份的能源依赖程度依然处于全国较高水平。

能源消费规模对能源消费预警指数产生直接影响，特别是化石能源总量控制已经成为降低碳排放强度研究中亟待解决的重要问题。能源消费总量的影响权重自2015 年后快速提升，由2015 年的0.126 上升到2018 年的0.331，表明各省份在能源消费总量控制方面存在的差异在不断加剧。

能源利用效率对能源消费预警指数的影响权重相对较小，说明各省份之间能源利用效率差距不大，因此该指标的权重较小。但是分析具体指标可知，宁夏、青海、新疆、山西、内蒙古的单位GDP 能源消耗较高，长期处于高能耗低产出的行列。

2.3 产业结构监测预警指数分析

2018 年，产业结构分项预警指数处于红色预警区间的省份为山西和河北，处于橙色预警区间的省份为山东、河南、安徽、贵州、湖南、海南、宁夏、甘肃和新疆，处于绿色预警区间的省份是广东、北京和四川（表6）。

表6 2018年产业结构监测预警等级分布表

产业结构监测预警指数由六部分组成，分别是产业结构优化、能源产业结构、工业碳排放规模、农业碳排放规模、林业碳吸收规模和高新技术产业规模。由图3可以看出，能源产业结构对产业结构监测预警指数的影响最大且较平稳，2004—2018 年，其影响权重位于[0.363,0.439]区间，说明能源产业结构在全国各省份中非常不平衡，随着碳减排对经济发展压力的显现，各省份能源产业结构将继续调整优化。数据分析结果显示，能源产业结构发展较好的区域有北京、广东、四川、浙江等省份，而山西、河北、内蒙古等省份能源产业结构处于全国较低水平。

图3 2004—2018年产业结构指标权重变动图

林业碳吸收规模对产业结构预警指数的影响也较大，但整体看来，其影响趋于缓慢下降。林业碳汇对于碳排放吸收具有重要意义，同时对于生态环境的改善也具有积极影响。2017 年我国年度人工造林面积（4 296 千公顷）和林业投资（4 800 亿元）达到近年来峰值。受林业规模基数、产业布局特征以及区域地理环境等因素制约，各省份在林业规模方面的差异较大。整体来看，山西、河北、河南等省份在林业碳汇建设方面处于全国较低水平。

高新技术产业对各省份优化产业结构、培育经济发展新动能以及降低碳排放强度会产生重要影响，是碳排放监测重要的先行指标。近年来，高新技术产业规模较大的省份包括广东、浙江、江苏、上海、四川、河南等，而宁夏、新疆、海南、黑龙江、吉林、山西、内蒙古、云南等省份的高新技术产业规模则亟待改善。

产业结构优化对降低碳排放强度、促进区域经济可持续发展具有深远影响。从时间角度看，产业结构升级对预警指数的影响权重呈现逐步上升的趋势，这一影响在2016 年达到峰值0.144，随后逐步降低，这说明全国各省份在产业结构调整方面存在的差异呈现逐步扩大的趋势。数据结果显示，这种差距主要是由产业结构高级化引起的，而产业结构合理化的影响基本稳定且影响程度较低。

农业碳排放规模和工业碳排放规模的影响权重较低，且较稳定，说明全国各省份在农业碳排放规模和工业碳排放规模方面的差异较小。数据结果显示，工业碳排放依然是碳排放重点核心领域，山西、内蒙古、河北、黑龙江等省份长期处于全国较低水平；农业碳排放整体表现较好，其中，上海、重庆表现较为突出，山东、河北、河南等省份波动程度较高。

2.4 技术进步监测预警指数分析

2018 年，技术进步监测预警指数处于红色预警区间的省份为青海，处于橙色预警区间的省份有吉林、贵州、甘肃、宁夏、新疆，处于安全区间的省份是广东和上海，处于风险较小的蓝色预警区间的是江苏，其余省份处于黄色预警区间（表7），说明技术进步在各省份之间的差异较大，且两极分化程度逐步严重。分项预警指数显示，广东、上海、江苏等省份的技术进步水平长期处于全国较高水平，且持续呈现上升趋势；而青海、新疆、甘肃等省份的技术进步水平则长期处于较低水平。

表7 2018年技术进步监测预警等级分布表

技术进步监测预警指数由技术引进、技术购买和技术改造3 个指标构成。由图4 可以看出，技术引进的影响权重最大，其均值为0.423，说明全国各省份在技术引进方面差异较大，且这种差异随时间呈现逐步扩大的趋势，2018 年达到最大值0.476。技术购买对技术进步预警指数的平均影响权重为0.357，且波动状态不明显，较平稳，说明各省份在技术购买方面的差异程度基本维持在稳定状态。技术改造对技术进步预警指数的平均影响权重为0.220，且自2011 年权重呈现下降趋势，即各省份在技术改造方面的差异越来越小，2018 年达到最小值0.153。

图4 2004—2018年技术进步指标权重变动图

3 结论

（1）2004—2018 年，我国碳排放预警指数整体上处于上升趋势，处于红色预警区间的省份逐步减少。长期来看，北京、上海、广东、浙江、江苏等地的碳排放预警指数处于风险较小的蓝色或绿色预警区间，而山西、河北、贵州、甘肃等地长期处于风险较高的橙色或红色预警区间，且2016 年之后，区域之间碳减排潜力之间的差距正不断扩大。

（2）技术进步分项预警指数对碳排放预警综合指数的影响最大。不同省份之间技术进步水平的差异较大是导致碳排放预警指数差距较大的主要原因。2015 年后，技术引进规模的差异快速扩大，导致技术进步的差异逐步扩大。青海、新疆、甘肃、宁夏、贵州和吉林等省份的技术进步预警指数处于红色或橙色区间，未来工业企业技术升级是其降低碳排放的有效途径。

（3）产业结构分项预警指数对碳排放的影响整体呈现下降趋势。能源产业结构对产业结构预警指数影响最大，其次是林业碳吸收规模，即各省份在能源产业结构与林业规模方面的差异显著。山西、河北、内蒙古、河南等省份长期处于能源产业结构和林业碳吸收规模的红色或橙色等高风险区；高新技术产业对各省份降低碳排放强度产生重要影响，而农业碳排放和工业碳排放在各省份之间的差异相对较小，山西、内蒙古、河北和黑龙江等省份处于该指标的高风险区。综合来看，产业结构中高风险区未来碳减排重点应集中在增加清洁低碳能源消费比例，扩大造林面积以及提升高新技术产业规模等方面。

（4）能源消费会对碳排放产生直接和显著的影响。从时间角度看，能源消费对碳排放综合指数的影响最小且随时间呈现进一步下降趋势，能源消费状况得到了一定程度的优化，但现状仍不乐观。2018 年，山西、内蒙古、宁夏处于能源消费预警指标的红色预警区间，而吉林、辽宁、甘肃、湖南、广西、云南处于橙色预警区间。综上，能源结构优化，推广节能技术，提高光伏等低碳清洁新能源以及太阳能、风能等零碳能源的使用规模和比重是减小能源消费高风险省份碳排放风险的重要途径。