江西省工业能源碳排放驱动机制与脱钩分析

殷瑜 陈竹安

摘 要：工业是化石能源消费的主要部门，化石能源的消费是温室气体上升的主要因素。为探究工业碳排放与经济发展间健康状态及区域碳排放的驱动力，从市域视角出发，采用Tapio 脱钩模型与LMDI 方法对2012—2021 年江西省碳排放状况进行分析，并提出相应的碳减排建议。结果显示：江西工业碳排放量集中分布在西北部地区，总体呈缓慢上升趋势，但年均增长率处于较低水平，碳排放增长受到抑制；碳排放健康状态以弱脱钩为主，工业经济对能源消耗依赖程度下降， 但强脱钩出现频次较低，导致江西碳排放向正向增长；产业结构效应的驱动作用在城市发展的各阶段及市域间具有明显的差异性，对于降低区域整体碳排放水平，保护碳减排成果有重要意义，产业结构调整是碳减排工作的重点；调整能源结构，降低高碳排放能源消费占比，促进高耗能产业低碳化转型，大力扶持低碳绿色产业发展是江西碳减排工作的必要举措。

关键词：碳排放；Tapio 脱钩理论；LMDI 方法；脱钩努力

中图分类号：F403.3；X24 文献标志码：A 文章编号：2095-1329（2023）03-0085-07

自改革开放以来，得益于能源大量消耗，我国城市化和工业化进程快速推进，经济迅速繁荣。作为应用最广泛的能源，化石能源在工业部门被大量使用，工业碳排放被认为是导致大气温室气体增加的首要因素[1-2]。温室气体的大量排放导致全球变暖以及极端天气的出现，人类生存和发展的空间受到破坏，节能减排成为国际社会应对全球气候变化的共识。为应对全球气候变化，2020年中国宣布实行“双碳战略”，承诺于2030 年和2060年前实现“碳达峰”和“碳中和”目标。随着碳减排阶段性目标的制定，我国的碳减排工作面临国内经济转型和承担国际责任的双重考验。科学的评估区域碳排放状态，探讨引起地区工业碳排放量变化的驱动力，对把控地区节能减排局势，寻找工业碳减排方向有重要意义。

经济增长被认为是碳排放增长的主导因素[3]，如何降低地区经济发展对碳排放的依赖性（即脱钩）是当前碳排放研究的重点议题。脱钩理论是衡量经济发展与环境污染相关性的理论模型，最早由经济合作与发展组织提出[4]，学者Tapio 进一步定义了脱钩的判断标准，并细分了脱钩状态[5]，自此Tapio 模型广泛应用于经济发展与能源消耗或环境污染相关研究[6-7]。工业碳排放受多种社会因素制约，与区域经济、人口、科技水平、能源与产业结构等多种因素关系密切[8]。学者采用了多种方法对碳排放驱动因素量化考量，以Kaya 恒等式[9] 为基础扩展的LMDI 因素分解模型是探究碳排放驱动因素的常用方法。以其操作灵活，分解无残差的特点被被广泛应用于环境科学领域。结合Tapio 模型与LMDI 模型，相关学者对国家、省级、城市群、工业园区整体层面碳排放驱动力和脱钩状况进行了大量研究[10-14]，研究涉及人类生产生活的各个领域，包括工业、农业、交通运输等行业[15-18]。除LMDI 模型外，GMDI[19] 和STIRPAT[20] 模型是探究碳排放驱动因素的常用方法，随着学科交叉融合，经济学空间计量方法对碳排放与驱动因素的空间相关性关系的研究为碳减排路径探索提供了新的思路[21]。

目前对碳排放与经济间的脱钩关系及碳排放驱动力的研究多以国家、省级、区域、城市群等大尺度对象研究为主，对于省级层面而言，研究尺度多局限于从整体层面对碳排放进行分析，而忽略了局部地级市间的经济发展与碳排放差异。各市域间由于发展条件的制约，经济基础与产业结构、能源结构、人口规模状况各异，从市域层面出发可对整体碳排放发展状况有更全面的认识并提出更因地制宜的政策建议。

2021 年江西全省规模以上工业能源消耗量占综合能源比例达60%，工业依然是江西碳减排工作的重点领域，实现工业碳减排目标对实现江西“双碳”目标有重要意义。同时作为首批生态文明示范省份，江西碳减排研究为自然禀赋优越，经济欠发达的其它地区节能减排工作具有参考价值。本研究利用Tapio 脱钩模型和LMDI 分解法，依据最新年鉴数据对2012—2021 年江西工业脱钩状况进行分析，从省市域级角度探究影响江西碳排放的驱动机制以及脱钩努力，以期为江西省工业碳减排提供适时可靠的减排方向。

1 研究区域与数据来源

1.1 研究区域

江西地处长江中下游交界处以南，地形以山地丘陵为主，地势上北部地区较为平坦，东、西、南部地区山脉众多，形成四周高中间低，南高北低的地理格局。江西生态资源丰富，2021 年森林覆盖率达到63.35%，同时拥有丰富的地下矿藏并具备较高的矿产资源配套程度，为江西工业发展打下了良好的基础。行政区划上，江西分为11 个地级市和100 个县级市，总人口达到4518 万。2014 年底，《江西省生态文明先行示范区建设实施方案》获批，成为首批省级生态文明示范区建设省份，对于构建全国生态文明示范区具有样板意义。

1.2 数据来源

本文研究对象为江西省及境内11 个地级市工业碳排放情况，文中涉及的江西省各地级市的规模以上能源消费数据，国内生产总值、工业生产总值及人口数据均来源于2012—2021 年《江西统计年鉴》数据，各能源折标煤系数参考自《中国能源统计年鉴》，各能源的碳排放系数以《2006IPCC 国家温室气体清单指南》作为参考。

3 结果与分析

3.1 工业碳排放发展现状

2012—2021 年，江西省工业碳排放的年平均增长率为2%，碳排放总体呈現缓慢上升趋势，工业碳排放总量增长3352 万t，增长幅度达到20%。2012—2013 年和2017—2019 年间增速较快，年均增长率分别为6.9% 和4.9%，其余各年份增长率均维持在较低水平，江西工业碳排放总体得到遏制。地域分布而言（图2），工业碳排放集中于省西北部，主要集中在九江、新余、宜春三市，三者贡献了全省一半以上工业的碳排放总量，九江碳排放量最高，碳排放量占比逐年增加，到2021 年九江全省碳排放量占比高达27%。萍乡在研究期内具有明显下降趋势，萍乡作为老牌工业城市，正逐步摆脱化石能源依赖，寻求产业转型道路，除上述各市外，其余城市碳排放量处于相对稳定水平，但抚州在2016 年和景德镇在2017 年的碳排放分别有较大幅度的增加与降低，两地化石能源消耗量迅速变化，将两地分别划分为碳排放相对稳定的两个阶段。

江西碳排放量缓慢增长，在2017—2019 年加速增长时期年均增长率也不超过5%，2019 年后能源消耗的增速放缓，但工业碳排放仍无明显下降趋势，工业经济发展仍依赖于能源消费，降低工业碳排放量，逐步降低工业部门对能源消费的依赖性，提高工业经济质量是江西省碳减排工作下一阶段的目标。

3.2 脱钩分析

为更清楚探究江西省工业碳排放健康状态，将研究期划分为2012—2015、2015—2018、2018—2021 年三个阶段，结合公式2 和图1 可得研究区域各阶段碳排放脱钩情况，如表2 所示。

研究的3 个时段内，江西工业碳排放均处于弱脱钩状态，表明工业经济的快速增长，区域碳排放水平缓慢增长，是较为理想的脱钩情形，3 个时期内江西省脱钩系数略有下降（0.35、0.27、0.24），整体脱钩水平稍有上升，主要得益于节能减排的背景下，江西省工业产业升级带来整体能源利用效率的提升，工业经济的发展一定程度上减少了对化石能源消耗的依赖性。

2012—2015 年，各地级市脱钩状态良好，脱钩弹性系数多处于弱脱钩状态以上，但九江和鹰潭处于增长连接状态，两地工业经济发展依托于传统化石能源的消耗，此阶段，强脱钩状态地级市数量为4。

2015—2018，弱脱钩数量降低，脱钩状态向衰退脱钩状态转变。景德镇、萍乡、新余市脫钩状态降低，相较于2015 年，2018 年3 市工业碳排放量分别下降了22.7%、32.6% 和11.6%，同时工业产值分别下降了15%、14.9%和10%，化石能源消费受到抑制导致工业经济发展受到较大影响。抚州由强脱钩迅速转变为强负脱钩状态，脱钩系数高达-163.81，化石能源的消耗并未带来工业经济的增长，规模以上工业产值下降5.5%，推测省内传统工业向抚州转移，能源经济效应低。该阶段，仅2 个地级市为强脱钩状态。总体而言，此阶段部分城市脱钩状态降低，地级市间碳排放脱钩水平差距变大。

2018—2021 年，弱脱钩数量增加，整体脱钩状态改善。新余和萍乡脱钩状态趋势性降低，新余由衰退连接转变为扩张负脱钩，萍乡由衰退脱钩转变为增长连接状态，两者工业经济与碳排放均由同向降低转变为同向增长。两市作为老工业城市，贯彻江西“绿色崛起”方针，在自身资源型工业城市的基础上对传统工业进行升级，工业经济与碳排放的脱钩变化体现了两地产业转型的探索过程。其余城市处于弱脱钩状态以上，但强脱钩数量仅为2，强脱钩城市数量不足，江西省碳排放缓慢向上增长，江西碳减排有较大提升空间（图3）。

3.3 江西省工业碳排放驱动因素分析

Tapio 脱钩模型可以同步解释碳排放与经济间速率变化关系，但无法解释影响江西工业碳排放的驱动因素，本文依据Kaya 恒等式与LMDI 法将江西工业碳排放分解为能源结构、产业结构、能源强度、经济及人口规模效应，通过公式3～10 得到各驱动因素的累计贡献值及贡献率。

省级视角看，如表3 所示，产业结构效应、经济效应、人口规模效应对江西工业碳排放呈正向促进作用，经济效应促进作用远高于产业结构与人口规模效应，人口规模效应促进作用较小，产业结构效应虽总体呈促进效果，但产业结构的驱动力在各地级市间具有明显的地域差异性。能源结构与能源强度呈负向抑制效果，其中能源强度效应是最主要的抑制因素。

结合表3 及图4，能源结构对江西省工业碳排放的累计贡献值为-2414.74 万t，在3 个阶段均抑制了江西工业碳排放，能源结构（I ） 系数逐渐降低，全省高碳排放能源占比降低，能源消费结构得到一定程度优化。各地级市而言，2012 ～ 2021 年间能源结构对抚州和鹰潭的累计贡献值为正，其余城市均为负，从各阶段而言，能源结构对碳排放的促进作用集中出现在2015—2018 年，抚州、赣州、九江、鹰潭此阶段均对碳排放脱钩起抑制效果，到2018—2021 年，各市能源结构效应均抑制了当地工业碳排放。能源结构对碳排放总体表现为抑制效果，优化能源结构，降低高碳排放能源消费并大力发展清洁能源的使用可有效降低碳排放水平。

2012—2021 年，产业结构的累计贡献值为2030.99万t， 3 个时期的贡献度分别为19.4%、-10.4%、3.2%，贡献度方向具有明显的波动性。抚州、赣州等7 市产业结构效应促进了各地级市的碳排放，其它地级市表现为抑制效果，产业结构在各市间的差异性显著；同一城市的不同阶段差别较大，贡献度大小多呈“V”型变化趋势，2015—2018 年，产业结构具有最强的脱钩促进作用，随后产业结构系数上升，产业结构的脱钩促进效果逐渐转变为抑制。工业产业结构效应经过了大幅降低再回升的过程，到2018—2021 年，各市产业结构的脱钩效应仍有较大差距。江西省产业结构效应在市域间广泛的差异性，同时各城市发展阶段产业结构的脱钩状态变化较大，可将产业结构调整作为现阶段江西省碳减排工作的重点，对于维持现有碳减排成果稳定，缩小地区间碳排放健康状态差异有重要意义。

能源强度衡量了能源消费与经济效益的关系，该因素对碳排放的影响往往不确定性较大[23]。2012—2021 年，能源强度累计贡献值为-12176.18 万t，受能源强度效应的影响、九江、南昌、萍乡、宜春碳减排量均超过1000万t。能源强度的贡献率在3 个阶段分别为-38.5%、-32.3%、-31%，对江西及辖内各市碳排放均具有明显的抑制效果，是江西最大的碳排放脱钩促进因素。

2012—2021 年，人均GDP 累计贡献值为15905.4 万t，3 个阶段的贡献率分别为33.4%、50%、52.5%，经济效应的贡献率呈上升的趋势，经济效应与碳排放间关系密切，是江西最大的脱钩抑制因素。人口规模效应对碳排放的促进作用有限，累计碳排放贡献值仅为6.77 万t，3个阶段的贡献率分别为1.8%、3.6%、-4.6%。2012—2018年，人口规模效应促进了江西的碳排放，人口规模效应的抑制性集中体现在2018—2021 年，对除南昌、赣州、新余外各市均呈抑制作用，南昌强大的人口吸引力导致人口规模成为促进该地区碳排放的最大驱动因素，但对于整个江西省而言，人口因素对碳排放影响较小。

3.4 脱钩努力分析

结合江西省各驱动因素脱钩努力情况，剔除经济效应对碳排放的影响，能源结构在3 个时期内均呈弱脱钩努力（0.21、0.07、0.17），2015—2018 年，抚州、吉安、九江、鹰潭无脱钩努力导致此阶段江西能源结构脱钩努力数值较小，但综合整个时期，能源结构效应对碳排放促进了工业经济与碳排放脱钩（表4）。

产业结构在发展的3 个阶段脱钩努力状态变化较大，2012—2015 年与2018—2021 年无脱钩努力，2015—2018年呈弱脱钩努力，且第二阶段与第三阶段各地级市之间脱钩努力情况有较大差异，2018—2021 年，除南昌外，整体脱钩努力系数较低，相较上一阶段，呈脱钩努力状态城市数量下降较多，产业结构对于降低城市碳排放水平，促进市域间碳排放平衡有重要意义。

能源强度具有最大的脱钩努力效应，但研究期内，能源强度脱钩努力系数逐渐降低，由强脱钩努力向弱脱钩努力变化，对碳减排的促进作用有所减弱，提高能源利用效率与效益，发挥能源强度较强的碳排放脱钩促进作用。

人口规模效应在2012—2018 年无脱钩努力，2018—2021 年间呈弱脱钩努力，但弱脱钩努力程度低，综合整个时期，人口规模对江西省碳排放无脱钩努力。

4 结论与建议

本文基于IPCC 核算方法计算了江西省及下辖地级市的碳排放水平，并利用Tapio 脱钩模型及LMDI 模型探究了江西省工业碳排放与经济间的脱钩关系和驱动因素，本文结论如下：

（1）江西省碳排放呈缓慢增长趋势，研究期内年均增长率为2%，2017—2019 年增速加快，2019 年后增速放缓，碳排放水平总体得到遏制。工业碳排放集中分布于省西北部的九江、宜春及新余，分布上呈明显西北高于东南部的格局。

（2）研究的3 个阶段，江西工业碳排放均处于弱脱钩状态（0.35、0.27、0.24），脱钩状态略有上升，工业经济一定程度上降低了对能源消费的依赖，但强脱钩城市出现频次低，导致江西碳排放总体向上增长，离实现降碳发展目标尚有差距。

（3）产业结构效应、经济效应、人口规模效应对江西工业碳排放呈正向促进作用，经济效应促进作用远高于产业结构与人口规模效应，人口规模效应促进作用较小，产业结构效应虽总体呈促进效果，但产业结构的驱动力在各地级市间具有明显的地域差异性。能源结构与能源强度呈负向抑制效果，其中能源强度效应是最主要的抑制因素，2018—2021 年，能源结构对江西各地级市工业碳排放均起抑制作用。

（4）相较于经济效益对碳排放的促进作用，能源结构和能源强度呈弱脱钩努力，能源强度效应脱钩努力系数降低，但对于江西碳排放脱钩仍具有最强的抑制效果；产业结构脱钩努力效果在各地级市波动较大，2018—2021年较于2015—2018 年，呈向无脱钩努力状态转变趋势，对江西碳排放脱钩转变为抑制效果；人口对江西碳排放无脱钩努力，对江西工业碳减排影响较小。

根据以上结论，以及现阶段江西社会经济发展状况提出以下建议：① 降低高碳排放能源消费占比，大力推广低碳绿色能源在工业部门的使用，发展风电、太阳能等清洁能源，发挥能源结构的脱钩促进作用。②调整产业结构，严格控制工业产业规模，优化产业结构，降低高碳排放部门比例，大力扶持新兴绿色能源企业，重点关注九江、新余产业结构变化。③聚焦产业升级转型，提高能源利用效率与效益，特别关注如萍乡、新余等工业老区的工业产业转型，逐步摆脱工业部门对傳统化石能源的依赖。

参考文献（References）

[1] 高虎.“双碳”目标下中国能源转型路径思考[J]. 国际石油经济，2021，29（3）：1-6.

GAO H. China's energy transformation under the targets of peakingcarbon emissions and carbon neutral[J]. International PetroleumEconomics， 2021，29（3）：1-6.

[2] 郭扬， 吕一铮， 严坤， 等. 中国工业园区低碳发展路径研究[J].中国环境管理， 2021，13（1）：49-58.

GUO Y， LYU Y Z， YAN K， et al. Low-carbon developmentpathways of industrial parks in China[J]. China EnvironmentalManagement， 2021，13（1）：49-58.

[3] SHAN Y L， HUANG Q， GUAN D B， et al. China CO2 emissionaccounts 2016-2017[J]. Scientific Data， 2020，7（1）：54-62.

[4] R?STEMO?LU H. Factors affecting Germany's green developmentover 1990-2015： a comprehensive environmental analysis[J].Environmental Science and Pollution Research， 2019，26（7）：6636-6651.

[5] TAPIO P. Towards a theory of decoupling： degrees of decouplingin the EU and the case of road traffic in Finland between 1970 and2001[J]. Transport Policy， 2005，12（2）：137-151.

[6] 张玉梅， 乔娟. 都市农业发展与碳排放脱钩关系分析——基于脱钩理论的Tapio 弹性分析法[J]. 经济问题，2014（10）：81-86.

ZHANG Y M， QIAO J. Analysis of urban agriculture developmentand carbon emission decoupling relationship based on the theoryof decoupling about tapio elastic analysis[J]. Economic Issues，2014（10）：81-86.

[7] 王俊岭. 我国钢铁工业脱钩弹性分析——以2006-2015 年面板数据为例[J]. 生态经济， 2017，33（8）：139-143.

WANG J L. The Tapio elastic analysis of steel industry of 2006-2015 panel data in China[J]. Ecological Economy， 2017，33（8）：139-143.

[8] WU Y， TAM V W Y， SHUAI C， et al. Decoupling Chinaseconomic growth from carbon emissions： Empirical studiesfrom 30 Chinese provinces （2001-2015）[J]. Science of The TotalEnvironment， 2019，656：576-588.

[9] KAYA Y. Impact of carbon dioxide emission control on GNPgrowth： Interpretation of proposed scenarios[R]. Paris： Presentationto the Energy and Industry Subgroup， Respones Working Group，IPCC， 1989.

[10] 翁钢民， 李聪慧， 潘越， 等. 中国旅游业碳排放脱钩效应及影响因素研究[J]. 地理与地理信息科学， 2021，37（2）：114-120.

WENG G M， LI C H， PAN Y， et al. Decoupling effect andinfluencing factors of carbon emissions in Chinas tourismindustry[J]. Geography and Geo-Information Science，2021，37（2）：114-120.

[11] 郑亦伶， 苑韶峰. 基于土地利用的碳排放时空分析[J]. 上海国土资源，2013，34（2）：33-36.

ZHENG Y L， YUAN S F. Spatial-temporal analysis of carbonemissions from land-use[J]. Shanghai Land & Resources，2013，34（2）：33-36.

[12] 王彩娟， 季顺伟， 任丽燕. 长三角城市群能源碳排放空间关联及其影响因素研究[J]. 上海国土资源，2022，43（3）：8-14.

WANG C J， JI S W， REN L Y. Spatial correlation and influencingfactors of energy carbon emissions in Yangtze River Delta urbanagglomeration[J]. Shanghai Land & Resources， 2022，43（3）：8-14.

[13] 馬建辉， 田刚， 谢宛怿， 等. 河北省土地利用碳排放时空特征与脱钩分析[J]. 上海国土资源，2023，44（1）：67-76.

MA J H， TIAN G， XIE W Y， et al. Spatio-temporal characteristicsand decoupling analysis of land use carbon emissions in HebeiProvince[J]. Shanghai Land & Resources， 2023，44（1）：67-76.

[14] 罗翔， 赖志勇， 曹慧霆. 碳达峰碳中和目标下的新城新区国土空间规划策略—— 基于浦东新区的实证与思考[J]. 上海国土资源，2022，43（1）：1-5.

LUO X， LAI Z Y， CAO H T. Planning strategies of new city inthe context of emission peak and carbon neutralization： empiricalresearch on Shanghai Pudong[J]. Shanghai Land & Resources，2022，43（1）：1-5.

[15] 沈叶， 刘中侠， 邓翠翠， 等. 工业部门低碳化驱动因素与脱钩路径分析——以安徽省为例[J]. 长江流域资源与环境，2022，31（12）：2597-2607.

SHEN Y， LIU Z X， DENG C C， et al. Analysis of driving factorsand decoupling path of low-carbonization on industrial sector： Acase study of Anhui Province[J]. Resources and Environment in theYangtze Basin， 2022，31（12）：2597-2607.

[16] 刘杨， 刘鸿斌. 山东省农业碳排放特征、影响因素及达峰分析[J].中国生态农业学报， 2022，30（4）：558-569.

LIU Y， LIU H B. Characteristics， influencing factors， and predictionof agricultural carbon emissions in Shandong Province[J]. ChineseJournal of Eco-Agriculture， 2022，30（4）：558-569.

[17] 丁海燕， 何华春， 张云峰. 基于“双碳”目标的盐城市生态安全评价及障碍因子诊断[J]. 上海国土资源，2023，44（2）：62-68，75.

DING H Y， HE H C， ZHANG Y F. Ecological security assessmentand obstacle factor diagnosis of Yancheng City based on “doublecarbon” target[J]. Shanghai Land & Resources， 2023，44（2）：62-68，75.

[18] 胡怀敏， 左薇， 徐士元. 长江经济带交通能源碳排放脱钩效应及驱动因素研究[J]. 长江流域资源与环境，2022，31（4）：862-877.

HU H M， ZUO W， XU S Y. Decoupling effect and driving factorsof transportation energy carbon emissions in Yangtze RiverEconomic Belt[J]. Resources and Environment in the YangtzeBasin， 2022，31（4）：862-877.

[19] 马晓君， 陈瑞敏， 董碧滢， 等. 中国工业碳排放的因素分解与脱钩效应[J]. 中国环境科学，2019，39（8）：3549-3557.

MA X J， CHEN R M， DONG B Y， et al. Factor decomposition anddecoupling effect of Chinas industrial carbon emissions[J]. ChinaEnvironmental Science， 2019，39（8）：3549-3557.

[20] 劉茂辉， 岳亚云， 刘胜楠， 等. 基于STIRPAT 模型天津减污降碳协同效应多维度分析[J]. 环境科学，2023，44（3）：1277-1286.

LIU M H， YUE Y Y， LIU S N， et al. Multi-dimensional analysis ofthe synergistic effect of pollution reduction and carbon reduction in Tianjin based on the STIRPAT model[J]. Environmental Science，2023，44（3）：1277-1286.

[21] 陈宇斌， 王森， 陆杉. 农产品贸易对农业碳排放的影响——兼议数字乡村发展的门槛效应[J]. 华中农业大学学报（ 社会科学版），2022（6）：45-57.

CHEN Y B， WANG S， LU S. The Impact of agricultural productstrade on agricultural carbon emissions： The threshold effect ofdigital rural development[J]. Journal of Huazhong AgriculturalUniversity （Social Science Edition）， 2022（6）：45-57.

[22] 马晓君， 陈瑞敏， 苏衡. 中国工业行业能源消耗的驱动因素与脱钩分析[J]. 统计与信息论坛，2021，36（3）：70-81.

MA X J， CHEN R M， SU H. Driving factors and decouplinganalysis on industrial energy consumption in China[J]. Statisticsand Information Forum， 2021，36（3）：70-81.

[23] GU W， ZHAO X， YAN X， et al. Energy technological progress，energy consumption， and CO2 emissions： Empirical evidence fromChina[J]. Journal of Cleaner Production， 2019，236：117666.