碳中和目标下海洋生态效率评价及其影响因素研究

刘嘉玥，王洋

（天津大学 海洋科学与技术学院，天津 300072）

在“双碳”目标下，中国亟须在保证经济增长的前提下开展碳减排工作，蓝碳将成为未来缓解碳排放压力的主要途径[1-2]。近年来，海洋在我国经济社会中的功能日益凸显，2022 年全国海洋生产总值超过9 万亿元，占国内生产总值的7.8%。但是，经济增长和碳减排工作难以兼得，在这种情况下更需要借助碳汇手段来满足海洋经济高质量发展的内在需求。维护海洋生态系统的可持续发展，是提升海洋碳汇能力和发展蓝碳事业的重要保障。目前，有关“碳汇”的研究成果大多聚焦于森林碳汇、种植业碳汇，忽视了海洋碳汇对于实现“双碳”目标及应对气候变化问题的重要作用[3]。在经济发展与环境保护的双重压力下，提高海洋生态效率是有效提升海洋生态效益，增强海洋碳汇能力的关键途径。

1 文献综述

生态效率理论由德国学者SCHALTEGGER 等[4]首次提出，为解决资源环境保护和地区经济社会发展之间的矛盾提供了新颖有效的评价方法。生态效率的核心是以较小的资源耗费和环境损害来获得更多的社会经济效益。国外相关研究成果重点在生态效率的理论基础[5]、核算方法[6]、空间差异特性[7]以及生态效率在不同政企、地域等领域的实际应用[8-9]。国内相关研究更倾向于生态效率在行业与区域层面上的应用。卢燕群等[10]测算了2005—2014 年我国工业领域的生态效率，认为全国绝大部分省市工业领域生态效率处于波动上升的态势，并且不同的省市之间效率差距较大。潘丹等[11]测算了农业领域的生态效率，结果表明我国农业生态效率整体上处于缓慢增长态势，但仍然相对较低。成金华等[12]采用超效率DEA 模型对30 个省份的生态效率进行测算，认为我国生态效率整体处于波动变化状态，呈现由沿海向内陆、由东部向中西部递减的格局，具有明显的“俱乐部收敛”现象。

关于海洋生态效率，国外学者侧重于影响因素探讨和生态治理效果的定量分析。WITMAN 等[13]认为，海洋生态的影响因素主要包括局部空间范围及实验单元规模大小等方面。考虑到海洋生态环境和海洋经济社会发展密切相关，学者们在分析海洋经济发展时，也会综合考察海洋生态和人类活动对其的影响。HALPERN 等[14]、CLAUSEN 等[15]认为，除南北极地区外，其余地区的海洋生态环境均不同程度地受到人为活动的影响。陈嫔杰等[16]、秦曼等[17]认为，海洋生态效率是生态效率在海洋经济效益中的延伸，其宗旨是以尽量小的资源耗费和环境污染，获取尽量多的海洋生态产出。胡求光等[18]采用DEA 方法开展了我国沿海省份的海洋生态情况评估。许亮等[19]利用DEA 结合Tobit 模型的方法进行测度，认为2010—2015 年我国海洋生态效率整体处于无效状态并呈现效率下降的趋势，且主要影响因子涉及中国沿海地区居民生活水平、海洋产业结构、R&D 投入等方面。盖美等[20]采用SBM 模型进行了海洋生态效率测度，认为影响效率的因素包括海洋产业结构、海洋科技支撑能力以及环境规制等方面。

国内外对于海洋生态效率的研究已经相对成熟，但对于如何通过提高海洋生态效率来满足海洋经济高质量发展，促进双碳目标的实现成为新的研究问题。为此，本文试图通过建立碳中和目标驱动下的我国海洋生态效率评价指标体系，运用三阶段DEA 模型，剖析海洋生态效率的影响因素，客观评价当前海洋生态效率状况，为改善海洋生态效率提出策略建议，服务海洋经济的高质量发展和碳中和目标的实现。

2 海洋生态效率评价指标体系

2.1 评价指标体系构建

（1）投入产出变量。本文构建了碳中和目标下海洋生态效率评价指标体系，如表1 所示。

表1 碳中和目标下海洋生态效率评价指标体系

外界环境变量。结合已有研究，在考虑数据可得性、指标相关性与代表性的基础上，选取经济发展水平、海洋渔业产量、能源结构、科技创新水平四个指标作为环境变量。

经济发展水平：对于常态化的经济发展，一般会伴随着更高的二氧化碳排放量，导致生态效率降低。但是，当社会经济发展到一定程度时，对基础设施建设等方面会产生外溢效应，将会促进能源使用效率提高，污染物的处理能力也得到加强。本文将11 个沿海省市的人均GDP 作为其经济发展水平的替代变量。

海洋渔业产量：海洋渔业的二氧化碳排放主要来源于海洋捕捞时渔船的燃料消耗，以及工业化、流程化的海水养殖电耗所带来的间接排放。随着人口增加以及人民生活水平的提高，消费者对于水产品的需求不断上升，因此海洋渔业产生的碳排放水平一直居高不下。本文将海洋渔业产量作为碳排放效率的环境变量之一。

能源结构：二氧化碳排放的最主要途径来源于含碳燃料（如煤炭、天然气以及石油）的燃烧，且这些能源的使用极为普遍。若含碳燃料与总能源消耗的比值较高，碳排放量将迅速增加，从而降低效率。本文将含碳燃料与能源消耗总量的比值作为衡量能源结构的指标。

科技创新水平：科技是第一生产力，一个省市科技投入高，其经济发展水平会相对提升。科技创新会提高生产能力，对提升能源利用率产生促进作用，同时加强清洁能源的利用和发展，改善碳排放效率。本文以各省市科技投入总值来衡量科技创新水平。

2.2 数据来源

结合我国沿海地区的海域划分以及各省市行政区划分选取渤海、黄海、东海和南海四大海区作为研究对象。其中，自北向南依次包括渤海海区的天津、河北和辽宁，黄海海区的山东和江苏，东海海区的上海、浙江和福建，以及南海海区的广东、广西和海南，共11 个决策单元（DMU）。

选取2016—2019 年我国沿海11 个省市的相关数据组成投入产出以及环境变量数据集，数据均来源于《中国能源统计年鉴》《中国环境统计年鉴》《中国海洋统计年鉴》《中国渔业统计年鉴》、各省市科学技术部门官网公开数据、中国碳核算数据库（CEADs）和国家经济和社会发展统计公报等。

3 海洋生态效率评价结果分析

3.1 第一阶段：传统DEA模型分析初始效率

第一阶段，基于投入产出类指标数据，通过DEAP 2.1 软件进行数据处理，得到沿海11 个省市的纯技术效率（PTE）、规模效率（SE）以及综合技术效率（TE）。其中，纯技术效率与规模效率分别反映了管理水平和规模效应，综合技术效率值则反映海洋生态效率的总体情况，为纯技术效率值与规模效率值的乘积。当综合技术效率值为1 时，投入与产出有效；综合技术效率值小于1 时，则表明存在冗余投入或产出不足。

（1）纯技术效率分析。测算后得出纯技术效率如表2所示。首先，从四大海域的角度来看，渤海、黄海、东海和南海的纯技术效率均值分别为0.405、0.460、0.984和0.972，渤海和黄海海域纯技术效率处于较低水平，总体上呈现出“北低南高”的分布特征，尤其是渤海的情况最为严峻，侧面反映出渤海和黄海地区城市在利用海洋生态进行碳减排方面的管理制度以及技术水平方面相对效率较低。其原因可能是这些地区以工业及重工业产业为主，同时也可能是由于政府部门以及部分企业对于海洋生态保护的意识不够。其次，从各省市的角度来看，在沿海这11 个省市中，上海、福建、广东以及海南的年平均纯技术效率都达到了有效状态，这表明这些地区无论是在碳排放和绿色生态建设的相关制度还是管理水平等方面都处于领先地位。天津、浙江、广西这三个地区虽然未达到有效状态，但是每年纯技术效率值都相对稳定，未出现较大波动。其余四个地区的年平均纯技术效率相对较低，特别是河北和辽宁与其他城市差距过大，这表明这两个城市在制度以及管理水平和技术方面均有待加强。再次，从年度变化上可以看出，除山东外，所有城市的纯技术效率尽管出现一些波动，但整体呈现出较好的发展态势。从某种程度上说明，随着碳中和以及绿色可持续发展理念被不断重视，沿海各省都在通过提升自身管理能力和优化制度来提高海洋生态效率。

表2 第一阶段2016—2019年11个省市纯技术效率值

（2）规模效率分析。测算后得出规模效率如表3 所示。规模效率是各省市在自身生产规模影响下的海洋生态效率，能够反映出实际和最佳生产规模之间的差距。从表3 中可以看出，11 个省市的规模效率平均水平为0.929，几乎接近规模有效水平。所以从总体来看，沿海地区在最优生产规模方面相对较好。从各个城市来看，上海、福建和海南达到了规模有效，这说明能够根据城市的整体水平做出合理规划，为提升海洋生态效率所需的资源和投入提供了充足的保障。虽然其他城市效率值并未达到有效，但整体上看来一直处于平稳输出态势。

表3 第一阶段2016—2019年11个省市规模效率值

（3）综合技术效率分析。测算后得出综合技术效率如表4 所示。综合技术效率指综合性的生态效率，其内涵是从决策单元的制度、管理水平和技术以及生产规模等角度进行综合分析与权衡。沿海地区在第一阶段的综合技术效率平均值为0.680，距离有效水平仍有一定差距。因此从整体来看，我国沿海11 个省市海洋生态效率仍然有很大的提升空间。

表4 第一阶段2016—2019年11个省市综合技术效率值

从四大海域的角度来看，渤海、黄海、东海和南海的综合技术效率值分别为0.386、0.393、0.918 和0.929，总体上与纯技术效率相似，均呈现出“北低南高”的分布特征；从各个省市的角度来看，仍然是上海、福建和海南处于有效水平，效率值均为1，这表明这几个省市海洋生态发展水平处于领先地位；天津、浙江、广东和广西，这四个城市的生态效率虽未达到有效，但是也都接近有效水平；其余几个省市效率值过低，距离有效水平有较大差距。

3.2 第二阶段：似SFA回归剔除环境因素和统计噪声

第一阶段计算过程中并未考虑环境因素、随机误差等外部因素的影响，因此在一定程度上不能反映真实的效率值。因此，在进行第二阶段计算时，将第一阶段得到的松弛变量作为SFA 回归的被解释变量，解释变量则由环境变量表示。运用Frontier 4.1 软件，根据SFA 回归模型，选取2019 年数据进行分析，结果由表5 所示。

表5 松弛变量与环境变量的SFA回归分析结果

根据SFA 回归分析的结果可得，环境变量对于3 个投入变量的松弛值参数基本上都可以通过5%水平的显著性检验，表明选取的环境变量对3 个投入指标存在显著影响。基于SFA 模型，如果环境变量的回归系数为负值，则说明该环境变量和松弛变量之间负相关，即提高该环境变量，会使得决策单元的投入松弛量下降，提升生态效率；反之，则呈现正相关，即提高环境变量会使得投入松弛量上升，降低生态效率。对选取的四个环境变量的具体影响进行分析发现：

（1）经济发展水平对松弛变量的影响。经济发展水平对3 个投入变量松弛值回归系数均为负，这说明当一个省市的经济发展水平提高时，即人均GDP 迅速增长时，溢出效应明显，使得能源使用效率提高，污染物处理能力加强，也因此能够提升海洋生态效率。

（2）海洋渔业产量对松弛变量的影响。海洋渔业产量对于3 个投入变量松弛值回归系数均为正，这说明当海洋渔业产量提高时，即海洋捕捞、渔业养殖和海产品加工所导致的能源消耗和废物排放量增加，进而降低海洋生态效率。

（3）能源结构对松弛变量的影响。能源结构对于3个投入变量松弛值回归系数均为正，这说明当能源结构越高时，即含碳能源占能源消耗总量比重大，也就是说该城市相对来说更加偏向于使用非清洁能源，这也会导致更多的二氧化碳排放量，增加污染物排放，最终降低海洋生态效率。

（4）科技创新水平对松弛变量的影响。科技创新水平对于3 个投入变量松弛值回归系数均为正，这说明当各省市科研经费投入增多时，初期为了能够研制出更好的技术，会增加能源消耗，增大二氧化碳和污染物的排放，因此会降低海洋生态效率。

3.3 第三阶段：调整后投入产出变量的DEA效率分析

利用第二阶段排除了环境因素影响的指标数据进行第三阶段的效率评价，将该数据集代入到DEAP2.1 软件进行处理，计算得出经调整后的第三阶段生态效率值，并计算其与第一阶段的效率差值，如图1 所示。

图1 沿海各省市第三阶段效率值变化及与第一阶段的差值

从图1 可以看出，11 个省市的海洋生态效率显示出如下特点。首先，从生态效率的年均值可以看出，天津、浙江、福建、广东和广西第三阶段与第一阶段基本持平，但其余省市两阶段的效率年均值相差较大。其次，当排除掉环境因素的影响后，第三阶段的效率值整体上降低并且变化趋势更加陡峭，但呈现出连年提高的趋势，这说明各个城市在逐渐提升生态效率方面的管理水平和技术，生态效率逐年改善。最后，从各个城市一、三阶段具体数据来看，福建一直都处于生态效率有效水平，这说明其整体在海洋生态和碳排放方面的综合管理水平较高。同时，河北、山东、辽宁、江苏和广东相较于第一阶段，第三阶段数据都有所提升，说明这些城市的管理水平在逐步提升。除此之外，其余省市效率值第三阶段小于第一阶段，特别是海南省，表明环境因素对于该省市的效率评价作用相对较大。

4 结论及建议

4.1 结论

（1）不同海域海洋生态效率。总体上，我国海洋生态效率相对不高，从区域角度来看，呈现出“北低南高”和“北增南稳”的变化趋势。主要原因可能有如下几个方面：首先，渤海地区港口和城市群密集，作为我国工业基地之一，重工业占比较高，对能源消耗有较大依赖，同时也会产生大量污染，二氧化碳排放量较高；其次，渤海地区的发展重心集中在如何开发和利用资源，在海洋生态保护方面的重视程度相对较低，海洋意识相对薄弱。总的来说，四大海区海洋生态效率近年来整体上呈上升趋势，这也可以说明绿色发展以及碳中和思想越发深入人心，各省市也在逐年提升管理水平与技术能力。

（2）沿海省市海洋生态效率。福建省和广东省几年来一直处于生态有效状态，其余省市大多处于无效状态，不同省市之间差距较大。这说明我国沿海生态效率呈现出明显不均衡的状态。首先，福建和广东相对效率有效，两个省市的清洁能源使用量较高，也因此使得能源消耗总量中涉及碳排放的部分相对较小。其次，同处于相同海域的天津、河北和辽宁，天津的海洋生态效率逐年降低，但是河北和辽宁却逐年增高，河北在2019 年达到了效率有效水平。从数据上来看，主要原因是由于天津市清洁能源在总能源中占比过小，其依赖含碳类能源过多。再次，将同处于南海海域中的广西和海南进行对比，可以发现广西的平均效率值要比海南高得多。2016—2019 年，广西和海南的平均海洋生产总值比较接近，但生态效率却相差甚远。据统计数据分析，海南海洋生产总值中，第三产业比重最高，主要是服务业以及旅游业，由于其商业化程度越来越高，但清洁能源的使用相对较少，海洋经济发展仍然以碳能源消耗为主。最后，对于山东、江苏、上海和浙江来说，海洋生态效率值呈现上升或平稳趋势，但都未达到有效状态。其中山东与广东两省海洋生产总值几乎接近，一直处于全国前列，但是生态效率却有一定的差距，这主要是由于两省海洋生产总值的构成不同所导致的。同样受到海洋产业结构影响的还有江苏省和浙江省，两者在能源消耗总量上较其他省来说相对较高，也就是说在海洋生产过程中，这两个省份对于能源消耗过于依赖，这也说明粗放地依赖于能源消耗的海洋生产方式会导致海洋生态效率的降低。

4.2 建议

（1）能源结构调整。从以上分析我们可以看出，部分省市仍然依靠能源消耗来实现海洋经济发展的目标，但这样会造成更高的碳排放产出，降低海洋生态效率，不利于双碳目标的实现。同时由于生态环境的破坏，也会阻碍海洋经济的可持续发展。因此，需要加大对于清洁能源的使用，减少碳燃料的燃烧。

（2）产业结构调整。从山东、广东、江苏和浙江第三阶段的数据可以看出，海洋经济产业对于海洋生态效率影响较大。首先，对于渔业占比较大的山东省，不能绝对地通过减少渔业产量来达到目的，应该在发展海洋渔业的过程中更加注重对于清洁能源的使用，同时做到环境友好地进行捕捞，以此提高生态效率。其次，对于江苏、浙江这种过度依赖资源消耗的省份，会导致海洋生态效率的降低，应结合自身情况进行海洋产业结构的优化。

（3）区域协调发展。整体来看，海洋生态效率分布呈现“北低南高”的特点，虽然各省市的优劣势各不相同，但其中一些共性的问题可以互相借鉴参考。首先，要提高碳减排技术的科技投入，探索更多的清洁能源使用方式，包括潮汐发电、水力发电以及核能源发电等。其次，努力提升政府管理能力和水平，制定详细且可行的碳减排方案以及海洋生态保护政策和制度。