我国采矿业能源消费碳排放时空分异与驱动因素分析

罗世兴

（中国自然资源经济研究院自然资源所有者权益研究所，北京 101149）

0 引言

绿色低碳是新时代经济社会高质量发展的内在要求和有效路径。2020年我国提出“3060”的碳达峰、碳中和目标，党的二十大要求“积极稳妥推进碳达峰碳中和”“协同推进降碳、减污、扩绿、增长”。采矿业是关系国家能源资源安全的基础工业部门，同时也是高能耗、高排放行业，其减排降碳是发展绿色矿业的重要方面，关系工业领域“双碳”目标实现。《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》提出“发展绿色矿业，建设绿色矿山”。根据统计，2021年我国采矿业能源消费1.83×108t标准煤（以下简称“tce”），占工业能源消费总量的5.25%，单位产值能耗为工业平均能耗的1.20倍①能源消费数据来源于《中国能源统计年鉴2022》，并结合中国工业统计年鉴数据计算得到单位产值能耗。。能源消费是采矿业CO2排放的主要来源，科学把握其时空特征及驱动因素，对矿业高质量发展[1-2]、绿色矿业发展[3-4]、绿色矿山建设[5-6]、资源型城市绿色转型[7-9]等具有重要意义。关于矿业碳排放，陈诗一[10]对1980—2008年我国38个工业行业CO2排放强度分解研究表明，能源强度降低是主要减排因素，能源结构和工业结构调整也有利于碳排放强度降低。汪中华等[11]基于STIRPAT模型研究了2005—2012年黑龙江省采矿业能源消费碳排放影响因素，发现能源效率起较强的负向作用，能源消费结构为最大正向作用。吴青[12]测度了1994—2014年全国层面矿业能源消费碳排放及其影响因素，发现经济产出是主要增排因素，能源结构次之，能源强度是关键减排因素。罗世兴等[13-14]研究了1994—2015年全国尺度采矿业、黑色金属行业能源消费碳排放及其影响因素。任思达等[15]直接利用中国碳核算数据库（CEADs）碳排放数据，分析了2005—2015年省域矿业碳排放特征，发现矿业经济增长与碳排放持续向好。吴滨等[16]对我国有色金属行业节能减排的研究表明，市场需求增长对碳排放产生的压力较大。董明等[17]探讨了有色金属联合企业碳排放的三种情景与碳达峰路径。

当前对采矿业能源消费碳排放的研究主要停留在全国层面和行业层面，分区域研究不够且样本期在2016年之前，时效性相对滞后。针对以上不足，本文从省域视角，基于CEADs能源消费实物量及我国各类能源低位发热量、碳含量等数据，自下而上测算了2004—2020年我国采矿业能源消费CO2排放，运用基尼系数和泰尔指数测度其时空演变，并利用迪氏指数分解法分析其驱动因素，以期为采矿业的绿色低碳与高质量发展、绿色矿山建设提供参考。

1 研究方法与数据来源

1.1 排放因子法

政府间气候变化专门委员会（IPCC）在国家温室气体清单指南中提供了碳核算的三种方法：排放因子法、质量平衡法和实测法。其中，排放因子法是适用范围最广、应用最为普遍的碳排放核算方法，适用于国家、省或行业等较为宏观层面的粗略估算，计算公式见式（1）。质量平衡法还需考虑具体设施和工艺流程的碳质量平衡，实测法则基于排放源的实测基础数据汇总，两种方法虽然能更加真实、准确地反映碳排放情况，但对数据的要求较高。

式中：X为地区或行业能源消费CO2排放量；Ei为第i种能源消费实物量；NCVi为平均低位发热量；CEFi为单位热值含碳量；COFi为碳氧化率；θi为CO2排放系数。

1.2 基尼系数

基尼系数是度量居民收入差距的重要指标，因其能精准、直观、简洁地反映指标之间的相对差异程度，被广泛应用于各领域差异测度[18-21]。本文以采矿业产值为参照，研究区域采矿业能源消费CO2排放的相对差异，计算公式见式（2）。

式中：G为基尼系数；xi为i地区采矿业能源消费CO2排放的累计百分比；yi为i地区采矿业产值的累计百分比。0≤G＜0.2，高度平均；0.2≤G＜0.3，比较平均；0.3≤G＜0.4，相对合理；0.4≤G＜0.5，差距较大；0.5≤G≤1.0，差距悬殊。

1.3 泰尔指数

泰尔指数最初用于衡量收入差异，将总差异分解成组间差异和组内差异[22-23]，有助于寻找差异来源，被广泛用于需要分组的差异分析，计算公式见式（3）。

式中：T为泰尔指数；Xij为i区域内j省份采矿业CO2排放；X为各省份采矿业能源消费CO2排放之和；Yij为i区域内j省份采矿业产值；Y为各省份采矿业产值之和。根据我国四大区域划分②东部地区：北京、天津、河北、山东、上海、江苏、浙江、福建、广东和海南。中部地区：山西、河南、湖北、安徽、湖南和江西。西部地区：内蒙古、广西、重庆、四川、云南、贵州、西藏、陕西、甘肃、青海、宁夏和新疆。东北地区：黑龙江、吉林和辽宁。由于上海、西藏能耗数据缺失且两者采矿业产值占全国的比重也较低，因此，本研究暂未包含这两个地区。，将T分解为区域间差异（Tb）和区域内部差异（Tw），计算公式见式（4）～式（6）。

式中：Xi为i区域内各省份采矿业CO2排放之和；Yi为i区域采矿业产值之和；i为四个区域；Ti为i区域内的省际差异指数。进一步将Tw对总体的贡献分解为四大区域内部差异对总体差异的贡献率，计算公式见式（7）。

1.4 LMDI分解法

目前，碳排放分解方法主要有指数分解法（IDA）和结构分解法（SDA）。IDA中的对数平均迪氏指数法（Logarithmic Mean Divisia Index，LMDI）因为具有允许变量值为零、分解无残差、计算方便、形式多样等优点，被广泛应用于区域、行业碳排放影响因素分解[24-26]。参考现有行业碳排放分解研究，考虑数据可得性等因素，将采矿业能源消费CO2排放分解如下，计算公式见式（8）和式（9）。

式中：Xi为第i种能源消费CO2排放；Ei为第i种能源消费（标准量）；E为能源消费总量（标准量）；Y为行业产值；αi为第i种能源CO2排放系数；βi为第i种能源消费比重；γ为行业能源消费强度。将碳排放增量分解为排放系数效应ΔXα、能源结构效应ΔXβ、能源强度效应ΔXγ、产值变化效应ΔXY，计算公式见式（10）～式（14）。

由于化石能源消费标准量的碳排放系数为常数，因此，ΔXα为零。

1.5 数据来源与处理

鉴于数据可得性、统计口径一致性，本研究区域为29个省份（不含上海、西藏及港澳台）。研究行业为采矿业，主要包含煤炭开采和洗选业、石油和天然气开采业、黑色金属矿采选业、有色金属矿采选业、非金属矿采选业。能源消费数据来源于CEADs省级能源清单实物量③数据来源：https://www.ceads.net/，共含17种能源[27]。各类能源的折标准煤系数、平均低位发热量来源于《中国能源统计年鉴2022》。能源单位热值含碳量、碳氧化率来源于《省级温室气体清单编制指南（试行）》以及煤炭生产企业、石油和天然气生产企业温室气体排放核算方法与报告指南，见表1。采矿业产值数据来源于中国工业统计年鉴，为消除价格变动影响，按各地区CPI以2000年为基期平减，CPI数据来源于《中国统计年鉴》。由于工业统计年鉴中非金属矿采选业数据最早为2004年度，CEADs省级能源清单实物量数据最新为2020年度且该年是“十三五”收官之年，因此，研究时期为2004—2020年。

表1 17种能源CO2排放参数Table 1 CO2 emissions parameters of 17 types of energy

2 实证分析

2.1 CO2排放总体特征

碳排放估算结果表明，2004—2020年我国采矿业能源消费CO2排放在2.0×108～4.3×108t，走势上呈倒V型④本文估算结果比文献[3]直接引用的CEADs测算结果平均高9个百分点，差异主要在原煤等排放参数，本文采用省级温室气体清单编制指南推荐数据，后者采用调查数据。比文献[13]测度的2004—2015年全国尺度结果高5.19%，差异不大，一方面是因为涵盖的能源类别有差异，另一方面估算的方式存在差别，本文从省域视角自下而上汇总，范围上暂不含上海、西藏，文献[13]则从全国层面，利用能源消费标准量计算。，年均增长2.14%。其中，2004—2012年为快速增长阶段，由2.12×108t上升到4.29×108t，年均增长9.18%；2013—2020年为下降阶段，年均下降4.44%，并可细分为快速下降阶段（2013—2018年）和缓慢下降阶段（2019—2020年），如图1所示。

图1 我国采矿业能源消费CO2排放规模与强度Fig. 1 Scale and intensity of CO2 emissions from energy consumption of mining industry in China

行业结构上，主要集中在煤炭开采和洗选业、石油和天然气开采业，两者比重分别为80.27%、12.09%，其他三个分行业比重较低。与2004年相比，2020年煤炭开采和洗选业能源消费CO2排放比重下降4.23个百分点，石油和天然气开采业、黑色金属矿采选业比重分别上涨2.00个百分点和1.60个百分点。能源结构上，原煤、天然气、柴油消费产生的CO2排放居前三位，比重分别为73.74%、8.65%和4.86%。与2004年相比，2020年原煤、原油、洗精煤消费CO2排放比重下降最多，分别减少9.28个百分点、1.49个百分点和1.33个百分点。天然气、其他煤气和其他选煤消费CO2排放比重上升最多，分别增加了6.30个百分点、2.61个百分点和2.28个百分点。单位产值CO2排放上，总体呈现先降后升态势，由2004年的2.07 t/104元下降至2013年的0.81 t/104元，年均下降9.87%。2014年开始波动式上升，到2020年达1.24 t/104元，年均增长1.39%。单位能耗CO2排放上，总体表现为缓慢下降，由2004年的2.46 t/tce下降到2020年的2.33 t/tce，仅累计下降5.30个百分点。

2.2 CO2排放时空分异

2004—2020年我国采矿业能源消费CO2排放省域分布不均衡，前四位省份占比在46%～60%之间，排放前八位的省份占比在64%～71%之间，区域间差异较大。这种不均衡趋势在2006—2016年稳步下降，2017年开始缓慢上升。2020年前四位和前八位省份排放比重分别为53.07%和70.00%，均略高于2004年水平。年均排放上，山东、河北、河南、四川居前四位，分别为45.88×106t、41.94×106t、36.78×106t和20.79×106t。安徽、陕西、云南、重庆居第四位至第八位，均超过13.00×106t。福建、北京、浙江、广西、海南居末六位。排放变化量上，29个省份中排放增加的共有19个，减少的有10个。其中，陕西、云南、四川、山东和河北排放增加最多，辽宁、宁夏和吉林排放减少最多。排放年均增速上，陕西、云南、广东、青海、福建增速最快，均超过6.00%，其中，陕西、云南分别达到11.94%和11.72%；北京、湖北、浙江、辽宁、吉林排放下降最快，年均降幅均超过3.50%，如图2所示。

图2 各省采矿业能源消费CO2排放年均增量与增幅Fig. 2 Average annual increment and increase of CO2 emissions from energy consumption of provincial mining industry

2004—2020年我国省域采矿业能源消费CO2排放基尼系数为0.40，说明该时期省际间排放差异较大。洛伦茨曲线上各点切线的斜率反映了各地单位能源消费CO2排放的产出水平，广东、天津、北京、福建、山西等地区采矿业单位CO2排放的产出较高，山东、河北、河南等地区水平居中，而重庆、宁夏、云南、贵州、青海等地区则较低，如图3所示。

图3 省域采矿业能源消费CO2排放的洛伦兹曲线Fig. 3 Lorentz curve of CO2 emissions from energy consumption of provincial mining industry

绝大多数年份的CO2排放基尼系数均超过0.40，其中2005年最大，2013年最小，基尼系数分别为0.47和0.38。年度变化上，省际CO2排放差异经历了快速增加（2004—2005年）→逐步缩小（2006—2013年）→稳步扩大（2014—2020年）的演变过程。CO2排放泰尔指数走势与基尼系数基本一致，数值上普遍低于后者，维持在0.25～0.40，在2005年和2013年分别达到最大值0.37和最小值0.23，如图4所示。

图4 各年省域采矿业CO2排放基尼系数和泰尔指数Fig. 4 Gini coefficient and Theil index of CO2 emissions of provincial mining industry every year

四大区域上，2004—2020年西部地区采矿业能源消费CO2排放最多且基尼系数最大，分别达到1.23×108t和0.41，内部差异较大；东部地区和中部地区CO2排放分居第二位和第三位，但基尼系数则是后者大于前者，均小于0.40，两者内部差异均处于相对合理区间；东北地区CO2排放量最少且基尼系数最小，内部差异很小。变化上，西部地区基尼系数下降，中部地区上升、东部地区和东北地区先降后升，见表2。泰尔指数分解表明，2004—2020年全国采矿业能源消费CO2排放总差异主要来自四大区域内部差异，其贡献率为91.22%，其中西部地区（35.92%）、东部地区（29.03%）、中部地区（24.42%）和东北地区（1.85%），四大区域之间差异的贡献率仅为8.78%。不同时期CO2排放的泰尔指数及走势如图5所示，其中，四大区域间差异在2018年开始迅速提升，2020年的贡献率为10.78%。

图5 四大区域采矿业能源消费CO2排放差异Fig. 5 Differences of CO2 emission from energy consumption of mining industry of four regions

表2 不同时期四大区域采矿业能源消费CO2排放与基尼系数Table 2 CO2 emission and Gini index of mining industry energy consumption of four regions in different times

2.3 CO2排放驱动因素分析

LMDI分解显示，2004—2020年我国采矿业能源消费CO2排放量累计增长0.86×108t，产值变化效应、能源强度效应、能源结构效应的贡献率分别为264.80%、-142.62%和-22.18%，如图6所示。由图6可知，产值增长是我国采矿业能源消费CO2排放的主要增排因素，能源强度是关键减排因素，能源结构起微弱的减排作用。各地区CO2排放差异是这些因素综合作用的结果。全国层面上，随着我国工业化、城镇化的加速推进和对外贸易的发展，各类矿产资源需求迅速增加，采矿业产值从2004年的1.02×1012元快速增长至2012年的4.75×1012元，年均增长21.18%，其产生的CO2排放累计效应从2005年开始不断增加，到2013年达到4.87×108t。此后，随着我国经济社会的绿色转型和全球经济增长的放缓，需求的减少导致采矿业产值逐步下降至2020年的2.38×1012元，年均下降8.25%，其CO2排放累计效应也逐年下滑至2020年的2.27×108t。采矿业能源消费强度由2004年的0.84 tce/104元逐步下降至2013年的0.34 tce/104元，年均下降9.60%，其产生的CO2排放累计效应由-0.32×108t下降至-3.04×108t，随着能源消费强度的波动式上升至2020年的0.34 tce/104元，其CO2排放累计效应也上升至-1.22×108t。由于我国“富煤、贫油、少气”的能源资源禀赋，采矿业以原煤、焦炭等高碳排能源为主的能源消费结构未发生大幅变化，2010年仍占80%，此后，随着天然气等低碳排能源消费占比的逐步提高，能源结构减排作用逐步增强，2013年其累计效应由正转负，并持续增强至2020年的-0.19×108t。

图6 我国采矿业能源消费CO2排放驱动因素的累计效应Fig. 6 Cumulative effects of driving factors of CO2 emissions from energy consumption of mining industry in China

四大区域层面，2004—2020年，产值变动累计效应均起正向的增排作用，其中，西部地区增排作用最强，为1.16×108t，其次是中部地区和东部地区，东北地区最弱，仅为0.03×108t。除东部地区外，能源强度累计效应均起减排作用，其中，中部地区减排作用最强，达到0.87×108t；东部地区由于2018年以来能源消费强度大幅提高，其累计效应在2020年转为正向的增排作用。能源强度累计效应均起负向减排作用，其中，西部地区最强，东部地区最弱，如图7所示。

图7 四大区域采矿业能源消费CO2排放驱动因素的累计效应Fig. 7 Cumulative effects of driving factors of CO2 emissions from energy consumption of mining industry of four regions

省域层面，2004—2020年，共有24个地区产值变动累计效应起增排作用，其中，四川、河南、河北、贵州、安徽的产值变动效应居前五位，均超过0.20×108t；黑龙江、山东、青海、天津、广东五个地区的产值变动效应为负向减排作用，主要是这些地区采矿业产值出现明显下滑，导致碳排放减少。共有20个地区能源强度累计效应起减排作用，其中，河南、贵州、四川、安徽、宁夏的能源强度效应居前五位，山东、陕西、黑龙江、青海等九个地区能源强度累计效应起增排作用。共有18个地区能源结构累计起减排作用，其中，重庆、四川、辽宁、山东能源结构优化，减排作用明显；陕西、天津等11个地区能源结构起较弱的增排作用，能源消费结构亟待优化调整，如图8所示。

图8 省域采矿业能源消费CO2排放驱动因素的累计效应Fig. 8 Cumulative effects of driving factors of CO2 emissions from energy consumption of provincial mining industry

3 结论与讨论

本文基于省域尺度，对2004—2020年我国采矿业能源消费CO2排放、时空变化及差异特征、驱动因素的研究，得出以下主要结论。

1）2004—2020年，我国采矿业能源消费CO2排放总体呈倒V型走势，2013年前增长迅速，此后稳步下降。排放主要来源于煤炭开采与洗选业、油气开采业以及原煤、天然气和柴油消费。单位产值CO2排放先降后升，单位能耗CO2排放下降缓慢。

2）我国采矿业能源消费CO2排放空间分布不均，主要集中在山东、河北、河南、四川、安徽、陕西等矿业大省。年均变化上，陕西、云南年均增速快、增量大，北京、湖北、浙江下降速度快。省域排放差异较大，经历了快速上升（2004—2005年）→逐步缩小（2006—2013年）→稳步扩大（2014—2020年）的演化过程。差异主要来自区域内部，其中，西部地区内部贡献最大，东北地区内部贡献最小；四大区域间差异贡献相对较小，但呈扩大趋势。

3）产值增长是我国采矿业能源消费CO2排放的主要增排因素，能源强度是主要减排因素，能源结构起较弱的减排作用。这些因素不同时期在四大区域、省域采矿业能源消费CO2排放作用程度有所区别，需要实施差异化的减排政策。

4）结合以上结论，为促进采矿业的低碳发展，一是在保障国家能源资源安全供应的前提下，充分利用国际资源市场，加快国内产业结构的绿色转型，防止高能耗、高污染、高排放产业和低端制造业盲目增长导致采矿业需求快速扩张引发碳排放大幅增加；二是聚焦主要消费能源，考虑国内资源禀赋条件，提高排放系数较高、消费比重较大的煤炭类能源的清洁高效利用水平，同时进一步优化能源消费结构，提高天然气等清洁能源消费比重；三是关注重点区域、重点行业和关键环节，聚焦山东、河北、河南、四川、陕西、安徽、云南等CO2排放多、增量大的地区，广东、青海等增速快的地区，以及煤炭、油气行业，加快矿产开采、洗选等领域节能和综合利用先进适用技术、设备的研发与应用，推进共伴生矿产和尾矿、煤矸石等废弃物的综合利用，提高能源利用效率，大力发展矿业循环经济；四是进一步加强绿色矿山建设、发展绿色矿业，开展采矿损毁土地、历史遗留矿山等生态保护修复。

采矿业能源消费CO2排放是一个复杂系统，除从区域、行业等宏观尺度估算外，还需要从企业、产品等微观角度精确测度。同时，影响因素除经济增长、能源强度、能源结构外，还与环境规制、技术进步、空间效应等密切相关。随着相关统计、核算等理论、方法和数据等基础的不断完善，该领域的研究将在精度和广度上进一步拓展，为行业绿色低碳发展、“双碳”目标实现提供更加坚实的支撑。