周 丽 罗小虎 张希良 齐天宇 熊威明

（清华大学能源环境经济研究所，北京 100084）

2009年12月，温家宝总理在哥本哈根举行的第15届气候变化谈判大会上向全世界做出了庄严承诺，宣布到2020年我国单位GDP CO2排放比2005年下降40% －45%。在十七届五中全会通过的《中共中央关于制定十二五规划的建议》明确指出坚持把建设资源节约型、环境友好型社会作为加快转变经济发展方式的重要着力点，要求深入贯彻节约资源和保护环境基本国策，节约能源，降低温室气体排放强度，发展循环经济，推广低碳技术，积极应对气候变化，促进经济社会发展与人口资源环境相协调，走可持续发展之路。

为达到这一目标，从国家层面到各地方政府均开展了一系列的节能减排行动，包括产业结构调整、产业技术进步、能源结构调整等。与此同时，我国地域广阔，自然资源分布不均衡，同时各地经济发展水平存在较大差异，这就导致了碳排放在地域上呈现了很大的差别。因此，通过对各个省份、区域排放现状的因素分析，有助于了解省份、区域之间能源消费、碳排放之间的异同，也有助于寻找未来减少碳排放的关键影响因素，从而有利于制定科学、合理的国内减排政策。

国外化石燃料消费碳排放的分解研究始于20世纪70年代，Greening等采用适应性加权迪氏分解法对1971－1991年间10个经济合作与发展组织（OECD）成员的碳排放量进行分解模型分析［1］。Davis等基于Divisia分解模型和回归分析，对1996－2000年间美国导致能源强度和碳排放强度下降的两个主要因素能源结构和天气变化进行了研究［2］。Ferdinand等采用LMDI法对1990－2004年间美国碳排放量进行了因素分解分析［3］。国内碳排放的研究始于21世纪初，Wang等采用LMDI法对我国1957－2000年间的CO2排放量进行分解［4］。朱勤等采用LMDI法，基于扩展的Kaya恒等式建立因素分解模型，对我国1980－2007年能源消费碳排放进行因素分解分析［5］。王俊松等采用LMDI法对我国1990－2007年的CO2排放进行分解分析［6］。段显明分析了1997—2008年间浙江省能源消费碳排放数据，采用对数均值迪氏分解（LMDI）法，对能源消费导致的CO2排放量和碳排放强度进行结构分解［7］。

综上所述，国内外文献对碳排放影响因素的研究较多，主流的方法是用各种因素分解法对年度时间序列数据进行分析，碳排放影响因素研究多集中于能源结构、能源强度、人均GDP以及人口几大因素。本文将在上述研究的基础上，基于能源平衡表统一核算我国及各省在2005－2008年期间碳排放情况，并采用LMDI法对地区能源排放因子、地区工业能耗占总能耗比重、地区工业单位增加值能耗、地区工业比重、人均GDP、地区人口比重等多种影响因素进行因素分解研究。

1 数据来源与研究方法

1.1 数据来源与核算

1.1.1 各省碳排放核算方法

目前，中国还没有碳排放量的直接监测数据，大部分研究都是基于化石燃料的消费量计算得到的。中国的地区能源消费统计来源主要有:能源统计年鉴，包括各地区能源消费总量，能源平衡表，各地区分品种能源消费（消费量合计，总和不等于消费总量）;基于能源平衡表可以计算得出能源消费结构和主要部门能源消费;地方统计年鉴，部分地区统计了历年能源消费总量和结构，但年份和地区不全（如上海无统计）;新中国统计六十年，包括各地区能源消费总量和结构，但是一方面数据统计口径不一致，另一方面数据存在明显不合理。

基于上述整理和分析，本研究思路基于地区能源平衡表，计算得出中国各地区的能源消费总量以及结构;以能源统计年鉴的地区能源消费总量数据、地区统计和新中国统计六十年数据作对比和参照。

（1）计算各地区煤、油、气、电、热及其他能源消耗情况。为了比较各地区的能源消费总量和结构，首先根据实物量地区能源平衡表获取分品种能源消费量（实物量），然后通过折标煤系数得到该地区煤、油、气、热以及其他五种分品种能源消费总量。分品种能源的最后一项为“其它能源”，包括回收能和非商品能源，认为部分“其他能源”以可再生能源形式存在。由于缺乏地区能源热值的数据，因此统一采取当年《中国能源统计年鉴》附录中公布的“各种能源折标准煤参考系数”。

（2）计算各地区非化石电力消费量。电力所对应的一次能源量必须追溯到电力生产端。同时为体现区域间电力输送的公平关系，考虑省间电力调入调出关系，根据地区本地的非化石电力生产量以及主要地区之间可再生电力输送关系（主要是风电和水电），核算各地区实际的非化石电力消费量。

（3）根据全国平均的供热及发电的煤、油、气消耗系数，将各地区的热力、火电消耗量转化为煤、油、气三种一次能源消耗量。其中，电力的折标煤计算采用当年火电供电标准煤耗，由于各地的供电煤耗数差距较大，且数据可得，因此分省能源消费量计算中同时给出了按照当地供电煤耗计算的分省能源消费量。对比结果表明:对大部分地区而言，基于当地供电煤耗的总能源消费量更加接近于《中国能源统计年鉴》中公布的当年地区能源消费量，但个别省份偏差更大;使用全国平均供电煤耗的合计总量和公布数据合计量更为接近;两种系数方法对最终结果的测算差别很小，在1‰－2‰左右。

（4）计算能源消费结构及总量。能源消费总量是指对各能源品种能量消费的核算，是指能源的能量消耗总量而不是物量消耗总量，其依据是能量守恒定律，计算单位为标准煤。计算方法是根据地区能源平衡表的标准量表中的合计栏进行计算，由于目前地方能源平衡表为实物量，因此:

根据（1）－（3）的计算结构，可以得到初步的煤、油、气及非化石能源消费量及总量。但由于该计算方法没有考虑地区在能源转化过程中的差异，因此各地区能源消费总量存在一定偏差。为减小该部分偏差，核算得到的能源消费总量初值根据2010年出版的《中国能源统计年鉴2009》中公布的各省能源消费总量进行校正，同时根据校正差和煤油气的消费比例，进一步校正各地区的煤油气消费量。

根据校正后的煤油气以及非化石能源消费量，即可得到各地区的一次能源消费结构及总量数据。根据公式（2），可以进一步测算得到各地区因能源消费引起的CO2排放量。

其中，根据数据调研及专家经验判断，选取煤、油、天然气的碳排放因子分别为 2.64、2.08、1.63t CO2/tce。

1.1.2 其他数据来源

其他数据主要来源于2006－2009年的《中国统计年鉴》、2006－2009年的各省统计年鉴、2006－2009年的《工业经济统计年鉴》、2005－2008年的各省、自治区、直辖市单位GDP能耗等指标公报。计算整理后，可得到各省及全国的能源消费的碳排放因素分析的基本数据。

1.2 分解模型及研究方法

1.2.1 因素分解模型

构建碳排放因素分解模型的目的是分解出碳排放变化的影响因素，并通过计算这些因素的贡献值来分析其影响程度。本研究设定CO2排放总量的变化是由已知的可解释的影响因子造成的。如地区工业单位增加值能耗和地区能源排放因子等。

对于全国CO2排放进行核算，即有

国家碳排放（C）的变化来自于地区能源排放因子、地区工业能耗占总能耗比重倒数、地区工业单位增加值能耗、地区工业比重、人均GDP、地区人口比重以及总人口几个因素的变化，其中i表示某一省份。需要指出的是，由于西藏的能源消费量与碳排放很小，并且基础数据获取有较大难度，因此，本研究中只考虑了除去西藏的其他30个省、市、自治区。

表1 因素分解模型各变量定义

1.2.2 研究方法

Ang等研究表明，LMDI法可以对所有因素进行无残差分解，克服了其他分解方法本身存在残差项难以解释的问题，使模型更具说服力。此后，许多学者都采用了LMDI分解法，该方法同时也广泛应用于各国的官方报告中。LMDI法采用乘法分解的结果具有加法特性;同时，LMDI法采用乘法分解或加法分解，其结果是一致的，且可以互相转化［8－9］。

（1）全国CO2排放因素分解

全国CO2排放分解基本公式见式（3），第t年相对于基年的CO2的变化量可表示为

式中，ΔC为第t年相对于基年的CO2的变化量，单位为万tCO2;Ct、C0分别为第t年、基年的CO2排放量，单位为万 tCO2;△Cθ、△CK、△CI、△CS、△CG、△CR、△CP分别为地区能源排放因子、地区工业能耗占总能耗比重倒数、地区工业单位增加值能耗、地区工业比重、人均GDP、地区人口比重以及总人口几个因素引起的CO2的变化量，单位为万tCO2。

对公式（5）进行LMDI因素分解，

（2）地区CO2排放因素分解

对于第i个地区的CO2排放进行因素分解，其方法与全国CO2排放分解方法类似，即有

（3）影响因素贡献率

各影响因素的贡献率为该因素引起的CO2的变化量与总CO2变化了的比值。

2 数据处理与讨论

2.1 2005－2008年我国各省区碳排放总量以及碳强度

碳强度为单位GDP的CO2排放量。根据所测算的基础数据，可以得到2005年及2008年我国各省碳排放（亿t CO2）以及碳强度（t CO2/万元）汇总情况（见图1）。

图1 2005－2008年我国各省碳排放及碳强度

从图中可以看出，“十一五”计划执行的前三年中，我国各个省份的CO2排放都有不同程度提高，与此同时GDP的高速增长以及节能减排工作的有效开展，各个省份的碳强度都得到有效降低。从2008年我国各省碳强度与碳排放情况的比较看，各省份之间表现出了非常大的差异性:排放最多的省份是山东，最少的省份是海南，碳强度最高的省份是宁夏，最低的是北京。这种差异是由多方面因素造成的。例如海南碳排放很低是因为主要依靠旅游业支撑当地经济;山东虽然排放总量最大，但由于经济体量较大，其碳强度相对较低;山西、内蒙古等能源大省，碳排放总量虽然不是最大，但由于经济总量居中，其碳强度反而较高;宁夏虽然排放量小，但其经济总量更小，其碳强度反而是最高的。

2.2 全国CO2排放量变化的因素分解分析

采用1.1.1中介绍的因素分解模型，计算我国CO2排放量影响因子对CO2排放总量增量的贡献值，从而分析其影响程度。

可以看出，我国的CO2排放总量持续升高，最主要的影响因素是人均GDP的不断上升（贡献率达到200.61%，见表2），也就是由于国民经济的不断发展和需求导致CO2排放总量持续升高。与此同时，工业单位增加值能耗的不断下降，在一定程度上减缓了排放量增加的速率，其贡献率为负，为－109.73。实际上，这两项也正是我国过去以及未来经济发展与CO2控制的关键要素。一方面，虽然随着节能潜力的不断挖掘，未来控制工业单位增加值能耗的难度将不断增大，但在未来一段时期内，节能仍将是我国未来低碳发展的关键环节。另一方面，随着经济的进一步发展，人均GDP水平的进一步提升，我国CO2排放总量的变化趋势仍是进一步提高。

图2 2005－2008年全国CO2排放量变化的因素分解

表2 全国CO2排放量影响因子占总差异的贡献率%

图3 2005－2008年各省CO2排放量变化的因素分解

2.3 各省CO2排放量变化的因素差异

采用1.1.1中介绍的因素分解模型，计算各省CO2排放量影响因子分别对各省CO2排放总量增量的贡献值，从而分析其影响程度。具体计算结果如图2、图3和表3所示。

与全国整体情形类似，大部分地区贡献率最高的影响因子都是人均GDP。但是由于各地基础条件和发展速度不同，其他各个因素表现出较大的差异性。

（1）地区能源排放因子:各地差异很大，北京、上海、湖北、云南四省此项负贡献很大，大幅度地降低了碳排放总量。相反，福建，青海等地区反而间接提高碳排放。这一项基本反映了能源使用种类以及能源输送关系。比如北京、上海主要是使用了大量外输的可再生能源，也就是电力;湖北、云南由于自身能源条件较好，本地能源消费可以较多地依赖非化石能源。

（2）工业能耗比重占总能耗比重倒数:此项数值越大表示工业能耗比重占总能耗比重越小。该因素对北京表现出很强的正贡献率，这主要是因为北京的工业比重很低。北京用能提升主要来源于三产和居民生活消耗。相比之下，青海、宁夏、新疆的该因素表现出较少的贡献率，这主要是由于在西部大开发的背景下，许多工业在这些省份安家落户，使得工业比重保持较高水平。

（3）工业单位增加值能耗:我国“十一五”节能规划的主要目标和手段之一就是要提高工业能效，有效降低工业单位增加值能耗。此项数据也印证了这一点。绝大多数省份表现出了很强的负贡献率，其数值明显地表现出了各个省在工业节能领域的努力。

（4）地区工业比重:此项反映了工业在经济总量中的比重。除了北京（首钢等工业迁出）、上海、黑龙江以外，各地工业均呈现出继续发展的态势。尽管一直推动经济结构改革，但是我国仍还处于发展阶段，在一段时期内，工业仍将是经济结构中的重要组成部分。

表3 各省2005－2008年CO2排放量影响因子占总差异的贡献率（%）

（5）人均GDP:此项反映了各地经济发展的水平。虽然各省发展速度有所区别，但是整体速度都是相当惊人的，其对碳排放总量的贡献也是最大的。在未来的一个阶段，随着产业结构调整，预计这项指标将会放缓，因此可以预期未来我国各省碳排放的增速也会随之放缓。

（6）地区人口比重:此项反映了各地人口迁徙带来的影响。我们看到一些大城市，比如北京、上海和天津，由于人口的迁入导致人口规模扩大。人口的增加势必导致能源消耗的增加和CO2排放量的增加，也就是说该项影响因子对碳排放总量有较大的正贡献率。所以，未来在分析不同地区对全国排放的贡献时，人口迁徙导致的人口比重变化也是需要考虑的因素之一。

3 结论与建议

本文基于能源平衡表，核算我国几个省、市、自治区2005－2008年的能源消费和CO2排放情况。结果显示:“十一五”期间，尽管CO2排放总量仍呈上升态势，但绝大多数省份积极推进各自与中央达成的“十一五”节能协议目标，取得良好成效，CO2排放强度得到有效控制。

采用LMDI方法对我国及各地区的CO2排放进行能源排放因子、地区工业能耗占总能耗比重、地区工业单位增加值能耗、地区工业比重、人均GDP、地区人口比重等多种碳排放影响因素分解分析。研究表明:人均GDP的升高是我国及各省碳排放量增加的主要影响因素，同时工业单位增加值能耗大幅度的下降是我国碳排放控制的最主要努力方向，并取得积极成效。与此同时，由于各地区的发展阶段、经济结构、能源禀赋、人口比重等具体条件不同，其CO2进一步减排所面临的挑战也各不相同。

为确保实现“2020年我国单位GDPCO2排放比2005年下降40－45%”的宏伟目标，未来我国势必将继续推动节能减排行动。国务院《“十二五”控制温室气体排放工作方案》明确公布了各省未来五年单位GDP能源强度和碳强度下降目标。为实现这些目标，各地区要根据其自身发展阶段和特点采取不同侧重的节能减排措施。①发达地区，如北京、上海、广东等少数地区应适当控制能源使用总量，鼓励低碳消费，同时进一步降低工业比重，大力发展服务业，深化产业转型;②落后地区，如宁夏、青海、西藏等经济总量、能源使用总量都不是很大，其经济发展水平决定其还需要较大的发展空间。未来一段时期内，工业比重和CO2排放还将持续增长。不过这些地区的环境资源条件较好，应避免重蹈“先污染，后治理”的覆辙，借鉴其他地区发展经验，从根本上走出低碳发展道路;③对其他发展中地区，代表了我国的基本现状。随着经济的进一步发展，人均GDP水平的进一步提升，CO2排放总量的变化趋势仍是进一步提高。虽然在未来一段时期内，节能仍将是未来低碳发展的关键环节，但是随着节能潜力的不断挖掘，未来控制工业单位增加值能耗的难度将不断增大，经济结构转型仍将是必由之路。

总之，GDP碳强度不仅反映能源转化、运输、分配和利用的综合效益，同时反映能源体系燃料替代导致的CO2减排效益。由于我国各省、地区发展的不均衡性，要实现低碳发展，节约能源，降低温室气体排放强度，必须遵循因地制宜的原则。必须充分考虑各省、地区的能力和潜力、优势和劣势，制定有针对性的发展策略，才能让各省、地区经济稳步发展的同时有效控制CO2排放，从而实现我国的可持续发展。

（编辑:刘照胜）

［1］Greening L A，Davis W B，Schipper L.Decomposition of Aggregate Carbon Intensity for the Manufacturing Sector:Comparison of Declining Trends from 10 OECD Countries for the Period 1971 －1991［J］.Energy Economics，1998，20（1）:43－65.

［2］Davis W B，Sanstad A H，Koomey J G.Contributions of Weather and Fuel Mix to Recent Declines in US Energy and Carbon Intensity［J］.Energy Economics，2003，25（4）:375 －396.

［3］Ferdinand V，Ferdinand D F，Erica S.A Decomposition Analysis of CO2Emissions in the United States［J］.Applied Economics Etters，2010，17（10）:925－931.

［4］ Wang Can，Chen Jining，Zou Ji.Decomposition of Energy-related CO2Emission in China:1957 －2000［J］.Energy，2005，（30）:73－83.

［5］朱勤，彭希哲，陆志明，等.中国能源消费碳排放变化的因素分解及实证分析［J］.资源科学，2009，31（12）:2072 －2079.

［6］王俊松，贺灿飞.能源消费、经济增长与中国CO2排放量变化－基于LMDI方法的分解分析［J］.长江流域资源与环境，2010，19（1）:18－22.

［7］段显明，童正卫.浙江省能源消费碳排放的因素分解—基于LMDI分析方法［J］.北京邮电大学学报:社会科学版，2011，13（4）:68－75.

［8］Ang B W，Zhang F Q，Choi K H.Factorizing Changes in Energy Environmental Indicators through Decomposition［J］.Energy，1998，2（6）:489－495.

［9］Ang B W.Decomposition Analysis for Policymaking in Energy:Which Is the Preferred Method?［J］.Energy Policy，2004，32（9）:1131－1139.