揭俐 王忠 余瑞祥

摘要 厘清能源开采中的碳脱钩问题，对于推动能源绿色开采和能源富集区高质量发展具有重要意义。本文基于广义迪氏指数分解模型和系统动力学模型，分析了能源开采业碳排放的主要驱动因素及脱钩效应，并通过情景模拟，评估了中国能源开采业碳脱钩的潜力，提出了能源绿色开采的政策建议。研究结果表明：①2009—2017年中国能源开采业碳排放呈现出先增后降趋势，2012年达到拐点5.26亿t后开始下降，2017年达3.65亿t。整体来看，产业规模效应对碳排放增长的贡献最大，能源强度效应也有部分贡献;投资效应、能耗效应、碳强度效应、技术效应与碳排放之间呈正相关关系，是主要的碳减排驱动因素。②基于能源-环境-经济的系统动力模型，能有效解释能源开采与碳脱钩效应之间的传导机理;碳强度效应、技术效应和碳排放因子是影响碳脱钩潜力的主要因素。2006—2017年间，中国能源开采业碳排放与GDP增长之间，除2008、2014—2016年表现为强脱钩，2009、2011年表现为扩张性负脱钩外，其余年份均表现为弱脱钩关系。③预计2020—2030年，中国煤炭、石油和天然气开采业碳排放与GDP增长之间，在基准情景下呈现出弱脱钩效应，在规划情景下自2014—2030年间均呈现出强脱钩效应;然而，碳排放与其能源产出之间，2021—2030年在基准情景下呈现扩张连接效应，在规划情景和对比情景下表现出程度不一的衰退脱钩效应。据此，未来中国能源开采业碳脱钩的政策重点，一方面应注重环境政策、税收政策、技术政策等政策变量间的协同作用，着力调整煤炭和石油天然气开采业的投资强度和产出规模，优化能源进口结构，进一步减少能源生产碳排放强度，提升能源绿色生产水平;另一方面，还应着力能源开采业能源消耗结构和能耗强度的调整，革新采掘技术和设备，以进一步降低碳强度，走高质量发展之路。

关键词 能源开采;碳排放;脱钩效应;系统动力

中图分类号 F062.1 文献标识码 A文章编号 1002-2104（2020）07-0047-10

DOI：10.12062/cpre.20200331

能源开采中的碳排放问题，是影响中国能源生产革命和能源经济绿色转型能否有效实现的关键问题。据2018年中国“经济和社会发展统计公报”显示，能源开采业是我国六个最高的能源密集型产业之一。能源开采在提取、运输、精炼能源矿物的过程中，需要消耗大量的能源，由此而产生的碳排放问题加剧了大气污染的风险，进而造成的环境问题和社会问题日益凸显。在我国，以煤炭、石油和天然气为主要代表的能源矿物开采量，在一次性能源生产中占据的比重达90%以上，其所产生的碳排放量在36個工业部门中分别排在第五和第十位，2009—2017年平均年碳排放量约为0.328 3亿t和0.112亿t，能源开采业的碳排放问题日益受到社会各界的广泛关注。

2016年6月，国家发展和改革委员会与能源局联合发布《能源生产和消费革命战略（2016—2030）》，提出要主动控制碳排放，实现能源绿色生产的目标。2017年10月，党的十九大报告确立了“创新、协调、绿色、开放、共享”的发展理念，要求加快建立绿色生产和消费的政策导向，以推进能源生产和消费革命。如何实现能源绿色开采，激励能源开采企业减少碳排放，并协调好与经济、社会、环境等多系统间的关系，日益成为政府和学者们普遍关注的问题。由此而引发的一个重要问题，即如何减少能源开采过程中的碳排放，促进能源生产与碳排放的脱钩效应。因此，必须厘清能源开采中碳排放的关键驱动因素，以解析能源开采工业碳排放变化的影响机理，为政策制定部门寻求能源开采业碳脱钩的可行之策提供一些参考。

1 文献综述

随着绿色发展日益受到国家和社会的重视，能源部门中的碳排放以及碳脱钩问题，也越来越受到政策制定者和学者们的普遍关注。这些研究工作主要围绕能源开采业碳排放的驱动因素、影响机理、效率评价及碳脱钩潜力等展开了探讨，并形成了以下几种观点：①在既定的能源价格、能源需求等条件下，能源开采企业的策略性行为，会导致部门经济的要素错配和诅咒效应，进而引致环境福利水平的扰动[1-2]。②经济水平、环境约束和技术进步与能源工业部门碳生产率的改进之间存在着正向的协同关系[3-4]。③基于波特假说，政府监管有助于改善能源开采业碳强度水平，并对创新投入、技术研发、全要素生产率等起到促进作用[5-6]。④能源产业的绿色发展还受到产业生命周期、政治稳定、产业集聚、产权约束等因素的影响[7]。

从碳排放驱动因素的分解方法来看，现有文献大多从IPAT、STIRPAT、IDA、LMDI和GDIM等模型，来解析人口、经济、技术等方面因素对碳排放的贡献。IPAT模型将环境压力分解为人口因素（P）、富裕因素（A）和技术因素（P）三个方面[8]。屈超等[9]基于IPAT模型估算了中国2030年的CO2排放强度，并提出改善以煤炭为主的能源结构，有助于实现中国2030年的碳减排目标。为了克服IPAT模型仅考虑人口因素、技术因素，与环境库兹涅茨曲线假设存在不一致的问题，Dietz和Rosa提出了改进型的STIRPAT模型，在公式中增加了能源强度、能源结构、投资和工业结构等因素。Liu等[10]采用STIRPAT模型分析了中国碳排放的驱动因素，并估计了中国碳排放峰值的发展趋势。自2000年以来，指数分解法（Index Decomposition Analysis，IDA）逐渐被国际能源署和各国学者所接受，并被用于与能源效率相关的研究之中。IDA法始于Laspeyres提出的拉氏分解算法，主要围绕三个问题推进，即Laspeyres指数算法中的不可分解项、因素水平合成中权重的算法和对数形式选择以及对数赋值等问题。Ang[11]以对数平均权重代替算术平均先后提出了LMDI-I和 LMDI-II两种不同的分解方法，他们之间的区别在于加性和乘性分解方法的不同。国内也不乏基于这些算法的应用研究，如Liu采用LMDI法将中国能源工业部门的碳排放影响因素分解为碳排放系数、能源强度、产业结构、能源结构等。GDIM模型是Vaninsky[12]

于2014年提出的一种新的分解方法，将二氧化碳排放的影响因素分解为GDP、能源消费、人口、碳强度及其他相关指标。该方法将IDA和LMDI分解法推广到相互关联的因素方面，这一做法同时也是对Kaya恒等式的扩展，并将生产总值与能源消费纳入模型计算之中。Shao等[13]采用GDIM方法，对中国采矿业碳排放的主要驱动因素及减排潜力展开了研究，认为产出规模效应是影响中国采矿业碳排放的主要驅动因素，能源消费效应也起到了助推作用，碳强度的下降是实现碳减排的主要措施之一。

从碳减排的驱动机理来看，一些文献从政治、经济、自然、技术、政策等因素方面展开讨论[14-15]。如，Liu等[16]认为人均GDP水平与碳排放之间存在倒U型曲线关系，工业规模与能源强度之间表现出同向变动关系，而能源强度、能源结构与清洁技术对碳强度具有传导效应。Shen等[17]指出碳约束、能源结构、能源价格、产业集聚与能源开采碳强度之间呈现出负相关关系。从外生性因素看，经济增长与政治目标的地区差异是构成能源开采业碳排放区域差异的重要因素[18]。Lin等[19]认为对于能源开采业，工业规模、劳动生产率、能源需求和能源强度是影响碳排放的主要因素。从政策角度看，碳税、碳交易以及环境约束等政策，在对能源开采企业施加成本约束的同时，也会对推动能源开采企业的技术创新产生推动作用，进而促进碳排放的收敛 [20-23]。除此之外，政治约束、能源需求、能源结构、能源利用技术等也会对能源开采中的碳排放产生影响 [24-25]。当缺乏相应的激励机制和约束机制时，能源开采中的碳减排强度会表现出较大的差异 [26]。

从碳脱钩潜力来看，能源开采业碳脱钩潜力受到包括产业结构、能源结构、技术进步、能源贸易等在内的诸多因素的影响。如，Shao等[13]认为产业规模效应是碳排放增加的主要因素，而碳强度降低对碳减排的贡献最大。Xu等[27]指出当能源产业集中度增加时，产业的规模效应和综合生产率水平也会相应得到改进，进而表现出一定的碳减排效应。Wang等[28]运用LMDI模型分析了中国采矿业碳排放驱动因素，认为规模效应是引致采矿业碳排放增长的主要因素，能源强度效应是主要的碳排放因子。在煤炭、非金属开采业，能源结构效应与碳排放呈正相关关系，而在天然气开采业，与碳排放呈负相关关系。Ma等[29]认为在能源开采业碳减排方面，必须通过平衡环境投资和生产调整来实现，并考虑经济和生态目标之间的均衡。短期内，在既定的技术条件下，提高能源利用效率是减少碳排放的有效途径;而长期来看，经济社会能源需求强度和能源结构的调整是影响能源开采碳排放的重要因素[30]。Ma等[31]研究了中国28个工业部门CO2排放间的交互关系，指出包括金属矿产品生产、天然气开采、煤电生产等在内的采掘业是导致全国二氧化碳排放增加的最主要原因，这些都属于能源密集型部门。

综上，这些研究对碳排放的驱动因素、驱动机理和脱钩潜力等方面做了有益的探讨，但对于经济、能源、环境等多方面因素与能源开采碳脱钩潜力之间交互关系的解析尚显不足。基于此，本文试图通过GDIM和系统动力学模型的研究，以期解答以下三个问题：①影响中国能源开采业碳排放变化的主要驱动因素是什么？②中国能源开采业碳排放的趋势和碳脱钩潜力如何？③实现中国能源开采业碳脱钩的主要促进策略有哪些？本文的贡献主要体现在：①基于广义迪氏指数法，将中国能源开采业碳排放变化的影响因素分解为规模效应、能耗效应、投资效应、碳强度效应、能源强度效应、技术效应、产出效应和碳排放因子效应;②运用系统动力模型，模拟2020—2030年间我国能源开采业的碳脱钩效应，以检视我国能源开采业绿色生产潜力及其碳脱钩效应。

2 研究方法与模型设计

2.1 广义迪氏指数分解模型

为了探讨中国能源开采业碳排放的发展趋势和碳减排潜力，本文采用Vaninsky[12]提出的广义迪氏指数分解法（GDIM），将中国能源开采业划分为煤炭、石油和天然气开采业三个部门，动态考察碳排放的驱动因素。依据GDIM方法，能源开采业碳排放的表达式如下：

本文的目标是将影响能源开采业碳排放的驱动因素全部纳入因子分解。为了可读性，我们对式（1）中的变量做如下定义：Z=CO2，X1=GDP，X3=Energy，X5=Invest;X2，X4，X6分别表示相应的碳强度：X2=（CO2/GDP），X4=（CO2/Energy），X6=（CO2/Invest），为了提高解释力，在基本模型中又增加了两个指标：X7=（GDP/Invest），X8=（Energy/GDP）。于是式（1）可转化为：

为了应用GDIM模型，我们将这些方程分为一个因子模型和因子间相互关联的方程，其中包括因子X7和X8：

式（2）中的任何一对因子均可用于式（3）来构造碳排放因子模型，而不改变最终结果。如果我们使用不同的方程来定义X7和X8，最终的结果也不会改变。例如，我们可以假设：

为了应用GDIM，我们对式（2）至式（5）进行变形：

根据式（6），碳排放因子贡献度Z（X）的梯度函数和雅可比矩阵如下：

基于式（7），我们可以将能源开采业碳排放变化的驱动因素分解为八个因素：规模效应（Yi和ΔYi）、能耗效应（Ei和ΔEi）、投资效应（Ii和ΔIi）、碳强度效应（CIi和ΔCIi）、碳排放因子（CEi和ΔCEi）、能源强度效应（EIi和ΔEIi）、技术效应（IIi和ΔIIi）和产出效应（YIi和ΔYIi）。相关指标说明如表1所示。

2.2 碳排放测度方法

借鉴武红等人提出并改进的碳排放量测度算法来进行计算[32-33]，公式为：

式中，i表示煤炭、石油和天然气能源开采部门，C表示能源开采业能源消耗所引起的碳排放总量，E表示能源开采业能源消费总量，Ej表示能源开采业各类能源消耗量，Sj表示j类能源在能源消费总量中所占的比重，Fi表示各类能源消费的碳排放系数，其中Fi的取值参考表2数据，并取其平均值计算，4412表示碳转化为二氧化碳的换算系数。

2.3 碳排放系统动力学模型

能源开采业碳排放系统，是一个复杂的经济—能源—环境系统，它与经济增长、能源强度、能源结构、碳强度、环境约束以及碳减缓因子等因素密切相关，而且这些因素之间也表现出较强的相互依存关系。因此，本文选择SD模型来处理能源开采碳排放系统中多个因素的动态交互关系。

本文采用VENSIM软件进行建模，系统边界界定于国民经济增长—能源需求—能源生产—二氧化碳排放，所提出的SD模型时间步长为1年，从2006—2030年的时间跨度为24年，2006—2016年的数据为实际历史数据，2017—2030年的数据为该模型预测。模型有三个核心组成部分：经济、能源和环境。经济是整个模型的中心，决定能源需求和能源结构，经济增长与除人口外的所有其他因素有关;经济增长带来能源需求，能源需求带来能源开采，能源开采过程产生二氧化碳排放，这是由GDP、能源需求、能源强度、能源生产、碳强度以及碳减缓因子等因素决定的。同时，二氧化碳排放量的上升对经济增长、产业发展和能源开采量造成压力，并限制经济增长或能源开采业的发展。构建的能源开采业碳排放系统动力学模型流图，如图1所示。

2.4 碳排放脱钩效应分析

为了从整体上解析能源开采业碳脱钩效应，本文从两个方面进行，一是能源开采业碳排放与国民生产总值之间的弹性变动，二是能源开采业碳排放与能源开采业工业产出之间的弹性变动。借鉴以弹性变化为依据的脱钩模型来建立能源开采业碳脱钩效应的计算方法[34]。具体公式如下：

式中，DGt、DYt分别表示能源开采业碳排放与国民经济增长、能源开采产出之间的脱钩指数，Eti 、Gti 和Cti 分别表示目标年份能源开采量、国民生产总值和能源开采业能源消耗碳排放量;E0i 、G0和C0i 分别表示起始年份能源开采量、国民生产总值和能源开采业能源消耗碳排放量;δCt表示能源开采业能源消耗碳排放量总量变化，δGt表示国民生产总值总量变化，δYti 表示能源开采业能源产出总量变化，i表示煤炭、石油和天然气开采部门。

Tapio将脱钩状态划分为脱钩、连接与负脱钩等8种状态，具体如表3所示。

由表3可知，强脱钩是实现能源开采绿色生产的最理想状态，此时国民经济或能源开采业工业产出在不断增长，但是能源开采导致的碳排放得到控制。相应的，强负脱钩是最不利状态，表示能源开采业碳排放不断上升，但国民经济或能源开采业工业产出不仅没有得到增长反而出现了下滑。当国民经济或能源开采业工业产出保持持续增长（δG>0或δY>0）时，能源开采碳排放的弹性Dt越小，表明碳脱钩越显著，即脱钩效应越高。

3 数据来源与处理

3.1 数据处理与描述

我们利用R软件对2009—2017年中国能源开采业碳排放驱动因素进行分解，得到八大因素在碳排放增减变化中贡献度的具体分解结果，具体如表4所示。

图2展示了这些因素在碳排放变化中贡献度的变动情况，以及能源开采业整体的碳排放增减变化率。从图形来看，碳排放增减率自2012—2016年显示为负值，说明碳排放量出现了下降。其中，碳强度、能耗强度、投资效应和技术效应的贡献度最大，说明这些因素是实现碳减排的主要驱动因素。另外，在碳排放增减率为正值及出现上升时，产业规模效应对碳排放增长的贡献最大，能源强度效应也起到了部分贡献;投资效应、能耗效应、碳强度效应、技术效应与碳排放之间呈正相关关系。

然后，我们对SD模型进行参数设置。在本文中，一些参数设置，如碳排放系数，直接参考现有的文献。其次，通过对历史数据的回归分析，得到了生产函数中的弹性系数等参数设置，如碳减缓因子。第三，利用VENSIM软件中的表函数确定年增长量表、R&D等几个变量值。第四，用历史数据的平均值估算几个参数，如能源进口增长率、能源开采业能耗强度等。

为了保证数据的完整性和可比性，在全國层面上采用2006—2016年11年的相关数据进行分析。能源生产和能耗总量及构成数据来自《中国能源统计年鉴》;经济数据来自《中国统计年鉴》，其中使用按不变价格计算的国内生产总值指数将2006—2016年按当年价计算的GDP修正为2006年不变价格GDP;能源开采业碳排放数据，依据碳排放量计算公式计算得到。

3.2 数据模拟与检验

将上述变量的模拟值与实际值进行对比发现，误差率除个别年份在15%～20%区间，其他多数年份保持在10%或5%以内（见表5），可以认为模型具有一定可靠性，可以对未来一定时间段内能源开采业碳排放量的变化趋势进行模拟预测。

4 情景模拟与脱钩分析

4.1 情景设定

基于不同经济增长速度、能源结构、能源进口率、能源开采业能耗强度和碳强度等，本文设定了3种不同情景：基准情景、规划情景和对比情景。

基准情景：以2006—2016年能源开采业发展现状，设定2020—2030年中国经济社会及能源开采业相关指标保持在2016年水平。2016年国内生产总值增长率6.7%，全国能源强度0.592 6万t标准煤/亿元，煤炭开采业和石油天然气开采业能耗强度分别为0.037 78t标准煤/t标准煤、0.088 73t标准煤/t标准煤、0.08381t标准煤/t标准煤，碳排放强度0.125 456t/t标准煤，全国煤炭、石油、天然气能源消费比重占66.7%、19.9%和6.7%，2016年煤炭、石油、天然气进口率分别为6.225%、5.55%和5.33%，2017—2030年煤炭、石油和天然气进口率保持在2006—

2016年的平均水平4.5%、4.7%和5.6%。2016年煤炭、石油和天然气开采业投资指数相较于2015年为0.722，2017—2030年设定保持2016年水平。

规划情景：以中国政府官方发布的2020—2030年GDP平均增速5.3%，能源强度降至0.39万t标准煤/亿元，全国煤炭、石油和天然气消费量占能源消费比重分别为48.5%、17.5%和12%等目标为依据，设定国内生产总值单位能耗强度平均值为0.45万t标准煤/亿元，煤炭和石油天然气开采业综合能耗平均下降10%，为0.035 t标准煤/t标准煤、0.079 t标准煤/t标准煤和0.075t标准煤/t

标准煤。2017—2030年煤炭和石油天然气进口率保持2010—2016年平均水平，分别为6.4%、3.0%和5.0%，2017—2030年煤炭、石油和天然气开采业投资指数设定相较于2016年降低5%。

对比情景：通过2010—2016年GDP、能源强度、能源开采业能耗强度的变动趋势设定：全国GDP保持年均增长率6%，全国煤炭、石油天然气能源消费比重占50%、19%和10%，能源强度年均下降5%，至2030年0.5万t标准煤/亿元。煤炭、石油和天然气开采业能耗强度相较于2016年下降5%，为0.037t标准煤/t标准煤、0.084t标准煤/t标准煤、0.079t标准煤/t标准煤，2017—2030年煤炭和石油天然气进口率保持在2016年水平，分别为6.2%、5.0%和6.0%。2017—2030年煤炭、石油和天然气开采业投资指数设定保持在2016年水平。

4.2 不同情景下能源开采业碳排放量预测

通过模拟计算得出，在基准情景、规划情景和对比情景三种模式下，中国能源开采业碳排放量2030年将分别为52001万t、7874万t、13462万t（见图3）。基准情景下能源开采业碳排放量呈现出显著上涨趋势;规划情景和对比情景下，能源开采业碳排放量呈现出平缓下降的趋势，但规划情景下碳排放量下降速度显著快于对比情景。综合分析可知，不同情景下碳排放趋势呈现出一定的差异，在未来几年能源开采业面临着较大的碳减排压力。

4.3 脱钩效应分析

4.3.1 能源开采业碳排放与GDP的脱钩效应

根据式（9）和式（10）计算得到的能源开采业碳脱钩系数的时变趋势（见图4）可知：

在基准情景下，我国能源开采业二氧化碳排放相对于GDP的脱钩指数， 2009年达到峰值后呈现出曲折下降趋势，2016年达最低值后逐渐上升，并呈现出与GDP增长弱脱钩的规律。从结果来看，2014—2016年表现出强脱钩之外，其他年份在扩张性负连接、弱脱钩之间转换。这说明能源开采业对环境的影响在逐渐好转，但自2017年以后，能源开采业碳排放相对于GDP变动的脱钩指数还在增长，说明能源开采业碳排放的增长率快于GDP的增长率，碳减缓压力还在上升。这可能与国家不断加强环境约束和清洁能源利用有关，但能源开采业在提升能源利用效率、降低能耗和碳排放方面的努力，还需要进一步提升。

在规划情景和对比情景下，能源开采业碳排放与GDP增长之间自2014年以后都表现出了强脱钩关系。2007—2013年间，经济快速增长，经济社会中单位GDP能耗较大，能源开采业碳排放与GDP之间表现出弱脱钩和扩张性负连接的关系。随着节能减排政策的实施，能源开采业碳排放量逐渐降低，2014—2030年碳排放开始呈现负增长，从而使得能源开采业碳排放与国家经济增长开始呈现强脱钩关系。总体来看，规划情景下中国能源开采业碳排放与国家经济增长脱钩效应的变动趋势更为快速，说明合理的经济增长目标和碳约束对能源开采业的减碳化措施起到了有力的促进作用;并且，国家制订的能源强度目标和化石能源消费比重下降的目标，以及能源开采业综合能耗水平的下降，对能源开采业碳减排的效果较为明显。

4.3.2 能源开采业碳排放与能源生产的脱钩效应

结合前文模拟数据，经过测算可知（见图5）：

在基准情景下，煤炭开采业碳排放与煤炭生产在2009—2013年间表现出扩张性负脱钩，2014—2016年表现出衰退脱钩，2018—2020年表现出弱脱钩，2021—2030年表现出扩张连接;石油开采业2009、2014—2015年表现出扩张性负脱钩，2013—2019年除2016年衰退脱钩外均表现出强脱钩，而自2017—2030年均表现出扩张连接;天然气开采业2010、2012、2015—2016年表现出强脱钩，2017—2030年表现出扩张连接。说明如果继续保持2016年的GDP增速、能源强度和能源结构等指标，煤炭、石油、天然气开采业未来面临着同样严峻的碳排放与能源生产的脱钩压力，两个产业都需要注重技术升级以降低能耗强度和碳排放水平。

在规划情景下，煤炭开采业2009—2010年、2012—2013年表现出扩张性负脱钩，2011年表现出强脱钩，2014—2030年表现出衰退脱钩;石油开采业2014—2015表现出扩张性负脱钩，2021—2025表现出扩张连接，2026—2027表现出弱脱钩，2028年表现出强脱钩，2029—2030表现出衰退脱钩;而天然气开采业2010、2012、2015—2016、2021年表现出强脱钩，2017—2020表现出扩张连接，2022—2030表现出衰退脱钩。说明规划情景下，煤炭、石油和天然气开采业出现了较为明显的碳脱钩效应，但石油开采业碳脱钩效应并不显著，石油开采业须进一步采取措施以优化其碳减排水平。

在對照情景下，煤炭开采业2018—2030年表现出衰退连接;石油开采业2017—2020年表现出衰退脱钩，2021—2030年表现出衰退连接;而天然气开采业2017—2019年表现出扩张连接，2020年表现出弱脱钩，2021—2028年、2030年表现出衰退脱钩、2029年表现出衰退连接。这说明对照模式下煤炭、石油开采业能源生产面临的碳脱钩压力依然较大，而天然气开采业碳排放与能源生产表现出了强脱钩效应，这可能与对照情景下经济发展目标和环境约束强度有关，全社会能源强度和能源开采业能耗强度的调整目标，对煤炭和石油开采业碳减排的影响作用较小，而随着天然气消费比重的提升，天然气开采业出现了积极的碳减排效应。

5 结论与建议

本文分解了中国能源开采业碳排放变化的八个驱动因素，并结合系统动力学模型，分三种不同情景，预测了2017—2030年中国煤炭、石油和天然气开采业碳排放与GDP增长、能源开采业工业产出的碳脱钩效应，并得出以下结论：

（1）在基准情景下，煤炭、石油和天然气开采业2017—2030年多数年份表现碳排放与能源开采工业产出间的扩张连接、与GDP增长之间的“弱脱钩”效应，能源开采业的产出规模效应和技术效应是推动其碳排放的主要因素。说明在既定的能源需求、能源进口率、投资率、能耗强度和技术水平下，这三个产业都面临着较大的碳减排压力。经济快速增长带来的能源需求进一步扩大，在能源进口率、清洁能源消费结构不做调整时，能源开采业生产规模的扩张，将继续助推能源开采业碳排放量的增长。因此，减少能源生产规模和提升能源生产综合利用率水平将是中国能源开采业实现碳减排的关键。

（2）在规划情景下，煤炭开采业2014—2030年表现出碳排放与能源开采工业产出间的衰退脱钩，石油开采业2026—2027表现出弱脱钩，天然气开采业2022—2030表现出衰退脱钩。整体上，能源开采业碳排放与国民经济增长2014—2030年开始呈现强脱钩关系，表明全社会能源强度和能源结构的目标约束对能源开采业碳排放起到了显著促进作用。说明经济增速下降带来的能源需求放缓和能源进口率的提升，从根本上减少了国内高碳能源生产的产出规模，同时伴随能源生产投资率的下降，能源开采业出现了与经济增长的强脱钩效应。但是，能源开采碳排放与能源工业产出之间的脱钩效应，还有待提升，说明能源开采业技术效应、碳强度效应对碳减排的作用还需加强。

（3）在对比情景下煤炭、石油开采业面临着相对于天然气开采业更为严峻的碳减排压力，进而表明全社会对煤炭和石油需求的比重依然较高，在保持既定进口率的条件下，煤炭开采和石油开采表现出衰退连接特征。说明煤炭和石油开采业产出规模效应对碳排放增长的影响强于天然气开采业，能源开采业碳减排压力出现差异性特征，政策上应加强对煤炭、石油和天然气开采业的碳约束。同时，还应注重清洁能源利用，加强煤炭、石油开采业绿色生产技术的革新，以进一步降低部门的能耗强度和碳强度。

为此，我们从三个方面提出碳脱钩的建议。

一是，注重能源开采业产出规模的调整。能源开采业的产业规模效应对碳排放增长的贡献最大，能耗强度效应的下降并不足以抵消规模效应带来的碳排放增长;另外，能源开采业的投资效应、技术效应和碳强度效应与碳排放之间呈同向变动关系。未来，一方面应着力调整全国能源消费结构，增加清洁能源消费比重，减少高碳能源产出规模，另一方面还应着重通过技术门槛、投资门槛和规模门槛等，对现有能源开采业生产产能进行整合，提升能源开采业整体的规模效率。

二是，强化税收政策、碳交易政策、技术政策、激励政策等政策协同，助推能源开采业降低能耗强度和碳强度，实现能源生产的绿色革命。在能源开采过程中，政府部门应注重引入和运用激励性政策工具，促进能源开采企业采掘工艺和采掘技术的革新，同时对能源開采企业施以适当的税收优惠、碳税调节或碳排放权交易，利用价格机制和市场机制，鼓励应用创新技术，引导能源开采企业降低能源开采中单位产量的碳排放水平。

三是，加强高碳能源的生产替代，优化能源开采业的能源消耗结构。虽然规划情景下2020—2030年中国能源开采业碳排放量呈现出缓慢下降趋势，但煤炭、石油开采业碳排放与能源产出的脱钩指数并未出现显著下降，与GDP增长之间表现出的“弱脱钩”效应也主要源于风能、太阳能等清洁能源的利用，逐步降低了煤炭、石油开采业碳排放与GDP增长的指数变动。在政策上，应进一步降低煤炭和石油的生产强度，注重能源生产替代，减少高碳能源开采所导致的碳排放，实现能源开采碳排放与能源开采工业产出之间的脱钩目标。

（编辑：于 杰）

参考文献

[1]王芃， 武英涛.能源产业市场扭曲与全要素生产率[J]. 经济研究， 2014 （6）：142-155.

[2]WANG D， NIE R， LONG R， et al. Scenario prediction of Chinas coal production capacity based on system dynamics model[J]. Resources， conservation and recycling， 2018， 129（2）： 432-442.

[3]王韶华， 于维洋. 一次能源消费结构变动对碳强度影响的灵敏度分析[J].资源科学， 2013， 35（7）： 1438-1446.

[4]王克强， 武英涛， 刘红梅. 中国能源开采业全要素生产率的测度框架与实证研究[J]. 经济研究， 2013 （6）： 127-140.

[5]徐敏燕， 左和平. 集聚效应下环境规制与产业竞争力关系研究[J]. 中国工业经济， 2013， 300（3）： 72-84.

[6]刘传江， 赵晓梦. “强波特假说”存在产业异质性吗？——基于产业碳密集程度细分的视角[J].中国人口·资源与环境， 2017， 27（6）： 1-9.

[7]劉冰， 孙华臣. 能源消费总量控制政策对产业结构调整的门限效应及现实影响[J]. 中国人口·资源与环境， 2015， 25（11）： 75-81.

[8]YORK R， ROSA E A， DIETZ T. STIRPAT， IPAT and impact： analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological economics， 2003， 46（3）： 351-365.

[9]屈超， 陈甜. 中国2030年碳排放强度减排潜力测算[J]. 中国人口·资源与环境， 2016， 26（7）： 62-69.

[10]LIU D， XIAO B. Can China achieve its carbon emission peaking？ a scenario analysis based on STIRPAT and system dynamics model[J]. Ecological indicators， 2018， 93（10）： 647-657.

[11]ANG B W. LMDI decomposition approach： a guide for implementation[J]. Energy policy， 2015， 86（11）： 233-238.

[12]VANINSKY A. Factorial decomposition of CO2 emissions： a generalized Divisia index approach[J].Energy economics， 2014， 45（9）： 389–400.

[13]SHAO S， LIU J， GENG Y， et al. Uncovering driving factors of carbon emissions from Chinas mining sector[J]. Applied energy， 2016， 166（3）： 220-238.

[14]张翠菊， 张宗益. 能源禀赋与技术进步对中国碳排放强度的空间效应[J]. 中国人口·资源与环境， 2015， 25（9）： 37-43.

[15]JENKINS J D. Political economy constraints on carbon pricing policies： what are the implications for economic efficiency， environmental efficacy， and climate policy design？[J]. Energy policy， 2014， 69（6）： 467-477.

[16]LIU L， FAN Y， WU G， et al. Using LMDI method to analyze the change of Chinas industrial CO2 emissions from final fuel use： an empirical analysis[J]. Energy policy， 2007， 35（11）：5892-5900.

[17]SHEN L， MUDULI K， BARVE A. Developing a sustainable development framework in the context of mining industries： AHP approach[J]. Resource policy， 2015， 46（11）： 15-26.

[18]QI R， LIU T， JIA Q， et al. Simulating the sustainable effect of green mining construction policies on coal mining industry of China[J]. Journal of cleaner production， 2019， 226（7）： 392-406.

[19]LIN B， TAN R. Sustainable development of Chinas energy intensity industries： from the aspect of carbon dioxide emissions reduction[J]. Renewable and sustainable energy reviews， 2017， 77（9）： 386-394.

[20]ZHANG Y， PENG Y， MA C， et al. Can environmental innovation facilitate carbon emissions reduction？ evidence from China[J]. Energy policy， 2017， 100（1）： 18-28.

[21]CHEN J， CHENG S， SONG M， et al. A carbon emissions reduction index： integrating the volume and allocation of regional emissions[J]. Applied energy， 2016， 184（12）： 1154-1164.

[22]赵玉焕， 范静文. 碳税对能源密集型产业国际竞争力影响研究[J]. 中国人口·资源与环境， 2012， 22（6）： 45-51.

[23]LIU Y， LU Y. The Economic impact of different carbon tax revenue recycling schemes in China： a model-based scenario analysis[J]. Applied energy， 2015， 141（3）： 96-105.

[24]LIU J， LIU H， YAO X， et al. Evaluating the sustainability impact on consolidation policy in Chinas coal mining industry： a data envelopment analysis[J]. Journal of cleaner Production， 2016， 112（1）： 2969-2976.

[25]江洪， 趙宝福. 碳排放约束下能源效率与产业结构解构、空间分布及耦合分析[J]. 资源科学， 2015， 37（1）： 0152-0162.

[26]LI H， WU T， ZHAO X， et al. Regional disparities and carbon ‘outsourcing： the political economy of Chinas energy policy[J]. Energy， 2014， 66（3）： 950-958.

[27]XU H， NAKAJIMA K. Did Chinas coal mine regulation positively affect economic growth？[J]. Resource policy， 2016， 50（12）： 160-168.

[28]WANG M， FENG C. Analysis of energy-related CO2 emissions in Chinas mining industry： evidence and policy implications[J]. Resources policy， 2017， 53（12）： 77-87.

[29]MA D， FEI R， YU Y. How government regulation impacts on energy and CO2 emissions performance in Chinas mining industry[J]. Resource policy， 2019， 62（8）： 651-663.

[30]LIU D， XIAO B. Can China achieve its carbon emission peaking？ a scenario analysis based on STIRPAT and system dynamics model[J]. Ecological indicators， 2018， 93（10）： 647-657.

[31]MA N， LI H， WANG Y， et al. Interaction pattern features and driving forces of intersectoral CO2 emissions in China： a network motif analysis[J]. Resources， conservation and recycling， 2019， 149（10）： 391-412.

[32]武紅. 中国省域碳减排： 时空格局、演变机理及政策建议——基于空间计量经济学的理论与方法[J]. 管理世界， 2015 （11）： 3-10.

[33]ZHANG Y， DA Y. The decomposition of energy-related carbon emission and its decoupling with economic growth in China[J]. Renewable and sustainable energy reviews， 2015， 41（1）： 1255-1266.

[34]DONG B， ZHANG M， MU H， et al. Study on decoupling analysis between energy consumption and economic growth in Liaoning Province[J]. Energy policy， 2016， 97（10）： 414-420.

Scenario simulation of carbon decoupling effect of Chinas energy mining industry

JIE Li1，3 WANG Zhong2 YU Rui-xiang1

（1. School of Management and Economics， China University of Geosciences （Wuhan）， Wuhan Hubei 430074， China;

2. School of Public Administration， China University of Geosciences （Wuhan）， Wuhan Hubei 430074， China;

3. School of Arts and Communication， China University of Geosciences （Wuhan）， Wuhan Hubei 430074，China）

Abstract It is of great significance to clarify the problem of carbon decoupling in energy mining to promote green energy mining and high-quality development of energy-rich areas. Based on the generalized Divisia index method and system dynamics model， this paper analyzes the main driving factors and decoupling effects of carbon emissions in energy mining industry， and evaluates the potential of carbon decoupling in Chinas energy mining industry through scenario simulation， and puts forward policy recommendations for green energy mining. The results show that：① Crbon emissions in Chinas energy mining industry increased first and then decreased in 2009-2017. After reaching an inflection point of 526 million ton in 2012， the carbon emissions began to drop to 365 million ton in 2017. Overall， the industry scale effect contributes the most to the growth of carbon emissions， and the energy intensity effect also plays a part; the investment effect， energy consumption effect， carbon intensity effect， technology effect and carbon emission are positively correlated， which are the main drivers of carbon emission reduction. ② The system dynamic model based on energy-environment-economy can effectively explain the conduction mechanism between energy extraction and carbon decoupling effect. Between carbon emissions in Chinas energy mining industry and GDP growth from 2006 to 2017， except for strong decoupling in 2008， 2014-2016， and expansionary negative decoupling in 2009 & 2011， all other years showed weak decoupling. ③ Between carbon emissions in Chinas coal， oil， gas mining industry and GDP growth， it is expected to show a weak decoupling effect from 2020 to 2030 under the baseline scenario and a strong decoupling effect from 2014 to 2030 under the planning scenario; between carbon emissions and their energy output， it is however showed an expansionary connectivity effect under the baseline scenario and a varying degree of recession decoupling effect in the planning and contrast scenarios from 2021 to 2030. Therefore， in the future， the policy focus of carbon decoupling in Chinas energy mining industry should， on the one hand， pay attention to the synergy between policy variables such as environmental policy， tax policy and technical policy， and make great efforts to adjust the investment intensity and output scale of coal and oil and gas mining industry， optimize the structure of energy import， further reduce the intensity of carbon emissions from energy production， and enhance the level of green energy production. On the other hand， efforts should also be made to adjust the structure and intensity of energy consumption in the energy mining industry， and to innovate mining technology and equipment in order to further reduce the carbon intensity and take the road of high quality development.

Key words energy mining; carbon emission; decoupling effect; system dynamics

收稿日期：2019-08-16 修回日期：2020-05-14

作者简介：揭俐，博士生，讲师，主要研究方向为能源经济。E-mail：36836477@qq.com。

通信作者：王忠，博士，副教授，主要研究方向為能源经济与政策。E-mail：11241914@qq.com。

基金项目：国家社会科学基金项目“我国资源富集区矿业权重置的风险传导与规制优化研究”（批准号：13CGL116）;中国地质大学（武汉）繁荣哲学社会科学项目。