能源消費碳排放的影響因素及空間相關(guān)性分析

張仁杰，董會忠，韓沅剛，李 旋

(山東理工大學(xué) 管理學(xué)院，山東 淄博 255012)

氣候變暖是人類共同面對的問題，碳減排、低碳經(jīng)濟已經(jīng)成為世界各國的共識[1]。據(jù)IPCC第四次評估統(tǒng)計指出，全球氣候變暖與燃燒化石燃料有著密切的聯(lián)系。自改革開放以來，我國經(jīng)濟迅猛增長，工業(yè)化和城市化進程不斷加快，對化石能源的需求量也在不斷增大。據(jù)國際能源署統(tǒng)計，在2007年我國碳排放量已經(jīng)超越美國成為第一大二氧化碳排放國，這使得我國在碳減排的國際競爭中處于不利地位[2]。 2009年哥本哈根全球氣候大會前夕，中國政府宣布要在2020年實現(xiàn)碳排放量較2005年的降低40%～45%[3]。自“十一五”起，中國政府相繼出臺了一系列碳減排政策，并取得顯著成效。據(jù)權(quán)威預(yù)測，我國將在2030年達到碳排放峰值，之后將逐漸下降，那么如何在保持經(jīng)濟又好又快增長的同時降低碳排放量，是我國順利完成2020年碳減排目標所面臨的首要任務(wù)。國內(nèi)學(xué)者對碳排放的研究主要集中在以下幾個方面：單因素分析與綜合因素分析[4-7]、基于行業(yè)的碳排放研究[8-10]、基于區(qū)域的碳排放研究[11-13]，除此之外，還包括對碳排放研究模型的探討，常用的方法模型有STIRPAT模型[14-15]、主成分分析法[16]、LMDI分解法[17]、向量誤差修正模型[18]等，多種模型相互結(jié)合為碳排放的研究開辟了新思路。綜上，國內(nèi)外學(xué)者對碳排放進行了大量的研究，但仍存在不足：注重碳排放量的測算卻未分析區(qū)域間碳排放強度的差異性；對影響因素的分析忽視了各因素間的空間關(guān)聯(lián)性。本文采用地理加權(quán)回歸(GWR)、熱點分析及空間分析方法，研究中國省域碳排放強度空間相關(guān)性、碳排放空間紋理特征和各影響因素空間關(guān)聯(lián)性，明確碳排放空間分布格局、定位高排放區(qū)域，對建設(shè)生態(tài)友好型經(jīng)濟、加快新舊動能轉(zhuǎn)化、促進可持續(xù)發(fā)展具有重要的現(xiàn)實意義。

1 研究對象及數(shù)據(jù)來源

本文選取了我國22個省、4個直轄市、4個民族自治區(qū)為研究對象(不含西藏、臺灣省、海南省、香港和澳門特別行政區(qū)數(shù)據(jù))。依據(jù)IPCC提供的碳排放計算方法，選取了8種主要的能源產(chǎn)品(煤炭、原油、焦炭、柴油、煤油、汽油、燃料油、天然氣)。碳排放影響因素指標借助ArcGIS平臺的探索性回歸模型(Exploratory regression)進行選取，通過比較分析，確定模型為城市化率、科技發(fā)展水平、對外開放程度、產(chǎn)業(yè)結(jié)構(gòu)、交通強度，此時校正R2在0.9以上，模型顯著性較高。模型指標含義見表1。以上指標數(shù)據(jù)均來源于《中國工業(yè)統(tǒng)計年鑒(2007—2016)》《中國能源統(tǒng)計年鑒(2007—2016)》《國家溫室氣體排放清單指南》及國家統(tǒng)計局網(wǎng)站。其中，單位GDP能耗缺少2012—2016年數(shù)據(jù)，則根據(jù)2007—2011年數(shù)據(jù)進行線性回歸得到預(yù)測值，采用預(yù)測值進行后續(xù)計算。

表1 碳排放影響指標及含義 Tab.1 Carbon emission impact indicators and implications

指標含義城市化率/%城鎮(zhèn)人口/總?cè)丝诳萍及l(fā)展水平/件專利數(shù)量對外開放程度/ 萬元進口總額+出口總額產(chǎn)業(yè)結(jié)構(gòu)/萬元第二產(chǎn)業(yè)增加值交通強度/輛私人汽車數(shù)量

2 碳排放計算方法

依據(jù)IPCC提供的方法估算碳排放量，其原理是將能源實物量折算成標準煤,再用折算后的標準煤量乘以各類能源的碳排放系數(shù)，最后將結(jié)果相加得到總的碳排放量，計算公式為

(1)

式中：CE表示各類能源的碳排放總量；EPQi表示第i類能源的實物量；SCCi表示第i類能源的折算標準煤系數(shù)；CECi表示第i類能源的碳排放系數(shù)；i表示能源種類數(shù)。折算標準煤系數(shù)和碳排放系數(shù)分別來源于《中國能源統(tǒng)計年鑒(2007—2016)》《國家溫室氣體排放清單指南》，具體數(shù)據(jù)見表2。

表2 各類能源折算標準煤系數(shù)與碳排放系數(shù)Tab.2 Types of energy conversion coefficient to standard coal and carbon emission coefficient

能源種類標煤折算系數(shù)碳排放系數(shù)煤炭/t0.714 30.755 9焦炭/t0.971 40.855 0煤油/t1.471 40.571 4汽油/t1.471 40.553 8燃料油/t1.428 60.618 5天然氣/ Mm312.290 00.448 3柴油/t1.457 00.592 1原油/t1.428 60.585 7

3 實證分析

3.1 碳排放時空特征分析

1)碳排放強度呈波動式增長，碳排放總量與GDP持續(xù)增長。2007—2016年我國能源消費碳排放總量由4 158萬t增加到12 100萬t，增幅為191%，而GDP由279 737億元增長到780 070億元，增幅為179%。碳排放總量與GDP及碳排放強度的變化趨勢如圖1所示。由圖1(a)可以看出2007年碳排放總量與GDP的增幅接近，2008—2009年GDP增加速度稍有變緩，2009—2011年又恢復(fù)原有增加速度。2011年后，碳排放總量與GDP增加速度基本穩(wěn)定，但兩者絕對增量的差值在不斷增大，說明經(jīng)濟增長對于碳排放的影響逐漸增強。碳排放強度是指單位GDP的碳排放量，由圖1(b)可以看出，碳排放強度始終處于波動狀態(tài)。其中，2008—2009年波動幅度最大，碳排放強度由144.48 t/萬元增加到154.06 t/萬元，增幅為6.6%;2011年后，碳排放強度波動幅度減小，但仍處于增長狀態(tài)，這與圖1(a)中碳排放總量與GDP增長方式基本吻合。

(a)碳排放總量與GDP變化趨勢

(b)碳排放強度變化趨勢

2)2007—2016年我國能源消費碳排放量空間分布格局變化明顯。為直觀地觀察碳排放總量的空間分布格局，將碳排放量進行分級處理，具體分級見表3。

表3 碳排放量分級表Tab.3 Carbon emission scale

分類低水平較低水平中等水平較高水平高水平碳排放量/萬t<100100～250251～500501～750>750

為進一步研究中國省域碳排放的空間紋理特征，借助ArcGRS軟件進行渲染，得到主要年份碳排放空間分布格局，如圖2所示。由圖2可以看出，2007年全國大部分地區(qū)處于低排放水平，僅有新疆、重慶、北京、江蘇等省市處于中等排放水平，四川省是唯一一個處于較高排放水平的省份。2009年內(nèi)蒙古、陜西也加入到中等排放水平的行列中，并且廣東省的碳排放量迅速增加，達到較高排放水平。2013年中等排放水平的省份數(shù)量急劇增加，接近總數(shù)的1/3。值得注意的是：該時間段內(nèi)進入中等或較高排放水平的省份多為沿海地區(qū)，同時四川省成為唯一一個達到高排放水平的省份。2016年高排放水平地區(qū)又增加了北京、江蘇、新疆、廣東，較高排放水平地區(qū)新增陜西、重慶、河南、山東等省份。整體上看，全國有一半以上的地區(qū)碳排放量超過中等排放水平，較高和高排放水平省市主要分布在沿海和西北地區(qū)，而較低排放水平的區(qū)域主要集中在華南地區(qū)。整體上，2007—2016年間我國能源消費碳排放呈明顯遞增態(tài)勢，可以看出高排放水平區(qū)域多為工業(yè)、旅游業(yè)大省。近十幾年來，我國城鎮(zhèn)化發(fā)展迅速，各省市工業(yè)企業(yè)相繼取得重大發(fā)展，但在發(fā)展過程中忽視或缺乏對碳排放的關(guān)注與治理，造成經(jīng)濟增長與碳排放的關(guān)聯(lián)程度越來越高。

3.2 碳排放空間相關(guān)性分析

對2007—2016年能源消費碳排放進行空間自相關(guān)檢驗，發(fā)現(xiàn)研究期內(nèi)Moran′s I指數(shù)始終為負，但P值和Z值并不顯著，說明碳排放具有較弱的空間自相關(guān)性。為直觀反映碳排放是否具有明顯的高值或低值集聚，借助ArcGIS中的熱點分析工具進行分析，結(jié)果如圖3所示。

圖2 主要年份碳排放空間分布特征

圖3 碳排放熱點分析

由圖3可以得出，2007年碳排放具有明顯的熱點(高值集聚)，主要包括青海省和甘肅省，但并沒有明顯的冷點(低值集聚)。2012年碳排放熱點集聚程度下降，但仍位于甘肅省附近，2016年后不再有熱點。2007—2016年我國能源消費碳排放量不斷增加，不同地區(qū)間的碳排放差距逐漸縮小。這與圖2反映的變化規(guī)律基本一致：由2007年的單個高排放水平區(qū)域，轉(zhuǎn)變到多個高排放水平區(qū)域，中等、較高排放水平區(qū)域覆蓋了大部分地區(qū)，區(qū)域間差距變小，所以不再有熱點區(qū)域。

3.3 碳排放影響因素的空間相關(guān)性分析

3.3.1 碳排放影響因素的OLS回歸分析

采用普通最小二乘法(OLS)對我國碳排放的影響因素做進一步分析，嘗試探尋影響碳排放的關(guān)鍵，結(jié)果見表4。從結(jié)果中可以看出校正R2大于0.9，說明模型可以解釋90%以上的信息，模型擬合度高，碳排放影響因子的OLS回歸結(jié)果較為理想。具有顯著性(P<0.05)的變量主要包括城市化率、對外開放程度、產(chǎn)業(yè)結(jié)構(gòu)、交通強度、科技發(fā)展水平。其中，城市化率、產(chǎn)業(yè)結(jié)構(gòu)與碳排放呈負相關(guān)趨勢，即城市化率、產(chǎn)業(yè)結(jié)構(gòu)值越高，碳排放量越低。多數(shù)學(xué)者認為城市化率升高，城鄉(xiāng)人口結(jié)構(gòu)變動，居民消費和生產(chǎn)水平提高會引起碳排放量的增加。但本文認為城市化水平提高，促進產(chǎn)業(yè)結(jié)構(gòu)更加合理，資源利用效率提高，企業(yè)向著清潔化方向發(fā)展，人口高度集中帶來的規(guī)模效應(yīng)，能夠降低人均碳排放量，對減少碳排放起促進作用。對外開放程度、交通強度、科技發(fā)展水平與碳排放呈正相關(guān)趨勢。提升對外開放程度吸引大量國外企業(yè)在我國投資建廠，從而造成國內(nèi)企業(yè)數(shù)量激增，引起碳排放量的增加。同樣，交通強度的增加提高了對能源的消耗，同樣會造成碳排放量的增加。另外，由回歸系數(shù)結(jié)果可以得出，科技進步對碳排放起促進作用，這可能是由科技研發(fā)的長期性、復(fù)雜性引起的。

表4 OLS回歸結(jié)果Tab.4 OLS regression results

項目相關(guān)性概率穩(wěn)健性概率城市化率-0.01?0.01?對外開放程度+0.01?0.01?產(chǎn)業(yè)結(jié)構(gòu)-0.03?0.02?交通強度+0.01?0.01?科技發(fā)展水平+0.03?0.03?Koenker統(tǒng)計量0.001 503校正R20.949Jarque-Bera統(tǒng)計量<0.01

3.3.2 碳排放影響因素的GWR回歸分析

從OLS模型回歸結(jié)果可以看出，Jarque-Bera統(tǒng)計量具有統(tǒng)計學(xué)上的顯著性，說明模型殘差沒有正態(tài)分布，并且Moran′s I指數(shù)大于0.2，P值、Z值均顯著，說明殘差項存在著明顯的空間自相關(guān)性。地理加權(quán)回歸模型針對不同空間單元賦予不同權(quán)重，能夠解決空間位置對于回歸結(jié)果的影響。本文對具有顯著性的5個影響因素分別進行地理加權(quán)回歸，如圖4—圖8所示，并對結(jié)果進行分析。

1)城市化率與碳排放呈明顯正相關(guān)趨勢，個別地區(qū)呈負相關(guān)趨勢。由圖4可以得出：2007年廣西、廣東的城市化與碳排放空間相關(guān)性最高，并逐漸向北遞減。到2016年，廣西、廣東兩省的相關(guān)性逐漸減弱，青海、甘肅、山西等省份相關(guān)性有所上升，并且呈負相關(guān)的省份逐漸增多。結(jié)合現(xiàn)有學(xué)者的研究結(jié)論，可以得出：2007—2016年我國城市化率迅速提高，當城市化達到一定水平時，會對碳排放起到一定的抑制作用。

圖4 城市化率與碳排放的空間相關(guān)性分析

2)對外開放程度與碳排放呈正相關(guān)趨勢。由圖5得出：2007年相關(guān)系數(shù)以新疆、福建為中心向內(nèi)陸擴散，并且相關(guān)性逐漸降低。2012年高相關(guān)性區(qū)域擴大，廣東、廣西、貴州等省份相關(guān)性系數(shù)升高，說明進出口總額增加對碳排放量的影響程度提升。整體上看，形成以南方地區(qū)和新疆為中心向東北方向擴散的趨勢。2017年高相關(guān)性區(qū)域分布分散，形成以新疆、黑龍江和內(nèi)蒙古、廣東和廣西為中心向內(nèi)陸擴散的趨勢。

3)產(chǎn)業(yè)結(jié)構(gòu)與碳排放呈明顯正相關(guān)趨勢。由圖6可以得出：2007年高相關(guān)性系數(shù)區(qū)域位于新疆、福建、湖南和江西，并以此區(qū)域為中心向周圍擴散。2012年高相關(guān)性區(qū)域向西部擴大，包括云南、廣西等省份，這些省份第二產(chǎn)業(yè)增加值對碳排放總量的影響程度提高。2016年高相關(guān)性區(qū)域有所減小，但減少幅度偏小，整體上形成由西南向東北方向相關(guān)性逐漸降低的趨勢。

4)交通強度與碳排放呈明顯正相關(guān)關(guān)系。整體上，私人汽車擁有量與第二產(chǎn)業(yè)增加值變化趨勢類似，呈現(xiàn)出由西南向東北方向逐漸遞減的趨勢。2007—2016年西南地區(qū)相關(guān)性系數(shù)逐漸升高，說明私人汽車擁有量對碳排放量的影響程度增加。

5)科技發(fā)展水平與碳排放呈正相關(guān)關(guān)系。由圖8可以得出：2007年以新疆、福建和江西為高相關(guān)性中心向內(nèi)陸和東北地區(qū)擴散。2012年高相關(guān)性區(qū)域大量增加，但總體趨勢仍為西南高東北低，2016年與2012年相比，高相關(guān)性區(qū)域縮小，說明科技水平對碳排放的影響程度減弱。

圖5 對外開放程度與碳排放的相關(guān)性分析

圖6 產(chǎn)業(yè)結(jié)構(gòu)與碳排放的空間相關(guān)性

圖7 交通強度與碳排放的空間相關(guān)性

圖8 科技發(fā)展水平與碳排放的空間相關(guān)性

4 結(jié)論

1)時間上，2007—2010年，碳排放總量與GDP增幅接近，碳排放強度波動大，但實際增幅較?。?011年起，碳排放總量與GDP增幅差距逐漸擴大，碳排放強度波動趨于穩(wěn)定，但增長速度明顯升高?？臻g上，我國能源消費碳排放空間異質(zhì)性逐漸降低，較高排放水平的省市數(shù)量不斷增加，由最初的 “錐形結(jié)構(gòu)”(低排放水平省市數(shù)量多，高排放水平省市數(shù)量少)發(fā)展到多個高排放水平區(qū)域齊頭并進的空間分布格局。

2)我國能源消費碳排放具有較弱的空間自相關(guān)性，通過熱點分析發(fā)現(xiàn)，2007—2016年熱點效應(yīng)逐漸消失，原因是全國各省市的碳排放水平均有所升高，區(qū)域間碳排放水平差距不斷縮小。

3)采用最小二乘法對碳排放影響因素進行分析，并選出主要的因子，包括城市化率、產(chǎn)業(yè)結(jié)構(gòu)、對外開放程度、科技發(fā)展水平、交通強度。其中，城市化率和產(chǎn)業(yè)結(jié)構(gòu)對碳排放具有抑制作用，本文認為當城市化率達到一定水平時，人口、企業(yè)等高度集中有利于發(fā)揮規(guī)模效應(yīng)，降低人均碳排放量，同時，企業(yè)向清潔化方向發(fā)展也能降低碳排放量。對外開放程度、科技發(fā)展水平、交通強度對碳排放具有促進作用。

4)結(jié)合ArcGIS平臺中的地理加權(quán)回歸模型(GWR)，對選出的主要影響因素進行空間相關(guān)性分析，得出：城市化率與碳排放呈正相關(guān)關(guān)系，個別地區(qū)呈負相關(guān)。對外開放程度與碳排放呈正相關(guān)關(guān)系，相關(guān)系數(shù)由西北、東北和南部向內(nèi)陸遞減。產(chǎn)業(yè)結(jié)構(gòu)與碳排放呈正相關(guān)關(guān)系，高相關(guān)性區(qū)域數(shù)量呈倒“U”型變化。交通強度、科技發(fā)展水平均與碳排放呈正相關(guān)關(guān)系，相關(guān)性由西南地區(qū)向東北地區(qū)逐漸降低。