摘要：长三角作为引领中国经济高质量发展的重要区域，其能源消耗碳排放引人关注。本文研究发现长三角地区2005—2019年三大产业能源消费碳排放量逐年增长，经济产出、产业结构、能源强度以及能源结构等都与碳排放变化相关。今天小编给大家找来了《能源消费碳排放论文(精选3篇)》，欢迎大家借鉴与参考，希望对大家有所帮助！
能源消费碳排放论文 篇1：
陕西省能源消费碳排放及影响因素分析
摘要：研究陕西省能源消费碳排放对陕西省减少碳排放、发展低碳经济有重要意义。本文基于Kaya恒等扩展式和LMDI因素分解模型，应用LMDI分解方法对能源消费碳排放进行因素分解。定量分析陕西省2000～2011年人口、人均GDP、能源消费结构、能源消费强度、产业结构等5方面的因素对能源消费碳排放的贡献大小。结果表明：人均GDP增长是陕西省碳排放量增加最大的因素，其次是能源消费强度；人口效应和能源消费结构对碳排放量的增加有较微弱的拉动作用；产业结构效应对陕西省碳排放量增加产生负作用；产业结构和能源消费结构需要进一步调整与优化以抑制碳排放量增长。
关键词：陕西省；碳排放；能源消费；LMDI；影响因素
Key words Shaanxi Province； Carbon emission； Energy consumption； LMDI； Influencing factor
由于温室气体过量排放造成全球气温升高一直是人们关注的热点问题。为了应对这一日趋严重的环境问题，中国向世界承诺2020年单位GDP二氧化碳排放量将比2005年下降40%～45%的减排目标，且在“十二五”规划中明确提出要“降低温室气体排放强度”、“单位国内生产总值二氧化碳排放降低17%”。为了响应国家的减排政策，陕西省也在“十二五”规划纲要中提到2015年“全省万元生产总值能耗下降到0.95吨标准煤（按2005年价格计算），比2010年的1.129吨标准煤下降16%”，确保实现“十二五”节能减排约束性目标。要实现这一目标，必须因地制宜，深入分析了解陕西省能源消费碳排放的主要影响因素，提出针对性强并切实有效的减排策略。
目前陕西省在能源消费碳排放方面的研究主要有：马蓓蓓等（2010）从经济总量、产业结构、消费特征、能源消费结构和利用效率等方面对影响陕西省碳排放变化的主要因素进行分析并提出了低碳化发展的建议[7]；邵峰祥等（2012）研究指出技术进步使碳排放减少，经济发展水平、能源消费强度、产业结构、工业结构重型化和制度因素使碳排放增加[8]；杜笑典等（2011）分析了陕西省碳排放的现状，探讨了能源消费结构和产业结构变动对碳排放量的影响，并通过卡亚公式对2009～2020年能源碳排放量趋势进行了预测[9]；吴文洁等（2011）通过分析 1995～2009 年陕西省三大产业能源消费碳排放总量及六大部门碳排放变化情况，以及该段时间内产业结构、经济规模与能源消费结构三大因素对能源消费碳排放的影响，从中发现，经济规模效应、产业结构效应是正向决定性因素，能源消费结构效应是负向决定性因素[10]。上述研究基本都测算了不同时间尺度的陕西省碳排放总量，并选取对碳排放有影响的指标利用统计学的方法通过计算表示出各种指标对碳排放量影响的程度大小，但是并没有量化各因素对碳排放的增加值。鉴于此，本研究测算了陕西省2000～2011年的能源消费碳排放量，并利用LMDI分解方法对能源消费碳排放进行因素分解，定性和定量地描述了各因素对碳排放总量的影响。
1 陕西省能源利用现状
陕西省是能源大省，其能源消费主要为煤炭、石油、天然气以及水电。据《陕西统计年鉴》，煤炭、石油、天然气、电力分别占能源消费总量的71.3%、23.3%、3.1%、2.3%。2011年的能源消费总量为10 128.41万吨标准煤（当量值），其中，煤炭、石油、天然气、电力分别占能源消费总量的74.66%、16.06%、8.21%、1.07%。陕西省2000～2011年能源消费总量保持年均13.09%的增长之势。因陕西省煤炭资源丰富，煤炭储量居全国第四，2000～2011年间煤炭占陕西省能源消费的比例一直保持在70%左右，石油消费比例略有下降，天然气的消费比例有所上升，电力消费比例一直在1%～3%之间。可见，目前乃至今后的很长时间里煤炭仍将是陕西省能源消费的主体，由煤炭消费带来的碳排放量增加的局势在短期内亦不会改变。因此，将能源消费的碳排放进行因素分解研究对减少陕西省碳排放有至关重要的作用。
2 研究方法
2.1 基于扩展的Kaya恒等式
Kaya恒等式由日本教授Yoichi Kaya于IPCC的一次研讨会上首次提出，Kaya恒等式建立起经济、政策和人口等因素与人类活动产生CO2之间的联系[1]。
式中： C、E、G和P分别为CO2、Energy、GDP、People的英文首字母，分别代表CO2排放量、一次能源消费总量、国内生产总值以及国内人口总量。
该恒等式结构简单，易于操作，但因其考察的变量数目有限，所能得到的研究结果基本仅限于CO2排放与能源、经济及人口在宏观上的量化关系[1]。因此本文借鉴了朱勤等[1]的扩展恒等式，其恒等式将能够代表产业结构、能源消费结构及能源效率的变量引入Kaya恒等式对其进行了扩展，扩展后的恒等式能更全面地分析碳排放的影响因素。扩展后的Kaya恒等式为：
式中：P代表人口，fij代表第i产业第j种能源的碳排放系数，eij代表第i产业第j种能源的消费比例，mi代表第i产业的能源消费强度，ni代表第i产业的GDP比例，g代表人均GDP。 故本文就碳排放系数、人口、人均GDP、产业结构、能源消费结构及能源消费强度六个因素对陕西省能源消费碳排放的影响进行分析。
2.2 LMDI因素分解法
对数平均迪氏分解（Logarithmic Mean Divisia Index， LMDI）因素分解法分为“乘法分解”和“加法分解”两种。因为两种分解方法最终表达的意思一致，所以本文选用LMDI“加法分解”方法。表述如下：
式中：△Ctot是基期C0与第T期CT之间的能源消费碳排放量之差，也就是基期与T期间的能源消费碳排放量增量。△Cp、△Cf、△Ce、△Cm、△Cn、△Cg分别表示能源消费碳排放中的人口效应、碳排放系数效应、能源消费结构效应、能源消费强度效应、产业结构效应和人均GDP效应。由于各能源碳排放系数基本保持不变，因此碳排放系数效应△Cf=0[2]。
3 数据来源与处理
碳排放主要产生于三大产业的能源消费，因此本文着重计算农业、工业和建筑业、交通运输业、仓储及邮电通讯业、批发和零售贸易业以及餐饮业的能源消费产生的碳排放，不考虑生活消费等的碳排放。能源消费数据来源于《中国能源统计年鉴》中陕西省能源平衡表中的终端能源消费量（除去用于加工转换二次能源消费量和损失量以后的能源数量）；人口、GDP、产业结构数据来源于《陕西省统计年鉴》，其中GDP以2000年的不变价格计算。最后汇总各方数据并整理计算得到能源消费强度和能源消费结构数据。
3.1 陕西省终端能源消费碳排放量
陕西省碳排放量计算根据IPCC碳排放计算指南和《2011年省级温室气体清单编制指南》，结合本文的研究内容采用以下公式计算：
式中：Ctot表示碳排放总量，Eij表示第i产业第j种能源的消费量，rij表示第i产业第j种能源的标准煤折算系数，fij表示第i种产业第j种能源的碳排放系数。
根据陕西省能源消费特征，选取化石能源为主的能源品种进行分析，各种能源的碳排放系数及标准煤折算系数见表1。其中标准煤折算系数来源于《中国能源统计年鉴》，碳排放系数采用IPCC碳排放计算指南缺省值。经整理计算得到陕西省2000～2011各年间的终端能源消费总量和能源消费产生的碳排放量（表2）、各能源消费量比例（表3）及各能源消费碳排放量比例（表4）。
3.2 陕西省碳排放LMDI分解
本文以2000年为基期，运用上述LMDI因素分解模型对陕西省2000～2011年的碳排放量进行因素分解，得到历年人口、人均GDP、产业结构、能源消费结构、能源消费强度对陕西省碳排放的逐年效应（表 5）及累积效应（表6），同时计算得到各因素的逐年贡献度（图1）和累积贡献度（图2）。
4 结果与分析
4.1 陕西省2000～2011年能源消费及其碳排放
陕西省2000～2011年间的终端能源消费总量和碳排放总量整体呈增长趋势（见表2）。其中，原煤占陕西省能源消费比例最高，其次是焦炭，这两种能源的年均消费比例之和在75%以上；其他各项能源消耗随年份不同消费比例排名有所变化（见表3）。2000～2011年能源消费比例之和由大到小排序为：原煤>焦炭>柴油>洗精煤>汽油>燃料油>原油>煤油>天然气>液化石油气。其中，原油、柴油、天然气的消费呈现增长趋势；洗精煤、汽油、煤油、燃料油的消费比例呈现下降趋势。
原煤在各年中的消费比例均达到了55%以上，2006年消费比例最高，为74.1%，消费呈现先增长后降低的趋势。洗精煤的消耗比例从2000年开始逐步上升至2005年达到最高消费比例12.7%后开始下降，2008年以后消费比例开始稳定在1.0%～1.3%。焦炭的年均消费比例为12.1%，是除原煤外的第二大能源消耗种类。原油的消费比例在2000～2007年间平均为0.4%，2007年以后有所上升，2008～2011年平均消费比例达到2.3%。汽油的最大消费比例出现在2000年为8.4%，最小消费比例为2008年的2.6%，2009～2011年消费比例稳定在4%左右。煤油的消费比例出现两个不同的阶段，2000～2006年年均消费比例为1.6%，2007～2011年均消费比例仅为0.2%，后5年比前6年的消费比例下降了1.4个百分点。柴油消费比例同样呈现两个阶段，2000～2007年年均消费比例为8.1%，2008～2011年年均消费比例为12.2%。燃料油在2000～2004年有明显的消耗，2005年以后消费量趋于0。液化石油气消费是陕西省2000～2011年间消费量最少的能源品种。天然气作为清洁能源，消费比例逐年上升，最后稳定在1%左右。
各能源消耗产生的碳排放情况见表4：原煤因在消费量上占绝对优势，带来的碳排放量最高，其次是焦炭；2000～2011年各能源消费碳排放比例之和由大到小排序为：原煤>焦炭>柴油>天然气>汽油>洗精煤>燃料油>煤油>原油>液化石油气。总体来说某种能源消费量越大，碳排放量相应越大，但也存在能源消费量与碳排放量排名不一致的情况，如天然气、洗精煤等，这可能是在计算能源消费碳排放时受到标准煤折算系数和碳排放系数的影响。
4.2 陕西省2000～2011年碳排放的LMDI分解
从表5看出，人口效应除2010年为负值外，其余都为正值，整体绝对值偏低且稳定，出现负值的原因是陕西省的人口自2000年以来一直上升但到2010年人口自然增长率却比上年下降0.28个千分点，人口减少37万人，因此2010年碳排放的人口效应有所下降；就整体而言，人口变化对碳排放量增长有微弱的拉动作用。人均GDP的效应全部为正值且绝对值逐年增大。产业结构对碳排放逐年的影响主要分为两个阶段，一是2007年以前逐年效应多数为正值，产业结构效应表现为拉动碳排放量增长；二是2007年及以后全为负值，产业结构效应对碳排放量的作用由拉动转变为抑制。能源消费结构逐年效应波动明显，2001、2003、2005、2006、2009年为正值，其余年份为负值；能源消费强度逐年效应总体趋势是每年递减。
从表6可看出，以2000年为基期，到2011年陕西省的碳排放量增加了2 485.2058万吨。人口、人均GDP、能源消费结构、能源消费强度对碳排放量增加产生正影响，产业结构产生负影响，对陕西省2000～2011年间的碳排放累积效应分别为32.3080、1 431.5930、19.9395、1 104.8812和-103.516万吨。可见，人均GDP是产生碳排放的最大因素，其次是能源消费强度、人口和能源消费结构；产业结构是唯一有抑制碳排放量增长效应的因素。
从图1可以看出，人口效应对碳排放的逐年贡献度都比较低；人均GDP的贡献度前两年并不明显，2003年以后逐渐增大；产业结构的逐年贡献度也普遍较低，较为明显的是2009年的贡献度为-21.8%，是产业结构逐年效应绝对值最大的年份，究其原因是相比上年在这一年第二产业GDP比例有所下降，第三产业GDP比例有所增加，而第二产业的主要代表行业工业一直是能源利用产生碳排放的大部门，因此第二产业GDP比例波动对碳排放量有较明显的影响；能源消费结构的逐年贡献度有明显的波动；能源消费强度效应的逐年贡献度变化明显，前两年的贡献度都达到80%以上，之后虽有所下降，但绝对值普遍偏大，最后稳定在20%水平。
从各因素的累积贡献度（图2）可以看出，人均GDP的累积贡献度高达53.17%，占整个碳排放增量的1/2以上；其次分别为能源消费强度41.04%，产业结构-3.85%，人口效应1.2%和能源消费结构0.74%。其中人均GDP增长和能源消费强度的累积贡献度之和达到94.21%，说明人均GDP和能源消费强度变化是拉动碳排放量增长的最主要因素。
5 结论与讨论
本文对《中国能源统计年鉴》中陕西能源消费量进行了收集和整理，计算了陕西省2000～2011年的碳排放量，并利用LMDI因素分解模型将其分解并分析了人口、人均GDP、产业结构、能源消费结构、能源消费强度对陕西省碳排放增长的影响。总体上，人口、人均GDP、能源消费结构、能源消费强度对碳排放量增加产生正影响，产业结构产生负影响。不管是从累积效应还是从累积贡献度来看，人均GDP和能源消费强度都是拉动碳排放量增长的最主要因素，因此陕西省的碳减排工作应该多关注这两个领域。产业结构是唯一有负影响的因素，应该继续优化产业结构进一步减少碳排放量的增加。虽然人口和能源消费结构对碳排放量产生正影响，但作用比较微弱，今后仍需进一步控制人口数量的增加使其对碳排放的增量影响始终保持在一个较低的水平；而对能源消费结构应实施调整和优化并最终使其对碳排放量的影响转变为负值。
各因素的逐年效应变化显示，人口变化对碳排放量增长有微弱的拉动作用；人均GDP除2001和2002年的正影响微弱外，后面贡献度都逐年上升，说明经济增长的同时伴随着大量的碳排放，陕西仍是以高碳排放的方式来拉动经济增长；产业结构总体上在2007年以后趋于合理，应当继续保持并寻求更加优秀的产业结构布局以达到增强产业结构对碳排放抑制能力的目的。能源消费结构逐年效应正负波动明显，但其累积效应增量为19.9395万吨，说明在这11年里能源消费结构使碳排放量增加；2003和2006年陕西省能源消费总量较前年有所下降，但能源消费结构效应增量在这两年却为正值，说明陕西省的能源消费结构不够优化，碳排放系数较高的化石能源品种使用量大；而2010、2011年能源消费总量明显上升，能源消费结构效应增量却为负值，说明碳排放系数较低的天然气等能源品种使用量增大，所以陕西省应积极调整能源消费结构提高高效且低碳排放的能源品种的使用比例，进一步优化能源消费结构；能源消费强度逐年效应总体趋势是每年递减，最后两年稳定在20%左右，碳排放增量为70万～80万吨之间，其中比较突出的是2003和2006年，逐年贡献度分别达到-70.1%和-51.44%且是唯一能源消费强度产生负影响的两年，也是这两年中对碳排放量增长起主要抑制作用的因素，这是因为这两年的碳排放强度是陕西省2001～2011年间的最低水平，由此可见碳排放强度下降对碳排放量增长有较强的抑制作用，应该深入分析陕西省2003年和2006年碳排放强度下降的原因并加以利用从而抑制不断增加的碳排放。
本文的不足之处：（1）本文在测算能源消费碳排放量时，选取的能源品种虽然有代表性但是却未涵盖所有的能源品种，因此计算的碳排放量可能比实际的碳排放量偏低。（2）利用人口、人均GDP、产业结构、能源消费结构、能源消费强度作为分解碳排放的因素还不够细化，未来应该以此为基础更加深入分析，寻求更多具有代表性的因素并引入模型中，将碳排放分解为更小的部分，以期更有利于科学合理地实施碳减排工作以实现经济发展与环境保护的双赢。
参 考 文 献：
[1]朱勤，彭希哲，陆表明等. 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）：2072-2078.
[2]宋杰鲲.基于 LMDI 的山东省能源消费碳排放因素分解[J].资源科学，2012，34（1）：35-41.
[3]史安娜，李淼.基于LMDI的南京市工业经济能源消费碳排放实证分析[J].资源科学，2011，33（10）：1890-1896.
[4]Ang B W.The LMDI approach to decomposition analysis—a practical guide[J]. Energy Policy， 2005， 33： 867-871.
[5]郭朝先.中国碳排放因素分解：基于LMDI分解技术[J].中国人口·资源与环境，2010，20（12）：4-9.
[6]刘燕娜，洪燕真，余建辉. 福建省碳排放的因素分解实证研究[J].技术经济，2010，29（8）：58-61.
[7]马蓓蓓，鲁春霞，张雷，等.新形势下西北地区碳排放及低碳化发展研究——以陕西省为例[J].资源科学，2010，32（2）：223-229.
[8]邵锋祥，屈小娥，席瑶.陕西省碳排放环境库兹涅茨曲线及影响因素——基于1978-2008年的实证分析[J].干旱区资源与环境，2012（8）：37-43.
[9]杜笑典，戴尔阜，付华.陕西省能源消费碳排放分析及预测[J].首都师范大学学报：自然科学版，2011（5）：46-51.
[10]吴文洁，王小妮.陕西省能源消费碳排放分析[J].商业经济，2011（21）：18-19，38.
作者：韩红珠 王小辉 马高
能源消费碳排放论文 篇2：
基于LMDI模型的长三角城市能源消费碳排放影响因素分解研究
摘 要：长三角作为引领中国经济高质量发展的重要区域，其能源消耗碳排放引人关注。本文研究发现长三角地区2005—2019年三大产业能源消费碳排放量逐年增长，经济产出、产业结构、能源强度以及能源结构等都与碳排放变化相关。本文建议不断研发推广清洁能源技术，加大可再生能源消费比重，大力发展数字经济和平台经济，优化产业结构，并结合地区碳排放量，采取差异化碳减排措施，引导全民树立零废低碳生活风尚。
关键词：长三角;能源消费;碳排放;影响因素;LMDI
本文索引：刘芳，江海涛.基于LMDI模型的长三角城市能源消费碳排放影响因素分解研究[J].商展经济，2022（07）：-132.
技术的发展不仅带来经济的高速增长，还导致碳排放增加，催生全球气候风险。减少能源消耗碳排放已经成为国际政治、经济、环境等领域关注的焦点。人类对保护环境的认识越来越深刻，中国作为最大的发展中国家在能源消费结构调整及碳减排方面肩负重要责任。长三角地区拥有中国经济结构最完整最活跃的城市群，以10%的人口，创造了全国20%的GDP。随着该地区三大产业的不断发展，各类能源被大量消耗，在推动经济增长的同时，也带来不可估量的环境影响。在“双碳”目标下，探究长三角地区能源碳排放影响因素，促进该地区碳减排，实现低碳、高质量经济增长具有重要意义。
1 文献综述
国内学者围绕碳排放与经济增长以及碳排放影響因素开展了多视角的研究。从内容看，Waheed等（2019）研究表明全球大多数国家和地区的碳排放突增都是因为其经济高速增长而消耗了大量化石能源造成的[1]。能源的大量消耗在造就经济增长的同时，还引发空气污染和碳排放增加。Dong等（2021）选取河南省12个主要工业碳排放行业作为研究对象，运用LMDI+Tapio解耦模型分析碳排放与经济发展的关系，并利用长期能源替代规划系统模型预测碳排放与经济发展的脱钩状态[2]。Akif等（2020）认为，在英国、加拿大和日本等G7国家，随着收入和能源消耗的增加，二氧化碳排放也在增加[3]。贺勇等（2021）基于STIRPAT研究了工业研发投入能源消费碳排放的影响进行定量分析[4]。从方法看，结构性因素分解法、自适应权重分解法、指数因素分解方法和EKC（环境库兹涅兹曲线）等被用于碳排放影响因素的确定。张仁杰和董会忠（2020）研究发现城市结构、产业结构都对碳排放有抑制作用;而当城市结构达到一定程度时，人口及产业的集中则变得有利于降低碳排放[5]。
2 研究方法与数据来源
2.1 LMDI模型构建
LMDI分解法是基于扩展的Kaya恒等式变化而来，旨在对一定时期内能源消费或碳排放变化的影响因素进行分解[6]。LMDI分解法有乘法模式和加法模式两种形式[7]。加法模式表达式如下：
其中，C是能源消费二氧化碳排放总量，Cij表示第j类能源在第i类产业中的二氧化碳排放量，是能源消费量，G表示经济总产值，反映经济产出效应，Si是某类产业碳排放量占碳排总量的比例，反映产业结构效应;Ii是第i类产业的单位GDP碳排放量，表征能源强度效应;Mi是某类能源在能源消费总量中的比例，反映能源结构效应;Fi代表各能源的碳排放系数。以C0和Ct分别表示基期和t期的碳排放水平，并用ΔC表示前后两期碳排放增量，则有：
2.2 数据来源
本文以长三角27个城市为研究区域，计算所使用的能源和GDP数据来自《中国能源统计年鉴》、各省统计年鉴， 参考IPCC推荐的方法对能源消耗碳排放进行测度。
3 结果分析
3.1 长三角城市能耗碳排放分区分析
本文对2005—2019年27个城市的平均能源消费量及平均碳排放量进行了整理计算，限于版面，数据在此不赘列。参考现有研究[8]，按27个城市年均平均值的1/2倍和2倍，将27个城市分为能源消费的高值区（>4800万吨/年）、中值区（1200～4800万吨/年）和低值区（<1200万吨/年）。即碳排放的高值区（>12000万吨/年）、中值区（3000～12000万吨/年）和低值区（<3000万吨/年）。结果表明上海、南京、苏州和杭州4个城市为能源消费高值区和碳排放高值区;无锡、常州、南通、宁波、温州、合肥和马鞍山7个城市为能源消费中值区和碳排放中值区;扬州、镇江等16个城市均为能源消费低值区和碳排放低值区。
3.2 长三角城市能源消耗碳排放影响因素分解分析
通过LMDI因素分解法对长三角城市2005—2019年能源消费碳排放变化量进行计算分析，如表1所示，得出经济产出效应、产业结构效应、能源强度效应和能源结构效应对长三角城市能源消费碳排放的影响效果。
首先，经济产出对长三角能源消费碳排放起拉动因素，总体上呈正效应。具体来说，在2005—2019年，由于长三角的经济飞速发展，碳排放也随之增加，十五年累计增加了256276.01万吨。经济产出效应在2012—2013年，尤为突出，达到了30547.47万吨，在2010—2011年拉动效应最小，为11391.2万吨。产业结构对长三角能源消费碳排放起拉动因素，总体上呈正效应。2005—2019年，产业结构累计使碳排放增加了35.76万吨。产业结构对能源消费碳排放的影响程度在2010—2011年最高，达到了11.28万吨。2015—2019年，产业结构变化对碳排放量的影响相对较小，并且在2016—2017年几乎没有影响。能源强度对长三角能源消费碳排放起抑制作用，总体上呈负效应。总体来说，能源强度在2005—2019年，累计使碳排放减少了144407.6万吨。2012—2013年，能源强度对碳排放量的抑制作用最为突出，使碳排放减少了23109.56万吨。2006—2007年，能源强度对碳排放量的抑制程度最小，为-3263.43万吨。能源结构对长三角能源消费碳排放起拉动作用，整体呈正效应。总体来说，能源结构2005—2019年，累计使碳排放增加了82.03万吨。能源结构效应在2016—2017年体现得较为突出，使碳排放增加了21.55万吨，在2009—2010年影响力度较小，为1.14万吨。
因素分解结果显示，长三角近些年经济发展迅速，为满足其高速发展，对能源的要求也就处于高需求阶段，因此長三角的经济产出一直较高的拉动着长三角的碳排放量。长三角碳排放的产业结构效应处于阶段性的趋势，在2012年前因长三角为了经济发展大力追求第二三产业的发展，产业结构对碳排放起明显的拉动因素，自2012年以后，该地区产业结构趋于稳定，其碳排放的影响效应微弱了很多。而长三角的能源强度则恰恰与经济产出相反，虽然能源强度效应一直不是很稳定，但能源强度一直起着抑制长三角碳排放的作用。能源结构虽然近些年对长三角碳排放的影响程度不是很明显，但一直处于拉动效应，说明长三角能源消费还是过度的依赖煤炭化石能源，能源结构应往绿色环保方面发展。
4 结语
结合以上数据分析，本文提出促进长三角地区能源消费绿色转型的建议：（1）突破清洁能源技术应用瓶颈。加大对基础科学研究的支持力度，扶持一批关键清洁能源技术的研发与应用，降低清洁能源技术使用成本，同时充分发挥水力发电优势，弥补风力发电和太阳能发电中间歇性的不足。（2）大力发展数字经济和平台经济。在产业结构转型方面，对高能耗的产业进行转移，依托长三角科研资源和对外贸易优势，着力发展数字经济和平台经济，减少对能源消费的依赖。（3）各城市实施差异化的碳减排措施。属于高碳区城市要重点监测高碳行业和高碳企业，引导和鼓励企业进行低碳化运营，通过参与碳市场交易，平衡碳减排成本。（4）引导公民树立零废低碳生活理念。通过微信、抖音、快手等现代网络平台，加大低碳生活方式的宣传，营造低碳消费氛围，通过全民参与，积极建设零废低碳城市。
参考文献
Waheed， R.， Sarwar， S.， & Chen， W. The survey of economic growth， energy consumption and carbon emission[J]. Energy Reports， 2019（5）：1103-1115.
Dong， J.， Li， C. B.， Wang， Q. Q. Decomposition of carbon emission and its decoupling analysis and prediction with economic development： A case study of industrial sectors in Henan Province[J]. Journal of Cleaner Production，2021，129019.
Akif， D. M.， Muhammad， S.， Ilyas， O.， Shawkat， H.， & Avik， S. The relationship between economic growth and carbon emissions in G-7 countries： evidence from time-varying parameters with a long history[J].MPRA Paper， 2020，27，29100-29117.
贺勇，傅飞飞，廖诺.基于STIRPAT模型的工业研发投入对碳排放影响效应分析[J].科技管理研究，2021，41（17）：206-212.
张仁杰，董会忠，韩沅刚，等.能源消费碳排放的影响因素及空间相关性分析[J].山东理工大学学报（自然科学版），2020，34（1）：33-39.
徐国泉，蔡珠，封士伟.基于二阶段LMDI模型的碳排放时空差异及影响因素研究：以江苏省为例[J].软科学，2021，35（10）：107-113.
Yang， J. ， Cai， W. ， Ma， M. ， etal. Driving forces of China’s CO2 emissions from energy consumption based on Kaya-LMDI methods[J].Science of The Total Environment， 2019.
Han， X. J.， Yu， J. L.， Xia， Y.， Wang， J. J. Spatiotemporal characteristics of carbon emissions in energy-enriched areas and the evolution of regional types [J].Energy Reports，2021（7）： 7224-7237.
作者：刘芳 江海涛
能源消费碳排放论文 篇3：
城镇化水平与能源消费碳排放的关系探讨
关键词：城镇化 碳排放 STIRPAT模型 岭回归
一、引 言
城镇化作为一个国家现代化的重要标志，在当前我国全面建成小康社会的决定性阶段，对于经济的转型升级和社会主义现代化的建设发挥着关键作用。在这一背景下，山东省出台了《山东省新型城镇化规划（2014～2020年）》，规划内容主要围绕劳动力素质和城镇化政策的制定、处理好空间组织的“聚集和均衡的关系”、资源和生态环境倒逼城镇化发展模式的转型以及立足于社会发展多元化、多层次需求转变社会治理方式等方面展开。从中可以看出，城镇化的发展不仅受人口素质、地理空间位置和地区的经济状况的影响，还会受资源和生态环境的影響，即山东省城镇化的发展和经济的可持续发展和绿色发展之间有着密切的关系。
山东省作为一个能源消耗大省，加之其产业结构总体偏重，导致了其碳排放严重的现状。为了加快实现山东省经济的绿色低碳发展，山东省积极响应国家提出的“十三五”控制温室气体排放工作方案，相继出台了山东省低碳发展工作方案。方案指出到2020年，单位地区生产总值二氧化碳排放比2015年下降20.5%;预计二氧化碳排放在2027年左右达到峰值。因此为了尽早实现减排达峰的目标，围绕城镇化水平与能源消费碳排放之间的关系来展开研究，利用修正的STIRPAT模型分析其作用机理，并对山东省的城镇化建设如何带动低碳发展给出了相应的政策建议。
二、文献综述
环境问题历来是人们关注的热点话题，经济高速发展需要消耗大量的能源，因此不可避免地造成了碳排放严重等问题。近些年来，世界城镇化水平与碳排放量基本保持一致的上升，从目前情况而言，两者还存在加速的态势。因此对于二者之间是否存在相关关系以及存在何种关系的讨论，国内外学者从不同的研究方法和区域的角度进行了研究。
基于STIRPAT模型，Qian Lv等研究城镇化对我国货运碳排放的影响，发现城镇化水平对公路和航空运输碳排放有积极影响，对部分省份铁路和水路运输碳排放有显著的负面影响，但对邻近省份有积极影响;赵涛和张思聪研究了包括人口、经济等七种城镇化因素对碳排放的影响，并将中国分为了高度城镇化、发展中城镇化和城镇化相对落后的三大区域，发现服务业水平和人口等因素在不同的区域之间差异明显。基于投入产出分析的因子可逆结构分解方法，Zhen Wang等研究城镇化和消费模式变化对家庭碳排放增量的影响，发现城镇化和消费模式的变化会导致碳排放增加。
根据所研究区域的广度，把城镇化与碳排放的相关研究中，Xiaoling Ouyang等通过对中日两国城镇化阶段的影响因素进行了对比研究，建立了CO2排放与GDP、城镇化水平、能源强度和水泥生产等因素之间的长期均衡关系，并基于格兰杰因果检验来探讨变量之间的因果关系;赵红等运用协整和格兰杰因果检验方法，实证分析了我国1978—2010 年城镇化等因素与碳排放的关系，发现不论是从长期还是短期来看，城镇化对于碳排放都存在着负向影响，且短期影响效果更为显著;王锋等基于2008—2014年中国 30个省份的面板数据从人口城镇化、土地城镇化、经济城镇化三个维度对碳排放及其影响因素进行研究，得出了不同城镇化维度下，各因素对碳排放的影响存在显著差异的结论。
综合之前研究的成果，学者们采用了不同的研究方法对城镇化水平和碳排放之间的作用机理进行了研究分析，但由于选取的研究方法和研究维度的不同，并未得出一致的结论，且较少有文献在回归的基础上用岭回归的方法对模型做进一步的完善。故选取山东省作为研究区域，将城镇化水平引入改进的STIRPAT模型中，通过引入城镇化水平的二次项对城镇化水平与碳排放量之间是否存在倒U型曲线的关系做进一步探究。
三、拓展的STIRPAT碳排放量模型
本文采用STIRPAT随机回归模型，即基于人文和环境因素的恒等式IPAT改进的多变量非线性模型。其基本形式如下： （1）
式（1）中，I、P、A、T分别表示环境压力、人口数量、富裕程度和技术进步等因素，a为模型的系数，b、c、d分别为各解释变量的指数，e为随机扰动项。
为了探究城镇化水平与山东省能源消费碳排放的关系，并结合当前的宏观经济政策和实际发展情况，尤其是近几年来城镇化水平有所上升的现状，构建如下的拓展模型，并进一步检验城镇化水平与碳排放之间是否存在倒U型的关系：
是山东省能源消费产生的碳排放量（Mt C）;P为人口数（万人）;A为富裕度，用人均GDP表示（元/人）表示;T为能源强度，即能源消费量与GDP的比值（吨标煤/万元）;U为城镇化水平，用城镇人口与总人口的比值表示;、、和分别为弹性系数，表示当和每变化一单位时，分别引起变化和个单位。
本文通过查找和参阅《山东省统计年鉴》，得到了山东省1996—2019年的相关数据，其中包括人口数、富裕度（人均GDP）、能源强度（能源消费量与GDP的比值）、城镇化水平等数据。
能源消费碳排放量是计算得到的。依据IPCC碳排放计算方法，结合山东省的实际发展情况，考虑采用下面的公式计算碳排放量： （3）
其中，表示山东省的碳排放总量，单位是万吨;表示第i种能源的消费总量，单位是万吨;表示第i种能源的碳排放系数，单位是万吨/万吨，各种能源的碳排放系数参照下表，得到的数据结果如图1所示。
四、实证分析
基于以上数据，运用最小二乘估计法（OLS法）对STIRPAT模型进行参数估计，得到公式（4）。由于本文选用的研究数据是时间序列数据，而经济变量间通常具有相同或者相近的变化趋势，因此考虑模型可能存在多重共线性，故在回归模型的基础上进行多重共线性的检验。
本文借助方差膨胀因子法来进行进一步的检验。解释变量的参数估计量的方差可表示为： （5）
对回归模型（4）进行了方差膨胀因子检验，解释变量人口数、富裕度、能源强度、城镇化水平及它的扩展项的分别为117.247、32.055、13.676、1094.203和699.193，且均大于10，故认为该模型存在较严重的多重共线性。
本文利用岭回归的方法消除多重共线性，岭回归估计原理是通过在相关矩阵中引入一个很小的岭参数K（1>K>0），来降低参数的最小二乘估计中复共线特征向量的影响，从而减少复共线变量系数最小二乘估计的方法，可以保证参数估计更接近真实情况。进行岭回归估计的关键就是岭参数的确定，故选用岭迹法来确定岭参数。
通过分析图2的岭迹图，发现当K值取0.8时，各回归系数的岭估计基本稳定。因此选用岭参数为0.8，并借助SPSS.25来进行岭回归分析，输入调用岭回归的语法命令，回归结果为式（6）。解释变量和的t值分别为7.4368、9.1444、0.3000、6.1674和-4.6749，大部分解释变量显著性比之前有所提高。因此拓展的STIRPAT模型为：
通过上表的回归系数来看，城镇化水平、人口数、富裕度和能源强度各因素与碳排放之间均呈现出一定的正相关，即随着城镇化水平的提高、人口数的增长、富裕度的提高以及能源强度的增加，碳排放量会呈现上升趋势。同时注意到城镇化水平的二次项系数为-0.1635，说明在研究期间内，山东省的能源消费碳排放量与城镇化水平之间存在倒U型曲线的关系。即随着未来山东省城镇镇化水平的不断提升，碳排放量会在到达一个极值点后开始出现下降趋势。
五、结论与政策建议
通过探究城镇化水平与能源消费碳排放的关系得出，城镇化水平是影响碳排放的一个重要因素。模型结果显示，若保持其他变量不变，城镇化水平每变化1%，就引起能源消费碳排放量0.3300%的变化。这说明城镇化水平对碳排放存在着较大的正影响，即随着城镇化水平的不断提升，山东省的碳排放量也呈现出增长势头。
为了积极响应“十三五”控制温室气体排放工作方案并结合当前的山东省城镇化建设规划，为推动山东省加快实现绿色低碳发展，实现全省经济可持续发展，结合本文的研究结果提出政策建议。
（一）结合山东省城镇化现状，开展区域降碳
城镇化水平作为评价城镇发展程度的一个重要指标，常用城镇人口占总人口的比重来表示。2005年，山东省的常住人口城镇化率达到34.16%;2015年，常住人口城镇化率达到59.02%，同比增长了2.01个百分点;2016年，常住人口城镇化率达到60.58%，同比增长了1.56个百分点;2019年末人口达到了10070.21万人，城镇化率增长至61.51%，同比增长了0.33个百分点。从中可以粗略看出，城镇化水平一直呈现出增长趋势，但是同比增长率却呈现下降的趋势，其中全省区域发展的显著差异是造成这种现象的一大重要原因。
区域发展的显著差异很大一部分体现在城镇化水平的差距上，而山东省的东西部地区城镇化水平之间就存在着显著差异， 东部地区的城镇化水平远高于西部地区的城镇化水平，这对于山东省整体城镇化水平的提高产生了非常不利的影响。因此要实施区域协调发展战略，要保持东部地区较快的城镇化发展速度， 同时也要加快西部地区的城镇化建设和发展， 逐渐缩小地区差距， 保持东西部协调发展， 实现山东省城镇化水平的整体提高。
（二）构建合理的城镇体系，促进非农产业的发展，加快产业结构转型
长久以来山东省就是一个农业大省，在经济总量上农业也占据重要地位，这使得山东省的第一产业在一段时期一直占据较大的比例，不利于农业人口向城镇人口转移，这也是导致山东省城镇化水平较低的原因。随着近年来山东省产业结构的调整，结构不合理的现状得到了明显的改善，实现了从第一产业占主导到“二、三、一”结构的转变，但第二产业占主导会在一定程度上给绿色低碳发展施加压力。实现低碳绿色发展的前提就是要实现产业结构的合理化，而现阶段山东省的经济仍然处在转型发展的关键时期，因此需要通过构建合理的城镇体系，促进产业结构的转型。促进山东省城镇化发展的关键是发挥大中城镇的带动作用。
（三）实施可持续城镇化发展战略，引导山东省走绿色低碳发展的道路
由于长期以来将经济增长作为城镇发展的首要目标，对生态环境保护意识匮乏，导致各城镇牺牲环境来促进当地经济的发展。而快速城镇化会带来城镇人口急速增长、资源环境问题恶化等问题，制约着山东省城镇化水平的进一步提升，因此迫切需要运用可持续发展思想来指导山东省当前的城镇化进程，实现城镇化的可持续发展。
只有尽快制定相关的政策措施，才能保证山东走一条可持续发展的绿色低碳之路。政策的制定，一方面要符合山東省的乡村振兴计划，确保各城镇发展有章可循;另一方面还要加强可持续发展科技创新，通过新旧动能转换来转变原有的低效发展模式，进一步促进经济高质量低碳发展。
作者：戚晓红 公维凤 王传会