2023, Vol. 44
2. 中国科学院大学资源与环境学院, 北京 100049;
3. 中国科学院雄安创新研究院, 雄安 071702;
4. 河北交通职业技术学院电气与信息工程系, 石家庄 050051
2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China;
3. Xiong'an Innovation Research Institute, Chinese Academy of Sciences, Xiong'an 071702, China;
4. Department of Electrical and Information Engineering, Hebei Jiaotong Vocational and Technical College, Shijiazhuang 050051, China
我国目前正处于快速工业化和城市化的进程中, 其经济发展所带来的能源消耗和碳排放问题受到了国际社会的广泛关注[1].工业部门是温室气体排放的主要来源, 工业园区作为工业产业集聚区, 贡献了全国31%的二氧化碳排放量[2], 是工业部门实现“双碳”目标的主战场[3].作为工业发展的重要载体, 工业园区面临着如何协调经济发展和“降碳”的困境.目前相关研究主要集中在：园区碳排放核算方法[4~7]、园区碳排放预测及减排策略研究等方面[8].在国家[9]、区域[10~13]和城市层面[14~18]广泛探讨的碳排放与经济增长脱钩研究, 在工业园区层面鲜有涉及.同时, 工业园区层面的碳排放核算方法目前尚未形成统一的标准, 大部分研究参考国家, 省和市层面的核算方法利用清单分析和投入产出分析法进行核算[4, 6].
脱钩理论于2002年由经济合作与发展组织(Organization for Economic Co-operation and Development, OECD)正式提出, 是一项衡量经济增长与资源消耗或环境污染之间联系的指标[19].2000年Zhang[20]首次用脱钩方法研究中国CO2排放与经济增长的关系.目前脱钩理论已在国内外广泛应用于经济增长与CO2排放关系的研究中[21~25].基于脱钩指数概念, 2005年Tapio在研究欧洲交通行业脱钩状况时定义了3种脱钩状态：脱钩、连结和负脱钩, 并进一步细分为8种可能性, 即：弱脱钩、强脱钩、衰退型脱钩、增长连结、衰退连结、弱负脱钩、强负脱钩和扩张型负脱钩[26].由于Tapio脱钩指数可以合理地表征环境变量和经济变量的8种可能组合, 因此Tapio脱钩指数已被许多学者广泛应用于我国碳排放与经济发展的脱钩关系研究[27~31].近年来, 我国关于经济发展与CO2排放脱钩的研究领域包含了：交通运输[32]、农业[33]、旅游业[34]、建筑业[35]、电力行业[36]、物流业[37]和制造业[38]等.此外, 诸多学者结合LMDI和广义迪式指数分解法(GDIM)等指数分解方法对我国碳排放与经济发展的脱钩关系进行分解分析[39~41].
目前在工业园区尺度, 尚未形成综合脱钩分析方法、LMDI分解方法的碳排放与经济发展脱钩及驱动力分析的系统研究框架.同时, 对影响脱钩指数的驱动因子的探讨, 也未深入到具体的工业行业类别.对于工业园区而言, 其能源活动直接来自各行业类别的工业企业, 不同行业类别的能源消费结构、能源效率和经济发展水平等都存在明显的差异, 这导致不同工业行业类别之间的碳排放状况及其与经济发展的脱钩关系也有显著差异.本研究以郑州经开区为例, 对其过去工业园区及各工业行业类别的碳排放特征、脱钩关系及其驱动因素进行探究, 识别不同措施对脱钩的影响, 以期为以郑州经开区为代表的产城融合型工业园区制定相应碳减排政策和实现“双碳”目标提供参考.
1 材料与方法 1.1 研究区域和数据来源郑州经开区是以制造业为主的综合类工业园区, 形成了汽车及零部件、电子信息和装备制造业等产业集聚, 整车产量占河南省产量的80%.近10年来, 郑州经开区经济快速发展, 主导产业对能源的需求和碳排放也在增加, 因此揭示郑州经开区及其各工业行业类别碳排放特征及其与经济发展的脱钩关系, 进一步探讨其脱钩状况的驱动因素, 有利于郑州经开区因地制宜提出减排策略, 对其他综合类工业园区有关低碳减排政策的制定具有示范效应.
本文搜集了郑州经开区2011~2020年规模以上工业企业的能源消费数据、规模以上工业企业总产值数据.工业总产值可以反映工业生产的总体规模, 工业总产值数据较为容易获取, 且覆盖了园区、行业和企业这3个层面, 因此选用工业总产值来表征经济水平.2011~2020年规模以上(规上)工业企业分企业、分品种能源消耗数据均来自郑州经开区统计局统计数据, 均为能源消费量.能源品类包括煤炭、天然气、汽油、柴油、电力和热力.统计数据均为终端能源消费量.园区总产值数据来源于《郑州经开区统计年鉴》(2011~2020年).
1.2 研究方法 1.2.1 园区碳排放计算目前, 工业园区开展碳排放核算主要参考两套体系: 一是政府间气候变化专门委员会(IPCC)提出的碳排放清单框架[42]; 二是世界资源研究所(WRI)和世界可持续发展工商理事会(WBCSD)共同编制的温室气体核算体系, 将企业的排放范围分为范围1~范围3.国家发展和改革委员会(NDRC)也制定了一系列省级温室气体清单指南[43].
参考以上两套体系和指南, 本研究确定了工业园区碳排放核算的范围.由于园区内不含污水处理厂及垃圾填埋场等基础设施, 且产品制造前端(包括原材料制造和运输排放)和使用端的数据无法获取, 因此, 本研究只核算范围1和范围2的排放量, 范围1排放包括煤炭、天然气、汽油和柴油燃烧, 范围2排放包括园区外购热、电排放.
根据国家发展改革委办公厅《省级温室气体清单编制指南(试行)》中提供的参考方法, 化石燃料相关的碳排放量计算方法见式(1)~(3).
|
(1) |
|
(2) |
|
(3) |
式中, CEf为各类化石能源产生的CO2排放量; ADij为j企业第i种化石能源的消耗量; NCVi为第i类化石能源的平均低位发热量; CCi为第i种化石能源的单位热值含碳量; Oi为第i种化石能源的碳氧化率; CEheat j为外购热力产生的CO2排放量; Heatj为外购热力的消耗量; EFheat为区外购热力的CO2排放因子; CEele j为园区外购电力产生的CO2排放量; Elej为园区外购电力的消耗量; EFele为园区外购电力的CO2排放因子, 44/12表示二氧化碳与碳的分子量之比, 化石能源的碳排放计算参数见表 1.
|
表 1 化石能源类型及碳排放计算参数1) Table 1 Fossil energy types and carbon emission calculation parameters |
1.2.2 脱钩分析
脱钩分析是分析两个不同变量变化速率之间关系的有效工具[21].本文采用了Tapio脱钩模型作为分析模型, 构建郑州经开区碳排放与经济增长的脱钩模型, 根据Tapio[26]给出的定义, 脱钩指数如式(4)表示.
|
(4) |
式中, D为脱钩指数, 反映了工业园区经济产值与碳排放之间的脱钩关系, 脱钩状态划分见表 2; ΔC和ΔGIO分别表示碳排放量和工业总产值在末期相对于初期的变化量; ΔC/C0和ΔGIO/GIO0分别表示碳排放增长率和工业总产值增长率.
|
|
表 2 脱钩状态划分 Table 2 Division of decoupling status |
1.2.3 脱钩分解方法
为进一步了解影响脱钩指数的驱动因素及其对脱钩的贡献率, 采用分解分析的方法进行分析.对数平均迪式指数分解法(logarithmic mean Divisia index, LMDI)是一种目前广泛应用于低碳及碳排放脱钩分析的因素分解方法, 由Ang[44]于20世纪90年代提出.基于Kaya恒等式, 对影响经济增长与碳排放变化间脱钩指数的驱动因素进行分解：
|
(5) |
式中, C为碳排放量, GIO为工业总产值, i表示行业类别, Ci为由i行业产生的二氧化碳排放量; Ei为i行业能源的消耗量; GIOi为i行业工业产值.碳排放总量的变化受经济规模(GIO)、能源碳排放系数(
|
(6) |
式中, ΔCEF为能源碳排放系数效应, ΔCEI为能源强度效应, ΔCS为产业结构效应, ΔCGIO为经济规模效应.
结合脱钩公式(4), 得到郑州经开区碳排放与经济增长的脱钩效应量化分解模型：
|
(7) |
各因素的脱钩效应计算如下：
|
(8) |
|
(9) |
|
(10) |
|
(11) |
|
(12) |
|
(13) |
式中, DEF、DEI、DS和DGIO分别为能源碳排放系数、能源强度、产业结构和经济规模这4个驱动因素的脱钩指数.
2 结果与讨论 2.1 郑州经开区经济发展与碳排放现状 2.1.1 园区层面碳排放特征2011~2020年期间, 郑州经开区碳排放量由2011年的24.85×104 t增加至2020年的75.53×104 t, 年平均增长率为8.97%, 碳排放量处于前期快速增长、中期增长缓慢至后期波动下降的趋势(图 1).2011~2014年碳排放量快速增长, 年均增长率达20.98%, 增速最快; 2014~2017年碳排放增速放缓, 碳排放量稳步增长, 由61.74×104 t增长至86.79×104 t, 年均增长率为12.02%; 2017~2020年, 碳排放减少了11.26×104 t, 年均增长率实现负增长, 碳排放强度呈现出下降趋势, 由2011年的0.08 t·万元-1降为2020年的0.06 t·万元-1.
|
图 1 2011~2020年郑州经开区能源碳排放状况 Fig. 1 Energy carbon emission in Zhengzhou Economic and Technological Development Zone from 2011 to 2020 |
在郑州经开区各行业中, 电子设备制造业, 汽车制造业, 非金属矿物制品业及食品制造业是碳排放的主要来源, 4个行业每年碳排放量的总和占当年园区碳排放总量的65%以上.其中电子设备制造业及汽车制造业碳排放量呈前期快速增长、中期增长减缓、后期波动下降的趋势(图 2), 与园区总体碳排放变化趋势一致; 非金属矿物制品业呈现先增长、后稳定、再下降的趋势; 食品制造业在2011~2017年碳排放量总体保持增长, 2017年后出现波动并有下降趋势.2020年碳排放量最高的是电子设备制造业及汽车制造业, 其中电子设备制造业碳排放量占园区的24.8%, 为18.74×104 t, 汽车制造业碳排放量占园区的21.8%, 为16.43×104 t.汽车制造业的碳排放强度明显低于其他3个行业, 非金属矿物制品业虽在这4个行业中碳排放量最低, 但其碳排放强度较高.
|
图 2 2011~2020年郑州经开区各行业碳排放及单位产值碳排放状况 Fig. 2 Total carbon emissions and carbon emissions per unit output value of various industries in Zhengzhou Economic and Technological Development Zone from 2011 to 2020 |
根据郑州经开区不同时间段碳排放量的变化特点, 将2011~2020年划分为2011~2016年和2016~2020年这两个时间段, 计算郑州经开区及其中各行业两个时段的碳排放量和工业总产值的变化量, 通过式(4)和表 2, 得到两个时间段的脱钩关系(表 3).
|
|
表 3 2011~2020年郑州经开区碳排放与工业总产值的脱钩状况 Table 3 Carbon emission decoupling index of Zhengzhou Economic and Technological Development Zone to total industrial output from 2011 to 2020 |
2.2.1 园区层面脱钩情况
从表 3可知, 郑州经开区经济增长与碳排放在2011~2020年经历了增长连结和弱脱钩两种不同类型的脱钩状态.2011~2016年郑州经开区碳排放脱钩指数为1.021, 为增长连结状态, 说明经济增长的同时碳排放量也在增长, 且碳排放量的增幅略大于总产值增幅.2016~2020年, 郑州经开区碳排放脱钩指数为0.089, 为弱脱钩状态, 说明该时期郑州经开区总产值和碳排放同时增长, 但碳排放增速低于经济增速.该时期郑州经开区企业数量快速增加, 且新增企业中高耗能企业较少, 大多为高端制造业企业, 因此在碳排放增速较缓的同时还能保持工业总产值持续升高.在此时期内, 郑州经开区响应国家号召, 关停或搬迁“两高”企业, 同时调整园区能源结构, 开展了“煤改电”、“煤改气”及能源“双控”等工作, 形成了以汽车制造、电子设备制造业为主导的产业结构和以电力消耗为主的能源结构.因此, 郑州经开区经济增长与碳排放在长时间内应继续表现为弱脱钩或呈现强脱钩与弱脱钩交替的脱钩状态.
2.2.2 行业层面脱钩情况从各行业类别来看, 郑州经开区2011~2020年经济增长与碳排放的脱钩状态出现弱脱钩和强脱钩两种类型, 其中, 电子制造业和汽车制造业等6个行业脱钩状态由弱脱钩转变为强脱钩.专用设备制造业等4个行业的脱钩状态由2011~2016年的强脱钩转变为弱脱钩, 这是由于, 郑州经开区该时期新引入了部分专用设备制造业企业, 碳排放量随之增加.农副食品加工业等5个行业一直保持弱脱钩状态不变.
从脱钩指数区间的行业数量可以看出郑州经开区碳排放脱钩状态在2016~2020年优于2011~2016年.2011~2016年脱钩状态为弱脱钩的有汽车制造业和电子设备制造业等11个行业, 其中脱钩指数位于0.05的有通用设备制造业等5个行业, 位于0.05~0.1的有食品制造业等2个行业, 大于0.1的有非金属矿物制品业等4个行业.2016~2020年在脱钩状态为弱脱钩的9个行业中, 脱钩指数为0~0.05的有通用设备制造业等7个行业, 位于0.05~0.1的有批发业1个行业, 大于0.1的有专用设备制造业1个行业.
2.3 脱钩状态影响因素解析利用式(7)~(13)对郑州经开区及其各行业类别碳排放脱钩指数进行分解, 得到EF、EI、S和GIO这4个因素的碳排放脱钩指数, 结果如表 4所示.下面将从4类因素进行解析.
|
|
表 4 2011~2020年郑州经开区碳排放与工业总产值的脱钩指数因素分解1) Table 4 Decomposition of decoupling index between carbon emissions and gross industrial output value in Zhengzhou Economic and Technological Development Zone from 2011 to 2020 |
2.3.1 能源碳排放系数因素
能源碳排放系数效应对经济增长与碳排放脱钩在两个时段有相反的驱动作用(表 4).2011~2016年, 郑州经开区碳排放系数脱钩指数为0.003, 不利于碳排放的脱钩.在各行业类别中, 电子设备制造业、汽车制造业和农副产品加工业等9个行业的碳排放系数对经济增长与碳排放脱钩有促进作用, 其他行业均为抑制作用.主要原因为, 该时段内多数行业的能源结构还未得到明显改善, 仍有较多行业使用燃煤作为燃料.2016~2020年, 郑州经开区能源碳排放系数脱钩指数为-0.119, 有利于碳排放的脱钩.此时期内专用设备制造业、非金属矿物制品业和化学制品制造业等6个行业的碳排放系数对碳排放脱钩有较明显的促进作用, 虽对碳排放脱钩起促进作用的行业数量少于前一时期, 但其脱钩贡献率远超前一时期.该时期郑州经开区煤炭使用逐步被天然气和电力替代, 可见优化能源结构对于工业园区碳排放脱钩效果显著.
2.3.2 能源强度因素在影响郑州经开区碳排放脱钩的4种效应中, 能源强度效应是促进碳排放脱钩的最主要因素, 脱钩指数由2011~2016年的0.081降低至2016~2020年的-0.504(表 4), 对园区碳排放脱钩由抑制作用转为促进作用.这说明郑州经开区的能源效率不断提升, 持续向低能耗、高效集约的高端制造业方向发展.2011~2016年, 汽车制造业等8个行业的能源效率对经济增长与碳排放脱钩有促进作用, 2016~2020年, 起促进作用的行业增加至11个.但医药制造业、汽车制造业、仪器仪表制造业这3类行业由对园区碳排放脱钩的促进作用转变为微弱的抑制作用, 原因是这3类行业在2016~2020年期间碳排放量减少的同时, 总产值也在减少, 且总产值的下降速率大于碳排放下降速率.
2.3.3 产业结构因素产业结构效应对郑州经开区碳排放脱钩在两个时间段有相反的驱动作用(表 4), 2011~2016年, 产业结构的脱钩指数为0.014, 对碳排放脱钩的贡献率为1.26%, 不利于碳排放的脱钩.2016~2020年, 产业结构的脱钩指数为-0.010, 对碳排放脱钩的贡献率为6.44%, 在一定程度上促进了园区碳排放的脱钩, 但其贡献较小.两个时间段内, 对园区碳排放脱钩起促进作用的行业类别中, 贡献率最大的均为汽车制造业, 说明主导产业对工业园区整体碳排放脱钩贡献最大, 可见产业结构转型升级有助于工业园区碳排放脱钩.
2.3.4 经济规模因素经济规模效应对郑州经开区及其各个行业碳排放脱钩均为抑制作用(表 4).2011~2016年郑州经开区经济规模脱钩指数为0.984, 其中汽车制造业(0.336)脱钩指数最大, 经济规模效应对其碳排放脱钩的抑制作用最大.2016~2020年经济规模效应对郑州经开区及其各个行业碳排放脱钩均为抑制作用, 但脱钩指数下降至0.794, 相比前一时期抑制作用减弱, 其中电子设备制造业经济规模脱钩指数最大(0.237).可见经济规模是抑制园区碳排放脱钩的主要因素, 在2011~2016年和2016~2020年两个时间段内, 工业生产总值分别增长了193.36%和45.39%, 碳排放总量分别增加了190.59%和4.58%, 工业规模的扩大导致能源消费量的增加; 但相比之下, 后一时段的碳排放增长速率明显下降, 因此经济规模效应对郑州经开区碳排放脱钩的抑制作用已明显减弱, 碳排放主要来自于汽车制造业和电子设备制造业, 因此这两个行业在所有行业类别中对园区碳排放脱钩的抑制贡献率也最大.
3 政策建议目前我国工业园区碳排放基数大, 完成“双碳”目标时间紧、任务重, 基于本研究的结果, 提出以下3点建议.
(1) 郑州经开区通过对重点耗能企业实施“煤改气”、“煤改电”工程, 采用地热供暖和光伏发电等方式, 逐步实现低碳能源代替高碳能源, 因此园区碳排放强度逐年下降.同类型的工业园区也可以通过因地制宜发展清洁能源、引导企业调整用能结构、对重点耗能企业耗能设备进行升级改造的方式来提升节能管理水平, 通过能源替代的方式减少化石能源的使用, 实现园区绿色化发展.
(2) 本研究结果显示, 能源强度效应是影响碳排放与经济发展脱钩的主导效应, 郑州经开区通过以传统主导产业集群建设为引领、加快培育新兴产业集群和探索发展前沿产业的方式, 构建了各产业集群内部能源利用的共生体系, 提高了能源利用效率, 降低了能源强度.因此加快推动产业结构转型升级, 形成低碳共生产业集群, 是降低能源强度、实现碳排放和经济发展脱钩的重点.
(3) 本研究结果发现, 郑州经开区汽车制造业和电子设备制造业两大主导产业, 对园区碳排放与经济增长脱钩影响的贡献率最大.因此应在园区内建设形成产业链完整、价值高端的主导产业体系, 发挥主导产业的低碳发展引领作用, 并且引导主导产业中的龙头企业在节能降碳方面逐渐形成具有示范效应的技术创新和管理模式至关重要.
4 结论(1) 2011~2020年郑州经开区的经济规模不断增长, 碳排放也呈现增加趋势, 碳排放强度逐年下降, 整体呈现出“低碳发展”态势.从行业类别看, 碳排放量高的行业主要为园区的主导产业, 这些行业也是园区经济规模较大的行业.
(2) 用脱钩指数对园区及各行业类别经济产值与碳排放的耦合关系进行计算发现, 2011~2020年郑州经开区整体及各行业类别主要处于增长连结、弱脱钩、强脱钩3种状态.2011~2016年, 郑州经开区整体处于增长连结状态, 各行业以弱脱钩为主; 2016~2020年, 郑州经开区整体转变为弱脱钩状态, 各行业类别中, 强脱钩的行业数量增加.
(3) 通过对脱钩指数进行因子分解发现, 在郑州经开区经济增长过程中, 工业总产值的增长推动着能源消耗碳排放的增加, 产业结构的优化、能源结构的转型和技术的进步对园区的节能减排、实现经济发展与碳排放的脱钩有一定的促进作用.影响郑州经开区碳排放脱钩的主导效应主要为经济规模效应和能源强度效应, 产业结构效应影响最小.不同时期, 郑州经开区影响碳排放脱钩贡献率最大的行业具有差异性.2011~2016年, 各行业中, 汽车制造业的能源强度效应对脱钩的促进作用及其经济规模效应对脱钩的抑制作用最大; 2016~2020年, 各行业中, 电子设备制造业的能源强度效应对脱钩的促进作用及其经济规模效应对脱钩的抑制作用最大.
| [1] | Zhang M, Wang C, Wang S S, et al. Assessment of greenhouse gas emissions reduction potential in an industrial park in China[J]. Clean Technologies and Environmental Policy, 2020, 22(7): 1435-1448. DOI:10.1007/s10098-020-01864-5 |
| [2] |
郭扬, 吕一铮, 严坤, 等. 中国工业园区低碳发展路径研究[J]. 中国环境管理, 2021, 13(1): 49-58. Guo Y, Lv Y Z, Yan K, et al. Low-Carbon development pathways of industrial parks in China[J]. Environmental conformity Assessment, 2021, 13(1): 49-58. DOI:10.16868/j.cnki.1674-6252.2021.01.049 |
| [3] |
陈吕军. 做好碳达峰碳中和工作, 工业园区必须做出贡献[J]. 资源再生, 2021(2): 15-20. Chen L J. To do a good job of carbon peak and carbon neutrality, industrial parks must make contributions[J]. Resource Recycling, 2021(2): 15-20. DOI:10.3969/j.issn.1673-7776.2021.02.012 |
| [4] | Yu X, Zheng H R, Sun L, et al. An emissions accounting framework for industrial parks in China[J]. Journal of Cleaner Production, 2020, 244. DOI:10.1016/j.jclepro.2019.118712 |
| [5] |
张雁飞, 王晓菲, 于斐, 等. 工业园区碳排放核算方法及实证研究[J]. 生态经济, 2013(9): 155-157. Zhang Y F, Wang X F, Yu F, et al. Carbon emissions accounting methods and instance research of industrial parks[J]. Ecological Economy, 2013(9): 155-157. DOI:10.3969/j.issn.1671-4407.2013.09.034 |
| [6] |
陈彬, 杨维思. 产业园区碳排放核算方法研究[J]. 中国人口·资源与环境, 2017, 27(3): 1-10. Chen B, Yang W S. Carbon emission accounting methods for industrial parks[J]. China Population, Resources and Environment, 2017, 27(3): 1-10. |
| [7] | Dong H J, Geng Y, Xi F M, et al. Carbon footprint evaluation at industrial park level: a hybrid life cycle assessment approach[J]. Energy Policy, 2013, 57: 298-307. DOI:10.1016/j.enpol.2013.01.057 |
| [8] | Duan H Y, Dong X Z, Xie P L, et al. Peaking industrial CO2 emission in a typical heavy industrial region: from multi-industry and multi-energy type perspectives[J]. International Journal of Environmental Research and Public Health, 2022, 19(13). DOI:10.3390/ijerph19137829 |
| [9] |
郝瑞军, 魏伟, 刘春芳, 等. 中国能源消费碳排放的空间化与时空动态[J]. 环境科学, 2022, 43(11): 5305-5314. Hao R J, Wei W, Liu C F, et al. Spatialization and spatio-temporal dynamics of energy consumption carbon emissions in China[J]. Environmental Science, 2022, 43(11): 5305-5314. DOI:10.13227/j.hjkx.202112066 |
| [10] | Liu K, Zhao M X, Xie X Y, et al. Study on the decoupling relationship and rebound effect between economic growth and carbon emissions in central China[J]. Sustainability, 2022, 14(16). DOI:10.3390/su141610233 |
| [11] | Ning Y D, Zhang B Y, Ding T, et al. Analysis of regional decoupling relationship between energy-related CO2 emission and economic growth in China[J]. Natural Hazards, 2017, 87(2): 867-883. DOI:10.1007/s11069-017-2798-2 |
| [12] |
杨柏, 秦广鹏, 邬钦. "双碳"目标下中国省域碳排放核算分析[J]. 环境科学, 2022, 43(12): 5840-5849. Yang B, Qin G P, Wu Q. Analysis of provincial CO2 emission accounting in China under the carbon peaking and carbon neutrality goals[J]. Environmental Science, 2022, 43(12): 5840-5849. |
| [13] |
丛建辉, 石雅, 高慧, 等. "双碳"目标下中国省域碳排放责任核算研究——基于"收入者责任"视角[J]. 上海财经大学学报, 2021, 23(6): 82-96. Cong J H, Shi Y, Gao H, et al. Research on the responsibility accounting of China's provincial carbon emission under the "double carbon" goal: based on the perspective of "income responsibility"[J]. Journal of Shanghai University of Finance and Economics, 2021, 23(6): 82-96. |
| [14] | Wang X Z, Li J, Song R, et al. 350 cities of China exhibited varying degrees of carbon decoupling and green innovation synergy[J]. Energy Reports, 2022, 8(S6): 312-323. |
| [15] | Pei F S, Zhong R, Liu L A, et al. Decoupling the relationships between carbon footprint and economic growth within an urban agglomeration-a case study of the Yangtze River Delta in China[J]. Land, 2021, 10(9). DOI:10.3390/land10090923 |
| [16] |
向书江, 杨春梅, 谢雨琦, 等. 近20年重庆市主城区碳排放的时空动态演进及其重心迁移[J]. 环境科学, 2023, 44(1): 560-571. Xiang S J, Yang C M, Xie Y Q, et al. Spatiotemporal dynamic evolution and gravity center migration of carbon emissions in the main urban area of Chongqing over the past 20 years[J]. Environmental Science, 2023, 44(1): 560-571. DOI:10.13227/j.hjkx.202203174 |
| [17] |
李健, 王尧, 王颖. 天津市碳排放脱钩态势及碳减排潜力分析——基于2007—2016年的面板数据[J]. 生态经济, 2019, 35(4): 26-32. Li J, Wang Y, Wang Y. Tianjin carbon emissions decoupling analysis and carbon emission reduction potential: based on panel data from 2007 to 2016[J]. Ecological Economy, 2019, 35(4): 26-32. |
| [18] |
李云燕, 赵国龙. 我国超大城市碳排放与经济增长关系的实证研究[J]. 工业技术经济, 2016, 35(10): 138-147. Li Y Y, Zhao G L. The empirical study on the relationship between carbon emissions and economic growth in megacity behemoths[J]. Journal of Industrial Technological Economics, 2016, 35(10): 138-147. DOI:10.3969/j.issn.1004-910X.2016.10.018 |
| [19] | OECD. Indicators to measure decoupling of environmental pressure from economic growth. Sustainable Development[EB/OL]. https://www.oecd.org/officialdocuments/publicdisplaydocumentpdf/?doclanguage=en&cote=sg/sd(2002)1/final, 2002-05-16. |
| [20] | Zhang Z X. Decoupling China's carbon emissions increase from economic growth: an economic analysis and policy implications[J]. World Development, 2000, 28(4): 739-752. DOI:10.1016/S0305-750X(99)00154-0 |
| [21] | Chen J D, Wang P, Cui L B, et al. Decomposition and decoupling analysis of CO2 emissions in OECD[J]. Applied Energy, 2018, 231: 937-950. DOI:10.1016/j.apenergy.2018.09.179 |
| [22] | Guo W B, Chen Y. Assessing the efficiency of China's environmental regulation on carbon emissions based on Tapio decoupling models and GMM models[J]. Energy Reports, 2018, 4: 713-723. DOI:10.1016/j.egyr.2018.10.007 |
| [23] | Wu Y, Tam V W Y, Shuai C Y, et al. Decoupling China's economic growth from carbon emissions: empirical studies from 30 Chinese provinces(2001-2015)[J]. Science of the Total Environment, 2019, 656: 576-588. DOI:10.1016/j.scitotenv.2018.11.384 |
| [24] | Song Y, Sun J J, Zhang M, et al. Using the Tapio-Z decoupling model to evaluate the decoupling status of China's CO2 emissions at provincial level and its dynamic trend[J]. Structural Change and Economic Dynamics, 2020, 52: 120-129. DOI:10.1016/j.strueco.2019.10.004 |
| [25] | Hossain M A, Chen S. The decoupling study of agricultural energy-driven CO2 emissions from agricultural sector development[J]. International Journal of Environmental Science and Technology, 2022, 19(5): 4509-4524. DOI:10.1007/s13762-021-03346-7 |
| [26] | Tapio P. Towards a theory of decoupling: degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport Policy, 2005, 12(2): 137-151. |
| [27] | Xu W H, Xie Y L, Xia D H, et al. A multi-sectoral decomposition and decoupling analysis of carbon emissions in Guangdong province, China[J]. Journal of Environmental Management, 2021, 298. DOI:10.1016/j.jenvman.2021.113485 |
| [28] | Shi B G, Xiang W J, Bai X D, et al. District level decoupling analysis of energy-related carbon dioxide emissions from economic growth in Beijing, China[J]. Energy Reports, 2022, 8: 2045-2051. |
| [29] | Kouyakhi N R. CO2 emissions in the Middle East: decoupling and decomposition analysis of carbon emissions, and projection of its future trajectory[J]. Science of the Total Environment, 2022, 845. DOI:10.1016/j.scitotenv.2022.157182 |
| [30] | Zhou X, Zhang M, Zhou M H, et al. A comparative study on decoupling relationship and influence factors between China's regional economic development and industrial energy-related carbon emissions[J]. Journal of Cleaner Production, 2017, 142: 783-800. |
| [31] |
齐绍洲, 林屾, 王班班. 中部六省经济增长方式对区域碳排放的影响——基于Tapio脱钩模型、面板数据的滞后期工具变量法的研究[J]. 中国人口·资源与环境, 2015, 25(5): 59-66. Qi S Z, Lin S, Wang B B. Impact of economic growth pattern of the six provinces of central China on regional carbon emission: Based on the Tapio model and Lag instrumental variable analysis of panel data[J]. China Population, Resources and Environment, 2015, 25(5): 59-66. |
| [32] |
吕倩, 高俊莲. 京津冀地区交通运输碳排放模型及驱动因素分析[J]. 生态经济, 2018, 34(1): 31-36. Lv Q, Gao J L. Analysis of traffic and transportation carbon emissions model and driving factors in Beijing-Tianjin-Hebei region[J]. Ecological Economy, 2018, 34(1): 31-36. |
| [33] |
田云, 张俊飚, 李波. 中国农业碳排放研究: 测算、时空比较及脱钩效应[J]. 资源科学, 2012, 34(11): 2097-2105. Tian Y, Zhang J B, Li B. Agricultural carbon emissions in China: calculation, spatial-temporal comparison and decoupling effects[J]. Resources Science, 2012, 34(11): 2097-2105. |
| [34] |
孙玉环, 杨光春. 中国旅游业碳排放的影响因素分解及脱钩效应[J]. 中国环境科学, 2020, 40(12): 5531-5539. Sun Y H, Yang C G. Factor decomposition and decoupling effect of Chinese tourism-derived carbon emissions[J]. China Environmental Science, 2020, 40(12): 5531-5539. |
| [35] | Wu Y, Chau K W, Lu W S, et al. Decoupling relationship between economic output and carbon emission in the Chinese construction industry[J]. Environmental Impact Assessment Review, 2018, 71: 60-69. |
| [36] | Xie P J, Gao S S, Sun F H. An analysis of the decoupling relationship between CO2 emission in power industry and GDP in China based on LMDI method[J]. Journal of Cleaner Production, 2019, 211: 598-606. |
| [37] | Zhang S Q, Wang J W, Zheng W L. Decomposition analysis of energy-related CO2 emissions and decoupling status in China's logistics industry[J]. Sustainability, 2018, 10(5). DOI:10.3390/su10051340 |
| [38] | 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, 321. DOI:10.1016/j.jclepro.2021.129019 |
| [39] | Zhao X R, Zhang X, Li N, et al. Decoupling economic growth from carbon dioxide emissions in China: a sectoral factor decomposition analysis[J]. Journal of Cleaner Production, 2017, 142: 3500-3516. |
| [40] |
马晓君, 陈瑞敏, 董碧滢, 等. 中国工业碳排放的因素分解与脱钩效应[J]. 中国环境科学, 2019, 39(8): 3549-3557. Ma X J, Chen R M, Dong B Y, et al. Factor decomposition and decoupling effect of China's industrial carbon emissions[J]. China Environmental Science, 2019, 39(8): 3549-3557. |
| [41] | Wang Z H, Yang L. Delinking indicators on regional industry development and carbon emissions: Beijing-Tianjin-Hebei economic band case[J]. Ecological Indicators, 2015, 48: 41-48. |
| [42] | IPCC. Guidelines for national greenhouse gas inventories[R]. Geneva: International Panel on Climate Change, 2006. |
| [43] | 国家发展改革委办公厅. 省级温室气体清单编制指南(试行)[EB/OL]. http://www.cbcsd.org.cn/sjk/nengyuan/standard/home/20140113/download/shengjiwenshiqiti.pdf, 2011-05-01. |
| [44] | Ang B W. The LMDI approach to decomposition analysis: a practical guide[J]. Energy Policy, 2005, 33(7): 867-871. |