韓少秀,朱美峰,劉慧潔,宋迎昌
(1.北京師范大學(xué) 教育學(xué)部,北京 100875;2.中北大學(xué) 經(jīng)濟(jì)與管理學(xué)院,山西 太原 030051;3.中國社會科學(xué)院 生態(tài)文明研究所,北京 100710)
2015 年中國在《巴黎氣候協(xié)定》中承諾于2030 年左右達(dá)到碳排放峰值,并提出單位國內(nèi)生產(chǎn)總值二氧化碳排放比2005 年下降60%~65%的目標(biāo)。隨著中國經(jīng)濟(jì)的持續(xù)增長,碳減排的壓力逐步增大,2019 年中國碳排放占全球總量的28%,人均排放量比世界平均水平高46%。2020 年國家《“十四五”規(guī)劃綱要》中明確提出要“制定2030 年前碳達(dá)峰行動(dòng)方案,努力爭取2060 年前實(shí)現(xiàn)碳中和”[1]。深入貫徹落實(shí)習(xí)近平生態(tài)文明思想,實(shí)現(xiàn)碳達(dá)峰、碳中和目標(biāo)是我國經(jīng)濟(jì)社會實(shí)現(xiàn)高質(zhì)量發(fā)展的必然要求,勢必引起對經(jīng)濟(jì)社會系統(tǒng)的一場大變革。在碳中和目標(biāo)下,碳減排和約束對未來企業(yè)以及經(jīng)濟(jì)的轉(zhuǎn)型發(fā)展帶來了不容忽視的風(fēng)險(xiǎn)。因此,在低碳發(fā)展已經(jīng)成為我國各級政府經(jīng)濟(jì)發(fā)展的必然選擇的背景下,構(gòu)建有效的碳排放預(yù)警體系對識別、監(jiān)測碳排放風(fēng)險(xiǎn)因素具有積極意義,能夠?yàn)楦骷壵谔崆安渴鸬吞及l(fā)展產(chǎn)業(yè)體系、制定能源行業(yè)轉(zhuǎn)型發(fā)展等相關(guān)政策時(shí)提供決策依據(jù),從而保障低碳發(fā)展背景下經(jīng)濟(jì)的高質(zhì)量轉(zhuǎn)型發(fā)展,順利實(shí)現(xiàn)2030 年碳達(dá)峰和2060 年碳中和目標(biāo)。
從當(dāng)前文獻(xiàn)來看,目前對碳排放監(jiān)測預(yù)警的研究文獻(xiàn)較少。在預(yù)警指標(biāo)體系研究方面,叢日杰和韓潔平[2]以火電廠為研究對象,基于PSR 理論,從燃料消耗情況、污染物排放情況、低碳技術(shù)水平、電廠設(shè)備、環(huán)境保護(hù)水平等六個(gè)方面考慮,建立了預(yù)警體系。趙桂芹[3]基于出口貿(mào)易增長率、出口貿(mào)易碳排放增長率、能源消費(fèi)彈性系數(shù)、出口貿(mào)易依存度以及出口消費(fèi)指數(shù)構(gòu)建了對外貿(mào)行業(yè)碳排放預(yù)警監(jiān)測指體系標(biāo)。周志方和肖恬[4]從重污染工業(yè)企業(yè)的能源投入階段、能源消耗階段以及產(chǎn)出階段考慮,構(gòu)建了包括節(jié)能減排技術(shù)指標(biāo)、能源結(jié)構(gòu)、能源效率、碳交易風(fēng)險(xiǎn)指標(biāo)、政策管制指標(biāo)、低碳產(chǎn)品競爭力等18 個(gè)指標(biāo)的碳風(fēng)險(xiǎn)預(yù)警體系。崔金棟等[5]利用自由分類法和本體建模技術(shù),從低碳網(wǎng)站搜索高索引的低碳評價(jià)指標(biāo)構(gòu)建可更新的碳排放預(yù)警指標(biāo)體系。通過總結(jié)發(fā)現(xiàn),現(xiàn)有對碳排放預(yù)警的相關(guān)研究主要以企業(yè)和行業(yè)為研究對象展開,無法從系統(tǒng)的視角對我國各省份碳排放風(fēng)險(xiǎn)狀況予以監(jiān)測和揭示。而宏觀地了解和識別碳排放風(fēng)險(xiǎn)因素,并對地方經(jīng)濟(jì)發(fā)展中的碳排放情況進(jìn)行客觀評價(jià),是各級地方政府提前部署低碳經(jīng)濟(jì)產(chǎn)業(yè)布局、制定低碳發(fā)展相關(guān)政策的前提。因此,構(gòu)建多維監(jiān)測預(yù)警指標(biāo)體系,對碳排放風(fēng)險(xiǎn)進(jìn)行量化研究具有重要的現(xiàn)實(shí)意義。
本文在已有文獻(xiàn)研究基礎(chǔ)上,將碳排放監(jiān)測預(yù)警界定為對導(dǎo)致經(jīng)濟(jì)社會碳排放總量發(fā)生變化的核心風(fēng)險(xiǎn)要素變化情況的監(jiān)測,并根據(jù)監(jiān)測結(jié)果對各省份的碳排放風(fēng)險(xiǎn)狀態(tài)進(jìn)行評價(jià)。通過建立多維度碳排放監(jiān)測預(yù)警指標(biāo)體系,采用警戒閾值方法,對我國各省份碳排放風(fēng)險(xiǎn)狀況進(jìn)行監(jiān)測,進(jìn)一步從能源消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)和技術(shù)進(jìn)步的角度設(shè)置先行指標(biāo)對碳排放進(jìn)行分項(xiàng)預(yù)警分析,以期為識別各區(qū)域碳排放風(fēng)險(xiǎn)因素、提升區(qū)域低碳發(fā)展提供切實(shí)可行的方法和政策建議。
從系統(tǒng)視角構(gòu)建碳排放監(jiān)測預(yù)警指標(biāo)體系需要從宏觀和中觀層面有效識別影響碳排放的先行指標(biāo)。碳排放主要來自化石能源燃燒,因此,能源消費(fèi)結(jié)構(gòu)及強(qiáng)度等均會對碳排放產(chǎn)生顯著影響[6-13],而產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化[14-19]和技術(shù)進(jìn)步[20-25]等則會對碳排放產(chǎn)生明顯的抑制作用。因此,在科學(xué)性、可操作性以及可持續(xù)性原則下,基于碳排放主要來源確定預(yù)警指標(biāo),從能源消費(fèi)角度構(gòu)建了能源消費(fèi)結(jié)構(gòu)、能源消費(fèi)規(guī)模、能源利用效率、能源依賴程度四個(gè)方面的分項(xiàng)預(yù)警指標(biāo);從產(chǎn)業(yè)結(jié)構(gòu)角度主要考慮了整體的產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化程度(包括產(chǎn)業(yè)結(jié)構(gòu)合理化和產(chǎn)業(yè)結(jié)構(gòu)高級化)和分項(xiàng)的產(chǎn)業(yè)結(jié)構(gòu)碳排放規(guī)模(包括能源產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)能源消耗強(qiáng)度、農(nóng)業(yè)碳排放規(guī)模、林業(yè)規(guī)模以及高新技術(shù)產(chǎn)業(yè)規(guī)模);從技術(shù)進(jìn)步的角度主要考慮了規(guī)模以上工業(yè)企業(yè)技術(shù)改造水平。預(yù)警指標(biāo)分為兩類,對碳排放具有抑制作用的指標(biāo)為正向指標(biāo),而增加碳排放總量或強(qiáng)度的指標(biāo)為負(fù)向指標(biāo)。綜合上述考慮,最終構(gòu)建碳排放監(jiān)測預(yù)警具體指標(biāo)體系如表1 所示。
碳排放警情分析是確定碳排放警限閾值分級標(biāo)準(zhǔn),根據(jù)預(yù)警指標(biāo)體系對各省份碳排放警情現(xiàn)狀予以判斷分析的過程。
1.2.1 指標(biāo)標(biāo)準(zhǔn)化
不同原始指標(biāo)的量綱不同,不具有可比性,因此,本文對其進(jìn)行了標(biāo)準(zhǔn)化處理,標(biāo)準(zhǔn)化過程如式(1)、式(2)所示。標(biāo)準(zhǔn)化后的指標(biāo)取值在[0,1]之間。
正項(xiàng)指標(biāo)的處理方法為:
逆項(xiàng)指標(biāo)的處理方法為:
式中:x*為標(biāo)準(zhǔn)化后的指標(biāo)值,xi為原始指標(biāo)值(i為某時(shí)間截面第i省份),xmin、xmax為某年份原始指標(biāo)截面最小值和最大值。
1.2.2 熵權(quán)法權(quán)重設(shè)定
指標(biāo)體系中綜合指標(biāo)的計(jì)算采用熵權(quán)法客觀賦權(quán)重。據(jù)系統(tǒng)論的基本原理,熵是系統(tǒng)無序程度的一個(gè)度量,根據(jù)各指標(biāo)的變異程度,利用信息熵計(jì)算出各指標(biāo)的熵權(quán),對各指標(biāo)的權(quán)重進(jìn)行修正。系統(tǒng)處于某種狀態(tài)的概率假定為pi(i=1,2,…,m),則該系統(tǒng)的熵可用式(3)表示為:
當(dāng)pi=1/m(i=1,2,…,m)時(shí),各種狀態(tài)出現(xiàn)概率相等,此時(shí)熵取得最大值,即:
若待評樣本有m個(gè),評價(jià)指標(biāo)有n個(gè),原始評價(jià)矩陣為R=(rij)m×n。評價(jià)指標(biāo)rj的信息熵為:
據(jù)熵權(quán)法賦權(quán)重的原理,若某指標(biāo)熵值越小,則該指標(biāo)變異程度會越大,提供的信息量越大,在綜合評價(jià)體系中,該指標(biāo)起的作用就越大,相應(yīng)地,其權(quán)重就應(yīng)該越大。反之,其權(quán)重越小。第j個(gè)指標(biāo)的熵權(quán)為:
1.2.3 警限閾值確定方法
碳排放警情體系建立的目的是提供各省份碳排放預(yù)警測量,根據(jù)預(yù)警指數(shù)分析與評價(jià)警情并作出警報(bào)預(yù)測,因此必須確定警限閾值以及預(yù)警區(qū)間的設(shè)定標(biāo)準(zhǔn)。本文采用3σ原則確定預(yù)警區(qū)間,3σ原則基于正態(tài)分布原理,σ為標(biāo)準(zhǔn)差。由于經(jīng)濟(jì)系統(tǒng)中指標(biāo)值偏離均值的幅度均保持在較小區(qū)間,因此將大于1 倍σ的區(qū)間處理為數(shù)據(jù)異常區(qū)間。每一年的警限閾值采用當(dāng)年的截面數(shù)據(jù)予以確定,故預(yù)警區(qū)間處于一定程度的動(dòng)態(tài)狀態(tài),保持了碳排放監(jiān)測預(yù)警的客觀性。預(yù)警等級采用五級分類,詳見表2。
表2 警限閾值分類
1.2.4 警情計(jì)算
警情計(jì)算是對碳排放預(yù)警指數(shù)的計(jì)算與警情等級判定,即對指標(biāo)體系各指標(biāo)客觀賦權(quán)后,分角度計(jì)算其加權(quán)平均數(shù),得出分項(xiàng)預(yù)警指數(shù)和綜合預(yù)警指數(shù),并根據(jù)警限閾值標(biāo)準(zhǔn)判定其警情等級。計(jì)算過程如式(7)~(10)所示。
式中:wj是第j個(gè)指標(biāo)的綜合權(quán)重,WEC是能源消費(fèi)分項(xiàng)預(yù)警指標(biāo)的權(quán)重,IEC是能源消費(fèi)監(jiān)測預(yù)警指數(shù),WIS是產(chǎn)業(yè)結(jié)構(gòu)分項(xiàng)預(yù)警指標(biāo)的權(quán)重,IIS為產(chǎn)業(yè)結(jié)構(gòu)監(jiān)測預(yù)警指數(shù),WTE是技術(shù)進(jìn)步分項(xiàng)預(yù)警指標(biāo)的權(quán)重,ITE為技術(shù)進(jìn)步監(jiān)測預(yù)警指數(shù),I為碳排放監(jiān)測預(yù)警綜合指數(shù)。Xij為i年第j指標(biāo)的標(biāo)準(zhǔn)化數(shù)據(jù)。
綜合預(yù)警指數(shù)和分項(xiàng)預(yù)警指數(shù)均處于[0,1]之間,數(shù)值越趨于0,表示研究區(qū)域的碳排放警情狀況越嚴(yán)重;數(shù)值越大,表明碳排放警情越不明顯。
每一年各區(qū)域的指標(biāo)均存在一定的波動(dòng),指標(biāo)權(quán)重以及分項(xiàng)和綜合預(yù)警指標(biāo)的數(shù)值均處于動(dòng)態(tài)變化中,因此,預(yù)警區(qū)間是一個(gè)動(dòng)態(tài)區(qū)間。結(jié)合2018 年各區(qū)域指標(biāo)具體取值,預(yù)警區(qū)間分類如表3 所示。
表3 碳排放等級分類表
數(shù)據(jù)來源于國家統(tǒng)計(jì)局2004—2018 年的《中國統(tǒng)計(jì)年鑒》《科技統(tǒng)計(jì)年鑒》以及各省份2004—2018 年的統(tǒng)計(jì)年鑒。
綜合碳排放監(jiān)測預(yù)警指數(shù)由能源消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)和技術(shù)進(jìn)步三部分構(gòu)成。2004—2018 年,碳排放監(jiān)測預(yù)警指數(shù)綜合值顯示,我國碳排放預(yù)警指數(shù)均值總體上處于上升趨勢。如表4 所示,2018 年處于綠色、藍(lán)色、黃色、橙色、紅色預(yù)警區(qū)間的省份數(shù)量分別為4、2、15、9、0 個(gè),2015 年分別為4、4、11、10、1 個(gè),2010 年分別為4、4、10、9、3 個(gè)。整體來看,處于紅色預(yù)警區(qū)間的省份數(shù)量區(qū)域逐步減少,但橙色預(yù)警區(qū)間的省份數(shù)量仍較多,碳排放的風(fēng)險(xiǎn)因素依然不容忽視。2018 年碳排放預(yù)警指數(shù)處于0.04~0.95 之間,各省份之間的差異仍較明顯,但綜合指數(shù)處于紅色警戒區(qū)域的省份數(shù)量首次下降為0。從時(shí)間角度看,廣東、北京、上海、浙江、江蘇在各年份基本均處于碳排放預(yù)警指數(shù)的安全或者小風(fēng)險(xiǎn)區(qū)間,特別是廣東,三個(gè)分項(xiàng)預(yù)警指數(shù)基本均處于全國前列,且2016 年以來,與全國其他區(qū)域的差距顯著拉大;而山西、河北、貴州、甘肅等省份大部分年份均處于高風(fēng)險(xiǎn)區(qū)間。
表4 2018年中國碳排放監(jiān)測預(yù)警指數(shù)等級分布表
對3 個(gè)分項(xiàng)預(yù)警指標(biāo)進(jìn)一步分析發(fā)現(xiàn),2004—2018年能源消費(fèi)、產(chǎn)業(yè)結(jié)構(gòu)和技術(shù)進(jìn)步對碳排放預(yù)警監(jiān)測指數(shù)的平均影響權(quán)重分別為0.231、0.292、0.477,表明技術(shù)進(jìn)步對預(yù)警監(jiān)測指數(shù)的平均影響最大,是導(dǎo)致全國各區(qū)域碳排放水平風(fēng)險(xiǎn)差異的主要影響因素;3 項(xiàng)權(quán)重的標(biāo)準(zhǔn)差分別為0.059、0.048、0.076,即從全國層面看,低碳技術(shù)水平的提升一直是我國降低碳排放風(fēng)險(xiǎn)的重要環(huán)節(jié),2004—2018 年,技術(shù)進(jìn)步水平整體上發(fā)生了顯著變化。如圖1所示,從2010 年起,技術(shù)進(jìn)步對各區(qū)域碳排放風(fēng)險(xiǎn)影響的程度逐步提升,2018 年技術(shù)進(jìn)步對碳排放預(yù)警指數(shù)的影響權(quán)重達(dá)到15年來的峰值0.616,主要是由于2015年《巴黎氣候協(xié)定》后各級地方政府碳減排政策推動(dòng)了規(guī)模以上工業(yè)企業(yè)技術(shù)引進(jìn)經(jīng)費(fèi)大規(guī)模提升所致。
圖1 2004—2018年影響權(quán)重變動(dòng)狀況
能源消費(fèi)分項(xiàng)預(yù)警指標(biāo)在整個(gè)碳排放預(yù)警指標(biāo)中的權(quán)重逐步降低(圖1),2018 年降到最低值0.113,說明能源消費(fèi)預(yù)警指標(biāo)在各省份之間的差異越來越小,即我國能源消費(fèi)整體狀況得到了優(yōu)化。2018 年處于紅色預(yù)警等級的省份有3 個(gè),處于橙色和黃色預(yù)警區(qū)間的省份分別有6 個(gè)、13 個(gè),處于藍(lán)色和綠色預(yù)警區(qū)間的省份分別有5 個(gè)、3 個(gè)(表5)。
表5 2018年能源消費(fèi)監(jiān)測預(yù)警等級分布表
構(gòu)成能源消費(fèi)分項(xiàng)預(yù)警指標(biāo)的4 項(xiàng)指標(biāo):能源消費(fèi)結(jié)構(gòu)、能源消費(fèi)規(guī)模、能源利用效率以及能源依賴程度對其影響程度隨時(shí)間而波動(dòng),如圖2 所示。2004—2018年,4 項(xiàng)指標(biāo)對能源消費(fèi)預(yù)警指數(shù)影響權(quán)重均值分別為0.429、0.228、0.045、0.296,標(biāo)準(zhǔn)差分別為0.081、0.049、0.014、0.121,即能源消費(fèi)結(jié)構(gòu)和能源依賴程度對預(yù)警指數(shù)的平均影響較大,說明各省份將調(diào)整能源消費(fèi)結(jié)構(gòu)、降低經(jīng)濟(jì)發(fā)展對能源的依賴性作為降低碳排放的重要舉措;特別是能源依賴程度權(quán)重方差最大,說明各省份經(jīng)濟(jì)發(fā)展對能源依賴的差異尤為顯著。從具體指標(biāo)看,天然氣消費(fèi)占比(D3)和天然氣消費(fèi)總量(D5)對能源消費(fèi)預(yù)警指數(shù)的平均影響最大,樣本期影響權(quán)重的均值分別為0.286、0.199。表明清潔能源使用規(guī)模和比重在各省份中的差異較大,也是導(dǎo)致各省份能源消費(fèi)預(yù)警指數(shù)差異較大的主要原因。
圖2 2004—2018年能源消費(fèi)指標(biāo)權(quán)重變動(dòng)圖
能源消費(fèi)結(jié)構(gòu)長期以來對能源消費(fèi)預(yù)警指數(shù)發(fā)揮著重要影響,但這種影響整體呈現(xiàn)下降趨勢,說明各省份積極調(diào)整能源消費(fèi)結(jié)構(gòu),降低化石能源消耗比重,提升清潔能源的使用比例。各省份之間能源消耗結(jié)構(gòu)仍存在顯著差異,但差異程度在不斷降低,即整體能源消費(fèi)結(jié)構(gòu)在逐步優(yōu)化。從歷年各省份能源消費(fèi)結(jié)構(gòu)預(yù)警得分可知,以北京、天津、重慶、四川、海南、青海、新疆等為代表的省份,其能源消費(fèi)結(jié)構(gòu)預(yù)警指數(shù)較高,說明其能源消費(fèi)結(jié)構(gòu)處于全國較高水平;而以山西、內(nèi)蒙古、遼寧、云南等為代表的省份,其能源消費(fèi)結(jié)構(gòu)處于全國較低水平,仍需進(jìn)一步優(yōu)化。
能源依賴程度對能源消費(fèi)預(yù)警指標(biāo)的影響權(quán)重波動(dòng)程度最大,且影響程度隨時(shí)間呈上升趨勢。2015 年能源依賴程度的影響權(quán)重達(dá)到了頂峰0.584,這主要是由于為達(dá)到有效降低碳排放的效果,各省份將經(jīng)濟(jì)發(fā)展與能源消耗脫鉤作為一項(xiàng)重要的政策予以推廣,從而快速降低化石能源使用范圍。從時(shí)間角度看,近年來各省份經(jīng)濟(jì)發(fā)展對能源依賴程度整體上處于逐步降低趨勢,但各省份之間經(jīng)濟(jì)發(fā)展對能源消耗的依賴程度差異仍較大,且山西、內(nèi)蒙古等省份的能源依賴程度依然處于全國較高水平。
能源消費(fèi)規(guī)模對能源消費(fèi)預(yù)警指數(shù)產(chǎn)生直接影響,特別是化石能源總量控制已經(jīng)成為降低碳排放強(qiáng)度研究中亟待解決的重要問題。能源消費(fèi)總量的影響權(quán)重自2015 年后快速提升,由2015 年的0.126 上升到2018 年的0.331,表明各省份在能源消費(fèi)總量控制方面存在的差異在不斷加劇。
能源利用效率對能源消費(fèi)預(yù)警指數(shù)的影響權(quán)重相對較小,說明各省份之間能源利用效率差距不大,因此該指標(biāo)的權(quán)重較小。但是分析具體指標(biāo)可知,寧夏、青海、新疆、山西、內(nèi)蒙古的單位GDP 能源消耗較高,長期處于高能耗低產(chǎn)出的行列。
2018 年,產(chǎn)業(yè)結(jié)構(gòu)分項(xiàng)預(yù)警指數(shù)處于紅色預(yù)警區(qū)間的省份為山西和河北,處于橙色預(yù)警區(qū)間的省份為山東、河南、安徽、貴州、湖南、海南、寧夏、甘肅和新疆,處于綠色預(yù)警區(qū)間的省份是廣東、北京和四川(表6)。
表6 2018年產(chǎn)業(yè)結(jié)構(gòu)監(jiān)測預(yù)警等級分布表
產(chǎn)業(yè)結(jié)構(gòu)監(jiān)測預(yù)警指數(shù)由六部分組成,分別是產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、能源產(chǎn)業(yè)結(jié)構(gòu)、工業(yè)碳排放規(guī)模、農(nóng)業(yè)碳排放規(guī)模、林業(yè)碳吸收規(guī)模和高新技術(shù)產(chǎn)業(yè)規(guī)模。由圖3可以看出,能源產(chǎn)業(yè)結(jié)構(gòu)對產(chǎn)業(yè)結(jié)構(gòu)監(jiān)測預(yù)警指數(shù)的影響最大且較平穩(wěn),2004—2018 年,其影響權(quán)重位于[0.363,0.439]區(qū)間,說明能源產(chǎn)業(yè)結(jié)構(gòu)在全國各省份中非常不平衡,隨著碳減排對經(jīng)濟(jì)發(fā)展壓力的顯現(xiàn),各省份能源產(chǎn)業(yè)結(jié)構(gòu)將繼續(xù)調(diào)整優(yōu)化。數(shù)據(jù)分析結(jié)果顯示,能源產(chǎn)業(yè)結(jié)構(gòu)發(fā)展較好的區(qū)域有北京、廣東、四川、浙江等省份,而山西、河北、內(nèi)蒙古等省份能源產(chǎn)業(yè)結(jié)構(gòu)處于全國較低水平。
圖3 2004—2018年產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)權(quán)重變動(dòng)圖
林業(yè)碳吸收規(guī)模對產(chǎn)業(yè)結(jié)構(gòu)預(yù)警指數(shù)的影響也較大,但整體看來,其影響趨于緩慢下降。林業(yè)碳匯對于碳排放吸收具有重要意義,同時(shí)對于生態(tài)環(huán)境的改善也具有積極影響。2017 年我國年度人工造林面積(4 296 千公頃)和林業(yè)投資(4 800 億元)達(dá)到近年來峰值。受林業(yè)規(guī)模基數(shù)、產(chǎn)業(yè)布局特征以及區(qū)域地理環(huán)境等因素制約,各省份在林業(yè)規(guī)模方面的差異較大。整體來看,山西、河北、河南等省份在林業(yè)碳匯建設(shè)方面處于全國較低水平。
高新技術(shù)產(chǎn)業(yè)對各省份優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、培育經(jīng)濟(jì)發(fā)展新動(dòng)能以及降低碳排放強(qiáng)度會產(chǎn)生重要影響,是碳排放監(jiān)測重要的先行指標(biāo)。近年來,高新技術(shù)產(chǎn)業(yè)規(guī)模較大的省份包括廣東、浙江、江蘇、上海、四川、河南等,而寧夏、新疆、海南、黑龍江、吉林、山西、內(nèi)蒙古、云南等省份的高新技術(shù)產(chǎn)業(yè)規(guī)模則亟待改善。
產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化對降低碳排放強(qiáng)度、促進(jìn)區(qū)域經(jīng)濟(jì)可持續(xù)發(fā)展具有深遠(yuǎn)影響。從時(shí)間角度看,產(chǎn)業(yè)結(jié)構(gòu)升級對預(yù)警指數(shù)的影響權(quán)重呈現(xiàn)逐步上升的趨勢,這一影響在2016 年達(dá)到峰值0.144,隨后逐步降低,這說明全國各省份在產(chǎn)業(yè)結(jié)構(gòu)調(diào)整方面存在的差異呈現(xiàn)逐步擴(kuò)大的趨勢。數(shù)據(jù)結(jié)果顯示,這種差距主要是由產(chǎn)業(yè)結(jié)構(gòu)高級化引起的,而產(chǎn)業(yè)結(jié)構(gòu)合理化的影響基本穩(wěn)定且影響程度較低。
農(nóng)業(yè)碳排放規(guī)模和工業(yè)碳排放規(guī)模的影響權(quán)重較低,且較穩(wěn)定,說明全國各省份在農(nóng)業(yè)碳排放規(guī)模和工業(yè)碳排放規(guī)模方面的差異較小。數(shù)據(jù)結(jié)果顯示,工業(yè)碳排放依然是碳排放重點(diǎn)核心領(lǐng)域,山西、內(nèi)蒙古、河北、黑龍江等省份長期處于全國較低水平;農(nóng)業(yè)碳排放整體表現(xiàn)較好,其中,上海、重慶表現(xiàn)較為突出,山東、河北、河南等省份波動(dòng)程度較高。
2018 年,技術(shù)進(jìn)步監(jiān)測預(yù)警指數(shù)處于紅色預(yù)警區(qū)間的省份為青海,處于橙色預(yù)警區(qū)間的省份有吉林、貴州、甘肅、寧夏、新疆,處于安全區(qū)間的省份是廣東和上海,處于風(fēng)險(xiǎn)較小的藍(lán)色預(yù)警區(qū)間的是江蘇,其余省份處于黃色預(yù)警區(qū)間(表7),說明技術(shù)進(jìn)步在各省份之間的差異較大,且兩極分化程度逐步嚴(yán)重。分項(xiàng)預(yù)警指數(shù)顯示,廣東、上海、江蘇等省份的技術(shù)進(jìn)步水平長期處于全國較高水平,且持續(xù)呈現(xiàn)上升趨勢;而青海、新疆、甘肅等省份的技術(shù)進(jìn)步水平則長期處于較低水平。
表7 2018年技術(shù)進(jìn)步監(jiān)測預(yù)警等級分布表
技術(shù)進(jìn)步監(jiān)測預(yù)警指數(shù)由技術(shù)引進(jìn)、技術(shù)購買和技術(shù)改造3 個(gè)指標(biāo)構(gòu)成。由圖4 可以看出,技術(shù)引進(jìn)的影響權(quán)重最大,其均值為0.423,說明全國各省份在技術(shù)引進(jìn)方面差異較大,且這種差異隨時(shí)間呈現(xiàn)逐步擴(kuò)大的趨勢,2018 年達(dá)到最大值0.476。技術(shù)購買對技術(shù)進(jìn)步預(yù)警指數(shù)的平均影響權(quán)重為0.357,且波動(dòng)狀態(tài)不明顯,較平穩(wěn),說明各省份在技術(shù)購買方面的差異程度基本維持在穩(wěn)定狀態(tài)。技術(shù)改造對技術(shù)進(jìn)步預(yù)警指數(shù)的平均影響權(quán)重為0.220,且自2011 年權(quán)重呈現(xiàn)下降趨勢,即各省份在技術(shù)改造方面的差異越來越小,2018 年達(dá)到最小值0.153。
圖4 2004—2018年技術(shù)進(jìn)步指標(biāo)權(quán)重變動(dòng)圖
(1)2004—2018 年,我國碳排放預(yù)警指數(shù)整體上處于上升趨勢,處于紅色預(yù)警區(qū)間的省份逐步減少。長期來看,北京、上海、廣東、浙江、江蘇等地的碳排放預(yù)警指數(shù)處于風(fēng)險(xiǎn)較小的藍(lán)色或綠色預(yù)警區(qū)間,而山西、河北、貴州、甘肅等地長期處于風(fēng)險(xiǎn)較高的橙色或紅色預(yù)警區(qū)間,且2016 年之后,區(qū)域之間碳減排潛力之間的差距正不斷擴(kuò)大。
(2)技術(shù)進(jìn)步分項(xiàng)預(yù)警指數(shù)對碳排放預(yù)警綜合指數(shù)的影響最大。不同省份之間技術(shù)進(jìn)步水平的差異較大是導(dǎo)致碳排放預(yù)警指數(shù)差距較大的主要原因。2015 年后,技術(shù)引進(jìn)規(guī)模的差異快速擴(kuò)大,導(dǎo)致技術(shù)進(jìn)步的差異逐步擴(kuò)大。青海、新疆、甘肅、寧夏、貴州和吉林等省份的技術(shù)進(jìn)步預(yù)警指數(shù)處于紅色或橙色區(qū)間,未來工業(yè)企業(yè)技術(shù)升級是其降低碳排放的有效途徑。
(3)產(chǎn)業(yè)結(jié)構(gòu)分項(xiàng)預(yù)警指數(shù)對碳排放的影響整體呈現(xiàn)下降趨勢。能源產(chǎn)業(yè)結(jié)構(gòu)對產(chǎn)業(yè)結(jié)構(gòu)預(yù)警指數(shù)影響最大,其次是林業(yè)碳吸收規(guī)模,即各省份在能源產(chǎn)業(yè)結(jié)構(gòu)與林業(yè)規(guī)模方面的差異顯著。山西、河北、內(nèi)蒙古、河南等省份長期處于能源產(chǎn)業(yè)結(jié)構(gòu)和林業(yè)碳吸收規(guī)模的紅色或橙色等高風(fēng)險(xiǎn)區(qū);高新技術(shù)產(chǎn)業(yè)對各省份降低碳排放強(qiáng)度產(chǎn)生重要影響,而農(nóng)業(yè)碳排放和工業(yè)碳排放在各省份之間的差異相對較小,山西、內(nèi)蒙古、河北和黑龍江等省份處于該指標(biāo)的高風(fēng)險(xiǎn)區(qū)。綜合來看,產(chǎn)業(yè)結(jié)構(gòu)中高風(fēng)險(xiǎn)區(qū)未來碳減排重點(diǎn)應(yīng)集中在增加清潔低碳能源消費(fèi)比例,擴(kuò)大造林面積以及提升高新技術(shù)產(chǎn)業(yè)規(guī)模等方面。
(4)能源消費(fèi)會對碳排放產(chǎn)生直接和顯著的影響。從時(shí)間角度看,能源消費(fèi)對碳排放綜合指數(shù)的影響最小且隨時(shí)間呈現(xiàn)進(jìn)一步下降趨勢,能源消費(fèi)狀況得到了一定程度的優(yōu)化,但現(xiàn)狀仍不樂觀。2018 年,山西、內(nèi)蒙古、寧夏處于能源消費(fèi)預(yù)警指標(biāo)的紅色預(yù)警區(qū)間,而吉林、遼寧、甘肅、湖南、廣西、云南處于橙色預(yù)警區(qū)間。綜上,能源結(jié)構(gòu)優(yōu)化,推廣節(jié)能技術(shù),提高光伏等低碳清潔新能源以及太陽能、風(fēng)能等零碳能源的使用規(guī)模和比重是減小能源消費(fèi)高風(fēng)險(xiǎn)省份碳排放風(fēng)險(xiǎn)的重要途徑。