2. 天津大学管理与经济学部, 天津 300372
2. College of Management and Economics, Tianjin University, Tianjin 300372, China
2022年10月16日,党的二十大报告提出坚持健全生态文明制度体系更加健全,推进新型工业化。钢铁领域作为我国国民经济的重要组成部分,探讨钢铁领域协同减排策略有着重要意义。2022年我国钢材产量为13.4亿t,其中粗钢产量为10.18亿t,钢铁行业产值占国内生产总值(GDP)的5%,产量超过世界钢铁总产量的一半,碳排放占全国碳排放总量的15%[1]。为应对这一现象,2020年第75届联合国大会一般性辩论中,国家主席习近平向国际社会正式宣布中国“2030年实现碳达峰,2060年实现碳中和”的目标[2]。城市群对我国参与全球竞争发挥着不可替代的作用,推动着经济增长与区域的协调发展[3]。京津冀作为我国三大主要城市群之一,工业化强、经济增长快,同时也是辐射我国北方沿海的碳排放中心,京津冀作为北方钢铁领域发展重地,有必要率先实现“双碳”目标。
目前,在碳排放的研究领域中,国内外学者对因素分解和脱钩弹性的研究较多且已较为成熟。在钢铁领域碳排放脱钩研究中,Wang等[4] 和王俊岭[5] 均使用Tapio脱钩模型对我国钢铁领域碳排放脱钩状态进行了分析并指出我国钢铁工业与碳排放的脱钩状态多为弱脱钩。在碳排放驱动因素分解研究中,国内外学者多采用Ang[6] 改进的传统单层对数平均迪式(Logarithmic Mean Divisia Index, LMDI)指数分解法即对数平均迪式指数分解法,此方法解决了无残值的缺点并使分解结果更加完全。刘小丽等[7] 运用LMDI指数分解法将中国制造业碳排放驱动因素分解为经济增长、产业结构、能源强度、能源结构和碳排放系数五个因素。Wang等[8] 结合LMDI方法和脱钩努力值,将我国钢铁行业大气污染物排放的影响因素分解为环境调节效应、污染物产生强度效应、能源结构效应、技术进步效应和规模效应五个因素。Shen等[9] 基于国家自主贡献(NDC)和气候目标,构建了基准情景(Business As Usual, BAU)、NDC、2度和1.5度四个场景进行预测,发现钢铁的生产、技术和生产结构是彻底脱碳的关键影响因素。
综合来看,现有研究对驱动因素及脱钩状态的研究较多,但仍存在较多待研究的碳减排领域:①现有文献的研究视角多为工业、制造业层面,缺少对钢铁领域的研究,研究视角过于宏观;②对驱动因素及脱钩状态的分析变量较为传统,忽略了劳动和资本两个关键要素对碳排放的贡献;③研究范围多集中于国家和个别省份,缺少对城市群间协同关系的研究;④鲜有以“五年计划”为时间序列的研究,时间也多集中在2019年以前。鉴于此,本文以京津冀钢铁领域为研究视角,以核算2006—2025年钢铁领域碳排放现状为数据基础,将时变参数C-D生产函数创新性地引入传统的LMDI分解法,在能源消费碳强度和能源强度等这些传统因素基础上引入技术进步、资本投入和劳动投入要素,并构建Tapio脱钩和脱钩协同模型,通过实证分析驱动因素、脱钩指数和脱钩协同关系,最终对京津冀钢铁领域提出协同减排策略,这对新时期京津冀协同发展和实现“双碳”目标具有重要的现实意义。
1 研究方法及数据处理 1.1 研究方法 1.1.1 碳排放核算本文基于联合国政府间气候变化专门委员会(IPCC)《国家温室气体清单指南2006修订版》中的参考方法,并借鉴李明煜等[10] 对工业碳排放的估算方法,对钢铁领域碳排放量进行核算,公式如下:
(1) |
式中,C为CO2排放总量;Ei表示对第i种能源的消耗量;ei和pi分别表示第i类能源的标准煤折算系数和碳排放系数,具体见表 1;44/12表示CO2与碳的分子量比值。
(2) |
式中,St、Ct、GDPt分别代表t时期的碳排放强度、钢铁领域碳排放量和总产值。
1.1.2 基于时变参数C-D生产函数的LMDI分解利用时变参数C-D生产函数对LMDI模型进行改进,参考Liu等[11]、袁伟彦等[12] 和沈叶等[13] 的研究,将京津冀钢铁领域碳排放的驱动因素分解为能源消费碳强度、能源强度、技术水平、资本存量和劳动力投入,公式如下:
(3) |
(4) |
式中,Y表示产出;A为技术水平;K为资本存量;L为劳动力投入;α、β分别为随时间变化的资本及劳动投入弹性,且α + β=1。
(5) |
式中,C代表钢铁领域CO2排放量;E代表钢铁领域总能耗;Y代表钢铁工业总产值;ES代表能源消费碳强度;EI代表能源强度。
将式(5)利用LMDI模型进行分解,定义ΔCt表示某一时期年末的CO2排放量,ΔC0表示某一时期第一年的CO2排放量,单位为万t CO2,则钢铁领域碳排放的综合效应为:
(6) |
式(6)中,钢铁领域碳排放的具体分解结果如下:
(7) |
(8) |
(9) |
(10) |
(11) |
式中,ΔCES表示能源消费碳强度;ΔCEI表示能源强度;ΔCA表示技术进步;ΔCK表示资本投入;ΔCL表示劳动投入。
1.1.3 TAPIO脱钩模型2005年TAPIO首次提出“脱钩弹性”的概念,即经济增长与碳排放之间的脱钩,并分为连接、脱钩、负脱钩三大状态[14]。后被进一步细分为弱脱钩、强脱钩、弱负脱钩、增长负脱钩、增长连接、衰退脱钩与衰退连接8种等级,见表 2。
(1) 碳排放与工业增加值的脱钩指数。
(12) |
式中,ΔCO2为样本期间末期CO2排放量与基期的差值;ΔGDP代表末期钢铁工业总产值与基期之间的差值;ΔGDP/GDP是指钢铁工业增加值。从而依据ΔCO2和ΔGDP值的大小及正负,以及ε值的大小可以得出脱钩的类型。
(2) 交叉脱钩指数测算方法。参考苑清敏等[15] 对脱钩协同关系的研究,构建如式(13)的交叉脱钩指数,来评价京津冀地区间钢铁领域与碳排放的脱钩协同关系:
(13) |
式中,εRS表示地区R与地区S的交叉脱钩指数;ηir和ηis分别表示第i时间段地区R与地区S间的脱钩弹性系数,从而进一步分析京津冀钢铁领域碳排放的脱钩协同关系。
为了使协同程度更加直观地表示出来,根据交叉脱钩指数,将脱钩协同状态分为10个对称区间,当εRS越趋近于1时,脱钩协同状态越佳,详见表 3。
参考於冉等[16] 的研究,设时间序列c(0)有n个值,即c(0)={c(0)(1), c(0)(2), …, c(0)(n)},代表历年碳排放量,通过累加生成新的时间序列c(1)={c(1)(1), c(1)(2), …, c(1)(n)},则相应的微分方程为:
通过模型可预测2023—2025年碳排放量,且通过检验发现预测结果可信度高。
1.2 数据来源本文取自《中国统计年鉴》中的“黑色金属冶炼及压延加工业”代表钢铁领域。核算碳排放相关的煤炭、洗精煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化石油、天然气和焦炉煤气等11种能源相关数据来源于中国碳核算数据库(CEADs)以及IPCC 《国家温室气体排放清单指南》,见表 1,其中钢铁工业增加值代表钢铁领域经济增长状况;劳动投入即钢铁领域平均就业人数;资本投入运用单豪杰等[17] 的研究,采用永续盘存法估算,即固定资产净值。
2 结果及分析 2.1 京津冀钢铁领域碳排放分析如图 1、表 4[10] 和表 5所示,2006—2025年京津冀钢铁领域的CO2排放量整体呈增长趋势,由2006年的21 018.40万t增长至2025年的55 642.12万t,年均增长率为4.99%,其中北京市钢铁领域的CO2排放量从2006年(937.44万t)呈逐年下降的趋势,到2010年下降至93.30万t,这说明北京市对钢铁领域的碳减排治理效果非常好,主要是由于首钢经国家发展改革委正式批复于2010年底搬离北京,北京市实现早期达峰状态。天津市、河北省的碳排放强度均在“十二五”期间下降,说明“十二五”期间京津冀持续推动以钢铁领域为主的重点行业淘汰落后产能,达到了一定的碳减排效果。但是“十三五”及“十四五”期间又呈上升趋势,说明在此期间京津冀城市群在钢铁领域发展中以“经济增长”为导向,天津市表现为晚期达峰,河北省则仍表现为快速增长状态[10]。2006—2025年北京市和天津市碳排放强度均低于地区平均水平,而河北省则高于地区平均水平,河北省作为钢铁生产大省,在京津冀钢铁领域碳排放量中占比最高,为88.93%。
以“五年计划”为时间视角,利用基于时变参数C-D生产函数的LMDI模型分析了钢铁领域碳排放的驱动因素,得到能源消费碳强度、能源强度、技术水平、资本存量和劳动力投入对碳排放影响的贡献值。结果见图 2至图 6。
(1) 能源消费碳强度效应分析。在2006—2025年,京津冀整体的能源消费碳强度效应呈“W”状,只在2006年、2008年、2009年、2011年、2012年和2017年表现为碳减排作用,“十一五”中期呈现负值,可能与2008年北京奥运会实施的“绿色奥运”有关,对京津冀钢铁领域碳减排起到了一定的促进作用。但其余年份贡献值基本为正值,表明单位能耗的碳排放量仍然较多,主要是因为钢铁领域能源消费构成中高排放能源比重较大。
(2) 能源强度效应分析。除了2017年和2018年外,其他年度能源强度一直是京津冀钢铁领域碳减排的主导因素,说明在此期间京津冀钢铁领域碳排放由快速增长变为慢速增长,这得益于钢铁领域能源利用效率提高。尤其是“十一五”和“十二五”期间,由于京津冀整体能源强度持续的抑制作用,分别使钢铁领域碳排放减少15 953.77万tCO2和5205.57万tCO2。但是能源强度的碳减排作用从“十二五”期间逐渐减弱,主要是能源强度在“十三五”期间对天津市的碳减排变为碳增排,对京津冀增碳起到了一定的拉动作用,且在2017年和2018年京津冀整体由减碳变为增碳作用,分别贡献了2369.76万tCO2和6120.78万tCO2,可能是“十三五”中期京津冀经济迅速发展导致钢铁领域能源强度提高,单位产值能耗上升的结果。
(3) 资本投入效应分析。资本投入作为钢铁领域主要的碳增排因素,对京津冀钢铁领域碳减排起到了持续的抑制作用,主要原因是经济效益最大化一直是钢铁企业利益的最优选,从而使资本存量的产出弹性持续增强,其碳增排效应也持续增强。然而,以钢铁领域为主的资本密集型重点耗能工业发展迅速也带来了固定资产投资过热、产能过剩和环境污染等负面问题。但后期又整体呈波动下降的趋势,其中北京市在“十一五”期间的资本投入起到了一定的碳减排作用,但减碳效果微弱。2018年天津市和河北省资本投入产出大幅减少,分别贡献了-3705.17万tCO2和-3734.63万tCO2,主要是由于“十三五”规划强调要推动绿色低碳循环发展,全面完成节能减排约束型目标,同时互联网迅速崛起有效分流了以钢铁领域为主的重工业投资,一定程度上抑制了高耗能行业的碳排放。
(4) 劳动投入效应分析。“十一五”和“十二五”期间天津市和河北省的劳动投入碳增排效果显著,是因为“十一五”和“十二五”期间资本还未涌入第三产业,新增就业人口多涌入高耗能的实体产业。从“十三五”开始到“十四五”期间,京津冀钢铁领域顺应供给侧结构性改革,产业结构不断优化,高耗能行业资本密集型特征显著,劳动力大量转入以第三产业为主的低耗能行业,且随着保护环境教育的普及,劳动力有了节能减排的意识,使得劳动投入从增碳效应变为减碳效应,分别在“十三五”和“十四五”期间贡献了-10 062.28万tCO2和-16 966.70万tCO2。
(5) 技术进步效应分析。“十一五”“十二五”期间,北京市、天津市和河北省技术进步均表现为抑制作用,主要是2005年后,国家大力支持科技创新,且在“十二五”时期,党的十八大报告提出“建设资源节约型、环境友好型社会”的目标,加大了碳减排力度,且在“十三五”和“十四五”时期碳减排作用继续增强,说明由于技术进步使得生产效率提高从而抑制了企业碳排放。
2.3 京津冀钢铁领域碳排放脱钩及协同关系分析将时间按“五年计划/ 规划”划分,测得了2006—2010年(2006年为基准年)、2011—2015年(2011年为基准年)、2016—2020年(2016年为基准年)、2021—2025年(2021年为基准年)京津冀钢铁领域各种脱钩指数和协同状态,见表 6、表 7。
结果显示,首先,2006—2025年京津冀地区钢铁领域碳排放与钢铁工业增加值之间的脱钩状态严峻。“十一五”期间京津冀钢铁领域碳排放与GDP的脱钩关系为弱脱钩,表明京津冀地区钢铁领域碳排放量随工业GDP增加而增长,但是碳排放量的增长幅度小于工业GDP增加的幅度;“十三五”和“十四五”期间京津冀钢铁领域碳排放与工业增加值的脱钩关系均为强负脱钩,表明碳排放与工业GDP成反比,且碳排放量的增长幅度大于工业GDP减少的幅度,主要原因是在此期间,我国房地产业的迅速发展,导致国内钢铁需求量增大,加速了钢铁领域的快速发展,从而使碳排放量快速增多,碳减排技术的发展仍然无法阻碍钢铁领域碳排放的增加。因此,京津冀整体脱钩状态并未改善,钢铁领域经济增长与碳排放未实现脱钩。
2.3.2 京津冀钢铁领域碳排放的脱钩协同关系分析“十一五”时期,北京市和天津市脱钩协同状态表现为一般协同的脱钩状态;天津市和河北省表现为协同的脱钩状态,表明天津市和河北省在此期间钢铁工业增长与碳排放的脱钩程度相近,二者脱钩协同状态良好;北京市和河北省表现为不协同,但由于北京市钢铁领域逐渐在“十一五”后期搬离北京,对于区域脱钩协同关系的研究主要集中于天津市和河北省的协同关系。但在“十二五”到“十四五”时期,天津市与河北省的钢铁工业增长与碳排放均为极不协同的脱钩状态,协同程度很差。
3 结论与建议 3.1 结论(1) 2006—2010年、2011—2015年、2016—2020年和2021—2025年京津冀钢铁领域碳排放量变化趋势由快速增长变为缓慢增长。2006—2025年北京市和天津市的碳排放强度均低于地区平均水平,河北省则高于平均水平,其中,北京市已经实现早期碳达峰,天津市表现为晚期达峰,而河北省还处于快速增长阶段。
(2) 通过分析京津冀钢铁领域碳排放的驱动因素可知,各驱动因素的贡献值存在显著差异且都不稳定,碳增排因素为能源消费碳强度和资本投入,碳减排因素为能源强度和技术进步,劳动投入逐渐从碳增排效应转变为碳减排效应。
(3) 京津冀地区CO2排放与钢铁工业增加值未实现完全脱钩,脱钩状态由弱脱钩变为强负脱钩,脱钩状态不理想,河北省碳脱钩是京津冀实现“双碳”目标的关键。
(4) 北京市与天津市和天津市与河北省钢铁工业增长与碳排放的脱钩协同关系只在“十一五”时期分别表现为一般协同和协同脱钩,而在“十二五”到“十四五”时期表现为极不协同。
3.2 钢铁领域协同减排策略(1) 改善能源消费碳强度和能源强度。能源消费碳强度作为碳增排因素,必须通过调整能源消费结构来减少单位能耗产生的碳排放量,提高煤炭在总能耗中的利用率。继续提高能源强度的碳减排效果,提升单位经济产出的能源消耗即能源效率,提高废钢利用率[18],促进能源结构绿色化和协同化。
(2) 鼓励技术创新。产业技术创新协同发展仍然是钢铁领域碳减排的重要选择[19],应该保证控制总能耗同时提高粗钢生产率。借鉴欧盟的ULCOS(Ultralow CO2 steelmaking)、日本钢铁工业的COURSE50 (CO2 ultimate reduction in steelmaking process by innovative technology for cool Earth 50)、韩国的全氢炼钢技术以及美国的AISI(American iron and steel institute)项目等[20],进一步深度脱碳。
(3) 改善投资结构和劳动投入。通过减少投资来减缓经济增长与我国经济可持续发展的矛盾,因此要关注投资质量,激励绿色投资转向高耗能产业,持续提高劳动投入的碳减排作用,提高绿色低碳相关技术人员在劳动投入中的比例[12]。
(4) 因地制宜。根据京津冀各省市不同驱动因素的贡献度、脱钩指数及协同状态,制定各自的碳减排政策,合理解决产业转移过程中带来的污染物区域转移问题,并以党的二十大提出的“促进区域协调发展”为政策引导,促进京津冀碳排放强脱钩化和协同化,激励京津冀城市群间协调发展。
[1] |
宋亚植, 李银, 李仲飞. 基于产出效率的中国钢铁行业碳配额分配方案[J]. 资源科学, 2023, 45(02): 333-343. |
[2] |
新华社. 习近平在第七十五届联合国大会一般性辩论上发表重要讲话[EB/OL]. (2020-09-22)[2023-01-09]. http://www.gov.cn/xinwen/2020-09/22/content_5546168.htm.
|
[3] |
侯丽朋, 王琳, 钱瑶, 等. "双碳"目标下闽三角碳排放脱钩状态及驱动机制分析[J]. 生态学报, 2022, 42(23): 9663-9676. |
[4] |
WANG X L, WEI Y W, SHAO Q L. Decomposing the decoupling of CO2 emissions and economic growth in China's iron and steel industry[J]. Resources, conservation and recycling, 2020, 152: 104509. DOI:10.1016/j.resconrec.2019.104509 |
[5] |
王俊岭. 我国钢铁工业脱钩弹性分析——以2006-2015年面板数据为例[J]. 生态经济, 2017, 33(8): 139-143. |
[6] |
ANG B W. Decomposition analysis for policymaking in energy: which is the preferred method?[J]. Energy policy, 2004, 32(9): 1131-1139. DOI:10.1016/S0301-4215(03)00076-4 |
[7] |
刘小丽, 王永利. 基于LMDI分解的中国制造业碳排放驱动因素分析[J]. 统计与决策, 2022, 38(12): 60-63. |
[8] |
WANG X L, GAO X N, SHAO Q L, et al. Factor decomposition and decoupling analysis of air pollutant emissions in China's iron and steel industry[J]. Environmental science and pollution research, 2020, 27(13): 15267-15277. DOI:10.1007/s11356-020-07997-w |
[9] |
SHEN J L, ZHANG Q, XU L S, et al. Future CO2 emission trends and radical decarbonization path of iron and steel industry in China[J]. Journal of cleaner production, 2021, 326: 129354. DOI:10.1016/j.jclepro.2021.129354 |
[10] |
李明煜, 张诗卉, 王灿, 等. 重点工业行业碳排放现状与减排定位分析[J]. 中国环境管理, 2021, 13(3): 28-39. |
[11] |
LIU M Z, ZHANG X X, ZHANG M Y, et al. Influencing factors of carbon emissions in transportation industry based on C-D function and LMDI decomposition model: China as an example[J]. Environmental impact assessment review, 2021, 90: 106623. DOI:10.1016/j.eiar.2021.106623 |
[12] |
袁伟彦, 方柳莉, 罗明. 中国工业碳排放驱动因素及其脱钩效应——基于时变参数C-D生产函数的分解和测算[J]. 资源科学, 2022, 44(7): 1422-1434. |
[13] |
沈叶, 刘中侠, 邓翠翠, 等. 工业部门低碳化驱动因素与脱钩路径分析——以安徽省为例[J]. 长江流域资源与环境, 2022, 31(12): 2597-2607. |
[14] |
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. |
[15] |
苑清敏, 何桐. 京津冀经济-资源-环境的脱钩协同关系研究[J]. 统计与决策, 2020, 36(6): 79-83. |
[16] |
於冉, 黄贤金. 碳排放峰值控制下的建设用地扩展规模研究[J]. 中国人口·资源与环境, 2019, 29(7): 66-72. |
[17] |
单豪杰, 师博. 中国工业部门的资本回报率: 1978-2006[J]. 产业经济研究, 2008(6): 1-9. |
[18] |
刘妍心, 李华姣, 安海忠, 等. 基于"废钢回收"的中国钢铁产业链资源-经济-环境动态耦合[J]. 资源科学, 2021, 43(3): 588-600. |
[19] |
REN M, LU P T, LIU X R, et al. Decarbonizing China's iron and steel industry from the supply and demand sides for carbon neutrality[J]. Applied energy, 2021, 298: 117209. |
[20] |
邢奕, 崔永康, 田京雷, 等. 钢铁行业低碳技术应用现状与展望[J]. 工程科学学报, 2022, 44(4): 801-811. |