排放论文范文

一、变量选择

考虑到实体经济与碳排放影响的关系，本文选取以下经济指标来衡量城市化工业化水平。城镇化率；采取非农人口占总人口比重来度量，记为city。人均GDP；在模型中取人均GDP的对数形式，记为pgdp。建筑业总产值；模型中采用对数形式的总产值，记为building。规模以上工业产值；为便于统计，模型采用规模以上工业产值，同时取对数形式，记为in⁃dustry。能源强度；即每一单位GDP产出的能源消费量，值越高，表示经济活动的能源效率越低，碳排放量相对越多，记为energy。4.模型引用空间DURBIN模型是近几年发展起来的空间计量经济模型。模型考虑了因变量和自变量的滞后影响，能较好地反映空间外部性和溢出性，对空间经济集聚与扩散研究有较大解释能力(Anselin,1988)。式（2）中yit是i省t年二氧化碳排放量；W是0-1空间邻接矩阵；xit是解释变量向量，xit指i省t年数值；In是n阶单位矩阵；ρ，β，θ，α是待估参数,μ是随机误差项。

二、实证分析

实证部分主要运用空间DURBIN模型对我国区域碳排放的影响进行量化分析。模型中，以co2为被解释变量，以city，energy，pgdp，building，industry为解释变量，利用STATA软件进行编程计算。具体模型如下。可决系数R2为0.3530，反映模型在变量的选择上及模型整体构建上基本上符合预期。因变量的空间滞后回归系数为0.1264，在0.01的水平上不显著为正，这反映了我国相邻的各省市间碳排放存在空间依赖性，但并不十分显著。我国区域碳排放的空间影响因素分析：城镇化率对碳排放的回归系数显著为正，在其他因素不变的情况下，城镇化率每提高1%，碳排放增加5.4%；城镇化率的空间滞后项系数为-0.072，显著为负，表明城镇化率对区域间碳排放存在显著的挤出效应，这表明相邻省市相同的城镇化率会形成竞争态势，使相邻区域碳排放量受到影响。

能源强度对碳排放的回归系数显著为正，能源强度每降低1吨标准煤/万元GDP，碳排放降低11.5%；能源强度的空间滞后项系数为0.0337，显著为正，表明能源强度对区域间碳排放存在显著的溢出效应。人均GDP的对数对碳排放的回归系数不显著为负，人均GDP的对数每增加1个单位，碳排放降低4.1%；人均GDP的对数形式的空间滞后项系数为-0.1735，但不显著，这表明人均GDP对相邻区域间碳排放不存在显著的挤出效应，这也表明人均GDP增加并不意味着相邻区域碳排放会增加。建筑业总产值对碳排放的回归系数显著为正，建筑业总产值的对数每增加一个1个单位，碳排放增加0.74%；建筑业总产值的空间滞后项系数为0.102，但不显著，这表明建筑业总产值对相邻区域间碳排放存在不显著的溢出效应。规模以上工业产值对碳排放的回归系数显著为正，规模以上工业产值的对数每增加一个1个单位，碳排放增加0.24%；规模以上工业产值的空间滞后项系数显著为负，表明规模以上工业产值对区域间碳排放存在显著的挤出效应，这表明相邻省市相同的规模以上工业产值会形成竞争态势，资本等生产要素要流向更有利于增值的地方。

三、结论与建议

本文通过测算1997-2011年30个省市的二氧化碳排放量，运用空间DURBIN模型对区域碳排放做了较深入的分析，研究表明城镇化率、能源强度、建筑业总产值及规模以上工业产值均对碳排放有显著影响；城镇化率、能源强度及规模以上工业产值的空间溢出或挤出效应对相邻区域碳排放产生了不同程度的影响。因此，针对上述因素影响效果，当前应积极采取措施提高经济发展质量，加快技术革新、鼓励高新技术发展，引导社会资金向可以增加整体社会福利的现代产业领域投资，从产业结构转型的视角降低能源强度，实现产业结构更为优化合理发展。与此同时，从空间的角度、区域经济协调发展的角度出发，建议各地政府在制定相关产业发展政策时注重相邻区域的溢出效应，合理进行产业布局，使资源、生产要素达到最优化配置，且对相邻区域产生正向溢出效应，以提升我国的整体经济实力。

作者：何军单位：重庆工商大学长江上游经济研究中心

一、数据来源与指标选取

1.数据来源。本文选择的样本时间区间是1980-2013年，数据主要来源于历年《四川省统计年鉴》和统计公报。

2.指标的选取。本文选择产业生产总值、产业资本存量和产业就业人数三个指标来评价产业结构的发展情况；本文结合Kaya模型和碳的化学燃烧公式法来测量碳排放。各指标具体如下:

2.1产业生产总值。本文采用的各次产业生产总值的数据主要来源于《四川省统计年鉴》历年公布的的当年GDP。用GDPit表示四川省第i次产业在t年的国内生产总值。

2.2产业资本存量。本文采用国际上普遍使用的永续盘存法来衡量四川省的资本存量，该方法由Goldsmith在1951年开创，该方法的计算公式为。公式中，i=1,2,3分别表示第一、二和三次产业；Kit表示第i个产业在第t年的资本存量；Kit-1表示第第i次产业在第t-1年的资本存量；Iit表示第i次产业在第t年的投资，δit表示第i次产业在第t年的折旧率。目前，国内学者对于资本存量基期的确定，大多数选择1952年或1978年作为基期，本文以1978年作为基期。对于折旧率的确定，国内学者的选择差异较大，如黄勇峰等(2002)选择设备、建筑的折旧率分别为17%、8%；张军等(2004)选择各省份的折旧率为9.6%；杨格(Young，2000)、龚六堂和谢丹阳(2004)的选择分别为6%和10%，本文的折旧率定为上述学者选择的算术平均数为10%。对于当年投资的确定，国内学者中张军和章元（2003）采用积累的概念及其相应的统计口径确定；王小鲁(2000)采用全社会固定资产投资作为当年的投资；还有用资本形成总额或固定资产形成总额作为当年的投资，本文采用第三种方法即四川省当年的固定资本形成总额作为当年的投资。

2.3产业就业人数。本文中各产业就业人数来源于四川省历年统计年鉴，用itlabor(其中i=1，2，3)表示四川省第i次产业在第t年的就业人数。

2.4碳排放量。目前我国没有碳排放量的直接监测数据，对于碳排放量的计算,学术界没有统一的标准，本文结合Kaya模型和碳的化学燃烧公式法来计算四川省的碳排放量。Kaya模型是由日本学者YoichiKaya提出的，该模型将经济发展、人口和政策等因素与人类活动产生的二氧化碳联系起来，分析地区的碳排放量和该地区的能源消费结构因素、各类能源的排放强度、能源的利用效率、经济的发展因素以及人类的活动的关系。公式中，P为人口，E/GDP表示单位能源使用强度，CO2/E表示碳排放强度即碳排放系数。碳的化学公式法是使用碳的化学燃烧公式:C+O2=CO2，从化学角度来测算能源消耗产生的碳排放。碳的燃烧值约为34070kj/kg，每吨标准煤消耗释放的热量约为29302kj，因此可以计算出消耗每吨标准煤释放出的二氧化碳。然而国内外学者发现标准煤含有硫、氮等元素会影响碳排放的测算，因此，本文结合两种方法计算出的每吨标准煤的碳排放系数的算术平均数作为本文每吨标准煤的碳排放系数为2.499。公式中，itcarbon(i=1，2，3)表示四川省第i次产业在第t年的碳排放量，单位为万吨;tcarbon表示四川省在第t年的碳排放量;GDPt和GDPit分别表示四川省在第t年的国内生产总值和第i次产业的国内生产总值。

二、模型的设定

1碳排放测算方法

1．1能源消费碳排放核算根据《2006年指南》关于能源消费碳排放核算公式和张兰［19］等学者的研究，能源消费主要考虑煤炭、石油、天然气，此外还包含少量的风能、生物质能、核能等，由于其他能源对环境影响较小，不予考虑。核算能源消费碳排放的公式。式中，E－C为能源消费碳排放量;Energyi为第i种能源的消费量;αi为第i种能源转换因子，即根据净发热值将燃料转换为能源单位(TJ)的转换因子;CCi为第i种能源碳含量(t/TJ)，即单位能源的含碳量;NCi为第i种能源的非燃烧碳，即排除在燃料燃烧以外的原料和非能源用途中的碳;10－3为单位转化系数;COFi为第种能源的碳氧化因子，即碳被氧化的比例，通常缺省值为1，表示完全氧化。将上述公式进一步简化，可得到计算中更为简便且实用的公式:。式中，βi为第i种能源的碳排放系数，即单位能源的碳排放量。国内外开展能源碳排放系数研究主要有国家科委气候变化项目、国家计委能源所、日本能源经济研究所、美国能源部、DOE/EIA等，本文研究中选取几项权威系数的均值作为计算系数，详细情况见表1。

1．2农业碳排放核算IPCC有关农业生产碳排放的论述多集中于生物活动产生、土壤碳和水稻的甲烷排放，而关于农业生产物质投入导致碳排放的研究不多。结合我国和湖南省农业生产特点，以《2006年指南》为主要参考，结合田云［2，22］等基于投入视角的农地碳排放测算研究，确定农业生产碳排放源包括:稻田、化肥、农药、农膜、牲畜活动。由于农业机械动力相关的碳排放已在能源消费碳排放核算中涵盖，为避免重复，此处不再涉及。构建农业物质投入碳排放核算公式为。式中，A－C为碳排放;i为第i种农业生产要素投入;εi为第种农业生产要素碳排放系数。农药等农业生产要素碳排放系数参考美国橡树岭国家实验室等机构和学者的研究成果，见表2。水稻生长过程中会释放大量甲烷，而甲烷是IPCC公布的六类温室气体之一。水稻是湖南省种植面积最大的农作物，因此核算湖南省农业生产碳排放需要考虑水稻生长的碳排放。Wang［23］、Cao［24］、Matthew［25］等学者测算了稻田甲烷排放系数，结果为0．44gCH4/(m2•d)、0．44gCH4/(m2•d)、0．50gCH4/(m2•d)，研究将三者的算数平均值作为计算系数，即0．46gCH4/(m2•d)。根据2007年IPCC第四次评估报告的相关内容，1单位甲烷与1单位二氧化碳温室效应比为25∶1，据此可确定甲烷与碳的转换系数为6．82，结合稻田甲烷排放系数，确定稻田碳排放系数为3．136gC/(m2•d)。湖南省水稻生长周期为120—150天，研究选取平均值135天为计算标准。稻田碳排放计算公式为。式中，R－C为稻田碳排放量;S为水稻播种面积。根据《2006年指南》第四卷第10章关于牲畜和粪便管理过程碳排放的相关论述，畜牧业尤其是诸如牛、羊等反刍动物生长过程中会产生大量的甲烷，具体而言包括肠道发酵和粪便管理两部分。参考田云［12］等学者的研究，我国畜牧业产生甲烷排放的主要牲畜品种有牛、马、驴、骡、猪、羊，以IPCC给出的排放系数为依据，运用上文所述的甲烷—碳转换系数，建立我国主要牲畜碳排放系数见表3。畜牧业碳排放计算公式为:。

1．3废弃物碳排放核算根据《2006年指南》第五卷有关废弃物的分类研究，温室气体排放源主要有四类:固体废弃物生物处理、废弃物的焚化与露天燃烧、固体废弃物填埋处理、废水处理与排放，固体废弃物填埋处理(即SWDS)是废弃物温室气体的主要来源。固体废弃物被掩埋后，甲烷菌可使废弃物所含有机物分解产生甲烷气体。由前文可知，甲烷是主要温室气体之一，且产生的温室效应比二氧化碳强。据IPCC相关研究估计，全球每年约3%—4%的温室气体来源于废弃物填埋处理产生的甲烷。《2006年指南》推荐使用一阶衰减法(FOD)，一阶衰减法能获得更好的测算精度。根据《2006年指南》和渠慎宁［3］等学者的研究，本研究给出固体废弃物填埋处置产生甲烷量的一阶衰减法的估算公式。

2数据来源与处理说明

2．1数据来源农业生产中涉及的水稻种植面积、化肥、农药、农膜数据来自2001—2011年《中国农村统计年鉴》和能源数据来自湖南省能源平衡表;农业生产中各类牲畜数量来自历年《湖南省统计年鉴》;工业废弃物和城市固体垃圾数据来自国研网统计数据库，确实部分运用插值法根据历年数据补充完整(限于篇幅，方法介绍略);土地利用数据来自国研网统计数据库，经济数据来自相关年份的《湖南省统计年鉴》，按2000年不变价格参与计算。

2．2处理说明根据《土地利用现状分类》和赵荣钦等学者的研究，承载碳排放的土地利用类型包括耕地、牧草地、农村居民点用地、城镇居民点及工矿用地、交通水利和其他用地。研究将根据碳排放发生载体，本文将其分解到具体的用地类型，畜牧业按照食物来源将牲畜活动分属于耕地和牧草地，用地类型与碳排放源对应关系见表4。

3结果分析

1研究方法与数据来源

1.1碳排放的测量方法我国官方并没有对碳排放量进行特别统计，学界用的碳排放数据都是基于能源消费量、能源碳排放系数估算得到的。如张雷、李艳梅、胡初枝等基于一次能源消费总量和一次能源碳排放系数对碳排放量进行了估算。徐国泉等建立了中国人均碳排放的因素分解模型，采用对数平均权重Disvisia分解法，对我国的碳排放量进行了测算[20]。李健等结合上述方法提出了相应的计算公式[3]。上述研究方法虽然有所不同，但研究思路大体相似，煤、石油、天然气热力和电力是我国主要能源，只要估算出这五种基础能源的碳排放系数，结合能源的消费统计数据，就可以对碳排放进行估算。本文碳排放采用如下公式在李健提出的计算公式的基础上进行简化：其中，TC为碳排放总量；Ei为第i类能源的消费量，Pi为第i类能源的碳排放系数。各类能源对标准煤的折算系数采用《中国能源统计年鉴》（2012）规定的数值，即1吨原煤折0.7143吨标煤、1吨原油折1.4286吨标煤、1万立方米天然气折13.330吨标煤、1百万千焦热力折0.03412吨标煤、1万千瓦时电力折1.229吨标煤。碳排放系数各国测算的结果有所差别，本文煤炭、石油、天然气采用了国家发改委能源研究所提供的各类能源碳排放系数作为测算的依据，热力和电力则依据宋佩珊、王文秀和国家气候战略中心编制的《2010年中国区域及省级电网平均二氧化碳排放因子》计算得出。

1.2聚类分析聚类分析是研究多要素事物分类问题的数量方法，其基本原理是根据样本自身的属性,按照某种相似性或差异性指标,定量确定样本之间的亲属关系,并按这种亲疏关系程度对样本进行聚类[25]。根据分类对象的不同，聚类分析又可以分为两类，一是在变量空间中根据变量特征或者指标性质对样品，即研究对象进行分类，叫做Q型聚类分析；二是在样品空间中根据变量在样品上的观测值对变量进行分类，叫做R型聚类分析[26]。本文着重对各产业进行分类，故采用Q型聚类分析。

1.3数据来源本文采用的数据广州市能源消费总量（万吨标准煤）、广州市国民生产总值GDP（万亿）和广州市年末常住人口数（万人）均来源于历年《广州市统计年鉴》（2004～2013）。

2结果分析

2.1广州市三次产业碳排放特征改革开放以来，广州加快了产业结构调整步伐，产业结构由改革开放初期的“一、二、三”调整为目前的“三、二、一”，第三产业占据了三次产业的主体地位。据统计，2012年广州市实现地区生产总值（GDP）13551.21亿元，按可比价格计算，比上年（下同）增长10.5%，三次产业对经济增长的贡献率分别为0.5%、35.2%和64.3%。形成了以汽车、石油化工、电子信息制造业以及生物医药等产业为支柱的国民经济体系。2012年，第一产业、第二产业和第三产业在碳排放总量中所占比重分别为1.95%、42.05%、42.49和13.50%左右。第一产业的碳排放量趋向稳定，近10年来一直维持在2%左右的低位，这说明第一产业并不是影响广州市碳排放总量的主要因素。另外，第三产业的碳排放量增长迅速，2012年第三产业的碳排放量首次超过第二产业。在广州市碳排放量比例中，以工业部门为主要构成的第二产业所占比重仍然较大，工业结构重型化，制造业仍然处于国际产业链的相对低端，先进制造业、现代服务业和战略性新兴产业发展相对不足。2012年广州规模以上工业总产值中轻重工业比例为32.02:67.98，重工业的能源消费占工业能源消费的71.72%。随着广州城市化、现代化不断发展，能源需求快速增长，碳排放需求将进一步释放。10年来，第三产业的碳排放比重迅速增加，2012年第三产业部门的碳排放量首次超过第二产业，这是由于交通运输业、仓储、邮政业等较耗能第三产业的迅速发展所致，第三产业比重所占比重加大。第一产业所占的比重最小，随着农业现代化水平的提高，农业能耗增加，碳排放比重有所提高。除第一产业外，其他部门碳排放强度呈现逐年下降趋势（图1），其中第二产业部门下降幅度最大，这是由于工业行业内部结构进行了优化调整，部分高能耗企业（印染、造纸等）关停或转移，高附加值低能耗行业（电器机械制造业、医药业等）比重上升。第三产业的碳排放强度最低，但同时应该看到，10年来第三产业碳排放强度下降速度缓慢，第三产业是未来广州经济增长的核心，金融、保险、物流等服务业是发展的重心，而这些行业的碳排放强度小，所以第三产业碳排放强度仍有较大下降空间。第一产业碳排放强度有所上升，这是农业机械化导致能耗上升的结果。

2.2广州工业内部各行业碳排放分析第二产业作为广州重要的支柱产业，低碳指标无疑是重要的，但不能因此而放弃一些碳排放较大，但对国民经济影响较大的部门。进一步优化广州工业结构的关键是甄别出碳排放量小、社会经济效益高的行业。本文将从经济、社会、生态效益三方面提取指标对工业内部各行业进行聚类分析，建立起广州工业内部的分类体系，该体系显示未来广州应该大力发展的行业和重点优化的行业。

2.2.1指标选取对经济、社会、生态效益的衡量分别选取增加值规模、就业系数、碳排放强度这三项指标。增加值规模代表该行业占工业比重，体现了该行业重要程度，增加值规模越大，则该行业对国民经济的拉动力越强。就业系数为行业的就业人数与该行业增加值的比值，反应行业对社会就业的吸纳能力，就业系数越大，则单位增加值吸纳劳动力越多，但同时也说明劳动生产率较低，在目前我国劳动力过剩的情况下需要辩证的看待这项指标。碳排放强度是单位增加值的碳排放量，该项指标反映行业对生态环境的影响程度。

一、江苏省人口城镇化与碳排放特征分析

1．江苏省进入“十五”以后人口城镇化呈现快速增长新特点2001—2012年12年间，江苏省共新增城镇人口1855．36万人，平均每年增加154．61万人，城镇化水平从42．6%增长到63．0%，年均增长率达到3．3%。2005年，江苏人口城镇化率在达到50%以后，继续呈现快速增长的态势，属高速增长时期。2010年底，江苏城镇人口比重超过60%，达到较高水平。若依据诺瑟姆城镇化三阶段论(城镇化水平低于30%为低速增长阶段、城镇化水平在30%～60%之间为高速增长阶段、城镇化水平高于60%为成熟的城镇化社会)判断［11］，江苏省开始向成熟的城镇化社会迈进。具体而言，2001—2005年、2006—2010年城镇人口年均增长分别为158．3万人、187．1万人，城镇化率平均每年分别提高1．8个、2．0个百分点。比较而言，“十五”、“十一五”两个时期城镇人口的增长规模以及城镇化率虽然低于“九五”时期年均增长速度，但这是在城镇化高水平时期的增长，表明江苏的城镇化在经历“八五”“九五”时期的快速增长后，城镇人口增长势头依然强劲，城镇化仍处于高速增长时期。2．江苏人口城镇化呈现南高北低的区域差异(1)江苏省人口城镇化南北区域差异比较从城镇化规模上看(图1)，2012年苏南地区集中了全省48．35%的城镇人口，城镇化水平高达72．7%，是江苏目前城镇人口最集中和城镇化水平最高的地区，高于全省10个百分点和全国20．6个百分点，苏中的城镇化率与江苏省平均水平大体持平，而苏北的城镇化率小于江苏省平均水平。苏北地区由于经济基础薄弱，人口基数较大，导致城镇化推动力明显不足，城镇人口比重仍然较低，目前该地区已经进入了城镇化发展起飞阶段，预计在今后一段时间内将和苏中一起成为全省吸纳城镇人口的主要地区。从城镇化水平增速来看，近10年来，苏北、苏中、苏南地区人口城镇化年均增速分别为5．7%、4．0%、1．4%，苏中和苏北地区正逐渐成为全省城镇人口增长最快的地区，苏南地区的人口城镇化已经趋于平缓，城镇人口增速下降。一方面由于90年代以后苏南地区外来投资的持续高速增长带动城镇人口快速增长，而近几年这方面有向苏北、苏中转移的趋势。另一方面，苏南人口城镇化率已经超过诺瑟姆所划分的大于70%的城镇化发展后期的水平，由量的城镇化进入质的城镇化阶段，今后城镇化内部结构调整和城市现代化是苏南城镇化的主要目标。(2)江苏省人口城镇化率居全国第7位江苏省是近10年人口城镇化水平上升最快的省份之一。在2000年第五次全国人口普查时，江苏城镇化率位列京津沪粤黑吉辽浙内蒙之后，居全国第10位，华东地区第3位。到了2010年第六次全国人口普查时，江苏省城镇化率位列沪京津粤辽浙之后，上升至全国第7位，华东地区仍排第3位。10年间，江苏城镇化率在全国的排名上升了3位，上升速度仅次于重庆，位列第2位，大大缩小了与3个直辖市的差距，与广东、辽宁、浙江的水平接近。(3)江苏省1979—2012年碳排放特征从图2可以看出，在样本考察期内，江苏碳排放总量与人均碳排放量保持持续增长。1979年以来，江苏省碳排放总量逐年增加，由1980年的874．6万吨增至2012年的31645．7万吨，年均增长11．87%。同期，江苏人均碳排放总量呈逐步上升趋势，人均碳排放量由1979年的0．11吨/人增至2012年的3．97吨/人，年均增长11．86%，两者增长速度基本相同。由此可以得出结论:1979—2012年江苏人口的增长速度与碳排放量的增长速度大体上是一致的。具体来看，江苏碳排放总量和人均碳排放总量1980—2000年期间增速总体比较平稳(除了1995年波动较大外)，但自2000年以后持续快速增长。江苏省碳排放强度呈现一直下降的走势，1980—2012年间年均降幅为4．95%。

二、模型设定与数据说明

1．模型设定1989年日本教授YoichiKaya在联合国政府间气候变化专门委员会(IPCC)研讨会上最先提出Kaya碳排放恒等式［12］，根据该等式，碳温室气体排放量主要由与人类活动相关的四个部分组成。其中，GHG代表温室气体排放量，TOE为能源消费总量，GDP为国内生产总值，POP代表总人口。因此，等式右边代表影响碳排放的四个因素:能源消费的温室气体排放强度、能源强度、人均GDP以及总人口数。由于使用人口总量指标不能反映城镇化人口带来的能源和碳排放影响。而人口城镇化的人口集聚效应、消费升级效应以及空间扩张效应对碳排放的影响是非常明显的，有学者研究表明，城市人口的人均能源消耗量是农村人口的3．5～4倍［13］。为了更加清晰地表示人口城乡结构对碳排放的影响，本文在Kaya恒等式的基础上将POP修正为城镇人口，这样恒等式仍保持不变。其中，PC为能源消费碳强度，I为能源强度，A为人均GDP，U为城镇化水平，u为误差项，t代表年份。具体而言，在回归模型中考虑了城镇人口占总人口比重及其平方项，以检验城镇化与碳排放之间是否存在非线性关系。由于环境影响在时间上有一定的延续性，之前的碳排放可能影响后面年份的环境质量，本文引入滞后一期的碳排放量主要是为了考察上一期的碳排放是否对本期产生影响。2．数据来源江苏人口数和GDP来源于历年的《江苏统计年鉴》，为了消除价格因素的影响，GDP数据按照1995年的价格进行计算。城镇化水平按照目前学术界普遍采用的“城镇人口占总人口的比重”来表示，能源消费量则来源于《江苏统计年鉴》和《中国能源统计年鉴》。本文关于碳排放的计算采用李国志、李宗植［14］的碳排放计算方法，根据江苏省能源消费量及各类能源的碳排放系数进行测算。能源实物量数据的标准量折算采用《中国能源统计年鉴》2008所附的各种能源折算标准煤参考系数。碳排放计算中各类能源的碳排放系数采用徐国泉等［15］的研究结果。《中国能源统计年鉴》将最终能源消费种类划分为9类(煤炭、汽油、柴油、天然气、煤油、燃料油、原油、电力和焦炭)，计算二氧化碳排放量时可以采用9类能源消费总量乘以各自的排放系数。下面根据建立的计量模型采用Eviews7．0分析软件进行实证分析。

三、模型估计结果与分析

1．单位根检验时间序列分析都是假定序列是平稳的，否则采用传统的OLS估计方法可能会出现“伪回归”现象，为避免谬误回归，在最终确立计量回归模型前，先要对所涉及的时间序列变量进行平稳性检验，本文使用ADF检验进行单位根检验，得到单位根检验结果如表2所示，检验结果表明，所有时间序列的水平统计量的ADF检验系数在1%水平下均非平稳，但取一阶差分后ADF检验统计量均通过1%的显著性水平检验，即拒绝存在单位根零假设，表明所有变量的一阶差分均为平稳序列，即所有变量一阶单整，即均为I(1)。2．Johansen协整检验协整检验主要有恩格尔格兰杰(EG)两步法和基于向量自回归的Johansen极大似然法。而EG两步法只能对两变量协整检验，Johansen检验通过建立给予最大特征值的比统计量λ_max来判别变量间的协整关系［16］。本文尽管所有变量均为I(1)序列，但并不说明它们之间一定存在长期的协整关系，为了避免伪回归，在回归估计之前，我们使用Johansen协整检验技术对变量之间是否存在长期的协整关系进行了检验，依据AIC及SBC信息准则，将VAR模型中自回归阶数确定为1，表3检验结果均表明，其对应的原假设None(表示无协整关系)的统计量的值大于5%显著性水平的临界值，说明在95%的置性水平下拒绝了变量之间不存在协整关系的假设，因此可以进行回归估计。3．OLS与FGLS回归结果比较与分析在回归过程中，如果不做进一步的模型设定检验如异方差检验和自相关检验，我们有可能被表4中OLS模型给出的估计结果所误导，因为发现利用OLS估计方法的回归结果存在严重的自相关问题，表明应该拒绝传统的OLS回归模型作为本文的分析模型，文章给出一种比OLS更有效的分析方法———可行的广义最小二乘法(FGLS)，FGLS能够纠正带有AR(1)误差和严格外生解释变量的多元线性回归模型。这个FGLS模型其实就是现代教科书中常见的帕克斯—科曼塔(Parks－Kmenta)模型［17］。帕克斯—科曼塔形式的FGLS模型和OLS模型的检验结果确实表明，在文章中FGLS模型确实优于OLS模型。具体而言，能源消费碳强度、能源强度、人均GDP、和人口城镇化的一次项、二次项的系数均通过显著水平为5%的显著性检验，且FGLS模型得出的系数估计值(绝对值)要小于OLS的估计值。具体回归结果如表4所示，回归方程1为基本估计，解释变量仅为单位GDP能耗(能源强度)、二氧化碳排放强度、人均GDP和城镇化率，回归方程2在方程1的基础上加入了碳排放滞后项，方程3在方程2的基础上加入了城镇化率平方项，以比较各变量对碳排放的影响。检验结果表明:方程1和2中，城镇化水平项系数在统计上都不显著，人均GDP和滞后期碳排放分别在方程1和2中仅通过10%的显著性水平检验，而方程3的所有变量都通过了1%的显著性水平检验，Adj－R2都比较接近1、F统计值较大，DW值显示随机误差不存在自相关，表明加入碳排放滞后项、城镇化率平方项对被解释变量具有较高的解释力，回归拟合效果最好。具体如下:第一，人口城镇化回归系数为0．478，而城镇化的平方项系数为－0．098，这表明城镇化水平与碳排放之间存在着倒U型的非线性关系，也就是随着城市化水平的提高，二氧化碳排放量在不断上升，达到最高点后二氧化碳排放量会随着城镇化水平的提高而下降，人口城镇化通常伴随着人口的大规模迁移和集聚，经济规模的扩大，能源使用效率的提高，技术进步以及人们生产生活方式的改变。西方发达国家的实践已经证明，工业化伴随着城镇化，工业化是城市化的原动力。在城市化发展的初期，工业化，高碳化是其主要特点。1980年起，苏南地区的乡镇企业迅猛发展，造成大量污染物排放，人口城镇化带来居民生活方式消费模式的重大改变，城镇化进程伴随着碳排放的大量增加，这也是世界上发达国家普遍适用的EKC曲线的例证。同时，人口城镇化也为低碳化创造了发展的机遇，随着城市化的发展，清洁能源的使用，规模化的生产以及能源环保等新技术的使用和提高，在城镇化发展到一定阶段后，原来的高碳化发展会逐渐改变，碳排放受到抑制。第二，碳排放的滞后项回归系数为0．362，表明上一期的碳排放对当期的空气质量存在着正效应，即碳排放存在着路径依赖现象，这符合现实情况，因为当前的环境污染不一定立即在空气质量中体现出来，现在的空气污染是由于之前的碳排放累积到一定程度所造成。这也告诉我们，从短期来看，当前环境恶化的负面效应可能并不明显，但我们要为此付出长期的代价，且这种代价不局限于某一地区，甚至影响到全国。第三，经济因素即人均GDP每变动1%将会引起碳排放同方向变动0．835%，能源消费碳强度与能源强度的估计系数为0．417和1．028，表明能源消费碳排放强度和能源强度与碳排放呈现显著正相关关系，可见能源消费强度是碳排放增长的关键因素。也表明依靠技术进步、提高能源效率使单位能耗创造出更多GDP对碳排放具有很大的抑制作用。本文的研究结论与现有的相关文献的结论基本一致，大多数研究肯定了经济增长和能源强度(GDP或人均GDP)对碳排放的主要驱动作用。

四、结论与政策建议

本文利用江苏省1979—2012年的时间序列数据，对Kaya碳排放恒等式进行了修正，引入人表4模型比较与估计结果项目普通最小二乘法模型(OLS)可行的广义最小二乘法模型(PGLS)方程(1)方程(2)方程(3)常数项－44．2746－15．5847＊＊＊－16．2877＊＊＊－18．3754＊＊＊LnTCO2t－1－0．0028－0．2931*0．3621＊＊＊LnPC0．86690．6334＊＊0．5362＊＊＊0．4172＊＊＊LnI1．87240．9876＊＊0．9047＊＊1．0284＊＊＊LnA1．64611．2873*1．0372＊＊0．8351＊＊＊LnU0．87380．27860．33780．4783＊＊＊(LnU)20．1754－－－0．0981＊＊＊Adj－R20．74210．78470．87780．9998F－Value5458473713872634684DW0．95471．57631．29451．6728样本数34343434说明:*、＊＊、＊＊＊分别代表10%、5%、1%的显著性水平。口城镇化指标，运用OLS和FGLS两种估计方法实证检验人口城镇化对于碳排放的影响，具体研究结论如下:第一，人口城镇化率与碳排放的关系呈倒“U”型。换言之，随着城镇化水平的提高，碳排放水平一直是上升的，达到最高点后，碳排放水平会随着城镇化水平的提高而不断减少。这是由于城镇化的初期会增加二氧化碳的排放，而持续的城镇化则会因规模效应和技术进步最终减少碳排放总量。第二，江苏目前阶段人口城镇化对碳排放存在显著的正影响，还未到达倒“U”型的拐点，城镇化对碳排放指标的弹性在0．48。第三，人口城镇化并非是碳排放的主要驱动因素，对碳排放影响最显著的是能源强度与人均GDP，弹性分别达1．028和0．835，经济发展过程中提高能源利用效率对于抑制碳排放具有重要意义，而GDP增长是影响碳排放增长的最根本因素。第四，滞后期碳排放量对当期碳排放存在正向影响，说明区域碳排放存在路径依赖现象。基于本研究对政策层面有如下建议:第一，在城镇化进程中，政府部门决不能因城镇化对碳排放影响呈现倒“U”型曲线盲目套用，成为“先污染，后治理”的借口，因为城镇化进程中，环境质量随着经济发展到一定阶段以后才改善并不是最优的选择，我们并不一定要走发达国家走过的传统发展模式，环境库兹涅茨曲线(EKC)也会有不同的形式，即使倒“U”型的EKC在许多发达国家和新兴工业化国家是普遍适用的。第二，江苏省的人均GDP还将快速增长，意味着碳排放仍将大幅增加，这是城镇化进程中经济发展阶段所决定的，而发达国家早已走完了城镇化工业化阶段。中国政府提出的降低单位GDP碳排放即碳强度，这与发达国家降低碳排放总量的碳减排目标是一致的，但两者不可对比。发达国家是减少碳排放的绝对量，与GDP增长没有直接关系，中国碳强度目标与GDP直接相关。前文分析已指出，能源强度和人均GDP是影响江苏碳排放的主要驱动因素，综合考虑两个指标，由追求片面GDP向绿色GDP和生态GDP转变，能更有效地实现目标。江苏的经济社会发展是以保证现阶段GDP速度和城镇化进程为前提的，政府通过调控城镇化速度、调整能源结构、提高能源效率来降低能源强度以减少碳排放。第三，本文验证了区域碳排放存在的路径依赖现象，即前期碳排放对当期环境质量有影响，这对目前雾霾治理具有重要指导意义，即雾霾的形成不仅仅是由于当前排放造成，在一定程度上是由于前期或更早一段时间的大量污染累积而成的，这就要求政府主管部门对待雾霾治理绝不能“头痛医头脚痛医脚”，要历史地看待雾霾产生根源，而不能急于求成看眼前的治理效果。第四，人口城镇化通过化石能源的燃烧、水泥制造过程中的化学分解以及土地利用的变化造成林地碳汇的减少，进而导致碳排放增长。城镇化进程中，能源的生产性消费以工业为主，人们传统的生活方式和消费模式改变使得生活性能源消费急剧增长;人口城镇化导致了基础设施建设和居民住宅需求增大，拉动了水泥产业的生产和消费;同时城镇化还伴随着耕地、林地的减少，使得碳汇在不断减低。目前，江苏城镇化率高于全国平均水平，低于世界发达国家水平，在未来相当长的一段时间，江苏人口城镇化进程将会不断加快，这无疑加大了碳排放增长压力。如何在江苏全面推进新型城镇化建设进程中把握又好又快发展的原则，这是学者和决策者需要认真探讨的问题。

一、模型的构建

（一）基于信息熵的行业碳排放配额分配模型信息熵可以客观衡量系统均衡性，避免人为偏好影响，近年来，信息熵被广泛应用于社会工程经济领域的系统评价和决策中。根据历史文献阅读和工业企业碳排放现状分析，总结工业企业碳排放的影响因素主要有经济水平、能源结构、能源强度和碳排放强度等。鉴于企业碳排放量的分配要考虑企业历史责任、发展要求、减排能力、减排潜力和减排效率，本文选取历史排放量、工业产值、能源结构、能源强度和碳排放强度5个指标。本文以T0年为碳排放量分配基准年，以T年为碳排放量分配目标年，根据“定总量、算减量、确定分配量”的思路，以历史沿袭法为基础，确定分配年各行业碳排放总量，在减排总量分配中体现各行业异质性和分配公平有效性。具体建模步骤如下：1．建立原始评价矩阵本文将m个工业行业设为待评价的对象，将历史排放量、工业产值、能源结构、能源强度和碳排放强度5个影响因素设为评价指标，每个对象对应这5个评价指标。2．原始矩阵归一化处理由于各个指标的含义和量纲不一，不能直接进行比较，需要进行归一化处理。不同性质的指标归一化处理方式不一，鉴于本文采用的减排分配量评价指标都是效益型指标，故进行统一归一化处理。各指标内涵和归一化处理如表1所示。

（二）基于波尔兹曼熵的企业碳排放配额分配模型在区域碳排放量分配给区域内各行业后，将行业碳排放总量分配给行业内各个企业是落实碳分配和碳减排目标的关键。本文基于波尔兹曼分布，将熵最大化的原理应用于同行业下各个企业之间碳排放量的分配。在这里，包含多个企业的单个减排工业行业类比于物质系统，单位分配碳排放量类比于物质颗粒，参与减排企业的历史碳排放量和上报未来碳排放量几何平均类比于物质单态。假设所有的单位碳排放量在同一个企业k内都产生相同的碳排放量，那么企业k的碳排放强度ek即类比于物质单态i的单态能量Ei。在这样的类比下，分配给企业k的单位碳排放量的概率和跟企业k的历史排放量和未来排放量成正比，跟企业k的碳排放强度成反比，既兼顾了历史排放责任、未来发展需求，又鼓励提高排放效率。

二、样本选取与数据来源

昆山市张浦镇位于上海、苏州、昆山之间的黄金三角地带，是“全国经济百强县”之首昆山市的经济强镇。改革开放以来，张浦镇实施外向带动战略，先后成立了德国工业园、海峡两岸食品产业园、N维空间文化产业园等特色园区，累计吸引了3400多家企业注册落户，形成了以加工制造业为主的工业城镇。2012年，张浦镇规模以上工业企业达到220家，其能源消耗占全部企业能源消耗的95%。通过对张浦镇规模以上工业企业碳排放量进行定量分配，给予企业明确碳排放量约束，不但推进了碳交易市场的建立和工作的开展，也促进了张浦镇“十二五”期间节能减排目标的实现。本文选取张浦镇规模以上工业企业为样本，考虑到张浦镇自2012年才进行规模以上工业企业网上能耗统计，本文选取2012年和2013年规模以上工业企业历史排放数据，分配2013年规模以上工业企业碳排放量。2012年张浦镇规模以上工业企业220家，2013年增加至255家，选取张浦镇2012—2013年不变的217家规模以上工业企业作为碳排放权分配企业。通过计算分析，2012—2013年期间，此217家工业企业在政府行政命令下减排11%，完全达到政府规划要求，因此本文直接使用2013年规模以上企业实际排放量作为分配总量，同时也方便对比分析分配结果的满意度。企业能耗和工业产值数据来源于张浦镇经促局统计科提供的《2012年张浦镇规模以上工业企业能耗明细》和《2013年张浦镇规模以上工业企业能耗明细》；碳排放数据以各企业各类能源消费量为依据，根据各类能源发热系数、排放系数和碳氧化率计算得到，相关系数取自《上海市温室气体排放核算与报告技术文件》推荐标准，各个分品种能源的碳排放系数如表2所示。

三、分配结果分析

（一）基于信息熵的行业碳排放配额分配结果分析本文基于信息熵理论，以2012年和2013年张浦镇规模以上工业企业碳排放数据均值，计算各行业碳排放减排系数，进而对2013年张浦镇规模以上工业行业碳排放总量进行分配。通过基于信息熵的行业碳排放分配模型公式的计算，可得各指标的信息熵值、信息量值和熵权重值，这3个参数是计算减排因子的基础。具体减排影响因素指标参数计算值如表3所示。从各个影响因素指标的信息熵值来看，工业产值信息熵值最大，熵值为0.707，说明工业产值信息量较小，行业减排能力对碳总量减排作用较小；能源结构熵值最小，熵值0.470，说明能源结构信息量较大，原煤减少使用对碳总量减排作用较大。其他因素如历史排放量、能源强度和排放强度在碳减排分配中影响越来越小。结合张浦镇2013年规模以上工业碳分配总量，通过信息熵行业碳分配模型计算可得张浦镇2013年规模以上工业各个行业碳排放配额。根据碳减排结果（图1）显示，各行业的碳减排量相对于2012年，各行业减排幅度从17.17%~0.02%不等，全行业碳减排量相对于基期2012年减排了11.01%，基本符合张浦镇发展需求和节能减排形势。如图1所示，一方面，化学原料和化学制品制造业（行业26）分配到碳减排量16.81万吨，减幅17.17%，对以煤为主的化工行业，施以严格的减排约束，有利于促进化工行业调整能源结构。其中，中盐昆山有限公司耗能占总化工行业耗能96.5%，其“十二五”期间实施节能技改可以节能21.45%，所以化工行业的碳排放减排降幅符合了行业节能潜力，该减排量切实可行。另一方面，非金属矿物制品业（行业30）分配到碳减排量8.40万吨，降幅9.27%，这对碳排放强度较高的非金属行业提出较高要求，督促企业节能减排，提高能源效率。其中，台玻集团耗能占总行业耗能81.81%，其能源审计报告显示台玻集团“十二五”期间实施节能技改项目，可以节能8.98%，考虑到中盐锅炉项目实施，台玻集团等企业将使用中盐的锅炉蒸汽，则台玻集团可以进一步节能减排，所以非金属矿物制品业碳排放降幅是合理且可行的。通过对比基于信息熵的碳排放总量行业分配和基于历史排放的碳排放总量行业分配结果如图2所示。以化工行业为例，若是基于历史排放进行碳排放量分配，其可获得87.118万吨的分配量，多出5.207万吨。这种情况下，虽然分配标准考虑到行业发展需求，但是分配存在不公平性，政府仿佛在变相鼓励高排放企业进行碳排放，此碳分配量可能得不到其他企业认同；另外，企业获得高排放权利，其节能减排动力不足，企业不会主动提高能源效率，行业碳排放强度难以下降，难以完成全行业的节能减排目标。基于信息熵的分配方法考虑了化工行业历史责任和行业减排潜力，分配结果使化工行业的碳排放量更加合理。进一步通过对比基于信息熵的碳排放总量行业分配和基于按比例分配的碳排放总量行业分配减排占比，如图3所示。经计算发现，按相同碳减排比例（本文的减排分配比例是11.01%）分配得到的各行业碳排放量和按历史排放分配得到的分配量结果是一致的。在按等减排比例分配情况下，此分配标准没有考虑各个行业的异质性，各个行业的减排能力和减排潜力是不一致的，对于能源效率低下的化工行业和能源效率相对较高的通信电子行业都采取一刀切的分配方法，是粗放不合适的。综上，基于信息熵的碳排放量分配相对于基于历史排放和基于等减排比例的分配更加公平有效，主要是由于信息熵方法基于行业异质性，客观考虑了行业发展需求、减排能力和减排潜力，其分配结果更加符合实际。

（二）基于波尔兹曼熵的企业碳排放配额分配结果分析基于上述行业碳排放配额分配结果，通过玻尔兹曼熵，计算张浦镇规模以上工业企业2013年碳排放量分配额。鉴于数据可得性，C0i使用企业2012年和2013年碳排放量的几何平均；ei使用企业2013年碳排放强度，以体现企业最新排放效率，贴合企业实际需求和要求；β由2012年和2013年历史碳排放量，通过最小二乘法模拟计算取得（即使Y值最小），各个行业β计模拟结果如表4所示。根据各行业的最优β值，进一步计算得出各个行业内企业的碳排放配额。根据各个行业内企业的碳排放量分配结果看出，各个企业获得的碳排放分配量相对于基期2012年排放量，减排幅度不等，不仅由于行业异质性，也考虑行业内企业的发展需求和碳排放效率。对于化学原料和化学制品制造业（行业26），对该行业下15家企业碳排放量的分配中，通过最小二乘法的β模拟最优值为0。通过计算，如图4所示，分配结果与历史排放均值成正比，分配结果相对于企业2013年实际排放值和2012年历史排放值比较没有很大波动。此时β取值为0，企业分配到的碳排放配额基本满足企业自身生产需要，企业之间碳交易成本最低。若适当提高β取值，可以进一步奖励高排放效率企业，惩罚低排放效率企业，不过增加了本行业下企业的碳交易成本。本文此处β取值为0，中盐公司虽然碳排放强度高，但是作为国营企业，已经进行节能改造，能源效率迅速提高，若减排后多出的碳排放配额，既可以用于进一步扩大生产，提高行业高效率产能占比，从而改善了行业的资源配置，提高了整个行业的碳排放效率；也可以通过碳交易市场出售给其他减排成本较高企业，获得利润，进一步改善生产结构。其他化学制品公司碳排放强度不高，在政府部分鼓励和补贴下，可以积极申报政府节能技改项目，以进一步提高碳排放效率。对于橡胶和塑料制品业（行业29），在对该行业下16家企业碳排放量的分配中，通过最小二乘法的β模拟最优值为0.514。通过计算可得各个企业2013年碳排放配额，相对于企业2012年和2013年历史排放几何平均值，分配减排量比从-22.77%~13%不等，由图5所示，在总量控制下，橡胶和塑料制品业下各企业分配到的减排比例和企业排放强度成正向关系，企业碳排放强度越高，企业分配得到减排量越大。此时的β取值，不仅使得企业碳交易成本最低，同时奖励了高排放效率企业，惩罚了低排放效率企业。随着β值取值越小于0.514，则企业分配到的碳排放量更接近历史排放均值；随着β值取值越大于0.514，企业因碳排放强度受到的惩罚和奖励就更大。β取值0.514，企业间碳交易成本最小。分配到较少碳排放配额的企业需要通过提高能源效率，降低碳排放需求，或者通过碳交易市场购买碳排放配额；分配到较多碳排放配额的企业，可以通过碳交易出售给减排成本较高的企业，也可以自己储备用来扩大优质生产力。例如，和进塑胶电子有限公司，2013年碳排放强度为0.686吨CO2/万元，碳排放效率行业最低，分配获得13%的碳排放减量；而贺升电子有限公司，2013年碳排放强度为0.016吨CO2/万元，碳排放效率行业最高，分配获得22.77%的碳排放增量。在此情况下，和进塑胶电子有限公司必须进行节能减排工程项目实施，提高碳排放效率，降低碳交易成本；而贺升电子有限公司则可以出售碳配额获益。综上，在同一个行业下使用基于玻尔兹曼熵的企业碳排放配额分配法，以最小交易成本为目标，考虑了企业未来发展需求，达到奖励高排放效率企业，惩罚低排放效率企业，分配结果更易被企业接受，也推动了张浦镇节能减排工作顺利完成。

一、研究方法与模型

(一)脱钩模型本文研究主要基于Tapio脱钩模型。公式(1)中tco2，gdp表示脱钩弹性指标，分别以碳排放量与经济增长的正负状况、弹性值大小来说明经济增长是否与二氧化碳排放的脱钩状态。脱钩指标体系见表1。

(二)二氧化碳脱钩弹性分解量化模型1.脱钩链式因果分解模型为解决Tapio指标缺乏对二氧化碳“脱钩”内在机理的深入分析和研究的缺陷，以便能为评价和制定准确、全面的低碳经济发展措施、政策及战略提供相应的理论依据。可以加入适当的中间媒介，将公式(1)进行链式因果分解［8］［9］。由于工业在甘肃省国民经发展的特殊地位，故将全省能源消费量和工业产值指标作为中间变量，将弹性值分解为减排脱钩、工业节能、产业发展三个指标，公式为。公式(2)中，ΔCO2为二氧化碳排放变化量，ΔE为能源变化量，ΔGIO为工业总产值变化量，ΔGDP为历年地区总产值变化量。虽然通过分解可以找出影响甘肃省经济增长与二氧化碳排放脱钩的相关因素的脱钩弹性状况，便于采取相应的措施进行碳减排。但该式应用的局限性也很明显，很难将其他指标如城镇化等纳入分解式中进行更加细致的分析，故第二步我们引入LMDI分解法。2.LMDI因素分解脱钩模型本文根据扩展的Kaya恒等式将二氧化碳排放量进行因素分解，并参考已有文献［10］的LMDI(Log－MeanDivisiaIndex)分解方法，根据甘肃省实际情况加入工业化和城镇化因素后，构建甘肃省经济增长与二氧化碳排放脱钩分解模型。根据CO2排放量的基本公式可知。公式(3)中，CO2为二氧化碳排放量，主要指化石能源的排放量;E为能源消费总量;GIO为工业生产总值;GDP为地区生产总值;PC为城镇人口数量;P为地区总人口;F=C/E，为能源结构碳强度;I=E/GIO，为能源强度;G=GIO/GDP，为工业化率;A=GIO/PC，为城市人均工业产值;Z=PC/P，为城市化指数;P表示人口数量。公式(4)中:ΔCf为能源结构碳强度因素;ΔCi为能源强度因素;ΔCg为工业化程度因素;ΔCa为经济发展因素;ΔCz为城镇化因素;ΔCp为人口因素;ΔCd为分解余量。它们分别为各因素变化对CO2排放总量变化的贡献值。根据Ang［11］提出的LMDI方法。

二、数据来源与说明

研究采用的基础数据如GDP、人口、能源消费量、工业总产值等均来自历年《甘肃省统计年鉴》和《中国能源统计年鉴》，为了使得出的数据具有可比性，分别将地区国内生产总值按照2000年不变价格表示。其中二氧化碳排放量的计算公式为。

三、计算结果与分析

(一)脱钩横向对比分析总体上来看(表3)，甘肃省历年的脱钩弹性平均值为0.629，低于中国总体平均值0.708，二者均为弱脱钩状态，而陕西、宁夏、青海分别为0.958、0.845、1.147，均为增长连接状态。只有新疆为1.719处于增长负脱钩状态。从时间段来看，在“十五”期间，陕西、宁夏、青海、新疆分别为1.048、0.452、0.823、0.636，而甘肃省为0.792，脱钩状态良好。“十一五”期间陕西、宁夏、青海、新疆分别为0.944、0.847、1.333、2.897，甘肃省为0.385，只有甘肃省和陕西省脱钩指标值降低。从甘肃省来看，甘肃省脱钩弹性由“十五”期间的0.792下降到“十一五”期间的0.385。同期中国总体脱钩弹性也由“十五”期间的0.835下降到“十一五”期间的0.569，这说明甘肃省脱钩状态与中国总体水平同步变动，且优于全国平均水平。2001年到2011年间，甘肃省经济增长与二氧化碳排放总体上处于“弱脱钩”状态，二氧化碳排放总量与经济增长呈正相关关系。该期间甘肃省GDP的平均增长速度为12.54%，而二氧化碳排放总量的平均增长速度为8.34%，GDP增速高于二氧化碳排放增速，这使甘肃省总体处于“弱脱钩”状态。其中2009年为强脱钩状态，即经济总量增长的同时，二氧化碳排放量比往年降低了。在甘肃省总体脱钩弹性值降低的情况下，在2011年反弹到1.030呈增长连接状态，即二氧化碳排放的增长率快于经济总量的增长率。

(二)脱钩链式因果分解根据公式(2)，计算可得到减排脱钩、工业节能、产业发展三个脱钩效应指标，结果见表4。从减排脱钩指标来看，总体呈增长负脱钩和弱脱钩状态，说明甘肃省能源消费量的变动率低于能源二氧化碳的排放速率，能源碳强度脱钩状态不理想。这一方面是因为甘肃省经济增长主要依赖工业，而工业主要以煤炭、石油等化石能源为主;另一方面也与碳减排技术利用不理想有较大关系。从工业节能指标来看，总体呈现弱脱钩状态，说明甘肃省能源利用效率状况良好，不是影响脱钩指标的主要原因。其中，2009年工业节能弹性为－45.543，为强负脱钩状态，这是因为这一年工业总产值增速远低于能源消耗的增速。从产业发展指标来看，总体呈增长负脱钩状态，工业总产值增速快于甘肃省国内生产总值的增速，表明了甘肃省工业在三次产业中的比重过大是影响脱钩指标变动的另一个重要原因，这与减排脱钩指标计算的结果相一致。

1烟气排放控制工程常用设备防腐方案

1.1钛合金复合板防腐方案钛是一种优异的耐蚀金属材料，这是由于钛的表面容易生成稳定的钝化膜，钝化膜是由极薄（几个纳米到几十纳米）的氧化钛构成，在许多环境中是很稳定的，并且一旦局部被破坏还具有瞬间再修补的特性。因此，钛在酸性、碱性、中性盐水溶液中和氧化性介质中具有很好的稳定性，比现有的不锈钢和其它有色金属的耐腐蚀性都好。介质温度在315℃以下时，钛的氧化膜始终保持这一特性，完全满足在恶劣环境中的耐蚀性。但在氧化膜被破坏后，若不存在修复的环境介质，这时钛的腐蚀速度比铁还快。在通常情况下，钛对中性、氧化性、弱还原性的介质具有较好的耐蚀性。而对于强还原性和无水强氧化性的介质则不耐腐蚀，这一点是由钛表面钝化膜的性质决定的。因此，尽管钛合金复合板是国际烟囱设计标准推荐的方案，也有国家标准对其设计、安装和检验提出要求，但钛合金复合板防腐设备泄露事故在电厂仍时有发生，并存在如下劣势：（1）寿命还需考证。国外最新试验结果表明，50℃、10%的硫酸溶液腐蚀条件下，Ti的腐蚀速率约为0.1mm/a，80℃～100℃条件下Ti的腐蚀速率提高到约0.2mm/a，在有HF等混合酸的环境下，腐蚀速率还会大大加快。（2）钛合金复合板（一般为1.2mm）在运输、卷板、吊装过程中均可能出现缺陷。（3）焊缝多，焊接质量难以控制。钛合金复合板在制作时采用爆炸焊，施工难度大；现场安装采用手工焊接时，如果焊接用氩气纯度不够，或杂质含量过高或惰性气体保护措施不力时，焊缝易发生氧化，形成夹渣、气孔等缺陷；焊接过程中，焊缝周围受热面积较大，焊接升、降温速度较快造成焊缝热影响区组织脆性较大，极易形成冷裂纹；焊接电流把握不当，容易形成未熔合、烧穿等缺陷。（4）钛合金板与碳钢板之间容易发生电化学腐蚀，特别是焊缝附近，发生的可能性更大。（5）一次投资成本相对较高，价格昂贵。目前，钛合金复合板造价均在3000元/m2以上。（6）施工过程中的人为因素较多，施工周期较长。（7）普通碳钢板与钛板的线膨胀系数不同，且钛合金复合板焊接均采用搭接方式，空气极易被密封在设备的搭接部位内，在热胀冷缩后可能会将钛合金板拉裂。

1.2“宾高德”玻璃砖防腐方案“宾高德”玻璃砖是美国汉高公司独家经营的专利产品，系特制的硼硅玻璃发泡制品，具有耐酸腐蚀、高绝热性、耐高温、低热膨胀系数、安装简便等特性。“宾高德”玻璃砖内衬主要由玻璃转、黏接剂与底胶构成，其中，发泡玻璃砖为防腐系统的骨架，提供保温、防冲刷及一定的防渗作用，黏接剂提供阻断气液内渗及保证系统柔性的作用，底胶解决表面处理后的防锈与黏接功能。“宾高德”胶黏剂的一大特点是能在受热温度不高于93℃的条件下长期保持较好的弹性，能使内衬系统适应热胀冷缩的温度变形，保证内衬系统的完整性和密闭性，湿法脱硫系统正常运行后的烟气温度一般都低于该温度，符合“宾高德”防腐内衬系统的理想工作条件。但在国内防腐施工中仍有失败案例，存在以下不足：（1）整体性差，施工要求高。胶泥勾缝、隔离层材料或打底材料易出问题，施工时间虽较钛合金复合板短，但防腐周期仍较长，且不能耐HF酸腐蚀。（2）胶黏剂耐温不能超过93℃。国外电厂脱硫设备常年运行，没有旁路，故温度不超过93℃，“宾高德”玻璃砖使用很好。但国内电厂的脱硫设备不一定常年运行，且有旁路，温度经常超过93℃，事故状态时更远超93℃。（3）高温老化失效快，易脱落。“宾高德”玻璃砖砖厚35mm或51mm，加上胶厚约54mm，砖缝隙约3mm，高温烟气接触到玻璃砖的外层后，因砖保温隔热性能好，黏接剂所承受的温度远远小于93℃，砖缝之间的胶黏剂的最外层受热会炭化，但不会脱落，保护了内层的黏接剂。但这是理想状态，国内电厂在旁路经常开启或事故状态下，真正达到黏结材料部分的温度经常超过93℃，高温下这些黏结材料及隔离层材料早已失去强度和黏结特性，老化失效非常快。（4）国内产品的价格较高。因而在实际使用中，承包方在原材料方面经常以次充好。

1.3结构型玻璃钢（SFRP）防腐方案SFRP是由高级玻璃纤维和热固性树脂复合形成的兼具结构性和功能性的复合材料，具有优良的防腐能力，对大气、水和一般浓度的酸、碱、盐及多种油类、溶剂均有较好的抵抗能力。结构型玻璃钢是欧美新建烟囱的主要防腐形式，已形成了FRP烟囱或管道结构设计、制造和施工方面的系统标准。国内由于2006年山东某新建电厂SFRP内筒施工火灾事故后，至今再无大型电厂使用的案例，目前仅用于小型发电厂及部分电厂的烟塔合一项目。由整体缠绕成型工艺生产的玻璃钢排烟筒能够自承重，具备比耐硫酸露点钢更加优异的耐酸防腐性能，可以取消保温层，特别适合燃煤电厂脱硫不加GGH的湿烟囱运行条件。但该方案在实际应用中也存在如下不足：（1）成本高。尽管比钛合金复合钢板方案的成本要低不少，但是较之其他防腐方案还是要高出很多。悬挂式20mm的FRP整体烟囱内筒的工程造价则至少要达2000元/m2。（2）老化问题。FRP材料在长期使用过程中，尤其是特高温频繁时，很容易出现光泽减退、颜色变化、树脂脱落、纤维裸露、分层等老化现象，FRP性能下降是不可避免的。玻璃钢烟囱的使用适合于湿烟囱，前提是不采用GGH系统，也没有部分烟气旁路开启的情况，即要杜绝出现特高温烟气的情况，这在国内目前还很难完全满足。（3）高温强度问题。FRP在中低温条件下有优异的耐腐性能和结构性能，但随着温度的升高，其结构性能衰减很快，即使是高耐热的酚醛型乙烯基酯树脂，当使用温度超过其热变形温度（HDT）后，树脂的结构性能也会发生很大改变。（4）阻燃问题。在一定的条件下，聚合物都是可燃的。这也是国内外在设计中已越来越多采用化学阻燃型耐高温酚醛型乙烯基酯树脂的原因。（5）仅适用于新建工程。由于SFRP烟囱采用分段整体成型生产模式，目前不适用于改造烟囱。（6）SFRP内筒对温度要求较高。对于温度变化较大的烟囱，SFRP内筒可能不太适用。（7）施工周期相对较长。因需预制内筒，且安装时需固定，需要较长的施工时间。（8）制造工艺要求高。树脂与纤维的选择及玻璃钢缠绕过程的质量都会直接影响FFRP的使用性能。

2功能型玻璃钢复合材料的应用

2.1功能性玻璃钢复合材料的发展功能性玻璃钢复合材料技术源自高温涂料，但涂料不可能做厚，抗冲刷能力差，其强度和韧性远低于玻璃钢材料，于是，兼具涂料和结构性玻璃钢复合材料优点的功能性玻璃钢复合材料由此产生，其采用黏接技术在设备基体表面形成一层几毫米厚的玻璃钢内衬，解决了湿法脱硫后烟气排放控制设备的特殊防腐要求。功能性玻璃钢复合材料在国内火电厂的应用经历了多个发展阶段，具体情况如下：（1）第一阶段：采用有溶剂乙烯基酯+玻璃纤维+固化剂等原材料，在设备表面形成玻璃钢内衬层。这种防腐方案在喷涂时采用枪内聚合的方式进行施工，采用了较低比例的固化剂。该防腐方案的主要代表是“萨伟真”防腐内衬技术，是美国萨伟真（Sauere-isen）公司针对电厂防腐蚀而研发的专利产品。该方案的主要缺点是防腐内衬易脱落、喷涂设备损坏率较高。具体原因是：1）由于该方案采用有溶剂树脂，与无溶剂树脂相比，树脂中的溶剂在固化过程中将不断向基体内外扩散，形成如下几种效应：当溶剂从垂直方向向内外扩散时留下空间，形成针孔，为酸液今后的渗透埋下祸根，降低了材料的抗腐蚀性能；当溶剂从水平方向向基体边缘扩散时会留下空间，大大降低材料的黏接性能，一旦复合材料在承受交变温度和复杂腐蚀环境时将会发生脱落；2）该防腐方案采用树脂与固化剂先混合后喷涂的方式进行施工，虽然为防止反应速度过快而采用了较低比例的固化剂，但树脂与固化剂在喷涂前预先进行混合而发生聚合交联反应，因此，在材料喷涂过程中，如果喷涂时间把握不好就极易堵枪，而且，喷枪在一个项目使用后往往不易清洗，难以在下个项目重复使用，造成喷涂设备的大量损坏和浪费。（2）第二阶段：采用有溶剂环氧树脂+玻璃纤维+固化剂等原材料，在设备表面形成玻璃钢内衬层。这种防腐方案在施工时也采用枪内聚合的方式和较低比例的固化剂。该防腐方案的代表是“APC杂化结构层防技术”，是美国先进聚合物涂料公司（AdvancedPolymerCoatingLLC，简称APC公司）针对军工产品而研发的一种耐腐蚀材料，20世纪80年代后逐渐用于电力化工等强腐蚀性环境。该材料是由改性环氧基聚合物组成的一种极高交联密度的防腐蚀材料，将具有高度耐腐蚀和耐温的无机物二氧化硅（SiO2）与有机的环烷苯基醚相连接，形成无机－有机结构化合物（环硅的缩水甘油醚），该结构中不含有羟基和酯基，而代之以最强的化学键（-C-O-C），形成三维空间的交联立体结构，其分子结构中具有28个可交联官能团，在固化过程中通过芳香型交联剂作用，可结合转变成784（28×28）个交联点。与通常的热固性树脂固化后形成的立体结构不同，在该材料的立体结构中存在着环结构，因此具有优良的柔韧性，从而把高度的交联结构和良好的柔韧性统一起来。该材料整体性能（如黏接性）虽然优于美国“萨伟真”防腐材料，但仍未解决易脱落和喷涂设备易损坏的缺点。（3）第三阶段：采用无溶剂高性能混和树脂+玻璃纤维+固化剂+纳米/微米材料等原材料，在设备表面形成玻璃钢内衬层。这种防腐方案在施工时采用枪外聚合的方式和较高比例的固化剂。该防腐方案的代表是“VF功能性玻璃钢复合材料”，是武汉某环保公司针对湿法脱硫后烟气排放控制设备，与国内外高等院校和专家合作而研发的具有自主知识产权的一种高性能耐腐蚀材料，该防腐方案的原材料主要采用国产材料，除具备“萨伟真”“APC杂化聚合物材料”等进口材料的优点外，还在防腐内衬易脱落和喷涂设备易损坏等方面采取了有效的改进措施。其优势包括：1）由于采用无溶剂树脂，不存在溶剂扩散问题，防腐内衬黏接性能和防腐性能得到大幅提高；2）在施工中，采用枪外聚合喷涂方式，不会损坏喷涂设备。在喷涂过程中，树脂流、固化剂流、短切玻纤纱流三流合一，在设备表面完成聚合反应，通过分层碾压，确保材料充分混合；3）由于采用高性能无溶剂混合树脂，与采用单一树脂的FFRP复合材料相比，综合防腐性能有较大提升。混合树脂综合了多种树脂的优点，如优异的耐酸碱性：耐温性比环氧树脂提高；改善了单一树脂的脆性：产品的黏度低、渗透性强、固化速度快，且改善了潮湿基面的固化性；4）通过在面层加入纳米/微米材料，有效提高了材料的耐磨性能。另外，还可在面层树脂中加入阻燃材料、含氟单体等提高材料的阻燃和防腐性能。

2.2功能性玻璃钢复合材料的工程应用第三代功能性玻璃钢复合材料与第一、二代复合材料相比，综合防腐性能有较大提高，材料的线膨胀系数与由普通树脂生产的玻璃钢相比大大降低，但由于这三类产品的线膨胀系数仍高于基体材料，而且如果基体处理不干净，仍有脱落的风险。因此：1）要在材料方面继续进行研发，生产新一代功能性玻璃钢复合材料，如在碳纤维价格降低后，可采用性能更优越、更低线膨胀系数的碳纤维代替玻璃纤维等；合理调节固化剂比例，降低复合材料脆性；2）要提高材料的施工性能，如加大施工设备研发力度，提高喷涂设备的精准性和自动化程度；改善施工工艺，提高现场基面处理的质量；严格按规范要求的温度、湿度施工环境条件施工等。尽管功能性玻璃钢复合材料仍有较大的改进空间，但该防腐方案在质量、成本和施工周期等方面具有其他防腐方案不可比拟的优势，并且已在国内火电厂烟气排放控制设备防腐领域取得了不俗的业绩。随着国家对烟气排放控制设备防腐领域的不断规范，功能性玻璃钢复合材料防腐方案必将成为未来火电厂烟气排放控制设备防腐领域的重要手段。功能型玻璃钢复合材料与其它防腐方案的性能比较如下表所示。

3结论