重工业园区的低碳转型路径：以中国福建为例

《Environmental Pollution》：Low-Carbon Transition Pathways for Heavy-Industry Parks: A Case Study from Fujian, China

　　

王北珠|李晓娟

福建农林大学交通与土木工程学院，福建省福州市，350108，中国

摘要：

工业园区对中国实现“双碳”目标至关重要，然而在多重共线性条件下，减排工作常常受到不完整核算和不稳定驱动因素估计的制约。本研究构建了福建省一个代表性重工业园区2019年至2023年的高分辨率排放清单，并使用岭回归法估计了扩展的STIRPAT模型，以获得稳定、可解释的系数。结果显示，总排放量呈现V形轨迹，从2019年的448万吨二氧化碳（CO₂e）下降到2021年的429万吨二氧化碳（CO₂e），然后在2023年回升至448万吨二氧化碳（CO₂e）。从结构上看，直接化石燃料燃烧占总排放量的约92%，其中焦炭和原煤占燃烧排放量的98%以上。在驱动因素方面，岭回归分析表明，工业总能源使用量和煤炭消耗量是主要的正向驱动因素，而环境治理投资则具有显著的负效应（β=?1.545）。作为单案例研究，这些发现主要适用于依赖煤炭的重工业园区，并为未来不同类型园区的比较分析提供了依据。

引言

全球气候变化已成为人类发展的重大挑战，其主要原因是温室气体的积累（Wang等人，2017年）。同时，不可持续的生活方式和过度依赖化石燃料加剧了能源消耗，进一步增加了环境压力（Ullah等人，2021年）。为此，国际社会建立了一个全面的气候治理框架。从《联合国气候变化框架公约》（UNFCCC）和《京都议定书》到具有里程碑意义的《巴黎协定》，这些基础性条约共同将全球共识转化为涵盖整个经济的减排承诺（Bodansky，1993年；联合国，1997年；Rogelj等人，2010年；Zhou，2015年）。

自工业化进程加速以来，工业体系已成为社会经济发展的支柱（Zhang等人，2010年）。在中国，重工业园区是生产的主要载体。虽然这些园区贡献了全国工业产出的50%以上（Guo等人，2018年），但它们也是主要的排放源。工业部门消耗了大约60%的全国能源，并占总碳排放量的近85%（Shan等人，2018年）。因此，重工业园区的低碳转型不仅对于缓解环境压力至关重要，也是实现中国“双碳”目标的战略手段（Cao等人，2021年）。

在这种背景下，关于园区层面减排和低碳规划的研究提出了多种路径，包括产业集聚、产业共生、废热回收、基于分解的减排分析以及生命周期清单方法（Roberts，2004年；Maes等人，2011年；Kim等人，2018年；Jung等人，2012年；Chen等人，2013年；Liu等人，2014年）。尽管这些研究确定了工业园区脱碳的可行干预措施，但其结论往往依赖于具体背景，难以在不同类型的园区中推广。

另一类研究关注温室气体（GHG）的核算方法和边界定义。由于这些方法适用于不同的行业和数据限制，排放因子法、质量平衡法和直接测量法在园区层面被广泛使用（Li等人，2022年）。实证研究估计了与能源相关的排放量，评估了减排潜力，并为工业园区提出了更标准化的核算程序（Xiong和Liu，2013年；Wei和Liao，2014年；Lyu等人，2015年）。最近的研究通过结合生命周期评估和投入产出分析进一步扩展了核算边界，以涵盖上下游排放（Dong等人，2013年；Matthews等人，2008年；Yang和Chen，2014年）。这些研究表明，狭窄的核算边界可能会低估总碳足迹。然而，边界定义和数据质量的变化仍然降低了园区间的可比性，并使有针对性的减排措施变得复杂。

除了核算方法外，研究人员越来越多地使用分解方法（Kaya/LMDI）和STIRPAT模型来研究排放驱动因素和归因机制。STIRPAT模型具有灵活性和可扩展性，所需数据相对较少，并支持归因和预测（Yang等人，2023年）。方法论的扩展通常旨在提高模型在更复杂设定下的稳定性。例如，岭回归法已被结合STIRPAT模型用于量化人口和经济效应，并支持基于情景的预测（Yan等人，2021年）。筛选和惩罚策略也被用于解决扩展STIRPAT模型中的多重共线性问题（Shen，2024年）。园区层面的应用表明，经济发展、能源强度和产业结构影响排放量，并暗示了不同的减排路径，包括结构升级和数字化转型（Yu等人，2017年；Wang等人，2024年）。来自其他行业的证据表明，人口、经济和空间因素在不同背景下可能表现出不同的作用，这突显了考虑异质性和相互作用的重要性（Huo等人，2020年）。这些建模方法在补充材料中的表S1中有总结。

尽管取得了这些进展，但仍存在重要差距。首先，现有证据主要集中在高端或试点园区，而中端和低端园区的研究较少，特别是在发展中国家的背景下。这限制了外部有效性，并削弱了政策实施的证据基础（Li等人，2012年）。其次，不同研究中的核算边界和数据质量差异很大，降低了园区间的可比性，并使有针对性的减排措施变得复杂（Li等人，2022年）。第三，更复杂的驱动因素设定往往会导致人口、经济、能源和技术指标之间的多重共线性，如果不加以解决，可能会扭曲参数估计并降低模型稳定性。这些局限性凸显了需要一个透明的园区级清单和一个更稳定的驱动因素识别框架，特别是对于依赖化石燃料的工业园区。

为了解决这些差距，本研究对福建省的一个重工业园区进行了案例分析。选择该园区是因为它代表了中国传统重工业环境中常见的依赖化石燃料和煤炭的能源结构，并且具有高排放量、明确的边界以及2019年至2023年的一致记录。与转型相对容易的混合用途或高科技园区不同，这个案例提供了一个机会，用于研究依赖化石燃料的工业系统中的碳锁定效应和排放驱动因素。

本研究有两个目标。首先，我们编制了一个高分辨率的园区级碳排放清单，以量化总排放量并描述能源消耗结构，重点关注化石燃料燃烧和购买的电力。其次，我们应用了一个扩展的STIRPAT框架，该框架包含了人口、经济、技术和服务四个维度，并使用岭回归法在多重共线性条件下估计模型，以获得稳定的系数。鉴于这是单案例设计和时间序列较短，模型输出应被视为特定案例内的敏感性，而非可推广的边际效应。

本研究在三个方面做出了贡献。首先，它开发了一个透明的“清单-驱动因素”工作流程，将排放核算与驱动因素评估联系起来，适用于数据受限的工业园区。其次，它展示了岭回归如何在多重共线性条件下提高STIRPAT模型的估计稳定性。第三，它提供了基于案例的证据，表明在2019年至2023年间，煤炭依赖性和环境治理投入与年度排放变化密切相关，为类似依赖化石燃料的工业园区提供了方法论和政策参考。

章节摘录

碳排放核算

排放因子法基于温室气体清单实践。通过将活动数据乘以相应的排放因子来估算排放量（Li和Zhu，2020年）。该方法起源于政府间气候变化专门委员会（IPCC），简单、透明且易于操作，已被广泛应用。大量案例证据支持了其可靠性。因此，本研究采用排放因子法来核算工业园区的排放量

碳排放结果

根据调查和统计记录，该工业园区在2019年至2023年间使用了原煤、焦炭、柴油、汽油和天然气。如图1所示，五年平均来看，焦炭产生的现场燃烧排放量最大，达到299.31万吨二氧化碳（CO₂），占总排放量的73.83%。原煤排在第二位，为101.16万吨二氧化碳（CO₂），占24.95%。天然气贡献了1.19%。汽油和柴油的使用量较少，两者合计

主要发现与解释

基于排放清单和岭回归结果，本节分析了低碳转型的限制和路径。讨论涉及两个关键方面：结构刚性的机制和驱动因素的异质性效应。

(1)

清单分析揭示的结构刚性和类型限制

排放清单的纵向分析显示了显著的煤炭依赖性和结构刚性。从2019年到2023年，直接

结论

本研究构建了一个高分辨率的园区级碳排放核算框架，并应用了扩展的STIRPAT模型和岭回归法，研究了福建省一个代表性重工业园区2019年至2023年的排放特征和驱动机制。最重要的发现总结如下：

(1)

该园区表现出明显的煤炭依赖性和结构刚性。直接化石燃料燃烧是主要的排放源，

CRediT作者贡献声明

王北珠：撰写——审稿与编辑、方法论、调查、正式分析。李晓娟：撰写——初稿、验证、监督、项目管理、资金获取、概念构思

未引用参考文献

Chen等人，2019年；Chen等人，2021年；De Oliveira-De Jesus，2019年；Gani，2021年；Guo等人，2021年；Li，2024年；Li等人，2024年；Sang等人，2024年；Shao等人，2016年；Sylva，2025年；Wang等人，2017年；Wen和Zhang，2019年；Wu等人，2016年；Xiang和Yuan，2019年；Yan等人，2019年；Yang等人，2020年；Zhang等人，2023年。

利益冲突声明

? 作者声明他们没有已知的可能会影响本文工作的财务利益或个人关系。

致谢

本研究得到了中国福建省科学技术厅国际合作计划（2024I0010）、福建省生态环境厅环境保护科学技术计划项目（2025R024）以及中国住房和城乡建设部（2021R046）的支持。