邢 紅

(南通師范高等?？茖W校,江蘇 南通 226500)

1 引言

能源消費與經濟增長關系始終是經濟學領域關注的熱點。經濟發(fā)展促使人們對能源消費的依賴不斷增強,造成了能源的過度消耗和大量的碳排放,既影響了經濟的健康發(fā)展,又不利于生態(tài)環(huán)境的保護。

因此,考察能源消費、碳排放、經濟增長三者之間的復雜關系逐漸成為學術界的研究熱點。本文借助NoteExpress軟件,在CNKI上分別以“能源消費、碳排放、經濟增長”為關鍵詞和篇名,共搜索到114篇文獻,其中刊文量最高的是《統(tǒng)計與決策》,為7篇;其次是《生態(tài)經濟》、《長江流域資源與環(huán)境》,均為4篇;第三是《資源科學》、《科技管理研究》、《河北經貿大學學報》、《干旱區(qū)資源與環(huán)境》、《工業(yè)技術經濟》等,均為3篇。共有81篇論文，累計受180項各級各類基金資助,有關能源消費、碳排放與經濟增長的研究已取得豐碩成果。

從研究方法看,定量考察能源消費、碳排放與經濟增長三者關系的理論模型越來越多,主要有:①以EKC模型、Grange因果檢驗模型為代表的計量經濟方法,主要對三者之間相互影響進行對比分析。李金克等[1]利用EKC模型研究了我國經濟增長與碳排放量之間的關系,認為我國將在2025年經過庫茲尼茨曲線拐點;牛叔文[2]、翟石艷等[3]分別以亞太8國、我國長三角為研究對象,基于面板數(shù)據(jù)模型、ARDL和Granger模型進行分析,認為三者之間存在著長期均衡關系。②以動態(tài)CGE模型、投入—產出模型等投入—產出法,主要分析與預測各種因素對能源消費、碳排放與經濟增長的影響。郭正權等[4]構建動態(tài)CGE模型對我國2007—2030年經濟增長、能源消費與碳排放的發(fā)展趨勢與變化特征進行了預測,認為在模擬期內我國經濟增長速度逐漸放緩,能源強度和碳排放強度將不斷降低;付雪等[5]編制了能源—碳排放—經濟地區(qū)間投入—產出表,應用線性規(guī)劃方法給出經濟增長最大化和碳減排雙目標下各地區(qū)分產業(yè)碳排放指標與結構調整規(guī)劃,模型結果表明應削減能源消耗并將重工業(yè)轉移出中國地區(qū)。③將脫鉤模型與LMDI模型、Laspeyres等因素分解模型相結合,考察能源消費結構、能源強度、經濟發(fā)展等因素對碳排放變化的貢獻。蓋美等[6]利用彈性脫鉤分析探討遼寧沿海經濟帶能源碳排放與經濟增長的脫鉤關系及演變趨勢,認為遼寧沿海經濟帶整體脫鉤關系從擴張型負脫鉤向弱脫鉤轉變;劉博文等[7]運用LMDI分解法和Tapio脫鉤指標分析了我國區(qū)域產業(yè)增長和CO2排放的脫鉤彈性和脫鉤努力程度,結果表明產業(yè)結構和能源結構調整仍是未來我國實現(xiàn)脫鉤的重要途徑;涂紅星等[8]基于Tapio模型,實證研究了我國工業(yè)經濟增長與碳排放的脫鉤關系,運用LMDI方法將碳排放強度變化的主要因素分解為能源強度、能源結構和工業(yè)結構。

長江經濟帶橫跨我國東、中、西三大區(qū)域,包括上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州等11個省份,已成為我國除沿海開放地區(qū)外經濟密度最大的地帶。雖然2014年我國才正式提出長江經濟帶發(fā)展戰(zhàn)略,但眾多學者對長江經濟帶碳排放進行了系統(tǒng)研究,主要集中在碳排放的核算及情景分析[9]、脫鉤狀態(tài)及驅動因素[10]、空間關聯(lián)性[11]、區(qū)域差異與貢獻度[12]等方面。但目前基于能源消費碳排放與經濟增長關系的研究不多,王健等[13]基于Tapio脫鉤模型與面板數(shù)據(jù)EKC曲線從經濟增長水平和增長方式兩個維度檢驗了長江經濟帶經濟增長與CO2排放之間的關系;黃勤等[14]利用LMDI模型將長江經濟帶能源消費碳排放的驅動因素分解為經濟規(guī)模、產業(yè)結構、能源強度和能源結構四大效應,并分析了碳排放的空間差異。這些研究成果對長江經濟帶能源消費、碳排放與經濟增長三者關系的研究奠定了良好的基礎,但仍存在不足,主要是:①在核算碳排放時大多僅考慮了煤炭、石油、天然氣等少數(shù)幾種能源[1,14-16],或只測算了終端能源消費及其引起的直接碳排放,忽略了電力、熱力加工轉化的能源消費與間接碳排放,導致碳排放量估算偏小或不精確;②既往研究主要著眼于對歷史時期能源消費與經濟增長關系的脫鉤分析,而對未來脫鉤發(fā)展趨勢研究偏少。本文試圖克服既往研究的不足,全面估算長江經濟帶生產、生活能源消費的碳排放量,基于彈性脫鉤模型研究能源消費、碳排放與經濟增長之間的關系，借助等維灰色遞補GM(1,1)模型對未來長江經濟帶能源消費碳排放與經濟增長的脫鉤關系進行預測,為實現(xiàn)長江經濟帶“生態(tài)優(yōu)先、綠色發(fā)展”提供針對性的建議。

2 研究方法與數(shù)據(jù)

2.1 碳排放量核算

由于我國目前尚未建立有關碳排放量的統(tǒng)計體系,因此無法直接獲取長江經濟帶碳排放量的相關數(shù)據(jù),本文借鑒IPCC推薦的方法,根據(jù)能源消費數(shù)量與能源碳排放系數(shù)進行估算。2010年,由于各省市地區(qū)能源平衡表內容發(fā)生了重大變化,根據(jù)《中國能源統(tǒng)計年鑒》統(tǒng)計口徑,參照萬慶等[17]做法對相關能源種類進行了適當合并,并扣除終端能源消費量中用于工業(yè)原料或材料的能源消費(未直接燃燒產生的碳排放)。本研究核算的能源種類包括:原煤、洗精煤、其他洗煤、型煤、焦炭、焦爐煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、煉廠干氣、天然氣、熱力、電力和其他等18種能源。

表1 各能源折標系數(shù)與碳排放系數(shù)

注:折標系數(shù)來源于2016年《中國能源統(tǒng)計年鑒》,除其他能源外,各能源碳排放系數(shù)取自參考文獻[19-21]中的平均值。

根據(jù)IPCC《國家溫室氣體排放清單指南》中碳排放計算方法,長江經濟帶碳排放計算公式為:

(1)

式中,C為CO2排放總量(t);Eij為第i部門第j種能源的實物消費量(t);αj為第j種能源折標系數(shù)(kgce/kg,氣體為kgce/m3);βj為第j種能源碳排放系數(shù)(kg/kgce),各能源折標系數(shù)、碳排放系數(shù)見表1。

對電力和熱力的碳排放系數(shù),本文借鑒查建平等[22]的計算方法,采用式(2)與式(3)進行折算:

(2)

(3)

2.2 脫鉤模型構建

較常用的脫鉤評價模型主要有Tapio模型和OECD模型。與OECD模型相比,Tapio模型對時間基期選擇要求低、不需要大量的基礎數(shù)據(jù)支持、可定量描述經濟增長與碳排放的相互關系等優(yōu)點,能清晰地反映各要素的脫鉤狀態(tài),目前已在資源消耗、碳排放與經濟增長的關系研究中得到廣泛應用[6,10]。

表2 Tapio脫鉤效應模型的8種脫鉤關系

基于Tapio指數(shù)的一般形式[23],本文定義能源消費碳排放與經濟增長的脫鉤指數(shù)表達式為:

(4)

式中,ε為彈性脫鉤指數(shù);C為CO2排放量;ΔC為當期相對于上期CO2排放的變化量;G為地區(qū)國民生產總值;ΔG為當期相對于上期地區(qū)生產總值的變化量。根據(jù)脫鉤彈性指數(shù)的不同特征,將脫鉤狀態(tài)分為8種類型(表2)。一般認為,實現(xiàn)經濟低碳化發(fā)展的最理想狀態(tài)是強脫鉤狀態(tài),其余7種狀態(tài)均屬于不可持續(xù)發(fā)展狀態(tài)。

2.3 等維遞補GM(1,1)灰色預測模型

本文構建等維遞補GM(1,1)預測模型分別對2016—2025長江經濟帶能源消費碳排放與經濟增長三個子系統(tǒng)進行預測,通過預測分析未來10年碳排放脫鉤效應所折射出的碳排放與經濟增長之間的變化。GM(1,1)模型是對原始數(shù)據(jù)進行處理,使其由不平穩(wěn)的隨機數(shù)列轉變?yōu)橛幸?guī)律的時間數(shù)列,并在此基礎上建立模型。

對原始數(shù)據(jù)做一次累加生成處理:設原始數(shù)據(jù)x(0)=(x(0)(1),x(0)(2),x(0)(3),…x(0)(n)),對其進行一次累加,得:

x(1)=(x(1)(1),x(1)(2),x(1)(3),…x(1)(n))

(5)

對灰色預測模型GM(1,1)進行事前檢驗,即對x(0)進行準光滑性檢驗、對x(1)進行準指數(shù)規(guī)律檢驗,只有通過上述兩個檢驗,才能建立有效的GM(1,1)模型。

建立GM(1,1)方程：

(6)

式中,a、u為常數(shù),可通過最小二乘法擬合得到。

(7)

式中,Y為列向量Y=[x(0)(2),x(0)(3),…x(0)(n)]T,B為構造數(shù)據(jù)矩陣。

(8)

(9)

(10)

(11)

當p≥0.95且c≤0.35時,模型預測精度為一級;當0.8≤p<0.95且0.35≤c<0.5時,模型預測精度為二級;當0.7≤p<0.8且0.5≤c<0.65時,模型預測精度為勉強;當p≤0.7且c≥0.65時,模型預測精度為不合格,此時不能用來進行預測,必須用殘差序列建模進行修正才能保證預測精度。因為GM(1,1)模型中的灰參數(shù)估計值一旦被確定以后,則不再改變,因此其動態(tài)時變性質被忽視,故該模型一般只適用于短期預測,遠期預測效果不夠理想。為提高GM(1,1)模型的預測效果,本文采用等維遞補GM(1,1)模型。預測原理是在建立模型時可先通過精度最好的GM(1,1)模型預測一個值,再將其補充到已知的原始數(shù)列{X(0)}中去,同時去掉X(0)(1)使序列保持等維,然后用新數(shù)列按照上述方法對下一個值進行預測,逐個滾動直到完成預測目標,以此通過時間推移使未來的擾動因素不斷進入系統(tǒng),從而對系統(tǒng)施加影響。因為考慮到與預測期接近的數(shù)據(jù)更為有效,因此該模型預測精度一般比全數(shù)據(jù)GM(1,1)模型有顯著提高[24]。

2.4 數(shù)據(jù)來源及處理

本文所涉及的數(shù)據(jù)主要包括兩方面:碳排放測算與脫鉤特征分析。其中，碳排放測算中涉及到的18種能源消費數(shù)據(jù)來源于1996—2016年的《中國能源統(tǒng)計年鑒》、《中國電力年鑒》、《新中國60年統(tǒng)計資料匯編》和長江經濟帶11省市的統(tǒng)計年鑒；脫鉤特征分析中涉及的11省市GDP數(shù)據(jù)、各產業(yè)數(shù)據(jù)均來自1996—2016年的《中國統(tǒng)計年鑒》和各省市的統(tǒng)計年鑒。為了使數(shù)據(jù)具有可比性,GDP以1995年為基期進行平減,對少數(shù)缺失值利用SPSS采用線性插值法進行補充。

3 實證分析

3.1 長江經濟帶能源消費碳排放變化趨勢

1995—2015年長江經濟帶能源消費量、能源消費強度和根據(jù)式(1)估算的碳排放量及其碳排放強度變化趨勢見圖1。從圖1可見,長江經濟帶能源消費量與碳排放量的變動趨勢大體一致。1995—2012年長江經濟帶碳排放量逐年遞增,從1995年的32064.7萬t上升到2012年的95775.64萬t,年均增長率為6.65%,后3年碳排放量基本穩(wěn)定,仍保持較高的碳排放水平。另一方面,1995—2015年碳排放強度和能源消費強度均下降了60%以上,且兩者下降趨勢大體一致,表明長江經濟帶發(fā)展過程中的經濟發(fā)展對能源的依賴程度在逐漸降低。

圖1 1995—2015年長江經濟帶能源消費及碳排放變動

碳排放的產業(yè)差異:由圖2可知各產業(yè)碳排放量差異較大,工業(yè)碳排放量從1995年的23600.32萬t上升到2015年的64227.90萬t,占碳排放總量的70%左右;其次是生活能源消費碳排放量,從1995年的4443.95萬t上升到2015年的10157.83萬t,占碳排放總量的10%,表明未來長江經濟帶碳減排應著力關注工業(yè)和生活消費兩大部門。此外,交通運輸倉儲和郵政業(yè)、其他三產、批發(fā)零售和餐飲住宿業(yè)的碳排放量雖然較少,但是1995—2015年碳排放增量均已達到5—6倍,增速在六大產業(yè)中分居前三位,表明第三產業(yè)的碳排放增長不容忽視。

圖2 1995—2015長江經濟帶各產業(yè)碳排放

碳排放的能源品種差異:從圖3可知,在各能源消費品種中電力和原煤碳排放占有絕對優(yōu)勢,電力碳排放量從1995年的8117.24萬t上升到2015年的28594.25萬t,并且從2011年起一直維持在每年28000萬t碳排放量的較高水平,年均增長率為6.50%;其次是原煤,1995—2001年原煤略有下降,之后一直以3.74%的速度遞增,到2012年原煤碳排放量達到峰值的24361.75萬t,近年來碳排放量下降基本維持在20000萬t左右,兩者碳排放量仍超過總排放量的1/2以上。這主要是因為我國能源資源構成中煤炭占比超過80%,電力中火電占比為80%左右,意味著以煤炭為主的能源資源構成導致未來很長時間內碳排放量將居高不下。因此,必須采取有效措施推進能源消費結構多樣化、提高優(yōu)質能源消費占比、改變化石能源的傳統(tǒng)使用方式,切實減少碳排放量,實現(xiàn)低碳生產、清潔生產。

圖3 1995—2015長江經濟帶各類能源消費碳排放

圖4 1995—2015長江經濟帶11省市能源消費碳排放

碳排放的空間差異:由圖4可知,樣本期內各省市碳排放總量呈上升趨勢,年均增長5.54%,2015年碳排放總量達到94225.44萬t。其中,增幅位于前三位的依次是重慶(3.3倍)、江蘇和浙江(2.95倍),尤其是江蘇和浙江的碳排放量不但增速快,而且兩省的碳排放絕對值約占總量的1/3,主要是因為東部地區(qū)人口眾多,生活能源消費需求量大，同時江浙滬為長江經濟帶龍頭,各產業(yè)發(fā)展水平很高,沿江長期發(fā)展高耗能的重化工產業(yè),導致碳排放量居高不下。其次,湖南、四川碳排放量分居第三、四位,成為中西部地區(qū)碳排放中心。2015年碳排放量前六位的省市碳排放總量達到67003.51萬t,占長江經濟帶總量的71%(與黃國華等[18]的研究結果大體一致)。此外,江西、重慶、云南等中西部地區(qū)碳排放量較少,2015年的碳排放總量為16722.66萬t,不足長江經濟帶碳總量的20%,可見長江經濟帶碳排放的聚集度很高,高投入、高消耗、高排放的狀況沒有得到根本扭轉,經濟發(fā)展對能源消費的依賴性仍很強。

3.2 能源消費碳排放與經濟增長的脫鉤分析

時間演變特征:根據(jù)式(4)計算得到長江經濟帶各年份碳排放脫鉤指數(shù)(表3)。從表3可見,長江經濟帶所有年份的經濟總量都在不斷增長,但碳排放量增長狀況各年份不完全相同,導致長江經濟帶碳排放與經濟增長的脫鉤狀態(tài)在不斷變化。根據(jù)脫鉤關系特征,本文將1995—2015年分為4個階段分析:1995—2000年,長江經濟帶能源消費碳排放與GDP脫鉤基指數(shù)呈波動下降趨勢,基本處于較理想的脫鉤或強脫鉤狀態(tài)。其中,1999—2000年彈性脫鉤指數(shù)已下降到-0.0537,這可能與長江經濟帶大力貫徹實施“關停并轉十五小”企業(yè)的決定有關。2000—2006年,長江經濟帶碳排放脫鉤指數(shù)一路攀升,2000—2001年碳排放脫鉤指數(shù)為0.3341,為較理想的弱脫鉤狀態(tài),而在2004—2005年碳排放脫鉤指數(shù)已上升到1.4580,表現(xiàn)為擴張負脫鉤狀態(tài),且其間多個年份表現(xiàn)為增長連結狀態(tài),主要與該階段長江經濟帶集中開工建設大量的“高投入、高能耗、高排放”重化工有關。2006—2010年,該階段碳排放脫鉤指數(shù)先下降后緩慢回升,但總體處于弱脫鉤狀態(tài),脫鉤狀態(tài)略有改善,原因是長江經濟帶開始實施低碳發(fā)展戰(zhàn)略,導致碳排放速度略有下降。2010—2015年,碳排放脫鉤指數(shù)波動下降,并多次出現(xiàn)強脫鉤的理想狀態(tài),原因是長江經濟帶正處于產業(yè)轉型升級中,導致單位產值的能耗水平逐漸下降。此外,長江經濟帶上升為國家發(fā)展戰(zhàn)略,強調“共抓大保護,不搞大開發(fā)”的政策促進了彈性脫鉤值下降。

表3 1995—2015年長江經濟帶能源消費碳排放與GDP脫鉤情況

空間差異特征:從長江經濟帶總體角度看,長江經濟帶11省市脫鉤狀況存在較大差異,且處于不斷改善過程中(圖5)。由表4可知,在第一階段(1995—2000年)各省市碳排放與GDP脫鉤情況較理想,江蘇、江西等5省達到了強脫鉤狀態(tài),上海、浙江等5省市達到了弱脫鉤狀態(tài),只有重慶市(1.316)為擴張負脫鉤狀態(tài);第二階段(2000—2006年)脫鉤狀況嚴重惡化,所有省市均沒有達到強脫鉤狀態(tài),弱脫鉤狀態(tài)減少為3個,6省市為增長連結狀態(tài),湖南和云南惡化為擴張負脫鉤狀態(tài)。第三階段(2006—2010年)脫鉤惡化狀態(tài)有所改善,無擴張負脫鉤現(xiàn)象,多表現(xiàn)為弱脫鉤和增長連結,其中湖南和云南的脫鉤狀況明顯改善。第四階段(2010—2015年)脫鉤狀態(tài)進一步改善,湖北、湖南和云南改變?yōu)閺娒撱^,其余各省市均為弱脫鉤,整個經濟帶的碳排放壓力均較小。在各階段中上海一直處于較理想的弱脫鉤狀態(tài),這主要是因為上海在長江經濟帶中起著龍頭作用,其產業(yè)結構已經由“二三一”轉變?yōu)椤叭弧?且在第三產業(yè)中低能耗的高新技術產業(yè)不斷發(fā)展壯大,產值已經接近1/3;以云南為代表的西部地區(qū)脫鉤狀況改善較明顯,主要是因為西南地區(qū)水電資源豐富,降低了煤炭和火電的消費量,碳排放量較少;另一方面,西部大開發(fā)、長江經濟帶上升為國家發(fā)展戰(zhàn)略,給該地區(qū)營造了良好的外部發(fā)展環(huán)境。

圖5 1995—2015長江經濟帶能源消費碳排放與GDP脫鉤空間差異

表4 1995—2015年11省市能源消費碳排放與GDP脫鉤情況

產業(yè)差異特征:1995—2015年長江經濟帶六大產業(yè)能源消費碳排放與GDP脫鉤情況見表5。由表5可知,4個階段中六大產業(yè)的碳排放脫鉤狀況存在著較大的差異,且呈現(xiàn)出逐漸改善的狀態(tài)。第一階段(1995—2000年)農林牧漁業(yè)和工業(yè)處于強脫鉤狀態(tài),建筑業(yè)和其他第三產業(yè)處于弱脫鉤狀態(tài),交通運輸倉儲業(yè)和批發(fā)零售住宿餐飲業(yè)則處于增長連結狀態(tài);第二階段(2000—2006年)脫鉤狀態(tài)惡化,脫鉤狀態(tài)已不存在,交通運輸倉儲業(yè)惡化最嚴重,轉變?yōu)閿U張負脫鉤狀態(tài),其他各產業(yè)碳排放壓力均增大,處于增長連結狀態(tài);第三階段(2006—2010年)脫鉤狀態(tài)有所改善,農林牧漁業(yè)、工業(yè)和交通運輸倉儲業(yè)轉變?yōu)槿趺撱^狀態(tài);第四階段(2020—2015年)脫鉤狀態(tài)進一步改善,擴張負脫鉤狀態(tài)已不存在,大體呈現(xiàn)為較理想的弱脫鉤和強脫鉤狀態(tài)。

4個階段中,農林牧漁業(yè)和工業(yè)都經歷了“增加—減少”的過程,表現(xiàn)為弱脫鉤狀態(tài);建筑業(yè)、交通運輸倉儲業(yè)、批發(fā)零售住宿餐飲業(yè)雖然也經歷了“增加—下降”的過程,但是基本表現(xiàn)為增長連結甚至是擴張負脫鉤狀態(tài),最終表現(xiàn)為弱脫鉤狀態(tài);而其他第三產業(yè)較差,基本處于增長連結的狀態(tài),意味著必須關注未來其他第三產業(yè)發(fā)展過程中碳排放壓力的不斷增大,應及早提高其他三產的能源利用效率,減少碳排放。

表5 1995—2015年長江經濟帶六大產業(yè)能源消費碳排放與GDP脫鉤情況

3.3 碳排放與經濟增長脫鉤效應預測

本文分別以1995—2015年長江經濟帶能源消費量、碳排放量、GDP為原始序列,根據(jù)式(5)—式(10)建立能源消費量、碳排放量、GDP等維灰色遞補GM(1,1)模型并預測,逐一進行模型檢驗(表6)。結果表明,本文所建立的GM(1,1)模型精度較高,可以以此為依據(jù)建立等維遞補灰色預測GM(1,1)對長江經濟帶能源消費量、碳排放量及GDP進行中長期預測(表7)。

表6 灰色預測精度檢驗

表7 2016—2026長江經濟帶能源消費、碳排放量、GDP及其彈性脫鉤指數(shù)預測

根據(jù)式(4)分別構造能源消費與碳排放、能源消費與GDP的脫鉤指數(shù),記為ε(ce)、ε(eg)。由表7可知,未來10年長江經濟帶能源消費量將增加1倍,超過30億t標煤;碳排放量增加了1倍以上,達到233216.14萬t,無疑會對長江經濟帶的能源生產和能源消費造成巨大的壓力;得益于長江經濟帶國家戰(zhàn)略的實施,未來該經濟帶前景較樂觀,預計經濟總量將超過7萬億元。就三者的脫鉤狀態(tài)而言,能源消費與GDP脫鉤狀態(tài)較穩(wěn)定,彈性脫鉤指數(shù)從2016—2017年的0.760波動下降到2025—2026年的0.588,基本處于比較理想的弱脫鉤狀態(tài);而碳排放與能源消費的彈性脫鉤指數(shù)均超過了0.8,表現(xiàn)為增長連結狀態(tài),表明未來長江經濟帶碳排放增速與能源消費增速大體一致,減排的壓力不容小覷。由于經濟增長速度將超過碳排放增長速度,碳排放與GDP表現(xiàn)為較理想的弱脫鉤狀態(tài)。其中，2016—2023年彈性脫鉤指數(shù)呈波動下降,到2023年下降到最低值0.5613,之后將開始緩慢回升達到0.6209,整個預測期內不但未能實現(xiàn)碳排放壓力減小、GDP增長的強脫鉤理想狀態(tài),而且與強脫鉤理想狀態(tài)尚有較大距離,表明未來長江經濟帶必須盡快推動產業(yè)結構升級、改變現(xiàn)有的能源消費結構以擺脫碳排放壓力增大、脫鉤狀態(tài)惡化等一系列后果。因此,必須盡快實施相應政策,切斷經濟增長對能源消費的依賴,大力促進低碳經濟發(fā)展。

4 結論

通過測算得到以下主要結論:①1995—2015年長江經濟帶碳排放總量逐年遞增,到2012年達到最高值95775.64萬t,之后一直維持較高的碳排放水平。上述碳排放量主要來自工業(yè)與生活消費兩大部門,分別約占70%、10%;原煤與電力的碳排放量約占各類能源消費碳排放總量的1/2;江浙、湖南與四川分別成為東、中、西部地區(qū)的碳排放中心,尤其是江浙的碳排放量約占總量的1/3,碳排放的空間集聚度非常高。②1995—2015年長江經濟帶碳排放與經濟增長脫鉤狀態(tài)大體分為4個階段:第一階段彈性脫鉤指數(shù)波動下降,表現(xiàn)為較理想的弱脫鉤狀態(tài);第二階段彈性脫鉤指數(shù)一路攀升,嚴重惡化為增長連結或擴張負脫鉤狀態(tài);第三階段彈性脫鉤指數(shù)開始下降,脫鉤狀態(tài)有所改善;第四階段脫鉤狀態(tài)進一步改善,基本表現(xiàn)為弱脫鉤或強脫鉤狀態(tài)。③通過等維灰色遞補GM(1,1)模型預測,2016—2026年長江經濟帶能源消費、碳排放量和GDP均持續(xù)增長,由此導致能源消費與經濟增長、碳排放與經濟增長均呈現(xiàn)弱脫鉤狀態(tài),而碳排放與能源消費呈現(xiàn)增長連結狀態(tài),上述狀態(tài)與理想的強脫鉤狀態(tài)均有一定的距離,未來長江經濟帶碳排放壓力將漸增。