蘇 凱， 陳毅輝

(福建農(nóng)林大學(xué)安溪茶學(xué)院，福建 福州 350002)

自工業(yè)革命以來，化石能源消費(fèi)導(dǎo)致了二氧化碳排放(以下簡(jiǎn)稱“碳排放”)量的迅速增加，擾亂了全球碳循環(huán)，從而引起氣候變化和全球變暖。全球變暖和氣候變化會(huì)產(chǎn)生一系列潛在的影響，如海平面上升、作物生長(zhǎng)改變、極端天氣爆發(fā)等，因此，由碳排放引起的氣候變化和全球變暖已成為世界各國及學(xué)者們關(guān)注的焦點(diǎn)。改革開放后，我國經(jīng)濟(jì)飛速增長(zhǎng)，城鎮(zhèn)化和工業(yè)化進(jìn)程不斷加快，我國不僅成為世界上最大的能源生產(chǎn)國和消費(fèi)國，也是最大的碳排放國。2014年，《國家氣候變化計(jì)劃(2014—2020年)》指出，到2020年，單位GDP碳排放量相較于2005年至少降低40%～50%；2015年，《國家自主貢獻(xiàn)預(yù)案》將單位GDP碳排放量在2005年的水平上再減少60%～65%，同時(shí)承諾到2030年碳排放達(dá)到峰值，并盡可能提前達(dá)峰。由此可見，我國作為世界上最大的碳排放國，其減排壓力在未來10～15年內(nèi)仍然是巨大的。我國的承諾引起國際重視，間接促成了《巴黎協(xié)議》的簽署，開創(chuàng)了全球溫室氣體減排的新紀(jì)元[1]。

我國碳減排目標(biāo)的實(shí)現(xiàn)有賴于全國各地的共同努力。福建省作為全國首個(gè)生態(tài)文明試驗(yàn)區(qū)和“21世紀(jì)海上絲綢之路核心區(qū)”，理應(yīng)為碳減排作出應(yīng)有的貢獻(xiàn)。福建省的生態(tài)環(huán)境質(zhì)量盡管有其優(yōu)越性，但近年來不斷推進(jìn)城鎮(zhèn)化、工業(yè)化和農(nóng)業(yè)現(xiàn)代化的進(jìn)程，化石能源的消耗仍持續(xù)增長(zhǎng)。據(jù)統(tǒng)計(jì)，2016年福建省能源消費(fèi)較2011年提升了19.2%，5年年均增長(zhǎng)3.84%[2]，而化石能源消耗是全球碳排放的主要因素，在全球溫室氣體排放中占據(jù)主導(dǎo)地位[3]。因此，如不重視這種能耗方式的轉(zhuǎn)變，福建省這種生態(tài)環(huán)境的優(yōu)越性將難以保持，如期實(shí)現(xiàn)碳減排目標(biāo)任重而道遠(yuǎn)。實(shí)際上，不合理的資源消耗、人為活動(dòng)以及過多的短效經(jīng)濟(jì)行為已經(jīng)給福建局部地區(qū)生態(tài)系統(tǒng)服務(wù)功能造成不同程度的影響[4]。福建省的能耗方式如何向既能保證經(jīng)濟(jì)增長(zhǎng)、改善人民生活、減少碳排放，又能保護(hù)生態(tài)環(huán)境的方向轉(zhuǎn)變，值得深入研究。

一、文獻(xiàn)綜述

國內(nèi)外學(xué)者對(duì)碳排放的驅(qū)動(dòng)因素、碳排放與社會(huì)經(jīng)濟(jì)發(fā)展之間的關(guān)系以及碳減排機(jī)制等方面作了大量研究[5-7]。Zhang等運(yùn)用解耦模型、脫鉤值穩(wěn)定度、脫鉤質(zhì)量度和脫鉤質(zhì)量偏差度公式對(duì)東北三省“五大產(chǎn)業(yè)”的脫鉤質(zhì)量進(jìn)行了橫向和縱向分析[8]。Utgikar等認(rèn)為經(jīng)濟(jì)增長(zhǎng)和人口增長(zhǎng)是決定能源消耗和碳排放的2個(gè)重要因素[9]。Feng等則以北京為例，應(yīng)用情景分析法對(duì)未來能源消耗和碳排放的影響進(jìn)行了預(yù)測(cè)[10]。

分析現(xiàn)有文獻(xiàn)可知，碳排放預(yù)測(cè)研究最為常見的模型有IPAT、Kaya、ImPACT等，它們?cè)跇?gòu)建具有自身特點(diǎn)的分解模型時(shí)仍有一些局限性，如IPAT模型參數(shù)分解并未將產(chǎn)業(yè)及能源結(jié)構(gòu)影響考慮在內(nèi)，Kaya模型只能解釋初級(jí)能源消耗對(duì)碳排放的影響，而在ImPACT模型中，當(dāng)只有一個(gè)因素發(fā)生變化，其他因素保持不變時(shí)，其中自變量對(duì)因變量的影響是相同的(等比例效應(yīng))[11-14]。因此，York等提出了STIRPAT模型[15]。

現(xiàn)有文獻(xiàn)在定量分析碳排放影響因素時(shí)，采用STIRPAT模型結(jié)合普通最小二乘法回歸(Ordinary Least Square, OLS)方法的最多[16]，但也有研究認(rèn)為這種方法存在難以克服的多重共線性問題。研究發(fā)現(xiàn)，當(dāng)模型存在嚴(yán)重的多重共線性時(shí)，OLS估計(jì)量將不具備一致性，造成統(tǒng)計(jì)推斷上無法給出真正有用的信息[16]。進(jìn)一步研究指出，在不剔除自變量的前提下，解決多重共線性的方法主要有主成分分析法(Principal Components Analysis， PCA)、偏最小二乘法回歸法(Partial Least Squares Regression, PLS-R)和嶺回歸法(Ridge Regression， RR)[6]。其中，PLS-R于 1966 年提出，后得以發(fā)展[17-18]，該方法綜合了多種分析方法的優(yōu)勢(shì)，主要用于研究多因變量對(duì)多自變量的回歸建模，特別是當(dāng)各變量之間存在高度線性相關(guān)時(shí)，用PLS-R更有效[19]。

此外，要準(zhǔn)確規(guī)劃能源生產(chǎn)和分配、環(huán)境保護(hù)和經(jīng)濟(jì)發(fā)展的投資，分析減緩氣候變化的措施，就必須有一種可靠的碳排放估算和預(yù)測(cè)方法。有學(xué)者從產(chǎn)業(yè)結(jié)構(gòu)及其他方面入手，應(yīng)用分解分析法對(duì)碳排放影響因素進(jìn)行研究[20-21]。在碳排放預(yù)測(cè)研究中，不同學(xué)者從不同視角切入，采用不同的方法，如采用環(huán)境庫茲涅茨模型對(duì)我國碳排放進(jìn)行模擬[22]，應(yīng)用Logistic模型預(yù)測(cè)碳排放峰值等[23]。目前應(yīng)用最廣泛的預(yù)測(cè)碳排放的模型之一是灰色模型GM(1，1)[24-25]，但其只能在適當(dāng)范圍內(nèi)使用；否則，將產(chǎn)生較大誤差。因此，為彌補(bǔ)該模型的不足，有學(xué)者提出了一種新的離散灰色預(yù)測(cè)模型DGM(1，1)，其不僅提高了模型的精度、應(yīng)用潛力，還提高了模型對(duì)趨勢(shì)的捕捉能力[26]。

綜上所述，現(xiàn)有文獻(xiàn)的研究結(jié)果對(duì)探索影響福建省碳排放的因素及提高能源效率具有重要的借鑒意義。但各地區(qū)的資源稟賦、產(chǎn)業(yè)結(jié)構(gòu)以及經(jīng)濟(jì)發(fā)展水平等均不相同，社會(huì)經(jīng)濟(jì)發(fā)展的路徑也不一樣，對(duì)碳排放的貢獻(xiàn)力度自然不同。目前，福建省正處于現(xiàn)代工業(yè)化和城鎮(zhèn)化快速發(fā)展的階段，要實(shí)現(xiàn)經(jīng)濟(jì)的可持續(xù)發(fā)展，就有必要分析影響福建碳排放的因素并測(cè)算未來碳排放趨勢(shì)，為實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)變和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)提供數(shù)據(jù)支持。據(jù)此，本研究利用2005—2016年的統(tǒng)計(jì)數(shù)據(jù)，建立擴(kuò)展型的STIRPAT模型結(jié)合PLS-R對(duì)福建省碳排放的影響因素進(jìn)行分析，在此基礎(chǔ)上，應(yīng)用DGM(1,1)模型測(cè)算福建省2017—2020年(本文寫作期間2018年《福建統(tǒng)計(jì)年鑒》還未正式出版，2017年的社會(huì)經(jīng)濟(jì)數(shù)據(jù)尚未可知，因此，將測(cè)算年份確認(rèn)為2017-2020年)的碳排放數(shù)據(jù)，為減排目標(biāo)的實(shí)現(xiàn)提供科學(xué)依據(jù)。

二、方法和數(shù)據(jù)

(一)數(shù)據(jù)來源

本研究中所有數(shù)據(jù)均來源于《福建統(tǒng)計(jì)年鑒》(2005—2017年)。為了消除價(jià)格的影響，本文以2005年為基期，按可比價(jià)格重新計(jì)算歷年GDP，并以此為基礎(chǔ)重新計(jì)算人均GDP和能源消耗強(qiáng)度。碳排放量按下列公式計(jì)算：

(1)

式(1)中，ei表示燃料i的消耗；fi是將不同類型的能源轉(zhuǎn)換為標(biāo)準(zhǔn)煤當(dāng)量的標(biāo)準(zhǔn)煤系數(shù)；ki是2006 年 IPCC 國家溫室氣體清單指南中不同類型燃料的碳排放系數(shù)(表1)。

表1 不同燃料的碳排放系數(shù)

(二)DGM (1,1)模型

本文借鑒相關(guān)學(xué)者的觀點(diǎn)[26-27]，假定X(0)={x(0)(1),x(0)(2),…,x(0)(n)}是一個(gè)序列。其中,x(0)(k)≥0(k=1,2,…,n)。x(1)表示x(0)的一次累加生成序列，具體公式如下所示：

x(1)={x(1)(k),x(1)(2),x(1)(n)}

(2)

則x(1)(k+1)=β1x(1)(k)+β2

(3)

式(3)即為DGM (1,1)模型。

(三)擴(kuò)展的STIRPAT模型

STIRPAT模型是一個(gè)在人口、財(cái)富和技術(shù)等方面進(jìn)行環(huán)境回歸的隨機(jī)效應(yīng)模型，其理論基礎(chǔ)主要來源于經(jīng)濟(jì)學(xué)、管理學(xué)與生態(tài)學(xué)，且該模型可以繼續(xù)擴(kuò)展上述三方面，以提高模型的分析與解釋能力[28]。本文在借鑒前人研究成果的基礎(chǔ)上，根據(jù)福建省具體情況選取適當(dāng)變量，應(yīng)用STIRPAT模型的可擴(kuò)展性，建立碳排放與其影響因素之間的計(jì)量模型。擴(kuò)展的STIRPAT模型可以表示為：

(4)

為確定有關(guān)參數(shù)，對(duì)式(4)兩邊分別取對(duì)數(shù)處理得到如下等式：

lnEt=lna+α1lnPt+α2lnUt+β1lnAt+β2lnTt+γ1lnSt+γ2lnCt+γ3lnOt

(5)

其中,Et、Pt、Ut、At、Tt、St、Ct和Ot分別表示碳排放、總?cè)丝?、城?zhèn)化率、人均GDP、第三產(chǎn)業(yè)產(chǎn)值比重、能源消耗強(qiáng)度、煤炭消費(fèi)比重(煤炭消費(fèi)量占能源消費(fèi)總量的百分比)和石油消費(fèi)比重(石油消費(fèi)量占能源消費(fèi)總量的百分比);a代表常數(shù);α1、α2、β1、β2、γ1、γ2、γ3分別表示Pt、Ut、At、Tt、St、Ct、Ot的回歸系數(shù)。

(四)PLS回歸

在多元線性回歸分析中，通常采用OLS-R用于估計(jì)回歸系數(shù)，以使得殘差的平方和最小化。但在多元線性回歸分析中，各變量之間普遍存在嚴(yán)重的多重共線性問題，OLS-R往往是無效的。為了消除這種影響，通常采用PCA提取主成分，雖然其能較好地概括自變量系統(tǒng)中的信息，但會(huì)給系統(tǒng)帶來很多無用的噪聲，缺乏對(duì)因變量的有效解釋能力[29]。因此，本文運(yùn)用PLS-R回歸來解決多元回歸中變量多重共線性和樣本容量較少等實(shí)際問題。PLS的原理、算法以及與其他回歸方法的對(duì)比分析，已有諸多文獻(xiàn)呈現(xiàn)[30-31]，本文不再詳細(xì)闡述。

三、實(shí)證結(jié)果與討論

(一)PLS回歸結(jié)果

為證實(shí)因變量與各自變量之間是否存在多重共線性，對(duì)各變量取對(duì)數(shù)，并進(jìn)行兩兩相關(guān)性分析，得到各變量間的相關(guān)系數(shù)如表2所示。

表2 相關(guān)性分析

注：1)x1～x7和y分別為取對(duì)數(shù)后的總?cè)丝?、城?zhèn)化率、人均GDP、第三產(chǎn)業(yè)產(chǎn)值比重、能源消耗強(qiáng)度、煤炭消費(fèi)比重、石油消費(fèi)比重、碳排放；2)***，**，*分別表示在10%、5%、1%的水平上顯著

從表2可知，各變量之間的相關(guān)系數(shù)很大，這表明各變量之間存在顯著的多重共線性，因此，不適合運(yùn)用OLS進(jìn)行無偏估計(jì)。為了消除多重共線性的影響，提高模型參數(shù)的準(zhǔn)確性和穩(wěn)定性，本文采用PLS對(duì)碳排放進(jìn)行測(cè)算，并以SIMCA-P軟件作為運(yùn)算平臺(tái)。

根據(jù)運(yùn)算結(jié)果，前四組分對(duì)因變量(碳排放量)的累積解釋力(R2)已達(dá)99.5%，且四組分的交叉驗(yàn)證值(Q2)均大于0.0975，因此偏最小二乘回歸只需提取了前四組分即可。此外，總?cè)丝?、城?zhèn)化率、人均GDP、第三產(chǎn)業(yè)產(chǎn)值比重、能源消耗強(qiáng)度、煤炭消費(fèi)比重、石油消費(fèi)比重的回歸系數(shù)結(jié)果分別為：2.798、1.028、0.253、0.205、0.333、1.256、0.412。據(jù)此，PLS回歸方程如下所示：

Et=-31.527+2.798lnPt+1.028lnUt+0.253lnAt-0.205lnTt-0.333lnSt+1.256lnCt+0.412lnOt

(6)

12個(gè)樣本的擬合值與實(shí)際值的均方根誤差僅為0.0204221，說明模型的預(yù)測(cè)能力相對(duì)精準(zhǔn)。

(二)擴(kuò)展的STIRPAT模型分解結(jié)果

擴(kuò)展的STIRPAT模型可以通過公式(6)還原得到：

(7)

上述回歸系數(shù)表明：(1)總?cè)丝?、城?zhèn)化率、人均GDP、煤炭消費(fèi)比重、石油消費(fèi)比重每上升1個(gè)百分點(diǎn)，碳排放量將分別增加279.8萬t、102.8萬t、25.3萬t、125.6萬t、41.2萬t；(2)第三產(chǎn)業(yè)產(chǎn)值比重和能源消耗強(qiáng)度每上升1個(gè)百分點(diǎn)，碳排放量分別下降20.5萬t和33.3萬t，說明技術(shù)進(jìn)步是減少碳排放的關(guān)鍵因素。

為了進(jìn)一步分析各變量對(duì)碳排放的貢獻(xiàn)，本文采用變量投影重要性(Variable Importance in Projection, VIP)方法分析自變量在解釋因變量時(shí)的重要性。其定義如下：

(8)

應(yīng)用式(8)，可得到影響碳排放的7個(gè)自變量的VIP值(圖1)。從圖1可以看出，對(duì)碳排放貢獻(xiàn)最大的是城鎮(zhèn)化率，其VIP值達(dá)到1.1704；緊隨其后的是人均GDP，其VIP值也達(dá)到1.1619；然后是總?cè)丝?、能源消耗?qiáng)度、煤炭消費(fèi)比重、第三產(chǎn)業(yè)產(chǎn)值比重；而石油消費(fèi)比重對(duì)碳排放的貢獻(xiàn)較少。

(三)碳排放預(yù)測(cè)結(jié)果

為了更好地評(píng)價(jià)DGM(1,1)模型的性能，分別計(jì)算了分?jǐn)?shù)誤差、后驗(yàn)差比、小誤差概率，模型的精度等級(jí)評(píng)價(jià)標(biāo)準(zhǔn)見表3，模型評(píng)估結(jié)果如表4所示，各影響因素的DGM(1,1)模型測(cè)算結(jié)果見表5。

圖1 各變量的VIP值

后驗(yàn)差比小誤差概率精準(zhǔn)度等級(jí)>0.95<0.35好>0.80<0.50合格>0.70<0.65勉強(qiáng)≤0.70≥0.65不合格

如前所述，按照后驗(yàn)差比、小誤差概率的最佳范圍，所有模型都作出了很好的估計(jì)。此外，通過預(yù)測(cè)方程得到2005—2020年福建省碳排放趨勢(shì)，如圖2所示。

四、結(jié)論與對(duì)策

(一)結(jié)論

本研究對(duì)常規(guī)STIRPAT模型進(jìn)行擴(kuò)展，建立擴(kuò)展后的福建省非線性碳排放STIRPAT模型，結(jié)合PLS回歸法分析福建省碳排放量的影響因素，而后采用灰色預(yù)測(cè)DGM(1，1)模型測(cè)算福建省2017—2020年的碳排放量，得出如下結(jié)論。

1.從驅(qū)動(dòng)因素的影響程度和作用方向來看。除第三產(chǎn)業(yè)產(chǎn)值比重和能源消耗強(qiáng)度對(duì)福建省碳排放量有抑制作用外，總?cè)丝?、城?zhèn)化率、人均GDP、煤炭消費(fèi)比重、石油消費(fèi)比重等5個(gè)變量對(duì)福建省碳排放具有正向促進(jìn)作用。其中，城鎮(zhèn)化率、人均 GDP、總?cè)丝趯?duì)碳排放的貢獻(xiàn)分別排名前三，意味著這些變量是影響碳排放的重要因素?？陀^上，人均 GDP反映了特定地區(qū)或省份的發(fā)展水平，人均國內(nèi)生產(chǎn)總值的增長(zhǎng)意味著需要更多的能源消耗，在一定程度上，這將導(dǎo)致碳排放量的增加。

表4 DGM(1,1)模型評(píng)價(jià)結(jié)果

注：碳排放量的單位為億 t

表5 2017—2020年各變量測(cè)算結(jié)果

注：碳排放量的單位為億 t

圖2 2005—2020年福建省碳排放趨勢(shì)

2.第三產(chǎn)業(yè)比重和能源消耗強(qiáng)度對(duì)碳排放具有抑制作用。第三產(chǎn)業(yè)產(chǎn)值比重是制約碳排放增長(zhǎng)的主要因素之一，產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和升級(jí)仍是未來經(jīng)濟(jì)工作的重要組成部分。此外，能源消耗強(qiáng)度的持續(xù)下降意味著技術(shù)進(jìn)步對(duì)減少碳排放具有積極作用。因此，加快發(fā)展低碳綠色技術(shù)，可實(shí)現(xiàn)福建省新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)。

3.DGM(1，1)模型測(cè)算結(jié)果表明，該方法在精準(zhǔn)度方面較為合理。根據(jù)測(cè)算結(jié)果，2020年，福建省人口將從2005年的3570萬人增加到3980萬人，第三產(chǎn)業(yè)產(chǎn)值比重將比2005年增長(zhǎng)15.3%，能源消耗強(qiáng)度相較于2005年下降44.2%，碳排放量年均達(dá)到9562萬t。福建省快速的城鎮(zhèn)化進(jìn)程使得其基礎(chǔ)設(shè)施建設(shè)和化石能源的需求加大，人口規(guī)模增加導(dǎo)致生態(tài)環(huán)境的壓力日益加大，居民生活水平和人均消費(fèi)水平逐步提高。這些誘因進(jìn)一步推動(dòng)福建省碳排放水平持續(xù)提高。因此，在后續(xù)城鎮(zhèn)化建設(shè)中，決策者應(yīng)該更加關(guān)注生態(tài)環(huán)境污染和城鎮(zhèn)空間資源配置等問題。

(二)對(duì)策

影響福建省碳排放的因素是多方面的，既涉及經(jīng)濟(jì)水平和產(chǎn)業(yè)結(jié)構(gòu)，也涉及能源結(jié)構(gòu)等。據(jù)此，提出如下對(duì)策建議。

1.進(jìn)一步優(yōu)化能源消費(fèi)結(jié)構(gòu)，完善提高能源效率鼓勵(lì)機(jī)制。研究表明，能源消耗強(qiáng)度對(duì)碳排放具有抑制作用，因此，優(yōu)化能源消費(fèi)結(jié)構(gòu)，特別是減少化石能源的消耗，是減少碳排放的有效途徑。值得注意的是，煤炭消費(fèi)量占我國一次能源總消費(fèi)量比重的60%左右，而煤炭燃燒排放是碳排放的主要來源[32]。福建省可以采用能源多樣化的政策來減少對(duì)煤炭的依賴，各級(jí)政府應(yīng)采取積極措施，增加對(duì)清潔能源(如風(fēng)能、太陽能、天然氣、核能、生物質(zhì)能等)的開采及利用。此外，在保持社會(huì)和經(jīng)濟(jì)發(fā)展的同時(shí)遏制能源消費(fèi)增長(zhǎng)的另一個(gè)有效方法就是提高能源效率。能源效率是降低碳排放的關(guān)鍵因素[33]，其意味著使用更少的能源來提供同樣的服務(wù)是最具成本效益的碳減排方法之一。能源效率的提高不僅可以降低家庭和企業(yè)的能源成本，提高生產(chǎn)力，刺激經(jīng)濟(jì)增長(zhǎng)，降低能源市場(chǎng)價(jià)格，還能提高能源系統(tǒng)的可靠性，進(jìn)一步加強(qiáng)國家能源安全。因此，各級(jí)政府應(yīng)加大對(duì)相關(guān)企業(yè)的扶持力度，鼓勵(lì)研發(fā)單位積極研發(fā)能提高能源效率、提高可再生能源和其他清潔能源利用率的技術(shù)。

2.以新型城鎮(zhèn)化規(guī)劃為契機(jī)，注重城鎮(zhèn)綠色低碳發(fā)展。城鎮(zhèn)化是社會(huì)經(jīng)濟(jì)發(fā)展到一定階段的必然產(chǎn)物，其發(fā)展模式盡管有其優(yōu)勢(shì)，但也帶來了許多挑戰(zhàn)，特別是對(duì)生態(tài)環(huán)境的影響不斷增大、對(duì)各種資源要素的需求不斷增加。因此，各級(jí)政府應(yīng)以新型城鎮(zhèn)化規(guī)劃為契機(jī)，科學(xué)規(guī)劃城鎮(zhèn)化發(fā)展模式，遵循經(jīng)濟(jì)規(guī)律，做好環(huán)境承載力評(píng)估。以提升城鎮(zhèn)化質(zhì)量為目標(biāo)，不盲目追求城鎮(zhèn)化速度，同時(shí)也要處理好城鎮(zhèn)化與生態(tài)環(huán)境之間的關(guān)系。在后續(xù)城鎮(zhèn)化進(jìn)程中，基礎(chǔ)設(shè)施建設(shè)應(yīng)加大采用節(jié)能環(huán)保、綠色低碳技術(shù)的比例，以便降低碳排放的上升趨勢(shì)。此外，政府還應(yīng)該平衡城鎮(zhèn)土地和人口的發(fā)展，進(jìn)一步消除城鎮(zhèn)化進(jìn)程中勞動(dòng)力遷移的障礙和限制，從而實(shí)現(xiàn)城鄉(xiāng)勞動(dòng)力的合理配置。政府應(yīng)積極推廣低碳消費(fèi)(綠色消費(fèi))模式，并采取有效措施，幫助公民養(yǎng)成節(jié)能環(huán)保的消費(fèi)習(xí)慣，鼓勵(lì)公民選擇消費(fèi)低碳產(chǎn)品，讓綠色發(fā)展、綠色生活理念成為全社會(huì)的共識(shí)。

3.優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加快第三產(chǎn)業(yè)發(fā)展。研究表明，第三產(chǎn)業(yè)對(duì)碳排放有抑制作用，因此，針對(duì)福建經(jīng)濟(jì)社會(huì)發(fā)展的形勢(shì)，政策制定者應(yīng)注重第三產(chǎn)業(yè)在“三大產(chǎn)業(yè)”中的占比。在此基礎(chǔ)上，政府需要優(yōu)化第三產(chǎn)業(yè)的結(jié)構(gòu)和發(fā)展方向，鼓勵(lì)發(fā)展資源消耗少、附加值高的現(xiàn)代產(chǎn)業(yè)，如金融業(yè)、信息業(yè)、旅游業(yè)等，以降低碳排放的增長(zhǎng)率。此外，各級(jí)政府應(yīng)根據(jù)各自地區(qū)的資源稟賦、經(jīng)濟(jì)發(fā)展水平等實(shí)際情況，認(rèn)真貫徹綠色發(fā)展理念，進(jìn)一步優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，鼓勵(lì)發(fā)展綠色低碳產(chǎn)業(yè)，以便實(shí)現(xiàn)長(zhǎng)期減排目標(biāo)。值得注意的是，越來越多的研究表明增加碳匯可以有效吸收二氧化碳[34]，以減緩碳排放對(duì)生態(tài)環(huán)境的影響，而福建省森林覆蓋率一直處于全國領(lǐng)先地位，且林權(quán)改革所取得的成績(jī)也走在全國前列。因此，政府可從“林業(yè)碳匯金融”或“綠色金融”等方面切入，深入探討將農(nóng)田、森林等碳匯源納入碳市場(chǎng)的有效性，制定相應(yīng)的政策措施。這樣做不僅可解決土地資源與經(jīng)濟(jì)發(fā)展之間的矛盾，增加碳匯，還可以增加農(nóng)民收入，促進(jìn)鄉(xiāng)村振興戰(zhàn)略目標(biāo)早日實(shí)現(xiàn)。