工业过程二氧化碳（CO₂）排放量

Carbon dioxide (CO2) emissions from Industrial Processes (Mt CO2e)

下载数据

指标代码：EN.GHG.CO2.IP.MT.CE.AR5所属主题：环境：排放Environment: Emissions

2024最新有效年份

185最新年份有值国家

265历史上有数据经济体

21%总体缺失率

指标解释

World Bank official description / 世界银行官方说明

A measure of annual emissions of carbon dioxide (CO2), one of the six Kyoto greenhouse gases (GHG), from industrial processes including IPCC 2006 codes 2.A.1 Cement production, 2.A.2 Lime production, 2.A.3 Glass Production, 2.A.4 Other Process Uses of Carbonates, 2.B Chemical Industry, 2.C Metal Industry, 2.D Non-Energy Products from Fuels and Solvent Use, 2.E Electronics Industry, 2.F Product Uses as Substitutes for Ozone Depleting Substances, 2.G Other Product Manufacture and Use and 5.A Indirect N2O emissions from the atmospheric deposition of nitrogen in NOx and NH3). The measure is standardized to carbon dioxide equivalent values using the Global Warming Potential (GWP) factors of IPCC's 5th Assessment Report (AR5).

可供参考的中文翻译：衡量一年内二氧化碳（CO₂）排放量的指标。二氧化碳是《京都议定书》六种温室气体之一，排放源涵盖工业生产过程，包括 IPCC 2006 编码中的以下类别：2.A.1 水泥生产、2.A.2 石灰生产、2.A.3 玻璃生产、2.A.4 其他碳酸盐的使用、2.B 化学工业、2.C 金属工业、2.D 来自燃料和溶剂使用的非能源产品、2.E 电子工业、2.F 消耗臭氧层物质替代品的使用、2.G 其他产品制造和使用，以及 5.A 来自大气中氮沉积（NOx 和 NH₃）的间接 N₂O 排放。该指标使用 IPCC 第五次评估报告（AR5）的全球增温潜势（GWP）系数，将排放量标准化为二氧化碳当量值。

数据口径与风险提示

本指标仅覆盖工业过程排放，不包括能源燃烧产生的 CO₂ 排放，两者在排放核算中常被分别统计
IPCC AR5 GWP 系数将各类温室气体统一折算为 CO₂ 当量，便于跨气体比较，但 GWP 系数本身存在不确定性
工业过程排放主要来自水泥、石灰、化工、冶金、电子等行业，不同国家产业结构差异可能导致可比性问题
数据来源于各国提交至 UNFCCC 的排放清单，依赖国家级报告质量，部分国家存在报告滞后或修订
中国本指标排放量在 2021 年达到峰值后出现下降，可能反映工业去碳化进展，但也可能受经济周期影响
本指标不包含土地利用、土地利用变化及林业（LULUCF）产生的 CO₂ 净通量
该指标以百万吨 CO₂ 当量为单位，绝对值受国家经济体量和工业化程度影响，不宜直接用于跨国福利比较
世界银行数据为中国等国官方提交清单与世界估算值的混合，跨国比较时需注意数据来源差异

中国趋势

趋势解读

中国工业过程 CO₂ 排放从 1970 年的 83.90 百万吨增长至 2024 年的 1396.17 百万吨，整体呈现长期上升趋势，但近年出现转折。2010 年代增速相对放缓，2020 年达到 1553.10 百万吨，2021 年录得历史峰值 1557.68 百万吨，随后连续三年下降，2024 年降至 1396.17 百万吨，较峰值下降约 10.4%。近期下降可能反映工业结构优化、能效提升或部分高排放产品需求变化等因素的共同作用，但具体驱动因素需要结合更多变量综合分析，不宜简单归因于单一原因。

1970 年排放量为 83.90 百万吨 CO₂ 当量
2024 年排放量达到 1396.17 百万吨 CO₂ 当量
2021 年历史峰值为 1557.68 百万吨 CO₂ 当量
最新值较峰值下降约 161.51 百万吨，降幅约 10.4%
最新值与期初值之比为 16.64 倍
2020-2024 年间呈现逐年下降趋势
下降趋势的时间序列较短，尚不足以确认长期结构性下降
排放变化可能同时受经济周期、产业结构、政策调控等多种因素影响

全球趋势

趋势解读

全球工业过程 CO₂ 排放从 1970 年的 927.90 百万吨增长至 2024 年的 3192.38 百万吨，整体呈持续上升趋势。与中国类似，全球排放在 2021 年达到峰值 3325.81 百万吨后略有回落，2024 年降至 3192.38 百万吨。全球增长倍数为 3.44 倍，显著低于中国的 16.64 倍，反映出中国在该时期工业化进程的快速推进。从增速看，1970-2009 年间全球呈稳步上升态势，2010 年后增速有所放缓但未出现明显下降拐点。

1970 年排放量为 927.90 百万吨 CO₂ 当量
2024 年排放量达到 3192.38 百万吨 CO₂ 当量
2021 年历史峰值为 3325.81 百万吨 CO₂ 当量
最新值与期初值之比为 3.44 倍
最新值较峰值下降约 133.43 百万吨，降幅约 4.0%
下降幅度和速度均低于中国
全球数据为多个国家数据的汇总，各国变化方向可能不一致
不同国家工业化阶段差异显著，简单比较平均值可能掩盖结构差异

每十年变化摘要

十年区间	中国变化	世界变化	提示
1960-1969	-	-	环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。
1970-1979	1.6x	1.2x	该十年中国排放量增长约 1.58 倍、世界增长约 1.23 倍，中国的增速显著快于世界，可能反映改革开放初期工业恢复性增长与基数效应的叠加。
1980-1989	1.7x	1.2x	该十年中国排放量增长约 1.72 倍、世界增长约 1.15 倍，中国增速继续领先世界平均水平约 0.57 倍，可能反映国内工业化加速推进而同期部分发达国家已进入去工业化阶段。
1990-1999	1.9x	1.2x	该十年中国排放量增长约 1.87 倍、世界增长约 1.19 倍，中国增速约为世界的 1.57 倍，差距进一步扩大，可能反映重化工业化进程与全球产业转移的共同作用。
2000-2009	2.3x	1.5x	该十年中国排放量增长约 2.29 倍、世界增长约 1.46 倍，增速差距达到约 0.83 倍，可能反映中国在该阶段大规模基础设施建设带动高排放材料（水泥、钢铁等）需求高速增长。
2010-2019	1.4x	1.3x	该十年中国排放量增长约 1.36 倍、世界增长约 1.27 倍，增速差距明显收窄，可能反映中国工业结构开始调整、高排放行业增长放缓，而同期部分新兴市场国家工业化进程加速。
2020-2029	0.9x	1.0x	中国的阶段变化率低于世界，可能意味着本国分母项相对分子项改善更快，或净进口依赖、国内供需结构与全球平均出现分化。该判断仍应结合指标定义、相关变量和缺失年份理解，避免把单一比例变化写成确定因果。

2024 年全部国家排名

排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。

排名	国家	代码	数值
1	China 中国	CHN	1,396
2	India 印度	IND	258.5
3	United States 美国	USA	155.7
4	Russian Federation 俄罗斯	RUS	111.8
5	Saudi Arabia 沙特阿拉伯	SAU	85.9
6	Iran, Islamic Rep. 伊朗	IRN	63.9
7	Indonesia 印度尼西亚	IDN	59.7
8	Mexico 墨西哥	MEX	55.8
9	Turkiye 土耳其	TUR	54.4
10	Japan 日本	JPN	54.3
11	Korea, Rep. 韩国	KOR	53.1
12	Viet Nam 越南	VNM	50.3
13	Brazil 巴西	BRA	48.2
14	Germany 德国	DEU	39.7
15	Egypt, Arab Rep. 埃及	EGY	38.7
16	Canada 加拿大	CAN	31.9
17	Thailand 泰国	THA	29.7
18	Pakistan 巴基斯坦	PAK	25.7
19	South Africa 南非	ZAF	20.0
20	United Arab Emirates 阿联酋	ARE	19.7
21	Malaysia 马来西亚	MYS	19.5
22	Spain 西班牙	ESP	19.5
23	Italy 意大利	ITA	19.3
24	France 法国	FRA	19.1
25	Poland 波兰	POL	17.1
26	Algeria 阿尔及利亚	DZA	16.5
27	Qatar 卡塔尔	QAT	16.3
28	Nigeria 尼日利亚	NGA	15.8
29	Oman 阿曼	OMN	15.0
30	Iraq 伊拉克	IRQ	15.0
31	Kazakhstan 哈萨克斯坦	KAZ	14.9
32	Bangladesh 孟加拉国	BGD	13.6
33	Australia 澳大利亚	AUS	13.5
34	Ukraine 乌克兰	UKR	13.3
35	Philippines 菲律宾	PHL	12.7
36	Argentina 阿根廷	ARG	11.4
37	Netherlands 荷兰	NLD	10.5
38	Singapore 新加坡	SGP	10.4
39	Belgium 比利时	BEL	10.4
40	United Kingdom 英国	GBR	10.3
41	Uzbekistan 乌兹别克斯坦	UZB	10.2
42	Kuwait 科威特	KWT	7.36
43	Romania 罗马尼亚	ROU	7.20
44	Norway 挪威	NOR	6.93
45	Colombia 哥伦比亚	COL	6.55
46	Venezuela, RB 委内瑞拉	VEN	6.24
47	Peru 秘鲁	PER	5.80
48	Lao PDR 老挝	LAO	5.30
49	Austria 奥地利	AUT	5.10
50	Czechia 捷克	CZE	5.03
51	Belarus 白俄罗斯	BLR	4.98
52	Morocco 摩洛哥	MAR	4.80
53	Hungary 匈牙利	HUN	4.40
54	Sweden 瑞典	SWE	4.22
55	Bulgaria 保加利亚	BGR	4.15
56	Kenya 肯尼亚	KEN	4.12
57	Greece 希腊	GRC	4.12
58	Slovak Republic 斯洛伐克	SVK	4.09
59	Bahrain 巴林	BHR	4.05
60	Israel 以色列	ISR	3.86
61	Portugal 葡萄牙	PRT	3.80
62	Cambodia 柬埔寨	KHM	3.76
63	Myanmar 缅甸	MMR	3.69
64	Ethiopia 埃塞俄比亚	ETH	3.27
65	Senegal 塞内加尔	SEN	3.20
66	Tanzania 坦桑尼亚	TZA	3.16
67	Tunisia 突尼斯	TUN	3.11
68	Finland 芬兰	FIN	3.07
69	Chile 智利	CHL	3.05
70	Korea, Dem. People's Rep. 朝鲜	PRK	2.99
71	Ghana 加纳	GHA	2.98
72	Libya 利比亚	LBY	2.73
73	Switzerland 瑞士	CHE	2.57
74	Dominican Republic 多米尼加共和国	DOM	2.54
75	Ireland 爱尔兰	IRL	2.44
76	Cote d'Ivoire 科特迪瓦	CIV	2.32
77	Georgia 格鲁吉亚	GEO	2.21
78	Ecuador 厄瓜多尔	ECU	2.21
79	Nepal 尼泊尔	NPL	2.20
80	New Zealand 新西兰	NZL	2.15
81	Sri Lanka 斯里兰卡	LKA	2.15
82	Cameroon 喀麦隆	CMR	2.14
83	Croatia 克罗地亚	HRV	2.02
84	Mozambique 莫桑比克	MOZ	2.02
85	Jordan 约旦	JOR	1.98
86	Uganda 乌干达	UGA	1.97
87	Turkmenistan 土库曼斯坦	TKM	1.94
88	Tajikistan 塔吉克斯坦	TJK	1.90
89	Lithuania 立陶宛	LTU	1.88
90	Angola 安哥拉	AGO	1.81
91	Azerbaijan 阿塞拜疆	AZE	1.75
92	Iceland 冰岛	ISL	1.68
93	Bolivia 玻利维亚	BOL	1.60
94	Denmark 丹麦	DNK	1.56
95	Syrian Arab Republic 叙利亚	SYR	1.52
96	Guatemala 危地马拉	GTM	1.45
97	Slovenia 斯洛文尼亚	SVN	1.40
98	Bosnia and Herzegovina 波黑	BIH	1.39
99	Zambia 赞比亚	ZMB	1.30
100	Benin 贝宁	BEN	1.28
101	Burkina Faso 布基纳法索	BFA	1.28
102	Yemen, Rep. 也门	YEM	1.28
103	Kyrgyz Republic 吉尔吉斯斯坦	KGZ	1.24
104	Cyprus 塞浦路斯	CYP	1.16
105	Sudan 苏丹	SDN	1.04
106	Congo, Dem. Rep. 刚果（金）	COD	1.03
107	Lebanon 黎巴嫩	LBN	1.00
108	Zimbabwe 津巴布韦	ZWE	0.97
109	Albania 阿尔巴尼亚	ALB	0.82
110	Equatorial Guinea 赤道几内亚	GNQ	0.74
111	Latvia 拉脱维亚	LVA	0.72
112	Guinea 几内亚	GIN	0.71
113	Mali 马里	MLI	0.70
114	Togo 多哥	TGO	0.69
115	Honduras 洪都拉斯	HND	0.68
116	Moldova 摩尔多瓦	MDA	0.63
117	Paraguay 巴拉圭	PRY	0.63
118	Bhutan 不丹	BTN	0.62
119	Mongolia 蒙古	MNG	0.58
120	North Macedonia 北马其顿	MKD	0.54
121	Luxembourg 卢森堡	LUX	0.52
122	Costa Rica 哥斯达黎加	CRI	0.49
123	Armenia 亚美尼亚	ARM	0.46
124	Cuba 古巴	CUB	0.46
125	Jamaica 牙买加	JAM	0.45
126	El Salvador 萨尔瓦多	SLV	0.43
127	Mauritania 毛里塔尼亚	MRT	0.41
128	Rwanda 卢旺达	RWA	0.40
129	Uruguay 乌拉圭	URY	0.40
130	Namibia 纳米比亚	NAM	0.37
131	Congo, Rep. 刚果（布）	COG	0.36
132	Botswana 博茨瓦纳	BWA	0.36
133	Panama 巴拿马	PAN	0.36
134	Nicaragua 尼加拉瓜	NIC	0.31
135	Haiti 海地	HTI	0.30
136	Chad 乍得	TCD	0.29
137	Malawi 马拉维	MWI	0.27
138	Gabon 加蓬	GAB	0.24
139	Guyana 圭亚那	GUY	0.22
140	Niger 尼日尔	NER	0.21
141	Liberia 利比里亚	LBR	0.20
142	Djibouti 吉布提	DJI	0.19
143	Sierra Leone 塞拉利昂	SLE	0.16
144	Burundi 布隆迪	BDI	0.14
145	Papua New Guinea 巴布亚新几内亚	PNG	0.13
146	Brunei Darussalam 文莱	BRN	0.13
147	Estonia 爱沙尼亚	EST	0.13
148	Madagascar 马达加斯加	MDG	0.12
149	Afghanistan 阿富汗	AFG	0.09
150	Barbados 巴巴多斯	BRB	0.09
151	Eritrea 厄立特里亚	ERI	0.08
152	Fiji 斐济	FJI	0.05
153	Somalia, Fed. Rep. 索马里	SOM	0.03
154	Suriname 苏里南	SUR	0.02
155	Mauritius 毛里求斯	MUS	0.02
156	Malta 马耳他	MLT	0.01
157	Central African Republic 中非共和国	CAF	0.01
158	Lesotho 莱索托	LSO	0.01
159	Gambia, The 冈比亚	GMB	0.01
160	Eswatini 斯威士兰	SWZ	0.00
161	Bahamas, The 巴哈马	BHS	0.00
162	Guinea-Bissau 几内亚比绍	GNB	0.00
163	Maldives 马尔代夫	MDV	0.00
164	Timor-Leste 东帝汶	TLS	0.00
165	Belize 伯利兹	BLZ	0.00
166	Comoros 科摩罗	COM	0.00
167	Cabo Verde 佛得角	CPV	0.00
168	Solomon Islands 所罗门群岛	SLB	0.00
169	Dominica 多米尼克	DMA	0.00
170	Seychelles 塞舌尔	SYC	0.00
171	Antigua and Barbuda 安提瓜和巴布达	ATG	0.00
172	St. Lucia 圣卢西亚	LCA	0.00
173	Samoa 萨摩亚	WSM	0.00
174	Vanuatu 瓦努阿图	VUT	0.00
175	Grenada 格林纳达	GRD	0.00
176	St. Vincent and the Grenadines 圣文森特和格林纳丁斯	VCT	0.00
177	Sao Tome and Principe 圣多美和普林西比	STP	0.00
178	St. Kitts and Nevis 圣基茨和尼维斯	KNA	0.00
179	Tonga 汤加	TON	0.00
180	Kiribati 基里巴斯	KIR	0.00
181	Palau 帕劳	PLW	0.00
182	Micronesia, Fed. Sts. 密克罗尼西亚	FSM	0.00
183	Marshall Islands 马绍尔群岛	MHL	0.00
184	Nauru 瑙鲁	NRU	0.00
185	Tuvalu 图瓦卢	TUV	0.00

使用建议、常见误用与研究场景

数值较高通常意味着什么

排放量较高通常表示工业活动规模较大，或高排放行业（如水泥、冶金、化工）在经济结构中占比较高。

数值较低通常意味着什么

排放量较低可能反映工业规模较小、产业结构偏重服务业，或工业生产过程中采用了更清洁的生产工艺。

鍙ｅ緞闄愬埗

仅反映工业过程排放，不包含能源燃烧排放，两者合计才构成更完整的工业 CO₂ 排放图景
不同国家产业结构差异显著，单纯比较绝对值无法判断减排努力程度
该指标不包含 LULUCF 产生的碳汇或排放，不适合单独评估一国的净碳收支
人均排放强度需结合人口数据计算，绝对值不宜直接用于跨国福利或政策评价
数据存在年度修订可能，不同时间获取的数据可能存在差异
报告国清单质量参差不齐，部分国家数据可能存在较大不确定性

使用建议

使用时应结合能源燃烧排放数据进行全面分析，避免遗漏重要排放源
进行跨国比较时建议同时考察人均排放或排放强度等相对指标
关注时间序列趋势变化时，应结合经济周期、产业结构等背景信息
评估减排政策效果时需要控制经济活动水平（如工业增加值）
分行业拆解分析有助于识别排放变化的主要驱动因素
与其他温室气体（如 CH₄、N₂O、F-gas）合并分析可获得更完整的排放图景
结合 GDP、工业化率等宏观经济变量进行回归分析时需注意多重共线性问题
进行国际比较时应关注数据来源和统计口径的一致性

常见错误用法

错误做法：直接将该指标作为中国温室气体减排成效的单一判断依据

正确做法：应结合总排放指标、能源结构转型指标、产业结构调整数据进行综合判断

该指标仅覆盖工业过程排放，减排成效需要看所有排放源的总体变化趋势

错误做法：将该指标排放量直接与其他国家排放量做绝对值比较以判断环保表现

正确做法：应使用人均排放或排放强度（单位工业增加值排放）等相对指标进行比较

排放量受经济体量和产业结构影响，发达国家已完成工业化，排放量可能因去工业化而降低

错误做法：将该指标与能源燃烧 CO₂ 排放指标混用或直接相加

正确做法：两个指标统计口径不同，分别来自 IPCC 不同类别，应明确区分后合并分析

工业过程排放和能源燃烧排放的驱动因素和核算方法存在差异，混用可能导致分析误差

错误做法：将 2020 年代出现的中国排放下降简单解读为长期结构性下降的确认

正确做法：应等待更长时间序列数据，并结合工业增加值、产品产量等变量验证下降原因

当前下降仅持续三年左右，时间跨度较短，经济周期性因素可能发挥重要作用

错误做法：将中国的 CO₂ 排放量与人均 GDP 直接做回归，得出因果关系

正确做法：应控制相关变量（如工业化率、产业结构、能源结构）后进行多元回归分析

工业化、经济增长和排放之间存在复杂关系，简单二元关系可能存在遗漏变量偏误

实际应用场景

中国工业过程排放趋势的结构性分解：利用该指标与工业增加值数据，分析 2000 年以来中国工业过程 CO₂ 排放增长中来自产出扩张和结构优化的各自贡献被解释变量可采用 LMDI 分解法，将排放变化分解为规模效应、结构效应和效率效应，检验工业结构升级对排放增速放缓的贡献
跨国工业过程排放强度比较：比较中国与主要工业化国家在相同发展阶段的人均工业过程 CO₂ 排放水平，分析中国排放强度的相对位置比较变量需要控制发展阶段差异，可使用面板数据固定效应模型控制国家固有特征，关注残差中反映的效率差距
工业过程排放与相关温室气体排放的协同性分析：考察 CO₂ 工业过程排放与 CH₄、N₂O 工业排放的变化趋势是否一致，检验工业脱碳的协同效应被解释变量或机制变量可计算不同气体排放的相关系数，并通过脉冲响应函数检验协同变化特征
工业去碳化对总排放达峰的贡献：分析工业过程排放峰值出现时间及其在总排放达峰中的作用，评估工业端减排对整体碳达峰的贡献解释变量或控制变量需要结合能源燃烧排放和农业排放等数据，共同构建排放分解模型，识别各部门对达峰的贡献率
新兴市场国家工业化进程中的排放增长比较：将中国与印度、越南、印尼等仍在快速工业化的国家进行比较，分析中国经验对后续工业化国家的参考价值控制或比较变量控制 GDP 增速、工业占比等变量后，分析单位工业产出排放是否存在收敛趋势