在线客服

减少碳排放量的方法实用13篇

引论:我们为您整理了13篇减少碳排放量的方法范文,供您借鉴以丰富您的创作。它们是您写作时的宝贵资源,期望它们能够激发您的创作灵感,让您的文章更具深度。

减少碳排放量的方法

篇1

关键词 :碳排放数据;碳排放强度;环境治理

中图分类号:X784 文献标识码:A doi:10.3969/j.issn.1665-2272.2015.06.021

基金项目:教育部人文社会科学研究规划项目“基于CGE模型的我国低碳发展政策构建研究”(项目编号:12YJA790214);河南省高等学校哲学社科研究“三重”重大专项“新常态下河南省产业经济发展的机遇、挑战和对策”(项目编号:2014-SZZD-07)

收稿日期:2014-12-26

0 引言

根据联合国(NGO)世界和平基金会世界低碳环保联盟总会公布的数据显示,中国碳排放量已超过美国,成为世界第一大碳排放国家,但人均碳排放却远远低于美国。中国是发展中国家,现在正处于工业化、城镇化的重要阶段内,对于能源消费数量庞大,而且能源消费结构不合理。然而,随着全球气候变暖问题日益引起世界关注以及国内越来越严重的环境污染现象引起人民关注,减少二氧化碳等废弃物排放,加快发展低碳经济已经受到中国政府的重视。2009年中国在哥本哈根举行的全球气候大会中作出庄严承诺“到2020年,中国每单位GDP中碳排放比2005年下降40%~45%”。减少二氧化碳排放,首先要明确影响二氧化碳产生的因素,较为经济、准确地获得二氧化碳排放数据。本文将估算中国碳排放数据,为低成本、高质量获取二氧化碳排放数据以及减少二氧化碳排放提供参考依据。

国内外有关估算碳排放数据的方法的研究主要有,Druckman等采用类多维区域投入产出模型,结果显示英国碳排放量与收入水平、居所、职位和家庭组成有关;Ramakrishnan应用DEA方法研究了了GDP、能源消费、碳排放三者之间的联系;Ugur Soytas运用VAR 模型研究了美国能源消耗、GDP与碳排放量之间的因果关系。魏楚通过研究发现GDP增长与能源利用效率对碳排放影响较大;许士春采用LMDI加和分解法得出我国碳排放的最大驱动因素经济产出效应而最大的抑制因素为产业结构效应的结论;赵敏利用IPCC二氧化碳排放量计算方法估算出上海居民城市交通碳排放数据,并分析了碳排放强度;叶震参考了RAS双向平衡方法,利用投入产出表,估算出我国1995-2009年数据。现有文献研究结果表明,碳排放量与能源消耗、能源利用技术以及能源消费结构有重要的关系,然而现有研究方法有些过于复杂,所需要的参数较多,结果未必更真实接近真实碳排放量。

1 碳排放数据的估算方法

二氧化碳排放量的估算方法多种多样,常见的有如投入产出法、碳足迹计算器法、IPPC计算法等。IPCC 计算碳排放的方法是联合国气候变化委员会提出的,为世界通用的计算方法,IPCC的评估报告阐明大气中二氧化碳的来源主要为人工排放,而人工排放的途径主要来源能源消费。尽管各国减排技术或资源禀赋存在诸多差异,但是这种方法依然可以通过变换相应参数进行调整,这种方法为研究者提供了所需要的各种能源的参数以及排放因子的缺省值,计算十分简单。

采用IPCC碳排放计算指南中的计算方法,假设各类能源的碳排放系数为固定数值,将其结合能源消费数据:

式(1)中,A为通过能源消费向空气中排放的碳排放总量;Bi为能源i消费量; i为能源种类;i=1,2,3,估算的是由煤、石油、天然气三种能源产生的二氧化碳量;Ci为能源i的碳排放系数。

上述IPCC碳排放计算方法在连续进行时间序列数据估算时存在一个缺陷,即如果选定基年的碳排放系数,那么基年以后年份同样选择相同的碳排放系数,则明显没考虑废弃物循环利用和综合治理的因素,因为随着人类环境保护意识水平的提高,循环利用或综合利用产生的二氧化碳等废弃物的力度也在加大。但是很难获得二氧化碳回收等方面的数据,因此,选择“环境污染治理投资总额占国内生产总值比重”这一指标修正碳排放系数。

取某一种能源基年的碳排放系数为Ci1,基年环境污染治理投资总额占国内生产总值比重的值为,则基年以后任一年份碳排放系数为:

本文选择2000年为基年,利用以上公式估算中国2000-2012年碳排放总量(文中数据来源历年《中国统计年鉴》和《中国能源统计年鉴》),GDP以2012年价格计算,估算结果如表1和图1。

从表1和图1中可以看出,中国碳排放量总体呈现增长趋势,在总体增长的趋势中,出现几次阶段性下降现象,主要原因不是能源消费总量下降,而是环境污染治理投资总额占国内生产总值比重上升。中国碳排放量主要由煤炭产生,而石油和天然气所产生的二氧化碳较少,这主要是因为中国能源消费结构中煤炭所占比重较大,而其他所占比重较小,产生单位热量煤炭排放的二氧化碳多。碳排放强度的变化趋势见图2。

碳排放强度是单位GDP的碳排放量,其大小直接反映了经济发展对环境影响的大小。从图2可以看出,碳排放强度呈现出下降的趋势,这表明中国在节能减排上取得的成效,然而应该认识到中国碳排放强度依然较高,而且最近几年下降速度变慢。

2 碳排放量与GDP关系

中国经济正在处于高速发展之中,能源消费结构和环境治理水平也在不断变化,经济的快速发展依赖于能源消费的快速增长,能源消费的快速增长促进了碳排放量的增长,而能源消费结构优化和环境治理水平提高又减少了碳排放量。因此,有必要研究碳排放量与GDP关系以及碳排放强度与能源消费结构、环境治理水平的关系。

为解释变量,以2012年不变价格计算,碳排放量被为被解释变量,模型中参数采用普通最小二乘法(OLS)估计,则中国二氧化碳碳排放量与的线性回归模型如下:

用2000-2012年时间序列数据估计模型中的参数,则2000-2012年中国二氧化碳碳排放量与的关系为:

从上述建立的一次线性回归模型各参数可以看出,GDP对碳排放量显著,回归系数显示为正值,表明中国GDP显著正向影响碳排放量,随着GDP增长,二氧化碳排放量也将与之同步增长的趋势,并且GDP每增加1亿元,二氧化碳排放量增加0.24万t。由于GDP增长和二氧化碳排放量呈长期的单调递增关系,随着中国经济的不断发展,中国将面临着更多更大的减排压力。

用CI表示碳排放强度,f1、f2分别代表煤炭、石油占能源消费总量的比重,用表示环境污染治理投资总额占国内生产总值比重,2000-2012年,中国碳排放强度能源利用结构以及环境治理水平的回归如下:

括号中数据为相应参数的t检验值,1%显著。

碳排放强度和煤炭、石油占能源消费总量的比重变化的正向关系说明,煤炭、石油占能源消费总量的比重的提高都会使碳排放强度增加,但是从回归结果来看,煤炭占能源消费总量的比重提高1%要比石油占能源消费总量的比重提高1%促进碳排放强度增加得快一些,因此,从这个角度可以说,提高石油占能源消费总量的比重有利于降低碳排放强度。环境污染治理投资总额占国内生产总值比重的符号为负,表明环境治理水平能显著降低碳排放强度,系数的绝对值较大,表明在中国提高环境污染治理将会显著降低碳排放强度。

3 促进中国低碳发展的政策措施

3.1 转变经济发展方式,形成全社会参与低碳发展的局面

要把加快低碳发展作为贯彻落实科学发展观的重要内容,在全社会广泛开展宣传,使全社会认识到中国由于经济发展引起的过多碳排放量面临的国际减排压力,以及由于大量碳排放量引起的气候变化和环境污染问题,要明确中国作为发展中大国在碳排放方面享有的权利和应承担的义务。要牢固确立低碳发展意识,让转变经济发展方式以及保护环境等成为各级政府和企业的重要发展理念。要区别经济增长与经济发展,经济增长是经济发展的部分内容,经济发展不仅有经济总量的增加,更需要有经济效益、环境治理以及人民水平的提高。中国要避免走西方先污染后治理的模式就必须加快转变经济发展方式,加快低碳发展。

3.2 优化产业结构

当前中国产业结构不合理,主要表现在第二产业比重较大,第三产业比重较小,由于不同产业生产相同价值的产品其消耗的能源是不同的,一般来说,生产等值产品第二产业消耗的能源最多,排放的二氧化碳也最多,第三产业消耗的能源最少,排放的二氧化碳也最少。中国要想完成在哥本哈根举行的全球气候大会中作出的承诺,就必须加大产业结构调整力度,加快第三产业发展,力争在快速发展经济的同时,使碳排放总量最少。

3.3 调整能源消费结构

碳排放强度与能源利用结构显著相关,一般来说,产生等热煤碳排放的二氧化碳最多,石油次之,天然气最少,而清洁能源排放更少。长期以来,中国能源消费结构形成以煤炭为主,清洁能源较少的局面,在一定程度造成了碳排放量的快速增加。因此,要加大对风能、核能、水电等清洁能源的开发与利用,不断调整能源消费结构。另外,开发新的清洁能源在改善国内能源消费结构,降低碳排放量的同时,又可以显著促进经济增长。

3.4 加大环境治理力度

中国碳排放量的增加,影响因素很多,由前面研究可以看出环境治理能显著降低碳排放强度。从统计数据可以看出,中国环境污染治理投资总额占国内生产总值比重一直较低,而且其值一直难以稳定,处于不断变化中。当前,中国面临诸多问题,其中大部分问题都与环境污染治理投资力度不够相关,因此,有必要加大环境治理力度。加大环境治理力度可以逐步引入碳税制度。碳税可以迫使企业因为沉重的税收而放弃碳排放量较多的一些产品生产,从而降低二氧化碳排放量,它是最具有市场效率的减少碳排放的经济政策手段之一。

3.5 增加碳汇

减少二氧化碳除了减少二氧化碳的排放外,还应该尽量吸收已经排放的二氧化碳。碳汇的目的就是从大气中除去二氧化碳的一些方法过程、活动以及机制,主要依靠森林吸收并储存二氧化碳。陆地生态系统中森林是最大的碳库,通过树木和花草等植物的光合作用,吸收大气中的二氧化碳,制造出氧气并向外排出,这样会降低大气中的二氧化碳含量、减缓气候变暖的效果。当前,中国森林面积和森林覆盖率较低,需要继续增加森林面积。中国是能源消费大国,排放的空气中的二氧化碳十分庞大,要想保证空气质量,减缓二氧化碳对气候的影响,需要扩大森林面积来吸收空气中的二氧化碳。另外,国土的绿化会使国家的形象得到大幅提升,吸引更多的游客来旅游观光,不仅有利于降低二氧化碳,同时也可以加快发展第三产业,促进中国产业结构调整和经济发展。

参考文献

1 Angela Druckman. The Carbon Footprint of UK Households 1990-2004[J]. Ecological Economics, 2009(68)

2 Ramakrishnan. Factor Efficiency Perspectiveto the Relationships among World GDP, Energy Consumption and Carbon Dioxide Emissions[J]. Technological Forecasting & Social Change, 2006(73)

3 Ugur Soytas. Energy Consumption, income, and Carbon Emissions in the United State[J]. Ecological Economics, 2007(62)

4 蒋金荷.中国碳排放量测算及影响因素分析[J].资源科学,2011(4)

5 许士春,习蓉,何正霞.中国能源消耗碳排放的影响因素分析及政策启示[J].资源科学,2012(1)

篇2

(1)建材生产碳排放,主要由建材生产时消耗的各种能源产生。由于原材料和生产工艺不同,不同建材的碳排放量有很大差别,选择合适的建材是减少碳排放的一个重要措施。另外,人的因素产生的碳排放量相对很小,在测算建材生产碳排放时可以忽略不计。

(2)建材和机械运输碳排放(以下简称运输碳排放),主要由运输过程消耗的燃油资源产生。其碳排放量与所运输的物品种类、数量、运输工具以及运输距离等因素有关。在工程造价文件中,运输碳排放数据体现在运输车辆的机械台班消耗上,根据机械台班消耗量可估算出运输碳排放量。

(3)施工过程较建材生产和运输过程更加复杂,碳排放范围也更广泛。施工生产要素消耗包括人工、材料、机械三类,其中,人工碳排放量相对很少,可以忽略不计;建材生产过程已经计算过材料碳排放,不必重复计算。故施工碳排放主要考虑施工机械和施工工艺因素,通过对施工方案和施工组织设计的优化可有效减少碳排放量。

1.2计算方法

目前,工程建设碳排放计量尚无通用的国际或国家标准,可参考产品碳计量标准进行工程建设碳排放的计算。如ISO/CD14067、英国PAS2050:2008规范以及IPCC国家温室气体(GHG)排放清单指南等,这些规范在碳排放的范围核算和计量方法上都较为成熟,具有很大的参考价值。对现有规范和参考文献进行总结,得到工程建设领域可借鉴的几种碳排放量计算方法:

(1)实测法。通过标准连续计量设施对现场燃烧设备有关参数进行实际计量,得到排放气体的流速、流量和浓度数据,据此计算碳排放。实测法结果较为准确,但耗费的人工和费用成本较高,一般应用于量大面广的碳排放测量。

(2)投入产出法。投入产出法又称物料衡算法,它的原理是遵循质量守恒定律,即生产过程投入某系统或设备的燃料和原料中的碳等于该系统或设备产出的碳。投入产出法可用于计算整个或局部生产过程的碳足迹,但其无法区别出不同施工工艺和技术的差异,且获得结果的准确性有偏差。

(3)过程法。过程法在工程建设领域又叫作施工工序法。它是基于产品生命周期整个过程的物质和能源流动消耗来测算碳排放量,其思路是将施工阶段进行划分,列出分部分项工程的机械清单,然后用单位量乘以量就得到各分部分项工程的施工碳排放。过程法简便易行、精确性较高,但基于过程的物质和能源消耗数据不易获得,在一定程度上限制了该方法的应用。

(4)清单估算法。清单估算法采用IPCC政府间气候变化专门委员会公布的《IPCC温室气体排放清单》计算碳排放,主要原理是用各种能源的实际消耗量乘以碳排放因子加总得到总的碳排放量。碳排放因子指生产单位产品所排放的CO2的当量值,根据正常作业及管理条件,生产同一产品的不同工艺和规模下温室气体排放量加权平均得到,可在相关数据库中查得。清单估算法简单可行、应用面广,关键是要确定温室气体的排放清单并选择适当的碳排放因子。本文的工程建设碳排放量计算是基于生命周期评价理论,将过程法和清单估算法有机结合而成的混合计算方法。具体过程为:首先,采用过程法,按照工程图样列出材料机械消耗清单,也可直接采用清单计价时的分部分项工程材料机械清单;其次,采用清单估算法,将各个材料和机械的消耗量进行汇总并选择合适的碳排放因子;最后,将消耗量数据与对应碳排放因子相乘并加总,即得到整个工程建设阶段的碳排放量。

2案例实证

本文选取铁路工程某建设项目进行工程建设阶段碳排放实例分析,由于该工程的特殊性质,在此不便对工程概况进行介绍,只运用工程造价数据进行计算分析。

2.1清单汇总

根据工程造价文件中的机械台班消耗量和2005年《铁路工程机械台班费用定额》中的单位台班消耗指标,二者相乘即得到总的机械能源消耗量。

2.2碳排放因子确定

碳排放因子(CarbonEmissionFactor)是计算碳排放的基础数据,指消耗单位质量能源所产生的温室气体转化为二氧化碳的量。能源的碳排放因子包括了单位质量能源从开采、加工、使用各个环节中排放的温室气体量转化为二氧化碳量的总和。目前,关于碳排放因子的选用尚无统一标准,不同国家、组织和地区算得的碳排放因子往往有很大差别,在一定程度上影响到计算结果的准确性。本文总结并借鉴了现有碳排放因子,选择其常用值或平均值作为工程建设阶段碳排放计算的参考,各能源或材料的碳排放因子用F表示。

篇3

在全球气候变暖和对碳减排关注(低碳经济、低碳城市、低碳生活模式成为理论与实践热点)的背景下,“部门”研究(如工业、交通、商业、住宅部门)是分析能源消耗和二氧化碳排放的主要框架和路径,如1997年美国的 “部门”研究中工业部门的能源消耗最多(占总能耗的38%)、碳排放量(33%)最大[1],而住宅部门能源消耗和碳排放却分别位居第四位(11%)和第三位(19%)[2]。而在 “部门”碳排放的研究中,住宅部门碳排放研究反映的只是以住宅为载体的家庭碳排放情况,对于住宅以外的家庭相关活动的碳排放研究却相对缺失,因此“部门”碳排放研究方法并不能解释个体消费者家庭活动在能源使用时产生的环境影响。从理论上说,研究家庭碳排放亟需回答三个重要问题:①家庭活动产生的碳排放量占人均碳排放量的比重约为多少?②特定地区家庭碳排放结构是怎样的?以此作为减少家庭碳排放所应该努力的方向;③影响家庭碳排放的主要因素有哪些?显然,这些问题的回答能为减少家庭碳排放提供了方向。

1 消费者生活方式方法的理论框架

近20年以来,科学家和政府开始关注个人行为对全球碳排放的重要影响,消费者角色以及其消费模式日益受到学者的关注和讨论。20世纪80年代末期,诸多学者就消费者行为模式影响碳排放进行了深入的研究和探讨,有研究发现在1997年个人消费行为占全美能量消耗的28%,CO2排放量占全美排放量的41%[3] ,中国科学院《关于我国碳排放问题的若干政策与建议》中显示:1999-2002年间,中国CO2排放量的30%是由居民生活行为及满足这些行为需求所造成的。部分国外学者[4-8]基于消费行为碳排放研究,分析了家庭能耗模式,估算了能源消耗和温室气体排放,并量化了生活方式因素的影响;另外,诸多国外学者[9-15]基于部门数据分析了碳排放的影响因素,发现了人口、城市化水平、能源使用效率、住房面积与碳排放之间的相关关系。国内学术界对碳排放的关注主要集中在三个方面:能源消费与碳排放,包括与碳减排有关的能源消费结构的转变和低碳排放能源系统的建立;经济发展与碳排放,主要探讨经济发展模式、阶段、速度与碳排放的关系;碳减排对策研究。

从整体上看,国内已有的研究成果存在着两个明显的局限:首先,它们是从宏观的角度对碳排放量进行透视,只限于从能源结构、经济发展层面解析碳排放机理,如徐国泉等人基于碳排放量的基本等式,采用对数平均权重Disvisia分解法,建立中国人均碳排放的因素分解模型,定量分析了1995-2004年间能源结构、能源效率和经济发展等因素对中国人均碳排放的影响[16]。当然,更多的研究人员采用库茨涅茨曲线(EKC)模拟经济发展与碳排放之间的关系,认为碳排放与收入水平之间遵循倒“U”曲线关系[17],“N”型关系[18],并预测了中国碳排放在2040年达到高峰期[19]。这种宏观研究虽然揭示了经济发展对碳排放的整体影响,但它无法解释同一个社区中家庭碳排放的差异。因此,我们有必要量化家庭碳排放。其次,国内较少在不同的家庭关系中分析个体消费行为碳排放量的差异。其实,个体消费并不是完全的个人决策行为,在许多情况下,它是一种家庭的选择,在不同家庭中,文化程度、收入水平、成员个数及其年龄结构都可能成为个体消费的参考变数。因此要对家庭碳排放量差异做出恰当的解释,反映家庭背景的特征变量引入尤为重要。杨选梅等:基于个体消费行为的家庭碳排放研究中国人口•资源与环境 2010年 第5期基于以上文献综述,本文引入了国外新范式“消费者生活方式方法”(Consumer Lifestyle Approach ,CLA)[3],以解释家庭碳排放结果及其影响因素。“消费者”是指为个人或家庭消费的实体,“生活方式”是指消费行为反映出来具有影响力的生活,“消费者生活方式”研究的最基本前提就是通过了解消费者以制定出更好的公共政策。由于不同影响因素的相互交织,并且其中一些因素随着环境的变化而不断演生,因此了解“消费者”变的很复杂。为了清晰地理解多个相互影响因子,CLA试图提供一个跨学科的理论框架(见图1) 。 2 南京家庭碳排放特征研究

2.1 样本特征简介

本研究数据来源于环境保护部宣教中心与美国环保协会共同开展的“南京1 000家庭碳排放调查”项目,在南

图1 消费者生活方式方法框架图

Fig. 1 A framework for the proposed consumer lifes tyle approach注:虚线是指来自于家庭碳排放结果的反馈。

京江宁区、建邺区、雨花台区各选一个社区进行了为期一年(2008.5-2009.5)的家庭活动数据和家庭特征调查。该调查采取入户调查的形式,随机抽样选取60个重点户进行月跟踪,另外抽取1 200个普通户进行季跟踪,其中60个重点户、1 178个普通户回收问卷有效,被列为本文的研究样本。

表1 样本家庭基本情况Tab.1 Sampling households basic information

家庭特征

Feature最小值

Min最大值

Max均值

Mean标准差

Std. Deviation人口特征常住19 3.06 0.997男性051.520.692女性051.540.719年龄153.580.976消费特征住宅面积3319076.6825.279出行特征交通工具131.560.668经济特征家庭收入131.320.605文化特征文化程度152.620.840

从解释变量的测度来看,常住人口、男性人口、女性人口为连续的数量指标,其它各个变量如年龄、家庭收入、受教育程度、交通工具几个因素用虚拟变量测度,虚拟值表示如下:

年龄:小于18岁=1;大于等于18岁小于30岁=2;大于等于30岁小于40岁=3;大于等于40岁小于50岁=4;大于等于50岁=5

家庭收入:低于平均值=1,和平均值相当=2,高于平 均值=3

受教育程度:小学文化程度=1,初中文化程度=2,高中及中专文化程度=3,大专文化程度=4,本科以上文化程度=5

交通工具:步行或自行车=1,公共交通工具=2,小汽车=3。

从表1可以看出:家庭常住人口约为3,男女比例相当,交通出行以公共交通为主,低收入者家庭较多,初高中文化程度者占较大的比例。

2.2 碳排放计算模型

根据现有条件,表2的排放系数首先以中国科技部《公民节能减排手册》[20]为参考确定,减排手册中未涉及的计算内容则根据地域相近性选择我国台湾“能源局”[21]公布的排放系数,再次则引用GHG Protocol[22]的数据,考虑到保护国际[23]里飞机系数忽略短途、中途和长途航 线的差异,故飞机系数引用来源于保护国际。 碳排放总量由“南京1 000家庭碳排放”中实际的家庭能耗、交通出行、垃圾回收等活动数据和碳排放系数共同

表2 计算内容及排放系数

Tab.2 Calculation contents and coefficients

计算项

Item单位

Unit排放系数

Coefficient引用来源

Quote单位

Unit公交车km/d0.037台湾“能源局”kgCO2/ km地铁次/d1.142台湾“能源局”kgCO2/次出租车km/d0.50中国科技部kgCO2/ km私家车(汽油)L/月2.34中国科技部kgCO2/L私家车(柴油)L/月2.78台湾“能源局”kgCO2/L摩托车L/月2.24台湾“能源局”kgCO2/L火车K m/月0.062GHG ProtocolkgCO2/km飞机km/月0.18保护国际kgCO2/km用电度/月0.96中国科技部kgCO2/度用水t/月0.30中国科技部kgCO2/t天然气m3/月2.67台湾“能源局”kgCO2/m3罐装液化气kg/月3.16台湾“能源局”kgCO2/罐垃圾kg/d2.06台湾“能源局”kgCO2/kg

计算得出。本文以家庭能耗碳排放量计算为例:T-Home-CO2=∑∑(Fuelm×CO2Coefficient m)n×HH

式中,T-Home-CO2(kg)是年碳排放总量,n是一年中的季调查次数,m是家庭能耗类型(如电、天然气、液化气等),Fuelm是指每户每次季调查家庭活动数据(如用电量、用水量、用气量等),HH=1 178,是调查中的有效样本个数。 交通出行、生活垃圾碳排放量的计算类似于家庭能耗。

2.3 南京家庭碳排放量

“南京1 000家庭碳排放调查”碳排放结果如表3,三口之家(表1中平均家庭人口为3.06)户均年碳排放量为3 705.76 kg,则人均家庭碳排放量为1 211.03 kg。根据世界银行报告,中国人均碳排放量为4.1 t左右,也就是说,人均家庭碳排放约占总碳排放量的29.27%。值的注意的是,家庭用电碳排放量几乎占了家庭碳排放总量的一半,生活垃圾碳排放比例位居其次占了将近1/4。

家庭碳排放量随月际变化规律明显(见图2),总体而言,家庭碳排放有下降的趋势,这说 明经过一年的环境教育,“碳减排”意识增强,家庭碳排放量减少。家庭碳排放量高峰值在7月份(455.67 kg),次高峰在1月份,低谷处在10月份(274.57 kg),户均月差值为181.10 kg。这一方面与中国的季节变化相关,7月份、1月份分别是全年最炎热和最严寒的月份,家庭能耗、生活垃圾较多;另一方面与中国寒暑假的设置有关,学生回家导致人 口增加,家庭碳

图2 社区重点户家庭月碳排放变化趋势(2008-2009)

Fig.2 Carbon emission changing trend in priori ty households

表3 家庭碳排放量

Tab.3 Household carbon emission

家庭活动

Family activities年碳排放总量(kg)

Total annual carbon emissions户均年碳排放量(kg)

Annual carbon emissions per household比例结构(%)

Proportion家庭能耗2 805 8692 381.89 64.28 其中:家庭用电2 098 8701 781.72 48.08 家庭用水43 893.5737.26 1.01家庭天然气用量582 858494.79 13.35家庭瓶装液化气80 247.4168.12 1.84交通出行523 519.40444.41 11.99 其中:小汽车出行404 809.20343.64 9.27公交车出行53 441.2745.37 1.22摩托车出行44 639.1037.89 1.02地铁出行5 633.8434.78 0.13长途车出行3 529.8393.00 0.08火车出行5 469.4234.64 0.13飞机出行5 996.705.09 0.14生活垃圾1 036 000879.46 23.73总和4 365 3893 705.76 100.00

排放上升。

2.4 家庭碳排放结构

在家庭碳排放结构中(见表3),家庭能耗、交通出行、生活垃圾碳排放量之比约为64∶12∶24。而在家庭能耗碳排放次结构中,家庭用电和天然气用量是影响家庭能 源消耗碳排放的主要因素,两者之和比例占据了总家庭能耗碳排放量的95%。

而在交通出行碳排放次结构中,私人交通碳排放量(小汽车、摩托车)占了交通出行总碳排放量的86%,而公共交通碳排放量(公交车、地铁)约为19%,其他长途的交通出行(长途汽车、火车、飞机)碳排放量只占5%。

3 家庭碳排放量的影响因素分析

通过建立多元回归模型分析了碳排放量与家庭特征之间的关系,回归的被解释对象为碳排放量,解释变量为家庭常住人口、男性人口、女性人口、住宅面积、交通工具、家庭收入、年龄、文化程度等8个家庭特征值。本文共进行了两次回归,第一次用Backward 对全部因变量回归,第二次对常住人口、住宅面积、交通工具等显著性因子进行回归。

首先用Backward对全部因变量筛选的方法进行多元回归分析,结果见表4。

通过对家庭特征因子与家庭碳排放量的多元回归分析(见表4),得出以下3个有意义的结论 :

首先,家庭碳排放与消费特征和出行特征中的“住宅面积、交通工具”高度相关,但与“家庭收入”相关性不高,说明消费观念和出行方式会影响家庭碳排放量,值得 注意的是随着私人小汽车的普及,交通出行碳排放量有增加的趋势。

其次,人口特征对家庭碳排放量相关关系有正负两方面的影响。常住人口与家庭碳排放量呈正影响,而年龄与其成负影响,年龄越大,碳排放越少,这主要是因为年老者生活较为节俭,生活消费较少。

第三,文化特征对家庭碳排放量影响较小。按照常理,文化素质高的人,其节约意识较强,在中国,高素质的人家庭条件相对较好,家用电器多样,交通出行一般为私人小汽车,因此可以认为,文化素质高的人由于其花销大,碳排放量也较多,即使有意识的节约资源,影响也是微不足道。

从表5可以看出:首先,常住人口数量与碳排放量相关程度很强,每增加一个常住人口,年碳排放量要增加约397.84 kg,相当于燃烧掉170 L汽油的碳排放,如果进行碳补偿的话一年就要种植5棵树。因此,有效控制人口增加能降低因碳排放而造成的环境破坏。

第二,住宅面积与家庭碳排放相关性也很强。同等程度下,住宅面积多一个平方米,年碳排放量就要多8.535 kg。这说明,别墅建设和大户型住宅等粗放用地现象会造成资源的高投入,高消耗、高污染、低产出,因此,我们可以从住宅面积,住房结构、房屋材料,房屋朝向等诸多方尽可能程度的减少碳排放。

第三,碳排放量与交通工具正相关。平均每户而言,

表4 Backward 法多元回归结果

Tab.4 Regression results with Backward Method

ModelUnstandardized

CoefficientsStandardized

CoefficientstSig.BStd.ErrorBeta1常数 1 048.403460.7872.2750.023常住人口534.061305.3170.2601.7490.081男性人口-167.772314.299-0.057-0.5340.594女性人口-157.038294.219-0.055-0.5340.594住宅面积8.3252.3590.1033.5300.000交通工具551.06191.7640.1796.0050.000家庭收入187.307105.8680.0551.7690.077年龄-69.41863.112-0.033-1.1000.272文化程度5.73372.6270.0020.0790.9372常数 1 063.957416.3562.5550.011常住人口533.576305.0970.2591.7490.081男性人口-167.889314.161-0.057-0.5340.593女性人口-156.967294.092-0.055-0.5340.594住宅面积8.3312.3590.1033.5350.000交通工具551.67991.3890.1796.0370.000家庭收入189.414102.4070.0561.8500.065年龄-70.20562.292-0.033-1.1270.2602常数 1 063.769416.2272.5560.011常住人口376.98784.3550.1834.4690.000男性人口-12.649118.707-0.004-0.1070.915住宅面积8.3152.3560.1023.5290.000交通工具551.63791.3610.1796.0380.000家庭收入189.993102.3690.0561.8560.064年龄-69.75662.267-0.033-1.1200.2632常数 1 065.164415.8452.5610.011常住人口370.73660.5900.1806.1190.000住宅面积8.3042.3530.1023.5300.000交通工具551.14691.2060.1796.0430.000家庭收入190.028102.3250.0561.8570.064年龄-69.74062.240-0.033-1.1210.2632常数 718.145277.5452.5870.010常住人口390.64257.9340.1906.7430.000住宅面积8.6212.3360.1063.6910.000交通工具552.28591.2110.1806.0550.000家庭收入197.899102.0950.0581.9380.053

交通工具每提高一个层次,年碳排放量上升约551.21 kg。也就是说,搭乘公共汽车的家庭比步行或骑自行车的人年碳排放量要多551.21 kg,同理,以小汽车为出行方式的家庭比搭乘公共汽车的人碳排放量要多551.21 kg。随着小汽车普及化,家庭碳排放有增长之势,因此控制碳排放量 表5 对显著性因素的回归结果

Tab.5 The Regression result for significant factors

ModelUnstandardized

CoefficientsStandardized

CoefficientstSig.BStd.ErrorBeta常数700.753276.1362.5380.011常住人口397.84057.2490.1956.9490.000住宅面积8.5352.3290.1053.6650.000交通工具551.21090.9280.1796.0620.000家庭收入197.063101.7350.0581.9370.053

势在必行。

第四,家庭收入与碳排放量的相关性成正比,这主要是因为高收入家庭基本以小汽车出行,长距离的出行也较 多;住房面积相对较大。

4 结论与对策

本文以“南京1 000家庭碳排放”调查的家庭活动数据为基础,引入国外“消费者生活方式”新范式,定量分析了家庭碳排放,并提炼出了影响家庭碳排放的显著性因子。

(1)通过计算得出:南京户均家庭年碳排放量为3 705.76 kg,人均家庭碳排放量占总碳排放量的29.27%;家庭能耗、生活垃圾、交通出行碳排放比例为64∶24∶12; 户均家庭月碳排放量随月际变化规律明显,峰值在7月份,谷值在10月份,差值为181.10 kg;在家庭能耗碳排放次结构中,家庭用电碳排放量约占76%,在交通出行碳排放次结构中,私人交通碳排放量占了86%。因此,碳减排活动首先应从最重要的碳排放方式――家庭能源消耗入手,一方面应提高家庭能源利用效率,鼓励居民使用性价比高而环境影响相对较小的天然气,减少管道煤气和瓶装液化气的使用,换上节能灯,形成节约用电的生活习惯,如夏季(冬季)将空调调高(调低)1度,把门窗堵严,墙壁和天花板做隔热处理等;另一方面鼓励新能源的使用,如居民在夏季和阳光条件好的春秋两季利用太阳能热水器,减少燃气等能源消耗,有条件的社区可集中开发太阳能电力。其次,通过集中改善公共交通遮蔽防护和提高自行车安放场所等措施来引导居民交通出行方式的转变;鼓励社区居民选择公共交通、步行或自行车出行,减少高能耗的私人交通工具的使用。最后,政府部门可以针对现实的家庭碳排放量,设定户均年碳排放的上限值,通过市场干预措施(如碳交易)规范家庭消费行为,推广“碳汇林”活动,在社区内部施行“碳中和”,使碳减排实践活动得到公正、透明的开展。

(2)通过多元回归分析得出:影响家庭碳排放的显著因子为常住人口、住宅面积、交通工具。常住人口与碳排放量相关程度很强,每增加一个常住人口,户均年碳排放量要增加约397.84 kg;住宅面积多一个平方米,户均年碳排放量增加8.535 kg;交通工具每提高一个层次,户均年碳排放量上升约551.21 kg。因此,政府部门应该进一步落实计划生育政策,鼓励小户型住房的建设,有效的实行“公交优先”政策,而中国只在大城区公共交通便利,目前比较可行的办法是建立快速公交系统,在特定公路上专载长途旅客。

总体而言,消费行为反应了个人生活方式,而生活方式被外部大环境的制约,受个人的信仰和消费习惯影响,家庭作为个人生活的栖息地,直接干预个人消费能力和层次,因此碳减排的落实应从国家、家庭、个人三方面开展。就国家而言,应通过科技手段提高能源利用效率、调整产业结构、改善住房材料,制定减少温室气体排放相关法律、法规和政策措施;就家庭而言,坚决不超生,和老年人共同居住,联合使用家庭设施,与生活在同一社区的居民建设共同的公共设施,营造公共场所,共同分享车辆,减少出行和交往的碳排放;对于个人而言,应从衣、食、住、行等节能生活琐事做起,如关掉电脑而不是待机、让工作地点离家近、选乘公共交通、网上支付账单、换上节能灯、举办绿色婚礼等等。

参考文献(References)

[1]EIA. Energy Consumption by Sector[J].Annual Energy Review, 2000, (b):1949-2000.

[2]EIA.Carbon Dioxide Emissions from Energy Consumption by Sector[J]. Annual Energy Review,2000, (c):1980-1999.[3]Shui B, Dowlatabadi H. Consumer Lifestyle Approach to US Energy Use and the Related CO2 Emissions[J]. Energy Policy, 2005, (33):197-208.

[4]Vringer K, Blok K. The Direct and Indirect Energy Requirements of Households in the Netherlands[J]. Energy Policy, 1995, 23(10):893-905.

[5]Lenzen M. Primary Energy and Greenhouse Gases Embodied in Australian Final Consumption: an Inputoutput Analysis[J]. Energy Policy, 1998, 26 (6):495-506.

[6]Weber C, Perrels A. Modeling Lifestyle Effects on Energy Demand and Related Emissions[J]. Energy Policy, 2000, (28):549-566.

[7]Pachauri S, Spreng D. Direct and Indirect Energy Requirements of Household in India[J]. Energy Policy, 2002, (30):511-523.

[8]Reinders A H M E, Vringer K, et al. The Direct and Indirect Energy Requirement of Households in the European Union[J]. Energy Policy, 2003, (31):139153.

[9]Crame C J. Population Growth and Quality in California[J]. Demography, 1998, 35(1):45-56.

[10]Crame C J. Population Growth and Local Air Pollution: Methods, Models and Results. In: Lutz W, Prkawetz A, Sanderson WC (eds). Population and Environment,Population and Development Review[J]. New York:Population Council , 2002, (28): 22-52.

[11]Crame C J, Cheney R P. Lost in the Ozone: Population Growth and Ozone in California[J]. Population Environment, 2000, 21 (3):315-337.

[12]Diets T, Rosa E D. Effects of Population and Affluence on CO2 Emissions[J]. Proceedings of the National Academy of Sciences USA, 1997, (94):175-179.

[13]York R, Rosa E A, Diets T. STIRPAT, IPAT and IMPACTS:Analytic Tools for Unpacking the Driving Forces of Environment Impacts[J]. Ecological Economics, 2003, 46 (3):351-365.

[14]Shi A. The Impact of Population Pressure on Global Carbon Dioxide Emissions, 1975-1996: Evidence from Pooled Crosscountry Data[J]. Ecol Econ, 2003, (44):29-44.

[15]Cole M A, Neunayer E. Examining the Impacts of Demographic Factors on Air Pollution[J]. Populate Dev Rev, 2004, 26(1):5-21.

[16]徐国泉,刘则渊,姜照华.中国碳排放的因素分解模型及实证分析:1995-2004[J].中国人口•资源与环境,2006,16(6):158-161.[Xu Guoquan, Liu Zeyuan, Jiang Zhaohua. Factors Decomposition Model and Empirical Analysis on the Carbon Emission of China: 1995-2004 [J]. China's Population Resources and Environment, 2006, 16(6):158-161.]

[17]王中英,王礼茂.中国经济增长对碳排放的影响分析[J].安全与环境学报,2006,6(5):88-91.[Wang Zhongying, Wang Limao. The Impact Analysis on China's Economic Growth to the Carbon Emissions [J]. The Journal of Safety and Environment, 2006, 6(5):88-91.]

[18]杜婷婷,毛锋,罗锐.中国经济增长与CO2排放演化探析[J].中国人口•资源与环境,2007,17(2):94-99.[Du Tingting, Mao Feng, Luo Rui. The Analysis Between China Economic Growth and the Evolution of the Carbon Emission[J]. China's Population Resources and Environment, 2007, 17(2):94-99.]

[19]朱永彬,王铮,庞丽,等.基于经济模拟的中国能源消费与碳排放高峰预测[J].地理学报,2009, 64(8):935-944. [Zhu Yongbin, Wang Zheng, Pang Li, et al. Simul ation on China's Economy and Prediction on Energy Consumption and Carbon Emission under Optimal Growth Path[J]. Geographic Sinica, 2009, 64(8):935-944.]

[20]科学技术部社会发展科技司,中国21世纪议程管理中心.全民节能减排实用手册[M].北京:社会科学文献出版社,2007. [Social Development Squad of the Ministry of Science and Technology, The 21st Agenda Government Center. Handbook of Energy Saving and Emission Reducing [M].Beijing: Social Sciences Archive Press, 2007.]

[21]台湾经济部能源局.moeaboe.gov.tw.

[22]GHG Protocol. 省略/templates/GHG5/layout.asp,2005.

[23]保护国际. 省略.cn./cn/CO2.asp.

The Household Carbon Emission Analysis under Individual Consumer Behavior

YANG Xuanmei1 GE Yousong1 ZENG Hongying2

篇4

根据政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)的划分,主要有如下六种温室气体排放(Green Hose Gas, GHG)导致了大气温度的异常变化,即二氧化碳(CO2)、甲烷(CH4)、氧化亚氮(N2O)、氢氟碳化物(HFCS)、全氟碳化物(PFCS)、六氟化硫(SF6)。在此基础上,各国政府拟定了各种国内温室气体管控机制[],他们独自或与其它第三方组织、跨国企业建立温室气体计量的相关准则,或者在企业可持续性指标中加入温室气体评价项目,透过供应链的力量,要求企业上游供应链提供温室气体排放量相关信息,并寻求第三公证单位进行检验与查证。

这些温室气体计量方法或准则。《商品和服务生命周期温室气体排放评估规范》(PAS2050)是基于生命周期评价的产品碳排放计量方法。生命周期评价方法是一种“从摇篮到坟墓”的评价方法,正越来越多地被用来评价人类活动所产生的环境问题。它要求详细研究其生命周期内各单元过程的能源需求、原材料利用和活动可能造成的污染排放,包括原材料资源化、开采、运输、制造/加工、分配、利用/再利用/维护以及废弃物处理。因此,生命周期评价能够更加全面的体现企业在原料选取、生产过程、成品运输及控制产品能耗等方面的减排潜能,可以促进企业采取落实循环经济,使用再生原材料,合理处置副产品及废料,技术改造控制产品能耗等措施降低排放量,更好地实现节能减排的目的。

在本文用生命周期评价方法分析了国内某复合木地板生产工厂连续2年温室气体排放量,并尝试通过数据对比探讨生产型企业的碳减排途径。

二、方法简述

(一)方法学及参数的确定

LCA碳盘查在方法学上主要采用PAS2050:2008中生命周期评价方法学;产品的排放因子主要来自英国政府DEFRA碳排放数据库以及GHG protocol排放因子数据库,同时参考了《2006年IPCC国家温室气体清单指南》、《中国能源统计年鉴2010》、《中国区域电网基准线排放因子》等相关资料。

(二)分析阶段的划分

在LCA评价中,产品的生产过程分为原材料生产阶段、产品生产阶段、运输分销阶段、安装使用阶段、以及处置或再生阶段。其中,原材料生产阶段主要指原、辅材料的生产和有关的过程;产品生产阶段指所有生产过程和与生产有关的运输/储存活动、包装、与场地相关的排放,以及产生的所有材料如产品、废物、共生产品和直接排放,排放源包括厂内叉车、空调、冰箱、检测设备制冷、灭火器、乙炔、柴油、化粪池及电力等的使用;运输阶段主要包括卡车、轮船、火车等;安装使用阶段是指安装过程中使用的材料及能源,包括防潮膜及极少量电力,使用阶段消费者基本无能源消耗;处置阶段指产品废弃后的处理处置排放。

三、盘查结果及分析

(一)主辅料排放

第二年与第一年相比总产量减少了102321平方米,主料排放量减少710tCO2e,辅料排放量增加310 tCO2e,总体上原材料部分排放量减少400 tCO2e,但减排量相对产生量极小。

(二)生产阶段排放

生产环节的排放量增加了1662tCO2e,经对比可以看出,除原材料运输外,生产阶段排放主要来自用电、叉车运输和自有车辆使用三个部分。

进一步分析得知,第二年生产环节电、油等消耗有所增加导致排放量增加,具体见下表

可以看出,该厂在产量大幅下降的同时生产电耗、油耗和自有车辆使用量的相对增加造成了生产阶段的排放量增加。

(三)运输阶段排放量

运输阶段排放量增加了577tCO2e,其中海运和铁路运输的比例有所增加,由于海运和铁运的排放因子小于汽运的排放因子,因此增加海运和铁运的比例有助于降低运输阶段排放量。但由于业务范围日趋扩大,产品的销售网络也日益完善,随即增加了运往各地的里程数,因此运输总里程增加较多,运输阶段排放量仍有较明显的增加。

(四)安装使用阶段排放

由于盘查的前设条件为安装阶段仅消耗极少电力并使用一定量的防潮膜,消费者在使用过程中仅消耗少量水进行清洁,电力和水的消耗量极小,可忽略不计,因此安装和消费者使用阶段的主要排放来自防潮膜的上游排放。该部分排放量约占总排放量的5%左右,但因防潮膜的使用量不在企业可控范围内,对于企业主动减排讨论意义不大,因此不做赘述。

(五)废弃阶段

该厂生产的废弃物主要为木糠和地板产品最终废弃后的处置,其中木糠处理分为厂内做燃料燃烧和外运做其他产品原料;因此厂内处理的排放为木糠燃烧的排放量,而厂外处理的排放仅为运输阶段的排放,厂外处置部分排放计入下游产品排放,不在盘查范围内;废弃地板处置方式假设为全部燃烧。

可以看出废弃阶段主要排放来自废弃地板处理,占废弃阶段总排放的90%以上。

四、评价结果及减排途径分析

由以上分析可以看出,各阶段的GHG排放特点各有不同,其中有汇率、价格变动等客观原因导致的排放量变化,也有生产率变化、生产能耗变化等企业经营管理方面的原因导致的排放量变化。

原材料阶段排放主要来自原辅材料的上游排放,包括材料从自然界开采、加工、包装等过程的排放,因此这一阶段的减排应主要依靠:①提高工艺技术水平,提高成品率,减少原辅材料的使用量;②尽量采购上游排放较少的原辅材料,如经过碳中和认证的材料、或生产过程中碳排放较少的产品,以及其他生产的副产品等。

生产阶段的主要排放来自用电、叉车使用和自有车辆使用。这一阶段的减排主要依靠:①企业提高自身管理水平,减少不必要的出行,或提高自有车辆的使用效率;②因叉车主要用于物料的搬运,电力使用也是生产不可或缺的一部分,与生产息息相关,企业应自查原因,在产量较大幅度减少的前提下,生产能耗和叉车使用量大大增加,提高管理水平,优化电力和叉车的使用效率,降低排放。

运输阶段的排放量上升与企业业务发展水平有关,同时也与企业运输外包商的运输策略有关。在相同的运输距离和载重前提下,不同运输途径的排放因子为海运<铁运<汽运,因此运输外包商应尽可能多的使用海运和铁运,减少汽运。若企业依靠自身的市场地位影响运输外包商的运输策略,将有可能对企业的GHG减排带来较为可观的效益;此外,企业在经销商的设置上也可以考虑布局方式和位置,以便减少运输距离,减少运输阶段排放量。

废弃阶段排放主要来自残品的处置排放。这一阶段的减排策略包括:①提高生产技术和管理水平,提高产品优良率,减少残品数量;②尽量与其他厂商签订回收协议,使废弃的地板进入下游产业链,成为其他产品的原辅料,降低下游排放。

篇5

1中国数据的实证检验

1.1模型设计经济学认为,只要是生产产品,无论是本国消费还是出口到国外,都会有不等的能源消耗,从而会产生或多或少的碳排放.其中含量最多的主要是温室气体二氧化碳.该气体不仅会对本国的国民生活产生影响,还会促使全球气候变暖.因此,出口贸易、经济增长和碳排放之间应该存在一种相对稳定的关系,并且该关系可能会随着时间发生变化.为了探究三者之间的关系,将以公式(1)为基准,将三者统一在该公式之下。根据上述公式,对其部分符号进行如下说明:如果估计出来的β1为正,表示出口贸易具有“增排”效应,意味着出口贸易的碳排放具有转移效应,假说成立;如果为负,说明出口贸易具有“减排”效应.根据对我国对外贸易现状的理解,由于高能耗、高污染、高排放以及粗放模式下的影响,理论预期β1为正.β2符号根据不同国家的不同发展阶段,有不同的情况,这也是EKC模型中的论断.如果β2为正值,说明经济增长具有“增排”效应,反之,则具有“减排”效应.

1.2数据说明本文主要使用3组数据,分别是GDP、碳排放量以及出口贸易额.其中出口贸易额和GDP分别如表1和表2所示.数据来源于《中国统计年鉴》.碳排放量的数据计算主要是通过《中国统计年鉴》中中国1991—2013年消耗的能源总量根据公式(2)进行计算得到.式中:C是碳排放总量,X表示能源消费总量,Si表示i种能源在能源消费总量中的所占份额,Fi表示第i种能源的排放系数(强度),即消费单位i种能源的碳排放量.各能源排放系数煤炭为0.7476,石油为0.582,天然气为0.4435.中国1991—2013年能源消耗量如表3所示,碳排放量计算结果如表4所示,公式(1)中lnCt、lnEt、lnGt数据如表5所示.

1.3实证检验结果

1.3.1单位根检验如表6中的数据,列示了ADF检验统计量的观测值与其在1%、5%、10%、显著性水平下的临界值,数据显示,lnC、lnE、lnG在原始数据以及一阶差分下不显著,二阶差分下通过了显著性检验,因此,3个变量的二阶差分序列是平稳的.

1.3.2JJ协整分析协整特征根检验结果如表7所示.最大特征值检验结果如表8所示.通过上述分析发现,无论是协整检验的特征根检验还是最大特征值检验,其对应原假设None的检验统计量均大于10%显著性水平下的临界值,这意味着可以在90%的置信水平下拒绝无协整关系的假设,说明lnC,lnE和lnG三者之间存在协整关系.协整方程中括号内为对应的标准误,估计方程的似然值为104.0275.由协整方程可以看出,出口贸易的系数为0.036,即出口贸易增加1个单位,则碳排放量增加0.036个单位;同理得出,中国GDP的增加未必导致碳排放量的增加.这说明中国碳排放和经济增长在一定程度上是“脱钩”发展的.

1.3.3因果关系检验利用Granger因果检验分析lnC,lnE和lnG三者之间的因果关系,如表9所示.由上表可以看出,出口贸易是碳排放以及经济增长的Granger原因.这说明出口贸易的增加虽然促进了中国经济的增长,但是也同时带来了负面后果,中国的碳排放量也在随之增加,进而表明了中国成为了碳污染和排放转移的对象.同时,经济增长不是碳排放量增加的原因,则进一步印证了JJ协整分析的结果,碳排放量和经济增长的“脱钩”发展.

1.3.4脉冲响应分析运用脉冲响应分析方法,通过建立VAR模型得出lnC、lnE、lnG之间互相的作用关系以及它们对自身的影响.由图1可以明显看出,GDP对于自身的影响力小于碳排放量对GDP的影响力,GDP对于出口贸易的变化发生的改变最为的迅速,但是在第二期速度开始变缓,再稍微增加之后,开始降低,这说明了在国民经济大量依靠对外贸易的情况下,经济体系会变得不够稳定.碳排放量则是跟随者GDP的增加而持续的增加,并且将会在后面的期间会处于一个相对稳定的状态,而碳排放量对于自身的影响则是在前六期处于上升阶段后面处于下降阶段,出口贸易对碳排放量的影响最为明显,说明我国部分出口贸易额是由造成大量的碳排放来产出产品获得利益的.出口贸易额对于自身的影响在前三期处于波动阶段,先减后增,然后趋于稳定,而GDP和碳排放量的变化在第一期就是出口贸易额发生变化,而后不断增加.

2结论及建议

篇6

一、引言

城市化作为一种全球性的经济社会现象,主要发生在工业革命以后。伴随着世界城市化的快速发展,城市人口急剧膨胀,城市规模快速扩张,能源消费迅猛增加,工业污染迅速蔓延,生态环境问题日益严重。在全球十大环境问题中,气候变暖居首位,而全球气候变化主要是由于温室气体排放量的不断增加,尤其以二氧化碳排放的增加为主。近200年来,世界城市化水平和二氧化碳排放量保持同步上升,目前二者均有加速的趋势。产业革命以来,世界城市化水平在5%左右,大气中二氧化碳浓度在280ppm左右(ppm是气体浓度单位,表示百万分之一),到了2007年,世界城市化水平达到了50%,二氧化碳浓度值上升到了383ppm,而其危险临界值为385 ppm,全球平均地表温度也比工业革命时期升高了0.74℃[1]。

我国城市化进程快速发展的同时带动了以化石燃料为主的能源消耗迅猛增长,使得二氧化碳等环境污染物的排放量逐年增加。根据国际能源署(IEA)公布的统计数据显示,2007年我国化石能源消费产生的二氧化碳排放已经超过美国,成为目前世界上二氧化碳排放总量最大的国家[2]。然而伴随着我国城市化、工业化发展的不断快速推进,以煤为主的能源消费量还将不断增加,由此产生的二氧化碳排放量也会进一步上升,这意味着,我国碳减排面临的国际压力将会日益增加。

随着全球气候变暖问题的日益严峻,越来越多的研究开始关注如何在城市化进程中缓解温室气体排放问题。徐国泉等运用LMDI分解法对中国碳排放进行了因素分解研究,定量分析了经济发展和能源强度对我国碳排放的影响,指出经济发展拉动我国碳排放呈指数增长,而能源强度的贡献率则表现为倒“U”形[3]。王锋对1995-2007年中国碳排放量增长的驱动因素进行了研究,认为人均GDP增长是二氧化碳排放量增加的最大驱动因素[5]。何吉多关于1978-2008年中国城市化与碳排放关系的协整分析表明,我国碳排放量与城市化水平之间存在长期动态均衡关系,且这种长期均衡关系对当前碳排放偏离均衡水平的调整力度较大[5]。日本学者Yoichi Kaya于IPCC的一次研讨会上提出Kaya恒等式,指出人类活动产生的温室气体排放与经济发展、人口等因素存在联系[6]。Duro和Padilla认为Kaya因素中引起不同国家碳排放差异的重要因素为人均收入、能源消费碳强度和能源强度[7]。林伯强等通过对Kaya恒等式的分解,认为1978-2008年对中国碳排放影响较为显著的因素包括经济发展、能源强度、能源消费碳强度和城市化水平[8]。

人类活动与温室气体排放之间的关系已经成为国际热点之一,研究二者之间的关系有着重要的现实意义。山东省作为我国的人口、经济大省,一直是高能耗、高碳排放区,魏一鸣指出,2005年山东省终端能源消费产生的二氧化碳排放总量居全国首位[9]。同时,山东省城市化进程快速推进,2010年山东省城市化水平为40.04%,正处于诺瑟姆曲线划分的城市化发展阶段中的中期加速发展阶段[10]。虽然山东省城市化发展已取得了可喜的成绩,但与我国49.95%的城市化水平相比还是相差较远。研究山东省城市化进程中的碳排放,不仅对于把握山东省碳减排政策、城市化发展战略、保持经济持续快速发展具有现实意义,而且对于更好地理解我国的整体状况也有重要意义。基于此,本文运用协整分析方法借助VECM模型对山东省城市化水平和二氧化碳排放量之间的长短期关系进行实证分析,并利用Kaya恒等式对山东省城市化进程中的碳排放影响因素进行分解分析,最后提出相应的政策建议。

二、山东省城市化与碳排放关系的协整分析

2.变量的平稳性检验

四、结论及政策建议

本文运用协整分析方法借助VECM模型对山东省城市化水平和二氧化碳排放量之间的长短期关系进行了实证分析,并利用Kaya恒等式对山东省城市化进程中的碳排放影响因素进行了分解分析,从而得出以下结论:

(1)山东省城市化水平和二氧化碳排放量之间的协整方程说明,二者之间存在长期均衡关系,长期弹性系数为1.7120,即城市化水平每提高1%,碳排放量将同步增长1.7120%,这说明城市化是导致山东省碳排放量增长的一个重要因素。

篇7

中图分类号:F293 文献标识码:A

原标题:文化视角下金华市发展低碳经济的实证研究

收录日期:2013年12月9日

一、引言

能源作为经济发展重要的要素之一,其对经济增长的推动作用越发明显。改革开放以来,中国经济高速发展的同时也带动了能源消费的快速增长。中国的能源消耗占世界能耗的比重越来越大。数据显示,一次能源生产总量从1978年的6.2亿吨标准煤上升到2008年的26亿吨标准煤;能源消费总量从1978年的5.7亿吨标准煤上升到2008年的28.5亿吨标准煤。2000年以来我国能源消费更是快速增长,2000~2008年年均增长超过10%。因此,提倡低碳经济就显得更加必要。关于低碳经济,国内外的学者从不同角度作了大量的研究。

近年来,国内外学者就低碳经济方面做了大量的研究工作。其研究视角主要集中在以下几个方面:

第一,低碳经济与经济增长的关系。Stern(1993)利用美国1947~1990年的相关数据对相应变量做了因果检验,发现能源消费对GDP存在单向Granger因果关系。黄棣芳(2011)利用1999~2008年的面板数据检验了中国经济增长与不同的环境污染指标的关系。李文洁(2012)利用1997~2007年间省级面板数据研究了能源开发与经济增长的关系,发现能源开发强度和经济增长是负相关的,而且不同地区有一定的差异。邵帅、齐中英(2008)研究了中国能源开发对经济增长的传导机制,发现由于能源开发对科技创新、人力资本投入有挤出效应,同时还弱化了政治制度,这将阻碍经济增长。

第二,环境污染“倒U型”库兹涅茨曲线的经验证明。Grossman G.and Krueger A(1991)分析城市大气质量,发现存在环境污染的“倒U型”库兹涅茨曲线;杨桂元、李璐(2011)实证分析了中国低碳经济发展的影响因素以及我国走低碳经济的路径选择等问题。林伯强、蒋竺均(2009)验证了在中国是否存在环境污染的“倒U型”曲线。

第三,碳排放的测算方法。朱勤(2011)从能源消费碳排放系数、化石能源消费碳排放以及二次能源消费碳排放等方面进行了测算;张雷(2010)等则是根据一次能源消费总量和碳排放系数计算了碳排放量。李健(2012)则是利用某类化石能源消费量与该类化石能源折算系数以及碳排放系数的乘积的总和来测算碳排放量。

第四,低碳经济与产业结构调整、消费结构、企业、人口的关系。付允(2008)、杨万东(2010)从不同视角,定性研究了中国产业结构调整与低碳经济之间的关系。周建鹏等(2011)通过构建一个代表性企业产品差异化生产函数模型,研究了政府和企业就不同环境下的低碳选择策略问题。李健、周慧(2012)采用灰色关联分析法分析了产业结构对发展低碳经济的影响。陈兆荣(2011)通过结构变动指数分析我国产业结构高级化变动与低碳经济之间的关系。朱勤等(2011)从消费结构、人口变动视角探讨低碳经济问题,采用岭回归方法研究了人口、消费及技术因素对低碳经济的影响。张伟等(2012)利用中国30个省份地区1998~2008年的面板数据分析了中国工业化水平和能源消费之间的关系,发现工业化水平的提高,增加了能源消费。

第五,研究低碳经济与财政分权的关系。张克中等(2011)从碳排放的角度,利用1998~2008年省级面板数据分析了财政分权与环境污染的关系,提出财政分权程度的提高不利于碳排放的减少。薛刚等(2012)利用中国1998~2009年省级面板数据分析了财政分权与污染物排放量的关系进行了实证分析,发现财政分权指标选择不同,最终的结论也不尽相同。

检索现有研究成果发现,目前关于低碳经济的研究更多是基于全国或较大区域,研究视角则多为碳排放与经济增长、产业结构、人口、消费结构、财政分权等的关系,研究方法多为聚类分析、因素分解等。从文化视角研究金华市低碳经济路径问题的文献很少,本文试着补充、完善这一领域的研究内容,我们将运用相关年份的数据分析金华文化发展和碳排放(低碳经济的一个指标)之间的关系,具有一定的理论意义。金华作为浙中地区的一个重要城市,未来一段时期内,该市经济增长的同时,发展低碳经济可能是其必须要考虑的因素之一。因此,降低碳排放量、发展低碳经济是金华经济快速、合意发展必然选择。同时,金华市有着悠久的历史文化和现代文化,通过研究文化发展和低碳经济之间的关系,进而发现降低金华市碳排放量的途径和方式,对金华市经济发展过程中解决资源、环境与经济增长的矛盾,建立资源节约型、环境友好型社会,走可持续发展道路具有一定的现实意义。

二、数据来源及变量选择

目前,学术界还没有就文化发展给出一个统一的指标,笔者从文化产业的视角来分析这个问题,政府投入不仅构成了文化产业发展的原始基础,而且在将来相当长的时期内,政府投入仍然是促进文化产业发展的重要力量和保障。事物发展的规律使我们坚信,随着经济的发展和国力的增强,政府投入仍将不断加大。根据数据的可得性和目前学术界的一般处理方式,我们选取文化事业财政补助和文化事业基本建设投资额作为衡量文化产业发展的指标,分别记为trc和ic;对于低碳经济,我们用碳排放量作为指标,目前学术界有不同的方法,由于具体计算碳排放量比较繁琐,我们仿照王怡(2012)的做法,用煤炭、汽油、煤油、柴油和燃料油、天然气的年消费量进行估算,但这些能源的统计指标一般是实物量,在估算碳排放量时,首先需要将这些消费的能源根据折算系数换成以标准煤为计量基础的能源消费量,因为天然气的单位是立方米,我们也把它转化成标准煤单位,然后计算出相应的碳排放量,记为tp。本文的文化产业发展水平数据来源于《浙江省统计年鉴》历年数据和相关网站信息整理所得;碳排放量的数据则来源于历年的《中国能源统计年鉴》,并通过整理、计算得到。

三、实证检验及结果分析

(一)单位根检验。根据以上选取的变量和相应的理论分析,同时为了消除变量之间可能存在的异方差,我们构建双对数计量模型:

根据前面假定,ctr为文化事业财政补助;ci为文化事业基本建设投资额,这两个指标用来衡量文化产业发展;tp为碳排放量,用来衡量低碳经济发展水平,t表示时间。?滋t为随机干扰项。

本文首先采用ADF检验法检验数据的平稳性,检验结果如表1。(表1)可以看到,Log(tpt)、Log(ctrt)、Log(cit)这些变量的原始数据都没有通过ADF检验(检验的结果都大于临界值),这说明每一个时间序列都是非平稳性数据,若直接对这些变量做进一步的实证分析,则没有任何的意义。然而,对这些变量进行一阶差分后,所有变量都通过了平稳性检验(检验的结果都小于临界值)。所以,它们都满足一阶单整I(1)。如果变量之间满足同阶单整,那么我们可以继续检验它们是否存在长期的均衡关系。

(二)协整分析。就协整检验的方法而言,如上文所示,主要有Engfe-Granger两步法、Johansen极大似然法、频域非参数谱回归法等。频域非参数谱回归法在这里不能使用,而恩格尔和格兰杰的检验方法主要适用于样本容量大的情况,本文采用从2000年到2011年间的数据,样本容量较少,所以,我们同样不能使用这种检验方法。相对于两步法,Johnsen协整检验还能检验多重协整关系,而且他对样本容量问题的要求不是很严格,所以,我们采用Johnsen协整检验。(表2)

根据计量经济学的相关知识,我们知道只要统计量大于临界值,则就拒绝假定。由表2的协整检验结果可以看出,检验结果在5%显著性水平上明显拒绝了不存在协整关系的原假设,也拒绝了存在至多1个的协整关系,接受至多存在2个协整关系的假定,说明它们之间存在两个协整关系,协整关系度量系统的稳定性,因此我们可以认为变量之间存在着稳定的关联关系,即碳排放量与文化产业发展是密切相关的。

根据以上分析,我们知道金华市低碳经济水平和文化产业发展存在着长期的稳定关系,经过标准化调整后,我们最终得到如下结果:

log(tp)=12.365-0.8754log(ctr)-1.0235log(ci)

由以上结果可以看出,金华市碳排放量和文化事业财政补贴以及文化事业基本投资之间存在着负相关,文化事业财政补贴增加1%,碳排放量将减少0.88%,文化事业基本投资没增加1%,碳排放量将减少1.08%。

(三)格兰杰检验。根据格兰杰因果关系检验原理,运用Eviews6.0,对金华市碳排放量与文化事业财政补贴和文化事业基本建设投资两个变量之间的因果关系进行格兰杰因果检验,检验结果如表3所示。(表3)可以看出,不管是文化事业财政补贴还是文化事业基本投资都拒绝了5%的原假设,这说明文化产业发展是碳排放量增加的Granger原因,但碳排放量并不是文化事业发展的Granger原因。

四、结论及政策建议

本文通过金华市2000~2011年的相关数据分析了碳排放量、文化事业财政补贴和文化事业基本投资三者的关系。检验了三者之间的协整关系,得出如下结论:(1)文化事业财政补贴和文化事业基本投资三者之间存在着稳定的联系;(2)文化产业发展是碳排放量减少的Granger原因,但碳排放量并不是文化事业发展的Granger原因。

因此,我们提出如下政策建议:(1)促进文化产业的进一步发展。应加大政府对文化产业部门的支持力度,从资金和政策等方面大力扶持传统和现代文化产业的发展。通过这些领域的发展来改善经济运行质量,减少碳排放量;(2)提倡低碳理念,通过政策引导,形成低碳经济发展的长效机制。低排放、低耗能和低污染的发展理念要深入人心。

主要参考文献:

[1]周富华.金华市低碳经济发展水平分析[D].浙江师范大学,2011.

篇8

中图分类号:F2

文献标识码:A

文章编号:1672-3198(2012)07-0070-03

碳关税是指对进口的排放密集型产品、高耗能产品征收特别的二氧化碳排放关税。近年来,各国以保护环境为由,力主对高耗能进口商品征收“碳关税”。限制碳排放正成为发达国家新的“绿色壁垒”。2009年6月26日,美国众议院通过气候法案,规定从2020年起开始实施“碳关税”,对包括中国在内的不实施碳减排限额国家进口的排放密集型产品征收特别的二氧化碳排放关税。法国则提出将对那些在环保立法方面不及欧盟严格的国家的进口产品征收巨额碳关税。

随着国际环境问题的日益严峻,WTO在环境和贸易问题的立场上也发生了微妙的变化,征收碳关税即将成为一种趋势。而从我国对外贸易结构来看,出口产品以劳动密集型和能源密集型产品为主,高耗能和高碳排放的商品占了主导地位。而提出开征碳关税的欧美等发达国家又是我国的主要市场,因此,我国的对外贸易即将面临碳关税壁垒的压力。在此情形下,有必要对出口商品的碳排放量进行研究,制订相应的减排措施,以降低出口成本,这无论在理论上,还是在实践上都具有重要意义。

基于这个目的,本文以全国外贸百强列第七位的宁波为数据样本,测算该地区主要出口商品的碳排放量,并分析如何减少出口商品的二氧化碳排放量的对策措施。

1 宁波主要出口商品碳排放量计算结果及分析

碳排放主要与能源消耗相关,是化石能源燃烧的副产品。根据世界资源研究所的标准,碳排放量主要指煤炭、石油、天然气等能源消耗所排放的二氧化碳当量。目前我国并未对碳排放量进行监测,因此很多数据均通过对能源消耗而计算得来。

本文采用美国橡树岭国家实验室(ORNL)提出的方法计算出口商品的化石燃料(主要指煤炭、石油、天然气等能源)燃烧释放的CO2量。

燃煤的碳释放量=耗煤量×0.982×0.73257

上式中:0.982为有效氧化分数;0.73257为每吨标准煤的含碳量。

在获得相同热能情况下,燃油的碳释放量=燃油折算成的标准煤当量×0.982×0.73257×0.813(燃油释放CO2量/燃煤释放CO2量);

在获得相同热能情况下,燃气的碳释放量=燃气折算成的标准煤当量×0.982×0.73257×0.561(天然气释放CO2量/燃煤释放CO2量)。

在采用上述方法计算碳排放量过程中,仍存在一些技术上的问题,针对以上问题,本文作了如下处理:

针对宁波对外出口商品数据,笔者撷取了出口量前20位商品(前20位商品占总出口产品的比例高达50.4%),本文数据中,能源消费量、历年全市及各县(市)、区规模以上工业企业总产值源自宁波统计年鉴2006-2011年的数据,出口商品数据源自宁波外经贸局。出口商品所属行业的划分则根据质检总局对国民经济行业分类与代码来进行统计。

要计算宁波主要出口商品的碳排放量,可先将宁波主要出口商品进行分行业归类,然后,根据ORNL的方法对分行业的化石燃料燃烧释放二氧化碳量进行计算,以上结果得到各行业的二氧化碳排放总量,与各行业工业产值的比值就是行业碳排放强度(碳排放强度是指单位国内生产总值的二氧化碳排放量),与每个行业占行业出口生产总值的比例相乘,就可以得到各行业出口的二氧化碳排放量所占比例。

(1)2006-2010年宁波工业分行业碳排放强度的计算及结果分析。

碳排放这一指标主要是用来衡量一国经济同碳排放量之间的关系,如果一国在经济增长的同时,每单位国民生产总值所带来的二氧化碳排放量在下降,即碳排放强度在下降,那么说明该国就实现了一个低碳的发展模式。宁波主要出口商品分行业二氧化碳排放总量(见表1),与其工业产值的比值就是其碳排放强度(见表2)。

从表2可以看出,宁波各个行业碳排放强度呈现不断下降趋势。其中,2010年纺织服装与鞋帽制造业、纺织业、塑料制品业、电气机械及器材制造业、交通运输设备制造业的碳排放强度仅为2006年的百分之五十左右,有色金属冶炼及压延加工业和金属制品业仅为2006年的百分之三十,通信设备、计算机及其他电子设备制造业甚至达到了2006年的百分之二十。这与我国近几年来控制高耗能、高排放行业过快增长并提高相关产品的排放标准政策有关,比如2006年起,我国就提高了服装业污水的排放标准以及对企业清洁生产水平的审核;各种装备制造业也纷纷制定了行业的绿色标准。但也有部份行业碳排放强度五年来并未下降,如黑色金属冶炼及压延加工业、家具制造业、文教体育用品制造业、皮革、毛皮、羽毛(绒)及其制品业等。其中家具制造业的碳排放强度下降幅度小是因为国家对家具制造业及文教体育用品制造业等的排放标准实施较晚,自2011年起,这几个行业的主要污染物排放标准才有所提高;而黑色金属冶炼及压延加工业属于资源性产品的开采和压延,碳排放强度大于1,多年来没有下降,说明宁波对资源的开采过程中,对能源效率和结构问题关注不够,没在在资源开采的技术上有所突破,未能切实降低碳排放强度。

(2)主要出口商品分行业碳排放量所占比例计算及结果分析。

宁波主要出口商品分行业的二氧化碳排放总量,与每个行业占行业出口生产总值的比例(见表3)相乘,就可以推出各行业出口的二氧化碳排放量所占比例(见表4)。

根据表4,可以看出纺织业、纺织服装与鞋帽制造业、黑色金属压延制造业、造纸这四大行业所占比例最高,这四大行业对应的出口商品为:纺织纱线与织物及制品、服装及衣着附件、钢材、纸及纸板(未切成形的)。2006年到2010年,这几个行业二氧化碳排放占总碳排放量的比例高达40%,这与其行业的特性是密切相关的。以碳排放量比例排位第一的纺织业为例,纺织业位列国家“十一五”统计的10个高耗能工业部门的第一位,作为纺织工业重要部分的化纤行业则高度依赖石油资源,而且化纤行业还面临着高能耗、重污染的问题;就排位第二的纺织服装业而言,服装从原材料的制作到其自身的生产、运输、使用以及废弃后的处理,在其生命周期内的每一个环节均会排放出一定的二氧化碳以及消耗大量的能源;排位第三的黑色金属压延制造业所占出口比例并不高,在出口前二十种主要商品中排名末位,但因其在生产过程中,需要消耗大量的原煤、原油、汽油、煤油、柴油、燃料油、液化石油气,折合而成的标准煤高出其他行业好几倍,因此碳排放量高居不下;排位第四的造纸业是国家七大“三高”产业之一,资源、能源消耗高,需消耗大量的原煤、汽油、柴油、燃料油,污染严重,能耗效率低下。

2 结论与启示

本文根据宁波主要出口商品所属行业的能源消费量、工业产值和出口比例,计算出主要出口商品分行业的碳排放强度及碳排放量所占比例,结果发现:

从整体规模上看,二氧化碳排放规模并无下降的趋势。部份行业如交通运输设备制造业碳排放强度虽有一定程度的下降,但由于出口量的攀升,出口中的二氧化碳排放规模没有太大变化。而部份行业如纺织业、交通运输、文教体育用品制造业、专用设备制造业、皮革/毛皮/羽毛(绒)及其制品业、造纸及纸制品业的二氧化碳排放规模及碳排放强度均呈现平稳变化的态势。从出口商品结构来看,资源密集型的黑色金属压延制造业碳排放强度及出口规模多年来没有下降,二氧化碳排放量所占比例较高;劳动密集型的纺织业碳排放强度虽有所下降,但由于其出口规模略有所扩大,耗费能源没有明显下降,因此使得二氧化碳排放量所占比例一直为21%多,没有明显的下降趋势;技术密集型的电气机械及器材制造业或通信设备、计算机及其他电子设备制造业等本身碳排放强度较低,二氧化碳排放量较小,其碳排放量在出口行业中所占比例较低,对宁波出口商品整体减排所起的作用并不明显。

可以预见,随着全球减排意识的普及,碳关税未来将成为影响宁波出口商品的新绿色贸易壁垒。此外,我国的“十二五”规划提出到2020年,单位GDP二氧化碳排放(即碳排放强度)需比2005年下降40%-45%的目标,并将指标分解到各省市,纳入各省市的发展规划并作为约束性目标的要求。总体上来讲,“低碳”贸易势在必行,我们应及早制定相应的出口减排措施,增强出口产品的竞争力。

以宁波为例,需筛选出碳排放量高的行业进行重点减排,根据对表4主要出口商品分行业碳排放量所占比例的分析,当前宁波需对纺织业、纺织服装与鞋帽制造业、黑色金属压延制造业、造纸这四大重点碳排放行业进行减排。

首先是纺织业及纺织服装业。这两个行业出口比例与碳排放量所占比例均排前两位。在此可将宁波的纺织、服装业与同是我国纺织服装制造业最发达的深圳作比较。根据深圳统计年鉴的数据,深圳2009年、2010年服装业的碳排放强度分别为0.13、0.11,低于宁波。究其原因,深圳很早就对服装业进行转型升级,从低端的加工组装制造环节,不断地向价值链的两端(研发、设计、销售)升级,打造出了多个自主品牌,这样可以达到合理分配资源、降低成本的目的。另外,深圳服装企业致力技术创新以降低碳排放。如深圳的利华成衣集团花费百万资金改造纺织设备,改进工艺,推动了低碳纺织品的生产,如此循环利用节省下来的资金达280万元,远高出花费的资金。而宁波服装虽然出口量巨大,却仍以贴牌加工为主,自主品牌出口的交货值只占出口额的1%。贴牌加工模式实质上是生产发达国家外包的高能耗、高污染产品,这种对资源高强度、高密集化的使用将会大大提高纺织服装企业的出口成本,增加出口商品的碳排放量。

针对这二行业采取的措施如下:第一,从服装的面料入手,纺织及服装业所用面料主要是化学纤维,化学纤维的碳排放量极大,可尽量使用丝绸、棉麻等天然纤维等面料进行生产,并鼓励环保型、低能耗面料等新型面料的开发;第二,对纺织业的产品及设备进行技术创新。采用提高加工效率、降低消耗、节约染化料、改善生态环境的新工艺,生产批量小、个性化、附加值高的产品,提高出口产品的附加值。开发新型工艺设备和改造落后高能耗设备,当前纺织设备的热效率低,消耗能源量大,改造之后,不但可以增强产品出口的优势,还能节省能源与原料的消耗,以适应国外市场更高的进入标准;第三,加快产业升级和制度创新。将宁波纺织服装业从“贴牌生产”向原创设计、自创品牌、创立名牌转变,逐步调整升级为高设计含量、高附加值的创意型产业。第四,注重配套环节的节能减排。除了在生产过程中关注原料、工艺及设备,还要考虑其他环节如运输历程中的环境污染问题,即推行服装低能耗、低排放运输方式,在包装、运输、装卸、仓储等环节,充分考虑环境污染问题,使运输资源得到最大限度的优化。

其次,黑色金属压延制造业。针对这一行业的措施措施如下:一方面,注重技改投入,加快新产品研发,产品的开发以品种质量、节能降耗、环境保护为重点,研究能够增加载重量、节能,并减少二氧化碳排放量的轻型高强度钢材。钢材品种的改造提升有助于推进产品优化升级,增强钢材出口的优势;另一方面,钢铁产业为高能耗、高污染行业,出口的钢材碳排放量高,需调控钢铁制造产业规模,禁止盲目扩大产能,支持以提升质量、节省能源、改善工艺等为目的而扩建的钢铁项目,所有投资项目必须以淘汰落后产能为前提,以技术改造、产品升级为由;加强减排核查,加强对企业执行产品质量标准、能耗限额标准的监督检查,按期淘汰有关政策明确需淘汰的设备。

最后,造纸业。针对造纸业的措施如下:一方面,选择可再生木材原料。木材和纸产品是可再生和可循环使用的产品,使用林木原材料可以扩大生物质能源的使用,减少对化石燃料的依赖,减少二氧化碳的排放。着重发展新型生物经济和循环经济,采用全新技术对农业剩余物进行综合利用以制浆造纸。努力发展木浆、废纸浆等纤维原料,减少节能环保难度较大的草类原料比重;另一方面,选择可再生的燃料。在造纸的过程中,化石的燃烧会产生大量的二氧化碳,而农村、林地的剩余木材、加工剩余木材、产品废材及循环利用材以及制浆造纸业等所产生的废弃物等产品是可循环的生物质能源。可循环原料及燃料的使用可大大降低隐含在造纸业当中的碳排放量。

以上是针对碳排放量占出口比例较大的一些重点行业提出的减排措施。要想降低宁波出口商品的碳排放量,还可以鼓励有条件的出口企业申请相关产品的碳标签,即核算出商品从原料采购、运输、生产到销售过程中产生的温室气体排放量(碳足迹),用数据标示出来,以标签的形式告知消费者,从而影响消费决定,引导消费者选择较低碳足迹的环境友好产品,最终提高出口产品的竞争力,走低碳环保、可持续发展之路。对企业来说,引入碳标签,量化碳排放指标,并计算每个生产零部件、每个生产过程的碳排放数据,生产成本肯定会上升,但从长远来看,产品的低碳化实际上是成本的降低,利润的增加和国际市场占有率的上升。

另外,优化出口商品结构对降低出口商品的碳排放也有一定的作用。如技术密集型的电气机械及器材制造业或通信设备、计算机及其他电子设备制造业等本身碳排放强度较低,二氧化碳排放量较小,大力发展技术密集型的行业,增加其出口的比重,努力降低劳动密集型及资源密集型等占碳排放量比例较大的产品出口比重,是降低碳排放,避开碳关税的有效途径。

总之,只有顺应低碳经济发展模式,不断提升科技创新能力,抢先一步实现出口商品的低碳化,才能更好地应对国外低碳贸易壁垒,对外贸易才能在低碳时代获得更大的发展空间。

参考文献

篇9

一、碳成本管理产生的背景

《京都议定书》的签署是为了人类免受气候变暖的威胁。发达国家从2005年开始承担减少碳排放量的义务,而发展中国家则从2012年开始承担减排义务。《京都议定书》需要占全球温室气体排放量55%以上的至少55个国家批准,才能成为具有法律约束力的国际公约。中国于1998年5月签署并于2002年8月核准了该议定书;欧盟及其成员国于2002年5月31日正式批准了《京都议定书》;2004年11月5日,俄罗斯总统普京在《京都议定书》上签字,使其正式成为俄罗斯的法律文本。截至2005年8月13日,全球已有142个国家和地区签署该议定书,其中包括30个工业化国家,批准国家的人口数量占全世界总人口的80%。2005年2月16日,《京都议定书》正式生效。这是人类历史上首次以法规的形式限制温室气体排放。为了促进各国完成温室气体减排目标,议定书允许采取以下四种减排方式:一是两个发达国家之间可以进行排放额度买卖的“排放权交易”,即难以完成削减任务的国家,可以花钱从超额完成任务的国家买进超出的额度。二是以“净排放量”计算温室气体排放量,即,从本国实际排放量中扣除森林所吸收的二氧化碳的数量。三是可以采用绿色开发机制,促使发达国家和发展中国家共同减排温室气体。四是可以采用“集团方式”,即,欧盟内部的许多国家可视为一个整体,采取有的国家削减、有的国家增加的方法,在总体上完成减排任务。有关碳排放制度最大特征在于“总量控制和排放交易(cap and trade)”计划,参与该计划的国家或地区政府都必须承诺碳排放量在规定限额下,碳排放权市场交易的结果导致了企业因购买碳排放权而拥有碳资产,因碳排放而形成了碳成本,扩展了传统成本核算和管理的内容,从而产生了对碳成本核算方法的探讨和碳成本管理内容的研究。

篇10

文献标志码:A

文章编号:1007-519412010)03-0106-05

全球气候变暖已成为危害未来人类社会生存和发展的重要因素,国际社会普遍认同减少温室气体排放尤其是二氧化碳排放是解决该问题的最佳途径。然而以解决后京都时代国际社会法定减排问题为目的而召开的哥本哈根气候变化大会(丹麦,2009)却以失败而告终,这使得2012年后全球碳减排问题可能遭遇法律真空,将为资金、技术和管理能力占据优势的发达国家开征碳关税提供充足的理由。美国劳伦斯伯克利国家实验室研究发现,中国2006年与能源有关的碳排放量已超过美国,中国政府自愿积极承担国际减排义务,已于2009年11月26日正式对外宣布控制温室气体排放的清晰量化目标,决定到2020年单位国内生产总值二氧化碳排放比2005年下降40%~45%。由此看来无论从外部压力还是从内部经济结构转型的需要来说,发展低碳经济已成为我国经济发展的必然选择。而重庆是我国重要的重工业基地和最大的中央直辖市,也是全国统筹城乡综合配套改革试验区之一,担负着在一些重点领域大胆创新,探索实践,为区域乃至全国积累好的发展经验的历史重任。所以测度重庆碳排放量并研究其影响因素显得尤为重要,能够有效挖掘重庆降低碳排放的空间和方向,为重庆发展低碳经济提供基础性研究,有利于重庆改变经济增长方式,也将为中国经济转型提供示范样板。

一、文献综述

纵观国内外学者在碳排放方面的研究,主要集中在以下三个方面:王中英(2006)、杜婷婷(2007)等采用库茨涅茨曲线(EKC)模拟经济发展与碳排放之间的关系,并认为碳排放与收入水平之间遵循倒“U”曲线关系、“N”型关系;朱永彬(2009)等在内生经济增长模型Moon-Sonn基础上进行改进,从理论上得到了最优经济增长率与能源强度之间存在倒“U”曲线关系的必要条件,即能源的产出弹性小于0.5,以上研究侧重探讨碳排放与经济增长之间的关系。在碳排放机理方面:徐国泉(2006)等采用对数平均权重DVISIA分解法,定量分析了能源结构、能源效率和经济发展对我国人均碳排放的影响,得出能源效率对我抑制我国碳排放的作用在减弱,以煤为主的能源结构未发生根本性变化,能源效率和能源结构的抑制作用难以抵消由经济发展拉动的碳排放量增长;林伯强(2007)等该文采用协整技术研究中国煤炭需求的长期均衡关系,估计出中国煤炭需求的长期收入弹性、价格弹性、结构弹性以及运输成本弹性,尤其是工业结构的调整,哪怕是微调,也会对煤炭需求有很大的抑制作用;田志勇(2009)等运用信息熵理论,测算出在以各类能源探明储量为关键指标的前提下,我国以煤炭为主的能源消费结构是占优能源消费结构的结论,并提出节能减排的关键是提高煤炭利用效率和清洁利用问题研究;Lenung D Y C(2000)等对香港二氧化碳和甲烷的排放进行定量化分析,显示煤是二氧化碳的最主要来源;王铮(2008)等对全国各省区的碳排放进行了核算,并在省级尺度上对中国碳排放进行对比,发现碳排放较高的省份集中在消费结构以煤为主的地区,也就是能源消费结构对碳排放有重要影响。除此之外,张健(2009)等研究了碳税和碳排放权交易机制对我国各行业的影响,并得出合理的碳交易机制可以在一定程度桑缓解间接碳税对我国能源行业的影响的结论;顾朝林(2009)等研究了低碳城市规划进展并强调了其对发展低碳经济的关键作用,这些研究填补了我国控制碳排放制度设计的空白。然而专门针对政府发展规划的具体执行部门和监督部门的省级行政区碳排放研究并不多见,仅有帅通(2009)和赵敏(2009)等对上海市能源消费碳排放情况做过研究。本文将在上述研究基础上,测度重庆市1998―2008年碳排放量并对其影响因素进行研究。

二、碳排放量测度及趋势

(一)数据来源及测度方法

采用《重庆统计年鉴》1998~2008年中的能源数据。计算碳排放量时主要考虑以下几方面:1.只计算终端能源消费产生的碳排放;2.不计加工转换过程、运输和输配损失能源的碳排放;3.计算碳排放时统计年鉴只分煤炭、天然气、油料和电力四大类,本文测算碳排放时采用了各类能源的平均碳排放系数,这是基于统计数据的次优选择,由于本文侧重于研究年度变化趋势,故可以忽略此选择对研究结论的影响。

能源消费碳排放量根据IPCC碳排放计算指南,并结合重庆市统计数据的特点,采用以下方法计算碳排放量:A=∑Ck×Ik

式中A为碳排放量,单位104t;Ck为能源消费量,按标准煤计,单位104t标煤;Ik为能源碳排放系数,单位(104t)/(104t标煤);k为能源种类,取11类。重庆市主要能源消费的碳排放系数来源于IPCC碳排放计算指南缺省值,原始数据以J为单位,为与统计数据单位一致,将能量单位转化成标准煤,具体转化系数为1×104t标准煤=2.93×105GJ,各种能源的碳排放系数(见表1)。

碳排放强度表示碳排放量与GDP的比值,由于经济发展过程中价格不断变化,以现价GDP计算的单位碳排放量不能直接比较,所以需要采用GDP可比价。计算方法:1998―2008年的GDP以1990年作为价格基准年,即将各年度GDP通过价格指数转化为价格基准年可比价。我国并没有公布正式的GDP价格平减指数,研究者需要根据研究目的,选择适当的方法来测算。根据重庆市公布的数据,文中价格指数为居民消费价格总指数和商品销售价格总指数的平均值。

(二)碳排放量变动趋势

近十年来重庆市碳排放量随GDP的增长逐年增长,由1998年的1.337×107t增长到2008年的3.202×107t,年均增长率为8.26%。图一显示碳排放量与GDP增长趋势相同,2003年后能源消费碳排放量增长速率明显加快,2006年后增长速率开始有下降趋势,这与国家“十一五”规划要求的节能 减排政策相符合。作为衡量单位GDP碳排放量指标的碳排放强度,十年来总体下降,从1998年的2.051/104元GDP,下降到2008年的1.50t/104元GDP,下降了26.83%,平均年下降率2.88%。如果要完成中国政府承诺的2020年藏排40%的最低目标,重庆必须在现有下降速率的基础上提高20.14%。何建坤等(2004)的研究认为,碳排放强度的下降率大于GDP的增长率时才能实现二氧化碳的绝对减排。比较发现,1998年到2008年的碳排放强度下降率远小于GDP的增长率11.36%,远不能实现碳绝对减排,图一也显示了碳排放量的增加趋势。

三、碳排放量影响因素分析

碳排放系统是一个复杂的系统,主要分为自然碳排放系统和人为碳排放系统,本文主要研究人为碳排放系统。影响碳排放的因素非常多,如科技进步、国际贸易、固定资产投资、资源丰富程度等都会影响到碳排放量,但归纳起来所有因素都会通过经济增长、产业结构、能源结构、能源效率中的一个或者多个因素体现出来,因此本文主要探讨这几个方面对重庆碳排放量的影响。

(一)经济增长

经济增长推动碳排放增长的作用机理是经济增长首先导致能源消费量的增长,进而促进碳排放量的增长。这个传导过程成立的条件是经济增长处于粗放型增长阶段,能源结构基本稳定且没有出现重大技术创新,重庆经济正处于这样的发展阶段(许秀川等,2008)。一般用能源消费弹性系数即能源总量增长速度与国内生产总值增长速度之间的比值来定量反映经济增长对能源消费量的影响,本文借鉴能源消费弹性系数的计算方法,测算了对应的能源碳排放弹性系数即能源碳排放增长速度与国内生产总值增长速度之间的比值来定量反映经济增长对碳排放的影响。

通常情况下,发展中国家经济发展初期能源消费弹性系数大于或者接近1,发达国家能源弹性系数小于或者接近0.5,表示经济增长在经济发展初期对能源消费增长影响显著(王中英,2006)。按照同样的思路,能源碳排放弹性系数也有相同的测量意义,图二显示重庆市能源碳排放弹性系数与能源消费碳排放系数基本同步变动,且基本都在0.5以上,十年来平均分别为0.76和0.79,表明经济增长对重庆碳排放量起促进作用,不利于降低碳排放强度。

(二)产业结构

产业结构对碳排放的影响主要是由于各产业能源消费密度不同,如能源密度高的产业在国民经济中占有较大比重且上升较快(史丹,1999),在能源结构和技术因素既定的前提下,碳排放量就会上升较快。

图三演示了重庆市1998―2008年各产业生产总值占比的变化情况。第一产业占总GDP的比重由1998年的20.9%下降到2008的11.3%,下降了9.6个百分点;第三产业占总GDP的比重由1998年的40.3%波浪上升到2006年的45.3%后,急速下降到2008年的41%;第二产业的比重却从1998年的38.8%上升到2008年的47.7%,上升了8.9个百分点。分析表明,近十年来重庆产业结构变动基本上属于一二产业之间的互相替换,也就是在GDP构成当中第一产业减少份额基本被第二产业增加份额所替代,而第三产业比重基本没有改变。以2008年为例,第二产业单位GDP能耗分别是第一产业的3倍,第三产业的4倍,并且第二产业是能源构成中以高碳排放的煤、石油和天然气为主,表明三次产业结构变动对重庆碳排放量有促进作用。并且从变动趋势来说,产业结构向更不利于减少碳排放强度的方向发展。

(三)能源结构

近十年来重庆碳排放量成指数增长,且总碳排放量和煤类能源碳排放量高度相关(见图四),1998年到2008年间煤类能源碳排量占总碳排放量的比例始终维持在80%以上,而天然气和油料能源的碳排放量也处于稳定的状态,也就是说在最近10年间重庆能源碳排放量的构成基本没有改变。

平均碳排放系数等于碳排放量与能源消费量的比值,由于一种能源本身的碳排放系数基本不会改变,当低碳能源所占比例增加时,平均碳排放系数将下降,反之亦然,能够体现能源结构调整对碳排放量的影响。1998年到2008年平均碳排放系数最高年份为0.639104t/104t标煤,最低年份为0.617104t/104t标煤,且围绕0.628104t/104t标煤的均线成上下波动趋势(见图四)。

同时,尽管重庆能源消费总量从1998年的2119.46104t标煤,增长到了2008年的5091.52104t标煤,年均增长速度达到8.29%,略低于GDP增长速度,但是图五显示的能源消费结构却基本没有改变,尤其是高碳排放煤类能源的比例基本维持在65%的比例,清洁能源如电力维持在10%左右,这与上面碳排放量构成分析完全一直。由此可知,在过去10年的时间里,没有任何证据表明重庆市能源消费结构对控制碳排放量有积极影响。

(四)能源效率

能源效率也称能源消耗强度一般采用万元GDP标准煤能耗量来表示,即e=E/r,其中e表示能源效率,E表示能源消费量(万吨标准煤),r表示国民生产总值(亿元人民币)。在能源消费结构不变的前提下,能源效率的提高能有效降低碳排放量,徐国泉等(2006)研究表明1995―2004年中国人均碳排放的抑制作用主要来自能源效率的提高。借鉴孙海等(2009)对制造业能源消耗强度的分解方法,本文也将能源消耗强度分解成产效率份额。运用附件中公式(2)和(3)可计算得出十年来产业结构变动对重庆市总体能源效率贡献度为-32.57%,三产业效率份额对总体能源效率份额贡献度为132.57%。图六是重庆市1998―2008年社会生产总值和各产业万元GDP标准煤能耗量的变化图,显示第二产业能源效率变化是导致总体能源效率变化的关键原因,公式测算出二产业效率改进对产业效率改进贡献率达到102.2%,表明重庆市第二产业能源效率提高是重庆市能源效率改进的主要原因。

由于经济增长、产业结构、能源结构对抑制碳排放的贡献率要么为负,要么基本为零,可以得出1998―2008年重庆市能源效率改进是导致碳排放强度从1998年的2.05t/104元GDP,下降到2008年的1.50t/104元GDP的关键原因。

四、结论与启示

(一)结论

篇11

1 引 言

近年来,河北物流业企业数量不断增加,规模不断扩大,服务水平不断提升。物流业的快速发展缘于河北省经济的迅猛发展,两者之间互相促进。然而,河北省物流业发展较为粗放,2014年前三季度社会物流总费用为4.136亿元,同比增长3.41%;社会物流总费用占GDP的比重为19.05%,物流成本明显偏高。《河北省现代物流业“十二五”发展规划》明确提出,要着眼发展低碳经济,以降低物流业资源消耗为重点,构建节能高效、绿色环保的现代物流服务体系。到2015年,物流业碳排放量有所下降,初步建立起节能高效的物流运作模式,但物流业相关行业能耗依然巨大。[1]本文对河北省物流业碳排放量进行测算,并对其影响因素进行分析,为河北省相关部门制定物流业节能减排政策提供理论支持,同时为河北省物流企业的低碳化发展决策提供依据。

2 河北省物流业能源消费分析

物流业是一个复合型的产业,其作为一个生产业,由于其跨行业、跨部门、跨区域和渗透性强等特点。目前,国家尚未建立成熟、统一的指标体系和统计核算方法。根据河北省统计普查中心的统计方法,交通运输、仓储和邮政业可用于代表物流业[2],本文利用河北省交通运输、仓储和邮政业能源消耗数据进行相关分析与计算。表1给出河北省物流业2005―2014年的能源消费量及比重。

由表1可以看出,2005―2014年,河北省物流业能源消耗总量整体上具有波动性上升的变化特征,除2008年、2009年和2014年外,河北省其余8年的能源消费总量均有所增长,2013年河北省能源消耗总量达到811.76万吨标准煤,为2005年能源消耗量的1.37倍。三种能源中,石油的消耗量一直最大,煤炭的消耗量次之,电力的消耗量最小,其中,石油的消耗量总体呈上升趋势,从2005年的544.85万吨标准煤增长至2014年的705.77万吨标准煤,增长了160.92万吨标准煤,比重由92.12%增加到95.58%;煤炭的消耗量总体上处于下降趋势,从2005年的42.19万吨标准煤减少到2014年的21.92万吨标准煤,减少近一半,比重由7.13%降低到2.97%;电力消耗量比重虽然最低,但一直处于稳定上升趋势,从2005年的4.39万吨标准煤增长到2014年的10.68万吨标准煤,实现了2.43倍的增长,比重由0.74%上升到1.45%。

3 河北省物流业碳排放测算

目前,我国还没有建立统一完善的碳排放监测体系,直接的碳排放量的监测数据还有待测算体系的形成。而根据政府间气候变化专门委员会(IPCC)的评估报告,碳排放量主要来源于化石燃料的燃烧。因此,国内外的碳排放量测算都是由能源消耗量估算而来[3],估算公式为:

由表2可以看出,2005―2014年,河北省物流业的碳排放总量与能源消费总量变化趋势相似,呈现波动性增长趋势,除2008年、2009年和2014年外,其余8年的碳排放总量均有所增长;分阶段来看,碳排放总量在2008―2010年增长较快,2007―2009年略有下降,2013―2014年下降比较明显,其他时期处于略有增长状态。三种能源中,石油的碳排放量最大,占碳排放总量的90%以上;煤炭的碳排放量次之,碳排放比重由2005年的9.20%减少到2014年的3.87%;电力的碳排放量最少,呈现逐年增长趋势,2014年其碳排放比重增长到1.74%。

4 河北省物流业碳排放影响因素分析

4.1 直接影响因素

由物流业能源消耗碳排放的形成与计算过程可知,河北省物流业碳排放量的直接影响因素是物流业各类能源的消耗量及比重。由表1可以看出,河北省物流业能源消耗量最大的是石油,且石油的碳折算系数较高,所以碳排放最高的是石油。在油类能源消耗中,河北省物流业对柴油消耗量所占比重最大,另外是汽油,它们的消耗主要来自物流运输活动。此外,河北省物流业需求增长和运输方式不均衡是导致碳排放大的原因。[4]物流需求的增长能够推动碳排放量的增长,河北省的货物周转量从2005年的4750.64亿吨公里增长到2014年的12968.8亿吨公里,增长了近3倍。货物周转量的上升势必会带动物流业运输里程与能源消耗的增加,从而提高了物流业的碳排放量,运输方式的不均衡也会影响到物流业的碳排放量。多年来,河北省物流业一直以公路运输为主,相比铁路运输、水运运输,公路运输具有单位里程碳排放大、能源消耗多等特点,进一步促进了河北省物流业碳排放量的增长。

4.2 间接影响因素

物流业是服务业,属于第三产业,服务于人们生产、生活的需要,生产规模的扩大、生活水平的提高都会增大物流服务的需求量,三次产业结构差异导致物流服务需求量和服务结构上的差异。比如,第一产业和第二产I对物流服务中的干线运输与仓储需求量大,而零售业对配送和末端运输服务需求量大,这些结构上的差异都会影响物流业的碳排放量。另外,人口的增长可以引起能源及各种资源的消耗,从而导致碳排放的增加。河北省人口的增长推动了物流行业的发展,增加了对物流的需求,促使物流业的碳排放量增加。

5 结 论

本文测算了河北省物流业的碳排放量,并分析了影响河北省物流业碳排放的因素。结果表明,河北省物流业的碳排放量与能源消费量的变化趋势相似,具有波动性增长特征,其中,石油的碳排放量最大,煤炭的碳排放量次之,电力的碳排放量最少;直接因素与间接因素共同影响着河北省物流业的碳排放量。

参考文献:

[1]赵松岭.河北省物流业节能减排对策研究[J].合作经济与科技,2015(5).

篇12

关键词 :碳排放;碳足迹;建设用地;能源结构;武汉市

中图分类号:F301.24 文献标识码:A 文章编号:0439-8114(2015)02-0313-05

DOI:10.14088/j.cnki.issn0439-8114.2015.02.015

气候变暖是全世界公认的环境问题,造成气候变暖的原因主要是温室气体排放量的大幅增加。2005年2月16日《京都议定书》正式生效,给CO2排放量居世界第二位的中国带来了严峻和现实的压力与挑战[1],掀起学术界有关碳排放研究的热潮。有学者对经济增长与碳排放的关系进行了研究。彭佳雯等[2]利用脱钩模型探讨了中国经济增长与能源碳排放的脱钩关系及程度;杜婷婷等[3]则以库茨涅兹环境曲线及衍生曲线为依据,对中国CO2排放量与人均收入增长时序资料进行统计拟合得出中国经济发展与CO2排放的函数关系。也有学者对土地利用类型转变引起的碳排放效应变化进行了研究。如苏雅丽等[4]对陕西省土地利用变化的碳排放效益进行了研究。对于土地利用碳排放影响因素的研究也有了一定的成果,主要是利用指数分解法对影响土地利用碳排放效应的因素进行分解分析,如蒋金荷[5]运用对数平均Divisia指数法(LMDI法)定量分析了中国1995-2007年碳排放的影响因素及贡献率。对于碳足迹的研究,赵荣钦等[6]计算和分析了江苏省不同土地利用方式能源消费碳排放与碳足迹。还有其他学者通过碳足迹计算模型,从碳足迹核算和碳足迹评价的角度进行了有意的探讨[7-9]。研究不同土地利用方式的碳排放效应,有助于从土地利用调控的角度控制碳排放。本研究以武汉市为例,分析武汉市土地利用碳排放和碳足迹,探讨武汉市碳排放变化的影响因素,为武汉市调控土地利用以减少碳排放提供科学依据,对武汉市构建“两型社会”具有重要的理论与现实意义。

1 研究区域概况

武汉市位于中国的中部地区、江汉平原的东部,地处东经113°41′-115°05′,北纬29°58′-31°22′。地形以平原为主,拥有丰富的自然资源。截至2010年,全市土地面积为8 494.41 km2,农用地面积为4 270.45 km2,其中耕地面积为3 174.05 km2,林地面积为975.81 km2, 建设用地1 596.51 km2,未利用地面积2 627.45 km2。本年全市国民生产总值达到6 762.20亿元,同比增长12.5%,位居15个副省级城市第五位。第一、第二、第三产业分别为198.70亿、3 254.02亿、3 303.48亿元,比重为2.94%、48.12%、48.94%。人均GDP为68 286.24元,城镇居民人均可支配收入23 738.09元,农村居民人均纯收入9 813.59元。全市全年社会消费品零售总额达2 959.04亿元。

2 研究方法与数据来源

2.1 碳排放测算模型

根据李颖等[10]、苏雅丽等[4]的研究,本研究基于各种用地类型的碳排放/碳吸收系数计算碳排放量,主要涉及耕地、林地、草地、建设用地。其中建设用地具有碳源效应,耕地上的农作物虽然能够吸收二氧化碳,但是在很短的时间内又会被分解释放到空气中,因此将耕地视为碳源[11],林地和草地为碳汇。

碳排放测算公式[10]:

CL=∑Si·Qi (1)

其中,CL为碳排放总量;Si为第i种土地利用类型的面积;Qi为第i种土地利用类型的碳排放(吸收)系数,吸收为负,其中耕地、林地、草地的碳排放系数分别为0.422、-0.644、-0.02 tC/hm2[12]。

建设用地的碳排放主要通过计算其建设过程消耗能源所产生的碳排放间接得到。这里的能源主要是指煤炭、石油和天然气。

建设用地碳排放估算公式[10]:

CP=∑ni=∑Mi·Qi (2)

其中,CP为碳排放量;ni为第i种能源的碳排放量;Mi为第i种能源消耗标准煤;Qi为第i种能源的碳排放系数,其中煤、石油、天然气的碳排放系数分别为0.747 6 tC/t标准煤、0.582 5 tC/t标准煤、0.443 4 tC/t标准煤[12]。

2.2 不同土地利用类型的碳足迹

碳足迹是指吸收碳排放所需的生产性土地(植被)面积,即碳排放的生态足迹[13]。净生态系统生产力即NEP是指1 hm2植被一年的碳吸收量,用来反映植被的固碳能力[13],采用NEP指标反映不同植被的碳吸收量,并以此计算出消纳碳排放所需的生产性土地的面积(碳足迹)。森林和草原是主要的陆地生态系统,因此本文主要考察这两种植被类型的碳吸收[13]。根据赵荣钦等[6]、谢鸿宇等[13]的方法,首先计算出化石能源碳排放量,再根据森林和草地的碳吸收量计算出各自的碳吸收比例,最后由各自的NEP计算出吸收化石能源消耗碳排放所需的森林和草地的面积。化石能源碳足迹计算公式为:

其中,A为总的化石能源碳足迹,Ai为第i类能源的碳足迹,Ci为第i种能源的消耗量(万吨标准煤),Qi为第i种能源的碳排放系数,Perf与Perf分别为森林与草原吸收碳的比例;NEPerf与NEPerf分别为森林和草地的净积累量。吸收1 t的CO2所需的相应生产用地土地面积计算结果见表1。

2.3 数据来源

能源数据与经济数据来源于《武汉市统计年鉴(1996-2010)》,武汉市土地利用结构数据来源于武汉国土资源和规划局。

3 结果与分析

3.1 武汉市碳排放量

根据公式(1)、(2)和《武汉市统计年鉴》所查询的武汉市能源消耗量,以及武汉市历年土地变更数据,计算武汉市1996-2010年的碳排放量见表2。

从不同土地利用类型的碳排放量来看(表2),建设用地的碳排放量占碳排放总量的98%以上, 由此可以说明建设用地为主要的碳源。同时可以看到,武汉市的建设用地碳排放量增加较快, 1996到2010年间,武汉市建设用地碳排放量增加了1 091.6万t,增幅为88.58%,碳排放总量也增加了87.21%。通过SPSS 19对建设用地面积与碳排放总量进行双侧检验,结果表明,在0.01水平下显著相关,可见武汉市的碳排放总量与建设用地的碳排放量走势保持同步。

在建设用地面积增加的同时,耕地面积在不断减少,但是耕地面积的减少对碳排放总量并没有起到明显的影响,原因可能有两个方面,一是耕地的碳排放量相对于建设用地来讲数量太小,最高也只占碳源排放总量的1.6%;二是耕地转变为建设用地不仅没有降低碳排放量,反而会增加碳排放量。

另一方面,武汉市的碳吸收总量也在不断增加,1996到2010年间增加了2.09万t,增幅为49.76%,其中占碳汇吸收比例较小的草地碳吸收量在逐年下降,但是林地的碳吸收量占总吸收量的90%以上,甚至有些年份达到了99%以上,且林地面积在不断扩大,林地的固碳量在增加,从而使得武汉市碳吸收量15年间不断增加。

3.2 武汉市建设用地碳足迹分析

由公式(3)计算武汉市1996-2010年的能源消耗碳足迹间接得到建设用地碳足迹,如表3所示。由表3中可以看出,武汉市的建设用地碳足迹逐年增加,在此期间,虽然武汉市的林地与草地的总面积有所增加,但是远远不足总碳足迹的增加速度,同时人均碳足迹由0.63 hm2增加为0.74 hm2,由此表明武汉市的生态系统不足以弥补能源消费的碳足迹。不同能源的碳足迹表明,煤炭的消费是引起总碳足迹增加的主要原因。表3也表明,森林的碳吸收能力比草地要强,碳足迹以森林为主。

3.3 影响因素分析

3.3.1 土地利用结构 不同的土地利用结构对碳排放量与碳吸收量都会产生影响。1996-2010年武汉市土地利用结构变化见表4。由表4可以看出,武汉市的林地面积不断增加,草地面积在减少,但是由于林地是主要的碳汇,因此武汉市的碳汇量随林地面积的增加而增加。耕地面积在减少,建设用地面积不断增加,且增加速度较快,一部分面积的增加是由于耕地的非农化,即耕地转为了建设用地,而建设用地是主要碳源,因此,武汉市的碳排放量随建设用地面积增加而增加。

3.3.2 经济增长方式 现有的研究表明[10],国家工业化,能源消费碳排放是最主要的排放类型,可占二氧化碳排放的90%以上。从上述武汉市碳排放量测算结果来看,能源碳排放占碳排放总量的98%以上。由此,应分析经济发展中能源消费带来的碳排放变化。

碳排放强度是碳排放量与国内生产总值(GDP)的比值,是衡量温室气体排放的指标,可以作为发展中国家承认和反映其对减缓气候变化的贡献指标[14]。计算可知,1996-2010年武汉市碳排放强度总体上呈下降趋势,由1996年的1.88 t/万元下降到2010年的0.53 t/万元,下降了71.81%,年平均下降4.79%。根据何建坤等[14]的研究,要实现二氧化碳的绝对减排,碳排放强度的下降率要大于GDP的增长率。而武汉市1996-2010年碳排放强度下降率远小于14.54%的GDP增长率,这远远不能实现碳减排。

经济增长既需要资本的投入,也需要土地、能源等物资投入,若经济增长使得土地、能源等物资消耗加剧,碳排放量加大,则资源利用效率降低,对环境的不利影响加剧,显然这种经济增长方式不可取。为评判经济增长对碳排放变化的影响,可选用能源碳排放系数,即能源碳排放增长速度与国内生产总值的比值来反映经济增长对碳排放的影响,其与能源消费弹性系数具有同样的测量意义[15]。已有研究表明,发展中国家能源消费弹性系数一般都大于或接近于1,而发达国家则小于或接近0.5[15]。其值越大,说明能源碳排放增长快于经济增长速度。计算发现,武汉市能源碳排放系数达到了0.76,远远大于0.5。由此说明,武汉市的经济增长促进了碳排放量的增加。

3.3.3 能源结构 不同的能源其碳排放系数不同,三大能源中,煤炭的碳排放系数最大,天然气最小,石油居中。因此,煤炭的消耗量越大,则能源碳排放量越大。根据公式(2)可测算各种能源碳排放量,并得出三大能源碳排放量趋势图(见图1)。由于各能源的碳排放量与能源消费量之间呈正比,因此,能源碳排放量的趋势与能源消费量的趋势一致。由图1可知,石油和天然气的消费量在1996-2010年间较为平稳,煤炭的消费量在1996-2002年间保持稳定,2002-2006年快速上升,2006-2009出现微小下降,2010年又开始上升,与武汉市碳源排放总量变化走势一致,煤炭消耗量占总能源的67%以上。可以看出,武汉市是以煤炭为主的能源结构。

平均碳排放系数是指能源碳排放总量与能源消耗总量的比值,其变化能够反映能源结构变动对碳排放量的影响。当低碳能源比例的增加时,平均碳排放系数将会变小。从图1来看,武汉市1996-2010年的平均碳排放系数较为平稳,在0.707~0.717之间浮动。以上分析表明,武汉市能源消费结构不合理。

3.3.4 碳足迹影响因素分析 武汉市能源消耗总量在15年间由1 790.13万t增长到了3 352.96万t,与此同时,其碳足迹也由328.13万hm2增长到了618.78万hm2。能源消耗总量与碳足迹走势图(图2)表明,碳足迹随着能源消耗总量的变动而变动,两者呈现出高度一致的走势。

采用回归分析可以定量分析能源消耗总量与碳足迹的关系。本文以95%的置信度通过有关检验,其相关性如表5所示,能源消耗量与碳足迹的相关系数达到了0.999 5,说明碳足迹受能源消耗总量影响较大。

4 小结与讨论

1)建设用地是主要的碳源,其碳排放量占总碳排放总量的98%以上。建设用地面积的增加是武汉碳排放量增加的一个重要原因。发展低碳经济,建设“两型社会”,武汉需控制建设用地面积的不断扩大。同时,提高土地利用集约度,通过集约利用缓解建设用地供求矛盾,实现低碳集约利用。

2)武汉市的总碳足迹和人均碳足迹在不断增加,虽然武汉市的林地与草地的总面积有所增加,但是远远不足总碳足迹的增加速度,表明武汉市碳赤字较为严重。其中,森林碳足迹和煤炭碳足迹为碳足迹的主要“碳汇”和“碳源”,煤炭的消耗是引起总碳足迹增加的主要原因。因此,增强生产性土地,特别是森林的固碳能力,改善能源消费结构,减少煤炭消费量,提高石油、天然气等能源的消费比例,可以较好地降低碳排放水平。

3)1996-2010年,武汉市碳排放量总体上升。主要原因除了建设用地面积不断增加外,还受经济增长方式与能源结构的影响。较高的能源碳排放系数反映出武汉市目前的经济增长方式不利于低碳经济的发展。建立低碳的能源体系,调整产业结构和能源消费结构,是发展低碳经济社会的关键。

4)通过土地利用变化以及能源消费量的变化分析了武汉市的碳排放以及碳足迹的变化,但是在计算能源消费碳排放时,因数据的限制,仅考虑了化石能源消费所带来的碳排放,未计算农村生物质能燃烧带来的碳排放。同时,由于目前对碳足迹的概念和计算边界缺乏统一的定义,计算数据获取难度较大,碳足迹的研究需要进一步深入探讨与完善。

参考文献:

[1] 庄贵阳.低碳经济:中国之选[J].中国石油石化,2007,7(13):32-34.

[2] 彭佳雯,黄贤金,钟太洋,等.中国经济增长与能源碳排放的脱钩研究[J].资源科学,2011,33(4):626-633.

[3] 杜婷婷,毛 锋,罗 锐.中国经济增长与CO2排放演化探析[J].中国人口资源与环境,2007,17(2):94-99.

[4] 苏雅丽,张艳芳.陕西省土地利用变化的碳排放效益研究[J].水土保持学报,2011,25(1):152-156.

[5] 蒋金荷.中国碳排放量测算及影响因素分析[J].资源科学, 2011,33(4):597-604.

[6] 赵荣钦,黄贤金.基于能源消费的江苏省土地利用碳排放与碳足迹[J].地理研究,2010,29(9):1639-1649.

[7] SOVACOOL B K, BROWN M A. Twelve metropolitan carbon footprints: A preliminary comparative global assessment[J]. Energy Policy, 2010, 38(9):4856-4869.

[8] KENNY T, GRAY N F. Comparative performance of six carbon footprint models for use in Ireland[J]. Environmental Impact Assessment Review, 2009, 29(1):1-61.

[9] 黄贤金,葛 杨,叶堂林,等.循环经济学[M].南京:东南大学出版社,2009.

[10] 李 颖,黄贤金,甄 峰.江苏省区域不同土地利用方式的碳排放效应分析[J].农业工程学报,2008,24(S2):102-107.

[11] 肖红艳,袁兴中,李 波,等.土地利用变化碳排放效应研究—以重庆市为例[J].重庆师范大学学报(自然科学版),2012,29(1):38-43.

[12] 2006 IPCC Guidelines for National Greenhouse Gas Inventories [R]. Geneva:IPCC,2006.

[13] 谢鸿宇,陈贤生,林凯荣,等.基于碳循环的化石能源及电力生态足迹[J].生态学报,2008,28(4):1729-1735.

[14] 何建坤,刘 滨.作为温室气体排放量衡量指标的碳排放强度分析[J].清华大学学报(自然科学版),2004,44(6):740-743.

篇13

一、引言

随着经济的飞速发展,中国在发展中消耗了太多的能源和原材料。目前,我国单位GDP能耗高出世界平均水平,连续多年都位居世界前列。其中一次能源的消费占据主要部分,其特点是:煤炭的生产和消费比重偏高;石油的生产量低,消费量高,供需缺口需依赖进口石油满足;新能源利用率低,发展潜力大。

浙江作为中国的经济大省,同样也是能源消费大省,温室气体排放量大,2011 年,浙江省能源消费总量17827.27 万吨标准煤,占全国能源消费总量的5.12%,比2010 年的16865.29万吨标准煤增长了5.70% 其中,规模以上工业企业煤炭消费量从2010 年的12601.82万吨标准煤增加到 2011年的13598.61万吨标准煤,增长了7.9%;原油消费量从2010年的2835.41万吨标准煤增加到2011年的2939.77万吨标准煤,增长了3.6%。计算出2010 年浙江省能源消费二氧化碳排放量达到43682.612 万吨,比1985年增长约9.65倍,年均增长率38.6%,远高于国内同期水平;由此可见,为实现2020年浙江单位二氧化碳排放达到国家指标,全省面临巨大的温室气体减排压力,因此,明确浙江省能源消费碳排放因素的特征有重要的意义。

二、文献综述

能源分解分析中应用最广泛的是拉氏因素分解法和迪氏因素分解法,此外,还有连环替代法、交互影响平均分配法、交互影响按比重分配法等分解方法,Huang(1993)利用乘法代数平均迪氏指数分解法把碳排放分解为结构变动效应和能源强度改进效应。Zhang(2003)利用改进的拉氏指数法将工业能源消费分解为规模效应、实际的强度效应和结构效应。Ang(2004)指出对数平均迪氏指数法(LMDI)是多种方法中比较合理的,可以直接得到各种能源对能源消耗的结构效应、效率效应等。

随着经济的快速发展,气候变化问题已成为国际社会高度关注的热点,中国作为世界上第二大CO2排放国,正面临着越来越严峻的减排压力。冯相昭、邹骥(2008)认为,经济的快速发展和人口的增长是CO2排放增加的主要驱动因素,能源效率的提高有利于减少CO2排放,而能源结构的低碳化则是降低CO2排放水平的重要战略选择。李善同、许召元(2008)认为,行业能源强度的差别是决定能源强度差异的主要因素。李国璋、王双(2008)认为,由区域内能源强度所显示的区域内技术进步因素是影响中国能源强度变动的决定因素。

综上可以看出,以前学者的研究大多是从产业、行业或地区层面的研究,从能源种类的角度分析二氧化碳排放量的研究还比较少,特别缺乏从省域的角度分析能源消费碳排放的影响因子。而且研究的数据也比较陈旧,随着中国经济的飞速发展,我国的经济环境已经发生了比较大的变化,陈旧的数据已经不能反映中国经济发展的现实状况,从而不能得出合理的对策和建议。为此,本文通过测算1985-2011年浙江省各种能源排CO2量,然后用扩展的Kaya恒等式对CO2排放量进行分解,再利用平均对数迪氏指数分解法(LMDI)对CO2排放量进行分解,找出影响CO2排放的驱动因子,据此提出降低CO2排放量及及能源强度的对策和建议。

三、能源分解碳排放模型的理论构建

(一)Kaya恒等式的扩展

Kaya恒等式由Yoichi Kaya于IPCC的一次研讨会上首次提出。他认为碳排放与能源结构碳强度、单位GDP能源强度及人均国内生产总值有关。但近年来的研究不断表明,能源消费碳排放还与能源效率及主导产业类型等有较为密切的关系。鉴于此,引入能够表征产业结构、能源结构及能源效率的变量,对Kaya恒等式进行扩展。扩展后的Kaya恒等式表达为:

(1)

式中,C为各种类型能源消费导致的CO2排放总量;P为人口总数;Si=Ei/E,代表能源消费结构;Fi=Ci/Ei,代表各种能源消费类型i的CO2排放系数;I=E/Y,代表能源强度;G=Y/P,代表人均GDP。

假设C0和C1分别代表基年和T年的排放量,ΔC指的是T年相对于基年的排放变化量。结合公式(2)我们作以下分解:

ΔC=ΔSi+ΔFi+ΔI+ΔG+ΔP(2)

公式(2)显示CO2排放量的变化是五个因子共同作用的结果,即能源的碳强度效应ΔF、单位GDP能源强度水平变化ΔG、能源消费结构ΔSi、经济活动的变化ΔI以及人口的变动ΔP。

(二)LMDI分解方法

ANG的研究指出,Laspeyres指数分解中的残差项不能被忽略,因为较大的残差项会影响分析结果;而LMDI方法满足因素可逆,能消除残差项,这就克服了用其他方法分解后存在残差项或对残差项分解不当的缺点,使模型更具有说服力。鉴于此,选用LMDI方法对碳排放进行因素分解。

LMDI方法采用“乘积分解”和“加和分解”两种方法进行分解,两种方法最终分解结果是一致的。采用加和分解,将差分分解为:

CO2排放总量的变化可以分解成五个主要影响变量,分别为化石燃料的排放系数、能源消费结构、能源强度、人均GDP和人口总数。ΔCres和ΔDres是在传统的技术方法中存在的残差。因为分解是完全的,所以这一项的值为零。

四、浙江省能源消耗的数据收集

由于化石能源增加了地球大气层中二氧化碳的含量。而能源消费导致的二氧化碳排放在人为温室气体排放总量中占有绝对优势。本文通过收集1985-2011年煤炭、原油、焦炭、煤油、柴油、燃料油和天然气等能源消耗量数据对浙江省碳排放进行测算。由于2004年浙江省引进西气东输天然气,揭开了浙江省大规模利用天然气的序幕,因此浙江省天然气的消费量数据为2005-2011年,其余化石能源消费量的时序数据皆为1985-2011年,数据来源于《中国能源统计年鉴》和《浙江统计年鉴鉴》。

五、浙江省能源消耗碳排放影响因素的实证分解

(一)能源消耗碳排放的LMDI分解分析

从加和分解来说,1985-2011年浙江省碳排放量增加了41730.752万吨,其中经济效应和人口效应一直为正,这说明浙江省常住人口与人均国内生产总值的持续增加为碳排放量增长做出了不小的贡献。两项累计增加碳排放量71592.52万吨。其中人口累计贡献2970.051万吨,占碳排放增量的7.1%;经济效应累计贡献68622.47万吨,占碳排放增量的164%,是拉动浙江省碳排放增长的主要原因。同时,能源消耗强度效应的值基本上都为负,表明能源消耗强度效应基本上都是下降的。化石燃料的排放系数效应在1985-2011年期间有正有负,且值都较小,这主要是因为单位化石燃料燃烧所带来的碳排放基本上固定,仅是由于各种能源消耗结构的变化而引起的平均碳排放系数有限。计算结果显示LMDI加和分解的余项为零,证明分解是完全的。

从乘法分解的结果看浙江省1985-2011年碳排放总量增加了11.78倍,其中人口效应虽然每年都是增加的,但是增速较慢,值变动18个百分点,对碳排放的拉动作用并不明显。而与此相对应的经济增长效应使二氧化碳的排放量增加了大约54倍,是拉动碳排放增长的主要动力,化石燃料的结构变动拉动了碳排放的增长,使碳排放增长了22个百分点;与上边的效应相反的是能源强度效应,除了2004年与2005年略有上升外,而能源强度的变动使碳排放下降了84个百分点,成为抑制碳排放增加的主要力量,化石燃料的碳排放系数基本保持不变。对碳排放的影响可以忽略不计。

六、结论及对策建议

(一)结论分析

浙江省能源消费的排碳量总体上是逐年增加的,其中能源强度的下降对碳排放起抑制作用,而经济增长、人口总数及能源结构的变动对碳排放起拉动的作用,但如果牺牲浙江省的经济发展来降低碳排放量是不现实的,所以,未来的对策只能通过调整其他驱动因子来分解降低碳排放。

(二)对策和建议

1、大力提高能源利用效率。通过上文的分析,可以发现能源强度对CO2的排放量影响明显,且其值为负。也就是说,通过提高能源强度,可以明显减少CO2的排放量。而提高能源强度,就要坚持把节约能源放在首位,实行全面、严格的能源节约制度和措施;另一方面要按照生态产业原理进行区域产业链的延伸设计,构建循环经济体系,实行能源的多级梯次利用,充分提高能源利用效率。

2、逐步改善能源消费结构。通过驱动因子分析,我们可以发现,能源消费结构优化占改善CO2排放量的重要方面。大力调整和优化能源消费结构,尤其是要大力开发和利用绿色能源与清洁能源,提高其在整个能源消费结构中的比重,减少CO2的排放量。要大力促进煤炭消费相关的技术创新,把提高煤炭利用效率看做是浙江省减少CO2排放的重要任务。

3、加快转变经济增长方式。通过深化改革和加强企业自主创新来提高产业的效率效应。通过对各能源的CO2排放量的分解,我们可以发现人均GDP对能源强度的影响贡献明显,且其值为正。也就是说,随着人均GDP的增长,CO2排放总量也会增长。为此,可以针对不同行业逐步建立和完善单位 GDP 能耗监测体系。建立基于 LMDI 分解方法的 “能源消费监测体系”,对经济产出、产业结构和产业能源利用效率使能源消费和能源强度变化的影响进行系统化、定量化和定期的分解分析,为制定科学、合理的区域经济和能源政策提供依据。

4、推动采用先进的技术和清洁能源。众所周知,降低能源强度的一个重要方面就是使用清洁能源,实现技术节能减排。可再生能源不存在能源耗竭的可能。大力提倡清洁柴油技术,它具有经济、清洁和动力强劲等多重优势,是能够满足节能减排需求的成熟解决方案。大力提倡汽车使用天然气这种清洁能源,将使CO2的排放量降低40%左右,二氧化硫和粉尘的排放几乎为零,节能减排的效果相当明显。中国已提出三位一体的降耗减排措施,是在向“高消耗的增长”说不。所以,浙江省作为经济贡献大省,应首当做出表率。

参考文献:

[1] ALCANTARA V, DURO Ja. Inequality of energy intensities across OECD countries: a note [J].Energy Policy, 2004, 32(11):1257-1260.

[2] ALCANTARA V, ROCA J. Energy and CO2emissions in Spain: methodology of analysis and some results for 1980-90 [J]. Energy Economics, 1995, 17(3):221-230.

[3] ANG B W, PANDIYAN G. Decomposition of energy-induced CO2emissions in manufacturing [J].Energy Economics, 1997, 19(3):363-374.

[4] LIASKAS K, MAVROTAS G, MANDARAKA M, et al. Decomposition of industrial CO2emission: the case of European Union [J]. Energy Economics, 2000, 22(4):383-394.

[5] IPCC (Intergovernmental Panel on Climate Change). Climate Change 007: Mitigation of Climate Change [M]. United Kingdom: Cambridge university press, 2007.

[6] 冯相昭、邹骥. 中国CO2排放趋势的经济分析[J].中国人口资源与环境,2008,18(03):43-47.

[7] 李善同、许召元. 中国各地区能源强度差异的因素分解[J].中外能源,2008,(09):1-10.