城镇化碳排放论文范文

一、江苏省人口城镇化与碳排放特征分析

1．江苏省进入“十五”以后人口城镇化呈现快速增长新特点2001—2012年12年间，江苏省共新增城镇人口1855．36万人，平均每年增加154．61万人，城镇化水平从42．6%增长到63．0%，年均增长率达到3．3%。2005年，江苏人口城镇化率在达到50%以后，继续呈现快速增长的态势，属高速增长时期。2010年底，江苏城镇人口比重超过60%，达到较高水平。若依据诺瑟姆城镇化三阶段论(城镇化水平低于30%为低速增长阶段、城镇化水平在30%～60%之间为高速增长阶段、城镇化水平高于60%为成熟的城镇化社会)判断［11］，江苏省开始向成熟的城镇化社会迈进。具体而言，2001—2005年、2006—2010年城镇人口年均增长分别为158．3万人、187．1万人，城镇化率平均每年分别提高1．8个、2．0个百分点。比较而言，“十五”、“十一五”两个时期城镇人口的增长规模以及城镇化率虽然低于“九五”时期年均增长速度，但这是在城镇化高水平时期的增长，表明江苏的城镇化在经历“八五”“九五”时期的快速增长后，城镇人口增长势头依然强劲，城镇化仍处于高速增长时期。2．江苏人口城镇化呈现南高北低的区域差异(1)江苏省人口城镇化南北区域差异比较从城镇化规模上看(图1)，2012年苏南地区集中了全省48．35%的城镇人口，城镇化水平高达72．7%，是江苏目前城镇人口最集中和城镇化水平最高的地区，高于全省10个百分点和全国20．6个百分点，苏中的城镇化率与江苏省平均水平大体持平，而苏北的城镇化率小于江苏省平均水平。苏北地区由于经济基础薄弱，人口基数较大，导致城镇化推动力明显不足，城镇人口比重仍然较低，目前该地区已经进入了城镇化发展起飞阶段，预计在今后一段时间内将和苏中一起成为全省吸纳城镇人口的主要地区。从城镇化水平增速来看，近10年来，苏北、苏中、苏南地区人口城镇化年均增速分别为5．7%、4．0%、1．4%，苏中和苏北地区正逐渐成为全省城镇人口增长最快的地区，苏南地区的人口城镇化已经趋于平缓，城镇人口增速下降。一方面由于90年代以后苏南地区外来投资的持续高速增长带动城镇人口快速增长，而近几年这方面有向苏北、苏中转移的趋势。另一方面，苏南人口城镇化率已经超过诺瑟姆所划分的大于70%的城镇化发展后期的水平，由量的城镇化进入质的城镇化阶段，今后城镇化内部结构调整和城市现代化是苏南城镇化的主要目标。(2)江苏省人口城镇化率居全国第7位江苏省是近10年人口城镇化水平上升最快的省份之一。在2000年第五次全国人口普查时，江苏城镇化率位列京津沪粤黑吉辽浙内蒙之后，居全国第10位，华东地区第3位。到了2010年第六次全国人口普查时，江苏省城镇化率位列沪京津粤辽浙之后，上升至全国第7位，华东地区仍排第3位。10年间，江苏城镇化率在全国的排名上升了3位，上升速度仅次于重庆，位列第2位，大大缩小了与3个直辖市的差距，与广东、辽宁、浙江的水平接近。(3)江苏省1979—2012年碳排放特征从图2可以看出，在样本考察期内，江苏碳排放总量与人均碳排放量保持持续增长。1979年以来，江苏省碳排放总量逐年增加，由1980年的874．6万吨增至2012年的31645．7万吨，年均增长11．87%。同期，江苏人均碳排放总量呈逐步上升趋势，人均碳排放量由1979年的0．11吨/人增至2012年的3．97吨/人，年均增长11．86%，两者增长速度基本相同。由此可以得出结论:1979—2012年江苏人口的增长速度与碳排放量的增长速度大体上是一致的。具体来看，江苏碳排放总量和人均碳排放总量1980—2000年期间增速总体比较平稳(除了1995年波动较大外)，但自2000年以后持续快速增长。江苏省碳排放强度呈现一直下降的走势，1980—2012年间年均降幅为4．95%。

二、模型设定与数据说明

1．模型设定1989年日本教授YoichiKaya在联合国政府间气候变化专门委员会(IPCC)研讨会上最先提出Kaya碳排放恒等式［12］，根据该等式，碳温室气体排放量主要由与人类活动相关的四个部分组成。其中，GHG代表温室气体排放量，TOE为能源消费总量，GDP为国内生产总值，POP代表总人口。因此，等式右边代表影响碳排放的四个因素:能源消费的温室气体排放强度、能源强度、人均GDP以及总人口数。由于使用人口总量指标不能反映城镇化人口带来的能源和碳排放影响。而人口城镇化的人口集聚效应、消费升级效应以及空间扩张效应对碳排放的影响是非常明显的，有学者研究表明，城市人口的人均能源消耗量是农村人口的3．5～4倍［13］。为了更加清晰地表示人口城乡结构对碳排放的影响，本文在Kaya恒等式的基础上将POP修正为城镇人口，这样恒等式仍保持不变。其中，PC为能源消费碳强度，I为能源强度，A为人均GDP，U为城镇化水平，u为误差项，t代表年份。具体而言，在回归模型中考虑了城镇人口占总人口比重及其平方项，以检验城镇化与碳排放之间是否存在非线性关系。由于环境影响在时间上有一定的延续性，之前的碳排放可能影响后面年份的环境质量，本文引入滞后一期的碳排放量主要是为了考察上一期的碳排放是否对本期产生影响。2．数据来源江苏人口数和GDP来源于历年的《江苏统计年鉴》，为了消除价格因素的影响，GDP数据按照1995年的价格进行计算。城镇化水平按照目前学术界普遍采用的“城镇人口占总人口的比重”来表示，能源消费量则来源于《江苏统计年鉴》和《中国能源统计年鉴》。本文关于碳排放的计算采用李国志、李宗植［14］的碳排放计算方法，根据江苏省能源消费量及各类能源的碳排放系数进行测算。能源实物量数据的标准量折算采用《中国能源统计年鉴》2008所附的各种能源折算标准煤参考系数。碳排放计算中各类能源的碳排放系数采用徐国泉等［15］的研究结果。《中国能源统计年鉴》将最终能源消费种类划分为9类(煤炭、汽油、柴油、天然气、煤油、燃料油、原油、电力和焦炭)，计算二氧化碳排放量时可以采用9类能源消费总量乘以各自的排放系数。下面根据建立的计量模型采用Eviews7．0分析软件进行实证分析。

三、模型估计结果与分析

1．单位根检验时间序列分析都是假定序列是平稳的，否则采用传统的OLS估计方法可能会出现“伪回归”现象，为避免谬误回归，在最终确立计量回归模型前，先要对所涉及的时间序列变量进行平稳性检验，本文使用ADF检验进行单位根检验，得到单位根检验结果如表2所示，检验结果表明，所有时间序列的水平统计量的ADF检验系数在1%水平下均非平稳，但取一阶差分后ADF检验统计量均通过1%的显著性水平检验，即拒绝存在单位根零假设，表明所有变量的一阶差分均为平稳序列，即所有变量一阶单整，即均为I(1)。2．Johansen协整检验协整检验主要有恩格尔格兰杰(EG)两步法和基于向量自回归的Johansen极大似然法。而EG两步法只能对两变量协整检验，Johansen检验通过建立给予最大特征值的比统计量λ_max来判别变量间的协整关系［16］。本文尽管所有变量均为I(1)序列，但并不说明它们之间一定存在长期的协整关系，为了避免伪回归，在回归估计之前，我们使用Johansen协整检验技术对变量之间是否存在长期的协整关系进行了检验，依据AIC及SBC信息准则，将VAR模型中自回归阶数确定为1，表3检验结果均表明，其对应的原假设None(表示无协整关系)的统计量的值大于5%显著性水平的临界值，说明在95%的置性水平下拒绝了变量之间不存在协整关系的假设，因此可以进行回归估计。3．OLS与FGLS回归结果比较与分析在回归过程中，如果不做进一步的模型设定检验如异方差检验和自相关检验，我们有可能被表4中OLS模型给出的估计结果所误导，因为发现利用OLS估计方法的回归结果存在严重的自相关问题，表明应该拒绝传统的OLS回归模型作为本文的分析模型，文章给出一种比OLS更有效的分析方法———可行的广义最小二乘法(FGLS)，FGLS能够纠正带有AR(1)误差和严格外生解释变量的多元线性回归模型。这个FGLS模型其实就是现代教科书中常见的帕克斯—科曼塔(Parks－Kmenta)模型［17］。帕克斯—科曼塔形式的FGLS模型和OLS模型的检验结果确实表明，在文章中FGLS模型确实优于OLS模型。具体而言，能源消费碳强度、能源强度、人均GDP、和人口城镇化的一次项、二次项的系数均通过显著水平为5%的显著性检验，且FGLS模型得出的系数估计值(绝对值)要小于OLS的估计值。具体回归结果如表4所示，回归方程1为基本估计，解释变量仅为单位GDP能耗(能源强度)、二氧化碳排放强度、人均GDP和城镇化率，回归方程2在方程1的基础上加入了碳排放滞后项，方程3在方程2的基础上加入了城镇化率平方项，以比较各变量对碳排放的影响。检验结果表明:方程1和2中，城镇化水平项系数在统计上都不显著，人均GDP和滞后期碳排放分别在方程1和2中仅通过10%的显著性水平检验，而方程3的所有变量都通过了1%的显著性水平检验，Adj－R2都比较接近1、F统计值较大，DW值显示随机误差不存在自相关，表明加入碳排放滞后项、城镇化率平方项对被解释变量具有较高的解释力，回归拟合效果最好。具体如下:第一，人口城镇化回归系数为0．478，而城镇化的平方项系数为－0．098，这表明城镇化水平与碳排放之间存在着倒U型的非线性关系，也就是随着城市化水平的提高，二氧化碳排放量在不断上升，达到最高点后二氧化碳排放量会随着城镇化水平的提高而下降，人口城镇化通常伴随着人口的大规模迁移和集聚，经济规模的扩大，能源使用效率的提高，技术进步以及人们生产生活方式的改变。西方发达国家的实践已经证明，工业化伴随着城镇化，工业化是城市化的原动力。在城市化发展的初期，工业化，高碳化是其主要特点。1980年起，苏南地区的乡镇企业迅猛发展，造成大量污染物排放，人口城镇化带来居民生活方式消费模式的重大改变，城镇化进程伴随着碳排放的大量增加，这也是世界上发达国家普遍适用的EKC曲线的例证。同时，人口城镇化也为低碳化创造了发展的机遇，随着城市化的发展，清洁能源的使用，规模化的生产以及能源环保等新技术的使用和提高，在城镇化发展到一定阶段后，原来的高碳化发展会逐渐改变，碳排放受到抑制。第二，碳排放的滞后项回归系数为0．362，表明上一期的碳排放对当期的空气质量存在着正效应，即碳排放存在着路径依赖现象，这符合现实情况，因为当前的环境污染不一定立即在空气质量中体现出来，现在的空气污染是由于之前的碳排放累积到一定程度所造成。这也告诉我们，从短期来看，当前环境恶化的负面效应可能并不明显，但我们要为此付出长期的代价，且这种代价不局限于某一地区，甚至影响到全国。第三，经济因素即人均GDP每变动1%将会引起碳排放同方向变动0．835%，能源消费碳强度与能源强度的估计系数为0．417和1．028，表明能源消费碳排放强度和能源强度与碳排放呈现显著正相关关系，可见能源消费强度是碳排放增长的关键因素。也表明依靠技术进步、提高能源效率使单位能耗创造出更多GDP对碳排放具有很大的抑制作用。本文的研究结论与现有的相关文献的结论基本一致，大多数研究肯定了经济增长和能源强度(GDP或人均GDP)对碳排放的主要驱动作用。

四、结论与政策建议

本文利用江苏省1979—2012年的时间序列数据，对Kaya碳排放恒等式进行了修正，引入人表4模型比较与估计结果项目普通最小二乘法模型(OLS)可行的广义最小二乘法模型(PGLS)方程(1)方程(2)方程(3)常数项－44．2746－15．5847＊＊＊－16．2877＊＊＊－18．3754＊＊＊LnTCO2t－1－0．0028－0．2931*0．3621＊＊＊LnPC0．86690．6334＊＊0．5362＊＊＊0．4172＊＊＊LnI1．87240．9876＊＊0．9047＊＊1．0284＊＊＊LnA1．64611．2873*1．0372＊＊0．8351＊＊＊LnU0．87380．27860．33780．4783＊＊＊(LnU)20．1754－－－0．0981＊＊＊Adj－R20．74210．78470．87780．9998F－Value5458473713872634684DW0．95471．57631．29451．6728样本数34343434说明:*、＊＊、＊＊＊分别代表10%、5%、1%的显著性水平。口城镇化指标，运用OLS和FGLS两种估计方法实证检验人口城镇化对于碳排放的影响，具体研究结论如下:第一，人口城镇化率与碳排放的关系呈倒“U”型。换言之，随着城镇化水平的提高，碳排放水平一直是上升的，达到最高点后，碳排放水平会随着城镇化水平的提高而不断减少。这是由于城镇化的初期会增加二氧化碳的排放，而持续的城镇化则会因规模效应和技术进步最终减少碳排放总量。第二，江苏目前阶段人口城镇化对碳排放存在显著的正影响，还未到达倒“U”型的拐点，城镇化对碳排放指标的弹性在0．48。第三，人口城镇化并非是碳排放的主要驱动因素，对碳排放影响最显著的是能源强度与人均GDP，弹性分别达1．028和0．835，经济发展过程中提高能源利用效率对于抑制碳排放具有重要意义，而GDP增长是影响碳排放增长的最根本因素。第四，滞后期碳排放量对当期碳排放存在正向影响，说明区域碳排放存在路径依赖现象。基于本研究对政策层面有如下建议:第一，在城镇化进程中，政府部门决不能因城镇化对碳排放影响呈现倒“U”型曲线盲目套用，成为“先污染，后治理”的借口，因为城镇化进程中，环境质量随着经济发展到一定阶段以后才改善并不是最优的选择，我们并不一定要走发达国家走过的传统发展模式，环境库兹涅茨曲线(EKC)也会有不同的形式，即使倒“U”型的EKC在许多发达国家和新兴工业化国家是普遍适用的。第二，江苏省的人均GDP还将快速增长，意味着碳排放仍将大幅增加，这是城镇化进程中经济发展阶段所决定的，而发达国家早已走完了城镇化工业化阶段。中国政府提出的降低单位GDP碳排放即碳强度，这与发达国家降低碳排放总量的碳减排目标是一致的，但两者不可对比。发达国家是减少碳排放的绝对量，与GDP增长没有直接关系，中国碳强度目标与GDP直接相关。前文分析已指出，能源强度和人均GDP是影响江苏碳排放的主要驱动因素，综合考虑两个指标，由追求片面GDP向绿色GDP和生态GDP转变，能更有效地实现目标。江苏的经济社会发展是以保证现阶段GDP速度和城镇化进程为前提的，政府通过调控城镇化速度、调整能源结构、提高能源效率来降低能源强度以减少碳排放。第三，本文验证了区域碳排放存在的路径依赖现象，即前期碳排放对当期环境质量有影响，这对目前雾霾治理具有重要指导意义，即雾霾的形成不仅仅是由于当前排放造成，在一定程度上是由于前期或更早一段时间的大量污染累积而成的，这就要求政府主管部门对待雾霾治理绝不能“头痛医头脚痛医脚”，要历史地看待雾霾产生根源，而不能急于求成看眼前的治理效果。第四，人口城镇化通过化石能源的燃烧、水泥制造过程中的化学分解以及土地利用的变化造成林地碳汇的减少，进而导致碳排放增长。城镇化进程中，能源的生产性消费以工业为主，人们传统的生活方式和消费模式改变使得生活性能源消费急剧增长;人口城镇化导致了基础设施建设和居民住宅需求增大，拉动了水泥产业的生产和消费;同时城镇化还伴随着耕地、林地的减少，使得碳汇在不断减低。目前，江苏城镇化率高于全国平均水平，低于世界发达国家水平，在未来相当长的一段时间，江苏人口城镇化进程将会不断加快，这无疑加大了碳排放增长压力。如何在江苏全面推进新型城镇化建设进程中把握又好又快发展的原则，这是学者和决策者需要认真探讨的问题。

作者：杜运伟黄涛珍康国定单位：南京邮电大学地理与生物信息学院河海大学公共管理学院