美章网 资料文库 碳排放论文范文

碳排放论文范文

碳排放论文

碳排放论文范文第1篇

1.1碳排放的测量方法我国官方并没有对碳排放量进行特别统计,学界用的碳排放数据都是基于能源消费量、能源碳排放系数估算得到的。如张雷、李艳梅、胡初枝等基于一次能源消费总量和一次能源碳排放系数对碳排放量进行了估算。徐国泉等建立了中国人均碳排放的因素分解模型,采用对数平均权重Disvisia分解法,对我国的碳排放量进行了测算[20]。李健等结合上述方法提出了相应的计算公式[3]。上述研究方法虽然有所不同,但研究思路大体相似,煤、石油、天然气热力和电力是我国主要能源,只要估算出这五种基础能源的碳排放系数,结合能源的消费统计数据,就可以对碳排放进行估算。本文碳排放采用如下公式在李健提出的计算公式的基础上进行简化:其中,TC为碳排放总量;Ei为第i类能源的消费量,Pi为第i类能源的碳排放系数。各类能源对标准煤的折算系数采用《中国能源统计年鉴》(2012)规定的数值,即1吨原煤折0.7143吨标煤、1吨原油折1.4286吨标煤、1万立方米天然气折13.330吨标煤、1百万千焦热力折0.03412吨标煤、1万千瓦时电力折1.229吨标煤。碳排放系数各国测算的结果有所差别,本文煤炭、石油、天然气采用了国家发改委能源研究所提供的各类能源碳排放系数作为测算的依据,热力和电力则依据宋佩珊、王文秀和国家气候战略中心编制的《2010年中国区域及省级电网平均二氧化碳排放因子》计算得出。

1.2聚类分析聚类分析是研究多要素事物分类问题的数量方法,其基本原理是根据样本自身的属性,按照某种相似性或差异性指标,定量确定样本之间的亲属关系,并按这种亲疏关系程度对样本进行聚类[25]。根据分类对象的不同,聚类分析又可以分为两类,一是在变量空间中根据变量特征或者指标性质对样品,即研究对象进行分类,叫做Q型聚类分析;二是在样品空间中根据变量在样品上的观测值对变量进行分类,叫做R型聚类分析[26]。本文着重对各产业进行分类,故采用Q型聚类分析。

1.3数据来源本文采用的数据广州市能源消费总量(万吨标准煤)、广州市国民生产总值GDP(万亿)和广州市年末常住人口数(万人)均来源于历年《广州市统计年鉴》(2004~2013)。

2结果分析

2.1广州市三次产业碳排放特征改革开放以来,广州加快了产业结构调整步伐,产业结构由改革开放初期的“一、二、三”调整为目前的“三、二、一”,第三产业占据了三次产业的主体地位。据统计,2012年广州市实现地区生产总值(GDP)13551.21亿元,按可比价格计算,比上年(下同)增长10.5%,三次产业对经济增长的贡献率分别为0.5%、35.2%和64.3%。形成了以汽车、石油化工、电子信息制造业以及生物医药等产业为支柱的国民经济体系。2012年,第一产业、第二产业和第三产业在碳排放总量中所占比重分别为1.95%、42.05%、42.49和13.50%左右。第一产业的碳排放量趋向稳定,近10年来一直维持在2%左右的低位,这说明第一产业并不是影响广州市碳排放总量的主要因素。另外,第三产业的碳排放量增长迅速,2012年第三产业的碳排放量首次超过第二产业。在广州市碳排放量比例中,以工业部门为主要构成的第二产业所占比重仍然较大,工业结构重型化,制造业仍然处于国际产业链的相对低端,先进制造业、现代服务业和战略性新兴产业发展相对不足。2012年广州规模以上工业总产值中轻重工业比例为32.02:67.98,重工业的能源消费占工业能源消费的71.72%。随着广州城市化、现代化不断发展,能源需求快速增长,碳排放需求将进一步释放。10年来,第三产业的碳排放比重迅速增加,2012年第三产业部门的碳排放量首次超过第二产业,这是由于交通运输业、仓储、邮政业等较耗能第三产业的迅速发展所致,第三产业比重所占比重加大。第一产业所占的比重最小,随着农业现代化水平的提高,农业能耗增加,碳排放比重有所提高。除第一产业外,其他部门碳排放强度呈现逐年下降趋势(图1),其中第二产业部门下降幅度最大,这是由于工业行业内部结构进行了优化调整,部分高能耗企业(印染、造纸等)关停或转移,高附加值低能耗行业(电器机械制造业、医药业等)比重上升。第三产业的碳排放强度最低,但同时应该看到,10年来第三产业碳排放强度下降速度缓慢,第三产业是未来广州经济增长的核心,金融、保险、物流等服务业是发展的重心,而这些行业的碳排放强度小,所以第三产业碳排放强度仍有较大下降空间。第一产业碳排放强度有所上升,这是农业机械化导致能耗上升的结果。

2.2广州工业内部各行业碳排放分析第二产业作为广州重要的支柱产业,低碳指标无疑是重要的,但不能因此而放弃一些碳排放较大,但对国民经济影响较大的部门。进一步优化广州工业结构的关键是甄别出碳排放量小、社会经济效益高的行业。本文将从经济、社会、生态效益三方面提取指标对工业内部各行业进行聚类分析,建立起广州工业内部的分类体系,该体系显示未来广州应该大力发展的行业和重点优化的行业。

2.2.1指标选取对经济、社会、生态效益的衡量分别选取增加值规模、就业系数、碳排放强度这三项指标。增加值规模代表该行业占工业比重,体现了该行业重要程度,增加值规模越大,则该行业对国民经济的拉动力越强。就业系数为行业的就业人数与该行业增加值的比值,反应行业对社会就业的吸纳能力,就业系数越大,则单位增加值吸纳劳动力越多,但同时也说明劳动生产率较低,在目前我国劳动力过剩的情况下需要辩证的看待这项指标。碳排放强度是单位增加值的碳排放量,该项指标反映行业对生态环境的影响程度。

2.2.2聚类分析本文采取聚类分析法对广州市工业内部行业进行聚类分析,根据《广州统计年鉴2013》查得规模以上工业各行业增加值、劳动生产率、单位增加值能耗等数据,从而计算出增加值规模、就业系数和碳排放强度等反应经济、社会和生态的指标(表2),依据指标对各行业进行聚类分区。本文采用的是系统聚类法,运用SPSS19选择ward聚类方法,采用平方Euclidean距离,聚类结果见图2。根据聚类结果,可以将广州的工业部门划分为五大类。第一类,2个,汽车制造业,化学原料及化学制品制造业。增加值规模占总增加值规模比例高达34.18%(为叙述简便,下述指标占比规模未作特别说明皆为该产业占规模以上工业比重),为增加值规模最大的两个产业,是广州的支柱产业,劳动生产率高,就业系数较低,但就业人数较多,就业人数规模为13.95%;同时也是碳排放强度较低的产业,碳排放强度仅为0.11,碳排放量占比为5.98%。上述产业为经济效益很高,同时碳排放强度较低的产业,就业人数较多,是广州今后优先发展的产业。第二类,14个,燃气生产和供应业,烟草制品业,有色金属冶炼和压延加工业,农副食品加工业,计算机、通信和其他电子设备制造业,电气机械及器材制造业,金属制品业,仪器仪表制造业,专用设备制造业,食品制造业,医药制造业,酒、饮料和精制茶制造业,铁路、船舶、航空航天和其他运输设备制造业,通用设备制造业。增加值规模37.09%,就业规模44.82%,碳排放规模8.37%,就业系数0.04234,碳排放强度0.15749,主要为先进制造业和饮食制造业,该类产业产值的增长对碳排放的依赖较小,增长速度快,科技含量较高,吸纳就业能力强的支柱产业,属于典型的低碳行业。造船业,各类设备制造业,通信电子以及生物医药应该作为广州重点发展的先进制造业;对于食品饮料,应健全监测与监控体系,提高产品质量标准,应用各项信息技术改善销售方式和渠道,依靠“广式食品”的传统美誉,做强做大“广式腊味”“广式月饼”,更好地体现岭南美食文化。第三类,8个,皮革、毛皮、羽毛及其制品和制鞋业,印刷业和记录媒介的复制,木材加工及木、竹、藤、棕、草制品业,纺织服装、服饰业,文教、工美、体育和娱乐用品制造业,家具制造业,其他制造业,橡胶和塑料制品业。增加值规模10.78%,就业规模30.93%,碳排放规模4.64%,就业系数0.10587,碳排放强度0.28035吨每万元,大部分属于轻工业,就业系数较高,碳排放强度较低,但经济效益偏低的产业,从现阶段来看,该类产业能够解决部分就业问题,对环境污染较小,关键在于加大研发投入,开发高端产品,提高经济效益,如高端服饰、体育用品、高尚家具品牌的建立。第四类,6个,纺织业,黑色金属冶炼和压延加工业,非金属矿物制品业,造纸及纸制品业,水的生产和供应业,化学纤维制造业。增加值规模4.75%,就业规模8.46%,碳排放规模12.89%,就业系数0.0595,碳排放强度1.37282,属于典型的高碳低效产业,是今后广州发展需要重点控制的产业,关停部分高碳产业,提高技术降低碳排放强度,如通过环保搬迁、园区集聚和技术升级,提高造纸工艺技术水平,开发各类高档新闻纸和高档文化用纸,进一步发展广州特色的高档印刷业。第五类,2个,电力、热力的生产和供应业,石油加工、炼焦和核燃料加工业。碳排放高达68.12%,是工业碳排放的主要来源,同时也是碳排放强度最大的两个产业,碳排放强度高达3.18吨/万元,为平均碳排放强度的5.3倍;增加值规模为13.20%,就业系数低,就业人数仅占1.84%。上述产业为经济效益较高,但碳排放较大的产业,对就业的拉动不大,产业的增长对碳排放的依赖较大,增长方式不够“低碳”,通过技术革新,大力降低碳排放强度的潜力还很大。

3结论与建议

3.1结论通过上述产业分析可见,产业结构调整对广州发展低碳经济,提升城市生态竞争力具有重要意义。总体上来说,第一产业所占的比重略有增加,由2003年的1.60%提高到2012年的1.95%,这与农业机械化水平的提高有关;第二产业和第三产业变化最大,第二产业碳排放量由2003年的59.09%降低到2012年的42.05%,而第三产业则从2003年的24.48%提高到2012年42.49%,2012年第三产业碳排放首次超过第二产业,同时第三产业的增加值贡献率高达64.3%,说明广州市产业结构调整取得了阶段性成果。第二产业中工业部门众多,其内部各行业碳排放相差较大,本文通过聚类分析将其分为五类。第一是优先发展行业,汽车制造业,化学原料及化学制品制造业。该类产业产值规模大,经济效益好,碳排放强度低,就业人数较多。第二是重点发展行业,燃气生产和供应业,烟草制品业,有色金属冶炼和压延加工业,农副食品加工业,计算机、通信和其他电子设备制造业,电气机械及器材制造业,金属制品业,仪器仪表制造业,专用设备制造业,食品制造业,医药制造业,酒、饮料和精制茶制造业,铁路、船舶、航空航天和其他运输设备制造业,通用设备制造业。该类产业科技含量高,产值规模较大,吸纳就业的能力较强,同时碳排放强度较低。第三是优化发展行业,皮革、毛皮、羽毛及其制品和制鞋业,印刷业和记录媒介的复制,木材加工及木、竹、藤、棕、草制品业,纺织服装、服饰业,文教、工美、体育和娱乐用品制造业,家具制造业,其他制造业,橡胶和塑料制品业。该类产业大部分属于轻工业,就业系数较高,碳排放强度较低,但经济效益偏低的产业,关键在于提高技术,打响品牌。第四是限制发展行业,纺织业,黑色金属冶炼和压延加工业,非金属矿物制品业,造纸及纸制品业,水的生产和供应业,化学纤维制造业。属于典型的高碳低效行业,除水的生产和供应业作为国民经济运行必须发展外,其他行业应重点监控,关停部分行业,引导行业走低碳化道路。第五是深化发展行业,电力、热力的生产和供应业,石油加工、炼焦和核燃料加工业。该类产业作为能源供应业,虽然属于高碳排放产业,但是能源是作为国民经济运行的基础,今后需要加快发展石化深加工、提高低碳技术水平,发展核能、风能、潮汐能等能源,满足市场对清洁能源的需求。

碳排放论文范文第2篇

考虑到实体经济与碳排放影响的关系,本文选取以下经济指标来衡量城市化工业化水平。城镇化率;采取非农人口占总人口比重来度量,记为city。人均GDP;在模型中取人均GDP的对数形式,记为pgdp。建筑业总产值;模型中采用对数形式的总产值,记为building。规模以上工业产值;为便于统计,模型采用规模以上工业产值,同时取对数形式,记为in⁃dustry。能源强度;即每一单位GDP产出的能源消费量,值越高,表示经济活动的能源效率越低,碳排放量相对越多,记为energy。4.模型引用空间DURBIN模型是近几年发展起来的空间计量经济模型。模型考虑了因变量和自变量的滞后影响,能较好地反映空间外部性和溢出性,对空间经济集聚与扩散研究有较大解释能力(Anselin,1988)。式(2)中yit是i省t年二氧化碳排放量;W是0-1空间邻接矩阵;xit是解释变量向量,xit指i省t年数值;In是n阶单位矩阵;ρ,β,θ,α是待估参数,μ是随机误差项。

二、实证分析

实证部分主要运用空间DURBIN模型对我国区域碳排放的影响进行量化分析。模型中,以co2为被解释变量,以city,energy,pgdp,building,industry为解释变量,利用STATA软件进行编程计算。具体模型如下。可决系数R2为0.3530,反映模型在变量的选择上及模型整体构建上基本上符合预期。因变量的空间滞后回归系数为0.1264,在0.01的水平上不显著为正,这反映了我国相邻的各省市间碳排放存在空间依赖性,但并不十分显著。我国区域碳排放的空间影响因素分析:城镇化率对碳排放的回归系数显著为正,在其他因素不变的情况下,城镇化率每提高1%,碳排放增加5.4%;城镇化率的空间滞后项系数为-0.072,显著为负,表明城镇化率对区域间碳排放存在显著的挤出效应,这表明相邻省市相同的城镇化率会形成竞争态势,使相邻区域碳排放量受到影响。

能源强度对碳排放的回归系数显著为正,能源强度每降低1吨标准煤/万元GDP,碳排放降低11.5%;能源强度的空间滞后项系数为0.0337,显著为正,表明能源强度对区域间碳排放存在显著的溢出效应。人均GDP的对数对碳排放的回归系数不显著为负,人均GDP的对数每增加1个单位,碳排放降低4.1%;人均GDP的对数形式的空间滞后项系数为-0.1735,但不显著,这表明人均GDP对相邻区域间碳排放不存在显著的挤出效应,这也表明人均GDP增加并不意味着相邻区域碳排放会增加。建筑业总产值对碳排放的回归系数显著为正,建筑业总产值的对数每增加一个1个单位,碳排放增加0.74%;建筑业总产值的空间滞后项系数为0.102,但不显著,这表明建筑业总产值对相邻区域间碳排放存在不显著的溢出效应。规模以上工业产值对碳排放的回归系数显著为正,规模以上工业产值的对数每增加一个1个单位,碳排放增加0.24%;规模以上工业产值的空间滞后项系数显著为负,表明规模以上工业产值对区域间碳排放存在显著的挤出效应,这表明相邻省市相同的规模以上工业产值会形成竞争态势,资本等生产要素要流向更有利于增值的地方。

三、结论与建议

碳排放论文范文第3篇

1.数据来源。本文选择的样本时间区间是1980-2013年,数据主要来源于历年《四川省统计年鉴》和统计公报。

2.指标的选取。本文选择产业生产总值、产业资本存量和产业就业人数三个指标来评价产业结构的发展情况;本文结合Kaya模型和碳的化学燃烧公式法来测量碳排放。各指标具体如下:

2.1产业生产总值。本文采用的各次产业生产总值的数据主要来源于《四川省统计年鉴》历年公布的的当年GDP。用GDPit表示四川省第i次产业在t年的国内生产总值。

2.2产业资本存量。本文采用国际上普遍使用的永续盘存法来衡量四川省的资本存量,该方法由Goldsmith在1951年开创,该方法的计算公式为。公式中,i=1,2,3分别表示第一、二和三次产业;Kit表示第i个产业在第t年的资本存量;Kit-1表示第第i次产业在第t-1年的资本存量;Iit表示第i次产业在第t年的投资,δit表示第i次产业在第t年的折旧率。目前,国内学者对于资本存量基期的确定,大多数选择1952年或1978年作为基期,本文以1978年作为基期。对于折旧率的确定,国内学者的选择差异较大,如黄勇峰等(2002)选择设备、建筑的折旧率分别为17%、8%;张军等(2004)选择各省份的折旧率为9.6%;杨格(Young,2000)、龚六堂和谢丹阳(2004)的选择分别为6%和10%,本文的折旧率定为上述学者选择的算术平均数为10%。对于当年投资的确定,国内学者中张军和章元(2003)采用积累的概念及其相应的统计口径确定;王小鲁(2000)采用全社会固定资产投资作为当年的投资;还有用资本形成总额或固定资产形成总额作为当年的投资,本文采用第三种方法即四川省当年的固定资本形成总额作为当年的投资。

2.3产业就业人数。本文中各产业就业人数来源于四川省历年统计年鉴,用itlabor(其中i=1,2,3)表示四川省第i次产业在第t年的就业人数。

2.4碳排放量。目前我国没有碳排放量的直接监测数据,对于碳排放量的计算,学术界没有统一的标准,本文结合Kaya模型和碳的化学燃烧公式法来计算四川省的碳排放量。Kaya模型是由日本学者YoichiKaya提出的,该模型将经济发展、人口和政策等因素与人类活动产生的二氧化碳联系起来,分析地区的碳排放量和该地区的能源消费结构因素、各类能源的排放强度、能源的利用效率、经济的发展因素以及人类的活动的关系。公式中,P为人口,E/GDP表示单位能源使用强度,CO2/E表示碳排放强度即碳排放系数。碳的化学公式法是使用碳的化学燃烧公式:C+O2=CO2,从化学角度来测算能源消耗产生的碳排放。碳的燃烧值约为34070kj/kg,每吨标准煤消耗释放的热量约为29302kj,因此可以计算出消耗每吨标准煤释放出的二氧化碳。然而国内外学者发现标准煤含有硫、氮等元素会影响碳排放的测算,因此,本文结合两种方法计算出的每吨标准煤的碳排放系数的算术平均数作为本文每吨标准煤的碳排放系数为2.499。公式中,itcarbon(i=1,2,3)表示四川省第i次产业在第t年的碳排放量,单位为万吨;tcarbon表示四川省在第t年的碳排放量;GDPt和GDPit分别表示四川省在第t年的国内生产总值和第i次产业的国内生产总值。

二、模型的设定

鉴于本文中各经济变量数据较大,并且尽量减少或消除异方差对回归结果有效性的影响,本文对各变量取自然对数构造如下的面板数据计量模型。表示四川省第i次产业在第t年资本存量、劳动力和碳排放量的对数值;表示截距项,表示回归系数,表示残差项。

三、实证结果及分析与结论

1.回归结果及分析表1四川省各产业碳排放与产业结构回归结果由表1可知:对于第一产业,评价第一产业发展情况的三个因素GDP、资本存量和就业人员数量均通过了5%显著性水平的检验,且第一产业GDP与第一产业碳排放呈正相关关系,回归弹性系数达到0.8524,表示第一产业产值每增加1%就会导致第一产业碳排放增加0.8524%;而第一产业的资本存量和就业人员数量对第一产业的影响却呈现出负相关关系,相关弹性系数分别为-0.5134和-0.5285,这说明第一产业的资本存量和从业人数的增加不会导致碳排放的增加。对于第二产业,第二产业的资本存量对第二产业的碳排放通过了10%的显著性检验,其他变量均通过了5%的显著性水平检验,总体而言,各变量对于碳排放的影响是显著的。其中,第二产业的GDP对第二产业的碳排放影响最大,相关弹性系数达到1.5631,远远高于其他两个变量的影响,而且远远大于第一、三产业对碳排放的影响,表明四川省的第二产业中,三高(高能耗、高污染、高排放)企业居多,反映第二产业的发展结构不合理。对于第三产业,第三产业的所有变量均通过了5%的显著性水平检验,第三产业产值与碳排放呈正相关关系,弹性系数为0.6796,在各产业中对于碳排放的影响最小,且第三产业的资本存量和从业人员与第三产业的碳排放呈负相关关系,与第一产业一致。

碳排放论文范文第4篇

1.1能源消费碳排放核算根据《2006年指南》关于能源消费碳排放核算公式和张兰[19]等学者的研究,能源消费主要考虑煤炭、石油、天然气,此外还包含少量的风能、生物质能、核能等,由于其他能源对环境影响较小,不予考虑。核算能源消费碳排放的公式。式中,E-C为能源消费碳排放量;Energyi为第i种能源的消费量;αi为第i种能源转换因子,即根据净发热值将燃料转换为能源单位(TJ)的转换因子;CCi为第i种能源碳含量(t/TJ),即单位能源的含碳量;NCi为第i种能源的非燃烧碳,即排除在燃料燃烧以外的原料和非能源用途中的碳;10-3为单位转化系数;COFi为第种能源的碳氧化因子,即碳被氧化的比例,通常缺省值为1,表示完全氧化。将上述公式进一步简化,可得到计算中更为简便且实用的公式:。式中,βi为第i种能源的碳排放系数,即单位能源的碳排放量。国内外开展能源碳排放系数研究主要有国家科委气候变化项目、国家计委能源所、日本能源经济研究所、美国能源部、DOE/EIA等,本文研究中选取几项权威系数的均值作为计算系数,详细情况见表1。

1.2农业碳排放核算IPCC有关农业生产碳排放的论述多集中于生物活动产生、土壤碳和水稻的甲烷排放,而关于农业生产物质投入导致碳排放的研究不多。结合我国和湖南省农业生产特点,以《2006年指南》为主要参考,结合田云[2,22]等基于投入视角的农地碳排放测算研究,确定农业生产碳排放源包括:稻田、化肥、农药、农膜、牲畜活动。由于农业机械动力相关的碳排放已在能源消费碳排放核算中涵盖,为避免重复,此处不再涉及。构建农业物质投入碳排放核算公式为。式中,A-C为碳排放;i为第i种农业生产要素投入;εi为第种农业生产要素碳排放系数。农药等农业生产要素碳排放系数参考美国橡树岭国家实验室等机构和学者的研究成果,见表2。水稻生长过程中会释放大量甲烷,而甲烷是IPCC公布的六类温室气体之一。水稻是湖南省种植面积最大的农作物,因此核算湖南省农业生产碳排放需要考虑水稻生长的碳排放。Wang[23]、Cao[24]、Matthew[25]等学者测算了稻田甲烷排放系数,结果为0.44gCH4/(m2•d)、0.44gCH4/(m2•d)、0.50gCH4/(m2•d),研究将三者的算数平均值作为计算系数,即0.46gCH4/(m2•d)。根据2007年IPCC第四次评估报告的相关内容,1单位甲烷与1单位二氧化碳温室效应比为25∶1,据此可确定甲烷与碳的转换系数为6.82,结合稻田甲烷排放系数,确定稻田碳排放系数为3.136gC/(m2•d)。湖南省水稻生长周期为120—150天,研究选取平均值135天为计算标准。稻田碳排放计算公式为。式中,R-C为稻田碳排放量;S为水稻播种面积。根据《2006年指南》第四卷第10章关于牲畜和粪便管理过程碳排放的相关论述,畜牧业尤其是诸如牛、羊等反刍动物生长过程中会产生大量的甲烷,具体而言包括肠道发酵和粪便管理两部分。参考田云[12]等学者的研究,我国畜牧业产生甲烷排放的主要牲畜品种有牛、马、驴、骡、猪、羊,以IPCC给出的排放系数为依据,运用上文所述的甲烷—碳转换系数,建立我国主要牲畜碳排放系数见表3。畜牧业碳排放计算公式为:。

1.3废弃物碳排放核算根据《2006年指南》第五卷有关废弃物的分类研究,温室气体排放源主要有四类:固体废弃物生物处理、废弃物的焚化与露天燃烧、固体废弃物填埋处理、废水处理与排放,固体废弃物填埋处理(即SWDS)是废弃物温室气体的主要来源。固体废弃物被掩埋后,甲烷菌可使废弃物所含有机物分解产生甲烷气体。由前文可知,甲烷是主要温室气体之一,且产生的温室效应比二氧化碳强。据IPCC相关研究估计,全球每年约3%—4%的温室气体来源于废弃物填埋处理产生的甲烷。《2006年指南》推荐使用一阶衰减法(FOD),一阶衰减法能获得更好的测算精度。根据《2006年指南》和渠慎宁[3]等学者的研究,本研究给出固体废弃物填埋处置产生甲烷量的一阶衰减法的估算公式。

2数据来源与处理说明

2.1数据来源农业生产中涉及的水稻种植面积、化肥、农药、农膜数据来自2001—2011年《中国农村统计年鉴》和能源数据来自湖南省能源平衡表;农业生产中各类牲畜数量来自历年《湖南省统计年鉴》;工业废弃物和城市固体垃圾数据来自国研网统计数据库,确实部分运用插值法根据历年数据补充完整(限于篇幅,方法介绍略);土地利用数据来自国研网统计数据库,经济数据来自相关年份的《湖南省统计年鉴》,按2000年不变价格参与计算。

2.2处理说明根据《土地利用现状分类》和赵荣钦等学者的研究,承载碳排放的土地利用类型包括耕地、牧草地、农村居民点用地、城镇居民点及工矿用地、交通水利和其他用地。研究将根据碳排放发生载体,本文将其分解到具体的用地类型,畜牧业按照食物来源将牲畜活动分属于耕地和牧草地,用地类型与碳排放源对应关系见表4。

3结果分析

3.1碳排放总量与时序特征根据上述公式,我们对湖南省的碳排放总量进行了测算,结果见表5。2011年湖南省碳排放总量为10377.79万t,比2000年的3504.60万t增长了196.10%,远低于同时期GDP增速(500.21%)。从碳排放来源分析,2011年湖南省碳排放的主要来源仍然是能源消费,占总量的95.69%,达9930.06万t;其次是畜牧业碳排放,占总量的2.43%,达2523.01万t;种植业碳排放站总量的1.78%,达184.76万t;废弃物碳排放最少,仅为碳排放总量的0.10%。根据IPCC给出的《2006年指南》,全球能源消费占碳排放总量比例的平均水平为75%,湖南省能源消费碳排放占比远高于参考值,说明湖南省的能源消耗量较大,节能减排的形势严峻。本研究重点测算了湖南省2000—2011年的碳排放总量,通过分析其时序和结构变化特征探讨了湖南省新世纪初期经济发展对环境的影响。研究时序内湖南省碳排放逐年增加(表5),且增速持续上升,年均增长率10.37%,低于GDP的年均增长率(17.69%)。湖南省碳排放的结构特征也发生了较大变化,2000年能源消费仅占碳排放总量的77.29%,随后逐年上升,直至2008年超过90%,2011年达到总量的95.69%,能源消费对碳排放的影响逐渐增强,湖南省经济发展对能源消费的依赖日益突出,暴露了较为严重的经济发展质量问题。种植业碳排放占比逐年下降,比2000年降低了4.12倍,对碳排放总量的影响逐渐变小。畜牧业碳排放在碳排放结构中处于第二位,2000占比高达13.36%。随着能源消费碳排放的迅猛增加和畜牧业自身的萎缩,畜牧业碳排放占比也逐年下降,比2000年降低了4.50倍;废弃物在总量中的比例一直较低,2000年占总量的0.23%,随后逐年下降,2011年仅为0.10%。

3.2土地承载结构特征与效应分析根据以上有关土地承载碳排放来源的描述,本研究将2011年湖南省碳排放根据其土地承载的属性进行分解,并进一步计算结构特征与碳排放强度,以期从土地利用的视角分析碳排放的来源及减排路径,具体见表6。结果显示,城镇居民点及工矿用地是最大的碳排放源,总量达7781.06万t,占总量的74.98%,且碳排放强度(碳排放与土地面积的比值,t/hm2)也最高,为263.94;交通水利及其他用地次之,碳排放强度为33.41,碳排放占总量的11.30%,为1172.40万t;其他用地类型的碳排放量较少,总计占比为13.73%;牧草地的碳排放总量虽然较少,但其强度较大,单位面积碳排放达32.22t,是仅次于城镇居民点及工矿用地和交通水利及其他用地的碳排放土地承载类型。

4结论与讨论

4.1结论从2011年湖南省碳排放测算的结果可知,能源消费碳排放是碳排放的主要来源,其次是畜牧业、种植业和废弃物。能源消费的高碳排放与湖南省产业结构不合理、产能过剩、能源过度消费有着直接的关系。尤其是新世纪初期,忽视环境问题和对资源的过度消耗是造成碳排放居高不下的重要原因。湖南省节能减排形势严峻,为配合国家碳减排的重大目标,在后续发展中应着重从优化产业结构、转变经济发展方式、淘汰落后差能、创新能源利用技术、大力发展现代农业等方面着手。研究时序内,湖南省碳排放总量逐年增加,且增速不断变快,碳排放结构中能源消耗碳排放占比逐年增加,说明湖南省在能源消耗方面存在浪费问题。畜牧业碳排放占比仅次于能源消耗碳排放,其次是种植业碳排放,废弃物碳排放最少。除能源消耗碳排放占比外,其他来源占总量的比例均逐年下降。能源消耗碳排放的迅猛增加与新世纪初期湖南省经济发展的特征有关,大量工业企业项目投入使用,产能过剩,造成了资源浪费,从而造成碳排放激增。在种植业方面,在研究时序内湖南省耕地种植面积没有明显增加,但碳排放却显著增加,这与近年来优越的农业政策有关。农业政策刺激农民积极种粮的同时也加重了农业物质的投入,如化肥、农药、薄膜等,这些都是农业碳排放的主要来源。畜牧业的碳排放降低与农业产业结构调整有很大关系,湖南省畜牧业萎缩,其产值在第一产业中的比重逐年下降,而技术创新等手段对畜牧业碳排放影响较小,因此碳排放量较最初降低。城镇居民点及工矿用地是碳排放强度最大的用地类型,其次分别是交通水利及其他用地、牧草地、农村居民点用地、耕地,城镇居民点及工矿用地集约利用度高,人口密集,且承载了主要的能源消耗碳排放,因此其碳排放强度较高。通过土地承载碳排放效应分析,可为控制碳排放提供一条新路径。即通过调控土地结构控制碳排放增加,保护其他碳排放强度较低且综合效益较高的用地类型,如林地、草地、牧草地等。

碳排放论文范文第5篇

(一)基于信息熵的行业碳排放配额分配模型信息熵可以客观衡量系统均衡性,避免人为偏好影响,近年来,信息熵被广泛应用于社会工程经济领域的系统评价和决策中。根据历史文献阅读和工业企业碳排放现状分析,总结工业企业碳排放的影响因素主要有经济水平、能源结构、能源强度和碳排放强度等。鉴于企业碳排放量的分配要考虑企业历史责任、发展要求、减排能力、减排潜力和减排效率,本文选取历史排放量、工业产值、能源结构、能源强度和碳排放强度5个指标。本文以T0年为碳排放量分配基准年,以T年为碳排放量分配目标年,根据“定总量、算减量、确定分配量”的思路,以历史沿袭法为基础,确定分配年各行业碳排放总量,在减排总量分配中体现各行业异质性和分配公平有效性。具体建模步骤如下:1.建立原始评价矩阵本文将m个工业行业设为待评价的对象,将历史排放量、工业产值、能源结构、能源强度和碳排放强度5个影响因素设为评价指标,每个对象对应这5个评价指标。2.原始矩阵归一化处理由于各个指标的含义和量纲不一,不能直接进行比较,需要进行归一化处理。不同性质的指标归一化处理方式不一,鉴于本文采用的减排分配量评价指标都是效益型指标,故进行统一归一化处理。各指标内涵和归一化处理如表1所示。

(二)基于波尔兹曼熵的企业碳排放配额分配模型在区域碳排放量分配给区域内各行业后,将行业碳排放总量分配给行业内各个企业是落实碳分配和碳减排目标的关键。本文基于波尔兹曼分布,将熵最大化的原理应用于同行业下各个企业之间碳排放量的分配。在这里,包含多个企业的单个减排工业行业类比于物质系统,单位分配碳排放量类比于物质颗粒,参与减排企业的历史碳排放量和上报未来碳排放量几何平均类比于物质单态。假设所有的单位碳排放量在同一个企业k内都产生相同的碳排放量,那么企业k的碳排放强度ek即类比于物质单态i的单态能量Ei。在这样的类比下,分配给企业k的单位碳排放量的概率和跟企业k的历史排放量和未来排放量成正比,跟企业k的碳排放强度成反比,既兼顾了历史排放责任、未来发展需求,又鼓励提高排放效率。

二、样本选取与数据来源

昆山市张浦镇位于上海、苏州、昆山之间的黄金三角地带,是“全国经济百强县”之首昆山市的经济强镇。改革开放以来,张浦镇实施外向带动战略,先后成立了德国工业园、海峡两岸食品产业园、N维空间文化产业园等特色园区,累计吸引了3400多家企业注册落户,形成了以加工制造业为主的工业城镇。2012年,张浦镇规模以上工业企业达到220家,其能源消耗占全部企业能源消耗的95%。通过对张浦镇规模以上工业企业碳排放量进行定量分配,给予企业明确碳排放量约束,不但推进了碳交易市场的建立和工作的开展,也促进了张浦镇“十二五”期间节能减排目标的实现。本文选取张浦镇规模以上工业企业为样本,考虑到张浦镇自2012年才进行规模以上工业企业网上能耗统计,本文选取2012年和2013年规模以上工业企业历史排放数据,分配2013年规模以上工业企业碳排放量。2012年张浦镇规模以上工业企业220家,2013年增加至255家,选取张浦镇2012—2013年不变的217家规模以上工业企业作为碳排放权分配企业。通过计算分析,2012—2013年期间,此217家工业企业在政府行政命令下减排11%,完全达到政府规划要求,因此本文直接使用2013年规模以上企业实际排放量作为分配总量,同时也方便对比分析分配结果的满意度。企业能耗和工业产值数据来源于张浦镇经促局统计科提供的《2012年张浦镇规模以上工业企业能耗明细》和《2013年张浦镇规模以上工业企业能耗明细》;碳排放数据以各企业各类能源消费量为依据,根据各类能源发热系数、排放系数和碳氧化率计算得到,相关系数取自《上海市温室气体排放核算与报告技术文件》推荐标准,各个分品种能源的碳排放系数如表2所示。

三、分配结果分析

(一)基于信息熵的行业碳排放配额分配结果分析本文基于信息熵理论,以2012年和2013年张浦镇规模以上工业企业碳排放数据均值,计算各行业碳排放减排系数,进而对2013年张浦镇规模以上工业行业碳排放总量进行分配。通过基于信息熵的行业碳排放分配模型公式的计算,可得各指标的信息熵值、信息量值和熵权重值,这3个参数是计算减排因子的基础。具体减排影响因素指标参数计算值如表3所示。从各个影响因素指标的信息熵值来看,工业产值信息熵值最大,熵值为0.707,说明工业产值信息量较小,行业减排能力对碳总量减排作用较小;能源结构熵值最小,熵值0.470,说明能源结构信息量较大,原煤减少使用对碳总量减排作用较大。其他因素如历史排放量、能源强度和排放强度在碳减排分配中影响越来越小。结合张浦镇2013年规模以上工业碳分配总量,通过信息熵行业碳分配模型计算可得张浦镇2013年规模以上工业各个行业碳排放配额。根据碳减排结果(图1)显示,各行业的碳减排量相对于2012年,各行业减排幅度从17.17%~0.02%不等,全行业碳减排量相对于基期2012年减排了11.01%,基本符合张浦镇发展需求和节能减排形势。如图1所示,一方面,化学原料和化学制品制造业(行业26)分配到碳减排量16.81万吨,减幅17.17%,对以煤为主的化工行业,施以严格的减排约束,有利于促进化工行业调整能源结构。其中,中盐昆山有限公司耗能占总化工行业耗能96.5%,其“十二五”期间实施节能技改可以节能21.45%,所以化工行业的碳排放减排降幅符合了行业节能潜力,该减排量切实可行。另一方面,非金属矿物制品业(行业30)分配到碳减排量8.40万吨,降幅9.27%,这对碳排放强度较高的非金属行业提出较高要求,督促企业节能减排,提高能源效率。其中,台玻集团耗能占总行业耗能81.81%,其能源审计报告显示台玻集团“十二五”期间实施节能技改项目,可以节能8.98%,考虑到中盐锅炉项目实施,台玻集团等企业将使用中盐的锅炉蒸汽,则台玻集团可以进一步节能减排,所以非金属矿物制品业碳排放降幅是合理且可行的。通过对比基于信息熵的碳排放总量行业分配和基于历史排放的碳排放总量行业分配结果如图2所示。以化工行业为例,若是基于历史排放进行碳排放量分配,其可获得87.118万吨的分配量,多出5.207万吨。这种情况下,虽然分配标准考虑到行业发展需求,但是分配存在不公平性,政府仿佛在变相鼓励高排放企业进行碳排放,此碳分配量可能得不到其他企业认同;另外,企业获得高排放权利,其节能减排动力不足,企业不会主动提高能源效率,行业碳排放强度难以下降,难以完成全行业的节能减排目标。基于信息熵的分配方法考虑了化工行业历史责任和行业减排潜力,分配结果使化工行业的碳排放量更加合理。进一步通过对比基于信息熵的碳排放总量行业分配和基于按比例分配的碳排放总量行业分配减排占比,如图3所示。经计算发现,按相同碳减排比例(本文的减排分配比例是11.01%)分配得到的各行业碳排放量和按历史排放分配得到的分配量结果是一致的。在按等减排比例分配情况下,此分配标准没有考虑各个行业的异质性,各个行业的减排能力和减排潜力是不一致的,对于能源效率低下的化工行业和能源效率相对较高的通信电子行业都采取一刀切的分配方法,是粗放不合适的。综上,基于信息熵的碳排放量分配相对于基于历史排放和基于等减排比例的分配更加公平有效,主要是由于信息熵方法基于行业异质性,客观考虑了行业发展需求、减排能力和减排潜力,其分配结果更加符合实际。

(二)基于波尔兹曼熵的企业碳排放配额分配结果分析基于上述行业碳排放配额分配结果,通过玻尔兹曼熵,计算张浦镇规模以上工业企业2013年碳排放量分配额。鉴于数据可得性,C0i使用企业2012年和2013年碳排放量的几何平均;ei使用企业2013年碳排放强度,以体现企业最新排放效率,贴合企业实际需求和要求;β由2012年和2013年历史碳排放量,通过最小二乘法模拟计算取得(即使Y值最小),各个行业β计模拟结果如表4所示。根据各行业的最优β值,进一步计算得出各个行业内企业的碳排放配额。根据各个行业内企业的碳排放量分配结果看出,各个企业获得的碳排放分配量相对于基期2012年排放量,减排幅度不等,不仅由于行业异质性,也考虑行业内企业的发展需求和碳排放效率。对于化学原料和化学制品制造业(行业26),对该行业下15家企业碳排放量的分配中,通过最小二乘法的β模拟最优值为0。通过计算,如图4所示,分配结果与历史排放均值成正比,分配结果相对于企业2013年实际排放值和2012年历史排放值比较没有很大波动。此时β取值为0,企业分配到的碳排放配额基本满足企业自身生产需要,企业之间碳交易成本最低。若适当提高β取值,可以进一步奖励高排放效率企业,惩罚低排放效率企业,不过增加了本行业下企业的碳交易成本。本文此处β取值为0,中盐公司虽然碳排放强度高,但是作为国营企业,已经进行节能改造,能源效率迅速提高,若减排后多出的碳排放配额,既可以用于进一步扩大生产,提高行业高效率产能占比,从而改善了行业的资源配置,提高了整个行业的碳排放效率;也可以通过碳交易市场出售给其他减排成本较高企业,获得利润,进一步改善生产结构。其他化学制品公司碳排放强度不高,在政府部分鼓励和补贴下,可以积极申报政府节能技改项目,以进一步提高碳排放效率。对于橡胶和塑料制品业(行业29),在对该行业下16家企业碳排放量的分配中,通过最小二乘法的β模拟最优值为0.514。通过计算可得各个企业2013年碳排放配额,相对于企业2012年和2013年历史排放几何平均值,分配减排量比从-22.77%~13%不等,由图5所示,在总量控制下,橡胶和塑料制品业下各企业分配到的减排比例和企业排放强度成正向关系,企业碳排放强度越高,企业分配得到减排量越大。此时的β取值,不仅使得企业碳交易成本最低,同时奖励了高排放效率企业,惩罚了低排放效率企业。随着β值取值越小于0.514,则企业分配到的碳排放量更接近历史排放均值;随着β值取值越大于0.514,企业因碳排放强度受到的惩罚和奖励就更大。β取值0.514,企业间碳交易成本最小。分配到较少碳排放配额的企业需要通过提高能源效率,降低碳排放需求,或者通过碳交易市场购买碳排放配额;分配到较多碳排放配额的企业,可以通过碳交易出售给减排成本较高的企业,也可以自己储备用来扩大优质生产力。例如,和进塑胶电子有限公司,2013年碳排放强度为0.686吨CO2/万元,碳排放效率行业最低,分配获得13%的碳排放减量;而贺升电子有限公司,2013年碳排放强度为0.016吨CO2/万元,碳排放效率行业最高,分配获得22.77%的碳排放增量。在此情况下,和进塑胶电子有限公司必须进行节能减排工程项目实施,提高碳排放效率,降低碳交易成本;而贺升电子有限公司则可以出售碳配额获益。综上,在同一个行业下使用基于玻尔兹曼熵的企业碳排放配额分配法,以最小交易成本为目标,考虑了企业未来发展需求,达到奖励高排放效率企业,惩罚低排放效率企业,分配结果更易被企业接受,也推动了张浦镇节能减排工作顺利完成。

四、主要结论

碳排放论文范文第6篇

通过实验结果可知,熟料中含有极少量未分解的碳酸盐和未燃烧的有机碳.使用同位素可以确定无机碳和有机碳是来源于生料还是燃煤,但使用该法费用将大幅增加.如分别考虑生料、熟料、燃煤和窑灰中的无机碳和有机碳,则可以规避该问题,使结果更为准确.

1.1新型干法碳排放分类的结果分析与排放因子测算使用23条新型干法生产线的样品数据对校正后的结果进行分析与排放因子测算.由于新型干法窑的窑灰大部分都会入窑,而旁路放风粉尘的成分又近于熟料[25],因此新型干法窑的排放因子只考虑窑尾生料、窑头熟料和燃煤中的无机碳和有机碳含量即可.新型干法窑的生料、熟料和燃煤中的无机碳和有机碳含量及分析见表2.在考虑碳酸盐分解率和有机碳燃烧率之后,所得我国新型干法工艺的无机碳排放因子为522kgCO2/tcl,有机碳排放因子为265kgCO2/tcl,碳排放因子为787kgCO2/tcl,该结果较主流分类的结果832kgCO2/tcl低近50kgCO2/tcl.

1.2立窑碳排放分类的结果分析与排放因子测算立窑属于高能耗、高污染的落后工艺,但是由于我国地域幅员辽阔,各地经济发展和资源存储、开采情况不平衡,该种生产工艺仍存在于我国的部分省市区.立窑生产企业用13条生产线进行样品分析与排放因子测算,立窑生料、熟料和窑灰的无机碳、有机碳含量及分析见表3.如前所述,由于立窑生料中燃煤的配入,全黑生料中的有机碳会较白生料、半黑生料或新型干法生料的有机碳高很多,对45个全黑生料样本(包括其他生产线的全黑生料样本)数据进行单样本t检验,全黑生料有机碳含量的95%置信区间为5.47%~6.19%,平均值为5.83%,其统计分析见图2.校正后计算得我国立窑工艺的无机碳排放因子为505kgCO2/tcl,有机碳排放因子为334kgCO2/tcl,碳排放因子为839kgCO2/tcl,该结果较主流分类921kgCO2/tcl低近90kgCO2/tcl.通过上述的标准偏差可看出,不同厂家或不同生产线的窑灰中碳酸盐含量相差较大.13个窑灰样品中的碳酸含量的变异系数为44.14%.因此,不同生产线的窑灰煅烧程度相差较大.

2讨论

2.1燃煤中的碳含量水泥用煤分析主要包括水分、灰分、挥发分、发热量和全硫以及煤灰成分等,通常不涉及煤中有机碳和无机碳的问题.煤中碳酸盐二氧化碳的含量一般为0~3.5%.如考虑煤中的碳酸盐二氧化碳,那么煤燃烧的CO2排放量计算公式应为:EFCO2=(COC×44/12+CIC×44/60)(其中COC为生产单位熟料所需燃煤中的有机碳;CIC为生产单位熟料所需燃煤中的碳酸盐;44/60为碳酸盐到CO2的转换系数).因此,如果按照EFCO2=Cdef×44/12[27]来计算煤燃烧的CO2排放量会使结果偏大.燃煤灰分的钙、镁和碳酸盐回归分析表明(n=19),R2=0.129拟合质量较差,但是灰分钙、镁和燃煤碳酸盐均符合正态性检验(P=0.122)和常数方差检验(P=0.461).因此,煤中的钙和镁还会以其他形式存在,例如钙会以硫酸盐(主要是石膏)、磷酸盐、硅酸盐和有机状态存在,镁会存在于黏土矿物中或以有机态存在[28].该问题也说明了对直接排放进行校正后来进行碳排放因子测算的合理性.

2.2熟料的烧失量及其中的碳酸盐和有机碳烧失量是物料在水泥窑煅烧过程中失去结晶水,碳酸盐分解释放CO2,硫酸盐分解释放SO2以及有机杂质被排出后物量损失的过程.图3为新型干法窑和立窑的生料和窑灰烧失量与有机碳和碳酸盐二氧化碳之和的关系对比图.由图3可知,窑灰的烧失量与有机碳和碳酸盐二氧化碳之和的线性关系(R2=0.9707)要高于新型干法窑(R2=0.0270)和立窑(R2=0.0902)生料的3种化学成分的线性关系,这可能与不同生料样品间的挥发损失相差太大等因素有关;由图3还可看出,无论是新型干法还是立窑,不同生产线间的生料烧失量都相差无几,所以除生产单位使用替代原料和替代燃料等特殊情况外,企业间的生料配料相差不多.由于窑灰相当于10%~20%的熟料成分,其中的结合水等挥发物质几乎不存在,因此可将熟料烧失量近似看成碳酸盐二氧化碳和有机碳之和.对87个新型干法和57个立窑熟料样本(含上述23新型干法生产线和13条立窑生产线的熟料样品)进行单样本t检验.结果表明,两种水泥窑熟料烧失量的95%置信区间分别为0.45%~0.65%和1.12%~1.65%.由此可见,立窑熟料烧失量明显高于新型干法窑熟料烧失量,并且与立窑熟料的无机碳和有机碳含量均高于新型干法窑熟料的无机碳和有机碳含量(表2和3对比)趋势相一致.对于新型干法窑,熟料中碳酸盐和有机碳的存在应该与生料的粉磨粒度,预分解窑内物料的运动速度、停留时间和物料填充以及回转窑内的鼓风情况(如窑内气体流速和企业所处的纬度、海拔-纬度、海拔高,氧气稀薄,鼓风量需增大)、传热(包括燃料、物料、窑衬和窑皮之间)等因素有关[29];对于立窑工艺,其巨大的能量损耗和料球的物理性质、窑内流场、温度场等原因都可能导致燃料的不完全燃烧[30],生料成球不理想、鼓风较差和卸料较快等原因应该是熟料中存在碳酸盐和有机碳的主要原因.熟料中无机碳和有机碳的存在表明,对直接排放进行校正后再进行碳排放因子测算会更合理且更准确.

3结论

碳排放论文范文第7篇

(一)脱钩模型本文研究主要基于Tapio脱钩模型。公式(1)中tco2,gdp表示脱钩弹性指标,分别以碳排放量与经济增长的正负状况、弹性值大小来说明经济增长是否与二氧化碳排放的脱钩状态。脱钩指标体系见表1。

(二)二氧化碳脱钩弹性分解量化模型1.脱钩链式因果分解模型为解决Tapio指标缺乏对二氧化碳“脱钩”内在机理的深入分析和研究的缺陷,以便能为评价和制定准确、全面的低碳经济发展措施、政策及战略提供相应的理论依据。可以加入适当的中间媒介,将公式(1)进行链式因果分解[8][9]。由于工业在甘肃省国民经发展的特殊地位,故将全省能源消费量和工业产值指标作为中间变量,将弹性值分解为减排脱钩、工业节能、产业发展三个指标,公式为。公式(2)中,ΔCO2为二氧化碳排放变化量,ΔE为能源变化量,ΔGIO为工业总产值变化量,ΔGDP为历年地区总产值变化量。虽然通过分解可以找出影响甘肃省经济增长与二氧化碳排放脱钩的相关因素的脱钩弹性状况,便于采取相应的措施进行碳减排。但该式应用的局限性也很明显,很难将其他指标如城镇化等纳入分解式中进行更加细致的分析,故第二步我们引入LMDI分解法。2.LMDI因素分解脱钩模型本文根据扩展的Kaya恒等式将二氧化碳排放量进行因素分解,并参考已有文献[10]的LMDI(Log-MeanDivisiaIndex)分解方法,根据甘肃省实际情况加入工业化和城镇化因素后,构建甘肃省经济增长与二氧化碳排放脱钩分解模型。根据CO2排放量的基本公式可知。公式(3)中,CO2为二氧化碳排放量,主要指化石能源的排放量;E为能源消费总量;GIO为工业生产总值;GDP为地区生产总值;PC为城镇人口数量;P为地区总人口;F=C/E,为能源结构碳强度;I=E/GIO,为能源强度;G=GIO/GDP,为工业化率;A=GIO/PC,为城市人均工业产值;Z=PC/P,为城市化指数;P表示人口数量。公式(4)中:ΔCf为能源结构碳强度因素;ΔCi为能源强度因素;ΔCg为工业化程度因素;ΔCa为经济发展因素;ΔCz为城镇化因素;ΔCp为人口因素;ΔCd为分解余量。它们分别为各因素变化对CO2排放总量变化的贡献值。根据Ang[11]提出的LMDI方法。

二、数据来源与说明

研究采用的基础数据如GDP、人口、能源消费量、工业总产值等均来自历年《甘肃省统计年鉴》和《中国能源统计年鉴》,为了使得出的数据具有可比性,分别将地区国内生产总值按照2000年不变价格表示。其中二氧化碳排放量的计算公式为。

三、计算结果与分析

(一)脱钩横向对比分析总体上来看(表3),甘肃省历年的脱钩弹性平均值为0.629,低于中国总体平均值0.708,二者均为弱脱钩状态,而陕西、宁夏、青海分别为0.958、0.845、1.147,均为增长连接状态。只有新疆为1.719处于增长负脱钩状态。从时间段来看,在“十五”期间,陕西、宁夏、青海、新疆分别为1.048、0.452、0.823、0.636,而甘肃省为0.792,脱钩状态良好。“十一五”期间陕西、宁夏、青海、新疆分别为0.944、0.847、1.333、2.897,甘肃省为0.385,只有甘肃省和陕西省脱钩指标值降低。从甘肃省来看,甘肃省脱钩弹性由“十五”期间的0.792下降到“十一五”期间的0.385。同期中国总体脱钩弹性也由“十五”期间的0.835下降到“十一五”期间的0.569,这说明甘肃省脱钩状态与中国总体水平同步变动,且优于全国平均水平。2001年到2011年间,甘肃省经济增长与二氧化碳排放总体上处于“弱脱钩”状态,二氧化碳排放总量与经济增长呈正相关关系。该期间甘肃省GDP的平均增长速度为12.54%,而二氧化碳排放总量的平均增长速度为8.34%,GDP增速高于二氧化碳排放增速,这使甘肃省总体处于“弱脱钩”状态。其中2009年为强脱钩状态,即经济总量增长的同时,二氧化碳排放量比往年降低了。在甘肃省总体脱钩弹性值降低的情况下,在2011年反弹到1.030呈增长连接状态,即二氧化碳排放的增长率快于经济总量的增长率。

(二)脱钩链式因果分解根据公式(2),计算可得到减排脱钩、工业节能、产业发展三个脱钩效应指标,结果见表4。从减排脱钩指标来看,总体呈增长负脱钩和弱脱钩状态,说明甘肃省能源消费量的变动率低于能源二氧化碳的排放速率,能源碳强度脱钩状态不理想。这一方面是因为甘肃省经济增长主要依赖工业,而工业主要以煤炭、石油等化石能源为主;另一方面也与碳减排技术利用不理想有较大关系。从工业节能指标来看,总体呈现弱脱钩状态,说明甘肃省能源利用效率状况良好,不是影响脱钩指标的主要原因。其中,2009年工业节能弹性为-45.543,为强负脱钩状态,这是因为这一年工业总产值增速远低于能源消耗的增速。从产业发展指标来看,总体呈增长负脱钩状态,工业总产值增速快于甘肃省国内生产总值的增速,表明了甘肃省工业在三次产业中的比重过大是影响脱钩指标变动的另一个重要原因,这与减排脱钩指标计算的结果相一致。

(三)LMDI脱钩弹性分解根据公式(7)计算出能源结构碳强度、能源强度、工业化、经济发展、城镇化以及人口六个效应对应的分解脱钩弹性指标,结果见表1和表5。从历年各指标贡献率的平均值(表5)大小来看,影响经济增长和碳排放脱钩弹性指数的最重要因素是经济发展效应和能源强度效应,其中经济发展脱钩弹性指标影响为正值为0.827、而能源强度脱钩弹性指标影响为负,贡献率均值为-1.086。这说明甘肃省在能源的利用效率上较高,即单位工业产值的能耗指标良好。城镇化、工业化、能源碳强度指标对总体脱钩弹性贡献均值均为正值,分别为0.689、0.402、0.232,而人口数量脱钩弹性的影响不大,仅为0.036。由此可以看出城镇化的加快对甘肃省二氧化碳的排放有较大的促进作用。在已有文献中,对于城镇化与二氧化碳的排放的关系上有两种观点,一种认为城镇化有利于碳减排,另一种却持相反态度。其争论的关键在于城镇化是否真正起到了规模经济效应[12]。2011年底甘肃省城镇化率为36.1%,西部地区为43.0%,全国为51.27%,甘肃省城镇化率水平过低。此外,由于受地理位置、地形地貌、矿产资源、经济实力和历史文化等诸多因素的影响,甘肃生产力布局和城镇分布不均衡,城镇化水平全省差异很大。甘肃省城镇体系不突出,具有单一的行政职能和资源型小城镇过多,基础设施不完善,对区域辐射带动作用较弱,难以形成规模经济和集聚经济优势。故在碳减排上,资源消耗型的小城镇难以负担高昂的成本。故总体来说,甘肃省城镇化质量不高是抑制了经济增长与二氧化碳排放的脱钩的一个重要原因。工业化效应指标贡献率历年趋势不明显,但其均值为正,说明总体对脱钩状态具有抑制作用,这与链式因果分解的结果一致。能源碳强度效应指标均值为正,说明其对脱钩状态具有抑制作用,但其从2001年到2011年对脱钩弹性的贡献率一直在下降,说明甘肃省能源碳排放强度效应对脱钩弹性的抑制作用正在逐渐削弱,反而正在成为有利于脱钩的因素。通过LMDI分解法得出能源强度效应是促进脱钩的主要原因,且能源碳强度效应正在成为促进脱钩的另一个重要原因。这与通过因果链式分解方法,得出的能源强度弹性处在弱脱钩状态、碳强度脱钩弹性和产业结构弹性处在强负脱钩状态一致。

四、结论及建议

碳排放论文范文第8篇

1.1交通能耗模型城市交通能源消耗测算依据城市主要交通出行方式能源消耗以及道路设施能源消耗ε:即标准煤转化系数,将所有的能源消耗转化统一的标准煤计算,有利于不同类型出行方式比较分析。具体计算模型公式如下。式中:Er能源消费总量;Ei城市i种车型能源消耗;Qt货运周转量(t•km);et货运车平均能耗强度(L/tkm);εt柴油的标准换算系数;Ni所有i类车型(v);Si0车型i年平均行驶里程(km);eio每公里i型车型能源消耗(kg);εk标准煤转化系数。

1.2碳排放模型按照汽车燃料消耗分类主要有汽油、柴油、天然气,则他们不同排放公式(4)。同时城市电动车辆在使用过程中无排放,只在源头中产生排放。则源头碳排放计算公式(5)。Fv和lv为y类能源消耗碳排放量(柴油、汽油、参数可以通过IPCC获取,天然气参数通过二氧化排放系数和每公里能源消耗等价关系获得(Haoetal.2009)[7]。Ee是交通电力能耗(kWh);χ占国热能发电的比率(中国电力联合会获取);λ热转电能碳排放系数(Ma2002)[8]基础参数如表1所示,碳排放模型参数如表1所示。

2实例测算

城市道路汽车、公共汽车、出租车、货车和其他类型车辆及道路设施能耗量估计,可以通过城市统计年鉴,及主管部门年报数据中获得。城市交通能耗测算,各类能源消耗:柴油,汽油,天然气,电力换算标准煤系数由(GB/T2589-2008)获取。其碳排放转化系数分别为2.73kg/L、3.07kg/L、2.26kg/L、1.019kg/kWh。城市各类能源年消耗量可通过统计数据查找,同时给出相关计算参数。可获得某城市碳排放量数据。同时本文以合肥市为查找相关数据例采用excel统计数据计算结果如表2。由此可看出城市交通常用出行方式中人均能耗,人均碳排放各项数据,而私家无论是人均能耗和人均碳排放都是远远高于出租车和公交车。

3结论