减少碳排放量的方法范文

导语：如何才能写好一篇减少碳排放量的方法，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

关键词：碳排放量；环境教育；农村社区；低碳行为

作者简介：路遥（1978-），云南农业大学经济管理学院讲师，研究方向：农村发展、环境教育；

孙艺嘉（1983-），云南农业大学经济管理学院助教，研究方向：环境会计。

中图分类号：G633 文献标识码：A doi：10.3969/j.issn.1672-3309（x）.2013.03.49 文章编号：1672-3309（2013）03-117-03

一、项目背景与实验设计

（一）国际趋势推动国家承诺

2009年哥本哈根世界气候大会的召开，促使各国纷纷推出了自己的减排计划。美国承诺到2020年温室气体排放量在2005年的基础上减少17%；印度承诺在2020年前将其单位国内生产总值二氧化碳排放量在2005年的基础上削减20%至25%；中国承诺到2020年单位国内生产总值二氧化碳排放比2005年下降40%至45%。

（二）行为指导促进个体参与

“碳足迹”来源于一个英语单词“Carbon Footprint”，意指以二氧化碳为主的温室气体的排放，它是个人或者团体的“碳耗用量”，是指一个人的能源意识和行为对自然界产生的影响[1]。由北京市林业碳汇工作办公室监制的个人碳足迹计算器，可以从个人生活中的衣食住行用等方面分别进行碳排放计算[2]。

计算碳足迹是评价温室气体排放的重要而有效的途径之一。碳足迹的运用，将碳足迹衡量的范畴进一步扩展到其他温室气体，即碳足迹是某一产品或服务系统在其全生命周期内的碳排放总量，包括个人、组织、部门等在某一活动过程中直接和间接地碳排放总量[3]。如今，各大网站都有碳足迹计算器的介绍应用。

碳足迹的计算有两种方法：第一种，利用生命周期评估法；第二种是通过所使用的能源矿物燃料排放量计算。考虑到在校大学生对于计算方法的理解简易程度以及和周边社区大众对概念的接受程度，项目采用后者进行碳排放量的计算[4]。

（三）实验设计结合环境教育

项目旨在通过在校大学生的同伴教育，进行关于低碳行为的知识传播与行为干预，自发产生减少碳排放量，并对大学周边的农村社区家庭进行环境教育尝试。

图1 运用“碳足迹计算器”技术路线

项目首先对在校大学生进行了不同年级的目标群体差异性和共同特性的分析。具体说来，在校大学生各个年级所处的生活学习环境差异不大，大学一年级新生，统一住8人间，每天用电时间固定，个人购买电脑人数不多，生活和学习行为尚处于探索阶段，吃、行、用方面的行为尚不稳定；大学二年级至大学四年级三个年级学生住在4人间和6人间，每天用电量不固定（各个宿舍用电量分表有记录），大部分已经购买个人电脑，已形成一个相对稳定的生活学习圈子。项目预期大学一年级学生在涉及碳排放量的行为方面与其它年级学生相比有差异性。项目还预期，在校男、女学生群体在涉及碳排放量计算的行为中也会表现出一定的差异性。

项目分宿舍类型、性别，随机选取共8间宿舍（其中4间为干预组；4间为对照组）的在校大学生作为项目的实验对象，对宿舍成员个体的碳排放数据，连续两周进行记录，统计每周的碳排放量水平，乘以52，得出个人平均年碳排放量。

个人年均碳排放量表示为：

52∑（x1y1+x2y2+x3y3+x4y4+x5y5）+∑（a1b1+a2b2+a3b3+…+an-1bn-1+anbn）+cd

其中，x分别代表食物、肉类、一次性纸碗、烟（包）、公交里程等的一周使用量；Y分别为其所对应的碳排放量的系数；a分别代表除以上几项以外的其它碳排量统计项；b分别为其所对应的碳排放量的系数；c表示每周用电量；d表示每耗1度电其碳排放的系数。

在周边农村社区实施过程中，项目成员尝试计算以家庭为单位的碳排放量的同时，更注重对社区大众的环保宣传和教育。

二、校园“碳足迹计算器”运用与创新

（一）计算公式的跟进运用

碳足迹计算器统计时间是以年为单位，统计内容包括衣、食、住、行、用五大板块，在这些板块下又包括若干方面。项目将“食”板块和“用”板块中的塑料袋、一次性碗筷、“行”板块中的公交车方面按天进行统计，统计时间为一周；耗电量则按周统计；其它则按年分项统计，最后，将不按年统计的内容折算成人均一年的碳排放量，再计算分析结果。

人均每周碳排量表示为：∑（x1y1+x2y2+x3y3+x4y4+x5y5）+cd

根据对统计数据的分析整理，形成了“大学生宿舍低碳行为建议”，在全校范围进行宣传推广；在周边农村社区，通过对家庭的碳排放跟踪调查，形成“城郊结合部家庭低碳生活行为建议”；在周边社区小学，项目团队通过与小学生的游戏、图画、日记等形式进行低碳环保教育。

（二）校园宿舍的对比实验

记录第1周结束时，项目组与干预组学生进行小组讨论，明确可以降低碳排放的行为，分发环保宣传册，指导学生从生活学习行为的点滴着手降低碳排放量，并以每节省1Kg碳排放量给予10元奖励以期干预组学生的行为有所改变。

对照组则不采取任何干预措施，仍旧按其原来行为进行数据统计。

表1 校园宿舍利用“个人碳足迹计算器”记录 （单位：Kg）

到记录第2周结束时，项目组发现干预组和对照组在个人碳排放量的数据上有明显差别。

数据显示干预组大学一年级男生个人平均减少1.2KG碳排放，其它年级男生个人平均减少1.48KG碳排放；干预组大学一年级女生个人平均减少1.13KG碳排放，其它年级女生个人平均减少1.04KG碳排放；对照组则个人平均减少0.56KG、0.17KG、0.14KG和0.65KG。

（三）实验发现及原因分析

通过两周的记录、干预和分析，项目组在校园宿舍的实验有以下几个有趣的发现：（1）干预组碳排放水平降低幅度大于对照组下降幅度；（2）同年级男生碳排放量水平低于女生碳排放水平；（3）在校大学生的个人年均碳排放量比中国人均碳排放水平低。

干预组和对照组人均碳排放量都有降低，干预组下降幅度明显高于实验组。干预组人均下降幅度都接近1Kg左右且人年均可减少约60Kg碳排放量，说明干预措施是比较有效的。

对照组下降的排放量有可能来自其它渠道的影响效果，如大众媒体、学校教育和同伴影响等；也不排除在记录期间宿舍的断电停水等外力因素。

男生群体中，低年级同学其碳排放量水平比高年级人均碳排放量少。而通过采取干预措施后，高年级男生人均碳排放量降低幅度接近其一周碳排放量水平的1/8，一年可减少约77Kg的碳排放总量。另外，低年级男生碳排放量下降幅度比同年级女生降低幅度稍大。女生群体中，低年级同学其碳排放量水平较高年级人均碳排放量少。而通过干预措施后，高年级同学人均碳排放量降低幅度比低年级同学少0.1Kg，年均可减少近55Kg的碳排放量。

究其原因，项目组认为对干预组进行小组讨论、分发宣传册、给予经济刺激等手段有利于学生认知、熟悉低碳相关知识，并养成低碳行为习惯。根据宿舍统计数据显现，女性在衣物及日常个人用品上的消耗使得其碳排放量远远高于男性。而在校大学生的集体生活使得其在能源消耗量上大大低于小单位生活的个人或家庭。

三、周边农村社区的干预活动

（一）样本农村社区调查发现

调查发现样本社区L村居民在碳排放行为方面主要有以下表现：（1）家庭塑料袋消耗量在平均每天3-5个；（2）耗电量较大的家庭，其碳排放量也相应较高；（3）拥有私车的家庭，其年均碳排放量较没有私车的家庭高；（4）家庭人均年食用肉类量大，甚至出现有家庭年食用肉类量大于家庭食用粮食量；（5）L村居民人均碳排放量低于中国平均水平，也低于发展中国家人均水平。

项目组分析L村居民的碳排放量较少的原因有：所在地昆明四季平均温度适中，即使在冬季也不必采取特殊取暖措施，节省了能源消耗；昆明有丰富的太阳能资源，L村每家都安装了太阳能，这一替代能源更是减少了碳排放量；另外，在碳足迹计算器中，家庭装修会产生较大碳排放量，L村是一个老社区，在计算时也就少了因装修而产生的碳排放量。

（二）社区调查推动知识普及

项目组与L村管理环境与教育的负责人协商后，以小学生所在家庭为核心，对社区家庭进行个人年均碳排放量调查。同时，在附近农贸市场，通过展板宣讲、分发环保袋等方式，由针对性地对社区居民进行环保教育宣传。

四、问题与启示

在运用过程中，项目组发现“碳足迹计算器”在统计时的问题，比如生活中的鞋、袜、帽等用品跟“购买衣服件数”内容接近，但如何准确计算成为问题；另外，按照一年为单位计算个人年均碳排放量水平，时间周期较长，在统计执行时可能会造成记录误差。

“碳足迹计算器”是对碳排放的一种量化手段，能够对个人年均碳排放量进行统计，能让大众对碳排放量有更深的认识；使低碳生活理念深入人心；更能够指导改变行为。对于个人，鼓励建立个人和家庭碳排放量数据库，从身边小事做起降低碳排放量。

参考文献：

[1] 陈靓、姜淑娟.了解低碳从词汇开始[N].深圳晚报，2010-05-07.

[2] 个人碳足迹计算器[ED/OL].2013-02-27.http：///zt/2009/chooseearth/tanzuji.htm

[3] 耿涌、董会娟、郗凤明、刘竹.应对气候变化的碳足迹研究综述[J]. 中国人口-资源与环境，2010，（10）.

篇2

1.1参考Chai[8]的研究成果，出口贸易引起的碳排放可以用公式表示为。式（2）中带撇的变量表示该变量在研究时序内的变化量，等式左边表示由出口引起的碳排放变化量，右边的第一项表示我国出口贸易的结构效应，即在总出口额和部门碳排放强度不变的情况下，由出口结构变化带来的碳排放量变化；第二项为技术效应，即在出口总额与出口结构不变的情况下，由各部门碳排放强度变化引起的碳排放量变化；第三项表示规模效应，即在出口结构和部门碳排放强度不变的情况下，由出口总额变化带来的碳排放量变化。

1.2数据来源与处理本文中的工业分行业增加值、分行业能源消耗量以及出口贸易总额数据均来源于2005年、2009年和2013年的《中国统计年鉴》，分行业出口贸易额数据来源于《中国工业经济统计年鉴》，要说明的是这里的分行业出口贸易额选取的是大中型工业企业的出口贸易额。为了剔除价格因素的影响，分别用居民消费价格指数和工业品出厂价格指数平减出口贸易额和工业增加值数据。鉴于统计口径的不一致及数据的可获得性，本文借鉴前人文献的分类方法，将中国主要工业分类归并调整为14个行业，具体如表1所示。

1.3行业碳排放量测算为计算各主要工业行业的碳排放强度数据，进而计算出口贸易影响碳排放的技术效应，有必要经测算获得各工业行业的行业碳排放量数据。本文将采用方程（3）所示的计算公式，通过一次能源消耗量及其碳排放系数来估算各主要工业行业一次能源消费活动的二氧化碳排放量。其中，C为行业碳排放量，E表示一次能源（煤炭、石油、天然气）的行业消费量，F为一次能源的碳排放系数。通过搜集不同机构研究确定的能源碳排放系数，取其平均值，确定煤炭、石油和天然气能源的碳排放系数F分别为0.728，0.549，0.416。

2出口贸易对碳排放量影响的因素分解分析

2.1结构效应根据模型（2）的计算方法，将2008年相对2004年、2012年相对2008年各主要工业行业的出口份额变化量，分别与2004年和2008年该行业的碳排放量相乘，加总后即得到出口规模和碳排放强度不变的情况下，在2004～2008年和2008～2012两个计算期内，主要工业行业由于出口结构变动而引起的碳排放量变化，计算结果如图1、图2和图3所示。由图1、图2和图3可以看出，在第一个计算期内，我国工业行业出口商品结构发生了很大的变化。其中，出口份额下降较多的行业有服装鞋帽制造业和纺织业，由此带来的碳减排量分别为142.002万吨和1536.27万吨。值得注意的是，煤炭、石油和天然气开采业出口份额的减少量虽然不是最多的，但其对我国工业碳排放量的增加发挥了最大的抑制作用，减排量为299.28万吨，此外，一些加工制造业出口份额的小幅降低也为碳减排起到了积极作用。出口份额增长较快的行业包括通信设备及其他电子设备制造业、交通运输设备制造业和金属冶炼及压延加工业。其中，通信设备及其他电子设备制造业与交通运输设备制造业属于技术密集型产业，这种行业的能源利用率高且碳排放量低，即使出口份额增长很快，带来的碳排放量占总量的比重并不大。而金属冶炼及压延加工业是加工制造行业，由该行业出口份额变动带来的碳排放增量最多，多达21006.23万吨。总的来看，在2003～2007年这一计算期内，出口商品结构的变化使碳排放量增加了20140.03万吨，结构效应为正。通过以上分析可以看出，我国工业行业的出口贸易结构处于从轻纺制品行业向机电产品和高新技术品行业转变的过渡阶段，出口商品结构已经在朝着清洁化的方向发展。从图4、图5和图6可以看出，在第二个计算期内，出口份额增长较快的行业有交通运输设备制造业、电气机械及器材制造业和通信设备及其他电子设备制造业，这主要是因为我国在这些年里逐步发展了机电产品和高新技术品的出口，由此带来的碳排放增量分别为819.425万吨、154.5555万吨和274.29万吨。由于这些行业本身属于技术密集型的低碳行业，所以由此引起的碳排放增量并没有对环境造成很大影响。出口份额减少的行业包括金属冶炼及压延加工业，金属制品业，金属、非金属矿采选业和煤炭、石油、天然气开采业，其中金属冶炼及压延加工业出口份额的调整对降低碳排放做出了巨大贡献，碳排放量减少了17810.1万吨。2007～2011年处于“十一五”规划期间，总的来看，在这一计算期内，工业行业出口结构不断向低碳低能耗转变，工业行业的碳减排起到了成效，减排量为167.81万吨，结构效应为负。由此可以说明，此计算期内，我国始终坚持以资本和技术密集型行业为主的出口结构，把减少资源密集型产品出口，作为优化出口产业结构的主要方向。结合这两个计算期来看，在第一个计算期内，我国初步确立了工业碳减排意识，但减排成效尚不明显。在第二个计算期内，各主要工业行业已基本实现了向高新技术产品出口的结构转变，并取得了较显著的碳减排成效。

2.2技术效应碳排放强度也称碳强度，是指单位国内生产总值的二氧化碳排放量。该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，每单位国内生产总值所带来的二氧化碳排放量在下降，那么说明该国就实现了一个低碳的发展模式。鉴于本文的研究对象是各主要工业行业，因此这里的碳强度是指单位工业增加值中包含的二氧化碳排放量。根据模型（2）的计算方法，结合两个计算期各主要工业行业的行业出口额与碳排放强度变化量，二者相乘再加总便可得出主要工业行业出口对碳排放影响的技术效应，计算结果如图7、图8和图9所示。由图7、图8和图9中的碳强度数据可知，2004～2008年和2008～2012年两个计算期内，碳排放强度都较大的行业包括煤炭、石油和天然气开采业，金属冶炼及压延加工业，非金属矿物制品业，化学原料及其制品和造纸印刷及文体用品制造业，这些高碳排放行业以资源密集型和加工制造行业为主，其生产效率和排污处理水平较低，伴随着能源消耗而产生的碳排放量也较大。碳强度维持在较低水平的清洁型工业行业主要包括通信设备及其他电子设备制造业、电气机械及器材制造业，交通运输设备制造业，服装鞋帽制造业和金属制品业。总的来看，各主要工业行业的碳排放强度总体呈下降趋势，其中资源密集型和重度污染行业如煤炭、石油和天然气开采业，金属、非金属矿采选业，非金属矿物制品业和化学原料及其制品和医药制造业表现尤为显著。具体而言，第一个计算期内碳强度下降最多的行业依次为煤炭、石油和天然气开采业，非金属矿物制品业，金属、非金属矿采选业，金属冶炼及压延加工业和化学原料及其制品和医药制造业，由此带来的碳排放量分别减少了191.1万吨，215.83万吨，34.01万吨，295.23万吨和327.04万吨。在第二个计算期内，非金属矿物制品业仍保持着碳排放强度的大幅减少并跃居减幅量首位，给工业行业碳减排起到很大的推动作用。到第二个计算期结束，14个主要工业行业中有13个行业的碳强度水平已经降低到每亿元1万吨以下，表明我国在节能技术上的进步，使得工业行业获得了良好的减排效果，一些行业如各类机械、设备和器材制造行业的碳排放强度已经接近每万吨0万吨。综上所述，由于碳排放强度的变化，在第一个计算期内碳排放量减少了1233.08万吨，技术效应为负，在第二个计算期内碳排放量减少了1809.81万吨，技术效应为负。这说明在过去这两个计算期内，我国工业生产的环境保护意识明显增强了，工业生产的节能减排技术得到了大力的发展与应用，对国家的碳减排和环境保护起到了积极作用。

2.3规模效应根据模型（2）的计算方法，将2008年相对2004年、2012年相对2008年各主要工业行业的出口增长率，分别与2004年和2008年该行业的碳排放量相乘，加总后即得到出口结构和碳排放强度不变的情况下，在2004～2008年和2008～2012两个计算期内，主要工业行业由于出口规模变动而引起的碳排放量变化，计算结果如表2所示。在第一个计算期内，除金属、非金属矿采选业外，其余主要工业行业的出口规模都大幅增加，其中金属冶炼及压延加工业，交通运输设备制造业，电气机械及器材制造业，通信及其他电子设备制造业的出口增长率均超过了100%，通信及其他电子设备制造业更是高达730.01%。因而在该计算期内，由于出口规模的变动而带来的碳排放增量大大超过减排量，总计2230144.01万吨，规模效应为正，但一些机电产品和高新技术品行业的出口行业的出口规模显示出大幅度的增加。在2007～2011年也即第二个计算期间，各主要工业行业的出口规模均大幅缩小，其中，煤炭、石油和天然气开采业，金属、非金属矿采选业，金属制品业和金属冶炼及压延加工业，其出口增长率分别下降至-60.02%、-64.07%、-1.80%和-18.51%，由此带来的碳排放减量分别为792701.55万吨、37204.81万吨、352.78万吨和339860.07万吨，为工业碳减排做出了巨大贡献。在此计算期内，主要工业行业碳排放减少了204136.20万吨，规模效应为负，说明“十一五”期间，我国工业坚持走信息化道路，扩展机电产品和高新技术品行业的出口，提高了资源利用效率，加强了排污控制，工业碳减排取得了显著成效。3.4总效应综合来看，主要工业行业出口贸易的碳排放量变化是出口结构、生产技术和出口规模共同作用的结果。由表3可知，在第一个计算期内，主要工业行业出口对碳排放影响的总效应为正，其中出口规模的扩大是导致碳排放量上升的主要原因，技术进步给碳减排带来了积极作用，结构效应虽为正，但结合上述分析可知出口结构已经处于向低能耗、低碳排放的清洁化方向转型的过程中。在第二个计算期内，总效应为负，其中出口规模的减小是导致碳排放量下降的主要原因，而技术进步是减少碳排放的关键因素，出口结构的变化给碳减排起到了积极作用。

3结论与建议

篇3

1材料与方法

1．1试验地点试验田位于吉林省四平市梨树县梨树镇高家村，地理坐标为124°14'E，43°18'N，属温带半湿润季风大陆性气候，年平均气温5．8℃，年降水量平均为577．2mm，海拔158．7m。该地区主要为一年一熟制春玉米种植区。

1．2试验设计选择了4块样地，每块面积2000m2。在控制施肥量和秸秆还田量的双重因子下，设如下处理:①减施化肥且秸秆不还田;②减施化肥且秸秆67%还田;③减施化肥且秸秆100%还田。以常量施化肥且秸秆不还田作为对照(CK)。减施化肥、常规施肥分别为施用玉米复合肥(28-15-12)450、675kg/hm2。5月22日播种、施肥同时进行，6月28日追肥。与传统耕作技术相比，该研究采用的保护性耕作可以有效地提高土壤有机质含量，改善土壤物理性质，提高单位作物产量［12］。

1．3测定项目与方法试验以每月2次为测定频率，每次测定项目为含水量和土壤碳排放量，不定期保存土样以进行有机质、NPK等参数的对比测定。有关土壤碳排放量的研究一般采用封闭式静态器室法、土壤类型法、遥感法、模型法、相关关系统计法等［13］。该试验采用封闭式静态气室法(CSC)，即采用碱石灰在封闭气室中吸收土壤所产生的二氧化碳。采用40cm×40cm×40cm的密闭玻璃气室，宽度的选择适用于两垄间距(65cm)，而高度的选择则保证了气体在土壤内外的循环畅通［14］，以使试验结果更贴近实际的土壤呼吸量。测定时间为24h，每个试验组取3组平行试验进行测定。由于降雨量和温度的剧烈变化会对土壤有机碳库造成极大地影响［15］，每次试验时应避免阴雨或其他极端天气，以减少实验误差。

2结果与分析

2．1碳排放量的变化情况有研究表明，施肥、轮作以及作物覆盖都能降低CO2排放量，提高土壤固碳效率［16］，但其影响程度具有差异性。从图1可以看出，碳排放量整体水平为对照(CK)＞处理③＞处理②＞处理①。处理③、②的碳排放量都大于处理①，而处理③、②之间碳排放量水平相差不大，碳排放量最大的为对照(CK)。由此可以看出，施肥和秸秆还田都使得二氧化碳的排放量增加，且施肥的效用更加明显。各处理碳排放随着玉米生长期的变化呈现不同程度的波动，但波动差异微小。波动原因较多，如高降水量会降低土壤呼吸量，而较高的温度则对应较大的土壤呼吸量［17］。在作物的不同生长期，根呼吸作用强度会呈现不同的变化趋势，周围环境的变化也会对微生物活性造成影响。在10月玉米收割后，各处理碳排放量都降到低谷，均在4g/(m2•d)以下。其原因主要为收割后植物根呼吸降到最低谷，而气温的下降也使得微生物活动变弱［18］。

2．2土壤含水量的变化情况含水量是农业生产中衡量农业土壤土质的重要参数之一。从图2可以看出，各层土壤含水量整体水平为处理③＞处理②＞对照(CK)＞处理①，即秸秆还田和施化肥都使得土壤含水量上升，且秸秆还田的作用更加明显;随着土壤深度的增加，各处理含水量都有小幅度的增加。

2．3玉米产量10月中旬玉米收割完毕后，对各处理玉米产量进行了统计。从表1可以看出，由于2010年整个吉林省大部分地区降水量异常充足，产量比2011年高。2010年对照(CK)玉米产量最高，其次是处理③，比正常施肥种植减产10．09%，比处理①减产7．28%;而2012年对照和处理间差异则更小，减产幅度控制在1．08%～6．02%。可见，当减少化肥施入量，产量会有所下降，但是秸秆作为一种生物肥，对产量起到一定的提升和保护作用。当全量覆盖还田时，这种效果更佳。

2．4含水量与碳排放量的线性关系通常意义下，在排除含水量最高和最低的极端条件下，土壤含水量与土壤碳排放应该是正反馈。因此，用含水量和碳排放量数据进行对比分析，验证两者的关系。从图3可以看出，土壤碳排放量和含水量大体上呈现线性关系。这一结果是与以往的研究结论大体趋于一致的。CO2的排放量是土壤呼吸的重要指标，与各层土壤含水量有着相互影响和制约的关系，一般情况下有正反馈的作用。为了真正理清土壤湿度对土壤碳排放量的影响，必须进行调控土壤水分的单因子试验，即对其他环境因子如土壤温度、pH、生物条件等进行必要的调控。因此，在野外试验条件下，以上的数据比较结果是不能作为两者关系的重要相关性参考。

篇4

关键词：中日贸易 ；隐含碳； 跨国投入产出表 ； 产业部门

作者简介：张璐（1977-），女，甘肃兰州人，上海财经大学国际工商管理学院世界经济专业博士研究生，兰州商学院副教授，主要从事国际贸易、日本与东亚经济研究。

中图分类号：F752 文献标识码：A 文章编号：1006-1096（2013）02-0061-06收稿日期：2011-09-13

从1981年到2009年，中国因能源消费导致的CO2排放量从14.51亿吨（MMT）上升到68.32亿吨（MMT）（IEA）。如果不进行任何控制，到2030年中国CO2排放量将达到114亿吨。因此，中国正受到越来越大的碳减排压力。我国在国际气候谈判中一直坚持一个论点，即中国商品的进口国应该为中国的部分碳排放负责。我国坚持这个论点是基于计算CO2排放的角度不同。联合国政府间气候变化专门委员会（IPCC）认为一国应该为由于国内生产所使用矿物燃料燃烧所排放的二氧化碳负责，所以目前大多数统计是基于生产的角度来计算二氧化碳排放量。但近来越来越多的学者对这一点提出质疑，即从生产过程来度量二氧化碳的排放是否合理，是否能够有效地鼓励各国采取碳减排措施。因为消费者在消费进口商品时，在排放总量中剔除了这些商品生产排放的二氧化碳，其实质是降低了本国生产这些商品的环境成本，尤其当这些商品属于高耗能与高排放产品时，出口国承担了本应在进口国排放的二氧化碳。Peters 等（2008）发现按照IPCC的衡量办法，1990年以后英国的二氧化碳排放量减少了15%，但是从消费角度衡量，同期二氧化碳排放量增加了19%。理论上说，从消费角度衡量能更公平地分配碳减排的任务额度，可以避免碳泄漏，增加国家间在环境问题上进行协调的可选择手段，鼓励国家取得环境上的相对优势，从而加速清洁化生产技术的扩散。在采用这种方法时，国际贸易是最重要的因素。中国是全世界的制造基地，向世界提供了大量优质廉价的劳动密集型产品，但这样的出口同时消耗了大量能源。靠资源密集型和劳动密集型产品出口来推动高速经济增长的国家，承担了本应在进口国排放的CO2，付出了极高的环境成本，而消费这些产品的进口国家在本国的排放总量中却没有计算这部分排放，在享受发展中国家提供的优质耐用消费品的同时，指责其对全球气候所造成的伤害，本来就是很不公平的。

一、文献综述

贸易与隐含碳排放的研究上有3个主要的问题：第一，为了更好地理解贸易的环境效应，需要对隐含碳的含量进行直接的估算。第二，对碳泄漏的分析，能够揭示由贸易导致的污染转移的数量。第三个问题是经过贸易调整后的二氧化碳排放清单是否真的能帮助消除碳泄漏和减少全球二氧化碳的排放。近几年对国际贸易中隐含CO2进行数量估计和政策意义分析的文献非常多，考虑到实证研究的可行性，大部分采用投入-产出模型。

就很多发展中国家而言，为了增加制造业的相对优势，对CO2排放不加限制，最小化碳排放的动力不足，使相对优势和碳排放之间具有正向关系。迄今为止，分析贸易中隐含碳问题的文献都清楚地显示主要发达国家是二氧化碳的净进口者，而全体发展中国家和一些拥有丰富资源的发达国家是净出口者。Ahmad 等 （2003）的一项对于OECD的研究估计，1995年中俄两国碳的净出口量大约等于OECD全部净进口量――OECD国家国内排放量的5%。他们还计算了24个国家国际贸易中的隐含碳排放，探究了贸易驱动型的产业地理移动对全球排放带来的影响。研究发现澳大利亚、加拿大、捷克、丹麦、芬兰、挪威、荷兰是碳净出口国，匈牙利的碳进出口量较平衡，而美国、日本、韩国和其他经济发达的欧洲国家都是碳净进口国。还有一些学者对碳排放进行研究，得到相似的结果。如Lenzen（1998）、Peters 等（2006）、Kander 等（2006）、Chung 等（2006）发现韩国对日本出口商品中的碳密集度高于日本对韩国的出口。

对中国的贸易活动给环境带来影响的实证研究近年来刚刚开始。Peters 等（2007）运用结构分析法估计了国际贸易对环境的影响并特别关注中国的碳排放。Shui 等（2006）计算得出中国CO2排放量的7%～14%是由中国对美国出口商品造成的。而且，由于中国对煤炭的广泛使用和低效率的制造技术，中美贸易导致1997年～2003年间全球CO2排放量增加了7.2亿吨。You Li 等（2008）发现通过与中国进行贸易，2004年英国减少了11%的CO2排放，全球排放量增加了117吨。有学者计算了1997年～2007年中美贸易对气候变化的影响，发现这段时间内美国的CO2排放量减少了2%～4%，中国增加了14%～20%，全球增加了2%～4%。

为了更好地理解中日贸易中的隐含CO2排放问题，本文借助两种数量方法进行研究：首先利用投入-产出表直接估计1990年～2000年两国在双边贸易中的隐含CO2排量的升降，以追踪在这段时间内双边贸易是否导致中国向日本出口隐含CO2；然后假设一种非贸易状态，比较在这种虚拟状态下和真实状态下总排放量的不同，从而监控中日双边贸易是降低还是增加总体CO2排放量。由于跨国投入产出表的可得性，本文选取1990、1995、2000年3个时间段的数据为样本进行计算。

二、研究方法和数据来源

（一）研究方法

在计算国际贸易中承载的CO2排放量时，投入产出表是最常被使用的分析手段，此方法由美国经济学家列昂惕夫创立于1941年，1970年他开始尝试将经济结构与环境影响相联系，将价值型投入产出表进行扩展，在投入中包括自然资源，在产出中包括废气和污染物的排放。从此以后，投入产出表被频繁地应用在环境问题研究中。近年来主要运用生命周期评价法（LCA），但是尽管这种方法能分析一国整体进出口中的隐含CO2排放量，细化到产业部门还有一定困难。因为部门二氧化碳排放系数是根据部门内所有产品的比例加权平均得到的，这种估计不可避免地会产生不确定性。

1.双边贸易中隐含CO2的直接量化方式

通过计算一国为生产出口商品而引致的国内CO2排放，可以计算双边贸易中的隐含CO2含量。分两步计算：第一步是计算两国的产业部门层面的隐含CO2排放系数；第二步是用相应部门的出口量乘以隐含CO2排放系数，将之加总得到总排放量。

篇5

关键词 低碳经济;经济增长;制度安排;国别研究

中图分类号 F205 文献标识码 A 文章编号 1002-2104(2010)09-0018-06 doi:10.3969/j.issn.1002-2104.2010.09.004

随着世界工业经济的发展、人口的剧增、人类欲望的无限上升和生产生活方式的无节制 ,世界气候面临着越来越严重的问题。尤其是由化石燃料过度消耗所导致的全球变暖,引起了世界范围的广泛关注。全球变暖严重危害了社会经济的发展,深刻触及到能源安全、生态安全、水资源安全和粮食安全,甚至威胁到人类的生存。这一现象亦引发了国际社会对现有经济发展模式的反思,在此背景下,“低碳经济”(lowcarbon economy)的概念应运而生,并越来越受到国际社会的重视。

“低碳经济”的概念最早由英国政府在2003年发表的《能源白皮书》中提出,题为“我们能 源的未来:创建低碳经济” 。《能源白皮书》指出,“低碳经济是通过更少的自然资源消 耗和更少的环境污染,获得更多的经济产出;低碳经济是创造更高的生活标准和更好的生活质量的途径和机会,也为发展、应用和输出先进技术创造了机会,同时也能创造新的商机和更多的就业机会。”

低碳经济发展模式提出后,各国纷纷相应。学术界围绕低碳经济的研究也不断地发展和丰富。国外学者对低碳经济的研究起步较早,研究成果也颇为丰富。总结国外现有的研究成果, 主要可以归纳为三个方面:一是低碳经济与经济增长,研究重点在碳排放的影响因素,碳排放与经济增长的关系及碳减排对行业发展的影响等;二是低碳经济实现的制度安排,研究主要集中对碳税(carbon tax)和碳交易(carbon trading)的讨论;三是不同国家发展低碳经济的进程。

1 低碳经济与经济增长

关注“低碳经济”的一个重要方面就是对碳排放量(carbon emission)的控制,碳排放量受到哪些因素的影响一直是学者们研究的一个热点。通过对现有文献的分析发现,碳排放量的影响因素不仅包括Kaya公式所揭示的人口、GDP和能源消耗[1],还包括国际贸易,两国的商品贸易为碳排放创造了一种转移机制。

1.1 人口规模、结构对碳排放量的影响

不言而喻,人口越多,碳排放量就越多。即便中国超过美国成为全球碳排放最多的国家,也不足为怪,因为中美人口相差4倍多。此外,人口结构对碳排放量也有影响。Salvador Enrique Puliafito, et al采用LotkaVolterra模型对人口、GDP、能源消耗与碳排放量的相互关系的探析,Michael Dalton, et al采用PET模型(PopulationEnvironmentTechnology model)的研究,均验证了上述结论。随着世界人口转型,人口老龄化现象逐渐凸显,发达国家将在2020年前后进入老龄化社会,人口老龄化因素会降低碳排放量,这一效果与技术变革的效果相当[2-3]。

1.2 GDP、能源消耗与碳排放量的因果关系

低碳经济不是贫困的经济,因此不能通过降低GDP实现碳减排。碳排放最主要的来源是能源的消耗,能源强度和碳强度是衡量能源消耗的两个重要指标。“能源强度”(Energy Intensity)是指单位GDP的能源用量。不同产业的能源强度不同,一般第二产业的能源强度最高,而第二产业中,重化工的能源强度又远高于一般制造业。能源强度还受到技术的影响,同一行业中技术水平低则能源强度高。因此降低能源强度,提高技术水平是减排的有效方向之一。而单位能源用量的碳排放量,则称为“碳强度”(Carbon Intensity)。能源种类不同,碳强度差异很大。化石能源中,煤的碳强度最高,石油次之,天然气较低。可再生能源中,生物质能有一定的碳强度,而水能、风能、太阳能、地热能、潮汐能等都是零碳能源。

尹希果等:国外低碳经济研究综述

中国人口•资源与环境 2010年 第9期学者也对GDP、能源消耗与碳排放量的关系进行了定量研究。Ramakrishnan Ramanathan采用DEA方法(Data Envelopment Analysis,数据包络分析法)同时分析了GDP、能源消耗、碳排放量之间的联系。他指出以往研究的缺陷是,只分别分析了GDP对碳排放量的影响或者能源消耗对碳排放量的影响,没有对三者的联系进行分析。在指标选取上,他以化石能源消耗释放的二氧化碳代表碳排放量,化石能源包括了石油、天然气和煤炭;以全球生产总值衡量经济增长;能源消耗中只选取了非化石能源消耗量,包括水利、核能和地热能,没有包括化石能源消耗量是为了避免与第一个指标的重复。在DEA分析效率指标构建中,将GDP和碳排放量作为产出,非化石能源消耗作为投入。结果显示效率指标在1980年时最高,接下来的7年急剧下降,随后呈现反复震荡下跌趋势,1996年开始回升。基于DEA分析的技术预测(technology forecasting)得到了碳排放量与能源消耗量的曲线图[4]。

Ugur Soytas, et al采用包含GDP、能源消耗、二氧化碳排放量、劳动力和固定资本总额等变量的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。研究发现碳排放量的格兰杰成因不是GDP增长,而是能源消耗。并提出碳减排政策的制定应该从降低能源强度角度考虑,还应该增加如风能、太阳能等清洁能源的使用,提高可再生能源的利用率[5]。后来,Ugur Soytas, et al对土耳其的实证研究也得到类似的结论[6]。

XingPing Zhang, XiaoMei Cheng研究了中国能源消耗、碳排放量与经济增长之间的格兰杰因果关系及方向。他建立了一个包含GDP、能源消耗量、碳排放量、资本和城市人口指标的多元模型,以1960-2007年的实证结果显示,GDP对能源消耗量存在单向格兰杰成因,能源消耗量对碳排放量存在单向格兰杰成因,而碳排放量和能源消耗量都不是经济增长的格兰杰成因。这意味着,从长远来看,中国政府可以推行渐进的能源政策和碳减排政策,而不会妨碍经济增长[7]。

定量分析的结果表明,低碳经济是经济增长与化石能源消耗脱钩的经济。化石能源消耗是碳排放的主要来源,在低碳经济模式下,经济增长不依赖于化石能源的消耗。从长期来看, 经济增长与碳排放量也不存在因果关系,而能源消耗是碳排放量的重要影响因素。因此碳减排政策应关注能源消耗:通过技术改革、产业结构 升级,降低能源强度;增加清洁能源的使用和可再生能源的利用率,降低碳强度。

1.3 行业碳排放量存在差异

碳减排的重要措施是降低能源强度和碳强度,而由于行业差异以及不同行业使用能源的差异,不同行业的碳排放量相差很大。因此将行业分类,并研究其在低碳经济下的发展是一个不可忽视的问题。

T C Chang, S J Lin采用灰色关联分析(Grey Relation Analysis)测算了台湾34个行业产值与碳排放量的灰色关联系数、总能源使用量以及各种能源使用量与碳排 放量的灰色关联系数。研究结果显示,在分辨系数取0.5的情况下,从34个行业的平均情况来看,产值与碳排放量的灰色关联系数为0940,总能源使用与碳排放量的灰色关联系数为-0912,单个能源与碳排放量的灰色关联系数分别为电力0913、煤炭0.800、石油-0.79、天然气0.513。这些结果说明了台湾经济依赖于二氧化碳密集型的行业,电力能源在台湾经济发展中起着越来越重要的作用。分行业来看,根据产值与碳排量的灰色关联系数、能源使用与碳排量的灰色关联系数的正负及其大小关系,可以将行业分成两种不同的类型。其中,采矿业、有色金属、电力和发电业、公路运输业为“三低行业”,即能源强度低、碳强度低、碳排放系数低。而农林渔业、食品业、纺织业、皮革业、造纸业、石化原料业、橡胶业、化工产品业、金属制品业、运输设备业、燃气及水供应业、建筑业等11个行业为“三高行业”,它们的能源强度高、碳强度高、碳排放系数高,因此减排政策的制定应主要关注这些行业[8]。

此外,Marco Mazzarino采用比较静态方法(comparative static approach)和货币估值技术的研究发现运输业是OECD国家碳排放量最大的行业,约占到总碳排放量的三分之一[9]。R. Rehan, M. Nehdi(2005)认为水泥业也是温室气体排放的主要行业,并探讨了在清洁发展、联合履行、排放交易三种机制下水泥业的发展前景[10]。

1.4 碳排放量随国际贸易而转移

关于碳排量的影响因素,不仅有国内因素,如人口、GDP、行业等,同时国际贸易也是影响 碳排放量的一个重要因素。Paul B Stretesky , Michael J Lynch以1989-2003年世界169个国家的面板数据为样本,研究了各国人均碳排量与对美国出口量之间的关系。以人均二氧化碳排放量为因变量,各国对美国的出口量为自变量,人口密度、GDP和FDI为控制变量,采用固定效应模型的估计结果显示:人均碳排放量与出口有着显著的关系。细分产业后的分析结果显示在出口行业中,天然气、石油和煤炭、化工产品和再进口产品等四个行业对人均碳排放量的影响最大。这意味着,在控制了人口密度、GDP和FDI的情况下,一国对美国出口越多,人均碳排放量也越大,出口产品中天然气、石油和煤炭、化工产品和再进口产品所占的比重越大,人均碳排放量就越大[11]。

Yan Yunfeng, Yang Laike提出,国际贸易创造了一种转移机制,不仅使产品可以在世界各国之间自由流动,同时也使得碳排放可以自由转移。1997-2007年,中国碳排放量的10.03%-26.54%是由出口产品的生产所引致的,进口产品的碳排放量仅占到4.40%(19 97年)和9.05%。世界其他国家因转移机制减排的二氧化碳从1997年的150.18Mt增加到2007年的593Mt,而中国在1997-2007年间因生产出口产品而净增的二氧化碳达到4 894Mt。他们的研究为近年来中国碳排放量激增找到了一个新的解释视角,同时这些数据也印证了中国在国际贸易中处于世界工厂的地位。对这一领域的研究,正催生着像在国际贸易中征收碳关税这样的动议,有学者担忧这会引发新一轮的贸易保护主义[12]。

2 低碳经济实现的制度安排

低碳经济是在全球气候恶化的背景下提出的,是世界经济发展的新模式。为实现经济发展中的“低碳”,各国主要的制度安排有征收碳税和碳交易制度。前者是由政府通过税率来确定进行碳排放的活动要付出多少代价;后者是在《京都议定书》的规定下,通过碳排放权的交易实现全球范围内碳减排的目的。

2.1 碳税

碳税是指针对二氧化碳排放所征收的税,它通过对燃煤和石油下游的汽油、航空燃油、天然气等化石燃料产品,按其碳含量的比例征税,以实现减少化石燃料消耗和二氧化碳排放的目的。碳税最早由芬兰于1990年开征,此后,瑞典(1991年)、挪威(1991年)、荷兰(1992年)、丹麦(1992年)、斯洛文尼亚(1997年)、意大利(1999年)、德国(1999年)、英国(2001年)、法国(2001年)等国也相继开征。近年来,为履行《京都议定书》义务,一些国家如日本、加拿大、瑞士等国也纷纷开征碳税。

关于这些国家实施碳税的经验,Andrea Baranzini, et al在分析了各国能源产品的碳税税率后指出:各国的能源税(energy tax)税率差别相当大,从而碳税税率各不相同,这成为国际协调碳税的一个主要障碍;从理论上说,征收碳税的目的在于提供一种碳减排的激励机制,但在实践中存在其他目的,如基于财政(筹集资金)的目的,对需求弹性很小的产品征收很高的碳税;对于某些能源产品,如煤炭,有些国家的碳税税率相当低,有些国家还实行补贴,因而还不是真正意义上的碳税;要达到减少碳排放的目的,实施碳税的同时要对能源税进行改革[13]。

在此之后,日本的研究发现,能源税和碳税的使用能够使碳排放下降到预计目标水平,同时也使能源种类的使用发生了变化,即由煤到天然气[14]。对碳税征收先行国挪威的研究发现,1990-1999年挪威平均每单位GDP的碳排放降低了12个百分点,但碳税对碳减排的贡献只有2.3%,碳税的效果并不理想。原因在于挪威对不同的产业实行差 别税率,且不同类型燃料的碳含量与税额的比率也不相同[15]。Cheng F Lee, et al在 灰色理论(grew theory)和投入―产出理论(inputoutput theory)的基础上,运用模糊目标规划(fuzzy goal programming)方法构建模型,模拟了三种碳税方案下碳减排的力度和经济影响。预测碳税实施的影响有助于各国碳税方案的选择,也能更好的发挥碳税的效果[16]。

2.2 碳交易

碳交易是为促进全球温室气体减排,减少全球二氧化碳排放所采用的市场机制,即把二氧化碳排放权作为一种商品,从而形成了二氧化碳排放权的交易[17]。其兴起源于《京都议定书》所制定的三种减排机制:一是排放贸易机制(ET,Emission Trade),允许附件 一国家(主要是发达国家)之间相互转让它们的部分“容许的排放量”(“排放配额单位”);二是联合履行机制(JI,Joint Implementation),允许附件一国家从其在其他工业化国家的投资项目产生的减排量中获取减排信用,实际结果相当于工业化国家之间转让了同等量的“减排单位”;三是清洁发展机制(CDM,Clean Development Mechanism),允许附件一国家的投资者从其在发展中国家实施的、并有利于发展中国家可持续发展的减排项目中获取“经核证的减排量”。即允许附件一国家出资支持无减排义务的国家通过工业技术改造、造林等活动,降低温室气体的排放量并抵顶附件一国家的减排指标。

根据以上三种机制,碳交易可以分为两种形态:基于配额的交易和基于项目的交易。配额型交易指总量管制下所产生的排减单位的交易,主要是《京都议定书》规定的附件一国家之间超额排减量的交易,通常是现货交易。项目型交易指因进行减排项目所产生的减排单位的交易,如清洁发展机制下的“排放减量权证(CERs)”、联合履行机制下的“排放减量单位(ERUs)”,主要是通过国与国合作的排减计划产生的减排量交易,通常以期货方式预先买卖。自2005年《京都议定书》正式生效后,碳交易市场发展迅速。根据世界银行的数据,2008年碳交易市场成交总额为1 263.45亿美元;预计2012年成交总额将达到1 500亿美元,有望超过石油市场成为世界第一大市场。

清洁发展机制是《京都议定书》中唯一涉及到发展中国家的机制,并且《京都议定书》还承认了森林碳汇(carbon sink)对减缓气候变暖的贡献,并要求加强森林可持续经营和植被恢复及保护,允许发达国家通过向发展中国家提供资金和技术,开展造林、再造林碳汇项目,将项目产生的碳汇额度用于抵消其国内的减排指标[18]。这些规定的出现在发达国家和发展中国家之间开启了一个巨大的碳交易市场。CDM项目和碳汇CDM项目成为发展中国家的一个新的经济增长点。

3 低碳经济的国别研究

3.1 发达国家的低碳经济

英国作为第一次工业革命的先驱,正从自给自足的能源供应走向主要依靠进口的时代,按传统的消费模式,预计2020年英国80%的能源都必须进口。因此英国于2003年首次以政府文件的形式正式提出“低碳经济”概念,并积极推动世界范围的低碳经济。随后,Johnton D et.al(2005)探讨了英国大量减少住房二氧化碳排放的技术可行性,认为利用现有技术到本世纪中叶实现1990年基础上减排80%是可能的[19]。Treffers T, et al探讨了德国在2050年实现1990年基础上减少温室气体排放80%的可能性,认为通过相关政策措施,经济的强劲增长和温室气体排放减少的共同实现是可能的[20]。Koji Shimada , et al构建了一种描述城市尺度低碳经济长期发展情景的方法,并将此方法应用到日本滋贺地区[21]。

在实践中,低碳经济发展模式受到各国政府组织的广泛关注和青睐,向低碳经济转型成为世界经济发展的大趋势。英国把发展低碳经济置于国家战略高度,2008年颁布实施的“气候变化法案”使英国成为世界上第一个为温室气体减排目标立法的国家。按照该法律,到2050年英国要达到减排80%的目标。另外,政府大力促进商用技术的研发推广,以占领低碳产业的技术制高点。在低碳生活上,英国社会运用多种手段引导人们生活方式的转变。比如,要求所有新盖房屋在2016年达到零碳排放,新建房屋中至少有三分之一要体现碳足迹减少计划,不使用一次性塑料袋,等等。在洁净能源的开发上,英国发挥其海岛国家的自然优势,注重利用海洋资源,在发展海上风能、海藻能源等低碳能源方面居于全球领先水平。

同样是岛国的日本也在向低碳经济发展模式转变。日本内阁会议于2008年7月通过的“低碳社会行动计划”阐述了在未来三五年内将家用太阳能发电系统的成本减少一半等多项有关减排的措施,其重要内容都与开发新能源有关。根据日本内阁政府2008年9月的数字,在科学技术相关预算中,仅单独列项的环境能源技术的开发费用就达近100亿日元,其中创新性太阳能发电技术的预算为35亿日元。2009年4月,日本又公布了名为《绿色经济与社会变革》的政策草案,目的是通过实行减少温室气体排放等措施,强化日本的低碳经济。

为带动欧盟经济向高能效、低排放的方向转型,2007年3月欧盟委员会提出一揽子能源计划,承诺到2020年将可再生能源占能源消耗总量的比例提高到20%,将煤炭、石油、天然气等一次能源的消耗量减少20%,将生物燃料在交通能耗中所占的比例提高到10%。此外,2007年年底,欧盟委员会通过了欧盟能源技术战略计划,明确提出鼓励推广低碳能源技术,促进欧盟未来能源可持续利用机制的建立和发展。欧盟国家利用其在可再生能源和温室气体减排技术等方面的优势,积极推动应对气候变化和温室气体减排的国际合作,力图通过技术转让为欧盟企业进入发展中国家能源环保市场创造条件。

3.2 发展中国家的低碳经济

《京都议定书》是旨在限制发达国家二氧化碳排放的国际协议,发展中国家未被规定必须承担减排义务。但是随着发展中国家的工业化和城市化进程加速,其二氧化碳排放量也迅速增加。虽然历史排放量和人均排放量还相对较低,但是在后京都时展中国家尤其是中国的减排压力已经越来越大。在2009年的哥本哈根会议上,中国是否应该承担减排义务及能否获得资金支持成为会议争论的一个焦点。

发展中国家中尤其是中国,被指责为一个“搭便车者”,在降低碳排放、延缓气候变暖上毫无贡献。ZhongXiang Zhang(2000)通过分析中国1980-1997年间二氧化碳排量的历史演变,以及中间燃料转换、能源消耗、经济增长和人口规模增长对二氧化碳排量的影响,指出上述指责是没有根据的。实际上,中国在能源节约上采取了一系列的措施,1997年单位GDP能耗只有1980年的一半。如果没有这些努力,1997年的能耗总量将比实际排量多出50% [22-23]。Walter V Reid, José Goldemberg的研究也指出,发展中国家已经采取了有效措施遏制二氧化碳的排放。他指出中国从80年代开始实行能源价格改革,碳补贴从1984年的37%下降到1995年的29%,石油补贴从1990的55%下降到2%。另外,中国在提高能源利用率,开发可再生能源上也取得了一定的成效[24]。Paul B. Stretesky, Michael J. Lynch(2009)、YanYunfeng, Yang Laike(2010)的研究则指出两国之间的商品贸易为碳排放提供了一种转移路径。中国为美国的碳减排做出了很大的潜在贡献,因此美国等发达国家应该为中国等发展中国家提供切实有效的气候与环境友好型技术援助。

尽管中国的碳历史排放量和人均排放量相对较低,但是其排放总量的激增引起了世界各国的关注。中国的碳排放受到哪些因素的影响,为迈入低碳经济中国应如何改进措施,Hu Chuzhi, et al的研究比较具有代表性。他基于EKC模型,采用平均分配余量的分解方法,构建了中国碳排放的因素分解模型,定量分析了1990-2005年经济规模、产业结构和碳排放强度对碳排放的贡献,即规模效应、结构效应和技术效应。结果表明:①采用EKC曲线模拟结果显示,我国碳排放量呈现“N”型,并没有呈现严格的倒“U”型特征,这与规模效应具有一致性。说明我国经济增长并不会自发导致碳排放量的减少,经济增长也并不一定引发碳排放的增加,关键是我国的环境治理的机制、市场和政策不完善,若不施行合理有效的控制措施,未来在降低碳排放方面面临着许多风险。②我国的碳排放政策的缺失,节能减排政策实施滞后,这是导致我国碳排放持续上升的又一重要因素。③在规模效应、结构效应和技术效应中,只有结构效应的平均值为负,表明经济结构优化能降低碳排放,是减少碳排放的有效手段。④我国碳排放技术效应具有随意性,这说明技术在降低碳排放方面并未发挥优势,现行技术应用主要目的是提高劳动生产率,许多技术进步并非与提高环境质量有关,尽管技术进步非常快,但对降低碳排放的作用并不大。在此基础上,他提出了控制碳排放的政策性建议:建立和实施不同时间尺度上的环境调控政策;积极推进产业结构向节能型、高级化发展,并大力发展环保产业;推行削减碳排放的技术,提高能源利用效率;发展低碳能源和可再生能源,改善能源结构[25]。

Guo Ru, et al以上海为例,采用情景分析法(scenarios analysis)对上海2010-2020年的碳排放量进行了估计,并提出了一些碳减排建议。研究结论显示:①上海的主要能源消耗在过去的15年呈现不断上升的趋势。②上海的能源主要是用于生产,而第二产业的能源消耗占比最大。③上海2005年的碳排放量达到58.05 Mt Ceq,是1990年的两倍。④在“十一五”计划指导下,上海的碳减排量将分别达到17.26 Mt Ceq(2010年)和111.04 Mt Ceq(2020年)。作为中国的发达城市之一,上海在碳减排上要承担起更多的责任,基于以上分析上海可以通过以下措施实现低碳经济:①上海的碳排放主要来自于第二产业,因此提升产业结构是第一要务。发展能耗低且产品附加值高的行业,同时加快第三产业的发展。②优化能源结构和能源效率,结合地域优势开发使用清洁能源,如上海可以开发风能。③加强碳汇建设,树木、绿化带、湿地、农田是上海重要的碳汇。扩大城市树木和绿化带的范围,对崇明和南汇的湿地要加强保护[26]。

4 结 语

“低碳经济”概念的提出源于全球气候恶化的背景,从《京都议定书》到“巴厘岛路线图”,及至最近的哥本哈根会议,世界各国都在为解决气候问题而努力。围绕低碳经济,学者们从不同视角、运用不同方法、对不同区域(全球、国家、地区)进行了研究。

关于低碳经济与经济增长,目前比较一致的结论有:①影响碳排放量的因素有人口、能源消耗、技术水平等,国际间的商品贸易也可以导致碳排放的转移。②经济增长对碳排放量的影响是通过能源消耗来实现的,为实现低碳经济,应该增强能源强度及碳强度,逐渐由化石能源过度到清洁能源的使用。③不同行业的碳排放量有显著差异,一个国家或地区应该在总体层面上规划产业发展,提升产业结构。在研究方法上,灰色关联分析法、数据包络分析法以及对人口经济学中LotkaVolterra模型的应用等,值得国内研究者的借鉴。在实践中,实现低碳经济的制度安排主要有征收碳税和碳交易制度。发达国家是低碳经济发展模式的倡导者,在向低碳经济的转变进程中,推出了各种法案措施。低碳经济已成为一种国际潮流,也影响着发展中国家的经济社会发展进程。各国都致力于向低碳经济的转变,并从中寻找新的经济增长点。

参考文献(References)

[1]省略/anglais/documentationa/greenhouse/kayaequation.htm

[2]Salvador Enrique Puliafito, José Luis Puliafito, Mariana Conte Grand. Modeling population dynamics and economic growth as competing species: An application to CO2 global emissions[J]. Ecological Economics, 2008,(65): 602-615.

[3]Michael Dalton, Brian O'Neill, Alexia Prskawetz, Leiwen Jiang, John Pitkin. Population aging and future carbon emissions in the United States[J]. Energy Economics, 2008,(30): 642-675.

[4]Ramakrishnan Ramanathan. A multifactor efficiency perspective to the relationships among world GDP, energy consumption and carbon dioxide emissions[J]. Technological Forecasting & Social Change, 2006,(73): 483-494.

[5]Ugur Soytas, Ramazan Sari, Bradley T. Ewing. Energy consumption, income, and carbon emissions in the United States[J]. Ecological Economics, 2007,(62): 4 82-489.

[6]Ugur Soytas, Ramazan Sari. Energy consumption, economic growth, and carbon emissions: Challenges faced by an EU candidate member[J]. Ecological Economics, 2009,(68): 1667-1675.

[7]Zhang XingPing, Cheng XiaoMei. Energy consumption, carbon emissions, and economic growth in China[J]. Ecological Economics, 2009,(68): 2706-2712.

[8]T C Chang, S J Lin. Grey relation analysis of carbon dioxide emissions from industrial production and energy uses in Taiwan[J]. Journal of Environmental Management, 1999,(56): 247-257.

[9]Marco Mazzarino. The economics of the greenhouse effect: evaluating the climate change impact due to the transport sector in Italy[J]. Energy Policy, 2000,(28): 957-966.

[10]R Rehan, M Nehdi. Carbon dioxide emissions and climate change: policy implications for the cement industry[J]. Environmental Science & Policy, 2005,(8): 105-114.

[11]Paul B Stretesky, Michael J Lynch. A crossnational study of the a ssociation between per capita carbon dioxide emissions and exports to the United States[J]. Social Science Research, 2009,(38): 239-250.

[12]YanYunfeng, Yang Laike. China's foreign trade and climate change: A case study of CO2 emissions[J]. Energy Policy, 2010,(38): 350-356.

[13]Andrea Baranzini, José Goldemberg, Stefan Speck. A future for carbon taxes[J]. Ecological Economics, 2009,(32): 395-412.

[14]Toshihiko Nakata, Alan Lamont. Analysis of the impacts of carbon ta xes on energy systems in Japan[J]. Energy Policy, 2001,(29): 159-166.

[15]Annegrete Bruvoll, Bodil Merethe Larsen. Greenhouse gas emissions in Norway: do carbon taxes work?[J]. Energy Policy, 2004,(32):493-505.

[16]Cheng F Lee, Sue J Lin, Charles Lewis, Yih F. Chang. Effects of carbon taxes on different industries by fuzzy goal programming: A case study of the petrochemicalrelated industries, Taiwan[J]. Energy Policy, 2007,(35): 4051-4058.

[17]John A Mathews. How carbon credits could drive the emergence of renewable energies[J]. Energy Policy, 2008,(36): 3633- 3639.

[18]J Liski, T Karjalainen, A Pussinen, GJ Nabuurs, P Kauppi. Trees as carbon sinks and sources in the European Union[J]. Environmental Science & Policy, 2000,(3): 91-97.

[19]Johnston D, Lowe R, Bell M. An Exploration of the Technical Feasibility of Achieving Carbon Emission Reductions in Excess of 60% Within the UK Housing Stock by the Year 2050[J]. Energy Policy, 2005,(33): 1643-1659.

[20]Treffers T, Faaij APC, Sparkman J, Seebregts A. Exploring the Possibilities for Setting up Sustainable Energy Systems for the LongTerm: Two Visions for the Dutch Energy System in 2050[J]. Energy Policy, 2005,(33): 1723-1743.

[21]Koji Shimada, Yoshitaka Tanaka, Kei Gomi, Yuzuru Matsuoka. Developing a Longterm Local Society Design Methodology Towards a Lowcarbon Economy: An Application to Shiga Prefecture in Japan[J]. Energy Policy, 2007,(35): 4688-4703.

[22]Zhong Xiangzhang. Decoupling China's Carbon Emissions Increase from Econo mic Growth: An Economic Analysis and Policy Implications[J]. World Development, 2000,(28): 739-752.

[23]Zhong Xiangzhang. Can China afford to commit itself an emissions cap? Aneconomic and political analysis[J]. Energy Economics, 2000,(22): 587-614.

[24]Walter V Reid, José Goldemberg. Developing countries are combating climate change:Actions in developing countries that slow growth in carbon emissions[J]. Energy Policy, 1998,(26): 233-237.

[25]Hu Chuzhi, Huang Xianjin. Characteristics of Carbon Emission in Chi na and Analysis on Its Cause[J]. Chn Popu Res Envi, 2008, 18(3): 38-42.

[26]Guo Ru, Cao Xiaojing, Yang Xinyu, Li Yankuan, Jiang Dahe, Li Fengting. The strategy of energyrelated carbon emission reduction in Shanghai[J]. Energy Policy, 2010,(38): 633-638.

A Synthesis of Foreign Scholars' Research on Low Carbon Economy

YIN Xiguo HUO Ting

(Institute of Population Resource and Environmental Economy, Chongqing University, Chongqing 400044, China)

篇6

关键词：低碳经济；装备制造业；碳排放

一、引言

2012年党的十提出建设生态文明，推进绿色发展、循环发展、低碳发展，单位GDP能源消耗和二氧化碳排放量大幅下降。资源约束趋紧、环境污染严重、生态环境退化的现状，要求将高污染、高能耗、低产出的经济增长方式向低污染、低能耗、高产出的方式转变。我国提出中国的碳排放目标是到2020年，单位GDP的二氧化碳排放量比2005年下降40～45%。装备制造业是为国民经济和国防建设提供生产技术装备的制造业，是制造业的核心，是我国能否实现低碳经济目标的重要实践力量。

二、文献综述

（一）国外研究情况

随着低碳经济的发展，国内外对碳排放问题的研究也开展起来。日本学者Yoichi Kaya（1990）在IPCC研讨会上提出Kaya恒等式，成为测量碳排放量的第一种比较系统的方法。他提出一个国家或地区二氧化碳排放量的增长主要取决于人口、人均GDP、单位GDP能耗和能源结构。Holdren（2000）提出了用于测量碳排放量第二种方法——IPAT法，核心思想是一个国家和地区碳排放量的增长取决于人口规模、社会影响、技术影响。Grossman和Krueger（1991）提出了碳排放的库次涅茨曲线，认为经济发展与二氧化碳的排放量之间存在倒U的关系。Sun（2005）认为在评价一个国家是否有低碳经济效应时，一个理想的指标就是单位GDP的二氧化碳排放量。Kenny（2009）以爱尔兰为例，分析比较了六种不同的用于测定碳排放量的模型。上述研究的方法对于二氧化碳排放绩效的评价多是非动态，对于不同时间序列的比较不够充分。

（二）国内研究情况

国内学者的研究主要集中在碳排放理论、碳排放与经济增长关系、碳排放与能源结构关系、碳排放与国际贸易结构关系等方面。谭丹和黄贤金（2008）测定了东中西三大地区的总碳排放量和生产总值，分析碳排放与生产总值之间的关系。孙建卫、陈志刚等（2010）运用IPCC的方法对中国不同年份的碳排放量进行核算。王群伟等（2010）运用DEA模型建立了研究二氧化碳排放绩效动态变化的指数，通过收敛理论和面板数据回归模型分析不同地区的差异及影响因素。焦兵（2011）从我国西部地区的产业和消费升级角度，验证了西部地区经济增长和碳排放量存在正相关的关系。许广月、宋德勇（2010）研究了中国碳排放的库兹涅茨曲线，得出中国东、中部地区的库兹涅茨曲线符合倒U型而西部地区不符合的结论。

本文在前人研究的基础上研究装备制造业的碳排放问题，在以往的研究中并不多见。我国能否实现低碳经济目标，装备制造业发挥重要的作用，因此分析装备制造业的低碳效应有着现实意义。

三、我国装备制造业分布情况

装备制造业是我国经济的重要组成部分，政府为发展装备制造业出台了一系列政策。装备制造业的集群特征较为明显，第一，产业关联程度高：涉及企业多，联系紧密；第二，技术水平要求高：技术水平的提高要求产业的聚集程度更高；第三，要求资源共享和技术溢出效应：通过产业聚集实现资源共享和技术外部性。

本文选择区位商来判断一个产业在某个区域是否构成专业化，公式为LQij=Pi/Qi。

其中，LQij为某区域某一产业的区位商；Pi为区域j的产业i的产值占该区域全部工业产值的比重；Qi为产业i的全国总产值占全国总产值的比重。

装备制造业主要有金属制品业、通用设备制造业、专用设备制造业、交通运输设备制造业、电气机械及器材制造业、通信设备、计算机及其他电子设备制造业、仪器仪表及文化办公用机械制造业七大类。本文选取2001～2010年数据，分别计算东部、中部、西部三个地区的装备制造业区位商，如图1所示。

由东、中、西三地区的装备制造业的区位商可以看出：东部地区装备制造业的区位商明显高于中西部地区的区位商，数值都大于1，说明东部地区是装备制造业有聚集优势的地区。东部地区的区位商2001～2003年轻微下降，到2007年逐年增加，聚集程度上升，2008年之后有所下降，专业化程度有下降的趋势。近年来，东部地区出现劳动力价格上涨、环境污染加剧、资源匮乏等问题，导致东部地区的装备制造业发展减缓并有向中部和西部转移趋势，以寻求优越的资源、良好的环境及较低的成本。中部地区的区位商2001～2003年增加，2004年短暂下降2010年又恢复上升，说明中部地区的装备制造业集群聚集化程度不断提高。西部地区区位商上下起伏，表明聚集化程度有波动。通过计算东、中、西三地区装备制造业企业数量年增长率，东部地区的企业数量增长率是逐年放缓的，而中部和西部的是逐年提高的。总体来说，装备制造业的主要阵地仍然在东部，但发展速度放缓；中部和西部的装备制造业专业化程度加深，产业不断发展扩大。

四、装备制造业碳排放测算及结果分析

（一）低碳经济

低碳经济是改变高污染、高能耗、低产出的发展模式，把降低碳排放量融入到经济发展过程中去。低碳效应是指经济发展和格局的变化是否符合低碳经济的要求。我国装备制造业是否实现了碳排放量的减少，是否产生低碳效应，需要我们进行测算和验证。

（二）装备制造业碳排放测算模型

1.装备制造业碳排放测算

（1）煤炭、石油、天然气是装备制造业中使用最多的能源，二氧化碳排放量也最多。根据已有的统计数据，测算装备制造业中使用煤炭、石油、天然气的碳排放量。每一种能源燃料的碳排放系数不同，因此总碳排放量=Σ（每种能源燃料单位消耗量碳排放量）。对于装备制造业的碳排放运用下列公式测算：Tj=Σeij*ri*ci。公式中：Tj为j产业的碳排放总量；i表示能源燃料种类，分别为煤炭、汽油、柴油、煤油、燃料油、天然气；eij表示j产业在一年对第i种能源的消耗量；ri为第i种能源标准煤折算系数；ci为第i 种能源的碳排放系数。计算得到装备制造业能源消耗量、产值、碳排放量，如图2所示。

（2）计算装备制造业单位GDP碳排放量。装备制造业单位GDP碳排放量=装备制造业碳排放量/装备制造业工业总产值。计算得出在2000～2010年装备制造业的单位GDP碳排放量，如图3所示。

2.结果分析

影响碳排放量的因素主要有经济产出效应、经济结构效应、能源结构效应和碳强度效应。经济产出效应：碳排放量随着经济产出（GDP）的增加而增加。经济结构效应：经济结构中符合低碳要求的产业占比重越大，碳排放量越小。能源结构效应：在经济发展中使用更多的清洁能源，提高能源的使用效率，会降低碳排放量。碳强度效应：使用新能源能降低单位能源的碳排放量。

（1）由图2可以看出，2001～2010年装备制造业产出总值、能源消耗总量和总碳排放量都逐年增长。碳排放量的经济效应方面，2010年装备制造业的产值比2001年增长了近7倍，碳排放量增长了2倍。能源结构方面，我国装备制造业在经济发展中的地位重要，能源消耗量巨大，2010年的能源消耗量达到1.75亿吨标准煤，比2001年增长了2倍，碳排放量也增长。

（2）从图3来看，2001～2010年，我国装备制造业单位GDP的碳排放量呈现下降的趋势：从2001年的14.4克/元到2010年的5.6克/元，单位GDP的碳排放量下降了60%。从单位GDP的碳排放量角度来看，我国装备制造业在发展低碳经济方面取得了一定的成绩。

五、政策建议

我国装备制造业在发展低碳经济方面取得了一定的进步，但仍然有很长的路要走。

首先，对于装备制造业自身来说，要向创新型产业方向发展，增强自主创新能力，通过集群技术溢出不断扩张，实现产业上的重点跨越和技术上的重点突破；依赖政府政策，为自身发展提供好的环境和条件；注重资源节约、环境友好型发展，在发展的过程中注意保护生态环境，提高资源的利用率。

其次，产业转移也是一种可行的方式。政府应该指导装备制造业产业有步骤地转移，包括主导企业及相关企业及配套部门。对于西部和中部地区来说，应统筹兼顾。政府加强体制改革，对转移产业做出引导和政策规定；同时对转移产业进行鉴别，对于消耗大，污染严重的产业，应减少转移。

参考文献：

[1]Kaya，Y.Impact of Carbon Dioxide Emission Control on GNP Growth： Interpretation of Proposed Scenarios[A].IPCC Energy and Industry Subgroup[C].New York：Mac well，1990.

[2]Holdren，J.P.Energy，the environment，and health[J].Ecological Economics，2000（04）.

[3]王缉慈.我国制造业集群分布现状及其发展特征[J].地域研究与开发，2003（12）.

[4]谭丹，黄贤金.我国东、中、西部地区经济发展与碳排放的关联分析及比较[J].中国人口资源与环境，2008（03）.

[5]赵忠华，胡运权.装备制造业集聚度分析[J].中国软科学，2009（04）.

篇7

关键词：碳排放系数；碳排放权；配额分配；Cournot模型

DOI：10.13956/j.ss.1001-8409.2017.01.17

中图分类号：F1245；F224 文献标识码：A 文章编号：1001-8409（2017）01-0076-05

Abstract： According to the carbon emissions factors， this paper classifies generator units into two categories， these are high and low emission units. And then， it establishes the Cournot game model based on the allocation policy and gives its analytical solution. Based on these， it analyzes the influence of electricity generation， carbon emissions and market price about different carbon emissions factors. Model analysis results show that， the quota allocation policy focusing on the low emission units has a stronger incentive utility， it would be better to protect low emission units in the promise of reducing emissions and promote the units to carry out low carbon technology transformation.

Key words：carbon emissions factor； carbon emission permit； quota allocation； Cournot model

近年来，温室气体排放导致的全球变暖问题已经在世界范围内引起高度重视。《京都协议》的签订是各国政府努力保护地球以实现可持续发展的标志。为了达到《京都协议》中的减排目标，各国政府纷纷设计和实施碳减排机制，努力减少温室气体排放，缓解大气压力。发达国家所推行的“总量管制与排放交易”则被认为是减少CO2排放，实现低碳发展的有效措施。而碳排放权配额的初始分配是推行该方案的重要前提[1～3]。对于我国而言，电力行业作为国民经济和社会发展过程中最重要的基础能源产业，是主要的碳排放部门，也是碳排放权交易的市场主体。低碳发展已经对电力系统运行和规划的各个方面产生了显著影响。因此，在低碳经济的背景下，电力行业内部如何将初始碳排放权在各发电机组之间进行合理分配显得尤为重要。

目前，已有不少专家和学者针对电力行业的初始碳排放权分配问题进行研究。曾鸣等以传统碳排放权初始分配模型为基础，结合我国电力行业的特点，考虑公平性因素的同时，提出了一种碳排放权可调分配机制，最大限度地削减了市场的作用[4]。而Xie等应用最小二乘法，研究多准则情况下电力行业碳排放权的初始分配问题[5]。Zhou等研究了不同初始碳排放权分配规则下，碳排放权交易所带来的潜在效益和补偿对发电企业的影响情况[6]。李保卫等针对电力跨区输送的碳排放产权界定问题，从公平性角度出发，结合电力系统的传输特性，建立了电力排放区域分摊的碳流追踪模型，算例分析验证了上述方法的正确性和可行性[7]。宋旭东等基于区域比较的初始碳排放权分配机制，构建了低碳电源规划模型，并从低碳政策、低碳技术和低碳市场三个方面分析了低碳因素对电源规划的影响[8]。宋旭东、袁博、Paul等从公平性和效率的角度出发，去探究电力行业的初始碳排放权分配问题[9～11]。齐绍洲等对比分析了目前实践中主要采用的初始碳排放权分配模式的优缺点[12]。王敬敏等利用数据包络分析模型对现有的基于发电绩效的电力行业初始碳排放权分配模式进行评价，并认为该分配方式兼具公平性和有效性[13]。谭忠富等通过构建不同优化目标下的机组组合模型探究初始碳排放权分配对发电权交易的影响程度，并认为适当向高能效机组倾斜的初始碳排放喾峙浞绞浇有利于推动发电权交易的进行，同时能够提高大容量机组的利用效率[14]。骆跃军等在对电力行业几种初始碳排放权分配方法进行系统探究的基础上，提出了历史分配法与基准分配法的加权平均分配法，用于保证初始碳排放权分配的相对公平[15]。陈勇等在考虑效益原则、优化电源结构原则以及有利于国家政策实施的基础上，构建了包括机组分配与电厂集团分配的两步骤电力碳排放权初始模型[16]。梅天华等基于加总原理和投票选举机制建立了电力行业的初始碳排放权分配模型，并通过程序公平机制和迭代机制解决了分配的公平性和有效性问题，最后通过算例分析验证了所建模型的正确性[17]。此外，梅天华等又根据“基本共识基础上的折中”理念，将历史排放赤字分摊和总量削减因素纳入到当前初始碳排放权的分配体系，并通过一致性约束建立了考虑历史排放的电力行业初始碳排放权分配模型[18]。上述文献对电力行业的初始碳排放权分配问题做了大量研究，并取得了一定的成果。但是，现有研究并没有考虑到初始碳排放权分配对具有不同碳排放系数的发电机组生产决策的影响情况，更没有考虑到初始配额分配对于降低机组碳排放系数的激励作用。

基于以上分析，本文以减排和激励发电机组降低碳排放系数为目的，考虑在电力市场中仅存在两个竞争的发电机组：发电机组1和发电机组2，并假定发电机组1为高排机组，发电机组2为低排机组。针对具有不同碳排放系数的两个发电机组，引入差异化的碳排放权配额分配策略，构建了基于差异化分配的Cournot博弈模型。

1问题假设与描述

11基本假设

考虑在一个相对独立的电力市场区域中，有两个碳排放系数不同的发电机组同时生产无差异、可替代的电能。假定在该市场区域内，市场出清电价受供需关系的影响，并且随着社会总供给量的不断增加，市场出清价格将逐渐降低，即：

p=α-βQ（1）

其中p表示市场出清电价；α、β分别为逆需求函数的截距和斜率且均大于0；Q为社会总供给量，Q=q1+q2，其中qi（i=1，2）表示第i个机组的发电量。

假设两个发电机组有足够的生产能力，但是单位电能的生产成本和碳排放系数（生产单位电能所产生的碳排放量）不同，碳排放系数大的发电机组称为高排机组，碳排放系数小的发电机组称为低排机组。一般情况下认为，单位电能的生产成本与碳排放系数之间存在负相关性，假设发电机组1为高排机组，单位电能生产成本为c1，碳排放系数为k1；发电机组2为低排机组，单位电能生产成本为c2，碳排放系数为k2，则有c1k2。

此外，由于针对碳减排问题进行技术改造需要一定的时间成本，因此假设在该博弈周期内两个发电机组的单位生产成本和碳排放系数均保持不变。

12初始碳排放权分配

目前，电力行业的初始碳排放权配额分配方式主要有固定价格出售、竞价拍卖和免费分配等[19]。其中免费分配方式又包括历史法和基准法。由于发电机组在正常生产过程中需要排放一定量的CO2，如果在碳排放权交易制度建立初期直接要求发电机组为其碳排放量买单，将导致发电机组生产成本突然增加，从而引起发电机组对碳排放权交易制度的抵制情绪，影响碳排放权交易政策的实施。因此，在碳排放权交易制度建立初期大都采用基于历史碳排放量的免费分配方式。针对当前我国碳排放权交易市场正处于试点阶段，本文主要探讨基于历史碳排放量的电力行业初始碳排放权免费分配方案，并将发电机组在无碳排放权配额约束下的Cournot均衡结果作为基准碳排放量。

在具体分配上采用差异化的初始碳排放权配额分配方案，对于碳排放系数不同的发电机组具有不同的减排要求。碳排放权配额分配量小于基准碳排放量时称为严格配额分配方案；碳排放权配额分配量大于基准碳排放量时称为宽松配额分配方案。发电机组在根据竞争对手的当前发电量，单方面不考虑碳排放权配额约束时基于Cournot模型的最优发电量称为即时均衡产量。此外，假设各发电机组的碳排放权配额是公共信息。

2无碳排放权配额约束时的Cournot模型

在发电机组没有受到碳排放权配额约束时，记为基准策略，用上标N表示。此时，两个发电机组的碳排放量不受约束，发电机组只需要根据自身的成本信息及市场情况进行生产决策，两个发电机组的利润最优化问题可以描述为：

是说当发电机组不受碳排放权配额约束时，高排机组由于具有先天的生产成本优势，其发电量和利润都大于低排机组，而碳排放量也相对较大。这种情况下将导致低排机组的碳减排成本无法有效分摊，进而影响其进行低碳生产的积极性，同时也使高排机组缺乏降低碳排放系数的积极性。

3碳排放权配额约束下的Cournot模型

本节中分析差异化初始碳排放权配额分配策略下双寡头竞争的Cournot均衡情况。当存在初始碳排放权配额约束时，用上标Y表示。此时，两个发电机组的生产决策都将受到初始碳排放权配额的影响，用Gi（i=1，2）表示第i个发电机组的初始碳排放权配额，则两个发电机组的最优决策为：

由此可知，在策略2的配额约束下，高排机组将在基准发电量的基础上通过减少发电量来降低碳排放量，用完所有的碳排放权配额；而低排机组将在基准发电量的基础上通过增加发电量来使自身利润达到最大化，同时碳排放量也会随着发电量的增加而增加，两者的变化率为-12，过多的碳排放权配额将不会用于生产。

比较策略2和基准策略下的均衡结果可知，当针对低排机组实施宽松配额约束，针对高排机组实施严格配额约束时，社会总的发电量和总的碳排放量将减少，市场出清电价将增加。因此，在策略2的配额约束下，国家和政府实施的碳减排控制机制将发挥作用，达到减排的目的。同时给与低排机组宽松的碳排放权配额，以此作为“共同但有区别的责任”的体现以激励低排机组进行低碳生产，同时促进高排机组通过减排技术改造向低排机组转移。

（3）当λ1=0，λ2>0时，记为策略3，用上标Y3表示。此时发电机组1的碳排放量榭硭膳涠钤际，发电机组2的碳排放量为严格配额约束，这意味着发电机组1的初始碳排放权配额大于其即时均衡碳排放量，而发电机组2的初始碳排放权配额小于其基准碳排放量，因此有G1≥k1qY11，0≤G2

由此可知，在策略3的配额约束下，低排机组将在基准发电量的基础上通过减少发电量来降低碳排放量，用完所有的碳排放权配额；而高排机组将在基准发电量的基础上通过增加发电量来提高自身利润，同时碳排放量也会随着发电量的增加而增加，两个机组发电量的变化率为-12。

当针对高排机组实施宽松配额约束，针对低排机组实施严格配额约束时，社会总的发电量将有所减少，市场出清电价将逐渐增加；总的碳排放量情况受碳排放系数的影响，在k1≥2k2时，总的碳排放量将超过未实施碳排放权配额约束时的碳排放量，碳减排控制机制失效，无法达到减排目的；而在k1

在策略3的碳配额约束下，虽然在k1

由此可知，当两个发电机组的碳排放量都为严格配额约束时，两个发电机组都将按给定的初始碳排放权配额进行发电生产，总的发电量减少，市场出清电价上升，市场总的碳排放量为初始碳排放权配额之和。情形1中，在严格控制高排机组碳排放权配额的基础上，要求低排机组承担较小的减排工作，可以达到减少社会总碳排放量的目的。同时，将进一步激发两类发电机组进行低碳改造和低碳生产的积极性。情形2中，在严格控制低排机组碳排放权配额的基础上，要求高排机组承担较小的减排工作，社会总的碳排放量不一定减少，反而将进一步损害低排机组的利润，使低排机组具有向高排机组转移的内在动力，形成反向激励。情形3中，严格控制两个发电机组的碳排放权配额小于其基准碳排量，此时，两个发电机组的发电量和碳排放量都会减少，能够达到减排目的。但是均等比例的配额要求无法体现低排机组的优势，同时由于低排机组的单位发电成本较高，更不利于低排机组的生产发展，因此，无法实现对高排机组的激励作用。

4结论

本文对电力行业初始碳排放权分配策略的研究结果表明，在高排机组严格控制配额分配的基础上，对低排机组宽松的配额分配策略具有更强的减排激励作用，能够在减少总的碳排放量的同时激发低排机组进行低碳生产的积极性，促进高排机组通过减排技术改造向低排机组转移。

上述结论对今后我国电力行业初始碳排放权分配策略的制定及国家碳减排政策的实施具有一定的指导作用。政府在制定碳排放权分配机制时，适当侧重低排机组的差异化初始碳排放权分配策略，在降低碳排放量的同时，更好地激发机组进行减排技术改造的积极性。另外，需要指出的是，本文的研究结论是在假设电力市场中仅存在两个竞争发电机组的情况下得出的；当电力市场环境中存在多个竞争发电机组时，很可能会得到不一样的结论。所以多个竞争发电机组共存情况下的初始碳排放权分配问题将作为后续进一步的研究方向。

参考文献：

[1]Toblas A P， Christian A， Kristian L. Allocation of CO2 Emission Permits-economic Incentives for Emission Reductions in Developing Countries[J]. Energy Policy， 2006， 34（14）： 1889-1899.

[2]Hu Zhaoguang， Zhou Jinghong， Tan Xiaodong， et al. A Loe-carbon Electricity Model： Integrated Resource Strategic Planning and its Application[C].2010 IEEE Power and Energy Society General Meeting. Minneapolis， MN， USA， 2010.1-7.

[3]Raymond R T， Dominic C Y F. Pinch Analysis Approach to Carbon-constrained Energy Sector Planning[J]. Energy， 2007， 32（8）：1422-1429.

[4]曾鸣，马向春，杨玲玲.电力市场碳排放权可调分配机制设计与分析[J].电网技术，2010，34（5）：141-145.

[5]Xie J， Wei X， Lu Y， et al. Emission-constrained Optimal Generation Scheduling Incorporating Equity Principles[J]. IET Generation， Transmission & Distribution， 2010， 4（2）：201-210.

[6]Zhou Xun， Geoff J， Ariel L， et al. Partial Carbon Permits Allocation of Potential Emission Trading Scheme in Australian Electricity Market[J]. IEEE Trans on Power Systems， 2010， 25（1）：543-553.

[7]李保卫，胡泽春，宋永华，王广辉.电力碳排放区域分摊的原则与模型[J].电网技术，2012，36（7）：12-18.

[8]宋旭东，向铁元，熊虎，徐智.考虑碳排放权分配的低碳电源规划[J].电力系统自动化， 2012，36（19）：47-52.

[9]宋旭东，莫娟，向铁元.电力行业碳排放权的初始分配机制[J].电力自动化设备，2013，33（1）44-49.

[10]袁溥，李宽强.碳排放交易制度下我国初始排放权分配方式研究[J].国际经贸探索，2011，27（3）：78-82.

[11]Paul G H， Alice S Y C， Rasmus K. China and Climate Justice： Moving beyond Statism[J]. International Environmental Agreements， 2013（13）：291-305.

[12]齐绍洲，王班班.碳交易初始配额分配模式与方法的比较分析[J].武汉大学学报哲学社会科学版，2013，66（5）： 19-28.

[13]王敬敏，薛雨田.基于数据包络分析的电力行业碳排放权配额初始分配效率研究[J].中国电力，2013，46（10）： 146-150.

[14]谭忠富，宋艺航，何楠，张会娟.碳排放权初始分配对发电权交易的影响分析模型[J].华东电力，2013，41（11）： 2360-2364.

[15]骆跃军，骆志刚，赵黛青.电力行业的碳排放权交易机制研究[J].环境科学与技术，2014，37（6）：329-333.

[16]陈勇，王济干，张婕.区域电力碳排放权初始分配模型[J].科技管理研究，2016（1）：229-234.

[17]梅天华，谢俊，甘德强.基于求偿权的电力碳排放权多准则分配机制[J].电网技术，2016，40（2）：419-424.

篇8

关键词：碳排放；经济增长；空间效应；空间滞后模型；空间误差模型

中图分类号：F061.5　文献标识码：A　文章编号：1004-1494（2013）01-0040-06

一、引言

20世纪90年代以来，世界经济迅猛发展，能源需求量逐年增加。能源消费所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。碳排放问题正日益受到国际社会的广泛关注，对其测算及影响因素问题，国内外很多学者从不同角度、应用不同方法进行了大量实证研究。国内碳排放研究方面，宋德勇等用“两阶段”LMDI方法，从全国层面将一次性能源消费产生的二氧化碳排放相关影响因素分解并进行了周期性波动研究［1］。李国志等利用状态空间模型构造可变参数数据模型，分析了出口贸易结构对二氧化碳排放的影响［2］。胡初枝等通过经验数据对江苏区域碳排放进行估算，分析了苏南、苏中、苏北三大区域产业结构的碳排放效应差异［3］。马军杰等测算了1990年—2006年我国省域一次能源CO2排放量并对其影响因素进行了空间计量经济分析［4］。姚亮等采用结构分解分析（SDA）方法对影响居民消费碳排放量变化的驱动因素进行了分析［5］。可见，现有关于碳排放的研究多以传统的时间序列数据分析为基础，主要集中在测算碳排放量及其因素分解方面，忽略了截面数据包含的空间效应。事实上，在多区域的经济和环境系统中，一个区域由于能源消费导致的碳排放行为不仅受该地区内部决定因素的影响，而且越来越多地受到周边地区碳排放量的关联作用，区域之间的能源消费及碳排放活动呈现出明显的空间自相关性［4］。可见，在理论和实证研究中忽略空间邻近效应，势必会影响传统OLS模型参数的无偏估计，导致研究结论的可靠性受到质疑。

为此，本文在考虑空间效应的前提下，利用“十一五”规划期间的碳排放数据，研究中国省域碳排放量的驱动因素，分析省域碳排放的空间依赖及邻近省域碳排放量的空间溢出效应，从而为国家和各省域制定节能减排政策提供决策支持依据。

二、省际碳排放的决定因素及理论假说

现有对碳排放决定因素模型的研究主要有EKC模型和IPAT模型。但是大多研究仅考虑了人口、经济发展、能源消费强度等因素的影响，忽略了技术创新和城市化因素的作用。根据有关经验研究，本文对IPAT模型进行改进，重点考虑人口、经济发展水平、能源消费强度、产业结构、技术创新及城市化等六个决定因素，使用空间计量经济模型研究其对中国省域碳排放量的作用。

1.　人口规模（POP）。中国作为人口大国，为满足广大人民群众日益提高的生活水平，刚性的能源消费需求必然会导致区域碳排放量的不断增大。因此，人口是影响碳减排压力的一个重要变量，本文预期其与碳排放之间呈正相关关系。

2.　经济发展水平（PGDP）。在经济快速发展的同时，也必然伴随着相应的能源消耗及其碳排放。本文选用人均GDP衡量一个地区的富裕度和经济发展水平，用以检验其对碳排放的影响。一般来说，区域经济发展水平越高，能源消费量相对越大，由此产生的碳排放量也就相应越多，二者之间应为正相关关系。

3.　能源消费强度（ENERGY）。能源消费强度定义为生产单位GDP所消耗的能源数量，能源强度越低，意味着能源利用效率越高。能源利用效率的不断提高，使得单位GDP所消耗的能源减少，从而减少碳排放量。因此，本文将能源消费强度纳入影响碳排放的驱动因素之一，并预计两者呈正相关关系。

4.　产业结构（STRU）。经济增长方式的转变同样影响着能源消耗和碳排放量的大小。长期以来，中国经济增长方式粗放，直接影响以煤碳为主的能效的提高，使得碳排放增长的态势难以遏制。实现经济方式由粗放式向集约式的转变是减少碳排放的必然选择。本文以第二产业与第三产业产值之比刻画产业结构对碳排放的作用。鉴于我国目前正处于产业结构转型过程中，预期其对碳排放的作用尚未充分发挥。

5.　城市化（URB）。近年来，中国城市化过程中的人口迁移对能源消耗和碳排放产生冲击，大规模城市基础设施和住房建设所需要的大量水泥与钢铁生产，导致高能耗高排放。城市化进程也是影响碳排放量的重要因素。本文选用城镇人口占总人口的比重衡量城市化［6］，初步预期其对碳排放产生正向作用。

6.　技术创新（RD）。中国每年巨大的能源消耗支撑着经济的快速增长，而经济迅速发展的同时，也带来了开发新技术新工艺的大量投入。但是，对于生产工艺和设备的引进，以及各种研发活动，到底对地区企业的节能减排产生了何种影响，目前的研究结果并不确定。本文选用各省域研究与试验发展（R&D）经费内部支出来衡量技术创新对碳排放的影响，其作用还有待检验。

三、模型设定与数据来源

（一）模型设定

基于以上解释变量，利用柯布—道格拉斯生产函数形式的双对数经验形式，建立如下碳排放影响因素模型：

（1）

其中，i表示30个省级地区，LnCARBON为被解释变量各地区碳排放量；LnPOP表示各地区人口数量；LnPGDP表示人均GDP；LnENERGY表示能源消费强度；LnSTRU表示第二产业产值占第三产业比重；LnURB表示城市化水平，LnRD表示技术创新。参数β分别反映了六个解释变量对被解释变量碳排放的影响。

假定模型（1）为没有考虑邻近地区空间效应的碳排放影响因素模型，可用OLS方法估计。但是，如果地区碳排放存在着空间自相关性，则有必要采用纳入了空间相关性效应的空间滞后模型、空间误差模型等空间计量经济模型。

空间滞后模型（Spatial　Lag　Model，SLM）主要探讨地区碳排放变量是否存在邻近地区碳排放溢出效应的情况。其模型表达式为：

（2）

式中，WlnCARBON为空间滞后被解释变量，反映邻近地区的碳排放对区域碳排放行为的作用大小和程度；ρ为空间滞后回归系数；W为n×n阶的空间权值矩阵，w表示W中的元素，一般用空间邻接矩阵；ε为随机误差项向量。

当一些决定地区间碳排放的因素没有被考虑到解释变量中时，则需要采用空间误差模型（Spatial　Error　Model，SEM）。空间误差模型的形式为：

（3）

式中，ε为随机误差项向量，λ为n×1阶的被解释变量向量的空间误差系数，μ为正态分布的随机误差向量。参数λ为存在于扰动误差项之中的空间依赖变量，衡量相邻地区忽略的具有空间依赖性的碳排放被解释变量的误差冲击对地区碳排放的影响方向和程度。

（二）数据来源

实证研究中所用到的空间样本为除了外（缺少能源数据）的中国大陆30个省、自治区和直辖市（简称省域或地区）。作为我国国民经济和社会发展“十一五”规划的基数年份，2005年是中国经济发展的一个关键年份，国家致力于通过宏观调控促进经济增长方式转变，力图在结构调整方面取得实质性进展。本文重点考察2005年—2010年之间我国各省域碳排放的决定因素，所用数据来源于2006年—2011年的《中国统计年鉴》、《中国能源统计年鉴》、《中国科技统计年鉴》和《中国区域经济年鉴》，实证变量数据取算术平均数，以消除年度波动影响。在碳排放行为研究中的一个基础工作是测算各种类型能源消耗的碳排放系数。虽然国内外各种能源研究机构和相关学者对各类能源消耗的碳排放系数进行了测算研究，但是大家获得的结果略有差异。国际机构使用的碳排放系数据其所在国情况测算，直接用来计算中国能源消耗碳排放是有问题的。本文综合考察了国内外相关研究，最终确定采用国家发展和改革委员会能源研究所在《中国可持续发展能源暨碳排放情景分析》中推荐的碳排放系数：即煤炭的碳排放系数为0.7476、石油为0.5825、天然气为0.443。

四、实证估计与结果分析

为了描述中国30个省级地区碳排放量的空间分布情况，本文首先采用空间自相关的Moran’s　I测算各省碳排放量是否存在聚群现象［4］。在做空间相关分析时，选择了常用的描述地区间邻近关系的一阶、二阶和三阶rook权值矩阵进行比较分析，最终再确定阶数。表1报告了三类rook权值矩阵的省际碳排放量空间自相关性的计算结果。

表1显示，基于rook一阶空间权值矩阵W1计算的30个省域碳排放的Moran’s　I为0.2227，在0.19%的水平上显著，表明中国省域之间的碳排放量在空间分布上并非分散（随机）分布，具有明显的正自相关关系（空间依赖性），表现出某些省域碳排放量的相似值之间在空间上趋于集群的现象。同时计算发现，rook邻近从低阶到高阶，全域Moran’s　I值逐阶下降，表明地区间碳排放量的空间相关性随着其空间距离的增大而衰减。由此，选择rook一阶空间权值矩阵符合现实，在研究区域碳排放问题时有必要考虑空间效应，否则得到的结果可能存在较大偏差。

表1　Moran’s　I检验结果

注：表中W1为rook一阶空间权值矩阵，W2为rook二阶空间权值矩阵，W3为rook三阶空间权值矩阵。

由于全域Moran’s　I有很大的局限性：如果一部分省域的碳排放增长存在正相关（溢出效应），而另一部分省域存在负相关（回流效应），二者将会抵消，则可能显示省域间的碳排放不存在空间相关性。此外，省际碳排放溢出与回流效应也未必局限于有共同边界的相邻省域间。因此，本文还进行了基于W1的空间关联局域指标LISA检验Moran散点图（略）分析，结果表明：位于第I象限的省域有黑龙江、内蒙古、辽宁、河北、山西、陕西、江苏、山东、河南和安徽，表现为高碳排放量的省域被高排放量的省域所包围（High—High，高—高集聚）；位于第II象限的省域有吉林、北京、天津、宁夏、重庆、江西、福建和广西，为低碳排放量的省域被高排放量的省域所包围（Low—High，低—高集聚）；位于第III象限的省域有新疆、甘肃、青海、贵州和云南，为低碳排放量的省域被低排放量的省域所包围（Low—Low，低—低集聚）；位于第IV象限的有广东、湖南和四川，为高碳排量的省域被低排放量的省域所包围（High—Low，高—低集聚）；其中上海跨越了第I、Ⅱ象限，海南跨越了第Ⅱ、IV象限，湖北和浙江同时跨越了第IV、I象限。显见，各省域碳排放量的空间集聚性非常明显，正向局域相关和集聚的典型特征非常显著，存在一个明显的空间趋同。省域碳排量在地理空间分布上呈非均衡，15个省域（50%）显示了相似的空间关联，其中10个（33.33%）的省域在第I象限（HH：高碳排放量—高空间滞后），5个（16.67%）的省域在第III象限（LL：低碳排放量—低空间滞后）。另外，对空间不稳定性和非典型区域偏离了全域正向空间自相关的省域识别结果显示：2005年—2010年平均来看，11个省域（36.67%）显示了非相似值的空间关联，其中8个省域在第Ⅱ象限（LH），3个省域在第IV象限（HL）。这表明各省域的碳排量行为的空间局域依赖性和差异性是同时存在的。

以上空间统计分析结果证明，中国省域碳排放量存在着较强的空间依赖性，有必要建立空间计量经济学模型来分析，将空间效应的省域碳排放量纳入影响因素。经典计量经济学模型假设空间是均质的，没有考虑到空间依赖效应，由于空间自相关性的存在，使得普通最小二乘估计无效，假若忽视空间自相关性，则可能无法得到稳健的回归结果。因此，需要建立空间计量经济学模型来克服OLS无法解决的空间依赖效应。为了与空间计量经济学模型的结果进行比对，本文先采用OLS进行估计，以显示空间计量经济模型估计结果的效果。

表2中六个解释变量的地区碳排放OLS估计结果显示，调整后的R2高达0.9193，模型的解释能力很强，F统计量为56.0299，通过了1%的方程显著性水平检验，因此模型的拟合程度很好。DW值为1.9197，表明模型残差不存在序列相关问题。变量的t检验结果显示，LnPOP、LnENERGY、LnPGDP均至少可通过0.28%显著性水平的检验，而LnSTRU、LnURB和LnRD均没有通过10%的显著性水平检验，表明这三个变量的作用不明显。进一步对解释变量的多重共线性检验发现，LnPGDP和LnUrban的方差膨胀因子（VIF）分别为12.9358和12.9453，大于10的临界值，表明这两个变量存在较高的共线性，不能同时进入回归模型，lnRD的VIF为9.7701，也存在一定程度的共线性。逐步回归分析获得的表2中三个解释变量的回归结果表明，当剔除不显著的LnSTRU、LnURB和LnRD三个变量后，VIF检验发现模型不存在共线性，而且三个解释变量的t统计量均至少能通过小于0.01%的变量显著性检验，因此三解释变量省域碳排放模型是更为可取的模型。

实际上，空间统计的Moran指数检验已经证明了我国30个省域的碳排放具有明显的空间自相关性，经典线性回归模型的OLS估计可能存在忽略空间效应的模型设定不当问题。为了进一步验证空间自相关性的存在，本文进行了省域碳排放的空间滞后和空间误差模型检验，结果如表3所示。

表3中的六个解释变量和三个解释变量模型Moran指数检验、两个拉格朗日乘数的空间依赖性检验结果显示：Moran指数（误差）检验证明经典回归OLS估计误差在4.98%和1.35%的显著性水平下具有显著的的空间依赖性（相关性）；区分内生空间滞后还是空间误差自相关的拉格朗日乘子滞后、误差及其稳健性检验表明：LMLAG和R-LMLAG分别在2.92%和3.78%、2.08%和2.37%的水平上较显著，而LMERR和R-LMERR则均不显著，显见空间滞后模型SLM应是更加恰当的模型形式。

最后，比较表2中的检验结果发现，空间滞后模型（SLM）中拟合优度的值（94.16%）、对数似然值LOGL（8.1831）都大于空间误差模型（SEM）和经典回归估计模型（OLS）的估计值，而SLM的AIC值（-0.3662）、SC值（10.8434）则均小于SEM和OLS的估计值。综合以上检验结果，SLM为最优模型。因此，本文以下的分析以SLM结果为主。表2中的三个解释变量省域碳排放模型的拉格朗日乘子误差和滞后及其稳健性检验显示，引入空间效应的模型较之OLS模型均有明显改善，SLM较之SEM是更为可取的模型形式，更好地反映了省域碳排放行为。

表2的空间计量分析结果显示，SLM的空间滞后估计参数ρ通过了1.22%和2.03%的显著性水平检验，表明省际碳排放存在空间集聚（回流）效应，即临近地区的碳排放量每增加1%，本地区碳排放量减少0.0782%和0.0618%；SEM的空间误差估计参数λ为0.4854和0.5250，通过了1.11%和0.40%的显著性水平检验，表明省际碳排放存在较强的空间依赖作用，忽略掉的一些因素如资源配置、劳动者素质、管理水平和市场化程度等也可能通过误差项对该地区碳排放产生着一定的作用。

最后，三解释变量模型估计结果显示：能源消费强度对省域碳排放的回归系数最大，为1.4433，表明在不考虑其他因素的情况下，地区能源消费强度每增加1%，碳排放总量平均增加1.4433%；其次是人均GDP的回归系数为1.1591，人均GDP每增加1%，碳排放量平均增加1.1591%；人口增长的回归系数为1.1088，人口每增加1%，碳排放量平均增加1.1088%；这三个决定因素的作用与理论预期一致。而城市化、产业结构及技术创新的回归系数均不显著，原因主要是：我国东中西部处于不同城市化发展阶段，“十一五”规划的宏观调控目标及经济增长方式转变对地区碳排放的作用还不够明显，各个地区的企业在生产和工艺环节方面还有待采用更为有效的节能减排技术，需要继续增强技术创新对消减地区碳排放的作用。

五、结论与启示

本文构建了省域碳排放量决定因素实证模型，对碳排放决定因素及其空间溢出效应进行了空间计量分析，得到如下主要结论及启示。

1.　中国30个省域相邻地区的碳排放行为普遍存在着正相关性，省域之间的碳排放行为存在空间集聚（回流）效应，制定省域碳排放政策时需要考虑碳排放行为的空间效应。

2.　能源消费强度是影响碳排放的最主要驱动因素。碳排放的实质是能源消耗，驱动中国经济增长的能源消费主要以煤炭为主。长期以来，低下的能源利用效率使得单位GDP的碳排放量较高。从长远利益考虑，中央及各级地方政府应在技术资金政策上鼓励新能源开发，实现节能减排，各省域要增加清洁能源如水能、风能、核能等的使用，各企业单位要提高能效、降低碳排放。

3.　人均GDP和人口规模的影响仅次于能源消费强度。虽然“十一五”期间的宏观调控与促进经济增长方式转变取得了一些成绩，但效果比较有限。提高经济增长质量和经济效益势在必行。同时，鉴于各省域人口总量增长惯性仍在持续，在继续严格执行计划生育政策的同时，提倡和鼓励居民理性消费、绿色消费，逐步促进城镇和农村居民消费向“绿色低碳”模式转变，构建资源节约型和环境友好型社会。

4.　产业结构对碳排放的影响不显著。1995年以来，我国大多数省域的产业结构变动并不大，第二产业比重基本上保持了小幅上升趋势，有些省域甚至出现了较大幅度下降（如北京、上海、云南）。优化产业结构，促进绿色产业发展是当下各省域实现产业升级的关键。各地方政府要淘汰高能耗、高污染的落后产业，大力发展高新技术产业和现代服务业，尤其是高产出低能耗的产业，如信息产业、生态旅游、新能源开发等，不断提高第三产业在国民经济中的比重，以降低能源消耗和碳排放量。

5.　城市化对碳排放的影响不显著。城市化既可能提升环境效率，也可能对环境产生负面影响。由于东部地区城市化水平较高，提升了第三产业、优化了产业结构，同时不完全竞争条件下的规模收益递增、人口和经济要素的集聚以及相应的知识、技术溢出，提高了整个东部地区的能源利用效率，减少了碳排放；中部地区还处于初级城市化阶段，建设项目主要集中在生活基础设施以及工业化基础设施方面，经济发展水平及能源利用效率相对较低，因而其城市化的提升反而带来了碳排放的增加；西部地区城市化进程缓慢，对碳排放的影响并不显著，导致全国省域城市化水平平均效应对碳排放的影响不显著。

6.　技术创新的作用不显著。由于技术创新虽然改善了能源效率而节约了能源，但技术创新同样促进了经济的快速发展，这又将导致对能源需求的增加，出现效率提高所节约的能源被因经济快速增长带来的额外能源消耗（部分地）抵消，即能源的回弹效应，最终导致各省域的研发投资对减少其碳排放数量的作用没有显现出来。为此，各省域的工业企业应该进一步加大清洁能源的研发资金投入，中央政府和各级地方政府要出台鼓励节能技术研发和推广的支持政策，重点提高节能减排投资的效率。

参考文献：

［1］宋德勇，卢忠宝.中国碳排放影响因素分解及其周期性波动研究［J］.中国人口·资源与环境，2009（3）：18-24.

［2］李国志，王群伟.中国出口贸易结构对二氧化碳排放的动态影响——基于变参数模型的实证分析［J］.国际贸易问题，2011（1）：82-89.

［3］胡初枝，黄贤金.区域产业结构变化的碳排放效应研究——以江苏省为例［C］.//中国地理学会2007年学术年会论文摘要集，2007：34-39.

［4］马军杰，陈震，尤建新.省域一次能源CO2排放的空间计量经济分析［J］.技术经济，2010（12）：62-67.

［5］姚亮，刘晶茹，王如松.中国城乡居民消费隐含的碳排放对比分析［J］.中国人口·资源与环境，2011（4）：25-29.

［6］林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略［J］.经济研究，2010（8）：66-78.

篇9

关键词：净碳；碳汇；分析；评估

中图分类号：X24 文献标志码：A 文章编号：1673-291X（2014）02-0201-02

引言

碳循环复杂而周密，保证了生物圈乃至整个地球的平衡发展[1]。但是，考虑人类大规模的经济发展作用，碳平衡就会被打破，排入环境中的二氧化碳大于自然植被的汇集速度，因而产生温室效应。

净碳排放量则是考虑了森林植被的碳汇作用，排除了技术因素减少与收集的那部分碳后，排放到自然环境系统中的二氧化碳量，能很好反映出一个地区的碳排放水平和森林碳汇能力。

深圳市是我国第一批低碳试点城市，目前低碳发展已取得了一定成效，其中，深圳某地是深圳市的低碳规划地区之一，尝试在社区、街道、企业实现低碳化。该地区“十二五”规划中提到，到2015年GDP达到480亿元、万元GDPCO2排放量降低12%[2]。所以，有需要先了解该地区净碳排放趋势，从系统参数的变化判断出目标实现情况，从而为该地区低碳发展提出政策性建议。

一、研究方法

（一）系统动力学

系统动力学是由福瑞斯特教授在1958年提出的一种研究和解决复杂动态反馈性系统问题的仿真方法[3]。一开始只是为了分析生产和库存管理等企业问题，后来被运用到其他系统研究当中。系统动力学分析问题的原理是在系统行为与内在机制间相互紧密的依赖关系的基础上，透过构建数学模型与操弄，从而获得信息反馈，逐步发掘出产生变化形态的因、果关系。这里运用汪应洛主编的《系统工程》第四版的系统动力一章的方法来建模分析[4]。

（二） 软件

这里使用Vensim PLE软件，即系统仿真软件来构建与分析深圳某地净碳排放。Vensim PLE可利用图示化编程建立模型，并能进行真实性检验，以判断模型的合理性和真实性，从而调整结构或参数，它还对模型提供多种分析方法。

（三）数据来源

查询深圳某地政府在线网2010—2012年《深圳某地统计年报》、2010—2012年《深圳某地国民经济与社会发展统计公报》相应数据。模型以2010年数据为基准值。

二、系统动力学模型构建

（一） 系统结构分析

简单分析，净碳排放系统包括碳增加与碳削减两方面。其中，碳增加主要体现为人口不断增多的社会经济发展下，人类生产生活消耗各种化石能源量增加，从而增加了碳排放量；碳削减一方面体现为森林的碳汇，另一方面为通过提高技术减少排放及收集的作用。

可以认为，净碳排放系统结构包含人口数量、能源消耗量、经济发展、自然植被几大部分。其中，能源消耗可看做是经济发展和人口数量增加共同的结果，而森林碳汇和节能减碳技术能削减能源使用，减少碳排放量。

（二） 参数方程构建

根据对深圳某地净碳系统结构分析，围绕碳增加和碳减少两部分，以2010年为基准，构建模型参数方程，见公式（1）—（8）所示。

R=GDP×c （1）

式中，R为GDP的增长速度，万元；c为GDP增长率，取该地区“十二五”规划平均每年增长率10%；GDP基准值为2 820 166万元。

h=PE×d （2）

式中，h为单位GDP能耗递减速度，吨标煤/万元；分析2010—2012年万元GDP能耗的变化情况，计算出平均递减速率，取d值为2.5%；PE为单位GDP能耗，初始值为0.55吨标煤/万元。

energy=GDP×PE （3）

式中，energy为能源消耗量，吨标煤。

carbon emission=energy×0.67×3.67 （4）

式中，carbon emission为碳排放量，根据一吨标煤含0.67吨碳，一吨碳燃烧排放出3.67吨二氧化碳的国际常用计算方式；另外，carbon emission=in，其中in为排入环境中的碳量。

i=5×51×10-5GDP/100 （5）

式中，i表示每年经济投资森林的面积，根据近年深圳某地园林绿地面积变化，算出平均每年的变化量，再换算成资金投入量，最后算出占GDP的比例；另外，i=f，f为森林面积的变化速度，公顷。

forest=f （6）

式中，forest为森林面积，初始值为4 798.5公顷；根据2010年该地区规划建设用地22.03公顷，用幅员面积72.63公顷减去建设用地面积，得到最大的园林建设面积为50.6公顷。

out=forest×365 （7）

式中，out为森林碳汇量，吨碳；公式根据每公顷森林每天吸收1吨二氧化碳的计算方法得到。

net carbon=in-out （8）

式中，net carbon为净碳排放累计量，吨碳，由排放环境中的碳量减去森林碳汇的量得到。

（三）系统动力学模型构建

运用Vensim ple系统动力学软件，根据净碳系统结构分析结果及参数方程，构建出深圳某地净碳排放系统动力学模型，如图1所示。

三、净碳排放量分析

（一） 区域净碳排放量计算

点击net carbon水平变量运行，可得出净碳排放累积变化情况。为了算出当年的净碳排放量，我们可以分别运行in与out速度变量，然后作差得到。通过计算，得到当年净碳排放变化情况，如图2所示。

从图2可知，在拥有广大森林面积的盐田区，每年的净碳排放量还是会逐年上升，2015年约比2010年增加2倍。整体呈指数变化曲线，相似度为0.997。这和该地区大面积而且短期较稳定的森林资源有关，加上经济发展速度的提高，因此，净碳排放量也会增加。

（二） 园林绿地碳汇潜力分析

运行out得到园林绿地2010—2020年的碳汇情况，如图3所示。从图3可见，增幅并不大，当园林绿地面积从2010年的4 798.5公顷增长到2015年的4 808.35公顷，森林碳汇从1 751 450tCO2增加到1 755 050tCO2，只增加了0.2%。这与该地区本身森林覆盖率很大的实际有关，森林面积不可能每年还以大幅度的速度增长，但森林的碳汇功能一旦形成，就会一直起作用，该地区的森林碳汇功能十分可观。

四、目标评估

根据深圳某地“十二五”规划，到2015年，单位GDP二氧化碳排放排放量比2010年降低12%，GDP达到480亿元。

（一）GDP目标评估

运行GDP，得出2010—2020年该地区GDP的变化情况，如图4所示。从图4可知，GDP从2010年的2 820 170万元增加到2015年的4 970 100万元。达到了该地区“十二五”规划的480亿元的目标，预计到2020年GDP达到8 759 010万元。可以得到，如果GDP增长率按照年均10%的速度增长，能达到“十二五”规划的目标。

（二）单位GDP碳排放量目标评估

通过运行模型的in速度变量，即总碳排放量，根据每年GDP的值，换算出单位GDP碳排放量，如图5所示。

从图5中可看出，到2015年单位GDP碳排放量为1.191 588tCO2/万元，比2010年的1.352 394tCO2/万元下降13.5%，达到了深圳某地“十二五”规划的目标值12%。这也表明，如果按照2010—2012年数据分析的以每年单位GDP碳排放下降2.5%的速度改造，能达到预期目的。

五、结论与建议

我们知道，深圳市某地园林绿地面积大，森林覆盖率达到67%左右，在考虑建设用地的需求上，森林面积较稳定，因此，碳汇也比较稳定。通过对深圳市某地净碳排放分析，净碳排放量随之总碳排放量的增加逐年上升，到2015年，净碳排放量约为2010年的两倍。另外，GDP以年均10%的增长速度，万元GDP二氧化碳以年均下降2.5%的速度，能完成“十二五”规划的GDP达到480亿元、万元GDP二氧化碳下降12%的目标。

建议：（1）建成区的绿地建设。根据该地区气候实际，在建成区广种乔木、灌木等高碳汇能力树种。（2）节能技术与措施。发挥节能研发机构的作用，推广节能技术，加强交流，配合优惠政策措施，动员辖区内尽可能多的力量，降低区域总能耗，从而降低单位GDP的CO2量。（3）控制好GDP增长率。这需要政府相关部门，加强与完善能源及其他方面统计工作，掌握好辖区的实际动态，按照新型经济发展目标，控制好GDP增长率。

参考文献：

[1] 鲁丰先，王喜，秦耀辰.低碳发展研究的理论基础[J].中国人口.资源与环境，2012，22（9）：8-14.

[2] 深圳市盐田区政府.《深圳市盐田区国民经济和社会发展第十二个五年规划纲要》，2011，http：///cn/a/2011/

g18/a120966_240804.shtml.

篇10

关键词：碳排放；区域差异；收敛；人文发展

中图分类号：F205 文献标识码：A DOI：10.3969/j.issn.1004-9479.2013.02.004

气候变化是全球性的环境问题，发展中国家人民的健康和农业收入最易受到气候变化的威胁。虽然很多发展中国家在收入、健康和教育方面已有很大进步，应对气候变化的能力有所增强，但那些增长停滞不前的低收入国家面对气候变化的不利影响无能为力。即使发达国家应对气候变化的脆弱性相对较小，但随着全球气温的上升，发达国家面临大规模气候变化冲击的危险也日益增加。近50年来的气候变暖主要是人类活动所产生的二氧化碳使温室效应增强的结果。1961～2009年，全球二氧化碳排放量由94.34亿吨增加到324.22亿吨，年均增加3.18%①。虽然从20世纪70年代开始，国际社会采取了积极行动进行气候变化的科学研究、科学评估和制定相关国际条约，但全球二氧化碳排放在2012年还在进一步增加，将达到创纪录的356亿吨[1]，减缓大气中二氧化碳的增加已成为世界各国所面临的现实挑战。因此，研究世界碳排放的变化规律对于在全球范围内就气候变化问题采取必要和及时的行动具有十分重要的意义。

已有文献分析了主要发达国家温室气体排放情况[2]和世界碳排放大国的碳排放历史轨迹[3]，比较分析了世界主要国家的碳排放水平[4-5]，研究了主要国家人均碳排放与经济发展之间的关系[6]。这些研究表明发达国家的碳排放是大气 CO2浓度升高的主要贡献者，发展中国家与发达国家历史碳排放量的差距有缩小趋势，应公平分配未来碳排放空间[7-9]。

学者们借助于经济增长的σ收敛、β收敛以及俱乐部收敛模型来研究碳排放的收敛性，得出21个OECD国家碳排放量存在β收敛性[10-12]，然而也有学者认为在21个OECD国家中，碳排放收敛的有4个，其余则不收敛[13]。此外，还有学者以世界100个国家为研究对象，指出低排放国家没有出现收敛，高排放国家出现了收敛特征[14]。本文将在已有研究基础上进一步研究世界碳排放量、人均碳排放量、碳排放强度各指标②的国别分布差异与变化规律。

1 样本、数据与基本模型

1.1 样本与数据

根据数据的可获得性，本文分析的样本期间为1992～2008年，世界碳排放的国别分布差异研究样本为世界206个国家，碳排放收敛性的研究样本为世界178个国家或地区。样本数据均来源于世界银行，GDP等经济变量数据均以2000年美元不变价表示。

1.2 基本模型

1.2.1 碳排放σ收敛模型

碳排放σ收敛是指以标准差度量的不同国家或地区之间的碳排放随着时间的推移离散程度逐渐减小。σ收敛模型为：

σ= （1）

其中σ为n个国家或地区的碳排放数据的标准差，xit为第i个国家或地区第t年的碳排放数据，为n个样本的碳排放的均值。

标准差反映了碳排放数据的相对差异程度，标准差越大说明有越多的国家或地区碳排放与其平均值之间的差异较大。如果在第（t+T）年满足：σt+Tσt，则这n个国家或地区的碳排放具有T阶段的σ收敛；若在第t年以后的任意第S年里满足：σt+Sσt，则这n个国家或地区具有一致σ收敛。变异系数的公式为：

Cv=σ / （2）

变异系数反映了碳排放的绝对差异程度，变异系数越大说明样本国家或地区碳排放的绝对差异越大。

1.2.2 碳排放β收敛模型

碳排放β收敛有绝对β收敛和条件收敛两种形式。碳排放β绝对收敛指随着时间的推移， 所有国家或地区无论其初始碳排放水平、人文发展水平、经济结构 （能源资源禀赋、产业结构、体制政策、技术水平等）和地理位置如何，碳排放都将收敛于相同的均衡稳态水平。碳排放β绝对收敛模型为：

rit=c+βln（xi0）+μit， i=1，…，n （3）

其中，rit=ln（xit / xi0）/t表示第i个国家或地区第t年的碳排放的年均增长率，xi0为第i个国家或地区初始年的碳排放指标值，μit为随机干扰项。

如果模型（3）中的β0，则称这 n个国家或地区之间的碳排放具有绝对β收敛性。将上述二种收敛模型分别应用于世界178个国家和地区的碳排放量、人均碳排放量、碳排放强度（单位GDP碳排放量）收敛的分析中。

2 碳排放差异与收敛性分析

2.1 碳排放的国别差异的可视化描述

借助地理信息系统的可视化方法，利用GeoDa软件描绘出1992～2008年世界各国的年人均碳排放量、年均碳排放量和年均碳排放强度的分布图（图 1、图2和图3）。

由图1可知，人均碳排放量高于5.98（单位：公吨 /人）的国家有52个，介于0.54～5.98的国家有51个，0.54以下的国家有103个。北美国家人均碳排放量普遍较高，欧洲国家其次，撒哈拉以南非洲以及南亚国家人均碳排放量较低。收入水平越高人均碳排放量越大。世界人均碳排放量最高的是卡塔尔，达到57.08，亚洲产油国家如科威特、阿联酋、巴林的人均碳排放量也位居世界前列，世界主要大国中，美国、德国和英国分别为19.5、10.2、9.22，俄罗斯为11.40，中国、印度分别为3.48和1.36，

由图2可知，年均碳排放量高于51.99（单位：百万吨）的国家有52个，介于5.64～51.99的国家有51个，5.64以下的国家有103个。工业发达国家的年均碳排放量较高，其次是北美，再次是东亚国家，南亚国家年均碳排放量较低。年均碳排放量最高的是美国达到5506.56，其次中国为4424.98，俄罗斯和印度分别为1659.14和294.34，日本为1195.53，德国和英国分别为836.38、545.77。碳排放量的区域积聚并不十分明显，主要与地区资源能源禀赋和经济发展程度有关，收入越高的国家年均碳排放量越大。

由图3可知，年均碳排放强度高于1.26（单位：千克/2000年美元GDP）的国家有52个，介于0.58～1.26的国家有51个，0.58以下的国家有103个。中亚和欧洲各国碳排放强度普遍较高，东南亚、中东与北非各国碳排放强度也较高，欧盟国家最低。除重债穷国碳排放强度低于高收入国家外，收入水平越低碳排放强度越高。其中，碳排放强度最高的是土库曼斯坦达到12.22，俄罗斯为5.82，中国、印度分别为3.37和2.42，日本为0.25，美国、德国和英国分别为0.58、0.46、0.38。

总的来说，世界各国人均碳排放量、年均碳排放量和年均碳排放强度的分布都呈现出不均衡态势，收入水平越高，碳排放量和人均碳排放量越大，而碳排放强度越低（重债穷国除外）。

2.2 收敛性分析

（1）整体分析。利用Matlab2012软件，计算世界1992～2008年的碳排放量、人均碳排放量和碳排放强度的标准差与变异系数，结果如图4所示，1992～2008年，世界碳排放量、人均碳排放和碳排放强度均不存在一致收敛，但人均碳排放量存在17阶段（年）收敛，人均碳排放量的变异系数在波动中呈现出下降趋势且变化均不是很大，绝对差距也在缩小。世界碳排放量不存在收敛，其相对差距在不断扩大；从变异系数来看，世界碳排放量变异系数变化幅度相对较小，但也呈现逐渐上升的趋势，绝对差距在不断扩大。世界碳排放强度存在17阶段收敛，世界碳排放强度的变异系数在波动中呈现出下降趋势，绝对差距在缩小，总体上符合差异由大到小的“倒U型”规律。

（2）按人文发展水平高低的比较。将2005年人文发展指数在0.8以上的国家归为高人文发展水平国家集团（简称高集团），将0.8以下的归为低人文发展水平国家集团（低集团）③，分别计算其人均碳排放量与碳排放量的标准差和变异系数（表1）。由表1可知，两个集团内部人均碳排放都存在17阶段的收敛；高集团相比低集团而言，其内部人均碳排放量的相对差距要大得多。对于低集团来说，1992～1999年，其内部人均碳排放量存在一致收敛；2001～2008年，其内部人均碳排放量的相对差距正快速扩大。1992～2008年，两个集团内部碳排放量的相对差距都呈上升趋势，但低集团内部碳排放量的相对差距扩大得更为快速，低集团2008年的碳排放量的相对差距已是1992年的2.5倍多，已超过高集团内部的相对差距。

表1显示，1992～2008年，对于高集团来说，其内部人均碳排放量的绝对差距呈下降趋势，其碳排放量的绝对差距变化很小只有微弱的上升。低集团内部的人均碳排放量的绝对差距在1.43附近波动，而碳排放量的绝对差距在5.54附近波动。高集团内部碳排放量和人均碳排放量的绝对差距要比低集团的小。

此外，本文将世界178个国家分别按1992～2008年期间的平均每年的碳排放量、平均每年的人均碳排放量、平均每年的碳排放强度数值的大小划分为高、中、低三个国家或地区集团，然后对各集团内部碳排放量、人均碳排放量、碳排放强度的收敛性进行分析。结果显示，1992～2008年，碳排放强度高、中、低三个国家或地区集团内部存在17阶段收敛，碳排放量、人均碳排放量均不存在收敛。

2.3 β收敛性分析

采用模型（3）进行回归，得到人均碳排放、碳排放量、碳排放强度④的估计结果如表2。

由表2可知，回归结果中，Ln（X1）、Ln（X2）、Ln（X3）的系数为负，t统计量在0.0001的显著性水平上显著。因此，1992～2008年，世界各个国家或地区的碳排放量、人均碳排放量和碳排放强度都呈现出β绝对收敛性，这与Nguyen-Van的研究结果不同，但支持了Strazicich等人的研究结果。

3 结论与启示

本文以1992年以来的数据为基础，采用经济增长收敛理论，分析了世界碳排放量、人均碳排放量和碳排放强度的国别差异和收敛性。基于本文的研究，可以得到如下结论与启示：

（1）世界各国年均碳排放量、人均碳排放量和碳排放强度的分布都呈现出不均衡态势。收入水平越高的国家其碳排放量和人均碳排放量越大，而碳排放强度越低。

（2）世界各国碳排放量的相对差距和绝对差距在不断扩大。人均碳排放量存在17阶段（年）的σ收敛，绝对差距也有缩小的趋势。世界碳排放强度存在17阶段的σ收敛，绝对差距也在缩小，且总体上符合 “倒U型”规律。

（3）高人文发展水平国家集团人均碳排放存在17阶段的σ收敛。低人文发展水平国家集团的人均碳排放在1992～2000年这个时段存在一致σ收敛，但在2001～2008年，集团内部人均碳排放量的相对差距在扩大。高人文发展水平国家集团内部人均碳排放量的相对差距比低人文发展水平国家集团的要大得多，绝对差距相反地要小得多。低集团内部碳排放量的相对差距在2001年以来快速扩大，已超过高集团内部的相对差距。总体上，1992～2008年，各集团内部碳排放量和人均碳排放量的绝对差距变化较小。