内蒙古碳排放现状及森林碳汇的重要性分析

文章基于kaya恒等式,计算2001-2010年内蒙古自治区的碳排放量。然后采用森林蓄积量扩展法,对内蒙古自治区2001-2010年森林碳汇的固碳量进行了核算,得出森林碳汇的固碳量在碳排放量中所占的比重变化情况。利用灰色预测模型,对2011-2020年内蒙古自治区的碳排量进行预测。最后分析了现有碳减排措施中森林碳汇的重要地位和现实意义。     

皖江城市带农田生态系统碳排放动态研究

基于化肥、农药、农膜、农业灌溉、农地翻耕、农机运用、农作物收割后残留根系分解 7个主要碳源,测算皖江城市带1991~2010年农业碳排放量。结果表明：研究区农业碳排放总量从1991年的273万t增加到2010年的535万t,年均增长率为1035%,同时2010年其排放量约占安徽省碳总排放量的443%。1991~2010年研究区人均农业碳排放年均增幅26%,农业碳排放密度年均增幅584%,碳排放强度年均降幅3769 t/亿元。研究区农业碳排放以农作物收割后残留根系分解为主(占总排放量的5987% ),且化肥碳排放比重年均增长最快达1618%。各市农业碳排放量六安最大,安庆较大,铜陵最小,其中平均增幅最大为六安298万t/a,最小为铜陵009万t/a;碳排放强度最大为六安,较大为滁州,最小为铜陵,平均降幅最大为滁州64774 t/（亿元·a）,最小为铜陵19760 t/（亿元·a）;人均农业碳排放量最大为滁州,最小为铜陵,人均增加量最大为六安460 kg/a,最小为合肥039 kg/a;碳排放密度年均增幅最大为芜湖836%,最小为马鞍山345%。最后根据该区农业碳源的构成特点和动态特征,为其降低农业碳排放提出一些建议     

中国碳排放与经济增长的协整与因果关系分析

中国碳排放与经济增长的关系是目前热点问题。研究碳排放与经济增长关系有助于实现中国2020年碳减排目标。选取1953～2008年中国碳排放量和经济增长数据，运用协整和误差修正模型及Granger因果关系，研究碳排放与经济增长关系。研究结果表明：从长期来看，碳排放与经济增长之间存在长期均衡关系(协整关系)，GDP增加1%，碳排放将增加036%，即碳排放对经济增长的长期弹性为036；在短期内，两者存在着动态调整机制，非均衡误差项的存在，保证了两者之间长期均衡关系的存在。误差修正系数(-0669 4)为负，调整方向符合误差修正机制，并且误差修正模型的拟合效果比较理想。Granger因果关系研究表明：总体来说，碳排放与经济增长之间互为双向因果关系。针对研究结果，提出了“发展低碳经济、提高能源效率和发展非化石能源”的策略，减少能源消费和降低碳排放，实现碳排放与经济增长的相对脱钩     

中国碳排放强度的时空演进及跃迁机制

面对气候变化所带来的生存危机以及环境治理的复杂状况,对中国碳排放强度时空演进的动态监测与预警治理的研究是实现碳排放强度下降目标的关键。文章测算1997—2015年中国大陆30个省区碳排放强度的空间面板数据,采用探索性时空数据分析(ESTDA)方法对中国碳排放强度的空间相关性、集聚特征及其时空跃迁进行空间统计分析,借助分位数回归与时空跃迁嵌套模型,揭示在时间和空间推移的双重作用下中国各省区碳排放强度的时空跃迁机制。研究结果表明:(1)中国30个省区的碳排放强度在时空分布上并不是完全随机状态,各个省区碳排放强度之间具有显著的空间相关性特征,碳排放强度的变动趋势会受到其相临近省区碳排放强度的影响,省域间的碳排放强度在空间分布上呈现"集聚"与"分异"并存的时空演进特征。(2)中国碳排放强度空间集聚趋势增强,具有高度的凝固性和较低的流动性,10个高碳排放强度省区碳排放强度的稳定性将成为制约中国碳排放强度整体跃迁的重点省区,相关省区的跃迁性将成为驱动中国碳排放强度整体跃迁的关键省区。(3)各省区的碳排放强度空间集聚过程中存在时空跃迁的驱动模式和制约模式,分位数回归模型能够很好地解释各驱动因素对碳排放强度时空跃迁的驱动机制,不同响应阶段的驱动因素的分位数与碳排放强度时空跃迁类型之间具有很强的嵌套性。(4)根据各省区碳排放强度时空演进及其跃迁机制的分析结果,进一步提出加强对关键省区碳排放强度的有效监测与治理,加大碳排放的约束力度等差异化的碳减排调控措施。     

武汉城市圈土地利用碳排放效应分析及因素分解研究

土地低碳利用对减少土地利用碳排放，发展低碳经济，建设“两型社会”具有重要作用。以武汉城市圈为研究对象，估算了武汉城市圈1996～2010年土地利用碳排放量，分析了城市圈1996～2010年土地利用碳排放效应，利用LMDI模型对影响城市圈土地利用碳排放的因素进行了分解。研究表明：（1）1996～2010年武汉城市圈土地利用碳排放量由1996年的95282万t上升到2010年的4 55035万t，年均增长1182%，且上升幅度越来越大；（2）武汉城市圈居民点及工矿用地碳排放强度最大，耕地最小，不同土地利用方式碳排放强度及变化幅度存在一定差异；（3）城市圈各城市土地利用碳排放存在时空差异，时间上表现为碳排放增长速度和幅度的差异，空间上表现为各城市单元碳排放量的差异；（4）土地利用变化、经济发展水平提高、人口规模增加对城市圈土地利用碳排放存在正效应，能源效率提高和能源结构优化存在负效应     

玉溪市未来人口预测三种模型的分析

人口问题是一个国家或地区可持续发展的前提。人口规模是否合理,对一个国家或地区未来的经济、社会和生态环境可持续发展影响深远。运用马尔萨斯人口模型、Logistic增长模型和线性函数三种理论模型,利用《玉溪市统计年鉴》统计数据对玉溪市2010—2020年的人口发展规模做出预测,预测结果显示3种模型均取得了较好的模拟效果。Logistic增长模型的预测值最小,故采用其预测值作为预测结果。     

中国各省建筑业碳排放脱钩及影响因素研究

伴随着我国经济的快速发展,能源匮乏、气候变暖等问题日益突出。建筑业作为我国国民经济的支柱产业,面临碳排放较大和能耗较高等问题,是当前我国节能减排的重点领域之一。减少建筑业碳排放,对实现我国节能减排目标具有重大意义。本文按照IPCC碳排放核算方法,建立中国区域建筑业碳排放测算模型,基于30个省份2004-2011年的面板数据,测算了中国各省建筑业在此期间的碳排放量。在此基础上,利用Tapio脱钩模型分析了各省建筑业碳排放的脱钩状态,并运用LMDI方法对碳排放的影响因素进行分解分析。研究结果表明,我国各省建筑业碳排放量在整体上呈逐年上升的趋势,但省际间存在较大差异。各省间接碳排放量均占到总排放量的90%左右,是建筑业碳排放的主要来源。大部分省份处于碳排放的弱脱钩状态,其余省份处于扩张负脱钩状态和增长连接状态,尚未出现强脱钩的省份。建筑业能源碳排放强度效应、能源结构效应以及能源强度效应在样本期间内对碳排放产生负向影响,但影响效果较小,而间接碳排放强度效应和产业规模效应对碳排放产生正向影响,是碳排放的主要影响因素。本文建议,应通过加大绿色建筑材料的使用量、回收利用废旧建材、降低单位面积的建材消耗量、开发利用清洁能源、进一步优化能源结构等措施,来有效地降低建筑业的碳排放。相关部门可根据各省建筑业碳排放的差异性,有针对性地制定减排目标,出台差异化的建筑业发展政策。     

十一五省际节能绩效及绿色距离变化

从十一五节能目标出发，利用2006~2010年全国30个省区的统计数据，分析了各省区节能效率及绿色距离的变化。结论如下：（1）依据各省区单位GDP能耗、单位IAV能耗和单位GDP电耗数据计算它们的节能量与节能效率，结果发现各省区节能量与节能效率差异较大；（2）利用单位GDP能耗与单位IAV能耗、单位GDP电耗的面板数据，确定了生态省建设的单位IAV能耗、单位GDP电耗标准分别为1.513 7tce和95547度；（3）依据能耗绿色距离和生态化实现度公式，分析了各省区能耗绿色距离和生态化实现度的变化。既是对过去5 a各省区节能效率的回顾性评价，同时也为未来5 a各省区节能降耗提供了参考依据     

中国30省区碳排放时空格局及其影响因素的灰色关联分析

本文对1995-2007年我国30省区碳排放量和碳排放类型的时空格局进行了深入分析,并在此基础上,通过运用灰色关联分析法,测算了11个省区1997-2007年碳排放量影响因素的灰色关联度.研究结果表明:在本文的研究时序内(1995-2007年),我国30省区的碳排放总量和排放类型都呈现出明显的、一致的阶段性,即1995-2001年的变化不大,2002-2007年的碳排放量急速增长、碳排放类型发生显著变化.在造成碳排放量急速增长、碳排放类型发生显著变化的三因素(人均消费、人口总数、碳排放强度)中,人均消费与碳排放量的关联度最大,对碳排放量的解释作用最大;人口总数、碳排放强度次之.因此,结合“十二五”期间提高居民消费能力、扩大内需将是我国调整经济结构首要任务,我国除在生产领域积极开展节能减排、发展低碳经济外,还应通过政府引领、社会组织积极推进、公民广泛参与发展低碳消费方式.     

基于EMD-PSO-SVM误差校正模型的国际碳金融市场价格预测

国际碳金融市场价格预测是制定碳金融市场政策和提高风险管理能力的基础。近年来国际碳市场价格呈现出非平稳、非线性等不规律特性,传统应用于社会经济时间序列的统计模型已经越来越难以满足日渐复杂的社会经济系统的需要。基于此本文建立了基于经验模态分解(EMD)-粒子群算法(PSO)-支持向量机(SVM)的国际碳金融市场价格误差校正预测模型。数据选取2008年3月-2013年9月ICE碳排放期货交易所的CER期货(DEC12)和EUA期货(DEC12)的日交易结算价格作为考察样本进行仿真验证。结果显示:①引入EMD方法可以有效解决误差序列随机性强、相邻频带的干扰可能造成误差序列无法体现反映全部系统动力信息的缺陷;②校正后的预测值与误差预测值的趋势具有较高的一致性,预测结果滞后性和拐点误差大的问题得到了很好的解决;③预测结果较其他常用的国际碳金融价格预测模型进行了比较分析,预测精度有了明显提高。本研究提出的预测模型可以为我国针对目前国际碳价格市场所呈现的波动特征下的碳金融市场价格预测提供新的方法和借鉴。     

基于卫星夜间灯光数据的中国分省碳排放时空模拟

中国能源统计数据"横向不可比,纵向不可加"现象依然突出,尤其是分省能源消费统计千差万别,给分省碳排放评估带来了较大困难,如何利用卫星遥感数据科学合理地估算中国分省碳排放是当前亟须研究的问题。本文运用DMSP/OLS全球稳定夜间灯光数据,在通过相互校正、年内融合和年际间校正等系列处理得到中国分省稳定夜间灯光数据的基础上,首先分别构建中国分省稳定夜间灯光亮度DN值与人均碳排放和单位面积碳排放之间的时空地理加权回归模型,两个模型整体效果均较好,拟合优度分别高达96.74%和99.24%;其次运用稳定夜间灯光亮度DN值对分省人均碳排放和单位面积碳排放进行时空模拟;最后运用人口规模和土地面积对分省碳排放进行估算。估算结果显示:(1)整体来看,2000—2013年年均碳排放模拟值与实际值6.3349×109t较为接近,两个模型的相对误差均在0.5%以内。(2)分年度来看,所有年份的相对误差均在5%以内,2006年分省加总碳排放模拟值与实际碳排放6.2036×109t最为接近,绝对误差和相对误差均较小,两个模型模拟值的相对误差均为0.04%。(3)分省域来看,2000—2013年年均碳排放模拟值与实际碳排放均非常接近,除海南和宁夏外,其余28个省区市的相对误差均在1%以内。(4)分年度分省域来看,以2013年为例,40%省份的相对误差在2%以内,70%省份的相对误差在5%以内。从整体、分年度、分省域、分年度分省域的估算结果来看,基于稳定夜间灯光数据的中国分省碳排放时空模拟效果良好。因此,运用卫星夜间灯光数据可以较为准确地对中国分省碳排放进行估算和预测,为卫星遥感影像数据服务分省碳排放监测和评估提供一种补充性参考。     

岷江上游植被在汶川地震中的损毁及灾后恢复状况

岷江上游是四川盆地和长江干流的重要生态屏障，其植被资源在汶川地震中遭受了严重破坏。以震前（2006年）和震后（2008年和2010年）的遥感影像数据为基础，研究了该区域植被在地震中的受损情况及灾后恢复状况。研究表明：受地震影响，岷江上游森林、灌木、草地和荒漠植被面积在2006～2008年分别下降23 124、15 409、7 482 和2 656 hm2，降幅依次为273%、253%、104%和412%，而沼泽面积变化不大；经过灾后恢复，森林、灌木、草地和荒漠植被面积在2008～2010年分别恢复12 104、21 283、10 554 和2 847 hm2，分别占受损面积的52%、138%、141%和107%，而沼泽面积变化依然不大。植被的这些变化对区域的生态服务功能产生了深远影响。对合理开发利用区域资源、妥善处理经济建设和生态环境保护矛盾以及科学保障长江流域的生态安全都具有一定的指导意义     

中国种植业碳排放与其产业发展关系的研究

研究首先测算了我国1992~2010年期间以及31个省（市、区）2010年的种植业碳排放量。在此基础上，运用序列平稳性检验、协整分析方法等计量经济分析方法考察了中国1992~2010年种植业碳排放与其产业发展间的关系。研究表明：（1）2010年我国种植业碳排放总量为18 36684万t，较1992年增加了3562%，呈现“上升-平稳-上升”的3个阶段变化趋势。横向来看，区域差异明显，排在前10位的地区占全国种植业碳排总量的6297%，而排在后10位的地区仅占全国718%；江西种植业碳排放强度最高，达1 19786 kg/万元种植业产值，北京最低，仅为21986 kg/万元种植业产值。（2）种植业产业发展与其碳排放之间存在协整关系，即长期均衡关系，但短期内会偏离长期均衡，种植业碳排放长期对短期偏离均衡的调整力度为4234%，而种植业产业发展偏离长期均衡时，系统因素不能使偏差回到长期均衡状态，需借助外力调整；（3）种植业产业发展与其碳排放互为因果关系；（4）产业发展带来的冲击能够解释种植业碳排放变化的3757%，而碳排放的变化对其产业发展的解释水平仅为680%     

我国碳排放区域差异性分析

在对我国各地区的碳排放总量、人均碳排放和碳排放强度进行计算的基础上，运用Theil系数等方法对我国碳排放区域差异性进行分析。Theil系数分析结果表明我国碳排放强度呈现区域差异性，区域内差异是总体差异的主要原因，而东部和中部地区内部差异是导致区域内差异的主要原因；变异系数分析结果表明：碳排放总量东部地区差异最大、中部最小，人均碳排放西部地区差异最大、东部最小，碳排放强度中部地区差异最大、东部最小；基尼系数分析结果表明：西部地区碳排放差异最大，中部次之，东部最小；运用聚类分析将全国各省碳排放现状分为优、良、中、差四大类。针对研究结果，提出了转化经济发展方式、优化产业结构等节能减排建议     

江西省县域农业碳排放的时空动态及影响因素分析

通过构建江西省农业碳排放测算体系，采用碳转化系数法对江西省县域农业碳排放进行了估算，并分析了2000~2010年江西省农业碳排放的时空动态及其影响因素。结果表明：（1）江西省农业碳排放总量从2000年的23085万t增长到2010年的29051万t，不同年份农业碳排放均主要源于化肥施用与农业机械使用；（2）全省农业碳排放量的空间分布呈现较为明显的集聚特征，主要年份高碳排放区均集中于鄱阳湖周边地区；碳排放强度多为Ⅱ级水平，空间分布上与碳排放量相比更为均衡；（3）江西省县域间农业碳排放的相对差异与绝对差异整体上均呈明显扩大的趋势；（4）生产效率、结构、劳动力等因素对农业碳排放有抑制作用，农业经济发展则促进碳排放量增加，农业碳排放还受社会、政策等影响     

The accounting method and application of CO2 emissions responsibility by the electricity sector at the provincial level in China

When accounting the CO₂ emissions responsibility of the electricity sector at the provincial level in China,it is of great significance to consider the scope of both producers’ and the consumers’ responsibility,since this will promote fairness in defining emission responsibility and enhance cooperation in emission reduction among provinces.This paper proposes a new method for calculating carbon emissions from the power sector at the provincial level based on the shared responsibility principle and taking into account interregional power exchange.This method can not only be used to account the emission responsibility shared by both the electricity production side and the consumption side,but it is also applicable for calculating the corresponding emission responsibility undertaken by those provinces with net electricity outflow and inflow.This method has been used to account for the carbon emissions responsibilities of the power sector at the provincial level in China since 2011.The empirical results indicate that compared with the production-based accounting method,the carbon emissions of major power-generation provinces in China calculated by the shared responsibility accounting method are reduced by at least 10%,but those of other power-consumption provinces are increased by 20% or more.Secondly,based on the principle of shared responsibility accounting,Inner Mongolia has the highest carbon emissions from the power sector while Hainan has the lowest.Thirdly,four provinces,including Inner Mongolia,Shanxi,Hubei and Anhui,have the highest carbon emissions from net electricity outflow- 14 million t in 2011,accounting for 74.42% of total carbon emissions from net electricity outflow in China.Six provinces,including Hebei,Beijing,Guangdong,Liaoning,Shandong,and Jiangsu,have the highest carbon emissions from net electricity inflow- 11 million t in 2011,accounting for 71.44% of total carbon emissions from net electricity inflow in China.Lastly,this paper has estimated the emission factors of electricity consumption at the provincial level,which can avoid repeated calculations when accounting the emission responsibility of power consumption terminals（e.g.construction,automobile manufacturing and other industries）.In addition,these emission factors can also be used to account the emission responsibilities of provincial power grids.     

中国电力行业的全周期碳足迹

在碳达峰与碳中和目标下,国家层面与各省份均在积极推动碳减排。电力行业作为我国最大的排放部门成为减排重点之一,然而电力行业存在的隐含碳排放造成实际排放低估,省际间碳转移导致省级碳减排不公平问题突出。因此识别电力行业全周期碳足迹,尤其是不同省份的隐含碳足迹以及省际间的转移碳足迹特征,有助于正确评估电力行业碳排放,科学界定不同省份的碳减排责任并合理分配。通过构建电力行业全周期点-流模型以揭示电力产业链中存在的能源活动,进而明确基于用电侧考虑的2018年全周期碳足迹,并刻画碳隐含度与碳转移依赖度指标来分析电力行业的隐含碳排放与省间转移碳排放。研究表明:(1)我国电力行业全周期碳排放系数为689 g/(kW·h),排放量为4.747×10⁹t,其中北方大部分地区排放系数偏高,山东最高达891 g/(kW·h),南方地区偏低,云南最低仅101 g/(kW·h)。(2)全国电力行业全周期碳隐含度为8.95%,东南沿海贫煤省与煤炭生产高排放省的碳隐含度偏高,贵州最高达14.63%,西北、华北富煤省的碳隐含度偏低,新疆最低仅4.94%;全国隐含碳排放量为4.25×10⁸t,广东隐含碳排放量最高达5.0×10⁷t,青海最低仅1.17×10⁶t。(3)全国电力行业全周期碳转移量为9.26×10⁸t,约占排放总量的19.5%,电力与煤炭自给率越低的省区对外碳转移依赖度越高,其中北京最高达71.24%;内蒙古、山西、陕西、宁夏、安徽、新疆、贵州是主要碳转入省,总转入7.11×10⁸t,其中内蒙古最高达2.64×10⁸t;江苏、浙江、广东、山东、河北、北京、辽宁、河南、上海是主要碳转出省,总转出6.92×108t,其中江苏最高达1.12×10⁸t;全国共有240对省存在碳转移,其中有102对的转移量超过1.0×10⁶t。在研究基础上,提出相应建议推动省级电力行业公平合理低碳发展。     

安徽省城市化进程中的碳排放影响因素研究——基于STIRPAT模型

通过对安徽省2000~2011年能源消费碳排放量及碳排放强度进行了测算分析，并基于STIRPAT模型，运用因子主成分回归方法，构建影响城市化进程中碳排放增长的驱动因子模型，对城市化进程中碳排放影响因子进行定量分析研究。研究表明：安徽省2000~2011年能源消费碳排放量呈逐年递增态势，碳排放强度和能源强度均逐年递减态势；安徽省在城市化快速进程中，第二产业产值、第三产业产值、城镇人口比重、城镇建成区面积、城镇居民人均可支配收入每增加1%时，碳排放总量将增加1.208 8%、0.202 0%、0.502 3%、4.793 8%、1.066 0%；当能源强度每下降1%时，碳排放总量将减少0.120 2%；城镇建成区面积扩张、工业化水平提升促进了能源的消耗，成为碳排放的主要驱动因素。鉴于此，提出严格控制城市发展用地规模、通过科技创新推动能源利用效率提高及开发利用新能源、优化产业结构及提高三次产业占GDP比重、建设紧凑型低碳城市、倡导低碳绿色生态的生产消费模式等政策建议，为实现建设生态文明以及实现“生态安徽”与“美丽安徽”目标提供科学依据，也可为中尺度（省级行政区）城市化进程中碳排放的研究提供示范     

基于碳足迹的江西省农田生态系统碳源/汇时空差异

利用2001~2010年江西省农业投入和农作物统计数据，采用碳排放系数法计算了江西省农田生态系统碳源/汇及碳足迹，分析了江西省农田生态系统碳源/汇时空特征，并进一步分析了碳足迹变化特征及原因。结果表明：(1)2001~2010年，江西省农业投入引起的碳排放量从2001年的11910 1×106 t，增加至2010年的5872 8×106 t，增加了103倍，农业机械化对碳排放总量贡献率最大。碳排放强度呈现先增加后减少的趋势。2008年赣州市碳排放量最多，景德镇市最少；(2)2001~2010年江西省农田生态系统碳吸收量先减少，后逐年增加，到2010年又减少，整个2001~2010年间增加3209 9×106 t。各类农作物中，水稻碳吸收量最多。2009年碳吸收量最多的是宜春市，最少的是萍乡市;(3)江西省农田生态系统碳足迹从2001年的07518×106 C〖DK〗·hm-2〖DK〗·a-1，增加至2009年的1473 4×106 C〖DK〗·hm-2〖DK〗·a-1,单位面积碳足迹呈现逐年增加的趋势。2008年碳足迹最多的是赣州市，最少的是萍乡市。南昌市、景德镇市、吉安市和宜春市表现为生态盈余，其余表现为生态赤字。江西省应减少农药、化肥等的使用，控制农业机械化，特别是赣州市，从而达到减少碳排放的目的