中国4个城市范围CO2排放比较研究

基于点排放源和辅助数据,自下而上构建重庆1km CO2排放空间网格,分析市域(UB1)、市辖区(UB2)、建成区(UB3)和城区(UB4)4个城市范围的CO2排放特征.UB4是重庆城市合理表征,而UB1更适合于区域边界.城市边界选择的不同,将导致很大的排放差异.UB4的CO2总排放量仅为UB1的17.13%,但UB4的人均CO2排放量是UB1的1.6倍.UB4形成了重庆UB1的CO2排放核心,其内单位网格的平均排放量超过了10000t,而UB1内超过70%的范围内单位网格的排放水平都低于200t.工业排放占据绝对主体导致UB4人均排放水平较高,并且高于临近周边及区域人均水平,这和国际城市的情况正好相反.全局和局部显著空间正自相关性说明部分地区高强度的经济活动和能源活动对周边区域的排放有显著影响.基于网格的累积排放分析显示,个别网格的排放量已经占到UB4总排放的40%以上.UB4内7.00%的面积,UB1内1.21%的面积和UB2内3.84%的面积,其CO2排放都超过了其相应范围内总排放的85%.     

四川省2012年人为源氨排放清单及分布特征

根据收集到的各类人为氨源的活动水平数据,采用合理的估算方法和排放因子,建立了四川省2012年人为源氨排放清单,并分析了氨排放的空间分布特征.结果表明:四川省2012年人为源氨排放总量为994.8×103t,排放强度为2.12 t·km-2;畜禽养殖为最主要的排放源,分担率达62.31%,其次为氮肥施用,分担率为23.14%;生猪和牛是畜禽养殖中主要贡献者,共占畜禽排放总量的64%;成都市和达州市为氨排放量较大的城市,均占四川省排放总量的10%;空间分布特征显示排放量较大的网格主要集中在四川省东部,且多来自于城市周边区县.     

基于IVE模型和大数据分析的杭州市道路移动源主要温室气体排放清单研究

利用IVE模型和对杭州市机动车排放管理数据库大数据的分析,得到杭州市2015年各类机动车主要温室气体高分辨率排放清单,分析了排放分担情况及时间变化特征,并利用Arc GIS及杭州市路网信息建立了1 km×1 km网格化空间分布.结果表明,杭州市道路移动源温室气体排放中CO_2、CH_4和N_2O的年排放量分别为818.11×10~4、0.85×10~4和0.07×10~4t,合计856.79×10~4t(以CO2当量计).从温室气体种类来看,CO_2占道路移动源温室气体排放总量的绝大部分,为95.5%;从机动车类型来看,小微型客车对道路移动源温室气体排放的贡献率最大,占72.8%;从道路类型的排放情况来看,杭州市市中心、城区、城郊和郊区中温室气体合计CO_2当量贡献率最高的均为主干路,分别为43.4%、61.8%、58.0%和42.4%.杭州市道路移动源温室气体排放强度均呈现由城市中心向城市边缘递减的趋势,同时温室气体排放量日变化特征明显,均出现弱双峰现象.     

中国10km二氧化碳排放网格及空间特征分析

基于全国第一次污染源普查数据中150多万家企业数据等,“自下而上”建立中国2007年10km×10km CO2排放网格数据.结果显示,中国CO2排放空间格局的特点是基本沿着我国人口胡焕庸线分为东部和西部,东部地区明显高于西部地区.全国CO2排放明显受城市活动影响,网格排放高值区域都是以北京、上海、广州等大型城市为核心的区域.京津冀、长江三角洲、珠江三角洲地区是我国CO2排放空间格局的重点地区.全局Moran指数表明,中国CO2排放空间格局在10km空间分辨率水平上具有显著的正空间自相关性,即空间上存在显著的集聚效应,而非随机杂散分布.局部Moran指数显示中国CO2排放在空间上具有显著集聚效应的区域面积并不大,主要集中在北京、上海、广州等重点城市核心区周边.基于这些重点城市采取CO2减排政策和措施,由于带动效应,其实际减排效果要远大于直接减排效果.     

中国10km二氧化碳排放网格及空间特征分析

基于全国第一次污染源普查数据中150多万家企业数据等,"自下而上"建立中国2007年10km×10km CO2排放网格数据.结果显示,中国CO2排放空间格局的特点是基本沿着我国人口胡焕庸线分为东部和西部,东部地区明显高于西部地区.全国CO2排放明显受城市活动影响,网格排放高值区域都是以北京、上海、广州等大型城市为核心的区域.京津冀、长江三角洲、珠江三角洲地区是我国CO2排放空间格局的重点地区.全局Moran指数表明,中国CO2排放空间格局在10km空间分辨率水平上具有显著的正空间自相关性,即空间上存在显著的集聚效应,而非随机杂散分布.局部Moran指数显示中国CO2排放在空间上具有显著集聚效应的区域面积并不大,主要集中在北京、上海、广州等重点城市核心区周边.基于这些重点城市采取CO2减排政策和措施,由于带动效应,其实际减排效果要远大于直接减排效果.     

天津市居民生活消费CO2排放估算分析

根据联合国政府间气候变化专门委员会(IPCC)碳排放计算指南(2006年版)中的计算公式和CO2排放系数缺省值,以居住综合消费碳排放、叠加交通消费碳排放计算模型为基础,应用碳排放系数法估算了2006~2008年天津市居民人均生活消费CO2排放量及其在总的能源消耗CO2排放量中所占比例.结果表明,2006~2008年天津市居民生活消费CO2排放量呈逐年上升趋势,2008年的排放量比2006年增加了13.7%.居民生活消费CO2排放在总的能源消耗CO2排放中所占比例整体呈上升趋势,并从产业结构和能源消费结构两个角度分析了导致这一现象的原因.     

基于大数据分析和IVE模型的杭州市机动车污染物排放变化特征研究

以杭州市全市域为研究对象,基于机动车排放管理数据库和IVE模型本地化后计算出市区、城区、城郊和郊区4类区域及快速路、主干路和次干路3类道路的各类机动车排放清单,利用Arc GIS及杭州市路网信息建立了1 km×1 km网格化空间分布,分析了机动车污染物排放特征.结果显示,杭州市机动车各污染物NO_x、CO、PM_(2.5)和VOCs的年排放量分别为4.9×10~4、12.5×10~4、0.2×10~4、2.1×10~4t.各种车型中,中重型货车对NO_x和PM_(2.5)的贡献均最大,分别为45.8%和36.3%,其次为大中型客车、公交客运,小微型客车对CO和VOCs的排放贡献最大,分别为69.3%和51.1%.机动车各污染物排放强度均呈现由城市中心向城市边缘递减的趋势,高排放区域集中在城中心及城南和城北区域,同时各污染物排放量日变化特征明显,均出现弱双峰现象.     

浙江省2008~2018年人为源氨排放清单及分布特征

以浙江省为研究区域,通过收集11个地级市各类氨排放的活动水平数据,采用排放因子法建立了2008~2018年浙江省人为源氨排放清单,并利用ArcGIS进行1 km×1 km空间网格分配.结果表明,2008~2018年浙江省人为源氨排放量总体呈现下降趋势,年均下降率约3.97%;2018年浙江省氨排放量为108.52 kt,其中农业源为90.02 kt,非农业源为18.50 kt,排放强度为1.03 t ·km^-2;杭州市、嘉兴市和温州市的氨排放量高于其他城市,分别占全省总量的14.72%、11.86%和11.80%;空间分布特征显示,氨排放主要分布在浙江省北部区域,呈现出"北高南低"的排放趋势;不确定性分析表明,氨排放量模拟平均值为108.37 kt,在95%置信区间的不确定度范围为-5.40%~5.60%.     

成都市铺装道路扬尘排放清单及空间分布特征研究

对成都市城区和郊区不同等级铺装道路共采集了96个道路扬尘样品,通过调研得到了不同等级道路车流量、平均车重和道路长度等有关活动水平数据,采用AP-42法估算该地区不同等级道路扬尘排放因子和排放量,并利用Arc GIS软件得到了道路扬尘PM10和PM2.5排放量的空间分布图。结果表明:成都市城区道路和郊区公路积尘负荷平均值分别为0.50,0.94 g/m2;郊区等外级公路的PM10和PM2.5的排放因子最大,分别为2.59,0.63 g/VKT,城区支路的PM10和PM2.5的排放因子最大,分别为1.15,0.28 g/VKT;基准年2012年道路扬尘PM10和PM2.5的排放总量分别为48 745.46,11 793.26 t。从空间分布看,中心城区每一网格道路扬尘PM10和PM2.5排放量最大,分别达到300,70 t以上。     

天津郊区土壤风蚀源PM10排放清单不确定性分析

运用课题组自主开发的空气颗粒物风蚀源排放清单构建模型软件（PMEI-WES）,估算2016年天津市郊区土壤风蚀源颗粒物排放清单.采用蒙特卡罗模拟,分析了主要气象参数和土壤参数输入不确定性对排放量的影响,量化排放清单的不确定性.结果表明：2016年天津市郊区土壤风蚀源PM₁₀排放总量为22025.1731t.风速是影响排放量的最主要参数,排放量随风速增加呈指数增长,土壤碳酸钙与排放量呈正相关关系,土壤有机质与排放量呈负相关关系.排放总量95%概率范围为（15237.7581t,37434.8873t）,不确定度为（-37.48%,53.60%）;90%概率范围排放量为（16111.8606t,36104.7554t）,不确定度为（-33.89%,48.14%）.各区排放量不确定度大小与风速误差大小最显著.土壤参数对不确定度极值的影响较大.     

中国服务业CO2排放的时空特征与EKC检验

采用IPCC温室气体排放清单中CO₂排放因子与估算方法,核算了1995—2012年中国30个省区(不含港澳台地区和西藏自治区数据,全文同)服务业的CO₂排放量,并对30个省区服务业人均CO₂排放量的时空特征进行分析;利用基于面板数据的EKC模型检验中国及其三大经济带服务业增长与CO₂排放之间的关系. 结果表明:在考察期内,中国服务业人均CO₂排放量从0.16 t升至0.77 t,服务业人均增加值从1 621.04元增至9 991.95元;服务业人均CO₂排放量排在前列的省区大都位于东部地区;东部和中部地区人均CO₂排放量与服务业人均增加值之间呈线性正相关,人均服务业增加值每增加1个单位,人均CO₂排放量将分别增加1.02和1.16个单位;西部地区人均CO₂排放量与服务业人均增加值之间呈单调递增关系. 在此基础上,提出差别化的碳减排对策:①东部地区应通过技术改进和优化产业结构、能源消费结构来降低CO₂排放,并成为中国服务业节能减排的“领头羊”;②中、西部地区应在保持服务业经济适当增速的前提下,将提高能源利用效率和降低能源强度作为减排重点.      

京津冀区域生产和消费CO2排放的时空特点分析

区分消费和生产二氧化碳排放是对开放的经济区域进行排放责任划分的基础,日渐受到政策制定者的关注.利用经济投入产出-生命周期分析模型,对京津冀区域1997年、2002年和2007年的消费和生产二氧化碳排放时空特征及二氧化碳排放平衡进行分析.结果表明,京津冀区域消费和生产二氧化碳排放呈约4%的年均增长;贸易隐含二氧化碳排放比例为30%~83%,并以国内贸易隐含二氧化碳排放为主;河北的消费和生产二氧化碳排放占区域主导,增速和二氧化碳排放强度高于北京和天津;京津冀区域为二氧化碳排放净流入区域,存在部分排放责任转移;京津为二氧化碳排放净转入地区,冀为二氧化碳排放净转出地区;京津冀三地二氧化碳排放关键部门分布集中且相似度较高,可以考虑区域联合控制.其中,电力、蒸汽、热水生产和供应业和金属冶炼及压延加工业对二氧化碳排放的依赖性最大,承担较大的其他部门的二氧化碳排放责任.投入产出分析解析了地区生产和消费二氧化碳排放情况,有利于区域减排的精细化管理和制定相应对策,并促进区域减排合作.     

中国碳排放及影响因素的市域尺度分析

评估区域碳排放及其与社会经济状况的关系对于制定碳减排措施至关重要.以中国339个地级及以上城市(不含新疆部分城市和港澳台地区)为研究对象,探究了非化石能源占比、土地开发度、常住人口城镇化率、第二产业占比、人均GDP和人均建设用地面积对人均CO₂排放量的影响.通过构建模拟人均CO₂排放量的贝叶斯信念网络,识别各因素对人均CO₂排放量的全局影响;采用多尺度地理加权回归模型,分析各因素对人均CO₂排放量的局部影响.结果表明：(1)2020年,中国地级及以上城市人均CO₂排放量呈现出由南向北递增,东部沿海向内陆递减的格局.(2)从全局来看,人均CO₂排放量对各因素的敏感性从高到低依次为：人均建设用地面积>人均GDP>常住人口城镇化率>土地开发度>第二产业占比>非化石能源占比.(3)从局部来看,各因素与人均CO₂排放量的空间关系方向与全局关系一致,关系强度上存在空间异质性.(4)清洁能源、脱碳技术、土地节约集约利用...     

广东省CO2排放变化的社会经济影响因素

作为我国经济最为发达的省份之一,广东省社会经济可持续发展面临CO₂排放量增长的挑战.从多角度分析广东省CO₂排放变化的社会经济影响因素,有助于其实现低碳发展.基于投入产出模型,从生产、需求和供应角度分析1987—2015年广东省CO₂排放量的变化;此外,采用结构分解分析方法,从需求和供应角度量化广东省各种社会经济因素对CO₂排放变化的相对贡献.结果表明:①与生产端相比,需求侧和供给侧的研究有助于识别不同的关键行业,如建筑业（需求侧）、金融和保险业（供给侧）.②降低碳排放强度是减少广东省CO₂排放的主要因素,而人均最终需求水平和人均初始投入增加是推动广东省CO₂排放增加的主要因素.③生产结构、最终需求结构和初始投入结构变化导致CO₂排放量略有增加,表明广东省具有较大的通过调整结构性因素减排CO₂的潜力.综上,建议除了生产端CO₂减排措施外,广东省还应采取需求侧和供给侧相关措施,如优化消费行为、产品分配行为和初始投入结构等.      

China’s carbon emissions from urban and rural households during 1992-2007

In China, Rapid economic growth has stimulated fast urban expansion and rural household income and consumption expenditure. In current paper, an input-output method is used to determine the impact of China’s increased urban and rural household consumption on carbon emissions. The results shows that the direct and indirect CO₂ emission from household consumption accounted for more than 40% of total carbon emissions from primary energy utilization in China in 1992-2007. The population increase, expansion of urbanization and the increase of household consumption per capita all contribute to an increase of indirect carbon emissions, while carbon intensity decline mitigates the growth of carbon emissions. Therefore, at the domestic level, household consumption is of great significance for CO₂ emission, which could be mitigated through changing the composition of goods and services consumed by households, and switching to consumption pattern of less carbon-intensive products. The government must consider the substantial contribution of household consumption to carbon emissions when China is encouraging consumption in order to address the current global financial crisis.     

城市汽车年检碳排放数据挖掘及其应用研究

基于城市汽车年检中CO₂的过程动态检测数据,对小型汽油客车CO₂的排放因子和排放水平信息进行了挖掘,并与文献研究结果进行了对比.结果表明,从城市汽车年检数据中挖掘的CO₂排放结果可以作为研究城市机动车碳排放的重要参考依据;合理有效地利用汽车年检数据可以为城市车辆尾气排放的精准分级管控、城市交通运输碳排放达峰的量化分析,以及城市交通源的污染物和CO₂协同减排提供重要的数据支撑;从国Ⅰ到国Ⅴ不同排放阶段汽油车的常规污染物CO、NO_x和HC的排放水平下降非常明显,而对应的CO₂排放水平差异不大;CO₂排放因子随累计行驶里程、车龄、基准质量和排量的变化关系反映出,如果需要削减城市汽车碳排放水平,应鼓励使用基准质量小或者排量小的车辆,淘汰高油耗高排放的老旧车辆,鼓励公共绿色出行而降低单车活动水平,增加纯电动车辆优化车队能源结构.     

基于STIRPAT模型的中国旅游业碳排放影响因素分析

采用"自下而上"的CO_2排放计算方法,对1995—2014年中国各区域旅游业CO_2排放量进行测算,从动态视角分析各区域旅游业CO_2排放总量及旅游接待人次、人均旅游收入、旅游业CO_2排放强度和旅游交通CO_2排放占比等影响因素的变化趋势特征,并基于STIRPAT模型对旅游业CO_2排放的主要影响因素进行定量分析.结果显示:各区域旅游业CO_2排放总量均呈逐年上升的趋势,且不同区域各影响因素的作用存在显著差异;其中,人均旅游收入对中国旅游业碳减排压力的弹性变化区间最小,仅从0.156变化到0.287,旅游交通CO_2排放占比的弹性变化区间最大,其CO_2排放占比每提高1%,东部地区旅游业CO_2排放总量将提高0.239%,而中部地区仅提高0.013%;旅游业CO_2排放强度是抑制碳排放的关键因素;研究期内,分析结果不支持倒"U"型环境Kuznets曲线的观点.最后,根据上述结论提出差异化的区域碳减排调控对策.     

2015~2020年厦漳泉地区大气氨排放清单及分布特征

收集厦漳泉地区各类大气氨排放源的区县活动水平,基于排放因子法建立了2017年大气氨排放清单（1 km×1 km）,同时对2015~2020年大气氨排放趋势进行了分析.结果表明,厦漳泉2017年大气氨排放量为27.40 kt,其中畜禽养殖、农田生态系统、人体排放、燃料燃烧和废物处理占排放总量的比例分别为42.48%、22.04%、14.71%、7.08%和5.69%.大气氨排放密度顺序为：厦门（1.94 t ·km^-2）>泉州（1.07 t ·km^-2）>漳州（0.95 t ·km^-2）,高值区主要分布于人口集中的沿海城区和畜禽养殖业与种植业发达的内陆乡镇地区,氨排放量月度分布与温度变化规律一致.受不同地市经济结构和发展水平的影响,2015~2020年泉州市氨排放表现为下降,而厦门和漳州两市氨排放变化存在一定的波动,氨排放强度整体呈现随人均GDP上升而下降的趋势.     

山西省CO2排放影响因素研究及情景分析

山西作为我国的能源大省,其碳排放强度更是持续位于全国最高水平,分析山西省CO₂排放影响因素,探究其发展模式,对于山西省的低碳发展意义重大.基于STIRPAT模型,将山西省能源CO₂排放的影响因素确定为人口、城镇化率、人均GDP、第二产业占GDP比重、能源强度.在岭回归拟合分析的基础上,利用灰色GM（1,1）模型对山西省CO₂排放驱动因素值进行预测,以提高能源CO₂排放预测的准确性,并结合情景分析方法,为山西省的CO₂减排设计了10种不同的发展情景.结果表明:①人口对山西省CO₂排放影响最大,其次是城镇化率和第二产业占GDP比重.②在当前经济发展阶段,能源强度和人均GDP等因素对山西省的CO₂排放影响不大,但能源强度对CO₂排放的抑制作用不可忽略.③山西省CO₂减排最佳的情景方案为适当控制人口数量和城镇化进程、加快产业结构的转型和技术的革新、降低第二产业占GDP比重和能源强度,并且大力推广新能源和清洁可再生能源的开发使用以优化能源消费结构.在该情景下,山西省2020年的CO₂排放量可以控制在5.16×108 t.