排放强度承诺下的CO2排放总量控制研究

单位国内生产总值(GDP)CO2排放下降承诺的本质是一种CO2排放总量控制.提出了强度承诺下的CO2排放总量控制模型,给出了不同情景方案下的2020年全国CO2排放总量控制目标,并提出86.24亿t的总量控制目标,其相对基准情景减排12.63亿t,相对减排12.8%.在实现这一目标中,能源结构调整和节能减排的贡献分别为33%和48%.在“十二五”和“十三五”期间,非化石能源消费比例分别提高至13%和15%,两期分别每年投入1500亿元和2000亿元.2020年的减排成本约在1300~2100亿元之间,占当年GDP约0.3%.     

中国能源消费排放的CO2测算

基于“能源-经济-环境”的MARKAL-MACRO模型和数理人口学中的Keyfitz模型,测算未来中国能源消费需求;考虑能源效率、能源结构的变化以及气候变化问题的约束,设定了能源消费的3种情景,并分别测算了CO2排放量.结果表明,在基准情景下,中国的CO2排放在2042年达到峰值,为118.47亿t;在能源结构优化情景下,CO2排放在2036年达到峰值,为107.53亿t;在气候变化约束情景下,CO2排放在2031年达到峰值,为94.72亿t,相对于基准情景,排放峰值降低了23.75亿t,且峰值时间提前11a.随着城市化与工业化的推进,电力、水泥、钢铁行业的碳排放将先上升后下降;由于机动车保有量的增加,交通运输业的碳排放将持续上升.     

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%.     

中国流通业CO2排放的因素分解和脱钩分析

参照IPCC清单中的方法估算了2000~2012年中国流通业CO2排放量;运用LMDI方法分解分析了研究期间流通业CO2排放变化的影响因素;并基于DPSIR框架构建流通业脱钩努力指数模型测度了流通业CO2排放脱钩效应.结果表明:2000~2012年间,流通业CO2排放量增长明显,期间累计排放总量为692482.37万t;产业规模效应是CO2排放增量的主要因素,能源强度效应是CO2排放减量的主要因素,分别引起CO2排放量增加了67435.72万t和减少了12358.67万t,能源结构和排放因子效应对CO2排放影响有限,分别引起CO2排放量增加了519.89万t和减少了2590.94万t;流通业CO2排放脱钩状态呈“弱脱钩—未脱钩—弱脱钩—未脱钩”的变化特征,脱钩努力指数值呈“ ”型变化趋势;目前能源强度是决定流通业CO2排放脱钩状态的关键因素,但随着能源强度的下降幅度越来越小,未来更需要通过调整能源结构和降低排放因子来实现流通业CO2排放脱钩.     

大气污染总量控制方案的区域排放当量制定方法

在分析现有的大气污染总量控制方案的制定方法的基础上,本文提出了区域排放当量概念及相应的大气污染物总量控制方法。应用该概念制定总量控制方案,首先是运用线性规划模型求解区域允许排放当量,线性规划模型中的技术系数是以区域内网格为基础的污染物转移函数;其次是分配区域允许当量至各个污染源,从而确定污染源的允许排放量。该方法已在南昌市的大气污染总量控制方案的制定中得到应用。     

炼油厂CO2排放现状及回收应用分析

1997年,国际公约《京都议定书》签订,对CO2制定排放标准.2000年以后,欧盟陆续制定了新的油品规格(欧Ⅱ、欧Ⅲ、欧Ⅳ),同时发达国家对生产装置排放的CO2制定了排放标准,规定含量不大于5.000 ml/L.炼油厂CO2的排放量与加工深度有关,加工深度不同,CO2的排放量也不同.     

污染物排放总量控制目标个源分解

文章通过翔实的污染资料，以环境保护法律法规为依托，建立了污染物排放总量控制目标的个源分解数学模式，克服了总量目标平均分配或多排多得的不合理分配问题，其可作为重要的量化工具供管理部门使用解决了现行环境管理工作中待解决的问题，在限制重污染和鼓励清洁生产方面，具有大的积极意义。     

农田土壤CO2排放及影响因子研究

由于人类活动或者自然形成的温室气体中,CO2和N2O被认为是最重要的温室气体。温室气体排放一旦超出大气标准,便会造成温室效应,使全球气温上升,威胁人类生存．因此如何探寻合理的减排办法已成为各国的当务之急。土壤温度、含水量以及农田施肥管理措施等因素与CO2等温室气体的释放量紧密相关,将其作为跟踪和预测土壤CO2排放量的指示物,对于农田土壤施肥、监测农田土壤温室气体的排放都具有十分重要的理论和实践意义。     

伦敦将创设CO2排放权贸易市场

英国政府提出在伦敦国际石油交易所(IPE)内创设世界各企业和政府进行CO2排放权自由买卖的常设交易市场。据COP3主要先进国家必须达到温室效应气体排放量的削减目标，根据市场原理，交易所按照环境效益来调整排放权的需求和价格。伦敦交易所已完成市场创设的基本构想．由英国政府最近提出，提交今秋召开的COP4会议上通过。     

日本食品废物不同资源化技术下的碳排放比较研究

应用生命周期评价法(LCA),采用日本农林水产省和环境省的调查数据和统计数据,对不同资源化技术处理食品废物碳排放进行评价.10种资源化技术相比于3种非资源化(主要是焚烧)技术的结果表明,食品废物生命周期各阶段碳排放最多的是预处理+处理阶段,约占85％;最少的是回收阶段,可抵消部分排放.此外,全生命周期总排放,甲烷化(循...     

中国平板玻璃生产碳排放研究

平板玻璃行业是典型的高能耗、高排放行业,目前关于中国平板玻璃行业的碳排放问题还没有得到深入的研究.因此,本文调查了中国300余条主要的平板玻璃生产线,并在此基础上从范围1(工艺过程和化石燃料燃烧引起的直接排放)和范围2(净购入电力和热力在生产阶段引起的间接排放)评估了中国平板玻璃行业从2005年到2014年的CO_2排放情况.结果发现,中国平板玻璃行业CO_2排放量逐年增加,由2005年的2626.9×10~4t逐步上升到2015年的4620.5×10~4t.研究表明:能源消耗是平板玻璃行业碳排放的最主要来源,占比在80%左右,节能降耗是促进平板玻璃行业CO_2减排的主要途径;平板玻璃生产原料中碳酸盐的热分解是CO_2的主要来源之一,占总排放量的20%左右,控制平板玻璃配合料的气体率,在减少平板玻璃生产过程中的CO_2排放有很大潜力;推荐平板玻璃新建项目使用天然气并配备大型熔窑(日熔化量650 t以上)的浮法玻璃生产线,以减少CO_2排放.     

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.      

O2/CO2气氛下氮反应机理的研究

选取CH4、O2、CO2、Ar、NO、NH3，等气体，作为混合气和煤粉一起送入一维沉降炉内，以模拟O2／CO2气氛下煤中燃料氮、循环NO以及二者的相互作用对NO排放的影响，结果显示，在还原性气氛下NH3、HCN、CH4、CO与循环NO间的反应是NO排放下降的主要因素，且煤焦与NO的异相反应、吸附反应对NO的降解效果要明显高于氧化性气氛，同时，CO2体积分数的增加使得燃料中氮的氧化率升高，循环NO的降解率下降；氧化性气氛下随CO2体积分数的增加，燃料中氮的氧化率也增加，但循环NO的降解率升高．当CO2体积分数不变时，其对NO降解的作用随循环NO体积分数的增加愈加明显，在循环NO也不变且CO2体积分数较低时，随过量空气系数的增加，循环NO的降解率下降，而CO2体积分数较高时则出现相反情况。     

基于碳酸盐分析的水泥碳排放因子测算

为了优化水泥碳排放因子的测算方法,论文基于生料碳酸盐法以及工艺/燃料排放(新型干法窑)、无机碳/有机碳排放(立窑)的碳排放分类对熟料和水泥碳排放因子进行了分析和测算。结果表明:基于抽样调查样品的测试数据,新型干法窑的工艺碳排放因子约为520.00 kg CO_2/tcl,燃料碳排放因子约为288.06 kg CO_2/tcl,熟料碳排放因子约为808.06 kg CO_2/tcl,立窑的无机碳排放因子约为504.18 kg CO_2/tcl,有机碳排放因子约为343.67 kg CO_2/tcl,熟料碳排放因子约为847.85 kg CO_2/tcl;由于新型干法窑和余热发电等技术的普及以及熟料水泥比降低等因素,中国水泥碳排放因子有逐年降低的趋势,从2001年到2012年,水泥碳排放因子从767.13 kg CO_2/tce降到550.80 kg CO_2/tce;水泥碳排放构成中的工艺排放、燃料排放和电力消耗间接排放约各占58.57%、29.79%和11.64%。     

负载量对氨水吸收CO2的影响规律及添加剂的作用研究

进行了氨法脱碳过程中吸收剂中CO2负载量对CO2脱除率影响的实验研究.结果发现,CO2脱除率随着负载量的增大而显著减小,高负载量(≥0.4)时,增加吸收液中总氨质量分数(吸收液中所有包含氨分子和铵离子的物质,并统一换算成NH3的质量分数)并不能有效地提高CO2的脱除率.同时,分别对有机和无机添加剂进行筛选,选取哌嗪(P...     

山东省水泥行业CO_2排放情景与减排效果分析

为了评估山东省水泥行业的CO2减排潜力,利用长期能源替代规划系统软件建立了LEAP-Shandong Cement模型,对山东省水泥行业的CO2排放量及相应的减排潜力进行了模拟评估.同时,在模型中运用情景分析方法,研究了基准情景、政策情景和技术情景下山东水泥行业2007～2020年的能源需求和CO2排放量以及相应的节能减排潜力.结果表明,到2020年,相对于基准情景,政策情景和技术情景下的减排潜力分别为8.5%和14.4%.因此,山东省水泥行业具有一定的减排潜力.实现减排主要依靠窑型的替代和相应技术的进步,其中,余热发电技术改进为近期的重点减排技术.总体而言,水泥行业减排兼具显著的环境、经济和社会效益.     

低碳城市的CO2与PM2.5减排协同效应分析

将基于卫星遥感数据的CO₂与PM_2.5纳入统一研究框架,运用多期双重差分等方法,在城市尺度上分析评估2007～2019年中国低碳城市政策对CO₂减排与PM_2.5污染控制的协同效应及其影响机制.研究发现:低碳城市CO₂与PM_2.5减排的协同效应十分显著,低碳政策使试点城市的CO₂排放量和大气PM_2.5浓度分别下降3.2%和0.74%,且结论在一系列稳健性检验后依然成立.机制分析表明,改善公共交通环境是低碳城市建设实现协同效应的最主要途径.低碳城市政策的协同效应存在地区差异,经济发展水平高、产业结构水平高的城市以及非资源型城市的协同效应更为显著.对此,应充分发挥协同效应,进一步加快低碳城市建设,实现CO₂和PM_2.5等大气污染物协同治理.     

上海市电力CO_2排放特征及减排途径分析

电力作为一种二次能源,不同发电方式和发电技术的电力CO2排放系数差别很大。研究发现,上海市2009年电力消费侧的CO2排放高于电力生产侧1 551万t,即上海市净调入电力的CO2排放为1 551万t,可见外来电CO2排放的正确测算对全市及各终端消费部门的CO2排放有重要影响。从排放系数来看,消费侧的CO2排放系数只有生产侧排放系数的81%,得益于外来电中可再生能源比例高于本地电力。2009年由于外来电的引入,上海市电力消费避免了178万t的CO2排放。就火力发电而言,上海市单位发电能耗和CO2排放略低于华东电网平均值,远高于世界先进水平,还有很大下降空间。基于以上研究,从提高火力发电的能效、发展可再生能源、发展分布式供能和其他新能源技术、建设智能电网等方面提出上海市减缓电力CO2排放的途径。     

长三角地区大气NO2和CO2浓度的时空变化及驱动因子分析

以长三角城市群为研究对象,利用卫星遥感观测数据协同分析长三角地区大气NO₂和CO₂浓度的时空变化特征和驱动因子,揭示了长三角地区污染物和CO₂高浓度地区空间格局.结果表明长三角城市群地区大气NO₂和CO₂浓度的时空分布及变化特征呈现了受化石燃料燃烧和机动车排放等人为活动以及区域地形、地表覆盖、气候等自然条件的综合影响结果.大气NO₂和CO₂高浓度值围绕太湖明显呈口对西南向的U字形分布,一致于围绕太湖分布的杭州、上海、苏州、无锡、常州和南京等大型城市区域,以及安徽铜陵地区的工业排放区.大气NO₂浓度值呈现秋冬时期较高,夏季最低的季节分布特征.大气CO₂浓度受植被CO₂吸收和CO₂的积累影响,8~9月最低,4~5月最高.此外,随着人为排放活动的急剧减少,2020年1~3月的大气NO₂浓度比2019年同时期降低了50%以上,其中分布了以钢铁厂、燃煤厂为主的大型工业热源的城市NO₂浓度下降最多,如镇江、南京、马鞍山.