陕西省碳排放与经济发展关联性研究

华 瑛 ,张治河

(1.陕西师范大学 国际商学院, 陕西 西安 710062；2.西安文理学院 数学与计算机工程学院， 陕西 西安 710065)



·环境科学·

陕西省碳排放与经济发展关联性研究

华 瑛1,2,张治河1

(1.陕西师范大学 国际商学院, 陕西 西安 710062；2.西安文理学院 数学与计算机工程学院， 陕西 西安 710065)

研究陕西省碳排放量的测算,预测未来碳排放态势及对区域经济发展的影响。基于清单法和非线性最小二乘法,运用碳排放余额法和超对数模型模拟预测研究。测算了1991—2013年陕西省的碳排放余额,预测陕西省2020年的单位GDP碳排放余额为0.313 9,比2005年水平减少18%，且碳排放随着人均GDP增高逐步增大,但增幅以平均1.6%水平递减,因而,陕西省碳减排压力较大。针对陕西省碳排放情况,提出继续走区域低碳经济发展道路，提倡清洁能源研发和应用;提倡生态、循环、集约型的农业生产模式;提升区域居民的低碳环保意识;增加生态补偿力度等有效减排措施。

碳排放;碳排放余额;陕西省;经济发展

近几年,随着全球气温逐步升高,在我国许多区域引发了一系列气候环境问题,特别是碳浓度增大导致的大气污染问题。2014年9月我国出台了《国家应对气候变化规划(2014—2020)》明确提出目标:到2020年,单位国内生产总值的温室气体排放量要比2005年的水平减少40%～50%。在这种责任和压力之下,准确测算和评价我国各个区域碳排放的大小、变化特征,预测未来碳排放的态势及对经济发展的影响,对科学合理地制定碳减排政策及评价区域绿色低碳发展水平等有重要的现实意义。

1 国内外研究现状

碳排放与经济发展关系最经典的描述是环境库茨尼兹曲线, Grossman[1],Selden[2]等认为碳排放与经济增长呈倒U型特点,而Moomaw[3],Martinez-Zarzoso[4]等认为环境污染与经济增长呈N型特点。我国学者杨嵘等用IPCC中温室气体清单指南提供的能源消耗产生的CO2排方估算法测算了西部地区的碳排放,并用脱钩指数法分析了西部地区首批低碳试点省份碳排放与经济发展的脱钩状态[5]。申笑颜用灰色关联度法预测了区域碳排放量及影响因素[6]。孟凡生等用组合赋权法分析了区域CO2排放量的影响因素[7]。齐绍洲用细化清单法核算了湖北省能源消耗碳排放[8]。而我们认为区域是一个动态的生态系统,在产生碳排放的同时,也进行着碳吸收,即不断地减少碳排放,随着排放、吸收效率的改变,产生不同的余额,碳排放余额影响环境,进而对区域经济发展产生影响。因而,本研究用分类余额法测算碳排放，对经济发展与碳排放的态势关联关系做进一步的模拟预测。

2 研究区域与数据来源

随着工业化、城镇化步伐的加快,陕西省未来碳排放总量状况以及对区域经济发展都将产生重大影响。本文所用原始数据有陕西省历年煤炭、石油、天然气的年消耗量,农用薄膜、农药、农用化肥的年使用量,年末人口数量,林地、草地、未利用土地的面积,地区GDP,人均GDP。数据时间跨度从1991年到2013年,数据来源于陕西省历年《陕西统计年鉴》，用MATLAB分析处理数据。

3 陕西省碳排放的测算方法

3.1 碳排放的来源

据《联合国气候变化框架公约》的界定,只要产生了大量温室气体排放的活动都可以列入到区域碳排放的清单中。结合陕西省的特点找到产生碳排放的多维主体源头,表1为碳源排放量的计算公式:

E碳排放=U煤Q煤K煤+U油Q油K油+U气Q气K气+

Q膜K膜+Q药K药+Q肥K肥+P人口K人

其中三大能源碳排放的系数取中国工程院、国家环境局温室气体控制项目、国家科委气候变化项目、国家发展和改革委员会能源研究中心、美国能源部、日本能源研究所、全球气候变化基金会、亚洲开发银行、北京加拿大项目测算系数的平均值[9]。

表1 碳源排放系数表Tab.1 Coefficient of Carbon source emission

3.2 碳吸收的途径

区域生态系统碳排放时,内部植物在光合作用下,吸收温室气体中的碳，以生物量形式存储在植物和土壤中,降低温室气体中CO2的浓度,达到系统自然减排的作用。而吸收碳的植物主要来自于林地、草地以及未利用的土地等,表2为已有研究基础上[15-17]的加权平均碳吸收系数，碳吸收量的计算公式:

E碳吸收=S林地·K林地+S草地·K草地+

S未利用土地·K未利用土地。

表2 土地碳吸收系数表Tab.2 Coefficient of Land carbon absorption

3.3 碳排放的余额

陕西省碳排放的测算以区域经过相应的碳吸收之后的碳余额量作为衡量的依据,采用碳排放余额法计算真实碳排放总量(表3)。

CE余额=E碳排放-E碳吸收。

表3 1991—2013年陕西省碳排放余额表(万吨)Tab.3 Remain of carbon emission in Shaanxi province in 1991—2013 104t

4 陕西省碳排放余额与经济发展关联性的预测

4.1 单位GDP碳排放余额对年度的预测分析

由1991—2013年陕西省单位国内生产总值的碳排放余额随时间变化的散点分布特征,采用非线性最小二乘原理进行曲线对比拟合,利用Gauss4型超对数模型拟合,得到拟合曲线1和预测模型1。

从拟合曲线图1与模型1检验结果表4来看，可用此模型预测陕西省2020年的单位GDP的碳排放余额为0.313 9,比2005年水平减少18%,距离温室气体碳减排目标40%～50%,还有很大差距,因而,陕西省近几年碳减排还有很大压力,还要加大力度继续坚持走低碳发展道路。

表4 预测模型1的参数检验Tab.4 The test of parameters about the prediction model 1

图1 单位GDP碳排放余额对年度的拟合曲线Fig.1 The fitting curve of remaining carbon emission of per unit of GDP vs.year

4.2 人均GDP对碳排放余额的预测分析

由1991—2013年陕西省碳排放余额随经济增长态势的散点发展分布特征,采用非线性最小二乘原理进行曲线对比拟合,利用Rat32型超对数模型拟合,得到拟合曲线2和预测模型2:

lny=

表6预测了陕西省未来经济发展状况对碳排放余额的影响,发现碳排放余额随着人均GDP的逐步增高而增大,但碳排放余额幅度以平均1.6%水平递减,因而,陕西省经济发展对碳排放量有较大影响,表明陕西省的低碳、绿色发展程度较低。

表5 预测模型2的参数检验Tab.5 The test of parameters about the prediction model 2

图2 碳排放对人均GDP的拟合曲线Fig.2 The fitting curve of carbon emission vs. per capita GDP

表6 经济发展对碳排放的预测Tab.6 The forecast of carbon emissions for economic development

5 建议与对策

综上所述，要实现陕西省的碳减排目标，需从管理和技术多层次实施减排，提倡清洁能源的研发和应用,如在关中、陕北区域发展分布式光伏发电的清洁模式,尤其是在清洁生产技术上,不断设计研发,使用清洁能源和原料,采用先进的设备和工艺技术,通过管理体制改善措施的实施,从碳排放源头上消减污染,提高能源资源的利用效率,减少产品在生产、服务、使用过程中产生的碳排放。同时,相关管理部门积极制定区域相关产业或行业的清洁生产技术要求和相应标准,加强全过程的污染预防意识,鼓励区域绿色生产,可通过以区域经济发展对应的生产总值与区域碳排放的余额之比作为评估衡量区域的低碳发展水平,并以此来约束区域碳排放和提高区域碳的使用效率。转变农业发展和管理模式,尤其要注重节约化肥、农药、农膜等生产资料和低碳农业生产技术,提倡生态、循环、集约型的农业生产模式。增加城市园林绿地面积和改善城市绿化状况,通过卫星遥感调查模拟技术,定量分析评估增加相应的城市绿地面积。可适当把低产农田变为草地或森林,实行农林复合、林草复合式的经营模式,提高区域碳吸收能力,减少碳在环境中的储量。如在陕南区域,根据其地理环境特点,开展绿化工程,逐步提高森林、绿地、湿地等的覆盖率。提升居民的低碳环保意识,尤其在管理运行机制方面,增加相关产业的生态补偿力度,建立相应的技术补偿标准和实施体系,鼓励陕西居民积极参与生态行动和生态主体功能区的保护。征收合理的相关产业碳税,从而控制人为因素的超碳排放。

[1] GROSSMAN G M, KRUEGER A B. Environmental impacts of a north american free trade agreement[J].NBER Working Paper Series,1991,39(14):26-35.

[2] SELDEN T, SONG D. Environmental quality and development:Is there a kuznets curve for air pollution emissions?[J].Journal of Environmental Economics and Management,1994,27(2):147-162.

[3] MOOMAW W R,UNRUH G C. Are environmental kuznets curve misleading US the case of CO2emissions,special lssue on environmental kuznets curves[J].Environmental and Development Economics,1997,2(4):451-463.

[4] MARTINEZ-ZARZOSO I,BENGOCHEA-MORANCHO A. Pooled mean group estimation for an environmental kuznets curve for CO2[J].Economics Letters,2004,82(1):121-126.

[5] 杨嵘,常烜钰. 西部地区碳排放与经济增长关系的脱钩及驱动因素[J]. 经济地理,2012,12:34-39.

[6] 申笑颜. 中国碳排放影响因素的分析与预测[J]. 统计与决策,2010，19:90-92.

[7] 孟凡生,李美莹. 基于组合赋权法的我国CO2排放量影响因素的评价研究[J]. 运筹与管理,2014(1):157-165.

[8] 齐绍洲,付坤. 低碳经济转型中省级碳排放核算方法比较分析[J]. 武汉大学学报(哲学社会科学版),2013(2):85-92+129.

[9] 吕丽汀,王龙,赵建莉. 温室气体排放量化换算系数的研究[J]. 山东建筑大学学报,2013(3):244-249.

[10] BHATTACHARYA S C,ABDUL P.Emissions from biomass energy use in some selected asian countries[J].Energy,2000,25(2):169-188.

[11] ZHANG J,SMITH K R. Greenhouse cases and other airborne pollutants from household stoves in China:A database for emission factors[J].Atmospheric Environment,2000,34(26):4537-4549.

[12] 李俊杰.民族地区农地利用碳排放测算及影响因素研究[J].中国人口资源与环境,2012,22(9):42-47.

[13] WEST T O,MARLAND G.A synthesis of carbon sequestration,carbon missions,and net carbon flux in agriculture:Comparing tillage practices in the united states[J].Agriculture Ecosystems and Environment,2002,91(1):217-232.

[14] 陶在朴.生态包袱与生态足迹——可持续发展的重量及面积观念[M].北京:经济科学出版社,2003:207-216.

[15] 何勇.中国气候、陆地生态系统碳循环研究[M]北京:气象出版社,2006:41-45.

[16] ZHAO M,KONG Z H,ESCOBEDO F J,et al.Impacts of urban forests on offsetting use in Hangzhou,China[J].Journal of Environment Management,2010,91(4):807-813.

[17] 张艳芳.西安市土地利用变化与碳排放空间格局特征研究[J].西北大学学报(自然科学版),2013,43(2):287-292.

(编 辑徐象平)

The study on the correlation between carbon emission and economic development in Shaanxi Province

HUA Ying1,2, ZHANG Zhi-he1

(1.School of International Business, Shaanxi Normal University, Xi′an 710062, China; 2.School of Mathematics and Computer Engineering, Xi′an University, Xi′an 710065， China)

The paper studied the measure and prediction trend of carbon emission in the future as well as the influence on regional economy development in Shaanxi Province. Based on the listing method and the nonlinear least squares method, remaining carbon emission and super logarithmic model are applied in prediction. To estimate the carbon emission of Shaanxi Province in 1991—2013, remaining carbon emission of per unit of GDP in Shaanxi Province in 2020 is 0.3139, 18% less than 2005 levels, and the fact that carbon emission increases gradually when per capita GDP increase is found, but growth at an average level of 1.6%, so the pressure to reduce emission is big in Shaanxi Province.To solve the problem of carbon emission in Shaanxi Province, regional low-carbon economic development path are put forward, with clean energy research & development and application; ecological, green, intensive agricultural production mode are given; residents need to know more about low-carbon environmental protection; effective measures of emission reduction is requested to increase by strengthening ecological compensation.

carbon emission; remaining carbon emission; Shaanxi province; economic development

2014-06-09

陕西省社科界重大理论与现实问题基金资助项目(2015Z029)；陕西省教育厅科学研究计划基金资助项目(11JK0337)

华瑛，女,浙江富阳人，陕西师范大学博士生,从事区域经济、生态模型预测研究。

F061.5

：ADOI：10.16152/j.cnki.xdxbzr.2015-03-023