中国城市CO2排放数据集研究

蔡博峰+王金南+杨姝影+毛显强+曹丽斌

摘要 城市CO2排放数据的可获取性和质量直接影响了城市碳排放的科学研究、低碳战略制定及公众对于城市低碳发展的监督和参与。数据缺乏和多源数据的不确定性大是中国城市CO2排放核算和低碳城市规划面临的重要问题和挑战，而这些问题同时也导致中国低碳城市研究水平参差不齐。本研究使用自下而上建立的中国高空间分辨率网格数据（空间分辨率为1 km），采用统一数据源和规范化、标准化数据处理方法，建立中国城市CO2排放数据集，供研究者和决策者参考。城市CO2排放计算借鉴国际上较为成熟和应用广泛的核算方法，包括范围1和范围2排放。以北京、上海、天津、重庆和广州5个典型城市的能源统计数据自上而下计算其CO2排放作为参考水平，检验数据集的数值质量，结果显示5个城市的数据差异均不超过10%。中国城市CO2排放整体呈现北方大于南方，东部高于中部和西部的空间格局。CO2排放量较高的城市大多处于华北、东北以及华东沿海地区，西部地区城市CO2排放量则较低。城市CO2排放8个部门（工业能源、工业过程、农业、服务业、城镇生活、农村生活、交通、范围2排放）之间的相关性中，城镇生活和交通排放的相关性最高，并且呈现显著性（p<0.001），工业过程排放和服务业排放的相关性最弱且没有显著性。基于中国高空间分辨率网格数据的中国城市CO2排放数据集的不断完善和发展，为中国城市CO2排放研究奠定了重要的数据基础，为城市CO2排放横向比较和对标工作提供了重要依据。

关键词 城市；CO2排放数据集；中国高空间分辨率网格

中图分类号 X196 文献标识码 A 文章编号 1002-2104（2017）02-0001-04 doi：10.3969/j.issn.1002-2104.2017.02.001

城市温室气体排放清单或者排放基础数据是城市碳减排和低碳发展评估、规划的基石和标尺。数据缺乏和多源数据的不确定性是中国城市CO2排放核算和低碳城市规划面临的重要问题和挑战。缺乏城市（特别是中小城市）层面的能源统计基础数据导致碳排放核算难以开展，不同城市采用不同数据源导致城市之间碳排放量的可比性较差，这也使得国家和区域层面上的城市碳排放绩效评估体系的建立非常困难。同时，由于数据获取差异大等原因，各城市的低碳研究水平参差不齐。一、二线城市由于数据相对完善，其研究相对充分，而三线城市和小城市数据缺乏、研究水平滞后，其碳排放和低碳发展长期被忽视。此外，由于缺乏中国全面的城市碳排放数据，导致部分城市无法对自身低碳发展水平进行定位，从而也难以定位自身的发展目标，一些低碳发展目标的制定只能比照国家、省或者国际城市，难免出现目标脱离现实且缺乏考核标杆的情况。基于高空间分辨率网格数据的城市CO2排放研究和评估是国际碳排放研究的一个重点和热点方向[1-4]。本研究基于中国高空间分辨率网格数据（China High Resolution Emission Gridded Data， CHRED），同时结合其他社会经济数据，建立中国城市CO2排放数据集，为中国城市CO2排放研究和政府决策提供数据基础。

1 方法和数据

1.1 排放核算方法

借鉴国际上较为成熟和应用广泛的城市CO2排放核算方法，计算中国城市的范围1和范围2排放[5-7]。范围1排放是城市行政边界内的所有直接排放，范围2排放是城市由于向外界购买电力、热力等导致的间接排放。本研究范围1排放中没有考虑森林及土地利用变化导致的CO2排放和吸收，范围2排放仅考虑城市外调电力导致的排放。以下范围1排放称直接排放，范围2排放称间接排放。排放因子主要源自国家发改委的《省级温室气体清单编制指南（试行）》[8]，部分排放因子参考《中国温室气体清单研究》[9]，文献[9]是第二次国家信息通报中排放清单的基础工作，推荐了中国分行业、分能源类型和分燃烧设备的排放因子，数据详尽且较为权威。工业过程排放主要包括了水泥、石灰等过程排放，计算方法同样参考《中国温室气体清单研究》[9]。间接排放采用城市范围内的外调电量乘以城市所在区域电网排放因子。城市外调电量=城市用电量-城市发电量（当“城市外调电量”<0，将其取值设为0）。城市发电量（化石能源发电量+非化石能源发电量）基于发电企业点源数据库统计各城市范围内的企业发电量。

1.2 数據来源

城市直接排放数据来自CHRED，经过GIS空间分析，形成城市直接CO2排放数据。CHRED V2.0数据库（http：//www.cityghg.com/）包括中国工业企业点排放源基础数据、中国2012年1 km和10 km CO2排放数据（包括工业能源和工业过程、农业、服务业、城镇生活、农村生活、交通排放）及其他相关空间数据，是采用自下而上方法建立的中国CO2排放高空间分辨率的重要基础数据[10-12]。中国化石能源电厂发电量及空间位置来自CHRED；非化石能源电厂（水电、风电、核电、生物质燃料发电和太阳能发电）发电量及空间位置来自《电力工业统计资料汇编2012》；城市全社会用电量来自《中国城市统计年鉴2013》。

1.3 研究范围

城市包括中国地级市和直辖市。根据《中国统计年鉴2013》，2012年中国大陆地区共有285个地级市和4个直辖市，CHRED数据库没有三沙市数据。因而本研究范围为284个地级市和4个直辖市，共计288个城市。

2 结果与分析

2.1 中国城市CO2排放数据集

2012年中国城市CO2排放数据集见表1。

2.2 典型城市数据检验

选择当前具有较好能源统计的城市，以检验基于CHRED数据计算的城市CO2直接排放数据的质量。北京、上海、天津、重庆和广州都已经建立较为成体系和完整的能源统计和能源数据公开发布制度，可以认为数据质量相对较好。因而，基于其一次能源消费量自上而下计算其CO2排放量，作为参考水平（reference level）。对比表明，两组数据的整体一致性较好：广州、北京、上海、重庆的数据差异分别为2%、3%、4%和5%，天津的数据差异为8%。不同城市，由于其能源统计口径和方法等不同，会造成与网格排放数据不同的差异。整体而言，基于典型城市的数据检验，CHRED数据建立的城市CO2排放处于较为可信和可接受的水平。

2.3 中國城市CO2排放特征

从全国范围来看，CO2排放量较高的城市大多处于华北、东北以及华东的沿海地区，西部地区城市的CO2排放量则相对较低。上海市和唐山市的CO2排放量最高，均超过2亿t，拉萨市排放量最低，仅132万t。城市CO2排放在空间上呈现较大差异的同时，在部分区域也存在一定的集聚性。主要的高碳排放城市集群分布在内蒙古自治区、辽宁省、山东省、河南省，京津冀、长三角和珠三角等地区，低碳排放城市集群主要分布在西北、西南以及华南等地区。对于CO2排放量排名前10的城市来说，山西省、内蒙古自治区以及京津冀和长三角地区的聚集现象比较明显，其中北京、天津和唐山都位于京津冀地区，上海和苏州位于长三角地区。排名第3的重庆所处的西南地区属于低碳排放地区，其碳排放量远远高于周边的城市，集聚现象不明显。

中国城市CO2排放8个部门（工业能源、工业过程、农业、服务业、城镇生活、农村生活、交通、间接排放）之间的相关性中，城镇生活和交通排放的相关性最高，并且呈现显著性（p<0.001），这两部分的排放都受居民生活水平的影响，随着居民生活水平和消费水平的提高，城镇生活和交通排放也会相应升高。服务业排放和交通排放也呈显著相关，且相关系数仅次于城镇生活排放和交通排放；工业过程排放和服务业排放的相关性最弱，而且没有显著性。整体而言，城镇生活、服务业和交通这三个部门的排放两两之间的相关性最强，而且都呈现显著性；同时城镇生活与间接排放的相关性也较强。

3 结论与讨论

使用自下而上建立的中国2012年1 km CO2排放网格数据（CHRED），采用统一数据源和规范化、标准化数据处理方法，建立中国城市CO2排放数据集，供研究者和决策者参考。随着CHRED数据库的完善和动态更新，将实现2005、2010、2015年的中国1 km CO2排放网格数据，从而支持建立中国2005、2010、2015年的城市CO2排放数据。

基于CHRED的中国城市CO2排放数据的不断完善和发展，将为中国城市低碳发展规划和管理提供重要的数据支撑。首先，为中国城市CO2排放研究奠定了重要的数据基础。研究结果可以有效解决中国城市CO2排放数据不足和数据源差异大的问题，为各省、地级市建立CO2排放清单奠定坚实的数据基础；其次，解决了中国城市CO2排放可比较性差的问题，为城市CO2排放横向比较和对标工作提供了数据支持；最后，通过CO2排放信息公开，为碳减排绩效评估和排序提供支持，可以调动地方政府和公众对城市CO2排放的关注，推动公众和舆论对城市CO2排放管理的参与和监督，从而推动城市的低碳发展。

参考文献（References）

[1]SOVACOOL B K， BROWN M A.Twelve metropolitan carbon footprints： a preliminary comparative global assessment [J]. Energy policy， 2009， 38（9）： 4856-4869.

[2]PARSHALL L， GURNEY K， HAMMER S A， et al. Modeling energy consumption and CO2 emissions at the urban scale： methodological challenges and insights from the United States [J]. Energy policy， 2010， 38（9）： 4765-4782.

[3]MICHAILF， JOS L， DEBORAH S， et al. Does size matter？ Scaling of CO2 emissions and US urban areas [J]. Plos one， 2013， 8（6）： e64727.

[4]JOHN M P， ANDREA S， JOCHEN A， et al.The geography of global urban greenhouse gas emissions： an exploratory analysis [J].Climatic change， 2013， 121（4）： 621-634.

[5]WRI， 中国社会科学院城市发展与环境研究所， WWF.城市温室气体核算工具指南（2.0）[R]. 2015. [WRI， Institute for Urban and Environmental Studies， Chinese Academy of Social Sciences，WWF.Greenhouse gas emissions accounting tool for Chinese cities 2.0[R]. 2015.]

[6]蔡博峰. 城市温室气体清单核心问题研究[M]. 北京：化学工业出版社，2014. [CAI Bofeng. Study on key issues of China city carbon emission inventory[M]. Beijing： Chemical Industry Press， 2014.]

[7]蔡博峰. 国际城市CO2排放清单研究进展及评述[J]. 中国人口·资源与环境，2013，23（10）：72-80.[CAI Bofeng. Advance and review of city carbon dioxide emission inventory research[J]. China population， resources and environment， 2013， 23（10）： 72-80.]

[8]国家发展和改革委员会. 省级温室气体清单编制指南（试行）[R]. 北京，2011.[National Development and Reform Commission. Guideline of GHGs inventory for provinces of China[R]. Beijing， 2011.]

[9]国家发展和改革委员会应对气候变化司. 2005中国温室气体清单研究[M]. 北京：中国环境出版社，2014.[Department of Climate Change， National Development and Reform Commission. The Peoples Republic of China National greenhouse gas inventory 2005 [M]. Beijing： China Environmental Science Press， 2014.]

[10]WANG J N， CAI B F， ZHANG L X， et al. High resolution carbon dioxide emission gridded data for China derived from point sources [J]. Environmental science & technology， 2014， 48（12）： 7085-7093.

[11]CAI B F， ZHANG L X. Urban CO2 emissions in China： spatial boundary and performance comparison [J]. Energy policy， 2014， 66： 557-567.

[12]CAI B F， WANG J N， HE J， et al. Evaluating CO2 emission performance in Chinas cement industry： an enterprise perspective [J]. Applied energy， 2016， 166： 191-200.