海岛地区海洋碳汇量核算及碳排放影响因素研究——以辽宁省长海县为例

(辽宁师范大学 海洋经济与可持续发展研究中心,辽宁 大连116029)

1 引言

大气是人类生存的基本条件,空气质量优良是人类文明得以延续的有力保证。逐步控制、减少碳排放量是经济发展的必然要求,是生态文明进程实现的重要路径。加快生态文明建设,提高能源利用效率,减少碳排放,不仅是当地经济社会发展的需要,也是国家战略的需要。海岛相对于陆域地区,普遍存在土地资源紧缺、海洋资源丰富的特点,海岛特有的发展模式和路径值得关注。在应对气候变化的大时代背景下,向低能耗、低排放、低污染的低碳经济转型已成为海岛地区经济发展的大趋势。因此,寻找碳汇源,核算碳汇量,剖析影响海岛地区碳排放的主要因素,对制定碳减排规划及政策具有重要指导意义[1]。

海洋作为地球上最大的“碳库”,参与全球碳循环过程,潜力巨大。海洋碳汇已成为海洋领域研究的新热点。对海洋碳汇的研究多以大洋为研究对象,采用对主要指标进行物理学实验模拟和实地采样的方法进行测算[2-5]。Galen A McKinley等[6]从全球视角下分析了现阶段海洋碳汇变化的主要影响因素;Chelsey A Baker等[7]对大西洋CO2通量等指标进行了测算;张继红[8-10]、岳冬冬[11-13]等则对大型藻类、贝类等海洋生物的碳汇量进行了核算;李梦娜[14]对舟山群岛的海洋碳汇生态系统服务进行了经济价值评估。

碳排放量及其影响因素研究已成为全球环境变化与可持续性科学研究的前沿领域之一,并逐渐呈现出多学科融合的趋势。目前，在陆域方面关于碳排放量的研究较为成熟。从研究区域上而论，学者们多以省际为单位进行研究[15,16]；从研究方法上而论，学者们对各产业部门的数据进行了处理[17，18]。由于海岛地区有关数据的获取难度较大等原因,以海岛地区为研究对象的碳排放研究成果相对较少,学者们一般多从人文视角[19-22]对碳排放的影响这一角度进行阐述，也有学者[23,24]基于博弈论和IPCC参考方法围绕海岛旅游、海岛城市展开了一定的研究。

本文以长海县为例,通过核算生物途径贮存的海洋可变碳汇量,将海洋碳汇量与碳排放量进行比较分析海岛碳收益状况,并运用STIRPAT模型和岭回归模型考察长海县碳排放影响要素的重要程度,试图融合物理学、生物学等相关学科研究成果,通过多要素、多流向的特征探讨中纬度海岛地区的海洋碳汇量核算,测度碳排放其影响因素,为相关政策制定提供参考。

2 研究方法与数据来源

2.1 研究地区概况

辽宁省长海县是我国唯一的海岛边境县,地处辽东半岛东侧、黄海北部海域,所辖海域与岛陆面积比为86∶1,海洋自然资源丰富,以海洋渔业资源为主。历年的统计数据显示,长海县海洋渔业产值占地区生产总值的60%左右,是长海县的支柱产业,旅游业产值占总产值的30%以上,且占比呈逐年递增趋势。

2.2 海岛碳汇量计算方法

海岛县是指面积较小，四面环水，散布在海洋中的陆地[24]，相对于陆域地区，海岛地区普遍存在土地资源紧缺、海洋资源丰富的特点，海岛县作为大陆向海洋延伸的过渡连接带，是将分散的海岛按行政单元加以划分，形成的以有人居住的海岛群为主体的整体。相关研究表明,海洋是碳循环过程中重要的参与者,吸收CO2的能力约为陆地系统的60倍,考虑到海洋的固碳能力,本文对海洋碳汇量进行核算,并在进行碳排放量影响因素指标选取时,充分考虑产业因素。

海洋碳循环机制:三维动力学海洋循环模式假设地球主要有岩石圈碳库、陆地生态系统碳库、大气碳库和海洋碳库4个碳库[25],4个碳库相互作用、影响。由于碳库间形成碳循环机制极为复杂,因此本文进行适当简化,基于图1的循环过程进行测算和分析。碳排放量增多,大气中CO2量增多, CO2分压值增加,进而导致溶解在海洋中的CO2量即海洋碳汇量增加,构成海洋生物吸收CO2的来源。海洋碳汇量是指被海洋吸收的人类活动排放的CO2超过大气中CO2的增量[21]。海洋碳汇的形成主要通过物理因素(物理泵)和生物因素(生物泵)两种途径产生。本文主要考虑受海洋生态系统控制和海洋生物的影响,通过食物链中各生物的生产、消费、传递、分解等一系列过程实现碳的迁移,海水中的碳参与到生物体的循环代谢中,最终以生物体的方式贮存或移出海水的生物泵产生的碳汇量。

图1 碳循环过程

大型藻类会通过光合作用将水中的无机碳化合物转化为有机碳化合物,并能从海水中吸收碳酸盐等溶解的营养盐。研究表明,由于不同海域地区的温度、光照条件等存在明显差异,藻类体内的氮、磷等物质的含量也有一定的差异,但其体内的碳所占本体总干重的比例大致相同。为了完成自身的生长需要,贝类通过形成躯干(俗称贝壳)和软组织两种方式,实现对海水水体中碳的吸收和固定。贝类在生长过程中主要通过吸收海水中的HCO3-,形成CaCO3,加固贝壳硬度,降低海水中的HCO3-浓度,促进海水的水平运动,从而加快CO2溶于水的速率。通过滤食海水中的浮游植物和有机颗粒物以维持自身生长需要,加固贝壳,完成软组织的生长,以此进行碳的吸收并将其固定在水体中,其化学反应方程式为:

(1)

由式(1)可见,贝类可通过自身的新陈代谢有效控制海水中的悬浮颗粒和有机碳颗粒,从而减少水中的碳量。

海洋碳汇量计算:梳理相关文献可见，目前研究海水贮存碳量(物理泵)的计量方式多以实地检测为主，模型差异性过于明显，准确性有待进一步确定。根据相关研究成果，影响通过物理泵途径产生的海洋碳汇量主要受气温、风速、海水溶解度与交换界面分压值等气候与水文因素的影响。鉴于长海县气候条件相对稳定,海水吸收量相对固定,且人为因素在其中发挥的作用较有限,因此本文着重考虑生物因素在海洋碳汇中的影响,暂不考虑物理途径(物理泵)因素。

根据长海县藻类与贝类养殖产值比重占当地渔业总产值的90%的特点,本文对藻类和贝类两种类别进行研究,选择海带、石莼、裙带菜、江蓠、贻贝、扇贝、牡蛎和蛤作为海洋碳汇核算对象。

(2)

式中,S1表示藻类产生的海洋碳汇;Pi表示第i种藻类的产量;Wci表示该藻类体内的含碳比重,所选参数见表1。

表1 藻类碳含量[9]

由于同种贝类身体组织和贝壳中的碳含量占自身重量的比重基本不会随海域与环境的改变发生明显差异[12],因此该部分计算借鉴相关研究成果所得参数(表2、表3)。

Sj=Pj×Rst×ωSst+Pj×Rs×ωSt

(3)

(4)

式(3)中,Sj表示第j种贝类的固碳量;Pj表示第j种贝类的产量;Rst代表软体组织的比例;Rs表示贝壳组织的比例;ωSst与ωSt分别代表软体组织中碳的含量和贝壳中碳的含量。式(4)中，S2表示贝类产生的海洋碳汇总量为几种贝类所产生碳量的加和。

表2 贝类软体组织与贝壳组织结构质量含量比重[22]

表3 贝类软体组织与贝壳含碳量比重 [11]

2.3 碳排放量计算及其影响因素

碳排放量计算：本文参考《2006年IPCC国家温室气体清单指南》对地区内碳排放量核算的指标和参数进行选取。参考相关研究,结合辽宁省长海县能源使用情况,本文碳排放量主要指能源碳排放量,核算指标包括当地煤炭、汽油、液化石油气和电力的使用量。基本计算方式是通过对不同品种的消费量与其相关的排放因子参数与氧化率进行相乘并累加,即可获得研究区域的碳排放总量。具体计算公式为:

(5)

式中,I为长海县碳排放量(t);Ei为第i种能源品种按标准煤计的能源消费量;Fi为第i种能源的碳排放系数,不同能源种类折算系数与碳排放系数见表4。

表4 同能源种类碳排放因子[23]

STIRPAT模型:STIRPT模型是在IPAT模型的基础上演化而来的,可用于全面合理地测度人文因素相对于环境压力的变化,主要通过对人口、财富和技术条件等因素进行回归,STIRPAT模型也因其灵活性得以在各个领域得到广泛应用。利用STIRPAT模型对长海县消费碳排放影响因素进行分析,考虑到长海县以渔业为代表的第一产业与以旅游业为代表的第三产业在总产值中占比较大等因素,以及第二产业能源使用量大等特点,本文着重从长海县人口数量、富裕程度、能源强度以及人均旅游产值方面进行测度。

STIRPAT模型的标准式为:

I=αPbAcTde…

(6)

式中,I表示环境因素;P代表人口;A代表人口富裕程度;T代表技术水平;e为误差项;α表示模型系数;b、c表示需要估计的参数,两边取对数得:

lnI=lnα+blnP+clnA+dlnT+lne

(7)

由于长海县人口相对稳定,研究区间内同比变化率未超过0.1%,因此本文暂不考虑人口因素的影响,将式(7)调整为:

lnI=α0+α1lnA+α2lnT+α3lnF+lne

(8)

式中,I为长海县碳排放量(t);A为富裕程度,用人均GDP(元/人)表示;T为能源强度,以能源消费量与GDP比值表示(t标煤/万元);F表征人均旅游产值(元/人);α1、α2、α3分别为参数,表示当A、T、F每变化1%时,碳排放量分别变化α1%、α2%、α3%。

本文选择人均GDP,即一个国家或地区在核算期内实现的生产总值与所属范围内的常住人口的比值作为反应财富因素的指标。能源强度以能源消费量与GDP比值表示,主要将生产过程中使用的煤炭、汽油、液化石油气和电力折算成可比较的能源消费量,并将其与GDP的比值作为反应技术条件因素的指标。选取旅游产业产值与旅游人数的比值即人均旅游产值为反映当地旅游产业对碳排放量的影响程度的指标。

2.4 数据来源

本文的人口、人均GDP等原始数据来自2005—2015年的《长海县统计年鉴》,碳排放量相关折算系数参照IPCC标准以及其相关的研究成果,海洋相关指标数据来源于国家统计局网站、中国海洋局网站和当地水文观测站。

3 结果与分析

3.1 长海县碳汇量计算及分析

基于辽宁省长海县2005—2015年的数据对当地海洋碳汇量、碳排放量和两者的差值进行测算,趋势变化见图2。从图2可见,研究期内的碳汇量走势与碳排放量走势基本一致,呈先逐年增加后逐年递减的态势。2009年之前辽宁省长海县海洋碳汇量呈缓慢上涨的态势,2010年后进入快速发展阶段,涨幅不断增大,2011—2012年涨幅有所回落,2013年增长速度最快,且碳汇量达到最大值,之后海洋碳汇量有所减少,2015年下降较为明显。由此可见,辽宁省长海县生物固碳能力在2012年后有所减弱。从碳排放曲线来看,辽宁省长海县总体走势较为平缓，2005—2008年数值呈基本稳定状态，2009年增长幅度较大，2010—2012年再度呈现稳定增长的态势，并在2013年达到峰值，2013—2015年碳排放量开始逐渐小幅度递减。

图2 2005—2015年海洋碳汇与碳排放量及净碳收益走势

计算海洋碳汇量和碳排放量两者之差可得出长海县碳收益情况(图2)。2005—2010年长海县海洋净碳收益以较稳定的数值小于碳排放量,呈现“亏损”状态,2010年海洋碳汇量与碳排放量基本持平。2011年后长海县海洋碳汇量开始大于碳排放量,呈现“盈余”状态,且逐渐上涨,在2013年达到差值最大值,之后随着海洋碳汇量的回落,与碳排放量之间的差距逐渐减少。

藻类和贝类作为海洋碳汇核算对象。藻类对基于生物因素形成的海洋碳汇贡献程度较小,贝类是影响海洋碳汇形成的决定性因素。2005—2009年,长海县藻类对海洋碳汇量贡献较少,2010年开始随着藻类养殖量的大幅增加,藻类产生碳汇量也随之增加,之后呈波动上升的趋势,2014年达到最大值,2015年有小幅回落(图3)。2005—2015年长海县贝类产生的碳汇量远多于藻类产生的碳汇量。2005—2013年,随着长海县贝类养殖量的不断增加,贝类所产生的碳汇量也呈快速增长趋势,并在2013年达到最大值。2013—2015年,长海县的贝类固碳能力有所下降。

图3 2005—2015年贝类与藻类产生碳汇量趋势

3.2 碳排放量计算及其影响因素分析

碳排放量计算结果:通过计算,本文可得到辽宁省长海县能源消费以煤炭为主,历年消费量占总消费量基本稳定在60%以上;电力为占比第二大的能源消费品种,2005—2012年辽宁省长海县的能源消费量呈波动下降的趋势,2005年电力消费量占能源消费总量的31%，在2013年达到最小值,之后逐年递增到2015年占能源总消费的35%；液化石油气在能源消费中的占比基本稳定在15%,而汽油在长海县能源消费中所占比例相对较低，在研究期内未超过5%。总体来说,2005—2015年长海县能源消费结构相对稳定,以煤炭和电力为主，液化石油气和汽油消费呈占比较低。

本文主要从长海县能源消费种类角度对碳排放量相关数据进行统计。长海县碳排放量走势见图4。2005—2009年,长海县碳排放量呈波段增长态势。其中，2006年和2009年较上一年增长幅度较大；2007—2008年数值较平稳；2009—2012年碳排放总量增加,增长幅度相对较小，走势平稳，并于2012年达到峰值,之后随着煤炭消费量占比下降和电力消费量的占比回升,地区碳排放量有所下降，且下降较明显。可见能源消费结构对碳排放量起关键作用,因此适当调整当地能源消费结构,提高能源使用效率,使用能效高、污染小的能源种类,对当地节能减排有具重要影响。

图4 2005—2015年长海县能源消费结构变化

碳排放量影响因素:本文在对数据进行标准化处理后,运用Eviews 6.0对数据进行多元回归,结果见表5。从总体上看,模型的拟合优度R2=0.962,可知回归方程整体拟合程度较高;在显著水平为0.05的水平上参考F分布表,可得出F>4.07,虽然方程通过了显著性检验,但由于lnA、lnF的膨胀因子(VIF值)大于10,由此可见需要消除方程存在的多重共线问题,重新构造方程。

表5 回归结果

注:R2=0.962,F=58.759。

岭回归估计是以放弃部分精准度以换取结果更符合实际的方法,是有效解决多重共线问题改进的最小二乘法。本文采用岭回归函数对方程进行重新拟合。当K=0.5时,各变量的回归系数趋于平稳,根据结果得到式(9),相关计算结果见表6。

表6 岭回归结果(k=0.5)

注:R2=0.966,F=66.02。

模型的拟合优度R2=0.966,方程整体的拟合程度较高,F统计量也通过了检验,各变量在1%的显著性水平上对碳排放量产生作用,因此构建的STIRPAT模型能较好阐述长海县碳排放量与各个变量之间的关系,具体形式为:

lnI=-0.004+0.6358lnA+0.3356lnT+0.2894lnF

(9)

从回归系数上看,辽宁省长海县的富裕度与能源强度回归系数均为正数,说明富裕程度、能源强度和人均旅游产值对碳排放量均有正向影响。从变化程度上看,各变量对长海县能源消费的碳排放量影响程度由高到低依次是富裕度、能源强度和人均旅游产值。富裕度、能源强度与人均旅游产值每变化1%,碳排放量则将分别同向变化0.6358%、0.3356%和0.2894%。

通过STIRPAT模型进行回归模型分析可知,2005—2015年辽宁省长海县的富裕程度、能源强度和人均旅游产值与碳排放量均呈现出较强的相关关系。主要是:①富裕度是影响辽宁省长海县温室气体排放的最主要因素。2005—2015年,富裕度呈逐年递增趋势,由此可见经济发展程度仍是影响碳排放量的最重要因素。②能源强度变化相对平稳,波动幅度相对较小。能源结构优化调整对长海县碳排放量的减少有一定影响,使用清洁能源比例越大,碳排放量越少。③人均旅游产值对长海县碳排放量的影响程度较小,但仍是不可忽视的因素。适当调整产业结构,提高旅游产值在总产值中所占比例,加快开发旅游周边产品,增加人均旅游产值,对控制碳排放有一定效果。

4 结论与讨论

本文以长海县为例,尝试测度基于生物因素的海岛地区海洋碳汇量,分析海洋碳汇对碳排放量的补偿效果,考虑到当地旅游业较为发达,旅游产值占总产值比重较大的情况,将人均旅游产值作为重要影响因子引入STIRPAT模型中,利用模型定量分析长海县碳排放量与富裕度、能源强度、人均旅游产值之间的关系。

主要结论为:①生物途径所形成的海洋碳汇量呈先逐年增加后逐年递减态势,与碳排放量走势基本一致,其中贝类对海洋碳汇量的贡献程度远大于藻类的贡献程度。鉴于长海县地理位置,海水养殖业必然是其主要生产方式,因此适当调整海洋养殖种类与比例是增加碳汇收益的有效途径。一是调整养殖品种,大力培养固碳能力强、成本低、附加值高的产品,保持生态健康发展的条件下增加农民收入；二是完善海洋养殖业与其相关产业的产业网络,形成高效率、可循环的可持续发展的产业链条[24,25],推进海岛产业升级。②2005—2015年长海县的碳排放量总体呈上升趋势。从能源消费结构上看,电力和煤炭对碳排放量贡献最大,两者相加占研究区能源消费总量的比重达85%以上。从影响因素上看,富裕程度为影响碳排放量最重要的因素,能源强度次之,人均旅游产值影响程度最小,它们每变化1%,将分别引起碳排放量变化0.6358%、0.3356%和0.2894%。富裕度、能源强度和人均旅游产值对碳排放量均起正向作用。③相对于富裕度,人均旅游业产值对碳排放量增加贡献程度较低。结合长海县旅游业产值在地区总产值中占比不断提高,2015年第三产业比重达38%的情况,可见政策实施方向正确。因此,倡导海岛生态发展理念,优化产业结构,开发吸引力强、附加值高的海洋旅游产业,提高人均旅游产值,在带动当地经济进一步发展的同时能很好地控制碳排放量的大幅增长,也是实现当地经济持续发展的重要途径。④由于海岛地区地理位置的特殊性,参与到海洋与陆地碳循环过程中兼具了海、陆循环的特点。虽然海岛陆地面积较小且较为分散,但是对海岛地区碳排放量测算及相关影响因素分析不仅对当地生态文明建设有至关重要的影响,也对区域内乃至全球碳循环研究起着不可忽视的作用。在碳汇交易市场建设逐步完善的大背景下,更加准确地测算碳汇与碳排放量对当地创造新的经济增长点至关重要。⑤对海洋碳汇与碳排放量特别是海岛地区碳汇量和碳排放量的核算,是目前学科研究的热点,也是学者及科研领域关注的焦点。由于海洋碳汇的形成与运动是个极其复杂的过程,受其自身循环因素、人为因素、外部条件因素等影响,获取更为准确的数据和建立更加有效的计量模型难度极大。因此本文基于简化过程的计算与实际情况有所偏差,对指标选取有所舍弃。同时,由于实验数据有限,选取计算海洋碳汇量的生物种类较少,更加全面的核算海洋碳汇量还需联合相关研究机构与学者进行深度研究。