地理研究  2018 , 37 (5): 1023-1033 https://doi.org/10.11821/dlyj201805013

研究论文

海岛城市碳排放测度及其影响因素分析——以浙江省舟山市为例

孙艳伟1, 李加林12, 李伟芳1, 马仁锋1

1. 宁波大学地理与空间信息技术系,宁波 315211
2. 浙江省海洋文化与经济研究中心,宁波 315211

Estimating the carbon emissions and influencing factors of island city: A case study in Zhoushan Islands, Zhejiang province

SUN Yanwei1, LI Jialin12, LI Weifang1, MA Renfeng1

1. Department of Geography & Spatial Information Technology, Ningbo University, Ningbo 315211, Zhejiang, China;
2. Marine Culture and Economic Research Center, Zhejiang Province, Ningbo 315211, Zhejiang, China

收稿日期: 2017-12-26

修回日期:  2018-02-27

网络出版日期:  2018-05-20

版权声明:  2018 《地理研究》编辑部 《地理研究》编辑部 所有

基金资助:  浙江省软科学项目(2016C35G2070007)

作者简介:

作者简介:孙艳伟(1983- ),男,内蒙古赤峰人,博士,讲师,研究方向为城市地理与环境经济管理。E-mail: sunyanwei@nbu.edu.cn

展开

摘要

海岛城市具有独特的社会经济发展轨迹以及碳排放特征。定量剖析海岛城市碳排放的演变趋势及其关键驱动因子,对于指导“低碳海岛城市”和“生态海岛城市”建设意义重大。以中国典型海岛城市舟山市为案例区,采用IPCC参考方法,测算2001-2015年间舟山市各部门的碳排放量,并运用STIRPAT扩展模型,定量分析能源强度、人均GDP以及城市化率等关键驱动因子对海岛城市碳排放的影响;在此基础上,结合情景分析技术对舟山市未来的碳排放量进行情景预测。结果表明:① 2001-2015年间,舟山市碳排放量增加迅速,年均增长率达到32%,碳排放强度遵从先降后增的“U型”变化规律,年均值略高于厦门市。② 岭回归分析表明城市化率对碳排放量的增加影响最大,其次为能源强度,人均GDP对碳排放的影响最弱。③ 舟山市经济增长与碳排放之间存在Kuznets曲线假说,且理论拐点将出现在人均GDP为10.46万元附近(2000年可比价)。④ 舟山市在2020年和2030年的碳排放总量将分别达到2142万t和4333万t。总体而言,产业结构低碳化和能源效率提升是缓解舟山市未来碳减排压力的有力抓手。

关键词: 海岛城市 ; 碳排放 ; STIRPAT模型 ; 影响因素 ; 舟山市

Abstract

Island cities have unique economic development paths and characteristics of carbon emissions. Quantitatively examining the evolution trends and influencing factors of carbon emissions in island cities will play an important role in guiding the constructions of "low-carbon city" and "eco-city". In this study, we chose Zhoushan Islands as a case study and used the IPCC guidelines methods to estimate its multi-sectoral carbon emissions during 2001-2015. Meanwhile, the STIRPAT model was applied to analyze the effects of energy intensity, GDP per capita and urbanization rate on carbon emissions. Based on the carbon emission effects, the future carbon emissions of Zhoushan Islands were then predicted by setting various socio-economic scenarios. The results indicated that the carbon emissions in Zhoushan have a dramatical increase, with an annual growth rate of 32% since 2001, while carbon emissions intensity followed the U-shaped changing trend, and its annual mean value was higher than that of Xiamen city. In addition, the disaggregated analysis revealed urbanization rate was the most robust driving factor of increasing carbon emissions, and energy intensity was the secondary, and GDP per capita was the weakest factor. We also found evidences in support of inverted U-shaped curve relationship between economic growth and carbon emissions, and the theory inflection point of CO2 emissions was found at 10.46×104 yuan of GDP per capita (calculated at 2000 comparable prices). According to our prediction, the total amount of carbon emissions in Zhoushan Islands by 2020 and 2030 may reach 2142×104 tCO2e, and 4333×104 tCO2e, respectively. Overall, we suggested that low-carbonization of industrial structure and the improvement of energy efficiency would be the effective measures for future carbon emissions reduction of Zhoushan Islands.

Keywords: island city ; carbon emissions ; STIRPAT model ; influencing factors ; Zhoushan Islands

0

PDF (9276KB) 元数据 多维度评价 相关文章 收藏文章

本文引用格式 导出 EndNote Ris Bibtex

孙艳伟, 李加林, 李伟芳, 马仁锋. 海岛城市碳排放测度及其影响因素分析——以浙江省舟山市为例[J]. 地理研究, 2018, 37(5): 1023-1033 https://doi.org/10.11821/dlyj201805013

SUN Yanwei, LI Jialin, LI Weifang, MA Renfeng. Estimating the carbon emissions and influencing factors of island city: A case study in Zhoushan Islands, Zhejiang province[J]. Geographical Research, 2018, 37(5): 1023-1033 https://doi.org/10.11821/dlyj201805013

1 引言

应对全球气候变化和节能减排已成为21世纪世界各国的共识,也是学术界关注的焦点议题[1,2]。IPCC报告指出,传统化石能源消费产生的碳排放是过去50年间全球平均气温升高的主要原因[3]。而伴随着席卷全球的城市化浪潮,越来越多的人口和产业向城市集聚,城市区域消费了世界能源总量的70%[4]。由此可见,全球城市面临着巨大的碳减排压力,是导致全球气温升高的重点区域。“低碳生态新城新区”作为中国新城新区建设的重要模式,为解决城市就业、优化空间结构、改善人居环境以及促进城市可持续发展等方面一系列问题提供了战略思路,正在把中国新城新区建设推向一个可持续发展的新阶 段[5]。海岛城市是一类特殊的地域单元,拥有其特有的发展模式和路径。海岛经济体的发展演化及其与资源环境之间的互动关系一直是经济地理学关注的重要问题之一[6]。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以海洋经济为主导的海岛城市经济发展的大趋势。因此,理清海岛城市碳排放量的时空演变特征,识别碳排放的主要因素,对制定碳减排规划及政策具有重要指导意义。

纵观国内外现有研究,学者立足海岛自身特点对海岛碳排放特征及其影响机制的研究尚处在初步阶段,仅有少量案例可供参考,且多关注于海岛旅游过程产生的碳排放研究。周晟吕等以上海崇明岛为案例区,在全面核算崇明岛能源消费及温室气体排放现状的基础上,通过情景分析预测崇明岛中长期能源消费需求以及温室气体排放水平,并进一步定量分析了海岛碳排放的主要影响因素[7]。林剑艺等以厦门市为研究案例,应用碳足迹混合分析方法,对厦门市2009年能源利用碳足迹进行了全面测度[8]。Kuo等运用生命周期分析(LCA)方法,对台湾澎湖岛旅游业产生的能源消费、CO2以及其他环境负荷进行了系统评估[9]。Shirley等采用消费基的生命周期清单方法,评价了美国Virgin岛的典型家庭碳足迹,发现海岛人均碳足迹较全美人均碳足迹低35%[10]。肖建红等应用碳足迹分析方法构建了旅游过程碳足迹模型,以问卷调查、游客访谈和部门访谈等实地调研数据为基础,对舟山群岛的旅游过程碳足迹进行了评估[11]

本文应用IPCC碳排放核算方法,对舟山市2001-2015年的碳排放进行测算,进而采用STIRPAT扩展模型,考察关键社会经济变量对海岛城市碳排放的影响,旨在揭示海岛城市社会经济发展与碳排放之间的作用规律,为海岛城市碳减排规划及政策的制定提供科学参考。

2 研究方法与数据来源

2.1 研究区概况

舟山市是中国唯一以群岛组成的地级市。2011年6月,继上海浦东新区、天津滨海新区和重庆两江新区之后,国务院正式批准设立浙江舟山群岛新区。舟山市以其独特的区位优势,丰富的海洋资源,社会经济发展势头强劲。由图1a可看出,近十几年来第一产业占比逐年下降,第二、第三产业占比不断增加,尤其是工业产值占比增量较大,说明舟山产业结构不断优化,逐渐形成了以船舶修造业、旅游业、渔业为主要支柱产业的海洋经济发展模式。由于海岛地域空间局限,如图1b所示,舟山总人口规模基本稳定,维持在96万~98万人之间;然而,2000年以来舟山市经历了快速的人口城市化过程,2015年城市化率已达到67%。高速的社会经济发展及城市化进程势必带来碳排放量的快速增长。如何通过产业结构调整、能源效率提升以及生态环境改善等措施,完成既定减排目标并且实现国民经济持续健康发展是舟山当前面临的主要问题。

图1   2001-2015年舟山市人口与城市化及三产结构变迁

Fig. 1   Change of population, urbanization rate and industrial structure for Zhoushan Islands during 2001-2015

2.2 研究方法

(1)碳排放核算方法

城市市域范围内由能源活动引起的碳排放主要来自于工业、交通、居民生活以及商业等部门一次、二次能源消费。借鉴《2006年IPCC国家温室气体清单指南》、中国的《省级温室气体清单编制指南(试行)》以及前人研究[12,13]的能源碳排放测算思路,本文城市碳核算的边界范围包括:工业能源、交通能源、城乡居民生活能源、商业能源、城市废弃物处置和农业活动等6个基本单元的温室气体排放,核算对象涵盖范围1和范围2的碳排放。城市碳核算的基本思路是通过将分部门、分燃料品种的能源消费量与相应的排放因子参数相乘,即可获得每个部门的CO2排放量,进而累加后获得总排放量。具体计算公式如下:

GHGTol=Ej×Fj(1)

式中:GHGTol为城市碳排放总量,单位为万t;Ej为第j种终端的能源消费量,按标煤计;Fj为第j种能源的排放系数,主要采用IPCC推荐数值;能源品种主要考虑了原煤、洗精煤、原油、天然气、焦炉煤气、炼厂干气、汽油、煤油、柴油、燃料油、液化石油气、其他洗煤和煤制品等17类,各能源消费实物量统一转化为标煤量,标煤折算系数根据《中国能源统计年鉴》给出的“各种能源折标准煤参考系数”(表1)。

表1   不同能源类型碳排放因子[12]

Tab. 1   CO2 emission factors for various energy types[12]

燃料
类型
原煤洗精煤其他洗煤型煤焦煤焦炉煤气天然气液化天然气原油汽油煤油柴油燃料油液化石油气其他石油制品热力电力
折标煤系数(kg/kg)0.710.900.280.970.970.571.331.711.431.471.471.461.431.711.430.030.12
排放因子(t/t)1.982.490.791.723.027.4221.842.843.13.183.153.183.132.982.950.269.26

新窗口打开

(2)STIRPAT扩展模型

Dietz等在传统的IPAT模型的基础上提出了STIRPAT(Stochastic Impacts by Regression on Population, Affluence and Technology)模型,模型形式灵活,被广泛用来进行区域碳排放影响因素分析[14,15,16],其一般形式为:

I=aPbAcTde(2)

式中:IPAT分别为环境影响、人口、富裕程度和技术水平;a为模型系数;bcd分别为人口、富裕程度和技术水平的估计系数;e为误差项。

将公式(2)两边取对数后,可写为:

lnI=lna+blnP+clnA+dlnT+lne(3)

为定量辨识舟山市碳排放的关键影响因素及其贡献程度,对STIRPAT模型进行扩展,选取人口规模、富裕程度、能源利用水平、城市化水平等4个层面的指标作为碳排放的解释变量。其中,由于舟山市历年人口规模趋于稳定,故模型中暂不考察人口规模对碳排放的影响;富裕程度采用人均GDP表征;能源利用水平采用能源强度指标来表征;城市化水平采用非农业人口占比来表征。因此,实证模型具体形式如下:

lnI=lna+β1lnA+β2lnEd+β3lnU+lne(4)

式中:I为舟山市能源消费碳排放量(万t);A为人均GDP(元/人);Ed为能源强度,即标煤消费量与GDP总额的比值(tce/万元);U为非农业人口占比(%);β1β2β3为模型评估系数,表示当各解释变量每变化1%时,分别引起碳排放量Iβ1%、β2%、β3%的变化。

为检验海岛城市的经济增长与碳排放之间是否存在倒“U”型库兹尼茨曲线,将模型(4)分解为lnA和(lnA2两项,具体表达式如下:

lnI=lna+β11lnA+β12(lnA)2+β2lnEd+β3lnU+lne(5)

式中:β11β12分别为人均GDP对数的系数及人均GDP对数二次项的系数。

对公式(5)lnA求一阶偏导,可以得到经济增长对碳排放的弹性系数EF为:

EF=β11+2β12lnA(6)

如果β12为负值,则说明人均GDP与碳排放量之间存在倒U型关系。

2.3 数据来源

本文分析所用到的能源消费、人口、GDP等社会经济数据均来自于《舟山市统计年鉴》(2002-2016年)。各产业部门GDP、能源强度和人均GDP均采用GDP指数折算成2000年可比价格。表1给出了不同类型能源的碳排放因子,主要参考IPCC推荐碳核算方法以及前人已有文献资料整理而得[9]。为消除不同指标量纲的影响,采用总和标准化方法对舟山市的碳排放量及其影响因子进行预处理。

2.4 情景设置与假设

科学预测城市碳排放量对于制定经济发展规划和温室气体调控对策具有重要意义。本文利用STIRPAT拟合模型与情景分析技术相结合的方法,以2015年为基准期,对舟山市未来中长期的碳排放量进行预测。

依据2013年发布的《浙江舟山群岛新区(城市)总体规划(2012-2030)》以及舟山历年社会经济发展趋势,对舟山群岛新区未来的经济发展、城市化水平以及能源效率等发展情况进行系统梳理,并设置发展情景如下:

(1)经济增长情景

自2001年以来的15年间,舟山市经济以年均13.2%的增长率高速发展。然而,2013年后,舟山的经济增长速率有所放缓,2016年的经济增长率为11.3%。考虑未来一段时期国民经济整体将进入中速经济增长阶段[17],故将多年年均增长率作为“十三五”期间的高增长情景、以2016年增长率作为中增长情景、下调1%作为基准情景;而对于“十四五”和“十五五”期间,以“十三五”情景为基准,分别下调1%。据此,设置了2015-2030年间舟山市经济增长情景(表2)。

表2   2015-2030年舟山市社会经济发展情景设置(%)

Tab. 2   Scenarios set for socio-economic development in Zhoushan Islands during 2015-2030 (%)

情景“十三五”“十四五”“十五五”
基准情景10.39.38.3
低值情景9.38.37.3
高值情景12.211.210.2

新窗口打开

(2)能源消费情景

在过去十几年中,舟山市能源强度经历了先降后升的变化趋势,2015年舟山的能源强度达到0.61 tce/万元。未来10~20年,舟山市将加快第二产业转移和第三产业培育步伐,着力发展海洋产业。可以预见,随着舟山产业结构的优化升级以及节能减排措施的实施,万元GDP能源消费将持续降低。鉴于此,将舟山市能源强度下降率的基准情景、低值情景和高值情景分别设置为15%、10%和20%(表3)。

表3   2015-2030年舟山市能源强度情景设置(tce/万元)

Tab. 3   Scenarios set for energy intensity in Zhoushan Islands during 2015-2030 (tce/105RMB)

情景“十三五”期末“十四五”期末“十五五”期末
基准情景0.520.440.37
低值情景0.550.490.44
高值情景0.490.390.31

新窗口打开

(3)城市化情景

2016年舟山市的城市化率为67.5%,高于全国平均水平,而未来10~20年间舟山的城镇人口规模仍将继续扩大。2013年发布的《浙江舟山群岛新区(城市)总体规划(2012-2030)》指出:到2020年,舟山的城镇化水平达到75%;到2030年,舟山城镇化水平将达到85%。

综合上述碳排放主要影响因素情景分析,将舟山市未来社会经济发展共设置为9种情景,具体情景设置如表4所示。

表4   舟山市未来社会经济发展情景设置

Tab. 4   Future scenarios set in Zhoushan Islands

情景经济增长能源强度城市化
情景1基准方案基准方案基准方案
情景2基准方案低值方案基准方案
情景3基准方案高值方案基准方案
情景4低值方案基准方案基准方案
情景5低值方案低值方案基准方案
情景6低值方案高值方案基准方案
情景7高值方案基准方案基准方案
情景8高值方案低值方案基准方案
情景9高值方案高值方案基准方案

新窗口打开

3 结果分析

3.1 能源消费分析

2001-2015年舟山市的能源消费和能源强度变化情况如图2所示。近十几年间舟山市的能源消费总量不断攀升,特别是近3年来能源消费量增长更为快速。2001年全市能源消费总量为81.6万tce,2015年全市能源消费总量已经达到523.1万tce,增长了约540%。由图2还可以看出,舟山市的能源强度呈现“U”型波动变化趋势,以2013年为界可划分为两个阶段:2001-2013年之间舟山能源强度整体呈下降趋势,而2013年以后能源强度又表现为急剧增加,2015年舟山的能源强度达到0.61 tce/万元。“十五”和“十一五”期间,舟山形成以船舶修造业、水产加工业、石油化工业和机械制造业为主导的工业产业模式,产业结构优化与煤炭消费量下降等结构因素促进地区能源强度持续下降;而2010年以后,高能耗的石化产业规模不断扩张,舟山产业结构转型为以船舶修造、石油化工和水产加工等临港工业为主导的产业模式,结构与效率因素导致能源强度急剧增加。

图2   2001-2015年舟山市能源消费量和能源强度变化

Fig. 2   Change of energy consumption and energy intensity for Zhoushan Islands during 2001-2015

图3中给出了舟山市不同能源类型比例结构变化情况。2001年以来舟山市的能源消费以原煤为主,占比维持在66%左右。历年电力消费占比基本维持在28%左右。而柴油、汽油在舟山整个能源消费中所占的比例相对较低,平均占比分别为5%和0.3%。总体来看,近十几年来舟山的能源消费结构趋于稳定,以煤炭等化石能源消费为主。

图3   2001-2015年舟山市能源消费结构变化

Fig. 3   Change of energy consumption constructures for Zhoushan Islands during 2001-2015

3.2 碳排放分析

舟山市历年碳排放总量与碳排放强度变化趋势如图4所示,其中能源消费碳排放量为工业能源、交通能源、城乡居民生活能源、商业能源等4个基本单元的温室气体排放总量,而非能源消费碳排放为城市废弃物处置和农业活动的温室气体排放总和。自2001年以来,舟山市碳排放总量呈现快速增加的态势,碳排放增量贡献几乎全部来源于能源消费碳排放的迅猛增长,而非能源消费碳排放总量年际变化不大,年均碳排放量维持在38万tCO2e左右。舟山市碳排放强度的变化趋势与能源强度(图2)的变化趋势相似,呈现先降后增的变化规律,特别是2013年以来,舟山碳排放强度呈现快速升高的势头。2001-2015年间舟山市年均碳排放强度约为1.5 tCO2e/万元。

图4   2001-2015年舟山市碳排放总量与碳排放强度变化

Fig. 4   Change of carbon emission and carbon intensity for Zhoushan Islands during 2001-2015

从碳排放的比例结构来看,工业能源消费是舟山市的主要碳排放源,历年占比都维持在65%以上(图5)。交通能源消费是舟山市的第二大碳排放源,随着私家车保有量的持续增长,交通能源碳排放占比也呈现增长趋势,2007年以来一直维持在10%以上。城乡居民生活用能产生的碳排放位居第三,其历年碳排放占比维持在7%左右。固废处置产生的碳排放在舟山市碳排放总量中的比例呈现逐年下降的趋势,已由2001年的12%降至2015年的2%。此外,随着舟山市第三产业的繁荣,商业用能碳排放占比呈现逐年增加的趋势,近10年来基本维持在2%以上。农业活动产生的碳排放占比最小,而且所占份额逐年减小,2015年只占到舟山市碳排放总量的0.1%。

图5   2001-2015年舟山市碳排放结构变化

Fig. 5   Change of carbon emission structures for Zhoushan island during 2001-2015

3.3 碳排放影响因素分析

为分析经济发展水平、能源消费以及城市化水平等因素对海岛城市碳排放量的影响,首先采用普通最小二乘法(OLS)估计多元线性模型的回归系数,估计结果如表5所示。回归模型的决定系数(R2)为0.999,且F统计量也通过了1%显著性水平检验。然而,变量U并未通过显著性水平检验,而且变量A、(lnA2U等方差膨胀因子(VIF)都大于10,表明变量间存在严重的多重共线性。因此,可断定普通最小二乘法得到的拟合模型不可靠,需进一步消除多重共线性影响后,重新估计模型。

表5   基于普通最小二乘法的模型估计结果

Tab. 5   Estimate results by ordinary least squares

变量系数标准误差标准系数t统计值Sig.容差VIF
常数-0.4963.185-0.1560.879
lnA1.9010.2752.1036.9060.0000.001855.662
(lnA)20.1420.0310.9214.4960.0010.003387.282
lnEd0.6880.0320.30721.2050.0000.5151.940
lnU-1.3861.371-0.137-1.0110.3360.006168.935

注:R2 = 0.999,F统计量为2305.203,Sig.(F统计量) = 0.000。

新窗口打开

岭回归估计是最小二乘估计的一种改进算法,它是以放弃部分精确度为代价来寻求效果稍差但更符合实际的回归方程[13]。为克服自变量间的多重共线性问题,本研究采用有偏估计岭回归函数对模型进行重新拟合,估计结果如表6所示。当k值为0.6时,各变量回归系数趋于平稳,故得到如下岭回归估计拟合模型(7):

lnI=-9.582+0.253lnA-0.012(lnA)2+0.389lnEd+2.961lnU(7)

模型(7)的决定系数(R2)为0.956,且F统计量也通过了1%显著性水平检验,说明模型拟合效果较好。由表6可知,所有解释变量均通过了1%显著性水平检验。从各指标的回归系数来看,人均GDP、能源强度和城市化率都对舟山市碳排放量的增长提供了推动作用。然而,人口的城市化水平的提高对碳排放量的增加影响最大,其次为能源强度,人均GDP对碳排放的影响最弱。城市化率、能源强度和人均GDP每增加1%,舟山市的碳排放量将分别增加2.961%、0.389%和(0.253-0.012lnA)%。对比已有研究成果,学者对不同类型城市的碳排放影响因素研究因数据处理方法、经济发展模式迥异导致分析结果有所差异。例如,黄蕊等认为人口规模是重庆市能源消费碳排放的最大影响因素,人均GDP次之,能源强度影响最小[18]。燕华等对上海市的研究也得出了与黄蕊等相似的结论[19]。此外,朱远程等对北京的研究[20]以及Wang等对上海闵行区的研究[21]都发现城市化率是城市碳排放量的最大影响因素。然而,大量样本实证研究表明城市化水平提高对碳排放的驱动作用又表现出明显的阶段性,一般为先增加后减小的趋势[22]。对于地域空间狭小的海岛城市而言,城市化表现为人口总体规模相对稳定条件下的农业人口转化为非农业人口、农业地域转化为非农业地域,伴随生产要素向中心城市集聚,城市人口比例不断提高已成为海岛城市碳排放量增长的最大驱动因素。此外,与内陆城市类似,海岛地区能源强度的升高以及经济的增长也在一定程度上促进了碳排放量的增加。

表6   基于岭回归的模型估计结果(k = 0.6)

Tab. 6   Estimate results by ridge regression (k = 0.6)

变量系数标准误差标准系数t统计值Sig.
常数-9.5820.8688.4570.000
lnA0.2530.0200.27812.8000.000
(lnA)2-0.0120.003-0.259-11.5100.000
lnEd0.3890.1070.1603.3440.007
lnU2.9610.2510.19712.0060.000

新窗口打开

由模型(7)还可以看出,lnA的二次项系数为负值,一次项系数为正,验证了经济增长与碳排放之间存在倒U型曲线关系,这说明海岛城市碳排放环境库兹涅茨曲线是真实存在的。根据岭回归拟合模型结果,人均GDP与碳排放量的拐点出现在10.4万元(2000年可比价),即当人均GDP达到10.4万元附近时,碳排放强度就会逐渐下降。2015年舟山市的人均GDP为8.8万元(2000年可比价),按照近几年舟山市的经济发展趋势,预计到2020年前后,将迎来碳排放总量的拐点。林伯强等也认为中国二氧化碳库兹涅茨曲线的理论拐点对应的人均收入是3.7万元(即2020年左右)[23]

3.4 碳排放量多情景预测

利用拟合模型(7)与多情景分析技术,对未来舟山市的碳排放量的预测结果如图6所示。在基准情景下,舟山市在2020年、2025年和2030年的碳排放总量将分别达到2142万t、3101万t、4333万t。在未来经济中速增长的态势下,舟山市的碳排放总量仍将大幅增长,到2030年碳排放也将达到2015年的2.6倍左右。而如果未来舟山市的经济发展速度维持在10%以下,同时产业结构不断优化升级并且节能减排措施大力实施的情境下(如情景6),到2030年舟山市的碳排放总量将较基准情景下降14%,缩减碳排放量近600万t。但如果未来十几年舟山市的经济增长速率保持在高位增长,且节能减排措施力度不大的情境下(如情景8),则到2030年舟山市的碳排放总量将较基准情景净增1000万t。在能源强度不变的情况下,经济增长速率每提高1%,舟山的碳排放总量将相应增加8%;而在经济发展速率不变的情况下,能源强度每下降1%,舟山的碳排放总量将相应缩减1.3%。总体而言,在保证经济发展速率的前提下,通过优化产业结构以及降低单位GDP能源消耗,可有效控制温室气体的大幅增长。情景9的社会经济发展模式为舟山市未来碳排放的有效调控提供参考。

图6   不同发展情景下2020-2030年舟山市碳排放量预测

Fig. 6   Prediction on carbon emissions in Zhoushan Islands under various scenarios during 2020-2030

4 结论与讨论

本文全面分析了2001年以来舟山市碳排放量的动态演化趋势,并采用STIRPAT模型评价了城市化率、能源强度以及经济发展水平等因子对碳排放的影响,主要考察了海岛城市的经济发展水平与碳排放之间是否存在Kuznets曲线;而后结合情景分析技术,对未来舟山市的碳排放总量进行了情景预测。得出的主要结论如下:

(1)“十五”以来舟山市的碳排放总量增长快速。由2001年的286万t迅速上升为2015年的1661万t,年均增长率达到32%。工业能源消费是舟山市的主要碳排放源,历年占比都维持在65%以上。碳排放强度的变化则呈现先降后增的变化规律,2001-2015年间舟山市年均碳排放强度约为1.5 tCO2e/万元。与同为海岛城市的厦门[24]相比,舟山市的碳排放强度略高(2010年厦门vs舟山≈1.1 tCO2e/万元vs 1.3 tCO2e/万元)。这与两个城市之间不同的产业发展模式以及所处的城市化阶段有关,舟山市在今后的发展过程中仍将面临严峻的碳减排压力,厦门的经济发展路径可为舟山市未来的发展提供借鉴。

(2)岭回归分析结果表明,城市化人口比例的提高对碳排放量的增加影响最大,其次为能源强度,人均GDP对碳排放的影响最弱。城市化率、能源强度和人均GDP每增加1%,舟山市的碳排放量将分别增加2.961%、0.389%和(0.253-0.012lnA)%。同时,岭回归拟合结果也验证了海岛城市的经济增长与碳排放之间存在倒U型曲线关系(环境库兹涅茨曲线);而且碳排放总量的拐点将出现在人均GDP为10.4万元附近(2000年可比价),预计到2020年前后,舟山市将迎来碳排放总量的拐点。与内陆城市相比,舟山表现出独特的城市化特征即人口总量稳定,农业人口转为非农业人口;显然,积极稳妥的推进城市化对于加快舟山工业化进程、提高土地集约利用效率以及促进城乡协调发展意义重大。然而,大量人口由乡村向城区集中,带来了生产与生活方式的转变,将增加人均能源消费水平,对城市碳排放的增加表现为“驱动作用”。因而,海岛城市在推动“全域城镇化”的同时,应加强能源、交通等配套基础设施建设,注重“绿色出行”“节约能源”等环保理念的宣传教育,并最终将城市化对碳排放的“驱动作用”转为“制动作用”。从能源消费的角度来看,在消减工业部门能源消耗量的同时,降低主导工业产业的能源强度(如高能耗的石化产业)是海岛城市实现碳减排的关键所在。

(3)通过对不同社会经济发展情景的对比,保持适度的经济发展速率以及降低能源强度可有效缩减未来碳排放总量。在基准情景下,舟山市到2030年的碳排放总量将达到2015年的2.6倍。尽管城市化率对舟山碳排放驱动作用较为明显,然而受制于人口总体规模,未来城市化发展速率将趋于放缓,加之未来城市基础设施建设不断完善,城市化率对碳排放的影响必将逐渐减弱。因此,未来舟山市在保持经济中速发展的情景下,促进舟山海洋产业转型升级,改变当前较为单一的产业构成,提升船舶修造、石油化工和水产加工等主导工业部门能源效率,是缓解舟山未来碳减排压力的重要手段。

The authors have declared that no competing interests exist.


参考文献

[2] 卢俊宇, 黄贤金, 陈逸, .

基于能源消费的中国省级区域碳足迹时空演变分析

. 地理研究, 2013, 32(2): 326-336.

https://doi.org/10.11821/yj2013020013      URL      [本文引用: 1]      摘要

碳足迹作为衡量生产某一产品在其生命周期所直接或间接排放的CO2量,其能够反应人类某项活动或某种产品对生态环境的压力程度.本文采用1997-2008年全国省级区域化石能源消费数据和土地利用结构数据,构建碳足迹计算模型,测算不同时间、不同区域的碳足迹、碳生态承载力和碳赤字,并引入物理学中重心的概念,测算1997-2008年全国各省级区域碳足迹的重心,进行碳足迹重心的时空演变趋势分析,掌握区域间能源消费碳排放的差异性;同时构建能源消费碳足迹压力指数模型,计算1997-2008年各省的碳足迹压力指数,对研究区域进行生态压力强度分级,并考察各省级区域碳足迹压力指数在两个相邻时间点之间的变化强度,进行生态压力变化强度的级别划分.

[Lu Junyu, Huang Xianjin, Chen Yi, et al.

Spatiotemporal changes of carbon footprint based on energy consumption in China

. Geographical Research, 2013, 32(2): 326-336.]

https://doi.org/10.11821/yj2013020013      URL      [本文引用: 1]      摘要

碳足迹作为衡量生产某一产品在其生命周期所直接或间接排放的CO2量,其能够反应人类某项活动或某种产品对生态环境的压力程度.本文采用1997-2008年全国省级区域化石能源消费数据和土地利用结构数据,构建碳足迹计算模型,测算不同时间、不同区域的碳足迹、碳生态承载力和碳赤字,并引入物理学中重心的概念,测算1997-2008年全国各省级区域碳足迹的重心,进行碳足迹重心的时空演变趋势分析,掌握区域间能源消费碳排放的差异性;同时构建能源消费碳足迹压力指数模型,计算1997-2008年各省的碳足迹压力指数,对研究区域进行生态压力强度分级,并考察各省级区域碳足迹压力指数在两个相邻时间点之间的变化强度,进行生态压力变化强度的级别划分.
[3] IPCC ( Intergovernmental Panel on Climate Change ).

Climate Change 2007:the physical science basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change

. Cambridge, UK: Cambridge University Press, 2007: 44-45.

[本文引用: 1]     

[4] Quah A K L, Roth M.

Diurnal and weekly variation of anthropogenic heat emission in a tropical city, Singapore

. Atmospheric Environment, 2012, 46(1): 92-103.

https://doi.org/10.1016/j.atmosenv.2011.10.015      URL      [本文引用: 1]      摘要

The present study estimates the temporal variability of the anthropogenic heat flux density ( Q F) for three common land use types found in Singapore between October 2008 and March 2009. Q F is estimated by separately considering the major sources of waste heat in urban environments, which are heat release from vehicular traffic, buildings and human metabolism, respectively. The individual components of Q F are calculated by using a combination of top-down and bottom-up modelling approaches of energy consumption applied to the local context. Results show that over a 24-h period, magnitudes of mean hourly Q F reach maximum values of 11302W02m 612 in the commercial, 1702W02m 612 in the high-density public housing and 1302W02m 612 in the low-density residential areas, respectively. Buildings are found to be the major source of anthropogenic heat (primarily related to space cooling) in each study area, contributing to between 49–82% of Q F on weekdays and 46–81% on weekends. The spatial and temporal variations of Q F are attributed to differences in traffic volume, building energy consumption and population density. This is one of the first anthropogenic heat studies carried out in a tropical city and the results show that Q F can be substantial and of the same order of magnitude as calculated for city centres in mid-latitude cities during winter time.
[5] 方创琳, 王少剑, 王洋.

中国低碳生态新城新区: 现状、问题及对策

. 地理研究, 2015, 35(9): 1601-1614.

https://doi.org/10.11821/dlyj201609001      URL      [本文引用: 1]      摘要

低碳生态新城新区作为城市空间可持续扩张的一种新形式和新城新区建设的重要主导方向,正在把中国新城新区建设推向一个理性发展的新阶段。通过近15年来的发展与建设,中国低碳生态城市建设从概念转向示范试点,数量不断增多;低碳生态工业园区和社区建设取得示范成效;真正意义上的低碳生态新城新区建设尚处萌芽阶段;低碳生态新城新区建设推动低碳生态产业正在成为城市新的经济增长点。但低碳新城新区建设中也暴露出一系列新问题,表现为部分新城新区以低碳生态之名变相圈地造城,盲投盲建加大负债风险;部分新城新区挂着低碳生态之牌,发展着"低端不低碳"和"生产不生态"的产业;选址普遍存在重"大"轻"小",重"新"轻"旧"的现象;建设缺失通用的衡量标准与权威性强的通用指标体系。针对这些问题,未来要加强智慧低碳生态技术的集成应用,建设一批产城融合的示范区;大力发展智慧低碳生态产业,提升新城新区建设的智慧化、生态化和低碳化;构建一套通用性强的国家建设标准及指标体系;推行融智、融商、融资的"三融模式",引进民间资本;推行产业规划、空间规划和技术规划的"三规合一"模式,以科学的低碳生态新城新区规划指导新城新区健康发展。

[Fang Chuanglin, Wang Shaojian, Wang Yang.

Current situation and countermeasures of Chinese low-carbon eco-metro area development

. Geographical Research, 2015, 35(9): 1601-1614.]

https://doi.org/10.11821/dlyj201609001      URL      [本文引用: 1]      摘要

低碳生态新城新区作为城市空间可持续扩张的一种新形式和新城新区建设的重要主导方向,正在把中国新城新区建设推向一个理性发展的新阶段。通过近15年来的发展与建设,中国低碳生态城市建设从概念转向示范试点,数量不断增多;低碳生态工业园区和社区建设取得示范成效;真正意义上的低碳生态新城新区建设尚处萌芽阶段;低碳生态新城新区建设推动低碳生态产业正在成为城市新的经济增长点。但低碳新城新区建设中也暴露出一系列新问题,表现为部分新城新区以低碳生态之名变相圈地造城,盲投盲建加大负债风险;部分新城新区挂着低碳生态之牌,发展着"低端不低碳"和"生产不生态"的产业;选址普遍存在重"大"轻"小",重"新"轻"旧"的现象;建设缺失通用的衡量标准与权威性强的通用指标体系。针对这些问题,未来要加强智慧低碳生态技术的集成应用,建设一批产城融合的示范区;大力发展智慧低碳生态产业,提升新城新区建设的智慧化、生态化和低碳化;构建一套通用性强的国家建设标准及指标体系;推行融智、融商、融资的"三融模式",引进民间资本;推行产业规划、空间规划和技术规划的"三规合一"模式,以科学的低碳生态新城新区规划指导新城新区健康发展。
[6] 秦伟山, 张义丰.

国内外海岛经济研究进展

. 地理科学进展, 2013, 32(9): 1401-1412.

https://doi.org/10.11820/dlkxjz.2013.09.010      URL      Magsci      [本文引用: 1]      摘要

海岛是一个特殊的地域单元,拥有其特有的发展模式和路径,近年来随着海洋国土地位的提升,国内外学者对于海岛的研究也随之增多。本文从分析海岛经济的涵义入手,对海岛经济进行了尝试性定义;在查阅大量文献的基础上,从海岛经济的发展、演化、转型,海岛经济的发展模式,海岛经济发展中的人地协调及其优化,以及海岛经济发展的资源环境效应等4个方面进行综述。总的来看,国内外学者在海岛经济研究上进行了积极的探索,注重海岛经济可持续发展以及海岛经济各相关产业的研究,尤其在岛屿旅游业发展方面成果最多。国内学者在对海岛渔业、旅游等产业开展研究的基础上,也在海岛经济整体发展,以及海岛经济演化、发展模式、空间分异等研究方向进行了积极的探索,但仍存在成果不够丰富、系统性不足的问题,特别是对海岛经济形成、演化机理的阐释,以及海岛经济各组成要素之间的相互作用关系等方面成果较少,且不够深入。针对存在的问题,本文对海岛经济研究的未来发展方向进行了展望。

[Qin Weishan, Zhang Yifeng.

Research progress on island economy

. Progress in Geography, 2013, 32(9): 1401-1412.]

https://doi.org/10.11820/dlkxjz.2013.09.010      URL      Magsci      [本文引用: 1]      摘要

海岛是一个特殊的地域单元,拥有其特有的发展模式和路径,近年来随着海洋国土地位的提升,国内外学者对于海岛的研究也随之增多。本文从分析海岛经济的涵义入手,对海岛经济进行了尝试性定义;在查阅大量文献的基础上,从海岛经济的发展、演化、转型,海岛经济的发展模式,海岛经济发展中的人地协调及其优化,以及海岛经济发展的资源环境效应等4个方面进行综述。总的来看,国内外学者在海岛经济研究上进行了积极的探索,注重海岛经济可持续发展以及海岛经济各相关产业的研究,尤其在岛屿旅游业发展方面成果最多。国内学者在对海岛渔业、旅游等产业开展研究的基础上,也在海岛经济整体发展,以及海岛经济演化、发展模式、空间分异等研究方向进行了积极的探索,但仍存在成果不够丰富、系统性不足的问题,特别是对海岛经济形成、演化机理的阐释,以及海岛经济各组成要素之间的相互作用关系等方面成果较少,且不够深入。针对存在的问题,本文对海岛经济研究的未来发展方向进行了展望。
[7] 周晟吕, 胡静, 李立峰.

崇明岛中长期碳排放预测及其影响因素分析

. 长江流域资源与环境, 2015, 24(4): 632-639.

https://doi.org/10.11870/cjlyzyyhj201504014      URL      Magsci      [本文引用: 1]      摘要

<p>为更好地推动崇明低碳生态岛的建设,在应用以自下而上的部门法为基础的区域范围温室气体排放评估核算方法,全面核算崇明岛能源消费及温室气体排放现状的基础上,应用LEAP模型,通过情景分析预测崇明岛中长期能源消费需求以及温室气体排放水平,并进一步应用对数平均指数法(LMDI)对影响崇明岛未来温室气体排放的主要因素进行了定量分析。研究表明:参考情景下,崇明岛能源消费总量从2010年的101万吨标煤增加到2050年的533万吨标煤,净碳足迹从2010年的238万吨CO2e增加到2050年的579万吨CO2e。崇明岛能源消费需求和碳排放增加的主要驱动因素是未来的经济发展、人口增长和生活水平的提高,但是通过一系列的优化,尤其是能源结构的变化和能耗强度的下降,减排情景下,崇明岛能源消费总量有可能在2039年左右达到峰值,并有望在2050年左右实现&ldquo;零碳岛&rdquo;的长期发展目标。结合定量分析的结论,进一步提出了实现崇明岛低碳发展中长期目标的可能性和重点发展领域。</p>

[Zhou Sehnglv, Hu Jing, Li Lifeng.

Prediction of Chongming Island's medium and long-term carbon emissions and its influencing factors analysis

. Resources and Environment in Yangtze Basin, 2015, 24(4): 632-639.]

https://doi.org/10.11870/cjlyzyyhj201504014      URL      Magsci      [本文引用: 1]      摘要

<p>为更好地推动崇明低碳生态岛的建设,在应用以自下而上的部门法为基础的区域范围温室气体排放评估核算方法,全面核算崇明岛能源消费及温室气体排放现状的基础上,应用LEAP模型,通过情景分析预测崇明岛中长期能源消费需求以及温室气体排放水平,并进一步应用对数平均指数法(LMDI)对影响崇明岛未来温室气体排放的主要因素进行了定量分析。研究表明:参考情景下,崇明岛能源消费总量从2010年的101万吨标煤增加到2050年的533万吨标煤,净碳足迹从2010年的238万吨CO2e增加到2050年的579万吨CO2e。崇明岛能源消费需求和碳排放增加的主要驱动因素是未来的经济发展、人口增长和生活水平的提高,但是通过一系列的优化,尤其是能源结构的变化和能耗强度的下降,减排情景下,崇明岛能源消费总量有可能在2039年左右达到峰值,并有望在2050年左右实现&ldquo;零碳岛&rdquo;的长期发展目标。结合定量分析的结论,进一步提出了实现崇明岛低碳发展中长期目标的可能性和重点发展领域。</p>
[8] 林剑艺, 孟凡鑫, 崔胜辉, .

城市能源利用碳足迹分析: 以厦门市为例

. 生态学报, 2012, 32(12): 3782-3794.

https://doi.org/10.5846/stxb201109251408      URL      Magsci      [本文引用: 1]      摘要

城市能源利用碳足迹分析综合考虑直接与间接碳排放,对于深度分析碳排放的本质过程、制定科学全面的碳减排计划具有重要意义。以厦门市为研究案例,应用碳足迹的混合分析方法,对厦门市2009年能源利用碳足迹进行了分析,除了包括传统研究中的城市能源终端利用产生的直接碳排放,还计算了跨界交通和城市主要消耗物质的内含能引起的间接碳排放。研究结果表明:(1)城市边界内的工业、交通、商业等部门的能源消耗产生的直接碳排放(即层次1和层次2)只占到总碳足迹的64%,而一直被忽略的跨界交通和城市主要消耗物质的内含能引起的间接碳排放(层次3)占到36%;(2)在直接碳排放中,工业部门的碳排放贡献率最大,占到直接碳排放的55%,其中化工行业带来的碳排放占到工业部门的25%;(3)在间接碳排放中,跨界交通引起的碳排放占间接碳排放的27%,其中长途道路运输贡献率最大,占跨界交通碳排放的38%;主要材料内含能碳排放占间接碳排的73%,其中燃料的内含能碳排放占总内含能的份额最大,达51%。;(4)从人均碳足迹角度比较,厦门市人均碳足迹和丹佛市的人均直接碳排(层次1+层次2)分别为5.74 t CO<sub>2</sub>e/人、18.9 t CO<sub>2</sub>e/人,包含3个层次的人均碳足迹分别为9.01 t CO<sub>2</sub>e/人、25.3 t CO<sub>2</sub>e/人,其中跨界交通引起的碳排放均占总碳足迹的10%左右,主要材料的内含能引起的碳排放分别占到总碳足迹的26%、15%;通过国内外典型城市不同层次碳足迹比较可见厦门还是相对低碳的,但有个显著的特点是主要消耗物质的内含碳排放比例较高,这在一定程度上说明了发展中国家城市消耗更多的基础材料,进一步证明了传统核算中忽略的第3层次碳排放核算与管理的重要性。

[Lin Jianyi, Meng Fanxin, Cui Shenghui, et al.

Carbon footprint analysis on urban energy use: A case study of Xiamen, China

. Acta Ecologica Sinica, 2012, 32(12): 3782-3794.]

https://doi.org/10.5846/stxb201109251408      URL      Magsci      [本文引用: 1]      摘要

城市能源利用碳足迹分析综合考虑直接与间接碳排放,对于深度分析碳排放的本质过程、制定科学全面的碳减排计划具有重要意义。以厦门市为研究案例,应用碳足迹的混合分析方法,对厦门市2009年能源利用碳足迹进行了分析,除了包括传统研究中的城市能源终端利用产生的直接碳排放,还计算了跨界交通和城市主要消耗物质的内含能引起的间接碳排放。研究结果表明:(1)城市边界内的工业、交通、商业等部门的能源消耗产生的直接碳排放(即层次1和层次2)只占到总碳足迹的64%,而一直被忽略的跨界交通和城市主要消耗物质的内含能引起的间接碳排放(层次3)占到36%;(2)在直接碳排放中,工业部门的碳排放贡献率最大,占到直接碳排放的55%,其中化工行业带来的碳排放占到工业部门的25%;(3)在间接碳排放中,跨界交通引起的碳排放占间接碳排放的27%,其中长途道路运输贡献率最大,占跨界交通碳排放的38%;主要材料内含能碳排放占间接碳排的73%,其中燃料的内含能碳排放占总内含能的份额最大,达51%。;(4)从人均碳足迹角度比较,厦门市人均碳足迹和丹佛市的人均直接碳排(层次1+层次2)分别为5.74 t CO<sub>2</sub>e/人、18.9 t CO<sub>2</sub>e/人,包含3个层次的人均碳足迹分别为9.01 t CO<sub>2</sub>e/人、25.3 t CO<sub>2</sub>e/人,其中跨界交通引起的碳排放均占总碳足迹的10%左右,主要材料的内含能引起的碳排放分别占到总碳足迹的26%、15%;通过国内外典型城市不同层次碳足迹比较可见厦门还是相对低碳的,但有个显著的特点是主要消耗物质的内含碳排放比例较高,这在一定程度上说明了发展中国家城市消耗更多的基础材料,进一步证明了传统核算中忽略的第3层次碳排放核算与管理的重要性。
[9] Kuo N W, Chen P H.

Quantifying energy use, carbon dioxide emission, and other environmental loads from island tourism based on a life cycle assessment approach

. Journal of Cleaner Production, 2009, 17: 1324-1330.

https://doi.org/10.1016/j.jclepro.2009.04.012      URL      [本文引用: 2]     

[10] Shirley R, Jones C, Kammen D.

A household carbon footprint calculator for islands: Case study of the United States Virgin Islands

. Ecological Economics, 2012, 80(2): 8-14.

https://doi.org/10.1016/j.ecolecon.2012.04.027      URL      [本文引用: 1]      摘要

Island regions are at a heightened level of vulnerability to climate change impacts and recently a great degree of political attention has been given to planning low-carbon economic strategies for Small Island Developing States (SIDS). To develop useful mitigation strategies, an understanding of greenhouse gas emissions currently attributable to various social sectors is necessary. We use consumption-based life cycle accounting techniques to assess the carbon footprint of typical households within the US Virgin Islands. We find the average carbon footprint in the territory to be 13tCO2eperyear per capita, roughly 35% less than the average US per capita footprint. Also, electricity and food are much larger contributors to total footprint than in the US. Results highlight scope for behavioral and technological changes that could significantly reduce the footprint. The model has been developed into an open access online tool for educational purposes.
[1] 原嫄, 席强敏, 孙铁山, .

产业结构对区域碳排放的影响: 基于多国数据的实证分析

. 地理研究, 2016, 35(1): 82-94.

https://doi.org/10.11821/dlyj201601008      URL      [本文引用: 1]      摘要

人类行为所引起的全球气候变暖趋势已经无可争议,所带来的影响可能对全球发展方向和生产方式产生重大的作用。在建立产业结构对区域碳排放的影响模型基础上,在全球尺度下进行计量分析,主要结论:第一,理论模型证明区域碳排放随经济发展推进具有先上升后下降的不可抗的基本客观规律,故减排应从降低峰值高度、促进峰值提前等方向入手;第二,实证结果说明第二产业份额对碳排放的影响强度为恒正值,而服务业的影响强度逐步降低,促使第二产业向服务业的份额流动最终将带来整体影响强度的下降;第三,产业结构调整所引起的碳排放变动强度具有明显差异,产业升级对于中高等发展水平国家的减排效率明显高于极高发展水平国家,且中等发展水平国家将在更早的发展阶段迎来碳排放高峰。

[Yuan Yuan, Xi Qiangmin, Sun Tieshan, et al.

The impact of the industrial structure on regional carbon emission: Empirical evidence across countries

. Geographical Research, 2016, 35(1): 82-94.]

https://doi.org/10.11821/dlyj201601008      URL      [本文引用: 1]      摘要

人类行为所引起的全球气候变暖趋势已经无可争议,所带来的影响可能对全球发展方向和生产方式产生重大的作用。在建立产业结构对区域碳排放的影响模型基础上,在全球尺度下进行计量分析,主要结论:第一,理论模型证明区域碳排放随经济发展推进具有先上升后下降的不可抗的基本客观规律,故减排应从降低峰值高度、促进峰值提前等方向入手;第二,实证结果说明第二产业份额对碳排放的影响强度为恒正值,而服务业的影响强度逐步降低,促使第二产业向服务业的份额流动最终将带来整体影响强度的下降;第三,产业结构调整所引起的碳排放变动强度具有明显差异,产业升级对于中高等发展水平国家的减排效率明显高于极高发展水平国家,且中等发展水平国家将在更早的发展阶段迎来碳排放高峰。
[11] 肖建红, 于爱芬, 王敏.

旅游过程碳足迹评估: 以舟山群岛为例

. 旅游科学, 2011, 25(4): 58-66.

https://doi.org/10.3969/j.issn.1006-575X.2011.04.007      URL      [本文引用: 1]      摘要

本文运用碳足迹分析方法构建了旅游过程碳足迹模型,并以舟山群岛为例进行了实证分析。研究结果表明:(1)舟山群岛旅游过程(包括旅游交通、旅游住宿、旅游景区游览、旅游餐饮、旅游废弃物)碳足迹为376587.8606t CO2-e,其中旅游交通碳足迹最大,其次是旅游住宿和旅游废弃物的碳足迹;(2)舟山群岛旅游交通碳足迹为291770.0365t CO2-e,其中游客乘坐飞机产生的碳足迹最大,占旅游交通总碳足迹的52%;(3)舟山群岛旅游生态效率非常高,其值为0.0369kgCO2-e/元。研究提出,发展低碳旅游是舟山群岛实现旅游可持续发展的重要途径。

[Xiao Jianhong, Yu Aifen, Wang Min.

Carbon footprint evaluation in tours: A case study of Zhoushan Islands

. Tourism Science, 2011, 25(4): 58-66.]

https://doi.org/10.3969/j.issn.1006-575X.2011.04.007      URL      [本文引用: 1]      摘要

本文运用碳足迹分析方法构建了旅游过程碳足迹模型,并以舟山群岛为例进行了实证分析。研究结果表明:(1)舟山群岛旅游过程(包括旅游交通、旅游住宿、旅游景区游览、旅游餐饮、旅游废弃物)碳足迹为376587.8606t CO2-e,其中旅游交通碳足迹最大,其次是旅游住宿和旅游废弃物的碳足迹;(2)舟山群岛旅游交通碳足迹为291770.0365t CO2-e,其中游客乘坐飞机产生的碳足迹最大,占旅游交通总碳足迹的52%;(3)舟山群岛旅游生态效率非常高,其值为0.0369kgCO2-e/元。研究提出,发展低碳旅游是舟山群岛实现旅游可持续发展的重要途径。
[12] 王海鲲, 张荣荣, 毕军.

中国城市碳排放核算研究: 以无锡市为例

. 中国环境科学, 2011, 31(6): 1029-1038.

URL      Magsci      [本文引用: 3]      摘要

为分析城市温室气体减排潜力、比较不同城市的碳排放水平提供基本方法和数据,将城市温室气体排放源分成工业能源、交通能源、居民生活能源、商业能源、工业过程和废物等6个单元,建立了一套针对城市的温室气体排放核算方法体系,并以无锡市为例,对我国城市碳排放特征进行了探索.结果显示,无锡市工业能源单元碳排放量占全社会温室气体排放量的比例最大,为68%~71%;其次为工业过程单元和交通单元,分别为13%~19%和6%~10%.城市碳排放总量在2004~2008年间增长迅速,人均碳排放量和单位GDP碳排放量均高于世界水平.

[Wang Haikun, Zhang Rongrong, Bi Jun.

Carbon accounting for chinese cities: A case of Wuxi City

. China Environmental Science, 2011, 31(6): 1029-1038.]

URL      Magsci      [本文引用: 3]      摘要

为分析城市温室气体减排潜力、比较不同城市的碳排放水平提供基本方法和数据,将城市温室气体排放源分成工业能源、交通能源、居民生活能源、商业能源、工业过程和废物等6个单元,建立了一套针对城市的温室气体排放核算方法体系,并以无锡市为例,对我国城市碳排放特征进行了探索.结果显示,无锡市工业能源单元碳排放量占全社会温室气体排放量的比例最大,为68%~71%;其次为工业过程单元和交通单元,分别为13%~19%和6%~10%.城市碳排放总量在2004~2008年间增长迅速,人均碳排放量和单位GDP碳排放量均高于世界水平.
[13] Lin J Y, Liu Y, Meng F X, et al.

Using hybrid method to evaluate carbon footprint of Xiamen City, China

. Energy Policy, 2013, 58(5): 220-227.

https://doi.org/10.1016/j.enpol.2013.03.007      URL      [本文引用: 2]      摘要

For more holistic inventory estimation, this paper uses a hybrid approach to access the carbon footprint of Xiamen City in 2009. Besides carbon emissions from the end-use sector activities (called Scope 1+2 by WRI/WBCSD) in normal research, carbon emissions from the cross-boundary traffic and the embodied energy of key urban imported materials (namely Scope 3) were also included. The results are as follow: (1) Carbon emissions within Scope 1+2 only take up 66.14% of total carbon footprint, while emissions within Scope 3 which have usually been ignored account for 33.84%. (2) Industry is the most carbon-intensive end use sector which contributes 32.74% of the total carbon footprint and 55.13% of energy use emissions in Scope 1+2. (3) The per capita carbon footprint of Xiamen is just about one-third of that in Denver. (4) Comparing with Denver, the proportion of embodied emissions in Xiamen was 10.60% higher than Denver. Overall, Xiamen is relatively a low-carbon city with characters of industrial carbon-intensive and high embodied emissions. Further analysis indicates that the urbanization and industrialization in Xiamen might cause more material consumption and industrial emissions. These highlight the importance of management for Scope 3 emissions in the developing cities.
[14] 黄蕊, 王铮, 丁冠群, .

基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测

. 地理研究, 2016, 35(4): 781-789.

[本文引用: 1]     

[Huang Rui, Wang Zheng, Ding Guanqun, et al.

Trend prediction and analysis of influencing factors of carbon emissions from energy consumption in Jiangsu province based on STIRPAT model

. Geographical Research, 2016, 35(4): 781-789.]

[本文引用: 1]     

[15] Wang P, Wu W S, Zhu B Z, et al.

Examining the impact factors of energy-related CO2 emissions using the STIRPAT model in Guangdong Province, China

. Applied Energy, 2013, 106: 65-71.

https://doi.org/10.1016/j.apenergy.2013.01.036      URL      [本文引用: 1]      摘要

To find the key impact factors of CO2 emissions to realize the carbon intensity target, this paper examined the impact factors of population, economic level, technology level, urbanization level, industrialization level, service level, energy consumption structure and foreign trade degree on the energy-related CO2 emissions in Guangdong Province, China from 1980 to 2010 using an extended STIRPAT model. We employed ridge regression to fit the extended STIRPAT model. Empirical results indicate that factors such as population, urbanization level, GDP per capita, industrialization level and service level, can cause an increase in CO2 emissions. However, technology level, energy consumption structure and foreign trade degree can lead to a decrease in CO2 emissions. The estimated elastic coefficients suggest that population is the most important impact factor of CO2 emissions. Industrialization level, urbanization level, energy consumption structure, service level and GDP per capita are also significant impact factors, but the other factors such as technology level and foreign trade degree are less important impact factors. Some policy recommendations are also given on how to mitigate the growth of CO2 emissions. (C) 2013 Elsevier Ltd. All rights reserved.
[16] 卢娜, 曲福田, 冯淑怡, .

基于STIRPAT模型的能源消费碳足迹变化及影响因素: 以江苏省苏锡常地区为例

. 自然资源学报, 2011, 26(5): 814-824.

https://doi.org/10.11849/zrzyxb.2011.05.009      URL      Magsci      [本文引用: 1]      摘要

定量研究经济社会发展对地区能源消费碳足迹的影响对区域实现低碳发展具有重要意义。论文计算了江苏省苏锡常地区1991&mdash;2008年能源消费碳足迹,采用岭回归函数对STIRPAT模型进行了拟合,采用脱钩指数分析了经济发展与能源消费碳足迹之间的关系。结果表明:①1991&mdash;2008年能源消费碳足迹平均增长速度为15.30%,能源消费碳足迹分配率以煤炭为主,石油所占比例呈波动下降趋势,天然气所占比例上升较快,能源消费碳足迹产值总体呈波动下降趋势;②经济增长是能源消费碳足迹的主要影响因素,两者关系模型拟合未出现环境库兹涅茨曲线;③经济增长与能源消费碳足迹之间处于相对脱钩与复钩的波动状态,从另一侧面验证了目前两者之间不存在库兹涅茨曲线假说的结论。

[Lu Na, Qu Futian, Feng Shuyi, et al.

Trends and determining factors of energy consumption carbon footprint: Analysis for Suzhou-Wuxi-Changzhou region based on STIRPAT model

. Journal of Natural Resources, 2011, 26(5): 814-824.]

https://doi.org/10.11849/zrzyxb.2011.05.009      URL      Magsci      [本文引用: 1]      摘要

定量研究经济社会发展对地区能源消费碳足迹的影响对区域实现低碳发展具有重要意义。论文计算了江苏省苏锡常地区1991&mdash;2008年能源消费碳足迹,采用岭回归函数对STIRPAT模型进行了拟合,采用脱钩指数分析了经济发展与能源消费碳足迹之间的关系。结果表明:①1991&mdash;2008年能源消费碳足迹平均增长速度为15.30%,能源消费碳足迹分配率以煤炭为主,石油所占比例呈波动下降趋势,天然气所占比例上升较快,能源消费碳足迹产值总体呈波动下降趋势;②经济增长是能源消费碳足迹的主要影响因素,两者关系模型拟合未出现环境库兹涅茨曲线;③经济增长与能源消费碳足迹之间处于相对脱钩与复钩的波动状态,从另一侧面验证了目前两者之间不存在库兹涅茨曲线假说的结论。
[17] 陆大道. 中速增长:

中国经济的可持续发展

. 地理科学, 2015, 35(10): 1207-1219.

URL      Magsci      [本文引用: 1]      摘要

中国实现了国民经济的长期高速增长,但已面临着突出的结构性难题。针对这一问题,不循以投资、消费和出口论证未来经济增长速度的传统路径,而对支持经济增长的资源(能源)、环境(承载力)及建立在资源环境基础上的城镇化和发展模式等支撑系统能力进行了分析。在这些分析基础上,进行了综合集成研究并得出结论:中国经济将较快地进入中速增长。中速经济增长,将为建设经济强国和实现中国和谐社会提供重要的机遇和空间。

[Lu Dadao.

Moderate-speed growth: Sustainable development of China's economy

. Scientia Geographica Sinica, 2015, 35(10): 1207-1219.]

URL      Magsci      [本文引用: 1]      摘要

中国实现了国民经济的长期高速增长,但已面临着突出的结构性难题。针对这一问题,不循以投资、消费和出口论证未来经济增长速度的传统路径,而对支持经济增长的资源(能源)、环境(承载力)及建立在资源环境基础上的城镇化和发展模式等支撑系统能力进行了分析。在这些分析基础上,进行了综合集成研究并得出结论:中国经济将较快地进入中速增长。中速经济增长,将为建设经济强国和实现中国和谐社会提供重要的机遇和空间。
[18] 黄蕊, 王铮.

基于STIRPAT模型的重庆市能源消费碳排放影响因素研究

. 环境科学学报, 2013, 33(2): 602-608.

URL      Magsci      [本文引用: 1]      摘要

定量分析人类活动对环境的影响,对减少碳排放和建设环境友好型社会具有重要的指导意义.因此,本文采用重庆市1980-2010年能源消费碳排放时间序列数据,基于STIRPAT模型,通过岭回归拟合得到能源消费碳排放与人口数量、人均GDP及其二次项、能源强度、第三产业比重、城镇化水平的多元线性模型.结果表明,人口数量、人均GDP、能源强度、城市化水平每增加1%,将引起重庆市能源消费碳排放相应增加0.963%、(0.398+0.463ln<em>A</em>)%、0.059%、0.266%,其中,<em>A</em>为人均GDP.可以看出,人口数量对重庆市能源消费碳排放量影响最大.第三产业比重每增加1%,能源消费碳排放将会减少0.093%.

[Huang Rui, Wang Zheng.

Influencing factors of carbon emissions from energy consumptions in Chongqing based on STIRPAT model

. Acta Scientiae Circumstantiae, 2013, 33(2): 602-608.]

URL      Magsci      [本文引用: 1]      摘要

定量分析人类活动对环境的影响,对减少碳排放和建设环境友好型社会具有重要的指导意义.因此,本文采用重庆市1980-2010年能源消费碳排放时间序列数据,基于STIRPAT模型,通过岭回归拟合得到能源消费碳排放与人口数量、人均GDP及其二次项、能源强度、第三产业比重、城镇化水平的多元线性模型.结果表明,人口数量、人均GDP、能源强度、城市化水平每增加1%,将引起重庆市能源消费碳排放相应增加0.963%、(0.398+0.463ln<em>A</em>)%、0.059%、0.266%,其中,<em>A</em>为人均GDP.可以看出,人口数量对重庆市能源消费碳排放量影响最大.第三产业比重每增加1%,能源消费碳排放将会减少0.093%.
[19] 燕华, 郭运功, 林逢春.

基于STIRPAT模型分析CO2控制下上海城市发展模式

. 地理学报, 2010, 65(8): 983-990.

https://doi.org/10.11821/xb201008009      URL      [本文引用: 1]      摘要

随着经济的快速发展,中国CO2排放量不断增加,研究中国各大城市采取何种发展模式,减缓CO2的排放量,成为当前研究热点。利用STIRPAT模型,定量分析了CO2排放量与人口、富裕度、城市化水平和技术进步之间的关系,并经岭回归拟合发现人口数量、人均GDP、城市化水平和技术进步每发生1%的变化,将引起CO2排放总量相应发生0.618%、(0.178+0.009lnA)%、0.816%和0.264%的变化。在上述研究的基础上,以上海市为例,通过设置10种不同的发展情景,分析了在何种情景下最有利于减缓CO2的排放。结果表明,当经济、人口保持中速增长,城市化率进程放缓而节能减排技术取得较大进步时,上海市最有利于减缓CO2排放量,此时上海市2010年、2015年和2020年CO2排放量分别为17053.57万t、19286.64万t和20885.69万t。

[Yan Hua, Guo Yungong, Lin Fengchun.

Analyzing the developing model of Chinese cities under the control of CO2 emissions using the STIRPAT model: A case study of Shanghai

. Acta Geographica Sinica, 2010, 65(8): 983-990.]

https://doi.org/10.11821/xb201008009      URL      [本文引用: 1]      摘要

随着经济的快速发展,中国CO2排放量不断增加,研究中国各大城市采取何种发展模式,减缓CO2的排放量,成为当前研究热点。利用STIRPAT模型,定量分析了CO2排放量与人口、富裕度、城市化水平和技术进步之间的关系,并经岭回归拟合发现人口数量、人均GDP、城市化水平和技术进步每发生1%的变化,将引起CO2排放总量相应发生0.618%、(0.178+0.009lnA)%、0.816%和0.264%的变化。在上述研究的基础上,以上海市为例,通过设置10种不同的发展情景,分析了在何种情景下最有利于减缓CO2的排放。结果表明,当经济、人口保持中速增长,城市化率进程放缓而节能减排技术取得较大进步时,上海市最有利于减缓CO2排放量,此时上海市2010年、2015年和2020年CO2排放量分别为17053.57万t、19286.64万t和20885.69万t。
[20] 朱远程, 张士杰.

基于STIRPAT模型的北京地区经济碳排放驱动因素分析

. 特区经济, 2012, (1): 77-79.

URL      [本文引用: 1]      摘要

当今,在衡量地区经济高速发展时,不仅仅关注地区经济发展速度,还更关注地区经济发展对环境地影响,尤其是区域二氧化碳排放的变化。可以说,二氧化碳排放量已经成为衡量国民经济发展质量的一个重要指标。本文基于STIRPAT模型基础,应用岭回归方法和弹性理论方法,分析北京地区经济发展过程中产生的碳排放总量,与人口数量、城市化进程、人均GDP、能源强度和第二产业比重驱动关系,根据二氧化碳各驱动关系,提出控制和减少北京地区二氧化碳总量的必要措施,从而为北京未来高质量的经济发展提供参考。

[Zhu Yuancheng, Zhang Shijie.

Analyzing the driving factors of carbon emissions in Beijing based on STIRPAT model

. Special Zone Economy, 2012, (1): 77-79.]

URL      [本文引用: 1]      摘要

当今,在衡量地区经济高速发展时,不仅仅关注地区经济发展速度,还更关注地区经济发展对环境地影响,尤其是区域二氧化碳排放的变化。可以说,二氧化碳排放量已经成为衡量国民经济发展质量的一个重要指标。本文基于STIRPAT模型基础,应用岭回归方法和弹性理论方法,分析北京地区经济发展过程中产生的碳排放总量,与人口数量、城市化进程、人均GDP、能源强度和第二产业比重驱动关系,根据二氧化碳各驱动关系,提出控制和减少北京地区二氧化碳总量的必要措施,从而为北京未来高质量的经济发展提供参考。
[21] Wang M W, Che Y, Yang K, et al.

A local-scale low-carbon plan based on the STIRPAT model and the scenario method: The case of Minhang District, Shanghai, China

. Energy Policy, 2011, 39(11): 6981-6990.

https://doi.org/10.1016/j.enpol.2011.07.041      URL      [本文引用: 1]      摘要

78 We employ the STIRPAT model to find out the main driving forces of carbon dioxide emissions. 78 Population, affluence, urbanisation level showed the positive effects on CO 2 emissions. 78 We combined STIRPAT modelling with a participatory planning process.
[22] 孙昌龙, 靳诺, 张小雷, .

城市化不同演化阶段对碳排放的影响差异

. 地理科学, 2013, 33(3): 266-272.

Magsci      [本文引用: 1]      摘要

<p>城市化与碳排放是当今世界研究的两大焦点, 两者的结合点&mdash;&mdash;城市化对碳排放的影响更是研究的重点。利用全球主要国家(地区)历史数据, 根据城市化水平划分不同的组别, 考察城市化动态演进阶段与碳排放之间的相关性, 并通过STIRPAT模型评估不同城市化阶段各因子对碳排放的影响;结合城市化发展阶段各要素的特征, 探讨不同阶段城市化对碳排放的影响。结果表明, 城市化对碳排放的影响表现为驱动和制动双重作用:① 当城市化发展处于初期阶段时, 城市系统发展缓慢, 驱动与制动作用均不明显, 碳排放缓慢增长;② 当城市化发展处于中期阶段时, 城市系统进入加速发展阶段, 驱动作用逐渐占主导, 制动作用较小, 碳排放迅速增长;③ 当城市化发展处于后期阶段, 驱动作用仍然占主导地位, 但制动作用逐渐增强, 碳排放速度有所减缓, 排放总量仍然增加。</p>

[Sun Changlong, Jin Nuo, Zhang Xiaolei, et al.

The impact of urbanization on the CO2 emission in the various development stages

. Scientia Geographica Sinica, 2013, 33(3): 266-272.]

Magsci      [本文引用: 1]      摘要

<p>城市化与碳排放是当今世界研究的两大焦点, 两者的结合点&mdash;&mdash;城市化对碳排放的影响更是研究的重点。利用全球主要国家(地区)历史数据, 根据城市化水平划分不同的组别, 考察城市化动态演进阶段与碳排放之间的相关性, 并通过STIRPAT模型评估不同城市化阶段各因子对碳排放的影响;结合城市化发展阶段各要素的特征, 探讨不同阶段城市化对碳排放的影响。结果表明, 城市化对碳排放的影响表现为驱动和制动双重作用:① 当城市化发展处于初期阶段时, 城市系统发展缓慢, 驱动与制动作用均不明显, 碳排放缓慢增长;② 当城市化发展处于中期阶段时, 城市系统进入加速发展阶段, 驱动作用逐渐占主导, 制动作用较小, 碳排放迅速增长;③ 当城市化发展处于后期阶段, 驱动作用仍然占主导地位, 但制动作用逐渐增强, 碳排放速度有所减缓, 排放总量仍然增加。</p>
[23] 林伯强, 蒋竺均.

中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析

. 管理世界, 2009, (4): 27-36.

URL      [本文引用: 1]      摘要

中国二氧化碳排放的拐点对二氧化碳排放的认识和中国对二氧化碳排放的承诺十分重要。迄今国内还没有对中国二氧化碳排放拐点和预测的研究。本文利用传统的环境库兹涅茨模型模拟与在二氧化碳排放预测的基础上预测两种方法,对中国的二氧化碳库兹涅茨曲线做了对比研究和预测,发现结果存在较大差异。采用对数平均迪式分解法(LMDI)和STIRPA模型,分析了影响中国人均二氧化碳排放的主要因素,解析差异原因。本文的主要结论是:(1)中国二氧化碳库兹涅茨曲线的理论拐点对应的人均收入是37170元,即2020年左右。但实证预测表明,拐点到2040年还没有出现;(2)除了人均收入外,能源强度,产业结构和能源消费结构都对二氧化碳排放有显著影响,特别是能源强度中的工业能源强度。

[Lin Boqiang, Jiang Zhujun.

Analyzing the influencing factors and Kuznets curves prediction of Chinese CO2

. Management World, 2009, (4): 27-36.]

URL      [本文引用: 1]      摘要

中国二氧化碳排放的拐点对二氧化碳排放的认识和中国对二氧化碳排放的承诺十分重要。迄今国内还没有对中国二氧化碳排放拐点和预测的研究。本文利用传统的环境库兹涅茨模型模拟与在二氧化碳排放预测的基础上预测两种方法,对中国的二氧化碳库兹涅茨曲线做了对比研究和预测,发现结果存在较大差异。采用对数平均迪式分解法(LMDI)和STIRPA模型,分析了影响中国人均二氧化碳排放的主要因素,解析差异原因。本文的主要结论是:(1)中国二氧化碳库兹涅茨曲线的理论拐点对应的人均收入是37170元,即2020年左右。但实证预测表明,拐点到2040年还没有出现;(2)除了人均收入外,能源强度,产业结构和能源消费结构都对二氧化碳排放有显著影响,特别是能源强度中的工业能源强度。
[24] 刘源, 李向阳, 林剑艺, .

基于LMDI分解的厦门市碳排放强度影响因素分析

. 生态学报, 2014, 34(9): 2378-2387.

https://doi.org/10.5846/stxb201304020585      URL      Magsci      [本文引用: 1]      摘要

研究碳排放强度的变化趋势及其影响因素对于指导低碳城市建设具有重要意义。应用对数平均权重分解法(LMDI),基于厦门市2005-2010年各部门终端消费数据对碳排放强度指标进行因素分解,并将传统分析仅注重产业部门的能源碳排放,拓展到全面考虑产业部门和家庭消费的能源活动和非能源活动影响。研究结果表明:2005-2010年厦门市碳排放强度下降17.29%,其中产业部门能源强度对总碳排放强度变化影响最大(贡献63.07%),家庭消费能源强度是碳排放强度下降的主要抑制因素(-45.46%)。从影响效应角度看,经济效率对碳排放强度下降贡献最大,碳排系数减排贡献最小;从部门减排贡献角度看,第二产业贡献最大,家庭消费贡献最小。总体而言,厦门市未来碳减排重点部门在第二产业,优化产业结构和能源结构有较大减排潜力。

[Liu Yuan, Li Xiangyang, Lin Jianyi, et al.

Factor decomposition of carbon intensity in Xiamen City based on LMDI method

. Acta Ecologica Sinica, 2014, 34(9): 2378-2387.]

https://doi.org/10.5846/stxb201304020585      URL      Magsci      [本文引用: 1]      摘要

研究碳排放强度的变化趋势及其影响因素对于指导低碳城市建设具有重要意义。应用对数平均权重分解法(LMDI),基于厦门市2005-2010年各部门终端消费数据对碳排放强度指标进行因素分解,并将传统分析仅注重产业部门的能源碳排放,拓展到全面考虑产业部门和家庭消费的能源活动和非能源活动影响。研究结果表明:2005-2010年厦门市碳排放强度下降17.29%,其中产业部门能源强度对总碳排放强度变化影响最大(贡献63.07%),家庭消费能源强度是碳排放强度下降的主要抑制因素(-45.46%)。从影响效应角度看,经济效率对碳排放强度下降贡献最大,碳排系数减排贡献最小;从部门减排贡献角度看,第二产业贡献最大,家庭消费贡献最小。总体而言,厦门市未来碳减排重点部门在第二产业,优化产业结构和能源结构有较大减排潜力。

/