排放影响范文

排放影响范文（精选12篇）

排放影响 第1篇

关键词：海水淡化,浓盐水,零排放

当前, 海水淡化技术发展迅速, 越来越的国家将海水淡化当做淡水资源可持续开发的的措施大力开发。但是, 当前海水淡化的方法存在着回收效率低的问题, 比如膜法海水淡化装置水的回收率大约为30%-40%, 而热法海水淡化装置水的回收率在15%-50%, 还有很大部分海水经过淡化之后, 将浓盐水向大海直接排放。海水淡化过程中, 脱盐加入的化学药物, 海水淡化的产物等的排放影响着近海海域环境与生态, 同时, 由于淡水规模的增加, 其影响也越来越大。因此, 加强对海水淡化浓盐水排放对于环境影响以及零排放技术的研究, 已经成为国内外研究的重点与热点。

一、海水淡化技术与应用

目前, 应用比较多的海水淡化的方法包括了热法海水淡化技术, 膜法海水淡化技术, 水合物海水淡化技术, 离子交换法海水淡化技术, 电去离子法海水淡化技术等。其中, 热法海水淡化技术中的多级闪蒸技术是目前世界上最为成熟的海水淡化技术, 被海湾国家广泛采用, 由于能耗比较大, 一般被应用在大型的海水淡化装置。膜法海水淡化中的反渗透技术作为一种发展较快的海水淡化技术, 没有热源的需求, 在大规模海水淡化装置, 中型海水淡化装置以及小型海水淡化装置中都得到了应用。热法海水淡化技术中的多效蒸发技术, 具有预处理简单, 操作安全可靠, 热效率高等优势, 具有非常大的发展前景。

海水淡化工程的迅猛发展, 使得工业, 市政等的淡水需求得到满足。但是, 由于大规模的建设海水淡化工程造成了突出的环境问题。海水淡化对于海洋以及海洋生物有着非常大的影响, 所以, 必须要重视由于海水淡化浓盐水排放造成的环境问题。

二、海水淡化对海洋环境的影响

海水淡化过程中, 一部分海水通过预热直接进行排放, 使得海洋受到热污染。比如, 多级闪蒸淡化技术的最高的盐水温度达到了90℃-110℃。与此同时, 海水淡化需要进行杀菌、脱碳、加缓蚀剂、加阻垢剂等工艺, 残留的化学药剂直接影响着海洋环境。膜法海水淡化技术的水回收率一般低于40%, 造成了浓盐水排放非常大;另外, 膜法海水淡化技术需要对海水进行严格的杀菌, 软化等预处理, 其化学药剂对于海洋环境以及海洋生物都有着非常重大的影响。

第一, 盐水排放的影响。目前海水淡化技术水的回收效率还不高, 大约50%-70%的进料海水经过浓缩之后被直接向海洋进行排放。海水淡化浓盐水排放中的化学药剂对海洋环境有着非常大的影响。海水淡化过程中的常用到杀菌剂, 缓蚀剂, 阻垢剂, 混凝剂等化学药品, 上述药剂以及其产物随着浓盐水向海洋进行排放, 从而对于海洋的环境造成破坏。

第二, 盐度的影响。海水淡化后浓盐水排放的盐度通常是天然海水的两倍左右。浓盐水的排水增加了海洋的盐度, 尤其是对于半封闭的海域而言, 由于其海水更新速度比较慢, 使得盐度增加, 从而严重威胁着海洋生物。

第三, 热污染的影响。海水淡化的冷却水系统排放的海水具有一定的热量, 对于海洋环境来说, 造成了热污染。就亚热带海洋生物而言, 其适应的温度大约在20℃-30℃, 很多海洋生物适应的温度上限是30℃, 海水淡化浓盐水排放温度高出环境温度3℃-5℃, 从而对于海洋生物的生长与繁殖起到严重的破坏。

三、海水淡化对环境影响的解决对策

第一, 进行浓盐水的综合利用以及采取零排放技术。为了在根本上解决浓盐水排放造成的对于海洋环境的污染问题, 可以采用对海水淡化浓盐水的再利用, 从而满足浓盐水零排放。海水淡化之后的浓盐水盐度以及温度都比较高, 通过太阳能池, 自然蒸发或者是电渗析的方式进行制盐或者进行化工原料的提取, 不但满足了海水淡化零排放的要求, 使得资源得到有效利用, 同时, 也提高了经济效益。通过蒸发再浓缩与结晶器制盐的方式可以满足零排放制盐工艺。浓盐水中不但有氯化钠, 同时, 还存在着石膏, 碳酸钙, 氢氧化镁, 硫酸钠等有价值的物质。可以利用浓海水制取氯化铵, 碳酸氢钠等。虽然浓盐水综合利用以及零排放技术是当前海水淡化发展的重点, 但是, 其技术的发展受到高投入以及高操作成本的限制。因此, 零排放技术能耗与成本的降低是其推广的关键。

第二, 优化取排水的设计。基于海水生物可持续发展的前提下, 对海洋进行开发利用。因此, 需要通过不同的措施对海洋进行修复, 尽可能的降低废水排放以及取用水对于海洋造成的影响。学者Thomas等人认为必须基于对海洋环境优化的基础上对海水淡化装置进行设计与建设。海水淡化装置取排水设计过程中, 取水口以及排水口应该远离生态敏感区域, 降低取水的流速, 利用合理的取水装置使得取水时对于海洋生物的影响降低;对取水方式进行设计, 使得对海洋生物的影响尽可能低;排水口尽可能满足向开放性海洋排放, 尽可能避免向封闭河流进行排放。

第三, 减少有害化学物质。在进行海上淡化的预处理过程中, 要减少对危险化学品的使用, 尽可能的不使用有害化学物质。学者Visvanathan等人使用膜生物反应器对于海水进行预处理, 能够使得78%的有机碳去除, 同时, 能够对于海水进水对膜的生物污染起到有效抑制作用。另外, 通过新型材料, 比如抗腐蚀管路等, 使得腐蚀产物有害物质对于海水生物的影响降低。

结语

对于不同的海水淡化浓盐水排放而言, 对海洋环境具有不同影响。对于海洋环境进行深入的剖析, 同时, 对于海水淡化技术进行优化, 无疑能够使得海水淡化对于环境的影响降低。另外, 由于海水中含有丰富的钠、溴、钾、锂、镁等化学元素, 对海水淡化进行深加工, 实现海水淡化零排放, 一方面使得海水淡化造成的环境影响得到根治, 另外一方面, 能够创造极大的经济效益。从而实现海水淡化的可持续发展。

参考文献

我国CO2排放影响因素分析 第2篇

我国CO2排放影响因素分析

摘要：全球气候变暖对地球生态和人类生活构成严重的威胁,成为各国政府和人民共同关注的`问题.文章对我国碳排放进行分析后得出,经济的高速增长会引起CO2排放量的增长,而能源消费结构和产业结构的改善以及源效率水平的提高可以在很大程度上降低由经济增长带来的碳排放.作 者：王凌黎 邬恋 马前涛 作者单位：云南师范大学旅游与地理科学学院,云南,昆明,650092期 刊：中国高新技术企业 Journal：CHINA HIGH TECHNOLOGY ENTERPRISES年，卷(期)：,“”(5)分类号：X511关键词：经济增长 能源强度 CO2排放 能源消费结构 产业结构

排放影响 第3篇

关键词 农村；生活固体垃圾；排放；影响因素；拐点

中图分类号 F32 文献标识码 A 文章编号 1002—2104（2012）10—0063—06 doi：10.3969/j.issn.1002—2104.2012.10.010

随着经济发展水平的快速提高，农村生活固体垃圾排放量快速增加，并成为目前主要农村环境污染源[1—4]。据估计，2000年我国农村的垃圾年产量约为1.4亿t[5]，约合人均每天产生垃圾量0.48 kg。但根据中国饮用水与环境卫生现状调查，到2004年我国农村人均每天垃圾排放量已经达到0.9 kg[6]。按照上述数据推斷，我国农村人均垃圾排放量年均增长率为16%。如果按照杨俊辉、王芳估计的2010年人均日排放量0.8—1 kg和黄开兴等估计的0.95 kg计算，年均增长率也达到了5.5%—7.5%[7]。与此同时，农村生活垃圾的构成变得越来越复杂，厨余垃圾、塑料制品、电子垃圾、以及固体包装等物品在农村生活垃圾中越来越普遍[3，7—8]。

大量的研究表明，生活垃圾的排放量与经济发展水平、社会经济条件等相关。在经济发展初期，环境压力随居民收入水平上升而快速上升，而当经济发展到一定水平后，污染排放与由此带来的环境压力开始下降，这就是著名的Kuznets倒“U”曲线理论[9]。该理论在很多关于空气质量与工业污染，以及某些国家或地区总的污染排放等方面的研究中已经得到证实 [10—11]。但在生活垃圾排放方面，过去的研究结果似乎并不一致。De Bruyn等以及Dinda在研究中发现在一些发达国家人均固体垃圾排放与收入之间的确存在倒“U”关系[12—13]，但Andersen 等在欧洲的研究则表明，随着收入的增长，人均垃圾排放量仍在不断上升，并没有出现拐点的迹象[14]。有关我国垃圾排放与经济发展水平之间关系的研究近年来也受到了很多学者的关注。杨凯等发现，上海城市生活固体垃圾排放与人均GDP之间存在倒“U”关系[15]。另外，Song等人利用我国1985—2005年的面板数据对污染物排放与人均GDP关系的研究中也发现，我国城镇生活固体垃圾排放与收入水平之间存在倒“U”关系[16]。

还有一些研究表明，除收入之外，生活垃圾的排放量受人口密度、家庭构成、所在区域等的影响。杜吴鹏等对我国城市生活垃圾的排放量的研究发现，城市生活垃圾的排放与非农就业、城市规模、人口数量等有相关关系[17]。也有人指出，垃圾排放量受人口密度、家庭规模、居民消费性支出、年龄分布等的影响[18—19]。

本研究的目的是通过分析我国农村生活固体垃圾排放量及其影响因素，为相关决策部门了解农村生活固体垃圾的排放现状与规律、制定相关政策以加强对农村生产生活环境的管理提供科学的决策依据。与过去的大多数相关研究相比，本研究的创新点主要体现在两个方面：一是我们所用数据来源于2010年底对全国6省共1 118个农户的实地调查，从区域分布上样本覆盖了除西北区域外的大部分地区，具有较好的代表性；二是除了把垃圾排放总量作为研究对象，还对纸制品、厨余、玻璃制品、金属与铝制品、塑料制品和纺织品等六大类垃圾进行了分析。

李玉敏等：农村居民生活固体垃圾排放及影响因素

中国人口·资源与环境 2012年 第10期1 数据来源

本研究所用数据来自2010年底对全国6省1 118个农户的入户调查。选择调查省份的时候，我们不仅考虑了地区分布的差异，同时也考虑了不同的社会经济发展水平，最终选择了北方的河北、吉林、中东部的浙江、安徽以及西南部的四川和云南等省。在每个省内，我们首先根据2009年的农村居民人均纯收入把所有县分为高、中、低三组，然后在每组中随机选择1个县。然后，在每个县随机选取了2个乡、每个乡随机选取3个村，每个村随机选择了10个农户开展一对一的问卷式调查。

调查采用面对面的问卷方式，分为村级问卷和农户问卷两种类型。村问卷的回答者主要是村领导，如村支书、村长和会计等。农户问卷的回答者主要是农民家庭的户主。本研究所用数据主要来源于农户调查。调研问卷涉及到的内容十分广泛，除了农户的生活固体垃圾排放信息，我们的调查还收集了样本农户的家庭与个人特征信息、样本农户所在村的主要社会经济特征信息、以及相关政策信息。农村生活固体垃圾在调查中被界定为包括农村生活中产生的厨余、各种塑料、玻璃、纸张、织物与皮革、金属、灰渣及其制品等垃圾。这一定义与以往学者对农村生活固体垃圾的定义基本一致，但也存在一些差异，主要表现在我们的定义中没有包括有害废品[8，20—21]。

2 农村生活固体垃圾排放的现状及其影响因素2.1 农村生活固体垃圾排放量及排放结构

调查结果表明（见表1），我国农村生活固体垃圾人均日排放量为1.07 kg，这一水平与谢东明等2009年的调查数据结果非常接近，该排放量与日本城市人均每天生活固体垃圾日排放量（1.08 kg）也大体相当[8，10]，但略高于我们根据村级调查数据估计的结果0.95 kg，同时，也高于2006年中国饮用水与环境卫生现状调查的0.9 kg的结果[6]。不同地区的农村生活固体垃圾排放量存在明显差异。其中，经济最发达的浙江省的人均每天排放量最高，达到1.18 kg。其次是吉林、安徽，人均排放量分别为1.17 kg和1.12 kg；但河北、四川与云南则低于平均水平，其中云南排在6个省的最后，人日均排放量不足0.9 kg。

从垃圾构成上来看，厨余类垃圾是我国农村生活固体

表1 农村居民生活固体垃圾的排放与构成

摘要 本文基于2010年底对全国6个省1 118个样本农户的调查数据，对农村各类生活固体垃圾的排放及其影响因素进行了实证分析。首先，运用调查数据描述农村生活固体垃圾排放量及排放结构的现状；然后对生活固体垃圾排放量进行单因素分析；最后，运用计量模型，在控制其他影响的情况下，对生活固体垃圾排放量的影响因素进行分析。研究发现，我国2010年农民人均每天生活固体垃圾排放量约为1.07kg，在地区间存在显著差异。其中，以经济最为发达的浙江省最高，达到1.19kg，而云南省最低，只有0.87kg。厨余类垃圾是我国农村生活固体垃圾的最主要构成部分，所占比例高达27.6%。研究结果还表明，我国农村生活固体垃圾的排放量不仅受收入水平的影响，还受到相关的政策因素以及社会经济条件等其他因素的影响。

关键词 农村；生活固体垃圾；排放；影响因素；拐点

中图分类号 F32 文献标识码 A 文章编号 1002—2104（2012）10—0063—06 doi：10.3969/j.issn.1002—2104.2012.10.010

随着经济发展水平的快速提高，农村生活固体垃圾排放量快速增加，并成为目前主要农村环境污染源[1—4]。据估计，2000年我国农村的垃圾年产量约为1.4亿t[5]，约合人均每天产生垃圾量0.48 kg。但根据中国饮用水与环境卫生现状调查，到2004年我国农村人均每天垃圾排放量已经达到0.9 kg[6]。按照上述数据推断，我国农村人均垃圾排放量年均增长率为16%。如果按照杨俊辉、王芳估计的2010年人均日排放量0.8—1 kg和黄开兴等估计的0.95 kg计算，年均增长率也达到了5.5%—7.5%[7]。与此同时，农村生活垃圾的构成变得越来越复杂，厨余垃圾、塑料制品、电子垃圾、以及固体包装等物品在农村生活垃圾中越来越普遍[3，7—8]。

大量的研究表明，生活垃圾的排放量与经济发展水平、社会经济条件等相关。在经济发展初期，环境压力随居民收入水平上升而快速上升，而当经济发展到一定水平后，污染排放与由此带来的环境压力开始下降，这就是著名的Kuznets倒“U”曲线理论[9]。该理论在很多关于空气质量与工业污染，以及某些国家或地区总的污染排放等方面的研究中已经得到证实 [10—11]。但在生活垃圾排放方面，过去的研究结果似乎并不一致。De Bruyn等以及Dinda在研究中发现在一些发达国家人均固体垃圾排放与收入之间的确存在倒“U”关系[12—13]，但Andersen 等在欧洲的研究则表明，随着收入的增长，人均垃圾排放量仍在不断上升，并没有出现拐点的迹象[14]。有关我国垃圾排放与经济发展水平之间关系的研究近年来也受到了很多学者的关注。杨凯等发现，上海城市生活固体垃圾排放与人均GDP之间存在倒“U”关系[15]。另外，Song等人利用我国1985—2005年的面板数据对污染物排放与人均GDP关系的研究中也发现，我国城镇生活固体垃圾排放与收入水平之间存在倒“U”关系[16]。

还有一些研究表明，除收入之外，生活垃圾的排放量受人口密度、家庭构成、所在区域等的影响。杜吴鹏等对我国城市生活垃圾的排放量的研究发现，城市生活垃圾的排放与非农就业、城市规模、人口数量等有相关关系[17]。也有人指出，垃圾排放量受人口密度、家庭规模、居民消费性支出、年龄分布等的影响[18—19]。

本研究的目的是通过分析我国农村生活固体垃圾排放量及其影响因素，为相关决策部门了解农村生活固体垃圾的排放现状与规律、制定相关政策以加强对农村生产生活环境的管理提供科学的决策依据。与过去的大多数相关研究相比，本研究的创新点主要体现在两个方面：一是我们所用数据来源于2010年底对全国6省共1 118个农户的实地调查，从区域分布上样本覆盖了除西北区域外的大部分地区，具有较好的代表性；二是除了把垃圾排放总量作为研究对象，还对纸制品、厨余、玻璃制品、金属与铝制品、塑料制品和纺织品等六大类垃圾进行了分析。

李玉敏等：农村居民生活固体垃圾排放及影响因素

中国人口·资源与环境 2012年 第10期1 数据来源

本研究所用数据来自2010年底对全国6省1 118个农户的入户调查。选择调查省份的时候，我们不仅考虑了地区分布的差异，同时也考虑了不同的社会经济发展水平，最终选择了北方的河北、吉林、中东部的浙江、安徽以及西南部的四川和云南等省。在每个省内，我们首先根据2009年的农村居民人均纯收入把所有县分为高、中、低三组，然后在每组中随机选择1个县。然后，在每个县随机选取了2个乡、每个乡随机选取3个村，每个村随机选择了10个农户开展一对一的问卷式调查。

调查采用面对面的问卷方式，分为村级问卷和农户问卷两种类型。村问卷的回答者主要是村领导，如村支书、村长和会计等。农户问卷的回答者主要是农民家庭的户主。本研究所用数据主要来源于农户调查。调研问卷涉及到的内容十分广泛，除了农户的生活固体垃圾排放信息，我们的调查还收集了样本农户的家庭与个人特征信息、样本农户所在村的主要社会经济特征信息、以及相关政策信息。农村生活固体垃圾在调查中被界定为包括农村生活中产生的厨余、各种塑料、玻璃、纸张、织物与皮革、金属、灰渣及其制品等垃圾。这一定义与以往学者对农村生活固体垃圾的定义基本一致，但也存在一些差异，主要表现在我们的定义中没有包括有害废品[8，20—21]。

2 农村生活固体垃圾排放的现状及其影响因素2.1 农村生活固体垃圾排放量及排放结構

调查结果表明（见表1），我国农村生活固体垃圾人均日排放量为1.07 kg，这一水平与谢东明等2009年的调查数据结果非常接近，该排放量与日本城市人均每天生活固体垃圾日排放量（1.08 kg）也大体相当[8，10]，但略高于我们根据村级调查数据估计的结果0.95 kg，同时，也高于2006年中国饮用水与环境卫生现状调查的0.9 kg的结果[6]。不同地区的农村生活固体垃圾排放量存在明显差异。其中，经济最发达的浙江省的人均每天排放量最高，达到1.18 kg。其次是吉林、安徽，人均排放量分别为1.17 kg和1.12 kg；但河北、四川与云南则低于平均水平，其中云南排在6个省的最后，人日均排放量不足0.9 kg。

从垃圾构成上来看，厨余类垃圾是我国农村生活固体

表1 农村居民生活固体垃圾的排放与构成

摘要 本文基于2010年底对全国6个省1 118个样本农户的调查数据，对农村各类生活固体垃圾的排放及其影响因素进行了实证分析。首先，运用调查数据描述农村生活固体垃圾排放量及排放结构的现状；然后对生活固体垃圾排放量进行单因素分析；最后，运用计量模型，在控制其他影响的情况下，对生活固体垃圾排放量的影响因素进行分析。研究发现，我国2010年农民人均每天生活固体垃圾排放量约为1.07kg，在地区间存在显著差异。其中，以经济最为发达的浙江省最高，达到1.19kg，而云南省最低，只有0.87kg。厨余类垃圾是我国农村生活固体垃圾的最主要构成部分，所占比例高达27.6%。研究结果还表明，我国农村生活固体垃圾的排放量不仅受收入水平的影响，还受到相关的政策因素以及社会经济条件等其他因素的影响。

关键词 农村；生活固体垃圾；排放；影响因素；拐点

中图分类号 F32 文献标识码 A 文章编号 1002—2104（2012）10—0063—06 doi：10.3969/j.issn.1002—2104.2012.10.010

随着经济发展水平的快速提高，农村生活固体垃圾排放量快速增加，并成为目前主要农村环境污染源[1—4]。据估计，2000年我国农村的垃圾年产量约为1.4亿t[5]，约合人均每天产生垃圾量0.48 kg。但根据中国饮用水与环境卫生现状调查，到2004年我国农村人均每天垃圾排放量已经达到0.9 kg[6]。按照上述数据推断，我国农村人均垃圾排放量年均增长率为16%。如果按照杨俊辉、王芳估计的2010年人均日排放量0.8—1 kg和黄开兴等估计的0.95 kg计算，年均增长率也达到了5.5%—7.5%[7]。与此同时，农村生活垃圾的构成变得越来越复杂，厨余垃圾、塑料制品、电子垃圾、以及固体包装等物品在农村生活垃圾中越来越普遍[3，7—8]。

大量的研究表明，生活垃圾的排放量与经济发展水平、社会经济条件等相关。在经济发展初期，环境压力随居民收入水平上升而快速上升，而当经济发展到一定水平后，污染排放与由此带来的环境压力开始下降，这就是著名的Kuznets倒“U”曲线理论[9]。该理论在很多关于空气质量与工业污染，以及某些国家或地区总的污染排放等方面的研究中已经得到证实 [10—11]。但在生活垃圾排放方面，过去的研究结果似乎并不一致。De Bruyn等以及Dinda在研究中发现在一些发达国家人均固体垃圾排放与收入之间的确存在倒“U”关系[12—13]，但Andersen 等在欧洲的研究则表明，随着收入的增长，人均垃圾排放量仍在不断上升，并没有出现拐点的迹象[14]。有关我国垃圾排放与经济发展水平之间关系的研究近年来也受到了很多学者的关注。杨凯等发现，上海城市生活固体垃圾排放与人均GDP之间存在倒“U”关系[15]。另外，Song等人利用我国1985—2005年的面板数据对污染物排放与人均GDP关系的研究中也发现，我国城镇生活固体垃圾排放与收入水平之间存在倒“U”关系[16]。

还有一些研究表明，除收入之外，生活垃圾的排放量受人口密度、家庭构成、所在区域等的影响。杜吴鹏等对我国城市生活垃圾的排放量的研究发现，城市生活垃圾的排放与非农就业、城市规模、人口数量等有相关关系[17]。也有人指出，垃圾排放量受人口密度、家庭规模、居民消费性支出、年龄分布等的影响[18—19]。

本研究的目的是通过分析我国农村生活固体垃圾排放量及其影响因素，为相关决策部门了解农村生活固体垃圾的排放现状与规律、制定相关政策以加强对农村生产生活环境的管理提供科学的决策依据。与过去的大多数相关研究相比，本研究的创新点主要体现在两个方面：一是我们所用数据来源于2010年底对全国6省共1 118个农户的实地调查，从区域分布上样本覆盖了除西北区域外的大部分地区，具有较好的代表性；二是除了把垃圾排放总量作为研究对象，还对纸制品、厨余、玻璃制品、金属与铝制品、塑料制品和纺织品等六大类垃圾进行了分析。

李玉敏等：农村居民生活固体垃圾排放及影响因素

中国人口·资源与环境 2012年 第10期1 数据来源

本研究所用数据来自2010年底对全国6省1 118个农户的入户调查。选择调查省份的时候，我们不仅考虑了地区分布的差异，同时也考虑了不同的社会经济发展水平，最终选择了北方的河北、吉林、中东部的浙江、安徽以及西南部的四川和云南等省。在每个省内，我们首先根据2009年的农村居民人均纯收入把所有县分为高、中、低三组，然后在每组中随机选择1个县。然后，在每个县随机选取了2个乡、每个乡随机选取3个村，每个村随机选择了10个农户开展一对一的问卷式调查。

调查采用面对面的问卷方式，分为村级问卷和农户问卷两种类型。村问卷的回答者主要是村领导，如村支书、村长和会计等。农户问卷的回答者主要是农民家庭的户主。本研究所用数据主要来源于农户调查。调研问卷涉及到的内容十分广泛，除了农户的生活固体垃圾排放信息，我们的调查还收集了样本农户的家庭与个人特征信息、样本农户所在村的主要社会经济特征信息、以及相关政策信息。农村生活固体垃圾在调查中被界定为包括农村生活中产生的厨余、各种塑料、玻璃、纸张、织物与皮革、金属、灰渣及其制品等垃圾。这一定义与以往学者对农村生活固体垃圾的定义基本一致，但也存在一些差异，主要表现在我们的定义中没有包括有害废品[8，20—21]。

2 农村生活固体垃圾排放的现状及其影响因素2.1 农村生活固体垃圾排放量及排放结構

调查结果表明（见表1），我国农村生活固体垃圾人均日排放量为1.07 kg，这一水平与谢东明等2009年的调查数据结果非常接近，该排放量与日本城市人均每天生活固体垃圾日排放量（1.08 kg）也大体相当[8，10]，但略高于我们根据村级调查数据估计的结果0.95 kg，同时，也高于2006年中国饮用水与环境卫生现状调查的0.9 kg的结果[6]。不同地区的农村生活固体垃圾排放量存在明显差异。其中，经济最发达的浙江省的人均每天排放量最高，达到1.18 kg。其次是吉林、安徽，人均排放量分别为1.17 kg和1.12 kg；但河北、四川与云南则低于平均水平，其中云南排在6个省的最后，人日均排放量不足0.9 kg。

从垃圾构成上来看，厨余类垃圾是我国农村生活固体

表1 农村居民生活固体垃圾的排放与构成

垃圾的最主要构成部分，所占比例高达27.6%，这一结果与谢东明等在2009年研究的24.5%的结果也比较接近[8]。其次是金屬类垃圾，占固体垃圾总量的14.5%。玻璃类垃圾、纸质类垃圾、纺织品垃圾和塑料类垃圾，所占比例分别为8.7%，6.3%，5.8%和5.4%。

不同种类农村生活固体垃圾的排放结构也存在明显的地区差异。浙江省的厨余垃圾占总排放量的比例最高，达到36.9%；而云南与河北的比例最低，分别为23.8%和15.3%。厨余垃圾比例高的省份可能与蔬菜、瓜果和水产类食物在饮食消费中所占比重较高有关。通常而言，蔬菜瓜果类的根茎、皮以及水产类等相对于谷物、肉类更容易形成厨余垃圾。纸制品垃圾比例在各个省的比例都偏低，均在10%以内。云南省该比例最高，占8.5%，最低的为河北，只有3.9%。塑料类垃圾的比例虽然也都在10%以下，但是各个地区间差异明显。塑料类垃圾比例最高的是浙江省，占8.0%，是河北的4倍。金属类垃圾比例最低的仍然是河北省，只有6.7%，只有最高省份安徽的1/3。金属类垃圾所占比例在其他几个省份之间差异也很明显，从9.7%到20.7%不等。相比于其他垃圾，玻璃类垃圾在各个地区间差异最小，都在7.1%—11.6%之间。各个地区的纺织品类垃圾的比例虽然都在8%以下，但是最小的河北只有2.3%，不到浙江的1/3。

2.2 农村生活固体垃圾排放量影响因素的统计分析

影响农村生活固体垃圾排放量的因素有很多，但本文主要关注有关农村生活污染治理的政策措施、社会经济发展水平及生活燃料来源等对农村生活固体垃圾排放的影响。政策措施主要用农户是否接受过有关农村生活固体垃圾的培训这一指标度量，分析不同政策措施下农户的生活固体垃圾排放量的差异。社会经济发展水平则主要用农民人均纯收入来度量，在分析中，我们按照2 000元将收入分为从低到高划分为7组，分析收入与生活固体垃圾排放量的相关关系。生活燃料来源则由农户是否用煤作为生活燃料来代表，分析在不同情况下生活固体垃圾排放量情况。

2.2.1 政策因素与生活固体垃圾排放量的相关关系分析

调查结果表明，农村居民的生活固体垃圾排放量与相关的政策措施可能存在一定的关系。从表2可以看到，接受过生活固体垃圾相关培训的农户人均每天垃圾排放总量以及大多数垃圾的排放量都要明显低于没有接受过培训的农户。尤其是垃圾总量和厨余类垃圾，受过培训的比没受过培训的分别高0.22 kg和0.1 kg。通过培训，可能更多地农户了解了如何对垃圾加以循环利用，因而就减少了排放的垃圾量。

2.2.2 收入水平与生活固体垃圾排放量的相关关系

随着经济条件的改善，尤其在经济发展初期，农户的消费能力会越来越强，从而会排放出越来越多的垃圾，但是到达一定的水平以后，垃圾排放反倒会随着经济的进一步增长而有所降低。由表3可以看出，在人均纯收入0.87—1.07万元的时候，人均每天生活固体垃圾排放总量最高，在这之前，生活固体垃圾排放总量、厨余类垃圾及纸质类垃圾都在随着收入的增加而增加，但是过了这一收入范围以后，这些垃圾的人均每天排放量反倒在下降。这与著名的Kuznets环境经济理论较为吻合[9]。塑料类和纺织品类垃圾也有这一趋势，不同的是其排放最高点出现在人均纯收入0.67—0.87万元的范围内。

表2 政策措施与生活固体垃圾排放量的统计描述

表3 社会经济特征与生活固体垃圾排放量的相关关系

表4 生活燃料来源与生活固体垃圾排放量之间

2.2.3 生活燃料来源与生活固体垃圾排放的相关关系

使用煤作为生活燃料可能会增加某些生活固体垃圾的排放。通常情况下，1 t煤炭在燃烧后大体上可以产生0.2 t的灰渣，所以使用煤很有可能会增加生活固体垃圾的排放。然而，使用煤作为主要生活燃料与其它类垃圾排放之间并不存在理论上的相关性。描述性统计分析的结果支持了这一点，用煤做燃料的农户的生活固体垃圾排放总量人均每天1.21 kg明显高于不用煤的农户1.04 kg（见表4）。但是厨余垃圾、金属垃圾及塑料垃圾等的排放在采用与不采用煤作为主要生活燃料的农户之间并不存在显著的差异。

3 农村生活固体垃圾排放量影响因素的计量模型设定及估计结果3.1 模型设定

尽管以上描述性统计分析对生活固体垃圾人均每天排放量的影响因素做了一定的判断，但这些只是单因素分析，由于并没有控制其他因素的影响，我们并不能将政策变量、社会经济条件及生活燃料来源等因素对生活固体垃圾人均每天排放量的影响分离出来。为了更深入和准确地把握生活固体垃圾人均日排放量的决定因素，我们建立了以下的计量模型：

ln（yij）=α1+β1jRi+β2jIi+β3jI2i+β4jCi+β5jZi+εij

在模型中，yij表示第i个农户在每天人均排放的第j类垃圾的数量，实证分析中我们用yij的自然对数作为被解释变量，以减少异方差对系数估计的影响。模型右侧是一组可能影响农村生活固体垃圾人均排放量的解释变量，其中，Ri为一组政策变量，用有关生活固体垃圾的培训来度量。生活固体垃圾的培训用农户是否参加过有关农村生活固体垃圾的有关培训的0—1虚变量表示（1代表是；0代表否）。Ii代表第i个农户的人均年纯收入（万元），I2i为收入的二次项。Ci代表家庭生活能源来源，用农户是否使用煤作为生活燃料来源的虚变量表示（1代表是；0代表否）。Zi为一组控制变量，主要包括家庭、个人的特征变量以及村特征等变量，具体包括三个变量，分别是：①家中是否有60岁以上的老年人（1代表是；0代表否）；②家庭人均受教育年限（年）；③所在村的人口密度（千人/平方公里）。εij假设为服从正态分布的随机误差项，α和β为待估参数。

3.2 农村生活固体垃圾排放量影响因素的模型估计结果

采用最小二乘法（OLS）对上述模型的回归结果汇报在表5中。从回归结果来看，各模型的R2值在0.07—0.22之间，这对于截面数据来说已经较高，表明我们的模型具有较好的拟合水平，模型设定良好。

从回归结果来看，政府政策和公共卫生管理的干预会显著地影响农户的生活固体垃圾排放行为。接受有关生活固体垃圾方面的培训会显著地降低垃圾总量以及厨余类垃圾、塑料类垃圾和纺织品垃圾，这表明这类由政府推动的培训可以显著地减少农村生活固体垃圾的排放。在我们的样本中，曾经接受过这类培训的农户所占比例很小，这意味着政府通过提供这类培训的方法来减少农村生

表5 生活固体垃圾排放量影响因素的计量模型估计结果

活固体垃圾的排放还有很大的政策执行空间。

农村生活固体垃圾排放总量与收入之间存在显著的Kuznets倒“U”曲线关系，即随着收入的上升，一开始人均生活固体垃圾的排放量会显著上升，但当收入达到一定程度后，人均排放量会转而逐渐下降。这可以从收入的一次项系数显著为正与二次项系数显著为负看出来。尽管如此，Kuznets曲线并不是在所有生活垃圾排放都会出现。从分类回归的结果来看，只有厨余、塑料制品与玻璃制品三类垃圾出现了显著的倒“U”型，即随着收入上升，这三类垃圾会出现显著的先升后降趋势，而在其它类型的生活垃圾上，包括纸制品、金属品和纺织品，并没有出现倒“U”型。对于纸制品和纺织品类生活垃圾，估计的结果是只有收入的一次项的系数显著为正，表明收入的增长会导致其排放量的单调上升。而对于金属类垃圾，收入的影响并不显著。

燃料来源对农户生活固体垃圾排放量（无论排放总量还是分类垃圾）的影响除了纺织品垃圾外都很显著。与描述性结果一致的是，以煤炭作为主要取暖或做饭燃料的农户排放的垃圾总量比其他农户高，显著水平为1%。从这一结果我们可以推测，当前在我国农村大范围推广的沼气工程项目如果可以很好地替代煤炭作为主要燃料，那么该工程还将可能有效地降低农村生活固体垃圾的产生与排放。

4 结论与政策建议

当前的研究基于我们最近对全国6省共1 118个农户的实证调查数据分析了我国农村生活固体垃圾排放量、排放结构的现状及生活固体垃圾排放量的影响因素。研究结果表明，我国农村居民人均每天生活固体垃圾排放量为1.07 kg，约合年人均排放量390 kg，这一水平正在接近我国城市的垃圾排放水平（440 kg）[23]，也正在接近或已经达到了很多发达国家的人均排放水平（日本390 kg，欧盟国家256—660 kg） [11，24]。考虑到我国农村非常落后的垃圾处理设施与管理水平，这意味着我国农村生活固体垃圾排放对农村环境构成的威胁可能远高于我国城市或其它发达国家，因此，加强农村生活垃圾的管理刻不容缓。

我国的研究表明农村生活固体垃圾排放量不仅受相关政策措施的影响，还受家庭收入、生活燃料来源及人口密度等因素的显著影响。其中，收入与厨余、塑料制品与玻璃制品的排放之间存在显著的Kuznets倒“U”关系，意味着未来随着农民收入的进一步提高这类垃圾排放有可能会出现下降趋势，但对于其它类垃圾来看，尤其是纸制品与纺织品类垃圾，在提高农民收入的同时，政策上应加大对于这类垃圾的管理与处置，以有效减少此类垃圾不规范的排放对于农村环境造成的威胁。此外，生活燃料来源对生活固体垃圾排放量影响的研究结果表明，在我国农村大力发展与推广新的清洁能源替代传统的煤炭可以有效地降低农村生活垃圾的排放。

（编辑：张 英）

参考文献（References）

[1]唐丽霞，左停.中国农村污染状况调查与分析——来自全国141个村的数据[J].中国农村观察，2008，（1）： 31—38. [Tang Lixia， Zuo Ting. Survey and Analysis about China’s Rural Pollution： based on 141 Villages Data[J]. China Rural Survey， 2008，（1）： 31—38.]

[2]王金霞，李玉敏，黃开兴，等.农村生活固体垃圾的处理现状及影响因素[J].中国人口·资源与环境，2011，21（9）： 74—78. [Wang Jinxia， Li Yumin， Huang Kaixing， et al. Treatment Situation and Determinants of Rural Domestic Solid Waste[J]. China Population Resources and Environment， 2011， 21（9）：74—78.]

[3]马香娟，夏会龙.农村生活垃圾管理对策研究[J].能源工程，2005，（4）： 62—63. [Ma Xiangjuan， Xia Huilong. Research on Rural Domestic Waste Management[J]. Energy Engineering， 2005，（4）： 62—63.]

[4]马香娟，陈郁.农村生活垃圾问题及其解决对策[J].能源工程，2002，（3）： 25—27. [Ma Xiangjuan， Chen Yu. Problems and Its Solution of Rural Domestic Waste[J]. Energy Engineering， 2002，（3）： 25—27.]

[5]李颖，许少华.我国农村生活垃圾现状及对策研究[J].建设科技，2007，（7）：62—63. [Li Ying， Xu Shaohua. Rural Domestic Waste Treatment Situation and Countermeasures in China[J]. Construction Technology， 2007， （7）： 62—63.]

[6]魏欣，刘新亮，苏杨.农村聚居点环境污染特征及其成因分析：基于中国农村饮用水与环境卫生现状调查[J].中国发展，2007，7（4）： 92—98.[Wei Xin， Liu Xinliang， Su Yang， Characteristics of Pollution in Rural Habitats and Analysis on Causation： Based on Survey of Rural Drinking Water and Environmental Health in China[J]. China Development， 2007，7（4）： 92—98.]

[7]杨俊辉，王芳.农村固体废弃物污染防治措施探讨[J].绿色科技，2011，（4）： 165—166. [Yang Junhui， Wang Fang. Discussion on Prevention and Control Measures of Rural Solid Waste Pollution[J]. Journal of Green Science and Technology， 2011，（4）：165—166.]

[8]谢东明，王科，王绍先，等.我国农村生活垃圾问题探析[J].安徽农业科学，2009，37（2）： 786—788. [Xie Dongming， Wang Ke， Wang Shaoxian， et al. On the Problems of Rural Domestic Wastes in China[J]. Journal of Anhui Agricultural Sciences. 2009， 37（2）： 786—788.]

[9]Kuznets P， Simon P. Economic Growth and Income Inequality[J]. American Economic Review， 1955， 45： 1—28.

[10]Ichinose D， Masashi Y， Yuichiro Y. Reexamining the Wasteincome Relationship，A Working Paper. 2011.

[11]Mazzanti M， Montini A， Zoboli R. Municipal Waste Generation Socioeconomic Drivers and Waste Management Instruments[J]. Journal of Environment Development， 2008， 17： 51—69.

[12]De Bruyn S M， Heintz R J. The Environmental Kuznets Curve Hypothesis[M]. Oxford： Handbook of Environmental Economics， Blackwell Publishing Co. 1998： 656—677.

[13]Dinda S. Environmental Kuznets Curve Hypothesis： A Survey[J]. Ecological Economics， 2004， 49： 431—455.

[14]Andersen F， Larsen H， Skovgaard M， et al. A European Model for Waste and Material Flows， Resources[J]. Conservation and Recycling， 2007， 49： 421—435.

[15]杨凯，叶茂，徐启新.上海城市废弃物增长的环境库兹涅兹特征研究[J].地理研究，2003，22（1）： 60—66. [Yang Kai， Ye Mao， Xu Qixin. Environmental Kuznets Characteristics of Municipal Solid Waste Growth in Shanghai City[J]. Geographical Research， 2003， 22（1）：60—66.]

[16]Song T， Zheng T， Tong L. An Empirical Test of the Environmental Kuznets Curve in China： A Panel Cointegration Approach[J]. China Economic Review， 2008， 19： 381—392.

[17]杜吳鹏，高庆先，张恩琛，等，中国城市生活垃圾排放现状及成分分析[J].环境科学研究，2006，19（5）：85—90. [Du Wupeng， Gao Qingxian， Zhan Enchen， et al. The Emissions Status and Composition Analysis of Municipal Solid Waste in China[J]. Research of Environmental Sciences， 2006， 19（5）：85—90.]

[18]Mazzanti M， Zoboli R. Municipal Waste Kuznets Curves： Evidence on Socioeconomic Drivers and Policy Effectiveness from the EU[J]. Environmental and Resource Economics， 2009， 44： 203—230.

[19]张治倩，张后虎，张毅敏.太湖流域城镇地区人均生活固体垃圾年清运量变化趋势及相关因素分析[J].长江流域资源与环境，2010，19（1）：201—206. [Zhang Zhiqian， Zhang Houhu， Zhang Yimin. Analysis on Collected Amount of Percapital Municipal Solid Waste and Its Influencing Factors in Taihu Lake Basin[J]. Resources and Environment in the Yangtze Basin， 2010， 19（1）：201—206.]

[20]杨荣金，李铁松.中国农村生活垃圾管理模式探讨——三级分化有效治理农村生活垃圾[J].环境科学与管理，2006，31： 82—86. [Yang Rongjin， Li Tiesong. Exploration on the Management of Rural Refuse in China： Separate the Rural Refuse by Three Steps for More Effective Treatment[J]. Environmental Science and Management， 2006，31 （7）： 82—86. ]

[21]顾卫兵，乔启成，华海荣，等.基于南通市农村生活垃圾处理模式的分类收集效益分析[J].安徽农业科学，2008，36（36）：16112—16114. [Gu Weibing， Qiao Qicheng， Hua Hairong， et al. Analysis on Sorting Collection Benefit Based on Rural Solid Wastes Disposal Model of Nantong City[J]. Journal of Anhui Agricultural Sciences， 2008， 36（36）： 16112—16114.]

[22]耿海軍.人均垃圾年产量440 kg，解垃圾之困可学日本[N/OL].《人民日报》，2010—04—06. http：//env.people.com.cn/GB/11298407.html. [Geng Haijun. Annual Generation of 440 kg per Capita Waste， Japan can be Learned about the Garbage Solution[N/OL]. People’s Daily. 2010—04—06. http：//env.people.com.cn/GB/11298407.html.]

[23]Vehlow J， Bergfeldt B， Visser R. European Union Waste Management Strategy and the Importance of Biogenic Waste[J]. Journal of Material Cycle and Waste Management， 2007， 9： 130—139.

Disposal of Domestic Solid Wastes and Determinants in Rural China

LI Yumin1，2 BAI Junfei1，2 WANG Jinxia1，2 QIU Huanguang1，2

（1. Center for Chinese Agricultural Policy， Chinese Academy of Sciences， Beijing 100101， China；

2. Institute of Geographic Sciences and Natural Resources Research， Chinese Academy of Sciences， Beijing 100101， China）

LI Yumin1，2 BAI Junfei1，2 WANG Jinxia1，2 QIU Huanguang1，2

（1. Center for Chinese Agricultural Policy， Chinese Academy of Sciences， Beijing 100101， China；

农村地区碳排放影响因素浅析 第4篇

同时, 十八届三中全会提出建设生态文明, 必须建立系统完整的生态文明制度体制, 用制度保护生态环境。要健全自然资源资产产权制度和用途管制制度, 划定生态保护红线, 实行资源有偿使用制度和生态补偿制度, 改革生态环境保护管理体制。

一系列的政策向人们表明了国家在治理气候问题方面的决心以及政策方面的支持。我国是世界最大的发展中国家, 产业升级正处于最关键的时期, 二氧化碳排放是一个不能避免的问题, 然而联合国《京都议定书》决议, 我国将于2020年实现强制减排。面对强大的减排压力, 我国先后在五省七市建立了相应的碳排放交易所, 但取得的成果都相对较小。而在二氧化碳减排方面, 随着我国工业化进程的不断发展, 占据我国人口三分之二的农村地区却向来为学术界所忽视。本文将针对农村生活方式、高排放工厂以及地理位置三个主要影响因素对二氧化碳的排放进行讨论。

1 国内研究概况

李波, 张俊飚, 李海鹏在《中国农业碳排放与经济发展的实证研究》一文当中指出, 农业碳排放总量从1991~2008年年均增长率为2.59%, 约占碳排放总量的10.43%;我国农业碳排放存在3类区域:主要集中在中东部地区的农业大省的高排放区、中西部地区的一般排放区、发达非农业城市以及落后的西部省份的低排区。农业碳排放强度与人均GDP的EKC检验发现, 倒U型曲线关系明显, 13省市超过人均国内生产总值20, 899元的拐点。田云, 张俊飚在对农业碳排放进行概念性阐述的基础上, 重点对当前国内外农业碳排放问题的研究论点及其进展进行归纳、比较和述评, 指出了当前研究存在的一些不足:研究视角较为单一, 缺少必要的宏观统筹;未能从一个系统的角度探讨农业碳减排的政策手段以及相关的实证检验。王长波, 张力小, 栗广省从1997~2007年中国农村能源消费的二氧化碳排放已从8.89亿吨增至28.74亿吨, 呈现快速增长的趋势, 其主要来源是农村地区的煤炭和电力等商品能源消费的增加, 我国农村能源消费的二氧化碳排放量在全国总排放中所占比重在40%~60%之间, 2002年后虽有所下降但2007年仍达40.99%。即使不考虑生物质能源的碳排放, 其比重也维持在25%~48%之间, 且总体呈现倒U型的变化趋势。因此, 农村地区的节能减排应成为国家节能减排工作的重要组成部分, 碳减排不能忽视农村贡献。

2 因素的主要影响

2.1 生活方式的主要影响

我国大部分农村地区仍然是落后的生活方式, 特别是在西北, 西南, 中部等欠发达地区。第一, 农村地区主要经济能源依然是生物质能源, 以秸秆, 柴火偏多。虽然较多数的农村地区已经使用了沼气这一清洁能源, 但各种生物质在沼气的发酵过程中依然会产生较多的二氧化碳排放, 且不正当的发酵过程会使温室气体的排放增多。部分的生物质能源用来发酵, 另一部分的生物质能源仍然被用来直接燃烧, 不充分的燃烧以及热能的散发造成了二次污染。第二, 农村地区仍然存在较为浓厚的封建祭拜观念。中国传统文化所产生的祭拜观念在农村地区尤为严重。逢年过节, 以及各种丧事都会进行大规模的祭拜活动, 而在这种传统的祭拜活动的主要仪式便是纸钱以及蜡烛的燃烧。大量的纸张会直接被用来焚烧, 造成了大量的污染和二氧化碳的排放。同时过年期间, 农村地区的鞭炮一般都是非法生产的, 产生的二次温室气体排放会更多。第三, 农村地区居民的低碳观念较为薄弱。受到生产力发展水平的影响, 节能灯以及环保型家电的普及在农村地区还是受到了极大的限制。同时农村地区的电能较多的是使用附近的污染较大的火力发电, 且存在较为严重的浪费电能现象。这也是造成农村地区二氧化碳排放较多的主要原因。总体来说, 农村地区的生活方式与二氧化碳排放呈现着倒U型。生活水平越低, 碳排放量越高, 但是等到生活水平低到某一个极点的时候, 其二氧化碳排放量会出现一个极致, 开始下降。

2.2 经济发展水平的主要影响

经济发展水平对于生活方式存在一个正向关系。经济发展水平影响的因素较多, 如一个地区的科技发展水平, 对外开放程度, 文化素质理念, 产业结构构成情况等。在这里本文主要考虑的是经济发展水平对于农村地区工厂数量以及类型的影响。我国现在正处于工业化发展最关键时期, 正在向第三产业转型时期, 产业结构仍然以第二产业为主。但随着人力土地等资本价格的飞速飙升, 各种工厂的选址开始向农村地区转移。而向农村地区转移的工厂多数为高污染高排放型的工厂。经济发展水平高的农村地区一般是以服务业, 旅游业等为主, 所产生的二氧化碳排放量较少;经济发展水平次高地区一般是以第二产业为主, 但正在向第三产业转型, 工厂排放额度较小。而在经济发展水平一般的地区, 可能存在高污染高排放工厂。经济发展水平一般的地区一般位于我国的中部地区, 地理位置上相对于经济发展水平高的地区较近, 产业转移比较容易, 下文将进行详细的描述。而经济发展水平较低的地区因为地理位置相对较远, 因而, 工厂数量较少, 所以排放额度较小。

2.3 地理位置的主要影响

地理位置对于生活方式以及经济发展水平都存在着影响。如我国东部沿海地区的经济发展水平较高, 中部地区次之, 而西部地区则较为贫困, 而农村地区也呈现出这样的问题。北方地区居民传统观念较为浓厚, 而南方地区居民则较为淡薄, 对于生活方式的差异也有着较大的影响。而像山西, 陕西, 内蒙古等地区煤炭开采是主要的经济发展动力, 因而农村地区都存在着较多的煤矿, 二氧化碳排量就较多。四川攀枝花, 安徽马鞍山都存在铁矿冶炼, 因而二氧化碳排放也较多。再比如东北地区冬季较为寒冷, 冬季的碳排放量就会较多。南方农村地区夏季较为炎热, 碳排量也会较多。各地区农村人口的密集程度对于二氧化碳的排放也存在正向的关系。

3 结语

本文定性地描述了生活方式, 经济发展水平, 所处地理位置对于农村地区的二氧化碳排放的影响。但并未能给出各个因素对于碳排放量的影响程度, 以及三个变量之间的内在关系。这是本文将要进行进一步研究的主要方向。希望本文的研究能够确定各要素对于农村地区碳排放强度的贡献比率, 同时能够给出各要素之间的内在机理, 从而建立出函数模型, 测评出各地区的碳排放量, 为我国以后的强制减排做出贡献。

参考文献

[1]田云, 张俊飚.农业碳排放国内外研究进展[J].中国农业大学学报, 2013 (3) .

[2]张雷.经济发展对碳排放的影响[J].地理学报, 2003 (4) .

排放影响 第5篇

鉴于氮肥施用对农田CH4排放的影响还有很大不确定性,室外盆栽试验于在南京农业大学实施.选取3个供试土壤,各土壤设置对照和低、中、高3个不同氮肥水平,施入尿素量分别为0 g/盆钵(对照),0.64g/盆钵,(低氮水平),1.28 g/盆钵(中氮水平),1.93 g/盆钵(高氮水平).结果表明在水稻生长季,不同氮肥(尿素)施用量对稻田土壤CH4排放影响表现为不同土壤之间,及不同氮肥水平之间CH4排放均存在显著差异.无氮肥施入的情况下,3种土壤的CH4季节性累积排放量存在显著差异,分别为6.7 g/m2,12.6 g/m2和8.3 g/m2.施加氮肥后,3种土壤的CH4排放量随氮肥施入量的增加,均表现为降低趋势,不同土壤CH4排放量存在差异,土壤背景氮含量最高的F(江苏溧水)土壤的CH4排放都比相应氮肥水平下的G(江苏涟水)和H(江苏农科院)土壤的CH4排放低1倍左右.更进一步发现从低氮到中氮水平,3种土壤CH4排放量随氮肥用量的增加降低幅度最大,而此时各土壤的NH4-N含量随氮肥用量增加明显提高,推断造成C心排放降低的主要可能原因是各土壤的氨态氮含量的.增加所致.从中氮到高氮水平3种土壤的CH4排放量的变化不尽相同,G和H土壤的CH4排放量随氮肥用量的增加而降低,而F土壤在中氮和高氮水平下的CH4排放量没有明显变化,值分别为3.0 g/m2和3.4 g/m2.

作 者：焦燕 黄耀 宗良纲 周权锁 Ronald L.Sass JIAO Yan HUANG Yao ZONG Liang-gang ZHOU Quan-suo Ronald L.Sass 作者单位：焦燕,JIAO Yan(内蒙古师范大学化学与环境科学学院,呼和浩特,010022)

黄耀,HUANG Yao(南京农业大学资源与环境学院,南京,210095;中国科学院大气物理研究所,大气边界层物理和大气化学国家重点实验室,北京,100029)

宗良纲,ZONG Liang-gang(南京农业大学资源与环境学院,南京,210095)

周权锁,ZHOU Quan-suo(南京农业大学资源与环境学院,南京,210095;)

Ronald L.Sass,Ronald L.Sass(美国莱斯大学生态与进化生物学系,德克萨斯,77005-1892)

排放影响 第6篇

关键词：铁路内燃机；废气排放；影响分析；研究对策

中图分类号：X731 文献标识码：A 文章编号：1674-7712 （2013） 12-0000-01

铁路内燃机主要是采用柴油机作为牵引动力的运输工具，而内燃机车的柴油机机组功率较大，可达1000-4000kW，排放废弃物的高度达到4.5m以上，排气的流量也在2-8kg/s，这些都会导致排气流对大气的污染。内燃机的排放污染较为严重，特别是在城市间、调车场和大型的机务段等公众区域，内燃机车组的排放直接影响了周围的环境。下面主要对内燃机车在启动、运行等各个阶段的污染排放进行了分析，根据具体情况制定相关的解决措施。

一、采樣检测实验

（一）采集样品

1.采集区域选择。对于内燃机排放物的取样地点主要分为几个代表性的采样区，目的就是为了准确的确定内燃机排放的氮氧化物和总悬浮颗粒物等对环境的影响：（1）内燃段化验室屋顶处；（2）内燃段家属区；（3）隧道的顶端；（4）机务段水阻试验台。为了采取准确的浓度，需要在主风向的下风向处采集。

2.采集样品的条件和使用的仪器

（1）氮氧化物的采集周期为一次采样时间24小时，一个采样点需要采集三次以上。

（2）对于采集仪器，颗粒物主要是采用电子仪器厂生产的具有切割功能的中流量TSP采集器，流量可以控制在100升/min，能够收集100纳米以内的悬浮颗粒物。氮氧化物主要使用电子仪器厂生产的KC-6D型采集器，可以吸附富集的氮氧化物，流量控制在0.2-0.3升/min。

（二）仪器和方法的分析

氮氧化物主要是在美国生产的DR/4000U分光光度计上分析和测定，这种方法叫做分光光度法，采用的是Saltzman盐酸萘乙二胺进行分光。

二、结果分析

（一）背景值采样

在所有的采样点中，隧道周围群山围绕，无明显污染源，采集的是机车行进过程中的污染物；机务段主要采集的是机车在水阻试验中产生的污染物；内燃段交通密集，居民房较多，需要在采样之前对背景值进行采集。家属区可以采集当天的污染源和交通污染源。

在内燃段采集的背景值中，TSP超出了三级标准，但氮氧化物在一级标准之内。

（二）采样点的NOX浓度

在各采集点中的大气环境里氮氧化物的浓度日均值都不在二级标准范围内，所以内燃机车排放的污染源对内燃段的环境影响较大。且内燃机车在该段较多，对该段的氮氧化物的浓度影响很大。

现在普遍使用的直喷式柴油机在不同工况下会产生不同的氮氧化物的浓度值。因为氮氧化物是由缸内混合气体在高温条件下和氧气发生反应产生的物质，其浓度跟燃烧过程中的温度有关，且与反应的时间和氧气的浓度有关。如果混合气体中的温度越高，此时含氧量又多，反应时间越长，产生的氮氧化物浓度也越高。

（三）采样点的TSP浓度

从各采样点测得的悬浮颗粒的浓度数据可以看出，内燃段和水阻试验台测得的悬浮颗粒浓度比较大，污染程度较为严重，在采样点测出的悬浮物颗粒的浓度超出了国家规定的二级标准。而在悬浮颗粒物当中排放较多、浓度较大的就是碳烟。

在内燃机的悬浮颗粒物中主要是碳烟，而碳烟产生的条件主要是高温高压下，在缺氧的环境中裂解并脱氢而生成的固态颗粒，占据了悬浮颗粒物的百分之五十以上。由于在柴油机中燃烧不充分导致了碳烟形成的必然。

由于各种因素的存在，在整个过程中都会产生较多的碳烟。在机务段和水阻试验台检测到的悬浮颗粒物浓度较高，说明受碳烟的影响较大。而在隧道处受碳烟影响较小，颗粒物的浓度也较小。所以，对内燃机产生的碳烟必须严格控制，因为其对周围环境影响极大。

（四）颗粒中元素的富集

对于各采集点颗粒元素的富集分析主要通过富集因子来计算和表示：

富集因子法是主要研究大气中颗粒物元素的富集程度，通过分析来判断和评价颗粒物中元素的来源。

经测定分析后，制定的采样点的颗粒物元素，按照富集因子可以将污染元素分为三种类型，当EF小于3时，富集程度较小或者没有，属于正常部分；当EF在3-10之间时，元素有一定富集，但不严重；当EF大于等于10，元素的富集程度很高，是异常的自然活动和人类活动引起的。

由此可以得出，锌和硫是主要的污染元素，在富集因子中均大于10。

三、改进废弃排放的措施

（一）因为排放物中含有大量的硫和芳烃，对环境影响极大，故需将柴油中的芳烃和硫的含量降低。（1）减少含硫量，从0.05%降到0.01%。（2）提高燃油的十六烷值。（3）减少燃油中的芳烃含量。（4）燃油氧化，增加含氧量。

（二）统一建立铁路内燃机车排放废气的模型，使整个排放模式具体化，争取将污染程度控制到最低，可从改善环境的角度考虑改进排放方案，预测低速环境下污染情况。

（三）在内燃机中添加燃油添加剂，可以有效的降低颗粒的排放浓度，减少环境的污染。

四、结束语

铁路内燃机的结构、燃烧的燃料和工作条件对排放的废弃物浓度都有很大关系，因此要想从根本上解决污染问题，必须要从内燃机的燃料燃烧和运行工况以及内燃机本身结构上出发来解决污染问题。

参考文献：

[1]曹恒.基于模糊逻辑的内燃机车大功率柴油机智能控制系统的研究[D].大连理工大学，2000.

[2]汤春球.内燃机车干阻负载试验系统设计及试验研究[D].武汉理工大学，2006.

河北省碳排放影响因素研究 第7篇

一、河北省碳排放现状

随着我国工业化、城镇化进程加速推进, 资源能源环境制约进一步加剧, 转变长期形成的粗放型发展方式, 降低碳排放迫在眉睫。河北省是工业经济大省, 同时也是能源消耗的大省。2012年河北省燃煤量占到京津冀地区总量的88.8%, 河北省是京津冀地区煤炭消费量的主要消耗区。河北省钢铁、水泥、电力和玻璃行业是其主要耗煤行业, 2012年这四个行业消费煤炭1.67亿吨, 占全省总燃煤量的53%。河北省这些高污染、高耗能产业使得其单位GDP所造成的碳排放大大增加。

伴随经济发展, 河北省从1995年到2012年, 碳排放量整体呈现上升趋势, 2012年河北省碳排放量达到20570万吨。2000年到2007年河北省碳排放量呈现出迅猛直线增长趋势, 2007年碳排放总量是1995年碳排量的近3倍。从2008年开始河北省不断淘汰落后产能, 致力于产业转型和减少碳排放, 不断推进促进清洁能源开发和利用, 2008年到2012年河北省碳排放增长速度逐渐放缓。

1995年到2007年, 河北省GDP (亿元) 与碳排放总量比值小于1亿元/万吨, 2008年河北省GDP (亿元) 与碳排放总量比值首次大于1亿元/万吨, 河北省单位GDP碳排放出现历史性的转机, GDP的增长速度超过碳排放增长的速度, 单位GDP的碳排放数量不断降低。虽然河北省相对于其他省份来讲仍然是高消耗、高污染的地区, 但是通过数据分析可以看出河北省逐渐转变发展方式的决心与态势。

二、河北省碳排放影响因素分析

本文原始数据源于1994—2013年河北省统计年鉴, 由于年鉴中缺乏1996—1999年能源工业投资数据, 本文利用临近点的中位值方法补全了缺失数值。国家发改委能源研究所推荐的碳排放系数值为0.67, 日本能源经济研究所参考值为0.68, 美国能源部能源信息署参考值为0.69, 本文取均值1kg标准煤的碳排放系数为0.68进行计算。通过数据整理和转换得到碳排放Y, GDP X1, 第二产业总产值X2, 人均收入X3, 能源工业投入X4, 房屋竣工面积X5。对数据进行多元线性回归, 回归结果显示VIF数值大于10, 即表明存在严重的多重共线性, 多重共线使得检验的可靠性降低。因此本文采用岭回归的方法, 岭回归能够解决多重共线带来的估计量方差变大问题, 使回归系数回归实际。

根据岭回归结果, 我们保留三位小数可以得到如下关系式:Y=0.209X1+0.213X2+0.201X3+0.195X4+0.014X5, 其拟合优度为92.3%, 回归方程拟合度很好。此关系表明:GDP每增加1亿元碳排放增加0.209万吨, 第二产业总产值每增加1亿元碳排放增加0.213万吨, 人均收入每增加1元碳排放增加0.201万吨, 能源工业投入每增加1亿元碳排放增加0.195万吨, 房屋竣工面积每增加1平方米碳排放增加0.014万吨。

三、河北省减少碳排放对策建议

1. 提升清洁能源使用比例, 加快推广低碳技术。

河北省清洁能源使用比例偏低, 承德和张家口地区应当充分利用其区位的能源优势, 提升风能的利用效率;借助保定低碳城市的探索与经验, 加快推广太阳能清洁能源技术, 提升太阳能使用效率, 加快太阳能设备的推广;同时河北省在践行低碳经济时, 还应当加快低碳技术的研发和推广, 将科研院校低碳技术研究成果应用到生产实践中。

2. 加快调整产业结构。

在河北省碳排放影响因素分析中, 单位GDP和工业生产对于碳排放量影响较大, 这说明河北省经济转型和产业升级迫在眉睫。河北省当前应当逐渐降低工业生产中高能耗产业份额, 抑制高污染企业生产发展, 逐步淘汰落后产业和高耗能产业, 加大对新兴战略产业和低碳产业扶持力度, 引导产业升级和转型。第三产业是一个相对低碳的产业, 河北省应当加快第三产业的发展, 这样不仅可以引导第二产业过剩的劳动力顺利转移到第三产业, 还可以加快低碳产业布局的形成。

3. 倡导绿色低碳生活与消费。

倡导居民低碳绿色生活是从源头上降低碳排放, 消费者是产品和服务价值实现的最终环节。同时绿色低碳消费能够引导和带动企业进行绿色投资, 带动低碳产业的发展。因此, 河北省应当通过各种方式和途径宣传引导低碳生活和消费, 改变传统消费模式, 提升全民绿色低碳消费意识, 在全省范围内形成绿色低碳消费和生活氛围, 鼓励消费绿色低碳产品, 倡导绿色低碳出行。

4. 鼓励清洁能源和低碳建筑方面的投资。

能源工业投资主要是指对煤炭工业、石油、天然气工业和电力工业的投资。根据河北省碳排放因素分析得出, 能源投资的增加之所以导致碳排放量与第二产业碳排放强度并肩, 是因为河北省对于清洁能源的投资力度较小, 因此河北省应当鼓励投资者向清洁能源领域进行投资。

钢筋、水泥生产过程中产生了大量的碳排放, 同时楼宇房屋建设占用了吸收碳的植被用地, 增加了建筑行业净碳排放量。为了降低建筑行业碳排放, 河北省应当借鉴国内外低碳建筑经验, 着手建立起一套低碳建筑建设标准, 鼓励推广低碳建筑, 加快引导低碳建筑的投资, 转变传统建筑投资和建设模式, 实现建筑自身内部循环, 减少碳排放。

参考文献

[1]武红, 谷树忠, 周洪, 等.河北省能源消费、碳排放与经济增长的关系[J].资源科学, 2011 (10)

云南生活碳排放的影响因素分析 第8篇

关键词：人口,消费,生活碳排放,STIRPAT扩展模型,偏最小二乘回归

引言

目前,由于二氧化碳导致的全球变暖引起了世界各国的关注。作为一个生态大省云南省是著名的植物王国和动物王国,在全球变暖的过程中,20092012 年云南省经历了百年不遇的旱灾,其生存和发展的环境受到了严重的威胁。但是,近年来发达国家的统计数据显示,居民生活消费中直接与间接能源消耗已超过产业部门,成为碳排放的主要增长点。但对于云南来说面临着几个特殊问题:工业化水平不高,正处于工业化的加速进程中;云南省是少数民族聚集区,人口在急剧增加,碳排放会随着人口规模和工业化水平的提高而不断增加。面对生存环境受到严重的威胁,近年来云南提出要发展低碳经济,建立能源有效利用、环境美好和经济持续发展的低碳省份。如何在现有条件下实施节能减碳,本文从云南居民生活消费的直接能源消耗产生的碳排放简称生活碳排放出发,研究云南居民生活碳排放的规律,对于促进居民可持续消费、寻找新的节能减碳途径都具有十分重要的意义。

一、研究方法

(一)建立模型

在环境研究中,多采用扩展的STIRPAT模型,本文考虑到数据的可获取性与变量之间的关系,研究中选取了国内外常用的几个社会经济指标:年末人口数、人口城市化率、人均消费支出以及能源结构作为解释变量。在各种能源中,一次电力(云南省主要是水电)不排放,和所有的化石能源有明显差异,因此碳排放影响因素模型中的能源结构用水电占生活能耗的比重表示。根据居居民生活消费的直接能源消耗对二氧化碳排放进行测算,并把它作为被解释变量进行回归分析。记为I生活碳排放,Ps为人口规模,Pt为人口城市化率,A为人均消费额,T为能源结构,则生活碳排放影响因素的STITPAT模型为:

(二)数据来源与测算

对于云南省而言,由于云南地处热带和亚热带交界处,且大部分地区位于海拔较高的云贵高原上,形成了复杂多样的气候。就全省而言,大部分地区气候温润,冬夏温度差别不大,因此云南大部分地区不需供暖(热力供应)和制冷,为云南省居民的生活节省了不少能耗。因此,计算云南省居民的生活能耗碳排放,关键是电力排放的计算。云南电力的构成主要包括火电和水电,而且云南的水电占比是全国最高的。由于水电不产生碳排放,因此电力的排放实际上是火电的排放。火电的排放可按在生产过程中消耗的煤炭、石油和天然气数量简单计算,虽然火电生产过程中也消耗了部分其他能源,主要是秸秆、沼气等非化石能源,由于这部分能源占比很小,而且缺乏相应的参数,因此这部分碳排放忽略不计。通过以上介绍的方法,根据IPCC清单中的碳排放系数,结合《中国能源统计年鉴》中各种能源的平均低位发热量,可以计算得到各种能源的CO2排放系数。最终可计算云南生活碳排放总量,并收集汇总人口和消费数据进行分析研究。

二、实证分析

本文在变量选取上有明显的共线性,解决多重共线的方法有很多种,如主成分分析,岭回归,偏最小二乘法等,本文采用单因变量偏最小二乘方法拟合模型。偏最小二乘法是集主成分分析、典型相关分析和多元线性回归分析三种分析方法的优点于一身,可以有效解决变量内部高度线性相关的问题,而且在偏最小二乘法中,每一个自变量的回归系数将更容易解释。单因变量偏最小二乘通过计算交叉有效性Q2h来选取主成分个数,当Q2h≥0.0975 时,引进新的主成分th(th是偏最小二乘回归过程中提取的成分)会对模型的预测能力有明显的改善作用。对(1)式进行偏最小二乘回归计算交叉有效性结果由于Q23<0.0975,所以,选择h=2,即采用两个成分做偏最小二乘回归模型,预测效果最好。最终拟合得到的标准化偏最小二乘回归方程为:

对应的原始数据的回归方程为:

从(2)式可知,在该模型下云南省生活碳排放的4 个解释因素按其影响比重大小依次为:人均消费(0.636),能源结构(-0.367),城市化率(0.321)和人口规模(0.288)。说明居民消费水平已经成为影响生活碳排放增长的主要因素,几乎是其他三个因素的2 倍,人口总量的增加和城市化进程也直接加剧了生活碳排放的增加,而清洁能源所占比重的增加有效的减缓了生活碳排放的增加。

从生活碳排放的数据看,云南生活碳排放量从2000 年的1 544.52 万吨增长至2011 年的2 380.24 万吨,增幅约为0.54 倍,年均增长率为3.67%。居民消费水平作为衡量一个居民富裕程度的重要指标,从云南居民的人均消费来看,20012011 年间,居民的消费水平持续增高,从2 243.92 元增涨到8 251.87 元,涨幅约为2.68,年增长率为11.5%。由于居民财富的增加,极大地促进了人们的消费欲望,而消费的增加直接促进了生活能源消费的增加,二氧化碳的排放量也会随之增加。

从能源结构来看,20002011 年云南清洁能源占生活消费总能源的比重总体呈增长趋势,随着清洁能源使用比重的增加二氧化碳排放量明显地减缓,并有下降的趋势。从数据看,2005 年清洁能源占生活消费总能源的比重达到54%,同时2005 年以后的几年中生活碳排放量都在2 000 万吨左右,增长速度明显减慢。而且20052011 年清洁能源占生活消费总能源的比重都在50%以上,这是减缓碳排放增长的重要因素。

城市化率是城市化的度量指标,在此模型中主要反映云南省由于人口结构的变化而引发居民消费行为变化对生活碳排放的影响。20002011 年,云南省人口的城市化率从21.24%增涨到36.8%,年均增长率为4.69%。城市化率的提高实际上反映了居民整体消费水平的提高,从而促进了生活碳排放的增加。

结论与政策建议

用偏最小二乘对模型估计的结果表明人口规模,城市化率,人均消费和能源结构对生活碳排放都有显著的影响,随着工业化的加速人均消费已经成为生活碳排放增长的主要因素,同时人口规模的扩大和城镇化进程中也直接加剧了生活碳排量的增加,在清洁能源使用比重增加的过程中有效地限制了碳排放的增加。

汽车排放超标的原因及影响因素分析 第9篇

关键词：汽车排放,生成机理,影响因素

1 点燃式发动机排放污染物生成的影响因素

1.1 混合汽浓度的影响

CO的排放量基本上完全取决于混合汽浓度。混合汽越稀, CO的排放量越小;反之则反。HC与CO不同, 在一定范围内, 混合汽越稀, HC的排放量越少, 但混合汽过稀时 (空燃比A/F超过18时) , HC的排放量会大幅上升, 因为此时火焰传播比较困难, 甚至会发生断火现象。混合汽较浓时, HC排放也会升高, 这是由于燃料的不充分燃烧导致的。混合汽浓度对NOX的排放也会产生巨大影响, 当混合汽浓度在理论值附近且稍微偏小一些时, 氧气相对充足造成NOX排放也最高。混合汽浓度偏离该区域, 由于燃烧温度下降, NOX排放也随之降低。

1.2 点火时间的影响

推迟点火时间, HC的排放量将减少, 这是因为点火时间被推迟后, 在燃烧室内的燃烧时间将缩短, 未燃燃料进入排气管后继续燃烧, 使排气温度上升, 促进了HC在排气管中的后氧化。虽然推迟点火时间可以使HC的排放量有所下降, 但这种下降会使发动机功率降低, 燃油消耗量也随之增加。一般情况下, 点火时刻对CO排放影响不大, 但是点火过迟, CO排放也会有所升高, 这是由于燃料燃烧时间过短, 氧化反应不够充分所致。点火时间提前, 燃烧温度会上升, 因此, 加大点火提前角会使NOX的排放量增加。

1.3 节气门开度的影响

怠速时, 节气门几乎完全关闭, 进气量很小, 燃烧室中残余废气所占的比例较大, 为了维持发动机稳定运转, ECU系统所提供的新鲜混合汽浓度一般偏大, 因此, CO排放量较高。同时, 由于火焰的稳定性较差, HC排放浓度也较高;但由于怠速时的燃烧温度较低, 因而NOX排放的浓度也较低。

节气门开度由怠速位置逐步增大时, 燃烧室中残余废气所占的比例逐步变小, ECU系统所提供的混合汽逐步变稀, CO、HC排放的浓度随着燃烧情况的逐步改善而逐步下降, NOX排放的浓度则随燃烧温度的逐步上升而逐步增大, 三种有害气体的排放总量则都随排气量的逐步增大而增多。当节气门开度超过80%左右时, ECU系统所提供的混合汽浓度会增大, 燃烧温度也会进一步升高, 因此, CO、HC、NOX的排放浓度及总量都会进一步升高。

1.4 发动机负荷的影响

在相同转速下, 发动机负载的大小不同, 所对应的节气门开度、进气总量及混合汽的浓度都会有所不同。空载或轻载时, 较小的节气门开度和进气总量就可以维持这样的转速, CO、HC、NOX排放的总量也就相对较小;重载或满载时, 维持这样的转速则需要较大的节气门开度和进气总量, CO、HC、NOX排放的总量也就相对较大。

1.5 加减速的影响

急加速时, ECU系统所提供的混合汽浓度会短时增大, CO、HC、NOX排放的总量也会随之短时增多;急减速时, ECU系统一般会短时切断燃料供给, CO、HC、NOX排放会短时下降。缓慢加减速则不会产生上述效果, CO、HC、NOX排放的变化规律则符合“节气门开度的影响”和“发动机负荷的影响”。

1.6 水温的影响

水温的高低会对混合汽浓度产生直接的影响, 因而会对CO、HC排放产生间接影响。水温过低时, ECU系统所提供的混合汽浓度增大, CO、HC排放都会增多;水温过高时, 燃烧温度的上升则会导致NOX排放的升高;水温在正常范围以内时, CO、HC、NOX排放的变化规律则符合上述“混合汽浓度的影响”、“点火时间的影响”、“节气门开度的影响”、“加减速的影响”和“发动机负荷的影响”等。

1.7 残余废气的影响

残余废气过多, CO、HC排放都会增大, 但NOX排放会相应减少;残余废气较少, CO、HC排放都会较少, 但NOX排放会相应增大。

1.8 压缩压力的影响

压缩压力增大, CO、HC排放都会减少, 但NOX排放会相应增大;压缩压力不足, CO、HC排放都会增大, 但NOX排放会相应减少。

2 检测方法对检测结果的影响

怠速法、双怠速法是在怠速及高怠速条件下检测CO、HC的排放浓度 (此时的NOX排放较少, 对其检测没有意义, 因此不需要检测NOX排放的浓度) , 而浓度值并不能代表其排放的总量, 即使此时它们的排放浓度较大, 但由于排气总量较小, 加上汽车在运行状态下, 怠速运转的时间未必很长, CO、HC排放的总量未必较大, 所以, 怠速法、双怠速法的检测结果并不能反映汽车在运行状态下真实的排放情况。

排放影响因子与碳足迹研究述评 第10篇

“低碳经济”概念最早正式出现在2003年2月24日的英国能源白皮书《我们能源的未来:创建低碳经济》中, 该白皮书指出低碳经济是通过更少的自然资源消耗和更少的环境污染, 获得更多的经济产出, 是创造更高的生活标准和更好的生活质量的途径与机会, 它也将为开发、应用和出口先进技术创造机会。白皮书虽然提出了低碳经济的概念, 但没有进行严格的界定, 而在其后的巴厘路线图中, 这一概念被进一步肯定[1] 。目前被广泛引用的是英国环境专家鲁宾斯德的阐述:低碳经济是一种正在兴起的经济模式, 其核心是在市场机制的基础上;通过制度框架和政策措施的制定和创新, 推动提高能效技术、节约能源技术、可再生能源技术和温室气体减排技术的开发和应用, 促进整个社会经济朝向高能效、低能耗和低碳排放的模式转型。

在全球气候变暖的背景下, 低碳经济已经成为当前国际社会关注的热点问题。低碳经济是通过更少的自然资源消耗和更少的环境污染, 获得更多的经济产出[2] 。随着低碳技术和低碳理念的推进, 以“低碳”为标志的绿色行动将彻底改变人类社会的生产方式和生活方式。碳排放的相关研究作为发展低碳经济的核心问题, 也受到科研人员的重视。本文拟对国内外学者关于碳排放因子与碳足迹的相关研究进行分类梳理和总结, 分别从不同产业、不同区域、不同国家的碳排放差异以及碳足迹四个角度来进行归纳总结和分析。

二、碳排放影响因子研究及其展望

现有的文献分别从国家、省域、城市和家庭四个层面, 探讨影响碳排放因素的问题, 采用的研究方法主要是统计学和计量经济学等, 在此基础上来提出相应的减排策略。在国家层面, 何建坤和刘滨 (2004) 对作为温室气体排放衡量指标的碳排放强度进行的分析。作者利用历史统计数据, 定量研究了碳排放强度下降率与GDP的增长率、碳排放增长对GDP的弹性、能源消费强度以及能源消费的碳强度等相关关系。对处于不同经济发展阶段国家的碳排放强度以及碳排放强度下降率进行了规律性分析, 从而得出结论, 以碳排放强度作为各国减缓气候变化贡献的衡量指标, 对于发展中国家而言, 可以承认和反映其对减缓气候变化的贡献;对发达国家来说, 则不能只谈这一单一指标, 而必须将碳排放强度的下降率大于GDP增长率作为重要基准[3] 。

张德英 (2005) 对中国工业部门碳源排碳量估算办法的研究。通过详细分析工业部门的排碳方式后发现, 其排碳量不仅与其生产方式、能源利用强度等有密切联系, 还与经济系统中的科技、投资、人口等一些相关要素间接相关, 而这些要素 在经济系统中又是相互影响的。因此, 作者用系统仿真的办法对其排碳量进行估算并在分析工业部门碳源及排碳系统要素间的反馈互动机制后, 利用复杂系统综合集成的建模方法建立工业部门排碳模型, 采用系统仿真的办法, 达到对排碳量估算及预测的目的, 最后通过模型在钢铁行业的成功应用来验证该方法对于工业部门的排碳量估算是行之有效的[4] 。

徐国泉等人 (2006) 基于碳排放的基本等式, 采用对数平均权重Divisia分解法, 建立中国人均碳排放的因素分解模型, 定量分析了1995-2004年间, 能源结构、能源效率和经济发展等因素的变化对中国人均碳排 放的影响, 结果显示经济发展对拉动中国人均碳排放的贡献率呈指数增长, 而能源效率和能源结构对抑制中国人均碳排放的贡献率都呈倒“U”形, 这说明能源效率对抑制中国碳排放的作用在减弱, 以煤为主的能源结构未发生根本性变化, 能源效率和能源结构的抑制作用难以抵销由经济发展拉动的中国碳排放量增长[5] 。

胡初枝等人 (2008) 对中国碳排放特征及其动态演进进行分析。本文基于EKC模型, 采用平均分配余量的分解方法, 构建中国碳排放的因素分解模型, 定量分析了1990-2005年经济规模、产业结构和碳排放强度对碳排放的贡献, 即规模效应、结构效应和技术效应。结果表明, 经济增长与碳排放之间呈现出“N”型关系, 经济规模对碳排放变动具有增量效应, 这是推动碳排放增加的主要因素;由于不同产业之间碳排放差异性越来越大, 产业结构调整对碳排放具有一定的减量效应, 但抑制作用并不明显, 产业结构仍有待优化;技术效应波动性较大, 总体上具有正效应, 从减少碳排放角度来看, 现行技术对降低碳排放并未发挥优势[6] 。

朱勤等人 (2010) 对中国1980-2007年碳排放情况的统计实证结果表明, 扩展的STIRPAT模型对中国国情有较高的解释力。居民消费水平、人口城市化率、人口规模三个因素对我国碳排放总量的变化影响明显;现阶段我国居民消费水平与人口结构变化对碳排放的 影响力已高于人口规模变化的影响力, 居民消费水平与消费模式等人文因素的变化有可能成为我国碳排放的新的增长点;技术进步因素在此模型中对我国该阶段碳排放的解释力有限, 表明我国未来通过技术进步减缓碳排放的潜力巨大[7] 。

在国外, Soytas等人 (2007) 则通过格兰杰检验的方法研究了美国碳排放量、能源使用和国民收入之间的长期变化状况, 结果表明对美国碳排放量提高的主要原因是能源的使用数量[8] 。Dalton等人 (2008) 采用PET模型进行研究, 结果表明:人口越多, 碳排放量就越多, 而且人口结构对碳排放量也有影响, 随着世界人口转型, 人口老龄化现象逐渐凸显, 发达国家将在2020年前后进入老龄化社会, 人口老龄化因素会降低碳排放量这一效果与技术变革的效果相当[9] 。

在省域层面, 查冬兰和周德群 (2007) 基于Kaya因素分解, 引入Theil指数和Kaya因子, 利用绝对差异法、相对差异法和基尼系数对我国28个省区1995-2005年间能源利用效率的差异性进行了比较。结果显示各省市区能源利用效率存在趋同现象;Theil指数表明2003年后人均CO2排放差异性在减弱, Kaya因子中贡献最大的是能源强度指标其次是人均GDP, 碳排放系数贡献相对较小;八个经济区间的差异要大于经济区内部的差异, 且一直占据主导地位[10] 。王伟林和黄贤金 (2008) 以江苏省为例, 进行的区域碳排放强度变化的因素分解模型及实证分析。通过分解模型从横向和纵向两个方面分析了影响碳排放强度变化的因素。研究表明江苏省碳排放强度变动由行业碳排放强度和行业产出份额共同作用。相对于行业产出份额, 行业碳排放强度对整个社会碳排放强度变动影响更大[11] 。

刘燕娜等人 (2008) 基于1994-2008年的时间序列统计数据, 采用对数平均权重Divisia分解法将影响福建省碳排放的因素分解为能源结构因素、能源排放强度、能源效率和经济发展, 建立福建省人均碳排放的因素分解模型, 定量衡量各因素对福建省人均碳排放的贡献大小, 得出经济发展是福建人均碳排放最大的拉动因素, 能源效率是抑制福建人均碳排放最重要的因素, 而能源结构对福建人均碳排放的影响相对较小但今后贡献可能增大等结论[12] 。苏方林等人 (2010) 采用加权最小二乘法与向量自回归方法, 对比性建立了广西碳排放量及影响因素间关系的实证模型, 并进一步利用脉冲响应函数和方差分解探索影响系数大小和时期变化规律。研究表明, 广西碳排放量对经济增长状况和产业结构的冲击反应十分敏感, 能源价格、人均收入水平和外商直接投资随时期变化的响应比较稳定;各变量影响系数在短期和长期存在差异;单位根检验、格兰杰因果检验及协整检验发现碳排放量与各影响因素间存在一种长期均衡稳定的关系[13] 。

在城市层面, 梅建屏等人 (2009) 对基于不同出行方式的城市微观主体碳排放进行了研究。作者从城市微观主体的角度出发, 通过构建城市微观主体碳排放评测模型, 探讨了城市微观主体土地利用模式对碳排放的影响。并以南京市某单位为例, 采用交通周转量与连续逼近法, 对研究单位园区间流通带来的碳排放进行了评测。结果表明, 交通方式的选择对碳排放量的影响较显著, 不同交通方式的碳排放量由少到多排序为:城市公交、综合交通、单位通勤、私人轿车[14] 。

对于家庭层面, 叶红等人 (2010) 对城市家庭能耗直接碳排放的影响因素展开研究, 作者认为, 家庭能耗碳排放是城市碳排放的一个组成部分, 分析它的各种影响因素对于控制它对局域乃至全球气候变化的负面影响具有重要的意义。文章以厦门岛区为例, 通过社会问卷设计和调查, 应用数理统计方法对最终收回的340份有效问卷进行城市家庭能耗的影响因子分析, 结果表明2007年厦门岛区平均家庭能耗直接碳排放量为1 218.2kg, 电力消耗直接碳排放是厦门岛区主要的家庭能耗直接碳排放方式, 电力消耗直接碳排放量是瓶装液化石油气与代用天然气使用直接碳排放总量的近5倍。通过单因素方差分析与多元逐步回归方程得到, 与住区自然环境与家庭耗能倾向相比, 家庭社会情况是影响家庭能耗直接碳排放最为重要的因子, 其对家庭能耗直接碳排放变化的解释能力为17.9%。通过主成分分析得到, 家庭住宅面积对家庭能耗直接碳排放的影响最为显著, 家庭住宅面积对公共因子的贡献率达到了0.829[15] 。

从上述学者们的研究成果可以看出, 尽管不同研究视角下碳排放的影响因子不尽相同, 但都可以通过分析找到有效的措施进行减排, 发展低碳经济。现有的研究对国家和省域层面的研究结果较为丰富, 而城市和家庭层面的碳排放相关研究还比较薄弱, 这应该引起学者们的下一步关注。另外, 从研究方法看, 大都采用统计学和计量经济学的定量研究方法, 在方法学上还比较单一, 需要将更多的成熟方法 (包括多种方法的综合) 应用于本领域的研究, 如复杂系统理论, 碳排放问题是一个复杂的社会和经济问题, 完全可以采用复杂系统的相关理论和方法进行研究, 系统性地分析这些影响因子, 从而更有利于我们把握碳排放的影响因子及其相互间的动态关系。

三、碳足迹研究及其展望

碳足迹 (Carbon Footprint) 一词是由生态足迹 (Ecological Footprint) 一词衍生而来, 它是对某种活动引起的 (或某种产品生命周期内积累的) 直接或间接的CO2排放量的度量。BP公司 (2007) 认为, 碳足迹是指人类日常活动过程中所排放的CO2总量。Global Footprint Network公司 (2007) 认为碳足迹是生态足迹的一部分, 可看作化石能源的生态足迹。碳足迹揭示了终端消费领域人类活动对于全球气候变化的影响, 是碳排放研究从生产层面转向消费层面的重要标志。开展碳足迹研究可以揭示人类终端消费活动导致的碳排放以及消费能力、消费结构与碳足迹的关系[16] 。聂祚仁 (2010) 指出, 碳足迹的计算对碳减排有着重要的指导意义。对于政府、企业而言, 确定碳足迹是减少碳排放行为的第一步, 它能帮助企业辨识自己在产品生命周期中主要的温室气体排放过程, 以利于制定有效的碳减排方案。而在方案制定过程中, 根据碳足迹的分析结果, 还可以预测拟采用的减排措施会对目前的温室气体排放情况的影响, 从而实现对不同拟减排措施的择优与改进。企业还可以通过碳足迹的计算宣传自己的碳减排行动。而对于公众而言, 碳足迹更注重从个体的角度看待碳减排, 有意让公众认识到减少碳排量不仅仅是政府、企业等组织的行为, 更且是每个公民的责任[17] 。

在国家和省域层面, 岳超等人 (2010) 在简要评价碳排放预测方法和模型的基础上, 对中国2050年的碳排放量进行的预测, 结果表明中国2050年碳排放量最佳可能范围为2.4-3.3Pg/a;人均碳排放量为1.7-2.3t。最佳可能上限预测的碳排放量峰值年为2035年, 碳排放量峰值为4.4Pg/a, 人均碳排放量峰值为3.0t。2006-2050年中国累计碳排放总量的最佳可能范围为102-156Pg, 人均累计碳排放量为71-109t。人均累计排放最佳预测上限低于美国同期累计人均排放, 与发达国家同期累计人均排放相差不大, 但在1850-2005年, 中国累计人均排放分别是发达国家和美国的约1/10和1/20。这些表明就人均累计排放而言, 中国与发达国家间仍然有较大的差距[18] 。

赵荣钦等人 (2010) 采用2007年中国各省区不同产业各种能源消费等数据, 通过构建能源消费碳排放和碳足迹模型, 对各省区化石能源和农村生物质能源的碳排放量进行了估算;建立了不同产业空间与 能源消费碳排放的对应关系, 将产业活动空间分为农业空间、生活与工商业空间、交通产业空间、渔业与水利业空间、其他产业空间等五大类;对各省区不同产业空间碳排放强度和碳足迹进行了对比分析。得出如下结论: (1) 中国2007年能源消费碳排放总量为1.65Gt, 其中化石能源碳排放占89%; (2) 2007年中国产业空间碳排放强度为1.98t/hm, 其中, 生活及工商业空间、交通产业空间的碳排放强度较高, 分别为55.16t/hm和49.65t/hm; (3) 2007年中国产业空间碳足迹为522.34106hm, 由此造成的生态赤字为28.69106hm, 这说明中国的生产性土地面积不足以补偿产业空间的碳排放, 补偿率约为94.5%。各地区碳足迹差异明显, 不少省份甚至存在生态盈余。总体而言, 从产业活动空间的角度来看, 中国目前的碳赤字不大; (4) 全国产业空间单位面积碳足迹为0.63hm/hm, 其中生活与工商业空间的碳足迹最大, 为17.5hm/hm。不同产业空间单位面积碳足迹大都呈现从东到西逐渐下降的趋势[19] 。

孙建卫等人 (2010) 结合IPCC的清单方法对中国1995-2005年碳排放进行了核算, 以区域投入产出分析为基础, 对生产满足国民经济最终消费的产品 (服务) 量所需要的直接或间接碳排放量进行核算, 并对碳排放足迹及各部门之间 的碳关联进行了分析。获得结论如下: (1) 中国2002年碳排放足迹为176 528.10万t, 人均碳足迹为1.37426t/人, 其中大部分源于国内最终使用的排放; (2) 从足迹类型上看, 中国属于价值量顺差与碳排放足迹逆差共存型, 即碳排放净输入国。贸易额增长对碳排放足迹的增加有较大的促进作用; (3) 制造业、电力、热力行业与农业的排放足迹占到了总排放足迹的80%以上, 是对碳排放依赖程度较大的产业部门; (4) 足迹影响力分析显示, 电力、热力行业占据了碳排放足迹需求的强势地位;足迹感应力分析表明, 国民经济及其相关产业对电力、热力行业和制造业碳排放的拉动力最大[20] 。

在交通领域, Piecyk等人 (2010) 通过大规模德尔菲调查, 将货运需求的影响因素, 汽车燃料消耗和二氧化碳排放分为六个类别, 进而评估2020年公路货物运输的碳排放[21] 。Brand等人 (2010) 提出了一个新的战略运输、能源、碳排放和环境影响模型 (UKTCM) , 它包含一序列涉及社会经济、能源需求减少政策影响、生命周期内的碳排放和外部成本等的运输-能源-环境问题, 并通过三个简单政策和一个政策体系来证明模型的可行性, 从而为低碳运输政策的制定提供理论支持[22] 。Smith (2010) 鉴于爱尔兰电力供应系统的效率和碳排放强度, 从增加运输部门电气化, 采用插入式混合动力电动车等来降低能源需求和碳排放[23] 。Conway (2008) 就航空货运业在供应链中的“碳排放”进行的研究, 结果表明航空货运业中消除因空管延误而产生的碳排放约占12%, 用新机型替代老机型, 并使用合成燃料, 改进飞机的设计, 比如使用后置、开式转子发动机可以大幅度提高飞机的燃油效率[24] 。

在国内, 朱松丽 (2010) 对北京、上海城市交通能耗和温室气体排放进行的比较, 作者以不同燃料驱动的不同类型车辆的保有量、年均运营距离、能源强度及排放强度为主要参数定量计算2005年两市的城市交通能耗和CO2排放量。结果发现两市城市交通能耗总量接近, 但上海市的能耗强度和温室气体排放强度略低于北京市, 这归功于机动车总量控制政策、公共交通优先发展以及广泛使用的非机动交通。但是, 近几年上海城市交通的碳排放强度有明显上升趋势, 两市的差距可能逐渐减小。最后, 就两市在公共交通 (尤其是出租汽车) 、非机动交通等方面的发展政策给出建议[25] 。胡莹菲等人 (2010) 对厦门城市交通系统碳足迹评估的研究。作者以厦门市为研究案例, 介绍了厦门市快速公交系统的发展情况, 着重计算比较了不同公交出行方式的碳排放情况。研究表明, 按照同样的能源需求增长率, 优化交通模式可获得较优的减排效果。乘坐快速公交出行, 每位乘客所产生的碳足迹明显低于乘坐普通公交出行的乘客。文章还指出在城市公交系统建设过程中, 推广快速公交系统是气候变化适应性政策有效的技术手段[26] 。另外, Sundarakani等人 (2010) 建立了基于长范围拉格朗日函数和欧拉流方法的分析模型来研究供应链中的碳足迹问题, 结果表明跨阶段的供应链会对二氧化碳排放可构成重大威胁, 在设计供应链阶段应仔细注意, 从而促进绿色供应链管理[27] 。

在产品层面, 一份受惠普公司委托而开展的研究发现, 数字印刷机的碳足迹要远远小于胶印机[28] 。英国政府在2008年10月发布了世界上第一个衡量产品碳足迹的标准《商品和服务生命周期温室气体排放评估规范》 (简称PAS2050 ) , 它主要用以计算产品和服务在整个生命周期内 (包括原材料获取、产品分销、使用和废弃后的处理) 温室气体的排放量[29] 。国外已经有专门的企业致力于产品碳足迹的计算和咨询, 如英国碳信托公司, 并且开始逐步形成碳标识市场, 例如可口可乐、雀巢、乐购等企业已经在其产品中进行碳标识。

从上述学者们的研究成果可以看出, 碳足迹的研究侧重于宏观层面和具体的某些领域, 这有利于从宏观上把握一个国家或者行业碳足迹的基本情况, 从而为低碳政策的出台奠定基础, 因此, 下一步的研究应该会从多个不同的行业角度来展开研究, 从而获得不同行业的碳足迹信息;从产品层面看, 碳足迹的研究是建立碳标识市场的前提, 具有广阔的市场前景, 在低碳经济发展迅速的国家已经开始建立相应的碳足迹核算标准, 并在企业推广碳足迹标识, 国内学者和相应机构应该在借鉴国外相关研究的基础上, 尽早出台适合我国国情的不同行业的产品碳足迹核算标准。

四、结束语

遏制气候变暖, 拯救地球家园, 是全人类共同的使命, 在缓解气候危机, 保持全球经济正常发展的基础上, 如果能够制定出切实有效的低碳减排政策, 对低碳经济的发展会有很大帮助, 而低碳经济的发展, 则会促进未来经济的正常平稳发展。鉴于低碳经济领域的研究成果涌现, 限于篇幅, 本文只总结了低碳经济下碳排放影响因子与碳足迹的一些最新研究成果, 还有很多的相关领域未能全部涉及。理论要联系实际, 所有的研究成果以及建议是需要全社会共同行动的, 每一个人应该从自己做起, 提倡低碳生活, 发展低碳经济, 保护全人类共同的家园。

摘要：低碳经济在全球气候变暖的背景下已经成为国际社会关注的热点问题, 碳排放作为发展低碳经济的重要问题之一更加受到全社会的重视。本文分别从国家、省域、城市和家庭层面回顾影响碳排放因素的相关文献, 从国家和省域层面、交通领域层面和产品层面分析碳足迹的现有研究和应用, 并对未来的研究方向和应用进行展望。

排放影响 第11篇

关键词碳排放；排放系数；能源消费；省级尺度

中图分类号F062.2 文献标识码A

Empirical Research on Provincial Differences

and Factors of Carbon Emissions in China

LIU Yiwen1，2，ZHAO Like1，HU Zongyi1

（1. The Postdoctoral Mobile Research Station of Management Science and Engineering，Hunan University，

Changsha，Hunan410082，China； 2.College of Finance and Statistics，Hunan University，Changsha，Hunan410079，China）

AbstractThis paper made a detailed estimate of carbon dioxide emissions in China’s 30 provinces（cities， districts） from 1997 to 2011， by the method of IPCC（Intergovernmental panel on Climate Change）（2006） and the national coordination committee on climate change and the national development and reform commission energy research institute （2007）. The analysis shows that carbon dioxide emissions of the provinces （municipalities and autonomous regions） show a rising trend with marked differences between different regions， Gnerally speaking，carbon dioxide emissions presents a feature in descending order from east to west， i.e.， carbon dioxide emission in the eastern region is the maximum， followed by the central region， and is the least in the western region. And the absolute amount of carbon dioxide emission in the eastern region is much higher than those in the central and western regions. The main factors affecting the carbon dioxide emissions is industrial structure and economic development， energy consumption structure and export trade is not significant.

Key wordscarbon emission； emission coefficients； energy consumption； provincial scale

1 引言

改革开放以来，我国经济保持了30多年的高速稳定增长，各方面都取得了举世瞩目的丰硕成果，人民的生活水平得到迅速提高.2010年我国的国内生产总值超过了日本，位居世界第二位，成为了全球第二大经济体.我国国内生产总值从1978年的3 645.2 亿元迅速上升到2012年的516 282.1亿元，大约增长了140.6倍，年均国内生产总值增长速度超过10%.然而经济取得巨大进步的同时，也应该看到我国为此付出的巨大能源环境代价1.由于我国是高投入、高消耗、高污染的粗放型经济增长方式，导致了各种能源的大量消费和各种污染物及温室气体的大量排放.据统计，我国的能源消费总量从2011年的34.80亿吨标准煤增长到2012年的36.17亿吨标准煤，增长幅度达1.37亿吨标准煤，同比增长了3.9%，而与此同时全球的能源消费增量仅仅为2.5%.2009年我国1亿美元的GDP大约消耗能源4 622.9吨油当量，能源消耗强度是德国的5.4倍，日本的4.5倍，美国的2.9倍，巴西的3.3倍，甚至是印度的1.3倍.我国能源消耗强度问题值得引起广泛的重视.同时，高能耗的背后又带来了环境污染的日益严重，其中温室气体的排放状况更是不容乐观.2007年我国二氧化碳排放量达到67.2亿吨，超出美国59亿吨，成为世界头号碳排放国家.以碳排放强度的角度来衡量，即单位GDP产出二氧化碳排放量，我国的碳排放强度远远高于世界发达国家的水平，甚至高于一些发展中国家.有数据统计，2009年我国每万美元GDP的二氧化碳排放量为22.19吨，是德国的8.2倍，日本的8.9倍，美国的5.2倍，巴西的5.3倍，甚至是印度的1.6倍.从这些数据可以看出，我国的二氧化碳排放效率整体上仍然处于较低水平2.

nlc202309051527

作为世界上最大的发展中国家，我国政府在2009年12月的哥本哈根国际气候会议上对全世界作出郑重承诺：到2020年我国单位国内生产总值的二氧化碳排放量比2005年下降40%～50%.而作为世界上最大的碳排放国家，我国的碳减排目标任重而道远.当前，全球都在积极推行“低碳经济”，各国都在努力实现“绿色生产”，力求减少碳排放量.我国政府在“十二五”规划中提出节能减排的约束性目标，即单位国内生产总值能耗要降低16%，而二氧化碳排放要降低17%，主要污染物的排放总量要求减少8%到10%，同时把该目标进一步分解到全国各地区，要求各地区务必坚持绿色、低碳的新型发展理念，把节能减排作为贯彻落实科学发展观、加快经济发展方式转变的一个重要出发点，发展资源节约型、环境友好型的生产消费模式，进而增强自身的可持续发展能力.

一直以来，二氧化碳排放问题作为全球变暖背景下的一个新标识，是国内外众多学者密切关注的重点.由于我国存在严重的区域经济发展不平衡和地区资源禀赋差异，中国各省市地区的碳排放也存在显著差异.要想制定出科学合理且有针对性的节能减排政策，就必须很好地把握中国各省市的碳排放情况，因此有必要对各省市碳排放量进行全面系统的测算.然而，截止目前，我国无论是国家层面的还是省级层面都没有直接公布二氧化碳排放量的官方统计数据，国内外学者的测算研究都是基于对能源消费量的测算.那么，我国各省份二氧化碳排放量到底有多少，哪些因素对二氧化碳的排放产生影响？这些相关影响因素对二氧化碳排放的影响程度又是如何呢？这些问题的解决与否关系到我国节能减排政策制定的科学与否，也关系到低碳战略实施成效的显著与否.节能减排工作的顺利开展，是我国经济社会保持可持续发展的关键.本文参照IPCC（ 2006）以及国家气候变化对策协调小组办公室3和国家发改委能源研究所（2007）4的方法，运用相关方法对各省市地区的碳排放量数据进行估算，比较详细估算了我国30个省市（直辖市、自治区 ） 1997—2011年的二氧化碳排放量.

2各地区碳排放量的测算

考虑到二氧化碳排放的来源比较广泛，除了化石能源燃烧外，在水泥、石灰、电石、钢铁等工业生产过程中，由于物理和化学反应的发生，也会有二氧化碳的排放，而在所有工业生产过程排放的二氧化碳中，水泥大约占56.8%，石灰大约占33.7%，而电石、钢铁生产所占不足10%.为了进一步增强估算的全面性和准确性， 本文不仅估算了化石能源燃烧所产生的二氧化碳排放量， 同时也估算了水泥生产过程产生的二氧化碳排放量.另外，为精确起见，本文进一步将化石能源消费细分为煤炭消费、焦炭消费、石油消费、天然气消费，其中石油消费则更进一步细分为汽油、煤油、柴油、燃料油四类.所有化石能源消费数据都来自于历年《中国能源统计年鉴》.水泥生产数据来自于国泰安金融数据库.

由表2的二氧化碳排放量估算值可以看出我国各省市地区碳排放量基本都呈现上升趋势，地区差异比较明显.为了更好的体现我国二氧化碳排放的地区差异性，将我国30个省（市、区）按照经济发展水平和其地理位置划分为三大区域，包括东部地区、中部地区以及西部地区.具体来讲，东部地区包括北京、河北、天津、辽宁、山东、江苏、上海、浙江、福建、广东和海南这11个省（市）；中部地区主要包括黑龙江、吉林、山西、湖北、河南、湖南、安徽和江西这8个省份；西部地区则包括内蒙古、广西、云南、贵州、四川、陕西、重庆、青海、宁夏、新疆、甘肃、西藏（由于缺乏数据较多，未估算其二氧化碳排放量）这12个省（市、区）.表3显示我国三大区域的碳排放量.

表3的数据反映了我国及东中西部三大区域碳排放量情况.从总体上来看，1997—2011年我国的二氧化碳排放量呈现持续增长的趋势，从1997年的336 565.69万吨增长至2011年的1 066 359.01万吨，增长幅度达到729 793.32万吨，短短15年间排放量大约增长了2.17倍.由图1可以明显看出，在1997—2002年我国二氧化碳排放量处于缓慢增长的阶段，这个阶段我国的二氧化碳排放量年均增长为3.48%.这个阶段产生的原因主要是受亚洲金融危机影响，我国出口贸易缩减，这在一定程度上减少了二氧化碳的排放.从2003年起，亚洲各国陆续走出金融危机的泥潭，我国经济发展加速，但由于我国高投入、高消耗、高污染的粗放型经济增长方式，使得我国这一阶段的二氧化碳排放量处于快速增长期，2003—2007年我国二氧化碳排放量增速达到13.70%.之后我国二氧化碳排放量增速有所下降，2008—2011年增速为9.37%.虽然增长率依旧不低，但是相比于2003—2007年还是呈现下降趋势.这说明我国意识到能源环境的重要性，开始探寻低碳经济路径，为实现绿色生产付出努力.特别是在2008年10月29日我国公布的《中国应对气候变化的政策行动》白皮书，郑重声明了我国应对气候变化问题的积极态度和相关行动，更是明晰了我国未来低碳发展路径.

从表3东中西部三大区域碳排放量情况可以明显看出，我国的碳排放区域差异性是比较显著的.总体来讲，我国二氧化碳排放量呈现由东到西依次递减的规律，东部地区碳排放量最多，中部地区次之，西部地区碳排放量最少.东部地区的二氧化碳排放在绝对量上大大超过中西两大区域.从图2可以看到，这三大区域二氧化碳排放均呈现逐年增长的趋势，且其增长规律均与全国二氧化碳排放量一样，可以分为三个阶段：从1997—2002年三大区域的二氧化碳排放量有升有降，总体来说处于缓慢增长阶段；从2003—2007年，三大区域的二氧化碳排放量均呈现不同程度的增长，整体处于快速增长阶段；从2008—2011年，三大区域的二氧化碳排放量处于增速下降阶段.

图2是我国1997—2011年30个省市地区二氧化碳排放量均值的降序排列图.其中，二氧化碳排放量均值位于全国二氧化碳排放均值的省市地区有：山东、河北、江西、江苏、河南、广东、辽宁、内蒙古、浙江、四川和湖北.排名靠前的前五个省份是山东、河北、江西、江苏和河南，分别占我国二氧化碳排放总量均值的8.71%、8.00%、7.68%、6.21%和5.95%.我国的主要二氧化碳排放大省均为传统工业，能源消费以煤炭为主.二氧化碳排放量排名靠后的五个省份分别是天津、甘肃、宁夏、青海和海南，分别占我国二氧化碳排放总量均值的1.46%、1.44%、0.98%、0.40%和0.30%.

nlc202309051527

图3是我国1997—2011年各省碳排放年均增长率的降序排列图.可以看到，二氧化碳排放年均增长率排名前五的省份是宁夏、内蒙古、海南、福建和山东，其中宁夏二氧化碳排放的年均增长率达到15.36%.宁夏出现较高二氧化碳排放速度的原因与其快速的经济增长密切相关，1997年宁夏的国内生产总值为210.92亿元，2011年为2102.21亿元，增幅达到1891.29，增长了8.97倍.第二产业的产值占国内生产总值的比重由1997年的41.6%增长到了2011年的50.2%，增长了8.6个百分点.快速的经济发展及不合理的产业结构刺激了二氧化碳的高速排放.除了以上二氧化碳排放年均增长率排名靠前的省份外，青海、陕西、广西和新疆的年均增长率也均超过了10%，高于全国8.59%的平均增长水平.排名靠后的五个省份为辽宁、山西、黑龙江、上海和北京，其二氧化碳排放的年均增长率分别为6.47%、6.16%、5.41%、4.32%和1.95%，其中北京二氧化碳排放年均增长率以1.95%位居全国最低.

3我国各省区二氧化碳排放影响

因素的实证研究

影响二氧化碳排放的相关因素很多，比如地理因素、经济发展水平、产业结构、产权结构、能源消费结构、对外开放程度、投资水平、制度环境、城市化水平、能源价格等5-8.考虑到客观条件的限制，在考虑数据可得性基础上，本文构建面板数据模型研究产业结构、出口贸易、能源消费结构、城市化水平、国内生产总值对二氧化碳排放的影响.

在二氧化碳排放量相关影响因素的实证分析中，用Stata软件得出的估计结果见表4.

结果显示，该面板回归模型拟合地较好，回归系数具有较高的显著性，其符号方向与现实情况较为符合.产业结构及国内生产总值对二氧化碳排放量的弹性系数较高，说明二氧化碳对产业结构及国内生产总值的变动比较敏感.第二产业占GDP的比重每增加1%，会使二氧化碳排放量增加0.974 4%，这说明第二产业与碳排放呈现明显的正相关关系，第二产业是二氧化碳排放的主要驱动因素.经济每增长1%，二氧化碳排放量则会增加0.581 2%，这说明经济增长也是碳排放量增多的一个重要因素，二者呈现正相关关系.能源消费结构与出口贸易与碳排放量的弹性系数在1%水平上不显著.

4结论与政策建议

本文参照IPCC（2006）以及国家气候变化对策协调小组办公室和国家发改委能源研究所 （ 2007）的方法，相对客观的详细估算了我国30个省 （直辖市、自治区 ） 的1997—2011年期间的二氧化碳排放量.从数据中可以明显看出，我国各省 （直辖市、自治区 ）的二氧化碳排放量从整体上基本都呈现出上升趋势，地区差异比较显著.总体上来讲，我国的二氧化碳排放量呈现出由东到西依次递减的规律特征，东部地区的二氧化碳排放量最多，中部地区次之，西部地区二氧化碳排放量最少，而且东部地区的二氧化碳排放在绝对量上大大超过中西两大区域.

本文对影响二氧化碳排放的相关因素进行了较为深入的理论分析，主要从经济发展、能源消费结构、城市化水平、产业结构、出口贸易及其他因素等方面.这些因素对二氧化碳的排放及碳排放效率的高低具有十分重要的影响.同时对这些因素的分析对本文实证部分中环境变量的合理选取具有一定的指导性作用，对碳排放效率区域差异化的现状也具有一定的解释作用.

要实现碳减排的目标，就要加快提高碳排放效率.缩小地区间碳排放效率的差距是实现我国整体碳减排目标的一种有效方式. 要缩小碳排放效率的差距，我国的碳减排策略应当有所侧重，实施差异化碳减排策略，而不能采取“一刀切”的做法.缩小省际碳排放效率差距，要重点关注碳排放效率较低的地区的节能减排工程9.实证分析结果可以发现，经济较为发达地区的二氧化碳排放效率普遍高于经济欠发达地区.所以，有必要努力加强各省之间相关节能减排工作的经验交流与技术合作，积极借鉴一些切实有效的节能政策，促进科学高效的管理经验的推广和扩散.西部地区具有自身资源优势，政府要加大对西部地区的开发力度，增加财政资金投入和技术、政策支持，全面统筹区域经济的良好发展，缩小区域差距.对与欠发达的地区要及时提供减排政策指导和资金支持，鼓励、支持和引导其利用自身优势，积极发展先进技术，提高能源利用率，推动碳排放效率的提升，保证其节能工作的顺利有序的开展.对于经济相对发达的省份来说，在节能减碳方面应承担更多的责任，发挥带头作用，引导其他地区碳减排技术的进步，这也是我国区域经济不平衡发展战略的内在要求.碳减排的关键是加强低碳技术的创新和运用，通过激励自主研发和积极同国际技术合作推动可再生能源的开发和化石能源的高效清洁利用.同时，我国要向低碳经济转型，必须建立碳减排的长效机制，积极稳妥地促进经济增长由“高投入、高消耗、高污染”的粗放型方式向“低投入、低消耗、低污染”方式转型.

参考文献

1.胡宗义，刘亦文，黄多.能源消费、碳排放与经济增长的统计分析J..湖湘论坛，2012，25（4）：80-85.

2.刘亦文，胡宗义，戴钰.中国碳排放变化的因素分解与减排路径研究J..经济数学，2013，30（3）：51-56.

3.IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories R.. Kanagawa， Japan： IPCC National Greenhouse Gas Inventory Programmer， 2006.

4.国家气候变化对策协调小组办公室，国家发改委能源研究所.中国温室气体清单研究M..北京：中国环境科学出版社，2007.

5.戴钰，刘亦文.中国城市化发展、能源消费与碳排放的实证研究J.. 经济数学，2013，30（1）：54-59.

6.刘亦文，胡宗义.中国能源消费、碳排放与经济增长的区域差异性研究J.. 经济数学，2012，29（4）：79-85.

7.戴钰.基于分位数回归的二氧化碳排放与经济增长J.. 经济数学，2012，29（3）：74-77.

8.胡宗义，刘亦文，唐李伟. 中国能源消费、碳排放与经济增长关系的实证研究J.. 湖南大学学报：自然科学版，2012，39（7）：84-88.

9.胡宗义，刘亦文，唐李伟.低碳经济背景下碳排放的库兹涅茨曲线研究J..统计研究，2013，30（2）：73-79.

江苏农业碳排放测度及影响因素分析 第12篇

张勇等利用kara恒等式模型对农业碳排放影响因素进行分析, 结果表明, 农业碳排放影响因素主要有:农业经济发展水平、结构因素、效率因素、劳动力规模因素。张小平和王龙飞以甘肃省为例, 研究影响农业碳排放的因素。结果表明, 农业经济发展水平和劳动力因素对农业碳排放的影响是正向的, 而生产效率和产业结构因素则对碳排放有抑制作用。刘立平的研究结果表明, 效率因素、结构因素和劳动力因素对农业碳排放有抑制作用, 而农业经济发展水平是农业碳排放的主要影响因素。李小强和杨果认为, 影响农业碳排放的主要因素有:农业生产资料消耗量、农业劳动力素质、生产效率、农业碳排放强度、农业生产规模。尧波等认为, 生产效率、农业生产结构、劳动力因素、农业经济发展水平、相关政策是影响农业碳排放的主要因素。庞丽将影响农业碳排放的因素归结为:农业经济发展水平、农业能源利用效率、农业内部结构的优化、农业劳动力转移。杨均研究表明, 农业从业人口和农业机械化水平的提高对农业碳排放有正向影响, 而农村人力资本积累有助于减少农业碳排放。

本文运用灰色关联分析法, 定量研究江苏农业碳排放和各个影响因素之间的关系。为政府部门进行农业碳减排方面决策提供有益参考。

二、江苏农业碳排放量的测算

要分析影响江苏农业碳排放量的因素, 先要计算出江苏省农业碳排放量。本文采用投入视角计算江苏省农业碳排放数量。从投入视角来看, 农业碳排放主要来自于六个方面要素的使用:化肥施用;农药施用;农膜使用;柴油使用;土地翻耕;土地灌溉。

其中Ci表示各个碳源量, △i表示碳源排放系数。化肥、农药、农膜、柴油、翻耕、灌溉分别以当年实际使用量、播种面积、灌溉面积为准。

运用上述公式, 经过计算, 得到江苏农业碳排放量如表1。

三、灰色关联模型建立步骤

由于统计数据收集的困难, 使用传统的回归分析方法无法得到准确的衡量效果, 而灰色系统理论是解决信息不完全情况下数据分析问题的科学方法, 弥补了用数理统计方法作系统分析所导致的缺陷, 对于样本量的多少和样本有无规律都同样适用, 而且计算量小, 十分简便, 更不会出现量化结果与定性分析结果不符合的情况, 因此本文采用该模型进行分析。灰色关联分析的建模步骤如下。

(一) 建立原始数列的因变量参考数列和自变量比较数列

因变量参考数列又叫母序列记作

(二) 将原始序列进行无量纲处理

这是为了消除数量级大小不同而造成的影响, 便于进行计算和比较。可以运用初始化法, 均值化法, 以及区间化法等进行, 计算公式分别是x0 (k′) =xi (k) /xi (1) 、或者

(三) 计算每个时刻点上母序列与各个子序列差的绝对值, 找出最大差和最小差

则差序列为:Δi=[Δi (1) , Δi (2) , Δi (3) , …, Δi (k) ]

(四) 计算灰色关联系数

单位:万吨

其中L (k) 0i是子序列xi (i=1, 2, 3, ..., n) 的k个数与母序列x0的关联系数, 表示式中λ是分辨系数, 在0到1之间, 通常取λ=0.5。

(五) 计算灰色关联度

要求得总的关联度, 需要考虑到不同的观测点在总体观测中的重要性程度, 因此需要确定各个点的权重。一般情况下, 采用算术平均数的方法计算灰色关联度

, 表示数列x0与数列xi之间的关联系数。

(六) 关联度排序

根据r0i的大小进行关联度排序。关联度越接近于1, 说明关联程度越大。根据经验, 当λ=0.5时, 关联度大于0.6便认为关联性显著。

四、江苏农业碳排放的影响因素分析

(一) 江苏农业碳排放量与影响因素的关联度计算

本文中, 以江苏农业碳排放量作为母序列, 来衡量江苏农业碳排放水平, 用A (单位:万吨) 表示。影响农业碳排放的因素分别如下:农业科研人员数量 (记为B1, 单位:万人) ;农业GDP数量 (单位:亿元, 记为B2) ;农业人口数量 (单位:万人, 记为B3) ;农业能源消费量 (单位:百万吨标准煤, 记为B4) ;财政支农资金数额 (单位:亿元, 记为B5) 。由于数据采集较为困难, 本文采用2006年到2013年的数据。具体数据如表5所示。

按照上述步骤, 具体计算结果如表6所示。

按照重要性的顺序, 灰色关联度排序如下:

B1>B3>B4>B2>B5

(二) 灰色关联度分析

从以上分析可以看出, 对江苏农业碳排放量影响最大因素是农业科技人员数量。农业科技人员数量很大程度上决定了农业科技水平。而农业科技水平的提升, 可以提升农业能源使用效率, 从而大大减少农业碳排放量。最近几年, 江苏农业科技人员数量有减少的趋势。从2006年的3.11万人减少到2013年的2.58万人。因此, 政府相关部门应该采取更加科学的举措, 调动农业科技人员积极性, 吸引更多人才投入到农业科技创新过程中, 为江苏农业碳减排作出贡献。

影响江苏农业碳排放的另一重要因素是农业人口数量。最近几年, 江苏农业人口下降明显。农业人口下降有力促进农业碳排放的减少。在接下来的时间内, 应该抓住国家实施城镇化和农业现代化的政策契机, 进一步减少农业人口, 这样可以为实现农业碳减排作出更大贡献。

农业能源消费量也在很大程度上影响农业碳排放量。我国一直以来采取的高能耗生产模式, 导致农业能源消费巨大, 不仅造成了能源浪费, 也造成了严重的环境污染。在我国, 农业面源污染已经成为农村环境污染的主要来源之一。因此, 必须进一步提升农业科技水平, 加大农民培训力度, 加强对农业生产的监管, 这样才能有效减少农业生产过程中的能源消耗, 这样有助于农业碳减排目标的顺利实现。

农业总产值对农业碳排放也有一定影响。政府部门应该加大农业结构调整力度, 在保证农业总产值稳步增长的前提下, 提升农业生产的质量, 从而有效减少农业碳排放量。

此外, 财政支农资金数额也对江苏农业碳排放量有一定影响。财政支农加大, 可以充分调动农民生产积极性, 有助于农民采用更加现代化的工具从事农业生产, 从而有助于实现农业碳减排的目标。

参考文献

[1]张勇, 黄淑玲, 高杨.“十一五”期间淮北市农业碳排放趋势及影响因素研究[J].河北北方学院学报, 2013 (10) .

[2]张小平, 王龙飞.甘肃省农业碳排放变化及影响因素分析[J].干旱区地理, 2014 (09) .

[3]刘立平.河南省农业碳排放时空特征及影响因素研究[J].水土保持研究, 2014 (08) .

[4]李小强, 杨果.黑龙江省农业碳排放与农业产值增长的脱钩情况及其影响因素研究[J].经济研究导刊, 2013 (26) .

[5]尧波, 郑艳明, 胡丹, 聂兰琴, 付娜, 胡启武.江西省县域农业碳排放的时空动态及影响因素分析[J].长江流域资源与环境, 2014 (03) .

[6]庞丽.我国农业碳排放的区域差异与影响因素分析[J].干旱区资源与环境, 2014 (12) .

[7]杨均.中国农业碳排放的地区差异和影响因素分析[J].河南农业大学学报, 2012 (06) .

[8]刘思峰, 郭天榜.灰色系统理论及其应用[M].河南大学出版社, 1991.

[9]易德生, 郭萍.灰色理论与方法[M].石油工业出版社, 1992.