碳排放的來源精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的碳排放的來源主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：碳排放的來源范文
關鍵詞：碳強度；行業影響；完全分解模型；強度效應；結構效應
一、 引言
當前，全球氣候變化問題已成為國際社會廣泛關注的焦點，中國隨著經濟的快速發展，能源消費急劇增加，特別是化石能源消費快速增長，而全球溫室氣體增加的主要來源是化石能源消費，導致二氧化碳排放總量已位居全球前列。有研究表明，中國能源消費產生的二氧化碳占中國總排放量的75%，2008年中國能源碳排放首次超過美國成為二氧化碳排放大國。隨著工業化和城市化進程的加快，我國二氧化碳排放量將持續快速增長。為應對經濟社會發展中環境壓力大的嚴峻挑戰，2009年11月26日中國政府在哥本哈根世界氣候變化大會上宣布二氧化碳減排的目標為到2020年我國單位國內生產總值（GDP）二氧化碳排放量比2005年下降40%～45%，將單位國內生產總值二氧化碳排放作為約束性指標納入“十二五”及中長期國民經濟和社會發展規劃，要求單位國內生產總值二氧化碳排放降低17%。近年來，碳強度波動引起社會各界的關注，關于碳強度的文章相繼在各種學術期刊出現。主要內容可以分為兩類，一是對碳強度因素分解方法的研究，主要有拉式因素分解法（Greening等，1997）、迪氏因素分解法（Ang 等，2009）、完全因素分解模型（Sun，1998）；二是從多個角度對碳強度進行研究，如Greening等（2004）、Wang（2005）、徐國泉等（2006）、魏一鳴等（2008）、宋德勇等（2009）等運用因素分解從產業結構、人口、經濟等角度分析碳強度變化的影響；王錚等（2008）、李國志等（2010）、仲云云等（2012）運用不同的因素分解方法從區域的角度對碳排放的驅動因素進行分析；邵帥等（2010）、何小鋼等（2012）從工業行業的角度對碳排放進行分析。現有研究對揭示我國碳排放的行業特點和制定行業減排政策具有積極的參考價值，但是依然存在一定的局限性，如現有研究中較少體現工業行業碳排放的時間和空間變動等。本文將在現有研究的基礎上，從三個角度和兩個時期進行因素分解，三個角度——一是按工業行業小類劃分的39個細分工業行業，二是按工業行業大類劃分的采掘業、制造業、電力、煤氣及水生產和供應業，三是按碳排放高中低劃分的高碳排放行業、中等碳排放行業、低碳排放行業。兩個時期是：“十五”和“十一五”。動態定量分析我國各類工業行業發展對碳強度變化的影響，為相關部門制定行業差異化碳減排政策提供參考依據，對于當前推進經濟結構轉變具有十分重要的指導作用，對促進經濟長期平穩較快發展，具有重要的現實意義。
二、 碳強度分解模型
本文運用Sun（1998）提出的完全分解分析方法，將工業碳強度的影響因素分為強度效應和結構效應來進行剖析，結構效應是反映不同行業經濟發展比重變化引起的工業碳強度變化量，而強度效應是反映不同行業碳強度變化引起的工業碳強度變化量。
三、 工業碳排放與工業增加值的測算
由于統計年鑒上沒有各個工業行業的碳排放量數據，另外從2008年開始國家統計局不再公布行業工業增加值，只公布工業總產值，因此在進行碳強度分解之前，需對各個工業行業的碳排放量和工業增加值進行測算。
1. 工業行業碳排放量測算。根據2007年IPCC第四次評估報告，溫室氣體增加的主要來源是化石燃料燃燒，因此本文利用各個工業行業歷年能源消費數據進行碳排放量測算。計算方法基于IPCC《2006年IPCC國家溫室氣體清單指南》，根據《中國能源統計年鑒》口徑，將最終能源消費種類劃分成9類，包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣、電力。9類能源的標準量轉換系數和碳排放系數來源于中國科學院可持續發展戰略研究組的《2009中國可持續發展戰略報告——探索中國特色的低碳道路》。
2. 行業工業增加值測算。從2008年開始國家統計局不再公布行業工業增加值，只公布工業總產值，2008年之前既公布行業工業增加值，又公布工業總產值。通過2005年～2007年工業增加值占工業總產值的比重發現，各行業工業增加值占工業總產值的比重較為穩定，因此可以通過行業工業增加值占工業總產值的比重去測算2008年～2010年分行業工業增加值。運用2006年～2007年行業工業增加值占工業總產值比重的均值推算2008年分行業工業增加值，運用2007年～2008年行業工業增加值占工業總產值比重的均值推算2009年分行業工業增加值，以此類推，推算出2008年～2010年分行業工業增加值。
第2篇：碳排放的來源范文
隨著中國經濟的快速發展和工業化進程的不斷加快，我們所面臨的節能減排義務將十分艱巨。即便按照“十二五”期間確定的16%的節能目標，如果GDP仍維持10%以上高速增長的勢頭，到2015年能源消費總需求量將達45億噸左右標煤，二氧化碳排放量將達100億噸左右，相當于美國和歐盟的總和。［1］面對中國快速增長的經濟和迅速上升的二氧化碳排放量，國際社會開始出現所謂中國“威脅氣候安全”的說法，中國正受到越來越多的來自國際社會的關注和壓力。
在推動中國碳排放不斷增長的眾多因素中，除了大規模的固定資產投資和龐大的國內消費需求之外，出口貿易的快速增長是最主要的推動因素。目前，已經有很多研究印證了“中國出口貿易導致溫室氣體排放增加”這一結論，表明中國溫室氣體排放量增加中相當一部分是發達國家消費需求拉動所致。包括世界自然基金會(WWF)全球政策研究中心、國際能源機構、日本京都大學在內的多家機構，均曾從不同角度對中國的出口貿易與碳排放的關系進行過研究。這些研究不管是從“內涵能源”的角度，還是從“出口碳”、“出口排放”與“碳連鎖”等角度，都揭示了三個事實:第一，國際貿易會導致“碳泄漏”;第二，中國由于貿易順差所導致的二氧化碳等溫室氣體排放增加是顯著的;第三，發達國家的消費需求加劇了中國的碳排放增長。［2］2006年～2010年，我國進出口貿易的年均增長率為15．6%，其中出口貿易的年均增長率為14．6%。2010年我國的出口總額達到15779億美元，比2009年增長31．3%。②作為“世界加工廠”，中國實現碳減排目標最主要的還是要從出口行業入手，而這些行業占我國GDP的三分之一。因此，有必要從客觀的角度闡釋我國碳排放的增長驅動力，分析出口貿易模式與碳排放量之間的關系，從貿易模式的角度探討節能減排的新途徑。
一、出口貿易模式與碳排放關系研究
在出口貿易模式與碳排放量的關系上，國外的研究主要有:Wyckoff等(1994)通過對6個經合組織國家貿易中的內涵碳排放量進行計算，發現制成品中內涵碳排放占到其排放量的13%左右。［3］
Machadoetal．(2001)分析了1970年～1992年巴西在對外貿易中的碳含量排放，結果表明發達國家通過外包的方式，把高碳產業轉移到發展中國家。近年來，隨著中國出口貿易的快速增長，出口貿易中的碳排放問題也越來越受到學術界的關注。［4］
Shui和Harriss(2006)計算了中美貿易中的隱含碳排放量，計算得出在中國對美國的出口貿易中所含的碳排放量占中國碳排放總量的7%～14%，這些碳排放最終被美國人消費。［5］Weberetal．(2008)認為導致中國碳排放增加的主要因素是碳泄漏和碳出口，這個觀點印證了“污染天堂假說”。［6］
DaboGuanetal(2008)分析預測了1980年～2030年中國的碳排放趨勢，結論顯示造成中國碳排放增加的最主要因素分別是出口增長、內需消費和資本投資。［7］國內關于出口貿易與碳排放關系的研究起步相對較晚，宋濤、鄭挺國等(2007)基于EKC假設，研究中國人均GDP與人均碳排放量之間的關系，結果顯示兩者之間存在倒U型的環境庫茲涅茨曲線關系。［8］
齊曄等(2008)通過投入產出法計算我國進出口貿易中的碳排放量，研究顯示從1997年到2002年間我國出口貿易中隱含的碳排放量占當年碳排放總量的12%～14%，這個比重到2006年已達29．28%。［9］劉強等(2008)和孫小羽、臧新(2009)分別對我國出口貿易中重點行業的碳排放量進行了研究和分析，研究結果表明，世界能源消耗、大氣污染物和二氧化碳的排放越來越多地被轉移到中國，在此基礎上，他們提出了相應的政策建議。［10－11］
綜上所述，國內外學者對出口貿易中的碳排放問題展開了大量的研究。但是絕大部分研究是基于全國范圍數據的基礎上展開的，很少有關于某一地區或區域范圍內的研究。事實上，由于各地的出口狀況各有不同，基于區域數據的研究可能更具有針對性和建議性。因此，根據以上的研究，借鑒相關文獻，筆者對我國出口貿易中的區域碳排放問題展開進一步的研究，希望能揭示出口貿易活動中的區域碳排放情況與地區出口貿易模式中存在的問題及其原因，并針對高碳產品在出口貿易中的轉移問題提出建議。
目前關于區域性的出口貿易模式與碳排放關系的研究還很少。長三角地區的對外貿易在改革開放以來極為活躍，貿易額約占到了全國總額的50%以上，長三角地區的浙江、江蘇和上海的出口模式與能源利用各具特點，從貿易方式、出口企業類型和產品結構上來看，浙江省的出口以一般貿易為主，民營出口企業占主導地位，產品結構以勞動密集型制造業為主;江蘇省以加工貿易出口為主，外資出口企業占比最高，產品以機電行業為主;而上海的出口產品層次較高，高新產業占主導地位。因此筆者擬在分析三地經濟數據的基礎上，探索出口貿易模式與碳排放的關系，以期為長三角地區發展低碳經濟提供政策建議。
二、出口貿易模式對碳排放的影響
分析出口貿易模式對碳排放的影響，首先要確定各地區的碳排放量。碳排放量取決于能源消耗量及各種能源的碳轉換系數，因此，筆者首先根據各地區能源消費量測算出相應的碳排放量，再以碳排放量為被解釋變量來分析其與出口貿易模式之間的關系。
(一)碳排放的測算方法
碳排放可以分為人工排放和自然排放，人工排放主要包括化石燃料消耗和生物質燃燒等，其中化石燃料所排放的二氧化碳占95%以上。根據2007年IPCC第四次評估報告，溫室氣體增加的主要來源是化石燃料燃燒。由于目前我國沒有碳排放量的直接監測數據，因此大部分的測算研究都是基于對能源消費量的測算得來的。［12］筆者對以化石燃料為主的工業行業的碳排放量進行計算:
燃煤的碳釋放量=煤炭消耗量×煤炭消耗的碳排轉換系數
石油的碳釋放量=石油消耗量×石油消耗的碳排轉換系數
天然氣的碳釋放量=天然氣消耗量×天然氣消耗的碳排轉換系數
以上能源的碳排放轉換系數是在2006年《IPCC國家溫室氣體清單指南》所確定的排放系數的基礎上計算得來的(見表1)。
(二)數據來源
文中基礎經濟數據來源于《中國統計年鑒》，能源數據來源于《中國能源統計年鑒》，出口數據來源于國研網統計數據庫。另外，《中國能源統計年鑒》最新數據目前到2009年，因此，本研究的起止年限為2000年～2009年。
根據《中國能源統計年鑒》和《中國統計年鑒》(2001—2010)上的能源消耗數據測算浙、滬、蘇三地的碳排放量，具體測算結果如表2所示。
(三)模型與實證結果
根據本文的研究重點，本文模型參考馬凱、李娟、陳巖(2010)的模型，［11］該模型是在ColeandElliott(2003)的基礎上演變得到的:
lnCE=c+β1lnE+β2lnEL+β3lnF+β4lnM+β5lnT+ε
其中，CE表示三個地區的碳排放量;E代表以1952年不變價表示的出口額，其數據來源于《中國統計年鑒》;EL代表三個地區的資本勞動比率，該比值用資本存量與就業人數的比值來表示。從理論上講，這個比值的增加表示資本密集型產品的出口比重上升，也就是說產業結構由勞動密集型產業向資本密集型產業轉化。F、M、T分別代表三個地區的外資企業、機電產品和加工貿易占出口貿易的比重，其數據來源于各地統計年鑒。另外，在不影響各個經濟序列之間的協整關系的前提下，將所有數據取自然對數，借此消除數據中可能存在的異方差。模型估算結果見表3。
(四)實證分析
表3顯示了以碳排放量為被解釋變量的浙、滬、蘇三地的面板數據回歸結果。模型顯示碳排放量對出口額的彈性系數為0．099，也就是說，出口額每增加1美元，碳排放量增加0．099噸。這說明，出口額對碳排放量有顯著的正面影響。其中，資本密集型產品的出口占比對碳排放量的影響系數為－0．86，這說明出口總額中，資本密集型產品出口的占比每提高1個百分點，相應的碳排放量就減少0．86噸。此外，外資企業和加工貿易的出口占比對碳排放量的影響系數分別是1．02和0.37，這說明出口額中外資企業和加工貿易的出口比重的提高，都會導致碳排放量的增加。在模型估算結果中，機電產品出口占比的系數為－1．35，說明出口額中機電產品出口額比重的提高，會使碳排放量有顯著下降。
從三地各自的情況來看，2010年浙江省每萬美元出口額碳排放量為6．17噸，在浙、滬、蘇三地中僅低于江蘇，遠遠高于上海。這和浙江省的出口貿易方式有關。浙江省是民營經濟最發達的省份，出口產品結構層次最低，以勞動密集型的傳統制造業為主體，這些行業的資源轉化效率相對較差，單位碳排放量較高。所以，造成浙江省單位出口額碳排放量較高的最主要因素在于密集的民營出口制造企業，這些企業的單位產品能耗比較高。而來自外資企業和加工企業的影響較小，因為從外資企業出口和加工貿易出口占出口總量的比值來看，浙江省是比較低的，因此從“環境成本轉移”的角度來看，這方面的效應較小。
2010年上海市每萬美元出口額碳排放量為2．8噸，表明上海的貿易模式環保效率最高。上海市的碳排放規模為三地中最小，但是上海市2010年的出口規模和浙江相近，使單位出口額碳排放量降低，這表明上海市的出口品結構較高。上海市機電產品出口占比保持在六成左右，高新技術產品出口增勢相當迅猛。較高的機電產品出口占比減緩了碳排放的速度，其影響大于外資企業出口高占比帶來的“高碳排放”效應。
2010年江蘇省每萬美元出口額碳排放量為6．25噸，為三地中最高。這和江蘇省能源消費結構有關。在江蘇省的能源消費結構中，煤炭的消費占一次能源消費量的80%左右，而煤炭的二氧化碳排放強度在三種化石燃料中是最高的，這就使江蘇省在經濟發展過程中顯示出非常明顯的“高碳”特征。這樣單一的能源結構在短期內很難改變。此外，江蘇省外資企業出口占比很高，盡管江蘇省高層次產品比重也很高，但其對環境污染的減弱作用仍不能抵消外資企業對環境的影響。
三、研究結論與建議
浙、滬、蘇三地的面板數據分析顯示，近年來三地出口貿易產生的碳排放量呈現迅速增長的態勢，其主要原因在于該地區的能源結構仍以煤炭為主，造成出口行業中高碳產品所占的比重較高。從出口貿易模式的角度來看，資本密集型產品出口比重、機電產品出口比重的增加有利于碳排放量的減少，而加工貿易、外資企業出口占比的提高會增加碳排放量。因此，出口貿易模式與碳排放量之間有著密切的關系。基于本文的研究結論，對長三角地區提出以下建議。
(一)提高出口產品結構層次，減少碳排放量
對于出口中“兩高一資”(高污染、高能耗、資源性的初級產品)的產業，應該有針對性地改變其出口數量。例如提高企業的自主創新意識和創新能力，通過引進國外的先進技術和經驗，促使出口企業轉型升級;在制訂出口退稅政策時應體現差別性，通過退稅政策鼓勵低耗能產品的出口;對于那些高層次的、具有核心競爭力的出口產品應給予一定的鼓勵和扶持;鼓勵資本密集型、技術密集型產品的出口等等。
(二)完善外商投資準入制度，禁入高碳產業
目前，歐盟已對其能源、機械制造、鋼鐵、造紙、水泥及建材等行業的碳排放量實行了限制。瑞典、芬蘭、丹麥、意大利與荷蘭等歐洲國家已在其國內實施了碳稅政策。日本對能耗較高的企業進行了限制與整改，對整改后仍不達標的實行曝光、罰款等處罰。一些發達國家企業為了逃避本國的環境規制，正在以對外直接投資或加工貿易的方式，將高碳排放行業轉移到發展中國家。［13］針對這樣的局面，我國在承接發達國家的投資項目時，必須有相關的政策制定，對高碳排放項目的投資應嚴格限制，防止外資出口企業以投資手段進行“環境成本轉移”，確保我國經濟的可持續發展。
第3篇：碳排放的來源范文
關鍵詞：碳排放；碳配額；分配預測；情景模式
DOI：10.13956/j.ss.1001-8409.2016.10.16
中圖分類號：F1245；C934 文獻標識碼：A 文章編號：1001-8409（2016）10-0075-04
Abstract： This paper establishes the carbon allocation model by selecting from the proportions of the population， economy and historical emissions， according to three distribution perspective of equity principle， efficiency principle and grandfathering rule. In addition， it forcastes Chinese carbon emissions in 2020 distribution by nine different scenarios. Results show that， the perspective of grandfathering rule will result in increasing the total distribution of Chinese carbon emissions. Besides， it will play a big difference to the resourceful and huge emission provinces. The perspective of efficiency principle makes the smaller influence to the carbon emissions compared with grandfathering rule and mainly influences the carbon quota allocation of eastern developed area. And the perspective of equity principle has little impact on distribution of carbon quotas. In the end， it puts forward some policy recommendations， which is related to accelerate the pace of technology development， to eliminate backward production capacity through the supplyside reform， to improve the allocation of carbon rights mechanisms recommendations， etc.
Key words： carbon emissions； carbon quotas； distribution prediction； simulation model
1引言
全球氣候變暖引發的二氧化碳減排爭議已經成為各國經濟發展面臨的一個“矛盾”抉擇問題。中國作為最大的發展中國家明確表示，無論未來國際減排形勢如何變化，中國將持續走節能減排發展道路；并主動做出承諾到2020年單位GDP二氧化碳排放比2005年下降40%～45%。為實現該目標，中國將實行碳排放總量控制；但在總量控制下如何合理分配碳配額將成為一大難題。合理分配碳配額，對于有效建立碳排放交易市場，通過經濟手段引導各省市走低耗減排的產業升級之路具有重要的意義。
目前國際上還沒有公認的碳配額分配原則，但公平原則和效率原則視角已得到學者的廣泛關注，而溯往原則視角卻爭議很大、研究很少。針對公平原則視角，Kverndokk[1]、Janssen和Rotmans[2]、丁仲禮[3]等研究發現人口規模對公平分配碳排放權有重要影響。對于效率原則視角，Zhou等[4]、李小勝和宋馬林[5]、鄭立群[6]等學者都基于DEA投入產出效率模型進行研究。在溯往原則研究上，Yi Wenjing[7]、查冬蘭和周德群[8]、宋德勇和劉習平[9]等從人均累計碳排放視角出發對碳權分配問題進行分析。而針對中國實際情況，國內學者多圍繞碳排放空間和效率展開研究。馬大來等[10]基于至強有效前沿的最小距離法分析了省際碳排放效率，及其區域差異性和空間相關性；孫立成等[11]、王秋賢等[12]利用不同模型方法進一步分析了碳排放空間分布特征和空間差異性。
當前研究主要有以下不足：首先，鮮有學者將歷史累計碳排放量作為一個獨立的整體進行分析。作為碳排放分配的基本原則，公平原則與效率原則主要考慮了當期數據的現實性，而溯往原則重點考查了往期數據的歷史性。其次，很少有學者基于我國實際情況，綜合不同的分配原則針對具體省份展開研究。而我國碳配額分配主要以省為分配對象，彭鵑等[13]研究也指出中國碳配額分配需考慮各省的發展實際；因此，具體省份的碳配額分配研究對我國實現節能減排目標具有重要的意義。鑒于此，本文綜合公平原則、效率原則和溯往原則分配視角建立碳排放分配模型，并設立九種不同的分配情景對我國2020年各省碳配額分配進行預測研究。
2模型構建和數據來源
21碳排放總量測算模型
本文基于IPCC清單法構建了碳排放總量測算模型，具體形式如下：
23數據來源
23.1總量數據來源
本文使用的是2005年和2020年的有關數據。2005年能源消費量、人口總數和GDP取自《中國統計年鑒（2014）》，2020年相關數據通過預測得到，能源碳排放系數取自IPCC《國家溫室氣體排放清單指南》。
本文利用人口自然增長率方法預測2020年各區域人口總數為1408億人；國家人口發展研究戰略課題組公布的國家人口發展的戰略目標，2020年人口總量控制在145億人；證明本研究預測結果可行。針對經濟增長預測，本研究假定2014～2020年間GDP維持穩定增長趨勢，即年均增長率為2008～2013年五年的平均增長率。其中2008～2013年中國各地區人口總數和GDP來源于《中國統計年鑒（2014）》。在預測2020年各省級區域歷史碳排放量時，首先利用式（1）測算2007～2012年中國各省級區域碳排放量，然后以2012年碳排放量為基數，利用平均增長率法預測2019年碳排放量，并以此作為2020年溯往原則視角下的分配指標。本研究中2007～2012年各地區能源消耗量數據取自《中國能源統計年鑒（2013）》。各省區2020年預測值如表1所示。
23.2碳排放分配數據來源
中國2020年節能減排目標為單位GDP二氧化碳排放比2005年下降40%～45%。鑒于此，本文把降低40%設定為中國2020年的減排目標；再結合式（1）測算得2020年單位GDP碳排放限額為049噸/萬元，將其作為中國2020年單位GDP碳排放總額。
3情景設計和預測分析
31情景設計
為深入分析公平原則、效率原則和溯往原則分配視角對我國碳配額分配的影響程度，將選取的典型指標權重進行了代表性取值，并設定9種不同的分配情景，分別是：
32各省份碳排放預測分析
由表2可見，S1情景下我國碳排放分配總額與2020年碳排放限額差值最小；S3情景下各省所需的碳權分配總額最大，遠超過國家限額；S7、S8、S9處于中間水平；與S4、S5、S6三種情景分配結果相對比發現，三個分配視角的貢獻度從大到小依次為溯往原則視角、效率原則視角、公平原則視角。下面分別就3個分配視角的影響效果進行具體分析。
（1）溯往原則視角
S3、S5、S6、S9情景下，溯往原則分配視角所占權重最大，所需分配的碳配額總量最多。從省際角度來看，河北、山西、內蒙古等15個資源豐富、歷史排放量大的省市受溯往原則分配視角的影響較大；而內蒙古、山西、陜西等省市雖然能源消耗量較大，但經濟增長速度較慢，說明這些地區能源利用效率低。由上可見，溯往原則視角對中國大多數省份及東西部地區碳排放分配的影響很大，這是因為中國的能源結構和消費結構以煤炭為主，能源的過度消耗排放了大量的二氧化碳。雖然短期內不可能通過調整能源結構降低碳排放量，但是不潔凈煤炭的碳排放量遠高于石油和天然氣等其他能源消耗產生的碳排放量；因此，最簡單易行的減排方法是加強煤炭的清洗等工作。
（2）效率原則視角
效率原則視角占比較大的是S2、S4、S6、S8情景。S2和S8情景下分配的碳配額總量相差不大，分別為0584噸/萬元、0585噸/萬元；S4和S6情景下碳配額相差較大，為0539噸/萬元和0631噸/萬元，這進一步說明溯往原則視角在碳排放分配中起主要推動作用。整體來看，效率原則分配視角對于北京、上海、江蘇等發達地區的影響很大，經濟的發展耗費了大量的能源，直接導致碳排放量的升高。中國作為發展中國家，發展仍是第一要務，若大幅度限制發達省份的碳排放量必定會減緩我國經濟發展的腳步。因此，即刻顯著降低二氧化碳排放量是不現實的，各地應該根據實際情況在發展經濟的同時積極調整產業結構。
（3）公平原則視角
S1情景僅根據公平原則視角分配碳配額，為0493噸/萬元，最接近我國2020年碳排放限額。S4、S5、S7情景下公平原則視角所占比重最大，結果分配的碳配額總額比其他情景少，說明公平原則視角對碳排放分配的影響很小。將S7、S8、S9 三種情景的分配結果相對比，進一步說明公平原則分配視角有利于降低我國碳排放分配總額。由分析可知，人口比例分配指標對碳配額分配的影響較小，但人口公平性問題仍值得推敲。政府若要以公平原則分配視角為主進行碳配額分配，需要考慮人口流動情況，因為像北京、上海、廣東等經濟發達地區每年都會有大量的外來人員流入，會直接造成二氧化碳排放量的增加，只有將這些地區的人口數進行調整才能保證較公平分配。
4結論和建議
本文基于公平原則、效率原則和溯往原則分配視角建立碳排放分配模型，對我國2020年各省碳排放初始權進行分配預測。從分配結果來看，溯往原則視角會增加我國碳排放分配總額，效率原則視角的影響緊隨其后，而公平原則視角的影響程度較小。針對以上分析，本文提出以下幾點建議：
（1）加快技術開發速度，在提高能源利用效率的同時，積極改變能源結構。溯往原則視角在碳排放分配中占主要地位，短期內可以提高煤炭的清潔等工作；長遠來看，要加快技術開發速度，提高能源利用效率，同時加強核電、水電等可再生能源的開發利用并積極推進產業化。
（2）調整經濟結構，通過供給側改革大力淘汰落后產能，提升產業競爭力。效率原則視角對碳配額分配的影響略小，但卻直接影響著我國經濟的發展腳步，為此在發展經濟的同時，要努力調整其結構。通過供給側結構性改革，大力淘汰煤炭、化工、鋼鐵等領域的僵尸型企業，通過新型領域的創新發展，大幅度降低碳排放量。
（3）完善碳權分配機制，創建國家層面的碳排放權交易平臺。從我國實際國情出發，制定“共同但有區別”的碳權分配機制及相應的法律政策，保證碳權分配機制的有效實施。在有效分配碳配額的前提下，部分省份碳配額會有剩余，而個別省份的碳配額會不足，進行二級市場交易有利于碳配額的有效配置，同時利用價格杠桿提高碳配額不足省份的減排積極性，從而降低碳排放量。
參考文獻：
[1]Kvemdokk S. Tradable CO2 Emission Permits： Initial Distribution as a Justice Problem [J].Environmental Values，1995，4（2）：129-148.
[2]Janssen M ，Rotmans J. Allocation of Fossil CO2 Emission Rights Quantifying Cultural Perspectives [J].Ecological Economics，1995，13：65-79.
[3]丁仲禮，付博杰，韓國興，等.中國科學院“應對氣候變化國際談判的關鍵科學問題”項目群簡介[J].中國科學院院刊， 2009，24（1）：8-17.
[4]Zhou P， Z R Sun， D Q Zhou.Optimal Path for Controlling CO2 Emissions in China： A Perspective of Efficiency Analysis [J].Energy Economics， 2014， （45）：99-110.
[5]李小勝，宋馬林.“十二五”時期中國碳排放額度分配評估――基于效率視角的比較分析[J].中國工業經濟，2015，9：99-113.
[6]鄭立群.中國各省區碳減排責任分攤――基于零和收益DEA模型的研究[J]. 資源科學， 2012， 34（11）：2087-2096.
[7]Yi Wenjing， Zou Lele，Guo Jie，et al.How Can China Reach Its CO2 Intensity Reduction Targets by 2020――A Regional Allocation Based on Equity and Development [J].Energy Policy，2011（39）：2407-2415.
[8]查冬蘭，周德群.地區能源效率與二氧化碳排放的差異性――基于Kaya因素分解[J].系統工程， 2007，11：65-71.
[9]宋德勇，劉習平.中國省際碳排放空間分配研究[J].中國人口?資源與環境，2013，5：7-13.
[10]馬大來，陳仲常，王玲.中國省際碳排放效率的空間計量[J].中國人口?資源與環境，2015，1：67-77.
[11]孫立成，程發新，李群.區域碳排放空間轉移特征及其經濟溢出效應[J].中國人口?資源與環境， 2014，8：17-23.
[12]王秋賢，高志強，寧吉才.基于公平的中國省域碳排放差異模型構建探討――以中國2010年碳排放為例[J].資源科學，2014，5：998-1004.
第4篇：碳排放的來源范文
1.1計算范圍
所謂碳排放，即指溫室氣體排放。溫室氣體主要包括二氧化碳(CO2)、甲烷(CH4)、氧化亞氮(N2O)、氫氟碳化物(HFC5)、全氟碳化物(PFCS)和六氟化硫(SF6)。由于CO2在溫室氣體中比重較大，故大多數研究中采用CO2當量來表示溫室氣體的排放量。環境管理生命周期評價標準(ISO14040)將生命周期評價方法分為四個步驟:研究目標和范圍確定、生命周期清單分析、生命周期的影響評價以及生命周期結果解析。碳排放計量的首要工作是確定計算的目標和范圍。工程建設階段是建設產品的形成階段，這一階段產生的碳排放來源有三個方面，分別是建材生產碳排放、建材和機械運輸碳排放和工程施工碳排放，需要確定每一部分碳排放的邊界范圍。
(1)建材生產碳排放，主要由建材生產時消耗的各種能源產生。由于原材料和生產工藝不同，不同建材的碳排放量有很大差別，選擇合適的建材是減少碳排放的一個重要措施。另外，人的因素產生的碳排放量相對很小，在測算建材生產碳排放時可以忽略不計。
(2)建材和機械運輸碳排放(以下簡稱運輸碳排放)，主要由運輸過程消耗的燃油資源產生。其碳排放量與所運輸的物品種類、數量、運輸工具以及運輸距離等因素有關。在工程造價文件中，運輸碳排放數據體現在運輸車輛的機械臺班消耗上，根據機械臺班消耗量可估算出運輸碳排放量。
(3)施工過程較建材生產和運輸過程更加復雜，碳排放范圍也更廣泛。施工生產要素消耗包括人工、材料、機械三類，其中，人工碳排放量相對很少，可以忽略不計;建材生產過程已經計算過材料碳排放，不必重復計算。故施工碳排放主要考慮施工機械和施工工藝因素，通過對施工方案和施工組織設計的優化可有效減少碳排放量。
1.2計算方法
目前，工程建設碳排放計量尚無通用的國際或國家標準，可參考產品碳計量標準進行工程建設碳排放的計算。如ISO/CD14067、英國PAS2050:2008規范以及IPCC國家溫室氣體(GHG)排放清單指南等，這些規范在碳排放的范圍核算和計量方法上都較為成熟，具有很大的參考價值。對現有規范和參考文獻進行總結，得到工程建設領域可借鑒的幾種碳排放量計算方法:
(1)實測法。通過標準連續計量設施對現場燃燒設備有關參數進行實際計量，得到排放氣體的流速、流量和濃度數據，據此計算碳排放。實測法結果較為準確，但耗費的人工和費用成本較高，一般應用于量大面廣的碳排放測量。
(2)投入產出法。投入產出法又稱物料衡算法，它的原理是遵循質量守恒定律，即生產過程投入某系統或設備的燃料和原料中的碳等于該系統或設備產出的碳。投入產出法可用于計算整個或局部生產過程的碳足跡，但其無法區別出不同施工工藝和技術的差異，且獲得結果的準確性有偏差。
(3)過程法。過程法在工程建設領域又叫作施工工序法。它是基于產品生命周期整個過程的物質和能源流動消耗來測算碳排放量，其思路是將施工階段進行劃分，列出分部分項工程的機械清單，然后用單位量乘以量就得到各分部分項工程的施工碳排放。過程法簡便易行、精確性較高，但基于過程的物質和能源消耗數據不易獲得，在一定程度上限制了該方法的應用。
(4)清單估算法。清單估算法采用IPCC政府間氣候變化專門委員會公布的《IPCC溫室氣體排放清單》計算碳排放，主要原理是用各種能源的實際消耗量乘以碳排放因子加總得到總的碳排放量。碳排放因子指生產單位產品所排放的CO2的當量值，根據正常作業及管理條件，生產同一產品的不同工藝和規模下溫室氣體排放量加權平均得到，可在相關數據庫中查得。清單估算法簡單可行、應用面廣，關鍵是要確定溫室氣體的排放清單并選擇適當的碳排放因子。本文的工程建設碳排放量計算是基于生命周期評價理論，將過程法和清單估算法有機結合而成的混合計算方法。具體過程為:首先，采用過程法，按照工程圖樣列出材料機械消耗清單，也可直接采用清單計價時的分部分項工程材料機械清單;其次，采用清單估算法，將各個材料和機械的消耗量進行匯總并選擇合適的碳排放因子;最后，將消耗量數據與對應碳排放因子相乘并加總，即得到整個工程建設階段的碳排放量。
2案例實證
本文選取鐵路工程某建設項目進行工程建設階段碳排放實例分析，由于該工程的特殊性質，在此不便對工程概況進行介紹，只運用工程造價數據進行計算分析。
2.1清單匯總
根據工程造價文件中的機械臺班消耗量和2005年《鐵路工程機械臺班費用定額》中的單位臺班消耗指標，二者相乘即得到總的機械能源消耗量。
2.2碳排放因子確定
碳排放因子(CarbonEmissionFactor)是計算碳排放的基礎數據，指消耗單位質量能源所產生的溫室氣體轉化為二氧化碳的量。能源的碳排放因子包括了單位質量能源從開采、加工、使用各個環節中排放的溫室氣體量轉化為二氧化碳量的總和。目前，關于碳排放因子的選用尚無統一標準，不同國家、組織和地區算得的碳排放因子往往有很大差別，在一定程度上影響到計算結果的準確性。本文總結并借鑒了現有碳排放因子，選擇其常用值或平均值作為工程建設階段碳排放計算的參考，各能源或材料的碳排放因子用F表示。
3結語
第5篇：碳排放的來源范文
關鍵詞：碳排放；因素分解；產業結構；四川省
中圖分類號：F124.5 文獻標志碼：A 文章編號：1673-291X（2013）21-0292-02
自2001年政府間氣候變化委員會（IPCC）第三次氣候評估報告以來，氣候變暖問題逐漸成為重要的國際政治議題。為了應對氣候變化，世界各國均將發展低碳經濟提上議事日程。中國政府亦于2009年向國際社會承諾到2020年單位GDP碳排放強度比2005年下降40%～45%。因此，研究中國碳排放的變化趨勢及影響因素具有重要的現實意義。本文利用四川省的相關數據來分析四川省三大產業二十年來碳排放的變化趨勢，并從產業結構、能源結構、能源強度、經濟發展等因素來分析導致四川省碳排放增長的主要原因。
一、研究方法和數據整理
（一）研究方法
產業碳排放量，是指產業活動燃燒化石能源（主要包括煤炭、石油及天然氣等）釋放出的二氧化碳量。本文將Kaya恒等式表述為碳排放強度、能源結構、能耗強度、產業結構、生產總值5個因素的乘積。根據Ang提出的LMDI法可將碳排放總量分解為排放因子效應、能源結構效應、能源強度效應、產業結構效應及產出規模效應等因素的乘積，則碳排放由0期到T期的變化可以分解為排放因子效應、能源結構效應、能源強度效應、產業結構效應及產出規模效應五種驅動因素，由于各類能源的碳排放系數通常較為固定，在實際應用中一般取常量，因此，排放因子效應始終等于0，可以不作為考慮因素。則碳排放的變化就表示為能源結構效應、能源效率效應、產業結構效應及產出規模效應四種驅動因素。能源結構對碳排放變化的影響主要體現在不同的能源在碳排放系數方面具有差別，如果用高碳能源替代低碳能源，在其他因素不變的情況下，會導致碳排放的增加，反之，則會減少碳排放。能源強度反映了對能源利用的節約程度。由于不同產業在能源消耗上具有差別，因此，產業結構在一定程度上決定著能源需求和碳排放。從理論上講，調整產業結構可以降低總體能源消耗及碳排放。產出規模效應反映了經濟規模的變化對碳排放的影響，多數研究認為，碳排放與經濟增長之間存在長期平穩的正相關關系，即在其他條件不變的情況下，經濟規模的擴張會引起更多的能源消耗和碳排放。
（二）數據來源和整理
本文將國民經濟分為第一產業、第二產業和第三產業，能源品種分為煤炭、石油、天然氣三類來進行研究。能源消費數據、各產業增加值及比重均來源于1990—2011年《四川省統計年鑒》，其中，產業增加值均按照1978年不變價進行了調整。由于目前中國沒有碳排放量的直接監測數據，當前大部分的碳排放量研究都是基于能源消費量、能源碳排放系數進行估算，即碳排放量等于第i種化石能源的消費量乘以第i種化石能源對標準煤的折算系數乘以第i種化石能源的碳排放系數。化石能源對標準煤的折算系數采用《中國能源統計年鑒》（2009）規定的數值，即1kg原煤折0.7143kg標煤，1kg原油折1.4286kg標煤，1m3天然氣折1.333kg標煤。碳排放系數目前各國采用的數值并不完全相同，本文選用國家發展和改革委員會能源研究所的數據：煤炭、石油、天然氣的碳排放系數分別為0.7476kg碳/kg標煤、0.5825 kg碳/kg標煤、0.4435 kg碳/kg標煤。由于本文主要考察產業結構演變對碳排放量的影響，再加上中國碳排放的主要來源是生產領域而非消費領域，故而本文在研究時省略掉了消費領域的碳排放，只考察三大產業的碳排放。此外，由于受到統計數據的限制，1999—2004年的相關數據缺失，但不影響本文的研究結論。
二、數據分析和研究結果
（一）四川省碳排放的增長趨勢
1990—2011年四川省碳排放量大幅增加，從1990年的3 689.488t增加到2010年的13 057.19t，增幅達253.9%。1990—1998年三大產業碳排放增幅較大，達58.48%，2005—2010年增幅有所下降，達38%。其中，第一產業的碳排放從1990年的26.96t增加到2010年的130.898t，增幅達385.5%。1990—1998年碳排放增幅達56.8%，2005—2010年增幅下降到40%；第二產業的碳排放從1990年的2 284.156t增加到2010年的8 151.758t，增幅達256.88%。1990—1998年碳排放增幅較大，達59.26%，2005—2010年增幅有所下降，達38.13%；第三產業的碳排放從1990年的1 378.371t增加到2010年的4 774.531t，增幅達246.39%。1990—1998年三大產業碳排放增幅達57.2%，2005—2010年增幅下降到37.7%。總起來看，碳排放增幅最大的是第一產業，其次是第二產業，增幅最小的是第三產業。碳排放量最大的是第二產業，最少的是第一產業。
（二）采用LMDI法對碳排放分解表明，產業結構是導致四川省碳排放增長的正向因素
1990—2010年是四川省工業向重型化發展的階段，工業比重從1990年的35.1%提高到2010年的50.5%，工業重型化特征必然導致對化石能源的消耗量增大，進而加大碳排放量。這和國內其他的一些研究成果存在著一定的分歧，部分研究認為，產業結構的調整和優化對碳排放量的增長起負面效應，從理論上講，產業結構的調整和優化，意味著產業結構對資源和能源的依賴程度下降，經濟發展更多的依靠科技進步，因而碳排放量會下降。但是，由于中國目前正處于工業化中期階段，產業結構正在由重工業化階段向高加工度方向發展，因此，產業結構對碳排放量的貢獻率為正且較大。因此，在遵循產業結構演進的客觀規律的基礎上，采取有效措施促進四川省產業結構的進一步高度化，將會導致產業結構對碳排放的貢獻率下降直至變為負。
能源結構也是導致四川省1990—2010年碳排放增長的重要促進因素，表明四川省在發展過程中仍然是維持著高碳能源的消耗比重。1995—2010年，煤炭和石油的消費比例在三大類能源的消費中占了98.86%，其中煤炭的比重高達88%，如果繼續維持目前的高碳能源消費結構，將對四川省節能減排的目標實現帶來很大的困難。因此，轉變能源消費結構，用低碳能源替代高碳能源，對于四川省完成節能減排任務具有重要的意義。
能耗強度的下降即能源利用效率的提高對1990—2010年四川省碳排放量的增長發揮著積極的負面效應，且其抑制效應在逐年增大。1990年四川省的能耗強度為6.66噸標煤/萬元，到2010年能耗強度降為2.75噸標煤/萬元，表明四川省綜合能源利用效率得到了穩步提升，而能源效率的提高又主要得益于各產業的技術進步，今后應當進一步鼓勵企業技術創新，繼續發揮能耗強度對碳排放的抑制效應。
經濟增長對四川省碳排放量的增長發揮著積極的負面效應。1990—2010年四川省實際GDP的增長率達到8.5%，同期碳排放的增長率達到253.9%。經濟的快速發展刺激了能源消費，進而導致了碳排放的增長。這一結論和國內其他的研究成果的結論是一致的，表明經濟增長與碳排放之間存在著直接的正相關關系。
三、結論和建議
本文采用1990—2010年四川省分行業能源消費數據，計算了四川省三大產業的碳排放量，并采用LMDI法將引起四川省1990—2010年碳排放增長的因素分解為四種效應。通過對結果的分析，我們發現：（1）在1990—2010年間，四川省碳排放增長了2.5倍，年均增長率達到12%，高于同期實際GDP的增長率，反映出在四川省工業結構重型化的趨勢下，碳排放總量增長的態勢。分階段來看，2005—2010年各產業碳排放增長的速度比較起1990—1998年均有不同幅度的下降，表明由于抑制因子的作用，四川省碳排放增長的趨勢有所放緩。（2）產出規模和產業結構是導致四川省碳排放增長的正向因素。經濟規模的擴大，及產業結構重型化的發展，都對四川省碳排放起到了積極的促進作用。因此，在經濟發展的同時，應該積極調整產業結構，促進產業結構的高度化，推動低能耗、低排放的高新技術產業及服務業的發展，同時也要重視利用高新技術對傳統工業部門進行更新改造。在這一過程中，要注意尊重產業結構演進的客觀規律性。（3）能源結構亦是導致四川省碳排放增長的正向因素。因此，當前四川省應該加快發展太陽能、風能、核能等清潔能源，用低碳能源替代高碳能源，優化能源結構，發揮能源替代效應對減排的積極作用。（4）能源利用效率是導致四川省碳排放增長的負面因素。而能源利用效率的提高主要得益于各產業的技術進步，因此應當繼續重視發揮技術進步對提高能源利用效率的積極作用。
參考文獻：
[1] 佟新華.中國工業燃燒能源碳排放影響因素分解研究[J].吉林大學社會科學學報，2012，（7）：151-160.
[2] 袁鵬，程施.遼寧省碳排放增長的驅動因素分析——基于LMDI分解法的實證[J].大連理工大學學報：社會科學版，2012，（3）：35-40.
[3] 張慶民，葛世龍，等.三次產業結構演化與碳排放機制研究——基于面板數據模型的實證分析[J].科技與經濟，2012，（1）：101-105.
第6篇：碳排放的來源范文
1、研究方法及數據來源
1.1模型設定為探討城市化、經濟增長、能源消費、貿易開發水平對浙江省碳排放的影響，本文借鑒Dietz等在IPAT模型基礎上建立并得到廣泛應用的STIRPAT模型。上式中，PCO2為人均碳排放量，EC為能源消費強度代表技術進步，PGDP為人均GDP代表經濟發展水平，EX為進出口總額占GDP比例以表示貿易開放水平，UR表示城市化水平；δ為常數項，α1、α2、α3、α4為估計系數，ε為隨機誤差項，t為年份。
1.2數據來源與處理方法本文樣本區間為1995-2013年。GDP、人口和進出口數據來源于歷年《中國省統計年鑒》，其中，為消除價格因素帶來的誤差，本文把歷年GDP數據折算成1995年價；為真實反映浙江作為我國吸納外來人口大省的客觀實際，在計算人均碳排放量、人均能源消耗、人均GDP時采用常住人口；進出口數據用同期的美元匯率進行折算，匯率數據來源于《中國統計年鑒》由于官方統計機構還沒有碳排放的數據，本文采用《省級溫室氣體清單編制指南》所提供的參考方法和歷年《中國能源統計年鑒》數據對浙江碳排放進行估算。具體方法為，先根據《中國能源統計年鑒》公布的八種化石能源(包括煤炭、柴油、汽油、煤油、原油、燃料油、焦炭、天然氣)的折標煤系數將各種能源消費量折算成標準統計量，再乘以《省級溫室氣體清單編制指南》提供的碳排放系數，得到八種能源消費的碳排放量，加總后即為浙江碳排放總量。本文所使用的計量分析軟件為Eviews6.0。
2、浙江省城市化和碳排放的特點分析
2.1城市化發展特點浙江城市化進程自1995年以來持續快速推進，城市化率從1995年的32.6%增長到2013年的64.0%，高于全國平均水平53.73%的10.27個百分點，年均提高約3.82個百分點。城市建設日新月異，城市功能不斷得到發揮，城市化發展已進入從中期加速階段向城鄉統籌協調發展的后期階段，城市在浙江經濟社會發展中的重要作用日益顯著。圖1描述了1995-2013年浙江省城市化發展變化情況。從圖中可以看出，1995-2005年是浙江省城市化快速提升階段，城市化率從32.6%提升至55.0%，年均提高5.98%；2006-2010年城市化持續快速提升，城市化率從55.0%提升到61.6%，年均提高2.29%；2011年后，仍以每年接近1個百分點的速度提升。
2.2碳排放特點圖2描述了浙江省1995-2013年人均碳排放變化情況。從圖中可以看出，浙江省人均碳排放總體呈現快速增長態勢，年均增長6.9%。從不同時間看，人均碳排放大致可分為3個階段：第一個階段為1995-2003年人均碳排放緩慢增長階段，年均增長5.6%；第二階段2004-2011年人均碳排放快速增長階段，年均增長11.0%；第三階段2012-2013人均碳排放呈現下降趨勢，這一現象是否說明浙江省的人均碳排放開始拐點性下降，仍需進一步分析探討。
3、實證研究
3.1單位根檢驗在實證研究過程中，一些非平穩的經濟時間序列可能存在虛假回歸或偽回歸現象。本文構建的是面板數據模型，包含時間序列數據。為避免偽回歸現象的發生，確保估計結果的有效性，必須對各面板序列的平穩性進行檢驗。為提高檢驗結果的穩健性，本文采用ADF檢驗方法對各時間序列進行單位根檢驗，以判斷各序列的平穩性。根據變量序列的折線圖，本文選擇檢測方程類型包括常數項和趨勢項，得到單位根檢驗結果如表1所示。檢驗結果表明，浙江碳排放量、人均GDP、能源強度、城市化和外貿開放的水平序列在5%的顯著水平下均存在單位根，不是穩定序列。進行一階差分后的服從I(1)過程，滿足構建協整模型必要條件。
3.2協整檢驗本文涉及多個變量之間協整關系的檢驗，因此采用Johansen檢驗法。Johansen協整檢驗是一種基于向量自回歸模型的檢驗，檢驗之前必須確定VAR模型的結構，最為重要的是確定最優滯后期。本文就lnPEC、lnPGDP、lnUR、lnEX對lnPCO2檢驗并進行判斷，并依據AIC最小值原則，最終確定VAR模型的最優滯后期為2。在此基礎上，得到協整檢驗結果見表2。由表2可知，采用跡統計量檢驗在5%的顯著性水平下，接受變量間存在2個協整關系的原假設，由此可判斷各變量之間存在長期均衡關系。從協整方程看，能源強度系數為正且最大，說明浙江省能源消費是刺激二氧化碳排放增長的重要因素。這一結論與周葵等、董美辰[13]的研究結論一致。本文認為，這與浙江長期以來以化石能源為主的能源結構特點相吻合。根據中國能源統計年鑒，從1995年至2013年浙江省碳排放系數最大的煤炭長期占一次能源消費的60%以上，其中2003年之前更是維持在65%以上的高位。同時，浙江省能源效率雖然居我國前列，但能源強度卻是同期德、日、韓、美等發達國家的1.73~4.63倍，能源效率仍需進一步提升。城市化水平系數為負，說明浙江省城市化水平與碳排放呈現均衡的負相關，趙紅和陳雨蒙研究一致。這可能與城市化水平的提升形成了環境保護規模效應，有利于建立起對環境保護的激勵與約束機制，使碳排放水平得到一定程度上的抑制有關。人均GDP系數為正，說明浙江省經濟增長與碳排放存在均衡的正向關系。根據統計年鑒計算，浙江省在研究期內的人均GDP年均增長率為9.98%，而人均二氧化碳排放年均增長率為6.95%，兩者相差3.03個百分點，說明浙江省碳排放與經濟增長在一定程度上呈現“弱脫鉤”的發展特點，這與劉其濤、員開奇和董捷等的研究結論一致。貿易開放水平的系數為正值，說明浙江省經濟增長與碳排放存在均衡的正向關系，這與張友國研究結論一致，也與浙江出口以紡織、家具、服裝、機電等勞動密集型商品為主和進口以原材料資源性商品為主，以及在國際分工體系中處于比較低端的加工環節的客觀實際相符。
3.3Granger因果檢驗在確定上述變量之間均衡關系的基礎上，進一步用Granger因果檢驗確定各變量之間的因果關系，本文用“≯”表示符號前面的變量，不是引起符號后面變量變化的Granger原因。檢驗結果見表4。從表4可以看出，能源強度、貿易開放、城市化水平和經濟發展是引起碳排放變化的Granger原因，但碳排放不是引起能源強度、城市化水平、經濟增長和出口貿易變化的Granger原因。
4、結論與政策建議
本研究根據1995-2013年間的統計數據，通過協整分析與Granger因果檢驗，對浙江省城市化進程與碳排放之間的關系進行了定量觀察。經研究發現，浙江省碳排放（被解釋變量）與能源強度、人均GDP、貿易開放等四個解釋變量之間存在均衡的正向相關，而與城市化水平存在均衡的負相關。從Granger因果檢驗看，能源強度、城市化發展水平、經濟增長和對外貿易是引起浙江省碳排放變化的Granger原因，且僅存在單向影響機制。針對上述研究結論，本文提出以下對策建議：在能源方面，針對浙江現階段能源結構不盡合理和使用效率仍有較大提升空間的特點，要實施煤炭消費總量控制，推進煤炭的清潔高效利用，積極開發海洋能、太陽能等可再生能源，安全發展核電，推進一次能源結構、電力裝機結構清潔化、低碳化。同時，加大低碳技術研發和推廣，構建低碳技術評價認定體系，形成低碳技術遴選、示范和推廣動態管理機制，提高能源使用效率，從源頭上控制因能源結構不合理和能源效率不高引起的碳排放。
在經濟發展方面，盡管浙江省經濟增長與碳排放之間呈現一定程度的“弱脫鉤”現象，但經濟增長依然是推進碳排放增長的重要因素，尚未實現碳排放負增長和經濟增長的“強脫鉤”，因此，在保持經濟穩定增長的條件下，要發展新能源、高端裝備制造、節能環保、新能源汽車、物聯網、新材料、海洋新興以及核電關聯產業等碳排放強度低、產業帶動強的戰略性新興產業和現代服務業，同時嚴格控制高碳行業發展，加快淘汰落后產能，進一步調整和優化產業結構，減少生產過程碳排放。在城市化發展方面，要實現《浙江省城鎮體系規劃（2011-2020）》提出的到2020年城市化水平為72%左右目標，浙江在2020年前每年需提升城市化率1.14個以上百分點，繼續推進城市化仍將是今后的重點任務。因此，盡管城市化水平是浙江省碳排放的負向驅動因素，但在今后推進城市化的進程中，要繼續以新型城市化戰略和主體功能區戰略為指導，構筑以省域中心城市建成區為中心、縣城和中心鎮為節點、綜合交通為骨架的城市空間形態，深入推進城鎮結構的低碳化。同時，要在城市基礎設施、公共服務設施等建設方面堅持綠色低碳理念，推廣綠色建筑，優化交通組織，提高城市建設質量，進一步減少城市碳排放。
第7篇：碳排放的來源范文
摘要：在測算30 個省市1997-2011年的二氧化碳排放量的基礎上，運用空間DURBIN 模型分析了我國區域碳排放的空間聚斂性，量化分析了5 個變量對碳排放的影響以及5 個空間滯后變量在相鄰區域碳排放之間形成的溢出或擠出效應。研究發現城鎮化率、能源強度、建筑業總產值及規模以上工業產值等指標均對碳排放有顯著影響；城鎮化率、能源強度及規模以上工業產值的空間溢出或擠出效應對相鄰區域碳排放產生了不同程度的影響。
關鍵詞 ：碳排放；空間DURBIN 模型；溢出效應；擠出效應
城市化、工業化是我國改革開放以來最顯著的經濟現象，城鎮化率由1997年29.92%升到2011年51.27%，2013年超過54%。如此快速的城市化帶來的是巨大的資源耗費及碳排放量，這也使得我國當前的二氧化碳減排工作壓力不斷增大。
關于城市化、工業化與碳排放的研究，主要體現在它們之間關系研究以及形成區域碳排放差異影響因素研究方面。
關于城市化、工業化與碳排放關系的研究，Cole & Neumayer（2004）以及林伯強（2010）認為城市化及工業化直接會對能源消費和碳排放帶來增加壓力。Liddle（2004）認為城市化和工業化會提高公共基礎設施效率，可以降低能源浪費和碳排放。在形成區域碳排放差異影響因素研究方面，李衛兵（2011）采用STIRPAT 模型研究發現能源強度與碳排放存在正相關的關系。
對于城市化對碳排放的影響研究，使用方法等方面存在異質性，因此仍存在一定研究空間。本文采用空間DURBIN 模型來實證分析城市化、工業化對中國區域碳排放的影響，通過研究我們可以發現我國區域碳排放的空間聚斂性、不同因素對碳排放的影響程度、空間滯后變量在相鄰區域碳排放之間形成的溢出或擠出效應程度。
一、變量選擇與模型構建
1.數據來源
各省市二氧化碳排放量根據一定的公式進行測算，所需具體數據來源于《中國能源統計年鑒》、《中國統計年鑒》，西藏自治區的數據缺失較多，予以剔除。
2.二氧化碳排放量的測算
二氧化碳排放量的測算參照相關學者關于各省市二氧化碳排放量的計算公式來進行具體計算，公式如下：
式（1）中Cit為i省t年的二氧化碳排放量，Eijt為i省t年第j種能源的消費量，θj為第j種能源的碳排放系數。在具體測算二氧化碳排放量時需要將實物統計量轉換為標準統計量，這需要參照能源統計年鑒中給出的各能源的標準煤換算標準和碳排放系數。最后計算得出30個省市1997到2011年的二氧化碳排放量。
3.變量選擇
考慮到實體經濟與碳排放影響的關系，本文選取以下經濟指標來衡量城市化工業化水平。城鎮化率；采取非農人口占總人口比重來度量，記為city。人均GDP；在模型中取人均GDP 的對數形式，記為pgdp。建筑業總產值；模型中采用對數形式的總產值，記為building。規模以上工業產值；為便于統計，模型采用規模以上工業產值，同時取對數形式，記為in?dustry。能源強度；即每一單位GDP產出的能源消費量，值越高，表示經濟活動的能源效率越低，碳排放量相對越多，記為energy。
4.模型引用
空間DURBIN 模型是近幾年發展起來的空間計量經濟模型。模型考慮了因變量和自變量的滯后影響，能較好地反映空間外部性和溢出性，對空間經濟集聚與擴散研究有較大解釋能力(Anselin,1988 )。模型形式：
式（2）中yit 是i 省t 年二氧化碳排放量；W是0-1空間鄰接矩陣；xit是解釋變量向量，xit指i省t年數值；In是n階單位矩陣；ρ ，β，θ，α是待估參數, μ 是隨機誤差項。
二、實證分析
實證部分主要運用空間DURBIN 模型對我國區域碳排放的影響進行量化分析。模型中，以co2為被解釋變量，以city，energy，pgdp，building，industry 為解釋變量，利用STATA 軟件進行編程計算。具體模型如下：
模型估計結果見下表1。
可決系數R2 為0.3530，反映模型在變量的選擇上及模型整體構建上基本上符合預期。因變量的空間滯后回歸系數為0.1264，在0.01的水平上不顯著為正，這反映了我國相鄰的各省市間碳排放存在空間依賴性，但并不十分顯著。
我國區域碳排放的空間影響因素分析：
城鎮化率對碳排放的回歸系數顯著為正，在其他因素不變的情況下，城鎮化率每提高1%，碳排放增加5.4%；城鎮化率的空間滯后項系數為-0.072，顯著為負，表明城鎮化率對區域間碳排放存在顯著的擠出效應，這表明相鄰省市相同的城鎮化率會形成競爭態勢，使相鄰區域碳排放量受到影響。
能源強度對碳排放的回歸系數顯著為正，能源強度每降低1 噸標準煤/萬元GDP，碳排放降低11.5%；能源強度的空間滯后項系數為0.0337，顯著為正，表明能源強度對區域間碳排放存在顯著的溢出效應。
人均GDP的對數對碳排放的回歸系數不顯著為負，人均GDP的對數每增加1個單位，碳排放降低4.1%；人均GDP的對數形式的空間滯后項系數為-0.1735，但不顯著，這表明人均GDP對相鄰區域間碳排放不存在顯著的擠出效應，這也表明人均GDP增加并不意味著相鄰區域碳排放會增加。
建筑業總產值對碳排放的回歸系數顯著為正，建筑業總產值的對數每增加一個1個單位，碳排放增加0.74%；建筑業總產值的空間滯后項系數為0.102，但不顯著，這表明建筑業總產值對相鄰區域間碳排放存在不顯著的溢出效應。
規模以上工業產值對碳排放的回歸系數顯著為正，規模以上工業產值的對數每增加一個1個單位，碳排放增加0.24%；規模以上工業產值的空間滯后項系數顯著為負，表明規模以上工業產值對區域間碳排放存在顯著的擠出效應，這表明相鄰省市相同的規模以上工業產值會形成競爭態勢，資本等生產要素要流向更有利于增值的地方。
三、結論與建議
本文通過測算1997-2011年30個省市的二氧化碳排放量，運用空間DURBIN模型對區域碳排放做了較深入的分析，研究表明城鎮化率、能源強度、建筑業總產值及規模以上工業產值均對碳排放有顯著影響；城鎮化率、能源強度及規模以上工業產值的空間溢出或擠出效應對相鄰區域碳排放產生了不同程度的影響。
因此，針對上述因素影響效果，當前應積極采取措施提高經濟發展質量，加快技術革新、鼓勵高新技術發展，引導社會資金向可以增加整體社會福利的現代產業領域投資，從產業結構轉型的視角降低能源強度，實現產業結構更為優化合理發展。與此同時，從空間的角度、區域經濟協調發展的角度出發，建議各地政府在制定相關產業發展政策時注重相鄰區域的溢出效應，合理進行產業布局，使資源、生產要素達到最優化配置，且對相鄰區域產生正向溢出效應，以提升我國的整體經濟實力。
參考文獻
[1] Anselin，L.Spatial econometrics :methodsand models[M].Dordrecht：Kluwer Academic，1988.
[2] 林伯強，劉希穎.中國城市化階段的碳排放：影響因素和減排策略[J].經濟研究，2010(8)：66 -77．
[3] Cole M．，Neumayer E.Examining the Im?pact of Demographic Factors on Air Pollu?tion ［J］.Population and Environment，2004(1) ：5 -21．
[4] Liddle B.Demographic Dynamics and Percapita Environmental Impact:：Using PanelRegressions and Household Decompositionsto Examine Population and Transport［J］.Population and Environment，2004( 26) ：23 -39．
[5] 李衛兵，陳思.中國東中西部二氧化碳排放的驅動因素研究[J].華中科技大學學報，2011(3)．
第8篇：碳排放的來源范文
[關鍵詞]碳交易 企業 利益 策略
一、 企業考慮碳交易策略必要性分析
我國從2008年開始，先后在北京，天津和上海建立了三個自愿性的環境交易所，形成了碳交易市場三足鼎立的格局，其中天津排放權交易所已經進行二氧化硫排放交易，北京環境交易所開啟了企業自愿減排市場，此外十二五規劃也要求大力推廣節能減排技術，努力提高資源使用效率，可見碳減排也成了政府的目標之一。尤其2012是京都議定書對我國沒有強制性減排義務的最后一年，直到目前我國在碳減排上所做的，主要是與西方企業合作，通過CDM機制來進行碳交易，我國企業主要扮演單一的賣方，但從2013年起，我國將會有一定配額進行碳減排，這些配額最終會分配到相關我國的企業進行，無論其對環保持何種態度，政府都要求企業進行參與，企業在碳交易過程中采取恰當策略，無疑是在減低企業成本，同時也可在新市場中獲取利益。
當二氧化碳排放成為一種產權時，擁有它，便是資源，資源是企業能力的來源，企業能力是競爭力的來源，競爭力是核心競爭力的來源，核心競爭力是持續競爭力的來源，持續競爭力是優勢的來源，企業優勢是超額利潤的來源，故在這樣的低碳理念的大背景下，在碳排放權交易市場不斷壯大的現狀下，企業摸索制勝的碳交易參與的策略其必要性和重要性已顯而易見。
二、企業碳交易策略分析
1.企業開發技術自我減排和購買減排權的策略衡量
碳排放權交易和其他商品交易其本質是一樣的，低買高賣，現在的情況，已知政府會在不久的將來要求企業碳減排，或許是通過配額形式，或許是稅收形式，我們先來做這樣一個假設：未來排放二氧化碳將會須要支付成本。該假設意味未來盈余二氧化碳排放權企業可以賣該產品，而缺少的可以買。企業所面臨的策略，何時買，何時賣，企業獲得利潤最大。
首先我們先引入影子價格這個理論，影子價格是一種邊際價值，設B 是{ max Z = CX | AX ≤ b，X ≥0 }的最優基矩陣，由強對偶定理知Z* =CX*= CBB-1b=Y*b=W* 由此，影子價格CBB一1實質上是資源的邊際收益或邊際成本。
具體企業可以根據該邊際成本的衡量來進行策略選擇，當然從經濟發展的一般規律以及中國越來越巨大的減排壓力角度出發。因此，在當前碳排放權交易價格還處于低位時選擇自主開發，不失為一種很好的策略。
2.從企業戰略層面考慮策略
據世界銀行統計分析從2007年到2030年世界一次能源需求的增長中，化石燃料占77%，其中，石油需求從2008年的8500萬桶/天增長到2015年的8800萬桶/天, 2030年增長到1.05億桶/天，石油需求的高速增長勢必會導致石油需求的枯竭。
企業如果依賴碳排放較多的石油作為主要燃料，石油枯竭和國家戰略性儲藏將是指日可待，對于這些企業而言，研發使用新能源，開發利用燃料替代技術，已然超越了環保的話題，而是真正涉及企業自身生存與否的一個重大要素。現在的世界競爭格局已經進入了超級競爭格局，市場的假設已經被不穩定性和變化的觀念所取代，在環保觀念日益盛行的今天，二氧化碳等溫室氣體的過多排放，不僅會增加企業未來的有形成本，同時也對企業品牌構建造成沖擊，所以對于那些能源消耗大，對于石油需求大的企業，即便在計算邊際成本上，開發技術的成本高于碳減排后的交易價格，從長遠戰略角度考慮，企業也應當進行自我減排，開發減排技術，開發新能源，畢竟這一部分的經濟利益損失，將會在未來獲得補償，并且增強企業軟實力。
3.企業之間博弈考慮碳交易策略
假設政府為企業A、B的配額都是100噸，A、B都需要再減100噸。A的減排技術比B要先進，A的減排成本是每噸50元，而B卻需要每噸150元(該數值是以歐盟減排成本和中國減排成本相近)。A、B都有兩個選擇：自減或者購買。市場價格（m）有三種可能性，大于150元，小于50元和處于兩者之間。
（1）m>150,我們取200為例：
表1 A和B企業碳交易決策情況（當市場排放權價格大于150元）
由于m>150，故100m>15000,當市場價格比減排技術低的企業進行自減的價格都要高時，AB企業都會選擇進行自減。
（2）50< m
表2 A和B企業碳交易決策情況（當市場排放權價格為100元）
該情況下，A企業選擇自減，而B企業選擇購買
（3）m
表3 A和B企業碳交易決策情況（當市場排放權價格為40元）
當市場價格低于A、B當中較低一方的自減成本時，兩企業都不會選擇自減。因而，(4000，4000)是AB的最優策略，即雙方都選擇購買。
由于表1和表3的這兩種情況比較極端，而且在目前的背景下，已經不存在，我們就來考慮當價格介于50元和150元之間，(5 000，10 000)是AB的最優策略，但容易發現，B始終比A多付出5 000元的成本代價。
假設AB互相敵視，實現減排目標，最理想的一種狀態B和A一樣需要付出5000元的成本。而AB合作共同實現減排目標，雙方都只需付出3000元成本，與(5000，5000)相比，(3000，3000)更具有帕累托優勢，它使雙方共同的成本降低，也不損害任何一方的利益。落后企業會不斷學習先進企業的方式，以及尋求和先進企業合作，極力改變自己的競爭地位，在這樣的碳交易市場上，合作比獨立研究更快有成果，并且能運用于市場，而先進技術企業可以通過與落后企業的合作，在合作過程中，相應地獲得碳減排量。目前，碳項目市場主要包含兩個子市場,一是技術換資源市場,另一個是聯合減排市場。企業可通過分析外部的環境和企業自身狀況，選擇其中一種，對于技術換資源，一般適用于合作雙方在技術上差別比較大，對于聯合減排比較適用企業性質類似，甚至是上下游企業之間。
4.企業參與碳交易領域選擇策略
對于企業來說，最直接參與參與碳交易一方面可以減排，另一方面，可以購買減排權，除此之外，還可以間接參與，通過投資碳交易來參與與開發這片浩瀚的藍海。
投資領域主要有六大方式，一種是直接投資碳交易相關資產，作為股東或是合伙人；其次是投資以碳交易為主要獲利來源的碳基金――截止2006年，全球已有64億美元被投入50個碳基金用于購買碳減排。再次是自行設立碳基金，成為國際買家；或是經營CDM項目咨詢公司，咨詢公司致力于可開發減排的工廠項目，項目主要產生CER(核證減排量)賣給需要的企業或基金公司；也可以直接開發CDM項目。最后一種是主導或參與發起新的碳交易所。世界銀行統計2010年全球碳交易市場超過1500億美元，超過石油期貨市場成為世界第一大市場。
對于以上這些選擇跟企業的財力，發展業務，人才儲備等都是息息相關的，例如發起交易所一般的企業是很難企及的，不能覺得有利潤就盲目跟從。
三、結束語
參與碳交易，對于企業而言，可預見的利益有很多，諸如，新能源開發，技能技術提高，企業品牌打造，技術的提高，這些帶來的是有形資源，而品牌打造，社會形象的塑造，帶來的是無形資產，然而，不可忽視的是碳排放權交易市場與全球的經濟發展密不可分。席卷全球的金融危機, 曾使許多活躍于碳排放權交易市場的投資機構由于現金流緊縮而退出碳市, 部分買家為了套現而拋售持有的排放額度, 使碳排放權市場供大于求。固企業在考慮參與碳交易市場，必須考慮全球經濟復蘇情況。
參考文獻：
[1]袁慶明.產權確定性及其對投資和經濟增長的價值[J].江西財經大學學報，2009(5):5-9
第9篇：碳排放的來源范文
碳排放所引起的氣候變化問題已經成為國際社會高度關注的熱點。據iea的推算，2007年全球能源消耗產生的碳排放量中有23%是來源于交通部門［1］，預計到2030年這一比例還將提高到41%，交通碳減排已成為發達國家碳減排的重點領域［2］。中國碳排放總量當前位居全球第一①。由于中國經濟社會正處于發展階段，交通部門的碳排放量占全社會碳排放量的比重相對發達國家來說較低，但交通部門也是中國碳排放的主要來源之一，中國道路交通碳排放更是占了交通部門的86.32%［3］，而且隨著城市化進程的加快，城市道路交通碳排放量的上升空間十分巨大。城市道路交通碳排放主要是因消耗化石能源而產生的，它正成為中國政府關注的重點。
中國城市化進程中的碳排放具有增長快速的特征。中國城市正處于快速發展時期，經濟的快速發展，人民生活水平日益提高，城鎮居民人均交通消費支出占總消費性支出的比重不斷增長（2009年比1990年就增加了十多倍②），居民出行需求和強度越來越大。城市人口的迅速膨脹，居民出行需求總量又會快速增加，將導致城市交通客運量的快速上漲。隨著城鎮化進程的加快，城市建成區面積不斷擴大由此帶來我國城鎮居民出行距離的加大。私人汽車增長率居高不下（1999-2009年年均增長率為23.96%），使居民出行結構發生顯著變化，越來越多私人汽車的出現，導致城市道路交通能源消耗越來越多。隨著城市道路交通需求的不斷增加，即使城市交通人均能耗目前仍遠低于發達國家水平，但是增量快，增幅大，由此而產生的碳排放量將迅速增長。
許多學者對交通部門碳排放問題進行了研究。江玉林、姜克雋等指出如果不采取有效措施，2020年城市交通的終端能源消耗將占交通行業能耗量的46%［4］。吳文化預計交通領域將成為能源消費增長最快的終端用能領域［5］。國家發展和改革委員會能源研究所課題組的研究結論是交通部門將逐漸成為未來能源需求和碳排放增長的主要貢獻者［6］。張陶新等的研究表明，2002-2007 年中國城市交通部門碳排放量的年均增長率明顯高出高于同期全國碳排放量；中國各城市人均碳排放增長速度快慢不一，但總體上，中國城市交通碳排放量的增加很快，碳減排形勢不容樂觀［7］。牛文元認為中國應該在交通領域堅持走低碳發展之路［8］。蔡博峰等呼吁在清晰把握全國和區域碳排放水平的基礎上，針對交通模式、燃料類型、發動機效率等方向提出交通領域的系統減排方案［3］。張陶新等對城市低碳交通的概念進行了剖析，并提出了中國城市低碳交通建設的三大戰略方向和五項主要措施［7］。本文在已有文獻基礎上，進一步對中國城市化進程中影響城市道路交通碳排放的機制進行深入的考察，并對不同經濟社會發展情景下城市道路交通碳排放進行預測分析，為政府制定城市交通碳減排政策提供理論依據。
1 研究方法
1.1 模型
1.1.1 基本模型
從城市化、經濟發展、技術進步（廣義）三方面選取城市化率、人均gdp、城市居民消費水平及交通能源強度（平均每車的化石能源消費量）等指標為自變量，以城市道路交通碳排放（后文簡稱碳排放）量為因變量，并分別以字母p、a、x、t、i表示，建立模型進行研究。
ehrlich等人提出ipat模型來分析人類活動對環境的影響［9］，隨后又被進一步擴展為stirpat模型用于對碳排放影響的研究［10］：
i=apbactde（1）
式中：a是模型系數， b、c和d分別為參數，e表示誤差項，誤差項包含了除p、a和t等自變量外的所有影響碳排放量的因素（如貿易能力、管理制度、消費行為等）。
在實際應用中，可根據需要在stirpat模型中增加社會或其它控制因素來分析它們對環境的影響［11］。因此，本文將模型（1）擴展為下面的形式：
i=apαaβxγtδe
對上式兩邊取自然對數后就得到如下的基本模型：
li=αlp+βla+γlx+δlt+m+u（2）
其中：li、lp、la、lx、lt、m、u分別是變量i、p、a、x、t及系數a與誤差項e的自然對數，α、β、γ、δ分別為長期均衡狀態下城市化率、人均gdp、城市居民消費水平及交通能源強度對碳排放的彈性或生態彈性［11］。
1.1.2 變量選擇說明
（1）城市化率。城市化本質上是農村人口向城市轉移集聚。第六次人口普查顯示，2010年中國城市人口達到66 557.5萬人，城市化率為49.68%，同2000年相比，城鎮人口增加20 713.7萬人，鄉村人口減少13 323.7萬人，相當于新產生了10.56個北京市大小的城市。人口大規模地遷入城市后,對城市交通運輸需求快速增加，從而要消耗更多的化石燃料，導致碳排放量增加。本文將城市化率作為反映中國城市化進程的量的指標納入模型。
（2）城市居民消費水平。2009年城市居民消費水平是2000年的1.8倍多，隨著城市居民消費水平的提高，越來越多的汽車進入家庭，對碳排放產生了直接的促進作用。
（3）人均gdp。人均gdp可以代表一個經濟體的經濟規模，大致反映經濟體的經濟發展水平。本文將人均gdp作為一個表征經濟發展的指標納入模型之中。
（4）交通能源強度。城市道路車輛每人公里或每噸公里化石能源消耗是用來度量城市道路交通化石能源強度較好的方法，但是目前獲取中國城市道路車輛行駛里程、能耗、載客量或載貨量等基礎數據非常困難，本文用城市道路交通部門平均每車的化石能源消費量來度量城市道路交通能源強度，簡稱交通能源強度。同樣數量的車輛，平均每車消耗的化石能源越少，相應的碳排放量就越少。降低道路交通領域碳排放的技術進步都能使交通能源強度降低，本文將它作為表征廣義的技術進步的指標納入模型。
1.2 碳排放影響因素分析方法
本文運用協整方法考察碳排放量與各變量之間的長期均衡關系：
it=f(pt,at,xt,tt)
以研究在長期均衡狀態下各經濟與社會因素對碳排放的影響。其中, 各變量的數據期間為1978-2008年，各變量的計算方法為：
第t年的碳排放it=ct×n1t。這里ct表示第t年中國化石能源消耗產生的co2排放量，其數據來源于cdiaccdiac.ornl.gov/trends/emis/tre_coun.html；n1t表示第t年中國城市道路交通能源消耗占中國總能耗的百分比，其數據來源于世界銀行
data.worldbank.org/indicator/is.rod.engy.zs。由于到目前為止，中國城市道路交通所消耗的非化石能源數量相對極小，本文將城市道路交通的能源消耗量等同于化石能源消耗量，本文碳排放僅考慮城市道路交通部門因化石能源消耗產生的碳排放。
第t年的交通能源強度tt=ft×（1-n2t）×n1t÷vt。這里，ft表示第t年中國總能耗量，n2t表示第t年中國化石能源消耗占總能耗的比例，vt表示第t年中國城市民用車輛數（由于數據資料的難以獲得，用民用車輛數代替城市道路車輛數），ft、n2t和vt的各年數據來源于《中國統計年鑒2010》。
其它數據來源于《中國統計年鑒2010》
除了特別說明之外，gdp、人均gdp、城市居民消費水平等均以1978年的不變價格計算。。
本文采用向量自回歸和向量誤差修正理論，利用脈沖響應函數考察各經濟與社會因素對碳排放的影響機制，并對碳排放進行預測。采用情景分析的方法，通過設定不同的經濟社會發展情景，分析不同政策選擇對城市交通部門未來碳排放的影響。
本文采用的分析軟件為eviews6.0、spss17.0和matlab2009。為使行文簡便，后文中變量符號的下標均省略不寫。
2 實證分析
2.1 數據處理
變量間的相關性。用spss17.0軟件計算各變量之間的pearson相關系數，結果表明，碳排放量與各變量之間都呈極強正線性相關。
變量間的因果關系。為防止出現偽相關問題，用eviews6.0軟件進行granger因果關系檢驗，檢驗結果表明在5%的顯著性水平上，p、a、x、t都是i的granger原因。
由此可知，如下的函數關系式成立：
i=f(p, a, x, t)
2.2 彈性分析
本部分依據基本模型（2），對各變量之間的長期均衡關系進行考察，為了避免出現偽回歸，應用協整方法進行分析。
利用eviews6.0軟件,采用單位根檢驗法對變量i、a、p、t、x進行1階和2階平穩性檢驗，檢驗發現各變量并不都是1階單整，但在1%的顯著水平下，各變量都是2階單整變量。采用johansen協整檢驗方法，跡統計量與最大特征值統計量顯示，在5%的顯著性水平下，一階差分li、la、lt、lx、lp之間有一個協整關系，因此可以用eg兩步法建立相應的協整方程［12］。
使用spss17.0軟件對自變量la、lt、lx、lp進行共線性診斷，結果顯示自變量之間存在嚴重的共線性。為了解決變量之間共線性問題，用因子分析法提取兩個主成分z1和z2（z1和z2特征值的累積貢獻率達到99.694%），代替原有4個指標變量進行回歸，得到：
li＾=0.824z1+0.14z2+10.032+u（3）
r2=0.995，調整的r2=0.995，f=2 951.211，方差分析概率值為0.000。因此，模型（3）整體擬合很好，有統計學意義。對序列z1和z2以及模型（3）的殘差用eniews6.0進行單位根檢驗，檢驗的結果表明在1%的檢驗水平下，序列z1和z2以及模型（3）的殘差是平穩的，方程（3）是協整方程。
將主成分z1和z2以及標準自變量還原為原自變量得到如下協整方程：
li=0.734 1lt+0.928 8lp+0.675 6lx+0.441 8la-5.320 2+u（4）
從建模的各種檢驗結果可知模型（4）的模擬能力十分強，模型中各自變量回歸系數均符合經濟學意義檢驗，能夠比較客觀地反映碳排放與城市化率、人均gdp、交通能源強度、城市居民消費水平之間的長期均衡關系。
由方程（4）可知，在長期均衡狀態下，各因素對碳排放的影響最為顯著的是城市化率，其次是交通能源強度，再次是城市居民消費水平，最后為人均gdp。在長期均衡狀態下，城市化率每變動1%，其它因素不變時，碳排放量會同向變動0.928 8%；同樣地，交通能源強度、城市居民消費水平、人均gdp分別變動1%，而其它因素不變時，碳排放量會分別同向變動0.734 1%、0.675 6%、0.441 8%。
方程（4）表明，在長期均衡路徑上要減少碳排放量，著力點首先應放在控制城市化的發展速度上，其次是降低交通能源強度，再就是降低城市居民消費水平增長和經濟發展的速度。
轉貼于
盡管控制某一因素的增長速度可能顯著減少碳排放量，但這并不意味著碳排放量一定會減少，還要取決于其它因素對碳排放量所起的作用。城市道路交通碳減排的戰略制定或政策調整不能僅關注個別因素的靜態影響，還應從動態的角度統籌考慮。
2.3 影響碳排放的機制
2.3.1 var模型
由前面對變量li、la、lt、lx、lp的有關檢驗可知，可以建立有意義的var模型，因篇幅所限，下面僅列出var模型中li的方程：
li=-1.22la(-1)-0.573 1la(-2)+0.990 2li(-1)
+0.750 4li(-2)+2.469 5lp(-1)-1.261 5lp(-2)
-0.557 1lt(-1)-0.605 7lt(-2)+0.742 7lx(-1)-0.414 3lx(-2)+6.057 6+ui（5）
var模型估計結果的特征根都位于單位圓內，因此模型是穩定的。aic與sc都很小，滯后階數恰當。方程的r2以及調整的r2都在0.996以上，另外，對var模型的滯后排除檢驗結果表明，var模型里的每一個方程中，所有的第1階滯后內生變量是聯合顯著的，而且var模型5個方程（另外4個方程未能列出）中，所有的第1階滯后內生變量也是聯合顯著的。從建模的各種檢驗結果可知，模型模擬能力非常強。
2.3.2 碳排放影響機制
通過var模型，利用脈沖響應函數來了解各因素的動態作用機制。由于本文主要分析各因素對碳排放量的作用機制，因此下面重點討論各因素對碳排放的作用機制。
圖1顯示了li對變量lx、lp、la、lt、li的沖擊的響應，其橫軸表示沖擊作用的滯后期數（單位：年），縱軸表示脈沖響應函數值的大小（單位：%）。
城市化率與碳排放。圖1顯示，如果給城市化率一個
圖1 li對變量li、lp、lt、la、lx的一個cholesky標準差新息的響應①
fig.1 response for li to cholesky s.d.innovations of li, lp, lt, la, lx
正向沖擊，將導致城市化率對碳排放量的彈性在隨后2年內上升，接下來的2年有所下降，然后是逐年上升。因此，隨著城市化進程的加快，碳排放也會快速上升。
交通能源強度與碳排放。從圖1可以看出，對來自lt的沖擊，li的響應首先是逐漸減弱的，在第6年后趨于穩定。這一結果的經濟含義是，如果給交通能源強度增長率一個正向沖擊，會導致交通能源強度對碳排放量的彈性在隨后三年內上升，但上升幅度是逐漸降低的，在第4年不升反降，隨后碳排放量的增長率有所上升并逐漸保持穩定。因此，交通能源強度增長率的提高，其效果是使碳排放有較大的即時提高，但持續性較弱。降低交通能源強度的長期戰略的總體效果將使其對碳排放的彈性降低，使碳排放量增長速度得到抑制。
城市居民消費水平與碳排放。圖1顯示，對來自lx的沖擊，li期初的響應是正向增強的，以后逐漸減弱。這表明給城市居民消費水平一個正向沖擊，將會導致開始兩年內城市居民消費水平對碳排放量的彈性上升，但從第2年開始，城市居民消費水平對碳排放量的彈性將會逐年下降。作為使城市居民消費水平增長率提高的政策調整，短期內對碳排放量的增長率有較為明顯的提高，但長期內使碳排放增長率提高的效果并不明顯。
人均gdp與碳排放。圖1顯示，對來自la的沖擊，li的響應首先是負向逐漸增強，在第4期達到負向最大，然后負向減少。這一結果表明，如果給人均gdp一個正向沖擊，那么人均gdp對碳排放量的彈性在隨后各年逐年下降，這有利于保持較高的人均gdp增長率而不使碳排放增長率增加。
各變量的沖擊不僅對碳排放量會產生即期和后期的影響，而且不同沖擊的重要性也不一樣。下面通過方差分解的方法來分析各因素對碳排放量變動的貢獻大小。
圖2中，橫軸表示方差分解的時期數（單位：年），縱軸表示各變量對li變化的貢獻率。圖2顯示，除了碳排放自身外，交通能源強度對碳排放量的貢獻最大。此外，在前5期，城市居民消費水平較大，第6期開始，城市化率的貢獻僅次于交通能源強度，人均gdp對碳排放的貢獻率總體來說較小。由此可知，短期內，城市化率并不是導致碳排放增長的主要因素，但在長期將對碳排放產生最為重要的影響。因此，如何穩步推進城市化從而有利于中國城市道路交通碳減排戰略目標的實現，值得人們思考。交通能源強度雖然是碳排放的重要影響因素，但從長期來看沒有超過碳排放本身所起的作用，意味著在沒有外界沖擊的情況下，碳排放在長期內將會按其自身規律發展，產生碳排放量增加的強化效應，這說明選擇什么樣的宏觀政策將對中國城市道路碳減排起重要的作用。
2.3.3 各因素對碳排放的短期動態影響
根據前面的有關檢驗可知，由var模型可以導出有意義的vec模型，在vec模型的5個方程中提取li方程如下:
li=0.947 5ecm-1-0.824 1li-1+0.862 1lp-1+0.524 7lt-1-0.041 8lx-1+0.710 3la-1+0.095 1+u(6)
碳排放的短期變動分為兩部分：一部分是由于短期滯后1期的各變量變動的影響；另一部分是由前一期碳排放偏離長期均衡關系（即ecm(-1)）的影響。
方程（6）右邊各變量的系數可以理解為相應變量滯后1期的波動對當期碳排放的彈性或者短期生態彈性。由方程（6）可知，各變量滯后1期的波動對當期碳排放的正向影響大小依次為：城市化率、人均gdp、交通能源強度，而負向影響依次為碳排放、城市居民消費水平。其中，城市化率滯后1期的波動對當期碳排放的彈性為0.861 2，即滯后1期的城市化率每增加1%，其它因素不變時，當期碳排放量將增加86.21%。因此，前期通過施加降低城市化率增長速度的干預措施，有利于當期碳排放量的下降，與長期均衡下降低城市化速度的效果相差不到7個百分點。
城市居民消費水平滯后1期的波動對當期碳排放的彈性為-0.041 8，說明前期通過政府干預，調整城市居民消費結構而降低城市居民消費水平將會提高當期碳排放量，這與長期均衡下能明顯降低碳排放的效果不同。
人均gdp滯后1期的波動對當期碳排放的彈性為0.710 3，比起其長期均衡彈性0.441 8，人均gdp滯后1期對當期碳排放極富彈性，前一期人均gdp增長率的提高，將極大地促使當期碳排放量的上升。
交通能源強度滯后1期的波動對當期碳排放的彈性為0.524 7，比長期均衡彈性小，說明前一期交通能源強度增長率的提高，將使當期碳排放增長率上升，但低于長期均衡效果。
3 預測與情境分析
3.1 預測
以2005年的實際數據為基礎， 根據模型（5），運用matlab軟件編寫相應的程序對2006-2008年的中國城市道路交通碳排放量及其影響因素的值進行模擬，并對2009-2030年的值進行預測。由一切照常情景（bau）下預測的結果碳排放量預測值見圖3，其它因素的預測值未能詳細列出（僅在后文需要時用到），讀者可向作者索取。可知，如果繼續延續中國2008年以前的經濟社會發展模式（bau情景），碳排放及其影響因素按其原有規律發展，那么，到2030年，中國城市道路交通碳排放量達到7.72億 t，是2008年的7.54倍，而且其增長趨勢十分強勁。顯然，這是不可持續的。下面根據前文的分析，對碳排放的各影響因素進行設定，考察在外力干預下的中國城市道路交通碳排放變化情況。
3.2 情景分析
與文獻［6］類似，將情景設為節能、低碳、強化低碳三種。節能情景反映這樣一種保守的情景：當前節能減排政策繼續實施，經濟社會穩步發展，技術特別是城市交通技術進步得到發展，經濟發展方式轉變受到重視，但無應對氣候變化的特別政策措施。低碳情景反映了經濟發展模式的改變，技術進步得到強化，但城市居民消費增長保持在一定水平，代表了低碳發展的一種未來趨勢。強化低碳情景反映了以內涵式的增長為主的發展方式，科技進步進一步強化，gdp增長較緩，代表了中國應對氣候變化為全球碳減排所作出的貢獻。下面將考察時段分為2010-2015年、2016-2020年、2021-2030年、2031-2040年、2041-2050年五個區間。
人均gdp。根據實證分析結果，綜合已有的研究［6,13］，設定節能情形下各區間人均gdp的年均增長率分別為7.84%、7.19%、6.95%、5.0%、3.67%。與文獻［14］類似，為使計算簡便，在此基礎上分別向下浮動1與1.5個百分點得到低碳與強化低碳情景下的人均gdp的年均增長率。
城市化率。一般認為，城市化率在30%-70%之間尤其是在50%左右時增長率提高最快，因此，根據實證分析，并參考有關的研究［6,15-16］，設定節能情景下，2015年、2020年中國城市化率達到54.26%、61.33%，以后城市化率增速變慢，2030年、2040年、2050年分別達到70.07%、74.09%、78.11%的水平。在此基礎上，向下浮動2.2個百分點作為低碳情景中相應年份的城市化率，向下浮動4.6個百分點作為強化低碳情景中相應年份的城市化率，由此得到各區間的城市化率年均增長率。
交通能源強度。1978-2008年的交通能源強度年均降低3%，根據bau下的預測結果，bau情形中2010-2015年的交通能源強度年均降低4.9%，2016-2020年的交通能源強度年均降低3.8%，結合前面的實證分析，設定節能情景下，各區間的交通能源強度年均下降率分別為5.9%、5.4%、4.9%、4.5%、4.0%。在此基礎上，分別向下浮動1與2個百分點作為低碳與強化低碳情景中相應年份的交通能源強度年均下降率。
城市居民消費水平。1978-2008年的城市居民消費水平年均增長率為6.34%，根據bau下的預測結果，bau情景下2010-2020年的城市居民消費水平年均增長率將為8.39%。考慮到中國將在2020年基本實現工業化，2021年以后，中國進入后工業化時期，投資率將下降，消費率會不斷提高。因此，結合實證分析，設定節能情景下，各區間的城市居民消費水平年均增長率分別為8%、7.78%、8%、8.22%、8.44%，在此基礎上，2010-2015年向下浮動0.5個百分點作為低碳情景中相應年份的城市居民消費水平增長率，向下浮動0.7個百分點作為強化低碳情景中相應年份的城市居民消費水平增長率。
根據上面對各因素增長率的設定，以及協整模型（4），運用matlab軟件編寫相應的程序運算，得到各情景中2009-2050年各年的中國城市道路交通碳排放量（見圖3）。
圖3顯示， 2030年，節能、低碳、強化低碳情景下的中國城市交通碳排放量分別為3.596 2、2.587 7、1.867 8億t，分別比一切照常情景（bau）減少53.42%、66.48%、75.8%。考慮到美國公路運輸消費的非化石能源比重很小［17］，如果也將美國道路交通消耗的能源看作是化石能源，那么分別比美國2007年的城市道路交通少排放0.06、1.06、1.79億t以上的co2。在2050年，節能、低碳、強化
低碳情景下的中國城市交通碳排放量分別為9.015 8、4.812 6、2.787 1億t碳，強化低碳情景下的中國城市交通碳排放量大約相當于美國1989年的碳排放量。
在bau、節能、低碳、強化低碳四種情景下，中國人均gdp達到1萬美元（2008年美元）以上的時間節點分別為2022、2024、2026、2028年。由圖3可知，其時的城市交通碳排放量分別為3.42、2.55、2.15、1.75億t。節能、低碳、強化低碳情景下2050年人均gdp將分別為3.646 4、2.447 5、2.002 4萬美元（2008年美元），達到世界中等發達國家水平，基本實現現代化目標。
轉貼于
4 結論與啟示
本文以1978年以來的數據為基礎，運用協整與var及vec方法分析了中國人均gdp、城市化率、城市居民消費水平、交通能源強度及碳排放等變量之間的長期均衡關系和動態作用機制，并進行模擬預測和碳排放情景分析。在沒有外界沖擊的情況下，碳排放將遵循自身的發展規律，中國經濟社會無法可持續地發展；外界沖擊的強弱不同，中國道路交通碳排放水平差異很大。基于本文的研究，可以得到如下結論與啟示：
（1）技術進步（以交通能源強度表征）、經濟發展、城市化方面的多種因素共同作用的結果決定了中國城市道路交通碳排放持續增長的趨勢難以避免。一切照常情景（bau）下，2009-2030年的中國城市道路交通碳排放年均增長率達到10.63%；2010-2050年，節能、低碳、強化低碳情景下的中國城市道路交通碳排放量年均增長率分別減弱為為5.51%、3.96%、2.66%。在相當長的時期里，中國城市道路交通碳排放量的拐點難以出現。
（2）不同的發展理念和政策與技術的組合，可以使城市道路交通碳排放發生重大變化。本文通過對城市化率、交通能源強度、城市居民消費水平和人均gdp的增長幅度作不同的組合，強化低碳情景下的中國城市道路交通碳排放量年均增長率不到節能情形下的一半。
（3）政府的主導，廣大居民的碳減排意識及其行動是城市道路交通碳減排的關鍵。城市化率、交通能源強度、城市居民消費水平和人均gdp是影響城市道路交通碳排放的主要因素，靠市場本身的發展來轉變這些因素的發展方式從而達到碳減排，其過程漫長代價巨大，需要發揮政府的主導作用，進行積極干預和調整。從各因素對碳排放量變動的貢獻來看，中短期政策調整的重點應放在交通能源強度對碳排放的影響上，長期戰略調整的重點應放在城市化率和交通能源強度對碳排放量的影響上。
政府通過城鄉統籌穩步推進城市化，適當控制城市化發展速度，城市化率每變動1%，就可以使城市道路交通碳排放同向變動0.928 8%。實施使城市化增長率降低的長期戰略，將使城市化率對城市交通碳排放的彈性下降，城市化率對碳排放量的提升作用得到有效抑制。
政府通過加大政策創新力度和推進技術進步，采取提高燃油經濟性標準、開發車用替代燃料、融合協調城市土地利用與交通規劃、發展智能交通系統、引導私人汽車使用等等基于機動車、燃料、道路和出行需求的政策措施，可以有效降低城市道路交通車均化石能源消耗量（交通能源強度），交通能源強度每變動1%，城市道路交通碳排放會同向變動0.734 1%。
