中国二氧化碳净排放的时空特性分析，本文主要内容关键词为：中国论文,特性论文,时空论文,二氧化论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
中图分类号：K902 文献标识码：A 文章编号：1000-0690(2013)10-1173-07
修改日期：2013-06-05
排放是导致气候变化的主要原因。近年来，围绕碳排放的相关问题，许多专家、学者已从不同角度进行了大量的研究。一些学者从模型角度出发进行定性分析，另一些学者则采用层次分析法、岭回归法和脱钩指数等分析方法对某一行业或地区碳排放现状进行定量分析[1-9]。但纵观已有研究，可以发现学者们在排放量计算上往往忽略3个重要问题。一是随着国家节能减排力度加大和各省市技术发展水平的差异，消耗单位能源产生的数量必然存在差异，即使同一省份，随时间其数值也不断减小，而学者通常采用均值计算。二是往往忽略森林等对的去除效应。即使一些学者考虑了该因素，他们在计算时也涉及到每公顷森林年吸收数量这一数据。然而该数据文献报道差异巨大(从2.0[10]～328.5 t/
[11，12])，这些学者又没有明确提供该数值，导致无法判断数据大小。2005年7月在“生态系统碳平衡和碳循环研究”国际学术讨论会上，周国逸研究员首次在国际学术界精确计算出每公顷森林1a可净吸收0.5 t碳[13]。三是一些学者将碳排放量和排放量混为一谈，其实二者相差44/12倍。基于以上3种问题，导致在计算上存在巨大误差。
本文通过中国2005-2010年单位生产总值能耗和排放量的数据，采用外推模型首先计算出了2005-2010年每年、不同省份的煤转化成的折算系数，从而更加合理地计算不同年份各省排放量。此外，本研究考虑了各地区森林和城市绿地对的去除效应，将该地区净的排放量作为衡量该地区排放的基础数据(考虑每公顷森林对吸收数量时，采用了1.83 t[13])。本文在整个计算和分析过程中，还将经济学中显示性比较优势理论和地理学中变异系数分析方法进行综合运用，从区域经济地理学角度进一步分析了中国六大区域和29个省市2005-2010年(2005前和2010年后数据报道不全)净排放的时空演变特性，并对差异变化趋势进行了分析，从而以更加合理、更加精确的数据和分析方法对中国净排放现状进行分析，为国家或地区制定相应的经济、政策等措施提供参考。
1 模型构建与数据
1.1 评价体系构建
由于低碳经济其实质就是以较少的能源消耗获取较大的经济和环境效益，为了剔除规模差异对各地区排放水平的影响和检验经济整体活动对排放的影响，在评价一个地区和省市低碳水平时，必须要兼顾经济效益(GDP)和环境(净排放量)协调发展。为了研究问题方便，本文将29个省市分成华北、东北、华东、中南、西南、西北六大区域。华北包含北京、天津、河北、山西、内蒙古5个省、市、自治区；东北包含辽宁、吉林、黑龙江3个省；华东包含上海、江苏、浙江、安徽、福建、江西、山东7个省、市；中南包含河南、湖北、湖南、广东、广西、海南6个省、自治区；西南包含重庆、四川、贵州、云南4个省、市；西北包含陕西、甘肃、青海、宁夏4个省、自治区。
根据美国经济学家巴拉萨(Balassa)于1965年提出的显示性比较优势指数(Revealed Comparative Advantage Index，简称RCA指数)的测算原理[14]，本文选择人均净排放和单位GDP的净排放等指标构建净排放显示性比较优势指数测算模型，该模型包括2个部分。
1.1.1 区域人均净排放量比较
各省人均显示性比较优势指数可以写成：
1.2 数据来源和处理
1.2.1 数据来源
本文数据来自《中国统计年鉴》[15]、《中国能源统计年鉴》[16]。按照国家统计局对“能源消费总量(×
t标准煤)”定义的阐述，系指一定时期内，全国各行业和居民生活消费的各种能源的总和，包括原煤和原油及其制品、天然气、电力。因此，本文在计算各省(市、自治区)排放量过程中可以直接将各省(市、自治区)能源消费总量乘以该省(市、自治区)煤转化成的折算系数(指1t标准煤燃烧释放的数量(t))，不需要提供石油、电力等折算系系数。而不同年份、不同省份标准煤转化成折算系数的数值是通过中国“十二五”各地区单位国内生产总值排放下降(%)指标和各地区单位国内生产总值能源消耗下降(%)指标两者相除，首先得到“十二五”各地区每年单位能耗下降指标，并由此计算得出“十二五”各地区每年单位能耗下降相对于全国平均指标的水平，将此作为因变量，年份作为自变量，采用外推模型[17]得到2005-2010年各因变量数值，即2005-2010年各地区每年单位能耗下降相对于全国平均指标的相对水平。然后根据《中国统计年鉴》[15]和《中国能源统计年鉴》[16]计算出2005-2010年各年全国平均单位能耗排放量，并将该数值乘以上步骤计算得到的当年各地区单位能耗下降指标相对全国平均指标的相对水平，即可得到2005-2010年各地区标准煤转换成的折算系数。2005-2010年各个区域人均和单位GDP净排放量的
等数值分别通过公式(1～6)计算得出。
2 净排放空间格局及演变
2.1 区域净排放空间格局及演变
2.1.1区域人均净排放格局及演变
图1给出了2005-2010年六大区域人均净排放显示性比较优势指数变化趋势。可以看出：2010年人均净排放量显示性比较优势指数从大到小依次为华北、东北、西北、华东、中南、西南。整体上呈现北高南低，且态势十分明显。其原因是北方地区多为资源型省份和重工业基地，其高耗能产业较多，能源利用效率偏低，技术水平相对落后。还可以看出：华北和东北地区2005-2010年人均净排放一直高于全国平均水平；而中南部地区、西南地区一直低于全国平均水平；华东地区在2007年以前高于全国水平，而2007年后低于全国水平；西北地区2009年以前低于全国水平，2009年开始高于全国水平。此外，还可以看出整个中南部地区人均排放量相对全国维持在平稳水平，而华北、华东相对全国呈现下降趋势，西南、西北相对全国呈现上升趋势，东北地区呈现“震荡”态势。
图1 六大区域人均净排放显示性比较优势指数
Fig.1 Revealed comparative advantage index of net emission per capita among the six regions of China
2.1.2 区域单位GDP的净排放格局及演变
单位GDP的净排放量是每单位经济产出所释放的量，反映了一个地区经济发展对净排放的贡献程度。图2给出了2005-2010年六大区域单位GDP的净排放显示性比较优势指数变化趋势。从
的数值可知：当＞1，说明该地区单位GDP的净排放量高于全国平均水平；1＞＞0则说明低于全国平均水平。中南和华东一直低于全国平均水平，说明2个区域在处理经济增长和环境保护方面做得较好，在同样经济增长情况下，能最大限度降低对环境的污染。而西北、华北、东北、西南地区一直高于全国平均水平，其中西北地区最高，表明该地区碳排放强度(单位GDP的排放量)最大，需采取节能减排措施，在保证经济增长的同时，大力降低排放量。从该图还可以反映：中南地区虽然碳排放强度低于全国平均水平，但是2005-2010年出现增长的势头，如不加强控制，很可能在未来也处于高碳排放的行列。
2.2 省域净排放空间格局及演变
2.2.1 省域人均净排放格局
本文将
＞2的省(市、自治区)定义为人均净排放强度区。2＞＞1，为人均净排放中度区。1＞＞0属于人均净排放低度区。根据计算结果，宁夏、内蒙古属于人均净排放超强区；江西、海南、云南、广西、安徽等省属于人均净排放低度区，其它省(市、自治区)属于中度区。2005-2010年期间，北京、黑龙江、上海3个省市排名分别下降了5位以上，表明3个省市在人均净排放上下降幅度较大，而陕西、重庆2个省市排名上升了5位以上，表明该地区人均净排放加剧，政府应充分重视，及时采取行政等手段进行干预。
图2 六大区域单位GDP的净排放显示性比较优势指数
Fig.2 Revealed comparative advantage index of net emissions per unit GDP among the six regions of China
2.2.2 省份单位GDP的净排放
本文将＞2的省(市、自治区)定义为单位GDP 净排放强度区。2＞AECY＞1定义为单位GDP二氧化碳净排放中度区，1＞AECY＞0定义为单位GDP的净排放低度区。可见，宁夏、贵州、山西等一直属于单位GDP的净排放超强区。北京、天津、黑龙江、上海、江苏、浙江、安徽、福建、江西、广东、广西、云南一直属于单位GDP的净排放低度区。吉林省2010年相对2005年下降了6位，说明该省单位GDP的排放量下降趋势明显。而海南上升了5位，表明该省碳排放强度增高态势明显，在经济增长的同时要大力减少排放。
3 净排放空间格局差异性大小的演变
3.1 区域净排放的空间格局差异性演变
3.1.1 区域人均净排放格局差异性演变
图3 区域间人均净排放排放变异系数
Fig.3 Variation coefficient of net emission per capita among regions of China
3.1.2 区域单位GDP 净排放格局差异性演变
图4 区域间单位GDP的净排放变异系数的变化
Fig.4 Changes of variation coefficient of net emission per unit GDP among regions
3.2 省域净排放的空间格局差异性演变
3.2.1 省域人均净排放格局差异性演变
3.2.2 省域单位GDP的净排放格局差异性演变
图5 省际间人均净排放变异系数的变化
Fig.5 Variation coefficient of per capita net emission among provinces
公式(18)中n=29，仍代表29个省市。图6给出了2005-2010年省际间单位GDP 净排放变异系数的变化趋势。可以看出：2005-2007年单位GDP 净排放省际之间差异增大，说明省际之间在单位GDP 净排放上两极分化的态势明显，2007年以后省际差异缩小，各地区迅速趋于均衡。
图6 省际间单位GDP的净排放变异系数
Fig.6 Changes of variation coefficient of net emission per unit GDP among provinces
4 结论与展望
第一，本文在充分考虑了各地区森林等对净吸收和不同年份，不同省市由于省市低碳技术等发展不均衡造成单位标准煤排放数量有所差异的基础上，对全国六大区域和全国29个省市2005-2010年各区域和各省人均和单位GDP的净排放量进行了更为精准的计算，更加清楚地分析了中国净排放时空演变特性。
第二，本文将经济学中显示性比较优势理论引进地理学的空间分析中，并与变异系数分析方法相结合，更为直观地分析了各区域和各省市的净排放现状和时空差异性。
第三，2005-2010年，华北和东北地区人均净排放一直较高，而中南、西南地区一直较低，区域差距逐渐缩小；中南和华东单位GDP 排放量一直较低，而西北、华北、东北、西南地区一直较高，西北地区最高。2007年以后各区域差异出现明显缩小态势；宁夏、内蒙古属于人均净排放超强区；江西、海南、云南、广西、安徽等省属于低度区。北京、黑龙江、上海3个省市下降幅度较大，而陕西、重庆2省市上升加剧；省际间差异呈现“震荡”，但总体略呈减小态势；宁夏、贵州、山西等省一直属于单位GDP的排放超强区。北京、天津、黑龙江、上海、江苏、浙江、安徽、福建、江西、广东、广西、云南一直属于低度区。吉林下降趋势明显，而海南增高态势明显。2007年以后各省差异缩小。
尽管将显示性比较优势理论和变异系数分析方法的结合能够较好地揭示中国净排放的时空格局演化特征，但是由于文章能够选取的时间序列并不是很长，仅从2005-2010年，还需要进一步研究。
针对中国区域和省市间低碳发展水平的差异和不均衡性，应尽早建立区域或省际间补偿机制，其中补偿标准额度分配、减排量化指标可以借鉴国际上正式的CDM(Clean Development，Mechanism)机制和非正式的VCO(Voluntary Carbon Offsets)市场机制[19]，同时结合本地区或省市经济发展状况界定。例如，北京作为人均和单位GDP的排放较少的典型城市，很大程度上源于其高耗能产业外迁的结果，提高城市低碳质量，不能以牺牲其他地区或省份为代价，北京地区应向受损地区提供补偿。任何区域或省份，不应片面追求净排放的绝对值或相对值，应与本地区或本省经济发展紧密相连，在保证经济增长和人民生活质量不断提高的前提下，降低其绝对值。