中国碳排放周期、趋势与影响因素分析，本文主要内容关键词为：中国论文,周期论文,因素论文,趋势论文，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：X24 文献标识码：A 文章编号：1672－6049(2013)05－0001－07
自第二次工业革命以来，大气中CO[,2]等温室气体浓度不断升高[1]。自1992年《联合国气候变化框架公约》签订以来，以温暖化为特征的全球气候变化以及碳排放问题普遍得到国际关注。1997年UNFCCC第三次缔约方大会上通过的《京都议定书》规定2008—2012年，主要工业化国家的温室气体排放量在1990年的基础上平均减少5.2％；2007年确立的“巴厘岛路线图”要求发达国家到2020年将温室气体排放量在1990年的基础上削减25％—40％。根据国际能源机构等组织的不完全统计，2007年，中国已超越美国成为全球第一大CO[,2]排放国。因此，从《联合国气候变化框架公约》签署到《京都议定书》生效，再到《哥本哈根协议》的艰难谈判，关于发展权与排放权的讨论不断升级[2]。2009年11月，国务院常务会议决定我国控制温室气体排放的行动目标：到2020年我国单位国内生产总值二氧化碳排放比2005年下降40％—45％，作为约束性指标纳入国民经济和社会发展中长期规划，并制定相应国内统计、监测、考核办法。
在此背景下，我国学者从不同角度针对碳排放问题开展研究，并取得了丰硕的成果。从现有的文献来看，关于碳排放问题的研究大多集中在碳排放量及强度测算[3－4]、与影响因素的关联分析[5－7]、情景预测[8]、核算方法[9]、区域差异[10]、碳源与碳汇[11]等方面。自古以来，地球就存在着海陆生态系统以及人类活动导致的碳排放问题，近年来由于人类对于化石能源的使用以及对土地利用方式的改变，导致大气中CO[,2]浓度不断升高。碳排放问题既是一种自然现象，也是一种受人为活动干扰的非线性现象。世界是混沌的，但基于长时间序列的碳排放本身是否同经济周期波动一样存在时间尺度上的波动规律？人类是否可以利用现代数量研究方法，从不断波动的碳排放数据中找到历史重现的线索和规律，并对未来加以预测和干预？对于此方面的研究尚属空白。因此，本文尝试运用经验模态分解方法(EMD)对1902年以来我国碳排放进行周期分解以及趋势分析，并在灰色关联分析结果的基础上，对影响我国碳排放总量的各指标因素进行了EMD趋势分析。本文也是对碳排放问题研究的一种新的尝试。
一、数据来源与方法
(一)数据来源
关于碳排放数据源的问题，国内学者大多集中于两种数据。一是基于IPCCIPPC(政府间气候变化专门委员会)《国家温室气体排放清单》消费能源的碳排放系数和我国能源使用数据的大致估算，二是利用美国能源部橡树岭国家实验室二氧化碳信息分析中心(CDIAC)的数据[12]。前者常常由于部分能源统计数据无法获得，而无法得到连续的长时间序列数据，不能满足周期分解数据的长度要求。美国能源部的数据包含了自1850年以来的逐年碳排放数据，主要包括固体、液体、气体燃料碳排放和水泥生产排放数据，是目前世界碳排放研究中使用最为广泛的数据源之一。因此，本文采用美国能源部橡树岭国家实验室的数据作为基础数据，对我国碳排放总量进行周期及趋势分析。
文中的社会经济统计资料，主要来源于历年《中国统计年鉴》和《新中国五十五年统计资料汇编》。由于各指标间不具有综合性，不能直接进行综合性分析，因此本文采用均值法对原始指标数据进行无量纲化处理，即用数列中的各数除去本数列的平均值。
(二)研究方法
1.经验模态分解
对于非线性数据的周期分析研究，国内外普遍使用傅立叶谱分析、小波分析等方法。经验模态分解(Empirical Mode Decomposition,EMD)方法是一种可以很好地处理非平稳、非线性信号的方法。相比傅立叶谱分析、小波分析等时间序列分析方法而言，它不仅可以很好的处理非平稳、非线性信号，并且是直观、直接、基于经验和自适应的。EMD方法可将信号中不同尺度的波动或趋势逐级分解开来，产生一系列具有不同特征尺度的数据序列，每一个序列称为本征模函数(Intrinsic Mode Function,IMF)。而各IMF分量包含并突出了原信号中所含有的特征信息量[13－16]。研究结果表明，EMD方法是目前提取数据序列趋势的较好方法之一[16]。
经验模态分解方法将时间信号X(t)分解成一系列本征模态函数，每个IMF分量具有如下特征：①从全局特性上看，极值点数和零点数目相等或者至多相差一个；②分别连接其局部最大和局部极小值所形成的两条包络线的均值在任一点处为零。
EMD实际上是一种循环迭代算法，可以用伪代码描述如下：
2.灰色关联分析
灰色关联分析是灰色系统分析的主要内容之一，它是根据因素之间发展态势的相似或相异程度来衡量因素间关联程度的方法，是从系统内多因素中确定主要因素进行优势对比的一种理论。关联度是两个系统或两个因素关联性大小的量度，关联度描述了系统发展过程中，因素间相对变化的情况，也就是变化大小、方向与速度等的相对性，如果两者在发展速度过程中，相对变化基本一致，则认为两者关联度大，即影响力大；反之，两者关联度就小，影响力则小。其计算步骤[17－18]如下：
(2)在关联系数的计算时，由于在不同的时刻均可计算得到一个对应的关联系数，显然，关联系数太多，信息过于分散，不便于进行比较。故采用关联系数的平均值来反映各相关因素与碳排放的关联度。关联度计算公式为：
二、中国碳排放周期、趋势分析
(一)近百年来中国碳排放现状分析
图1为我国1902—2008年碳排放总量现状图。图1中显示，自1902年以来，我国碳排放总量不断攀升，从1902年的26千公吨上升到2008年的1917621千公吨，106年间总量增加了7万多倍。数据显示，1930年、1949年、1958年、1998年前后是我国碳排放总量的重要转折点。而从图1中的线性趋势线和指数趋势线的比较来看，我国碳排放总量总体呈现指数式增长态势。
图1 近百年来中国碳排放总量(1902—2008年)
(二)周期及趋势分析
运用EMD方法对我国1902—2008年的碳排放量进行分解，分解结果如图2所示。结果显示，共分解出5个IMF分量和一个RES趋势分量。从图2中曲线来看，IMF1、IMF2、IMF3分量表现出不规则的波动震荡；IMF4、IMF5分量则表现相对规则的周期波动，IMF4表现为一个半周期(70年)的波动，IMF5表现为一个周期(106年)的波动。从RES趋势分离曲线来看，整体呈现先降后升，并在1960年前后不断上升的趋势。通过计算方差贡献率，可以了解各IMF分量以及趋势分量的重要程度(表1)。表1中数据显示，IMF1、IMF2、IMF3贡献较小，均在1％以下；IMF4贡献率为2.88％；IMF4贡献率为17.94％；RES趋势分量贡献率最大，为78.55％。因此，本文着重对IMF4、IMF5表现出的70年和106年时间尺度的准周期波动，以及RES趋势分量表现出的趋势进行分析。
在70年准周期的波动中，1922年、1942年、1968年、1990年、1998年为显著的突变点。其中，1902—1942年为波谷期，1942—1990年为波峰期，1990—2008年为波谷期。目前，我国碳排放总量正由波谷期向波峰期转变，在未来的35年(2008—2033年)之后完成一个周期的波动，并于2025年前后达到峰值。
在106年准周期的波动中，1902—2008年，我国碳排放正好经历了一个周期的波动。1925年、1958年、1985年为显著的突变点。自1902年以来，我国碳排放总量呈现先升后降再升的态势。从1902年开始，碳排放趋势开始上升，于1925年左右达到峰值。1925年之后，碳排放趋势开始下降，在1958年前后达到零值，1985年跌落到谷底。自1985年以后，总体趋势开始上升，从2008年开始又经历新一轮的106年准周期波动。按照106年准周期进行预测，我国碳排放将于27年后(2025年)达到峰值，之后碳排放趋势放缓，并与53年后(2061年)后达到零值，80年后(2080年)达到最低。
从分析出的RES趋势分量来看，自1902年以来，我国碳排放经历了先降，之后一路上扬的趋势。在1925年左右达到谷底，经历了1958年的零值之后，呈现指数方式攀升的态势。据此可以预测，我国未来一段时间内碳排放总量还将继续以指数方式高速上升。
三、影响因素分析
本文根据前人的研究成果[5－7,19,20]，选取人均GDP、能源消费总量、农业、工业、建筑业、交通运输仓储邮电通信业以及批发和零售贸易餐饮业生产总值，共计7项指标，对1952年以来的碳排放数据以及上述指标，进行灰色关联分析(表3)。
表3数据显示，选取的7项指标与我国碳排放均显示出显著的关联度，关联系数均在0.8以上，按照指标关联系数大小排列为，能源消费量＞农业＞人均GDP＞工业＞交通运输仓储邮电通信业＞建筑业＞批发和零售贸易餐饮业。其中，能源消费量与碳排放之间的关系最密切，关联系数达到0.9945；其余指标的关联系数差异不大，位于0.86—0.89之间。值得注意的是，按照一般理论，三次产业中工业和建筑业是最主要的碳排放源，而第三产业普遍认为是低碳行业。此次分析却得到了不同的研究结论，一是农业碳排放的关联程度高于其他产业，二是第三产业中的交通运输仓储邮电通信业、批发和零售贸易餐饮业亦显示出与碳排放的高关联度。农业碳排放近年来已得到国内学者的普遍关注[21]，农业在生产过程中由于化肥、农药、能源消费，以及土地翻耕过程中所直接或间接导致的温室气体的排放。据相关专家研究[22]，18世纪以来，大气中的
浓度增加了一倍多，其中约有70％是人类生产活动的结果，如水稻种植、生物燃烧等的快速增长等。2000年发布的《中华人民共和国气候变化初始国家信息通报》报道，农业温室气体排放总量约占全国排放总量的17％，其中农业排放的甲烷和二氧化氮分别占全国总量的50％和92％[21]。交通运输仓储邮电通信业、批发和零售贸易餐饮业除了在生产过程中由于使用汽油等燃料产生直接碳排放外，还会产生隐含碳排放[23]。
为了更好地揭示我国碳排放的规律，预测未来碳排放趋势。本文对上述与碳排放显示出高关联度的7项指标进行EMD分析，得到各指标的RES趋势分量(图3)。图3曲线显示，各影响因素均表现出增长态势，由此分析出我国碳排放量在未来一段时间内继续攀升的态势将继续维持。2011年，我国一次能源消费总量超过34亿吨标准煤，比上年增长7.0％。能源消费总量增长过快，能源短缺问题已经引起有关部门的高度重视。目前，我国仍处于工业化和城镇化高速发展时期，社会经济发展致使能源消费需求继续增长的趋势不可避免。随着我国整体经济水平的增速发展，三次产业产值将持续增加，由此带来的碳排放水平居高不下的态势亦将不可避免。因此，如何在不影响经济高速发展的前提下，有效施行节能减排、降低单位GDP能耗是减缓我国现阶段高碳排放趋势的关键路径。
图3 各影响因素RES趋势分量
四、结论与讨论
本文尝试运用经验模态分解方法(EMD)对1902年以来我国碳排放进行周期分解以及趋势分析。并在灰色关联分析结果的基础上，对影响我国碳排放总量的各指标因素，进行了EMD趋势分析。主要得到了以下研究结论：
(1)自1902年以来，我国碳排放总量不断攀升，从1902年的26千公吨上升到2008年的1917621千公吨，106年期间总量增加了7万多倍。数据显示，1930年、1949年、1958年、1998年前后是我国碳排放总量的重要转折点。而从线性趋势线和指数趋势线的比较来看，我国碳排放总量总体呈现指数式增长态势。
(2)通过EMD分解结果来看，贡献率较大的IMF4和IMF5分量分别表现出一个半周期(70年)和一个周期(106年)的波动。从两个不同尺度的周期波动以及RES趋势分量来看，我国碳排放总量正由波谷期向波峰期转变，未来一段时间内碳排放总量将继续以指数方式高速上升，并与2025年前后碳排放量达到峰值，之后碳排放趋势将有所放缓。
(3)人均GDP、能源消费总量、农业、工业、建筑业、交通运输仓储邮电通信业以及批发和零售贸易餐饮业生产总值等7项指标与我国碳排放均显示出显著的关联度，关联系数均在0.8以上，按照指标关联系数大小排列为，能源消费量＞农业＞人均GDP＞工业＞交通运输仓储邮电通信业＞建筑业＞批发和零售贸易餐饮业。其中，能源消费量与碳排放之间的关系最密切，关联系数达到0.9945；其余指标的关联系数差异不大，位于0.86—0.89之间。
(4)从各影响因素的EMD分解趋势来看，各影响因素均表现出增长态势，由此分析出我国碳排放量在未来一段时间内继续攀升的态势将继续维持。经济发展、人民生活水平的提高，三次产业产值的持续增加，致使由此带来的碳排放水平居高不下的态势亦将不可避免。如何在不影响经济高速发展的前提下，有效施行节能减排、降低单位GDP能耗是减缓我国现阶段高碳排放趋势的关键路径。
(5)本文从分析碳排放的生命周期入手，对我国未来碳排放规律及趋势进行了分析，是碳排放研究的一个新的视角，亦是一种新的研究方法的尝试，是对当前研究碳排放理论与方法的有益补充。但是，由于目前国际上对碳排放量的核算尚未形成公众认可的标准，因此，研究结果将受到数据精度的限制。此外，全球气候变暖与碳排放问题近些年来在国际上得到高度重视，我国的碳排放问题以及由此带来的发展权问题备受国际争议。碳排放是否为导致气候变暖的必然因素，以及两者之间关系的不确定性，越来越受到科学界的质疑[24]。如果碳排放确实是导致气候变化的关键因素，那么，两者在长时间尺度上的周期变化是否应存在一致行为？在不同时间尺度上，两者之间是否存在关联？这将是本文今后研究的重点之一。
收稿日期：2013－09－27