Scientia Geographica Sinica 2013 , 33 (10): 1173-1179 https://doi.org/10.13249/j.cnki.sgs.2013.010.1173

Orginal Article

中国二氧化碳净排放的时空特性分析

于洋¹^,²^,, 陈才¹

1.东北师范大学地理科学学院, 吉林长春 130024
2.东北师范大学人文学院国际商务学院,吉林长春 130017

Spatial and Temporal Characteristics of Net Emission of Carbon Dioxide In China

YU Yang¹^,²^,, CHEN Cai¹

1.School of Geographical Science, Northeast Normal University,Changchun,Jilin,130024,China
2. School of International Business, College of Humanities & Science,Northeast Normal University,Changchun,Jilin,130017,China

中图分类号: K902

文献标识码: A

文章编号: 1000-0690(2013)10-1173-07

收稿日期: 2012-12-10

修回日期: 2013-06-5

网络出版日期: 2013-10-20

基金资助: 国家自然科学基金项目（41201157）、吉林省教育厅项目（[2011]第507 号）资助

作者简介:

作者简介：于洋（1980-）,女,吉林临江人,博士研究生，主要从事区域经济与可持续发展研究。E-mail：18500510@qq.com

展开

摘要

为深入研究中国二氧化碳（CO₂）排放现状和发展趋势,在充分考虑各省(市、自治区)、不同年份能源转化成CO₂效率差异性基础上,以扣除掉森林等对CO₂吸收后的净CO₂排放量作为基础数据,采用显示性比较优势理论对2005~2010年中国六大区域（华北、东北、华东、中南、西南、西北）和29个省(市、自治区)（不含港澳台及西藏和新疆）人均和单位GDP的CO₂净排放空间格局和时间演变规律进行了分析。通过引入变异系数分析方法,综合比较优势理论,对2005~2010年地区和省市差异变化水平进行了研究。结果表明,华北和东北地区人均CO₂净排放较高,西北、华北、东北、西南地区单位GDP的CO₂净排放较高。宁夏、内蒙古属于人均CO₂净排放强度区;江西等省属于低度区。省际间差异呈现“震荡”总体略呈减小态势;宁夏等省一直属于单位GDP CO₂排放强度区,北京等省市一直属于低度区,2007年以后各省差异缩小。最后对中国低碳发展的未来提出了“CO₂区域和省市间补偿”等建议,以期推动中国低碳经济发展水平,促进经济和环境的和谐发展。

关键词： CO2净排放 ; 显示性比较优势指数 ; 时空演变 ; 变异系数

Abstract

For an in-depth research on the current situation and developmental trend of China's CO₂emissions, this article employed the revealed comparative advantage theory to carry out an analysis of the spatial framework and time-evolution regulations of net CO₂ emission. The analysis focuses on the net CO₂ emission per capita and unit GDP covering from 2005 and 2010 in China's six major regions (North, Northeast, East, Central South, Southwest, Northwest of China) and 29 provinces (excluding Hong Kong, Macro, Taiwan, Tibet and Xinjiang). In the calculation of CO₂ emission, net CO₂ emission (the absorption by the forest already deducted) were used as the basic data under the full consideration of the efficiency differentiation of energy conversion into CO₂ in different provinces in different years(In this way, the obtained net CO₂ emission were more accuracy).The difference in net CO₂ emissions per capita and unit GDP among different regions and provinces from 2005 to 2010 were studied and the driving mechanisms for this difference are analyzed by introducing one analytical method---coefficient of variation. The results showed that the difference of per capita carbon dioxide among regions became smaller, the value for North and Northeast China were higher and the value for Southwest of China was lower. In the case of CO₂ emission of unit GDP, the regional difference became more equalized. For instance, Central South and East of China displayed low amount, while Northwest, North, Northeast, Southwest of China revealed high amount, especially Northwest region showed the highest amount. The difference of per capita net CO₂ emission among provinces revealed a "shock" trend, but the trend showed a slightly decreased in general. Considering the per capita CO₂ emission, Ningxia and Inner Mongolia was the biggest; Jiangxi, Hainan, Yunnan, Guangxi, Anhui is comparatively smallest; and Beijing, Heilongjiang, Shanghai decreased obviously, while Shanxi, Chongqing increased sharply. The difference in net CO₂ emission of per unit GDP among provinces became smaller from 2005 to 2010. Net CO₂ emission of per unit GDP in Ningxia, Guizhou, Shanxi produced more, while Beijing, Tianjin, Heilongjiang, Shanghai, Jiangsu, Zhejiang, Anhui, Fujian, Jiangxi, Guangdong, Guangxi, Yunnan produced less. The trend in Jilin Province decreased, meanwhile Hainan Province increased obviously.

Keywords： net emissions of CO2 ; revealed comparative advantage index ; spatial and temporal evolution ; variation coefficient

PDF (397KB) 元数据多维度评价相关文章收藏文章

本文引用格式导出 EndNote Ris Bibtex

于洋, 陈才. 中国二氧化碳净排放的时空特性分析[J]. , 2013, 33(10): 1173-1179 https://doi.org/10.13249/j.cnki.sgs.2013.010.1173

YU Yang, CHEN Cai. Spatial and Temporal Characteristics of Net Emission of Carbon Dioxide In China[J]. Scientia Geographica Sinica, 2013, 33(10): 1173-1179 https://doi.org/10.13249/j.cnki.sgs.2013.010.1173

引言

CO₂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CO₂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CO₂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CO₂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CO₂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/hm^2[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1 a可净吸收0.5 t碳 ^[13]。三是一些学者将碳排放量和CO₂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CO₂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CO₂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CO₂的折算系数,从而更加合理地计算不同年份各省CO₂排放量。此外,本研究考虑了各地区森林和城市绿地对CO₂的去除效应,将该地区净的CO₂排放量作为衡量该地区CO₂排放的基础数据（考虑每公顷森林对CO₂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）CO₂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CO₂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CO₂排放水平的影响和检验经济整体活动对CO₂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（CO₂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CO₂净排放和单位GDP的CO₂净排放等指标构建CO₂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CO₂净排放量比较

在此用REC_j,n代表第j个区域CO₂净排放显示性比较优势指数:

$\begin{matrix} RE C_{j, n} = \frac{\overset{n}{\sum_{i = 1}} E C_{i} / \overset{n}{\sum_{i = 1}} P_{i}}{EC / P} \end{matrix}$ （1）

式中,j取1~6中6个整数,分别依次代表华北,东北、华东、中南、西南、西北六大区域。i代表各个不同省份;EC_i和EC分别代表各省份CO₂净排放量和全国CO₂净排放量;P_i和P分别代表各省份人口数量和全国总人口数量,n代表j区域中包含的省份数目。

各省人均CO₂显示性比较优势指数可以写成：

$\begin{matrix} RE C_{i} = \frac{E C_{i} / P_{i}}{EC / P} \end{matrix}$ （2）

在（1）式和（2）式中,如REC_j,n>1或REC_i>1,则说明该区域或省（市、自治区）人均CO₂净排放较高;若1>REC_j,n>0或1>REC_i>0,则情况相反。

1.1.2 区域单位GDP的CO₂净排放量比较

由于CO₂排放量和经济增长存在制约关系,因此谈论CO₂净排放时应与经济挂钩。在此用AECY_j,n代表j区域单位GDP的CO₂净排放显示性比较优势指数：

$\begin{matrix} AEC Y_{j, n} = \frac{\frac{\overset{n}{\sum_{i}} E C_{i}}{\overset{n}{\sum_{i = 1}} Y_{i}}}{EC / Y} \end{matrix}$ （3）

式中,Y_i和Y分别代表各省份GDP和全国总GDP。如用RY_j,n代表区域人均GDP显示性比较优势指数：

$\begin{matrix} R Y_{j, n} = \frac{\frac{\overset{n}{\sum_{i = 1}} Y_{i}}{\overset{n}{\sum_{i = 1}} P_{i}}}{\frac{Y}{P}} \end{matrix}$ （4）

则AECY_j,n可以表示为：

$\begin{matrix} AEC Y_{j, n} = \frac{RE C_{j, n}}{R Y_{j, n}} \end{matrix}$ （5）

可见,AECY_j,n是对REC_j,n和RY_j,n的综合。能够全面反映各区域CO₂净排放与经济增长之间的综合关系。

各省（市、自治区）单位GDP的CO₂净排放量显示性比较优势指数可以写成：

$\begin{matrix} AEC Y_{i} = \frac{E C_{i} / Y_{i}}{EC / Y} \end{matrix}$ （6）

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（×10⁴t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）CO₂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CO₂的折算系数（指1 t标准煤燃烧释放的CO₂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CO₂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CO₂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CO₂下降指标,并由此计算得出“十二五”各地区每年单位能耗CO₂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CO₂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CO₂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CO₂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CO₂的折算系数。2005~2010年各个区域人均和单位GDP CO₂净排放量的REC_j,n、AECY_j,n、REC_i、AECY_i等数值分别通过公式（1~6）计算得出。

1.2.2 CO₂净排放量的计算

CO₂净排放量NE_CO2（t）可以表示：

NE_CO2=E_CO2-A_CO2 （7）

其中：E_CO2代表CO₂排放量（t）,A_CO2代表 CO₂去除量（t）。因此,E_CO2又可以表示成：

E_CO2=C_C×a （8）

其中：C_C代表地区或省市能源消耗总量（标准煤,t）,a代表1 t标准煤产生CO₂的折算系数。

按照国家统计局对能源消耗总量的定义,C_C又可以表示为：

C_C=Y×b （9）

其中：Y代表地区生产总值（万元）,b代表单位地区生产总值能耗（t/万元,标准煤）。

CO₂去除量A_CO2可表示为：

A_CO2=（A_f+A_g）×C （10）

其中A_f和A_g分别代表地区森林和绿地面积（hm²）,C代表每公顷森林和绿地年吸收 CO₂量（1.83 t^[13]）。

2 CO₂净排放空间格局及演变

2.1 区域CO₂净排放空间格局及演变

2.1.1 区域人均CO₂净排放格局及演变

图1给出了2005~2010年六大区域人均CO₂净排放显示性比较优势指数变化趋势。可以看出：2010年人均CO₂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CO₂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CO₂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。

显示原图| 下载原图ZIP| 生成PPT

图1 六大区域人均CO₂净排放显示性比较优势指数

Fig.1 Revealed comparative advantage index of net CO₂ emission per capita among the six regions of China

2.1.2 区域单位GDP的CO₂净排放格局及演变

单位GDP的CO₂净排放量是每单位经济产出所释放的CO₂量,反映了一个地区经济发展对CO₂净排放的贡献程度。图2给出了2005~2010年六大区域单位GDP的CO₂净排放显示性比较优势指数变化趋势。从AECY_j,n的数值可知：当AECY_j,n>1,说明该地区单位GDP的CO₂净排放量高于全国平均水平;1>AECY_j,n>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CO₂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CO₂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。

显示原图| 下载原图ZIP| 生成PPT

图2 六大区域单位GDP的CO₂净排放显示性比较优势指数

Fig.2 Revealed comparative advantage index of net CO₂emissions per unit GDP among the six regions of China

2.2 省域CO₂净排放空间格局及演变

2.2.1 省域人均CO₂净排放格局

本文将REC_i>2的省（市、自治区）定义为人均CO₂净排放强度区。2>REC_i>1,为人均CO₂净排放中度区。1>REC_i>0属于人均CO₂净排放低度区。根据计算结果,宁夏、内蒙古属于人均CO₂净排放超强区;江西、海南、云南、广西、安徽等省属于人均CO₂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CO₂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CO₂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。

2.2.2 省份单位GDP的CO₂净排放

本文将AECY_i>2的省（市、自治区）定义为单位GDP CO₂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CO₂净排放低度区。可见,宁夏、贵州、山西等一直属于单位GDP的CO₂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CO₂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CO₂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CO₂排放。

3 CO₂净排放空间格局差异性大小的演变

3.1 区域CO₂净排放的空间格局差异性演变

3.1.1 区域人均CO₂净排放格局差异性演变

本文通过引入区域间人均CO₂净排放变异系数C_j,,n来说明某年不同区域人均CO₂净排放量的差异性。C_j,,n可以表示为^[18]：

$\begin{matrix} C_{j, n} = \frac{1}{EC / P} \sqrt{\frac{\overset{m}{\sum_{j = 1}} {(\frac{E C_{j.n}}{P_{j, n}} - \frac{EC}{P})}^{2}}{m - 1}} \end{matrix}$ （11）

式中,EC_j,n/P_j,n为j区域的人均CO₂排放量,m=6（6个区）。n代表j区域包含的省份个数。EC_j,n/P_j,n又可表示为：

$\begin{matrix} E C_{j, n} / P_{j, n} = \overset{n}{\sum_{i = 1}} E C_{i} / \overset{n}{\sum_{i = 1}} P_{i} \end{matrix}$ (12)

根据公式（1）,（11）式进一步改写为：

$\begin{matrix} C_{j, n} = \sqrt{\frac{\overset{m}{\sum_{j = 1}} (RE C_{j, n} {- 1)}^{2}}{m - 1}} \end{matrix}$ （13）

图3给出了2005~2010年区域间人均CO₂净排放变异系数C_j,n的变化趋势。从该图可以看出2005~2010年,六大区域人均CO₂净排放的差异性逐渐缩小,从较早不同区域人均CO₂净排放两级分化较为严重,随时间逐渐趋于均衡化。这是经济一体化的一种体现。

显示原图| 下载原图ZIP| 生成PPT

图3 区域间人均CO₂净排放排放变异系数

Fig.3 Variation coefficient of net CO₂ emission per capita among regions of China

3.1.2 区域单位GDP CO₂净排放格局差异性演变

本文通过引入区域间CO₂净排放量变异系数 $\begin{matrix} D_{j, n} \end{matrix}$ 来说明某年各区域单位GDP的CO₂净排放量的差异性。

$\begin{matrix} D_{j, n} = \frac{1}{EC / Y} \sqrt{\frac{\overset{m}{\sum_{j = 1}} {(\frac{E C_{j, n}}{Y_{j, n}} - \frac{EC}{Y})}^{2}}{m - 1}} \end{matrix}$ （14）

式中,EC_j,n/Y_j,n代表j区域的单位GDP的CO₂净排放量,m=6。n代表各区包含的省份个数。EC_j,n/Y_j,n又可以表示为：

EC_j,n/Y_j,n= $\begin{matrix} \frac{\overset{n}{\sum_{i = 1}} E_{i}}{\overset{n}{\sum_{i = 1}} Y_{i}} \end{matrix}$ （15）

根据公式（5）,（14）式可以改写为：

$\begin{matrix} D_{j, n} = \sqrt{\frac{\overset{m}{\sum_{j = 1}} (AEC Y_{j, n} {- 1)}^{2}}{m - 1}} \end{matrix}$ （16）

图4给出了2005~2010年区域间单位GDP CO₂净排放变异系数D_j_,_n的变化趋势。可以看出：2006年相对2005年区域差异有减小的势头,这是由于单位GDP的CO₂排放较高的西北、西南、东北都出现了下降的趋势,而单位GDP的CO₂排放较低的华东地区出现了上升的趋势。因此,区域之间差异缩小。2007年单位GDP的CO₂排放较大的西南地区、西北、东北地区出现了明显增长的趋势,导致区域差异进一步加大,2007年以后各区单位GDP的CO₂净排放差异出现明显缩小态势,表明区域间更趋均衡。

显示原图| 下载原图ZIP| 生成PPT

图4 区域间单位GDP的CO₂净排放变异系数的变化

Fig.4 Changes of variation coefficient of net CO₂ emission per unit GDP among regions

3.2 省域CO₂净排放的空间格局差异性演变

3.2.1 省域人均CO₂净排放格局差异性演变

省域之间人均CO₂净排放差异的变异系数C_i可以表示：

$\begin{matrix} C_{i} = \sqrt{\frac{\overset{n}{\sum_{i = 1}} (RE C_{i} {- 1)}^{2}}{n - 1}} \end{matrix}$ （17）

公式（17）中n=29,代表29个省、市、自治区。

图5给出了变异系数C_i的趋势,可以看出省际间人均CO₂净排放差异呈现“震荡”态势,但总体略呈减小态势。这反映整体上各省人均CO₂净排放差异有减小趋势,但是不同年份,省际差异有所波动。

显示原图| 下载原图ZIP| 生成PPT

图5 省际间人均CO₂净排放变异系数的变化

Fig.5 Variation coefficient of per capita CO₂ net emission among provinces

3.2.2 省域单位GDP的CO₂净排放格局差异性演变

省域之间单位GDP的CO₂净排放差异的变异系数D_i可以表示为：

$\begin{matrix} D_{i} = \sqrt{\frac{\overset{n}{\sum_{i = 1}} (AEC Y_{i} {- 1)}^{2}}{n - 1}} \end{matrix}$ (18)

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 CO₂净排放变异系数的变化趋势。可以看出:2005~2007年单位GDP CO₂净排放省际之间差异增大,说明省际之间在单位GDP CO₂净排放上两级分化的态势明显,2007年以后省际差异缩小,各地区迅速趋于均衡。

显示原图| 下载原图ZIP| 生成PPT

图6 省际间单位GDP的CO₂净排放变异系数

Fig.6 Changes of variation coefficient of net CO₂emission 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CO₂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CO₂数量有所差异的基础上,对全国六大区域和全国29个省市对中国2005~2010年各区域和各省人均和单位GDP的CO₂净排放量进行了更为精准的计算,更加清楚地分析了中国CO₂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,更为直观的分析了各区域和各省市的CO₂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CO₂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 CO₂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CO₂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CO₂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的揭示中国CO₂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CO₂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,北京做为人均CO₂和单位GDP的CO₂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CO₂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。

The authors have declared that no competing interests exist.

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子

[1]	Shimada K, Tanaka Y, Gomi K. Developing a long-term local society design methodology towards a low-carbon economy: An application to Shiga Prefecture in Japan [J]. Energy Policy, 2007,35:4688-4703. [本文引用: 1]
[2]	Stretesky P B, Lynch M J. A cross-national study of the association between per capita carbon dioxide emissions and exports to the United States [J]. Socail Science Research, 2009,38: 239-250.
[3]	白冰,李小春,刘延峰. 中国CO₂集中排放源调查极其分布特征 [J].岩石力学与工程学报,2006,25(增1):2918~2923.
[4]	朱永彬,王铮,庞丽. 基于经济模拟的中国能源消费与碳排放高峰预测 [J].地理学报,2009, 64(8):935~944.
[5]	李晓燕. 基于模糊层次分析法的省区低碳经济评价探索 [J].华东经济管理,2010,24(2):24~28.
[6]	张秀梅. 江苏省1996年至2007年碳排放效应及时空格局分析 [J].资源科学,2010,32(4):768~775.
[7]	刘华军,闫庆悦,孙曰瑶. 中国二氧化碳排放的环境库兹涅茨曲线——基于时间序列与面板数据的经验估计 [J].中国科技论坛,2011,4:108~113.
[8]	王强,伍世代,李婷婷. 中国工业经济转型过程中能源消费与碳排放时空特征研究 [J]地理科学,2011,31(1):36~41.
[9]	张约翰,张平宇. 长吉都市区能源碳足迹测度及影响因素研究 [J]. 地理科学,2012,32(9):1009~1105. [本文引用: 1]
[10]	姜东涛. 森林生态效益估测与评价方法的研究 [J]. 华东森林经理,2000,4:15~20. [本文引用: 1]
[11]	孔桂芝. 浅谈园林树木对改善日常生活环境的作用 [J].襄樊职业技术学院学报,2005,4(1):102~104. [本文引用: 1]
[12]	韩国英. 浅谈园林城市生态环境建设对大气环境的影响 [J].园林科技,2011,2:5~8. [本文引用: 1]
[13]	栾春晖. 中国科学家首次计算出每公顷森林一年吸收半吨碳 [EB/OL]搜狐新闻网,2005-07-04.. URL [本文引用: 3]
[14]	Balassa B. Trade liberalization and revealed comparative advantage [J]. The Manchester School, 1965, (33): 99~123. [本文引用: 1]
[15]	国家统计局.中国统计年鉴[M].北京:中国统计出版社,2005~2010. [本文引用: 2]
[16]	国家统计局工业交通统计司.中国能源统计年鉴[M].北京: 中国统计出版社,2005~2010. [本文引用: 2]
[17]	魏四新,晁文庆,赵娟,等. 基于组合预测模型的节能降耗目标设置研究——以陕西“十二五”节能降耗目标设置为例 [J].科技管理研究,2012,20:50~55. [本文引用: 1]
[18]	徐建华. 现代地理学中的数学方法[M].北京:高等教育出版社,2002:32. [本文引用: 1]
[19]	倪外,曾刚. 国外低碳经济研究动向分析 [J]. 经济地理,2010,30(8):1240~1247. [本文引用: 1]

Developing a long-term local society design methodology towards a low-carbon economy: An application to Shiga Prefecture in Japan

2007

... CO₂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CO₂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CO₂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CO₂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CO₂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/hm^2[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1 a可净吸收0.5 t碳 ^[13].三是一些学者将碳排放量和CO₂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CO₂计算上存在巨大误差. ...

A cross-national study of the association between per capita carbon dioxide emissions and exports to the United States

2009

中国CO₂集中排放源调查极其分布特征

2006

基于经济模拟的中国能源消费与碳排放高峰预测

2009

基于模糊层次分析法的省区低碳经济评价探索

2010

江苏省1996年至2007年碳排放效应及时空格局分析

2010

中国二氧化碳排放的环境库兹涅茨曲线——基于时间序列与面板数据的经验估计

2011

中国工业经济转型过程中能源消费与碳排放时空特征研究

2011

长吉都市区能源碳足迹测度及影响因素研究

2012

森林生态效益估测与评价方法的研究

2000

浅谈园林树木对改善日常生活环境的作用

2005

浅谈园林城市生态环境建设对大气环境的影响

2011

栾春晖. 中国科学家首次计算出每公顷森林一年吸收半吨碳

2005

... 本文通过中国2005~2010年单位生产总值能耗和CO₂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CO₂的折算系数,从而更加合理地计算不同年份各省CO₂排放量.此外,本研究考虑了各地区森林和城市绿地对CO₂的去除效应,将该地区净的CO₂排放量作为衡量该地区CO₂排放的基础数据（考虑每公顷森林对CO₂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）CO₂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CO₂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. ...

... 其中A_f和A_g分别代表地区森林和绿地面积（hm²）,C代表每公顷森林和绿地年吸收 CO₂量（1.83 t^[13]）. ...

Trade liberalization and revealed comparative advantage

1965

... 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CO₂净排放和单位GDP的CO₂净排放等指标构建CO₂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. ...

2010

... 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（×10⁴t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）CO₂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CO₂的折算系数（指1 t标准煤燃烧释放的CO₂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CO₂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CO₂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CO₂下降指标,并由此计算得出“十二五”各地区每年单位能耗CO₂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CO₂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CO₂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CO₂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CO₂的折算系数.2005~2010年各个区域人均和单位GDP CO₂净排放量的REC_j,n、AECY_j,n、REC_i、AECY_i等数值分别通过公式（1~6）计算得出. ...

... [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CO₂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CO₂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CO₂的折算系数.2005~2010年各个区域人均和单位GDP CO₂净排放量的REC_j,n、AECY_j,n、REC_i、AECY_i等数值分别通过公式（1~6）计算得出. ...

2010

... [16]计算出2005~2010年各年全国平均单位能耗CO₂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CO₂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CO₂的折算系数.2005~2010年各个区域人均和单位GDP CO₂净排放量的REC_j,n、AECY_j,n、REC_i、AECY_i等数值分别通过公式（1~6）计算得出. ...

基于组合预测模型的节能降耗目标设置研究——以陕西“十二五”节能降耗目标设置为例

2012

2002

... 本文通过引入区域间人均CO₂净排放变异系数C_j,,n来说明某年不同区域人均CO₂净排放量的差异性.C_j,,n可以表示为^[18]： ...

国外低碳经济研究动向分析

2010

... 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CO₂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,北京做为人均CO₂和单位GDP的CO₂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CO₂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. ...

〈

〉

中国二氧化碳净排放的时空特性分析

Spatial and Temporal Characteristics of Net Emission of Carbon Dioxide In China

引言

1 模型构建与数据

1.1 评价体系构建

1.2 数据来源和处理

2 CO2净排放空间格局及演变

2.1 区域CO2净排放空间格局及演变

2.2 省域CO2净排放空间格局及演变

3 CO2净排放空间格局差异性大小的演变

3.1 区域CO2净排放的空间格局差异性演变

3.2 省域CO2净排放的空间格局差异性演变

4 结论与展望

参考文献 文献选项 原文顺序 文献年度倒序 文中引用次数倒序 被引期刊影响因子

2 CO₂净排放空间格局及演变

2.1 区域CO₂净排放空间格局及演变

2.2 省域CO₂净排放空间格局及演变

3 CO₂净排放空间格局差异性大小的演变

3.1 区域CO₂净排放的空间格局差异性演变

3.2 省域CO₂净排放的空间格局差异性演变

参考文献

原文顺序

文献年度倒序

文中引用次数倒序

被引期刊影响因子