2023, Vol. 44
2. 暨南大学广州区域低碳经济研究基地, 广州 511443;
3. 中国电建集团贵阳勘测设计研究院有限公司, 贵阳 650011
2. Guangzhou Regional Low-carbon Economy Research Base, Jinan University, Guangzhou 511443, China;
3. Power China Guiyang Engineering Corporation limited, Guiyang 650011, China
工业革命以来, 以化石燃料燃烧为主的人类活动产生的二氧化碳(CO2)排放急剧增加, 导致全球气候变暖, 并给人类社会的可持续发展造成了巨大挑战[1~6].中国2007年成为最大的CO2排放国, 2018年碳排放量约占全球总量的30%, 面临着巨大的碳减排压力[2, 7, 8].2020年9月, 中国国家主席习近平在第七十五届联合国大会一般性辩论会上郑重宣布: “中国将提高国家自主贡献力度, 采取更加有力的政策和措施, CO2排放力争于2030年前达到峰值, 努力争取2060年前实现碳中和”[9]. 随着中国快速城镇化和工业化的发展, 中国城市以25%的土地集聚了75%的人口, 创造了80%以上的经济总量, 导致了全国75%以上的碳排放[10~13].这些城市中, 能源消耗和碳排放高度集聚的城市群是我国未来推动减污降碳的关键和重点[14].
碳汇是指土地上的绿色植物通过光合作用吸收CO2, 从大气中清除碳的过程、活动或机制.由于不同的自然过程, 各种绿地类型具有不同的碳汇功能[15].城市群工业化和城市化进程广泛地影响着绿地植被的面积、类型和空间分布格局, 不同绿地的碳汇功能也随之发生变化[16].绿地碳汇的研究具有多种效益, 也是世界各国应对气候变化的重要策略[17].因此, 研究绿地资源的碳汇潜力, 对城市群碳达峰和碳中和目标的实现具有重要的参考价值[18].
在我国诸多城市群中, 珠三角城市群的人口规模、工业化和城镇化率均处于全国领先水平, 是碳减排压力较大的区域之一[6, 19~21].同时, 随着经济的快速发展与近年来强力的生态环境治理, 珠三角也可能是碳源碳汇变化较大的区域之一.例如, 可能导致珠三角碳源变化的政策有加强产业结构、能源结构、运输结构等降碳措施的调整力度[22, 23], 开展碳交易试点, 进行低碳发展探索[24]等; 可能导致珠三角碳汇变化的有工业化和城镇化导致用地结构变化, 推动开展碳普惠等.识别珠三角碳源汇历史演变特征与驱动因素, 不仅可以支持珠三角地区制定碳达峰与碳中和路径, 同时可为我国其他城市地区提供示范经验[24, 25].
在碳源汇历史演变特征识别方面, 主流的方法有大气环境碳通量观测[26]、碳源汇清单构建等[20].其中, 建立碳源与碳汇清单可以精细识别碳排放与碳汇的主要来源, 是碳源与碳汇驱动因素识别的基础, 同时也可为制定控制政策提供落地到源头的支撑.在碳源与碳汇驱动因素方面, 主流的研究方法有对数平均D氏指数分解法(logarithmic mean Divisia index, LMDI)、可拓展随机性环境影响评估模型法(stochastic impacts by regression on population, affluence, and technology, STIRPAT)等.这其中, LMDI法在消除残差的同时还能满足因素可逆, 是最为广泛应用的方法[27], 而其他的分解方法要么由于存在残差而不能解释全部驱动因素, 要么可能对残差进行不当分解, 导致驱动因素解析客观性不足[28].因此, 历史趋势清单结合LMDI指数分解方法是碳源汇演变特征与驱动因素识别的重要方法.
然而, 以往研究使用上述方法对珠三角等中国城市群碳源汇特征与驱动因素的相关研究较少.在碳源清单与驱动因素方面, 珠三角陆续建立了“十一五”[20, 27]和“十二五”[19, 24]以来的碳源清单, 在此基础上采用LMDI方法对“十五”至“十二五”期间的碳排放驱动因素进行了研究[29, 30], 分析了人口效应、经济效应、能源强度效应、产业结构效应等因素对碳排放的影响.相比于碳源清单, 珠三角碳汇清单及其驱动因素的研究极为匮乏, 碳汇清单更新时间滞后[16, 20], 缺乏碳汇驱动因素识别的相关研究.可见, 珠三角近年来经济社会快速发展与政策密集调控下的碳源汇演变特征与驱动因素尚不清楚.
鉴于此, 本研究采用自下而上的方法建立了“十一五”至“十三五”(2006~2020年)期间珠三角地区碳源和碳汇清单, 分析了碳源汇的历史演变趋势与碳中和现状, 并通过构建基于LMDI方法的碳源汇驱动因素分解模型, 识别了珠三角碳源汇的关键驱动因素, 以期为珠三角制定降碳增汇政策提供科学依据.
1 材料与方法 1.1 研究区域概况珠三角是由广州、深圳、佛山、东莞、惠州、中山、珠海、肇庆和江门这9个城市组成的城市群, 位于中国华南地区广东省中南部, 详细地理位置如图 1所示.碳源相关概况方面, 珠三角2020年常住人口7 823.54万人, 机动车保有量1 924.73万辆, 工业总产值36 204.34亿元, 总面积55 368.7 km2[31], 人口密度高, 工业与交通发达, 势必导致高强度的地区碳排放.碳汇相关概况方面, 珠三角的主要气候类型是亚热带季风气候, 年均气温在21~23℃, 年均降水量在1 500 mm以上[31], 温暖湿润的气候使珠三角有较强的绿地碳汇.
|
图 1 研究区域示意 Fig. 1 Schematic diagram of research area |
本研究碳源核算方法主要参考我国2011年发布的《省级温室气体清单编制指南》(试行)[32]和政府间气候变化专门委员会(IPCC)发布的《国家温室气体清单指南》[33].碳源清单包括能源部门、工业部门、交通部门、民用部门和农业部门这5个排放部门, 每个排放部门对应的排放源和排放核算方法如表 1所示.其中, 能源部门、交通部门、民用部门和农业部门都是通过能源消耗产生CO2, 工业部门中的工业燃烧是通过能源消耗产生CO2, 水泥、石灰、钢铁、电石和己二酸是通过工业过程产生CO2.
|
表 1 珠三角碳排放部门、排放源分类和排放核算方法 Table 1 Carbon dioxide emission sectors, emission source classification, and emission estimation methods in the PRD Region |
(1) 能源消耗目前主要的能源有化石能源、生物质能、电能、太阳能、水能、风能和核能等, 本研究CO2排放仅考虑化石能源和农村生物质能等主要传统高碳能源的排放[5].能源消耗基于分部门、分燃料品种、分设备的燃料消耗量等活动水平数据以及相应的排放因子等参数, 通过逐层累加综合计算得到总碳源量[33, 34], 具体公式如下:
|
(1) |
式中, Ci表示i部门的碳源量(万t); Ai, t表示燃料消耗量(TJ), 以热值表示; EFi, t表示i部门t燃料的排放因子(kg·TJ-1).
能源部门和民用部门的燃料消耗量来源见1.2.2节, 交通部门的燃料消耗量采用以下公式计算:
|
(2) |
式中, Qj表示j车型的燃料消耗量(tce, 即标准煤当量); Pj表示j车型的机动车保有量(辆); Mj表示j车型的年均行驶里程(km); EIj表示j车型的能源强度(tce·km-1).
(2) 工业过程工业生产是基于工业企业的产品产量, 采用排放因子法, 计算得到总碳源量.具体公式如下:
|
(3) |
式中, Cn表示n产品的碳源量(万t), EFn表示n产品的排放因子(kg·TJ-1), An表示n产品的产量(TJ).
1.2.2 数据来源能源部门和民用部门的能源消耗数据(电厂发电量、居民生活用能和垃圾焚烧量等)、交通部门的机动车保有量、农业部门中的森林火灾和秸秆开放、工业过程部门主要行业产品产量数据均来自《广东省统计年鉴》[31]与广东省环境统计数据.机动车年均行驶里程数据通过向珠三角城市的车管所发放调研问卷, 由车管所依据机动车年审数据统计提供获取.
1.3 碳汇核算方法与数据来源 1.3.1 核算方法参照以往学者的研究[16, 20], 本研究核算的碳汇主要考虑植被绿地, 暂未考虑碳捕捉和碳封存等与技术相关的碳汇.植被绿地可分为林地、城市绿地、草地、湿地和耕地这5种类型.植被绿地可分为林地、城市绿地、草地、湿地和耕地这5种类型.林地、城市绿地、草地和湿地的碳汇量基于绿地面积计算, 耕地的碳汇量基于农作物产量计算.
(1) 基于绿地面积林地、城市绿地、草地和湿地的碳汇量核算方法为绿地面积乘以碳汇因子:
|
(4) |
式中, SCi表示第i类绿地的碳汇量(万t); Ai表示第i类绿地的总面积(hm2); αi表示第i类绿地的碳汇因子[t·(hm2·a)-1], 为绿地单位面积单位时间的碳吸收量.
(2) 基于农作物产量耕地碳汇主要是指农作物全生育期对碳的吸收量, 碳汇量基于农作物产量, 结合农作物含水率、经济系数和作物碳吸收率计算.具体计算公式如下:
|
(5) |
式中, SCi表示耕地碳汇量(万t); Ci表示第i种作物合成单位有机质(干质量)所吸收的碳(%), 即碳吸收率; Qi表示第i种农作物的产量(万t); Wi表示第i种作物收获部分的含水率(%); Hi表示第i种作物的经济系数(无量纲).
1.3.2 数据来源珠三角9城市林地、湿地和草地面积通过广东省林地、湿地和草地面积乘珠三角林地、湿地和草地面积在全省总面积中的占比获取, 其中, 广东省林地和湿地面积来源于《中国林业统计年鉴》[35], 草地面积来源于《中国统计年鉴》[36], 珠三角林地、湿地和草地面积在全省总面积中的占比通过地理信息系统(GIS)统计.珠三角9个城市的城市绿地面积和农作物产量分别来源于《中国城市建设统计年鉴》[37]和《广东省统计年鉴》[31], 珠三角碳汇总量为9个城市加和计算.由统计数据中的林地、湿地、草地、城市绿地和耕地没有交叉, 可见本研究的各类绿地碳汇核算边界不存在重叠.估算公式中用到的碳汇因子数据及来源见表 2, 农作物产量、经济系数、碳吸收率和含水率数据及来源见表 3, 需要说明的是, 由于本土近期实测数据缺乏, 本研究珠三角的耕地碳汇核算结果可能具有较大的不确定性.
|
|
表 2 珠三角林地、城市绿地、草地和湿地的单位面积年碳汇量/t·(hm2·a)-1 Table 2 Annual carbon sinks per unit area of forestland, urban green space, grassland, and wetland in the PRD Region/t·(hm2·a)-1 |
|
|
表 3 珠三角碳汇估算清单中耕地农作物经济系数、碳吸收率和含水率系数[45~49]/% Table 3 Economic coefficient, carbon absorption rate, and water content coefficient of cultivated crops in the PRD Region/% |
1.4 驱动因素分解模型与数据来源 1.4.1 碳源驱动因素分解模型
本研究参考前人的研究[50, 51]以Kaya恒等式为基础建立碳源驱动因素分解方式, 建立了珠三角分部门的碳源驱动因素分解等式:
|
(6) |
式中, i表示碳源部门(能源部门、工业部门、交通部门、民用部门和农业部门); C表示珠三角碳排放总量; Ci表示i部门的碳排放量; Ei表示i部门的能源消耗量; GDPi表示i部门的地区生产值; GDP表示地区生产总值; P表示人口规模, 为年末常住人口数.ESi表示i部门单位能源消耗的碳排放量, 为碳排放效率; EFi表示i部门单位GDP的能源消耗量, 为能源强度; ISi表示i部门生产值占地区生产总值的比例, 为部门结构; ED表示经济增长情况, 为人均GDP.
1.4.2 碳汇驱动因素识别方法与公式根据珠三角碳汇的特征, 将碳汇总量分解为3个驱动因素: 碳汇系数(ET)、绿地结构(EL)和绿地规模(L), 分解等式如下:
|
(7) |
式中, CS表示碳汇总量; CSi表示第i种绿地的碳汇量; Li表示第i种绿地的面积; L表示绿地总面积, 为绿地规模; ETi为第i种绿地单位面积的碳汇量, 为碳汇系数; ELi为第i种绿地面积占绿地总面积的比例, 为绿地结构.
1.4.3 数据来源碳排放量和碳汇量来自2.2.1节和2.3.1节中的核算结果; 能源消耗量、地区生产总值、年末常住人口和绿地面积来源于《广东省统计年鉴》[31].
2 结果与讨论 2.1 2006~2020年珠三角碳源演变特征如图 2所示, 珠三角碳源总量从2006年的2.18亿t增长到2020年的3.96亿t, 增长了67.86%.碳源的演变特征方面, “十一五”期间碳源总量主要呈现上升的趋势, 碳源增长率为32.86%; “十二五”期间碳源总量呈现先增后减的现象, 2011~2013年碳源总量增加, 增长率为4.66%, 2013~2015年碳源总量减少, 下降率达6.74%; “十三五”期间, 2016~2019年碳源总量保持相对均匀的增长势头, 平均增长率为13.77%, 2020年由于疫情的影响碳源总量有所下降.碳源的部门结构方面, 能源部门一直是珠三角碳排放贡献最大的部门, 年均碳排放量达到1.23亿t; 工业部门是珠三角碳排放的第二大部门, 年均碳排放量为0.81亿t; 交通部门是珠三角碳排放的第三大部门, 年均碳排放量为0.73亿t, 三者碳排放量之和对碳排放总量的年均贡献率接近90%; 民用部门对碳排放总量的年均贡献率达到9.29%, 也不容忽视; 农业部门的排放贡献率相对较低.
|
图 2 2006~2020年珠三角二氧化碳排放及其来源结构演变趋势 Fig. 2 Evolution trend of carbon dioxide emissions and source structures in the PRD from 2006 to 2020 |
“十一五”期间, 珠三角碳源总量上升了0.72亿t, 主要是受到工业部门、交通部门和能源部门的影响, 这3个部门的碳排放量分别增长了0.35、0.20和0.16亿t; 主要原因可能在于, 这期间广东省制定了经济从偏轻型化向适度重型化发展的总体规划[52], 规模以上工业企业数量增长了37.36%[31], 经济刺激社会与人口同步发展, 机动车保有量在此期间增长了28.56%[31], 工业与交通发展导致能源使用量同步增加, 进而导致工业、交通和能源碳排放量同步快速增加.
“十二五”期间, 珠三角碳源总量呈现先升后降、小幅波动的趋势, 2011~2013年碳源总量受到交通部门、工业部门和能源部门的影响上升了0.17亿t, 这期间珠三角机动车保有量和规模以上工业企业单位数的增长率分别为15.57%和6.28%[31], 增幅小于“十一五”; 2013~2015年碳源总量受到工业部门的影响而有所下降, 这主要是由于广东省对水泥等CO2排放的工业行业制定能耗下降目标[53], 推广生产系统升级改造、节能环保型炉窑设计改造、富氧/全氧燃烧等技术, 使得珠三角规模以上工业企业单位数在此期间下降了0.40%[31], 工业部门碳排放量大幅下降.
“十三五”期间, 2016~2019年碳排放呈现稳步上升的趋势, 2020年由于疫情影响, 排放量下降至与2018年相当.2016~2019年, 珠三角碳源总量增长了0.47亿t, 能源部门、交通部门、工业部门、民用部门和农业部门对增长量的贡献率分别为36.34%、26.03%、24.10%、12.87%和0.66%; 其中, 能源部门碳排放量稳定持续上升的原因可能在于, “十一五”和“十二五”期间珠三角实施了诸多降低能源消耗、加强节能减排、推进产业结构调整、淘汰落后产能等措施[53, 54], 节能减排潜力已大幅释放, 2016~2019年珠三角经济总量增长22.57%[31], 经济增长下能源消耗量快速增加但单位能耗减排潜力释放不足所致; 交通部门、工业部门、民用部门和农业部门增长的原因在于, 这期间珠三角机动车保有量、规模以上工业企业单位数、年末常住人口和森林火场面积分别增长了14.77%、43.51%、8.21%和99.89%[31].2020年的碳源总量由于能源部门和交通部门的碳源量大幅度减少而下降了0.18亿t, 两者对碳减排的贡献率分别为63.27%和36.73%, 其主要原因是受到疫情的影响.
2.2 2006~2020年珠三角碳汇演变特征图 3展示了珠三角2006~2020年的绿地碳汇总量演变趋势与绿地碳汇组成结构变化特征.从图 3可见, 2006~2020年珠三角碳汇在1 487.93~1 552.59万t之间波动, 最高年与最低年相差0.94%, 总体变化不大.以“五年规划”的视角来看, 珠三角碳汇在“十一五”期间波动变化, “十二五”期间持续增加, “十三五”期间先降后升.具体而言, 2007年相比2006年碳汇有所减少, 这是由于珠三角地区在2007年农作物遭受了旱灾、洪涝灾、滑坡、泥石流和病虫灾等, 受灾面积达到43 518.00 hm2[55], 使得耕地等碳汇有所下降; 2008~2015年逐渐恢复到了2006年的碳汇水平; 2016~2018年碳汇有所下降, 可能原因是由于大力发展经济[56]导致绿地面积减少; 2019年以来再次实现碳汇增长, 可能原因在于珠三角争取率先建成绿色生态城市群的政策[57]推动绿地恢复.本研究部分年份碳汇核算结果与以往对珠三角碳汇的研究结果(2013年1 416万t[20], 2020年1 558万t[16])接近.对珠三角碳汇贡献最大的绿地类型是林地, 其次是耕地、城市绿地、草地和湿地, 2020年对碳汇的贡献率分别为67.33%、17.08%、8.95%、4.02%和2.62%.
|
图 3 2006~2020年珠三角碳汇及其来源结构演变趋势 Fig. 3 Evolution trend of carbon sinks and source structures in the PRD from 2006 to 2020 |
通过对珠三角各类碳源与碳汇的定量估算可知, 2006~2020年珠三角净碳排放量(碳排放量减去碳汇量)从2.03亿t快速上升到3.50亿t, 碳汇占碳源的比例2006~2019年从7.18%下降至4.00%, 2020年由于疫情影响碳排放量下降导致碳汇占碳源的比例相比2019年提升了0.24%.可见, 珠三角目前远未达到碳中和, 且随着“十三五”经济发展, 碳中和压力进一步攀升.在珠三角绿地覆盖率已经较高的现状下, 未来碳中和的关键任务在于调整产业与能源结构降低碳排放、调整绿地结构增汇和研发碳捕捉等技术增汇.
2.3 珠三角2006~2020年碳源驱动因素图 4是基于LMDI方法识别的驱动因素对碳源变化趋势的贡献分解.如图 4所示, 珠三角碳源在“十一五”、“十二五”和“十三五”这3个阶段分别增长了32.37%、13.65%和20.51%.碳源的主要正向驱动因素是经济增长和人口规模, 二者分别在“十一五”、“十二五”和“十三五”这3个阶段导致了7 556.92、8 006.69、6 172.61万t和4 837.84、6 192.25、4 650.89万t的CO2增排量.主要原因是在广东省近年几个国民经济和社会发展规划[52, 56, 58]激进的经济与人口政策目标激励下, 区域经济和人口快速发展带动了能源消费, 进而导致碳排放增加.其中, 珠三角的经济总量年均增长率以及年末常住人口年均增长率在“十一五”、“十二五”和“十三五”这3个阶段分别为13.12%、9.68%、6.34%和4.95%、4.28%、2.64%[31].珠三角碳源的首要负向驱动因素是能源强度(单位GDP的能源使用量), 在“十一五”、“十二五”和“十三五”三个阶段分别贡献了4 100.01、12 404.00和3 590.58万t的CO2减排量, “十二五”的减排量远高于“十一五”和“十三五”.这主要是由于广东省通过优化产业结构、淘汰落后产能、发展可再生能源等政策, “十一五”、“十二五”和“十三五”期间单位GDP的能耗相比上一个五年计划末期分别下降16.4%[59]、20.98%[60]和14.51%[61], 并且加强了珠三角节能减排统计、监测和目标责任评价考核体系建设[54].部门结构过去15年一直是珠三角碳源的负向驱动因素, 但贡献的减排量很少, 未来有较大的减排空间.碳排放系数对过去珠三角碳源的驱动较小, 且有正向也有负向, 这可能与珠三角不同时期用能结构差异有关.
|
箭头中的数值分别表示“十一五”、“十二五”和“十三五”期间珠三角碳源的增长率 图 4 2006~2020年驱动效应和驱动部门对珠三角碳源变化贡献的分解 Fig. 4 Decomposition of driving effect and contribution of driving sector to carbon sources changes in the PRD from 2006 to 2020 |
从部门来看, 能源部门、交通部门和民用部门是珠三角主要的正向驱动部门, 其可能原因为在“十一五”、“十二五”和“十三五”这3个阶段珠三角的经济总量年均增长率分别为13.12%、9.68%和6.34%[20], 珠三角的年末常住人口年均增长率分别为4.95%、4.28%和2.64%[31], 珠三角的机动车保有量年均增长率分别为6.49%、6.61%和4.42%[31], 经济与人口的快速发展以及交通运输活动的增加会带动能源消费的增长, 从而导致同期碳排放的增加.工业部门在“十一五”和“十三五”期间是主要的正向驱动因素, 但“十二五”时期变成了首要负向驱动因素, 其可能原因为珠三角规模以上工业企业数量在3个阶段的年均增长率分别为8.88%、-4.33%和9.29%[31].农业部门对碳源的驱动较小, 且有正向也有负向, 这与珠三角不同时期农作物的秸秆数量和森林火场面积不同有关.
2.4 珠三角2006~2020年碳汇驱动因素如图 5所示, 珠三角碳汇在“十一五”、“十二五”和“十三五”这3个阶段的变化率分别为-1.65%、1.82%和-1.07%, 变化量分别为-25.87、28.02和-16.83万t.碳汇系数(耕地的单位面积碳汇量)是决定碳汇总量变化趋势的驱动因素, “十一五”和“十三五”期间是首要负向驱动因素, 分别使碳汇下降了80.89万t和20.38万t, “十二五”期间是主要正向驱动因素, 增加了41.57万t碳汇.其可能原因是农作物在“十一五”和“十三五”期间受到旱灾、洪涝灾、滑坡、泥石流和病虫灾等的影响, 农作物的亩产有所下降; 在“十二五”时期农作物遭受的灾害较少, 亩产逐渐增加.绿地规模是主要的正向驱动因素, 在“十一五”、“十二五”和“十三五”期间分别带来了53.46、4.61和4.24万t的碳汇增量, 主要原因是城市绿地的持续增加, 城市绿地面积在这期间分别增长了17.74、3.41和1.85万hm2[37].绿地结构在“十一五”和“十三五”时期对碳汇的驱动作用不大, 但是在“十二五”期间是主要的负向驱动因素, 使得碳汇下降了18.16万t, 主要原因是单位面积碳汇量大的林地和耕地在绿地总面积中的占比由2011年的73.37%下降至2015年的71.61%, 下降了1.76个百分点[31].
|
箭头中的数值分别表示“十一五”、“十二五”和“十三五”期间珠三角碳汇的增长率 图 5 2006~2020年驱动效应和驱动绿地对珠三角碳汇变化贡献的分解 Fig. 5 Decomposition of driving effect and contribution of driving green space to carbon sinks changes in the PRD from 2006 to 2020 |
城市绿地是珠三角碳汇主要的正向驱动因素, 原因是随着珠三角城市化进程的加快, 珠三角城市绿地的面积在三个阶段一共增加了24.00万hm2[37], 上升了140.14%.林地是珠三角碳汇主要的负向驱动因素, 林地面积在三个阶段一共减少了3.74万hm2[31], 下降了1.34%.耕地在“十一五”和“十三五”时期是珠三角碳汇的负向驱动因素, 在“十二五”时期是正向驱动因素, 其主要原因与各阶段农作物的受灾情况相关.
3 结论(1) 珠三角碳源从2006年的2.18亿t增长到2020年的3.96亿t, 增长了67.86%, 碳源主要来源于能源部门(40.38%)和工业部门(26.33%).建议珠三角围绕碳减排着重针对能源部门和工业部门开展能源结构优化、能效提升等工作, 例如, 提高煤电效率、加快新能源和可再生能源发展、淘汰高耗能低能效低产值产业、加强节能改造等.
(2) 珠三角碳汇量从2006年的1 567.26万t下降至2020年的1 552.59万t, 下降了0.94%, 碳汇主要来源于林地(67.92%)和耕地(18.09%).建议珠三角围绕绿地增汇着重考虑通过优化林地群落结构, 提升林地的质量, 进一步增加林地的碳汇效率, 通过划定永久基本农田、实行秸秆还田、冬种绿肥、增施有机肥等措施提升耕地碳汇.
(3)“十一五”至“十三五”期间, 经济增长和人口规模是珠三角碳源的主要正向驱动因素; 能源强度(单位GDP的能源使用量)是珠三角碳源的主要负向驱动因素, 但“十三五”以来驱动的减排量已经有所下降; 部门结构过去对碳源的影响较小.建议珠三角进一步挖掘部门结构对碳减排的驱动力.
(4)“十一五”至“十三五”期间, 不同农作物的碳汇系数差异(即耕地的农作物结构变化)是决定碳汇总量变化的关键因素, 绿地规模作为主要正向驱动因素在“十二五”以来的增汇驱动力微弱, 绿地结构以往对碳汇的作用较小.建议珠三角未来进一步优化农作物结构、绿地结构和绿地规模, 以促进绿地增汇.
| [1] | Shi Q, Chen J D, Shen L Y. Driving factors of the changes in the carbon emissions in the Chinese construction industry[J]. Journal of Cleaner Production, 2017, 166: 615-627. DOI:10.1016/j.jclepro.2017.08.056 |
| [2] |
郝瑞军, 魏伟, 刘春芳, 等. 中国能源消费碳排放的空间化与时空动态[J]. 环境科学, 2022, 43(11): 5305-5314. Hao R J, Wei W, Liu C F, et al. Spatialization and spatio-temporal dynamics of energy consumption carbon emissions in China[J]. Environmental Science, 2022, 43(11): 5305-5314. |
| [3] |
周广胜, 周梦子, 周莉, 等. 中国陆地生态系统增汇潜力研究展望[J]. 科学通报, 2022, 67(31): 3625-3632. Zhou G S, Zhou M Z, Zhou L, et al. Advances in the carbon sink potential of terrestrial ecosystems in China[J]. Chinese Science Bulletin, 2022, 67(31): 3625-3632. |
| [4] |
向书江, 杨春梅, 谢雨琦, 等. 近20年重庆市主城区碳排放的时空动态演进及其重心迁移[J]. 环境科学, 2023, 44(1): 560-571. Xiang S J, Yang C M, Xie Y Q, et al. Spatiotemporal dynamic evolution and gravity center migration of carbon emissions in the main urban area of Chongqing over the past 20 years[J]. Environmental Science, 2023, 44(1): 560-571. |
| [5] |
赵荣钦, 黄贤金, 钟太洋. 中国不同产业空间的碳排放强度与碳足迹分析[J]. 地理学报, 2010, 65(9): 1048-1057. Zhao R Q, Huang X J, Zhong T Y. Research on carbon emission intensity and carbon footprint of different industrial spaces in China[J]. Acta Geographica Sinica, 2010, 65(9): 1048-1057. |
| [6] |
王少剑, 莫惠斌, 方创琳. 珠江三角洲城市群城市碳排放动态模拟与碳达峰[J]. 科学通报, 2022, 67(7): 670-684. Wang S J, Mo H M, Fang C L. Carbon emissions dynamic simulation and its peak of cities in the Pearl River Delta Urban agglomeration[J]. Chinese Science Bulletin, 2022, 67(7): 670-684. |
| [7] |
孙秀锋, 施开放, 吴健平. 县级尺度的重庆市碳排放时空格局动态[J]. 环境科学, 2018, 39(6): 2971-2981. Sun X F, Shi K F, Wu J P. Spatiotemporal dynamics of CO2 emissions in Chongqing: an empirical analysis at the county level[J]. Environmental Science, 2018, 39(6): 2971-2981. |
| [8] | Ren F, Long D H. Carbon emission forecasting and scenario analysis in Guangdong Province based on optimized Fast Learning Network[J]. Journal of Cleaner Production, 2021, 317: 128408. DOI:10.1016/j.jclepro.2021.128408 |
| [9] | 习近平. 在第七十五届联合国大会一般性辩论上的讲话(全文)[EB/OL]. http://www.xinhuanet.com/politics/leaders/2020-09/22/c_1126527652.htm, 2020-09-22. |
| [10] |
王元庆, 李若彤. 城市群交通碳达峰与碳中和研究综述与展望[J]. 交通运输研究, 2021, 7(5): 1-9. Wang Y Q, Li R T. Review and prospects of carbon dioxide emissions peak and carbon neutrality in urban agglomeration traffic[J]. Transport Research, 2021, 7(5): 1-9. |
| [11] |
郑航, 叶阿忠. 空间关联网络结构特征的减排效应: 基于城市群视角[J]. 环境科学, 2022, 43(10): 4401-4407. Zheng H, Ye A Z. Carbon emission reduction effect of spatial correlation network structure characteristics: from the perspective of urban agglomeration[J]. Environmental Science, 2022, 43(10): 4401-4407. |
| [12] |
苏泳娴, 陈修治, 叶玉瑶, 等. 基于夜间灯光数据的中国能源消费碳排放特征及机理[J]. 地理学报, 2013, 68(11): 1513-1526. Su Y X, Chen X Z, Ye Y Y, et al. The characteristics and mechanisms of carbon emissions from energy consumption in China using DMSP/OLS night light imageries[J]. Acta Geographica Sinica, 2013, 68(11): 1513-1526. |
| [13] |
方创琳, 张国友, 薛德升. 中国城市群高质量发展与科技协同创新共同体建设[J]. 地理学报, 2021, 76(12): 2898-2908. Fang C L, Zhang G Y, Xue D S. High-quality development of urban agglomerations in China and construction of science and technology collaborative innovation community[J]. Acta Geographica Sinica, 2021, 76(12): 2898-2908. |
| [14] |
王军锋, 裴子璇. 深刻把握并科学谋划城市群碳达峰、碳中和行动[J]. 环境保护, 2022, 50(S1): 41-43. Wang J F, Pei Z X. Deep understanding and planning for carbon peak and carbon neutral action in urban agglomeration[J]. Environmental Protection, 2022, 50(S1): 41-43. |
| [15] | Zhao R Q, Huang X J, Liu Y, et al. Carbon emission of regional land use and its decomposition analysis: Case study of Nanjing City, China[J]. Chinese Geographical Science, 2015, 25(2): 198-212. |
| [16] | Xu Q, Dong Y X, Yang R. Erratum: influence of different geographical factors on carbon sink functions in the Pearl River Delta[J]. Scientific Reports, 2017, 7(1). DOI:10.1038/s41598-017-04856-6 |
| [17] | 姜霞, 黄祖辉. 经济新常态下中国林业碳汇潜力分析[J]. 中国农村经济, 2016(11): 57-67. |
| [18] |
张颖, 李晓格, 温亚利. 碳达峰碳中和背景下中国森林碳汇潜力分析研究[J]. 北京林业大学学报, 2022, 44(1): 38-47. Zhang Y, Li X G, Wen Y L. Forest carbon sequestration potential in China under the background of carbon emission peak and carbon neutralization[J]. Journal of Beijing Forestry University, 2022, 44(1): 38-47. |
| [19] | Chen L, Xu L Y, Yang Z F. Inequality of industrial carbon emissions of the urban agglomeration and its peripheral cities: A case in the Pearl River Delta, China[J]. Renewable and Sustainable Energy Reviews, 2019, 109: 438-447. |
| [20] | Pei J, Niu Z, Wang L, et al. Spatial-temporal dynamics of carbon emissions and carbon sinks in economically developed areas of China: a case study of Guangdong Province[J]. Scientific Reports, 2018, 8(1). DOI:10.1038/s41598-018-31733-7 |
| [21] |
吕倩. 京津冀地区汽车运输碳排放影响因素研究[J]. 中国环境科学, 2018, 38(10): 3689-3697. Lü Q. Study on the driving factors of vehicle transport carbon emissions in Beijing-Tianjin-Hebei region[J]. China Environmental Science, 2018, 38(10): 3689-3697. |
| [22] | 广东省发展和改革委员会. 广东省节能减排"十三五"规划[EB/OL]. http://www.gd.gov.cn/attachment/0/381/381996/2722427.pdf, 2019-12-18. |
| [23] | 广东省人民政府. 广东省人民政府关于印发《广东省打赢蓝天保卫战实施方案(2018-2020年)》的通知[EB/OL]. http://www.gd.gov.cn/zwgk/wjk/qbwj/yf/content/post_1055797.html, 2019-01-12. |
| [24] | Zhou Y, Shan Y L, Liu G S, et al. Emissions and low-carbon development in Guangdong-Hong Kong-Macao Greater Bay Area cities and their surroundings[J]. Applied Energy, 2018, 228: 1683-1692. |
| [25] |
张旺, 丁笔令, 韩家伟. 基于脱钩弹性的珠三角城市群碳达峰分析[J]. 湖南工业大学学报, 2022, 36(1): 20-25. Zhang W, Ding B L, Han J W. Analysis of carbon emissions peak in Pearl River Delta Urban Agglomeration based on decoupling elasticity[J]. Journal of Hunan University of Technology, 2022, 36(1): 20-25. |
| [26] |
吕富成, 马建勇, 曹云, 等. 基于FORCCHN模型的中国典型森林生态系统碳通量模拟[J]. 生态学报, 2022, 42(7): 2810-2821. Lü F C, Ma J Y, Cao Y, et al. Carbon fluxes simulation of China's typical forest ecosystem based on FORCCHN model[J]. Acta Ecologica Sinica, 2022, 42(7): 2810-2821. |
| [27] | Ang B W, Liu N. Handling zero values in the logarithmic mean Divisia index decomposition approach[J]. Energy Policy, 2007, 35(1): 238-246. |
| [28] |
路利平. 陕西省CO2排放影响因素分解及碳排放峰值预测[D]. 西安: 陕西师范大学, 2017. Lu L P. Decomposition of influencing factors and prediction of peak carbon emission in Shanxi Province[D]. Xi'an: Shaanxi Normal University, 2017. |
| [29] |
王容, 王文军, 赵黛青. 广东省主体功能区碳排放特征及驱动因素研究[J]. 新能源进展, 2019, 7(4): 365-373. Wang R, Wang W J, Zhao D Q. Carbon emission characteristics and driving factors of low carbon development in the main functional areas of Guangdong Province[J]. Advances in New and Renewable Energy, 2019, 7(4): 365-373. |
| [30] |
王倩. 基于LMDI的广东省碳排放驱动因子研究[D]. 广州: 广东省社会科学院, 2014. Wang Q. Research on the affecting factors of carbon emissions in Guangdong based on LMDI[D]. Guangzhou: Guangdong Academy of Social Sciences, 2014. |
| [31] | 广东省统计局, 国家统计局广东调查总队. 广东统计年鉴(2007~2021)[M]. 北京: 中国统计出版社, 2007. |
| [32] | 中华人民共和国国家发展和改革委员会. 省级温室气体清单编制指南(试行)[EB/OL]. http://www.gxdtrc.cn/h-nd-217.html, 2011-05. |
| [33] | Eggleston H S, Buendia L, Miwa K, et al. 2006 IPCC guidelines for national greenhouse gas inventories[M]. Tokyo: Preparation of the National Greenhouse Gas Inventories Plan, 2006. |
| [34] | Liu Z, Guan D B, Wei W, et al. Reduced carbon emission estimates from fossil fuel combustion and cement production in China[J]. Nature, 2015, 524(7565): 335-338. |
| [35] | 国家林业和草原局. 中国林业和草原统计年鉴(2007~2021)[M]. 北京: 中国林业出版社, 2007-2021. |
| [36] | 中华人民共和国国家统计局. 中国统计年鉴(2007~2021)[M]. 北京: 中国统计出版社, 2007-2021. |
| [37] | 中华人民共和国住房和城乡建设部. 中国城市建设统计年鉴(2007~2021)[M]. 北京: 中国统计出版社, 2007-2021. |
| [38] |
方精云, 刘国华, 徐嵩龄. 我国森林植被的生物量和净生产量[J]. 生态学报, 1996, 16(5): 497-508. Fang J Y, Liu G H, Xu S L. Biomass and net production of forest vegetation in China[J]. Acta Ecologica Sinica, 1996, 16(5): 497-508. |
| [39] | Fang J Y, Guo Z D, Piao S L, et al. Terrestrial vegetation carbon sinks in China, 1981-2000[J]. Science in China Series D: Earth Sciences, 2007, 50(9): 1341-1350. |
| [40] |
李克让, 王绍强, 曹明奎. 中国植被和土壤碳贮量[J]. 中国科学(D辑), 2004, 47(1): 72-80. Li K R, Wang S Q, Cao M K. Vegetation and soil carbon storage in China[J]. Science in China Series D: Earth Sciences, 2004, 47(1): 49-57. |
| [41] |
管东生, 陈玉娟, 黄芬芳. 广州城市绿地系统碳的贮存、分布及其在碳氧平衡中的作用[J]. 中国环境科学, 1998, 18(5): 437-441. Guan D S, Chen Y J, Huang F F. The storage and distribution of carbon in urban vegetation and its roles in balance of carbon and oxygen in Guangzhou[J]. China Environmental Science, 1998, 18(5): 437-441. |
| [42] |
段晓男, 王效科, 尹弢, 等. 湿地生态系统固碳潜力研究进展[J]. 生态环境, 2006, 15(5): 1091-1095. Duan X N, Wang X K, Yin T, et al. Advance in the studies on carbon sequestration potential of wetland ecosystem[J]. Ecology and Environment, 2006, 15(5): 1091-1095. |
| [43] |
段晓男, 王效科, 逯非, 等. 中国湿地生态系统固碳现状和潜力[J]. 生态学报, 2008, 28(2): 463-469. Duan X N, Wang X K, Lu F, et al. Carbon sequestration and its potential by wetland ecosystems in China[J]. Acta Ecologica Sinica, 2008, 28(2): 463-469. |
| [44] |
宋洪涛, 崔丽娟, 栾军伟, 等. 湿地固碳功能与潜力[J]. 世界林业研究, 2011, 24(6): 6-11. Song H T, Cui L J, Luan J W, et al. Wetland function and potential in carbon sequestration[J]. World Forestry Research, 2011, 24(6): 6-11. |
| [45] |
谢鸿宇, 陈贤生, 林凯荣, 等. 基于碳循环的化石能源及电力生态足迹[J]. 生态学报, 2008, 28(4): 1729-1735. Xie H Y, Chen X S, Lin K R, et al. The ecological footprint analysis of fossil energy and electricity[J]. Acta Ecologica Sinica, 2008, 28(4): 1729-1735. |
| [46] |
段华平, 张悦, 赵建波, 等. 中国农田生态系统的碳足迹分析[J]. 水土保持学报, 2011, 25(5): 203-208. Duan H P, Zhang Y, Zhao J B, et al. Carbon footprint analysis of farmland ecosystem in China[J]. Journal of Soil and Water Conservation, 2011, 25(5): 203-208. |
| [47] |
祁兴芬. 德州市区域农田生态系统碳足迹变化分析[J]. 扬州大学学报(农业与生命科学版), 2013, 34(2): 64-69. Qi X F. Analysis of carbon footprint of farmland ecosystem in Dezhou city[J]. Journal of Yangzhou University(Agricultural and Life Science Edition), 2013, 34(2): 64-69. |
| [48] |
林克涛, 陈杨, 叶颉, 等. 福建省农田植被净碳汇时空格局分析[J]. 宁德师范学院学报(自然科学版), 2021, 33(4): 414-423. Lin K T, Chen Y, Ye J, et al. Temporal and spatial patterns of net carbon sink of farmland vegetation in Fujian Province[J]. Journal of Ningde Normal University(Natural Science), 2021, 33(4): 414-423. |
| [49] | 李克让. 土地利用变化和温室气体净排放与陆地生态系统碳循环[M]. 北京: 气象出版社, 2002. |
| [50] | Yoichi K. Impact of carbon dioxide emission on GNP growth: interpretation of proposed scenarios. Presentation to the energy and industry subgroup[R]. Paris: Response Strategies Working Group, 1989. |
| [51] | Ren W H. Study on the removable carbon sink estimation and decomposition of influencing factors of mariculture shellfish and algae in China—a two-dimensional perspective based on scale and structure[J]. Environmental Science and Pollution Research, 2021, 28(17): 21528-21539. |
| [52] | 广东省发展和改革委员会. 关于印发广东省国民经济和社会发展第十一个五年规划纲要的通知[EB/OL]. http://drc.gd.gov.cn/fzgh5637/content/post_844764.html, 2007-03-19. |
| [53] | 广东省人民政府. 印发广东省"十二五"节能减排综合性工作方案的通知[EB/OL]. http://www.gd.gov.cn/zwgk/gongbao/2012/9/content/post_3363494.html, 2012-03-09. |
| [54] | 广东省发展和改革委员会. 广东省环境保护与生态建设"十一五"规划[EB/OL]. http://drc.gd.gov.cn/gkmlpt/content/1/1056/post_1056831.html#876, 2007-05-16. |
| [55] | 广东省统计局. 广东农村统计年鉴(2008)[M]. 北京: 中国统计出版社, 2008. |
| [56] | 广东省发展和改革委员会. 广东省国民经济和社会发展第十三个五年规划纲要[EB/OL]. http://drc.gd.gov.cn/protect/P0201807/P020180726/P020180726606779164809.pdf, 2018-07-26. |
| [57] | 广东省发展和改革委员会. 广东省生态文明建设"十三五"规划[EB/OL]. http://drc.gd.gov.cn/protect/P0201807/P020180726/P020180726601297649822.pdf, 2018-07-26. |
| [58] | 广东省发展和改革委员会. 广东省国民经济和社会发展第十二个五年规划纲要[EB/OL]. http://drc.gd.gov.cn/gkmlpt/content/1/1057/post_1057601.html#876, 2011-06-05. |
| [59] | 广东省发展和改革委员会. 广东省能源发展"十二五"规划[EB/OL]. http://drc.gd.gov.cn/gkmlpt/content/1/1058/post_1058785.html#876, 2013-09-26. |
| [60] | 广东省发展和改革委员会. 广东省能源发展"十三五"规划[EB/OL]. http://drc.gd.gov.cn/protect/P0201807/P020180726/P020180726582395694602.pdf, 2018-07-26. |
| [61] | 广东省发展和改革委员会. 广东省能源发展"十四五"规划[EB/OL]. http://www.gd.gov.cn/attachment/0/486/486725/3909371.pdf, 2022-03-17. |