全球变暖严重威胁着人类的生存和发展,作为其主因之一的二氧化碳排放持续增长. 国际能源署和荷兰环境评估中心的数据指出,中国的二氧化碳年排放量已经超过美国[1,2],并且将持续增长到2030年之后[3,4]. 面对日益增强的国际压力,中国需在全球温室气体减排中承担更重要的角色. 2009年,中国提出2020年单位GDP二氧化碳排放要在2005年的基础上下降40%~45%的目标,并将减排目标分解至各地. 实现这一目标需要地区间通力配合以及合理的碳排放责任分配.
碳排放责任存在3种划分原则[5,6]:生产者负责,消费者负责,共担责任. 其中,消费者负责原则更为公平,而且可避免碳泄漏,相关研究发展迅速[7]. 中国各地区经济和技术水平、 产业结构等差异较大,地区间资源流动和碳排放转移较为复杂[8]. 中国的减排目标以省域为单位实现,地区间发展不平衡和存在竞争关系. 而以生产碳区分责任容易造成各自为政的局面,迫切需要消费碳研究以掌握省域实际碳排放需求和碳排放平衡及其差异,才能协调地区间排放责任和制定合理的应对策略,又能促使发达地区加强与欠发达地区的合作[9]. 如果以消费者负责原则计算和划分碳排放责任,需要区分基于边界的生产碳排放中的地区间贸易隐含碳.
投入产出法是隐含碳计算前沿方法[10],多年来得以逐步完善. 一是投入产出模型的完善. Sánchez-Chóliz等[11]按一致性原则将进口从竞争型投入产出表中分离,拓展成新的非竞争型投入产出模型. Lin等[12]采用与贸易研究中Koopman等[13]相似的方法,将进口再细分出生产出口(纯粹转口贸易)部分,这一做法在不修正贸易数据时更为合理. 二是由单地区投入产出模型拓展至多地区投入产出模型,包括串联单地区投入产出模型和实际多地区投入产出模型,Wyckoff等[14]和Lenzen等[15]分别对这两种模型进行介绍和应用,这一拓展提高了隐含碳准确度且后者可分析碳排放转移情况. 三是考虑与其他模型和方法结合. 卡耐基梅隆大学的学者们将投入产出与生命周期分析相结合产生的EIO-LCA模型[16],不仅考虑了整个经济产业链而且在计算上比LCA方法简单. 该方法相对于传统投入产出模型(EIO)的主要区别在于其直接排放矩阵采用对角阵形式而非行向量,更为合理准确. 投入产出模型适用于产品、 家庭到国家的任何尺度[17,18],但研究多集中于国家尺度,能为国际谈判提供参考,但对国内减排的指导意义不大. 近年来焦点开始向省域尺度转移,但省域间贸易隐含碳和碳排放平衡的时空差异研究相对薄弱. McGregor等[19]利用两个地区投入产出模型对比了苏格兰和其余英国地区的国内贸易碳排放平衡. 石敏俊等[20]梳理了基于修正贸易数据的省域尺度实际多地区投入产出模型,并对中国省区碳排放空间转移进行了研究[8],但该方法在缺乏贸易数据时不适用. 张旺等[21]参考Sánchez-Chóliz等[11]的一致性做法分别对北京的国内和国际贸易隐含碳排放进行了测算. Guo等[22]利用投入产出方法比较了2002年中国30省的国际间和省域间贸易碳排放. 现有省域尺度的研究虽然已将国内和国际隐含碳加以区分,但计算多用EIO方法,而相对先进的EIO-LCA鲜有研究. 目前只检索到唐建荣等[23]对江浙沪地区的对比研究,但其并未将本地和进口和调入来源地产业结构和排放强度,且未对转口贸易进行修正.
京津冀区域是中国面向国际的重要窗口,也是独特的关键减排区域,以其为研究区域极具价值. 首先,京津冀三地数十年的合作已经发展成为中国经济三极之一,2007年的GDP占全国的11.3%,不仅具备合作减排的条件也具有相对雄厚的经济基础; 其次,京津冀是资源消耗密集型区域[24],2007年的能源消费总量约占全国的13.7%[25],存在迫切的减排需求. 另外,京、 津、 冀三地分别为低碳、 中碳和高碳地区[26],在三极中最为独特.
基于以上分析,本研究利用EIO-LCA模型,以分析1997年、 2002年和2007年京津冀三省间碳排放差异及变化趋势为主线,主要从消费和生产二氧化碳排放、 贸易隐含二氧化碳排放、 二氧化碳排放平衡、 关键二氧化碳排放部门等几方面展开分析.
1 数据与方法 1.1 投入产出模型
投入产出分析方法由Leontief[27]提出且拓展至环境领域[28],随后发展至碳排放研究领域[12]. 投入产出分析一般使用非竞争型投入产出表. 按一致性原则假设进口项或调入项在中间投入过程和最终使用中投入比例与两者所占比例相同[11],将进口项M和调入项N从中间投入D、 最终使用中拆分. 由于缺乏纯粹转口贸易数据[20],但又考虑纯粹转口贸易,参考Koopman等[13]方法并区分国内和国外贸易[21,22]. 在考虑整个贸易隐含碳时,采用进口来源国和调入来源地的完全碳排放方阵与进口额相乘实现[16,29],即EIO-LCA方法,将进口来源国和调入来源地的产业结构更好考虑进来,计算更为准确.
假设进口和调入的拆分比例分别为Pm=M/(X+M+N)和Pn=N/(X+M+N). 式中,M为进口,N为调入,X为总产出. 本地生产、 进口、 调入的二氧化碳排放根据来源和最终使用可以拆分为15部分(图 1),与经济体有关的二氧化碳排放根据最终使用可分为本地、 出口和调出需求三大类,Cd即为本地消费二氧化碳,具体形式见表 1. 具体推导过程参见文献[21,29].
![]() | 图 1 碳排放过程及分解示意 Fig. 1 CO2 emissions process and decomposition |
![]() | 表 1 二氧化碳排放拆分 1) Table 1 Split of CO2 emissions |
地区二氧化碳排放总平衡可表示为进出口与调入调出平衡的加和,代入Co、 Ce、 Cm、 Cn后整理可等于生产二氧化碳排放和消费二氧化碳排放差值.
Cb=Cbme+Cbno=(Ce-Cm)+(Co-Cn)=Cd-Ct (1)
Cb>0,本地二氧化碳排放呈净流出; Cb<0,本地二氧化碳排放呈净流入; Cb=0,本地为进出口二氧化碳排放平衡区域. 1.2 二氧化碳直接排放量和排放强度计算方法
利用排放系数法计算生产二氧化碳排放量[30]. 选取煤炭、 汽油、 煤油、 柴油、 天然气和外调电消费实物量和本地排放因子计算. i部门二氧化碳排放强度为Ei=Ci/Xi,其中,Xi为i部门总产出,Ci为i部门生产二氧化碳排放量.
1.3 数据来源
分行业能源消费数据来源于1998、 2003和2008年北京市、 天津市和河北省的统计年鉴和中国能源统计年鉴. 缺河北省1997和2002年分行业能源消费数据,假设能源消费结构相同,结合能源平衡表采用分能源与2007年等比例拆分的方法拆分. 天津市只有分行业能源终端消费量统计,利用能源平衡表和能源终端消费量比例进行修正. 北京和天津的技术水平较高并类似,排放因子采用地方温室气体清单账户研究中的取值[31]; 河北省和中国的的排放因子来自文献[32],河北省外调电排放系数选择中国华北区域电网基准线排放系数,中国的电力排放系数选择中国7大区域电网基准线排放系数算数平均值.
选取1997、 2002和2007年的北京市、 天津市、 河北省和中国的投入产出表(均换算成以1990年为基期的可比价格). 进口和调入完全排放系数矩阵用中国的完全排放系数矩阵代替. 部门分类遵循以下原则:①数据可获取. 依据投入产出表和现有分部门的能源消费数据; ②部门匹配. 需从时间序列、 地区间投入产出表部门和能源消费数据进行匹配; ③关键排放部门区分,即区分地区特色关键部门. 本研究将12份投入产出表分别整合编制成统一的34部门投入产出表(表 2).
![]() | 表 2 部门分类 Table 2 Department classification |
2 结果与分析 2.1 消费和生产二氧化碳排放趋势
京津冀区域总消费和生产二氧化碳排放年均增长都约为4%. 区域总消费二氧化碳排放中,北京占比小于30%且呈下降趋势,天津和河北占比分别小于20%和大于50%呈小幅上升趋势. 区域总生产二氧化碳排放中,北京和天津占比分别小于22%和14%呈小幅下降趋势,河北占比大于69%呈上升趋势. 河北在区域消费和生产二氧化碳排放中占主导地位且贡献增大,生产排放更为显著. 2007年,河北2.7万t ·万元-1的综合二氧化碳排放强度远远高于北京的1.4万t ·万元-1、 天津的1.0万t ·万元-1和全国的1.9万t ·万元-1,说明其生产和节能等技术水平较低,具有较大的减排潜力.
京津冀消费二氧化碳排放需求Ct主要由本地投入和调入满足,调入比重增加,本地投入比重下降,自给程度降低(图 2). 三地的本地投入Cdd年均增长率小于2%,而调入Cnd增长较快(北京、 天津和河北Cnd年均增长率分别为3%、 5%和6%),说明Ct需求的增长主要由调入满足. 河北的Ct中进口比重远远小于北京和天津,且呈减小趋势,说明河北对进口二氧化碳排放依赖程度小于京津两地,且需求增长不大.
京津冀的本地生产二氧化碳排放Cd主要满足本地和调出需求,天津和河北调出需求更大,北京则多用于满足本地需求. 三地的本地投入本地消费二氧化碳排放Cdd年均增长率小于3%,北京的Cde和Cdo年均增速分别为5%和6%,天津的Cde和Cdo年均增速都为4%,河北的Cde和Cdo年均增速分别为2%和6%,说明北京和天津流出隐含碳增长来自调出需求和出口需求,河北流出隐含碳增长主要来自调出需求.
消费和生产二氧化碳排放中的贸易隐含碳(包括调入和调出)为30%~83%(如天津和河北2007年的贸易隐含碳为67%以上),其中,三地的国内贸易的隐含二氧化碳排放远远大于国际贸易的隐含二氧化碳排放,表明国内的二氧化碳排放转移更为活跃.
![]() | 图 2 1997~2007年京、 津、 冀消费和生产二氧化碳排放
Fig. 2 Provincial product-based and consumption-based CO2
emissions in the JING-JIN-JI region in 1997,2002 and 2007
|
1997、 2002和2007年京津冀区域总体二氧化碳排放平衡差额分别为-4918、 -2524和-8146万t,为二氧化碳排放净流入区域,有负值方向迅速增大的趋势. 北京1997、 2002和2007年的二氧化碳排平衡差额分别为-4897、 -4701和-6910万t,天津1997、 2002和2007年的二氧化碳排平衡差额分别为-2235、 -829和-7604万t,说明北京和天津同为总二氧化碳排放流入区域,且平衡差额扩大趋势明显,天津波动大于北京. 河北3 a的Cb分别为1698、 3006和6368万t,属于净流出区域且有增强趋势.
以进口-出口平衡为横轴、 调出-调入平衡为纵轴做三地贸易二氧化排放碳平衡图(图 3),第一象限表示该地为出口调出型,表示为出口二氧化碳大于进口,调出二氧化碳大于调入,其他象限以此类推; 第二象限表示该地为出口调入型; 第三象限表示该地为进口调入型; 第四象限表示该地为进口调出型. 可以看出,1997年,三地同属出口调入型地区. 2002年,河北转变为出口调出型地区; 北京和天津未转变,北京接近出口-进口平衡状态,天津则接近总平衡状态. 2007年,北京转变为进口调入型; 天津变化趋势则发生较大转变,展现较强的调入依赖性,出口-进口平衡也显著增强; 河北的出口-进口平衡显著增强,调出-调入平衡稍有增强. 三地变化趋势各有特点,北京调入和进口依赖性增强,天津调入和出口依赖性增强,河北调出和出口依赖性增强.
![]() | 图 3 京、 津、 冀二氧化碳排放平衡
Fig. 3 Balance of CO2 emissions in the JING-JIN-JI region
|
从3次产业来看,京津冀区域第一产业二氧化碳排放平衡由1997年的-27万t和2002年的-26万t转为2007年的47万t,平衡关系逐渐转正; 1997、 2002和2007年第二产业二氧化碳排放平衡则分别为-5437、 -3835和-9911万t. 第一和第二产业的二氧化碳排放责任转入且呈加重趋势. 北京和天津第一和第二产业的总二氧化碳排放平衡为负值,且呈扩大趋势,对流入依赖性增强. 河北第一和第二产业的总二氧化碳排放平衡与北京和天津相反,虽为正值,但无法满足区域总体需求. 北京和天津第一产业占当地总产值比重低于6%,对流入需求较高. 而河北第一产业产值占比13%~19%,可满足当地和流出需求. 北京第二产业占当地总产值比重为23%~38%,天津第二产业占比为54%~57%,虽占比较高,但不能自给,且流入二氧化碳排放较多. 河北第二产业占当地总产值比重为49%~53%,且逐年增大,其二氧化碳排放强度也高于流入来源地,可解释其第二产业二氧化碳排放净流出增强趋势.
1997、 2002和2007年京津冀区域第三产业二氧化碳排放平衡分别为723、 1337和1719万t,呈增强趋势. 北京第三产业的排放平衡为正值,流出占优势. 河北第三产业的排放平衡为负值,且呈现扩大趋势. 天津第三产业的排放平衡虽在1997和2002年为正值,但2007年转变为负值,发展趋势与河北相同. 而区域第三产业总二氧化碳排放平衡为正值,说明北京第三产业排放可满足区域和流出需求,在区域内可形成互补. 北京第三产业产值占比大于50%,说明其自给和对外输出水平较高. 天津第三产业产值占比低于北京(40%~47%),其比例呈先升高后降低的特征,可解释其二氧化碳排放平衡的变化. 河北第三产业产值占比小于34%,低于北京和天津,对流入需求大,因此其总二氧化碳排放平衡为负值. 2.3 二氧化碳排放关键部门分析
分析京津冀三地3年的34部门消费和生产二氧化碳排放量图谱(图 4~6)可知:①高排放部门较为集中; ②三地高排放部门较为相似,但各有特点. 为深入分析,定义地区消费和生产排放关键部门分别为消费和生产二氧化碳排放量排名前5位部门. 经统计,三地3 a的消费和生产关键排放部门分别占总消费二氧化碳排放量和总生产二氧化碳排放量的54%~82%和63%~80%,能很好地反映地区特点,也说明分部门的二氧化碳排放较为集中.
![]() | 图 4 北京分部门消费和生产二氧化碳排放
Fig. 4 Product-based and consumption-based CO2 emissions by department in Beijing
|
北京的电力、 蒸汽、 热水生产和供应业、 金属冶炼及压延加工业、 化学工业和非金属矿物制品业3 a都属Ct关键部门,另一关键部门在1997年为煤炭开采和洗选业,2002年为交通运输及仓储业,2007年为石油加工及炼焦业. 电力、 蒸汽、 热水生产和供应业为北京的最大Ct部门,占总比为30%~39%,其次是金属冶炼及压延加工业(占总比的10%~16%),其余各部门分别占总比的4%~8%. 石油加工及炼焦业消费二氧化碳排放增长相当迅速,特别是2002~2007年的年均增速约为25%,到2007年成为第三关键部门.
![]() | 图 5 天津分部门消费和生产二氧化碳排放
Fig. 5 Product-based and consumption-based CO2 emissions by department in Tianjin
|
北京的电力、 蒸汽、 热水生产和供应业、 金属冶炼及压延加工业和其他社会服务业3 a都属生产碳足迹关键部门,另外两个关键部门在1997年为房地产业和社会福利和保障事业,2002年为交通运输及仓储业和房地产业,2007年为交通运输及仓储业和非金属矿物制品业. 电力、 蒸汽、 热水生产和供应业是北京的最大Cd部门,占总比17%~25%,其余各部门分别占总比5%~15%. 其中,房地产业排名下降并排除出关键部门. 交通运输及仓储业则以9%的年均增速在2002年成为关键部门.
天津的Ct关键部门与北京非常相似. 电力、 蒸汽、 热水生产和供应业、 金属冶炼及压延加工业和社会福利和保障事业3年都属Ct关键部门,另外两关键部门在1997年为化学工业和煤炭开采和洗选业、 2002年为化学工业和交通运输及仓储业、 2007年为石油加工及炼焦业和交通运输及仓储业. 电力、 蒸汽、 热水生产和供应业也是天津的最大Ct部门,占总比41%~44%,其次是金属冶炼及压延加工业,占总比10%~13%,其余各部门分别占总比4%~10%. 天津的石油加工及炼焦业与北京的类似,其增长速度甚至高于北京,2002~2007年的年均增速约为34%,到2007年成为第三关键部门.
天津电力、 蒸汽、 热水生产和供应业、 化学工业、 金属冶炼及压延加工业和社会福利和保障事业3年都属生产碳足迹关键部门,另一关键部门在1997年为批发和零售业、 2002和2007年都为交通运输及仓储业. 电力、 蒸汽、 热水生产和供应业是天津的最大Cd部门,占总比26%~35%,其余各关键部门分别占总比6%~15%. 其中,批发和零售业排名逐渐下降并排除出关键部门; 交通运输及仓储业则以5%的年均增速在2002年成为关键部门.
河北的Ct关键部门为金属冶炼及压延加工业、 电力、 蒸汽、 热水生产和供应业、 石油加工及炼焦业、 煤炭开采和洗选业和化学工业. 金属冶炼及压延加工业是河北1997和2002年的最大Ct部门,占总比27%~32%,但在2002~2007年出现负增长. 在1997和2002年位于第二的电力、 蒸汽、 热水生产和供应业的Ct在2002~2007年迅速增长(年均增长率约23%),在2007年为最大Ct部门,占总比39%. 其余各关键部门分别占总比5%~12%. 河北的石油加工及炼焦业在2002~2007年的年均增速约为25%,到2007年成为第三关键部门.
![]() | 图 6 河北分部门消费和生产二氧化碳排放
Fig. 6 Product-based and consumption-based CO2 emissions by department in Hebei
|
河北的Cd关键部门为金属冶炼及压延加工业、 电力、 蒸汽、 热水生产和供应业、 化学工业、 社会福利和保障事业和煤炭开采和洗选业. 金属冶炼及压延加工业是河北的最大Cd部门,占总比42%~43%,其次是电力、 蒸汽、 热水生产和供应业,占总比18%~20%,其余各关键排放部门分别占总比3%~9%,关键排放部门的年均增长保持在3%~8%.
三地的Ct关键部门相似度非常高,而Cd关键部门则存在差异. 北京和天津Ct关键部门都分布于第二产业,同为电力、 蒸汽、 热水生产和供应业、 金属冶炼及压延加工业、 化学工业、 石油加工及炼焦业、 煤炭开采和洗选业、 社会福利和保障事业、 交通运输及仓储业,包括了河北的所有关键部门(金属冶炼及压延加工业、 电力、 蒸汽、 热水生产和供应业、 石油加工及炼焦业、 煤炭开采和洗选业和化学工业). 三地相同的Cd关键部门为电力、 蒸汽、 热水生产和供应业、 金属冶炼及压延加工业和社会福利和保障事业,其余关键部门分布的行业存在差别. 北京Cd关键部门较为均衡地分布于第二产业和第三产业,天津也存在属于第三产业的关键部门(交通运输及仓储业和批发和零售业),河北的则全属于第二产业. 北京Cd中第二产业和第三产业排放的比重则分别为45%~54%和42%~49%,天津Cd中第二产业和第三产业排放的比重则分别为81%~85%和13%~16%,河北Cd中第二产业和第三产业排放的比重则分别为92%~94%和5%~6%,与关键部门探测的情况一致,北京第二产业和第三产业的Cd持平,而天津和河北第二产业的Cd具绝对优势.
为进一步反映各部门之间的相互影响程度,引入碳排放影响力系数和感应度系数. 碳排放影响力系数是反映国民经济某一部门产生一个单位碳排放时,对国民经济各部门所产生的碳排放需求波及程度. 碳排放感应度系数是反映国民经济各部门平均产生一个单位碳排放时,某一部门由此而受到的需求感应程度. 计算公式及意义见文献[33].
分析影响力系数的计算结果(表 3~5)发现,三地3 a的碳排放影响力超过平均水平(Fj>1)的部门集中分布于第二产业,包括了所有生产和消费碳排放关键部门. 其中电力、 蒸汽、 热水生产和供应业的影响力系数最高,反映该产业对地区碳排放推动作用最强,对碳排放的依赖性也最大. 而第一、 三产业中,除北京1997年的房地产业和2002与2007年的交通运输及仓储业、 天津1997年的交通运输及仓储业外,其余部门影响力系数均小于1,说明其对地区碳排放的对推动作用较小.
从感应度系数来看(表 3~5),三地3 a的碳排放感应度超过平均水平(Ej>1)的部门集中分布于第二产业,与生产和消费碳排放关键部门大致重合. 其中,电力、 蒸汽、 热水生产和供应业和金属冶炼及压延加工业的感应度系数最高,2007对整个国民经济碳排放消耗最大,说明各部门对其需求较高. 北京除交通运输及仓储业、 批发和零售业、 房地产业和其他社会服务业外,天津除交通运输及仓储业外,三地第一和三产业部门的碳排放感应度都小于1,且北京的批发和零售业、 房地产业和其他社会服务业在2002和2007年都小于1,说明京津冀区域第一和三产业对对整个地区碳排放拉动作用比较小,对碳排放的依赖性弱.
虽然影响力系数和感应度系数大于1的部门基本分布于第二产业,但影响力系数大于1的部门更为分散,数量多于感应度系数大于1的部门,但其值普遍低于感应度系数值. 感应度系数大于1的部门集中,且多是关键排放部门,其直接排放强度较其他部门高,说明对碳排放依赖较强的部门比较集中. 影响力系数大于1的部门多且分散说明对碳排放需求超过平均需求的部门多,这一需求包括本部门直接产生部分,也包括通过其他部门而间接产生部分,其中一些影响力系数大于1的部门(如建筑业、 金属制品业和木材加工业及家具制造业等)的直接排放强度并不高,对碳排放的直接依赖性不高,而是通过对其他部门的间接产生碳排放以实现自身需求. 说明多数部门主要通过关键几个部门(如电力、 蒸汽、 热水生产和供应业和金属冶炼及压延加工业等)实现自身的碳排放需求,从而间接导致地区碳排放的增长.
![]() | 表 3 北京各部门的碳足迹影响力和感应度 Table 3 Carbon footprint impact and inductivity of different departments in Beijing |
![]() | 表 4 天津各部门的碳足迹影响力和感应度 Table 4 Carbon footprint impact and inductivity of different departments in Tianjin |
![]() | 表 5 河北各部门的碳足迹影响力和感应度 Table 5 Carbon footprint impact and inductivity of different departments in Hebei |
3 讨论
对比以往研究,存在相近结论,也存在差异. 张旺等[21]的研究指出,北京从1997~2007年一直为二氧化碳排放净调入地区,1997~2002年为二氧化碳排放净出口地区,2007年转变为二氧化碳净进口地区,与本研究得出的趋势相同,但贸易隐含二氧化碳排放量存在差别. Guo等[22]得出2002年北京和天津同为二氧化碳排放进口调入型地区,河北二氧化碳排放出口调出型地区,河北与本研究相同,但北京和天津的国际贸易二氧化碳排放平衡相反,贸易隐含二氧化碳排放量也存在差别. 可能原因有四点. 一是选取的能源消费数据不同. 本研究选取能源消费总量,与能源平衡表中消费总量匹配,电力排除本地加工转换部分,而张旺等[21]选取的是终端消费量,张旺等[21]和Guo等[22]都未对电力消费数据进行修正. 二是二氧化碳直接排放系数选择不同,排放系数和能源消费数据的选取存在不同,会造成一定差异[34]. 三是部门划分数量差别的影响[14]. 四是计算方法区别. Guo等[22]通过贸易额和完全排放矩阵相乘得出贸易隐含二氧化碳排放,没有区分进口(调入)加工贸易,也没有对这部分进行修正. 与唐建荣等[23]的研究对比可见,京津与沪的地位相同,为碳排放责任净输出地区,冀与江浙相似,为碳排放责任净输入地区,从隐含碳占比来看,江浙沪区域更高,碳排放转移更为活跃.
由于数据的限制,本研究是在进出口、 区域间调入调出在各部门和最终消费等分配数据缺乏的情况下进行的,在编制非竞争型投入产出表时采用的等比例假设会导致计算的不确定性加大. 在计算进出口隐含二氧化碳排放时采用替代法,与实际完全二氧化碳排放矩阵会产生差距. 以后的研究可在掌握更齐全的数据这一方向上进行以提高精度.
4 结论
(1)京津冀区域消费和生产二氧化碳排放的增长速度基本相同,但总量不相匹配,生产二氧化碳排放并不能如实反映区域应有排放责任. 京津冀区域的贸易隐含二氧化碳排放比例为31%~83%,其中以国内贸易隐含二氧化碳排放为主,贸易隐含二氧化碳不容忽视.
(2)河北二氧化碳排放为区域主导且增速最快,本身的二氧化碳排放强度较高,因此,不论是提高自身技术水平还是选取更低排放的资源都是其削减消费排放的有效途径. 北京和天津技术水平较高,二氧化碳排放强度远远低于河北和全国水平,因此,发挥其技术和人才等优势以协助周边的二氧化碳排放调入来源地提高技术水平以降低二氧化碳排放强度,才能有效削减消费排放.
(3)京津冀区域为二氧化碳排放净流入区域,存在一定的二氧化碳排放转移. 北京和天津消费导致相当一部分的国内其他地区的二氧化碳排放,河北承担部分国内其他地区的二氧化碳排放; 北京消费也导致一定的国外二氧化碳排放,天津和河北则承担了部分国外的二氧化碳排放责任.
(4)京津冀第一产业和第二产业的二氧化碳排放责任转出,第三产业二氧化碳排放责任转入. 三地3个产业的排放平衡因产业结构特点和二氧化碳排放强度等差别而存在差异. 北京和天津为第一产业和第二产业二氧化碳排放责任转出地区; 河北为第一产业和第二产业二氧化碳排放责任转入地区. 北京第三产业输出较强,二氧化碳排放责任转入; 天津和河北则为第三产业二氧化碳排放责任转出区域. 三地可形成有效的产业互补. 河北在第一产业和第二产业产值上占优势,承担区域内较大责任; 北京在第三产业占优势,可多承担区域排放责任; 天津和北京具有较低的排放强度,应充分发挥其技术优势协助河北减排.
(4)京津冀三地二氧化碳排放关键部门分布集中且相似度较高,是对二氧化碳排放依赖性较高部门. 其中,消费二氧化碳排放关键部门基本都分布于第二产业,而生产二氧化碳排放关键部门则根据地区产业结构差异而具不同分布. 不论对消费还是生产二氧化碳排放,京津冀区域应将控制重点放在第二产业,如电力、 蒸汽、 热水生产和供应业、 金属冶炼及压延加工业、 化学工业、 石油加工及炼焦业、 煤炭开采和洗选业和社会福利和保障事业可实施区域联合控制,而重中之重是二氧化碳排放的依赖性高的部门(如电力、 蒸汽、 热水生产和供应业和金属冶炼及压延加工业). 而北京和天津还应加强对第三产业关键部门(如交通运输及仓储业和批发和零售业等)的引导,降低其对第二产业碳排放的刺激.
[1] | International Energy Agency. CO2 emissions from fuel combustion 2008 edition [R]. Head of Communication and Information Office, 2009. 1-528. |
[2] | Netherlands Environmental Assessment Agency. China now No. 1 in CO2 emissions; USA in second position[EB/OL]. Netherlands: Netherlands Environmental Assessment Agency, 2007. http://www. pbl. nl/en/dossiers/Climatechange/moreinfo/Chinanowno1inCO2emissionsUSAinsecondposition. |
[3] | 王铮, 朱永彬, 刘昌新, 等. 最优增长路径下的中国碳排放估计[J]. 地理学报, 2010, 65 (12): 1559-1568. |
[4] | 岳超, 王少鹏, 朱江玲, 等. 2050年中国碳排放量的情景预测-碳排放与社会发展Ⅳ[J]. 北京大学学报(自然科学版), 2010, 46 (4): 517-524. |
[5] | Munksgaard J, Pedersen K A. CO2 accounts for open economies: producer or consumer responsibility?[J]. Energy Policy, 2001, 29 (4): 327-334. |
[6] | Peters G P. From production-based to consumption-based national emission inventories[J]. Ecological Economics, 2008, 65 (1): 13-23. |
[7] | Larsen H N, Hertwich E G. The case for consumption-based accounting of greenhouse gas emissions to promote local climate action[J]. Environmental Science & Policy, 2009, 12 (7): 791-798. |
[8] | 石敏俊, 王妍, 张卓颖, 等. 中国各省区碳足迹与碳排放空间转移[J]. 地理学报, 2012, 67 (10): 1327-1338. |
[9] | Wiedmann T. A review of recent multi-region input-output models used for consumption-based emission and resource accounting[J]. Ecological Economics, 2009, 69 (2): 211-222. |
[10] | Wiedmann T, Lenzen M, Turner K, et al. Examining the global environmental impact of regional consumption activities-Part 2: Review of input-output models for the assessment of environmental impacts embodied in trade[J]. Ecological Economics, 2007, 61 (1): 15-26. |
[11] | Sánchez-Chóliz J, Duarte R. CO2 emissions embodied in international trade: evidence for Spain[J]. Energy Policy, 2004, 32 (18): 1999-2005. |
[12] | Lin B Q, Sun C W. Evaluating carbon dioxide emissions in international trade of China[J]. Energy Policy, 2010, 38 (1): 613-621. |
[13] | Koopman R, Wang Z, Wei S. How much of Chinese exports is really made in China? Assessing foreign and domestic value-added in gross exports[EB/OL]. United States: United States International Trade Commission, 2008.http://www. usitc. gov/publications/332/working_papers/ec200803b_revised. pdf. |
[14] | Wyckoff A W, Roop J M. The embodiment of carbon in imports of manufactured products: Implications for international agreements on greenhouse gas emissions[J]. Energy Policy, 1994, 22 (3): 187-194. |
[15] | Lenzen M, Pade L L, Munksgaard J. CO2 multipliers in multi-region input-output models[J]. Economic Systems Research, 2004, 16 (4): 391-412. |
[16] | Hendrickson C, Horvath A, Joshi S, et al. Peer reviewed: economic input-output models for environmental life-cycle assessment[J]. Environmental Science & Technology, 1998, 32 (7): 184A-191A. |
[17] | Munksgaard J, Wier M, Lenzen M, et al. Using input-output analysis to measure the environmental pressure of consumption at different spatial levels[J]. Journal of Industrial Ecology, 2005, 9 (1-2): 169-185. |
[18] | Peters G P. Carbon footprints and embodied carbon at multiple scales[J]. Current Opinion in Environmental Sustainability, 2010, 2 (4): 245-250. |
[19] | McGregor P G, Swales J K, Turner K. The CO2 'trade balance' between Scotland and the rest of the UK: Performing a multi-region environmental input-output analysis with limited data[J]. Ecological Economics, 2008, 66 (4): 662-673. |
[20] | 石敏俊, 张卓颖, 等. 中国省区间投入产出模型与区际经济联系[M]. 北京: 科学出版社, 2012. |
[21] | 张旺, 周跃云. 大都市区贸易隐含碳测算及其失衡度分析——以北京为例[J]. 技术经济, 2013, 32 (2): 11-19. |
[22] | Guo J, Zhang Z K, Meng L. China's provincial CO2 emissions embodied in international and interprovincial trade[J]. Energy Policy, 2012, 42: 486-497. |
[23] | 唐建荣, 李烨啸. 基于EIO-LCA的隐性碳排放估算及地区差异化研究-江浙沪地区隐含碳排放构成与差异[J]. 工业技术经济, 2013, (4): 125-135. |
[24] | 周生贤. 国务院关于大气污染防治工作进展情况的报告[R]. 北京: 中华人民共和国环境保护部, 2009. 1-3. |
[25] | 张焕波, 齐晔. 中国低碳经济发展战略思考: 以京津冀经济圈为例[J]. 中国人口 ·资源与环境, 2010, 20 (5): 6-11. |
[26] | 中国人民大学气候变化与低碳经济研究所. 中国低碳经济年度发展报告2011[M]. 北京: 石油工业出版社, 2011. 1-428. |
[27] | Leontief W. Input-output economics[M]. New York: Oxford University Press, 1986. 1-440 |
[28] | Leontief W. Environmental repercussions and the economic structure: an input-output approach[J]. The Review of Economics and Statistics, 1970, 52 (3) 262-271. |
[29] | Tan H, Sun A J, Lau H. CO2 embodiment in China-Australia trade: The drivers and implications[J]. Energy Policy, 2013, 61: 1212-1220. |
[30] | Intergovernmental Panel on Climate Change. Climate Change 2007: The physical science basis[R]. United Kingdom: Cambridge University Press, 2007. 1-1009. |
[31] | 蔡博峰, 刘春兰, 陈操操, 等. 北京市温室气体排放系数及排放量核算[R]. 北京: 北京市环境保护科学研究院, 2008. 1-171. |
[32] | 中华人民共和国国家发展和改革委员会能源所. 省级温室气体清单编制指南(试行)[R]. 北京: 中华人民共和国国家发展和改革委员会, 2011. 1-120. |
[33] | 孙建卫, 陈志刚, 赵荣钦, 等. 基于投入产出分析的中国碳排放足迹研究[J]. 中国人口 ·资源与环境, 2010, 20 (5): 28-34. |
[34] | Wilting H C. Sensitivity and uncertainty analysis in mrio modelling; some empirical results with regard to the dutch carbon footprint[J]. Economic Systems Research, 2012, 24 (2): 141-171. |