中国2030年碳排放强度减排潜力测算
中国2030年碳排放强度减排潜力测算
屈超;陈甜
矮冬瓜打一字【摘 要】中国正面临严峻的环境问题,2013年中国的CO2排放量超过了欧盟和美国的总和,同时中国的人均CO2排放置首次超过欧洲. 2015年在巴黎国际气候大会上中国政府宣布碳排放强度减排目标为:2030年单位国内生产总值CO2排放比2005年下降60％-65％.按照IPCC(2007) CO2排放核算方法计算的数据,近年来中国CO2排放情况总体呈排放量逐年上升但排放强度总体下降的态势.为了进一步估计中国2030年CO2排放强度,本文构建了IPAT模型,利用全国30个省1995-2012年数据进行拟合,并采用最小二乘法和萤火虫优化算法分别计算了IPAT模型的参数,发现与传统最小二乘法相比,萤火虫算法优化后的模型显示出更高的拟合优度和更低的误差,模型系数也更为合理.文章在萤火虫优化的IPAT模型基础上估算了中国2030年的CO2排放强度,实证结栗显示,第三产业的发展有利于降低CO2排放强度;2030年全国CO2排放强度比2005年下降了66.34％,其中有20个省份CO2排放强度减排幅度超过60％;中国能够实现在2015巴黎国际气候大会上提出的碳减排目标.为了进一步发展低碳经济,各省应该充分重视经济转型对减少CO2排放的作用,改善以煤炭为主的能源消费结构,增加生物能、太阳能、风能、沼气等可再生资源的使用比重.
【期刊名称】《中国人口·资源与环境》
【年(卷),期】2016(026)007
【总页数】8页(P62-69)
【关键词】碳排放强度;IPAT模型;萤火虫优化算法
【作 者】屈超;陈甜
【作者单位】东北财经大学统计学院,辽宁大连116025;东北财经大学统计学院,辽宁大连116025
360sd是什么
【正文语种】中 文
【中图分类】F124.5;F224
应对气候变化已经成为全世界共同面临的环境挑战，减少CO2排放，实行低碳发展已经成为全球各国的共识。中国的碳排放量情况不容乐观，全球碳计划(Global Carbon Project)于
2014年9月公布的2013年度全球碳排放数据显示，2013年全球人类活动CO2排放量达到360亿t，人均碳排放量达到5 t，而中国碳排放量超过欧盟和美国的总和，同时中国的人均CO2排放量首次超过欧洲，达7.2 t。中国正在积极应对气候变化，2015年中国政府在巴黎国际气候大会上宣布碳排放强度减排目标为：2030年单位国内生产总值CO2排放比2005年下降60%-65%。本文将使用中国官方数据建立相应模型检验中国能否实现碳减排目标。
碳排放的主要测算方法有：情景预测法[1-2]、环境库兹涅兹曲线[2-5]、灰预测[6-7]、IPAT模型还有一些组合预测等方法。
从碳排放的测算方法角度看，IPAT模型能够简便、可行地描述人文驱动力对环境压力的影响，自其构建以来得到了相关领域研究人员的广泛认可：丁胜、温作民[8]用IPAT模型研究了长三角地区碳排放影响因素；宋晓辉等[9]基于IPAT扩展模型分析了五个典型国家人口因素对碳排放的影响；龙爱华等[10]用IPAT模型分析了中国水足迹的影响因素，分解了人类活动对中国水系统的环境影响；席细平等[11]利用IPAT模型测算出江西省碳排放峰值到达的时间约在2032-2035年之间；焦文献和陈兴鹏[12]利用IPAT模型分析了甘肃省能源碳排放量中人类活动的影响，并测算了甘肃省2020年碳排放情况；聂锐等[13]利用IPAT模型和“脱
钩”理论，对江苏省未来中长期的经济发展、能源需求与CO2排放进行了情景分析。此外，一些学者在IPAT模型的基础上尝试使用IPAT的改进模型如STIRPAT模型[14-15]、IGT模型[16]进行测算，并获得了一些研究成果。
在农村养殖什么赚钱使用IPAT模型进行CO2排放测算的现有研究成果，大多采用传统最小二乘法估计模型参数，忽视了模型参数优化的重要性；此外，现有成果的研究对象主要集中于2009年哥本哈根国际气候大会上提出的减排目标，鲜有对2015年巴黎国际气候大会减排目标的验证和测算。本文将萤火虫优化算法和最小二乘法估算的模型参数结果进行对比，以期对CO2排放强度进行更精准的估算，并据此判断中国是否能够实现巴黎国际气候大会的减排目标。
2.1　CO2排放量计算方法
根据IPCC[17]第四次评估报告，温室气体增加的主要原因是化石燃料燃烧，IPCC给出了CO2排放量的计算公式，见公式(1)。
式中，Tco2ij表示第j省i种能源CO2排放量，Aij表示第j省i种能源实际消费量，即能源转换部门(供热、供电)使用量与终端7个部门消费量之和(农林牧渔业、工业、建筑业、交通仓储
邮电业、批发零售餐饮业、生活消费、其它)；Sij表示第j省第i种能源非燃烧使用量(工业上作为原料、材料)；ei表示第i种能源低位发热量；ci表示第i种能源的单位热值含碳量；Oi表示第i种能源的氧化率。
本文使用公式(1)计算中国各省份(不包含中国港澳台地区)1995-2012年碳排放量。各省份17种化石能源消耗量数据来源于《中国能源统计年鉴》，其中，因数据缺失，本文分析中不包含西藏自治区。海南省2002年数据，重庆市1995、1996年数据，宁夏自治区2000-2002年数据缺失，缺失值用线性趋势插值法补全。
2.2　中国CO2排放现状
2.2.1　CO2排放量逐年上升，CO2排放强度总体下降
中国1995-2012年的CO2排放量和CO2排放强度情况如图1所示。从图1中我们可以观察到，中国这十余年来CO2排放量呈逐年上升趋势，而CO2排放强度则呈总体下降趋势。
1995-2012年CO2排放量平均增长速度高达6.98%，其增长态势大体可以2002年为界限分为两个阶段：2002年前的平缓增长期(年均增长1.8%)和2002年后的急剧上升期(年均增长1
0.26%)。
CO2排放强度的下降过程可分为三个阶段，1995-2002年为急速下降期，2002-2005年为上升期，2005-2012年为平稳下降期。
在急速下降期，国有企业产权改革、东南亚经济危机的爆发带来短暂的经济增速放缓以及关停了高能耗、高污染、低效率的“十五小”等因素是CO2排放强度下降的重要原因。此外，1998年1月《中华人民共和国节约能源法》的正式实施，也促进了能源利用效率的提高。这些因素最终导致CO2排放强度历史性地下降了33.5%。
在上升期，CO2排放强度年均增长率超过4%，这一时期国际经济形势好转，同时2001年我国加入WTO，中国经济进入了快速发展时期，高能耗产业在这期间发展较快，导致CO2排放强度有所“抬头”。
在平稳下降期，技术进步对CO2排放强度有明显的“负影响”[18]。2005年，我国高技术产业增加值位居世界第三；2007年，我国首次超过日本，高技术产业增加值位居世界第二；2009年，我国高技术产业总产值创历史新高，突破了6万亿元。高技术产业的崛起带动了经济的高质量发展，同时碳排放强度开始走“下坡路”。
从图2可以看出，CO2排放量的区域分布存在明显差异，东部11个省份的CO2排放量约占全国CO2排放总量的50%，西部11个省份占比相对较小，仅为20%左右，中部8个省份约占30%，2003年以后西部地区的CO2排放量占比逐步上升，东部和中部地区则相应下降。
2.2.2　各地区人均CO2排放量逐年增加，但CO2排放强度大多呈下降趋势
除去北京的人均CO2排放量下降以外，其他各省份人均CO2排放量在逐年增加(见图3)。内蒙古和宁夏增幅较大，其中内蒙古从1995年3.49 t/人增到2012年24.51 t/人，平均增长速度为12.14%；宁夏从1995年的3.27 t/人增到2012年的19.45 t/人，平均增长速度为11.05%；上海人均CO2排放量平均增长速度较慢，仅为0.64%。大雪节气的优美诗词
在CO2排放强度方面，全国30个省份除海南和宁夏以外其他省份都呈下降趋势(见图4)，其中北京CO2排放强度(CO2排放总量除以不变价GDP)下降最多，从1995年3.249 t/万元下降到1912年0.729 t/万元，下降幅度达到77.58%；四川次之，下降幅度达到73.28%。下降幅度超过60%的还有天津、吉林、上海、湖南和黑龙江。30个省份平均下降幅度为46.01%。
3.1　IPAT模型
IPAT模型是美国斯坦福大学人口学家Ehrlich和Holder于1971年针对技术改善环境恶化提出的人文驱动因素对环境影响的模型。IPAT模型的核心公式是I=PAT恒等式，其中I代表环境影响(impact)、P代表人口(population)、A代表富裕程度(affluence)以及T代表技术(technology)。本文用IPAT模型分析中国CO2排放量情况，模型如下：
其中，C代表各省CO2排放量；P代表各省年末常住人口数；A用人均GDP代表财富程度；T用各省第三产业占比(第三产业占GDP的比重)作为技术进步指标；eβ1为常数项，β2为P的幂指数，β3为A的幂指数，β4为T的幂指数。
3.2　萤火虫优化算法
萤火虫算法(Firefly Algorithm，FA)是由Xin-She Yang在2008年提出的一种高级的启发式优化算法。其特点是：概念简单，流程清晰，需要调整的参数较少，并且容易实现。与其他算法相比，萤火虫算法有更高的寻优精度和收敛速度，是一种有效可行的启发式优化算法，已经在多个领域得到了应用。
萤火虫算法的主要原理是把解空间的点看作是萤火虫，每个萤火虫都拥有各自的荧光素值
忆秦娥咏桐和感知半径。利用荧光素值的大小决定个体位置的优劣，个体的搜索半径由萤火虫的感知半径决定，个体只能在一定的搜索范围内寻最优萤火虫，并向其靠近。萤火虫通过更新个体位置、更新荧光素值和感知半径来寻最亮个体进而实现寻优。
语言表达能力萤火虫优化算法广泛运用于各个领域。王改革等[19]基于萤火虫算法和BP神经网络模型提出了萤火虫算法优化的BP神经网络模型，结果发现这一优化模型的预测误差明显小于BP和PSO_SVM。周永权等[20]在研究旅行商问题时将萤火虫算法和C2Opt算子相结合，得出了一个新的高效人工萤火虫算法，对比TSP实例测试发现，该算法在较小规模种、较少次数迭代的情况下仍然可以收敛到最优解。一些学者提出了改进的萤火虫算法，黄正新等[21]为了解决萤火虫算法(GSO)优化多模态函数时存在的收敛速度慢和求解精度低等缺陷，提出了一种自适应步长优化算法——SASGSO，并且认为这种算法具有操作简单、易理解、收敛速度快和求解精度高等优点。
3.3　数据来源及处理方法
全国各省区生产总值及人均地区生产总值的数据来自于《中国统计年鉴》，以2000年不变价进行折算，1995-1999年全国各省份年人口数来自《新中国60年统计资料汇编》，2000-
2014年各省份年末常住人口数来自国家统计局；本文用第三产业增加值和GDP的比值作为第三产业占比。
3.4　基于萤火虫优化的IPAT模型
本文用萤火虫算法优化IPAT模型参数，将以相对误差MAPE(拟合值和真实值误差的绝对值除以真实值的平均值)的最小值作为目标函数，经多次测试发现当萤火虫种为200，最大迭代次数为500，初始荧光素浓度为5，感知半径和决策半径均为15时优化效果最好，因此本文选取萤火虫种为200，最大迭代次数为500，初始荧光素浓度为5，感知半径和决策半径均为15，对IPAT模型参数做优化。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。