降低碳排放的方法十篇

降低碳排放的方法篇1

正确理解低碳发展

低碳发展本质上是一种经济社会发展模式。在全球气候变暖引起人类重视后，二氧化碳排放成为经济社会发展的一个重要约束条件，这意味着经济社会发展模式发生了重大变化。有的人将低碳发展单纯理解为降低二氧化碳排放，这是片面的。低碳发展是“低碳”和“发展”的有机结合，降低二氧化碳排放只代表了“低碳”，“发展”还意味着效率或效益或竞争力的提高，若因“低碳”而损害了“发展”，则不是真正意义上的低碳发展。我们需要的是在“低碳”的同时能实现“发展”的目标。因此，低碳发展的特征应是“三低一高”：低消耗、低排放、低污染和高效率（或高效益）。

下决心推进低碳发展

国家有关部门正在推进低碳发展试点，但有的地方在制订试点实施方案时，担心真正按照低碳发展的要求去做，会损害地方的经济发展。其实，担心者还是将低碳发展单纯理解为降低二氧化碳排放，而没有将降低二氧化碳排放与提高碳生产率或低碳竞争力结合起来考虑。当然，降低二氧化碳排放有一个速度问题，若提高碳生产率的速度赶不上因降低二氧化碳排放而产生的成本和损失，确实会影响经济发展。如果把握好了降低二氧化碳排放的节奏，则可以通过降低二氧化碳排放实现提高碳生产率的目的，取得既“低碳”又“发展”的效果。在全球气候变暖已成为共识、降低二氧化碳排放已成为多数国家共同意愿、约束碳排放的规则越来越硬的情况下，谁率先提高了碳生产率，获得了低碳竞争力，谁就会赢得未来，那些只顾眼前、行动缓慢者必将为低碳潮流所淘汰。

自主确定低碳发展目标

我国推进低碳发展面临着特殊的压力：一是我国正处于“高碳”排放的工业化中期阶段和城市化加速阶段；二是我国的资源条件是“富煤、少气、缺油”，化石能源约占92%，其中煤炭约占68.7%，电力生产78%依靠燃煤发电，“高碳”能源占绝对统治地位。我国的经济总量已跃居世界第二，面临来自国际的减碳压力越来越大，长期以来形成的“高碳”发展模式具有典型的“路径依赖”特征，不易转变。在此情况下，确定二氧化碳绝对减排目标要十分谨慎，必须维护我国作为发展中国家的权益，坚持承担“共同但有区别的责任”，坚持提高碳生产率优先的原则，自主确定低碳发展目标。在确定“十二五”目标时，要考虑到：一是要力争实现我国对国际社会承诺的目标，即到2020年单位国内生产总值二氧化碳排放比2005年下降40%～45%：二是要吸取“十一五”规划的经验教训，使目标更加科学合理；三是“十二五”要尽可能为“十三五”留有回旋余地。

抓住提高碳生产率这根主线

碳生产率是衡量低碳发展的合适指标。碳生产率等于经济效益或经济总量与碳排放量之比，提高碳生产率一方面意味着降低二氧化碳排放（分母），另一方面意味着提高经济效益（分子），可以很好地达到既“低碳”又“发展”的目的。抓住提高碳生产率这根主线，可以避免将低碳发展片面理解为单纯降低二氧化碳排放；可以将世界各国从单纯博弈碳排放权的死胡同中走出来，达成更多的共识；可以促进各地更多地从提高效率中去寻找降低二氧化碳排放的出路。

多途径降低二氧化碳排放

降低二氧化碳排放是推进低碳发展的必然要求，大多数地方的碳源主要来自能源消耗、交通和建筑等。与此相对应，降低二氧化碳排放要从如下方面入手：一是提高能源利用效率，控制能源消费总量，鼓励消费低碳能源，限制消费高碳能源；二是大力发展低碳产业，促进产业低碳化，鼓励低碳生产；三是科学规划，优化空间布局，大规模建设节能低碳建筑，推进“低碳城镇化”；四是大力开展植树造林和国土绿化，提高森林覆盖率，切实提高森林固碳能力；五是树立低碳发展理念，倡导低碳生活，努力建设低碳发展社会。

更快地提高低碳竞争力

根据提高碳生产率的要求，要想推进低碳发展，除了降低二氧化碳排放外，更重要的是要提高低碳生产力，而且其提高的速度要快于因降低二氧化碳排放而产生的成本和损失。一旦国际社会达成了控制温室气体排放的共识，形成了约束碳排放的规则体系，则今后国与国之间、企业与企业之间的竞争将主要表现为碳生产率的竞争。谁率先在低碳产业和产品开发上占据了主导地位，谁就会获得新竞争力。提高低碳竞争力的主要途径有：一是制订和控制碳交易的规则和标准；二是制订和实施促进低碳发展的政策；三是开发和控制低碳核心技术；四是培养和吸引低碳发展高素质人才；五是大力发展低碳产业和产品；六是积极培育和塑造低碳品牌等。

降低碳排放的方法篇2

一、低碳经济内涵的文献综述

虽然低碳经济的术语早在20世纪90年代后期的有关文献中就出现了，但其首次出现在官方文件是2003年2月24日由英国时任首相布莱尔发表的《我们能源的未来：创建低碳经济》的白皮书中（付加锋等，2010）。低碳经济是指通过多种途径减少碳排放，发展以低能耗、低排放、低污染为特征的经济模式，其目标是将大气温度保持在合理水平，减少子孙后代的经济社会发展成本。进一步细化，该内涵包括以下内容：

1．低碳经济中的“碳”有广义与狭义之分。广义的“碳”是指《京都议定书》所限定的六种温室气体。《京都议定书》根据温室气体对全球变暖的贡献、来源、稳定性、易监测程度，并考虑到其他国际公约的约束等情况，从而将强制减排的温室气体种类限定为：二氧化碳（CO2），甲烷（CH4），氧化亚氮（N2O），氢氟碳化物（HFCs），全氟化碳（PFCs），六氟化硫（SF6）。在这六种气体中，二氧化碳、甲烷、氧化亚氮是自然界中本来就存在的成份，但氢氟碳化物、全氟化碳、六氟化硫则是人类活动的产物。狭义的“碳”仅指二氧化碳。在导致气候变暖的各种温室气体中，由于二氧化碳是最大“贡献者”，其贡献度高达60%（任仁，2005），因而美国能源信息管理局（EIA）、世界资源研究所（WRI）、美国橡树岭国家实验室CO2信息分析中心（CDIAC）、国际能源署（IEA）等绝大多数权威研究机构在测算温室气体排放时的测算对象都是二氧化碳的排放量。二氧化碳主要来自化石能源（煤、石油、天然气等）燃烧以及土地利用与土地覆盖变化（特别是森林被破坏）过程中有机碳的氧化引起，这一过程中，海洋和陆地生物圈并不能完全吸收由此引起的过多排放到大气中的二氧化碳，由此导致大气中的二氧化碳浓度不断增加。当前研究低碳经济时重点关注的是化石能源燃烧所产生的二氧化碳。

2“．减少碳排放”的两种途径。《京都议定书》提出了“技术减排”和“市场减排”两种减少碳排放的途径。“技术减排”就是通过清洁能源、可再生能源、新能源、碳埋存及生物碳汇等技术的创新，削减温室气体排放，该途径是长期降低碳排放的根本方法。“市场减排”则是依据“清洁发展机制”（CDM）原则，允许掌握技术优势的国家，通过对发展中国家提供技术支援，帮助降低有害物质排放，换取“二氧化碳排放权”，该途径是短期降低碳排放的变通做法。

3．低碳经济中的“低能耗”有两个要求。第一个是基本要求，即在能源消费量一定的情况下，在能源消费结构中降低化石能源所占比重。第二个是理想要求，即在达到基本要求的基础上，进一步降低能源消费总量。

4．低碳经济中的“低排放”是指降低人类活动增加导致的碳排放。地球上的碳排放源包括自然排放和人类活动增加导致的碳排放两种形式，后者被认为是使温室气体浓度逐渐上升的主要因素，因而降低碳排放主要指降低人类活动增加导致碳排放增加的部分。在正常情况下，自然界的碳排放和碳循环是平衡的。工业革命之前，大气中的二氧化碳浓度平均值约为280ppmv（1ppmv=10-6，即百万分之一体积单位），这种碳平衡形成的自然界温室效应不仅无害，而且是有益的，即在地球自身的温室效应作用下，地球具备了温度调节的功能，基本上保持在适宜人类发展的平均15℃的水平。政府间气候变化专门委员会（IPCC）在其第四次评估报告中指出：人为导致的温室气体浓度增加很可能（90%以上的可信度）是气候变暖的主要原因；另据美国国家海洋和大气管理局测算，到2008年大气中二氧化碳的浓度已达387ppmv，比工业革命之前增长了约40%，这促使全球温度不断上升。最近100年，据IPCC测算，全球气温升高了（0.74±0.18）℃，打破了生物圈中碳循环平衡和热平衡。

5．低碳经济的两个发展目标。从自然科学的视角看“，低”的目标是低排放、低升温或不升温。按照全球的尺度，1992年《联合国气候变化框架公约》规定“，低”是指应保证“将大气中温室气体浓度稳定在一个水平上，使气候系统免受危险的人为干涉”。1997年《京都议定书》又进一步明确要求，39个工业化国家在2008—2012年之间，应将温室气体排放量在1990年的基础上减少5.2%，达到2007年IPCC和2008年斯特恩报告认为的把气候变暖控制在2℃以内的目标。在这一基本共识下，有些国家根据本国的实际情况提出了自己的目标。如英国的目标是到2010年二氧化碳排放量在1990年水平上减少20%，到2050年共减少60%，届时建立低碳经济社会。从经济社会的视角看，“低”的目标是低成本。《斯特恩报告》认为，按照当前的发展模式，气候变化将造成全球经济下挫5%~10%，而贫穷国家则会超过10%。如果把环境和健康等一些额外的因素综合考虑进来，气候变化总成本的增加量相当于每人的福利削减20%，碳的社会成本将是85美元/吨二氧化碳当量。如果我们立即采取行动，到2050年，减排的经济成本大概是世界生产总值的1%左右，碳的社会成本约为25~30美元/吨二氧化碳当量，仅是当前发展模式的1/3。

二、低碳经济的四象限评价法

评价低碳经济发展水平对引导低碳经济的健康发展有很大价值（娄伟、李萌，2011），蒋金荷、吴滨（2010），鲁静（2010）对目前评价低碳经济的方法进行了评述。现有的方法主要有层次分析法（AHP）、物质流分析法（MFA）、指标值综合合成法、投入—产出（I—O）模型、宏观经济模型、可计算一般均衡（CGE）模型、动态能源优化模型、综合能源系统仿真模型、部门预测模型等，这些方法从各自研究的需要对低碳经济进行了评价。本文从经济要素的角度设计了评价低碳经济的四象限法。哥本哈根会议后，发达国家将要执行的“碳关税”、“碳标签”将全球市场带入了“低碳”竞争时代，“碳排放”如同资源、劳动力等一样被计入了企业成本，从而成为影响企业利润增或减的经济要素，因而设计评价低碳经济发展水平的方法，我们可以采用评价经济要素的基本思路：在一定的约束条件下，测算经济要素数量的多少和分析经济要素效益的高低。具体到本文，就是测算碳排放物理水平的变化和评价碳排放经济效益的高低，前者主要是为长期“如何应对变化”提供依据，后者主要是为短期“如何促进经济复苏”提供依据。四象限法是本文提出的综合评价解决低碳经济长、短期问题结合效果的一种方法。

（一）评价碳排放物理水平的方法

当前世界经济正在从高碳经济向低碳经济转型，转型过程中不同国家（地区）的不同产业碳排放的基础和特点不同，这就要求我们在遵循“环境库兹涅茨曲线（EnvironmentalKuznetscurve，EKC）”变化规律的基础上设计合理的评价方法。EKC曲线是指自20世纪60年代以来，一些学者基于质量守恒原理研究经济增长与环境变化之间关系后得出的一种倒U曲线。该曲线表明，当一个国家经济发展水平较低的时候，二氧化碳排放较少，但是随着收入的增加，二氧化碳由低趋高，环境恶化程度随经济的增长而加剧；当经济发展到达某个临界点或“拐点”后，随着收入的进一步增加，环境污染又由高趋低，其环境污染的程度逐渐减缓，环境质量逐渐得到改善。根据碳排放量变化的这一规律，我们在评价产业碳排放物理水平变化时，按照“共同但有区别”的原则评价。“共同”是指各产业都应降低碳排放量“，有区别”是指不同产业由于在不同发展阶段不同耗能导致的碳排放量不同，这种不同应区别对待，区别对待的方法就是从产业自身碳排放量动态变化的角度进行评价。为此，我们设基期本行业碳排放量为Pi0，报告期碳排放量为Pit，如果Pit/Pi0<1，我们称之为物理低碳化行业；如果Pit/Pi0≥1，我们称之为物理高碳化行业。

（二）评价碳排放经济效益的方法

低碳经济作为一种经济发展模式，其经济效益对实现该模式的可持续发展具有决定性意义，对此，《联合国气候变化框架公约》（1994）倡议：应对气候变化的政策措施应当讲求成本效益，确保以尽可能最低的费用获得全球效益。在评价碳排放经济效益时，我们设某一行业碳排放占全部产业碳排放的比重为Si，用Si来反映该行业碳排放相对量的大小。设该行业增加值占全部产业增加值的比重为Ri，用Ri反映该行业增加值相对量的大小。设Ei=Ri/Si，如果Ei≤1，表明该行业碳排放相对较多而增加值相对较少；如果Ei>1，表明该行业碳排放相对较少而增加值相对较大。设基期经济效益为Ei0，报告期经济效益为Eit，如果Eit/Ei0>1，我们称之为经济低碳化行业；如果Eit/Ei0≤1，我们称之为经济高碳化行业。

（三）四象限评价法

我们以横轴表示各行业物理碳排放水平，以纵轴表示各行业碳排放经济效益水平，以大于或小于1将座标图划分为四个象限（表1）。第Ⅰ象限的行业由于其既具有经济优势又具有物理优势，因而属于有综合优势的行业；第Ⅱ象限的行业由于其碳排放经济效益在提高而碳排放物理水平也在提高，因而属于有经济优势的行业；第Ⅲ象限的行业由于其碳排放物理水平在增加而碳排放的经济效益在降低，因而属于综合落后的行业；第Ⅳ象限的行业由于其碳排放的物理水平在减少而碳排放经济效益也在降低，因而属于发展低碳经济中有物理优势的行业。

三、应用

笔者采用低碳经济四象限评价法，对河北省两次经济普查时的30个制造业低碳经济发展水平进行了综合分析，结果如下：

（一）碳排放物理水平的评价结果

第二次经济普查与第一次经济普查相比，河北省制造业排放的二氧化碳从第一次普查时的2.84亿吨增加到第二次普查时的3.03亿吨。期间物理高碳化行业有19个，这19个行业在第二次普查时碳排放量为2.47亿吨，第一次普查时为2.22亿吨，增加了11%。物理低碳化行业有11个，这11个行业第一次普查时碳排放量为0.61亿吨，第二次普查为0.56亿吨，降低了8%。

（二）碳排放经济效益的评价结果

第二次经济普查与第一次经济普查相比，经济低碳化的行业有13个，第一次普查时这13个行业的增加值占全部制造业的25.47%，第二次普查时增加到26.97%；同期，这13个行业的碳排放量由30.27%下降到27.33%。经济高碳化的行业有17个，第一次普查时这17个行业的增加值占全部制造业的74.53%，第二次普查时下降到73.03%；同期，这17个行业的碳排放量由69.73%增加到72.67%。

降低碳排放的方法篇3

【关键词】碳配额分配 行业 方法 结果

【中图分类号】F205 【文献标识码】A 【文章编号】1004-6623（2013）03-0094-5

【作者简介】蒋晶晶（1988-），女，河南开封人，北京大学深圳研究生院，博士，研究方向：环境经济学、环境金融、碳排放权交易；吴长兰（1984-），江西南城人，哈尔滨工业大学深圳研究生院，博士，研究方向：管理学、经济学；李用（1988-），湖南岳阳人，清华大学深圳研究生院，硕士。研究方向：新能源与材料；黄颖（1987-），湖南永顺人，北京大学深圳研究生院，博士，研究方向：环境管理与规划。

经过慎密调查与研究，深圳尝试将金属压延与机械设备制造业、塑胶行业、食品饮料业、通信业和印刷业，纳入碳排放权交易体系。这五大行业企业众多，产品和装置千差万别，碳排放源小且分散，不能简单使用传统的祖父制和基准制，需要探索适合企业实际的碳配额分配方法。

一、五行业碳配额分配方法

为有效控制能源消耗和碳排放增长，深圳尝试应用基于价值量碳强度指标（万元工业增加值碳排放）的博弈分配方法，进行五大行业的碳配额分配。其核心是：充分允许、鼓励并引导企业参与配额分配的讨论，在政府与企业、企业与企业之间的反复对策选择中，通过有效的信息传递、共享与交换，实现科学、合理的配额分配。

1.考虑到企业碳强度与产品属性、经济规模的相关性，深圳碳交易体系根据产品属性将本行业内若干个子行业合并为一个分配部门，然后根据企业规模将企业划分为2～3个博弈分配组，进行碳配额分配。在确定各组2009～2011年碳排放总量、增加值和碳强度后，对已接受系统分配结果的企业，以2010年为基准年，按照年均10%增长率外推2013～2015年增加值，按照年均5.59%的碳强度下降率外推群组碳强度指标，综合上述因素后计算碳配额总量。

2.博弈分配组及其企业名单确定后，政府对企业2009～2011年的历史增加值和碳排放数据进行统计分析，结合“十二五”期间全市碳强度下降目标，确定各博弈组2013～2015年的碳强度基准值和碳配额总量。同一组内一家企业分得的配额量多，其他企业分得的配额量就少。

3.根据企业碳排放绩效和碳减排贡献，制定配额分配奖惩规则：奖励碳排放绩效高、相对碳减排贡献大的企业；惩罚碳排放绩效低、相对碳减排贡献小的企业。企业碳强度越高，要求的碳强度下降率越大；碳强度越低，要求的碳强度下降率越小。

4.建立电子化企业碳配额申报与分配系统，鼓励和引导企业全程参与配额分配，减少政府与企业间信息不对称对分配效率的影响，由企业自主填报分配期的工业增加值和碳排放量预期值，从而进行配额申报。

5.碳排放强度下降是深圳碳排放交易体系的硬性管控指标，碳排放配额是与实际工业增加值相对应的变量。履约期末碳排放交易主管部门将根据企业实际增加值对预分配配额进行调整：当企业实际增加值高于计划分配预测增加值时，根据企业实际增加的增加值乘以碳强度；当企业的实际增加值低于计划分配预测增加值时，根据企业实际减少的增加值乘以确定的碳强度目标值，从计划分配配额中进行核减。

二、五行业碳配额分配的特点与结果

金属压延与机械设备制造业、塑胶行业、食品饮料业、通信业和印刷业，所属企业数量、规模、碳强度等均有不小差别，在碳配额分配中具体做法也不尽相同，它们各有其特点。

（一）金属压延与机械设备制造业

金属压延与机械设备制造业，是深圳市第二大工业行业和第三大的碳排放部门，约占全市总工业增加值的19%，约占全市工业碳排放总量的27%（工业碳排放包括直接碳排放和间接碳排放）。该行业具有两个显著特征：一是金属压延与机械设备制造业涵盖的6个子行业的产品、工艺和排放装置相似，碳强度也接近；二是企业碳强度与规模正相关，大规模企业的碳强度较低、小规模企业的碳强度较高。

根据产品属性，在碳配额分配中将6个金属压延、机械和设备制造子行业合并为一个分配部门。然后根据企业规模，将158家企业划分为大规模企业和中小规模企业两个博弈分配组。分配结果显示，金属压延与机械设备制造企业碳强度下降率约为29%。

1.大规模企业组59家企业分配结果见表1。

已接受系统分配结果的47家企业，2013～2015年，碳配额总量分别为86万吨、89万吨、9l万吨，碳强度分别为0.40吨/万元、0.38吨/万元、0.35吨/万元，低于大规模企业群组外推的碳强度基准值。

2.中小规模企业组60家企业分配结果见表2。

已接受系统分配结果的50家企业，2013～2015年碳配额总量分别为55万吨、57万吨、58万吨，碳强度分别为1.37吨/万元、1.26吨/万元、1.14吨/万元，低于大规模企业群组外推的碳强度基准值。

（二）塑胶行业

深圳是全国塑胶行业最发达、企业最密集、产业配套最齐全的城市。截至2012年末，深圳的塑胶行业企业1万余家，从业人员50余万，行业产值超950亿元，占全国塑胶工业产值的10%，深圳工业总产值的5%。在全市碳强度逐年降低的背景下，塑胶行业亦呈现稳定下降的趋势。但行业内部企业碳强度差别很大，2009年，最高碳强度为46.1，最低碳强度为0.2；2010年，最高碳强度为19.8，最低碳强度0.3；2011年，最高碳强度为20.9，最低碳强度0.2；而且企业碳强度与规模正相关，大规模企业的碳强度较低、小规模企业的碳强度较高。

在碳配额分配中，深圳把参与的79家企业划分为两大组：一组是工业增加值在5000万元以上的塑胶企业38家，另一组是工业增加值在5000万元以下的塑胶企业41家。分配结果显示，塑胶行业碳强度下降率在25%左右。

1.大规模企业组38家企业分配结果见表3。

已接受系统分配结果的3l家企业，2013～2015年碳配额总量分别为55万吨、57万吨、60万吨，碳强度分别为1.170吨/万元、1.10吨/万元、1.033吨/万元，低于组外推的碳强度基准值。

2.中小规模企业组41家企业分配结果见表4。

已接受系统分配结果的30家企业，2013―2015年碳配额总量分别为30万吨、31万吨、33万吨，碳强度分别为3.450吨/万元、3.270吨/万元、3.090吨/万元，低于群组外推的碳强度基准值。

总的来看，塑胶行业计划分配79家，实际上分配了6l家，2013―2015年实际分配的碳配额分别为86万吨、89万吨、93万吨。

（三）食品饮料行业

食品饮料行业包括食品制造业、农副食品加工业、饮料制造业。深圳食品饮料行业2009～2011年增加值增长，碳强度呈下降趋势。这三年，深圳市食品饮料业核查碳排放总量分别为49.6万吨、48.4万吨、48.9万吨，基本保持平稳；增加值分别为36亿元、45亿元、41亿元，年均增长率为8%；核查碳强度均值分别为1.375吨历元、1.075吨/万元、1.198吨，万元，碳强度2010年较2009年下降了21.8%，201 1年较2010年上升了11.4%，三年年均下降率为6.4%。

在碳配额分配中，深圳对24家已完成碳盘查并提交盘查报告的食品饮料企业，进行划分，确定碳强度3以下的20家企业为同一个配额分配群组。分配结果显示“十二五”期间食品饮料业碳强度下降率在22.5%。

2009～2015年20家企业碳排放（碳配额）、增加值和碳强度基准值见表5。

已接受系统分配结果的18家食品饮料企业，2013～2015年碳配额总量分别为31.83万吨、32.37万吨、32.66万吨，碳强度分别为1.044吨/万元、0.979吨/万元、0.914吨/万元。

（四）通讯行业

通信设备、计算机及其他电子设备制造业在这里统称为通信行业。该行业存在化石能源消耗和生产过程逸散产生直接的温室气体排放。同时又是能源产品的主要消费者，许多装置以电力、热力、蒸汽等二次能源为生产动力，产生大量的间接碳排放。通信行业是深圳市增加值和产值最高的部门和第二大碳排放部门，约占全市总工业增加值的57%，约占全市工业碳排放总量的31.98%（工业碳排放包括直接碳排放和间接碳排放）。

根据产品属性与企业规模双重指标，在碳配额分配中，对已完成碳盘查并提交盘查报告的192家通讯企业进行划分，确定为线路板企业13家、大规模企业87家、中小规模企业55家三个博弈分配群组。分配结果显示，2013～2015年通讯企业碳强度下降率超过25%。

1.线路板群组13家企业分配结果见表6。

已接受系统分配结果的10家线路板企业，2013～2015年碳配额总量分别为94万吨、97万吨、98万吨，碳强度分别为3.76吨/万元、3.55吨/万元、3.41吨/万元，低于线路板群组外推的碳强度基准值。

2.大规模企业群组87家企业分配结果见表7。

已接受系统分配结果的63家大规模企业，2013～2015年，碳配额总量分别为160万吨、163万吨、1 66万吨，碳强度分别为0.50吨/万元、0.47吨/万元、0.44吨/万元，低于大规模企业群组外推的碳强度基准值。

3.中小规模企业群组55家企业分配结果见表8。

已接受系统分配结果的47家中小规模企业，2叭3～2015年碳配额总量分别为160万吨、163万吨、166万吨，碳强度分别为0.50吨/万元、0.47吨/万元、0.44吨/万元，低于大规模企业群组外推的碳强度基准值。

（五）印刷行业

深圳印刷行业以书、报、刊印刷和包装装潢为主，企业多，规模相对小。而且，在不少企业里，传统的各种制版、印刷工艺仍占据很大的市场份额。对于印刷企业来说，大力推行低能耗、低污染、低排放的低碳印刷是大势所趋。

深圳2007～201 1年印刷行业的增加值、碳排放以及其在全市的占比情况见表9。

2007～2011年印刷行业碳排放量在2008年超过100万吨后，2009～2011年每年稳定在90多万吨。工业增加值基本平稳，年变化率较小，但工业增加值占全市比重逐年下降，由1.45%下降至0.91%；碳强度除2007年低于全市碳强度外，其他年份均高于全市碳强度。

降低碳排放的方法篇4

关键词 STIRPAT模型；碳排放；峰值预测

中图分类号 F206 文献标识码 A 文章编号 1002-2104（2010）12-0010-06doi:10.3969/j.issn.1002-2104.2010.12.003

针对目前国内关于中国碳排放峰值预测的研究相对较少，学者们主要依托环境库兹涅茨曲线 （EKC曲线）对其进行预估的现状［1］，本文利用STIRPAT模型对未来中国碳排放峰 值进行了相关预测。IPAT恒等式是研究能源经济和碳排放峰值的重要方法之一。IPAT恒等式 最早由Enrlich与Holden于1971年提出，反映人口对环境压力的影响。该方程将环境影响和 人口规模、人均财富以及对环境毁坏的技术水平联系起来，建立4者之间的恒等式“IMPACT( I)=POPULATION(P)×AFFLUENCE(A)× TECHNOLOGY (T)”。 式中，P代表人口；A代表财富；T 代表技术，也可指经济活动的能源效率；因变量I代表排放量。IPAT恒等式的主要 作用在于 其可探求影响排放变化的幕后驱动因素。随后，Waggoner与Ausubel于2002年对IPAT恒等式 进行了衍生，将技术水平T分为单位GDP所消耗的技术（C）与每 单位技术对环境的影响（T） 之积，得出“ImPACT”恒等式，即“I=PACT”。然而，York等于2002年研 究认为，“IPAT”及“Im PACT”模型均存在一些局限性：当分析问题时仅改变一个因素，而保持其他因素固定不变， 得出的结果即为该因素对因变量的等比例影响。为了修正IPAT模型的不足，分析人口对环境 的非线性变化影响，York等在IPAT模型的基础上建立了STIRPAT（Stochastic Impacts by R egression on PAT）模型，即：Ii=aPbiAciTdiei。

1 峰值研究简要回顾

国内针对中国碳排放峰值预测的研究相对较少，学者们主要依托环境库兹涅茨曲线（EKC曲 线）对中国未来的碳排放量进行预估。朱永彬等在内生经济增长模型MoonSonn基础上对传 统的EKC理论进行改进，首先从理论上得到了最优经济增长率与能源强度之间存在倒U曲线关 系的必要条件，即能源的产出弹性小于0.5；接着将投入产出分析得到的反映技术进步下的 能源强度代入模型，对中国未来经济增长路径进行了预测，同时得到了最优增长路径下的能 源消费走势，进而通过对能源消费结构和不同能源品种的碳排放系数的预测和估计，以及对 分品种能源碳排放的汇总计算得到了中国未来能源消费所产生的总的碳排放走势。结果显示 ，在当前技术进步速率下，我国分别在2043年和2040年达到能源消费高峰和碳排放高峰。此 外，其还对能源强度不同下降速率对能源消费高峰的影响进行模拟发现，当降速为4.5%-5% 时，能源高峰将出现在2040年前，此时的人均GDP为10万元左右，与OECD国家的高峰时收入 一致，并发现提高可再生能源的比重可以明显降低碳排放量，但对高峰年份到来的时间影响 甚微［2］。

林伯强等采用传统的环境库兹涅茨模型模拟和在二氧化碳排放预测的基础上预测 两种方法， 对中国的二氧化碳库兹涅茨曲线做了对比研究和预测，发现结果存在较大差异。通过对二氧 化碳库兹涅茨模型计量预测显示中国的二氧化碳排放将在2020年左右经过拐点，之后随着人 均收入的增加而排放减少。而若先预估一次能源需求和能源消费结构，再预测出中国的二氧 化碳库兹涅茨曲线，所得结果显示到2040年，中国的二氧化碳库兹涅茨曲线并未出现倒U型 。其采用对数平均迪式分解法（LMDI）和STIRPAT模型，分析影响中国人均二氧化碳排放的 主要因素并解析了差异原因。其发现除人均收入外，能源强度，产业结构和能源消费结构都 对二氧化碳排放有显著影响，特别是能源强度中的工业能源强度。这导致实证预测与二氧化 碳库兹涅茨模型的理论拐点不一致［3］。[KG)]

渠慎宁等:基于STIRPAT模型的中国碳排放峰值预测研究

中国人口•资源与环境 2010年 第12期

姜克隽等利用IPAC模型，对我国未来中长期的能源需求与温室气体排放情景进行分析。其设 计了基准情景、低碳情景与强化低碳情景，并介绍了情景的主要参数和结果，以及实现减排 所需的技术，同时探讨了中国实现低碳情景所需要的发展路径。结果显示：基准情景下，中 国化石燃料产生的碳排放将于2040年达到峰值；强化低碳情景下，中国将于2030年达到峰值 ［4］。

2 基本模型及数据处理

本文采用基本模型Ii=aPbiAciTdiei对我国碳排放峰值进行预测 分析。等式两边取对数即可将该模型改写成加法模式：

lnIi=a+blnPi+clnAi+dlnTi+ei[JY]（1）

式中：P代表人口；A代表财富；T代表技术，指经济活动的能源效率或碳 排放强度 ；因变量I代表排放量。由于某些学者认为排放量I与经济发展指标A间并非仅存在单一的一 次线性关系，本文借鉴York等2003年采用的方法，藉此建立二次模型：

lnIi=a+blnPi+clnAi+d(lnAi)2+flnTi+ei[JY]（2）

若对技术T进一步分解，可考虑产业结构等变量对碳排放量的影响，产业 结构C用工 业增加值占GDP比重表示（见表1）。则模型可变为：

lnIi=a+blnPi+clnAi+d(lnAi)2+flnTi+glnCi+ei（3）

本文主要计算思路为：首先，通过对中国30个省市的面板数据分析展示目前我国各地碳排放 的基本情况；其次，依托对中国1980-2008年的时间序列数据的回归把握我国总体碳排放 趋势；再次，在回归的基础上对今后我

3 地域性碳排放情形分析

先采用中国2000-2007年30个省市的碳排放量、人口、人均GDP、碳排放强度等面板数据来分 析人口、经济、技术等变量对我国地域性碳排放量的影响。由于相关统计数据缺失，故 未采用。人均GDP单位基准为2000年不变价，测算方法为先计算相关年份30个省市的人均GDP 指数（1952=100），再利用其将各省人均GDP当年价换算为2000年不变价。其中，各省市碳 排放量采用IPCC提供的碳排放系数缺省值估算而来。

将模型（3）扩展为面板模型形式：

lnIi=a+a

i+blnPi+clnA i+d(lnAi)2+flnTi+glnCi +ei（4）

其中：a反映30个省市的碳排放固定效应，[WTBX]a

i反映省市 间的碳排 放结构差异。 由于各省市碳排放情况存在一定程度的差异，因此采用GLS法对模型进行估计，去除不显著 变量，所得结果如下：

其中，R2=0.999，p=0.000。反映各地区碳排放差异的a

i的估计结果由表2给出。

从各地区产业结构来看，工业增加值占GDP比重较低的地区碳排放偏离程度为负 值，低于全国碳排放平均水平，这里包括农业增加值占GDP比重较高的省市（如青海、宁夏 、贵州、新疆等），及服务业增加值占GDP比重较高的省市（如海南等）。工业增加值占GDP 比重较高的地 区碳排放偏离程度为正值，高于全国碳排放平均水平（如广东、河南、江苏、 浙江、河北、辽宁、山东等）。从地域分布来看，东部地区由于经济发展规模较大，工业结 构偏重，能源消耗量较大，导致碳排放偏高，而对于产业结构偏向服务业的海南等地，碳排 放则显著较全国均值为低。相比东部地区，中部地区产业规模较小，但近年来在“中部崛起 ”战略的推动下，工业基础设施投资增加，能源消耗加大，致使碳排放仍较全国平均水平为 高。西部地区由于工业发展水平较低，能源需求较少，促使碳排放较全国平均水平为低。

4 全国碳排放情形分析

进一步利用全国序列数据对未来我国碳排放总量进行估算。本文采用中国1980-2008年的碳 排放量、人口、人均实际GDP、碳排放强度、产业结构等数据来分析人口、经济、技术等变 量对全国碳排放量的影响（此处人均GDP单位为人均GDP指数，1978=100）。其中，全国碳排 放量仍为利用IPCC提供的碳排放系数缺省值计算而来。

注：括号内为[WTBZ]t值，*：p

其中，[WTBX]R2=0.999，[WTBZ]D.W.=1.527。

比较上述方程变量系数，对排放量作用最大的为碳排放强度，其次为人口，再次为人均GDP 。由于今后中国人口数量波动较小，因此主要影响碳排放的变量为能源强度及人均GDP。

假定2009-2050年间人口、人均GDP、能源强度等变量维持目前发展趋势，即年均增长率为19 80-2008年年均增长率。产业结构C维持在区间［36.7%，43.9%］范围内。产业结构C在1980- 2008年间最低值为36.7%，最高值为43.9%。预测模型中假定产业结构C取值不变，为一恒定 值，因此对预测曲线走向并不影响，仅影响振幅。藉此，则可推算出2009-2050年碳排放量 估计值范围（见图1）。图1显示，若维持目前发展模式，我国不能在2050年内达到峰值。因 此，若要实现碳排放于2050年内达到峰值目标，需对人口、人均GDP、能源强度等变量增长 率进行一定控制。笔者设定四种减排方案，以显示出为使2050年内碳排放达到峰值，各变量 至少要控制到的增长率（见表3）。如表3所示，减排方案1为人口年均下降4.5%，显然不可 能实现；减排方案2要求人均GDP年均增长率降至3.1%以下，对于处于工业化进程中的我国， 则很难容忍这种较低的发展速度；减排方案3需碳排放强度年均下降9.1%，难度同样较 大， 主要解决办法是加大节能减排力度和新能源开发利用的速度，但需为此付出巨大的转型成本 。鉴于人口增长速度较难控制，笔者延伸出第四种减排方案，即同时控制人均GDP增长率及 碳排放强度。该方案显示人均GDP年均增长率需控制至5.1%以内，碳排放强度年均至少下降6 %。相比前三种方案，该方案具备一定的可实施性，对国民经济增长影响相对较小，并显示 出了人均GDP增长率与碳排放强度下降率之间的反向关系：要实现2050年内出现峰值的目标 ，人均GDP与碳排放强度之间需有所取舍，若想保障较高的增长速度必须伴随着较高速度的 碳排放下降，而若想承受较小的碳排放下降压力必须承担较低经济增长速度的损失。

若选择实施减排方案3与4，结合图1，当落实到具体地区时，需要政府就不同地区进行不同 的减排路径引导。对于北京、天津等东部地区中排放较少的省市，政府应鼓励其继续产业结 构与能源消费结构优化，力争尽快达到碳排放拐点；对于江苏、广东、山东、河北等东部地 区排放较多的省市，政府应引导其加大产业转型与升级，大力引进先进的清洁能源技术，探 索发展低碳经济的能源与技术；对于四川、河南、湖南、湖北等中部地区，在实施“中部崛 起”战略，基础投资不断加大的同时，政府应引导其在生产建设中广泛利用清洁能源，避免 步入东部曾经走过的“旧路”，打造中部“绿色崛起”的发展道路；对于新疆、青海、宁夏 等西部地区，尽管目前碳排放较全国平均水平为低，但其脆弱的生态环境要求“西部大开发 ”的过程中仍应重视环境和生态保护，强化生态建设，注重生态补偿。政府应更多发展资源 节约型与环境友好型产业，保障经济、社会的可持续发展。

5 中国碳排放峰值路径预测

为了预估2009-2050年CO2排放量，首先假定今后三种社会经济发展方案，即低、中、高模 式 。低发展模式假定人口、人均GDP等变量均按较低速度增长；中发展模式假定各变量变化速 度适中；高发展模式假定各变量均按较高速度增长。另根据这三种方案延伸设定出高中模式 、高低模式、低中模式、中高模式与中低模式（延伸模式原为6种，去除了结果不切合实际 的1种模式）。高中模式假定人口、人均GDP按高速增长，而碳排放强度适中增长；高低模式 假定人口、人均GDP按高速增长，而碳排放强度低速增长；低中模式假定人口、人均GDP按低 速增长，而碳排放强度适中增长；中高模式假定人口、人均GDP按中速增长，而碳排放高速 增长；中低模式假定人口、人均GDP按中速增长，而碳排放强度低速增长（见表4，表5）。 产业结构C维持在区间［36.7%，43.9%］范围内，为一定值。由于该值不影响峰值出现时间 ，为了便于预测，假定其值为36.7%。设定延伸模式的意义在于可通过与低、中、高模式的 对比，探讨技术对排放峰值出现时间的影响，为我国控制峰值出现时间提供参考。

情景模式中各变量的变化速度以先设定中模式为基准，低模式各变量增长速度 相对中模式稍 低，而高模式则相对中模式稍高。人口增长率设定的基本判断为随着经济发展人口增长率将 进一步降低。中模式的设定参照联合国（2009）对未来中国人口的预测，中国人口将于21世 纪30年代达到峰值，进入21世纪40年代后人口逐步开始负增长；低模式假定人口于21世纪20 年代达到峰值，21世纪30年代后进入负增长阶段；高模式则假定人口于2050年内不会出现负 增长，人口增长率随时间逐步下降。人均GDP增长率设定的基本判断仍为随着经济发展人均G DP增长率将逐步降低。中模式下人均GDP增长率参照许宪春（2002）对未来中国人均GDP的预 测，至2050年人均GDP为2008年人均GDP的10倍（约30 000美元），达到目前中等发达国家水 平；低模式假定2050年人均GDP为2008年的6倍（约18 000美元），达到目前新兴工业国家水 平；高模式则假定2050年人均GDP为2008年的16倍（约48 000美元），接近目前高度发达国 家水平。碳排放强度增长率设定的基本判断为碳减排难度随着时间的推移将逐步加大，即碳 排放下降速度逐步降低。中模式假定至2050年中国碳排放强度较2005年下降80%；低模式假 定至2050年中国碳排放强度较2005年下降70%；高模式则假定至2050年中国碳排放强度较200 5年下降90%（见表6）。

代入回归方程（3），利用Matlab模拟。模拟方法为选取若干整数年节点值，利 用三次函数 插值，从而拟合出较为平滑碳排放曲线，并由此测算出峰值出现时间与峰值额。分别预 测出8种模式下未来中国碳排放情况，见表7。比较8种模式下的碳排放量估计，可以发现： 在低、中、高、低中、中高五种情景模式下中国碳排放峰值会出现。技术对峰值的影响较为重要，若经济社会发展速度较高，而碳排放强度下降速度相对较低，则不能在2050年内出现 峰值（如高中、高低、中低模式）。同样，若碳排放强度降低速度相比经济社会发展速度为 快， 则会推动排放提早达到峰值（如低中、中高模式）。由此可预计，按照目前发展趋势，若经 济社会发展的同时保持碳排放强度合理下降，中国的峰值到达时间应为2020-2045年之间。 而若经济社会发展的同时不重视碳排放强度的降低，则会导致峰值出现时间后延。因此，保 持碳排放强度的不断下降对我国尽快出现碳排放峰值至关重要，加大清洁能源使用，减少传 统能源消耗应成为今后的重点工作任务。

参考文献（References）

［1］许宪春.中国未来经济增长及其国际经济地位展望［J］.经济研究， 2002， 3（3）：27-35.［Xu Xianchun. China’s Economic Growth in Future and Prospect of

I ts International Economic Position ［J］. Economic Research Journal, 2002, 3(3):

27-35.］

［2］朱永彬,等.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，2009,8 （8）：935-944.［Zhu Yongbin,et al. Simulation on China’s Economy and Predictio n

on Energy Consumption and Carbon Emission under Optimal Growth Path ［J］. Acta

Geographica Sinica, 2009, 8(8): 935-944.］

［3］林伯强,等.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析［J］.管理世界，2 009,4（4）：27-36.［Lin Boqiang,et al. China’s CO2 Emission Foerest by Kuznet s

Curve and factor analysis ［J］.Management World, 2009, 4(4): 27-36.］

［4］姜克隽,等.中国 2050 年低碳情景和低碳发展之路［J］,中外能源，2009,6（6）：21 -26.［Jiang Kejun,et al. China’s Lowcarbon Scenarios and Roadmap for 2050［J ］.SinoGlobal Energy, 2009, 6(6): 21-26.］

［5］UN. World Population Prospects: The 2009 Revision ［M］.Geneva: 2009.

［6］York R, Rosa E A , Dietz T . STIRPAT, IPAT and ImPACT: Analytic Tools fo r Unpacking the Driving Forces of Environmental Impacts ［J］. Ecological Econom ics, 2003, 46:351-365.

［7］包森,田立新,王军帅. 中国能源生产与消费趋势预测和碳排放研究［J］.自然资源学 报, 2010,(8). ［Bao Sen,Tian Lixin,Wang Junshuai.

Trend Forecast of Energy Prod uction and Consumption in China and Research of Carbon Emissions［J］. Journal o f Natural Resources, 2010,(8).］

［8］贾俊松. 基于经典偏最小二乘模型的CO2排放量宏观驱动因素分析［J］.中国能源,

2010,(7). ［Jia Junsong.

Analysis of CO2 Emission’s Microdriving Factors b ased on Classical Partial Least Squares(PLS) Model［J］. Energy of China, 2010,( 7).］

［9］Yu Huichao, Wang Limao.Carbon Emission Transfer by International Trade:Taki ng the Case of SinoU.S.Merchandise Trade as an Example［J］.Journal of Resourc es and Ecology, 2010,(2).

［10］Shi Minjun,Li Na, Zhou Shenglv,et al. Can China Realize CO2 Mi ti gation Target toward 2020? ［J］. Journal of Resources and Ecology, 2010,(2).

［11］朱勤,彭希哲,陆志明,等. 中国能源消费碳排放变化的因素分解及实证分析［J］.资 源科学,2009,(12). ［Zhu Qin,Peng Xizhe,Lu Zhiming,et al. Factors Decomposition a nd Empirical Analysis of Variations in Energy Carbon Emission in China［J］. Res ources Science, 2009,(12).］

［12］宋帮英,苏方林. 碳排放量和能源利用效率不公平及其原因探析:基于中国37个规模以 上工业行业数据研究［J］.华东经济管理, 2010,(9). ［Song Bangying,Su Fanglin.

Unf air Phenomenon of Carbon Emission and Energy Efficiency and Analysis about the R easons:Based on Data of 37 Industrial Enterpriese above Designated Size by Indus trial Sector of China［J］. East China Economic Management, 2010,(9).］

［13］朱永彬,王铮,庞丽,等. 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,(8).

［Zhu Yongbin,Wang Zheng,Pang Li,et al.Simulation on China’s Ec onomy and Prediction on Energy Consumption and Carbon Emission under Optimal Gro wth Path［J］. Acta Geographica Sinica, 2009,(8).］

［14］何建坤，刘滨．我国减缓碳排放的近期形势与远期趋势分析［J］．中国人口•资源与环 境，2006,(6)．［He Jiankun,Liu Bin.Analysis on the Situation in the Near Future and the Trends in the

Long Term with Regard of Mitigating Carbon Emissions in ChinaS］. China Population Resources and

Environment, 2006,(6). ］

［15］邓晓．基于LMDI方法的碳排放的因素分解模型及实证研究［D］．武汉：华中科技大学,2009． ［Deng Xiao.Decomposition Model and Empirical Study of Carbon Emission Base on LMDI

Technique［D］.Wuhan:Huazhong University of Science and Technology,2009.］

［16］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［D］．北京大 学学报：自然科学版，2010，(4).［Yue Chao,Wang Shaopeng, Zhu Jiangting, et al.2050 Carbon

Emissions Projection for China:Carbon Emissions and Social Development(IV)［J］. Acta Seientiarum

Naturalium Universitatis Pekinensis, 2010,(4).］

［17］梁巧梅,Norio Okada,魏一鸣．能源需求与二氧化碳排放分析决策支持系统［J］．中国能源， 2005,(1)．［Liang Qiaomei, Norio Okada,Wei Yiming. Decision Support System for Energy Demands

and Related CO2 Emissions Analysis ［J］. Energy of China, 2005,(1). ］

［18］胡初枝，黄贤金，钟太洋，等．中国碳排放特征及其动态演进分析［J］．中国人口•资源与环境， 2008,(3)．［Hu Chuzhi, Huang Xianjin,Zhong Taiyang, et al. Character of Carbon Emission in China

and Its Dynamic Development Analysis［J］. China Population Resources and Environment, 2008,(3).］

Forecast of Chinas carbon emissions based on STIRPAT model

QU Shenning1 GUO Chaoxian2

(1. Graduate School of Chinese Academy of Social Sciences, Beijing 10 0 102, China;

2. Institute of Industrial Economics of Chinese Academy of Social Sciences, Beij ing

100836, China)

Abstract Forecast research on Chinas carbon emissions is litt le.

降低碳排放的方法篇5

为应对气候变化,2009年我国政府在气候峰会上承诺争取2020年非化石能源占一次能源消费比重达到15%左右,单位国内生产总值二氧化碳排放比2005年下降40%-45%,同时这些指标也被作为节能减排的约束性指标写入国家“十二五”规划中,低碳化成为“十二五”能源发展的重要方向。金融作为经济的核心,可以通过发挥其资源配置、杠杆调节、中介服务等职能支持能源低碳化发展;同时,我国政府也一直强调应对气候变化需要“减缓、适应、技术、资金”4个轮子共同驱动。可见,金融可以成为能源低碳化发展的强劲驱动力,在能源低碳化发展方面大有所为。

金融驱动能源低碳化作为一个新兴研究领域,国内外学者逐渐开始进行研究。如SchlEish etal (2009) [1]发现,碳信用交易能够有效地刺激能源和相关工业部门提高能效并开发低碳技术。Friberg(2009) [2]认为清洁发展机制能为能源体系的多元化,提高碳排放管理水平作出积极贡献。另外,Victor.K.del(2011)[3]指出,对风能、太阳能、地热能等新能源的战略性投资和对CCS项目的开发,可以有效的实现能源低碳化发展。国家发展和改革委员会能源研究所课题组(2009)[4]的研究表明,低碳技术是实现能源低碳化发展之路的的根本保障。张帅(2010)[5]认为能源低碳化发展关键要依靠新型的清洁能源,如何加大在新能源方面的投资和技术创新是高碳能源低碳化转型的当务之急。曹洪军、陈好孟(2010)[6]指出建立健全绿色信贷政策,以信贷配给约束污染企业的经营行为和治污选择,能够大大促进节能减排,实现能源的低碳化发展。成思危(2011)[7]认为碳金融提供了一个低成本的应对气候变化激励机制和解决方案,成为推动低碳化发展的重要手段。

纵观中外学者的研究成果,中外学者主要从定性角度对金融驱动能源低碳化发展的路径进行研究,而对能源低碳化发展的金融驱动贡献、作用机制则很少有人涉及。鉴于此,本文将在中外学者的研究成果基础上,综合运用定性与定量相结合的方法,立足于新疆实践,对能源低碳化发展的金融驱动进行研究。

二、能源低碳化发展的金融驱动贡献

由于灰色关联度分析(GRA)是根据行为序列几何形状的接近性,以分析和确定影响因素对行为贡献程度的一种分析方法,对样本容量及样本分布无特殊要求,因此本文可以用灰色关联分析法对新疆能源低碳化发展的金融驱动贡献进行研究。

5.排关联序。根据R的大小进行关联度排序。关联度越接近于1,说明关联程度越大。根据前人的经验,当ρ=0.5时,两因素的关联度>0.6时,便认为其关联性显着[8]。

(二)指标选取与数据说明

运用灰色关联分析对新疆能源低碳化发展的金融驱动贡献进行测度,首先要确定参考序列和比较序列。碳排放强度即单位GDP二氧化碳排放量,是反映经济发展过程中能源利用与碳排放效益状况的指标,可以用来衡量能源低碳化发展水平。金融可以通过提供资金和技术方面的服务推动能源低碳化发展,其中电力的投资、银行的技术改造贷款、节能减排贷款和能效贷款都能降低碳排放强度。由于银行对企业的节能贷款和能效贷款额不可得,同时考虑到碳排放强度与能源结构、能源效率、经济增长率、产业结构有关,可以把这些因素也都考虑进来,以利于对比分析,从而更好地看出金融在能源低碳化发展中的驱动贡献。因此,本文选取碳排放强度作为参考序列,记为x0,电力投资(电力行业固定资产投资)、技改贷款(金融机构的技术改造贷款)、能源结构(低碳能源在能源总消费中的占比)、能源效率(单位GDP能耗)、经济增长率(GDP增长率)、产业结构(第三产业在GDP中的占比)作为比较序列,分别记为x1,x2,x3,x4,x5,x6。

原始数据来源于《新疆统计年鉴》(2000-2010),其中碳排放强度①根据公式计算得出,电力投资、技改贷款、能源结构、能源效率、经济增长率、产业结构数据根据年鉴整理得出,考虑到数据的可比和可测性,GDP数据按1999年不变价格折算,同时以1999年数据为基准,将各指标数据进行无量纲化处理,以便分析计算。

(三)实证结果分析

以新疆碳排放强度指标为参考序列,电力投资、技改贷款、能源结构、能源效率、经济增长率、产业结构指标为比较序列,对无量纲化处理过的指标数据,按前述的计算步骤进行测算,得到了新疆碳排放强度影响因素的灰色关联度(见表1)。1999-2008年新疆碳排放强度呈下降趋势,由1999年的1.74下降到2008年的1.05,年均下降5.46%。由表1可知电力投资、技改贷款与碳排放强度的关联度在0.6以上,可以认为金融对碳排放强度下降有显着影响,它可以成为能源低碳化发展的驱动力。进一步对各指标与碳排放强度的关联度从大到小进行排序,能源效率>产业结构>技改贷款>能源结构>经济增长率>电力投资,即能源效率和产业结构对碳排放强度下降的影响最大,其次是技改贷款和能源结构,最后是经济增长率和电力投资。这说明在影响碳排放强度下降的因素中,能源效率和产业结构是碳排放强度下降的的主要驱动因素。技改贷款和电力投资对碳排放强度下降的影响程度分别排在第三位和第六位,揭示出金融对能源低碳化发展的驱动贡献还有待提高,尤其在电力投资方面。

三、能源低碳化发展的金融驱动机制

(一)金融驱动作用机理

在能源低碳化发展中,金融驱动是指以能源消费需求为基础,通过有效的金融手段,作用于生产和消费领域,引导企业生产方式和居民生活方式的改变,最终实现能源低碳化发展的既定目标。碳排放是在能源消费过程中产生的,能源消费需求对碳排放有影响,而能源消费需求又与企业的生产和居民的生活息息相关。一方面,从企业角度来说,企业为了生产的需要会对能源要素产生直接需求,能源要素通过加工整合转化为能源商品,企业产业链条的延伸又会对能源商品产生间接需求;另一方面,从居民角度来说,一部分能源商品会成为居民的直接需求,另一部分则通过购买其他商品和服务转化为间接需求。由此可知,企业生产方式和居民生活方式的改变会对碳排放产生显着影响。

据新疆2010年统计年鉴中的数据显示,新疆2008年居民生活能源消费量为752.73万吨标准煤,各地、州、市规模以上工业企业能源消费量为8 331.18万吨标准煤,相当于居民生活能源消费的11倍。随着新疆工业化和城市化的推进,企业和居民对能源的消费需求还会增加,尤其是企业的生产能源消费。因此,金融要从企业和居民的能源消费领域驱动能源低碳化发展,通过采取绿色金融、价格激励等政策改善企业的生产方式和居民的生活方式,引导企业低碳生产和居民低碳生活。

(二)金融驱动作用渠道

能源低碳化发展是一个系统工程,金融驱动作用机理的实现关键要靠有效的作用渠道。资金扶持渠道、碳金融市场渠道、政策引导渠道和金融服务渠道,这四个渠道作用的层面、领域不同,只有将四者有机结合,使 它们相互影响、共同作用,形成一个驱动轮,才能更好地发挥能源低碳化发展的驱动作用。具体来说,资金扶持是能源低碳化发展的基础,是企业进行技术改造,利用清洁能源,研发低碳技术和开展CDM项目的重要保证。碳金融市场是能源低碳化发展的关键,可以通过碳排放交易体系的构建和碳金融衍生工具的创新来限制高碳产业的投资,鼓励低碳环保产业发展。政策引导是能源低碳化发展的保障,可以对企业和居民的能源消费形成激励和约束机制,主要包括低碳信贷、低碳消费和价格激励政策。中介服务是能源低碳化发展的支持平台,为能源低碳化发展的参与者提供专业化服务,优化能源低碳化发展的环境,主要包括信息咨询、技术集成和项目管理等服务。

(三)金融驱动作用路径

能源低碳化发展是最终目标,金融渠道是这一目标实现的手段,而路径是连接彼此的纽带。通过对新疆碳排放强度下降影响因素的灰色关联分析,可以看出金融因素、经济因素、能源因素均能影响新疆能源低碳化发展。除了金融的直接作用外,金融还可以间接推动能源的低碳化发展。即可以利用资金扶持、碳金融市场、政策引导、中介服务这四个渠道,通过支持经济增长方式转变和产业结构调整,走内涵式发展之路,大力发展低碳环保的第三产业和高新技术产业;进一步加大对电力等清洁能源的投资和开发利用,优化能源结构;继续保持技改贷款规模,降低企业与居民能耗,提高能源效率,来实现能源低碳化发展的目标。

四、能源低碳化发展的金融驱动对策建议

1.加大清洁能源投资,优化能源结构,提高能源效率。一是要加大清洁能源的开发和利用。新疆有着丰富的水能、风能、太阳能资源,应该充分利用地区的资源优势,创建清洁能源体系,降低对传统高碳能源的依赖,使能源结构向低碳化、清洁化转型。二是要为低碳能源技术和碳减排技术的研发和利用提供资金扶持。大力发展煤炭提质加工、高效燃煤发电、工业锅炉洁净燃煤和新型煤化工等技术,减少原煤的直接使用,降低煤炭的消费强度,促进高碳能源低碳化利用,提高能源利用效率。

2.强化低碳信贷政策,推动产业结构升级和经济增长方式转变。新疆的碳排放主要是企业的生产能源消费中产生的。企业的发展离不开商业银行的信贷支持,商业银行可以根据企业的碳排放状况采取差别信贷政策,强化低碳信贷政策。对于开发利用清洁能源,从事低碳环保产业的企业可以给予优惠贷款政策,适当降低贷款利率,延长贷款期限,加大信贷支持力度;对于高耗能、高排放、高污染的企业,则提高贷款利率,提前收回贷款,以引导资金流向,推动产业结构升级和经济增长方式转变。

降低碳排放的方法篇6

 一、引言

为应对气候变化，2009年我国政府在气候峰会上承诺争取2020年非化石能源占一次能源消费比重达到15%左右，单位国内生产总值二氧化碳http://排放比2005年下降40%-45%，同时这些指标也被作为节能减排的约束性指标写入国家“十二五”规划中，低碳化成为“十二五”能源发展的重要方向。金融作为经济的核心，可以通过发挥其资源配置、杠杆调节、中介服务等职能支持能源低碳化发展；同时，我国政府也一直强调应对气候变化需要“减缓、适应、技术、资金”4个轮子共同驱动。可见，金融可以成为能源低碳化发展的强劲驱动力，在能源低碳化发展方面大有所为。

金融驱动能源低碳化作为一个新兴研究领域，国内外学者逐渐开始进行研究。如schleish etal (2009) ［1］发现，碳信用交易能够有效地刺激能源和相关工业部门提高能效并开发低碳技术。friberg(2009) ［2］认为清洁发展机制能为能源体系的多元化，提高碳排放管理水平作出积极贡献。另外，victor.k.del(2011)［3］指出，对风能、太阳能、地热能等新能源的战略性投资和对ccs项目的开发，可以有效的实现能源低碳化发展。国家发展和改革委员会能源研究所课题组（2009）［4］的研究表明，低碳技术是实现能源低碳化发展之路的的根本保障。张帅（2010）［5］认为能源低碳化发展关键要依靠新型的清洁能源，如何加大在新能源方面的投资和技术创新是高碳能源低碳化转型的当务之急。曹洪军、陈好孟（2010）［6］指出建立健全绿色信贷政策，以信贷配给约束污染企业的经营行为和治污选择，能够大大促进节能减排，实现能源的低碳化发展。成思危（2011）［7］认为碳金融提供了一个低成本的应对气候变化激励机制和解决方案，成为推动低碳化发展的重要手段。

纵观中外学者的研究成果，中外学者主要从定性角度对金融驱动能源低碳化发展的路径进行研究，而对能源低碳化发展的金融驱动贡献、作用机制则很少有人涉及。鉴于此，本文将在中外学者的研究成果基础上，综合运用定性与定量相结合的方法，立足于新疆实践，对能源低碳化发展的金融驱动进行研究。

二、能源低碳化发展的金融驱动贡献

由于灰色关联度分析（gra）是根据行为序列几何形状的接近性，以分析和确定影响因素对行为贡献程度的一种分析方法，对样本容量及样本分布无特殊要求，因此本文可以用灰色关联分析法对新疆能源低碳化发展的金融驱动贡献进行研究。

5．排关联序。根据r的大小进行关联度排序。关联度越接近于1,说明关联程度越大。根据前人的经验,当ρ=0.5时,两因素的关联度>0.6时,便认为其关联性显著［8］。

（二）指标选取与数据说明

运用灰色关联分析对新疆能源低碳化发展的金融驱动贡献进行测度，首先要确定参考序列和比较序列。碳排放强度即单位gdp二氧化碳排放量，是反映经济发展过程中能源利用与碳排放效益状况的指标，可以用来衡量能源低碳化发展水平。金融可以通过提供资金和技术方面的服务推动能源低碳化发展，其中电力的投资、银行的技术改造贷款、节能减排贷款和能效贷款都能降低碳排放强度。由于银行对企业的节能贷款和能效贷款额不可得，同时考虑到碳排放强度与能源结构、能源效率、经济增长率、产业结构有关，可以把这些因素也都考虑进来，以利于对比分析，从而更好地看出金融在能源低碳化发展中的驱动贡献。因此，本文选取碳排放强度作为参考序列，记为x0，电力投资（电力行业固定资产投资）、技改贷款（金融机构的技术改造贷款）、能源结构（低碳能源在能源总消费中的占比）、能源效率（单位gdp能耗）、经济增长率（gdp增长率）、产业结构（第三产业在gdp中的占比）作为比较序列，分别记为x1,x2,x3,x4,x5,x6。

原始数据来源于《新疆统计年鉴》（2000-2010），其中碳排放强度①根据公式计算得出，电力投资、技改贷款、能源结构、能源效率、经济增长率、产业结构数据根据年鉴整理得出，考虑到数据的可比和可测性，gdp数据按1999年不变价格折算，同时以1999年数据为基准，将各指标数据进行无量纲化处理，以便分析计算。

转贴于 http://

（三）实证结果分析

以新疆碳排放强度指标为参考序列，电力投资、技改贷款、能源结构、能源效率、经济增长率、产业结构指标为比较序列，对无量纲化处理过的指标数据，按前述的计算步骤进行测算，得到了新疆碳排放强度影响因素的灰色关联度（见表1）。1999-2008年新疆碳排放强度呈下降趋势，由1999年的1.74下降到2008年的1.05，年均下降5.46%。由表1可知电力投资、技改贷款与碳排放强度的关联度在0.6以上，可以认为金融对碳排放强度下降有显著影响，它可以成为能源低碳化发展的驱动力。进一步对各指标与碳排放强度的关联度从大到小进行排序，能源效率＞产业结构＞技改贷款＞能源结构＞经济增长率＞电力投资，即能源效率和产业结构对碳排放强度下降的影响最大，其次是技改贷款和能源结构，最后是经济增长率和电力投资。这说明在影响碳排放强度下降的因素中，能源效率和产业结构是碳排放强度下降的的主要驱动因素。技改贷款和电力投资对碳排放强度下降的影响程度分别排在第三位和第六位，揭示出金融对能源低碳化发展的驱动贡献还有待提高，尤其在电力投资方面。

三、能源低碳化发展的金融驱动机制

（一）金融驱动作用机理

在能源低碳化发展中，金融驱动是指以能源消费需求为基础，通过有效的金融手段，作用于生产和消费领域，引导企业生产方式和居民生活方式的改变，最终实现能源低碳化发展的既定目标。碳排放是在能源消费过程中产生的，能源消费需求对碳排放有影响，而能源消费需求又与企业的生产和居民的生活息息相关。一方面，从企业角度来说，企业为了生产的需要会对能源要素产生直接需求，能源要素通过加工整合转化为能源商品，企业产业链条的延伸又会对能源商品产生间接需求；另一方面，从居民角度来说，一部分能源商品会成为居民的直接需求，另一部分则通过购买其他商品和服务转化为间接需求。由此可知，企业生产方式和居民生活方式的改变会对碳排放产生显著影响。

据新疆2010年统计年鉴中的数据显示，新疆2008年居民生活能源消费量为752.73万吨标准煤，各地、州、市规模以上工业企业能源消费量为8 331.18万吨标准煤，相当于居民生活能源消费的11倍。随着新疆工业化和城市化的推进，企业和居民对能源的消费需求还会增加，尤其是企业的生产能源消费。因此，金融要从企业和居民的能源消费领域驱动能源低碳化发展，通过采取绿色金融、价格激励等政策改善企业的生产方式和居民的生活方式，引导企业低碳生产和居民低碳生活。

（二）金融驱动作用渠道

能源低碳化发展是一个http://系统工程，金融驱动作用机理的实现关键要靠有效的作用渠道。资金扶持渠道、碳金融市场渠道、政策引导渠道和金融服务渠道，这四个渠道作用的层面、领域不同，只有将四者有机结合，使它们相互影响、共同作用，形成一个驱动轮，才能更好地发挥能源低碳化发展的驱动作用。具体来说，资金扶持是能源低碳化发展的基础，是企业进行技术改造，利用清洁能源，研发低碳技术和开展cdm项目的重要保证。碳金融市场是能源低碳化发展的关键，可以通过碳排放交易体系的构建和碳金融衍生工具的创新来限制高碳产业的投资，鼓励低碳环保产业发展。政策引导是能源低碳化发展的保障，可以对企业和居民的能源消费形成激励和约束机制，主要包括低碳信贷、低碳消费和价格激励政策。中介服务是能源低碳化发展的支持平台，为能源低碳化发展的参与者提供专业化服务，优化能源低碳化发展的环境，主要包括信息咨询、技术集成和项目管理等服务。转贴于 http://

（三）金融驱动作用路径

能源低碳化发展是最终目标，金融渠道是这一目标实现的手段，而路径是连接彼此的纽带。通过对新疆碳排放强度下降影响因素的灰色关联分析，可以看出金融因素、经济因素、能源因素均能影响新疆能源低碳化发展。除了金融的直接作用外，金融还可以间接推动能源的低碳化发展。即可以利用资金扶持、碳金融市场、政策引导、中介服务这四个渠道，通过支持经济增长方式转变和产业结构调整，走内涵式发展之路，大力发展低碳环保的第三产业和高新技术产业；进一步加大对电力等清洁能源的投资和开发利用，优化能源结构；继续保持技改贷款规模，降低企业与居民能耗，提高能源效率，来实现能源低碳化发展的目标。

四、能源低碳化发展的金融驱动对策建议

1.加大清洁能源投资，优化能源结构，提高能源效率。一是要加大清洁能源的开发和利用。新疆有着丰富的水能、风能、太阳能资源，应该充分利用地区的资源优势，创建清洁能源体系，降低对传统高碳能源的依赖，使能源结构向低碳化、清洁化转型。二是要为低碳能源技术和碳减排技术的研发和利用提供资金扶持。大力发展煤炭提质加工、高效燃煤发电、工业锅炉洁净燃煤和新型煤化工等技术，减少原煤的直接使用，降低煤炭的消费强度，促进高碳能源低碳化利用，提高能源利用效率。

2.强化低碳信贷政策，推动产业结构升级和经济增长方式转变。新疆的碳排放主要是企业的生产能源消费中产生的。企业的发展离不开商业银行的信贷支持，商业银行可以根据企业的碳排放状况采取差别信贷政策，强化低碳信贷政策。对于开发利用清洁能源，从事低碳环保产业的企业可以给予优惠贷款政策，适当降低贷款利率，延长贷款期限，加大信贷支持力度；对于高耗能、高排放、高污染的企业，则提高贷款利率，提前收回贷款，以引导资金流向，推动产业结构升级和经济增长方式转变。

降低碳排放的方法篇7

基金项目：国家自然科学基金项目（编号：71072046）。

摘要 为推动资源节约型和环境友好型社会的发展，低碳农业成为农业发展的必然选择。虽然低碳农业理念已有推广，但是对于中国低碳农业发展状况和存在问题研究较少。本文使用2000-2010年的面板数据，选用农业碳排放模型、包络数据分析法中的SBM模型和效率收敛性模型，通过三步法实证分析了中国低碳农业的发展状况，并深入剖析了当前中国各省区低碳农业发展存在的问题。计算了中国各省区2000-2010年的农业碳排放量并进一步分析了导致各地区差异的原因，分析了中国各省区的低碳农业发展绩效及其效率的收敛性，得出以下结论：中国大部分地区的农业碳排放总量逐年增多；农业发展与碳排放存在库兹涅兹倒“U”型曲线关系；化肥和农膜是农业碳排放的主要源头；中国各省区的低碳农业发展绩效满足“波特假说”且面板数据下的效率值存在收敛性。对此，结合中国各省区的资源禀赋条件，在制度、科技、教育等方面提出促进低碳农业发展的对策与建议。

关键词 低碳农业；农业碳排放；收敛性；SBM模型

中图分类号 F323. 22

文献标识码 A

文章编号 1002-2104（2013）11-0030-06 doi：10.3969/j.issn.1002-2104.2013.11.005

随着环境问题的日益突出，低碳经济成为发展的必然趋势，而低碳农业是低碳经济中最重要的组成部分之一。进入21世纪以来，中央政府连续颁布十个“一号文件”，表现了对“三农”问题的重视，特别是近年来农业的快速发展也带来了一系列问题，如化肥、农药等农用品的过度使用，造成了农业发展与环境、资源不协调，最终阻碍了农业生产率的提高。联合国政府间气候变化专业委员会（IPCC）的评估报告指出，温室气体的主要排放源来自于农业，占人为排放量的近13.5%[1]，这将会威胁到农业的可持续发展。此外，随着CO2的浓度升高，将直接诱发自然灾害，不仅影响农业的产量，而且对人类居住环境造成不利影响[2]，因此，发展低碳农业是经济发展的必然趋势和内在要求。值得思考的是，中国各省区的低碳农业发展绩效是否存在差异？这种差异是正在扩大还是在缩小？回答这些问题，需要具体分析。

当前关于低碳农业的研究主要集中在农业碳排放的计算以及发展低碳农业的可行性和路径选择等方面。李波等[3]从6个主要的农业碳源测算了中国1993-2008年的农业碳排放量，并实证分析了农业碳排放的影响因素，发现效率、劳动力、结构等因素对其具有一定的抑制作用，而农业经济发展可以降低农业碳排放。Johnson[4]认为农业废弃物、粪便管理、农业能源利用、肠道发酵、生物燃烧等是最主要的农业碳排放源。ACIL Tasman Pty Ltd[5]对美国、加拿大、欧盟、新西兰、印度等国家的农业碳排放量进行了测算，发现由于各个国家农业生产方式大相径庭，导致农业碳排放量占总碳排放量的比重差异较大。严立冬等[6]从生态视角论述了中国低碳农业的发展，提出应建立低碳农业的生态目标和生态修复补偿机制，并认为政府应该在低碳农业发展中承担生态责任。罗吉文等[7]提出应该实行节肥、节水、节约、节地、节膜和立体、循环、复合农业模式，以减少碳排放，此外，要提倡免耕、少耕等保护性耕作，还需要政府引导低碳消费，支持对碳的综合利用。曾以禹等[8]介绍了国外农业减少温室气体排放，发展低碳农业的做法，并建议改变农业生产方式，实施保护性耕作，发展生态农业和畜牧业等手段来实现中国低碳农业长久发展。

综上，低碳农业的发展问题成为全世界关注的焦点问题之一，从现有文献来看，也存在一定的缺陷和不足，例如：对中国各省区的低碳农业发展效率进行评价且对效率进行深度分析的研究较少。因此，本文结合前人研究成果，在创新性、科学性和目标性的原则下，对研究内容做以下改进：①使用2000-2010年的中国省际面板数据，测算各省区的农业碳排放量；②使用非期望产出模型（SBM），测度中国各省区低碳农业发展效率；③选用收敛性模型，对效率进行收敛性分析。

1 模型、指标与数据来源

1.1 模型与方法

测算低碳农业发展效率的方法很多，主要集中在数据包络分析法（DEA）和随机前沿分析法（SFA）。相比SFA方法，DEA中的SBM模型更能处理非期望产出，因此，本文采用SBM模型作为测算低碳农业效率的方法。

1.1.1 农业碳排放

农业碳排放是衡量低碳农业发展的最主要的指标之一。本文采用李波等建立的碳排放模型以及碳排放系数，选取化肥、翻耕、农药、柴油、农膜和灌溉能耗等几个指标，建立如下模型：

式中，E为农业碳排放量，Ti为某碳源的使用量，δi为相应的碳排放系数，农业碳排放量为各碳源要素碳排放的总和。碳排放的系数分别为：化肥（0.895 6）、农药（4.934 1）、农膜（5.18）、农用灌溉（20.476）、柴油（0.592 7）和翻耕（312.6）；翻耕的单位为kg/hm2，其他单位都为kg/kg。

1.1.2 非径向非期望产出模型（SBM模型）

测算低碳农业的发展效率，农业碳排放为效率测评时的“非期望产出”，经典的DEA模型（如CCR和BCC模型）无法排除非期望产出对效率评价的干扰，无法准确评价效率，因此，Tone在传统DEA模型的基础上提出了处理非期望产出的效率评价模型，即SBM模型。相比传统的DEA模型，它是一种考虑了冗余情况和非期望产出影响因素后得出来的函数模型。

假设i=1，...，I，I个生产单位投入产出向量为（xi，yi），x为投入指标，y表示产出指标，s表示投入冗余，函数式为：

式中，ρ*i为核算出来的第i个省区的低碳农业发展效率。当ρ*i=1时，表明低碳农业发展效率完全有效，此时，不存在投入的冗余和产出的改进。当ρ*i

1.1.3 收敛性分析

收敛性分析有助于探讨低碳农业发展效率的“趋同型”或“发散型”情况。若存在收敛，说明各省区低碳农业发展效率的差距在缩小；相反，则表明差距在扩大。效率收敛性分析的方法主要有σ收敛、绝对β收敛和条件β收敛。

σ收敛指不同省区之间低碳农业发展效率ρ*i离差随时间变化而变化，若离差变小，则说明低碳农业效率的离散程度在缩小，趋于σ收敛。根据前人的研究，σ收敛的函数表达式为：式中：ρi，t表示第i个地区在t时期的低碳农业发展效率，而ρ—t是t时期所有省区低碳农业发展效率的均值。当σt+1 σt时，说明低碳农业发展效率的离散系数的差距在缩小，存在σ收敛。

绝对β收敛主要是分析各省区的低碳农业发展效率的增长速度是否趋同，以研究效率相对滞后地区是否有追赶效率较高地区的趋势。根据前人研究，构造绝对β收敛回归方程函数式为：式中：α是常数项，ln（ρi，0）是第i个省份在第0时期的ρ*i初始值的对数值，β为回归系数。如果β显著且系数为负，说明存在绝对β收敛，即ρ*i的增长与ρ*i的初始值成反比，表明效率相对滞后的省区有追赶效率相对较高省区的一种趋势。

条件β收敛将各省区的特征考虑了进去，分析各省区的低碳农业发展效率能否收敛于其稳定水平。与绝对β收敛不同，条件β收敛中不同省区的稳态水平不同，它允许效率较高与较低地区差距的存在。若采用面板模型来检验条件β收敛，函数式为：

式中，α是效应项，β为回归系数，若β显著且系数为负，则表明存在条件β收敛，即收敛于自身的稳定水平。

1.2 指标选取

结合前人的研究成果[9-10]，建立了投入和产出指标体系，见表1。

本文选用SBM模型，定义农业碳排放为非期望产出的指标，其余的投入指标可以测算出冗余值和产出的改进值。

1.3 数据来源

本文选用2000-2010各省份的数据，建立面板模型。数据来源于《中国统计年鉴》、《中国农村统计年鉴》

和中国统计局网。由于的数据不全，因此，构建了2000-2010年除外其他30个省区的面板数据。

2 中国省际低碳农业发展的实证分析

2.1 中国各省区农业碳排放的测算

表2列出了中国各省区的农业碳排放数据。可以看出：①经济发达地区的农业碳排放量有减少的趋势。例如，北京的农业碳排放量由2000年的29.3 kg/t下降到2010年的24.23 kg/t，上海则由42.16 kg/t下降到31.24 kg/t，这是由于两地发展都市现代农业，而且农业科技相对发达。②大部分省份的农业碳排放量在增加。这意味着是以增加投入和扩大规模来追求农业的发展，迫切要求农业走上集约发展的道路，降低农业碳排放。③农业大省的农业碳排放量增长幅度相对较大。河北、山东、湖南、湖北、四川和云南等省的农业碳排放总量增长幅度相对较大。这要求农业大省提高资源利用效率，降低碳排放。④化肥和农膜是农业碳排放源里排放量最多的源头，其中化肥的排放量是其他排放量的总和。因此，正确并适量地施用化肥是低碳农业发展的必然要求。

从增长趋势看（见图1），中国的农业碳排放总量是不断递增的，2000-2003年的增幅较小，而2003-2007年的

增幅较大，由2003年的6 517 kg增长到2007年的7 734 kg，涨幅达到18.7%，2008年以后的增长速度放慢。增长的幅度先上升，然后随之下降，满足库兹涅兹的“倒U型”。表明伴随着农业碳排放的增多，达到一定的顶峰之后，农业碳排放将会有下降的趋势。产生这种现象的原因包括政府重视、农户意识的提高、农业科技的推广等方面。

2.2 中国各省区低碳农业发展效率评价

运用DEA相关软件，选择SBM的规模可变（VRS）模型，评价了2000-2010年中国各省区的低碳农业发展效率，见表3。

从表3可知，各省区的低碳农业发展效率波动较大，但总体上呈提高的趋势，具体呈现如下特征：①部分农业大省的低碳农业发展效率较低，如：湖南、湖北、四川和云南等，造成这种现象的原因是粗放式的农业经营模式不适

合低碳农业的发展，表明这些地区要创新低碳农业的发展模式，以精准利用当地的资源禀赋条件。②现代农业较为发达地区的低碳农业发展效率较高。如上海和浙江等地的低碳农业效率一直处于有效状态，充分利用了当地的资金和科技的支持。需要指出的是，由于测算相对效率时，从规模和技术两个角度进行比较而得出效率值，因此，海南和青海等地的低碳农业发展效率相对其自身是有效的。③农业大省低碳农业发展效率的提高较为缓慢。这迫切要求农业大省因地制宜地寻找低碳农业发展模式，推广低碳农业的生产理念，进一步提高低碳农业发展效率。④总体来看，低碳农业发展效率满足“波特假说”，即一定的环境规制，可以促进经济的增长和效率的提高。应该采取相应的措施和手段，进一步降低农业碳排放总量，提高低碳农业的发展效率。

2.3 低碳农业发展效率的收敛性分析

2.3.1 σ收敛性检验

2000-2010年中国的σ值见图2。2000-2003年间，σ值不断上升，而后是一个下降的过程，2007后又开始复苏，从整体上来看，波动较小且收敛趋势。

2.3.2 绝对β收敛与条件β收敛

运用STATA（12.0）软件，分别对绝对β收敛与条件β收敛进行检验，检验结果见表4。

根据绝对β收敛的计算可知，中国低碳农业的绝对β收敛在1%下显著，且系数为负，表明中国低碳农业的发展有趋同的趋势，而且效率值正在逐渐缩小。

中国条件β收敛的系数为负值，且都通过了1%的显著性检验，表明中国低碳农业发展效率存在条件β收敛，即各省区都处于各省区的稳态水平，并且都将收敛于各自的稳定水平。

3 结论与政策建议

通过以上三步法的实证分析，可知：①中国大部分省区的农业碳排放总量逐年增多，但北京和上海的农业碳排放在逐年递减；②农业发展与农业碳排放存在库兹涅兹倒“U”型曲线关系，即农业的发展会带来农业碳排放的增多，但到了一定的峰值，碳排放会逐渐减少；③化肥和农膜是农业碳排放的主要源头；④低碳农业发展效率满足“波特假说”，即一定的环境规制，可以促进经济的增长和效率的提高；⑤中国低碳农业发展效率值存在收敛性，即各省区的低碳农业发展效率值的差距正在缩小，并有趋同和稳定的状态。

基于此，提出以下对策建议：①中央和各级政府鼓励和要求发展低碳农业，降低农业碳排放的同时，鼓励减少农业面源污染，并在不同地区选取低碳农业发展示范区，使低碳农业的发展寻求标准化和制度化；②创新研发低碳农业的新技术，鼓励和创新低碳农业发展模式，寻求新途径、新资源促进低碳农业的发展，构建低碳农业技术推广体系，研产销有机结合，为低碳农业提供技术保障；③培育新型农民，开展低碳农业教育和技术培训，为低碳农业的发展提供人力保障。④低碳农业发展和当地的资源禀赋条件相结合，取长补短，充分利用当地资源，创新低碳农业发展模式，提高低碳农业发展效率，降低农业碳排放。

参考文献（References）

[1]马晓旭.我国低碳农业发展的困境及出路选择[J].经济体制改革，2011，（5）：71-74.[Ma Xiaoxu. The Dilemma and Development of Low Carbon Agriculture in China[J]. Reform Economic System， 2011，（5）：71-74.]

[2]许广月.中国低碳农业发展研究[J].经济学家，2010，（10）：72-78.[Xu Guangyue. Research on the Development of Low Carbon Agriculture in China[J].Economist， 2010，10：72-78.]

[3]李波，张俊飚，李海鹏.中国农业碳排放时空特征及影响因素分解[J].中国人口·资源与环境，2011，21（8）：80-86.[Li Bo， Zhang Junbiao， Li Haipeng. Research on Spatialtemporal Characteristics and Affecting Factors Decomposition of Agricultural Carbon Emission in China[J]. China Population，Resources and Environment， 2011，21（8）：80-86.]

[4]Johnson J M F.Agricultrual Opportunities to Mitigrate Greenhouse Gas Emissions[J]. Environmental Pollution， 2007， 150（6）：107-124.

[5]ACIL Tasman Pty Ltd. Agriculture and GHG Mitigation Policy： Options in Addition to the CPRS[M].New South Wales： Industry & Investment NSW， 2009.

[6]严立冬，邓远建，屈志光.论生态视角下的低碳农业发展[J].中国人口·资源与环境，2010，20（12）：40-45.[Yan Lidong， Deng Yuanjian， Qu Zhiguang. Research on Development of Lowcarbon Agriculture from the Angle of Ecology[J]. China Population，Resources and Environment， 2010，20（12）：40-45.]

[7]罗吉文.低碳农业经济效益的测评与实证[J].统计与决策，2010，24：78-81.[Luo Jiwen. Evaluation Study on Low Carbon Agricultural Economic Benefits[J]. Statistics and Decision， 2010，24：78-81.]

[8]曾以禹，陈卫洪，李小军.国外发展低碳农业的做法及其启示[J].世界农业，2010，10：59-63.[Zeng Yiyu， Chen Hongwei， Li Xiaojun. Enlightenment on Low Carbon Agriculture Development in Foreign Countries[J]. World Arculture， 2010，10：59-63.]

降低碳排放的方法篇8

碳排放所引起的气候变化问题已经成为国际社会高度关注的热点。据iea的推算，2007年全球能源消耗产生的碳排放量中有23%是来源于交通部门［1］，预计到2030年这一比例还将提高到41%，交通碳减排已成为发达国家碳减排的重点领域［2］。中国碳排放总量当前位居全球第一①。由于中国经济社会正处于发展阶段，交通部门的碳排放量占全社会碳排放量的比重相对发达国家来说较低，但交通部门也是中国碳排放的主要来源之一，中国道路交通碳排放更是占了交通部门的86.32%［3］，而且随着城市化进程的加快，城市道路交通碳排放量的上升空间十分巨大。城市道路交通碳排放主要是因消耗化石能源而产生的，它正成为中国政府关注的重点。

中国城市化进程中的碳排放具有增长快速的特征。中国城市正处于快速发展时期，经济的快速发展，人民生活水平日益提高，城镇居民人均交通消费支出占总消费性支出的比重不断增长（2009年比1990年就增加了十多倍②），居民出行需求和强度越来越大。城市人口的迅速膨胀，居民出行需求总量又会快速增加，将导致城市交通客运量的快速上涨。随着城镇化进程的加快，城市建成区面积不断扩大由此带来我国城镇居民出行距离的加大。私人汽车增长率居高不下（1999-2009年年均增长率为23.96%），使居民出行结构发生显著变化，越来越多私人汽车的出现，导致城市道路交通能源消耗越来越多。随着城市道路交通需求的不断增加，即使城市交通人均能耗目前仍远低于发达国家水平，但是增量快，增幅大，由此而产生的碳排放量将迅速增长。

许多学者对交通部门碳排放问题进行了研究。江玉林、姜克隽等指出如果不采取有效措施，2020年城市交通的终端能源消耗将占交通行业能耗量的46%［4］。吴文化预计交通领域将成为能源消费增长最快的终端用能领域［5］。国家发展和改革委员会能源研究所课题组的研究结论是交通部门将逐渐成为未来能源需求和碳排放增长的主要贡献者［6］。张陶新等的研究表明，2002-2007 年中国城市交通部门碳排放量的年均增长率明显高出高于同期全国碳排放量；中国各城市人均碳排放增长速度快慢不一，但总体上，中国城市交通碳排放量的增加很快，碳减排形势不容乐观［7］。牛文元认为中国应该在交通领域坚持走低碳发展之路［8］。蔡博峰等呼吁在清晰把握全国和区域碳排放水平的基础上，针对交通模式、燃料类型、发动机效率等方向提出交通领域的系统减排方案［3］。张陶新等对城市低碳交通的概念进行了剖析，并提出了中国城市低碳交通建设的三大战略方向和五项主要措施［7］。本文在已有文献基础上，进一步对中国城市化进程中影响城市道路交通碳排放的机制进行深入的考察，并对不同经济社会发展情景下城市道路交通碳排放进行预测分析，为政府制定城市交通碳减排政策提供理论依据。

1 研究方法

1.1 模型

1.1.1 基本模型

从城市化、经济发展、技术进步（广义）三方面选取城市化率、人均gdp、城市居民消费水平及交通能源强度（平均每车的化石能源消费量）等指标为自变量，以城市道路交通碳排放（后文简称碳排放）量为因变量，并分别以字母p、a、x、t、i表示，建立模型进行研究。

ehrlich等人提出ipat模型来分析人类活动对环境的影响［9］，随后又被进一步扩展为stirpat模型用于对碳排放影响的研究［10］：

i=apbactde（1）

式中：a是模型系数， b、c和d分别为参数，e表示误差项，误差项包含了除p、a和t等自变量外的所有影响碳排放量的因素（如贸易能力、管理制度、消费行为等）。

在实际应用中，可根据需要在stirpat模型中增加社会或其它控制因素来分析它们对环境的影响［11］。因此，本文将模型（1）扩展为下面的形式：

i=apαaβxγtδe

对上式两边取自然对数后就得到如下的基本模型：

li=αlp+βla+γlx+δlt+m+u（2）

其中：li、lp、la、lx、lt、m、u分别是变量i、p、a、x、t及系数a与误差项e的自然对数，α、β、γ、δ分别为长期均衡状态下城市化率、人均gdp、城市居民消费水平及交通能源强度对碳排放的弹性或生态弹性［11］。

1.1.2 变量选择说明

（1）城市化率。城市化本质上是农村人口向城市转移集聚。第六次人口普查显示，2010年中国城市人口达到66 557.5万人，城市化率为49.68%，同2000年相比，城镇人口增加20 713.7万人，乡村人口减少13 323.7万人，相当于新产生了10.56个北京市大小的城市。人口大规模地迁入城市后,对城市交通运输需求快速增加，从而要消耗更多的化石燃料，导致碳排放量增加。本文将城市化率作为反映中国城市化进程的量的指标纳入模型。

（2）城市居民消费水平。2009年城市居民消费水平是2000年的1.8倍多，随着城市居民消费水平的提高，越来越多的汽车进入家庭，对碳排放产生了直接的促进作用。

（3）人均gdp。人均gdp可以代表一个经济体的经济规模，大致反映经济体的经济发展水平。本文将人均gdp作为一个表征经济发展的指标纳入模型之中。

（4）交通能源强度。城市道路车辆每人公里或每吨公里化石能源消耗是用来度量城市道路交通化石能源强度较好的方法，但是目前获取中国城市道路车辆行驶里程、能耗、载客量或载货量等基础数据非常困难，本文用城市道路交通部门平均每车的化石能源消费量来度量城市道路交通能源强度，简称交通能源强度。同样数量的车辆，平均每车消耗的化石能源越少，相应的碳排放量就越少。降低道路交通领域碳排放的技术进步都能使交通能源强度降低，本文将它作为表征广义的技术进步的指标纳入模型。

1.2 碳排放影响因素分析方法

本文运用协整方法考察碳排放量与各变量之间的长期均衡关系：

it=f(pt,at,xt,tt)

以研究在长期均衡状态下各经济与社会因素对碳排放的影响。其中, 各变量的数据期间为1978-2008年，各变量的计算方法为：

第t年的碳排放it=ct×n1t。这里ct表示第t年中国化石能源消耗产生的co2排放量，其数据来源于cdiaccdiac.ornl.gov/trends/emis/tre_coun.html；n1t表示第t年中国城市道路交通能源消耗占中国总能耗的百分比，其数据来源于世界银行

data.worldbank.org/indicator/is.rod.engy.zs。由于到目前为止，中国城市道路交通所消耗的非化石能源数量相对极小，本文将城市道路交通的能源消耗量等同于化石能源消耗量，本文碳排放仅考虑城市道路交通部门因化石能源消耗产生的碳排放。

第t年的交通能源强度tt=ft×（1-n2t）×n1t÷vt。这里，ft表示第t年中国总能耗量，n2t表示第t年中国化石能源消耗占总能耗的比例，vt表示第t年中国城市民用车辆数（由于数据资料的难以获得，用民用车辆数代替城市道路车辆数），ft、n2t和vt的各年数据来源于《中国统计年鉴2010》。

其它数据来源于《中国统计年鉴2010》

除了特别说明之外，gdp、人均gdp、城市居民消费水平等均以1978年的不变价格计算。。

本文采用向量自回归和向量误差修正理论，利用脉冲响应函数考察各经济与社会因素对碳排放的影响机制，并对碳排放进行预测。采用情景分析的方法，通过设定不同的经济社会发展情景，分析不同政策选择对城市交通部门未来碳排放的影响。

本文采用的分析软件为eviews6.0、spss17.0和matlab2009。为使行文简便，后文中变量符号的下标均省略不写。

2 实证分析

2.1 数据处理

变量间的相关性。用spss17.0软件计算各变量之间的pearson相关系数，结果表明，碳排放量与各变量之间都呈极强正线性相关。

变量间的因果关系。为防止出现伪相关问题，用eviews6.0软件进行granger因果关系检验，检验结果表明在5%的显著性水平上，p、a、x、t都是i的granger原因。

由此可知，如下的函数关系式成立：

i=f(p, a, x, t)

2.2 弹性分析

本部分依据基本模型（2），对各变量之间的长期均衡关系进行考察，为了避免出现伪回归，应用协整方法进行分析。

利用eviews6.0软件,采用单位根检验法对变量i、a、p、t、x进行1阶和2阶平稳性检验，检验发现各变量并不都是1阶单整，但在1%的显著水平下，各变量都是2阶单整变量。采用johansen协整检验方法，迹统计量与最大特征值统计量显示，在5%的显著性水平下，一阶差分li、la、lt、lx、lp之间有一个协整关系，因此可以用eg两步法建立相应的协整方程［12］。

使用spss17.0软件对自变量la、lt、lx、lp进行共线性诊断，结果显示自变量之间存在严重的共线性。为了解决变量之间共线性问题，用因子分析法提取两个主成分z1和z2（z1和z2特征值的累积贡献率达到99.694%），代替原有4个指标变量进行回归，得到：

li＾=0.824z1+0.14z2+10.032+u（3）

r2=0.995，调整的r2=0.995，f=2 951.211，方差分析概率值为0.000。因此，模型（3）整体拟合很好，有统计学意义。对序列z1和z2以及模型（3）的残差用eniews6.0进行单位根检验，检验的结果表明在1%的检验水平下，序列z1和z2以及模型（3）的残差是平稳的，方程（3）是协整方程。

将主成分z1和z2以及标准自变量还原为原自变量得到如下协整方程：

li=0.734 1lt+0.928 8lp+0.675 6lx+0.441 8la-5.320 2+u（4）

从建模的各种检验结果可知模型（4）的模拟能力十分强，模型中各自变量回归系数均符合经济学意义检验，能够比较客观地反映碳排放与城市化率、人均gdp、交通能源强度、城市居民消费水平之间的长期均衡关系。

由方程（4）可知，在长期均衡状态下，各因素对碳排放的影响最为显著的是城市化率，其次是交通能源强度，再次是城市居民消费水平，最后为人均gdp。在长期均衡状态下，城市化率每变动1%，其它因素不变时，碳排放量会同向变动0.928 8%；同样地，交通能源强度、城市居民消费水平、人均gdp分别变动1%，而其它因素不变时，碳排放量会分别同向变动0.734 1%、0.675 6%、0.441 8%。

方程（4）表明，在长期均衡路径上要减少碳排放量，着力点首先应放在控制城市化的发展速度上，其次是降低交通能源强度，再就是降低城市居民消费水平增长和经济发展的速度。

转贴于

尽管控制某一因素的增长速度可能显著减少碳排放量，但这并不意味着碳排放量一定会减少，还要取决于其它因素对碳排放量所起的作用。城市道路交通碳减排的战略制定或政策调整不能仅关注个别因素的静态影响，还应从动态的角度统筹考虑。

2.3 影响碳排放的机制

2.3.1 var模型

由前面对变量li、la、lt、lx、lp的有关检验可知，可以建立有意义的var模型，因篇幅所限，下面仅列出var模型中li的方程：

li=-1.22la(-1)-0.573 1la(-2)+0.990 2li(-1)

+0.750 4li(-2)+2.469 5lp(-1)-1.261 5lp(-2)

-0.557 1lt(-1)-0.605 7lt(-2)+0.742 7lx(-1)-0.414 3lx(-2)+6.057 6+ui（5）

var模型估计结果的特征根都位于单位圆内，因此模型是稳定的。aic与sc都很小，滞后阶数恰当。方程的r2以及调整的r2都在0.996以上，另外，对var模型的滞后排除检验结果表明，var模型里的每一个方程中，所有的第1阶滞后内生变量是联合显著的，而且var模型5个方程（另外4个方程未能列出）中，所有的第1阶滞后内生变量也是联合显著的。从建模的各种检验结果可知，模型模拟能力非常强。

2.3.2 碳排放影响机制

通过var模型，利用脉冲响应函数来了解各因素的动态作用机制。由于本文主要分析各因素对碳排放量的作用机制，因此下面重点讨论各因素对碳排放的作用机制。

图1显示了li对变量lx、lp、la、lt、li的冲击的响应，其横轴表示冲击作用的滞后期数（单位：年），纵轴表示脉冲响应函数值的大小（单位：%）。

城市化率与碳排放。图1显示，如果给城市化率一个

图1 li对变量li、lp、lt、la、lx的一个cholesky标准差新息的响应①

fig.1 response for li to cholesky s.d.innovations of li, lp, lt, la, lx

正向冲击，将导致城市化率对碳排放量的弹性在随后2年内上升，接下来的2年有所下降，然后是逐年上升。因此，随着城市化进程的加快，碳排放也会快速上升。

交通能源强度与碳排放。从图1可以看出，对来自lt的冲击，li的响应首先是逐渐减弱的，在第6年后趋于稳定。这一结果的经济含义是，如果给交通能源强度增长率一个正向冲击，会导致交通能源强度对碳排放量的弹性在随后三年内上升，但上升幅度是逐渐降低的，在第4年不升反降，随后碳排放量的增长率有所上升并逐渐保持稳定。因此，交通能源强度增长率的提高，其效果是使碳排放有较大的即时提高，但持续性较弱。降低交通能源强度的长期战略的总体效果将使其对碳排放的弹性降低，使碳排放量增长速度得到抑制。

城市居民消费水平与碳排放。图1显示，对来自lx的冲击，li期初的响应是正向增强的，以后逐渐减弱。这表明给城市居民消费水平一个正向冲击，将会导致开始两年内城市居民消费水平对碳排放量的弹性上升，但从第2年开始，城市居民消费水平对碳排放量的弹性将会逐年下降。作为使城市居民消费水平增长率提高的政策调整，短期内对碳排放量的增长率有较为明显的提高，但长期内使碳排放增长率提高的效果并不明显。

人均gdp与碳排放。图1显示，对来自la的冲击，li的响应首先是负向逐渐增强，在第4期达到负向最大，然后负向减少。这一结果表明，如果给人均gdp一个正向冲击，那么人均gdp对碳排放量的弹性在随后各年逐年下降，这有利于保持较高的人均gdp增长率而不使碳排放增长率增加。

各变量的冲击不仅对碳排放量会产生即期和后期的影响，而且不同冲击的重要性也不一样。下面通过方差分解的方法来分析各因素对碳排放量变动的贡献大小。

图2中，横轴表示方差分解的时期数（单位：年），纵轴表示各变量对li变化的贡献率。图2显示，除了碳排放自身外，交通能源强度对碳排放量的贡献最大。此外，在前5期，城市居民消费水平较大，第6期开始，城市化率的贡献仅次于交通能源强度，人均gdp对碳排放的贡献率总体来说较小。由此可知，短期内，城市化率并不是导致碳排放增长的主要因素，但在长期将对碳排放产生最为重要的影响。因此，如何稳步推进城市化从而有利于中国城市道路交通碳减排战略目标的实现，值得人们思考。交通能源强度虽然是碳排放的重要影响因素，但从长期来看没有超过碳排放本身所起的作用，意味着在没有外界冲击的情况下，碳排放在长期内将会按其自身规律发展，产生碳排放量增加的强化效应，这说明选择什么样的宏观政策将对中国城市道路碳减排起重要的作用。

2.3.3 各因素对碳排放的短期动态影响

根据前面的有关检验可知，由var模型可以导出有意义的vec模型，在vec模型的5个方程中提取li方程如下:

li=0.947 5ecm-1-0.824 1li-1+0.862 1lp-1+0.524 7lt-1-0.041 8lx-1+0.710 3la-1+0.095 1+u(6)

碳排放的短期变动分为两部分：一部分是由于短期滞后1期的各变量变动的影响；另一部分是由前一期碳排放偏离长期均衡关系（即ecm(-1)）的影响。

方程（6）右边各变量的系数可以理解为相应变量滞后1期的波动对当期碳排放的弹性或者短期生态弹性。由方程（6）可知，各变量滞后1期的波动对当期碳排放的正向影响大小依次为：城市化率、人均gdp、交通能源强度，而负向影响依次为碳排放、城市居民消费水平。其中，城市化率滞后1期的波动对当期碳排放的弹性为0.861 2，即滞后1期的城市化率每增加1%，其它因素不变时，当期碳排放量将增加86.21%。因此，前期通过施加降低城市化率增长速度的干预措施，有利于当期碳排放量的下降，与长期均衡下降低城市化速度的效果相差不到7个百分点。

城市居民消费水平滞后1期的波动对当期碳排放的弹性为-0.041 8，说明前期通过政府干预，调整城市居民消费结构而降低城市居民消费水平将会提高当期碳排放量，这与长期均衡下能明显降低碳排放的效果不同。

人均gdp滞后1期的波动对当期碳排放的弹性为0.710 3，比起其长期均衡弹性0.441 8，人均gdp滞后1期对当期碳排放极富弹性，前一期人均gdp增长率的提高，将极大地促使当期碳排放量的上升。

交通能源强度滞后1期的波动对当期碳排放的弹性为0.524 7，比长期均衡弹性小，说明前一期交通能源强度增长率的提高，将使当期碳排放增长率上升，但低于长期均衡效果。

3 预测与情境分析

3.1 预测

以2005年的实际数据为基础， 根据模型（5），运用matlab软件编写相应的程序对2006-2008年的中国城市道路交通碳排放量及其影响因素的值进行模拟，并对2009-2030年的值进行预测。由一切照常情景（bau）下预测的结果碳排放量预测值见图3，其它因素的预测值未能详细列出（仅在后文需要时用到），读者可向作者索取。可知，如果继续延续中国2008年以前的经济社会发展模式（bau情景），碳排放及其影响因素按其原有规律发展，那么，到2030年，中国城市道路交通碳排放量达到7.72亿 t，是2008年的7.54倍，而且其增长趋势十分强劲。显然，这是不可持续的。下面根据前文的分析，对碳排放的各影响因素进行设定，考察在外力干预下的中国城市道路交通碳排放变化情况。

3.2 情景分析

与文献［6］类似，将情景设为节能、低碳、强化低碳三种。节能情景反映这样一种保守的情景：当前节能减排政策继续实施，经济社会稳步发展，技术特别是城市交通技术进步得到发展，经济发展方式转变受到重视，但无应对气候变化的特别政策措施。低碳情景反映了经济发展模式的改变，技术进步得到强化，但城市居民消费增长保持在一定水平，代表了低碳发展的一种未来趋势。强化低碳情景反映了以内涵式的增长为主的发展方式，科技进步进一步强化，gdp增长较缓，代表了中国应对气候变化为全球碳减排所作出的贡献。下面将考察时段分为2010-2015年、2016-2020年、2021-2030年、2031-2040年、2041-2050年五个区间。

人均gdp。根据实证分析结果，综合已有的研究［6,13］，设定节能情形下各区间人均gdp的年均增长率分别为7.84%、7.19%、6.95%、5.0%、3.67%。与文献［14］类似，为使计算简便，在此基础上分别向下浮动1与1.5个百分点得到低碳与强化低碳情景下的人均gdp的年均增长率。

城市化率。一般认为，城市化率在30%-70%之间尤其是在50%左右时增长率提高最快，因此，根据实证分析，并参考有关的研究［6,15-16］，设定节能情景下，2015年、2020年中国城市化率达到54.26%、61.33%，以后城市化率增速变慢，2030年、2040年、2050年分别达到70.07%、74.09%、78.11%的水平。在此基础上，向下浮动2.2个百分点作为低碳情景中相应年份的城市化率，向下浮动4.6个百分点作为强化低碳情景中相应年份的城市化率，由此得到各区间的城市化率年均增长率。

交通能源强度。1978-2008年的交通能源强度年均降低3%，根据bau下的预测结果，bau情形中2010-2015年的交通能源强度年均降低4.9%，2016-2020年的交通能源强度年均降低3.8%，结合前面的实证分析，设定节能情景下，各区间的交通能源强度年均下降率分别为5.9%、5.4%、4.9%、4.5%、4.0%。在此基础上，分别向下浮动1与2个百分点作为低碳与强化低碳情景中相应年份的交通能源强度年均下降率。

城市居民消费水平。1978-2008年的城市居民消费水平年均增长率为6.34%，根据bau下的预测结果，bau情景下2010-2020年的城市居民消费水平年均增长率将为8.39%。考虑到中国将在2020年基本实现工业化，2021年以后，中国进入后工业化时期，投资率将下降，消费率会不断提高。因此，结合实证分析，设定节能情景下，各区间的城市居民消费水平年均增长率分别为8%、7.78%、8%、8.22%、8.44%，在此基础上，2010-2015年向下浮动0.5个百分点作为低碳情景中相应年份的城市居民消费水平增长率，向下浮动0.7个百分点作为强化低碳情景中相应年份的城市居民消费水平增长率。

根据上面对各因素增长率的设定，以及协整模型（4），运用matlab软件编写相应的程序运算，得到各情景中2009-2050年各年的中国城市道路交通碳排放量（见图3）。

图3显示， 2030年，节能、低碳、强化低碳情景下的中国城市交通碳排放量分别为3.596 2、2.587 7、1.867 8亿t，分别比一切照常情景（bau）减少53.42%、66.48%、75.8%。考虑到美国公路运输消费的非化石能源比重很小［17］，如果也将美国道路交通消耗的能源看作是化石能源，那么分别比美国2007年的城市道路交通少排放0.06、1.06、1.79亿t以上的co2。在2050年，节能、低碳、强化

低碳情景下的中国城市交通碳排放量分别为9.015 8、4.812 6、2.787 1亿t碳，强化低碳情景下的中国城市交通碳排放量大约相当于美国1989年的碳排放量。

在bau、节能、低碳、强化低碳四种情景下，中国人均gdp达到1万美元（2008年美元）以上的时间节点分别为2022、2024、2026、2028年。由图3可知，其时的城市交通碳排放量分别为3.42、2.55、2.15、1.75亿t。节能、低碳、强化低碳情景下2050年人均gdp将分别为3.646 4、2.447 5、2.002 4万美元（2008年美元），达到世界中等发达国家水平，基本实现现代化目标。

转贴于

4 结论与启示

本文以1978年以来的数据为基础，运用协整与var及vec方法分析了中国人均gdp、城市化率、城市居民消费水平、交通能源强度及碳排放等变量之间的长期均衡关系和动态作用机制，并进行模拟预测和碳排放情景分析。在没有外界冲击的情况下，碳排放将遵循自身的发展规律，中国经济社会无法可持续地发展；外界冲击的强弱不同，中国道路交通碳排放水平差异很大。基于本文的研究，可以得到如下结论与启示：

（1）技术进步（以交通能源强度表征）、经济发展、城市化方面的多种因素共同作用的结果决定了中国城市道路交通碳排放持续增长的趋势难以避免。一切照常情景（bau）下，2009-2030年的中国城市道路交通碳排放年均增长率达到10.63%；2010-2050年，节能、低碳、强化低碳情景下的中国城市道路交通碳排放量年均增长率分别减弱为为5.51%、3.96%、2.66%。在相当长的时期里，中国城市道路交通碳排放量的拐点难以出现。

（2）不同的发展理念和政策与技术的组合，可以使城市道路交通碳排放发生重大变化。本文通过对城市化率、交通能源强度、城市居民消费水平和人均gdp的增长幅度作不同的组合，强化低碳情景下的中国城市道路交通碳排放量年均增长率不到节能情形下的一半。

（3）政府的主导，广大居民的碳减排意识及其行动是城市道路交通碳减排的关键。城市化率、交通能源强度、城市居民消费水平和人均gdp是影响城市道路交通碳排放的主要因素，靠市场本身的发展来转变这些因素的发展方式从而达到碳减排，其过程漫长代价巨大，需要发挥政府的主导作用，进行积极干预和调整。从各因素对碳排放量变动的贡献来看，中短期政策调整的重点应放在交通能源强度对碳排放的影响上，长期战略调整的重点应放在城市化率和交通能源强度对碳排放量的影响上。

政府通过城乡统筹稳步推进城市化，适当控制城市化发展速度，城市化率每变动1%，就可以使城市道路交通碳排放同向变动0.928 8%。实施使城市化增长率降低的长期战略，将使城市化率对城市交通碳排放的弹性下降，城市化率对碳排放量的提升作用得到有效抑制。

政府通过加大政策创新力度和推进技术进步，采取提高燃油经济性标准、开发车用替代燃料、融合协调城市土地利用与交通规划、发展智能交通系统、引导私人汽车使用等等基于机动车、燃料、道路和出行需求的政策措施，可以有效降低城市道路交通车均化石能源消耗量（交通能源强度），交通能源强度每变动1%，城市道路交通碳排放会同向变动0.734 1%。

降低碳排放的方法篇9

摘要：通过农村碳排放社区管理模型及其扩展模型的构建和分析后发现：社区共管是管理我国农村碳排放问题的最优途径。

关键词：农村碳排放；负外部性；社区管理模型；社区共管

中图分类号：F327；F205文献标识码：A文章编号：1001-8409（2013）10-0121-05

Research on the Community Management

of Rural Carbon Emissions Problem

WEI Huilan， ZHAO Songsong

（School of Economics， Lanzhou University， Lanzhou 730000）

Abstract： This paper， through the rural carbon emissions community management model and its extension model's construction and analysis， proves the theoretic model propositions. Finally， it puts forward policy Suggestions on rural carbon emissions community management.

Key words： rural carbon emissions； negative externalities； community management；community comanagement

一、引言

随着经济的发展，碳排放对农村社区的作用力也随之增加。目前农村碳排放态势一是农民碳排放行为负外部性较强；二是农民低碳行为自主治理的集体行动能力相对较差。这是农村碳排放管理面临的两个基本困境。因此，运用外部性理论来解释农村低碳路径就显得更为合理。从实践来看，解决居民行为负外部性的途径往往是政府治理，但政府治理缺乏相应的激励机制，以致于国家通过强制手段来管制人们的资源使用行为时，其能力是有限的。另外，由于农村社区碳排放量的产权较为复杂且难以彻底私有化，因而也难以依靠市场机制来解决。

社区管理途径为这一问题的解决提供了一个可行思路[1]。本文通过农村碳排放社区管理模型及其扩展模型的构建和分析，试图证明，碳排放社区管理不仅能促使私人利益与社区利益的统一，还可以借助于政府、市场等途径构建社区共管模式，实现社区利益与社会利益的统一，最终提高社区碳排放负外部性内部化的效率。

二、碳排放社区管理理论分析

社区管理是指在政府指导下，社区职能部门、社区单位和社区居民对社区各项公共事务和公益事业进行的基于本土知识特定治理结构的自我管理[2，3]。将社区管理含义的边界扩展，其基本含义是与以社区为主体的保护，并拥有社区资源的自我管理权；同时又可向另外两个主体延伸：向上可进入政府的保护活动中，向下又可进入实施碳排放产权私有化的范围。

碳排放社区管理是建立在降低社区居民碳排放负外部性之上的双赢管理模式，其本质特征在于降低碳排放负外部性。然而，农村碳排放负外部性的含义告诉我们，由于碳排放负外部性的存在，即农村社区居民不必弥补外部成本而获得碳排放收益，使得农村碳排放快速增加。实际上，农村碳排放的负外部性理论比上述要复杂得多，表现在社区农民的行为集合使所有相关方的成本-收益函数被动地发生了改变[4]。不同内容的负外部性，其影响程度和范围是不同的，根据碳排放负外部性的程度和社区管理交易费用可将其分为社区内、社区外以及整体性影响三类[5]，如表1所示。社区内负外部性即社区居民对另一居民产生了影响，使其收益降低。非本社区负外部性表面社区居民对非本社区居民也产生了影响，使其收益降低。而其他负外部性产品是指过度的碳排放会导致其他“坏公共物品”的产生，如秸秆燃烧、砍伐树木等消耗碳汇而增加碳排放的行为，会导致气候变暖等“坏公共物品”。

合理管理模式的选择， 取决于负外部性程度和交易费用的高低[6]。而兼顾降低碳排放负外部性和交易成本优势的碳排放社区管理，不仅会促使社区居民碳排放的私人利益、社区利益和社会利益的共赢，还会通过以下几方面降低农村碳排放的负外部性。

表1农村碳排放负外部性的分类

负外部性种类负外部性程度社区管理

交易费用社区内的

负外部性社区居民间的负外部性强度大、范围小小社区居民对农村农业系统的负外部性强度小、一定范围小农村碳汇服务能力的下降强度大、范围小小非本社区的负外部性社区居民对非社区居民的负外部性强度小、一定范围大农村对城市的负外部性强度小、范围小大其他负外部性产品坏公共物品的产生强度大、范围大大（一）农村社区管理中的合作

社区管理的基本特征是社区管理制度，更重要的是其所代表的文化机制。这一核心观点可分解为社区文化价值与社区社会机制。社区文化价值方面，碳排放上涨会导致降低碳排放的物质价值和精神价值增加，两种价值共同引导人们的合作倾向。社区社会机制方面，包括社会关系纽带和社会声望体系，也会促进合作。社区管理实际上会使社区居民产生一体化倾向，因而在碳排放社区管理的模式中，搭便车问题会得到缓解[7]。

（二）农村社区管理中的激励机制

除合作条件之外，还需要另一个条件：社区如何使用自身的碳排放选择。社区管理的激励机制是基于这样一种认识：碳排放增加会给社区带来长期影响，且碳排放选择收益为农村社区居民拥有[8]。正是特定地理空间的聚集效应，从而塑造了低碳问题上的利益共同体——社区，使低碳选择在社区层次上具有“产权私有且可收益性”的性质，碳排放社区管理的激励机制便产生了，进而使居民产生低碳选择，最终降低了碳排放负外部性。

（三）农村社区管理中的本土经验

与现代科技为基础的经营管理相比，社区成员在长期与自然环境的互动中发展出来的传统知识，颇符合现代生态学原理，为某些人类生态学者认可，称之为生态智能[9]。社区居民对社区资源的使用已成为一种社区生存机制，并以口头知识、传统、宗教等形式表现出来，形成了人与自然较为和谐的互动关系。这些关系会降低社区居民碳排放负外部性的产生以及强度。

（四）农村碳排放社区管理的双向扩展性

至于碳排放社区管理的含义，可将其边界向政府保护活动和市场私有化扩展，成为社区共管模式。政府方向上，社区共管包括政府制度化的参与、协作管理、公共物品管理转移和以环境管理等。私有方向上，则可以利用市场机制进一步影响社区居民的碳排放选择。

三、社区管理与农村碳排放量模型假设

通过以上分析发现，社区居民碳排放行为使居民间产生了负外部性特征，而碳排放社区管理的提出，为社区居民碳排放的共赢模式提供了一个可行途径。由此提出研究假设。

假设1：社区管理可以通过降低农村碳排放负外部性，进而降低碳排放量。

假设2：社区对于降低碳排放具有长期的管理者地位。

假设3：社区居民可以从低碳选择中获得收入。

假设4：社区居民与非社区居民生产、消费的各种产品和碳排放产品均存在于完全竞争市场。

社区管理在改善农村碳排放问题上具备有效性，但也有不足的地方。我们来分析一个简单的模型[10，11]。假定在农村碳排放市场中只有3个参与者：产生碳排放的社区居民1、负外部性接受者的社区居民2和非社区的居民3。

（一）社区管理的有效性——社区自我管理

首先分析社区内负外部性，假定在农村碳排放市场中只有2个参与者，产生碳排放的社区居民1和作为负外部性接受者的社区居民2，社区居民1产生QCO2的碳排放。令社区居民1的成本函数为C1（Q1，QCO2），其中Q1是社区居民1生产消费的所有产品，QCO2是社区居民1生产消费Q1产生的碳排放，这里把碳排放量看作一种产品。则社区居民2的成本函数是C2（Q2，QCO2），其中Q2是社区居民2生产消费的所有产品，QCO2是社区居民2接受社区居民1产生的碳排放数量。社区居民2生产消费Q2取决于社区居民1产生的碳排放量。假设碳排放增加了社区居民2生产消费的成本，碳排放降低了社区居民1生产消费的成本。同时假定他们的成本-收益函数是已知且相同的，最后假定，碳排放的产生是一个单向负外部性模型[12]。

社区居民1的最大化问题为：

maxP1Q1-C1（Q1，QCO2） （1）

社区居民2的最大化问题为：

maxP2Q2-C2（Q2，QCO2） （2）

社区居民2只能接受社区居民1产生的碳排放量， 社区居民1可以选择任意的碳排放量。

关于3种产品分别求导可得，社区居民1最大化的一阶条件为：

P1=C1（Q1，QCO2）Q1 （3）

0=C1（Q1，QCO2）QCO2 （4）

社区居民2最大化的一阶条件为：

P2=C2（Q2，QCO2）Q2 （5）

上述3个条件表明：在个人利润最大化点上，社区居民生产消费每种产品的价格应等于其边际成本。对于碳排放QCO2来说，假设它的价格为0，进而得出：社区居民1产生的碳排放会引起社区居民2生产消费的成本随碳排放的增加而增加，这是社区居民1生产消费导致的部分社区外部性成本。可以预期，社区居民1会产生更多的碳排放QCO2。

通过简单的模型分析社区管理模式下的碳排放成本-收益状况。假设社区居民1和社区居民2的生产消费活动在社区管理的指导下，进行Q1、Q2、QCO2的生产消费活动，这样社区负外部性就内部化了，原因在于如果碳排放交由社区管理，那么它在选择社区利益最大化计划时，会综合考虑社区居民1和社区居民2之间的相互影响。

社区管理后的社区利益最大化问题为：

maxP1Q1+P2Q2-C1（Q1，QCO2）-C2（Q2，QCO2） （6）

社区管理后的社区利益最大化一阶条件为：

P1=C1（Q1，QCO2）Q1 （7）

P2=C2（Q2，QCO2）Q2 （8）

0=P1=C1（Q1，QCO2）QCO2+C2（Q2，QCO2）QCO2 （9）

式（9）表明，社区管理后，整个社区会同时考虑碳排放对社区居民1边际成本的影响和对社区居民2边际成本的影响。也就是说，社区居民1考虑到了自身经济活动产生的负外部性。

社区管理之前，碳排放的最优数量由式（4）决定，对式（4）进一步推导可得：

MC1（Q*1，QCO2*）=0 （10）

社区管理之后，碳排放的最有数量由式（9）决定，对式（9）进一步推导可得：

-MC1（Q*1，QCO2*）=MC1（Q*2，QCO2*）>0 （11）

式（11）中，MC1（Q*2，QCO2*）>0，这是因为碳排放增加会使社区居民2的成本增加。社区管理后的社区居民1会在-MC1（Q*1，QCO2*）>0的地方进行生产，也就是说，与社区管理之前相比，社区居民1产生的碳排放降低了。

结论一：社区管理下的碳排放最优条件为两个社区居民关于碳排放的边际成本之和等于0，如图1所示，-MC1=MC2，在这种假设条件下，社区管理之前产生的碳排放水平由Q2降低到Q1。

（二）社区管理的不足和扩展——社区共管

社区管理在降低社区内负外部性具有一定的有效性，但对于农村碳排放产生范围较广的负外部性问题，社区管理的成本-收益优势就丧失了。换个角度来讲，社区管理在降低农村碳排放负外部性的作用还可以扩展，除了社区完整拥有降低碳排放的权利之外，向上可以与政府治理接壤，向下则与产权私有契合。将非社区居民3考虑进来，对第一个模型进行扩展，假设与扩展前的假设相同。

假设社区居民1、社区居民2和非社区居民3共同组成了社会成本-收益，社区居民1和社区居民2组成了社区成本-收益，自变量均为碳排放减少量，令非社区居民3的成本函数C3（Q3，QCO2），可构建社区共管的社会最优效果为：

TB=P1Q1+P2Q2+P3Q3-C1（Q1，QCO2）-C2（Q2，QCO2）-C3（Q3，Q1CO2） （12）

从式（12）可以看出，虽然社区居民1的生产消费活动引起了非社区居民3成本函数的变化，即非社区居民3在做经济决策时需要考虑Q1CO2。对式（12）求导并等于0，并进一步推导可得：

TB′=（MSB-MSC）-（MCB-MCC）=0 （13）

其中MPC代表居民为生产、消费碳排放所支付的成本，MSC是农村系统中生产、消费产品的全部成本，MPB为农村系统中个人降低碳排放所带来的收益，MSB为农村系统所获得的总收益，MEB是碳排放减少所带来的正外部性收益。式（13）可转化为：

MAXS=[（MSB-MSC）-（MPB-MPC）]=[（MSB-MPB）-（MSC-MPC）]（14）

则社区管理解决农村碳排放外部性的最优结果为：

MAXS=（MEB-MEC） （15）

由图2可知，式（15）可理解为MEB和MEC两个线的交点。其中MEC为 碳排放造成健康和财产损失的成本，包括碳排放所引起经济影响、生态环境问题、健康、人们的幸福水平等。MEB为碳排放减少所带来的正外部性。如图2所示，Q为社区居民追求个人利益最大化的碳排放减少量，Q2是碳排放为0的点。对于Q2这一点，MEC值很大，则负外部性较强，即碳排放减少量不能降低太多。在Q1点，MEB=MEC，即降低农村碳排放的边界负外部性成本等于其边界负外部性收益，可使农村社区与社会实现降低碳排放的帕累托改进，Q1为最优农村碳排放点。接下来面对的问题，则是碳排放边际外部成本如何由边际外部收益来支付。 对MEB进一步分析可得：

MEC=MSC-MPC （16）

MNPB=MPB-MPC （17）

根据式（15）、式（16）和式（17）可得：

MEB=MEC=MNPB （18）

式（17）表示社区居民的个人净收益等于边际个人收益减去边际个人成本。如图3所示，社区外部面对Q2数量的碳排放负外部性。根据帕累托改进的原理，当碳排放减少Q2时，此时碳排放减少最多，但MNPBMPB，表明存在帕累托改进。在Q1>Q>Q2时，MNPB0）从成本减收益来看，这个负外部性是最优的，此时边际外部性成本等于边际个人净收益。

结论二： 式（18）表明对于社区外的负外部性影响，需要通过社区管理的扩展，即社区共管模式来降低碳排放[20]。具体策略是降低碳排放获得的个人净收益，由享用降低碳排放的边际外部收益来支付，即可以达到降低碳排放负外部性的目的。

四、夏官营村：半干旱农村社区案例

（一）研究区概况

兰州市榆中县夏官营村地处榆中县中部，黄土层深厚，年平均气温657℃，四季分明，属温带半干旱大陆性气候，年均降雨350毫米，共有农村户口16133人。2004年底农民人均纯收入达2080元。夏官营村距兰州中心城区大约46公里，与榆中县城距离大约为13公里。距离市中心较远，这是西部大多数农村的特点基于百度百科夏官营镇基本情况的叙述与笔者调查所得。 。当地植被覆盖率低，植被和农田防护林数量在逐年减少。

（二）农村社区碳排放与社区管理

夏官营镇温室气体账户应该考虑三个关键排放源。农村碳排放的碳源种类主要有3个方面：分别是村镇生态子系统、农业生态子系统、自然生态子系统。村镇生态子系统主要包括：①人口：这里主要指常住人口。②能源：本地区的生活消费能源主要为煤，汽油在交通运输中叙述，同时汽油使用量较小，秸秆在农业系统中叙述，在本地区使用量较大。③交通运输：主要能源为汽油。农业生态子系统：首先农业变化很难预测，这主要是因为农业系统本身的不确定性，即便没有全球变暖、虫害要素禀赋差异，气候同样也很敏感，而这些因素无法准确预测，只能尽力试图预测农业的碳排放，包括：①化肥生产和使用过程中所导致的碳排放，主要是生产过程、运输过程和使用过程中耗费的化石燃料所导致的碳排放，同时化肥的过量使用改变了土壤结构、形成了环境污染，也会产生碳排放。②农药生产和使用过程中所引起的碳排放。③由于农业机械运用而直接或间接耗费的化石燃料所产生的碳排放。④灌溉过程中耗费的化石燃料产生的碳排放。⑤农作物秸秆资源作为农户生活燃料或露天焚烧造成的秸秆碳排放[10]。自然生态子系统主要包括草地植被等自然系统形成的生态过程。在调查过程和分析资料的过程中发现，化肥、农村土地结构所引起的N2O的增温潜能是CO2的200倍左右，氮引起的温室效应问题在未来几十年会更加严重。

针对夏官营村的三个关键碳排放子系统及其碳排放负外部性基本状况，本文对其进行了基本的社区管理分析：合作、激励机制较适用于社区内负外部性和非本社区的负外部性，社区共管下的双向扩展功能适用于其他负外部性产品；对于农业生态子系统来讲，合作、激励机制较适用于社区内负外部性和非本社区的负外部性，双向扩展功能适用于其他负外部性产品；而对于自然生态子系统来说，合作、本土经验较适用于社区内负外部性和非本社区的负外部性，双向扩展功能适用于其他负外部性产品（如表2）。表2夏官营村的碳排放负外部性及其社区管理

子系统

负外部性村镇生态子系统人口、

能源、交通运输农业生态子系统化肥、农药、

农业机械、农药灌溉、秸秆 自然生态子系统

草地植被社区内负外部性强度大、范围小强度小、一定范围强度小、范围小非本社区的负外部性强度小、一定范围强度小、一定范围强度小、一定范围其他负外部性产品强度小、范围大强度小、范围大强度小、范围大社区管理功能合作、激励机制、双向扩展合作、激励机制、双向扩展激励机制、本土经验、双向扩展

五、结论与政策建议

基于以上对农村碳排放负外部性的社区管理模型分析得出以下结论：社区管理主要通过社区自我管理和社区共管两种降低农村碳排放负外部性机制，进而对降低农村碳排放产生影响。

根据结论一可知，社区自我管理可以实现农村碳排放的降低，实现了帕累托有效的碳排放量。但这种管理模式在实际管理中的运用会遇到一定障碍，比如基于碳汇交易的碳排放市场仍未完全建立起来，以及社区居民生产消费各种产品的市场和碳排放市场为完全竞争市场假设的影响，因此社区管理模式的实行是建立在解决这些问题的基础之上的。

根据结论二可知，社区居民降低碳排放的边际外部性成本，可由降低农村碳排放的边际个人净收益来支付。这一研究为构建降低农村碳排放的社区共管模式提供了有效思路。

此模式目前面临的状况是农村居民降低农村碳排放的收益严重不足、降低碳排放的边际外部收益不清晰和难以统筹管理，可以采用的方法是政府划定个人净收益范围等政策来为社区创造降低碳排放的收益机制，这样降低农村碳排放的社区管理模式才是可持续的。在更大程度上，政府应当通过订立契约、立法、补贴、税收政策等手段将一部分公共物品与服务的生产管理让渡给社区组织承担或者支持社区管理模式。

参考文献：

[1]Elinor Ostrom.The Evolution of Institutions for Collective Action[M].Cambridge University Press，1990.

[2]黎熙元.现代社区概论[M].广州：中山大学出版社，1998.

[3]汪波.城市社区管理体制创新探索——行政、统筹、自治之三元复合体制[J].新视野，2010（2）：40-43.

[4]安德鲁·马斯克莱尔·迈克尔·D.温斯顿.杰里·R·格林，刘文忻，李绍荣主译.高级微观经济学[M].中国社会科学出版社， 2001：489-524.

[5]蔡防.论农业经营形式的选择—着重于社区合作组织的经济学分析[J].经济研究，1993（1）：26-32.

[6]何灵巧.外部性的分类及外部性理论的演化[J].浙江大学学报（人文社会科学版），2002（1）：152-158.

[7]陶传进.环境治理：以社区为基础[M].社会科学文献出版社，2001：18-146.

[8]Jeffrey A， McNeely. A Foreword by Tropical Deforestation： The Human Dimension[M].Columbia University Press，1996.

[9]Berkes， Firket.Sacred Ecology： Traditional Ecological Knowledge and Resource Management. Taylor and Francis[M].1999.

[10]陈万灵.社区研究的经济学模型——基于农村社区机制的研究[J].经济研究，2002（9）：57-66.

[11]盛洪.论社区资产个人化的途径：“分”与“卖”[J].管理世界，1998（3）：42-48.

[12]哈尔 R 范里安.微观经济学：现代观点（第八版）[M].上海：格致出版社，2011.

降低碳排放的方法篇10

迄今没有哪家企业敢于公开拒绝绿色环保供应链，也没有哪家企业敢于明确供应链碳足迹的严格掌控权。与供应链密切的相关企业的共识是：运输和物流产业能够成为低碳战略的赢家，如提高企业经营效率，进一步深化车辆工程开发，优化车辆驾驶技能，通过节能减排进一步降低货运成本等等。而实施碳足迹追踪而获得的绿色环保的供应链对全人类都有好处，何乐而不为?

“碳足迹”来源于英语单词“Carbon Footprint”，其涵义是人的能源意识和行为对自然界产生的影响，其中包括供应链业务。在“环境保护”和“全球变暖”被越来越多地提上日程的今天，碳足迹不仅仅只针对二氧化碳，还包括甲烷、臭氧、氧化亚氮、六氟化硫、氢氟碳化合物、全氟和氯氟烃等。鉴于此，多数碳足迹计算包括所有导致温室效应与地球变暖有关的气体。

面对全球减碳新趋势，全球产业供应链绝对无法置身事外。“低成本+低碳”减碳已经成为全球企业必须面对的问题，现在供应链和企业经营者不止要拼低成本，更要拼低碳了，供应链碳管理的要求已在全球悄悄启动：大大小小等多家知名企业自发性地投入供应链碳足迹控制行动，担负起供应链管理在量化产品碳足迹上的责任，各界企业均开始尝到碳足迹控制的冲击。

碳足迹分析有两种模式

世界银行前首席经济学家尼古拉斯・史登爵士托撰写的“史登报告”认为，每排放一吨二氧化碳至少造成85美元的损失，但降低一吨二氧化碳只要25美元以下。换句话说，温室气体减排能让我们获利：向低碳经济转型将带来巨大的商机，估计2060年低碳技术的市场产值将达到5000亿美元。美国马萨诸塞州物流和运输技术中心研究院工程系统部主任托尼・克雷格博士表示目前使用最多和范围最广的所谓企业碳足迹分析标准有两套模式：

一是温室气体盘查议定书(简称GHG)，该议定书认定的温室气体是指大气中自然或人为产生的气体成分，它们能够吸收和释放地球表面、大气和云发出的热红外辐射光谱内特定波长的辐射，该特性导致温室效应，如水汽、二氧化碳、氧化亚氮、甲烷和臭氧是地球大气中主要的温室气体。此外，大气中还有许多完全人为产生的温室气体，如的卤烃和其他含氯和含溴的物质。此外，“京都议定书”将六氟化硫(SF6)、氢氟碳化物(HFC)和全氟化碳(PFC)等也定为温室气体。而温室气体盘查议定书是迄今世界各国和地区政府当局有关部门或组织使用最广泛的应对气候变化的温室气体国际核算框架和工具，专门用来量化管理、跟踪、排查、清单编制、深入了解各行各业温室气体排放量，为世界各国和地区政府当局为限制和管理温室气体排放而制定政策提供可靠的数据资料。

目前温室气体排放可以分三个范畴：国家或地区的能源燃烧排放统计：企业或组织自身与供应链等相关经营活动的温室气体排放：个别产品生命周期的温室气体排放。企业或产业的排放，通常指的与制造部分相关的排放，而碳足迹的排放还得包含产品原材料的开采与制造，产品本身的制造与组装，产品使用时产生的排放，产品废弃或回收时所产生的排放，其范围是整个产品的生命周期。托尼・克雷格博士指出，GHG标准可以跨国和洲际实施标准。

二是英国的碳信托(Carbon Trust)管理模式，即以信托方式将产品生命周期的温室气体排放的“碳足迹”标示在产品上，因此又简称为碳标示模式：碳标示是由英国政府出资成立的非盈利组织(NPO)法人机构“碳信托”公司所发起，协助英国企业界进行减碳，包括推动“碳补偿”或“碳中和”等工作。2007年3月，碳信托公司与英国食品公司沃克斯集团合作，在其洋芋片等产品包装贴上碳标签，二氧化碳排放量75克(75g CO2)，此举引起国际重视，并带动各类产品贴上碳标签运动风靡全球的新潮流。2008年10月底，英国标准协会(BSI)进一步公布了代号为PAS 2050的“商品和服务生命周期温室气体排放评估规范”，以法规形式具体说明如何进行生命周期评估相关产品和行业活动的碳足迹。其确认温室气体种类在数量方面竟然远多于京都议定书与ISO 14064的范围。

商品和服务气体排放有规范

PAS 2050是采用英国标准协会严格的会议程序而制定的，包括英国和其他国家在内的近1000位业内专家参与了该项工作。企业通过了解二氧化碳排放的形成过程，并降低排放量，从而节省企业的相关费用。而作为消费者的社会公众在购买某项产品时看到或计算二氧化碳的排放量，并对企业降低二氧化碳排放的情况有所了解。按照成为企业目前的公共标准的PAS2050，企业除了测定和降低产品(包括服装、化妆品甚至肉饼)的碳足迹之外，还可以针对公众如何进行环保的选择、使用和处理产品提供建议。这是企业和社会公众首次拥有一项可以测定产品和服务碳足迹的完善统一的标准。有利于企业采取切实可行的途径来降低整个供应链中的二氧化碳排放量。

PAS 2050依据ISO 14040系列标准的方法制作指引，提供计算碳足迹五大步骤，分别为：步骤一：制作制程地图：步骤二：监别生命周期边界与盘查优先顺序；步骤三：收集已监别生命周期边界温室气体数据：步骤四：质量平衡、分配及计算；步骤五：不确定性分析。随着PAS 2050的公布，国际标准组织开始讨论将PAS 2050转化为ISO国际标准之可能性。以目前的局势看来，碳足迹核查最容易进行的可能是食品业：因为食品供应链短，数据收集较容易且数据的商业机密要求较不严格。相较之下电子业供应链长且复杂，且数据常有机密考虑而不易取得，进行碳足迹核查难度颇高，但是极可能成为碳足迹标示的目标：相关厂商需密切注意碳足迹后续的发展。

PAS 2050《商品和服务生命周期温室气体排放评估规范》是一项独立的标准。该标准是用于计算产品和服务在整个生命周期内(从原材料的获取，到生产、分销、使用和废弃后的处理)温室气体排放量。宗旨是帮助企业在管理自身生产过程中所形成的温室气体排放量的同时，寻找在产品设计、生产和供应等过程中降低温室气体排放的机会。它将帮助企业降低产品或服务的二氧化碳排放量，最终开发出更小碳足迹的新产品。PAS 2050的制定工作由一个独立的、包括非政府组织、学术界、企业界和政府部门代表在内的指导小组进行监管，并且有多个小组进行技术问题讨论以提供技术支持。此前，节碳基金已尝试在多家企业约75种产品中试行PAS 2050

标准，这些公司包括百事可乐(PepsiCo)、博姿(Boots)、Innocent、马绍尔(Marshalls)、特易购(Tesco)、吉百利(Cadbury)、哈利法克斯(Halifax)、可口可乐(CocaCola)、金佰利(Kimberly Clark)、合作集团(The Co-op-erative Group)、苏格兰与纽卡斯尔啤酒公司(Scottish ＆ Newcastle)、库尔斯酿酒公司(CoorsBrewers)、穆勒(Muller)、英国糖业公司(Briish Sugar)、英国联合农产品集团(ABAgri)、桑斯伯里连锁超市(Sainsbury’s)、法国达能公司(Danone)、大陆服装公司(Continental Clothing Company)、Colors Fruit、摩非・伟卓诗(Morphy Richards)、MeySelections和材料产业联合会(Aggregate Industries)等。

自从“京都议定书”生效以来，节能减碳已成为工业化国家最重要的课题。根据规范，38个工业化国家与欧盟，应优先承担减量责任，在2008-2012年，将温室气体排放量降至1990年水平平均值再减5.2％：而发展中国家则进行因应气候变迁之能力建构。根据京都议定书规定，签订协议书的38个国家必须在2008年到2012年间，将温室气体排放量降到1990年的标准。即使尚未签订议定书的美国，2008年2月加利福尼亚州海湾区也独自宣布将依照企业每年所排放的温室气体征收年费，加州海湾区的工厂、餐馆等企业，均受到影响。全球减碳最积极的欧盟国家，也规定自2008年1月起，若企业若未达到减量目标，出口商品1吨加罚100欧元。

必须指出，供应链碳足迹控制等相关规定在不少国家已经成为法律，例如英国2008年就公布所谓“英国气象变化法案”，该法案规定到2050年碳排放量减少6096，供应链被首当其冲地涉及到，该法案在具体实施过程中，明确要求所有企业在其财务报告中专项列出其碳排放年度信息资料。因此“想躲肯定躲不过去”的供应链经营人和其客户必须高度重视其碳足迹的问题。

企业参与全球“碳揭露计划”

除了各国政府的政策带动，民间部门也致力于减少温室气体的排放量。由全球315个国际重量级法人投资机构于2000年共同发起了“碳揭露计划”，率先进行调查并公布企业的碳排放量资料。包括惠普(HP)、戴尔(Dell)、宝洁(P＆G)、百事可乐(Pepsi)、特易购(Tesco)等国际大厂，联合组成“供应链领导联盟”，向旗下供货商施压，要求供货商公布碳排放的资料，提供其“碳揭露计划”。全球企业掀起减碳热潮，不仅产品要贴上碳指标定额，减碳已成为主流趋势，更是包括供应链在内的各行各业最大化提高竞争力的表现。近几年，全球暖化造成气候异常，温室气体排放控制成为世界各国共同关注的议题时，压力与责任同时也转移到包括供应链在内的企业界来了。

产品的“碳足迹”追踪结果，也就是产品从原料、制造、运送、使用到弃置的所谓供应链整个过程中的“产品生命周期评估”(Life―Cycle Assessment，简称LCA)也渐受重视。由于LCA逐渐成为影响商品市场竞争力的关键因素，也往往带动了整个产业发展结构的变革，以及环保技术的全面科技化。戴尔(Dell)计算机世界各地工厂，在2007年9月底均收到戴尔美国总部寄来的一份文件，由总裁麦克・戴尔具名要求全球供货商于2007年11月前，必须统计生产线所产生的温室气体排放量，与戴尔共同降低15％的二氧化碳排放量。这个全世界第二大计算机厂商已经宣布，今后将大量投资环保事业，在2008年底成为全球第一个达到“碳中和”的计算机生产商与品牌商。日本松下(Panasonic)电器集团因应全球暖化问题日益严重，2008年也首度将减少二氧化碳排放量列入年度营运目标，并订出2008年二氧化碳排放量减少10万公吨以上、2009年减少30万公吨以上的计划。航运业和航空业由于每年耗油量巨大也承受到减碳的压力，国际公约对于船舶的环保设施要求也愈来愈高，除了要求废油与废弃物处理之外，连船舶和运输飞机的排放二氧化碳量都列入评比项目，无法有效减碳的船只，就无法取得适航证书。