赵晓男 李远利 北方工业大学经济管理学院 100144
DOI:10.14097/j.cnki.5392/20180321.036
摘要:随着全球气候变暖日益引起各国政府及人民的高度关注,居民消费碳足迹概念逐渐走入人们视野。本文在国内外学者们研究的基础上,对2012年我国19个省份居民能源消费中产生的直接碳足迹情况进行研究,其中选取具有代表性的9种常常用能源。计算方法上采用碳排放系数法对我国居民消费直接碳足迹进行计算,并根据研究19个省份的居民消费碳足迹特点及分布给出相应的政策建议,以期推动我国碳足迹理论与实践的发展。
关键词:居民消费;碳足迹;碳排放系数法
根据政府间气候变化专门委员会(IPCC)的第三和第四次报告,人类的消费生产等各种活动在导致全球变暖的诸多因素中所占比例高达66%和90%。随着经济的发展,中国每年排放的CO2不断增加,因使用能源排放的CO2约占各种温室气体总排放量的80%。2017年召开的党的十九大报告提出,当前中国要建设的现代化是人与自然和谐共生的现代化,既要创造更多物质财富和精神财富以满足人民日益增长的美好生活需要,也要提供更多优质生态产品以满足人民日益增长的优美生态环境需要。在这个大背景下,由于能源消耗产生碳足迹而带来的环境问题也就变得亟待解决,响应十九大号召,着力解决突出环境问题,坚持全民共治、源头防治。碳足迹是目前国内外普遍认可的用于应对气候变化、解决定量评价碳排放的度量概念。为此,本文将从空间角度对我国居民消费直接碳足迹进行研究并分析其发展特点。
一、居民消费碳足迹研究现状
碳足迹 (Carbon Footprint) 即指日常生活中二氧化碳的排放总量,是对碳排放水平进行的度量。居民消费碳足迹的来源有两类:一是居民在生活消费中直接消耗掉的能源而产生的碳足迹,如煤炭燃烧、交通能源消耗而产生的碳足迹及电力的使用等。二是居民生活消费的各种产品所包含的隐含碳足迹,如居民食用面包虽然并为直接产生碳足迹,但是面包在生产过程中会间接地使用到煤炭及电力等能源而产生碳排放。直接碳足迹所占比例虽然低于隐含碳足迹,但因其涉及到直接消耗能源情况,对居民消费碳足迹有更为直观的反映。
中国开展居民消费碳足迹的研究较晚,而对居民消费碳足迹结构演变的相关研究也不多。研究方法上主要包括投入产出法、碳排放系数法及消费者生活方式法等。Guo et al.(2013)[29]运用投入产出法并基于中国2007年投入产出数据计算我国居民消费碳足迹,并指出中国居民消费隐含碳足迹高于直接碳足迹,且城镇居民碳足迹高于农村居民。Ma et al.(2016)[31]运用投入产出模型计算了中美两国八部门的隐含碳足迹,并进行定量分析。Ted Trainer(2017)[40]基于IPCC工作的最新报告对碳减排的部分内容进行批判性分析,并运用该方法计算不同能源(化石能源及可再生能源等)消费过程的碳减排成本消耗,分析居民消费中不同能源消费成本比例带来的企业碳减排成本消耗。Fenget al.(2011)[43]采用消费者生活方式法对2001-2007年中国居民在不同地区及收入水平下的能源消耗及碳排放进行研究。Market al.(2017)通过五组家庭收入计算了欧盟27国居民消费的碳足迹,使用了完整的宏观经济投入产出模型,研究对象覆盖了欧盟27国59个行业和5个家庭收入群体,结果总体上揭示了一个相对的解耦效应:高收入群体的收入在所有收入中的份额(45%)大于其碳足迹在所有碳足迹中的份额(37%),底层收入群体则正好相反(收入的6%和8%)。Fanget al.(2017)对贵阳市十年(2002 - 2012年)的居民直接碳足迹情况进行调查,以了解其循环经济实践如何带来低碳效益,提出了解决区域低碳转型障碍的政策建议。Tianet al.(2016)对辽宁省1997,2002,2007年居民消费直接和间接碳足迹进行研究,并分析其特征及主要驱动力,研究结果显示,城镇居民消费产生的碳足迹高于农村地区,而间接碳足迹高于直接碳足迹。此外还发现人口规模和人均消费是导致家庭碳足迹增加的主要因素。
由学者们当前的研究可见,近年来我国能源消耗、碳足迹处于逐年增加状态,并且居民消费碳足迹结构中,隐含碳足迹高于直接碳足迹,总体而言,中国的城镇居民消费碳足迹相比农村居民消费碳足迹要高,并且居民消费碳足迹的构成中能源资源丰富地区的碳足迹要高于短缺地区,经济发达地区碳足迹高于欠发达地区。但这些研究主要关注的是某一单个省份的居民消费碳足迹,对全国层面的研究不多。碳足迹在省际间的研究也有,但是较少从居民消费碳足迹在省际间转移得到视角考虑碳足迹。
研究方法
目前对居民消费碳足迹的计算方法主要有投入产出法(Input-Output,I-O法)、碳排放系数法(IPCC法)、消费者生活方式法等。每种方法都有其优缺点,学者们依据自身研究对象及目的选择适合的研究方法,本文从各个省份居民关于常用能源的消费情况进行分析不同省份居民能源消费情况及由此产生的碳足迹情况,考虑到数据的可获得性及研究的目的性,本文选择碳排放系数法计算不同省份居民关于常用能源消费碳足迹情况。
在碳排放计算过程中,选取了原煤、焦炭、煤气、汽油、煤油、柴油、液化石油气、天然气、热力、电力等主要的居民能源消费对象,但是在数据寻找过程中发现各个省份关于焦炭的能源消费数据显示不够充分,所以本文在计算过程中只计算除焦炭之外的其他九种常用能源消费碳足迹情况。碳排放因子通过IPCC报告提供的计算方法,由缺省碳含量、平均低位发热量及能源氧化率计算得出,直接碳足迹计算公式为:
其中:C为不同省份的直接碳足迹总量,为不同省份的居民所消费的不同能源量,为碳排放因子,为氧化率。具体参数指如下表所示:
表1 居民生活直接消耗能源的CO2排放因子及氧化率
项 目 | 原煤 | 煤气 | 汽油 | 煤油 | 柴油 | 液化石油气 | 天然气 | 热力 | 电力 |
(t/t) | (t/万 m3) | (t/t) | (t/t) | (t/t) | (t/t) | (t/万 m3) | (t/GJ) | (t/M Wh) | |
排放因子 | 2.0545 | 0.7699 | 2.9847 | 3.0795 | 3.1590 | 3.1646 | 2.1840 | 0.1180 | 1.1208 |
氧化率(%) | 90 | 99 | 98 | 98 | 98 | 98 | 99 | 100 | 100 |
直接碳足迹特征分析
为了较好的分析区域居民消费碳足迹分布状况,同时考虑到数据的额可获得性,本文对我国十九个地区的居民消费直接碳足迹进行了计算,数据来源于《中国能源统计年鉴》的2013年中国能源平衡表(实物量),表2显示了我国十九个省级区域城乡居民对上文九种能源的消费而产生的直接碳足迹总量:
表2 不同地区城乡居民直接碳足迹情况 单位:万吨
地区 | 直接碳足迹总量 | 城镇居民直接碳足迹 | 乡村居民直接碳足迹 |
黑龙江 | 5728.89 | 4659.14 | 1069.76 |
吉林 | 2674.86 | 2108.71 | 566.15 |
辽宁 | 5768.47 | 4585.35 | 1183.12 |
内蒙古 | 5815.92 | 4551.05 | 1264.87 |
北京 | 3565.69 | 2850.15 | 715.54 |
天津 | 2365.69 | 1999.00 | 366.69 |
河北 | 6710.95 | 3295.48 | 3415.47 |
河南 | 7473.35 | 3412.06 | 4061.29 |
山西 | 3604.23 | 2188.64 | 1415.59 |
山东 | 8010.90 | 4553.33 | 3457.46 |
安徽 | 3412.87 | 1851.03 | 1561.84 |
浙江 | 5712.31 | 3047.50 | 2664.81 |
上海 | 2959.60 | 2621.33 | 338.27 |
江西 | 1952.61 | 1109.03 | 843.59 |
江苏 | 6611.14 | 3673.65 | 2937.49 |
湖北 | 4432.99 | 2767.02 | 1665.96 |
湖南 | 4108.50 | 2132.73 | 1975.77 |
福建 | 3844.65 | 1950.65 | 1894.01 |
广东 | 10560.62 | 6514.47 | 4046.15 |
由上述结果我们可以发现,总的来说在所有研究的省份中,城镇居民的直接碳足迹都占有相当大的比例,其中上海的城镇居民碳足迹总量相当于当地乡村居民碳足迹总量的7.4倍之多,究其原因上海市主要以第二和第三产业为主,第一产业占比较低,且钢铁及石油以及工业发展水平较高,这些对能源的需求量都比较大,这就导致上海市的城乡居民碳足迹水平差距比较大。其次为天津及黑龙江,天津地区同上海地区情况类似,地区本身的碳足迹水平主要由城镇居民碳足迹构成,但是总体碳足迹水平不高,这与天津市近几年的产业结构调整以及政府投资建设生态型、低污染项目如高新技术开发区的建设等相关,这些都为降低天津市的碳足迹做出了贡献。黑龙江省的化工产业、燃气产业以及金属冶炼等产业都属于高耗能产业,这都是导致黑龙江省居民直接碳足迹较高的产生原因。而直接碳足迹总量最高的省份是广东省,这取决于广东省电气机械制造业、电子通讯、交通运输、邮政通讯及餐饮业发展迅速,对电力的需求量很大,同时对液化石油气和汽油的消耗量也很大,这就导致了广东省的直接碳足迹总量较大。所研究的19个省份之中,居民消费直接碳足迹较少的省份为江西省,并且江西省的城镇居民消费碳足迹也是所研究省份中最少的。总体而言,居民消费直接碳足迹总量呈现人口密集的省份及能源消耗量大的省份直接碳足迹高,如广东、山东、河南、河北等地的直接碳足迹比较高,而经济发达地区的直接碳足迹比较低,如上海、北京和天津等地。经济发达地区的节能减排水平较高,能源利用率比经济欠发达地区要高,能源的充分利用降低了居民消费能源的直接碳足迹。
不同地区居民消费碳足迹主要取决于上文中的九种能源消费量,图1显示了所研究19个地区9种能源的居民消费碳足迹情况。
图1 不同地区居民消费各种能源的碳足迹情况 单位:万吨
图1能够很直观的看出不同省份居民对于不同能源消费产生的直接碳足迹情况,总体而言电力产生的直接碳足迹在各个地区所占的比例都比较大,大部分的地区电力消费产生的碳足迹已超过本地区直接碳足迹总量的一半,而原煤消费产生的居民消费直接碳足迹主要集中在盛产煤炭地区,如内蒙古、河南、山西和河北等地,居民能源消费主要取决于本地区丰富的能源,一方面运输便利、采用方便,另一方面相对于其他地区,消费当地富足的能源成本较低,能够降低能源消费水平,但是这些地区的节能减排技术有待提高,居民能源消费水平比较低,能源利用率不高,这些都是造成煤炭能源消费直接碳足迹较高的原因。而热力消费产生的直接碳足迹具有较大的地区差异,主要集中在气温较低的北部地区,如东北三省及内蒙古地区,这些地区的冬季气温较低的时长要高于南部地区,供暖时长也就相对较多所需要的热力相对应的增加。南部地区的热力消耗产生的居民消费能源直接碳足迹很低有些省份接近为零消耗。
政策建议
由上述研究结果可见,所选取的19个省市城镇居民的碳足迹主要由电力、热力以及石油类产品的消费所导致,农村居民的碳足迹主要由电力与煤炭的消费所导致。不同省市能源消费结构与当地经济状况及能源富足度有着很大的联系。总的来说,降低居民消费直接碳足迹要从居民入手,倡导居民的低碳消费模式,地方政府则要通过政策引导,低碳出行益处的多方面宣传,培育和构建居民日常生活低碳消费观念。对于城乡居民,根据实际情况分别对待,鼓励和支持农村居民沼气应用的推广,探索集中供暖,减少燃煤消费;而对于城镇居民,政府支持建立居民的低碳交通出行模式,建立顺畅便捷的交通环境,鼓励居民选择公共交通工具,减少居民购买私家车的数量;提高居民低碳消费的意识,购买低碳、节能和环保的产品等。对于能源盛产的地区,政府则要鼓励当地能源生产地区提高能源开发技术,同时支持研发提高能源利用率,降低初级能源消耗量,从源头降低碳足迹。经济发达省份则要借助于自身的经济优势,引进国外先进技术,提高清洁能源使用率。
减少居民消费的碳足迹,也要从生产源头控制,一方面,要加快低碳能源技术的研发,大力推广新能源的利用,如山西、内蒙古等能源富足地区。未来,积极探索化石能源的清洁利用,加强风能、太阳能和生物质能等新能源的开发利用;另一方面,加强传统第二产业的升级改造,通过技术进步与节能措施,降低生产活动的能源消耗与碳排放,如广东、福建能地区。在交通运输业与农业生产方面,积极鼓励发展清洁汽车能源技术的研究与应用;加强农业生产的田间管理,种植与养殖方法研究,挖掘温室气体减排的潜力。
参考文献:
[1]ZhengQuan Guo,HaiBin Liu. Carbon footprint of the households’ consumption in China[J]. Global Energy Issues,3013,36(2):181-196.
[2]XiaoWei Ma,Jia Du,MengYing Zhang,Yi Ye. Indirect carbon emissions from household consumption between China and the USA: based on an input–output model[J]. Nat Hazards,2016,84:S399-S410.
[3]Ted Trainer. A critical analysis of the 2014 IPCC report on capital cost of mitigation andof renewable energy[J]. Energy Policy,2017,104:214-220.
[4]ZhenHua Feng,LeLe Zou,YiMing Wei. The impact of household consumption on energy use and CO2 emissions in China[J]. Energy,2011,36(1):656-670.
[5]Mark Sommer,Kurt Kratena. The Carbon Footprint of European Households and Income Distribution[J]. Ecological Economics,2017,136:62-72.
[6]KaiFang,LiangDong,JingzhengRen,QifengZhang,LingHan,HuizhenFu. Carbon footprints of urban transition:Tracking circular economy promotions in Guiyang[J]. Ecological Modelling,2017,365(10):30-44.
[7]Xu Tian,Yong Geng,Huijuan Dong,Liang Dong,Tsuyoshi Fujita,Yutao Wang,Hongyan Zhao,Rui Wu,Zhe Liu,Lu Sun. Regional household carbon footprint in China: a case of Liaoning province[J]. In Journal of Cleaner Production,2016,114:401-411.
作者简介:
1.赵晓男,北方工业大学经济管理学院,讲师;
2.李远利,北方工业大学经济管理学院,硕士研究生。