基于MSIASM和能源消費碳排放的中國四大直轄市社會代謝分析

戴 剛, 嚴力蛟,*, 郭慧文, 章 戈

1 浙江大學生命科學學院生態研究所, 杭州 310058 2 美國佐治亞理工學院地理信息系統中心, 美國佐治亞州 30308

基于MSIASM和能源消費碳排放的中國四大直轄市社會代謝分析

戴 剛1, 嚴力蛟1,*, 郭慧文1, 章 戈2

1 浙江大學生命科學學院生態研究所, 杭州 310058 2 美國佐治亞理工學院地理信息系統中心, 美國佐治亞州 30308

通過社會代謝多尺度綜合評估(Multi-Scale Integrated Assessment of Societal Metabolism, MSIASM)方法，采用生物-經濟壓力和不同組織尺度下的體外能代謝率、能源密度指標，并將能源消費碳排放融入評估框架，評價了中國四大直轄市2004年至2010年的社會代謝及其綜合發展狀況。研究中能源消費碳排放的加入較好補充了MSIASM在生態評估方面的弱勢。研究結果顯示，四大直轄市整體社會代謝發展良好，體外能代謝率和生物-經濟壓力穩步上升，能源密度和單位能耗碳排放不斷降低，總體呈現良性發展態勢。從各個直轄市的社會經濟系統各部門表現來看，各城市體現了自己的突出特點。在深入到行業尺度研究體外能代謝率、能源密度后，整體顯示出控制工業部門和交通運輸部門的能耗增長對于提高經濟生產能源效率的突出作用，同時應繼續加大金融和計算機等低能耗高經濟生產率行業的發展力度。

社會代謝多尺度綜合評估; 體外能代謝; 碳排放; 直轄市

社會代謝多尺度綜合評估(Multi-Scale Integrated Assessment of Societal Metabolism, MSIASM)方法是20世紀90年代由意大利學者Mario Giampietro和日本學者Kozo Mayumi共同提出的[1- 3]。該方法根據“人類活動”資源、“體外能流”資源和“增加值流”三者在社會經濟系統中的疊合關系，并行地利用不同學科(能量分析學、生態學、生物物理學、經濟學和社會學等)的各種參量(得自不同組成分的不同層面以及不同的信息源)，綜合評估社會發展水平與可持續性[3- 6]。相對于社會代謝理論中單一指標的傳統能量流分析，在能量對象上MSIASM聚焦于Georgescu-Roegen提出的“體外能”[7]，在方法實現上MSIASM強調方法論上的多元性、多學科的交叉性和尺度應用上的多樣性。自提出以來，該方法已在國家、地區、社區等多個尺度，社會整體、農業、能源生產等多個系統廣泛應用[8- 14]；就我國而言，全國、區域、省級行政區和開發區尺度都已有相應研究[15- 19]，劉曄等以沈陽為例，基于MSIASM，以人類活動時間為主要切入點，分析城市社會經濟的發展狀況[20]，為完善該方法在中國的應用提供了重要依據。該方法較少整合生態指標的問題也引起了相關學者的注意[16,21]。

利用社會代謝多尺度綜合評估方法對四大直轄市的社會代謝及其發展狀況進行評估，有針對性的選取適宜于大城市特點的數據源，通過多組織尺度、多年度的多種復合參量分析，主要從能量代謝角度對四大直轄市的社會代謝可持續發展水平進行了評價，進而為城市管理者與決策者制定可持續政策提供科學依據。文中引入了能源消費碳排放量并將其深入結合MSIASM提出了碳排放代謝率指標，完善了該方法的生態評估作用，給予能源環境影響評估以新的視角。此外，研究還識別出了MSIASM部分指標城市尺度下的特異性，并對其產生原因進行了探討。

1 研究方法

1.1 數據來源

本研究所指體外能是指非人類自身新陳代謝的社會經濟系統所需能源總稱，化石能源時代主要由商品能源構成。體外能消費量是指根據我國能源統計中能源消費總量換算的發熱量，基礎數據來源于各直轄市統計年鑒內能源平衡表(標準量)，統計年份為2004至2010年。其中，按照能源消費的途徑將能源加工轉換部門的能源歸入工業部門，損失量歸入交通運輸部門，最終能源消費按照國民經濟行業分類歸口。計算碳排放能源數據來源于各年《中國能源統計年鑒》內能源平衡表(實物量)，各種能源實物消耗量參照《中國能源統計年鑒2010》及上海統計局印制的《能源統計報表制度》折算為標準煤當量，并將終端消費量內“其他”項目并入第三產業。人類活動時間涉及各行業從業人口以及平均工作強度：人口數據來自各直轄市統計年鑒，針對直轄市外來人口占比高和城鎮化水平較高的特點，總人口選取包含半年以上外來人口在內的年末常住人口；各行業平均工作強度基礎數據來自各年《中國勞動統計年鑒》內“城鎮就業人員調查周平均工作時間”，根據四大直轄市各年從業人員行業分布加權計算后歸并為三大產業年平均工作時間。增加值相關數據從各直轄市統計年鑒獲取，依照沈利生等[22]的GDP平減指數計算方法，參考《中國統計年鑒2011》計算出以2000年為基年的2004至2010年社會總體和各產業GDP平減指數，據此統一進行了四大直轄市增加值數據歸一化處理。

1.2 社會代謝多尺度綜合評估(MSIASM)指標體系

MSIASM創新性地應用了許多社會、經濟和環境參量，其方法論上的多元性決定了MSIASM的指標體系包含多種不同參量和疊合關系式，并通過多方面的結果展現城市發展的因素多樣性。在國內應用時根據國民經濟行業分類將整個社會經濟系統劃分為四個部門：家政部門(HH)、第一產業、第二產業和第三產業。本文應用的MSIASM主要參量、關系式及其含義如下[3- 6]:

(1)體外能投入量(ET)指社會經濟系統每年代謝的體外能數量(J/a)，包括社會體外能投入總量和部門體外能投入量。其中社會體外能投入總量(TET)指整個社會經濟系統全年代謝的體外能源總量。部門體外能投入量(ET)指社會經濟系統各組成部門的體外能消費量，分別用 ETHH、ET1、ET2、ET3表示家政部門、第一、第二、第三產業的體外能代謝數量，其總和等于社會體外能投入總量，即TET = ETHH+ ET1+ ET2+ ET3。

(2)人類活動時間量(HA)指社會經濟系統中人類活動的時間量，單位h a-1。它包括社會人類活動時間總量和部門人類活動時間量。其中社會人類活動時間總量(THA)指整個社會經濟系統全部人類活動時間量(包含睡眠和休息)，THA = Population size×8760。部門人類活動時間量(HA)指社會經濟系統各組成部門的人類活動時間量，家政部門、第一、第二、第三產業活動時間分別用 HAHH、HA1、HA2和 HA3表示。

(3)體外能代謝率(EMR)即單位人類活動時間所消費的體外能數量(J/h)。該指標反映了各種經濟活動的技術系數組合和資本化水平，也反映社會人均生產和消費的商品和服務水平，隨著社會的發展不斷提高。社會體外能代謝率由社會總體平均、第一、第二、第三產業以及家政部門的體外能代謝率組成，EMRSA= TET/THA，各部門EMRi= ETi/HAi。

NPVC的發病率低，臨床少見，部分患者若處置不當可造成嚴重后果。單純影像學檢查難以明確NPVC的具體起源和性質，部分患者需術中探查或快速病理檢查。若能明確NPVC的起源和性質，則有助于選擇更合適的治療方式，以更加精準地治療疾病，從而有效處理病變，提高患者生活質量。目前，NPVC的診治尚無統一的指南，準確的診斷和鑒別診斷仍存在一定困難。因此，今后需深入細致地探討NPVC起病原因及發病機制，不斷提高其診斷和鑒別診斷的能力，從而更好地提高治療效果，改善患者預后。

(4)能源密度(EI)相當于傳統的單位 GDP 能耗，是指社會總的體外能投入量與增加值的比值(J/元)。EI表示了單位GDP的環境壓力，隨著社會發展不斷降低。EISA= TET/GDP，各部門EIi= ETi/GDPi。

(5)生物-經濟壓力(BEP)是指由“整個社會代謝的體外能總量”除以“物質能量生產部門的工作時間”得到的比率(J/h) 。它是由社會消費模式的特征強制于生產部門的每單位勞動時間的體外能投入量，是一個極好的代表社會經濟發展的生物物理指標，反映了社會發展帶來的物質生活水平及其環境壓力水平。BEP = TET/ (HA1+ HA2)。

1.3 能源消費碳排放及碳排放代謝率(CE & CEMR)

人類使用化石燃料排放二氧化碳等溫室氣體的增溫效益被視為是全球氣候變暖的主要原因[23]。城市作為人類活動最為頻繁的聚居區域，2010年其消耗了世界約75%的能源，排放的溫室氣體占全球人類活動溫室氣體排放的80%[24]。Zhu Liu等[25]對于四大直轄市的溫室氣體排放特征、軌跡和驅動力進行了較為全面的研究，而本文根據國內現狀，基于MSIASM，以碳排放為切入點計算能源消費，主要參考趙敏等對上海市能源消費碳排放分析的方法[26]進行核算，以能源平衡表內能源終端消費量計算碳排放?？紤]到四大直轄市熱力和電力有外源輸入的情況，這兩者碳排放按照火力發電和供熱投入的能源計算，并按照國民經濟各部門的能源消費占總消費量的比例歸入第一、第二、第三產業及家政部門(生活消費)的碳排放量中。

MSIASM與生態環境問題聯系較弱是其缺點之一，雖然理論框架中提及環境承載力指標[2]，近期也有研究加入了全社會尺度的CO2排放強度等作為參考[27]，但未將生態指標整合入評估方法，也未深入到產業層面進行過定量分析。本文以社會代謝系統的排放端為出發點，進一步評估能源消費產生的環境作用，基于化石能源主要以碳氧化物為主，將體外能代謝的產物以碳排放量進行核算，并結合MSIASM框架內的人類活動時間參量，綜合提出了碳排放代謝率(CEMR(kg/h))。該指標代表社會經濟系統單位活動時間產生的碳排放量，反映了人類活動的環境影響力，由社會總體碳排放代謝率、第一、第二、第三產業以及家政部門的碳排放代謝率組成。CEMRSA= TCE/ THA，各部門CEMRi= CEi/HAi。

整體數據采用考慮全期累計發展水平的代數平均法[28]計算各部門的平均發展速度，相關數值大于100%表明在研究時段內該數據的平均發展變化總體為增長，小于100%則為降低。

2 結果與分析

2.1 四大直轄市社會及各部門體外能代謝率分析

四大直轄市2004至2010年的社會總體和各部門體外能代謝率如表1所示。結果顯示， EMRSA均值方面上海、北京、天津三市的代謝水平高于1999年世界平均的7.82 MJ/h，低于同年AUSCAN( Australian/Canadian,澳大利亞、美國和加拿大)的38.77 MJ/h，和其他OECD(Organization for Economic Cooperation and Development)國家(不包含AUSCAN)的15.68 MJ/h大致處在同一水平[29]，重慶則尚未達到1999年的世界平均值；但在EMRSA發展速度方面，縱使剔除2004年數據(重慶2004年數據推測為當量值折算導致了偏低)后重慶2005—2010年間的平均發展速度也有111.71%，遠高于其它三市。從部門體外能代謝率來看，四大直轄市EMRHH的增長都較為迅速，接近或超過了各自EMRSA的發展速度，其中重慶市的增長速度最快，與Yong Geng等[19]結果相似，但由于數據處理過程不一致，結果并不完全相同。EMRHH的快速增長體現了四大直轄市人民生活水平的持續改善，但這種提高是建立在絕對數值較低的基礎之上的，國家尺度的研究中1995年西班牙的EMRHH為3 MJ/h，1999年OECD國家的EMRHH平均值為6 MJ/h，美國可以達到10 MJ/h以上[29- 30]。

表1 四大直轄市各部門體外能代謝率Table 1 Exosomatic Metabolic Rate (EMR) of each department of China′s four municipalities

EMRSA：社會總體平均體外能代謝率；EMR：第一產業體外能代謝率；EMR：第二產業體外能代謝率；EMR：第三產業體外能代謝率；EMRHH：家政部門體外能代謝率

在國民經濟各部門體外能代謝率上，各城市反映出了不同的狀況。上海市EMR2具有三大產業中最快的增長速度，EMR3則保持了與EMRSA相似的增長速度，其均值為四市中最高，EMR1整體略有降低，這是農業部門能源投入的縮減幅度大于勞動時間減少幅度的結果，一方面反映了社會經濟發展過程中農業部門逐漸縮減的普遍規律[8]，另一方面在機械化農耕時代這種較快的萎縮會制約農業生產效率的提升。北京市EMR1、 EMR3擁有高于其EMRSA的增長速度，而EMR2僅有略微增長，且其均值為四市最低，這與北京在07年后對ET2的嚴格控制有一定關系。天津市EMR1擁有高達111.34%的平均發展速度，EMR2保持了與EMRSA相似的增長速度，EMR3則出現了負增長，顯示出天津市產業結構尚待完善。重慶市在剔除了2004年數據后的2005—2010年EMRSA、EMR1、EMR2、EMR3和EMRHH代數平均發展速度分別為111.71%、109.32%、110.55%、112.46%和108.00%，整體來看重慶市三大產業的EMR保持了相似的增長速度，但EMR1、EMR3均值都大幅低于其它三市。

圖1 2004—2010年天津市工業和建筑業體外能代謝率Fig.1 Exosomatic Metabolic Rate(EMR) of Industry and Construction of Tianjin in 2004—2010

2.2 四大直轄市社會及各部門能源密度分析

四大直轄市社會總體和各部門7a間能源密度的變化如表2。從社會整體來看，四大直轄市EISA總體降低(重慶在剔除2004年數據后2005—2010年的EISA平均發展速度為98.15%)，反映了循環經濟和節能減排的政策導向起到了積極的作用。從部門能源密度來看，各直轄市反映出了不同的狀況。上海市EI1降速四市中最快，EI2和EI3變化幅度較小。北京市EI1略有增長，EI2和EI3皆有降低，其中EI2的降速為四市最快。天津市EI1仍有較大幅度增長，EI2和EI3皆有降低，其中EI3的降速為四市最快。重慶市在剔除了2004年數據后的2005—2010年EI1、EI2、EI3代數平均發展速度分別為106.39%、91.67%、103.89%，顯示出EI1和EI3較快增長，EI2大幅降低的發展特點。值得注意的是，EI的倒數表示經濟生產的能源效率，這一指標反映了單位能源消耗量產生的增加值[12]，即EI值越低，單位能耗的經濟產值越高。第三產業是典型的高附加值低能耗部門，經濟生產的能源效率高。而從結果來看，上海、天津、重慶第二產業的經濟生產能源效率皆長期不如第一產業，這一反常現象要引起有關職能部門的高度重視。

進一步從行業尺度剖析，因為數據獲取限制僅涵蓋了部分城市和年份。圖2反映了2005—2010年北京市國民經濟各行業能源密度變化。從絕對值來看，“金融業”和“信息傳輸、計算機服務和軟件業”享有最低的EI，換言之擁有最高的經濟生產能源效率，“交通運輸、倉儲和郵政業”和“工業”則擁有最高的行業EI；從發展變化來看，代數平均發展速度最高的前三行業依次為“交通運輸、倉儲和郵政業”(113.02%)、“水利、環境和公共設施管理業”(107.01%)和“信息傳輸、計算機服務和軟件業”(104.89%)，總體17個行業中12個行業EI在6a間有所降低。結合以上情況分析，控制交通運輸部門的EI增長應是今后北京市能源管理工作的重點。

表2 四大直轄市各部門能源密度Table 2 Energy Intensity(EI) of each department of China′s four municipalities

EISA：社會總體平均能源密度；EI：第一產業能源密度；EI：第二產業能源密度；EI：第三產業能源密度

圖2 2005—2010年北京市國民經濟各行業能源密度Fig.2 Energy Intensity(EI) of national economic industries of Beijing in 2005—2010

2.3 四大直轄市生物-經濟壓力分析

生物-經濟壓力指標反映了人類活動導致的環境壓力。經過包含世界90%以上人口的107個國家的該指標研究，比較了24個傳統物質生活和經濟發展指標和BEP之間的關系，證明其與人類生理健康、經濟發展水平和人民生活水平具有良好正相關[9]。本研究顯示，四大直轄市2004到2010年BEP皆有較快增長(圖3)，代數平均發展速度上海、北京、天津、重慶分別為109.14%、107.01%、106.33%、122.32%。均值上北京以271.77 MJ/h在四市中最高，上海、天津、重慶依次為240.41 MJ/h、184.89 MJv和76.40 MJ/h。與上述主要國家1995年左右BEP數據的直接對比顯示，上海、北京2010年的BEP介于15年前希臘和澳大利亞的水平之間，天津與波蘭的BEP較為接近，重慶的BEP則與哥倫比亞、馬來西亞該數據相當。

圖3 2004—2010年四大直轄市生物-經濟壓力Fig.3 Bio-economic Pressure(BEP) of China′s four municipalities in 2004—2010

2.4 四大直轄市能源消費碳排放代謝分析

2.4.1 碳排放量

能源消費碳排放表征了社會體外能代謝系統的輸出流，一方面可以對能源消費產生的環境影響進行評估，另一方面與體外能流量相結合能分析出能源結構的清潔化趨勢，是對以等值熱量評估社會體外能代謝體系的很好補充和完善。表3顯示了四大直轄市社會整體和各部門能源消費碳排放的變化。從社會總體來看，四大直轄市CESA在7a間皆為正增長，均值方面上海市明顯高于其它三市，但各市CESA平均發展速度皆低于TET的發展速度，顯示了單位能耗產生的碳排放正在減少，這與我國低碳經濟改革的發展方向相一致。從各個部門的能源消費碳排放來看，CEHH方面四市在發展速度上差距微小，均值呈現上海和北京接近，天津略低，重慶差距較大的格局。國民經濟各部門中，CE1均值方面重慶大幅高于其它三市，發展速度上重慶仍然居高，四市中惟有上海在該指標上顯示出較高的降速；CE2均值方面上海最高，北京最低，發展速度上只有北京存在明顯的降低；CE3均值方面呈現上海、北京、天津、重慶梯度下降的局面，發展速度上各市皆維持增高趨勢，天津的增長略慢。各市CE1、CE2、CE3和CEHH的平均發展速度都低于對應的ET發展速度，說明國民經濟各部門和生活消費的能源結構都在朝低碳轉型。

表3 四大直轄市各部門能源消費碳排放量Table 3 Carbon Emission(CE) from Energy Consumption of each department of China′s four municipalities

CESA：社會總體能源消費碳排放量；CE：第一產業碳排放量；CE：第二產業碳排放量；CE：第三產業碳排放量；CEHH：家政部門碳排放量

本研究進一步從能源消費結構上分析了四大直轄市的能源消費碳排放發展特點(表4)。從整體能源結構上來說，煤炭類能源產生的碳排放仍然是四大直轄市碳排放的主要來源，均值占CESA的比值上海、北京、天津、重慶分別為56.18%、57.49%、76.95%和81.76%，且占比最高的天津、重慶兩市同時擁有前兩的平均發展速度，北京在煤炭類能源碳排放的整體降低主要是由于2007—2008年的大幅降低，而在石油類和天然氣方面則未出現此類拐點，說明從能源結構上北京為籌辦奧運會限制的主要是煤炭類能源的增長；石油類能源碳排放方面，四市在7a間都表現為較高速的持續增長，其中上海、北京兩市的增長速度超過煤炭類相關數據；天然氣能源碳排放方面，均值在四市CESA占比都較低，發展速度方面上海、北京、天津三市顯示出迅猛的增長勢頭，天然氣擁有相較于煤炭和石油更低的碳排放系數，上述三市在這一清潔能源的使用上都加大了推廣力度，重慶在相關工作上有所遲滯。

表4 四大直轄市各類能源消費碳排放量Table 4 Carbon Emission(CE) from different types of Energy Consumption of China′s four municipalities

2.4.2 碳排放代謝率

碳排放代謝率表示單位活動時間的能源消費碳排放量，顯示了社會總體和各部門單位時間的環境影響，是對MSIASM體系在生態環境評價方面的擴展。表5為四大直轄市社會總體和各部門2004至2010年的碳排放代謝率變化情況。結果表明，CEMRSA均值方面天津最高，重慶最低，發展速度方面北京市表現出了負增長，而重慶的增長最為迅速，各市平均發展速度低于EMRSA的發展速度，同樣顯示了能源消費低碳化的良好勢頭。各部門的碳排放代謝率來看，CEMRHH皆展現了穩步的增長，均值上北方兩大直轄市推測由于冬季集中供暖的原因，在均值上高于上海、重慶兩市；CEMR1方面，上海市擁有最高的均值和最快的降低速度，重慶則反之擁有最低的均值和最快的發展速度；各市的CEMR2顯著高于其它部門顯示了第二產業高能耗高環境影響的產業特點，發展速度上顯示出與CEMRSA類似的特點； CEMR3方面，上海市擁有最高的均值，天津是四市中唯一展現降低趨勢的城市，重慶依然擁有最低的均值和最快的發展速度。

四大直轄市的橫向對比上，展現了與碳排放量分析較為不同的情況。均值方面，不同于在CESA、CE2、CE3上海都大幅領先其它三市的狀況，天津在CEMRSA和CEMR2上都超過了上海躍居第一，重慶雖然在CE1的均值和發展速度上都為最高，但其CEMR1均值則遠低于其它三市，側面反映出其農業耕作方式較為傳統，農具機械化程度尚有較大差距；平均發展速度方面，不同于CESA的小幅增長，北京在CEMRSA上整體有所降低，天津在CEMR3上的總體降低趨勢也是在CE3上所不具備的?？傮w來看，四大直轄市各部門在CEMR上的發展速度都要低于CE上的相應指標，顯示出城市勞動力規模和活動時間的擴張對碳排放評定指標的重要影響。

3 結論與討論

(1)通過對四大直轄市2004至2010年社會整體、產業、行業不同尺度的體外能代謝率和能源密度分析，證實該方法可以對城市體外能代謝狀況做出合理評價。研究發現，四大直轄市總體來說EMRSA不斷升高，EISA不斷降低，社會代謝發展良好；四大直轄市EMRHH的增長都較為迅速，接近或超過了各自EMRSA的發展速度。

表5 四大直轄市各部門碳排放代謝率Table 5 Carbon Emission Metabolic Rate(CEMR) of each department of China′s four municipalities

CEMRSA：社會總體能源消費碳排放代謝率；CEMR：第一產業碳排放代謝率；CEMR：第二產業碳排放代謝率；CEMR：第三產業碳排放代謝率；CEMRHH：家政部門碳排放代謝率

在國民經濟各部門體外能代謝上，研究識別出了各城市的發展特點。上海市EMR2具有自身三大產業中最高的部門EMR均值153.60 MJ/h和最快的平均發展速度106.59%，通過能源密度分析顯示其第二產業經濟生產能源效率長期低于其他產業，結合上海市六大產業基地(微電子、汽車、石化、精品鋼材、裝備、船舶)多為高能耗重工業的現狀，上海應重視第二產業能源消費結構和經濟增長方式的轉型，并強化重點耗能工業企業的節能責任。北京市EMR2僅有平均發展速度101.25%的略微增長，其均值139.42 MJ/h為四市最低且EI2的降速為四市最快(平均發展速度95.85%)，這與北京在2007年后對ET2的嚴格控制有一定關系，說明了北京奧運會對北京產業轉型的積極影響。天津市EMR1和EI1擁有高達111.34%和107.16%的平均發展速度，EMR3則出現了負增長且EI3的降速為四市最快(平均發展速度92.43%)，顯示出天津市產業結構尚待完善，第一產業需大幅提高能源利用效率，第三產業則可適當加強能源投入量。重慶市三大產業的EMR保持了相似的較高增長速度，EMR1、EMR3均值4.76 MJ/h、18.61 MJ/h都大幅低于其它三市相應值，EI1和EI3仍有較快增長，反映出重慶需在大力加強第一、第三產業能源投入的同時高度重視節能問題。

在行業尺度層面，本研究識別出控制交通運輸部門的EI增長對于今后北京市能源管理工作的重要性，同時建議北京應繼續加大金融和計算機行業的發展力度。

(2)針對國內應用中該分析法基礎參量——“年平均工作時間”多為基于20世紀90年代單一年份靜態數據的問題，本研究首次將2004至2010年逐年變動的動態工作時間數據引入了社會代謝多尺度綜合評估方法，使得人類活動時間這一參量的縱向變動體現了從業人數與平均工作時間的復合效應，并將模型的應用尺度部分下推至行業層面，更為全面精確的研究了城市可持續發展的各項狀況。

本研究進一步將EMRSA、EMRHH和BEP這3個可以代表社會生產和消費水平的指標與國內外已有研究成果進行了比較，直接對比顯示，縱使是上海和北京兩市，2010年EMRSA和BEP也僅大體相當于10—15a前中等發達國家的整體水平，EMRHH尚大幅落后。不過Ramos-Martin等對1990至2005年西班牙經濟發達的加泰羅尼亞自治區的研究顯示了與上海、北京、天津接近的EMRSA和EMRHH[12]，其EMRHH大幅低于西班牙國家尺度的相應指標值。中國區域尺度的研究顯示了東北、華北等能源生產片區的EMRSA和EMRHH高于東部沿海經濟發達地區的狀況[15]，且下推到省級尺度后內蒙古等地區的EMR優勢還在不斷擴大[31]。BEP的結果對比中，大連市2007年BEP值(421 MJ/h)[21]顯著高于社會發展水平更高的上海市(249 MJ/h)、北京市(270 MJ/h)同年度數據。進一步分析這幾個指標一系列差異主要是由地區能源生產和消費結構不同導致的。比如大連所在的遼寧省2009年僅原煤的一次能源生產量有6.62 × 107t，上海同年的數據為0，這種地區層級的能源產業結構差異將顯著影響EMR和BEP的數值高低。

綜上所述，應用于城市尺度上的EMR和BEP具有其尺度特異性，需結合能源生產和消費結構綜合分析，而不能直接對比數值來表征不同區域社會發展水平的高低。此外，國內相關研究選取的勞動時間多為1995年全國范圍的數據，缺乏時代性和對目標區域從業人員行業分布、工作強度年際變化的考慮，一定程度上低估了勞動時間并帶來EMR和BEP值的過高估值。

(3)本研究中能源消費碳排放的加入較好補充了社會代謝多尺度綜合評估方法在生態評估方面的弱勢。綜合分析四大直轄市2004至2010年能源消費碳排放產業結構，第二產業的碳排放量占比最高，單位能耗碳排放最高(重慶是例外，其第一產業單位能耗碳排放更高)，碳排放代謝率最高且增長較快，顯示出提升第二產業能源利用效率、優化能源結構、提升低碳能源使用比例的迫切性，并應逐步引導產業結構由高耗能重工企業轉向高附加值低碳排放的電子、機械制造等行業；第三產業碳排放量增加迅速(除天津外其余三市皆為最快)且在上海、北京其能源低碳化速度不及其它部門，提示四大直轄市需提高交通部門的能源利用效率并大力發展公共交通系統，將由交通運輸部門主導的第三產業結構向金融、計算機服務等低碳行業傾斜，同時推動電子商務、信息產業等生產性服務業的發展以降低第二產業中間環節的成本，間接改善第二產業的能源效率；家政部門碳排放量和碳排放代謝率平穩增長，一方面是快速城市化進程和人民物質生活水平提升的體現，另一方面建議各市盡早規劃民用制冷、取暖設施的集約化管理，并推廣節能建筑來控制能源消耗和碳排放影響。

致謝：盧立峰、趙海艷等同學幫助撰寫論文，特此致謝。

[1] Giampietro M, Bukkens S. Sustainable development-scientific and ethical assessments. Journal of Agricultural and Environmental Ethics, 1992, 5(1): 27- 57.

[2] Giampietro M, Mayumi K. A dynamic model of socioeconomic systems based on hierarchy theory and its application to sustainability. Structural Change and Economic Dynamics, 1997, 8(4): 453- 469.

[3] Giampietro M, Mayumi K. Multiple-scale integrated assessment of societal metabolism: Introducing the approach. Population and Environment, 2000, 22(2): 109- 153.

[4] Giampietro M, Mayumi K, Bukkens S G F. Multiple-scale integrated assessment of societal metabolism: an analytical tool to study development and sustainability. Environment, Development and Sustainability, 2001, 3(4): 275- 307.

[5] 王天送. 社會代謝多尺度綜合評估(MSIASM)的基本理論與實踐. 地球科學進展, 2008, 23(1): 63- 70.

[6] Giampietro M, Mayumi K, Ramos-Martin J. Multi-scale integrated analysis of societal and ecosystem metabolism (MuSIASEM): Theoretical concepts and basic rationale. Energy, 2009, 34(3): 313- 322.

[7] Georges?u-Roegen N. The Entropy Law and the Economic Process. Cambridge: Harvard University Press, 1971.

[8] Giampietro M. Socioeconomic pressure, demographic pressure, environmental loading and technological changes in agriculture. Agriculture, Ecosystems & Environment, 1997, 65(3): 201- 229.

[9] Pastore G, Giampietro M, Mayumi K. Societal metabolism and multiple-scale integrated assessment: Empirical validation and examples of application. Population and Environment, 2000, 22(2): 211- 254.

[10] Falconí-Benítez F. Integrated assessment of the recent economic history of Ecuador. Population and Environment, 2001, 22(3): 257- 280.

[11] Gomiero T, Giampietro M. Multiple-scale integrated analysis of farming systems: The Thuong Lo Commune (Vietnamese uplands) case study. Population and Environment, 2001, 22(3): 315- 352.

[12] Ramos-Martín J, Caellas-Boltà S, Giampietro M, Gamboa G. Catalonia′s energy metabolism: Using the MuSIASEM approach at different scales. Energy Policy, 2009, 37(11): 4658- 4671.

[13] Sorman A H, Giampietro M. Generating better energy indicators: Addressing the existence of multiple scales and multiple dimensions. Ecological Modelling, 2011, 223(1): 41- 53.

[14] Iorgulescu R I, Polimeni J M. A multi-scale integrated analysis of the energy use in Romania, Bulgaria, Poland and Hungary. Energy, 2009, 34(3): 341- 347.

[15] 劉曄, 耿涌, 趙恒心, 任婉俠, 薛冰. 基于MSIASM方法的中國不同區域社會代謝分析. 生態環境學報, 2010, 19(4): 951- 956.

[16] 耿涌, 劉曉青, 張攀, 劉曄. 基于MuSIASEM理論的大連經濟技術開發區可持續發展評價. 應用生態學報, 2010, 21(10): 2615- 2620.

[17] 劉曄, 耿涌. 基于多尺度綜合評估方法的中國社會代謝分析. 經濟地理, 2010, 30(4): 547- 552.

[18] 王天送. 中國社會經濟系統發展與可持續性的“社會代謝多尺度綜合評估(MSIASM)” [D]. 蘭州: 西北師范大學, 2008.

[19] Geng Y, Liu Y, Liu D, Zhao H X, Xue B. Regional societal and ecosystem metabolism analysis in China: a multi-scale integrated analysis of societal metabolism (MSIASM) approach. Energy, 2011, 36(8): 4799- 4808.

[20] 劉曄, 耿涌, 董會娟, 劉曉青, 任婉俠, 薛冰. 基于MSIASM方法的沈陽城市代謝研究. 生態科學, 2010, 29(3): 256- 261.

[21] 王珺. 基于MSIASM的城市可持續性評價研究 [D]. 大連: 大連理工大學, 2009.

[22] 沈利生, 王火根. GDP數據修訂對平減指數的影響. 數量經濟技術經濟研究, 2008, 25(5): 155- 160.

[23] 汪宏韜. 上海能源消費碳排放分解研究. 上海環境科學, 2011, 30(1): 23- 27.

[24] 顧朝林, 袁曉輝. 中國城市溫室氣體排放清單編制和方法概述. 城市環境與城市生態, 2011, 24(1): 1- 4.

[25] Liu Z, Liang S, Geng Y, Xue B, Xi F M, Pan Y, Zhang T Z, Fujita T. Features, trajectories and driving forces for energy-related GHG emissions from Chinese Mega cities: the case of Beijing, Tianjin, Shanghai and Chongqing. Energy, 2012, 37(1): 245- 254.

[26] 趙敏, 張衛國, 俞立中. 上海市能源消費碳排放分析. 環境科學研究, 2009, 22(8): 984- 989.

[27] Giampietro M, Sorman A H, Gamboa G. Using the MuSIASEM approach to study metabolic patterns of modern societies // Energy Options Impact on Regional Security. Netherlands: Springer, 2010: 37- 68.

[28] 張榮山. 平均發展速度兩種計算方法的比較. 統計與決策, 2007(19): 160—161.

[29] Ramos-Martin J, Giampietro M, Mayumi K. On China′s exosomatic energy metabolism: An application of multi-scale integrated analysis of societal metabolism (MSIASM). Ecological Economics, 2007, 63(1): 174- 191.

[30] Giampietro M. Studying the “addiction to oil” of developed societies using the multi-scale integrated analysis of societal metabolism (MSIASM). Sustainable Energy Production and Consumption: Benefits, Strategies and Environmental Costing. Netherlands: Springer, 2008: 87- 138.

[31] 劉曄, 耿涌, 趙恒心. 基于MSIASM方法的中國省級行政區體外能代謝分析. 生態學報, 2011, 31(11): 3133- 3142.

Societal metabolism analysis of China′s four municipalities based on MSIASM theory and carbon emissions from energy consumption

DAI Gang1, YAN Lijiao1,*, GUO Huiwen1, ZHANG Ge2

1InstituteofEcology,CollegeofLifeSciences,ZhejiangUniversity,Hangzhou310058,China2CenterforGeographicInformationSystems,GeorgiaInstituteofTechnology,Georgia30308,America

The Multi-Scale Integrated Assessment of Societal Metabolism method has been widely used to comprehensively evaluate levels of social development and sustainability. It can also be regarded as the basis of urban development policy creation for urban managers and decision-makers. However, although there is an increasing amount of research about variables and scales of the method, very little focuses on the ecological aspect and the impacts of scale on the variables. This study evaluates the societal metabolism and comprehensive development situation of China′s four municipalities between 2004 and 2010 by adopting the method of Multi-Scale Integrated Assessment of Societal Metabolism (MSIASM). This method includes indicators of Exosomatic Metabolic Rate and Energy Intensity at different organizational scales, as well as Bio-economic Pressure. The carbon emissions from energy consumption was first introduced into MSIASM to assess the ecological aspect of urban development and to assess the impacts of different organizational scales on the indicators The results demonstrates that overall development of China′s four municipalities′ societal metabolism is in good condition with a steady increase in Exosomatic Metabolic Rate and Bio-economic Pressure and a ceaseless decrease in energy intensity and carbon emissions per unit of energy consumption. In terms of the integrated performance of social economic systems, each municipality reflected its own unique developmental characteristics. In the case of Shanghai, the gradual downsizing of the agricultural industry and the high-level development of the manufacturing industry, reflected the typical characteristics of the late-industrialization city in China. The development of Beijing showed a close relationship with the city′s preparation for the Olympic Games. This included strict limitations on energy investment and industrial pollution as well as vigorous development on the construction of transportation infrastructure. Tianjin′s development presented the status of the booming manufacturing industry and the relatively lagging service industry, which are the features of a rapidly industrializing city in general. The overall level of development level in Chongqing was lower than the other three cities, embodying the city′s traits during the transformation of industry structure from agriculture to industrialization. Additionally, the indicators were affected by scale and show different characteristics, especially for the Exosomatic Metabolic Rate, Energy Intensity and Economic Labor Productivity under the industry scale.The prominent role of controlling the energy consumption of the manufacturing industry and the transportation department on rising energy efficiency of production. The development of low energy consumption and high economic productivity industry such as the financial industry and the computer industry are also very important to take into consideration. In conclusion, this study introduces ecological indicators and dynamic working time data into the classic MSIASM method for a more comprehensive evaluation of the city′s sustainability and firstly applies the model down to the industry scale. It can detect the composite effects of number of employee and average working hour. It provides a new perspective for environmental impact assessment of energy use and a new tool to guide future urban planning and development. Based on the result that EMR and BER show different characteristics under different scales, this method should be carefully used when face to evaluate the level of regional social development.

multi-scale integrated assessment of societal metabolism; exosomatic metabolism; carbon emission; China′s four municipalities

浙江省科技廳科技攻關項目“浙江省發展生態旅游產業對策研究”(2005C30013, 2005.04- 2006.04); 浙江省哲學社會科學基金重大項目“浙江省旅游生態化發展與管理的對策研究”(WT0316, 2003.06- 2005.06)

2013- 06- 08;

日期:2014- 07- 22

10.5846/stxb201306081461

*通訊作者Corresponding author.E-mail: yanlj@zju.edu.cn

戴剛, 嚴力蛟, 郭慧文, 章戈.基于MSIASM和能源消費碳排放的中國四大直轄市社會代謝分析.生態學報,2015,35(7):2184- 2194.

Dai G, Yan L J, Guo H W, Zhang G.Societal metabolism analysis of China′s four municipalities based on MSIASM theory and carbon emissions from energy consumption.Acta Ecologica Sinica,2015,35(7):2184- 2194.