中國各省區(市)城市化進程中碳排放變化特征及影響因素分析

趙冬琳 李天宏

?

中國各省區(市)城市化進程中碳排放變化特征及影響因素分析

趙冬琳 李天宏?

水沙科學教育部重點實驗室, 北京大學環境工程系, 北京100871; ? 通信作者, E-mail: lth@pku.edu.cn

以工業能源消耗和居民生活能源消耗產生的碳排放作為研究對象, 用建成區占總面積的比例、非農工業人口和城鎮人口分別占總人口的比例等3個指標來衡量城市化率, 分析1995—2012年間城市化過程中碳排放的地區差異及影響因素, 得到以下結論。1) 全國的碳排量以及人均碳排放量在1995—2012年間整體上呈上漲趨勢, 可分為緩慢增長、快速增長和增速下降 3 個階段。單位產值的碳排放呈整體遞減趨勢, 遞減速度變緩。2) 各省份碳排放隨城市化率增加的區域差異明顯, 北京、上海、天津均是碳排放相對較低和城市化率相對較高的地區。3) 從 3 種單位城市化率的碳排放來看, 絕大多數省市出現2000年下降之后再上升的趨勢。內蒙古自治區單位土地城市化率的碳排放最高, 單位人口城市化率(非農業人口比重和城鎮人口比重)碳排放最高的是河北、河南和山東。4) 城市化過程中碳排放的影響因素也存在一定的地域差異, 對各省份而言, 能源結構對碳排放影響有限, 能源強度對各省區碳排放的貢獻為負, 產業結構對碳排放的貢獻有正有負, 而經濟水平和人口規模對碳排放的貢獻幾乎均為正。研究結果可為我國區域碳排放削減的策略制定提供科學依據。

城市化; 碳排放; 影響因子

IPCC (IntergovernmentalPanelonClimateChange)第五次評估報告指出, CO2濃度已升至至少過去 80 萬年以來前所未有的水平, 而溫室氣體排放以及其他人為驅動因子已成為自 20 世紀中期以來氣候變暖的主要原因[1]。作為最大的發展中國家和碳排放大國, 中國的碳排放問題備受關注。隨著我國城市化與工業化進程的快速推進, 工業、交通和居民生活能源消耗作為主體而引起的碳排放與經濟、人口等因素相互作用和聯系。國內外已有研究表明城市化與碳排放之間的相關性[2–10]。如Ala-Mantila等[3]分析了芬蘭的家庭類型與以其消費為基礎的碳排放之間的關系。鄭云鶴[6]利用 1978—2003 年中國國家層面數據的研究表明, 中國城市化與能源消耗之間呈顯著的正相關關系。林伯強等[7]選取全國層面 1978—2008 年的數據, 對中國城市化發展不同階段的碳排放影響因素和減排策略進行研究, 結果表明城市化進程的加速導致中國碳排放量的增加。劉夢琴等[8]通過構建多形式的碳排放模型, 測算全國省際CO2排放, 表明城市化進程直接加劇了CO2的排放, 產業結構變化是中國碳排放增長的重要驅動因素之一。關海玲等[9]研究表明, 碳排放量與城市化水平之間存在長期穩定的均衡 關系, 城市化水平每增長 1%, 碳排放量相應增加1.643%。Perkins 等[10]利用 43 個發展中國家的面板數據, 對城市化、能源消耗和溫室氣體排放的關系進行研究, 結果表明發展中國家城市化進程的確導致能源消耗量和溫室氣體排放量的增加。

已有工作都是基于國家層面開展, 而中國幅員廣闊, 區域差異性較為顯著, 不同地區的碳排放問題與其對應的措施也不同, 所以研究中國的碳排放問題不僅要從全國層面進行分析, 也要重視區域間的差異化特征[11–12]。本文以工業能源消耗和居民生活能源消耗產生的碳排放為研究對象, 利用1995—2012年省級能源、社會和經濟數據, 分析城市化過程中碳排放的區域差異及影響因素, 以期為區域碳排放削減決策提供科學依據。

1 數據來源與研究方法

1.1 數據來源

利用中國內地 30 個省級行政單位(因無法獲得西藏的數據, 所以不包括西藏) 1995, 2000, 2008 和2012 年4個年份的能源、經濟和人口數據。數據主要來自《中國能源統計年鑒》(1996—2013)[13–15]中的地區能源平衡表(實物量)和《中國城市統計年鑒》(1996—2013)[16–17]中的土地資源和人口統計。各類能源折算為標準煤的系數來自《綜合能耗計算通則》(GB/T2589—2008)。各種能源的碳排放系數主要來自 2006 年的 IPCC 國家溫室氣體排放清單指南的缺省值, 其他系數參考王海鯤等[18]研究中CO2排放系數換算得到(表1)。

表1 各能源碳排放系數

說明: t/tce表示噸碳每噸標準煤。

1.2 研究方法

碳排放影響因素分析方法主要有結構分解方法(SDA)和指數分解方法(IDA)。本文使用 IDA 類中的對數平均指標分解方法(log mean division index, LMDI), 該方法由于是多因素完全分解且不產生殘差, 目前被廣泛使用。

1.2.1 基于能源消耗的碳排放量估算

目前, 中國各省區的碳排放量尚無權威部門的公布數據, 故基于 IPCC 的研究結果, 利用能源消費量來計算[9]:

式(1)中,為碳排放量;E為能源消費量, 按標準煤計;f為能源碳排放系數;為能源種類。能源消費量采用《中國能源統計年鑒》中能源平衡表中的終端消費量(去除能源加工、轉換與輸送過程中的損失量)。

1.2.2 城市化水平的估算

目前用于衡量城市化的指標主要有城市人口比重法、非農業人口比重法和城市用地比重法。城市人口比重法和非農業人口比重法衡量中國整體城市化的趨勢大致相同, 城市用地比重法相對于 2000年以后的變化較為敏感[8]。

1.2.3 基于KAYA恒等式和LMDI模型對碳排放影響因素的分解

Kaya[20]提出的 KAYA 恒等式能夠將碳排放與能源、經濟和人口3個因素聯系在一起。隨著研究的深入, KAYA 恒等式也相應地進行了擴展[21-22]:

式中,為碳排放量,C為第產業的第種能源的碳排放量,E為第產業的第種能源的消耗量,E為第產業能源消耗總量, GDP為第產業的生產總值, GDP 為國內生產總值,為常住人口數量。本文主要分析工業產業結構和一次能源(原煤、原油、天然氣)對我國碳排放的影響。C/E,E/E,E/GDP, GDP/GDP, GDP/和代表能源碳排放因子、能源結構、能源強度、產業結構、經濟水平和人口規模, 分別記為1,2,3,4,5和6。分解過程中, 利用 Ang[23]提出的 LMDI 方法, 用C和0分別表示期和基期的碳排放量, 各因子貢獻值由式(3)~(9)定義。

△= C–0

=△1+△2+△3+△4+△5+△6, (3)

, (5)

, (7)

。 (9)

由于碳排放因子為常數, 因此Δ1= 0。

定義影響因素貢獻率來比較不同地區各因素對碳排放的影響:

式中,r為某影響因素的貢獻率; ΔC表示基于LMDI分解的某影響因素對碳排放變化的貢獻。

2 結果與分析

2.1 全國碳排放變化

本文利用單位建成區碳排放量和人均碳排放量來衡量全國的總體情況。單位建成區碳排放量=碳排放量/建成區面積(104t/km2), 人均碳排放量=碳排放量/總人口(t/人), 非農人口人均碳排放量=碳排放量/非農人口(t/人), 城鎮人口人均碳排放量=碳排放量/城鎮人口(t/人)。

1995—2012 年, 全國的碳排放量整體上呈逐漸上升趨勢, 但是具有階段性。由圖 1 可見, 工業能源消耗產生的碳排放變化趨勢與總體變化幾乎一致, 生活能源消耗產生的碳排放逐年的變化相對平緩。從碳排放增長隨時間變化的趨勢來看, 我國總體的碳排放量可分為緩慢增長、快速增長和增速下降 3 個階段。在 1995—2000 年的緩慢增長階段, 碳排放量從1995年的7.44×104萬噸增加到2000年的8.27×104萬噸, 增長率為11.1%。由于亞洲金融危機的影響, 使得經濟增長速度變慢, 并且中國大部分省市都處于城市化初期, 發展速度相對緩慢, 從而在一定程度上抑制了碳排放。在2000—2008年的快速增長階段, 2008年的碳排放總量達1.90×105萬噸, 與2000年相比增幅達130%, 隨著中國城市化和工業化的加速推進, 資源投入仍是粗放型模式, 第一產業向二、三產業的轉變加速, 以高能耗、高污染的制造業為主, 使得這個階段的碳排放量迅速增長。2008—2012 年, 碳排放增速放緩至35.2%, 為增速下降階段, 此階段因節能減排被納入“十一五”規劃的積極作用, 能源節約取得明顯成效。

單位 GDP 碳排放量反映經濟發展對碳排放的影響, 從理論上來說, 單位 GDP 碳排放量越小, 即相同 GDP 的增加帶來的碳排放的增加越少, 說明經濟結構越合理, 科技水平越高。從圖2可以看出, 在總體上, 單位工業產值碳排放量比單位 GDP 碳排放量要大, 但兩者的變化趨勢相同。

從單位建成區碳排放量和人均碳排放量來看, 1995—2012年整體上呈現與總能源的碳排放量相同的趨勢, 所不同的是, 與人均碳排放量相比, 地均碳排放量下降幅度稍大, 如圖3所示。

2.2 各省區(市)碳排放變化及其差異

碳排放量與城市化程度相互影響。城市化率增長快, 同時碳排放量小, 可以認為是可持續的城市化過程。如果某地區城市化率較高, 而沒有相應較低的碳排放量, 則說明該地區城市化過程不利于可持續發展。

2.2.1 碳排放量與土地城市化率(城市用地比重法衡量城市化率)的變化特征

城市用地比重法是以某地區的城市建成區面積占區域總面積的比重來反映城市化率。由于建成區是人類活動的主要用地, 并會使基礎設施建設活動增加, 從而影響碳排放。

如圖 4 所示, 1995—2012年, 碳排放與城市化率的關系呈現兩個特點: 1) 各省市碳排放總體上呈現上漲態勢, 與全國的趨勢基本相同, 并且在快速增長的 2000—2008 年, 內蒙古、山東、海南的增長均超過200%; 2) 整體上城市化處于快速發展中, 其中上海、北京、天津的城市化水平始終位于峰值, 且遠大于其他地區, 其他碳排放相對較大的地區城市化率也較高。

從各省份碳排放變化情況來看, 幾乎所有省份都有不同幅度的增長。山東、河南、遼寧、河北、江蘇等省的碳排放量一直位于前列, 屬于碳排放大省。從排放量上看, 1995 年僅河北、遼寧、四川 3個省份的碳排放量超過 0.5×108t; 2000年也僅有 4個省份碳排放量超過 0.5×108t, 其中四川省在重慶市直轄后, 相對來說碳排放量減少; 2008年就有 15個省份的碳排放量超過 0.5×108t, 其中 5 個省份的碳排放量還超過 1×108t, 山東以 1.71×108t 遠超其他各省區。從增長率上, 各省份增長率最大值相對集中出現在 2001—2008 年, 寧夏、海南、山東、內蒙古和浙江等省份增長率都高于最低增長率的北京好幾倍。北京、上海和天津在城市化水平不斷增加的同時, 碳排量相對減少, 所以圖 4 中城市化水平折線的高點不斷向右移動。

2.2.2 碳排放量與人口城市化率(非農業人口比重法衡量城市化率)的變化特征

非農業人口比重法以某地區的非農業人口占總人口的比重來反映城市化水平。《中國城市統計年鑒》中非農業人口的界定是根據人口的就業方式來區分。城市化進程中, 大量農業人口轉為非農人口在城市就業, 體現了人口分布在經濟活動上的變化。在 4 個年份, 全國非農業人口比重分別為23.84%, 26.08%, 33.28%和 35.33%, 呈上升趨勢。圖 5 顯示各省區城市化水平相差明顯, 比如 1995年, 北京、天津和上海的城市化率就都超過 50%, 上海市更是達到70%以上, 其余省區的城市化率在20%左右。總體上, 1995—2012 年間, 上海市一直是碳排放量較少、城市化率最高的地區, 其次是北京市和天津市, 一直保持相對高的城市化水平和相對較低的碳排放量水平; 其他大部分省區是由碳排放量高、城市化率低的狀態向碳排放量高、城市化率也高的狀態發展。

2.2.3 碳排放量與人口城市化率(城鎮人口比重法衡量城市化率)的變化特征

城市人口比重法是以城市人口占總人口的比重來反映其城市化水平。這一度量方法是目前普遍采用的一種計算城市化的方法。根據城市人口比重的變化, 城市化過程可分 3 個階段[24]。城市化初期: 城市化水平低于 30%, 城市化速度比較慢; 城市化中期: 城市化水平為 30%~70%, 城市化速度非常快; 城市化后期: 城市化水平高于 70%, 城市化速度比較慢。

圖6顯示各省區城市化水平差異顯著, 北京、天津和上海從 2000 年開始都進入城市化后期。1995年, 23 個省份處于城市化初期, 北京、上海、天津、廣東和東北三省位于城市化中期。2000 年, 只有 10 個地區處于城市化初期, 16 個地區進入城市化中期, 北京、上海和天津已邁入城市化后期。2008 年, 除貴州處于城市化初期外, 其余均進入城市化中期。2012 年, 全部地區均進入城市化中期, 北京、上海和天津仍然處于城市化后期, 并保持相對較低的碳排放量。

在城市化的初期階段, 即1995—2000年, 城市化對碳排放的影響并不是很明顯, 因為這個階段城市化和工業化進程相對緩慢, 產生的碳排放比較有限。在城市化發展的中期, 即2000—2012年, 城市化和工業化都加速發展, 工業能耗增加, 同時 隨著大量的農村人口涌入城市, 生活能耗也不斷增加, 碳排放量迅速增大。

2.3 3 個不同城市化水平指標的單位碳排放

圖7中3個城市化率指標隨年份的變化曲線均顯示中國城市化正處于向前發展的趨勢, 中國的城鎮人口占總人口的比重增長迅速, 由 29.04% 增長到 52.57%; 非農人口變化相對平穩, 由 23.84% 增至 35.33%; 建成區占區域面積從 0.33% 增至0.74%。采用城鎮人口和非農業人口比重來衡量城市化率, 1995—2000年, 2000—2008年和2008—2012年3個階段的整體趨勢相差不多, 只在拐點處的變化有差別, 而采用建成區占比來衡量城市化率, 在2000年以后幾乎都以相同的速率增長。

從圖 8 中 4 個年份 3 個不同城市化率指標來看, 絕大多數省市都呈現在 2000 年下降之后再上升的趨勢, 從數值來看, 城鎮人口城市化率和非農業人口城市化率的變化趨勢大致相同, 與土地城市化率的差別較大。不考慮北京、天津和上海3個直轄市, 各省市單位土地城市化率的碳排放最高的是華北和西北地區, 說明華北和西北地區由于建成區面積的增加帶來的碳排放增加最多; 單位城鎮人口城市化率和非農業人口城市化率的碳排放最高的集中在人口多的省市, 比如河北、山東和河南等, 即非農人口或者城鎮人口的增加帶來碳排放的增加。從各省市 4 個年份的變化來看, 除個別省市外, 單位土地城市化率的碳排放變化不大, 單位城鎮人口城市化率和非農業人口城市化率的碳排放變化相對明顯, 并且與全國單位建成區和人均碳排放趨勢相同。

2.4 城市化進程中碳排放的影響因素分析

Chunbo等[19]采用LMDI的方法對中國1980—2003 年的能源強度變化進行分析。張俊峰等[21]利用LMDI模型對影響武漢城市圈土地利用碳排放的因素進行分解。朱勤等[25]利用擴展的 KAYA 模型和 LMDI 分解方法, 將我國碳排放的影響因子分解為人口、人均 GDP、產業結構、能源強度和能源消費結構。林伯強等[7]利用 LMDI, 分別從人均收入、能源強度和能源消費結構調整方面分析中國人均 CO2排放主要影響因素。本文選取以下 5 個因素加以分析。1) 能源結構(E/E): 單位工業能耗中一次能源消耗; 2) 能源強度(E/GDP): 單位工業產值的能源消耗; 3) 產業結構(GDP/GDP): 單位國內生產總值的工業產值; 4) 經濟水平(GDP/): 人均國內生產總值; 5) 人口規模(): 年末常住人口數。

圖 9 給出 1995—2000 年、2000—2008 年和2008—2012 年 3 個時間段各省區 5 種因素碳排放的貢獻率。總體來看, 各省區能源結構對碳排放影響占比不高, 能源強度效應整體上對各省區碳排放的貢獻幾乎為負, 產業結構效應對碳排放的貢獻有正有負, 經濟水平和人口規模效應對碳排放的貢獻幾乎均為正。基于上述城鎮人口比重, 并結合中國整體城市化率, 本文定義 1995—2000 年為城市化初期階段, 2000—2008年為城市化中期階段, 2008—2012年為城市化中期快速發展階段。下面結合城市化的進程分析碳排放的影響因素。

1) 能源結構。從圖 9 看出, 能源結構對 3 個階段的碳排放影響都比較微弱, 在各省市不同階段起到的作用也不同。1995—2000年, 寧夏有 15%的正效應, 而江蘇、浙江、山東和廣西等省則有接近16%的負效應; 2000—2008年, 除西南地區大多數省市為正效應外, 大部分省區都為負效應, 且貢獻率都不超過10%; 2008—2012年, 對碳排放有正效應的省區增加到 11 個。隨著城市化的推進, 由于對碳排放有正貢獻率的省區數目不斷增加, 尤其是在城市化中期加速發展階段增加較明顯, 說明能源結構調整在整體上促進了碳排放的增加, 但是區域差異明顯。能源結構的調整優化在超過一半的省區抑制了碳排放的增長, 同時也存在趨勢不穩定的現象。本文衡量能源結構是把工業消耗中的一次能源原煤、原油和天然氣考慮進來, 這3種能源消耗的碳排放因子大小依次為原煤>原油>天然氣(表 1)。因此, 在控制能源總耗的前提下, 可以通過調節 3 種能源的比例(減少原煤消耗的比重, 適當增加天然氣的比重)來減少碳排放量, 并繼續提高能源利用技術, 鼓勵節能技術的研發和推廣。

2) 能源強度。我國工業碳排放量與總碳排放量的走勢幾乎完全一致[26], 所以本文能源強度指標是以工業單位 GDP 的能源消耗量來衡量。從圖8可以看出, 能源強度提高對碳排放量增長的貢獻率是負值, 平均為 30%~40%, 而安徽、海南、寧夏和新疆在個別階段出現正值, 說明能源強度在絕大部分地區是降低的, 并相應地抑制了能源消費碳排放的增長。個別省區的能源強度較弱, 能源效率不高。從城市化進程的3個階段來看, 能源強度對碳排放的影響總體上呈先下降再上升的趨勢。1995—2000 年城市化初期, 城市化率低水平緩慢增長, 經濟作用強度相對不高, 能源強度的提高所帶來的負效應則非常明顯, 足以抵消大部分由經濟增長帶來的碳排放增加, 所以各省區的碳排放量變化平穩。2000—2008 年城市化中期, 由于我國經濟發展的粗放式增長, 經濟增長的作用強度明顯, 而能源強度對碳排放減少的作用減弱, 能源強度的負效應已不能抵消經濟快速增長帶來的正效應, 整體上表現為碳排放量的快速增長。2008—2012 年, 工業成為我國城市經濟的主要支柱, 城市化與工業化同時推進, 工業的能耗強度下降逐漸緩慢, 對抑制碳排放的影響相對緩慢。

3) 產業結構。我國工業的能源消耗量最大, 所以工業產值占國內生產總值比重的變化可以直接影響能源消耗碳排放的變化, 但影響程度在城市化不同階段存在明顯差異。1995—2000 年, 各省區產業結構對碳排放的差異很明顯, 正負效應各占一半, 但從各因素占比上看, 這個階段對碳排放的影響最大。這是因為在城市化的初級階段, 工業已經有所發展, 但能源利用技術比較落后, 能源利用效率比較低。2000—2008 年, 除北京、上海、黑龍江和湖北外, 其余地區都是正效應, 說明工業對于碳排放的驅動作用在增強, 工業化并沒有向低碳趨勢發展。2008—2012 年, 超過 2/3 的地區對碳排放呈負效應, 主要集中在東部地區, 因為在城市化中期發展較快階段, 工業發展也趨于成熟, 能源利用效率有所提高, 特別是發展較快的東部地區。

4) 經濟水平。從經濟水平的占比和貢獻值來看, 經濟增長無疑是促進碳排放增長的最重要因素, 表明我國經濟增長直接導致碳排放的增加。2000—2008年, 我國人均GDP以年均8％以上的速度增長, 而這種經濟高速增長是以消耗大量能源為特征, 產生大量溫室氣體, 直接導致碳排放的逐年增加。

5) 人口規模。各省區人口規模效應對碳排放的貢獻幾乎都是正值(除少數人口減少的地區, 并且所占比重很小), 說明人口規模的增加會在一定程度上增加碳排放。隨著城市化的加速, 一方面, 隨著總體人口數量的增加, 城市建設用地的需求也會增加, 城市面積的不斷增大會破壞森林, 并改變土地利用方式, 引起碳排放的增加; 另一方面, 城市人口數量呈現逐年增長的態勢, 人口向城市聚集過程中, 生活方式發生城市化的改變[27], 城市家庭采暖、制冷和交通出行等主要的耗能活動導致碳排放增加。

3 結論

本文利用 4 個時段全國 30 個省級行政單位的能源、社會和經濟數據, 分析各省區城市化過程中碳排放特征及其影響因素, 得到以下主要結論。1) 全國碳排放量以及人均碳排放量在 1995—2012 年間整體上升, 可細分為緩慢增長、快速增長和增速下降 3 個階段。單位產值的碳排放呈現整體遞減趨勢, 遞減速度變緩。2) 從 3 個衡量城市化水平指標的變化情況來看, 各省份碳排放存在很大的區域差異, 其中北京、上海和天津是碳排放相對較低、城市化率相對較高的地區。3) 從 3 種單位城市化率的碳排放來看, 絕大多數省市出現在 2000 年下降之后再上升的趨勢。內蒙古自治區單位土地城市化率的碳排放最高, 單位人口城市化率(城鎮人口比重和非農業人口比重)碳排放高的是河北、山東和河南。4) 城市化進程中碳排放的影響因素也存在一定的地域差異。總體上, 能源結構對碳排放影響有限, 能源強度效應對各省區碳排放的貢獻為負, 產業結構效應對碳排放的貢獻有正有負, 經濟水平和人口規模效應對碳排放的貢獻幾乎均為正。

參考文獻

[1]IPCC. Climate change 2013—synthesis report. Stockholm, 2013

[2]Parshall L, Gurney K, Hammer S, et al. Modeling energy consumption and CO2emissions at the urban scale: methodological challenges and insights from the United States. Energy Policy, 2010, 38(9): 4765–4782

[3]Ala-Mantila S, Heinonen J, Junnila S. Relationship between urbanization, direct and indirect greenhouse gas emissions, and expenditures: a multivariate ana-lysis. Ecological Economics, 2014, 104(3): 129–139

[4]Sadorsky P. The effect of urbanization on CO2emi-ssions in emerging economies. Energy Economics, 2014, 41(1): 147–153

[5]Al-mulalia U, Fereidounia H G, Leea J Y M, et al. Exploring the relationship between urbanization, energy consumption, and CO2emission in MENA countries. Renewable and Sustainable Energy Re-views, 2013, 23(4): 107–112

[6]鄭云鶴．工業化、城市化、市場化與中國的能源消費研究．北方經濟, 2006(5): 11–12

[7]林伯強, 劉希穎. 中國城市化階段的碳排放: 影響因素和減排策略. 經濟研究, 2010(8): 66–77

[8]劉夢琴, 劉軼俊. 中國城市化發展與碳排放關系: 基于30個省區數據的實證研究．城市發展研究, 2011, 18(11): 27–32

[9]關海玲, 陳建成, 曹文. 碳排放與城市化關系的實證. 中國人口資源與環境, 2013, 23(4): 111–116

[10]Perkins R, Neumayer E. Fostering environment-efficiency through transnational linkages trajectories of CO2and SO2, 1980—2000. Environment and Planning, 2008, 40(12): 2970–2989

[11]劉占成, 王安建, 于汶加, 等. 中國區域碳排放研究. 地球學報, 2010, 31(5): 727–732

[12]顧朝林, 譚縱波, 劉宛, 等. 氣候變化、碳排放與低碳城市規劃研究進展．城市規劃學刊, 2009(3): 38–45

[13]國家統計局工業交通統計司. 中國能源統計年鑒1991—1996. 北京: 中國統計出版社, 1998

[14]國家統計局工業交通統計司, 國家發展和改革委員會能源局. 中國能源統計年鑒2000—2002. 北京: 中國統計出版社, 2004

[15]國家統計局能源統計司. 中國能源統計年鑒 2009—2013. 北京: 中國統計出版社, 2010–2014

[16]國家統計局城市社會經濟調查總隊. 中國城市統計年鑒 1996—2001. 北京: 中國統計出版社, 1997—2002

[17]國家統計局城市社會經濟調查司. 中國城市統計年鑒2009—2013. 北京: 中國統計出版社, 2010—2014

[18]王海鯤, 張榮榮, 畢軍. 中國城市碳排放核算研究: 以無錫市為例.中國環境科學, 2011, 31(6): 1029–1038

[19]Chunbo M, David I. China’s changing energy intensity trend: a decomposition analysis. Energy Economics, 2008, 30(3): 1037–1053

[20]Kaya Y. Impact of carbon dioxide emission control on GNP growth: interpretation of proposed scenarios [R]. Paris: IPCC Energy and Industry Subgroup, Response Strategies Working Group, 1989

[21]張俊峰, 張安錄, 董捷. 武漢城市圈土地利用碳排放效應分析及因素分解研究. 長江流域資源與環境, 2014, 23(5): 595–601

[22]許士春, 習蓉, 何正霞. 中國能源消耗碳排放的影響因素分析及政策啟示. 資源科學, 2012, 34(1): 2–12

[23]Ang B W. The LMDI approach to decomposition analysis: a practical guide. Energy Policy, 2005, 33(7): 867–881

[24]謝文蕙, 鄧衛. 城市經濟學. 北京: 清華大學出版社, 1996

[25]朱勤, 彭希哲, 陸志明, 等. 中國能源消費碳排放變化的因素分解及實證分析. 資源科學, 2009, 31(12): 2072–2079

[26]梁進社, 洪麗璇, 蔡建明. 中國城市化進程中的能源消費增長: 基于分解的 1985—2006 年間時序比較. 自然資源學報, 2009, 24(1): 20–29

[27]吳嬋丹, 陳昆侖. 國外關于城市化與碳排放關系研究進展. 城市問題, 2014(6): 22–26

Analysis of Carbon Emissions and the Influence Factors in the Process of Urbanization among Chinese Provinces

ZHAO Donglin, LI Tianhong?

The Key Laboratory of Water and Sediment Sciences (MOE), Department of Environmental Engineering, Peking University, Beijing 100871; ? Corresponding author, E-mail: lth@pku.edu.cn

The article analyzes carbon emissions from industrial and living departments from 1995 to 2012, and urbanization rate is measured by three indicators, namely ratio of build-up area, ratio of non-agriculture population, and ratio of urban population. The results show that 1) the total amount of carbon emissions as well as the per capita carbon emissions is rising in 1995–2012, accordingly carbon emissions per unit of output present a decreasing trend. 2) In process of urbanization, Beijing, Shanghai and Tianjin have relatively lower carbon emissions and higher urbanization rates in urbanization stages. 3) The carbon emission of unit urbanization rate measured by three indicators show that most provinces present reduction trend till 2000 and then increase. Inner magnolia ranks the top in the carbon emission per urbanization rate 1. Hebei, Henan and Shandong rank the top in carbon emission per urbanization rate 2 and 3. 4) In the view of provinces, energy structure has limited impacts on carbon emissions, energy intensity has negative effect, and industrial structure has both positive and negative effect while economic level and population size have positive effect for all provinces. The results can provide scientific reference for the regional carbon emission reduction strategy.

urbanization; carbon emission; influence factors

10.13209/j.0479-8023.2016.060

F291

2015-03-25;

2015-05-26; 網絡出版日期: 2016-09-02

國家科技支撐計劃課題(2013BAJ13B00)資助