自上而下的城市能源消耗碳排放估算方法

景僑楠,侯慧敏,白宏濤,徐 鶴

?

自上而下的城市能源消耗碳排放估算方法

景僑楠,侯慧敏,白宏濤,徐 鶴*

(南開大學戰略環境評價研究中心,天津 300350)

快速的城鎮化進程帶來城市碳排放的快速增長,準確的城市水平碳排放數據對于制定科學合理的碳減排政策極為關鍵,明確碳排放源的關鍵類別可以做到有的放矢和精準管控.但是目前中國碳排放數據的研究主要集中在國家?地區和省級層面,城市水平由于所需基礎數據的不透明和不準確,長久以來缺乏完整的碳排放清單.為解決該問題,在以前相關研究的基礎上,通過省級能源平衡表,嘗試利用合理的分配指標從省級碳排放數據估算出下屬城市的碳排放,構建了一套自上而下的城市能源消耗碳排放估算方法.通過與現有可獲得的城市水平數據進行對比,發現估算差距均在10%以內,證明了該方法的可行性和準確性,并嘗試在時間尺度進行了擴展.為獲取在時間和空間上均連續的中國城市能源消耗碳排放數據提供了科學的方法和合理的思路,也能為各城市分配減排任務和城市間進行減排協商提供可靠的數據支撐.

碳排放；城市；估算方法；能源平衡表

中國在巴黎氣候變化大會上承諾,要在2030年左右實現碳達峰和碳排放水平下降60%~65%(基于2005年水平)的目標[1].但是目前中國快速的城鎮化和人民日益增長的物質文化需要對按時完成這一目標形成了巨大的挑戰[2-3].而城市作為減排彈性最大同時減排能力最強的管控單元,能夠在完成這一目標的過程中發揮不可替代的作用[4].中國在2010年建立了81個低碳試點城市[5],也是希望借此機會在城市尺度探索出一套合理的碳減排方案.因此我國更加需要構建完善的城市水平的碳排放清單,為制定減排政策打下基礎.

但是由于目前中國城市水平統計數據的不一致性、缺乏準確性和透明性等諸多問題,城市尺度碳排放數據十分缺乏[6-9].目前更多的研究還是集中在統計數據相對較為準確和豐富的國家?地區和省等較大尺度.盡管有很多學者從不同角度對各種類型城市碳排放均有過研究,但是依然未能形成一套完整的針對所有普通地級市的碳排放數據獲取方法.據測算,對北京、天津、上海、重慶、廣州、南京、廈門、蘇州和烏魯木齊這9個城市的碳排放研究在177篇文獻中就占據了70篇,關注度為35.18%,普通地級市關注度則更低[4].目前常用的城市碳排放研究可以按照其邊界和方法不同進行劃分,但是對于不同的邊界往往有其對應的常用方法.

首先從邊界來說,根據ICLEI(International Council for Local Environmental Initiatives)和UNEP(United Nations Environment Program)等對研究邊界的劃分[11-12],目前各類研究均有開展.但是由于實際數據的可獲取性,仍然是邊界1和邊界2研究較多[13-15],而邊界3則由于城市間能源、商品等交流情況的復雜性和數據的統計問題,存在較多的研究難點,在城市尺度依然未能找到合適的模型來進行描述[13].相比之下,邊界1和邊界2則僅對相關數據提出了較高要求,計算方法則較為簡便.同時由于國際上和國內碳排放責任的分配問題的熱烈討論,基于生產型和消費型的碳排放也在近幾年受到廣泛關注,這兩類碳排放也是由于立足的邊界不同而產生了不同的計算方法[1,16-17].

從方法的角度來說,常用的方法有投入產出模型法、部門法、空間數據法和能源平衡表法.投入產出模型法是利用投入產出表對單個地區或多地區能流、物流、碳排放等進行計算[16-18];部門法則一般采取實地調研的方法采集相關碳排放數據[19-21];空間數據法則是利用大氣溫室氣體監測設備分析CO2的空間分布情況[19,21-23];能源平衡表法則是利用能源平衡表結合相關數據計算出能源消耗碳排放[2,24-25],本文即是建立在此方法基礎上.需要注意的是,沒有一種方法是普遍適用的.首先,投入產出模型法和空間數據法一般集中在較大尺度,因為只有這些單元才有能力編制投入產出表或建立溫室氣體監測機構;其次,部門法需要進行廣泛的實地調研和數據采集,人力物力和時間都消耗巨大,一般適合較小的單元或者行業等;普通的能源平衡表法也不能直接應用于城市層面,因為大部分地級市也并未編制能源平衡表,但是能源平衡表的特點是各項基本獨立,因此可以利用分解的方法進行擴展,本文思路即是如此.

總的來說,由于研究對象、研究邊界等的不同,采用不同的碳排放計算方法也會帶來不同的計算結果.因此在計算城市水平碳排放時,首先需要明確研究的內容,其次要選取合適的計算方法.本文嘗試從能源消耗碳排放這一城市主要碳排放來源入手,基于現有的城市水平可獲取的最為基礎的統計數據,構建出一套自上而下的普適的碳排放數據估算方法.希望對廣泛的更具減排潛力的普通地級市進行更系統的研究,也為之后的研究提供一個可行的參考方法和思路.

1 研究方法

本文的研究邊界包括城市管轄范圍內能源消耗所產生的直接碳排放,也即邊界1,不包括工業過程碳排放(如水泥生產過程所產生的碳排放).

分配指標的選取決定了在省和城市之間所建立的聯系的緊密性和合理性.本文在選取分配指標時,主要遵循了3個原則:首先,該指標需在城市統計數據中普遍存在、時間上連續且易于獲取;其次,該指標需要有代表性,能充分表征該行業或該類別,兼顧數據實際可獲取性和已有文獻;最后,當指標數據無法獲取時,可以采用關聯指標進行替代.在所選分配指標中,由于中間轉化過程全部屬于工業加工過程,因此全部采用工業產值作為其分配指標;損失量主要來自于電力傳輸消耗和能源運輸過程消耗(不包括加工轉換消耗),而各省和各城市統計年鑒中并未詳細說明電力來源是本地發電還是外地輸入,同時損失量在能源平衡表中占比極小,因此選用各市全社會用電量作為其分配指標;各省年鑒中交通運輸和倉儲郵政業相關數據十分缺乏,本文采用客運量(萬人)與貨運量(萬t)指標作為交通運輸業分配指標,以郵政業務營收作為郵政業指標,因這兩部分單位不同,不能直接進行運算,所以本文假設這兩部分在該項指標中權重均為50%,處理后作為此項分配指標;因各省批發零售數據較全且占本項指標主導,所以沒有住宿餐飲業營收的均僅以批發零售總額作為此項分配指標.在綜合考慮以上原則并經過動態調整之后,根據省級能源平衡表的結構,最終選取了如表1所示的分配指標.

需要注意的是,能源平衡表中的損失量、油品再投入量、焦炭再投入量、用作原料和材料4部分產生的碳排放需要剔除以避免重復計算.

表1 能源平衡表能源消耗類別和分配指標

表2 不同化石能源的排放因子

表3 2013年16個城市碳排放數據估算結果與文獻數據對比

表4 不同城市分類調整結果

注:、、分別代表CHRED中,東、中、西地區的CO2排放總量、調整前總量估算結果、CO2總量平均值.

2 結果與討論

為獲取最準確的城市水平和省級水平數據,本文的數據主要包括中國能源統計年鑒2013、中國城市統計年鑒2013、中國城鎮化率調查報告和相關統計公報等.根據實際數據可獲取情況,剔除了西藏自治區、青海省、海南省、臺灣省、香港和澳門,北京、上海、天津和重慶由于是直轄市,在本文的研究中其地位相當于省,擁有完整的能源平衡表和相關數據,本文將其也包含在實證范圍內.

將調整后的324個城市的CO2排放量估算結果與CHRED點源數據進行對比(圖1),其中差距最大的達到191.92%(深圳市),差距最小為0.01%(廣元市),差距在10%以內的有224個,約占70%的城市,差距在20%以上的僅有51個,約占16%,去除差距超過100%的2個城市后,平均差距僅為10.80%,在一個可接受的范圍內,比未經調整前的平均差距(58.34%)大大提高了準確性,但也說明了由于實際社會經濟情況的復雜性,在不同城市應用該方法其準確性也存在一些差別.總的來說,按照東、中、西城市分類調整后的模型已經能較好地估算出城市水平的碳排放數據.

圖1 調整后估算結果與CHRED CO2總量差距百分比

從地理位置來看,東、中、西部城市的排放量存在較大差異(圖2),這3類城市的平均CO2排放總量分別為4465.9,2604.4和2146.0萬t,人均CO2排放量分別為8.4,9.0和10.9t.可以看出,東部城市的平均能源消耗碳排放總量要遠高于中部和西部,而中、西部之間則較為接近,這是因為東部城市整體發展水平較高,能源消耗量大,西部能源基地眾多,整體的碳排放量已經和中部城市較為接近.在考慮人口因素后,三者的差距并不明顯,這也側面反映出中國人口分布十分不均勻,東部遠大于中部和西部.同時從圖2可以看出,東部城市的累計柱狀圖要比中部和西部上升的“陡峭”的多,這說明東部城市不僅碳排放總量大,且城市間的碳排放總量差異也較大.

為分析各城市CO2排放總量是否存在空間自相關性,利用探索性空間數據分析方法,計算出324個城市的CO2排放總量全局空間自相關指數Moran’s I為0.3391,說明了中國城市能源碳排放空間集聚特征十分明顯.同時利用空間聯系局部指標(LISA)繪制出了CO2排放總量集聚圖并對此進行了分析(圖3).

圖2 東、中、西部城市累計排放量對比

圖3 全國324城市能源消耗CO2排放總量LISA集聚

從全國324個城市的CO2排放總量空間集聚情況來看,集聚現象明顯的主要集中在華北地區、上海、重慶和廣州周邊(圖3).華北地區和上海、廣州周圍的碳排放集聚現象呈現極為明顯的高高集聚,這說明該地區城市的整體能源碳排放互相產生“抬升現象”,而這一地區也是中國工業十分發達的地區,能源相關碳排放產業集聚現象十分明顯,因而也就帶來高碳排放的空間集聚.重慶市則呈現明顯的高低集聚,人口眾多加上突出的經濟地位,使其整體碳排放明顯要高于周圍城市.

本文所構建的自上而下的城市水平碳排放數據估算方法不僅可以計算出CO2排放總量、人均CO2排放量等數據,還可以根據實際需要利用相關的社會經濟指標進行進一步擴展.比如將CO2排放總量細致分解為不同種類的化石燃料排放或者分為農業、工業、服務業排放.也就是說,只要能源平衡表中有相關分類,就可以利用相關數據將其進行更細致的分解以獲取所需碳排放數據.但是需要注意的是,在估算結果的基礎上,隨著碳排放的細致分解,各研究目標的活動顯得更活躍且更難以定量描述,想要準確獲取相關數據就需要更完整地獲取這個活動單元的“動作”,所需的變量和假設也更多,也就是說不確定性的來源會變多,這對模型的進一步擴展來說無疑是十分具有挑戰的,因此需要十分嚴格的實證分析,否則會因為誤差太大而失去參考價值.

3 不確定性分析

不確定性的分析對于研究城市碳排放是極為重要的.IPCC[24]報告指出,在進行碳排放量的計算時,需要明確來自活動數據和排放因子的不確定性.據測算,由于這兩方面的不確定性,在進行中國2013年碳排放量核算時會帶來大約14%(約0.35GTC)左右的差距,這一總量比全球2012~2013年的碳排放增長量還要大[6].因此本文也進行了不確定性分析.

3.1 搜集數據的不準確性

本文所用數據均來自于官方統計數據,但是各城市數據統計情況存在差異,同一項指標可能在統計報告中有著不同的數據采集渠道,也存在著一些缺失值.本文對這類情況一般首先采用其現有數據,如果有缺失值則采用插值法或最近年份的統計數據進行替代,力求減少這類不確定性.

3.2 化石燃料排放因子的非本地化

以IPCC[24]報告中芬蘭為例,由3種不同類型化石燃料(煤炭相關、石油相關和天然氣相關)的排放因子非本地化可能會導致大約3%的總量估算差距.由于中國能源消耗量的基數極大,采用不同來源的排放因子會導致不可忽視的估算差距.本文采用的排放因子被省級溫室氣體清單編制指南所推薦,但其實質來源于WRI(世界資源研究所),在使用中也會帶來一定的誤差.

此外模型誤差以及數據處理過程中的舍入誤差,也會造成影響.

4 結語

為解決目前中國城市水平碳排放數據缺失的問題,本文基于2012年省級能源平衡表和相關社會經濟數據,構建了一套自上而下的中國城市水平碳排放數據估算方法,并對2012年324個城市以及2013年16個城市進行了實證分析,同時提出了將該方法擴展到不同年份和不同空間尺度時的合理思路.

利用本文所構建的方法可以進一步構建出時間序列的中國城市碳排放數據清單.本文嘗試將研究尺度推進到城市尺度,希望能為了解中國更細致單元的碳排放特征和規律提供借鑒和參考.因不同年份間存在著實際情況的差異,本文公式可能需要加入其他調整系數,同時也需對城市進行隨機抽樣或采用實地調研法進行驗證,以保證估算結果的準確性.

本文對方法進行調整時的東、中、西部城市分類方法具有最佳的調整效果說明了這三個區域內城市碳排放情況較為類似,因此可以因地制宜地制定有針對性的碳減排政策.同時通過分析城市碳排放的地理差異,也可以為宏觀調控、產業轉型提供一定的參考.也可以進一步分析城市發展與碳排放的同步關系,為了解和解決相關城市問題提供思路.

合理分配減排任務和進行精準管控的根本途徑在于建立全面覆蓋的碳監控網絡,同時需完善相關基礎數據(如將排放因子本地化),這樣才能準確得到小到城市、大到國家的各類碳排放數據,在城市間和國家間氣候變化談判中掌握主動.

[1] Mi Z F, Zhang Y K, Guan D B, et al. Consumption-based emission accounting for Chinese cities [J]. Applied Energy, 2016,184:1073- 1081.

[2] Shan Y L, Guan D B, Zheng H, et al. China CO2emission accounts 1997-2015 [J]. Scientific data, 2018,5:170201.

[3] Wang Y, Zhao T. Impacts of urbanization-related factors on CO2emissions: Evidence from China’s three regions with varied urbanization levels [J]. Atmospheric Pollution Research, 2018,9(1): 15-26.

[4] Chen Q L, Cai B F, Dhakal S, et al. CO2emission data for Chinese cities. Resources, Conservation and Recycling, 2017,126:198-208.

[5] NDRC. The 12th five-year plan for energy development. http://www. gov.cn/zwgk/20132001/2023/content_2318554.htm [EB/OL], 2013.

[6] Guan D B, Liu Z, Geng Y, et al. The gigatonne gap in China’s carbon dioxide inventories [J]. Nature Climate Change, 2012,2(9):672-675.

[7] Kholod N, Evans M, Gusev E, et al. A methodology for calculating transport emissions in cities with limited traffic data: Case study of diesel particulates and black carbon emissions in Murmansk [J]. The Science of the total environment, 2016,547:305-313.

[8] Liu Z, Guan D B, Wei W, et al. Reduced carbon emission estimates from fossil fuel combustion and cement production in China [J]. Nature, 2015,524,335.

[9] Shan Y L, Guan D B, Liu J H, et al. Methodology and applications of city level CO2emission accounts in China [J]. Journal of Cleaner Production, 2017,161:1215-1225.

[10] ICLEI C40I, Global Protocol for Community-scale GHG Emissions, Version0.9,http://citeseerx.ist.psu.edu/viewdoc/download;jsessionid=642B39A11A90D983E609DCF366423F19?doi=10.1.1.230.6822&rep=re&type=pdf [EB/OL], 2012.

[11] UNEP, International Standard for Determining Greenhouse Gas Emissions for Cities, VERSION 2.1, UN-HABITAT World Bank, 2010.

[12] Bi J, Zhang R R, Wang H K, et al. The benchmarks of carbon emissions and policy implications for China's cities: Case of Nanjing [J]. Energy Policy, 2011,39(9):4785-4794.

[13] Cai B F, Zhang LX. “Study on the Spatial Characteristics of Urban CO2Emissions in Shanghai” [J]. Progressus Inquisitiones DE Mutatione Climatis, 2014,6:417-426.

[14] Lin J Y, Jacoby J, Cui S H, et al. A model for developing a target integrated low carbon city indicator system: The case of Xiamen, China [J]. Ecological Indicators, 2014,40:51-57.

[15] Feng K S, Hubacek K, Sun L X, et al. Consumption-based CO2accounting of China’s megacities: The case of Beijing, Tianjin, Shanghai and Chongqing [J]. Ecological Indicators, 2014,47:26-31.

[16] Peters G P. From production-based to consumption-based national emission inventories [J]. Ecological Economics, 2008,65(1):13-23.

[17] Davis S J, Caldeira K. Consumption-based accounting of CO2emissions [J]. Proceedings of the National Academy of Sciences of the United States of America, 2010,107(12):5687-5692.

[18] Cai B F, Liang S, Zhou J, et al. China high resolution emission database (CHRED) with point emission sources, gridded emission data, and supplementary socioeconomic data [J]. Resources, Conservation and Recycling, 2018,129:232-239.

[19] Wang H, Zhang R, Liu M, et al. The carbon emissions of Chinese cities [J]. Atmospheric Chemistry and Physics, 2012,12(14):6197- 6206.

[20] Wang J, Cai, B F, Zhang L X, et al. High resolution carbon dioxide emission gridded data for China derived from point sources [J]. Environmental science & technology, 2014,48(12):7085-7093.

[21] 趙 敏,胡 靜,戴 潔,等.基于能源平衡表的CO2排放核算研究[J]. 生態經濟, 2012,(11):30-32. Zhao M, Hu J, Dai J, et al. The accounting of CO2emissions based on the energy balances [J]. Ecological Economy, 2012,(11):30-32.

[22] 蔡博峰.中國4個城市范圍CO2排放比較研究--以重慶市為例 [J]. 中國環境科學, 2014,34(9):2439-2400.Cai B F. CO2emissions in four urban boundaries of China-Case study of Chongqing [J]. China Environmental Science, 2014,34(9):2439- 2400.

[23] 李海萍,龍 宓,李光一.基于DMSP/OLS數據的區域碳排放時空動態研究 [J]. 中國環境科學, 2018,38(7):2777-2784.Li H P, Long M, Li G Y. Spatial-temporal dynamics of carbon dioxide emissions in China based on DMSP/OLS nighttime stable light data [J]. China Environmental Science, 2018,38(7):2777-2784.

[24] 孫振清,汪國軍,陳亞男.基于能源平衡表的碳排放清單核算不確定性分析[J]. 生態經濟, 2015,31(7):33-38. Sun Z Q, Wang G J, Chen Y N. Analysis on the uncertainty of carbon emission accounting based on energy balance sheet [J]. Ecological Economy, 2015,31(7):33-38.

[25] IPCC. 2006IPCC guidelines for national greenhouse gas inventories [Z]. IGES, Japan, 2006.

[26] 劉 竹,耿 涌,薛 冰,等.城市能源消費碳排放核算方法[J]. 資源科學, 2011,33(7):1325-1330. Liu Z, Geng Y, Xue B, et al. A calculation method of CO2emission from urban energy consumption [J]. Resources Science, 2011,33(7): 1325-1330.

[27] Zheng H, Shan Y, Mi Z, et al. How modifications of China’s energy data affect carbon mitigation targets [J]. Energy Policy 2018,116:337- 343.

[28] 范建雙,周 琳.中國城鄉居民生活消費碳排放變化的比較研究[J]. 中國環境科學, 2018,38(11):4369-4383. Fan J S, Zhou L. A comparative study on the changes of residential living consumption carbon emissions in urban and rural China [J]. China Environmental Science, 2018,38(11):4369-4383.

[29] 朱 婧,劉學敏.能源活動碳排放核算與減排政策選擇[J]. 中國人口·資源與環境, 2016,26(7):70-75. Zhu J, Liu X M. Accounting and reduction policy on carbon emission from energy activities [J]. China Population, Resource and Environment, 2016,26(7):70-75.

[30] 王金南,蔡博峰,曹 東,等.中國10km二氧化碳排放網格及空間特征分析 [J]. 中國環境科學, 2014,34(1):1-6.Wang J N, Cai B F, Cao D. China 10km carbon dioxide emissions grid dataset and spatial characteristic analysis [J]. China Environmental Science, 2014,34(1):1-6.

[31] Xu X W H, Huo H, Liu J R, et al. Patterns of CO2emissions in 18central Chinese cities from 2000 to 2014 [J]. Journal of Cleaner Production, 2018,172:529-540.

[32] Zheng B, Zhang Q, Davis SJ, et al. Infrastructure Shapes Differences in the Carbon Intensities of Chinese Cities [J]. Environmental science & technology, 2018,52(10):6032-6041.

[33] 白衛國,莊貴陽,朱守先,等.中國城市溫室氣體清單核算研究——以廣元市為例[J]. 城市問題, 2013,(8):13-18. Bai W G, Zhuang G Y, Zhu S X, et al. Study on greenhouse gas inventory accounting in Chinese cities-a case study of Guangyuan [J]. Urban Problems, 2013(8):13-18.

A top-bottom estimation method for city-level energy-related CO2emissions.

JING Qiao-nan, HOU Hui-min, BAI Hong-tao, XU He*

(Research Center for Strategic Environmental Assessment, Nankai University, Tianjin 300350, China)., 2019,39(1)：420~427

Due to the fast process of urbanization in China recently, rapid growth of urban carbon emissions has been greatly brought about, it’s generally recognized that accurate city-level carbon emission data are crucial for formulating scientific and reasonable carbon emission reduction policies. By clarifying the key categories of carbon emission sources, different kinds of carbon emissions can be targeted and precisely controlled. However, recent researches on carbon emissions were mainly concentrated at the national, regional and provincial levels, and due to the opacity and inaccuracy of the required basic data, complete carbon emission inventories for general prefecture cities have not been well compiled for a long period. To solve the problem, on the basis of previous studies, the provincial energy balance table and reasonable distribution indicators are used to estimate carbon emissions in subordinate cities from provincial carbon emissions data in our research, and a set of top-bottom urban energy consumption carbon emission estimation methods was constructed. The comparison with the publicly available city level carbon emission database showed that the estimation gap was all within 10%, which proved the feasibility and accuracy of the method. We also tried to extend the method on the time scale and provide the validation. This paper provided a scientific method and reasonable ideas for acquiring carbon emissions data of Chinese cities that were continuous in both time and space scale, and could also provide reliable data support for allocating carbon emission reduction tasks and emission reduction consultations between cities.

carbon emission；cities；estimation method；energy balance table

X24

A

1000-6923(2019)01-0420-08

景僑楠(1994-),男,山西運城人,南開大學環境科學與工程學院在讀碩士研究生,主要從事氣候變化、碳排放核算等相關研究.

2018-06-04

教育部人文社會科學研究課題(17YJCZH002)”

* 責任作者, 教授, seacenter@naikai.edu.cn