免费文献传递   相关文献

Driving forces of carbon emission from energy consumption in China old industrial cities: A case study of Shenyang City, Northeast China.

中国老工业城市能源消费碳排放的驱动力分析——以沈阳市为例



全 文 :中国老工业城市能源消费碳排放的驱动力分析
———以沈阳市为例*
任婉侠**摇 耿摇 涌摇 薛摇 冰
(中国科学院沈阳应用生态研究所污染生态与环境工程重点实验室, 沈阳 110016)
摘摇 要摇 开展人为因素对区域生态环境影响作用的量化分析,是国际可持续发展领域的研究
热点.本文以典型的老工业城市———沈阳市为例,基于 IPCC 能源消费碳排放计算方法,对
1978—2009 年城市能源消费碳排放进行核算,并应用基于 Kaya 等式和岭回归的 STIRPAT 模
型,对影响碳排放量的人文驱动因素进行时间序列分析.结果表明: 研究期间,沈阳市碳排放
变化经历了 3 个阶段,先缓升再略降随后快速增加,2009 年的碳排放总量是 1978 年的 4郾 6
倍;人口规模是影响沈阳市碳排放量增加的主要驱动因子,碳排放量与人口数量呈同比例变
化;城市化显著影响碳排放量,是仅次于人口数量的另一个主要驱动因子;人均 GDP 与碳排
放量呈正相关关系,经济发展与碳排放之间不存在 Kuznets曲线假说;能源强度降低即技术进
步因素是碳排放量降低的主要因素.
关键词摇 气候变化摇 城市碳排放摇 时间序列分析摇 因素分解分析摇 STIRPAT模型
文章编号摇 1001-9332(2012)10-2829-07摇 中图分类号摇 X24摇 文献标识码摇 A
Driving forces of carbon emission from energy consumption in China old industrial cities: A
case study of Shenyang City, Northeast China. REN Wan鄄xia, GENG Yong, XUE Bing (Key
Laboratory of Pollution Ecology and Environmental Engineering, Institute of Applied Ecology, Chi鄄
nese Academy of Sciences, Shenyang 110016, China) . 鄄Chin. J. Appl. Ecol. ,2012,23(10): 2829-
2835.
Abstract: To quantitatively analyze the effects of anthropogenic factors on regional environmental
quality is a hot topic in the field of sustainable development research. Taking the typical old indus鄄
trial city Shenyang in Northeast China as a case, and by using the IPCC method for calculating car鄄
bon emission from energy consumption, this paper estimated the carbon emission from energy con鄄
sumption in the city in 1978-2009, and a time series analysis on the anthropogenic factors driving
this carbon emission was made by the STIRPAT model based upon Kaya equation and ridge regres鄄
sion. In 1978-2009, the carbon emission in the city had a slow increase first, slow decrease then,
and a rapid increase thereafter. The total carbon emission in 2009 was 4. 6 times of that in 1978.
Population growth was the main factor driving the growth of the emission, and there existed an
equal鄄proportional variation between the population growth and the carbon emission growth. Urbani鄄
zation was another main driving factor followed by population growth, and the per capita GDP was
positively correlated with the carbon emission. Kuznets curve did not exist for the relationship be鄄
tween economic development and carbon emission in Shenyang. Energy source intensity reduction
(representing technology improvement) was the main factor driving the reduction of the total carbon
emission.
Key words: climate change; city carbon emission; time series analysis; factor decomposition anal鄄
ysis; STIRPAT model.
*国家科技支撑计划项目(2011BAJ06B01)、国家自然科学基金项目(71033004,41101126,31100346)、中国科学院“百人计划冶项目(2008鄄
308)、科技部国际合作项目(2011DFA91810)、沈阳市科技局项目(F10鄄238鄄6鄄00)、联合国大学 Co鄄benefits项目和日本国立环境研究所城市大气
质量项目资助.
**通讯作者. E鄄mail: renwanxia@ iae. ac. cn
2011鄄12鄄27 收稿,2012鄄07鄄13 接受.
应 用 生 态 学 报摇 2012 年 10 月摇 第 23 卷摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Oct. 2012,23(10): 2829-2835
摇 摇 应对全球气候变化是 20 世纪末以来国内外学
术研究的热点[1-3],其中,由于化石燃料使用而引起
的碳排放更是研究重心[4-6] . IPCC 全球第 4 次气候
评估报告指出,过去 50 年全球气候变暖超过 90%
的可能性与 CO2 等温室气体增加有关[7] .作为世界
上最大的碳排放国家之一,中国的碳排放变化已引
起世界各国的重视[8-10] .城市是人口、建筑、交通、工
业、物流的集中地,居住着世界一半以上人口,消耗
了世界约 75%的能源,温室气体排放占全球总量的
75%左右[11] . 因此,辨明城市人类活动对城市 CO2
排放的影响机制及其变化,一直是人们试图揭示与
阐释的基本科学问题.
目前,国内外学者对碳排放与经济发展等因素
辨析问题的研究已经取得了初步成果,对于研究人
类经济活动及其过程对碳排放及其动态变化的影响
具有重要意义,但其研究主体主要保持在国家层次
或跨国家尺度的研究范畴内. 如 Kihoon 和 Wanke鄄
un[12]应用对数平均权重 Divisia 分解法(LMD)及面
板数据对不同收入水平的亚太经济合作组织
(APEC)国家的碳排放进行分析,认为人均地区生
产总值(GDP)和人口因素是影响碳排放的最主要
因素. Shi[13]和 Mart侏nez鄄Zarzoso 等[14]分析了人口因
素对环境压力的影响,前者根据收入水平划分了不
同的国家范围,后者研究了人口增长对新旧欧盟成
员国的影响. Shyamal 和 Bhattacharya[15]基于时间序
列数据采用对数平均 D 氏指数法(LMDI)对印度能
源消耗排放的 CO2 进行分解研究,认为经济增长是
CO2 排放的最主要驱动力. Wang等[16]利用 LMDI方
法分析了影响能源消费碳排放的驱动因素,认为能
源强度改善是中国 CO2 排放降低的主要因素.徐国
泉等[17]采用 LMD 方法定量分析了能源结构、能源
效率和经济发展等因素对中国人均碳排放的影响,
发现经济发展对拉动我国人均碳排放的贡献率呈指
数增长,而能源效率和能源结构对抑制中国人均碳
排放的贡献率均呈“U冶型.孙建卫等[18]采用 Laspey鄄
res指数分解模型,从时间序列上对中国碳排放量和
碳排放强度及其变化因素进行分解分析,认为 GDP
增长是碳排放总量增加的主要动力,技术进步是碳
排放量降低的主导因素. 陈佳瑛和朱勤[19] 利用
STIRPAT修正模型分析了家庭规模、总户数、居民消
费水平、能源强度等对中国碳排放总量的影响程度,
认为人口因素对碳排放的影响强度大于实际人均居
民消费和实际能源强度,并认为家庭户概念可能成
为较人均概念更合适的碳排放研究基础单位.
本文以沈阳市为例,基于 IPCC的能源消费 CO2
排放核算方法,采用 Kaya等式和岭回归的 STIRPAT
模型,从时间序列上(1978—2009 年)分析了影响其
碳排放变化的驱动因素,并考察碳排放与经济发展
之间的 Kuznets 曲线假设,以期在明确城市尺度碳
排放的基础上,通过人文要素调控,为城市阶段性减
排目标和相应政策的制定提供借鉴和参考.
1摇 研究地区与研究方法
1郾 1摇 研究区概况
沈阳市(41毅11忆51义—43毅02忆13义 N,122毅25忆09义—
123毅48忆24义 E)是建国初期国家重点建设起来的以
装备制造业为主的全国重工业基地之一,是著名的
老工业城市,市域面积 12881 km2,市区面积 3471
km2 . 2009 年,沈阳市实现 GDP 4268郾 5 亿元,作为支
柱性产业的制造业实现增加值 1796郾 7 亿元,占全市
工业增加值的 93% .沈阳市作为我国典型的老工业
基地之一,为我国的工业化和现代化做出了重大贡
献.但由于市场变化、科技进步、资源枯竭等诸多因
素,沈阳市与世界上其他老工业基地一样,经历了从
开发期、鼎盛期、衰退期到振兴期的演变过程. 1978
年以来,在改革开放政策引领和社会主义市场经济
体制建立过程中,沈阳的社会经济发展始终以工业
为中心,并从阵痛中走向振兴,因此,以沈阳为例,开
展中国老工业城市碳排放的人文驱动要素分析,具
有较强的代表性.
1郾 2摇 数据来源
沈阳市能源消耗所需的活动水平数据包含一次
能源(原煤、石油和天然气)的消耗量及其低位热
值、碳潜在排放因子和碳氧化率. 其中,1978—2009
年一次能源消耗量数据来自 1994—2010 年《沈阳统
计年鉴》 [20]、《沈阳年鉴》 [21]及《沈阳统计手册》 [22];
1978—2009 年 GDP和人均 GDP 来自《2010 沈阳统
计年鉴》 [20];1978—2009 年人口和非农业人口占总
人口的比例来自 1994—2010 年 《沈阳统计年
鉴》 [20]、《沈阳统计手册》 [22]、2009—2010 年《沈阳
年鉴》 [21]和《辽宁省人口统计年鉴》 [23] .
1郾 3摇 研究方法
1郾 3郾 1 碳排放核算方法摇 由于城市尺度的统计数据
受限,能源消费碳排放大多以基于能源表观消费量
的参考方法为主[24] . 本文根据 IPCC 能源消费碳排
放计算方法,即基于能源表观消费量的参考方法,对
沈阳市因一次能源消费引起的碳排放量进行核算.
计算过程中一次能源(原煤、石油和天然气)的低位
0382 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
热值、碳潜在排放因子以及碳氧化率取值参考《中
国能源统计年鉴 2008》 [25]和文献[26]郾
1郾 3郾 2 因素分析方法 摇 使用 IPAT 方程作为基本框
架是因素分解研究的主要方法之一[27-28] . 虽然
IPAT模型具有简洁、直观地分析人文驱动力对环境
压力影响的特点,但也存在一些局限性,如 IPAT 模
型假设人文驱动力与环境压力存在线性关系,且忽
略了人文驱动力相互之间的作用,IPAT模型不能分
析如城市化、人口年龄结构、地理位置、气候条件等
人文驱动力对环境压力的影响[29] .为了克服其局限
性,Dietz 和 Rosa[30]将 IPAT 等式改成随机形式的
STIRPAT模型.具体形式如下:
I=aPbAcTde (1)
式中:I、P、A、T分别表示环境压力或温室气体排放、
人口数量、人均财富和技术;a为模型系数;b、c、d 分
别为人口数量、人均财富和技术等人文驱动力的指
数;e为模型误差. STIRPAT 模型是个多自变量的非
线性模型,模型两边同时对数化处理后为:
lnI=a+b(lnP)+c(lnA)+d(lnT)+e (2)
式中:a和 e为式(1)中 a、e 的自然对数;驱动力的
系数(b、c 和 d)表示当其他影响因素维持不变时,
驱动力影响因素(P、A 或 T)变化 1%所引起的环境
变化或温室气体排放变化百分比.由于 STITPAT 模
型是随机形式,因此,采用在式(2)中增加人文驱动
力对数形式的二项式或多项式形式来验证环境
Kuznets曲线等有关假说:
lnI=a+blnP+c1 lnA+c2 ln2A+dlnT+e (3)
式中:c1和 c2 分别为人均财富和人均财富对数二项
式的指数.
对式(3)的 lnA求一阶偏导数,可得到富裕度环
境影响的弹性系数(EEIA):
EEIA = c1+2c2 lnA (4)
根据式(4)的回归结果,可以计算出“U冶型或
倒“U冶型曲线的转折点(TP)为 lnA* = -c1 / (2c2).
1郾 3郾 3 模型构建 摇 根据 Kaya 等式建立 CO2 排放量
因素分解模型,具体表述为:
CO2( I) = POP (GDP / POP) (CO2 / GDP) = P
(G / P)( I / G)= PAT (5)
将 T= I / G分解为 T= (E / G)( I / E)= T1T2,则式
(5)变为:
I=P(G / P)(E / G)( I / E)= PAT1T2 (6)
根据式(3),对式(5)和(6)取自然对数后,分别
得到式(7)和(8):
lnI=a+blnP+clnA+dlnT+e (7)
lnI=a+blnP+clnA+d1 lnT1+d2 lnT2+e (8)
本文在模型(8)中添加富裕度对数形式的二项
式来分析城市能源消费 CO2 排放与经济发展水平
之间是否存在 Kuznets曲线:
lnI=a+blnP+c1 lnA+c2 ln2A+d1 lnT1+d2 lnT2+e
(9)
城市化通过人口增长、经济发展、资源能源消耗
和地域扩张对生态环境产生胁迫作用. 为了更好地
考察人口对城市能源消费碳排放的影响,在模型
(9)中增加人口城市化率这个表征人口结构的变量
来分析人口对碳排放的影响:
lnI = a + b1 lnP + b2 lnU + c1 lnA + c2 ln2 A +d1 lnT1 +
d2 lnT2+e (10)
式(5) ~ (10)中:G 为 GDP;E 为一次能源消费总
量;I 为环境压力,用一次能源消费 CO2 排放量表
示;P 为人口规模,用总人口数表示;A(A = G / P)为
富裕度,用人均实际 GDP(基期 = 1978 年)表示,用
来衡量城市经济水平和生活水准对 CO2 排放的影
响,对于发展中国家而言,A 越高,高碳消费模式造
成的 CO2 排放量越高;T(T= I / G)为技术水平,指实
际单位 GDP 的碳强度;T1( T1 = E / G)为实际单位
GDP消耗的一次能源量,即能源强度;T2(T2 = I / E)
表示单位能源消耗排放的 CO2 量,即碳强度,能源
种类的不同决定单位能源消耗排放的 CO2 量不同;
U为城市化水平,用非农业人口占总人口的比例来
表示,一般城市化率越高,能源消费越高,相应 CO2
排放量越高. 为了与其他研究保持一致,将 CO2 排
放量的单位转变为以碳为单位,其转换率为单位碳
等于 3郾 66 单位的 CO2 排放量.
2摇 结果与分析
2郾 1摇 沈阳市 CO2 排放的变化
沈阳市 2009 年的一次能源消费是 1978 年的
4郾 6 倍,其中,煤炭所占比重一直保持在 93%以上,
远高于国家煤炭所占比重的平均水平. 沈阳市以煤
为主的消费结构基本稳定,这也导致沈阳市 CO2 排
放几乎与一次能源消费增长速率相同(358% ).
1978—2009 年,沈阳市一次能源消费导致 CO2
排放经历了“先升后降再升冶的发展过程,由 1978
年的 930 万吨增加到 2009 年的 4257 万吨,增加了
3郾 6 倍(图 1),特别是 2001 年以后的增加趋势尤为
明显,2007 年前后虽有一些降低,但总体上增长趋
势明显,这主要是由于国有企业 3 年改革的成效、东
北振兴的带动等使沈阳经济复苏、空间优化、人口快
138210 期摇 摇 摇 摇 摇 摇 摇 摇 任婉侠等: 中国老工业城市能源消费碳排放的驱动力分析———以沈阳市为例摇 摇 摇 摇
速集聚,导致沈阳市能源消费快速增加,从而导致
CO2 排放量增长速度相应加快. 原煤消耗引起的
CO2 排放量变化基本与 CO2 排放总量的变化一致,
原煤作为主要的 CO2 排放源,其排放量占总 CO2 排
放量的 88% ~ 98% ,其中,2000—2002 年该比重降
至 88%左右,随后有所上升,但总体上还是比 2000
年以前所占比重有所降低,这与国家的宏观调控政
策密不可分. 1978—2009 年,沈阳市石油消费导致
的 CO2 排放量呈逐年递增趋势,2009 年排放量比
1978 年增加 9郾 7 倍,石油作为沈阳市的第二大 CO2
排放源,其排放量比重基本上保持在 2% ~ 11% ,并
且一直保持较稳定的增长态势. 与我国能源总体发
展趋势相似,沈阳市能源消费也经历了“先油后气冶
的发展过程. 1978 年以来,天然气消费导致的 CO2
排放量不断上升,由 1978 年的 2郾 4 万吨增加到 2009
年的 52 万吨,增加了 20郾 7 倍,是消费增长速度最快
的能源类型.随着沈阳市居民天然气使用率的持续
提升、天然气供热市场的发展及天然气公交系统的
建立等,未来沈阳市天然气消费将继续快速增加.
2郾 2摇 沈阳市能源消费碳排放的驱动因素
为了判断影响 CO2 排放趋势的驱动力,利用
Kaya等式分析了标准化(以 1996 年数据标准化为
1)后各驱动因素的相互作用,以显示驱动因素变化
对 CO2 排放变化的相对贡献率. 由图 2 可以看出,
2001 年以后沈阳市 CO2 排放增长率明显加快,2001
年以前沈阳市 CO2 排放增长平缓,且 1996 年略有
下降. 1996 年以前,环境压力( I)的增长源于人口规
模(P)和富裕度(A)的增长,抵消了技术水平(T)降
低对 CO2 排放造成的影响. T = T1 T2,其中,碳强度
( T2)在整个时间序列中几乎没有变化,这是由于煤
图 1摇 1978—2009 年沈阳市能源消费导致的 CO2 排放
Fig. 1摇 CO2 emission from primary energy consumption in Shen鄄
yang City during 1978-2009郾
玉:原煤 Raw coal; 域:天然气 Natural gas; 芋:原油 Raw oil; 郁:总量
Total郾
图 2摇 沈阳市能源消费碳排放各驱动因素的相对变化
Fig. 2 摇 Relative change of driving factors of carbon emissions
from primary energy consumption in Shenyang City郾
I:CO2 排放量 CO2 emissions; P:人口数量 Population; A:人均生产总
值 GDP per capita; T1:能源强度 Energy intensity; T2:碳强度 Carbon
intensity; T:技术水平 Technology level郾
炭是沈阳最主要的能源资源,通过调整能源结构来
减少 CO2 排放量的潜力有限,因此 T 与能源强度
(T1)的变化趋势基本一致. 因此,在后续研究中不
再考虑因素 T和 T2 . 2001 年以后,P 继续缓慢增加,
A增长率急速增加,T1下降速度变慢,故 2001 年以
后沈阳市 CO2 排放增加主要原因在于 A 的急速增
长和 T1下降速度的减慢,同时 A与 T1之间形成了强
脱钩现象.
摇 摇 基于式(7) ~ (9),建立 STIRPAT 扩展模型,进
一步考察城市尺度上人口、经济发展及技术等因素
对碳排放的影响.为了判断因变量及各自变量之间
是否存在多重共线性,使用最小二乘法进行多元线
性回归(表 1),结果表明,虽然 R2高达 0郾 99,F 检验
高度显著(F = 53393,P = 0郾 000),但在回归系数的
显著性检验中,lnP、lnU 和 ln2A 的回归系数都无法
通过 t检验.
表 1摇 影响一次能源消费 CO2 排放因素的普通最小二乘法
回归分析 (1978—2009)
Table 1摇 OLS regression of CO2 emissions of primary ener鄄
gy consumption in Shenyang City from 1978 to 2009
自变量
Independent variable
r SE T检验
T test
P
C -3郾 477 0郾 304 -11郾 438 0郾 000
lnP 0郾 027 0郾 077 0郾 352 0郾 728
lnU -0郾 026 0郾 024 -1郾 091 0郾 285
lnA 1郾 018 0郾 041 24郾 540 0郾 000
ln2A -0郾 001 0郾 002 -0郾 433 0郾 669
lnT1 1郾 013 0郾 006 160郾 625 0郾 000
R2 0郾 99
Adjusted R2 0郾 99
C:常数 Constant; P:人口数量 Population; U:城市化 Urbanization; A:
人均财富 GDP per capita; T1:能源强度 Energy intensity郾
2382 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
摇 摇 通过 PASW Statistics 18郾 0 软件的共线性诊断,
进一步计算各自变量的方差膨胀因子[VIF = 1 / (1-
R2).结果显示,5 个自变量的 VIF值均远大于 10,其
中,最大值为 3588,最小值为 31,说明各变量间存在
严重的共线性关系.因此,STIRPAT模型使用普通最
小二乘法回归分析不能够反映 CO2 排放与各影响
因素之间的真实关系,并会使回归系数参数估计的
标准误扩大,置信区间变宽,参数估计的稳定性下
降,进一步导致回归系数的 t 检验不明显或参数估
计不正确[31] .为了克服变量间多重共线性影响,采
用有偏估计的岭回归( ridge regression)进行模型拟
合.岭回归估计是最小二乘估计的一种改进算法,它
能显著改善最小二乘估计量的均方误差,增强估计
的稳定性.通常根据岭迹图,尽可能选择小的岭回归
系数,即岭迹图变化逐渐平稳时的取值.本研究利用
PASW Statistics 18郾 0 软件的岭回归函数对方程进行
拟合,根据岭迹图,模型 8 的岭回归系数 k 值选为
0郾 2,其他 2 个模型的 k值均选 0郾 3(表 2).
摇 摇 模型 8、9、10 的决定系数 R2分别为 0郾 83、0郾 85
和 0郾 85,即拟合模型所选择的自变量可以解释
83% 、85%和 85%的 CO2 排放总量. 3 个方程的 F
值均达到显著水平(P<0郾 01),表明岭回归模型能够
通过显著性分析,模型拟合情况基本良好.从模型系
数发现,人口数量对环境压力影响的弹性系数,即拟
合所得系数 b1分别为 1郾 35、0郾 94 和 0郾 80,表明沈阳
市人口数量每发生 1%变化将引起 CO2 排放发生分
别为 1郾 35% 、0郾 94%和 0郾 8%的同向变化,人口数量
与 CO2 排放高度相关且呈正效应;人口城市化率作
为一个表征人口结构的变量,在此模型中主要反映
由于人口结构变化所引起的生产与消费行为变化对
碳排放的影响,从模型 10 的城市化率弹性系数来
看,城市化率每提高 1% ,CO2 排放将增加 0郾 7% ,城
市化率显著影响 CO2 排放;技术进步因素即能源强
度降低是促使碳排放量减小的主要因素,但其弹性
系数仅为 0郾 01,影响程度较低;人均收入即富裕度
与 CO2 排放呈正相关,单位人均 GDP 每变化 1% ,
将引起 CO2 排放量相应产生 0郾 12+0郾 02lnA 的同向
变化;模型 9 和 10 中富裕度二次项系数为正,说明
在样本期内,随富裕度增加,其对 CO2 排放的影响
作用将加剧,而且沈阳市经济增长与 CO2 排放量之
间的关系曲线不是倒“U冶型,而是“U冶型,表明经典
环境 Kuznets 假说在沈阳市 CO2 排放中并不存在,
说明沈阳市近期一次能源消费的 CO2 排放量还将
继续增长,这与 Galeotii和 Lanza[32-33]提出的发展中
国家 CO2 排放拐点出现在人均 GDP 13260 美元左
右(合 8郾 86 万元人民币,按美元对人民币汇价 6郾 68
计算)不一致,原因可能与研究范围不同有关.一次
项系数的绝对值 (0郾 12)比二次项系数的绝对值
(0郾 01)大很多,而且后者很接近 0,说明沈阳市经济
增长与 CO2 排放近似为直线型.
综上所述,人口数量增长、城市化率提高和人均
GDP增长对表征环境压力的 CO2 排放上升均产生
正效应,且由于人均 GDP增长远大于人口数量增长
和城市化率提高,所以其对 CO2 排放的效应更显
著,而能源强度的降低抑制了CO2排放 . 近年沈阳
表 2摇 模型 8 ~ 10 的岭回归拟合结果
Table 2摇 Ridge regression results of models 8-10
参数
Parameter
模型 8
Model 8
模型 9
Model 9
模型 10
Model 10
模型系数
Model constant (a)
-4郾 13(-1郾 89)* -1郾 43(-0郾 86)* -3郾 40(-1郾 32)*
人均 GDP弹性系数
Elastic coefficient of per capita GDP to CO2 emission (c1)
0郾 20(9郾 64)* 0郾 12(11郾 64)* 0郾 12(10郾 4)*
人均 GDP对数平方弹性系数
Elastic coefficient of logarithm square of per capita GDP to
CO2 emission (c2)
0郾 01(9郾 83)* 0郾 01(9郾 1)*
人口弹性系数
Elastic coefficient of population to CO2 emission (b1)
1郾 35(3郾 94)* 0郾 94(3郾 61)* 0郾 80(3郾 16)*
能源强度弹性系数
Elastic coefficient of energy intensity to CO2 emission (d1)
-0郾 03(-0郾 95)* -0郾 01(-0郾 36)* -0郾 01(-0郾 23)*
城市化弹性系数
Elastic coefficient of urbanization to CO2 emission (b2)
0郾 71(1郾 32)*
R2 0郾 83 0郾 85 0郾 85
F检验 F test 43郾 73** 37郾 40** 29郾 10**
岭回归系数 Ridge regression coefficient (k) 0郾 20
括号内数据为回归系数的 t检验值 Data in bracket were t test values of the regression coefficients郾 *P<0郾 05; ** P<0郾 01郾
338210 期摇 摇 摇 摇 摇 摇 摇 摇 任婉侠等: 中国老工业城市能源消费碳排放的驱动力分析———以沈阳市为例摇 摇 摇 摇
市 CO2 排放量大幅上升也说明人口数量、城市化和
人均 GDP增长所产生的正效应远强于能源强度下
降所产生的负效应,即技术进步远不能抵消社会经
济发展所带来的能源需求的强劲增长.
3摇 讨摇 摇 论
本文以城市一次能源消费 CO2 排放量作为环
境压力的衡量指标,以 1978—2009 年沈阳市 CO2 排
放时间序列数据为例,采用基于 Kaya等式和岭回归
的 STIRPAT模型,分析了人口、富裕度、城市化和能
源强度对 CO2 排放的作用大小,并验证了环境
Kuznets曲线是否存在. 结果表明:环境压力变化是
各种驱动力共同影响作用的净效应,从岭回归拟合
模型发现本文所选驱动因素能解释至少 84% 的
CO2 排放效应.其中,人口与 CO2 排放高度相关,是
当前温室气体排放的一个主要驱动因子,且环境影
响与人口数量近同比例变化;城市化显著影响 CO2
排放,是仅次于人口数量的另一个主要驱动因子,随
着城市化水平快速提升,未来我国大部分城市均将
面临城市化引起的消费结构、消费行为等变化,进而
影响温室气体排放的增加;人均收入与 CO2 排放也
呈正相关,而且经济发展与 CO2 排放之间不存在
Kuznets曲线假说,也不存在 CO2 排放降低的拐点,
即沈阳市一次能源消费引起的 CO2 排放近期内将
持续增加;能源强度降低有利于温室气体减排,但近
期的效应不明显,由此沈阳市节能减排技术水平有
待进一步提高.通过实证分析可知,驱动力对环境压
力的弹性系数不一定为 1,且不同驱动力之间存在
明显差异,因此采用 STIRPAT 模型能更准确衡量各
驱动因素的影响程度.
参考文献
[1]摇 Allen MR, Frame DJ, Huntingford C, et al. Warming
caused by cumulative carbon emissions towards the tril鄄
lionth tonne. Nature, 2009, 458: 1163-1166
[2]摇 Matthews HD, Gillett NP, Stott PA, et al. The propor鄄
tionality of global warming to cumulative carbon emis鄄
sions. Nature, 2009, 459: 829-832
[3]摇 Meinshausen M, Meinshausen N, Hare W, et al.
Greenhouse鄄gas emission targets for limiting global war鄄
ming to 2 益 . Nature, 2009, 458: 1158-1162
[4]摇 Soytas U, Sari R. Energy consumption, economic
growth, and carbon emissions: Challenges faced by an
EU candidate member. Ecological Economics, 2009,
68: 1667-1675
[5]摇 Raupach MR, Marland G, Ciais P, et al. Global and
regional drivers of accelerating CO2 emissions. Proceed鄄
ings of the National Academy of Sciences of the United
State of America, 2007, 104: 10288-10293
[6]摇 Zhang XP, Cheng XM. Energy consumption, carbon
emissions, and economic growth in China. Ecological
Economics, 2009, 68: 2706-2712
[7]摇 Qin D鄄H (秦大河), Luo Y (罗摇 勇), Chen Z鄄L (陈
振林), et al. Latest advances in climate change sci鄄
ences: Interpretation of the synthesis report of the IPCC
fourth assessment report. Advances in Climate Change
Research (气候变化研究进展), 2007, 3(6): 311 -
314 (in Chinese)
[8] 摇 Levine MD, Aden NT. Global carbon emissions in the
coming decades: The case of China. Annual Review of
Environment and Resources, 2008, 33: 19-38
[9]摇 Streets DG, Gupta S, Waldhoff ST, et al. Black carbon
emissions in China. Atmospheric Environment, 2001,
35: 4281-4296
[10]摇 Fang JY, Chen AP, Peng CH, et al. Changes in forest
biomass carbon storage in China between 1949 and
1998. Science, 2001, 292: 2320-2322
[11]摇 Grimm NB, Faeth SH, Golubiewski NE, et al. Global
change and the ecology of cities. Science, 2008, 319:
756-760
[12] 摇 Kihoon L, Wankeun O. Analysis of CO2 emissions in
APEC countries: A time鄄series and a cross鄄sectional de鄄
composition using the log mean Divisia method. Energy
Policy, 2006, 34: 2779-2787
[13]摇 Shi A. The impact of population pressure on global car鄄
bon dioxide emissions, 1975 - 1996: Evidence from
pooled cross鄄country data. Ecological Economics, 2003,
44: 29-42
[14]摇 Mart侏nez鄄Zarzoso I, Bengochea鄄Morancho A, Morales鄄
Lage R. The impact of population on CO2 emissions:
Evidence from European countries. Environmental and
Resource Economics, 2007, 38: 497-512
[15]摇 Shyamal P, Bhattacharya RN. CO2 emission from energy
use in India: A decomposition analysis. Energy Policy,
2004, 32: 585-593
[16]摇 Wang C, Chen J, Zou J. Decomposition of energy鄄relat鄄
ed CO2 emission in China: 1957-2000. Energy, 2005,
30: 73-83
[17]摇 Xu G鄄Q (徐国泉), Liu Z鄄Y (刘则渊), Jiang Z鄄H
(姜照华). Decomposition model and empirical study of
carbon emissions for China, 1995-2004. China Popula鄄
tion, Resources and Enevironment (中国人口·资源与
环境), 2006, 16(6): 158-161 (in Chinese)
[18]摇 Sun J鄄W (孙建卫), Zhao R鄄Q (赵荣钦), Huang X鄄J
(黄贤金), et al. Research on carbon emission estima鄄
tion and factor decomposition of China from 1995 to
2005. Journal of Natural Resources (自然资源学报),
2010, 25(8): 1284-1295 (in Chinese)
[19]摇 Chen J鄄Y (陈佳瑛), Zhu Q (朱 摇 勤). Impacts of
household pattern on carbon emission. Chinese Journal
of Population Science (中国人口科学), 2009(5): 68-
78 (in Chinese)
[20]摇 Shenyang Statistical Bureau ( 沈 阳 市 统 计 局 ).
Shenyang Statistical Yearbook, 1994-2011. Shenyang:
4382 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 23 卷
Shenyang Statistics Press, 1995-2011 (in Chinese)
[21]摇 Shenyang Statistical Bureau ( 沈 阳 市 统 计 局 ).
Shenyang Yearbook, 1994-2011. Shenyang: Shenyang
Statistics Press, 1994-2011 (in Chinese)
[22]摇 Shenyang Statistical Bureau ( 沈 阳 市 统 计 局 ).
Shenyang Statistical Handbook, 1994-2010. Shenyang:
Shenyang Statistics Press, 1994-2011 (in Chinese)
[23]摇 Liaoning Statistical Bureau (辽宁省统计局). Liaoning
Population Statistical Yearbook, 2009-2010. Shenyang:
China Statistics Press, 2009-2010 (in Chinese)
[24]摇 Pachauri S, Spreng D. Direct and indirect energy re鄄
quirements of households in India. Energy Policy,
2002, 30: 511-523
[25]摇 Department of Energy Statistics, National Bureau of Sta鄄
tistics (国家统计局能源统计司), Department of Cen鄄
tral Affairs, National Energy Administration (国家能源
局综合司). China Energy Statistical Yearbook 2008.
Beijing: China Statistics Press, 2008 (in Chinese)
[26]摇 Cai B鄄F (蔡博峰), Liu C鄄L (刘春兰), Chen C鄄C (陈
操操), et al. City爷s Greenhouse Gas Emission Invento鄄
ry Research. Beijing: Chemical Industry Press, 2009
(in Chinese)
[27]摇 Ehrlich PR, Holdren JP. Impact of population growth.
Science, 1971, 171: 1212-1217
[28]摇 Dietz T, Rosa EA. Effects of population and affluence
on CO2 emissions. Proceedings of the National Academy
of Sciences of the United State of America, 1997, 94:
175-179
[29]摇 Wang L鄄M (王立猛), He K鄄L (何康林). Analysis of
spatial variations in environmental impact based on the
STIRPAT model: A case study of energy consumption.
Acta Scientiae Circumstantiae (环境科学学报), 2008,
28(5): 1032-1037 (in Chinese)
[30]摇 Dietz T, Rosa EA. Rethinking the environmental im鄄
pacts of population, affluence and technology. Human
Ecology Review, 1994, 1: 277-300
[31] 摇 Yi D鄄H (易丹辉). Data Analysis and the Application
of Eviews. Beijing: China Statistics Press, 2002 ( in
Chinese)
[32]摇 Galeotti M, Lanza A. Desperately seeking environmental
Kuznets. Environmental Modelling & Software, 2005,
20: 1379-1388
[33]摇 Galeotti M, Lanza A. Richer and cleaner? A study on
carbon dioxide emissions in developing countries. Ener鄄
gy Policy, 1999, 27: 565-573
作者简介摇 任婉侠,女,1977 年生,助理研究员.主要从事环
境技术政策评估与应对气候变化研究,发表论文 20 余篇.
E鄄mail: renwanxia@ iae. ac. cn
责任编辑摇 杨摇 弘
538210 期摇 摇 摇 摇 摇 摇 摇 摇 任婉侠等: 中国老工业城市能源消费碳排放的驱动力分析———以沈阳市为例摇 摇 摇 摇