Petroleum terminal utilization carbon emissions in China based on regional differences
GUMengchen通讯作者:
收稿日期:2015-04-10
修回日期:2015-09-15
网络出版日期:2016-02-01
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:
作者简介:
-->
展开
摘要
关键词:
Abstract
Keywords:
-->0
PDF (1340KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
1 引言
能源利用的CO2排放已引起国际社会的广泛关注。根据IEA统计,全球能源利用(一次能源中82%是化石能源)排放的温室气体约占总温室气体排放量的83%(所排放的温室气体中有93%是CO2)[1],其中石油是重要的化石能源排放源之一。中国是全球最大的CO2排放国,2011年排放CO2约80亿t,占据世界排放总量的1/4[1]。同时,中国也是世界第二大石油消费国。2013年,中国石油消费接近5亿t,占世界石油消费总量的11%[2]。石油是中国的第二大CO2排放源,据有关****的估算,中国的石油消费导致的CO2排放早在2006年就超过10亿t,占全国排放量比例在14%~19%之间[3]。石油作为能源用途的消费总量分为能源终端消费量、能源加工转换损失量和能源损失量三个部分。其中,终端消费作为最重要的排放环节,引起了全社会的高度关注。本文仅讨论石油的“能源用途”消费中的“终端消费”所排放的CO2,具体统计汽油、柴油、煤油、燃料油四类石油加工产品的消费量,并计算相应的CO2排放量。关于石油终端利用CO2排放,已有****从经济地理、区域经济等角度取得了一定的成果。这些研究中,采用的比较传统的方法有极差、变异系数、洛伦兹曲线、基尼系数等方法,但是这些方法的解释分析能力较为有限。近年来,泰尔指数法、空间自相关检验模型Moran’s I、聚类分析方法等新的计量地理学、空间计量经济方法不断被引进。围绕能源消费的区域核算[4]、能源消费区域差异分解[5]、能源利用区域类型划分[6,7]、空间相关性[8]、制度和政策[9,10]等方面的研究不断深入。但已有的研究多基于笼统的“能源”概念,采用计量模型对年鉴数据进行计量分析,研究视角较为宏观。随着中国碳减排工作的深入,需要更为具体地针对细分能源品种的不同利用环节进行研究,并结合区域具体情况进行分析。
本文针对各区域石油作为能源用途的“终端消费”环节进行核算和分析,在引入Moran’s I进行定量研究基础上,深入结合各区域在经济发展水平、产业结构、资源禀赋、地理条件、人口、社会政治环境等方面的具体情况,对各区域石油终端利用CO2排放的相关因素进行分析,并提出减排方向。以期对碳减排工作有所推进,也希望能为中国制定因地制宜的区域石油终端消费减排政策提供科学的参考。
2 石油终端利用碳排放的计算方法
2.1 碳排放统计测算方法
国内外目前统计测算化石能源燃烧碳排放量的方法主要有3种:系数法、物料衡算法和实测法。本文采用物料衡算法计算石油终端利用的CO2排放量,物料衡算法以质量守恒定律为基础。由于能源高/低位发热量较容易获取,而能源中的碳含量较难获得,因此利用热量的计算方法更为普遍。在具体应用中,物料衡算法主要有能源消耗量估算法(参考方法)和以详细的燃料分类为基础的排放估算方法两种。能源消耗量估算法(参考方法)应用最为普遍[11],计算公式为:式中
根据公式(1),整个过程计算步骤可以总结为:消费量的计算、换算成热量计量单位、计算碳含量、计算净碳含量、计算实际碳排放量、计算CO2的实际排放量等。
2.2 数据来源和参数选值方法
各参数数据来源和数值选择方法如下:(1)燃料实物消费量。燃料的实物消费量来自历年《中国能源统计年鉴》[12]中的中国能源平衡表和分省市能源平衡表。可得到全国以及分省区、分行业的汽油、柴油、煤油、燃料油四种石油终端产品的实物消费数据。
(2)能源折算系数。能源折算系数又称热值转换系数。本文采用普遍使用的低位发热值进行计算。根据各油品的折算标准煤系数,乘以单位标准煤的低位发热量,可以得到各油品的低位发热量,作为能源折算系数值。根据《综合能耗计算通则》(GB/T 2589-2008)[13]国家标准给出的各油品折算标准煤系数和标准煤的平均低位发热量,得到各油品的热值转换系数。
(3)单位热值含碳量。化石燃料温室气体清单中对燃料含碳量的定义为“单位热值(TJ)燃料所含碳元素的质量(t-C)”,与中国常用的以单位质量所表示的含碳量百分比(%)有所不同。本文采用国家发展和改革委员会气候办《省级温室气体清单编制指南》(发改办气候[2011]1041号)[14]各油品的单位热值含碳量。
(4)固碳量。现实中,汽油、柴油、煤油、燃料油用作化工原料、工业或建筑材料等非能源用途的数量较少。受数据所限,本文假设汽油、柴油、煤油、燃料油全部作为能源使用,不计化工原料、工业或建筑材料等非能源用途,粗略估计取固碳量值为0。
(5)碳氧化率。碳氧化率受燃料成分、燃烧环境条件、燃烧设备性能等多种因素影响。针对石油终端产品,IPCC给出的全球氧化率均值为0.99[15],WRI提供了0.975~1.000的数值范围[16],此外还有相关组织默认碳氧化率为1[17]。由于获得各地的实测数据较为困难,且不同油气燃烧设备的碳氧化率差异不大,采用中国《省级温室气体清单编制指南》(发改办气候[2011]1041号)[14]的建议值98%作为各油品的碳氧化率。
(6)燃料单位实物量CO2排放系数。根据公式(1),得到燃料单位实物量CO2排放系数计算公式:
式中
结合上述(1)-(5)的讨论选择的参数值,可得到各油品的单位实物量CO2排放系数,见表1。
Table 1
表1
表1各油品单位实物量CO2排放系数
Table 1Carbon dioxide emission in unit quantity of different petroleum products
燃料类型 | 单位实物量CO2排放系数(kg-CO2/kg) |
---|---|
汽油 | 2.925 |
柴油 | 3.096 |
煤油 | 3.018 |
燃料油 | 3.171 |
新窗口打开
最终,由燃料实物消费量×燃料单位实物量CO2排放系数可得到各油品的CO2排放量。即:
各油品的CO2排放量(t)=
[燃料实物消费量(t)×能源折算系数 (3)
×单位热值含碳量(kJ/kg)-固碳量(t)]
×碳氧化率(100%)×44/12
2.3 碳排放总量核算方法
在具体估算每个省区的碳排放总量时,本文根据各年份汽油、柴油、煤油、燃料油这四种油品的实物消费量,乘上前文计算得到的这些油品的单位实物量CO2排放系数,进行加总得到地区碳排放量,公式如下:式中
Table 2
表2
表22011年中国分省区石油终端利用CO2排放量和CO2排放强度
Table 2CO2 emission and CO2 emission intensity of petroleum terminal use in each China’s province in 2011
省区 | CO2 排放量 /万t | CO2排放 强度 /(t/万元) | 省区 | CO2 排放量 /万t | CO2排放 强度 /(t/万元) | |
---|---|---|---|---|---|---|
北京 | 3 182 | 0.196 | 河南 | 3 370 | 0.125 | |
天津 | 2 151 | 0.190 | 湖北 | 4 060 | 0.207 | |
河北 | 3 527 | 0.144 | 湖南 | 2 904 | 0.148 | |
山西 | 2 229 | 0.198 | 广东 | 10 018 | 0.188 | |
内蒙古 | 3 871 | 0.270 | 广西 | 2 392 | 0.204 | |
辽宁 | 6 517 | 0.293 | 海南 | 1 013 | 0.402 | |
吉林 | 1 933 | 0.183 | 重庆 | 1 842 | 0.184 | |
黑龙江 | 3 512 | 0.279 | 四川 | 4 314 | 0.205 | |
上海 | 6 328 | 0.330 | 贵州 | 1 441 | 0.253 | |
江苏 | 5 370 | 0.109 | 云南 | 2 779 | 0.313 | |
浙江 | 5 639 | 0.174 | 陕西 | 2 621 | 0.210 | |
安徽 | 1 868 | 0.122 | 甘肃 | 892 | 0.178 | |
福建 | 3 486 | 0.199 | 青海 | 401 | 0.240 | |
江西 | 1 855 | 0.158 | 宁夏 | 403 | 0.192 | |
山东 | 8 890 | 0.196 | 新疆 | 1 731 | 0.262 |
新窗口打开
3 石油终端利用碳排放的空间分布特征
3.1 空间分布特征
中国各地区的经济社会发展存在大而复杂的差异。中国石油终端利用碳排放量呈现东多西少的格局。2011年中国各省区石油终端利用CO2排放量和CO2排放强度见表2。按照1987年国家“七五”计划中大陆经济区域东、中、西三大经济地带的划分方法[19]。2011年,东部地区各省市平均消费汽油、柴油、煤油、燃料油分别高达521.2万t、754.1万t、117.6万t和208.7万t,远远高于中部地区的298.3万t、572.5万t、22.2万t和41.9万t,以及西部地区的189.8万t、363.6万t、42.0万t和5.5万t [12],因数据获取困难,本文不对西藏、台湾、香港和澳门进行研究。辽宁、山东、江苏、浙江、广东等沿海发达地区,石油终端利用碳排放总量最大,东北、华北地区次之,中西部地区较小(图1a,见第259页)。显示原图|下载原图ZIP|生成PPT
图12011年中国分省区石油终端利用CO2排放量和排放强度
-->Figure 1CO2 emission and CO2 emission intensity of petroleum terminal use in the provinces of China in 2011
-->
事实上,单位GDP的排放量,即石油终端利用的CO2排放强度更具备研究意义和政策参考价值。就各省(区、直辖市)比较,上海和海南的排放强度最高。东北、西北地区是主要的高排放强度区,西部地区排放强度整体较高,中东部地区的排放强度相对较低(图1b,见第259页)。
3.2 空间自相关分析
(1)空间自相关分析方法。空间自相关可以测量空间事物的分布是否具有自相关性,高的空间自相关性代表了空间现象有聚集性的存在。空间自相关分析是一种统计检验方式,分为全局和假设检验两种。全局空间自相关是从区域空间的整体刻画区域能源消费的空间分布情况,即反映研究区域内,相似属性的平均聚集程度,用全局莫兰指数Moran's I衡量;而局部莫兰指数Local Moran's Ii(以下简称Ii)衡量这些有相似变量值的区域单元在地理空间聚集(高值或低值)程度[20]。针对2011年中国30个省市的CO2排放强度的空间布局,首先采用全局空间自相关检验探究全国范围内的各省域的碳排放强度分布是否空间聚集、离散或是随机分布,然后采用局部空间相关衡量集聚程度的高低空间分布。
借助Geoda软件中基于邻接关系的Queen Contiguity算法,生成gal空间权重值矩阵文件。Moran's I的取值范围为-1≤Moran's I≤1。当Moran's I>0,表示目标区域数据在空间上相似且具有相似的属性值,即各地区之间的CO2排放强度在整体上具有正的空间自相关性,且Moran's I值越接近于1,表示全局空间相关性越大;当Moran's I<0,表示各地区的CO2排放强度在整体上具有负的空间相关性。当Moran's I=0时,表示目标区域CO2排放强度的与其空间分布相独立。
对计算所得的Moran's I,采用正态分布和随机分布两种假设检验。若空间数据符合正态分布空间数据假设,那么目标区域数据呈现随机的地理空间分布。反之,如果Moran's I的正态分布统计值的Z值大于正态分布在0.05(0.01)水平下的临界值,表明目标区域数据在空间上呈现明显的相关关系。
在此基础上计算局部莫兰指数Local Moran's Ii,根据Local Moran's Ii值是否显著大于(小于)0,可以找出聚集区域,并结合Moran散点图作出区域类型划分[20]。
(2)区域碳排放的空间自相关分析。根据Geoda软件计算结果,2011年,中国30个省区的石油终端利用CO2排放强度的全局莫兰指数Moran's I为0.151,在0.05显著性水平下的Z值为1.81,大于临界值1.65,说明中国的CO2排放强度在整体上具有正的空间相关性。
由于全局Moran’s I指数未能考察因区域而异的聚集、离散或随机分布的情况,所以进一步进行局部空间自相关分析。图2所示为中国30个省区的CO2排放强度(字段名称记为CEI)的Moran散点图,该散点图将各区域石油终端利用CO2排放强度分为4个象限的空间依赖模式。第Ⅰ象限(HH)表示高石油终端利用CO2排放强度的地区被高CO2排放强度的地区包围,即该地区和相邻地区都有较高的CO2排放强度;第Ⅱ象限(LH)表示低CO2排放强度的地区被高CO2排放强度的地区包围;第Ⅲ象限(LL)表示低CO2排放强度被低CO2排放强度的地区包围,即该地区和相邻地区都有较低的CO2排放强度;第Ⅳ象限(HL)表示高CO2排放强度的地区被低CO2排放强度的地区包围。图2所示的观测值主要落在Ⅰ、Ⅲ象限,而较少落在Ⅱ、Ⅳ象限,说明中国30个省区的CO2排放强度的空间依赖性强于空间差异性。
显示原图|下载原图ZIP|生成PPT
图22011年中国各省区石油终端利用CO2排放强度Moran散点
-->Figure 2Moran scatter diagram of carbon dioxide emission intensity of petroleum terminal use among China’s provinces in 2011
-->
对所选各省的石油终端利用CO2排放强度空间分布相关性进行显著性检验,以寻找空间聚类区域。如图3a所示,在0.05水平上通过CO2排放强度空间分布相关性显著性检验的省区共有7个,分别是东北地区的吉林和华东、华中区片的山东、河南、安徽、江苏、湖北、和江西。
图3b所示的空间聚类分析结果进一步表明,中国各省区CO2排放强度空间分布呈现广泛的空间相关性。LL点山东、河南、安徽、江苏、湖北、和江西均为低排放强度的集聚区域,代表这些地区以及周边地区,即主要是华东、华中地区都是低碳排放区。LL点所代表的省份可能带动周边省区的碳排放的降低。此外,中国各省区CO2排放强度空间分布还在局部出现不连续性和突变性。LH点吉林省,Local Moran's Ii值显著小于0,且CO2排放强度小于平均值,是较低CO2排放强度的集聚区域,但其相邻的黑龙江、辽宁、内蒙古等地区都是高碳排放区。说明吉林省处于CO2排放强度的“洼地”,可能会对周边省区的碳减排起到示范作用。
在0.05的显著性水平下,LL和HH点数量远大于LH和HL点,说明中国CO2排放强度的空间分布呈现普遍的空间正相关性,以及局部的不连续性和突变性。这也意味着中国各省区CO2排放强度的空间自相关性,以空间依赖性为主,空间差异性为辅。
显示原图|下载原图ZIP|生成PPT
图32011年中国各省区石油终端利用CO2排放强度空间分布相关性的显著性检验和空间聚类分析结果
-->Figure 3Spatial correlation Significance testing and cluster analysis of CO2 emission intensity of petroleum terminal use among China’s provinces in 2011
-->
4 空间差异形成的相关因素
4.1 相关因素及研究方法
一般的实证研究中,通常都假定石油消费量和石油需求量相等。按照该假定,本研究认为涉及区域石油终端需求的相关因素包括人均生产总值、赋存与加工能力和产业结构。(1)人均生产总值(GDPPC,Gross Domestic Product Per Capita)。GDP的增长依赖于能源消费的增长,石油产品也不例外。根据能源资讯公司PFC的研究结论,当人均GDP处于2 000~20 000美元区间,成品油需求将出现高速增长。超过20 000美元后,将进入增长的平缓期。目前,中国大部分省区的人均GDP处于这一区间,所以认为,一省的人均生产总值与其CO2排放强度之间存在着显著的正相关关系。本文采用GDPPC来记录各省人均生产总值的统计数据计算结果,计算所用的地区生产总值和人口数据来自《中国统计年鉴2012》[21]。
(2)赋存与加工能力(PRRC,Petroleum Reser-ves and Refinery Capacity)。能源资源条件是影响各省区煤、油、气、可再生能源等能源的结构比例的重要因素。石油资源禀赋较好、石油加工产业发展较成熟的地区,对石油终端产品具有较强的消费选择倾向,例如中国的东北、西北地区。反之,石油资源贫乏,而煤炭、可再生能源等其它能源资源赋存较多,加工利用产业发展完善的省区,会倾向优势资源的利用,而在一定程度上挤占替代石油产品的使用空间,例如中国的煤炭大省山西,风电等可再生能源丰富的东部沿海地区等。
通过计算《中国能源统计年鉴2012》[12]中的石油和天然气开采业投资,加上石油加工及炼焦业投资,所得之和,作为衡量一省石油资源禀赋和加工利用状况的依据。用变量PRRC来记录各省的能源条件决定因素所对应的统计数据计算结果。一省的PRRC值越大,说明石油资源很可能会在该省得到广泛且较大强度的利用。
(3)产业结构(IS,Industry Structure)。高油耗工业、交通运输业的石油终端消费量,在单位增加值下远高于其他行业。高油耗工业、交通运输业在一省产业结构中的比重越高,该省的单位GDP石油终端产品消费量越大,相应的CO2排放强度也越大。根据前文,2011年交通运输业、工业分别占中国成品油消费总量的52.9%和20.5%,远远高于其它行业。其中,王家诚[22]指出,从工业石油消费的行业结构看,油气开采和石油加工业、化学原料及化学制品制造业、非金属矿物制品业、黑金属冶炼及延压加工业、有色金属冶炼及延压加工业、电力热力生产和供应业等6个高耗油行业石油终端消费合计量占工业石油终端消费量的比例为80%~85%左右,而上述高油耗行业增加值在工业增加值中的比例仅为38%~40%。因此,有必要比较各省的工业中这六大高油耗行业的规模。交通运输、仓储和邮政业的能源供给均主要来自石油终端消费,故不作行业细分。本文变量IS记录各省高油耗工业(6个)、交通运输业增加值之和占该省地区生产总值的比重,衡量该省的产业结构是否对石油终端消费具有较强的依赖性,数据来自《中国工业经济统计年鉴2012》[23]、《中国统计年鉴2012》[21]。
4.2 相关分析
为了进一步讨论上述各影响因素对各省区的CO2排放强度的关系,对区域石油需求的可能的相关因素-人均生产总值GDPPC、赋存与加工能力PRRC和产业结构IS,与各个省区的CO2排放强度(用CEI表示)进行了相关性分析。将2011年中国30个省区作为样本点,相应地,将石油终端利用CO2排放强度对数值(lnCEI)作为因变量,将各省计算所得的人均生产总值(lnGDPPC)、石油赋存与加工条件(lnPRRC)、产业结构(lnIS)统计结果的对数值作为自变量。所选数据分别来自《中国统计年鉴2012》[21]、《中国能源统计年鉴2012》[12]、《中国工业经济统计年鉴2012》[23]。在SPSS中通过散点图先剔除了6个奇异点,分别是海南、江苏、云南、贵州、河北、河南,再将其余24个点投入相关性分析运算。
相关性分析结果表明,lnPRRC、lnIS与lnCEI具有较强的相关性,均在0.001的显著性水平上达到了0.626和0.642的相关度,说明各省的石油赋存与加工条件和产业结构是与其CO2排放强度相关的重要因素。lnCEI与lnGDPPC具有一定相关性,在0.05的显著性水平上达到0.355的相关度(表3)。这说明,各省的人均生产总值对其CO2排放强度有一定程度的相关性,但相关性明显小于能源条件和产业结构这两个因素。
Table 3
表3
表3相关系数矩阵
Table 3Correlation coefficient matrix
lnCEI | lnGDPPC | lnPRRC | lnIS | ||
---|---|---|---|---|---|
皮尔森 | lnCEI | 1.000 | 0.355 | 0.626 | 0.642 |
相关系数 | lnGDPPC | 0.355 | 1.000 | 0.066 | 0.128 |
lnPRRC | 0.626 | 0.066 | 1.000 | 0.691 | |
lnIS | 0.642 | 0.128 | 0.691 | 1.000 | |
Sig.(1-tailed) | lnCEI | - | 0.044 | 0.001 | 0.000 |
lnGDPPC | 0.044 | - | 0.379 | 0.275 | |
lnPRRC | 0.001 | 0.379 | - | 0.000 | |
lnIS | 0.000 | 0.275 | 0.000 | - |
新窗口打开
4.3 相关解释
(1)区域经济发展不平衡。特大城市随着城市经济发展水平的提升,以及城市规模的扩大,往往成为石油终端利用CO2高排放强度区。分析数据发现,北京、上海、天津3个直辖市的城市人均GDP在 9万元/人以上,经济发展水平远超全国其他省区,石油终端利用CO2排放强度也均位居全国前列。此外,包含广州、深圳两个特大城市的广东省,人均GDP水平较高,石油终端利用CO2排放强度也较大。究其原因,一是较高的经济发展水平下,居民生活质量提升,增强了对石油终端产品的消费能力。有关研究认为,人均GDP与人均汽车保有量之间存在显著的正相关关系,目前,调查的中国各省区的人均GDP,均处于2 000~20 000美元的区间[21],与之相伴的是汽车保有量增加、民航业扩张拉动的成品油需求高速增长。北京、上海、天津、广东等人均GDP较高的省区,成品油需求较大,且需求仍处于高速增长阶段。二是特大城市效应。特大城市或发展成为区域交通枢纽,承担着较多的交通运力。尤其是近年来中国民航业的扩张,使北京、上海、天津、广东等民航集散中心,面临着大量的航空煤油的需求。(2)区域石油赋存与加工条件不同。中国的陆上原油生产主要集中在黑龙江、山东、四川、陕西、新疆等省区,占据全国总量3/4,主要原油产地、石油加工产业主要集中于东北、西部地区。这与图1b中黑龙江、辽宁、吉林、内蒙、新疆、青海、四川等东北、西部地区石油终端利用CO2排放强度较高的事实相印证。此外,在沿海省区中,山东省的地方炼油企业较多,因而石油终端消费也相对较高。这些地区占据着临近产地优势,能源利用结构中会向石油产品倾斜。而原油资源贫乏、石油加工产业较少的中部、东部地区,会更倾向于选择煤、电力、风电等作为替代能源。可见,区域能源条件的不同,导致区域用能结构的差异,最终造成各省区石油终端利用CO2排放强度的差异。
(3)区域产业结构特征。根据各省区高油耗工业、交通运输业的石油终端消费量统计结果,新疆、甘肃、黑龙江、天津、海南、陕西、辽宁、青海等省区高油耗工业、交通运输业占GDP比重较高。究其原因,东北、西部地区聚集着较多的能源、矿产资源,相应的油气开采和石油加工业、化学原料及化学制品制造业、非金属矿物制品业、黑金属冶炼及延压加工业、有色金属冶炼及延压加工业、电力热力生产和供应业等产业比重较大。此外,辽宁、上海、山东、广东等省区包含较多的大型港口,港口城市充当着贸易中转中心的职能,对船运燃料油的需求较大,海南的旅游业占据主导,交通运输用油较多。
区域产业结构特征,通过影响用油需求,影响各省区石油终端利用CO2排放强度。尤其是一个省区的主导产业选择,若以高耗油工业、交通运输业为主导产业,石油终端利用CO2排放强度势必较高。区域产业结构不但取决于区域原有的产业基础,更与国家生产力布局、国家经济计划以及相应的区域战略与区域规划密切相关,因而相对容易受区域政策引导和影响。
5 结论与讨论
5.1 结论
(1)中国CO2排放强度的空间分布呈现普遍的空间正相关性,以及局部的不连续性和突变性。华东、华中地区的山东、河南、安徽、江苏、湖北、和江西均为低排放强度的集聚区域,周边省份的碳排放也较低。吉林省处于CO2排放强度的“洼地”,可能会对周边黑龙江、辽宁、内蒙古等高碳排放强度省区起到示范作用。这说明,关注重点区域以及这些区域之间的碳排放强度关系是减排工作的重要突破口。(2)各省区石油终端利用CO2排放强度,与区域之间经济发展水平、石油赋存和加工能力、产业结构方面存在较强的正相关关系。这意味着各省区要开展石油终端利用碳减排工作,不能各自为政,而是要充分考虑各省区石油终端利用CO2排放强度聚类分布的特征,分片区制定减排方案,并开展全国层面的统筹协调,通过优化产业布局和引导各省区用能结构的合理化实现全国统筹、各省合作的减排工作;此外,下达区域减排任务,切不可一刀切,而是要制定符合各省经济发展水平的近期和远期减排目标,开展具体而异的减排工作。
5.2 讨论
(1)本文针对石油利用过程只选取了石油作为能源用途的“终端消费”这个环节作为研究对象,未来可补充对石油利用过程的原油开采、石油炼制、大宗化学品生产等环节的研究。此外,假设汽油、柴油、煤油、燃料油全部作为能源使用的统计数据略为粗略,未来可在数据方面进一步改进。(2)本文在区域实证研究中,剔除了部分极值点的省区进行相关性分析,得到的是普遍符合拟合结果的相关因素。而事实上,这些在部分指标上得到极值数据的省区,很可能包含造成碳排放差异的特殊因素,本文未对这些异常省区进行进一步的调研分析,未来工作可以此为突破,使区域差异的分析更为完整。
(3)受篇幅限制,未对各地区节能减排的潜力和途径做进一步的探讨,未来的工作还可比较区域、产业、能源种类、排放因子等各个角度的减排潜力,并对这些潜力进行定量、定性比较,为石油终端利用碳减排路径优化提供依据。
The authors have declared that no competing interests exist.
参考文献 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子
[1] | |
[2] | . , , |
[3] | [J]. , [J]. , |
[4] | [J]. , |
[5] | [J]. , [J]. , |
[6] | [J]. , [J]. , |
[7] | [J]. , [J]. , |
[8] | [J]. , [J]. , |
[9] | [J]. , [J]. , |
[10] | [J]. , [J]. , |
[11] | |
[12] | |
[13] | |
[14] | |
[15] | |
[16] | |
[17] | . , , |
[18] | [J]. , [J]. , |
[19] | [J]. , [J]. , |
[20] | [J]. , [J]. , |
[21] | |
[22] | [J]. , [J]. , |
[23] |