Identifying driving forces of CO2 emissions in Beijing-Tianjin-Hebei region from temporal and spatial angles
ZHAOYuhuan, LIHao, LIUYa, CAOYe, ZHANGZhonghua, WANGSong School of Management and Economics, Beijing Institute of Technology, Beijing 100081, China 通讯作者:通讯作者:李浩,E-mail:ncepulh@126.com 收稿日期:2017-06-12 修回日期:2017-08-22 网络出版日期:2018-01-20 版权声明:2018《资源科学》编辑部《资源科学》编辑部 基金资助:国家自然科学基金面上项目(71273026)北京市自然科学基金面上项目(9172015)北京市社会科学基金项目(17JDYJB010)北京理工大学研究生科技创新活动专项计划项目(2017CX10060) 作者简介: -->作者简介: 赵玉焕,女,山东菏泽人,博士,副教授,博士生导师,主要研究方向为能源经济与环境政策、国际贸易与气候变化。E-mail: zhaoyuhuan@bit.edu.cn
关键词:CO2排放;时空特性;时间分解;空间分解;京津冀 Abstract Exploring temporal and spatial pattern evolution and driving forces for the Beijing-Tianjin-Hebei region has important theoretical and practical significance in achieving collaborative governance of the ecological environment. This study analyzed CO2 emissions of the Beijing-Tianjin-Hebei region over 2000-2014 from temporal and spatial angles. Using the LMDI method, we generally explored driving forces of CO2 emissions. Then, combining LMDI method and M-R spatial decomposition method, this study identifies the key driving forces of the changes and the differences of CO2 emissions in the Beijing-Tianjin-Hebei region. We found that there has been a significant increase in CO2 emissions of Beijing-Tianjin-Hebei region, from 0. 37 billion tons in 2000 to 1. 00 billion tons in 2014. Accumulatively, Hebei province contributes most of 72. 02% to CO2 emissions in Beijing-Tianjin-Hebei region during 2000-2014. Increase in economic output plays a significant role in increasing the CO2 emissions, with contribution of 152. 17%. Both energy efficiency improvement (contribution degree: -56. 29 %) and energy structure adjustment (contribution degree: -34. 39 %) are important factors to reduce CO2 emissions in the Beijing-Tianjin-Hebei region. In addition, industrial structure adjustment, income improvement and urbanization are significant factors affecting CO2 emissions. Gaps in CO2 emissions between Beijing, Tianjin and Hebei regions and the average level expanded during 2000-2014. High economic output and low energy efficiency resulted in the higher CO2 emissions in Hebei than the average. However, clean-energy-dominated energy structure plays a dominant role in lowing CO2 emissions of Beijing.
Keywords:CO2 emissions;spatio-temporal features;temporal decomposition analysis;spatial decomposition analysis;Beijing-Tianjin-Hebei -->0 PDF (5517KB)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--> 赵玉焕, 李浩, 刘娅, 曹叶, 张中华, 王淞. 京津冀CO2排放的时空差异及影响因素研究[J]. 资源科学, 2018, 40(1): 207-215 https://doi.org/10.18402/resci.2018.01.19 ZHAOYuhuan, LIHao, LIUYa, CAOYe, ZHANGZhonghua, WANGSong. Identifying driving forces of CO2 emissions in Beijing-Tianjin-Hebei region from temporal and spatial angles[J]. RESOURCES SCIENCE, 2018, 40(1): 207-215 https://doi.org/10.18402/resci.2018.01.19
1 引言
《京津冀协同发展规划纲要》明确提出:到2030年,京津冀区域一体化格局基本形成,区域经济结构更加合理,生态环境质量总体良好,公共服务水平趋于均衡,成为具有较强国际竞争力、影响力的重要区域[1]。2015年,京津冀GDP总量为6.94万亿元,占全国的9.56%。然而,以煤为主的能源结构和以高耗能行业为主的产业结构导致京津冀大量的能源消费和CO2排放[2]。2015年,京津冀化石能源消费4.78亿tec,CO2排放11.66亿t,分别占全国的12.50%和9.75%。此外,京津冀区域间经济、社会发展不平衡,能源消费和CO2排放也存在较大差异。因此,精确掌握京津冀CO2排放的时空分布特征,找出CO2排放时空差异的影响因素,有助于为政策制定者科学、合理地设定减排目标,分解减排指标以及采取有针对性的减排措施提供参考。 目前,国内外****对京津冀CO2排放的研究主要从四个方面展开: (1)京津冀能源消费、碳排放和经济增长的关系研究。京津冀碳排放、能源消费与经济增长呈弱脱钩关系[3,4]。其中,河北碳排放量较高且增速明显,经济增长高度依赖能源消费[5]。 (2)京津冀碳排放影响因素研究。经济增长和能源利用效率分别是京津冀碳排放增长的主要正向和负向驱动因素[6]。人均GDP、人口因素、产业结构和能源结构也是京津冀碳排放的重要影响因素[7,8]。 (3)京津冀碳足迹研究。****们主要研究了京津冀碳足迹的演变趋势与驱动机制,空间、产业分 布情况[9,10],北京市碳足迹[11],居民食物消费碳足迹[12],住宅建筑生命周期碳足迹[13]。 (4)京津冀碳排放时空差异研究。汪浩等基于投入产出-生命周期分析模型从消费和生产两个角度分析了京津冀CO2排放的时空特征[14]。武义青等评估了2000—2011年京津冀低碳经济发展水平,并分析了京津冀碳排放的地区异质性[15]。然而,现存文献对京津冀CO2排放时空差异影响因素的研究 较少。 因此,本文首先分析了京津冀CO2排放的时空特性,然后基于LMDI(Logarithmic Mean Divisia Index Method)方法和M-R空间分解方法(Multi-regional Spatial Decomposition Method)分别从时间和空间两个维度分析了京津冀CO2排放差异的影响因素,以期为京津冀协同减排提供数据支持和政策参考。本文的主要贡献如下: (1)首次使用改进的M-R空间分解方法分析了京津冀CO2排放的空间差异并量化各影响因素。 (2)从生产和消费两个角度分析了京津冀CO2排放的时空差异。
本文中所用2000—2014年京津冀各省(市)CO2排放、能源消费数据来自China Emission Accounts and Datasets (CEADs)[18]。CEADs数据库由国家自然科学基金委员会、中国科学院等多家研究机构共同开发,展示中国多尺度能源、碳排放及社会经济核算清单。CEADs数据库数据来自于经过同行评价发表的学术研究,所有数据完全开放获取[19]。CEADs数据库公布的CO2排放数据与国家温室气体排放清单及以往研究结果相符[20,21]。 京津冀及各省(市)GDP(以2000年为基准价格折算)、产业增加值、可支配收入以及人口数据来自2000—2014年《中国统计年鉴》[22]。其中,京津冀各年人口数据取上年和当年年末总人口的算数平均值。
3 京津冀CO2排放影响因素分析
3.1 京津冀CO2排放的时空特征
从时间维度看,2000—2014年京津冀CO2排放增长迅速,从3.67亿t增长到10.02亿t,年均增长率7.44%(如图1)。京津冀CO2排放变化大致经历了四个阶段:高速增长阶段(2000—2005年),稳定增长阶段(2005—2008年),经济复苏期(2008—2012年)和新常态时期(2012—2014年)。2000—2005年京津冀CO2排放高速增长。其中,2005年增长率达到最大值18.08%。2012年后,京津冀经济发展进入新常态,经济增长放缓,产业结构优化升级步伐加快,京津冀CO2排放出现下降趋势。具体到部门,京津冀CO2排放主要来自工业活动,占比达80.00%以上,而服务业CO2排放占比基本保持在8.00%左右。居民部门CO2排放比重不断下降,从2000年的9.92%下降到2014年的5.87%。具体到能源品种,京津冀CO2排放主要来自于煤炭消费,比重保持在85.00%左右。油品消费的CO2排放占比呈下降趋势,而天然气消费的CO2排放占比不断上升,但比重较小。 显示原图|下载原图ZIP|生成PPT 图12000—2014年京津冀CO2排放变化 -->Figure 1CO2 emissions of Beijing-Tianjin-Hebei region from 2000 to 2014 -->
为探究京津冀CO2排放增长的主要原因,本文量化了八种因素对京津冀CO2排放的影响程度,包括各影响因素的大小(如图2)和贡献度(如图3)1)(1) 本文将图2—图5中使用ΔC_EGI,ΔC_EYI,ΔC_ES,ΔC_S,ΔC_U,ΔC_A,ΔC_P,ΔC_Y分别表示时间分解分析和空间分解分析中生产部门能源利用效率、居民部门能源利用效率、能源结构、产业结构、城镇化、经济总量、人口和收入水平等因素对各区域CO2排放时间变化以及区域间CO2排放差异的贡献。)。主要分析结果如下: 显示原图|下载原图ZIP|生成PPT 图22000—2014年京津冀CO2排放时间分解结果 -->Figure 2Temporal decomposition results of CO2 emissions in Beijing-Tianjin-Hebei region from 2000 to 2014 -->
显示原图|下载原图ZIP|生成PPT 图32000—2014年京津冀各影响因素贡献度 -->Figure 3Contribution of various driving forces of the changes of CO2 emissions in Beijing-Tianjin-Hebei region from 2000 to 2014 -->
显示原图|下载原图ZIP|生成PPT 图42000—2014年京津冀分地区CO2排放时间分解结果 -->Figure 4Temporal decomposition results of CO2 emissions in Beijing-Tianjin-Hebei region from 2000 to 2014 -->
显示原图|下载原图ZIP|生成PPT 图52000—2014年京津冀CO2排放空间分解结果 -->Figure 5Spatial decomposition results of CO2 emissions in Beijing-Tianjin-Hebei region from 2000 to 2014 -->
在本文研究结论的基础上,提出政策建议如下: (1)京津冀地区应加强节能减排合作。首先,根据京津冀各城市的功能定位,加强各城市之间的减排合作,尽快建立区域减排责任分摊机制及减排补偿制度,通过区域协同发展实现碳减排目标。其次,鼓励具有技术和资金优势的企业到河北进行节能、减排项目投资。最后,在未来建立的碳市场实行企事业单位之间的碳交易“双边”模式,既可以实现区域减排目标,又平衡了区域间经济收入,而且还降低了减排总成本,实现“一石三鸟”功效。 (2)京津冀地区应实行差异化的减排政策。河北应当更加注重生产端的节能减排,引进先进的生产技术和生产工艺,淘汰落后产能,调整和优化产业结构。北京和天津应当充分利用自身先进的科研设施和大量的科研单位、高校和企业资源,进行节能、低碳技术的研发和推广。此外,加大京津冀地区节能减排宣传力度,提高全民节能意识,合理引导居民出行方式、用能方式等,使得居民生活更加低碳化。 The authors have declared that no competing interests exist.
[Wu YQ, Zhao YN.Beijing-Tianjin-Hebei energy consumption, carbon emissions and economic growth [J]. , 2014, (2): 5-12. ] [本文引用: 1]
[3]
WangZ, YangL.Delinking indicators on regional industry development and carbon emissions: Beijing-Tianjin-Hebei economic band case [J]. , 2015, 48: 41-48. [本文引用: 1]
[ChenH, Zhu QY, XingL.Study on the relationship between economic growth, energy and carbon emissions in Beijing-Tianjin-Hebei region: Based on decoupling theory [J]. , 2016, (12): 180-183. ] [本文引用: 1]
[WuH, Gu SZ, ZhouH, et al. Relationships between energy consumption-carbon emissions and economic growth in Hebei Province [J]. , 2011, 33(10): 1897-1905. ] [本文引用: 1]
[Li BJ, Zhang QQ.Decomposition of carbon emission influence factors in Beijing-Tianjin-Hebei region and its trend in the new normal situation [J]. , 2017, 33(4): 19-24. ] [本文引用: 1]
[ Chen CC, Liu CL, WangH, et al. Examining the impact factors of energy consumption related carbon footprints using the STIRPAT model and PLS model in Beijing [J]. , 2014, 34(6): 1622-1632. ] [本文引用: 1]
[WangH, Chen CC, Liu CL, et al. Spatial temporal differentiation of product-based and consumption-based CO2 emissions and balance in the Beijing-Tianjin-Hebei region: An economic input-output analysis [J]. , 2014, (9): 3619-3631. ] [本文引用: 1]
Ang BW.The LMDI approach to decomposition analysis: A practical guide [J]. , 2005, 33(7): 867-871. [本文引用: 1]
[17]
Ang BW, Xu XY, SuB.Multi-country comparisons of energy performance: The index decomposition analysis approach [J]. , 2015, 47: 68-76. [本文引用: 1]
[18]
Research Council UK. China Emission Accounts and Datasets [EB/OL]. (2016-11)[2017-06-12]. .URL [本文引用: 1]
[19]
LiuZ, GuanD, WeiW, et al. Reduced carbon emission estimates from fossil fuel combustion and cement production in China [J]. , 2015, 524(7565): 335-338. [本文引用: 1]
[20]
GuanD, LiuZ, GengY, et al. The gigatonne gap in China's carbon dioxide inventories [J]. , 2012, 2(9): 672-675. [本文引用: 1]
[21]
ShanY, LiuJ, LiuZ, et al. New provincial CO2 emission inventories in China based on apparent energy consumption data and updated emission factors [J]. , 2016, 184: 742-750. [本文引用: 1]