云南省图书馆机构用户，欢迎您！
从能源消费、水泥生产和森林碳汇3个方面对中国未来的碳排放进行了较为全面的估计。其中，能源消费碳排放是在能源—经济框架下利用经济动力学模型对最优经济增长路径下的能源需求进行预测得到的，同时考虑了能源结构的演化及不同能源品种在碳排放系数上存在的差异；水泥生产碳排放则是在对水泥产量预测的基础上进行的，认为水泥产量与城市化进程存在一定的联系，而城市化进程遵循“S曲线”发展规律；森林碳汇是通过引入CO2FIX模型，分别对原有森林与新增可造林的固碳能力进行估算，最终合成了中国未来的净碳排放曲线。结果发现，能源消费碳排放在2031年达到高峰，为2637MtC，对应的人均GDP低于OECD国家的实证经验；人均排放高峰出现在2030年，为1.73tC/人，远低于美国欧盟和日本2006年水平；水泥生产碳排放增长放缓，2050年控制在254MtC左右，占工业总排放的12％；森林碳汇至2050年可累计吸收6806.2MtC，年吸收量逐渐下降；净排放也于2033年达到峰值，为2748MtC。
排放是最重要的温室气体。为了分析未来气候变化，需要分析的排放趋势。此外，中国作为一个负责任大国，正在越来越积极的投入气候保护，为了制定合适的国家减排战略，也需要对中国碳排放趋势做出预测，因此，碳排放预测也是中国制定碳减排政策的基础。 由于中国排放大国的地位近几年凸显，因此对中国碳排放的研究也随之增多。然而已有研究中对碳排放的估算主要集中在某一行业领域或经济主体导致的碳排放，如对我国钢铁行业、公路交通工具、城镇居民的能源消费及由此产生的碳排放的估算[2-4]；或是对国际贸易中导致的碳泄漏进行估算[5-7]。此外，还有从区域层面研究某一地区碳排放情况，如对上海市及中国8大区域的能源需求与碳排放情况[8-9]，以及从全国层面对碳排放的研究[10-11]。但是，上述各方面的研究均是对历史碳排放的核算，而对未来碳排放进行预测的研究还较少。 国际上，基于各国面板数据估计得到的统计模型，Schmalensee等预测了各国2050年前的碳排放走势[12]；Auffhammer与Carson利用中国省级尺度数据，考虑了收入、人口密度、汽车保有量等因素得到一个固定效应滞后模型，并在此基础上对中国各省碳排放趋势及我国总碳排放进行了预测[13]；Guan等将IPAT分解模型与SDA分析结合，在对碳排放主要驱动因子分析的基础上对中国碳排放也进行了预测[14]。但这些研究采用的统计模型不能从机理上认识碳排放过程，特别是统计数据限制了远期外推，而对于气候保护问题来说，远期外推是必要的。丁仲礼、段晓男等通过国情比较得到了对碳排放的估计，虽然意义重大，但是他们的估计显得粗略[15]。朱永彬、王铮等基于经济动力学模型揭示了经济—能源之间的动力机制，并在对当前技术进步水平下的能源强度进行预测的基础上得到了未来的经济平稳增长率及对能源的需求，同时考虑能源结构演变预测得到了未来的碳排放量[16]，但他们仅仅考虑了能源使用产生的碳排放，而且没有考虑碳汇和水泥生产对碳排放的影响。 虽然能源消费导致的碳排放占总排放的比重很大，但是单纯地研究能源消费导致的碳排放并不能全面反映中国的总排放需求。何介南、康文星以湖南省为例，在考虑化石燃料导致的碳排放之外，同时对工业过程碳排放进行了估算，使得碳排放的估算更加全面[17]。Zhang[18]和Xu，Zhao等[19]以及吕劲文等[20]则从碳的吸收角度分别对中国以及杭州市和福建省的森林碳汇潜力进行了研究。为全面反映中国未来的碳排放趋势，本文将从能源消耗、水泥工业过程以及森林碳汇三方面对中国的排放做出一个较为完整的估计。其中，能源消费需求将在经济增长框架下通过动力学模型得到，水泥生产排放则考虑了中国城市化进程，森林固碳作用则在现有森林面积及林种林龄的基础上考虑其生长与砍伐利用过程中碳的固存变化，同时考虑我国的可造林及中长期发展规划中对新造林目标的设定等，从而达到碳排放的动态过程。整个计算流程如图1所示。 
图1 碳排放计算流程图 Fig.1 Projection process of emission 值得注意的是，预测的结果并不意味着中国未来的碳排放将会达到这个值，因为中国政府必将推行减排政策，降低碳排放，同时技术进步和经济危机的干扰都给碳排放带来不确定性，确定这种不定性，超出本文的内容范围，容另文研究。本文的意义在于给出了中国二氧化碳排放的上限的一种估计。 2 能源消费碳排放预测 朱永彬、王铮等引入一个经济动力学模型来预测分析在平稳增长轨道上，即避免碳减排政策带来经济危机时，一个国家或地区的碳排放量[16]。这个模型的关键是得出了在保持经济与人口平衡的平稳增长轨道上，拉姆齐(Ramsey)效用最大化时对应的最优经济增长率g与能源强度τ的函数关系，为： 
