能源消费碳排放的影响因素特征及研究展望

作 者:

作者简介:
王正(1991- ),男,安徽凤阳人,博士研究生,主要研究方向为主体功能区与碳排放,E-mail:wangz.19b@igsnrr.ac.cn,中国科学院地理科学与资源研究所(北京 100101),中国科学院大学(北京 100049);樊杰(通讯作者)(1961- ),男,陕西西安人,博士,研究员,博士生导师,研究方向为区域发展与主体功能区划,Email:fanj@igsnrr.ac.cn,中国科学院地理科学与资源研究所(北京 100101),中国科学院大学(北京 100049),中国科学院科技战略咨询研究院(北京 100190)。

原文出处:
地理研究

内容提要:

碳排放影响因素是学术圈密切关注的重要研究方向,国内外学者开展了诸多案例研究并取得了丰富成果。因研究区社会经济发展水平、资源禀赋差异,不同学者在不同区域的研究结论不尽一致,缺少系统梳理和总结。有鉴于此,梳理国内外碳排放影响因素相关文献,基于文献综述,归纳碳排放影响因素特征。结果发现:①碳排放影响因素具有时间效应、空间效应和空间尺度效应,即碳排放影响因素的影响程度、作用方向,随时间演变、区域差异和研究单元的空间尺度升降而发生规律性变化。②碳排放影响因素的时间效应、空间效应和空间尺度效应,与中国短时间尺度内经济快速发展、经济发展水平存在区域差异、以及时间和空间尺度上经济发展水平的耦合相关。③碳排放影响因素特征对碳排放研究需立足区域发展方向、区域分类管控和空间降尺度提出客观要求。地域功能是自然承载力、社会经济水平和发展潜力的集成表达,城市、农业、生态功能区因在国土空间开发和保护格局中功能定位不同,其产业集聚和人口分布各有其特点,带来能源消费碳排放差异。以主体功能区为抓手、开展碳排放分类管控是重要的理论和实践尝试。


期刊代号:K9
分类名称:地理
复印期号:2023 年 01 期

字号:

       1 引言

       关注气候变化,致力于低碳减排是学术圈研究的重要议题[1-4]。碳排放时空格局演化[5,6],基于指数分解和回归模型定量解析碳排放的驱动因素[7,8],比较不同区域、不同部门碳排放效率[9-12],土地利用变化与碳排放的耦合机理[13-15],基于投入—产出分析开展隐含碳流动研究[16-18],以及面向《巴黎协定》2℃目标和各国承诺减排目标下的碳分配[19-21]是学者关注的主要研究方向。科学认知碳排放特征和驱动因素,是制定合理减排措施和政策的基础性工作,国内外学者在碳排放影响因素的研究方法、指标选择等方面做了大量的学术探究,取得了丰富的成果,对碳排放影响因素的认识进一步深入[22-24]。

       碳排放影响因素相关结论分歧较大,缺少对碳排放影响因素的归纳总结。因资源禀赋、社会经济发展阶段差异,不同国家和地区能源消费碳排放总量和结构存在较大差异,碳排放的驱动因素同样差异很大。故不同学者对不同区域碳排放影响因素的研究得出的结论不尽一致,如国家尺度上,城镇化对碳排放的影响,既有认为城镇化进程促进碳排放的观点[25]、也有认为城镇化进程提高了能源利用效率进而对碳排放有抑制作用[26],更有学者指出,上述分歧是因为城镇化水平与碳排放存在倒“U”型关系,针对不同城镇化发展阶段的研究,自然结论不同[27]。省级尺度上,城镇化对碳排放影响性质的研究同样未达成共识。由于中国无官方公布的碳排放数据,不同碳核算方法、不同影响因素分析模型都可能是导致影响因素结论分歧的原因。中国幅员辽阔,不同地区资源禀赋和社会经济发展水平差异较大,不同区域、同一区域不同时期碳排放影响因素差异明显。限制了根据碳排放影响因素制定“干到底”的减排政策和措施。

       鉴于学者关于碳排放影响因素研究分歧较大这一特征,本研究梳理国内外关于碳排放影响因素文献,尝试从理论角度总结碳排放影响因素的特征,进而由碳排放影响因素的客观特征出发,明确进一步开展碳排放研究的客观要求,初步探讨未来碳排放的研究方向。

       2 影响因素的研究方法

       碳排放影响因素受到学界的广泛关注,并取得了系列进展。根据研究内容侧重点,各研究方法具有不同适用性,可分为以下几类:IPAT或STIRPAT模型、Kaya恒等式与LMDI法、地理加权回归和环境库兹涅茨曲线(表1)。

       STIRPAT模型是用于分析碳排放驱动因素的常用方法,源自IPAT模型。IPAT模型原用于分析社会经济要素对环境压力的影响,其认为环境压力是人口规模(P)、富裕度(A)和技术水平(T)的函数[28],碳排放作为环境问题的一种,该模型在碳排放影响因素分析中广泛使用。实际研究中,多以人均GDP表征富裕度,以能源强度(单位GDP能源消费量)表征技术水平。但IPAT模型不允许各变量单调变化的缺点限制了其广泛使用。为克服此缺陷,STIRPAT模型应运而生,以随机形式将IPAT表示[29]。同时,随着研究不断深入,上述基本3个要素对环境压力的解释略显乏力,不断增加如城镇化水平、产业结构、能源结构等其他社会经济要素,不断改进、拓展STIRAT模型,为解析复杂问题的驱动因素提供了方法支撑,广泛应用于碳排放影响因素的研究中。

       对数平均权重分解(LogarithmicMeanDivisiaIndex,LMDI)用于定量解析各驱动要素对碳排放变化的贡献,KAYA恒等式是其分解方法的理论基础。KAYA恒等式是用于分解碳排放变化量的理论模型,其认为碳排放的增长主要由人口规模、经济发展、能源强度和能源碳强度(单位能源碳排放量)4个要素驱动[30],LMDI根据上述理论模型,将研究期起止时间碳排放的变化量分解为上述4个指标的贡献[6,31]。在实证研究中,碳排放变化量不再局限于上述4个指标,不同学者根据研究需求,将碳排放变化量驱动因素扩充为多个指标。如Guan等,则将中国能源消费碳排放量的变化分解为人口规模、人均GDP、产业结构、产业能源强度、能源结构、能源碳强度等因素[7]。因其分解无残差,解释度高而广泛用于碳排放变化的分解研究中。一般而言,LMDI方法研究对象多为单个或少数几个经济体,当研究对象包含多个单元时,STIRPAT模型则是常用选择。

      

       地理回归加权模型(Geographical Weighted Regression model,GWR)将空间位置参数作为重要变量,纳入影响因素分析中,考虑了社会经济要素指标本身空间位置关系对碳排放的影响。社会经济指标往往并不孤立存在,空间联系密切。根据“越相近越相关”的地理学第一定律,不同的自然地理和人文社会环境等差异所引起的变量间的关系随着地理位置的变化而变化。碳排放总量和碳排放强度的存在空间溢出效应,已在不同研究区为学者所发现[36-39],因而碳排放影响要素的解析研究,空间位置变量不容忽视。地理加权回归主要通过构建空间权重矩阵,在传统回归分析基础上引入空间自相关,在解析碳排放影响因素时,可以反映由变量的空间位置关系变化引起的变量间变化[32],以更好地揭示驱动因素的对碳排放的影响。

       环境库兹涅茨曲线常应用于分析经济发展水平与碳排放关系的研究中。环境库兹涅茨法则认为环境压力与经济发展水平关系呈现出抛物线特征,经济发展初期,对环境的压力不断增强,但随着经济不断发展,技术水平不断提高,同时节约资源保护环境理念深入人心,环境压力达到峰值,尔后进入下降阶段[33-35]。在碳排放研究中,多用于验证经济发展水平与碳排放相关指标是否存在环境库兹涅茨曲线的特征。

相关文章: