夏楚瑜,李 艷,*,葉艷妹,史 舟, 劉婧鳴

1 浙江大學(xué)土地科學(xué)與不動(dòng)產(chǎn)研究所, 杭州 310058 2 浙江大學(xué)農(nóng)業(yè)遙感與信息技術(shù)應(yīng)用研究所, 杭州 310058 3 中國(guó)地質(zhì)大學(xué)(武漢)公共管理學(xué)院, 武漢 430074

?

基于凈生產(chǎn)力生態(tài)足跡模型的工業(yè)碳排放效應(yīng)、影響因素與情景模擬

夏楚瑜1,李 艷1,*,葉艷妹1,史 舟2, 劉婧鳴3

1 浙江大學(xué)土地科學(xué)與不動(dòng)產(chǎn)研究所, 杭州 310058 2 浙江大學(xué)農(nóng)業(yè)遙感與信息技術(shù)應(yīng)用研究所, 杭州 310058 3 中國(guó)地質(zhì)大學(xué)(武漢)公共管理學(xué)院, 武漢 430074

以不同類型城市東營(yíng)和濱州為例,采用基于凈生產(chǎn)力的生態(tài)足跡模型測(cè)度2005—2014年兩市工業(yè)碳排放效應(yīng),利用彈性系數(shù)模型對(duì)工業(yè)碳排放生態(tài)足跡及其影響因素進(jìn)行對(duì)比,通過情景模擬分析了基準(zhǔn)和低碳情景下兩市的可持續(xù)低碳發(fā)展?jié)摿?。研究結(jié)果顯示：(1)東營(yíng)碳排放總量和碳排放強(qiáng)度明顯高于濱州, 兩市的碳排放生態(tài)足跡總體上都處于上升趨勢(shì),年均增長(zhǎng)率分別為12.79%和6.16%,這與兩市工業(yè)化發(fā)展階段不同有關(guān)；(2)2005—2008、2008—2011和2011—2014,東營(yíng)工業(yè)碳排放生態(tài)足跡當(dāng)量主導(dǎo)影響因素組合變化為“耕地面積-土地城鎮(zhèn)化率-能源結(jié)構(gòu)系數(shù)”轉(zhuǎn)化為“耕地面積-人口規(guī)模-能源結(jié)構(gòu)系數(shù)”到“耕地面積-人口規(guī)模-第二產(chǎn)業(yè)比重”；濱州2005—2014年的主導(dǎo)因素組合一直為“人口規(guī)模-土地城鎮(zhèn)化率-能源結(jié)構(gòu)系數(shù)”；(3)通過情景模擬分析2020年東營(yíng)、濱州的低碳發(fā)展?jié)摿Γ夯鶞?zhǔn)和低碳情景下,濱州生態(tài)赤字分別為東營(yíng)的10倍和2.6倍；就“減排”潛力而言,濱州遠(yuǎn)遠(yuǎn)高于東營(yíng),但實(shí)現(xiàn)低碳情景是工業(yè)GDP增長(zhǎng)從現(xiàn)階段20.6%驟降到6.5%為代價(jià),對(duì)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整升級(jí)要求很高。對(duì)東營(yíng)而言,低碳情景的實(shí)現(xiàn)不僅要將能源利用效率提高一倍,更要保證大量重要“碳匯”資源的恢復(fù)與重建。

凈生產(chǎn)力；生態(tài)足跡；影響因素；彈性系數(shù)；工業(yè)碳排放；情景模擬

全球氣候變暖與地球系統(tǒng)碳循環(huán)的改變密切相關(guān),人類對(duì)化石能源的無節(jié)制使用被認(rèn)為是導(dǎo)致溫室氣體排放的首要原因。根據(jù)IPCC公布結(jié)果,每年人類向大氣排放8.0Pg碳,其中化石燃料貢獻(xiàn)6.3Gt,工業(yè)部門為化石燃料重要消費(fèi)來源。根據(jù)有關(guān)部門測(cè)算,我國(guó)1978年以來化石能源燃燒所帶來的碳排放年均增速5.2%,且未來成倍增長(zhǎng)趨勢(shì)難以逆轉(zhuǎn)[1]。另外,森林無節(jié)制砍伐、農(nóng)地不恰當(dāng)耕作、草場(chǎng)過度放牧等人類對(duì)土地利用/覆被的改變(LUCC)強(qiáng)烈影響了“碳匯”分布,是僅次于化石燃料排放的全球第二大源[2]。同時(shí),耕地占補(bǔ)政策執(zhí)行過程中缺少對(duì)生態(tài)安全的考慮,“占一補(bǔ)一”的原則容易造成“耕地后備資源無限”的錯(cuò)誤認(rèn)識(shí),一些地方政府為了換取建設(shè)用地指標(biāo)不惜把濕地、林地、草地、生態(tài)保護(hù)區(qū)等開墾為耕地[3],嚴(yán)重破壞生態(tài)系統(tǒng)自凈能力。近年來越來越頻繁的氣候危機(jī)與以上這些因素有著必然聯(lián)系,自然資源、工業(yè)化發(fā)展、約束性耕地政策是如何影響不同城市工業(yè)碳排放對(duì)生態(tài)的壓力,這是本研究要探討的要點(diǎn)。

傳統(tǒng)的生態(tài)足跡模型基于碳吸收替代原理,忽略了林地以外其他用地的碳吸收貢獻(xiàn)[4]。凈初級(jí)生產(chǎn)力(NPP)指綠色植物單位時(shí)間單位面積扣除自身呼吸作用后的生產(chǎn)凈值,綜合反應(yīng)了各類土地生產(chǎn)力和碳吸收能力,能夠真實(shí)反應(yīng)能源消費(fèi)的空間占用水平[5],因此被廣泛應(yīng)用于人類對(duì)物質(zhì)資源的消耗與環(huán)境壓力之間的關(guān)聯(lián)研究。如方愷等[6]在綜合考慮能源、大氣、植被和土地利用相互作用關(guān)系基礎(chǔ)上,利用基于NPP的生態(tài)足跡模型測(cè)算全球能源足跡,反應(yīng)了能源消費(fèi)的空間占用平均水平；Siche等[7]將NPP模型與能值分析相結(jié)合來測(cè)算秘魯?shù)娜丝诔休d力,發(fā)現(xiàn)其測(cè)算值遠(yuǎn)遠(yuǎn)低于傳統(tǒng)模型的估算結(jié)果。學(xué)者對(duì)碳排放效應(yīng)影響因素也進(jìn)行了廣泛的研究：Casler等[8]采用KLEM模型分析了美國(guó)碳排放結(jié)構(gòu),認(rèn)為新能源的使用是碳排放下降的主要原因；Schipper等[9]用因素分解法解釋了1990年以來13個(gè)IEA國(guó)家9個(gè)制造部門碳排放強(qiáng)度增長(zhǎng)原因。

由于區(qū)域土地利用數(shù)據(jù)具有一定的保密性,遙感解譯結(jié)果又有一定的誤差,所以目前生態(tài)足跡的研究單元以大尺度為主,區(qū)域微觀尺度研究相對(duì)不足,針對(duì)生態(tài)環(huán)境脆弱區(qū)的研究更少。但是微觀尺度例如市級(jí)行政區(qū),是政策實(shí)施的重要行政單位,對(duì)“減排”政策制定、實(shí)施和反饋有重要意義。另外,目前對(duì)于不同類型城市碳排放差異研究比較少,特別是針對(duì)工業(yè)城市和農(nóng)業(yè)城市?，F(xiàn)代工業(yè)城市和傳統(tǒng)農(nóng)業(yè)城市工業(yè)化程度和工業(yè)結(jié)構(gòu)差異都很大。深入研究同一區(qū)域不同類型城市工業(yè)碳排放效應(yīng)和影響因素,有利于提出差別化“減排”政策。

黃河三角洲很大一部分區(qū)域位于山東省,同時(shí)山東省經(jīng)濟(jì)增長(zhǎng)對(duì)工業(yè)依賴程度很高[10]。該區(qū)土壤鹽堿化普遍,土地退化嚴(yán)重,生態(tài)恢復(fù)重構(gòu)能力比較弱[11],屬于典型生態(tài)脆弱區(qū)域,研究工業(yè)碳排放對(duì)生態(tài)環(huán)境的壓力意義重大。近年來,黃河三角洲地區(qū)城市化和工業(yè)化發(fā)展迅速,同時(shí)對(duì)自然資源的濫用也極其嚴(yán)重,特別是毀滅森林、排干濕地、城市蔓延等活動(dòng),嚴(yán)重破壞生態(tài)系統(tǒng)自凈能力,導(dǎo)致大量碳被釋放到大氣中,付出了沉重的生態(tài)代價(jià)。為了促進(jìn)黃河三角洲區(qū)域社會(huì)經(jīng)濟(jì)與生態(tài)協(xié)調(diào)發(fā)展,探求可持續(xù)低碳發(fā)展之路,本文以該區(qū)域現(xiàn)代工業(yè)城市東營(yíng)和傳統(tǒng)農(nóng)業(yè)城市濱州兩個(gè)典型不同類型城市為例,采用基于NPP生態(tài)足跡模型測(cè)度工業(yè)碳排放效應(yīng),采用彈性系數(shù)對(duì)比分析其工業(yè)碳排放生態(tài)足跡當(dāng)量主導(dǎo)因素,深入討論同一區(qū)域不同類型城市工業(yè)碳排放效應(yīng)的演變機(jī)理和驅(qū)動(dòng)因素的異同, 最后通過情景模擬分析了基準(zhǔn)和低碳情景下東營(yíng)和濱州的可持續(xù)低碳發(fā)展?jié)摿Α?/p>

1 研究區(qū)域與數(shù)據(jù)來源

1.1 研究區(qū)

東營(yíng)市、濱州市共處黃河三角洲腹地,是黃三角高效生態(tài)經(jīng)濟(jì)區(qū)的核心城市,是 “山東半島藍(lán)色經(jīng)濟(jì)區(qū)”開發(fā)的重點(diǎn)區(qū)域。

圖1 研究區(qū)位置圖Fig.1 Location of the study area

東營(yíng)多年平均氣溫12.8℃,年平均降水量555.9mm。全市土地總面積8243.26km2,黃河流經(jīng)全市138km,海岸線長(zhǎng)達(dá)413km。至2014年底,東營(yíng)市耕地總面積223154.19hm2,其中水澆地占耕地面積的74.72%。東營(yíng)以豐富的石油、天然氣資源以及低廉的勞動(dòng)成本和便利的港口資源成為我國(guó)東部工業(yè)強(qiáng)市,2014年以人均GDP169000元,位列山東省首位,三次產(chǎn)業(yè)結(jié)構(gòu)比為3.6∶68.4∶28.0,快速增長(zhǎng)的經(jīng)濟(jì)社會(huì)發(fā)展也對(duì)生態(tài)環(huán)境提出了更高要求。

濱州年平均降水量632.0 mm,多年平均氣溫13.5℃。全市土地總面積9445km2,海岸線長(zhǎng)238.9km。濱州耕地資源豐富,到2014年底,全市農(nóng)用地面積為570994.68hm2,其中耕地面積為465914.81hm2,占全市農(nóng)用地面積的82%,遠(yuǎn)遠(yuǎn)高于全國(guó)的20.9%的平均水平。2014年人均GDP 60800元,位列山東省第七,三次產(chǎn)業(yè)結(jié)構(gòu)比例為9.7∶50.3∶40.0。濱州是農(nóng)業(yè)大市,已初步搭建起商品糧、棉花、蔬菜、食用菌、桑蠶、水果、畜牧、水產(chǎn)等八大主導(dǎo)產(chǎn)業(yè),同時(shí)工業(yè)發(fā)展在省內(nèi)處于較落后位置。

1.2 數(shù)據(jù)來源

本文主要研究工業(yè)化進(jìn)程中化石燃料所引起的碳排放生態(tài)足跡當(dāng)量,能源數(shù)據(jù)分別來源于2006到2015年的東營(yíng)與濱州統(tǒng)計(jì)年鑒中的工業(yè)部分。兩市土地利用數(shù)據(jù)來自于兩市國(guó)土部門提供的歷年土地利用變更調(diào)查數(shù)據(jù)。

2 研究方法

2.1 工業(yè)碳排放測(cè)算方法

工業(yè)碳排放主要分為能源燃燒碳排和工業(yè)過程排放,本文僅討論前者,其主要來源是原煤、焦炭、汽油、煤油、柴油、燃料、天然氣和電力等能源,計(jì)算時(shí)將其消耗量換算成標(biāo)準(zhǔn)煤量,采用IPCC提供的計(jì)算公式：

C=∑Ci=∑Ei×Ki

(1)

式中,C為碳排放量,Ei為第i種能源消耗的標(biāo)準(zhǔn)煤量,Ki為第i中能源的能源排放系數(shù)(表1)。

表1 能源碳排放系數(shù)表

該表的系數(shù)來源自文獻(xiàn)[12]

2.2 基于NPP的生態(tài)足跡當(dāng)量測(cè)算

生態(tài)足跡當(dāng)量用以測(cè)度人類能源消費(fèi)碳排放對(duì)生態(tài)空間的占用情況[13]。本文綜合考慮USDE(美國(guó)能源部)公布的全球生態(tài)用地的NPP值和Venetoulis等[14]的研究成果(表2),其生態(tài)足跡當(dāng)量公式如下[6]：

(2)

式中,EEF為工業(yè)碳排放的生態(tài)足跡當(dāng)量,C是工業(yè)生產(chǎn)能源消費(fèi)的碳排放總量,NPPj是第j類生態(tài)系統(tǒng)的凈初級(jí)生產(chǎn)力,Aj為第j類生態(tài)系統(tǒng)對(duì)應(yīng)的土地面積。

表2 已經(jīng)研究公布的各地類NPP

該表的系數(shù)來源自文獻(xiàn)[12]

2.3 碳排放生態(tài)足跡當(dāng)量彈性系數(shù)計(jì)算方法及影響因子選擇

本文通過彈性系數(shù)來測(cè)度各因素對(duì)碳排放生態(tài)足跡的驅(qū)動(dòng)作用,其計(jì)算公式如下：

(3)

式中,X為影響碳排放生態(tài)足跡當(dāng)量的因素,n為碳排放生態(tài)足跡當(dāng)量彈性系數(shù)。

在研究人類活動(dòng)對(duì)自然環(huán)境壓力方面,通常采用人口、富裕和技術(shù)的隨機(jī)回歸模型STIRPAT[15]。利用該模型可分析能源足跡與人口、現(xiàn)代化指標(biāo)(城市化、工業(yè)化)之間的關(guān)系。本文基于擴(kuò)展的STIRPAT模型,選擇人口規(guī)模、單位GDP耗能、能源結(jié)構(gòu)系數(shù)、土地城鎮(zhèn)化率、耕地面積、第二產(chǎn)業(yè)比重作為影響東營(yíng)市和濱州市的碳排放生態(tài)足跡的因素[16- 18]。其中能源結(jié)構(gòu)系數(shù)是碳排放總量與能源消費(fèi)總量(標(biāo)準(zhǔn)煤)之比,反應(yīng)了節(jié)能水平。

2.4 生態(tài)足跡當(dāng)量赤字計(jì)算方法

本文采用生態(tài)足跡當(dāng)量赤字來衡量不同地區(qū)的環(huán)境可持續(xù)性。生態(tài)足跡當(dāng)量赤字的計(jì)算公式為[19]：

EEFD=EEF-EEFB

(4)

式中,EEFD為生態(tài)足跡當(dāng)量赤字,EEF為生態(tài)足跡當(dāng)量,EEFB為生態(tài)足跡當(dāng)量邊界。當(dāng)EEF大于EEFB時(shí),產(chǎn)生生態(tài)赤字,赤字越大說明環(huán)境越不可持續(xù)。方愷等[20]基于Rockstr?m的行星碳邊界的兩項(xiàng)控制變量(大氣CO2濃度≤350×10-6,輻射強(qiáng)迫值≤1W/m2),提出了各國(guó)的人均碳邊界閾值,統(tǒng)一設(shè)定為2.5tCO2-eq/a。IPCC報(bào)告指出全球75%的“碳源”來自城市地區(qū),故本文以1.875tCO2-eq/a作為工業(yè)碳環(huán)境邊界。

3 研究結(jié)果

3.1 碳排放、強(qiáng)度和生態(tài)足跡當(dāng)量變化分析

從兩市工業(yè)碳排放總量(圖2，圖3)來看,東營(yíng)由于工業(yè)發(fā)展程度遠(yuǎn)遠(yuǎn)高于濱州,其碳排放總量和排放強(qiáng)度都明顯高于濱州。從2005—2014年,濱州碳排放強(qiáng)度減少了68.8%,而東營(yíng)則呈現(xiàn)階段性特征：2005—2008年減少了18.34%,2008—2014年增加了36.01%。究其原因主要是：(1)東營(yíng)2005—2007重工平均增長(zhǎng)速度(16.7%)遠(yuǎn)遠(yuǎn)低于輕工業(yè)(59.7%),同時(shí)期濱州重工業(yè)平均增長(zhǎng)速度(29.6%)與輕工平均增長(zhǎng)速度(29.9%)相差無幾,但是很多重工行業(yè)都存在不同程度的產(chǎn)能過剩。2008年金融危機(jī)全面爆發(fā),國(guó)外需求大幅下降,嚴(yán)重沖擊濱州重工業(yè)發(fā)展；(2) 2005—2007濱州霍夫曼系數(shù)變化為：1.63—1.58—1.30,同時(shí)期東營(yíng)的霍夫曼系數(shù)變化為：0.67-0.51-0.3。根據(jù)霍夫曼系數(shù)分級(jí)表(表3),東營(yíng)處于工業(yè)化第四階段,工業(yè)發(fā)展已具備一定基礎(chǔ),金融危機(jī)對(duì)于東營(yíng)是一次工業(yè)轉(zhuǎn)型的契機(jī),大部分粗放型工業(yè)企業(yè)遭到淘汰,科技集中型工業(yè)得到發(fā)展。而尚處于第二階段的濱州工業(yè)產(chǎn)業(yè)大多以初級(jí)加工產(chǎn)品為主,工業(yè)基礎(chǔ)薄弱,難以將危機(jī)化為契機(jī)。

從工業(yè)碳排放生態(tài)足跡當(dāng)量來看,東營(yíng)和濱州碳排放生態(tài)足跡當(dāng)量總體上都處于上升趨勢(shì),年均增長(zhǎng)率分別為12.79%和6.16%(圖3)。2012年之前,濱州碳排放生態(tài)足跡當(dāng)量高于東營(yíng)市,2012年之后被東營(yíng)超過。由圖4可見,與濱州相比,東營(yíng)擁有大量濕地和水體等“碳匯”資源。隨著城市化發(fā)展,從2005年到2014年,東營(yíng)建設(shè)用地幅增達(dá)29%,耕地增加了1.6%,圍湖造田、圍河造田、毀林造田等補(bǔ)充耕地的行為使得濕地和林地分別減少了1.7%和4.7%,生態(tài)系統(tǒng)自凈能力受到嚴(yán)重威脅。同時(shí)期濱州建設(shè)用地只增加9%,濕地資源未出現(xiàn)明顯減少,而林地還增加了26%,生態(tài)服務(wù)系統(tǒng)維持穩(wěn)定。

圖2 東營(yíng)和濱州碳排放和生態(tài)足跡變化圖 Fig.2 Changes of carbon emission intensity and ecological footprint in Dongying and Binzhou city

圖3 東營(yíng)和濱州碳排放強(qiáng)度變化圖 Fig.3 Changes of carbon emission intensity in Dongying and Binzhou city

霍夫曼系數(shù)Hoffmancoefficient工業(yè)化階段Industrializationstage霍夫曼系數(shù)Hoffmancoefficient工業(yè)化階段Industrializationstage5(±1)工業(yè)化第一階段2.5(±1)工業(yè)化第二階段1(±0.5)工業(yè)化第三階段<1工業(yè)化第四階段

圖4 東營(yíng)和濱州土地利用結(jié)構(gòu)變化圖Fig.4 Changes of land use structure in Dongying city and Binzhou city

3.2 碳排放生態(tài)足跡當(dāng)量影響因素分析

3.2.1 主導(dǎo)促進(jìn)因素分析

基于碳排放生態(tài)足跡彈性系數(shù)確定引起東營(yíng)工業(yè)碳排放生態(tài)足跡當(dāng)量增加的主導(dǎo)因素包括耕地面積、土地城鎮(zhèn)化率和人口規(guī)模,引起濱州工業(yè)碳排放生態(tài)足跡當(dāng)量增加的主導(dǎo)因素是土地城鎮(zhèn)化率和人口規(guī)模(表4)。

將東營(yíng)市工業(yè)碳排放生態(tài)足跡的主導(dǎo)促進(jìn)因素劃分為2個(gè)時(shí)期：2005—2008為耕地面積-土地城鎮(zhèn)化率主導(dǎo)時(shí)期,2008到2014為耕地面積-人口規(guī)模主導(dǎo)時(shí)期。東營(yíng)2008年工礦用地占建設(shè)用地總面積64%,遠(yuǎn)遠(yuǎn)高于10%到15%的合理水平[21],土地城鎮(zhèn)化質(zhì)量較低。2008—2014以耕地面積和人口規(guī)模為前兩位影響因素,而土地城鎮(zhèn)化率的影響作用降低。這是因?yàn)槭車?guó)際金融危機(jī)影響工業(yè)品出廠價(jià)格持續(xù)走低,工業(yè)用地比例持續(xù)下降,土地城鎮(zhèn)化的質(zhì)量逐漸提高?？傮w而言,耕地面積的碳排放生態(tài)足跡當(dāng)量彈性系數(shù)平均值遠(yuǎn)遠(yuǎn)大于土地城鎮(zhèn)化率和人口規(guī)模的碳排放生態(tài)足跡當(dāng)量彈性系數(shù)平均值。顯而易見,耕地一直是碳排放生態(tài)足跡增長(zhǎng)主導(dǎo)因素。根據(jù)土地利用變更調(diào)查數(shù)據(jù),2004到2012東營(yíng)市年均新增建設(shè)用地占耕地552hm2。而根據(jù)國(guó)土資源部“占一補(bǔ)一”的耕地占補(bǔ)平衡和保護(hù)政策,需要補(bǔ)充至少同等數(shù)量的耕地。在這種情況下,大量濕地、林地被開墾成耕地,而這兩類生態(tài)用地恰恰是重要碳匯。據(jù)報(bào)道,2005年到2008年,東營(yíng)市14%的灌叢濕地、蘆葦濕地與河流濕地轉(zhuǎn)化為耕地[22],生態(tài)系統(tǒng)自凈能力受到威脅。

對(duì)濱州而言,2005—2014,其工業(yè)碳排放生態(tài)足跡當(dāng)量促進(jìn)因素一直為人口規(guī)模-土地城鎮(zhèn)化率組合。人口規(guī)模和土地城鎮(zhèn)化率的碳排放生態(tài)足跡當(dāng)量彈性系數(shù)平均值分別為31.76和14.73,人口規(guī)模一直是濱州碳排放生態(tài)足跡增長(zhǎng)的第一位促進(jìn)因素。從2005至2014年,濱州人口城鎮(zhèn)率和土地城鎮(zhèn)化率的年均增長(zhǎng)數(shù)分別是和7.4%和5%,,大量新增非農(nóng)人口因工作、住等問題間接產(chǎn)生大量生產(chǎn)能耗。另外,工業(yè)用地規(guī)模年均增長(zhǎng)17.8%,以工業(yè)化為驅(qū)動(dòng)的低質(zhì)量城鎮(zhèn)化拉動(dòng)了能源消費(fèi)。按照平均人口城鎮(zhèn)化率和Northam城鎮(zhèn)化發(fā)展三階段劃分思想[23],濱州尚屬于第二階段初期,人口城鎮(zhèn)化水平與碳排放強(qiáng)度呈倒U型關(guān)系,人口城鎮(zhèn)化是促進(jìn)碳排放的增加主要推動(dòng)力[24]。

兩市相比,耕地并不是促進(jìn)濱州工業(yè)碳排放主導(dǎo)因素,因?yàn)I州本身為農(nóng)業(yè)大市,耕地及后備資源比較豐富,并不像東營(yíng)那樣需要侵占其他生態(tài)用地來保證耕地占補(bǔ)平衡；濱州碳排放促進(jìn)主導(dǎo)因素長(zhǎng)期以來比較穩(wěn)定,而東營(yíng)市卻有階段性變化,主要原因是東營(yíng)市已經(jīng)進(jìn)入工業(yè)化轉(zhuǎn)型和城市化轉(zhuǎn)型時(shí)期,越來越開始重視工業(yè)化和城市化質(zhì)量。

表4 碳排放生態(tài)足跡促進(jìn)因素(1—2位組合序列)

3.2.2 主導(dǎo)抑制因素分析

對(duì)于東營(yíng)而言,2005—2011年和2011—2014年兩個(gè)階段,工業(yè)碳排放生態(tài)足跡的主導(dǎo)抑制因素分別為能源結(jié)構(gòu)系數(shù)和第二產(chǎn)業(yè)比重,其彈性系數(shù)平均值分別為-23.4和-7.4(表5)。主導(dǎo)抑制因素變化是因?yàn)?008年金融危機(jī)對(duì)于粗放高耗能型工業(yè)產(chǎn)生巨大沖擊,但這同時(shí)也是淘汰落后產(chǎn)能企業(yè)、促進(jìn)工業(yè)結(jié)構(gòu)升級(jí)的一個(gè)契機(jī),但第二產(chǎn)業(yè)發(fā)展的階段性特征變化對(duì)能源效率的提高具有滯后性[25]故其減排效應(yīng)也有一定的滯后性。

對(duì)于濱州,工業(yè)碳排放生態(tài)足跡的抑制主導(dǎo)因素一直為能源結(jié)構(gòu)系數(shù),其彈性系數(shù)平均值為-11.9。一方面濱州所處的工業(yè)化初期發(fā)展階段決定了其能源消費(fèi)以煤炭為主,能源調(diào)整結(jié)構(gòu)的潛力很大；另一方面,濱州擁有豐富的生物質(zhì)能,政府大力推進(jìn)秸稈等生物質(zhì)廢料、城市垃圾在燃料方面的應(yīng)用。

兩市最大的區(qū)別在于東營(yíng)的主導(dǎo)抑制因素逐漸由能源結(jié)構(gòu)系數(shù)轉(zhuǎn)變?yōu)榈诙a(chǎn)業(yè)比重,濱州的抑制作用一直為能源結(jié)構(gòu)系數(shù)。共同點(diǎn)在于兩市抑制因素對(duì)生態(tài)足跡當(dāng)量的影響作用并不能抵消其他促進(jìn)因素的作用,未來“減排”任道而重遠(yuǎn)。

表5 碳排放生態(tài)足跡抑制主導(dǎo)因素

由于抑制因素比較少,則取第一位

3.2.3 次要因素分析

圖5 東營(yíng)和濱州碳排放生態(tài)足跡主要抑制因素變化Fig.5 Change of minor influencing factor of EEF

單位GDP耗能代表了能源利用水平和節(jié)能程度,對(duì)碳排放生態(tài)足跡影響并不大,但數(shù)值上有正負(fù)變化。由圖5可知, 2008以后東營(yíng)單位GDP耗能的碳排放生態(tài)足跡當(dāng)量彈性系數(shù)出現(xiàn)負(fù)值,這是因?yàn)榻鹑谖C(jī)淘汰了一部分粗放高耗能企業(yè),之后能源利用效率開始提升,盡管提升得并不穩(wěn)定,但工業(yè)逐步向集約、低耗能發(fā)展。對(duì)濱州而言,碳排放生態(tài)足跡當(dāng)量彈性系數(shù)雖有波動(dòng)但是一直為正,說明能源利用水平一直沒有很大提升,主要是因?yàn)楣I(yè)基礎(chǔ)比較薄弱且工業(yè)轉(zhuǎn)型比較困難。

3.3 低碳發(fā)展?jié)摿η榫澳M

3.3.1 情景構(gòu)建

以2020年為目標(biāo)期,采用情景模擬方法,設(shè)置東營(yíng)、濱州兩市工業(yè)碳排放生態(tài)足跡當(dāng)量赤字的基準(zhǔn)、低碳兩種情景考察不同減排政策、土地利用和管理方式、經(jīng)濟(jì)發(fā)展模式下兩市工業(yè)碳排放可持續(xù)潛力。具體參數(shù)設(shè)定見表6。

(1)基準(zhǔn)情景 依據(jù)城市近年來工業(yè)GDP、人口增長(zhǎng)、單位工業(yè)GDP碳排放變化率和NPP值分別以2011—2014和2005—2014為東營(yíng)和濱州情景設(shè)定參數(shù)慣性發(fā)展參考時(shí)期。建設(shè)用地規(guī)模預(yù)測(cè)依照土地利用規(guī)劃(2006—2020)最大預(yù)期性規(guī)模：東營(yíng)和濱州分別為129173hm2和167130hm2。

(2)低碳情景 在基準(zhǔn)情景的基礎(chǔ)上,結(jié)合 “十三五”規(guī)劃要求GDP增速最低為6.5%和全面建設(shè)小康社會(huì)要求人口增長(zhǎng)率在4‰以下的目標(biāo),考慮 “哥本哈根”會(huì)議達(dá)成的減排目標(biāo)(2020年單位GDP碳排放比2005年減少40%—45%)和兩市生態(tài)保護(hù)相關(guān)規(guī)劃、政策措施(《東營(yíng)自然保護(hù)區(qū)規(guī)劃》規(guī)定至2020年濕地恢復(fù)7641hm2,植物保護(hù)與植被恢復(fù)4599hm2),實(shí)現(xiàn)低碳發(fā)展的目標(biāo)。；建設(shè)用地規(guī)模按照慣性期發(fā)展進(jìn)行預(yù)測(cè)：東營(yíng)和濱州分為98959和154121hm2。

表6 東營(yíng)、濱州情景設(shè)定及參數(shù)表述

3.3.2 情景模擬分析

基于以上情景設(shè)置,得到東營(yíng)、濱州不同情景下的人均碳排放生態(tài)足跡當(dāng)量赤字。

東營(yíng)基準(zhǔn)、低碳情景下,人均碳排放生態(tài)足跡當(dāng)量赤字分別為1和0.5 tC/hm2,濱州基準(zhǔn)和低碳情景下的人均碳排放生態(tài)足跡當(dāng)量赤字分別為9.7和1.34 tC/hm2。

基準(zhǔn)情景下,經(jīng)濟(jì)、人口增長(zhǎng)仍然保持慣性發(fā)展,工業(yè)依舊是拉動(dòng)GDP的主力,生態(tài)保護(hù)政策沿用當(dāng)前現(xiàn)行政策。按照這種慣性發(fā)展,兩市人均碳排放生態(tài)足跡當(dāng)量赤字仍遠(yuǎn)遠(yuǎn)高于我國(guó)平均水平[19],其中濱州的生態(tài)赤字為東營(yíng)的近十倍。低碳情景下,兩市生態(tài)赤字明顯下降,其中濱州為東營(yíng)的2.6倍。兩市低碳情景的實(shí)現(xiàn)都要求土地利用規(guī)劃、自然保護(hù)區(qū)規(guī)劃、城市生態(tài)規(guī)劃等多項(xiàng)規(guī)劃能夠有效執(zhí)行到具體地塊上,這對(duì)部門之間的合作、協(xié)調(diào)要求非常高。就“減排”潛力而言,濱州遠(yuǎn)遠(yuǎn)高于東營(yíng),但是這種低碳情景是以濱州的工業(yè)GDP增長(zhǎng)從現(xiàn)階段20.6%驟降到6.5%為代價(jià),需要對(duì)工業(yè)發(fā)展實(shí)施非常嚴(yán)格的管制措施,強(qiáng)制淘汰高耗能企業(yè),經(jīng)濟(jì)增長(zhǎng)主要依靠第三產(chǎn)業(yè)完成,對(duì)產(chǎn)業(yè)升級(jí)要求很高。因此濱州政府急需轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式,加強(qiáng)技術(shù)創(chuàng)新體系建設(shè),促使工業(yè)發(fā)展階段由初級(jí)向高級(jí)、低碳化轉(zhuǎn)化。盡管減排短期來看會(huì)延緩濱州經(jīng)濟(jì)發(fā)展,對(duì)于城市產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和資源環(huán)境協(xié)調(diào)發(fā)展是有益的。對(duì)于東營(yíng)而言,低碳情景的實(shí)現(xiàn)不僅要將能源利用效率提高一倍,更要保證重要“碳匯”的恢復(fù)與重建。由于黃河三角洲濕地生態(tài)系統(tǒng)本來主要是臨河近海的脆弱鹽堿地,黃河淤積而成的沙性土壤一旦表層裸露很容易荒漠化,7641hm2的濕地恢復(fù)計(jì)劃行之不易。

4 結(jié)論和建議

本文利用基于凈初級(jí)生產(chǎn)力的碳排放生態(tài)足跡方法和彈性系數(shù)分析方法,對(duì)比分析了東營(yíng)和濱州兩市在工業(yè)化過程中對(duì)自然資源及其生態(tài)系統(tǒng)服務(wù)的消耗的異同,探討了不同時(shí)期其工業(yè)碳排放生態(tài)足跡當(dāng)量的主導(dǎo)因素和次要因素,最后通過情景模擬分析了基準(zhǔn)和低碳情景下兩市可持續(xù)低碳發(fā)展?jié)摿?。研究結(jié)論主要體現(xiàn)在以下方面：

(1)東營(yíng)碳排放總量和碳排放強(qiáng)度明顯高于濱州, 兩市的碳排放生態(tài)足跡總體上都處于上升趨勢(shì),年均增長(zhǎng)率分別為12.79%和6.16%。

(2)東營(yíng)的工業(yè)碳排放生態(tài)足跡影響因素變化可以分為2005—2008到2008—2011到2011—2014這3個(gè)階段,主導(dǎo)因素的組合變化由“耕地面積-土地城鎮(zhèn)化率-能源結(jié)構(gòu)系數(shù)”轉(zhuǎn)化為“耕地面積-人口規(guī)模-能源結(jié)構(gòu)系數(shù)”到“耕地面積-人口規(guī)模-第二產(chǎn)業(yè)比重”。濱州2005—2014年的主導(dǎo)因素組合一直為“人口規(guī)模-土地城鎮(zhèn)化率-能源結(jié)構(gòu)系數(shù)”。值得注意的是,耕地面積長(zhǎng)期是東營(yíng)的主導(dǎo)因素,這與東營(yíng)本身自然資源稟賦密切相關(guān)。城市化進(jìn)程中,東營(yíng)為了保證“耕地占補(bǔ)平衡”,大量重要“碳匯”(濕地、林地)被開墾成耕地,嚴(yán)重影響自然生態(tài)系統(tǒng)自凈能力。濱州為農(nóng)業(yè)大市,耕地資源及其后備資源豐富,生態(tài)用地未受到“耕地占補(bǔ)平衡”政策的強(qiáng)烈影響。

(3)東營(yíng)和濱州分別處于工業(yè)化第四階段和第二階段,2008年金融危機(jī)以后,東營(yíng)碳排放強(qiáng)度呈上升趨勢(shì),而濱州持續(xù)下降,這與兩市工業(yè)化城市化發(fā)展階段顯著相關(guān)。面對(duì)金融危機(jī),東營(yíng)已經(jīng)累積一定的資金和技術(shù),大部分粗放工業(yè)企業(yè)遭到淘汰,科技集中型工業(yè)得到發(fā)展,更容易進(jìn)行工業(yè)升級(jí),而濱州工業(yè)化發(fā)展處于較初級(jí)階段,工業(yè)產(chǎn)業(yè)以初級(jí)加工產(chǎn)品為主,技術(shù)效率和水平較低,轉(zhuǎn)型困難。

(4)通過情景模擬分析2020年東營(yíng)、濱州的低碳發(fā)展?jié)摿Πl(fā)現(xiàn),基準(zhǔn)和低碳兩種情景下,濱州的生態(tài)赤字分別為東營(yíng)的近10倍和2.6倍。就“減排”潛力而言,濱州遠(yuǎn)遠(yuǎn)高于東營(yíng),但是這種低碳情景是以濱州的工業(yè)GDP增長(zhǎng)從現(xiàn)階段20.6%驟降到6.5%為代價(jià),需要實(shí)施非常嚴(yán)格的工業(yè)發(fā)展管制措施,對(duì)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和轉(zhuǎn)型升級(jí)要求很高。對(duì)東營(yíng)而言,低碳情景的實(shí)現(xiàn)不僅要將能源利用效率提高1倍,更要保證大量重要“碳匯”資源的恢復(fù)與重建。

鑒于以上研究結(jié)論,對(duì)東營(yíng)和濱州“減排”可持續(xù)發(fā)展提出以下差別化建議：

就東營(yíng)而言,一方面近期應(yīng)逐步實(shí)現(xiàn)重要“碳匯”(濕地、林地)的恢復(fù),加強(qiáng)自然生態(tài)系統(tǒng)的自凈能力；另一方面在土地利用規(guī)劃實(shí)施過程中,要加強(qiáng)“耕地占補(bǔ)平衡”政策的監(jiān)督,不能以犧牲生態(tài)用地為代價(jià)盲目追求“占一補(bǔ)一”。對(duì)濱州來說,加快淘汰粗放高耗工業(yè),大力引入先進(jìn)成熟的節(jié)能工藝和設(shè)備,推進(jìn)工業(yè)升級(jí)和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整并大力發(fā)展第三產(chǎn)業(yè)以保證經(jīng)濟(jì)活力。

[1] 盧娜, 曲福田, 馮淑怡, 邵雪蘭. 基于STIRPAT模型的能源消費(fèi)碳足跡變化及影響因素——以江蘇省蘇錫常地區(qū)為例. 自然資源學(xué)報(bào), 2011, 26(5): 814- 824.

[2] 韓驥, 周翔, 象偉寧. 土地利用碳排放效應(yīng)及其低碳管理研究進(jìn)展. 生態(tài)學(xué)報(bào), 2016, 36(4): 1152- 1161.

[3] 孫蕊, 孫萍, 吳金希, 張景奇. 中國(guó)耕地占補(bǔ)平衡政策的成效與局限. 中國(guó)人口·資源與環(huán)境, 2014, 24(3): 41- 46.

[4] Van Der Voet E. Books: our ecological footprint: reducing human impact on the earth. Journal of Industrial Ecology, 1999, 3(2/3): 185- 187.

[5] 方愷, 董德明, 沈萬斌. 生態(tài)足跡理論在能源消費(fèi)評(píng)價(jià)中的缺陷與改進(jìn)探討. 自然資源學(xué)報(bào), 2010, 25(6): 1013- 1021.

[6] 方愷, 董德明, 林卓, 沈萬斌. 基于全球凈初級(jí)生產(chǎn)力的能源足跡計(jì)算方法. 生態(tài)學(xué)報(bào), 2012, 32(9): 2900- 2909.

[7] Siche R, Agostinho F, Ortega E. Emergy net primary production (ENPP) as basis for calculation of ecological footprint. Ecological Indicators, 2010, 10(2): 475- 483.

[8] Casler S D, Rose A. Carbon dioxide emissions in the U.S. economy: a structural decomposition analysis. Environmental and Resource Economics, 1998, 11(3/4): 349- 363.

[9] Schipper L, Murtishaw S, Khrushch M, Ting M, Karbuz S, Unander F. Carbon emissions from manufacturing energy use in 13 IEA countries: long-term trends through 1995. Energy Policy, 2001, 29(9): 667- 688.

[10] 王敬華. 山東省能源消費(fèi)分析及其優(yōu)化策略. 中國(guó)人口·資源與環(huán)境, 2014, 24(11): 51- 59.

[11] 常春艷, 趙庚星, 李晉, 王凌, 王卓然. 黃河三角洲典型生態(tài)脆弱區(qū)土壤退化遙感反演. 農(nóng)業(yè)工程學(xué)報(bào), 2015, 31(9): 127- 132.

[12] 孫赫, 梁紅梅, 常學(xué)禮, 崔青春, 陶云. 中國(guó)土地利用碳排放及其空間關(guān)聯(lián). 經(jīng)濟(jì)地理, 2015, 35(3): 154- 162.

[13] 吳文佳, 蔣金亮, 高全洲, 蔣海兵. 2001- 2009年中國(guó)碳排放與碳足跡時(shí)空格局. 生態(tài)學(xué)報(bào), 2014, 34(22): 6722- 6733.

[14] Venetoulis J, Talberth J. Refining the ecological footprint. Environment, Development and Sustainability, 2008, 10(4): 441- 469.

[15] Dietz T, Rosa E A. Rethinking the environmental impacts of population, affluence and technology. Human Ecology Review, 1994, 1: 277- 300.

[16] Wang Z H, Yang L. Indirect carbon emissions in household consumption: evidence from the urban and rural area in China. Journal of Cleaner Production, 2014, 78: 94- 103.

[17] 楊足膺, 趙媛, 付伍明. 基于彈性系數(shù)的江蘇省能源生態(tài)足跡影響因素分析. 生態(tài)學(xué)報(bào), 2010, 30(24): 6741- 6748.

[18] 張維陽, 段學(xué)軍, 于露, 張偉, 戚曉明. 現(xiàn)代工業(yè)型與傳統(tǒng)資源型城市能源消耗碳排放的對(duì)比分析——以無錫市與包頭市為例. 經(jīng)濟(jì)地理, 2012, 32(1): 119- 125.

[19] 方愷. 基于足跡家族和行星邊界的主要國(guó)家環(huán)境可持續(xù)性多維評(píng)價(jià). 生態(tài)環(huán)境學(xué)報(bào), 2014, 23(11): 1868- 1875.

[20] 方愷, 段崢. 全球主要國(guó)家環(huán)境可持續(xù)性綜合評(píng)估——基于碳、水、土地的足跡-邊界整合分析. 自然資源學(xué)報(bào), 2015, 30(4): 539- 548.

[21] 汪群芳, 李植斌. 杭州市土地利用結(jié)構(gòu)與效率研究. 國(guó)土資源科技管理, 2005, 22(4): 5- 9.

[22] 萬紅. 基于RS與GIS的黃河三角洲濕地信息提取與分析研究[D]. 濟(jì)南: 中國(guó)石油大學(xué)(華東), 2010.

[23] 王建軍, 吳志強(qiáng). 城鎮(zhèn)化發(fā)展階段劃分. 地理學(xué)報(bào), 2009, 64(2): 177- 188.

[24] 秦耀辰, 榮培君, 楊群濤, 李旭, 寧曉菊. 城市化對(duì)碳排放影響研究進(jìn)展. 地理科學(xué)進(jìn)展, 2014, 33(11): 1526- 1534.

[25] 王強(qiáng), 鄭穎, 伍世代, 李婷婷. 能源效率對(duì)產(chǎn)業(yè)結(jié)構(gòu)及能源消費(fèi)結(jié)構(gòu)演變的響應(yīng). 地理學(xué)報(bào), 2011, 66(6): 741- 749.

Analysis of the industrial carbon emission effect based on the Net Primary Productivity Model, its influencing factors and scene simulation

XIA Chuyu1, LI Yan1,*, YE Yanmei1, SHI Zhou2, LIU Jingming3

1SchoolofPublicAffairs,InstituteofLandScienceandPropertyManagement,ZhejiangUniversity,Hangzhou310058,China2InstituteofAgriculturalRemoteSensingandInformationTechnologyApplication,CollegeofEnvironmentalandResourceSciences,ZhejiangUniversity,Hangzhou310058,China3SchoolofPublicAdministrations,ChinaUniversityofGeosciences,Wuhan430074,China

At present, there are serious environmental problems caused by global warming, primarily resulting from the interaction of industrial fossil fuel emissions and Land-Use and Land-Cover Change (LUCC). According to IPCC reports, the industrial sector is the most important source of fossil fuel consumption, which accounts for 78.75% of the carbon emission to the atmosphere. In China, the annual growth rate of carbon emissions from fossil fuel combustion has been 5.2% since 1978, and the future growth trend is difficult to reverse. Moreover, a lack of ecological security in the implementation of the cultivated land balance policy, the principle of “occupying one up one”, can easily lead local governments to incorrectly understand infinite cultivated land reserve resources. Thus, to explore how natural resources, industrial development, and restricted cultivated land protection policies affect the ecological pressure of industrial carbon emission in different cities, the present study uses Dongying and Binzhou as examples. Both cities, located in the Yellow River delta, were used to research the ecological pressure of industrial carbon emission based on the Net Primary Productivity Model (NPPM); the elastic coefficient model was applied to analyze changes of influencing factors from 2005 to 2014; and finally, the potential of low-carbon sustainable development using the scene simulation method was measured. Net Primary Productivity (NPP) is employed as a common indicator of biological productivity and the Net Primary Productivity Model (NPPM) can illustrate the interaction between carbon emissions and land carbon sequestration. The following conclusions were reached: (1) carbon emissions and carbon emission intensities of Dongying were significantly higher than that of Binzhou, and the ecological footprint of carbon emissions annually increased by 12.79 and 6.16%, respectively. This is related to the difference of industrial development between the two cities. (2) After analyzing the results of the elastic coefficient model, we found the combination of critical factors of the industrial carbon emission ecological footprint of Dongying changed from a “cultivated land-land urbanization rate-energy structure coefficient” to “cultivated land-population size-energy structure coefficient” to “cultivated land-population size-the proportion of the second industry” from 2005—2008 to 2008—2011 and 2011—2014; that of Binzhou remained a “population size-land urbanization rate-energy structure coefficient” from 2005 to 2014. (3) Through the situational simulation analysis until 2020, we found that under the baseline scenario, the carbon emission ecological deficit of Binzhou was approximately ten times than that of Dongying; under the low carbon scenario, that of Binzhou was only 2.6 times that of Dongying. Regarding the emission reduction potential (the distance between the carbon emission ecological deficit under the baseline scenario and low carbon scenario), the potential of Binzhou was significantly higher than that of Dongying. However, the low carbon scenario of Binzhou is at the expense of a serious slowdown from 20.6 to 6.5% in industry GDP, which needs to forcibly eliminate high energy-consuming enterprises, and economic growth mainly relies on the completion of the third industry. Therefore, there is a very high demand for the readjustment of the industrial structure. Regarding Dongying, the low carbon scenario needs to improve the energy use efficiency by double, and ensure the restoration of large numbers of “carbon sink” resources.

net primary productivity model; ecological footprint; influencing factors; elastic coefficient; industrial carbon emission; scene simulation

國(guó)家重點(diǎn)研發(fā)計(jì)劃重點(diǎn)專項(xiàng)(2016YFD0201200);浙江省教育廳重點(diǎn)項(xiàng)目(Z201121260)

2016- 03- 31; 網(wǎng)絡(luò)出版日期:2017- 02- 22

10.5846/stxb201603310591

*通訊作者Corresponding author.E-mail: liyan522@zju.edu.cn

夏楚瑜,李艷,葉艷妹,史舟 劉婧鳴.基于凈生產(chǎn)力生態(tài)足跡模型的工業(yè)碳排放效應(yīng)、影響因素與情景模擬.生態(tài)學(xué)報(bào),2017,37(11):3862- 3871.

Xia C Y, Li Y, Ye Y M, Shi Z, Liu J M.Analysis of the industrial carbon emission effect based on the Net Primary Productivity Model, its influencing factors and scene simulation.Acta Ecologica Sinica,2017,37(11):3862- 3871.