发布日期:
长江流域省际碳排放核算及预测研究
文章字数：1673
摘要：基于“双碳”目标背景，本文以长江流域十八省区为研究对象，基于2012—2022年面板数据，综合运用碳排放核算模型、基于非期望产出的SBM模型系统测度各省区碳排放时空演变特征，并基于灰色预测GM（1,1）模型进行碳排放预测。
关键词：“双碳”；长江流域；碳排放预测
一、引言
“双碳”目标要求政府与市场协同发力。当前碳排放引发全球气候问题，治理成本高。2024年党的二十届三中全会强调深化生态文明体制改革，推动绿色低碳转型。国家已出台相关政策推动构建碳交易市场。长江流域森林覆盖率达41.3%，湿地面积占全国20%，中上游天然林碳密度80Mg/ha，洞庭湖、鄱阳湖年固碳5-8Tg，在“双碳”进程中作用关键。本文对流域十八省区碳排放进行预测，为科学减排提供依据。
二、实证设计
本研究数据来源于中国能源统计年鉴（2012-2022）、武汉大学30m土地覆盖数据集以及各省统计年鉴。
（一）碳排放量模型的讨论与确定
采用IPCC因子法，核算原煤、焦炭、汽油等15种能源及水泥的碳排放。公式：
式中：为第i个省份第t年能源消费碳排放总量；为第i个省份第j种能源第t年的消费量；为第j种能源的标准煤折算系数；为第j种能源低位发射量，为第j种能源的排放因子，为第j种能源的氧化效率，44/12为碳气化系数。
（二）碳汇量模型的讨论与确定
按耕地、林地、草地、水域、未利用地五类核算：
Cs=Cc+Cf+Cg+Cw+Cu
式中：为长江流域碳汇量总量；为耕地碳汇量即各种农作物碳汇量；为林地碳汇量；为草地碳汇量；为水域碳汇量；为未利用土地碳汇量。
1.耕地碳汇量计算
式中：为修正系数，考虑农作物秸秆再利用及焚烧量，取值为0.07；为生物量和碳量转化系数，取值0.5；为第j种农作物经济产量，单位t/a；为第j种农作物经济系数。
2.林地、草地、水域、未利用土地碳汇量计算
林地、草地、水域、未利用土地碳汇量核算方式相同。
式中：为第j种土地利用类型的面积，单位为，此数据由遥感测算得出；为第j种土地利用类型平均NEP，反映的是1公顷该利用类型土地一年的固碳能力。
（三）碳赤字模型的测算方法
长江流域各省科技水平差异影响经济效益与碳排放，进而影响生态环境。因此，有必要将碳排放效率作为科技水平的表征指标，纳入碳排放量修正模型。本研究采用基于非期望产出的SBM模型，以资本存量、劳动、能源为投入，GDP为期望产出，碳排放为非期望产出，构建修正模型。
（四）碳排放预测
采用GM(1,1）灰色模型，对2012—2022年碳排放数据建模从而预测2023——2033年趋势，并以后验差比C和小误差概率P检验精度。
三、实证分析
基于2012—2022年面板数据，对长江流域十八省区进行碳排放、碳汇、碳赤字核算及预测分析。
（一）碳排放量测算。2012年至2022年间，全流域碳排放总量从62.24亿吨波动上升至71.47亿吨，年均增长2.55%；空间分布呈现“东高西低”格局，其中江苏（8.3亿吨/年）、广东（7.2亿吨/年）和河南（6.0亿吨/年）排放量居前，青海最低（仅0.5亿吨/年）。基于SBM模型引入科技水平修正后，各省碳排放效率存在差异：上海、广东、江苏等8省区的修正系数小于1（排放量调减），而云南、安徽、河南等10省区的修正系数大于1（排放量调增）；即便经过修正，江苏、河南、陕西仍属于高排放省份。
（二）碳汇量测算。全流域碳汇量持续增长，年均约为5.8亿吨，空间上呈现“西南高、东北低”的分布特征；其中云南（1.168亿吨/年）和四川（1.094亿吨/年）碳汇能力最强，上海最弱（仅0.008亿吨/年）。经科技水平修正后，四川、云南、青海三省的碳汇优势进一步凸显。
（三）碳赤字核算。原始碳赤字方面，全流域赤字总量从55.64亿吨增至71.66亿吨，年均增长2.56%；其中河南（7.97亿吨）与陕西（7.62亿吨）赤字最为严重，仅青海为盈余省（-0.71亿吨）。在引入人均GDP和恩格尔系数进行修正后，相对碳赤字格局呈现出补偿主体（正赤字）集中于江苏、广东、浙江、河南、陕西、安徽、贵州等中下游及工业密集省份，而权利主体（负赤字）则包括四川、云南、江西、福建、湖南、广西、甘肃、重庆以及技术领先的上海。
（四）碳排放预测。基于GM(1,1）模型对2023—2032年的预测表明：多数省份将在2030年前后实现碳达峰，但陕西、广东、浙江仍呈增长态势；甘肃预计于2029年率先实现净负排放（碳中和）；同时，东中部地区高排放压力将持续存在，而西部碳汇潜力则日益突出。
作者单位：西藏大学经济与管理学院
关键词：“双碳”；长江流域；碳排放预测
一、引言
“双碳”目标要求政府与市场协同发力。当前碳排放引发全球气候问题，治理成本高。2024年党的二十届三中全会强调深化生态文明体制改革，推动绿色低碳转型。国家已出台相关政策推动构建碳交易市场。长江流域森林覆盖率达41.3%，湿地面积占全国20%，中上游天然林碳密度80Mg/ha，洞庭湖、鄱阳湖年固碳5-8Tg，在“双碳”进程中作用关键。本文对流域十八省区碳排放进行预测，为科学减排提供依据。
二、实证设计
本研究数据来源于中国能源统计年鉴（2012-2022）、武汉大学30m土地覆盖数据集以及各省统计年鉴。
（一）碳排放量模型的讨论与确定
采用IPCC因子法，核算原煤、焦炭、汽油等15种能源及水泥的碳排放。公式：
式中：为第i个省份第t年能源消费碳排放总量；为第i个省份第j种能源第t年的消费量；为第j种能源的标准煤折算系数；为第j种能源低位发射量，为第j种能源的排放因子，为第j种能源的氧化效率，44/12为碳气化系数。
（二）碳汇量模型的讨论与确定
按耕地、林地、草地、水域、未利用地五类核算：
Cs=Cc+Cf+Cg+Cw+Cu
式中：为长江流域碳汇量总量；为耕地碳汇量即各种农作物碳汇量；为林地碳汇量；为草地碳汇量；为水域碳汇量；为未利用土地碳汇量。
1.耕地碳汇量计算
式中：为修正系数，考虑农作物秸秆再利用及焚烧量，取值为0.07；为生物量和碳量转化系数，取值0.5；为第j种农作物经济产量，单位t/a；为第j种农作物经济系数。
2.林地、草地、水域、未利用土地碳汇量计算
林地、草地、水域、未利用土地碳汇量核算方式相同。
式中：为第j种土地利用类型的面积，单位为，此数据由遥感测算得出；为第j种土地利用类型平均NEP，反映的是1公顷该利用类型土地一年的固碳能力。
（三）碳赤字模型的测算方法
长江流域各省科技水平差异影响经济效益与碳排放，进而影响生态环境。因此，有必要将碳排放效率作为科技水平的表征指标，纳入碳排放量修正模型。本研究采用基于非期望产出的SBM模型，以资本存量、劳动、能源为投入，GDP为期望产出，碳排放为非期望产出，构建修正模型。
（四）碳排放预测
采用GM(1,1）灰色模型，对2012—2022年碳排放数据建模从而预测2023——2033年趋势，并以后验差比C和小误差概率P检验精度。
三、实证分析
基于2012—2022年面板数据，对长江流域十八省区进行碳排放、碳汇、碳赤字核算及预测分析。
（一）碳排放量测算。2012年至2022年间，全流域碳排放总量从62.24亿吨波动上升至71.47亿吨，年均增长2.55%；空间分布呈现“东高西低”格局，其中江苏（8.3亿吨/年）、广东（7.2亿吨/年）和河南（6.0亿吨/年）排放量居前，青海最低（仅0.5亿吨/年）。基于SBM模型引入科技水平修正后，各省碳排放效率存在差异：上海、广东、江苏等8省区的修正系数小于1（排放量调减），而云南、安徽、河南等10省区的修正系数大于1（排放量调增）；即便经过修正，江苏、河南、陕西仍属于高排放省份。
（二）碳汇量测算。全流域碳汇量持续增长，年均约为5.8亿吨，空间上呈现“西南高、东北低”的分布特征；其中云南（1.168亿吨/年）和四川（1.094亿吨/年）碳汇能力最强，上海最弱（仅0.008亿吨/年）。经科技水平修正后，四川、云南、青海三省的碳汇优势进一步凸显。
（三）碳赤字核算。原始碳赤字方面，全流域赤字总量从55.64亿吨增至71.66亿吨，年均增长2.56%；其中河南（7.97亿吨）与陕西（7.62亿吨）赤字最为严重，仅青海为盈余省（-0.71亿吨）。在引入人均GDP和恩格尔系数进行修正后，相对碳赤字格局呈现出补偿主体（正赤字）集中于江苏、广东、浙江、河南、陕西、安徽、贵州等中下游及工业密集省份，而权利主体（负赤字）则包括四川、云南、江西、福建、湖南、广西、甘肃、重庆以及技术领先的上海。
（四）碳排放预测。基于GM(1,1）模型对2023—2032年的预测表明：多数省份将在2030年前后实现碳达峰，但陕西、广东、浙江仍呈增长态势；甘肃预计于2029年率先实现净负排放（碳中和）；同时，东中部地区高排放压力将持续存在，而西部碳汇潜力则日益突出。
作者单位：西藏大学经济与管理学院