文章信息
- 戴刚, 严力蛟, 郭慧文, 章戈
- DAI Gang, YAN Lijiao, GUO Huiwen, ZHANG Ge
- 基于MSIASM和能源消费碳排放的中国四大直辖市社会代谢分析
- Societal metabolism analysis of China's four municipalities based on MSIASM theory and carbon emissions from energy consumption
- 生态学报, 2015, 35(7): 2184-2194
- Acta Ecologica Sinica, 2015, 35(7): 2184-2194
- http://dx.doi.org/10.5846/stxb201306081461
-
文章历史
- 收稿日期:2013-06-08
- 网络出版日期:2014-07-22
2. 美国佐治亚理工学院地理信息系统中心, 美国佐治亚州 30308
2. Center for Geographic Information Systems, Georgia Institute of Technology, Georgia 30308, America
社会代谢多尺度综合评估(Multi-Scale Integrated Assessment of Societal Metabolism,MSIASM)方法是20世纪90年代由意大利学者Mario Giampietro和日本学者Kozo Mayumi共同提出的[1, 2, 3]。该方法根据“人类活动”资源、“体外能流”资源和“增加值流”三者在社会经济系统中的叠合关系,并行地利用不同学科(能量分析学、生态学、生物物理学、经济学和社会学等)的各种参量(得自不同组成分的不同层面以及不同的信息源),综合评估社会发展水平与可持续性[3, 4, 5, 6]。相对于社会代谢理论中单一指标的传统能量流分析,在能量对象上MSIASM聚焦于Georgescu-Roegen提出的“体外能”[7],在方法实现上MSIASM强调方法论上的多元性、多学科的交叉性和尺度应用上的多样性。自提出以来,该方法已在国家、地区、社区等多个尺度,社会整体、农业、能源生产等多个系统广泛应用[8, 9, 10, 11, 12, 13, 14];就我国而言,全国、区域、省级行政区和开发区尺度都已有相应研究[15, 16, 17, 18, 19],刘晔等以沈阳为例,基于MSIASM,以人类活动时间为主要切入点,分析城市社会经济的发展状况[20],为完善该方法在中国的应用提供了重要依据。该方法较少整合生态指标的问题也引起了相关学者的注意[16, 21]。
利用社会代谢多尺度综合评估方法对四大直辖市的社会代谢及其发展状况进行评估,有针对性的选取适宜于大城市特点的数据源,通过多组织尺度、多年度的多种复合参量分析,主要从能量代谢角度对四大直辖市的社会代谢可持续发展水平进行了评价,进而为城市管理者与决策者制定可持续政策提供科学依据。文中引入了能源消费碳排放量并将其深入结合MSIASM提出了碳排放代谢率指标,完善了该方法的生态评估作用,给予能源环境影响评估以新的视角。此外,研究还识别出了MSIASM部分指标城市尺度下的特异性,并对其产生原因进行了探讨。
1 研究方法 1.1 数据来源本研究所指体外能是指非人类自身新陈代谢的社会经济系统所需能源总称,化石能源时代主要由商品能源构成。体外能消费量是指根据我国能源统计中能源消费总量换算的发热量,基础数据来源于各直辖市统计年鉴内能源平衡表(标准量),统计年份为2004至2010年。其中,按照能源消费的途径将能源加工转换部门的能源归入工业部门,损失量归入交通运输部门,最终能源消费按照国民经济行业分类归口。计算碳排放能源数据来源于各年《中国能源统计年鉴》内能源平衡表(实物量),各种能源实物消耗量参照《中国能源统计年鉴2010》及上海统计局印制的《能源统计报表制度》折算为标准煤当量,并将终端消费量内“其他”项目并入第三产业。人类活动时间涉及各行业从业人口以及平均工作强度:人口数据来自各直辖市统计年鉴,针对直辖市外来人口占比高和城镇化水平较高的特点,总人口选取包含半年以上外来人口在内的年末常住人口;各行业平均工作强度基础数据来自各年《中国劳动统计年鉴》内“城镇就业人员调查周平均工作时间”,根据四大直辖市各年从业人员行业分布加权计算后归并为三大产业年平均工作时间。增加值相关数据从各直辖市统计年鉴获取,依照沈利生等[22]的GDP平减指数计算方法,参考《中国统计年鉴2011》计算出以2000年为基年的2004至2010年社会总体和各产业GDP平减指数,据此统一进行了四大直辖市增加值数据归一化处理。
1.2 社会代谢多尺度综合评估(MSIASM)指标体系MSIASM创新性地应用了许多社会、经济和环境参量,其方法论上的多元性决定了MSIASM的指标体系包含多种不同参量和叠合关系式,并通过多方面的结果展现城市发展的因素多样性。在国内应用时根据国民经济行业分类将整个社会经济系统划分为四个部门:家政部门(HH)、第一产业、第二产业和第三产业。本文应用的MSIASM主要参量、关系式及其含义如下[3, 4, 5, 6]:
(1)体外能投入量(ET)指社会经济系统每年代谢的体外能数量(J/a),包括社会体外能投入总量和部门体外能投入量。其中社会体外能投入总量(TET)指整个社会经济系统全年代谢的体外能源总量。部门体外能投入量(ET)指社会经济系统各组成部门的体外能消费量,分别用 ETHH、ET1、ET2、ET3表示家政部门、第一、第二、第三产业的体外能代谢数量,其总和等于社会体外能投入总量,即TET = ETHH+ ET1+ ET2+ ET3。
(2)人类活动时间量(HA)指社会经济系统中人类活动的时间量,单位h a-1。它包括社会人类活动时间总量和部门人类活动时间量。其中社会人类活动时间总量(THA)指整个社会经济系统全部人类活动时间量(包含睡眠和休息),THA = Population size×8760。部门人类活动时间量(HA)指社会经济系统各组成部门的人类活动时间量,家政部门、第一、第二、第三产业活动时间分别用 HAHH、HA1、HA2和 HA3表示。
(3)体外能代谢率(EMR)即单位人类活动时间所消费的体外能数量(J/h)。该指标反映了各种经济活动的技术系数组合和资本化水平,也反映社会人均生产和消费的商品和服务水平,随着社会的发展不断提高。社会体外能代谢率由社会总体平均、第一、第二、第三产业以及家政部门的体外能代谢率组成,EMRSA = TET/THA,各部门EMRi = ETi/HAi。
(4)能源密度(EI)相当于传统的单位 GDP 能耗,是指社会总的体外能投入量与增加值的比值(J/元)。EI表示了单位GDP的环境压力,随着社会发展不断降低。EISA = TET/GDP,各部门EIi = ETi/GDPi。
(5)生物-经济压力(BEP)是指由“整个社会代谢的体外能总量”除以“物质能量生产部门的工作时间”得到的比率(J/h) 。它是由社会消费模式的特征强制于生产部门的每单位劳动时间的体外能投入量,是一个极好的代表社会经济发展的生物物理指标,反映了社会发展带来的物质生活水平及其环境压力水平。BEP = TET/ (HA1+ HA2)。
1.3 能源消费碳排放及碳排放代谢率(CE & CEMR)人类使用化石燃料排放二氧化碳等温室气体的增温效益被视为是全球气候变暖的主要原因[23]。城市作为人类活动最为频繁的聚居区域,2010年其消耗了世界约75%的能源,排放的温室气体占全球人类活动温室气体排放的80%[24]。Zhu Liu等[25]对于四大直辖市的温室气体排放特征、轨迹和驱动力进行了较为全面的研究,而本文根据国内现状,基于MSIASM,以碳排放为切入点计算能源消费,主要参考赵敏等对上海市能源消费碳排放分析的方法[26] 进行核算,以能源平衡表内能源终端消费量计算碳排放。考虑到四大直辖市热力和电力有外源输入的情况,这两者碳排放按照火力发电和供热投入的能源计算,并按照国民经济各部门的能源消费占总消费量的比例归入第一、第二、第三产业及家政部门(生活消费)的碳排放量中。
MSIASM与生态环境问题联系较弱是其缺点之一,虽然理论框架中提及环境承载力指标[2],近期也有研究加入了全社会尺度的CO2排放强度等作为参考[27],但未将生态指标整合入评估方法,也未深入到产业层面进行过定量分析。本文以社会代谢系统的排放端为出发点,进一步评估能源消费产生的环境作用,基于化石能源主要以碳氧化物为主,将体外能代谢的产物以碳排放量进行核算,并结合MSIASM框架内的人类活动时间参量,综合提出了碳排放代谢率(CEMR(kg/h))。该指标代表社会经济系统单位活动时间产生的碳排放量,反映了人类活动的环境影响力,由社会总体碳排放代谢率、第一、第二、第三产业以及家政部门的碳排放代谢率组成。CEMRSA = TCE/ THA,各部门CEMRi= CEi/HAi。
整体数据采用考虑全期累计发展水平的代数平均法[28]计算各部门的平均发展速度,相关数值大于100%表明在研究时段内该数据的平均发展变化总体为增长,小于100%则为降低。
2 结果与分析 2.1 四大直辖市社会及各部门体外能代谢率分析四大直辖市2004至2010年的社会总体和各部门体外能代谢率如表 1所示。结果显示,EMRSA均值方面上海、北京、天津三市的代谢水平高于1999年世界平均的7.82 MJ/h,低于同年AUSCAN( Australian/Canadian,澳大利亚、美国和加拿大)的38.77 MJ/h,和其他OECD(Organization for Economic Cooperation and Development)国家(不包含AUSCAN)的15.68 MJ/h大致处在同一水平[29],重庆则尚未达到1999年的世界平
体外能代谢率Exosomatic Metabolic Rate ((EMR)/(MJ/h) |
代数平均发展速度
Algebraic average development speed/% | |||||||||
2004 | 2005 | 2006 | 2007 | 2008 | 2009 | 2010 | 平均值
Average value | |||
EMRSA | 上海 | 13.50 | 14.71 | 15.27 | 15.84 | 16.12 | 15.69 | 16.22 | 15.34 | 104.22 |
北京 | 11.52 | 12.01 | 12.49 | 12.88 | 12.49 | 12.53 | 11.86 | 12.25 | 102.05 | |
天津 | 12.08 | 13.20 | 14.08 | 14.84 | 15.26 | 16.00 | 17.63 | 14.73 | 106.54 | |
重庆 | 3.52 | 5.21 | 5.63 | 6.20 | 7.63 | 8.23 | 9.11 | 6.50 | 120.06 | |
EMR1 | 上海 | 21.15 | 20.74 | 18.83 | 21.01 | 23.15 | 19.37 | 23.25 | 21.07 | 99.87 |
北京 | 18.28 | 18.24 | 20.59 | 23.36 | 23.05 | 23.86 | 22.17 | 21.37 | 105.16 | |
天津 | 9.83 | 11.77 | 12.67 | 15.05 | 15.24 | 16.19 | 16.46 | 13.89 | 111.34 | |
重庆 | 3.06 | 3.99 | 4.51 | 5.12 | 5.47 | 5.46 | 5.73 | 4.76 | 114.51 | |
EMR2 | 上海 | 125.80 | 141.20 | 148.50 | 158.84 | 167.42 | 165.17 | 168.23 | 153.60 | 106.59 |
北京 | 134.28 | 128.07 | 135.88 | 138.39 | 142.55 | 145.01 | 151.79 | 139.42 | 101.25 | |
天津 | 132.59 | 135.22 | 150.02 | 152.62 | 166.43 | 173.09 | 191.30 | 157.33 | 105.66 | |
重庆 | 94.05 | 124.56 | 130.47 | 145.40 | 185.77 | 192.94 | 195.22 | 152.63 | 115.85 | |
EMR3 | 上海 | 60.67 | 60.39 | 63.23 | 72.23 | 75.62 | 75.78 | 77.44 | 69.34 | 104.42 |
北京 | 41.20 | 42.63 | 44.96 | 49.71 | 49.76 | 51.17 | 50.70 | 47.16 | 104.47 | |
天津 | 47.72 | 45.92 | 45.85 | 44.26 | 41.82 | 42.23 | 41.79 | 44.23 | 97.46 | |
重庆 | 9.82 | 14.67 | 17.22 | 20.17 | 22.50 | 21.70 | 24.20 | 18.61 | 120.86 | |
EMRHH | 上海 | 1.25 | 1.36 | 1.46 | 1.54 | 1.67 | 1.65 | 1.68 | 1.52 | 106.27 |
北京 | 1.98 | 2.11 | 2.28 | 2.43 | 2.49 | 2.61 | 2.44 | 2.33 | 105.39 | |
天津 | 1.61 | 1.78 | 1.80 | 1.88 | 2.01 | 2.26 | 2.20 | 1.93 | 106.00 | |
重庆 | 0.37 | 0.65 | 0.74 | 0.73 | 0.82 | 0.90 | 0.94 | 0.74 | 122.43 | |
EMRSA:社会总体平均体外能代谢率;EMR:第一产业体外能代谢率;EMR:第二产业体外能代谢率;EMR:第三产业体外能代谢率;EMRHH:家政部门体外能代谢率 |
均值;但在EMRSA发展速度方面,纵使剔除2004年数据(重庆2004年数据推测为当量值折算导致了偏低)后重庆2005—2010年间的平均发展速度也有111.71%,远高于其它三市。从部门体外能代谢率来看,四大直辖市EMRHH的增长都较为迅速,接近或超过了各自EMRSA的发展速度,其中重庆市的增长速度最快,与Yong Geng等[19]结果相似,但由于数据处理过程不一致,结果并不完全相同。EMRHH的快速增长体现了四大直辖市人民生活水平的持续改善,但这种提高是建立在绝对数值较低的基础之上的,国家尺度的研究中1995年西班牙的EMRHH为3 MJ/h,1999年OECD国家的EMRHH平均值为6 MJ/h,美国可以达到10 MJ/h以上[29, 30]。
在国民经济各部门体外能代谢率上,各城市反映出了不同的状况。上海市EMR2具有三大产业中最快的增长速度,EMR3则保持了与EMRSA相似的增长速度,其均值为四市中最高,EMR1整体略有降低,这是农业部门能源投入的缩减幅度大于劳动时间减少幅度的结果,一方面反映了社会经济发展过程中农业部门逐渐缩减的普遍规律[8],另一方面在机械化农耕时代这种较快的萎缩会制约农业生产效率的提升。北京市EMR1、 EMR3拥有高于其EMRSA的增长速度,而EMR2仅有略微增长,且其均值为四市最低,这与北京在07年后对ET2的严格控制有一定关系。天津市EMR1拥有高达111.34%的平均发展速度,EMR2保持了与EMRSA相似的增长速度,EMR3则出现了负增长,显示出天津市产业结构尚待完善。重庆市在剔除了2004年数据后的2005—2010年EMRSA、EMR1、EMR2、EMR3和EMRHH代数平均发展速度分别为111.71%、109.32%、110.55%、112.46%和108.00%,整体来看重庆市三大产业的EMR保持了相似的增长速度,但EMR1、EMR3均值都大幅低于其它三市。
本研究进一步将尺度深入到了行业层面,按照国民经济统计口径将第二产业细分为工业和建筑业,由于数据获取限制,仅以天津市为例研究其2004至2010年的体外能代谢率变化。如图 1所示,结果显示两者7年间总体增长,代数平均发展速度分别为106.79%和116.28%,相较建筑业的波动中升高,工业部门EMR表现为稳步持续增长,且其值大幅高于同年度的EMR1、EMR3,反映出工业仍然是天津能源投入的主要部门。
2.2 四大直辖市社会及各部门能源密度分析四大直辖市社会总体和各部门7a间能源密度的变化如表 2。从社会整体来看,四大直辖市EISA总体降低(重庆在剔除2004年数据后2005—2010年的EISA平均发展速度为98.15%),反映了循环经济和节能减排的政策导向起到了积极的作用。从部门能源密度来看,各直辖市反映出了不同的状况。上海市EI1降速四市中最快,EI2和EI3变化幅度较小。北京市EI1略有增长,EI2和EI3皆有降低,其中EI2的降速为四市最快。天津市EI1仍有较大幅度增长,EI2和EI3皆有降低,其中EI3的降速为四市最快。重庆市在剔除了2004年数据后的2005—2010年EI1、EI2、EI3代数平均发展速度分别为106.39%、91.67%、103.89%,显示出EI1和EI3较快增长,EI2大幅降低的发展特点。值得注意的是,EI的倒数表示经济生产的能源效率,这一指标反映了单位能源消耗量产生的增加值[12],即EI值越低,单位能耗的经济产值越高。第三产业是典型的高附加值低能耗部门,经济生产的能源效率高。而从结果来看,上海、天津、重庆第二产业的经济生产能源效率皆长期不如第一产业,这一反常现象要引起有关职能部门的高度重视。
能源密度Energy Intensity(EI)/(MJ/元) | 代数平均发展速度
Algebraic average development speed/% | |||||||||
2004 | 2005 | 2006 | 2007 | 2008 | 2009 | 2010 | 平均值
Average value | |||
EISA | 上海 | 3.03 | 3.11 | 3.08 | 3.07 | 3.11 | 2.83 | 2.84 | 3.01 | 99.81 |
北京 | 2.81 | 2.72 | 2.59 | 2.45 | 2.35 | 2.22 | 2.15 | 2.47 | 95.64 | |
天津 | 3.92 | 3.82 | 3.71 | 3.61 | 3.30 | 3.21 | 3.25 | 3.54 | 96.60 | |
重庆 | 3.64 | 4.87 | 4.81 | 4.85 | 4.61 | 4.42 | 4.34 | 4.51 | 107.07 | |
EI1 | 上海 | 4.73 | 3.87 | 3.06 | 3.19 | 3.24 | 2.62 | 2.92 | 3.38 | 88.48 |
北京 | 3.57 | 3.53 | 3.85 | 4.05 | 4.08 | 3.99 | 4.24 | 3.90 | 102.94 | |
天津 | 2.15 | 2.36 | 2.74 | 3.03 | 3.01 | 3.02 | 3.23 | 2.79 | 108.66 | |
重庆 | 1.41 | 1.61 | 1.94 | 2.01 | 1.96 | 1.82 | 2.01 | 1.82 | 108.49 | |
EI2 | 上海 | 3.66 | 3.83 | 3.75 | 3.69 | 3.72 | 3.70 | 3.54 | 3.70 | 100.32 |
北京 | 4.32 | 4.28 | 4.23 | 3.92 | 3.67 | 3.21 | 3.10 | 3.82 | 95.85 | |
天津 | 4.49 | 4.39 | 4.27 | 4.29 | 3.97 | 3.87 | 4.08 | 4.20 | 97.71 | |
重庆 | 5.74 | 8.21 | 7.55 | 7.05 | 6.09 | 5.77 | 5.39 | 6.54 | 104.35 | |
EI3 | 上海 | 1.82 | 1.87 | 1.91 | 1.94 | 1.97 | 1.71 | 1.76 | 1.85 | 100.67 |
北京 | 1.46 | 1.45 | 1.39 | 1.35 | 1.36 | 1.35 | 1.30 | 1.38 | 98.21 | |
天津 | 2.10 | 2.01 | 1.90 | 1.70 | 1.43 | 1.34 | 1.27 | 1.68 | 92.43 | |
重庆 | 1.20 | 1.59 | 1.70 | 1.91 | 1.86 | 1.66 | 1.78 | 1.67 | 110.90 | |
EISA:社会总体平均能源密度;EI:第一产业能源密度;EI:第二产业能源密度;EI:第三产业能源密度 |
进一步从行业尺度剖析,因为数据获取限制仅涵盖了部分城市和年份。图 2反映了2005—2010年北京市国民经济各行业能源密度变化。从绝对值来看,“金融业”和“信息传输、计算机服务和软件业”享有最低的EI,换言之拥有最高的经济生产能源效率,“交通运输、仓储和邮政业”和“工业”则拥有最高的行业EI;从发展变化来看,代数平均发展速度最高的前三行业依次为“交通运输、仓储和邮政业”(113.02%)、“水利、环境和公共设施管理业”(107.01%)和“信息传输、计算机服务和软件业”(104.89%),总体17个行业中12个行业EI在6a间有所降低。结合以上情况分析,控制交通运输部门的EI增长应是今后北京市能源管理工作的重点。
2.3 四大直辖市生物-经济压力分析生物-经济压力指标反映了人类活动导致的环境压力。经过包含世界90%以上人口的107个国家的该指标研究,比较了24个传统物质生活和经济发展指标和BEP之间的关系,证明其与人类生理健康、经济发展水平和人民生活水平具有良好正相关[9]。本研究显示,四大直辖市2004到2010年BEP皆有较快增长(图 3),代数平均发展速度上海、北京、天津、重庆分别为109.14%、107.01%、106.33%、122.32%。均值上北京以271.77 MJ/h在四市中最高,上海、天津、重庆依次为240.41 MJ/h、184.89 MJv和76.40 MJ/h。与上述主要国家1995年左右BEP数据的直接对比显示,上海、北京2010年的BEP介于15年前希腊和澳大利亚的水平之间,天津与波兰的BEP较为接近,重庆的BEP则与哥伦比亚、马来西亚该数据相当。
2.4 四大直辖市能源消费碳排放代谢分析 2.4.1 碳排放量能源消费碳排放表征了社会体外能代谢系统的输出流,一方面可以对能源消费产生的环境影响进行评估,另一方面与体外能流量相结合能分析出能源结构的清洁化趋势,是对以等值热量评估社会体外能代谢体系的很好补充和完善。表 3显示了四大直辖市社会整体和各部门能源消费碳排放的变化。从社会总体来看,四大直辖市CESA在7a间皆为正增长,均值方面上海市明显高于其它三市,但各市CESA平均发展速度皆低于TET的发展速度,显示了单位能耗产生的碳排放正在减少,这与我国低碳经济改革的发展方向相一致。从各个部门的能源消费碳排放来看,CEHH方面四市在发展速度上差距微小,均值呈现上海和北京接近,天津略低,重庆差距较大的格局。国民经济各部门中,CE1均值方面重庆大幅高于其它三市,发展速度上重庆仍然居高,四市中惟有上海在该指标上显示出较高的降速;CE2均值方面上海最高,北京最低,发展速度上只有北京存在明显的降低;CE3均值方面呈现上海、北京、天津、重庆梯度下降的局面,发展速度上各市皆维持增高趋势,天津的增长略慢。各市CE1 、CE2 、CE3 和CEHH的平均发展速度都低于对应的ET发展速度,说明国民经济各部门和生活消费的能源结构都在朝低碳转型。
碳排放量Carbon Emission(CE)/(104 t) | 代数平均发展速度
Algebraic average development speed/% | |||||||||
2004 | 2005 | 2006 | 2007 | 2008 | 2009 | 2010 | 平均值
Average value | |||
CESA | 上海 | 4638.66 | 5027.63 | 5399.63 | 5747.41 | 5881.29 | 5972.03 | 6523.38 | 5598.58 | 106.21 |
北京 | 2819.04 | 2961.54 | 3055.32 | 3251.71 | 3022.60 | 3103.66 | 3226.82 | 3062.95 | 102.75 | |
天津 | 2550.14 | 2769.21 | 2949.46 | 3209.76 | 3475.93 | 3823.22 | 4385.62 | 3309.05 | 108.58 | |
重庆 | 1909.54 | 2294.71 | 2513.57 | 2587.54 | 3599.12 | 3779.95 | 3931.25 | 2945.10 | 114.20 | |
CE1 | 上海 | 66.82 | 58.45 | 44.78 | 44.11 | 35.96 | 35.80 | 35.75 | 45.95 | 87.17 |
北京 | 46.70 | 46.03 | 47.90 | 49.50 | 48.87 | 46.14 | 44.66 | 47.12 | 100.30 | |
天津 | 43.07 | 50.27 | 49.38 | 49.73 | 48.20 | 49.61 | 56.97 | 49.60 | 104.67 | |
重庆 | 130.18 | 154.13 | 169.85 | 168.55 | 175.85 | 168.07 | 192.26 | 165.56 | 107.93 | |
CE2 | 上海 | 2943.85 | 3197.55 | 3398.68 | 3492.40 | 3525.00 | 3477.99 | 3879.01 | 3416.35 | 104.92 |
北京 | 1537.57 | 1549.78 | 1502.09 | 1527.10 | 1218.58 | 1240.82 | 1327.01 | 1414.71 | 97.21 | |
天津 | 1712.26 | 1875.54 | 2053.18 | 2249.78 | 2500.97 | 2741.75 | 3152.32 | 2326.55 | 110.08 | |
重庆 | 1320.33 | 1636.70 | 1740.12 | 1720.55 | 2677.38 | 2819.94 | 2863.47 | 2111.21 | 115.37 | |
CE3 | 上海 | 1255.56 | 1371.04 | 1529.47 | 1758.24 | 1837.80 | 1948.23 | 2068.17 | 1681.22 | 109.60 |
北京 | 838.08 | 945.97 | 1038.87 | 1167.13 | 1232.41 | 1259.60 | 1279.84 | 1108.84 | 109.21 | |
天津 | 489.13 | 509.30 | 513.00 | 552.73 | 533.35 | 577.06 | 666.06 | 548.66 | 103.81 | |
重庆 | 226.58 | 270.83 | 326.34 | 402.83 | 439.86 | 459.67 | 535.89 | 380.29 | 116.93 | |
CEHH | 上海 | 372.43 | 400.60 | 426.69 | 452.66 | 482.53 | 510.00 | 540.46 | 455.05 | 106.62 |
北京 | 396.69 | 419.76 | 466.46 | 507.97 | 522.74 | 557.10 | 575.30 | 492.29 | 107.12 | |
天津 | 305.68 | 334.10 | 333.90 | 357.52 | 393.40 | 454.80 | 510.27 | 384.24 | 107.54 | |
重庆 | 232.45 | 233.05 | 277.27 | 295.60 | 306.02 | 332.26 | 339.63 | 288.04 | 107.08 | |
CESA:社会总体能源消费碳排放量;CE:第一产业碳排放量;CE:第二产业碳排放量;CE:第三产业碳排放量;CEHH:家政部门碳排放量 |
本研究进一步从能源消费结构上分析了四大直辖市的能源消费碳排放发展特点(表 4)。从整体能源结构上来说,煤炭类能源产生的碳排放仍然是四大直辖市碳排放的主要来源,均值占CESA的比值上海、北京、天津、重庆分别为56.18%、57.49%、76.95%和81.76%,且占比最高的天津、重庆两市同时拥有前两的平均发展速度,北京在煤炭类能源碳排放的整体降低主要是由于2007—2008年的大幅降低,而在石油类和天然气方面则未出现此类拐点,说明从能源结构上北京为筹办奥运会限制的主要是煤炭类能源的增长;石油类能源碳排放方面,四市在7a间都表现为较高速的持续增长,其中上海、北京两市的增长速度超过煤炭类相关数据;天然气能源碳排放方面,均值在四市CESA占比都较低,发展速度方面上海、北京、天津三市显示出迅猛的增长势头,天然气拥有相较于煤炭和石油更低的碳排放系数,上述三市在这一清洁能源的使用上都加大了推广力度,重庆在相关工作上有所迟滞。
能源种类Types of energy/(104 t) | 代数平均发展速度
Algebraic average development speed/% | |||||||||
2004 | 2005 | 2006 | 2007 | 2008 | 2009 | 2010 | 平均值
Average value | |||
煤炭类 | 上海 | 2942.92 | 3054.53 | 2977.34 | 3124.58 | 3255.85 | 3209.54 | 3453.37 | 3145.45 | 102.21 |
Coal | 北京 | 1860.57 | 1887.35 | 1876.53 | 1914.72 | 1574.10 | 1594.37 | 1619.64 | 1761.04 | 98.16 |
天津 | 1957.13 | 2156.79 | 2322.79 | 2520.26 | 2689.31 | 2982.23 | 3194.55 | 2546.15 | 108.67 | |
重庆 | 1513.79 | 1846.84 | 2013.72 | 2196.00 | 2971.99 | 3132.62 | 3179.45 | 2407.77 | 115.19 | |
石油类 | 上海 | 1654.90 | 1893.16 | 2297.48 | 2482.58 | 2478.37 | 2594.68 | 2841.33 | 2320.36 | 111.10 |
Petroleum | 北京 | 812.63 | 901.02 | 958.48 | 1079.98 | 1113.77 | 1133.59 | 1196.14 | 1027.94 | 107.75 |
天津 | 548.54 | 561.79 | 563.51 | 586.43 | 691.87 | 738.91 | 1060.42 | 678.78 | 107.03 | |
重庆 | 219.26 | 241.02 | 270.75 | 318.12 | 348.04 | 361.19 | 424.19 | 311.80 | 111.56 | |
天然气 | 上海 | 40.84 | 79.94 | 124.81 | 140.25 | 147.06 | 167.81 | 228.69 | 132.77 | 138.44 |
Natural gas | 北京 | 145.84 | 173.17 | 220.30 | 257.01 | 334.74 | 375.70 | 411.04 | 273.97 | 120.58 |
天津 | 44.46 | 50.63 | 63.16 | 103.07 | 94.74 | 102.08 | 130.65 | 84.11 | 120.81 | |
重庆 | 176.49 | 206.84 | 229.10 | 73.42 | 279.09 | 286.14 | 327.60 | 225.53 | 108.08 |
碳排放代谢率表示单位活动时间的能源消费碳排放量,显示了社会总体和各部门单位时间的环境影响,是对MSIASM体系在生态环境评价方面的扩展。表 5为四大直辖市社会总体和各部门2004至2010年的碳排放代谢率变化情况。结果表明,CEMRSA均值方面天津最高,重庆最低,发展速度方面北京市表现出了负增长,而重庆的增长最为迅速,各市平均发展速度低于EMRSA的发展速度,同样显示了能源消费低碳化的良好势头。各部门的碳排放代谢率来看,CEMRHH皆展现了稳步的增长,均值上北方两大直辖市推测由于冬季集中供暖的原因,在均值上高于上海、重庆两市;CEMR1方面,上海市拥有最高的均值和最快的降低速度,重庆则反之拥有最低的均值和最快的发展速度;各市的CEMR2显著高于其它部门显示了第二产业高能耗高环境影响的产业特点,发展速度上显示出与CEMRSA类似的特点; CEMR3方面,上海市拥有最高的均值,天津是四市中唯一展现降低趋势的城市,重庆依然拥有最低的均值和最快的发展速度。
碳排放代谢率Carbon Emission Metabolic Rate(CEMR)/(kg/h) | 代数平均发展速度
Algebraic average development speed/% | |||||||||
2004 | 2005 | 2006 | 2007 | 2008 | 2009 | 2010 | 平均值
Average value | |||
CEMRSA | 上海 | 0.2886 | 0.3036 | 0.3138 | 0.3179 | 0.3136 | 0.3084 | 0.3234 | 0.3099 | 102.37 |
北京 | 0.2156 | 0.2198 | 0.2206 | 0.2273 | 0.2036 | 0.2019 | 0.1878 | 0.2109 | 99.27 | |
天津 | 0.2844 | 0.3031 | 0.3132 | 0.3286 | 0.3374 | 0.3554 | 0.3853 | 0.3296 | 104.88 | |
重庆 | 0.0780 | 0.0936 | 0.1022 | 0.1049 | 0.1447 | 0.1509 | 0.1556 | 0.1186 | 113.71 | |
CEMR1 | 上海 | 0.4452 | 0.4294 | 0.3715 | 0.4135 | 0.3724 | 0.3773 | 0.4467 | 0.4080 | 97.08 |
北京 | 0.3402 | 0.3318 | 0.3646 | 0.4092 | 0.3968 | 0.3794 | 0.3371 | 0.3656 | 102.39 | |
天津 | 0.2331 | 0.2755 | 0.2794 | 0.3252 | 0.3231 | 0.3352 | 0.3575 | 0.3041 | 108.76 | |
重庆 | 0.0829 | 0.1019 | 0.1173 | 0.1289 | 0.1379 | 0.1347 | 0.1434 | 0.1210 | 112.42 | |
CEMR2 | 上海 | 2.8263 | 3.0472 | 3.2190 | 3.3504 | 3.4711 | 3.3975 | 3.5549 | 3.2666 | 104.79 |
北京 | 2.8041 | 2.6336 | 2.6436 | 2.7183 | 2.4612 | 2.5790 | 2.6687 | 2.6441 | 98.04 | |
天津 | 3.2608 | 3.2400 | 3.4811 | 3.5029 | 3.8545 | 4.0421 | 4.2502 | 3.6616 | 103.84 | |
重庆 | 1.9938 | 2.2699 | 2.4070 | 2.3762 | 3.6463 | 3.5925 | 3.3085 | 2.7991 | 111.15 | |
CEMR3 | 上海 | 1.1629 | 1.1288 | 1.1760 | 1.3458 | 1.3514 | 1.4050 | 1.4280 | 1.2854 | 103.32 |
北京 | 0.6583 | 0.6713 | 0.7026 | 0.7823 | 0.7601 | 0.7521 | 0.7262 | 0.7218 | 103.06 | |
天津 | 0.9562 | 0.8898 | 0.8578 | 0.8456 | 0.7626 | 0.7717 | 0.7979 | 0.8402 | 95.66 | |
重庆 | 0.1989 | 0.2182 | 0.2578 | 0.3206 | 0.3463 | 0.3527 | 0.3906 | 0.2979 | 113.25 | |
CEMRHH | 上海 | 0.0270 | 0.0283 | 0.0290 | 0.0290 | 0.0296 | 0.0303 | 0.0308 | 0.0291 | 102.54 |
北京 | 0.0357 | 0.0370 | 0.0400 | 0.0419 | 0.0415 | 0.0425 | 0.0389 | 0.0396 | 103.48 | |
天津 | 0.0395 | 0.0428 | 0.0415 | 0.0430 | 0.0447 | 0.0495 | 0.0529 | 0.0448 | 104.22 | |
重庆 | 0.0110 | 0.0111 | 0.0131 | 0.0138 | 0.0142 | 0.0153 | 0.0157 | 0.0135 | 106.59 | |
CEMRSA:社会总体能源消费碳排放代谢率;CEMR:第一产业碳排放代谢率;CEMR:第二产业碳排放代谢率;CEMR:第三产业碳排放代谢率;CEMRHH:家政部门碳排放代谢率 |
四大直辖市的横向对比上,展现了与碳排放量分析较为不同的情况。均值方面,不同于在CESA 、CE2 、CE3上海都大幅领先其它三市的状况,天津在CEMRSA和CEMR2上都超过了上海跃居第一,重庆虽然在CE1的均值和发展速度上都为最高,但其CEMR1均值则远低于其它三市,侧面反映出其农业耕作方式较为传统,农具机械化程度尚有较大差距;平均发展速度方面,不同于CESA的小幅增长,北京在CEMRSA上整体有所降低,天津在CEMR3上的总体降低趋势也是在CE3上所不具备的。总体来看,四大直辖市各部门在CEMR上的发展速度都要低于CE上的相应指标,显示出城市劳动力规模和活动时间的扩张对碳排放评定指标的重要影响。
3 结论与讨论(1)通过对四大直辖市2004至2010年社会整体、产业、行业不同尺度的体外能代谢率和能源密度分析,证实该方法可以对城市体外能代谢状况做出合理评价。研究发现,四大直辖市总体来说EMRSA不断升高,EISA不断降低,社会代谢发展良好;四大直辖市EMRHH的增长都较为迅速,接近或超过了各自EMRSA的发展速度。
在国民经济各部门体外能代谢上,研究识别出了各城市的发展特点。上海市EMR2具有自身三大产业中最高的部门EMR均值153.60 MJ/h和最快的平均发展速度106.59%,通过能源密度分析显示其第二产业经济生产能源效率长期低于其他产业,结合上海市六大产业基地(微电子、汽车、石化、精品钢材、装备、船舶)多为高能耗重工业的现状,上海应重视第二产业能源消费结构和经济增长方式的转型,并强化重点耗能工业企业的节能责任。北京市EMR2仅有平均发展速度101.25%的略微增长,其均值139.42 MJ/h为四市最低且EI2的降速为四市最快(平均发展速度95.85%),这与北京在2007年后对ET2的严格控制有一定关系,说明了北京奥运会对北京产业转型的积极影响。天津市EMR1和EI1拥有高达111.34%和107.16%的平均发展速度,EMR3则出现了负增长且EI3的降速为四市最快(平均发展速度92.43%),显示出天津市产业结构尚待完善,第一产业需大幅提高能源利用效率,第三产业则可适当加强能源投入量。重庆市三大产业的EMR保持了相似的较高增长速度,EMR1、EMR3均值4.76 MJ/h、18.61 MJ/h都大幅低于其它三市相应值,EI1和EI3仍有较快增长,反映出重庆需在大力加强第一、第三产业能源投入的同时高度重视节能问题。
在行业尺度层面,本研究识别出控制交通运输部门的EI增长对于今后北京市能源管理工作的重要性,同时建议北京应继续加大金融和计算机行业的发展力度。
(2)针对国内应用中该分析法基础参量——“年平均工作时间”多为基于20世纪90年代单一年份静态数据的问题,本研究首次将2004至2010年逐年变动的动态工作时间数据引入了社会代谢多尺度综合评估方法,使得人类活动时间这一参量的纵向变动体现了从业人数与平均工作时间的复合效应,并将模型的应用尺度部分下推至行业层面,更为全面精确的研究了城市可持续发展的各项状况。
本研究进一步将EMRSA、EMRHH和BEP这3个可以代表社会生产和消费水平的指标与国内外已有研究成果进行了比较,直接对比显示,纵使是上海和北京两市,2010年EMRSA和BEP也仅大体相当于10—15a前中等发达国家的整体水平,EMRHH尚大幅落后。不过Ramos-Martin等对1990至2005年西班牙经济发达的加泰罗尼亚自治区的研究显示了与上海、北京、天津接近的EMRSA和EMRHH[12],其EMRHH大幅低于西班牙国家尺度的相应指标值。中国区域尺度的研究显示了东北、华北等能源生产片区的EMRSA和EMRHH高于东部沿海经济发达地区的状况[15],且下推到省级尺度后内蒙古等地区的EMR优势还在不断扩大[31]。BEP的结果对比中,大连市2007年BEP值(421 MJ/h)[21]显著高于社会发展水平更高的上海市(249 MJ/h)、北京市(270 MJ/h)同年度数据。进一步分析这几个指标一系列差异主要是由地区能源生产和消费结构不同导致的。比如大连所在的辽宁省2009年仅原煤的一次能源生产量有6.62 × 107 t,上海同年的数据为0,这种地区层级的能源产业结构差异将显著影响EMR和BEP的数值高低。
综上所述,应用于城市尺度上的EMR和BEP具有其尺度特异性,需结合能源生产和消费结构综合分析,而不能直接对比数值来表征不同区域社会发展水平的高低。此外,国内相关研究选取的劳动时间多为1995年全国范围的数据,缺乏时代性和对目标区域从业人员行业分布、工作强度年际变化的考虑,一定程度上低估了劳动时间并带来EMR和BEP值的过高估值。
(3)本研究中能源消费碳排放的加入较好补充了社会代谢多尺度综合评估方法在生态评估方面的弱势。综合分析四大直辖市2004至2010年能源消费碳排放产业结构,第二产业的碳排放量占比最高,单位能耗碳排放最高(重庆是例外,其第一产业单位能耗碳排放更高),碳排放代谢率最高且增长较快,显示出提升第二产业能源利用效率、优化能源结构、提升低碳能源使用比例的迫切性,并应逐步引导产业结构由高耗能重工企业转向高附加值低碳排放的电子、机械制造等行业;第三产业碳排放量增加迅速(除天津外其余三市皆为最快)且在上海、北京其能源低碳化速度不及其它部门,提示四大直辖市需提高交通部门的能源利用效率并大力发展公共交通系统,将由交通运输部门主导的第三产业结构向金融、计算机服务等低碳行业倾斜,同时推动电子商务、信息产业等生产性服务业的发展以降低第二产业中间环节的成本,间接改善第二产业的能源效率;家政部门碳排放量和碳排放代谢率平稳增长,一方面是快速城市化进程和人民物质生活水平提升的体现,另一方面建议各市尽早规划民用制冷、取暖设施的集约化管理,并推广节能建筑来控制能源消耗和碳排放影响。
致谢: 卢立峰、赵海艳等同学帮助撰写论文,特此致谢。
[1] | Giampietro M, Bukkens S. Sustainable development-scientific and ethical assessments. Journal of Agricultural and Environmental Ethics, 1992, 5(1): 27-57. |
[2] | Giampietro M, Mayumi K. A dynamic model of socioeconomic systems based on hierarchy theory and its application to sustainability. Structural Change and Economic Dynamics, 1997, 8(4): 453-469. |
[3] | Giampietro M, Mayumi K. Multiple-scale integrated assessment of societal metabolism: Introducing the approach. Population and Environment, 2000, 22(2): 109-153. |
[4] | Giampietro M, Mayumi K, Bukkens S G F. Multiple-scale integrated assessment of societal metabolism: an analytical tool to study development and sustainability. Environment, Development and Sustainability, 2001, 3(4): 275-307. |
[5] | 王天送. 社会代谢多尺度综合评估(MSIASM)的基本理论与实践. 地球科学进展, 2008, 23(1): 63-70. |
[6] | Giampietro M, Mayumi K, Ramos-Martin J. Multi-scale integrated analysis of societal and ecosystem metabolism (MuSIASEM): Theoretical concepts and basic rationale. Energy, 2009, 34(3): 313-322. |
[7] | Georgesçu-Roegen N. The Entropy Law and the Economic Process. Cambridge: Harvard University Press, 1971. |
[8] | Giampietro M. Socioeconomic pressure, demographic pressure, environmental loading and technological changes in agriculture. Agriculture, Ecosystems & Environment, 1997, 65(3): 201-229. |
[9] | Pastore G, Giampietro M, Mayumi K. Societal metabolism and multiple-scale integrated assessment: Empirical validation and examples of application. Population and Environment, 2000, 22(2): 211-254. |
[10] | Falconí-Benítez F. Integrated assessment of the recent economic history of Ecuador. Population and Environment, 2001, 22(3): 257-280. |
[11] | Gomiero T, Giampietro M. Multiple-scale integrated analysis of farming systems: The Thuong Lo Commune (Vietnamese uplands) case study. Population and Environment, 2001, 22(3): 315-352. |
[12] | Ramos-Martín J, Cañellas-Boltà S, Giampietro M, Gamboa G. Catalonia's energy metabolism: Using the MuSIASEM approach at different scales. Energy Policy, 2009, 37(11): 4658-4671. |
[13] | Sorman A H, Giampietro M. Generating better energy indicators: Addressing the existence of multiple scales and multiple dimensions. Ecological Modelling, 2011, 223(1): 41-53. |
[14] | Iorgulescu R I, Polimeni J M. A multi-scale integrated analysis of the energy use in Romania, Bulgaria, Poland and Hungary. Energy, 2009, 34(3): 341-347. |
[15] | 刘晔, 耿涌, 赵恒心, 任婉侠, 薛冰. 基于MSIASM方法的中国不同区域社会代谢分析. 生态环境学报, 2010, 19(4): 951-956. |
[16] | 耿涌, 刘晓青, 张攀, 刘晔. 基于MuSIASEM理论的大连经济技术开发区可持续发展评价. 应用生态学报, 2010, 21(10): 2615-2620. |
[17] | 刘晔, 耿涌. 基于多尺度综合评估方法的中国社会代谢分析. 经济地理, 2010, 30(4): 547-552. |
[18] | 王天送. 中国社会经济系统发展与可持续性的"社会代谢多尺度综合评估(MSIASM)" [D]. 兰州: 西北师范大学, 2008. |
[19] | Geng Y, Liu Y, Liu D, Zhao H X, Xue B. Regional societal and ecosystem metabolism analysis in China: a multi-scale integrated analysis of societal metabolism (MSIASM) approach. Energy, 2011, 36(8): 4799-4808. |
[20] | 刘晔, 耿涌, 董会娟, 刘晓青, 任婉侠, 薛冰. 基于MSIASM方法的沈阳城市代谢研究. 生态科学, 2010, 29(3): 256-261. |
[21] | 王珺. 基于MSIASM的城市可持续性评价研究 [D]. 大连: 大连理工大学, 2009. |
[22] | 沈利生, 王火根. GDP数据修订对平减指数的影响. 数量经济技术经济研究, 2008, 25(5): 155-160. |
[23] | 汪宏韬. 上海能源消费碳排放分解研究. 上海环境科学, 2011, 30(1): 23-27. |
[24] | 顾朝林, 袁晓辉. 中国城市温室气体排放清单编制和方法概述. 城市环境与城市生态, 2011, 24(1): 1-4. |
[25] | Liu Z, Liang S, Geng Y, Xue B, Xi F M, Pan Y, Zhang T Z, Fujita T. Features, trajectories and driving forces for energy-related GHG emissions from Chinese Mega cities: the case of Beijing, Tianjin, Shanghai and Chongqing. Energy, 2012, 37(1): 245-254. |
[26] | 赵敏, 张卫国, 俞立中. 上海市能源消费碳排放分析. 环境科学研究, 2009, 22(8): 984-989. |
[27] | Giampietro M, Sorman A H, Gamboa G. Using the MuSIASEM approach to study metabolic patterns of modern societies // Energy Options Impact on Regional Security. Netherlands: Springer, 2010: 37-68. |
[28] | 张荣山. 平均发展速度两种计算方法的比较. 统计与决策, 2007(19): 160-161. |
[29] | Ramos-Martin J, Giampietro M, Mayumi K. On China's exosomatic energy metabolism: An application of multi-scale integrated analysis of societal metabolism (MSIASM). Ecological Economics, 2007, 63(1): 174-191. |
[30] | Giampietro M. Studying the "addiction to oil" of developed societies using the multi-scale integrated analysis of societal metabolism (MSIASM). Sustainable Energy Production and Consumption: Benefits, Strategies and Environmental Costing. Netherlands: Springer, 2008: 87-138. |
[31] | 刘晔, 耿涌, 赵恒心. 基于MSIASM方法的中国省级行政区体外能代谢分析. 生态学报, 2011, 31(11): 3133-3142. |