碳排放论文第1篇

对于国外碳排放审计的现状主要基于审计主体、审计标准、审计方法、审计报告等方面逐次进行说明。

（一）审计主体

目前碳排放审计的主体主要有两大类：一是专门从事审计与鉴证业务的组织，即会计师事务所，除了国际四大之外，均富国际等会计师事务所也有参与；另一类是由环境工程专家构成的咨询、评价机构，如知名的法国国际检验局、英国劳氏质量认证公司、环境资源管理集团等。两大审计主体均属于独立的第三方，经过其审计的碳排放信息质量有保证，更易获得他人的信赖。两大主体优势互补，会计师事务所具有扎实的审计功底与强大的审计队伍，而咨询公司在环境专业知识方面见长。根据WendyGreen（2013）对2006年至2008年来自43个国家的3008个公司的碳排放信息披露进行研究发现，当鉴证对象仅包括碳排放信息时，倾向于由咨询公司进行鉴证。当鉴证的对象延伸到可持续发展外的更广泛领域时，由会计师事务所提供审计的居多。

（二）审计标准

国外进行碳排放审计时所依据的审验标准有：在国际层面，有审计职业界，如国际审计与鉴证准则委员会（IAASB）的ISAE3000标准，其他组织，如世界可持续发展工商理事会（WBCSD）和世界资源研究所（WRI）2004年制定的温室气体议定书及国家化标准组织（ISO）于2006年制定的ISO14064-1、ISO14064-3等。在国家层面，美国会计师学会和加拿大特许会计师公会于2003年纷纷制定了关于温室气体排放信息认证的审计准则。尽管审计标准种类繁多，然而与成熟的财务审计不同，碳排放信息鉴证仍缺乏具体的、可操作的国际性指南。因此IAASB在2007年批准了一个旨在制定碳排放披露鉴证准则的项目，并于2008年在悉尼、墨尔本、多伦多、布鲁塞尔召开的四次圆桌会议中有来自不同背景的人员（会计人员、政府监管者、公司代表、学术界成员等）对构建准则中的难题进行集中讨论。

（三）审计方法

传统的财务审计方法如检查、观察、询问、分析程序等在碳排放审计中仍然可用。根据美国和欧盟的排放实践，在进行现场审计时，需要审查被审计单位的监测计划数据、历史排放数据等，现场检查监测设备的维护状况以及与相关工作人员面谈等，必要时运用专业技术和设备对检测系统进行独立的成效检验。基于获取的信息进行策略分析、程序分析以及风险分析，加强关注错误高发源和其他可能导致错误的监测和报告程序，重视经营者为降低不确定性采取的所有有效的控制风险的方式。除此之外，大量的数据处理与验证必须允许操作的交易程序建立在信息技术系统之上。在碳排放报告与审计中使用信息技术有助于增强数据的准确性，提高审计速度，增强数据的分析以及可比性。美国是将信息技术成功运用的典范，环保局（EPA）要求污染物的报告应以标准化的电子格式（EDR）报告。当排放数据以标准化的电子格式报告时，可通过数据检查软件进行质量保证和质量控制检查，并结合风险评估程序有针对性的投入审计资源，减少或避免错误，审计质量得到保证的同时提高审计效率。（四）审计报告碳排放审计的最终成果以审计报告的形式呈现。报告应明确所有完成的相关工作，并对有关排放信息表述是否恰当做出评价。传统财务审计一般提供的是合理保证，而在碳排放审计中审计人员可基于工作的努力程度和报告具体的要求有选择的提供合理、有限保证，甚至是高水平的保证。目前大部分的碳排放信息审计报告仍然作为可持续发展报告的一部分，但随着社会环保意识的增强，独立碳排放审计鉴证准则的建立，单独披露碳排放审计报告是发展趋势。

二、国外碳排放审计的效果分析

（一）研究假设

对碳排放信息进行审计、评价意味着企业注重碳管理，属于Sinkin（2008）所指的生态效益企业。相对而言生态效益企业能否拥有更高的市场价值，Sinkin（2008）选取2003年431家财富500强企业对此进行实证研究，结果发现企业采取具有生态效益的策略可以降低成本，提高利润，拥有较高的股票价格；Jacobs（2010）则选取340家美国公司作为样本，通过事件研究方法证明，经过ISO14001认证的公告会引起市场较强的正反应，与Sinkin（2008）结果类似。可见，经过认证的环境信息可以在一定程度上提升企业价值，而碳排放审计作为对碳排放信息的鉴证、评价，属于环境认证的子部分，是否有此效果，本文对此加以验证。由此，本文提出以下假设：经过碳排放审计的企业拥有更高的企业价值。

（二）样本数据与模型设定

本文样本来源于碳信息披露项目（CDP）。CDP是由英国伦敦机构投资者自发形成的，旨在向投资者披露有关气候变暖所引起的重大风险与机会的信息，试图在投资者和企业之间搭建起一个以高质量的信息披露为基础的对话平台，为广大投资者提供至关重要的碳排放信息和数据。目前CDP已扩展到20个国家和地区，成为国际碳披露的基本模式。而我国企业自2008年受邀参与CDP问卷调查，成为参与比例最低的几个国家之一，即使在2012年100家受邀企业中，回复问卷的企业也仅有23家，未回复但提供相关信息的企业有1家，尚未披露任何关于碳排放审计的信息。鉴于国内数据的不可获得性，本文以入选2011-2012CDPS&P500的企业作为研究对象。由于CDP属于自愿性披露项目，最终参与CDP问卷调查并予以公开的企业2011年有295家，2012年298家，即可获取的观察值有593个。其中2011、2012年经过审计的分别有79家（26.78%）、179家（60.01%），开展碳排放审计的企业数量逐年增加。对碳信息披露是否经过审计（Audit）采用虚拟变量定义，是为1，否为0。结合已有的研究，本文的企业价值采用托宾Q值（TobinQ）来衡量，并选择企业规模、财务杠杆、收入增长率、盈利能力作为控制变量，构建如下模型，模型中的定义变量见上页表1，变量的描述性统计见上页表2，各变量的标准差较小，没有表现出太大的差异性，处于正常的变动。TobinQ=β0+β1Audit+β2SIZE+β3Lev+β4Growth+β5Roa+ε

（三）变量的相关性检验

TobinQ与Audit之间的Pearson相关系数为0.018，p值为0.664，意味着简单的两者之间线性相关未能通过显著性检验。根据偏相关系数检验结果（表4），在控制了企业规模、财务杠杆、盈利能力、企业发展状况之后，TobinQ与Audit之间的偏相关系数为0.114，p值为0.006，在1%的水平上显著，即通过显著性检验。通过变量的相关性检验，初步说明碳排放审计可影响企业价值。（四）回归分析由表5的多变量回归结果表可得，TobinQ与Audit的系数为0.2241，且在1%的水平上显著。除此之外，企业规模、盈利能力与企业发展状况显著影响企业价值。这一结果充分印证了相关性检验的结论，即在控制企业规模、盈利能力、财务杠杆与企业发展状况下，碳排放审计可以提升企业价值，假设得到验证。

三、结论及启示

碳排放论文第2篇

1.1技术路径

①从碳源与碳汇两层面对安徽省1995—2011年碳排放进行测算；②运用因素分解模型，考察城镇化演进产生的碳排放量；③基于经济学边际理论，以城镇化演进产生的碳排放量作因变量，城镇化水平变化值作自变量，借助SPSS软件，采用最小二乘回归（OLS）分析方法，构建城镇化演进对碳排放影响的边际模型，对该模型求导，构建边际碳排放变化率测度模型，并据此测算出研究时序边际碳排放变化率；④借助Excel软件，对边际碳排放变化率时序数据作散点图，构建边际碳排放变化率多项式拟合曲线，运用二次曲线求极值方法，可对城镇化演进的碳排放极限影响进行判别。

1.2研究方法

1.2.1碳排放测算方法碳排放包括人为碳排放和自然碳排放，本文仅考察人为因素产生的碳排放。能源消耗及农作物生产为主要碳源，而林地和草地则为主要碳汇，其中，能源消费碳排放可通过能源消耗的碳排放系数计算，农作物生产的碳排放量及林地和草地的碳吸收量可以通过土地利用的碳排放及吸收系数计算1.2.2城镇化演进对碳排放贡献测度方法1）扩展Kaya恒等式构建Kaya于1989年提出了将碳排放与能源、经济和人口三个因素联系在一起的的Kaya恒等式。2）LMDI分解方法Ang等提出的对数平均权重Divisia分解法，是针对一段时期内能源需求或气体排放的因素分解方法，该方法具有技术成熟、形式多样、计算简单方便、分解无残差等优点，因而在能源消费及碳排放测算中得到了广泛应用，为此，本文采用LMDI分解法对碳排放变化进行分解，以揭示出城镇化演进对碳排放的贡献份额。1.2.3城镇化演进对碳排放影响极限测度方法1）边际模型构建经济学边际理论是指：假设在其他条件不变的情况下，每增加或减少一个单位数量产生的效应，将经济学边际理论引入城镇化演进的碳排放效应研究中，可界定为：城镇化水平每增加1个百分点所导致的碳排放量，以MCE表示，借鉴李效顺等研究方法，构建安徽省城镇化演进对碳排放影响的边际模型：LnΔCU=α+βLnΔU（8）式中：ΔU表示城镇化水平的变化量；α、β为待估参数。2）边际碳排放变化率测度对式（8）求导可得城镇化演进的边际碳排放影响表达式：MCE=d(ΔCU)d(ΔU)（3）碳排放影响极限测度依据式（10），可测算研究时序边际碳排放效应变化率，以此作因变量，时间序列作自变量，借助Excel软件，通过作散点图，添加趋势线，选取多项式类型进行拟合，可获取城镇化演进边际碳排放效应变化率拟合曲线，若该曲线二次项系数大于零，则该曲线为开口向上的U形抛物线，表明边际碳排放变化率存在极小值，依据二次曲线求极值方法，可测算出城镇化演进碳排放效应影响最小的极限时刻。

2数据来源与说明

为了保证数据可获取性与完整性，本研究选取安徽省1995—2011年数据考察城镇化演进对碳排放极限影响，数据来源及说明如下：（1）能源消费界定为：物质生产部门、非物质生产部门和生活消费的各种能源总和，包括原煤和原油及其制品、天然气，不包括低热值燃料、生物质能和太阳能等。能源消费数据来源于《中国能源统计年鉴》。（2）城镇化涉及人口、土地、产业、社会多方面因素[17]，表征城镇化水平有综合指标法、单一指标法两种[37]，单一指标度量方法，数据易取，计算简洁，得到了国际上大多数国家和地区的认同[17]，也为中国学者普遍采用[7-17,22-25,37]，因此，本文使用单一指标法来测度城市化水平，即用年末城镇人口占总人口比例表征，其数据来源于《安徽统计年鉴》。（3）GDP总量及人均GDP采用不变价格进行调整，方法为：实际指标=当年指标×100÷CPI价格指数（以1990年为100），数据来源于《安徽统计年鉴》。（4）耕地面积、林地面积来源于《安徽统计年鉴》，草地面积数据来源于《中国草地资源数据》。

3结果与分析

3.1碳排放分析

依据公式（1），运用《中国能源统计年鉴》、《安徽统计年鉴》及《中国草地资源数据》中原始数据及表1中碳排放与吸收系数，可得1995—2011年安徽省碳排放（图1），图1表明，安徽省碳排放量由1995年的2182.39×104t增至2011年的10120.20×104t，年平均增幅为10.06%，城镇化水平由1995年的19.09%提升至2011年的44.8%，年均增幅为5.48%，碳排放与城镇化水平均呈增长态势，但碳排放增幅快于城镇化水平升幅。将图1中碳排放与城镇化水平时序数据输入SPSS17.0软件进行关联分析，结果显示，在0.01水平（双侧）上，两者关联系数达0.945，由此表明，研究时序内，安徽省城镇化演进是导致碳排放持续增加的重要因素。

3.2城镇化演进对碳排放贡献测度

依据式（8），可对安徽省1995—2011年城镇化演进过程产生的碳排放进行测算，结果如表2。由表2可知，1995—2011年，安徽省城镇化产生的碳排放总量为3602.78×104t，年均225.17×104t，城镇化演进的碳排放增量效应明显，但不同年份间波动性较大，表明城镇化发展是导致安徽省碳排放持续增加的重要因素，究其原因，首先，城镇化发展驱动了工业经济腾飞，也加大了基础建设投资，从而带动了能源消费数量的增加；其次，农村人口迁移至城镇后生活水平得到了提升，也相应地提高了人均能源消费量；再次，城镇化演进意味着土地利用类型变化，当林地、草地转变为建设用地后，必然引致从“碳汇”到“碳源”的转变，由此也导致了碳排放量的增加。

3.3城镇化演进对碳排放影响极限探索

3.3.1关联分析将表2中ΔCU与ΔU时序数据输入SPSS17.0中进行双相关分析，结果显示，ΔCU与ΔU间相关系数为0.842，且在0.01水平上通过显著性检验（双侧），表明城镇化演进产生的碳排放与城镇化水平时序数据间具有较高相关性，具备进行回归分析的条件。3.3.2城镇化演进对碳排放影响模型构建以表2中1995—2011年ΔCU时序数据作被解释变量，ΔU时序数据作解释变量，将其输入SPSS17.0中进行最小二乘回归分析，所得结果如表3。由表3可知，模型回归的R2为0.892，F值为115.771，Sig值为0.000，表明模型拟合较好，由模型回归系数可得安徽省1995—2011年城镇化演进对碳排放影响模型：LnΔCU=4.908+1.05LnΔU（11）3.3.3城镇化演进边际碳排放变化率测算对式（11）两边求导，可得城镇化演进边际碳排放影响表达式：由图2可知，1995—2011年，安徽省城镇化演进边际碳排放变化率整体呈不规整、波动性较大的特征，其变异系数（标准差与均值的百分比）达79.18%，究其原因，与安徽省城镇化发展速度有关，2000年前，安徽省城镇化发展速度波动性较大（如1996、1999年分别净提升2.62、3.67个百分点，而1997、1998年仅年提升0.31个百分点），而2000年后，城镇化发展速度保持在年均提升1~2个百分点区间内，变化较平稳，城镇化演进速度的快慢导致了碳排放量增幅多少的同向变化，进而引致了边际碳排放变化率变化明显。3.3.4城镇化演进对碳排放影响极限探索以图2中边际碳排放变化率时序数据为因变量，时间为自变量，在Excel2003软件中作散点图（图3），通过对图3的边际碳排放变化率曲线添加趋势线，选取多项式类型进行拟合，所得拟合方程的R2为0.186，表明边际碳排放变化率在时间维度上变化不规整（即变化轨迹既非U型也非倒U型，可能为N型），显示出边际碳排放变化率与时间变量间不构成依存关系，即不存在边际碳排放变化率极限时刻，这表明，安徽省城镇化演进对碳排放极限影响未能显现。为了进一步考察安徽省城镇化发展对碳排放影响的趋势，以表2中1995—2011年ΔU数据作自变量，ΔCU数据作因变量，将其输入SPSS17.0软件中进行曲线回归分析，通过选择不同拟合类型的多次试验，结果以乘冪函数拟合最优，所得R2为0.892，F值为115.778，且在0.01水平上通过显著性检验（Sig值为0.000），回归所得系数如表4，拟合曲线如图4。

4结论与建议

碳排放论文第3篇

（一）基于信息熵的行业碳排放配额分配模型信息熵可以客观衡量系统均衡性，避免人为偏好影响，近年来，信息熵被广泛应用于社会工程经济领域的系统评价和决策中。根据历史文献阅读和工业企业碳排放现状分析，总结工业企业碳排放的影响因素主要有经济水平、能源结构、能源强度和碳排放强度等。鉴于企业碳排放量的分配要考虑企业历史责任、发展要求、减排能力、减排潜力和减排效率，本文选取历史排放量、工业产值、能源结构、能源强度和碳排放强度5个指标。本文以T0年为碳排放量分配基准年，以T年为碳排放量分配目标年，根据“定总量、算减量、确定分配量”的思路，以历史沿袭法为基础，确定分配年各行业碳排放总量，在减排总量分配中体现各行业异质性和分配公平有效性。具体建模步骤如下：1．建立原始评价矩阵本文将m个工业行业设为待评价的对象，将历史排放量、工业产值、能源结构、能源强度和碳排放强度5个影响因素设为评价指标，每个对象对应这5个评价指标。2．原始矩阵归一化处理由于各个指标的含义和量纲不一，不能直接进行比较，需要进行归一化处理。不同性质的指标归一化处理方式不一，鉴于本文采用的减排分配量评价指标都是效益型指标，故进行统一归一化处理。各指标内涵和归一化处理如表1所示。

（二）基于波尔兹曼熵的企业碳排放配额分配模型在区域碳排放量分配给区域内各行业后，将行业碳排放总量分配给行业内各个企业是落实碳分配和碳减排目标的关键。本文基于波尔兹曼分布，将熵最大化的原理应用于同行业下各个企业之间碳排放量的分配。在这里，包含多个企业的单个减排工业行业类比于物质系统，单位分配碳排放量类比于物质颗粒，参与减排企业的历史碳排放量和上报未来碳排放量几何平均类比于物质单态。假设所有的单位碳排放量在同一个企业k内都产生相同的碳排放量，那么企业k的碳排放强度ek即类比于物质单态i的单态能量Ei。在这样的类比下，分配给企业k的单位碳排放量的概率和跟企业k的历史排放量和未来排放量成正比，跟企业k的碳排放强度成反比，既兼顾了历史排放责任、未来发展需求，又鼓励提高排放效率。

二、样本选取与数据来源

昆山市张浦镇位于上海、苏州、昆山之间的黄金三角地带，是“全国经济百强县”之首昆山市的经济强镇。改革开放以来，张浦镇实施外向带动战略，先后成立了德国工业园、海峡两岸食品产业园、N维空间文化产业园等特色园区，累计吸引了3400多家企业注册落户，形成了以加工制造业为主的工业城镇。2012年，张浦镇规模以上工业企业达到220家，其能源消耗占全部企业能源消耗的95%。通过对张浦镇规模以上工业企业碳排放量进行定量分配，给予企业明确碳排放量约束，不但推进了碳交易市场的建立和工作的开展，也促进了张浦镇“十二五”期间节能减排目标的实现。本文选取张浦镇规模以上工业企业为样本，考虑到张浦镇自2012年才进行规模以上工业企业网上能耗统计，本文选取2012年和2013年规模以上工业企业历史排放数据，分配2013年规模以上工业企业碳排放量。2012年张浦镇规模以上工业企业220家，2013年增加至255家，选取张浦镇2012—2013年不变的217家规模以上工业企业作为碳排放权分配企业。通过计算分析，2012—2013年期间，此217家工业企业在政府行政命令下减排11%，完全达到政府规划要求，因此本文直接使用2013年规模以上企业实际排放量作为分配总量，同时也方便对比分析分配结果的满意度。企业能耗和工业产值数据来源于张浦镇经促局统计科提供的《2012年张浦镇规模以上工业企业能耗明细》和《2013年张浦镇规模以上工业企业能耗明细》；碳排放数据以各企业各类能源消费量为依据，根据各类能源发热系数、排放系数和碳氧化率计算得到，相关系数取自《上海市温室气体排放核算与报告技术文件》推荐标准，各个分品种能源的碳排放系数如表2所示。

三、分配结果分析

（一）基于信息熵的行业碳排放配额分配结果分析本文基于信息熵理论，以2012年和2013年张浦镇规模以上工业企业碳排放数据均值，计算各行业碳排放减排系数，进而对2013年张浦镇规模以上工业行业碳排放总量进行分配。通过基于信息熵的行业碳排放分配模型公式的计算，可得各指标的信息熵值、信息量值和熵权重值，这3个参数是计算减排因子的基础。具体减排影响因素指标参数计算值如表3所示。从各个影响因素指标的信息熵值来看，工业产值信息熵值最大，熵值为0.707，说明工业产值信息量较小，行业减排能力对碳总量减排作用较小；能源结构熵值最小，熵值0.470，说明能源结构信息量较大，原煤减少使用对碳总量减排作用较大。其他因素如历史排放量、能源强度和排放强度在碳减排分配中影响越来越小。结合张浦镇2013年规模以上工业碳分配总量，通过信息熵行业碳分配模型计算可得张浦镇2013年规模以上工业各个行业碳排放配额。根据碳减排结果（图1）显示，各行业的碳减排量相对于2012年，各行业减排幅度从17.17%~0.02%不等，全行业碳减排量相对于基期2012年减排了11.01%，基本符合张浦镇发展需求和节能减排形势。如图1所示，一方面，化学原料和化学制品制造业（行业26）分配到碳减排量16.81万吨，减幅17.17%，对以煤为主的化工行业，施以严格的减排约束，有利于促进化工行业调整能源结构。其中，中盐昆山有限公司耗能占总化工行业耗能96.5%，其“十二五”期间实施节能技改可以节能21.45%，所以化工行业的碳排放减排降幅符合了行业节能潜力，该减排量切实可行。另一方面，非金属矿物制品业（行业30）分配到碳减排量8.40万吨，降幅9.27%，这对碳排放强度较高的非金属行业提出较高要求，督促企业节能减排，提高能源效率。其中，台玻集团耗能占总行业耗能81.81%，其能源审计报告显示台玻集团“十二五”期间实施节能技改项目，可以节能8.98%，考虑到中盐锅炉项目实施，台玻集团等企业将使用中盐的锅炉蒸汽，则台玻集团可以进一步节能减排，所以非金属矿物制品业碳排放降幅是合理且可行的。通过对比基于信息熵的碳排放总量行业分配和基于历史排放的碳排放总量行业分配结果如图2所示。以化工行业为例，若是基于历史排放进行碳排放量分配，其可获得87.118万吨的分配量，多出5.207万吨。这种情况下，虽然分配标准考虑到行业发展需求，但是分配存在不公平性，政府仿佛在变相鼓励高排放企业进行碳排放，此碳分配量可能得不到其他企业认同；另外，企业获得高排放权利，其节能减排动力不足，企业不会主动提高能源效率，行业碳排放强度难以下降，难以完成全行业的节能减排目标。基于信息熵的分配方法考虑了化工行业历史责任和行业减排潜力，分配结果使化工行业的碳排放量更加合理。进一步通过对比基于信息熵的碳排放总量行业分配和基于按比例分配的碳排放总量行业分配减排占比，如图3所示。经计算发现，按相同碳减排比例（本文的减排分配比例是11.01%）分配得到的各行业碳排放量和按历史排放分配得到的分配量结果是一致的。在按等减排比例分配情况下，此分配标准没有考虑各个行业的异质性，各个行业的减排能力和减排潜力是不一致的，对于能源效率低下的化工行业和能源效率相对较高的通信电子行业都采取一刀切的分配方法，是粗放不合适的。综上，基于信息熵的碳排放量分配相对于基于历史排放和基于等减排比例的分配更加公平有效，主要是由于信息熵方法基于行业异质性，客观考虑了行业发展需求、减排能力和减排潜力，其分配结果更加符合实际。

（二）基于波尔兹曼熵的企业碳排放配额分配结果分析基于上述行业碳排放配额分配结果，通过玻尔兹曼熵，计算张浦镇规模以上工业企业2013年碳排放量分配额。鉴于数据可得性，C0i使用企业2012年和2013年碳排放量的几何平均；ei使用企业2013年碳排放强度，以体现企业最新排放效率，贴合企业实际需求和要求；β由2012年和2013年历史碳排放量，通过最小二乘法模拟计算取得（即使Y值最小），各个行业β计模拟结果如表4所示。根据各行业的最优β值，进一步计算得出各个行业内企业的碳排放配额。根据各个行业内企业的碳排放量分配结果看出，各个企业获得的碳排放分配量相对于基期2012年排放量，减排幅度不等，不仅由于行业异质性，也考虑行业内企业的发展需求和碳排放效率。对于化学原料和化学制品制造业（行业26），对该行业下15家企业碳排放量的分配中，通过最小二乘法的β模拟最优值为0。通过计算，如图4所示，分配结果与历史排放均值成正比，分配结果相对于企业2013年实际排放值和2012年历史排放值比较没有很大波动。此时β取值为0，企业分配到的碳排放配额基本满足企业自身生产需要，企业之间碳交易成本最低。若适当提高β取值，可以进一步奖励高排放效率企业，惩罚低排放效率企业，不过增加了本行业下企业的碳交易成本。本文此处β取值为0，中盐公司虽然碳排放强度高，但是作为国营企业，已经进行节能改造，能源效率迅速提高，若减排后多出的碳排放配额，既可以用于进一步扩大生产，提高行业高效率产能占比，从而改善了行业的资源配置，提高了整个行业的碳排放效率；也可以通过碳交易市场出售给其他减排成本较高企业，获得利润，进一步改善生产结构。其他化学制品公司碳排放强度不高，在政府部分鼓励和补贴下，可以积极申报政府节能技改项目，以进一步提高碳排放效率。对于橡胶和塑料制品业（行业29），在对该行业下16家企业碳排放量的分配中，通过最小二乘法的β模拟最优值为0.514。通过计算可得各个企业2013年碳排放配额，相对于企业2012年和2013年历史排放几何平均值，分配减排量比从-22.77%~13%不等，由图5所示，在总量控制下，橡胶和塑料制品业下各企业分配到的减排比例和企业排放强度成正向关系，企业碳排放强度越高，企业分配得到减排量越大。此时的β取值，不仅使得企业碳交易成本最低，同时奖励了高排放效率企业，惩罚了低排放效率企业。随着β值取值越小于0.514，则企业分配到的碳排放量更接近历史排放均值；随着β值取值越大于0.514，企业因碳排放强度受到的惩罚和奖励就更大。β取值0.514，企业间碳交易成本最小。分配到较少碳排放配额的企业需要通过提高能源效率，降低碳排放需求，或者通过碳交易市场购买碳排放配额；分配到较多碳排放配额的企业，可以通过碳交易出售给减排成本较高的企业，也可以自己储备用来扩大优质生产力。例如，和进塑胶电子有限公司，2013年碳排放强度为0.686吨CO2/万元，碳排放效率行业最低，分配获得13%的碳排放减量；而贺升电子有限公司，2013年碳排放强度为0.016吨CO2/万元，碳排放效率行业最高，分配获得22.77%的碳排放增量。在此情况下，和进塑胶电子有限公司必须进行节能减排工程项目实施，提高碳排放效率，降低碳交易成本；而贺升电子有限公司则可以出售碳配额获益。综上，在同一个行业下使用基于玻尔兹曼熵的企业碳排放配额分配法，以最小交易成本为目标，考虑了企业未来发展需求，达到奖励高排放效率企业，惩罚低排放效率企业，分配结果更易被企业接受，也推动了张浦镇节能减排工作顺利完成。

四、主要结论

碳排放论文第4篇

作为世界上最大的发展中国家，我国政府在2009年12月的哥本哈根国际气候会议上对全世界作出郑重承诺：到2020年我国单位国内生产总值的二氧化碳排放量比2005年下降40％～50％．而作为世界上最大的碳排放国家，我国的碳减排目标任重而道远．当前，全球都在积极推行“低碳经济”，各国都在努力实现“绿色生产”，力求减少碳排放量．我国政府在“十二五”规划中提出节能减排的约束性目标，即单位国内生产总值能耗要降低16％，而二氧化碳排放要降低17％，主要污染物的排放总量要求减少8％到10％，同时把该目标进一步分解到全国各地区，要求各地区务必坚持绿色、低碳的新型发展理念，把节能减排作为贯彻落实科学发展观、加快经济发展方式转变的一个重要出发点，发展资源节约型、环境友好型的生产消费模式，进而增强自身的可持续发展能力．一直以来，二氧化碳排放问题作为全球变暖背景下的一个新标识，是国内外众多学者密切关注的重点．由于我国存在严重的区域经济发展不平衡和地区资源禀赋差异，中国各省市地区的碳排放也存在显著差异．要想制定出科学合理且有针对性的节能减排政策，就必须很好地把握中国各省市的碳排放情况，因此有必要对各省市碳排放量进行全面系统的测算．然而，截止目前，我国无论是国家层面的还是省级层面都没有直接公布二氧化碳排放量的官方统计数据，国内外学者的测算研究都是基于对能源消费量的测算．那么，我国各省份二氧化碳排放量到底有多少，哪些因素对二氧化碳的排放产生影响？这些相关影响因素对二氧化碳排放的影响程度又是如何呢？这些问题的解决与否关系到我国节能减排政策制定的科学与否，也关系到低碳战略实施成效的显著与否．节能减排工作的顺利开展，是我国经济社会保持可持续发展的关键．本文参照IPCC（2006）以及国家气候变化对策协调小组办公室［3］和国家发改委能源研究所（2007）［4］的方法，运用相关方法对各省市地区的碳排放量数据进行估算，比较详细估算了我国30个省市（直辖市、自治区）1997—2011年的二氧化碳排放量．

2各地区碳排放量的测算

考虑到二氧化碳排放的来源比较广泛，除了化石能源燃烧外，在水泥、石灰、电石、钢铁等工业生产过程中，由于物理和化学反应的发生，也会有二氧化碳的排放，而在所有工业生产过程排放的二氧化碳中，水泥大约占56．8％，石灰大约占33．7％，而电石、钢铁生产所占不足10％．为了进一步增强估算的全面性和准确性，本文不仅估算了化石能源燃烧所产生的二氧化碳排放量，同时也估算了水泥生产过程产生的二氧化碳排放量．另外，为精确起见，本文进一步将化石能源消费细分为煤炭消费、焦炭消费、石油消费、天然气消费，其中石油消费则更进一步细分为汽油、煤油、柴油、燃料油四类．所有化石能源消费数据都来自于历年《中国能源统计年鉴》．水泥生产数据来自于国泰安金融数据库．水泥生产过程产生的二氧化碳排放量具体计算公式如下：CC＝Q×EFcement．（2）其中CC表示水泥生产过程中二氧化碳排放总量，Q表示水泥生产总量，而EFcement则是水泥生产的二氧化碳排放系数．本文估算水泥生产的二氧化碳排放量时，仅仅计算了化学反应产生的二氧化碳排放量，而没有包含水泥生产过程中燃烧化石燃料而造成的二氧化碳排放量．表1列出了各类排放源的CO2排放系数．经过一系列准确计算，可以得到我国30个省市地区1997—2011年二氧化碳排放量的估计值.由表2的二氧化碳排放量估算值可以看出我国各省市地区碳排放量基本都呈现上升趋势，地区差异比较明显．为了更好的体现我国二氧化碳排放的地区差异性，将我国30个省（市、区）按照经济发展水平和其地理位置划分为三大区域，包括东部地区、中部地区以及西部地区．具体来讲，东部地区包括北京、河北、天津、辽宁、山东、江苏、上海、浙江、福建、广东和海南这11个省（市）；中部地区主要包括黑龙江、吉林、山西、湖北、河南、湖南、安徽和江西这8个省份；西部地区则包括内蒙古、广西、云南、贵州、四川、陕西、重庆、青海、宁夏、新疆、甘肃、（由于缺乏数据较多，未估算其二氧化碳排放量）这12个省（市、区）．表3显示我国三大区域的碳排放量.表3的数据反映了我国及东中西部三大区域碳排放量情况．从总体上来看，1997—2011年我国的二氧化碳排放量呈现持续增长的趋势，从1997年的336565．69万吨增长至2011年的1066359．01万吨，增长幅度达到729793．32万吨，短短15年间排放量大约增长了2．17倍．由图1可以明显看出，在1997—2002年我国二氧化碳排放量处于缓慢增长的阶段，这个阶段我国的二氧化碳排放量年均增长为3．48％．这个阶段产生的原因主要是受亚洲金融危机影响，我国出口贸易缩减，这在一定程度上减少了二氧化碳的排放．从2003年起，亚洲各国陆续走出金融危机的泥潭，我国经济发展加速，但由于我国高投入、高消耗、高污染的粗放型经济增长方式，使得我国这一阶段的二氧化碳排放量处于快速增长期，2003—2007年我国二氧化碳排放量增速达到13．70％．之后我国二氧化碳排放量增速有所下降，2008—2011年增速为9．37％．虽然增长率依旧不低，但是相比于2003—2007年还是呈现下降趋势．这说明我国意识到能源环境的重要性，开始探寻低碳经济路径，为实现绿色生产付出努力．特别是在2008年10月29日我国公布的《中国应对气候变化的政策行动》白皮书，郑重声明了我国应对气候变化问题的积极态度和相关行动，更是明晰了我国未来低碳发展路径．从表3东中西部三大区域碳排放量情况可以明显看出，我国的碳排放区域差异性是比较显著的．总体来讲，我国二氧化碳排放量呈现由东到西依次递减的规律，东部地区碳排放量最多，中部地区次之，西部地区碳排放量最少．东部地区的二氧化碳排放在绝对量上大大超过中西两大区域．从图2可以看到，这三大区域二氧化碳排放均呈现逐年增长的趋势，且其增长规律均与全国二氧化碳排放量一样，可以分为三个阶段：从1997—2002年三大区域的二氧化碳排放量有升有降，总体来说处于缓慢增长阶段；从2003—2007年，三大区域的二氧化碳排放量均呈现不同程度的增长，整体处于快速增长阶段；从2008—2011年，三大区域的二氧化碳排放量处于增速下降阶段．图2是我国1997—2011年30个省市地区二氧化碳排放量均值的降序排列图．其中，二氧化碳排放量均值位于全国二氧化碳排放均值的省市地区有：山东、河北、江西、江苏、河南、广东、辽宁、内蒙古、浙江、四川和湖北．排名靠前的前五个省份是山东、河北、江西、江苏和河南，分别占我国二氧化碳排放总量均值的8．71％、8．00％、7．68％、6．21％和5．95％．我国的主要二氧化碳排放大省均为传统工业，能源消费以煤炭为主．二氧化碳排放量排名靠后的五个省份分别是天津、甘肃、宁夏、青海和海南，分别占我国二氧化碳排放总量均值的1．46％、1．44％、0．98％、0．40％和0．30％．图3是我国1997—2011年各省碳排放年均增长率的降序排列图．可以看到，二氧化碳排放年均增长率排名前五的省份是宁夏、内蒙古、海南、福建和山东，其中宁夏二氧化碳排放的年均增长率达到15．36％．宁夏出现较高二氧化碳排放速度的原因与其快速的经济增长密切相关，1997年宁夏的国内生产总值为210．92亿元，2011年为2102．21亿元，增幅达到1891．29，增长了8．97倍．第二产业的产值占国内生产总值的比重由1997年的41．6％增长到了2011年的50．2％，增长了8．6个百分点．快速的经济发展及不合理的产业结构刺激了二氧化碳的高速排放．除了以上二氧化碳排放年均增长率排名靠前的省份外，青海、陕西、广西和新疆的年均增长率也均超过了10％，高于全国8．59％的平均增长水平．排名靠后的五个省份为辽宁、山西、黑龙江、上海和北京，其二氧化碳排放的年均增长率分别为6．47％、6．16％、5．41％、4．32％和1．95％，其中北京二氧化碳排放年均增长率以1．95％位居全国最低.

3我国各省区二氧化碳排放影响因素的实证研究

影响二氧化碳排放的相关因素很多，比如地理因素、经济发展水平、产业结构、产权结构、能源消费结构、对外开放程度、投资水平、制度环境、城市化水平、能源价格等［5－8］．考虑到客观条件的限制，在考虑数据可得性基础上，本文构建面板数据模型研究产业结构、出口贸易、能源消费结构、城市化水平、国内生产总值对二氧化碳排放的影响．本文选择的面板数据模型如下：yit＝α＋Zitβ＋ηi＋εit．（3）其中，yit是第i个省份第t年人均二氧化碳排放量；α是常数项，β是回归系数；ηi是个体效应，主要用来控制各省份自有的特殊性质，εit是外生解释变量，主要包含国内生产总值（用gdp表示）、能源消费结构、城市化水平、产业结构及出口贸易等因素．其中，能源消费结构以煤炭消费量占能源消费量的比重度量（用energe表示），城市化水平以非农人口占总人口比重度量（用city表示），出口贸易以出口额占GDP的比重度量（用export表示），产业结构以第二产业占GDP的比重度量（用industry表示），同时对所有变量进行了取对数处理．结果显示，该面板回归模型拟合地较好，回归系数具有较高的显著性，其符号方向与现实情况较为符合．产业结构及国内生产总值对二氧化碳排放量的弹性系数较高，说明二氧化碳对产业结构及国内生产总值的变动比较敏感．第二产业占GDP的比重每增加1％，会使二氧化碳排放量增加0．9744％，这说明第二产业与碳排放呈现明显的正相关关系，第二产业是二氧化碳排放的主要驱动因素．经济每增长1％，二氧化碳排放量则会增加0．5812％，这说明经济增长也是碳排放量增多的一个重要因素，二者呈现正相关关系．能源消费结构与出口贸易与碳排放量的弹性系数在1％水平上不显著．

4结论与政策建议

碳排放论文第5篇

如上文所述，当前世界各国已提出了多种碳排放权分配方案，各有优缺点。下文就各类分配方法中的代表性方案进行详细评论。

1.1人均年排放量趋同分配方法人均年排放量趋同分配方法[1]的主要思想是：发达国家逐渐减少其人均年碳排放量，而发展中国家慢慢增加其人均年碳排放量，到某一目标年两者趋同。本文认为该方法侵犯了发展中国家的人均排放权利，这不仅因为它未考虑发达国家与发展中国家历史排放责任的差异[13、15-16]，更为严重的是按照该方法实施，在实现趋同以前，发达国家的人均年排放量会始终高于发展中国家，这将导致两者人均历史累计排放量的差距进一步单调增加，这对发展中国家来说是极为不公平的。在人均年排放量趋同思想的基础上，发达国家提出了各种改进和变通方案，但这些方案在兼顾公平性方面仍存在一些不足，下面举一个例子进行剖析。CCCPST方案[7]由美国、荷兰和意大利的几位科学家共同提出，主要思想是由不同国家的高收入群体承担减排义务。笔者认为该方案既难以操作，又不公平。首先，对于一个国家来说，高低收入的比例结构不仅与化石能源带来的收益有关，还与其政治经济体制、财富分配机制相关，而后者起主导作用，关系更为密切。使用一个与化石能源CO2排放相关性不高的指标“高收入人数比例”作为全球各国间的排放权分配依据，很不合理，而且会使得发达国家轻易逃脱其碳排放的历史责任。其次，该方法的可操作性很低：富人与穷人，很难做出一个既合理又公平的界定，且发达国家与发展中国家的富人标准无疑是不一样的，难以统一；国家之间收入换算成统一标准是采用汇率还是采用购买力，也没有定论。最后，从公平性的角度来说，仅由富人承担减排责任也不合理。

1.2考虑历史责任的分配方法巴西提案[9]认为全球气候变化主要是发达国家自工业革命以来200多年间温室气体排放的累积效应造成的，提出以“有效排放量”（即考虑气体在大气中的半衰期影响）为指标分配附件1国家的碳排放限额，从而体现“污染者付费”的原则（污染者付费原则要求根据各国温室气体排放造成的环境影响来分配碳排放限额）。巴西提案考虑了各国的历史碳排放责任，并提出发达国家应建立清洁发展基金帮助发展中国家减排的观点，比较有利于发展中国家。但有学者[18]指出巴西提案存在以下重大缺陷：由于附件1与非附件缔约方各国采用的计量方法不同，若仅根据有效排放来确定减排义务，非附件1缔约方将在其人均有效排放量远低于附件1缔约方的人均有效排放量时，就承担与附件1缔约方相同的减排义务。也有学者[11]提出巴西提案只强调了污染者要为历史付费，而没有考虑处于不同发展阶段的各国当前及未来的发展需求。如何将其更好地应用于全球碳排放权的分配，还需要进一步探讨。国内的碳排放权分配方案[10]基本是以“人均历史累计排放指标”为基点，来分配未来全球CO2排放限额。该方法强调发达国家与发展中国家历史排放责任的不同，显然，考虑历史责任的人均分配方法在一定程度上有利于发展中国家。不过，笔者认为，虽然从人权的角度来说，人均的碳排放权益是在进行碳减排指标分配时应该要考虑的首要指标，但不应是唯一的指标，仅考虑这一个指标尚不够公平，但遗憾的是，现有的绝大部分方案均未综合考虑各国的国家自然社会经济状况。潘家华等[11]提出的“满足人文发展基本需求的碳预算方案”，该方案考虑了历史排放责任的不同，首先运用人均原则确定评估期内满足全球长期目标的全球碳预算，然后以基准年人口为标准对各国碳预算进行初始分配，并根据各国气候、地理、资源禀赋等自然因素对各国初始碳预算作出调整，并通过基于实际需求的碳预算转移支付，以达到保持全球碳预算的总体平衡和各国碳预算平衡的目的。笔者认为碳排放权分配不仅需要纳入各国的自然社会环境要素，从多角度、多尺度综合考虑各相关指标，如能在分配中从公平性角度实现公平性最大化考量的话，可能更有利于被世界各国接受。另外值得一提的是，采用人均原则进行碳排放权分配的方法普遍存在这样2个缺陷：在分配方案中难以考虑未来人口的真实变化导致的影响，以及难以兼容未来全球碳容量变化（人类对全球碳容量的科学认识是不完备的，未来可能有巨大变化）对碳排放权分配结果的影响。这2个缺陷会导致现有的分配方法往往是站在现代人的角度，来限定未来人的排放需求，而且这种分配方案在理论上和数值上均未必是准确的，因此这类做法在某种程度上违背了可持续发展的要求，这也就意味着这一类分配方法的公平性和可持续性还有待提高。

1.3其他分配方法GDP碳排放强度分配原则[15]认为各国的碳排放限额与其GDP碳排放强度成反比。笔者认为无论碳排放强度与碳排放限额分配是正相关还是负相关，都是不合理的，理由如下：发达国家由于其较高的技术水平和较合理的能源和经济结构，具有较低的碳排放强度；而发展中国家由于经济技术相对落后，具有较高的碳排放强度。如果低排放强度的国家（如发达国家）分得较多的排放权，会造成“富则越富，穷则越穷”的现象，发达国家与发展中国家之间的差距越来越大。若高排放强度的国家（如发展中国家）分得较多的排放权，由于经济技术相对落后将会排放更多的温室气体，这就违背了全球碳减排的宗旨。所以国际碳排放权分配机制中难以采用GDP碳排放强度指标，采用这一指标分配只有在存在内部利益协调机制的体系中（比如同一个国家、同一个行政区域或同一个经济体系）才是比较便于实现的，也有利于提高该体系对碳排放权配额的整体利用效率。

1.4小结上述分配方法为全球碳排放配额的确定提供了很好的思路，但笔者认为在公平性兼顾方面还存在一些缺陷，各自缺陷已在上了详细陈述。总体来说，现有方法存在以下2个共同的重大缺陷：首先，现有分配方法中的绝大部分分配方案均未能综合考虑各个国家自然社会环境因素的差异，选取的分配指标单一，潘家华等[11]虽首次在碳排放权分配中综合考虑了这些方面的影响因素，但在具体分配方案的公平性考量上尚有待改进；其次，现有分配方案对未来全球碳容量变化、人口变化等不确定因素的定量化兼容性较差（未来长时间尺度的人口变化是难以准确预测的，全球碳容量究竟有多少也仍然是一个学术上悬而未决的事）。这些问题在一定程度上降低了碳减排分配方案的公平性和可操作性，使得各个国家之间一直难以达成减排共识，拖延了全球碳减排行动的实施。针对现有碳排放权分配方法在公平性和兼容性方面不太令人满意的现状，本文基于前期研究提出的“生存权平等，发展权有别”的思想和多角度衡量公平性的评价指标体系[19]，提出基于基尼系数法的全球CO2排放权优化分配方法（文中简称基尼系数法）和滚动规划的分配理念，并开发优化求解软件进行基尼系数优化分配模型的求解，以期最大可能地提高碳排放权分配方案的公平性和可操作性。

2基于基尼系数法的全球CO2排放权分配方法

2.1基本原则和滚动规划理念基尼系数是经济学中用来衡量居民收入分配公平程度的指标，近年来，基尼系数的应用领域越来越广泛，已经不仅仅局限于传统的经济领域。文献[19]中作者用基尼系数法对2006年G20主要国家的CO2现状排放公平性进行了分析，本文将其引用到碳排放权分配领域，期望得出一套较科学、合理、公平的分配方法。笔者认为全球碳排放权的分配要兼顾以下3个方面的公平[20]：（1）初始分配的公平：要求能对各国家CO2历史和现状排放做出准确合理的评价，分配指标的选取要尊重各国自然社会环境因素的差异、最具代表性、能尽最大可能保障每个国家和个体的排放权利。（2）分配结果的公平：要求减排责任的分担要在保障人类基本生存发展需求的基础之上，尽可能创造社会福利，既要保障当代人的排放权利，又要保证子孙后代的排放权利不受损害。（3）分配过程的公平：要求考虑未来不同时间段的变化，尽可能地减少和兼容不确定性因素。针对初始分配的公平，本文在碳减排分配指标选取时，遵循了文献[19]中提出的2个基本原则“生存权平等，发展权有别”。“生存权平等”是指人人生而平等，每个个体都应获得平等的维持自身生存和发展的碳排放权益，所以要体现公平性首先要考虑人口指标；“发展权有别”是指人权指标固然是首要考虑的指标，但仅考虑这一指标也是不公平的。国与国之间人口相同，但在其他指标上不同的话，在CO2允许排放量这个指标上的发展权也应是不同的。针对分配结果和分配过程的公平，本文试图通过滚动规划和基尼系数最优化的分配理念来解决。笔者认为碳排放权的分配过程应该是一个滚动规划的过程，因为人类对气候变化的认识是不断进步的，当新的认识出现时，未来全球CO2可排放总量将会变化。此外，未来主动愿意承担减排责任的地区和国家可能会越来越多。再者，未来人口也将会剧烈变化，仅以现代人的角度来分配未来某个长时间段的排放权，将会损害后代人的排放权益。滚动规划的分配理念是指基于规划期起始年现状排放的事实，对人们现有水平认识下的未来碳排放空间，以基尼系数总和最小为目标，进行碳排放权的优化分配，计算得出未来3~5年的排放配额（即3~5年为一个规划期）。具体计算方法为：以目前提出的较为合理的CO2浓度总量控制目标（体积浓度450×10-6、500×10-6或550×10-6等）为参考，得出一定时间尺度规划期内（如2009-2050年）全球公认的CO2允许排放总量，运用基尼系数法对该总量进行分配，得出当期世界各国的排放配额；每一规划期的自然社会环境指标数据以这一规划期的起始年为依据，下一规划期的允许排放总量根据全球最新公布的总量数据和上一规划期末各国家的实际排放状况（盈余或是赤字）重新给出，依次类推。期间如果出现全球性气候灾害、剧烈火山喷发等变化，导致自然界排放的碳增加或减少，或是学术界有关全球碳容量的科学认识和研究结果有较大更新变动，则可及时修正人类可排放总量；此外，如果出现某些国家主动承担减排责任，高于基尼系数法分配的份额，则也可修正分配方案；等等。

2.2指标体系的构建运用基尼系数法优化分配模型对全球CO2排放权进行分配，指标体系的构建是至关重要的一个环节。在文献[19]中，依据“生存权平等，发展权有别”的思想，已构建了一套相对合理的指标体系，认为除人权因素外，在与CO2允许排放量有关的发展空间上，还应考虑以下几个指标：国土面积、资源禀赋以及对全球碳汇的实际贡献。本文将沿用人口、国土面积、生态生产性土地面积、当前化石能源探明储量四个指标，具体理由文献[19]已详细分析，不再赘述。本文数据来源与文献[19]相同，但将数据进行了如下改进：（1）本文将数据更新至2008年；（2）完善了俄罗斯等前苏联国家历史排放数据，主要是将前苏联的历史排放数据分配至俄罗斯、乌克兰等前苏联国家，原朝鲜数据分配给韩国和朝鲜，补充德国分裂时期（东德和西德）数据和日本未管辖的琉球群岛时期数据，将蒙古的历史排放数据从中国分出去，原因是在美国橡树岭国家实验室的数据库中，并未对一些国家的历史责任进行分配整合，有必要进行重新计算，具体的分配计算方法是以该国分裂年的人口数据为基准，将该国历史累计排放量进行分配，得到该国的历史累计排放量；（3）改进了化石能源探明储量数据，将石油、天然气、煤储量按照热当量：1m3天然气=1.33kg标准煤，1kg原油=1.4286kg标准煤，1kg原煤=0.7143kg标准煤，统一转化为标准煤当量。（4）将G20国家扩充到全球所有国家，并根据数据的完备程度及分类方法，将全球所有国家整合成71个国家和地区。

2.3基尼系数法分配思路本文依据文献[19]评价结果，并参考文献[21]中的“基于基尼系数的水污染物总量分配方法”，来进行基尼系数法的优化分配。根据滚动规划分配理念，以5年为一个规划期：首先确定规划起始年至规划目标年的世界各国CO2新增排放总量，记为W1；然后计算各国自工业革命至规划起始年的实际排放总量，记为W2；用基尼系数法对各国自工业革命到规划目标年的CO2可排放总量（W1+W2）做出分配，再减去各国历史累计至规划起始年的实际排放量，即可得出该规划期各国的排放配额。分配过程的实质是基尼系数的优化调整过程，以基尼系数加权总和最小为目标函数进行优化调整，调整的同时保证4个自然社会环境指标中的任何一个的基尼系数都不变大，即基于各指标的总量分配公平性不能变差。在优化分配过程中，基于“生存权平等，发展权有别”的伦理学思想（文献[19]），人口指标是最重要的指标，应加大其权重。为了计算方便，本文将人口指标的权重设为0.4，其它3个指标等权对待，都为0.2。需要承认和注意的是，这种权重结构的设置是由本文研究者事先人为粗略给定的，肯定不是最佳的最终结果，本文建议在实际应用中可以采取群决策的技术方法进行处理，即邀请有关利益各方代表和学者根据计算结果的具体情况进行国际谈判来商定最终的赋值结果。

2.4基尼系数法计算步骤（1）确定可分配的CO2排放总量。（2）分别统计各个国家各相应指标和当期CO2现状排放量的数值，将前者分别除后者，即得各国在各基尼系数指标下的CO2排放强度（即斜率），对各基尼系数指标下的斜率进行排序后（从小到大），计算各基尼系数下各国在该指标中占该指标总和的百分比，并相应地计算出该基尼系数指标下的各国CO2排放量占总和的百分比数值（在初次计算各国在各指标中占总量的百分比数值之后，每次仅需按各基尼系数指标的斜率排序进行重排即可），进而计算基于各个指标的现状基尼系数之值。式（1）中，Xi为i国在国土面积、生态生产性土地面积、人口或化石能源储量指标上占所有国家总和的百分比；Yi为该国CO2排放量占所有国家总和的百分比；n为分配国家的个数，当i=1的时候，Yi-1为0。（3）以各指标对应的基尼系数加权总和最小为目标函数，各国家CO2排放配额为决策变量，在各指标现状基尼系数和CO2可分配总排放量的约束条件下利用C++语言编程进行优化求解，确定分配方案。目标函数计算如下。式（2）中，G1、G2、G3、G4分别为国土面积、生态生产性土地面积、人口和化石能源储量4个指标的基尼系数；F为国土面积、生态生产性土地面积、人口和化石能源储量4个指标的基尼系数加权总和。

3应用实例研究

本文首先运用前期研究的评价方法[19]衡量近年来各国CO2排放的公平性，然后在VC平台上设计开发了可以实现滚动规划分配理念和基于基尼系数法的全球CO2排放权优化分配模型的计算机算法和求解软件（因为现有优化求解软件均无法求解这一模型，包括Matlab、GAMS、SPSS和Excel软件中的优化求解模块等软件均无法直接求解这个模型，其主要原因是该模型在优化求解的过程中要不断地对世界各国在洛伦兹曲线中的名次进行重排序，而现有的优化软件均无法直接实现这一要求）。运用上述基尼系数法优化分配求解软件，对全球各国工业革命累积至2008年实际排放量和2009-2050年排放空间进行虚拟分配，并与虚拟IPCC方案2020年和2050年排放情景的基尼系数进行粗略对比，来探讨此方法的公平性效果。本文提出的基于基尼系数法的CO2排放权分配方法和滚动规划的分配理念，旨在进一步提高全球碳减排分配方案的公平性。本文首先运用基尼系数法优化分配模型对全球各国自工业革命至2008年的CO2实际排放总量进行优化分配，得出优化分配后基于各项指标的基尼系数之值，并以之与各国历史累计至2008年的实际排放现状作比较，从而定量化地评估基尼系数法对改善碳排放权分配公平性的效果。

3.1工业革命至2008年CO2排放虚拟分配方案及结果分析全球各国自工业革命至2008年CO2排放虚拟分配额如表1所示，变化比例是指用基尼系数法优化分配模型来分配各国历史累计到2008年可排放总量后，各国所得配额与各国累计至2008年实际排放量的差额比例，正数是指相对于实际排放方案各国可增加的碳排放量比例，负数则指要减少排放量的比例。需要说明的是正数或者负数代表的仅是各国自工业革命到2008年当期的盈余或赤字，代表各国潜在的减排压力，而并非实际的盈余与赤字，实际的盈余和赤字与未来全球的碳容量有关（未来的全球碳容量究竟有多少到目前为止并无定论，而碳容量不能确定的话世界各国的实际碳排放盈余和赤字也就无法确定）。表1说明用基尼系数法优化分配模型来虚拟优化分配全球各国自工业革命至2008年的CO2排放配额，与各国累计至2008年实际排放量相比，附件1国家美国、荷兰、法国、保加利亚、捷克、德国、希腊、匈牙利、波兰、西班牙、乌克兰、丹麦、意大利、罗马尼亚、俄罗斯、英国和日本的排放配额都有不同程度地减少，当期形成了排放赤字，除希腊、西班牙、乌克兰和俄罗斯以外赤字比例都在50%以上，而加拿大、挪威和澳大利亚由于地广人稀、历史较短等因素排放配额有所增加，其中澳大利亚可以增排133.26%。非附件1国家阿塞拜疆、乌兹别克斯坦、其他欧亚、科威特、卡塔尔、阿联酋、南非、朝鲜和韩国的排放配额出现赤字，赤字比例在64%以内，其他国家均有盈余，未来减排压力较小。基尼系数法优化分配模型分配结果显著地缩小了发达国家与发展中国家CO2排放量配额的差距，并使得发达国家相互间出现了较大的分异，公平性程度更高，通过基尼系数之值可进一步说明，如表2所示。由表2可以看出，用基尼系数法优化分配模型虚拟分配全球国家从工业革命累计至2008年的可排放总量，基于各项指标的基尼系数之值均比各国累计至2008年实际排放基尼系数之值小，其中基于国土面积和生态生产性土地面积指标的基尼系数值优化至相对公平区间，基于人口指标的基尼系数值优化至比较公平区间（基尼系数公平性衡量参照经济学领域的公平性区间：基尼系数低于0.2表示环境资源利用公平；0.2~0.3表示比较公平；0.3~0.4表示相对公平；0.4~0.5表示利用不公平；0.5~0.6表示利用非常不公平；0.6以上表示极度不公平），说明基于基尼系数法的分配方案更趋于公平。本文采用了4项有代表性的自然社会环境指标，它们可分别代表各国家的自然、社会和环境状况，因此，在此基础上进行的CO2总量指标分配结果的公平性也更好。

3.2不同目标浓度下全球各国的排放空间计算及分配

3.2.1碳排放空间的计算人类未来通过燃烧化石能源可排放碳总量计算方法是：首先，设定排放目标浓度；然后，根据向大气排放1Gt碳，大气CO2体积浓度会增加0.47×10-6[17]，全球碳循环过程中海洋和陆地等自然系统能够吸收54%，扣除土地利用所导致的排放（按年均1.5Gt碳）来计算碳排放空间。本文将目标年份设在2009-2050年，根据IPCC报告建议的控制温度的大气目标浓度范围，本文分别设定体积浓度450×10-6、500×10-6、550×10-63种目标浓度，分别计算3种情形下的化石能源碳排放空间，如表3所示。3.2.2不同情形下2009-2050年碳排放空间虚拟分配根据表3所得3种情况下工业革命至2050年碳排放空间，利用前文设计的基尼系数优化求解软件进行分配，得出各国工业革命至2050年的碳排放空间。然后减去各国历史累计至2008年的排放量，即得到各国2009-2050年碳排放配额，其中正数表示未来仍有排放空间，负数则表示该国已经将排放配额用完，并且出现赤字。同时计算未来排放空间较历史累计排放增排比例，正数代表未来排放空间较历史累计排放增加的比例，负数代表未来排放空间较历史累积排放减少的比例，如表4所示。由表4可以看出，附件1国家美国、荷兰、法国、捷克、德国、波兰、丹麦、英国和日本在3种情形下均有赤字，保加利亚、西班牙、乌克兰和罗马尼亚在体积浓度500×10-6和550×10-6情形下的排放配额尚有盈余，匈牙利和意大利在550×10-6浓度情形下有少量排放空间，而加拿大、希腊、挪威、俄罗斯、澳大利亚、新西兰在3种情形下均有一定量的剩余排放空间，总体上看，发达国家配额较人均历史累计趋同法的有所增加。非附件1国家仅部分国家有赤字出现，乌兹别克斯坦、卡塔尔、阿联酋、朝鲜和韩国在450×10-6浓度情形下赤字；其他欧亚和科威特在450×10-6和500×10-6浓度情形下出现赤字，大部分国家存在一定的发展空间。需要说明的是，3种情形下均未形成赤字的国家，并非一直不需要减排，如果这些国家继续以目前排放强度或更高强度排放，部分国家的排放配额将在2050年前消耗殆尽，届时可能也需要不同程度的减排，其具体的未来减排情况，需要根据未来的实际排放情况进行滚动规划方能确定。上述结果（盈余或是赤字）单纯是从公平性最大化角度所作的优化分配，在方案实际实施过程中，不仅要考虑CDM机制交易[22]各国的CO2排放量收支（即排放权购买国家要增加其排放配额，卖方国家要减去交易额），另外还要酌情考虑发达国家通过资金援助等手段对发展中国家碳减排提供的帮助。值得一提的是，依据基尼系数法的优化分配规则和滚动规划的分配理念，在各国历史排放和自然社会环境状况一定的基础上，以3~5年为一个规划期进行碳排放权的分配，全球CO2排放配额分配方案就可以进行实时的滚动，这种滚动规划就使得该方法能够定量化地兼容未来各种变化因素的同时又不失公平性（如人口的变化、碳源碳汇统计方法和口径的变化、全球碳容量研究结果的更新变动、各国的主动性承诺等），从而大大提高该方法的适用性。

3.3与IPCC方案基尼系数对比为了进一步验证方案的公平性，本文粗略计算了IPCC方案实施后的基尼系数，与基尼系数法的基尼系数进行对比。IPCC[17]（政府间气候变化专门委员会）提出附件1国家，2020年在1990年的基础上减排25%~40%，到2050年则要减排80%~95%；对非附件1国家中的拉美、中东、东亚以及“亚洲中央计划国家”，2020年要在“照常情景”（BAU）水平上大幅减排，到2050年所有非附件1国家都要在BAU水平上大幅减排。我们分别假定在2009年就实现2020年和2050年目标，其中2020目标设定为2009年附件1国家在1990年基础上减排30%，非附件1国家无需减排，2050年目标设定为2009年附件1国家在1990年基础上减排90%，非附件1国家减排20%，计算其基尼系数，如表5所示。由表5可知，按照IPCC方案进行实施的话，其分配后果仍然是不公平的，大部分指标仍处于不公平甚至极度不公平的区间。而与之相比，基尼系数法各项指标的基尼系数和基尼系数加权总和均有不同程度的减小，且基本都处于公平区间（仅在化石能源储量的指标上变化不大，这与寻求多指标加权总和最小有关），可见基尼系数法分配的公平性在本文所定义的公平性范畴下更优。

4结论与展望

碳排放论文第6篇

最早对不同结构建筑能耗与碳排放进行研究的学者是加拿大的Cole［5］．Cole研究木结构、钢结构、混凝土结构建设过程的能耗占建筑总能耗的比例以及3种结构建设过程的能耗是否有明显不同．其研究采用加拿大ATHENATM生命周期评估工具．ATHENATM被用来测算结构部品最初的隐含能．这个测算中没有包括工人交通的能源消耗，但Cole的研究中考虑了，其研究的主要数据来源于R．S．MeansCata－logues和电话访问及调查．在研究中Cole将隐含能定义为建筑产品生产、运输和安装时直接和非直接的能源消耗．表1是Cole对不同结构建筑建设阶段能耗、碳排放及相应所占隐含能、隐含碳的比例．基础上完成的，采用基于过程的LCA分析（CEDST）和基于投入产出的LCA分析（EIO－LCA）2种方法．在建设阶段，Guggemos认为混凝土结构的能耗比钢结构大，建设周期也更更长．钢结构有机废料和重金属的排放更高．指标为钢结构418MJ／m2，混凝土结构939MJ／m2．此研究结果与Cole的研究结论一致，但数值差距较大，原因是两者对设备的考虑不同．Guggemos考虑了重型设备（70％），而Cole没有．图1是Cole和Guggemos研究成果的对比．

2不同结构建筑的隐含能与隐含碳

关于建筑产品生产、运输和安装阶段所消耗的隐含能和排放的隐含碳，AlcornandBaird［29］、BuchananandHoney［30］、Bjorklund［6］、lawson［31］、CWC等做过前期研究，有研究成果数据．Guggemos［18］的研究边界是美国中西部2栋面积为4400m2的5层办公建筑的全生命周期，但针对案例的隐含能和隐含碳，Guggemos得出混凝土结构分别是8300MJ／m2和550kg／m2，钢结构分别是9500MJ／m2和620kg／m2．日本学者Ari－ma［21］根据《京都议定书》计算不同回收方式时结构的碳排放．台湾学者Li在统计建筑所需钢材、混凝土、木材、胶合板需要量后，采用基于过程的LCA分析方法，得出混凝土结构、钢结构和木结构建筑隐含能与隐含碳成果．Rossi对布鲁塞尔某居住建筑进行研究时，使用Pleaides＋软件进行模拟，结合手工计算，得出混凝土结构和钢结构的隐含碳成果．2013年，Griffin［25］采用Hammond和Jones的ICE数据库研究某大学礼堂大跨度结构的隐含能和隐含碳．结构系统的隐含能和隐含碳在计算时分原始材料和非原始材料2类．混凝土结构分桁架混凝土结构和预应力混凝土结构．桁架混凝土结构和预应力混凝土结构采用原始材料时对应的隐含能分别为808MJ／m2和1036MJ／m2，对应的隐含碳为100kg／m2和133kg／m2．Kim［27］采用投入产出法，根据不同结构建筑主要材料的消耗量和韩国经济基础数据计算建筑能耗与碳排放．研究特别分析了螺纹钢、型钢占建筑总能耗与碳排放的比例。表2，3反映多数研究者认为木结构建筑比混凝土结构建筑和钢结构建筑有更低的隐含能和隐含碳．另一方面，单从隐含能的角度，CORRIM［33］、UN－HABITAT［34］、BuchananandLevine［35］的研究也显示，木结构住宅相较混凝土结构住宅有更低的隐含能．BorjessonandGustavsson［36］考虑土地使用和替代的影响，得出同样结论．瑞典和挪威学者PetesonandSolberg［37］依赖建筑材料、废弃物管理和森林碳汇流，也得出同样结论．LenzanandTreloar［38］参考澳大利亚材料价格采用投入产出法分析了BorjessonandGustavsson的研究数据，得出隐含能是BorjessonandGustavsson研究结果的2倍，但也有同样的结论．从结构的环境影响角度，日本Gerilla用全球变暖潜力来描述建筑的环境影响，认为混凝土结构比之木结构有更高的环境影响（多23％）．其他方面，Li研究木结构替代混凝土结构以及木结构替代钢结构的替代效应因子．Arima认为木结构建筑有碳储存功能，由于碳储存的原因，Arima把城市木建筑群称为“城市森林”，指出日本城市中的碳储存为1．5×108t碳，超过日本森林6．8×108t碳储存的20％．从建筑结构类型看，木结构碳排放的减量是混凝土结构的1／2，是钢结构的2／3．Griffin认为木结构在隐含能、隐含碳和重量方面有利，但木结构有很差的隔声性能，同时需要配备石膏板防火系统和自动喷淋系统以满足防火的要求．Schmidt在Gagono、Pirun及Crespell、Gagnon研究的基础上以某高层住宅为例，研究CLT交叉层积材结构在美国使用的潜力．研究指出CLT结构的防火性能可以满足法律的要求．相较混凝土结构而言，由于CLT结构采用了更少的劳力及材料成本更低，有更低的隐含能和隐含碳．关于混凝土结构和钢结构，Guggemos认为钢结构和混凝土结构建筑在使用阶段的能源消耗没有区别．尽管在建设阶段钢结构的能源消耗指标比混凝土结构要小很多，然而需要注意的是，钢结构材料在生产过程中的能耗一定程度上超过了其在建设阶段、废弃阶段相对于混凝土结构的能源节约．所以Guggemos认为从全生命周期的角度来看，钢结构并不会比混凝土结构更优越．Kim认为混凝土结构相较钢结构具有减少能耗、减少建设成本（含碳排放成本）的优势．Griffin认为钢结构如果考虑足够高的回收率的话，它的隐含能与混凝土结构是有可比性的，但钢结构的隔热性能不好，隔声和防火性能也是最差的．简言之，Guggemos认为混凝土结构和钢结构在生产阶段和工程建设阶段的能耗与碳排放高低互补，以致2种结构隐含能与隐含碳近似．而Kim和Griffin的研究结论比较一致，即在同等边界条件下混凝土结构比钢结构有更低的隐含能和隐含碳．但如果考虑钢材的回收利用，则钢结构与混凝土结构的能耗与碳排放亦相当．图2，3反映了不同时期、不同学者对木结构、混凝土结构和钢结构建筑隐含能与隐含碳研究的数据集群．从图2，3可知，研究成果不具有随着时间增加或减少的趋势，而且数据成果差异度较大．研究成果主要与研究者的研究边界、研究方法以及采用的数据来源（数据库）密切相关．但总体上，木结构建筑的隐含能与隐含碳低于混凝土结构建筑和钢结构建筑，混凝土结构建筑的隐含能与隐含碳在同等边界条件下低于钢结构建筑．

3不同结构建筑的环境影响

图4主要材料能耗占建筑能耗的百分比结构形式的不同并不意味着材料的单一性．Buchanan和Honey的研究显示，混凝土结构住宅中含有钢材和木材，钢结构住宅中含有混凝土和木材，木结构住宅中含有钢材和混凝土．表4为Buchanan和Honey研究木结构、混凝土结构和钢结构建筑能耗时，得出的不同材料能耗在建筑能耗中所占的百分比．由图4可知，钢材、混凝土和木材能耗分别在钢结构、混凝土结构和木结构建筑能耗中的比例都是最高的．从材料的能耗分配看，钢结构中钢材能耗占3种结构钢材全部能耗的50％以上，混凝土结构中混凝土能耗占3种结构混凝土能耗约50％，木结构中木材能耗占3种结构木材能耗的80％。考虑建筑运营阶段，Rossi认为50年生命周期混凝土结构运营碳排放加隐含碳是200～1500kg／m2，钢结构运营碳排放加隐含碳是180～1250kg／m2．Rossi强调运营阶段的环境影响占建筑全生命周期环境影响的62％～98％，而能源结构强烈影响着运营阶段的碳排放．将现有的能源结构向可再生能源结构转变，是Rossi提出的可持续建筑的发展之道，只有当能源结构更环保以后，结构隐含能在建筑全生命周期中才更具有代表性．关于颇具争议的“盈余森林”和“负碳排放”，中瑞典大学Gustavsson指出，木结构建筑由于采用了生物燃料替代了化石燃料，有更高的“负碳排放”．混凝土结构建筑全生命周期的碳排放是负值，原因是“盈余森林”的存在，即混凝土结构建筑由于需要更少的木材，提高了建筑生命周期的生物质能．从建筑的能量平衡和碳平衡看，Gustavsson指出木结构建筑的能量平衡及碳平衡除了不考虑木材加工残留物或废弃木材作为燃料再恢复使用外都是负的．木结构建筑比混凝土结构建筑有更低的碳排放．表5是Gustavsson案例在最佳情境和最不利情境下的能量平衡和碳平衡（某公寓住宅建筑面积为1190m2）．图5，6是Gustavsson案例最佳情境时能量平衡与碳平衡的过程示意图．

4不同墙体建筑的碳排放

美国硅酸盐水泥协会MedgarL．Marcean［15］等研究2种不同结构墙体（木框架墙和混凝土隔热墙）住宅的生命周期评估．图7，8为2种墙体不同的结构构造，二者差异在于木框架樯以合板为主要材料，混凝土隔热墙以混凝土为主．报告采用Simapro软件［39］对某2层住宅案例进行模拟，并考虑住宅分布在美国的5个城市（代表美国5种不同的气候）以对比分析．案例住宅设计满足美国1998年国际能源保护法（IECC）［40］的需要．在软件模拟中采用了Eco－indicator99（荷兰和瑞士），EDIP／UMIP96（丹麦），EPS2000（瑞典）3种不同的准则．并在Eco－indicator99中采用了不同的权重设置（共有3种情境）．在建筑的运营阶段，采用VisualDOE2．6软件［41］模拟家庭能源消费，因为该软件在模拟家庭能源消耗方面比其他软件更精确．该报告的LCA评估在ISO14040框架［42］下执行．研究案例的系统边界包括能源和材料的输入和输出、使用和维护，但不包括废弃情境和废弃物处理．LCA评估中使用的LCI数据来源于公开发表的报告和可获取的商业数据．同一住宅在5种不同准则（情境）下的环境影响被归一化和加权为一个没有单位的环境负荷分数．研究数据显示，几乎在5种准则（情境）所有情况下，木框架墙住宅的环境影响指标比混凝土隔热墙住宅的环境影响指标要大，混凝土隔热墙住宅有更低的环境影响分数．如果仅考虑建筑材料，木材和铜管的环境影响排放第1位和第2位，以水泥为基础的材料排第3．

5结论

碳排放论文第7篇

1．1数据来源

文中所采用的煤、石油、天然气等能源消费量、地区生产总值、人口总量、资本存量等数据来源于《中国能源统计年鉴》、《中国统计年鉴》，数据处理方法为:1)国内生产总值按2000年的可比价换算;2)主要能源单位均经过统一换算，并认为能源消耗不存在地区差异，煤、石油、天然气的碳排入系数分别取1．0052、0．753、0．6173。此外，和台湾暂不列入计算范围。

1．2减排框架的构建

减排框架必须体现公平与效率，保证各省区在其最优经济增长路径下减排。因此，文中提出碳排放权分配的两条基本原则:一是人均累计平等排放原则，即每个人均拥有通过一定碳排放配额来提高生活水平的平等权利和通过限制碳排放来保护全球环境的平等义务;二是差别原则，即在保证人类社会能够持续应对气候变化的前提条件下，允许不平等的减排安排，只要它有利于最少受惠者的最大利益。以这两条原则为基础，构建文中碳排放权分配框架。

1．2．1人均累计平等排放原则以2010年为分割点，将1990－2050年划分为历史时期和未来时期，则在人均累计平等排放原则下，各省域历史上的人均碳排放权均等，并且各省域未来的人均碳排放权均等。即历史时期碳排放权被剥夺的地区在未来时期应得到补偿，碳排放权盈余地区可出售，碳排放权亏损地区可向盈余地区购买。

1．2．2差别原则差别原则用来计算未来时期各省在最优经济增长路径下的碳排放量，并作为判断该省碳排放权盈亏的依据。该原则承认中国各地区经济发展中存在非均衡性，给予各地区选择其最优经济增长路径的权利。在该原则下，要使落后地区的利益最大化，需使各地区保持在稳定增长路径下，不会因需求不足或需求过大而引起经济危机。为此，文中引入一个经济动力学模型，以此，计算并分配未来时期各省域的碳排放权。

2结果分析

应用上述减排框架，以1995－2010年为历史时期，2011－2050年为未来时期，计算出两时期中国各省份的碳排放权账户，得到中国各省份在历史时期和未来时期的碳排放权基本特征。

2．1历史时期各省碳排放权

历史时期内，各省碳排放权分布呈北亏损，南盈余状态，亏损地区以内蒙古、山西、河北、辽宁和上海为中心，向外递减，其中五大亏损地区亏损量占全部亏损量的67．5%，决定这一时期碳排放权的主要因素是人口与历史实际排放量，从分布上看，历史时期各省碳排放权的空间格局与我国早期的人口和工业空间格局较为一致，亏损省份的共同特点是资源依赖性较强，如山西、内蒙古均为能源生产大省，而东北三省和河北、山东等地区资源型城市也较为集中，上海作为我国最大的工业基地，其能源消耗量也较大。盈余地区以四川、广西、河南和安徽为中心，向周边递减，三大省份盈余量占全部盈余量的48．37%，这些地方的共同特点是:工业相对较为落后，但人口优势明显。

2．2未来时期各省碳排放权，未来时期各省碳排放权区域分布状况与历史时期相比变化不大，但亏损和盈余集中度上升，亏损地区仍然集中在北方，盈余地区以南方地区为主。内蒙古、辽宁和山西仍是亏损中心，而四川、河南和江苏成为盈余中心。这一时期内，亏损量所占比重大于10%和盈余量所占比重大于10%的省份数量均比历史时期有所减少，但亏损和盈余中心的亏损和盈余比重值有所提高。内蒙古、山西、辽宁、上海四省的亏损量已占全部亏损量的67．7%，江苏、四川、河南三省的盈余量占全部盈余量的52．07%，亏损和盈余集中度明显上升。

2．3各省总碳排放权分布特征

在考虑历史公平性和未来发展公平性后，各省至2050年总碳排权基本特征如下:1)北方地区由于发展历史和资源禀赋原因，以亏损为主，而南方地区基本上以盈余为主;2)黑龙江、山西是碳排放亏损大省，而四川、河南是碳排放权盈余大省，前者主要受能源生产量过大影响，后者人口优势明显;3)南方地区经济活力较大，在最优经济增长路径设定下，南方部分地区经济转型压力小于北方地区，因此，南方地区能源消耗型企业的减少和能源利用效率的提高将有利于其盈余量的增加。从三大地区看，东部地区由于耗能大且需补偿历史欠帐，从而使该地区仍然成为主要的亏损区，亏损量占42．74%。中部和西部地区一方面由于其本身盈余量较大，另一方面加上历史时期内欠账省份的补偿，仍为主要的碳排放权盈余区，其中中部地区盈余量占41．37%，西部地区盈余量占37．56%。

2．4两时期碳排放权的空间格局变化

在历史时期和未来时期，碳排放权总体表现为东部地区亏损，中西部地区盈余的总体格局，但在三大地区也表现出一些特性:1)从省份数量上看，两时期亏损和盈余省份各占一半，变化不大，历史时期内，全国盈余省份与亏损省份均为15个，未来时期内，盈余省份数量增加1个;2)从地域上看，东部地区盈余省份占该地区省份的比重有较大提升，其它两大地区比重变化不明显，历史时期，东部地区盈余省份占该地区省份比重为36．36%，中部地区盈余省份占该地区省份比重为62．5%，西部地区盈余省份占该地区省份比重为54．55%;未来时期内，东部地区盈余省份所占比重上升9个百分点，而中西部地区盈余省份占该地区省份比重保持不变;3)从碳排放帐户看，东部地区盈余比重上升快，中部地区亏损比重上升快，西部地区盈余比重下降快，从而导致东、中、西部地区碳排放权变化波动较大，历史时期内，东部地区尽管部分省份有盈余，但盈余总量并不大，仅占7．32%，与之相反，该地区的亏损量占全部亏损量的57．56%，中西部地区的盈余量与盈余比重、亏损量与亏损比重均较为接近;未来时期内，东部地区碳排放权盈余总量比重上升较大，占到23．07%，上升近16个百分点，与此同时，该地区的亏损量比重下降为38．64%，下降近19个百分点;中部地区盈余比重基本不变，而亏损比重上升近10个百分点，西部地区盈余比重下降近10个百分点，而亏损比重基本保持不变，从而导致中西部地区碳排放权差异性扩大，且西部地区碳排放权开始超过中部地区。

3讨论

(1)由于CO2等温室气体是一种公共资源，其排放会引发负的外在性，从而导致市场机制失灵，若无政策干预，对个人利益的追逐将导致集体的灾难。而有效的干预方式之一就是碳排放权分配，在确定各省所获得的碳排放权后，各省可通过市场机制对其进行买卖，从而提高分配效率，增强各地区的减排积极性。

(2)中国的能源结构以化石能源为主，它既是产业发展基础，也是CO2等温室气体的主要来源，限制碳排放量就是限制某些产业的发展。在国际减排压力下，中国碳配额若给定，则碳排放权成为一种稀缺性资源，获取碳排放权越多的地区其产业发展阻力越小。因此，碳排放权实际上是一种发展权，对各省区的碳排放权分配实际上也是对各地区发展权的重分配和协调，其目的是缩小区域差距。

(3)发展初期，中国东部等经济发展水平较高的省份享受了发展的优先权，并排放了大量的CO2等温室气体，牺牲了中西部等经济发展水平低且碳排放量较少的省区的发展权，另外，北方大部资源型城市由于能源输出，尽管排放了大量的CO2等温室气体，但没有享受到发展的成果。因此，在未来发展中，发达地区需对这些地区进行补偿，一是在公平原则下对欠发达地区碳排权进行补偿分配，二是向碳排权盈余但欠发达地区购买碳排放权。

(4)考虑人均累计碳排放相等和差别原则所构建的碳排放权分配框架，可有效解决区域减排的公平与效率问题，促进经济发达地区对经济不发达地区进行碳排放权补偿，有利于拉动落后地区经济发展，缩小区域差异，该框架下，中西部地区为主要的碳排放权盈余区，将在未来发展中获益，但少数省份仍始终处于碳排放权亏损状态，如新疆、青海等西北地区的人口小省和山西、内蒙古等能源生产大省，这是由其经济基础、能源分布和人口等因素综合决定的，因此，未来还需引入其它分配原则对其补偿。

4结论

(1)从历史上看，受经济基础、能源分布和人口因素的影响，我国北方地区属于碳排放亏损的传统地区，而南方大部分地区属于碳排放权盈余地区。

(2)从历史时期过渡到未来时期，北方地区碳排放权亏损而南方地区碳排放权盈余的分布格局未有大的变化，反而亏损和盈余中心的亏损或盈余比重上升，表明亏损或盈余中心有集聚化趋势，由于亏损地区主要是能源输出省或人口小省，应引入其它分配原则对其进行补偿。

碳排放论文第8篇

(一)影响因素选取理论上讲，供求关系是影响碳排放权价格波动的最主要因素，一般来说，在其他条件不变时，需求量和供给量的变动会引起均衡价格和均衡数量的变动，即当需求量大于供给量时，价格就会上升，这时需求量会因为价格的上升而下降，供给量会随着价格的上升而增加，直到供求平衡;反之，当供给量大于需求量时，价格就会下降，价格的下降一方面会引起供给量的减少，另一方面会刺激需求量的增加，整个过程直至供求平衡结束。总之，在其他条件不变时，需求量的变动会使得均衡价格和均衡数量沿着需求曲线变动;供给量的变动也会使得均衡价格和均衡数量沿着供给曲线变动。另一个方面，需求的变动和供给的变动也会引起均衡数量和均衡价格的变动，即当供给不变时，需求的增加会引起需求曲线向右移动，需求量会随着需求曲线的右移而增加，价格也会随着需求量的增加而上升，直到供求平衡;反之。当需求减少时，需求曲线就会向左移动，需求量会逐渐减少，价格也会随着需求量的减少而下降，直到实现供求均衡。当需求不变时，供给的增加会使得供给曲线向右移动，供给量也会随着供给曲线的右移而增加，而价格则会随着供给量的增加而下降，直到供求均衡;相反，供给的减少会引起供给曲线的左移，供给量减少进而使得供给价格增加，直至实现供求均衡。总之，在供给不变时，均衡价格和均衡数量会随着需求曲线的右移而增加，随着需求曲线的左移而减少;在需求不变时，供给的增加会使得均衡数量增加而均衡价格下降，供给的减少会使得均衡数量减少而均衡价格上升。碳排放权需求者是进行减排的企业，当供给因素不变时，价格取决于需求因素;欧盟碳排放配额分配主要涉及的产业涵盖了炼油厂、发电量超过20兆瓦发电厂、钢铁厂、水泥厂、玻璃厂、造纸厂以及航空业等实体产业。因而，本文根据欧盟碳排放配额涉及的行业对影响因素进行选取。本文选取了伦敦市场中的富时100指数、石油期货指数和美国市场中的道琼斯欧洲工业指数、道琼斯公用事业指数来反映欧洲市场的经济增长和能源消费，由于伦敦市场中，反映金融变动的指数是2011年推出的，数据量比较少，且和碳期货市场数据不能一一对应。因而，本文选取道琼斯欧洲金融指数来反映金融环境的变动。

(二)实证分析先通过计算各变量之间的相关系数对影响因素进行筛选，然后在此基础上建立MS－VAR模型对碳排放权价格波动的影响因素进行研究。1．相关分析。相关分析主要用于研究现象之间是否存在某种相关关系，并探讨这种相关关系的方向和相关程度，而衡量变量相关程度的指标通常用相关系数进行度量，因而本文通过计算由表1可知:Dec12与道琼斯欧洲金融指数和道琼斯欧洲公用事业指数的相关关系比较大，且都呈现正向的相关关系，相关系数大于0.6;Dec13与道琼斯欧洲公用事业指数的相关系数大于0.7，且呈正向相关关系，而与富时100指数呈负向相关关系，相关系数接近0.6;Dec14与道琼斯欧洲公用事业指数呈正向相关关系，相关系数大于0.6，而与富时100指数呈负向相关关系，相关系数接近0.6;Dec15与道琼斯欧洲金融指数呈正向相关关系，相关系数大于0.7;而与道琼斯欧洲工业指数和富时100指数呈负向相关关系，相关系数大于0.7。

为了更好的探究这些变量与碳期货之间的影响程度及背后的原因，本文将通过马尔科夫机制转换模型对这些关系进行分析。2．马尔科夫机制转换模型(MS)的建立与分析。由于计量模型通常要求时间序列数据具有平稳性，因而本章采取了和第二章相同的处理数据的方法:yt=100×(ln(pt)－ln(pt－1))，其中，pt为碳期货合约在t时刻的价格，在本章，其中碳期货价格为y，道琼斯欧洲工业指数为x1，道琼斯欧洲公用事业指数为x2，道琼斯欧洲金融指数为x3，富时100指数为x4。本节利用OX－METRICS软件对马尔科夫机制转换向量自回归模型进行估计，并对各碳期货的模型结果单独列出，根据模型的估计结果结合平滑概率图得出了主要状态发生机制转换的时间，以下是模型结果:由表2可以看出，Dec12价格收益率在状态为0和1时，道琼斯欧洲公用事业指数正向的影响Dec12价格;道琼斯金融指数指数负向影响Dec12价格。对比状态0和1时的参数的绝对值可以看出，在状态1时，道琼斯欧洲公用事业指数和道琼斯欧洲金融指数对Dec12价格的影响比在状态0时大，且道琼斯欧洲金融指数对Dec12价格影响更大、更强势，这些特征表明:总体而言Dec12价格呈现下跌趋势。两种转换机制的转换概率都小于1，p00=0.499180，说明在状态为0时，Dec12价格上涨继而继续上涨的概率为0.499180;p11=0.50082，表明在状态为1时，当天Dec12价格下跌继而下跌的概率为0.50082，即整体上Dec12价格下跌。图1是Dec12模型在状态一的平滑概率图，从图1可以看出，Dec12在整个交易期间发生了两次比较大的机制转换，时间大概是2009年9月和2011年11月。在2009年9月，欧洲的失业率创下近10年来历史最高，欧元区经济开始呈现通胀紧缩状态，金融危机对欧元区的影响仍在深化;2011年11月欧债危机正不断恶化，造成欧洲经济更加低迷，这些不利的条件促使Dec12价格模型发生了机制转换，发生机制转换后，μ0为负值，这也证明了欧洲碳排放权市场的不景气。和1时，道琼斯欧洲公用事业指数负向的影响Dec13价格;富时100指数正向影响Dec13价格。对比状态0和1时的参数的绝对值可以看出，这些参数的绝对值在大小上相差不是很大，总体而言:在状态1时，道琼斯欧洲公用事业指数和富时100指数对Dec13价格的影响比在状态0时大，且富时100指数对Dec13价格影响更大、更强势。两种转换机制的转换概率都小于1，p00=0.499180，说明在状态为0时，碳期货Dec13价格上涨继而继续上涨的概率为0.499180;p11=0.50082，表明在状态为1时，碳期货Dec13价格下跌继而下跌的概率为0.50082。从图2Dec13的平滑概率图可以看出，Dec13在整个交易期间发生机制转换的时间大概是2012年7月和2012年11月。Dec13交易的时间正好处于欧债危机的发生期间，受到金融大环境的影响，整个欧洲经济并不景气，这也促使了碳排放权市场的低迷。而在2012年3月欧盟春季峰会上，欧盟领导人明确表示欧洲多国经济形势开始出现好转，欧债危机逐步得到改善，出现了积极的变化，在这样的经济利好形势下，低碳市场开始好转。发生机制转换后的这两个时间段，μ0为正值，这在另一方面证明欧洲经济出现好转，低碳市场开始活跃。由表4可以看出，Dec14价格收益率在状态为0和1时，道琼斯欧洲公用事业指数正向的影响Dec14价格;富时100指数负向影响Dec14价格。

状态0和1下参数的绝对值大小相差不是很大，在状态0时道琼斯欧洲公用事业指数和富时100指数对Dec14价格影响大于状态1，且α的绝对值大于β的值绝对值，说明道琼斯欧洲公用事业指数对Dec14价格影响比较大。两种转换机制的转换概率都小于1，p00=0.499180，说明在状态为0时，碳期货Dec12价格上涨继而继续上涨的概率为0.499180;p11=0.50082，表明在状态为1时，当天碳期货Dec12价格下跌继而下跌的概率为0.50082。图3是Dec14模型在状态一下的平滑概率图，由这些图形可知，Dec14在整个交易期间发生的比较明显的两次机制转换的时间是2011年12月和2013年2月。欧盟在过去20年实行了持续的气候变化政策，在这一期间，欧盟的经济增长与碳排放“脱钩”的目标基本实现，为了继续对全球气候变化政策发挥决定行的作用，2011年11－12月的联合国德班气候大会通过了2015年建立全球气候变化政策的法律框架和排放目标建议。同时欧盟在这一期间将航空运输纳入碳排放交易配额体系，这在一定程度上会进一步影响欧盟碳排放权市场，也体现了欧盟在应对气候变化方面的坚定信心和不懈努力。由表5可以看出，Dec15价格收益率在状态为0时，道琼斯欧洲工业指数负向的影响Dec15价格;道琼斯欧洲金融指数正向影响Dec15价格;富时100指数负向影响Dec15价格。在状态为1时，道琼斯欧洲工业指数正向的影响Dec15价格;道琼斯欧洲金融指数负向影响Dec15价格;富时100指数正向影响Dec15价格。与状态0相比，道琼斯欧洲工业指数、道琼斯欧洲金融指数和富时100指数对Dec15价格的影响在状态1比较大，而道琼斯金融指数对Dec15价格的影响最大。两种转换机制的转换概率都小于1，p00=0.976656，说明在状态为0时，碳期货Dec12价格上涨继而继续上涨的概率为0.976656;p11=0.99619，表明在状态为1时，当天碳期货Dec12价格下跌继而下跌的概率为0.99619。由图4可以得知:Dec15在2013年2月发生了机制转换，在这一期间，欧盟委员会同意所有欧盟成员国向工业发放2013年排放的免费碳配额。从2012年开始欧盟延迟发放碳配额，这表明会有越来越多的碳配额供应量金融碳排放权市场，由于碳排放权市场一直都是供过于求的市场，欧盟委员会同意碳配额的发放将对碳价格带来更大的降价压力。

二、实证结论

碳排放论文第9篇

根据配第—克拉克定律，随着一国经济发展水平的提高，第三产业占比也会逐渐提高。因而，服务贸易占GDP比重也随之增加。表1显示了不同收入水平国家服务贸易进出口额占GDP的比重。可以看出，高收入国家服务贸易进出口额占比明显高于其他收入水平国家，且显著高于世界平均水平。这与高收入国家服务业相对发达、第三产业占GDP比重较高有关。其他收入水平国家的服务贸易进出口额占GDP比重均未达到世界平均水平，且中低收入水平国家的占比高于中等收入国家占比，而中等收入国家占比又高于中高收入国家占比。这说明，除高收入国家外，服务贸易进出口占比并未呈现出随着收入水平的减少而降低的现象。图2显示了世界不同收入水平国家的二氧化碳排放量（人均公吨数）。从图中可知，高收入国家二氧化碳排放量人均公吨数约为12吨，远高于世界平均水平及其他不同收入水平国家。值得注意的是，二氧化碳排放量与收入水平之间表现出较强的规律性，即随着收入水平的提高，二氧化碳排放量也随之升高。从趋势上看，中高收入水平、中等收入水平和中低收入水平国家的二氧化碳排放量均呈逐年递增的态势，特别是在2002年以后，表现得更为明显。从表1和图2的结果可知，高收入国家服务贸易进出口额占比相对较高，但是其二氧化碳排放量也相应较高。中高收入水平、中等收入水平和中低收入水平国家二氧化碳排放量与其服务贸易进出口额占比没有表现出与高收入水平国家类似的规律。本文接下来提出预期假设，然后利用实证检验服务贸易进出口额与二氧化碳排放之间的关系。

二、模型构建和实证检验

（一）计量模型设定本文的计量模型首先将碳排放作为因变量，服务贸易开放度（服务贸易进出口额占GDP比重）作为自变量。为检验二者的非线性关系，加入服务贸易开放度的平方项作为自变量。其中，poll为环境污染，用二氧化碳排放量（人均公吨数）代替，X为影响碳排放的其他控制变量，为误差项。根据已有研究，影响一国环境的因素包括经济规模、技术进步、产业结构等。因此，添加外商直接投资占GDP比重（fdi）、技术水平（tech）、工业规模（scale）、收入水平（lngdp）作为控制变量。为减小异方差，对人均GDP取自然对数，其余指标为百分比，不做对数处理。因此，模型（1）扩展如下。

二）数据和变量解释本文的计量分析数据使用的是1995~2009年50个国家的面板数据，其中包括高收入国家20个，中等收入国家30个，样本总容量为750。选择1995~2009年这个区间是因为1995年《服务贸易总协定》正式生效，服务贸易开始进入大发展时期。碳排放包括二氧化碳、一氧化碳等碳氧化物，本文选择二氧化碳作为因变量（人均公吨），基于两方面考虑：一是二氧化碳是最常见和最主要的温室气体，具有代表性；二是根据数据可获得性原则。服务贸易开放度（open）用各国服务贸易进出口额占GDP比重代替。一般而言，一国服务贸易开放度指数越高，其第三产业在三次产业中的占比会越高，从而对环境的影响会越小。但是，服务贸易中的运输服务所需的交通工具以及旅游服务等劳动密集型行业均会产生二氧化碳等气体，对环境构成影响。fdi表示外商直接投资占GDP比重。国内外学者如郭沛等（2013）、Acharyya(2009)、Hajkova和Nicoletti(2006)、Grosse和Trevino(2005)等研究发现，FDI对环境具有影响，且以间接影响为主。如一国或地区所吸引的外资投向化工等易产生污染的行业，对环境造成影响；再比如，一国或地区吸引外资投向清洁行业，由于该行业的发展，带动下游原材料或中间产品的发展，但其原材料或中间产品却易对环境造成污染。因此，本文将FDI占GDP比重纳入模型。技术水平tech用GDP单位能源消耗代替，指平均每千克石油当量的能源消耗所产生的按购买力平价计算的GDP。一般而言，技术水平的提高能够有效地减少环境污染（曾波等，2006；李从欣，2009；李国璋等，2010）。收入水平用人均GDP代替，是国内生产总值除以年中人口数。现有研究结果趋于一致，即收入水平的提高能有效改善环境（陈红蕾等，2007），但是在不同收入水平国家其作用并不一致（黄顺武，2010）。经济规模scale用工业增加值（占GDP比重代替），因为此处考虑的是经济规模对环境的影响，因而工业增加值能很好地满足模型的要求。此处的工业与《国际标准行业分类》（ISIC）第10~45项相对应，增加值为所有产出相加再减去中间投入得出的部门的净产出。这种计算方法未扣除装配式资产的折旧或自然资源的损耗和退化，增加值来源是根据ISIC修订本第3版确定的。本文所有数据均来自世界银行网站（）和世界贸易组织统计数据库（），数据的统计描述如表2。

（三）实证检验首先利用stata软件对二氧化碳排放量（CO2）与服务贸易开放度（trade）、外商直接投资占GDP比重（fdi）、工业增加值占GDP比重（scale）、收入水平（gdp）、GDP单位能源消耗水平（tech）之间的关系进行了线性拟合。发现二氧化碳排放量与trade、scale、gdp呈显著的正向线性关系，而与fdi的线性斜率则较小，与scale则呈负向的线性关系。由此形成如下预期：第一，服务贸易开放度与二氧化碳排放量呈正向线性关系。当加入服务贸易开放度的二次项时，预期呈倒U形，即服务贸易开放度与二氧化碳排放量之间符合环境库兹涅茨曲线的关系。第二，GDP单位能源消耗水平、收入水平和外商直接投资占GDP比重对二氧化碳排放量具有正向影响，即tech、gdp、fdi的增加会引起二氧化碳排放量的增加。第三，工业增加值占GDP比重对二氧化碳排放量具有负向影响，即scale的增加会减少二氧化碳的排放。接下来，本文分别从全样本、依收入水平分组的样本对各变量之间的关系进行回归分析，以检验是否与预期一致。1.全样本面板数据的实证检验本部分利用软件stata11.0对服务贸易开放度与碳排放之间的关系进行实证检验。依据前面设定的模型（2），对1995~2009年的跨国面板数据进行计量分析。我们在服务贸易开放度和服务贸易开放度平方项的基础上逐步加入控制变量进行回归。在计量方法上，经Hausman检验，拒绝采用随机效应模型的原假设，因而采用固定效应模型。同时，我们还依次检验了模型的异方差、序列相关性和截面相关性，发现方程（1）~（5）均存在异方差、序列相关和截面相关。为消除上述影响，最终统一使用D-K①校正的固定效应模型对方程进行估计（易行健等，2013）。估计结果如表3所示。由表3可知，尽管不断加入控制变量，但服务贸易开放度系数一直为正，并且在10%水平下均显著，表明服务贸易开放度的提高对二氧化碳排放量的影响为正。这一结果与刘华军和闫庆悦（2011）利用我国1995~2007年省级面板数据对贸易开放与二氧化碳排放的协整检验结果一致。可见，服务贸易并非传统观念中所认为的“清洁行业”，它与货物贸易一样会对环境造成污染。服务贸易开放度平方项的系数在5个方程中均为负数，且都在1%水平下显著，说明服务贸易开放度与二氧化碳排放量之间是倒U型的非线性关系。即在服务贸易开放度较低时，随着服务贸易开放度的提高，二氧化碳的排放量也会随之上升；当达到一定临界点时，服务贸易开放度的提高会减少二氧化碳的排放量。技术水平的系数为负，均在1%水平下显著，这与我们线性拟合结果预期相左，但是与现实更趋一致，因为一国技术水平的提高会有效地降低碳排放。收入水平和经济规模的系数均在1%水平下显著为正，前者与我们的线性拟合预期一致，而经济规模与预期相反。事实上，本文选取的衡量经济规模的指标是工业增加值占GDP比重，因而占比越高，二氧化碳排放量也随之增加，这是符合现实的。外商直接投资的系数为正，但是不显著。2.依收入水平分组的实证检验本部分在计量方法上首先直接采用固定效应模型①进行实证检验，分高收入国家、中高收入国家和中低收入国家3组。此外，为检验模型的稳健性，本文在固定效应模型回归的基础上，还加入了OLS回归。由表4可知，高收入国家服务贸易开放度对二氧化碳排放量有正向影响，但是不显著，而服务贸易开放度的平方项却与其呈显著的负相关。可见，高收入国家的服务贸易与碳排放是非线性关系，且服务贸易能显著地改善这些国家的碳排放。原因可能是高收入国家一般而言都是服务贸易进出口的大国，而且一般处于服务贸易的上游，即提供资本、技术密集型的服务，而传统服务贸易占比较低。对中高收入国家而言，服务贸易开放度与二氧化碳排放量呈显著的倒U型关系，即随着中高收入国家服务贸易开放度的提高，其二氧化碳排放量呈先增后减的趋势。对中低收入国家而言，服务贸易开放度对二氧化碳排放量的影响不显著，但是经济规模、收入水平和技术水平均在1%水平下显著影响。这一结果与我们的预期是一致的，因为中低收入国家一般还处于工业化时期，与高收入国家相比，无论是在服务贸易的规模还是技术水平上均存在较大差距，影响其二氧化碳排放量的主要是工业，因而服务贸易开放度对其影响尚不显著。此外，从稳健性检验可知，OLS回归的结果与固定效应模型回归的结果基本一致，表明本文回归结果是稳健的，偏差较小。

三、结论