基于碳汇法与NPP法的安徽省能源足迹影响因素研究

熊鸿斌, 郑慧娟

(合肥工业大学 资源与环境工程学院,安徽 合肥 230009)

随着人类对生态资源及能源开拓利用强度的不断增加,温室效应已成为各国社会经济发展中需重点解决的问题之一。中国政府提出2030年碳达峰、2060年碳中和的战略目标,明确到2030年非化石能源消费占一次能源消费总量的25%[1]。

能源可按化石、非化石2种方式分类。化石能源是CO2的主要排放源,非化石能源主要用于发电[2]。评估能源消费情况的指标为能源足迹,文献[3]研究表明,目前大部分地区的能源足迹占总生态足迹的1/2以上,是造成生态赤字的主要原因。我国对能源足迹的研究始于2005年[4],针对化石能源消费,文献[5]搭建了基于净初级生产力(net primary productivity,NPP)的化石能源足迹模型;文献[6]使用碳汇法及NPP法2种模型计算对比福建省化石能源足迹。针对非化石能源,文献[7]对能源消费结构进行系统动力学模拟,提出若推行更积极的转型政策,则2050年中国的非化石能源消费占比将超越化石能源;文献[8]利用向量误差修正模型,发现非化石能源的增加可以降低碳强度;文献[9]提出非化石能源消耗在降低碳强度方面发挥着重要的作用;文献[10]利用双向固定效应纵向模型调研非化石能源与碳排放之间的变化关系。

以上研究主要是针对化石能源足迹的计算和基于国家尺度的非化石能源发展预测分析、非化石能源与碳排放之间关系的分析,而如何更准确测度能源足迹、如何将非化石能源消费也纳入能源足迹的计算中、如何基于省域尺度对非化石能源和化石能源消耗进行对比分析、如何衡量非化石能源消耗与能源足迹间的关联,都是相关领域研究者需要进一步探讨与解决的重点与热点问题。

安徽省煤炭、水资源丰富,可再生资源相对匮乏,并处于工业化高速发展、能源消费增长较快的阶段。安徽省“十三五”规划提出2020年安徽省非化石能源消费占比达5.5%,煤炭消费占比要降低至75%的约束性目标[11];安徽省“十四五”规划提出将加快推进能源结构调整,提高非化石能源消费比重[12]。

本文从能源足迹的角度,以2009—2016年安徽省的能源消费为例,通过碳汇法与NPP法2种不同计算模型对比,并尝试将非化石能源纳入能源足迹的计算中,得出基于NPP法模型适合用于计算区域能源足迹;采用NPP法模型分析能源足迹的影响因素和非化石能源消费对能源足迹的影响,从而更全面地评估能源消耗对生态环境的影响,为安徽省实现可持续发展提供有效的计算方法及合理建议。

1.1 碳汇法能源足迹计算模型

碳汇法能源足迹的计算基于2个基本假设[13-14]:① 人类可以确定大部分被消耗的能源和产生的废弃物数量;② 这些能源和废弃物可以被转化为相应的生物生产用地面积。碳汇法是一种传统的能源足迹计算方法,在生态足迹计算模型的基础上发展而来,其能源足迹用吸收能源燃烧排放CO2所需的林地面积表示[15-16],计算公式为:

(1)

其中:EF为能源足迹总量;i为能源类型编号;Qi为第i类能源的消费量;pi为第i类能源的全球平均足迹,也称为能源因子;1 kg标准煤的燃烧热值约为29 307.6 kJ。

碳汇法能源因子取值见表1所列。在我国现行的统计体系中,为简化统计与计算, 通常将水电、核电、风电、太阳能光伏等由非化石能源转化的电力作为一次能源统计。我国约95%的非化石能源主要转化为电力,因此本文将非化石能源定义为一次电力及其他能源,在计算非化石能源足迹时,非化石能源的能源因子采用一次电力的数值。

表1 碳汇法能源因子取值

1.2 NPP法能源足迹计算模型

NPP模型在认同碳汇法能源足迹计算原理的2个基本假设前提下,还认可土地的综合碳吸收能力[17]。NPP法将能源足迹定义为用于吸收能源燃烧产生的CO2的区域性土地面积。该方法的计算分为3个步骤。

(1)计算区域NPP。计算公式为：

(2)

其中:NPP为区域NPP;j为土地利用类型编号;NPPj为第j类土地的NPP;Aj为第j类土地面积;A为区域土地总面积。土地利用的变化是带来NPP差异的直接因素,由于土地利用的变化始终存在,为便于比较,各类型土地的NPP取全球平均值[18],见表2所列。

表2 各类型土地全球平均NPP 单位:t/(hm2·a)

(2)计算能源消费碳排放量。计算公式为：

(3)

其中:C为碳排放总量;Ei为第i类能源的消费量;ci为第i类能源的碳排放系数。3种能源碳排放系数见表3所列。

表3 3种能源消费碳排放系数 单位:t/tce

根据1 kW·h电力能源量等于0.122 9 kg标准煤能源量,1 kg煤炭能源量等于0.747 6 kg标准煤能源量,得到1 kW·h电力能源量等于0.164 4 kg煤炭能源量,按此比例关系先计算煤炭足迹,再折算为非化石能源足迹。

(3)计算能源足迹。计算公式为:

EF=C/NPP

(4)

人均能源足迹由能源足迹总量EF和人口数据相除得出。

1.3 因素分解模型

因素分解法是把某个综合性指标拆分为若干个因素的和差、乘积等形式,通过分析各因素变动对指标的影响,针对性提出应对策略的方法[19],在理论性、实用性、可操作性及结果表达性等方面具有显著的优势。对数平均迪氏指数(logarithmic mean Divisia index,LMDI)分解法是一种无残差的因子分解方法[20-21],常被用于能源消费分析。本文采用LMDI分解法,结合安徽省特点选择碳排放因子、能源结构、能源强度、经济发展、人口规模、土地固碳能力6个因素为影响因子。根据能源足迹的计算公式,采用扩展Kaya恒等式将能源足迹与各个因素间的关系进行分解,计算公式为:

(5)

Fi=Ci/Ei,Si=Ei/E,I=E/GDP,

R=GDP/P,M=1/NPP。

其中:Ci为第i类能源碳排放量;P为人口规模;Fi为第i类能源的碳排放因子;Si为第i类能源的结构因子;E为能源消费总量;I为单位GDP能源消费量,即能源强度;GDP为国内生产总值(Gross Domestic Product,GDP);R为人均GDP,即经济发展;M为土地固碳能力。

ΔEFF+ΔEFS+ΔEFI+

ΔEFP+ΔEFR+ΔEFM+ΔEFrsd

(6)

其中,ΔEFrsd为分解余量。由于LMDI分解法中没有分解残差,ΔEFrsd=0。

采用LMDI分解法,对(6)式进行分解,结果如下:

(7)

(8)

(9)

(10)

(11)

(12)

(13)

为更清晰地展现各因素对能源足迹的贡献程度,定义各影响因素的贡献度计算公式为:

ηF=ΔEFF/ΔEF,ηS=ΔEFS/ΔEF,

ηI=ΔEFI/ΔEF,ηP=ΔEFP/ΔEF,

ηR=ΔEFR/ΔEF,ηM=ΔEFM/ΔEF

(14)

其中,ηF、ηS、ηI、ηP、ηR、ηM分别为碳排放因子贡献度、能源结构贡献度、能源强度贡献度、人口规模贡献度、经济发展贡献度、土地固碳能力贡献度。

1.4 数据来源

安徽省历年人口规模、GDP、能源消费总量、能源消费总量结构等数据来源于《安徽省统计年鉴》(2010—2017年)[22],各类能源碳排放系数来源于2006年联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change,IPCC)国家温室气体清单指南[23],各类型土地利用数据来源于中华人民共和国自然资源部土地调查成果共享应用服务平台(https://gtdc.mnr.gov.cn/shareportal#/)。

2.1 安徽省能源足迹计算

2.1.1 2种模型计算结果

基于碳汇法和NPP法的能源足迹总量见表4所列。2010—2016年安徽省能源足迹变化率曲线如图1所示。

表4 基于碳汇法和NPP法的能源足迹总量 单位:104 hm2

图1 2010—2016年安徽省能源足迹变化率曲线

基于碳汇法的能源足迹总量处于上升趋势,从2009年的4 563.35×104hm2增至2016年的6 243.88×104hm2,8 a累计增长36.83%,年均增长4.60%;人均能源足迹从0.67 hm2增至0.89 hm2。由图1可知,2014—2016年碳汇法能源足迹平均增长率为2.34%,处于大幅下降阶段,比第1阶段低2.26%。这是由于2013年在国家全力推进环境改善政策要求下,安徽省政府建立了省级环境保护目标责任考核联席会议制度和考核制度,能源消费结构有显著改善。

基于NPP法的能源足迹总量从2009年的1 257.68×104hm2增至2016年的1 768.93×104hm2,累计增长40.65%,年均增长5.02%;人均能源足迹从0.19 hm2增至0.25 hm2。从图1可以看出,NPP法的能源足迹变化率曲线也呈下降趋势,其原因是除能源消费情况外,NPP法计算的能源足迹还受区域土地碳吸收能力和土地利用结构的制约。由(2)式可得安徽省区域NPP变化。2009—2016年安徽省土地利用结构变化较小,各项土地利用面积均有轻微的下降;耕地占安徽省用地面积的58%以上,林地占37%。

区域NPP在8 a内呈下降趋势,累计降低0.001 5 t/(hm2·a),导致基于NPP法的能源足迹也逐年下降。

2.1.2 2种模型计算结果对比分析

碳汇法和NPP法结果在总体变化趋势上具有一致性,在数值上碳汇法是NPP法计算结果的3.58倍,两者的绝对差值有逐年扩大的趋势,这主要是由2种模型理论基础不同导致的。碳汇法模型主要存在2点缺陷:① 除了林地外,未考虑其他类型的土地对碳吸收所做的贡献,因此无法真实反映区域的综合碳吸收能力;② 未考虑土地利用变化对区域碳吸收能力的影响,无法真实体现土地利用结构的时空差异特性。

NPP法对以上缺陷进行改进,除占总面积37%的林地外,还增加了耕地、园地和草地的碳吸收能力;不仅对区域性土地碳吸收能力进行计算,还考虑土地利用变化的影响。

碳汇法与NPP法能源足迹构成结构如图2所示。

图2 2009—2016年安徽省碳汇法与NPP法能源足迹构成结构

从能源足迹的构成看,2种模型结果的构成顺序一致,从大到小依次为煤炭、石油、天然气、非化石能源,但在具体占比上存在一定差别。

2016年NPP法计算的煤炭足迹占比为78.07%,比碳汇法低3.29%,NPP法计算的非化石能源足迹比碳汇法高3.50%。这是由于NPP法先将电力与其他能源消耗折算成煤炭,再按煤炭足迹的计算方法计算,避免了碳汇法中非化石能源足迹偏低的问题。因此,本文在后续分析中使用基于NPP法模型计算的能源足迹结果。

首先，起点公平。这是实现社会公平正义整体目标的基础。邓小平关于起点公平的思想，来源于马克思的社会公平观。邓小平认为，始终坚持生产资料公有制是起点公平的制度保证。社会主义根本制度与社会主义公有制“是不能动摇的”。当有人担忧发展个体经济和外资经济会影响整个社会性质时，邓小平指出，个体经济的发展、中外合资经营企业与外资独营企业的发展，要“始终以社会主义公有制为主体”［1］110。邓小平在强调起点公平的同时，也注意到其他经济形式的发展对提高生产效率的重要性，强调社会管理中要做到公平与效率并重，坚持“效率优先，兼顾公平”，从而为起点公平夯实了基础。

2.2 安徽省能源足迹影响因素分析

2.2.1 能源足迹影响因素分解

以2009年为基准年,根据(7)～(14)式计算的2010—2016年安徽省能源足迹变化影响因子分析结果见表5所列。

表5 2010—2016年安徽省能源足迹变化影响因子分析结果 单位:104 hm2

2010—2016年安徽省能源足迹影响因子变化曲线如图3所示。

图3 2010—2016年安徽省能源足迹影响因子变化曲线

从总体看,人口规模和经济发展对安徽省能源足迹的增长有促进作用,能源强度具有抑制作用,而能源结构、碳排放因子和土地固碳能力对能源足迹的影响则有轻微的正、负波动。

各因素对安徽省能源足迹增长量的贡献度从大到小依次为:经济发展(2.55)、人口规模(0.11)、土地固碳能力(0)、碳排放因子(-0.05)、能源结构(-0.05)、能源强度(-1.57)。在减缓能源足迹增长的因素中,94.35%来自能源强度降低,2.85%来自碳排放减少,2.80%来自能源结构调整;在促进能源足迹增长的因素中,95.95%来自经济产出增加,4.01%来自人口规模扩大,0.04%来自土地固碳能力退化。

经济发展作为能源足迹增长的主要驱动力因素,贡献度为2.55。2009—2016年安徽省GDP从10 062.82亿元增加到24 117.89亿元,年均增长率为13.48%,而人均GDP从1.48万元增加到3.40万元,年均增长12.93%;经济发展对能源足迹增长的年均增量效应为178.14×104hm2,说明安徽省在经济增长的同时消耗了大量能源,产生温室气体排放。人口规模效应为能源足迹的增长起到促进作用,累计贡献71.66×104hm2,贡献度为0.11;土地固碳能力从-0.16×104hm2增长至0.16×104hm2,以耕地和林地为主的土地利用面积下降,使土地固碳能力为能源足迹增长提供轻微的正向作用。

能源强度下降是能源足迹增长的主要抑制因素,反映科学技术进步对能源足迹的影响程度。相比于2009年,2010年安徽省能源强度从0.88 tce/万元减少到0.52 tce/万元,年均降低7.05%;能源强度对安徽省能源足迹增长的总贡献值为-765.65×104hm2,年均贡献值为-109.38×104hm2。能源结构效应在安徽省能源足迹变化中起轻微抑制作用。2010—2016年煤炭类能源消费比例从87.0%降低至75.1%,石油类能源消费比例略微上升,天然气所占比例从1.5%增长至4.1%,非化石能源从1.4%增长至4.4%;天然气和非化石能源在安徽省能源消费结构中占比较小,因此未发挥出充分的抑制能力。碳排放量的减少是抑制安徽省能源足迹增长的另一因素,年均增量效应为-3.30×104hm2。

2.2.2 能源足迹影响因素叠加效应分析

能源足迹的变化是多种不同因素相互作用、叠加后的结果。为分析各因素的叠加效应,将各因素按照年平均贡献值的正负分为正效应和负效应。将经济发展、人口规模、土地固碳能力统称为正效应,将能源强度、碳排放因子、能源结构统称为负效应。

2010—2016年安徽省能源足迹变化贡献值正、负效应如图4所示。2010—2016年能源足迹正效应在2011年达到最大值295.98×104hm2，在2015年达到最小值91.53×104hm2,2011年的正效应是历年来最大值,这是由于经济发展因素的增长贡献值在2011年达到顶峰;负效应从-194.26×104hm2降低至-100.33×104hm2;其中以经济发展为主的正效应大于以能源强度为主的负效应,两者比值为1.74∶1.00。2010—2016年正、负效应比值均超过1,说明以能源强度为主要驱动因素的负效应不足以抵消以经济发展为主导的正效应;但两者差值在近年来有逐渐缩小的趋势,叠加表现为安徽省能源足迹总量增速放缓。

图4 2010—2016年安徽省能源足迹变化贡献值正、负效应

综上所述,能源强度是能源足迹降低的主导因素,提供-1.57的贡献度,但从叠加效应看,仅依赖能源强度的提高难以抑制经济发展引起的能耗增加，而目前安徽省的能源结构和碳排放因子效应仅发挥了-0.05的贡献度,抑制潜力较大。因此，调整能源结构、降低碳排放能有效抑制能源足迹的增长。

2.3 非化石能源与能源足迹的相关性分析

为调整能源结构,验证非化石能源消费对能源足迹变化的影响程度,采用Pearson相关系数分析法,以安徽省2010—2016年煤炭足迹、石油足迹、天然气足迹和非化石能源足迹对能源足迹总量的贡献度为自变量,能源足迹年变化率为因变量,进行相关性分析。由于2013—2014年各项数值变化幅度过大,对相关性分析误差有较大影响,计算时排除2014年的数据。

2010—2016年安徽省各类能源足迹对总量的贡献度见表6所列,Pearson相关系数分析结果见表7所列。煤炭足迹的贡献度与能源足迹变化率呈0.44正相关,非化石能源呈-0.54显著负相关，石油、天然气的贡献度与能源足迹变化率相关性低于0.30。2016年安徽省非化石能源占一次能源的比例与全国平均值相比低8.6%,说明安徽省非化石能源消费可增长空间较大,若增加非化石能源消费、降低煤炭消费,则能有效减缓能源足迹的增长。

表6 2010—2016年安徽省各类能源足迹对总量的贡献度 %

表7 Pearson相关系数分析结果

(1)碳汇法只对林地的碳吸收能力进行计算,忽略了区域综合碳吸收能力;NPP法模型用NPP表示土地碳吸收能力,除林地外,加入耕地、园地、草地3种土地类型,并考虑在时间序列上土地利用变化的影响。本文在NPP法模型中对非化石能源足迹的计算方法进行改进,避免了碳汇法中非化石能源足迹较低的问题。因此,NPP法模型的计算结果更准确,以安徽省2009—2016年能源足迹为例,碳汇法的计算结果是NPP法模型的3.58倍。

(2)基于NPP法模型,计算得出2016年安徽省能源足迹为1 768.93×104hm2,累计增长511.25×104hm2,年均增长率为5.02%,人均能源足迹从0.19 hm2增至0.25 hm2。从能源结构看,能源足迹占比从大到小依次为煤炭、石油、天然气、非化石能源。在抑制能源足迹增长的因素中,94.35%来自能源强度降低,2.85%来自碳排放减少,2.80%来自能源结构调整。在促进能源足迹增长的因素中,95.95%来自经济产出增加,4.01%来自人口规模扩大,0.04%来自土地固碳能力退化。从贡献度看,能源强度对能源足迹增长的贡献度为-1.57,经济发展的贡献度为2.55;能源结构和碳排放因子对能源足迹增长的贡献度均为-0.05,抑制力潜力较大。经济发展为主的正效应大于能源强度为主的负效应,两者之比为1.74∶1.00,叠加表现为促进能源足迹增长。利用Pearson相关系数分析法得出,煤炭足迹的贡献度与能源足迹总量变化率呈0.44正相关,非化石能源足迹呈-0.54显著负相关。

(3)实现碳达峰行动方案、践行安徽省绿色低碳发展、减缓能源足迹增长的重点在于调整能源结构、提高非化石能源消费占比。应推进低碳技术创新、开发利用非化石能源,大力建设风电、水电、光伏装机,逐步将能源消费结构以化石能源为主向非化石能源为主转型,构建多元化的能源供应体系。

需要指出的是,本文将非化石能源消费纳入能源足迹计算中,还存在一些不足,如何进一步提高结果的准确度,并清晰指出非化石能源与能源足迹之间的关联,都是需要研究解决的问题。