﻿ 农村人口比重对京津沪地区碳排放的影响分析 Study on the Beijing, Tianjin and Shanghai’s Carbon Emission Impact of Rural Population

Hans Journal of Agricultural Sciences
Vol. 09  No. 07 ( 2019 ), Article ID: 31439 , 12 pages
10.12677/HJAS.2019.97085

Study on the Beijing, Tianjin and Shanghai’s Carbon Emission Impact of Rural Population

Fang Wang

Party School of Tianjin Municipal Committee & Tianjin Administrative Institute, Tianjin

Received: July 4th, 2019; accepted: July 19th, 2019; published: July 26th, 2019

ABSTRACT

Based on the panel data from 1995 to 2012, this paper analyzes the mathematical relation between economic, technical progress, demographic factors and Beijing, Tianjin and Shanghai’s trend of carbon emission. According to the results, GDP and population size are positively correlated to the carbon emission; whereas, the youth dependency ratio is negatively correlated to the carbon emission. And improving the percentage of first and tertiary industry will reduce carbon emissions.

Keywords:Carbon Emission, Per Capita GDP, Population, Industrial Structure

Copyright © 2019 by author and Hans Publishers Inc.

1. 引言

2. 国内外相关研究文献综述

3. 二氧化碳排放量测算方法介绍

1) 计算各能源品种的终端消费量：从历年的《中国能源统计年鉴》中我们得到了1995年至2011年的天津市能源平衡表(实物量)，计算公式：燃料消费量 = 终端消费量 + 加工转换投入产出量 + 损失量；

2) 将步骤1中测算得到的各能源品种的消费总量统一转换为热量单位。计算公式：燃料消费量(热量单位) = 燃料消费量 × 换算系数 (燃料单位热值)，我国采用的是单位平均低位发热量；

3) 计算各能源品种的含碳量。计算公式：燃料含碳量 = 燃料消费量(热量单位) × 单位燃料含碳量(燃料的单位热值含碳量)；

4) 计算各能源品种的固碳量，即不会随能源消耗而释放出的碳含量。计算公式：固碳量 = 固碳产品产量 × 单位产品含碳量 × 固碳率；

5) 计算各能源品种的净碳排放量(扣除未释放的碳量)。计算公式：净碳排放量 = 燃料总的含碳量 −固碳量；

6) 计算各能源品种的实际二氧化碳排放量。计算公式：实际碳排放量 = 净碳排放量 × 燃料燃烧过程中的碳氧化率，再将碳排放量乘以碳与二氧化碳的分子转换系数，从而得到各能源品种的实际二氧化碳排放量。

${\text{CO}}_{2}=\left(\text{E}×\text{H}×\text{C}\right)×\text{O}×\left(44/12\right)$ (1)

Table 1. Carbon emission factors for major energy sources

Table 2. Total carbon dioxide emissions in Beijing-Tianjin-Shanghai calendar year (unit: 10,000 tons)

4. 数据来源及现状描述

4.1. 数据来源

4.2. 现状描述

Figure 1. Carbon emissions in 1995-2012 (ten thousand tons)

Figure 2. Energy consumption in 1995-2012 (10,000 tons of standard coal)

Figure 3. Energy consumption per 10,000 yuan of GDP in 1995-2012 (ton of standard coal)

Figure 4. 1995-2012 GDP (100 million yuan)

Figure 5. Per capita GDP (yuan/person) from 1995 to 2012

Figure 6. Population size 1995-2012 (10,000 people)

Figure 7. population density in 1995-2012 (persons per square kilometer)

Figure 8. Urbanization rate in 1995-2012 (%)

Figure 9. The proportion of the second industry in 1995-2012

Figure 10. The proportion of the tertiary industry in 1995-2012

5. 数理分析

5.1. 建立模型

STIRPAT模式是用于分析人口规模、人均财富、技术水平与环境影响之间关系的非比例影响随机模型，该模型是在“IPAT”模型的基础上扩展而来。“IPAT”模型是由Ehrlich首次提出，用于反映人口对环境压力的影响(Ehrlich，1999)，但该模型无法解决各因素不同比例变化以及难以做计量经验研究的问题。STIRPAT模型突破了这一限制，同时又保留了原模型中的乘法结构，确立了人口、经济和技术作为影响环境的三个主要因素。

$I=\alpha {P}^{\beta }{A}^{\delta }{T}^{\lambda }u$ (2)

$\mathrm{ln}{I}_{t}={\alpha }_{t}+{\beta }_{t}\mathrm{ln}P\left(\text{age},\text{urban}\right)+{\delta }_{t}\mathrm{ln}{A}_{t}+{\lambda }_{t}\mathrm{ln}{T}_{t}+{u}_{t}$ (3)

5.2. 变量选择及描述

1) 二氧化碳排放量(I)。根据上文介绍的方法测算得到(单位：万吨)。

2) 人口规模：计算所有的常住人口，不仅包括具有本市户籍的人口，同时也包括在本市居住超过6个月以上的非本市户籍人口、即常住外来人口(单位：万人)。

3) 人均财富(A)。即人均GDP：以当年GDP总额除以当年常住人口总数得到(单位：元)。

4) 技术水平(T)。即能源消费使用效率：以能源消耗总量除以GDP得到单位GDP的能源消耗量。能源消耗总量以标准煤为计量单位，采用统一的热值标准。我国规定每千克标准煤的热值为7000千卡。将不同品种、不同含量的能源按各自不同的热值换算成每千克热值为7000千卡的标准煤(单位：万吨标准煤)。

5) 三次产业占GDP比重：以历年统计年鉴中三次产业产值除以当年地区生产线总值得到(单位：%)。

6) 非农人口比重：以城镇常住人口数除以总人口数得到(单位：%)。

7) 少儿人口比重：0~14岁人口占总人口的百分比(单位：%)。

8) 最终消费支出：指常住单位在一定时期内对于货物和服务的全部最终消费支出，也就是常住单位为满足物质、文化和精神生活的需要，从本国经济领土和国外购买的货物和服务的支出；不包括非常住单位在本国经济领土内的消费支出。最终消费分为居民消费和政府消费。数据按当年价格计算(单位：亿元)。

Table 3. Data statistics report for each variable

5.3. 回归分析

Table 4. Regression results

Table 5. 4 model regression results

6. 小结

2018年度全国党校(行政学院)系统重点调研课题《环境规制对劳动力需求结构的影响机制分析》、2019年度中共天津市委党校校院科研课题《高质量发展下数字经济对就业的影响研究》 (TJDXKY1903)。

Study on the Beijing, Tianjin and Shanghai’s Carbon Emission Impact of Rural Population[J]. 农业科学, 2019, 09(07): 576-587. https://doi.org/10.12677/HJAS.2019.97085

1. 1. Birdsal, N. (1992) Another Look at Population and Global Warming: Population, Health and Nutrition Policy Research. Working Paper, World Bank, Washington, DC, WPS 1020.

2. 2. Knapp, T. and Mookerjee, R. (1996) Population Growth and Global CO2 Emissions. Energy Policy, 24, 31-37. https://doi.org/10.1016/0301-4215(95)00130-1

3. 3. Karl, T.R. and Jones, P.D. (1990) Comments on “Urban Bias in Area Aver-aged Surface Air Temperature Trends” Reply to GM Cohen. Bulletin of the American Meteorological Society, 71, 571-574.

4. 4. Chung, U., Choi, J. and Yun, J.I. (2004) Urbanization Effect on the Observed Change in Mean Monthly Temperatures between 1951-1980 and 1971-2000 in Korea. Climate Change, 66, 127-136. https://doi.org/10.1023/B:CLIM.0000043136.58100.ce

5. 5. Dalton, M., Brian, C., O’Neill, et al. (2008) Population Aging and Future Carbon Emissions in the United States. Energy Economics, 30, 642-675. https://doi.org/10.1016/j.eneco.2006.07.002

6. 6. 任国玉, 初子莹, 周雅清, 等. 中国气温变化研究最新进展[J]. 气候与环境研究, 2005, 10(4): 701-716.

7. 7. 朱勤, 彭希哲, 陆志明, 于娟. 人口与消费对碳排放影响的分析模型与实证[J]. 中国人口资源与环境, 2010(2): 98-102.

8. 8. 蒋耒文. 人口变动对气候变化的影响[J]. 人口研究, 2010, 34(1): 59-69.

9. 9. 宋杰鲲. 我国二氧化碳排放量的影响因素及减排对策分析[J]. 价格理论与实践, 2010(1): 37-38.

10. 10. 李楠, 邵凯, 王前进. 中国人口结构对碳排放量影响研究[J]. 中国人口资源与环境, 2011, 21(6): 19-23.

11. 11. 王芳, 周兴. 人口结构、城镇化与碳排放——基于跨国面板数据的实证研究[J]. 中国人口科学, 2012(2): 47-56.