减少碳排放

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇减少碳排放范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

减少碳排放范文第1篇

2、生活中，一方面要鼓励采取低碳的生活方式，减少碳排放；另一方面是通过一定碳抵消措施，来达到平衡。种树就是“碳中和”的一种方式，需种植的树木数（棵）等于二氧化碳排放量（千克）除以18.3。

3、衣，随季节更替，穿着适宜的应季服装可以减少空调的使用。选择环保面料并减少洗涤、选择手洗、减少服装的购买。

4、食，购买本地、季节性食品，减少食物加工过程，可以减少二氧化碳的排放。使用少油少盐少加工的烹饪方法，健康的不仅是自己，还有地球。

5、住，居住面积不必求大，理智选择适合户型。因为住房面积减少可以降低水电的用量，这在无形之中减少了二氧化碳的排放量。

6、行，选择合适的汽车车型，多乘坐公共交通工具。汽车是二氧化碳的排放大户，应尽量选择低油耗、更环保的汽车。

7、用，洗菜水洗澡水循环利用、每间房只装节能灯、不吃口香糖、使用时尚的环保袋、双面打印、不使用一次性餐具，尽量购买包装简单的产品，既减少生产中消耗的能量，也减少了垃圾。

8、使用洗衣机时，同样长的洗涤周期，“柔化”模式比“标准”模式叶轮换向次数多，电机启动电流是额定电流的5至7倍，“标准洗”更省电；

9、如果每个汽车司机都注意给轮胎及时适当充气，车辆能效就能提高6%，每辆车每年就可以减少90千克二氧化碳排放量；

10、用微波炉加工食品时，最好在食品上加层无毒塑料膜或盖上盖子，这样被加工食品水分不易蒸发，食品味道好又省电。

减少碳排放范文第2篇

关键词：碳排放量；环境教育；农村社区；低碳行为

作者简介：路遥（1978-），云南农业大学经济管理学院讲师，研究方向：农村发展、环境教育；

孙艺嘉（1983-），云南农业大学经济管理学院助教，研究方向：环境会计。

中图分类号：G633 文献标识码：A doi：10.3969/j.issn.1672-3309（x）.2013.03.49 文章编号：1672-3309（2013）03-117-03

一、项目背景与实验设计

（一）国际趋势推动国家承诺

2009年哥本哈根世界气候大会的召开，促使各国纷纷推出了自己的减排计划。美国承诺到2020年温室气体排放量在2005年的基础上减少17%；印度承诺在2020年前将其单位国内生产总值二氧化碳排放量在2005年的基础上削减20%至25%；中国承诺到2020年单位国内生产总值二氧化碳排放比2005年下降40%至45%。

（二）行为指导促进个体参与

“碳足迹”来源于一个英语单词“Carbon Footprint”，意指以二氧化碳为主的温室气体的排放，它是个人或者团体的“碳耗用量”，是指一个人的能源意识和行为对自然界产生的影响[1]。由北京市林业碳汇工作办公室监制的个人碳足迹计算器，可以从个人生活中的衣食住行用等方面分别进行碳排放计算[2]。

计算碳足迹是评价温室气体排放的重要而有效的途径之一。碳足迹的运用，将碳足迹衡量的范畴进一步扩展到其他温室气体，即碳足迹是某一产品或服务系统在其全生命周期内的碳排放总量，包括个人、组织、部门等在某一活动过程中直接和间接地碳排放总量[3]。如今，各大网站都有碳足迹计算器的介绍应用。

碳足迹的计算有两种方法：第一种，利用生命周期评估法；第二种是通过所使用的能源矿物燃料排放量计算。考虑到在校大学生对于计算方法的理解简易程度以及和周边社区大众对概念的接受程度，项目采用后者进行碳排放量的计算[4]。

（三）实验设计结合环境教育

项目旨在通过在校大学生的同伴教育，进行关于低碳行为的知识传播与行为干预，自发产生减少碳排放量，并对大学周边的农村社区家庭进行环境教育尝试。

图1 运用“碳足迹计算器”技术路线

项目首先对在校大学生进行了不同年级的目标群体差异性和共同特性的分析。具体说来，在校大学生各个年级所处的生活学习环境差异不大，大学一年级新生，统一住8人间，每天用电时间固定，个人购买电脑人数不多，生活和学习行为尚处于探索阶段，吃、行、用方面的行为尚不稳定；大学二年级至大学四年级三个年级学生住在4人间和6人间，每天用电量不固定（各个宿舍用电量分表有记录），大部分已经购买个人电脑，已形成一个相对稳定的生活学习圈子。项目预期大学一年级学生在涉及碳排放量的行为方面与其它年级学生相比有差异性。项目还预期，在校男、女学生群体在涉及碳排放量计算的行为中也会表现出一定的差异性。

项目分宿舍类型、性别，随机选取共8间宿舍（其中4间为干预组；4间为对照组）的在校大学生作为项目的实验对象，对宿舍成员个体的碳排放数据，连续两周进行记录，统计每周的碳排放量水平，乘以52，得出个人平均年碳排放量。

个人年均碳排放量表示为：

52∑（x1y1+x2y2+x3y3+x4y4+x5y5）+∑（a1b1+a2b2+a3b3+…+an-1bn-1+anbn）+cd

其中，x分别代表食物、肉类、一次性纸碗、烟（包）、公交里程等的一周使用量；Y分别为其所对应的碳排放量的系数；a分别代表除以上几项以外的其它碳排量统计项；b分别为其所对应的碳排放量的系数；c表示每周用电量；d表示每耗1度电其碳排放的系数。

在周边农村社区实施过程中，项目成员尝试计算以家庭为单位的碳排放量的同时，更注重对社区大众的环保宣传和教育。

二、校园“碳足迹计算器”运用与创新

（一）计算公式的跟进运用

碳足迹计算器统计时间是以年为单位，统计内容包括衣、食、住、行、用五大板块，在这些板块下又包括若干方面。项目将“食”板块和“用”板块中的塑料袋、一次性碗筷、“行”板块中的公交车方面按天进行统计，统计时间为一周；耗电量则按周统计；其它则按年分项统计，最后，将不按年统计的内容折算成人均一年的碳排放量，再计算分析结果。

人均每周碳排量表示为：∑（x1y1+x2y2+x3y3+x4y4+x5y5）+cd

根据对统计数据的分析整理，形成了“大学生宿舍低碳行为建议”，在全校范围进行宣传推广；在周边农村社区，通过对家庭的碳排放跟踪调查，形成“城郊结合部家庭低碳生活行为建议”；在周边社区小学，项目团队通过与小学生的游戏、图画、日记等形式进行低碳环保教育。

（二）校园宿舍的对比实验

记录第1周结束时，项目组与干预组学生进行小组讨论，明确可以降低碳排放的行为，分发环保宣传册，指导学生从生活学习行为的点滴着手降低碳排放量，并以每节省1Kg碳排放量给予10元奖励以期干预组学生的行为有所改变。

对照组则不采取任何干预措施，仍旧按其原来行为进行数据统计。

表1 校园宿舍利用“个人碳足迹计算器”记录 （单位：Kg）

到记录第2周结束时，项目组发现干预组和对照组在个人碳排放量的数据上有明显差别。

数据显示干预组大学一年级男生个人平均减少1.2KG碳排放，其它年级男生个人平均减少1.48KG碳排放；干预组大学一年级女生个人平均减少1.13KG碳排放，其它年级女生个人平均减少1.04KG碳排放；对照组则个人平均减少0.56KG、0.17KG、0.14KG和0.65KG。

（三）实验发现及原因分析

通过两周的记录、干预和分析，项目组在校园宿舍的实验有以下几个有趣的发现：（1）干预组碳排放水平降低幅度大于对照组下降幅度；（2）同年级男生碳排放量水平低于女生碳排放水平；（3）在校大学生的个人年均碳排放量比中国人均碳排放水平低。

干预组和对照组人均碳排放量都有降低，干预组下降幅度明显高于实验组。干预组人均下降幅度都接近1Kg左右且人年均可减少约60Kg碳排放量，说明干预措施是比较有效的。

对照组下降的排放量有可能来自其它渠道的影响效果，如大众媒体、学校教育和同伴影响等；也不排除在记录期间宿舍的断电停水等外力因素。

男生群体中，低年级同学其碳排放量水平比高年级人均碳排放量少。而通过采取干预措施后，高年级男生人均碳排放量降低幅度接近其一周碳排放量水平的1/8，一年可减少约77Kg的碳排放总量。另外，低年级男生碳排放量下降幅度比同年级女生降低幅度稍大。女生群体中，低年级同学其碳排放量水平较高年级人均碳排放量少。而通过干预措施后，高年级同学人均碳排放量降低幅度比低年级同学少0.1Kg，年均可减少近55Kg的碳排放量。

究其原因，项目组认为对干预组进行小组讨论、分发宣传册、给予经济刺激等手段有利于学生认知、熟悉低碳相关知识，并养成低碳行为习惯。根据宿舍统计数据显现，女性在衣物及日常个人用品上的消耗使得其碳排放量远远高于男性。而在校大学生的集体生活使得其在能源消耗量上大大低于小单位生活的个人或家庭。

三、周边农村社区的干预活动

（一）样本农村社区调查发现

调查发现样本社区L村居民在碳排放行为方面主要有以下表现：（1）家庭塑料袋消耗量在平均每天3-5个；（2）耗电量较大的家庭，其碳排放量也相应较高；（3）拥有私车的家庭，其年均碳排放量较没有私车的家庭高；（4）家庭人均年食用肉类量大，甚至出现有家庭年食用肉类量大于家庭食用粮食量；（5）L村居民人均碳排放量低于中国平均水平，也低于发展中国家人均水平。

项目组分析L村居民的碳排放量较少的原因有：所在地昆明四季平均温度适中，即使在冬季也不必采取特殊取暖措施，节省了能源消耗；昆明有丰富的太阳能资源，L村每家都安装了太阳能，这一替代能源更是减少了碳排放量；另外，在碳足迹计算器中，家庭装修会产生较大碳排放量，L村是一个老社区，在计算时也就少了因装修而产生的碳排放量。

（二）社区调查推动知识普及

项目组与L村管理环境与教育的负责人协商后，以小学生所在家庭为核心，对社区家庭进行个人年均碳排放量调查。同时，在附近农贸市场，通过展板宣讲、分发环保袋等方式，由针对性地对社区居民进行环保教育宣传。

四、问题与启示

在运用过程中，项目组发现“碳足迹计算器”在统计时的问题，比如生活中的鞋、袜、帽等用品跟“购买衣服件数”内容接近，但如何准确计算成为问题；另外，按照一年为单位计算个人年均碳排放量水平，时间周期较长，在统计执行时可能会造成记录误差。

“碳足迹计算器”是对碳排放的一种量化手段，能够对个人年均碳排放量进行统计，能让大众对碳排放量有更深的认识；使低碳生活理念深入人心；更能够指导改变行为。对于个人，鼓励建立个人和家庭碳排放量数据库，从身边小事做起降低碳排放量。

参考文献：

[1] 陈靓、姜淑娟.了解低碳从词汇开始[N].深圳晚报，2010-05-07.

[2] 个人碳足迹计算器[ED/OL].2013-02-27.http：///zt/2009/chooseearth/tanzuji.htm

[3] 耿涌、董会娟、郗凤明、刘竹.应对气候变化的碳足迹研究综述[J]. 中国人口-资源与环境，2010，（10）.

减少碳排放范文第3篇

关键词：林业；低碳经济；森林碳汇

中图分类号：F316.12

文献标识码：A

文章编号：1673-5919（2012）03-0053-03

控制和减少温室气体的排放，发展低碳经济，是全世界控制气候变化的战略选择。而在应对气候变化中，林业具有特殊作用。发展低碳经济，不仅要重视节能减排，还要重视碳汇的作用。因此，要发展低碳经济，就要求在最大限度减少碳排放的同时，必须重视发挥林业的碳汇作用[1]。

1　林业是发展低碳经济的有效途径

林业是减排二氧化碳的重要手段。部分研究认为，林业减排是减排二氧化碳的重要手段。首先，通过抑制毁林、森林退化可以减少碳排放；其次，通过林产品替代其他原材料以及化石能源，可以减少生产其他原材料过程中产生的二氧化碳，可以减少燃烧化石能源过程中释放的二氧化碳[2]。

1.1　毁林、森林退化与碳排放

近年来，大部分的毁林活动都是由人类直接引发的，大片的林地转变成非林地，主要活动包括大面积商业采伐以及扩建居住区、农用地开垦、发展牧业、砍伐森林开采矿藏、修建水坝、道路、水库等[3]。

在毁林过程中，部分木材被加工成了木制品，由于部分木制品是长期使用的，因此，可以长期保持碳贮存，但是，原本的森林中贮存了大量的森林生物量，由于毁林，这些森林生物量中的碳迅速的排放到大气中，另外，森林土壤中含有大量的土壤有机碳，毁林引起的土地利用变化也引起了这部分碳的大量释放。因此，毁林是二氧化碳排放的重要源头。

毁林已经成为能源部门之后的第二大来源，根据 IPCC 的估计，从19世纪中期到20世纪初，全世界由于毁林引起的碳排放一直在增加，19世纪中期，碳排放是年均3亿t，在20世纪50年代初是年均10亿t，本世纪初，则是年均23亿t，大概占全球温室气体源排放总量的17%。因此，IPCC认为，减少毁林是短期内减排二氧化碳的重要手段。

1.2　林木产品、林木生物质能源与碳减排

①大部分研究认为，应将林产品碳储量纳入国家温室气体清单报告，主要理由是林产品是一个碳库，伐后林产品是其中一个重要构成部分[4]。

通过以下手段，可以减缓林产品中贮存的碳向大气中排放：大量使用林产品，提高木材利用率，扩大林产品碳储量，延长木质林产品使用寿命等。另外，也可以采用其他有效的手段来减缓碳的排放，降低林产品的碳排放速率，如合理填埋处置废弃木产品等方式，这样，甚至可以让部分废弃木产品实现长期固碳。在森林生态系统和大气之间的碳平衡方面，林产品的异地储碳发挥了很大的作用。

②贾治邦认为，大量使用工业产品产生了大量的碳排放，如果用林业产品代替工业产品，如减少能源密集型材料的使用，大量使用的耐用木质林产品就可以减少碳排放。秦建华等也从碳循环的角度分析了林产品固碳的重要性，林产品减少了因生产钢材等原材料所产生的二氧化碳排放，又延长了本身所固定的二氧化碳[5]。

③以林产品替代化石能源，也可以减少因化石能源的燃烧产生的二氧化碳排放。例如，木材可以作为燃料，木材加工和森林采伐过程中也会有很多的木质剩余物，这些都可以收集起来用以替代化石燃料，从而减少碳的排放；另外，林木生物质能源也可以替代化石燃料，减少碳的排放。

根据IPCC 的预计，2000—2050 年，全球用生物质能源代替的化石能源可达20~73GtC[6]。相震认为，虽然通过分解作用，部分林产品中所含的碳最终重新排放到大气中，但因为林业资源可以再生，在再生过程中，可以吸收二氧化碳，而生产工业产品时，由于需要燃烧化石燃料，由此排放大量的二氧化碳，所以，使用林产品最终降低了工业产品在生产过程中，石化燃料燃烧产生的净碳排放[7]。林产品通过以下两个方面降低碳排放量：一是异地碳储燃料，二是碳替代。这两方面可以保持、增加林产品碳贮存并可以长期固定二氧化碳，因此，起到了间接减排二氧化碳的作用。

从以上分析可知，林业是碳源，因此在直接减排上将起到重大作用；林业可以起到碳贮存与碳替代的作用，可以间接减排二氧化碳。因此，林业是减排二氧化碳的重要手段。

有些研究认为林业在直接减排二氧化碳方面的作用不大。这是基于较长的时间跨度来考察的，认为林业并不是二氧化碳减排的最重要手段，工业减排是发展低碳经济的长久之计；但是从短时间尺度来考察，又由于CDM项目的实施，林业是目前中国碳减排的一个重要的不可或缺的手段。

2　森林碳汇在发展低碳经济中发挥的作用巨大

绝大部分的研究认为，林业是增加碳汇的主要手段。谢高地认为，中国的国民经济体系和人类生活水平都是以大量化石能源消耗和大量二氧化碳排放为基础。虽然不同地区、不同行业单位GDP碳排放量有所差别，但都必须依赖碳排放以求发展。这种依赖是长期发展形成的，是不可避免的，我国现有的技术体系还没有突破性的进展，在这之前要突破这种高度依赖性非常困难，实行减排政策势必会影响现有经济体系的正常运行，降低人们的生活水平，也会产生相应的经济发展成本[8]。谢本山也认为，中国还处于城镇化和工业发展的阶段，需要大量的资金和先进的技术才能使这种以化石能源为主要能源的局面有所改变，而且需要很长的周期，目前的条件下，想要实现总体低碳仍然存在较大的困难。与工业减排相比，通过林业固碳，成本低、投资少、综合收益大，在经济上更具有可行性，在现实上也更具备选择性[9]。

从碳循环的角度上讲，陶波，葛全胜，李克让，邵雪梅等认为，地球上主要有大气碳库、海洋碳库、陆地生态系统碳库和岩石圈碳库四大碳库，其中，在研究碳循环时，可以将岩石圈碳库当做静止不动的，主要原因是，尽管岩石圈碳库是最大的碳库，但碳在其中周转一次需要百万年以上，周转时间极长。海洋碳库的周转周期也比较长，平均为千年尺度，是除岩石碳库以外最大的碳库，因此二者对于大气碳库的影响都比较小。陆地生态系统碳库主要由植被和土壤两个分碳库组成，内部组成很复杂，是受人类活动影响最大的碳库[10]。

从全球不同植被类型的碳蓄积情况来看，森林地区是陆地生态系统的碳蓄积的主要发生地。森林生态系统在碳循环过程中起着十分重要的作用，森林生态系统蓄积了陆地大概80％的碳，森林土地也贮藏了大概40％的碳，由此可见，林业是增加碳汇的主要手段。

聂道平等在《全球碳循环与森林关系的研究》中指明，在自然状态下，森林通过光合作用吸收二氧化碳，固定于林木生物量中，同时以根生物量和枯落物碎屑形式补充土壤的碳量[11]。在同化二氧化碳的同时，通过林木呼吸和枯落物分解，又将二氧化碳排放到大气中，同时，由于木质部分也会在一定的时间后腐烂或被烧掉，因此，其中固定的碳最终也会以二氧化碳的形式回到大气中。所以，从很长的时间尺度(约100年)来看，森林对大气二氧化碳浓度变化的作用，其影响是很小的。但是由于单位森林面积中的碳储量很大，林下土壤中的碳储量更大，所以从短时间尺度来看，主要是由人类干扰产生的森林变化就有可能引起大气二氧化碳浓度大的波动。

根据国家发改委2007年的估算，从1980—2005年，中国造林活动累计净吸收二氧化碳30.6

亿t，森林管理累计净吸收二氧化碳16.2亿t。李育材

研究表明， 2004 年中国森林净吸收二氧化碳约5

亿t，相当于当年工业排放的二氧化碳量的8%。 还有方精云等专家认为，在1981—2000年间，中国的陆地植被主要以森林为主体，森林碳汇大约抵消了中国同期工业二氧化碳排放量的14.6%~16.1%。由此可见，林业在吸收二氧化碳方面具有举足轻重的作用。

3　发展森林碳汇的难点

通过以上分析可以看出，通过林业减排与增加碳汇是切实可行的，减少二氧化碳的排放量、增加大气中二氧化碳的排放空间是发展低碳经济关键所在。然而，森林碳汇在发展低碳经济中也受到相关规定的限制。

在《联合国气候变化框架公约》及《京都议定书》中，都有关于“清洁发展机制(CDM)”和碳贸易市场的叙述，其中明确规定开发森林碳汇项目及进行碳贸易须要符合以下规则：

①在《京都议定书》中明确规定，开发森林碳汇的土地，必须是从项目基准年开始，过去五十年内没有森林，《京都议定书》也规定，如果是再造林项目，所用的土地必须是从1989年12月31日至项目开发那一年不是森林，但是在此之前可以有森林[12]。

②进行交易的碳信用额必须是新产生的，不可以是现存的碳汇量。

③自身可以完成减排指标的，不可以利用清洁发展机制；可以使用清洁发展机制的国家，与其合作的发展中国家的企业，也需要将符合规定的碳减排量申报，并获得联合国相关部门认可后，才能出售给发达国家的企业。

④减少毁林和优化森林管理产生的森林碳汇并没有纳入清洁发展机制；另外，只有造林再造林项目产生的森林碳汇被纳入到清洁发展机制，森林碳汇项目的种类很单一，而且有关的申报、认证等程序非常复杂。

通过以上分析，可以得出以下结论，林业对于发展低碳经济具有不可替代的作用。尽管也受到很多方面的制约，但其未来的快速发展趋势是必然的。因此必须加强森林经营、提高森林质量，促进碳吸收和固碳；保护森林控制森林火灾和病虫害，减少林地的征占用，减少碳排放；大力发展经济林特别是木本粮油包括生物质能源林；使用木质林产品，延长其使用寿命，最大限度的固定二氧化碳；保护湿地和林地土壤，减少碳排放。

参考文献：

[1] 张秋根.林业低碳经济探讨[J].气候变化与低碳经济,林业经济,2010(3):36-38.

[2] 王春峰.低碳经济下的林业选择[J].世界环境,2008(2):37-39.

[3] 林德荣,李智勇.减少毁林和森林退化引起的排放:一个综述视角的分析[J].世界林业研究,2010(2):1-4.

[4]文冰.基于低碳经济的林分质量改造分析[A].低碳经济与林业发展论—中国林业学术论坛·第6辑 , 2009:179-186.

[5]贾治邦.全面发展林业,助推低碳经济发展[J].高端论坛2010(3):18-19.

[6] 魏远竹.产业结构调整与林业经济增长方式转变[J]北京林业大学学报,2001(1):72-75.

[7]相震.碳减排问题刍议[J].环境科技,2009(2):1-10.

[8]谢高地.碳汇价值的形成与和平价[J].自然资源学报,2011,26(1):1-10.

[9]谢本山.森林碳汇在低碳经济中的作用[J].现代农业科技2010(23):205-206.

[10]陶波,葛全胜.陆地生态系统碳循环研究进展[J].地理研究,2011(5):142-157.

减少碳排放范文第4篇

1林业是发展低碳经济的有效途径

林业是减排二氧化碳的重要手段。部分研究认为，林业减排是减排二氧化碳的重要手段。首先，通过抑制毁林、森林退化可以减少碳排放；其次，通过林产品替代其他原材料以及化石能源，可以减少生产其他原材料过程中产生的二氧化碳，可以减少燃烧化石能源过程中释放的二氧化碳[2]。

1.1毁林、森林退化与碳排放近年来，大部分的毁林活动都是由人类直接引发的，大片的林地转变成非林地，主要活动包括大面积商业采伐以及扩建居住区、农用地开垦、发展牧业、砍伐森林开采矿藏、修建水坝、道路、水库等[3]。在毁林过程中，部分木材被加工成了木制品，由于部分木制品是长期使用的，因此，可以长期保持碳贮存，但是，原本的森林中贮存了大量的森林生物量，由于毁林，这些森林生物量中的碳迅速的排放到大气中，另外，森林土壤中含有大量的土壤有机碳，毁林引起的土地利用变化也引起了这部分碳的大量释放。因此，毁林是二氧化碳排放的重要源头。毁林已经成为能源部门之后的第二大来源，根据IPCC的估计，从19世纪中期到20世纪初，全世界由于毁林引起的碳排放一直在增加，19世纪中期，碳排放是年均3亿t，在20世纪50年代初是年均10亿t，本世纪初，则是年均23亿t，大概占全球温室气体源排放总量的17%。因此，IPCC认为，减少毁林是短期内减排二氧化碳的重要手段。

1.2林木产品、林木生物质能源与碳减排①大部分研究认为，应将林产品碳储量纳入国家温室气体清单报告，主要理由是林产品是一个碳库，伐后林产品是其中一个重要构成部分[4]。通过以下手段，可以减缓林产品中贮存的碳向大气中排放：大量使用林产品，提高木材利用率，扩大林产品碳储量，延长木质林产品使用寿命等。另外，也可以采用其他有效的手段来减缓碳的排放，降低林产品的碳排放速率，如合理填埋处置废弃木产品等方式，这样，甚至可以让部分废弃木产品实现长期固碳。在森林生态系统和大气之间的碳平衡方面，林产品的异地储碳发挥了很大的作用。②贾治邦认为，大量使用工业产品产生了大量的碳排放，如果用林业产品代替工业产品，如减少能源密集型材料的使用，大量使用的耐用木质林产品就可以减少碳排放。秦建华等也从碳循环的角度分析了林产品固碳的重要性，林产品减少了因生产钢材等原材料所产生的二氧化碳排放，又延长了本身所固定的二氧化碳[5]。③以林产品替代化石能源，也可以减少因化石能源的燃烧产生的二氧化碳排放。例如，木材可以作为燃料，木材加工和森林采伐过程中也会有很多的木质剩余物，这些都可以收集起来用以替代化石燃料，从而减少碳的排放；另外，林木生物质能源也可以替代化石燃料，减少碳的排放。根据IPCC的预计，2000—2050年，全球用生物质能源代替的化石能源可达20~73GtC[6]。相震认为，虽然通过分解作用，部分林产品中所含的碳最终重新排放到大气中，但因为林业资源可以再生，在再生过程中，可以吸收二氧化碳，而生产工业产品时，由于需要燃烧化石燃料，由此排放大量的二氧化碳，所以，使用林产品最终降低了工业产品在生产过程中，石化燃料燃烧产生的净碳排放[7]。林产品通过以下两个方面降低碳排放量：一是异地碳储燃料，二是碳替代。这两方面可以保持、增加林产品碳贮存并可以长期固定二氧化碳，因此，起到了间接减排二氧化碳的作用。从以上分析可知，林业是碳源，因此在直接减排上将起到重大作用；林业可以起到碳贮存与碳替代的作用，可以间接减排二氧化碳。因此，林业是减排二氧化碳的重要手段。有些研究认为林业在直接减排二氧化碳方面的作用不大。这是基于较长的时间跨度来考察的，认为林业并不是二氧化碳减排的最重要手段，工业减排是发展低碳经济的长久之计；但是从短时间尺度来考察，又由于CDM项目的实施，林业是目前中国碳减排的一个重要的不可或缺的手段。

2森林碳汇在发展低碳经济中发挥的作用巨大

绝大部分的研究认为，林业是增加碳汇的主要手段。谢高地认为，中国的国民经济体系和人类生活水平都是以大量化石能源消耗和大量二氧化碳排放为基础。虽然不同地区、不同行业单位GDP碳排放量有所差别，但都必须依赖碳排放以求发展。这种依赖是长期发展形成的，是不可避免的，我国现有的技术体系还没有突破性的进展，在这之前要突破这种高度依赖性非常困难，实行减排政策势必会影响现有经济体系的正常运行，降低人们的生活水平，也会产生相应的经济发展成本[8]。谢本山也认为，中国还处于城镇化和工业发展的阶段，需要大量的资金和先进的技术才能使这种以化石能源为主要能源的局面有所改变，而且需要很长的周期，目前的条件下，想要实现总体低碳仍然存在较大的困难。与工业减排相比，通过林业固碳，成本低、投资少、综合收益大，在经济上更具有可行性，在现实上也更具备选择性[9]。从碳循环的角度上讲，陶波，葛全胜，李克让，邵雪梅等认为，地球上主要有大气碳库、海洋碳库、陆地生态系统碳库和岩石圈碳库四大碳库，其中，在研究碳循环时，可以将岩石圈碳库当做静止不动的，主要原因是，尽管岩石圈碳库是最大的碳库，但碳在其中周转一次需要百万年以上，周转时间极长。海洋碳库的周转周期也比较长，平均为千年尺度，是除岩石碳库以外最大的碳库，因此二者对于大气碳库的影响都比较小。陆地生态系统碳库主要由植被和土壤两个分碳库组成，内部组成很复杂，是受人类活动影响最大的碳库[10]。从全球不同植被类型的碳蓄积情况来看，森林地区是陆地生态系统的碳蓄积的主要发生地。森林生态系统在碳循环过程中起着十分重要的作用，森林生态系统蓄积了陆地大概80％的碳，森林土地也贮藏了大概40％的碳，由此可见，林业是增加碳汇的主要手段。聂道平等在《全球碳循环与森林关系的研究》中指明，在自然状态下，森林通过光合作用吸收二氧化碳，固定于林木生物量中，同时以根生物量和枯落物碎屑形式补充土壤的碳量[11]。在同化二氧化碳的同时，通过林木呼吸和枯落物分解，又将二氧化碳排放到大气中，同时，由于木质部分也会在一定的时间后腐烂或被烧掉，因此，其中固定的碳最终也会以二氧化碳的形式回到大气中。所以，从很长的时间尺度(约100年)来看，森林对大气二氧化碳浓度变化的作用，其影响是很小的。但是由于单位森林面积中的碳储量很大，林下土壤中的碳储量更大，所以从短时间尺度来看，主要是由人类干扰产生的森林变化就有可能引起大气二氧化碳浓度大的波动。根据国家发改委2007年的估算，从1980—2005年，中国造林活动累计净吸收二氧化碳30.6亿t，森林管理累计净吸收二氧化碳16.2亿t。李育材研究表明，2004年中国森林净吸收二氧化碳约5亿t，相当于当年工业排放的二氧化碳量的8%。还有方精云等专家认为，在1981—2000年间，中国的陆地植被主要以森林为主体，森林碳汇大约抵消了中国同期工业二氧化碳排放量的14.6%~16.1%。由此可见，林业在吸收二氧化碳方面具有举足轻重的作用。

3发展森林碳汇的难点

减少碳排放范文第5篇

关键词：碳排放；欧盟；能源结构；情景分析

中图分类号：F205 文献标识码：A DOI：10.3969/j.issn.1004-9479.2013.03.003

1 引言

减缓气候变化、防止全球变暖已成为国际社会的共识，各国应该分别承担多少碳减排的义务，成为争论的焦点。2009年的哥本哈根会议上，欧盟承诺碳排放将在1990年的基础上削减80-95%[1]，2011年12月15日欧委会“2050能源路线图”，并为实现到2050年碳排放量比1990年下降80%至95%这一目标的设置了具体路径。同时，在2012年的《京都议定书》第一阶段到期后，欧盟愿意继续签署第二阶段承诺期。这些举动都表明了欧盟在应对气候变化行动中要实行减排的坚定立场。然而，碳减排并不只是个口号，为了实现这个目标需要切实预测欧洲未来的碳排放。学者们不断推出一些关于碳排放量的预测模型，例如Salvador等采用Lotker Volterra（生态数学模型）对人口、GDP、能源消费与碳排放量对世界进行预测[4]。Thomas 等根据贝叶斯估计得到欧盟人均碳排放将会收敛到某一点上[5]。通过这些分析，可以得到未来碳排放需求。Emmanouil等通过对希腊1977-2007年时间序列数据做多变量协整检验和格兰杰因果检验，结果发现能源消费与GDP间存在因果关系，收入与能源消费存在双向因果关系，能源消费对经济增长具有很大的限制[2]。实际上，能源消费作为造成碳排放的主要成因，同时也是一个国家社会经济发展的动力和基础，碳减排过大，可能刺激经济危机的发生，在欧洲还没有完全走出经济危机的阴影下，必须承认碳减排一个牵涉到经济、能源、人口、环境等方方面面的综合性问题，未来碳减排的可能性必须在经济增长约束下进行。这就提出一个问题，欧盟需要多少碳排放，能否达到2050年减排80%-95%的目标。

本文认为，碳排放是一种经济需求，在人类努力防范经济危机的约束下，碳排放需求将沿着经济的平稳增长轨道波动。因此我们将求出经济平稳增长趋势，结合技术进步带来的能源强度降低，从而求出能源需求增长趋势。而这样的碳排放需求经济动力学模型已经被建立起来[6，7]，我们可以对欧盟经济在平稳增长轨道上的未来碳排放量进行估算。我们假定欧洲的经济增长是保持在最优平稳增长轨道上的，这是因为最优平稳增长是经济增长的一种期望，经济系统总是选择这一轨道作为自己的目标，以减少增长的不确定性，因此，这样获得的碳排放估算既是一种需求也是预测值的最可能估计。

在保障最优平稳增长条件下，社会必然会在特定的技术进步下表现出特定的碳排放需求。换言之，可以按照技术进步情况求出实际发生的碳排放。实际上在欧盟能源线路图中给出了可再生能源、能源利用效率、碳捕捉技术等应用的技术路线[8]，这些技术路线就规定了欧盟在最优平稳增长条件下的碳排放需求。因此，可以由最优平稳增长的碳排放需求结合碳减排目标对于欧盟各国的能源技术政策做出评估，这里可以利用的是监测欧盟新能源的方法[9]和碳排放技术的展望[10]的技术方法。由于经济增长是整体的，各个部门的增长情况相互依赖，相互影响，因此本文采用宏观经济动力学模型预测与评估欧盟碳减排的趋势。

2 模型方法与数据

2.1 研究方法

本文首先求出未来欧盟的平稳增长规律，其次估计在现在的技术发展趋势下能源强度和能源结构的变化，进而求出碳排放需求的未来发展趋势。为此引入朱永彬、王铮构建的经济动力学模型[6，7]，该模型首先求得经济平稳增长的条件下社会福利达到最大的所谓“黄金增长”路线，即最优平稳增长路线。通过计算得出欧盟的经济最优平稳增长率，继而对各年份的GDP、能源消费量以及碳排放量进行测算，最终测算出欧盟的碳排放需求趋势，从而对欧盟能否达到减排目标进行政策影响分析。具体计算流程图如图1所示。

在保持经济与人口平衡的平稳增长轨道上，拉姆齐（Ramsey）效用最大化时可以求出最优增长率：

式（1）是一动力学方程，确定了在保持经济平稳增长时，由能源强度确定的能使社会福利达到最大的增长率。“平稳”维持了经济增长与消费增长平衡，从而不会因为需求不足或需求过大引起经济危机。式中Lt为第t期的劳动力，θt为第t期的能源平均价格，n为人口增长率，ρ为时间偏好，σ为相对风险厌恶，δ为资本折旧系数，A0和ν为初始全要素生产水平及其增长率，α与γ为资本和劳动力的产出弹性，τt为第t期的能源强度，为能源投入Et与经济产出Yt的比，如式（2）所示：

以（1）式为基础，只需对能源强度的走势进行预测即可得到最优经济增长率，通过对历年的能源强度回归拟合，得到能源强度τt呈指数形式下降，如式（3）所示：

式中c0为常数，可看作t取0时期初的能源强度，β>0为能源强度下降速度。当用经验数据拟合，如果对应的对数线性回归关系通过相关经验，可以认为模型（3）可靠。实现加大技术进步的政策，将导致β变大，能源强度下降速度变快。碳排放量的计算依据为：

其中C（t）、E（t）分别代表第t期的碳排放量、能源消费量，si（t）表示第t年分品种能源i的消费比例，即能源结构比例。实行能源结构投资政策，si将发生变化。ci表示分品种能源的碳排放系数，这是一个与能源品种有关的技术参数，可以视为常数。

在没有特殊政策作用下，考虑能源结构将发生自然演替[7]，取第t期能源结构S（t）演化满足马尔可夫模型，如式（5）所示：

式中，S（t）=（S1，S2，S3，S4）表示第t期第i种能源在总能源消费结构中占的比例，S1，S2，S3，S4分别为煤炭占比，石油占比，天然气占比，非碳能源占比。S（t0）为S（t）期初值。转移矩阵P可表示为：

式中，Pij表示能源的消耗比例向j能源转移的可能性。基本思路是：以转移矩阵中的元素为变量，以实际能源结构与通过转移矩阵得到的能源结构的误差最小为目标建立一个优化模型，寻找一个最优的转移矩阵，定义矩阵R为误差矩阵。优化的目标就是寻找一个转移矩阵使R中的元素值尽可能接近0。故建立优化模型（6），目标是求偏差极值最小。当然这个矩阵式自然演化的能源结构演化方程。

计算时，根据式（1）得出未来最优经济增长率，式（3）得出未来能源强度。根据式（2）得出未来的经济产出，再由式（4）得出未来每年的碳排放量。在分析中，需要估计生产函数。由于未来经济最优增长率的模拟式建立在CD生产函数之上的。其模型可取为：

因0

2.2 数据采集

根据1993年正式生效的《欧洲联盟条约》，欧盟成员国共计27国。因此，本文选取1994年至2009年27国数据。其中，人口数据、经济数据、能源数据分别来源于联合国网站、世界银行网站以及美国国际能源机构官网[13，14]。在模型中，能源消费单位统一为Mtoe（百万吨石油量），货币单位统一为亿美元，GDP，GCF换算成2000年不变可比价格。参数估计如表1所示。

3 基准情况

3.1 GDP增长

在上述模型下，可以求出最优平稳增长目标下，随着欧盟自然的技术进步趋势和能源结构趋势演变，预测得出欧盟未来的碳排放趋势，我们称之为基准情况。首先我们求出在最优平稳增长率条件下，GDP的增长情况，结果如图2所示。其中1994-2009为实际数据。

从图2可以看出，模拟出的欧盟经济增长率在2010年以后出现了减速。模拟得到欧盟经济要到2013年后才得以明显恢复，增长率也逐渐平稳， 2019年达到增长率高峰，尔后将缓慢下降，在最优平稳目标下经济持续增长。

3.2 能源强度拟合

能源强度根据式（3）指数拟合得到欧盟的能源强度下降速率β为0.016，数据长度为1994年～2009年，拟合度R2=0.9551，拟合程度好，说明模型可用。根据所得估计参数预测得到未来能源强度，如图3所示。能源强度这种趋势意味着欧盟具有碳减排的技术基础。

从图3中可以看出，欧盟的能源强度趋于稳定下降，能源强度下降速度1.6%/年，与同样是发达国家的美国2%相比稍慢。根据这一速度，欧盟的能源强度从1994的0.025Mtoe/亿美元下降到2050年的0.01Mtoe/亿美元，到2050年底的能源强度将是1994的40%，虽然欧盟期初值0.025Mtoe/亿美元与美国0.029Mtoe/亿美元相比要小，但根据刘晓等[15]预测得到美国2050年能源强度将是1994年的26.67%来看，欧盟能源的下降速度比较缓慢。

3.3 碳排放系数

假设分品种能源消费与对应的碳排放系数呈无截距项的线性回归，非碳能源消费不造成碳排放，即能得出每一单位分品种能源消费产生多少二氧化碳的一个对应关系。我们通过线性拟合得到的各分品种能源碳排放系数如表2所示，从表2中可以看出，对于各能源品种每单位产生的二氧化碳量来看，煤炭是产生二氧化碳最多的能源品种，几乎是天然气产生二氧化碳量的两倍，其次为石油。若想减少二氧化碳量的排放，对能源结构进行调整是必不可少的。

3.4 能源结构变化趋势

对于能源结构的变化，根据式（6），由1994-2009年的各能源消费百分比数据得到最优拟合转移矩阵：

根据转移矩阵及式（5）预测出至2050年欧盟的能源结构，如图4所示：

从历史数据来看，欧盟的能源结构在2007-2008年变化非常大。石油消费下降的速度达到21.15%/年，而非碳能源消费上升速度则达到了47.92%/年。根据历史数据得到的最可行能源结构转移图来看，预测到2050年，煤炭占比将从1994年的20.61%下降到10.43%，减少49.38%；石油占比从1994年的41.85%下降到21.12%，降幅近一半；而天然气的消费则从1994年19.57%的上升到38.48%；非碳能源从17.97%升到29.86%，占整个能源消费结构的近三分之一。但与欧盟制定的2050能源路线图[8]所预测的可再生能源在2050年占比55%以上、核能占比15%至18%还相去甚远。即非碳能源占比在欧盟制定的计划中应为70%-73%，换言之，欧盟还需要加大能源结构转变力度才能得到规划的目标。

3.5 碳排放趋势预测

根据式（7）及式（2）预测得到的欧盟GDP与能源强度，再由式（2）得出未来的能源消费需求量，进一步采用（8）给出的能源结构演变趋势，结果如图5所示。

图5显示，欧盟的能源消费需求高峰已过，高峰发生在2006年，能源消费为1967.83Mtoe。按这种趋势，能源消费量在2030年将比2005年下降10%，到2050年将比2005年下降18%。但与欧盟2050能源路线图制定的初级能源与2005年相比，即到2030年要下降16%-20%和到2050年要下降32%-41%的目标相比还有不小差距。

从碳排放量上来看，在能源结构的自然变化趋势下，欧盟的碳排放高峰也发生在2006年，根据算得的转移矩阵及碳排放系数预测的碳排放量，可以算出每年的减排速度小于1%。预测到2050年，碳排放量为775.61Mtc，比2006年的二氧化碳排放峰值减少33.93%；与1990年相比，减少了31.22%，这与欧盟提出的2050年将欧盟二氧化碳排放量在1990年的期初上减少80%-95%，相差甚远。由预测得出的碳排放量及人口、GDP数据，易得到欧盟基准情况下的人均碳排放量与碳排放强度，结果如图6所示：

从人均碳排放量来看，欧盟的人均需求排放高峰发生在2004年，峰值为2.40tC/人，已经小于《丹麦议案》中设定的发达国家人均碳排放限额2.67 tC/人。随后人均碳排放呈现一个近似指数形式的下降趋势，到2050年，人均碳排放量为1.52 tC/人，超过设定的发展中国家的1.44 tC/人的要求。对发展中国家而言，人均碳排放限额显得不公平。更重要的是，与《欧盟能源路线图》比较，《丹麦方案》排放量明显地背离了这个路线图。

3.6 小结

对欧盟碳排放基准情景的分析，作为一个成员国大多数为后工业化的国家联盟，欧盟的碳排放强度已呈现平稳下降的趋势，预测到2050年碳排放强度为0.48 tC/万美元，约为1994年的三分之一。在基准情景下，欧盟碳排放趋势若要大于《欧盟能源路线图》的指标，欧盟必须加大减排。

4 适应欧盟目标下的气候政策分析

根据历史数据，在式（1）下算出的最优经济增长率、能源消费量以及能源消费结构转移来看，欧盟制定的到2050年前削减温室气体排放80-95%的目标似乎难以做到。而欧债危机的出现让欧盟又产生了重振工业发展的念头，这对欧盟的减排也将会产生影响。关于欧盟是否能实现自己设定的目标，本文将欧委会提出的四种减排路径——提高能源利用效率、发展可再生能源、核能使用、碳捕捉与储存技术纳入政策分析，并将欧盟的制造业回归与再工业化作为减排不确定因素加以考虑。

根据欧盟2050能源路线图设定的路线[8]，到2050年，可再生能源将占全部能源需求的55%以上，初级能源将比2005年下降32%-41%，核能将占全部能源需求的15%-18%。在使用非碳燃料比例较高的情况下使用碳捕捉与储存技术，减少32%的碳排放；在另一些情况下减少19%至24%的碳排放。现根据此规划目标设置进行情景分析。

4.1 情景1——能源消费预期保持不变，能源结构加快调整

因根据最优经济增长速度已得出总能源消费量，并在该总能源消费下模拟情景。假定到2050年，欧盟实现可再生能源占全部能源需求的55%，核能占15%的要求，其他初级能源煤炭、石油、天然气的比例为1：4：5。则到2050年，煤炭、石油、天然气、非碳能源占比为：0.03：0.12：0.15：0.7。假设各分品种能源增长或下降按指数形式下降γ=coeβt，则可根据2008年期初值，2050年期末值算得增长或减少速度β。通过计算得出，煤炭占比的下降速度为3.95%/年，石油占比的下降速度为2.28%/年，天然气占比的下降速度为1.24%/年，非碳能源占比的上升速度为2.21%/年。在此情况下各分品种能源占比预测如表3所示，从中可以看出非碳能源占比在2020年为36.06%，若假设核能占欧盟全部能源比例15%-18%不变，则基本达到了欧盟设定的2020年目标——可再生能源占初级能源的20%。根据预测所得的分品种能源占比，算得最优能源百分比转移矩阵：

从转移矩阵看，要实现最低化石能源消费速度的下降和非碳能源消费的上升，能源结构需要做出以下的改变：下一期的煤炭占比、石油占比、天然气占比分别为上一期的96%、97.74%、98.76%。减少的部分全都转移至非碳能源，其中非化石能源为吸收态，一旦能源被转移至非化石能源就不会再转移至煤炭、石油、天然气能源。

在这个能源结构演化趋势下，由最优经济增长率算得的总能源消费，以及由碳排放系数计算得出二氧化碳排放量结果如表4所示，到2050年，虽然欧盟的能源消费比2005年下降17.70%，但与欧盟碳排放2050线路图设定的能源消费下降目标32%-41%相比还有较大差距。但以此分品种能源消费下降或上升速度，到2020年，碳排放量比1990年削减35.17%。到2050年，碳排放量比1990年减少70.88%。根据欧盟制定的碳排放路线图，在使用非化石燃料比例较高的情况下，使用碳捕捉及储存技术，能减少32%的碳排放。这样，到2050年实际碳排放量为223.3274MtC，较1990年减少80.20%。基本达到欧盟预定的减少80%～95%的要求。可见，对于欧盟减排能否实现2050预期的减排目标关键在于可再生能源占比例能否大幅提高。

4.2 情景2——能源结构按历史速度转移，能源利用效率提高

根据最优经济增长速度已得出预期的总能源消费量，若提高了能源利用效率，则原始的能源消费可以因此减少。根据欧盟2050年减排路线，到2050年，初级能源将在2005年的基础上下降32%-41%，并以此下降百分比考虑为对应的能源利用效率的提高。若不考虑优化的能源结构转移，则到2050年碳排放量为640.8545MtC至554.256MtC。这样即使使用碳捕捉及储存技术减少了32%的碳排放，但相比于1990年也只能够减少61.36%-66.47%，仍达不到比2005年减排80%-95%的目标。这就意味着，欧盟的气候政策，可再生能源的开发和能源结构的调整仍必不可少，或者要加强产业结构调整，降低高碳排放的产业产值，欧洲重新发展制造业的政策在气候保护意义上不可取，但是重新发展制造业又是经济发展的需要，因此对策是加强技术进步，提高能源效率。能源效率提高后，能源消费和碳排放量的模拟如表5所示。

4.3 情景3—能源利用效率提高与能源结构转移调整相结合的政策

在基本情景算得的最优经济增长率及GDP下，按欧盟承诺的在2050年最终可再生能源将占全部能源需求的55%以上，核能将占全部能源需求的15%-18%算得的转移矩阵与初级能源到比2005年下降32%-41%，使用碳捕捉技术减少19%至32%的碳排放的上下限，进行碳排放预测可得欧盟在这些情景下到2050年的减排的变化范围。欧盟2050年减排范围结果如图7所示，在保证经济最优增长的条件下，若要达到减排下限，欧盟能源消费下降速度应达到0.89%/年，煤炭、石油、天然气占比的下降速度分别要达到3.95%/年、2.28%/年、1.24%/年，非碳能源占比的上升速度为2.21%/年。若要达到减排上限，则能源消费下降速度应达1.23%/年，煤炭、石油、天然气的下降速度分别要达到4.20%/年、2.54%/年、1.50%/年，非碳能源占比的上升速度为2.31%/年。

5 讨论

金融危机后，一度受到冷落的制造业又重新受到欧盟的重视，欧盟委员会2009年发表的欧盟产业结构报告显示，工业和服务业是欧盟温室气体主要排放源，工业约占排放总量的60%，服务业约占排放总量的37%[16，17]。因此，欧盟制造业的回归，可能会造成达不到2050减排目标的可能性。

假设2050年，欧盟仍能达到比1990年减少80%的排放量，考虑CCS技术及能源结构转移优化目标，则，2050年，欧盟的能源消费应为1457.855Mtoe。能源强度为0.0090Mtoe/亿美元。因技术进步速度加大而引发能源强度下降速度加快，β应为1.77%。因此，作为气候保护的政策需要，欧盟若大力扶持制造业回归的同时，要达到减排目标，技术创新等必不可少。这对于欧盟制造业的发展来说也是一个巨大的考验。

6 结论

本文应用经济动力学模型，研究了欧盟保持经济平稳增长下的碳排放需求，以及各种减排政策的影响，并且将它们的结论与《欧盟能源路线图》[8]的减排目标做了模拟比较分析，可以得出以下结论：（1）以当前的技术进步速率，沿最优平稳经济增长路线，欧盟基准情况下的能源消费量到2050年为1613.402Mtoe，碳排放量为775.608MtC，人均碳排放量为1.52tC /人，碳排放强度为0.481tC /万美元。2050年的碳排放量为1990的31.22%，达不到欧盟自己设定的减排要求。（2）模拟发现，在最优经济增长速度得出总能源消费量的基础上，采用调整能源结构与碳捕捉技术的减排政策，预期可以达到设定的减排80%的任务。其每一期的煤炭占比、石油占比、天然气占比应分别有4%、2.26%、1.23%转移至非碳能源占比，非碳能源的上升速率应达到2.21%/年。（3）模拟还发现，以历史的能源结构转移趋势预测未来的能源结构占比，即使考虑能源利用效率和碳捕捉技术的减排政策，欧盟仍然达不到在2050年的减排目标。（4）考虑能源利用效率提高，能源结构加快调整的政策，将欧盟提出的四种减排路径上下限组合，可知到2050年欧盟的减排范围在80.51%-87.16%。这个目标可以满足国际上众多的减排方案，如Stern方案、Nordhaus方案和公平增长方案[18-20]。（5）若欧盟实施重振工业（特别是制造业），考虑欧盟制定的减排路径，欧盟仅仅能得到2050年比2005年而不是1990年减排80%的目标，因此仍存在着达不到减排预期的可能。

参考文献：

[1] European Commission. International climate policy post-Copenhagen： Acting now to reinvigorate global action on climate change， COM2010 （86） final[R]. Brussels：EU-Commission， 2010.

[2] Puliafito S .E， Puliafito .J.L，Grand M.C. Modeling population dynamics and economic growth as competing species： An application to CO2 global emissions[J].Ecological Economics .2008 .65：602-615.

[3] Jobert T， Karanfil F，Tykhonenko A. Convergence of per capita carbon dioxide emissions in the EU： Legend or reality[J]. Enegry Economics， 2010（32）： 1364-1373.

[4] Hatzigeorgiou E， Polatidis H， Haralambopoulos D. CO2 emissions， GDP and energy intensity： A multivariate ointegration and causality analysis for Greece， 1977–2007[J]. Applied Energy， 2011（88）： 1377-1385.

[5] Hatzigeorgiou E， Polatidis H， Haralambopoulos D. Energy CO2 Emissions for 1990–2020： A Decomposition Analysis for EU-25 and Greece[J]. Energy sources， 2010， Pan A（32）： 1908-1917.

[6] 王铮，朱永彬，刘昌新，等.最优增长路径下的中国碳排放估计[J].地理学报，2010，65（12）：1559-1568.

[7] 朱永彬，王铮，庞丽，等.基于经济模拟的中国能源消费与碳排放高峰预测[J].地理学报，2009，64（8）：935-944.

[8] David Basulto. Roadmap 2050： A Practical Guide to a Prosperous， Low-Carbon Europe[R]. Brussels： European Climate Foundation， 2010.

[9] Doukas H， Mannbart W， Patlitzianas .K.D etal. A methodology for validating the renewable energy data in EU[J]. Renewable Energy， 2007（32）： 1981-1998.

[10] Vatalis K， Laaksonen A， Charalampides G etal. Intermediate technologies towards low-carbon economy. The Greek zeolite CCS outlook into the EU commitments[J]. Renewable and Sustaninable Energy Reviews， 2012（16）： 3391-3400.

[11] Goldsmith Raymond W. A Perpetual Inventory of National Wealth[J]. Studies in Income and Wealth， 1951（14）： 5-74.

[12] 张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952-2000[J].经济研究，2004（10）：35-44.

[13] World Bank. Development Data Group. 2008 World Development Indicators Online[EB/OL]. Washington DC： The World Bank.

[14] International Energy Agency （IEA）. CO2 Emission from Fuel Combustion 2008[M]. Paris： OECD Publishing， 2008.

[15] 刘晓，朱永彬，彭永明，等.经济平稳增长下中美波排放趋势研究[J].资源科学，2012，34（5）：864-873.

[16] EU： DG Enterprise and Industry. EU industrial structure 2008 —performance and competitiveness[R]. Luxembourg： Office for Official Publications of the European Communities， 2009.

[17] European Commission. Manufacture —a vision for 2020 Assuring the future of manufacturing in Europe[R]. Luxembourg： Office for Official Publications of the European Communities， 2004.

[18] Stem N. Stem Review on the Economics of Climate Change： Report to the Prime Minister and the Chancellor of the Exchequer On the Economics of Climate Change[R]. London： CCCEP， 2006.