碳循环的定义

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篇碳循环的定义范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

碳循环的定义范文第1篇

一、生态系统的结构

1.生态系统定义：由生物群落与它的无机环境相互作用而形成的统一整体，最大的生态系统是生物圈(是指地球上的全部生物及其无机环境的总和)。

2.生态系统的结构包括生态系统的成分和营养结构(食物链和食物网)

3.生态系统的成分包括(1)非生物的物质和能量(无机环境);(2)生产者：自养生物，主要是绿色植物;(3)消费者：异养生物，绝大多数动物，(营腐生的动物是分解者);(4)分解者：异养生物，能将动植物尸体或粪便为食的生物(细菌、真菌、腐生生物)。注意：植物并非都是生产者，如菟丝子是寄生植物，它是消费者;动物也并非都是消费者，如蚯蚓是分解者;细菌也并非都是分解者，硝化细菌是生产者，寄生细菌是消费者。

4.食物链中只有生产者和消费者，其起点是生产者植物;第一营养级是生产者;初级消费者是植食性动物。

5.食物网：许多食物链彼此相互交错连接成的复杂营养结构，就是食物网。

二、生态系统的能量流动

1、定义：生态系统中能量的输入、传递、转化和散失的过程。

a、能量来源：太阳能。输入：通过生产者的光合作用，将光能转化成为化学能。输入生态系统总能量是生产者固定的太阳能总量。

b、传递途径：沿食物链、食物网，

c、散失：通过呼吸作用以热能形式散失的。

d、过程：能量来源 (上一营养级)，能量去向(呼吸作用、未利用、分解者分解作用、传给下一营养级)。

e、特点：单向流动、逐级递减(能量金字塔中底层为第一营养级，生产者能量最多 )，能量在相邻两个营养级间的传递效率：10%～20%(不可以提高也不可以降低)

2.研究能量流动的意义：

①可以帮助人们科学规划，设计人工生态系统，使能量得到最有效的利用

②可以帮助人们合理地调整生态系统中的能量流动关系，使能量持续高效地流向对人类最有益的部分。

三、生态系统的物质循环

1、定义：组成生物体的c、h、o、n、p、s等元素，都不断进行着从无机环境到生物群落，又从生物群落回到无机环境的循环过程。又称生物地球化学循环。

2、特点：具有全球性、循环性

3、举例：碳循环

①碳在无机环境中的存在形式：co2和碳酸盐

②碳在生物体中的存在形式：有机物 碳在生物之间的传递形式：有机物

③碳在无机环境与生物群落之间循环形式：co2

④碳从无机环境到生物群落的途径主要是光合作用(还有化能合成作用)，从生物群落回到无机环境的途径有呼吸作用、微生物的分解作用、化学燃料的燃烧。

四、生态系统的信息传递

1.信息种类

a.物理信息：通过物理过程传递的信息，如光、声、温度、湿度、磁力等可来源于无机环境，也可来自于生物。

b.化学信息：通过信息素传递的信息，如，植物产生的生物碱、有机酸;动物的性外激素

c.行为信息：通过动物的特殊行为传递信息的，对于同种或异种生物都可以传递。(孔雀开屏、蜜蜂跳舞、求偶炫耀)

2.范围：在种内、种间及生物与无机环境之间

3.信息传递作用：生命活动的正常进行离不开信息作用，生物种群的繁衍也离不开信息传递。信息还能调节生物的种间关系，以维持生态系统的稳定。

4.应用：a.提高农产品或畜产品的产量。如：模仿动物信息吸引昆虫传粉，光照使鸡多下蛋

b.对有害动物进行控制，生物防治害虫，用不同声音诱捕和驱赶动物

注：物质循环是在无机环境和生物之间，不能在生物与生物间循环。

5.能量流动与物质循环之间的异同

不同点：在物质循环中，物质是被循环利用的;能量在流经各个营养级时，是逐级递减的，而且是单向流动的，而不是循环流动

联系： ①两者同时进行，彼此相互依存，不可分割

②能量的固定、储存、转移、释放，都离不开物质的合成和分解等过程

③物质作为能量的载体，使能量沿着食物链(网)流动;能量作为动力，使物质能够不断地在生物群落和无机环境之间循环往返。

6.生态系统的基本功能：能量流动(生态系统的动力)、物质循环(生态系统的基础)和信息传递(决定能量流动和物质循环的方向和状态)。

五、生态系统的稳定性

1、生态系统稳定性的概念：生态系统所具有的保持或恢复自身结构和功能相对稳定的能力。包括抵抗力稳定性和恢复力稳定性。生态系统抵抗外界干扰并使自身结构与功能保持原状的能力，叫做抵抗力稳定性。生态系统在受到外界干扰因素的破坏后恢复到原状的能力，叫做抵抗力稳定性。

2、生态系统具有自我调节能力，而且自我调节能力是有限的。一般来说，生态系统中的组分越多，食物网越复杂，其自我调节能力就越强，抵抗力稳定性越高，恢复力稳定性越低。负反馈调节在生态系统中普遍存在，它是生态系统自我调节能力的基础。

3、提高生态系统稳定性的方法：

碳循环的定义范文第2篇

关键词： 甘肃省；草地NPP；CASA模型

中图分类号： S 812文献标识码： A

文章编号： 1009-5500（2012）04-0008-08

植被净初级生产力（NPP）是指植物在单位时间、单位面积由光合作用产生的有机物质总量中扣除自养呼吸后剩余部分[1，2]。NPP作为陆地碳循环的重要部分，不仅反映了植物群落在自然环境条件下的生产能力，而且是判定碳汇以及调节生态过程的主要因子[2]，开展NPP研究具有十分重要的意义[3，4]。因无法直接、全面的测量大区域或全球尺度的NPP，利用模型估算成为重要的手段[4，5]。如李秀芬等[6]采用光能利用率模型，反演了黑龙江省森林NPP，谷晓平等[7]利用大气-植被相互作用模型（AVIM2）模拟了西南地区植被净初级生产力[7]，朴世龙等[8]、陈福军等[9]分别应用CASA模型估算了中国陆地生态系统NPP，陈斌等[10]利用C-Fix模型估算了2003年中国生态系统NPP，并对其空间格局进行分析。

随着遥感技术发展，卫星数据模型已经成为评估陆地生态系统NPP最有力手段[11]。在众多模型中，基于遥感数据的光能利用率模型―CASA（Camegie-Ames-Stanford Approach）模型以资源平衡为理论基础，能较好地模拟区域尺度NPP的空间分布及变化，被广泛应用于各种尺度的NPP监测[12]。刘勇洪等[13]利用CASA模型估算了2007年华北植被NPP，并对其时空格局进行了分析。高清竹等[14]在应用CASA模型模拟藏北地区草地NPP时空变化时指出，其NPP呈有规律性的水平地带分布[14]。朱文泉等[15]基于CASA模型，并以2002年的中国内蒙古为例，研究了植被净初级生产力及其时空分布。

草地生态系统是我国最重要的陆地生态系统类型之一，在全球碳循环和气候调节中占据很重要的位置。开展草地NPP研究，可为合理开发、利用草地资源提供科学依据。陈斌等[10]基于CASA模型估测了内蒙古典型草原1982～2002年植被净初级生产力。李刚等[11]利用改进的CASA模型，计算了2003年内蒙古草地生长季的生产力。韦莉等[16]利用温度和地面水汽压差影响的遥感模型，估算了2003年黄土高原地区草地净初级生产力。王莺等[17]、杨东辉等[18]分别以CASA模型为基础，对甘南草地NPP进行遥感模拟。以上研究大多集中在内蒙古、东北、青藏高原、黄土高原、甘肃的甘南等地区或整个中国区域，对甘肃省草地NPP研究较少，笔者利用气象资料和卫星遥感数据，在CASA模型的基础上，修正了部分参数，估算了2005年甘肃省草地NPP并分析了其时空分布格局及影响因子。旨在为甘肃省草地资源的可持续发展利用、草地生态环境的改善和保护提供基础数据。

1 数据来源及研究方法

1.1 研究区概况

甘肃地处黄河上游黄土高原、内蒙古与青藏高原交汇地区，位于E 92°13′～108°46′，N 32°31′～42°57′，东西长为1 655 km，南北宽为530 km。面积约4.54×105km2，地形复杂狭长，由山地、高原、平川、河谷、沙漠、戈壁交错分布，地势自西南向东北倾斜。甘肃深居内陆，具有明显的温带大陆性季风气候。气候类型十分复杂，大致由陇南的北亚热带与暖温带湿润区，渐向陇中暖温带半湿润与温带半干旱区，河西温带、暖温带干旱区及祁连山地高寒半干旱、半湿润区，甘南高寒湿润区过渡。年均温在0～16 ℃，温差较大。年降水量在36.6～734.9 mm，从东南向西北递减，降水集中在6～8月。甘肃光能资源丰富，年日照时数1 700～3 300 h。全省无霜期在48～228 d[19]。甘肃省是草原资源大省，天然草原面积1 790万hm2，主要分布在青藏高原东部的甘南州、祁连山、阿尔金山山地及河西走廊和蒙甘宁西部的风沙沿线[20]。

1.2 数据来源及处理

1.2.1 NDVI数据 遥感数据为美国宇航局/中分辨率成像辐射计（NASA/MODIS）数据，来自于NASA对地观测系统数据共享平台（https：//wist.echo.nasa.gov/api/）。

使用2005年甘肃及周边地区1 km分辨率植被指数产品MOD13A3，下载的原始影像为HDF格式，应用MODISTOOL工具转换为Tif格式，在ArcGIS中对多幅影像进行拼接，利用甘肃省行政区域数据裁切、利用GIS平台中的（Resample）重采样为90 m×90 m分辨率的NDVI数据。将投影系统定义为UTM，椭球体为WGS-84，投影带为47带。

1.2.2 气象数据 气象数据来自中国气象科学数据共享服务网。包括2005年甘肃省41个气象站点的月平均温度（℃）和月降水量（mm），以及甘肃及周边15个台站的月太阳辐射（MJ/m2）。

在ArcGIS 9.3平台上，利用优化的插值方法-“AMMRR”，并加入坡度、坡向因子，将月均温、月降水量、月太阳辐射数据插值成空间分辨率为90 m的栅格数据。投影与遥感数据相同。

1.2.3 DEM数据 数字高程模型（Digital Elevation Model，DEM）来源于国际农业研究磋商小组下设的空间信息组织（CGIAR-CSI）（图1）。

图1 甘肃省气象站点分布

数据经过拼接、裁剪等预处理后，在ArcMap平台上提取甘肃省90 m分辨率的经纬度、坡度、坡向栅格数据。地形要素的划分见表1。

1.2.4 实测数据 实测数据由农业部草原监理中心提供，数据观测时间是2005年7月的草地地上生物量（风干重）数据。利用其和朴世龙等[22]确定的我国草地植被地下与地上生物量比例系数转换为NPP实测值[23]，在转化为碳单位时乘以0.475的系数[24]。

1.3 模型构建

Potter等[24]1993年建立的光能利用模型-CASA模型，提出理想状态下植被存在最大光能利用率，不同植被类型的月值为0.389 gC/MJ。实际上，不同植被类型的光能利用率存在很大差异[26]，根据不同的植被类型对光能利用率进行修正能够提高模型的估算精度[27]。

草地NPP主要由草地植被所吸收的光合有效辐射（APAR）与光能利用率（ε）两个变量确定，其公式如下：

NPP（x，t）=APAR（x，t）×ε（x，t）=SOL×FPAR（x，t）×0.5×ε（x，t）（1）

式中，APAR（x，t）表示空间位置x上的植被在t时间内所吸收的光合有效辐射；ε（x，t）为实际光能利用率；SOL（x，t） 表示太阳总辐射量（MJ/m2）；常数0.5为植被所能利用太阳有效辐射（波长为0.38～0.71 um）占太阳总辐射的比例；FPAR（x，t）为植被层对入射光合有效辐射（PAR）的吸收比例，它取决于植被类型和植被覆盖状况； ε（x，t）表示实际光能利用率，主要受温度和水分的影响，具体算法详见文献[24]。

由于不同的植被类型月最大光能利用率W εmax的取值不同，依据Running等对草地的模拟结果，最大光能利用率为0.608 gC/MJ[28]。

由于模型中Wε（x，t）为水分胁迫系数较复杂，数据获取难度大，因此将模型中的实际蒸散量（EET）和可能蒸散量（PET）进行改进。

EET可由周广胜和张新时建立的区域实际蒸散模型求取，公式如下[29]。

1.4 草地NPP估算

在GIS中利用空间分析的建模工具（Map Algebra），编写CASA模型相关运算程序，然后输入气象栅格数据和处理好的NDVI数据，得到2005年甘肃省NPP图，然后与草地资源调查图叠加，得出2005年甘肃省草地NPP图。

1.5 模型验证

对区域NPP模型的验证，一般采用两种方法：一是与实测数据对比，二是与其他模型的模拟结果进行对比。研究选用实测数据进行对比。

2 结果与分析

2.1 模型的验证

将2005年甘肃各地7月的32组实测草地生物量数据，利用公式转换成草地NPP值，与CASA模拟的NPP数据进行比较验证（图2）。

模拟值与实测值之间的相关性达到显著水平（R2=0.81，P

图2 甘肃省草地NPP模拟值与实测值的比较

2.2 甘肃省草地NPP的空间分布

根据估算结果（图3），2005年甘肃省草地NPP最高值790.56 g/（m2・a），年均值139.15 g/（m2・a），总量为3.76×1013g/（m2・a）。

NPP空间分布格局与水热条件的分布规律紧密相关。甘肃草地NPP空间分布特征是由西南向东北逐渐减少，其中NPP的高值区集中在甘南高原，低值区分布在北山山地（图3）。

甘南高原受来自孟加拉湾西南季风气候的影响，降水充沛，且太阳辐射充足，土壤肥沃[31]。草地类型以高寒草甸类、山地草甸类、沼泽类为主，NPP在400～800 g/m2・a，多集中在500～600 g/（m2・a）。

陇南属东亚季风气候区，区内气候复杂多样，分布独特。由东南向西北，依次从亚热带湿润气候向暖温带湿润气候、温带半湿润气候和高寒阴湿气候过渡[18]。主要为山地草甸类、暖性灌草丛类、暖性草丛类草地，NPP在400～600 g/m2・a，这个地区草地面积分布不大，呈星状分布。

陇中黄土高原地处黄土高原西部、甘肃省中东部，属温带半干旱半湿润区，是我国干旱气候区和湿润区之间的重要过渡带。草地类型为温性草甸草原类、暖性灌草丛类、温性草原类，草地NPP分布纬度地带性明显，从西北到东南部NPP在0～400 g/（m2・a）。

祁连山地位于中纬度北温带，属于大陆性高寒半湿润山地气候[33]。东部主要是高寒草甸类、山地草甸类草地，NPP大多集中在300～400 g/（m2・a）。西部主要是高寒荒漠类、高寒草原类、低地草甸类草地，NPP在0～200 g/（m2・a）。河西走廊属干旱半干旱气候，草地类型主要有温性草原类、低地草甸类、温性荒漠类、温性草原化荒漠类、温性荒漠草原类，NPP在0～400 g/（m2・a）。

北山山地、河西走廊西部地区，气候极端干旱，降水稀少，蒸发量大大超过降水量，植被稀疏[34]。北山山地主要是温性荒漠类和低地草甸类草地，植被覆盖率极低，有些地区甚至寸草不生，NPP大多在0～50 g/（m2・a）。

甘肃多沙漠、戈壁和土地，植被覆盖低，NPP较低[35]。Odum将生态系统总生产力划分为4个等级：最低[

碳循环的定义范文第3篇

关键词:低碳经济 风险投资 分析 预测 

 

一、引言 

“低碳产业”是以低能耗低污染为基础的产业。在全球气候变化的背景下,“低碳经济”、“低碳技术”日益受到世界各国的关注。低碳技术涉及电力、交通、建筑、冶金、化工、石化等部门以及可再生能源及新能源、煤的清洁高效利用、油气资源和煤层气的勘探开发、二氧化碳捕获与埋存等。正是因为“低碳产业”的可持续性优势,走向低碳化时代是大势所趋。一直以来,人类对碳基能源的依赖,导致co2排放过度,带来温室效应,对全球环境、经济,乃至人类社会都产生巨大影响,严重危及人类生存,这比经济危机更为可怕。解决世界气候和环境问题,低碳化是一条根本途径,也是人类发展的必由之路。2007年12月3日,在印尼巴厘岛举行的联合国气候变化大会为全球进一步迈向低碳经济起到了积极的作用,继此之后,“低碳产业”在世界范围内开始普及,低碳行业的公司企业也像雨后春笋般涌现,不少投资者见其发展迅猛频频将手中的资金投向该行业,其中不乏大型的机构投资者。 

二、低碳经济模式研究文献综述 

在《低碳经济的若干思考》一文中作者阐释了低碳经济的内涵和发展的必要性、可能性以及发展势态。并指出近年来我国在调整经济结构、发展循环经济、节约能源、提高能效、淘汰落后产能、发展可再生能源上取得了显著的成果。在对我国低碳经济的发展确实进行预测和分析后,作者提出了中国发展低碳经济的相关措施。 

什么是低碳经济,为什么要发展低碳经济,我国发展低碳经济条件如何,怎样发展低碳经济。《低碳经济研究综述》一文就中国如何既遵循经济社会发展与气候保护的一般规律,顺应发展低碳经济的潮流和趋势,同时立足于中国的基本国情和国家利益,寻求长期和短期利益的均衡的角度对中国发展低碳经济进行了分析,旨在引导中国低碳经济迈入科学发展的轨道。 

同样是对低碳经济的研究,《低碳经济与环境金融创新》一文跳出了低碳经济本身,将低碳经济与环境金融联系起来,从环境金融的角度,总结了国内外研究与实践经验,探讨了环境金融创新的各种途径,并针对我国实际存在的问题提出了一些建议。作者就低碳经济的背景下如何实现环境金融的创新提出了一些见解,对低碳经济和环境金融的相互促进做出了贡献。 

在《中国的低碳经济选择和碳金融发展问题研究》一文中,作者提出低碳经济是中国可持续发展的必然选择,金融是现代经济的核心,面对低碳经济时代的要求,我国必须尽快构建与低碳经济发展相适应的碳金融体系,包括金融市场体系,碳金融组织服务体系和碳金融政策支持体系几大方面。作者支持目前中国碳金融的发展只能说是初露萌芽,发展相对滞后并存在诸多问题。 

对低碳经济的相关文献进行研究和综述后,低碳经济的发展是大势所趋,但如何科学地发展低碳经济,如何将低碳经济同其他行业合理的结合,如何引导投资者正确地投资于低碳行业,这些都是亟待解决的问题。本文研究的是低碳行业的风险投资,通过对目前低碳行业风险投资的分析及预测,希望能科学地引导低碳行业的发展。 

三、低碳经济模式下的风险投资现状分析 

“低碳经济”提出的大背景,是全球气候变暖对人类生存和发展的严峻挑战。随着全球人口和经济规模的不断增长,能源使用带来的环境问题及其诱因不断地为人们所认识,不止是烟雾、光化学烟雾和酸雨等的危害,大气中二氧化碳浓度升高带来的全球气候变化也已被确认为不争的事实。 

“低碳经济”是以低能耗、低污染、低排放为基础的经济模式,是人类社会继农业文明、工业文明之后的又一次重大进步。是国际社会应对人类大量消耗化学能源、大量排放二氧化碳和二氧化硫引起全球气候灾害性变化而提出的能源品种转换新概念,实质是解决提高能源利用效率和清洁能源结构问题,核心是能源技术创新和人类生存发展观念的根本性转变。低碳经济定义的延伸还含有降低重化工业比重,提高现代服务业权重的产业结构调整

升级的内容;其宗旨是发展以低能耗、低污染、低排放为基本特征的经济,降低经济发展对生态系统中碳循环的影响,实现经济活动中人为排放二氧化碳与自然界吸收二氧化碳的动态平衡,维持地球生物圈的碳元素平衡,减缓气候变暖的进程,保护臭氧层不致蚀缺。广义的低碳技术除包括对核、水、风、太阳能的开发利用之外,还涵盖生物质能、煤的清洁高效利用、油气资源和煤层气的勘探开发、二氧化碳捕获与埋存等领域开发的有效控制温室气体排放的新技术,它涉及电力、交通、建筑、冶金、化工、石化、汽车等多个产业部门。 

当前世界面临的一个最大的环境问题就是全球气候变暖,而其原因正是以二氧化碳为主的温室气体的大量排放。现在人们已充分认识到这个问题,并且已开始减少二氧化碳排放的进程。工业正是二氧化碳排放的一个重要来源。而想要减少工业排放二氧化碳,发展低碳行业无疑是一种解决之道。低碳行业泛指任何以低碳排放或者致力于减少碳排放为特征的行业,如可再生能源发电、核能、能源管理、水处理和垃圾处理企业。这个行业是符合保护自然的规律的,因此具有很光明的前途。在2009年的金融危机中,低碳行业产值不降反升,表明这个行业正是一个很有潜力的行业。

哥本哈根会议虽然未能达成成果,但低碳环保风潮已经在风投之间劲吹。正如前面对低碳行业的分析,低碳经济以“低能耗、低排放、低污染”为主要特征,以此为中心衍生出较多的投资主线,主要包括:节能、减排、清洁能源领域。中国现在很多新的产业都跟这些领域有关。而事实上,越来越多的企业也将发展方向往这些领域方面靠拢。经历了金融危机后的风险投资再度热了起来;而比风投更热的,则是低碳经济。根据中国风险投资研究院(cvcri)对556家风投机构的调查显示,2009年vc对能源环保领域共投资了35亿元;vc投资的项目中,每10元钱中就有1.1元投向了能源环保领域。在很多的风投机构看来,节能环保、新能源等既属于产业政策扶植范畴、又对经济周期不敏感,这种低碳行业特殊的特性也是迎来风投广泛关注的原因。 

历时3个月、访问了556家风险投资机构后,民建中央下属的中国风险投资研究院(cvcri)得出结论:2009年中国vc/pe市场募资、投资规模均逐步回升,迎来了复苏和发展。cvcri指出,由于经济的复苏和创业板的推出,2009年下半年的投资热情增加。上半年投资案例数为229个,占总案例数的38.10%,投资总额为120亿元,占全年投资总额的40.43%;而下半年的投资案例数为372个,明显高于上半年,投资金额也占到了全年投资总额的59.57%。另一个可以观察到的现象便是低碳能源环保行业的崛起。据cvcri数据,2009年风投对能源环保的投资项目数为99项,总金额为34.99亿元;仅次于狭义it行业的135项和43.29亿元,成为继传统行业、狭义it行业之后的第三受宠行业。另外更加值得关注的就是556家风投机构将能源环保行业评为了最具投资价值行业。其次是医药保健和消费服务行业;而传统产业、狭义it则甚至没有进入前十名。2009年度风险投资总额为315.34亿元。除此之外,不少风司也对低碳行业发表了自己的看法,其中中国风险投资有限公司总裁王一军表示低碳经济是大势所趋,而核心则在于节能减排和发展新能源。以我国过去走的粗放型经济增长方式来看,节能减排在技术、推广等领域都有很大的发展空间。而中国对石油的需求日益增长也在驱使着新能源的发展。 

对于“两高六新”的公司,即具有成长性高、科技含量高、新经济、新服务、新农业、新材料、新能源和新商业模式的公司,是风投关注的重点,而这些特点也是低碳行业所具备的。基于上述对低碳行业前景的分析,对于低碳行业的风险投资无疑成为了一个热点话题。但凡是投资都存在着风险,众多的投资者在投资低碳行业之前也会对该行业的众多上市公司进行综合评估,通过行业数据和公司相关的各方面指标选出最具发展潜力和盈利能力的公司进行投资。 

在对低碳行业风险投资概况进行综述之后,从投资价值的角度将低碳行业和其他行业进行比较,图2是2009年统计的最具投资价值行业分布情况,从中我们不难看出低碳能源和环保列居首位。 

四、低碳经济模式下的风险投资前景预测 

前面通过对低碳行业的风险投资数据和图表的分析,低碳经济模式由于其得天独厚的可持续发展潜力受到了投资者们的青睐。风险投资是众多投资方式的一种,风险投资不仅仅是一种简单的权益投资,投资者们为了获得公司上市和退出时的高额收益,还要为初创期的公司提供技术支持。前面说到了低碳经济模式的可持续性发展优势,这一点是风险投资决策时的一个主要决策因素。所以,在后金融危机时代,将会有越来越多的风险投资者涉足低碳领域,既促进了低碳行业的高速发展和繁荣,同时也为风险投资者提供了一片全新的投资领域。由于低碳经济是一种绿色经济,不仅促进了经济的高速发展,同时也为环境保护和可持续发展做出了贡献,所以,在今后几年中政府必将会持续出台相关政策推动低碳经济在我国的发展,这些政策也将为投资者的资金进入低碳领域敞开了大门。综上所述,在未来几年里,风险投资与低碳经济模式的结合将是投资领域一道亮丽的风景线。 

[基金项目:江苏省社科基金项目(08eya002)] 

 

参考文献: 

1.冯之浚,周荣,张倩.低碳经济的若干思考[j].中国软科学,2009(12) 

2.王仕军.低碳经济研究综述[j].开放导报,2009(5) 

3.任卫峰.低碳经济与环境金融创新[j].上海经济研究,2008(3) 

碳循环的定义范文第4篇

（华中农业大学土地管理学院，武汉 430070）

摘要：采用武汉市1996－2010年的土地利用变更数据、能源数据以及相关经济数据，通过构建碳排放、碳足迹模型，测算近15年来武汉市土地利用的碳排放量和碳足迹，并分析其碳排放量、碳足迹的变化及影响因素。结果表明，武汉市建设用地碳排放量占碳排放总量的98％以上，在1996－2010年处于逐年增加的状态，2010年已达到1996年的1．4倍；武汉市的总碳足迹和人均碳足迹也在逐年增加，碳赤字较为严重。碳排放总量的不断增加主要是由武汉市建设用地不断扩大以及经济增长方式和能源结构不合理造成。为此，武汉市不仅要控制建设用地的扩张，同时还应改变经济增长方式、调整能源消费结构。

关键词 ：碳排放；碳足迹；建设用地；能源结构；武汉市

中图分类号：F301．24 文献标识码：A 文章编号：0439－8114（2015）02－0313-05

DOI:10.14088/j.cnki.issn0439-8114.2015.02.015

气候变暖是全世界公认的环境问题，造成气候变暖的原因主要是温室气体排放量的大幅增加。2005年2月16日《京都议定书》正式生效，给CO2排放量居世界第二位的中国带来了严峻和现实的压力与挑战［1］，掀起学术界有关碳排放研究的热潮。有学者对经济增长与碳排放的关系进行了研究。彭佳雯等［2］利用脱钩模型探讨了中国经济增长与能源碳排放的脱钩关系及程度；杜婷婷等［3］则以库茨涅兹环境曲线及衍生曲线为依据，对中国CO2排放量与人均收入增长时序资料进行统计拟合得出中国经济发展与CO2排放的函数关系。也有学者对土地利用类型转变引起的碳排放效应变化进行了研究。如苏雅丽等［4］对陕西省土地利用变化的碳排放效益进行了研究。对于土地利用碳排放影响因素的研究也有了一定的成果，主要是利用指数分解法对影响土地利用碳排放效应的因素进行分解分析，如蒋金荷［5］运用对数平均Divisia指数法（LMDI法）定量分析了中国1995－2007年碳排放的影响因素及贡献率。对于碳足迹的研究，赵荣钦等［6］计算和分析了江苏省不同土地利用方式能源消费碳排放与碳足迹。还有其他学者通过碳足迹计算模型，从碳足迹核算和碳足迹评价的角度进行了有意的探讨［7－9］。研究不同土地利用方式的碳排放效应，有助于从土地利用调控的角度控制碳排放。本研究以武汉市为例，分析武汉市土地利用碳排放和碳足迹，探讨武汉市碳排放变化的影响因素，为武汉市调控土地利用以减少碳排放提供科学依据，对武汉市构建“两型社会”具有重要的理论与现实意义。

1 研究区域概况

武汉市位于中国的中部地区、江汉平原的东部，地处东经113°41′－115°05′，北纬29°58′－31°22′。地形以平原为主，拥有丰富的自然资源。截至2010年，全市土地面积为8 494．41 km2，农用地面积为4 270．45 km2，其中耕地面积为3 174．05 km2，林地面积为975．81 km2， 建设用地1 596．51 km2，未利用地面积2 627．45 km2。本年全市国民生产总值达到6 762．20亿元，同比增长12．5％，位居15个副省级城市第五位。第一、第二、第三产业分别为198．70亿、3 254．02亿、3 303．48亿元，比重为2．94％、48．12％、48．94％。人均GDP为68 286．24元，城镇居民人均可支配收入23 738．09元，农村居民人均纯收入9 813．59元。全市全年社会消费品零售总额达2 959．04亿元。

2 研究方法与数据来源

2．1 碳排放测算模型

根据李颖等［10］、苏雅丽等［4］的研究，本研究基于各种用地类型的碳排放／碳吸收系数计算碳排放量，主要涉及耕地、林地、草地、建设用地。其中建设用地具有碳源效应，耕地上的农作物虽然能够吸收二氧化碳，但是在很短的时间内又会被分解释放到空气中，因此将耕地视为碳源［11］，林地和草地为碳汇。

碳排放测算公式［10］：

CL＝∑Si·Qi （1）

其中，CL为碳排放总量；Si为第i种土地利用类型的面积；Qi为第i种土地利用类型的碳排放（吸收）系数，吸收为负，其中耕地、林地、草地的碳排放系数分别为0．422、－0．644、－0．02 tC／hm2［12］。

建设用地的碳排放主要通过计算其建设过程消耗能源所产生的碳排放间接得到。这里的能源主要是指煤炭、石油和天然气。

建设用地碳排放估算公式［10］：

CP＝∑ni＝∑Mi·Qi （2）

其中，CP为碳排放量；ni为第i种能源的碳排放量；Mi为第i种能源消耗标准煤；Qi为第i种能源的碳排放系数，其中煤、石油、天然气的碳排放系数分别为0．747 6 tC／t标准煤、0．582 5 tC／t标准煤、0．443 4 tC／t标准煤［12］。

2．2 不同土地利用类型的碳足迹

碳足迹是指吸收碳排放所需的生产性土地（植被）面积，即碳排放的生态足迹［13］。净生态系统生产力即NEP是指1 hm2植被一年的碳吸收量，用来反映植被的固碳能力［13］，采用NEP指标反映不同植被的碳吸收量，并以此计算出消纳碳排放所需的生产性土地的面积（碳足迹）。森林和草原是主要的陆地生态系统，因此本文主要考察这两种植被类型的碳吸收［13］。根据赵荣钦等［6］、谢鸿宇等［13］的方法，首先计算出化石能源碳排放量，再根据森林和草地的碳吸收量计算出各自的碳吸收比例，最后由各自的NEP计算出吸收化石能源消耗碳排放所需的森林和草地的面积。化石能源碳足迹计算公式为：

其中，A为总的化石能源碳足迹，Ai为第i类能源的碳足迹，Ci为第i种能源的消耗量（万吨标准煤），Qi为第i种能源的碳排放系数，Perf与Perf分别为森林与草原吸收碳的比例；NEPerf与NEPerf分别为森林和草地的净积累量。吸收1 t的CO2所需的相应生产用地土地面积计算结果见表1。

2．3 数据来源

能源数据与经济数据来源于《武汉市统计年鉴（1996－2010）》，武汉市土地利用结构数据来源于武汉国土资源和规划局。

3 结果与分析

3．1 武汉市碳排放量

根据公式（1）、（2）和《武汉市统计年鉴》所查询的武汉市能源消耗量，以及武汉市历年土地变更数据，计算武汉市1996－2010年的碳排放量见表2。

从不同土地利用类型的碳排放量来看（表2），建设用地的碳排放量占碳排放总量的98％以上， 由此可以说明建设用地为主要的碳源。同时可以看到，武汉市的建设用地碳排放量增加较快， 1996到2010年间，武汉市建设用地碳排放量增加了1 091．6万t，增幅为88．58％，碳排放总量也增加了87．21％。通过SPSS 19对建设用地面积与碳排放总量进行双侧检验，结果表明，在0．01水平下显著相关，可见武汉市的碳排放总量与建设用地的碳排放量走势保持同步。

在建设用地面积增加的同时，耕地面积在不断减少，但是耕地面积的减少对碳排放总量并没有起到明显的影响，原因可能有两个方面，一是耕地的碳排放量相对于建设用地来讲数量太小，最高也只占碳源排放总量的1．6％；二是耕地转变为建设用地不仅没有降低碳排放量，反而会增加碳排放量。

另一方面，武汉市的碳吸收总量也在不断增加，1996到2010年间增加了2．09万t，增幅为49．76％，其中占碳汇吸收比例较小的草地碳吸收量在逐年下降，但是林地的碳吸收量占总吸收量的90％以上，甚至有些年份达到了99％以上，且林地面积在不断扩大，林地的固碳量在增加，从而使得武汉市碳吸收量15年间不断增加。

3．2 武汉市建设用地碳足迹分析

由公式（3）计算武汉市1996－2010年的能源消耗碳足迹间接得到建设用地碳足迹，如表3所示。由表3中可以看出，武汉市的建设用地碳足迹逐年增加，在此期间，虽然武汉市的林地与草地的总面积有所增加，但是远远不足总碳足迹的增加速度，同时人均碳足迹由0．63 hm2增加为0．74 hm2，由此表明武汉市的生态系统不足以弥补能源消费的碳足迹。不同能源的碳足迹表明，煤炭的消费是引起总碳足迹增加的主要原因。表3也表明，森林的碳吸收能力比草地要强，碳足迹以森林为主。

3．3 影响因素分析

3．3．1 土地利用结构 不同的土地利用结构对碳排放量与碳吸收量都会产生影响。1996－2010年武汉市土地利用结构变化见表4。由表4可以看出，武汉市的林地面积不断增加，草地面积在减少，但是由于林地是主要的碳汇，因此武汉市的碳汇量随林地面积的增加而增加。耕地面积在减少，建设用地面积不断增加，且增加速度较快，一部分面积的增加是由于耕地的非农化，即耕地转为了建设用地，而建设用地是主要碳源，因此，武汉市的碳排放量随建设用地面积增加而增加。

3．3．2 经济增长方式 现有的研究表明［10］，国家工业化，能源消费碳排放是最主要的排放类型，可占二氧化碳排放的90％以上。从上述武汉市碳排放量测算结果来看，能源碳排放占碳排放总量的98％以上。由此，应分析经济发展中能源消费带来的碳排放变化。

碳排放强度是碳排放量与国内生产总值（GDP）的比值，是衡量温室气体排放的指标，可以作为发展中国家承认和反映其对减缓气候变化的贡献指标［14］。计算可知，1996－2010年武汉市碳排放强度总体上呈下降趋势，由1996年的1．88 t／万元下降到2010年的0．53 t／万元，下降了71．81％，年平均下降4.79％。根据何建坤等［14］的研究，要实现二氧化碳的绝对减排，碳排放强度的下降率要大于GDP的增长率。而武汉市1996－2010年碳排放强度下降率远小于14．54％的GDP增长率，这远远不能实现碳减排。

经济增长既需要资本的投入，也需要土地、能源等物资投入，若经济增长使得土地、能源等物资消耗加剧，碳排放量加大，则资源利用效率降低，对环境的不利影响加剧，显然这种经济增长方式不可取。为评判经济增长对碳排放变化的影响，可选用能源碳排放系数，即能源碳排放增长速度与国内生产总值的比值来反映经济增长对碳排放的影响，其与能源消费弹性系数具有同样的测量意义［15］。已有研究表明，发展中国家能源消费弹性系数一般都大于或接近于1，而发达国家则小于或接近0．5［15］。其值越大，说明能源碳排放增长快于经济增长速度。计算发现，武汉市能源碳排放系数达到了0．76，远远大于0．5。由此说明，武汉市的经济增长促进了碳排放量的增加。

3．3．3 能源结构 不同的能源其碳排放系数不同，三大能源中，煤炭的碳排放系数最大，天然气最小，石油居中。因此，煤炭的消耗量越大，则能源碳排放量越大。根据公式（2）可测算各种能源碳排放量，并得出三大能源碳排放量趋势图（见图1）。由于各能源的碳排放量与能源消费量之间呈正比，因此，能源碳排放量的趋势与能源消费量的趋势一致。由图1可知，石油和天然气的消费量在1996－2010年间较为平稳，煤炭的消费量在1996－2002年间保持稳定，2002－2006年快速上升，2006－2009出现微小下降，2010年又开始上升，与武汉市碳源排放总量变化走势一致，煤炭消耗量占总能源的67％以上。可以看出，武汉市是以煤炭为主的能源结构。

平均碳排放系数是指能源碳排放总量与能源消耗总量的比值，其变化能够反映能源结构变动对碳排放量的影响。当低碳能源比例的增加时，平均碳排放系数将会变小。从图1来看，武汉市1996－2010年的平均碳排放系数较为平稳，在0．707~0．717之间浮动。以上分析表明，武汉市能源消费结构不合理。

3．3．4 碳足迹影响因素分析 武汉市能源消耗总量在15年间由1 790．13万t增长到了3 352．96万t，与此同时，其碳足迹也由328．13万hm2增长到了618．78万hm2。能源消耗总量与碳足迹走势图（图2）表明，碳足迹随着能源消耗总量的变动而变动，两者呈现出高度一致的走势。

采用回归分析可以定量分析能源消耗总量与碳足迹的关系。本文以95％的置信度通过有关检验，其相关性如表5所示，能源消耗量与碳足迹的相关系数达到了0．999 5，说明碳足迹受能源消耗总量影响较大。

4 小结与讨论

1）建设用地是主要的碳源，其碳排放量占总碳排放总量的98％以上。建设用地面积的增加是武汉碳排放量增加的一个重要原因。发展低碳经济，建设“两型社会”，武汉需控制建设用地面积的不断扩大。同时，提高土地利用集约度，通过集约利用缓解建设用地供求矛盾，实现低碳集约利用。

2）武汉市的总碳足迹和人均碳足迹在不断增加，虽然武汉市的林地与草地的总面积有所增加，但是远远不足总碳足迹的增加速度，表明武汉市碳赤字较为严重。其中，森林碳足迹和煤炭碳足迹为碳足迹的主要“碳汇”和“碳源”，煤炭的消耗是引起总碳足迹增加的主要原因。因此，增强生产性土地，特别是森林的固碳能力，改善能源消费结构，减少煤炭消费量，提高石油、天然气等能源的消费比例，可以较好地降低碳排放水平。

3）1996－2010年，武汉市碳排放量总体上升。主要原因除了建设用地面积不断增加外，还受经济增长方式与能源结构的影响。较高的能源碳排放系数反映出武汉市目前的经济增长方式不利于低碳经济的发展。建立低碳的能源体系，调整产业结构和能源消费结构，是发展低碳经济社会的关键。

4）通过土地利用变化以及能源消费量的变化分析了武汉市的碳排放以及碳足迹的变化，但是在计算能源消费碳排放时，因数据的限制，仅考虑了化石能源消费所带来的碳排放，未计算农村生物质能燃烧带来的碳排放。同时，由于目前对碳足迹的概念和计算边界缺乏统一的定义，计算数据获取难度较大，碳足迹的研究需要进一步深入探讨与完善。

参考文献：

［1］ 庄贵阳．低碳经济：中国之选［J］．中国石油石化，2007，7（13）：32－34．

［2］ 彭佳雯，黄贤金，钟太洋，等．中国经济增长与能源碳排放的脱钩研究［J］．资源科学，2011，33（4）：626－633．

［3］ 杜婷婷，毛 锋，罗 锐．中国经济增长与CO2排放演化探析［J］．中国人口资源与环境，2007，17（2）：94－99．

［4］ 苏雅丽，张艳芳．陕西省土地利用变化的碳排放效益研究［J］．水土保持学报，2011，25（1）：152－156．

［5］ 蒋金荷．中国碳排放量测算及影响因素分析［J］．资源科学， 2011，33（4）：597－604．

［6］ 赵荣钦，黄贤金．基于能源消费的江苏省土地利用碳排放与碳足迹［J］．地理研究，2010，29（9）：1639－1649．

［7］ SOVACOOL B K， BROWN M A． Twelve metropolitan carbon footprints： A preliminary comparative global assessment［J］． Energy Policy， 2010， 38（9）：4856－4869．

［8］ KENNY T， GRAY N F． Comparative performance of six carbon footprint models for use in Ireland［J］． Environmental Impact Assessment Review， 2009， 29（1）：1－61．

［9］ 黄贤金，葛 杨，叶堂林，等．循环经济学［M］．南京：东南大学出版社，2009．

［10］ 李 颖，黄贤金，甄 峰．江苏省区域不同土地利用方式的碳排放效应分析［J］．农业工程学报，2008，24（S2）：102－107．

［11］ 肖红艳，袁兴中，李 波，等．土地利用变化碳排放效应研究—以重庆市为例［J］．重庆师范大学学报（自然科学版），2012，29（1）：38－43．

［12］ 2006 IPCC Guidelines for National Greenhouse Gas Inventories ［R］． Geneva：IPCC，2006．

［13］ 谢鸿宇，陈贤生，林凯荣，等．基于碳循环的化石能源及电力生态足迹［J］．生态学报，2008，28（4）：1729－1735．

［14］ 何建坤，刘 滨．作为温室气体排放量衡量指标的碳排放强度分析［J］．清华大学学报（自然科学版），2004，44（6）：740－743．

［15］ FANG J Y， CHEN A P， PENG C H， et al． Changes in forest biomass carbon storage in China between 1949 and 1998［J］． Science， 2001， 292：2320－2322．