海島地區(qū)海洋碳匯量核算及碳排放影響因素研究——以遼寧省長(zhǎng)?？h為例

(遼寧師范大學(xué) 海洋經(jīng)濟(jì)與可持續(xù)發(fā)展研究中心,遼寧 大連116029)

1 引言

大氣是人類生存的基本條件,空氣質(zhì)量?jī)?yōu)良是人類文明得以延續(xù)的有力保證。逐步控制、減少碳排放量是經(jīng)濟(jì)發(fā)展的必然要求,是生態(tài)文明進(jìn)程實(shí)現(xiàn)的重要路徑。加快生態(tài)文明建設(shè),提高能源利用效率,減少碳排放,不僅是當(dāng)?shù)亟?jīng)濟(jì)社會(huì)發(fā)展的需要,也是國(guó)家戰(zhàn)略的需要。海島相對(duì)于陸域地區(qū),普遍存在土地資源緊缺、海洋資源豐富的特點(diǎn),海島特有的發(fā)展模式和路徑值得關(guān)注。在應(yīng)對(duì)氣候變化的大時(shí)代背景下,向低能耗、低排放、低污染的低碳經(jīng)濟(jì)轉(zhuǎn)型已成為海島地區(qū)經(jīng)濟(jì)發(fā)展的大趨勢(shì)。因此,尋找碳匯源,核算碳匯量,剖析影響海島地區(qū)碳排放的主要因素,對(duì)制定碳減排規(guī)劃及政策具有重要指導(dǎo)意義[1]。

海洋作為地球上最大的“碳庫(kù)”,參與全球碳循環(huán)過(guò)程,潛力巨大。海洋碳匯已成為海洋領(lǐng)域研究的新熱點(diǎn)。對(duì)海洋碳匯的研究多以大洋為研究對(duì)象,采用對(duì)主要指標(biāo)進(jìn)行物理學(xué)實(shí)驗(yàn)?zāi)M和實(shí)地采樣的方法進(jìn)行測(cè)算[2-5]。Galen A McKinley等[6]從全球視角下分析了現(xiàn)階段海洋碳匯變化的主要影響因素;Chelsey A Baker等[7]對(duì)大西洋CO2通量等指標(biāo)進(jìn)行了測(cè)算;張繼紅[8-10]、岳冬冬[11-13]等則對(duì)大型藻類、貝類等海洋生物的碳匯量進(jìn)行了核算;李夢(mèng)娜[14]對(duì)舟山群島的海洋碳匯生態(tài)系統(tǒng)服務(wù)進(jìn)行了經(jīng)濟(jì)價(jià)值評(píng)估。

碳排放量及其影響因素研究已成為全球環(huán)境變化與可持續(xù)性科學(xué)研究的前沿領(lǐng)域之一,并逐漸呈現(xiàn)出多學(xué)科融合的趨勢(shì)。目前，在陸域方面關(guān)于碳排放量的研究較為成熟。從研究區(qū)域上而論，學(xué)者們多以省際為單位進(jìn)行研究[15,16]；從研究方法上而論，學(xué)者們對(duì)各產(chǎn)業(yè)部門的數(shù)據(jù)進(jìn)行了處理[17，18]。由于海島地區(qū)有關(guān)數(shù)據(jù)的獲取難度較大等原因,以海島地區(qū)為研究對(duì)象的碳排放研究成果相對(duì)較少,學(xué)者們一般多從人文視角[19-22]對(duì)碳排放的影響這一角度進(jìn)行闡述，也有學(xué)者[23,24]基于博弈論和IPCC參考方法圍繞海島旅游、海島城市展開(kāi)了一定的研究。

本文以長(zhǎng)海縣為例,通過(guò)核算生物途徑貯存的海洋可變碳匯量,將海洋碳匯量與碳排放量進(jìn)行比較分析海島碳收益狀況,并運(yùn)用STIRPAT模型和嶺回歸模型考察長(zhǎng)?？h碳排放影響要素的重要程度,試圖融合物理學(xué)、生物學(xué)等相關(guān)學(xué)科研究成果,通過(guò)多要素、多流向的特征探討中緯度海島地區(qū)的海洋碳匯量核算,測(cè)度碳排放其影響因素,為相關(guān)政策制定提供參考。

2 研究方法與數(shù)據(jù)來(lái)源

2.1 研究地區(qū)概況

遼寧省長(zhǎng)?？h是我國(guó)唯一的海島邊境縣,地處遼東半島東側(cè)、黃海北部海域,所轄海域與島陸面積比為86∶1,海洋自然資源豐富,以海洋漁業(yè)資源為主。歷年的統(tǒng)計(jì)數(shù)據(jù)顯示,長(zhǎng)?？h海洋漁業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的60%左右,是長(zhǎng)海縣的支柱產(chǎn)業(yè),旅游業(yè)產(chǎn)值占總產(chǎn)值的30%以上,且占比呈逐年遞增趨勢(shì)。

2.2 海島碳匯量計(jì)算方法

海島縣是指面積較小，四面環(huán)水，散布在海洋中的陸地[24]，相對(duì)于陸域地區(qū)，海島地區(qū)普遍存在土地資源緊缺、海洋資源豐富的特點(diǎn)，海島縣作為大陸向海洋延伸的過(guò)渡連接帶，是將分散的海島按行政單元加以劃分，形成的以有人居住的海島群為主體的整體。相關(guān)研究表明,海洋是碳循環(huán)過(guò)程中重要的參與者,吸收CO2的能力約為陸地系統(tǒng)的60倍,考慮到海洋的固碳能力,本文對(duì)海洋碳匯量進(jìn)行核算,并在進(jìn)行碳排放量影響因素指標(biāo)選取時(shí),充分考慮產(chǎn)業(yè)因素。

海洋碳循環(huán)機(jī)制:三維動(dòng)力學(xué)海洋循環(huán)模式假設(shè)地球主要有巖石圈碳庫(kù)、陸地生態(tài)系統(tǒng)碳庫(kù)、大氣碳庫(kù)和海洋碳庫(kù)4個(gè)碳庫(kù)[25],4個(gè)碳庫(kù)相互作用、影響。由于碳庫(kù)間形成碳循環(huán)機(jī)制極為復(fù)雜,因此本文進(jìn)行適當(dāng)簡(jiǎn)化,基于圖1的循環(huán)過(guò)程進(jìn)行測(cè)算和分析。碳排放量增多,大氣中CO2量增多, CO2分壓值增加,進(jìn)而導(dǎo)致溶解在海洋中的CO2量即海洋碳匯量增加,構(gòu)成海洋生物吸收CO2的來(lái)源。海洋碳匯量是指被海洋吸收的人類活動(dòng)排放的CO2超過(guò)大氣中CO2的增量[21]。海洋碳匯的形成主要通過(guò)物理因素(物理泵)和生物因素(生物泵)兩種途徑產(chǎn)生。本文主要考慮受海洋生態(tài)系統(tǒng)控制和海洋生物的影響,通過(guò)食物鏈中各生物的生產(chǎn)、消費(fèi)、傳遞、分解等一系列過(guò)程實(shí)現(xiàn)碳的遷移,海水中的碳參與到生物體的循環(huán)代謝中,最終以生物體的方式貯存或移出海水的生物泵產(chǎn)生的碳匯量。

圖1 碳循環(huán)過(guò)程

大型藻類會(huì)通過(guò)光合作用將水中的無(wú)機(jī)碳化合物轉(zhuǎn)化為有機(jī)碳化合物,并能從海水中吸收碳酸鹽等溶解的營(yíng)養(yǎng)鹽。研究表明,由于不同海域地區(qū)的溫度、光照條件等存在明顯差異,藻類體內(nèi)的氮、磷等物質(zhì)的含量也有一定的差異,但其體內(nèi)的碳所占本體總干重的比例大致相同。為了完成自身的生長(zhǎng)需要,貝類通過(guò)形成軀干(俗稱貝殼)和軟組織兩種方式,實(shí)現(xiàn)對(duì)海水水體中碳的吸收和固定。貝類在生長(zhǎng)過(guò)程中主要通過(guò)吸收海水中的HCO3-,形成CaCO3,加固貝殼硬度,降低海水中的HCO3-濃度,促進(jìn)海水的水平運(yùn)動(dòng),從而加快CO2溶于水的速率。通過(guò)濾食海水中的浮游植物和有機(jī)顆粒物以維持自身生長(zhǎng)需要,加固貝殼,完成軟組織的生長(zhǎng),以此進(jìn)行碳的吸收并將其固定在水體中,其化學(xué)反應(yīng)方程式為:

(1)

由式(1)可見(jiàn),貝類可通過(guò)自身的新陳代謝有效控制海水中的懸浮顆粒和有機(jī)碳顆粒,從而減少水中的碳量。

海洋碳匯量計(jì)算:梳理相關(guān)文獻(xiàn)可見(jiàn)，目前研究海水貯存碳量(物理泵)的計(jì)量方式多以實(shí)地檢測(cè)為主，模型差異性過(guò)于明顯，準(zhǔn)確性有待進(jìn)一步確定。根據(jù)相關(guān)研究成果，影響通過(guò)物理泵途徑產(chǎn)生的海洋碳匯量主要受氣溫、風(fēng)速、海水溶解度與交換界面分壓值等氣候與水文因素的影響。鑒于長(zhǎng)?？h氣候條件相對(duì)穩(wěn)定,海水吸收量相對(duì)固定,且人為因素在其中發(fā)揮的作用較有限,因此本文著重考慮生物因素在海洋碳匯中的影響,暫不考慮物理途徑(物理泵)因素。

根據(jù)長(zhǎng)?？h藻類與貝類養(yǎng)殖產(chǎn)值比重占當(dāng)?shù)貪O業(yè)總產(chǎn)值的90%的特點(diǎn),本文對(duì)藻類和貝類兩種類別進(jìn)行研究,選擇海帶、石莼、裙帶菜、江蘺、貽貝、扇貝、牡蠣和蛤作為海洋碳匯核算對(duì)象。

(2)

式中,S1表示藻類產(chǎn)生的海洋碳匯;Pi表示第i種藻類的產(chǎn)量;Wci表示該藻類體內(nèi)的含碳比重,所選參數(shù)見(jiàn)表1。

表1 藻類碳含量[9]

由于同種貝類身體組織和貝殼中的碳含量占自身重量的比重基本不會(huì)隨海域與環(huán)境的改變發(fā)生明顯差異[12],因此該部分計(jì)算借鑒相關(guān)研究成果所得參數(shù)(表2、表3)。

Sj=Pj×Rst×ωSst+Pj×Rs×ωSt

(3)

(4)

式(3)中,Sj表示第j種貝類的固碳量;Pj表示第j種貝類的產(chǎn)量;Rst代表軟體組織的比例;Rs表示貝殼組織的比例;ωSst與ωSt分別代表軟體組織中碳的含量和貝殼中碳的含量。式(4)中，S2表示貝類產(chǎn)生的海洋碳匯總量為幾種貝類所產(chǎn)生碳量的加和。

表2 貝類軟體組織與貝殼組織結(jié)構(gòu)質(zhì)量含量比重[22]

表3 貝類軟體組織與貝殼含碳量比重 [11]

2.3 碳排放量計(jì)算及其影響因素

碳排放量計(jì)算：本文參考《2006年IPCC國(guó)家溫室氣體清單指南》對(duì)地區(qū)內(nèi)碳排放量核算的指標(biāo)和參數(shù)進(jìn)行選取。參考相關(guān)研究,結(jié)合遼寧省長(zhǎng)海縣能源使用情況,本文碳排放量主要指能源碳排放量,核算指標(biāo)包括當(dāng)?shù)孛禾?、汽油、液化石油氣和電力的使用量?；居?jì)算方式是通過(guò)對(duì)不同品種的消費(fèi)量與其相關(guān)的排放因子參數(shù)與氧化率進(jìn)行相乘并累加,即可獲得研究區(qū)域的碳排放總量。具體計(jì)算公式為:

(5)

式中,I為長(zhǎng)?？h碳排放量(t);Ei為第i種能源品種按標(biāo)準(zhǔn)煤計(jì)的能源消費(fèi)量;Fi為第i種能源的碳排放系數(shù),不同能源種類折算系數(shù)與碳排放系數(shù)見(jiàn)表4。

表4 同能源種類碳排放因子[23]

STIRPAT模型:STIRPT模型是在IPAT模型的基礎(chǔ)上演化而來(lái)的,可用于全面合理地測(cè)度人文因素相對(duì)于環(huán)境壓力的變化,主要通過(guò)對(duì)人口、財(cái)富和技術(shù)條件等因素進(jìn)行回歸,STIRPAT模型也因其靈活性得以在各個(gè)領(lǐng)域得到廣泛應(yīng)用。利用STIRPAT模型對(duì)長(zhǎng)海縣消費(fèi)碳排放影響因素進(jìn)行分析,考慮到長(zhǎng)?？h以漁業(yè)為代表的第一產(chǎn)業(yè)與以旅游業(yè)為代表的第三產(chǎn)業(yè)在總產(chǎn)值中占比較大等因素,以及第二產(chǎn)業(yè)能源使用量大等特點(diǎn),本文著重從長(zhǎng)?？h人口數(shù)量、富裕程度、能源強(qiáng)度以及人均旅游產(chǎn)值方面進(jìn)行測(cè)度。

STIRPAT模型的標(biāo)準(zhǔn)式為:

I=αPbAcTde…

(6)

式中,I表示環(huán)境因素;P代表人口;A代表人口富裕程度;T代表技術(shù)水平;e為誤差項(xiàng);α表示模型系數(shù);b、c表示需要估計(jì)的參數(shù),兩邊取對(duì)數(shù)得:

lnI=lnα+blnP+clnA+dlnT+lne

(7)

由于長(zhǎng)?？h人口相對(duì)穩(wěn)定,研究區(qū)間內(nèi)同比變化率未超過(guò)0.1%,因此本文暫不考慮人口因素的影響,將式(7)調(diào)整為:

lnI=α0+α1lnA+α2lnT+α3lnF+lne

(8)

式中,I為長(zhǎng)?？h碳排放量(t);A為富裕程度,用人均GDP(元/人)表示;T為能源強(qiáng)度,以能源消費(fèi)量與GDP比值表示(t標(biāo)煤/萬(wàn)元);F表征人均旅游產(chǎn)值(元/人);α1、α2、α3分別為參數(shù),表示當(dāng)A、T、F每變化1%時(shí),碳排放量分別變化α1%、α2%、α3%。

本文選擇人均GDP,即一個(gè)國(guó)家或地區(qū)在核算期內(nèi)實(shí)現(xiàn)的生產(chǎn)總值與所屬范圍內(nèi)的常住人口的比值作為反應(yīng)財(cái)富因素的指標(biāo)。能源強(qiáng)度以能源消費(fèi)量與GDP比值表示,主要將生產(chǎn)過(guò)程中使用的煤炭、汽油、液化石油氣和電力折算成可比較的能源消費(fèi)量,并將其與GDP的比值作為反應(yīng)技術(shù)條件因素的指標(biāo)。選取旅游產(chǎn)業(yè)產(chǎn)值與旅游人數(shù)的比值即人均旅游產(chǎn)值為反映當(dāng)?shù)芈糜萎a(chǎn)業(yè)對(duì)碳排放量的影響程度的指標(biāo)。

2.4 數(shù)據(jù)來(lái)源

本文的人口、人均GDP等原始數(shù)據(jù)來(lái)自2005—2015年的《長(zhǎng)海縣統(tǒng)計(jì)年鑒》,碳排放量相關(guān)折算系數(shù)參照IPCC標(biāo)準(zhǔn)以及其相關(guān)的研究成果,海洋相關(guān)指標(biāo)數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局網(wǎng)站、中國(guó)海洋局網(wǎng)站和當(dāng)?shù)厮挠^測(cè)站。

3 結(jié)果與分析

3.1 長(zhǎng)?？h碳匯量計(jì)算及分析

基于遼寧省長(zhǎng)?？h2005—2015年的數(shù)據(jù)對(duì)當(dāng)?shù)睾Ｑ筇紖R量、碳排放量和兩者的差值進(jìn)行測(cè)算,趨勢(shì)變化見(jiàn)圖2。從圖2可見(jiàn),研究期內(nèi)的碳匯量走勢(shì)與碳排放量走勢(shì)基本一致,呈先逐年增加后逐年遞減的態(tài)勢(shì)。2009年之前遼寧省長(zhǎng)海縣海洋碳匯量呈緩慢上漲的態(tài)勢(shì),2010年后進(jìn)入快速發(fā)展階段,漲幅不斷增大,2011—2012年漲幅有所回落,2013年增長(zhǎng)速度最快,且碳匯量達(dá)到最大值,之后海洋碳匯量有所減少,2015年下降較為明顯。由此可見(jiàn),遼寧省長(zhǎng)?？h生物固碳能力在2012年后有所減弱。從碳排放曲線來(lái)看,遼寧省長(zhǎng)?？h總體走勢(shì)較為平緩，2005—2008年數(shù)值呈基本穩(wěn)定狀態(tài)，2009年增長(zhǎng)幅度較大，2010—2012年再度呈現(xiàn)穩(wěn)定增長(zhǎng)的態(tài)勢(shì)，并在2013年達(dá)到峰值，2013—2015年碳排放量開(kāi)始逐漸小幅度遞減。

圖2 2005—2015年海洋碳匯與碳排放量及凈碳收益走勢(shì)

計(jì)算海洋碳匯量和碳排放量?jī)烧咧羁傻贸鲩L(zhǎng)?？h碳收益情況(圖2)。2005—2010年長(zhǎng)海縣海洋凈碳收益以較穩(wěn)定的數(shù)值小于碳排放量,呈現(xiàn)“虧損”狀態(tài),2010年海洋碳匯量與碳排放量基本持平。2011年后長(zhǎng)海縣海洋碳匯量開(kāi)始大于碳排放量,呈現(xiàn)“盈余”狀態(tài),且逐漸上漲,在2013年達(dá)到差值最大值,之后隨著海洋碳匯量的回落,與碳排放量之間的差距逐漸減少。

藻類和貝類作為海洋碳匯核算對(duì)象。藻類對(duì)基于生物因素形成的海洋碳匯貢獻(xiàn)程度較小,貝類是影響海洋碳匯形成的決定性因素。2005—2009年,長(zhǎng)?？h藻類對(duì)海洋碳匯量貢獻(xiàn)較少,2010年開(kāi)始隨著藻類養(yǎng)殖量的大幅增加,藻類產(chǎn)生碳匯量也隨之增加,之后呈波動(dòng)上升的趨勢(shì),2014年達(dá)到最大值,2015年有小幅回落(圖3)。2005—2015年長(zhǎng)海縣貝類產(chǎn)生的碳匯量遠(yuǎn)多于藻類產(chǎn)生的碳匯量。2005—2013年,隨著長(zhǎng)?？h貝類養(yǎng)殖量的不斷增加,貝類所產(chǎn)生的碳匯量也呈快速增長(zhǎng)趨勢(shì),并在2013年達(dá)到最大值。2013—2015年,長(zhǎng)?？h的貝類固碳能力有所下降。

圖3 2005—2015年貝類與藻類產(chǎn)生碳匯量趨勢(shì)

3.2 碳排放量計(jì)算及其影響因素分析

碳排放量計(jì)算結(jié)果:通過(guò)計(jì)算,本文可得到遼寧省長(zhǎng)?？h能源消費(fèi)以煤炭為主,歷年消費(fèi)量占總消費(fèi)量基本穩(wěn)定在60%以上;電力為占比第二大的能源消費(fèi)品種,2005—2012年遼寧省長(zhǎng)海縣的能源消費(fèi)量呈波動(dòng)下降的趨勢(shì),2005年電力消費(fèi)量占能源消費(fèi)總量的31%，在2013年達(dá)到最小值,之后逐年遞增到2015年占能源總消費(fèi)的35%；液化石油氣在能源消費(fèi)中的占比基本穩(wěn)定在15%,而汽油在長(zhǎng)?？h能源消費(fèi)中所占比例相對(duì)較低，在研究期內(nèi)未超過(guò)5%?？傮w來(lái)說(shuō),2005—2015年長(zhǎng)海縣能源消費(fèi)結(jié)構(gòu)相對(duì)穩(wěn)定,以煤炭和電力為主，液化石油氣和汽油消費(fèi)呈占比較低。

本文主要從長(zhǎng)海縣能源消費(fèi)種類角度對(duì)碳排放量相關(guān)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。長(zhǎng)?？h碳排放量走勢(shì)見(jiàn)圖4。2005—2009年,長(zhǎng)?？h碳排放量呈波段增長(zhǎng)態(tài)勢(shì)。其中，2006年和2009年較上一年增長(zhǎng)幅度較大；2007—2008年數(shù)值較平穩(wěn)；2009—2012年碳排放總量增加,增長(zhǎng)幅度相對(duì)較小，走勢(shì)平穩(wěn)，并于2012年達(dá)到峰值,之后隨著煤炭消費(fèi)量占比下降和電力消費(fèi)量的占比回升,地區(qū)碳排放量有所下降，且下降較明顯。可見(jiàn)能源消費(fèi)結(jié)構(gòu)對(duì)碳排放量起關(guān)鍵作用,因此適當(dāng)調(diào)整當(dāng)?shù)啬茉聪M(fèi)結(jié)構(gòu),提高能源使用效率,使用能效高、污染小的能源種類,對(duì)當(dāng)?shù)毓?jié)能減排有具重要影響。

圖4 2005—2015年長(zhǎng)?？h能源消費(fèi)結(jié)構(gòu)變化

碳排放量影響因素:本文在對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理后,運(yùn)用Eviews 6.0對(duì)數(shù)據(jù)進(jìn)行多元回歸,結(jié)果見(jiàn)表5。從總體上看,模型的擬合優(yōu)度R2=0.962,可知回歸方程整體擬合程度較高;在顯著水平為0.05的水平上參考F分布表,可得出F>4.07,雖然方程通過(guò)了顯著性檢驗(yàn),但由于lnA、lnF的膨脹因子(VIF值)大于10,由此可見(jiàn)需要消除方程存在的多重共線問(wèn)題,重新構(gòu)造方程。

表5 回歸結(jié)果

注:R2=0.962,F=58.759。

嶺回歸估計(jì)是以放棄部分精準(zhǔn)度以換取結(jié)果更符合實(shí)際的方法,是有效解決多重共線問(wèn)題改進(jìn)的最小二乘法。本文采用嶺回歸函數(shù)對(duì)方程進(jìn)行重新擬合。當(dāng)K=0.5時(shí),各變量的回歸系數(shù)趨于平穩(wěn),根據(jù)結(jié)果得到式(9),相關(guān)計(jì)算結(jié)果見(jiàn)表6。

表6 嶺回歸結(jié)果(k=0.5)

注:R2=0.966,F=66.02。

模型的擬合優(yōu)度R2=0.966,方程整體的擬合程度較高,F統(tǒng)計(jì)量也通過(guò)了檢驗(yàn),各變量在1%的顯著性水平上對(duì)碳排放量產(chǎn)生作用,因此構(gòu)建的STIRPAT模型能較好闡述長(zhǎng)?？h碳排放量與各個(gè)變量之間的關(guān)系,具體形式為:

lnI=-0.004+0.6358lnA+0.3356lnT+0.2894lnF

(9)

從回歸系數(shù)上看,遼寧省長(zhǎng)?？h的富裕度與能源強(qiáng)度回歸系數(shù)均為正數(shù),說(shuō)明富裕程度、能源強(qiáng)度和人均旅游產(chǎn)值對(duì)碳排放量均有正向影響。從變化程度上看,各變量對(duì)長(zhǎng)?？h能源消費(fèi)的碳排放量影響程度由高到低依次是富裕度、能源強(qiáng)度和人均旅游產(chǎn)值。富裕度、能源強(qiáng)度與人均旅游產(chǎn)值每變化1%,碳排放量則將分別同向變化0.6358%、0.3356%和0.2894%。

通過(guò)STIRPAT模型進(jìn)行回歸模型分析可知,2005—2015年遼寧省長(zhǎng)海縣的富裕程度、能源強(qiáng)度和人均旅游產(chǎn)值與碳排放量均呈現(xiàn)出較強(qiáng)的相關(guān)關(guān)系。主要是:①富裕度是影響遼寧省長(zhǎng)?？h溫室氣體排放的最主要因素。2005—2015年,富裕度呈逐年遞增趨勢(shì),由此可見(jiàn)經(jīng)濟(jì)發(fā)展程度仍是影響碳排放量的最重要因素。②能源強(qiáng)度變化相對(duì)平穩(wěn),波動(dòng)幅度相對(duì)較小。能源結(jié)構(gòu)優(yōu)化調(diào)整對(duì)長(zhǎng)?？h碳排放量的減少有一定影響,使用清潔能源比例越大,碳排放量越少。③人均旅游產(chǎn)值對(duì)長(zhǎng)海縣碳排放量的影響程度較小,但仍是不可忽視的因素。適當(dāng)調(diào)整產(chǎn)業(yè)結(jié)構(gòu),提高旅游產(chǎn)值在總產(chǎn)值中所占比例,加快開(kāi)發(fā)旅游周邊產(chǎn)品,增加人均旅游產(chǎn)值,對(duì)控制碳排放有一定效果。

4 結(jié)論與討論

本文以長(zhǎng)?？h為例,嘗試測(cè)度基于生物因素的海島地區(qū)海洋碳匯量,分析海洋碳匯對(duì)碳排放量的補(bǔ)償效果,考慮到當(dāng)?shù)芈糜螛I(yè)較為發(fā)達(dá),旅游產(chǎn)值占總產(chǎn)值比重較大的情況,將人均旅游產(chǎn)值作為重要影響因子引入STIRPAT模型中,利用模型定量分析長(zhǎng)?？h碳排放量與富裕度、能源強(qiáng)度、人均旅游產(chǎn)值之間的關(guān)系。

主要結(jié)論為:①生物途徑所形成的海洋碳匯量呈先逐年增加后逐年遞減態(tài)勢(shì),與碳排放量走勢(shì)基本一致,其中貝類對(duì)海洋碳匯量的貢獻(xiàn)程度遠(yuǎn)大于藻類的貢獻(xiàn)程度。鑒于長(zhǎng)?？h地理位置,海水養(yǎng)殖業(yè)必然是其主要生產(chǎn)方式,因此適當(dāng)調(diào)整海洋養(yǎng)殖種類與比例是增加碳匯收益的有效途徑。一是調(diào)整養(yǎng)殖品種,大力培養(yǎng)固碳能力強(qiáng)、成本低、附加值高的產(chǎn)品,保持生態(tài)健康發(fā)展的條件下增加農(nóng)民收入；二是完善海洋養(yǎng)殖業(yè)與其相關(guān)產(chǎn)業(yè)的產(chǎn)業(yè)網(wǎng)絡(luò),形成高效率、可循環(huán)的可持續(xù)發(fā)展的產(chǎn)業(yè)鏈條[24,25],推進(jìn)海島產(chǎn)業(yè)升級(jí)。②2005—2015年長(zhǎng)?？h的碳排放量總體呈上升趨勢(shì)。從能源消費(fèi)結(jié)構(gòu)上看,電力和煤炭對(duì)碳排放量貢獻(xiàn)最大,兩者相加占研究區(qū)能源消費(fèi)總量的比重達(dá)85%以上。從影響因素上看,富裕程度為影響碳排放量最重要的因素,能源強(qiáng)度次之,人均旅游產(chǎn)值影響程度最小,它們每變化1%,將分別引起碳排放量變化0.6358%、0.3356%和0.2894%。富裕度、能源強(qiáng)度和人均旅游產(chǎn)值對(duì)碳排放量均起正向作用。③相對(duì)于富裕度,人均旅游業(yè)產(chǎn)值對(duì)碳排放量增加貢獻(xiàn)程度較低。結(jié)合長(zhǎng)?？h旅游業(yè)產(chǎn)值在地區(qū)總產(chǎn)值中占比不斷提高,2015年第三產(chǎn)業(yè)比重達(dá)38%的情況,可見(jiàn)政策實(shí)施方向正確。因此,倡導(dǎo)海島生態(tài)發(fā)展理念,優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),開(kāi)發(fā)吸引力強(qiáng)、附加值高的海洋旅游產(chǎn)業(yè),提高人均旅游產(chǎn)值,在帶動(dòng)當(dāng)?shù)亟?jīng)濟(jì)進(jìn)一步發(fā)展的同時(shí)能很好地控制碳排放量的大幅增長(zhǎng),也是實(shí)現(xiàn)當(dāng)?shù)亟?jīng)濟(jì)持續(xù)發(fā)展的重要途徑。④由于海島地區(qū)地理位置的特殊性,參與到海洋與陸地碳循環(huán)過(guò)程中兼具了海、陸循環(huán)的特點(diǎn)。雖然海島陸地面積較小且較為分散,但是對(duì)海島地區(qū)碳排放量測(cè)算及相關(guān)影響因素分析不僅對(duì)當(dāng)?shù)厣鷳B(tài)文明建設(shè)有至關(guān)重要的影響,也對(duì)區(qū)域內(nèi)乃至全球碳循環(huán)研究起著不可忽視的作用。在碳匯交易市場(chǎng)建設(shè)逐步完善的大背景下,更加準(zhǔn)確地測(cè)算碳匯與碳排放量對(duì)當(dāng)?shù)貏?chuàng)造新的經(jīng)濟(jì)增長(zhǎng)點(diǎn)至關(guān)重要。⑤對(duì)海洋碳匯與碳排放量特別是海島地區(qū)碳匯量和碳排放量的核算,是目前學(xué)科研究的熱點(diǎn),也是學(xué)者及科研領(lǐng)域關(guān)注的焦點(diǎn)。由于海洋碳匯的形成與運(yùn)動(dòng)是個(gè)極其復(fù)雜的過(guò)程,受其自身循環(huán)因素、人為因素、外部條件因素等影響,獲取更為準(zhǔn)確的數(shù)據(jù)和建立更加有效的計(jì)量模型難度極大。因此本文基于簡(jiǎn)化過(guò)程的計(jì)算與實(shí)際情況有所偏差,對(duì)指標(biāo)選取有所舍棄。同時(shí),由于實(shí)驗(yàn)數(shù)據(jù)有限,選取計(jì)算海洋碳匯量的生物種類較少,更加全面的核算海洋碳匯量還需聯(lián)合相關(guān)研究機(jī)構(gòu)與學(xué)者進(jìn)行深度研究。