曲線擬合法計算北方某城市2020年溫室氣體排放清單

＊孫考豪 鄒順瑛 丁超 張令戈 朱新宇

（大連市生態環境事務服務中心 遼寧 116600）

曲線擬合技術在圖像處理、逆向工程及測試數據的處理等領域中的應用越來越廣泛[1]。曲線擬合是用連續曲線近似的刻畫或比擬平面上離散點組函數關系，用解析式逼近離散數據的一種數據處理方法[2]。本文利用曲線擬合法，根據2015—2019年北方某城市溫室氣體排放數據，計算得到了2020年該市的溫室氣體排放數據。

應對氣候變化是人類社會面臨的共同挑戰。2020年9月，第七十五屆聯合國大會一般性辯論上發表重要講話，強調中國二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現碳中和。開展碳排放計算工作，是緊跟國家發展策略，實現高質量趕超發展，助力應對氣候變化行動的具體體現。在國家[3-5]和城市[6-7]層面，國外開展了溫室氣體清單的編制研究，近年來我國的研究從關注能源消費部門的溫室氣體排放[8-10]，已轉到對非能源消費如工業過程、農林部門及廢物處理處置部門等的全方面研究上來[11-12]。

1.計算過程與討論

根據北方某城市2015—2019年各年度溫室氣體排放清單報告結果，該市溫室氣體排放總量趨勢呈現“U”型變化，其中2015年—2017年排放總量穩步下降，總量從2015年的8031.18萬噸降低到2017年的7654.86萬噸，2018年、2019年相比2017年逐年增加，總量分別為7778.84萬噸和8380.05萬噸，以上數據均包括土地利用變化與林業碳匯量。該市分領域溫室氣體排放詳見表1。

表1 北方某城市2015—2019年碳排放總量（單位：萬噸當量）1

(1)能源活動領域

2015—2019年，能源活動碳排放占總排放比例約90%，根據表1中的數據，以上述每年的排放量為縱坐標，年份為橫坐標作圖（見圖1），添加趨勢線后得到的公式如式（1）[14]：

圖1 能源活動碳排放數據擬合圖

回歸分析的相關系數R2=0.976，計算得出2020年能源活動碳排放為8048萬噸，相比2019年增加606.04萬噸。分析原因，一是該市能源工業中公用電力和熱力占主導地位，該市雖積極發展核電等新能源發電產業，火力供電比例逐年下降，使得排放量也在逐年下降，但隨著城鎮化發展，居民供暖需求增加導致供暖能源消耗增多，造成能源工業仍呈現增長趨勢，二是由于2019年、2020年該市石化煉化一體化項目的陸續投產導致該市煤炭和油品消費量劇增，其能源消費總量較2018年出現明顯增幅。

(2)工業生產過程領域

2015—2019年，工業生產過程排放的溫室氣體分別為380.95、417.05、440.55、492.95、615.72萬噸CO2當量，溫室氣體類型涉及CO2、N2O、HFC-23、CF4、SF6。以上述每年的排放量數據為縱坐標，年份為橫坐標作圖（見圖2），添加趨勢線后得到的公式如式（2）：

圖2 工業生產過程碳排放數據擬合圖

回歸分析的相關系數R2=0.979，計算得出2020年工業生產過程碳排放為733.96萬噸，相比2019年增加118.24萬噸。從排放趨勢上看，該市工業生產過程總排放量呈上升趨勢，主要是由水泥熟料、鋼鐵、半導體生產過程排放量增加引起的。

(3)農業領域

2015—2019年，農業領域溫室氣體排放總量分別為206.73、175.51、173.36、165.45、156.43萬噸CO2當量，呈下降趨勢。以上述每年的排放量數據為縱坐標，年份為橫坐標作圖（見圖3），添加趨勢線后得到的公式如式（3）：

圖3 農業領域的碳排放數據擬合圖

回歸分析的相關系數R2=0.950，計算得出2020年農業領域碳排放數據為152.93萬噸，相比2019年減少3.5萬噸。主要原因在于：①稻田甲烷呈下降趨勢，其主要是由于水稻種植面積減少引起的。從統計數據看，2015—2019年該市水稻種植面積整體為下降趨勢，播種面積分別為20777、22144、20153、20672和18795公頃。②農田氮肥投入量的持續減少，農用地氧化亞氮呈持續下降趨勢。③動物腸道發酵和糞便管理系統溫室氣體排放總體呈下降趨勢，分析是動物活動水平數據的減少，各類畜禽的年末存欄量均有所下降。

(4)土地利用變化和林業領域

2015—2019年土地利用變化和林業領域表現為碳吸收，合計碳吸收量為63.89、67.31、70.76、74.20、77.62萬噸。表現為溫室氣體吸收的主要包括喬木林、經濟林、灌木林、散生木、四旁樹和疏林。

在計算取值時，因為該城市僅能提供2005年與2018年相關的林產數據，其他每年的數據是由這兩年的數據根據《2006年IPCC國家溫室氣體清單指南》[3],采用內插法和外推法測算出來，故擬合時回歸分析的相關系數R2=1（見圖4），公式如式（4）：

圖4 土地利用變化和林業碳排放數據及擬合圖

計算得出2020年土地利用變化與林業的碳排放數據為-81.06萬噸，相比2019年多吸收3.44萬噸二氧化碳，分析原因是森林碳儲量總體呈穩步上升趨勢。

(5)廢棄物處理領域

2015—2019年，該城市廢棄物處理活動涵蓋了《省級溫室氣體清單編制指南》中廢棄物領域所有排放源，產生的溫室氣體種類為二氧化碳、甲烷和氧化亞氮。溫室氣體總體呈上漲趨勢，由2015年的136.96萬噸增長至2019年的243.56萬噸。相關活動包括廢棄物填埋處理、廢棄物焚燒處理、生活污水處理、工業廢水處理等。

以上述每年的排放量數據為縱坐標，年份為橫坐標作圖（見圖5），添加趨勢線后得到的公式如式（5）：

回歸分析的相關系數R2=0.975。計算得出2020年廢棄物處理碳排放數據為251.33萬噸，相比2019增加7.7萬噸，原因是近幾年環保管理要求持續加嚴，廢棄物填埋和焚燒處理產能持續擴大，生活污水和工業廢水處理率提升導致2020年碳排放數據有所增加。

(6)總排放量結論

根據各擬合的數據，加和后得到2020年碳排放數據為9105.16萬噸CO2當量。

以上述每年的總排放量數據為縱坐標，年份為橫坐標作圖（見圖6），添加趨勢線后得到的公式如式（6）：

圖6 某城市總碳排放量數據及擬合圖

回歸分析的相關系數R2=0.968，計算得出2020年總排放量是9120.8萬噸，與上述通過加和得到的數據二者差別不大。

2.結語

本文根據現有數據，創造性的利用曲線擬合法計算得出2020年該城市碳排放數據，對于各地的碳排放計算具有一定的借鑒作用。值得一提的是，利用曲線擬合的方法計算得出的能源活動領域碳排放數據與該市碳排放達峰路徑研究報告中利用修正過的STIRPAT模型計算得出的數據僅相差21萬噸，該模型結合該市社會經濟、能源及碳排放數據的可獲得性，以地區生產總值、單位地區生產總值能耗以及非化石能源消費比重為變量，計算得出的2020年該市能源活動碳排放數據為8069萬噸，兩種方法相互佐證，充分說明了曲線擬合方法的可行性。