问题低碳经济的评价与预测
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
低碳经济的评价与预测
摘要
发展低碳经济是人类可持续发展、降低温室效应的必由之路,本文主要研究低碳经济的评价与预测问题,我们通过建立AHP综合评价模型、灰色预测模型、多项式拟合等得以解决问题,并提出了自己的合理化建议。
问题一根据所给数据建立数学模型对4个省的低碳经济竞争力进行综合评价,给出每个省在各年的低碳经济竞争力的排序结果,分析各省低碳经济的发展变化状况,属于综合评价模型。
由于指标较少,故而我们选择利用层次分析法,建立AHP综合评价模型。
通过查阅资料,我们经过详细的定性、定量分析,确立了比较矩阵,利用MATLAB计算得出单位GDP二氧化碳排放、人均二氧化碳排放、单位建成区面积能耗、人均城市绿地面积、森林覆盖率的权重依次为0.3044,0.2235,0.1890, 0.1684,0.1147。
然后我们通过线型加权,利用MATLAB算出每个省在各年的低碳经济竞争力得分,得到2005—2009年排序结果皆为:北京>四川>重庆>上海。
最后我们利用EXCEL绘制出各省低碳经济的发展趋势图及5个指标的变化趋势图,从宏观与个体的角度,进行详细分析,得出四个省份都在不同程度的促进低碳经济的发展,但都有所波动;低碳经济具有鲜明的“地方特色”等结论。
问题二我们根据所给数据,建立数学模型,预测2012年4个省的人均二氧化碳排放量,属于预测模型。
限于题目中只有2005—2009年的数据,数据较少,故而我们建立灰色预测模型和多项式拟合分别进行预测,然后取其均值作为最后的预测结果,利用MATLAB进行求解,得到2012年北京、上海、重庆、四川的人均二氧化碳排放分别为6.7631、12.6046、6.3497、4.5029顿/(人•年)。
问题三我们提出为实现到2020年我国单位国内生产总值二氧化碳排放在2005年基础上下降40%~45%的长期目标的建议和意见。
通过研究本文及查阅有关资料,我们提出了发展“因地制宜”的低碳经济、推进经济增长方式的转变和经济结构的调整、调整支出结构,增加财政投入等合理化建议。
本文最大的特色是采用定性分析与定量分析相结合的方法处理数据,在数据较少的情况下,建立两种模型进行预测,使结果更加可靠。
同时针对问题一和问题三都从不同角度进行详细分析和研究,使本文更具有实际价值。
关键词:AHP综合评价模型宏观与个体分析灰色预测模型多项式拟合因地制宜
一、问题提出
低碳经济的评价与预测
2009年联合国丹麦哥本哈根气候大会以来,“应对气候变化”成为全世界关注的最热门的话题。
“低碳”的基本含义是较低地排放以二氧化碳为代表的温室气体。
低碳经济,以减少温室气体排放为特征。
发展低碳经济,必须在《联合国气候变化框架公约》的基础上,它需要国家的支持,需要每一个企业单位,每一个人的努力,涉及到低碳文化、低碳立法、低碳政策、低碳金融、低碳贸易、低碳企业治理、低碳城市构建等方方面面,需要自然科学、技术科学、人文、社会、管理科学之间的融合与协调作战。
附录给出了2005~2009年北京、上海、重庆、四川4个省的相关数据,请你研究下面三个问题:
(1)根据所给数据建立数学模型对4个省的低碳经济竞争力进行综合评价,给出每个省在各年的低碳经济竞争力的排序结果,分析各省低碳经济的发展变化状况。
(2)根据所给数据建立数学模型预测2012年4个省的人均
CO排放量。
2
(3)温家宝总理在哥本哈根气候大会上庄严宣布,到2020年我国单位国内生产总值CO
排放在2005年基础上下降40%~45%的长期目标。
为实现这一目标,国家“十二五2
规划”也明确提出了阶段的约束性指标。
请你查阅有关资料,提出你自己认为切实可行的完成这一目标的建议和意见。
附录:4省区有关数据。
二、基本假设
1、假设1 :假设评价低碳经济的5个指标重要程度依次为:单位GDP二氧化碳排放、人均二氧化碳排放、单位建成区面积能耗、人均城市绿地面积、森林覆盖率;
2、假设2 :假设2012—2020年,影响低碳经济的经济因素、政策因素、技术因素、环境因素等不会出现非预期的大幅度变动;
3、假设3:假设从官方获取的各个省份的低碳经济指标的统计数据信息真实可靠;
三、符号说明
四、问题分析
本文是在低碳经济的背景下提出来的低碳经济的评价与预测问题。
问题一要求根据所给数据建立数学模型对4个省的低碳经济竞争力进行综合评价,给出每个省在各年的低碳经济竞争力的排序结果,分析各省低碳经济的发展变化状况。
属于综合评价模型。
本题中,共有单位GDP二氧化碳排放、人均二氧化碳排放、单位建成区面积能耗、人均城市绿地面积、森林覆盖率5个评价指标,由于指标较少,模糊评价、主成份分析法等不利于做出较好的评价,故而我们选择利用层次分析法,作到定量与定性分析相结合,查阅相关资料确定各个指标的权重,从而建立AHP综合评价模型,利用MATLAB给出每个省在各年的低碳经济竞争力的排序结果。
最后我们利用EXCEL绘制出各省低碳经济的发展趋势图及5个指标的变化趋势图,从宏观、个体的角度,分析各省低碳经济的发展变化状况。
问题二要求我们根据所给数据建立数学模型预测2012年4个省的人均2CO 排放量,属于预测模型。
常见的预测模型有:时间序列预测、灰色预测、BP 神经网络、统计回归、拟合等由于题目中只有2005—2009年的数据,数据较少,故我们利用灰色预测和多项式拟合分别进行预测,然后取其均值作为最后的预测结果。
问题三要求我们为实现到2020年我国单位国内生产总值CO2排放在2005年基础上下降40%~45%的长期目标,提出认为切实可行的完成这一目标的建议和意见。
我们通过研究本文及查阅有关资料,给出合理化建议。
五、模型的建立与求解
5.1 问题一模型建立与求解 5.1.1 问题一的分析
问题一要求研究的是:根据所给数据建立数学模型对4个省的低碳经济竞争力进行综合评价,给出每个省在各年的低碳经济竞争力的排序结果,分析各省低碳经济的发展变化状况。
问题一属于综合评价模型,我们必须明确知道,要评价一个省份的低碳经济竞争力,就必须给出相应地能反映低碳经济竞争力的指标。
本题中,共有单位GDP 二氧化碳排放、人均二氧化碳排放、单位建成区面积能耗、人均城市绿地面积、森林覆盖率5个评价指标,由于指标较少,模糊评价、主成份分析法等不利于做出较好的评价,故而我们选择利用层次分析法,作到定量与定性分析相结合,查阅相关资料确定各个指标的权重,从而建立AHP 综合评价模型,利用MATLAB 给出每个省在各年的低碳经济竞争力的排序结果。
最后我们利用EXCEL 绘制出各省低碳经济的发展趋势图及5个指标的变化趋势图,从宏观、个体的角度,分析各省低碳经济的发展变化状况。
5.1.2 问题一模型的建立
Step1 数据的标准化处理
因为评价指标可能有极大型的、极小型的、中间型、或区间型四种情况,且可能各有不同的量纲,故需要对不同类型的指标变换成统一的、无量纲的标准化指标。
处理方法为:
1.评价指标类型的一致化处理
通过判断可知的森林覆盖率、人均二氧化碳排放,两类指标为极大型指标,无需一致化处理;单位GDP 二氧化碳排放、单位建成区面积能耗、人均二氧化碳排放这三类指标为极小型指标,即总是期望指标的取值越小越好,需要将进行指标类型一致化处理。
(1)单位GDP 二氧化碳排放
*11
1
,1,2,3,4i i P i P == (1-1)
(2)人均二氧化碳排放
*22
1
,1,2,3,4i i P i P == (1-2)
(3)单位建成区面积能耗
*33
1
,1,2,3,4i i P i P == (1-3)
2.评价指标无量纲化处理
一般来说,数据的无量纲化处理有标准差方法、极值差方法和功效系数方法等。
在此,选取极值差方法对****12345,,,i i i i i P P P P P 进行标准化处理。
处理方法为:
*min
,1,2,3,4,1,2,3,4,5max min
ij i
ij i
i
P x i j -=
==- (1-4)
其中,则[0,1]ij
x '∈是无量纲的指标观测值。
经过此处理我们可以得到评价指标经标准化处理后的三级区间。
其中,则[0,1]ij
x '∈是无量纲的指标观测值。
Step2 层次分析图
层次分析法的关键是合理的给出各项指标的权重,因此我们对此进行详细的分析。
首先,根据低碳经济的要求可知,其本质是实现经济社会发展与生态环境保护的双赢。
故而我们把单位GDP 二氧化碳排放作为首要指标。
其次,“低碳”的基本含义是较低地排放以二氧化碳为代表的温室气体。
低碳经济,以减少温室气体排放为特征。
故而我们把人均二氧化碳排放作为第二指标。
再者,低碳经济要求通过技术创新、制度创新、产业转型、新能源开发等多种手段,尽可能地减少煤炭石油等高碳能源消耗。
故而我们把单位建成区面积能耗作为第三指标。
同时,增加碳汇能力是降低二氧化碳的有效措施。
其中增加森林覆盖率可以明显提高碳汇能力,但是考虑到城市发展过程中的区域面积限制,经济限制等因素,我们还是把人均绿地面积放在第四指标,森林覆盖率作为第五指标指标
由题目中给出的5个评价指标,根据我们的以上的分析,可将该问题的评价层次结构分为三层:
第一层为目标层(O ):低碳经济竞争力; 第二层为准则层(C ):依次为节能减排指标、碳汇指标; 第三层为方案层(P ):依次为单位GDP 二氧化碳排放、人均二氧化碳排放、单位建成区面积能耗、、人均城市绿地面积、森林覆盖率。
各种因素的层次图如图5.1
图1.1 层次分析图
Step3类别权向量的确定
由于层次分析法是一种定性与定量结合求权重的方法,在此运用层次分析法(AHP )确定每种指标的权重。
在定性的构造成对比较矩阵时,通常采用的等级尺度可表示如下:
表1.2:1-9尺度的含义
把影响低碳经济竞争力的因素记作12{,,}n U U U U = ,称为低碳经济竞争力的评价指标集。
注意到关于评价指标集中的评价指标往往不是同等重要的,因此对其进行加权处理。
根据美国匹兹堡大学著名的运筹专家Saaty L T ..创造的层次,可以得到的评价指标加权矩阵
1231
(,,,,),1,0
n
n i i i w w w w w w w ===≥∑ ( 1-6)
因为得到的评价结果往往不是单一的,而是多个,但这些评价结果往往带有模糊性,事实上并没有找到一个绝对的指标来刻画什么样的空气质量是好的。
因此我们假设评语集为模糊集123{,,,}m V v v v v = 。
构造实用性的评价矩阵构造模糊评价矩阵()ij n m p p ⨯=,其中表示ij p 表示第i 个指标
属于第j 个评语的隶属度。
由于评价指标需要进行加权处理, 从而利用加权指标矩阵与模糊评价矩阵得到综合评价矩阵,B 即
11121212221231
2(,,)m m n n n nm p p p p p p B w w w w p p p ⎛⎫ ⎪ ⎪=⊗ ⎪ ⎪ ⎪⎝⎭ (1-7)
综合模糊评价矩阵刻画了影响实用性各因素的隶属情况。
注意,这里矩阵的乘法不是矩阵的张量积,而是模糊乘法。
对综合评价矩阵B 做归一化处理, 即不妨假设计算得123(,,,)n B b b b b = ,则
1231231
(,,,)n n
B b b b b b b b b =+++ 为B 的归一化向量。
建立如下公式对实用性进行综合评定。
∑=⨯=5
1i i i D M S (1-8)
S ——低碳经济竞争力得分
i D ——第i 个指标的权重
i M ——第i 个指标的具体数值
5.1.3 问题一模型的求解
Step 1 比较矩阵与指标权重的确定
通过查阅相关资料可以可以得到几个因素之间相互之间的重要性程度,根据这种重要性程度,构造的两两对比较矩阵如下:
⎥⎥⎥⎥⎥⎥⎦⎤⎢⎢⎢⎢⎢⎢⎣⎡=12/12/113/1212/12/112212/12/112212/131221
A (1-9)
利用MATLAB 软件可以得到每种因素的权重值,具体数据见表1.3
Step 2 线型加权得到低碳经济竞争力分数及排名
得到了权重之后,便需要利用线性加权法对四个省份进行打分,得到的分数数值及排名:
我们最终得到的结论是:
每个省在2005年—2006年的低碳经济竞争力的排序结果皆为:
北京>四川>重庆>上海
Step 3 各省低碳经济发展变化状况的宏观与个体分析
1、宏观分析
为了分析各省低碳经济的发展变化状况,我们首先从总体上对四个省低碳经济发展趋势进行分析。
利用EXCEL绘制出各个省低碳经济竞争力的发展趋势图:
表1.9 2005—2009年四省低碳经济得分表
图1.10 四省低碳经济发展趋势图
根据四省2005年—2009年低碳经济竞争力趋势图可知:
(1)2005—2009年四省份低碳经济竞争力排名始终是北京>四川>重庆>上海,但从其发展趋势来看,2009年以后的低碳经济竞争力排名可能会发生变化;
(2)从总体上来说,四个省都在不同程度的促进低碳经济的发展;
(3)各个省份的低碳经济都有所波动,这与其各自的省份相关指标的差异、变化密切相关;
2、各省低碳经济的发展变化状况的个体分析
(1)对北京低碳经济发展趋势的分析
根据北京2005年—2009年低碳经济竞争力及相关指标趋势图可知:
①北京低碳经济竞争力的各项指标总体皆向有利于低碳经济的方向发展;
②北京的低碳经济竞争力一直处于稳步上升趋势,除了2009年出现下降。
经分析可知:单位建成区面积能耗从2008年的48400顿煤/平方千米增加到48667顿煤/平方
千米导致了北京的低碳经济竞争力的小幅下降。
(2)对上海低碳经济发展趋势的分析
根据上海2005年—2009年低碳经济竞争力及相关指标趋势图可知:
①上海低碳经济的发展趋势经历了一个先下降后上升的过程;
②2006年、2007年上海低碳经济之所以下降主要受单位建成区面积能耗增加的影
响
③从2005—2009年上海单位建成区面积能耗、人均二氧化碳排放始终处于上升趋
势,这与上海作为我国最大的经济中心,人口密集等联系紧密。
这也导致其在四省低碳经济竞争力排名始终靠后。
为弥补这一低碳经济的不利因素,可以明显看到,上海的人均城市绿地面积、森林覆盖率大幅度提高,尤其是2008—2009年更为显著,这也是上海2009年低碳经济竞争力上升的主要原因。
(3)对重庆低碳经济发展趋势的分析
根据重庆2005年—2009年低碳经济竞争力及相关指标趋势图可知:
①重庆低碳经济的发展经历了一个先上升后下降再上升的过程;
②从2008—2009年重庆低碳经济竞争力略有下降,这是由于2008—2009年作为权重最大的单位GDP二氧化碳排放涨幅过大;
③可以看出2005—2009年重庆的森林覆盖率和人均城市绿地面积得到显著提高。
(4)对四川低碳经济发展趋势的分析
根据四川2005年—2009年低碳经济竞争力及相关指标趋势图可知:
①四川低碳经济的发展有一定的下降趋势,主要受单位建成区面积能耗、人均二氧化碳排放逐年上升的影响;
②从整体来看,四川的单位建成区面积能耗、人均二氧化碳排放逐年上升,人均城市绿地面积有所下降,不利于低碳经济的发展。
3、综上,我们通过对各省低碳经济发展变化状况的宏观与个体分析可以发现:
a.四个省份都在不同程度的促进低碳经济的发展,但其低碳经济都有所波动,这与其各自省份相关低碳经济指标的差异、变化密切相关;
b.低碳经济具有鲜明的“地方特色”,通过研究各个省份每年的低碳经济指标可以发现,每个省份对5个低碳经济指标的重视度不一样,比如上海大幅度提高人均绿
地面积,重庆大幅度提高森林覆盖率;
c.受经济因素、技术因素、社会因素、环境因素等的影响,每个省份发展低碳经济的条件不一样。
比如,上海新型产业比较集中,人口密集,故而单位GDP 二氧化碳排放始终比较低,人均二氧化碳排放始终比较高;四川新型产业比较少,森林比较多,故而单位GDP 二氧化碳排放始终比较高,人均二氧化碳排放始终比较低。
因此,仅仅根据5个指标分析以上差异比较大的四省份低碳经济竞争力,并不能很好的反映其低碳经济的发展趋势,其中具有很大的主观因素。
我们通过计算发现5个指标权重的小变动就会影响最终的排名结果。
故而我们认为研究经济因素、技术因素、环境因素等差异比较小的省份之间的低碳经济比研究差异比较大的省份之间的低碳经济更具有实际意义。
5.1.4 问题一结果的分析及验证
考虑到实际构造的判断矩阵与理论上的判断矩阵可能存在误差,所以需要进行一致性检验来减少误差,检验的指标为CI ,
max
1m CI m λ-=- (1-10) 其中:
max λ——判断矩阵A 的最大特征根 m ——影响实用性的因素个数
当0CI =时,判断矩阵具有完全一致性,CI 值越小,则所建矩阵的一致性越好,即越接近现实生活,误差越小。
因为对问题认识的不同,可能引起的随机误差,所以对上述一致性指标还应该加上一个随机修正系数RI ,RI 的取值见表10:
相对一致性指标CR :
CI
CR RI
= (1-11)
只有当CR 比0.1小时,构造的判断矩阵才具有满意的一致性。
()()max /1CI n n λ=--(n 为判断矩阵阶数),RI 为判断矩阵的平均随机一致性指标,其值参见层次分析法(AHP )的平均随机一致性指标值。
则有CR = 0.0877由于判断矩阵
一致性比例小于0.1,所以该判断矩阵具有良好的一致性,可以通过矩阵的相容性检验。
因此,计算的权重是可以接受的。
5.2 问题二模型建立与求解 5.2.1 问题二的分析
问题二要求我们根据所给数据建立数学模型预测2012年4个省的人均2CO 排放量,属于预测模型。
常见的预测模型有:时间序列预测、灰色预测、BP 神经网络、统计回归、拟合等由于题目中只有2005—2009年的数据,数据较少,故我们利用灰色预测和多项
式拟合分别进行预测,然后取其均值作为最后的预测结果。
5.2.2 问题二模型的建立
灰色预测模型称为CM 模型,G 为grey 的第一个字母,M 为model 的第一个字母。
GM (1,1)表示一阶的,一个变量的微分方程型预测模型。
GM (1,1)是一阶单序列的线性动态模型,主要用于时间序列预测。
设有数列)0(x 共有n 个观察值
)(,2),1()0(0)0(n x x x )()
(
对)0(x 作累加生成,得到新的数列)1(x ,其元素
n i m x i x i
m ,,2,1)()(1)0()
1( ==∑=
(2-1)
有:
)
()1()()3()2()3()2()1()3()
2()1()
2()1()2()1()1()0()1()1()0()1()0()0()0()1()0()1()0()0()1()0()1(n x n x n x x x x x x x x x x x x x x +-=+=++=+=+==
对数列)1(x ,可建立预测模型的白化形式方程,
u ax dt
dx =+)1()
1( (2-2) 式中:u a ,——为待估计参数。
分别称为发展灰数和内生控制灰数。
设a
ˆ为待估计参数向量
则
⎥⎥⎦⎤⎢⎢⎣
⎡=u a a ˆ 按最小二乘法求解, 有:
n y B B B a
T T 1)(ˆ-= (2-3) 式中:
⎪⎪⎪⎪⎪⎪⎪⎭
⎫ ⎝⎛+--+-+-=1))()1((211))3()2((211))
2()1((21)
1()1()1()1()
1()1(n x n x x x x x B
(2-4)
T n n x x x )](,),3(),2([)0()0()0( =y (2-5)
将(5-3)式求得的a
ˆ代入(5-2)式,并解微分方程,有GM (1,1)预测模型为:
a u e a u x i x
al +⎪⎭⎫ ⎝
⎛
-=+-)1()1(ˆ)0()1( (2-6)
5.2.3 问题二模型的求解
5.2.3.1 北京市人均二氧化碳排放的预测
(1)建立灰色预测模型,利用MATLAB 计算可得北京市人均二氧化碳排放的预测图及相
关数据
图2.1 表2.2北京人均二氧化碳排放灰色预测 即灰色预测的2012年人均二氧化碳排放值为6.2730顿/(人•年)。
(2)用MATLAB 拟合工具箱进行拟合,可得人均二氧化碳排放的预测图及相关数据
图2.3
2005
20062007
20082009
201020112012
年份
人均二氧化碳排放
2005—2012年北京人均二氧化碳排放预测图
2005
2005.5
2006
2006.5
20072007.5
2008
2008.5
2009
年份
人均二氧化碳排放量
拟合方程为: (2-7) 可得出2012年预测值为7.2531顿/(人•年)
为减少预测误差,我们取灰色预测和多项式预测的均值6.7631顿/(人•年) 5.2.3.2 上海人均二氧化碳排放的预测
图2.4 表2.5上海人均二氧化碳排放的灰色预测
(1)建立灰色预测模型,利用MATLAB 计算可得上海人均二氧化碳排放的预测图及相关
即灰色预测的2012年上海人均二氧化碳排放值为 12.7917顿/(人•年)。
(2)用MATLAB 拟合工具箱进行拟合,可得人均二氧化碳排放的预测图及相关数据:
图2.6
)0089()0063.1()0027.6(11.0231
+-+++-=e x e x e x y
2005—2012年上海人均二氧化碳排放预测图
年份
人均二氧化碳排放
年份
人均二氧化碳排放
data 1
cubic
拟合方程为:00910066.10028.713.0223+-+++-=e x e x e x y (2-8) 利用拟合方程,可得出2012年上海人均二氧化碳排放预测值为12.4125 为减少预测误差,我们取灰色预测和多项式预测的均值12.6046顿/(人•年) 5.2.3.3 重庆人均二氧化碳排放的预测
图2.7 表2.8重庆人均二氧化碳排放灰色预测值
(1)建立灰色预测模型,利用MATLAB 计算可得重庆人均二氧化碳排放的预测图及相关数据。
得到灰色预测的2012年重庆人均二氧化碳排放值为 6.4541顿/(人•年)。
(2)用MATLAB 拟合工具箱进行拟合,可得人均二氧化碳排放的预测图及相关数据: 拟合方程为:8.30057.50028.2047.0233++-++-=x e x e x y (2-9)
2005
20062007
20082009
201020112012
2005—2012年重庆人均二氧化碳排放预测图
年份
人均二氧化碳排放
图2.9
利用拟合方程,可得出2012年重庆人均二氧化碳排放预测值为6.2453顿/(人•年)。
为减少预测误差,我们取灰色预测和多项式预测的均值6.3497顿/(人•年) 5.2.3.3 四川人均二氧化碳排放的预测
(1)建立灰色预测模型,利用MATLAB 得出四川人均二氧化碳排放的预测图及相关数据
图2.10 表2.11四川人均二氧化碳排放灰色预测值
即灰色预测的2012年四川人均二氧化碳排放值为 4.4927顿/(人•年)。
2005
2005.5
2006
2006.5
20072007.5
2008
2008.5
2009
年份
人均二氧
化碳排放
2005
20062007
20082009
201020112012
2005—2012年四川人均二氧化碳排放预测图
年份
人均二氧化碳排放
(2)用MATLAB 拟合工具箱进行拟合,可得人均二氧化碳排放的预测图及相关数据:
图2.12
拟合方程为:0077.50046.8430071.0423+-++-=e x e x x y (2-10)
利用拟合方程,可得出2012年四川人均二氧化碳排放预测值为4.5131顿/(人•年)。
为减少预测误差,我们取灰色预测和多项式预测的均值4.5029顿/(人•年)。
综上:我们结合灰色预测与多项式拟合得到:
表2.13 2012年四省份的人均二氧化碳排放表
5.2.4 问题二结果的分析及验证
2005
2005.520062006.5
20072007.520082008.52009
年份
人均二氧化碳排放
R
由上表可知,四个省的多项式拟合相关系数都达到95%以上,残差平方和SSE、残差均方RMSE都很小,符合要求。
5.3 问题三:
对我国发展低碳经济的意见和建议
低碳经济是应对全球气候变化的必由之路。
温家宝总理在哥本哈根气候大会上庄严宣布,到2020年我国单位国内生产总值CO2排放在2005年基础上下降40%~45%的长期目标。
为实现这一目标,作者在研究本文及相关资料的基础上,提出以下建议和意见:
1. 发展具有地方特色的低碳经济
通过本次论文的研究,我们可以发现在发展低碳经济的过程中,应该结合自身区域特点,包括经济因素、社会因素、环境因素、科技因素等,做到“因地制宜”。
以上海为例,上海是我国的经济中心,经济发展非常迅速,产业集中,在一定程度上,大幅度降低上海单位建成区面积能耗、人均二氧化碳排放等低碳经济指标是很难实现的。
故而上海结合实际情况,加快转变经济增长方式,重点是减少能源消耗,大力发展新型环保产业。
同时加强城市绿化力度,促进生态环境的优化。
我们可看到上海的森林覆盖率从2005年3.17%,提高到2009年%9.41,人均绿地面积从2005年18.12平方米/人到2009年68.70平方米/人、单位GDP二氧化碳排放从2005年1.8147顿/万元,2009年
1.6310顿/万元。
故发展具有地方特色的低碳经济是发展低碳经济的有效指导思想。
2.推进经济增长方式的转变和经济结构的调整
坚持科学发展观,坚决遏制以“能源”换“增长”而无视长期发展的短视行为,大力发展循环经济,以尽可能小的资源消耗和环境成本,获得尽可能大的经济和社会效益,从而使经济系统与自然生态系统的物质循环过程相互和谐,促进资源永续利用。
3.继续强化节能减排工作
继续淘汰“高污染、高耗能、高耗水”的三高企业,加快节能减排技术改造,加快节能减排技术产业化示范和推广,建立节能减排技术服务体系,推进环保产业健康发展。
增加政府投资,鼓励产学研结合和自主创新技术,提高能源利用率。
4.完善法律法规体系
政策、技术、资金是发展低碳经济最为重要的三个因素,发展低碳经济,政府是主导,应政策先行。
政府应加快对低碳经济的调研和立法,制定与低碳经济相适应的法律制度和配套法规,建立评价、监测等机制,为低碳经济的发展提供制度规范和保障。
5.发展清洁能源,优化能源结构
除研究开发新型低碳能源,更应大力发展风能、太阳能、水能等清洁能源,。
清洁能源对传统能源的有效代替,可以大大缓解目前能源供应紧张的局面。
着力发展新能源,是逐步改变我国以煤炭为主的能源结构的一项重大战略。
6.调整支出结构,增加财政投入
发展清洁能源、改造传统落后产能都需要充足的财政资金安排。
从2009年财政预算报告看,国家专项用于这部分的资金将达到495亿元人民币。
然而,资金投入不足仍然是我国发展低碳经济论文的瓶颈,在未来仍要加大对节能改造和淘汰落后产能的政策支持力度。
据联合国教科文组织发表的《世界科学报告》,目前发展中国家的科技研发投入占GDP的比例一般在1%左右,而发达国家这一比重平均为2.9%。
中国20世纪80年代以来,研发投入比重不断下降,1997年仅为0.54%,近几年有所上升,也不足1%。