文|創(chuàng)瞰巴黎
導(dǎo)讀
根據(jù)各國(guó)編制的全國(guó)溫室氣體排放清單，全球溫室氣體排放量最多的國(guó)家依次是中國(guó)、美國(guó)、歐盟。溫室氣體排放量的指標(biāo)選擇，對(duì)于各國(guó)的排放量統(tǒng)計(jì)和排名都會(huì)造成顯著影響。
一覽：
- 根據(jù)各國(guó)編制的全國(guó)溫室氣體排放清單，全球溫室氣體排放量最多的國(guó)家依次是中國(guó)、美國(guó)、歐盟。
- 但是溫室氣體排放量的核算有多種排放因子供選擇，各個(gè)行業(yè)的核算準(zhǔn)確度參差不齊。
- 溫室氣體排放量的指標(biāo)選擇，對(duì)于各國(guó)的排放量統(tǒng)計(jì)和排名都會(huì)造成顯著影響。
- 碳足跡是一個(gè)頗具參考意義的指標(biāo)，計(jì)算的是一個(gè)國(guó)家公民消費(fèi)活動(dòng)（包括購(gòu)買進(jìn)口產(chǎn)品）所牽涉的所有溫室氣體排放。
- 2019年全球有48%的排量是最富的10%的群體造成的，而最貧窮的50%的人口只貢獻(xiàn)了12%的排量。
全球溫室氣體排放，哪些國(guó)家是“優(yōu)等生”、哪些是“差等生”？給全球各國(guó)排出個(gè)先后順序可不是件容易事，因?yàn)榻y(tǒng)計(jì)一整個(gè)國(guó)家的溫室氣體排放量并沒(méi)有直接的計(jì)算方式?，F(xiàn)有的人類活動(dòng)排量都是通過(guò)間接法算出來(lái)的，比如將燃油銷量與燃油單位排放量相乘，求得交通行業(yè)的總排放量。能源、工業(yè)、農(nóng)業(yè)、土地使用、廢料排放等其他行業(yè)和領(lǐng)域采用類似的間接算法，然后求和，既可得到一個(gè)國(guó)家或地區(qū)的總排量。
01 現(xiàn)有排放指標(biāo)的缺陷
2014年，中國(guó)的排放量為11.2Gt CO2e（二氧化碳當(dāng)量），位居世界第一。緊隨其后的是美國(guó)（5.7Gt CO2e，2019年）、歐盟（3.3 Gt CO2e，2019年）、印度（2.5 Gt CO2e，2016年）。以上數(shù)據(jù)來(lái)自于各國(guó)自2005年起根據(jù)《京都議定書》編制上報(bào)的全國(guó)溫室氣體清單，采用IPCC定義的核算法，包含七種溫室氣體的排放（二氧化碳、甲烷、氧化二氮、七氟丙烷、全氟化合物、六氟化硫、三氟化氮）?，F(xiàn)在，《聯(lián)合國(guó)氣變框架公約》附件一國(guó)家（共43個(gè)，其中包括歐盟[1]）每年都要上報(bào)全國(guó)溫室氣體排放清單，但是到2024年，《公約》要求所有締約國(guó)都要上報(bào)。
“不同行業(yè)、不同國(guó)家使用的排放量核算精度級(jí)別不盡相同?！?/p>
但是IPCC的核算方法合理嗎？法國(guó)國(guó)家溫室氣體排放統(tǒng)計(jì)機(jī)構(gòu)Citepa土地利用部門分析專家Etienne Mathias介紹：“該計(jì)算方法主要服務(wù)于政治決策，很適合作為國(guó)家減排戰(zhàn)略的基礎(chǔ)。”Citepa排放清單核算部主任Julien Vincent進(jìn)一步解釋：“然而，作為對(duì)比各國(guó)排放量的工具，該核算法存在若干缺陷。”
排放量核算，可以采用默認(rèn)排放因子（第一級(jí)方法），特定國(guó)家排放因子（第二級(jí)方法），或者精確到特定排放點(diǎn)的因子（第三級(jí)方法）。不同行業(yè)、不同國(guó)家使用的級(jí)別不盡相同。因子精確度選擇，對(duì)能源行業(yè)的排放量核算影響不大，但是會(huì)導(dǎo)致其他行業(yè)的各國(guó)核算結(jié)果準(zhǔn)確度參差不齊。Vincent指出：“即使在發(fā)展中國(guó)家，油氣開采的逃逸排放量（例如甲烷泄漏量）計(jì)算也有很大的不確定性。” Mathias補(bǔ)充道：“由于許多欠發(fā)達(dá)國(guó)家的活動(dòng)數(shù)據(jù)和排放量因子信息不完善，土地利用行業(yè)，特別是農(nóng)業(yè)的排放核算更是不準(zhǔn)確，誤差區(qū)間可高達(dá)幾百萬(wàn)噸?！贝送?，迄今為止，只有48個(gè)國(guó)家提交過(guò)至少一份清單。
02 新型排放指標(biāo)揭示的現(xiàn)象
為彌補(bǔ)現(xiàn)有核算手段的不足，世界資源研究所推出了氣候觀察（Climate Watch）平臺(tái)[2]，聚合多個(gè)數(shù)據(jù)庫(kù)信息，發(fā)布修正后的溫室氣體排放地圖。平臺(tái)數(shù)據(jù)顯示，各國(guó)排量排名與以往其他平臺(tái)公布的相同，但位居前十的國(guó)家總排量比其余所有國(guó)家的總和還要高。2019年，中國(guó)排放了12Gt二氧化碳當(dāng)量（遠(yuǎn)高于2000年水平），而其余國(guó)家排放量總和只有19.7Gt二氧化碳當(dāng)量。
圖片來(lái)源：ClimateWatch - 1990~2019年溫室氣體排放量最高的國(guó)家
科學(xué)選擇指標(biāo)，值得細(xì)細(xì)考究。
指標(biāo)的選擇對(duì)各國(guó)的排量排名有著巨大的影響。排放量核算，該不該將“土地利用、土地利用變化和林業(yè)”（LULUCF）包含在內(nèi)呢？該部門既有溫室氣體排放源，又有碳匯。Mathias 指出：“如果核算的目的是觀察排放源隨時(shí)間的變化，那就不應(yīng)該將碳匯包含在內(nèi)?！比绻粚ULUCF計(jì)算在內(nèi)，中美仍是世界兩大排放國(guó)，但原本排名三四的歐盟和印度則變成并列第三。如果將LULUCF計(jì)算在內(nèi)，印尼的排放量會(huì)從第八名（1 Gt二氧化碳當(dāng)量）躍升到第五名（1.96 Gt二氧化碳當(dāng)量），因?yàn)樵搰?guó)森林砍伐過(guò)度。此外，哪些氣體該算作溫室氣體呢？有些指標(biāo)把所有具有溫室效應(yīng)的氣體都計(jì)算在內(nèi)，折算成二氧化碳當(dāng)量；其他指標(biāo)則只算二氧化碳，從而使得主要排放甲烷、一氧化二氮的農(nóng)業(yè)在排放清單中的比重下降。
圖片來(lái)源：ClimateWatch - 全球溫室氣體排放占比餅圖
為什么中國(guó)排量數(shù)字如此驚人？一方面是因?yàn)槿丝诨鶖?shù)龐大。根據(jù)2019年氣候觀察的數(shù)據(jù)，人均排放量最高的國(guó)家為所羅門群島（每人每年69.2t二氧化碳當(dāng)量）、卡塔爾（每人每年40.5t二氧化碳當(dāng)量）、巴林（每人每年33.1t二氧化碳當(dāng)量）。中國(guó)公民的這一數(shù)字只有8.41t。印度是全球排放量排行第四的國(guó)家，但年人均排放量只有2.4t。
圖片來(lái)源：ClimateWatch - 2019年各國(guó)人均溫室氣體排放量
03 碳足跡——各國(guó)排放名次的“攪局指標(biāo)”
碳足跡的計(jì)算也很值得細(xì)細(xì)研究。上文所提的核算方法只考慮了各國(guó)公民在本國(guó)國(guó)內(nèi)的排放量。但有些國(guó)家是貨物和服務(wù)的出口大國(guó)，比如中國(guó)。碳足跡計(jì)算的公民消費(fèi)活動(dòng)所牽涉的溫室氣體排放，其數(shù)值等于家庭排放、國(guó)內(nèi)生產(chǎn)排放、進(jìn)口貨物排放的總和減去出口貨物的排放。以法國(guó)為例，雖然每人每年排放量為5.4t二氧化碳當(dāng)量，但是2021年的人均碳足跡可高達(dá)8.9t（數(shù)據(jù)來(lái)源于法國(guó)經(jīng)濟(jì)財(cái)政部數(shù)據(jù)和統(tǒng)計(jì)研究部門[3]），這其中一大半來(lái)源于法國(guó)進(jìn)口的成品、服務(wù)、原材料、半成品。
圖片來(lái)源：PI France
注：左縱軸，溫室氣體排放量；右縱軸，服務(wù)貨物消費(fèi)量
縱覽全球，尚無(wú)標(biāo)準(zhǔn)的碳足跡核算方式。根據(jù)Exiobase數(shù)據(jù)庫(kù) [4]，中國(guó)之所以排放量高，是因?yàn)闉闅W美生產(chǎn)了大量產(chǎn)品服務(wù)。雖然全球總排量中國(guó)占24.1%，但碳足跡中國(guó)只占19.2%，低于歐洲（20.2%）和美國(guó)（19.8%）。
“縱覽全球，尚無(wú)標(biāo)準(zhǔn)的碳足跡核算方式?！?/p>
“每個(gè)數(shù)據(jù)所折射出的情況都不一樣，用途也不同。比如，人均排量數(shù)據(jù)因?yàn)槭蔷?，所以體現(xiàn)不出收入高低群體之間、主流和邊緣化群體之間的差異。”法國(guó)經(jīng)濟(jì)學(xué)家Lucas Chancel在2022年發(fā)表于《自然-可持續(xù)發(fā)展》的一篇論文[5]中指出，2019年全球有48%的排量是最富的10%的群體造成的，而最貧窮的50%的人口只貢獻(xiàn)了12%的排量。
圖片來(lái)源：Chancel, L. Global carbon inequality over 1990–2019. Nat Sustain 5, 931–938 (2022).
參考資料
1. Website consulted on 30/11/2022: https://unfccc. int/process/parties-non-party-stakeholders/parties-convention-and-observer-states
2. Data (as CAIT) available at: https://www. climatewatchdata.org/ghg-emissions?source=CAIT
3. Accessed on 01/12/2022: https://www.statistiques. developpement-durable.gouv.fr/lempreinte-carbone-de-la-france-de-1995–2021
4. Tukker, A., Bulavskaya, T., Giljum, S., de Koning, A., Lutter, S., Simas, M., Stadler, K., Wood, R. 2014. The Global Resource Footprint of Nations. Carbon, water, land and materials embodied in trade and final consumption calculated with EXIOBASE 2.1. Leiden/Delft/Vienna/Trondheim.
5. Chancel, L. Global carbon inequality over 1990–2019. Nat Sustain 5, 931–938 (2022). https://doi.org/10.1038/s41893-022–00955 z