亚太地区资源利用与资源效率外文翻译资料

 2022-12-02 07:12

英语原文共 12 页，剩余内容已隐藏，支付完成后下载完整资料

亚太地区资源利用与资源效率

【摘要】过去几十年来，亚太地区是世界上地区中最具活力的经济发展区，导致其资源消费和相关环境排放量的迅速增加。目前，该地区是全球资源消费量超出限制的主要驱动力。在本文中，我们首次评估了亚太地区及其子区域的原材料使用和资源效率，以补充人们对全球资源有效使用的认知。结果显示，亚太地区已经成为使用全球资源最多的区域，其资源利用效率在1970—2005年期间有所下降。此外，结果还显示，该地区的资源消费总量所占的全球份额非常显著，以至于该地区资源效率的下降成为在一个世纪以来首次推动全球资源利用率下降的地区。利用IPAT框架，我们发现，与人口增长相比，人均收入的增长对资源消费量增长的贡献更大。技术的提高并未在预期内缓和资源消费的增长。我们认为，如不将这些问题变成亚太地区公共政策研究的关注重点，将会影响该区域中长期的区域竞争力、资源安全和减贫效果。

1.引言

在最近几年里，我们对全球资源利用的模式和趋势的了解已经大大增加。重大发展包括关于物质流核算（MFA）标准的国际协议（Moriguchi，2007）和越来越多的全球以及国家物质流研究的出现。

世界资源研究所在1997年和2000年发布的两个有影响的报告（Adriaanse等人，1997; Matthews等人，2000），比较了五个经合组织经济体的物质流动，MFA的方法学标准化是由重要的政府间组织推动，最值得注意的是欧洲统计局（EUROSTAT）和经合组织，编制了两本指南（欧盟统计局，2001年，2007年），这些标准也越来越多地用于物质流量的案例研究。这一努力与越来越多的人认识相一致，那就是全球物质流动的当前增长率是不可持续的（Arrow et al，1995; UNEP，2007）。尽管我们对资源利用的现状和趋势有越来越多的了解，但在现有的MFA知识库中仍然存在相当大的空白需要填补，这是对全球，区域和国家资源利用问题进行相关分析的先决条件。

直到最近，研究界才开始调查并考虑全球资源流动。 Schandl和Eisenmenger（2006），Behrens等人（2007），Krausmann et al（2009）和Steinberger et al（2010）第一次对全球资源利用进行了评估。这些研究在覆盖范围（1年或其他时间序列），区域详细信息（按国家/地区分析到全球）以及为确定资源利用驱动因素而进行的分析的复杂性方面不同。他们对亚太地区缺乏细致了解，因为自上世纪九十年代以来亚太地区经济发展迅速，所以不能证明该地区的增长在多大程度上影响了全球趋势。现在有许多对亚太地区的单一国家进行的研究，如日本（Hashimoto等，2008;日本环境局，1992），中国（Chen和Qiao，2001），澳大利亚（Schandl等， 2008年; Schandl和Turner，2009年）和菲律宾（Rapera，2005年），但没有全面了解该区域，其次区域和国家的情况。

在我们的研究中，我们分析了亚太地区作为全球资源利用主要参与者的出现。根据从国际数据来源建立的新数据集并使用最先进的统计方法，我们为亚太地区作为一个整体，一组子地区和个体国家提供三十多年的资源利用数据（Eurostat，2007）。

我们的目标是展示过去三十年亚太地区的经济发展和其在全球经济活动中日益增长的相对重要性是如何影响该地区的总体物质利用的。自20世纪90年代以来，许多亚太地区的发展中经济体的特点是迅速的城市化，基础设施建设的大量投资以及新消费者的出现（Myers和Kent，2004）。亚太地区经济活动和工业化的增长是否导致了材料使用增长率远高于全球平均水平，并且这在多大程度上增加了亚太地区在全球资源利用动态中的相对重要性？中国和菲律宾的案例研究表明，与经合组织国家相比，该地区在人均物质使用方面迅速赶上世界平均水平，保持了进一步快速增长的巨大潜力（Krausmann等，2008）。在这项研究中，我们探讨如果我们有整个地区的综合信息，轶事信息是否和如何改变。

我们也对资源使用的增长如何影响该地区的经济资源效率感兴趣。经济数据显示了从像日本（资源效率高）这样的国家到中国（资源效率低得多）这样的国家的生产结构转变。这是否导致了亚太地区的资源效率减缓或下降，以及在希望提高资源效率在处理全球资源压力方面发挥重要作用的时期，资源使用的增长是如何影响全球资源效率的？我们利用了基于IPAT方程的变形（Commoner，1971），分析了关键驱动因素对亚太地区材料使用增长的相对贡献，该方法最先由Ehrlich和Holdren（1971）提出从人口（P），富裕度（A）和技术（T）等因素解释人类影响（I）对环境的影响。在其他地方应用这种方法的最近的例子是Feng 等（2009），用于分析一些中国地区二氧化碳排放变化的驱动因素。我们采用相同的基本方法将国内物质消费变化的驱动力归结为三个促进因素：人口，人均收入和物质强度，以确定哪些因素推动了亚太地区资源利用的变化。我们首先讨论方法并展示亚太地区物质流核算的结果，报告材料总使用量，人均使用量和资源效率趋势。然后，我们将亚太地区的趋势与全球情况进行比较，并研究不同驱动因素对资源利用趋势的贡献。最后，我们将讨论亚太地区日益增长的资源需求对全球资源使用和资源利用治理带来的明显挑战的规模。我们发现亚太地区资源利用持续快速增长将使更难以实现减少应对全球环境变化，特别是气候变化所需的资源利用，废物和排放。

2.测量材料使用数据和资源利用效率方法

为了分析亚太地区的物质使用的动态变化，我们利用广泛认可和能够获取的国际数据库建立了一个多维数据集，以尽可能地建立物质流入账户。时间序列是从1970年到2005年的三十多年。在编制数据时，我们尽可能遵循欧盟统计局（2007年）规定的方法准则。这里推荐的MFA类别结构的原因主要是为了促进数据集与最近在全球范围内对材料使用的研究中报告的结果进行更直接的比较（Krausmann等，2009）。因此，已经使用的材料流入生物质，化石能源载体，金属矿石，工业矿物和建筑矿物这五类中。这与欧盟统计局（2007）的不同之处主要在于将非金属矿物分为独立的工业和建筑矿物两个类别。

2.1. 生物质

生物质流可用四个子类别表示，分别是主要作物，作物残留物，放牧的生物量和木材。

初级作物国内提取（DE）的基本数据来自粮农组织（2008b），而国家一级的出口和进口作物来自粮农组织（2008c）。作物的国内物质消费量（DMC）计算如下：

DMC（国内物质消费量）= production（生产）– exports（出口） imports（进口）。

为了计算作物残留量，Haberl等人（2007年）计算了亚太地区和次区域特定作物的收获因子和回收率，并适用于每个国家的粮农组织作物生产情况。发现只有17个特定收获因子和11个恢复率适用于该区域报告中144种不同作物的产量，因此没有直接映射到恢复/收获因子的作物是由明显相似的作物所确定的，这些确实的作物有一个适用的因子。当作物不能与具有任何程度的确定性的因子相关联时，该作物的收获/或恢复因子默认为零，所以作物残留量估计可以被认为是保守的。假定作物残留物没有显着的贸易，使DMC（国内物质消费量）等于DE（初级作物国内提取）。

估计放牧生物量是一个多阶段过程。首先，每个国家动物产品生产所需的饲料能量是根据将每公斤动物产品的饲料能量需求（在Wirsenius（2000）中以区域为基础）从粮农组织记录中的每个相应动物产品的总产量（2008b）所确定的。该记录记载了该地区动物饲料中的58个主要作物的吨数被转换为每种动物可获得的饲料能量的当量。所使用的转换因子也来自Wirsenius（2000）。然后将这种可用能量分级分配给不同类别的动物，即首先要求对家禽的适合作物进行分配，直到满足其要求。其次，对家畜猪有的适合作物进行分配，上述两次分配后如果仍有剩余未被分配的作物，那么将其分配给反刍类动物。反刍动物的要求之间的任何可以从作物获得的能量被定义为完全填充放牧的生物量（即没有考虑作物残留的作用）。然后使用Wirsenius（2000）给出的东亚地区的“永久牧场，播种”的能量含量作为转换因子，并假设15％的含水量，将该能量定义转换为所需的放牧生物量的吨数。

当家禽或猪出现饲料能量限制时，出现了这种情况，但没有进一步计算。在早期的分配过程中，能量限定存在许多可能的原因，例如，动物的能量需求被夸大，动物产品被过度报道，但我们认为在大多数情况下，最简单的解释是最终用作饲料（直接或通过一些加工步骤）的作物没有报告或者没有被捕获。

与作物残留一样，家畜饲料的DMC假定等于DE。

对于木材，将通过欧盟统计局（2007年）提供的针对15％含水量的针叶树和非针叶树木默认密度应用于每个国家提取的所有圆木材的适当体积并在粮农组织（2008a）中报告。由于木材产品贸易量大，不能假定DMC等于DE。计算DMC所需的所有数据均来自粮农组织（2008a），计算如下：

DMC （国内物质消费量）=DE（初级作物国内提取） imports of all wood products （所有木制品的进口） - exports of all wood products（所有木制品的出口）。

在试图计算DE吨数和交易吨位中包括的产品范围之间发现有不匹配。所以改变产品范围是必要的，以避免在DE侧的吨数的多重计数（例如，作为圆木，然后作为纸浆，然后再作为纸），同时保持木材到其最终消耗点的良好质量属性。在方程的贸易方面排除木屑，纸浆和纸张将错过许多国家木材产品的主要投入。

2.2.金属矿石

计算各种金属矿石使用来源的数据。在可能的情况下，利用每个国家的金属主要生产数据应用等级因子法来计算特定金属矿石的DE。初级金属生产数据的首选来源是Matos（2009）。如果没有从这一来源获得数据，则对其他数据来源采用分层选择程序，其次优先考虑来自“联合国生产统计”（联合国，2007年）的含金属生产的数据，然后是关于简单金属化合物生产的数据，例如来自UN（2007）的Cr2O3。这些数据都适用于应用等级因子法来计算矿石的DE。如果没有关于金属含量或简单化合物的数据，则使用联合国（2007）数据中的“矿石和精矿”类别，而不应用等级因子法。该来源具有最低的优先级，因为一吨浓缩物所含的矿石的DE通常比矿石高一个或多个数量级。目前将矿石和精矿合为一个类别的做法是准确计算潜在DE的主要障碍。

Mudd（2007b）得出了将原始金属含量转化为矿石的DE的等级因子，他负责处理澳大利亚矿石品位及其随时间的变化。这些等级因子已应用于所有国家。但是，在这里公开承认，这些等级因子及其随时间的演变可能不会对其他国家的等级因子产生良好的反映，因为其他国家获得这样类似水平的详细（采矿数据在矿山一级解决）的时间序列数据将作为Mudd（2007a）的工作基础。这个工作是不实际的。

在计算金属矿石的DE中的另一个重要问题是从多金属矿床多次计数矿石。本研究中减少多次计数的影响的两个措施是：

1.不包括大部分作为副产品生产的金属，

2.Mudd（2007b）从单个矿山数据的子集中得出的一些主要金属的代表性等级，其中一个显然金属单独支撑了这些矿山的可行性。

（1）的一个实例是排除钴，因为其生产的大部分来自非常低级的矿石（在Co矿中），其被开采主要是因为其它金属如镍或铜。（2）的一个例子是从严重偏向于一个或另一个的矿井中推导铜和金的等级，从而避免如果在混合矿中的混合矿产品的连续体，包括从Au-Cu到Cu-Au矿。为了估计DMC，净贸易由联合国贸易数据库（UN，2009）中的数据确定，并添加到DE。净贸易包括矿石和精矿以及一些相对简单转化的大吨位金属产品。如粗金属，锭，坯料和管道。包括在DE中的商品集合与净贸易计算之间的不匹配原因与木材生物质部分中论述的相同。

2.3.工业矿物

使用与金属矿石概述的相同的数据源和分层选择过程来确定DE和DMC。主要的区别是大多数工业矿物的最终吨位直接取为报告的吨位，即一般不采用坡度因子。例外是磷酸盐和钾碱。在这里，多计数不是一个问题，因为工业矿物生产主要由单一商品矿产。

2.4.建筑矿物

这是最大的材料流类别，也是许多主要构成材料记录最差的一种。联合国（2007年）和联合国（2009年）等数据库通常包含主要建筑矿物的领域，例如砂，粘土，砾石和碎石，但这些常常是空的或者严重低报。例外情况是水泥，联合国（2009年）报告的合理贸易统计数据显示，水泥资料记录的生产数据良好Matos（2009年）。

因此，在这里用于计算建筑材料的DE的方法是用水泥的DMC乘以乘数，得到提取的整体建筑矿物的估计值。通过使用UN（2009）估算净交易量，并从Matos（2009）中给出的生产数据中直接减去水泥，计算出水泥的DMC。应用于水泥的乘数用于直接与水泥相关的建筑矿物是7.9，其反映了生产1吨水泥所需的1.4吨石灰石以及每1吨用于制造混凝土的水泥的6.5吨建筑骨料Krausmann et al。（2009）。

通过从增加水泥额外成分的相关建筑矿物（沥青相关的所有其他建筑矿物）的比例计算的，来计算与水泥无关的建筑矿物。这个比率来自Krausmann等人（2009）。随着时间的推移，这个比例从1975年的60:40变成了2005年的74:26，建立了一个简单的线性趋势，以确定每年的适当因子。这种简单的方法会有对每个国家都应用全球平均值的缺点，实际上其中诸如发展水平，人口密度和地形等因素的差异将在国家之间产生变化。欧盟统计局（2007年）提供了获得国家特定估计数的方法，但是在各国水平上进行详细计算所需的数据链，道路网络长度，道路类型以及不同国家在每一类道路中体现的材料，没有得到充分的记录或在这里采用这种方法。

2.5. 化石能源载体

该类别的数据通常非

剩余内容已隐藏，支付完成后下载完整资料

资料编号：[25570]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章