福建省木质生物质原料供应链碳排放研究

郑卫卫 张兰怡 邱荣祖

(福建农林大学交通与土木工程学院，福建 福州 350002)



福建省木质生物质原料供应链碳排放研究

郑卫卫 张兰怡 邱荣祖

(福建农林大学交通与土木工程学院，福建 福州 350002)

使用目前比较通用的碳排放研究方法，建立1个定量计算模型，分析福建省木质生物质原料供应链不同阶段的碳排放量。结果表明：直接和间接碳排放所占比例分别达66.57%和33.37%，隐含碳排放量所占比例最低，仅占0.06%；在直接碳排放过程中，采伐、集材、运材阶段碳排放量分别占2.36%、4.99%、92.65%；影响原料供应链总的碳排放量的主要指标重要程度排序依次为，采伐指标(37.96%)>运材距离(23.42%)、单位周转量油耗(运材阶段，23.42%)>工人每天消耗的能量(12.67%)>集材距离(1.26%)、单位周转量油耗(集材阶段，1.26%)。

木质生物质原料；供应链；碳排放

从19世纪70年代能源危机发生以来，发达国家就开始重视能源结构的多元化，近年来加大了对太阳能、风能、水电等可再生能源的开发利用，特别是在生物质能源方面投入了巨资进行研发。木质生物质作为一种可再生资源，在消耗过程中被认为是碳中和，即在生长过程中固定的CO2在消耗过程中等同于释放量[1]，对减少碳排放以及减缓温室效应具有巨大作用和发展潜力。

国外关于木质生物质供应链碳排放的相关研究起步较早，涉及到完整供应链的各个阶段，包括采伐、集材、运输、加工、生产、成品销售等过程中碳排放量的计算，逐渐形成完整的低碳产业链。为满足对木材生物质供应的较大需求，Buonocore E等设计了一个考虑直接和间接输入的木材生产系统，通过此系统生产的木材和木片再生能值的分数分别为81%和75%，而能值产出率分别达4.57和3.86，进而评估环境成本和林业作业对系统碳排放的影响，同时帮助森林管理者实现森林活动的环境无害化[2]。Gabrielle B等将供应链分为4个阶段，分析了市场能源需求、生物质水分含量、利率、运输距离4个影响碳排放的因素[3]。Shabani N等和Handler RM等分析了供应链活动中采伐和运输2个阶段的化石能源的需求以及相应的碳排放量，结果表明，在运输过程中，卡车及铁路运输碳排比占到系统总碳排放量的50%以上；同等运输距离下，由卡车携带1 t生物质原料比铁路运输能够产生更高的环境负荷，即碳排放更多；在运输更长的距离，碳排放量与卡车以及铁路运输的燃油效率有极大的关系[4-5]。Akgul O等提出了CO2捕获和储存(CCS)为未来供应链碳排放的一个研究方向，减少碳排放可以通过提高生物质的供应量来解决[6]。我国目前对生物质供应链碳排放还未引起足够的重视，与国外研究相比，国内主要集中于理论研究，并且相关研究还比较少，也不够深入，所以还存在极大的研究空间。李顺龙等分析中国现有的林木生物质资源总量，计算出其可替代标准煤的数量，并对林木生物质发展过程中二氧化碳减排潜力进行预测和分析[7]。赵尘等分析了原木采集过程中的生物质流的特征，分别计算了不同树种不同工序作业过程中的碳排放量[8]。郭明辉等认为木质林产品的产消特点对温室效应具有重要影响，提出可以通过增加木质林产品产量、开发洁净能源等方法来提高木质林产品的碳汇效应[9]。陈先刚等也提出可以通过退耕造林手段来增加林木生物质碳贮量[10]。低碳生物质供应链构建过程中，需要国家转变观念，制定相关政策，加强宣传低碳生活，推动碳市场的建立[11]。

林木生物质能源作为一种潜在的可再生能源将逐步取代化石能源，成为新型的主导能源[12]，而生物质能源能否得到持续稳定的发展关键在于生物质原料来源的稳定。福建省第八次森林资源清查资料显示，福建省全省现有森林面积801.27万hm2，森林覆盖率高达65.95%，其中，活立木蓄积量66 674.62万m3，森林蓄积量60 796.15万m3，林业产业总产值3 500亿元[13-14]，木质生物质存储量巨大，不仅可以为生物质能源提供充足的原料来源，还存在巨大的潜在价值。在进行木质生物质生产相关活动中会产生大量的碳排放，有必要研究木质生物质原料供应链各个阶段碳排放的贡献值和比例组成，研究结果将对福建省进一步节能减排具有极大的现实意义。同时可以为其他省份对于生物质供应链碳排放的相关研究提供参考依据，从而促进我国节能减排工作的快速发展。

1 碳排放分析框架构建

1.1 温室气体界定

《2006年IPCC国家温室气体清单指南》中明确指出，城市温室气体指标主要衡量CO2、CH4和N2O的排放量，但是本研究只估算CO2的排放量，CH4、N2O的排放量暂不考虑在内。

1.2 边界的设定

采用统一规划的标准来约束边界的设定，包括生产、使用、以及最终处理产品过程中直接、间接以及隐含碳排放，人类呼吸活动及动物作为交通工具时所产生的碳排放排除在边界之外[15]，森林的种植、养护等林业活动中产生的碳排放量暂不考虑。研究的碳排放边界见图1。

1.3 碳排放计算公式

木质生物质原料供应链总的碳排放量公式如下：

CZ=C1+C2+C3

(1)

式中：CZ表示木质生物质原料供应链总的碳排放量；C1、C2、C3分别表示直接碳排放量、间接碳排放量以及隐含碳排放量。

1) 直接碳排放：为边界内能源燃烧的直接排放(看得见的碳排放)，主要包括汽油、柴油(一次能源)直接燃烧的二氧化碳排放。

(2)

式中：fi表示第i种能源碳排放系数；Ei表示第i种能源消耗量；44表示CO2的相对分子质量；12表示C的相对原子质量。

2) 间接碳排放：企业在进行生产活动时跨系统边界的外购二次能源，主要包括工人进行生产等活动中消耗电力而间接产生的碳排放(看不见的碳排放)。

(3)

式中：fe表示电力碳排放系数；Ej表示工人进行第j种活动中消耗的电量；kj表示进行第j种活动中工人数。

3) 隐含碳排放：主要指支撑木材生产活动相关的电力、煤碳及石油部门建设投资导致产生的碳排放，见表1。本研究采用福建省各部门2012年当年的投资资产数据[17]，隐含碳排放系数来源于文献[18]。

(4)

式中：Gm表示m部门2012年投资资产金额；αm表示m部门隐含碳排放系数。

表1 福建省各部门资产以及隐含碳排放系数Table.1 Departments assets and embodied carbon emission factor of Fujian

1.4 计算模型

本研究将木质生物质原料供应链分为3个阶段：采伐、集材、运输阶段，在上述模型的基础上，建立用于木质生物质原料供应链的碳排放计算模型：

(5)

式中：γi表示采伐阶段第i种采伐工具的油耗；βi表示集材阶段第i种运输工具的单位周转量油耗；ζj表示运材阶段第j种运输工具的单位周转量油耗；δi表示第i年森林总的年采伐量；Ta、Tb分别表示集材、运材距离。

2 供应链碳排放量分析

根据福建省的实际情况，木质生物质原料供应链过程中原料采伐多采用油锯或者人工锯，集材阶段多采用拖拉机或溜坡形式集材，运材阶段多采用型号各不相同的汽车运输。为了便于计算，本研究对其作出一些简单假设：假设全过程中采伐阶段均采用油锯砍伐，集材阶段采用拖拉机集材，运材阶段采用同一型号的汽车运材。

2.1 数据来源及处理

本研究统计的数据主要通过大量文献的搜集、整理获取。工人日常工作、生活过程中平均用能量为294kg标准煤[17]；供电系统平均碳排放量为0.928kg/kWh，电力折标系数为0.122 9kg/kWh[19]。常用能源平均低位发热量通过查阅中国能源统计年鉴[17]获取，能源碳排放参考系数通过文献[20]获取，见表2。油锯的平均油耗为0.045kg/m，拖拉机平均油耗为0.095kg/(m3·km)，汽车平均油耗为0.042kg/(m3·km)[21-23]。工人伐木阶段需工量0.35d/m3[24]。依据全国“十二五”期间年森林采伐限额汇总表，福建省采伐指标为2 300万m3[25]。本研究以文献[26]选取的1km作为平均集材距离，以42km作为平均运材距离。

表2 常用能源碳排放参考系数Tab.2 Common carbon emissions energy reference coefficient

2.2 不同类型碳排放量分析

木质生物质原料供应链过程中不同类型的碳排放模式下计算所得的碳排放量见表3。隐含碳排放量所占的比重最低，仅为0.06%；直接和间接碳排放所占的比重分别达66.57%、33.37%。隐含碳排放阶段：主要包括生物质原料从最初的开采、运输到最终利用一系列活动中相关的电力、煤碳及石油部门建设投资产生的隐含碳排放，总量为306.40 t/d。其中煤碳采选业只占2.86%，石油加工、炼焦加工业占12.8%，电力的生产以及供应业占84.3%。间接碳排放阶段：电力在能源转化过程中产生的碳排放总量为179 522.08 t/d，主要表现在工人进行日常生产以及生活过程中消耗一定的电力资源(表3)。

表3 不同类型碳排放对应的排放量Tab.3 Carbon emissions under different modes

直接碳排放阶段：碳排放量为358 104.70 t/d，其中包括采伐、集材、运输3个阶段，见表4。采伐阶段主要为油锯的使用，碳排量占到2.36%；集材阶段因为原料产地多为山地，坡度均较陡，主要采用爬坡能力比较强的拖拉机运输集材，碳排量占到4.99%；运材阶段主要采用汽车运输，因为运距较长，相对碳排放量较多，所占比例为92.65%。

表4 直接碳排放相关过程的排放量Tab.4 Carbon emissions directly related to the process of carbon emissions

2.3 不确定性分析

模型中的大多数碳排放参数都有一定程度的不确定性。因此，对采伐指标、工人每天消耗能量、集材距离、单位周转量油耗(运材阶段)、运材距离以及单位周转量油耗(集材阶段)6个主要参数进行敏感性分析，每个参数在50%的基准范围内波动，以10%为距差，见图2。

采伐指标变化±10%(230 m3)，原料供应链总的碳排量变化±53 762.68 t/d。运材距离±10%(4.2 km)，相应碳排量±33 177.35 t/d。单位周转量油耗(运材阶段)的改变与运材距离的改变对碳排放的影响程度相同，碳排量相应改变33 177.35 t/d。工人每天多消耗或节省10%的能量，碳排量相应增大或减少17 952.21 t/d。集材距离的变化对总的碳排放量影响甚微，每改变10%，碳排量相应地改变1 786.76 t/ d。单位周转量油耗(集材阶段)和集材距离的改变对碳排放的影响程度相同，碳排量相应改变1 786.76 t/d。采伐指标、运材距离、单位周转量油耗(运材阶段)、工人能耗、集材距离以及单位周转量油耗(集材阶段)6个参数对系统总的碳排量影响程度大小依次为37.96%、23.42%、23.42%、12.67%、1.26%、1.26%，见图3。

3 结论与讨论

在木质生物质原料供应链中，直接、间接碳排放比例分别达66.57%、33.37%，隐含碳排放量仅为0.06%。直接碳排放总量最高，其中采伐、集材、运材阶段碳排量分别占2.36%、4.99%、92.65%，主要在于汽车运输这一环节，碳排放量比较高。经敏感性分析，对原料供应链总的碳排放量影响程度最大的是采伐指标，影响程度为38.44%；其次是运材距离的变化，影响程度为23.72%，而单位周转量油耗(运材阶段)的影响程度与运材距离相同；再次是工人每天消耗的能量，影响程度为12.84%；集材距离与单位周转量油耗(集材阶段)相同，仅占1.28%，影响较小。

为了促使木质生物质原料供应链达到节能减排的效果，可以从以下方面考虑：1)严格控制采伐指标，杜绝林业盗砍、乱砍现象，科学合理实施采伐和森林经营管理，保证木质生物质原料供应的稳定性；2)开发新型清洁能源，如生物质能源等替代石油燃料；3)加强车辆选型研究，选择适合山地木材运输特点的车型，或者改进能源工艺，进一步提高能源的利用率，从而降低碳排放。

本研究只分析了原料供应链阶段的碳排放量，并在特定的供应链模式前提下，而未考虑完整的供应链和不同的模式。同时，为了简便计算，仅考虑统一型号的拖拉机集材、汽车运材，而未考虑索道或人蓄力等其他集材、运材方式，汽车、火车等多式联运的运输方式，也未考虑车型问题。下一步还需要进一步探讨的问题包括：1)在不同供应链模式和完整供应链的过程中，如何优化供应链；2)供应链不同阶段能源消耗、温室气体排放以及其他环境问题的比较分析，如何构建完整低碳型供应链发展模式。

[1] Thakur A，Canter C E，Kumar A.Life-cycle energy and emission analysis of power generation from forest biomass[J]．Applied Energy，2014，128(3)：246-253．

[2] Buonocore E，Häyhä T，Paletto A，et al．Assessing environmental costs and impacts of forestry activities：a multi-method approach to environmental accounting[J]．Ecological Modelling，2014,271(1)：10-20．

[3] Gabrielle B，Bamière L,Caldes N.Paving the way for sustainable bioenergy in Europe：technological options and research avenues for large-scale biomass feed stock supply[J]．Renewable and Sustainable Energy Reviews，2014,33(2)：11-25．

[4] Shabani N，Sowlati T，Ouhimmou M．Tactical supply chain planning for a forest biomass power plant under supply uncertainty[J]．Energy，2014,78：346-355．

[5] Handler R M，Shonnard D R，Lautala P，et al．Environmental impacts of roundwood supply chain options in Michigan：life-cycle assessment of harvest and transport stages[J]．Journal of Cleaner Production，2014,76(4)：64-73．

[6] Akgul O,Dowell N M，Papageorgiou L G，et al．A mixed integer nonlinear programming (MINLP) supply chain optimisation framework for carbon negative electricity generation using biomass to energy with CCS (BECCS) in the UK[J]．International Journal of Greenhouse Gas Control，2014,28(9)：189-202．

[7] 李顺龙，王耀华，宋维明．发展林木生物质能源对二氧化碳减排的作用[J]．东北林业大学学报，2009，37(4)：83-85．

[8] 赵尘，王大明，张正雄．原木采集生产的生物质流特征分析[J]．林业科学，2011，47(5)：90-95．

[9] 郭明辉，关鑫，李坚．中国木质林产品的碳储存与碳排放[J]．中国人口·资源与环境，2010，20(5)：19-21．

[10] 陈先刚，张一平，詹卉．云南退耕还林工程林木生物质碳汇潜力[J]．林业科学，2008，44(5)：24-30．

[11] 范敏．基于温室气体减排的新型农村生物质能供应链构建[J]．江西社会科学，2014(12)：211-215．[12] 徐剑琦，张彩虹，张大红．木质生物质能源树种生物量数量分析[J]．北京林业大学学报，2006，28(6)：98-102．

[13] 林宇洪，沈嵘枫，邱荣祖．南方林区林产品运输监管系统的研发[J]．北京林业大学学报，2011，33(5)：130-135．

[14] 黄旺生，林洁．福建林业生态建设若干问题的思考[J]．福建农林大学学报(哲学社会科学版)，2014，17(1)：64-67．[15] 耿涌，董会娟，郗凤明，等．应对气候变化的碳足迹研究综述[J]．中国人口·资源与环境，2010，20(10)：6-12．

[16] IPCC．2006 IPCC guidelines for national greenhouse gas inventories[EB/OL]．[2006-05-20]．http：//www.ipcc-nggip.iges.or.jp/public/2006gl/index.html．

[17] 国家统计局能源统计司．中国能源统计年鉴[M]．北京：中国统计出版社，2013．

[18] 夏蓉．中国进出口贸易中隐含碳排放量分析:基于投入产出模型[J]．中南财经政法大学研究生学报，2010(6)：77-82．

[19] 国家发改委．省级温室气体清单编制指南[EB/OL].[2011-05].http://www.doc88.com/p-016658286039. html．

[20] 刘竹，耿涌，薛冰，等．城市能源消费碳排放核算方法[J]．资源科学，2011，33(7)：1325-1330．

[21] 关德林，于海洪．关于集材拖拉机选型的探讨[J]．吉林林业科技，1983(3)：38-41．

[22] 蒋洪翔，孙广新，周桂新，等．非皆伐作业集材试验[J]．东北林业大学学报，1993，21(5)：76-80．

[23] 任金生，初景龙，王勤，等．CA141、EQ140汽车在林区木材运输生产中使用情况的对比[J]．林业机械与木工设备，1999，27(5)：21-22．

[24] 陈俊松．基于生命周期评价理论的人工林作业资源—环境—经济影响研究[D]．南京：南京林业大学，2011．

[25] 福建省林业厅．张明接副厅长在“十二五”年森林采伐限额编制工作启动会上的讲话[EB/OL]．[2009-11-11]．http://www.fjforestry.gov.cn/InfoShow.aspx? InfoID=11420&InfoTypeID=5．

[26] 周新年，张正雄，陈玉凤．人工林伐区木材运输作业模式选优[J]．林业科学，2006，42(8)：69-73．

(责任编辑 韩明跃)

Analysis of Carbon Emissions of Woody Biomass Feedstock Supply Chain in Fujian Province

Zheng Weiwei，Zhang Lanyi，Qiu Rongzu

(College of Transportation and Civil Engineering，Fujian Agriculture and Forestry University，Fuzhou Fujian 350002，China)

This paper used the relatively common research methods to establish a quantitative calculation model to analyze the carbon emissions of different stages of feedstock supply chain in Fujian province. The results showed that embodied carbon emissions shared the lowest proportion, only 0.06%, while the direct and indirect carbon emissions reached 66.57%, 33.37%, respectively. In the process of direct carbon emissions, carbon emissions of harvesting, skidding, hauling stage accounted 2.36%，4.99%，92.65%, respectively．The order of importance which affects the total carbon emissions of the feedstock supply chain was harvesting index (37.96%) > timber transport distance (23.42%), unit turnover fuel consumption (transport timber stage，23.42%) > daily energy consuming by workers (12.67%) > skidding distance (1.26%), unit turnover fuel consumption (skidding stage，1.26%)．

woody biomass feedstock; supply chain; carbon emission

2015-05-27

国家自然科学基金项目(41201100)资助；福建省自然科学基金项目(2012J01071)资助；福建省教育厅科技项目(JB14005)资助；福建农林大学青年基金项目(2013xjj25)资助。

邱荣祖(1961—)，男，博士，教授。研究方向：林业物流工程与管理。Email：qrz1010@aliyun.com.

10.11929/j.issn.2095-1914.2015.05.014

S782

A

2095-1914(2015)05-0077-06

第1作者：郑卫卫(1990—)，男，硕士生。研究方向：道路交通规划与管理。Email：zwwllyq@163.com.