包括土地利用、土地利用变化和林业的温室气体排放总量
Total greenhouse gas emissions including LULUCF (Mt CO2e)
下载数据指标解释
World Bank official description / 世界银行官方说明
A measure of annual emissions of the six greenhouse gases (GHG) covered by the Kyoto Protocol (carbon dioxide (CO2), methane (CH4), nitrous oxide (N2O), hydrofluorocarbons (HFCs), perfluorocarbons (PFCs), and sulphurhexafluoride (SF6)) from the energy, industry, waste, agriculture, and land use, land use changes, and forestry (LULUCF) sectors, standardized to carbon dioxide equivalent values. The measure is standardized to carbon dioxide equivalent values using the Global Warming Potential (GWP) factors of IPCC's 5th Assessment Report (AR5).
可供参考的中文翻译：衡量《京都议定书》覆盖的六种温室气体（二氧化碳（CO₂）、甲烷（CH₄）、氧化亚氮（N₂O）、氢氟碳化物（HFCs）、全氟化碳（PFCs）和六氟化硫（SF₆））的年度排放量，涵盖能源、工业、废弃物、农业以及土地利用、土地利用变化和林业（LULUCF）部门。排放量以二氧化碳当量表示，采用联合国政府间气候变化专门委员会（IPCC）第五次评估报告（AR5）的全球增温潜势（GWP）因子进行标准化换算。
数据口径与风险提示
- 本指标包含LULUCF部门的碳汇效应，森林吸碳可部分抵消人为排放，导致年度数值波动较大
- 各国LULUCF数据质量差异显著，森林管理和土地利用变更的统计口径可能不一致
- 排放总量受经济规模和人口基数影响，与发展程度无直接线性关系
- 数据存在一定滞后性，最新可用年份可能早于当前年度
- 世界银行数据源为EDGAR（全球排放数据库），各国官方通报数据可能存在差异
- GDP、能源结构、产业类型等基础数据可获得性影响跨国比较的完整性
- 人均排放和排放强度等效率指标需另行计算，本指标为绝对量指标
- 气候政策效果需多年连续数据方可判断，短期波动不代表结构性变化
中国趋势
中国温室气体排放总量（含LULUCF）在2000年至2023年间持续攀升，从约4335百万吨二氧化碳当量增长至约14065百万吨二氧化碳当量，增长约3.24倍。2000年代初增速最为显著，2004年突破6000百万吨，2007年突破8000百万吨，2010年突破10000百万吨。2014年前后出现阶段性峰值约12000百万吨，2015-2016年有所回落，其后恢复增长并持续创出历史新高。2023年最新数据显示排放量约为2000年的3.24倍，近五年累计增量约1314百万吨二氧化碳当量，表明排放增长势头在近年有所放缓但绝对量仍在增加。
- 2000年排放量为4335.225百万吨二氧化碳当量，为现有数据序列起始点
- 2003年排放量达到5564.218百万吨，首次突破5000万吨量级
- 2007年排放量达到8545.815百万吨，突破8000万吨关口
- 2010年排放量首次超过10000百万吨，达到10128.724百万吨
- 2014年排放量约为11998.153百万吨，为本世纪以来首个阶段性高点
- 2015-2016年出现短暂回调，分别约为11793.067和11734.181百万吨
- 2019年排放量约为12751.164百万吨，2023年达到14065.284百万吨创历史最高
- 数据起始于2000年，1990年代中国排放历史无法直接观测
全球趋势
全球温室气体排放总量（含LULUCF）在1990年至2024年间总体呈上升趋势，从约33922百万吨二氧化碳当量增长至约54077百万吨，增长约1.59倍。2000年代初加速增长，2004年超过42000百万吨，2011年突破48000百万吨，2014年超过51000百万吨。2016年前后出现短暂回调至约51000百万吨，其后恢复温和增长。2020年因全球经济活动收缩降至约49685百万吨，为近年低点，2021-2023年恢复增长，2023年达到历史峰值约54804百万吨。2024年略有回落至约54077百万吨，显示出增长动能在近年有所减弱但整体仍处高位。
- 1990年排放量为33922.044百万吨二氧化碳当量，为数据序列起始年
- 2004年排放量达到42528.220百万吨，较1990年增长约25%
- 2011年排放量首次超过48000百万吨，达到48696.257百万吨
- 2014年排放量达到51361.755百万吨，创当时历史新高
- 2016年排放量回调至51018.939百万吨，为2008年以来首次下降
- 2020年排放量降至49684.756百万吨，为2010年以来最低值
- 2023年达到54804.151百万吨为历史最高，2024年回落至54076.690百万吨
- 全球加总数据掩盖了区域间的显著差异，各国变化轨迹差异较大
每十年变化摘要
| 十年区间 | 中国变化 | 世界变化 | 提示 |
|---|---|---|---|
| 1960-1969 | - | - | 环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。 |
| 1970-1979 | - | - | 环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。 |
| 1980-1989 | - | - | 环境指标的十年变化应结合能源结构、产业结构、核算边界和国际口径修订，避免只按排放水平高低判断绩效。 |
| 1990-1999 | - | 1.1x | 该十年中国数据不可得，仅有世界数据（1.095倍）。世界排放温和增长约10%，可能反映发达国家执行《联合国气候变化框架公约》初期减排努力的初步效果，但由于数据覆盖限制，无法判断同期中国排放状况。 |
| 2000-2009 | 2.1x | 1.1x | 中国排放增长2.15倍而世界仅增1.10倍，倍数差距约2倍。该阶段差异可能主要源于中国工业化、城市化加速带来的能源和工业部门排放快速增长，而同期发达国家已处于相对成熟阶段，排放增量较小。需结合能源消费结构、产业结构变化等变量验证。 |
| 2010-2019 | 1.3x | 1.2x | 中国排放增长1.26倍而世界增1.15倍，差距已显著收窄。这可能反映中国经济增长模式向服务业转型、节能减排政策效应初步显现以及可再生能源规模扩大，排放增速相对放缓；而同期部分新兴经济体工业化仍在推进，带动全球增速略高于中国。供需两端结构性因素可能共同导致该阶段收敛态势。 |
| 2020-2029 | 1.1x | 1.1x | 中国（1.09倍）与世界（1.09倍）增速趋于同步。该阶段变化可能反映中国碳达峰碳中和政策持续推进与全球疫后经济复苏的共同作用，但现有数据年份尚短，需要更长时间序列以及分部门数据来验证这一趋同趋势的具体驱动因素。 |
2023 年全部国家排名
排名已尽量排除 World、地区组和收入组，仅保留国家参与比较。排名高低应结合指标口径解释。
使用建议、常见误用与研究场景
数值较高通常意味着什么
排放总量数值越高，意味着该国或区域在能源、工业、农业、废弃物及土地利用等部门的温室气体综合排放规模越大，可能反映较大的经济活动规模、人口基数或高碳能源结构。
数值较低通常意味着什么
排放总量数值越低，意味着综合排放规模较小，可能反映相对较小的经济体量、较低的人口规模、较高的清洁能源占比或更有效的减排措施。
鍙ｅ緞闄愬埗
- 排放总量未标准化人口或经济规模，无法直接用于比较发展效率或政策有效性
- 各国LULUCF部门数据质量差异显著，森林碳汇估算存在较大不确定性
- 不同国家报告方法学和数据修订时间不同，影响跨国可比性
- 年度数据可能受气候异常、森林火灾等因素干扰，短期波动不代表长期趋势
- 数据存在滞后，最新年份可能较早，无法反映最新政策变化
- 总量指标掩盖了排放结构和来源的重大差异，单纯比较总量意义有限
- 贸易隐含排放转移问题未在本指标中体现
- 低收入国家数据覆盖度可能较低，影响全球总量估算精度
使用建议
- 结合人均排放指标（EN.GHG.ALL.PC.CE.AR5）评估排放公平性和相对强度
- 结合排放强度指标（排放/GDP）评估经济效率和低碳转型进展
- 结合分部门排放指标分析各部门减排贡献和重点领域
- 关注多年平均值变化而非单一年份，排除短期气候波动干扰
- 使用时注意数据年份一致性，避免跨年份数据直接比较
- 在进行政策评估时，明确区分绝对量变化和相对效率变化
- 建议同时考察能源结构数据，理解排放变化的能源驱动因素
- 将排放峰值年份和平台期作为重要政策节点进行识别
常见错误用法
错误做法：直接用排放总量排名评判各国气候政策成效
正确做法：使用人均排放或排放强度等效率指标，并结合发展阶段和历史累积排放综合评判
排放总量受经济规模、人口基数和工业化阶段影响，单纯排名可能掩盖效率改善或恶化信号，且不同国家发展阶段差异显著，直接比较有失公平性
错误做法：将中国排放总量高解读为气候责任完全在中国
正确做法：结合历史累积排放、人均排放和贸易隐含排放转移等因素综合分析
发达国家工业化进程较早，历史累积排放量大；中国部分排放源于为全球消费品生产，承担了部分他国消费端的排放责任
错误做法：忽略LULUCF部门的碳汇效应，认为排放量越高环境越差
正确做法：理解LULUCF包含碳源和碳汇双向过程，森林吸碳可部分抵消人为排放
本指标包含LULUCF，森林覆盖增加和改善的土地管理可产生碳汇效果，降低净排放量，数值高低不能直接等同于空气质量或环境质量
错误做法：用一年数据断言排放已达峰或趋势已改变
正确做法：关注连续多年的趋势变化，识别平台期和拐点
年度数据受气候、经济周期等因素影响存在波动，碳达峰需要连续数据确认，2015-2016年回调后又创新高说明短期波动不等于趋势性改变
实际应用场景
- 经济增长与温室气体排放的脱钩分析：研究中国经济增长与排放关系的结构性变化 被解释变量 利用2000-2023年时间序列数据，结合GDP数据计算排放强度，检验是否存在环境库兹涅茨曲线关系，识别排放增速放缓与经济转型的时间节点对应关系
- 国际贸易对区域排放的影响研究：分析全球供应链重构对排放格局的影响 控制变量或被解释变量 将排放总量与其他变量结合，分析贸易结构变化对排放转移的贡献，评估消费端与生产端排放核算方法的差异
- 可再生能源发展的减排效应评估：评估中国风电、太阳能装机增长对排放增速的边际影响 被解释变量 将排放时间序列与可再生能源装机容量、能源结构变化数据进行回归分析，评估不同能源品种替代效应对排放增量的贡献比例
- 不同排放核算口径的稳健性检验：比较含LULUCF与不含LULUCF指标的一致性和差异 稳健性检验 使用EN.GHG.ALL.MT.CE.AR5（不含LULUCF）作为替代被解释变量，检验研究结论是否在两种口径下保持一致，评估LULUCF数据波动对结论的影响
- 森林碳汇对净排放的抵消效果分析：分析中国植树造林和森林保护政策对排放净值的贡献 机制变量 结合EN.GHG.CO2.LU.MT.CE.AR5等LULUCF专项数据，分析森林碳汇量在总排放净值中的占比变化，评估自然碳汇在减排目标实现中的补充作用
包括土地利用、土地利用变化和林业的温室气体排放总量常见问题
中国温室气体排放量为什么是全球第一？
中国排放总量居首主要源于经济规模大、人口众多且工业化进程仍在推进。2023年数据显示中国排放约14065百万吨二氧化碳当量，约占全球总量的26%。但需注意中国人均排放仍低于多数发达国家，且排放增速近年已有所放缓。
排放数据为什么有时一年高一年低？
本指标包含LULUCF部门，森林碳汇受气候条件、火灾、病虫害等自然因素影响年际波动较大。此外，能源、工业生产等活动受经济周期影响也会造成波动。分析趋势时建议使用多年移动平均而非单一年份数据。
中国碳达峰意味着什么？
碳达峰指年度排放量达到峰值后不再显著增长。中国承诺2030年前实现碳达峰，需结合更长的时间序列数据观察是否形成持续的平台期。现有数据显示2014年前后曾出现阶段性高点，但其后恢复增长，碳达峰实现情况仍待观察。
和美国相比，中国排放处于什么水平？
2023年数据显示中国排放约14065百万吨二氧化碳当量，美国约4969百万吨，中国约为美国的2.8倍。但考虑到中国人口约为美国的4倍，中国人均排放水平明显低于美国，约为美国的四分之一左右。
排放数据可以反映空气质量吗？
温室气体排放与空气质量（PM2.5等污染物）有一定关联但关系复杂。PM2.5主要来自局地污染物排放，而温室气体影响全球气候。建议结合EN.ATM.PM25.MC.ZS等空气质量指标综合评估环境状况。
中国近年在减排方面做了哪些努力？
中国近年大力发展可再生能源、推进产业升级、实施节能减排政策。具体表现为风电、太阳能装机容量快速增长、钢铁水泥等高耗能行业产能置换等。这些努力可能在排放增速放缓中有所体现，但量化评估需要结合详细数据验证。
下载数据
免费获取世界银行WDI完整数据集，包含包括土地利用、土地利用变化和林业的温室气体排放总量等所有指标，支持按国家、指标或主题下载CSV、Excel和XML格式数据。
下载数据