- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
附件7
中国平板玻璃生产企业
温室气体排放核算方法与报告指南
(试行)
编制说明
一、编制的目的和意义
根据“十二五”规划《纲要》提出的“建立完善温室气体统计
核算制度,逐步建立碳排放交易市场”和《“十二五”控制温室气
排放工作方案》(国发[2011] 41 号)提出的“加快构建国家、地
方、企业三级温室气体排放核算工作体系,实行重点企业直接报送
温室气体排放和能源消费数据制度”的要求,为保证实现 2020 年
单位国内生产总值二氧化碳排放比2005年下降40%-45%的目标,
国家发展改革委组织编制了《中国平板玻璃生产企业温室气体排放
核算方法与报告指南(试行)》,以帮助企业科学核算和规范报告自
身的温室气体排放,更好地制定企业温室气体排放控制计划或碳排
放权交易战略,积极参与碳排放交易,强化企业社会责任。同时也
为主管部门建立并实施重点企业温室气体报告制度奠定基础,为掌
握重点企业温室气体排放情况,制定相关政策提供支撑。
二、编制过程
本指南由国家发展改革委委托清华大学能源环境经济研究所
专家编制。编制组借鉴了国内外有关企业温室气体排放核算与报告
的研究成果和实践经验,参考了国家发展改革委办公厅印发的《省
级温室气体清单编制指南(试行)》,经过实地调研、深入研究和案
例试算,编制完成了《中国平板玻璃生产企业温室气体排放核算方
法与报告指南(试行)》。本指南在方法上力求科学性、完整性、规
范性和可操作性。编制过程中得到了中国建筑材料科学研究总院、
中国建材检验认证集团有限公司等相关行业协会和研究院所专家
的大力支持。
三、主要内容
《中国平板玻璃生产企业温室气体排放核算方法与报告指南
(试行)》包括正文的七个部分以及附录,分别阐述了本指南的适
用范围、引用文件和参考文献、术语和定义、核算边界、核算方法、
质量保证和文件存档、报告内容和格式、以及常用参数推荐值。本
指南核算的温室气体为二氧化碳(不涉及其他温室气体),考虑的
排放源包括燃料燃烧排放、工业生产过程排放、净调入使用的电力
和热力相应的生产环节的排放等。适用范围为从事平板玻璃产品生
产的具有法人资格的生产企业和视同法人的独立核算单位。
四、需要说明的问题
运用本指南的平板玻璃生产企业以企业为边界,核算和报告边
界内发生的温室气体排放,需要获取有关的活动水平和排放因子数
据。本指南参考了《省级温室气体清单指南(试行)》、《中国能源
统计年鉴 2012》、《IPCC 国家温室气体清单指南》等国内外相关文
献资料,提供了一些常见化石燃料和原材料的排放因子默认值,供
企业参考使用。
鉴于企业温室气体核算和报告是一项全新的复杂工作,本指南
在实际运用中可能存在不足之处,希望相关使用单位能及时予以反
馈,以便今后做出进一步的修改。
本指南由国家发展和改革委员会提出并负责解释和修订。
您可能关注的文档
最近下载
- YS12,YG12:机器安装后的调整步骤.pdf VIP
- 氨气提法尿素生产知识考试:高压系统.docx VIP
- 餐饮店食品安全管理制度及流程.docx VIP
- 02s404防水套管图集.docx VIP
- 水泥混凝土路面维修合同6篇.docx VIP
- 货物产品采购供货投标服务方案.docx VIP
- 深度学习基础及应用(人工智能、大数据技术、计算机等相关专业)全套教学课件.pptx
- 《深度学习基础及应用》教案 第9课 利用循环神经网络进行文本预测和分类(二).docx VIP
- 《深度学习基础及应用》教案 第8课 利用循环神经网络进行文本预测和分类(一).docx VIP
- 《深度学习基础及应用》教案 第6课 利用卷积神经网络进行图像处理(一).docx VIP
文档评论(0)