ผลกระทบต่อสิ่งแวดล้อมในอนาคตในภาคอุตสาหกรรมอาหาร สำหรับประเทศไทย และประเทศจีน จากการเติบโตทางเศรษฐกิจและสังคมภายใต้นโยบายการพัฒนาที่ยั่งยืน
คำสำคัญ:
การพัฒนาอย่างยั่งยืน การเติบโตของประชากร การเติบโตของ GDP รายได้ต่อหัว ก๊าซเรือนกระจก ขีดความสามารถ เทคโนโลยีสะอาด แผนและนโยบายความยั่งยืนบทคัดย่อ
การศึกษาครั้งนี้มีวัตถุประสงค์เพื่อพยากรณ์ผลกระทบของการเติบโตทางเศรษฐกิจและการเติบโตของประชากรต่อการปล่อยก๊าซเรือนกระจกในภาคอุตสาหกรรมอาหารของประเทศไทยและประเทศจีนภายใต้นโยบายการพัฒนาที่ยั่งยืน สำหรับกรณีประเทศไทย พ.ศ. 2561 ถึง พ.ศ. 2588 พบว่า อัตราการเติบโตทางเศรษฐกิจของประเทศไทยเพิ่มขึ้นอย่างต่อเนื่องเป็น 23.45 % ในปี 2588 และประชากรเพิ่มขึ้น 7.24 % ในขณะเดียวกันก๊าซเรือนกระจกจากการบริโภคในภาคอุตสาหกรรมอาหารจะเพิ่มขึ้น 39.2% สำหรับกรณีของประเทศจีน พบว่า อัตราการเติบโตทางเศรษฐกิจของจีนนั้นยังเพิ่มขึ้นอย่างต่อเนื่องโดย 45.9% ในขณะที่จำนวนประชากรเพิ่มขึ้น 5.32% โดยก๊าซเรือนกระจกจากการบริโภคในภาคอุตสาหกรรมอาหารเพิ่มขึ้น 12.75% อย่างไรก็ตามจากการวิจัยที่ตรวจสอบในภาคอุตสาหกรรมอาหารตั้งแต่ปี 2561 ถึง 2588 แสดงให้เห็นผลกระทบด้านสิ่งแวดล้อมของประเทศไทยได้เพิ่มขึ้นอย่างต่อเนื่องและผลกระทบดังกล่าวสูงกว่าในประเทศจีนมาก เหตุผลหลักคือประเทศจีนมีนโยบายที่เข้มงวดและดำเนินนโยบายกำลังการผลิตอย่างจริงจัง นอกจากนี้ประเทศจีนยังประสบความสำเร็จในการส่งเสริมการบริโภคเทคโนโลยีสะอาด ดังนั้น ประเทศไทยจะต้องมีการกำหนดนโยบายการพัฒนาอย่างยั่งยืนอย่างจริงจัง และพัฒนาขีดความสามารถให้เพิ่มสูงขึ้นอย่างต่อเนื่องต่อไป
เอกสารอ้างอิง
References
วริศนันท์ ศรีเอกบุญรอด และพฤทธ์สรรค์ สุทธิไชยเมธี. (2561). ภาวะผู้นำ วัฒนธรรมองค์กร ความผูกพันต่อองค์กร และคุณลักษณะผู้ปฏิบัติงานที่มีผลต่อประสิทธิภาพขององค์กรในนิคมอุตสาหกรรมอัญธานี. วารสารการบริหารท้องถิ่น, 11(1), 78–94.
Acaravci, A. & Ozturk, I. (2010). On the relationship between energy consumption, CO2 emissions and economic growth in Europe. Energy. 35(12), 5412–5420.
Akpan, G.E. & Akpan, U.F. (2012). Electricity consumption, carbon emissions and economic growth in Nigeria. International Journal of Energy Economics and Policy, 2(4), 292–306.
Alkhathlan, K. & Javid, M. (2013). Energy consumption, carbon emissions and economic growth in Saudi Arabia: An aggregate and disaggregate analysis. Energy Policy, 62(C), 1525–1532.
Arouri, M.E.H., Youssef, A.B., M’henni, H. & Rault, C. (2012). Energy consumption, economic growth and CO2 emissions in Middle East and North African countries. Energy Policy, 45, 342–349.
Asian Development Bank: ADB. (2014). Environment, Climate Change, and Disaster Risk Management (Research report). Manila: Asian Development Bank.
Cryer, J. D. & Chan, K. (2008). Time Series Analysis with Applications in R. (2nd ed.). New York: Springer-Verlag.
Dai, S., Niu, D. & Han, Y. (2018). Forecasting of Energy-Related CO2 Emission in China Based on GM (1,1) and Least Squared Support Leaping Vector Machine Optimized by Modified Shuffled Frog Leaping Algorithm for Sustainability. Sustainability, 10(4), 958.
Dickey, D.A. & Fuller, W.A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 49(4), 1057–1072.
Dong, B., Coa, C., & Lee, S.E. (2015). Applying support vector machines to predict building energy consumption in tropical region. Energy Build, 37(5), 545-553.
Enders, W. (2010). Applied Econometrics Time Series. Wiley Series in Probability and Statistics, University of Alabama: Tuscaloosa, AL, USA.
Hao, J., Liu, D., Li, Z., Chen, Z., & Kong, L. (2012). Power system load forecasting based on fuzzy clustering and gray target theory. Energy Procedia, 16, 1852–1859.
Harvey, A.C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge: Cambridge University Press.
Hsiao-Tien Pao, N. & Chung-Ming, Tsai. (2010). CO2 emissions, energy consumption and economic growth in BRIC countries. Energy Policy, 38(12), 7850–7860.
Lee, Y-S. & Tong, L-I. (2012). Forecasting nonlinear time series of energy consumption using a hybrid dynamic model. Applied Energy, 94, 251–256.
Li, J., Shi, J. & Li, J. (2016). Exploring Reduction Potential of Carbon Intensity Based on Back Propagation Neural Network and Scenario Analysis: A Case of Beijing, China. Energies, 9(8), 615.
Liang, Q.M., Fan, Y., & Wei, Y.M. (2007). Multi-regional input–output model for regional energy requirements and CO2 emissions in China. Energy Policy, 35(3), 1685–1700.
Lotfalipour, M.R., Falahi, M.A., & Bastam, M. (2013). Prediction of CO2 Emissions in Iran using Grey and ARIMA Models. International Journal of Energy Economics and Policy, 3(3), 229–237.
MacKinnon, J. (1991). Critical Values for Cointegration Test. In Long-Run Economic Relationships. Oxford: Oxford University Press.
Manu, S.B. & Sulaiman, C. (2017). Environmental Kuznets curve and the relationship between energy consumption, Economic growth and CO2 emissions in Malaysia. Journal of Economics and Sustainable Development, 8(16), 142–148.
Menyah, K. & Wolde-Rufael, Y. (2010). Energy consumption, pollutant emissions and economic growth in South Africa. Energy Economics, 32(6), 1374–1382.
Mulugeta, S.K., Nondo, C., Schaeffer, P.V., & Gebremedhin, T.G. (2012). Income level and the energy consumption–GDP nexus: Evidence from Sub-Saharan Africa. Energy Economics, 34(3), 739–746.
Office of the National Economic and Social Development Board. (2015). National Income of Thailand (Research Report). Bangkok: NESDB.
Osorio, G., Matias, J., & Catalão, J. (2015). Short-term wind power forecasting using adaptive neuro-fuzzy inference system combined with evolutionary particle swarm optimization, wavelet transform and mutual information. Renew Energy, 75(C), 301–307.
Sulaiman, C. & Abdul-Rahim, A.S. (2017). The relationship between CO2 emission, energy consumption and economic growth in Malaysia: A three-way linkage approach. Environmental Science and Pollution Research, 24(32), 25204–25220.
Sulaiman, C. (2014). The causality between energy consumption, CO2 emissions and economic growth in Nigeria: An application of Toda and Yamamoto Procedure. Advances in Natural and Applied Sciences, 8(8), 75–81.
Sutthichaimethee, P. (2018). An Analysis of Future Energy Consumption with A Relational Model Based on Economic, Social and Environmental Sector under Thailand’s Sustainable Development Policy by Adapting a GM-ARIMAX with HP Filter. Local Administration Journal, 11(4), 144-161.
Sutthichaimethee, P. (2017). VARIMAX Model to Forecast the emission of Carbon Dioxide from Energy Consumption in Rubber and Petroleum industries sectors in Thailand. Journal of Ecological Engineering, 18(3), 112-117.
Sutthichaimethee, P. & Tanoamchard, W. (2015). Carrying Capacity Model of Food Manufacturing Sectors for Sustainable Development from using Environmental and Natural Resources of Thailand. Journal of Ecological Engineering, 16(5), 1-8.
Sutthichaimethee, P. (2016). Modeling Environmental Impact of Machinery Sectors to Promote Sustainable Development of Thailand. Journal of Ecological Engineering, 17(1), 18-25.
Sutthichaimethee, P. & Sawangdee, Y. (2016). Indicator of Environmental Problems of Agricultural Sectors under the Environmental Modeling. Journal of Ecological Engineering, 17(2), 12-18.
Sutthichaimethee, P. & Ariyasajjakorn, D. (2017a). Forecasting Model of GHG Emission in Manufacturing Sectors of Thailand. Journal of Ecological Engineering, 18(1), 18–24.
Sutthichaimethee, P. & Ariyasajjakorn, D. (2017b). Forecasting Energy Consumption in Short-Term and Long-Term Period by using Arimax Model in the Construction and Materials Sector in Thailand. Journal of Ecological Engineering, 18(4), 52-59.
Sutthichaimethee, P. & Ariyasajjakorn, D. (2017c). The Revised Input-Output Table to Determine Total Energy Content and Total Greenhouse Gas Emission Factors in Thailand. Journal of Ecological Engineering, 18(5), 166-170.
Sutthichaimethee, P. & Sawangdee, Y. (2016a). Model of Environmental Impact of Service Sectors to Promote Sustainable Development of Thailand. Ethics in Science and Environmental Politics, 16(1), 11-17.
Sutthichaimethee, P. & Sawangdee, Y. (2016b). Indicator of Environmental Problems Priority Arising from the use of Environmental and Natural Resources in Machinery Sectors of Thailand. Environmental and Climate Technologies, 17(1), 18-29.
Thailand Development Research Institute: TDRI. (2007). Prioritizing Environmental Problems with Environmental Cost. Final report prepared the Thailand Health Fund (Research Report). Bangkok. Thailand Development Research Institute.
Zhao, H., Huang, G. & Yan, N. (2018). Forecasting Energy-Related CO2 Emissions Employing a Novel SSA-LSSVM Model: Considering Structural Factors in China. Energies, 11(4), 781.
Translated Thai Reference
Srieakbungrod, V., & Sutthichaimethee, P. (2018). Leadership, Corporate Culture, Organizational Commitment and Worker Characteristics affecting the Organizational Efficiency in Gemopolis Industrial Estate. Local Administration Journal, 11(1), 78 – 94. (In Thai)
วริศนันท์ ศรีเอกบุญรอด และพฤทธ์สรรค์ สุทธิไชยเมธี. (2561). ภาวะผู้นำ วัฒนธรรมองค์กร ความผูกพันต่อองค์กร และคุณลักษณะผู้ปฏิบัติงานที่มีผลต่อประสิทธิภาพขององค์กรในนิคมอุตสาหกรรมอัญธานี. วารสารการบริหารท้องถิ่น, 11(1), 78–94.
Acaravci, A. & Ozturk, I. (2010). On the relationship between energy consumption, CO2 emissions and economic growth in Europe. Energy. 35(12), 5412–5420.
Akpan, G.E. & Akpan, U.F. (2012). Electricity consumption, carbon emissions and economic growth in Nigeria. International Journal of Energy Economics and Policy, 2(4), 292–306.
Alkhathlan, K. & Javid, M. (2013). Energy consumption, carbon emissions and economic growth in Saudi Arabia: An aggregate and disaggregate analysis. Energy Policy, 62(C), 1525–1532.
Arouri, M.E.H., Youssef, A.B., M’henni, H. & Rault, C. (2012). Energy consumption, economic growth and CO2 emissions in Middle East and North African countries. Energy Policy, 45, 342–349.
Asian Development Bank: ADB. (2014). Environment, Climate Change, and Disaster Risk Management (Research report). Manila: Asian Development Bank.
Cryer, J. D. & Chan, K. (2008). Time Series Analysis with Applications in R. (2nd ed.). New York: Springer-Verlag.
Dai, S., Niu, D. & Han, Y. (2018). Forecasting of Energy-Related CO2 Emission in China Based on GM (1,1) and Least Squared Support Leaping Vector Machine Optimized by Modified Shuffled Frog Leaping Algorithm for Sustainability. Sustainability, 10(4), 958.
Dickey, D.A. & Fuller, W.A. (1981). Likelihood ratio statistics for autoregressive time series with a unit root. Econometrica, 49(4), 1057–1072.
Dong, B., Coa, C., & Lee, S.E. (2015). Applying support vector machines to predict building energy consumption in tropical region. Energy Build, 37(5), 545-553.
Enders, W. (2010). Applied Econometrics Time Series. Wiley Series in Probability and Statistics, University of Alabama: Tuscaloosa, AL, USA.
Hao, J., Liu, D., Li, Z., Chen, Z., & Kong, L. (2012). Power system load forecasting based on fuzzy clustering and gray target theory. Energy Procedia, 16, 1852–1859.
Harvey, A.C. (1989). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge: Cambridge University Press.
Hsiao-Tien Pao, N. & Chung-Ming, Tsai. (2010). CO2 emissions, energy consumption and economic growth in BRIC countries. Energy Policy, 38(12), 7850–7860.
Lee, Y-S. & Tong, L-I. (2012). Forecasting nonlinear time series of energy consumption using a hybrid dynamic model. Applied Energy, 94, 251–256.
Li, J., Shi, J. & Li, J. (2016). Exploring Reduction Potential of Carbon Intensity Based on Back Propagation Neural Network and Scenario Analysis: A Case of Beijing, China. Energies, 9(8), 615.
Liang, Q.M., Fan, Y., & Wei, Y.M. (2007). Multi-regional input–output model for regional energy requirements and CO2 emissions in China. Energy Policy, 35(3), 1685–1700.
Lotfalipour, M.R., Falahi, M.A., & Bastam, M. (2013). Prediction of CO2 Emissions in Iran using Grey and ARIMA Models. International Journal of Energy Economics and Policy, 3(3), 229–237.
MacKinnon, J. (1991). Critical Values for Cointegration Test. In Long-Run Economic Relationships. Oxford: Oxford University Press.
Manu, S.B. & Sulaiman, C. (2017). Environmental Kuznets curve and the relationship between energy consumption, Economic growth and CO2 emissions in Malaysia. Journal of Economics and Sustainable Development, 8(16), 142–148.
Menyah, K. & Wolde-Rufael, Y. (2010). Energy consumption, pollutant emissions and economic growth in South Africa. Energy Economics, 32(6), 1374–1382.
Mulugeta, S.K., Nondo, C., Schaeffer, P.V., & Gebremedhin, T.G. (2012). Income level and the energy consumption–GDP nexus: Evidence from Sub-Saharan Africa. Energy Economics, 34(3), 739–746.
Office of the National Economic and Social Development Board. (2015). National Income of Thailand (Research Report). Bangkok: NESDB.
Osorio, G., Matias, J., & Catalão, J. (2015). Short-term wind power forecasting using adaptive neuro-fuzzy inference system combined with evolutionary particle swarm optimization, wavelet transform and mutual information. Renew Energy, 75(C), 301–307.
Sulaiman, C. & Abdul-Rahim, A.S. (2017). The relationship between CO2 emission, energy consumption and economic growth in Malaysia: A three-way linkage approach. Environmental Science and Pollution Research, 24(32), 25204–25220.
Sulaiman, C. (2014). The causality between energy consumption, CO2 emissions and economic growth in Nigeria: An application of Toda and Yamamoto Procedure. Advances in Natural and Applied Sciences, 8(8), 75–81.
Sutthichaimethee, P. (2018). An Analysis of Future Energy Consumption with A Relational Model Based on Economic, Social and Environmental Sector under Thailand’s Sustainable Development Policy by Adapting a GM-ARIMAX with HP Filter. Local Administration Journal, 11(4), 144-161.
Sutthichaimethee, P. (2017). VARIMAX Model to Forecast the emission of Carbon Dioxide from Energy Consumption in Rubber and Petroleum industries sectors in Thailand. Journal of Ecological Engineering, 18(3), 112-117.
Sutthichaimethee, P. & Tanoamchard, W. (2015). Carrying Capacity Model of Food Manufacturing Sectors for Sustainable Development from using Environmental and Natural Resources of Thailand. Journal of Ecological Engineering, 16(5), 1-8.
Sutthichaimethee, P. (2016). Modeling Environmental Impact of Machinery Sectors to Promote Sustainable Development of Thailand. Journal of Ecological Engineering, 17(1), 18-25.
Sutthichaimethee, P. & Sawangdee, Y. (2016). Indicator of Environmental Problems of Agricultural Sectors under the Environmental Modeling. Journal of Ecological Engineering, 17(2), 12-18.
Sutthichaimethee, P. & Ariyasajjakorn, D. (2017a). Forecasting Model of GHG Emission in Manufacturing Sectors of Thailand. Journal of Ecological Engineering, 18(1), 18–24.
Sutthichaimethee, P. & Ariyasajjakorn, D. (2017b). Forecasting Energy Consumption in Short-Term and Long-Term Period by using Arimax Model in the Construction and Materials Sector in Thailand. Journal of Ecological Engineering, 18(4), 52-59.
Sutthichaimethee, P. & Ariyasajjakorn, D. (2017c). The Revised Input-Output Table to Determine Total Energy Content and Total Greenhouse Gas Emission Factors in Thailand. Journal of Ecological Engineering, 18(5), 166-170.
Sutthichaimethee, P. & Sawangdee, Y. (2016a). Model of Environmental Impact of Service Sectors to Promote Sustainable Development of Thailand. Ethics in Science and Environmental Politics, 16(1), 11-17.
Sutthichaimethee, P. & Sawangdee, Y. (2016b). Indicator of Environmental Problems Priority Arising from the use of Environmental and Natural Resources in Machinery Sectors of Thailand. Environmental and Climate Technologies, 17(1), 18-29.
Thailand Development Research Institute: TDRI. (2007). Prioritizing Environmental Problems with Environmental Cost. Final report prepared the Thailand Health Fund (Research Report). Bangkok. Thailand Development Research Institute.
Zhao, H., Huang, G. & Yan, N. (2018). Forecasting Energy-Related CO2 Emissions Employing a Novel SSA-LSSVM Model: Considering Structural Factors in China. Energies, 11(4), 781.
Translated Thai Reference
Srieakbungrod, V., & Sutthichaimethee, P. (2018). Leadership, Corporate Culture, Organizational Commitment and Worker Characteristics affecting the Organizational Efficiency in Gemopolis Industrial Estate. Local Administration Journal, 11(1), 78 – 94. (In Thai)
ไฟล์ประกอบ
เผยแพร่แล้ว
2019-06-25
รูปแบบการอ้างอิง
Sutthichaimethee, P. (2019). ผลกระทบต่อสิ่งแวดล้อมในอนาคตในภาคอุตสาหกรรมอาหาร สำหรับประเทศไทย และประเทศจีน จากการเติบโตทางเศรษฐกิจและสังคมภายใต้นโยบายการพัฒนาที่ยั่งยืน. วารสารการบริหารท้องถิ่น, 12(2), 185–200. สืบค้น จาก https://so04.tci-thaijo.org/index.php/colakkujournals/article/view/197687
ฉบับ
ประเภทบทความ
บทความวิจัย
สัญญาอนุญาต
บทความทุกเรื่องที่ได้รับการตีพิมพ์ทั้งรูปเล่มและบทความออนไลน์ เป็นลิขสิทธิ์ของวิทยาลัยการปกครองท้องถิ่น มหาวิทยาลัยขอนแก่น
