EN中文

自然资源学报 >

2022 , Vol. 37 >Issue 5: 1247 - 1260

DOI: https://doi.org/10.31497/zrzyxb.20220510

“双碳”目标与可持续城市化

基于函数极值条件下的中国碳达峰碳中和情景分析

  • 唐志鹏 , 1, 2 ,
  • 于浩杰 1, 2 ,
  • 陈明星 , 1, 2 ,
  • 程嘉梵 1
展开
  • 1.中国科学院地理科学与资源研究所区域可持续发展分析与模拟院重点实验室,北京100101
  • 2.中国科学院大学资源与环境学院,北京 100049
陈明星（1982- ）,男,安徽巢湖人,博士,研究员,研究方向为城镇化与区域可持续发展。E-mail:

唐志鹏（1978- ）,男,四川成都人,博士,副研究员,研究方向为经济地理与区域可持续发展。E-mail:

收稿日期: 2021-07-18

  修回日期: 2021-09-22

  网络出版日期: 2022-07-28

基金资助

国家自然科学基金项目(42042027)

国家自然科学基金项目(41771135)

收起

The scenario analysis of China's carbon emission peak and carbon neutrality based on extremum condition of function

  • TANG Zhi-Peng , 1, 2 ,
  • YU Hao-Jie 1, 2 ,
  • CHEN Ming-Xing , 1, 2 ,
  • CHENG Jia-Fan 1
Expand
  • 1. Key Laboratory of Regional Sustainable Development Modeling, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2021-07-18

  Revised date: 2021-09-22

  Online published: 2022-07-28

Fold

摘要

基于函数极值条件提出了碳达峰出现时间和需要满足的理论条件,并对主要发达国家作了验证,同时对中国现状做了分析,最后采用了基准和强化两种情景分析了中国实现2030年碳达峰后进入2060年碳中和时期的二氧化碳排放量。研究结果显示：（1）根据IPAT恒等式将碳排放函数分解成人口、人均GDP和碳强度三个因素时,碳峰值出现时间为三个因素年增长率之和由正转负的正数值年度,发达国家的历史数据证实了这一条件。（2）中国三个因素年增长率之和自2003年起已经开始降低,最近几年一直在0.01~0.02徘徊,表明总体上朝着有利于碳达峰的方向发展,同时按照三个因素的预期发展目标计算得出中国2030年碳排放峰值的上限为112.2亿t,若2021—2035年保持相同的人均GDP年均复合增长率,碳强度年均复合增长率的绝对值需要比人均GDP年均复合增长率高0.14个百分点。（3）在能源消费总量逐渐回落的前提条件下,2060年基准情景下非化石能源占比约为65%,产生的二氧化碳量约为31.4亿t,强化情景下非化石能源占比约为70%,二氧化碳排放约为26.6亿t,而碳汇和CCUS等固碳技术还存在不确定性,碳中和任务依然艰巨。实现碳达峰碳中和最终需要控制能源消费,践行低碳消费行为。

关键词： 碳峰值; 碳中和; 函数极值条件; 情景分析; 中国

本文引用格式

唐志鹏 , 于浩杰 , 陈明星 , 程嘉梵 . 基于函数极值条件下的中国碳达峰碳中和情景分析[J]. 自然资源学报, 2022 , 37(5) : 1247 -1260 . DOI: 10.31497/zrzyxb.20220510

Abstract

To respond to global climate change, reducing carbon dioxide emissions is one of the vital goals of China's medium- to long-term development. Based on the extremum condition of function, this paper studies the theoretical conditions of carbon peak, and verifies the results based on examples of some main developed countries. It also analyzes present situation in China according to the above conditions, and finally forecasts China's carbon dioxide emissions during the process of carbon neutrality in 2060 after carbon emission peak in 2030 under baseline and enhanced scenarios. The results are shown as follows: (1) Based on an IPAT approach, carbon dioxide emission function is divided into three factors of population, per capita GDP and carbon intensity. The year of carbon peak emerges when the sum of the annual growth rates of the three factors changes from positive to negative. This conclusion has been verified by the historical data of selected main developed countries. (2) According to the historical data of China's population, per capita GDP and carbon intensity, the sum of the annual growth rates of the three factors has declined since 2003 and fluctuated between 0.01 and 0.02 in recent years, which indicates that there is a positive trend towards carbon emission peak generally. Moreover, according to the expected development goals of the three factors, the upper limit of China's carbon dioxide emission peak in 2030 is 11.22 billion tons. If the compound annual per capita GDP growth rate keeps unchanged from 2021 to 2035, the absolute value of compound annual growth rate of carbon intensity needs to be 0.14% higher than that of per capita GDP. (3) Given the premise condition that the total energy consumption decreases gradually, in 2060, the proportion of non-fossil energy is about 65% and the carbon dioxide emission is about 3.14 billion tons under the baseline scenario, while it is about 70% and 2.66 billion tons respectively under the enhanced scenario. However, carbon sequestration technologies such as carbon sink and CCUS are still uncertain, and the task of carbon neutrality is still arduous. To achieve carbon peak and carbon neutrality, it is crucial that energy consumption should be controlled and low-carbon consumption behavior should be advocated.

Key words： carbon emission peak; carbon neutrality; extremum condition of function; scenario analysis; China

应对气候变化、减少温室气体排放是全球关注的热点问题,也是中国今后中长期规划需要积极实施的一项可持续发展任务。2015年11月气候变化巴黎大会上,中国政府承诺将在2030年左右二氧化碳排放达到峰值,并于2016年4月正式签署了《巴黎协定》,随后又在2020年9月第七十五届联合国大会郑重宣布采取更加有力的政策和措施,努力争取2060年前实现碳中和。碳排放涉及到人类经济活动的生产与生活各个方面,包括生产规模和人口,也包括能源结构、产业结构、技术水平、城乡结构、消费结构等[1,2]。碳达峰与碳中和作为国民经济社会发展的约束性目标,通过促进社会生产与居民消费都朝着低碳迈进,倒逼着整个国民经济增长方式的转变。作为全球碳排放大国,中国碳排放达峰时间得到了学术界的广泛关注。目前关于碳排放峰值预测时间大致分为两类,一类学者认为在现有的条件下,中国不可能在2030年达到碳排放峰值。譬如Elzen等[3]认为 2030年中国二氧化碳峰值的排放水平在11.3~11.8 Gt之间,目前的政策可能不足以实现2030年的目标。Hao等[4]采用GSM模型作为主要的预测工具,通过对GSM关键参数的合理取值,预测了中国三个地区和全国的二氧化碳排放总量轨迹。预测结果表明,在基准情景下,中国二氧化碳排放总量将在2047年左右达到峰值。另一类研究则侧重表明如果加快经济发展方式转变,加快新能源技术研发和产业化速度,加强各项低碳发展政策和措施的力度,我国在2030年前后有可能实现二氧化碳排放的峰值[5]。马丁等[6]以中国能源系统优化模型为基础,构建了碳排放达峰路径模型体系,分析了中国未来可能的碳排放峰值水平和达峰路径,预测中国将在2030年实现碳排放峰值达10.0~10.8 Gt,电力和工业部门是碳减排的关键部门,减排贡献达到75%和15%。Yu等[7]提出了一种新的经济—碳排放—就业多目标优化模型,从不同的角度分析了中国的排放轨迹。优化结果表明,中国能源相关的二氧化碳排放将在2022—2025年间达到峰值。Song等[8]认为如果同时采取积极的措施例如产业结构调整、技术进步和强化减排政策,峰值时间可提前至2026年以前。Niu等[9]通过与发达国家相比发现,中国节能减排潜力巨大。当适度放缓经济增长速度时,中国将在2035年前实现最大碳排放量。在实现碳达峰后中国也就进入了碳中和时期,目前国内有一些学者从生产方式、产业部门等不同角度针对碳中和的实现路径提出建议[10⇓-12],助力碳中和目标的早日实现。
二氧化碳峰值预测方法各种各样。一种是通过EKC模型判断是否存在拐点,基于拐点再判断碳排放的峰值[13⇓-15];另一种是先对碳排放影响因素进行分析,其中常用到的模型有STIRPAT模型、IPAT模型、投入产出模型、地理加权回归模型和对数平均迪式分解模型等[16⇓⇓⇓⇓⇓⇓⇓⇓-25],部分研究中还将直接运用情景分析法对于未来碳排放量进行预测,灰色预测模型和CGE模型等也经常应用于二氧化碳的排放预测[26⇓⇓-29]。根据上述文献成果来看,二氧化碳排放影响因素众多,有关二氧化碳排放峰值的研究方法仍然主要集中在通过因素分解分析基础上进行情景预测。二氧化碳排放最直接相关的因素依然是化石能源消费,各种不同的影响因素变化最终还是要通过反映在能源消费变化来达到二氧化碳排放的改变。对于全国而言,仅考虑一次能源消费因素有助于化繁为简,避免二次能源加工转换计算带来的误差累计。因此,本文主要基于一次能源消费分析中国的碳达峰与碳中和。要实现碳达峰与碳中和,则中国二氧化碳排放量必然经历一个逐渐上升到峰值随后又开始下降的过程。除了“双碳”目标以外,为实现中华民族的伟大复兴,《中共中央关于制定国民经济和社会发展第十四个五年规划和2035年远景目标的建议》中也明确提到2035年人均国内生产总值达到中等发达国家水平,即2035年人均GDP比2020年大致翻一番。如何在保障经济发展中长期目标的新征程中实现碳达峰?峰值出现的年度需要满足什么样的条件?在实现2030年碳峰值进入碳中和时期,一次能源消费结构变化又会对二氧化碳排放量产生什么影响?这也是本文研究目的之所在,以期相关结论为中国2030年碳峰值和2060年碳中和带来相关决策支持。

1 研究方法与数据来源

1.1 能源关联的二氧化碳排放核算及达到峰值的条件

根据IPCC化石能源燃烧引起的第j种能源的碳排放Cj、消费标准量ej和消费结构占比sj计算为：
C j = A D j × N j
e j = A D j × P j
s j = e j / ∑ j e j
式中：ADj代表第j种能源消费实物量（;Nj代表第j种能源的碳排放系数[30];Pj为第j种能源的折标煤系数[31]。

1.2 碳排放曲线达到峰值的理论条件

当中国碳排放量作为一条逐年连续变动的曲线,若要达到峰值则必然需要经历一个曲线斜率由正转负的过程,其中斜率为0时即为极大值点（峰值为其中的一个极值点）。就长时间碳排放量序列的曲线而言,可以连续光滑求导。因此,根据图1可以得到碳排放函数曲线C的斜率（导数）,先要满足 d C d t > 0,再逐渐减小至 d C d t = 0达到峰值,然后 d C d t < 0,通过这一过程变化实现达峰。现有碳排放量函数涉及的因素众多,对于理论推导需要尽可能化繁为简,这里不妨先考虑分解为仅有两个因素的情形,如式（4）所示。当 F为经济总量GDP时,则 τ为碳强度（单位GDP碳排放量）;当 F为总人口时,则 τ为人均碳排放量。通过对（4）式求导可以得到式（5）。根据碳排放函数曲线 C达到峰值的理论条件（图1）,必然先是 d C d t > 0,然后 d C d t逐渐减小至 d C d t = 0,紧接着 d C d t继续减小变为 d C d t < 0,其中 d C d t = 0即为峰值。对于长时间序列逐年连续碳排放量的变化来看,可以将式（5）微分近似作为差分处理得到式（6）。
图1 碳排放曲线的峰值求导示意图

Fig. 1 Schematic diagram of peak derivation of carbon emission curve

C = C F × F = τ × F
d C d t = d F d t × τ + d τ d t × F
d C d t ≈ ∆ F ∆ t × τ + ∆ τ ∆ t × F
由于 F > 0 且 τ > 0,对 ∆ F ∆ t × τ + ∆ τ ∆ t × F > 0同时除以 F和 τ,容易得到在 ∆ F / F ∆ t + ∆ τ / τ ∆ t > 0,逐渐转化为 ∆ F / F ∆ t + ∆ τ / τ ∆ t < 0这一过程中,其中,当 ∆ F / F ∆ t + ∆ τ / τ ∆ t =0时达到峰值。这就意味着单位年份的经济总量GDP相对变化（年增长率）与碳强度的相对变化（年增长率）之和由正转负时,或者总人口的相对变化（年增长率）与人均碳排放的相对变化（年增长率）之和由正转负时,此时经济总量GDP（或者总人口）的年增长率与碳强度（或者人均碳排放量）的年增长率之和等于0,达到峰值。在实际情况中,碳排放函数曲线经常波动会出现多个极值,而碳排放峰值作为曲线的最大值,上述理论条件应该说是一个必要条件,并且实际碳排放量逐年数据并非真正的时间连续数据,故而碳排放峰值出现的年度并不一定恰好为经济总量（或总人口）年增长率与碳强度（或人均碳排放量）年增长率之和等于0的年度,但必然出现在两者之和由正转负的年度之间。鉴于负数值意味着碳排放比上一年减小,因此,峰值出现在由正转负的正数值年度。当自变量 τ（人均碳排放量）进一步分解为 u（人均GDP）和 v（碳强度）时,可以按照IPAT恒等式[32]对上述极值条件中两个因素进行扩展成式（7）,IPAT恒等式主要是从人口（Population）、人均财富（Affluence）和技术（单位财富产生的排放量Technology）三个因素进行分解分析人类活动对环境的影响（Human Impact）,IPAT恒等式在碳排放驱动因素分析得到了广泛应用[33⇓⇓⇓⇓⇓⇓-40]。根据式（7）同样可以推导得出碳排放峰值出现的时间为人口年增长率、人均GDP年增长率和碳强度年增长率三者之和由正转负的正数值年度。进一步推论易知,当碳排放函数分解为更多因素且保持持续变化趋势时,碳峰值出现时间为所有因素的年增长率之和由正转负的正数值年度。
d C d t ≈ ∆ F ∆ t × u × v + ∆ u ∆ t × v × F + ∆ v ∆ t × u × F

1.3 能源消费结构的趋势外延预测

通常基于时间序列数据趋势外延的预测,主要采用自回归方法解析自身变化规律,并在此基础上递推达到趋势外延的预测。反映结构的数据可用向量数据表示,通过向量自回归的方法进行结构的趋势外延预测。在构建能源消费的向量自回归模型时,假设能源消费未来的趋势主要由自身现有变化趋势所决定,不受其他外在因素影响。根据式（3）先构建能源消费向量,再得到能源消费向量自回归模型式（8）。 Γ 0、 Γ 1和 Γ k分别为相应常系数向量、滞后1期和滞后 k期的待估系数矩阵, ε i为第 t期的随机扰动项向量, ε i与滞后期变量不相关。通过实际消费量按照式（9）分别得到预测的第 t期的结构向量元素 y j t。由于在较长年度序列的趋势外延预测中受到其他不可预知外部干扰变量影响的可能性更大,故为了确保趋势外延预测的可靠性,本文在式（8）和式（9）对能源消费结构的趋势外延预测仅作到2030年。
e 1 ⋯ e j - 1 e j t = Γ 0 + Γ 1 × e 1 ⋯ e j - 1 e j t - 1 + ⋯ + Γ k × e 1 ⋯ e j - 1 e j t - k + ε 1 ⋯ ε j - 1 ε j t
y j t = e j t / ∑ j e j t

1.4 数据来源

中国一次能源消费结构、一次能源消费总量、GDP当年价、GDP指数的数据来源于《中国统计年鉴2006—2019》《中国2019年国民经济和社会发展统计公报》和《中国 2020年国民经济和社会发展统计公报》,个别缺失数据进行了线性插补。根据统计年鉴数据将全国一次能源分为煤炭、石油、天然气、一次电力及其他能源（非化石能源）四类。世界主要发达国家美日英法意澳的碳排放和人口经济数据来源于世界银行网站。

2 结果分析

2.1 世界主要发达国家碳排放达到峰值的必要条件

目前世界美日英法意澳等主要发达国家通过全球制造业转移已经走过了碳排放达峰过程。尽管发达国家碳达峰所面临的发展环境与我国现有面临新能源技术与新产业不断涌现的发展环境不尽相同,但其实现碳达峰的历程仍然值得我国借鉴。根据上述出现碳达峰必要条件式（7）由正转负的变化,重点考察发达国家碳达峰出现的年度。图2显示美日英法意澳碳峰值出现的时间为人口年增长率、人均GDP年增长率与碳强度年增长率三者之和由正转负的正数值年度：美国（2000年）、日本（2013年）、英国（1971年）、法国（1979年）、意大利（2005年）、澳大利亚（2009年）。美日英法意澳峰值出现年度确实是在人口年增长率、人均GDP年增长率与碳强度年增长率三者之和由正转负的正数值年度,这充分论证了上述碳达峰理论条件的可靠性。另外图2也显示了发达国家不止出现一次人口年增长率、人均GDP年增长率与碳强度年增长率三者之和由正转负的正数值年度,表明出现三者之和由正转负时为发达国家碳排放量在某一段时间的一个极值（较大的值）,而并非是峰值（最大值）,峰值一定满足极值的条件,但极值不一定是峰值。因此,人口年增长率、人均GDP年增长率与碳强度年增长率三者之和由正转负是出现碳峰值的必要条件。
图2 1961—2018年世界主要发达国家人口年增长率、人均GDP年增长率、碳强度年增长率与三者之和及碳排放量

注：以上世界主要发达国家的人口、经济与碳排放数据均来自世界银行网站的最新数据。

Fig. 2 The annual growth rate of population, per capita GDP, carbon intensity and their sum, as well as carbon emissions in the main developed countries during 1961-2018

2.2 中国一次能源消费的碳排放现状分析

1978年以来,中国经济的快速增长对化石能源的需求也在不断增长,由1980年的6.0亿tce稳步增长到2020年的49.8亿tce,年均复合增长率为5.4%。这期间与之相应的碳排放量也由14.5亿t稳步增长到102.0亿t,年均复合增长率达到5.0%（图3）。按照化石能源标煤量计算,1万tce的煤炭产生的碳排放为2.66万t,1万tce的石油产生的碳排放为2.11万t,1万tce的天然气产生的碳排放为1.63万t,同样标煤的煤炭/石油/天然气三者碳排放之比为1∶0.79∶0.61,可见在以标煤折算的能源结构中,同样标煤的化石能源消费,煤炭产生的碳排放最多。这意味着1980—2020年中国碳排放的年均复合增长率低于能源消费的同期增长率,其中一次能源消费结构中煤炭比例的下降起到了主要作用。
图3 1980—2020年中国一次能源消费结构和碳排放量

Fig. 3 The primary energy consumption structure and carbon emissions in China in 1980-2020

根据式（7）得知达到碳排放峰值需要经历人口年增长率、人均GDP年增长率、碳强度年增长率三者之和由正转负的阶段。尽管按照不同的基准年不变价计算的碳强度有所差异,但是碳强度年增长率具有相同的一致性,因此采用不同基准年不变价的碳强度不会影响结论。由于缺乏2020年中国人口增长率的数据,本文考察了1981—2019年中国的人口年增长率、人均GDP年增长率和碳强度（1990年不变价单位GDP的碳排放量）年增长率以及三者之和（图4）。
图4 1981—2019年中国人口年增长率、人均GDP年增长率、碳强度年增长率与三者之和

Fig. 4 The annual growth rate of population, per capita GDP, carbon intensity and their sum in China in 1980-2019

从图4可以看出,我国人口年增长率一直是相对较低的正数,人均GDP年增长率则一直表现为相对较高的正数,碳强度年增长率绝大部分处于负数。图中曲线显示,1980—2019年人口年增长率、人均GDP年增长率、碳强度年增长率三者之和几乎一直处于正数的状态,在2003年达到最大值0.1678;随后开始总体呈现降低趋势,最近几年一直在0.01~0.02之间徘徊,总体上正在朝着有利于碳达峰的趋势发展。从形态上看,三者之和的曲线与碳强度年增长率最相似,显示了三者之和的曲线变化主要取决于碳强度年增长率的变化,这意味着碳强度年增长率变化很大程度上决定了碳峰值年度的到来。若这三者之和由正转负在2030年前提前出现,那么碳峰值也会提前到来。

2.3 碳达峰与碳中和的一次能源消费结构情景分析

2020年全国总人口普查数据显示为14.1亿,《国家人口发展规划（2016—2030年）》发展目标2030年全国人口为14.5亿,随着三孩生育政策的全面放开,预计2035年达到《联合国人口2019展望》在中等生育率下的14.6亿[41]。2020年GDP（2005年不变价）约为62.0万亿,人口14.1亿,人均GDP为4.4万元/人（2005年不变价）;到2035年人口达到14.6亿,要实现2035年全国人均GDP目标翻一番,此时人均GDP为8.8万元/人（2005年不变价）,乘以预期人口数得出2035年全国GDP（2005年不变价）约达到128.5万亿,这样容易得知2020—2035年中国GDP的年均复合增长率需要维持在4.97%及其以上。根据中国统计年鉴数据计算得到2005年碳强度约为3.18 t/万元,在实现人均GDP翻一番的过程中,通过2030年碳强度比2005年下降65%的阈值,再乘以2030年GDP（2005年不变价）就可以初步得到2030年碳排放峰值上限最多为112.2亿t二氧化碳。
根据碳峰值出现时间的理论条件,人口年增长率、人均GDP年增长率和碳强度年增长率三者之和必须由正转负,未来相关发展目标可以作以下情景分析：2020年14.1亿至2030年14.5亿得到2021—2030年人口的年均复合增长率为0.27%,2030年14.5亿到 2035年14.6亿得到2031—2035年人口的年均复合增长率为0.14%。2020—2035年人均GDP翻一番得到年均复合增长率为4.73%。2020年碳强度为1.64 t/万元（2005年不变价）,比2005年下降了48.4%,在2021年十三届全国人大四次会议《政府工作报告》中要求2025年全国碳强度比2020年下降18%,2025年碳强度为1.35 t/万元（2005年不变价）,得到2021—2025年均复合增长率为-3.89%;2030年碳强度比2005年下降65%,2030年碳强度为1.11 t/万元（2005年不变价）,得到2026—2030年碳强度年均复合增长率为-3.72%。故而在上述情景分析假设中2021—2030年人口、人均GDP、碳强度三者年均复合增长率之和始终为正,要使2031—2035年三者之和转变为负,2031—2035年碳强度则需要保持在年均复合增长率为-4.87%。这里需要说明的是,上述根据碳峰值理论条件推导出的2031—2035年碳强度年均复合增长率需要保持比2021—2030年更高的负值,主要在于2021—2035年人均GDP翻一番一直采用了相同的年均复合增长率4.73%,在实际国民经济发展中,人均GDP逐年的增长率会逐渐降低,因此碳强度年增长率也可以逐渐降低来实现三者之和由正转为负,促使碳峰值出现。
按照式（8）和式（9）计算得到中国一次能源消费结构及其按照向量自回归的趋势外延预测值结果（表1）。表1结果显示,2011—2030年一次能源消费结构的趋势显示煤炭占比持续下降,石油占比、天然气占比和一次电力及其他能源（非化石能源）平缓稳定增加。根据等量标煤的化石能源折算成二氧化碳量得知,煤炭产生的碳排放最多。通过中国一次能源消费结构的趋势外延可以看出未来自发的趋势是朝着减少碳排放发展的。在实现碳达峰与碳中和的过程中,煤炭占比必然是一个持续下降的过程,而非化石能源占比则始终是一个持续上升的过程。2016年由国家发展和改革委员会和国家能源局发布的《能源生产和消费革命战略（2016—2030）》目标要求到2030年能源消费控制在60亿t,天然气占比达到15%左右。除了能源消费的约束指标,在2020年气候雄心峰会上中国政府也承诺到2030年非化石能源占比占到一次能源消费结构的25%左右。按照中国石油经济技术研究院《2050年世界与中国能源展望（2020版）》的预测结果,采用石油消费参考情景2030年的峰值7.4亿t（10.6亿tce）和碳中和情景2025年的7.3亿t（10.4亿tce）,天然气消费参考情景2050年为6700亿m3（8.9亿tce）和碳中和情景2040年时为峰值5500亿m3（7.3亿tce）。
表1 中国一次能源消费结构历史值及其趋势外延预测值

Table 1 Historical value and trend in forecast value of China's primary energy consumption structure (%)

年份 煤炭 石油 天然气 一次电力及其他能源(非化石能源)
年份 煤炭 石油 天然气 一次电力及其他能源(非化石能源)
2011 70.2 16.8 4.6 8.4 2021 55.4 19.1 8.9 16.6
2012 68.5 17.0 4.8 9.7 2022 54.0 19.3 9.4 17.4
2013 67.4 17.1 5.3 10.2 2023 52.7 19.4 9.8 18.1
2014 65.8 17.3 5.6 11.3 2024 51.4 19.4 10.3 18.9
2015 63.8 18.4 5.8 12.0 2025 50.1 19.5 10.8 19.6
2016 62.2 18.7 6.1 13.0 2026 48.8 19.5 11.3 20.3
2017 60.6 18.9 6.9 13.6 2027 47.6 19.6 11.8 21.1
2018 59.0 18.9 7.6 14.5 2028 46.4 19.6 12.2 21.8
2019 57.7 18.9 8.1 15.3 2029 45.3 19.6 12.7 22.4
2020 56.8 18.9 8.5 15.8 2030 44.2 19.6 13.1 23.1
结合上述已明确的一次能源消费的发展目标和趋势,在2011—2030年一次能源消费结构的趋势外延基础上,设置2030—2060年基准 ① 和强化 ② 两种情景。两种情景均假设在2030年一次能源消费60亿tce基础上逐渐回落,按照每10年5亿tce逐渐减少能源消费总量,因此2040年、2050年和2060年能源消费标煤总量分别设为55亿t、50亿t和 45亿t。其中2040年、2050年和2060年强化情景的非化石能源结构占比均比基准情景高5个百分点。具体为：（1）2030年能源消费总量为60亿t标煤,其中石油消费达到峰值10.6亿tce,2030年煤炭、石油、天然气和非化石能源占比分别为42.6%、17.4%、15.0%和25.0%,天然气消费在2050年为8.9亿tce;（2）2030年能源消费总量为60亿tce,其中石油消费已经从2025年峰值10.4亿tce回落至10.0亿tce,2030年煤炭、石油、天然气和非化石能源占比分别为43.3%、16.7%、15.0%和25.0%,天然气消费在2040年达到峰值7.3亿tce。两种情景下的碳排放量如表2所示。
表2 2030—2060年中国一次能源消费结构基准情景和强化情景对应的能源消费量和碳排放量

Table 2 Total energy consumption and carbon dioxide emissions corresponding to baseline and enhanced scenarios of China's primary energy consumption structure in 2030-2060

年份 煤炭/% 石油/% 天然气/% 一次电力及其他能源(非化石能源)/% 能源消费量/亿t 碳排放量
/亿t
基准情景 2030 42.4 17.6 15.0 25.0 60.0 104.6
2040 25.0 13.5 16.5 45.0 55.0 67.0
2050 17.0 10.2 17.8 55.0 50.0 47.9
2060 9.0 7.5 18.5 65.0 45.0 31.4
强化情景 2030 42.4 17.6 15.0 25.0 60.0 104.6
2040 23.0 13.7 13.3 50.0 55.0 61.5
2050 13.0 9.2 17.8 60.0 50.0 41.5
2060 7.0 6.5 16.5 70.0 45.0 26.6
最新研究结果发现2010—2016年我国陆地生态系统年均吸收二氧化碳约11.1亿t[42]。按照国家林业和草原局的数据显示,第七次全国森林资源清查（2004—2008年）全国森林蓄积量为137亿m3,第九次全国森林资源清查（2014—2018年）全国森林蓄积量为176亿m3,2030年将实现森林蓄积量比2005年增加60亿m3。按照2030—2060年即使维持全国森林蓄积量不变,2060年也只能吸收强化情景中大约一半的碳排放,即使如此,剩下一半的碳排放量仍然需要CCUS等新技术来中和,碳中和任务依然艰巨。需要指出的是,文中两种情景仅是在经历2030年碳达峰后对实现2060年碳中和采用的一次能源消费经验假设。其中存在的不确定性因素较多,包括未来有关减碳技术的大规模普及和新能源的开发利用等,但是根据现有一次能源结构的趋势演化和情景假设,对未来实现2060年碳中和采取何种优化路径仍然具有借鉴意义。从碳源来看,一次能源消费结构的优化固然重要,终究还是要践行绿色消费理念,因为用于生产的能源消费最终也是为了生活消费,控制全国能源消费总量才能从根源上减少碳排放,而从碳汇角度来看,保护生态系统维护天然的碳汇功能,也是在真正践行青山绿水就是金山银山的生态文明理论。

3 结论与讨论

3.1 结论

（1）本文基于碳排放量函数的极值关系,推导得出碳峰值出现的时间必然是碳排放相关因素年增长率之和由正转负的正数值年度。当按照IPAT恒等式的相关因素为人口、人均GDP和碳强度三个因素时,碳峰值出现的时间为这三个因素的年增长率之和由正转负的正数值年度,通过美日英法意奥世界主要发达国家经历的碳峰值历史轨迹,证明这一结论的可靠性。1981—2019年中国人口、人均GDP和碳强度三个因素年增长率数据显示,这三个因素年增长率之和从2003年起大幅降低在0.01~0.02之间徘徊,总体上正朝着有利于碳达峰的趋势发展。从我国中长期持续的节能减排目标来看,当三个因素年增长率之和转变为负值时,碳峰值也就出现了。中国现有相关发展目标约束下计算得到碳峰值的上限值为112.2亿t。在人均GDP翻一番的增长过程中,假设人口保持不变的增长率在2030年和2035年分别达到14.5亿和14.6亿,2021—2035年人均GDP保持不变的年均复合增长率为4.73%,则2031—2035年碳强度年均复合增长率的绝对值需要高于人均GDP年均复合增长率0.14个百分点,以确保三个因素年增长率由正转负,实现在2030年碳达峰。根据本文提出的碳达峰理论条件,从中国现有经历的历史轨迹并结合未来中长期发展目标来看,碳强度年增长率作为唯一的负值因素,对于碳达峰起着关键性的决定作用,必须长期严控不懈。
（2）根据中国一次能源消费结构的向量自回归趋势外延结果并结合相关的发展目标,设置了2030—2060年基准和强化两种情景假设,考察了在碳峰值后实现碳中和过程中的一次能源消费产生的碳排放量。当2060年能源消费总量为45亿tce时,煤炭、石油、天然气和一次电力及其他能源（非化石能源）分别占比为9.0%、7.5%、18.5%和65.0%时,产生的二氧化碳量为31.4亿t,煤炭、石油、天然气和一次电力及其他能源（非化石能源）分别占比为7.0%、6.5%、16.5%和70.0%时,产生的二氧化碳量为26.6亿t。从本文情景分析结果来看,煤炭占比的下降极大地促进了碳排放的减少,但是煤炭占比的下降并不是说需要彻底消灭煤电,而是要让煤电清洁高效发展,让煤电由占据主导的基荷电力转变为调峰电力,实现电力脱碳和零碳化[43]。按照现有陆地生态系统碳汇能力评估值和2030年森林蓄积量水平,预计大约能吸收2060年强化情景一半的碳排放量。未来实现碳中和的任务依然十分艰巨,若2030年碳达峰的峰值能够尽可能减小一些,则在2030—2060年有利于降低碳中和的难度。

3.2 讨论

（1）作为中国中长期发展目标之一,碳达峰碳中和是一个自然科学与社会科学交叉的复杂问题,涉及包括产业结构、能源结构和技术进步等众多要素,要素之间存在相互关联影响,此外2035年达到中等发达国家水平,高质量的经济增长也是中国政府追求的发展目标。因此,实现2030年碳达峰目标同样也需要兼顾到2035年人均GDP翻一番的经济增长目标,在众多要素选取中需要化繁为简把握关键。本文通过IPAT恒等式将碳排放函数分解为人口、人均GDP和碳强度三个因素,实现了把相关量化目标引入到情景分析中。鉴于在2030年碳达峰过程中,人口、人均GDP年增长率均为正值,碳强度下降的年增长率就起着关键作用,决定了碳峰值的具体出现年度。当其他条件不变时,若2030年碳强度降幅高于文中情景分析的设定值,则会促成碳达峰提前到来。当前全球新冠疫情等突发事件,降低了人类交通出行活动产生的碳排放,加快推动数字技术的发展。数字技术一方面能够提高能源利用效率,促进碳强度下降,这在一定程度上会促进碳达峰的提前到来,但数字技术本身也会增大对电力能源的消费需求[44],可能会推高碳达峰的峰值,增大实现碳中和的难度。由于极值并不一定是最大值（峰值）,而碳排放量主要来源于能源消费,因此,为避免出现虚假峰值,2030年后对于能源消费总量的约束控制仍然是十分必要的。
（2）由于能源消费总量决定了碳排放总量,对于一次能源消费总量而言,降低化石能源占比进而优化能源消费结构有助于减少碳排放,在保障能源安全稳定的前提下降低化石能源占比,提升非化石能源占比显然是有助于尽快实现碳中和。发展非化石能源,主要在于推动电力脱碳与零碳化,以及燃料的零碳化,实现彻底能源供给的零碳替代。但是目前储能技术和CCUS等技术的大规模普及应用还存在着较大的挑战[43],对于碳中和仍然存在着一些不确定性。从碳源角度来说,为了尽快实现碳中和仍然要减少能源消费;对于碳汇而言,由于还缺乏精准的陆地生态系统植被吸收能力的测算体系,从而也导致暂时缺乏精准化实施碳中和政策措施的可操作性,但是,不论碳汇能力的高低,必然是碳排放越少越容易实现碳中和。碳达峰碳中和本质上是中国未来可持续发展道路的必然选择。按照市场经济下“需求引导供给”的法则,人类经济活动产生的碳排放主要来源于人类自身的消费需求,因此,避免过度消费减少碳排放才是实现碳中和的关键。为确保人均碳排放量下降,除了鼓励节能减排技术的应用推广外,倡导简约生活,树立低碳消费理念和践行低碳消费行为也同样重要。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
ZHOU Y, CHEN M X, TANG Z P, et al. Urbanization, land use change, and carbon emissions: Quantitative assessments for city-level carbon emissions in Beijing-Tianjin-Hebei Region. Sustainable Cities and Society, 2021, 66(3): 102701, Doi: 10.1016/j.scs.2020.102701.

[2]
CHEN M X, ZHOU Y, HU M G, et al. Influence of urban scale and urban expansion on the urban heat island effect in Metropolitan areas: Case study of Beijing-Tianjin-Hebei Urban Agglomeration. Remote Sensing, 2020, 12(21): 3491, Doi: 10.3390/rs12213491.

DOI

[3]
ELZEN M D, FEKETE H, HÖHNE N, et al. Greenhouse gas emissions from current and enhanced policies of China until 2030: Can emissions peak before 2030?. Energy Policy, 2016, 89: 224-236.

DOI

[4]
HAO Y, WEI Y M. When does the turning point in China's CO2 emissions occur? Results based on the Green Solow model. Environment and Development Economics, 2015, 20(6): 723-745.

DOI

[5]
何建坤. 中国的能源发展与应对气候变化. 中国人口·资源与环境, 2011, 21(10): 40-48.

[ HE J K. Energy development and addressing climate change in China. China Population, Resources and Environment, 2011, 21(10): 40-48.]

[6]
马丁, 陈文颖. 基于中国TIMES模型的碳排放达峰路径. 清华大学学报: 自然科学版, 2017, 57(10): 1070-1075.

[ MA D, CEHN W Y. China's carbon emissions peak path-based on China TIMES model. Journal of Tsinghua University: Science & Technology, 2017, 57(10): 1070-1075.]

[7]
YU S W, ZHENG S H, LI X, et al. China can peak its energy-related carbon emissions before 2025: Evidence from industry restructuring. Energy Economics, 2018, 73: 91-107.

DOI

[8]
SONG J N, YANG W, WANG S, et al. Exploring potential pathways towards fossil energy-related GHG emission peak prior to 2030 for China: An integrated input-output simulation model. Journal of Cleaner Production, 2018, 178: 688-702.

DOI

[9]
NIU S W, LIU Y Y, DING Y X, et al. China׳s energy systems transformation and emissions peak. Renewable and Sustainable Energy Reviews, 2016, 58: 782-795.

DOI

[10]
王宪恩, 赵思涵, 刘晓宇, 等. 碳中和目标导向的省域消费端碳排放减排模式研究: 基于多区域投入产出模型. 生态经济, 2021, 37(5): 43-50.

[ WANG X E, ZHAO S H, LIU X Y, et al. Carbon neutrality oriented provincial consumption-based carbon emission reduction models: Based on the multi-regional input-output model. Ecological Economy, 2021, 37(5): 43-50.]

[11]
吴郧, 余碧莹, 邹颖, 等. 碳中和愿景下电力部门低碳转型路径研究. 中国环境管理, 2021, 13(3): 48-55.

[ WU Y, YU B Y, ZOU Y, et al. The path of low-carbon transformation in China's power sector under the vision of carbon neutrality. Chinese Journal of Environmental Management, 2021, 13(3): 48-55.]

[12]
蔡兆男, 成里京, 李婷婷, 等. 碳中和目标下的若干地球系统科学和技术问题分析. 中国科学院院刊, 2021, 36(5): 602-613.

[ CAI Z N, CHENG L J, LI T T, et al. Key scientific and technical issues in earth system science towards achieving carbon neutrality in China. Bulletin of Chinese Academy of Sciences, 2021, 36(5): 602-613.]

[13]
邓柏盛, 宋德勇. 我国对外贸易、FDI与环境污染之间关系的研究: 1995-2005. 国际贸易问题, 2008, (4): 101-108.

[ DENG B S, SONG D Y. A research on the relationship of foreign trade, FDI and environment pollution: 1995-2005. Journal of International Trade, 2008, (4): 101-108.]

[14]
邓吉祥, 刘晓, 王铮. 中国碳排放的区域差异及演变特征分析与因素分解. 自然资源学报, 2014, 29(2): 189-200.

[ DENG J X, LIU X, WANG Z. Characteristics analysis and factor decomposition based on the regional difference changes in China's CO2 emission. Journal of Natural Resources, 2014, 29(2): 189-200.]

[15]
唐祎祺. 中国及各省区能源碳排放达峰路径分析. 杭州: 浙江大学, 2020.

[ TANG Y Q. Analysis of the pathways to peak energy-related carbon emissions in China and its provinces. Hangzhou: Zhejiang University, 2020.]

[16]
潘栋, 李楠, 李锋, 等. 基于能源碳排放预测的中国东部地区达峰策略制. 环境科学学报, 2021, 41(3): 1142-1152.

[ PAN D, LI N, LI F, et al. Mitigation strategy of Eastern China based on energy-source carbon emission estimation. Acta Scientiae Circumstantiae, 2021, 41(3): 1142-1152.]

[17]
宋德勇, 卢忠宝. 中国碳排放影响因素分解及其周期性波动研究. 中国人口·资源与环境, 2009, 19(3): 18-24.

[ SONG D Y, LU Z B. The factor decomposition and periodic fluctuations of carbon emission in China. China Population, Resources and Environment, 2009, 19(3): 18-24.]

[18]
王俊松, 贺灿飞. 能源消费、经济增长与中国CO2排放量变化: 基于LMDI方法的分解分析. 长江流域资源与环境, 2010, 19(1): 18-23.

[ WANG J S, HE C F. Energy consumption economic growth and CO2 emissions in China: Analysis based on Logarithm Mean Divisa Decomposure method. Resources and Environment in the Yangtze Basin, 2010, 19(1): 18-23.]

[19]
杜强, 陈乔, 陆宁. 基于改进IPAT模型的中国未来碳排放预测. 环境科学学报, 2012, 32(9): 2294-2302.

[ DU Q, CHEN Q, LU N. Forecast of China's carbon emissions based on modified IPAT model. Acta Scientiae Circumstantiae, 2012, 32(9): 2294-2302.]

[20]
YUAN J H, YAN X, ZHENG H, et al. Peak energy consumption and CO2 emissions in China. Energy Policy, 2014, 68: 508-523.

DOI

[21]
金婷婷, 童霞, 刘静娴. 模拟情形下中国能源消费和碳排放的预测分析. 南通职业大学学报, 2021, 35(1): 58-62.

[ JIN T T, TONG X, LIU J X. Forecast and analysis of China's energy consumption and carbon emissions under simulated conditions. Journal of Nantong Vocational University, 2021, 35(1): 58-62.]

[22]
唐志鹏, 刘卫东, 公丕萍. 出口对中国区域碳排放影响的空间效应测度: 基于1997-2007年区域间投入产出表的实证分析. 地理学报, 2014, 69(10): 1403-1413.

DOI

[ TANG Z P, LIU W D, GONG P P. Measuring of Chinese regional carbon emission spatial effects induced by exports based on Chinese multi-regional input-output table during 1997-2007. Acta Geographica Sinica, 2014, 69(10): 1403-1413.]

[23]
唐志鹏, 刘卫东, 宋涛. 基于混合地理加权回归的中国省域碳生产率影响因素分析. 资源科学, 2017, 39(12): 2223-2232.

[ TANG Z P, LIU W D, SONG T. Factors affecting China's provincial carbon productivity based on mixed geographically weighted regression modeling. Resources Science, 2017, 39(12): 2223-2232.]

[24]
田华征, 马丽. 中国工业碳排放强度变化的结构因素解析. 自然资源学报, 2020, 35(3): 639-653.

[ TIAN H Z, MA L. Study on the change of China's industrial carbon emission intensity from the perspective of sector structure. Journal of Natural Resources, 2020, 35(3): 639-653.]

DOI

[25]
沈杨, 汪聪聪, 高超, 等. 基于城市化的浙江省湾区经济带碳排放时空分布特征及影响因素分析. 自然资源学报, 2020, 35(2): 329-342.

[ SHEN Y, WANG C C, GAO C, et al. Spatio-temporal distribution and its influencing factors of carbon emissions in economic zone of Zhejiang Bay Area based on urbanization. Journal of Natural Resources, 2020, 35(2): 329-342.]

DOI

[26]
CHAI Q M, XU H Q. Modeling an emissions peak in China around 2030: Synergies or trade-offs between economy, energy and climate security. Advances in Climate Change Research, 2014, 5(4): 169-180.

DOI

[27]
张楠. 基于CGE模型的全国碳排放峰值目标区域分配方法研究. 天津: 天津科技大学, 2017.

[ ZHANG N. Study on the regional distribution of national carbon emission targets with CGE model. Tianjin: Tianjin University of Science and Technology, 2017.]

[28]
夏楚瑜, 李艳, 叶艳妹, 等. 基于净生产力生态足迹模型的工业碳排放效应、影响因素与情景模拟. 生态学报, 2017, 37(11): 3862-3871.

[ XIA C Y, LI Y, YE Y M, et al. Analysis of the industrial carbon emission effect based on the Net Primary Productivity Model, its influencing factors and scene simulation. Acta Ecologica Sinica, 2017, 37(11): 3862-3871.]

[29]
谭丹, 黄贤金. 我国东、中、西部地区经济发展与碳排放的关联分析及比较. 中国人口·资源与环境, 2008, 18(3): 54-57.

[ TAN D, HUANG X J. Correlation analysis and comparison of the economic development and carbon emissions in the Eastern Central and Western Part of China. China Population, Resources and Environment, 2008, 18(3): 54-57.]

DOI

[30]
IPCC. IPCC guidelines for national greenhouse gas inventories. Institute for Global Environmental Strategies, 2006.

[31]
国家统计局能源统计司. 中国能源统计年鉴2019. 北京: 中国统计出版社, 2020.

[Department of Energy Statistics, National Bureau of Statistics.China Energy Statistical Yearbook 2019. Beijing: China Statistics Publishing House, 2020.]

[32]
EHRLICH P R, HOLDREN J P. Critique. Bulletin of the Atomic Scientists, 1972, 28(5): 16-27.

[33]
HUBACEK K, FENG K S, CHEN B. Changing lifestyles towards a low carbon economy: An IPAT analysis for China. Energies, 2011, 5: 22-31.

DOI

[34]
YUE T, LONG R Y, CHEN H, et al. The optimal CO2 emission reduction path in Jiangsu province: An expanded IPAT approach. Applied Energy, 2013, 112: 1510-1517.

DOI

[35]
丁胜, 温作民. 长三角地区碳排放影响因素分析: 基于IPAT改进模型. 技术经济与管理研究, 2014, (9): 106-109.

[ DING S, WEN Z M. Study on influential factors of carbon emissions in Yangtze River Delta based on IPAT improved model. Journal of Technical Economics & Management, 2014, (9): 106-109.]

[36]
朱宇恩, 李丽芬, 贺思思, 等. 基于IPAT模型和情景分析法的山西省碳排放峰值年预测. 资源科学, 2016, 38(12): 2316-2325.

[ ZHU Y E, LI L F, HE S S, et al. Peak year prediction of Shanxi Province's carbon emissions based on IPAT modeling and scenario analysis. Resources Science, 2016, 38(12): 2316-2325.]

[37]
曲建升, 刘莉娜, 曾静静, 等. 中国居民生活碳排放增长路径研究. 资源科学, 2017, 39(12): 2389-2398.

[ QU J S, LIU L N, ZENG J J, et al. A study on growth path for China's household CO2 emissions. Resources Science, 2017, 39(12): 2389-2398.]

[38]
胡振, 何晶晶, 王玥. 基于IPAT-LMDI扩展模型的日本家庭碳排放因素分析及启示. 资源科学, 2018, 40(9): 1831-1842.

[ HU Z, HE J J, WANG Y. Factor analysis and enlightenment of household carbon emissions in Japan based on IPAT-LMDI extension model. Resources Science, 2018, 40(9): 1831-1842.]

[39]
SUN Z R, LIU Y D, YU Y N. China's carbon emission peak pre-2030: Exploring multi-scenario optimal low-carbon behaviors for China's regions. Journal of Cleaner Production, 2019, 231: 963-979.

DOI

[40]
CHEN J D, FAN W, LI D, et al. Driving factors of global carbon footprint pressure: Based on vegetation carbon sequestration. Applied Energy, 2020, 267: 114914, Doi: 10.1016/j.apenergy.2020.114914.

DOI

[41]
United Nations Department of Economic and Social Affairs. Population dynamics in world population prospects 2019, https://population.un.org/wpp2019/Download/Standard/Population, 2021-09-09.

[42]
WANG J, FENG L, PALMER P I, et al. Large Chinese land carbon sink estimated from atmospheric carbon dioxide data. Nature, 2020, 586: 720-723.

DOI

[43]
黄震, 谢晓敏. 碳中和愿景下的能源变革. 中国科学院院刊, 2021, 36(9): 1010-1018.

[ HUANG Z, XIE X M. Energy revolution under vision of carbon neutrality. Bulletin of Chinese Academy of Sciences, 2021, 36(9): 1010-1018.]

[44]
陈晓红, 胡东滨, 曹文治, 等. 数字技术助推我国能源行业碳中和目标实现的路径探析. 中国科学院院刊, 2021, 36(9): 1019-1029.

[ CHEN X H, HU D B, CAO W Z, et al. Path of digital technology promoting realization of carbon neutrality goal in China's energy industry. Bulletin of Chinese Academy of Sciences, 2021, 36(9): 1019-1029.]

Options
文章导航

/

〈 〉