張 楠,張保留,呂連宏,白梓函,趙明軒,羅 宏

碳達(dá)峰國(guó)家達(dá)峰特征與啟示

張 楠,張保留,呂連宏*,白梓函,趙明軒,羅 宏

(中國(guó)環(huán)境科學(xué)研究院,北京 100012)

基于世界銀行數(shù)據(jù)庫(kù)1960～2020年數(shù)據(jù),采用Mann-Kendall(MK)檢驗(yàn)和Spearman's Rho(SR)檢驗(yàn),對(duì)全球219個(gè)國(guó)家及地區(qū)的CO2排放及社會(huì)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行趨勢(shì)分析.結(jié)果表明:MK檢驗(yàn)和SR檢驗(yàn)得出一致結(jié)論,共有42個(gè)國(guó)家和1個(gè)經(jīng)濟(jì)體聯(lián)盟實(shí)現(xiàn)碳達(dá)峰,46個(gè)國(guó)家處于碳達(dá)峰平臺(tái)期.多數(shù)國(guó)家碳達(dá)峰時(shí)具備以下特征:人均GDP達(dá)2′104～5′104美元,第三產(chǎn)業(yè)占比高于50%,化石能源消耗占比仍高于60%,且碳排放處于環(huán)境庫(kù)茲涅茨曲線(xiàn)的下降階段,經(jīng)濟(jì)發(fā)展與碳排放脫鉤.借鑒已達(dá)峰國(guó)家的經(jīng)驗(yàn), 中國(guó)應(yīng)進(jìn)一步調(diào)整能源結(jié)構(gòu),提高可再生能源消費(fèi)占比;優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),加快構(gòu)建以服務(wù)業(yè)為主導(dǎo)的國(guó)民經(jīng)濟(jì)新格局;制定區(qū)域差異化碳達(dá)峰目標(biāo),推動(dòng)有條件的地區(qū)率先達(dá)峰.

碳排放峰值；達(dá)峰特征；Mann-Kendall檢驗(yàn)；Spearman's Rho檢驗(yàn)；環(huán)境庫(kù)茲涅茨曲線(xiàn)

《巴黎協(xié)定》指出“為了實(shí)現(xiàn)第二條規(guī)定的長(zhǎng)期氣溫目標(biāo),締約方旨在盡快達(dá)到溫室氣體排放的全球峰值,同時(shí)認(rèn)識(shí)到達(dá)峰對(duì)發(fā)展中國(guó)家締約方來(lái)說(shuō)需要更長(zhǎng)的時(shí)間”.2020年9月,中國(guó)宣布力爭(zhēng)2030年前CO2排放達(dá)到峰值、努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和.2021年8月,IPCC AR6第一工作組的報(bào)告指出“在未來(lái)幾十年里,所有地區(qū)的氣候變化都將加劇,除非立即、迅速和大規(guī)模地減少溫室氣體排放,否則將升溫限制在接近1.5℃甚至是2℃或?qū)o(wú)法實(shí)現(xiàn)”.要實(shí)現(xiàn)1.5/2℃升溫目標(biāo)必須要全球碳中和,而碳達(dá)峰是碳中和的前提和基礎(chǔ),且CO2是對(duì)溫室效應(yīng)的貢獻(xiàn)達(dá)60%[1]的溫室氣體,所以如何評(píng)估一個(gè)國(guó)家和地區(qū)是否實(shí)現(xiàn)碳排放達(dá)峰,對(duì)于合理設(shè)定碳中和路徑意義重大.

碳達(dá)峰趨勢(shì)判斷是針對(duì)長(zhǎng)時(shí)間序列數(shù)據(jù)的趨勢(shì)檢驗(yàn)以及突變點(diǎn)的判斷,目前主要有參數(shù)檢驗(yàn)、非參數(shù)檢驗(yàn)和小波分析三種方法.參數(shù)檢驗(yàn)要求序列滿(mǎn)足正態(tài)分布,對(duì)于序列分布要求較高[2];非參數(shù)檢驗(yàn)不需要樣本遵從一定的分布,也不受少數(shù)異常值的干擾,克服了對(duì)序列分布形式的限制[3];小波分析能夠有效評(píng)估未來(lái)一段時(shí)間內(nèi)的發(fā)展趨勢(shì)[2,4],但在一維時(shí)所具有的優(yōu)異特性并不能簡(jiǎn)單推廣到二維或更高維,在數(shù)據(jù)維度的選擇上有較大局限性[4].故本文僅涉及非參數(shù)檢驗(yàn).

在單變量統(tǒng)計(jì)中廣泛使用的非參數(shù)趨勢(shì)檢驗(yàn)方法是Mann-Kenddall檢驗(yàn)(MK檢驗(yàn))和Spearman's Rho檢驗(yàn)(SR檢驗(yàn)),這兩種檢驗(yàn)曾被世界氣象組織推薦作為檢驗(yàn)趨勢(shì)時(shí)的標(biāo)準(zhǔn)非參數(shù)方法[6],它們幾乎不做任何假設(shè),可用于檢測(cè)時(shí)間序列中單調(diào)趨勢(shì).在相關(guān)研究中,Keith等[7]、Zhang等[8]使用MK方法檢驗(yàn)了不同區(qū)域的長(zhǎng)期年平均降雨趨勢(shì),He等利用MK檢驗(yàn)分析了中國(guó)14個(gè)城市的自然光照度的變化趨勢(shì)[9];寧忠瑞等[10]采用MK檢驗(yàn)探究了近70a全球全年及各季節(jié)的降水、氣溫、蒸發(fā)量的演變特征與空間分布格局;李歡歡等[11]綜合利用Morlet小波分析和MK非參數(shù)檢驗(yàn),對(duì)保定市2013～2019年秋冬季PM10等6種常規(guī)大氣污染物年均濃度和秋冬季污染特征逐日數(shù)據(jù)進(jìn)行分析,得出了較為顯著的結(jié)果;馮興華等[12]基于MK檢驗(yàn)對(duì)1990年以來(lái)長(zhǎng)江經(jīng)濟(jì)帶縣域經(jīng)濟(jì)進(jìn)行了突變點(diǎn)分析.相比MK檢驗(yàn),SR檢驗(yàn)使用較少.比較典型的利用SR進(jìn)行檢驗(yàn)的研究有Lettenmaier[13],El-Shaarawi等[14]均為利用SR檢驗(yàn)研究不同區(qū)域的流域降水時(shí)間變化趨勢(shì);馬琳[15]將SR檢驗(yàn)引入到基坑變形趨勢(shì)判斷中以檢驗(yàn)預(yù)測(cè)結(jié)果的準(zhǔn)確性;鞠興華等[16]基于路基沉降的現(xiàn)場(chǎng)監(jiān)測(cè)數(shù)據(jù),利用SR檢驗(yàn)等多種方法判斷路基的整體變形和階段性變形趨勢(shì).另外,SR檢驗(yàn)本質(zhì)原理是基于相關(guān)系數(shù)理論,不需要考慮MK檢驗(yàn)中相等數(shù)據(jù)(結(jié)節(jié))對(duì)結(jié)果誤差的影響[17-19].為探究?jī)煞N方法的適用性,Page[20]將MK檢驗(yàn)和SR檢驗(yàn)進(jìn)行了應(yīng)用對(duì)比分析,表明兩者對(duì)于長(zhǎng)時(shí)間序列的檢驗(yàn)結(jié)果一致,不存在差異;并有研究對(duì)SR檢驗(yàn)和MK檢驗(yàn)的趨勢(shì)變化結(jié)果進(jìn)行對(duì)比分析,得出二者之間不存在差異的結(jié)論[21].

綜上,目前非參數(shù)檢驗(yàn)的MK檢驗(yàn)與SR檢驗(yàn)的相關(guān)研究主要集中在降水變化趨勢(shì)與水文氣象趨勢(shì)分析,在日照趨勢(shì)、污染物濃度、人均收入、路基變形趨勢(shì)等方向也略有應(yīng)用,而在碳排放峰值研究中涉及較少.目前僅有世界資源研究所(WRI) 2017年的工作報(bào)告中統(tǒng)一核算了各國(guó)達(dá)到溫室氣體排放峰值的時(shí)間.在該報(bào)告中,截止2010年,全球共有49個(gè)國(guó)家實(shí)現(xiàn)溫室氣體達(dá)峰,但該報(bào)告并未對(duì)哪些國(guó)家及已實(shí)現(xiàn)碳達(dá)峰進(jìn)行探究,在全球各國(guó)及地區(qū)的碳達(dá)峰檢驗(yàn)中存在空白.本研究基于世界銀行數(shù)據(jù)庫(kù)1960～2020年數(shù)據(jù),采用MK檢驗(yàn)和SR檢驗(yàn)對(duì)全球219個(gè)國(guó)家及地區(qū)的CO2排放及社會(huì)經(jīng)濟(jì)數(shù)據(jù)進(jìn)行趨勢(shì)分析,并分析不同達(dá)峰國(guó)家的達(dá)峰特征,為中國(guó)碳達(dá)峰、碳中和路徑和方案的制定提供參考.

1 數(shù)據(jù)和方法

1.1 數(shù)據(jù)來(lái)源

研究對(duì)象共包括216個(gè)國(guó)家、2個(gè)特別行政區(qū)(中國(guó)香港特別行政區(qū)、中國(guó)澳門(mén)特別行政區(qū))和1個(gè)經(jīng)濟(jì)體聯(lián)盟(歐盟).研究時(shí)間范圍選取1960～2020年,其中1960～2019年所涉及數(shù)據(jù)均來(lái)源于世界銀行WDI數(shù)據(jù)庫(kù),2020年數(shù)據(jù)來(lái)源于《2020中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)能源統(tǒng)計(jì)年鑒2020》.本文“碳達(dá)峰”考慮人為CO2排放的達(dá)峰,利用WDI數(shù)據(jù)庫(kù),用能源活動(dòng)CO2排放數(shù)據(jù)代替.

1.2 檢驗(yàn)方法

1.2.1 碳排放峰值狀態(tài)判斷原則 首先對(duì)于碳排放的時(shí)間序列數(shù)據(jù)進(jìn)行最大值篩選,若該地區(qū)碳排放最大值出現(xiàn)年份后數(shù)據(jù)量大于5,則對(duì)該地區(qū)碳排放最大值后的碳排放數(shù)據(jù)進(jìn)行MK與SR檢驗(yàn).若最大值年份后的地區(qū)CO2排放有顯著下降趨勢(shì),則認(rèn)為該地區(qū)達(dá)峰;若沒(méi)有顯著趨勢(shì),則認(rèn)為該地區(qū)處于平臺(tái)期.本文顯著性水平= 0.05.

對(duì)于碳排放最大值出現(xiàn)年份后數(shù)據(jù)量小于等于5的地區(qū),因?yàn)楫?dāng)數(shù)據(jù)量過(guò)少時(shí)無(wú)法進(jìn)行趨勢(shì)檢驗(yàn)[22],且一個(gè)地區(qū)達(dá)峰后需要有一段時(shí)間證明其并非虛假達(dá)峰[23],故認(rèn)為這部分地區(qū)處于未達(dá)峰狀態(tài).

1.2.2 MK檢驗(yàn) 時(shí)間序列數(shù)據(jù)是n個(gè)獨(dú)立的、隨機(jī)變量同分布的樣本.構(gòu)造Kenddall統(tǒng)計(jì)變量S:

(2)

服從漸進(jìn)正態(tài)分布[7],其方差如下:

式中:表示原始數(shù)據(jù)中打結(jié)的數(shù)組數(shù);t表示第個(gè)打結(jié)的數(shù)組中的數(shù)據(jù)個(gè)數(shù).數(shù)據(jù)中有相等值或未檢測(cè)到而出現(xiàn)結(jié)時(shí)Var可以通過(guò)Helsel[24]中的結(jié)修正方法來(lái)調(diào)整.

若MK的值大于0,說(shuō)明序列呈上升趨勢(shì),若ZMK的值小于0,說(shuō)明序列呈下降趨勢(shì).

1.2.3 SR檢驗(yàn) SR檢驗(yàn)與MK檢驗(yàn)一致,同樣不對(duì)原始數(shù)據(jù)直接進(jìn)行計(jì)算,是對(duì)基于原始數(shù)據(jù)所獲得的秩進(jìn)行統(tǒng)計(jì)分析.

給定一個(gè)時(shí)間序列數(shù)據(jù)集.

原假設(shè)H0:數(shù)據(jù)序列無(wú)趨勢(shì),備擇假設(shè)H1:數(shù)據(jù)序列有增長(zhǎng)或下降趨勢(shì).

建立統(tǒng)計(jì)量:

式中:R為時(shí)間序列數(shù)據(jù)集中第個(gè)觀測(cè)值X所對(duì)應(yīng)的秩;為事件序列數(shù)據(jù)的長(zhǎng)度;服從漸近正態(tài)分布,其方差如下:

式中:SR反映時(shí)間序列數(shù)據(jù)的變化趨勢(shì),若SR>0SR<0.

樣本數(shù)據(jù)的MK統(tǒng)計(jì)量與SR統(tǒng)計(jì)量的值均可以用正態(tài)分布函數(shù)估計(jì):

如果足夠小,這種趨勢(shì)就不可能是由隨機(jī)抽樣引起的.在0.05的顯著水平上,如果,則認(rèn)為現(xiàn)有趨勢(shì)是顯著的[3].

2 結(jié)果與分析

2.1 碳達(dá)峰狀態(tài)

經(jīng)MK檢驗(yàn)和SR檢驗(yàn),所得結(jié)果見(jiàn)表1和表2.結(jié)果顯示,截至2020年,全球共有43個(gè)國(guó)家和地區(qū)(42個(gè)國(guó)家和1個(gè)經(jīng)濟(jì)聯(lián)盟)CO2排放在最大值出現(xiàn)后表現(xiàn)出明顯的下降趨勢(shì),即已實(shí)現(xiàn)碳達(dá)峰,具體見(jiàn)表3;8個(gè)國(guó)家的CO2排放在最大值出現(xiàn)后表現(xiàn)出上升的趨勢(shì);另有46個(gè)國(guó)家處于平臺(tái)期(表4).剩余121個(gè)國(guó)家和地區(qū)CO2排放數(shù)據(jù)暫未出現(xiàn)峰值或出現(xiàn)峰值后數(shù)據(jù)不滿(mǎn)5a,處于未達(dá)峰狀態(tài).

表1 MK檢驗(yàn)與SR檢驗(yàn)結(jié)果對(duì)比

表2 典型國(guó)家和地區(qū)檢驗(yàn)結(jié)果

表3 已達(dá)峰國(guó)家和地區(qū)及達(dá)峰時(shí)間

表4 已進(jìn)入碳達(dá)峰平臺(tái)期的國(guó)家和地區(qū)

2.2 碳達(dá)峰國(guó)家的達(dá)峰特征

2.2.1 碳達(dá)峰時(shí)人均GDP 除東歐部分國(guó)家,多數(shù)國(guó)家實(shí)現(xiàn)碳達(dá)峰年份晚于1992年,達(dá)峰時(shí)人均生產(chǎn)總值(人均GDP)位于20000～50000美元之間(表5).中國(guó)2020年人均GDP為10504美元,與多數(shù)達(dá)峰國(guó)家達(dá)峰時(shí)人均GDP水平仍存在一定差距.

表5 不同國(guó)家和地區(qū)達(dá)峰時(shí)人均GDP

注:人均GDP單位為美元.

圖1 不同國(guó)家和地區(qū)的碳排放EKC曲線(xiàn)

Fig.1 EKC curve status in different countries and regions

圖中數(shù)據(jù)覆蓋范圍:意大利(1960～2014年)、澳大利亞(1960～2016年)、丹麥(1960～2016年)、歐盟(1970～2016年)、美國(guó)(1960～2016年)、中國(guó)(1960～2016年)

利用環(huán)境庫(kù)茲涅茨曲線(xiàn)(EKC)[25]對(duì)不同國(guó)家經(jīng)濟(jì)發(fā)展與碳排放的關(guān)系進(jìn)行探究(圖1),目前美國(guó)等達(dá)峰國(guó)家和地區(qū)已進(jìn)入EKC的下降階段,而中國(guó)仍處于EKC的上升階段.

美國(guó)等發(fā)達(dá)國(guó)家在實(shí)現(xiàn)碳達(dá)峰之后,經(jīng)濟(jì)發(fā)展與碳排放之間存在由負(fù)脫鉤到弱脫鉤再到強(qiáng)脫鉤的變化趨勢(shì)[26],中國(guó)目前經(jīng)濟(jì)發(fā)展與碳排放尚未實(shí)現(xiàn)脫鉤[27].典型國(guó)家經(jīng)濟(jì)發(fā)展與碳排放變化如圖2所示.

2.2.2 碳達(dá)峰時(shí)第三產(chǎn)業(yè)占比 71.4%的已碳達(dá)峰國(guó)家在達(dá)峰年第三產(chǎn)業(yè)的生產(chǎn)總值占比高于50%,其中澳大利亞、美國(guó)等發(fā)達(dá)國(guó)家第三產(chǎn)業(yè)占比遠(yuǎn)高于第一、二產(chǎn)業(yè),如表.這些國(guó)家和地區(qū)大都處于后工業(yè)化時(shí)期,工業(yè)在GDP中的比重下降,高能耗重化工業(yè)產(chǎn)品需求趨于飽和,產(chǎn)業(yè)向高端發(fā)展,服務(wù)業(yè)為主要產(chǎn)業(yè)[28],所以碳達(dá)峰時(shí)碳排放強(qiáng)度也相對(duì)較低.中國(guó)第三產(chǎn)業(yè)發(fā)展迅速,產(chǎn)業(yè)增加值從2010年173087億元增至2020年553977億元,占生產(chǎn)總值比重達(dá)54.5%,雖然第三產(chǎn)業(yè)本身的碳強(qiáng)度要弱于第二產(chǎn)業(yè),但急劇擴(kuò)張的規(guī)模帶來(lái)了碳排放量的較大提升[29].

圖2 典型國(guó)家的碳排放脫鉤情況

表6 不同國(guó)家和地區(qū)達(dá)峰時(shí)第三產(chǎn)業(yè)占比

2.2.3 各國(guó)家碳達(dá)峰時(shí)的化石能源消耗占比與可再生能源消耗占比 如表7、表8所示,根據(jù)統(tǒng)計(jì)數(shù)據(jù),92.1%的國(guó)家和地區(qū)化石能源消耗占比均高于60%,73.7%的國(guó)家和地區(qū)化石能源消耗占比均高于80%,安道爾、津巴布韋、芬蘭等國(guó)家大力發(fā)展可再生能源[30],故其可再生能源消耗占比較高.2019年,中國(guó)化石能源占能源消費(fèi)總量達(dá)84.7%,水電、核電、風(fēng)電等清潔能源消費(fèi)量占能源消費(fèi)總量達(dá)15.3%,中國(guó)高碳能源為主的能源結(jié)構(gòu)正在趨于優(yōu)化[31].

表7 不同地區(qū)達(dá)峰時(shí)化石能源消耗占比

注:化石能源消耗占比為化石能源(煤、石油、石油和天然氣產(chǎn)品)消耗占能源消耗總量的百分比.

表8 不同國(guó)家和地區(qū)達(dá)峰時(shí)終端可再生能源消耗占比

注:可再生能源消耗占比為可再生能源在最終能源消費(fèi)總量中所占的比重.

表9 已達(dá)峰國(guó)家和地區(qū)的人均累積碳排放(t/人)

2.2.4 人均累積碳排放 比較1960～2016年共56a各國(guó)的CO2累積排放量與人均碳排量,已經(jīng)達(dá)到排放峰值的國(guó)家, CO2累積排放量在全球排放中僅占7.56%(以1960年為基準(zhǔn)),這遠(yuǎn)不足以使全球排放在短期內(nèi)實(shí)現(xiàn)達(dá)峰,且多數(shù)國(guó)家和地區(qū)人均累積碳排量已遠(yuǎn)超150t/人(表9).

選取累積碳排量位于前10名的國(guó)家和地區(qū)(1960～2016年數(shù)據(jù))進(jìn)行對(duì)比分析(圖3).1960年～2016年,美國(guó)CO2累積排放量269.85Gt,中國(guó)CO2累積排放量189.68Gt,歐盟CO2累積排放量183.56Gt,如果計(jì)算的基準(zhǔn)年向前推,則美國(guó)與歐盟的歷史累積排放量將顯著增加[32].同時(shí)美國(guó)、中國(guó)、歐盟3個(gè)國(guó)家和地區(qū)的人均累積碳排放量分別為1066.62、153.35和436.62t/人,中國(guó)的人均累積碳排放量遠(yuǎn)低于美國(guó)、歐盟等國(guó)家和地區(qū).

2.2.5 全球碳達(dá)峰國(guó)家和地區(qū) 歐盟已于1979年實(shí)現(xiàn)碳達(dá)峰,達(dá)峰時(shí)共有9個(gè)成員國(guó).僅有英國(guó)(1971年)、法國(guó)(1979年)、比利時(shí)(1979年)在1979年及其之前實(shí)現(xiàn)達(dá)峰,德國(guó)(1991年)、丹麥(1996年)、意大利(2004年)、愛(ài)爾蘭(2007年)都是在歐盟整體實(shí)現(xiàn)達(dá)峰后陸續(xù)達(dá)峰,而盧森堡目前仍處于碳排放平臺(tái)期,荷蘭則仍處于碳排放上升期. 1979年歐盟整體實(shí)現(xiàn)碳達(dá)峰時(shí),英國(guó)碳排放總量占其聯(lián)盟總量38%,法國(guó)占25%,比利時(shí)占7%,3個(gè)國(guó)家CO2排放量占比高達(dá)70%.

綜上,在已經(jīng)實(shí)現(xiàn)碳達(dá)峰的43個(gè)國(guó)家和地區(qū)中,可分為自然達(dá)峰、經(jīng)濟(jì)受損兩種類(lèi)型(表10).美國(guó)、意大利等經(jīng)濟(jì)發(fā)達(dá)國(guó)家和地區(qū),處于后工業(yè)化時(shí)代,第三產(chǎn)業(yè)占比較高,經(jīng)濟(jì)保持持續(xù)的高速發(fā)展[33-34],經(jīng)濟(jì)發(fā)展與碳排放之間已實(shí)現(xiàn)脫鉤,進(jìn)入碳排放環(huán)境EKC的下降階段;波蘭、羅馬尼亞等受蘇聯(lián)解體、東歐劇變影響的國(guó)家,由于社會(huì)經(jīng)濟(jì)受損衰退及轉(zhuǎn)型失敗而碳排放達(dá)峰;挪威、芬蘭、瑞典等國(guó)家,可再生能源利用比例較高,經(jīng)濟(jì)社會(huì)發(fā)展不依賴(lài)化石能源,其中瑞典電力生產(chǎn)基本實(shí)現(xiàn)無(wú)油、無(wú)煤,電力來(lái)源基本是水電和核電各占一半,碳減排效果明顯.

圖3 典型國(guó)家和地區(qū)累積及人均累積碳排放

表10 2020年全球碳達(dá)峰國(guó)家和地區(qū)分類(lèi)

3 結(jié)論

3.1 研究發(fā)現(xiàn)在對(duì)全球國(guó)家與地區(qū)碳達(dá)峰的檢驗(yàn)中,MK檢驗(yàn)和SR檢驗(yàn)具有完全相同的效果,但SR檢驗(yàn)不需要考慮時(shí)間序列數(shù)據(jù)中打結(jié)數(shù)組的影響,計(jì)算過(guò)程更加簡(jiǎn)便易行.

3.2 美國(guó)、英國(guó)等42個(gè)國(guó)家與歐盟均已實(shí)現(xiàn)碳達(dá)峰,俄羅斯、新加坡等46個(gè)國(guó)家目前處于碳排放平臺(tái)期,荷蘭、阿爾巴尼亞和利比亞等9個(gè)國(guó)家在碳達(dá)峰后存在“反彈式”上升現(xiàn)象.

3.3 達(dá)峰國(guó)家在達(dá)峰時(shí)的特征表現(xiàn)為:經(jīng)濟(jì)發(fā)展水平較好,多數(shù)國(guó)家和地區(qū)人均GDP高于20000美元且第三產(chǎn)業(yè)占比高于50%;化石能源消費(fèi)占比仍然較高,多數(shù)國(guó)家達(dá)峰時(shí)化石能源消耗占能源消耗總量的比例高于60%;碳排放已達(dá)到脫鉤狀態(tài),實(shí)現(xiàn)了在經(jīng)濟(jì)增長(zhǎng)的同時(shí),能源消費(fèi)量逐漸降低.

3.4 目前達(dá)峰國(guó)家主要可以分為2類(lèi),第1類(lèi)是以美國(guó)、英國(guó)、日本、澳大利亞、瑞典為代表發(fā)達(dá)國(guó)家和地區(qū),經(jīng)濟(jì)發(fā)展與碳排放已實(shí)現(xiàn)脫鉤,從而自然達(dá)峰.第2類(lèi)是德國(guó)、波蘭等受蘇聯(lián)解體、東歐劇變影響的15個(gè)國(guó)家,以及愛(ài)爾蘭、朝鮮等經(jīng)濟(jì)嚴(yán)重衰退的8個(gè)國(guó)家,由于社會(huì)經(jīng)濟(jì)受損衰退或社會(huì)轉(zhuǎn)型失敗而達(dá)峰.

4 建議與啟示

4.1 建議

4.1.1 加強(qiáng)全球各國(guó)碳排放責(zé)任劃分 對(duì)于英國(guó)、法國(guó)、美國(guó)等第1類(lèi)CO2排放已經(jīng)達(dá)峰的碳排放大國(guó),經(jīng)濟(jì)發(fā)展已進(jìn)入工業(yè)化后期,人均累積碳排放量遠(yuǎn)高于其他發(fā)展中國(guó)家,國(guó)際社會(huì)應(yīng)督促其主動(dòng)承擔(dān)起歷史責(zé)任與國(guó)際社會(huì)的責(zé)任,加強(qiáng)全球各國(guó)碳排放責(zé)任劃分,持續(xù)構(gòu)建高效的能源經(jīng)濟(jì)體系,不斷降低化石能源消耗占比,為其他國(guó)家爭(zhēng)取更多的發(fā)展過(guò)渡期.

4.1.2 加強(qiáng)全球各國(guó)碳達(dá)峰狀態(tài)的監(jiān)測(cè) 國(guó)際社會(huì)應(yīng)定期開(kāi)展全球各國(guó)碳達(dá)峰狀態(tài)的評(píng)估與監(jiān)測(cè),重點(diǎn)關(guān)注46個(gè)處于碳達(dá)峰平臺(tái)期的國(guó)家和地區(qū),督促其持續(xù)構(gòu)建高效的社會(huì)經(jīng)濟(jì)體系,在國(guó)家內(nèi)部分部門(mén)細(xì)化碳排放目標(biāo),分行業(yè)落實(shí)低碳技術(shù)的使用,如非化石能源、碳捕捉與封存以及負(fù)排放技術(shù)等[35-36],保證CO2排放不會(huì)“反彈式”上升.

4.2 對(duì)中國(guó)的啟示

4.2.1 著力穩(wěn)定宏觀經(jīng)濟(jì)大盤(pán),保持我國(guó)經(jīng)濟(jì)發(fā)展長(zhǎng)期向好.從達(dá)峰國(guó)家經(jīng)驗(yàn)看,整體實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展與碳排放脫鉤,提高人均GDP水平,是平穩(wěn)達(dá)峰的前提保障.無(wú)論國(guó)際風(fēng)云如何變幻,都要堅(jiān)定不移做好自己的事情,不斷做強(qiáng)經(jīng)濟(jì)基礎(chǔ),增強(qiáng)科技創(chuàng)新能力.必須堅(jiān)持高質(zhì)量發(fā)展,推動(dòng)經(jīng)濟(jì)實(shí)現(xiàn)質(zhì)的穩(wěn)步提升和量的合理增長(zhǎng),推動(dòng)實(shí)現(xiàn)共同富裕.

4.2.2 進(jìn)一步調(diào)整能源結(jié)構(gòu),推動(dòng)碳排放如期達(dá)峰.中國(guó)已進(jìn)入工業(yè)化后期階段,但人均GDP仍然較低,經(jīng)濟(jì)發(fā)展正從高速轉(zhuǎn)向中高速,短時(shí)間內(nèi)期望通過(guò)經(jīng)濟(jì)高速增長(zhǎng)實(shí)現(xiàn)自然達(dá)峰是不現(xiàn)實(shí)的.以大多數(shù)國(guó)家達(dá)峰時(shí)對(duì)應(yīng)的化石能源消費(fèi)占比仍高于60%為參考,中國(guó)化石能源消費(fèi)占比超過(guò)80%,以煤炭為主的能源消費(fèi)結(jié)構(gòu)難以在近10a得到根本改變[37].借鑒挪威、芬蘭等已達(dá)峰國(guó)家的經(jīng)驗(yàn),中國(guó)需進(jìn)一步加快能源結(jié)構(gòu)調(diào)整,持續(xù)提高水能、太陽(yáng)能、風(fēng)能、生物質(zhì)能等可再生能源在能源生產(chǎn)和消費(fèi)中的比重,從能源結(jié)構(gòu)調(diào)整的角度推動(dòng)達(dá)峰進(jìn)程.

4.2.3 優(yōu)化產(chǎn)業(yè)結(jié)構(gòu),實(shí)現(xiàn)高質(zhì)量達(dá)峰.要正確處理經(jīng)濟(jì)增長(zhǎng)、能源消耗與碳排放之間的關(guān)系,進(jìn)一步調(diào)整和優(yōu)化中國(guó)產(chǎn)業(yè)結(jié)構(gòu).持續(xù)優(yōu)化工業(yè)結(jié)構(gòu),嚴(yán)格限制高耗能產(chǎn)業(yè)發(fā)展,加快淘汰落后產(chǎn)能,避免中國(guó)工業(yè)過(guò)度依賴(lài)能源密集、碳排放密集、資本密集產(chǎn)業(yè)[38].增加第三產(chǎn)業(yè)比例,加快發(fā)展信息密集、知識(shí)密集、就業(yè)密集的現(xiàn)代服務(wù)業(yè),加快構(gòu)建以服務(wù)業(yè)為主導(dǎo)的國(guó)民經(jīng)濟(jì)新格局,力爭(zhēng)早日實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展與碳排放脫鉤.

4.2.4 制定區(qū)域差異化碳達(dá)峰目標(biāo),推動(dòng)有條件的地區(qū)率先達(dá)峰.中國(guó)經(jīng)濟(jì)發(fā)展東中西部不平衡[39],所有省份同時(shí)實(shí)現(xiàn)碳達(dá)峰并不現(xiàn)實(shí).結(jié)合對(duì)已碳達(dá)峰國(guó)家和地區(qū)的分析,不同國(guó)家的經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)存在的差異性影響了碳達(dá)峰的時(shí)間和峰值.歐盟已達(dá)峰表明,區(qū)域?qū)崿F(xiàn)碳達(dá)峰,并不要求域內(nèi)所有國(guó)家均實(shí)現(xiàn)碳達(dá)峰.中國(guó)可分區(qū)域、分省份分批實(shí)現(xiàn)碳達(dá)峰,同時(shí)保障社會(huì)經(jīng)濟(jì)健康發(fā)展和全國(guó)碳達(dá)峰工作順利有序推行.例如,中國(guó)東部沿海省份人均GDP大都超過(guò)10000美元,CO2排放總量和歐盟CO2排放峰值時(shí)水平相當(dāng),城市特征也較為相似,同樣是資源緊缺、環(huán)境污染嚴(yán)重的地區(qū).東部沿海地區(qū)CO2排放可借鑒歐盟等已實(shí)現(xiàn)碳達(dá)峰地區(qū)的經(jīng)驗(yàn),尋求共性與差異,重塑生產(chǎn)、消費(fèi)和生活方式,處理好發(fā)展和減排、整體和局部、短期和中長(zhǎng)期的關(guān)系.

[1] 雷學(xué)軍.二氧化碳是人類(lèi)的寶貴財(cái)富 [J]. 中國(guó)能源, 2016,38(1): 12-21.

Lei X J. Carbon dioxide is the precious wealth of human beings [J]. Energy of China, 2016,38(1):12-21.

[2] 魏鳳英.現(xiàn)代氣候統(tǒng)計(jì)診斷與預(yù)測(cè)技術(shù) [M]. 北京:氣象出版社, 2007.

Wei F Y. Modern climate statistical diagnosis and prediction technology [M]. Beijing: Meteorological Press, 2007.

[3] Mann H B. Nonparametric tests against trend [J]. Econometrica, 1945,13(3):245-259.

[4] 李志成,鄭君瑜,鐘流舉.珠江三角洲地區(qū)2006年顆粒物污染過(guò)程識(shí)別與分析 [J]. 環(huán)境科學(xué)研究, 2011,24(9):975-981.

Li Z C, Zheng J Y, Zhong L J. Identification and analysis of PM pollution processes in the Pearl River Delta Region in 2006 [J]. Research of Environmental Sciences, 2011,24(9):975-981.

[5] 桑燕芳,王中根,劉昌明.小波分析方法在水文學(xué)研究中的應(yīng)用現(xiàn)狀及展望 [J]. 地理科學(xué)進(jìn)展, 2013,32(9):1413-1422.

Sang Y F, Wang Z G, Liu C M. Applications of wavelet analysis to hydrology: Status and prospects [J]. Progress in Geography, 2013, 32(9):1413-1422.

[6] Adeloye J, Montaseri M. Preliminary streamflow data analyses prior to water resources planning study/Analyses préliminaires des données de débit en vue d'une étude de planification des ressources en eau [J]. Hydrological Sciences Journal, 2002,47(5):679-692.

[7] Keith W, Jan M, Weller R. DATA ANALYSIS OF WATER QUALITY TIME SERIES IN LAKE ERIE1 [J]. Data analysis of water quality time series in lake erie1, 1988,24(3):533-544.

[8] Zhang X, Harvey K D, Hogg W D. Trends in Canadian streamflow [J]. 2001,37(4):987-998.

[9] He Y, Wang A Y, Huang H J. The trend of natural illuminance levels in 14Chinese cities in the past 50years [J]. Energy, Sustainability and Society, 2013,3(1):1-11.

[10] 寧忠瑞,張建云,王國(guó)慶.1948～2016年全球主要?dú)庀笠匮葑兲卣?[J]. 中國(guó)環(huán)境科學(xué), 2021,41(9):4085-4095.

Ning Z R, Zhang J Y, Wang G Q. Variation and global pattern of major meteorological elements during 1948～2016 [J]. China Environmental Science, 2021,41(9):4085-4095.

[11] 李歡歡,牛 璨,張 凱,等.保定市2013～2019年秋冬季污染物濃度變化特征 [J]. 中國(guó)環(huán)境科學(xué), 2021,41(7):3076-3087.

Li H H, Niu C, Zhang K, et al. Variation characteristics of pollutant concentration in autumn and winter from 2013 to 2019 in Baoding City [J]. China Environmental Science, 2021,41(7):3076-3087.

[12] 馮興華,鐘業(yè)喜,陳 琳,等.長(zhǎng)江經(jīng)濟(jì)帶縣域經(jīng)濟(jì)空間格局演變分析 [J]. 經(jīng)濟(jì)地理, 2016,36(6):18-25.

Feng X H, Zhong Y X, Chen L, et al. Evolution of spatial pattern of county regional economy in Yangtze River Economic Belt [J]. Economic Geography, 2016,36(6):18-25.

[13] Lettenmaier D P. Detection of trends in water quality data from records with dependent observations [J]. 1976,12(5):1037-1046.

[14] El-Shaarawi A H, Esterby S R, Kuntz K W. A statistical evaluation of trends in the water quality of the Niagara River [J]. 1983,9(2):234- 240.

[15] 馬 琳.基于混沌遞進(jìn)預(yù)測(cè)模型與趨勢(shì)檢驗(yàn)的深基坑變形規(guī)律研究 [J]. 隧道建設(shè)(中英文), 2018,38(6):934-940.

Ma L. Study of deformation law of deep foundation pit based on chaotic progressive prediction model and trend test [J]. Tunnel construction, 2018,38(6):934-940.

[16] 鞠興華,楊曉華,張莎莎.鐵路路基沉降變形趨勢(shì)的綜合檢驗(yàn)分析 [J]. 中國(guó)安全科學(xué)學(xué)報(bào), 2018,28(3):132-137.

Ju X H, Yang X H, Zhang S S. Comprehensive inspection and analysis of trend in both settlement and deformation of railway subgrade [J]. Chinese Safety Science Journal, 2018,28(3):132-137.

[17] Tonkaz T, Etin M, Tülücü KZ. The impact of water resources development projects on water vapor pressure trends in a semi-arid region, Turkey [J]. Climatic Change, 2007.

[18] Shadmani M, Marofi S, Roknian M. Trend analysis in reference evapotranspiration using Mann-Kendall and Spearman's Rho Tests in Arid Regions of Iran [J]. Water Resources Management, 2012,26(1): 211-224.

[19] Nafarzadegan A R, Ahani H, Singh V P , et al. Parametric and non-parametric trend of reference evapotranspiration and its key influencing climatic variables (Case study: Southern Iran) [J]. ecopersia, 2013.

[20] Page E B. Ordered hypotheses for multiple treatments: A significant test for linear ranks [J]. Yearbook of the National Council on Measurement in Education, 1963,(20):17-23.

[21] Taylor J M G. Kendall and Spearman correlation-coefficients in the presence of a blocking variable [J]. Biometrics, 1987,43(2):409-416.

[22] Gilbert R O. Statistical methods for environmental pollution monitoring [M]. New York: John Wiley and Sons, 1987:209.

[23] C40. 27cities have reached peak greenhouse gas emissions whilst populations increase and economies grow [R/OL]. 2018 [2020-05-14]. https://www.c40.org/press_releases/27-cities-have-reached-peakgreenhouse-gas-emissions-whilst-populations-increase-and-economiesgrow.

[24] Helsel R G, Young P M. Characterization theorems for integral means [J]. Duke Mathematical Journal, 1943,10(2):259-269.

[25] Kaika D, Zervas E. The environmental Kuznets curve (EKC) theory—Part A: Concept, causes and the CO2emissions case [J]. Energy Policy, 2013,62:1392-1402.

[26] 仲偉周,孫耀華,慶東瑞.經(jīng)濟(jì)增長(zhǎng)、能源消耗與二氧化碳排放脫鉤關(guān)系研究 [J]. 審計(jì)與經(jīng)濟(jì)研究, 2012,27(6):99-105.

Zhong W Z, Sun Y H, Qing D R. Study on the decoupling relationship between economic growth, energy consumption and carbon dioxide emissions [J]. Journal of Audit & Economics, 2012, 27(6):99-105.

[27] 彭佳雯,黃賢金,鐘太洋,等.中國(guó)經(jīng)濟(jì)增長(zhǎng)與能源碳排放的脫鉤研究 [J]. 資源科學(xué), 2011,33(4):626-633.

Peng J W, Huang X J, Zhong T Y, et al. Decoupling analysis of economic growth and energy carbon emissions in China [J]. Resources Science, 2011,33(4):626-633.

[28] 田 野.全球金融危機(jī)后美國(guó)產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整與變化 [D]. 長(zhǎng)春:吉林大學(xué), 2020.

Tian Y. Adjustment and change of industrial structure in the United States after the global financial crisis [D]. Changchun: Jilin University, 2020.

[29] 盧愿清,史 軍.中國(guó)第三產(chǎn)業(yè)能源碳排放影響要素指數(shù)分解及實(shí)證分析 [J]. 環(huán)境科學(xué), 2012,33(7):2528-2532.

Lu Y Q, Shi J. Decomposition model of energy-related carbon emissions in Tertiary Industry for China [J]. Environmental Science, 2012,33(7):2528-2532.

[30] Huttunen S. Stakeholder frames in the making of forest bioenergy legislation in Finland [J]. Geoforum, 2014,53(may):63-73.

[31] 劉曉龍,葛 琴,姜玲玲,等.中國(guó)煤炭消費(fèi)總量控制路徑的思考 [J]. 中國(guó)人口·資源與環(huán)境, 2019,29(10):160-166.

Liu X L, Ge Q, Jiang L L, et al. Consideration on the route of total coal consumption control in China [J]. China population, resources and environment, 2019,29(10):160-166.

[32] 任國(guó)玉,徐 影,羅 勇.世界各國(guó)CO2排放歷史和現(xiàn)狀 [J]. 氣象科技, 2002,(3):129-134.

Ren G Y, Xu Y, Luo Y. History and status of CO2emissions in the world [J]. Meteorological Science and Technology, 2002,(3):129-134.

[33] 黃衛(wèi)平,朱文暉.溫特制:美國(guó)新經(jīng)濟(jì)與全球產(chǎn)業(yè)重組的微觀基礎(chǔ) [J]. 美國(guó)研究, 2004,18(2):18.

Huang W P, Zhu W H. Wintelism: Americans new economy and the micro basis for world industrial [J]. The Chinese Journal of American Studies, 2004,18(2):18.

[34] Sato K. Stabilization policy and the Japanese economy [J]. Journal of Asian Economics, 1998,9(1):67-94.

[35] 王景云,郭 茹,楊海真.碳捕捉與封存研究進(jìn)展淺析 [J]. 環(huán)境科學(xué)與技術(shù), 2012,35(S2):156-160.

Wang J Y, Guo R, Yang H Z. Analysis on the research progress in carbon capture and storage [J]. Environmental Science & Technology, 2012,35(12J):156-160.

[36] 王 深,呂連宏,張保留,等.基于多目標(biāo)模型的中國(guó)低成本碳達(dá)峰、碳中和路徑 [J]. 環(huán)境科學(xué)研究, 2021,34(9):2044-2055.

Wang S, Lui L H, Zhang B L, et al. Multi objective programming model of low-cost path for China's Peaking carbon dioxide emissions and carbon neutrality [J]. Research of Environmental Sciences, 2021,34(9):2044-2055.

[37] 付 允,馬永歡,劉怡君,等.低碳經(jīng)濟(jì)的發(fā)展模式研究 [J]. 中國(guó)人口·資源與環(huán)境, 2008,18(3):14-19.

Fu Y, Ma Y H, Liu Y J, Niu W Y. Development patterns of low carbon economy [J]. China Population,Resources and Environment, 2008,18(3):14-19.

[38] Daniel S C, Catherine D. Potential emissions reductions from grandfathered coal power plants in the United States [J]. Energy Policy, 2011,39(9):4816-4822.

[39] 彭國(guó)華.技術(shù)能力匹配、勞動(dòng)力流動(dòng)與中國(guó)地區(qū)差距 [J]. 經(jīng)濟(jì)研究, 2015,50(1):99-110.

Peng G H. The matching of skills to tasks, labor migration and Chinese regional income disparity [J]. Economic Research Journal, 2015,50(1):99-110.

Peaking characteristics and enlightenment based on carbon peak countries.

ZHANG Nan, ZHANG Bao-liu, Lü Lian-hong*, BAI Zi-han, ZHAO Ming-xuan, LUO Hong

(Chinese Research Academy of Environmental Sciences, Beijing 100012, China)., 2022,42(4)：1912～1921

The paper is based on the World Bank World Development Indicators database from 1960 to 2020, and Mann-Kendall test and Spearman's Rho test are used to analyze trends in CO2emissions and socioeconomic data of 219 countries and regions around the world. The result shows: the conclusions of the MK test and the SR test are consistent that 42 countries and 1 economic alliance achieved carbon peak, while 46 countries are in the carbon peak plateau. Most peaking countries have the following characteristics: GDP per capita is between 2′104and 5′104dollars; tertiary industry accounts for more than 50%; fossil energy consumption still accounts for more than 60%; carbon emissions are in the downward phase of the Environmental Kuznets Curve, and economic development is decoupled from carbon emission. Learning from the experience of the peaking countries, China should further adjust energy structure, increase the proportion of renewable energy consumption, optimize the industrial structure, accelerate the construction of a new pattern of the national economy dominated by the service industry, formulate regionally differentiated carbon peak goals, and promote qualified regions to take the lead in reaching the peak.

carbon emissions peak；peaking characteristics；Mann-Kendall test；Spearman's Rho test；Environmental Kuznets Curve

X32

A

1000-6923(2022)04-1912-10

張 楠(1998-),女,山東濟(jì)南人,碩士研究生,主要研究方向?yàn)槟茉磁c環(huán)境經(jīng)濟(jì).

2021-09-01

中國(guó)環(huán)境科學(xué)研究院中央級(jí)公益性科研院所基本科研業(yè)務(wù)專(zhuān)項(xiàng)(2021YSKY-07),國(guó)家社會(huì)科學(xué)基金項(xiàng)目(21BJY247)

*責(zé)任作者, 正高級(jí)工程師, lvlh@craes.org.cn