杜涵蓓，趙立君，劉臣煒，仇寬彪，李海東

(生態(tài)環(huán)境部南京環(huán)境科學(xué)研究所，江蘇 南京 210042)

聯(lián)合國(guó)政府間氣候變化專門(mén)委員會(huì)(Intergovernmental Panel on Climate Change，IPCC)第五次評(píng)估報(bào)告認(rèn)為，傳統(tǒng)化石能源消費(fèi)產(chǎn)生的二氧化碳(CO2)等溫室氣體排放是造成全球溫室效應(yīng)的主要原因[1]。城市碳達(dá)峰受到國(guó)內(nèi)外學(xué)者的廣泛關(guān)注，城市作為人類經(jīng)濟(jì)社會(huì)活動(dòng)集中分布區(qū)域，是重要的碳排放源，也是實(shí)現(xiàn)“雙碳”目標(biāo)的主戰(zhàn)場(chǎng)，隨著城市化進(jìn)程的推進(jìn)，城市CO2排放量會(huì)進(jìn)一步增加[2]。根據(jù)IPCC第五次評(píng)估報(bào)告，城市能源消耗量約占全球能耗總量的67%～76%[3]，由此產(chǎn)生的CO2排放量占全球CO2排放總量的71%～76%，是溫室氣體排放的最主要來(lái)源[4]，城市地區(qū)的生產(chǎn)生活活動(dòng)(如制造業(yè)生產(chǎn)、商業(yè)、交通等)是全球人為碳排放的主要驅(qū)動(dòng)因素[5]。同時(shí)，城市更易普及清潔能源技術(shù)，實(shí)施碳減排策略[6]，因此也成為減緩社會(huì)經(jīng)濟(jì)系統(tǒng)對(duì)全球氣候變化影響、推進(jìn)低碳轉(zhuǎn)型可持續(xù)發(fā)展的重要研究對(duì)象和突破口。

城市碳排放核算的是城市經(jīng)濟(jì)、社會(huì)、環(huán)境體系在一段時(shí)間內(nèi)的溫室氣體總排放量[7]。然而，現(xiàn)有碳排放模型主要應(yīng)用于宏觀層面的國(guó)家地區(qū)及微觀層面的企業(yè)。如何在一個(gè)中觀層面，即城市/園區(qū)開(kāi)展碳排放核算，是當(dāng)前研究的重點(diǎn)和難點(diǎn)。目前在碳排放核算方面，由于采用的計(jì)算方法不同，容易導(dǎo)致碳排放量被人為高估或低估[8]。同時(shí)，現(xiàn)有研究更多強(qiáng)調(diào)歷史排放分析，對(duì)未來(lái)發(fā)展趨勢(shì)研究相對(duì)偏少。日本學(xué)者Kaya提出的Kaya恒等式是首次將CO2排放與人類活動(dòng)聯(lián)系起來(lái)[9]，由此產(chǎn)生的Kaya 分解法被廣泛應(yīng)用于碳排放峰值預(yù)測(cè)研究。長(zhǎng)期能源替代規(guī)劃系統(tǒng)模型(long range energy alternatives planning，LEAP)由斯德哥爾摩環(huán)境研究所(Stockholm Environment Institute，SEI)開(kāi)發(fā)，已廣泛用于產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與碳減排[10]、碳排放情景預(yù)測(cè)、碳捕獲等研究領(lǐng)域。DIETZ等[11]則將 IPAT 模型改進(jìn)為隨機(jī)形式，被稱為 STIRPAT 模型，人口規(guī)模和收入水平是STIRPAT 模型中的核心驅(qū)動(dòng)因素。從已有研究來(lái)看，人口和收入對(duì)CO2排放量變化的影響顯著[12]。

長(zhǎng)三角區(qū)域是中國(guó)經(jīng)濟(jì)發(fā)展水平最高的區(qū)域之一，其城市群也是世界級(jí)城市群之一，但是在 CO2排放方面，由于能源結(jié)構(gòu)不夠清潔，大部分城市的產(chǎn)業(yè)結(jié)構(gòu)還是以高耗能行業(yè)為主，導(dǎo)致長(zhǎng)三角地區(qū) CO2排放量一直處于全國(guó)前列，占中國(guó)總排放量的1/5以上[13-15]，“十三五”期間年均增速為2.4%[16]。南京市是長(zhǎng)江經(jīng)濟(jì)帶城市群中以服務(wù)業(yè)為主的代表性城市。研究區(qū)作為主城區(qū)的市轄區(qū)，缺乏獨(dú)立的能源、電力等統(tǒng)計(jì)數(shù)據(jù)。研究區(qū)未來(lái)新增開(kāi)發(fā)空間有限，重大工業(yè)項(xiàng)目少，服務(wù)業(yè)已占據(jù)絕對(duì)主導(dǎo)地位，在高質(zhì)量發(fā)展方面具備較好基礎(chǔ)，但也面臨能源消費(fèi)和碳排放水平較高等問(wèn)題，亟待以“雙碳”目標(biāo)為引領(lǐng)，推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)的綠色低碳轉(zhuǎn)型發(fā)展。因此，該研究以南京某主城區(qū)為例，基于Kaya碳排放恒等式和LEAP模型，通過(guò)情景分析方法，分析在基準(zhǔn)、低排放和技術(shù)突破這3種情景下的碳排放變化趨勢(shì)，預(yù)測(cè)碳達(dá)峰時(shí)間，探究碳排放量的主要影響因素，以期為類似地區(qū)的主城區(qū)碳達(dá)峰路徑制定提供參考依據(jù)。

1 材料與方法

1.1 研究區(qū)域概況

研究區(qū)總面積為75.46 km2，屬北亞熱帶濕潤(rùn)氣候區(qū)，年均降水量約1 106 mm，年平均溫度約15.4 ℃，境內(nèi)地貌類型多樣，低山、丘陵、崗地和平原交錯(cuò)分布。紫金山、湖泊面積占全區(qū)面積的近50%，綠化覆蓋率達(dá)62.99%。該區(qū)是國(guó)家重要的科研、文化、商務(wù)中心，也是華東地區(qū)現(xiàn)代服務(wù)業(yè)基地。目前，全區(qū)下轄7個(gè)街道。2020年全區(qū)常住人口為53.78萬(wàn)人，相比2015年減少11.46萬(wàn)人，“十三五”期間，地區(qū)生產(chǎn)總值由708.36億增至1 108.66億元。自2019年后，GDP穩(wěn)定在千億元以上，年均增速超9%。

1.2 數(shù)據(jù)來(lái)源

研究采用的數(shù)據(jù)主要包括該區(qū)能源消費(fèi)、土地利用、人口和生產(chǎn)總值等。社會(huì)經(jīng)濟(jì)和各部門(mén)能源消耗數(shù)據(jù)主要來(lái)自南京市和該區(qū)近10 a公開(kāi)發(fā)布的統(tǒng)計(jì)數(shù)據(jù)、行業(yè)標(biāo)準(zhǔn)、政策文件、發(fā)展規(guī)劃、研究報(bào)告等資料，包括《中國(guó)能源統(tǒng)計(jì)年鑒2019》《南京統(tǒng)計(jì)年鑒2010—2021》《江蘇省生態(tài)環(huán)境廳2021年推動(dòng)碳達(dá)峰碳中和工作計(jì)劃》《2006年IPCC國(guó)家溫室氣體排放清單指南》《省級(jí)溫室氣體清單編制指南》等。對(duì)于一些具體行業(yè)和重點(diǎn)企業(yè)，如酒店、學(xué)校、醫(yī)院、大型綜合商業(yè)建筑等，則直接采用調(diào)研問(wèn)卷的方式，以確保數(shù)據(jù)的科學(xué)性與準(zhǔn)確性。通過(guò)比較、綜合分析和梳理相關(guān)數(shù)據(jù)資料，對(duì)尚不確定的數(shù)據(jù)資料進(jìn)行分類，并進(jìn)一步開(kāi)展統(tǒng)計(jì)折算獲取數(shù)據(jù)。

1.3 研究方法

1.3.1CO2排放量測(cè)算方法

根據(jù)《2006年IPCC國(guó)家溫室氣體清單指南》中第2卷和《省級(jí)二氧化碳排放達(dá)峰行動(dòng)方案編制指南》建立了CO2排放量的估算公式。CO2排放總量(C)由能源活動(dòng)直接產(chǎn)生的CO2排放量(Cd)與電力調(diào)入蘊(yùn)含的間接CO2排放量(Ci)相加得到，計(jì)算公式為

C=Cd+Ci，

(1)

Cd=∑Ai×FE，i。

(2)

式(1)～(2)中，Ai為不同種類能源(包括煤炭、石油、天然氣)的消費(fèi)量，t(以標(biāo)準(zhǔn)煤計(jì))，各能源折算標(biāo)準(zhǔn)煤的參考系數(shù)參照各年度《中國(guó)能源統(tǒng)計(jì)年鑒》；FE，i為不同種類能源的排放因子，采用國(guó)家溫室氣體清單的排放因子數(shù)據(jù)。

電力調(diào)入蘊(yùn)含的間接CO2排放量(Ci)可以利用各轄區(qū)內(nèi)電力調(diào)入電量和省級(jí)電力排放因子計(jì)算得到，計(jì)算公式為

Ci=∑Ae×FE，e。

(3)

式(3)中，Ae為地區(qū)電力調(diào)入量，kW·h；FE，e為省級(jí)電力排放因子。電網(wǎng)碳排放系數(shù)來(lái)源于《關(guān)于做好2022年企業(yè)溫室氣體排放報(bào)告管理相關(guān)重點(diǎn)工作的通知》[17]，天然氣碳排放系數(shù)與液化石油氣碳排放系數(shù)來(lái)源于《城市溫室氣體清單研究》[18]。據(jù)此得到煤炭、石油、天然氣的CO2排放因子分別為2.66、1.73、1.56 t·tce-1(tce為噸標(biāo)準(zhǔn)煤當(dāng)量)，2016年華東區(qū)域電網(wǎng)平均CO2排放因子為0.682 9 kg·(kW·h)-1。

1.3.2碳排放影響因素識(shí)別

采用STIRPAT模型分析研究區(qū)碳排放的影響因素。STIRPAT模型最早由YORK等[19]提出，用于研究環(huán)境的影響因素，它是由 IPAT 模型演變而來(lái)，該模型的優(yōu)點(diǎn)在于避免了同比例變動(dòng)問(wèn)題的影響[20]，能表征各個(gè)影響因素的變動(dòng)對(duì)應(yīng)的環(huán)境變化，因此被廣泛應(yīng)用于溫室氣體預(yù)測(cè)研究。

根據(jù)唐賽等[21]構(gòu)建的擴(kuò)展的STIRPAT模型對(duì)城市碳排放影響因素進(jìn)行分解[22]，引入民用交通(人均擁有汽車數(shù)量)指標(biāo)研究城市民用交通建設(shè)對(duì)碳排放的影響程度。結(jié)合中國(guó)典型城市發(fā)展?fàn)顩r，選取人均收入水平、能源強(qiáng)度、城市人口、產(chǎn)業(yè)結(jié)構(gòu)、民用交通指標(biāo)擴(kuò)展 STIRPAT模型，構(gòu)建城市碳排放與其影響因素間的計(jì)量模型，其表達(dá)式為

EC=c×P×PGDb1×IEb2×Pb3×SIb4×TPb5×u。

(4)

式(4)中，EC為城市碳排放量，萬(wàn)t；PGD為人均收入水平，萬(wàn)元；IE為能源強(qiáng)度，t·萬(wàn)元-1；P為城市人口，萬(wàn)人；SI為第三產(chǎn)業(yè)產(chǎn)值占地區(qū)生產(chǎn)總值的比重，表征產(chǎn)業(yè)結(jié)構(gòu)，%；TP為人均車輛擁有數(shù)，輛·人-1；b1、b2、b3、b4、b5為相應(yīng)因子的彈性系數(shù)，表示當(dāng)相應(yīng)因子變化1%時(shí)引起碳排放量的變化率；u為模型隨機(jī)干擾項(xiàng)。對(duì)上式兩邊取對(duì)數(shù)，得到:

lnEC=lnc+b1lnP×PGD+b2lnIE+b3lnP+b4lnSI+b5lnTP+lnu。

(5)

為消除非平穩(wěn)時(shí)間序列出現(xiàn)的“偽回歸”現(xiàn)象，先利用Eviews 8.0軟件對(duì)各變量進(jìn)行ADF單位根檢驗(yàn)。在經(jīng)過(guò)二階差分后序列平穩(wěn)，可得到各變量的零階單整序列。然后，構(gòu)建主城區(qū)碳排放與影響因素的回歸模型，為降低時(shí)間自相關(guān)性與變量?jī)?nèi)生性的影響，采用固定效應(yīng)的自回歸移動(dòng)平均模型?？刂谱曰貧w項(xiàng)并考慮固定效應(yīng)后，其能夠在一定程度上降低模型存在的時(shí)間自相關(guān)性并降低自變量的內(nèi)生性。實(shí)證結(jié)果表明，研究區(qū)的回歸模型擬合度較好，且均通過(guò)D.W.檢驗(yàn)。

1.3.3碳排放預(yù)測(cè)方法

(1) LEAP模型

LEAP模型是用于能源-環(huán)境和溫室氣體排放的情景分析軟件[23]。它是一種“自下而上”的集成結(jié)構(gòu)模型[24]，涵蓋了能源轉(zhuǎn)換部門(mén)和能源終端使用部門(mén)的能源消費(fèi)活動(dòng)。模型假定各部門(mén)的能源消費(fèi)可以由活動(dòng)水平和能源強(qiáng)度表示，各部門(mén)的CO2排放量根據(jù)其能源消費(fèi)量、能源結(jié)構(gòu)、能源的排放因子計(jì)算得到：

E=ALO×IE，

(6)

C=∑Ei×FE,i。

(7)

式(6)～(7)中，E為能源消費(fèi)量;IE為能源強(qiáng)度;Ei為第i種能源的消費(fèi)量；FE,i即為第i種能源的CO2排放因子;ALO為活動(dòng)水平,可以用物理指標(biāo)(如產(chǎn)品產(chǎn)量)衡量，也可以用經(jīng)濟(jì)指標(biāo)(如工業(yè)增加值)來(lái)衡量。能源強(qiáng)度為單位活動(dòng)或產(chǎn)出所需的能源消費(fèi)量，例如單位GDP能耗、噸鋼生產(chǎn)綜合能耗、汽車的百公里行駛油耗等，均可在一定程度上反映能源利用的效率。由于不同能源品種的CO2排放因子差異較大，能源消費(fèi)量需根據(jù)能源消費(fèi)結(jié)構(gòu)進(jìn)一步細(xì)化。

(2)Kaya恒等式

Kaya恒等式是由日本學(xué)者 Yoichi Kaya于1989在聯(lián)合國(guó)政府氣候變化專門(mén)委員會(huì)舉辦的研討會(huì)上提出的[25]。Kaya恒等式通過(guò)一個(gè)簡(jiǎn)單的數(shù)學(xué)公式，“自上而下”將CO2排放量分解成與人類生產(chǎn)活動(dòng)相關(guān)的4個(gè)要素，具有數(shù)學(xué)形式簡(jiǎn)單、分解無(wú)殘差、對(duì)碳排放變化推動(dòng)因素解釋力強(qiáng)等優(yōu)點(diǎn)[26]，在定量研究CO2排放量領(lǐng)域被廣泛使用。Kaya恒等式的數(shù)學(xué)表達(dá)式為

(8)

基于2011—2020年研究區(qū)資源稟賦、經(jīng)濟(jì)社會(huì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)變化以及CO2排放趨勢(shì)，考慮相關(guān)模型所需數(shù)據(jù)的可得性，選擇“自上而下”分析模型中的 Kaya 模型作為CO2排放峰值研究的第1種預(yù)測(cè)模型。根據(jù)《省級(jí)二氧化碳排放達(dá)峰行動(dòng)方案編制指南(征求意見(jiàn)稿)》要求，為全面落實(shí)江蘇省能源管控目標(biāo)，為研究區(qū)CO2排放和長(zhǎng)期能源規(guī)劃目標(biāo)提供更有參考價(jià)值的依據(jù)，選擇“自下而上”分析模型中的 LEAP 模型作為研究區(qū)CO2排放峰值研究的第2種預(yù)測(cè)模型。通過(guò)2種分析模型相結(jié)合的方式，綜合確定CO2排放達(dá)峰目標(biāo)。

2 結(jié)果與分析

2.1 2011—2020年CO2排放變化與能源結(jié)構(gòu)特征

2011—2020年，研究區(qū)由能源消費(fèi)產(chǎn)生的CO2排放總量從205.1萬(wàn)增長(zhǎng)至373.8萬(wàn)t(圖1)。由表1可知，碳排放強(qiáng)度相關(guān)指標(biāo)均呈逐年下降趨勢(shì)，2011—2020年，單位GDP碳排放強(qiáng)度從0.610下降為0.337 t·萬(wàn)元-1；工業(yè)碳排放強(qiáng)度從1.42下降為0.65 t·萬(wàn)元-1；第三產(chǎn)業(yè)碳排放強(qiáng)度在2011—2019年穩(wěn)定下降，2020年略有上升，為0.28 t·萬(wàn)元-1。根據(jù)《南京市“十四五”低碳發(fā)展規(guī)劃》，2020 年南京市單位GDP碳排放強(qiáng)度為 0.75 t·萬(wàn)元-1，研究區(qū)遠(yuǎn)低于南京市平均水平。從不同能源消費(fèi)類型來(lái)看，研究區(qū)碳排放主要來(lái)自于電力消費(fèi)，從不同產(chǎn)業(yè)來(lái)看，第三產(chǎn)業(yè)碳排放量占主導(dǎo)地位且持續(xù)增加，第二產(chǎn)業(yè)占比較少(圖2～3)。

圖1 2011—2020年研究區(qū)CO2排放量及年增長(zhǎng)率

表1 2011—2020年研究區(qū)碳排放強(qiáng)度統(tǒng)計(jì)

圖2 2011—2020年研究區(qū)不同產(chǎn)業(yè)CO2排放量Fig.2 CO2 emissions of different industries in the study area from 2011 to 2020

從不同發(fā)展階段看，“十三五”階段碳排放增長(zhǎng)明顯高于“十二五”階段。從不同能源類型碳排放變化趨勢(shì)來(lái)看，2011—2020年研究區(qū)煤品碳排放逐漸減少，電力碳排放持續(xù)增加。

圖3 2011—2020年研究區(qū)不同能源CO2排放量Fig.3 CO2 emissions of different energy sources in the study area from 2011 to 2020

由圖4可知，該區(qū)的能源消費(fèi)仍然呈持續(xù)增長(zhǎng)趨勢(shì)，且增加幅度逐年提升，能源消費(fèi)總量從2016年的84.6萬(wàn)增長(zhǎng)至2020年的132.0萬(wàn)t，2019和2020年增長(zhǎng)速度最快，累計(jì)增幅55.9%，2020年受疫情影響，能耗總量略有下降。由表2可知，2011—2020年能源消耗強(qiáng)度逐年減少，2020年略有上升；單位工業(yè)增加值能耗持續(xù)下降，由2011年的1.421 t·萬(wàn)元-1下降為2020年的0.844 t·萬(wàn)元-1。同時(shí)能源結(jié)構(gòu)不斷優(yōu)化，2020年電力消費(fèi)占比約為89%，較2011年上升了15%以上；天然氣占比約為6%，原油占能源消費(fèi)比例的4%，煤品消費(fèi)下降到2%，能源消費(fèi)結(jié)構(gòu)逐漸向清潔低碳加速轉(zhuǎn)變。從產(chǎn)業(yè)結(jié)構(gòu)方面，第三產(chǎn)業(yè)的標(biāo)準(zhǔn)煤消費(fèi)量占比約為85%，居民生活占比約為13%，第二產(chǎn)業(yè)占比約為2%，可見(jiàn)該區(qū)能源消費(fèi)以第三產(chǎn)業(yè)為主。

圖4 2011—2020年研究區(qū)能源消費(fèi)情況

2.2 城市碳排放影響因素

為探析以研究區(qū)為代表的城市中心碳排放響因素，采用SPIRPAT模型將城市碳排放影響因素分解為人均收入水平、能源強(qiáng)度、城市人口、產(chǎn)業(yè)結(jié)構(gòu)、人均交通。為降低時(shí)間自相關(guān)性與變量?jī)?nèi)生性的影響，利用Eviews 9.0 軟件，運(yùn)用協(xié)整檢驗(yàn)與自回歸移動(dòng)平均模型(ARMA)進(jìn)行分析，回歸結(jié)果顯示，收入水平的相關(guān)系數(shù)為0.988(P<0.01)，能源強(qiáng)度為0.798(P<0.01)，城市人口為0.963(P<0.05)，產(chǎn)業(yè)結(jié)構(gòu)為-0.727(P<0.05)，人均交通為0.856(P<0.05)。

表2 2011—2020年研究區(qū)能源強(qiáng)度變化

回歸結(jié)果說(shuō)明，人均收入水平和能源強(qiáng)度是城市碳排放最重要的2個(gè)影響因素，隨著城市經(jīng)濟(jì)增長(zhǎng)與居民生活水平的提高，碳排放日益增加，該區(qū)目前仍處于經(jīng)濟(jì)增長(zhǎng)的快速上升期，其生產(chǎn)方式和綠色技術(shù)創(chuàng)新效率還有待進(jìn)一步提升，當(dāng)前的碳排放仍處于快速推進(jìn)階段。人口因素作為STIRPAT模型中影響城市碳排放的傳統(tǒng)要素，表現(xiàn)出正向效果，人口的增長(zhǎng)帶來(lái)碳排放增加。而產(chǎn)業(yè)結(jié)構(gòu)變量與碳排放呈現(xiàn)負(fù)相關(guān)，說(shuō)明第三產(chǎn)業(yè)占比提升，會(huì)導(dǎo)致碳排放量減少。而交通方面，人均汽車擁有量與碳排放量之間呈正相關(guān)，人均汽車擁有量增加，導(dǎo)致碳排放量呈增加趨勢(shì)。

2.3 2021—2035年CO2排放預(yù)測(cè)

2.3.1基于LEAP模型的2021—2035年CO2排放預(yù)測(cè)

采用情景分析方法，探討不同影響因素對(duì)研究區(qū)未來(lái)能源需求及碳排放的影響，基于未來(lái)經(jīng)濟(jì)社會(huì)發(fā)展、能源發(fā)展、技術(shù)發(fā)展以及消費(fèi)方式變化等主要因素，在既定的經(jīng)濟(jì)社會(huì)發(fā)展目標(biāo)下，根據(jù)研究區(qū)能源消費(fèi)總量、能源效率和能源結(jié)構(gòu)，參考《南京市推進(jìn)碳達(dá)峰碳中和工作方案》《南京市“十四五”低碳發(fā)展規(guī)劃》，設(shè)計(jì)了3種能源消費(fèi)需求的碳排放情景。情景1為現(xiàn)狀延續(xù)情景，情景2為“加大減排力度+不新增能源項(xiàng)目”情景，情景3為“現(xiàn)狀+清潔能源+節(jié)能減排行動(dòng)”情景，據(jù)此分析研究區(qū)實(shí)現(xiàn)碳達(dá)峰的時(shí)間、峰值和路徑。

利用不同情景參數(shù)數(shù)據(jù)計(jì)算2016—2035年各年份碳排放總量，結(jié)果如圖5所示。2021—2025年，3種情景下研究區(qū)碳排放量均呈現(xiàn)增加趨勢(shì)。情景1預(yù)測(cè)結(jié)果表明，碳排放量持續(xù)增加，2021—2025年增長(zhǎng)幅度最快，隨后增速減慢，但總量持續(xù)上升，2030年無(wú)法實(shí)現(xiàn)碳達(dá)峰。情景2預(yù)測(cè)結(jié)果表明，2021—2030年研究區(qū)碳排放量呈上升趨勢(shì)，2030年出現(xiàn)拐點(diǎn)，達(dá)峰時(shí)碳排放量為433.911萬(wàn)t，達(dá)峰后碳排放量逐步降低。情景3由于采取了強(qiáng)制性的碳減排措施，達(dá)峰時(shí)間明顯提前，2024年可實(shí)現(xiàn)碳達(dá)峰，此后碳排放大幅下降。

表3 不同情景碳排放參數(shù)設(shè)置匯總表

情景1為現(xiàn)狀延續(xù)情景；情景2為“加大減排力度+不新增能源項(xiàng)目”；情景3為“現(xiàn)狀+清潔能源+節(jié)能減排行動(dòng)”。

2.3.2基于Kaya恒等式的2021—2035年CO2排放預(yù)測(cè)

依據(jù) Kaya 模型計(jì)算所需參數(shù)，對(duì)常住人口、GDP、能源強(qiáng)度、單位能源碳排放下降率4個(gè)參數(shù)進(jìn)行設(shè)置，通過(guò)分析國(guó)家、省市低碳發(fā)展規(guī)劃中碳排放總量控制目標(biāo)及分解落實(shí)機(jī)制相關(guān)要求，并結(jié)合該區(qū)相關(guān)部門(mén)“十四五”規(guī)劃任務(wù)目標(biāo)，綜合研判各參數(shù)在2021—2035年期間的變化趨勢(shì)，具體設(shè)定如表4所示。

預(yù)測(cè)結(jié)果如圖4所示，以2020年為基準(zhǔn)年，在低碳情景下的研究區(qū)CO2排放量在2021—2030年穩(wěn)定增加，2030年達(dá)到峰值，峰值排放量為396.74萬(wàn)t，之后逐漸下降。2021—2035年能源強(qiáng)度和持續(xù)穩(wěn)定下降，2035年每1萬(wàn)元GDP所需消費(fèi)的標(biāo)準(zhǔn)煤下降到0.15 t。

2.3.32種模型預(yù)測(cè)結(jié)果比較

綜合2種不同模型預(yù)測(cè)的研究成果分析，基于對(duì)未來(lái)5～15 a區(qū)域低碳發(fā)展政策和人均能源消費(fèi)強(qiáng)度的預(yù)測(cè)，研究區(qū)有望在2030年實(shí)現(xiàn)碳達(dá)峰。在LEAP 模型的模擬情景下還存在一種強(qiáng)制情況，即采取強(qiáng)制性的碳減排措施，研究區(qū)可在2024年提前達(dá)峰。

表4 2021—2035年Kaya模型低碳情景參數(shù)設(shè)置

3 討論

目前國(guó)內(nèi)外學(xué)者預(yù)測(cè)中國(guó)碳排放峰值的主流方法有EKC 曲線、IPAT模型、STIRPAT 模型、LMDI 分解法、LEAP 模型、灰色預(yù)測(cè)法和神經(jīng)網(wǎng)絡(luò)模型等[27-32]。預(yù)測(cè)模型大多使用情景分析法預(yù)測(cè)峰值，但情景種類較少，容易導(dǎo)致碳達(dá)峰影響因素考慮不全面，對(duì)實(shí)現(xiàn)碳達(dá)峰目標(biāo)的指導(dǎo)作用較弱?；贚EAP模型，筆者設(shè)置了3 種計(jì)算情景，因條件限制，無(wú)法對(duì)交通運(yùn)輸、居民建筑、公共建筑、工業(yè)企業(yè)等分行業(yè)分部門(mén)進(jìn)行活動(dòng)水平和能源強(qiáng)度預(yù)測(cè)，情景設(shè)置中化石能源占比均呈下降趨勢(shì)，下降的時(shí)間節(jié)點(diǎn)也大致相同，這取決于參考的政策文件管控目標(biāo)以及基于現(xiàn)有能源消耗趨勢(shì)預(yù)測(cè)的未來(lái)區(qū)域能源發(fā)展水平，對(duì)于技術(shù)的發(fā)展與政策的持續(xù)性、協(xié)調(diào)性預(yù)估判斷具有局限性，可能會(huì)造成碳排放量預(yù)測(cè)值與實(shí)際值存在較大偏差，需要結(jié)合國(guó)際上的前沿技術(shù)發(fā)展和政府未來(lái)應(yīng)對(duì)氣候變化的目標(biāo)任務(wù)來(lái)判斷。

圖6 Kaya模型下CO2排放情景預(yù)測(cè)

能源綠色低碳轉(zhuǎn)型和控制能源消費(fèi)總量將是未來(lái)落實(shí)碳中和目標(biāo)的戰(zhàn)略重點(diǎn)[33]，部分省份提出了量化的階段目標(biāo)和相應(yīng)的任務(wù)措施。研究區(qū)作為典型的城市中心主城區(qū)，尚不能發(fā)布獨(dú)立的碳達(dá)峰行動(dòng)方案，碳達(dá)峰時(shí)間受上級(jí)政府政策制定及任務(wù)目標(biāo)具體落實(shí)情況等影響。研究區(qū)目前所承載的城市功能主要為居民生活服務(wù)和公共服務(wù)，對(duì)于南京市能源使用類型及效率的集中管控、能源消費(fèi)結(jié)構(gòu)改善等宏觀政策調(diào)整只能進(jìn)行同步協(xié)調(diào)，但在綠色交通、綠色建筑、綠色低碳社區(qū)等微觀層次，研究區(qū)可著力促進(jìn)其綠色發(fā)展水平的提升。

人口分布情況對(duì)包容性綠色發(fā)展較低及較高水平城市的影響力度較大，這可能是由于經(jīng)濟(jì)增長(zhǎng)初期人口分布對(duì)經(jīng)濟(jì)增長(zhǎng)具有集聚效應(yīng)(溢出效應(yīng))，隨著時(shí)間推移會(huì)產(chǎn)生人口對(duì)經(jīng)濟(jì)增長(zhǎng)的擁擠效應(yīng)(負(fù)外部性)[34]。研究區(qū)常住人口目前呈現(xiàn)逐年減少的趨勢(shì)，主要與其中心城市功能減弱、居住環(huán)境適宜性和企業(yè)活力競(jìng)爭(zhēng)力相較南京其他區(qū)域下降、人口老齡化、生育率降低等有關(guān)。人口因素與碳排放呈正相關(guān)，增強(qiáng)經(jīng)濟(jì)發(fā)展活力需要維持一定的人口數(shù)量，優(yōu)化城市規(guī)劃與功能性協(xié)調(diào)是研究區(qū)低碳綠色發(fā)展需要考慮的問(wèn)題。

研究區(qū)碳排放量處于持續(xù)提升的階段，應(yīng)注重實(shí)施綠色低碳發(fā)展路徑，釋放經(jīng)濟(jì)發(fā)展紅利，通過(guò)低碳技術(shù)進(jìn)行能源消費(fèi)結(jié)構(gòu)優(yōu)化，降低能源強(qiáng)度對(duì)碳排放的杠桿效應(yīng)。研究區(qū)整體對(duì)電力供應(yīng)需求量大，由于本地可支撐用電量相對(duì)有限，全區(qū)的電力消費(fèi)需求將持續(xù)依賴外購(gòu)電，外購(gòu)電供電結(jié)構(gòu)將成為影響研究區(qū)CO2排放達(dá)峰的重要因素。城市層面對(duì)外購(gòu)電結(jié)構(gòu)的決定權(quán)較小，因此外購(gòu)電的調(diào)配往往在國(guó)家或者省級(jí)層面統(tǒng)籌協(xié)調(diào)，但考慮到未來(lái)綠色電力將得到大力推廣，外購(gòu)電能源清潔化水平不斷提升，地區(qū)碳達(dá)峰目標(biāo)實(shí)現(xiàn)將加快。

需要說(shuō)明的是，由于數(shù)據(jù)獲取受限，研究使用的研究區(qū)能源消費(fèi)統(tǒng)計(jì)數(shù)據(jù)未能從統(tǒng)計(jì)年鑒等資料直接獲取，而是根據(jù)南京市的能源消費(fèi)量間接估算得到，計(jì)算過(guò)程中用電量采用產(chǎn)業(yè)增加值比例乘以系數(shù)的方式換算，天然氣供氣量以人口比例乘以系數(shù)的方式換算，可能會(huì)對(duì)研究結(jié)果造成一定影響，由于研究區(qū)內(nèi)無(wú)發(fā)電廠、化工企業(yè)等用能大戶，其實(shí)際能耗強(qiáng)度應(yīng)低于南京市平均水平。此外，受多重共線性等統(tǒng)計(jì)問(wèn)題影響，反映行業(yè)類別碳排放量的相關(guān)指標(biāo)，如分行業(yè)能源消費(fèi)總量、不同種類化石能源分行業(yè)消費(fèi)量等無(wú)法加入模型當(dāng)中，與碳排放相關(guān)的指標(biāo)較為有限，這也限制了模型變量的選擇。

4 結(jié)論

從碳排放影響因素和終端能源消費(fèi)計(jì)算2個(gè)方面出發(fā)，通過(guò)IPCC碳核算方法開(kāi)展了主城區(qū)碳排放量核算研究，運(yùn)用LEAP和Kaya模型預(yù)測(cè)碳達(dá)峰時(shí)間，通過(guò)STIRPAT模型進(jìn)行碳排放影響因素識(shí)別，分析了研究區(qū)能源消耗及碳排放時(shí)間變化趨勢(shì)及其影響因素，主要得出以下結(jié)論：研究區(qū)碳排放強(qiáng)度相關(guān)指標(biāo)呈逐年下降趨勢(shì)，2020年碳排放強(qiáng)度為0.337 t·萬(wàn)元-1，南京市碳排放強(qiáng)度為0.75 t·萬(wàn)元-1，研究區(qū)遠(yuǎn)低于南京市平均水平。在能源消費(fèi)結(jié)構(gòu)上，化石燃料使用占比逐漸減少，電力消費(fèi)不斷增加。分析結(jié)果表明，人均收入水平和能源強(qiáng)度是影響城市碳排放最重要的2個(gè)因素。研究區(qū)仍處于經(jīng)濟(jì)增長(zhǎng)期，從碳達(dá)峰預(yù)測(cè)結(jié)果來(lái)看，達(dá)峰時(shí)間具有不確定性，但依托各級(jí)低碳發(fā)展策略、能源及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、節(jié)能減排、產(chǎn)業(yè)清潔化改造等措施，2030年前有望實(shí)現(xiàn)碳達(dá)峰。