面向碳達峰目標的重慶市碳減排路徑

宋 鵬,張慧敏,毛顯強

面向碳達峰目標的重慶市碳減排路徑

宋 鵬1*,張慧敏1,毛顯強2

(1.重慶大學公共管理學院,重慶 400044；2.北京師范大學環境學院,北京 100875)

以重慶市為案例構建本地化LEAP模型,借助LMDI分解、Tapio脫鉤彈性系數、單一措施減排效果比較以及減污降碳交叉彈性,探尋重慶市碳達峰目標下的關鍵影響因素及其碳減排路徑特征.結果表明:重慶市在當前碳減排措施力度下難以實現2030年前碳達峰目標,若強化碳減排措施,重慶市可于2025年前實現碳達峰目標,峰值約為1.62億t.產業終端能耗強度、能源消費結構、產業結構以及電力生產結構是影響重慶市碳達峰目標的關鍵因素.控制工業能耗和調整產業結構的碳減排效果相對其他措施更為顯著,且均具有減污降碳協同效應,應作為重慶市碳減排路徑的優先選擇.

碳達峰；減排路徑；LEAP模型；重慶市

為實現“雙碳”目標,國家十四五規劃提出支持有條件的地方率先達到碳排放峰值,并要求制定2030年前碳排放達峰行動方案.城市是溫室氣體排放的重要主體,也是發展低碳經濟、實現綠色轉型的基本行政單元[1].作為2010年國家發改委確定的首批國家低碳試點省市之一,重慶市在經濟快速發展的同時面臨著能源消費和碳排放總量的增長壓力,貫徹落實碳達峰目標、促進經濟社會發展全面綠色轉型成為重慶市“十四五”時期面臨的重要任務.

中國國家自主貢獻(NDC)目標提出后,相關研究以2030年碳排放達峰為目標設計情景,探究達峰時間、峰值水平及關鍵政策評估[2-3].部分支持“盡早達峰”目標的研究,各類模型模擬的峰值時間總體上在2020～2030年之間[4].相關研究圍繞部門碳排放特征[5]和區域碳排放特征[6]探索達峰路徑,認為達峰路徑依賴于產業、能源和環境經濟等領域的政策驅動.關鍵政策評估的研究中,有聚焦于可再生能源補貼、碳稅等能源和環境財稅政策的影響[7-9],也有探討提前達峰政策和環境治理政策的協同效應[10].研究重點就碳達峰目標下的峰值預測、達峰路徑、政策保障及協同等進行分析,利用模型與情景分析提供了碳達峰峰值及路徑分解,對比了不同政策工具的影響、政策協同的效果以及優缺點.但現有研究圍繞碳達峰目標展開的碳達峰驅動因素、碳減排具體政策路徑及污染物協同控制等方面的綜合研究較少,在政策實踐上,缺乏對城市層面的關注,尤其對試點城市的分析較少,試點城市的示范意義難以凸顯,難以提供有效借鑒參考.基于此,本文構建LEAP- Chongqing模型,借助LMDI分解、Tapio彈性系數、單一措施減排效果比較以及減污降碳交叉彈性,探尋重慶市不同經濟發展情景下的碳達峰關鍵影響因素以及碳減排路徑特征,為重慶市編制2030年前碳排放達峰行動方案提供參考.

1 研究方法和數據

1.1 LEAP模型

采用長期能源替代規劃系統(LEAP)模型,對重慶市2018～2035年能源需求和CO2排放進行模擬和預測分析.其中,2018～2020年為模擬驗校區間; 2021～2035年為預測區間.LEAP模型因其具有明確的能源流動結構、透明的數據處理、強大的情景分析等特點,已被眾多學者用于區域層面的能源需求、碳排放以及節能減排潛力分析[11-12].本文以資源、轉換、終端需求、驅動因素4個模塊為基礎構建LEAP-Chongqing模型,如圖1所示.其中,資源模塊體現了重慶市自身能源資源情況,包括一次能源(煤炭、天然氣、風能等)和二次能源(電力、柴油、煤油等).電力轉換模塊模擬本市電力生產(包括火力發電、水力發電、風力發電等),亦即將一次能源轉換為二次能源供給終端消費的過程.根據重慶市實際情況,2015～2020年平均每年有28.73%電力從外部調入[13],其余部分由重慶市當地生產.終端需求模塊根據能源用途不同劃分為居民生活、農業、工業、建筑、服務業、交通及其他共7個部門.驅動因素是指人口、經濟發展、城市化率等對終端需求起到關鍵推動的因素.在LEAP模型中,能源消費和碳排放總量的計算包括轉換和終端需求兩部分加總.

圖1 LEAP-Chongqing模型結構示意

1.2 LMDI分解

借助因素分解法探尋2018～2035年重慶市碳達峰的關鍵影響因素,從而為重慶市碳減排路徑規劃提供依據.對數平均迪式指數分解法(LMDI)因其具有可分解多因素、可處理數據中零值、分解后結果殘差為零等優勢而得到廣泛使用[14-15].本文借助LMDI分解將重慶市2018～2035年碳排放總量分為居民生活消費碳排放(L)、產業終端碳排放(I)、轉換部門碳排放(T)3個部門進行分解,依據kaya恒等式原理如式(1)所示:

式中:居民生活中,LL,jL,jL分別表示居民生活消費碳排放總量、居民生活使用能源產生的碳排放總量(=1,2,3,表示煤炭、油料、天然氣)、使用能源的能源消費總量、居民生活的能源消費總量、居民人口總量;△LU、△LC、△LA、分別表示居民生活部門的碳排放系數效應、能源結構效應、人均能耗效應、人口效應.

產業終端中,I、C、E、E、G分別表示產業終端碳排放總量、產業使用能源的碳排放總量(=1,2,3,表示第一、二、三產業;=1,2,3,表示煤炭、油料、天然氣)、產業使用能源的能源消費總量、產業能源消費總量、產業的增加值、增加值總量;△IU、△IC、△IE、△IS、分別表示產業終端部門的碳排放系數效應、能源結構效應、能耗強度效應、產業結構效應、經濟總量效應.

轉換部門中,TTQFT分別表示轉換部門碳排放總量、火力發電的化石能源消費量、火力發電量、總發電量;△TU、△TS、△TC、分別表示轉換部門的碳排放系數效應、能源轉換效率效應、電力生產結構效應、總發電量效應(外調綠電雖然也是實現能源清潔化的有效手段,但主要影響間接CO2排放.因此主要討論重慶市自身的總發電量效應及其對碳達峰的影響).

各效應具體計算方式如式(2)所示,其中為上述13個效應中的任一個.一般默認各類能源的碳排放系數不變,因此碳排放系數效應為零(△LU=△IU=△TU=0).

1.3 Tapio脫鉤彈性系數

Tapio構建了脫鉤彈性系數描述經濟增長與環境壓力兩者間的關聯情況,Tapio脫鉤彈性系數也被廣泛應用于國家和省市層面經濟增長和碳排放關系分析[16-17].本文使用Tapio脫鉤彈性系數判斷重慶市2018～2035年各情景中經濟增長與碳排放總量的脫鉤情況,脫鉤彈性系數具體計算如式(3)所示:

式中:為脫鉤彈性系數;D和DGDP表示碳排放和GDP的變化量;C0和GDP0表示基期0的碳排放和GDP;C1和GDP1表示1時期的碳排放和GDP.一般情況下經濟增長為正,當<0時,為強脫鉤狀態,此時碳排放增長為負而經濟增長為正;當0<<1時,此時處于弱脫鉤狀態,此時碳排放增速低于經濟增速;當>1時,呈負脫鉤狀態,此時碳排放和經濟增長均為正,且碳排放增速高于經濟增長.

1.4 減污降碳交叉彈性

由于CO2和大氣污染物多來自化石能源的燃燒,二者間的同源性表明碳減排措施很可能存在協同效應[18],即控制溫室氣體排放過程中也減少了其他局地大氣污染物(LAP)排放.本文利用減污降碳交叉彈性來分析碳減排措施對CO2和LAP的協同控制效應[19].

根據《中華人民共和國環境保護稅法》[20]相關規定,以式(4)對LAP進行核算.其中,g為SO2、NO、TSP、CO、CH4折合為LAP的當量值系數,分別為1/0.95、1/0.95、1/2.18、1/16.7、1/21.

交叉彈性分析方法常用于評估減排措施對CO2和其他污染物的協同減排程度[21],據此本文中減污降碳交叉彈性的具體計算如式(5)所示:

1.5 數據來源

LEAP模型中基準年2018年數據來源于《中國能源統計年鑒》[22]和《重慶統計年鑒》[13],2019～2035年情景設置的參數來源于《重慶市“十三五”控制溫室氣體排放工作方案》[23]、《重慶市十三五電力發展規劃》[24]、《重慶市人民政府關于印發重慶市建設國家重要現代制造業基地“十三五”規劃的通知》[25]、《重慶市人民政府關于印發重慶市現代服務業發展計劃(2019-2022)年的通知》[26]等重慶市規劃文件.LMDI分解數據、Tapio脫鉤彈性系數、減污降碳交叉彈性數據來源于LEAP-Chongqing模型分析結果.

1.6 情景設置

LEAP-Chongqing模型以2018年為基年,2035年為遠期目標年.以經濟增速、人口增長、城市化率作為推動終端需求的驅動因素,以《重慶市人民政府關于印發重慶市“十三五”控制溫室氣體排放工作方案的通知》[23]等文件中提出的處理生活垃圾、調整產業結構、控制工業能耗、控制建筑能耗、發展綠色交通、推動水電風電、提高轉換效率、降低輸送損失8項重點任務作為碳減排措施.

對于2018～2020年的模擬驗校區間,本文以《重慶市人民政府關于印發重慶市建設國家重要現代制造業基地“十三五”規劃的通知》[25]、《重慶市人民政府關于印發重慶市現代服務業發展計劃(2019-2022)年的通知》[26]等重慶市規劃文件為依據設置模型參數(表1).對于2021～2035年的預測情景,設定4個差異化的發展情景.

表1 重慶市主要碳減排措施及其具體目標

基準復蘇情景:重慶市以“十三五”規劃期間的實施力度推行各項碳減排措施,不再額外采取其他措施;經濟發展速度參考重慶市2021年政府工作報告提出的要求設定.

高增長情景:重慶市以“十三五”規劃期間的實施力度推行各項碳減排措施,不再額外采取其他措施;發展方式為主要依賴高投資拉動經濟總量高增長.

綠色復蘇情景:重慶市以北上廣深等一線城市為標桿,強力貫徹推進各項碳減排措施,以綠色低碳為主要目標;經濟發展速度參考重慶市2021年政府工作報告提出的要求設定.

綠色發展情景:重慶市以北上廣深等一線城市為標桿,強力貫徹推進各項碳減排措施,同時經濟發展以高效投資拉動經濟增長,以實現高效益低污染的綠色經濟為主要目標.

4個情景的主要假設條件如表2所示.

表2 LEAP-Chongqing模型各情景主要參數設置

續表2

2 結果分析與討論

2.1 能源需求總量分析

從能源需求總量來看(圖(2a)),基準復蘇情景下重慶市能源消費總量呈穩定上升趨勢,從2018年的76.76百萬tce增長到2035年的106.47百萬tce,平均年增長率為1.83%.高增長情景下重慶市能源需求較基準復蘇情景增長更加顯著,到2035年能源需求總量達到121百萬tce,平均年增長率為2.56%,約為基準復蘇情景的1.4倍.綠色復蘇情景下重慶市能源需求總量在2020年達到82.02百萬tce峰值后逐漸下降到2035年的73.24百萬tce,平均年增長率為-0.26%.綠色發展情景下重慶市能源需求總量在2018～2025年呈上升趨勢,于2025年達到83.81百萬tce,2026～2035年能源需求總量控制在82.97～83.28百萬tce左右,2018～2035年平均增長率為0.47%.

2.2 碳排放總量分析

基準復蘇情景下重慶市年碳排放量呈持續上升態勢,從2018年的1.50億t增加到2035年的2.08億t(圖2(b)).高增長情景下重慶市碳排放上升趨勢更加明顯,2035年增長到2.36億t.基準復蘇情景與高增長情景下重慶市均無法實現2030年前碳達峰目標.

綠色復蘇情景下重慶市碳排放量在2018～2020年呈上升趨勢,于2020年達到1.61億t的排放峰值后保持穩步降低,2035年碳排放總量為1.34億t.綠色發展情景下重慶市碳排放于2018～2025年保持上升,2025年碳排放總量為1.62億t.2026～2030年,碳排放總量在1.59～1.61億t范圍內波動,但并未超過2025年碳排放峰值.一般認為碳排放在達到峰值后仍可能處于平臺期并有所波動[27].

綠色復蘇情景與綠色發展情景下重慶市均可實現2030年前碳達峰目標,需要注意的是,綠色復蘇情景下重慶市在加大碳減排力度的同時,經濟發展速度保持重慶市政府工作報告提出的預期目標,事實上,預期目標一般是經濟增速的底線,實際增速一般都高于預期目標.尤其是在“標尺競爭”的激勵下,經濟增長目標超額完成是一種常態[28].因此重慶市未來發展可能介于綠色復蘇和綠色發展情景之間,即預計2025年前達到1.61～1.62億t的碳排放峰值.其他預測研究與此趨勢相近,如范登龍等[29]預計重慶市可于2025年實現2億t左右的碳排放峰值;邱立新等[30]預計重慶市可于2023年實現碳排放達峰.

2.3 碳達峰影響因素及碳減排路徑特征分析

2.3.1 碳達峰影響因素分析 基于LMDI分解對各情景下碳排放影響因素分解分析發現(圖3),經濟總量效應、總發電量效應、人口效應在4個情景中均具有穩定的增排效果,其中經濟總量的增排效應尤為顯著,2018～2035年基準復蘇情景、高增長情景、綠色復蘇情景、綠色發展情景中經濟總量的累計增排量分別為11715.43,14425.90,10014.69,12189.27萬t,增排貢獻率分別為54.99%、57.06%、42.87%、46%.

產業終端能耗強度效應、能源消費結構效應以及電力生產結構效應具有較強的減排作用,尤其是在綠色復蘇情景和綠色發展情景中減排作用更加明顯.2018～2035年產業終端能耗強度效應在4個情景中累計減排量分別為6267.04,5928.25,7989.93, 8371.10萬t,減排貢獻率分別為29.42%、23.45%、34.20%、31.59%;能源消費結構效應在4個情景中的減排貢獻率分別為5.15%、7.85%、8.37%、9.02%;電力的生產結構效應在4個情景中的減排貢獻率分別為1.52%、1.38%、7.16%、6.69%.

對比可實現碳達峰的綠色復蘇情景和綠色發展情景與不能實現碳達峰的基準復蘇情景和高增長情景可知,降低產業終端能耗強度,改善能源消費結構、產業結構以及電力生產結構,對實現重慶市碳達峰貢獻目標顯著,2018～2035年在綠色復蘇和綠色發展情景中的累計減排貢獻率總和為52.50%和48.54%.特別是,產業結構效應在基準復蘇情景和高增長情景中均呈現增排效果,而在綠色復蘇情景和綠色發展情景中可發揮積極的減排作用,2018～2035年的累計減排貢獻率為2.76%和1.24%.

表3 2020～2035年各情景Tapio脫鉤系數

2.3.2 經濟發展與碳排放脫鉤分析 經濟增長與碳排放脫鉤是實現碳達峰的必要條件,在2018～2020年的模擬驗校區間,重慶市2018～2019年、2019～ 2020年的Tapio脫鉤系數分別為0.22、0.56,處于弱脫鉤狀態.至于2020～2035年的模擬預測區間(表3),在基準復蘇情景和高增長情景下,各年脫鉤系數均在0～1之間;在綠色復蘇情景和綠色發展情景下,各年脫鉤系數多為負值.2020～2035年,基準復蘇情景、高增長情景、綠色復蘇情景、綠色發展情景下的脫鉤系數分別為0.27、0.34、-0.15、-0.03.這表明基準復蘇情景和高增長情景下重慶市碳排放與經濟增長僅為弱脫鉤狀態,綠色復蘇情景和綠色發展情景可于2035年前實現經濟增長與碳排放的強脫鉤,實現經濟綠色低碳發展.

2.3.3 重點碳減排措施的減排效果分析 以基準復蘇情景和高增長情景為基礎,假設其他措施力度保持不變,按照綠色復蘇情景、綠色發展情景中的措施力度逐一強化單一碳減排措施力度,考察2035年碳排放總量變化.結果如圖4(a)所示,以基準復蘇情景為基線,單獨強化控制工業能耗(2035年工業增加值能耗達到0.18tce/萬元)措施后,2035年碳排放總量為16613.19萬t,較基線情景減少4175.14萬t,減排貢獻率為44.03%.其次是調整產業結構(2035年第三產業占比達到75.40%),較基線情景減少碳排放2087.41萬t,減排貢獻率為22.01%.另外,推動水電風電(2035年水電風電裝機達到55.39%)、發展綠色交通(2035年新能源汽車保有量達到247.8萬輛)、提高能源轉換效率(2035年燃煤發電機組效率達到52.64%)也具有較好的減排效果,減排量673.55～ 1132.51萬t,減排貢獻率分別為11.94%、8.82%、7.10%.處理生活垃圾、控制建筑能耗、降低輸送損失三項措施的減排效果相對較弱,減排量在200萬t左右.

在以高增長情景為基線強化單一措施的減排量比較中,控制工業能耗(2035年單位工業增加值能耗達到0.18tce/萬元)和調整產業結構(2035年第三產業占比達到75.40%)也同樣具有顯著的碳減排貢獻,2035年較基線情景分別減排4813.08, 2401.90萬t(圖4(b)),減排貢獻率分別為44.90%和22.41%.以基準復蘇情景和高增長情景為基礎下,控制工業能耗和調整產業結構的減排貢獻率總和均超過66.04%,應作為重慶市碳減排路徑中的優先考慮措施.

據此,為強化重慶市碳達峰目標下的碳減排路徑規劃,要以控制工業能耗和調整產業結構作為優先考慮措施,一方面有序淘汰高耗能的落后工業產能,鼓勵工業企業通過技術創新促進生產工藝清潔化,降低工業能耗和碳排放;另一方面繼續加大產業結構調整力度,通過發展戰略性新興服務業,不斷降低工業、交通業等高排放部門碳排放量,盡早實現經濟增長與碳排放強脫鉤,保障重慶市碳達峰目標順利實現,為碳中和長期目標奠定堅實基礎.

表4 2035年各減排措施減污降碳交叉彈性分析結果

2.3.4 重點碳減排措施的協同效應分析 以基準復蘇情景和高增長情景為基礎,假設其他措施力度保持不變,按照綠色復蘇情景、綠色發展情景中的措施力度逐一強化單一碳減排措施力度,以2035年能實現的減污降碳效果測算其協同控制交叉彈性,如表4所示.可以看出各項措施的協同控制交叉彈性均大于0,表明均具有減污降碳的協同效應,亦即可同時降低CO2和LAP排放.其中,處理生活垃圾、控制建筑能耗、調整產業結構、推動水電風電、提高轉換效率、降低輸送損失6項措施的協同控制交叉彈性均大于1,表明這6項措施在發揮協同減排效應的過程中,對LAP的減排效果大于CO2;控制工業能耗和發展綠色交通兩項措施的協同控制交叉彈性在0～1之間,表明這兩項措施對CO2的減排效果大于LAP.

3 結論

3.1 重慶市在當前碳減排措施力度下難以實現2030年前碳達峰目標,若強化碳減排措施力度,重慶市可更早實現經濟增長和碳排放脫鉤,于2025年前實現碳達峰目標,峰值約為1.62億t左右.

3.2 產業終端能耗強度、能源消費結構、產業結構以及電力生產結構是影響重慶市碳達峰目標的關鍵因素,2018～2035年綠色復蘇和綠色發展情景中累計減排貢獻率總和分別達到52.50%和48.54%.

3.3 控制工業能耗(2035年單位工業增加值能耗達到0.18tce/萬元)和調整產業結構(2035年第三產業占比達到75.40%)2項措施碳減排效果相對顯著,以基準復蘇情景和高增長情景為基礎,減排貢獻率總和均超過66.04%,應作為重慶市碳減排路徑中的優先考慮措施.該2項減排措施在減少碳排放的同時可控制局地污染物排放,具有減污降碳的協同效應.

[1] 莊貴陽.中國低碳城市試點的政策設計邏輯 [J]. 中國人口·資源與環境, 2020,30(3):19-28.

Zhuang G Y. Policy design logic of low-carbon city pilots in China [J]. China Population, Resources and Environment, 2020,30(3):19-28.

[2] 馬 丁,陳文穎.中國2030年碳排放峰值水平及達峰路徑研究 [J]. 中國人口·資源與環境, 2016,26(S1):1-4.

Ma D, Chen W Y. Analysis of China’s 2030 carbon emission peak level and peak path [J]. China Population, Resources and Environment, 2016,26(S1):1-4.

[3] 范 丹,王維國,梁佩鳳.中國碳排放交易權機制的政策效果分析——基于雙重差分模型的估計 [J]. 中國環境科學, 2017,37(6):2383- 2392.

Fan D, Wang W G, Liang, P F. Analysis of the performance of carbon emissions trading right in China-The evaluation based on the difference-in-difference model [J]. China Environmental Science, 2017,37(6):2383-2392.

[4] 何建坤.CO2排放峰值分析:中國的減排目標與對策 [J]. 中國人口·資源與環境, 2013,23(12):1-9.

He J K. Analysis of CO2emissions peak: China’s objective and strategy [J]. China Population, Resources and Environment, 2013,23 (12):1-9.

[5] 章勝勇,尹朝靜,賀亞亞,等.中國農業碳排放的空間分異與動態演進——基于空間和非參數估計方法的實證研究 [J]. 中國環境科學, 2020,40(3):1356-1363.

Zhang S Y, Yin C J, He Y Y, et al. Spatial differentiation and dynamic evolution of agricultural carbon emission in China——empirical research based on spatial and non-parametric estimation methods [J]. China Environmental Science, 2020,40(3):1356-1363.

[6] 莊貴陽,魏鳴昕.城市引領碳達峰、碳中和的理論和路徑[J]. 中國人口·資源與環境, 2021,31(9):114-121.

Zhuang G Y, Wei M X. Theory and pathway of city leadership in emission peak and carbon neutrality [J]. China Population, Resources and Environment, 2021,31(9):114-121.

[7] 任曉松,馬 茜,劉宇佳,等.碳交易政策對工業碳生產率的影響及傳導機制 [J]. 中國環境科學, 2021,41(11):5427-5437.

Ren X S, Ma Q, Liu Y J, et al. The impact of carbon trading policy on industrial carbon productivity and its transmission mechanism [J]. China Environmental Science, 2021,41(11):5427-5437.

[8] 周 迪,劉奕淳.中國碳交易試點政策對城市碳排放績效的影響及機制 [J]. 中國環境科學, 2020,40(1):453-464.

Zhou D, Liu Y C. Impact of China’s carbon emission trading policy on the performance of urban carbon emission and its mechanism [J]. China Environmental Science, 2020,40(1):453-464.

[9] 曾詩鴻,李 璠,翁智雄,等.碳市場的減排效應研究——來自中國碳交易試點地區的經驗證據 [J/OL]. 中國環境科學:1-15[2021- 12-30].https://doi.org/10.19674/j.cnki.issn1000-6923.20211022.007.

Zeng S H, li F, Weng Z X, et al. A study of the emission reduction effects of carbon markets: Empirical Evidence from pilot carbon trading regions in China [J/OL]. China Environmental Science, 1-15 [2021-12-30]. https://doi.org/10.19674/j.cnki.issn1000-6923.20211022. 007.

[10] Mao X Q, Zhou J, Corsetti Gabriel. How well have China's recent five-year plans been implemented for energy conservation and air pollution control? [J]. Environmental Science & Technology, 2014,48 (17):10036-10044.

[11] Zhou J, Mao X Q, Hu T, et al. Implications of the 11th and 12th five-year plans for energy conservation and CO2and air pollutants reduction: a case study from the city of Urumqi, China [J]. Journal of Cleaner Production, 2016(112):1767-1777.

[12] 鄧明翔,李 巍.基于LEAP模型的云南省供給側結構性改革對產業碳排放影響情景分析 [J]. 中國環境科學, 2017,37(2):786-794.

Deng M X, Li W. Scenario analysis of the supply-side structural reform influences on industrial carbon emissions based on LEAP model in Yunnan province [J]. China Environmental Science, 2017, 37(2):786-794.

[13] 《重慶統計年鑒—2018》編輯委員會.楊弘毅,李濤明.重慶統計年鑒 [M]. 北京:中國統計出版社, 2018:6.

The Editorial Board of Chongqing Statistical Yearbook—2018. Yang H Y, Li T M. Chongqing statistical yearbook [M]. Beijing: China statistics press, 2018:6.

[14] 任建蘭,徐成龍,陳延斌,等.黃河三角洲高效生態經濟區工業結構調整與碳減排對策研究 [J]. 中國人口·資源與環境, 2015,25(4): 35-42.

Ren J L, Xu C L, Chen Y B, et al. Research on industrial structure adjustment and carbon emissions of the Yellow River delta high-efficiency ecological economic region [J]. China Population, Resources and Environment, 2015,25(4):35-42.

[15] Raza Muhammad Yousaf, Lin B Q. Decoupling and mitigation potential analysis of CO2emissions from Pakistan's transport sector [J]. The Science of the Total Environment, 2020,730:139000.

[16] 馬曉君,董碧瀅,于淵博,等.東北三省能源消費碳排放測度及影響因素 [J]. 中國環境科學, 2018,38(8):3170-3179.

Ma X J, Dong B Y, Yu Y B, et al. Measurement of carbon emissions from energy consumption in three Northeastern provinces and its driving factors [J]. China Environmental Science, 2018,38(8):3170- 3179.

[17] 禹 湘,陳 楠,李曼琪.中國低碳試點城市的碳排放特征與碳減排路徑研究 [J]. 中國人口·資源與環境, 2020,30(7):1-9.

Yu X, Chen N, Li M Q. Research on carbon emission characteristics and reduction pathways of low-carbon pilot cities in China [J]. China Population, Resources and Environment, 2020,30(7):1-9.

[18] 邢有凱,毛顯強,馮相昭,等.城市藍天保衛戰行動協同控制局地大氣污染物和溫室氣體效果評估——以唐山市為例 [J]. 中國環境管理, 2020,12(4):20-28.

Xing Y K, Mao X Q, Feng X Z, et al. An effectiveness evaluation of co-controlling local air pollutants and GHGs by implementing blue sky defense action at city level—A case study of Tangshan city [J]. Chinese Journal of Environmental Management, 2020,12(4):20-28.

[19] Mao X Q, Zeng A, Hu T, et al. Co-control of local air pollutants and CO2in the Chinese iron and steel industry [J]. Environmental Science & Technology, 2013,47(21):12002-12010.

[20] 中央政府網站.中華人民共和國環境保護稅法實施條例[EB/OL]. [2017-12-30].http://www.gov.cn/zhengce/content/2017-12/30/content_5251797.htm.

Website of Chinese Central Government. Regulations for the implementation of the environmental protection tax law of the people's republic of China [EB/OL]. 2020-09-22. http://www.gov.cn/xinwen/ 2020-09/22/content_5546169.htm.

[21] 毛顯強,曾 桉,胡 濤,等.技術減排措施協同控制效應評價研究 [J]. 中國人口·資源與環境, 2011,21(12):1-7.

Mao X Q, Zeng A, Hu T, et al. Study of coordinate control effect assessment of technological measures for emissions reduction [J]. China Population, Resources and Environment, 2011,21(12):1-7.

[22] 《中國能源統計年鑒2018》編輯委員會.劉文華.中國能源統計年鑒 [M]. 北京:中國統計出版社, 2018:4-5.

Editor and publisher of China Energy Statistical Yearbook 2018. Liu W H. China energy statistical yearbook [M]. Beijing: China Statistics Press, 2018:4-5.

[23] 重慶市人民政府網站.重慶市人民政府關于印發重慶市“十三五”控制溫室氣體排放工作方案的通知. [EB/OL]. [2017-03-16]. http://www.cq.gov.cn/zwgk/zfxxgkml/szfwj/xzgfxwj/szf/201703/t20170316_8837005.html.

Website of Chongqing Municipal People's Government. Notice of chongqing municipal people's government on printing and distributing the work plan of Chongqing municipality for controlling greenhouse gas emission during the 13th five-year plan period. [EB/OL]. [2017-03-16]. http://www.cq.gov.cn/zwgk/zfxxgkml/szfwj/xzgfxwj/ szf/201703/t20170316_8837005.html.

[24] 重慶市發展和改革委員會網站.印發《重慶市“十三五”電力發展規劃》[EB/OL]. [2017-11-27]. http://fzggw.cq.gov.cn/zwxx/bmdt/ 202002/t20200212_5181032.html.

Website of Chongqing Development and Reform Commission. Printing and distributing Chongqing "13th five-year" electric power development plan. [EB/OL]. [2017-11-27]. http://fzggw.cq.gov.cn/ zwxx/bmdt/202002/t20200212_5181032.html.

[25] 重慶市人民政府網站.重慶市人民政府關于印發重慶市建設國家重要現代制造業基地“十三五”規劃的通知 [EB/OL]. [2017-09-05]. http://www.cq.gov.cn/zwgk/zfxxgkzl/fdzdgknr/ghxx/zxgh/201609/t20160905_8614489.html.

Website of Chongqing Municipal People's Government. Chongqing municipal people's government on printing and distributing chongqing construction of national important modern manufacturing base "13th five-year plan" notice. [EB/OL]. [2017-09-05]. http://www.cq.gov. cn/zwgk/zfxxgkzl/fdzdgknr/ghxx/zxgh/201609/t20160905_8614489.html.

[26] 重慶市人民政府網站.重慶市人民政府關于印發重慶市現代服務業發展計劃(2019—2022年)的通知 [EB/OL]. [2019-11-25]. http: //www.cq.gov.cn/zwgk/zfxxgkml/zfgb/2019/d23q/202101/t20210128_8838964.html.

Website of Chongqing Municipal People's Government. Circular of Chongqing municipal people's government on printing and distributing chongqing modern service industry development plan (2019-2022). [EB/OL]. [2019-11-25]. http://www.cq.gov.cn/zwgk/zfxxgkml/zfgb/ 2019/d23q/202101/t20210128_8838964.html.

[27] 張 楠,張保留,呂連宏,等.碳達峰國家達峰特征與啟示 [J/OL]. 中國環境科學:1-12[2021-12-31]. https://doi.org/10.19674/j.cnki. issn1000-6923.20211222.015.

Zhang N, Zhang B L, Lv L H, et al. Peaking characteristics and enlightenment based on carbon peak countries [J/OL]. China Environmental Science, 1-12[2021-12-31]. https://doi.org/10.19674/ j.cnki.issn1000-6923.20211222.015.

[28] 余泳澤,趙成林,張少輝.新冠肺炎疫情沖擊下中國經濟目標戰略性調整研究 [J]. 經濟與管理研究, 2020,41(11):3-18.

Yu Y Z, Zhao C L, Zhang S H. Strategic adjustment of China’s economic targets under the impact of the COVID-19Pandemic [J]. Research on Economics and Management, 2020,41(11):3-18.

[29] 范登龍,黃毅祥,蒲勇健,等.重慶市化石能源消耗的CO2排放及其峰值測算研究 [J]. 西南大學學報(自然科學版), 2017,39(6):179-186.

Fan D L, Huang Y X, Pu Y J, et al. CO2Emission from fossil energy consumption in Chongqing and predection of its peak [J]. Journal of Southwest University(Natural Science Edition), 2017,39(6):179-186.

[30] 邱立新,袁 賽.中國典型城市碳排放特征及峰值預測——基于“脫鉤”分析與EKC假設的再驗證 [J]. 商業研究, 2018,(7):50-58.

Qiu L X, Yuan s. Features of carbon emission and peak prediction in typical Chinese cities: a revalidation based on“Decoupling”and EKC hypothesis. [J]. Commercial Research, 2018,(7):50-58.

Research on Chongqing’s carbon emission reduction path towards the goal of carbon peak.

SONG Peng1*, ZHANG Hui-min1, MAO Xian-qiang2

(1.School of Public Policy and Administration, Chongqing University, Chongqing 400044, China；2.School of Environment, Beijing Normal University, Beijing 100875, China)., 2022,42(3)：1446～1455

Taking Chongqing as a case, the localization LEAP model was built. Based on this model and further by means of LMDI decomposition, Tapio decoupling elasticity, comparison of emission reduction effect of single measures and cross-elasticity of pollution reduction and carbon reduction, the pathway to peak carbon emission and the corresponding factors were explored in the context of Chongqing City. It is difficult for Chongqing to peak carbon emissions by 2030 under its current measures. If the carbon emission reduction measures are strengthened, Chongqing can achieve a peak of 162 million tons carbon emissions by 2025. It reveals that the intensity of industrial terminal energy, the energy consumption structure, as well as the industrial structure and the power production structure are four key factors affecting Chongqing's carbon peak goal. By comparison, controlling industrial energy consumption and adjusting industrial structure can obtain more significant effects on carbon emission reduction. Furthermore, these two measures prove synergistic effects of pollution reduction and carbon reduction, and should be the priority of Chongqing on its pathway to peak carbon emissions.

carbon emission peak；emission reduction path；LEAP model；Chongqing

X22

A

1000-6923(2022)03-1446-10

宋 鵬(1984-),男,山東東營人,副教授,博士,主要研究方向為資源環境經濟與政策等.發表論文20篇.

2021-07-20

中央高校基本科研業務費資助項目(2020CDJSK01PT02, 106112017CDJXY010004);國家社會科學基金資助項目(21BJY115);重慶市技術創新與應用發展專項面上項目(cstc2020jscx-msxmX0092)

*責任作者, 副教授, songpeng_ee@cqu.edu.cn