中國城市碳達峰路徑及其驅動因素的結構分解

張兵兵，王捷，閆志俊

（1.南京農業(yè)大學經濟管理學院，江蘇 南京 210095； 2.南京農業(yè)大學中國資源環(huán)境與發(fā)展研究院，江蘇 南京 210095； 3.南京師范大學商學院，江蘇 南京 210046）

改革開放以來，中國經濟發(fā)展取得令人矚目的成就，但同時也伴隨著能源過度消耗和環(huán)境污染問題。2021年，中國能源消費總量高達52.4億t標準煤，二氧化碳排放量超119億t，為世界第一大能源消耗國和碳排放國。節(jié)能減排是解決當前世界資源環(huán)境瓶頸的必然之路［1］。城市作為經濟發(fā)展的重要載體和節(jié)能減排的主戰(zhàn)場，其減排效果將直接決定著中國“雙碳”目標能否按期實現(xiàn)。因此，科學解析符合經濟發(fā)展規(guī)律下的城市碳達峰路徑，并深入剖析影響城市碳達峰的結構性因素，能夠在實踐層面為中國整體碳達峰、碳中和戰(zhàn)略目標的實現(xiàn)起到引領示范作用。

1 文獻綜述

目前，與該研究密切相關的文獻主要圍繞碳排放測算［2-3］、碳達峰預測及其影響因素分解兩方面展開。第一，碳排放測算及碳達峰時間預測。現(xiàn)有文獻較多利用DMSP/OLS夜間燈光數(shù)據進行碳排放測算，并且這一數(shù)據官方只更新到2013年［4-5］。Zhao等［6］利用NPP/VIIRS夜間燈光數(shù)據彌補了2013年后的數(shù)據缺失問題，將城市維度的碳排放研究數(shù)據擴充至2015年。此外，一些學者［7-9］采用模型預測與情景模擬相結合的方法探究二氧化碳峰值問題，然而傳統(tǒng)預測模型難以處理數(shù)據繁雜以及變量復雜關系所導致的精度不足缺陷。機器學習因具有較強的非線性擬合能力，許多學者認為這會使預測結果更加科學合理［10］。第二，碳排放驅動因素的結構分解。碳排放驅動因素的分解方法主要有結構分解法（SDA）和指數(shù)分解法（IDA）。結構分解法需要建立在投入-產出數(shù)據基礎上［11］，而指數(shù)分解法所需數(shù)據更易獲取、便于操作，所以得到了更為廣泛的應用［12-14］。已有運用廣義迪氏指數(shù)法對碳排放進行分解的研究表明能源消耗、人口規(guī)模、經濟發(fā)展均是影響碳排放的驅動因素［15］。

2 基于夜間燈光數(shù)據的城市碳排放估算

2.1 估算方法

借鑒Meng等［5］的測算思路反演中國2000—2018年地級及以上城市（下文中的“地級市”或“城市”均指“地級及以上城市”）的二氧化碳排放。首先，對原始燈光數(shù)據進行校準；其次，運用燈光亮度總值對省際層面二氧化碳排放量進行彈性估算；最后，引入從上至下估計方法，構建模型對地級市碳排放進行測度（夜間燈光數(shù)據反演的詳細過程略，備索）。

2.2 估算結果分析

2.2.1 區(qū)域-城市層面

由于各個區(qū)域的經濟發(fā)展水平、政策導向、產業(yè)結構的異質性，中國東中西地區(qū)各個城市二氧化碳排放量也有所不同。2000—2018年各地區(qū)城市年均二氧化碳排放量呈波動上升趨勢，中部地區(qū)城市年均碳排放居高，東部城市居中，西部城市最低。其中，中部地區(qū)城市與東部地區(qū)城市年均碳排放在2000—2007年間呈平行增長趨勢，2007年后兩者差距逐漸拉大，至2018年兩者年均碳排放相差3 772.38萬t。這可能是由于2007年之后，東部地區(qū)經濟發(fā)展重心逐步轉為優(yōu)化經濟結構和提升經濟質量，其年均碳排放增速開始逐步放緩。隨著產業(yè)“西進”步伐加速，中部區(qū)域承接國際和國內產業(yè)轉移能力不斷加強，一定程度上引致了中部區(qū)域碳排放的增加（限于篇幅，區(qū)域-城市層面結果圖略，備索）。

2.2.2 五大城市群

基于以上分析，分別構建城市群人均碳排放與GDP碳強度指標以剖析五大城市群碳排放的動態(tài)演化趨勢。

觀察圖1可知，2000—2018年五大城市群的二氧化碳排放總量、人均碳排放總體呈現(xiàn)增長態(tài)勢，而GDP碳強度則呈現(xiàn)下降趨勢。2000—2018年間長江中游、長三角、珠三角、成渝和京津冀五大城市群碳排放量年均增速分別為7.5%、6.9%、5.7%、3.4%和5.5%，與此同時，其經濟發(fā)展年均增速分別為14.2%、12.2%、12.9%、11.4%和11.5%，經濟增長的年均增速均小于碳排放的年均增速，因此，五大城市群的單位GDP強度均呈現(xiàn)下降趨勢。這也充分表明中國節(jié)能降碳增效行動取得積極進展，生態(tài)文明觀念穩(wěn)固樹立，為應對全球氣候變化作出了積極貢獻［16］。人均碳排放呈現(xiàn)增長趨勢，則意味著此期間二氧化碳排放增速要顯著高于人口增長速度。具體來說，2000—2018年五大城市群二氧化碳排放和人均碳排放特征大致可分為“快速增長期”與“平臺波動期”兩個階段，這與段林豐等［17］研究結論相一致。

圖1 2000—2018年五大城市群二氧化碳排放趨勢

分區(qū)域對比來看，珠三角城市群GDP碳強度為五大城市群最低，其樣本內GDP碳強度均值為1.14萬t/億元，大大低于位居第二名成渝城市群的2.37萬t/億元，而其碳排放總量和人均碳排放都遠高于處于較低水平的成渝城市群。這主要歸因金融危機后，珠三角城市群積極尋求經濟發(fā)展轉型，不斷進行結構調整和產業(yè)升級，GDP碳強度得以明顯降低。隨著珠三角城市群第三產業(yè)的快速發(fā)展，城鎮(zhèn)用地碳排放持續(xù)增長將成為碳減排的關鍵問題，引致其碳排放總量不斷增加［18］。長江中游城市群GDP碳強度在2000—2018年間下降了15.62萬t/億元，京津冀與長三角城市群分別下降了2.84萬t/億元、0.22萬t/億元，前者下降幅度遠超出后兩者，反映為高碳排放地區(qū)的降幅顯著高于低排放地區(qū)的降幅，地區(qū)間平均排量差異縮小，呈現(xiàn)出一定的收斂特性。

3 基于機器學習的城市碳達峰路徑演化

3.1 特征選擇及預測

選取地級市層面經濟發(fā)展水平、資本、勞動、能源消費和PM2.5等5個與碳排放密切相關的變量作為初始數(shù)據集，運用隨機森林算法對初始數(shù)據集進行降維，以獲得最優(yōu)預測模型。其次，運用Prophet模型對2019—2035年267個城市的四個特征變量進行預測（全國地級及以上城市共297個，含4個直轄市，囿于數(shù)據的可獲得性，該研究未包括巴彥淖爾、烏蘭察布、黑河、亳州、隨州、中山、云浮、崇左、來賓、賀州、貴港、三沙、儋州、眉山、資陽、畢節(jié)、銅仁、普洱、吐魯番、哈密、拉薩、日喀則、昌都、林芝、山南、那曲、固原、中衛(wèi)、西寧、海東以及港澳臺地區(qū)）。最終，基于預測的各特征變量數(shù)據運用高斯回歸、支持向量機、梯度提升等方法擬合得到2019—2035年地級市碳排量預測值。由于碳中和的實現(xiàn)涉及因素種類較多且較為復雜［19］，鑒于此，該研究在預測城市碳達峰時并未考慮2060年碳中和要求。

3.2 碳達峰路徑分析

比照4種模型預測結果，發(fā)現(xiàn)高斯回歸算法的預測結果較優(yōu)于支持向量機和梯度提升。從總體預測趨勢來看，現(xiàn)有演化路徑下267個地級市中能按期甚至提前碳達峰的城市僅有3個，分別為蘇州市、貴陽市和德州市，剩余的絕大多數(shù)城市并不能按期碳達峰。其中，約有15%的城市可以在2031年達峰，近8%的城市可在2032年達峰，71%的城市集中在2034年達峰，剩余約6%的城市將長時間延遲達峰。該研究將以高斯回歸預測結果為準，從不同層面對城市碳達峰路徑進行分析。

3.2.1 區(qū)域-城市層面

從碳排放的絕對量來看，267個地級市的碳排放仍呈現(xiàn)出持續(xù)上升態(tài)勢。2019年267個地級市二氧化碳排放總量為12 067.90萬t，到2035年將增長至19 489.98萬t，17年間將增長1.6倍。從時間維度來看，267個地級市碳排放增長率呈現(xiàn)出波動性下降趨勢。2019—2035年碳排放年均增長率將為3.1%，約為2000—2018年均增長率的1/3。其中：2020—2025年267個地級市碳排放年均增速為3.3%，2025—2030年增速將有所減緩，年均增長率下降至3.1%，2030—2035將進一步放緩，年均增長率降低至2.6%。這意味著未來碳排放增長量將會隨著各地碳達峰措施力度的加強而持續(xù)走低（限于篇幅，各模型預測曲線對比圖及區(qū)域-城市層面分析結果圖表略，備索）。

3.2.2 東中西部地區(qū)城市

基于預測的各變量數(shù)據，進一步構建GDP碳強度及人均碳排放等指標對不同區(qū)域2019—2035年碳排放變化趨勢進行深度剖析。2019—2035年，各地區(qū)城市生產總值碳強度將呈現(xiàn)波動性下降趨勢，人均碳排放總體則呈現(xiàn)波動式上升趨勢。從碳排放絕對量來看，中部地區(qū)城市仍將是碳排放最高的區(qū)域，東部地區(qū)城市年均碳排放緊隨其后，西部城市最低，這與2000—2018年的測算情形相一致。從GDP碳強度看，東中西地區(qū)城市生產總值碳強度總體將呈波動性下降趨勢，與2000—2018變動趨勢有所不同。未來西部城市將可能逐漸成為GDP碳強度最低的區(qū)域，東部略高于西部，中部地區(qū)則可能仍在高位，維持在3.74萬t/億元左右。就GDP碳強度的下降速度而言，呈現(xiàn)出“西部地區(qū)城市＞東部地區(qū)城市＞中部地區(qū)城市”的格局。這也從側面反映出東西部地區(qū)城市的產業(yè)結構將逐漸轉向低碳化，部分城市可通過能源結構調整和優(yōu)化升級，率先實現(xiàn)碳達峰。從人均碳排放看，各地區(qū)則形成“中部地區(qū)城市＞東部地區(qū)城市＞西部地區(qū)城市”的格局。中部地區(qū)城市人均碳排放增長最快，由2019年的26.20 t/人增長到2035年34.49 t/人，其人均碳排放約分別是西部和東部地區(qū)城市的3.2倍和1.6倍。

東部地區(qū)城市生產總值碳強度不斷降低，這可能是一些經濟發(fā)達的城市，在推動產業(yè)升級的過程中低碳技術產業(yè)得以快速發(fā)展，在綠色低碳高質量發(fā)展轉型過程中處于領先位置，因而具有按期甚至提前碳達峰的產業(yè)基礎。中部地區(qū)城市GDP碳強度雖呈下降趨勢，但碳排放總量和人均碳排放均出現(xiàn)較大增長。中部地區(qū)城市的產業(yè)結構以高能耗為主，能源消費需求會隨著工業(yè)化、城鎮(zhèn)化的進一步而增加，因而引致的碳排放也會增加。西部地區(qū)城市不論是碳排放絕對量、GDP碳強度還是人均碳排放都是三大地區(qū)城市中較低的。這可能得益西部地區(qū)得天獨厚的區(qū)位資源稟賦，風能、太陽能等可再生清潔能源比重較高，并且地廣人稀，城鎮(zhèn)化水平較低，使得其碳排放絕對量與人均碳排放處于較低水平。

3.2.3 五大城市群

觀察圖2可以看出，在現(xiàn)有路徑演化下，五大城市群的碳排放總量及人均碳排放量總體將呈現(xiàn)出波動式上升趨勢，而GDP碳強度則呈下降趨勢。2019—2035年長江中游、長三角、京津冀、珠三角和成渝城市群碳排放總量將分別增長44.41%、30.53%、35.17%、35.43%和33.98%，同時期其GDP碳強度則分別下降23.8%、11.2%、24.2%、30.09%和28.3%。這表明未來五大城市群在保持經濟發(fā)展的同時可以實現(xiàn)碳排放量的下降，即實現(xiàn)經濟低碳轉型。縱向來看，長江中游城市群的二氧化碳排放量、GDP碳強度和人均碳排放將為五大城市群最高，預測區(qū)間內“三高”態(tài)勢特征明顯。2021年其第三產業(yè)增加值占比僅為51%，遠低于京津冀、長三角的67%、57%，產業(yè)結構不盡合理，第三產業(yè)比重過低，短時期內“三高”態(tài)勢難以快速緩解。而成渝城市群無論是二氧化碳排放總量、人均碳排放強度，還是GDP碳強度在未來都將處于相對較低水平。

圖2 2019—2035年5大城市群二氧化碳排放趨勢

作為中國三大沿海城市群，長三角、珠三角、京津冀地理條件優(yōu)越，經濟發(fā)展強勁，故其低碳轉型發(fā)展備受關注。2035年，長三角城市群碳排量將達到26.89億t，約為京津冀城市群的1.6倍、珠三角城市群的4.2倍。與此同時，其GDP碳強度、人均碳排放將分別為3.46萬t/億元、18.26 t/人，約為京津冀城市群的3.7倍、1.2倍，珠三角城市群的8.2倍、1.5倍。2020年，長三角地區(qū)一次能源需求總量約為8.4億t標準煤，終端能源需求總量約占全國的17%，煤炭等化石能源在長三角能源消費中所占比重仍占主導地位［20］，所以其二氧化碳排放總量、GDP碳強度、人均碳排放都將居高不下。而珠三角城市群的煤炭、油品消費占比有所下降，天然氣消費占比逐漸上升，一次電力及其他能源消費占比增長趨勢明顯，故其未來減排潛力巨大［21］。自京津冀協(xié)同發(fā)展戰(zhàn)略實施以來，其低碳發(fā)展速度明顯加快，但整體低碳發(fā)展水平仍落后長三角、珠三角地區(qū)，除煤炭占能源消費總量的比重較高外，京津冀地區(qū)綠色創(chuàng)新能力也存在明顯不足，區(qū)域內擴散能力較弱，導致成果難以有效轉化［22-23］，因此，其碳排放總量、GDP碳強度相對較高（限于篇幅，部分城市碳達峰時間表及典型城市群碳達峰路徑分析結果略，備索）。

4 城市碳達峰驅動因素的結構分解

4.1 分解機理

將在Vaninsky［14］的基礎上對傳統(tǒng)的廣義迪氏指數(shù)分解法（GDIM）進行拓展，拓展后的廣義迪氏指數(shù)引入了固定資產投資（I）和外商直接投資（F）等兩個因素，拓展后的Kaya恒等式如公式（1）所示：

進一步地，可將上述公式變換成以下形式：

公式（2）：CE=C/E表示能源碳強度，CG=C/G表示產出碳強度，CI=C/I表示固定投資碳強度，CF=C/F表示外商直接投資碳強度，CP=C/P表示人口規(guī)模碳強度；在基本模型中還包括了四個指標，以增加其解釋能力：EG=E/G表示能源消費強度，GI=G/I表示投資效率，IF=I/F表示投資結構，反映為固定資產投資的外商直接投資比重，F(xiàn)P=F/P表示人均外商直接投資。

將各因素對碳排放變化的貢獻表示為函數(shù)Φ(X)，在公式（1）中各方程依次對各因素X進行一階求導可得雅可比矩陣Φ(X)（限于篇幅，相關矩陣公式備索）。

根據廣義迪氏指數(shù)的內涵，城市碳排放的變化量可以分解成以下各因素貢獻加總的形式：

其中：L為時間跨度，?C=(CF，F(xiàn)，0，0，0，0，0，0，0，0，0，0，0，0)T，I表示單位矩陣，“+”為廣義逆矩陣。城市碳排放的變化可被分為14種驅動因素貢獻之和（上述變量相關信息略，備索）。

4.2 分解結果分析

在考察的14個結構因素中，能源消費規(guī)模、產出規(guī)模、固定資產投資規(guī)模、外商直接投資規(guī)模和人均碳排放對碳排放基本保持促增作用，產出碳強度、固定資產投資碳強度、人均外商直接投資和能源強度基本保持促降作用，能源碳強度、外商直接投資碳強度、投資效率、人口規(guī)模和投資結構的促增作用和促降作用均有出現(xiàn)。以城市群為劃分，對分解結果進行分析。限于篇幅，僅對長三角及珠三角典型代表城市作詳細剖析（2000—2035長三角及珠三角城市群分解結果略，備索）。

4.2.1 長三角城市群

為了更加清楚地反映各因素在城市碳排放演變的動態(tài)影響，對長三角典型代表城市2000—2035年的碳排放進行分解，結果如下。

觀察圖3可知，外商直接投資規(guī)模是杭州市和上海市碳排放增加的首要因素，其35年間引致的碳排放增量約為人均碳排放的兩倍左右，分別使其碳排放增加0.88億t、1.57億t。與杭州市相比，外商直接投資規(guī)模對上海市碳排放的促增影響相對較大。上海市作為中國經濟最為發(fā)達的國際化城市，自2008年起其外商直接投資金額就遠超長三角其他城市。2000—2035年外商直接投資年均增速為14.9%，外商直接投資規(guī)模擴大也引致碳排放增加。對南京市和蘇州市碳排放有顯著促增影響的因素為固定資產投資規(guī)模，到2035年分別使得南京市和蘇州市碳排放增加0.67億t、1.89億t。蘇州市固定資產投資自2003年起一直保持波動上升的態(tài)勢，且略高于南京市的固定資產投資，說明在未來大規(guī)模的固定資產投資仍是蘇州市碳排放增長的主要驅動因素。此外，人均碳排放也是促使南京市、杭州市和上海市碳排放增加的重要因素，碳排放量分別上升了0.15億t、0.38億t和0.77億t。相比其他城市，南京市、杭州市和上海市等城市居民的消費模式更具有高能耗特征所致。僅以2019年為例，南京市、杭州市和上海市的城鄉(xiāng)居民用電量分別為97億kW·h、138億kW·h和245億kW·h，遠超其他城市用電量水平。

圖3 長三角典型城市分解結果

對杭州市和上海市碳排放有著顯著負向影響的因素為人均外商直接投資，2000—2035年間分別致使兩地碳排放減少了0.68億t、1.20億t。這可能是因為外商直接投資規(guī)模及人口規(guī)模對碳排放均表現(xiàn)為正向影響，但人口規(guī)模擴張所引致碳排放的增加量要大于外商直接投資，從而使得人均外商直接投資對各城市碳排放的貢獻呈負向作用。對南京市和蘇州市碳排放有顯著促降作用的因素為投資結構，35年間引致的碳排放減少分別為0.41億t和1.69億t。此外，產出碳強度對蘇州市、上海市和杭州市的碳減排有顯著的影響。這是由于隨著科技進步和產業(yè)結構調整，三個城市低碳經濟發(fā)展取得一定成效，因而產出碳強度對區(qū)域碳排放表現(xiàn)出顯著的抑制作用。對此，政府應持續(xù)優(yōu)化長三角各城市外資區(qū)域與產業(yè)布局，推動引資戰(zhàn)略從“重引進規(guī)模，輕引進質量”向“質量優(yōu)于規(guī)模”轉變，同時不斷提升長三角城市綠色低碳技術創(chuàng)新能力，提高減污降碳關鍵核心技術攻關能力，搶占碳達峰、碳中和的技術制高點。

4.2.2 珠三角城市群

為了更加清楚地探究各因素對城市碳達峰的動態(tài)影響，也對珠三角典型城市2000—2035年的碳排放進行分解，結果如下。

由圖4可以看出，在影響碳排放的各項驅動因素中，固定資產投資規(guī)模對各城市碳排放的促增貢獻最大。這一時期，珠三角城市群固定資產投資呈逐年上升趨勢，由此引致珠海市、深圳市、佛山市和廣州市碳排放分別增加0.27億t、0.29億t、0.95億t和1.44億t。其中，固定資產投資規(guī)模對廣州市碳排放的促增作用最大。這說明大規(guī)模的固定資產投資仍是廣州市經濟快速增長的主要推動力，粗放型的經濟增長方式還未得到較好的改善，從而導致其碳排放的增加。與此同時，外商直接投資碳強度對佛山市和廣州市碳排放的促增影響較為顯著，至2035年分別使得碳排放增加0.24億t、0.56億t。就深圳市而言，除固定資產投資規(guī)模對其碳排放有顯著的正向影響外，能源消費規(guī)模的影響也不可忽視，未來節(jié)能減排政策應著眼改善粗放型經濟增長模式，淘汰和限制高能耗的落后生產力。

圖4 珠三角典型城市分解結果

投資結構是各城市碳排放的主要促降因素。這可能是由于固定資產投資及外商直接投資規(guī)模均對碳排放呈現(xiàn)促增作用，外商直接投資規(guī)模擴張所帶來碳排放的增加要大于固定資產投資所引致的碳排放增量，從而導致投資結構對各城市碳排放呈現(xiàn)負向影響。隨著各種低碳技術研發(fā)與應用，使得經濟發(fā)展中低碳化程度得到提高，產出碳強度對各城市碳排放的抑制作用日趨明顯，到2035年可使珠海市、深圳市、佛山市和廣州市碳排放減少0.01億t、0.03億t、0.04億t和0.05億t。這說明技術進步也是各城市碳排放減少的重要因素，這一分析結果與IPCC發(fā)布的研究報告相一致。投資碳強度與能源強度的負向影響較弱，未來應進一步注重降低各城市的能源消耗強度并改善投資效率。

5 數(shù)據來源

數(shù)據具體來源主要包括以下三類：一是，測算所使用的DMSP和VIIRS兩組夜間燈光數(shù)據由美國國家海洋大氣管理局國家地球物理數(shù)據中心發(fā)布。省級及城市維度能源、污染排放數(shù)據集來自往年《中國能源統(tǒng)計年鑒》和基于夜間燈光數(shù)據反演模擬所得。二是，預測所用地級市層面經濟發(fā)展水平GDP、資本、勞動、能源消費和PM2.5等變量數(shù)據均來自歷年《城市統(tǒng)計年鑒》《區(qū)域統(tǒng)計年鑒》《中國統(tǒng)計年鑒》，缺失值部分使用K近鄰插值填補。三是，分解部分2000—2018年所使用各因素分解數(shù)據主要來自歷年《城市統(tǒng)計年鑒》《區(qū)域統(tǒng)計年鑒》《中國統(tǒng)計年鑒》，碳排放數(shù)據由前文模擬估算所得，2019—2035年分解數(shù)據均來自前文預測所得。為保證數(shù)據的可比性，GDP、外商直接投資及固定資產投資均平減為2000年不變價格。

6 結語與啟示

首先反演模擬了2000—2018年267個地級市碳排放量，并運用機器學習的多種算法對各城市的碳達峰路徑進行預測，最后基于拓展的廣義迪氏指數(shù)對城市碳達峰的驅動因素進行了結構分解，結果顯示：中國城市碳排放總量呈持續(xù)增長態(tài)勢，基本形成“東部發(fā)達城市高集聚，中西部欠發(fā)達城市低集聚”的格局。267個城市中，可以提前達峰和按期達峰的城市僅有6個，比重僅約為2%，95%的城市將會在2031—2034年碳達峰，剩余3%的城市會長時間延遲達峰。產出規(guī)模、能源消費規(guī)模、固定資產投資規(guī)模、外商直接投資規(guī)模和人均碳排放對各城市碳排放基本保持促增作用，而產出碳強度、投資碳強度、人均外商直接投資和能源強度基本保持促降作用。

該研究對中國如何整體按期實現(xiàn)“雙碳”目標具有重要的借鑒和啟示：第一，推進低碳產業(yè)集群建設，培育低碳轉型引領示范城市。第二，大力發(fā)展清潔能源，積極引導“三高”項目綠色轉型。第三，擴大低碳城市試點范圍，兼顧城市“穩(wěn)發(fā)展”與“促減排”。