中国工业碳排放达峰的情景预测与减排潜力评估

王勇+毕莹+王恩东

摘要 实现2030年碳排放达峰不仅是中国为应对全球气候变化向国际社会做出的郑重承诺，也是中国未来经济结构转型与可持续发展的必然选择。基于中国实现2030年碳排放达到峰值的宏观目标为背景，本文以中国碳排放的主要行业工业为研究对象，首先运用拓展的STIRPAT模型对工业及其9个细分行业的碳排放达峰进行了情景预测，然后基于公平和效率的双重视角对工业细分行业的减排潜力进行评估。研究表明：①仅有低碳情景和抑制排放情景2可以实现中国碳排放2030年达峰，低碳情景是实现中国工业碳排放达峰的最佳发展模式，达峰时间最早（2030年），峰值最低（140.43亿t）。激进排放情景则是最差的发展模式，达峰时间最晚（2036年），峰值也最高（150.09亿t）。②工业内部各细分行业碳排放的最优达峰情景差别较大。建材和纺织制造业能够实现提前达峰，可以在这类行业率先实施达峰管理措施，使其带动其他行业陆续达峰。③最具减排潜力的行业是石油制造业，其次是电力行业，这些减排潜力较大的行业应该成为国家节能减排的重点对象。④基于工业各细分行业在减排公平性和效率性上的差异将工业9个细分行业分为四类。其中，石油、钢铁制造业和电力行业属于“高效高公平行业”；化工、建材制造业属于“低效高公平行业”；采掘业属于“高效不公平行业”；纺织、轻工和机电制造业属于“低效不公平行业”。中国应针对不同类型的行业制定出相应的减排战略，将减排重点放在各行业最具潜力的方面。最后，文章对实现中国工业碳排放达峰管理提出了几点政策建议。

关键词 工业；碳排放达峰；STIRPAT模型；情景分析；减排潜力

中图分类号 X322； F423 文献标识码 A 文章编号 1002-2104（2017）10-0131-10 DOI：10.12062/cpre.20170444

近年来碳排放达峰是国际节能减排领域的关注重点，受到越来越多国家的关注。作为全球最大碳排放国家，为了积极应对全球气候变化，推动世界各国切实采取措施降低二氧化碳排放，中国政府在与美国政府联合发表的《气候变化联合声明》中做出承诺：“中国计划2030 年左右二氧化碳排放达到峰值且将努力早日达峰，并计划到2030 年非化石能源占一次能源消费比重提高到20%左右。”此后，中国又在多个国际场合中重申这一承诺，受到国际社会的广泛关注和好评。要想实现中国2030年碳排放达峰的目标，不仅需要先进的减排技术作支撑，更重要的是有高效的减排政策做指导，需要对中国实现碳排放达峰进行科学预测。作为中国碳排放最主要的行业，工业每年碳排放量占全国碳排放总量的70%以上，工业能否实现碳排放达峰对实现中国整体碳排放达峰具有重要意义，是决定中国能否兑现“达峰承诺”的关键环节。在此背景下，研究中国工业碳排放达峰具有明确的现实意义。

1 文献综述

近年来，碳排放达峰的预测研究是学术界的研究热点之一，目前国内外学者预测中国碳排放峰值的主流方法有：环境库兹涅茨曲线、STIRPAT模型、灰色预测法等。如：朱永彬[1]等在内生经济增长模型MoonSonn的基础上对传统的环境库兹涅茨曲线进行了优化，研究认为中国如果在当前技术进步的速率下继续发展，将在2040年达到碳排放的顶峰，如果中国能源强度的下降速率达到4.5%—5%，中国碳排放很有可能在2040年之前達到峰值；Lin和Huang[2]利用GM（1，1）灰色预测模型预测了中国台湾地区2009—2012年的CO2排放趋势和达峰时间；渠慎宁等[3]利用STIRPAT模型对未来中国碳排放峰值进行相关预测，认为中国若能够在经济社会发展的同时保持碳排放强度合理下降，那么实现碳达峰的时间应在2020—2045年之间；程璐[4]等人对电力行业的碳排放峰值研究表明，实现电力行业碳排放尽早达峰并降低峰值，关键在于能源消费总量的控制以及清洁电力的发展；郭士伊[5]对中国工业控制碳排放的峰值管理进行了分析，最终认为2020年和2030年是中国碳排放峰值管理的两个关键点，预计工业领域可以在2030年前实现碳排放达峰，应该分短期（未来5年）、中期（未来10年）和长期（未来15年）三个阶段实施工业领域的碳排放峰值管理。

对行业减排潜力的研究中，国内外学者也基于不同的评价方法，如：Wang和Lu[6]利用LEAP模型分别分析了中国钢铁工业在三种情景模式下的CO2减排潜力，最终认为在不同情景下钢铁行业有潜力降低的碳排放量存在差异，大体分布在0.51—1.07亿t之间；Ko、Huang和Tseng[7]利用MARKALMACRO模型对中国台湾地区电力部门在不同经济发展模式下的CO2减排潜力进行了相关预测分析；郭朝先[8]采用经济核算方法从结构减排和强度减排两个角度来估算中国工业碳减排的潜力，认为中国减排可以充分发挥“双轮驱动”效果来促进减排；VoltesDorta[9]等人利用DEAMalmqust指数法计算和预测了西班牙汽车制造商的节能潜力；黄金碧[10]等人将江苏省城市碳排放现状与全国和北京等城市进行对比分析，认为在任何方面江苏省都具有较大的碳减排潜力。

总的来说，已有研究极大地促进了中国碳排放峰值的研究，为该领域的后续研究奠定了基础，尽管如此，当前研究还存在以下几点不足之处：①研究对象上，工业碳排放达峰研究有所欠缺。目前大多数文献只是预测了中国整体或某地区未来的碳排放量，对工业碳排放达峰研究有待深入，特别是缺少对工业内部细分行业碳排放达峰情景的具体研究，不利于工业行业减排政策的制定。②研究方法上，碳排放量预测模型有待改进。例如：基于EKC曲线的研究是在这一曲线存在的假设下进行的，而碳排放与经济发展是否存在“倒U型”的曲线关系还有待商榷；此外，有些模型适合已经完成工业化的发达国家，对中国等发展中国家的适用性仍存在未知。并且在碳排放影响因素的选择上，大多数学者仅仅将碳排放强度指标作为评价行业技术水平的唯一尺度，这样做得出的研究结论有待商榷。③研究角度上，中国碳减排潜力的研究视角比较单一。以往关于行业碳减排潜力的研究中往往主要从减排效率角度进行分析，忽略了就业人数这一反映公平因素的规模变量，既考虑“效率视角”又兼顾“公平视角”的研究成果并不多，个别基于公平与效率双重视角研究行业减排潜力的对象仅局限于农业，缺乏对工业的研究。

基于目前的研究现状，本文对中国工业碳排放达峰研究的主要工作体现在以下几个方面：①将碳排放达峰的研究对象定位于中国碳排放的主要行业——工业，并且不仅对整个工业的碳排放达峰进行了预测，对工业内部的细分行业也进行了具体的预测研究。②基于STIRPAT模型对碳排放达峰进行预测研究时，为了消除变量之间多重共线性的影响，选择岭回归法建立模型。另外，在选择碳排放的影响因素时，不仅考虑了经济水平、产业结构等公认因素，还加入了两个代表行业技术水平的因素——碳排放强度和能源利用效率，并且在设定行业的情景参数时，为不同能耗级别的细分行业设计了不同的情景模式。③基于“效率”和“公平”双重视角建立了完整的工业减排潜力评估体系，对各行业减排潜力的评估更加科学。

2 数据来源及处理

2.1 工业碳排放规模的测算

本文将工业领域的碳排放分为两部分，一部分是化石燃料燃烧带来的直接碳排放，另一部分是电力消耗带来的间接碳排放。因此工业碳排放量的公式为：

其中，C1表示直接碳排放量，C2表示間接碳排放量。

（1）直接碳排放量的测算，本文采用2006年《IPCC国家温室气体清单指南》中介绍的基准方法，即从各种化石燃料的消耗角度对工业领域的碳排放进行测算，具体计算公式为：

式（2）中：C1表示CO2排放量（单位：t）；j表示第j种能源种类，本文根据IPCC的能源划分选取了九种能源种类，分别为原煤、焦炭、原油、汽油、煤油、柴油、燃料油、天然气；Ej表示第j种能源的消费量（单位：t），数据来源于《中国能源统计年鉴》（1994—2014）；NCVj表示第j种能源的低位发热量（单位：TJ/t或TJ/m3），数据来源于《IPCC指南》；CCj表示第j种能源的碳含量（单位：tce/TJ），数据来源于《IPCC指南》；COFj表示第j种能源的碳氧化因子，根据《IPCC指南》通常该值取100%，表示完全氧化；44/12表示CO2与碳的分子量之比，即碳转化成CO2的转化系数。

计算步骤：①将各种一次能源的消费量利用折标准煤系数转换为标准煤单位消费量；②利用公式（2）计算各种能源燃烧产生的碳排放量。

（2）对于间接碳排放量的计算公式为：

式（3）中：C2表示CO2排放量，单位为t；QE表示电力总消费量，单位为kW·h，数据来源于各年度《中国能源年鉴》；DE表示电力碳排放系数，单位为tce/t，本文取不同研究计算的平均值0.7173tce/t；EE表示供电煤耗，每年具体的供电煤耗数值取自国家电网发布的新闻数据。

2.2 工业细分行业的划分

《中国国民经济行业分类》（GB/T4754—2002）将工业分为30个分行业，本文按照《中国工业统计年鉴》中的行业分类将30个小类归为9个大类。为了研究能源消耗结构对工业碳排放的影响，本文按照能耗强度将平均能耗强度大于1 t/万元的行业划分为“高能耗行业”，平均能耗强度小于1 t/万元的行业划分为“低能耗行业”。工业9个细分行业中，属于“高能耗行业”的有：电力行业（电力、煤气及水生产和供应业的统称）、采掘业、化工制造业、钢铁制造业、建材制造业、石油制造业；属于“低能耗行业”的有：纺织制造业、轻工制造业、机电制造业。

3 碳排放达峰预测及减排潜力的模型构建

3.1 工业碳排放达峰预测的STIRPAT模型构建

3.1.1 整体工业的STIRPAT达峰预测模型

STIRPAT（stochastic impacts by regression on PAT）模型是York等人在IPAT模型和ImPACT模型的基础上重新提出的预测模型，针对以上两个模型无法反应模型中各个因素非均衡与非单调的函数关系的缺陷进行了修正。目前，STIRPAT模型已被广泛用于碳排放达峰的预测研究中。

整体工业碳排放达峰预测的初始STIRPAT模型为：

式（4）的STIRPAT预测模型中：C表示因变量“工业碳排放量”；QP表示自变量中的规模因素“经济水平”，用人均工业总产值计量；ES表示自变量中的结构因素“能源结构”，用煤炭消费量与一次能源消费总量的比值计量；OD表示自变量中的结构因素“开放程度”，用港澳台及外商投资企业工业产值与工业总产值的比值计量；EE表示自变量中的技术因素“能源利用效率”，用工业总产值与一次能源消费总量的比值计量；TS表示自变量中的技术因素“碳排放强度”，用碳排放量与工业总产值的比值计量。

实际应用中对式（4）两边取对数，即：

式（5）中，β0为模型的比例常数项，β1—β5为指数项，e表示误差项。

为了消除自变量之间的多重共线性，本文使用岭回归方法建模。岭回归分析法可以通过在自变量标准化矩阵的主对角线上加入非负因子的方法消除多重共线性对分析结果的干扰，从而使回归结果的有效性得到显著提高[11]。

以1994年至2014年的数据进行回归建模，最终建立的标准化岭回归方程为：

为了证明该预测模型的有效性，基于各年度数据通过模型计算得到碳排放的方程回归值，然后对碳排放实际值与回归值进行两独立样本T检验，检验结果显示p值为0.961，大于显著性水平0.05，说明根据上述模型计算的碳排放量与实际情况没有显著差异，方程预测效果较好。

3.1.2 工业内部细分行业的STIRPAT达峰预测模型

以整体工业达峰预测模型为基础，根据工业各细分行业的特点对工业细分行业的STIRPAT预测模型做适当调整。工业细分行业的初始STIRPAT碳排放达峰预测模型如式（7）所示：

式（7）的STIRPAT预测模型中：C表示因变量“工业内部分行业碳排放量”；IQ表示自变量“自身经济发展”，用行业总产值计量；IIS表示自变量“产业占比”，用分行业产值与总工业产值的比值计量；IEE表示自变量“能源利用效率”，用行业总产值与一次能源消费总量的比值计量；IES表示自变量“能源结构”，用行业煤炭消费量与一次能源消费总量的比值计量。

实际应用中常常将式（7）两边取对数，即：

式（8）中，ε0为模型的比例常数项，ε1—ε4为指数项，e表示误差项。

为了消除多重共线性对计算结果的干扰，同样选择岭回归方法建立各行业的碳排放预测模型。以lnC为因变量，“自身经济水平”等四个因素为自变量，以1994—2014年的数据进行回归建模，最终得到的工业各细分行业碳排放预测模型回归系数及模型检验结果如表1所示。

从表1可以看出，工业全部九个细分行业的预测模型均通过显著性检验。为了验证各预测模型的有效性，将已有年度各细分行业数据带入各自的回归方程中计算各年度的碳排放模拟值，然后分别对各个行业碳排放的模拟值与实际值进行两独立样本T检验，检验结果显示p值均大于显著性水平0.05，说明各行业的碳排放预测模型的预测效果较好。

3.2 工业碳排放的情景设计

3.2.1 整体工业的情景设计

情景分析法中各指标预测值的设置都要参考相关政策规划及发达国家发展规律，并与过往不同阶段的变化率进行对照，确保数据的设置符合工业经济社会发展的实际情况[11]。本文将2016年至2050年平均划分为七个时间段，整体工业碳排放预测模型中的各个指标均分为“强”和“中”两个取值。

根据各参数的不同组合最终设计出工业碳排放的九种情景模式，如表2所示。考虑到经济社会发展中增碳与减碳因素的实际变化，并结合中国未来经济社会发展中的经济发展、能源和产业等政策[11]，将“经济水平”、“城市化率”、“能源结构”、“产业结构”、“开放程度”、“能源强度”归为积极因素（促进碳排放），将“企业规模”、“能源利用效率”和“碳排放强度”归为消极因素（抑制碳排放）。

3.2.2 工业内部细分行业的情景设计

对于工业内部细分行业的情景设置，本文将“自身经济水平”、“能源结构”归为积极因素，将“能源利用效率”归为消极因素，而将“产业占比”归为積极因素还是消极因素应取决于具体的研究行业。根据本文对工业内部行业的能耗结构划分，对于电力行业等高能耗行业来说，“产业占比”应被归入积极因素，对于纺织业等低能耗行业来说“产业占比”应归入消极因素。由此，本文对工业九种细分行业设计的碳排放发展模式如表2所示。

3.3 工业减排潜力的评估指标体系

虽然工业各细分行业的实际减排量代表了各自的减排效果，但并不能简单的认为减排量大的行业就一定具有更高的减排潜力。一个行业的减排潜力应该从“公平”和“效率”两个角度进行全面评估。

首先，“公平视角”的核心思想是按照“公平”原则分解减排指标，即综合考虑行业间就业人数的差异分解，就业人数越多的行业应该获得更多的碳排放空间。以往的有些研究认为碳排放量大的行业具有较大的减排潜力，事实上，一个行业的碳排放量还与其规模有关，规模大的行业往往会比规模小的行业排放更多的CO2，但并不意味它们会具有更高的减排潜力，因为规模大的行业往往就业人数多，所以按照碳排放绝对量进行分析是不公平的。基于以上原因，本文将行业的就业人数作为考虑因素，从“人均”角度评价一个行业基于“公平视角”的减排潜力。

其次，“效率视角”核心思想是按照“产出最大化”原则进行分解，指有利于使国家在既定的碳排放总量目标下产生更多的发展利益，单位碳排放产生GDP越大的行业会有更多的碳排放空间。“效率视角”下的减排评估主要依据行业减排空间指数和碳排放强度。其中碳排放强度指标代表着一个行业的减排技术水平，碳排放强度较小的行业通常减排技术也比较发达，减排潜力也因此得到提升。减排空间指数DS是指在一定时间内，某细分行业碳排放强度的实际变化值△TSpractical与参考变化值△TSreference之比，其中实际变化值是指该细分行业在一段时间内碳排放强度的实际变化值，而参考变化值是假设该细分行业与整体工业在某时间段内碳排放强度的下降速率相等时的碳排放强度变化值。即i行业在第t年的减排空间指数为：

如果DSi，t>1，意味着i行业减排空间比较小，因为其在降低碳排放强度方面的效率高于工业整体的平均水平。反之，则意味着其减排空间比较大[12]。减排空间较大的行业在减排和达峰过程中比其他行业有更宽阔的进步空间，因此减排潜力也比较高。

本文建立的基于公平和效率双重视角的减排潜力评估指数体系分别赋予公平指数和效率指数不同的权数，从而根据公式（10）计算出行业的减排潜力指数。

式（10）中，ERPi，t是减排潜力指数，i表示行业，t表示时期。ω为权重值，反映的是决策者在公平原则与效率原则之间的决策偏好，取值范围为[0，1][13]。equity表示公平指数，efficiency表示效率指数。

公平指数equity和效率指数efficiency的计算公式分别如公式（11）和公式（12）所示，数据来源于《中国工业统计年鉴》（2010—2014）。

式（11）中，equity是工业减排潜力公平指数，由相同权重的人均工业碳排放量CP和人均工业总产值QP共同决定，即α取值为0.5。其中人均工业碳排放量CP和人均工业总产值QP分别等于某细分行业在2010—2014年间平均碳排放量和平均总产值与平均就业人数的比值；

式（12）中，efficiency是工业减排潜力效率指数，包括工业碳排放强度TS和工业减排空间指数DS两个指标，并赋予二者同等的重要性，即α取值为0.5。其中碳排放强度TS是指某行业在2010—2014年间平均的碳排放量与产值之比。减排空间指数DS取倒数的原因是减排空间指数的值越小代表行业的减排空间越大，所以将其倒数后再计算出的效率指数就与该行业在效率视角下的减排潜力呈正相关关系。

本文将计算减排潜力指数的模式设置为“同等重要模式”，在该情景中两个视角下的潜力指标具有相等的重要性，也就是ω取1/2，表示决策者在制定达峰计划时对公平性与效率性没有明显的偏好。

4 中国工业碳排放达峰的情景预测

4.1 整体工业的碳排放预测及达峰分析

利用整体工业的碳排放预测模型（式（6））可计算出2015—2050年中国工业的碳排放量预测值，根据预测结果绘制出各种情景模式下整体工业碳排放量的预测曲线如图1所示。

从图1中可以看出，工业在不同碳排放模式下达峰时间和峰值大小都有差异，其中工业在低碳模式下最早实现碳达峰，峰值也是最小的；相反，工业在激进排放模式下最晚实现碳达峰，峰值也是最大的。整体工业的达峰时间大致分布在2030—2036年之间。郭士伊[5]在其对工业控制碳排放峰值管理的研究中得出的结论为：“中国工业碳排放峰值在2020—2030年间出现”。虽然与本文预测的时间区间稍有提前，但相差不大，主要是由作者对工业增加值及能源强度的发展速度设定不同导致的，不过同样支持中国2030年的碳达峰目标，表明中国工业有能力在2030年左右实现碳达峰。

各情景模式下碳排放达峰的具体分析如下：

（1）低碳模式和抑制排放模式2能够实现工业碳排放在2030年达到峰值。低碳模式下，中国工业碳排放达峰时间为2030年，峰值为140.43亿t；抑制排放模式2下，中国工业碳排放达峰时间为2030年，峰值为141.77亿t。根据情景参数设计，若工业在低碳模式下发展，那么工业在2016—2030年间期望的总产值增长率由6.51%下降到5.72%，煤炭占比的增长率从0.21%下降至-0.18%，外企投资占比下降率从-3.88%继续降至-5.28%，能源利用效率的增长率和碳排放强度的下降率在2030年之前分别达到3.25%和-6.26%。

（2）基准模式下，中国工业碳排放无法实现2030年的按时达峰。基准模式是所有指标的影响力度都为“中”的情景模式，即不采取任何减碳措施的基准发展模式。在这种模式下，中国工业碳排放量将在2032年实现达峰，峰值为143.29亿t，显然该模式无法满足中国2030年碳排放达峰的要求，需要外部政策的干预。

（3）两种抑制排放模式下，中国工业碳排放达峰时间比基准模式有所提前，峰值也有所下降。两种抑制排放模式是分别单独将碳排放强度和能源利用效率的影响强度调为“强”，而其他指标的影响力度保持“中”的情景模式。碳排放强度表示增加单位产值所带来的碳排放量，能源利用效率表示消耗单位一次能源总量所带来的总产值增量，二者在很大程度上代表了一个行业的技术水平，即碳排放强度越低、能源利用效率越高，行业的减排技术水平越发达，而技术水平的提高必然会对CO2的排放起抑制作用，因此两种模式下的达峰时间都比基准模式提前，峰值也有所降低。低碳模式是所有积极因素的影响力度为“中”，而所有消极因素的影响力度为“强”的情景模式，虽然低碳模式与抑制排放模式2下的达峰时间都是在2030年， 是所有模式中最早的实现碳达峰的，但是低碳模式下峰值比抑制排放模式2少了1.34亿t，这主要是因为低碳模式比抑制排放模式2多出一个抑制碳排放的消极因素。

（4）激进排放模式下，中国工业碳排放的达峰情景与达峰目标相差甚远，不仅达峰时间严重推迟，峰值也偏高。激进排放模式是指所有消极因素的影响力度为“中”，而所有积极因素的影响力度为“强”的情景模式。这个模式下的碳排放达峰时间最晚，为2036年，峰值也最高，为150.09亿t。两种促进排放模式是分别在激进排放模式的基础上将碳排放强度指标和能源利用效率指标的影响力度调为“强”的模式，可以看出两种模式因为有各自的消极因素对碳排放实施抑制作用，所以达峰时间都比激进排放模式提前，峰值也有所降低。

（5）对比基准模式、低碳模式和中和模式可以得出结论：积极因素对碳排放的促进作用要比消极因素的抑制作用明显，更容易使碳排放达峰的时间延后、峰值升高。首先，在基准模式的基础上将消极因素对碳排放的抑制力度调为“强”后，使工业碳排放的达峰时间提前了两年，峰值也降低了2.87亿t；其次，在低碳模式的基础上将所有积极因素对碳排放的促进力度全部调为“强”后，使工业碳排放的达峰时间滞后了四年，峰值增加了5.19亿t。因此可以看出，积极因素对工业碳排放达峰的负面影响比消极因素对工业碳排放达峰的正面影响更加严重。

以上预测结果说明：如果工业在减排过程中能够合理控制自身经济的发展速度、尽量减少煤炭等化石能源的消耗占比、保持合适的对外开放程度，并且通过升级减排技术等方式来适当降低碳排放强度和提高能源使用效率，那么工业可以实现2030年碳排放达峰，并且能源利用效率的提高在提早达峰时间和降低峰值方面的贡献更明显一些。但是，如果中国工业在达峰工作中忽略了对减排技术的两方面升级，则会使其碳排放的达峰时间延后、峰值增加，并且忽略能源利用效率的提高也将对工业碳排放达峰产生较为严重的负面影响。

4.2 工业细分行业的碳排放预测及达峰分析

对于工业细分行业的碳排放达峰预测，本文挑选了具有代表性的三个情景模式进行重点分析，分别是基准模式、低碳模式和激进排放模式，工业细分行业在这三个模式下的达峰情景预测如表3所示。

从表3中可以看出：

（1）在相同模式下不同分行业的达峰时间存在一定差异，但基本分布在整体工业达峰时间前后。基准模式下，整体工业的达峰时间为2032年，工业细分行业的碳排放达峰时间分布在2027—2045年之间；低碳模式下，整体工业的达峰时间为2030年，工业细分行业的碳排放达峰时间分布在2025—2035年之间；激进排放模式下，整体工业的达峰时间为2036年，工业细分行业的碳排放达峰时间分布在2031—2040年之间。总体来看，三种情景模式下预期最早实现碳排放达峰的都是建材制造业，其次是纺织制造业；三种情景模式下达峰时间最晚的均为采掘业，钢铁和石油制造业的达峰时间也比较晚。

（2）同一行业在不同模式下的达峰时间也存在差异，且峰值差异显著。大部分工业细分行业在三种情景模式下的达峰顺序是：低碳模式—基準模式—激进排放模式，并且峰值也是按照这个顺序由低变高，仅有采掘业碳排放是在基准模式下的达峰时间最晚、峰值最高。

在工业逐步实现碳排放达峰的整个过程中，有的细分行业是在总工业之前实现达峰，而有的细分行业则是在总工业的碳排放达峰后才逐渐实现，所以在总工业达到峰值的过程中是某些行业实现了提前碳排放达峰（比如建材和纺织制造业），然后带动着其他细分行业逐步实现碳达峰（如采掘业），最终使整个工业的碳排放量达到巅峰后缓慢下降。

5 中国工业碳排放达峰的减排潜力评估

5.1 工业细分行业基于减排潜力指数的分析

基于公平和效率双重视角下工业细分行业的减排潜力分别由公平指数equity和效率指数efficiency来衡量，这两个指数又分别由相等权重的人均碳排放量和人均总产值、减排空间指数和碳排放强度共同决定。本文以2008年为基期分别计算了工业各细分行业的减排公平指数equity和效率指数efficiency。另外为了消除数值间的量纲关系，本文采用minmax标准化方法将两个指数进行了标准化，最后按照“同等重要原则”计算出的工业各细分行业减排潜力综合指数ERP如图2所示。

分析图2可以得到如下结论：

（1）从ERP指数的计算结果可以看出，工业各细分行业的减排潜力差别较大。首先，综合减排潜力较大的行业有石油制造业、电力行业、钢铁制造业和采掘业，它们标准化后的ERP指数分别为1.000、0.520、0.291和0.250。可以看出石油业的综合减排潜力比较突出，几乎比第二名的电力行业高出一倍，同时前四名行业的减排潜力指数明显大于排名靠后的其他行业（如：综合减排潜力排名第五的建材制造业，其ERP指数只有0.087），说明工业细分行业间的减排潜力呈现出两极分化的状态。其次，轻工、机电和纺织制造业的综合减排潜力最小，ERP指数均在0.01以下，这主要是由于这三个分行业较低的人均产出和减排效率导致，所以国家应适当降低对它们的减排要求，因为减排潜力较小的行业由于技术水平进步有限以及减排成本升高的缘故，比其他行业在减排和达峰的进程中要克服更多的困难[12]。

（2）减排效率视角下，减排潜力最大的行业是石油制造业，其次是电力行业，二者标准化后的效率指数efficiency分别为1.000和0.723，所以应该重点提升这两个行业在节能减排方面的技术水平，这将对整个工业的减碳工作起到举足轻重的作用。比如电力行业关键的减排技术有：大规模陆地风力发电、高效天然气发电等[14]；石油制造业关键的减排技术有：工艺设备节能减排技术等[15]。另外，電力行业的减排潜力一直得不到充分挖掘也与当前占主要地位的火力发电技术有关，火力发电最主要的燃料就是煤炭，大量煤炭的燃烧不仅使电力行业变成工业碳排放最主要的领域，同时也拉低了电力行业的减排效率。因此，电力行业可以考虑优化其能源结构，尽量多的使用绿色能源，并且开发更加清洁的发电技术。

（3）减排公平视角下，减排潜力最大的行业仍然是石油制造业，电力行业排在第二，这与效率指数的排名一致，二者标准化后的公平指数equity分别为1.000和0.318。值得注意的是，石油业的公平指数远远超过其他行业，说明石油业在公平视角下的减排潜力较高。采掘业、化工和建材制造业的公平指数排名稍后，这三个部门减排潜力稍显落后的原因主要是其经济水平的超速发展，从这三个行业的碳排放量预测模型中也可以看出，它们的碳排放规模受其自身产出的影响比较大。因此，今后在鼓励这三个行业使用洁净能源的同时，还应控制其经济水平保持在一个合理的发展速度。另外，公平视角下减排潜力最小的行业是纺织制造业，主要是由其较多的就业人数导致。

总的来说，国家应根据工业各细分行业不同的减排潜力，在制定达峰计划和分布减碳任务时适当调整分摊体系，从而在碳排放约束框架下合理制定相关行业的发展目标[13]。相对于减排潜力较小的行业来说，减排潜力较大的部门在节能减排以及实现达峰目标过程中要面临的困难会少很多，并且进一步降低能源强度或者提高绿色能源消费占比的边际成本也更少，相关减排技术的开发和运用也更加容易实施[12]。

5.2 工业细分行业减排潜力基于公平性和效率性的分类

本文根据工业细分行业的减排潜力公平指数和效率指数的将工业内部九个分行业归为四类，分类结果如图3所示。

（1）“高效高公平行业”中有石油、钢铁制造业和电力行业，这三个行业无论在公平视角还是在效率视角都有着较高的减排潜力。这类行业是减排潜力最大的行业，其减排重点既应该放在碳排放规模的降低上，还应该放在减排技术的提高上。

（2）“低效高公平行业”有化工和建材制造业，这类行业的特点是减排效率指数较低，而公平指数较高。针对这类行业的减排重点应该放在碳排放总量的降低上，同时也应该保持其经济水平在适当的增速下平稳发展。

（3）“高效不公平行业”只有采掘业，这类行业的特点是减排公平指数低于工业平均水平，但是效率指数很高。拉低公平指数的主要原因是该类型行业中较多的就业人数，由于采掘业的就业人数很难在短时间内快速下降，所以今后的减排重点应放在其碳排放强度的降低效率上，将其较大的减排空间充分利用起来，想要达到这个目的最主要的手段还是加快减排技术的升级，另外借鉴其他行业的先进技术也不失为一种快速提升的途径。

（4）“低效不公平行业”中有纺织、轻工和机电制造业，这类行业无论在公平视角还是效率视角上都是减排潜力较低的行业，所以不需要在减排工作中受到过多关注。但从往年数据中可以看出它们减排空间其实并不小，甚至超过了建材制造业，所以这三个行业可以在加快减排效率上更加努力，充分利用其并不狭小的减排空间。

总之，不同的行业在减排公平性和效率性上会有所差异，因此国家在发布减排任务时应避免“一刀切”的做法，即针对不同行业制定不同的减排和达峰管理措施，兼顾公平与效率，将减排重点放在各行业最具减排潜力的方面。

6 结论与建议

本文首先依据建立的STIRPAT模型对中国工业整体及其细分行业的碳排放达峰进行了情景预测和分析，然后基于公平和效率双视角对中国工业分行业的减排潜力进行了评估，研究表明：①中国整体工业能够在2030年实现碳排放达峰，其中低碳模式是中国工业首选的发展模式，达峰时间最早，同时峰值也最低；②能源利用效率等代表行业减排技术水平的因素对工业碳达峰有着较强的积极影响；③工业内部各个细分行业在碳排放达峰时间上有所差别，能够较早实现碳达峰的是建材和纺织制造业，而较晚实现碳达峰的是采掘业、钢铁制造业和石油制造业；④石油制造业、电力行业和钢铁制造业是减排潜力最高的行业，尤其石油制造业的减排潜力指数远远超过其他行业，采掘、建材和化工制造业的减排潜力比较靠后，剩下其他三个行业的减排潜力相对较低，不适合对其下达过多的达峰任务和减排要求；⑤各行业在减排效率性和公平性上存在差异，由此工业内部九个细分行业被划分为四个类别——“高效高公平行业”、“高效不公平行业”、“低效高公平行业”、“低效不公平行业”，针对不同类别的行业，国家应将减排重点放在不同方向。

基于以上研究结论，本文对中国工业领域的碳排放达峰管理提出以下几点建议：

6.1 开发低碳能源，加快调整能源消费结构

目前中国工业领域最常使用的能源就是“煤炭”，实现能源结构的清洁化是中国工业完成達峰目标的关键步骤。通过天然气、风能、太阳能等清洁能源的使用，驱动工业能源消费结构向低碳化方向发展。加快建设清洁能源的基础设施，适当扩大煤炭等化石能源的资源税征收范围，提高资源税的收费标准，从而降低中国工业对化石能源的依赖程度，纠正煤炭等化石能源的成本制度（如：将在使用能源过程中带来的环境治理成本加入到能源的使用成本中），建立完善的环境保护税收制度，从而提升可再生能源在市场价格中的竞争力。

6.2 采取分行业、分阶段达峰战略，加强行业间统筹协作

中国工业内部的分行业由于发展阶段不同，在碳排放达峰情景上也有所差别，某些行业（如建材、纺织制造业）相比其他行业更有能力和条件较早实现达峰，国家应该最先在这些行业实施达峰管理，使其率先达峰，然后加强行业间的统筹协作，让先达峰的行业带动未达峰的行业逐步实现碳排放达峰，从而采取“逐步推进、互帮互助”的方式使各行业陆续达峰。

6.3 依据各行业的减排潜力制定相应的达峰战略

在制定减排方案时把培养重点放在那些减排潜力较大的行业上，对于减排潜力较小的行业应该适当降低对其的减排要求。其次，各行业由于行业性质的不同会表现出不同方面的减排潜力，即在减排的公平性和效率性上出现差异，应针对不同潜力的行业制定不同的减排方案，从而使中国工业在一个科学、高效的环境下逐步完成碳排放达峰的终极目标。

参考文献（References）

[1]朱永彬，王铮，庞丽，等.基于经济模拟的中国能源消费与碳排放高峰预测[J].地理学报，2009，64（8）： 935-944. [ZHU Yongbin，WANG Zheng，PANG Li，et al. Simulation on Chinas economy and prediction on energy consumption and carbon emission under optimal growth path[J]. Acta geographica sinica，2009，64（8）： 935-944.]

[2]LIN-C S，LIOU F M，HUANG C P. Grey forecasting model for CO2 emissions：a Taiwan study[J]. Applied energy，2011，518-523（11）： 1664-1668.

[3]渠慎宁，郭朝先.基于STIRPAT模型的中国碳排放峰值预测研究[J].中国人口·资源与环境，2010，20（12）： 10-15. [QU Shenning，GUO Chaoxian. Forecast of Chinas carbon emissions on STIRPAT Model[J]. China population，resources and environment，2010，20（12）： 10-15.]

[4]程路，邢璐. 2030年碳排放达到峰值对电力发展的要求及影响分析[J]. 中国电力，2016，49（1）： 174-177. [CHENG Lu，XING Lu. Analysis requirement and impact of power development under the peak carbon emissions in 2030[J]. Electric power，2016，49（1）： 174-177.]

[5]郭士伊. 气候变化新阶段下工业控制碳排放峰值管理[J]. 中国科技投资，2016（7）： 50-53. [GUO Shiyi. Peak management of industrial control in the new stage of climate change[J]. China venture capital，2016（7）： 50-53.]

[6]WANG-K，WANG C，LU X，et al. Scenario analysis on CO2 emissions reduction potential in Chinas iron and steel industry[J]. Energy policy，2007，35（4）： 2320-2335.

[7]KO-F K，HUANG C B，TSENG P Y，et al. Longterm CO2 emissions reduction target and scenarios of power sector in Taiwan[J]. Energy policy，2010，38（1）： 288-300.

[8]郭朝先.中国工业碳减排潜力估算[J].中国人口·资源与环境，2014，24（9）： 13-21. [GUO Chaoxian. Estimation of industrial emission reduction potential in China[J]. China population，resources and environment，2014，24（9）： 13-21.]

[9]VOLTESDORTA-A，PERDIGUERO J，JIMENEZ J L. Are car manufacturers on the way to reduce CO2 emissions？： a DEA approach[J]. Energy economics，2013，38（2）： 77-86.

[10]黃金碧，黄贤金.江苏省城市碳排放核算及减排潜力分析[J].生态经济，2012，（1）：49-53. [HUANG Jinbi，HUANG Xianjin. Analysis of urban carbon reducing pressure and potential of Jiangxi Province[J].Ecological economy，2012（1）： 49-53.]

[11]刘晴川，李强，郑旭煦.基于化石能源消耗的重庆市二氧化碳排放峰值预测[J].环境科学学报，2016（3）： 1-20. [LIU Qingchuan，LI Qiang，ZHENG Xuxu. The prediction of carbon dioxide emissions in Chongqing based on fossil fuel combustion[J]. Acta scientiae circumstantiae，2016（3）： 1-20.]

[12]国涓，刘长信，孙平.中国工业部门的碳排放：影响因素及减排潜力[J].资源科学，2011，33（9）： 1630-1640.[GUO Juan，LIU Changxin，SUN Ping. Carbon emissions of industrial sectors in China： influencing factors and emission reduction potential[J]. Resources science，2011，33（9）： 1630-1640.]

[13]吴贤荣，张俊飚，田云，等.基于公平与效率双重视角的中国农业碳减排潜力分析[J].自然资源学报，2015，30（7）： 1172-1182. [WU Xianrong，ZHANG Junbiao，TIAN Yun，et al. Analysis on Chinas agricultural carbon abatement capacity from the perspective of both equity and efficiency[J]. Journal of natural resources，2015，30（7）： 1172-1182.]

[14]何建坤，陈文颖，王仲颖，等.中国减缓气候变化评估[J].科学通报，2016，61（10）： 1055-1062. [HE Jiankun，CHEN Wenying，WANG Zhongying，et al. Climate change mitigation in China[J]. Chinese science bulletin，2016，61（10）： 1055-1062.]

[15]马继珍.石油企业节能减排的关键技术研究[J].中国化工贸易，2015（21）： 157. [MA Jizhen. Study on the key technologies of energy saving and emission reduction in petroleum enterprises[J]. China chemical trade，2015（21）： 157.]