CO2排放峰值问题探究:国别比较、历史经验与研究进展

(1.山西大学 经济与管理学院,山西 太原 030006;2山西绿色发展研究中心,山西 太原 030006)

1 引言

“峰值”即一定时间范围内的最大瞬间值。作为具有重要意义的统计指标,关于峰值的分析出现在社会科学研究的诸多层面,特别是能源和环境污染物等与产出相关的领域[1-3]。自CO2被确认为全球气候变暖的“元凶”后,许多研究者将过量的CO2视为人类活动的“坏产出”[4,5],对它在全球和区域层面何时达到峰值给予了重点关注。CO2排放峰值是指一个经济体CO2的最大年排放值,CO2排放达峰意味着该经济体CO2排放量不再增长,进入一个以小幅波动为特征的平台期,而后将出现明显的持续下降趋势。我国于2014年通过《中美气候变化联合声明》第一次提出“计划2030年左右CO2排放达到峰值”,并于2015年6月将该目标作为向国际社会承诺的国家自主贡献目标(INDC)之一。国家层面CO2排放峰值目标的提出,极大地促升了有关该主题的研究。依照“CNKI学术趋势工具”提供的数据和文献计量学分析,国内理论界对CO2排放峰值的探讨始于2009年左右,在2014年后学术热度大幅跃升(图1)。

本文首先通过对国际能源署(IEA)等机构碳排放数据的分析,比较了世界主要发达国家CO2排放的历史趋势与达峰时间,探讨了率先达峰国家的峰值稳定性情况。在此基础上,结合世界主要经济体的社会经济数据,梳理了CO2排放达峰时各国面临的社会经济条件;重点对国内学术界关于峰值预测方法、我国整体与行业以及重点省域CO2排放峰值预测问题进行了总结与评述。本文旨在通过对CO2排放峰值的国别比较和历史经验分析,“以他山之石、遂己身之玉”,为未来我国整体与区域达峰目标的实现提供历史镜鉴,并借助对当前有关我国CO2排放峰值研究文献的盘点,展望下一步的研究方向。

注:资料来源于CNKI学术趋势http://trend.cnki.net/TrendSearch/.

图1 CO2排放峰值研究的学术趋势

2 CO2排放峰值的国别比较

2.1 世界主要发达国家CO2排放峰值

CO2排放量核算一般涉及能源活动、工业生产过程、农业、土地利用变化和林业、废弃物处理五大部门,其中能源活动部门的化石燃料燃烧排放CO2量一般占区域CO2排放总量的70%以上,且现有数据源相对较丰富,因此本部分的相关比较主要基于化石燃料燃烧后的CO2排放量。从图2可见澳大利亚、日本、比利时、加拿大、西班牙、德国、意大利、英国、美国等9个发达经济体约40年的CO2排放情况。对比发现,大部分欧盟国家于20世纪70—90年代达到CO2排放峰值,而美国、加拿大、日本等发达经济体CO2排放在2008年全球金融危机前后达到峰值。作为全球第一大经济体的美国,CO2排放水平比其他国家量级更高,年排放量一直维持在40亿t以上,其他国家年排放量均在14亿t以下。

总体来看,尽管上述经济体在1971年后都出现了CO2排放峰值年,但峰值年之后CO2排放趋势不尽一致,大致分为三类情形:第一类情形称为“稳定型峰值”,代表性国家有德国、比利时等。这类国家的CO2排放总量在达峰后一直呈下降趋势,无回弹现象,CO2排放趋势符合倒“U”型环境库兹涅茨曲线特征。第二类情形称为“亚稳定型峰值”,代表性国家有美国、加拿大等。这类国家的CO2排放总量在达峰后先下降一段时间后又有回升,但仍未超过原有峰值量。第三类称为“波动型峰值”,代表性国家有日本、澳大利亚、意大利等。这类国家CO2排放都曾在20世纪后半期出现阶段性极大值,曾一度确认为CO2排放已达到峰值,但进入21世纪后又出现CO2排放量超越之前极值量的情况。“波动型峰值”的出现主要与宏观经济不稳定相关,这类国家一般在经济高速上涨后因外力冲击出现了经济衰退(如日本),经济衰退导致能源消耗由递增趋势突变为递减趋势,CO2排放的极值点随即出现,待经济回升后随着能源消耗的进一步增加,CO2排放量随之增多。与之相比,达峰时间出现在1990年以前的欧洲国家往往是工业化过程结束后的“自然达峰”,未受政策导向的明显影响[6]。

图2 1971—2013年英、德、美等9国的CO2排放情况

2.2 发达国家CO2排放达峰时相关指标分析

CO2排放与经济发展方式、发展水平特别是能源消费水平高度相关,本文将主要国家CO2排放达峰时的社会经济指标进行对比,有利于识别CO2排放达峰应具备的社会经济条件。世界主要发达经济体CO2排放达峰时的一些经济指标见表1。

表1 世界主要发达经济体CO2排放达峰相关指标

注:碳排放数据来源于IEA统计报告《CO2Emissions from Fuel Combustion Highlights》和文献[7];能源消费量数据来源于BP统计报告《Statistical Review of World Energy》;GDP采用2010年不变价(美元);人口、产业结构数据来源于世界银行WDI数据库。

通过对表1中各类指标的比较分析发现:①各经济体CO2排放总量的达峰时间一般不早于人均CO2排放总量达到峰值的时间。德国、英国、日本、欧盟等国的CO2排放总量峰值和人均峰值出现在相同年份,加拿大、西班牙等国家总量峰值时间晚于人均峰值时间。出现这种情况主要是由于人均CO2排放达峰后,这些国家的人口继续保持增长,而CO2排放量在未来几年出现下降,后又有回升所致。从图3可见,加拿大、西班牙两国人口一直保持增长,但CO2排放增长量出现下降后分别于2003—2004年、2005—2006年又出现回升,导致人均峰值时间早于总量峰值时间出现的情况。在人口保持增长的情况下,人均CO2排放总量是否平稳或下降,是判断峰值年是否即将到来的直观先行指标。②总量达峰时间一般都先于能源消费达峰时间,意味着这些国家在达峰时经济增长与化石能源消耗实现了“脱钩”,或经济发展所需要的新增能源主要通过不产生CO2排放的可再生能源来满足。③各经济体总量达峰时已处于极高的工业化和城市化水平。根据钱纳里对工业化基本阶段的划分标准,大部分国家达峰时都基本完成了工业化的后期阶段,美国、日本、加拿大、澳大利亚、比利时进入了后工业化社会时期(农业产业比重低于10%,工业比重低于服务业,城镇化率>75%)。同时,根据诺瑟姆城市化三阶段理论,实现CO2排放达峰的国家基本处于城市化后期阶段(城市化率超过70%)。

图3 加拿大、西班牙两国人口与CO2排放指标对比

2.3 基于国际经验值的简要启示与讨论

国际经验值对中国整体达峰的启示:本文对2004—2016年我国CO2排放基本情况与相应社会经济条件进行了统计,见表2。根据世界主要发达国家CO2排放达峰时主要社会经济指标情况分析和得到的相关结论做出简要推断:①我国的CO2排放量在2014年出现了阶段性极大值,但难以得出已实现了峰值的结论。观察我国近年的CO2排放总量数据,发现在2014年我国出现了总量极值点(极值量92.24亿t)。部分国际研究机构(如伦敦政治经济学院格兰瑟姆研究所)做出了中国CO2排放或已达峰的判断。关于我国CO2排放总量是否达峰,还需更多时间观察做进一步的研判,本文倾向于我国CO2排放未达峰。对应前述国际经验值,支撑这一结论的原因主要包括两个方面:一是类比日本、澳大利亚等国家“波动性峰值”的情形,出现阶段性极大值点不一定意味着出现了峰值,我国2014年极值点的出现可能与经济发展进入“新常态”、经济增速下滑、能源消费总量控制引发的化石能源消费增速下降有关。二是我国的城市化水平仍然在快速增长,而城市化被大量文献证明为驱动CO2排量增长的重要因素[8,9],这一因素持续增长意味着碳排放已达峰的结论还为时尚早。②我国已出现了实现峰值目标的倾向,峰值目标将在2030年前出现。判断的依据主要有:一是人均CO2排放在2013年后出现明显下降。根据国际经验,这一关键指标的下降是CO2排放正在接近峰值的最显著信号;二是我国的产业结构已基本接近工业化后期阶段的水平,工业化阶段的完成将在很大程度上促成峰值年的实现;三是进一步从城市化指标看,按照发达经济体达峰时城市化率基本在70%以上的情形估算,我国大约需要10年时间才能达到这一水平。即碳排放峰值目标在“十五五”时期出现,但应早于2030年。③我国整体实现峰值时,人均CO2排放水平将在6t以下,低于发达国家的水平,这为从人均公平角度研究碳排放空间提供了新视角。但按照我国INDC提出的碳强度下降目标,达峰时我国碳强度水平可能在9—10t/万美元之间,这一数据相对发达国家仍偏高,达峰后还需要采取进一步措施以降低碳强度。

表2 2004—2016年中国CO2排放相关情况

(续表2)

年份CO2排放总量(亿t)人均CO2排放量(t)人均CO2排放量增长率(%)能源消费总量(亿tce)人均能源消耗量(tce)碳强度(t/万美元) 城市化率(%)产业结构(%)201081．196．56 9．1736．102．4313．3047．509．546．444．1201188．077．24 10．3838．702．5911．6051．279．446．444．2201289．797．43 2．5340．202．6810．5052．579．445．345．3201392．197．56 1．7841．703．079．6053．709．344．046．7201492．247．54-0．1742．603．128．8054．779．143．147．8201591．656．69-11．3943．003．148．3056．108．840．950．2201691．236．62-1．0343．63．168．1057．358．639．851．6

国际经验值对我国各省市达峰的启示:2016年11月我国印发的《“十三五”控制温室气体排放工作方案》提出,支持优化开发区域和低碳试点省市在2020年前实现碳排放率先达峰。本文据此选择广东省、江苏省、北京市、天津市等10个省市观察其近十年来人均CO2排放情况(图4),通过该指标简单研判这些省市的达峰时间。各省市人均CO2排放数据由本研究根据《中国省级温室气体清单编制指南》提供的方法计算得出。

图4 2005—2015年我国部分优化开发区域、低碳试点省份人均CO2排放变化情况

从图4可知,2005—2015年海南省、江苏省、浙江省、山东省人均CO2排放仍呈持续增加趋势;广东省人均CO2排放虽呈现上升趋势,但上升速度逐年降低;北京、上海等其他5个省市的人均CO2排放则均趋于平缓或进入下降阶段。北京市从2007年起人均CO2即呈现缓慢下降趋势;上海市人均CO2排放基本围绕11t/人左右的水平窄幅波动,进入一个平台期;湖北省、河北省人均CO2排放在2013年之后呈现下降趋势;天津市人均CO2排放在2014年后呈现下降趋势。根据前述国际经验可推测出,北京市、上海市、天津市、河北省、湖北省等5省市CO2排放有率先达峰的可能性,在一定程度上加快了我国实现CO2排放峰值目标的步伐。

3 关于中国CO2排放峰值研究的评述

3.1 主要预测方法简述

学术界基于“自上而下”或“自下而上”的框架结构,探索了多种CO2排放峰值预测方法,见表3。通过盘点发现,理论界已开发出了多种方法体系用于预测CO2排放峰值,为各区域尽早实现CO2排放峰值提供了方法支撑。此外,尽管各方法体系建立的理论基础和构建思路存在一定差异,但最终都落脚在CO2排放的影响因素上,可谓“殊途同归”。更为本质的差距在于对CO2排放主要影响因素的选择不同、情景设置中关键参数的设置不同。

3.2 以国家及行业层面为主体的研究评述

理论界对我国CO2排放峰值的研究大致以2014年国家明确达峰目标这一历史事件为分界点,分成两个阶段。第一个阶段是在达峰目标明确之前,主要根据我国的工业化、城市化发展进程和《京都议定书》中提到的控制全球气候温升变化等要求来探讨何时能达到拐点,代表性研究成果见表4。第二阶段是在明确达峰目标之后,研究者的关注重心发生明显转变,更多研究力量投入到研判我国能否尽早实现、如何尽早实现、以何种水平实现、实现的社会经济影响和系统风险等问题。在这一阶段关于行业峰值的预测和分析增多(表5)。

表3 CO2排放峰值主要预测方法盘点

(续表3)

预测方法代表性文献方法简要描述LEAP吴尧萍(2013年)常征(2014年)杨顺顺(2017年)LEAP模型通过预测不同情景下各部门(终端消费、能源加工转换、资源开采、非用能部门等)的能源需求量，结合碳排放因子对CO2排放峰值进行预测排放清单法Wang(2015年)苏(2015年)Xu(2016年)排放清单法是根据CO2排放量为各种能源品种的消耗量与其对应CO2排放因子之积的加总，对能源结构、技术、政策等影响能源品种消耗量的因子进行情景设置，预测不同情境下的CO2排放量及峰值。排放清单法灵活性较强，有多种变形IPAC姜克隽(2009年)IPAC模型是基于与未来碳排放密切相关的经济发展、人口、城市化、行业发展、气候变化政策、技术等主要因素，借助情景分析，设置情景参数，对能源需求和CO2排放趋势进行分析和预测Moon-Sonn(最优经济增长模型)朱永彬(2009年)王铮(2010年)蒋伟(2013年)Moon-Sonn模型是根据经济最优增长率函数，设置参数计算未来经济平稳增长路径下的经济增长率，对GDP、能源消费量进行估计，再通过预测未来时间段的能源结构和产业结构，对CO2排放量进行预测MARKAL-MACRO周伟(2010年)MARKAL-MACRO模型主要是基于其效用函数，从人口、宏观经济、能源效率、能源结构等子系统设定不同的情景方案，探究能源消费和CO2排放的情况，预测CO2排放峰值IAMC柴麒敏(2015年)IAMC模型是基于经济发展速度、结构和技术变化及其背后的政策目标等进行情景设计，并把峰值年预测值作为情景参数，预测不同峰值年下CO2排放的峰值，并对CO2排放路径进行探讨系统动力学模型佟贺丰(2010年)苑清敏(2016年)Li(2017年)系统动力学模型通过建立碳排放系统动力学流程图，分析CO2排放的影响因素，根据历史数据确定模型参数，在对影响因素设置情景的基础上对CO2排放情况进行模拟分析。该模型可拓展到水泥、原铝等行业，用于行业CO2排放预测投入—产出模型薛勇(2011年)冯宗宪(2016年)投入—产出模型主要是结合结构分解法(SDA)，对CO2排放的影响因素进行分析，并在分析关键影响因素的基础上，借助情景分析方法对CO2排放峰值进行预测IESOCEM(跨期能源系统优化和碳排放模型)毕超(2015年)IESOCEM模型通过分析经济社会指标(GDP、产业结构、人口和城市化等)与能源服务需求量之间的历史规律和数量关系，对跨期分类能源服务需求进行预测，并结合经济成本、技术效率以及能源政策和规划要求对经济技术参数、CO2排放系数进行设置，对能源消费量、构成、CO2排放趋势和峰值进行预测C-GEMZhang(2016年)C-GEM模型是根据碳价、燃料税、新能源发展和补贴等能源政策的力度进行情景设置，对能源消费和CO2排放情况进行预测和分析MERGEBlanford，2008年MERGE模型主要通过预测人口、GDP、劳动生产率等经济发展因素和能源强度，对能源消费量进行预测，并根据碳价差异设置不同情景，探究全球各国CO2排放情况与达峰时间GCAMZhou(2018年)GCAM模型通过对人口、GDP增长、能源效率、服务需求等因素进行预测，同时考虑能源技术的经济成本、市场偏好性等，设置不同情景，预测能源消费量和CO2排放量。该模型灵活性较强，可用于各行业的CO2排放预测，且模型数据易获得

表4 第一阶段代表性研究成果

表5 第二阶段代表性研究成果

3.3 以我国省市为主体的研究评述

另有一些学者对我国部分省市的达峰时间做了预测,各省区经济总量、技术情况、能源消耗情况、人口、城镇化率、减排力度等主要影响因素差异较大,导致各省区峰值预测的时间具有差异性,见表6。由表6可见,2014年前的相关主题研究都认为研究的省份在2030年后才会达到峰值,这一时间在2014年后的相关主题中明显提前。从区域差异看,研究者多认为北京、天津、浙江等东部省份的达峰时间在2030年前,而中西部省份峰值的出现时间更晚。因此,要实现2030年我国整体CO2达峰的目标,2020年后中西部省份减排是重中之重。

表6 理论界对中国部分省市的峰值预测研究

4 结论与展望

4.1 结论

我国CO2排放峰值问题作为2014年《中美气候变化联合声明》的核心内容,受到了理论界与政策界的密切关注。本文首先比较了世界主要发达国家CO2排放的历史趋势、达峰时间、达峰时各国的社会经济状况,探讨了国际CO2排放达峰经验对我国整体及省市CO2排放达峰的可能启示。研究发现:根据峰值稳定性状况的差异,世界主要发达国家CO2排放峰值可分为稳定型峰值、亚稳定型峰值和波动型峰值三种。我国在2014年出现了CO2排放极大值点,但并不意味着已达到了峰值;人均CO2排放是否出现平稳或下降趋势、工业化和城市化是否达到极高水平,可作为判断峰值年是否即将到来的直观指标。据此研判,我国整体以及北京、上海、天津等省市已出现了接近实现峰值的倾向,我国CO2排放峰值将在2030年前出现;我国达到峰值时,人均CO2排放低于发达国家达峰时的水平、碳强度高于发达国家达峰时水平,达峰后仍需要注重以技术进步和结构优化为导向的减排努力。此外,本研究系统梳理了理论界关于我国CO2排放峰值预测主要方法、研究侧重点和省域差异方面的相关研究成果。梳理发现:理论界针对CO2排放峰值已开发了包括IPAT、LEAP、系统动力学、CGE等在内的至少16种预测方法,这些方法遵从“自上而下”或“自下而上”或两者结合的方法框架,为CO2排放峰值预测提供了丰富的方法论指导,对CO2排放影响因素的不同理解和对应情景设置的不同构成了这些方法的主要差异;理论界关于我国CO2排放峰值的研究大致以2014年国家明确达峰目标这一历史事件分成两个阶段:第一阶段主要根据我国的工业化、城市化发展进程等来探讨峰值时间;第二阶段研究者的重心转变到研判我国2030年达峰目标的实现路径、社会经济影响等方面,同时关于行业峰值的预测和分析增多;基于不同省份的实证预测研究发现,CO2排放峰值表现出明显的区域差异,多认为北京、天津、浙江等东部省份的达峰时间在2030年前,而中西部省份峰值的出现时间更晚。

4.2 未来研究展望

目前有研究在以下三个方面还有待加强:①根据政策变化重新进行情景设置和参数设定。现有研究通过人口、GDP、产业结构、能源结构、技术等社会经济指标和相关的政策规划进行情景设置,对这些因素的设置在很大程度上影响着峰值年出现时间的判断。我国政策层面加大了对生态文明、绿色发展和美丽中国建设目标的重视力度,重大改革或政策调整经常发生,需要及时跟踪并针对性地进行参数调整。如放开“二胎”政策、碳市场启动等重大政策安排,从根本上改变了峰值的实现时间,现有文献对这些因素的考虑明显滞后。②进一步加强针对不同区域和细分行业的达峰研究。排放结构不平衡是我国在应对气候变化领域的基本特征,但现有研究多集中于我国整体和部分省份CO2排放峰值的预测,对一些特定区域层面的研究较少,尤其是关于城市、西部省份和资源型省份达峰的研究更少。此外,对交通、建筑、钢铁、水泥、电力、煤炭等重点行业达峰的研究也较少。③重视对同一区域采用不同的方法进行比较研究。CO2排放峰值预测方法较多,不同方法的构造思路存在较大差异,而现有文献多利用一种方法对区域CO2排放峰值进行预测,应强化对同一区域不同峰值预测方法的综合比较研究和不确定性分析。

:

[1]黎斌林,申维.基于多循环Hubbert模型对全球石油峰值的预测[J].中国矿业,2014,23(1)∶40-43,61.

[2]Istoni L S,Patricia R R,Francisco T R.Modeling Oil Production and Its Peak by Means of A Stochastic Diffusion Process Based on The Hubbert Curve[J].Energy,2017,133(5)∶455-470.

[3]Wang Q,Li R R.Decline in China′s Coal Consumption：An Evidence of Peak Coal or A Temporary Blip[J].Energy Policy,2017,108(6)∶696-701.

[4]汪克亮,杨宝臣,杨力.考虑环境效应的中国省际全要素能源效率研究[J].管理科学,2010,23(6)∶100-111.

[5]吴建新, 黄蒙蒙. 中国城市经济的绿色转型：基于环境效率和环境全要素生产率的分析[J].产经评论,2016,7(6)∶98-115.

[6]柴麒敏,徐华清.基于IAMC模型的中国碳排放峰值目标实现路径研究[J].中国人口·资源与环境,2015,25(6)∶37-46.

[7]何建坤.CO2排放峰值分析：中国的减排目标与对策[J].中国人口·资源与环境,2013,23(12)∶1-9.

[8]林伯强,刘希颖.中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究,2010,45(8)∶66-78.

[9]周葵,戴小文.中国城市化进程与碳排放量关系的实证研究[J].中国人口·资源与环境,2013,23(4)∶41-48.

[10]杨秀,付琳,丁丁.区域碳排放峰值测算若干问题思考：以北京市为例[J].中国人口·资源与环境,2015,25(10)∶39-44.

[11] 林伯强,蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界,2009,4(4)∶27-36.

[12] 赵忠秀,王苒,Hinrich V,等.基于经典环境库兹涅茨模型的中国碳排放拐点预测[J].财贸经济,2013,(10)∶81-88,48.

[13]杜强,陈乔,陆宁.基于改进IPAT模型的中国未来碳排放预测[J].环境科学学报,2012,32(9)∶2294-2302.

[14]朱宇恩,李丽芬,贺思思,等.基于IPAT模型和情景分析法的山西省碳排放峰值年预测[J].资源科学,2016,38(12)∶2316-2325.

[15]Li F F,Xu Z,Ma H.Can China Achieve Its CO2Emissions Peak by 2030[J].Ecological Indicators,2018,84(8)∶337-344.

[16]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.

[17]王宪恩,王泳璇,段海燕.区域能源消费碳排放峰值预测及可控性研究[J].中国人口·资源与环境,2014,24(8)∶9-16.

[18]王勇,毕莹,王恩东.中国工业碳排放达峰的情景预测与减排潜力评估[J].中国人口·资源与环境,2017,27(10)∶131-140.

[19]吴尧萍,王远,林晓梅,等.江苏省能源需求预测及二氧化碳减排研究[J].长江流域资源与环境,2013,22(7)∶908-914.

[20]常征,潘克西.基于LEAP模型的上海长期能源消耗及碳排放分析[J].当代财经,2014,(1)∶98-106.

[21]杨顺顺.基于LEAP模型的长江经济带分区域碳排放核算及情景分析[J].生态经济,2017,33(9)∶26-30.

[22]Wang Z X,Zhang J J,Pan L,etal.Estimate of China′s Energy Carbon Emissions Peak and Analysis on Electric Power Carbon Emissions[J].Science Direct,2014,5(4)∶181-188.

,赵锦洋,胡建信.中国电力行业1990—2050年温室气体排放研究[J].气候变化研究进展,2015,11(5)∶353-362.

[24]Xu J H,Yi B W,Fan Y.A Bottom-up Optimization Model for Long-term CO2Emissions Reduction Pathway in The Cement Industry：A Case Study of China[J].International Journal of Greenhouse Gas Control,2016,44(11)∶199-216.

[25]姜克隽,胡秀莲,刘强,等.2050低碳经济情景预测[J].环境保护,2009,(24)∶28-30.

[26]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.

[27]王铮,翟石艳,马晓哲.河南省能源消费碳排放的历史特征及趋势预测[J].地域研究与开发,2010,29(6)∶69-74.

[28]蒋伟,汪卓妮,苏方林.贵州省能源消费及碳排放高峰模拟预测[J].贵州农业科学,2013,41(4)∶151-155,160.

[29]周伟,米红.中国碳排放：国际比较与减排战略[J].资源科学,2010,32(8)∶1570-1577.

[30]Chen W Y.The Costs of Mitigating Carbon Emissions in China：Findings from China MARKAL-MACRO Modeling[J].Energy Policy,2005,33(7)∶885-896.

[31]佟贺丰,崔源声,屈慰双,等.基于系统动力学的我国水泥行业CO2排放情景分析[J].中国软科学,2010,(3)∶40-50.

[32]苑清敏,刘琪,刘俊.基于系统动力学的城市碳排放及减排潜力分析——以天津市为例[J].安全与环境学报,2016,16(6)∶256-261.

[33]Li Q,Zhang W J,Li H Q,etal.CO2Emission Trends of China′s Primary Aluminum Industry：A Scenario Analysis Using System Dynamics Model[J].Energy Policy,2017,105(2)∶225-235.

[34]薛勇,郭菊娥,孟磊.中国CO2排放的影响因素分解与预测[J].中国人口·资源与环境,2011,21(5)∶106-112.

[35]冯宗宪,王安静.陕西省碳排放因素分解与碳峰值预测研究[J].西南民族大学学报(人文社科版),2016,37(8)∶112-119.

[36]毕超.中国能源CO2排放峰值方案及政策建议[J].中国人口·资源与环境,2015,25(5)∶20-27.

[37]Zhang X L,Karplus V J,Qi T Y,etal.Carbon Emissions in China：How Far Can New Efforts Bend The Curve[J].Energy Economics,2016,54(12)∶388-395.

[38]Blanford G J,Richels R G,Rutherford T F.Revised Emissions Growth Projections for China：Why Post Kyoto Climate Policy Must Look East[J].Discussion paper 2008-06,Cambridge,Mass,USA：Harvard Project on International Climate Agreements,2008,(3)∶1-32.

[39]Zhou S,Wang Y,Yuan Z Y,etal.Peak Energy Consumption and CO2Emissions in China′s Industrial Sector[J].Energy Strategy Reviews,2018,20(2)∶113-123.

[40]岳超,王少鹏,朱江玲,等.2050年中国碳排放量的情景预测——碳排放与社会发展Ⅳ[J].北京大学学报(自然科学版),2010,46(4)∶517-524.

[41]纪建悦,姜兴坤.我国建筑业碳排放预测研究[J].中国海洋大学学报(社会科学版),2012,(1)∶53-57.

[42]Tian Y H,Zhu Q H,Geng Y.An Analysis of Energy-related Greenhouse Gas Emissions in The Chinese Iron and Steel Industry[J].Energy Policy,2013,56(12)∶352-361.

[43]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)∶13-20.

[44]Wang Z,Zhu Y S,Zhu Y B,etal.Energy Structure Change and Carbon Emission Trends in China[J].Energy,2016,115(8)∶369-377.

[45]邵帅,张曦,赵兴荣.中国制造业碳排放的经验分解与达峰路径——广义迪氏指数分解和动态情景分析[J].中国工业经济,2017,(3)∶44-63.

[46]Meng M,Jing K Q,Mander S.Scenario Analysis of CO2Emissions from China′s Electric Power Industry[J].Journal of Cleaner Production,2016,142(10)∶3101-3108.

[47]黄蕊,朱永彬,王铮.上海市能源消费趋势和碳排放高峰估计[J].上海经济研究,2010,(10)∶81-90.

[48]刘晓,熊文,朱永彬,等.经济平稳增长下的湖南省能源消费量及碳排放量预测[J].热带地理,2011,31(3)∶310-315.

[49]翟石艳,王铮,马晓哲,等.区域碳排放量的计算——以广东省为例[J].应用生态学报,2011,22(6)∶1543-1551.

[50]席细平,谢运生,王贺礼,等.基于IPAT模型的江西省碳排放峰值预测研究[J].江西科学,2014,32(6)∶768-772.

[51]黄蕊,王铮,丁冠群,等.基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测[J].地理研究,2016,35(4)∶781-789.

[52]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,2017,37(4)∶1582-1593.

[53]陈丽君,吴红梅,范玲,等.浙江省碳排放峰值判断及其对策研究[J].中国能源,2017,39(4)∶43-47.

[54]IEA.CO2Emissions from Fuel Combustion[R].Paris：IEA Statistics,2015∶1-138．

[55]IPCC.Climate Change 2013：The Physical Science Basis[M].Cambridge：Cambridge University Press,2014∶4-6.

[56]BP.Statistical Review of World Energy June 2015[R].London,2015∶1-44.