中国工业部门碳排放峰值预测及减排潜力研究

袁晓玲，郗继宏，李朝鹏，张武林

(1.西安交通大学 a.经济与金融学院；b.陕西省经济高质量发展软科学研究基地，陕西 西安 710061；2.南京信息工程大学 商学院，江苏 南京 210044)

一、引 言

世界气象组织(WMO)发布的《温室气体报告》指出，2018年全球大气CO2平均浓度为407.8%(PPM)，这是数百万年来未见的新纪录，缓解气候变暖影响的机会之窗正在迅速关闭。工业革命以来，人类生产生活的温室气体排放已导致全球升温1.5℃，仅本世纪全球就已升温了1.3℃。2019年联合国气候峰会指出，如果全球气候变暖以目前速度持续下去，这将对国际和平与安全构成毁灭性的威胁，控制温室气体排放与应对气候变暖已成为摆在全人类与世界各国政府面前不可回避的重要议题！然而，2019年国际能源署发布的《全球能源和二氧化碳状况报告》却指出，由于受到能源需求上升影响，2019年全球能源相关碳排放量增长了1.7%(约5.6亿吨)，总量达到了331亿吨历史最高水平，若照此长久以往发展下去，世界各国不但远不能满足《巴黎协定》提出将气候变化控制在1.5℃目标，甚至2℃目标也将岌岌可危！

虽然国际社会一直以来都对中国的温室气体排放有所高估，但中国一直以来积极承担应对气候变化职责，早在2002年就签署了《京都议定书》；2009年哥本哈根气候变化大会中，中国向全世界承诺2020年碳排放强度将比2005年下降40%～45%；2015年，巴黎气候变化大会中，中国再次向全世界承诺2030年碳排放强度在比2005年下降60%～65%的基础上还要实现碳排放达峰并努力早日达峰[1]；2017年，国家发改委宣布正式成立全国碳市场，首批纳入2 400多家供热、发电企业，覆盖了近35亿吨碳排放，占到全国碳排放总量的39%，并计划于2020年正式启动交易，届时中国碳市场规模将是最为成熟的欧盟碳市场的两倍[2-3]。此外，近年来中国经济由高速增长向高质量增长转变，经济发展模式转变对碳排放达峰目标的实现既带来了机遇又带来了挑战，而工业部门碳排放又占到了全国碳排放总量的70%以上，因而达峰目标实现的关键在于工业部门碳排放的有效控制。高质量发展背景下，通过对未来可能情景下工业部门整体和分部门碳排放量预测，进而未雨绸缪地制定各类措施，这不但有助于政府治理体系与治理能力现代化，还将促进中国社会经济的的高质量发展。

二、文献综述

作为全球温室气体排放量最大的国家，中国的碳排放问题一直是国内外学者研究的热点与焦点问题，特别是自中国政府提出2030年碳排放达峰目标之后，学术界围绕中国碳排放的影响因素、峰值预测、实现路径及其社会经济影响展开了大量研究，且大多数学者都认为中国可在2030年前实现达峰，但就达峰的最佳时间及其社会经济影响还存在较大争议。

针对中国碳排放影响因素，当前国内外学者多采用普通面板或空间面板回归模型来对碳排放影响因素进行分析，研究变量主要包括经济发展、产业结构和城镇化等。如韩晶等基于DEA-Malmquist指数分解了中国工业碳排放影响因素发现，经济发展、对外开放和要素禀赋对碳排放具有正向冲击，能源和产业结构对碳排放的影响并不稳定，不同影响因素的作用效果在东、中、西部之间存在显著差异[4]。从碳强度影响因素来看，孙欣和张可蒙研究发现，能源结构、人均生产总值和产业结构对中国碳排放强度具有依次递减的正向影响，经济发展和技术创新水平越高的地区会通过促进产业结构升级来降低碳强度，但产业与技术的升级却可能产生能源反弹效应增加碳排放[5]。此外，还有学者对碳排放的影响机制进行了研究，如张腾飞等研究发现虽然城镇化对碳排放存在正向影响，但城镇化会通过人力资本积累和清洁生产技术推广来抑制这种不利影响[6]。

发达国家人均碳排放峰值的出现基本是在完成工业化阶段之后，碳排放强度一般率先达峰，总量达峰一般滞后于人均达峰但早于能源消费量达峰，工业部门碳排放达峰早于全国碳排放达峰。针对中国碳排放峰值预测的研究中，大部分学者均认为中国碳排放可以实现2030年达峰，但在达峰量上略有区别。如Zhang和Elzen等都认为中国2030年可以实现碳排放达峰，但峰值却分别为100亿吨和113亿～118亿吨[7-8]。也有学者认为通过技术或产业升级可以促使碳排放峰值提前来临。如Yuan等在模拟了中国人口、产业和能源消费的不同情景后发现，碳排放峰值能在2025—2030年实现，其峰值约为92亿～94亿吨[9]。当然，也有学者认为中国虽然能够在2030年实现达峰但这却是以经济增速下降作为代价的，因而达峰最佳时间应在2030年之后。如渠慎宁和郭朝先发现若经济增速较高而碳强度下降速度较低，中国将不能在2050年内实现碳排放达峰。若碳强度降低速度相比经济增速快则会推动排放提早达峰，因而达峰最佳时间应为2020—2045年间[10]。

此外，还有学者对不同地区和行业的碳排放达峰时间和大小进行了研究[11]。其中，在地区层面，陈志建等认为在“十三五”时期碳强度下降速率情景下，江苏暂时不会出现峰值，安徽和江西在2040年后出现峰值，四川、重庆、贵州在2031年左右达峰，而云南将在2023年就率先达峰[12]。在行业层面，郭朝先研究发现中国工业行业碳排放将于2030年达到73.7亿吨峰值，考虑到工业碳排放达峰对于中国整体碳排放的影响，中国不宜承诺2030年前实现全国碳排放达峰[13]。

综上所述，当前学术界针对中国碳排放影响因素、达峰时间和峰值大小已进行了大量研究，虽然大部分学者认为中国碳排放可以在2030年前达峰，但就这一达峰时间的科学性与可行性尚存在较大争议。部分学者认为通过合理的节能减排措施在不降低经济发展的前提下可以促使碳排放达峰提前，但也有学者认为当前社会经济发展形势下2030年达峰是以经济增长降速作为代价的，合理的达峰时间应相对推后。同时，大多数学者都只关注到了中国整体碳排放达峰时间，却很少关注到工业部门整体和细分行业部门的达峰时间，而工业部门碳排放达峰是中国碳排放达峰的重要前提，细分行业碳排放达峰又是工业行业碳排放达峰的前提。通过对工业部门整体和细分行业碳排放峰值的预测，不但能够更有针对性地提出促进达峰的措施从而避免节能减排政策的“大水漫灌”，还能在国际社会中赢得更多的主动权和话语权。因此，针对以往研究不足，本文将在STIRPAT模型基础上来对中国工业部门和细分行业在不同情景下的碳排放峰值进行预测，并就不同行业部门的减排潜力进行分析，以期对促进工业部门碳排放达峰提出具有针对性的政策建议。本文的边际贡献包括三个方面：首先，验证了中国工业部门整体和8大细分行业，在低碳、基准和高能耗三种情境下2030年达峰的可能性与峰值大小；其次，对三种情景下中国工业部门整体和8大细分行业碳排放达峰的关系进行了讨论，这为不同情景下促进工业部门整体达峰提供了保证；再次，基于三种情景下8大细分行业碳排放达峰量的大小，进一步讨论了不同行业的碳减排潜力和增排风险，这为制定具有针对性的行业碳减排政策提供了重要依据。

三、模型构建、变量与数据选取

(一)工业行业分类

中国碳排放峰值取决于能源活动的碳排放峰值，而能源活动的碳排放峰值又取决于工业生产。虽然中国已经提出了整体性的碳排放达峰目标，但针对工业碳排放达峰却并未提出明确的目标，因而也就更未提及工业细分行业的达峰时间，但这却是促进中国整体碳排放达峰的重要前提。因此，本文将针对中国整体工业及其细分行业碳排放达峰的时间和峰值大小来进行研究。

《中国国民经济行业分类》(GB/T4754-2011)将工业行业分为采掘业、制造业和电力、热力及水生产和供应业等3大类，这其中又包括了41个子行业分类。参考以往研究分类方法和本文研究需要，剔除开采辅助活动、其他采矿业、其他制造业、废弃资源综合利用业、金属制品机械和设备修理业，将剩余36个子行业归纳成为了8大细分行业，这包括采掘业、轻工业、纺织业、石油业、化工业、钢铁业、机电业和电力行业。其中，钢铁业是第一碳排放大户，电力行业则是煤炭消耗主力，化工业是碳排放量增长最快的工业部门，其他行业碳排放量则相对较为均衡。工业8大细分行业的具体分类如表1所示。

表1 工业8大细分行业归纳分类

(二)理论模型构建与变量选取

碳排放预测的主要方法包括多元回归和情景模拟。其中，多元回归主要是通过构建多元回归方程来展现经济、社会和技术等因素对碳排放的影响来进行预测，常用模型包括EKC曲线模型、STIRPAT模型和灰色预测法等；情景模拟则是基于历史与现状分析，对未来经济社会发展进行预判，通过将不同的预期参数代入模型来实现对碳排放的预测[14]。

IPAT恒等式是一个经典的环境压力分解模型，该模型将环境压力(I)分解为了人口数量(P)、经济发展(A)和技术进步(T)的乘积，其数学表达式为：I=P×A×T。经过York的完善，在经典IPAT模型基础上发展起来的STIRPAT模型已被广泛应用到各类污染排放预测方面的研究。该模型的主要优势在于既允许将各变量系数作为参数进行估计，也允许对各变量进行适当的分解与改进。本文选取STIRPAT模型对中国工业整体以及8大细分行业峰值进行预测研究，其基本表达形式为：

(1)

其中，I代表环境质量，通常根据研究问题的不同来选择合适的指标。α代表常数项。P代表人口因素，这包括人口规模与人口密度。A代表经济发展水平，通常用GDP总量或人均GDP代替。T代表技术水平，通常使用专利数量或研发投入来表征。e为误差项。对式(1)左右两边同时取对数后得到表达式为：

lnIit=α+blnPit+clnAit+dlnTit+eit

(2)

结合STIRPAT模型和以往碳排放影响因素的研究，工业碳排放的驱动因素主要包括人口、经济、产业、能源消耗和技术等。在对中国工业部门整体碳排放峰值预测时，选取了工业总产值、人均国内生产总值平方、年末总人口、工业能源消耗效率、工业能源消耗总量、工业煤炭消耗总量等6个变量；在对工业内部8大细分行业碳排放峰值预测时，选取了分行业生产总值、人均国内生产总值平方、年末总人口、分行业能源消耗总量、分行业煤炭消耗总量、分行业能源消耗效率等6个变量。各变量时间范围为1999—2016年，数据来源为国泰安数据库以及《中国统计年鉴》《中国工业统计年鉴》和《中国能源统计年鉴》。变量具体说明如表2所示。

表2 变量说明

(三)碳排放量计算

碳排放峰值预测是基于历史数据来对未来排放进行模拟。为计算中国工业部门整体和8大细分行业碳排放量，本文采用各行业的终端能源消费标准量来计算相应碳排放量。能源消耗碳排放可分为直接和间接排放等两大类，直接排放是指煤炭(Coal)、焦炭(Coke)、原油(Crude)、汽油(Petrol)、煤油(Kerosene)、柴油(Diesel)、燃料油(Fuel-oil)以及天然气(Gas)等8类一次化石能源燃烧所产生的碳排放，间接排放是电力消耗(Electricity)。中国工业部门整体和8大细分行业的产碳工艺和方式虽然存在差异，但基本都是在能源消耗过程中产生了碳排放。目前，国内外相关研究也主要是通过不同能源消耗的碳排放系数来反映不同能源的产碳能力，但却无法更为准确地将不同行业的工艺水平也考虑在内。然而，相较于庞大的能源消耗基数，产碳工艺水平差异对碳排放总量计算的影响几乎可以忽略不计。8类一次化石能源的折标煤和碳排放系数来自《IPCC国家温室气体清单指南(2006)》，电力消耗的折标煤和碳排放系数来源于李新运等的计算[15]。具体系数值见表3所列。

表3 各能源消耗的碳排放与折标煤系数

根据各能源消耗的折标煤和碳排放系数以及中国工业部门整体和8大细分行业1999—2016年的能源消耗，本文计算了各行业、各年份的具体碳排放量。计算公式为：

(3)

其中，CO2代表碳排放量，i和t分别代表各细分行业和各年份，44/12表示二氧化碳中碳元素的质量分数。

四、碳排放峰值预测情景设定与岭回归

(一)变量取值范围确定

1.中国社会经济发展概述

(1)经济发展。改革开放40年以来，中国经济发展水平飞速提升，一跃成为全球第二大经济体。然而，随着近年来国际形势的波谲云诡，中国经济也从高速增长向高质量增长阶段转变。2020年初新冠肺炎又席卷全球，这对中国经济增长和产业结构转型升级也带来了巨大的机遇和挑战。2020年前，中国经济还能保持6%以上的增长速度，但在未来相当长一段时间内中国经济将面临总需求低迷、部分行业产能过剩和“新基建”投资的三重冲击，除2021年经济增速会相对有所提升外，根据国家统计局和有关学者的预测，未来中国经济增速基本会在5%～7%之间。

(2)人口规模。自1982年计划生育政策成为基本国策以来，中国实行了严格的人口生育管控制度，这在一定程度上降低了中国人口规模的增长速度，但也带来了人口出生率低与老龄化并存的问题。即使中国现已全面放开二孩政策，但人口出生率仍将长期处于低迷阶段。2017年末，中国人口规模为13.9亿人，出生人口为1 723万人，比2016年减少了63万人，人口出生率为12.43‰，相较于2016年下降了0.52‰，人口自然增长率为5.32‰，相较于卫计委预测的最低值还下降了约200万。根据联合国人口司、国家统计局以及《中国人口老龄化趋势预测研究报告》预测，中国人口将于2030年左右达峰后出现负增长。

(3)能源消耗。根据国务院《“十三五”控制温室气体排放工作方案》，到2020年中国能源消费总量将控制在50亿吨标准煤以内，非化石能源比重达到15%，天然气消耗比重提高到10%，煤炭消费总量控制在42亿吨左右。中国是煤炭消耗大国，虽然近年来煤炭消耗总量有下降趋势，但占能源消耗总量的比例仍在60%以上。2016年中国全年能源消费总量为43.6亿吨标准煤，同比上年增长了1.4%。煤炭消耗量占比62%，同比上年下降了4.7%。因此，未来相当长一段时间内中国能源消耗总量仍将上升但煤炭消耗占比却会持续下降。

(4)能耗效率。产业与能耗结构调整以及技术创新是中国碳排放达峰的三条主要路径。当前，虽然中国已处于后工业化阶段，但区域经济发展差异大导致高能耗、高污染产业仍将是中西部地区的支柱型产业。同时，虽然中国煤炭消耗占比已呈现下降趋势，但短期内煤炭在中国能耗结构中的地位仍将难以改变。因此，中国碳排放达峰需要依靠能耗效率的提升来驱动，未来中国工业部门整体以及各细分行业的能耗效率将呈现逐年提升趋势。

2.变量涨跌幅确定

对中国工业部门整体以及8大细分行业的碳排放峰值预测，需要在考虑碳排放驱动因素的基础上对未来发展情景进行设定。参考以往研究，本文构建了基准、低碳转型和高能耗三种情景对中国工业部门整体和8大细分行业碳排放峰值进行预测。

根据上文对国家宏观政策与各变量2008—2016年历史值的分析，本文对Pgdp、Pop、Ienergy、Icoal、Ieff等5个变量的涨跌幅进行设定。其中，对Pgdp和Pop等两个变量参考历史涨跌幅和相关研究预测来进行设定；对Ienergy、Icoal、Ieff等三个变量参照历史涨跌幅和本文预期来设定涨跌幅。各变量的最大、中位和最小涨跌幅结果见表4。

表4 变量涨跌幅设定

(二)情景设定

1.基准情景

参考王勇等的情景设定，基准情景主要是参考了“十三五”期间的社会发展和节能减排政策来进行设定，以反映未来中国社会经济发展平稳运行状况[16]。该情景下，经济增速为中位值，“十四五”和“十五五”阶段经济增速按照1%～1.5%速率下降[17]；在人口规模方面，考虑到目前中国面临人口老龄化与全面放开二孩两种情景，学术界更倾向于未来中国人口可能在2030年左右达峰，因此本文假设未来中国人口增长率为中位值且逐年下降，在2030年人口增长率将下降为0；针对能源和煤炭消耗，由于中国面临严峻的减排压力，因此本文依据能源消耗的历史变化状况来对工业部门整体和8大细分行业，按照中位置偏下增幅来取值；在能耗效率方面，考虑到当前以及未来相当长一段时间内中国碳减排主要依靠能耗效率提升来驱动，因而基准情景能耗效率取值为中位值偏上。

2.低碳情景

当前中国经济发展距离低碳模式尚有较大差距，因此本文加强了中国低碳政策的调控力度，在基准情景基础上对人口规模、经济发展、能源消耗和能耗效率取值更趋于低碳模式。该模式下，经济发展虽然还是主要目标，但更加强调通过节能与技术创新来实现减排目标，这在一定程度上会降低经济增速。因此，本文假定未来中国经济增速处于低位值，略低于基准情景且每五年下降1%～1.5%；在人口规模方面，同样考虑到中国人口规模将在2030年达峰的假设，本文假定未来中国总体人口规模处于低速增长，人口增长速率为0.3%，且在2030年前达峰；在能源消耗量与效率方面，考虑到低碳发展模式下能源消耗总量和煤炭消耗将会受到极大限制，因此本文假定能源消耗量以低速增长而煤炭消耗则呈现负增长，能源消耗效率以最大值提升。同时，该情景也能反映新冠肺炎疫情冲击之下，中国经济虽以低速增长，但却淘汰了部分落后产能，能源消耗总量增速下降、结构优化且效率得到提升。

3.高能耗情景

虽然中国承诺将于2030年左右碳排放达峰，但当前国际形势波谲云诡，美国总统特朗普上任伊始就废除了《清洁发展法案》并退出《巴黎协定》，发动贸易战对中国经济进行制裁。2020年初，新冠肺炎又对全球经济造成了巨大冲击，中国出台了包括新基建在内的一系列政策以刺激经济增长，但这极易导致经济发展陷入滞胀危机，而人口也面临着青壮年劳动力不足与老龄化显现的风险。因此，本文设置了高能耗情景来模拟诸如新冠肺炎冲击风险下，中国为保证经济增长而放宽产业与能源转型约束。即中国经济增长速度处于从中位向低位过渡阶段，人口规模在2030年前达峰，能源消耗处于高位置，而能耗效率提升则处于低位值。

根据本文的情景和变量涨跌幅设定，基准、低碳和高能耗情景下的变量取值设定如表5所示。

表5 碳排放达峰情景变量设定

(三)岭回归

为消除变量间的多重共线性，本文使用岭回归法进行情景模拟。岭回归法可以通过在自变量标准化矩阵的主对角线加入非负因子K的方法来消除多重共线性对结果的干扰。虽然K的加入在一定程度上会降低模型拟合优度，但回归结果有效性与稳定性却将得到显著提高。根据R2随K变化情况，本文选择了最优岭回归模型进行碳排放预测。表6和表7分别报告了中国工业部门整体和8大细分行业的的岭回归系数与模型检验结果，所有模型均通过了显著性检验。

表6 工业行业岭回归系数与模型检验

表7 细分行业岭回归系数与模型检验

从中国工业部门整体的回归结果来看，Ienergy与Icoal对工业部门整体碳排放的影响程度最大，系数分别为0.226 5和0.186 2，这表明工业部门对能源消费的刚需和以煤炭为主的能耗结构是驱动工业部门碳排放的重要因素。Indus、Pgdp2和Pop的影响系数则分别为0.134 5、0.143 3、0.150 2，Pgdp2的影响系数为正，表明经济发展与工业部门整体碳排放之间呈现正“U”型曲线关系，这是由于前期经济发展所带来产业工艺水平与能耗效率提升一定程度上会促进碳排放下降，但随着能耗效率与产业结构提升至一定阶段将可能引发“能源回弹”效应，从而促使工业部门碳排放升高。Ieff对碳排放呈现 -0.092 6 的负向影响，这表明随着能耗效率提升工业部门整体碳排放会呈现下降趋势，这也印证了技术进步引致的能耗强度下降是碳减排的重要动力。

从8大细分行业的回归结果来看，Pgdp2对8大细分行业均呈现正向影响，这表明经济发展与8大细分行业碳排放均呈现正“U”型曲线关系，这是由于经济发展所导致的工艺水平提升和能耗效率提升所导致的“能源回弹”效应所导致。其中，化工、钢铁和机电业的影响相对更大，采掘、轻工、纺织、石油和电力行业的影响则相对较小。Indus对化工、采掘、钢铁、机电和电力行业的影响均相对更大，但对轻工、纺织和石油业的影响相对较小，系数均在0.1以下；Pop对电力、钢铁、化工、纺织和轻工业的影响相对较大，但对机电、采掘和石油业的影响相对较小，这表明机电、采掘和石油业的排放并不会随人口规模变化而发生重大变化；Ienergy对采掘和轻工业的影响高达0.6以上，其次为纺织、机电、电力和化工制造业，但对石油业的影响最小，系数仅为 0.038 2。同时，横向来看，Ienergy也几乎是所有细分行业碳排放最大的影响因素。Icoal对纺织与机电业的影响最大，系数在0.3以上，其次为电力、钢铁和化工业，石油、采掘和轻工业的影响相对较小，系数不足0.1。Indus对8大细分行业的影响在 0.1 左右，其中化工行业的影响系数达到了 0.198 6，而石油业的影响系数仅为 0.016 3。Ieff对采掘、轻工、纺织、石油和化工制造业都呈现负向影响，这表明这些行业能源效率的提升会降低碳排放；但对钢铁、机电和电力行业的碳排放却呈现正向影响，这可能是由于Ieff提升在一定程度上刺激了能源需求上升，引发“能源回弹”效应进而导致了更多的碳排放[18]，同时这也在一定程度上印证了前文经济发展与碳排放之间的正“U”型曲线关系。

为验证各模型的有效性，将工业部门整体和8大细分行业的相关变量代入各自回归方程中以计算各年度碳排放的模拟值，然后再对实际值和回归值进行拟合对比，结果显示实际值和模拟值之间的误差在3%范围以内，符合本文的精度需求。

五、碳排放峰值预测结果及分析

根据工业部门整体与8大细分行业岭回归方程，结合前文设定的基准、低碳和高能耗情景，本文对工业部门整体与8大细分行业2017—2050年碳排放进行了预测，工业部门整体和8大细分行业在3个情景中均出现了峰值，但峰值出现时间和大小存在差异。图1所示为工业部门整体碳排放在基准、低碳和高能耗情景下的峰值时间与大小。

图1 工业行业碳排放峰值预测趋势图

(一)工业行业层面碳排放峰值预测分析

由图1可看到，基准情景下中国工业碳排放将在2033年达峰，稍晚于2030年整体碳排放达峰时间，峰值约为104.24亿吨；低碳情景下，达峰时间为2028年，峰值约为95.72亿吨，相较于基准情景达峰时间提前了5年，峰值下降了8.52亿吨。低碳情景下，工业碳排放达峰时间与2030年前达峰目标基本一致，这表明若要2030年前达峰需要进一步加强当前节能减排政策；在高能耗情景下，中国工业碳排放达峰时间为2044年，峰值约为120.09亿吨。相较于基准情景，高能耗情景下的达峰时间推迟了11年，峰值提升了15.85亿吨。而相较于低碳情景，工业碳排放达峰时间则推迟了16年，峰值上涨了24.37亿吨。此外，2050年前后，基准情景下的碳排放量开始小于低碳情景，这是因为此时低碳情景下的碳排放已经趋于收敛，而基准情景下的碳排放量由于经济增速的逐步下降而仍呈现下降趋势。这表明，在诸如新冠疫情等风险冲击下，中国若不加强对工业部门碳排放管理，将可能由于能耗量过高、能耗效率过低而导致工业碳排放达峰时间推迟，并最终影响中国整体碳排放达峰时间。

(二)8大细分行业碳排放峰值预测分析

图2～9报告了8大细分行业在基准、低碳和高能耗情景下的达峰时间与峰值。

图2 采掘业碳排放峰值预测趋势图

图3 轻工业碳排放峰值预测趋势图

图4 纺织业碳排放峰值预测趋势图

图5 石油业碳排放峰值预测趋势图

图6 化工业碳排放峰值预测趋势图

图7 钢铁业碳排放峰值预测趋势图

图8 机电业碳排放峰值预测趋势图

图9 电力业碳排放峰值预测预测趋势图

其中，采掘业在基准、低碳和高能耗情景下的达峰时间分别为2031年、2027年和2039年，峰值分别为8.48亿吨、6.70亿吨和9.96亿吨；轻工业在基准、低碳和高能耗情景下的达峰时间分别为2029年、2027年和2042年，峰值分别为5.24亿吨、5.54亿吨和7.86亿吨；纺织业在基准、低碳和高能耗情景下的达峰时间分别为2032年、2025年和2043年，峰值分别为2.87亿吨、2.72亿吨和3.44亿吨；石油业在基准、低碳和高耗能情景下的达峰时间分别为2028年、2022年和2038年，峰值分别为7.21亿吨、6.77亿吨和8.12亿吨；化工业在基准、低碳和高能耗情景下的达峰时间分别为2033年、2028年和2042年，峰值分别为32.02亿吨、29.82亿吨和36.98亿吨；钢铁业在基准、低碳和高能耗情景下的达峰时间分别为2032年、2028年与2038，峰值为30.79亿吨、27.45亿吨和33.89亿吨；机电业在基准、低碳和高能耗情景下的达峰时间分别为2034年、2022年和2045年，峰值分别为5.86亿吨、5.49亿吨和7.36亿吨；电力行业在基准、低碳和高耗能情景下的达峰时间分别为2031年、2028年和2040年，峰值分别为13.56亿吨、12.72亿吨和14.91亿吨。需要指出的是，从工业终端能耗视角计算时，电力行业碳排放被间接分摊到各用电部门，因而碳排放量相对较小。

从8大细分行业峰值大小来看，钢铁和化工业是两大主要碳排放部门，占据了工业部门近60%以上的碳排放；其次为电力、石油和采掘业，约占工业部门27%的碳排放；机电、纺织和轻工业碳排放相对较小，只占到工业部门13%的碳排放量，因此8大细分行业碳排放达峰的关键在于钢铁和化工业碳排放管理[19]。从达峰时间来看，基准情景下，除轻工和石油业可在2030年前实现达峰外，其余行业在基准情景下均需2030年后才能实现达峰；低碳情景下，所有部门均可在2030年前实现达峰，机电和石油业甚至可以在2022年就实现达峰目标；高能耗情景下，8大细分行业碳排放达峰时间均晚于2030年，但在2050年前都可实现达峰，达峰时间主要集中在2038—2045年间。化工业在2040年前后基准情景下的碳排放量小于低碳情景，这是因为2040年后化工业的碳排放也开始趋于收敛。综合来看，8大细分行业只有在低碳情景下才能实现2030年前达峰目标，而在诸如新冠疫情等风险冲击之下，若为促进经济增长而放松碳排放约束，会在导致达峰时间大幅推迟的同时推动峰值量大幅攀升。这就表明中国需要进一步加强对8大细分行业，特别是排放量较大的钢铁和化工业以及基准情境下达峰时间较晚的机电业的碳排放约束。

(三)减排潜力分析

工业部门整体碳排放达峰必然是以8大细分行业碳排放达峰为前提，因而有必要进一步对工业部门整体与8大细分行业碳排放达峰关系进行分析，并就工业部门整体与8大细分行业的增排风险与减排潜力进行分析。3种情景下工业部门与8大细分行业的达峰时间和峰值如表8所示。

表8 工业部门整体与8大细分行业达峰时间和峰值

从8大细分行业达峰时间来看，无论是在基准、低碳还是高能耗情景下，8大细分行业峰值出现时间与工业部门整体的达峰时间基本吻合。其中，基准和低碳情景下，化工和钢铁两大主要排放行业与工业部门整体达峰时间一致，这表明工业部门整体峰值出现必然要以这两大行业达峰为前提；电力、采掘和石油业等三大高能耗行业碳排放达峰时间都略早于工业部门整体达峰时间，这表明工业部门整体碳排放达峰需要以上述行业达峰为基础。因此，在新冠疫情冲击后的“十四五”和“十五五”规划中，为促进中国整体和工业碳排放达峰，需要加快促进化工、钢铁和电力行业碳排放达峰，控制这三个行业的能源消耗总量与煤炭消耗比例，提升能源消耗效率。此外，机电业包含了工业部门的大部分高新技术产业，但却只有在低碳情景下的达峰时间早于工业部门整体。作为国家鼓励发展的重点行业，机电业在未来相当长一段时间内都将保持快速发展态势，若不对机电业发展进行低碳约束将可能导致该行业碳排放爆发式增长。这也表明机电、轻工和纺织等碳排放相对较低行业的达峰时间对于工业部门整体达峰时间和峰值大小的影响相对较小。

通过分别比较低碳与基准情景、高能耗与基准情境的达峰时间和峰值，可以进一步分析工业部门整体和8大细分行业的碳减排潜力与增排风险，工业部门整体和8大细分行业的减排潜力和增排风险如表9所示。其中，工业部门整体的碳减排潜力为8.52亿吨，可实现提前5年达峰，但却也有着15.85亿吨的增排风险，这将导致达峰时间推迟11年。8大细分行业中，钢铁、化工和采掘业的减排潜力相对较大，减排潜力均在亿吨以上，特别是钢铁和采掘业的减排潜力都大于增排风险。纺织、轻工、机电和石油行业的减排潜力都相对较小，减排潜力均在0.5亿吨以下，这与其能耗总量较小的特征有关。然而，机电行业的减排潜力虽然较小，但却可以提前12年达峰，这与机电行业包含了众多排放量较小的高新技术产业的行业特征有关。但若对机电行业的碳排放不加以控制，机电行业也将存在增排1.5亿吨和推迟达峰11年的风险，同样的问题也存在于纺织和石油行业。轻工与电力行业却恰恰相反，只有0.3和0.84亿吨的减排潜力，且只能提前达峰2～3年。但若对这两大行业不加以控制，也有着2.62亿吨与2.19亿吨的增排风险，达峰时间也将分别推迟13年和9年。

表9 工业部门整体和8大细分行业减排潜力和增排风险

根据中国工业部门整体和8大细分行业的减排潜力与增排风险，各行业的增排风险和推迟达峰时间基本都大于减排潜力和提前达峰时间。这表明在新冠肺炎等不确定性风险冲击之下，中国工业行业所面临的增排风险远大于减排潜力，若对工业部门的碳排放管理稍有放松，在大幅推迟达峰时间的同时还将促使峰值飙升。8大细分行业中，化工和钢铁业属于高减排潜力-高增排风险行业，采掘业属于高减排潜力-低增排风险行业，轻工、机电和电力业属于低减排潜力-高增排风险行业，纺织和石油业属于低减排潜力-低增排风险行业。面对新冠肺炎带来的一系列不确定冲击风险，未来10年中国工业碳减排的重点应在化工、钢铁和采掘业，而碳排放防控的重点则在于化工、钢铁、轻工、机电和电力行业。若不能有效管理好高减排潜力行业的碳减排工作，中国工业碳排放将无法在2030年前达峰；而若不能有效避免高增排风险行业的增排风险，中国工业碳排放达峰将极有可能推迟10年以上。

六、结论与政策启示

本文基于STIRPAT模型，采用岭回归法，依据中国社会经济发展状况和对未来趋势的预判，设置了基准、低碳和高能耗情景，进而对工业部门整体以及采掘、轻工、纺织、石油、化工、钢铁、机电和电力等8大细分行业的碳排放达峰时间和峰值进行了预测。研究发现：1.仅在低碳情景下，工业部门整体的碳排放达峰时间(2028年)早于2030年全国整体碳排放达峰目标，中国整体碳排放达峰的重要前提是工业部门碳排放达峰；2.从8大细分行业的碳排放趋势来看，基准情境下仅轻工和石油业能够实现2030年前达峰。但低碳情景下8大细分行业均能在2030年前达峰，高耗能情境下各细分行业只有在2040年前后才能实现达峰。钢铁、化工、电力、石油和采掘业等细分行业占据了工业近90%以上的碳排放，尤其是钢铁和化工业，因而工业部门碳排放达峰是以上述部门达峰为前提的；3.8大细分行业中，化工和钢铁业属于高减排潜力-高增排风险行业，采掘业属于高减排潜力-低增排风险行业，轻工、机电和电力业属于低减排潜力-高增排风险行业，纺织和石油业属于低减排潜力-低增排风险行业。工业行业整体碳减排潜力约为8.52亿吨，可实现提前5年达峰，但同时也存在15.85亿吨的增排风险，这将导致达峰时间推迟11年。

根据研究结论，本文认为未来中国工业部门碳减排仍面临着巨大的增排风险，特别是在当前全球新冠肺炎疫情冲击风险不确定情形下，2030年前实现碳排放达峰需要进一步加强工业部门碳的减排和管理，特别是针对高减排潜力-高增排风险的化工、钢铁业和高增排风险的轻工、机电、电力业，低增排风险的采掘、纺织和石油业只需按照既定路径减排即可。此外，机电业作为中国发展先进制造业的核心，未来较长时期都将会保持高速增长，若不能以低碳模式发展将会带来巨大的增排风险，因而需要充分落实创新驱动发展战略，通过技术进步引导能耗效率提升，为工业部门整体碳减排发挥结构减排和技术减排的双重效应。