面向碳达峰目标的重庆市碳减排路径

宋 鹏,张慧敏,毛显强

面向碳达峰目标的重庆市碳减排路径

宋 鹏1*,张慧敏1,毛显强2

(1.重庆大学公共管理学院,重庆 400044；2.北京师范大学环境学院,北京 100875)

以重庆市为案例构建本地化LEAP模型,借助LMDI分解、Tapio脱钩弹性系数、单一措施减排效果比较以及减污降碳交叉弹性,探寻重庆市碳达峰目标下的关键影响因素及其碳减排路径特征.结果表明:重庆市在当前碳减排措施力度下难以实现2030年前碳达峰目标,若强化碳减排措施,重庆市可于2025年前实现碳达峰目标,峰值约为1.62亿t.产业终端能耗强度、能源消费结构、产业结构以及电力生产结构是影响重庆市碳达峰目标的关键因素.控制工业能耗和调整产业结构的碳减排效果相对其他措施更为显著,且均具有减污降碳协同效应,应作为重庆市碳减排路径的优先选择.

碳达峰；减排路径；LEAP模型；重庆市

为实现“双碳”目标,国家十四五规划提出支持有条件的地方率先达到碳排放峰值,并要求制定2030年前碳排放达峰行动方案.城市是温室气体排放的重要主体,也是发展低碳经济、实现绿色转型的基本行政单元[1].作为2010年国家发改委确定的首批国家低碳试点省市之一,重庆市在经济快速发展的同时面临着能源消费和碳排放总量的增长压力,贯彻落实碳达峰目标、促进经济社会发展全面绿色转型成为重庆市“十四五”时期面临的重要任务.

中国国家自主贡献(NDC)目标提出后,相关研究以2030年碳排放达峰为目标设计情景,探究达峰时间、峰值水平及关键政策评估[2-3].部分支持“尽早达峰”目标的研究,各类模型模拟的峰值时间总体上在2020～2030年之间[4].相关研究围绕部门碳排放特征[5]和区域碳排放特征[6]探索达峰路径,认为达峰路径依赖于产业、能源和环境经济等领域的政策驱动.关键政策评估的研究中,有聚焦于可再生能源补贴、碳税等能源和环境财税政策的影响[7-9],也有探讨提前达峰政策和环境治理政策的协同效应[10].研究重点就碳达峰目标下的峰值预测、达峰路径、政策保障及协同等进行分析,利用模型与情景分析提供了碳达峰峰值及路径分解,对比了不同政策工具的影响、政策协同的效果以及优缺点.但现有研究围绕碳达峰目标展开的碳达峰驱动因素、碳减排具体政策路径及污染物协同控制等方面的综合研究较少,在政策实践上,缺乏对城市层面的关注,尤其对试点城市的分析较少,试点城市的示范意义难以凸显,难以提供有效借鉴参考.基于此,本文构建LEAP- Chongqing模型,借助LMDI分解、Tapio弹性系数、单一措施减排效果比较以及减污降碳交叉弹性,探寻重庆市不同经济发展情景下的碳达峰关键影响因素以及碳减排路径特征,为重庆市编制2030年前碳排放达峰行动方案提供参考.

1 研究方法和数据

1.1 LEAP模型

采用长期能源替代规划系统(LEAP)模型,对重庆市2018～2035年能源需求和CO2排放进行模拟和预测分析.其中,2018～2020年为模拟验校区间; 2021～2035年为预测区间.LEAP模型因其具有明确的能源流动结构、透明的数据处理、强大的情景分析等特点,已被众多学者用于区域层面的能源需求、碳排放以及节能减排潜力分析[11-12].本文以资源、转换、终端需求、驱动因素4个模块为基础构建LEAP-Chongqing模型,如图1所示.其中,资源模块体现了重庆市自身能源资源情况,包括一次能源(煤炭、天然气、风能等)和二次能源(电力、柴油、煤油等).电力转换模块模拟本市电力生产(包括火力发电、水力发电、风力发电等),亦即将一次能源转换为二次能源供给终端消费的过程.根据重庆市实际情况,2015～2020年平均每年有28.73%电力从外部调入[13],其余部分由重庆市当地生产.终端需求模块根据能源用途不同划分为居民生活、农业、工业、建筑、服务业、交通及其他共7个部门.驱动因素是指人口、经济发展、城市化率等对终端需求起到关键推动的因素.在LEAP模型中,能源消费和碳排放总量的计算包括转换和终端需求两部分加总.

图1 LEAP-Chongqing模型结构示意

1.2 LMDI分解

借助因素分解法探寻2018～2035年重庆市碳达峰的关键影响因素,从而为重庆市碳减排路径规划提供依据.对数平均迪式指数分解法(LMDI)因其具有可分解多因素、可处理数据中零值、分解后结果残差为零等优势而得到广泛使用[14-15].本文借助LMDI分解将重庆市2018～2035年碳排放总量分为居民生活消费碳排放(L)、产业终端碳排放(I)、转换部门碳排放(T)3个部门进行分解,依据kaya恒等式原理如式(1)所示:

式中:居民生活中,LL,jL,jL分别表示居民生活消费碳排放总量、居民生活使用能源产生的碳排放总量(=1,2,3,表示煤炭、油料、天然气)、使用能源的能源消费总量、居民生活的能源消费总量、居民人口总量;△LU、△LC、△LA、分别表示居民生活部门的碳排放系数效应、能源结构效应、人均能耗效应、人口效应.

产业终端中,I、C、E、E、G分别表示产业终端碳排放总量、产业使用能源的碳排放总量(=1,2,3,表示第一、二、三产业;=1,2,3,表示煤炭、油料、天然气)、产业使用能源的能源消费总量、产业能源消费总量、产业的增加值、增加值总量;△IU、△IC、△IE、△IS、分别表示产业终端部门的碳排放系数效应、能源结构效应、能耗强度效应、产业结构效应、经济总量效应.

转换部门中,TTQFT分别表示转换部门碳排放总量、火力发电的化石能源消费量、火力发电量、总发电量;△TU、△TS、△TC、分别表示转换部门的碳排放系数效应、能源转换效率效应、电力生产结构效应、总发电量效应(外调绿电虽然也是实现能源清洁化的有效手段,但主要影响间接CO2排放.因此主要讨论重庆市自身的总发电量效应及其对碳达峰的影响).

各效应具体计算方式如式(2)所示,其中为上述13个效应中的任一个.一般默认各类能源的碳排放系数不变,因此碳排放系数效应为零(△LU=△IU=△TU=0).

1.3 Tapio脱钩弹性系数

Tapio构建了脱钩弹性系数描述经济增长与环境压力两者间的关联情况,Tapio脱钩弹性系数也被广泛应用于国家和省市层面经济增长和碳排放关系分析[16-17].本文使用Tapio脱钩弹性系数判断重庆市2018～2035年各情景中经济增长与碳排放总量的脱钩情况,脱钩弹性系数具体计算如式(3)所示:

式中:为脱钩弹性系数;D和DGDP表示碳排放和GDP的变化量;C0和GDP0表示基期0的碳排放和GDP;C1和GDP1表示1时期的碳排放和GDP.一般情况下经济增长为正,当<0时,为强脱钩状态,此时碳排放增长为负而经济增长为正;当0<<1时,此时处于弱脱钩状态,此时碳排放增速低于经济增速;当>1时,呈负脱钩状态,此时碳排放和经济增长均为正,且碳排放增速高于经济增长.

1.4 减污降碳交叉弹性

由于CO2和大气污染物多来自化石能源的燃烧,二者间的同源性表明碳减排措施很可能存在协同效应[18],即控制温室气体排放过程中也减少了其他局地大气污染物(LAP)排放.本文利用减污降碳交叉弹性来分析碳减排措施对CO2和LAP的协同控制效应[19].

根据《中华人民共和国环境保护税法》[20]相关规定,以式(4)对LAP进行核算.其中,g为SO2、NO、TSP、CO、CH4折合为LAP的当量值系数,分别为1/0.95、1/0.95、1/2.18、1/16.7、1/21.

交叉弹性分析方法常用于评估减排措施对CO2和其他污染物的协同减排程度[21],据此本文中减污降碳交叉弹性的具体计算如式(5)所示:

1.5 数据来源

LEAP模型中基准年2018年数据来源于《中国能源统计年鉴》[22]和《重庆统计年鉴》[13],2019～2035年情景设置的参数来源于《重庆市“十三五”控制温室气体排放工作方案》[23]、《重庆市十三五电力发展规划》[24]、《重庆市人民政府关于印发重庆市建设国家重要现代制造业基地“十三五”规划的通知》[25]、《重庆市人民政府关于印发重庆市现代服务业发展计划(2019-2022)年的通知》[26]等重庆市规划文件.LMDI分解数据、Tapio脱钩弹性系数、减污降碳交叉弹性数据来源于LEAP-Chongqing模型分析结果.

1.6 情景设置

LEAP-Chongqing模型以2018年为基年,2035年为远期目标年.以经济增速、人口增长、城市化率作为推动终端需求的驱动因素,以《重庆市人民政府关于印发重庆市“十三五”控制温室气体排放工作方案的通知》[23]等文件中提出的处理生活垃圾、调整产业结构、控制工业能耗、控制建筑能耗、发展绿色交通、推动水电风电、提高转换效率、降低输送损失8项重点任务作为碳减排措施.

对于2018～2020年的模拟验校区间,本文以《重庆市人民政府关于印发重庆市建设国家重要现代制造业基地“十三五”规划的通知》[25]、《重庆市人民政府关于印发重庆市现代服务业发展计划(2019-2022)年的通知》[26]等重庆市规划文件为依据设置模型参数(表1).对于2021～2035年的预测情景,设定4个差异化的发展情景.

表1 重庆市主要碳减排措施及其具体目标

基准复苏情景:重庆市以“十三五”规划期间的实施力度推行各项碳减排措施,不再额外采取其他措施;经济发展速度参考重庆市2021年政府工作报告提出的要求设定.

高增长情景:重庆市以“十三五”规划期间的实施力度推行各项碳减排措施,不再额外采取其他措施;发展方式为主要依赖高投资拉动经济总量高增长.

绿色复苏情景:重庆市以北上广深等一线城市为标杆,强力贯彻推进各项碳减排措施,以绿色低碳为主要目标;经济发展速度参考重庆市2021年政府工作报告提出的要求设定.

绿色发展情景:重庆市以北上广深等一线城市为标杆,强力贯彻推进各项碳减排措施,同时经济发展以高效投资拉动经济增长,以实现高效益低污染的绿色经济为主要目标.

4个情景的主要假设条件如表2所示.

表2 LEAP-Chongqing模型各情景主要参数设置

续表2

2 结果分析与讨论

2.1 能源需求总量分析

从能源需求总量来看(图(2a)),基准复苏情景下重庆市能源消费总量呈稳定上升趋势,从2018年的76.76百万tce增长到2035年的106.47百万tce,平均年增长率为1.83%.高增长情景下重庆市能源需求较基准复苏情景增长更加显著,到2035年能源需求总量达到121百万tce,平均年增长率为2.56%,约为基准复苏情景的1.4倍.绿色复苏情景下重庆市能源需求总量在2020年达到82.02百万tce峰值后逐渐下降到2035年的73.24百万tce,平均年增长率为-0.26%.绿色发展情景下重庆市能源需求总量在2018～2025年呈上升趋势,于2025年达到83.81百万tce,2026～2035年能源需求总量控制在82.97～83.28百万tce左右,2018～2035年平均增长率为0.47%.

2.2 碳排放总量分析

基准复苏情景下重庆市年碳排放量呈持续上升态势,从2018年的1.50亿t增加到2035年的2.08亿t(图2(b)).高增长情景下重庆市碳排放上升趋势更加明显,2035年增长到2.36亿t.基准复苏情景与高增长情景下重庆市均无法实现2030年前碳达峰目标.

绿色复苏情景下重庆市碳排放量在2018～2020年呈上升趋势,于2020年达到1.61亿t的排放峰值后保持稳步降低,2035年碳排放总量为1.34亿t.绿色发展情景下重庆市碳排放于2018～2025年保持上升,2025年碳排放总量为1.62亿t.2026～2030年,碳排放总量在1.59～1.61亿t范围内波动,但并未超过2025年碳排放峰值.一般认为碳排放在达到峰值后仍可能处于平台期并有所波动[27].

绿色复苏情景与绿色发展情景下重庆市均可实现2030年前碳达峰目标,需要注意的是,绿色复苏情景下重庆市在加大碳减排力度的同时,经济发展速度保持重庆市政府工作报告提出的预期目标,事实上,预期目标一般是经济增速的底线,实际增速一般都高于预期目标.尤其是在“标尺竞争”的激励下,经济增长目标超额完成是一种常态[28].因此重庆市未来发展可能介于绿色复苏和绿色发展情景之间,即预计2025年前达到1.61～1.62亿t的碳排放峰值.其他预测研究与此趋势相近,如范登龙等[29]预计重庆市可于2025年实现2亿t左右的碳排放峰值;邱立新等[30]预计重庆市可于2023年实现碳排放达峰.

2.3 碳达峰影响因素及碳减排路径特征分析

2.3.1 碳达峰影响因素分析 基于LMDI分解对各情景下碳排放影响因素分解分析发现(图3),经济总量效应、总发电量效应、人口效应在4个情景中均具有稳定的增排效果,其中经济总量的增排效应尤为显著,2018～2035年基准复苏情景、高增长情景、绿色复苏情景、绿色发展情景中经济总量的累计增排量分别为11715.43,14425.90,10014.69,12189.27万t,增排贡献率分别为54.99%、57.06%、42.87%、46%.

产业终端能耗强度效应、能源消费结构效应以及电力生产结构效应具有较强的减排作用,尤其是在绿色复苏情景和绿色发展情景中减排作用更加明显.2018～2035年产业终端能耗强度效应在4个情景中累计减排量分别为6267.04,5928.25,7989.93, 8371.10万t,减排贡献率分别为29.42%、23.45%、34.20%、31.59%;能源消费结构效应在4个情景中的减排贡献率分别为5.15%、7.85%、8.37%、9.02%;电力的生产结构效应在4个情景中的减排贡献率分别为1.52%、1.38%、7.16%、6.69%.

对比可实现碳达峰的绿色复苏情景和绿色发展情景与不能实现碳达峰的基准复苏情景和高增长情景可知,降低产业终端能耗强度,改善能源消费结构、产业结构以及电力生产结构,对实现重庆市碳达峰贡献目标显著,2018～2035年在绿色复苏和绿色发展情景中的累计减排贡献率总和为52.50%和48.54%.特别是,产业结构效应在基准复苏情景和高增长情景中均呈现增排效果,而在绿色复苏情景和绿色发展情景中可发挥积极的减排作用,2018～2035年的累计减排贡献率为2.76%和1.24%.

表3 2020～2035年各情景Tapio脱钩系数

2.3.2 经济发展与碳排放脱钩分析 经济增长与碳排放脱钩是实现碳达峰的必要条件,在2018～2020年的模拟验校区间,重庆市2018～2019年、2019～ 2020年的Tapio脱钩系数分别为0.22、0.56,处于弱脱钩状态.至于2020～2035年的模拟预测区间(表3),在基准复苏情景和高增长情景下,各年脱钩系数均在0～1之间;在绿色复苏情景和绿色发展情景下,各年脱钩系数多为负值.2020～2035年,基准复苏情景、高增长情景、绿色复苏情景、绿色发展情景下的脱钩系数分别为0.27、0.34、-0.15、-0.03.这表明基准复苏情景和高增长情景下重庆市碳排放与经济增长仅为弱脱钩状态,绿色复苏情景和绿色发展情景可于2035年前实现经济增长与碳排放的强脱钩,实现经济绿色低碳发展.

2.3.3 重点碳减排措施的减排效果分析 以基准复苏情景和高增长情景为基础,假设其他措施力度保持不变,按照绿色复苏情景、绿色发展情景中的措施力度逐一强化单一碳减排措施力度,考察2035年碳排放总量变化.结果如图4(a)所示,以基准复苏情景为基线,单独强化控制工业能耗(2035年工业增加值能耗达到0.18tce/万元)措施后,2035年碳排放总量为16613.19万t,较基线情景减少4175.14万t,减排贡献率为44.03%.其次是调整产业结构(2035年第三产业占比达到75.40%),较基线情景减少碳排放2087.41万t,减排贡献率为22.01%.另外,推动水电风电(2035年水电风电装机达到55.39%)、发展绿色交通(2035年新能源汽车保有量达到247.8万辆)、提高能源转换效率(2035年燃煤发电机组效率达到52.64%)也具有较好的减排效果,减排量673.55～ 1132.51万t,减排贡献率分别为11.94%、8.82%、7.10%.处理生活垃圾、控制建筑能耗、降低输送损失三项措施的减排效果相对较弱,减排量在200万t左右.

在以高增长情景为基线强化单一措施的减排量比较中,控制工业能耗(2035年单位工业增加值能耗达到0.18tce/万元)和调整产业结构(2035年第三产业占比达到75.40%)也同样具有显著的碳减排贡献,2035年较基线情景分别减排4813.08, 2401.90万t(图4(b)),减排贡献率分别为44.90%和22.41%.以基准复苏情景和高增长情景为基础下,控制工业能耗和调整产业结构的减排贡献率总和均超过66.04%,应作为重庆市碳减排路径中的优先考虑措施.

据此,为强化重庆市碳达峰目标下的碳减排路径规划,要以控制工业能耗和调整产业结构作为优先考虑措施,一方面有序淘汰高耗能的落后工业产能,鼓励工业企业通过技术创新促进生产工艺清洁化,降低工业能耗和碳排放;另一方面继续加大产业结构调整力度,通过发展战略性新兴服务业,不断降低工业、交通业等高排放部门碳排放量,尽早实现经济增长与碳排放强脱钩,保障重庆市碳达峰目标顺利实现,为碳中和长期目标奠定坚实基础.

表4 2035年各减排措施减污降碳交叉弹性分析结果

2.3.4 重点碳减排措施的协同效应分析 以基准复苏情景和高增长情景为基础,假设其他措施力度保持不变,按照绿色复苏情景、绿色发展情景中的措施力度逐一强化单一碳减排措施力度,以2035年能实现的减污降碳效果测算其协同控制交叉弹性,如表4所示.可以看出各项措施的协同控制交叉弹性均大于0,表明均具有减污降碳的协同效应,亦即可同时降低CO2和LAP排放.其中,处理生活垃圾、控制建筑能耗、调整产业结构、推动水电风电、提高转换效率、降低输送损失6项措施的协同控制交叉弹性均大于1,表明这6项措施在发挥协同减排效应的过程中,对LAP的减排效果大于CO2;控制工业能耗和发展绿色交通两项措施的协同控制交叉弹性在0～1之间,表明这两项措施对CO2的减排效果大于LAP.

3 结论

3.1 重庆市在当前碳减排措施力度下难以实现2030年前碳达峰目标,若强化碳减排措施力度,重庆市可更早实现经济增长和碳排放脱钩,于2025年前实现碳达峰目标,峰值约为1.62亿t左右.

3.2 产业终端能耗强度、能源消费结构、产业结构以及电力生产结构是影响重庆市碳达峰目标的关键因素,2018～2035年绿色复苏和绿色发展情景中累计减排贡献率总和分别达到52.50%和48.54%.

3.3 控制工业能耗(2035年单位工业增加值能耗达到0.18tce/万元)和调整产业结构(2035年第三产业占比达到75.40%)2项措施碳减排效果相对显著,以基准复苏情景和高增长情景为基础,减排贡献率总和均超过66.04%,应作为重庆市碳减排路径中的优先考虑措施.该2项减排措施在减少碳排放的同时可控制局地污染物排放,具有减污降碳的协同效应.

[1] 庄贵阳.中国低碳城市试点的政策设计逻辑 [J]. 中国人口·资源与环境, 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] 马 丁,陈文颖.中国2030年碳排放峰值水平及达峰路径研究 [J]. 中国人口·资源与环境, 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,王维国,梁佩凤.中国碳排放交易权机制的政策效果分析——基于双重差分模型的估计 [J]. 中国环境科学, 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:中国的减排目标与对策 [J]. 中国人口·资源与环境, 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] 章胜勇,尹朝静,贺亚亚,等.中国农业碳排放的空间分异与动态演进——基于空间和非参数估计方法的实证研究 [J]. 中国环境科学, 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] 庄贵阳,魏鸣昕.城市引领碳达峰、碳中和的理论和路径[J]. 中国人口·资源与环境, 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] 任晓松,马 茜,刘宇佳,等.碳交易政策对工业碳生产率的影响及传导机制 [J]. 中国环境科学, 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,刘奕淳.中国碳交易试点政策对城市碳排放绩效的影响及机制 [J]. 中国环境科学, 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] 曾诗鸿,李 璠,翁智雄,等.碳市场的减排效应研究——来自中国碳交易试点地区的经验证据 [J/OL]. 中国环境科学: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] 邓明翔,李 巍.基于LEAP模型的云南省供给侧结构性改革对产业碳排放影响情景分析 [J]. 中国环境科学, 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] 《重庆统计年鉴—2018》编辑委员会.杨弘毅,李涛明.重庆统计年鉴 [M]. 北京:中国统计出版社, 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] 任建兰,徐成龙,陈延斌,等.黄河三角洲高效生态经济区工业结构调整与碳减排对策研究 [J]. 中国人口·资源与环境, 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] 马晓君,董碧滢,于渊博,等.东北三省能源消费碳排放测度及影响因素 [J]. 中国环境科学, 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,陈 楠,李曼琪.中国低碳试点城市的碳排放特征与碳减排路径研究 [J]. 中国人口·资源与环境, 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] 邢有凯,毛显强,冯相昭,等.城市蓝天保卫战行动协同控制局地大气污染物和温室气体效果评估——以唐山市为例 [J]. 中国环境管理, 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] 中央政府网站.中华人民共和国环境保护税法实施条例[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] 毛显强,曾 桉,胡 涛,等.技术减排措施协同控制效应评价研究 [J]. 中国人口·资源与环境, 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] 《中国能源统计年鉴2018》编辑委员会.刘文华.中国能源统计年鉴 [M]. 北京:中国统计出版社, 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] 重庆市人民政府网站.重庆市人民政府关于印发重庆市“十三五”控制温室气体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] 重庆市发展和改革委员会网站.印发《重庆市“十三五”电力发展规划》[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] 重庆市人民政府网站.重庆市人民政府关于印发重庆市建设国家重要现代制造业基地“十三五”规划的通知 [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] 重庆市人民政府网站.重庆市人民政府关于印发重庆市现代服务业发展计划(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] 张 楠,张保留,吕连宏,等.碳达峰国家达峰特征与启示 [J/OL]. 中国环境科学: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] 余泳泽,赵成林,张少辉.新冠肺炎疫情冲击下中国经济目标战略性调整研究 [J]. 经济与管理研究, 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] 范登龙,黄毅祥,蒲勇健,等.重庆市化石能源消耗的CO2排放及其峰值测算研究 [J]. 西南大学学报(自然科学版), 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 赛.中国典型城市碳排放特征及峰值预测——基于“脱钩”分析与EKC假设的再验证 [J]. 商业研究, 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 鹏(1984-),男,山东东营人,副教授,博士,主要研究方向为资源环境经济与政策等.发表论文20篇.

2021-07-20

中央高校基本科研业务费资助项目(2020CDJSK01PT02, 106112017CDJXY010004);国家社会科学基金资助项目(21BJY115);重庆市技术创新与应用发展专项面上项目(cstc2020jscx-msxmX0092)

*责任作者, 副教授, songpeng_ee@cqu.edu.cn