基于IO-SDA 法的2020～2060 年中国行业CO2排放预测与分析

2024-03-28王火根汪钰婷肖丽香江西农业大学经济管理学院江西南昌330045

中国环境科学 2024年3期

王火根,汪钰婷,肖丽香(江西农业大学经济管理学院,江西南昌 330045)

目前,中国正处于工业化深化发展阶段,能源需求保持刚性增长,CO2排放持续增长.行业生产消耗了中国87%的能源,贡献了95%的CO2排放,其节能降碳对实现碳达峰碳中和具有重要意义.

针对CO2排放进行驱动因素分解的研究较多,研究尺度涵盖了国家[1-5]、区域[6-7]、省市[8-9]和行业[10-12].指数分解法(IDA)和结构分解法(SDA)是两种通行的因素分解方法.相比于IDA 法,SDA 法对数据要求高,但可凭借投入产出模型全面分析各种直接和间接影响因素,特别是一部门最终需求变动对其他部门产生的间接影响[13-14].自Leontief 等[15]用投入产出模型测算美国能源消耗污染排放以后,SDA 法逐渐成为环境领域的常用工具.基于此方法,很多学者研究了中国CO2排放变化的影响因素,较为一致的结论是:最终需求规模扩张始终是促进CO2排放增长最主要的因素;能源消费结构、碳强度是CO2减排的主要因素;投入产出结构一般表现为正向效应;能耗强度和最终需求结构在各个阶段起的作用不一致.

现有研究存在的主要问题是数据滞后.受未来能源和投入产出表难以获得的限制,绝大多数文献利用历史数据对CO2变化影响因素进行现状分析,忽视了双碳目标下,经济、能源系统将产生颠覆性变革,难以根据过去的数据得到建设性结论和政策启示.实际上,双碳目标提出以来,涌现了许多碳中和情景下的长期能源需求和经济走势预测成果.多家机构[16-21]综合考虑中国社会经济现实,对能源、经济系统转型和CO2排放的时间表和路线图进行了探索.由于研究方法和统计口径并不一致,得到的结论也并不完全一致.大部分机构的结果表明:在碳中和情景下,中国能源相关CO2排放在十五五中期达峰,后经历5～10 年平台期,2035 年下降到77 亿～102 亿t,2035 年后出现明显下降,到2060 年剩余10 亿t 以下;煤、油、气分别在十四五、十五五、十六五时期达峰,非化石能源逐步成为主导能源. 2035 年GDP总量将比2020 年翻一番,2060 年将比2020 年翻两番;产业结构加快向服务业主导结构转型.同时,一些学者以细分行业为切入点,通过自上而下的综合评估模型或自下而上的技术模型探索了中国重点行业[22]、电力[23]、工业[24]等领域的碳达峰与碳中和路径,也有一些学者通过梳理发达国家碳中和经验,立足本国国情,针对钢铁[25]、化学[26]、交通[27]等行业制定了CO2排放达峰与中和方案.以上研究大多明确了双碳目标下中国整体及细分行业的各阶段目标、措施和政策,能为未来40 年的CO2排放相关研究提供关键年份的能源和经济数据支持.

因此,本文采用IO-SDA 法,将中国2020～2060年3 个阶段12 个行业能源燃烧的CO2排放量变化进行分解研究,根据国内权威机构对经济的预测,采用RAS 法[28-31]测算2025～2060 年直接消耗系数和投入产出表;在此基础上,结合国内能源预测成果,定量分析达峰平台期、快速减排期与全面中和期3 阶段下碳排放强度、投入产出结构、最终需求结构和最终需求规模4 项因素对中国行业CO2排放变化的贡献及阶段特征.

1 研究方法

本文利用IO-SDA 法量化各影响因素对中国行业CO2排放变化的影响.一致做法是从CO2排放核算公式Q=CLY 中析取影响因素进行分解.其中,Q为CO2排放总量;C 为单位产出CO2排放,即碳排放强度,反映能源利用效率;L =(I −A )-1为Leontief 逆矩阵,反映经济系统产业联系和技术水平;Y 为最终需求,反映经济规模.因此, CO2排放影响因素一般被分解为三大类:能源影响、技术影响和需求影响[2,32].更为常见的做法是,在三大因素的基础上,根据研究需要进行扩展,进一步探究具体因素对碳排放变化的影响[33-34].本文参考陈庆能等[35]、刘云枫等[4]的研究,将CO2排放变化分解为碳排放强度效应、投入产出结构效应、最终需求结构效应、最终需求规模效应.

1.1 环境投入产出模型

投入产出模型(Input-Output method)能利用代数矩阵很好地反映经济系统各行业间的生产与消耗关系.假设一个经济系统由n 个行业组成,通过式(1),将最终产品列向量 Y( n×1)与总产值列向量X( n×1)联系起来.

也可以写为

式中: A 为直接消耗系数矩阵,I 为A 的同阶单位阵,(I −A )−1为Leontief 逆矩阵,矩阵中的元素称为Leontief 逆系数,表示获得某部门单位最终产品时对所有部门中间产品的完全消耗.

当污染物排放指标已知时,可以建立环境投入产出模型.设Q为CO2排放量, C 为碳排放强度,代表单位货币产出的CO2排放量,则

式中:ECi为8 大类化石能源消费量(包括煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气),EiF为该能源的碳排放系数,44/12 为将碳转化为CO2的系数.

本文在Leontief 模型的基础上,结合式(2)和(4),构建环境投入产出模型,如式(5)所示:

1.2 结构分解分析

在式(5)中,令投入产出结构L =(I −A)−1反映各个行业的关联关系.将最终需求向量 Y( n×1)拆分为最终需求结构 Z(n ×r)和最终需求规模 S( r×1)的乘积,Z 中的元素表示各行业消费比重、投资比重及净出口比重,S 中的元素为消费总额、投资总额及净出口总额.则CO2排放量可分解为4 项驱动因素的乘积:

CO2排放变化量被表示为:

式中:tQ 和0Q 分别表示第t 期和第0 期的CO2排放量.因为计算两个不同时期的变化,最终结果可以是基于第t 期,也可以是基于第0 期.

如果从第t 期开始进行分解,有:

如果从第0 期开始进行分解,有:

根据两极分解法[1,4,36]得到ΔQ 的分解公式:

式中:ΔCQ 、ΔLQ 、ΔQZ、ΔSQ 分别表示碳排放强度效应、投入产出结构效应、最终需求结构效应和最终需求规模效应.

1.3 基于RAS 法的投入产出表编制方法

RAS 法又叫双比例尺度法,它的基本思想是以基础年份中间流量矩阵为出发点,根据目标年份的总产出、中间使用合计和中间投入合计等数据,找出一套行乘数R 去调整基础年份直接消耗系数矩阵0A 的各行元素,使经过调整后的中间流量矩阵的行合计与目标年份的中间使用合计相等;同时找出一套列乘数S 去调整基础年份直接消耗系数矩阵A0的各列元素,使经过调整后的中间流量矩阵的列合计与目标年份的中间投入合计相等,即经过不断调整最后找到一个能满足行和列双重约束的中间流量矩阵,进而求得该中间流量矩阵对应的直接消耗矩阵At,最后求得投入产出结构[29,37-39].假设中间使用合计和中间投入合计分别为U∗和C∗,则目标年份的投入产出结构At预测的基本步骤如下:

(1)已知基础年份中间流量矩阵,可以求出基础年份直接消耗系数矩阵0A ,用0A 乘以目标年份的总产出对角阵,得到目标年份的中间流量矩阵.将1W 中各行元素合计与各列元素合计都与U∗比和C∗比较,若不一致时需要进行调整.

(2)行调整.令 U1为矩阵W1各行元素合计数的列向量.若要 U1与U∗对应元素相等,应当计算第一次行调整系数向量.用左乘W1,得到,即.此时中间流量矩阵的各行元素合计数与U∗对应元素相等.量矩阵

(3)列调整.令 C1为第一次行调整得到的中间流各列元素合计数的行向量,但 C1与C∗对应元素不一致.若要使两者对应元素相等,应当计算第一次列调整系数向量.用右乘,得到.此时中间流量矩阵的各列元素合计数与C∗对应元素相等.

(4)进一步调整行和列.令U2为经过第一次行和列调整的中间流量矩阵各行元素合计数的列向量,但U2与∗U 对应元素又不一致了.若要使两者对应元素相等,需要进行第二次行调整系数,用左乘,得到.同理,令C2为第二次行调整得到的中间流量矩阵各列元素合计数的行向量,但C2与C∗对应元素不一致.若要使两者对应元素相等,应当计算第二次列调整系数向量.用右乘,得到

(5)目标年份中间流量矩阵Wt.假设行与列都经过n 次调整,直到 Un与U∗相当接近或相等, Cn与 C∗相当接近或相等,从而得到目标年份的中间流量矩阵:

IO-SDA 法与RAS 法均通过Excel 实现,其中RAS 法在操作层面存在简易处理方法[29].

2 数据获取及处理

2.1 行业分类与可比价投入产出表的编制

本文2017、2020 年投入产出表来源于国家统计局.因为两个年份投入产出表部门分类不同,前者为42 部门,后者为153 部门,为便于后续计算,参考国家统计局发布的《国民经济行业分类GB/T4754-2017》并对照能源消费量中的行业分类情况,把原有的部门重新合并成12 行业投入产出表和能源消费统计表,并以2017 年为基准年,对2020 年行业价格数据进行平减,如表1 所示

表1 行业分类与价格指数Table 1 Industry classification and price index

2.2 能源系统数据的获取及处理

2.2.1 历史能源消费数据与碳排放系数的获取及处理《中国统计年鉴》中的能源消费数据以能源实物量计量,不同品种的计量单位不同,在测算时参照《中国能源统计年鉴》中的折标煤系数,将各品种能源实物量转换为标准量.假定碳排放系数EFi在研究期内固定,非化石能源不产生碳排放,其系数为0.8种一次化石能源的转换系数和碳排放系数见表2.另外,考虑到一些能源加工转换行业,例如石油煤炭及

表2 分能源品种的标准煤转换系数和碳排放系数Table 2 Standard coal conversion coefficient and carbon emission coefficient of energy varieties

其他燃料加工业,原煤与原油绝大部分用于生产原料(而非燃料)使用,被转化成焦炭、煤油等二次能源,只有当这些二次能源燃烧时才会释放CO2.为避免重复计算造成行业CO2排放量高估,本文利用《中国能源统计年鉴》中的“中国能源平衡表”,对原始数据进行调整:①从石油煤炭及其他燃料加工业的煤炭、原油消费量中扣除用于生产焦炭、汽油、煤油、柴油、燃料油的部分;②从电力等公共品生产和供应业的煤炭消费量中扣除用于生产煤气等燃气的部分;③从采掘业中扣除煤炭的洗选损失量、石油损失量、天然气损失量.

2.2.2 未来能源消费数据与 CO2排放量的测算基于《能源生产和消费革命战略(2016—2030)》《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》《2030 年前碳达峰行动方案》等国家政策文件,《中国能源体系碳中和路线图》等国际预测报告,借鉴蔡博峰等[16]在《中国碳中和目标下的二氧化碳排放路径》CAEP-CP1.1情景下2025～2060 年用于燃烧的能源消费量和各能源占比的结论,扣除居民生活使用消费后得到本文行业一次能源消费数据.值得注意的是,2025 年及以后的能源预测数据是将一次化石能源合并为煤炭、石油、天然气3 种能源,这3 种能源的碳排放系数不能直接从统计数据中获得,而不同学者和机构测算出的结果不完全一致但相差不大,本文采用中国科委气候变化项目课题组[40]测算的结果,见表3.

表3 分能源品种的标准煤转换系数和碳排放系数Table 3 Standard coal conversion coefficient and carbon emission coefficient of energy varieties

利用式(3)计算2025～2060 年CO2排放总量,如表4 所示.未来重点行业如电力、工业、钢铁、化工、交通等的能源消费参考前人[23-27]的研究,剩余行业按照一次能源消费总量减去重点行业能源消费量,结合2007～2020 年的行业能源消费演变趋势预测.

表4 2025～2060 年能源消费量、能源结构与CO2排放量测算Table 4 Calculation of energy consumption, energy structure and CO2 emissions from 2025 to 2060

2.3 经济系统数据的获取及处理

要获得未来年份的投入产出表,首先要预测目标年份的总产出、增加值等总量控制指标[41].参考相关机构与学者[19,42-44]的研究,结合当前经济发展实际,对GDP 增速进行预测,如表5 所示.

表5 2021～2060 年GDP 增速预测(%)Table 5 Forecast of GDP growth rate from 2021 to 2060(%)

根据表5 和2020 年GDP,可计算2025～2060 年GDP;基于张希良等[19]对2060 年产值指数的预测,确定2060 年中国及各行业总产出;结合2060 年GDP,得2060 年增加值率;遵循“2050 年前增加值率逐年提高,增速放缓;2050 年现代化强国目标实现,而后增加值率保持相对稳定”的原则推算2025～2055 年增加值率,得到2025～2055 年总产出.

借鉴欧盟、日本、美国等发达国家经验,结合中国新发展理念、供给侧结构性改革等措施,认为中国产业结构将加快向服务业主导转型.参考张希良等[19]的结论,得到2025～2060 年产业结构和各行业增加值;结合2007～2020 年各行业增加值率变化趋势,推算2025～2055 年各行业的增加值率,将2025～2055 年总产出分解到各个行业,获得各行业的总产出.

随着人们生活水平和收入水平的提高,最终消费占比逐渐上升,并且在“扩大内需”的刺激下,消费比例会以更快的速度上升[19].假定中国净出口率常年保持在2%,借鉴发达国家最终需求结构变化趋势,以其当前的平均水平作为中国2050 年最终需求结构,进而推算到其他年份.主要宏观发展指标见表6.

表6 2025～2060 年主要宏观发展指标预测Table 6 Prediction of major macro development indicators from 2025 to 2060

消费结构将从以物质消费为主转向精神消费为主.投资结构将从边际报酬较低的工业为主转向边际报酬较高的服务业为主[45].假定未来净出口结构与2020 年保持一致,消费和投资结构参考张希良等[19]的研究.根据表6 各阶段GDP 和最终需求结构,可得对应最终需求规模及构成(表7).

表7 2025～2060 年最终需求规模构成预测(万亿元)Table 7 The forecast of final demand scale composition from 2025 to 2060(1012yuan)

2.4 2025～2060 年投入产出表测算

参考当前发达国家的投入产出结构,结合中国“去产能”等政策措施,利用RAS 法对2025～2060年投入产出表进行测算. RAS 法所需的基础数据为基础年份中间流量矩阵、目标年份控制量(总产出、中间使用合计、中间投入合计).在基础年份的选择上,我国基准年度投入产出表的编制年度为逢2、逢7 年度,依赖于专门的投入产出调查[29].投入产出延长表的编制年度为逢0、逢5 年度,采用调查法与RAS 法等非调查方法.目前国家统计局发布的最新的投入产出表为2020 年、2018 年、2017 年.综合考虑数据的准确性和时效性,选择2017 年作为基础年份,2017 年中间流量矩阵为基础年份中间流量矩阵.前文已对各年各行业的总产出、增加值等数据做了预测,利用公式中间使用合计=总产出-最终需求,即可得相应年份和行业的中间使用合计.根据投入产出表的平衡关系,中间投入合计=总产出-增加值,即可得相应年份和行业的中间投入合计.

3 结果与讨论

3.1 2017～2020 年CO2排放:总量视角

利用IO-SDA 法计算2017、2020 年的行业能源相关CO2排放量分别为92.44 亿t 和97.47 亿t,与国际能源署(IEA)提供的数据接近(表8).

表8 本文与IEA 能耗碳比较Table 8 Energy consumption carbon compared with IEA

由表9 可见,2017～2020 年中国CO2排放增长5.03 亿t,增幅为5.4%.最终需求规模效应为12.75 亿t,是促进CO2排放增长的主要因素,贡献度为253.4%.除最终需求规模外,投入产出结构也有较大的贡献,促进CO2排放增长1.50 亿t,贡献度为29.9%.碳排放强度下降是制约CO2排放增长的主导因素,减少了8.78 亿tCO2排放,占变化总量的-174.5%.需求结构的调整一定程度上抑制了CO2排放的快速增长,但效果有限.由此可见,在2017～2020 年,需求扩张是导致CO2增长的重要因素,碳排放强度下降是抑制CO2快速增长的关键.

表9 2017～2020 年中国CO2 排放变化IO-SDA 结果Table 9 IO-SDA results of CO2 emission changes in China from 2017 to 2020

3.2 2017～2020 年CO2排放:行业视角

由表10 可见,2020 年电力等公共品生产和供应业消耗化石能源排放的CO2比2017 年增加6.67 亿t,占总增量的132.6%,是中国行业CO2排放增长的主要动力.除了电力等公共品生产和供应业和金属产品制造业、化学工业、石油煤炭及其他燃料加工业轻微增加外,其他行业尤其是采掘业、食品及轻工业、交通运输仓储和邮政业等第三产业的CO2排放量均减少.

表10 2017～2020 年分行业CO2排放变化IO-SDA 结果(亿t)Table 10 IO-SDA results of CO2 emission changes by industry from 2017 to 2020(108t)

从4 项驱动因素对CO2排放变化的影响来看,碳排放强度下降是促进绝大部分行业CO2减排的主导因素,在电力等公共品生产和供应业、金属产品制造业、采掘业尤为明显.说明这些行业能源结构优化和能源效率提高举措取得了积极成效.

最终需求结构效应对CO2排放变化的影响最小,但总体上抑制了CO2增长,减排0.44亿t.减排量最大的是交通运输仓储和邮政业,减排1.87亿t,超过该因素减排量的4 倍.这和交通运输仓储和邮政业在此期间进一步转变发展方式,优化运输结构,倡导绿色出行是分不开的.

最终需求规模的变动几乎增加了所有行业的CO2排放,导致增排12.75 亿t,占总效应的253.4%.只给采掘业带来了0.25 亿t 的减排量.根据这一因素对各行业碳排放的影响分析,发现仍然是电力等公共品生产和供应业与金属产品制造业增长最快,分别增加5.33 亿t、3.32 亿t,两者合计占最终需求规模效应的67.9%,对中国产业能源相关CO2排放变化起着举足轻重的作用.

投入产出结构变动在不同行业呈现不同的特征,电力等公共品生产和供应业增加了3.67 亿tCO2排放,另外5 个增排行业增量都在0.18 亿t 以下,6 个实现了CO2减排的行业合计只减排2.63 亿t.可见,在电力等公共品生产和供应业对CO2排放变动起着举足轻重的作用下,投入产出结构效应是造成2017～2020 年产业CO2排放增加的另一重要因素,增排1.50 亿t,占总效应的29.9%.

3.3 2020～2060 年CO2排放:总量视角

表11 结果表明:中国行业能源相关CO2排放应在2030 年左右达到峰值,2035 年前呈现稳中有降趋势,为达峰平台期;2035～2050 年各阶段CO2减排量在18.90 亿～20.93 亿t 之间,为快速减排期; 2050～2060 年各阶段CO2减排量17.62 亿～17.67 亿t,为全面中和期.从分解结果来看,2020～2060 年中国CO2减排86.55 亿t,碳排放强度效应为-171.16 亿t,贡献度为197.8%.在各个阶段均促进CO2减排,且始终为促进CO2减排的主导因素;投入产出结构效应为-36.53 亿t,最终需求结构效应为-11.44 亿t,贡献度分别为42.2%、13.2%.除了2045～2050 年和2055～2060 年,投入产出结构效应在各个阶段均为促进CO2排放下降的第二大驱动因素;除了2050～2055年,最终需求结构效应一直是CO2排放的促降因素,但整体影响较小,特别是随着2050年中国现代化强国目标实现之后,最终需求结构保持基本稳定,其变动对CO2排放的影响不足0.01 亿t.最终需求规模效应是促进CO2排放增长的唯一因素,在其他因素不变的条件下,中国2020～2060 年最终需求规模扩张导致的CO2排放为132.58 亿t,减排贡献度为-153.2%.但随着经济增速逐步放缓,最终需求规模效应越来越小,增排量从2020～2025 年间的24.89亿t 逐步下降到2055～2060 年间的1.75 亿t.

表11 2020～2060 年中国CO2 排放变化IO-SDA 结果(亿t)Table 11 IO-SDA results of CO2 emission changes in China from 2020 to 2060(108t)

3.4 2020～2060 年CO2排放:阶段视角

按照达峰平台期、快速减排期和全面中和期,将2020～2060 年划分为2020～2035 年、2035～2050年、2050～2060 年3 个阶段,对比分析各阶段中国行业CO2排放的变化特点及影响因素.

表12 显示:2020～2035 年间,中国行业CO2排放增加了8.04 亿t; 2035～2050 年间,中国行业CO2排放大幅下降,减排量为59.30 亿t ,这主要是由于能源结构从2035 年的煤、油、非化石能源“三分天下”到2050 年非化石能源占比66%;2050～2060 年间,中国已完成两个“一百年”的奋斗目标,建成社会主义现代化强国的伟大愿景也已实现,经济增速进一步放缓,经济结构保持基本稳定,对化石能源的消耗以及行业CO2排放也进一步减少.这10 年间中国行业CO2减排量为35.29 亿t,比2035～2050 年的减排量下降了24.01 亿t.

表12 2020～2060 年分阶段行业CO2 排放变化IO-SDA 结果(亿t)Table 12 IO-SDA results of phased changes in industry CO2 emissions from 2020 to 2060(108t)

从行业看:2020～2035年中国行业CO2排放的增加,主要是电力等公共品生产和供应业、交通运输仓储和邮政业排放增加所致.这两个行业增排量分别为5.27 亿t、2.72 亿t,合计7.99 亿t,贡献度为99.4%,其余增排或减排的行业变化量均在0.76 亿t 以下.2035～2050 年间,电力等公共品生产和供应业由增排最突出的行业变为减排最突出的行业,减排量为38.04 亿t.金属产品制造业减排9.67 亿t,是减排贡献第二大行业,两者合计减排量占CO2减排总量的80.4%,对中国行业的CO2排放变化起着决定性作用.另外,在2020～2035 年间起到增排作用的化学工业、交通运输仓储和邮政业、非金属矿物制品业在2035～2050 年也起到了减排作用,减排量均在2.0 亿t 以上.2050～2060 年,金属产品制造业超越电力等公共品生产和供应业,成为减排贡献最大的行业,减排10.07 亿t,贡献度为28.5%;电力等公共品生产和供应业减排7.04 亿t,贡献度为19.9%;交通运输仓储和邮政业上升到减排量的第3 位.

从各阶段因素分解结果看,最终需求规模扩张是促进CO2排放增加的唯一因素,如果没有其他因素的减排效应,实际的CO2排放量要多出许多.只是随着经济增速的放缓,其引起的 CO2排放量从2020～2035 年间的69.74 亿t 减少到2035～2050 年间、2050～2060 年的32.34 亿t、6.10 亿t,增排贡献度也从867.5%下降到54.5%、17.3%.碳排放强度、投入产出结构和最终需求结构变动在3 个阶段均抑制CO2排放增长.就减排效果来说,碳排放强度最优,各阶段减排贡献度均高于100%,减排量均在39 亿t以上,尤其2035～2050 年间,减排量高达83.53 亿t;投入产出结构次之,最终需求结构最差.且投入产出结构和最终需求结构随着时间推移,减排效果逐渐减弱.2020～2035 年,两者减排量18.70 亿t、3.67 亿t,贡献度为232.6%、45.7%;2035～2050 年,两者减排量为4.66 亿t、3.45 亿t,贡献度为7.9%、5.8%;2050～2060 年间, 两者减排量为0.59 亿t、30 万t,贡献度为1.7%、0.0%.

从行业因素分解结果看: 反映能源结构优化和效率提高的碳排放强度下降无一例外地在各个阶段对所有行业的CO2减排发挥了积极作用. 2020～2035 年间,其他服务业甚至依靠碳排放强度的下降,抵消了另外3项驱动因素带来的CO2排放增长,最后带来了行业CO2减排. 2035～2060 年间,碳排放强度下降更是所有行业实现CO2减排的决定性因素.电力等公共品生产和供应业、金属产品制造业、交通运输仓储和邮政业、化学工业是碳排放强度效应最显著的行业,合计减排量在3 个阶段分别为32.79,75.44,33.67 亿t,贡献度分别为对应阶段碳排放强度效应的83.4%、90.3%和82.5%.

投入产出结构对各行业CO2排放的影响不尽相同,带来了绝大部分行业碳排放量的减少, 最为显著的是电力等公共品生产和供应业,2020～2060年间合计减排14.54 亿t,占该因素减排总量的60.7%,对整体减排起到了重要作用.但该行业投入产出结构效应随时间削弱明显,从2020～2035 年间的11.10 亿t 降到2035～2050 年间的3.27 亿t,再到2050～2060年间的0.17 亿t,这一变动也直接导致了全行业投入产出结构对CO2减排的贡献明显减小,2035～2050 年间减排量为4.66 亿t,几乎减少为2020～2035 年间的1/4,2050～2060年间更是减少为0.59亿t.部分行业受投入产出结构变动影响轻微增加了CO2排放,如建筑业在3 个阶段分别增加0.05 亿t、0.08 亿t、0.01亿t.也有一些行业的投入产出结构对不同阶段的CO2排放有不同的影响,如其他服务业2020～2035 年间受投入产出结构变动影响增加了0.2 亿tCO2排放,但在2035～2050 年间,投入产出结构成为其他服务业的CO2促降因素,说明其他服务业在2035～2050年间通过技术进步,实现了生产同样的最终产品时,消耗了更少的化石能源.又如农业,与其他服务业相反,投入产出结构由2020～2035 年间的促降因素变成了2035～2050 年间的促增因素,这说明农业在2050 年生产与2035 年同样多的最终产品时,直接或间接消费了更多的化石能源,并释放了更多的CO2.

同样的,最终需求结构变动对各行业CO2排放的影响不一.2020～2035 年间,该因素对除交通运输仓储和邮政业、其他服务业之外的10 个行业的减排起到了积极影响,最为显著的仍然是电力等公共品生产和供应业,减排1.82 亿t,其余9 个行业减排量均在0.52 亿t 以下.与2020～2035 年的阶段相比,2035～2050 年间最终需求结构变动促使CO2减排量由3.67 亿t 变为3.45 亿t,减排作用变化不大.最终需求结构变动导致交通运输仓储和邮政业、其他服务业有小幅增加,合计增加0.13 亿t,其余10 个行业合计减排3.58 亿t.由于2050～2060 年间最终需求结构变化很小,该因素对CO2排放变化的影响也很小.10年间,只有交通运输仓储和邮政业和其他服务业带来合计0.0173 亿tCO2排放增量,其他行业均为减少或不变,全行业CO2减排量合计0.003 亿t.当然,这也反映出最终需求结构在2020～2060 年间逐步向交通运输仓储和邮政业、其他服务业等第三产业转移.

最终需求规模效应是促进CO2排放增长的唯一因素,尤其是在2020～2035 年中国经济增速较快的阶段里,源于最终需求规模扩张带来的CO2的排放量有69.74 亿t,是该阶段全行业CO2排放增加量的约8.7 倍.从最终需求规模变动对各行业CO2排放的影响来看,与碳排放强度效应相反,这一因素在各阶段都增加了所有行业CO2排放,仍然是电力等公共品生产和供应业、金属产品制造业、交通运输仓储和邮政业、化学工业CO2排放的增加量最大,合计增排量在3 个阶段分别为59.70 亿t、28.69 亿t、5.07亿t,贡献度分别为85.6%、88.7%、83.2%.特别是2020～2035年间的电力等公共品生产和供应业,三项促降因素的减排量均遥遥领先于其他行业,若没有最终需求规模的变动,会是减排贡献最大的行业.但由于最终需求规模的持续扩张给电力等公共品生产和供应业带来的巨大增排量,导致该行业最终增排5.27 亿t,成为增排最大的行业,占总增排量的65.5%.

3.5 研究不足

第一,本文从国家统计局获取的投入产出表与利用RAS 法编制的投入产出表均为竞争型投入产出表(即没有分离出进口中间使用矩阵和进口最终需求),容易高估最终需求对中国CO2排放的影响.第二,RAS 法是应用非常广泛的投入产出表平衡和更新方法,也是国家统计局编制投入产出延长表时所用的方法,但其假定结构影响和效率影响具有部门间一致性[46],这与现实存在一定差距,是RAS 法更新误差的主要来源.第三,对外贸易对中国CO2排放具有重要影响,如何明确净出口率和净出口结构是一项重要的课题.囿于数据可得性,本文并没有深入研究, 而是简单假设净出口率常年保持在2%,净出口结构也与2017 年保持一致.第四,本文将国民经济产业部门合并成12 个行业,一是为了将投入产出表和统计年鉴的行业分类统一,二是囿于未来细分行业能源消费、经济增长等预测数据的可得性,合并后行业分类较粗糙,可能导致行业CO2排放测算的误差.以上几点均可能导致本文误差,但不影响整体结论.

4 政策建议

(1)降低碳排放强度.CO2排放是与经济发展尤其是工业化、城市化水平相伴而生的.在中国仍以化石能源为主要消费能源的环境下,最终需求规模扩张必然会促进CO2排放的快速增长.因此,盲目地通过降低经济增速、抑制最终需求规模扩张的减排方案已不可行.降低碳排放强度可以全部或部分弥补最终需求规模扩张对CO2排放的增长,对CO2减排有极大的促进作用,因此通过多种手段来降低碳排放强度已成为必然趋势:①通过经济结构调整、管理进步、技术进步等手段提高能源利用率,进而控制能源消费总量,这是降低碳排放强度、控制CO2排放量的前提;②调整能源结构,建立以光伏、风电、水电等低碳能源体系.一方面要发挥世界上最大的制造业经济体在清洁能源技术,风能、太阳能的清洁发电设备制造上的优势,降低清洁能源开发成本,保卫能源安全;另一方面要深化能源价格机制改革和推进能源体制市场化,促进新能源对传统化石能源的逐步替代,推动煤炭行业的有序退出.对于暂时无法退出的煤炭行业,要坚持煤炭资源优质高效的开发和合理有效利用,减少原煤的直接使用,转变煤炭的使用率,促进煤炭的清洁使用.

(2)促进技术创新.技术创新是实现碳中和目标的重要手段.一方面,在能源领域的技术创新可促进先进可再生能源、高效化石能源的开发利用,调节技术和能源发展的矛盾;同时,技术创新能优化国民经济部门的投入结构,通过新能源替代传统化石能源,减少高碳能源的投入,从而控制CO2排放总量.另一方面,生产部门技术和管理水平的提高使得活劳动减少,对能源的消耗系数降低,可通过减少能源消费量的方式减少CO2排放量.另外,应重点关注电力等公共品生产和供应业、金属产品制造业、交通运输仓储和邮政业、化学工业、建筑业等重点行业的节能技术创新, 要加大对这些行业发展CUSS、控制直接碳捕集、碳移除等负碳技术的支持,鼓励这些行业企业加大对负碳技术的研发投入.这些负碳技术必定会在接近2060 年时期发挥关键作用,是消耗5.59 亿t 能源消费CO2排放的主要力量.

(3)持续推进最终需求结构优化.虽然最终需求规模扩张是引起中国CO2排放的最大因素,但减少CO2排放并不意味着压制最终需求规模,而是要引导最终需求结构优化,既包括最终需求细分因素之间的结构比例,也包括细分因素内部高低碳产品的优化.对于前者,主要是因为产业结构优化是中国低碳经济发展的必由之路,而最终需求结构是影响生产结构的直接因素,要想提高第三产业在国民经济中的比重,必须提高消费在最终需求中的比重,降低投资在最终需求中的比重[47].对于后者,要注重消费结构和投资结构的优化,实现消费和投资产品的低碳化.在消费结构优化过程中,要通过宣传教育树立居民低碳认知,通过政策设计倒逼居民形成低碳预期,引导居民的低碳消费偏好和消费选择,培养居民低碳消费方式.在投资结构优化过程中, 政府也要进行政策干预,比如对绿色长期项目等投资巨大的节能项目设立专项计划;对碳捕捉、碳封存等成本高昂的重大节能降耗技术提供资金和技术支持,引导投资的低碳化方向,鼓励低碳技术的研发.