我國典型城市化石能源消費CO2排放及其影響因素比較研究

鄭 穎,逯 非,劉晶茹,王效科

1 中國科學院生態(tài)環(huán)境研究中心,城市與區(qū)域生態(tài)國家重點實驗室,北京 100085 2 中國科學院大學,北京 100049

IPCC第五次評估報告(AR5)指出,大氣中以二氧化碳(CO2)為主的溫室氣體含量的急劇增加是近幾十年全球平均氣溫上升的主要原因之一[1]。國際能源署(IEA)的數(shù)據(jù)顯示,近年來全球與能源相關(guān)的CO2排放持續(xù)增加,2017年達到325億噸的歷史最高水平。中國作為當今世界最大的碳排放國, 2017年能源消費產(chǎn)生的CO2排放量約為91億噸[2]。盡管我國已經(jīng)做出了CO2排放自主貢獻承諾,但隨著工業(yè)化和城市化進程的加速推進,化石能源消費和CO2排放日趨增加,與2030年達峰并爭取盡早達峰的減排承諾之間的矛盾越來越突出,碳減排任務十分艱巨[3]。

全球城市面積只占陸地面積的2%,但能源消費和CO2排放卻達到75%和78%[4]。日益增長的城市人口和隨之產(chǎn)生的消費模式的變化,使得城市中化石能源消費和CO2排放量不斷增加[5]。隨著國際社會對城市CO2排放問題的關(guān)注,越來越多的學者把研究重點放在分析CO2排放的影響因素上。大部分研究確定了經(jīng)濟增長是CO2排放的主要促進因素,如：Sheinbaum等[6]基于LMDI分解法得到1970—2006年間經(jīng)濟增長對墨西哥鋼鐵工業(yè)CO2排放增加的貢獻率達到133.6%；de Freitas 和Kaneko[7]同樣基于LMDI模型發(fā)現(xiàn)經(jīng)濟發(fā)展是巴西2004—2009年間CO2排放增長的主要影響因素；Li等[8]利用 STIRPAT模型得到經(jīng)濟發(fā)展對南京市2000—2016年間的碳排放增長有顯著的正向影響。而能源強度的降低是CO2排放的主要抑制因素,Pardo等[9]基于LMDI模型定量分析了墨西哥制造業(yè)CO2排放的影響因素,發(fā)現(xiàn)能源強度的下降使CO2排放降低了11%；曹甲威和趙翠薇[10]同樣采用LMDI分解法得到能源強度為貴陽市交通運輸業(yè)CO2排放的主要抑制因素,貢獻率為-37.46%。城市化水平、產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)等因素的影響作用隨研究區(qū)域和研究時段的不同而有明顯差別。

城市化是中國經(jīng)濟增長的主要驅(qū)動力,中國的CO2排放有85%來自城市,因此,城市在減少CO2排放方面發(fā)揮著越來越重要的作用[11]。然而與發(fā)達國家的城市(Urban Area)定義不同,中國的城市是行政區(qū)劃中的一級,這使得城市成為一個區(qū)域概念,如果把全國城市的CO2排放總和等同于全國的CO2排放量,就無法凸顯城市的特征、作用和問題[12]。并且,由于能源消費量數(shù)據(jù)的限制,國內(nèi)能源消費CO2排放的研究主要集中在北京、上海、廣州等較大城市[13- 16]或城市群[17]、以及不同地區(qū)之間[18- 19]。而中國作為一個在經(jīng)濟發(fā)展、人口規(guī)模、能源結(jié)構(gòu)和技術(shù)水平等方面存在較大空間異質(zhì)性的國家[20],化石能源消費和CO2排放存在明顯的城市地區(qū)差異,并受到多種因素的影響,這些影響因素在我國不同城市地區(qū)的作用及其異同尚未明確。

綜上所述,為了明確不同類型城市間CO2排放特征及其影響因素的差異,本文基于化石能源消費數(shù)據(jù)獲取的完備性及連續(xù)性,從中國九大城市群中選取11個城市市轄區(qū)作為研究對象,基于中國本地化排放參數(shù),采用IPCC推薦的參考方法,明確典型城市化石能源消費CO2排放的時空格局。再利用LMDI因素分解法定量分析11個城市市轄區(qū)CO2排放的影響因素。通過比較分析典型城市化石能源消費CO2排放總量、人均CO2排放量和CO2排放強度特征,以及影響因素的差異,以期為今后制定典型城市地區(qū)有針對性的減排策略提供理論參考。

1 研究對象、數(shù)據(jù)來源與研究方法

1.1 研究對象

本文的研究區(qū)域為“市轄區(qū)”——即城市內(nèi)的區(qū)(不包括縣),一般是中國城市中經(jīng)濟活動強度較大的區(qū)域,著重對比不同特點城市間的化石能源消費CO2排放差異。綜合考慮以下4點因素：1)不同城市群；2)不同的經(jīng)濟發(fā)展水平；3)不同的城市規(guī)模；4)能源消耗和產(chǎn)業(yè)結(jié)構(gòu)變化不同。根據(jù)十年的化石能源消費數(shù)據(jù)的完備性與連續(xù)性,從9個不同的城市群中選取了11個城市市轄區(qū)作為研究對象,各城市的基本信息見表1。所選研究區(qū)下文簡稱為北京、上海、重慶、廣州、烏魯木齊、唐山、合肥、貴陽、大慶、呼和浩特和哈爾濱。

表1 11個城市基本信息一覽表(2015年)

1.2 數(shù)據(jù)來源

由于中國大部分城市能源數(shù)據(jù)不完備,因此本文的化石能源消費量數(shù)據(jù)主要來源于：(1)北京、上海、重慶和唐山來源于相應的《能源統(tǒng)計年鑒2007—2016》中的實物量能源平衡表；(2)其余7個統(tǒng)計年鑒中沒有實物量能源平衡表的城市,采用Shan等[21]提供的方法,根據(jù)相應的省級能源平衡表來推算,可選用人口、經(jīng)濟等指標占全省的比重折算。在城市邊界內(nèi)產(chǎn)生的熱力和電力的排放按原煤等一次能源投入使用情況計算,為避免重復,不再單獨計算電力和熱力的CO2排放量。2006—2015年市轄區(qū)人口和地區(qū)生產(chǎn)總值來源于《中國城市統(tǒng)計年鑒(2007—2016)》[22],地區(qū)生產(chǎn)總值以2006年為基期,剔除價格水平的影響。

1.3 化石能源消費CO2排放量核算方法

本文核算了2006—2015年17種化石能源(具體能源種類見表2)消費產(chǎn)生的直接CO2排放量?？紤]到城市市轄區(qū)的非農(nóng)性質(zhì),本文暫不考慮第一產(chǎn)業(yè)(農(nóng)、林、牧、漁業(yè))和居民生活部門中農(nóng)村居民能源消費。核算方法采用IPCC推薦的參考方法,即與化石能源相關(guān)的CO2排放量等于活動數(shù)據(jù)乘以排放系數(shù),公式如下：

(1)

表2 化石能源消費CO2排放核算參數(shù)

由于11個典型城市人口規(guī)模和經(jīng)濟發(fā)展程度存在較大差異,CO2排放總量并不能完全反映出不同城市間CO2排放水平的差異,因此還選取了人均CO2排放量(CO2排放總量與人口之比,噸CO2/人)和CO2排放強度(單位GDP 所排放的CO2,噸CO2/萬元)作為城市間比較的指標。

1.4 CO2排放影響因素定量分析

用于分解化石能源消費CO2排放并定量分析影響因素的方法雖多,但對數(shù)平均迪氏指數(shù)法(logarithmic mean divisia index method,即LMDI法)是目前廣泛應用于CO2排放影響因素分解分析的方法[26]。LMDI分解法能夠有效解決殘差項、數(shù)據(jù)零和負的問題,結(jié)果簡單且更容易解釋。并在城市[27]、國家[28- 29]、區(qū)域[30- 31]尺度的上得到廣泛應用。因此,本文采用LMDI分解法,擴展Kaya恒等式將CO2排放總量與各個因素間的關(guān)系分解為：

(2)

定義C0為基年CO2排放量,Ct為第t年CO2排放量,ΔC為基年到t年CO2排放量變化值的總效應,根據(jù)LMDI模型,可將總效應分解為碳排放系數(shù)效應(ΔCU)、能源結(jié)構(gòu)效應(ΔCM)、能源強度效應(ΔCI)、產(chǎn)業(yè)結(jié)構(gòu)效應(ΔCS)、經(jīng)濟發(fā)展效應(ΔCY)、人口規(guī)模效應(ΔCP),各影響因素分解效應的表達式如下：

能源結(jié)構(gòu)效應：

(3)

能源強度效應：

(4)

產(chǎn)業(yè)結(jié)構(gòu)效應：

(5)

經(jīng)濟發(fā)展效應：

(6)

人口規(guī)模效應：

(7)

由于不同能源種類所對應的CO2排放系數(shù)值保持不變,因此默認碳排放系數(shù)效應ΔCU=0,故城市化石能源消費CO2排放量變化的綜合效應可表示為：

ΔC=C0-Ct=ΔCM+ΔCI+ΔCS+ΔCY+ΔCP

(8)

2 結(jié)果與分析

2.1 CO2排放特征分析

2.1.1CO2排放總量

11個典型城市十年間累積排放了104.8億噸CO2,其中唐山排放最多,年均CO2排放量達到215.9Mt,大慶最少,年均排放量僅33.91Mt(圖1)。2006—2010年CO2排放量最多的是上海,唐山于2010年超過上海,在2011年達到峰值(293.8Mt)后,CO2排放量雖有下降,但仍遠高于其他城市。2015年烏魯木齊超過上海,成為11個城市中CO2排放第二多的城市(圖2)。2006—2015年間,上海和唐山的CO2排放量均在140Mt以上,這與兩個城市能源消費量過高有關(guān)。而經(jīng)濟和人口規(guī)模都較小的大慶和貴陽的CO2排放量均未超過50Mt。11個城市中CO2排放增長速度最快的依次是烏魯木齊、合肥和重慶,年平均增長率分別為14.87%、10.56%和7.32%,北京和廣州的CO2排放總量呈下降趨勢,年平均增長率分別為-0.12%和-11.82%(圖1)。十年間,累積CO2排放量最多的城市依次為唐山(2159Mt)、上海(1832Mt)、烏魯木齊(1258Mt)和重慶(1199Mt),分別占11個典型城市總量的20.60%、17.48%、12.01%和11.44%(圖1)。

圖1 11個城市CO2排放年平均增長率和累積CO2排放量Fig.1 The average annual growth rate and the cumulative CO2 emissions in the 11 cities

從分部門化石能源消費CO2排放來看,工業(yè)是CO2排放量最多的部門(圖2),同時也是城市CO2排放變化的主導因素。2006—2015年,烏魯木齊和呼和浩特工業(yè)CO2排放占總排放量的比例上升,烏魯木齊從90.27%上升至91.49%,呼和浩特從80.95%上升至81.81%。其余9個城市工業(yè)CO2排放量呈下降趨勢,下降幅度最大的依次為廣州、貴陽和北京,分別下降了42.97%、36.07%和30.91%。2015年,僅北京和廣州工業(yè)CO2排放量占比降至50%以下,北京從55.65Mt降至38.05Mt,占總排放量的43.52%,廣州從58.06Mt降至28.06Mt,占總排放量的43.97%,與兩個城市CO2排放總量的下降趨勢相同。CO2排放總量較多的唐山和烏魯木齊10年間工業(yè)CO2排放占比均保持在90%以上。人口較多、經(jīng)濟發(fā)達的巨大型城市北京和上海交通運輸部門的CO2排放量較多,約占20%。建筑業(yè)、批發(fā)零售和住宿餐營業(yè)、其他行業(yè)以及城市居民能源消費產(chǎn)生的CO2排放量逐年增加,但排放量遠小于工業(yè)(占總量的10%左右),且變化幅度不大。

2.1.2人均CO2排放量

人均CO2排放量的高低反映了不同地區(qū)人口對CO2排放空間的占有程度。CO2總量呈下降趨勢的北京和廣州的人均CO2排放量也呈下降趨勢,人均CO2排放量年平均增長率分別為-2.06%和-3.34%(表3)。其余九個城市的人均CO2排放量呈現(xiàn)出不同程度的增長,烏魯木齊的人均CO2排放年平均增長率最高(11.11%)。唐山、烏魯木齊和呼和浩特的人均CO2排放量較高,平均CO2排放量分別為68.90噸/人、51.61噸/人和56.99噸/人。重慶的經(jīng)濟規(guī)模和CO2排放量在11個城市中偏高,但人均CO2排放量卻最低,主要是因為重慶的人口遠遠高于其余10個城市(表1)。

表3 2006年和2015年11個城市人均CO2排放量和CO2排放強度

圖2 2006—2015年11個城市CO2排放總量和分部門CO2排放量Fig.2 Total CO2 emissions and sector CO2 emissions in the 11 cities from 2006 to 2015

2.1.3CO2排放強度

CO2排放強度是用來衡量CO2排放與經(jīng)濟發(fā)展的重要指標,當一個地區(qū)經(jīng)濟增長時,CO2排放強度越低,就能說明該地區(qū)以較少的碳排放實現(xiàn)了經(jīng)濟發(fā)展。11個典型城市中,CO2排放強度較低的北京、上海和廣州經(jīng)濟發(fā)展水平較高、第三產(chǎn)業(yè)比值較大,也是能源輸入城市。CO2排放強度較高的烏魯木齊和唐山,是能源輸出城市,經(jīng)濟發(fā)展多依賴于重工業(yè),能源利用效率較低(表3)。從變化幅度來看,除烏魯木齊外,其余10個城市CO2排放強度呈負增長趨勢,但下降幅度不同(表3)。而烏魯木齊的CO2排放強度升高是因為地區(qū)生產(chǎn)總值的年平均增長率(12.97%)小于CO2排放量的年平均增長率(14.87%)。雖然在研究期內(nèi)有10個城市的CO2排放強度在降低,但各城市間仍存一定差距,廣州、貴陽和北京分別下降了68.02%、55.09%和54.69%,唐山、合肥和哈爾濱的CO2排放強度分別下降27.99%、28.18%和33.45%。

2.1.4基于經(jīng)濟發(fā)展和CO2排放的城市分類

為了更好的對比分析11個城市化石能源消費CO2排放的影響因素及影響作用的差異,綜合考慮CO2排放量和經(jīng)濟發(fā)展現(xiàn)狀,將這11個典型城市分為以下四類：經(jīng)濟高度發(fā)達城市,包括北京、上海和廣州；高碳排放城市,包括重慶、烏魯木齊和唐山；低排放低增長城市,包括哈爾濱、呼和浩特和大慶；低排放高增長城市,包括貴陽和合肥(圖3)。

圖3 不同城市CO2排放和經(jīng)濟增長模式Fig.3 Different growth models of urban economy and CO2 emission

2.2 CO2排放影響因素分解分析

2.2.1城市CO2排放因素分解

本文將11個城市2006—2015年化石能源消費產(chǎn)生的CO2排放總量按經(jīng)濟發(fā)展、人口規(guī)模、能源、產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)進行分解,分解結(jié)果見表4。

2.2.2各因素對城市能源CO2排放的驅(qū)動作用

經(jīng)濟發(fā)展是11個城市CO2排放最大的正向驅(qū)動因素。經(jīng)濟發(fā)展對上海、重慶和烏魯木齊的CO2排放累積貢獻值最大,分別使CO2排放累積增加了100.9Mt、84.39Mt和80.15Mt。對大慶的貢獻值最小, CO2排放累積增加了18.97Mt(表4)。整體來看,經(jīng)濟發(fā)展效應對經(jīng)濟高度發(fā)達城市和高碳排放城市的CO2排放貢獻值高于低排放低增長和低排放高增長城市。人口規(guī)模效應對11個典型城市的CO2排放均產(chǎn)生促進作用,但正向促進作用小于經(jīng)濟發(fā)展(圖4)。人口規(guī)模效應對CO2排放增長貢獻最大的是高碳排放城市中的重慶和烏魯木齊,累積貢獻值分別為37.56Mt和17.57Mt。人口規(guī)模效應對大慶的CO2排放促進作用最小(2.18Mt),大慶的人口規(guī)模也相對較小,2015年人口規(guī)模(135.9萬人)僅為重慶的6.38%,年平均增長率僅0.90%。能源強度是11個城市CO2排放最大的負向驅(qū)動因素。2006—2015年間4類城市的能源強度整體呈下降趨勢,相應的能源強度效應的累積貢獻值均為負值(表4)。北京和廣州能源強度對CO2排放的累積貢獻值最大,分別為-76.51Mt和-77.17Mt,同時能源強度效應的累積貢獻值抵消了其他因素引起的CO2排放增加量,使這兩個城市在研究期內(nèi)CO2排放累積降低了44.64Mt和2.18Mt。

表4 2006—2015年間11個城市CO2排放增量因素分解

產(chǎn)業(yè)結(jié)構(gòu)效應對經(jīng)濟高度發(fā)達城市的CO2排放均有削減作用,累積貢獻值為-3.74Mt、-9.51Mt和-2.8Mt,這三個城市二、三產(chǎn)業(yè)GDP年均增長率分別為：7.72%、9.65%,6.60%、10.71%和10.30%、12.39%。產(chǎn)業(yè)結(jié)構(gòu)的變化對重慶的CO2排放促進作用最大,累計貢獻值為12.51Mt,二、三產(chǎn)業(yè)GDP年平均增長率分別為17.10%和11.83%,促進作用遠小于人口規(guī)模、經(jīng)濟發(fā)展和能源結(jié)構(gòu)。整體來看,產(chǎn)業(yè)結(jié)構(gòu)的變化對北京、上海、廣州、烏魯木齊、大慶和貴陽的CO2排放是抑制作用,這6個城市第三產(chǎn)業(yè)GDP年平均增長速率均大于第二產(chǎn)業(yè)(表1)。從能源結(jié)構(gòu)的變化來看,僅對經(jīng)濟高度發(fā)達城市中的北京和廣州有抑制作用,并且北京的(-21.73Mt)CO2排放累積削減值大于廣州(-0.03Mt)。能源結(jié)構(gòu)的變化對上海的CO2排放有一定促進作用,但累積貢獻值較其他三類城市偏小(11.53Mt)。能源結(jié)構(gòu)效應對高碳排放城市的CO2排放促進作用較明顯,使重慶和烏魯木齊的CO2排放量累積增加了71.13Mt和40.2Mt,但促進作用小于經(jīng)濟發(fā)展效應。整體來看,能源結(jié)構(gòu)的變化對低排放低增長和低排放高增長城市的促進作用都較小。

圖4 十年間11個城市CO2排放影響因素分解結(jié)果Fig.4 Decomposition results of factors affecting CO2 emissions in the 11 cities from 2005 to 2010

3 討論

3.1 CO2排放

3.1.1CO2排放總量

十年間累積CO2排放量較高的重慶、烏魯木齊和唐山組成高碳排放城市,這三個城市工業(yè)CO2排放較多且占據(jù)主導地位,重慶工業(yè)CO2排放占比在80%左右,而烏魯木齊和唐山的工業(yè)CO2排放量占比均在90%以上。對于經(jīng)濟高度發(fā)達的三個城市北京、上海和廣州來說(2015年市轄區(qū)GDP超過1800十億元),2006—2015年,北京和廣州的CO2排放量呈下降趨勢,這與研究期內(nèi)工業(yè)CO2排放量占比降至50%以下,煤炭消費比重降幅較大有關(guān)(北京下降了67.15%,廣州下降了30.27%),并且CO2排放的下降趨勢與劉兆龍等[31]和王長建等[32]的研究一致；而上海的CO2排放呈增長趨勢,主要因為上海的能源消費量較高,從2006年消費5286萬噸標準煤增加到2015年7325萬噸標準煤,因此與之相關(guān)的CO2排放也較高。以上研究結(jié)果與Cai等[33]的研究相符,CO2排放總量較高的城市為超大城市或以工業(yè)為主的城市。十年間,低排放低增長城市得經(jīng)濟增長速度較慢,大慶和呼和浩特的GDP年平均增長率在11個城市中最小,分別為5.34%和6.41%；低排放高增長城市中合肥和貴陽的GDP年平均增長率較高(18.50%和19.00%)。但這兩類城市的經(jīng)濟水平相對較低(2015年市轄區(qū)GDP均未達到5000億元),CO2排放量相較于另兩類城市也較低。

3.1.2人均CO2排放量

四類城市的人均CO2排放量差異較大,且表現(xiàn)出與CO2排放總量相似的變化趨勢,CO2排放總量降低的北京和廣州,人均CO2排放量也出現(xiàn)負增長,年平均增長率分別為-2.06%和-3.34%,這與兩個城市人口穩(wěn)定增長、CO2排放總量降低有關(guān)。高碳排放、低人口規(guī)模造成高碳排放城市中的唐山和烏魯木齊的人均CO2排放量遠高于其他城市,而重慶由于人口規(guī)模最高,相應的人均CO2排放量也較低。

3.1.3CO2排放強度

CO2排放強度整體上表現(xiàn)為：經(jīng)濟高度發(fā)達城市(均值為0.88tCO2/萬元)<低排放低增長城市(均值為2.82tCO2/萬元)<低排放高增長城市(均值為3.05tCO2/萬元)<高碳排放城市(均值為6.62tCO2/萬元)。對比來看,高碳排放城市的CO2排放強度最高,這類城市CO2排放總量較高,經(jīng)濟水平又低于經(jīng)濟高度發(fā)達城市。而經(jīng)濟高度發(fā)達的城市CO2排放強度較低,因為這類城市經(jīng)濟基礎雄厚,在資源、技術(shù)、交通等方面更有優(yōu)勢,隨著低碳技術(shù)的革新,通過技術(shù)進步促進產(chǎn)業(yè)結(jié)構(gòu)升級和優(yōu)化,能源利用效率不斷提高[34]。

3.2 CO2排放影響因素

2006—2015年,經(jīng)濟發(fā)展是11個典型城市化石能源消費CO2排放量增加最主要的正向促進因素,這與國際上一些研究結(jié)果相似[35- 37]。雖然在國家尺度上,關(guān)于經(jīng)濟增長與城市CO2排放關(guān)系的研究結(jié)果還存在一些不確定性[38],但Azizalrahman和Hasyimi[39]指出高收入和中高收入國家的城市CO2排放與GDP存在倒“U”型關(guān)系,而中低收入國家城市的CO2排放和GDP則為線性正相關(guān)關(guān)系。郭建科[40]的研究也表明我國還需要更高的經(jīng)濟發(fā)展水平來支撐碳排放峰值的出現(xiàn)。本文的結(jié)果顯示11個典型城市經(jīng)濟發(fā)展所引起的CO2排放累積增加量遠高于其他正向促進因素,其中,大慶的經(jīng)濟增長速度是11個城市中最低的,經(jīng)濟規(guī)模也較低(2448億元),但經(jīng)濟發(fā)展對CO2排放的累積貢獻值遠高于其他4個影響因素。因此協(xié)調(diào)經(jīng)濟增長與CO2排放之間的矛盾依然是今后研究的重點。

人口規(guī)模效應是11個典型城市化石能源消費CO2排放增加的促進因素,但累積貢獻值小于經(jīng)濟發(fā)展效應,這可能與人口增長速度小于經(jīng)濟發(fā)展速度有關(guān)(圖5)。人口規(guī)模效應對CO2排放增長貢獻作用最大的是高碳排放城市中的重慶和烏魯木齊,這與兩個城市快速的人口擴張速度有關(guān),年平均增長率分別為3.88%和3.38%(圖5)。而人口規(guī)模效應對大慶的CO2排放促進作用最小,因為大慶的人口規(guī)模和增長速度都較小,分別為135.9萬人(表1)和0.90%。隨著城市化進程的推進,城市人口增長將帶來化石能源消費和CO2排放量的增加。

能源強度是衡量能源利用效率的重要指標,能源強度的降低意味著每單位GDP所消耗能源有所減少,這也間接造成CO2排放量的減少,它對城市和區(qū)域的CO2排放具有重要影響[41]。在本研究中能源強度為抑制CO2排放增長的關(guān)鍵因素也是最主要的影響因素,CO2排放總量下降的北京和廣州同時具有最快的能源強度下降速度,分別為8.59%和9.46%(圖5),相應的能源強度降低對CO2排放的累積貢獻值也最大。研究期內(nèi)烏魯木齊和唐山的能源強度均高于其他城市,然而能源強度效應對CO2排放的抑制作用卻較明顯,分別削減了71.01Mt和44.12Mt的CO2排放量,說明這類城市通過提高能源利用效率來抑制碳排放的空間較大。整體來看,經(jīng)濟高度發(fā)達和高碳排放城市的能源強度抑制作用強于低排放低增長和低排放高增長城市,這就強調(diào)了提高能源利用效率對低碳減排的重要性。

圖5 11個城市GDP、人口、能源強度和CO2排放年平均增長率Fig.5 The average annual growth rate of GDP, population, energy intensity and CO2 emissions in the 11 cities

產(chǎn)業(yè)結(jié)構(gòu)的變化對北京、上海、廣州、烏魯木齊、大慶和貴陽的CO2排放是抑制作用,這與6個城市第三產(chǎn)業(yè)GDP年均增長速率大于第二產(chǎn)業(yè)有關(guān)(表1)。產(chǎn)業(yè)結(jié)構(gòu)效應對經(jīng)濟高度發(fā)達城市的CO2排放均有削減作用,這三個城市受到國家的重視,大力推進產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化與調(diào)整,重點發(fā)展第三產(chǎn)業(yè),二、三產(chǎn)業(yè)GDP年均增長率分別為：7.72%、9.65%,6.60%、10.71%和10.30%、12.39%,能源消費和CO2排放較多的第二產(chǎn)業(yè)逐漸降低必然會帶來CO2排放總量降低。產(chǎn)業(yè)結(jié)構(gòu)效應對重慶和合肥的促進作用較明顯,這兩個城市二、三產(chǎn)業(yè)GDP年平均增長率分別為：17.10%、11.83%和17.74%、12.14%。以上結(jié)論強調(diào)了提高第三產(chǎn)業(yè)比重對抑制CO2排放的重要性。

由于不同種類的能源具有不同的碳排放系數(shù),煤炭的排放系數(shù)最高,石油次之,天然氣最少。因此消耗等量熱值的化石能源時,碳排放系數(shù)最高的煤炭所占比例越低,CO2排放量就越少。本文的研究結(jié)果顯示能源結(jié)構(gòu)的變化僅對北京和廣州的CO2排放有抑制作用,研究期內(nèi)北京的煤炭消費比重下降了67.15%,廣州下降了30.27%。雖然上海的煤炭消費比重呈下降趨勢,但因上海的能源消費總量遠高于其他城市,并且石油消費比重處于較高水平,平均占比約為78%,因而能源結(jié)構(gòu)的變化對上海CO2排放存在一定的促進作用,只是促進作用較小。能源結(jié)構(gòu)對高碳排放城市中重慶和烏魯木齊的CO2排放促進作用最明顯,這兩個城市的煤炭消費量高于其他城市,十年間煤炭平均消費量分別為1951萬噸標準煤和1562萬噸標準煤,而唐山的煤炭消費占比均在80%左右,但能源結(jié)構(gòu)效應的累積貢獻值僅6.87MtCO2,說明唐山的能源結(jié)構(gòu)調(diào)整對減排有一定效果。高碳排放城市今后應重點優(yōu)化調(diào)整結(jié)構(gòu),提高清潔能源比重,有計劃且積極地開發(fā)利用風能、太陽能、生物能等無碳或低碳的綠色可再生能源[42]。能源結(jié)構(gòu)效應對低排放低增長和低排放高增長城市的促進作用相對較小,但呼和浩特是個例外,因為研究期內(nèi)呼和浩特的煤炭消費所占比例從77.77%上升至83.99%,而天然氣和石油的比值持續(xù)下降,能源結(jié)構(gòu)變化的不合理使得CO2排放量增加。

從化石能源消費CO2排放影響因素的分析得到,經(jīng)濟發(fā)展和人口規(guī)模效應對11個城市CO2排放增長均表現(xiàn)為正向促進作用,而能源強度效應是11個城市CO2排放最大的抑制因素。產(chǎn)業(yè)結(jié)構(gòu)效應是第三產(chǎn)業(yè)GDP年均增長速率大于第二產(chǎn)業(yè)的6個城市CO2排放的抑制因素,能源結(jié)構(gòu)效應僅對煤炭消費比重降幅較大的北京和廣州的CO2排放有抑制作用。

3.3 不確定性分析

由于中國城市的能源統(tǒng)計數(shù)據(jù)尚不完備,估算方法不同、CO2排放系數(shù)的標準不統(tǒng)一,都會使得CO2排放核算結(jié)果不一致[43]。Shan等[21]提供的用適當?shù)姆峙湎禂?shù)將省級能源數(shù)據(jù)分配給城市的方法較好的解決了城市尺度能源數(shù)據(jù)缺失的問題。Jing等[44]用相似的方法估算了中國41個城市的CO2排放量,將結(jié)果與中國高分辨率碳排放數(shù)據(jù)(CHRED)進行比較,差異均在10%以內(nèi),并強調(diào)了使用中國本地化的碳排放因子的必要性。然而該方法因社會經(jīng)濟數(shù)據(jù)的復雜性和各城市指標選取而存在一定誤差,希望在今后的研究中對該方法進行調(diào)整,使其能夠充分、準確的估算中國不同城市尺度化石能源消費產(chǎn)生的CO2排放量。又因為CO2排放過程包含諸多復雜的驅(qū)動因素,今后應利用多學科交叉研究,基于不同模型方法深入探究城市尺度CO2排放及其影響因素的作用,并擴展歷史發(fā)展、居民生活習慣、氣候變化、地理位置等不可量化影響因素與CO2排放關(guān)系的研究。