應(yīng)對(duì)氣候變化與低碳發(fā)展中國(guó)碳中和目標(biāo)下的二氧化碳排放路徑

蔡博峰 曹麗斌 雷宇

摘要 結(jié)合中國(guó)中長(zhǎng)期規(guī)劃研究成果和國(guó)內(nèi)外學(xué)術(shù)文獻(xiàn)，充分考慮中國(guó)現(xiàn)階段以工業(yè)為主的產(chǎn)業(yè)結(jié)構(gòu)、以煤為主的能源結(jié)構(gòu)，以及新技術(shù)研發(fā)和投入使用周期，利用中國(guó)高空間分辨率排放網(wǎng)格數(shù)據(jù)庫(kù)（China high resolution emission gridded database，CHRED），自上而下（基于中國(guó)中長(zhǎng)期排放和強(qiáng)度目標(biāo)并參考IPCC-SSPs排放情景）和自下而上（基于CHRED 50 km網(wǎng)格分部門排放，利用空間公平趨同模型），建立中國(guó)碳中和目標(biāo)下的2020—2060年二氧化碳排放路徑（CAEP-CP 1.1）。CAEP-CP 1.1表明，中國(guó)2027年左右達(dá)峰，二氧化碳排放峰值為106億t，達(dá)峰后經(jīng)歷5～7年平臺(tái)期，2030年二氧化碳排放量為105億t。CAEP-CP 1.1空間格局（50 km）在2030年和IPCC排放情景基本一致，但2060年差異較為顯著，主要由于CAEP-CP 1.1是基于中國(guó)2060年碳中和的目標(biāo)，相比IPCC情景減排力度更強(qiáng)。2060年排放格局下，中國(guó)基本實(shí)現(xiàn)超低排放，絕大部分區(qū)域（50 km×50 km）排放量都低于100萬(wàn)t，而在IPCC的情境下，中國(guó)2060年仍有不少區(qū)域排放量超過(guò)1 000萬(wàn)t。CAEP-CP 1.1空間化排放數(shù)據(jù)可與IPCC-SSPs（0.5°網(wǎng)格）比對(duì)和分析，路徑數(shù)據(jù)可實(shí)現(xiàn)部門、區(qū)域?qū)?biāo)分析和橫縱向比較，國(guó)家-區(qū)域-部門-網(wǎng)格數(shù)據(jù)聯(lián)動(dòng)和雙向反饋，可追溯性強(qiáng)（可分析每個(gè)50 km空間網(wǎng)格分部門排放和相關(guān)參數(shù)），便于根據(jù)實(shí)際發(fā)展、國(guó)家重大決策變化和認(rèn)知提升等動(dòng)態(tài)調(diào)整和迭代升級(jí)路徑數(shù)據(jù)，有利于決策者在國(guó)家-區(qū)域-部門層面模擬和推演不同政策措施下的排放情景，為二氧化碳排放管控科學(xué)化、精準(zhǔn)化提供重要支撐。

關(guān)鍵詞 中國(guó);二氧化碳排放路徑;空間化;碳中和

氣候變化是全球最大的環(huán)境挑戰(zhàn)，人為活動(dòng)導(dǎo)致的溫室氣體排放是20世紀(jì)中葉以來(lái)全球變暖的主要原因。IPCC（聯(lián)合國(guó)政府間氣候變化專門委員會(huì)）第五次評(píng)估報(bào)告詳細(xì)分析了全球以及不同區(qū)域二氧化碳排放路徑下的全球升溫狀態(tài)[1]?；谌驊?yīng)對(duì)氣候變化目標(biāo)建立國(guó)家和區(qū)域二氧化碳排放路徑，從而進(jìn)一步分析減排情景、政策和成本-效益，成為全球氣候變化研究的重要范式[1-4]?！栋屠鑵f(xié)定》提出將全球平均氣溫較前工業(yè)化時(shí)期上升幅度控制在2 ℃以內(nèi)，并努力將溫度上升幅度限制在1.5 ℃以內(nèi)[5]，為全球二氧化碳排放路徑研究和減排確定了新的目標(biāo)和錨點(diǎn)?！度蛏郎?.5 ℃特別報(bào)告》更加明確了將全球變暖限制在1.5 ℃需要到2030年全球二氧化碳排放比2010年下降約45%，到2050年左右達(dá)到“凈零”排放，并在報(bào)告中提出4種實(shí)現(xiàn)路徑[6]。《全球升溫1.5 ℃特別報(bào)告》對(duì)全球碳排放路徑提出更加嚴(yán)格和更加清晰的路徑要求，全球主要國(guó)家基于此都進(jìn)一步明確和強(qiáng)化了自主貢獻(xiàn)目標(biāo)[7-10]。

中國(guó)是全球二氧化碳排放大國(guó)，中國(guó)2020—2050—2060年二氧化碳排放路徑研究備受關(guān)注[11-13]。中國(guó)在2015年提出2030年左右使二氧化碳排放達(dá)到峰值并爭(zhēng)取盡早實(shí)現(xiàn)，2030年單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放比2005年下降60%～65%。2020年習(xí)近平總書(shū)記在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上宣布我國(guó)力爭(zhēng)于2030年前二氧化碳排放達(dá)到峰值，努力爭(zhēng)取于2060年前實(shí)現(xiàn)碳中和。這些重大宣示為中國(guó)二氧化碳排放路徑研究確定了關(guān)鍵性錨點(diǎn)，也使得更加清晰、明確的中國(guó)二氧化碳排放路徑研究成為可能。研究建立中國(guó)2020—2060年二氧化碳排放路徑是落實(shí)習(xí)近平總書(shū)記聯(lián)合國(guó)大會(huì)承諾的基礎(chǔ)性工作，也是中國(guó)社會(huì)經(jīng)濟(jì)高質(zhì)量發(fā)展路線圖的重要支撐。

本研究基于中國(guó)關(guān)鍵年份二氧化碳排放和強(qiáng)度目標(biāo)，參考IPCC全球共享社會(huì)經(jīng)濟(jì)路徑（shared socioeconomic pathways，SSPs）數(shù)據(jù)，結(jié)合中國(guó)中長(zhǎng)期規(guī)劃研究成果和國(guó)內(nèi)外學(xué)術(shù)文獻(xiàn)，充分考慮中國(guó)現(xiàn)階段以工業(yè)為主的產(chǎn)業(yè)結(jié)構(gòu)、以煤為主的能源結(jié)構(gòu)，以及新技術(shù)研發(fā)和投入使用周期，利用中國(guó)高空間分辨率排放網(wǎng)格數(shù)據(jù)庫(kù)（China high resolution emission gridded database，CHRED），自上而下（基于中國(guó)中長(zhǎng)期排放和強(qiáng)度目標(biāo)并參考IPCC-SSPs排放情景）和自下而上（基于CHRED 50 km網(wǎng)格的分部門排放）方法相結(jié)合，建立中國(guó)2020—2060年二氧化碳排放路徑（Chinese Academy of Environmental Planning Carbon Pathways， CAEP-CP 1.1），實(shí)現(xiàn)全國(guó)、分省、分部門的排放路徑分析和情景模擬，為決策者建立可科學(xué)計(jì)算、可精準(zhǔn)研判和可落地分析的二氧化碳排放管控路徑和措施提供重要支撐。

1 研究方法和數(shù)據(jù)

1.1 研究框架

CAEP-CP 1.1研究中的二氧化碳排放僅考慮化石能源燃燒二氧化碳排放。借鑒IPCC路徑情景方法學(xué)、排放機(jī)理模型、統(tǒng)計(jì)學(xué)模型和GIS空間分析模型等方法，結(jié)合文獻(xiàn)分析、數(shù)據(jù)挖掘和專家研討等多種形式開(kāi)展研究工作，詳細(xì)研究路線如圖1所示。CAEP-CP 1.1中包括5個(gè)部門，分別是火電、工業(yè)（非火電）、交通、建筑（農(nóng)村生活、城鎮(zhèn)生活、服務(wù)業(yè)）和農(nóng)業(yè)。

1.2 中國(guó)二氧化碳排放數(shù)據(jù)

中國(guó)二氧化碳網(wǎng)格化排放數(shù)據(jù)（2018年基準(zhǔn)年）來(lái)自中國(guó)高空間分辨率排放網(wǎng)格數(shù)據(jù)庫(kù)（CHRED）。CHRED參考國(guó)際主流自下而上的空間化方法，結(jié)合中國(guó)的實(shí)際情況和數(shù)據(jù)特點(diǎn)，基于點(diǎn)排放源自下而上的空間化方法，結(jié)合點(diǎn)排放源和其他線源（交通源）、面源（農(nóng)業(yè)、生活源等）數(shù)據(jù)，建立1 km 二氧化碳排放網(wǎng)格數(shù)據(jù)，確定數(shù)據(jù)的空間精度和不確定性分析方法。本研究采用CHRED中5個(gè)部門的50 km空間分辨率排放清單數(shù)據(jù)[14-15]，與IPCC-SSPs全球排放情景數(shù)據(jù)（0.5 ℃）空間分辨率保持一致，也便于比較分析。中國(guó)2020年二氧化碳排放數(shù)據(jù)使用中國(guó)碳情速報(bào)（China Carbon Watch，CCW）研究數(shù)據(jù)[16]。

1.3 部門排放趨勢(shì)特征

根據(jù)部門歷史排放特征（2010—2019年數(shù)據(jù)）、中國(guó)碳情速報(bào)研究數(shù)據(jù)（2020年數(shù)據(jù)），參考國(guó)內(nèi)外研究文獻(xiàn)中關(guān)于中國(guó)相關(guān)部門排放趨勢(shì)分析，以及相關(guān)政策和行業(yè)專家判斷，確定部門排放趨勢(shì)特征。

火電是中國(guó)最大的二氧化碳排放行業(yè)，超低排放改造措施在2020年已基本完成，通過(guò)控制大氣污染物排放進(jìn)一步減排二氧化碳的空間有限。實(shí)現(xiàn)火電部門的低碳減排，需要使用多種轉(zhuǎn)型方案組合。火電排放特征趨勢(shì)參考了Liu等[17]、Li等[18]和Zhao等[19]的研究，火電行業(yè)排放會(huì)受到嚴(yán)格限制，同時(shí)加強(qiáng)對(duì)燃煤發(fā)電機(jī)組總裝機(jī)容量的控制，加大對(duì)可再生能源發(fā)電的大規(guī)模開(kāi)發(fā);工業(yè)（非火電）參考了Wang等[20]和Wu等[21]研究中情景走勢(shì)，體現(xiàn)了各類措施的最大減排潛力，同時(shí)考慮了能源強(qiáng)度和經(jīng)濟(jì)活動(dòng)這兩個(gè)因素，以及相關(guān)的國(guó)內(nèi)政策;交通部門的趨勢(shì)特征參考了Hao等[22]、Yin等[23]和Wang等[24]相關(guān)研究中情景走勢(shì);建筑（農(nóng)村/城鎮(zhèn)生活/服務(wù)業(yè)）部門參考了Tan等[25]、Yang等[26]和Xiao等[27]研究中情景特征，考慮了18項(xiàng)代表性政策，并且在建筑行業(yè)低碳政策的推動(dòng)下，充分考慮終端設(shè)備節(jié)能、能源結(jié)構(gòu)調(diào)整、可再生能源等管理和技術(shù)因素。

1.4 IPCC二氧化碳排放數(shù)據(jù)

IPCC-SSPs是IPCC基于全球升溫控制和排放特征，結(jié)合排放與社會(huì)經(jīng)濟(jì)發(fā)展情景，提出的氣候變化約束下的全球共享社會(huì)經(jīng)濟(jì)路徑，用以闡述全球社會(huì)經(jīng)濟(jì)發(fā)展的可能狀態(tài)和演變趨勢(shì)[28-29]。IPCC-SSPs數(shù)據(jù)庫(kù)提供了較為完善且具有國(guó)際權(quán)威的2020—2100年全球空間化溫室氣體排放數(shù)據(jù)（0.5°網(wǎng)格，約50 km分辨率），對(duì)于IPCC各類評(píng)估報(bào)告、UNFCCC（聯(lián)合國(guó)氣候變化框架公約）談判和各國(guó)政府氣候決策發(fā)揮了關(guān)鍵支撐作用。SSPs情景已經(jīng)應(yīng)用于IPCC第五次評(píng)估報(bào)告[1]。SSP1是可持續(xù)路徑（Sustainability），也是IPCC-SSPs情景中溫室氣體減排最為嚴(yán)格的一種情景。本研究主要使用IPCC-SSP1中典型年份的二氧化碳排放數(shù)據(jù)。

1.5 植被碳匯

根據(jù)最新的國(guó)家溫室氣體清單，中國(guó)2014年土地利用、土地利用變化與林業(yè)領(lǐng)域的碳匯量約為11.51億t二氧化碳當(dāng)量[30]。結(jié)合已有學(xué)術(shù)研究成果，中國(guó)森林植被的碳匯量有可能在2020—2030年左右達(dá)到峰值，之后會(huì)呈下降趨勢(shì)[31-35]。未來(lái)中國(guó)森林碳匯潛力可能會(huì)受到多重因素的影響，主要包括：①未來(lái)依靠新增森林面積的途徑增加森林碳匯潛力有限。全國(guó)尚有各類宜林地面積不足5 000萬(wàn)hm2[36]，主要分布在內(nèi)蒙古和西部地區(qū)，且大多只適宜營(yíng)造灌木林。②中國(guó)森林當(dāng)前的齡組結(jié)構(gòu)以幼、中齡林為主，處于生長(zhǎng)較快速的時(shí)期，固碳能力較強(qiáng)。隨著森林的生長(zhǎng)，加上嚴(yán)格的森林保護(hù)與禁伐措施，未來(lái)中國(guó)森林齡組結(jié)構(gòu)將趨于老齡化，生長(zhǎng)速率下降影響固碳功能[34]。③未來(lái)氣候變化的復(fù)雜影響。溫度升高可能導(dǎo)致森林生產(chǎn)力下降，而生長(zhǎng)期延長(zhǎng)和大氣二氧化碳濃度增加對(duì)森林生長(zhǎng)有促進(jìn)作用[35]。火災(zāi)、干旱等風(fēng)險(xiǎn)加劇又可能導(dǎo)致森林死亡和固定的碳重新釋放回大氣中。

1.6 空間公平趨同模型

空間公平趨同模型（spatial-equity based emission convergence model，SEECM）基于2018年基準(zhǔn)年CHRED 50 km分部門二氧化碳排放網(wǎng)格，結(jié)合全國(guó)總量和分部門排放，實(shí)現(xiàn)CAEP-CP 1.1情景下未來(lái)不同年份的排放空間化。SEECM模型主要基于2個(gè)原則。

（1）國(guó)家主義（又稱祖父原則）。現(xiàn)有排放格局有其合理性，按照現(xiàn)有排放格局對(duì)未來(lái)的溫室氣體排放權(quán)進(jìn)行管控。祖父原則是《京都議定書(shū)》中對(duì)具有強(qiáng)制性減排義務(wù)的附件一國(guó)家分配減排義務(wù)所采用的方法。在國(guó)家主義的指導(dǎo)下，現(xiàn)有排放格局得以維持，降低了減排的社會(huì)成本[37-41]。

（2）公平原則（減排能力原則）。能力原則認(rèn)為具有較強(qiáng)負(fù)擔(dān)能力的一方應(yīng)當(dāng)承擔(dān)更多，通常情況下較強(qiáng)負(fù)擔(dān)能力即意味著GDP或收入水平更高[37-42]。1993 年Smith 等[43]建議采用GDP 作為衡量各國(guó)減排支付能力的基礎(chǔ)，減排責(zé)任份額的比例與GDP的占比成正比，同時(shí)設(shè)定一個(gè)收入的閾值線，以保障閾值線以下國(guó)家的生存發(fā)展需求，依此設(shè)定了排放分配的支付能力方案。本研究按支付能力減排逐步趨同方案[44]。這一方案的單位網(wǎng)格排放量計(jì)算方式如下：

式中，ts表示排放分解的起始年份，tcape表示趨同于等比例減排的趨同年份;χcapi，ts為起始年份排放單元i的排放份額，χcapi，te為趨同年份排放單元i的排放份額;χcapi，t為排放單元i在t年所分解得的排放份額，Ecapi，t為其排放絕對(duì)量。

考慮到本研究中的分配對(duì)象在時(shí)間尺度上屬于中長(zhǎng)期（2020—2060年），因而可將趨同年份設(shè)定至2070年，以反映碳排放格局從現(xiàn)狀至理想情況逐漸轉(zhuǎn)變的過(guò)程。

本研究選定權(quán)重均為0.5，表明在趨同方案中同等程度地考慮兩種公平維度。

2 CAEP-CP 1.1排放路徑分析

2.1 全國(guó)排放路徑

CAEP-CP 1.1關(guān)鍵年份數(shù)據(jù)見(jiàn)表1和圖2。2021—2025年：基于中國(guó)全口徑地級(jí)行政單位2005—2019年二氧化碳排放基礎(chǔ)數(shù)據(jù)[45-47]，以“十四五”生態(tài)環(huán)境規(guī)劃前期研究成果為參考，利用中國(guó)城市碳排放演化模型[48]和城市標(biāo)桿法，2025年二氧化碳排放量約103億t。

2025—2035年：中國(guó)2027—2028年之間預(yù)計(jì)增長(zhǎng)達(dá)到峰值，IPCC-SSP1情景下二氧化碳峰值為108億t（2020年）。CAEP-CP 1.1情景的達(dá)峰峰值在106 億t左右（2027—2028年）;基于國(guó)際經(jīng)驗(yàn)，二氧化碳達(dá)峰后經(jīng)歷5～7年平臺(tái)期，同時(shí)考慮強(qiáng)化的國(guó)家自主貢獻(xiàn)目標(biāo)（2030年單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放將比2005年下降65%以上，非化石能源占一次能源消費(fèi)比重將達(dá)到25%左右）[50]，2030年二氧化碳排放量為105億t。2035—2050年：基于五中全會(huì)目標(biāo)（二氧化碳排放穩(wěn)中有降）和縮短達(dá)峰平臺(tái)期，二氧化碳排放下降到“十四五”水平，2035年二氧化碳排放量為102億t左右?？紤]IPCC-SSP1情景排放和中國(guó)進(jìn)入二氧化碳快速下降階段，2050年二氧化碳排放量約為39億t。

基于CAEP-CP 1.1，參考《中長(zhǎng)期能源發(fā)展戰(zhàn)略規(guī)劃綱要2035》（征求意見(jiàn)稿）[54]、《BP世界能源展望》[55]和《2050年世界與中國(guó)能源展望》[56]等文件，咨詢相關(guān)行業(yè)領(lǐng)域?qū)＜?，明確中國(guó)能源消費(fèi)結(jié)構(gòu)（表2）。

碳中和路徑下，中國(guó)在二氧化碳減排上會(huì)做出巨大努力和卓絕貢獻(xiàn)，CAEP-CP 1.1路徑中，中國(guó)2030年排放量比常規(guī)情景（根據(jù)2010—2020年10年排放的趨勢(shì)外推）減排5.6億t，2035年排放量比常規(guī)情景減排14.9億t。

2.2 空間排放特征

CAEP-CP 1.1中的中國(guó)2030年和2060年排放空間格局見(jiàn)圖3和圖4。2030年的排放格局和IPCC的排放空間格局基本一致。2030年排放總量相比2018年基準(zhǔn)年排放總量略有增加，重點(diǎn)部門排放陸續(xù)達(dá)峰或者已經(jīng)進(jìn)入平臺(tái)期和下降期，2030年排放空間格局與2018年基準(zhǔn)年排放空間格局沒(méi)有顯著差異。河北、山東、廣東、長(zhǎng)三角等都是排放重點(diǎn)區(qū)域，重點(diǎn)城市和城市群仍然是排放的熱點(diǎn)。

CAEP-CP 1.1中的2060年排放情景相比IPCC排放情景，顯示出了較為顯著的差異。由于CAEP-CP 1.1是基于中國(guó)2060年碳中和的目標(biāo)，相比IPCC情景碳減排力度更強(qiáng)。2060年排放格局下，中國(guó)全國(guó)基本實(shí)現(xiàn)超低排放，絕大部分區(qū)域（50 km×50 km）排放量都低于100萬(wàn)t，少量區(qū)域排放量在100～500萬(wàn)t之間，僅北京和上海（主要由于航空和道路交通排放）的排放量超過(guò)500萬(wàn)t（但低于1 000萬(wàn)t），而在IPCC的情境下，中國(guó)2060年仍有不少區(qū)域排放量超過(guò)1 000萬(wàn)t。

3 結(jié)論與討論

本研究自上而下（基于中國(guó)中長(zhǎng)期排放和強(qiáng)度目標(biāo)并參考IPCC-SSPs排放情景）和自下而上（基于CHRED 50 km網(wǎng)格的分部門排放）建立中國(guó)2020—2060年二氧化碳排放路徑（CAEP-CP 1.1），該路徑體系可以現(xiàn)實(shí)全國(guó)、分省、分部門的排放路徑分析與情景模擬。CAEP-CP 1.1中，中國(guó)2027年左右達(dá)峰，二氧化碳排放峰值為106億t，達(dá)峰后經(jīng)歷5～7年平臺(tái)期，2030年二氧化碳排放量為105億t。CAEP-CP 1.1空間格局（50 km）在2030年和IPCC排放情景基本一致，但2060年差異較為顯著，主要由于CAEP-CP 1.1是基于中國(guó)2060年碳中和的目標(biāo)，相比IPCC情景碳減排力度更強(qiáng)。2060年排放格局下，中國(guó)全國(guó)基本實(shí)現(xiàn)超低排放，絕大部分區(qū)域（50 km×50 km）排放量都低于100萬(wàn)t，而在IPCC的情境下，中國(guó)2060年仍有不少區(qū)域排放量超過(guò)1 000萬(wàn)t以上。CAEP-CP 1.1仍在不斷完善和升級(jí)中，當(dāng)前版本（1.1）仍存在諸多不足，例如對(duì)未來(lái)重點(diǎn)能源布局調(diào)整、新能源的開(kāi)發(fā)利用和新興技術(shù)突破等考慮不足，后期將繼續(xù)完善和升級(jí)迭代，從而更好支撐國(guó)家和地方排放達(dá)峰與碳中和研究和決策。

參考文獻(xiàn)

[1]IPCC.Climate Change 2014： mitigation of climate change[R].2014.

[2]MORRISON G M， YEH S， EGGERT A R， et al. Comparison of low-carbon pathways for California[J]. Climatic change， 2015， 131（4）： 545-557.

[3]GEELS F W， BERKHOUT F， VAN VUUREN D P. Bridging analytical approaches for low-carbon transitions[J]. Nature climate change， 2016， 6（6）： 576-583.

[4]KASMAN A， DUMAN Y S. CO2 emissions， economic growth， energy consumption， trade and urbanization in new EU member and candidate countries： a panel data analysis[J]. Economic modelling， 2015， 44： 97-103.

[5]UNFCCC. Paris Agreement [R].2015

[6]IPCC.Global warming of 1.5 ℃[R].2018.

[7]SPENCER T， PIERFEDERICI R， WAISMAN H， et al. Beyond the numbers： understanding the transformation induced by INDCs[R].2015

[8]FORSELL N， TURKOVSKA O， GUSTI M， et al. Assessing the INDCs land use， land use change， and forest emission projections[J]. Carbon balance and management， 2016， 11：1-17.

[9]GU G， WANG Z. Research on global carbon abatement driven by R&D investment in the context of INDCs[J]. Energy， 2018， 148： 662-675.

[10]GAO G， CHEN M， WANG J， et al. Sufficient or insufficient： assessment of the intended nationally determined contributions （INDCs） of the worlds major greenhouse gas emitters[J]. Frontiers of engineering management， 2019， 6（1）： 19-37.

[11]LIU Z， GUAN D， MOORE S， et al. Climate policy： steps to Chinas carbon peak[J]. Nature， 2015， 522（7556）： 279-281.

[12]項(xiàng)目綜合報(bào)告編寫(xiě)組.《中國(guó)長(zhǎng)期低碳發(fā)展戰(zhàn)略與轉(zhuǎn)型路徑研究》綜合報(bào)告[J].中國(guó)人口·資源與環(huán)境，2020，30（11）：1-25.

[13]WU F， HUANG N， LIU G， et al. Pathway optimization of Chinas carbon emission reduction and its provincial allocation under temperature control threshold[J]. Journal of environmental management， 2020， 271： 111034.

[14]WANG J， CAI B， ZHANG L， et al. High resolution carbon dioxide emission gridded data for China derived from point sources[J]. Environmental science & technology， 2014， 48（12）： 7085-7093.

[15]CAI B， LIANG S， ZHOU J， et al. China high resolution emission database （CHRED） with point emission sources， gridded emission data， and supplementary socioeconomic data[J]. Resources， conservation and recycling， 2018， 129： 232-239.

[16]生態(tài)環(huán)境部環(huán)境規(guī)劃院.中國(guó)碳情速報(bào)研究[R].2020.

[17]LIU Q， ZHENG X Q， ZHAO X C， et al. Carbon emission scenarios of Chinas power sector： impact of controlling measures and carbon pricing mechanism[J]. Advances in climate change research， 2018， 9（1）： 27-33.

[18]LI J， CAI W， LI H， et al. Incorporating health cobenefits in decision-making for the decommissioning of coal-fired power plants in China[J]. Environmental science & technology， 2020， 54（21）： 13935-13943.

[19]ZHAO Y， LI H， XIAO Y， et al. Scenario analysis of the carbon pricing policy in Chinas power sector through 2050： based on an improved CGE Model[J]. Ecological indicators， 2018， 85： 352-366.

[20]WANG J， ZHAO T， WANG Y. How to achieve the 2020 and 2030 emissions targets of China： evidence from high， mid and low energy-consumption industrial sub-sectors[J]. Atmospheric environment， 2016， 145： 280-292.

[21]WU F， HUANG N， ZHANG F， et al. Analysis of the carbon emission reduction potential of Chinas key industries under the IPCC 2 ℃ and 1.5 ℃ limits[J]. Technological forecasting and social change， 2020， 159： 120198.

[22]HAO H， GENG Y， LI W， et al. Energy consumption and GHG emissions from Chinas freight transport sector： scenarios through 2050[J]. Energy policy， 2015， 85： 94-101.

[23]YIN X， CHEN W， EOM J， et al. Chinas transportation energy consumption and CO2 emissions from a global perspective[J]. Energy policy， 2015， 82： 233-248.

[24]WANG H， OU X， ZHANG X. Mode， technology， energy consumption， and resulting CO2 emissions in Chinas transport sector up to 2050[J]. Energy policy， 2017， 109： 719-733.

[25]TAN X， LAI H， GU B， et al. Carbon emission and abatement potential outlook in Chinas building sector through 2050[J]. Energy policy， 2018， 118： 429-439.

[26]YANG T， PAN Y， YANG Y， et al. CO2 emissions in Chinas building sector through 2050： a scenario analysis based on a bottom-up model[J]. Energy， 2017， 128： 208-223.

[27]XIAO H， WEI Q， WANG H. Marginal abatement cost and carbon reduction potential outlook of key energy efficiency technologies in Chinas building sector to 2030[J]. Energy policy， 2014， 69： 92-105.

[28]VUUREN D P V， STEHFEST E， GERNAAT D E H J， et al. Energy， land-use and greenhouse gas emissions trajectories under a green growth paradigm[J]. Global environmental change， 2017， 42： 237-250.

[29]VUUREN D P V， RIAHI K， CALVIN K， et al. The shared socio-economic pathways： trajectories for human development and global environmental change[J]. Global environmental change， 2017，42：148-152.

[30]國(guó)家應(yīng)對(duì)氣候變化戰(zhàn)略研究和國(guó)際合作中心.中華人民共和國(guó)氣候變化第二次兩年更新報(bào)[N/OL].2019-06-25[2020-10-05].https：//newsroom.unfccc.int/documents/197666.

[31]ZHANG C， JU W， CHEN J， et al. Sustained biomass carbon sequestration by Chinas forests from 2010 to 2050[J]. Forests， 2018， 9（11）： 1-19.

[32]YAO Y， PIAO S， WANG T. Future biomass carbon sequestration capacity of Chinese forests[J]. Science Bulletin， 2018， 63（17）： 1108-1117.

[33]HE N， WEN D， ZHU J， et al. Vegetation carbon sequestration in Chinese forests from 2010 to 2050[J]. Global change biology， 2017， 23（4）： 1575-1584.

[34]李奇，朱建華，馮源，等. 中國(guó)森林喬木林碳儲(chǔ)量及其固碳潛力預(yù)測(cè)[J]. 氣候變化研究進(jìn)展，2018， 14（3）： 287-294.

[35]JU W M， CHEN J M， HARVEY D， et al. Future carbon balance of Chinas forests under climate change and increasing CO2[J]. Journal of environmental management， 2007， 85（3）： 538-562.

[36]國(guó)家林業(yè)和草原局.中國(guó)森林資源報(bào)告2014—2018[R]. 北京：中國(guó)林業(yè)出版社，2019.

[37]HOHNE N， DEN ELZEN M， ESCALANTE D. Regional GHG reduction targets based on effort sharing： a comparison of studies[J]. Climate policy， 2014， 14（1）： 122-147.

[38]DU PONT Y R， MEINSHAUSEN M. Warming assessment of the bottom-up Paris Agreement emissions pledges[J]. Nature communications， 2018， 9（1）： 1-10.

[39]PAN X， DEN ELZEN M， HOHNE N， et al. Exploring fair and ambitious mitigation contributions under the Paris Agreement goals[J]. Environmental science & policy， 2017，74： 49-56.

[40]王金南， 蔡博峰， 嚴(yán)剛， 等. 排放強(qiáng)度承諾下的CO2排放總量控制研究[J]. 中國(guó)環(huán)境科學(xué)，2010，30（11）：1568-1572.

[41]王金南， 蔡博峰， 曹東， 等. 中國(guó)CO2排放總量控制區(qū)域分解方案研究[J]. 環(huán)境科學(xué)學(xué)報(bào)，2011，31（4）：680-685.

[42]林潔， 祁悅， 蔡聞佳， 等. 公平實(shí)現(xiàn)《巴黎協(xié)定》目標(biāo)的碳減排貢獻(xiàn)分擔(dān)研究綜述[J]. 氣候變化研究進(jìn)展， 2018， 14（5）：529-539.

[43]SMITH K R， SWISHER J， AHUJA D. Who pays to solve the problem and how much // HAYES P， SMITH K R. The global greenhouse regime： who pays. Oxford： Earthscan， 1993：70-98.

[44]BOWS A， ANDERSON K. Contraction and convergence： an assessment of the CCOptions model[J]. Climatic change， 2008， 91（3/4）： 275-290.

[45]中國(guó)城市溫室氣體工作組.中國(guó)城市溫室氣體排放數(shù)據(jù)集（2005）[M].北京：中國(guó)環(huán)境出版集團(tuán)，2018.

[46]中國(guó)城市溫室氣體工作組.中國(guó)城市溫室氣體排放數(shù)據(jù)集（2015）[M].北京：中國(guó)環(huán)境出版集團(tuán)，2019.

[47]中國(guó)城市溫室氣體工作組.中國(guó)城市溫室氣體排放數(shù)據(jù)集（2010）[M].北京：中國(guó)環(huán)境出版集團(tuán)，2020.

[48]CUI C， WANG Z， CAI B， et al. Evolution-based CO2 emission baseline scenarios of Chinese cities in 2025[J]. Applied energy， 2021，281（1）： 116116.

[49]生態(tài)環(huán)境部環(huán)境規(guī)劃院.“十四五”規(guī)劃相關(guān)研究[R]. 2020.

[50] 新華社.習(xí)近平在氣候雄心峰會(huì)上的講話[N/OL].2020-12-12[2020-12-12].http：//www.xinhuanet.com/politics/leaders/2020-12/12/c_1126853600.htm.

[51]International Institute for Applied Systems Analysis （IIASA）. IIASA Energy Program [N/OL].2020-08-05[2020-12-12].https：//tntcat.iiasa.ac.at/SspDb/dsd？Action=htmlpage& page=citation#sspdata.

[52]新華社.中國(guó)共產(chǎn)黨第十九屆中央委員會(huì)第五次全體會(huì)議公報(bào)[N/OL].2020-10-29[2020-10-29].http：//www.xinhuanet.com/2020-10/29/c_1126674147.htm.

[53]新華社. 習(xí)近平在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上發(fā)表重要講話[EB/OL]. 2020-09-22[2020-11-30]. http：//www.gov.cn/xinwen/2020-09/22/content_5546168.htm.

[54]國(guó)家發(fā)展改革委員會(huì).中長(zhǎng)期能源發(fā)展戰(zhàn)略規(guī)劃綱要2035（征求意見(jiàn)稿）[R]. 2019.

[55]英國(guó)石油公司（BP）. BP世界能源展望[R]. 2019.

[56]中國(guó)石油經(jīng)濟(jì)技術(shù)研究院.2050年世界與中國(guó)能源展望[R].2019.

[57]國(guó)家發(fā)展改革委員會(huì).能源發(fā)展戰(zhàn)略行動(dòng)計(jì)劃（2014—2020年）[R]. 2014.

[58]國(guó)家發(fā)展改革委員會(huì).能源生產(chǎn)和消費(fèi)革命戰(zhàn)略（2016—2030）（發(fā)改基礎(chǔ)〔2016〕2795號(hào)）[R]. 2016.

[59]中國(guó)能源研究會(huì).中國(guó)能源展望2030[R]. 2016.

[60]世界能源署. 2020世界能源展望[R]. 2020.