我國省域碳排放特征識別及類型劃分

王鵬，馮相昭，王敏，安祺，楊儒浦，趙夢雪

(生態(tài)環(huán)境部環(huán)境與經(jīng)濟(jì)政策研究中心，北京 100029)

氣候變化是人類面臨的重大而緊迫的全球性挑戰(zhàn)，我國已成為全球應(yīng)對氣候變化的重要參與者、貢獻(xiàn)者和引領(lǐng)者[1]。習(xí)近平總書記在第七十五屆聯(lián)合國大會一般性辯論上宣布，中國將提高國家自主貢獻(xiàn)力度，采取更加有力的政策和措施，二氧化碳排放力爭于2030 年前達(dá)到峰值，努力爭取2060 年前實(shí)現(xiàn)碳中和。各省區(qū)市是國家兌現(xiàn)碳達(dá)峰、碳中和承諾的行動(dòng)主體，合理制定各省區(qū)市減排策略是我國實(shí)現(xiàn)碳達(dá)峰、碳中和目標(biāo)的關(guān)鍵，而精準(zhǔn)識別各省區(qū)市碳排放量時(shí)空特征則是實(shí)施碳減排策略的基礎(chǔ)。許多學(xué)者的研究已在省級尺度上評價(jià)了中國碳排放量的空間格局特征，并從時(shí)間跨度上分析了不同區(qū)域的排放趨勢[26]。李建豹等的研究表明，中國省域人均碳排放量存在明顯的集聚特征，且存在顯著的區(qū)域差異，東北部人均碳排放量明顯高于西南部[5]。WANG Shaojian 等基于省域的碳排放量動(dòng)態(tài)面板數(shù)據(jù)分析指出，各省份單位GDP 碳排放量的演變受城市化發(fā)展、工業(yè)化水平、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、能源消費(fèi)結(jié)構(gòu)等因素影響，省域差異呈現(xiàn)明顯的增強(qiáng)趨勢[6]。隨著城市級碳排放核算能力的不斷提高，近年來有學(xué)者從城市尺度探究了我國碳排放量的時(shí)空演變特征[7]。楊青林等基于285 個(gè)地級市2013 年的截面數(shù)據(jù)分析指出，我國城市碳排放量總體上呈“東部高、西部低，北部高、南部低”的空間格局，且京津冀經(jīng)濟(jì)區(qū)、成渝經(jīng)濟(jì)區(qū)、長江三角洲經(jīng)濟(jì)區(qū)和東北工業(yè)經(jīng)濟(jì)區(qū)是高碳排放聚集地；從城市碳排放強(qiáng)度上看，則大體呈“西高東低”的特征[7]。

需要指出的是，伴隨著社會經(jīng)濟(jì)的快速發(fā)展，我國碳排放時(shí)空特征近年來的變化仍然有待研究。本文在核算30 個(gè)省區(qū)市2000—2018 年化石能源消費(fèi)產(chǎn)生的碳排放量(簡稱“碳排放量”)基礎(chǔ)上，識別了各地碳排放量、碳排放強(qiáng)度和人均碳排放量的時(shí)空變化特征，并對碳排放量的變化趨勢進(jìn)行分類，以期為我國設(shè)定碳排放目標(biāo)和制定碳減排政策提供充分的科學(xué)依據(jù)和決策支撐。

1 研究方法與數(shù)據(jù)來源

化石能源的燃燒是CO2排放的主要來源。本文核算碳排放量所用到化石能源消費(fèi)數(shù)據(jù)來源于2000—2018 年《中國能源統(tǒng)計(jì)年鑒》中30 個(gè)省區(qū)市(不含西藏自治區(qū)、香港特別行政區(qū)、澳門特別行政區(qū)和臺灣省)的“地區(qū)能源平衡表”。所涉及的能源類型包括“地區(qū)能源平衡表”中17/25 種(2000—2009 年)/(2010—2018 年，不包括高爐煤氣、轉(zhuǎn)爐煤氣)化石能源，涉及“地區(qū)能源平衡表”“終端消費(fèi)量”中農(nóng)、林、牧、漁、水利業(yè)，工業(yè)，建筑業(yè)，交通運(yùn)輸、倉儲和郵政業(yè)，批發(fā)、零售業(yè)和住宿、餐飲業(yè)，生活消費(fèi)，以及能源加工轉(zhuǎn)換過程中火力發(fā)電和供熱等8 個(gè)部門的CO2排放，最終取和作為各省區(qū)市化石能源消費(fèi)產(chǎn)生的碳排放量，核算公式如下所示:

式中，CE1為碳排放總量；Ei和EFi分別為第i種化石能源和對應(yīng)的碳排放因子，化石能源的碳排放因子采用國家溫室氣體清單數(shù)據(jù)。

為量化識別30 個(gè)省區(qū)市2000—2018 年碳排放量的變化趨勢，基于R 語言，采用Mann-Kendall(MK)檢驗(yàn)法，定量反映各省區(qū)市2000—2018 年、2005—2018 年、2010—2018 年、2015—2018 年碳排放變化趨勢的顯著性。同時(shí)，結(jié)合條件函數(shù)識別各省區(qū)市2000—2018 年碳排放最大值出現(xiàn)的年份及出現(xiàn)最大值后的年數(shù)，并對最大值年至2018 年碳排放的變化趨勢進(jìn)行MK 趨勢檢驗(yàn)?；谏鲜鰴z驗(yàn)結(jié)果，對碳排放變化趨勢類型進(jìn)行劃分。

2 結(jié)果分析

2.1 碳排放空間格局分析

圖1 給出了2005 年、2010 年、2015 年和2018 年30 個(gè)省區(qū)市的碳排放量。自2005 年至2018 年，全國大部分省區(qū)市碳排放量呈現(xiàn)增加趨勢，特別是山西、新疆、安徽等省區(qū)碳排放量增加趨勢明顯。2018 年，山東、河北和江蘇的碳排放量最大(已達(dá)8 億噸以上)，其次是內(nèi)蒙古、遼寧、廣東、河南、山西、新疆、安徽、浙江等省區(qū)(在4 億噸至8 億噸之間)，海南、青海、北京、天津、重慶、寧夏、甘肅等省區(qū)市的碳排放相對較少(不到2 億噸)。同時(shí)，2018 年30 個(gè)省區(qū)市碳排放量維持了“東部高、西部低，北部高、南部低”的空間格局。從整體空間分布上看，我國東北部、西北部、東部省區(qū)市碳排放存在一定聚集效應(yīng)，且高排放與低排放省區(qū)市之間的差異近年來變得更大。

圖1 30 個(gè)省區(qū)市主要年份碳排放量

結(jié)合人均碳排放量演變(圖2)，寧夏、內(nèi)蒙古、山西、新疆、河北、遼寧等省區(qū)人均碳排放增加趨勢明顯。2018 年，寧夏、內(nèi)蒙古的人均碳排放最大(在20 噸/人以上)，山西、新疆、遼寧次之(在10 噸/人以上)，四川、云南、廣西等省區(qū)人均碳排放相對較少(不到5 噸/人)。總體看，各省區(qū)市人均碳排放量差異也較大，大部分省區(qū)市為增加趨勢，人均碳排放量呈現(xiàn)西北、東北高，南方低的分布特征。進(jìn)一步分析發(fā)現(xiàn)，雖然我國各自治區(qū)間碳排放存在明顯的差異性，但是對于資源稟賦、發(fā)展情況相似的地區(qū)，人均碳排放情況也相似，如新疆、寧夏、內(nèi)蒙古等自治區(qū)。

圖3 給出的是30 個(gè)省區(qū)市主要年份碳排放強(qiáng)度空間格局(即單位GDP 碳排放量)。從碳排放強(qiáng)度的空間演變特征來看，我國碳排放強(qiáng)度整體呈現(xiàn)顯著的下降趨勢。隨著京津冀地區(qū)、中部省份、長三角地區(qū)、珠三角地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)等調(diào)整優(yōu)化，這些地區(qū)的碳排放強(qiáng)度2010 年至2018 年顯著降低，但相對全國其他地區(qū)仍然偏高，而我國西部省區(qū)市碳排放強(qiáng)度2015 年后已維持在較低水平。比較各省區(qū)市碳排放量分布格局(對比圖1 和圖3)，兩者也存在一定差異，這表明在碳減排政策措施制定實(shí)施時(shí)，需因地制宜綜合考慮不同省區(qū)市的碳排放總量和強(qiáng)度特征。

圖3 30 個(gè)省區(qū)市主要年份碳排放強(qiáng)度

2.2 碳排放變化類型劃分

采用MK 趨勢檢驗(yàn)方法對2000—2018 年、2005—2018 年、2010—2018 年、2015—2018 年四個(gè)時(shí)段各省區(qū)市碳排放量隨時(shí)間的變化趨勢進(jìn)行了分析，如表1 所示。2000—2018 年，29 個(gè)省區(qū)市(北京市增加不顯著)碳排放均為顯著增加；2005—2018 年，北京市碳排放表現(xiàn)為顯著減少，河南、云南2 個(gè)省為增加趨勢但不顯著，其余27 個(gè)省區(qū)市均為顯著增加；2010—2018 年，北京、吉林、河南、四川、湖北、云南6 個(gè)省市碳排放表現(xiàn)為明顯減少，天津、上海、陜西3 個(gè)省市也表現(xiàn)出減少趨勢，其余21 個(gè)省區(qū)市均為顯著增加或增加但不顯著；2015—2018 年，北京、吉林、河南、四川的碳排放減少較為明顯，山西、江蘇、安徽、廣西、新疆等省區(qū)增加較為明顯。

進(jìn)一步采用條件函數(shù)識別各省區(qū)市2000—2018 年碳排放最大值出現(xiàn)的年份及出現(xiàn)最大值后的年數(shù)，并對最大值年份至2018 年的變化趨勢進(jìn)行了MK 檢驗(yàn)，結(jié)果見表1。綜合上述四個(gè)時(shí)段及碳排放出現(xiàn)最大值后的MK 檢驗(yàn)結(jié)果，將30 個(gè)省區(qū)市碳排放類型劃分為顯著減少、減少趨勢、增加趨勢、顯著增加四種，劃分結(jié)果及依據(jù)如表2 所示。顯著減少類型包括北京、天津、吉林、河南、四川5 個(gè)省市，劃分依據(jù)是碳排放出現(xiàn)最大值后滿5 年，Z 值為負(fù)且檢驗(yàn)結(jié)果顯著。減少趨勢類型包括上海、湖北、重慶、云南、陜西5 個(gè)省市，劃分依據(jù)是出現(xiàn)最大值后滿5 年，Z 值為負(fù)，但檢驗(yàn)結(jié)果不顯著；或不滿足最大值后5 年，但四個(gè)時(shí)段Z 值表現(xiàn)為逐漸減少并轉(zhuǎn)負(fù)。增加趨勢類型包括河北、內(nèi)蒙古、遼寧、黑龍江、浙江、福建、江西、山東、湖南、海南、貴州、甘肅、青海、寧夏14 個(gè)省區(qū)，劃分依據(jù)是最大值后年數(shù)小于5，四個(gè)時(shí)段Z 值均為正但至多三個(gè)檢驗(yàn)結(jié)果顯著。顯著增加類型包括山西、江蘇、安徽、廣東、廣西、新疆6 個(gè)省區(qū)，判定依據(jù)是碳排放出現(xiàn)最大值后不滿足5 年，四個(gè)時(shí)段Z 值均為正且檢驗(yàn)結(jié)果顯著。從四種類型的省區(qū)市碳排放量時(shí)間序列變化看，顯著減少類型的省區(qū)市碳排放量達(dá)到峰值后基本穩(wěn)定下降，而減少趨勢類型省區(qū)市的碳排放量達(dá)到峰值后，呈現(xiàn)平臺式演變或波動(dòng)式下降；對于顯著增加類型的省區(qū)市，其碳排放量變化曲線尚未出現(xiàn)明顯峰頂，且基本穩(wěn)定上升，而屬于增加趨勢的省區(qū)市碳排放量呈現(xiàn)波動(dòng)式上升或峰頂初步顯現(xiàn)。

表1 30 個(gè)省區(qū)市碳排放量變化的MK 檢驗(yàn)結(jié)果

表2 30 個(gè)省區(qū)市碳排放量變化趨勢類型劃分

3 結(jié)論與討論

本文在核算30 個(gè)省區(qū)市2000—2018 年碳排放的基礎(chǔ)上，量化分析了碳排放的時(shí)空演變特征，并綜合運(yùn)用條件函數(shù)和MK 檢驗(yàn)對碳排放變化類型進(jìn)行了劃分。主要結(jié)論包括:

一是碳排放量、人均碳排放量空間分布格局基本一致，但與碳排放強(qiáng)度差異較大。2018 年，30 個(gè)省區(qū)市碳排放量維持了“東部高、西部低，北部高、南部低”的空間格局，且我國東北部、中部、東部省區(qū)市碳排放存在聚集效應(yīng)，高、低排放省區(qū)市之間的差異近年來有所增大；人均碳排放量與碳排放總量格局相似，大部分省區(qū)市表現(xiàn)為增加趨勢，總體呈現(xiàn)出西北、東北高，南方低的分布特征；碳排放強(qiáng)度整體呈現(xiàn)顯著的下降趨勢。因此，在對各省區(qū)市提出碳減排目標(biāo)要求或制定碳減排政策措施時(shí)，需綜合考慮其碳排放總量、人均碳排放量和碳排放強(qiáng)度的時(shí)空變化特征。

二是30 個(gè)省市區(qū)碳排放量變化可分為顯著減少、減緩趨勢、增加趨勢和顯著增加四種類型。顯著減少類型包括北京、天津、吉林、河南、四川5 個(gè)省市，碳排放量達(dá)到峰值后基本穩(wěn)定下降；減少趨勢類型包括上海、湖北、重慶、云南、陜西5 個(gè)省市，碳排放量達(dá)到峰值后，呈現(xiàn)平臺式演變或波動(dòng)式下降；增加趨勢類型包括河北、內(nèi)蒙古、遼寧、黑龍江、浙江、福建、江西、山東、湖南、海南、貴州、甘肅、青海、寧夏14 個(gè)省區(qū)，碳排放量呈現(xiàn)波動(dòng)式上升或峰頂初步顯現(xiàn)；顯著增加類型包括山西、江蘇、安徽、廣東、廣西、新疆6 個(gè)省區(qū)，碳排放量變化曲線尚未出現(xiàn)明顯峰頂，且基本穩(wěn)定上升。

碳排放量與經(jīng)濟(jì)發(fā)展水平、人口增長、城市化水平、產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)等密切相關(guān)[13]，進(jìn)一步量化識別影響碳排放變化的主要因素，有助于更好解釋不同省區(qū)市之間的碳排放量差異。下一步，可結(jié)合對30 個(gè)省區(qū)市碳排放量時(shí)空變化特征及碳排放變化的類型劃分，綜合考慮各省區(qū)市能源消費(fèi)、經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)等方面的現(xiàn)狀水平，提出一個(gè)兼顧區(qū)域資源稟賦差異、經(jīng)濟(jì)社會發(fā)展不同階段的碳達(dá)峰判定標(biāo)準(zhǔn)，從而為有效判定碳達(dá)峰狀態(tài)、識別有條件的地區(qū)以及科學(xué)安排地區(qū)梯次達(dá)峰提供充分的科學(xué)依據(jù)和決策支撐。