典型城市減污降碳協(xié)同控制潛力評價研究：以渭南市為例

王 力，馮相昭，馬 彤，高 健

1. 中國人民大學(xué)環(huán)境學(xué)院，北京 100872

2. 生態(tài)環(huán)境部環(huán)境與經(jīng)濟政策研究中心，北京 100029

3. 中國環(huán)境科學(xué)研究院，北京 100012

目前，我國生態(tài)環(huán)境保護工作同時面臨著國內(nèi)環(huán)境質(zhì)量改善、全球氣候變化應(yīng)對等多重任務(wù)的嚴峻挑戰(zhàn)，我國大氣污染重點區(qū)域的絕大多數(shù)城市均面臨著減污降碳的雙重壓力，渭南市也不例外. 渭南市地處汾渭平原，化石燃料在能源結(jié)構(gòu)占主導(dǎo)，渭南市能源消費以煤炭和石油為主且產(chǎn)業(yè)結(jié)構(gòu)偏重，交通運輸結(jié)構(gòu)依靠公路交通，根據(jù)《渭南市2019年統(tǒng)計年鑒》和生態(tài)環(huán)境部機動車排污監(jiān)控中心2018年機動車數(shù)據(jù)測算，渭南市移動源能源消費量約占全社會能源消費總量的10%. 其中，客運交通和貨運交通能源消費量占比分別為55.4%和44.6%. 另外，從移動源能源消費品種看，汽油消費占比為50.6%，柴油占比44%，較為清潔的天然氣燃料僅占1.3%. 經(jīng)濟發(fā)展是能源消費需求持續(xù)攀升的主要驅(qū)動力，進入“十三五”時期，經(jīng)濟增速有所放緩，經(jīng)濟增長因素的驅(qū)動作用有所減弱. 渭南市的大氣污染防治形勢一直以來面臨嚴峻挑戰(zhàn)，特別是PM2.5、PM10和NOx等主要污染物減排壓力較大. 雖然，近年來渭南市通過積極推進大氣污染治理工作，PM2.5濃度有所下降，但環(huán)境空氣質(zhì)量改善成果還不穩(wěn)固. 在碳達峰碳中和的宏觀形勢下，渭南市作為資源型城市，低碳發(fā)展轉(zhuǎn)型的需求也愈發(fā)迫切. 所以，在渭南市開展減污降碳協(xié)同控制研究對于城市實現(xiàn)大氣環(huán)境質(zhì)量達標與低碳轉(zhuǎn)型發(fā)展具有重要的現(xiàn)實意義.

基于此，該研究以分析渭南市社會經(jīng)濟發(fā)展現(xiàn)狀及能源供需結(jié)構(gòu)特征為出發(fā)點，采用相關(guān)分解方法評價能源消費與經(jīng)濟增長的關(guān)系，識別影響城市能源消費與碳排放、污染物排放增加的主要驅(qū)動因素，運用能源技術(shù)模型構(gòu)建多種情景模擬分析污染減排、能源結(jié)構(gòu)改善及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等政策對渭南市大氣污染物與CO2排放趨勢的影響，旨在探討渭南市減污降碳協(xié)同控制潛力，探索碳達峰路徑，提出促進渭南市綠色低碳協(xié)同發(fā)展的對策建議.

目前，多數(shù)研究采用因素分解方法評價分析經(jīng)濟增長與能源消費之間的關(guān)系，其中指數(shù)分解分析法(index decomposition analysis, IDA)是常用的分析影響因素的方法，可分為Laspeyres分解法(拉氏分解法)和Divisia分解法(迪氏分解法). Laspeyres 和Divisia 分解法均存在分解剩余項問題，而Laspeyres分解法中的殘差項不應(yīng)被忽略，主要原因是較大的殘差項會對分析結(jié)果有所影響. Divisia分解法是法國學(xué)者Divisia[1]在1925年構(gòu)建Divisia指數(shù)的基礎(chǔ)上，由Reitler等[2-3]發(fā)展起來的一種因素分解分析方法，之后Liu等[4-6]從不同角度對該分解分析法進行完善. Divisia分解法具有滿足因素可逆的特點，從而消除殘差項，克服了對殘差項分解不當?shù)娜秉c，使結(jié)果分解模型更具說服力[7-8]. 對數(shù)平均Divisia指數(shù)(logarithmic mean divisia index, LMDI)分解法被廣泛用于能源消費與碳排放變化內(nèi)因及作用強度等方面的研究. 梁啟迪等[9]運用LMDI分解法對唐山市能源消費、碳排放因素進行分解分析，為唐山市綠色低碳發(fā)展轉(zhuǎn)型提出建議. 陳敏等[10]采用LMDI分解模型解析了成渝地區(qū)工業(yè)大氣污染物排放的時空演化格局. 沈文濤[11]運用LMDI分解法分析了遼寧省1997?2015年終端能源消費變動的驅(qū)動因素. 馮相昭等[12]通過對我國歷年碳排放分析發(fā)現(xiàn)，經(jīng)濟和人口增長對碳排放起促進作用，而能源結(jié)構(gòu)調(diào)整則會抑制CO2排放. Colinet等[13]利用LMDI分解法研究了2003?2012年安達盧西亞能源消耗變化情況，發(fā)現(xiàn)結(jié)構(gòu)效應(yīng)變動對能源消費降低起促進作用. 王莉葉等[14]對蘭州市工業(yè)能源消費碳排放影響因素進行分解，并基于相關(guān)減排情景提出了對策建議.

就能源需求與排放情景模擬而言，國內(nèi)外研究者多采用自下而上的能源技術(shù)模型，如LEAP模型、TIMES模型和MARKAL模型[15-19]. 其中LEAP模型在能源需求預(yù)測、政策評估等方面得到廣泛使用. 在重點行業(yè)節(jié)能減排方面，李新等[20]對鋼鐵行業(yè)中長期減排潛力進行了情景分析；劉惠等[21]基于LEAP模型對城市和農(nóng)村居民生活碳排放開展模擬研究；馮相昭等[22-24]運用LEAP模型模擬分析了交通領(lǐng)域能源消費與溫室氣體排放趨勢變化，進而提出促進交通綠色低碳發(fā)展的對策建議. 王涵等[25]提出僅依靠命令控制型手段為主的大氣污染物治理措施將不足以實現(xiàn)減污降碳協(xié)同目標. 除針對不同領(lǐng)域外，省市層面也有不少學(xué)者開展能源消費與碳排放研究. 如王春春等[26-29]利用LEAP模型對福建省、河北省、山東省和浙江省的能源消費及CO2排放變化進行了情景分析；鄧明翔等[30]基于LEAP模型通過設(shè)定經(jīng)濟技術(shù)情景方案評估了云南省2012?2050年供給側(cè)結(jié)構(gòu)性改革對產(chǎn)業(yè)碳排放及碳強度的影響；賈彥鵬等[31]利用LEAP模型預(yù)測了基準情景和節(jié)能低碳情景下景德鎮(zhèn)市能源需求和CO2排放變化.

目前，利用LEAP模型開展城市層面污染物與溫室氣體協(xié)同減排研究較為鮮見，綜合運用因素分解方法與能源技術(shù)模型開展城市減污降碳協(xié)同控制的量化分析非常有限. 該研究創(chuàng)新采用LMDI方法對渭南市2011?2018年能源消費年際變化開展結(jié)構(gòu)分解，識別影響渭南市能源消費與碳排放、污染物排放的主要驅(qū)動因素，基于驅(qū)動排放增加的人口、GDP、產(chǎn)業(yè)結(jié)構(gòu)等社會經(jīng)濟因素開展終端用能部門需求預(yù)測，以需求預(yù)測結(jié)果作為外生變量輸入到LEAP模型，運用LEAP模型綜合考慮多種政策措施構(gòu)建不同減排情景，對渭南市減污降碳協(xié)同減排潛力進行模擬分析，并結(jié)合碳達峰碳中和新形勢預(yù)測了該市的碳達峰時間及峰值水平，以期為渭南市經(jīng)濟社會發(fā)展全面綠色轉(zhuǎn)型提供技術(shù)支撐和決策參考.

1 研究方法及數(shù)據(jù)來源

1.1 模型構(gòu)建與數(shù)據(jù)來源

1.1.1 LMDI分解方法

一個國家或地區(qū)的能源消費可根據(jù)Kaya公式進行分解，計算公式：

式中：E為能源消費量，104t (以標準煤計)；P為人口數(shù)量，人；GDP表示地區(qū)生產(chǎn)總值，元；表示人均收入水平，104元/人；i表示三次產(chǎn)業(yè)，即第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)；表示i產(chǎn)業(yè)增加值在GDP中的占比；表示i產(chǎn)業(yè)萬元增加值的能源消費強度.

能源消費變化(?E)可以用報告期減去基期得到，計算公式：

式中，Et和E0分別為第t期和基期的能源消費量，104t (以標準煤計).

對上式進行LMDI加法分解：

式中： ?EP為人口效應(yīng)； ?EGP為 經(jīng)濟增長效應(yīng)； ?ES為產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)；?EEI為能源強度效應(yīng)；j為能源類型，如煤炭、石油、天然氣和電力等.

該研究數(shù)據(jù)主要來源于渭南市2010?2019年統(tǒng)計年鑒、大氣污染物排放清單以及地方管理部門實地調(diào)研等.

1.1.2 LEAP模型

該研究根據(jù)2018年可獲取分品種能源統(tǒng)計數(shù)據(jù)的客觀實際，以2018年為基年，結(jié)合渭南市大氣環(huán)境質(zhì)量改善目標和碳達峰要求，以降碳為重點戰(zhàn)略方向，基于社會經(jīng)濟發(fā)展趨勢判斷和終端用能部門需求預(yù)測，綜合考慮污染減排、能源結(jié)構(gòu)改善、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、運輸結(jié)構(gòu)變化等政策措施和技術(shù)選項，構(gòu)建基準(BAU)情景、污染減排(APC)情景、能源結(jié)構(gòu)優(yōu)化(ESI)情景和綠色低碳發(fā)展(GLC)情景，分析渭南市2019?2035年在不同情景下能源消費水平、主要污染物排放以及CO2協(xié)同減排情況.

BAU情景下，假設(shè)沒有新的污染減排政策措施出臺，能源結(jié)構(gòu)與能效水平保持在基年水平；APC情景下，不同行業(yè)采用淘汰落后產(chǎn)能、污染物排放標準升級等措施加強環(huán)境治理；ESI情景下，固定源方面主要考慮的政策措施包括能耗強度下降目標約束、能源消費結(jié)構(gòu)改善以及清潔供暖等措施，移動源方面主要分析老舊汽車替代、新能源汽車推廣、替代燃料(LNG和氫燃料)發(fā)展、燃油經(jīng)濟性標準升級等，生活源主要考慮用能結(jié)構(gòu)改善和能效提高等措施，電力生產(chǎn)方面則主要考慮風(fēng)電、光伏、水電等可再生能源發(fā)展政策等；GLC情景旨在推動綠色低碳協(xié)同發(fā)展，所以綜合考慮了APC和ESI的情景設(shè)置，同時兼顧了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整措施. 具體設(shè)置如表1所示.

表1 情景設(shè)置Table 1 Scenario settings

1.2 社會經(jīng)濟參數(shù)預(yù)測

經(jīng)濟發(fā)展、人口增長和產(chǎn)業(yè)結(jié)構(gòu)等社會經(jīng)濟因素是LEAP模型的重要外生變量參數(shù)，該研究依據(jù)《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035年遠景目標綱要》提出的到2035年GDP在2020年基礎(chǔ)上翻一番的目標要求，結(jié)合渭南市實際，作如下假設(shè)：

a) 2000?2018年渭南市人口年均增長率為0.18%，其中2017年、2018年人口出現(xiàn)負增長. 該研究假設(shè)2019?2025年、2026?2030年、2031?2035年人口年均增長率分別為0.17%、0.16%、0.15%.

b) “十三五”期間，渭南市GDP年增長率回落至10%以內(nèi)，其中2016?2019年GDP增長率分別為8.5%、7.5%、8.3%和4.2%. 2020年由于新冠肺炎疫情影響，GDP增長進一步放緩. 根據(jù)《渭南市國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠景目標綱要》，該研究假設(shè)“十四五”“十五五”“十六五”時期渭南市GDP年均增長率分別為6.5%、5.9%和5.2%，到2035年渭南市人均GDP從2020年的3.11×104元增至6.22×104元(2018年不變價格).

c)在綠色低碳發(fā)展的宏觀背景下，產(chǎn)業(yè)結(jié)構(gòu)將會進一步優(yōu)化調(diào)整，該研究假定到2035年第二、三產(chǎn)業(yè)占比分別為32%和45.4%. 由于第二產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)優(yōu)化調(diào)整，六大高耗能行業(yè)（化學(xué)原料及化學(xué)制品制造業(yè)，非金屬礦物制品業(yè)，黑色金屬冶煉及壓延加工業(yè)，有色金屬冶煉及壓延加工業(yè)，石油加工煉焦及核燃料加工業(yè)，電力熱力的生產(chǎn)和供應(yīng)業(yè)）在第二產(chǎn)業(yè)增加值占比有所下降，其他制造業(yè)（包含戰(zhàn)略新興產(chǎn)業(yè)）占比上升.

2 結(jié)果與討論

2.1 能源消費影響因素分解分析

從能源消費年際變化影響因素分解結(jié)果(見圖1)來看，經(jīng)濟增長效應(yīng)均為正值，說明經(jīng)濟發(fā)展是能源消費需求持續(xù)攀升的主要驅(qū)動力，進入“十三五”時期，經(jīng)濟增速有所放緩，經(jīng)濟增長因素的驅(qū)動作用相應(yīng)減弱. 人口增長也是影響能源消費持續(xù)增加的主要因素(除2018年外，因2018年渭南市常住人口較2017年有所減少，所以2017?2018年人口效應(yīng)為負值). 除2017年外，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)均為負值，說明以供給側(cè)結(jié)構(gòu)性改革為主要內(nèi)容的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整政策有效抑制了渭南市能源消費的快速增長，這主要與第二產(chǎn)業(yè)占GDP比重下降、第三產(chǎn)業(yè)占GDP比重增加有關(guān)，其中第二產(chǎn)業(yè)占GDP比重從2011年的53%降至2018年的42%，第三產(chǎn)業(yè)占GDP比重從2011年的31.4%升至2018年的41.2%. 2017年產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)為正值，主要是因為當年第二產(chǎn)業(yè)能源消費強度較2016年上升了0.7個百分點. 能源強度效應(yīng)自“十二五”以來基本為負值，說明能源消費強度下降在很大程度上減緩了渭南市能源消費總量的增長. 得益于能源消費總量和強度“雙控”工作的開展，渭南市能源消費強度由2011年的1.535 t (以標煤計，下同)/(104元)降至2018年的1.131 t/(104元)，累積下降26.3%. 但是，能源消費強度效應(yīng)在個別年份(如2015年和2016年)出現(xiàn)正值，并未對能源消費總量增長發(fā)揮抑制作用，這主要與第二產(chǎn)業(yè)能源消費強度未實現(xiàn)持續(xù)下降有關(guān)，如2015年第二產(chǎn)業(yè)能源消費強度由2014年的2.126 t/(104元)反彈至2.382 t/(104元)，2016年第二產(chǎn)業(yè)能源消費強度繼續(xù)反彈，升至2.436 t/(104元).

圖1 2011—2018年渭南市能源消費年際變化影響因素分解Fig.1 Decomposition of influencing factors towards annual changes in energy consumption in Weinan City from 2011 to 2018

2.2 LEAP模型模擬分析

2.2.1 能源消費

由圖2可見：在BAU情景下，由于沒有新的政策驅(qū)動和節(jié)能減排約束，渭南市能源消費呈現(xiàn)持續(xù)快速增長態(tài)勢，2025年和2035年能源消費總量分別為2 039×104和2 973×104t，分別為2018年的1.34和1.96倍；在APC情景下，2025年和2035年能源消費總量分別為1 940×104和2 699×104t，與基準情景相比分別減少了98×104和274×104t；在ESI情景下，該市能源消費將進一步減少，2025年和2035年能源消費總量分別為1 827×104和2 319×104t，與基準情景相比分別減少了211×104和654×104t；在GLC情景下，渭南市能源需求增速顯著放緩，2025年和2035年能源消費總量分別為1 709×104和1 866×104t，分別為2018年的1.12和1.34倍.

圖2 不同情景下渭南市能源消費趨勢Fig.2 Trend of energy consumption under different scenarios in Weinan City

從能源消費結(jié)構(gòu)看，煤炭、石油和天然氣等化石燃料在渭南市仍將主導(dǎo)終端能源消費結(jié)構(gòu). 在GLC情景下，2035年化石燃料仍占全社會用能的69.9%，低于BAU情景(78.5%)、APC情景(71.5%)和ESI情景(71.7%). 從部門結(jié)構(gòu)來看，第二產(chǎn)業(yè)是渭南市能源消費的主要貢獻者，特別是工業(yè)部門. 2018年，第二產(chǎn)業(yè)部門能源消費約占渭南市終端能源消費總量的65.5%，其中六大高耗能行業(yè)的能源消耗占比約95.6%. 在ESI和GLC情景下，由于能源結(jié)構(gòu)改善、能效提升以及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等政策驅(qū)動，第二產(chǎn)業(yè)內(nèi)部高耗能部門的能源消費占比呈下降趨勢，特別是在GLC情景下，到2035年六大高耗能行業(yè)的能源消耗占比將減至89%.

2.2.2 PM2.5排放情況

由圖3可見，在BAU情景下，由于渭南市能源需求持續(xù)快速增長，能源結(jié)構(gòu)偏重，所以PM2.5排放量增長迅速，2035年將達17 031 t，是2018年的1.62倍. 由于渭南市壓減高耗能產(chǎn)能、散亂污整治、工業(yè)爐窯治理、淘汰老舊汽車、散煤治理等減排政策的實施，PM2.5排放量增勢將在一定程度上受到抑制，所以在APC情景下，2025年、2030年和2035年渭南市PM2.5排放量分別為10 794、11 207和11 589 t，與BAU情景相比分別減排1 966、3 560和5 443 t. 需要強調(diào)的是，在APC情景下，到2020年需要在化工、建材(磚瓦和石灰石)、其他制造業(yè)拆除35蒸噸以下燃煤鍋爐，新增65 t以上燃煤鍋爐. 在ESI和GLC情景下，通過能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運輸結(jié)構(gòu)等方面的優(yōu)化調(diào)整，該市2035年P(guān)M2.5排放量將分別降至7 990和6 006 t，較BAU情景分別減排9 041和11 025 t.

圖3 不同情景下渭南市PM2.5排放趨勢Fig.3 Trend of PM2.5 emissions under different scenarios in Weinan City

2.2.3 NOx排放情況

由圖4可見，在BAU情景下，渭南市NOx排放量增長迅速，2035年將達33 199 t，是2018年的1.95倍. 通過實施壓減高耗能產(chǎn)能、工業(yè)爐窯治理、淘汰老舊汽車、散煤治理等污染防治政策，NOx排放量增勢將受到抑制，因此在APC情景下，2025年和2035年渭南市NOx排放量分別為18 081和20 283 t，與BAU情景相比分別減排4 867和12 916 t. 在ESI和GLC情景下，通過能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運輸結(jié)構(gòu)等方面的優(yōu)化調(diào)整，該市2035年NOx排放量將分別降至16 748和13 377 t，即較基準情景分別減排16 451和19 822 t.

圖4 不同情景下渭南市NOx排放趨勢Fig.4 Trend of NOx emissions under different scenarios in Weinan City

2.2.4 CO2排放情況

由于大氣污染物與CO2在多數(shù)情況下具有同根同源排放的特征，所以能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)以及運輸結(jié)構(gòu)調(diào)整的各項措施具有協(xié)同減少CO2的效果. 由圖5可見，在BAU情景下，渭南市能源需求持續(xù)快速增長，能源結(jié)構(gòu)偏重，CO2排放量呈迅速增長態(tài)勢，2035年CO2排放量將達到6 010×104t，是2018年的1.96倍. 由于渭南市壓減高耗能產(chǎn)能、散亂污整治、工業(yè)爐窯治理、淘汰老舊汽車以及散煤治理等減排政策的實施，CO2排放量增長態(tài)勢將在一定程度上受到抑制，所以在APC情景下，2035年渭南市CO2排放量為4 943×104t，與BAU情景相比，減排了1 067×104t. 在ESI和GLC情景下，通過能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運輸結(jié)構(gòu)等方面的優(yōu)化調(diào)整，該市2035年CO2排放量將分別降至4 236×104和3 282×104t，較BAU情景分別減排1 774×104和2 728×104t. 需要特別強調(diào)的是，在GLC情景下，渭南市CO2排放量到2029年達峰，峰值為3 406×104t.

圖5 不同情景下渭南市CO2排放趨勢Fig.5 Trend of CO2 emissions under different scenarios in Weinan City

2.2.5 減污降碳協(xié)同控制潛力分析

從模擬結(jié)果看，3種減排情景所考慮的結(jié)構(gòu)減排、能源改善、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等政策措施與技術(shù)選項均具有協(xié)同控制SO2、NOx、PM2.5、VOCs等常規(guī)污染物與CO2的效果. 以PM2.5減排為例，與BAU情景相比，3種減排情景下PM2.5減排效果明顯(見圖6). 在GLC情景下，2025年、2030年和2035年P(guān)M2.5可分別減排4 460、7 462和11 025 t. 第二產(chǎn)業(yè)是PM2.5排放大戶，其內(nèi)部減排潛力最大的4個部門分別為非金屬礦物制品業(yè)，化學(xué)原料及化學(xué)制品制造業(yè)，石油加工煉焦及核燃料加工業(yè)，電力熱力生產(chǎn)和供應(yīng)業(yè)，以2035年GLC情景為例，這4個行業(yè)的PM2.5減排量分別占第二產(chǎn)業(yè)PM2.5減排總量的60.6%、30.1%、4.8%和1.6%(見圖7).

圖6 不同情景下PM2.5減排潛力Fig.6 Potential of PM2.5 emissions reduction under different scenarios in Weinan City

圖7 2035年第二產(chǎn)業(yè)PM2.5減排潛力Fig.7 Potential of PM2.5 emissions reduction in secondary sector by 2035

就CO2減排而言，與BAU情景相比，3種減排情景的CO2減排效果均較明顯(見圖8)，特別是在GLC情景下，由于在能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運輸結(jié)構(gòu)等調(diào)整優(yōu)化方面的措施形成合力，減排潛力最大，以2035年為例，可減少CO2排放2 728×104t，是2018年渭南市CO2排放總量的89%. 第二產(chǎn)業(yè)是CO2排放大戶，其內(nèi)部減排潛力最大的5個部門分別為化學(xué)原料及化學(xué)制品制造業(yè)，電力熱力生產(chǎn)和供應(yīng)業(yè)，非金屬礦物制品業(yè)，黑色金屬冶煉及壓延加工業(yè)，石油加工煉焦及核燃料加工業(yè)，以2035年GLC情景為例，這5個高耗能行業(yè)的減排量分別占第二產(chǎn)業(yè)CO2減排總量的53.6%、31.9%、4.7%、3%和1.1%.

圖8 不同情景下CO2減排潛力Fig.8 Potential of CO2 emissions reduction under different scenarios in Weinan City

3 結(jié)論與建議

能源結(jié)構(gòu)改善、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、交通運輸調(diào)整具有顯著的污染物與溫室氣體協(xié)同減排效果，而壓減落后產(chǎn)能、工業(yè)爐窯改造、工業(yè)污染物排放標準升級等傳統(tǒng)環(huán)境治理措施的潛力逐漸減小. 3種減排情景下，僅有包含能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運輸結(jié)構(gòu)深度優(yōu)化調(diào)整的綠色低碳(GLC)情景才能確保渭南市在2030年前實現(xiàn)碳達峰，而這種情景下大氣污染物協(xié)同減排的效果最為顯著.

在當前能源“雙控”目標和碳強度目標約束強化的宏觀形勢下，渭南市作為汾渭平原典型資源型城市之一，應(yīng)以降碳作為源頭治理的“牛鼻子”，倒逼能源、產(chǎn)業(yè)、交通結(jié)構(gòu)綠色低碳轉(zhuǎn)型和生態(tài)環(huán)境質(zhì)量協(xié)同改善，牽引經(jīng)濟社會發(fā)展全面綠色轉(zhuǎn)型. 為推動渭南市綠色低碳發(fā)展，實現(xiàn)減污降碳協(xié)同效應(yīng)，提出如下對策建議.

a)積極推進產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級. 實施傳統(tǒng)產(chǎn)業(yè)綠色化升級改造，新建大氣污染物排放項目實行區(qū)域內(nèi)現(xiàn)役源2倍削減量替代. 制定項目準入負面清單，明確禁止和限制發(fā)展的行業(yè)、生產(chǎn)工藝和產(chǎn)業(yè)目錄. 以化工、火電、水泥、黑色冶煉等高耗能行業(yè)為重點，全面實施能效提升、清潔生產(chǎn)、強化治污、循環(huán)利用等專項技術(shù)改造.

b)著力改善能源結(jié)構(gòu). 利用風(fēng)電、光伏等資源優(yōu)勢，加快發(fā)展風(fēng)電、光伏裝機建設(shè). 把煤炭消費總量和強度目標作為經(jīng)濟社會發(fā)展重要約束性指標，推動形成經(jīng)濟轉(zhuǎn)型升級的倒逼機制. 由于綜合運用能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運輸結(jié)構(gòu)等調(diào)整優(yōu)化措施，節(jié)能潛力最大，以2035年為例，可實現(xiàn)967×104t的節(jié)能量，相當于2018年渭南市能源消費總量的64%. 加強重點行業(yè)能效管理，推動重點企業(yè)能源管理體系建設(shè)，提高用能設(shè)備能效水平，嚴格控制火電、化工、鋼鐵、水泥等重點行業(yè)等高耗能行業(yè)產(chǎn)品能耗標準.

c)加快推進交通運輸結(jié)構(gòu)優(yōu)化. 鼓勵清潔能源車輛的推廣使用. 加快城市充電樁等新能源車充電基礎(chǔ)設(shè)施建設(shè)，大力推廣和普及電動汽車. 加快推進公交、出租類車輛開展新能源車更新、置換. 開展以公路運輸為主的貨運交通結(jié)構(gòu)調(diào)整，推進鋼鐵、電力等重點工業(yè)企業(yè)和工業(yè)園區(qū)貨物由公路運輸轉(zhuǎn)向鐵路運輸，逐步提高大宗貨物鐵路貨運比例.