基于LEAP模型和KAYA模型的主城區(qū)碳達峰預測及不確定性分析

杜涵蓓，趙立君，劉臣煒，仇寬彪，李海東

(生態(tài)環(huán)境部南京環(huán)境科學研究所，江蘇 南京 210042)

聯(lián)合國政府間氣候變化專門委員會(Intergovernmental Panel on Climate Change，IPCC)第五次評估報告認為，傳統(tǒng)化石能源消費產生的二氧化碳(CO2)等溫室氣體排放是造成全球溫室效應的主要原因[1]。城市碳達峰受到國內外學者的廣泛關注，城市作為人類經濟社會活動集中分布區(qū)域，是重要的碳排放源，也是實現(xiàn)“雙碳”目標的主戰(zhàn)場，隨著城市化進程的推進，城市CO2排放量會進一步增加[2]。根據(jù)IPCC第五次評估報告，城市能源消耗量約占全球能耗總量的67%～76%[3]，由此產生的CO2排放量占全球CO2排放總量的71%～76%，是溫室氣體排放的最主要來源[4]，城市地區(qū)的生產生活活動(如制造業(yè)生產、商業(yè)、交通等)是全球人為碳排放的主要驅動因素[5]。同時，城市更易普及清潔能源技術，實施碳減排策略[6]，因此也成為減緩社會經濟系統(tǒng)對全球氣候變化影響、推進低碳轉型可持續(xù)發(fā)展的重要研究對象和突破口。

城市碳排放核算的是城市經濟、社會、環(huán)境體系在一段時間內的溫室氣體總排放量[7]。然而，現(xiàn)有碳排放模型主要應用于宏觀層面的國家地區(qū)及微觀層面的企業(yè)。如何在一個中觀層面，即城市/園區(qū)開展碳排放核算，是當前研究的重點和難點。目前在碳排放核算方面，由于采用的計算方法不同，容易導致碳排放量被人為高估或低估[8]。同時，現(xiàn)有研究更多強調歷史排放分析，對未來發(fā)展趨勢研究相對偏少。日本學者Kaya提出的Kaya恒等式是首次將CO2排放與人類活動聯(lián)系起來[9]，由此產生的Kaya 分解法被廣泛應用于碳排放峰值預測研究。長期能源替代規(guī)劃系統(tǒng)模型(long range energy alternatives planning，LEAP)由斯德哥爾摩環(huán)境研究所(Stockholm Environment Institute，SEI)開發(fā)，已廣泛用于產業(yè)結構優(yōu)化與碳減排[10]、碳排放情景預測、碳捕獲等研究領域。DIETZ等[11]則將 IPAT 模型改進為隨機形式，被稱為 STIRPAT 模型，人口規(guī)模和收入水平是STIRPAT 模型中的核心驅動因素。從已有研究來看，人口和收入對CO2排放量變化的影響顯著[12]。

長三角區(qū)域是中國經濟發(fā)展水平最高的區(qū)域之一，其城市群也是世界級城市群之一，但是在 CO2排放方面，由于能源結構不夠清潔，大部分城市的產業(yè)結構還是以高耗能行業(yè)為主，導致長三角地區(qū) CO2排放量一直處于全國前列，占中國總排放量的1/5以上[13-15]，“十三五”期間年均增速為2.4%[16]。南京市是長江經濟帶城市群中以服務業(yè)為主的代表性城市。研究區(qū)作為主城區(qū)的市轄區(qū)，缺乏獨立的能源、電力等統(tǒng)計數(shù)據(jù)。研究區(qū)未來新增開發(fā)空間有限，重大工業(yè)項目少，服務業(yè)已占據(jù)絕對主導地位，在高質量發(fā)展方面具備較好基礎，但也面臨能源消費和碳排放水平較高等問題，亟待以“雙碳”目標為引領，推進產業(yè)結構和能源結構的綠色低碳轉型發(fā)展。因此，該研究以南京某主城區(qū)為例，基于Kaya碳排放恒等式和LEAP模型，通過情景分析方法，分析在基準、低排放和技術突破這3種情景下的碳排放變化趨勢，預測碳達峰時間，探究碳排放量的主要影響因素，以期為類似地區(qū)的主城區(qū)碳達峰路徑制定提供參考依據(jù)。

1 材料與方法

1.1 研究區(qū)域概況

研究區(qū)總面積為75.46 km2，屬北亞熱帶濕潤氣候區(qū)，年均降水量約1 106 mm，年平均溫度約15.4 ℃，境內地貌類型多樣，低山、丘陵、崗地和平原交錯分布。紫金山、湖泊面積占全區(qū)面積的近50%，綠化覆蓋率達62.99%。該區(qū)是國家重要的科研、文化、商務中心，也是華東地區(qū)現(xiàn)代服務業(yè)基地。目前，全區(qū)下轄7個街道。2020年全區(qū)常住人口為53.78萬人，相比2015年減少11.46萬人，“十三五”期間，地區(qū)生產總值由708.36億增至1 108.66億元。自2019年后，GDP穩(wěn)定在千億元以上，年均增速超9%。

1.2 數(shù)據(jù)來源

研究采用的數(shù)據(jù)主要包括該區(qū)能源消費、土地利用、人口和生產總值等。社會經濟和各部門能源消耗數(shù)據(jù)主要來自南京市和該區(qū)近10 a公開發(fā)布的統(tǒng)計數(shù)據(jù)、行業(yè)標準、政策文件、發(fā)展規(guī)劃、研究報告等資料，包括《中國能源統(tǒng)計年鑒2019》《南京統(tǒng)計年鑒2010—2021》《江蘇省生態(tài)環(huán)境廳2021年推動碳達峰碳中和工作計劃》《2006年IPCC國家溫室氣體排放清單指南》《省級溫室氣體清單編制指南》等。對于一些具體行業(yè)和重點企業(yè)，如酒店、學校、醫(yī)院、大型綜合商業(yè)建筑等，則直接采用調研問卷的方式，以確保數(shù)據(jù)的科學性與準確性。通過比較、綜合分析和梳理相關數(shù)據(jù)資料，對尚不確定的數(shù)據(jù)資料進行分類，并進一步開展統(tǒng)計折算獲取數(shù)據(jù)。

1.3 研究方法

1.3.1CO2排放量測算方法

根據(jù)《2006年IPCC國家溫室氣體清單指南》中第2卷和《省級二氧化碳排放達峰行動方案編制指南》建立了CO2排放量的估算公式。CO2排放總量(C)由能源活動直接產生的CO2排放量(Cd)與電力調入蘊含的間接CO2排放量(Ci)相加得到，計算公式為

C=Cd+Ci，

(1)

Cd=∑Ai×FE，i。

(2)

式(1)～(2)中，Ai為不同種類能源(包括煤炭、石油、天然氣)的消費量，t(以標準煤計)，各能源折算標準煤的參考系數(shù)參照各年度《中國能源統(tǒng)計年鑒》；FE，i為不同種類能源的排放因子，采用國家溫室氣體清單的排放因子數(shù)據(jù)。

電力調入蘊含的間接CO2排放量(Ci)可以利用各轄區(qū)內電力調入電量和省級電力排放因子計算得到，計算公式為

Ci=∑Ae×FE，e。

(3)

式(3)中，Ae為地區(qū)電力調入量，kW·h；FE，e為省級電力排放因子。電網碳排放系數(shù)來源于《關于做好2022年企業(yè)溫室氣體排放報告管理相關重點工作的通知》[17]，天然氣碳排放系數(shù)與液化石油氣碳排放系數(shù)來源于《城市溫室氣體清單研究》[18]。據(jù)此得到煤炭、石油、天然氣的CO2排放因子分別為2.66、1.73、1.56 t·tce-1(tce為噸標準煤當量)，2016年華東區(qū)域電網平均CO2排放因子為0.682 9 kg·(kW·h)-1。

1.3.2碳排放影響因素識別

采用STIRPAT模型分析研究區(qū)碳排放的影響因素。STIRPAT模型最早由YORK等[19]提出，用于研究環(huán)境的影響因素，它是由 IPAT 模型演變而來，該模型的優(yōu)點在于避免了同比例變動問題的影響[20]，能表征各個影響因素的變動對應的環(huán)境變化，因此被廣泛應用于溫室氣體預測研究。

根據(jù)唐賽等[21]構建的擴展的STIRPAT模型對城市碳排放影響因素進行分解[22]，引入民用交通(人均擁有汽車數(shù)量)指標研究城市民用交通建設對碳排放的影響程度。結合中國典型城市發(fā)展狀況，選取人均收入水平、能源強度、城市人口、產業(yè)結構、民用交通指標擴展 STIRPAT模型，構建城市碳排放與其影響因素間的計量模型，其表達式為

EC=c×P×PGDb1×IEb2×Pb3×SIb4×TPb5×u。

(4)

式(4)中，EC為城市碳排放量，萬t；PGD為人均收入水平，萬元；IE為能源強度，t·萬元-1；P為城市人口，萬人；SI為第三產業(yè)產值占地區(qū)生產總值的比重，表征產業(yè)結構，%；TP為人均車輛擁有數(shù)，輛·人-1；b1、b2、b3、b4、b5為相應因子的彈性系數(shù)，表示當相應因子變化1%時引起碳排放量的變化率；u為模型隨機干擾項。對上式兩邊取對數(shù)，得到:

lnEC=lnc+b1lnP×PGD+b2lnIE+b3lnP+b4lnSI+b5lnTP+lnu。

(5)

為消除非平穩(wěn)時間序列出現(xiàn)的“偽回歸”現(xiàn)象，先利用Eviews 8.0軟件對各變量進行ADF單位根檢驗。在經過二階差分后序列平穩(wěn)，可得到各變量的零階單整序列。然后，構建主城區(qū)碳排放與影響因素的回歸模型，為降低時間自相關性與變量內生性的影響，采用固定效應的自回歸移動平均模型?？刂谱曰貧w項并考慮固定效應后，其能夠在一定程度上降低模型存在的時間自相關性并降低自變量的內生性。實證結果表明，研究區(qū)的回歸模型擬合度較好，且均通過D.W.檢驗。

1.3.3碳排放預測方法

(1) LEAP模型

LEAP模型是用于能源-環(huán)境和溫室氣體排放的情景分析軟件[23]。它是一種“自下而上”的集成結構模型[24]，涵蓋了能源轉換部門和能源終端使用部門的能源消費活動。模型假定各部門的能源消費可以由活動水平和能源強度表示，各部門的CO2排放量根據(jù)其能源消費量、能源結構、能源的排放因子計算得到：

E=ALO×IE，

(6)

C=∑Ei×FE,i。

(7)

式(6)～(7)中，E為能源消費量;IE為能源強度;Ei為第i種能源的消費量；FE,i即為第i種能源的CO2排放因子;ALO為活動水平,可以用物理指標(如產品產量)衡量，也可以用經濟指標(如工業(yè)增加值)來衡量。能源強度為單位活動或產出所需的能源消費量，例如單位GDP能耗、噸鋼生產綜合能耗、汽車的百公里行駛油耗等，均可在一定程度上反映能源利用的效率。由于不同能源品種的CO2排放因子差異較大，能源消費量需根據(jù)能源消費結構進一步細化。

(2)Kaya恒等式

Kaya恒等式是由日本學者 Yoichi Kaya于1989在聯(lián)合國政府氣候變化專門委員會舉辦的研討會上提出的[25]。Kaya恒等式通過一個簡單的數(shù)學公式，“自上而下”將CO2排放量分解成與人類生產活動相關的4個要素，具有數(shù)學形式簡單、分解無殘差、對碳排放變化推動因素解釋力強等優(yōu)點[26]，在定量研究CO2排放量領域被廣泛使用。Kaya恒等式的數(shù)學表達式為

(8)

基于2011—2020年研究區(qū)資源稟賦、經濟社會發(fā)展、產業(yè)結構變化以及CO2排放趨勢，考慮相關模型所需數(shù)據(jù)的可得性，選擇“自上而下”分析模型中的 Kaya 模型作為CO2排放峰值研究的第1種預測模型。根據(jù)《省級二氧化碳排放達峰行動方案編制指南(征求意見稿)》要求，為全面落實江蘇省能源管控目標，為研究區(qū)CO2排放和長期能源規(guī)劃目標提供更有參考價值的依據(jù)，選擇“自下而上”分析模型中的 LEAP 模型作為研究區(qū)CO2排放峰值研究的第2種預測模型。通過2種分析模型相結合的方式，綜合確定CO2排放達峰目標。

2 結果與分析

2.1 2011—2020年CO2排放變化與能源結構特征

2011—2020年，研究區(qū)由能源消費產生的CO2排放總量從205.1萬增長至373.8萬t(圖1)。由表1可知，碳排放強度相關指標均呈逐年下降趨勢，2011—2020年，單位GDP碳排放強度從0.610下降為0.337 t·萬元-1；工業(yè)碳排放強度從1.42下降為0.65 t·萬元-1；第三產業(yè)碳排放強度在2011—2019年穩(wěn)定下降，2020年略有上升，為0.28 t·萬元-1。根據(jù)《南京市“十四五”低碳發(fā)展規(guī)劃》，2020 年南京市單位GDP碳排放強度為 0.75 t·萬元-1，研究區(qū)遠低于南京市平均水平。從不同能源消費類型來看，研究區(qū)碳排放主要來自于電力消費，從不同產業(yè)來看，第三產業(yè)碳排放量占主導地位且持續(xù)增加，第二產業(yè)占比較少(圖2～3)。

圖1 2011—2020年研究區(qū)CO2排放量及年增長率

表1 2011—2020年研究區(qū)碳排放強度統(tǒng)計

圖2 2011—2020年研究區(qū)不同產業(yè)CO2排放量Fig.2 CO2 emissions of different industries in the study area from 2011 to 2020

從不同發(fā)展階段看，“十三五”階段碳排放增長明顯高于“十二五”階段。從不同能源類型碳排放變化趨勢來看，2011—2020年研究區(qū)煤品碳排放逐漸減少，電力碳排放持續(xù)增加。

圖3 2011—2020年研究區(qū)不同能源CO2排放量Fig.3 CO2 emissions of different energy sources in the study area from 2011 to 2020

由圖4可知，該區(qū)的能源消費仍然呈持續(xù)增長趨勢，且增加幅度逐年提升，能源消費總量從2016年的84.6萬增長至2020年的132.0萬t，2019和2020年增長速度最快，累計增幅55.9%，2020年受疫情影響，能耗總量略有下降。由表2可知，2011—2020年能源消耗強度逐年減少，2020年略有上升；單位工業(yè)增加值能耗持續(xù)下降，由2011年的1.421 t·萬元-1下降為2020年的0.844 t·萬元-1。同時能源結構不斷優(yōu)化，2020年電力消費占比約為89%，較2011年上升了15%以上；天然氣占比約為6%，原油占能源消費比例的4%，煤品消費下降到2%，能源消費結構逐漸向清潔低碳加速轉變。從產業(yè)結構方面，第三產業(yè)的標準煤消費量占比約為85%，居民生活占比約為13%，第二產業(yè)占比約為2%，可見該區(qū)能源消費以第三產業(yè)為主。

圖4 2011—2020年研究區(qū)能源消費情況

2.2 城市碳排放影響因素

為探析以研究區(qū)為代表的城市中心碳排放響因素，采用SPIRPAT模型將城市碳排放影響因素分解為人均收入水平、能源強度、城市人口、產業(yè)結構、人均交通。為降低時間自相關性與變量內生性的影響，利用Eviews 9.0 軟件，運用協(xié)整檢驗與自回歸移動平均模型(ARMA)進行分析，回歸結果顯示，收入水平的相關系數(shù)為0.988(P<0.01)，能源強度為0.798(P<0.01)，城市人口為0.963(P<0.05)，產業(yè)結構為-0.727(P<0.05)，人均交通為0.856(P<0.05)。

表2 2011—2020年研究區(qū)能源強度變化

回歸結果說明，人均收入水平和能源強度是城市碳排放最重要的2個影響因素，隨著城市經濟增長與居民生活水平的提高，碳排放日益增加，該區(qū)目前仍處于經濟增長的快速上升期，其生產方式和綠色技術創(chuàng)新效率還有待進一步提升，當前的碳排放仍處于快速推進階段。人口因素作為STIRPAT模型中影響城市碳排放的傳統(tǒng)要素，表現(xiàn)出正向效果，人口的增長帶來碳排放增加。而產業(yè)結構變量與碳排放呈現(xiàn)負相關，說明第三產業(yè)占比提升，會導致碳排放量減少。而交通方面，人均汽車擁有量與碳排放量之間呈正相關，人均汽車擁有量增加，導致碳排放量呈增加趨勢。

2.3 2021—2035年CO2排放預測

2.3.1基于LEAP模型的2021—2035年CO2排放預測

采用情景分析方法，探討不同影響因素對研究區(qū)未來能源需求及碳排放的影響，基于未來經濟社會發(fā)展、能源發(fā)展、技術發(fā)展以及消費方式變化等主要因素，在既定的經濟社會發(fā)展目標下，根據(jù)研究區(qū)能源消費總量、能源效率和能源結構，參考《南京市推進碳達峰碳中和工作方案》《南京市“十四五”低碳發(fā)展規(guī)劃》，設計了3種能源消費需求的碳排放情景。情景1為現(xiàn)狀延續(xù)情景，情景2為“加大減排力度+不新增能源項目”情景，情景3為“現(xiàn)狀+清潔能源+節(jié)能減排行動”情景，據(jù)此分析研究區(qū)實現(xiàn)碳達峰的時間、峰值和路徑。

利用不同情景參數(shù)數(shù)據(jù)計算2016—2035年各年份碳排放總量，結果如圖5所示。2021—2025年，3種情景下研究區(qū)碳排放量均呈現(xiàn)增加趨勢。情景1預測結果表明，碳排放量持續(xù)增加，2021—2025年增長幅度最快，隨后增速減慢，但總量持續(xù)上升，2030年無法實現(xiàn)碳達峰。情景2預測結果表明，2021—2030年研究區(qū)碳排放量呈上升趨勢，2030年出現(xiàn)拐點，達峰時碳排放量為433.911萬t，達峰后碳排放量逐步降低。情景3由于采取了強制性的碳減排措施，達峰時間明顯提前，2024年可實現(xiàn)碳達峰，此后碳排放大幅下降。

表3 不同情景碳排放參數(shù)設置匯總表

情景1為現(xiàn)狀延續(xù)情景；情景2為“加大減排力度+不新增能源項目”；情景3為“現(xiàn)狀+清潔能源+節(jié)能減排行動”。

2.3.2基于Kaya恒等式的2021—2035年CO2排放預測

依據(jù) Kaya 模型計算所需參數(shù)，對常住人口、GDP、能源強度、單位能源碳排放下降率4個參數(shù)進行設置，通過分析國家、省市低碳發(fā)展規(guī)劃中碳排放總量控制目標及分解落實機制相關要求，并結合該區(qū)相關部門“十四五”規(guī)劃任務目標，綜合研判各參數(shù)在2021—2035年期間的變化趨勢，具體設定如表4所示。

預測結果如圖4所示，以2020年為基準年，在低碳情景下的研究區(qū)CO2排放量在2021—2030年穩(wěn)定增加，2030年達到峰值，峰值排放量為396.74萬t，之后逐漸下降。2021—2035年能源強度和持續(xù)穩(wěn)定下降，2035年每1萬元GDP所需消費的標準煤下降到0.15 t。

2.3.32種模型預測結果比較

綜合2種不同模型預測的研究成果分析，基于對未來5～15 a區(qū)域低碳發(fā)展政策和人均能源消費強度的預測，研究區(qū)有望在2030年實現(xiàn)碳達峰。在LEAP 模型的模擬情景下還存在一種強制情況，即采取強制性的碳減排措施，研究區(qū)可在2024年提前達峰。

表4 2021—2035年Kaya模型低碳情景參數(shù)設置

3 討論

目前國內外學者預測中國碳排放峰值的主流方法有EKC 曲線、IPAT模型、STIRPAT 模型、LMDI 分解法、LEAP 模型、灰色預測法和神經網絡模型等[27-32]。預測模型大多使用情景分析法預測峰值，但情景種類較少，容易導致碳達峰影響因素考慮不全面，對實現(xiàn)碳達峰目標的指導作用較弱?；贚EAP模型，筆者設置了3 種計算情景，因條件限制，無法對交通運輸、居民建筑、公共建筑、工業(yè)企業(yè)等分行業(yè)分部門進行活動水平和能源強度預測，情景設置中化石能源占比均呈下降趨勢，下降的時間節(jié)點也大致相同，這取決于參考的政策文件管控目標以及基于現(xiàn)有能源消耗趨勢預測的未來區(qū)域能源發(fā)展水平，對于技術的發(fā)展與政策的持續(xù)性、協(xié)調性預估判斷具有局限性，可能會造成碳排放量預測值與實際值存在較大偏差，需要結合國際上的前沿技術發(fā)展和政府未來應對氣候變化的目標任務來判斷。

圖6 Kaya模型下CO2排放情景預測

能源綠色低碳轉型和控制能源消費總量將是未來落實碳中和目標的戰(zhàn)略重點[33]，部分省份提出了量化的階段目標和相應的任務措施。研究區(qū)作為典型的城市中心主城區(qū)，尚不能發(fā)布獨立的碳達峰行動方案，碳達峰時間受上級政府政策制定及任務目標具體落實情況等影響。研究區(qū)目前所承載的城市功能主要為居民生活服務和公共服務，對于南京市能源使用類型及效率的集中管控、能源消費結構改善等宏觀政策調整只能進行同步協(xié)調，但在綠色交通、綠色建筑、綠色低碳社區(qū)等微觀層次，研究區(qū)可著力促進其綠色發(fā)展水平的提升。

人口分布情況對包容性綠色發(fā)展較低及較高水平城市的影響力度較大，這可能是由于經濟增長初期人口分布對經濟增長具有集聚效應(溢出效應)，隨著時間推移會產生人口對經濟增長的擁擠效應(負外部性)[34]。研究區(qū)常住人口目前呈現(xiàn)逐年減少的趨勢，主要與其中心城市功能減弱、居住環(huán)境適宜性和企業(yè)活力競爭力相較南京其他區(qū)域下降、人口老齡化、生育率降低等有關。人口因素與碳排放呈正相關，增強經濟發(fā)展活力需要維持一定的人口數(shù)量，優(yōu)化城市規(guī)劃與功能性協(xié)調是研究區(qū)低碳綠色發(fā)展需要考慮的問題。

研究區(qū)碳排放量處于持續(xù)提升的階段，應注重實施綠色低碳發(fā)展路徑，釋放經濟發(fā)展紅利，通過低碳技術進行能源消費結構優(yōu)化，降低能源強度對碳排放的杠桿效應。研究區(qū)整體對電力供應需求量大，由于本地可支撐用電量相對有限，全區(qū)的電力消費需求將持續(xù)依賴外購電，外購電供電結構將成為影響研究區(qū)CO2排放達峰的重要因素。城市層面對外購電結構的決定權較小，因此外購電的調配往往在國家或者省級層面統(tǒng)籌協(xié)調，但考慮到未來綠色電力將得到大力推廣，外購電能源清潔化水平不斷提升，地區(qū)碳達峰目標實現(xiàn)將加快。

需要說明的是，由于數(shù)據(jù)獲取受限，研究使用的研究區(qū)能源消費統(tǒng)計數(shù)據(jù)未能從統(tǒng)計年鑒等資料直接獲取，而是根據(jù)南京市的能源消費量間接估算得到，計算過程中用電量采用產業(yè)增加值比例乘以系數(shù)的方式換算，天然氣供氣量以人口比例乘以系數(shù)的方式換算，可能會對研究結果造成一定影響，由于研究區(qū)內無發(fā)電廠、化工企業(yè)等用能大戶，其實際能耗強度應低于南京市平均水平。此外，受多重共線性等統(tǒng)計問題影響，反映行業(yè)類別碳排放量的相關指標，如分行業(yè)能源消費總量、不同種類化石能源分行業(yè)消費量等無法加入模型當中，與碳排放相關的指標較為有限，這也限制了模型變量的選擇。

4 結論

從碳排放影響因素和終端能源消費計算2個方面出發(fā)，通過IPCC碳核算方法開展了主城區(qū)碳排放量核算研究，運用LEAP和Kaya模型預測碳達峰時間，通過STIRPAT模型進行碳排放影響因素識別，分析了研究區(qū)能源消耗及碳排放時間變化趨勢及其影響因素，主要得出以下結論：研究區(qū)碳排放強度相關指標呈逐年下降趨勢，2020年碳排放強度為0.337 t·萬元-1，南京市碳排放強度為0.75 t·萬元-1，研究區(qū)遠低于南京市平均水平。在能源消費結構上，化石燃料使用占比逐漸減少，電力消費不斷增加。分析結果表明，人均收入水平和能源強度是影響城市碳排放最重要的2個因素。研究區(qū)仍處于經濟增長期，從碳達峰預測結果來看，達峰時間具有不確定性，但依托各級低碳發(fā)展策略、能源及產業(yè)結構調整、節(jié)能減排、產業(yè)清潔化改造等措施，2030年前有望實現(xiàn)碳達峰。