閩三角城市群碳達(dá)峰的多情景模擬分析

侯麗朋,唐立娜,王 琳,錢(qián) 瑤

1 中國(guó)科學(xué)院城市環(huán)境研究所城市環(huán)境與健康重點(diǎn)實(shí)驗(yàn)室,廈門(mén) 361021 2 中國(guó)科學(xué)院大學(xué),北京 100049 3 廈門(mén)市城市代謝重點(diǎn)實(shí)驗(yàn)室,廈門(mén) 361021

人類(lèi)活動(dòng)已經(jīng)“毋庸置疑”地引起并加劇了全球氣候變化危機(jī),若不嚴(yán)格控制二氧化碳等溫室氣體的排放,21世紀(jì)的全球溫升將超過(guò)2℃[1],導(dǎo)致人類(lèi)社會(huì)面臨嚴(yán)重的危機(jī)。削減溫室氣體排放是全人類(lèi)共同的責(zé)任。雖然2019年年底爆發(fā)的新型冠狀病毒肺炎疫情(疫情)在一定程度上削減了全球碳排放水平,但疫情后伴隨經(jīng)濟(jì)復(fù)蘇碳排放開(kāi)始反彈[2]。碳達(dá)峰、碳中和是應(yīng)對(duì)氣候變化的關(guān)鍵。碳達(dá)峰指的是二氧化碳排放量達(dá)到最大,經(jīng)歷平臺(tái)期然后持續(xù)下降的過(guò)程[3]。作為全球氣候行動(dòng)的先驅(qū),歐盟在20世紀(jì)90年代實(shí)現(xiàn)了整體的碳達(dá)峰,美國(guó)和巴西分別在2007年和2004年達(dá)到碳排放最大值,到2020年,幾乎所有發(fā)達(dá)國(guó)家都將實(shí)現(xiàn)碳達(dá)峰[4]。已經(jīng)實(shí)現(xiàn)達(dá)峰目標(biāo)的國(guó)家和地區(qū)正積極探索碳中和之路,而尚未達(dá)峰的國(guó)家則迫切地需要明確達(dá)峰目標(biāo)。受經(jīng)濟(jì)發(fā)展的驅(qū)動(dòng),發(fā)展中國(guó)家成為全球碳排放的主要貢獻(xiàn)者。中國(guó)因碳排放總量大、占比高成為減排的重點(diǎn),其達(dá)峰時(shí)間和峰值水平成為全球關(guān)注的焦點(diǎn)。為應(yīng)對(duì)全球氣候變化,2020年9月我國(guó)承諾“努力爭(zhēng)取2030年前實(shí)現(xiàn)碳達(dá)峰,2060年前實(shí)現(xiàn)碳中和”。推動(dòng)碳排放達(dá)峰不僅能為我國(guó)爭(zhēng)取更多氣候談判話語(yǔ)權(quán),而且能驅(qū)動(dòng)我國(guó)實(shí)現(xiàn)高質(zhì)量發(fā)展。碳達(dá)峰、碳中和(“雙碳”)目標(biāo)提出之后,學(xué)者們圍繞“達(dá)峰路徑”以及“峰值預(yù)測(cè)”等主題開(kāi)展了研究。

蔡博峰等[5]梳理了我國(guó)重點(diǎn)行業(yè)的達(dá)峰路徑,袁家海和苗若蘭[6]則研究了電力部門(mén)的達(dá)峰路徑,龔翔[7]、曲余玲等[8]分別指出了建筑行業(yè)以及鋼鐵行業(yè)可能的達(dá)峰路徑。上述研究為我國(guó)高能耗高排放行業(yè)和部門(mén)的節(jié)能減排和碳達(dá)峰奠定了基礎(chǔ),并為全國(guó)碳達(dá)峰目標(biāo)的實(shí)現(xiàn)提供了借鑒。學(xué)者們還探討了省域[9—10]、城市群[11—12]、城市[13]甚至街區(qū)[14]等的達(dá)峰路徑,這為不同空間尺度上的碳達(dá)峰行動(dòng)的開(kāi)展提供了技術(shù)支撐。研究發(fā)現(xiàn),在保障經(jīng)濟(jì)發(fā)展和削減碳排放的雙重要求下,2030年是最適合我國(guó)整體碳達(dá)峰的時(shí)間[15],但各地區(qū)達(dá)峰時(shí)間存在明顯差異[16]。東南沿海以及三大城市群的達(dá)峰時(shí)間將提前至2025年左右,部分地區(qū)已經(jīng)實(shí)現(xiàn)了碳達(dá)峰[17—21],但是中西部地區(qū)的達(dá)峰時(shí)間將延遲至2025—2030年,甚至2030年之后[22—23]。經(jīng)濟(jì)發(fā)達(dá)、技術(shù)先進(jìn)的地區(qū)將成為率先達(dá)峰區(qū),而依賴高碳發(fā)展路徑的地區(qū)將成為同步或者滯后達(dá)峰區(qū),梯次達(dá)峰更適合我國(guó)碳達(dá)峰的實(shí)際需求[24—26]。

碳達(dá)峰預(yù)測(cè)主要是對(duì)未來(lái)碳排放的發(fā)展趨勢(shì)進(jìn)行分析,因此需要對(duì)影響碳排放的經(jīng)濟(jì)和社會(huì)因素等的發(fā)展變化情況進(jìn)行模擬。情景分析法是碳達(dá)峰預(yù)測(cè)中最常用的方法。將情景分析法與RICE-LEAP模型相結(jié)合,洪競(jìng)科等[27]對(duì)我國(guó)2020—2050年的達(dá)峰情況進(jìn)行了預(yù)測(cè)；結(jié)合STIRPAT模型學(xué)者們對(duì)我國(guó)整體的以及東中西部地區(qū)實(shí)現(xiàn)達(dá)峰的路徑進(jìn)行了探究[28—29]；王少劍等[11]將情景分析與蒙特卡洛分析等方法結(jié)合對(duì)珠三角的碳達(dá)峰進(jìn)行了動(dòng)態(tài)模擬；岳書(shū)敬[18]則是將情景分析與分解分析相結(jié)合,預(yù)測(cè)了長(zhǎng)三角城市群碳達(dá)峰的情況；結(jié)合CGE模型,王勇等[30]分析了碳達(dá)峰對(duì)我國(guó)經(jīng)濟(jì)發(fā)展的影響?；谇榫胺治龅奶歼_(dá)峰預(yù)測(cè)結(jié)果顯示,實(shí)現(xiàn)碳達(dá)峰需要強(qiáng)化負(fù)向因素,尤其是能源類(lèi)因素的抑制作用[31—32]。基準(zhǔn)情景下,如果不優(yōu)化發(fā)展模式我國(guó)多數(shù)地區(qū)難以實(shí)現(xiàn)如期碳達(dá)峰[33—35]；減排情景下,各地區(qū)不僅能降低碳排放水平還能提前達(dá)峰；減排力度越強(qiáng)峰值越低、達(dá)峰時(shí)間越早[36—37]。實(shí)現(xiàn)碳達(dá)峰須將促進(jìn)碳排放增長(zhǎng)的規(guī)模和強(qiáng)度因素控制在中低速增長(zhǎng),而起減排效應(yīng)的結(jié)構(gòu)和效率因素需設(shè)定為中低碳或強(qiáng)低碳情景[38—40]。碳達(dá)峰路徑優(yōu)化以及碳達(dá)峰與碳中和的關(guān)系研究也逐漸得到了重視：一方面要以更低的成本實(shí)現(xiàn)碳達(dá)峰[41],另一方面要盡早達(dá)峰,減輕碳中和的壓力[42]。

福建省是我國(guó)典型的碳排放總量少且強(qiáng)度低的省份,但經(jīng)濟(jì)快速發(fā)展驅(qū)動(dòng)下地區(qū)碳減排壓力持續(xù)升高?！半p碳”目標(biāo)提出后福建省也承諾提前達(dá)峰。閩三角是福建省的經(jīng)濟(jì)中心,同時(shí)也是碳排放中心[43],閩三角的碳達(dá)峰對(duì)福建省“雙碳”目標(biāo)的實(shí)現(xiàn)至關(guān)重要。《福建省“十三五”能源發(fā)展專(zhuān)項(xiàng)規(guī)劃》表示“支持廈門(mén)、泉州中心城區(qū)等優(yōu)化開(kāi)發(fā)區(qū)域率先實(shí)現(xiàn)碳排放峰值目標(biāo)”。閩三角面臨率先達(dá)峰的壓力,但尚未明確達(dá)峰路徑。梯次達(dá)峰路線下制定閩三角的碳達(dá)峰行動(dòng)方案必須綜合考慮地區(qū)歷史碳排放和經(jīng)濟(jì)社會(huì)發(fā)展等多種因素。基于上述背景,本研究開(kāi)展閩三角碳達(dá)峰預(yù)測(cè)研究。首先對(duì)其歷史碳排放進(jìn)行了核算,然后使用STIRPAT模型和主成分分析法評(píng)估了經(jīng)濟(jì)社會(huì)發(fā)展對(duì)碳排放的影響,建立了碳排放與人口、富裕度和技術(shù)的函數(shù)關(guān)系,最后結(jié)合情景分析法設(shè)定了上述因素在不同發(fā)展速率下的發(fā)展目標(biāo),對(duì)閩三角的碳排放進(jìn)行了預(yù)測(cè)。

1 材料與方法

1.1 研究區(qū)概況

閩三角城市群包括廈門(mén)、漳州和泉州3個(gè)城市。從經(jīng)濟(jì)發(fā)展水平看,泉州GDP總量最大,廈門(mén)人均GDP最高。從產(chǎn)業(yè)結(jié)構(gòu)看,廈門(mén)是以高科技產(chǎn)業(yè)為主的服務(wù)型城市,漳州是處在快速工業(yè)化階段的增長(zhǎng)型的城市,泉州的產(chǎn)業(yè)活動(dòng)以制造業(yè)為主。受經(jīng)濟(jì)發(fā)展和技術(shù)水平等的影響,3個(gè)城市的節(jié)能減排目標(biāo)以及碳達(dá)峰行動(dòng)進(jìn)程存在較大的差異。

廈門(mén)是我國(guó)首批低碳試點(diǎn)城市。依托國(guó)家低碳試點(diǎn)城市建設(shè),廈門(mén)重點(diǎn)推動(dòng)高端制造業(yè)以及先進(jìn)服務(wù)業(yè)等的發(fā)展。參考國(guó)家《2030年前碳達(dá)峰行動(dòng)方案》,廈門(mén)對(duì)能源、交通以及工業(yè)等重點(diǎn)領(lǐng)域的節(jié)能降碳目標(biāo)做出指示。福建省節(jié)能減排規(guī)劃中強(qiáng)調(diào)了廈門(mén)率先達(dá)峰的重要性。相關(guān)研究表明廈門(mén)直接碳排放已達(dá)峰,綜合碳排放進(jìn)入平臺(tái)期[21]。廈門(mén)東坪山近零碳排放示范區(qū)是閩三角地區(qū)碳達(dá)峰的模板。漳州一直處于經(jīng)濟(jì)快速發(fā)展的態(tài)勢(shì)中,碳排放增長(zhǎng)較快。《漳州市“十三五”節(jié)能減排綜合工作方案》規(guī)定,到2020年,全市萬(wàn)元生產(chǎn)總值能耗比2015年下降14%,煤炭占一次能源消費(fèi)比重從2015年的67.5%下降到44.6%等。目前漳州碳達(dá)峰行動(dòng)重點(diǎn)關(guān)注的是節(jié)能和能源結(jié)構(gòu)優(yōu)化。規(guī)模以上工業(yè)企業(yè)的減排是漳州節(jié)能減排的重點(diǎn)。泉州是閩三角的能源消費(fèi)中心,能源“雙控”是重點(diǎn)。《泉州市“十三五”節(jié)能減排綜合工作方案》規(guī)定,到2020年,全市萬(wàn)元地區(qū)生產(chǎn)總值能耗比2015年下降16%。2022年泉州市《政府工作報(bào)告》指出要落實(shí)“雙碳”目標(biāo)任務(wù),從能耗“雙控”向碳排放“雙控”轉(zhuǎn)變?！度葜圃?025發(fā)展綱要》明確指出要促進(jìn)傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí),加快新興產(chǎn)業(yè)發(fā)展,加強(qiáng)重點(diǎn)領(lǐng)域節(jié)能。

1.2 清單法

本研究使用清單法結(jié)合本地碳排放系數(shù)對(duì)2005—2017年閩三角的碳排放進(jìn)行核算[44]。

CE=∑iCEurban

(1)

CEurban=∑jCEsectoral

(2)

CEsectoral=Actsectoral×Isectoral

(3)

式中,CE、CEurban和CEsectoral分別表示閩三角總碳排放、城市碳排放和部門(mén)碳排放,Actsectoral和Isectoral分別表示部門(mén)活動(dòng)強(qiáng)度與碳排放系數(shù),i=1,2,3,j=1,2,…,5。將與GDP相關(guān)的指標(biāo)統(tǒng)一換算為2005年不變價(jià)。

1.3 STIRPAT模型

環(huán)境退化的根源在人口增長(zhǎng)和經(jīng)濟(jì)發(fā)展,技術(shù)發(fā)展可消除這些不利效應(yīng),因此環(huán)境(I)是人口(P)、富裕度(A)和技術(shù)(T)的函數(shù)[45],將其修正為STIRPAT模型(Stochastic Impacts by Regression on Population, Affluence, and Technology)可消除“所有因素同比例地影響環(huán)境”這一假設(shè)對(duì)回歸的影響[46]：

I=PAT

(4)

I=aPbAcTde

(5)

式中,a、b、c、d分別為模型系數(shù),以及人口、富裕度和技術(shù)的系數(shù),e為隨機(jī)誤差,將其進(jìn)行對(duì)數(shù)轉(zhuǎn)換：

lnI=lna+blnP+clnA+dlnT+lne

(6)

式中,I表示環(huán)境效應(yīng),即碳排放(CE)。人口因素為人口規(guī)模(P)和人口城鎮(zhèn)化率(U)。富裕度用人均GDP(GP)表示,也表示經(jīng)濟(jì)發(fā)展。引入人均GDP的二次方,分析碳排放與人均GDP間的曲線關(guān)系,驗(yàn)證EKC假說(shuō),判定標(biāo)準(zhǔn)見(jiàn)表1。技術(shù)因素為能源強(qiáng)度(EI)和產(chǎn)業(yè)結(jié)構(gòu)(S),上述公式擴(kuò)展為：

lnCE=a0+a1lnP+a2lnU+a3lnGP+a4(lnGP)2+a5(lnGP)3+a6lnEI+a7lnS+ε

(7)

式中,a0和ε為常數(shù)項(xiàng)和隨機(jī)誤差項(xiàng),a1—a7為待估計(jì)系數(shù)。

表1 碳排放與人均GDP的曲線關(guān)系

1.4 主成分分析

多重共線性指的是回歸中由于變量的高度相關(guān)關(guān)系而使得模型估計(jì)失真的問(wèn)題。多重共線性會(huì)導(dǎo)致偽回歸,進(jìn)而導(dǎo)致回歸模型失去實(shí)踐意義。使用主成分分析法處理共線性問(wèn)題。

(1)統(tǒng)計(jì)檢驗(yàn)

①穩(wěn)定性檢驗(yàn)：在Eviews 10軟件中使用ADF(Augmented Dickey Fuler)檢驗(yàn)方法通過(guò)檢驗(yàn)變量單位根(unit root test)的形式判定時(shí)間序列變量的穩(wěn)定性。t檢驗(yàn)值<臨界值時(shí),序列穩(wěn)定；所有序列都穩(wěn)定時(shí),才能進(jìn)行回歸；②協(xié)整檢驗(yàn)：使用普通最小二乘(Ordinary Least Squares,OLS)回歸方法模擬變量間的回歸方程,對(duì)回歸方程的殘差進(jìn)行單位根檢驗(yàn),若殘差通過(guò)單位根檢驗(yàn),則時(shí)間序列間存在協(xié)整關(guān)系,可以進(jìn)行回歸；③共線性檢驗(yàn)：通過(guò)觀察變量間的方差膨脹因子(Variance Inflation Factor,VIF)確定共線性,VIF>10就存在共線性問(wèn)題,VIF越大共線性越嚴(yán)重[47]；④方法適用性檢驗(yàn)：KMO(Kaiser-Meyer-Olkin)檢驗(yàn)中0≤KMO≤1,越接近1變量相關(guān)性越強(qiáng),主成分分析方法適用性越強(qiáng)[48]。

(2)提取主成分

在SPSS 22.0軟件中使用因子分析法(Factor Analysis)提取特征值>1或累積解釋率>85%的變量為主成分[49]。

1.5 情景分析法

1.5.1 基準(zhǔn)情景

趨勢(shì)外推法常用于漸進(jìn)式而非跳躍式變化的變量的預(yù)測(cè)。碳排放受經(jīng)濟(jì)社會(huì)因素影響,經(jīng)濟(jì)社會(huì)因素隨著時(shí)間平穩(wěn)變化,因此碳排放是時(shí)間軸上“漸進(jìn)式”變化的變量。

Y=a+bX

(8)

(9)

(10)

式中,Y表示碳排放,X表示時(shí)間序列,a和b分別是截距和斜率。設(shè)定2011年的時(shí)間序列號(hào)X=0,2005年的X=-6,2017年的X=6,因此2030年的X=19,2050年的X=39。

1.5.2 低碳情景

研究中將影響因素分為兩類(lèi),發(fā)展型因素,包括人口規(guī)模、城鎮(zhèn)化率和人均GDP；減排型因素,包括能源強(qiáng)度和產(chǎn)業(yè)結(jié)構(gòu)。分別對(duì)上述因素設(shè)置高速(H)、中速(M)、低速(L)的發(fā)展速率,以五年為一個(gè)周期,預(yù)測(cè)不同發(fā)展速率的組合情景下五年時(shí)間節(jié)點(diǎn)上的碳排放,并結(jié)合經(jīng)濟(jì)發(fā)展數(shù)據(jù)對(duì)碳排放強(qiáng)度進(jìn)行分析。

(1)發(fā)展型因素

本研究中用常住人口表示地區(qū)人口規(guī)模。低生育率和老齡化[50]是我國(guó)人口發(fā)展中十分顯著的特征。

2005—2017年閩三角常住人口年均增長(zhǎng)率為1.39%。第七次人口普查結(jié)果顯示,廈門(mén)、漳州和泉州3個(gè)城市的常住人口規(guī)模比第六次人口普查分別增加了46.23%[51]、5.1%[52]和8.04%[53],可見(jiàn)閩三角人口數(shù)量處于持續(xù)升高的趨勢(shì)。常住人口擴(kuò)張一方面與地區(qū)發(fā)達(dá)的經(jīng)濟(jì)有關(guān),另一方面與地區(qū)生育觀念有關(guān)。廈門(mén)在經(jīng)濟(jì)上較強(qiáng)的輻射為該地區(qū)吸引了大量外來(lái)人口,市轄區(qū)的跨省流入人口達(dá)到了139萬(wàn)人,以務(wù)工人員為主體的“流入人口”是廈門(mén)常住人口的重要組成部分。泉州是閩三角和福建省常住人口規(guī)模最大的城市[54]。閩三角常住人口占福建省常住人口總量的45%,是該省的人口中心。福建省以及閩南地區(qū)長(zhǎng)期出生性別比失衡[55],“男孩偏好”普遍存在。隨著生育觀念轉(zhuǎn)變,地區(qū)出生性別比逐漸下降,更多女孩的出生為地區(qū)未來(lái)的生育提供了保障,這在一定程度上將降低老年人口占比[56]。此外逐漸放寬的生育政策刺激了生育,帶動(dòng)了人口增長(zhǎng)[57]。統(tǒng)計(jì)顯示全面“二孩”政策實(shí)施之后,地區(qū)常住人口增長(zhǎng)率由2016年的1.04%上升至2017年的1.20%,人口增長(zhǎng)速率有所反彈。本研究設(shè)定,人口高速增長(zhǎng)(H)的情景下,閩三角人口保持增加趨勢(shì),但是受生育成本升高和疫情等的影響,人口擴(kuò)張速率將持續(xù)下降,且越接近2050年人口總量增長(zhǎng)越慢。2020—2050年每五年地區(qū)人口規(guī)模增長(zhǎng)率下降0.2%,2020年人口比2017年增加1.3%,2030年人口規(guī)模增加0.8%,2050年地區(qū)人口規(guī)模增長(zhǎng)率降至0%,達(dá)到最大值。若地區(qū)人口保持較低的增長(zhǎng)速率(L),2020年常住人口增長(zhǎng)率下降至0.8%,2030年下降至0%,即人口在2030年達(dá)峰,此后人口規(guī)模開(kāi)始收縮。中等增長(zhǎng)速率下(M),地區(qū)人口在2040年達(dá)到最大值。

參考廈漳泉各市的“人口發(fā)展規(guī)劃”和“城市總體規(guī)劃”,設(shè)定：H、M和L速率下,2030年閩三角城鎮(zhèn)化率的目標(biāo)值分別為85%、80%和75%。

人均GDP的增長(zhǎng)率>0,且隨著發(fā)展質(zhì)量提升增長(zhǎng)率逐漸下降,最后趨于穩(wěn)定。福建省預(yù)期“十四五”期間全省人均GDP年均增長(zhǎng)5.4%,閩三角經(jīng)濟(jì)增長(zhǎng)率高于全省平均水平。設(shè)定H、M和L速率下,2030年人均GDP增長(zhǎng)率分別為9%、7.5%和6%；2050年分別為5 %、4.5%和4%。

(2)減排型因素

閩三角的能源強(qiáng)度調(diào)控目標(biāo)以福建省節(jié)能減排目標(biāo)為基準(zhǔn)。福建省參考全國(guó)《“十四五”節(jié)能減排綜合工作方案》制定了節(jié)能目標(biāo)：到2025年,單位國(guó)內(nèi)生產(chǎn)總值能源消耗比2020年下降13.5%[58]。閩三角作為福建省的碳排放中心,率先達(dá)峰的壓力下地區(qū)節(jié)能力度需比上述目標(biāo)更強(qiáng)。本研究設(shè)定L速率下2025年能源強(qiáng)度下降15%,M和H速率下分別下降16.5%和18%。

研究期內(nèi)第二產(chǎn)業(yè)占比已有下降的趨勢(shì)。設(shè)定H速率時(shí),2040年第二產(chǎn)業(yè)占比下降至30%,之后維持在該水平,此時(shí)第三產(chǎn)業(yè)占比穩(wěn)定在65%以上。M速率時(shí),2040年和2050年第二產(chǎn)業(yè)占比分別下降至40%和30%。L速率時(shí),2050年第二產(chǎn)業(yè)占比下降至40%。

上述因素共組合成15種有低碳發(fā)展目標(biāo)約束的情景(表2)。

表2 人口、富裕度和技術(shù)的情景組合

2 結(jié)果與分析

2.1 碳排放核算結(jié)果

圖1 2005—2017年閩三角城市群碳排放及碳排放強(qiáng)度Fig.1 Carbon emissions and carbon emissions intensity of the Golden Triangle of Southern Fujian Province (GTSF) during 2005 and 2017

整體而言,閩三角碳排放保持增長(zhǎng)趨勢(shì)(圖1),從2005年的1315.60萬(wàn)t增長(zhǎng)到2017年的5471.89萬(wàn)t,年均增長(zhǎng)率12.89%。其中泉州貢獻(xiàn)了最多的碳排放(圖1),該市碳排放從2005年的948.13萬(wàn)t增加至2017年的4006.61萬(wàn)t,多年平均占比2/3以上,是閩三角最主要的碳源。泉州碳排放強(qiáng)度最高(圖1)：2005年為0.58 t/萬(wàn)元,2017年為0.62 t/萬(wàn)元,是閩三角的1.46倍,泉州碳減排壓力最大。廈門(mén)碳排放占比居中、增長(zhǎng)率緩慢,且碳排放強(qiáng)度持續(xù)下降(圖1),減排壓力持續(xù)降低,這有利于碳達(dá)峰目標(biāo)的實(shí)現(xiàn)。漳州碳排放總量最低但增長(zhǎng)率最高(圖1),年均增長(zhǎng)率35.78%。漳州碳排放受產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)的影響較明顯。“十一五”時(shí)期漳州工業(yè)開(kāi)始騰飛,鋼鐵、水泥等工業(yè)產(chǎn)品產(chǎn)量迅速增加,導(dǎo)致2006年的碳排放總量和碳排放強(qiáng)度分別是2005年的2.98倍和2.65倍；2014年之后隨著產(chǎn)業(yè)結(jié)構(gòu)調(diào)整,上述高能耗高排放產(chǎn)品產(chǎn)量迅速下降,城市碳排放也持續(xù)降低,2015年和2016年碳排放增長(zhǎng)率<0。漳州碳排放整體上呈現(xiàn)先增加后下降的趨勢(shì),碳排放于2014年達(dá)到最大值(圖1)。受碳排放快速增長(zhǎng)的影響,漳州碳排放強(qiáng)度增長(zhǎng)率也是3個(gè)城市中最高的。快速增長(zhǎng)的碳排放強(qiáng)度意味著快速增加的碳減排壓力,因此漳州實(shí)現(xiàn)碳達(dá)峰的重點(diǎn)是控制碳排放及碳排放強(qiáng)度的高速增長(zhǎng)。

2.2 統(tǒng)計(jì)檢驗(yàn)

本研究中的時(shí)間序列變量二階差分之后穩(wěn)定(表3)。殘差單位根檢驗(yàn)的t值為-2.2057,5%顯著水平下的臨界值為-1.9740,P值為0.0317<0.05,殘差穩(wěn)定證明變量間存在協(xié)整關(guān)系。

表3 變量穩(wěn)定性檢驗(yàn)結(jié)果

2.3 提取主成分

除了能源強(qiáng)度因素的VIF值為2.24<10之外,其余所有變量的VIF值均>10,表明變量間存在嚴(yán)重的共線性問(wèn)題(表4)。KMO值=0.70>0.6,證明主成分分析方法有較好的適用性。

表4 變量的VIF值

圖2 閩三角碳排放與驅(qū)動(dòng)因素間的相關(guān)系數(shù) Fig.2 Coefficients between carbon emissions and driving factors of the GTSF

本研究提取出兩個(gè)主成分F1和F2,特征值分別為5.82和1.01,累積解釋率為97.59%。F1、F2與碳排放間的回歸方程為：

lnCE=0.19F1-0.04F2

(11)

將標(biāo)準(zhǔn)化后的變量代入回歸方程,得到碳排放與影響因素的函數(shù)關(guān)系：

lnCE=-12.54+1.47lnP+0.68lnU+0.21lnGP+

0.07(lnGP)2+0.03(lnGP)3-0.28lnEI+

1.55lnS

(12)

能源強(qiáng)度對(duì)碳排放起抑制作用,其他因素均起促進(jìn)作用,且影響程度為產(chǎn)業(yè)結(jié)構(gòu)>人口規(guī)模>城鎮(zhèn)化率>能源強(qiáng)度>人均GDP(圖2)。由圖2可知,產(chǎn)業(yè)結(jié)構(gòu)對(duì)閩三角碳排放的影響最大,第二產(chǎn)業(yè)占比每提升1%會(huì)促進(jìn)碳排放增加1.55%。研究期內(nèi)閩三角能源強(qiáng)度在波動(dòng)中下降,促進(jìn)了碳減排。能源強(qiáng)度每下降1%促進(jìn)碳排放減少0.28%。人均GDP相關(guān)指標(biāo)的系數(shù)均>0,表明閩三角碳排放與經(jīng)濟(jì)發(fā)展間不存在倒“U”型曲線關(guān)系。

使用回歸方程對(duì)2005—2017年閩三角的碳排放進(jìn)行“預(yù)測(cè)”,用誤差率衡量上述回歸模型的預(yù)測(cè)精度。結(jié)果發(fā)現(xiàn)基于回歸模型的碳排放 “預(yù)測(cè)值”和基于IPCC清單法的碳排放核算值二者之間的變化趨勢(shì)基本一致,誤差率在±20%之間(圖3),可見(jiàn)該模型有較好的預(yù)測(cè)精度[59],可用于閩三角碳排放峰值預(yù)測(cè)研究中。

(13)

圖3 閩三角碳排放核算值與“預(yù)測(cè)值”間的誤差率Fig.3 Error rate between accounting value and predictive value of carbon emissions of the GTSF

2.4 峰值預(yù)測(cè)

2.4.1 基準(zhǔn)情景

基準(zhǔn)情景下,閩三角碳排放水平持續(xù)升高(圖4)。經(jīng)預(yù)測(cè),2030年閩三角碳排放為1.04億t,2050年增加至1.77億t。與我國(guó)多數(shù)城市群類(lèi)似,若閩三角延續(xù)“新常態(tài)”前的發(fā)展模式,則無(wú)法實(shí)現(xiàn)碳達(dá)峰目標(biāo)[36]?；鶞?zhǔn)情景下,閩三角碳排放增長(zhǎng)率呈逐年下降趨勢(shì)(圖4)。2021—2050年閩三角碳排放整體增長(zhǎng)率為3.22%,低于2005—2017年的水平。2021—2025年增長(zhǎng)率為4.84%,2026—2030年下降至3.89%,2031—2050年又下降至2.19%,經(jīng)濟(jì)發(fā)展對(duì)碳排放的促進(jìn)作用逐漸減弱?；鶞?zhǔn)情景下,泉州碳排放依然最多(圖4),占比在70%以上。受經(jīng)濟(jì)增長(zhǎng)驅(qū)動(dòng),漳州碳排放超過(guò)廈門(mén)。廈漳泉碳排放的增長(zhǎng)率也逐漸下降,廈門(mén)最低,漳州和泉州的碳排放增長(zhǎng)率與閩三角整體水平接近(圖4)。

圖4 基準(zhǔn)情景下閩三角及廈漳泉的碳排放Fig.4 Carbon emissions of the GTSF, Xiamen, Zhangzhou and Quanzhou in the baseline scenario

基準(zhǔn)情景下,閩三角的碳排放強(qiáng)度也逐年升高(圖5),2030年和2050年分別為0.4462 t/萬(wàn)元和0.4473 t/萬(wàn)元,均高于2005年的水平,碳減排壓力持續(xù)增大。廈漳泉3市碳排放強(qiáng)度呈不同的變化趨勢(shì)(圖5)：廈門(mén)碳排放強(qiáng)度逐年下降,從2021年的0.1998 t/萬(wàn)元下降至2050年的0.1689 t/萬(wàn)元,減排壓力持續(xù)下降；漳州和泉州的碳排放強(qiáng)度均持續(xù)升高(圖5),前者從2030年的0.3612 t/萬(wàn)元增長(zhǎng)至2050年的0.3760 t/萬(wàn)元,后者從2030年的0.6234 t/萬(wàn)元增長(zhǎng)至2050年的0.6385 t/萬(wàn)元,泉州的碳減排壓力依然最大。

圖5 基準(zhǔn)情景下閩三角及廈漳泉的碳排放強(qiáng)度Fig.5 Carbon emissions intensity of the GTSF, Xiamen, Zhangzhou and Quanzhou in the baseline scenario

2.4.2 低碳情景

(1)碳排放峰值

低碳情景下,碳排放的變化趨勢(shì)可分為三類(lèi)：增長(zhǎng)型,先降后增型和先增后降型(圖6)。低碳情景下的碳排放低于基準(zhǔn)情景下的預(yù)測(cè)水平,可見(jiàn)對(duì)經(jīng)濟(jì)社會(huì)發(fā)展因素進(jìn)行調(diào)控可降低碳排放水平。

①增長(zhǎng)型

包括S9(MML)、S11(MLL)、S13(LML)和S15(LLL)情景(圖6)。S9情景下的碳排放高于其他情景,證明降低發(fā)展型因素的增長(zhǎng)速率能促進(jìn)碳排放下降。上述4種情景中,閩三角沒(méi)有強(qiáng)化負(fù)向因素能源強(qiáng)度對(duì)碳排放的抑制效應(yīng),能源強(qiáng)度一直處于低速(L)下降的趨勢(shì)中。減排型因素處于低減排情景時(shí)不能促進(jìn)碳達(dá)峰[37]。能源強(qiáng)度對(duì)碳排放的抑制弱于其他正向因素對(duì)碳排放的促進(jìn),導(dǎo)致閩三角碳排放持續(xù)升高,未實(shí)現(xiàn)達(dá)峰目標(biāo)。

②先降后增型

該趨勢(shì)下碳排放曲線呈“U”型,包含S1(HHH)、S3(HMH)、S5(MHH)和S7(MMH)情景,最大值和最小值分別出現(xiàn)在2020年和2040年(圖6)。S1的峰值最高(0.67億t),S7的最低(0.64億t)。

圖6 低碳情景下閩三角城市群碳排放Fig.6 Carbon emissions of the GTSF and Xiamen, Zhangzhou and Quanzhou in the low carbon scenario

“十四五”是碳達(dá)峰的關(guān)鍵期、窗口期。統(tǒng)計(jì)顯示,閩三角2020年人口規(guī)模、人均GDP分別為1903萬(wàn)人和11.08萬(wàn)元/人,滿足2020年達(dá)峰的目標(biāo)值,但是城鎮(zhèn)化率72.29%<80%,難以滿足達(dá)峰條件。廈漳泉3市2020年的人均GDP(當(dāng)年價(jià)格)均高于達(dá)峰時(shí)的目標(biāo)值。廈門(mén)的產(chǎn)業(yè)結(jié)構(gòu)水平以及能源強(qiáng)度下降的速率均符合達(dá)峰時(shí)的目標(biāo)水平,且低于地區(qū)整體水平,此外廈門(mén)的碳排放強(qiáng)度在研究期內(nèi)呈下降趨勢(shì),碳排放年均增長(zhǎng)率低于其他兩市且逐年降低。相關(guān)研究證明,截至2019年低碳示范型城市廈門(mén)的綜合碳排放已經(jīng)進(jìn)入平臺(tái)期,其直接碳排放已經(jīng)達(dá)峰[21],因此本研究認(rèn)為廈門(mén)最可能在2020年實(shí)現(xiàn)達(dá)峰目標(biāo)。傳統(tǒng)工業(yè)轉(zhuǎn)型期城市漳州和泉州人口發(fā)展規(guī)劃中預(yù)期的2030年的人口城鎮(zhèn)化率分別為75%和71%,未達(dá)到2020年“達(dá)峰”時(shí)的目標(biāo)值,城鎮(zhèn)化率較低成為漳州和泉州碳達(dá)峰的阻礙。

這四種情景中減排型因素均處于高速(H)下降,即強(qiáng)減排情景中。能源是碳達(dá)峰的關(guān)鍵[60—61]。H速率下,2020年閩三角的能源強(qiáng)度目標(biāo)值為0.65 t標(biāo)準(zhǔn)煤/萬(wàn)元。2017年廈門(mén)和漳州的能源強(qiáng)度已低于上述目標(biāo)值,閩三角和泉州的能源強(qiáng)度分別為0.68 t標(biāo)準(zhǔn)煤/萬(wàn)元和0.93 t標(biāo)準(zhǔn)煤/萬(wàn)元。按照《泉州市“十三五”節(jié)能減排綜合工作方案》的規(guī)定,2020年泉州能源強(qiáng)度目標(biāo)值為0.89 t/萬(wàn)元,可見(jiàn)即使泉州實(shí)現(xiàn)了“十三五”的節(jié)能目標(biāo),2020年閩三角的能源強(qiáng)度依舊高于達(dá)峰時(shí)的目標(biāo)值,能源強(qiáng)度過(guò)高限制了碳達(dá)峰的實(shí)現(xiàn)。

H速率下,2020年產(chǎn)業(yè)結(jié)構(gòu)的目標(biāo)值為55%。2017年廈漳泉3市第二產(chǎn)業(yè)占比分別為51.31%、54.26%和63.31%。統(tǒng)計(jì)顯示,當(dāng)泉州第二產(chǎn)業(yè)占比在60%時(shí),閩三角整體的第二產(chǎn)業(yè)占比約為55%,因此為了實(shí)現(xiàn)2020年碳達(dá)峰目標(biāo),2017—2020年泉州第二產(chǎn)業(yè)占比至少下降3%。統(tǒng)計(jì)顯示,2020年泉州第二產(chǎn)業(yè)占比為57.17%,達(dá)到了上述要求。綜上,發(fā)展型因素中的“城鎮(zhèn)化率”以及減排型因素中的“能源強(qiáng)度”阻礙了閩三角碳達(dá)峰目標(biāo)的實(shí)現(xiàn)。

③先增后降型

該趨勢(shì)下碳排放曲線呈倒“U”型,包含S2(HHM)、S4(HMM)、S6(MHM)、S8(MMM)、S10(MLM)、S12(LMM)和S14(LLM)共7種情景,其中S2、S4、S6、S8、S12情景在2035年達(dá)峰,S10和S14 情景在2030年達(dá)峰,且2030年達(dá)峰的情景其峰值水平更低(圖6)。S10和S14的碳排放峰值分別為0.61億t和0.57億t。S14(LLM)情景的峰值更低,更利于碳排放總量控制。研究證明,實(shí)現(xiàn)碳達(dá)峰的地區(qū),經(jīng)濟(jì)發(fā)展速率將從高速轉(zhuǎn)入中低速,同時(shí)進(jìn)一步強(qiáng)化了對(duì)減排型因素的低碳約束力度[62]。本研究證明,當(dāng)人口和富裕度處于低速(L)增長(zhǎng)狀態(tài),且能源強(qiáng)度和產(chǎn)業(yè)結(jié)構(gòu)處于中速(M)下降的趨勢(shì)時(shí),閩三角碳排放在2030年達(dá)到峰值。

L速率下,2030年碳排放達(dá)峰時(shí)人口、城鎮(zhèn)化率和人均GDP的目標(biāo)值分別為1790.2萬(wàn)人、70%和7.87萬(wàn)元/人。統(tǒng)計(jì)顯示,閩三角在2020年前已經(jīng)實(shí)現(xiàn)了上述目標(biāo),因此發(fā)展型因素不是閩三角2030年碳達(dá)峰的阻礙。M速率下,2030年產(chǎn)業(yè)結(jié)構(gòu)目標(biāo)值為52.5%。廈門(mén)預(yù)期2025年高技術(shù)制造業(yè)占比達(dá)到45%,漳州預(yù)期2025年服務(wù)業(yè)增加值占比達(dá)到42%,泉州預(yù)期2035年第三產(chǎn)業(yè)增加值占比達(dá)到42%。按照3市“十四五”規(guī)劃的設(shè)定,到2030年3市第二產(chǎn)業(yè)占比均在50%以下,因此閩三角能實(shí)現(xiàn)碳達(dá)峰時(shí)產(chǎn)業(yè)結(jié)構(gòu)領(lǐng)域的調(diào)控目標(biāo)。M速率下,2030年能源強(qiáng)度為0.63 t標(biāo)準(zhǔn)煤/萬(wàn)元。廈門(mén)和漳州的能源強(qiáng)度已經(jīng)實(shí)現(xiàn)了該目標(biāo)。按照M速率下能源強(qiáng)度的下降標(biāo)準(zhǔn),2030年泉州能源強(qiáng)度為0.62 t標(biāo)準(zhǔn)煤/萬(wàn)元,因此閩三角整體上能在2030年實(shí)現(xiàn)能源強(qiáng)度下降目標(biāo)。綜上,閩三角整體碳達(dá)峰的時(shí)間宜設(shè)定在2030年。2030年碳達(dá)峰既能保障漳州經(jīng)濟(jì)的發(fā)展,又能為泉州產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和能源強(qiáng)度下降預(yù)留時(shí)間。

受疫情影響,2020年1—4月份我國(guó)整體碳排放較2019年同期有較大幅度的下降[63]。5月份開(kāi)始隨著地區(qū)復(fù)工復(fù)產(chǎn)的穩(wěn)步推進(jìn),經(jīng)濟(jì)逐漸恢復(fù),碳排放開(kāi)始反彈,電力、工業(yè)等部門(mén)的碳排放很快就恢復(fù)到了2019年同期水平,可見(jiàn)疫情雖然導(dǎo)致短期內(nèi)碳排放的大幅度下降,但隨著經(jīng)濟(jì)的復(fù)蘇碳排放迅速地反彈。與全國(guó)相比,福建省整體的與各個(gè)部門(mén)的碳排放與2019年同期水平相比下降幅度不大,整體碳排放波動(dòng)受疫情影響較小。統(tǒng)計(jì)顯示,廈漳泉各市的GDP較2019年均有所增加,GDP增長(zhǎng)率依然為正,經(jīng)濟(jì)處于發(fā)展中,所以本研究認(rèn)為閩三角不能在2020年實(shí)現(xiàn)碳達(dá)峰。

研究表明,疫情對(duì)我國(guó)碳達(dá)峰的時(shí)間并未產(chǎn)生顯著的影響,但改變了經(jīng)濟(jì)發(fā)展以及能源利用的模式[64],“綠色復(fù)蘇”成為了共識(shí)。經(jīng)濟(jì)重建必須與綠色發(fā)展理念相結(jié)合、“雙碳”成為了后疫情時(shí)代經(jīng)濟(jì)發(fā)展中十分重要的原則[65—66]。清潔能源將得到更大規(guī)模的推廣和應(yīng)用,新型基礎(chǔ)設(shè)施建設(shè)(“新基建”)將促進(jìn)多個(gè)產(chǎn)業(yè)的低碳化發(fā)展[67],因此碳排放的增長(zhǎng)速率將逐漸降低。低碳情景下,碳排放曲線呈倒“U”型的七種情景(S2、S4、S6、S8、S10、S12、S14)中,達(dá)峰之前,碳排放增長(zhǎng)率逐年降低；達(dá)峰后,碳排放下降速率加快,因此本研究認(rèn)為疫情雖然造成了閩三角碳排放增長(zhǎng)速率的下降但是未造成達(dá)峰時(shí)間的劇烈波動(dòng)。

(2)碳排放強(qiáng)度

低碳情景下,2020年閩三角碳排放強(qiáng)度在0.36—0.46 t/萬(wàn)元間波動(dòng)(圖7)。碳排放強(qiáng)度低于2005年的有S9、S11、S12、S13、S14和S15共6種情景(圖7),分別比2005年下降了3.73%、3.67%、0.71%、8.25%、0.65%、8.20%。2030年所有情景下的碳排放強(qiáng)度均小于2005年(圖7),但強(qiáng)度下降幅度均不足60%,可見(jiàn)閩三角未完成2020年和2030年的碳排放強(qiáng)度控制目標(biāo)。

圖7 低碳情景下閩三角碳排放強(qiáng)度Fig.7 Carbon emissions intensity of the GTSF in the low carbon scenario

3 結(jié)論與政策建議

本研究在碳排放核算的基礎(chǔ)上開(kāi)展驅(qū)動(dòng)機(jī)制分析,使用STIRPAT模型和主成分分析法評(píng)估了人口規(guī)模、城鎮(zhèn)化率、人均GDP、能源強(qiáng)度和產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放的影響,建立了碳排放與上述因素間的回歸關(guān)系,結(jié)合情景分析法,通過(guò)設(shè)置上述因素在高、中、低發(fā)展速率下的發(fā)展目標(biāo),對(duì)閩三角的碳排放進(jìn)行了預(yù)測(cè)。主要結(jié)論如下：(1)2005—2017年閩三角城市群碳排放和碳排放強(qiáng)度均持續(xù)升高。泉州有最高的碳排放和碳排放強(qiáng)度；漳州碳排放和碳排放強(qiáng)度的增長(zhǎng)率最高；(2)能源強(qiáng)度是碳排放的負(fù)向因素,其余均為正向因素。產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放影響最大,人均GDP最??；(3)閩三角碳排放與人均GDP間不存在倒“U”型曲線關(guān)系；(4)基準(zhǔn)情景下,閩三角不能實(shí)現(xiàn)碳達(dá)峰。低增長(zhǎng)、中減排情景下,閩三角將于2030年實(shí)現(xiàn)碳達(dá)峰目標(biāo),峰值水平0.57億t。低碳情景下廈門(mén)最可能在2020年實(shí)現(xiàn)碳達(dá)峰；(5)所有情景下,閩三角城市群均未實(shí)現(xiàn)“2030年碳排放強(qiáng)度比2005下降60%—65%”的目標(biāo)。

基于上述研究為閩三角碳減排和碳達(dá)峰提供如下建議：(1)升級(jí)產(chǎn)業(yè)結(jié)構(gòu)。第二產(chǎn)業(yè)占比每升高1%會(huì)促進(jìn)閩三角碳排放增加1.55%。漳州和泉州第二產(chǎn)業(yè)的擴(kuò)張是閩三角產(chǎn)業(yè)結(jié)構(gòu)難以優(yōu)化的關(guān)鍵,“十四五”和“十五五”時(shí)期漳州和泉州可以《中國(guó)制造2025》《泉州制造2025發(fā)展綱要》《漳州市<中國(guó)制造2025>實(shí)施綱要》等為指導(dǎo),遏制并淘汰能源和碳排放“雙高”的產(chǎn)業(yè),發(fā)展高端制造、智能制造、電子信息等產(chǎn)業(yè)；(2)優(yōu)化能源結(jié)構(gòu)。以煤炭等化石能源為主的能源消費(fèi)結(jié)構(gòu)導(dǎo)致閩三角能源強(qiáng)度下降幅度有限。優(yōu)化能源消費(fèi)結(jié)構(gòu)是閩三角碳達(dá)峰的關(guān)鍵手段。以福建省和廈漳泉各市的能源發(fā)展專(zhuān)項(xiàng)規(guī)劃為指導(dǎo),嚴(yán)格管控煤炭等的開(kāi)發(fā)利用,重點(diǎn)布局閩三角地區(qū)的核電、水電以及熱能等可再生能源利用工程,逐步擴(kuò)大可再生能源的利用?！靶禄ā?主要是特高壓電網(wǎng)建設(shè)將助推閩三角碳達(dá)峰的實(shí)現(xiàn)。于閩三角而言,目前要對(duì)接福建省特高壓電網(wǎng)工程建設(shè),加快各市電網(wǎng)基礎(chǔ)工程建設(shè),實(shí)現(xiàn)能源結(jié)構(gòu)優(yōu)化目標(biāo);(3)廈門(mén)必須盡快制定碳達(dá)峰行動(dòng)計(jì)劃,以引領(lǐng)閩三角整體的碳達(dá)峰行動(dòng)。