2025, Vol. 46
自工业革命以来, 人类活动产生的温室气体在大气中不断累积, 温室气体浓度突破临界值将可能导致的灾难性后果已被人们逐渐认识[1]. 截至2023年7月, 全球已有151个国家和地区承诺了碳中和目标, 涵盖全球碳排放总量的88%[2]. 快速的经济发展使中国成为了目前世界上能源消费和碳排放最多的国家. 为控制温室气体排放, 中国积极推动环境气候治理, 在2020年第75届联合国大会上提出了“双碳”目标, 将对全球气候治理起到关键性推动作用[3]. 与英国和美国等已达峰的国家在发展过程中自然形成的碳达峰不同, 中国需要施加严格的约束以预期达到碳达峰. 在实现双碳目标的进程中, 目前中国仍有一些阻碍. 如产业发展上, 中国整体处于工业化中后期阶段, 传统高投入和高能耗的产业占比较高；中国的能源消耗被概括为“一煤独大”, 呈“富煤贫油少气”的特征, 严重制约减排进程；目前碳捕集等抵消碳排放的技术尚不成熟[4].
由于碳排放的影响因素广泛且复杂, 通过识别不同因素的驱动程度可以更精准地探索减排的路径. 主春杰等 [5]首次在中国运用LMDI模型进行碳排放因素分解, 学者们在此基础上进行区域[6]、行业[7, 8]和影响因素[9, 10]的细化和拓展. 目前对于碳排放的预测多从“自上而下”和“自下而上”两个角度展开. 自上而下的模型从宏观经济因素入手研究能源系统、经济和环境部门之间的关系, 估算其未来的能源消耗和污染物排放情况, 如C-GEM[11]和STIRPAT模型[12, 13]. 自下而上的模型则以能源技术模型为主体, 主要对能源消耗和生产过程进行详细的模型构建和仿真计算. LEAP（long range energy alternatives planning system）是一种运用部门分析法建立的能源需求预测模型, 常与情景分析法相结合, 具有数据输入透明和灵活度高等特点, 模型可以根据所得数据的情况灵活调整, 已广泛应用于国家[14~16]、区域[17, 18]和行业[19, 20]的能源和环境发展战略规划.
城市中的居民生活、工业、商业和交通等诸多部门产生的碳排放占全球的75%[21], 目前全国城市发展水平不同, 《中国城市商业魅力排行榜》把城市分为6个级别, 排名靠前的城市已具有较高的完备度, 城市的低碳化只能在现有基础上进行改善, 其中的能源⁃环境问题是宏观和微观因素共同作用的结果. 已有的研究尚存在一些问题：大多影响因素研究选择单一分解模型, 难以将生产活动和居民生活分别展开研究；仅对碳排放的历史趋势进行分析, 其结果不能与未来发展相结合；而单一的自下而上的碳排放预测模型会忽略宏观经济政策与气候系统间的联系.
为解决这些问题, 本文以中国直辖市和新一线城市之一天津市为例, 构建双层LMDI模型识别天津市终端碳排放驱动因素, 并以结果为依据结合情景分析法, 构建LEAP-TJ模型对天津市终端能源消费和碳排放进行预测, 探究天津市不同情景下的碳减排路径.
1 材料与方法本文将自上而下的因素分解模型LMDI模型和自下而上的能源和碳排放预测模型LEAP模型相结合. 首先通过IPCC公布的CO2排放量计算公式, 通过《中国能源统计年鉴》（2010~2021年）[22]的公开数据计算天津市2010~2021年终端能耗和终端碳排放, 接着运用LMDI分解方法探究每个因素的贡献, 以核心因素为参考构建包含农业、工业（钢铁和其他工业）、建筑业、商业、交通运输业和居民生活这6个部分的LEAP-TJ模型, 预测不同情景下与终端能源相关的二氧化碳排放总量. 最后, 对各情景下的能源消耗及碳排放模拟结果进行分析, 为天津市的低碳发展提出建议. 本文研究路线如图 1.
|
图 1 研究路线示意 Fig. 1 Research roadmap |
根据IPCC部门核算编制了天津市温室气体排放清单, 本文将发电产生的碳排放量按不同部门比例分配, 以更好地核算终端碳排放总量. 在核算过程中, 参照文献[23, 24], 本文将天津的能源消耗部门分为7个部门（农业、工业、商业、建筑业、交通业、其他行业、居民生活）和9种能源（原煤、焦炭、汽油、柴油、燃料油、煤油、LPG、天然气、电力）.
|
式中, i和j分别为消耗部门和能源类型；ADij为i部门消耗j能源的数量；EFj为能源j的碳排放系数, 参考《IPCC 2006年国家温室气体清单指南2019修订版》[25].
1.2 LMDI模型本研究采用由Kaya恒等式为基础扩展的LMDI模型进行因素分解, 将天津市碳排放分为生产端和生活端两部分, 参考文献[26~28]选取产业碳排放强度、能源强度、能源结构、产业结构和经济规模为生产端因素；选取生活碳排放强度、生活能源结构、人均能耗和人口规模为生活端因素, 共9个因素.
恒等式如下：
|
(1) |
利用LMDI加法形式进行分解：
|
(2) |
|
(3) |
式中, X为公式（2）中各因素. 对各类能源来说, 碳排放系数为常数, 因此碳排放系数效应为0, 即ΔIC = ΔLC = 0
以上公式中各参数意义如表 1.
|
表 1 LMDI模型各参数意义 Table 1 Meanings of variables in the LMDI model |
1.3 LEAP模型构建
LEAP（long-range energy alternatives planning）模型即长期能源替代模型, 由斯德哥尔摩环境研究所开发. 它是一种综合能源建模工具, 带有一个开放的TED数据库, 包含各国不同技术种类排放指标的数据. 针对天津市能源消费现状构建LEAP-TJ模型如图 2.
|
图 2 LEAP-TJ模型 Fig. 2 LEAP-TJ model |
能源消耗及碳排放常受诸多微观与宏观因素变化的影响, 本文基于LMDI的分解结构、相关政策目标和发展现状, LEAP-TJ模型以2021为基准年, 基准年数据主要采用2021已公布数据, 同时参考2018~2020年数据, 情景年跨度为2022~2060年. 本文设置了基准情景（BAU）、政策发展情景（PDS）、能源效率提高情景（EEI）、交通系统优化情景（TSO）、清洁能源替代情景（CES）和综合情景（CS）共6种情景, 各情景间关系如图 3.
|
图 3 情景示意 Fig. 3 Schematic of scenarios |
本文主要依据对已有文献和政策文件的数据挖掘和政策演进进行情景设置. 社会经济基础指标设置主要来源于《天津统计年鉴》[29]、《天津市国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》[30]、《京津冀协同发展规划纲要》[31]、《天津市人口发展“十四五”规划》[32]和《人口与劳动绿皮书：中国人口与劳动问题报告No.19》[33]等报告文件, 依据其中的发展速率和指标进行参数设置.
各产业能源核算数据及各情景参数主要来自《中国能源统计年鉴》[22]、《天津市“十四五”节能减排工作实施方案》[34]、《天津市碳达峰实施方案》[35]和《天津市能源发展“十四五”规划》[36]等报告. 工业中钢铁产业能源强度及用能结构主要参考《关于促进钢铁工业高质量发展的指导意见（2016-2020）》[37]和《“十四五”循环经济发展规划》[38]等文件和相关文献[39, 40], 其他工业主要参考《天津市制造业高质量发展“十四五”规划》[41]. 建筑业情景设置参考《中国建筑节能年度发展研究报告（2021）》[42]和文献[43]. 交通运输业参考《天津统计年鉴》[29]、《天津市综合交通运输“十四五”规划》[44]、《中国交通年鉴2022》[45]和文献[46~48]对车型占比、行驶里程和能源强度进行设置.
2.2 情景设置参考本文计算得出的天津市终端碳排放驱动因素分解结果和文献[49, 50], 以能源结构、能源强度、人口增长率和GDP变化率等为主要驱动因素进行各情景主要的指标设置.
（1）基准情景（BAU） 基准情景可看作是“冻结情景”, 在此情景中各参数均保持历史状态发展, 目的是探究延续当前措施
时排放量的变化趋势, 同时作为减排效果的基准. 本文中基准情景各参数发展速率延续过去5 a平均值.
（2）政策发展情景（PDS） 政策发展情景旨在探究在按照目前政策和规划大力发展经济、提升居民生活质量的情况下, 不采用低碳手段, 对各指标进行设定. 本文设置PDS情景仅为EEI、CES、TSO和CS情景的活动水平变化率进行铺垫假设, PDS情景关键参数设置如表 2所示.
|
|
表 2 PDS关键参数设置1） Table 2 Main parameter settings for PDS |
能源效率提高情景是对能源强度进行设定, 能源强度是驱动因素分解中的第二大正向因素. 通过深入挖掘各部门生产现状的节能减排潜力, 考虑技术的进步, 本情景针对能源强度进行控制, 具体参数设置如表 3所示.
|
|
表 3 EEI关键参数设置 Table 3 Main parameter settings for EEI |
（4）清洁能源替代情景（CES） 在碳减排的迫切要求下, 我国正大力推进清洁生产和非化石能源产业, 但目前我国的清洁能源占比距已达峰国家仍有差距[51]. 能源结构是本文分解的最显著的驱动因素, 此情景以发展如电力和天然气等清洁能源, 降低煤炭、焦炭和柴油等高污染能源占比为准则设定如表 4.
|
|
表 4 CES关键参数设置/% Table 4 Main parameter settings for CES/% |
（5）交通系统优化情景（TSO） 据国际能源署统计, 2021年交通运输业碳排放占全球的25%左右, 由于其碳减排进程相对滞后, 在城市温室气体排放总量中占比逐渐增大. 因此本文针对交通运输业对其“公转铁”、提高公共交通比例和提高清洁能源车型保有量这3个方向进行情景模拟, 此情景关键参数设置如表 5.
|
|
表 5 TSO关键参数设置1） Table 5 Main parameter settings for TSO |
（6）综合情景（CS） 以上各情景都是有针对性开展的, 在未来的发展过程中技术进步和排放要求是共同发展的, 因此对以上各情景进行综合模拟分析, 将PDS、EEI、CES和TSO情景进行结合, 更好地贴近天津市终端碳减排的发展目标和方向. 在该情景下, 参数设置与上述4项情景的参数设置相同.
3 结果与讨论 3.1 天津市终端碳排放影响因素分析应用公式（1）和公式（2）对天津市终端碳排放进行核算, 使用LMDI模型对终端碳排放进行驱动因素分解, 各因素驱动程度如表 6, 并将各影响因素按近10 a平均效应的正负分为促进效应和抑制效应.
|
|
表 6 LMDI分解结果 Table 6 Main parameter settings for PDS |
3.1.1 促进因素
（1）能源强度 能源强度效应对天津市终端碳排放的贡献在10 a间一直为正. 在保障经济发展的同时, 提高技术水平和能源利用效率在当下仍是降低能源消费的有效方法.
（2）经济规模 经济规模是对天津市终端碳排放贡献最大的因素, 在本研究期间平均每年贡献400.37万t CO2. 经济规模效应与天津市GDP增速的变化趋势基本一致. 目前, 天津市处在经济转型升级的换挡区间, 随着经济由高速发展向高质量发展转变, 经济规模的促进作用会随着经济转型降低.
（3）人均能耗 人均能耗为第二显著促进因素, 平均每年贡献31.61万t CO2. 天津市的生活人均能耗逐年递增说明能源消耗增加的速度要大于人口数量增加的速度.
（4）人口规模 相对于产业的碳排放, 人口碳排放所占的比例较小, 因此促进作用并不明显. 人口规模效应平均每年贡献1.57万t CO2排放增量. 人口规模效应的贡献与常住人口增长变化趋势一致, 处于较为平稳的状态.
3.1.2 抑制因素（1）能源结构 产业能源结构和生活能源结构对天津市终端碳排放均起抑制作用. 产业能源结构是抑制效应最强的因素, 在2020年由抑制效应转为了促进效应, 在本研究期间, 电力和天然气等清洁能源的占比逐步上升, 能源结构效应由负转正说明目前天津市的终端能源消费仍存在一些问题, 转型仍在进行中.
（2）产业结构 本研究期间, 产业结构效应平均每年抑制碳排放181万t, 如图 4, 传统工业占比逐渐减少, 而以金融业和科学研究技术服务业等高新产业为代表的其他产业所占份额以较高速度增长, 产业结构得到优化, 减少了碳排放.
|
图 4 产业结构变化趋势 Fig. 4 Industrial structure scale change trend |
如图 5, 各情景终端能源消费预测情况如下：在BAU情景下, 到2030年和2060年终端能源消耗（以标准煤计, 下同）预计分别达到114.63×106 t和224.02×106 t, 年均增长2.31%；PDS情境是增长最快的情景, 年均增长率2.69%, 到2060年达267.87×106 t；EEI情景是唯一出现峰值的子情景, 峰值为2044年的134.2×106 t；CS情景峰值为2029年的103.82×106 t, 自此之后平均每年下降0.82%, 2060年消费80.4×106 t能源, 约为BAU情景的35.26%.
|
图 5 终端能源消费预测结果 Fig. 5 Forecast results of end-use energy consumption |
CES情景在和PDS情景能源消费保持基本一致的情况下, 能源结构发生了显著改变, 各能源终端占比变化如图 6所示, 煤炭和汽油等化石能源的占比在预测期内逐渐减少, 电力占比从2025年的25.45%增加为2060年的46.09%, 而BAU情景下2060年电力占比仅为21.1%.
|
图 6 CES情景终端能源消费结构 Fig. 6 End-use energy consumption structure in CES |
TSO情境对交通系统进行模拟预测, 此情景下交通运输业能源消耗的峰值出现在2030年, 峰值为2 027万t. 如图 7, 各部门中, 能源下降最明显的为道路交通部门, 年均增长率为-1.08%. 到2060年, 能源消费量比2030年下降23.48%. 多式联运的推进促进了铁路运输的发展, 所以铁路货运是各运输方式中唯一能源消耗量增加的部门, 年均上升0.83%.
|
图 7 TSO情景终端能源消费结构 Fig. 7 End-use energy consumption structure in TSO |
2022~2060年天津市终端碳排放预测结果如图 8. 天津市终端碳排放预测结果如下：BAU情景下, 由2021年的185.71×106 t增长至2060年的509.04×106 t, 年均增速2.59%, 为6种情景中最大值；PDS情景下碳排放趋势与能源消费趋势相似, 工业占比持续上升；EEI情景下, 2044年达到峰值220.93×106 t, 随之下降, 2060年碳排放水平为203.19×106 t, 工业占比达78.21%；CES情景峰值为2044年的230.94×106 t, EEI和CES情景能够实现碳达峰但时间较晚, 且达峰水平过高对碳中和过程造成一定困难, 因此需要各指标协同控制；CS情景下, 碳排放峰值为2025年的186.15×106 t, 2060年碳排放水平为60.84×106 t, 为基准年的32%, 年均下降2.82%, 符合目前对碳中和水平的大致预测, 工业占比也将持续下降至42.43%.
|
图 8 各情景碳排放预测结果对比 Fig. 8 Comparison of carbon emission prediction results in different scenarios |
本文对CES情景下各能源产生的碳排放进行分解分析如图 9. 本研究期间, 原煤碳排放降幅最明显, 年均降幅为1.26%；天然气增幅最明显, 年均增幅4.18%, 此结果也符合“治碳制气”的减排手段. 从2046年开始, 电力代替焦炭成为碳排放量占比最高的能源. 虽然CES情景下的能源消耗量不断增高, 但能源结构的优化使得碳排放量减少.
|
图 9 CES情景碳排放结果 Fig. 9 Carbon emission results in CES |
TSO情景下交通运输业碳排放将在2030年达峰, 为53.06×106 t, 2060年碳排放量比2021年下降42.8%. 如图 10所示, 道路货运所产生的碳排放量最多, 预测期内一直占交通运输业碳排放的50%以上. 此情景下减排效果最明显的为道路个体客运, 年均下降1.75%, 新能源汽车的普及、配套设施的完备和政策的推进有助于推动交通运输业碳减排.
|
图 10 TSO情景碳排放结果 Fig. 10 Carbon emission results in TSO |
天津市的社会基础和发展现状导致在各情景中, 工业均是能源消耗和碳排放的主要部门, 因此应注重推进工业内部转型和绿色升级, 对工业行业中如化工、水泥和钢铁等高污染行业的碳排放量进行控制, 积极推进高附加值且低耗能的现代化产业发展[51].
4.2 加大清洁能源占比预测结果显示, CES情景减排效果较好, 说明提升清洁能源的减排效果较为明显. 因此应推进煤炭消费替代和转型升级, 大力发展包括氢能、生物质能、电能等新能源, 加快“煤改电”等工程进度, 在城市建设的基础上进行合理改造, 为推进碳中和提供保障.
4.3 提高居民减排意识随着人口的增多和生活质量的提高, 居民生活部分碳排放也在增加, 因此需要加强生态文明宣传教育, 推广绿色低碳生活方式[52]. 如在交通领域, 引导群众绿色出行, 包括发展大运量公交系统, 提升城市客运载体功能, 通过限号等方式控制小汽车的保有量. 在生活中改善农村用能结构, 尽快实现煤的零使用, 加大推广节能电器等.
5 结论（1）根据LMDI结果可得, 在各影响因素中：能源强度效应、经济规模效应、人均能耗效应和人口规模效应为促进因素；产业能源结构效应、产业结构效应、生活能源结构效应为抑制因素. 对促进因素进行控制有助于减少碳排放.
（2）基准情景下天津市终端能源消费将在预测期内呈现明显的上升趋势, 在2030年和2060年分别达到基准年的126.8%和247.76%, EEI情景对能源消费量减少效果明显, CES情景下碳减排效果较为明显, CS情景综合情景对产业配置、能源强度、能源结构和排放因子等多方面的有效管理将发挥较为明显的减排效果, 能在2025年实现碳达峰, 碳排放量在2030年和2060年相较基准情景将下降21.83%和85.1%.
（3）综上所述, 本文针对研究结果及发展现状, 提出了3条优化建议促进天津市低碳发展, 对重点部门进行控制加快推进双碳目标如期实现.
| [1] |
王锋, 吴丽华, 杨超. 中国经济发展中碳排放增长的驱动因素研究[J]. 经济研究, 2010, 45(2): 123-136. Wang F, Wu L H, Yang C. Driving factors for growth of carbon dioxide emissions during economic development in China[J]. Economic Research Journal, 2010, 45(2): 123-136. |
| [2] | Climate Action Tracker. CAT climate target update tracker[EB/OL]. https://climateactiontracker.org/climate-target-update-tracker-2022/, 2024-02-23. |
| [3] | 人民政协网. 习近平在第七十五届联合国大会一般性辩论上的讲话(全文)[EB/OL]. http://www.rmzxb.com.cn/c/2022-03-03/3062746.shtml, 2022-03-03. |
| [4] | 庄贵阳. 我国实现"双碳"目标面临的挑战及对策[J]. 人民论坛, 2021(18): 50-53. |
| [5] |
主春杰, 马忠玉, 王灿, 等. 中国能源消费导致的CO2排放量的差异特征分析[J]. 生态环境, 2006, 15(5): 1029-1034. Zhu C J, Ma Z Y, Wang C, et al. Analysis of difference features of energy-related CO2 emission in China[J]. Ecology and Environmental Sciences, 2006, 15(5): 1029-1034. |
| [6] |
胡景心, 沙青娥, 刘慧琳, 等. 珠江三角洲二氧化碳源汇演变特征及驱动因素[J]. 环境科学, 2023, 44(12): 6643-6652. Hu J X, Sha Q E, Liu H L, et al. Evolution characteristics and driving forces of carbon dioxide emissions and sinks in the Pearl River delta region, China[J]. Environmental Science, 2023, 44(12): 6643-6652. |
| [7] |
翁淑娟, 刘颍颖, 唐凤, 等. 广东省船舶二氧化碳排放驱动因素与减排潜力[J]. 环境科学, 2024, 45(1): 115-122. Weng S J, Liu Y Y, Tang F, et al. Driving forces and mitigation potential of CO2 emissions for ship transportation in Guangdong province, China[J]. Environmental Science, 2024, 45(1): 115-122. |
| [8] |
郑蕊, 刁书琪. 基于LMDI-PDA-MMI分解法的我国产业体系碳排放驱动因素研究[J]. 生态经济, 2022, 38(5): 33-39. Zheng R, Diao S Q. Investigating the driving factors of carbon emissions in China's industrial system using the LMDI-PDA-MMI method[J]. Ecological Economy, 2022, 38(5): 33-39. |
| [9] |
马本, 秦露, 夏天辰. 中国城市PM2.5污染暴露不平等及其驱动因素——基于Theil指数和LMDI分解[J]. 中国环境科学, 2024, 44(1): 555-566. Ma B, Qin L, Xia T C. Inequality of PM2.5 exposure and its driving factors in China: based on Theil index and LMDI decomposition[J]. China Environmental Science, 2024, 44(1): 555-566. |
| [10] |
董锋, 杨庆亮, 龙如银, 等. 中国碳排放分解与动态模拟[J]. 中国人口·资源与环境, 2015, 25(4): 1-8. Dong F, Yang Q L, Long R Y, et al. Factor decomposition and dynamic simulation of China's carbon emissions[J]. China Population, Resources and Environment, 2015, 25(4): 1-8. |
| [11] |
张希良, 黄晓丹, 张达, 等. 碳中和目标下的能源经济转型路径与政策研究[J]. 管理世界, 2022, 38(1): 35-51. Zhang X L, Huang X D, Zhang D, et al. Research on the pathway and policies for China's energy and economy transformation toward carbon neutrality[J]. Journal of Management World, 2022, 38(1): 35-51. |
| [12] |
张江艳. 基于扩展STIRPAT模型LMDI分解的碳排放脱钩因素[J]. 环境科学, 2024, 45(4): 1888-1897. Zhang J Y. Research on carbon emission decoupling factors based on STIRPAT model and LMDI decomposition[J]. Environmental Science, 2024, 45(4): 1888-1897. |
| [13] | Yu S W, Zhang Q, Hao J L, et al. Development of an extended STIRPAT model to assess the driving factors of household carbon dioxide emissions in China[J]. Journal of Environmental Management, 2023, 325. DOI:10.1016/j.jenvman.2022.116502 |
| [14] | Nieves J A, Aristizábal A J, Dyner I, et al. Energy demand and greenhouse gas emissions analysis in Colombia: a LEAP model application[J]. Energy, 2019, 169: 380-397. DOI:10.1016/j.energy.2018.12.051 |
| [15] | Hernández K D, Fajardo O A. Estimation of industrial emissions in a Latin American megacity under power matrix scenarios projected to the year 2050 implementing the LEAP model[J]. Journal of Cleaner Production, 2021, 303. DOI:10.1016/j.jclepro.2021.126921 |
| [16] |
洪竞科, 李沅潮, 蔡伟光. 多情景视角下的中国碳达峰路径模拟——基于RICE-LEAP模型[J]. 资源科学, 2021, 43(4): 639-651. Hong J K, Li Y C, Cai W G. Simulating China's carbon emission peak path under different scenarios based on RICE-LEAP model[J]. Resources Science, 2021, 43(4): 639-651. |
| [17] |
黄昱杰, 刘贵贤, 薄宇, 等. 京津冀协同推进碳达峰碳中和路径研究[J]. 中国工程科学, 2023, 25(2): 160-172. Huang Y J, Liu G X, Bo Y, et al. Beijing-Tianjin-Hebei coordinated development toward the carbon peaking and carbon neutrality goals[J]. Strategic Study of CAE, 2023, 25(2): 160-172. |
| [18] |
杨峰, 张贵驰, 孙佶, 等. 基于LEAP模型的长三角某市碳达峰情景[J]. 环境科学, 2024, 45(1): 104-114. Yang F, Zhang G C, Sun J, et al. Study of peak carbon emission of a city in Yangtze River delta based on LEAP model[J]. Environmental Science, 2024, 45(1): 104-114. |
| [19] |
张时聪, 王珂, 杨芯岩, 等. 建筑部门碳达峰碳中和排放控制目标研究[J]. 建筑科学, 2021, 37(8): 189-198. Zhang S C, Wang K, Yang X Y, et al. Research on emission goal of carbon peak and carbon neutral in building sector[J]. Building Science, 2021, 37(8): 189-198. |
| [20] |
庞可, 张芊, 马彩云, 等. 基于LEAP模型的兰州市道路交通温室气体与污染物协同减排情景模拟[J]. 环境科学, 2022, 43(7): 3386-3395. Pang K, Zhang Q, Ma C Y, et al. Forecasting of emission co-reduction of greenhouse gases and pollutants for the road transport sector in Lanzhou based on the LEAP model[J]. Environmental Science, 2022, 43(7): 3386-3395. |
| [21] |
冯新惠, 李艳, 王诗逸, 等. "双碳"目标下城市形态对碳排放的影响: 以长江经济带为例[J]. 环境科学, 2024, 45(6): 3389-3401. Feng X H, Li Y, Wang S Y, et al. Impacts of urban form on carbon emissions under the goal of carbon emission peak and carbon neutrality: a case study of the Yangtze River economic belt[J]. Environmental Science, 2024, 45(6): 3389-3401. |
| [22] | 中国能源统计年鉴2022[M]. 北京: 中国统计出版社, 2023. |
| [23] |
苗安康, 袁越, 吴涵, 等. 中国省域碳达峰路径与政策[J]. 环境科学, 2023, 44(8): 4623-4636. Miao A K, Yuan Y, Wu H, et al. Pathway and policy for China's provincial carbon emission peak[J]. Environmental Science, 2023, 44(8): 4623-4636. |
| [24] |
陈睿, 饶政华, 刘继雄, 等. 基于LEAP模型的长沙市能源需求预测及对策研究[J]. 资源科学, 2017, 39(3): 482-489. Chen R, Rao Z H, Liu J X, et al. Prediction of energy demand and policy analysis of Changsha based on LEAP model[J]. Resources Science, 2017, 39(3): 482-489. |
| [25] | IPCC. 2019 Refinement to the 2006 lPCC guidelines for national greenhouse gas inventories[R]. Switzerland: Intergovernmental Panel on Climate Change, 2019. |
| [26] |
杨绍华, 张宇泉, 耿涌. 基于LMDI的长江经济带交通碳排放变化分析[J]. 中国环境科学, 2022, 42(10): 4817-4826. Yang S H, Zhang Y Q, Geng Y. An LMDI-based investigation of the changes in carbon emissions of the transportation sector in the Yangtze River Economic Belt[J]. China Environmental Science, 2022, 42(10): 4817-4826. |
| [27] |
刘茂辉, 邓小文, 刘胜楠, 等. 基于LMDI法和Tapio脱钩模型的天津市碳排放分析[J]. 环境污染与防治, 2022, 44(10): 1397-1401. Liu M H, Deng X W, Liu S N, et al. Carbon emission analysis of Tianjin city based on LMDI method and Tapio decoupling model[J]. Environmental Pollution & Control, 2022, 44(10): 1397-1401. |
| [28] |
陈军华, 李乔楚. 成渝双城经济圈建设背景下四川省能源消费碳排放影响因素研究——基于LMDI模型视角[J]. 生态经济, 2021, 37(12): 30-36. Chen J H, Li Q C. Research on the influencing factors of energy consumption carbon emission in Sichuan province under the background of the construction of Chengdu-Chongqing double city economic circle: from the perspective of LMDI method[J]. Ecological Economy, 2021, 37(12): 30-36. |
| [29] | 天津市统计局, 国家统计局天津调查总队. 天津统计年鉴2022[M]. 北京: 中国统计出版社, 2022. |
| [30] | 天津市人民政府. 关于印发天津市国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要的通知[EB/OL]. https://www.tj.gov.cn/zwgk/szfwj/tjsrmzf/202102/t20210208_5353467.html, 2021-02-08. |
| [31] | 中共中央政治局. 京津冀协同发展规划纲要[EB/OL]. https://baike.so.com/doc/8395069-32317625.html, 2015-04-30. |
| [32] | 天津市发展和改革委员会. 市发展改革委关于印发天津市人口发展"十四五"规划的通知[EB/OL]. https://fzgg.tj.gov.cn/zwgk_47325/zcfg_47338/zcwjx/fgwj/202111/t20211103_5673072.html, 2021-10-21. |
| [33] |
张车伟. 中国人口与劳动问题报告: No. 19[M]. 北京: 社会科学文献出版社, 2018. Zhang C W. Reports on Chinas population and labor(No. 19)[M]. Beijing: Social Sciences Academic Press, 2018. |
| [34] | 天津市人民政府. 天津市人民政府关于印发天津市"十四五"节能减排工作实施方案的通知[EB/OL]. https://www.tj.gov.cn/zwgk/szfwj/tjsrmzf/202205/t20220510_5877863.html, 2022-05-10. |
| [35] | 天津市人民政府. 天津市人民政府关于印发天津市碳达峰实施方案的通知[EB/OL]. https://www.tj.gov.cn/zwgk/szfwj/tjsrmzf/202209/t20220914_5987984.html, 2022-09-14. |
| [36] | 天津市发展和改革委员会. 市发展改革委关于印发天津市能源发展"十四五"规划的通知[EB/OL]. https://fzgg.tj.gov.cn/zwgk_47325/zcfg_47338/zcwjx/fgwj/202203/t20220311_5827375.html, 2022-03-11. |
| [37] | 中华人民共和国工业和信息化部, 中华人民共和国国家发展和改革委员会, 中华人民共和国生态环境部. 关于促进钢铁工业高质量发展的指导意见[EB/OL]. https://www.mee.gov.cn/xxgk2018/xxgk/xxgk10/202202/t20220208_968879.html, 2022-02-08. |
| [38] | 中华人民共和国国家发展和改革委员会. 推动绿色发展实现双碳目标——《"十四五"循环经济发展规划》解读之三[EB/OL]. https://www.ndrc.gov.cn/xwdt/gdzt/sswxhjjfzgh/202107/t20210714_1290406.html, 2021-07-14. |
| [39] |
宋晓聪, 杜帅, 邓陈宁, 等. 钢铁行业生命周期碳排放核算及减排潜力评估[J]. 环境科学, 2023, 44(12): 6630-6642. Song X C, Du S, Deng C N, et al. Life cycle carbon emission accounting and emission reduction potential assessment of steel industry[J]. Environmental Science, 2023, 44(12): 6630-6642. |
| [40] |
薛英岚, 张静, 刘宇, 等. "双碳"目标下钢铁行业控煤降碳路线图[J]. 环境科学, 2022, 43(10): 4392-4400. Xue Y L, Zhang J, Liu Y, et al. Roadmap of coal control and carbon reduction in the steel industry under the carbon peak and neutralization target[J]. Environmental Science, 2022, 43(10): 4392-4400. |
| [41] | 天津市人民政府. 天津市人民政府办公厅关于印发天津市制造业高质量发展"十四五"规划的通知[EB/OL]. https://www.tj.gov.cn/zwgk/szfwj/tjsrmzfbgt/202107/t20210701_5493059.html, 2021-07-01. |
| [42] | 清华大学建筑节能研究中心. 中国建筑节能年度发展研究报告2022(公共建筑专题)[M]. 北京: 中国建筑工业出版社, 2022. |
| [43] |
洪竞科, 李沅潮, 郭偲悦. 全产业链视角下建筑碳排放路径模拟: 基于RICE-LEAP模型[J]. 中国环境科学, 2022, 42(9): 4389-4398. Hong J K, Li Y C, Guo S Y. Simulating building carbon emission path with a RICE-LEAP model from the perspective of the whole supply chain[J]. China Environmental Science, 2022, 42(9): 4389-4398. |
| [44] | 天津市交通运输委员会. 《天津市综合交通运输"十四五"规划》政策解读[EB/OL]. https://www.tj.gov.cn/zwgk/zcjd/202108/t20210824_5550325.html, 2021-08-23. |
| [45] | 中国交通年鉴2022[M]. 北京: 中国交通年鉴社, 2023. |
| [46] |
贾璐宇, 王克. 碳中和背景下中国交通部门低碳发展转型路径[J]. 中国环境科学, 2023, 43(6): 3231-3243. Jia L Y, Wang K. Low-carbon transition pathways for China's transportation sector under the background of carbon neutrality[J]. China Environmental Science, 2023, 43(6): 3231-3243. |
| [47] |
赵立祥, 汤静. 基于LEAP模型的北京公交集团碳减排政策情景研究[J]. 科技管理研究, 2018, 38(2): 252-259. Zhao L X, Tang J. Study on the carbon-reduction policy scenarios in Beijing bus company based on the LEAP Model[J]. Science and Technology Management Research, 2018, 38(2): 252-259. |
| [48] |
高丹丹, 尹沙沙, 谷幸珂, 等. 河南省2016~2019年机动车大气污染物排放清单及特征[J]. 环境科学, 2021, 42(8): 3663-3675. Gao D D, Yin S S, Gu X K, et al. Vehicle air pollutant emission inventory and characterization in Henan province from 2016 to 2019[J]. Environmental Science, 2021, 42(8): 3663-3675. |
| [49] |
潘栋, 李楠, 李锋, 等. 基于能源碳排放预测的中国东部地区达峰策略制定[J]. 环境科学学报, 2021, 41(3): 1142-1152. Pan D, Li N, Li F, et al. Mitigation strategy of eastern China based on energy-source carbon emission estimation[J]. Acta Scientiae Circumstantiae, 2021, 41(3): 1142-1152. |
| [50] |
吴乐敏, 陈丙寅, 欧林冲, 等. 东莞市低碳路径下加速电气化对CO2和污染物协同减排影响[J]. 环境科学, 2023, 44(12): 6653-6663. Wu L M, Chen B Y, Ou L C, et al. Impact of accelerated electrification under the low carbon path in Dongguan city on the coordinated emission reduction of CO2 and pollutants[J]. Environmental Science, 2023, 44(12): 6653-6663. |
| [51] |
李辉, 庞博, 朱法华, 等. 碳减排背景下我国与世界主要能源消费国能源消费结构与模式对比[J]. 环境科学, 2022, 43(11): 5294-5304. Li H, Pang B, Zhu F H, et al. Comparative energy consumption structure and mode between China and major energy-consuming countries under the background of carbon emission reduction[J]. Environmental Science, 2022, 43(11): 5294-5304. |
| [52] |
陈帅, 黄娟. "双碳"目标赋能绿色生产生活方式的机理、路径及保障机制[J]. 哈尔滨工业大学学报(社会科学版), 2024, 26(1): 129-135. Chen S, Huang J. The mechanism, path and guarantee mechanism of "double carbon" goal enabling green production and lifestyle[J]. Journal of Harbin Institute of Technology (Social Sciences Edition), 2024, 26(1): 129-135. |