2025, Vol. 46
2. 山西大学CO2减排与资源化利用教育部工程研究中心, 太原 030006
, WANG Fei1,2 , ZHANG Yuan-yuan1,2 , CHENG Huai-gang1,2 , WU Hai-bin1,2 , GAO Yang-yan1,2
2. Engineering Research Center of CO2 Emission Reduction and Resource Utilization, Ministry of Education, Shanxi University, Taiyuan 030006, China
全球气温不断攀升, 节能减排的任务尤为紧迫, 但气候治理是漫长且复杂的过程, 虽然国际社会已经投入大量努力致力于节能减排, 然而在人为和自然因素的共同作用下, CO2排放量却依然在持续增长[1]. 同时, 随着CO2浓度和排放量的不断上升, 削减碳排放的难度也在逐渐增大. 尽管疫情期间因“封城封疆”等措施导致了短暂的排放量下降, 但自2020年下半年以来, 这一趋势又重新开始上升. 伴随着全球气温的不断攀升, 我国遭遇的天气和气候灾难也愈发频繁, 黑龙江漠河地区遭遇了前所未有的极寒天气, 气温骤降至零下53℃；南方地区普遍面临严峻的干旱挑战, 云南地区经历了自1961年以来最为严重的冬春连旱现象；“杜苏芮”等极强台风频繁登陆东南沿海地区, 给当地带来了极大的破坏, 这些异常的天气现象再次表明了温室效应的影响已经一次次敲响警钟, 应对气候变化迫在眉睫.
作为全球最大的发展中国家, 我国正面临环境保护与经济发展的双重挑战. 自1997年以来, 我国政府积极倡导可持续发展战略, 并在中共十五大中将其确立为现代化建设的必施战略；十八大首次提出“美丽中国”的概念, 进一步将生态文明建设提升到国家战略决策的核心位置；十九大将美丽中国作为现代化强国的重要目标之一, 彰显了国家对于生态文明建设的坚定决心和持续努力；随着二十大的召开, 美丽中国战略已深入人心, 成为全国人民的共同追求. 从“可持续发展战略”到“美丽中国”, 我国政府矢志不渝地推进绿色低碳发展. 特别到了“十四五”时期, 以降碳为重点战略方向的生态文明建设更是进入关键时期, 如图 1所示.
|
图 1 中国实现碳中和目标战略路径 Fig. 1 China's strategic path to achieve carbon neutrality |
2021年发布《2030年前碳达峰行动方案》, 这标志着我国碳达峰行动已正式启动, 迈向了新的发展阶段. 2023年4月, 《碳达峰碳中和标准体系建设指南》发布, 进一步提升了重点行业及产品的能耗指标要求, 旨在促进各行业逐步向绿色、低碳的发展模式转型. 这一系列举措不仅彰显了中国政府在应对气候变化方面的坚定决心, 也向世界展示了中国在绿色低碳发展领域的积极贡献, 具体政策见图 2. 山西省政府也高度重视能源低碳发展, 出台了一系列相关政策以推动碳达峰目标的实现, 具体政策见图 3. 以上政策涵盖了能源转型、节能减排和新能源发展等多个方面, 为山西省的能源活动碳达峰提供了有力的政策支持. 在能源转型方面, 山西省积极推动传统能源的绿色低碳转型, 以及新能源和清洁能源的替代行动. 同时, 山西省还聚焦工业、城乡建设和交通运输等重点领域, 通过实施碳达峰行动来提升这些领域的能源利用效率, 降低碳排放强度.
|
图 2 全国能源低碳政策 Fig. 2 National low-carbon energy policy |
|
图 3 山西能源低碳政策 Fig. 3 Shanxi energy low-carbon policy |
山西省作为我国重要的能源基地, 长期以来在能源供应和经济发展中占据举足轻重的地位, 其能源活动对于全国乃至全球的碳排放都具有重要影响, 然而, 随着全球气候变化问题的日益严峻, 推动能源活动碳达峰成为山西省乃至全国面临的紧迫任务. 开展山西省能源活动碳达峰模拟研究, 对于推动“双碳”目标的实现具有重要意义. 然而, 山西省能源活动碳达峰也面临着诸多挑战和困难. 一方面, 该省能源结构以煤炭为主, 短期内难以实现根本性转变；另一方面, 新能源技术的发展和应用还需要进一步突破和完善. 因此, 通过模拟研究, 可以预测和分析这些挑战对碳达峰目标的影响, 为制定应对措施提供科学依据. 面对全国及山西省的双碳政策推进, 如何结合本地实际, 制定有效的碳减排路径与发展策略, 同时确保经济按规划高速发展, 实现2030年前碳达峰的目标, 已成为山西省亟待解决的核心问题.
国内外学者多采用LEAP（long-range energy alternatives planning system）模型方法, 针对国家、省市或特定行业进行深入研究. 从国家层面出发, 有研究应用情景分析法和LEAP模型根据中国社会经济发展趋势和发展现状[2~6], 通过模拟分析, 预测各情景下各阶段的能源需求与碳排放量；从省市级角度出发, 有研究对不同情景下的碳排放量及碳减排潜力进行了分析[7~10]；具体到更细化的研究, 现有研究使用LEAP模型从重点行业和企业角度[11~15], 模拟了不同情景下各行业企业（交通运输业、京津冀工业部门、某国有企业）达到碳排放峰值和碳中和的途径. 以上研究展示了自下而上模拟方法在能源和排放分析中的应用, 为政策制定和能源规划提供了科学依据, 有助于推动可持续发展和减排目标的实现. 然而, 现有研究主要聚焦于工业[16~20]、交通运输业[21~25]、电力[26~29]及钢铁行业[30~32]等少数领域, 能源活动领域的能源消耗及碳排放研究省级层面仍很不足. 通过对比分析3种不同类型的模型, LEAP模型在低碳路径分析和技术替代效应评估方面展现出较大优势. 因此, 本研究选择LEAP模型作为分析工具, 以填补省级层面能源活动领域研究的空白, 以期为山西省的能源低碳转型提供有力支持.
1 材料与方法 1.1 LEAP模型长期能源可替代规划模型LEAP是一种自下而上的核算工具, 由斯德哥尔摩环境研究所和美国波士顿大学联合研发[33]. 该模型采用部门分析法[34], 旨在全面、系统地评估不同能源替代方案对能源消费和碳排放的影响, 为能源规划和政策制定提供科学依据[35], 有助于深入研究减少空气污染对气候的协同效益[36~39], 全面评估不同条件下能源需求、加工转换和气体排放的变化趋势[40~42]. 目前, LEAP模型已广泛应用于国家、区域、部门及行业等各个层面[43~45]的能源研究中.
本研究基于LEAP模型框架, 构建了针对山西省的LEAP-SHANXI测算模型, 聚焦于省级和行业层面, 借助LEAP模型对2020~2060年山西省能源活动产生的能源消费量和碳排放量进行预测, 以深入探究其发展趋势和影响因素. 计算公式如下：
|
(1) |
式中, A为各类能源的消耗量, EF为各类能源的排放因子, i、j和k分别为能源类型、部门类型和技术类型.
1.2 数据来源本研究设定2020年为基期, 预测期为2020~2060年. 数据主要源自研究年份的《山西省统计年鉴》[46]、《山西省能源平衡表》[47]和调研资料及预测数据. 情景设置参考了《山西省国民经济和社会发展第十四个五年规划和2035年远景目标纲要》[48]、《山西省碳达峰实施方案》[49]和《美丽山西建设规划纲要（2023~2035年）》[50]等政府规划文件.
1.3 部门设置根据山西省能源活动领域及碳排放的结构分析, 本文构建了LEAP-SHANXI模型来预测和分析山西省未来的CO2排放量和达峰时间. 该模型由两大模块构成, 将山西省的能源消耗领域划分为终端需求部门和能源加工与转换部门. 各部门间边界明确, 确保模型精准且操作便捷. 各部门边界如下：居民生活包括了城镇居民与农村居民的日常消费, 其能源消费量与生活消费在本地能源平衡表中的终端消费量保持一致. 农业涵盖了农、林、牧、渔业, 其能源消费量则与本地能源平衡表中“终端消费量”下的“农、林、牧、渔业”部分相匹配. 工业和建筑业主要聚焦于这两个行业能源消费所产生的CO2排放量的计算, 火力发电则归入能源加工转换部门. 交通运输业涵盖了公路和铁路, 与“交通运输、仓储和邮政业”相对应. 而服务业及其他部门则与“批发、零售业和住宿、餐饮业”以及“其他行业”保持一致. 能源加工转换部门为用于山西省发电与供热产生的CO2排放.
1.4 主要假设条件（1）输入变量 主要经济指标囊括了山西省国内生产总值与常住人口数量等核心数据；而基础数据则详尽地反映了农业、工业和交通运输业等行业的主要产品产量及能耗强度等具体信息.
（2）导出变量 通过基础数据推导计算出的变量. 例如已知山西省交通部门货运周转量和山西省常住人口总数量的情况下, 人均货运周转量可以通过以下公式计算得出：
|
(2) |
（3）控制变量 控制变量是除输入变量、导出变量以外的影响模拟预测结果变化的潜在因素或条件. 情景预测与分析中, 需调控能源消费、能源强度及结构等关键变量.
1.5 情景参数设置 1.5.1 人口山西省地处我国中部, 下辖11个地级市, 包括26个市辖区、11个县级市和80个县. 属于资源依赖性区域, 第二产业较为发达, 但经济总体发展水平比较落后. 人口总量主要受到国家及地方政策的制约. 2020年常住人口3 490.50万, 城镇人口2 182.78万, 占62.53%；乡村人口为1 307.72万人, 占比37.47%. “十三五”期间, 常住人口城镇化率年均增长约1.1个百分点.
考虑到2011~2020年山西省统计局公布数据, 全省近10 a常住人口年均增速持续负增长0.20%左右, 因此, 人口剧增的可能性较小. 结合全省发展实际, 到2025年常住人口有望达到3 500.00万人并保持稳定, 而到2030年常住人口预计超过3 600.00万人, 长远预计未来人口增速将会持续负增长, 按照“一主三副六市域中心”的城镇化新格局进行规划, 到2030年, 城镇化率有望达到68.00%, 这一趋势充分展现了山西省在城镇化发展方面的积极进展和潜力.
1.5.2 经济总量根据山西省统计资料, 2020年地区生产总值达17 651.93亿元, 同比增长3.60%. 2016~2020年, 山西经济综合实力显著增强, 年均增速5.40%. 根据《山西省国民经济和社会发展第十四个五年规划和2035年远景目标纲要》, “十四五”期间山西GDP年均增长目标定为8.00%以上.
在充分考虑“十四五”时期山西省的经济增长规划以及近年来的发展速度后, 结合山西省区域发展的深度融合、山西转型综改示范区和太忻经济区等重大战略对经济的推动作用, 可以预测, 在“十四五”期间, 山西省经济有望实现高质量转型, 其年均增速有望超过8.00%. 展望“十五五”和“十六五”时期, 预计山西省的GDP年均增速将分别稳定在7.00%和5.00%的水平. 而在“十六五”之后, 随着大型建设项目的逐渐完成, 经济增速可能会逐渐放缓至3.00%左右.
1.5.3 产业结构山西省因其丰富的煤炭资源, 在能源产业方面展现出了明显的优势. 长期以来, 煤炭开采和洗选、焦炭生产等传统能源产业一直占据重要地位, 成为推动地区经济发展的关键力量. 然而, 传统能源产业所占比例依然较高, 对环境的压力不容忽视. 自十八大以来, 山西省积极推进结构调整, 努力实现三次产业的协同发展, 以推动经济的可持续发展. 新兴产业在山西省的产业结构中的比例逐渐提升, 努力推动服务业的发展, 为地区经济的绿色发展赋能. 据统计局数据, 2020年山西省的三类产业占比为5.40∶43.40∶51.20. 其中, 第一产业占比保持相对稳定, 并有轻微下降趋势；第二产业占比正逐渐缩减；而第三产业占比则呈现出持续且稳定的增长态势. 根据山西省的“十四五”规划, 预计到2025年, 工业增加值在GDP中的比例将超过42.00%, 显示出山西省在推动产业结构优化升级方面的坚定决心和积极努力.
1.5.4 情景设置本文通过构建LEAP-SHANXI模型, 在全面考虑未来经济增长与消费需求变动趋势的基础上, 结合节能减排与碳排放达峰的目标要求, 进行更加细致和精准的规划. 以2020年为基准, 研究涉及工业和建筑业、服务业及其他、交通运输业和居民生活等多个能源生产和消费领域. 基于山西省丰富的历史统计数据和各部门发展规划, 并重点参考全省未来的可再生能源发展“十四五”规划和重点工程项目规划, 结合能耗双控以及碳排放达峰的目标要求, 设定了3种未来发展情景, 分别是基准情景、同步达峰情景以及引领达峰情景.
（1）基准情景 基于山西省的各项发展规划, 完成近期和中期的能耗及排放强度控制目标. 高耗能工业产业规模日趋稳定, 对产能过剩行业实施严格管控, 控制新增火电装机, 可再生能源应用满足规划, 继续提高经济发展水平, 居民生活能耗随生活水平提升而逐步增加. 以2020年为数据基础, GDP增速按照山西省“十四五”规划中的预期设定, 产业结构按照2015~2020年的变化趋势设置, 社会能源需求在过去的基础上自然发展, 不采取特别的节能减排措施.
（2）同步达峰情景 在基准情景基础上, 调整能源消费结构, 逐步有序淘汰落后产能, 高耗能工业在“十四五”以及更远时期增速逐步放缓, 重点减少煤炭消费比例, 深入推进工业、建筑和交通等领域电能替代, 扩大工业领域氢能替代化石能源应用规模, 在交通运输领域及供热领域引入氢能, 推动能源产业与新能源融合发展, 其余参数设置与基础情景相同.
（3）引领达峰情景 在同步达峰情景的基础上, 进一步加速产业内部结构的调整, 更加严格实施低碳发展举措, 以推动工业和服务业及其它综合能耗水平的持续降低. 同时, 对农业、工业和建筑业、服务业及其它、交通运输业以及居民生活等各部门的能耗实行更加严格的控制, 以引领整个社会向低碳转型.
1.5.5 关键参数设置山西省各部门的活动水平和能耗强度参数设置详情见表 1, 农业、工业和建筑业、交通运输业、服务业及其他、居民生活和能源加工转换的主要参数设置见表2~8.
|
表 1 山西省部门及相应的活动水平、能耗强度设置1） Table 1 Departments and their corresponding activity levels and energy intensity settings in Shanxi Province |
|
|
表 2 山西省农业部门主要参数设置/% Table 2 Main parameter settings of the agricultural department in Shanxi Province/% |
|
|
表 3 山西省工业和建筑业活动水平年均增速预测参数/% Table 3 Forecast parameters for the average annual growth rate of industrial sector activity in Shanxi Province/% |
|
|
表 4 山西省工业和建筑业能耗强度累计变化率预测参数/% Table 4 Prediction parameters of the cumulative rate of change of energy intensity of industrial sector in Shanxi Province/% |
|
|
表 5 山西省交通运输业年均增速预测参数1）/% Table 5 Forecast parameters of the average annual growth rate of the transportation industry in Shanxi Province/% |
|
|
表 6 山西省服务业及其他主要参数设置/% Table 6 Service industry and other main parameter settings in Shanxi Province/% |
|
|
表 7 山西省居民生活主要参数设置1） Table 7 Main parameters of life in Shanxi Province |
|
|
表 8 山西省能源加工转换主要参数设置 Table 8 Main parameter settings of industrial sector in Shanxi Province |
2 结果与讨论 2.1 山西省能源消费总量及碳排放总量预测 2.1.1 能源消费总量
图 4展示了在不同情景下能源消费量的时间演变趋势. 在基准情景下, 山西省的能源消费量呈现出稳定增长的趋势. 2020~2060年, 能源消费量以相对稳定的增速增长, 没有显著的拐点或下降趋势, 这表明在没有特殊的政策干预或技术革新的情况下, 山西省的能源需求将随经济增长和社会发展而不断增加. 同步达峰情景初期的能源消费量增长速度与基准情景相近, 但在2030年后开始差距逐渐拉大. 引领达峰情景则展示了更为显著的能源消费下降趋势, 引领达峰情景下的能源消费量（以标煤计, 下同）一开始就与基准情景差距1 000万t, 且减排速度更快, 2035年后逐渐领先同步达峰情景, 说明在更加严格的控制下, 山西省能够实现能源消费更大的减排效果.
|
图 4 2020~2060年山西省能源消费量趋势预测 Fig. 4 Forecast of energy consumption trend in Shanxi Province from 2020 to 2060 |
如图 5所示, 山西省在不同情景下的碳排放趋势明显不同. 在基准情景下, 碳排放量稳定增长, 预计在2030年前尚未能达峰, 到2030年, CO2排放总量（以CO2计, 下同）达到了793.04×106 t, 预计2039年CO2排放量将达到峰值, 约为865.42×106 t. 这表明在基准情景下, 山西省的碳排放量没有得到有效地控制, 环境压力持续加大. 同步达峰情景展示了积极的碳排放控制策略. 在这种情境下, 碳排放量在初期仍然有所增长, 但增长速度逐渐放缓, 最终全省碳排放总量将于2030年达到峰值, 该峰值排放量约为751.05×106 t随后将呈现出逐步下降的态势. 这表明同步达峰情景通过调整终端能源消费结构, 逐步有序淘汰落后产能, 推进终端电气化, 成功地控制了碳排放量的增长, 实现了2030年碳达峰的目标. 引领达峰情景是最乐观的一种预测, 在这种情境下, 碳排放量达峰时间提早, 全省碳排放总量预计在2028年达到峰值, 约为675.22×106 t, 下降趋势持续至2060年. 这主要因为引领达峰情景通过更加严格调整产业结构, 煤炭占比继续优化, 能源强度继续降低, 电气化水平更高, 实现了碳排放的显著降低, 为山西省乃至全球的碳减排目标做出了积极贡献.
|
图 5 2020~2060年山西省碳排放量趋势预测 Fig. 5 Forecast of carbon emission trend in Shanxi Province from 2020 to 2060 |
为了评估LEAP模型的预测误差, 需要进行误差分析, 可以通过比较模型的预测结果与实际观测或实验得到的数据来实现, 使用各种统计指标来量化误差, 如均方误差、平均绝对误差或相对误差等. 本文采取模型与实际的重叠部分2020~2022年的实际值与预测值进行相对误差分析.
表 9展示了误差分析结果, 从中数据可以看出, 能源消费量的预测值在2020~2022年间均高于实际值, 且相对误差呈现逐年递增的趋势, 分别为7.00%、9.00%和12.00%, 均在误差±10.00%~±20.00%的范围内. 2020年预测值比实际值高出了约7.00%, 这可能是由于模型在预测时未能充分考虑到当年的经济波动或政策调整对能源消费量的影响. 2021年, 预测值比实际值高出了约9.00%, 相对误差相较于2020年有所上升. 可能预测模型未能及时捕捉到新的影响因素. 2022年, 预测值比实际值高出了约12.00%, 相对误差最大, 这可能是由于模型在预测长期趋势时, 对于未来经济增长、产业结构调整等因素的估计过于乐观的影响. 对于碳排放量的预测, 2020年, 预测值比实际值高出了约18.00%, 这可能是由于模型在预测碳排放量时, 对于当年能源结构、工业生产活动或能源效率的估计存在偏差. 2021年, 预测值比实际值高出了约14.00%, 相对误差有所下降. 预测模型可能未能充分考虑到所有影响能源消费量和碳排放量的因素, 或者对于某些因素的估计存在偏差, 对于长期预测, 由于未来的不确定性较高, 模型的预测精度通常会受到影响.
|
|
表 9 误差分析1） Table 9 Error analysis |
2.2 山西省分行业能源消费总量及碳排放总量预测能耗强度
工业和建筑业、交通运输业以及能源加工转换是碳排放三大关键部门. 工业和建筑业作为经济发展的重要支柱, 其能源消费量一直占据显著地位. 交通运输业作为连接各地的纽带, 随着交通网络的不断完善和交通工具的日益增多, 交通运输业的碳排放量也在逐年攀升. 能源加工转换部门作为能源生产和供应的关键环节, 其碳排放量直接关系到整个社会的能源消费和碳排放水平. 接下来对这3个部门的能源消费量和碳排放总量进行深入分析.
2.2.1 工业和建筑业图 6展示了山西省工业和建筑业能源消费量和碳排放量. 2020~2060年, 基准情景下山西省的工业和建筑业能源消费量持续增长. 碳排放量从2020年开始持续上升, 在没有政策措施或技术进步干预的情况下, 随着时间的推移, 工业活动的不断增加, 能源需求和排放量也会增长. 同步达峰情景, 能源消费量也呈现出增长的趋势, 但是比基准情景增长速度变小. 碳排放量初期不断上升, 直到2032年, 碳排放量达到了峰值, 随后开始逐渐下降. 这种情景下, 通过实施节能减排措施, 如提高能源效率、推广清洁能源等, 实现了碳排放达峰. 引领达峰情景, 工业和建筑业能源消费量的增长趋势最为平缓, 碳排放量开始为上升趋势, 到2028年左右就达到了峰值, 随后下降. 在这种情景下, 实施了更为严格有效的减排措施, 包括大规模推广清洁能源和更高效的能源利用技术等, 下降趋势最为显著, 可以更早地实现能源消费的达峰, 并在之后的时期实现更大幅度的能源消费降低.
|
图 6 山西省工业和建筑业能源消费量和碳排放量趋势预测 Fig. 6 Prediction of energy consumption and CO2 emission trends in industrial and construction industries in Shanxi Province |
交通运输业能源消费量和碳排放量如图 7所示. 从能源消费量看, 在基准情景下, 能源消费量从2020年32.65×106 t持续增长到2060年62.93×106 t, 增长趋势很迅猛, 不干预的背景下能源消费将不断增加. 在同步达峰情景下, 能源消费量的增长趋势相较于基准情景有所放缓, 增长速度的降低说明通过实施节能减排措施和政策, 可以一定程度上控制能源消费的增长速度. 引领达峰情景, 能源消费量得到了更为明显的控制. 尤其在2040年之后, 能源消费量变得相对稳定, 甚至在个别年份可能出现略微下降, 这表明通过实施更为严格的节能减排政策和技术创新, 得到了显著成效. 从碳排放量的数据来看, 在基准情景下, 碳排放量持续快速增长, 从2020年69.03×106 t增长到2050年约93.98×106 t, 说明在没有特别的减排措施下, 碳排放问题将变得愈发严峻. 同步达峰情景和引领达峰情景则表明通过实施减排措施和政策, 可以减缓碳排放的增长速度, 并在未来实现碳排放的达峰和后续的减排, 分别在2028年、2027年达峰, 碳排放量的增长速度得到了更为有效地控制.
|
图 7 山西省交通运输业能源消费量和碳排放量趋势预测 Fig. 7 Prediction of energy consumption and CO2 emission trends in the transportation industry of Shanxi Province |
能源加工转部门主要预测的对象为发电及供热. 从图 8可以看出, 在能源消费量上, 在基准情景下, 能源消费量呈现稳定增长的态势. 2020~2060年, 能源消费量持续增加, 没有特定措施能源消费将保持增长趋势. 同步达峰情景, 能源消费量的增长速度相较于基准情景有所减缓, 通过实施一定的节能减排措施和政策, 可以在一定程度上控制能源消费的增长速度, 实现更早的能源消费达峰. 引领达峰情景, 能源消费量得到了明显的控制, 在后期增长已经较为平缓. 在碳排放量方面, 在基准情景下, 碳排放量稳定增长, 在同步达峰情景和引领达峰情景下, 碳排放量的增长速度比基准情景减缓. 特别是在引领达峰情景下, 在2028年实现达峰, 在之后的时期更大幅度地减排.
|
图 8 山西省能源加工转换能源消费量和碳排放量趋势预测 Fig. 8 Prediction of energy consumption and CO2 emission trends for energy processing and conversion in Shanxi Province |
图 9展示了分技术类型发电量的预测情况, 发电量变化体现了从传统火力发电向清洁能源发电转变的趋势. 图 9（a）为基准情景下, 火力发电的发电量存持在较高的水平, 随着时间发展, 风光发电装机量增加, 光伏风电发电装机量增加, 逐渐替代火力发电, 火力发电在能源结构中的占比逐渐降低. 2050年, 能源结构的调整可能导致总发电量的降低, 特别是清洁能源的利用效率更高, 使得同样的能源需求可以通过更少的发电量来满足, 经济增长放缓, 电力需求可能会减少, 进而导致发电量的降低. 图 9（b）为同步达峰情景下, 火力发电占比继续降低, 终端电气化升高, 水力发电的发电量在整个期间内保持相对稳定, 风能和太阳能发电的发电量呈现出显著的增长趋势, 特别是太阳能发电, 在后期发电量增长迅速, 发电量增加. 到2060年时CCUS火电、风力发电、光伏发电和水力发电比例逐步提高, 说明可再生能源技术得到了发展应用, 对清洁、低碳能源的需求不断增加.
|
图 9 分技术发电量预测 Fig. 9 Predicting power generation by technology |
山西省2020~2060年单位GDP碳排放强度演变趋势如图 10所示. 相较2020年相比, 预计至2025年, 单位GDP碳排放强度将下降12.50%, 但基准情景下未能达到山西省“十四五”规划设定的18.00%碳排放强度下降目标. 在基准情景下, 单位GDP碳排放强度呈现一种较为平稳的趋势, 虽然有轻微波动, 但整体上变化不大. 这表明基准情景下, 在没有特别的政策措施和技术创新的情况下, 碳排放强度的下降将比较缓慢, 对环境产生的压力仍然较大. 同步达峰情景中, 单位GDP碳排放强度随时间的推移呈现出明显的下降趋势. 与2020年相比, 到2025年, 单位GDP碳排放强度预计下降18.10%, 满足规划要求, 这是由于该情景下实施了调整终端能源消费结构, 淘汰落后产能, 推进终端电气化、推广清洁能源, 从而实现了碳排放强度的显著降低. 从图 10可以看出, 单位GDP碳排放强度在引领达峰情景下下降趋势最为明显, 与2020年相比, 到2025年, 单位GDP碳排放强度预计下降21.20%, 达到规划指标要求. 尤其是在中后期, 下降趋势更加明显, 这说明通过更加严格的结构调整升级, 山西省能够实现更为显著的碳排放强度降低, 从而更好地应对气候变化挑战.
|
图 10 2020~2060年山西省不同情景单位GDP碳排放强度趋势 Fig. 10 Carbon emission intensity trend per unit of GDP in Shanxi Province under different scenarios from 2020 to 2060 |
图 11展现出单位GDP能耗强度趋势呈现出不同的变化特征. 基准情景, 单位GDP能耗比例随时间推移呈现出较为平缓的下降趋势. 与2020年相比, 2025年单位GDP能耗强度预计将下降8.60%, 无法实现规划中单位GDP能源消耗下降13.50%的指标. 在此情景中, 经济和技术发展维持了一定的速度, 未实施特别的节能减排政策或采用先进的节能技术, 能耗强度的下降较为有限. 同步达峰情景, 单位GDP能耗强度的下降趋势更加显著, 与2020年相比, 2025年单位GDP能耗强度预计将下降13.54%, 达到约束指标要求, 该情景下实施了一系列有效的节能减排措施, 从而实现了能耗强度的更快下降. 引领达峰情景, 有最为积极的能耗强度下降趋势, 与2020年相比, 2025年单位GDP能耗强度预计将下降14.00%, 同样更好地完成约束指标要求. 在此情景下, 实施了更加严格的强度双控, 大力推广终端电气化, 从而实现了单位GDP能耗比例的显著降低.
|
图 11 2020~2060年山西省不同情景单位GDP能耗强度趋势 Fig. 11 Trends of energy intensity per unit of GDP in Shanxi Province under different scenarios from 2020 to 2060 |
在基础情景下山西省碳排放量一直处于上升趋势, 无达峰迹象. 在同步达峰情景下, 2030年山西省实现碳达峰, 相比基础情景碳减排量达到41.99×106 t. 对比基准情景和同步达峰情景, 将碳减排量分解到不同部门和不同能源品种, 探究碳减排潜力.
2.4.1 分部门减排潜力分析分部门减排贡献率计算公式如下：
|
(3) |
式中, φi为减排贡献率；i为各行业部门；Δqi为部门碳减排量；ΔQ为总减排量.
山西省减排贡献率如图 12所示, 从中可以看出工业和建筑业的减排贡献率最大, 上升趋势明显. 这说明工业和建筑部门在减排方面尽管面临很大挑战, 但通过加大调整能源结构, 推广清洁能源技术, 实现了显著的减排效果. 贡献率第二位的是能源加工转换, 在2020~2060年内为稳定上升趋势, 可以看出通过能源结构的优化、技术升级和能效提高, 能源加工转换部门在减少碳排放方面做出了积极贡献. 交通运输领域的减排贡献率随时间的推进逐渐减小, 这说明交通运输部门通过推广新能源汽车、优化交通结构等措施的实施取得了一定成效. 服务业和其他的减排贡献率相对较为平稳, 没有出现明显的上升或下降趋势, 这与服务业的性质有关, 碳排放强度相对较低, 且受到经济发展、消费升级等多种因素的影响. 居民生活领域的减排贡献率变化趋势不明显. 农业领域的减排贡献率变化整体而言贡献率较低, 并且它的波动很小, 农业生产的特殊性决定了它的减排空间有限, 对农业的特点制定专属减排策略, 促使农业绿色发展.
|
图 12 山西省分部门减排贡献率 Fig. 12 Overall contribution rate of emission reduction by departments in Shanxi Province |
分能源品种减排贡献率计算公式如下：
|
(4) |
式中, ωj为减排贡献率；j为各能源品种；Δω为各能源碳减排量；ΔQ为总减排量.
图 13所示为山西省分能源品种减排贡献率, 从中可以看出, 煤品、天然气、油品和电力是山西省能源消耗和碳排放的主要来源. 其中, 电力是贡献率最大的能源, 电力需求比例随着清洁能源发电技术的发展逐渐增加. 作为传统能源, 煤品占据较高的比例. 然而, 随着能源结构的优化和碳减排政策的实施, 煤品的贡献率先上升后逐渐降低, 在中长期内, 将会有明显下降趋势. 此外, 从图 13中可以看出天然气作为清洁能源, 随着年份的推进, 天然气的贡献率可能会逐渐上升, 需求量可能会显著提升. 油品的贡献处于上升趋势, 整体上处于中等水平. 在山西省的碳减排过程中, 不同能源品种的贡献率会有所差异. 随着清洁能源的推广和能源结构的优化, 天然气和电力的贡献率可能会逐渐上升, 而煤品和油品的贡献率则可能会逐渐降低, 这一趋势体现了山西省在应对气候变化、实现低碳发展方面的努力.
|
图 13 山西省分能源品种减排贡献率 Fig. 13 Overall emission reduction contribution rate of energy varieties in Shanxi Province |
基于LEAP模型构建了山西省能源活动碳达峰模拟系统, 评估并预测了山西省实现碳达峰的时间表, 提出了山西省能源活动领域的达峰路线. 针对山西省的低碳发展路径, 提出以下建议：
（1）化工行业 利用高效尿素合成工艺技术降低每吨尿素产品蒸气消耗, 使其低于650 kg, 利用炼油加热炉节能降碳成套技术等, 实现加热炉炉氧含量的精准控制和高效燃烧, 降低能耗.
（2）钢铁行业 利用富氢碳循环氧气高炉低碳冶金技术使生产效率提高40%, 利用富氢低碳冶炼技术降低焦比10%以上, 利用大容量工业余热回收离心式热泵机组技术使热泵机组消耗电力降低30%以上.
（3）建材行业 引入粉煤灰节能降碳利用关键技术与装备替代部分水泥熟料, 引入水泥低碳制造智能化关键技术, 实现全流程智能化高效生产运行, 引入建材行业工厂余热电站微网系统, 实现电能质量优化.
（4）交通运输业 提高终端电气化率, 引入氢能轨道交通用燃料电池动力系统于氢能轨道交通行业, 引入大功率重卡车用燃料电池发电系统, 从根本上提高车辆发电效率、降低生产成本, 大力推动新能源汽车发展.
（5）清洁能源利用 引入新型储能与可再生能源协同利用, 提高电力系统的运行质量, 引入高电压大功率固体电蓄热技术实现火电机组深度调峰、清洁供暖, 引入氢燃料分布式发电系统实现氢储能发电, 使节能低碳发电技术逐步替代传统火力发电.
4 结论（1）在基准情景下, 山西省的能源需求持续增长, 2020~2060年能源消费量增加2倍多；在同步达峰情景、引领达峰情景下, 能源消费总量表现出显著下降趋势. 具体来说, 同步达峰情境下, 能源消费减少了18.20%, 引领达峰情境下, 降幅扩大到25.30%, 这两者均凸显了山西省在节能方面所拥有的巨大潜力和不同策略下的实施效果.
（2）此外, 在基准情景下, 山西省的碳排放总量预计在2030年前尚未能达到峰值；同步达峰情景下将于2030年达到峰值, 该峰值排放量约为751.05×106 t；引领达峰情景下, 全省碳排放总量预计在2028年达到峰值, 约为675.22×106 t.
（3）未来几十年内, 工业和能源加工转换碳排放呈现先增长后逐年降低, 交通运输业呈增长趋势. 随着产业结构和技术水平提升, 总体有望实现碳排放逐步减少. 特别需要关注交通运输业, 在没有任何干预措施的情况下, 该部门的碳排放将持续上升, 需要引入并实施具体的节能减碳技术, 以减缓甚至逆转这一增长趋势,
（4）在同步达峰情景与引领达峰情景下, 均能够完成《山西省国民经济和社会发展第十四个五年规划和2035年远景目标纲要》所设定的13.50%和18.00%的约束性指标, 对未来碳排放趋势进行了合理预测, 并提出了针对性的政策建议.
（5）本文基于现有政策和发展规划构建了山西省能源活动碳达峰模拟系统, 但模型在预测长期趋势时, 未来经济增长、产业结构调整等因素的估计过于乐观, 例如疫情等不可控因素. 这些假设可能与实际情况存在出入, 未来的研究可以更为周全地考虑这些未知因素, 以便更准确地评估它们对模型预测结果的影响.
| [1] | Liu Z, Ciais P, Deng Z, et al. Near-real-time monitoring of global CO2 emissions reveals the effects of the COVID-19 pandemic[J]. Nature Communications, 2020, 11(1): 5172. DOI:10.1038/s41467-020-18922-7 |
| [2] |
郑小强, 钱璐璐. 基于LEAP模型的中国天然气消费情景分析[J]. 天然气技术与经济, 2023, 17(1): 87-92. Zheng X Q, Qian L L. Scenario analysis on China's gas consumption based on LEAP model[J]. Natural Gas Technology and Economy, 2023, 17(1): 87-92. |
| [3] | Huang Y M, Wang Y, Peng J T, et al. Can China achieve its 2030 and 2060 CO2 commitments? Scenario analysis based on the integration of LEAP model with LMDI decomposition[J]. Science of the Total Environment, 2023, 888. DOI:10.1016/j.scitotenv.2023.164151 |
| [4] | Handayani K, Anugrah P, Goembira F, et al. Moving beyond the NDCs: ASEAN pathways to a net-zero emissions power sector in 2050[J]. Applied Energy, 2022, 311. DOI:10.1016/j.apenergy.2022.118580 |
| [5] | Chen H T, Wang Z H, Xu S, et al. Energy demand, emission reduction and health co-benefits evaluated in transitional China in a 2℃ warming world[J]. Journal of Cleaner Production, 2020, 264. DOI:10.1016/j.jclepro.2020.121773 |
| [6] | Misila P, Winyuchakrit P, Limmeechokchai B. Thailand's long-term GHG emission reduction in 2050: the achievement of renewable energy and energy efficiency beyond the NDC[J]. Heliyon, 2020, 6(12). DOI:10.1016/j.heliyon.2020.e05720 |
| [7] | Duan H Y, Hou C H, Yang W, et al. Towards lower CO2 emissions in iron and steel production: life cycle energy demand-LEAP based multi-stage and multi-technique simulation[J]. Sustainable Production and Consumption, 2022, 32. DOI:10.1016/j.spc.2022.04.028 |
| [8] | Besagni G, Borgarello M, Vilà L P, et al. MOIRAE‐bottom-up model to compute the energy consumption of the Italian residential sector: model design, validation and evaluation of electrification pathways[J]. Energy, 2020, 211. DOI:10.1016/j.energy.2020.118674 |
| [9] | Jiang J J, Ye B, Sun Z L, et al. Low-carbon energy policies benefit climate change mitigation and air pollutant reduction in megacities: an empirical examination of Shenzhen, China[J]. Science of the Total Environment, 2023, 892. DOI:10.1016/j.scitotenv.2023.164644 |
| [10] | Chen M Y, Zhang C, Chen C M, et al. Main pathways of carbon reduction in cities under the target of carbon peaking: a case study of Nanjing, China[J]. Sustainability, 2023, 15(11). DOI:10.3390/su15118917 |
| [11] | Nasir R, Meng H, Ahmad S R, et al. Towards sustainable transportation: a case study analysis of climate-responsive strategies in a developing nation[J]. Case Studies in Thermal Engineering, 2024, 55. DOI:10.1016/j.csite.2024.104117 |
| [12] | Liu J C, Liao R L, Dong F, et al. Low-carbon technology selection and carbon reduction potential assessment in the shipbuilding industry with dynamically changing grid emission factors[J]. Journal of Cleaner Production, 2024, 441. DOI:10.1016/j.jclepro.2024.140707 |
| [13] | Li B, Zhou W L, Xian Y J, et al. Forecasting the energy demand and CO2 emissions of industrial sectors in China's Beijing-Tianjin-Hebei Region under energy transition[J]. Environmental Science and Pollution Research, 2023, 31(5): 7283-7297. DOI:10.1007/s11356-023-31538-w |
| [14] | Cai L Y, Duan J L, Lu X J, et al. Pathways for electric power industry to achieve carbon emissions peak and carbon neutrality based on LEAP model: a case study of state-owned power generation enterprise in China[J]. Computers & Industrial Engineering, 2022, 170. DOI:10.1016/j.cie.2022.108334 |
| [15] |
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. |
| [16] |
李慧鹏, 李荔, 殷茵, 等. 基于LEAP模型的工业园区碳达峰路径: 以南京某国家级开发区为例[J]. 环境科学, 2024, 45(4): 1898-1906. Li H P, Li L, Yin Y, et al. Carbon peak pathways of industrial parks based on the LEAP model: a case study of a national development zone in Nanjing[J]. Environmental Science, 2024, 45(4): 1898-1906. |
| [17] | Lu L, Chen Y, Feng Q, et al. Long-range energy demand and greenhouse gas emissions analysis using the LEAP Model: a case study of building ceramic industrial park[J]. Energy for Sustainable Development, 2024, 83. DOI:10.1016/j.esd.2024.101594 |
| [18] | Acosta-Pazmiño I P, Rivera-Solorio C I, Gijón-Rivera M. Scaling-up the installation of hybrid solar collectors to reduce CO2 emissions in a Mexican industrial sector from now to 2030[J]. Applied Energy, 2021, 298. DOI:10.1016/j.apenergy.2021.117202 |
| [19] |
朱书涵, 陆一磊, 王松伟, 等. 2020-2050年我国水泥行业二氧化碳排放特征及减排潜力研究[J]. 环境科学学报, 2024, 44(2): 453-463. Zhu S H, Lu Y L, Wang S W, et al. Characteristics and reduction potential of carbon dioxide emission in China's cement industry from 2020 to 2050[J]. Acta Scientiae Circumstantiae, 2024, 44(2): 453-463. |
| [20] |
李楠, 刘弯弯, 朱书涵, 等. 湖南省工业领域碳减排与空气质量改善协同[J]. 环境科学, 2024, 45(3): 1274-1284. Li N, Liu W W, Zhu S H, et al. Coordinated control of carbon emission reduction and air quality improvement in the industrial sector in Hunan Province[J]. Environmental Science, 2024, 45(3): 1274-1284. |
| [21] |
徐艺诺, 翁大维, 王硕, 等. 粤闽浙沿海重点城市道路交通节能减排路径[J]. 环境科学, 2024, 45(5): 3107-3118. Xu Y N, Weng D W, Wang S, et al. Energy-saving and emission reduction path for road traffic in key coastal cities of Guangdong, Fujian and Zhejiang[J]. Environmental Science, 2024, 45(5): 3107-3118. |
| [22] | Duan L F, Hu W, Deng D, et al. Impacts of reducing air pollutants and CO2 emissions in urban road transport through 2035 in Chongqing, China[J]. Environmental Science and Ecotechnology, 2021, 8. DOI:10.1016/j.ese.2021.100125 |
| [23] |
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. DOI:10.3969/j.issn.1000-6923.2023.06.057 |
| [24] |
许绩辉, 王克. 中国民航业中长期碳排放预测与技术减排潜力分析[J]. 中国环境科学, 2022, 42(7): 3412-3424. Xu J H, Wang K. Medium-and long-term carbon emission forecast and technological emission reduction potential analysis of China's civil aviation industry[J]. China Environmental Science, 2022, 42(7): 3412-3424. DOI:10.3969/j.issn.1000-6923.2022.07.046 |
| [25] |
宁春晓, 郭秀锐, 龚晓倩, 等. 京津冀交通部门的碳排放及减排潜力预测研究[J]. 环境科学与技术, 2023, 46(9): 138-147. Ning C X, Guo X R, Gong X Q, et al. Estimation of carbon dioxide emissions and prediction of emission reduction potential in Beijing-Tianjin-Hebei region's transportation sector[J]. Environmental Science & Technology, 2023, 46(9): 138-147. |
| [26] |
曹昉, 钱睿忻. 基于参数分类的电能替代LEAP预测方法[J]. 南方电网技术, 2020, 14(11): 57-65. Cao F, Qian R X. LEAP prediction method of electric energy substitution based on parameter classification[J]. Southern Power System Technology, 2020, 14(11): 57-65. |
| [27] |
陈恒蕤, 庞可, 廖鹏, 等. 基于LEAP模型的甘肃省电力源温室气体和污染物协同减排情景模拟[J]. 兰州大学学报(自然科学版), 2023, 59(6): 727-734. Chen H R, Pang K, Liao P, et al. Scenario simulation of coordinated emission reduction of greenhouse gases and pollutants in power sources in Gansu Province based on the LEAP model[J]. Journal of Lanzhou University (Natural Sciences), 2023, 59(6): 727-734. |
| [28] |
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. |
| [29] |
李清瑶, 张勇, 胡民泉, 等. "双碳"目标实现的省域实践: 以浙江为例[J]. 生态与农村环境学报, 2024, 40(2): 191-204. Li Q Y, Zhang Y, Hu M Q, et al. Provincial practice of achieving the "dual carbon" target: taking Zhejiang province as an example[J]. Journal of Ecology and Rural Environment, 2024, 40(2): 191-204. |
| [30] |
张丽, 王菲, 陈敏, 等. 东北三省钢铁行业碳排放特征及碳达峰时间预测分析[J]. 赤峰学院学报(自然科学版), 2023, 39(12): 1-8. Zhang L, Wang F, Chen M, et al. Analysis of carbon emission characteristics and carbon peak time prediction in the steel industry of three northeastern provinces[J]. Journal of Chifeng University (Natural Science Edition), 2023, 39(12): 1-8. |
| [31] | Chang Y F, Wan F, Li J R, et al. The impact of cautious coal power phase-out on decarbonization of China's iron and steel industry[J]. Journal of Cleaner Production, 2023, 397. DOI:10.1016/j.jclepro.2023.136447 |
| [32] | Chang Y F, Wan F, Yao X L, et al. Influence of hydrogen production on the CO2 emissions reduction of hydrogen metallurgy transformation in iron and steel industry[J]. Energy Reports, 2023, 9. DOI:10.1016/j.egyr.2023.01.083 |
| [33] | Chen S, Liu Y Y, Lin J, et al. Coordinated reduction of CO2 emissions and environmental impacts with integrated city-level LEAP and LCA method: a case study of Jinan, China[J]. Advances in Climate Change Research, 2021, 12(6): 848-857. DOI:10.1016/j.accre.2021.08.008 |
| [34] | Dong J S, Li Y M, Li W X, et al. CO2 emission reduction potential of road transport to achieve carbon neutrality in China[J]. Sustainability, 2022, 14(9). DOI:10.3390/su14095454 |
| [35] | Zhang X Y, Chen Y H, Jiang P, et al. Sectoral peak CO2 emission measurements and a long-term alternative CO2 mitigation roadmap: a case study of Yunnan, China[J]. Journal of Cleaner Production, 2020, 247. DOI:10.1016/j.jclepro.2019.119171 |
| [36] | Zhang C Y, Yu B Y, Chen J M, et al. Green transition pathways for cement industry in China[J]. Resources, Conservation and Recycling, 2021, 166. DOI:10.1016/j.resconrec.2020.105355 |
| [37] | Huo T F, Xu L B, Feng W, et al. Dynamic scenario simulations of carbon emission peak in China's city-scale urban residential building sector through 2050[J]. Energy Policy, 2021, 159. DOI:10.1016/j.enpol.2021.112612 |
| [38] |
陈莎, 麦兴宇, 刘影影, 等. 甘肃省碳中和路径下二氧化碳减排与环境健康效益协同分析[J]. 安全与环境学报, 2024, 24(2): 796-808. Chen S, Mai X Y, Liu Y Y, et al. Analysis of carbon dioxide emission reduction and environmental health co-benefits under the path way of carbon neutral in Gansu Province[J]. Journal of Safety and Environment, 2024, 24(2): 796-808. |
| [39] |
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. |
| [40] |
蔡立亚, 郭剑锋, 石川, 等. "双碳"目标下中国能源供需演变路径规划模拟研究[J]. 气候变化研究进展, 2023, 19(5): 616-633. Cai L Y, Guo J F, Shi C, et al. Simulation research on the evolution pathway planning of energy supply and demand in China under the dual carbon targets[J]. Climate Change Research, 2023, 19(5): 616-633. |
| [41] | Norvaiša E, Galinis A, Neniškis E. Scenarios for deep decarbonisation of industry in Lithuania[J]. Energy Strategy Reviews, 2024, 53. DOI:10.1016/j.esr.2024.101383 |
| [42] | Ivezic D, Zivkovic M, Madžarević A, et al. Assessments of effects of implementation of strategic plans for development of Belgrade District heating system[J]. Sustainable Cities and Society, 2020, 61. DOI:10.1016/j.scs.2020.102304 |
| [43] | Jiao J D, Huang Y, Liao C P. Co-benefits of reducing CO2 and air pollutant emissions in the urban transport sector: a case of Guangzhou[J]. Energy for Sustainable Development, 2020, 59: 131-143. |
| [44] | Li M, Zhang Y F, Liu H C. Carbon neutrality in Shanxi Province: scenario simulation based on LEAP and CA-Markov models[J]. Sustainability, 2022, 14(21). DOI:10.3390/su142113808 |
| [45] | Zhang C Q, Luo H X. Research on carbon emission peak prediction and path of China's public buildings: scenario analysis based on LEAP model[J]. Energy and Buildings, 2023, 289. DOI:10.1016/j.enbuild.2023.113053 |
| [46] | 山西省统计局, 国家统计局山西调查总队. 山西统计年鉴2021[M]. 北京: 中国统计出版社, 2021. |
| [47] | 中国能源统计年鉴2021[M]. 北京: 中国统计出版社, 2022. |
| [48] | 山西省人民政府. 山西省人民政府关于印发山西省国民经济和社会发展第十四个五年规划和2035年远景目标纲要的通知[EB/OL]. http://www.xiaoyi.gov.cn/xxgk/fdzdgknr/jhgh/202210/t20221025_1704869.shtml, 2021-04-09. |
| [49] | 山西省人民政府. 山西省人民政府印发山西省碳达峰实施方案的通知[EB/OL]. http://www.lvliang.gov.cn/szdt/szfxw/wj/202301/t20230120_1731186.html, 2023-01-05. |
| [50] | 山西省人民政府. 山西省人民政府关于印发美丽山西建设规划纲要(2023-2035年)的通知[EB/OL]. http://www.lvliang.gov.cn/szdt/szfxw/wj/202304/t20230406_1749318.html, 2023-03-10. |