环境科学  2023, Vol. 44 Issue (7): 3649-3659   PDF    
引用本文
张保留, 白梓函, 张楠, 吕连宏, 阳平坚. 城市碳达峰碳中和行动评估方法与应用[J]. 环境科学, 2023, 44(7): 3649-3659.
ZHANG Bao-liu, BAI Zi-han, ZHANG Nan, LÜ Lian-hong, YANG Ping-jian. Evaluation Method and Application for Urban Carbon Peaking & Neutrality Performance[J]. Environmental Science, 2023, 44(7): 3649-3659.
城市碳达峰碳中和行动评估方法与应用
张保留, 白梓函, 张楠, 吕连宏, 阳平坚     
中国环境科学研究院, 北京 100012
收稿日期: 2022-08-10; 修订日期: 2022-10-08
基金项目: 中央级公益性科研院所基本科研业务专项(202I YSKY-07); 国家社会科学基金项目(21BJY247)
作者简介: 张保留(1989~), 女, 硕士, 助理研究员, 主要研究方向为低碳发展与应对气候变化, E-mail：zblsmile@126.com
通信作者: 吕连宏, E-mail: lvlh@craes.org.cn; 阳平坚, yang.pingjian@craes.org.cn
摘要: 城市作为温室气体排放的重点单元, 对实现国家碳达峰碳中和目标有着最直接根本的意义.为评估当前城市碳达峰碳中和表现, 基于考虑决策者偏好的层次分析法, 通过影响因素确定、指标遴选与赋分原则确定和指标赋权等步骤, 开发了一套由3个准则层、7个要素层和14个具体指标层构成的城市碳达峰碳中和行动指数评估指标体系, 形成相对全面科学的综合评估方法, 全面评估城市在实现达峰中和目标中的政府态度和能力建设, 在社会经济、能源消费、产业结构和绿色出行等方面的低碳状态及在减排效率与减排趋势上的实际成效.经对中心城市的评估应用结果发现, 一线经济发达、低碳试点城市达峰中和综合表现更为突出, 北京、深圳、武汉、上海、青岛、广州、成都、厦门、昆明和兰州综合得分均超过60分.各城市在双碳行动上各具特点, 北京、厦门、宁波、深圳和青岛气候雄心显著, 海口、广州、成都、南宁和北京低碳状态表现较好; 昆明、兰州、洛阳、大庆和吉林等城市减排趋势表现显著.多数城市仍存在达峰意愿不足, 统计信息披露制度欠缺等问题.未来可从完善指标体系、更新赋权和形成年度评估机制等方面优化评估方法.建议地方统筹全国一盘棋上下联动制定双碳工作方案, 完善城市能源与温室气体统计与信息披露制度, 组织有条件地区开展碳达峰试点建设工作.
关键词: 碳达峰      碳中和      行动表现      层次分析法      指数评估      方法应用     
Evaluation Method and Application for Urban Carbon Peaking & Neutrality Performance
ZHANG Bao-liu , BAI Zi-han , ZHANG Nan , LÜ Lian-hong , YANG Ping-jian     
Chinese Research Academy of Environmental Sciences, Beijing 100012, China
Abstract: As the key unit of greenhouse gas emission sources, cities have the most direct and fundamental significance to achieve the national carbon peaking carbon neutrality goal. In order to evaluate the current performance of urban carbon peaking and neutrality, a set of urban peaking and carbon neutrality action index evaluation systems consisting of three criterion layers, seven elements, and fourteen specific index layers were developed based on the analytic hierarchy process considering the preferences of decision makers, through the steps of influencing factor determination, indicator selection, and scoring principle determination, as well the indicator weightings. Thus, a relatively comprehensive scientific evaluation method was formed to fully evaluate the attitude of the government towards the goal of carbon peaking and neutrality, the state of social economy, energy consumption, industrial structure, transportation, and other aspects, as well as the actual effect of emission reduction efficiency and trends. Through the central city evaluation application study, it was found that the first-tier economically developed and low-carbon pilot cities had a more outstanding comprehensive performance in reaching the peak and neutrality. The comprehensive scores of Beijing, Shenzhen, Wuhan, Shanghai, Qingdao, Guangzhou, Chengdu, Xiamen, Kunming, and Lanzhou all exceeded 60 points. Beijing, Xiamen, Ningbo, Shenzhen, and Qingdao had significant climate ambitions, whereas Haikou, Guangzhou, Chengdu, Nanning, and Beijing had a better low-carbon status. Kunming, Lanzhou, Luoyang, Daqing, Jilin, and other cities showed significant emission reduction trends. Most cities still had problems such as insufficient willingness to reach the peak and lack of statistical information disclosure system. The evaluation method could be optimized by improving the index system, updating the empowerment, and forming the annual evaluation mechanism next step. It is suggested to formulate the local carbon reduction work plan by coordinating the whole country at different levels, improve the urban energy and greenhouse gas statistics and information disclosure system, and organize the carbon peaking pilot construction in areas where conditions permit.
Key words: carbon peaking      carbon neutrality      performance      analytic hierarchy process      index evaluation      method application     

2030年前实现碳达峰和2060年前实现碳中和, 是党中央经过深思熟虑作出的重大战略决策, 也是我国高质量发展的内在要求, 体现了我国积极承担国际责任的大国担当精神.作为人类生产生活的主要聚集地, 城市是能源消耗和碳排放的主体之一.根据政府间气候变化专门委员会(IPCC)的第五次评估报告(AR5)[1], 城市贡献了总能源消费量的67%~76%以及与能源相关二氧化碳排放量的71%~76%.城市是至关重要的政策实施单元和关注对象, 其节能减排对全球气候与环境的影响意义重大.评估城市碳达峰碳中和进展, 对于推动城市采取充分合理的达峰中和措施, 发挥城市作为低碳发展的核心和主体地位, 对于省级层面乃至国家层面的碳达峰碳中和目标实现有着自下而上层层推进的现实意义[2, 3], 从而助力我国如期实现碳达峰目标起到决定性作用, 也是实现我国整体目标的重要前提.

目前国内外有关碳达峰碳中和的评估较少, 其中郭芳等[4]基于与碳达峰趋势的相关指标对中国286个样本城市进行聚类分析, 将其分为几种达峰类型; 张立等[5]从达峰定义和标准的角度构建了中国城市碳达峰初步评估方法, 通过碳排放量检验其是否达峰.项辉[6]则对现阶段可采用的达峰评估方法进行了简要概述.与本文有关的碳达峰碳中和的研究多为达峰中和预测与影响因素研究.其中, 通过对全国各省域碳达峰影响因素研究发现, 碳排放强度的改善对碳达峰时间影响较大, 产业结构、政府干预程度和对外开放程度对能否如期实现碳达峰目标影响显著[7].另一研究则将脱钩系数、碳排放强度和达峰趋势作为省域达峰预测影响因素[8].针对中国碳达峰路径选择研究发现, 中国技术减排效应较强, 能源结构减排效应次之, 最后为产业结构减排[9].对中国碳达峰碳中和的情景分析研究中将碳排放函数分解成人口、人均GDP和碳强度这3个因素, 碳峰值出现时间为3个因素年增长率之和由正转负的正数值年度; 在能源消费总量逐渐回落的前提条件下, 2060年不同情景下的非化石能源占比需提高至65%~70%[10].对城市和区域的达峰研究发现：人口、人均GDP和能源强度对中国超大城市碳排放起到正向促进效应, 人口的影响效应最大, 其次是能源强度, 人均GDP影响最小[11].第三产业固定资产投资占比、能源强度、能源结构、环境规制和科技投入强度是影响京津冀碳达峰的因素[12].地区经济发展水平、要素市场一体化、外商直接投资、公共财政收入和科技支出显著影响长三角地区的碳达峰[13].人口规模、城镇化率、人均GDP、能源强度和产业结构是影响闽三角城市碳达峰的关键因素[14].影响河南省碳达峰的六大关键因素为煤炭消费占比、单位GDP能耗、森林覆盖率、能源消费总量、第二产业GDP比重和私人汽车拥有量[15].除此之外, 还有采用指数评价法开展的绿色低碳发展和应对气候变化评估的研究, 包括机构层面发布的：①基于低碳结构、低碳基础和低碳能力构成的指标体系下的G20低碳竞争力指数[16]; ②由低碳经济、绿色经济政策、能源效率、清洁技术创新和COVID-19疫情状况及清洁经济复苏构成的加州绿色创新指数[17]; ③由宏观指标、产业低碳、能源低碳、绿色生活、资源环境和政策创新构成的中国绿色低碳城市建设评价体系[18]; ④由温室气体排放、可再生能源、能源利用和气候政策构成的“气候变化绩效指数”[19]等.学者层面提出的由经济、能源、社会及生活、碳排放及环境、科技、城市交通、固体废弃物和水资源等指标构成的低碳城市评价指标体系[20~22]等.

目前碳达峰碳中和评估研究所涉及的指标及因素较为单一, 无法定量体现城市达峰中和状况.本研究将构建一套城市碳达峰碳中和行动指数, 其指标体系主要由气候雄心、低碳状态和减排趋势等方面构成.同时, 考虑到碳排放影响因素多以人口和GDP等为主[23~27], 本研究将应用此方法, 对全国中心城市在碳达峰碳中和的进展及表现进行综合评估.

1 材料与方法 1.1 数据来源

本研究数据均来源于官方公开渠道, 主要包括中国城市统计年鉴[28]、中国城市建设年鉴[29]和样本城市统计年鉴等.评估方法应用部分数据获取截至时间为2021年8月.

1.2 研究方法 1.2.1 层次分析法

层次分析法(analytic hierarchy process, AHP) 是一种定性和定量相结合、系统化和层次化的分析方法[30].主要解决由众多因素构成且因素之间相互关联, AHP建模大体分为4个步骤：①建立递阶层次结构模型; ②构造各层次中的判断矩阵; ③层次单排序及一致性检验; ④层次总排序及一致性检验.AHP是较为复杂且偏于定性化问题的决策和排序提供了一种简洁且实用的建模方法, 已广泛应用于环境风险、环境绩效与环境质量评价领域[31~35], 近年来对于企业和地方低碳发展评价也有一定应用[36~39].鉴于层次分析法具有将定性和定量相结合, 将复杂的问题进行分解的特点[30], 本研究采用此方法, 结合实现碳达峰碳中和目标的政治和战略高度, 考虑决策者偏好, 一方面从定性分析角度分层构建指标体系; 另一方面对指标进行赋权求解, 得出主客观相结合的赋权结果.

1.2.2 标准化处理

在定量指标赋分上对指标进行无量纲化处理.借助线性标准化法[40, 41], 将正向指标和逆向指标分别按照如下公式进行赋分处理：

(1)
(2)

式中, Z为该项指标标准化得分, max(y)和min(y)分别为定量指标对应数值的上限与下限, S和A均为常数, S与A之和表示该指标总分, 本研究中均采用满分制, 即100.

1.2.3 综合评价法

以城市碳达峰碳中和指数(carbon emissions peak & neutrality index, CPNI)来综合评价城市碳达峰碳中和行动上的具体表现.城市达峰中和指数采用百分制, 计算公式：

(3)
(4)
(5)

式中, CPNI(t)为目标层碳达峰碳中和评价指数, t为评价年份; m、n和q分别为准则层、要素层和具体指标层指标个数, Pi为准则层第i个指标的综合评分, ωi为第i个准则层指标的权重; Fj为要素层第j个指标的综合评分, ωj为第j个要素层指标的权重; Sk为第k个具体指标层指标的综合评分; ωk为第k个具体指标层指标的权重.

2 城市碳达峰碳中和行动评估方法构建

本着科学可操、兼顾整体与层次、代表性与动态性和定性定量相结合的原则, 本研究将城市碳达峰碳中和行动评估方法构建流程分为3步：首先, 确定城市碳达峰碳中和行动影响因素.从政府决策、资源产业禀赋和当前碳减排趋势角度考虑, 以气候雄心、低碳状态和减排趋势这3个方面为准则层尽可能全面地纳入指标.第二, 遴选形成最终的城市碳达峰碳中和行动评估指标体系, 并确定对应赋分原则.因可供遴选的指标数量较多, 结合当前城市社会经济统计体系的实际情况以及指标量化赋分的可操作性, 对指标进行适当增补、替代或删减, 在体现全面性、代表性和客观性的同时, 保证数据的可得性和连续性.第三, 为城市碳达峰碳中和行动评估指标赋权.根据遴选的最终指标体系进行指标赋权计算, 将赋权结果代入综合评估指数模型.

2.1 指标体系构建

基于以上思路, 研究初步考虑尽可能更全面纳入影响指标, 以全面客观反映城市在实现碳达峰碳中和目标中的政府决策、低碳发展状态及中长期减排趋势方面的综合表现.在气候雄心层面, 从政府决策层面的政策文件、宏观目标制定和能力建设角度出发, 纳入碳达峰碳中和行动计划、碳达峰碳中和目标、能源消费目标、碳汇目标、低碳试点建设和信息公开等制度建设和碳交易市场参与情况; 在低碳状态层面, 从能源消费、社会经济结构、交通运输、低碳出行、低碳建筑和碳汇资源等层面出发, 纳入综合能源消费强度、非化石能源消费占比、二产占比、铁路货运周转量占比、人均公共汽车拥有量、新能源汽车占比、绿色建筑项目占比和森林覆盖率等指标; 在减排趋势层面, 从减排效率和达峰趋势角度出发, 纳入中长期碳排放量增速、碳排放增速与经济增速之间的脱钩指数和达峰趋势检验情况等指标.

结合城市统计数据的可得性和连续性, 研究对初步的指标进行遴选.鉴于篇幅原因, 此处仅做概况说明, 不一一详述.比如, 将城市统计系统中缺失度较大的指标剔除, 包括能源目标、碳汇目标, 货运周转量占比、新能源汽车占比、绿色建筑项目占比和森林覆盖率等指标; 将信息渠道存在不完备性和代表性不足指标剔除, 包括碳达峰碳中和行动计划、碳交易市场参与情况.对于城市统计系统缺失的重要指标, 选取相近指标代替增补.比如用电力消耗强度代替综合能源消费强度, 以体现能源利用效率情况.经过层层筛选, 最终构建了一套由1个目标层、3个准则层、7个要素层和14个具体指标层构成的指标体系(表 1).

表 1 指标体系筛选及指标作用方向 Table 1 Selection of index system and indicator direction

从指标准则层而言, 气候雄心指的是为了实现碳达峰碳中和的政府决心与行动, 政府决心以宏观目标设定的角度引入碳达峰碳中和目标制定作为指标层, 政府行动从试点示范建设情况、统计核算与披露等内容和节能环保投入占比这3个方面衡量, 此部分指标的选择主要出于对政府层面在制度建设和资金投入方面的评估需要.低碳状态指的是城市低碳发展现状, 从能源消费情况、社会经济结构和碳排放水平这3个方面考虑, 选取全社会电力消耗强度、非化石能源消费占比、二产占比、人均公共汽(电)车拥有量、人均碳排放和碳排放强度等指标, 主要考虑分别从能源和产业层面考量能源的低碳高效利用程度及产业结构的低碳化情况, 同时考量交通出行的低碳化程度, 以及具有相对可比性的碳排放效率与人均排放水平.减排趋势则指的是结合历史数据判断城市过往碳排放和碳达峰的趋势, 对城市所采取措施的减排效果进行衡量, 其中包括减排效率和达峰趋势两个要素层指标, 前者在指标层包括碳排放增速和脱钩指数, 后者则指碳达峰趋势检验, 该部分指标的选择主要出于兼顾减排效率与公平的考虑, 实现碳排放量与经济发展关联.具体指标涵义、选取意义和赋分原则如见表 2.

表 2 指标涵义、选取意义和赋分原则 Table 2 Index meaning, selection significance, and assigning principle

其中, 脱钩指数在Tapio脱钩模型基础上, 根据不同脱钩类型的程度进行赋分(见表 3).

表 3 Tapio脱钩脱钩指数与赋分原则 Table 3 Tapio decoupling index and its scoring method

2.2 指标赋权结果 2.2.1 判断矩阵构建

经AHP建模及判断矩阵一致性检验[44, 45], 结合决策者偏好与专家打分法, 对准则层、要素层和指标层中, 同层因素按照构造的判断矩阵进行两两比较.在对n个子要素A1, A2, A3, …, An成对比较时, aij表示子因素i与子因素j对母因素的重要程度之比, 通过数字进行重要程度标识后进行一致性检验与调整.

以准则层为例, 气候雄心用以描述城市在宏观目标设立和碳达峰能力建设方面的努力, 低碳状态表示目前该城市在碳达峰达成方面当前基础, 而减排趋势则通过对城市碳排放变化率、脱钩类型和数学趋势判断对其在碳达峰方面的趋势加以界定; 本文认为低碳状态是城市的现状与后续减排的基础, 略重要于其余二者; 而气候雄心与减排趋势, 前者是城市在碳达峰碳减排方面对未来做出的承诺、后者是通过过去历史数据所总结的趋势, 从决策者的偏好层面来讲, 目前基本同等重要.因而准则层形成判断矩阵如表 4所示, 通过一致性检验.

表 4 准则层判断矩阵 Table 4 Criterion layer judgment matrix

2.2.2 指标权重计算

假设, A>0.各因素对于A的相对排序权重为ω1, ω2, …, ωm, 采用幂法计算如下.

(1) 任意取初始正向量:

(6)
(7)

(2) 迭代计算:

对于k=0, 1, 2, …, 计算.

(8)
(9)
(10)

(3) 精度检查:

当|mk+1-mk| < ε, 转入步骤(4); 否则, 令k=k+1, 转入步骤(2).本文设定ε=0.000 1.

(4) 求最大特征值和对应的特征向量:

将Y(k+1)归一化, 即：

(11)
(12)

由此得到本研究各层次各指标综合权重(见表 5).

表 5 城市碳达峰碳中和行动指标权重计算 Table 5 Carbon emissions peak and neutrality index weighing results

3 中心城市评估应用

考虑到碳排放的重要影响因素主要包括经济发展水平和人口规模等因素, 本研究将针对全国中心城市开展碳达峰碳中和行动评估应用, 对在一定区域内和全国社会经济活动中处于重要地位、具有综合功能或多种主导功能、起着枢纽作用的大城市和特大城市的碳达峰碳中和进程进行评估, 以客观量化呈现具有经济领先地位城市的达峰中和表现, 发挥领跑城市带头作用, 鼓励其他城市推进碳达峰碳中和行动.考虑到已公开城市中地区GDP总量低于1 000万元的城市仅占1/4, 本研究剔除地区GDP总量在1 000万元或人均GDP在8 000美元以下以及不具备数据基础的部分城市, 最终对58个城市进行评估.

指标得分计算时间与范围方面, 定性指标均采用截至2021年8月的情况计算得分, 定量指标中除碳排放增速、碳达峰趋势采用2005~2019年序列数据计算, 脱钩指数采用2015~2019年序列数据计算外, 其余指标均采用2019年数据计算得分.评估样本及评估结果见图 1, 其中图 1(a)以准则层指标计总分构成, 图 1(b)以要素层指标计总分构成, 以更细化展示各城市在不同指标层面的评分状况.

图 1 中心城市碳达峰碳中和指数得分及排名情况 Fig. 1 Carbon emissions peak and neutrality index score and ranking of central cities

本研究结果发现, 从综合得分上来看, 得分排名前10的城市分别为：北京、深圳、武汉、上海、青岛、广州、成都、厦门、昆明和兰州, 得分均超过60分, 其中北京、深圳得分超过70分.北京在气候雄心、低碳状态上表现突出, 深圳则在低碳状态和减排趋势上表现较好.大部分城市在30~50分之间, 平均得分为49.5.低于30分的城市有唐山、九江和银川, 其中除了唐山3项指标表现均不足外, 九江主要因为气候雄心和减排趋势不足, 银川则因为低碳状态表现欠佳.

分指标来讲, 在气候雄心上, 北京、厦门、宁波、深圳和青岛表现最为突出, 其中北京已经宣布达峰, 且设定2050年实现碳中和的目标.值得注意的是, 上海、苏州、济南、武汉再次明确了碳达峰目标年, 其中武汉在2022年外, 其余均在2025年, 更多的城市尚未制定达峰目标, 达峰意愿尚未明确; 除北京、天津、上海和重庆这4个直辖市外, 其余城市能源信息披露尚存在不完备、不及时等能力建设问题.在低碳状态上, 海口、广州、成都、南宁和北京表现更为突出, 主要得益于其本身较为优越的产业结构与能源结构.在减排趋势上, 昆明、兰州、洛阳、大庆和吉林等城市表现突出, 除了大庆可能因经济衰退原因导致减排强度较大, 更多城市主要源于为满足国家生态文明建设大背景下的可持续发展需求, 在产业与能源转型中取得实效.

总体而言, 碳达峰碳中和表现较为突出的领跑城市多为经济发达和规模较大的低碳试点城市, 本身具备一定的资源、技术和产业政策上的优势.表现相对落后的城市本身存在制度上和资源禀赋上的表现劣势, 但在减排趋势上表现较为突出, 仍有进步空间, 也还需进一步加强绿色低碳发展.评价所呈现的经济越发达, 达峰中和工作越领先的状态, 在一定程度上与当前经济相对较发达国家绿色低碳发展程度较高的表现一致, 也与我国建立健全绿色低碳发展经济体系重大战略决策, 最终实现高质量发展目标一脉相承.

4 展望与建议

未来可继续完善城市碳达峰碳中和行动评估方法.主要包括以下3个方面.

一是完善指标体系: ①能源消费指标.补充全社会综合能耗强度、工业能耗强度等指标, 更为全面地评估城市的综合能耗和高碳行业耗能状况; ②行业领域指标.补充交通运输、建筑领域相关指标, 如铁路(水运)货运周转量占比, 建筑能耗等指标, 形成全面涵盖电力、工业、交通、建筑四大领域的指标体系; ③碳汇指标, 补充森林覆盖率等指标, 从碳汇端评估城市达峰中和行动表现等; 进一步提升评估指标的科学性和代表性.

二是完善指标赋权: 结合一定的决策者偏好和客观发展形势调整指标权重, 以满足评价需求.比如当前处于达峰中和目标初期阶段, 会将制定目标年份的权重提高, 随着时间推移, 该项权重会视情况降低.

三是形成年度评估机制: 在不断完善指标体系和指标赋权的基础上形成年度评估机制, 通过定期更新各指标的年度表现, 有利于政府及时掌握城市碳达峰碳中和进展, 支撑政府决策助力实现碳达峰碳中目标.

另外, 针对城市碳达峰碳中和评估方法应用结果提出以下建议.

一是建议各省在落实统筹“全国一盘棋”实施国家“双碳”战略上, 应充分识别城市的优势和短板, 特别是重点关注那些非自然禀赋因素导致的低分指标项, 抓住主要矛盾, 针对性地采取扬长补短措施, 因地制宜制定符合实际情况和发展阶段的“双碳”行动目标和方案.

二是建议地方构建并完善统一的城市能源、温室气体统计与信息披露制度, 提升碳排放计量与实测能力.弥补当前数据尚不完备, 数据口径不一的不足, 建立完善的信息统计披露体系有利于掌握碳排放状态及趋势, 全面有效支撑下一步降碳工作开展.

三是建议开展城市“双碳”领跑者行动, 推动具备条件地区、行业和企业率先达峰.树立能源、工业、建筑、交通等领域低碳转型模范, 形成城市间先进带后进、你追我赶落实绿色低碳转型局面, 通过“赛马机制”创新落实中央“鼓励主动作为、率先达峰”的指示精神.

5 结论

(1) 本研究为全面评估城市在实现碳达峰碳中和目标上的综合表现, 基于决策者偏好的层次分析法构建了一套由3个准则层、7个要素层和14个具体指标层构成的城市碳达峰碳中和行动指数评估指标体系, 并为指标赋权, 进而建立综合指数评估方法.主要步骤为：①从气候雄心、低碳状态和减排趋势3个方面, 确定城市碳达峰碳中和行动影响因素, 初步尽可能全面地纳入较多指标.②结合当前城市社会经济统计体系的实际情况以及指标量化赋分的可操作性, 遴选形成最终的城市碳达峰碳中和行动评估指标, 并确定对应赋分原则.③为城市碳达峰碳中和行动评估指标赋权, 代入城市碳达峰碳中和行动综合评估指数模型, 形成城市碳达峰碳中和行动评估方法.

(2) 本研究将评估方法应用于在经济发展、人口规模上表现处于全国重要地位的国家中心城市的碳达峰碳中和行动评估, 结果发现经济发达大城市在碳达峰碳中和行动中同样处于领跑地位, 北京、深圳排名最高, 得分超过70分.北京在气候雄心、低碳状态上表现突出, 深圳则在低碳状态和减排趋势上表现较好.表现较为落后的城市部分因资源产业禀赋等先天劣势导致低碳状态不足, 比如唐山, 作为重工业型城市在低碳发展方面所面临的结构性阻碍.更多城市得分较低的原因在于能力建设或雄心不足, 比如在全社会全品类能源消费数据信息公开上存在较大欠缺.

参考文献
[1] Intergovernmental Panel on Climate Change. The fifth assessment report of the IPCC[R]. Geneva: IPCC, 2014.
[2] 庄贵阳, 魏鸣昕. 城市引领碳达峰、碳中和的理论和路径[J]. 中国人口·资源与环境, 2021, 31(9): 114-121.
Zhuang G Y, Wei M X. Theory and pathway of city leadership in emission peak and carbon neutrality[J]. China Population, Resources and Environment, 2021, 31(9): 114-121.
[3] 何宇, 田杰鑫, 陈珍珍. 碳中和背景下中国城市绿色发展效率研究[J]. 生态经济, 2022, 38(7): 92-98.
He Y, Tian J X, Chen Z Z. Research on the green development efficiency of Chinese cities under the background of carbon neutrality[J]. Ecological Economy, 2022, 38(7): 92-98.
[4] 郭芳, 王灿, 张诗卉. 中国城市碳达峰趋势的聚类分析[J]. 中国环境管理, 2021, 13(1): 40-48.
Guo F, Wang C, Zhang S H. Cluster analysis of carbon emissions peaking trends in Chinese cities[J]. Chinese Journal of Environmental Management, 2021, 13(1): 40-48.
[5] 张立, 谢紫璇, 曹丽斌, 等. 中国城市碳达峰评估方法初探[J]. 环境工程, 2020, 38(11): 1-5, 43.
Zhang L, Xie Z X, Cao L B, et al. Discussion on evaluation method on carbon dioxide emissions peaking for Chinese cities[J]. Environmental Engineering, 2020, 38(11): 1-5, 43.
[6] 项辉. 现阶段城市碳达峰评估方法研究[J]. 内蒙古煤炭经济, 2021(11): 17-18. DOI:10.3969/j.issn.1008-0155.2021.11.009
[7] 蒋昀辰, 钟苏娟, 王逸, 等. 全国各省域碳达峰时空特征及影响因素[J]. 自然资源学报, 2022, 37(5): 1289-1302.
Jiang Y C, Zhong S J, Wang Y, et al. Spatio-temporal characteristics and influencing factors of carbon emission peak by province of China[J]. Journal of Natural Resources, 2022, 37(5): 1289-1302.
[8] 王怡. 中国省域二氧化碳排放达峰情景预测及实现路径研究[J]. 科学决策, 2022(1): 95-105.
Wang Y. Research on carbon dioxid emissions peaking scenario prediction and realization path in Chinese provinces[J]. Scientific Decision-Making, 2022(1): 95-105.
[9] 黄超, 娄华. 规模、结构和技术视角下中国碳达峰路径选择研究[J]. 环境科学与技术, 2022, 45(3): 10-20.
Huang C, Lou H. Selection of pathway to peak carbon emission from perspective of scale, structure and technology in China[J]. Environmental Science & Technology, 2022, 45(3): 10-20.
[10] 唐志鹏, 于浩杰, 陈明星, 等. 基于函数极值条件下的中国碳达峰碳中和情景分析[J]. 自然资源学报, 2022, 37(5): 1247-1260.
Tang Z P, Yu H J, Chen M X, et al. The scenario analysis of China's carbon emission peak and carbon neutrality based on extremum condition of function[J]. Journal of Natural Resources, 2022, 37(5): 1247-1260.
[11] 王勇, 许子易, 张亚新. 中国超大城市碳排放达峰的影响因素及组合情景预测——基于门限-STIRPAT模型的研究[J]. 环境科学学报, 2019, 39(12): 4284-4292.
Wang Y, Xu Z Y, Zhang Y X. Influencing factors and combined scenario prediction of carbon emission peaks in megacities in China: based on Threshold-Stirpat Model[J]. Acta Scientiae Circumstantiae, 2019, 39(12): 4284-4292.
[12] 韩楠, 罗新宇. 多情景视角下京津冀碳排放达峰预测与减排潜力[J]. 自然资源学报, 2022, 37(5): 1277-1288.
Han N, Luo X Y. Carbon emission peak prediction and reduction potential in Beijing-Tianjin-Hebei region from the perspective of multiple scenarios[J]. Journal of Natural Resources, 2022, 37(5): 1277-1288.
[13] 晏清, 贺超飞, 郭焕修. 基于区域一体化的长三角城市碳达峰实证研究[J]. 世界经济与政治论坛, 2022(3): 150-172.
[14] 侯丽朋, 唐立娜, 王琳, 等. 闽三角城市群碳达峰的多情景模拟分析[J]. 生态学报, 2022, 42(23): 9511-9524.
Hou L P, Tang L N, Wang L, et al. Multi scenario stimulation of carbon emissions peaking in the Golden Triangle of Southern Fujian Province, China[J]. Acta Ecologica Sinica, 2022, 42(23): 9511-9524.
[15] 赵金辉, 李景顺, 王潘乐, 等. 基于Lasso-BP神经网络模型的河南省碳达峰路径研究[J]. 环境工程, 2023, 40(12): 151-156, 164.
Zhao J H, Li J S, Wang P L, et al. A study of carbon peak paths in Henan province based on Lasso regression-BP neural network model[J]. Environmental Engineering, 2023, 40(12): 151-156, 164.
[16] The Climate Institute and E3G. G20 low carbon competitiveness[R]. Australia: Vivid Economics, 2009.
[17] Noel P, Kredell C, Perry M, et al. 2020 California green innovation index(12 Edition)[R]. USA: Next 10, 2021.
[18] 中国社会科学院城市发展与环境研究所, 哈尔滨工业大学(深圳)气候变化与低碳经济研究中心. 中国绿色低碳城市评价研究报告[R]. 深圳: 中国社会科学院城市发展与环境研究所, 哈尔滨工业大学(深圳)气候变化与低碳经济研究中心, 2019.
[19] Burck J, Hagen U, Bals C, et al. Climate change performance index[R]. Germany: Germanwatch, 2021.
[20] 朱婧, 刘学敏, 张昱. 中国低碳城市建设评价指标体系构建[J]. 生态经济, 2017, 33(12): 52-56.
Zhu J, Liu X M, Zhang Y. Research on the evaluation index system for low carbon city construction in China[J]. Ecological Economy, 2017, 33(12): 52-56.
[21] Tan S T, Yang J, Yan J Y, et al. A holistic low carbon city indicator framework for sustainable development[J]. Applied Energy, 2017, 185: 1919-1930.
[22] Zhang L P, Zhou P. A non-compensatory composite indicator approach to assessing low-carbon performance[J]. European Journal of Operational Research, 2018, 270(1): 352-361.
[23] 韦彦汀, 李思佳, 张华. 成渝城市群的碳排放时空演变特征及其影响因素分析[J]. 中国环境科学, 2022, 42(10): 4807-4816.
Wei Y T, Li S J, Zhang H. Temporal-spatial evolution of carbon emission and driving factors in the Chengdu-Chongqing urban agglomeration[J]. China Environmental Science, 2022, 42(10): 4807-4816.
[24] 徐英启, 程钰, 王晶晶, 等. 中国低碳试点城市碳排放效率时空演变与影响因素[J]. 自然资源学报, 2022, 37(5): 1261-1276.
Xu Y Q, Cheng Y, Wang J J, et al. Spatio-temporal evolution and influencing factors of carbon emission efficiency in low carbon city of China[J]. Journal of Natural Resources, 2022, 37(5): 1261-1276.
[25] 唐赛, 付杰文, 武俊丽. 中国典型城市碳排放影响因素分析[J]. 统计与决策, 2021, 37(23): 59-63.
[26] 吴健生, 晋雪茹, 王晗, 等. 中国碳排放及影响因素的市域尺度分析[J]. 环境科学, 2023, 44(5): 2974-2982.
Wu J S, Jin X R, Wang H, et al. Analysis of carbon emissions and influencing factors in China based on city scale[J]. Environmental Science, 2023, 44(5): 2974-2982.
[27] Zhang N, Lv L H, Zhao M X, et al. A comparative study of stage characteristics and factorial decomposition of CO2 emissions between China and the USA[J]. Environmental Science and Pollution Research, 2022, 29(32): 48769-48783.
[28] 国家统计局城市社会经济调查司. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2021.
[29] 中华人民共和国住房和城乡建设部. 中国城乡建设统计年鉴[M]. 北京: 中国统计出版社有限公司, 2021.
[30] 郭金玉, 张忠彬, 孙庆云. 层次分析法的研究与应用[J]. 中国安全科学学报, 2008, 18(5): 148-153.
Guo J Y, Zhang Z B, Sun Q Y. Study and applications of analytic hierarchy process[J]. China Safety Science Journal, 2008, 18(5): 148-153.
[31] 李艳萍, 乔琦, 柴发合, 等. 基于层次分析法的工业园区环境风险评价指标权重分析[J]. 环境科学研究, 2014, 27(3): 334-340.
Li Y P, Qiao Q, Chai F H, et al. Study on environmental risk assessment index weight of industrial park based on the analytic hierarchy process[J]. Research of Environmental Sciences, 2014, 27(3): 334-340.
[32] 俞雅乖, 刘玲燕. 基于层次分析法的水环境绩效审计评价指标体系研究[J]. 科技与管理, 2015, 17(1): 45-51.
Yu Y G, Liu L Y. Analysis on performance evaluation index system of water environment auditing based on analytic hierarchy process[J]. Science-Technology and Management, 2015, 17(1): 45-51.
[33] 李帅, 魏虹, 倪细炉, 等. 基于层次分析法和熵权法的宁夏城市人居环境质量评价[J]. 应用生态学报, 2014, 25(9): 2700-2708.
Li S, Wei H, Ni X L, et al. Evaluation of urban human settlement quality in Ningxia based on AHP and the entropy method[J]. Chinese Journal of Applied Ecology, 2014, 25(9): 2700-2708.
[34] 李崧, 邱微, 赵庆良, 等. 层次分析法应用于黑龙江省生态环境质量评价研究[J]. 环境科学, 2006, 27(5): 1031-1034.
Li S, Qiu W, Zhao Q L, et al. Applying analytical hierarchy process to assess eco-environment quality of Heilongjiang province[J]. Environmental Science, 2006, 27(5): 1031-1034.
[35] 于宗绪, 马东春, 范秀娟, 等. 基于AHP法和模糊综合评价法的城市水环境治理PPP项目绩效评价研究[J]. 生态经济, 2020, 36(10): 190-194.
Yu Z X, Ma D C, Fan X J, et al. Research on the performance evaluation of PPP project of urban water environment treatment based on AHP and fuzzy comprehensive evaluation[J]. Ecological Economy, 2020, 36(10): 190-194.
[36] 杨磊, 任健. 基于层次分析法的燃煤发电企业低碳综合评价[J]. 发电技术, 2019, 40(1): 66-70.
Yang L, Ren J. Low carbon comprehensive evaluation of coal-fired power plants based on analytic hierarchy process[J]. Power Generation Technology, 2019, 40(1): 66-70.
[37] 朱保昌, 马豆豆, 胡淑恒, 等. 基于层次分析法的区域低碳城市发展评价研究——以安徽省为例[J]. 环境科学与管理, 2018, 43(10): 34-39.
Zhu B C, Ma D D, Hu S H, et al. Evaluation of regional development of low-carbon city in Anhui province based on analytic hierarchy process[J]. Environmental Science and Management, 2018, 43(10): 34-39.
[38] 唐笑飞, 鲁春霞, 安凯. 中国省域尺度低碳经济发展综合水平评价[J]. 资源科学, 2011, 33(4): 612-619.
Tang X F, Lu C X, An K. Development levels of low-carbon economy at provincial scales in China[J]. Resources Science, 2011, 33(4): 612-619.
[39] 郑伟, 宋春燕, 张璐, 等. 我国上市公司碳信息披露评价研究——基于层次分析法和熵权法综合模型[J]. 财务研究, 2017(6): 53-61.
Zheng W, Song C Y, Zhang L, et al. Evaluation of carbon information disclosure of listed companies in China—based on analytic hierarchy process and entropy weighting method[J]. Finance Research, 2017(6): 53-61.
[40] 张立坤, 李令军, 姜磊, 等. 北京建筑施工裸地时空变化及扬尘污染排放[J]. 环境科学, 2019, 40(1): 135-142.
Zhang L K, Li L J, Jiang L, et al. Spatial and temporal distribution characteristics and fugitive dust emission of building sites in Beijing[J]. Environmental Science, 2019, 40(1): 135-142.
[41] 孙红卫, 吕春燕, 祁爱琴, 等. 综合评价中数据标准化的原理研究[J]. 中国卫生统计, 2015, 32(2): 342-344, 349.
[42] 张楠, 张保留, 吕连宏, 等. 碳达峰国家达峰特征与启示[J]. 中国环境科学, 2022, 42(4): 1912-1921.
Zhang N, Zhang B L, Lü L H, et al. Peaking characteristics and enlightenment based on carbon peak countries[J]. China Environmental Science, 2022, 42(4): 1912-1921.
[43] 张建云, 刘九夫, 金君良, 等. 青藏高原水资源演变与趋势分析[J]. 中国科学院院刊, 2019, 34(11): 1264-1273.
Zhang J Y, Liu J F, Jin J L, et al. Evolution and trend of water resources in Qinghai-Tibet Plateau[J]. Bulletin of Chinese Academy of Sciences, 2019, 34(11): 1264-1273.
[44] 刘豹, 许树柏, 赵焕臣, 等. 层次分析法—规划决策的工具[J]. 系统工程, 1984(2): 23-30.
[45] 邓雪, 李家铭, 曾浩健, 等. 层次分析法权重计算方法分析及其应用研究[J]. 数学的实践与认识, 2012, 42(7): 93-100.
Deng X, Li J M, Zeng H J, et al. Research on computation methods of AHP Wight vector and its applications[J]. Mathematics in Practice and Theory, 2012, 42(7): 93-100.