“2+26”城市碳排放时空演变特征及其驱动因素研究

张雪华,董会忠

(山东理工大学 管理学院，山东 淄博 255000)

化石能源燃烧是全球温室气体产生的主要来源[1]，近年来温室气体导致的全球气候变暖、海平面上升、极端天气频发等环境问题严重影响了生态环境建设和国民经济可持续发展，合理控制碳排放对解决当下气候变化等环境问题具有重要意义。联合国气候大会先后通过了《联合国气候变化框架公约》《京都议定书》《巴黎协定》等控制二氧化碳排放的国际公约，明确各签约国的碳减排目标。中国作为目前世界上最大的温室气体排放国，在应对全球气候变暖中扮演着重要角色。在《巴黎协定》框架下，我国政府承诺到2030年单位GDP的二氧化碳排放要比2005年下降60%—65%，二氧化碳排放总量要达到峰值[2]。为加快实现碳减排目标，推动我国经济高质量发展，必须加强引导各区域依据实情承担相应的碳减排任务。科学合理探究能源碳排放的空间异质性，厘清碳排放周期过程的驱动因素成为碳减排工作的首要任务。2017年，生态环保部把京津冀及其周边地区的北京、天津、石家庄、唐山、廊坊、保定、沧州、衡水、邢台、邯郸、太原、阳泉、长治、晋城、济南、淄博、济宁、德州、聊城、滨州、菏泽、郑州、开封、安阳、鹤壁、新乡、焦作、濮阳等28个城市确定为大气污染传输通道，即“2+26”城市。长期以来，由于产业结构不合理、能源资源过量消费、技术落后等问题，该区域成为碳减排的首要关注区域，所面临的减排任务尤为艰巨。因此，本文选取 “2+26”城市为研究对象，分析其能源碳排放的时空演变规律，量化各驱动因素的贡献度，可为该地区碳减排政策的制定提供理论依据和差异化治理建议。

当前，二氧化碳过量排放导致大量环境问题已在学术界形成共识，如何控制碳排放总量也成为当下关注的焦点。现有研究从不同角度和方法对碳排放总量做了分析预测。如，杜江、罗王君、王锐等从生命周期角度，以碳足迹为基础测算了我国农业碳排放[3]；田红、丁长安利用“自下而上”分析法对山东省旅游业碳排放总量进行了定量估算[4]。IPCC作为一种经典的碳排放估算理论，适用性较为广泛，众多学者利用IPCC理论对我国不同层面能源消费碳排放量进行了计算分析[5,6]。此外，区域间碳排放往往存在时空异质性，不同学者从时空差异的角度分析了不同区域碳排放的时空演变规律。如，胡艳兴、潘竟虎、李真等利用自然正交函数揭示了中国各省份能源消费碳排放量变动的时空规律[7]；吕倩、刘海滨基于空间数据分析方法研究了京津冀地区县域二氧化碳排放时空演变特征[8]；钱萍等通过引入碳排放压力指数对我国能源消费碳排放时空演变规律进行了分析。更多学者对碳排放驱动因素进行了研究，且研究对象涉及多个尺度。如，Padilla和Serrano从全球层面分析了国家间收入差异对二氧化碳排放差异的影响[9]；王凯、邵海琴、周婷婷等从全国层面对碳排放驱动因素进行了分解分析[10]；马晓明、包金梅、熊思琴从省际层面分析了研究碳排放的主要因素[11]；李治国、朱永梅、吴茜分析了山东省碳排放驱动因素[12]。学者们研究碳排放驱动因素的方法较多，大致包括面板模型[13]、空间计量模型[14,15]、地理加权回归模型[16]、STIRPAT模型[17,18]等。其中,对数迪氏因素分解法(LMDI)能够将碳排放驱动因素再次分解，系统研究经济和能源的总量、结构、强度对碳排放的贡献度，具有无残差项等优点[19-21]。目前，国内不乏学者利用LMDI模型研究碳排放的驱动机制，其中共识性的观点认为：人口规模、经济发展是碳排放增长的主要驱动因素[22]，产业结构、能源结构、能源强度等为主要的减排因素[23]。

总体上，碳排放的研究涉及层面较广泛，研究视角也不尽相同，但仍存在不足：①碳排放研究对象多为全国、省级或某一特定区域，而“2+26”城市作为当下碳减排的重点区域，对其系统研究却鲜有涉及。②文献往往将某一特定区域作为整体进行研究，未能深入研究区域内不同城市碳排放的差异性。③文献大多从人口、经济、能源等角度考察碳排放的驱动机制，鲜有从二氧化碳排放周期视角研究各因素驱动机制与贡献度。④传统的计量模型通常将经济、能源等作为单一指标处理，未能综合考量经济和能源的总量、结构、强度等二级因素的驱动效力。

本文选取“2+26”城市作为研究对象，综合运用Kaya恒等式扩展形式与LMDI分解分析模型，从源头控制、过程控制的周期视角综合考察区域人口规模、经济发展、产业结构、能源效率、能源结构、煤炭清洁利用技术等驱动因子对“2+26”城市能源碳排放的影响机制，量化各驱动因素对能源碳排放的贡献度，界定各城市的关键减排因素，提出差异化碳减排的政策性建议，寻求节能减排的最优路径。

1 研究方法与数据来源

1.1 空间自相关分析

空间自相关分析包括全局空间自相关和局部空间自相关[24]。全局空间自相关用来测算整个区域的空间关联程度，常用Moran′s I指数作为统计量进行衡量，其取值为[-1，1]。在给定显著性水平下，如果Moran′s I指数值为正，表示地区在空间上显著集聚,值越接近1,表明总体的空间差异越小；反之，如果Moran′s I指数值为负，表示在空间上存在显著的差异，值越接近-1,差异就越大。局部空间自相关可以揭示相邻区域间的关联程度，包括“高—高集聚、高—低集聚、低—低集聚、低—高集聚”4种情况。其中，高—高集聚、低—低集聚表明所取观测值在空间上存在较强的正相关性，表现为空间均质性；高—低集聚、低—高集聚表明所取观测值在空间上存在较强的负相关性，表现为空间异质性。

1.2 LMDI模型

“2+26”城市能源碳排放的周期治理主要涉及源头预防和过程控制两个环节。为厘清京津冀及其周边地区共计28个城市能源碳排放的驱动因子，本文采用Kaya恒等式进行识别。该方法能够将社会、经济、能源、环境、技术等子系统有机结合，综合二氧化碳从产生至排放的周期过程。能源碳排放受地区人口规模、经济增长、经济结构等源头驱动因子和能源效率、煤炭消费结构、煤炭清洁利用技术等过程控制因子的综合影响，基于此，本文构建了“2+26”城市碳排放的Kaya恒等式扩展模型:

(1)

式中，C表示CO2排放量；GDP与TP分别表示地区生产总值和人口总量；EAV表示第二产业经济增加值；EC、CC分别表示能源消费量与煤炭消费量；EG代表区域经济发展水平，以城市人均GDP表示； ES代表经济结构，以EAV和GDP之比表示；EE代表能源效率，以单位EAV的能源消费量表示；指标CS代表煤炭消费结构;指标TL代表煤炭清洁利用的技术水平，以单位煤炭消耗导致的CO2产生量表示。 LMDI模型的加法形式对“2+26”城市碳排放的变化进行分解，由t-1期到第t期碳排放变化表示如下:

ΔCt=Ct-Ct-1

=TPt×EGt×ESt×CSt×TLt-TPt-1×EGt-1×ESt-1×EEt-1×CSt-1×TLt-1

=(ΔTPt+ΔEGt+ΔESt)+(ΔEEt+ΔCSt+ΔTLt)

=ΔSDt+ΔPCt

(2)

式中，ΔSD表示源头驱动因子对工业CO2减排的影响，为人口规模效应ΔTP、经济发展效应ΔEG、产业结构效应ΔES之和；△PC表示过程控制因子对工业CO2减排的影响，为能源效率效应ΔEE、能源结构效应ΔES、煤炭清洁利用效应ΔTL之和。各影响因素减排效应的分解表达式为：

(8)

1.3 数据来源

本文数据来自于2009—2019年《中国城市统计年鉴》《城市统计年鉴》《中国能源统计年鉴》。各城市的地区生产总值和工业生产总值以2008年为基期进行不变价格折算，以消除通货膨胀因素的影响；煤炭等能源消费数据来自于各城市的统计年鉴；部分暂缺数据通过线性内差法、趋势外推法等方法计算得到。

2 结果及分析

2.1 “2+26”城市碳排放量计算

依据IPCC提供的方法估算碳排放量，其原理是：将能源实物量折算成标准煤,再用折算后的标准煤量乘以各类能源的碳排放系数，最后将结果相加得到总的碳排放量。具体方法如下：

(9)

式中，CE表示各类能源的碳排放总量(t)；EPQi表示第i类能源的实物量(t)；SCCi表示第i类能源的折算标准煤系数；CECi表示第i类能源的碳排放系数；i表示能源种类数。

本文主要利用IPCC理论对2008—2018年“2+26”城市能源碳排放量进行了计算，具体结果如表1所示。

表1 2008—2018年“2+26”城市能源消费碳排放量(单位：万t)

2.2 “2+26”城市碳排放时空特征

《国民经济和社会发展规划》作为我国发展进程的重要规划，不仅能够描绘建国以来我国经济发展的大体脉络，还能从中探索我国经济发展的规律，指导我国经济建设。基于此，本文以“五年规划”为基本研究周期，以“十一五”、“十二五”、“十三五”3个时期的人均GDP和能源碳排放量来表示不同城市之间能源碳排放和经济水平的变化情况，以此研究“2+26”城市能源碳排放时空异质性及能源碳排放的各驱动因素的作用机制。

由图1可知，受“五年计划”相关政策的影响，京津冀及其周边地区的能源碳排放量整体上呈现先增加后降低的趋势。随着“十二五”规划的推进，城镇化和工业化进程不断加快，能源消费量整体呈上升趋势，虽然相关环境政策在一定程度上对碳排放的增长起到了抑制作用，但是仍不能抵消经济发展对环境产生的影响。对该地区大多数城市而言，“十二五”期间能源碳排放量较“十一五”期间呈不同程度的上升趋势。近年，环境问题已成为全社会关注的焦点，随着生态政策的持续推进，环境规制的标准也随之提高，碳排放治理力度不断加强。技术进步推动了能源清洁利用技术的发展和能源使用效率的提高，京津冀及其周边地区的大部分城市在“十三五”期间保持经济持续增长的前提下实现了二氧化碳减排的目标。值得注意的是，北京和济南在研究期内能源碳排放量随着“五年计划”的推进呈逐次递减的特征，这得益于城市产业转型力度大，高污染企业向外转移比率较高，第三产业发展较快、技术水平较高，国家相关政策的推进对这两个城市的环境影响程度较大，技术的进步对节能减排工作推动效用明显。而长治、晋城、开封、滨州、菏泽等经济较为落后的城市在研究期内的能源碳排放量呈现逐次递增趋势，其主要原因是：该地区城市工业化进程较晚，在研究期内这部分城市高耗能企业占比较大，技术和人才等资源短缺，能源消费总量居高不下，导致这些城市能源碳排放量也随之增加。

从上述分析可见，国家政策的制定和实施对“2+26”城市能源碳排放驱动机制具有较为显著的时空异质性，同时政策的制定对该地区的发展具有指导性的作用，驱动效力也较为显著。“2+26”城市的能源碳排放量和人均GDP的变化趋势大致吻合，除北京市和济南市的人均GDP相对较高而碳排放量相对较低外，其他城市基本呈现出人均GDP高的城市碳排放量也相对较高的现象。其主要原因是：经济发展较早的城市，实现GDP的增长主要依靠科学技术进步，而工业化进程开始较晚的城市经济发展主要依靠能源消费，这种产业结构和科技水平的差距致使人均GDP的增长对不同城市碳排放的驱动效力存在空间上的差异性，但总体上经济发展对碳排放的驱动效力显著。

注：因篇幅所限，本文仅列出部分城市结果。

本文在ArcGIS10.2软件支持下，采用自然间断点法对2008年、2011年、2014年、2018年“2+26”城市能源碳排放量空间格局进行了渲染(图2)。从图2可见，研究期间内京津冀及其周边地区的能源碳排放量时空演变呈现一定的规律：能源碳排放强度较高的城市始终位于边缘位置，总体上呈现边缘向中心递减的态势，天津、唐山的碳排放量与同期各城市相比一直居于前列，保定、衡水、廊坊等市受经济发展水平和人口规模的影响，能源碳排放量始终属于低碳排放区域。京津冀及其周边地区能源碳排放强度分布趋向均衡化态势，在研究期初，能源碳排放量相对较高的城市有4个，而在研究期末转变为2个，并且边缘城市能源碳排放强度的相对变化量变化较为显著。

图2 2008—2018年“2+26”城市碳排放空间分布

值得注意的是，在研究期间内，北京、太原和长治的能源碳排放量变化最为明显。其中，北京和太原的能源碳排放量从较高强度变为较低强度，而长治的能源碳排放量从较低强度转化为较高强度。北京在研究期前期，人口密集、工业区较为集中，能源消耗量大，能源碳排放水平较高，随着我国节能减排工作的进行，能源碳排放量增速逐渐降低；太原市的碳排放量在期初也居于较高位置，但随着山西省能源结构的不断优化，能源碳排放量呈现不断下降的趋势。

2.3 “2+26”城市空间自相关特征

为进一步分析“2+26”城市碳排放量的空间集聚特征，本文利用GeoDa软件计算了2008—2018年的全局Moran′s I指数(通过显著水平为0.05的z值检验)，并生成了2008年、2011年、2014年、2018年的局域Moran′s I指数LISA图，以揭示“2+26”城市碳排放量的局部空间关联类型。从“2+26”城市全局自相关结果(表2)来看，研究期内京津冀及其周边地区能源碳排放量的Moran′s I指数变化较为显著。2008年，该地区能源碳排放量的Moran′s I指数为负值，呈现负的相关性。到2011年，能源碳排放量的Moran′s I指数变为正值，且在研究期内Moran′s I指数呈现不断上涨的趋势。这表明研究期内京津冀及其周边地区能源碳排放的集聚态势发生了显著变化。期初“2+26”城市能源碳排放存在显著的空间异质性，各相邻城市间能源碳排放存在着较大的差异。2011—2018年随着城市的发展和相关政策的推进，该地区各城市的能源碳排放表现为显著的空间正相关性，能源碳排放强度相似的城市在空间上呈现出集聚效应，且这种集聚效应出现逐步加强。

表2 2008—2018年“2+26”城市能源消费碳排放量Moran′s I指数

由图3可知，整体来看，在研究区间内“2+26”城市群分布在L-L区域所占的比例最高，分布在H-H区域所占的比例最少。近10年来京津冀及周边地区的碳排放量的局域空间集聚状态发生了显著变化，分布在H—H区域的城市从2008年的3个增加至2018年7个，分布在L-H、H-L区域的城市从2008年13个减少至2018年的10个，说明京津冀及周边地区的碳排放量空间集聚程度显著增强。具体来看，滨州由2008年的L-H型逐步转变2018年的H-H型，晋城、长治等市由2008年的L-L型转变为2018年的H-H型；济宁、淄博等市由2008年的H-L转变为2018年的H-H型。其他城市碳排放量局域空间集聚程度未发生较大变化，其中廊坊、阳泉、保定等市一直处于H-L型，唐山、天津等市一直处于H-H型，郑州、开封、濮阳、沧州、衡水等市一直处于L-L型，北京、太原、石家庄等市一直处于H-L型。

图3 “2+26”城市碳排放的空间相关

目前，“2+26”城市能源碳排放呈现空间分布差异性特征。天津、唐山、长治、晋城、济南、淄博等市均为高碳排放城市且被相应高碳排放城市包围，这些城市主要来自河北、山东、山西等相邻地界，可通过加强区域合作和产业联合改造等方式共同降低碳排放量。保定、廊坊、阳泉、邢台等低碳排放量的城市被高碳排放量的城市包围，这些城市的能源碳排放量远远低于周边地区，可以通过技术转移、信息交流、要素流动等扩散效应对周边碳排放降低起带动作用。郑州、安阳、焦作、开封、衡水等低能源碳排放城市被相应低能源碳排放城市包围，且主要分布于河南、山东等地，可以通过加强区域联合的方式进一步降低碳排放量。北京、太原、石家庄、邯郸等高能源碳排放量城市被低能源碳排放量城市包围，这些城市可以通过邻近城市的辐射效应，加强地域合作的方式降低碳排放量。

2.4 “2+26”城市碳排放驱动因素分析

本文基于“2+26”城市2008—2018年的相关数据，利用LMDI模型从源头控制和过程控制两个方面分析能源碳排放驱动因素，其中源头控制包括人口规模(TP)、经济发展(EG)、产业结构(ES)3个驱动因子；过程控制包括能源效率(EE)、能源结构(CS)和煤炭清洁利用(TL)，分析结果见表3。表3中数据表示各影响因素对本市区能源碳排放变化的贡献度，即对能源碳排放作用的效用值。为了更加直观看出各影响因素对不同市区能源碳排放影响效用值，对表3数据进行进一步处理，计算各市区单因素贡献度与总效应的比值，绘制能源碳排放各驱动因素贡献率分布图(图4)，可以看出经济发展对碳排放的正向促进效用最为显著，能源利用效率对碳排放抑制效用最大。

表3 2008—2018年“2+26”城市能源碳排放影响因素分解(单位：万t)

图4 “2+26”城市能源碳排放影响因素贡献率分布

由表3可见，人口规模、经济发展和能源效率对“2+26”城市的能源碳排放起正向的促进作用，其中经济增长的驱动效力最为显著，达到45374.69万t；人口规模对该地区能源碳排放驱动效力次之，其贡献度为3088.06万t；能源效率的正向驱动效力最小，为508.79万t。产业结构、能源结构和煤炭清洁利用等影响因素均表现为减排作用，其中能源结构对能源碳排放的负向驱动作用最为显著，达到-8962.89万t；产业结构对京津冀及其周边地区的能源碳排放贡献度较为明显，为-6986.16万t，其次是煤炭清洁系数，贡献度为-246.72万t。

从“2+26”城市碳排放因素分解的结果来看，源头驱动是导致该地区能源碳排放增加的主要环节，而过程控制为该地区碳排放的主要抑制环节。具体来看，经济增长对“2+26”城市的能源碳排放均起到了促进作用，且总的正向驱动效力最大，其中北京、天津、石家庄、唐山等城市碳排放受经济发展因素促增作用明显，而廊坊、保定、鹤壁、濮阳等城市受经济发展驱动因子的影响较低。相比之下，人口规模对该地区正向驱动效力较弱，其对于大部分城市的碳排放具有促进作用，特别是对北京、天津、郑州、邯郸等较为发达的城市的促进作用更为明显，而对于晋城市起到了减排的作用，其主要原因是：晋城市在2008—2018年的人口增长较为缓慢，与京津冀及其周边地区的其他城市人口增量存在较大差距。从全国人口数量分布上看，京津冀及其周边地区人口密集，且二胎政策的放开可能会进一步促进该地区人口数量的增长。因此，从碳排放总量控制的角度来看，“2+26”城市未来应着重注意人口结构和人才比例的调整、自身素质的提高和环保意识的培养，加强政府调控的力度，引导居民绿色环保的生活方式。在源头控制中，产业结构在整体上表现为减排作用，且对北京、沧州、邢台、长治等市的减排作用最为显著，而对天津、石家庄、淄博、滨州、菏泽等市的碳排放则表现为正向的促进作用，其主要原因是在本研究期内该地区的经济发展较为缓慢，产业结构的调整对碳排放的影响不明显。

过程控制环节中大部分表现为减排效应，其中能源结构对能源碳排放的抑制作用显著，特别是对北京、天津、唐山、淄博等市的减排效力尤为显著，而对于沧州、衡水、邢台、滨州、菏泽等市表现出正向的促进作用。导致这种现象的原因有很多，主要包括“2+26”城市所处的区位不同、资源优势所导致的产业结构、煤炭消费比重差距较大、国家政策与市场需求变动等因素都会对当地能源结构产生影响。尽管近年我国实行了“煤改气”、“煤改电”等政策来从源头上实现煤炭消费的减量替代，但由于技术和资源等的限制和我国产业转型并不彻底，煤炭消费仍然占能源消费的最高比重，煤炭清洁利用是在过程控制中通过人为手段从根本上减少温室气体的方式。从表3中计算数据来看，煤炭清洁利用在一定程度上起到了减排作用，但效用并不明显。大部分城市受煤炭清洁技术改进的作用，碳排放量呈降低的趋势，尤其是对于济南、邢台等市减排效果最为明显，但仍有部分城市表现为能源碳排放促增作用，如石家庄、唐山等。这表明京津冀及其周边地区发展不均衡，煤炭清洁利用技术的普及存在差异化。综合来看，煤炭清洁利用对于能源碳排放减排作用存在很大的上升空间，应当加强该地区的交流与融合，加大科学技术在能源清洁高效利用上的应用，有效降低能源消耗强度。在过程控制环节中，能源效率对“2+26”城市的能源碳排放总体表现为促增作用，但相比之下促增效果并不明显。这种现象通常被称为碳排放的回弹效应，即技术的进步引起的碳排放效率提高与碳排放量之间的悖论现象。这主要是由于化石能源消费可能存在回弹效应[25]，而这种一次能源的消费正是二氧化碳产生的主要来源，进而导致了碳排放的回弹效应。在28个城市中，能源效率对超过半数的城市表现为减排作用，其中北京、天津、太原、淄博、济宁等市受能源效率影响而产生的减排作用尤为显著，而对于阳泉、长治、晋城、滨州等市，能源结构表现为能源碳排放的促增作用，即出现碳排放的回弹效应，这主要是由于这些地区的城市发展较晚、工业化进程较为缓慢、节能减排技术相对落后，形成了工业能源效率对碳减排的阻滞作用。

3 结论与建议

3.1 结论

本文以京津冀及其周边地区“2+26”城市为研究对象，利用统计图、空间渲染图、相关性分析图等分析了“2+26”城市碳排放的时空异质特征，并利用LMDI模型，从源头控制、过程控制等碳排放周期环节对该地区能源碳排放的驱动因素分解进行了分析，以求找到不同城市碳减排的差异化战略和实现的最优路径。主要结论为：①能源碳排放大部分呈现先增加后降低的趋势，但受政策、经济水平、产业结构等因素的影响，经济较为发达的城市多表现为能源碳排放持续减少的现象，而对经济相对落后的城市而言，碳排放则呈现逐次上升的趋势。②该地区能源碳排放水平差异化逐渐缩小，空间集聚程度有所增强。③“2+26”城市的能源碳排放受经济发展、产业结构、能源结构等因素的影响较为显著，而人口规模、能源效率、煤炭清洁利用对该地区碳排放的影响作用相对较小。④能源效率、人口规模、经济发展等源头控制因子对“2+26”城市的碳排放整体上表现为促增作用，其中，经济发展的促增作用最为显著。产业结构和能源结构、煤炭清洁利用等过程控制因子表现为减排作用，相比之下，能源结构对该地区的减排贡献度最大。

3.2 建议

本文根据“2+26”城市能源碳排放空间分布特征及驱动因素时空异质性，提出以下方面建议：①由于“2+26”城市能源碳排放的驱动因素存在异质性，因此该地区在减排工作的过程中应因地制宜，实行差异化政策，制定适应城市现状和未来发展路径的减排措施和减排标准。对于产业结构驱动型城市，应适当转变经济发展模式，加强科技和人才资源的引进，不断优化产业结构，如天津、唐山、淄博、济宁、德州等城市。对于能源结构主导型的城市，一方面应对煤炭消费总量进行合理控制，合理推进清洁能源替代工作；另一方面，要依靠科学技术不断提高煤炭清洁利用技术水平，政府应当适量投入更多的基金进行研发，加大此类技术的开发力度和应用范围，如沧州、邢台、济南、滨州、菏泽等城市。②人口和经济的增长都是地区发展的必然趋势，各地区应当结合本地区的资源优势和产业特点积极探索，寻求一条经济与生态协同发展的道路。一方面，可以从提高人口素质方面入手，加强政府引导，在全社会不断贯彻绿色生活、绿色消费的理念，实现在人口增长情况下二氧化碳的最低排放水平。对于北京、天津等人口密集的城市，应严格控制人口增长速度，加大对外来人员的管控力度，逐步消除人口膨胀对碳排放的影响，使得技术进步对碳减排的贡献逐步显现出来。另一方面，对于河北、山西等地部分高碳城市要加快产业结构的转型和升级，加快生产力的转变和替代，加大煤炭减量替代的力度，从根本上改变以一次能源消耗促进经济发展的模式。③“2+26”城市作为京津冀地区大气污染传输通道，应当逐渐转变“先污染后治理”的发展模式，在保持末端治理减排潜力挖掘的基础上，逐步发挥源头控制和过程控制环节的减排效力，即由依靠化石能源消耗转变为依靠科学技术的经济发展模式，优化产业结构，调整能源结构，加大新能源的研制与开发和煤炭清洁技术利用，加快二氧化碳的减排由末端治理向源头控制和过程控制的转变。