典型城市减污降碳协同控制潜力评价研究：以渭南市为例

王 力，冯相昭，马 彤，高 健

1. 中国人民大学环境学院，北京 100872

2. 生态环境部环境与经济政策研究中心，北京 100029

3. 中国环境科学研究院，北京 100012

目前，我国生态环境保护工作同时面临着国内环境质量改善、全球气候变化应对等多重任务的严峻挑战，我国大气污染重点区域的绝大多数城市均面临着减污降碳的双重压力，渭南市也不例外. 渭南市地处汾渭平原，化石燃料在能源结构占主导，渭南市能源消费以煤炭和石油为主且产业结构偏重，交通运输结构依靠公路交通，根据《渭南市2019年统计年鉴》和生态环境部机动车排污监控中心2018年机动车数据测算，渭南市移动源能源消费量约占全社会能源消费总量的10%. 其中，客运交通和货运交通能源消费量占比分别为55.4%和44.6%. 另外，从移动源能源消费品种看，汽油消费占比为50.6%，柴油占比44%，较为清洁的天然气燃料仅占1.3%. 经济发展是能源消费需求持续攀升的主要驱动力，进入“十三五”时期，经济增速有所放缓，经济增长因素的驱动作用有所减弱. 渭南市的大气污染防治形势一直以来面临严峻挑战，特别是PM2.5、PM10和NOx等主要污染物减排压力较大. 虽然，近年来渭南市通过积极推进大气污染治理工作，PM2.5浓度有所下降，但环境空气质量改善成果还不稳固. 在碳达峰碳中和的宏观形势下，渭南市作为资源型城市，低碳发展转型的需求也愈发迫切. 所以，在渭南市开展减污降碳协同控制研究对于城市实现大气环境质量达标与低碳转型发展具有重要的现实意义.

基于此，该研究以分析渭南市社会经济发展现状及能源供需结构特征为出发点，采用相关分解方法评价能源消费与经济增长的关系，识别影响城市能源消费与碳排放、污染物排放增加的主要驱动因素，运用能源技术模型构建多种情景模拟分析污染减排、能源结构改善及产业结构调整等政策对渭南市大气污染物与CO2排放趋势的影响，旨在探讨渭南市减污降碳协同控制潜力，探索碳达峰路径，提出促进渭南市绿色低碳协同发展的对策建议.

目前，多数研究采用因素分解方法评价分析经济增长与能源消费之间的关系，其中指数分解分析法(index decomposition analysis, IDA)是常用的分析影响因素的方法，可分为Laspeyres分解法(拉氏分解法)和Divisia分解法(迪氏分解法). Laspeyres 和Divisia 分解法均存在分解剩余项问题，而Laspeyres分解法中的残差项不应被忽略，主要原因是较大的残差项会对分析结果有所影响. Divisia分解法是法国学者Divisia[1]在1925年构建Divisia指数的基础上，由Reitler等[2-3]发展起来的一种因素分解分析方法，之后Liu等[4-6]从不同角度对该分解分析法进行完善. Divisia分解法具有满足因素可逆的特点，从而消除残差项，克服了对残差项分解不当的缺点，使结果分解模型更具说服力[7-8]. 对数平均Divisia指数(logarithmic mean divisia index, LMDI)分解法被广泛用于能源消费与碳排放变化内因及作用强度等方面的研究. 梁启迪等[9]运用LMDI分解法对唐山市能源消费、碳排放因素进行分解分析，为唐山市绿色低碳发展转型提出建议. 陈敏等[10]采用LMDI分解模型解析了成渝地区工业大气污染物排放的时空演化格局. 沈文涛[11]运用LMDI分解法分析了辽宁省1997−2015年终端能源消费变动的驱动因素. 冯相昭等[12]通过对我国历年碳排放分析发现，经济和人口增长对碳排放起促进作用，而能源结构调整则会抑制CO2排放. Colinet等[13]利用LMDI分解法研究了2003−2012年安达卢西亚能源消耗变化情况，发现结构效应变动对能源消费降低起促进作用. 王莉叶等[14]对兰州市工业能源消费碳排放影响因素进行分解，并基于相关减排情景提出了对策建议.

就能源需求与排放情景模拟而言，国内外研究者多采用自下而上的能源技术模型，如LEAP模型、TIMES模型和MARKAL模型[15-19]. 其中LEAP模型在能源需求预测、政策评估等方面得到广泛使用. 在重点行业节能减排方面，李新等[20]对钢铁行业中长期减排潜力进行了情景分析；刘惠等[21]基于LEAP模型对城市和农村居民生活碳排放开展模拟研究；冯相昭等[22-24]运用LEAP模型模拟分析了交通领域能源消费与温室气体排放趋势变化，进而提出促进交通绿色低碳发展的对策建议. 王涵等[25]提出仅依靠命令控制型手段为主的大气污染物治理措施将不足以实现减污降碳协同目标. 除针对不同领域外，省市层面也有不少学者开展能源消费与碳排放研究. 如王春春等[26-29]利用LEAP模型对福建省、河北省、山东省和浙江省的能源消费及CO2排放变化进行了情景分析；邓明翔等[30]基于LEAP模型通过设定经济技术情景方案评估了云南省2012−2050年供给侧结构性改革对产业碳排放及碳强度的影响；贾彦鹏等[31]利用LEAP模型预测了基准情景和节能低碳情景下景德镇市能源需求和CO2排放变化.

目前，利用LEAP模型开展城市层面污染物与温室气体协同减排研究较为鲜见，综合运用因素分解方法与能源技术模型开展城市减污降碳协同控制的量化分析非常有限. 该研究创新采用LMDI方法对渭南市2011−2018年能源消费年际变化开展结构分解，识别影响渭南市能源消费与碳排放、污染物排放的主要驱动因素，基于驱动排放增加的人口、GDP、产业结构等社会经济因素开展终端用能部门需求预测，以需求预测结果作为外生变量输入到LEAP模型，运用LEAP模型综合考虑多种政策措施构建不同减排情景，对渭南市减污降碳协同减排潜力进行模拟分析，并结合碳达峰碳中和新形势预测了该市的碳达峰时间及峰值水平，以期为渭南市经济社会发展全面绿色转型提供技术支撑和决策参考.

1 研究方法及数据来源

1.1 模型构建与数据来源

1.1.1 LMDI分解方法

一个国家或地区的能源消费可根据Kaya公式进行分解，计算公式：

式中：E为能源消费量，104t (以标准煤计)；P为人口数量，人；GDP表示地区生产总值，元；表示人均收入水平，104元/人；i表示三次产业，即第一产业、第二产业和第三产业；表示i产业增加值在GDP中的占比；表示i产业万元增加值的能源消费强度.

能源消费变化(∆E)可以用报告期减去基期得到，计算公式：

式中，Et和E0分别为第t期和基期的能源消费量，104t (以标准煤计).

对上式进行LMDI加法分解：

式中： ∆EP为人口效应； ∆EGP为 经济增长效应； ∆ES为产业结构效应；∆EEI为能源强度效应；j为能源类型，如煤炭、石油、天然气和电力等.

该研究数据主要来源于渭南市2010−2019年统计年鉴、大气污染物排放清单以及地方管理部门实地调研等.

1.1.2 LEAP模型

该研究根据2018年可获取分品种能源统计数据的客观实际，以2018年为基年，结合渭南市大气环境质量改善目标和碳达峰要求，以降碳为重点战略方向，基于社会经济发展趋势判断和终端用能部门需求预测，综合考虑污染减排、能源结构改善、产业结构调整、运输结构变化等政策措施和技术选项，构建基准(BAU)情景、污染减排(APC)情景、能源结构优化(ESI)情景和绿色低碳发展(GLC)情景，分析渭南市2019−2035年在不同情景下能源消费水平、主要污染物排放以及CO2协同减排情况.

BAU情景下，假设没有新的污染减排政策措施出台，能源结构与能效水平保持在基年水平；APC情景下，不同行业采用淘汰落后产能、污染物排放标准升级等措施加强环境治理；ESI情景下，固定源方面主要考虑的政策措施包括能耗强度下降目标约束、能源消费结构改善以及清洁供暖等措施，移动源方面主要分析老旧汽车替代、新能源汽车推广、替代燃料(LNG和氢燃料)发展、燃油经济性标准升级等，生活源主要考虑用能结构改善和能效提高等措施，电力生产方面则主要考虑风电、光伏、水电等可再生能源发展政策等；GLC情景旨在推动绿色低碳协同发展，所以综合考虑了APC和ESI的情景设置，同时兼顾了产业结构调整措施. 具体设置如表1所示.

表1 情景设置Table 1 Scenario settings

1.2 社会经济参数预测

经济发展、人口增长和产业结构等社会经济因素是LEAP模型的重要外生变量参数，该研究依据《中华人民共和国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》提出的到2035年GDP在2020年基础上翻一番的目标要求，结合渭南市实际，作如下假设：

a) 2000−2018年渭南市人口年均增长率为0.18%，其中2017年、2018年人口出现负增长. 该研究假设2019−2025年、2026−2030年、2031−2035年人口年均增长率分别为0.17%、0.16%、0.15%.

b) “十三五”期间，渭南市GDP年增长率回落至10%以内，其中2016−2019年GDP增长率分别为8.5%、7.5%、8.3%和4.2%. 2020年由于新冠肺炎疫情影响，GDP增长进一步放缓. 根据《渭南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》，该研究假设“十四五”“十五五”“十六五”时期渭南市GDP年均增长率分别为6.5%、5.9%和5.2%，到2035年渭南市人均GDP从2020年的3.11×104元增至6.22×104元(2018年不变价格).

c)在绿色低碳发展的宏观背景下，产业结构将会进一步优化调整，该研究假定到2035年第二、三产业占比分别为32%和45.4%. 由于第二产业内部结构优化调整，六大高耗能行业（化学原料及化学制品制造业，非金属矿物制品业，黑色金属冶炼及压延加工业，有色金属冶炼及压延加工业，石油加工炼焦及核燃料加工业，电力热力的生产和供应业）在第二产业增加值占比有所下降，其他制造业（包含战略新兴产业）占比上升.

2 结果与讨论

2.1 能源消费影响因素分解分析

从能源消费年际变化影响因素分解结果(见图1)来看，经济增长效应均为正值，说明经济发展是能源消费需求持续攀升的主要驱动力，进入“十三五”时期，经济增速有所放缓，经济增长因素的驱动作用相应减弱. 人口增长也是影响能源消费持续增加的主要因素(除2018年外，因2018年渭南市常住人口较2017年有所减少，所以2017−2018年人口效应为负值). 除2017年外，产业结构效应均为负值，说明以供给侧结构性改革为主要内容的产业结构调整政策有效抑制了渭南市能源消费的快速增长，这主要与第二产业占GDP比重下降、第三产业占GDP比重增加有关，其中第二产业占GDP比重从2011年的53%降至2018年的42%，第三产业占GDP比重从2011年的31.4%升至2018年的41.2%. 2017年产业结构效应为正值，主要是因为当年第二产业能源消费强度较2016年上升了0.7个百分点. 能源强度效应自“十二五”以来基本为负值，说明能源消费强度下降在很大程度上减缓了渭南市能源消费总量的增长. 得益于能源消费总量和强度“双控”工作的开展，渭南市能源消费强度由2011年的1.535 t (以标煤计，下同)/(104元)降至2018年的1.131 t/(104元)，累积下降26.3%. 但是，能源消费强度效应在个别年份(如2015年和2016年)出现正值，并未对能源消费总量增长发挥抑制作用，这主要与第二产业能源消费强度未实现持续下降有关，如2015年第二产业能源消费强度由2014年的2.126 t/(104元)反弹至2.382 t/(104元)，2016年第二产业能源消费强度继续反弹，升至2.436 t/(104元).

图1 2011—2018年渭南市能源消费年际变化影响因素分解Fig.1 Decomposition of influencing factors towards annual changes in energy consumption in Weinan City from 2011 to 2018

2.2 LEAP模型模拟分析

2.2.1 能源消费

由图2可见：在BAU情景下，由于没有新的政策驱动和节能减排约束，渭南市能源消费呈现持续快速增长态势，2025年和2035年能源消费总量分别为2 039×104和2 973×104t，分别为2018年的1.34和1.96倍；在APC情景下，2025年和2035年能源消费总量分别为1 940×104和2 699×104t，与基准情景相比分别减少了98×104和274×104t；在ESI情景下，该市能源消费将进一步减少，2025年和2035年能源消费总量分别为1 827×104和2 319×104t，与基准情景相比分别减少了211×104和654×104t；在GLC情景下，渭南市能源需求增速显著放缓，2025年和2035年能源消费总量分别为1 709×104和1 866×104t，分别为2018年的1.12和1.34倍.

图2 不同情景下渭南市能源消费趋势Fig.2 Trend of energy consumption under different scenarios in Weinan City

从能源消费结构看，煤炭、石油和天然气等化石燃料在渭南市仍将主导终端能源消费结构. 在GLC情景下，2035年化石燃料仍占全社会用能的69.9%，低于BAU情景(78.5%)、APC情景(71.5%)和ESI情景(71.7%). 从部门结构来看，第二产业是渭南市能源消费的主要贡献者，特别是工业部门. 2018年，第二产业部门能源消费约占渭南市终端能源消费总量的65.5%，其中六大高耗能行业的能源消耗占比约95.6%. 在ESI和GLC情景下，由于能源结构改善、能效提升以及产业结构调整等政策驱动，第二产业内部高耗能部门的能源消费占比呈下降趋势，特别是在GLC情景下，到2035年六大高耗能行业的能源消耗占比将减至89%.

2.2.2 PM2.5排放情况

由图3可见，在BAU情景下，由于渭南市能源需求持续快速增长，能源结构偏重，所以PM2.5排放量增长迅速，2035年将达17 031 t，是2018年的1.62倍. 由于渭南市压减高耗能产能、散乱污整治、工业炉窑治理、淘汰老旧汽车、散煤治理等减排政策的实施，PM2.5排放量增势将在一定程度上受到抑制，所以在APC情景下，2025年、2030年和2035年渭南市PM2.5排放量分别为10 794、11 207和11 589 t，与BAU情景相比分别减排1 966、3 560和5 443 t. 需要强调的是，在APC情景下，到2020年需要在化工、建材(砖瓦和石灰石)、其他制造业拆除35蒸吨以下燃煤锅炉，新增65 t以上燃煤锅炉. 在ESI和GLC情景下，通过能源结构、产业结构和交通运输结构等方面的优化调整，该市2035年PM2.5排放量将分别降至7 990和6 006 t，较BAU情景分别减排9 041和11 025 t.

图3 不同情景下渭南市PM2.5排放趋势Fig.3 Trend of PM2.5 emissions under different scenarios in Weinan City

2.2.3 NOx排放情况

由图4可见，在BAU情景下，渭南市NOx排放量增长迅速，2035年将达33 199 t，是2018年的1.95倍. 通过实施压减高耗能产能、工业炉窑治理、淘汰老旧汽车、散煤治理等污染防治政策，NOx排放量增势将受到抑制，因此在APC情景下，2025年和2035年渭南市NOx排放量分别为18 081和20 283 t，与BAU情景相比分别减排4 867和12 916 t. 在ESI和GLC情景下，通过能源结构、产业结构和交通运输结构等方面的优化调整，该市2035年NOx排放量将分别降至16 748和13 377 t，即较基准情景分别减排16 451和19 822 t.

图4 不同情景下渭南市NOx排放趋势Fig.4 Trend of NOx emissions under different scenarios in Weinan City

2.2.4 CO2排放情况

由于大气污染物与CO2在多数情况下具有同根同源排放的特征，所以能源结构、产业结构以及运输结构调整的各项措施具有协同减少CO2的效果. 由图5可见，在BAU情景下，渭南市能源需求持续快速增长，能源结构偏重，CO2排放量呈迅速增长态势，2035年CO2排放量将达到6 010×104t，是2018年的1.96倍. 由于渭南市压减高耗能产能、散乱污整治、工业炉窑治理、淘汰老旧汽车以及散煤治理等减排政策的实施，CO2排放量增长态势将在一定程度上受到抑制，所以在APC情景下，2035年渭南市CO2排放量为4 943×104t，与BAU情景相比，减排了1 067×104t. 在ESI和GLC情景下，通过能源结构、产业结构和交通运输结构等方面的优化调整，该市2035年CO2排放量将分别降至4 236×104和3 282×104t，较BAU情景分别减排1 774×104和2 728×104t. 需要特别强调的是，在GLC情景下，渭南市CO2排放量到2029年达峰，峰值为3 406×104t.

图5 不同情景下渭南市CO2排放趋势Fig.5 Trend of CO2 emissions under different scenarios in Weinan City

2.2.5 减污降碳协同控制潜力分析

从模拟结果看，3种减排情景所考虑的结构减排、能源改善、产业结构调整等政策措施与技术选项均具有协同控制SO2、NOx、PM2.5、VOCs等常规污染物与CO2的效果. 以PM2.5减排为例，与BAU情景相比，3种减排情景下PM2.5减排效果明显(见图6). 在GLC情景下，2025年、2030年和2035年PM2.5可分别减排4 460、7 462和11 025 t. 第二产业是PM2.5排放大户，其内部减排潜力最大的4个部门分别为非金属矿物制品业，化学原料及化学制品制造业，石油加工炼焦及核燃料加工业，电力热力生产和供应业，以2035年GLC情景为例，这4个行业的PM2.5减排量分别占第二产业PM2.5减排总量的60.6%、30.1%、4.8%和1.6%(见图7).

图6 不同情景下PM2.5减排潜力Fig.6 Potential of PM2.5 emissions reduction under different scenarios in Weinan City

图7 2035年第二产业PM2.5减排潜力Fig.7 Potential of PM2.5 emissions reduction in secondary sector by 2035

就CO2减排而言，与BAU情景相比，3种减排情景的CO2减排效果均较明显(见图8)，特别是在GLC情景下，由于在能源结构、产业结构和交通运输结构等调整优化方面的措施形成合力，减排潜力最大，以2035年为例，可减少CO2排放2 728×104t，是2018年渭南市CO2排放总量的89%. 第二产业是CO2排放大户，其内部减排潜力最大的5个部门分别为化学原料及化学制品制造业，电力热力生产和供应业，非金属矿物制品业，黑色金属冶炼及压延加工业，石油加工炼焦及核燃料加工业，以2035年GLC情景为例，这5个高耗能行业的减排量分别占第二产业CO2减排总量的53.6%、31.9%、4.7%、3%和1.1%.

图8 不同情景下CO2减排潜力Fig.8 Potential of CO2 emissions reduction under different scenarios in Weinan City

3 结论与建议

能源结构改善、产业结构优化、交通运输调整具有显著的污染物与温室气体协同减排效果，而压减落后产能、工业炉窑改造、工业污染物排放标准升级等传统环境治理措施的潜力逐渐减小. 3种减排情景下，仅有包含能源结构、产业结构和交通运输结构深度优化调整的绿色低碳(GLC)情景才能确保渭南市在2030年前实现碳达峰，而这种情景下大气污染物协同减排的效果最为显著.

在当前能源“双控”目标和碳强度目标约束强化的宏观形势下，渭南市作为汾渭平原典型资源型城市之一，应以降碳作为源头治理的“牛鼻子”，倒逼能源、产业、交通结构绿色低碳转型和生态环境质量协同改善，牵引经济社会发展全面绿色转型. 为推动渭南市绿色低碳发展，实现减污降碳协同效应，提出如下对策建议.

a)积极推进产业结构优化升级. 实施传统产业绿色化升级改造，新建大气污染物排放项目实行区域内现役源2倍削减量替代. 制定项目准入负面清单，明确禁止和限制发展的行业、生产工艺和产业目录. 以化工、火电、水泥、黑色冶炼等高耗能行业为重点，全面实施能效提升、清洁生产、强化治污、循环利用等专项技术改造.

b)着力改善能源结构. 利用风电、光伏等资源优势，加快发展风电、光伏装机建设. 把煤炭消费总量和强度目标作为经济社会发展重要约束性指标，推动形成经济转型升级的倒逼机制. 由于综合运用能源结构、产业结构和交通运输结构等调整优化措施，节能潜力最大，以2035年为例，可实现967×104t的节能量，相当于2018年渭南市能源消费总量的64%. 加强重点行业能效管理，推动重点企业能源管理体系建设，提高用能设备能效水平，严格控制火电、化工、钢铁、水泥等重点行业等高耗能行业产品能耗标准.

c)加快推进交通运输结构优化. 鼓励清洁能源车辆的推广使用. 加快城市充电桩等新能源车充电基础设施建设，大力推广和普及电动汽车. 加快推进公交、出租类车辆开展新能源车更新、置换. 开展以公路运输为主的货运交通结构调整，推进钢铁、电力等重点工业企业和工业园区货物由公路运输转向铁路运输，逐步提高大宗货物铁路货运比例.