1 绪论
1.1 研究背景和问题提出
全球气候变暖是当前全球乃至人类社会面临的重要挑战之一，深刻影响着人类赖以生存的环境。世界气象组织报告有数据显示，2017 年相较于工业革命之前温升高达 1.1 °C；政府间气候变化委员会（Intergovernmental Panel on Climate Change, IPCC）在第五次气候评估报告中详细指出，在 1901~2010 年这一期间全球海平面上升速度持续加快对于人类生活环境带来了巨大的威胁。报告中进一步指出若温升幅度大于 2 °C，将会给全球环境带来不可挽回的灾难性后果。因此，应对全球气候变暖，加强全球气候治理，改善自身生存环境成为当今社会无法回避的议题。1992 年联合国大会通过《联合国气候变化框架公约》，对大气温室气体浓度路径进行限定，同时简要划分了发达国家和发展中国家的减排义务,而此公约被视为应对气候变化这一议题下国际合作进程的一个良好开端。在此框架下，从 1995 年德国柏林气候大会开始，国际社会每年都会就气候保护和减少碳排放等议题召开气候大会。2015 年 11 月联合国气候变化框架公约第 21 届缔约方会议在巴黎召开，大会通过了《巴黎协定》，确定了到本世纪末将全球平均升温幅度控制在 2 °C 水平，并争取将其限制在 1.5 °C，同时还提出在本世纪中叶实现全球温室气体净零排放的目标（以下简称“2 °C 温升目标”）（UNFCCC, 2015）。而这一协定早已在 2016 年 12 月份开始生效。为这一目标的尽早实现，各国秉持共同但有区别的原则，提交了各国 INDCs，标志着全球气候治理进程进入了新的发展阶段。在下表 1.1 中本文着重展现了 G20 国家的 INDCs 值得注意的是，它放弃了先前由《京都议定书》采用的“自上而下”的责任分配思路，采用了“自下而上”的责任申报思路，并为各主权个体制定其国家自主贡献留有足够的空间。从表 1.1 中可以发现，各国的减排目标类型主要有两种，分别为碳排放量和二氧碳排放强度，且减排程度、减排参照量都各不相同，充分了说明各国在自主减排目标有较大的主动权，是根据自身减排能力提出的切实可行的减排目标。
..........................
1.2 研究意义
1.2.1 理论意义
首先，巴黎协定的达成充分表明气候治理模式由各自为战走向合作共赢，这一方面大大提升了世界各国参与的深度和广度，另一方面也给中国等发展中大国带来了更多的机遇与挑战。中国是否能在 2030 年前实现碳排放达峰不仅直接关系到其兑现 INDCs，对于其他发展中国家积极应对气候变化也具有重要影响。目前，关于中国二氧化碳峰值到来的探讨已经引起了学者们广泛的关注。大部分研究表明，中国能够 2030 年达到峰值，并且极有可能是在 2025~2030 年达到峰值。受到碳排放影响因素复杂多样和情景模型多样性的影响，研究结果具有较大的不确定性。来源于不同层面的达峰时间和峰值量仍缺进一步的详细讨论和比较，较多研究没有考虑到区域差异性，也无法从省区这一政策执行和操作层面来评估和配合中国 2030 年目标的达成。因此本文致力于从自下而上的研究视角来将中国2030 达峰目标分解到每一个省，试图得出中国二氧化碳达峰时间区间并得出中国完成2030年目标下的最优达峰路径以及评判出中国在2030 年之前达到峰值的概率大小，给全国和不同省区级政府提供不同的减排路径参考，明确和优化碳排放权配置效率，方便进行下一步的气候分区治理。
1.2.2 实践意义
气候治理是当今最为重要的全球环境治理议题，巴黎协定也作为全球最为重要的公共政策和公共协议之一，有效地传递出全球有强烈的意愿推动实现可持续发展的信号。有效有力地应对气候变化，是我国进行生态文明建设、构建美丽中国和实现可持续发展的内在要求，也是中国深度参与全球治理、着力贡献应对全球气候变化的中国智慧和中国方案的提现。作为全球气候治理的重要参与者、贡献者和引领者，中国提出并致力于实现 INDCs 目标。实现中国自身提出的 INDCs目标，需要对达峰路径进行探索，落实各省区主体责任，科学合理评估中国达峰时间能否在 2030 年之前，构建共同但有区别的协同减排路径。
............................
2 研究方法和数据
2.1 中国及其各省区能源碳排放核算
中国各省区碳排放大多都来自于能源消费产生的二氧化碳气体，而能源消费活动的二氧化碳气体排放则主要来源于化石能源的燃烧。基于此，运用碳排放系数法核算区域碳排放核算的方法主要有三种，第一种为运用 IPCC 估计的系数来进行核算，此种方法在碳排放核算中运用较多；第二种运用中国国家发改委能源研究所估计的碳排放系数进行核算；第三种运用的是多种来源的碳排放系数进行加权平均后进行核算。崔琦等（2016）对于三种系数法进行了描述性统计分析，运用第一种方法也就是 IPCC 系数来进行核算的文章比例远远高于 90%，且运用Meta 回归后发现，运用国家发改委能源研究所的碳排放系数以及运用加权平均后的碳排放系数进行核算的碳排放量要少于实际排放量，相对来讲，运用 IPCC系数进行核算的方法更为准确。
在中国作为整体进行回归时，结果显示发现岭回归并不能够有很好的回归效果，因此本文尝试了其他方法。自回归分布滞后模型（Auto-regression Distribute Lag, ADRL）由 Charemza 等于 1997 年提出，主要适用于时间序列数据分析，以判断变量间关系的性质，长期稳定或者是短期相关，在协整关系存在的前提下，ARDL 模型可以用来统计推断。蒙特卡洛实验证明，相较于其他单方程协整方法，ADRL 模型有独特优点，该方法可以有效解决解释变量内生带来的估计偏误，且适用于小样本的情形；Engle、Granger 和 Johansen 等传统检验要求时间序列必须是同阶单整，而 ARDL 不要求数据严格单整，从而解决了协整检验可能遇到的预检验问题；除此之外，该方法可以同时估计变量间的长期关系以及短期关系。
................................
2.2碳排放峰值预测
2.2.1 情景分析
每个省的潜在长期碳排放量对未来一系列社会经济因素的变化极为敏感。本文尝试利用情景分析来捕获那些可能的排放路径。在这里，本文确定了三种情况：低速，基准（Business as usual, BAU）和高速，每种情况汇总到四个时间段，即2016~2020 年，2021~2025 年，2026~2030 年和 2030 年后。在 BAU 情景中，根据各省的“十三五”规划确定 2016~2020 年期间因素的年变化率，大多数因素的趋势略有下降。与 BAU 方案相比，在高速和低速方案下，因素的年变化率分别设置为较高或较低。本文将详细以重庆为例来进行三种情况的具体说明。人口因素两项指标也就是指总人口数以及城镇化率的设置主要根据《重庆市人民政府办公厅关于印发重庆市卫生计生发展“十三五”规划的通知》，到 2020 年，全市常住人口城镇化率将达到 65%，人口自然增长率预期增长为 3.62‰，最高不能高于6.5‰。而重庆市过去 5 年的人口年均增长率约为 9‰，过去 8 年的人口年均增长率为 7‰左右。考虑到人口未来变化路径必然是持续增长到一个峰值后下降的，现在人口增长动力还比较强劲，根据此本文进行设置，下文详细讲述的具体如何设置这三种情景。
经济方面因素主要是指产业结构与人均 GDP 的情景设置主要依据为：经济增长自然发展规律。我国自从进入改革开放，尤其是社会主义市场经济机制不断完善，经济持续高速增长，进入“新常态”时期以来，经济增长速度放缓。重庆市在 2010 年已实现人均 GDP 达到 27000 元一人，在 2015 年已达到 52330 元每人，年均增长速度高达 11.8%。根据《重庆市国民经济和社会发展第十三个五年规划纲要》 ，2015~2020 年地区生产总值年均增速 9%，常住人均可支配收入年均增速 9.5%。但考虑到重庆市人口还属于快速增长期，人均 GDP 增速设置的略低于 2010~2015 年增长速度。在“十三五”规划中，第三产业比重将从 2015 年的 47.7%上升至 50%。“十二五”期间第二产业年均增长率约为-2.85%，由于边际效应，未来工业占比的下降速度将会放缓，因此产业结构的情景设置基础情景下将会保持现有下降速度，低速情景下产业结构下降速度将比基准情景略低。
............................
3 中国碳排放达峰路径分析............................. 30
3.1 中国碳排放时空变化特征.............................. 30
3.2 中国碳排放经济社会驱动因素......................... 33
4 中外达峰研究比较............................... 50
4.1 省区层面达峰研究结果比较.......................... 50
4.2 国家层面达峰研究结果比较......................... 51
5 结论与政策建议................................. 54
5.1 主要结论..................................... 54
5.2 政策建议............................. 55
4 达峰研究比较
4.1 省区层面达峰研究结果比较
中国 30 省的排放路径的预测，尤其是峰值排放的预测，已成为人们日益关注的领域。下图 3.12 提供了本文分析结果与现有的一些研究的比较，这些研究分别预测了吉林、山东、浙江、重庆、上海、陕西、江苏这七个省区的峰值时间。从山东，山西和甘肃的达峰时间比较中可以看出，本文得出的研究结果估计与其他研究得出估计基本一致。至于其他四个省（吉林，浙江，重庆，上海），本篇研究的结果相较于以往的研究结果更乐观一点，意味着本篇研究结果发现这四个省市达到峰值的时间要早于之前研究得出的达峰时间。本篇研究的估计与其他研究的估计之间存在较为明显的差距的省市是上海和重庆，本篇研究认为，上海和重庆峰值到来的最早时间分别是 2019 年和 2022 年。由于越来越多的证据表明中国将在 2030 年之前达到其排放峰值（Gallagher 等，2019; Mi 等，2017; Yu 等，2018），而且一些发达省区有望在 2020 年达到排放峰值（国务院发展改革委员会，2015），这两年似乎比 Liu 等（2018）和 Li 等（2011）分别对于上海和重庆预测的达峰时间在 2027 年和 2032 年更为合理。除此之外，通过进一步比较分析，发现产生这种差异的主要原因是，本文中使用了组合了不同因素来扩展不同省区的STIRPAT 模型，并应用了岭回归，但是其他一些对于单个省区的研究则大多使用了与本文方法较为不同的回归方法和回归模型。例如，对浙江和江苏的研究使用的是根据马尔可夫模型和从 Geb-Douglas 生产函数变形的模型进行预测。但是，关于浙江和江苏的结果与能源的使用紧密相关，在模型的影响因素的选取中与诸如工业结构和城市化等经济增长因素考虑较少。
.............................
5 结论与政策建议
5.1 主要结论
考虑到环境治理的需要，中国在巴黎协定中做出了两大重要承诺，碳强度目标拥有明确的绝对量减排目标，实施此目标的针对性更强，而达峰目标更多是一个概念性的承诺，完成此目标尚且不易，需要全国 30 个省区进行配合执行。本文从理论层面上，创新地使用自下而上的视角来看这一目标是否能够达成；从实践层面上，本文从省区到全国，构建了一个综合的分析框架，考虑到各省存在严重的异质性和区域差异性，秉持着“共同但有区别”的原则识别了每一个省份最优路径。因此，在首先考虑中国 30 个省的能源相关碳排放量的基础上，本研究开发了一套扩展的 STIRPAT 模型，这些模型利用时间序列数据，来探究碳排放量变化背后的驱动因素，预测不同情景下的排放路径并确定碳排放量。根据各省的最佳峰值路径，最后采取自下而上的方法来探索中国是否以及何时达到排放峰值，根据达峰区间，运用蒙特卡洛分析来预测分析了中国作为整体层面2028~2040 年碳排放情况和达峰的概率。研究分析表明，对于那些累积碳排放量估计相当大的省区，最早达到峰值的情况可能不是最佳选择，并且峰值时间和相应的累积排放量在确定最佳峰值路径时应具有相同的重要性。各省的总体结果明确表明，中国将在 2028 年~2040 年达到峰值排放，最好是在 2030 年达到中国的碳排放量伴随着最低累积碳排放量，最有可能在 2032 年达到碳排放峰值。因此，本文主要有以下几点重要发现：（1）我国各省区碳排放差异较大，排放大多集中在华北地区，其中环渤海地区集中更为明显。中西部地区碳排放量相较于东部地区小，且中部地区各省区碳排放量差异较小；（2）在所有三种情景中，12 个省区均可在 2030 年之前达到峰值；5 个省区可能在 2030 年之前能够达到峰值； 9个省区可能在 2031~2045 年之间达到峰值； 在 2045 年之前，4 个省区在任何一种情景下都无法达峰值。省级总体结果明确显示，中国将在 2028~2040 年间达峰排放，最优路径在 2030 年，可以实现累计排放量最低；（3）经研究发现，如果一昧追求达峰时间尽早到来，有可能会增加累积碳排放量增加的风险。
参考文献（略）