资源与产业 ›› 2023, Vol. 25 ›› Issue (1): 1-13.DOI: 10.13776/j.cnki.resourcesindustries.20220715.001
• 非主题来稿选登 • 下一篇
朱智洺,桂梦婷,李红艳
收稿日期:
2022-03-07
修回日期:
2022-05-19
出版日期:
2023-02-20
发布日期:
2023-02-09
通讯作者:
桂梦婷,硕士生,主要从事应用经济学研究。Email:3352719265@qq.com
作者简介:
朱智洺,副教授,主要从事环境经济学和国际经济学研究。Email:zhimingzhu@126.com
基金资助:
江苏省社科应用研究精品工程项目(21SYB-077)。
FORECAST OF JIANGSU'S CARBON BALANCE POTENTIAL UNDER “DUAL CARBON” OBJECTIVES
ZHU Zhiming, GUI Mengting, LI Hongyan
(Business School, Hohai University, Nanjing 211100, China)
Received:
2022-03-07
Revised:
2022-05-19
Online:
2023-02-20
Published:
2023-02-09
摘要:
核算江苏省碳排放与碳吸收量,预测其未来碳平衡潜力,为推进我国“2030碳达峰、2060碳中和”战略目标及落实全国生态文明建设提供参考。从省级层面选取江苏省为研究对象,建立碳平衡潜力预测指标体系,根据1996—2019年碳排放量核算数据,在碳排放影响因素LMDI分解的基础上,构建改进的STIRPAT模型并设置9大情景,分别预测2020—2060年江苏省碳排放量。同时引入灰色GM(1,1)模型预测江苏省未来生态碳吸收量,根据预测结果,分析其2004—2060年碳平衡变化趋势。结果显示:1)江苏省碳排放增长迅速,人口规模、人均收入及能源结构是主要增碳因素,能源强度及碳排放强度是重要抑碳因素,根据STIRPAT模型预测结果,可将9种情景按碳达峰量及碳达峰时间分为高碳-高增长、中碳-中增长及低碳-低增长三大组合,其中低碳—低增长组合的最优情景3可实现2029年最早碳达峰,峰值为33 003.86万tCO2,2060年碳排放将下降至24 274.19万tCO2;2)碳吸收量预测将缓慢增长,于2053年突破3 000万tCO2的吸收量,2060年碳吸收量将达3 095.584万tCO2;3)江苏省未来实现碳平衡将存在时间滞后危机,碳平衡缺口预测将在2029年达到30 286.03万tCO2峰值,2060年下降至21 178.60万tCO2,碳平衡压力指数将从2025年的最大值12.16下降至2060年的7.84,需承担较大减排压力。由此可知,江苏省生态吸碳能力有限,即使按最优情景3预测分析,未来实现碳平衡依然面临严重挑战。据此,从碳排放、碳吸收与碳平衡3个方面提出相关政策建议,即调整能源高碳结构,加强绿色科技创新,降低碳排放量;积极推进绿地化建设,保护自然环境系统,增强生碳吸收能力;协同发展绿色减排与技术固碳,缩小碳失衡缺口,减轻碳平衡压力等,助力实现我国2060碳中和。
中图分类号:
朱智洺, 桂梦婷, 李红艳. “双碳”目标下江苏省碳平衡潜力预测研究[J]. 资源与产业, 2023, 25(1): 1-13.
ZHU Zhiming, GUI Mengting, LI Hongyan.
FORECAST OF JIANGSU'S CARBON BALANCE POTENTIAL UNDER “DUAL CARBON” OBJECTIVES [J]. Resources & Industries, 2023, 25(1): 1-13.
陈绍民, 杨硕欢, 张保成, 等, 2021. 不同水肥条件下夏玉米/冬小麦农田生态系统碳平衡研究[J]. 农业机械学报, 52(5): 229-238. 〔CHEN S M, YANG S H, ZHANG B C, et al, 2021. Carbon balance in summer maize/winter wheat farmland ecosystem under different water and fertilizer conditions[J]. Transactions of the Chinese Society for Agricultural Machinery, 52(5): 229-238.〕 段晓男, 王效科, 逯非, 等, 2008. 中国湿地生态系统固碳现状和潜力[J]. 生态学报(2): 463-469. 〔DUAN X N, WANG X K, LU F, et al, 2008. Carbon sequestration and its potential by wetland ecosystems in China[J]. Acta Ecologica Sinica(2): 463-469.〕 高新伟, 朱源, 2020. 科研投入抑制碳排放了吗?: 基于LMDI模型和STIRPAT模型的碳排放影响因素分析[J]. 资源与产业, 22(6): 37-45. 〔GAO X W, ZHU Y, 2020. Do research inputs constrain carbon emission from carbon emission factors based on LMDI model and STIRPAT model?[J]. Resources & Industries, 22(6): 37-45.〕 高扬, 王朔月, 陆瑶, 等, 2022. 区域陆-水-气碳收支与碳平衡关键过程对地球系统碳中和的意义[J]. 中国科学(地球科学), 52(5): 832-841. 顾阿伦, 吕志强, 2016. 经济结构变动对中国碳排放影响: 基于IO-SDA方法的分析[J]. 中国人口·资源与环境, 26(3): 37-45. 〔GU A L, LV Z Q, 2016. Effects of economic structure change on carbon emission of China: analysis based on IOSDA model[J]. China Population, Resources and Environment, 26(3): 37-45.〕 郭海湘, 杨钰莹, 左芝鲤, 2018. 中国城市群碳平衡仿真模拟研究[J]. 中国地质大学学报(社会科学版), 18(2): 114-125. 〔GUO H X, YANG Y Y, ZUO Z L, 2018. Simulation study on urban carbon balance of urban clusters in China[J]. Journal of China University of Geosciences(Social Sciences Edition), 18(2): 114-125〕 胡振, 龚薛, 刘华, 2020. 基于BP模型的西部城市家庭消费碳排放预测研究: 以西安市为例[J]. 干旱区资源与环境, 34(7): 82-89. 〔HU Z, GONG X, LIU H, 2020. Prediction of household consumption carbon emission in western cities based on BP model: case of Xi’an city[J]. Journal of Arid Land Resources and Environment, 34(7): 82-89〕 姜霞, 黄祖辉, 2016. 经济新常态下中国林业碳汇潜力分析[J]. 中国农村经济(11): 57-67. 李奇, 朱建华, 冯源, 等, 2018. 中国森林乔木林碳储量及其固碳潜力预测[J]. 气候变化研究进展, 14(3): 287-294. 〔LI Q, ZHU J H, FENG Y, et al. 2018. Carbon storage and carbon sequestration potential of the forest in China[J]. Climate Change Research, 14(3): 287-294.〕 刘瑞刚, 李娜, 苏宏新, 等, 2009. 北京山区3种暖温带森林生态系统未来碳平衡的模拟与分析[J]. 植物生态学报, 33(3): 516-534. 〔LIU R G, LI N, SU H X, et al, 2009. Simulation and analysis on future carbon balance of three deciduous forests in Beijing mountain area, warm temperate zone of China[J]. Chinese Journal of Plant Ecology, 33(3): 516-534.〕 吕康娟, 胡颖, 2020. 灰色量子粒子群优化通用向量机的中国行业间碳排放转移网络预测研究[J]. 中国管理科学, 28(8): 196-208. 〔LV K J, HU Y, 2020. Prediction of inter-industry carbon emissions transfer network in China based on grey quantum particle swarm optimizing general vector machine[J]. Chinese Journal of Management Science, 28(8): 196-208.〕 佘群芝, 吴肖丽, 潘安, 2020. 气候资金对受援国碳排放的影响[J]. 资源科学, 42(6): 1015-1026. 〔SHE Q Z, WU X L, PAN A, 2020. Effects of climate finance on carbon emissions in recipient countries[J]. Resources Science, 42(6): 1015-1026.〕 史琴琴, 鲁丰先, 陈海, 等, 2018. 中原经济区城镇居民消费间接碳排放时空格局及其影响因素[J]. 资源科学, 40(6): 1297-1306. 〔SHI Q Q, LU F X, CHEN H, et al, 2018. Temporal-spatial patterns and factors affecting indirect carbon emissions from urban consumption in the Central Plains Economic Region[J]. Resources Science, 40(6): 1297-1306 师帅, 李翠霞, 李媚婷, 2017. 畜牧业“碳排放”到“碳足迹”核算方法的研究进展[J]. 中国人口·资源与环境, 27(6): 36-41. 〔SHI S, LI C X, LI M T, 2017. Review of research from carbon emissions to carbon footprint in livestock husbandry[J]. China Population, Resources and Environment, 27(6): 36-41.〕 孙伟, 乌日汗, 2012. 长三角核心区碳收支平衡及其空间分异[J]. 地理研究, 31(12): 2220-2228. 〔SUN W, W R H, 2012. Study on the balance of carbon budget and its spatial differentiation in Yangtze River Delta[J]. Geographical Research, 31(12): 2220-2228.〕 唐赛, 付杰文, 武俊丽, 2021. 中国典型城市碳排放影响因素分析[J]. 统计与决策, 37(23): 59-63. 田泽, 张宏阳, 纽文婕, 2021. 长江经济带碳排放峰值预测与减排策略[J]. 资源与产业, 23(1): 97-105. 〔TIAN Z, ZHANG H Y, NIU W J, 2021. Peak prediction and reduction strategy of carbon emission in Yangtze River Economic Zone[J]. Resources & Industries, 23(1): 97-105.〕 王少剑, 谢紫寒, 王泽宏, 2021. 中国县域碳排放的时空演变及影响因素[J]. 地理学报, 76(12): 3103-3118. 〔WANG S J, XIE Z H, WANG Z H, 2021. The spatiotemporal pattern evolution and influencing factors of CO2 emissions at the county level of China[J]. Acta Geographica Sinica, 76(12): 3103-3118.〕 王喜, 鲁丰先, 秦耀辰, 等, 2016. 河南省碳源碳汇的时空变化研究[J]. 地理科学进展, 35(8): 941-951. 〔WANG X, LU F X, QIN Y C, et al, 2016. Spatial and temporal changes of carbon sources and sinks in Henan province[J]. Progress in Geography, 35(8): 941-951.〕 王勇, 韩舒婉, 李嘉源, 等, 2019. 五大交通运输方式碳达峰的经验分解与情景预测: 以东北三省为例[J]. 资源科学, 41(10): 1824-1836. 〔WANG Y, HAN S W, LI J Y, et al, 2019. Empirical decomposition and forecast of peak carbon emissions of five major transportation modes: taking the three provinces in northeast China as examples[J]. Resources Science, 41(10): 1824-1836.〕 夏四友, 杨宇, 2022. 基于主体功能区的京津冀城市群碳收支时空分异与碳补偿分区[J]. 地理学报, 77(3): 679-696. 〔XIA S Y, YANG Y, 2022. Spatio-temporal differentiation of carbon budget and carbon compensation zoning in Beijing-Tianjin-Hebei Urban Agglomeration based on the plan for major function-oriented zones[J]. Acta Geographica Sinica, 77(3): 679-696.〕 徐国泉, 蔡珠, 封士伟, 2021. 基于二阶段LMDI模型的碳排放时空差异及影响因素研究: 以江苏省为例[J]. 软科学, 35(10): 107-113. 〔XU G Q, CAI Z, FENG S W, 2021. Spatial and temporal differences and influencing factors of carbon emissions based on the analysis of the two-stage LMDI model: an empirical study on Jiangsu province [J]. Soft Science, 35(10): 107-113.〕 闫庆友, 尹洁婷, 2017. 基于广义迪氏指数分解法的京津冀地区碳排放因素分解[J]. 科技管理研究, 37(19): 239-245. 〔YAN Q Y, YIN J T, 2017. Factor decomposition of carbon emissions in Beijing, Tianjin, Hebei: a study based on generalized divisia index method[J]. Science and Technology Management Research, 37(19): 239-245.〕 尹伟华, 2019. 中国出口贸易隐含碳排放强度变动及驱动因素研究: 基于CMRIO-SDA模型[J]. 经济问题探索(12): 123-134. 〔YIN W H, 2019. Changes and driving factors of embodied carbon emissions intensity in Chinas export trade: based on CMRIO and SDA model[J]. Inquiry into Economic Issues(12): 123-134.〕 张国兴, 苏钊贤, 2020. 黄河流域交通运输碳排放的影响因素分解与情景预测[J]. 管理评论, 32(12): 283-294. 〔ZHANG G X, SU Z X, 2020. Analysis of influencing factors and scenario prediction of transportation carbon emissions in the Yellow River Basin[J]. Management Review, 32(12): 283-294.〕 张颖, 李晓格, 2022. 碳达峰碳中和目标下北京市森林碳汇潜力分析[J]. 资源与产业, 24(1): 15-25. 〔ZHANG Y, LI X G, 2022. Carbon sink potential of Beijing's forest under carbon peak and carbon neutrality[J]. Resources & Industries, 24(1): 15-25.〕 ALBRECHT J, FRANCOIS D, SCHOORS K, 2002. A shapely decomposition of carbon emissions without residuals[J]. Energy Policy, 30(9): 727-736. DOGRU A O, GOKSEL C, DAVID R M, et al, 2020. Detrimental environmental impact of large scale land use through deforestation and deterioration of carbon balance in Istanbul northern forest area[J]. Environmental Earth Sciences, 79(11): 270. DONG F, YU B L, HADACHIN T, et al, 2018. Drivers of carbon emission intensity change in China[J]. Resources, Conservation & Recycling, 129: 187-201. JO H K, 2002. Impacts of urban green space on offsetting carbon emissions for middle Korea[J]. Journal of Environmental Management, 64(2): 115-126. LAURENT A, OLSEN S I, HAUSLCHILD M Z, 2010. Carbon footprint as environmental performance indicator for the manufacturing industry[J]. CIRP Annals(Manufacturing Technology), 59(1): 37-40. STROHBACH M W, ARNOLD E, HAASE D, 2012. The carbon footprint of urban green space: a life cycle approach[J]. Landscape and Urban Planning, 104(2): 220-229.
|
[1] | 高孝伟, 张颖昆, 李华, 等. 基于改进Theil指数和Shift-Share模型的2012-2021年中国产业偏离分析[J]. 资源与产业, 2024, 26(1): 15-24. |
[2] | 王理想, 王建民. 碳中和目标下长三角地区能源结构调整的经济影响及其差异性[J]. 资源与产业, 2024, 26(1): 25-34. |
[3] | 杨恺钧, 曹安琪, 方慈慧. 新能源汽车产业集聚对区域绿色经济效率的影响——基于长江经济带的实证研究[J]. 资源与产业, 2024, 26(1): 35-49. |
[4] | 郭素婷, 董书霞, 吴亦宁. 黄河流域水利风景区时空演变及水利旅游空间结构优化[J]. 资源与产业, 2024, 26(1): 61-74. |
[5] | 李慧涛. 资源型经济转型提升绿色发展效率的作用机制研究——以山西省为例[J]. 资源与产业, 2024, 26(1): 100-112. |
[6] | 马海良, 高洁, 金瑞琪, 等. 全国能源消费结构低碳化的空间非均衡性及动态演进[J]. 资源与产业, 2024, 26(1): 113-123. |
[7] | 丁雄军, 王莉, 魏源, 等. 构建“山水林土河微”生命共同体促进酿酒行业高质量发展的思考与实践[J]. 资源与产业, 2024, 26(1): 124-132. |
[8] | 虞文宝. 基于ARIMA模型的黄土高原河谷城市生态足迹动态模拟及测算——以甘肃省兰州市为例[J]. 资源与产业, 2024, 26(1): 133-140. |
[9] | 黄馨, 韩玲, 马超群. 陕西省生态系统固碳量与固碳价值的测度及其时空格局演变[J]. 资源与产业, 2024, 26(1): 141-153. |
[10] | 刘林玲, 刘红琴, 谭丽峰. 基于多利益主体的调水工程生态补偿演化博弈分析[J]. 资源与产业, 2024, 26(1): 154-161. |
[11] | 何乐天, 杨泳琪, 李蓉, 等. 基于STIRPAT模型的黑龙江省工业碳排放情景分析与峰值预测[J]. 资源与产业, 2024, 26(1): 162-172. |
[12] | 梁荆花. 山西省省际贸易隐含碳排放时空分析及优化策略[J]. 资源与产业, 2024, 26(1): 173-181. |
[13] | 潘海英, 陈玲, 任佳佳. 数字经济发展的碳减排效应研究——兼论异质性环境规制的调节作用[J]. 资源与产业, 2023, 25(6): 1-14. |
[14] | 杨秀平, 刘利利, 杨凯铭. 陕西省经济发展与生态环境压力解耦态势研究 [J]. 资源与产业, 2023, 25(6): 64-76. |
[15] | 王玉芳, 马晓敏. 污染产业转移背景下的生态补偿与政府监督问题——基于补偿申请的信号博弈 [J]. 资源与产业, 2023, 25(6): 105-114. |
阅读次数 | ||||||
全文 |
|
|||||
摘要 |
|
|||||