基于长期能源替代规划模型的江苏省能源CO2排放达峰时间及峰值水平王春春1，2，3王远1，2，3朱晓东3（1福建师范大学福建省亚热带资源与环境重点实验室，福州350007；2福建师范大学地理科学学院，福州350007；3南京大学环境学院，污染控制与资源化研究国家重点实验室，南京210023）摘要为了应对全球气候变暖，中国政府提出到2030年CO2排放达到峰值（或峰值平台）的减排目标．为了探究中国能否实现该减排目标，本研究以江苏省为例，基于长期能源规划替代模型（LEAP），耦合对数平均迪氏分解模型，运用情景分析法科学设定快速、中速、慢速达峰3种发展情景，预测CO2排放达峰时间及峰值水平．结果表明：2000—2015年间，经济规模效应是CO2排放总量增长的主要驱动因素，其贡献度高达147．4%；技术进步效应是最重要的缓解因素，贡献度为－60．4%，一次能源结构效应、产业结构效应、人均收入效应、人口规模效应的贡献度分别为－5．3%、9．7%、11．0%、0．6%．在快速、中速达峰情景下，江苏省分别在2025和2029年达到CO2排放峰值，峰值分别为7．01、7．95亿t，慢速达峰情景下未能实现2030年的CO2排放达峰目标．综合研究分析，江苏省有着较大的减排潜力，经过相应的努力能够实现CO2减排目标．为实现2030年的CO2减排目标可采取以下措施：主动适应经济新常态，稳定发展增速；积极发展第三产业，平衡经济结构；持续推进节能减排技术，降低能源消费强度；大力发展天然气及核电等清洁能源，优化一次能源消费结构．关键词CO2排放达峰；情景分析；长期能源规划替代模型；对数平均迪氏分解本文由福建省自然科学基金项目（2018J01736）资助ThisworkwassupportedbytheNaturalScienceFoundationofFujianProvince（2018J01736）．2018-11-12Received，2019-08-05Accepted．通讯作者Correspondingauthor．E-mail：y．wang@fjnu．edu．cn；ywang@nju．edu．cnPeakvolumeandtimeofenergy-relatedCO2emissionsinJiangsuProvince，Chinabasedonlong-rangeenergyalternativesplanningsystemmodel．WANGChun-chun1，2，3，WANGYuan1，2，3，ZHUXiao-dong3（1FujianProvincialKeyLaboratoryforSubtropicalResourcesandEnvironment，FujianNormalUniversity，Fuzhou350007，China；2SchoolofGeographicalSciences，FujianNormalUniversity，Fuzhou350007，China；3StateKeyLaboratoryofPollutionControlandResourceReuse，SchooloftheEnvironment，NanjingUniversity，Nanjing210023，China）．Abstract：ChinahasputforwardCO2emissionsreductiontarget（committingtoachieveCO2emis-sionspeakorplateauby2030）topreventglobalclimatechange．WithJiangsuProvinceasacase，weexploredwhetherChinacouldachievethe2030CO2emissionsreductiontarget．WepredictedthepeakvolumeandtimeofCO2emissioninthreescenarios，i．e．，quickscenario，mediumscenario，slowscenario，respectively，basedonthelong-rangeenergyalternativesplanningsystem（LEAP）modelandthelogarithmicmeanDivisiaindexdecompositionapproach．Theresultsshowedthat，duringtheperiod2000to2015，theeconomicscaleeffectwasthemostimportantdriver，whosecontributiontotheincreaseoftotalCO2emissionswasashighas147．4%．ThetechnologyprogresseffectwasthemainmitigationfactorforCO2emissions，whichcausedCO2emissionstodecreaseby60．4%．Inaddition，thecontributionsofenergystructureeffect，industrialstructureeffect，percapitaincomeeffectandpopulationscaleeffecttoCO2emissionswere－5．3%，9．7%，11．0%，and0．6%respectively．Inquickandmediumscenarios，thepeakCO2emissionsofJiangsuProvincewouldbe701milliontonsin2025，and795milliontonsin2029，respectively．Inslowscenario，however，JiangsuProvincecouldnotachievethe2030CO2emissionsreductiontarget．Toachievethe2030target，JiangsuProvinceneedstoadoptsomestrategies，includingactivelydevelopingthe应用生态学报2019年10月第30卷第10期http：//www．cjae．netChineseJournalofAppliedEcology，Oct．2019，30（10）：3535－3543DOI：10．13287/j．1001－9332．201910．017tertiaryindustrytobalancetheeconomicstructure，continuouslypromotingenergysavingandemis-sionsreductiontechnologiestoreduceenergyconsumingintensity，andvigorouslydeployingcleanenergytooptimizetheenergyconsumingstructure．Keywords：peakamountofCO2emission；scenarioanalysis；long-rangeenergyalternativesplan-ningsystemmodel；logarithmicmeanDivisiaindex．气候变化已经引起了世界的广泛关注，第五次气候变化评估报告显示全球变暖日趋严重［1］．为了应对气候变化，中国政府提出到2030年CO2排放达峰并实现单位国内生产总值CO2排放比2005年下降60%～65%［2］．化石能源的燃烧是温室气体排放激增的主要原因．随着中国经济保持中高速增长，能源需求将继续增长，中国将面临巨大的CO2减排压力，而研究中国未来的能源消费及CO2排放发展趋势则具有重要的现实意义．自中国提出CO2排放达峰目标后，学术界陆续开展了关于CO2排放达峰时间及峰值水平的研究．国家层面上，马丁等［3］应用能源优化模型，以2030年CO2排放达峰为目标设计不同发展情景，结果显示，只有通过发展新能源、推广高耗能产业的节能减排技术，促进电力、工业部门率先达峰，这样才能实现2030年达峰，并预测CO2排放峰值在100～108亿t；刘宇等［4］基于动态全球贸易分析模型（GTAP-E模型），研究CO2排放分别在2025、2030和2040年达峰情景下对经济发展的影响程度；Li等［5］用可拓展的随机性的环境影响评估模型（stochasticimpactsbyregressiononpopulation，affluenceandtechnology，STIRPAT）设置不同发展情景，发现中国将在2024—2035年间达到CO2排放峰值；此外，还有很多以部门为研究对象，探索电力［6］、交通［7］、工业［8］等行业CO2排放达峰时间、峰值水平及促进碳排放尽早达峰的控制措施和这些措施实施带来的经济成本．在省级层面上，研究者用STIRPAT、长期能源规划替代模型（long-rangeenergyalternativesplanningsystem，LEAP）模型对江西［9］、北京［10］、浙江［11］等省市的CO2排放达峰时间、峰值水平以及2030年CO2排放达峰的政策措施对当地经济发展、能源结构的影响等进行研究．众多预测模型中，基于情景分析法的LEAP模型，由于其初始数据要求低、使用灵活简单、能够模拟政策影响等，得到许多研究者的认可［12］．如Li等［13］、Liang等［14］用LEAP模型预测了中国交通运输部门、电力部门的能源消费及污染排放；Dong等［15］利用LEAP模型对中国过去的能源消费总量以及消费结构进行分析，并预测了中国2040年的能源消费总量及消费结构．Subramanyam等［16］利用LEAP模型研究加拿大亚伯达商业部门的温室气体减排潜力；Jeong［17］、Park等［18］基于LEAP模型分别对韩国居民消费和电力部门的能源消费和CO2排放进行模拟预测．以往的相关研究仅从未来的视角去分析国家和地区的能源消费及CO2排放发展趋势，未能与我国过去经济能源环境的发展历程及变化趋势相衔接．针对以往研究的不足，本研究采用对数平均迪氏分解（logarithmicmeanDivisiaindex，LMDI）模型与LEAP模型相结合的研究方法，对江苏省未来的能源消费及CO2排放进行分解预测分析．首先对江苏省2000、2005、2010、2015年一次能源消费产生的CO2排放进行核算，分析其CO2排放特点及变化趋势；然后，应用LMDI模型对江苏省能源消费CO2排放总量进行分解，识别影响江苏CO2排放的关键因素；最后，耦合分析结果，选取关键因素，科学设定发展情景构建JS-LEAP模型预测江苏省未来的能源消费及CO2排放，并对预测结果进行分解分析．不同于以往单独运用LEAP模型的情景预测分析法，本研究通过对CO2排放变化驱动因素分解分析与排放预测多过程、多视角的耦合研究来提高情景设定的合理性、科学性和预测可靠性，降低以往情景参数选取、设置的主观不确定性．通过不同发展情景的设计，全面展现了不同发展情景下江苏省的能源需求与CO2排放状况，并将未来CO2排放影响因素与过去影响因素进行对比分析，探究CO2减排的新潜力，可为江苏省制定能源及CO2减排政策提供参考．1研究地区与研究方法1.1研究区概况江苏省位于长江下游，是经济最活跃、最发达长三角经济圈的核心成员．自改革开放以来江苏经济一直保持着高速增长，其能源消费也保持快速增长态势．江苏省一次能源消费总量和经济总量分别从2000年的8612．43万吨标准煤、8582．73亿元增加到2015年的30235．30万吨标准煤、70116．38亿元，分6353应用生态学报30卷应用生态学报30卷表12010—2015江苏省经济总量和能源消费概况Table1GDPandenergyconsumptionofJiangsuProvinceduring2000－2015年份Year能源消费Energyconsumption（×104tce）GDP（×108yuan）20008612．48582．720019110．59511．920029608．610631．8200311060．712460．8200413651．715512．4200517167．418598．7200618742．221742．0200720948．026018．5200822232．230982．0200923709．334457．3201025773．741425．5201126612．249110．3201227821．154058．2201329205．459753．4201429863．065088．3201530235．370116．4资料来源：江苏统计年鉴2001—2016Datasource：JiangsuStatisticalYearbook2001－2016．别增长了3．5和8．2倍，年均增长率高达8．7%和15%（表1）．中国能源富煤、少油、少气，江苏省的一次能源消费主要依赖碳排放系数最高的煤炭，为此，江苏省面临着巨大的CO2减排压力．1.2研究方法与数据本研究构建的能源消费和CO2排放综合分析预测模型主要包括，能源消费CO2排放核算、CO2排放总量变化因素分解以及基于LEAP模型和江苏社会经济状况所构建的能源及CO2排放综合预测模型（JS-LEAP模型）（图1）．1.2.1碳排放核算本研究参照IPCC编制的《国家温室气体清单指南》（https：//wenku．baidu．com/view/4eb6dad4195f312b3169a5a9．html．）中的方法2，即根据化石能源的消费数量及特定的排放因子进行CO2排放的核算．首先，根据江苏省产业部门分类与终端能源消费特点，将江苏能源消费部门分为：第一产业（农、林、牧、渔、水利业），第二产业（工业，建筑业），第三产业（交通运输、仓储及邮电通讯业，批发和零售贸易餐饮业，其他）和居民生活．能源消费CO2排放总量计算公式如下：CE=∑i∑jEij×EFj（1）式中：i=1，2…，7代表农、林、牧、渔、水利业，工业，建筑业，交通运输、仓储及邮电通讯业，批发和零售贸易餐饮业，其他，生活消费等7个能源消费终端部门，j=1，2，3，4代表煤炭、石油、天然气、非化石能源4种一次能源；Eij代表i部门j能源的消费量，能源消费量参照江苏能源统计年鉴标准量；EFj表示j能源的碳排放系数，本研究的碳排放系数参考Liu等［19］在2014年对中国境内100家大型煤矿共计602个煤样品进行分析所得的研究成果．1.2.2LMDI指数分解法目前，因素分解方法主要有拉斯拜尔指数法（Laspeyresindex）［20］、对数平均迪氏指数法（LMDI）［21］和自适应加权法（AWD）［22］．图1论文分析框架Fig．1Conceptualanalysisframework．735310期王春春等：基于长期能源替代规划模型的江苏省能源CO2排放达峰时间及峰值水平图2江苏LEAP预测模型框架Fig．2FrameworkofJiangsuLEAPpredictionmodel．本研究选取具有适用性强、理论基础牢固、可处理包含零值和负值数据集等优点的LMDI法［23］．LMDI的优势在于它能够对多个因素进行分解，而且分解后的结果残差为0．此外，该方法的一大特点在于它对不同部门效应进行汇总时，其结果与各部门共同作用于总体效应的结果保持一致，因此，该方法在多层次分析中具有较强的应用价值．基于此，本研究采用LMDI分解法研究影响江苏省CO2排放总量变化的驱动因素．参考Ang［24］的总结，本研究针对江苏能源消费碳排放总量指标选取8种模型中的Model-1．在对碳排放总量进行分解时，按照能源消费部门将CO2排放总量分解如下：C=∑6i=1∑3j=1Cij+∑i=7∑3j=1Cij=∑6i=1∑3j=1CijEij×EijEi×EiGi×GiG×G+∑7i=1∑3j=1CijEij×EijEi×EiGi×GP×P（2）由上式运用LMDI分解方法，得碳排放总量加法分解公式：ΔCtot=Ct－C0=ΔCr+ΔCe+ΔCi+ΔCy+ΔCG+ΔC2e+ΔC2i+ΔCS+ΔCP（3）式中：C为能源消费CO2排放总量；E为能源消费量；G为国民生产总值；i=1，2，…，7代表7个能源消费部门；j=1，2，3代表一次能源种类；P为地区人口总数；C0为基期碳排放总量；Ct为t期碳排放总量；ΔCr、ΔCe、ΔCi、ΔCy、ΔCG、ΔC2e、ΔC2i、ΔCS、ΔCP分别代表CO2排放系数效应及产业部门的能源结构效应、能源强度效应、产业结构效应、经济规模效应和生活消费部门的能源结构效应、能源强度（人均能源消费量）效应、人均收入效应、人口规模效应．本研究假定各类能源的CO2排放系数不变，分解时CO2排放系数效应对CO2排放总量变化不会产生影响，因此ΔCr=0．1.2.3LEAP模型本研究以2015年为参照年，以2030年为目标年．江苏省LEAP预测被划分为4个活动层次：第一层次，能源消费的CO2排放分为产业和居民消费两个部门；第二层次，产业部门分为第一产业、第二产业和第三产业；第三层次，第二产业细分为工业和建筑业，第三产业细分为交通运输、仓储及邮电通讯业，批发和零售贸易餐饮业、其他等；最后，针对每个消费部门分别设置了煤炭、石油、天然气、非化石能源4种能源消费类型（图2）．1.3数据处理研究主要采用LEAP模型、Excel、SPSS和Origin软件数据进行分解、预测和可视化处理．首先，基于LEAP软件，构建江苏的能源消费和CO2排放核算体系，对江苏2000—2015年的能源消费CO2排放总量进行核算；利用Excel构建指数分解模型，对江苏2000—2015年碳排放总量分解结果进行分解；基于SPSS运用logistic模型，运用江苏1990—2015年间的人口数据对江苏2016—2030年间的人口进行预测；基于LEAP软件，将各参数值带入核算体系，对江苏省2016—2030年间不同情景下的能源消费和CO2排放总量进行预测．2结果与分析2.12000—2015年江苏能源消费碳排放由表2可知，江苏省能源消费CO2排放由2000年的18247．90万t增加到2015年的60244．63万t，增加了41996．72万t．其中，工业部门的CO2排放最8353应用生态学报30卷应用生态学报30卷表2江苏省各能源消费部门CO2排放量Table2SectorialCO2emissionsinJiangsuProvince（×104t）年份Year第一产业Primaryindustry工业Industry建筑业Construction交通运输、仓储及邮电通讯业Transportation，warehousing，postsandtele-communications批发和零售贸易餐饮业Wholesaleandretailtradecateringindustry其他Others居民消费Residential总量Total2000848．314289．087．6759．6360．0443．61459．618247．92005652．028423．6415．01814．6504．1752．92226．534803．62010817．842682．6582．73030．7830．51562．03901．653408．120151028．846066．2752．94235．01059．92195．24906．760244．6多，其CO2排放量占比一直保持在75%以上，因此工业部门的节能减排是CO2排放达峰的关键；第一产业CO2排放总量比较稳定，占比处于下降趋势；建筑业，交通运输、仓储及邮电通讯业和居民消费部门CO2排放增长速度较快，年均增长速度远大于CO2排放总量的增长速度，因此应采取措施控制这3个部门的CO2排放增长速度．2.22000—2015年江苏能源消费碳排放因素分解由图3可以看出，经济规模效应是碳排放增长的最大驱动因素．能源强度效应对碳排放表现为明图32000—2015年江苏省产业部门和居民消费能源CO2排放各影响因子贡献值Fig．3ContributionvalueofeachfactortoCO2emissionsinindustrysectorandresidentsectorinJiangsuProvinceduring2000－2015（Mt）．PESE：一次能源结构效应Primaryenergystructureeffect；EIE：能源强度效应Energyintensityeffect；ESEⅠ：经济结构效应Economicin-tensityeffects；ESEⅡ：经济规模效应Economicscaleeffect；PCIE：人均收入效应Percapitaincomeeffect；EIE：能源强度效应Energyintensityeffect；PSE：人口规模效应Populationsizeeffect．显的负效应，2000—2015年间共减少28376万t的CO2排放．能源结构效应对CO2排放总量有一定程度上的抑制效应，产业结构、人均收入、人口规模效应对CO2排放总量有微弱的促进作用．由表3可以发现，“十五”、“十一五”和“十二五”3个五年计划期间，经济规模效应一直是CO2排放总量增长最大的驱动因素，但其相对贡献度一直处于下降趋势，可能有两方面的原因：其一是经济增速相对下降，其二是中国在此期间提出了节能减排政策．随着江苏对温室气体排放的重视，能源强度效应由促进CO2排放增长变为抑制碳排放增长且其抑制作用仍呈扩大状态．产业结构效应对碳排放起着微弱的促进作用，但其对碳排放增长的作用越来越小，随着国家和江苏省产业结构调整政策的出台，可以预见产业结构效应将从对碳排放起促进作用转为对碳排放起抑制作用，是未来CO2减排的新方向．能源结构效应对CO2排放增长主要起抑制作用，随着科学技术的发展、新能源利用技术的逐步成熟、应用成本的降低以及CO2减排的环境压力等多重因素的共同作用下，未来江苏省一次能源消费中煤炭的比重会一直呈下降趋势，而以核电、风电、太阳能发电为主的非化石能源和以天然气为代表的清洁能源的比重会不断上升，一次能源结构的负效应将会不断扩大．2.3能源消费及CO2排放情景预测由于江苏省社会经济发展及能源利用的不确定性，本研究设置3种情景：快速达峰情景、中速达峰情景、慢速达峰情景，其中，中速达峰情景是本研究的核心，是最有可能出现的情景，快速和慢速情景分别是对关键参数相应的“较快”和“较慢”的期望．利用这3种情景预测江苏省CO2排放达峰时间区间以及峰值水平区间，并分析3种情景达峰时间与峰值水平的差异，为江苏省制定节能减排政策提供参考．935310期王春春等：基于长期能源替代规划模型的江苏省能源CO2排放达峰时间及峰值水平表3不同驱动因素对2000—2015年江苏省能源消费CO2排放总量的相对贡献度Table3RelativecontributionsofdifferentfactorstothetotalamountofCO2emissioninJiangsuProvinceduring2000－2015（%）时间Period能源结构Energystructure能源强度Energyintensity产业结构Economicstructure经济规模Economicscale人均GDPGDPpercapita人口规模Populationscale2000—2005－6．33．712．870．05．00．32005—20103．0－26．63．762．14．30．32010—2015－5．0－37．40．253．04．30．12000—2015－2．2－26．74．162．24．60．22.3.1参数设置根据LMDI分解结果可知，经济规模效应和能源强度效应是能源消费CO2排放最重要的2个影响因素．一次能源结构效应由“十五”期间的正效应转变为“十二五”期间的第二大负效应，因此一次能源结构也是未来CO2排放的重要影响因子．结合LEAP模型，本研究选取参数主要包括经济规模、能源强度、一次能源结构、产业结构（包括第二、第三产业不同部门增加值占比等）、人口总数、人均生活能耗等．参数值设定时，基于各参考文献及相关规划，根据2000—2015年各影响因素相对贡献度的变化趋势，对重要参数值进行修订、论证．如经济规模正效应逐渐减小，能源强度负效应逐渐扩大，一次能源结构负效应可能进一步扩大，产业结构正效应缩小，并转为负效应的发展趋势等．基于1990—2015年的人口数据，应用Logistic模型预测江苏省人口，由图4可知预测结果与实际结果相差较小．从对碳排放总量的分解结果可知，人口规模效应对碳排放影响微弱，且人口受经济环境政策影响较小［21］，因此假定3种情景下的人口参数相同．基于2000—2015年的人均生活能源消费进行一次回归，预测未来中速达峰情景下的人均生活能耗，并在此基础加减5%得出慢速和快速达峰情景下的人均能源消费．图4江苏省实际人口与预测人口Fig．4ActualandpredictpopulationofJiangsuProvince．由江苏省第十三个五年规划可知，2015—2020年江苏省GDP年均增速发展目标为7．5%，而随着中国经济进入新常态，经济将步入中高速增长的轨道，结合文献［3，22－23］及在2000—2015年间经济规模正效应由“十五”期间的70%减小到“十二五”期间的53%的发展趋势，设定2020—2025和2025—2030年江苏GDP年均增速分别为6．0%和5．0%，慢速达峰和快速达峰情景下在中速达峰的年均增速的基础上加减0．5%．基于江苏省“十三五”规划、“十三五”能源发展规划、2030年非化石能源占比达到20%等规划结合历史趋势、指数分解结果以及相关文献［25－29］，及能源强度负效应逐渐扩大、一次能源结构负效应可能进一步扩大、产业结构正效应缩小并转为负效应的发展趋势，设置一次能源结构、能源强度、产业结构参数，参数值如表4、表5所示．2.3.2江苏省2015—2030年能源消费及CO2排放情景预测由图5可以看出，在未来相当长的一段时间内，江苏省一次能源消费总量仍将保持上升态势．在慢速、中速、快速达峰情景下，其2030年的一次能源消费总量分别为495．4、453．0、408．1Mtce，分别是2015年的1．64、1．50、1．35倍．图5不同情景下江苏省未来一次能源消费总量Fig．5FuturetotalprimaryenergyconsumptioninJiangsuPro-vinceinthreescenarios．SS：慢速Slowscenario；MS：中速Middlescenario；QS：快速Quickscenario．下同Thesamebelow．0453应用生态学报30卷应用生态学报30卷表4不同情景下江苏省未来一次能源结构Table4FutureenergystructureofJiangsuProvinceinvariousscenarios（%）能源种类Energytype20102015慢速SS202020252030中速MS202020252030快速QS202020252030煤炭Coal68．464．4615652585449555046石油Oil22．620．7212222222121232120天然气Naturalgas3．56．68101191113101315非化石能源Non-fossilfuels5．58．3101215111417121619SS：Slowscenario；MS：Middlescenario；QS：Quickscenario．下同Thesamebelow．由图6可知，江苏省未来不同情景下CO2排放发展趋势是一致的，即先增长达到顶峰而后下降．在快速和中速达峰情景下，江苏分别在2025和2029年达到CO2排放峰值，峰值CO2排放分别为7．01、7．95亿t（表6）．在慢速达峰情景下，江苏则不能实现CO2排放达峰目标．快速达峰情景下，2020、2025、2030年江苏省未来CO2排放总量分别为6．44、表5不同情景下模型相关参数的设定Table5Parametersettinginvariousscenarios参数Parameter情景Scenario2015202020252030人口Population（×104）7976．38165．48308．48431．3GDP（×108yuan）慢速SS103024151376197842中速MS70116100661144512184438快速QS98342137930171885能源强度慢速SS0．380．330．28Energyintensity中速MS0．430．350．300．25［（tce·（104yuan）－1］快速QS0．340．290．24第二产业慢速SS434037Thesecondary中速MS45．74238．836industry（%）快速QS413734第三产业慢速SS5255．559Thetertiaryindustry中速MS48．6535760（%）快速QS5458．562人均生活能耗慢速SS0．4290．5250．621Energyconsumptionper中速MS0．310．4090．5000．591capita（tce·cap－1）快速QS0．3890．4750．561图6不同情景下江苏省未来CO2排放总量Fig．6FuturetotalCO2emissionofJiangsuProvinceinthreescenarios．7．01、6．94亿t；中速达峰情景下，CO2排放总量分别为6．87、7．74、7．95亿t；慢速达峰情景下，CO2排放总量分别为7．32、8．67、8．98亿t；相比于快速达峰情景，中速达峰和慢速达峰情景2030年CO2排放总量分别增加了14．7%和29．5%．2030年CO2排放强度相较于2005年CO2排放强度分别下降72．7%、70．9%和69．3%，均超额完成国家设定的60%～65%的CO2减排目标．中速达峰情景下，江苏经济年均增速为6．6%，2016—2030年3个五年计划期间能源强度分别下降了16%，2030年第三产业占比达到60%；非化石能源占比在2020、2030年分别为11%、17%，煤炭消费占比降到58%、49%以下．由CO2排放情景预测结果可知，在中速达峰情景下，江苏省恰好完成在2030年之前实现碳排放达峰的减排目标．想要在2030年之前尽早实现碳排放达峰目标，在制定相关政策时，应以中速达峰情景参数为基准，制定更为严格的减排目标和措施．2.3.32015—2030年江苏能源消费碳排放因素分解对比2015—2030年与2000—2015年CO2排放总量变化影响因素分解结果可知，经济增长一直是驱动CO2排放增长最大的驱动因素，技术进步效应（能源强度下降）一直是CO2排放增长的最大抑制因素．随着未来产业结构的不断优化，经济结构效应将从对CO2排放增长的贡献因素，变为CO2减排的贡献因素，并且将会成为CO2排放增长的第二大抑表6不同情景下CO2排放达峰时间和峰值水平Table6PeaktimeandvolumeofCO2emissionsindiffe-rentscenarios情景Scenario峰值水平Peakvolume（Mt）达峰时间Peaktime增长率Growthrate（%）2015—2030年累计CO2排放量CumulativeCO2emissionduring2015－2030（×100Mt）快速QS701．30202515．1106．6中速MS795．39202932．0115．5慢速SS898．44（未达峰）＞203049．1125．5145310期王春春等：基于长期能源替代规划模型的江苏省能源CO2排放达峰时间及峰值水平表7中速达峰情景下不同驱动因素对江苏省2015—2030年能源消费CO2排放总量相对贡献度Table7RelativecontributionsofdifferentfactorstothetotalamountofCO2emissioninJiangsuProvinceinMSduringtheperiod2015－2030（%）时间Period能源结构Energystructure能源强度Energyintensity产业结构Economicstructure经济规模Economicscale人均GDPGDPpercapita人口规模Populationscale2015—2020－6．8－24．0－6．756．95．10．42020—2025－7．0－22．9－10．254．35．50．32025—2030－9．7－28．6－8．947．35．20．32015—2030－7．6－24．9－8．653．25．40．3制因子；随着我国大力发展清洁能源，清洁能源占比不断上升、煤炭占比不断下降，能源结构效应对CO2减排作用也渐渐增强（表7）．3讨论通过对江苏省2000—2015年的能源消费CO2排放核算可以发现，工业部门是CO2排放的主要部门，建筑业，交通运输、仓储及邮电通讯业和居民消费部门CO2排放增长速度较快．要想尽早实现江苏省CO2排放达峰的目标，关键在于对工业部门能源消费与CO2排放的控制；同时，也应该加对强建筑业，交通运输、仓储及邮电通讯业和居民消费部门CO2排放的控制力度．对2000—2015年CO2排放总量的变化影响因素分解分析发现：经济规模效应是CO2排放总量增长最大的驱动因素；技术进步效应、能源结构效应均从“十五”期间的正效应转为“十二五”期间的负效应，其中，技术进步效应是CO2排放总量增加最重要的缓解因素；趋势分析发现，CO2排放总量增长正效应逐步缩小，而负效应逐步扩大，这为实现CO2达峰目标奠定了坚实基础．对江苏省未来CO2排放的情景分析可以发现，江苏省很有可能在2030年之前实现CO2排放达到峰值（或峰值平台）的CO2排放控制目标，与黄蕊等［29］研究结果相似．江苏最早可以在2025年实现CO2排放达峰，峰值水平为7．01亿t；最有可能在2029年实现CO2排放达峰，峰值水平为7．95亿t；在慢速达峰情景下，江苏省未能实现在2030年之前达到CO2排放峰值的控制目标．为确保江苏省顺利完成2030年CO2排放控制标，江苏应主动适应中国经济新常态，稳定发展速度提高发展质量；控制第二产业发展速度，着力提高第三产业在国民经济中的比例，力争第三产业占比在2030年分别提上到60%以上；同时制定政策措施，促进新能源的发展与应用，将非化石能源占比在2020、2030年分别提高到10%、20%以上，煤炭消费占比降到60%、50%以下；积极推广节能技术，未来2016—2030年的3个五年计划期间实现能源强度分别下降15%以上的目标．参考文献［1］IPCC．ClimateChange2014：MitigationofClimateChange．WorkingGroupIIContributiontotheFifthAssessmentReportoftheIPCC．Cambridge：UniversityofCambridgePress，2014［2］XinhuaNewsAgency（新华社）．U．S．-ChinaJointAnnouncementonClimateChange［EB/OL］．（2014-11-13）［2018-02-08］．http：//www．caixin．com/2014_11_13/100750277．html（inChinese）［3］MaD（马丁），ChenW-Y（陈文颖）．AnalysisofChina’s2030carbonemissionpeaklevelandpeakpath．ChinaPopulation，ResourcesandEnvironment（中国人口·资源与环境），2016，26（suppl．1）：1－4（inChi-nese）．［4］LiuY（刘宇），CaiS-F（蔡松锋），ZhangQ-Z（张其仔）．TheeconomicimpactofChina’scarbondioxideemissionstopeakin2025，2030and2040：BasedonthedynamicGTAP-Emodel．ManagementReview（管理评论），2014，26（12）：3－9（inChinese）［5］LiL，LeiY，HeC，etal．PredictiononthepeakoftheCO2emissionsinChinausingtheSTIRPATmodel．AdvancesinMeteorology，2016，8：1－9［6］KhannaNZ，ZhouN，FridleyD，etal．QuantifyingthepotentialimpactsofChina’spower-sectorpoliciesoncoalinputandCO2emissionsthrough2050：Abottom-upperspective．UtilitiesPolicy，2016，41：128－138［7］LiW，LiH，ZhangHX，etal．TheanalysisofCO2emissionsandreductionpotentialinChina’stransportsector．MathematicalProblemsinEngineering，2016，2016：1－12，DOI：10．1155/2016/1043717［8］MaL（马立），LiuL-T（刘立涛）．PeakforecastofChineseenergyconsumptionbasedondevelopedcoun-tries’trends．ScientiaGeographicaSinica（地理科学），2016，36（7）：980－988（inChinese）［9］XiX-P（席细平），XieY-S（谢运生），WangH-L（王贺礼），etal．ForecastofJiangxi’scarbonemissionstopeakbasedonIPATmodel．JiangxiScience（江西科学），2014（6）：768－772（inChinese）［10］WenL，LiuY．ThepeakvalueofcarbonemissionsintheBeijing-Tianjin-HebeiregionbasedontheSTIRPATmodelandscenariodesign．PolishJournalofEnviron-2453应用生态学报30卷应用生态学报30卷mentalStudies，2016，25：823－834［11］ChenL-J（陈丽君），WuH-M（吴红梅），FanL（范玲），etal．Theresearchofcarbonemissionspeakjudg-mentandcountermeasureresearchofZhejiangPro-vince．EnergyofChina（中国能源），2017，39（4）：43－47（inChinese）［12］HuangWM，LeeGWM．GHGlegislation：LessonsfromTaiwan．EnergyPolicy，2009，37：2696－2707［13］LiY，BaoL，LiW，etal．Inventoryandpolicyreduc-tionpotentialofgreenhousegasandpollutantemissionsofroadtransportationindustryinChina．Sustainability，2016，8：1218，doi．org/10．3390/su8121218［14］LiangY，YuB，WangL．Costsandbenefitsofrenew-ableenergydevelopmentinChina’spowerindustry．RenewableEnergy，2019，131：700－712［15］DongKY，SunRJ，LiH，etal．AreviewofChina’senergyconsumptionstructureandoutlookbasedonalong-rangeenergyalternativesmodelingtool．PetroleumScience，2017，14：214－227［16］SubramanyamV，AhiduzzamanM，KumarA．Green-housegasemissionsmitigationpotentialinthecommer-cialandinstitutionalsector．EnergyandBuildings，2017，140：295－304［17］JeongYS．AssessmentofalternativescenariosforCO2reductionpotentialintheresidentialbuildingsector．Sustainability，2017，9：394，DOI：10．3390/su9030394［18］ParkNB，YunSJ，JeongEC．Ananalysisoflong-termscenariosforthetransitiontorenewableenergyintheKoreanelectricitysector．EnergyPolicy，2013，52：288－296［19］LiuZ，GuanD，WeiW，etal．Reducedcarbonemis-sionestimatesfromfossilfuelcombustionandcementproductioninChina．Nature，2015，524：335－338［20］ChenF（陈芳）．Empiricalanalysisonenergycon-sumptionintensityofsixprovincesinCentralChina．Spe-cialZoneEconomy（特区经济），2015（1）：72－74（inChinese）［21］AngBW，ZhangFQ，ChoiKH．Factorizingchangesinenergyandenvironmentalindicatorsthroughdecomposi-tion．Energy，1998，23：489－495［22］FanJL，LiaoH，LiangQM，etal．Residentialcarbonemissionevolutionsinurban-ruraldividedChina：Anend-useandbehavioranalysis．AppliedEnergy，2013，101：323－332［23］AngBW．Decompositionanalysisforpolicymakinginenergy：Whichisthepreferredmethod？EnergyPolicy，2004，32：1131－1139［24］AngBW．LMDIdecompositionapproach：Aguideforimplementation．EnergyPolicy，2015，86：233－238［25］HuangJ-Y（黄健元），FengC-Y（冯成颖），XuG-Q（徐国强）．ThepredictionofpopulationdevelopmentinJiangsuProvince．NorthwestPopulationJournal（西北人口），2007，28（5）：43－47（inChinese）［26］XinhuaNewsAgency（新华社）．OutlineoftheThir-teenthFiveYearPlanforNationalEconomicandSocialDevelopmentinJiangsu［EB/OL］．（2016-03-31）［2018-02-08］．http：//jiangsu．sina．com．cn/news/m/2016_03_31/detail-ifxqxcnr5084893．shtml（inChi-nese）［27］BaiJ（白娟）．AnalysisandTrendResearchofChina’sindustrialstructureadjustmentbasedon1978－2011years’data．TimesFinance（时代金融），2015（34）：17－18（inChinese）［28］TianL，DingZ，WangY，etal．AnalysisofthedrivingfactorsandcontributionstocarbonemissionsofenergyconsumptionfromtheperspectiveofthepeakvolumeandtimebasedonLEAP．Sustainability，2016，8：513，DOI：10．3390/su8060513［29］HuangR（黄蕊），LuY-Q（陆玉麒），ChenM-Q（陆梦秋）．ProjectionofenergyconsumptioncarbonemissionpeakforJiangsu，ZhejiangandShanghaiunderdifferentenergypolicies．ResourcesandEnvironmentintheYangtzeBasin（长江流域资源与环境），2017，26（1）：15－25（inChinese）作者简介王春春，男，1994年生，硕士．主要从事城市化的能源环境效应、能源消费碳排放等方面的研究．E-mail：MG16250026@smail．nju．edu．cn责任编辑杨弘王春春，王远，朱晓东．基于长期能源替代规划模型的江苏省能源CO2排放达峰时间及峰值水平．应用生态学报，2019，30（10）：3535－3543WangC-C，WangY，ZhuX-D．Peakvolumeandtimeofenergy-relatedCO2emissionsinJiangsuProvince，Chinabasedonlong-rangeenergyalternativesplanningsystemmodel．ChineseJournalofAppliedEcology，2019，30（10）：3535－3543（inChinese）345310期王春春等：基于长期能源替代规划模型的江苏省能源CO2排放达峰时间及峰值水平