中国低碳试点城市的碳排放特征与碳减排路径研究

试点情况进行分析; 丁丁等[7] 以人均碳排放等 10 个指标 建立的低碳城市指标体系对 36 个低碳试点城市进行评 价; 周泽宇等[8]选择了 4 大类共 16 项低碳发展的核心指 标计算出试点城市的低碳指数;陈楠和庄贵阳[9]从宏观领 域、能源、产业、低碳生活等维度对低碳城市建设状况进行 评估; 中国城市绿色低碳评价研究项目组[10] 构建城市绿 色低碳发展评价指标体系对三批低碳试点城市的绿色低 碳发展效果进行评估; Cheng 等[11]用绿色全要素生产率 对 中 国 的 低 碳 试 点 城 市 进 行 评 估 ; S o n g 等 [ 1 2] 以 中 国 286 个地级市的面板数据进行准自然实验，对中国的低 碳试点城市进行评价。相关研究表明，低碳试点城市 评价的指标日益多元，从仅包含碳排放指标逐渐增加 至 经 济 、产 业 、能 源 、环 境 、政 策 、管 理 等 多 方 面 的 指 标 ; 评价的内容日益丰富，从低碳生产逐渐扩展至低碳生 活，从碳减排扩展至生态环境的绿色协同发展; 评价的 城市数量逐渐增多，时间跨度日益增长; 评价的方法日 益多样化，从单一评价方法逐渐到组合评价方法。大 部分学者均认为中国的低碳城市试点成效显著，不仅 能有效提升城市低碳发展的水平，助力“十四五”期间 的碳排放达峰[13]，还能改善城市生态效率，有效推动中 国经济的绿色增长。

中国幅员辽阔，位于不同区域、具有不同人口规模、经 济发展水平和产业结构特征的城市采用了不同的低碳发 展路径，因此，低碳试点城市的案例研究也是热点之一。 如 Yang 等[14]对北京、晋城、池州、广元低碳试点的特色和 亮点进行了分析。Shen 等[15] 以北京的低碳试点为例，陈 楠和庄贵阳[16]以浙江省的低碳试点城市为例，Feng 等[17] 以参与第一批试点的广东省为例，吴雪莲和万迎峰[18] 以 武汉的低碳试点为例，对城市碳排放的驱动因素、模式和 路径进行了分析。从不同研究的结论来看，人口规模、产 业结构和能源结构均是影响城市碳排放的重要因素，但这 些因素在不同的区域以及城市发展的不同阶段对碳排放 的贡献有所不同。

中国人口·资源与环境 2020 年 第 7 期 试点城市碳排放与经济发展之间的脱钩情况，并根据脱钩

情况的差异将试点城市划分为不同类型。进一步针对不 同类型的城市，采用 STIRPAT 模型分析影响其碳排放的 驱动因素，提出不同类型城市的低碳发展模式及路径。对 中国低碳试点城市低碳发展成效的评估和低碳发展模式 的总结不仅能形成可复制、可推广的经验，从而引领和带 动中国城市的整体绿色、低碳转型，还能为其他国家提供 可借鉴的城市低碳发展的中国方案。

1 数据和模型

目前中国正处于工业化后期，城市不仅是工业的集聚 地，也是大量居民生产、生活的集中地，现阶段经济发展水 平仍然是决定中国城市碳排放的最重要因素之一。鉴于 此，本文先采用 Tapio 模型对低碳试点城市经济增速与碳 排放增速之间的关系进行充分论证，并基于经济增速与碳 排放增速之间的脱钩情况对这些城市进行分类，针对最为 主要的类型采用 STIRPAT 模型对影响城市碳排放的因素 进行比较分析，从而归纳总结出不同类型城市实现碳减排 的模式和路径。

1.1 城市碳排放数据核算方法 对城市碳排放的特征进行研究，首先要对城市的碳排

放进行核算。城市尺度的碳排放核算不仅包括城市中与 能源消费相关的碳排放，还包括工业过程排放和废弃物处 理的相关排放，其中农业、土地利用和林业相关的碳排放 量所占比例较小。依据《中国能源统计年鉴》中终端能源 消费量的数据，考虑到试点城市的能源消费品种，本文 最 终 选 用 煤 炭 、焦 炭 、原 油 、燃 料 油 、汽 油 、煤 油 、柴 油 、 天然气八种能源核算碳排放。能源消费碳排放的核算 方法和排放因子参照联合国政府间气候变化专门委员 会( IPCC) 提供的碳排放核算方法进行估算[19]，计算公 式如下:

目前针对低碳试点城市评估的研究虽然丰富，但评估 体系尚无统一界定，根据不同评价指标来分析各城市碳排 放的特征，所得结论差异较大。受我国区域发展不平衡的 影响，现有的三批低碳试点城市的经济社会发展水平不 一，经济增速与碳排放增速之间的关系并未得到充分论 证，而这既是城市低碳政策制定的基础，更是低碳试点的 1.2 目标。基于此，本文以 2010 年低碳试点城市建立的起始 时间为基准，选择 62 个试点城市( 在考虑到连续数据可获 取情况下，本文去除三批参与低碳试点城市的区县一级，

选择 62 个城市作为分析样本) ，采用 Tapio 模型分析了 2010—2015、2015—2016 和 2016—2017 年这几个时间段

n
CO = ∑(E ×NCV ×CEF ×COF) (1)

·2·

2= i1

iiii

式中，CO2 为能源消费碳排放量，n 表示能源种类数 量，Ei 表示第 i 种能源消耗的实物量，NCVi 表示第 i 种能源 的平均低位发热量，CEFi 为第 i 种能源的单位热值当量， COFi 为第 i 种能源的碳氧化因子，其缺省值为 1。

Tapio 低碳试点城市碳排放脱钩模型 有关经济增长与环境污染物的关系，Shafik 和

Bandyopadhyay[20]采用环境库兹涅茨曲线( EKC) 来解释经济 增长和环境质量之间的倒 U 型关系。随后，经济合作与发展 组 织 ( O E C D ) [ 2 1] 提 出 用 脱 钩 来 衡 量 经 济 增 长 与 环 境 污 染 之 间 的关系，并用脱钩指数来衡量两者的变动关系，以期打破“环

禹 湘等: 中国低碳试点城市的碳排放特征与碳减排路径研究

境的坏”和“经济的好”之间的连接。脱钩分析也开始被用于 对 OECD 成员国的经济增长和污染物排放分析，如 Ruffing[22] 和 Gupta[23]的研究。随后 Tapio[24]在分析交通领域碳排放时 构建了脱钩弹性系数，可以更加详细地描述环境压力与经济 增长的关联情况。Tapio 模型也被广泛应用于中国碳排放的 相关分析，如 Wang 和 Su[25]将其运用于国家层面、齐绍洲 等[26]将其运用于省级层面、郭炳南等[27] 将其用于区域层面、 Jiang 等[28]将其运用于部门领域的碳排放分析。本文将 Tapio 模型运用于城市层面，基于其脱钩弹性系数的界定并结合中 国城市碳排放的特征，根据调整的 Tapio 模型弹性系数对参 与低碳试点的城市进行分类。

Tapio 模型的弹性系数值计算公式如下: ΔCO2

e= CO2 (2) ΔGDP

GDP
式中，e 表示脱钩弹性系数，ΔCO2 和 ΔGDP 分别表示

影响。但 IPAT 模型在实际运用中不允许各影响因素存在 非单调、不同比例的变化，因而具有一定的局限性。为此， York 等[30] 采用随机模型的方式将 IPAT 模型扩展为 STIRPAT 模型。具体表达方式如下:

I = aPbitAcitTditεit (3)

其中，b、c 和 d 分别为 P、A、T 的系数，a 为常数项，ε 为 误差项。对( 3) 式两边取对数，得到:

lnIit =a+blnPit +clnAit +dlnTit +εit (4)

( 4) 式表述了人口、富裕程度和技术水平与环境压力 之间的线性关系，目的在于分析经济增长和碳排放之间可 能存在的非线性关系，以及不同影响因素对碳排放的影 响。本文选取低碳试点政策设计最为关注的几个领域，即 能源结构、产业结构、城镇化率和科技投入等。 林伯强 等[31]、Yu 等[32]、鲁万波等[33] 的研究也表明这些因素会显 著影响城市碳排放。考虑到城市碳排放特征的差异性，本 文基于 Tapio 模型的分析，引入了表示城市类型的虚拟变 量dummytype，当脱钩弹性系数e≥1时，dummytype 设为1;当 e < 1 时，dummytype 设为 0，从而构建模型( 5) 和( 6) ，分别 考察碳排放总量和人均碳排放量与不同碳排放影响因素 之间的关系。

基期到末期的碳排放和国内生产总值的变动。Tapio 模型 依据 e 值的高低和 ΔCO 、ΔGDP 的正负情况界定了八种脱

2
钩状态，如表 1 所示。Tapio 模型为避免过度解读细微变

化，将落在临界点处的情况弹性考虑。
本文用 Tapio 脱钩模型对 62 个低碳试点城市的脱钩

关系进行研究。考虑到数据的可得性，弹性系数的测算使 用 2010、2015、2016 和 2017 年各城市的碳排放总量和 GDP 数据。考察期为“十二五”规划期间，即 2010—2015、 2015—2016 及 2016—2017 年。在进行区域分析时，使用 处于各脱钩状态的城市占总城市数量的百分比来表现区 域城市的脱钩整体情况。

1.3 碳排放驱动因素模型分析
Ehrlich 和 Holdren[29]首次使用 IPAT 模型来分析人口

lnTCit

lnPCit

= lna + blnISit + clnESit + dlnURit flnGDPit + dummytype + εit

= lna + blnISit + clnESit + dlnURit flnGDPit + dummytype + εit

+ elnRDit + ( 5)

+ elnRDit + ( 6)