王 力，馮相昭，馬 彤，高 健

1. 中國人民大學(xué)環(huán)境學(xué)院，北京 100872

2. 生態(tài)環(huán)境部環(huán)境與經(jīng)濟(jì)政策研究中心，北京 100029

3. 中國環(huán)境科學(xué)研究院，北京 100012

目前，我國生態(tài)環(huán)境保護(hù)工作同時(shí)面臨著國內(nèi)環(huán)境質(zhì)量改善、全球氣候變化應(yīng)對(duì)等多重任務(wù)的嚴(yán)峻挑戰(zhàn)，我國大氣污染重點(diǎn)區(qū)域的絕大多數(shù)城市均面臨著減污降碳的雙重壓力，渭南市也不例外. 渭南市地處汾渭平原，化石燃料在能源結(jié)構(gòu)占主導(dǎo)，渭南市能源消費(fèi)以煤炭和石油為主且產(chǎn)業(yè)結(jié)構(gòu)偏重，交通運(yùn)輸結(jié)構(gòu)依靠公路交通，根據(jù)《渭南市2019年統(tǒng)計(jì)年鑒》和生態(tài)環(huán)境部機(jī)動(dòng)車排污監(jiān)控中心2018年機(jī)動(dòng)車數(shù)據(jù)測算，渭南市移動(dòng)源能源消費(fèi)量約占全社會(huì)能源消費(fèi)總量的10%. 其中，客運(yùn)交通和貨運(yùn)交通能源消費(fèi)量占比分別為55.4%和44.6%. 另外，從移動(dòng)源能源消費(fèi)品種看，汽油消費(fèi)占比為50.6%，柴油占比44%，較為清潔的天然氣燃料僅占1.3%. 經(jīng)濟(jì)發(fā)展是能源消費(fèi)需求持續(xù)攀升的主要驅(qū)動(dòng)力，進(jìn)入“十三五”時(shí)期，經(jīng)濟(jì)增速有所放緩，經(jīng)濟(jì)增長因素的驅(qū)動(dòng)作用有所減弱. 渭南市的大氣污染防治形勢一直以來面臨嚴(yán)峻挑戰(zhàn)，特別是PM2.5、PM10和NOx等主要污染物減排壓力較大. 雖然，近年來渭南市通過積極推進(jìn)大氣污染治理工作，PM2.5濃度有所下降，但環(huán)境空氣質(zhì)量改善成果還不穩(wěn)固. 在碳達(dá)峰碳中和的宏觀形勢下，渭南市作為資源型城市，低碳發(fā)展轉(zhuǎn)型的需求也愈發(fā)迫切. 所以，在渭南市開展減污降碳協(xié)同控制研究對(duì)于城市實(shí)現(xiàn)大氣環(huán)境質(zhì)量達(dá)標(biāo)與低碳轉(zhuǎn)型發(fā)展具有重要的現(xiàn)實(shí)意義.

基于此，該研究以分析渭南市社會(huì)經(jīng)濟(jì)發(fā)展現(xiàn)狀及能源供需結(jié)構(gòu)特征為出發(fā)點(diǎn)，采用相關(guān)分解方法評(píng)價(jià)能源消費(fèi)與經(jīng)濟(jì)增長的關(guān)系，識(shí)別影響城市能源消費(fèi)與碳排放、污染物排放增加的主要驅(qū)動(dòng)因素，運(yùn)用能源技術(shù)模型構(gòu)建多種情景模擬分析污染減排、能源結(jié)構(gòu)改善及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等政策對(duì)渭南市大氣污染物與CO2排放趨勢的影響，旨在探討渭南市減污降碳協(xié)同控制潛力，探索碳達(dá)峰路徑，提出促進(jìn)渭南市綠色低碳協(xié)同發(fā)展的對(duì)策建議.

目前，多數(shù)研究采用因素分解方法評(píng)價(jià)分析經(jīng)濟(jì)增長與能源消費(fèi)之間的關(guān)系，其中指數(shù)分解分析法(index decomposition analysis, IDA)是常用的分析影響因素的方法，可分為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項(xiàng)問題，而Laspeyres分解法中的殘差項(xiàng)不應(yīng)被忽略，主要原因是較大的殘差項(xiàng)會(huì)對(duì)分析結(jié)果有所影響. Divisia分解法是法國學(xué)者Divisia[1]在1925年構(gòu)建Divisia指數(shù)的基礎(chǔ)上，由Reitler等[2-3]發(fā)展起來的一種因素分解分析方法，之后Liu等[4-6]從不同角度對(duì)該分解分析法進(jìn)行完善. Divisia分解法具有滿足因素可逆的特點(diǎn)，從而消除殘差項(xiàng)，克服了對(duì)殘差項(xiàng)分解不當(dāng)?shù)娜秉c(diǎn)，使結(jié)果分解模型更具說服力[7-8]. 對(duì)數(shù)平均Divisia指數(shù)(logarithmic mean divisia index, LMDI)分解法被廣泛用于能源消費(fèi)與碳排放變化內(nèi)因及作用強(qiáng)度等方面的研究. 梁啟迪等[9]運(yùn)用LMDI分解法對(duì)唐山市能源消費(fèi)、碳排放因素進(jìn)行分解分析，為唐山市綠色低碳發(fā)展轉(zhuǎn)型提出建議. 陳敏等[10]采用LMDI分解模型解析了成渝地區(qū)工業(yè)大氣污染物排放的時(shí)空演化格局. 沈文濤[11]運(yùn)用LMDI分解法分析了遼寧省1997?2015年終端能源消費(fèi)變動(dòng)的驅(qū)動(dòng)因素. 馮相昭等[12]通過對(duì)我國歷年碳排放分析發(fā)現(xiàn)，經(jīng)濟(jì)和人口增長對(duì)碳排放起促進(jìn)作用，而能源結(jié)構(gòu)調(diào)整則會(huì)抑制CO2排放. Colinet等[13]利用LMDI分解法研究了2003?2012年安達(dá)盧西亞能源消耗變化情況，發(fā)現(xiàn)結(jié)構(gòu)效應(yīng)變動(dòng)對(duì)能源消費(fèi)降低起促進(jìn)作用. 王莉葉等[14]對(duì)蘭州市工業(yè)能源消費(fèi)碳排放影響因素進(jìn)行分解，并基于相關(guān)減排情景提出了對(duì)策建議.

就能源需求與排放情景模擬而言，國內(nèi)外研究者多采用自下而上的能源技術(shù)模型，如LEAP模型、TIMES模型和MARKAL模型[15-19]. 其中LEAP模型在能源需求預(yù)測、政策評(píng)估等方面得到廣泛使用. 在重點(diǎn)行業(yè)節(jié)能減排方面，李新等[20]對(duì)鋼鐵行業(yè)中長期減排潛力進(jìn)行了情景分析；劉惠等[21]基于LEAP模型對(duì)城市和農(nóng)村居民生活碳排放開展模擬研究；馮相昭等[22-24]運(yùn)用LEAP模型模擬分析了交通領(lǐng)域能源消費(fèi)與溫室氣體排放趨勢變化，進(jìn)而提出促進(jìn)交通綠色低碳發(fā)展的對(duì)策建議. 王涵等[25]提出僅依靠命令控制型手段為主的大氣污染物治理措施將不足以實(shí)現(xiàn)減污降碳協(xié)同目標(biāo). 除針對(duì)不同領(lǐng)域外，省市層面也有不少學(xué)者開展能源消費(fèi)與碳排放研究. 如王春春等[26-29]利用LEAP模型對(duì)福建省、河北省、山東省和浙江省的能源消費(fèi)及CO2排放變化進(jìn)行了情景分析；鄧明翔等[30]基于LEAP模型通過設(shè)定經(jīng)濟(jì)技術(shù)情景方案評(píng)估了云南省2012?2050年供給側(cè)結(jié)構(gòu)性改革對(duì)產(chǎn)業(yè)碳排放及碳強(qiáng)度的影響；賈彥鵬等[31]利用LEAP模型預(yù)測了基準(zhǔn)情景和節(jié)能低碳情景下景德鎮(zhèn)市能源需求和CO2排放變化.

目前，利用LEAP模型開展城市層面污染物與溫室氣體協(xié)同減排研究較為鮮見，綜合運(yùn)用因素分解方法與能源技術(shù)模型開展城市減污降碳協(xié)同控制的量化分析非常有限. 該研究創(chuàng)新采用LMDI方法對(duì)渭南市2011?2018年能源消費(fèi)年際變化開展結(jié)構(gòu)分解，識(shí)別影響渭南市能源消費(fèi)與碳排放、污染物排放的主要驅(qū)動(dòng)因素，基于驅(qū)動(dòng)排放增加的人口、GDP、產(chǎn)業(yè)結(jié)構(gòu)等社會(huì)經(jīng)濟(jì)因素開展終端用能部門需求預(yù)測，以需求預(yù)測結(jié)果作為外生變量輸入到LEAP模型，運(yùn)用LEAP模型綜合考慮多種政策措施構(gòu)建不同減排情景，對(duì)渭南市減污降碳協(xié)同減排潛力進(jìn)行模擬分析，并結(jié)合碳達(dá)峰碳中和新形勢預(yù)測了該市的碳達(dá)峰時(shí)間及峰值水平，以期為渭南市經(jīng)濟(jì)社會(huì)發(fā)展全面綠色轉(zhuǎn)型提供技術(shù)支撐和決策參考.

1 研究方法及數(shù)據(jù)來源

1.1 模型構(gòu)建與數(shù)據(jù)來源

1.1.1 LMDI分解方法

一個(gè)國家或地區(qū)的能源消費(fèi)可根據(jù)Kaya公式進(jìn)行分解，計(jì)算公式：

式中：E為能源消費(fèi)量，104t (以標(biāo)準(zhǔn)煤計(jì))；P為人口數(shù)量，人；GDP表示地區(qū)生產(chǎn)總值，元；表示人均收入水平，104元/人；i表示三次產(chǎn)業(yè)，即第一產(chǎn)業(yè)、第二產(chǎn)業(yè)和第三產(chǎn)業(yè)；表示i產(chǎn)業(yè)增加值在GDP中的占比；表示i產(chǎn)業(yè)萬元增加值的能源消費(fèi)強(qiáng)度.

能源消費(fèi)變化(?E)可以用報(bào)告期減去基期得到，計(jì)算公式：

式中，Et和E0分別為第t期和基期的能源消費(fèi)量，104t (以標(biāo)準(zhǔn)煤計(jì)).

對(duì)上式進(jìn)行LMDI加法分解：

式中： ?EP為人口效應(yīng)； ?EGP為 經(jīng)濟(jì)增長效應(yīng)； ?ES為產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)；?EEI為能源強(qiáng)度效應(yīng)；j為能源類型，如煤炭、石油、天然氣和電力等.

該研究數(shù)據(jù)主要來源于渭南市2010?2019年統(tǒng)計(jì)年鑒、大氣污染物排放清單以及地方管理部門實(shí)地調(diào)研等.

1.1.2 LEAP模型

該研究根據(jù)2018年可獲取分品種能源統(tǒng)計(jì)數(shù)據(jù)的客觀實(shí)際，以2018年為基年，結(jié)合渭南市大氣環(huán)境質(zhì)量改善目標(biāo)和碳達(dá)峰要求，以降碳為重點(diǎn)戰(zhàn)略方向，基于社會(huì)經(jīng)濟(jì)發(fā)展趨勢判斷和終端用能部門需求預(yù)測，綜合考慮污染減排、能源結(jié)構(gòu)改善、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、運(yùn)輸結(jié)構(gòu)變化等政策措施和技術(shù)選項(xiàng)，構(gòu)建基準(zhǔn)(BAU)情景、污染減排(APC)情景、能源結(jié)構(gòu)優(yōu)化(ESI)情景和綠色低碳發(fā)展(GLC)情景，分析渭南市2019?2035年在不同情景下能源消費(fèi)水平、主要污染物排放以及CO2協(xié)同減排情況.

BAU情景下，假設(shè)沒有新的污染減排政策措施出臺(tái)，能源結(jié)構(gòu)與能效水平保持在基年水平；APC情景下，不同行業(yè)采用淘汰落后產(chǎn)能、污染物排放標(biāo)準(zhǔn)升級(jí)等措施加強(qiáng)環(huán)境治理；ESI情景下，固定源方面主要考慮的政策措施包括能耗強(qiáng)度下降目標(biāo)約束、能源消費(fèi)結(jié)構(gòu)改善以及清潔供暖等措施，移動(dòng)源方面主要分析老舊汽車替代、新能源汽車推廣、替代燃料(LNG和氫燃料)發(fā)展、燃油經(jīng)濟(jì)性標(biāo)準(zhǔn)升級(jí)等，生活源主要考慮用能結(jié)構(gòu)改善和能效提高等措施，電力生產(chǎn)方面則主要考慮風(fēng)電、光伏、水電等可再生能源發(fā)展政策等；GLC情景旨在推動(dòng)綠色低碳協(xié)同發(fā)展，所以綜合考慮了APC和ESI的情景設(shè)置，同時(shí)兼顧了產(chǎn)業(yè)結(jié)構(gòu)調(diào)整措施. 具體設(shè)置如表1所示.

表1 情景設(shè)置Table 1 Scenario settings

1.2 社會(huì)經(jīng)濟(jì)參數(shù)預(yù)測

經(jīng)濟(jì)發(fā)展、人口增長和產(chǎn)業(yè)結(jié)構(gòu)等社會(huì)經(jīng)濟(jì)因素是LEAP模型的重要外生變量參數(shù)，該研究依據(jù)《中華人民共和國國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》提出的到2035年GDP在2020年基礎(chǔ)上翻一番的目標(biāo)要求，結(jié)合渭南市實(shí)際，作如下假設(shè)：

a) 2000?2018年渭南市人口年均增長率為0.18%，其中2017年、2018年人口出現(xiàn)負(fù)增長. 該研究假設(shè)2019?2025年、2026?2030年、2031?2035年人口年均增長率分別為0.17%、0.16%、0.15%.

b) “十三五”期間，渭南市GDP年增長率回落至10%以內(nèi)，其中2016?2019年GDP增長率分別為8.5%、7.5%、8.3%和4.2%. 2020年由于新冠肺炎疫情影響，GDP增長進(jìn)一步放緩. 根據(jù)《渭南市國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)綱要》，該研究假設(shè)“十四五”“十五五”“十六五”時(shí)期渭南市GDP年均增長率分別為6.5%、5.9%和5.2%，到2035年渭南市人均GDP從2020年的3.11×104元增至6.22×104元(2018年不變價(jià)格).

c)在綠色低碳發(fā)展的宏觀背景下，產(chǎn)業(yè)結(jié)構(gòu)將會(huì)進(jìn)一步優(yōu)化調(diào)整，該研究假定到2035年第二、三產(chǎn)業(yè)占比分別為32%和45.4%. 由于第二產(chǎn)業(yè)內(nèi)部結(jié)構(gòu)優(yōu)化調(diào)整，六大高耗能行業(yè)（化學(xué)原料及化學(xué)制品制造業(yè)，非金屬礦物制品業(yè)，黑色金屬冶煉及壓延加工業(yè)，有色金屬冶煉及壓延加工業(yè)，石油加工煉焦及核燃料加工業(yè)，電力熱力的生產(chǎn)和供應(yīng)業(yè)）在第二產(chǎn)業(yè)增加值占比有所下降，其他制造業(yè)（包含戰(zhàn)略新興產(chǎn)業(yè)）占比上升.

2 結(jié)果與討論

2.1 能源消費(fèi)影響因素分解分析

從能源消費(fèi)年際變化影響因素分解結(jié)果(見圖1)來看，經(jīng)濟(jì)增長效應(yīng)均為正值，說明經(jīng)濟(jì)發(fā)展是能源消費(fèi)需求持續(xù)攀升的主要驅(qū)動(dòng)力，進(jìn)入“十三五”時(shí)期，經(jīng)濟(jì)增速有所放緩，經(jīng)濟(jì)增長因素的驅(qū)動(dòng)作用相應(yīng)減弱. 人口增長也是影響能源消費(fèi)持續(xù)增加的主要因素(除2018年外，因2018年渭南市常住人口較2017年有所減少，所以2017?2018年人口效應(yīng)為負(fù)值). 除2017年外，產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)均為負(fù)值，說明以供給側(cè)結(jié)構(gòu)性改革為主要內(nèi)容的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整政策有效抑制了渭南市能源消費(fèi)的快速增長，這主要與第二產(chǎn)業(yè)占GDP比重下降、第三產(chǎn)業(yè)占GDP比重增加有關(guān)，其中第二產(chǎn)業(yè)占GDP比重從2011年的53%降至2018年的42%，第三產(chǎn)業(yè)占GDP比重從2011年的31.4%升至2018年的41.2%. 2017年產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)為正值，主要是因?yàn)楫?dāng)年第二產(chǎn)業(yè)能源消費(fèi)強(qiáng)度較2016年上升了0.7個(gè)百分點(diǎn). 能源強(qiáng)度效應(yīng)自“十二五”以來基本為負(fù)值，說明能源消費(fèi)強(qiáng)度下降在很大程度上減緩了渭南市能源消費(fèi)總量的增長. 得益于能源消費(fèi)總量和強(qiáng)度“雙控”工作的開展，渭南市能源消費(fèi)強(qiáng)度由2011年的1.535 t (以標(biāo)煤計(jì)，下同)/(104元)降至2018年的1.131 t/(104元)，累積下降26.3%. 但是，能源消費(fèi)強(qiáng)度效應(yīng)在個(gè)別年份(如2015年和2016年)出現(xiàn)正值，并未對(duì)能源消費(fèi)總量增長發(fā)揮抑制作用，這主要與第二產(chǎn)業(yè)能源消費(fèi)強(qiáng)度未實(shí)現(xiàn)持續(xù)下降有關(guān)，如2015年第二產(chǎn)業(yè)能源消費(fèi)強(qiáng)度由2014年的2.126 t/(104元)反彈至2.382 t/(104元)，2016年第二產(chǎn)業(yè)能源消費(fèi)強(qiáng)度繼續(xù)反彈，升至2.436 t/(104元).

圖1 2011—2018年渭南市能源消費(fèi)年際變化影響因素分解Fig.1 Decomposition of influencing factors towards annual changes in energy consumption in Weinan City from 2011 to 2018

2.2 LEAP模型模擬分析

2.2.1 能源消費(fèi)

由圖2可見：在BAU情景下，由于沒有新的政策驅(qū)動(dòng)和節(jié)能減排約束，渭南市能源消費(fèi)呈現(xiàn)持續(xù)快速增長態(tài)勢，2025年和2035年能源消費(fèi)總量分別為2 039×104和2 973×104t，分別為2018年的1.34和1.96倍；在APC情景下，2025年和2035年能源消費(fèi)總量分別為1 940×104和2 699×104t，與基準(zhǔn)情景相比分別減少了98×104和274×104t；在ESI情景下，該市能源消費(fèi)將進(jìn)一步減少，2025年和2035年能源消費(fèi)總量分別為1 827×104和2 319×104t，與基準(zhǔn)情景相比分別減少了211×104和654×104t；在GLC情景下，渭南市能源需求增速顯著放緩，2025年和2035年能源消費(fèi)總量分別為1 709×104和1 866×104t，分別為2018年的1.12和1.34倍.

圖2 不同情景下渭南市能源消費(fèi)趨勢Fig.2 Trend of energy consumption under different scenarios in Weinan City

從能源消費(fèi)結(jié)構(gòu)看，煤炭、石油和天然氣等化石燃料在渭南市仍將主導(dǎo)終端能源消費(fèi)結(jié)構(gòu). 在GLC情景下，2035年化石燃料仍占全社會(huì)用能的69.9%，低于BAU情景(78.5%)、APC情景(71.5%)和ESI情景(71.7%). 從部門結(jié)構(gòu)來看，第二產(chǎn)業(yè)是渭南市能源消費(fèi)的主要貢獻(xiàn)者，特別是工業(yè)部門. 2018年，第二產(chǎn)業(yè)部門能源消費(fèi)約占渭南市終端能源消費(fèi)總量的65.5%，其中六大高耗能行業(yè)的能源消耗占比約95.6%. 在ESI和GLC情景下，由于能源結(jié)構(gòu)改善、能效提升以及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等政策驅(qū)動(dòng)，第二產(chǎn)業(yè)內(nèi)部高耗能部門的能源消費(fèi)占比呈下降趨勢，特別是在GLC情景下，到2035年六大高耗能行業(yè)的能源消耗占比將減至89%.

2.2.2 PM2.5排放情況

由圖3可見，在BAU情景下，由于渭南市能源需求持續(xù)快速增長，能源結(jié)構(gòu)偏重，所以PM2.5排放量增長迅速，2035年將達(dá)17 031 t，是2018年的1.62倍. 由于渭南市壓減高耗能產(chǎn)能、散亂污整治、工業(yè)爐窯治理、淘汰老舊汽車、散煤治理等減排政策的實(shí)施，PM2.5排放量增勢將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排放量分別為10 794、11 207和11 589 t，與BAU情景相比分別減排1 966、3 560和5 443 t. 需要強(qiáng)調(diào)的是，在APC情景下，到2020年需要在化工、建材(磚瓦和石灰石)、其他制造業(yè)拆除35蒸噸以下燃煤鍋爐，新增65 t以上燃煤鍋爐. 在ESI和GLC情景下，通過能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運(yùn)輸結(jié)構(gòu)等方面的優(yōu)化調(diào)整，該市2035年P(guān)M2.5排放量將分別降至7 990和6 006 t，較BAU情景分別減排9 041和11 025 t.

圖3 不同情景下渭南市PM2.5排放趨勢Fig.3 Trend of PM2.5 emissions under different scenarios in Weinan City

2.2.3 NOx排放情況

由圖4可見，在BAU情景下，渭南市NOx排放量增長迅速，2035年將達(dá)33 199 t，是2018年的1.95倍. 通過實(shí)施壓減高耗能產(chǎn)能、工業(yè)爐窯治理、淘汰老舊汽車、散煤治理等污染防治政策，NOx排放量增勢將受到抑制，因此在APC情景下，2025年和2035年渭南市NOx排放量分別為18 081和20 283 t，與BAU情景相比分別減排4 867和12 916 t. 在ESI和GLC情景下，通過能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運(yùn)輸結(jié)構(gòu)等方面的優(yōu)化調(diào)整，該市2035年NOx排放量將分別降至16 748和13 377 t，即較基準(zhǔn)情景分別減排16 451和19 822 t.

圖4 不同情景下渭南市NOx排放趨勢Fig.4 Trend of NOx emissions under different scenarios in Weinan City

2.2.4 CO2排放情況

由于大氣污染物與CO2在多數(shù)情況下具有同根同源排放的特征，所以能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)以及運(yùn)輸結(jié)構(gòu)調(diào)整的各項(xiàng)措施具有協(xié)同減少CO2的效果. 由圖5可見，在BAU情景下，渭南市能源需求持續(xù)快速增長，能源結(jié)構(gòu)偏重，CO2排放量呈迅速增長態(tài)勢，2035年CO2排放量將達(dá)到6 010×104t，是2018年的1.96倍. 由于渭南市壓減高耗能產(chǎn)能、散亂污整治、工業(yè)爐窯治理、淘汰老舊汽車以及散煤治理等減排政策的實(shí)施，CO2排放量增長態(tài)勢將在一定程度上受到抑制，所以在APC情景下，2035年渭南市CO2排放量為4 943×104t，與BAU情景相比，減排了1 067×104t. 在ESI和GLC情景下，通過能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運(yùn)輸結(jié)構(gòu)等方面的優(yōu)化調(diào)整，該市2035年CO2排放量將分別降至4 236×104和3 282×104t，較BAU情景分別減排1 774×104和2 728×104t. 需要特別強(qiáng)調(diào)的是，在GLC情景下，渭南市CO2排放量到2029年達(dá)峰，峰值為3 406×104t.

圖5 不同情景下渭南市CO2排放趨勢Fig.5 Trend of CO2 emissions under different scenarios in Weinan City

2.2.5 減污降碳協(xié)同控制潛力分析

從模擬結(jié)果看，3種減排情景所考慮的結(jié)構(gòu)減排、能源改善、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等政策措施與技術(shù)選項(xiàng)均具有協(xié)同控制SO2、NOx、PM2.5、VOCs等常規(guī)污染物與CO2的效果. 以PM2.5減排為例，與BAU情景相比，3種減排情景下PM2.5減排效果明顯(見圖6). 在GLC情景下，2025年、2030年和2035年P(guān)M2.5可分別減排4 460、7 462和11 025 t. 第二產(chǎn)業(yè)是PM2.5排放大戶，其內(nèi)部減排潛力最大的4個(gè)部門分別為非金屬礦物制品業(yè)，化學(xué)原料及化學(xué)制品制造業(yè)，石油加工煉焦及核燃料加工業(yè)，電力熱力生產(chǎn)和供應(yīng)業(yè)，以2035年GLC情景為例，這4個(gè)行業(yè)的PM2.5減排量分別占第二產(chǎn)業(yè)PM2.5減排總量的60.6%、30.1%、4.8%和1.6%(見圖7).

圖6 不同情景下PM2.5減排潛力Fig.6 Potential of PM2.5 emissions reduction under different scenarios in Weinan City

圖7 2035年第二產(chǎn)業(yè)PM2.5減排潛力Fig.7 Potential of PM2.5 emissions reduction in secondary sector by 2035

就CO2減排而言，與BAU情景相比，3種減排情景的CO2減排效果均較明顯(見圖8)，特別是在GLC情景下，由于在能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運(yùn)輸結(jié)構(gòu)等調(diào)整優(yōu)化方面的措施形成合力，減排潛力最大，以2035年為例，可減少CO2排放2 728×104t，是2018年渭南市CO2排放總量的89%. 第二產(chǎn)業(yè)是CO2排放大戶，其內(nèi)部減排潛力最大的5個(gè)部門分別為化學(xué)原料及化學(xué)制品制造業(yè)，電力熱力生產(chǎn)和供應(yīng)業(yè)，非金屬礦物制品業(yè)，黑色金屬冶煉及壓延加工業(yè)，石油加工煉焦及核燃料加工業(yè)，以2035年GLC情景為例，這5個(gè)高耗能行業(yè)的減排量分別占第二產(chǎn)業(yè)CO2減排總量的53.6%、31.9%、4.7%、3%和1.1%.

圖8 不同情景下CO2減排潛力Fig.8 Potential of CO2 emissions reduction under different scenarios in Weinan City

3 結(jié)論與建議

能源結(jié)構(gòu)改善、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、交通運(yùn)輸調(diào)整具有顯著的污染物與溫室氣體協(xié)同減排效果，而壓減落后產(chǎn)能、工業(yè)爐窯改造、工業(yè)污染物排放標(biāo)準(zhǔn)升級(jí)等傳統(tǒng)環(huán)境治理措施的潛力逐漸減小. 3種減排情景下，僅有包含能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運(yùn)輸結(jié)構(gòu)深度優(yōu)化調(diào)整的綠色低碳(GLC)情景才能確保渭南市在2030年前實(shí)現(xiàn)碳達(dá)峰，而這種情景下大氣污染物協(xié)同減排的效果最為顯著.

在當(dāng)前能源“雙控”目標(biāo)和碳強(qiáng)度目標(biāo)約束強(qiáng)化的宏觀形勢下，渭南市作為汾渭平原典型資源型城市之一，應(yīng)以降碳作為源頭治理的“牛鼻子”，倒逼能源、產(chǎn)業(yè)、交通結(jié)構(gòu)綠色低碳轉(zhuǎn)型和生態(tài)環(huán)境質(zhì)量協(xié)同改善，牽引經(jīng)濟(jì)社會(huì)發(fā)展全面綠色轉(zhuǎn)型. 為推動(dòng)渭南市綠色低碳發(fā)展，實(shí)現(xiàn)減污降碳協(xié)同效應(yīng)，提出如下對(duì)策建議.

a)積極推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí). 實(shí)施傳統(tǒng)產(chǎn)業(yè)綠色化升級(jí)改造，新建大氣污染物排放項(xiàng)目實(shí)行區(qū)域內(nèi)現(xiàn)役源2倍削減量替代. 制定項(xiàng)目準(zhǔn)入負(fù)面清單，明確禁止和限制發(fā)展的行業(yè)、生產(chǎn)工藝和產(chǎn)業(yè)目錄. 以化工、火電、水泥、黑色冶煉等高耗能行業(yè)為重點(diǎn)，全面實(shí)施能效提升、清潔生產(chǎn)、強(qiáng)化治污、循環(huán)利用等專項(xiàng)技術(shù)改造.

b)著力改善能源結(jié)構(gòu). 利用風(fēng)電、光伏等資源優(yōu)勢，加快發(fā)展風(fēng)電、光伏裝機(jī)建設(shè). 把煤炭消費(fèi)總量和強(qiáng)度目標(biāo)作為經(jīng)濟(jì)社會(huì)發(fā)展重要約束性指標(biāo)，推動(dòng)形成經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的倒逼機(jī)制. 由于綜合運(yùn)用能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和交通運(yùn)輸結(jié)構(gòu)等調(diào)整優(yōu)化措施，節(jié)能潛力最大，以2035年為例，可實(shí)現(xiàn)967×104t的節(jié)能量，相當(dāng)于2018年渭南市能源消費(fèi)總量的64%. 加強(qiáng)重點(diǎn)行業(yè)能效管理，推動(dòng)重點(diǎn)企業(yè)能源管理體系建設(shè)，提高用能設(shè)備能效水平，嚴(yán)格控制火電、化工、鋼鐵、水泥等重點(diǎn)行業(yè)等高耗能行業(yè)產(chǎn)品能耗標(biāo)準(zhǔn).

c)加快推進(jìn)交通運(yùn)輸結(jié)構(gòu)優(yōu)化. 鼓勵(lì)清潔能源車輛的推廣使用. 加快城市充電樁等新能源車充電基礎(chǔ)設(shè)施建設(shè)，大力推廣和普及電動(dòng)汽車. 加快推進(jìn)公交、出租類車輛開展新能源車更新、置換. 開展以公路運(yùn)輸為主的貨運(yùn)交通結(jié)構(gòu)調(diào)整，推進(jìn)鋼鐵、電力等重點(diǎn)工業(yè)企業(yè)和工業(yè)園區(qū)貨物由公路運(yùn)輸轉(zhuǎn)向鐵路運(yùn)輸，逐步提高大宗貨物鐵路貨運(yùn)比例.