中国2020-2050经济和能源情景以及疫情对全球碳排放和经济的影响

生态环境部环境规划院气候变化与环境政策研究中心

第一讲

为了实现两度目标，中国要在2020-2030年间完成碳排放达峰，2030年单位GDP碳强度相比2005年下降68%-78%。随着经济结构的转型和单位GDP能源强度下降，2030年之前可以实现二氧化碳排放峰值是一个相对有共识的结论。大量研究表明中国单位GDP碳强度的下降率大于GDP的增长率、单位能耗强度下降率高于能源消费增长率这两个条件会在2025年左右同时实现。

全球范围来看，为实现目标，全球的碳排放应持续下降的。预计到本世纪中叶达到净零排放，下半叶达到负排放。目前，不丹、苏里南已实现净零排放；瑞典、英国、法国和新西兰通过立法确认将在本世纪中叶实现净零排放的目标（Chen Y,2019）。图1展示了提出净零排放国家设定的达标时间。实现净零排放是一全球趋势。由此，探讨中长期减排路径并以此完成政策制定尤为重要。

图1 各国净零排放实现时间

由于影响碳排放的因素很多，所以在碳减排路径的研究中应设定不同的情景。以Shuai C的研究为例，中国43个碳排放潜在驱动力中，人均实际GDP、城市化率、第三产业与第二产业的比率、可再生能源的比率以及固定资产投资5个因素较为关键，最重要的是人均实际GDP。但由于社会经济发展是不确定的，所以碳减排的实现也会有不同的路径，形成不同的发展情景。目前国际上使用较为广泛是由IPCC在2010年提出的SSPs（Shared Socioeconomic Pathways）情景，通过七个指标体系（人力和资源指标，经济发展，人类发展，技术，生活方式，自然资源和政府政策）构建了5条社会经济发展路径，分别为SSP1可持续路径（Sustainability），SSP2中间路径（Middle of the Road），SSP3区域竞争路径（Regional Rivalry），SSP4不均衡路径（Inequality）和SSP5化石燃料为主发展路径（Fossil-fueled Development），5条路径所体现的减缓、适应挑战难度维度由图2所示。横坐标为适应挑战，适应挑战高意味着面对气候变化影响的脆弱性程度高，以岛屿国家为例，气候变化引起的海平面上升对其的挑战性极高；纵坐标为减缓挑战，即减排难度的大小。SSP2通常被认为是最中等的情景，作为基础情景。SSP5是以化石能源为主要能源的发展路径，经济性最高，也较贴近目前的实际情况。

图2 SSPs情景的分布

现有研究在使用SSPs情景时多是与其他情景组合在一起形成框架进行分析。以Kriegler E构建的SSPs-RCPs-SPAs框架为例，在SSPs情景的基础上，加入了RCP路径，即加入了CO2浓度的考量，并加入了SPA（Shared Climate Policy Assumptions）情景，这样框架分析中也包含了气候政策（减缓和适应政策）。三个不同维度的情景通常是以矩阵的形式进行组合分析。

（参考文献：Pan, X., et al. (2020)）

（1）研究背景

（2）研究方法

1.模型

图3 GCAM中能源系统结构

注：蓝线与石油和天然气有关；更详细信息见http://jgcri.github.io/gcam-doc/

2.情景

图4  5种情景及其主要内容

（3）结论

1.NDC情景中，石油和天然气在中国能源体系中不会像煤炭和非化石能源消耗量那样急剧变化。主要是非化石能源替代煤炭。

2. 到2050年，化石能源在中国能源体系中的作用会随着低碳减排而下降，尤其是在1.5°C下。天然气是一个从煤炭到非化石能源转变的中介，到2040年需求将会增大。如图5所示。

3. 与低碳减排相比，油价情景对中国能源系统的影响较小，如图6所示。影响主要体现在石油，天然气和煤炭，非化石能源之间的替代。

图5 NDC与1.5°C、2°C情景中国石油，天然气和能源消耗的比较

图6 NDC与油价情景中国石油，天然气和能源消耗的比较

（参考文献：Sun, Z., et al. (2019)）

（1）研究背景

（2）研究方法

图7  研究结构

（3）结论

1. 能量强度下降率是决定峰值CO2排放的关键因素。清洁能源结构将弥补缺乏节能潜力的问题，并可以加快能源强度的降低。

2. 情景A1B2C2具有较高的GDP增长，中速能源强度下降以及根据2016-2030年能源技术革命创新计划进行的能源结构调整，在2030年具有最高的CO2排放分配效率。具体见图8所示。

图8  48种情景下的CO2排放峰值和达峰时间

3. 如图9所示，在2016-2030年，全国的CO2排放量将收敛到平均水平。东部地区需减少总体和人均CO2排放；而西部和中部在2030年前碳排放空间有限，减排潜力相较更大。

图9  四个区域情景排放和最小排放趋势间的比较

2.3案例1、2的比较

表1 案例1、2比较

表2 相关文献研究简述汇总

上述案例研究中，大多使用的是自下而上的情景设定模型，而自上而下的模型则会需要广泛的经济预测，以及有关经济部门之间的联系。就要依靠宏观经济方法进行短期（10年）分析，国家每5年发布的投入产出表可用于研究部门间的联系，一般均衡（CGE）模型则适用于市场经济国家来完成各个部门和国家间的连接，承担市场清算。常用的计量模型有环境库兹涅茨曲线EKC理论、IPAT模型（解释人口（P），富裕程度（A）和技术（T）带来的直接环境影响（I））和STIRPAT 模型（IPAT模型的扩展）。

Riahi, K提出的此类研究的一般结构可以很好的对情景设定及预测步骤进行梳理。由图10所示，确定研究问题后，首先进行情景的设定，然后量化情景中的参数，代入模型完成运算，就会得到未来的不同发展情况。

图10 情景研究的一般结构

表3  经济影响文献的对比分析

全球多家机构对于2020年的GDP也提出不同的预测，如表4所示。增长率集中在2%-3%，而我国近年增长率一般为6%，是大幅下降的，但在全球来看，属于较好的情况。

表4  2020年GDP预测

对于物理环境的影响，主要集中于大气、水和土壤，不可回收废物（塑料和医疗废物）数目增多，但影响的持续时间暂不能确定，以中国为例，2020年第一季度污染物排放有所下降，但到4月，NO2的排放水平已经接近长期标准。对于碳排放的影响也较为显著，截至2020年4月初，全球每日碳排较2019年平均水平降低17%（11~25%）。其中，近一半来自地面交通部门；航空业较疫情前每日碳排放量下降75%（60-90%）；住宅用能部门每日碳排放量较疫情前上升约5%。Le Quéré, C（2020）指出，若在六月中旬各国逐渐恢复到疫情之前状态，则全年碳排放将下降4%(2~7%)，若隔离限制政策持续到年末，则全年碳排放将下降7%（3~13%）。

从长期来看，积极影响是人们从大流行中汲取的教训，COVID-19可能引起更多的可持续发展，在认识到延迟应对所带来的巨大成本后，增强社会生态系统的适应能力或缩短供应链。促进远程办公和数字经济的发展，会给环境带来较好的改善。另一方面，各国将开始重新启动其主要经济部门以弥补经济损失，环境条件将再次被忽略。

1.SSP情景没有包含政策措施吗？

讲者理解的是SSP情景没有直接包含气候政策的措施。但是对于人口和GDP等指标的相关预测可能是隐含着未来经济发展导向的。以“二胎”政策为例，它可能会影响未来人口增加的发展趋势，造成SSP情景下未来预测值的改变。所以，SSP情景可以和不同的气候政策进行矩阵组合。

2.对于碳排放达峰的定义是什么？不同国家对于碳排放达峰的定义是否有区别？

碳达峰是碳排放的曲线达到了一个峰值。因为我们有1.5和2度目标，所以本世纪末应是一个负排放，但是现在仍处于正排放。以中国为例，前几年排放仍处于不断上升的阶段。那么排放从正到负，如果是先上升后下降，则会出现拐点就是达峰点。但根据很多计量模型的模拟结果，碳排放可能会出现一个短暂的达峰后，又出现下降然后上升的趋势。当然，很多国家表现出来的就是一个上升后下降的结果，那么就会出现峰值点。

3.中国人均碳排放和碳排放强度的达峰情况分别是怎样的？

4.案例1中，怎么从NDC推导出油品和天然气的排放量，又怎么影响煤炭；目标是油品和天然气排放，但是结果都是包括了煤炭排放，这之间是什么关系？

5.第一个案例中，模型模拟某一区域的情景时，怎么考虑可能与其他国家之间的联系？文章中的基准年是？

6.案例二中，48个情景的最优化选择是指在不同地区都做了48种情景的基础上选最优吗，最优的标准是碳排放最少么？怎么理解最高的CO2排放分配效率？

7.综合评估模型和计量模型分别的定义是什么呢？两者本质的区别是什么呢？

8.有可能把疫情影响下的不同区域的经济发展情况和碳排放的情况结合起来做一个预测分析么？

9.未来一直到2050年，最新的关于GDP预测有机构在做吗？考虑疫情的GDP预测有吗？长时间序列的。IMF预测到哪一年，最近五年有吗？

10.在疫情所带来的经济影响下，高碳排放国的排放会不会持续增加，进而推迟能源转型（油价的降低）；同时难以将气候优先事项和经济需求结合起来，那么此时我们是不是应该更多的研究气候风险模型，或者去评估气候变化对于经济的影响？

参考文献

[1]    Chen Y, Liu Q, Tian C, et al. Comparison analysis of the long-term low greenhouse gas emission development strategies of main countries [J]. Climate Change Research, 2019, 15 (6): 633-640

[2]    Shuai, C., et al. (2018). "Identifying the key impact factors of carbon emission in China: Results from a largely expanded pool of potential impact factors." Journal of cleaner production 175: 612-623.

[3]    Kriegler, E. et al. A new scenario framework for climate change research: the concept of shared climate policy assumptions. Climatic Change 122, 401-414 (2014).

[4]    Pan, X., et al. (2020). "Analysis of China’s oil and gas consumption under different scenarios toward 2050: An integrated modeling." Energy 195: 116991.

[5]    Sun, Z., et al. (2019). "China's carbon emission peak pre-2030: Exploring multi-scenario optimal low-carbon behaviors for China's regions." Journal of cleaner production 231: 963-979.

[6]    Chen, H., et al. (2020). "Energy demand, emission reduction and health co-benefits evaluated in transitional China in a 2° C warming world." Journal of cleaner production: 121773.

[7]    Tong, D., et al. (2020). "Dynamic projection of anthropogenic emissions in China: methodology and 2015–2050 emission pathways under a range of socio-economic, climate policy, and pollution control scenarios." Atmospheric Chemistry & Physics 20(9).

[8]    Niu, D., et al. (2020). "Can China achieve its 2030 carbon emissions commitment? Scenario analysis based on an improved general regression neural network." Journal of cleaner production 243: 118558.

[9]    Xu, G., et al. (2020). "Adjusting energy consumption structure to achieve China's CO2 emissions peak." Renewable and Sustainable Energy Reviews 122: 109737.

[10] Li, M., et al. (2018). "Air quality co-benefits of carbon pricing in China." Nature Climate Change 8(5): 398-403.

[11] Shahbaz, M. and A. Sinha (2019). "Environmental Kuznets curve for CO2 emissions: a literature survey." Journal of Economic Studies.

[12] Riahi, K. et al. The shared socioeconomic pathways and their energy, land use, and greenhouse gas emissions implications: an overview. Global Environmental Change 42, 153-168 (2017).

[13] Wang, Q. and M. Su (2020). "A preliminary assessment of the impact of COVID-19 on environment–A case study of China." Science of the Total Environment: 138915.

[14] Cheval, S., et al. (2020). "Observed and Potential Impacts of the COVID-19 Pandemic on the Environment." International Journal of Environmental Research and Public Health 17(11): 4140.

[15] Le Quéré, C., et al. (2020). "Temporary reduction in daily global CO 2 emissions during the COVID-19 forced confinement." Nature Climate Change: 1-7.

[16] Duan, H., et al. (2020). "Coronavirus: limit economic damage." Nature 578(7796): 515-515.

[17] Duan, H., et al. "Coronavirus Pandemic: Opportunities and Challenges for Energy and Low-carbon Transition."

- End -