图1 河南省碳中和实现路径框架
Fig. 1 Framework of carbon neutrality pathway in Henan Province
北京大学学报(自然科学版) 第61 卷第5 期 2025 年9 月
Acta Scientiarum Naturalium Universitatis Pekinensis, Vol. 61, No. 5 (Sept. 2025)
doi: 10.13209/j.0479-8023.2025.060
国家自然科学基金(42230506)、云南省科技厅科技计划(202303AC100009)、河南省社科联项目(SKL-2023-2549)、河南省高校人文社会科学项目(2024-ZDJH-771)、河南省重点研发专项(241111520700)和河南理工大学测绘科学与技术“双一流”学科创建项目(GCCYJ202430)资助
收稿日期: 2024–04–26;
修回日期: 2024–09–05
摘要 基于河南省主要工业产品产量及能源消耗数据(尤其是煤炭相关工业), 参考 IPCC 的碳排放准则, 结合多元线性回归分析, 构建河南省碳排放回归模型。运用 SPSS 27.0 软件进行因子分析, 计算各地级城市高质量发展得分, 并建立低碳绿色高质量发展模型, 探究影响地级城市高质量发展的关键驱动因素, 得到以下结果。1)河南省碳排放主要来源于生产、交通、建筑和生活等方面, 豫东、豫北和豫中地区是主要碳源地, 碳汇则主要集中在林地和耕地, 使得豫西、豫南地区碳汇储量较高。2)河南省低碳绿色高质量发展水平呈上升趋势, 空间差异显著, 郑州市(253 分)、南阳市(53 分)和洛阳市(49 分)位列前三。3)周口市的低碳绿色高质量发展得分较高(21 分), 但碳排放总量较低(4.28×106t), 单位能源碳排放量较高, 属于工业因素驱动型发展模式; 平顶山市的低碳绿色高质量发展得分较低(–25 分), 碳排放总量较高(1.16×107t), 单位人口碳排放量较高, 属于人口因素驱动型发展模式。4)为促进区域高质量发展, 提供良好的外部发展环境, 河南省应优化产业结构, 调整能源消费结构, 促进区域平衡发展, 优化产业布局, 完善生态补偿机制。
关键词 碳中和; 低碳绿色; 高质量发展; 河南省
由于人类生产生活中化石燃料的大量使用、森林的过度砍伐以及农田转为工业建设用地, 全球碳含量持续增加, 引发气候变暖、极端天气灾害频发以及资源环境压力加大等一系列环境问题。在此背景下, 低碳绿色发展已成为全球共识。作为全球最大的发展中国家和碳排放大国, 中国提出“双碳目标”, 大力推进低碳城市试点和绿色发展政策。在此宏观背景下, 研究拥有一亿多人口的农业大省——河南省的地级市如何实现低碳绿色高质量发展, 具有重要的理论意义和实践价值。
现有研究从不同的角度探讨碳排放的影响因素。Diakoulaki 等[1]采用拉氏指数模型, 选取人口规模、能源结构和效率 3 个因子, 研究希腊碳排放的影响因素, 发现人类活动是碳排放增加的最大影响因素。王金南等[2]认为, 各类能源消耗、产业结构、土地覆盖及利用方式等都会影响区域碳中和情况。赵荣钦等[3]通过研究土地利用的碳排放与碳足迹, 发现化石能源消费会快速地增加碳排放量。鲁丰先等[4]基于能源消耗及植被分布, 分析中国省级区域的碳源碳汇空间格局。张晓平等[5]的研究表明, 提高能源效率可有效地减少碳排放量。高彩玲等[6]运用 LMDI 因素分解法对河南省人均碳排放量进行分解, 发现改变能源结构可减少人均碳排放量。刘新宇[7]发现, 工业碳排放量为服务业的 2.5～5.0 倍, 是主要的碳排放来源, 指出调整产业结构、提高服务业比例对降低区域碳排放量至关重要。王铮等[8]从产业结构调整、生产方式改进、能源利用效率提升以及土地利用优化等方面提出碳减排策略。Gitz 等[9]发现, 林地和草地转变为耕地导致土壤中 CO2含量增加。Glaeser 等[10]的研究表明, 陆地生态系统碳循环变化是实现碳排放和低碳经济的重要途径, 而土地利用与碳排放密切相关。Kumar 等[11]进一步证实, 森林大规模地转为耕地导致碳汇能力下降。以上研究集中在全国或省级层面, 忽视了不同城市之间的异质性。
作为中国中部的重要省份, 河南省地理位置优越, 郑州、洛阳等城市在工农业方面优势显著, 但其低碳绿色转型和高质量发展面临挑战。本研究从环境、经济和社会等多个维度评估河南省地级市的低碳绿色高质量发展水平, 通过分析其影响机制并开展实证研究, 揭示城市间的发展差异和政策实施效果, 并基于数据分析和模型运用, 系统地探讨发展路径, 以期为促进区域协调发展和可持续转型提供科学依据。
河南省位于中国中部地区, 下辖 18 个地级市。本文针对这 18 个地级市的低碳绿色高质量发展状况进行分析。如图 1 所示, 河南省的碳源构成主要包括生产碳源(如能源消耗、农业排污和工业排放)、交通碳源(如运输排污)、建筑碳源(如建筑排污)以及生活碳源(如土地利用产生的碳排放), 碳汇主要包括森林、耕地、草地和土壤。由于河南省是一个内陆省份, 本文不涉及海洋碳汇因素。
图1 河南省碳中和实现路径框架
Fig. 1 Framework of carbon neutrality pathway in Henan Province
表1 综合能源净发热值(NCV)、碳排放因子(CEF)和碳氧化因子(OCF)
Table 1 Comprehensive energy net heating value (NCV), carbon emission factor (CEF) and carbon oxidation factor (OCF)
参数煤炭焦炭汽油煤油柴油燃料油液化石油气天然气 NCV20.9328.4743.1244.1042.7141.8747.4738.90 CEF26.8029.4118.9019.6020.1721.0917.2015.32 OCF91.5092.8098.0098.6098.2098.5098.5099.00
本文所用数据主要包括森林资源、能源消费、工业从业人数及产品产量和土地利用等各类指标。数据来源包括《CEADs 中国碳核算数据库》《中国环境统计年鉴(2004—2020 年)》《中国森林资源报告(2014—2018 年)》《国际统计年鉴(2018—2022 年)》《河南统计年鉴(2020—2022 年)》《中国能源统计年鉴(2016—2022 年)》《中国人口和就业统计年鉴(2016—2022 年)》《中国林业和草原年鉴(2016—2022 年)》和《中国林业统计年鉴(2016— 2022 年)》。
河南省能源消耗以碳基能源为主, 包括原煤、原油和天然气等。基于 IPCC 参考模型[12], 选取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然气 8 类能源消费量进行核算。该模型分类细致, 数据可得性强, 适用于国内城市碳排放计算。将各类能源的碳含量乘以转换系数(44/12)即可得到 CO2排放量, 计算公式为
(1)
其中, C 为能源消耗所产生的碳排放值, ECi, NCVi, CEFi 和 OCFi 分别为第 i 种能源的消耗量、净发热值、碳排放因子和碳氧化因子。NCV, CEF 和 OCF参考《中国能源统计年鉴》和中国城市温室气体清单确定, 具体数值见表 1。
图2 2018—2021 年河南省二氧化碳排放总量和森林覆盖率
Fig. 2 Total CO2 emission and forest coverage in Henan Province from 2018 to 2021
图3 2013—2021年河南省碳排放趋势(a)和阶段(b)
Fig. 3 Carbon emission trends (a) and stages (b) in Henan Province from 2013 to 2021
基于《中国能源统计年鉴(2016—2022 年)》和《CEADs 中国碳核算数据库》的数据, 本文计算并绘制河南省二氧化碳排放总量与森林覆盖率对比图(图 2)。结果显示, 两者均呈现小幅度波动趋势, 表明碳源和碳汇处于相对稳定的态势, 未来有较大的提升潜力。进一步分析河南省碳排放变化趋势, 如图 3 所示, 2013 —2021 年河南省碳排放可分为 3 个阶段: 2013—2015年(阶段 1)、2016—2018 年(阶段 2)和 2019—2021 年(阶段 3, 碳排放峰值期, 2021 年达最高值)。整体来看, 碳排放量变化平缓, 表明近 10年河南省碳排放量总体上保持稳定。
分析不同地域间的碳排放和吸收差异及其影响因素, 有助于理解全球气候变化背景下中国碳排放的动态变化及其与生态系统的关系。从河南省近 20年的碳排放空间分布(图 4)可以看出, 各地市碳排放量相对稳定, 未出现显著的波动或转折节点。碳排放集中在豫东、豫北和豫中地区, 主要受工业生产、能源消耗和交通排放影响。碳汇多分布于林地和耕地, 其中豫西和豫南地区碳汇储量较高, 得益于植被类型、气候条件和土壤性质等因素。
图4 河南省2002—2021年地级市碳排放的空间分布
Fig. 4 Spatial distribution of carbon emissions in prefecture-level cities in Henan Province from 2002 to 2021
利用 SPSS 27.0 软件, 对碳排放与 GDP、能源消耗量、面积、人口进行多元线性回归分析, 得到2019—2021 年的回归模型。
2019 年:
(2)
2020 年:
(3)
2021 年:
(4)
式(2)～(4)的计算结果表明, 碳排放与能源消耗量显著正相关, 与人口负相关。
河南省2000—2021 年地级市碳排放量如图 5 所示。碳排放量前五名依次为郑州、洛阳、新乡、平顶山和南阳, 后五名则是开封、濮阳、周口、鹤壁和漯河。
基于环境–经济–社会复合发展系统, 构建河南省低碳绿色高质量发展指标体系(表 2), 并用 SPSS 27.0 进行因子分析, 建立河南省低碳绿色高质量发展模型(LCGH模型), 表达式为
图5 2000—2021年河南省地级市碳排放总量
Fig. 5 Total carbon emissions of prefecture-level cities in Henan Province from 2000 to 2021
表2 低碳绿色高质量发展体系
Table 2 Low-carbon, green and high-quality development system
因子指标单位K-KDJ因子指标单位K-KDJ 环境农作物播种面积khm2X1 经济第二产业生产总值亿元X13 园林绿地面积hm2X2 第三产业生产总值亿元X14 生活垃圾无害化处理量万tX3 人均生产总值元X15 污水处理总量万m3X4 生产总值亿元X16 天然气供气总量万m3X5 社会常住人口数万人X17 绿化覆盖面积hm2X6 平均可支配收入元X18 公园绿地面积hm2X7 旅客周转量亿人/kmX19 道路清扫保洁面积hm2X8 国际互联网用户万户X20 经济第一产业法人单位数个X9 普通高等学校在校学生数万人X21 第二产业法人单位数个X10卫生人员人X22 第三产业法人单位数个X11商品房屋销售面积住宅hm2X23 第一产业生产总值亿元X12全社会用电量亿千瓦时X24
说明: K-KDJ 为低碳绿色高质量发展体系中环境–经济–社会因子指标。
(5)
其中, Fj(j=1, 2, …, 17)为第j个样本城市绿色发展综合得分, Fij为第j个样本城市在第 i 个主成分上的得分。第 i 个主成分对应的权重系数wi (i=1, 2, 3)由主成分方差贡献率确定。
本文基于 LCGH 模型, 对河南省低碳绿色高质量发展水平进行综合评价, 结果如图 6 所示。2021年河南省低碳绿色高质量发展排名前五的城市为郑州、南阳、洛阳、周口和商丘, 后五名为济源、鹤壁、三门峡、漯河和濮阳。2020 年前五名为郑州、南阳、洛阳、驻马店和新乡, 后五名与 2021 年相同。2019 年前五名为郑州、南阳、洛阳、驻马店和商丘, 后五名与 2020—2021 年一致。
周口市是河南省绿色低碳高质量发展水平较高的城市之一, 碳排放总量相对较少, 发展模式符合低碳绿色发展理念。平顶山市的绿色低碳高质量发展水平较低, 但碳排放总量较高, 属于与低碳绿色发展相悖的情况。相比之下, 郑州和洛阳等城市的绿色发展水平较高, 但碳排放总量较大。为推动河南省低碳绿色高质量发展, 需对这些城市进行深入的分析, 以便制定更有针对性的措施。
绿色低碳高质量城市发展的目标是在尽量减少碳排放的前提下增加 GDP。本文针对两种城市发展类型展开研究, 一种是碳排放高且 GDP 低的城市, 另一种是碳排放低且 GDP 高的城市。2021 年, 碳排放总量排名前三的城市为郑州、洛阳和平顶山, 碳排放总量排名后三的城市为周口、鹤壁和漯河。根据《河南统计年鉴(2022 年)》中的数据, 碳排放量最多的 3 个城市中, 平顶山市的 GDP 最少, 为 2418.24 亿元; 碳排放量最少的 3 个城市中, 周口市的 GDP 最高，为 3221.80 亿元。为实现绿色低碳高质量城市发展目标，我们选取平顶山和周口两个城市作为研究对象。此外, 济源市的情况比较特殊, 碳排放最多，但人口数量和 GDP 最小, 本研究不涉及此类城市。
通过 LCGH 模型, 获得河南省绿色低碳高质量发展在环境、经济和社会 3 个维度的因子得分, 结果如图 7 所示。可以看到以下特征: 1)环境因子方面, 平顶山市和周口市的得分接近; 2)经济因子方面, 周口市的得分高于平顶山市; 3)社会因子方面, 平顶山市与周口市的差异不显著。
用碳排放量除以人口、面积、能源消耗量和GDP, 得到单位人口、单位面积、单位能源和单位GDP 碳排放量的空间分布情况。图 8 显示, 平顶山市的单位人口碳排放量较高, 表明其发展模式以人口因素为主要驱动力, 即平顶山市的人口增长与碳排放量正相关。周口市的单位能源碳排放量较高, 反映其发展模式以工业因素为主要驱动力, 即周口市的工业生产与碳排放量正相关。
图6 2019—2021年河南省绿色低碳高质量发展得分的时空分布
Fig. 6 Spatial and temporal distribution of green, low-carbon and high-quality development scores in Henan Province from 2019 to 2021
在 2020 年联合国气候峰会上, 中国承诺努力争取 2030 年前实现碳达峰, 2060 年前实现碳中和。对河南省而言, 实现碳中和的目标需要双管齐下。一方面, 通过提高绿色技术生产率来减少碳源; 另一方面, 通过森林建设等措施增加碳汇。本文的研究结果有助于识别各地级市发展模式的优势和不足, 为地方政府制定合理的发展策略提供科学依据, 也可为全国其他地区的低碳绿色发展提供参考。河南省已结合实际情况, 采取一系列切实有效的措施, 统筹推进环境、经济和社会协调发展。
在减排方面, 全省已搬迁、改造企业 45 家, 退出电解铝产能 1.06×106t 和煤炭产能 2.10×106t, 关停落后煤电机组 1.07×106kW, 新增再生能源装机159×106kW, 整治取缔“散乱污”企业 8043 家。同时, 加快推进 12 个省级多式联运示范工程和 14 个铁路专用线的进企入园工程, 全省节能环保共支出358.5 亿元[13]。
在增汇方面, 河南省积极推进《森林河南生态建设规划(2018—2027 年)》, 取得显著成效。沿黄生态廊道已完成绿化面积 71.33km2, 种植菌草面积3333.33 万 hm2, 建成 15 个省级湿地公园、78 个森林特色小镇(如兰考堌阳镇)和 488 个森林乡村示范村(如灵宝东寨村)。此外, 完成南水北调水源区生态林建设 84km2。鹤壁等大运河沿线 9 个市在 686km 长的河段实施生态带建设工程, 通过营造护岸林、水源涵养林和农田林网等举措, 重点在 267km长的通航河段完成造林面积 9.07km2 [14]。
具体到周口市, 虽然其碳排放总量较少, 但低碳绿色发展水平较高, 可作为推广的发展模式。然而, 周口市单位能源碳排放量较大, 经济发展在较大程度上依赖工业, 因此需要通过提升绿色工业效率来实现低碳绿色高质量发展。相比之下, 平顶山市不仅碳排放总量较大, 绿色低碳发展水平也较低, 这种发展模式不宜推广。由于平顶山市单位人口碳排放量较高, 这种以人口驱动的发展模式在未来低碳绿色高质量发展进程中将面临挑战, 此时创新与技术才是关键驱动因素。
图7 2019—2021年河南省绿色低碳高质量发展在环境、经济和社会因子的得分
Fig. 7 Environmental, economic and social factors scores for green, low-carbon and high-quality development in Henan Province from 2019 to 2021
本文基于碳中和视角, 运用城市低碳绿色可持续发展理论, 对环境–经济–社会复合系统进行研究, 得到以下结论。
1)河南省的碳源主要来自生产、交通、建筑和生活等领域, 其中豫东、豫北和豫中地区是主要碳源区, 碳汇则集中于林地和耕地, 显著地提升了豫西和豫南地区的碳汇能力。
2)河南省低碳绿色高质量发展水平呈上升趋势, 但存在显著的空间差异, 郑州市以 253 分位居全省首位, 南阳市(53 分)和洛阳市(49 分)分列第二、三位。
图8 2019—2021年河南省地级市单位人口、单位面积、单位能源和单位GDP碳排放的空间分布
Fig. 8 Spatial distribution of carbon emissions per unit population, unit area, unit energy and unit GDP of prefecture-level cities in Henan Province from 2019 to 2021
3)周口市低碳绿色高质量发展水平较高(21 分), 碳排放总量较低(427.59 万 t), 但单位能源碳排放量较高, 属于工业驱动型发展模式。平顶山市发展水平较低(–25 分), 碳排放总量较高(1157.17 万 t), 单位人口碳排放量较高, 属于人口驱动型发展模式。
针对区域差异, 河南省应通过产业结构调整、能源使用结构优化、区域协调发展、产业布局改善和生态补偿等举措, 为高质量发展创造有利条件。
参考文献
[1] Diakoulaki D, Mavrotas G, Orkopoulos D, et al. A bottom-up decomposition analysis of energy-related CO2 emissions in Greece. Energy, 2006, 31(14): 2637–2650
[2] 王金南, 蔡博峰, 曹东, 等. 中国CO2排放总量控制区域分解方案研究. 环境科学学报, 2011, 31(4): 680–684
[3] 赵荣钦, 黄贤金. 基于能源消费的江苏省土地利用碳排放与碳足迹. 地理研究, 2010, 29(9): 1640–1647
[4] 鲁丰先, 张艳, 秦耀辰, 等. 中国省级区域碳源碳汇空间格局研究. 地理科学进展, 2013, 32(12): 1751–1759
[5] 张晓平, 孙磊. 中国工业能源消费强度变化的分解分析. 资源科学, 2010, 32(9): 1685–1690
[6] 高彩玲, 高歌, 田采霞. 河南省能源消费碳排放的因素分解及减排途径. 中国矿业, 2011, 20(3): 48–49
[7] 刘新宇. 论产业结构低碳化及国际城市比较. 生产力研究, 2010(4): 200–202
[8] 王铮, 朱永彬, 刘昌新, 等. 最优增长路径下的中国碳排放估计. 地理学报, 2010, 65(12): 1560–1568
[9] Gitz V, Ciais P. Future expansion of agriculture and pasture acts to amplify atmospheric CO2 levels in response to fossil-fuel and land-use change emissions. Climatic Change, 2004, 67(2/3): 162–184
[10] Glaeser E L, Kahn M E. The greenness of cities: carbon dioxide emissions and urban development. Journal of Urban Economics, 2010, 67(3): 403–416
[11] Kumar J N, Patel K, Kumar R N, et al. An assessment of carbon stock for various land use system in Aravally mountains, western India. Mitigation and Adaptation Strategies for Global Change, 2010, 15(8): 812–823
[12] Eggleston H S, Buendia L, Miwa K, et al. 2006 IPCC Guidelines for National Greenhouse Gas Inventories. Hayama: IGES, 2006
[13] 《中国低碳循环年鉴》编辑委员会. 2019 年中国低碳循环年鉴. 北京: 冶金工业出版社, 2020
[14] 国家林业和草原局. 2022 年中国林业和草原年鉴. 北京: 中国林业出版社, 2022
Research on Low-Carbon, Green and High-Quality Development of Prefecture-Level Cities in Henan Province Based on LCGH Model from the Perspective of Carbon Neutrality
Abstract Based on the output and energy consumption data of major industrial products in Henan Province (especially those related to coal), referring to the carbon emission guidelines of the IPCC and combining with multiple linear regression analysis, a carbon emission regression model for Henan Province was constructed. Factor analysis was conducted using SPSS 27.0 software to calculate the scores of high-quality development of prefecture-level cities, and a low-carbon, green and high-quality development model was established to explore the key driving factors affecting the high-quality development of prefecture-level cities. The following results were obtained. 1) Carbon emissions in Henan Province mainly come from production, transportation, construction and daily life. The eastern, northern and central regions of Henan are the main carbon sources, while carbon sinks are mainly concentrated in forest land and cultivated land, which makes the carbon sink storage in the western and southern regions of Henan relatively high. 2) The level of low-carbon, green and high-quality development in Henan Province is on the rise, with significant spatial differences in the calculated scores. Specifically, Zhengzhou City (253), Nanyang City (53) and Luoyang City (49) rank the top three. 3) Zhoukou City has a relatively high score (21) for low-carbon, green and high-quality development, but its total carbon emissions are relatively low (4.28×106 t), and its carbon emissions per unit of energy are relatively high. It belongs to an industrial factor-driven development model. Pingdingshan City has a relatively low score (–25) in low-carbon, green and high-quality development, a high total carbon emission (1.16×107 t), and a high carbon emission per unit of population. It belongs to a development model driven by population factors. 4) To promote high-quality regional development and provide a favorable external development environment, Henan Province should optimize the industrial structure, adjust the energy consumption structure, promote balanced regional development, optimize the industrial layout and improve the ecological compensation mechanism.
Key words carbon neutrality; low-carbon green; high-quality development; Henan Province