《Journal of Cleaner Production》：Identification of carbon emission aggregation effects and transition patterns in Chinese provinces under the progressive emission reduction pathway
编辑推荐：
碳减排路径与省级空间差异研究，采用GCAM模型与Translog生产函数结合Ridge回归，量化分析2025-2060年中国31省能源强度、技术进步等关键因素贡献率（前两者合计78.1%），划分四类转型模式并揭示空间集聚特征，提出差异化控碳策略。
王光耀|徐凯|张晨豪|王一琳|刘正光|邓明江|王玉宝
西北农林科技大学水资源与建筑工程学院，中国陕西省杨凌市，712100
摘要
由碳排放引起的全球变暖已成为世界各国面临的关键问题。为《巴黎协定》下的国家自主贡献（NDCs）定义碳排放转型模式对于实现碳中和目标至关重要。作为关键签署国，中国省级层面的减排趋势和转型模式仍不明确，这给制定平衡区域排放与可持续发展的政策带来了复杂性。为了解决这一问题，本研究采用了渐进式减排路径，并利用全球变化分析模型（GCAM）模拟和预测了2025年至2060年中国31个省份的碳排放的时空演变。通过结合Translog生产函数模型和岭回归方法，本研究量化了各影响因素对碳排放的贡献率，并对省级碳排放减排模式进行了分类。研究结果表明：（1）中国的碳排放呈现阶段性特征，初期增加随后减少，存在显著的空间聚集现象；高碳排放集中在东部沿海地区，而低排放主要出现在西部内陆地区，这种模式的显著性随时间减弱。（2）发电、能源结构、能源强度、经济发展和技术进步对碳排放减排的贡献率分别为9.2%、8.4%、54.1%和24.0%；其中，能源强度和技术进步是减排的主要因素。（3）各省碳排放转型模式可分为四类：“高贡献、高清洁度”、“低贡献、高清洁度”、“低贡献、低清洁度”和“高贡献、低清洁度”。相似的转型模式表现出空间聚集性。因此，应根据不同地区的发展模式和碳排放转型差异，制定相应的减排策略。该研究为中国能源系统的低碳转型提供了宝贵的决策参考，也为其他致力于实现碳中和的国家提供了指导。
引言
世界各国正在合作应对气候变化带来的挑战，其中温室气体排放是主要驱动因素。《巴黎协定》敦促所有签署国将全球温度升幅控制在工业化前水平以上2°C以内，理想目标是1.5°C（Lu等人，2024年）。为应对气候风险，超过130个国家设定了自己的净零排放或碳中和目标，并承诺尽快达到全球温室气体排放峰值，并在21世纪下半叶实现人为排放与清除的平衡（Zhang和Chen，2022年）。作为全球最大的碳排放国和能源消费国（Wang等人，2020年），中国承诺在2030年前达到碳排放峰值，并在2060年前实现碳中和。这一转型对中国的高质量发展至关重要，同时也是实现全球温度控制目标的关键（Wang等人，2021年）。能源活动是中国二氧化碳排放的主要来源，占总排放量的80%以上。因此，减少能源活动中的碳排放成为中国实现碳中和的首要任务（Wen和Diao，2022年），能源脱碳对于实现这一目标及减缓全球变暖至关重要（IEA，2024年）。
为应对全球气候变化，中国承诺在2060年前实现碳中和（联合国，2020年），因此发展净零或负排放能源系统成为其气候战略的核心（Zhao等人，2023年）。众多研究采用多种方法和视角，探讨了中国“双碳”目标下的潜在路径和关键影响因素（Zhu等人，2025年；Li等人，2024a，2024b；Zhang等人，2021年）。关于碳排放路径的研究主要集中在能源转型和排放规模预测上（Tang等人，2018年；Jain等人，2023年），采用自上而下和自下而上的方法。自上而下的研究基于宏观发展目标，将能源转型分解为具体的能源类型或区域任务（Xu等人，2020年；Miniard等人，2020年）；而自下而上的研究则侧重于能源系统的核心要素，强调技术升级和能源替代以实现转型目标（Wen等人，2020年；Wang等人，2023年）。当前研究使用趋势外推方法（Antanasijevi?等人，2015年）、情景模拟（Zhang和Chen，2022年）和系统模拟（Biresselioglu和Demir，2022年）来评估中国的碳峰值和中和路径。然而，由于社会经济发展和政策变化，碳排放存在较大波动，限制了排放路径预测的准确性。因此，现有研究通过应用全球变化评估模型将外部因素纳入排放路径中，以预测未来的能源需求和供应（Tong等人，2020年）。这些模型基于区域社会经济、环境和技术趋势反映了可能的未来排放水平（Rao等人，2017年），成为预测能源转型路径的广泛采用方法。许多研究使用基于分解的统计方法（如Kaya恒等式、LMDI模型（Li和Qin，2019年）和STIRPAT模型（Bai等人，2019年）来分析能源结构（Xu等人，2020年）、能源强度（Wen等人，2020年）、经济增长、人口规模、城市化（Ma等人，2022年）和产业结构（Zhou等人，2013年，Zhou等人，2013年）等因素对碳排放减排的影响。随着对碳排放减排影响因素研究的深入，一些研究批评了因素分解方法过于关注少数关键指标，未能捕捉到包括技术进步在内的多种因素之间的复杂相互作用。为弥补这一不足，一些研究应用了Translog生产函数模型及其扩展，并结合多元回归分析（Peng和Zhang，2022年；Cheng等人，2023年），以更准确地模拟碳排放的非线性趋势，并分离出技术创新的贡献（Ren等人，2022年）。这些研究提供了对各种因素对碳排放减排协同效应的更全面理解。
以往关于碳排放及其减排路径的时空特征的研究往往忽视了对影响因素的定量分析以及碳排放效率的计算（Xing等人，2020年；He和Kammen，2016年；Lou等人，2025年；Wang等人，2020年，Wang等人，2020年）。此外，大多数研究仅关注省级层面的碳排放归因，使用不同的影响因素或方法来分析排放机制。这些研究缺乏统一的框架，无法定量比较各省关键转型因素的贡献，也无法根据一致的标准对省份进行分类（He等人，2022年）。省份是实施和调整国家气候政策的关键行政单位。虽然行业层面方法（Li等人，2024a，2024b，2025年）有助于分析特定技术的减排潜力，但省级分析能够考察区域差异、公平性考量，并设计差异化的区域策略，这补充了仅关注行业内技术路径的行业分析。中国各省在经济发展、能源结构和减排能力方面存在显著差异，因此根据碳中和目标进行省份分类对于制定差异化策略至关重要。然而，在根据一致标准对省级碳排放机制进行分类的研究方面存在显著不足，阻碍了对影响因素整体和异质性贡献的客观比较。此外，各省碳排放影响因素的相似性及其对制定联合减排政策的影响尚未得到充分探讨。在全球变暖背景下，中国更新的国家自主贡献（NDCs）表明低碳能源系统转型已成为国家战略重点。鉴于高能源强度和碳排放强度的双重挑战，中国实现“双碳”目标的时间紧迫性和责任重大（Wang和Liu，2025年）。
因此，本研究系统揭示了碳中和路径下碳排放的时空演变模式和动态趋势，提供了未来排放轨迹的全面省级映射。进一步量化了关键因素对省级碳排放的差异性贡献，揭示了区域排放变化背后的不同驱动机制。基于这些发现，本研究识别并分类了多种省级减排转型模式，从而为不同类型的省份提出了针对性的发展模型和路径。本研究旨在为制定实现碳排放峰值和碳中和的政策提供重要参考，并为其他致力于实现碳中和的国家提供指导。在此基础上，研究聚焦于三个关键问题：
- (1)
在渐进式减排路径下，省级碳排放的时空演变模式和聚集特征是什么？如何识别碳排放的阶段性及空间聚集现象？
- (2)
如何量化影响碳排放的因素的贡献率？这些因素如何影响各省的排放轨迹？
- (3)
如何在渐进式减排路径下识别和分类不同的“碳排放减少模式”？这些空间聚类为制定差异化的区域减排策略提供了哪些启示？
方法概述
方法概述
渐进式减排路径是一种政策设想，中国将在2025年后实施一系列日益严格的碳定价和能源政策，目标是在2030年前达到碳排放峰值，并在2060年前实现碳中和，而不依赖过于激进或破坏性的早期措施。主要假设包括年度碳价上涨和可再生能源容量增长目标，这些目标与中国官方承诺及IEA的宣布承诺情景一致。
碳排放的动态演变特征
根据中国当前的碳中和政策（不包括香港、澳门和台湾），预计中国的碳排放将呈现渐进式减少趋势。2025年至2060年间，中国的碳排放预计将先增加后减少。各省的排放情况总体表现为：北部和东部较高，南部和西部较低（图3）。
碳中和的省级排放转型困境
中国实施了积极的国家战略来应对气候变化，将履行国家自主贡献（NDCs）视为推动经济和社会全面绿色低碳转型的关键动力。2020年，中国宣布了更新和加强的NDCs，具体安排包括：中国计划在2030年前达到二氧化碳排放峰值，并力争在2060年前实现碳中和；到2030年，中国将减少碳排放
结论
作为全球最大的碳排放国，中国实现“双碳”目标对于实现全球温度控制目标至关重要。尽管在国家层面已经就减排路径进行了广泛讨论，但省级层面的碳排放趋势和转型模式仍不明确，这使得现有政策难以平衡区域排放目标与地方可持续发展需求。本研究使用了全球变化模型
作者贡献声明
王光耀：撰写——审稿与编辑，撰写——初稿，可视化，方法论，正式分析，数据管理，概念构建。徐凯：撰写——审稿与编辑，方法论。张晨豪：撰写——审稿与编辑，调查。王一琳：撰写——审稿与编辑，数据管理。刘正光：验证。邓明江：项目管理。王玉宝：撰写——审稿与编辑，监督，资源获取，概念构建。
利益冲突声明
作者声明他们没有已知的可能影响本文工作的财务利益或个人关系。
致谢
本研究得到了国家自然科学基金（编号：42271306）的支持。
