2022, Vol. 42文章信息
- 许蕊, 黄贤金, 王佩玉, 刘泽淼, 梁洁, 杨琳, 张秀英
- XU Rui, HUANG Xianjin, WANG Peiyu, LIU Zemiao, LIANG Jie, YANG Lin, ZHANG Xiuying
- 黄河流域国土空间碳中和度研究——以内蒙古段为例
- Territorial spatial carbon neutrality realization degree of the Yellow River Basin: A case study of the Inner Mongolia section
- 生态学报. 2022, 42(23): 9651-9662
- Acta Ecologica Sinica. 2022, 42(23): 9651-9662
- http://dx.doi.org/10.5846/stxb202201120117
-
文章历史
- 收稿日期: 2022-01-12
- 网络出版日期: 2022-07-27
2. 自然资源部碳中和与国土空间优化重点实验室, 南京 210023;
3. 内蒙古自治区国土空间规划院, 呼和浩特 010000
2. Key Laboratory of Carbon neutralization and territory space planning, Nanjing 210023, China;
3. Inner Mongolia Autonomous Region Territorial Space Planning Institute, Hohhot 010000, China
全球气候变化已成为当今世界面临的最大非传统安全挑战[1], IPCC《全球升温1.5℃特别报告》指出只有在21世纪中叶实现全球范围内的净零碳排放才有可能将气候变暖控制在1.5℃以内[2], 因此世界各国陆续提出了“气候中和”、“碳中和”、“净零碳排放”、“净零排放”等与中和有关的气候治理目标[3]。作为负责任的大国, 为全球应对气候变化做出更大贡献, 2020年我国政府也明确提出了“力争2030年前二氧化碳排放达到峰值, 努力争取2060年前实现碳中和”的愿景[4]。碳中和的内涵涉及碳排放与碳吸收的平衡, 即要想实现碳中和, 一方面要从“源”的角度减少人为碳排放, 另一方面要从“汇”的角度增强不同生态系统的固碳能力, 以在更大程度上中和人为碳排放[5—7], 推进碳中和的实现进程。
在碳中和影响力不断扩大的背景下, 国内外学者对其内涵、国际承诺现状、实现路径和趋势展开了研究。目前全球已有136个国家提出了在2050年前后实现净零排放的目标[8], 但不同国家间存在较大差异, 以欧盟为代表的欧洲发达国家对于中和目标年、分阶段目标、目标范围和具体路径等制定相对完善, 而发展中国家大多仅对目标年和目标范围做出承诺[9], Salvia等[10]通过对欧盟327个城市地方规划的分析发现约有78%的城市均已制定了明确目标的缓解计划。从政策保障上来看, 当前英国、丹麦等14个国家或经济体已经进行了气候立法, 中国、美国等30个国家则通过策略文件来保障碳中和目标的实现, 澳大利亚、泰国等部分国家进行了声明或承诺[8]。此外, 基于市场的手段也是实现碳中和的重要途径, 学者们对碳市场、碳排放权交易、碳配额、碳补偿、碳定价等均展开了大量研究[1, 11—12]。
从碳源的角度来看, 通过构建情景模型对碳排放进行预测是当前学者们的研究热点之一。张帆等[13]探究了不同共享社会经济路径下我国2020年至2100年碳排放轨迹及经济代价, Zhou等[14]设置了4种情景对我国建筑业碳排放达峰情况进行模拟分析, Yu等[15]通过构建一种新的经济-碳排放-就业多目标优化模型预测我国能源碳排放, 潘栋[16]、朱宇恩[17]等对我国不同地区或省份的能源消费碳排放未来变化展开情景分析。同时, 为了更好的促进碳减排, 学者们在全球[18]、国际组织[19—22]、国家[23—25]等不同尺度上对碳排放的影响因素或驱动因素展开了大量分析, 结果显示可再生能源使用、技术创新或研发、环境税收投入、能源效率提高、产业结构升级等因素通常能够促进碳减排, 不可再生能源使用、人口增长等一般对碳减排起消极作用, 而经济增长在不同国家或经济发展的不同阶段作用不同, 贸易开放通常有利于中高收入国家碳排放减少, 却导致中低收入国家碳排放增加[26]。此外, 也有不少学者关注新能源、新材料和新技术的研发利用, 在太阳能、风能和水能等可再生能源应用逐渐成熟后, 生物质能源作为新型清洁能源成为关注重点[27—28]；同时为更好的发展碳捕集、利用与封存技术(CCUS), 通过光催化[29]、电化学[30]等方法对CO2进行还原也是当前技术创新的热门。
全球陆地生态系统在2007—2016年平均每年从大气中吸收碳高达36.1亿吨, 相当于人为总碳排放的33.7%[31], 可见为促进碳中和目标的实现, 对于生态系统碳汇的研究也极其重要。当前, 学者们已经对全球[32]、国家[33]及区域[34]等多个尺度的生态系统历史碳汇水平展开了评估, 主要运用清查法[35]、生态系统模型模拟[36]、大气反演[33]等方法进行碳汇量核算。而在碳中和愿景下, 对未来碳汇潜力的预测与模拟也必不可少, 当前对此研究仍相对缺乏, 学者们最常使用生态系统过程模型, 如CENTURY模型[37]、集成生态圈模拟器IBIS[6]、FORCCHN模型[38]等。此外, 也有部分学者通过地面清查资料[39]和数学建模[40]等方法对未来碳储量进行预测。
黄河流域是我国重要的能源、化工、原材料和基础工业基地, 但在资源富裕的背景下长期粗放型的发展模式也使得流域沿线面临着严峻的生态环境问题, 2019年9月18日, 中共中央确定了将黄河流域生态保护和高质量发展列为重大国家战略[41], 2021年《黄河流域生态保护和高质量发展规划纲要》印发[42]。内蒙古段地处黄河“几”字弯, 是我国北方典型的干旱半干旱区域, 不可避免地面临着水沙关系不协调、生态环境承载力不足、矿产资源开发红利和经济高质量发展冲突等问题。当前, 虽然已有部分学者对黄河流域的生态保护[43]、水沙问题[44]和经济发展[45]展开了研究, 但如何在全球气候治理的背景下, 统筹人为碳排放[46]和生态系统碳汇, 开展碳达峰可能阶段、碳中和实现进程及路径研究, 目前仍然鲜有成果。为此, 本文选取改进的IPAT模型和集成生物圈模拟器(IBIS), 分别对黄河流域内蒙古段2018—2060年能源消费碳排放和2060年生态系统碳汇水平展开多情景预测, 分析不同情景下的碳达峰实现时间以及碳中和程度及路径, 并结合研究区实际情况从不同角度提出政策建议, 以便为科学制订黄河流域的碳中和目标提供借鉴, 对于应对气候变化具有积极意义。
1 研究区概况、研究方法与数据来源 1.1 研究区概况黄河流域内蒙古段位于黄河流域上中游, 流经长度843.5km, 流域面积广阔, 地理位置独特, 是黄河“几”字弯的重要组成区域, 也是黄河流域生态保护和高质量发展的重要组成部分。考虑到以自然黄河流域范围为基础、保持地区级行政区划单元的完整性、地区社会经济发展与黄河的直接关联性这三条原则[47—48], 本文界定的黄河流域内蒙古段包括黄河干支流流经的呼和浩特、鄂尔多斯、包头、巴彦淖尔、乌海、乌兰察布、阿拉善7个盟市全域(图 1), 国土面积约52.30万km2, 占内蒙古全区的44.2%, 2020年GDP约11691亿元, 占全区的67.3%, 常住人口1237.12万人, 占全区的49.4%, 是人口活动和经济发展的重要区域。2017年黄河流域内蒙古段的能源消费总量约为14247万t标准煤, 约占内蒙古全区的69.8%, 根据中国碳核算数据库数据计算得2017年研究区能源消费碳排放总量约为9281万t, 约占全区的59.3%, 单位GDP碳排放量约为0.83吨/万元, 高于全国平均水平, 实现“双碳”目标面临巨大挑战。
|
| 图 1 黄河流域内蒙古段地理分布范围 Fig. 1 The geographical distribution of the Inner Mongolia section of the Yellow River Basin |
按照典型浓度路径, IPCC第五次评估报告将未来气候变化情景分为RCP2.6、RCP4.5、RCP6.0、RCP8.5四种[49]。RCP8.5情景属于高排放情景, 有研究表明仅在现有煤炭使用量提高五倍时才会出现, 而伴随着全球煤炭使用量达峰, 清洁能源成本持续下降, 该情景越来越不可能发生[50]。RCP2.6情景属于低排放情景, 是四种情景中唯一能满足2100年升温低于2℃的情景, 与当前碳中和的目标契合。RCP4.5情景和RCP6.0情景属于中等排放情景, 在政府的干预下排放量将得到缓解。基于选取RCP2.6的前提, 本研究在两种中等排放情景间选取到2100年辐射强迫相对较高的中高情景RCP6.0, 以反映碳排放缓解程度较低时研究区的碳汇情况。RCP2.6和RCP6.0与全球碳减排背景下的升温情况接近, 在一定程度上可以充分有效地反映气候变化特征。在RCP2.6情景下, 未来全球将采取大力度的减排措施, CO2排放量从2020年开始下降, 辐射强迫在21世纪达到顶峰并于2100年下降到2.6 W/m2, 有较大可能抑制全球变暖趋势并把升温控制在2℃之内。在RCP6.0情景中, CO2排放量从2080年开始下降, 辐射强迫在2100年稳定在6.0 W/m2, 在本世纪末不能抑制全球变暖趋势。
1.3 碳中和度测算本文基于改进的IPAT模型预测不同减排情景下2018—2060年黄河流域内蒙古段的能源消费碳排放变化趋势和碳达峰情况, 基于集成生物圈模拟器IBIS模拟在RCP2.6和RCP6.0情景下黄河流域内蒙古段陆地生态系统的净初级生产力, 以预测2060年研究区碳汇能力, 并根据碳排放量和碳汇水平计算2060年黄河流域内蒙古段陆地生态系统对于中和人为碳排放的贡献率, 即国土空间碳中和程度(图 2)。
|
| 图 2 黄河流域内蒙古段碳中和度测算研究框架 Fig. 2 The research framework for carbon neutrality measurement in Mongolia section of the Yellow River Basin |
当前, 人类活动的二氧化碳排放约有90%以上来源于能源消费[17], 学者们在研究中常将其作为区域碳排放总量进行测算, 本研究也采取相同的方法。IPAT模型由Enrlich等学者在1971年提出, 以反映人口、经济、技术对环境压力的影响[51]。当前, IPAT模型也被广泛应用于研究碳排放与能源、经济、人口等因素的宏观量化关系中, 但除此之外, 产业结构和技术水平因素也与碳排放关系密切。吕炜[52]研究表明产业结构演变与人均劳动者报酬直接相关, 与产业技术进步间接相关, 因此本文参考杜强[53]的方法引入劳动者报酬率来表征产业结构演变和产业技术进步(可决系数高达0.91[52]), 并对IPAT模型进行修正, 以预测碳排放总量。改进后的IPAT模型表达为：
|
(1) |
式中, C为碳排放总量, P为人口, G为GDP, E为能源消费总量；A为人均GDP, M为能源强度, D为综合能源碳排放系数, f表示劳动力报酬率, k表示技术进步影响系数。则t时期的碳排放总量为：
|
(2) |
式中, p表示人口年均变化率, a表示人均GDP年均变化率, m表示能源强度年均变化率, 即年节能率, d表示综合能源碳排放系数变化率, 即低碳能源年替代率。
其中, 实际碳排放数据来源于中国碳核算数据库(Carbon Emission Accounts and Datasets, CEADs)提供的中国县级碳排放清单(https://www.ceads.net.cn/), 该数据通过建立省级CO2排放与夜间灯光数据之间的关系自上而下地估算县域碳排放量, 本研究根据县域数据计算得到2009—2017年研究区实际碳排放总量[54], 以便与通过改进的IPAT模型计算得到的碳排放量作对比, 从而确定模型的可行性。2009—2017年研究区GDP、常住人口、能源消费量、职工平均工资均来源于历年《内蒙古统计年鉴》、《内蒙古经济社会调查年鉴》和各盟市统计年鉴。为消除物价影响, 将GDP和职工平均工资均统一到2009年基准。由于统计年鉴显示内蒙古在第三次全国经济普查中对能源消费量数据进行了调整, 因此本文也根据变化率相应地对2009—2013年研究区能源消费量进行调整, 以保证数据连续性。数据描述性统计见表 1。
| 变量 Variable |
单位 Unit |
样本数 Sample size |
平均值 Mean |
标准差 Standard deviation |
最小值 Min |
最大值 Max |
| G | ×100亿元 | 9 | 121.06 | 29.87 | 75.40 | 162.10 |
| P | ×100万人 | 9 | 12.30 | 0.35 | 11.50 | 12.70 |
| E | ×100万吨标准煤 | 9 | 125.70 | 15.84 | 92.00 | 142.50 |
| W | 千元 | 9 | 51.62 | 11.08 | 34.20 | 68.90 |
| C | ×100万t | 9 | 86.91 | 10.68 | 63.70 | 94.00 |
| M | t标准煤/万元 | 9 | 1.07 | 0.15 | 0.88 | 1.25 |
| D | 1 | 9 | 0.69 | 0.03 | 0.65 | 0.73 |
| G: 地区生产总值Gross domestic product; P: 常住人口Permanent resident population; E: 能源消费总量Total energy consumption; W: 职工平均工资Average wages; C: 实际碳排放总量Actual total carbon emissions; M: 能源强度Energy intensity; D: 综合能源碳排放系数Comprehensive energy carbon emission coefficient | ||||||
对2009—2017年黄河流域内蒙古段能源消费总量和实际碳排放总量进行拟合得到综合能源碳排放系数, 拟合方程为：y=0.6343x+7.2061(R2=0.883), 则2009—2017年综合能源碳排放系数为0.6343。对2009—2017年黄河流域内蒙古段职工平均工资取对数得到职工平均工资曲线, 拟合方程为：y=0.0807x-151.61(R2=0.970), 以职工平均工资变动斜率表征科技变动率, 其中劳动力报酬变动系数f为0.0807, 则技术进步值为0.0734。社会科技从创新到推广一般需要近5年的时间, 则每5年的技术进步值为7.34%, 则技术因素的影响系数为92.66%, 则每年技术因素的影响k为98.53%。
1.3.2 碳汇模拟——生态过程模型集成生物圈模拟器(Integrated Biosphere Simulator, IBIS)属于新一代动态植被模型。1996年, IBIS由美国威斯康星大学全球环境与可持续发展中心开发, 此后得到广泛应用。该模型考虑植被组分和结构对环境变化的响应, 将陆表水热过程、陆地生物地球化学循环和植被动态的模拟都涵盖其中, 可以分为陆面过程、冠层生理、植被物候、植被动态、土壤地球生物化学等5个模块。在模拟的过程中, 模型充分考虑了各圈层之间的能量、动量以及水分的交换；涵盖冠层光合与导度的冠层生理特征；植被物候变化；植被类型之间动态竞争过程, 同时将陆地碳循环纳入其中, 考虑净初级生产力水平、组织周转、土壤碳和有机质分解[36, 55]。IBIS模型可在不同的时间尺度上进行模拟, 从1小时至1年, 将植被发生在不同时间尺度上的生态、生物物理、生理过程有机整合起来[56]。
本文利用IBIS模拟的净初级生产力(NPP)和净生态系统生产力(NEP)表征陆地生态系统的固碳能力。NPP即指植被固定的碳, 将NPP减去土壤异养呼吸, 可以得到NEP。NEP常用作一个生态系统是从大气中固定碳还是向大气中排放碳的指标[7], 其为正值时, 生态系统为碳汇, 反之则为碳源[57]。参考黄梅玲的研究[58], IBIS模型输入数据及其来源为(1)气象数据：降水、气温、相对湿度、云量因子、风速、气温日较差、月降水日数、极低气温等数据, 依据中国标准气象站点地面气候资料构建。(2)植被类型数据：依据中国1∶4000000植被数据构建, 将原数据较为详细的植被类型分类统一到IBIS模型的15种植被类型, 形成IBIS模型所需要的植被初始化图层。(3)土壤数据：根据中国1∶1000000数字化土壤数据构建。(4)地形数据：采用SRTM version3.0的DEM数据构建。(5)陆面掩膜数据：主要用来表示陆面的水体部分和西北盐壳等没有土壤属性的区域。
2 不同情景下黄河流域内蒙古段碳达峰和碳中和进程分析 2.1 未来碳排放情景设置对改进的IPAT模型中的人均GDP变化率a、人口变化率p、年节能率m和低碳能源年替代率d这四个因子分别设置高、中、低变化率, 如表 2所示。其中, 人均GDP和人口变化每10年为一个阶段, 而能源强度和综合能源碳排放系数变化则根据碳中和实现路径的阶段设置。结合已有研究[59—60], 碳中和实现路径可分为4个阶段, 即2020—2030年为达峰期, 2030—2035年为平台期, 2035—2050年为快速下降期, 2050—2060年为深度脱碳期, 因此对这4个阶段分别设置年节能率和低碳能源年替代率。在2020—2060年因子变化率设置时, 人均GDP变化率中值参考了内蒙古“十四五”规划和关敏捷[61]、潘栋[16]等的研究；人口变化率结合研究区2010—2020年间人口年均变化率历史趋势进行设置；年节能率和低碳能源年替代率的参数中值设置参考朱宇恩[17]、潘栋[16]等的研究, 并结合研究区化石能源消费比例大、能源结构调整慢、可再生能源利用率低的现状对所参考文献中的参数数值进行了下调。在低值和高值中, 各因子变化率的设置则基于中值进行相应的调整。同时为确保数据连续性, 将2018—2020年各指标变化率设置为与第一阶段相同。
| 指标 Indicator |
时间 Time |
变化率设置Change rate setting/% | |||
| 低Low | 中Middle | 高High | |||
| a | 2018—2030 | 4.50 | 5.50 | 6.50 | |
| 2030—2040 | 3.50 | 4.50 | 5.50 | ||
| 2040—2050 | 2.50 | 3.50 | 4.50 | ||
| 2050—2060 | 1.50 | 2.50 | 3.50 | ||
| p | 2018—2030 | 0.30 | 0.34 | 0.38 | |
| 2030—2040 | 0.10 | 0.14 | 0.18 | ||
| 2040—2050 | -0.10 | -0.06 | -0.02 | ||
| 2050—2060 | -0.30 | -0.26 | -0.22 | ||
| m | 2018—2030 | -2.40 | -2.00 | -1.60 | |
| 2030—2035 | -2.60 | -2.20 | -1.80 | ||
| 2035—2050 | -3.00 | -2.60 | -2.20 | ||
| 2050—2060 | -3.40 | -3.00 | -2.60 | ||
| d | 2018—2030 | -0.18 | -0.14 | -0.10 | |
| 2030—2035 | -0.28 | -0.24 | -0.20 | ||
| 2035—2050 | -0.38 | -0.34 | -0.30 | ||
| 2050—2060 | -0.48 | -0.44 | -0.40 | ||
| (1) IPAT模型, 人口、经济、技术与环境关系模型Impact=Population×Affluence×Technology; (2) a, 人均GDP变化率Per capital GDP change rate; p, 人口变化率Population change rate; m, 年节能率Annual energy saving rate; d, 低碳能源年替代率Annual replacement rate of low-carbon energy | |||||
根据各因子的高、中、低3种变化率, 建立了4种情景, 分别为基准情景、节能情景、低碳情景和粗放情景, 在各情景下对黄河流域内蒙古段的未来碳排放变化趋势进行预测并分析其达峰情况, 表 3展示了4种情景的因子设置组合。
| 情景 Scenario |
情景设置 Scenario setting | |||
| a | p | m | d | |
| S1 | 中 | 中 | 中 | 中 |
| S2 | 中 | 中 | 低 | 低 |
| S3 | 低 | 低 | 低 | 低 |
| S4 | 高 | 高 | 高 | 高 |
| S1, 基准情景 Baseline scenario; S2, 节能情景 Energy-saving scenario; S3, 低碳情景 Low-carbon scenario; S4, 粗放情景 Extensive scenario | ||||
在基准情景(S1)下, 设定各因子变化率均为中值, 即基本保持现有的经济社会发展水平和能源消费变化趋势。在节能情景(S2)下, 设定人均GDP和人口变化率为中值, 而年节能率和低碳能源年替代率为低值, 即在经济社会保持现有发展水平的同时, 逐渐开始关注节能减排工作, 调整能源消费结构, 降低能源强度。在低碳情景(S3)下, 设定各因子变化率均为低值, 即改变传统的发展模式, 优化升级产业结构, 提高资源配置效率和能源利用效率, 通过技术创新降低能源强度, 提高清洁能源替代率, 建立以绿色、循环为核心的高质量发展。在粗放情景(S4)下, 设定各因子变化率均为高值, 即此时经济发展仍然是黄河流域内蒙古段发展的主要目标, 全球气候变化和节能减排工作未得到足够的重视, 粗放的经济发展模式使得区域内的能源强度下降率和低碳能源年替代率均较低。
2.2 不同情景下2018—2060年碳排放预测结果及达峰情况由于通过改进的IPAT模型计算得到的2009—2017年研究区碳排放量为6571—9037万t, 而中国碳核算数据库公布的2009—2017年研究区碳排放量约为6368—9402万t, 两者平均误差仅为-2.64%, 可见模型具有较高可信度, 可以进行碳排放情景预测。因此基于情景设置, 通过改进的IPAT模型计算出黄河流域内蒙古段2018—2060年的能源消费碳排放量变化趋势和预计达峰时间(图 3)。
|
| 图 3 不同碳减排情景下2017—2060年碳排放总量预测结果 Fig. 3 Forecast results of carbon emissions under different carbon emission reduction scenarios from 2017 to 2060 |
在基准情景下, 2030年黄河流域内蒙古段能源消费碳排放总量约为11800万t, 随后平稳增长至2040年实现碳达峰, 其碳排放总量由2017年的9281万t(实际碳排放量)增长到了2040年的12209万t, 上升率约为31.55%, 此后碳排放量逐渐下降, 到2060年碳排放量将下降到8321万t, 较峰值减少31.85%, 较2017年减少7.93%, 此时2060年碳排放总量略低于基期的碳排放量。
在节能情景下, 2030年研究区能源消费碳排放总量约为11131万t, 缓慢增长至2035年实现碳达峰, 峰值约为11213万t, 较2017年上升率约为20.81%, 此后碳排放量逐渐下降, 到2060年碳排放总量将下降到6854万t, 较峰值下降38.88%, 较2017年下降24.16%。该情景下能源政策的实施在一定程度上促进了碳达峰, 并提高了达峰后的碳排放下降率。
在低碳情景下, 研究区碳排放总量将于2030年达峰, 峰值碳排放总量仅为9784万t, 较2017年实际碳排放量仅上升5.42%, 此后碳排放呈现快速下降的趋势, 到2060年碳排放量将下降到4448万t, 较2030年峰值减少54.54%, 较2017年基期减少50.78%。该情景下黄河流域内蒙古段的节能减排工作取得了明显成效, 能够按期实现国家碳达峰目标, 但对于经济发展模式、社会生产方式、能源消费模式的改变和能源科技创新的要求均较高。
在粗放情景下, 2030年研究区能源消费碳排放总量约为14212万t, 随后仍保持较快的速度持续增长, 到2050年实现碳达峰, 峰值约为17635万t, 较2017年实际碳排放增长近一倍, 上升率为90.02%, 2050年后碳排放开始缓慢减少, 但到2060年碳排放总量仍为15491万t, 较2030年峰值减少12.16%, 而较2017年仍增长71.42%, 在该情景下研究区仍将面临着巨大的生态环境压力。
综合对比发现, 经济增长仍然是影响黄河流域内蒙古段碳排放总量的重要因素, 但单纯地改变经济发展模式还远远不够, 要想促进碳达峰目标尽早实现, 必须尽快出台能源规划, 并加大能源政策的实施力度, 降低能源强度, 推广清洁可再生能源利用。
2.3 2060年黄河流域内蒙古段陆地生态系统碳汇水平及空间分异在IPCC RCP2.6和RCP6.0两种情景下, 黄河流域内蒙古段陆地生态系统呈现出不同的碳源汇效应, 不同土地利用碳汇水平差异较大。在RCP2.6情景下, 2060年黄河流域内蒙古段陆地生态系统碳汇水平约为1533万t, 在此情景下, 政府积极参与对全球气候变化的调控, 化石燃料使用量减少, 可再生能源和碳捕获系统得到广泛推广, 整体碳储量增加。在RCP6.0情景下, 2060年黄河流域内蒙古段的陆地生态系统碳汇水平约为-506万t, 在此情景下政府对于气候变化的调控相对较弱, 气温升高情况较RCP2.6情景下加剧, 使得温室气体排放和浓度不断增加, 此时草地生态系统土壤通过异养呼吸作用使得微生物分解有机质释放CO2[62—63], 即土壤异养呼吸作用大于净初级生产力, 成为陆地生态系统中土壤碳的主要净输出途径, 而由于黄河流域内蒙古段草地面积较广, 因此导致研究区整体呈现为碳源。
2060年RCP2.6情景和RCP6.0下黄河流域内蒙古段陆地生态系统的NEP空间分布如图 4和图 5所示, 两种情景下NEP空间分布格局相反。在RCP2.6情景下, NEP总体上呈现由东南向西北降低的格局, 其中碳汇效应较强的NEP高值区主要集中在乌兰察布市和呼和浩特市南部及鄂尔多斯市东南部, 巴彦淖尔市、包头市和乌兰察布市北部及阿拉善盟东南部呈现出较弱的碳汇效应, 而碳源效应较强的NEP负值区主要集中在阿拉善盟西北部。在RCP6.0情景下, 升温幅度增高, 温室气体排放浓度增加。由于研究区东侧主要为草原生态系统, 土壤中存在着大量草本植物根系, 随着气温升高其土壤异养呼吸作用更为强烈[64], 因此基本呈现出碳源状态。NEP总体上呈现由西向东降低的格局, 其中碳汇效应较强的NEP高值区主要集中在研究区西南的阿拉善盟、乌海市和鄂尔多斯市南部地区, 而碳源效应较强的NEP负值区主要集中在研究区东部的乌兰察布市南部、呼和浩特市大部分地区以及鄂尔多斯市东部小部分地区, 巴彦淖尔市和包头市也呈现出较弱的碳源效应。
|
| 图 4 RCP2.6情景下2060年黄河流域内蒙古段陆地生态系统碳汇情况 Fig. 4 Carbon sink of terrestrial ecosystem in Inner Mongolia section of Yellow River Basin in 2060 under the RCP2.6 scenario |
|
| 图 5 RCP6.0情景下2060年黄河流域内蒙古段陆地生态系统碳汇情况 Fig. 5 Carbon sink of terrestrial ecosystem in Inner Mongolia section of Yellow River Basin in 2060 under the RCP6.0 scenario |
结合多情景下的碳排放情况模拟和碳汇水平预测结果, 对陆地生态系统碳汇抵消能源消费碳排放的贡献率进行计算, 分析2060年黄河流域内蒙古段国土空间碳中和程度。在RCP2.6情景下, 由于2060年黄河流域内蒙古段的陆地生态系统整体呈现出碳汇效应, 碳汇水平为1533万t, 因此若碳排放变化为基准情景, 则2060年陆地生态系统对于碳中和进程的贡献率约为18.42%；若为节能情景, 则2060年国土空间碳中和实现程度约为22.37%；若为低碳情景, 则2060年碳中和实现程度约为34.46%；若为粗放情景, 则实现程度将仅为9.90%。
但在RCP6.0情景下, 由于土壤异养呼吸作用导致草原生态系统向外排放碳, 使得2060年黄河流域内蒙古段的陆地生态系统整体呈现出碳源效应, NEP为-506万t, 则此时研究区内部难以对于实现碳中和做出贡献。但从内蒙古自治区全区来看, 由于区内林草资源分布不均, 固碳能力较高的林地等生态系统主要分布在内蒙古东部, 则若能加快推进碳排放交易, 可以促进区内碳指标的有效分配和区内流动, 有助于推进全区碳中和的实现进程。
3 结论及政策建议本文基于改进的IPAT模型和集成生物圈模拟器IBIS对黄河流域内蒙古段的能源消费碳排放和生态系统碳汇水平进行多情景预测模拟, 进而分析其碳达峰情况和碳中和实现进程。对四种碳减排情景分析显示, 由于黄河流域内蒙古段前期能源消费和经济发展模式较为粗放, 因此在2030年实现碳达峰面临着较大的挑战, 仅在低碳情景下存在实现的可能, 而在基准、节能和粗放情景下碳排放将分别于2040年、2035年和2050年达峰。对两种气候变化情景分析显示, 不同的升温幅度使得2060年研究区生态系统的净初级生产力差异较大, RCP2.6情景下, 研究区呈现出碳汇效应, 碳汇水平约为1533万t, 而RCP6.0情景下, NEP为-506万t, 呈现出碳源效应。综合碳源和碳汇情况, 在RCP2.6气候情景下, 选择不同的减排路径, 2060年陆地生态系统分别可以对黄河流域内蒙古段碳中和做出9.90%—34.46%的贡献, 而在RCP6.0气候情景下陆地生态系统难以为碳中和目标的实现做出贡献。
全球气候治理背景下, 要想实现碳达峰、碳中和目标, 低碳国土空间的开发利用成为黄河流域未来发展的重点, 结合内蒙古段实际情况, 从碳增汇、碳减排、碳交易和国土空间规划的角度分别提出以下政策建议。
(1) 保护重要碳汇生态系统, 提升固碳增汇能力。黄河流域内蒙古段长期以来面临着严峻的生态破坏问题, 且重度和中度退化草地面积比重高[65], 因此要重视对林地、耕地、草地等具有高碳汇能力的生态系统的保护和修复[66], 探索不同生态系统的固碳增汇技术, 建设固碳增汇示范基地和示范项目。
(2) 调整能源消费结构, 增加可再生能源发展规划指标。由于黄河流域内蒙古段能源消费较为粗放, 因此尽快实现碳减排是推动碳中和进程的重中之重。要调整能源消费结构, 严格控制煤炭消费, 大力发展可再生能源, 利用广阔的地理空间优势, 在阿拉善、乌兰察布、鄂尔多斯、巴彦淖尔等边境沿线、荒漠地区和矿坑地区大力发展风电和太阳能光伏产业, 在农林等生物质丰富的地区积极推进生物质能源发电。
(3) 构建碳排放权交易市场, 促进碳指标流动。黄河流域上下游以及内蒙古自治区东西部之间土地利用方式差异较大, 生态系统间的碳源汇效应不同, 如内蒙古西部沿黄地区是国家重点能源基地, 而东部森林地区则为国家禁止开发的生态保护区[67], 因此加快建设碳排放权交易市场, 促进碳指标在流域内或区内的流动, 进行区域支付转移, 是未来低碳发展的重要思路之一。
(4) 制定土地利用碳排放标准, 优化国土空间格局。在国土空间规划中, 制订重要碳汇空间的土地利用碳排放标准, 对不同土地利用活动进行碳配额, 对高碳排放用地主体征收碳税, 用于补偿生态建设用地主体, 将碳减排与国土空间管制相结合。同时, 由于不同陆地生态系统的碳汇能力不同, 也要科学合理地调整和优化国土空间格局, 构建低碳型国土空间。
| [1] |
胡鞍钢. 中国实现2030年前碳达峰目标及主要途径. 北京工业大学学报: 社会科学版, 2021, 21(3): 1-15. |
| [2] |
IPCC. Global Warming of 1.5℃. 2018[2022-03-04]. https://www.ipcc.ch/sr15/.
|
| [3] |
邓旭, 谢俊, 滕飞. 何谓"碳中和"?. 气候变化研究进展, 2021, 17(1): 107-113. |
| [4] |
习近平. 继往开来, 开启全球应对气候变化新征程——在气候雄心峰会上的讲话(2020年12月12日, 北京)人民日报, 2020-12-13(2).
|
| [5] |
Lai L, Huang X J, Yang H, Chuai X W, Zhang M, Zhong T Y, Chen Z G, Chen Y, Wang X, Thompson J R. Carbon emissions from land-use change and management in China between 1990 and 2010. Science Advances, 2016, 2(11): e1601063. DOI:10.1126/sciadv.1601063 |
| [6] |
黄贤金, 张秀英, 卢学鹤, 王佩玉, 秦佳遥, 蒋昀辰, 刘泽淼, 汪振, 朱阿兴. 面向碳中和的中国低碳国土开发利用. 自然资源学报, 2021, 36(12): 2995-3006. |
| [7] |
Grant R F, Baldocchi D D, Ma S. Ecological controls on net ecosystem productivity of a seasonally dry annual grassland under current and future climates: modelling with ecosys. Agricultural and Forest Meteorology, 2012, 152: 189-200. DOI:10.1016/j.agrformet.2011.09.012 |
| [8] |
Energy & Climate Intelligence Unit. NET ZERO EMISSIONS RACE. 2022[2022-03-04]. https://eciu.net/netzerotracker.
|
| [9] |
张雅欣, 罗荟霖, 王灿. 碳中和行动的国际趋势分析. 气候变化研究进展, 2021, 17(1): 88-97. |
| [10] |
Salvia M, Reckien D, Pietrapertosa F, Eckersley P, Spyridaki N A, Krook-Riekkola A, Olazabal M, de Gregorio Hurtado S, Simoes S G, Geneletti D, Viguié V, Fokaides P A, Ioannou B I, Flamos A, Csete M S, Buzasi A, Orru H, de Boer C, Heidrich O. Will climate mitigation ambitions lead to carbon neutrality? An analysis of the local-level plans of 327 cities in the EU. Renewable and Sustainable Energy Reviews, 2021, 135: 110253. DOI:10.1016/j.rser.2020.110253 |
| [11] |
邓明君, 罗文兵, 尹立娟. 国外碳中和理论研究与实践发展述评. 资源科学, 2013, 35(5): 1084-1094. |
| [12] |
赵荣钦, 刘英, 李宇翔, 丁明磊, 张战平, 揣小伟, 焦士兴. 区域碳补偿研究综述: 机制、模式及政策建议. 地域研究与开发, 2015, 34(5): 116-120. |
| [13] |
张帆, 徐宁, 吴锋. 共享社会经济路径下中国2020—2100年碳排放预测研究. 生态学报, 2021, 41(24): 9691-9704. |
| [14] |
Zhou N, Khanna N, Feng W, Ke J, Levine M. Scenarios of energy efficiency and CO2 emissions reduction potential in the buildings sector in China to year 2050. Nature Energy, 2018, 3(11): 978-984. DOI:10.1038/s41560-018-0253-6 |
| [15] |
Yu S W, Zheng S H, Li X, Li L X. China can peak its energy-related carbon emissions before 2025:evidence from industry restructuring. Energy Economics, 2018, 73: 91-107. DOI:10.1016/j.eneco.2018.05.012 |
| [16] |
潘栋, 李楠, 李锋, 冯奎双, 彭璐璐, 王震. 基于能源碳排放预测的中国东部地区达峰策略制定. 环境科学学报, 2021, 41(3): 1142-1152. |
| [17] |
朱宇恩, 李丽芬, 贺思思, 李华, 王云. 基于IPAT模型和情景分析法的山西省碳排放峰值年预测. 资源科学, 2016, 38(12): 2316-2325. |
| [18] |
Sharif A, Raza S A, Ozturk I, Afshan S. The dynamic relationship of renewable and nonrenewable energy consumption with carbon emission: a global study with the application of heterogeneous panel estimations. Renewable Energy, 2019, 133: 685-691. DOI:10.1016/j.renene.2018.10.052 |
| [19] |
Bekun F V, Alola A A, Sarkodie S A. Toward a sustainable environment: Nexus between CO2 emissions, resource rent, renewable and nonrenewable energy in 16-EU countries. Science of the Total Environment, 2019, 657: 1023-1029. DOI:10.1016/j.scitotenv.2018.12.104 |
| [20] |
Balsalobre-Lorente D, Shahbaz M, Roubaud D, Farhani S. How economic growth, renewable electricity and natural resources contribute to CO2 emissions?. Energy Policy, 2018, 113: 356-367. DOI:10.1016/j.enpol.2017.10.050 |
| [21] |
Hashmi R, Alam K. Dynamic relationship among environmental regulation, innovation, CO2 emissions, population, and economic growth in OECD countries: a panel investigation. Journal of Cleaner Production, 2019, 231: 1100-1109. DOI:10.1016/j.jclepro.2019.05.325 |
| [22] |
王杰, 李治国, 谷继建. 金砖国家碳排放与经济增长脱钩弹性及驱动因素——基于Tapio脱钩和LMDI模型的分析. 世界地理研究, 2021, 30(3): 501-508. DOI:10.3969/j.issn.1004-9479.2021.03.2019470 |
| [23] |
Chen Y L, Wang Z, Zhong Z Q. CO2 emissions, economic growth, renewable and non-renewable energy production and foreign trade in China. Renewable Energy, 2019, 131: 208-216. DOI:10.1016/j.renene.2018.07.047 |
| [24] |
Shen L Y, Wu Y, Lou Y L, Zeng D H, Shuai C Y, Song X N. What drives the carbon emission in the Chinese cities? -A case of pilot low carbon city of Beijing. Journal of Cleaner Production, 2018, 174: 343-354. DOI:10.1016/j.jclepro.2017.10.333 |
| [25] |
Wang Q, Su M, Li R R. Toward to economic growth without emission growth: the role of urbanization and industrialization in China and India. Journal of Cleaner Production, 2018, 205: 499-511. DOI:10.1016/j.jclepro.2018.09.034 |
| [26] |
Wang Q, Zhang F Y. The effects of trade openness on decoupling carbon emissions from economic growth-Evidence from 182 countries. Journal of Cleaner Production, 2021, 279: 123838. DOI:10.1016/j.jclepro.2020.123838 |
| [27] |
Tripathi N, Hills C D, Singh R S, Atkinson C J. Biomass waste utilisation in low-carbon products: harnessing a major potential resource. Npj Climate and Atmospheric Science, 2019, 2. |
| [28] |
Dhyani V, Bhaskar T. A comprehensive review on the pyrolysis of lignocellulosic biomass. Renewable Energy, 2018, 129: 695-716. DOI:10.1016/j.renene.2017.04.035 |
| [29] |
Ran J R, Jaroniec M, Qiao S Z. Cocatalysts in semiconductor-based photocatalytic CO2 reduction: achievements, challenges, and opportunities. Advanced Materials, 2018, 30(7): 1704649. DOI:10.1002/adma.201704649 |
| [30] |
Ross M B, de Luna P, Li Y, Dinh C T, Kim D, Yang P, Sargent E H. Designing materials for electrochemical carbon dioxide recycling. Nature Catalysis, 2019, 2(8): 648-658. DOI:10.1038/s41929-019-0306-7 |
| [31] |
Keenan T F, Williams C A. The terrestrial carbon sink. Annual Review of Environment and Resources, 2018, 43: 219-243. DOI:10.1146/annurev-environ-102017-030204 |
| [32] |
Pan Y D, Birdsey R A, Fang J Y, Houghton R, Kauppi P E, Kurz W A, Phillips O L, Shvidenko A, Lewis S L, Canadell J G, Ciais P, Jackson R B, Pacala S W, McGuire A D, Piao S L, Rautiainen A, Sitch S, Hayes D. A large and persistent carbon sink in the world's forests. Science, 2011, 333(6045): 988-993. DOI:10.1126/science.1201609 |
| [33] |
Wang J, Feng L, Palmer P I, Liu Y, Fang S, Bösch H, O'Dell C W, Tang X, Yang D, Liu L, Xia C. Large Chinese land carbon sink estimated from atmospheric carbon dioxide data. Nature, 2020, 586(7831): 720-723. DOI:10.1038/s41586-020-2849-9 |
| [34] |
义白璐, 韩骥, 周翔, 杨芳, 孟醒, 曹武星, 黄鲁霞, 象伟宁. 区域碳源碳汇的时空格局——以长三角地区为例. 应用生态学报, 2015, 26(4): 973-980. |
| [35] |
Xu L, Yu G R, He N P. Increased soil organic carbon storage in Chinese terrestrial ecosystems from the 1980s to the 2010s. Journal of Geographical Sciences, 2019, 29(1): 49-66. DOI:10.1007/s11442-019-1583-4 |
| [36] |
Foley J A, Prentice I C, Ramankutty N, Levis S, Pollard D, Sitch S, Haxeltine A. An integrated biosphere model of land surface processes, terrestrial carbon balance, and vegetation dynamics. Global Biogeochemical Cycles, 1996, 10(4): 603-628. DOI:10.1029/96GB02692 |
| [37] |
Han P F, Lin X H, Zhang W, Wang G C, Wang Y N. Projected changes of alpine grassland carbon dynamics in response to climate change and elevated CO2 concentrations under Representative Concentration Pathways (RCP) scenarios. PLoS One, 2019, 14(7): e0215261. DOI:10.1371/journal.pone.0215261 |
| [38] |
Zhao J F, Xie H F, Ma J Y, Wang K L. Integrated remote sensing and model approach for impact assessment of future climate change on the carbon budget of global forest ecosystems. Global and Planetary Change, 2021, 203: 103542. DOI:10.1016/j.gloplacha.2021.103542 |
| [39] |
Qiu Z X, Feng Z K, Song Y N, Li M L, Zhang P P. Carbon sequestration potential of forest vegetation in China from 2003 to 2050:predicting forest vegetation growth based on climate and the environment. Journal of Cleaner Production, 2020, 252: 119715. DOI:10.1016/j.jclepro.2019.119715 |
| [40] |
Zhang H Y, Feng Z K, Chen P P, Chen X F. Development of a tree growth difference equation and its application in forecasting the biomass carbon stocks of Chinese forests in 2050. Forests, 2019, 10(7): 582. DOI:10.3390/f10070582 |
| [41] |
习近平. 在黄河流域生态保护和高质量发展座谈会上的讲话. 2019-09-18[2021-12-24]. http://www.court.gov.cn/zixun-xiangqing-190581.html.
|
| [42] |
中共中央国务院. 黄河流域生态保护和高质量发展规划纲要. 2021-10-08[2021-12-24]. http://www.gov.cn/zhengce/2021-10/08/content_5641438.htm.
|
| [43] |
杨开忠, 董亚宁. 黄河流域生态保护和高质量发展制约因素与对策——基于"要素-空间-时间"三维分析框架. 水利学报, 2020, 51(9): 1038-1047. |
| [44] |
赵阳, 胡春宏, 张晓明, 王友胜, 成晨, 殷小琳, 谢敏. 近70年黄河流域水沙情势及其成因分析. 农业工程学报, 2018, 34(21): 112-119. |
| [45] |
孟望生, 邵芳琴. 黄河流域环境规制和产业结构对绿色经济增长效率的影响. 水资源保护, 2020, 36(6): 24-30. |
| [46] |
吕倩, 刘海滨. 基于夜间灯光数据的黄河流域能源消费碳排放时空演变多尺度分析. 经济地理, 2020, 40(12): 12-21. |
| [47] |
覃成林, 李敏纳. 区域经济空间分异机制研究——一个理论分析模型及其在黄河流域的应用. 地理研究, 2010, 29(10): 1780-1792. |
| [48] |
杜海波, 魏伟, 张学渊, 纪学朋. 黄河流域能源消费碳排放时空格局演变及影响因素——基于DMSP/OLS与NPP/VIIRS夜间灯光数据. 地理研究, 2021, 40(7): 2051-2065. |
| [49] |
IPCC, WG1, Climate Change 2013: The Physical Science Basis. Working Group 1(WG1) Contribution to the Intergovernmental Panel on Climate Change (IPCC) 5th Assessment Report (AR5), Cambridge University Press, 2014.
|
| [50] |
Hausfather Z, Peters G P. Emissions: the 'business as usual' story is misleading. Nature, 2020, 577(7792): 618-620. |
| [51] |
Ehrlich P R, Holdren J P. Impact of population growth. Science, 1971, 171(3977): 1212-1217. |
| [52] |
吕炜. 美国产业结构演变的动因与机制——基于面板数据的实证分析. 经济学动态, 2010(8): 131-135. |
| [53] |
杜强, 陈乔, 陆宁. 基于改进IPAT模型的中国未来碳排放预测. 环境科学学报, 2012, 32(9): 2294-2302. |
| [54] |
Chen J, Gao M, Cheng S, Hou W, Song M, Liu X, Liu Y, Shan Y. County-level CO2 emissions and sequestration in China during 1997-2017. Scientific Data, 2020, 7: 391. |
| [55] |
杨延征, 马元丹, 江洪, 朱求安, 刘金勋, 彭长辉. 基于IBIS模型的1960-2006年中国陆地生态系统碳收支格局研究. 生态学报, 2016, 36(13): 3911-3922. |
| [56] |
Kucharik C J, Foley J A, Delire C, Fisher V A, Coe M T, Lenters J D, Young-Molling C, Ramankutty N, Norman J M, Gower S T. Testing the performance of a dynamic global ecosystem model: water balance, carbon balance, and vegetation structure. Global Biogeochemical Cycles, 2000, 14(3): 795-825. |
| [57] |
Tian H Q, Melillo J, Lu C Q, Kicklighter D, Liu M L, Ren W, Xu X F, Chen G S, Zhang C, Pan S F, Liu J Y, Running S. China's terrestrial carbon balance: contributions from multiple global change factors. Global Biogeochemical Cycles, 2011, 25(1): GB1007. |
| [58] |
黄梅玲. 近50年中国亚热带地表紫外辐射时空格局及其对碳收支影响模拟[D]. 南京: 南京大学, 2011.
|
| [59] |
林伯强. 2060年中国"碳中和"目标的路径、机遇与挑战. 2020[2021-12-24]. https://www.yicai.com/news/100843313.html.
|
| [60] |
王灿, 张雅欣. 碳中和愿景的实现路径与政策体系. 中国环境管理, 2020, 12(6): 58-64. |
| [61] |
关敏捷, 袁艳红, 冉木希, 王子. 基于STIRPAT模型的山西省能源碳排放影响因素及峰值预测. 中国煤炭, 2021, 47(9): 48-55. |
| [62] |
范月君, 侯向阳, 石红霄, 师尚礼. 气候变暖对草地生态系统碳循环的影响. 草业学报, 2012, 21(3): 294-302. |
| [63] |
周嘉, 王钰萱, 刘学荣, 时小翠, 蔡春苗. 基于土地利用变化的中国省域碳排放时空差异及碳补偿研究. 地理科学, 2019, 39(12): 1955-1961. |
| [64] |
张梅, 黄贤金, 揣小伟, 解宪丽, 朱振宇, 汪煜. 中国净生态系统生产力空间分布及变化趋势研究. 地理与地理信息科学, 2020, 36(2): 69-74. |
| [65] |
庄洋, 赵娜, 赵吉. 内蒙古草地碳汇潜力估测及其发展对策. 草业科学, 2013, 30(9): 1469-1474. |
| [66] |
翁睿, 韩博, 孙瑞, 金晓斌. 国际生态修复理念与方法对我国新时期国土综合整治的启示. 土地经济研究, 2020(1): 117-140. |
| [67] |
李长青, 苏美玲, 杨新吉勒图. 内蒙古碳汇资源估算与碳汇产业发展潜力分析. 干旱区资源与环境, 2012, 26(5): 162-168. |