“2+26”城市碳排放時空演變特征及其驅動因素研究

張雪華,董會忠

(山東理工大學 管理學院，山東 淄博 255000)

化石能源燃燒是全球溫室氣體產生的主要來源[1]，近年來溫室氣體導致的全球氣候變暖、海平面上升、極端天氣頻發等環境問題嚴重影響了生態環境建設和國民經濟可持續發展，合理控制碳排放對解決當下氣候變化等環境問題具有重要意義。聯合國氣候大會先后通過了《聯合國氣候變化框架公約》《京都議定書》《巴黎協定》等控制二氧化碳排放的國際公約，明確各簽約國的碳減排目標。中國作為目前世界上最大的溫室氣體排放國，在應對全球氣候變暖中扮演著重要角色。在《巴黎協定》框架下，我國政府承諾到2030年單位GDP的二氧化碳排放要比2005年下降60%—65%，二氧化碳排放總量要達到峰值[2]。為加快實現碳減排目標，推動我國經濟高質量發展，必須加強引導各區域依據實情承擔相應的碳減排任務?？茖W合理探究能源碳排放的空間異質性，厘清碳排放周期過程的驅動因素成為碳減排工作的首要任務。2017年，生態環保部把京津冀及其周邊地區的北京、天津、石家莊、唐山、廊坊、保定、滄州、衡水、邢臺、邯鄲、太原、陽泉、長治、晉城、濟南、淄博、濟寧、德州、聊城、濱州、菏澤、鄭州、開封、安陽、鶴壁、新鄉、焦作、濮陽等28個城市確定為大氣污染傳輸通道，即“2+26”城市。長期以來，由于產業結構不合理、能源資源過量消費、技術落后等問題，該區域成為碳減排的首要關注區域，所面臨的減排任務尤為艱巨。因此，本文選取 “2+26”城市為研究對象，分析其能源碳排放的時空演變規律，量化各驅動因素的貢獻度，可為該地區碳減排政策的制定提供理論依據和差異化治理建議。

當前，二氧化碳過量排放導致大量環境問題已在學術界形成共識，如何控制碳排放總量也成為當下關注的焦點。現有研究從不同角度和方法對碳排放總量做了分析預測。如，杜江、羅王君、王銳等從生命周期角度，以碳足跡為基礎測算了我國農業碳排放[3]；田紅、丁長安利用“自下而上”分析法對山東省旅游業碳排放總量進行了定量估算[4]。IPCC作為一種經典的碳排放估算理論，適用性較為廣泛，眾多學者利用IPCC理論對我國不同層面能源消費碳排放量進行了計算分析[5,6]。此外，區域間碳排放往往存在時空異質性，不同學者從時空差異的角度分析了不同區域碳排放的時空演變規律。如，胡艷興、潘竟虎、李真等利用自然正交函數揭示了中國各省份能源消費碳排放量變動的時空規律[7]；呂倩、劉海濱基于空間數據分析方法研究了京津冀地區縣域二氧化碳排放時空演變特征[8]；錢萍等通過引入碳排放壓力指數對我國能源消費碳排放時空演變規律進行了分析。更多學者對碳排放驅動因素進行了研究，且研究對象涉及多個尺度。如，Padilla和Serrano從全球層面分析了國家間收入差異對二氧化碳排放差異的影響[9]；王凱、邵海琴、周婷婷等從全國層面對碳排放驅動因素進行了分解分析[10]；馬曉明、包金梅、熊思琴從省際層面分析了研究碳排放的主要因素[11]；李治國、朱永梅、吳茜分析了山東省碳排放驅動因素[12]。學者們研究碳排放驅動因素的方法較多，大致包括面板模型[13]、空間計量模型[14,15]、地理加權回歸模型[16]、STIRPAT模型[17,18]等。其中,對數迪氏因素分解法(LMDI)能夠將碳排放驅動因素再次分解，系統研究經濟和能源的總量、結構、強度對碳排放的貢獻度，具有無殘差項等優點[19-21]。目前，國內不乏學者利用LMDI模型研究碳排放的驅動機制，其中共識性的觀點認為：人口規模、經濟發展是碳排放增長的主要驅動因素[22]，產業結構、能源結構、能源強度等為主要的減排因素[23]。

總體上，碳排放的研究涉及層面較廣泛，研究視角也不盡相同，但仍存在不足：①碳排放研究對象多為全國、省級或某一特定區域，而“2+26”城市作為當下碳減排的重點區域，對其系統研究卻鮮有涉及。②文獻往往將某一特定區域作為整體進行研究，未能深入研究區域內不同城市碳排放的差異性。③文獻大多從人口、經濟、能源等角度考察碳排放的驅動機制，鮮有從二氧化碳排放周期視角研究各因素驅動機制與貢獻度。④傳統的計量模型通常將經濟、能源等作為單一指標處理，未能綜合考量經濟和能源的總量、結構、強度等二級因素的驅動效力。

本文選取“2+26”城市作為研究對象，綜合運用Kaya恒等式擴展形式與LMDI分解分析模型，從源頭控制、過程控制的周期視角綜合考察區域人口規模、經濟發展、產業結構、能源效率、能源結構、煤炭清潔利用技術等驅動因子對“2+26”城市能源碳排放的影響機制，量化各驅動因素對能源碳排放的貢獻度，界定各城市的關鍵減排因素，提出差異化碳減排的政策性建議，尋求節能減排的最優路徑。

1 研究方法與數據來源

1.1 空間自相關分析

空間自相關分析包括全局空間自相關和局部空間自相關[24]。全局空間自相關用來測算整個區域的空間關聯程度，常用Moran′s I指數作為統計量進行衡量，其取值為[-1，1]。在給定顯著性水平下，如果Moran′s I指數值為正，表示地區在空間上顯著集聚,值越接近1,表明總體的空間差異越小；反之，如果Moran′s I指數值為負，表示在空間上存在顯著的差異，值越接近-1,差異就越大。局部空間自相關可以揭示相鄰區域間的關聯程度，包括“高—高集聚、高—低集聚、低—低集聚、低—高集聚”4種情況。其中，高—高集聚、低—低集聚表明所取觀測值在空間上存在較強的正相關性，表現為空間均質性；高—低集聚、低—高集聚表明所取觀測值在空間上存在較強的負相關性，表現為空間異質性。

1.2 LMDI模型

“2+26”城市能源碳排放的周期治理主要涉及源頭預防和過程控制兩個環節。為厘清京津冀及其周邊地區共計28個城市能源碳排放的驅動因子，本文采用Kaya恒等式進行識別。該方法能夠將社會、經濟、能源、環境、技術等子系統有機結合，綜合二氧化碳從產生至排放的周期過程。能源碳排放受地區人口規模、經濟增長、經濟結構等源頭驅動因子和能源效率、煤炭消費結構、煤炭清潔利用技術等過程控制因子的綜合影響，基于此，本文構建了“2+26”城市碳排放的Kaya恒等式擴展模型:

(1)

式中，C表示CO2排放量；GDP與TP分別表示地區生產總值和人口總量；EAV表示第二產業經濟增加值；EC、CC分別表示能源消費量與煤炭消費量；EG代表區域經濟發展水平，以城市人均GDP表示； ES代表經濟結構，以EAV和GDP之比表示；EE代表能源效率，以單位EAV的能源消費量表示；指標CS代表煤炭消費結構;指標TL代表煤炭清潔利用的技術水平，以單位煤炭消耗導致的CO2產生量表示。 LMDI模型的加法形式對“2+26”城市碳排放的變化進行分解，由t-1期到第t期碳排放變化表示如下:

ΔCt=Ct-Ct-1

=TPt×EGt×ESt×CSt×TLt-TPt-1×EGt-1×ESt-1×EEt-1×CSt-1×TLt-1

=(ΔTPt+ΔEGt+ΔESt)+(ΔEEt+ΔCSt+ΔTLt)

=ΔSDt+ΔPCt

(2)

式中，ΔSD表示源頭驅動因子對工業CO2減排的影響，為人口規模效應ΔTP、經濟發展效應ΔEG、產業結構效應ΔES之和；△PC表示過程控制因子對工業CO2減排的影響，為能源效率效應ΔEE、能源結構效應ΔES、煤炭清潔利用效應ΔTL之和。各影響因素減排效應的分解表達式為：

(8)

1.3 數據來源

本文數據來自于2009—2019年《中國城市統計年鑒》《城市統計年鑒》《中國能源統計年鑒》。各城市的地區生產總值和工業生產總值以2008年為基期進行不變價格折算，以消除通貨膨脹因素的影響；煤炭等能源消費數據來自于各城市的統計年鑒；部分暫缺數據通過線性內差法、趨勢外推法等方法計算得到。

2 結果及分析

2.1 “2+26”城市碳排放量計算

依據IPCC提供的方法估算碳排放量，其原理是：將能源實物量折算成標準煤,再用折算后的標準煤量乘以各類能源的碳排放系數，最后將結果相加得到總的碳排放量。具體方法如下：

(9)

式中，CE表示各類能源的碳排放總量(t)；EPQi表示第i類能源的實物量(t)；SCCi表示第i類能源的折算標準煤系數；CECi表示第i類能源的碳排放系數；i表示能源種類數。

本文主要利用IPCC理論對2008—2018年“2+26”城市能源碳排放量進行了計算，具體結果如表1所示。

表1 2008—2018年“2+26”城市能源消費碳排放量(單位：萬t)

2.2 “2+26”城市碳排放時空特征

《國民經濟和社會發展規劃》作為我國發展進程的重要規劃，不僅能夠描繪建國以來我國經濟發展的大體脈絡，還能從中探索我國經濟發展的規律，指導我國經濟建設?；诖耍疚囊浴拔迥暌巹潯睘榛狙芯恐芷?，以“十一五”、“十二五”、“十三五”3個時期的人均GDP和能源碳排放量來表示不同城市之間能源碳排放和經濟水平的變化情況，以此研究“2+26”城市能源碳排放時空異質性及能源碳排放的各驅動因素的作用機制。

由圖1可知，受“五年計劃”相關政策的影響，京津冀及其周邊地區的能源碳排放量整體上呈現先增加后降低的趨勢。隨著“十二五”規劃的推進，城鎮化和工業化進程不斷加快，能源消費量整體呈上升趨勢，雖然相關環境政策在一定程度上對碳排放的增長起到了抑制作用，但是仍不能抵消經濟發展對環境產生的影響。對該地區大多數城市而言，“十二五”期間能源碳排放量較“十一五”期間呈不同程度的上升趨勢。近年，環境問題已成為全社會關注的焦點，隨著生態政策的持續推進，環境規制的標準也隨之提高，碳排放治理力度不斷加強。技術進步推動了能源清潔利用技術的發展和能源使用效率的提高，京津冀及其周邊地區的大部分城市在“十三五”期間保持經濟持續增長的前提下實現了二氧化碳減排的目標。值得注意的是，北京和濟南在研究期內能源碳排放量隨著“五年計劃”的推進呈逐次遞減的特征，這得益于城市產業轉型力度大，高污染企業向外轉移比率較高，第三產業發展較快、技術水平較高，國家相關政策的推進對這兩個城市的環境影響程度較大，技術的進步對節能減排工作推動效用明顯。而長治、晉城、開封、濱州、菏澤等經濟較為落后的城市在研究期內的能源碳排放量呈現逐次遞增趨勢，其主要原因是：該地區城市工業化進程較晚，在研究期內這部分城市高耗能企業占比較大，技術和人才等資源短缺，能源消費總量居高不下，導致這些城市能源碳排放量也隨之增加。

從上述分析可見，國家政策的制定和實施對“2+26”城市能源碳排放驅動機制具有較為顯著的時空異質性，同時政策的制定對該地區的發展具有指導性的作用，驅動效力也較為顯著。“2+26”城市的能源碳排放量和人均GDP的變化趨勢大致吻合，除北京市和濟南市的人均GDP相對較高而碳排放量相對較低外，其他城市基本呈現出人均GDP高的城市碳排放量也相對較高的現象。其主要原因是：經濟發展較早的城市，實現GDP的增長主要依靠科學技術進步，而工業化進程開始較晚的城市經濟發展主要依靠能源消費，這種產業結構和科技水平的差距致使人均GDP的增長對不同城市碳排放的驅動效力存在空間上的差異性，但總體上經濟發展對碳排放的驅動效力顯著。

注：因篇幅所限，本文僅列出部分城市結果。

本文在ArcGIS10.2軟件支持下，采用自然間斷點法對2008年、2011年、2014年、2018年“2+26”城市能源碳排放量空間格局進行了渲染(圖2)。從圖2可見，研究期間內京津冀及其周邊地區的能源碳排放量時空演變呈現一定的規律：能源碳排放強度較高的城市始終位于邊緣位置，總體上呈現邊緣向中心遞減的態勢，天津、唐山的碳排放量與同期各城市相比一直居于前列，保定、衡水、廊坊等市受經濟發展水平和人口規模的影響，能源碳排放量始終屬于低碳排放區域。京津冀及其周邊地區能源碳排放強度分布趨向均衡化態勢，在研究期初，能源碳排放量相對較高的城市有4個，而在研究期末轉變為2個，并且邊緣城市能源碳排放強度的相對變化量變化較為顯著。

圖2 2008—2018年“2+26”城市碳排放空間分布

值得注意的是，在研究期間內，北京、太原和長治的能源碳排放量變化最為明顯。其中，北京和太原的能源碳排放量從較高強度變為較低強度，而長治的能源碳排放量從較低強度轉化為較高強度。北京在研究期前期，人口密集、工業區較為集中，能源消耗量大，能源碳排放水平較高，隨著我國節能減排工作的進行，能源碳排放量增速逐漸降低；太原市的碳排放量在期初也居于較高位置，但隨著山西省能源結構的不斷優化，能源碳排放量呈現不斷下降的趨勢。

2.3 “2+26”城市空間自相關特征

為進一步分析“2+26”城市碳排放量的空間集聚特征，本文利用GeoDa軟件計算了2008—2018年的全局Moran′s I指數(通過顯著水平為0.05的z值檢驗)，并生成了2008年、2011年、2014年、2018年的局域Moran′s I指數LISA圖，以揭示“2+26”城市碳排放量的局部空間關聯類型。從“2+26”城市全局自相關結果(表2)來看，研究期內京津冀及其周邊地區能源碳排放量的Moran′s I指數變化較為顯著。2008年，該地區能源碳排放量的Moran′s I指數為負值，呈現負的相關性。到2011年，能源碳排放量的Moran′s I指數變為正值，且在研究期內Moran′s I指數呈現不斷上漲的趨勢。這表明研究期內京津冀及其周邊地區能源碳排放的集聚態勢發生了顯著變化。期初“2+26”城市能源碳排放存在顯著的空間異質性，各相鄰城市間能源碳排放存在著較大的差異。2011—2018年隨著城市的發展和相關政策的推進，該地區各城市的能源碳排放表現為顯著的空間正相關性，能源碳排放強度相似的城市在空間上呈現出集聚效應，且這種集聚效應出現逐步加強。

表2 2008—2018年“2+26”城市能源消費碳排放量Moran′s I指數

由圖3可知，整體來看，在研究區間內“2+26”城市群分布在L-L區域所占的比例最高，分布在H-H區域所占的比例最少。近10年來京津冀及周邊地區的碳排放量的局域空間集聚狀態發生了顯著變化，分布在H—H區域的城市從2008年的3個增加至2018年7個，分布在L-H、H-L區域的城市從2008年13個減少至2018年的10個，說明京津冀及周邊地區的碳排放量空間集聚程度顯著增強。具體來看，濱州由2008年的L-H型逐步轉變2018年的H-H型，晉城、長治等市由2008年的L-L型轉變為2018年的H-H型；濟寧、淄博等市由2008年的H-L轉變為2018年的H-H型。其他城市碳排放量局域空間集聚程度未發生較大變化，其中廊坊、陽泉、保定等市一直處于H-L型，唐山、天津等市一直處于H-H型，鄭州、開封、濮陽、滄州、衡水等市一直處于L-L型，北京、太原、石家莊等市一直處于H-L型。

圖3 “2+26”城市碳排放的空間相關

目前，“2+26”城市能源碳排放呈現空間分布差異性特征。天津、唐山、長治、晉城、濟南、淄博等市均為高碳排放城市且被相應高碳排放城市包圍，這些城市主要來自河北、山東、山西等相鄰地界，可通過加強區域合作和產業聯合改造等方式共同降低碳排放量。保定、廊坊、陽泉、邢臺等低碳排放量的城市被高碳排放量的城市包圍，這些城市的能源碳排放量遠遠低于周邊地區，可以通過技術轉移、信息交流、要素流動等擴散效應對周邊碳排放降低起帶動作用。鄭州、安陽、焦作、開封、衡水等低能源碳排放城市被相應低能源碳排放城市包圍，且主要分布于河南、山東等地，可以通過加強區域聯合的方式進一步降低碳排放量。北京、太原、石家莊、邯鄲等高能源碳排放量城市被低能源碳排放量城市包圍，這些城市可以通過鄰近城市的輻射效應，加強地域合作的方式降低碳排放量。

2.4 “2+26”城市碳排放驅動因素分析

本文基于“2+26”城市2008—2018年的相關數據，利用LMDI模型從源頭控制和過程控制兩個方面分析能源碳排放驅動因素，其中源頭控制包括人口規模(TP)、經濟發展(EG)、產業結構(ES)3個驅動因子；過程控制包括能源效率(EE)、能源結構(CS)和煤炭清潔利用(TL)，分析結果見表3。表3中數據表示各影響因素對本市區能源碳排放變化的貢獻度，即對能源碳排放作用的效用值。為了更加直觀看出各影響因素對不同市區能源碳排放影響效用值，對表3數據進行進一步處理，計算各市區單因素貢獻度與總效應的比值，繪制能源碳排放各驅動因素貢獻率分布圖(圖4)，可以看出經濟發展對碳排放的正向促進效用最為顯著，能源利用效率對碳排放抑制效用最大。

表3 2008—2018年“2+26”城市能源碳排放影響因素分解(單位：萬t)

圖4 “2+26”城市能源碳排放影響因素貢獻率分布

由表3可見，人口規模、經濟發展和能源效率對“2+26”城市的能源碳排放起正向的促進作用，其中經濟增長的驅動效力最為顯著，達到45374.69萬t；人口規模對該地區能源碳排放驅動效力次之，其貢獻度為3088.06萬t；能源效率的正向驅動效力最小，為508.79萬t。產業結構、能源結構和煤炭清潔利用等影響因素均表現為減排作用，其中能源結構對能源碳排放的負向驅動作用最為顯著，達到-8962.89萬t；產業結構對京津冀及其周邊地區的能源碳排放貢獻度較為明顯，為-6986.16萬t，其次是煤炭清潔系數，貢獻度為-246.72萬t。

從“2+26”城市碳排放因素分解的結果來看，源頭驅動是導致該地區能源碳排放增加的主要環節，而過程控制為該地區碳排放的主要抑制環節。具體來看，經濟增長對“2+26”城市的能源碳排放均起到了促進作用，且總的正向驅動效力最大，其中北京、天津、石家莊、唐山等城市碳排放受經濟發展因素促增作用明顯，而廊坊、保定、鶴壁、濮陽等城市受經濟發展驅動因子的影響較低。相比之下，人口規模對該地區正向驅動效力較弱，其對于大部分城市的碳排放具有促進作用，特別是對北京、天津、鄭州、邯鄲等較為發達的城市的促進作用更為明顯，而對于晉城市起到了減排的作用，其主要原因是：晉城市在2008—2018年的人口增長較為緩慢，與京津冀及其周邊地區的其他城市人口增量存在較大差距。從全國人口數量分布上看，京津冀及其周邊地區人口密集，且二胎政策的放開可能會進一步促進該地區人口數量的增長。因此，從碳排放總量控制的角度來看，“2+26”城市未來應著重注意人口結構和人才比例的調整、自身素質的提高和環保意識的培養，加強政府調控的力度，引導居民綠色環保的生活方式。在源頭控制中，產業結構在整體上表現為減排作用，且對北京、滄州、邢臺、長治等市的減排作用最為顯著，而對天津、石家莊、淄博、濱州、菏澤等市的碳排放則表現為正向的促進作用，其主要原因是在本研究期內該地區的經濟發展較為緩慢，產業結構的調整對碳排放的影響不明顯。

過程控制環節中大部分表現為減排效應，其中能源結構對能源碳排放的抑制作用顯著，特別是對北京、天津、唐山、淄博等市的減排效力尤為顯著，而對于滄州、衡水、邢臺、濱州、菏澤等市表現出正向的促進作用。導致這種現象的原因有很多，主要包括“2+26”城市所處的區位不同、資源優勢所導致的產業結構、煤炭消費比重差距較大、國家政策與市場需求變動等因素都會對當地能源結構產生影響。盡管近年我國實行了“煤改氣”、“煤改電”等政策來從源頭上實現煤炭消費的減量替代，但由于技術和資源等的限制和我國產業轉型并不徹底，煤炭消費仍然占能源消費的最高比重，煤炭清潔利用是在過程控制中通過人為手段從根本上減少溫室氣體的方式。從表3中計算數據來看，煤炭清潔利用在一定程度上起到了減排作用，但效用并不明顯。大部分城市受煤炭清潔技術改進的作用，碳排放量呈降低的趨勢，尤其是對于濟南、邢臺等市減排效果最為明顯，但仍有部分城市表現為能源碳排放促增作用，如石家莊、唐山等。這表明京津冀及其周邊地區發展不均衡，煤炭清潔利用技術的普及存在差異化。綜合來看，煤炭清潔利用對于能源碳排放減排作用存在很大的上升空間，應當加強該地區的交流與融合，加大科學技術在能源清潔高效利用上的應用，有效降低能源消耗強度。在過程控制環節中，能源效率對“2+26”城市的能源碳排放總體表現為促增作用，但相比之下促增效果并不明顯。這種現象通常被稱為碳排放的回彈效應，即技術的進步引起的碳排放效率提高與碳排放量之間的悖論現象。這主要是由于化石能源消費可能存在回彈效應[25]，而這種一次能源的消費正是二氧化碳產生的主要來源，進而導致了碳排放的回彈效應。在28個城市中，能源效率對超過半數的城市表現為減排作用，其中北京、天津、太原、淄博、濟寧等市受能源效率影響而產生的減排作用尤為顯著，而對于陽泉、長治、晉城、濱州等市，能源結構表現為能源碳排放的促增作用，即出現碳排放的回彈效應，這主要是由于這些地區的城市發展較晚、工業化進程較為緩慢、節能減排技術相對落后，形成了工業能源效率對碳減排的阻滯作用。

3 結論與建議

3.1 結論

本文以京津冀及其周邊地區“2+26”城市為研究對象，利用統計圖、空間渲染圖、相關性分析圖等分析了“2+26”城市碳排放的時空異質特征，并利用LMDI模型，從源頭控制、過程控制等碳排放周期環節對該地區能源碳排放的驅動因素分解進行了分析，以求找到不同城市碳減排的差異化戰略和實現的最優路徑。主要結論為：①能源碳排放大部分呈現先增加后降低的趨勢，但受政策、經濟水平、產業結構等因素的影響，經濟較為發達的城市多表現為能源碳排放持續減少的現象，而對經濟相對落后的城市而言，碳排放則呈現逐次上升的趨勢。②該地區能源碳排放水平差異化逐漸縮小，空間集聚程度有所增強。③“2+26”城市的能源碳排放受經濟發展、產業結構、能源結構等因素的影響較為顯著，而人口規模、能源效率、煤炭清潔利用對該地區碳排放的影響作用相對較小。④能源效率、人口規模、經濟發展等源頭控制因子對“2+26”城市的碳排放整體上表現為促增作用，其中，經濟發展的促增作用最為顯著。產業結構和能源結構、煤炭清潔利用等過程控制因子表現為減排作用，相比之下，能源結構對該地區的減排貢獻度最大。

3.2 建議

本文根據“2+26”城市能源碳排放空間分布特征及驅動因素時空異質性，提出以下方面建議：①由于“2+26”城市能源碳排放的驅動因素存在異質性，因此該地區在減排工作的過程中應因地制宜，實行差異化政策，制定適應城市現狀和未來發展路徑的減排措施和減排標準。對于產業結構驅動型城市，應適當轉變經濟發展模式，加強科技和人才資源的引進，不斷優化產業結構，如天津、唐山、淄博、濟寧、德州等城市。對于能源結構主導型的城市，一方面應對煤炭消費總量進行合理控制，合理推進清潔能源替代工作；另一方面，要依靠科學技術不斷提高煤炭清潔利用技術水平，政府應當適量投入更多的基金進行研發，加大此類技術的開發力度和應用范圍，如滄州、邢臺、濟南、濱州、菏澤等城市。②人口和經濟的增長都是地區發展的必然趨勢，各地區應當結合本地區的資源優勢和產業特點積極探索，尋求一條經濟與生態協同發展的道路。一方面，可以從提高人口素質方面入手，加強政府引導，在全社會不斷貫徹綠色生活、綠色消費的理念，實現在人口增長情況下二氧化碳的最低排放水平。對于北京、天津等人口密集的城市，應嚴格控制人口增長速度，加大對外來人員的管控力度，逐步消除人口膨脹對碳排放的影響，使得技術進步對碳減排的貢獻逐步顯現出來。另一方面，對于河北、山西等地部分高碳城市要加快產業結構的轉型和升級，加快生產力的轉變和替代，加大煤炭減量替代的力度，從根本上改變以一次能源消耗促進經濟發展的模式。③“2+26”城市作為京津冀地區大氣污染傳輸通道，應當逐漸轉變“先污染后治理”的發展模式，在保持末端治理減排潛力挖掘的基礎上，逐步發揮源頭控制和過程控制環節的減排效力，即由依靠化石能源消耗轉變為依靠科學技術的經濟發展模式，優化產業結構，調整能源結構，加大新能源的研制與開發和煤炭清潔技術利用，加快二氧化碳的減排由末端治理向源頭控制和過程控制的轉變。