中国城市能源消费达峰诊断：有效峰值识别、后峰值持续性、反弹风险与区域异质性

《Frontiers in Environmental Science》：Urban energy peaking in China: timing, persistence, rebound risk, and regional heterogeneity

　　

引言：判定城市能源需求是否已进入持续的后峰值（post-peak）阶段，对于评估中国能源转型具有重要意义。然而，仅凭历史最大值（historical maximum）并不能确立持久的转折点，因为能源消费随后可能反弹或仍接近其先前峰值。
方法：研究人员利用2000—2022年中国336个地级市（prefecture-level cities）的平衡面板（balanced panel），构建了一个诊断框架（diagnostic framework），以区分历史最大值与有效峰值（effective peaks），并评估后峰值持续性（post-peak persistence）、反弹风险（rebound risk）、转型状态（transition status）和趋势变化（trend changes）。基线定义（baseline definition）将有效峰值界定为较早出现的历史最大值，且最后三年平均能源消费水平至少低于该最大值5%。该分类进一步通过替代阈值（alternative thresholds）、持续性窗口（persistence windows）、移动平均设定（moving-average specifications）、疫情前端点（pre-pandemic endpoint）和趋势断点分析（trend-break analysis）进行评估。
结果：在336个城市中，202个城市在2022年录得历史最大值，94个城市满足基线有效峰值标准（effective-peak criterion），88个城市被归类为稳定后峰值（stable post-peak）。东部城市（Eastern cities）的有效峰值占比显著高于中部、西部和东北城市（central, western, and northeastern cities）。疫情前分析表明，峰值分类对样本端点（sample endpoint）敏感，而趋势断点结果表明，能源需求增长放缓比能源消费绝对逆转更为常见。一小部分城市在较早下降后还表现出反弹风险。
讨论：这些发现表明，历史最大值不足以确立持续的后峰值转型，且中国城市仍处于明显不同的能源需求调整阶段。所提出的框架是诊断性的而非因果性的，并为区分稳定后峰值转型、暂时性下降和易反弹轨迹提供了一个一致的基础。结果强调了在评估城市能源转型进展时，考虑持续性和区域异质性（regional heterogeneity）的重要性。

研究背景与问题：全球气候减缓长期聚焦温室气体排放，但能源需求绝对规模仍是脱碳的根本约束，并决定清洁能源部署规模、基础设施转型速度及化石燃料退出难度。能源效率提升被视为抑制能源需求增长的重要途径，但全球效率改善速度仍低于2030年翻倍目标。中国承诺2030年前碳达峰、2060年前碳中和，2005年以来碳强度下降超过65%，并提高非化石能源在一次能源消费中的比重；十四五要求2021—2025年能源强度下降13.5%、碳强度下降18%。这些目标需在城市层面落实，因为城市集中经济、人口、交通、工业设施和能源系统，也是土地利用、产业规制、节能项目和低碳试点实施单元。已有研究多集中于碳排放达峰，但能源消费达峰不同于碳排放达峰：排放可因清洁电力、燃料替代、产业升级、外调电或核算变化而下降，而总能源消费仍上升；绝对能源消费下降则可能反映重工业依赖减少、效率提高、城市形态紧凑或需求饱和。历史最大值本身不足以证明持久转折，若峰值在样本末年则属右删失（right-censored），若下降后反弹或接近先前峰值，则不能视为稳定后峰值。城市级能源数据仍稀缺。因此，研究人员构建2000—2022年336个地级市平衡面板，提出诊断框架，区分历史最大值与有效峰值（effective peak），评估峰值时间、后峰差距（post-peak gap）、持续性、反弹风险、转型状态、区域差异和趋势断点（trend break）。该研究贡献在于将关注点从碳排放达峰时间转向城市能源消费峰值持续性，并记录中国城市转型状态的显著异质性及稳健性。分析为描述性和诊断性，而非因果性。

关键技术方法：研究人员使用2000—2022年中国336个地级市平衡面板。城市能源消费并非直接报告，而是通过夜间灯光数据（nighttime-light data）与官方能源统计重构：数据来自NOAA的DMSP-OLS和NPP-VIIRS夜间灯光产品，以及《中国能源统计年鉴》和省级、地方统计年鉴；用ArcGIS计算各地级行政边界内数字号码（DN）值总和，先匹配省级夜间灯光强度与官方省级能源消费，再将估计关系外推至城市。原始单位为100吨标准煤当量（tce），报告单位为百万吨标准煤当量（Mtce）。原始数据覆盖337个城市、7,751个城市—年观测，排除三沙市后为336个城市、7,728个观测。基线有效峰值要求峰值不晚于2019年，且2020—2022年平均消费低于历史最大值至少5%（δ=5%，m=3）。稳健性方法包括替代阈值、持续性窗口、移动平均、2019年端点、排除直辖市、趋势断点模型、Kaplan–Meier生存分析和log-rank检验。

研究结果：
4.1 总体动态与峰值时间：通过336个城市汇总和峰值识别得出，城市总能源消费从2000年的1,267.37 Mtce升至2022年的5,250.65 Mtce，累计增长314.29%，复合年增长率6.67%；城市均值从3.77 Mtce升至15.63 Mtce；城市级基尼系数（Gini coefficient）从0.511降至0.328，前十大城市份额从14.78%降至8.93%。202个城市（60.12%）在2022年录得历史最大值，97个城市峰值不晚于2019年；按基线有效峰值标准，94个城市（27.98%）满足条件。多数城市尚未达到稳定能源消费峰值。
4.2 城市能源达峰的区域不对称：通过分区域比较得出，东部87个城市中46个（52.87%）为有效后峰值，2022年峰值城市13个（14.94%），2022年后峰差距平均21.61%；中部82个城市中21个（25.61%），2022年峰值城市53个（64.63%），差距4.99%；西部131个城市中21个（16.03%），2022年峰值城市107个（81.68%），差距3.12%；东北36个城市中6个（16.67%），2022年峰值城市29个（80.56%），差距3.38%。卡方检验（χ²=38.56，p<0.001）、Kruskal–Wallis检验和log-rank检验均显示区域差异显著。区域梯度明显，但各宏观区域内部仍存在异质性。
4.3 后峰值稳定性、反弹风险与转型状态：通过四类转型状态和反弹指标得出，稳定后峰值88个（26.19%），反弹风险7个（2.08%），仍上升或近峰扩张208个（61.90%），波动转型33个（9.82%）。反弹风险城市的中位反弹指数为0.943，中位反弹持续时间为3年，中位年化反弹速度为8.82%/年。东部有46个稳定后峰值城市且无反弹风险案例；西部仅17个稳定后峰值城市，107个仍上升或近峰；东北36个城市中29个处于扩张组。各区域内存在多种转型状态并存。
4.4 稳健性与补充证据：通过替代阈值、持续性窗口、移动平均、样本端点和趋势断点得出，δ=0%或3%时有效后峰值城市为97个；δ=10%时降至75个；m=4年时降至71个；移动平均下2022年峰值城市从202个增至212个，有效后峰值城市从94个降至76个。以2019年为端点时，155个城市满足有效峰值标准；其中仅60个城市在2020—2022年均低于疫情前历史最大值，95个至少一次超过；到2022年，155个疫情前有效峰值城市中有94个回到疫情前历史最大值5%以内或超过。趋势断点分类显示，246个城市（73.21%）为增长放缓但仍增长，73个为逆转，17个为加速。主导模式是增长减速而非绝对下降。

讨论部分总结：讨论强调观察峰值不等于有效峰值，历史最大值可能右删失、受短期波动影响或随后反弹。该分类可用于需求情景选择：稳定后峰值城市可以近期后峰需求为中心规划，并保留反弹上限情景；反弹风险城市应将历史峰值保留在规划范围内；仍上升或近峰城市不应假设即将绝对下降；波动转型城市更适合采用需求轨迹范围。诊断规则可改善能源与气候规划中的需求假设，但不应机械转化为排放配额、可再生能源配额或其他约束性政策参数。区域异步不能识别机制，研究不包含区域间贸易、隐含排放、产业转移或企业生产转移信息，因此不能解释为碳泄漏。区域结果应用于识别广泛空间差异，而非对区域内所有城市施加统一政策。

研究结论部分翻译：本研究构建了一个诊断框架，用于评估2000—2022年中国336个地级市城市能源消费峰值的时间与持续性。该框架并非将历史最大值等同于已完成转型，而是将峰值时间与后峰值持续性、反弹动态、转型状态和长期趋势变化结合起来评估。结果显示，到样本末期，持续的后峰值转型仍不常见。336个城市中，202个在2022年录得历史最大值，因此属于右删失。在基线设定下，94个城市满足有效峰值标准，88个被归类为稳定后峰。东部城市的有效峰值占比显著高于中部、西部和东北城市，尽管每个宏观区域内部仍存在相当大的异质性。2019年端点分析进一步表明，分类对2020—2022时期敏感，而趋势断点分析表明，增长放缓比断点后绝对下降更为常见。因此，主要贡献是诊断性的而非因果性的。研究结果表明，除非同时考虑后续轨迹，历史最大值年份不足以证明持久能源需求转型。该框架有助于区分持续增长、不稳定下降和更持续的后峰值轨迹，但不能识别造成这些模式的经济或政策因素。建立此类因果机制需要关于产业结构、城市功能、能源构成和具体政策干预的额外数据。