整合循环经济战略有助于提升中国乘用车电气化过程中碳排放的减排效果

《TRANSPORTATION RESEARCH PART D-TRANSPORT AND ENVIRONMENT》：Integrating circular economy strategies enhances carbon mitigation in China’s passenger vehicle electrification

　　• 生命周期框架将电气化、物质流和二氧化碳排放联系起来。
• 生命周期缓解策略的有效性会随时间变化。
• 循环经济策略可以在生命周期的各个阶段增强碳减排效果。
• 电网脱碳最为有效，到2060年可实现3.499亿吨的碳减排。
• 地区间的显著差异受当地条件影响。

1. 引言
道路交通部门主要依赖化石燃料，占全球能源相关二氧化碳排放的27%（国际能源署，2023年），使其成为气候变化的关键驱动因素。在中国，快速的经济增长和日益增长的出行需求大幅增加了车辆数量，加剧了能源和环境挑战，其中乘用车的作用尤为突出（杨等人，2026年；国际能源署，2023年；克鲁茨格等人，2015年）。目前，乘用车贡献了道路交通总二氧化碳排放的45%，并且这一比例在未来几年可能会继续增长（国际能源署，2023年）。电动汽车（EV）正在逐渐取代内燃机车辆（ICEV），被视为下一次碳减排革命（米洛瓦诺夫等人，2020年）。近年来，电池续航里程、车型多样性和成本效益的提高使得全球电动汽车保有量在2025年达到了7500万辆（国际能源署，2026年），是五年前的八倍。针对美国和中国的相关研究表明，广泛部署由可再生能源供电的电动汽车可以有效减少车辆运行阶段的直接排放（史密斯等人，2025年；伍迪等人，2023年；梁等人，2019年）。根据国际能源署的报告，电动汽车到2030年可以避免4.6亿吨的全球二氧化碳排放，如果采取更雄心勃勃的措施，这一数字可提拔高至5.8亿吨（国际能源署，2023年）。然而，虽然电动汽车避免了化石燃料燃烧产生的尾气排放，但它们可能会将排放转移到其他行业或生命周期阶段（马等人，2026年；沃尔弗拉姆等人，2026年）。多项研究指出，电动汽车的制造过程产生的碳排放可能是内燃机车辆的1.5到2倍，其减排效果取决于电力结构（谢等人，2022年；王等人，2023年）。在整个使用寿命期间，纯电动汽车（BEV）的生命周期排放低于内燃机车辆，欧洲减少了66%至69%，美国减少了60%至68%，中国减少了37%至45%，印度减少了19%至34%（比克尔，2021年）。电动汽车车队的扩大也增加了对锂、钴、锰和镍等电池材料的需求。这种跨越燃料循环和车辆周期的复杂性给准确量化电动汽车的环境影响和关键材料需求带来了额外挑战。因此，要实现道路交通部门的脱碳，需要从生命周期和跨行业的角度出发，以捕捉未来的动态变化。

已经提出了几种策略来应对这些挑战。从生命周期的角度来看，缓解策略可以大致分为与能源相关的缓解措施（齐等人，2023年；伍迪等人，2023年）和与材料相关的循环经济策略（韦塞尔坎珀等人，2025年；宋等人，2024年；沃尔弗拉姆等人，2020年），如表S1所总结。与能源相关的措施，例如提高内燃机车辆的燃油效率（陈等人，2022年； Wen等人，2023年；谢等人，2024年）以及扩大可再生能源在电力消费中的使用（阿卜杜勒-马南等人，2022年；朱等人，2023年），主要影响能源供应和车辆运营阶段的排放。针对车辆的循环经济策略包括再利用、维修、重新制造和回收，旨在延长材料的寿命，提供具有碳效益的可持续解决方案（阿吉拉尔-洛佩兹等人，2024年；马等人，2024年；宋等人，2024年；沃尔弗拉姆等人，2020年）。例如，通过用更轻的材料替代重型材料可以提升车辆的燃油经济性（米洛瓦诺夫等人，2019年），而车辆回收可以减少对原材料的需求及其相关生产排放（乔等人，2019年）。此外，退役电动汽车电池的二次利用可以提供固定能源存储，车辆到电网（V2G）集成则提供了在车辆使用寿命期间利用电池支持电力系统的另一种方式（苏等人，2026年；王等人，2026年）。宋等人（2024年）指出，通过V2G互动和级联电池利用，可以实现生命周期零碳排放的电池系统。韦塞尔坎珀等人（2025年）发现，在加利福尼亚州，到2050年，报废电动汽车电池的二次利用可以满足100%的固定能源存储需求，并累计节省约5580万吨二氧化碳当量，而直接回收可以覆盖大约61%的年度电动汽车电池需求，节省约4830万吨二氧化碳当量。随着交通运输越来越多地依赖锂离子电池，关键矿物的供应对于能源转型变得尤为重要（张等人，2023年）。同时，电气化将排放从车辆尾气转移到电力生产和制造阶段，使得与能源相关的策略和循环经济策略的效果更加相互关联。因此，将这些策略整合在一个共同的生命周期框架内是必要的，以捕捉跨行业的权衡及其对排放和关键材料需求的综合影响。

然而，目前还缺乏一种能够充分整合生命周期视角的统一评估方法（Baars等人，2021年；Richter，2022年）。确定短期和长期脱碳的最佳生命周期策略具有挑战性，因为缓解策略的有效性可能会随时间演变（Axsen等人，2020年；Lepitzki和Axsen，2018年）。大多数生命周期分析以车辆为中心（王等人，2023年），很少有研究关注车队结构变化对总体交通排放的长期影响（李等人，2025年；谢等人，2022年；郝等人，2017年）。此外，以往的研究往往侧重于个别策略（Luk等人，2017年）或特定功能单元（韦塞尔坎珀等人，2025年；马等人，2024年；宋等人，2024年；Llamas-Orozco等人，2023年），忽视了循环经济策略与碳减排措施之间的动态互动和协同效应。陈等人（2022年）比较了各种缓解策略，发现需求侧措施在短期内更为有效，而电气化、燃油效率提升和能源脱碳则在长期减排中起主导作用。同时，新兴证据表明，关键矿物供应限制、电池化学 composition 和回收途径可能会影响电气化的可行性和供应链的脆弱性（程等人，2024年；布斯奇等人，2025年；胡等人，2026年）。这些限制在中国尤为明显，因为不同省份的车队规模和组成、电力结构以及电动汽车的采用速度各不相同。随着这些条件的变化，同一策略在不同省份和时间段内可能产生不同的排放和关键材料需求效果。

在这里，我们通过将动态物质流分析（dMFA）与基于情景的排放评估相结合，开发了一个车队层面的生命周期排放评估框架，以评估中国的轻型乘用车（LDPV）电气化（图1）。具体来说，我们解决了两个研究问题：（1）中国各省LDPV车队的转变如何重塑生命周期排放和关键材料需求？（2）能源相关措施和循环经济策略如何在不同时期和省份影响这些结果？为了解决这些问题，dMFA模块按省份、车辆类型、动力系统和年龄预测车辆保有量、销售量、报废量、车辆材料和电池材料。这些输出随后与车辆生产、电池生产、燃料和电力供应、车辆运营、回收以及电池二次利用的生命周期排放因子联系起来，从而能够系统地评估四个层面的材料和排放影响：车辆、车辆材料、电池和电池材料。我们使用该框架比较了与能源相关的缓解措施（包括燃油效率提升和电网脱碳）与循环经济策略（包括车辆轻量化、车辆材料回收、电池材料回收、电池二次利用和V2G集成作为一种探索性的电池利用方式）。这项研究揭示了缓解重点在生命周期阶段、时间范围和地区背景下的变化。我们的发现促进了人们对乘用车电气化的生命周期理解，并为制定符合长期气候目标的地区性策略提供了依据。

下载：下载高分辨率图像（699KB）
下载：下载全尺寸图像
图1. 分析道路交通可持续性综合影响的建模框架示意图。
(A) 车辆生命周期系统框架。本研究涵盖了2020年至2060年中国31个省份的情况，包括四个乘用车细分市场、三种动力系统技术和两种主要的电池化学路径。生命周期边界包括车辆和电池生产、燃料和电力供应、车辆运营、车辆材料回收以及电池二次利用；
(B) 本研究中所有缓解策略的情景设计。基准情景假设不实施循环经济策略，2023年为预测分析的起始年份。EoL代表电池生命周期结束管理。V2G代表车辆到电网技术。S-SSP1、S-SSP2和S-SSP5分别代表SSP1、SSP2和SSP5情景下的车辆保有量预测。E-low、E-Medium、E-high对应于缓慢、中等和快速的电动汽车渗透情景。C-NMC和C-LFP表示由NMC电池和LFP电池主导的电池化学情景。F-BAU和F-NET代表基于当前水平和渐进改进的燃油效率情景。G-BAU和G-NET指基准电力结构和电网脱碳情景。V-low、V-Medium和V-Mandate表示低、中等和高水平的车辆到电网技术渗透率。M-Light和M-Recycling分别代表关注车辆轻量化和车身材料回收的材料效率情景。D-Reuse和D-Recycling对应于电池报废后的能源存储再利用和电池材料回收情景。

2. 方法
本研究开发了一个综合建模框架，将dMFA与基于过程的生命周期排放评估相结合，以探讨车队电气化背后的权衡。数据来源于多种渠道，包括政府统计、官方数据库和文献（参见主文本和补充信息）。因此，我们根据当地条件下的预期循环经济策略和碳减排措施来评估资源和二氧化碳减排效益。我们的框架包含三个主要模块：
(1) 车队和流动模块：模拟不同模式、技术和年龄的车辆保有量、销售量和报废量（吴等人，2017年）。我们结合dMFA来追踪新车销售流入和车辆报废流出（Müller，2006年），提供有关车辆周转和物质流的详细见解。使用基于人口、GDP、历史车辆拥有量和假设的车辆饱和度的Gompertz模型预测各省的车辆保有量。车辆报废量使用Weibull生存函数估算，年新车销售量则根据库存增长和车辆报废之间的平衡计算得出。关键的生存参数、库存假设和饱和度敏感度分析见补充说明S1和表S4。
(2) 碳足迹评估模块：计算内燃机车辆（ICEV）、插电式混合动力电动汽车（PHEV）和纯电动汽车（BEV）的生命周期二氧化碳排放强度，既包括单辆车也包括整个车队。评估涵盖了车辆生产、电池生产、燃料或电力生产、车辆运营和电池寿命终结处理。关键排放因素和模型输入见补充表S3-S7。
(3) 缓解情景模块：从两个维度评估缓解策略，包括循环经济策略和碳减排措施。循环经济策略包括V2G服务，该服务估计了稳定风能和太阳能间歇性发电的潜在环境效益（刘等人，2024年）；级联电动汽车电池利用，模拟了SLB在能量存储系统和电池寿命终结回收中的影响（马等人，2024年）；以及车辆材料效率，评估了轻量化和回收的潜力（沃尔弗拉姆等人，2020年）。由于车辆车身使用了大量钢材和铝材（Billy和Müller，2023年；Fan和Friedmann，2021年），本研究未详细探讨这些合金的供需关系。对于碳减排措施，我们的分析考虑了三种电动汽车渗透情景，并根据中国的历史趋势和先前的研究（陈等人，2022年；梁等人，2019年），预计到2030年电动汽车销量将分别达到55%（E-Low）、90%（E-Middle）和96%（E-High）（图S1），同时推动燃油效率和电网脱碳的发展。本研究的关键参数和假设见补充表S4.2.1。

2.1 乘用车车队和流动建模
我们利用Gompertz曲线模型建立了中国31个省份的LDPV车队与人均GDP之间的关系（朱等人，2023年），并据此预测2024年至2060年的各省车辆保有量。模型输入包括每个省份的未来人口和GDP，这些数据来自共享社会经济路径（SSPs）预测。我们以共享社会经济路径2（SSP2）作为主要参考情景，因为它代表了历史发展趋势（Fricko等人，2017年）。通过比较不同社会情景（SSP）下的车辆存量预测，我们发现社会经济发展会影响车辆所有权趋势和存量峰值的时间。在SSP1和SSP5中，车辆存量峰值出现得更早，大约在2040年左右，并且由于人口减少，此后车辆存量的下降速度更快。我们使用Weibull分布和实证数据构建了寿命曲线，以表征所有车型类型的寿命分布。我们的分析涵盖了四种车型，包括轿车、运动型多用途车、多功能车和跨界车，以确定每个目标年的车队排放量（见图S2）。我们假设预测数据与2023年的结果一致。每种车型进一步分为三种技术类型：内燃机车辆（ICEVs）、插电式混合动力车（PHEVs）和纯电动车辆（BEVs）。本研究排除了主要用于商用车辆的海水燃料电池车辆（HFCVs）（Liu等人，2021年）。我们使用对称逻辑曲线来模拟电动汽车（EV）的销售增长率，这种方法被广泛用于预测技术发展趋势（Woody等人，2023年）。该模型应用于每个省份，使用根据近期EV销售信息估计的省-specific回归系数，并受到情景假设的约束（有关建模的更多信息，请参见注释S1）。通过将重建的存量和销售数据与2023年的实际数据进行了比较，以检查模型的一致性。然后我们采用dMFA模型来预测车辆存量和流动的动态，区分了四个层次：（1）车辆层次，模拟每个省份按车辆类型、技术和车龄划分的车辆存量、销售和报废情况；（2）车辆材料层次，将车辆流动转换为材料需求和废料流动；（3）电池层次，追踪电池需求、退役、再利用和回收情况；（4）电池材料层次，捕捉关键金属的流动。我们基于对当前市场份额、政策和文献的全面分析，制定了三种EV渗透情景，以反映中国EV的潜在发展。对于电池层次，我们重点关注NMC和LFP主导的路径，因为这些化学成分代表了中国乘用车EV市场当前和近期的主要电池选择，在能量密度、材料组成、再利用潜力和回收价值方面存在显著差异（Dong等人，2024年；Sun等人，2022年）。其他新兴化学成分通过敏感性分析进行讨论，而不是作为核心路径进行建模。每种化学成分的材料强度（kg/kWh）在表S7.2.2中提供。

碳足迹评估模块通过结合车队建模输出和每种排放过程的排放因素来估算轻型 pure electric vehicles（LDPVs）的生命周期二氧化碳排放量。对于单个车辆，生命周期可以分为两部分：燃料循环（包括燃料生产和车辆运行）和车辆循环（包括材料生产、制造、组装阶段以及报废车辆的处置）。车辆原型和关键能源消耗因素的特性在表S3中有详细说明。我们选择2020年、2030年和2060年作为当前、近期和长期的模型年份，以比较车队动态变化对生命周期二氧化碳排放的影响。本研究的更详细参数和假设在表S4中提供。我们假设各省的材料生产排放量是均匀的，因为车辆和电池制造是通过国家和省际供应链组织的，而不是严格的地方生产。我们分析了车辆组装和使用阶段的能源相关排放的省际和时间变化。燃料生产和基于煤炭的电力生产的排放因素来自GREET模型（Wang等人，2020年）和文献（NBS，2021年；M?rtz等人，2021年）。车辆技术、燃料类型和生产年的平均燃料消耗量来自先前的研究（Lutsey等人，2021年）。燃料循环中的能源强度预计每年都会变化，受目标年份的电力组成和燃料经济性的影响。此外，我们根据官方统计（CEC，2019年）和文献（Wu等人，2019b）为每个省份编制了基于消费的电力组成，并结合了先前研究中的统一电力去碳化率（Gan等人，2021年）。尽管随着时间的推移应用了共同的BAU和G-NET去碳化路径，但未来的电网排放因素仍然因省份而异，因为各省的初始电力组成不同。年度省级客运运输活动数据来自文献（Liu等人，2017年）。我们假设所有车辆技术的使用寿命为15年（标准偏差为5年），并认为车辆使用寿命期间的年行驶里程是恒定的（Aguilar Lopez等人，2024年）。在中心情景中，假设牵引电池在整个15年使用寿命内无需更换即可继续使用。由于EV电池的寿命可能因化学成分和使用条件而异，我们对LFP和NMC电池进行了特定化学成分的敏感性分析，这些分析基于关于电池退化和通过改进化学成分、热管理和充电策略延长寿命的最新证据（Bhoir等人，2021年；Peters等人，2021年）。假设LFP电池的使用寿命为18年（±5年），而NMC电池的使用寿命为8年（±5年）。电池从车辆使用中退役的定义是当其健康状态降至大约80%时，第二次寿命的电池假设在容量降至大约60%之前仍保持静态存储，相当于额外的6年（±2年）。寿命分布使用蒙特卡洛模拟表示。车辆生产和电池制造排放量是使用基于GREET的参数并结合文献值估计的，计算和方法来源在补充信息中提供。

(1)????????=???????????????+??????+??????
(2)???????????????=??????+??????+??????????????????????????????
其中????????是个别车辆的生命周期二氧化碳排放量（g/km）。本研究中的车辆循环包括主要车辆金属、电池系统和其他车辆材料或过程的生产、组装、处置和回收。??????、??????和????????表示它们的二氧化碳排放量（g/车辆）；??????是汽油或电力生产的排放量（g/km）。??????是燃油排放量（g/km）。??????????????????????指的是15年车辆使用寿命内的总行驶里程（km/车辆），因为???????????????以g/km表示。

此外，我们计算了省级车队的生命周期二氧化碳排放量，包括目标年份销售的车辆的车身和电池制造排放量，以及燃油使用和运行产生的排放量。

(3)????????????=????????×????????×(????????+????????)+(??????+???????)×??????????????
(4)????????=????????×(1+?????)×????????
其中????????????是每年的车队二氧化碳排放量（g/年）。??????和??????????分别表示车辆存量和年新车销量。??????是每年的车辆行驶里程（km/车辆）。????????和????????分别是燃料生产和车辆运行的排放因素（g/km）。??????和??????分别表示每辆车的车辆和电池生产排放量（g/车辆）。????????是根据燃料或电力消耗强度（????????）、环境温度调整因子（????）和相应的上游排放强度（????????）计算得出的。对于BEVs，假设基准电力消耗为17 kWh/100 km，并根据省级温度条件进行调整（Zhu等人，2025年）。省级电力排放强度基于官方统计和Wu等人的研究（2023年）得出的基于消费的电力组成得出。

2.3 减缓情景设定
我们收集了显著的二氧化碳减缓策略，并基于外生输入制定了前瞻性情景（见图1B）。在基准情景中，假设中国的LDPV车队按照当前技术和政策趋势发展，包括适度的EV采用、第14个五年计划中的电力组成以及一致的燃油经济性（Lutsey等人，2021年），而没有实施优化策略。

碳减缓行动：我们将电力去碳化和燃油经济性改进作为关键的碳减缓行动，这两种方法都被证明是减少当前交通排放的最重要策略之一（Xie等人，2024年）。除了基准电网组合情景（G-BAU）外，我们还将分析扩展到电网去碳化情景（G-NET），考虑了基于消费的电力组成对EV排放的影响（表S9）。根据官方统计和文献（Peng等人，2021年），编制了省级电力消费中煤炭、天然气和可再生能源的比例。尽管采用了统一的去碳化率，但未来的研究可能受益于对不同地区政策轨迹和资源限制的差异化电网情景的建模。燃油经济性数据来自工业和信息化部（MIIT，2023年）和Xiaoxiongyouhao（Xiaoxiongyouhao，2023年）。我们考虑了四种车型类型的加权平均燃油经济性，以确定目标年份的车队级燃油效率，假设到2030年提高20%，到2060年提高30%（表S3）。

V2G服务的影响：V2G被视为一种探索性的存储策略，而不是成熟的商业路径。它可以在EV停放时提供短期存储，但其实际的减缓潜力取决于充电行为、电网调度、车主参与度、电池退化和区域可再生能源的限电（Peters等人，2021年；Uddin等人，2018年）。除了没有V2G的基准情景外，我们考虑了三种配备V2G技术的BEV销售份额情景，不包括PHEVs，因为它们的电池容量有限。在低（V-Low）、中（V-Medium）和强制（V-Mandate）情景中，我们假设V2G的渗透率分别将在2035年达到20%、70%和90%（见图S6）。对于可用的存储容量，我们假设50%的V2G配备车辆在给定时间停放并连接，且其50%的电池容量可用于电网服务（Aguilar Lopez等人，2024年）。这些假设描述了V2G的潜在可用性，而不是保证的参与度。因此，估计的二氧化碳减排量应被视为基于情景的潜力，而不是预期的部署结果。我们假设EV电池在其汽车寿命结束时保留80%的原始容量，之后它们进入级联利用，不同的电池化学成分遵循一致的退化模式（Harper等人，2019年）。我们使用了从80%到60%容量保留的电池寿命情景进行了敏感性分析，针对LFP和NMC化学成分。级联EV电池利用模块用于估计第二次使用寿命电池的碳减缓潜力及后续回收。一旦EV达到使用寿命终点，电池可以重新用于能量存储或直接回收（Harper等人，2019年）。由于LFP电池的热稳定性、较低的材料回收价值和通常更长的循环寿命，它们被优先考虑用于第二次使用寿命；而NMC电池则因为更高的有价值金属含量而被假定为较短的8年寿命（±5年）。电池从车辆使用中退役的定义是当其健康状态降至大约80%时，第二次寿命的电池假设在容量降至大约60%之前仍保持静态存储，相当于额外的6年（±2年）。寿命分布使用蒙特卡洛模拟表示。车辆生产和电池制造排放量是使用基于GREET的参数并结合文献值估计的，计算和数据来源在补充信息中提供。

碳足迹评估模块通过结合车队建模输出和每种排放过程的排放因素来估算轻型 pure electric vehicles（LDPVs）的生命周期二氧化碳排放量。对于单个车辆，生命周期可以分为两部分：燃料循环（包括燃料生产和车辆运行）和车辆循环（包括材料生产、制造、组装阶段以及报废车辆的处置）。车辆原型的特性和关键能源消耗因素在表S3中有详细说明。我们选择2020年、2030年和2060年作为当前、近期和长期的模型年份，以比较车队动态变化对生命周期二氧化碳排放的影响。本研究的更多详细参数和假设在表S4中提供。

我们假设各省的材料生产排放量是均匀的，因为车辆和电池制造是通过国家和省际供应链组织的，而不是严格的地方生产。我们在分析中包括了车辆组装和使用阶段的能源相关排放的省际和时间变化。燃料生产和基于煤炭的电力生产的排放因素来自GREET模型（Wang等人，2020年）和文献（NBS，2021年；M?rtz等人，2021年）。车辆技术的平均燃料消耗量来自先前的研究（Lutsey等人，2021年）。燃料循环中的能源强度预计每年都会变化，受目标年份的电力组成和燃料经济性的影响。此外，我们为每个省份纳入了基于消费的电力组成，这些组成来自官方统计（CEC，2019年）和文献（Wu等人，2019b），同时结合了先前研究中的统一电力去碳化率（Gan等人，2021年）。为了最大化回收电池材料的数量，我们假设采用封闭式的回收系统，不进行废旧电池的交易（Ma等人，2024年）。车辆材料效率：诸如车辆轻量化和回收等策略可以整合到现有的汽车供应链中，从而显著减少内燃机汽车（ICEVs）和电动汽车（EVs）的材料使用量和排放量。对于轻量化，某些车辆车身部件被更轻的材料替代，例如用铝代替钢，以改善燃油经济性（图S11），尽管这可能会在材料生产过程中导致排放量增加（Wolfram等人，2020年）。我们在图S13中比较了车辆生命周期和燃油循环排放量的变化，同时保持电动汽车电池容量不变，以隔离车身材料替代对制造排放和驾驶能耗的影响。根据这一假设，电动汽车轻量化带来的制造排放增加超过了燃油循环的节省量，而对于内燃机汽车来说，轻量化则产生了净的生命周期二氧化碳减排。因此，我们将这种模拟的轻量化策略仅应用于新的内燃机汽车。这种情景没有考虑到在保持基准行驶里程的同时减小电池容量的潜在好处。回收涉及将回收材料纳入车辆制造中，这可以有效抵消与原始材料生产相关的排放。我们评估了车辆材料策略减少轻型柴油动力汽车（LDPVs）二氧化碳排放的潜力。车辆质量按材料的拆分来自于GREET模型，而燃油减少值则基于先前研究的估计，这些估计根据动力系统类型进行了区分（Kelly等人，2015年；Wolfram等人，2020年）。更多细节在补充说明S3.2.4中提供。

敏感性分析
我们进行了敏感性分析，以评估影响车队级生命周期排放的关键参数的影响，包括车队组成、电气化率、车辆活动水平、电池退化、电池化学成分以及新兴技术（补充说明S5）。除了与车辆库存周转和年度行驶公里数相关的参数外，我们还研究了不同的电气化路径，以测试电动汽车、插电式混合动力汽车（PHEVs）和内燃机汽车的市场份额变化可能如何影响减排的时间和幅度。对于电池相关的不确定性，虽然中心案例假设电池寿命与车辆寿命一致，但实际情况中的退化可能需要更换电池或降低其二次使用寿命的适用性，这取决于电池化学成分、使用强度、充电行为和健康状态阈值。因此，我们评估了采用LFP和NMC电池路径下的电池退役条件。我们还考虑了包括自动驾驶电动汽车、钠离子电池和固态电池在内的新兴技术的生命周期排放范围，以说明未来的技术选择可能如何影响车辆的环境足迹。这些敏感性分析用于限定不确定性，而不是预测单一的未来技术路径。

3. 结果
3.1. 车辆碳足迹比较
根据表S3中的车辆特性，并结合目标年的发电和传输情况（我们选择2020年、2030年和2060年作为分别代表现在、不久未来和长期的模型年份），估计了电池电动汽车（BEVs）的生命周期二氧化碳排放量为149.5克/公里（图2），这是相比之下内燃机汽车排放量的55%。上游燃油生产和车辆运营占内燃机汽车总生命周期排放量的88%。相比之下，BEVs的二氧化碳排放主要集中在制造阶段，达到71.8克/公里，占总排放量的48%。值得注意的是，BEVs的车身和电池制造过程中排放量的增加可能会被动力系统更高的效率所抵消。PHEVs的结果对假设的电力驱动比例敏感；中心案例使用了文献中的76%的利用率（Liang等人，2019年），但如果实际利用率更低，则会降低它们的生命周期优势。展望2030年和2060年，车辆的碳足迹效益尚不确定。对于内燃机汽车，排放减少主要由持续的能源脱碳驱动，而车辆组装可能在2030年和2060年分别减少14%和43%的间接排放。随着可再生能源比例的增加，基准情景下BEVs的二氧化碳排放量到2060年可能会减少28%。此外，采取更严格的碳减排措施，如提高燃油效率和增加可再生能源的比例，BEVs的排放量在2060年可以进一步减少到67.9克/公里。上述对BEVs的分析基于锂镍锰钴氧化物（NMC）主导的电池情景。锂铁磷酸盐（LFP）电池具有更长的寿命和更低的碳足迹，使得BEVs的碳足迹比NMC主导的BEVs低8%（如图2A中的电池化学情景所示）。

图2. 目标年份的时空生命周期二氧化碳排放比较。（A）不同车辆技术的全国平均二氧化碳排放量。燃油循环包括内燃机汽车和插电式混合动力汽车的上下游燃油生产和车辆运行期间的燃油消耗。车辆循环包括车辆制造、电池制造和报废处理。车辆组装包括在车辆制造阶段，而电池组装包括在电池制造阶段；（B）2030年基数情景下各省BEVs与内燃机汽车的二氧化碳排放比率。颜色的深浅表示三种车辆技术。BEVs与内燃机汽车之间的二氧化碳排放比率分布显示在图S12中。电池化学成分的点代表LFP主导情景下的二氧化碳排放量。黑色点代表电网脱碳情景下的二氧化碳排放量，突出了增加可再生能源比例的影响。

图2B展示了中国各省内燃机汽车与BEVs之间生命周期排放比率的预期变化。省一级的车辆生命周期排放差异主要由三个因素驱动：车辆里程、电力消费结构和环境温度（Wu等人，2019a）。值得注意的是，在以燃煤发电为主且环境温度不利于BEVs运行的地区，如中国东北部，BEVs的生命周期排放量比内燃机汽车低35%。在可再生能源消费比例较高的省份（例如四川和云南），BEVs具有显著的优势，其生命周期排放量比内燃机汽车低62%。

3.2. 循环经济战略中的资源和能量成就
我们预测了未来车队的发展模式，并探讨了循环经济战略在促进道路运输可持续性方面的潜力（图3）。预计中国的轻型柴油动力汽车（LDPV）拥有量将在2045年达到峰值，然后逐渐下降，预计到2060年将达到4.702亿辆（图3A）。随着车队的动态变化，我们的结果显示，大规模采用电动汽车将大幅增加对主要电池材料的需求，特别是用于锂离子电池的锂、镍和钴的需求。预测的材料流量化了潜在的主要资源压力规模和时间，而回收和再利用情景展示了循环经济战略如何替代主要材料需求。这些结果与关于关键矿物约束的更广泛文献相关，尽管我们的模型没有明确模拟供需市场反馈或价格反应。车辆到电网（V2G）技术有潜力作为一种智能充电解决方案，帮助平衡电网负荷、整合可再生能源并减少对专用储能电池的需求。同时，通过级联电池利用，包括二次寿命电池（SLB）用于能量储存和最终回收，可以在减少生命周期碳排放的同时缓解资源稀缺问题。图3B和3C中的结果显示，即使在V2G技术渗透率较低的情况下（V-Low），到2060年，V2G技术也能将1.2-1.4 TWh的可再生能源整合到电网中，相当于2020年中国太阳能光伏发电能力的约2%（国家能源局，2021年）。假设50%的V2G设备车辆在任何给定时间都连接到位，并且其电池容量的50%可用于电网服务，V-Medium和V-Mandate情景分别可以提供4.2-5.0 TWh和5.4-6.4 TWh的储能容量。这相当于2023年中国累计安装的储能容量的63-95倍（基于平均存储时间为2.1小时（美国能源部，2024年））。由于电动汽车电池在其使用寿命期间可以提供存储服务，V2G的部署可能会比SLB更快。然而，对电池退化和续航里程焦虑的担忧可能会限制V2G的部署，使得SLB策略在储能容量方面可能更具影响力。在LFP主导的情景下，我们估计到2060年，来自BEVs的退役电池可以提供8.7-10.3 TWh的储能。相比之下，在NMC主导的情景中，大量电动汽车电池将直接进入回收环节。

图3. 循环经济战略的未来模式和影响。（A）在中国使用SSP假设下的轻型乘用车存量，以SSP2作为中心社会经济路径，SSP1/SSP5作为敏感性路径；（B）可用车辆到电网的容量预测；（C）二次寿命电池容量预测；（D）以锂作为代表性材料的锂离子电池未来关键材料需求的预测；（E）锂的回收潜力；（F）不同情景下的锂回收/需求。LP、MP和HP代表三种电动汽车渗透情景：低渗透、中等渗透和高渗透。B-F面板中的所有侧面案例均基于SSP2。

由于电动汽车市场的扩张，对关键材料的需求预计将在2045年之前激增，之后将趋于稳定并出现小幅波动。在NMC主导的情景下，到2045年对锂的需求预计将增加到411.0-456.1 Gg（图3D）。随着电池化学成分向LFP主导转变，到2040年锂的需求将达到361.0-404.6 Gg，然后略有下降，到2060年降至321.3-356.2 Gg。关于电池回收的未来潜力，在NMC主导的情景下，预计到2060年锂的回收量将达到382.4-425.4 Gg（图3E），这将完全满足电池制造的资源需求。在LFP主导的情景下，回收量将满足89-92%的总需求（图3F）。关于镍、钴和锰的额外结果显示，在NMC主导的路径下，到2060年回收的镍可以覆盖94.9%的年度镍需求，而回收的钴和锰可以超过年度需求（图S20）。不同电池回收方法的材料回收和排放影响在补充说明S2中进行了讨论。此外，我们还将替代车辆材料效率策略与现有供应链相结合。值得注意的是，资源回收与碳减排之间的联系是通过材料替代建立的。电池回收通过用回收的二次材料替代主要的锂、镍、钴和锰的生产来减少生命周期二氧化碳排放，而车辆材料回收则通过用二次钢材、铝、铜和其他回收材料替代主要材料来减少车辆生命周期排放。我们发现轻量化策略可以通过减少燃油消耗来降低燃油循环排放，可能使内燃机汽车的排放量减少10%，BEVs的排放量减少11%（图S13）。相比之下，车辆制造过程的改进可能会导致生命周期排放的增加。特别是对于BEVs，燃油循环排放的减少可能无法完全抵消18%的车辆生命周期排放增加，这突显了材料使用与减排之间的权衡（图S13）。

3.3. 车队层面的减排潜力
由于车队的动态变化，不同策略的减排效果在车队层面也会有所不同。在基准情景下，到2030年中国LDPVs的总生命周期排放量将达到1862.3百万吨，比2020年增加了51%，主要是由于车辆拥有量的增长（如图4A所示）。随着电动汽车采用的增加，预计车队燃油效率将有显著提高，将从2030年的67%降低到2060年的8%。然而，到2060年，车辆和电池制造过程中的排放量将占总生命周期排放量的61%。图4表明，各种碳减排措施和循环经济策略的贡献将随时间变化，从而改变减排的重点。这里评估的循环经济策略包括V2G部署、车辆轻量化、车辆材料回收、报废电池的固定能源储存再利用以及电池材料回收。例如，到2030年，提高燃油效率将是最有效的策略，贡献了8%的总减排量，其次是车辆轻量化和回收利用，分别贡献了5%和4%（图4B）。具体来说，车辆轻量化对内燃机车辆（ICEVs）有益。然而，随着车队向电动汽车（EVs）转型以及可再生能源在能源结构中的占比超过80%，轻量化的效益将会减弱（图S13）。总体而言，仅实施碳减排措施就可以减少2.154亿吨二氧化碳排放；而在磷酸铁锂（LFP）主导的情景下，循环经济策略可以实现2.057亿吨的减排量；在镍钴锰（NMC）主导的情景下则可以实现2.181亿吨的减排量，从而在2030年前实现约50%的减排目标。

到2060年，车队结构的变化预计将改变生命周期排放的分布，车辆生产和电力生产将分别贡献40%和35%的排放量。随着排放重点从直接的车辆运行转移到这些间接来源，实施针对这些间接来源的策略变得越来越重要。长期部署电网脱碳可以减少3.499亿吨的排放。在LFP主导的情景下，循环经济策略到2060年可贡献2.195亿吨的减排量；在NMC主导的情景下可以贡献1.716亿吨的减排量。其中，锂铁磷酸盐（SLB）的应用将是最有效的，贡献了60%的减排量，其次是车辆材料回收利用，在LFP主导的情景下贡献了37%的减排量（图S14）。在车队层面，循环经济策略对于实现道路运输的深度脱碳至关重要，相对于基准情景，可额外减少33%至38%的排放量，这与2060年的碳减排策略的影响相当。

结合循环经济和能源相关策略对于实现生命周期排放的深度减排至关重要，其影响在不同省份之间存在显著差异。在电力生产排放较为突出的北方省份，短期内碳减排措施比循环经济策略产生更大的减排效果。相反，在电动汽车发展迅速的省份，如上海、广东和海南，2030年实施循环经济策略的效果甚至可能超过碳减排措施（图5）。因此，当地条件导致减排结果的空间异质性，减排幅度从28%到80%不等，特别是在2030年实现快速电动汽车采用的省份（图5B和S15）。随着车队越来越注重电气化，碳减排措施的有效性随着时间的推移变得更加明显，特别是在北京、浙江、湖北和重庆（图5C），这些地方的主要减排策略从循环经济措施转向了碳减排措施。然而，在可再生能源发电量占比达到90%的省份，如四川和云南，循环经济策略在NMC主导的情景下到2060年可以实现7.1亿吨的生命周期二氧化碳减排，在LFP主导的情景下可以实现4.9亿吨的减排（图5A），超过了碳减排措施的影响。循环经济策略的相对有效性在不同省份之间存在很大差异。在NMC主导的情景下，循环经济策略与碳减排措施之间的减排比率在黑龙江省为0.26，在云南省为2.73；在LFP主导的情景下，该比率在0.42到4.00之间。这些较大的差异表明，在LFP主导的电池路径下，区域差距更加明显（图5B）。我们进一步量化了碳减排措施与循环经济策略之间的协同效应，即联合策略实现的额外减排量超过了单独采取能源相关措施和循环经济措施的总和（图S16）。在所有31个省份中，协同效应都是正的，2030年全国范围内达到1470万吨二氧化碳的减排量，2060年达到3960万吨二氧化碳的减排量，各省份的减排量在2030年介于0.05到1.00亿吨二氧化碳之间，在2060年介于0.11到3.97亿吨二氧化碳之间。最大的效果出现在车辆数量较多的省份，包括广东、河南、山东、江苏和湖南。这种协同作用反映了生命周期阶段的互补性：能源相关措施主要减少燃料循环和使用阶段的排放，而循环经济策略减少车辆循环和材料相关的排放，电网脱碳进一步降低了制造、回收、电池二次使用和车对网（V2G）运营中的电力相关排放。

乘客车辆电气化应被视为一种能源-材料转型，而不仅仅是将内燃机车辆简单替换为电动汽车。随着排放从直接燃料燃烧转移到电力生产、车辆制造和电池供应链，减排的重点在生命周期和随时间发生变化。在早期转型阶段，提高燃油经济性和车辆轻量化仍然很重要，因为现有的车辆库存仍以内燃机车辆为主。随着电气化的推进，电网脱碳和循环经济策略通过解决运输系统中的间接排放和材料压力而变得越来越重要。这些发现强调了需要将能源转型政策与闭环资源管理相结合，以实现深度交通脱碳。

显著的地区差异主要受电力网格组成、车队结构和当地条件的影响。在煤炭依赖性强的省份，优先考虑能源相关的减排措施对于立即减少排放至关重要。相反，在拥有大量电动汽车且这些车辆主要由可再生能源驱动的省份，循环经济策略在减少生命周期二氧化碳排放方面的潜力显著增强。在我们的省级结果中，综合年度减排量可以达到仅靠能源相关措施在某些省份实现的减排量的150%（图S17-S19）。值得注意的是，具体措施的有效性也受到当地条件的影响，例如环境温度（Zhu等人，2025年）。尽管已有逐步淘汰内燃机车辆的计划（Wappelhorst等人，2020年），但在许多国家，电动汽车的采用仍然不均衡且相对缓慢。除了中国之外，图6提供了一个基于两个广泛转型指标的跨国比较：电动汽车渗透率和可再生能源占比。这种比较旨在提供定性背景，而不是直接转移中国的省级结果。在美国和印度等国家，由于电气化和电力部门脱碳仍在进行中，加速电动汽车的采用和电网脱碳可能仍然是重要的优先事项。相比之下，在奥地利和挪威等国家，电力系统相对清洁且电动汽车渗透率较高，循环经济策略可能对于解决车辆和材料相关的排放越来越重要。总体而言，这些比较突出了根据当地条件定制减排策略的重要性，包括资源可用性、电力系统、技术能力和市场发展，而不是在所有国家采用统一的转型路径。

我们的研究进一步证实，利用电池循环经济，包括车辆到电网、电池二次存储和退役电池回收与可再生能源相结合，有潜力将电池的碳强度降低多达65%，同时提高整体的可持续性。然而，电池生命周期管理的有效性在很大程度上取决于电池化学成分，这决定了最佳的再利用或回收路径。例如，磷酸铁锂（LFP）电池在二次能源存储方面具有更大的潜力，因为它们具有稳定的化学性质和较长的使用寿命。镍钴锰（NMC）电池具有高能量密度和有价值的金属成分，更适合材料回收。我们的敏感性分析表明，采用钠离子电池（SIBs）和固态电池（SSBs）会影响电池生产的排放量，分别减少16-66公斤/千瓦时和33-82公斤/千瓦时（图7）。为了在异质电池条件下实现类似的好处，需要进一步加强管理并进行全面评估。

随着从化石燃料向电力的转型，2020年至2050年间，全球对电动汽车电池中使用的关键金属的需求可能增加10到75倍（Zhang等人，2023年）。这一激增形成了新的能源-材料联系，其中能源安全越来越依赖于锂离子电池存储的稳定供应，特别是锂、镍、钴和锰等关键矿产（Moraski等人，2023年）。此外，锂、钴和镍的成本约占电动汽车电池组价格的25%（Sun等人，2022年）。政策制定者应实施具有成本效益的机制，结合监管、投资和补贴来加强对电池和关键材料的控制，从而减轻成本波动风险并确保长期供应安全。尽管对循环经济策略和碳减排措施在乘客车辆电气化中的影响有了更好的理解，但这项研究仍存在几个限制。首先，由于省级电力系统的复杂性及其动态特性（受电力需求、技术进步和资源可用性的影响），我们没有完全捕捉到未来政策变化对电网脱碳的潜在影响。其次，我们的分析假设了车辆使用模式的静态变化，这可能无法准确反映出行行为或技术进步的变化，例如自动驾驶的出现。第三，这项研究评估了一组选定的材料相关循环经济策略，并没有模拟车辆小型化、电池轻量化后的电动汽车电池小型化、车辆寿命延长或共享出行等。这些遗漏可能会导致额外的碳排放减少和材料节省；其中一些也可能改变车队更新率和回收材料的可用性。最后，虽然该研究详细评估了电池回收和再利用，但它没有全面考虑新兴电池技术（如固态电池）的环境影响，这些技术可能会引入新的材料需求和生命周期权衡。尽管未来政策变化、出行行为、省级电力系统演变以及电池技术部署仍存在不确定性，但我们的情景分析和敏感性分析涵盖了车队演变、电气化路径以及新兴电池技术，这些分析支持了主要研究结果的稳健性。5. 结论 本研究开发了一个车队级别的生命周期框架，用于评估循环经济策略和能源相关缓解措施在中国乘用车电气化过程中的综合效应。研究结果表明，缓解措施的有效性随时间而有显著变化。短期内，将循环经济策略与传统缓解措施相结合可以将生命周期二氧化碳减排量提高约50%，主要通过针对现有车队的措施和车辆生产来实现。随着电气化的推进，电网脱碳对于深度减排变得越来越重要，而循环经济策略通过减少与材料相关的排放和支持闭环供应链提供了额外的好处。到2060年，循环经济策略可以进一步减少33-38%的车队生命周期排放量，并实现二次材料供应，以满足最关键的 material 需求，表明随着电气化将生命周期排放从车辆运行转移到能源和材料系统，循环经济策略的作用变得越来越重要。研究结果还揭示了缓解优先事项的显著地区差异。煤炭依赖型省份可以从能源相关缓解措施中获得更多益处，而电力系统更清洁、电动汽车渗透率更高以及可再生能源部署更强的省份可以从电池再利用、回收、车对网应用和车辆材料回收中获得更大收益。电池化学成分进一步影响了循环经济路径的有效性，以 LFP 为主的转型有利于二次电池应用，而以 NMC 为主的转型则加强了材料回收的作用。这些发现表明，最佳的脱碳路径具有高度的地域性，应根据地区电力系统、车队特征和资源条件进行调整。总体而言，乘客运输的深度脱碳需要车辆车队、电力系统和材料供应链的协调行动。我们的结果强调了将循环经济策略纳入长期交通脱碳规划中的必要性，而不仅仅是将其视为辅助措施。这种综合方法可以同时增强生命周期碳减排，加强关键材料的安全性，并提高供应链的韧性。未来的研究应进一步探讨出行需求的变化、省级电力系统转型、新兴电池技术以及支持电池再利用、回收和循环材料管理的政策机制的影响。

作者贡献：Y.Z. 设计并实施了数值实验并准备了手稿草稿；H.Z. 和 F.Y. 构思、审查、讨论并监督了这项工作；Y.Z.、Z.X.、X.L.、Y.L. 和 B.C. 进行了分析；H.W. 构思、审查、讨论、监督了这项工作并获取了资金。

CRediT 作者贡献声明：
Yijing Zhu：撰写 - 原始草稿、可视化、方法论、调查、形式分析、概念化。
Haotian Zheng：撰写 - 审查与编辑、验证、形式分析。
Zhencheng Xing：撰写 - 审查与编辑、验证。
Xiang Liu：可视化、验证、调查。
Yifan Liu：可视化、验证、调查、形式分析。
Bowen Chu：验证、调查、形式分析。
Fengqi You：撰写 - 审查与编辑、验证、监督、方法论。
Haikun Wang：撰写 - 审查与编辑、监督、资金获取、概念化。

Yijing Zhu|Haotian Zheng|Zhencheng Xing|Xiang Liu|Yifan Liu|Bowen Chu|Fengqi You|Haikun Wang