中国各省份电动汽车电池关键材料需求与隐含碳排放的时空分析

《Resources, Conservation and Recycling》：Spatiotemporal analysis of critical materials demand and embodied carbon emissions of electric vehicle batteries across Chinese provinces

　　

**摘要**

快速推进的交通运输电气化将环境负担上游转移至电池供应链，但其在中国各省份间的分布仍知之甚少。我们针对中国内地31个省级区域构建了一个自下而上的动态物料流模型。该模型量化了2010—2022年新能源乘用车（NEPV）保有量、消费端电池材料需求，以及由初级材料生产所导致的、按需求归因的隐含碳排放，并在三种电气化路径与三种电池技术路径组合下的九种情景中，将这些数据预测至2050年。2023—2050年间，累积需求预计钴将达到220万—690万吨（Mt），锰250万—1090万吨，锂540万—920万吨，镍920万—3310万吨。对应的隐含排放总量分别为2490万—7690万、390万—1670万、5390万—9110万和7400万—2.648亿Mt CO?当量。这些负担在空间上高度集中：九个省份占预测材料需求的55%以上，六个省份占需求归因排放的近一半。不同电池技术路径下的材料需求特征差异显著：以镍-锰-钴（NCM）电池为主导的路径产生最高的钴和镍需求，磷酸铁锂路径的钴、锰、镍需求最低，而新兴的钠离子和固态电池路径则将压力转移至锰。在假设的回收条件下，2050年可回收的报废材料可能超过年度总需求的80%，但其贡献仅在退役流扩大时增加。研究结果支持按路径定制的材料管理、高需求省份的监测以及低碳供应链标准，回收利用可作为中长期对初级供应的补充。

**引言**

交通部门是全球能源消耗和温室气体排放的主要贡献者，其中道路交通在该部门排放中占比最大（Yang等，2025）。在可用的减缓路径中，车辆电气化被广泛认为是降低道路交通排放和化石燃料依赖的关键策略（Ndhlovu等，2025）。此外，Sun等研究表明，即使电池价格大幅上涨也不太可能阻碍电动汽车的大规模部署，这进一步凸显了电气化作为长期转型路径的稳健性（Sun等，2022）。除了显著降低车辆运行期间的尾气排放外，电气化还为向低碳、清洁、可持续的运输系统转型提供了关键的技术支撑。根据国际能源署（IEA）数据，2023年全球电动汽车销量达到约1400万辆，占汽车总销量的18%，其中中国占比近60%（国际能源署，2024）。作为全球最大的新能源汽车（NEV）生产国和市场，中国在向低碳交通转型及相关减排中发挥着关键作用。

新能源汽车的销量受宏观经济状况、消费者行为、技术进步和环境考量等多种因素影响（L. Wang等，2020；Bao等，2022），且在时间上表现出明显的非线性特征。现有研究普遍采用传统Bass扩散模型（Kumar等，2022）、计量经济学方法（Rietmann等，2020）、系统动力学建模（Sun和Wang，2018）、灰色预测模型（Ding和Li，2021）以及较新的机器学习模型（Bao等，2022）等方法。为提升对多指标的适应性并增强时间序列的稳定性，GRA-BiLSTM模型将灰色关联分析与双向长短期记忆网络相结合，在捕捉非线性关系和处理数据波动方面具有优势（Liu和Liu，2024）。尽管这些方法在不同程度上捕捉了新能源汽车市场趋势，但大多数研究聚焦于国家层面的需求预测，对中国省际差异的关注相对有限。这种分析尺度上的不匹配削弱了现有研究在政策设计、电力系统和电气化路径的省级差异应对中的政策相关性（Liu等，2023）。Shi等人运用Gompertz模型预测各省汽车发展态势，并结合省级电力输送与电力结构估算新能源汽车用电的间接排放，从而凸显了电网脱碳对于交通脱碳的重要性（Shi等，2025）。然而，很少有研究将省级新能源乘用车（NEPV）保有量和销量预测与电池材料需求及相关的隐含碳排放联系起来，导致其空间分布解析不足。

电动汽车（EV）市场的快速扩张也急剧增加了对电池原材料的需求，使材料需求的量化成为近期研究的核心议题。此前的研究已从全球尺度（Xu等，2020；Dunn等，2021；Maisel等，2023）以及中国（Song等，2019；Hu等，2024）、美国（Richa等，2014）、日本（Sakunai等，2021）和欧洲（Bruno和Fiore，2024）等主要市场层面估算了EV电池材料需求。Huang等人进一步强调，电动汽车电池的关键材料——钴、锂和镍——因其供应高度集中而值得特别关注（Huang等，2024）。此外，这些关键材料的广泛使用导致大量资源消耗并加剧了矿产供应风险（Xing等，2025）。物料流分析（MFA）用于追踪特定空间和 tempor 尺度下系统内的物料流和存量（Brunner和Rechberger，2016），已被广泛应用于EV锂离子电池（LIB）研究，尤其是针对锂（Lu等，2017；Qiao等，2021；Li等，2024）、钴（Sun等，2019）和镍（Zeng等，2018）等单一材料的研究。其他研究将MFA相关方法扩展至多种关键材料。例如，Song等人利用MFA模型系统追踪了中国锂离子电池关键原材料的全链条流动，包括锂、钴和镍（Song等，2019）。Liu等人开发了一个动态自下而上的MFA模型，追踪了2000—2018年中国锂和钴的流动与存量（Liu等，2021b）。Hu等人进一步将动态MFA与国家级能源技术模型相结合，评估了锂、钴、镍和锰的动态流动与存量（Hu等，2024）。然而，尽管取得这些进展，省级层面的多材料长期需求评估仍然有限。此类分析对于揭示中国新能源汽车转型的区域差异以及支持协调的工业与资源规划至关重要。

作为电动汽车的核心组件，电池强烈影响车辆电气化的整体环境表现。电池材料需求上升意味着关键金属的采矿、冶炼和精炼规模扩大，可能带来重大环境和健康后果（Liu等，2021a；Wang等，2025；Xu等，2025）。Zhai等人在锂电池供应链中识别出"价值-排放悖论"，表明采矿等上游活动产生的经济价值相对较低，却产生较高的排放（Zhai等，2025）。因此，评估电池材料生产相关的隐含排放对于评估电动汽车部署的可持续性至关重要。McManus同样强调，电池材料制造可能对人体健康和生态系统产生重大影响（McManus，2012）。Sun等人量化了用于汽车应用的镍-钴-锰氧化物（NCM）电池的全生命周期环境影响，发现材料准备阶段在电池生命周期六个环境影响类别中贡献最强（Sun等，2020）。Lai等人运用基于过程的生命周期评估（LCA）框架，评估了六种代表性锂离子电池在生产阶段的温室气体排放和十项生态指标（Lai等，2022）。然而，与电池材料需求相关的隐含碳排放的空间分布在中国省级层面仍未得到充分探索。识别这些省级差异对于设计差异化减缓策略、推进供应链脱碳以及支持低碳电动汽车转型具有重要意义。

本研究聚焦中国31个省份，建立了一个综合分析框架，评估2010—2050年新能源乘用车所用关键电池材料的需求及其隐含碳排放。通过将乘用车保有量演化假设、电气化路径、电池技术轨迹和物料流分析相结合，我们在时间和空间上量化了省级材料需求及相关排放。在此过程中，我们识别了中国交通电气化转型中的长期趋势和省际异质性。研究结果为关键材料管理、区域差异化减缓策略以及中国在低碳交通转型背景下新能源汽车产业的可持续发展提供了证据基础。

**研究框架**

本研究聚焦新能源乘用车（NEPV），时间范围为2010—2050年，空间范围涵盖中国内地31个省份。根据中华人民共和国公安部发布的《机动车类型代码和名称》，道路交通领域的乘用车（PV）分为私人乘用车（PPV）和出租车（TV）（Cui等，2024）。当前新能源乘用车市场以纯电动乘用车为主导。

**新能源乘用车保有量和销量趋势**

**1）新能源乘用车保有量发展趋势**

省级NEPV保有量可分解为三个驱动因素：人口、人均乘用车拥有量和NEPV电气化率。图S2提供了人口和经济背景，图2e和2f展示了电气化率和人均NEPV拥有量。2022年，广东和浙江各拥有超过100万辆NEPV，其次是上海、江苏和河南，而大多数省份仍低于50万辆。

**结果比较**

将全国NEPV销量预测与此前发布的路径进行了比较（支持信息中的图S12）。STEPS和APS预测处于主流估算范围之内。STEPS代表现行政策和市场扩散的保守延续，而APS反映了政策支持、技术进步和市场接受度提升推动的更快扩张，随后随着市场趋于饱和，增长放缓。NZS采用……

**结论**

本研究结合Gompertz和逻辑增长模型来刻画中国NEPV市场的省级异质性，并运用自下而上的动态物料流方法，在多种情景下量化关键电池材料需求及相关的隐含碳排放。主要结论如下：

（1）到2050年，中国乘用车保有量将达到约5.45亿辆，NEPV保有量将从2022年的1320万辆增至2.71亿—4.64亿辆，约为2022年的20.5—35.2倍。

**数据可用性**

数据可在申请后提供。

**作者贡献声明**

李如春：原稿撰写、可视化、方法论、正式分析、数据整理、概念构思。王尧：审阅与编辑、方法论、概念构思、正式分析、调查。Asaf Tzachor：审阅与编辑、方法论、调查、正式分析。王贺明：审阅与编辑、监督、资源提供、资金获取、概念构思。

**利益冲突声明**

作者声明不存在可能影响本文工作的已知竞争性经济利益或个人关系。

**致谢**

本工作得到国家自然科学基金（项目编号：52470207，由H.W.接收）资助。A.T.感谢Aviram基金会、Aviram可持续性与气候项目以及Yannay能源安全研究所的支持。

李如春 | 王尧 | Asaf Tzachor | 王贺明