下载文档原格式
中国居民生活碳排放影响因素分析与峰值预测在适应和减缓气候变化大背景下,党的“十七大”、“十八大”、“十九大”大力推进中国生态文明建设。
中国政府提出通过发展低碳经济、构建低碳社会、采取低碳模式等方案来落实中国节能减排政策,进而构建中国特色社会主义生态文明。
本研究通过对国内外碳排放评估方法、收敛趋势、影响因素以及峰值预测等研究进行梳理和总结,提出中国居民生活碳排放的研究需求。
基于IPCC参考方法、投入产出方法和消费者生活方式方法对中国整体、城乡、地区三个层面不同消费行为(“衣”、“食”、“住”、“行”、“服务”)的居民生活碳排放进行评估和分析,并探讨其收敛趋势和影响机制,在此基础上,构建不同情景对中国未来居民生活碳排放趋势和发展路径进行预估。
通过对居民生活碳排放达峰时间和达峰数值进行模拟,可为中国发展低碳经济、转变消费模式、构建中国特色社会主义生态文明之路提供科学基础和政策参考。
主要研究结论如下:(1)从居民生活碳排放评估结果看:中国整体、城乡、东部、中部和西部地区居民生活碳排放总量和人均居民生活碳排放量均呈现逐渐上升趋势;城乡之间、不同区域之间居民生活碳排放总量和人均居民生活碳排放量均呈现显著差异;在居民生活消费行为方面,中国居民生活碳排放呈现由以“衣”、“食”消费行为结构为主向以“住”、“行”、“服务”消费行为结构为主转变的趋势。
(2)从居民生活碳排放收敛分析看:中国整体、城乡、东部、中部、西部地区居民生活碳排放总量和人均居民生活碳排放量以及不同居民生活消费行为碳排放量均呈现β绝对收敛;中国整体、城镇、农村及东部地区居民生活碳排放总量变化呈现β条件收敛,只有东部城镇地区和农村整体人均居民生活碳排放变化呈现β条件收敛;不同居民消费行为“衣”、“食”、“住”、“行”、“服务”居民生活碳排放总量变化均呈现β条件收敛趋同。
(3)从居民生活碳排放影响机制看:人口规模和消费倾向对中国整体、城镇、东部、中部和西部地区的居民生活碳排放总量具有较大正向影响效应;同时,消费倾向对中国整体、城镇、农村、东部、中部和西部地区人均居民生活碳排放量的正向影响效应最大;在不同消费行为居民生活碳排放总量方面,人口规模对“食”、“住”、“行”和“服务”消费行为的居民生活碳排放总量正向影响效应最大。
IPCC情景下中国大陆区域2020及2050年SO2、NOx排放清单预测西安建筑科技大学硕士学位论文目录1 绪论 (1)1.1 研究背景和意义 (1)1.1.1 研究背景 (1)1.1.2 研究意义 (3)1.2 研究方法及主要内容 (3)1.2.1 研究方法 (3)1.2.2 主要内容 (4)2 情景分析法概述 (5)2.1 情景分析法内涵 (5)2.1.1 情景分析法概念 (5)2.1.3 情景分析法特点 (5)2.1.2 情景分析法步骤 (6)2.2 国内外研究现状 (7)2.2.1 国外研究现状 (7)2.2.2 国内研究现状 (8)3 排放清单研究技术路线 (11)3.1 研究范围 (11)3.2 排放清单的建立 (11)3.3 能源预测的方法 (11)3.4 排放因子的选择 (12)3.5 排放清单预测技术路线 (12)4 情景设置 (15)4.1 情景选择 (15)4.2 IPAT模型及改进 (16)4.3 能源情景 (17)4.3.1 能源消耗总量情景 (17)4.3.2 燃料消耗情景 (18)4.3.3 分部门燃料消耗情景 (19)I 万方数据西安建筑科技大学硕士学位论文I I 4.4 排放因子情景 (21)4.4.1 火力发电 (21)4.4.2 工业 (23)4.4.2.1 水泥行业 (23)4.4.2.2 钢铁行业 (26)4.4.2.3 燃煤锅炉 (29)4.4.3 交通运输业 (30)4.4.4 其余排放因子 (32)5 计算结果及分析 (35)5.1 排放总量的情景分析结果 (35)5.2 排放因子和能源结构的情景分析结果 (35)5.3 部门分析结果 (36)6 结论与建议 (43)6.1 结论 (43)6.2 建议 (43)6.3 研究中存在的不足 (44)参考文献 (47)致谢 (53)在攻读硕士学期期间发表论文 (54)万方数据。
中国2020年碳排放强度目标的情景分析随着气候问题日益突出,中国于2009年12月向世界宣布了“2020年碳排放强度减排目标”,温室气体成为减排工作的重点。
至此,中国经济发展面临着能源与碳排放量的双重约束。
如何在该约束下实现中国经济、能源、环境的协调一致发展,成为中国未来十年巨大的挑战。
然而,中国目前并没根本上摆脱粗放式的发展道路,因此转变经济增长方式、优化产业结构、提高能源效率仍将是中国必须面对的重要问题。
如何在2020年碳排放强度目标约束下,吸取“十一五”节能减排经验,充分挖掘重点行业的节能潜力,制定相宜的节能政策等对实现中国工业化与现代化建设目标来说,是非常有意义的。
为此,本文将以2020年碳排放减排目标为约束,通过技术提升与产业结构升级方式,设计相应的政策情景,并以钢铁行业和电力行业为对象,分析在技术情景与产业结构情景中,该行业所设计的约束条件实现潜力,并通过比较分析,给出钢铁行业的优化情景。
本文的研究将在以下几个方面展开:(1)选用情景分析法为分析工具,构建立2020年情景模型,利用CGE模型外推生成基准情景;(2)以40%-45%为减排目标,从产业结构与技术提升两个角度设计实现2020年目标的政策情景;(3)分析各政策情景中,钢铁行业、电力行业的情景约束条件是否可行;(4)分别设计钢铁行业、电力行业的Bottom‐up模型,利用MCP思想,将其同Top‐down模型桥接成混合互补模型(MCP模型),模拟“十一五”期间的“上大压小”政策,并分析政策的节能贡献度。
通过设计“十二五”的减排方案,预估“十二五”目标实现潜力。
本文得出如下结论:(1)产业结构升级是实现2020年碳强度目标的关键方式。
没有产业结构的升级,单以技术提升的方式是无法完成2020年碳强度目标,“十一五”期间的行业能源强度急速下降的可能性将越来越少。
(2)经MCP模拟,“十一五”期间,钢铁行业的“上大压小”淘汰小炼钢产能对钢铁行业技术节能贡献为28.69%,而淘汰小火电对电力行业技术节能贡献度为24.20%,节能效果明显。
我国制造业碳排放的情景分析作者：张琪来源：《中国集体经济》2020年第25期摘要：文章应用投入产出法以及情景分析法，以现有的2007年和2012年的投入产出表为基础，从最终产品出发，编制计划期2017年投入产出表，随后分别预测2022以及2027年的投入产出表，从而得出2017年、2022年、2027年制造业各部门总产出。
在对未来制造业总产出增速分类的基础上，得到了三种情景的碳排放量。
从预测的结果看到了我国制造业碳排放量的峰值。
为我國碳政策的制定提供了重要的参考。
关键词：投入产出;情景分析;碳排放量一、引言2015年，在巴黎气候大会上，中国做出承诺：在2020年时单位GDP二氧化碳降低40%～50%;2030年左右，使二氧化碳排放达到峰值，并争取尽早实现。
制造业是发展国民经济、保障国家安全、改善社会民生的重要基石。
2014年，我国能源消费总量中，制造业的能源消费占比高达57.5%，是我国最大的能源消费经济部门。
因此，本文选取制造业作为低碳研究的切入点。
国内学者陈诚（2017）等运用基于投入产出法和过程分析法的碳排放测算模型对福建省道路运输业的碳排放进行了测算，发现近年来福建省道路运输业碳排放的增长放缓，有一定的下降趋势。
米国芳（2017）对于内蒙古七大高能耗行业碳排放进行测算，测算结果表明，2000～2014年，七个行业的碳排放量总体呈上升趋势，仅在2014年有所下降。
刘凯（2017）等测算我国物流业的碳排放量，测算出2000～2015年我国物流行业碳排放量呈总体上升趋势，年均增长率为7.36%。
为了预测我国碳排放何时可以达到峰值以及经济发展对碳排放的影响，本文应用投入产出法和情景分析法，根据产出增长的不同情景计算出我国制造业碳排放量。
二、计划期投入产出表的编制（一）计划期投入产出表的初步编制本文以2007年和2012年的投入产出表及基本系数表为基础，从最终产品出发，编制计划期2017年投入产出表及其调整方案。
碳排放权交易市场的模拟与预测研究 近年来，环境问题愈加严峻，全球碳排放量不断攀升，严重影响着人们的生态环境和健康安全。针对这一问题，碳排放权交易成为了一种现代化和可持续的解决方案。
作为全世界气候变化的关键领域，碳市场被视为企业和国家日益强调的重要事项。碳排放权交易是碳市场的核心组成部分，主要是在固定时间段内分配一定数量的碳排放额度，在此基础上，企业之间根据自身排放量与排放配额之差来进行买卖交易。
碳排放权交易市场的模拟与预测研究，是一种对碳交易的研究场景进行模拟与演练，通过计算机技术和数学模型对碳市场未来走势进行预测，并制定合理的交易策略。其目的在于帮助企业和投资者更好地了解碳市场，降低交易风险，提高收益率，实现碳减排、低碳经济的目标。
碳排放权交易市场的模拟与预测研究主要包括以下几个方面： 第一，碳排放量模拟。该方面主要考虑到碳排放量的变化是碳市场模拟的核心。一般通过流量分析、CO2排放模型等多种手段对排放量进行估算，进而建立模型和算法，进行排放量模拟。
第二，碳交易市场建模。建立碳交易市场模型，模拟碳市场的买卖行为，并基于市场的规则、交易规则、市场价格等数据对交易模型进行详细分析，研究碳市场的演变过程和发展趋势。
第三，预测碳市场价格。在模拟碳排放量和交易行为的基础上，通过运用各种预测技术，如时间序列分析、神经网络等方法，预测未来碳市场价格的走势和趋势，为企业和投资者提供重要的决策参考。 第四，评估碳交易策略。在模拟和预测的基础上，进一步对碳交易策略进行评估和优化。利用现代风险管理的理念，结合市场走势预测，对不同策略进行模拟交易，分析其收益和风险差异，为企业和投资者制定合理的交易策略提供参考。
尽管碳排放权交易市场的模拟与预测研究发展还不够成熟，但是其在环境保护和碳减排方面产生的积极作用不容忽视。通过研究和分析碳市场的动态和规则，不仅能有效降低企业和投资者的交易风险，同时又能为环保事业作出贡献。
基于 STIRPAT 模型的中国碳排放峰值预测研究渠慎宁;郭朝先【摘要】利用STIRPAT模型对未来中国碳排放峰值进行相关预测.首先,通过对中国30个省市的面板数据分析展示目前我国各地碳排放的基本情况;其次,对中国1980-2008年的时间序列数据进行回归,从中得出我国总体碳排放趋势;再次,在先前回归的基础上对今后我国碳排放的峰值出现时间进行预测.研究发现:技术对峰值的影响较为重要.若经济社会发展速度较高,而碳排放强度下降速度相对较低,则不能在2050年内出现峰值.同样,若碳强度降低速度相比经济社会发展速度为快,则会推动排放提早达到峰值.按照目前发展趋势,若经济社会发展的同时保持碳排放强度合理下降,中国的峰值到达时间应为2020-2045年之间.因此,保持碳排放强度的不断下降对我国尽快出现碳排放峰值至关重要,加大清洁能源使用,减少传统能源消耗应是今后的重点工作任务.【期刊名称】《中国人口·资源与环境》【年(卷),期】2010(020)012【总页数】6页(P10-15)【关键词】STIRPAT模型;碳排放;峰值预测【作者】渠慎宁;郭朝先【作者单位】中国社会科学院研究生院,北京,100102;中国社会科学院工业经济研究所,北京,100836;中国社会科学院工业经济研究所,北京,100836【正文语种】中文【中图分类】F206针对目前国内关于中国碳排放峰值预测的研究相对较少,学者们主要依托环境库兹涅茨曲线(EKC曲线)对其进行预估的现状[1],本文利用STIRPAT模型对未来中国碳排放峰值进行了相关预测。
IPAT恒等式是研究能源经济和碳排放峰值的重要方法之一。
IPAT恒等式最早由Enrlich与Holden于1971年提出,反映人口对环境压力的影响。
该方程将环境影响和人口规模、人均财富以及对环境毁坏的技术水平联系起来,建立4者之间的恒等式“IMPACT(I)=POPULATION(P)×AFFLUENCE(A)×TECHNOLOGY(T)”。
———————————————————————基金项目:本研究为黑龙江省省属本科高校基本科研业务费专项基金，“动态演化视角下黑龙江老工业基地转型路径研究”（2020-KYYWF-09）；黑龙江省高等学校智库（资源型城市可持续发展研究中心）开放课题，“我省煤炭产业数字化发展的对策研究”（ZKKF2022115）；黑龙江省属高校基本科研业务费科研项目，“碳中和情境下黑龙江省能源产业协调发展机制研究”（2021-KYYWF-1478）；黑龙江科技大学纵向科研项目统筹经费优先资助项目，“中俄能源合作深化背景下我国能源低碳转型发展的策略研究”阶段性成果。
作者简介:彭云艳（1978-），女，山东莱州人，经济学博士，黑龙江科技大学经济学院硕士生导师，副教授，主要研究方向为双碳经济、公司金融。
0引言过去的50年中，工业排放的CO 2显著增加，引发的温室效应，危害人类健康与社会经济。
2021年，我国提出力争2030年前实现“碳达峰”，2060年前实现“碳中和”，构建以新能源为主体的新型经济体系。
黑龙江省作为东北省份老工业基地，其工业所产生碳排放占有巨大的份额，短时间内还改变不了以矿产资源为主的产业结构，能源结构的优化依然有待改进，同时，黑龙江省作为农业大省，其所产生碳排放量也占有重大的份额，改善能源结构，减少碳排放量，促进黑龙江经济的可持续发展问题亟需解决。
1国内外相关研究梳理对于碳排放的研究可以上溯到20世纪90年代，York 和Dietz ,Rosa 等人（1994）首次基于IPAT 模型提出了其随机特殊形式STIRPAT 模型，目前该方法已普遍应用于碳排放的研究。
Fisher-Vanden Karen 等应用一种新的指数分解技术应用于多地区多部门可计算的一般均衡模型来量化地影响碳排放增长的五个因素，阐明了当应对全球碳排放税的征收时这些因素变化的相对重要性。
Muhammad Shahbaz 等人使用1970-2014年的时间序列和面板数据分析了25个来自亚洲、美洲北部、欧洲西部和大洋洲的发达经济体的全球化和二氧化碳排放之间存在因果关系。
中国居民生活碳排放影响因素分析与峰值预测中国居民生活碳排放影响因素分析与峰值预测随着全球气候变暖问题的威胁日益加剧，低碳经济的发展成为各国共同的目标。
中国作为全球最大的温室气体排放国之一，其居民生活碳排放的影响因素及其峰值预测成为了研究的热点之一。
本文将对中国居民生活碳排放的影响因素进行分析，并进行峰值预测，以期为低碳生活方式的推广提供科学依据。
首先，居民生活碳排放主要受到能源消费和生活方式的影响。
能源消费是最主要的碳排放来源之一，其中家庭用电、燃气和汽车尾气排放占比较大。
随着城镇化的加速推进，居民的能源需求不断增长，特别是电能和燃气的使用量逐年攀升，导致了各类碳排放的增加。
此外，汽车尾气排放量在城市生活中占比逐渐增加，成为重要的碳排放来源之一。
因此，在减少居民生活碳排放方面，应加强能源低碳化，推广可再生能源的利用，并鼓励居民采用公共交通工具，减少车辆使用。
其次，生活方式的改变也对居民生活碳排放产生重要影响。
随着经济的发展和城市化进程，居民生活水平提高，消费方式也发生着变化。
高碳消费习惯，如大量购买电子产品、高耗能家电以及过度的快速消费，导致了居民生活碳排放的增加。
因此，通过改变消费习惯，提倡低碳生活方式，购买节能环保的产品，减少浪费，能够有效降低居民生活碳排放。
再次，教育和意识水平也是影响居民生活碳排放的重要因素。
科学的低碳知识和环保意识是减少碳排放的基础和前提。
通过加强低碳教育，提高居民的环保意识和责任感，能够促使居民积极采取低碳行动，减少能源消耗，降低碳排放。
政府应加大对低碳教育的支持，通过宣传教育活动，提高居民的环保意识，推动低碳生活方式的普及和实施。
最后，根据对居民生活碳排放趋势的分析，我们可以进行峰值预测。
通过构建居民生活碳排放的数学模型，考虑到人口增长、经济发展速度和能源消耗等因素，利用相关统计数据进行拟合预测。
根据预测结果，我们可以得出合理的峰值碳排放量，并对未来采取相应的措施进行调整和预测。
第３９卷第３期兰州文理学院学报(社会科学版)V o l ．３９,N o ．３２０２３年５月J o u r n a l o fL a n z h o uU n i v e r s i t y ofA r t s a n dS c i e n c e (S o c i a l S c i e n c e s )M a y ２０２３ʌ收稿日期ɔ２０２３Ｇ０１Ｇ１８ʌ基金项目ɔ甘肃省教育揭榜挂帅项目 碳达峰视角下甘肃碳排放权交易市场建设及减排路径研究 (２０２１Ｇj y j b g s Ｇ０８)ʌ作者简介ɔ姬新龙(１９８２－),男,河南南阳人,兰州财经大学教授,博士,主要从事金融投资与绿色金融研究.基于扩展S T I R P A T 模型的工业碳排放达峰情景预测姬新龙,张清瑞(兰州财经大学金融学院,甘肃兰州㊀７３００２０)ʌ摘要ɔ碳达峰预测是碳减排目标建设的重要参考依据.本研究以甘肃工业领域碳减排为例,运用聚类分析筛选出重点碳排放行业,并构建扩展的S T I R P A T 模型分析其碳排放影响因素,通过设置基准㊁低碳㊁高耗能以及经济增长四种情景模式,对碳排放趋势进行预测.结果发现:电力㊁钢铁和水泥行业是实现碳减排目标的关键所在;人均G D P ㊁行业生产总值㊁产品产量和煤炭消耗量等因素均对碳排放有正向作用,而单位产量能耗对不同行业的影响则不同,只有在低碳情景下各行业能在２０３０年接近碳达峰.因此,低碳情景下的相关政策措施是实现甘肃碳减排目标的最优路径,即在保证经济稳增长前提下,政府要强化能源消费结构的优化转型,尽快推进相关节能降碳技术的改进升级.ʌ关键词ɔ碳达峰;工业碳排放;S T I R P A T 模型;情景预测ʌ中图分类号ɔF ０６２．２㊀㊀ʌ文献标识码ɔA㊀㊀ʌ文章编号ɔ２０９５Ｇ７００９(２０２３)０３Ｇ００９９Ｇ０９S c e n a r i oP r e d i c t i o no f I n d u s t r i a l C a r b o nE m i s s i o nP e a k i n g Ba s e do nE x t e n d e dS T I R P A T M o d e l J IX i n Ｇl o n g ,Z H A N G Q i n gＧr u i (S c h o o l o f F i n a n c e ,L a n z h o uU n i v e r s i t y o f Fi n a n c e a n dE c o n o m i c s ,L a n z h o u ７３００２０,C h i n a )A b s t r a c t :T h e p r e d i c t i o no f c a r b o n p e a k i n g i s a n i m po r t a n t r e f e r e n c eb a s i s f o r t h e c o n s t r u c t i o no f c a r b o ne m i s s i o nr e d u c Ｇt i o n g o a l s ．T a k i n g t h e i n d u s t r i a l s e c t o r i nG a n s ua s a n e x a m p l e ,t h i s p a p e r u s e s c l u s t e r a n a l y s i s t o s c r e e no u t k e y c a r b o n e m i s s i o n i n d u s t r i e s ,c o n s t r u c t s a ne x t e n d e dS T I R P A T m o d e l t o a n a l y z e t h e i n f l u e n c i n g f a c t o r so f c a r b o ne m i s s i o n s ,a n d f i n a l l yp r e d i c t s t h e c a r b o n e m i s s i o n t r e n db y s e t t i n g f o u r s c e n a r i om o d e l s ．T h e r e s u l t s s h o wt h a t t h e p o w e r ,s t e e l a n d c e Ｇm e n t s e c t o r s a r ek e y t o a c h i e v i n g c a r b o n r e d u c t i o n t a r g e t s ;G D P p e r c a p i t a ,g r o s s i n d u s t r yp r o d u c t ,p r o d u c t o u t pu t a n d c o a l c o n s u m p t i o na l l h a v e p o s i t i v e e f f e c t s o n c a r b o n e m i s s i o n s ,w h i l e e n e r g y c o n s u m p t i o n p e r u n i t o f o u t pu t h a s d i f f e r e n t i m p a c t s o nd i f f e r e n t i n d u s t r i e s ．T h e f o r e c a s t r e s u l t s s h o wt h a t o n l y u n d e r t h e l o w Ｇc a r b o ns c e n a r i oc a ns e c t o r sa p pr o a c h t h e c a r b o n p e a k i n g t a r g e t i n２０３０．T h e r e f o r e ,u n d e r t h e p r e m i s e o f e n s u r i n g s t a b l e e c o n o m i c g r o w t h ,t h e o p t i m i z a t i o n o f e n e r g y c o n s u m p t i o n s t r u c t u r e a n d t h e i m p r o v e m e n t o f e n e r g y Ｇs a v i n g a n d c a r b o n Ｇr e d u c t i o n t e c h n o l o g i e s a r e t h e b e s t p a t h s t o a c h i e v eG a n s u s c a r b o ne m i s s i o n r e d u c t i o n g o a l s ．K e y wo r d s :c a r b o n p e a k i n g ;i n d u s t r i a l c a r b o ne m i s s i o n s ;S T I R P A T m o d e l ;s c e n a r i o p r e d i c t i o n 一㊁引言全球气候变暖已成为制约经济社会可持续发展的重要障碍,如何有效控制并降低以二氧化碳为主的温室气体排放,成为摆在人类社会面前的重大课题.为积极应对全球气候变化所带来的挑战,我国多次就降碳减排进行建设规划,提出力争２０３０年前实现碳达峰和２０６０年前实现碳中和,并明确 十四五 期间要 支持有条件的地方和重点行业㊁重点企业率先达到碳排放峰值,深入推进工业㊁建筑㊁交通等领域低碳转型 .实践表明,工业产业正在长期引领着我国经济的快速增长,但同时也是能源资源消耗与碳排放污染的大户,工业领域的能源消耗量约占全国能源消费总量的９９６０％以上,二氧化碳排放量则约占全国总体碳排放量的７０％以上.因此,工业产业势必成为碳达峰碳中和目标实现的重点领域和责任主体,准确预测工业领域的碳达峰时间及碳排放量,对于 双碳 目标的建成以及工业产业的绿色低碳转型有重要意义.而从地区经济发展特征来看,我国东㊁中㊁西部经济发展明显不平衡,东部地区整体上已进入工业化发展的后期阶段,而部分中西部地区则仍处于中期阶段,其后期经济增长仍需要依靠重工业或其他工业来拉动.在应对气候变化和围绕 双碳 目标建设方面,很明显东部发达地区有可能率先实现碳达峰,此时西部地区的达峰情况将直接决定全国能否在２０３０年前如期实现.甘肃是西部重要生态屏障,经济基础薄弱,生态环境脆弱,实现 双碳 目标更是压力较大,而且甘肃历来是以石油化工㊁装备制造为主的工业产业结构体系,在 双碳 目标约束下,要实现甘肃 十四五 的经济战略布局,意味着既要保证经济的持续稳定增长,又要加快推进减碳降碳,任务艰巨而且艰难.基于此,本研究针对甘肃工业领域的碳达峰问题进行预测分析,在相对明确碳达峰时间和最大排放量的前提下,有助于加强前瞻性思考和整体性推进,调整能源生产消费结构,聚焦重点控排领域.二、研究现状与文献回顾自从我国碳达峰碳中和目标明确后,学术界和实务界围绕碳排放㊁碳减排㊁碳交易等展开了大量研究,其中针对碳达峰预测的研究,一般都是围绕三个层次内容展开:碳排放影响因素㊁碳排放趋势预测以及具体区域或行业层面的碳达峰实现路径.(一)碳排放影响因素方面当前研究碳排放影响因素的方法主要包括K a y a恒等式㊁L M D I分解以及S T I R P A T模型等.其中W u等(２０１６)[１]采用修正的K a y a恒等式对我国城市化阶段的碳排放影响因素进行分析,认为人口㊁能源强度㊁人均G D P和城镇化率是影响碳排放量的主要因素.Q u a n等(２０２０)[２]引入L M D I分解法建立物流行业碳排放因素分解模型,结果显示经济增长是导致物流业碳排放量增加的最主要因素,其次是人口规模和能源结构,而能源强度是主要的抑制因素.陈占明等(２０１８)[３]基于S T I R P A T模型对影响我国地级以上城市的碳排放因素进行研究,认为不同规模的城市碳排放影响因素和影响程度有所差异,同时发现人均G D P与碳排放量之间存在的倒U型曲线关系,且在２０１２年后不再显著.(二)碳达峰预测分析方面在明确碳排放影响因素的基础上,对碳排放的预测主要聚焦在两种角度:一是结合人口㊁城镇化水平㊁产业结构和能源技术等,通过构建K a y a 恒等式㊁L M D I和S T I R P A T等模型进行碳排放趋势预测;二是通过时间序列及其组合模型㊁B P 神经网络㊁L o g i s t i c模型㊁A D LＧM I D A S模型等数据分析方法构建模型实现预测.兰延文等(２０２１)[４]引入L M D I模型对河南省的碳排放因素进行分解,并利用静态的情景分析法和动态的蒙特卡洛分析法从两个层面预测了未来河南省的碳排放量增长趋势和碳达峰概率分布.S u和L e e(２０２０)[５]基于S T I R P A T模型也对我国碳排放量进行了情景预测分析,预测到２０２８年可能实现碳达峰,并认为碳定价和全国性的碳排放交易机制是推动能源结构转型和清洁生产技术发展的最重要工具.赵金元等(２０２０)[６]通过对比分析多元线性回归模型和B P神经网络对钢铁企业碳排放趋势的预测,发现B P神经网络模型具有更好的拟合效果,且应用范围更广.(三)区域和行业层面的碳达峰研究此外,部分学者还针对不同地区或不同行业实现碳达峰的峰值和时间展开了研究.首先是地区层面,张丽峰和潘家华(２０２１)[７]认为,在优化碳减排的条件下,全国能够在２０３０年以前实现达峰,其中东部㊁中部和西南地区能够率先达峰,而东北和西北地区的达峰时间则相对更晚一些,且西北地区还面临着达峰量大和达峰时间晚的双重挑战.邓小乐和孙慧(２０１６)[８]认为西北五省区若既要保证经济的持续稳定增长,又要在２０３０年之前实现碳达峰,则关键在于保持碳排放强度的合理下降.其次是行业层面,王勇等(２０１７)[９]认为能源利用效率对工业行业的碳排放量有着明显的抑制作用,且在低碳情景下我国整体工业部门可以在２０３０年实现碳达峰,是实现工业碳达峰的最佳发展路径.总的来看,当前学术界关于碳达峰领域的研究,更多围绕在国家层面或建筑业㊁交通运输业等行业整体上,而缺乏对省级细分行业的针对性研００１究,又考虑到工业是各省实现碳减排目标的重要领域,因此本研究以甘肃省工业领域的重点碳排放行业作为研究对象,深入分析其碳达峰问题.首先运用聚类分析法,选取出重点碳排放细分行业;其次,构建扩展的S T I R P A T模型,通过岭回归拟合量化这些重点行业碳排放的具体影响因素;最后,设置不同的情景模式对这些行业的碳排放趋势进行预测,为甘肃工业领域制定相关减排政策提供科学建议,同时也为研究西部欠发达地区的工业碳排放问题提供参考.三㊁理论模型与数据来源(一)扩展的S T I R P A T模型１．变量的选择影响工业领域碳排放量增加的主要因素包括三个方面:产出规模效应㊁能源消费规模效应以及技术进步效应[１０~１２].此外,多数研究也表明了经济增长对二氧化碳排放的影响,经济增长促进消费需求,推动工业化进程加快,进而增加了工业整体能源消耗与二氧化碳排放量.基于以上,本研究在预测分析时,将选取目标行业的产量与生产总值作为产出规模效应的衡量指标㊁各行业的单位产量能耗作为技术进步指标㊁人均G D P作为经济发展水平的衡量指标.同时,选取目标行业的煤炭消耗量作为能源消费规模效应的衡量指标.上述各个变量的名称和说明见表１.表１选取变量的名称及说明变量指标符号计算方法单位经济发展人均G D P A G D P/年末人口数元产出规模生产总值I i行业出厂品价格指数计算实际工业生产总值亿元产品产量P i行业产品产量万吨㊀亿千瓦时能源消费煤炭消耗量E i行业煤炭消耗量万吨技术进步单位产量能耗T i行业能源消耗量/行业产品产量吨标准煤㊀㊀注:i＝１㊁２㊁３,分别代表电力㊁钢铁和水泥行业.㊀㊀２．模型的构建I P A T模型是最早用于研究人类社会发展水平对自然环境造成影响的一种研究方法,其主要包括人口规模㊁经济增长和技术水平等三个指标. Y o r k等(２００３)[１３]认为任何对环境有影响的因素均可以引入到该模型中,所以在传统I P A T模型的基础上又提出了S T I R P A T模型,其标准形式如下:I＝a P b A c T d e(１)式(１)中:I㊁P㊁A㊁T分别表示环境压力㊁人口㊁经济和技术;a代表常数项;b㊁c㊁d分别表示人口㊁经济与技术对环境影响的驱动指数;e则是模型随机误差扰动项.S T I R P A T模型对于研究人文驱动因素对环境的影响具有独特的优势,它能够将多种综合因素考虑在内,并可以根据不同的衡量指标将模型进行扩展,以构建一个更符合实际的S T I R P A T 模型,近些年也在碳排放研究领域中得到广泛运用.为了能更有效地分析甘肃省重点碳排放行业的影响因素,本研究借鉴已有文献的研究成果,并考虑甘肃省的实际情况,在式(１)中引入人均G D P㊁行业生产总值与产量㊁煤炭消耗量以及单位产量能耗等五个指标,对原有的S T I R P A T模型进行扩展,得到新的S T I R P A T模型表达式如下:C i t＝αA tβ１I i tβ２P i tβ３E i tβ４T i tβ５e i t(２)实际分析时,通常对方程式(２)两边取自然对数后如下:l n C i t＝α＋β１l n A t＋β２l n I i t＋β３l n P i t＋β４l n E i t＋β５l n T i t＋e i t(３)许多研究表明,经济增长与碳排放量之间存在非线性关系[１４],所以引入人均G D P的二次项进行检验,则模型最终调整为:l n C i t＝α＋β１１l n A t＋β１２(l n A t)２＋β２l n I i t＋β３l n P i t＋β４l n E i t＋β５l n T i t＋e i t(４)式(４)中:A㊁C㊁I㊁P㊁E㊁T分别表示人均G D P㊁行业的碳排放量㊁生产总值㊁产品产量㊁煤炭消耗量以及单位产量能耗;β２㊁β３㊁β４㊁β５为弹性系数,表示当I㊁P㊁E㊁T每变化１％时,分别引起C的β２％㊁β３％㊁β４％㊁β５％的变化;而人均G D P对碳排放量的弹性系数为E E I A＝β１１＋２β１２l n A,如１０１果β１２为负数,则说明人均G D P 与碳排放量之间存在倒U 型曲线关系.(二)数据来源考虑到２０２０年受新冠肺炎疫情的冲击,各行业的碳排放量都在短期内出现了较大幅度的波动,可能会对行业的整体碳排放趋势预测有所影响,因此,本研究主要选取２０００－２０１９年甘肃省的相关统计数据展开研究.其中,２０００－２０１９年甘肃省最终能源消费行业的历史碳排放数据均来自C E A D s 省级分部门核算清单;２０００－２０１９年甘肃省人均G D P 和工业产品产量的数据来源于国家统计局官网;２０００－２０１９年甘肃省细分行业部门的生产总值和能源消费量的数据均来自于«甘肃发展年鉴».四、实证分析与情景预测(一)甘肃工业领域重点碳排放细分行业的筛选为了能够真实反映每个行业的总体碳排放水平,避免个别年份的特殊情况对行业历史碳排放数据排序的影响,本研究主要采用历史累积碳排放量(百万吨)和人均累积碳排放量(吨)２个指标进行行业划分.历史累积碳排放量是根据C E A D s 数据库中划分的甘肃省最终能源消费行业碳排放历史数据(２０００－２０１９年)进行计算,而人均累积碳排放量则是把该地区从起始年以来历年人均排放量的简单叠加得出.最后,根据这两个指标,运用K 平均值聚类分析法,将甘肃省的４０个细分工业部门划分为高碳㊁中碳和低碳３组.聚类分析的结果显示:高碳组仅包含电力行业,其历史累积碳排放量为１２１８百万吨,人均累积碳排放量为４８吨;中碳组包含钢铁和水泥两个行业,其历史累积碳排放量均在２００百万吨以上,人均累积碳排放量均在１０吨左右;剩下３７个行业均为低碳组,历史累积碳排放量均在１００百万吨以下,人均累积碳排放量均在３吨以下.方差分析检验如表２显示:F 统计量较大,P 值均接近于０,表明三个分组之间的两项指标具有显著差异,而组内各行业的两项指标则差异较小,因此该分组较为合理.表２㊀方差分析检验表聚类误差均方自由度均方自由度F显著性历史累积碳排放量(百万吨)７６４５５６．２８２４４８．５２８３７１７０４．５８９０．０００人均累积排放量(吨)１１８９．９２４２０．６９６３７１７０８．７４００．０００图１㊀２０００－２０１９年甘肃省重点行业碳排放量走势图㊀㊀根据图１甘肃省重点碳排放工业行业历年碳排放量走势图显示:在２０００－２０１９年间,电力行业的碳排放量远高于其他行业,其历史累积碳排放量约占甘肃省工业总体碳排放量的６２％,电力㊁钢铁和水泥行业的碳排放量总和约占甘肃省工业总体碳排放量的８９％,是工业领域实现碳减排的重要责任主体.因此,本研究的预测将聚焦在电力㊁钢铁和水泥行业,并对这三个重点碳排放行业展开具体的分析.(二)重点行业碳排放的影响因素分析根据已知文献,本研究将S T I R P A T 模型进行扩展后主要包括五个变量:人均G D P (A )㊁各行业生产总值(I )㊁产品产量(P )㊁煤炭消耗量(E )以及单位产量能耗(T ).运用S P S S 软件对这五个变量进行相关性检验,由表３共线性统计结果显示:各行业生产总值㊁产品产量以及煤炭消耗量的方差膨胀因子V I F 均大于１０,说明变量之间存在严重多重共线性.由于多重共线性的存在,使得回归模型不稳定,导致回归结果失真,因此使用岭回归方法对此加以解决.２０１表３㊀共线性统计变量V I F(因变量:l n C１)变量V I F(因变量:l n C２)变量V I F(因变量:l n C３) l n A２０６．６１６l n A６．９９１l n A２７．９０６l n I１４９．５２１l n I２３３．８０６l n I３６１．８７４l n P１１８１．０２３l n P２６５．５２７l n P３２５６．１６９l n E１２１．１９７l n E２１４．２８６l n E３７４．５８１l n T１１．８９３l n T２７．６１４l n T３１２．６８５表４㊀甘肃工业领域重点碳排放行业的岭回归结果电力行业(k＝０．３;因变量:l n C１)变量B标准误差B e t a t p R２F 常数－０．４７８０．１９８－－２．４１１０．０３１∗∗l n A０．０９５０．００７０．１５７１２．９４５０．０００∗∗∗(l n A)２０．００５００．１５３１１．２０４０．０００∗∗∗l n I１０．０８４０．００９０．１６１９．６７９０．０００∗∗∗l n P１０．１３００．００９０．１７５１０．２６８０．０００∗∗∗l n E１０．２２７０．０２２０．２４７１４．１９６０．０００∗∗∗l n T１－０．０７３０．０３３－０．０７０－２．２２８０．０４４∗∗０．９８１０９．７１３(０．０００∗∗∗)钢铁行业(k＝０．２;因变量:l n C２)变量B标准误差B e t a t p R２F 常数－２．４１００．２７６－－８．７２１０．０００∗∗∗l n A０．０９００．０２２０．１２７４．１４７０．００１∗∗∗(l n A)２０．００５０．００１０．１２０３．８０７０．００２∗∗∗l n I２０．１０３０．０２１０．１９７４．８５００．０００∗∗∗l n P２０．２２２０．０３００．２３５７．５１１０．０００∗∗∗l n E２０．２８５０．０３９０．３２１７．２１８０．０００∗∗∗l n T２０．２２５０．０９５０．０９９２．３６９０．０３４∗∗０．９７６４．６(０．０００∗∗∗)水泥行业(k＝０．２;因变量:l n C３)变量B标准误差B e t a t p R２F 常数－３．２１４０．１７５－－１８．３４４０．０００∗∗∗l n A０．０９８０．０１２０．１３４８．０８３０．０００∗∗∗(l n A)２０．００５０．００１０．１３２８．１６５０．０００∗∗∗l n I３０．０９２０．０１００．１６５９．４５２０．０００∗∗∗l n P３０．１７２０．０１００．２１１１７．６５２０．０００∗∗∗l n E３０．２８７０．０２９０．２３９１０．０７４０．０００∗∗∗l n T３－０．３１１０．０７８－０．１１２－３．９７７０．００２∗∗∗０．９９１９１．８４５(０．０００∗∗∗)㊀㊀注:∗∗∗㊁∗∗㊁∗分别代表１％㊁５％㊁１０％的显著性水平.㊀㊀运用S P S S软件对改进的S T I R P A T模型(４)进行岭回归分析,得到K值㊁相关系数㊁岭迹图的变化结果.当岭迹图趋于平稳时取K值,并得到对应的相关系数.由表４重点碳排放行业的岭回归结果显示:在三个行业中,模型的拟合优度R２值分别为０．９８㊁０．９７㊁０．９９,说明三个模型的拟合效果较好.各相关变量均通过了显著性检验,说明五个变量对行业的碳排放量均存在显著影响.从三个行业的回归结果来看,人均G D P对行业碳排放量有正向作用,且系数均在０．０９以上;人均G D P的二次项对碳排放也呈现正向影响,则意味着经济发展与各行业碳排放均呈正 U 型曲３０１线关系,而并非存在碳排放的库兹涅茨曲线,这是由于随着能源效率的不断提高,在一定程度上又刺激了行业产生新的能源消费需求,结果使得能源消费总量不降反增,即引发了 能源回弹 效应,导致各行业的碳排量反而升高;行业生产总值对钢铁行业的碳排放影响相对较大,系数在０．１以上,而对电力㊁水泥行业影响相对较小;各行业的产品产量和煤炭消耗量均对行业碳排放有显著影响,前者系数均在０．１以上,后者系数均在０．２以上,这表明各行业产品产量的扩大和以煤炭为主的能源消费结构是导致工业部门碳排放量增加的重要因素;单位产量能耗与钢铁行业的碳排放量呈正相关,且系数为０．２２５,说明能源技术的改进对钢铁行业碳排放有明显的抑制作用,与预期相符;而单位产量能耗与电力㊁水泥行业的碳排放则呈负相关,这可能是由于两个行业的能源消费结构有了明显的改善,使天然气㊁电力等清洁能源的消耗比重逐步上升,而煤炭的消费比重则持续下降,且前者的碳排放量远小于后者的碳排放量,因此出现了在单位产量能耗上升的同时碳排放量下降的现象.(三)甘肃工业领域重点碳排放行业的情景预测１．情景模式的设定在 双碳 目标下,地方政府将面临节能减排和经济增长的双重矛盾.通过设置基准情景㊁低碳情景㊁高耗能情景以及经济增长情景四个情景模式三个目标行业进行碳达峰预测,从而为更好地化解这一矛盾提供政策参考.其中,基准情景主要参考 十四五 时期的相关政策目标,坚持推进工业经济稳增长行动,以推动工业高质量发展为主题,并以新发展理念作为引领,实现甘肃省经济结构㊁产业结构以及能源消费结构加快向绿色低碳方向转型.因此,在基准情景下,各指标均低于历史平均速率,并保持中速增长.低碳情景下的经济增长依然参考 十四五时期的主要目标,但是更加强调通过能源消费结构转型与技术改造创新来实现碳减排目标.因此,在低碳情景下,人均G D P㊁各行业生产总值以及产品产量仍保持稳速增长,而煤炭消耗量和单位产量能耗相较基准情景下降幅度则更大.高耗能情景则是参考袁晓玲等(２０２０)[１１]的情景设定,模拟类似新冠肺炎疫情的冲击下,国家为了保持社会稳定和经济增长,而减少了对能源消费和技术改造的相关政策约束.因此,在高耗能情景下,主要经济指标依然保持稳定增长,但是在没有约束条件下的煤炭消耗量则以历史平均速率保持高速增长㊁单位产量能耗则以历史平均速率保持低速下降.而经济增长情景则参考的是 十三五 时期及其之前的政策目标,其主要通过增加生产要素投入量来实现经济的快速增长,而忽视了对能源资源的消耗和对自然环境的破坏,反映的是一种粗放式经济增长方式.因此,在经济增长情景下,各指标均以历史平均速率保持高速增长.以上四种情景模式的设定说明具体见表５.表５㊀四种情景模式的设定说明情景模式人均G D P生产总值产品产量煤炭消耗量单位产量能耗基准情景中速中速中速中速增长中速下降低碳情景中速中速中速低速增长高速下降高耗能情景中速中速中速高速增长低速下降经济增长情景高速高速高速高速增长低速下降㊀㊀２．情景参数的设定(１)人均G D P自２０００至２０１９年甘肃省人均G D P的年平均增长率为１２％;甘肃省在 十四五 规划中提出,这五年内地区生产总值的年均增速为６．５％;根据中国社会科学院宏观经济研究中心课题组的预测报告(２０２０)[１５],未来十五年我国经济增速基本围绕在４％－６％左右,而人均G D P增速和G D P增长速度具有一致性.故经济增长情景(高模式)下,以甘肃省人均G D P平均增长率１２％为高速率.而基准情景(中模式)下,以６．５％为中速率.(２)生产总值甘肃省电力行业总产值的年平均增长率为１１％,钢铁行业总产值的年均增速为１７％,水泥行业为１４％;在 十四五 期间,工业增加值的年平均增长率为７％以上,到２０２５年,工业增加值突破４０００亿元,工业增加值占G D P比重提高到４０１３３％左右.这意味着未来还有很长一段时间,甘肃省的经济增长依然需要第二产业来拉动,但是也更加注重工业经济的高质量发展,推动工业领域向低碳绿色化方向转型.故经济增长情景下,以甘肃省各行业总产值的年平均增长率为高速率.而基准情景下,则参考甘肃省强工业行动目标,设中速率为７％.(３)产品产量甘肃省电力行业发电量的年均增速为１０％,粗钢产量的年均增速为８％,水泥产量为１１％;甘肃省 十四五 时期能源发展规划中提出,到２０２５年全社会用电量达１７６０亿千瓦时,年均增长４ ９４％,而发电量增速略高于社会用电量增速;钢铁和水泥作为国民经济发展的基础性原材料,与经济建设密切相关,考虑到甘肃省城镇化率相较发达城市仍然较低,未来基础建设仍有一定发展空间,预计未来五年甘肃省对钢铁和水泥需求量仍然存在上升趋势,但伴随着基础设施不断完善和城镇化率的不断提高,１０－２０年后水泥和钢铁的需求必然呈下降趋势.故经济增长情景下,以甘肃省各行业产品产量的平均增长率为高速率.而基准情景下,电力行业发电量以５．５％为中速率,钢铁和水泥行业以３％为中速率,并增速逐年放缓,预计至２０３０年达到平台期以后呈现下降趋势.(４)煤炭消耗量甘肃省电力行业煤炭消耗量的年均增速为９％,钢铁行业煤炭消耗量的年均增速为７％,水泥行业为６％; 十四五 时期甘肃省能源发展规划的主要目标中提出,到２０２５年全社会煤炭消费比重达到４６％,五年累计下降６．６４,而非化石能源消费比重五年累计增加３．３６.甘肃省能源供给结构也不断优化转型,煤炭产量占一次能源总产量的比重逐年降低,而清洁能源的供给能力则不断提升.因此,未来相当长一段时间内甘肃省煤炭消耗占比将会持续下降.故高耗能情景(高模式)下,以甘肃省各行业煤炭消耗量的平均增长率为高速率.而在低碳情景(低模式)下,更强调节能减排的作用,因此各行业煤炭消耗量的增速大约设置在－４％左右.中速率介于低速率与高速率之间.(５)单位产量能耗甘肃省电力行业单位产量能耗的年均增速为－０．５％,钢铁行业单位产量能耗的年均增速为－０．６％,水泥行业为－１．９％; 十四五 时期原材料工业发展规划中提出,到２０２５钢铁行业吨钢综合能耗降低２％,水泥产品单位熟料能耗水平降低３．７％.故在高耗能情景(低模式)下,以甘肃省各行业单位产量能耗的平均增长率为低速率.而在低碳情景(高模式)下,更加注重减排技术的应用,比高耗能情景低２％.基准情景的增速介于两者之间.以上三个行业在不同预测情景下相关变量的具体参数设定见表６.表６㊀不同情景下各相关变量的具体参数设定行业等级A I iP i E i T i 电力高速率１２１１１０９－２．５中速率６．５７５．５２－１．５低速率－－－－４－０．５钢铁高速率１２１７８７－２．６中速率６．５７３１－１．６低速率－－－－３－０．６水泥高速率１２１４１１６－３．９中速率６．５７３１－２．９低速率－－－－４－１．９３．预测结果及分析图２㊀电力行业图３㊀钢铁行业５０１图４㊀水泥行业㊀㊀图２－４呈现了三个重点碳排放行业在基准㊁低碳㊁高耗能㊁经济增长四种情景下的碳达峰时间与峰值.其中,只有钢铁行业在低碳与基准情景下均可以实现碳达峰,达峰时间分别是２０３０年和２０４０年,峰值分别为２１．２７百万吨和２６．３６百万吨.而电力和水泥行业只有在低碳情景下可以实现碳达峰,且达峰时间分别是２０４０年和２０３５年,峰值分别为１１６．１１百万吨和１９．６６百万吨,其达峰时间相较２０３０年的达峰目标有所滞后,这是由于国家经济的梯度式发展导致西部经济发展较为落后,大部分地区仍处于工业化发展的中期阶段,后期的经济增长和基础建设仍需要依赖重工业作为支撑,对电力㊁钢铁和水泥的需求仍保持低速增长.基于以上现实因素的考量,甘肃省重点碳排放工业行业在２０３０年前实现碳达峰则较为困难.进而,对不同情景下碳排放量的趋势变化进行比较(以电力行业为例).首先是经济增长情景与基准情景,两者分别代表了不同时期政策背景下的碳排放量变化.前者人均G D P 在２０３０年达到８７４４７．６９元,碳排放量达到１６６．１６百万吨;后者的人均G D P 在２０３０年实现６３２１８．２２元,碳排放量则为１２５．７８百万吨.虽然 十三五 时期经济的粗放式发展可以带来短期经济快速增长,但是同时也会带来严重的气候变化问题.而 十四五 时期则更注重经济的高质量可持续发展,在保证经济稳定增长的条件下,更加注重减少对外部生态环境的影响.其次是低碳情景与高耗能情景,两者分别代表了相同政策背景下技术和能源变化对碳排放量的影响.对比发现,在保证经济稳定增长条件下,后者碳排放量远远高于前者.因此,降低煤炭能源消耗量,并通过技术改进降低单位产量能耗,可以有效控制碳排放量,并加快碳达峰目标的实现.综上所述,低碳情景下的相关政策措施是化解经济增长与降低碳排放量之间矛盾的最佳途径.五、结论与建议本研究基于甘肃省２０００－２０１９年工业领域中电力㊁钢铁和水泥三个重点碳排放行业的历史碳排放数据,运用扩展的S T I R P A T 模型对影响行业的碳排放因素进行分析,并设置四个不同的情景模式对各行业的碳达峰峰值以及时间进行预测,最后得出以下结论:第一,电力㊁钢铁以及水泥行业的历史累积碳排放量约占甘肃省工业总体碳排放量的８９％,势必成为甘肃省 双碳 目标实现的重点领域和责任主体;第二,人均G D P ㊁各行业的生产总值㊁产品产量和煤炭消耗量均对行业碳排放有正向作用,其中,产量和煤炭消耗量对行业碳排放的影响最大,系数均在０．１以上;第三,在保证经济稳定增长的条件下,降低煤炭消耗量,并通过技术改进降低单位产量能耗,可以有效控制碳排放量.在低碳情景下各行业均能在２０３０年接近碳达峰,但受经济影响因素,电力和水泥行业的达峰时间依然相对滞后.根据上述结论,低碳情景下的相关政策措施是实现甘肃碳减排和经济稳增长目标的最优路径,也即在保证经济稳定增长的前提条件下,各级政府要强化能源消费结构的优化转型,大力推进相关节能降碳技术的改进升级.结合甘肃省的实际发展情况,我们提出如下具体建议:第一,发挥甘肃能源禀赋优势,尽快构建清洁能源供应体系.当前甘肃工业领域的能源消费结构仍偏重于煤炭消耗,而以煤炭为主的能源消费结构是导致工业领域碳排放量增加的重要因素.甘肃作为国家重要的新能源基地,拥有丰富的风能与太阳能资源,势必在今后的能源产业结构转型中发挥重要作用.甘肃应充分利用其能源资源禀赋优势,加快构建多元化清洁能源供应体系,保持风电㊁光伏发电的合理发展,推动风光发电平价上网,以提高清洁可再生能源在工业领域中的使用比例,使煤炭消耗量限制在科学合理产能的水平之下.第二,加快重点行业节能减排技术应用,提高能源使用效率.甘肃由于经济发展水平较为落后,先进节能技术普及较少且更新速率较慢,使技术在碳减排目标中发挥作用受限.现阶段,甘肃工业领域能源效率偏低的状况仍然没有得到根本性的改变,而行业发展先进的低碳和零碳技术对６０１。
我国碳排放量情景预测研究 ——基于环境规制视角 王怡 2012-09-17 15:51:55 来源：《经济与管理》(石家庄)2012年4期第27～30，41页
【作者简介】王怡(1975-)，女，满族，黑龙江双城人，东北石油大学经济管理学院副教授，博士，研究方向为产业经济学与组织、规制经济学，黑龙江大庆163318
【内容提要】国民经济的迅速发展，碳排放问题已经成为社会关注的焦点，低碳经济发展模式成为实现可持续发展的重要途径。估算1994-2009年中国碳排放量和环境规制强度数据，将环境规制因素纳入到Kaya公式中，构建改进的人均碳排放量分解计算公式，情景预测2010-2020年中国人均碳排放量。结果表明，不同情境下我国人均碳排放量增幅有较大差异，碳排放量与经济增长之间存在着密切联系。
【关 键 词】环境规制/碳排放/情景预测/经济增长 一、引言 我国国民经济的迅速发展，能源消耗和环境问题日益重要，特别是碳排放问题已经成为社会关注的焦点。环境问题，尤其是碳排放问题已经成为2009年哥本哈根、2010年坎昆，以及2011年德班世界气候大会的主要议题，减排目标设定、资金落实和技术安排是会议的争论焦点所在。据统计，从1990年到2003年的14年间，我国的能源消耗增长占世界的25%，温室气体排放量增长占世界的比重为34%。预计到2015年，我国排放量将占世界总排放量的20%，超过美国成为世界排名第一的温室气体大国，低碳经济发展模式成为实现可持续发展的重要途径。
目前有关碳排放预测的研究主要可以划分为两类，一是综合能源经济模型预测，即在综合考虑碳排放与能源消费、相关产业和经济增长等因素关系的基础上进行预测。例如，陈文颖等(2004)[1]、宋杰鲲，张宇(2011)[2]运用MARKAL-MACRO模型、BP模型对我国碳排放量进行预测。刘晓等(2011)[3]通过马尔科夫预测模型预测能源消费品种比例，计算各能源品种的碳排放量。二是构建碳排放与影响因素之间的关系模型，设置不同的情景对碳排放进行预测。例如，Lester等(2009)[4]基于Kaya等式，结合Waxman Markey和奥巴马政策目标设置了3种情景对美国碳排放进行预测。渠慎宁，郭朝先(2010)[5]通过设置不同经济发展情景，利用STIRPAT模型对未来中国碳排放峰值进行相关预测。
本文在上述研究的基础上，将两种分析方法结合，在不同情景的基础上，从环境规制的视角预测了我国2010-2020年的碳排放量，提出有利于我国低碳经济发展的政策建议。
二、环境规制与我国碳排放量测算 (一)环境规制强度 选用环境规制强度指标衡量政府的环境规制水平。研究角度的不同对环境规制强度指标的选取也不同，例如，如傅京燕[6]和Sonia[7]用能源强度(GDP/Energy)来衡量环境规制强度，用以度量政府针对环境的一系列规则和条款的影响效果；有的学者采用污染物排放达标率来反映各行业的环境规制水平；有的则采用执行和落实环境规制(进行污染治理)的支出和成本作为指标；有的学者(王国印[8]等)使用工业污染治理投资额，工业废水排放达标率，环境污染治理投资额，这些指标都是从治理的角度对环境规制进行度量。
本文采用环境污染治理投资作为指标。政府加大环境规制的力度，相关方会花费较多的支出在污染治理上，污染治理投资会随着环境规制强度的提高而增加，因此，用污染治理的投资能够较好地反映相关方面的环境规制强度。不同的经济规模下，相同的污染治理投资的意义往往不同，在这种情况下很难比较污染治理投资带来的影响。为了能使不同时期和经济规模下的环境规制强度具有可比性，本文将污染治理投资除以国内生产总值以消除这种差异，即每百元国内生产总值的污染治理投资作为衡量环境规制强度的指标，计算公式为：
(二)碳排放量 碳排放量是指燃烧化石能源释放出的热量所对应的碳量。其中，电力、热能等二次能源消费的碳排放均来自于其生产过程中化石能源的能量转换与能量损失。因此，能源消费碳排放总量即为各类化石能源的终端消费(不包括作为原料的化石能源)、能源转换及能源损失所产生的相应碳排放量。[9]
由于后续研究需要预测不同情景下的我国碳排放量，考虑到能源消费统计指标的一致性和可得性，在计算我国碳排放量时，利用各年份煤炭、四种油品(汽油、煤油、柴油和燃料油)、天然气的消费量进行估算，但这些能源指标都是实物量，需要将这些能源根据折算系数(见表1)换算成以标准煤为计量基础的能源消费量，然后根据以下公式估算：
本文选取的样本区间为1994-2009年。上述各项数据来源于1994-2009年的《中国统计年鉴》、《中国环境统计年鉴》和《中国能源统计年鉴》。根据公式(1)和(2)计算的1994-2009年碳排放量和环境规制变量数值见表3。
(三)描述性统计分析 从图1可见，中国碳排放量总体呈上升的趋势。1994-2002年期间，碳排放量以1.6%的速度呈缓慢上升趋势，年均碳排放量7.9亿吨。2003年以来，碳排放量增加迅速，年均碳排放量13.9亿吨，平均增长率为11.1%。造成中国碳排放量快速增长的主要因素是中国经济在近几年的快速发展，1994-2002年GDP的年均增长率为8.9%，2003-2009年GDP的年均增长率上升为11.1%。1994-2009年间，我国煤炭消费占能源消费总量的71%，石油消费占19%。经济增长与能源消费相互促进，共同发展，经济的快速增长离不开能源的支持，而能源消费的增长也得益于经济增长，最终导致近几年我国碳排放量的不断增加。但从折线图1中也可以看见，2009年的碳排放量呈现平缓的趋势，表明碳排放量显著增加的脚步有所放缓。
我国经济增长面临着巨大的资源环境约束和压力，主要污染物的排放超过了环境承载能力，环境污染问题日趋恶化。在众多的污染问题中，空气质量问题尤为突出：工厂生产废气、人们日常生活排放废气、汽车尾气的无限制排放，都给我们赖以生存的空气带来了沉重的负荷。另一方面，城市绿化面积不断减少，而玻璃建筑、空调等的增加，都使得我们生活环境的气温逐年升高，空气中有毒成分的含量明显超标。随着政府对环境问题认识程度的不断深入，逐渐加大了环境规制的强度，反映在图2中就是我国环境规制强度的曲线不断上升，年均为1.07元/百元，年均增长率为5.7%。但由于环境规制与经济、技术、政治、文化等因素之间存在复杂的关联关系，各年环境规制力度的强弱往往是政府在综合考虑各影响因素的基础上做出的决策，因此，我国环境规制强度是一条“波浪型”上升的折线。
图11994-2009年我国碳排放量单位：亿吨 图21994-2009年我国环境规制强度单位：千元/元
三、环境规制视角下我国碳排放量情景预测 (一)碳排放量情景预测模型 相关研究表明，碳排放量与经济发展、人口增长、能源结构和产业结构有着密切的联系。日本学者茅阳一提出的人均碳排放量分解Kaya公式为：
其中，TP为碳排放量，CAP为当年人数，TP/CAP为人均碳排放量；GDP为国内生产总值，GDP/CAP为人均GDP；ES为能源消费量，ES/GDP为单位GDP能耗；TP/ES为单位能耗的碳排放量。
本文将环境规制因素纳入到式(3)中，得到式(4)。
其中，ER为环境污染治理投资，ER/GDP为环境规制强度；ES/ER为单位污染治理投资的能耗。
(二)变量情景值 1.总人口。《国家人口发展战略研究报告》指出：20世纪90年代中后期，我国生育率已经降到1.8左右，并稳定至今。按此预测，总人口将于2010年、2020年分别达到13.6亿人和14.5亿人，我国人口每年净增800万～1 000万人。在估算2010-2020年人口总量时，以每年净增800万人为基数进行计算。
2.GDP和人均GDP。1994年至2009年，我国的GDP年平均增长率为9.78%左右。我国的“十二五”规划纲要“以科学发展为主题、以加快转变经济发展方式为主线”，调低年均增长目标，与“十一五”规划相比降低半个百分点，将7%作为国内生产总值的预期年均增长目标。为充分考虑各种可能情况发生，本文在预测中设定低、中、中高和高四种GDP增长率情景，以此估算四种状态下的人均GDP见表4。
3.环境规制强度和单位污染治理投资能耗。2004-2009年我国环境规制强度的年平均增长率为5.7%，本文以此作为估算2010-2020年环境规制强度。2004-2009年我国单位污染治理投资能耗的年平均增长率为-7.6%，充分表明随着环境污染治理力度的增大，我国的产业结构和能源结构得到优化，提高了能源综合利用效率。本文以年平均增长率为-7.6%作为估算的基础数据。
4.单位能耗碳排放量。2009年11月温家宝总理主持召开了应对气候变化工作的国务院常务会议，会议决定到2020年我国单位国内生产总值二氧化碳排放比2005年下降40%～45%，将作为约束性指标纳入国民经济和社会发展中长期规划。到2020年，我国单位能耗碳排放量年均下降4%左右。具体指标数值见表5。 (三)碳排放情景预测分析 本文以2009年我国的人均GDP、环境规制强度、单位污染治理投资能耗单位能耗碳排放量为基值，以前述确定的各项指标增长率值为情景，估算历年各项指标值，进而模拟2010-2020年我国人均碳排放量。各项指标值和人均碳排放量预测值见表6。
从表6和图3可以看出，若我国人口每年净增800万左右，GDP保持7.5%～10.5%的增幅，我国碳排放量仍将持续增加，且GDP增速越快，碳排放量增加越大。当GDP增速为7.5%，碳排放量增加较为缓和，年平均增幅仅为0.22%。若GDP增速超过8.5%，碳排放量年平均增长幅度超过1%的水平，分别为1.16%、2.09%和3.03%。充分说明碳排放量与经济增长之间存在着密切联系，单纯追求GDP绝对数值的增长，难以实现经济社会与人口资源环境可持续协调发展，经济增长方式的转变、合理调整GDP增长目标，则成为未来我国经济发展的主题。
四、结论和建议 本文估算了1994-2009年中国碳排放量和环境规制强度数据，将环境规制因素纳入到Kaya公式中，构建了改进的人均碳排放量分解计算公式，以指标的不同增长率为情景，预测了2010-2020年中国人均碳排放量，得到以下结论：第一，1994-2009年我国碳排放量不断增加，但增加幅度放缓；环境规制强度是一条“波浪型”上升的折线。第二，不同情境下，我国人均碳排放量增幅有较大差异，碳排放量与经济增长之间存在着密切联系。
