中国居民生活碳排放影响因素分析与峰值预测

中国碳排放周期、趋势与影响因素分析孙燕;张云鹏【期刊名称】《南京财经大学学报》【年(卷),期】2013(000)005【摘要】本文尝试运用经验模态分解方法(EMD)对1902年以来我国碳排放进行周期分解以及趋势分析.并在灰色关联分析结果的基础上,对影响我国碳排放总量的各指标因素,进行了EMD趋势分析.主要得到了以下研究结论:(1)自1902年以来,我国碳排放总量不断攀升,总体呈现指数式增长态势.(2)我国碳排放存在70年和106年的准周期波动,未来一段时间内碳排放总量将继续以指数方式高速上升,并于2025年前后碳排放量达到峰值,之后碳排放趋势将有所放缓.(3)人均GDP、能源消费总量,农业、工业、建筑业、交通运输仓储邮电通信业以及批发和零售贸易餐饮业生产总值等7项指标与我国碳排放均显示出显著的关联度,关联系数均在0.8以上,按照指标关联系数大小排列为,能源消费量＞农业＞人均GDP＞工业＞交通运输仓储邮电通信业＞批发和零售贸易餐饮业.(4)从各影响因素的EMD分解趋势来看,各影响因素均表现出增长态势,由此分析出我国碳排放量在未来一段时间内继续攀升的态势将继续维持.【总页数】7页(P1-7)【作者】孙燕;张云鹏【作者单位】南京财经大学公共管理学院,江苏南京210046;南京财经大学城市发展研究院,江苏南京210046;南京工业大学测绘学院,江苏南京210009【正文语种】中文【中图分类】X24【相关文献】1.中国高新技术产业碳排放趋势研究与影响因素分析——以电子及通信设备制造业为例 [J], 荆克迪;楚春礼;王圆生2.中国碳排放影响因素分析和趋势预测——基于STIRPAT和GM(1,1)模型的实证研究 [J], 佟昕;陈凯;李刚3.中国通货膨胀周期波动与趋势的影响因素分析——基于总体平均经验模式分解法[J], 李成;郭哲宇;张琦4.中国通货膨胀周期波动与趋势的影响因素分析——基于总体平均经验模式分解法[J], 李成;郭哲宇;张琦;5.全寿命周期下装配式建筑碳排放影响因素分析 [J], 王婕;宋玉洁;边新茹因版权原因，仅展示原文概要，查看原文内容请购买。

中国居民生活碳排放的区域差异及影响因素分析摘要本论文研究了中国居民生活碳排放的区域差异及其影响因素。

利用2005 年和2015 年的中国家庭能源调查数据，通过分析居民生活碳排放的主要来源、经济发展水平、城市化程度、人口密度、气候条件、能源结构等因素，探究了不同地区居民生活碳排放之间的差异，并分析了影响碳排放的主要因素。

研究发现，中国居民生活碳排放存在显著的区域差异，东部地区的碳排放量明显高于中西部和东北地区。

经济发展水平、城市化程度、人口密度和气候条件是影响碳排放的重要因素，其中城市化程度和气候条件的贡献最大。

最后，结合分析结果，提出了相应的政策建议，以减少中国居民生活碳排放的总量和区域差异。

关键词：居民生活碳排放；区域差异；经济发展；城市化程度；气候条件；能源结构AbstractThis paper examines the regional differences and influential factorsof carbon emissions from the daily lives of Chinese residents. By analyzing the major sources of emissions, economic development levels,urbanization rates, population densities, climatic conditions, and energystructures, based on the 2005 and 2015 Chinese Household EnergySurvey Data, this study explores the differences in carbon emissions between different regions and analyzes the main factors affecting carbon emissions. The study found that there are significant regional differences in carbon emissions from the daily lives of Chinese residents, with emissions being significantly higher in the eastern region than in the central and western regions and the northeast region. Economic development, urbanization, population density, and climatic conditions are important factors affecting carbon emissions, with urbanization and climatic conditions contributing the most. Finally, based on the analysis results, this paper proposes corresponding policy recommendations to reduce the total amount and regional differences of carbon emissions from the daily lives of Chinese residents.Keywords: carbon emissions from daily lives; regional difference; economic development; urbanization; climatic conditions; energy structure1.研究背景和意义随着经济的发展和城市化进程的加速，中国居民生活碳排放量逐年增长。

3
近年来，印度碳排放量呈上升趋势，主要是由于 经济快速发展和人口增长。
印度碳排放量预测（情景一：政策不变）
情景一预测
到2030年，印度碳排放量将达到10亿吨左右，占全球总排放量的15%左右。
情景一可能带来的问题
气候变化影响加剧，资源环境压力增大，对全球经济社会发展带来挑战。
印度碳排放量预测（情景二：政策调整）
03
近年来，美国政府采取了一系 列措施，如提高能效标准、推 广可再生能源等，以降低碳排 放量。
美国碳排放量预测（情景一：政策不变）
如果美国政府不采取进一步措施，预 计未来十年内美国的碳排放量将保持 稳定或略有增加，导致能源需求和碳排 放量相应增加。
美国碳排放量预测（情景二：政策调整）
要因素，为制定减排政策提供建议。
02
中国碳排放量现状及预测
中国碳排放量现状
中国是全球最大的碳排放国， 其碳排放量占全球总量的约1/3 。
中国的碳排放主要来自能源生 产和工业过程，其中煤炭是最 主要的来源。
中国政府一直在积极推进清洁 能源和节能减排，但减排工作 仍面临诸多挑战。
中国碳排放量预测（情景一：政策不变）
03
针对这三个国家的碳排放量进行情景预测，有助于 了解未来碳排放趋势，为政策制定提供依据。
研究目的
01
分析中国、美国和印度过去十年的碳排放量数据，了
解其变化趋势。
02
对未来十年这三个国家的碳排放量进行情景预测，预
测不同政策和技术条件下碳排放量的变化趋势。
03
比较不同情景下的预测结果，分析影响碳排放量的主
如果美国政府采取更加严格的碳排放 政策，如提高碳税、加强能效标准等 ，预计美国的碳排放量将显著下降。

中国碳排放分析据国际能源机构统计，中国取代美国成为世界第一大温室气体排放国，就此西方国家经常借气候变化“说事儿”，对我国经济发展施加压力。

不过，我们也认识到碳减排是迟早的事，我国需及早着手发展低碳经济，从而避免陷入经济发展的恶性循环。

为此，需要对我国的碳排放现状以及未来趋势有个大致判断。

1、碳排放轨迹中国统计机构对碳排放没有专门的统计数据，已有的文献数据一般来源于以下四类：一是美国能源部二氧化碳信息分析中心（简称CDIAC）公布的年度数据；二是美国能源情报署（简称EIA）公布的年度数据；三是国际能源总署（简称IEA）公布的数据；四是根据IPCC指导目录和其他方法测算得到的数据。

通过对比，不同的数据来源从统计角度看不存在显著性差异，基于此我们采用如下公式对中国碳排放总量进行估算：c=∑m i×δi（1）式（1）中C为碳排放量；m i为中国一次能源的消费标准量；δi为i类能源的碳排放系数。

不同机构计算碳排放量时，确定能源消耗过程中的碳排放系数不完全相同，但差别并不大，收集到的不同文献的各类能源碳排放系数（表），然后取简单算术平均值为相应能源种类的碳排放系数，据此可以得出碳排放情况。

表1 各类能源的碳排放系数2、碳排放特征经济发展一般是随着时间的变动而发生变化，时间体现了阶段性，所以根据碳排放总量及其增长率情况和碳排放强度可以观察我国碳排放变动的阶段性特征。

碳排放总量在1978-1996年为迅速增加阶段，1996-2000年为平稳阶段，2000-2012年为急速增加阶段。

1990年以来，碳排放增长率的变化轨迹是，1992年达到高点，增长为14.2%，之后增速出现持续下降，1999年为阶段性低点，增速为7.6%，从2000年起，增速再度回升，到2007年达到高点，为14.1%，之后回落为平稳增长，但2010年出现了反弹。

从碳排放强度（指每单位国内生产总值所带来的碳排放量）看，中国碳排放强度在1980-2011年之间基本呈现逐年下降趋势，在1980-1996年之间下降趋势较为明显，1997-2012年尽管总体趋势下降，但下降趋势不是非常显著，其中2003年出现了反弹，2003—2007年的水平均高于2002年。

中国城市化进程中影响碳排放的因素分析【摘要】中国是世界上碳排放量最大的国家之一。

近年来随着城市化进程的加快，中国碳排放量将会进一步增加。

本文以碳排放量为因变量，以人均GDP、能源强度、城市化人口占总人口比重、第三产业占GDP比重、化石能源消费比例等作为自变量，分析城市化进程中相关因素对碳排放的影响。

研究结果表明，人均GDP、城市人口占总人口比重和能源强度的增加都会增加中国碳排放量；第三产业比重增加则会减少中国碳排放量；另外国家政策会影响中国的碳排放量，但是结果不显著。

【关键词】城市化；碳排放；能源强度0.引言过去10多年中，中国碳排放年增长17.8%，增长速度位于世界前列，且预期还会继续增长。

与此同时，地球气候系统正经历着一次以变暖为主要特征的显著变化，而温室气体特别是CO2增加已成为全球共识[1]。

中国十二五规划提出单位GDP能源消耗降低16%，单位GDP CO2降低17%。

可见中国在温室气体减排方面面临前所未有的压力。

为实现国民经济可持续发展和制定科学的减排路径，探索影响碳排放的因素至关重要。

考虑到中国城市化、工业化仍未完成以及中国政府对经济的驾驭能力，即使保守估计，中国的经济还可以再快速增长30年。

与经济快速增长相随的是城市化进程的加快，这正是导致碳排放快速增长的主要因素。

预计中国快速的城市化进程将在2020年左右告一段落，进入中等收入国家。

对于中国这样一个经济快速增长、人口规模庞大并处于经济转型中的发展中国家，城市化进程会给碳排放带来何种影响，是本文要考察的问题。

当前国内研究者通过各种计量模型分析碳排放的影响因素，研究各种政策和措施等，力求实现对经济最小负面影响的前提下达到最大限度减排。

宋春燕（2011）通过计算各类能源碳排放转化系数，计算出中国1978年~2008年碳排放量和人均碳排放量，并对中国人均碳排放量与人均GDP关系进行协整分析和因果检验，证明中国的人均碳排放同经济增长存在正向线性相关关系，并且这种关系是平稳的[2]。

度， 关联 系数 均在 ０ ． ８以上， 按照指标 关联 系数 大小排 列为 ， 能源 消费量 ＞农 业 ＞人 均 Ｇ Ｄ Ｐ＞工业 ＞交通 运 输仓储邮 电通信业 ＞批发和 零售贸易餐饮 业。（ ４ ） 从各影 响 因素 的 Ｅ ＭＤ分解趋势 来看， 各影 响 因素均表 现 出增 长态势， 由此分析 出我 国碳排放量在 未来一段 时间 内继续攀升 的态势将 继续维持 。
关键词 ： 碳排 放 ； 周期 ； 趋势 ； 影响 因素 ； Ｅ ＭＤ 中图分类号 ： Ｘ ２ ４ 文献标 识码 ： Ａ 文章编号 ： １ ６ ７ ２—６ ０ ４ ９ （ ２ ０ １ ３ ） ０ ５ —０ ０ ０ １ — ０ ７
引 言
国气候变化框架公约》 签署到《 京都议定书》 生 效， 再到《 哥本哈根协议》 的艰难谈判 ， 关于发展
的文献来 看 ， 关 于碳排 放 问题 的研 究大 多 集 中在 碳 排放 量及 强 度 测算 、 与 影 响 因素 的关 联 分 析 、 情 景预 测 引、 核 算 方 法 、 区 域 差 异 ｍ ］ 、
收 稿 日期 ： ２ ０ １ ３—０ ９—２ ７
基金项 目： 国家 自然科学基金“ 安徽省典型城市不同功能用 地集约利用评 价及空 问分 异研究” （ ４ １ ３ ０ １ ６ ５ １ ） ； 江苏省高校 优势学科 建设工程 资助项 目。 作者 简介 ： 孙燕 （ １ ９ ８ １ 一 （ １ ９ ８ Ｏ 一 ） ， 女， 山东淄 博人 ， 南 京财 经大 学公 共 管理 学院 讲 师， 博士， 研 究方 向为 资源 、 环 境资 源 等； 张 云鹏
） ， 男， 河北石家庄人 ， 南京财经大学城市发展研究院副教授 ， 博士 ， 研究方向为地理时空建模 与应用方面的研究。

年份
非消 费者的消费行 为
一
消费量
｝ ｔ
２１ ． １５９ １ ． ６４７１ １ ． ７６Ｏ７ １ ． ８８９Ｏ １ ２．４ ８ ７ １ ４．３ ８ ６ １ ５．２ ８ １
消费量
｝亍ｔ ７
５ ３ ０．２ ５ １ ３．２ ５ ０ ５．１ ５ ６ ９．５ ７． ０８８ ７２４６ ． ７３０６ ．
碳 排放 量 的 ３倍 ，其 中 ，居 民的食 品 、衣 着 和居 住
等） 、私人交通用能 ；间接影响包括 ：食品、衣着 、
家庭设备用品及服务、医疗保险、交通通信 、教育 文化娱乐服务 、居住、杂项商品与服务 。 与 消费支 出 的各项 直接 相关 的部 门分别 为 ：食
品 （ 品加 工业 、食 品制 造 业 、饮 料 制 造 业 ） 食 、衣 着 （ 织业 、服 装 及其 他 纤 维 制 品制 造业 、皮 革 、 纺
排放 量
排放量
２ ３ ００ ２ ４ ００
—
—
直接影响 ； ｉｉｌｌ ｎ ｌｌ没有计 算的直接影响 ； ｉｉｉ ｉｌ 间接影响 ； ………没有计 算的 间接影响 ； 非 消费者行为引起 的能源消费行为 ，
如 政 府 对 能 源 的利 用
２ ５ ００ ２ ６ ００ ２０ ０７ ２０ ０８ ２０ ０９
生 的影 响 可 以分 为 直接 影 响 和 间接 影 响 圆 。鉴 于 山 西省处 于社会 转 型时期 。笔者 分别 讨论 城 镇居 民和 农 村居 民生 活行 为产生 的直 接影 响和 间接 影 响。
比例 ，从而估算居 民在该行业 的能源消费量 。并计
算若干年 的数据 ，运用统计学 的加权平均 。得到一
也 是较 大 的碳 密 集型行 为 。

东北三省城镇居民生活消费碳排放区域分布
总结词
不同地区碳排放量存在差异，但均呈现上升 趋势
详细描述
东北三省各地区的城镇居民生活消费碳排放 量存在差异，可能与不同地区的经济发展水 平、产业结构、能源消费结构等因素有关。 然而，从整体上看，各地区的碳排放量均呈 现上升趋势，这可能与城市化进程加快、居 民生活水平提高等因素有关。
中国是全球最大的碳排放国家之一，而东北三省作为中国的重要工业基地和能源基地，其碳排放问题备 受关注。
研究东北三省城镇居民生活消费碳排放及其影响因素，有助于了解该地区碳排放的主要来源和影响因素 ，为制定针对性的减排政策提供科学依据。
研究内容与方法
研究内容
本研究以东北三省城镇居民为研究对象，通过对相关数据的收集和整理，分析其生活消费碳排放的总 量、结构及影响因素。
技术水平
技术水平的提高可以降低能源消耗和碳排放量。因此， 加强技术创新和引进先进技术是减少碳排放的有效途径 。
城镇化率与碳排放的关系
城镇化率
随着城镇化率的提高，城镇人口规模扩大，从而增加 能源需求和碳排放量。
城市规划与建设
城市规划与建设不合理会导致能源消耗和碳排放量增 加。因此，加强城市规划与建设，提高城市功能分区 和交通布局的合理性是减少碳排放的重要手段。
技术进步情景概述
在技术进步情景下，假设技术水平会不断提高，如能源利用效率提高、新能源技术发展等。
碳排放预测
根据历史数据和技术发展趋势，预测在技术进步情景下，东北三省城镇居民生活消费碳排放的趋势和 水平。
基于市场调节情景的碳排放预测
市场调节情景概述
在市场调节情景下，假设市场机制会发挥主导作用，如碳交易市场、环保产品价格等。
04

我国碳排放量影响因素分析摘要：当前，中国正处于工业化和城市化的快速推进进程中，二氧化碳排放保持快速增长态势，控制二氧化碳排放的形势十分严峻。

是什么因素影响中国的碳排放量，值得探讨。

本文通过建立多元线性回归模型，筛选出影响碳排放量的主要因素。

通过对这些影响因素的分析，提出相应的对策来减缓碳排放日趋严重的趋势。

关键词：碳排放，GDP，能源1.我国二氧化碳排放基本现状我国已经成为世界上温室气体排放量第二多的国家，随着经济社会的继续发展，到2020年，预计中国将超过美国成为温室气体排放世界第一大国。

我国的温室气体排放具有以下特点：第一，温室气体排放总量大；第二，单位GDP的二氧化碳排放率大；第三，二氧化碳的能源排放系数大；第四，相对OECD国家，GDP能耗强度较高。

温室气体排放的主要来源是能源消费，我国长期以来的经济结构和能源消费结构决定了温室气体排放的上述特点：第一，我国是世界上最大的发展中国家，经济发展速度很快，2007年我国的GDP总量仅次于美国、日本和德国，达到30100亿美元，居世界第四位。

经济发展需耗费大量能源，产生温室气体，因而我国的温室气体排放总量非常巨大；第二，我国的能源结构中化石能源占70%左右，煤炭是主要的能源。

据预测，我国需要消耗31亿吨标准煤左右的能源，包括约23亿吨煤炭，才能实现全面建设小康社会的经济增长目标；第三，我国是以第二产业为主的经济结构，工业是最大的能源消费产业，其中，钢铁、化学、水泥、电力、造纸和玻璃等支柱行业都属于能源密集型产业，是温室气体的排放基地。

1992年，中国正式签署了联合国气候变化框架公约，对于维护全球气候正常有一定的义务；2002年8月中国又批准了京都议定书，从此合法具备参与国际碳排放交易的资格。

虽然在第一承诺期我国没有减排目标，但是我国已经面临着很强的国际减排压力，在第二承诺期（2012年以后）可能被分派一定的减排任务。

而减排任务的承担必然会对我国的社会、经济发展造成不小的影响。

碳排放影响因素分析及减排对策碳排放影响因素分析及减排对策来源：经济预测部作者：肖宏伟时间：2015-09-182014年11月，中美发布《中美气候变化联合声明》，中方首次正式提出，计划2030年左右中国二氧化碳排放达到峰值且将努力早日达峰，并计划到2030年非化石能源占一次能源消费比重提高到20%左右。

这一声明的发表，标志着我国政府已向世界正式宣布，未来将通过限定碳排放总量，加快形成转变经济发展方式的倒逼机制，实现绿色发展、循环发展、低碳发展。

因此，有必要对碳排放影响因素进行分析，进而有针对性地探讨如何碳减排。

一、碳排放影响因素分析1、工业化进程的加快，是促进工业领域碳排放快速增长的主要因素受发展阶段、资源禀赋、技术水平和体制机制等诸多因素影响，我国工业增长具有典型的高能耗、高污染特征，工业能源消费产生的碳排放占据中国能源消费产生的碳排放70%左右。

目前我国整体已步入工业化后期，距离基本完成工业化（工业化水平为80%）还有近10个百分点的空间，距离完成工业化（工业化水平为100%）还有近30个百分点的空间。

从工业化国家经验来看，基本完成工业化之前，工业化水平每增长1个百分点，碳排放相应增加约0.6亿吨；工业化水平超过80%以后，碳排放增长主要来源于新兴产业和服务业，工业化水平每增长1个百分点，二氧化碳排放则相应增加约0.3亿吨。

随着我国工业化进程的快速推进，工业领域的碳排放还将保持一定的刚性增长。

2、城镇化进程的快速推进，是推动交通和建筑领域碳排放增长的关键因素近年来，我国城镇化建设进程快速推进，城镇化率以每年约1个百分点的速度上升，城镇化过程中能源消费主要集中在交通和建筑领域，交通和建筑等部门当前占碳排放总量的近30%。

目前我国正处于工业经济为主向城镇经济为主转变的阶段，2020年、2030年我国城镇化率将分别达到60%、70%。

按OECD和国家统计局数据测算，中国城镇人均生活能耗约是农村人均水平的1.5倍、城镇单位建筑面积能耗约是农村地区的4.5倍，相应的总能耗和排放约为农村水平的3倍，随着城镇化进程的快速推进，交通和建筑领域的碳排放将呈刚性增长。

研究不足与展望
01
数据来源与精度
由于部分数据来源不够权威或更新不及时，可能导致研究结果的精度
受到一定影响。未来应加强数据收集和整理工作，提高数据的质量和
可靠性。
02
模型与方法
尽管本研究采用了先进的统计和分析方法，但仍可能存在一定的局限
性。例如，部分模型和方法可能不适用于所有情况，需要进一步改进
和完善。
03
政策建议可行性
针对研究结论所提出的政策建议，需要在实践中进一步验证和完善。
未来应加强政策实施和监督工作，确保政策的有效性和可行性。
感谢您的观看
THANKS
技术创新能力不足
我国在节能减排、新能源等领域的技术创新能力相对不足，制约了碳排放量的减少。
技术转化率低
尽管我国在科研方面取得了一定的成果，但技术转化率低，许多先进的减排技术未能得到有效应用。
政策环境
政策支持力度不够
在减排政策方面，我国政府的支持力度尚有待加强，缺乏有效的激励机制和惩罚 措施。
环保意识不强
我国产业结构中，第二产业的比重相对较高，特别是重工业，导 致碳排放量较大。
高耗能产业占比大
在第二产业中，高耗能产业（如钢铁、水泥等）的占比过大，直 接推动了碳排放量的增加。
服务业发展不足
相对于第一、第二产业，服务业的碳排放量较低，但我国服务业 的发展相对滞后，未能充分发挥其在减排中的作用。
技术水平
研究指出，工业部门的碳排放量 占比较高，而第三产业和高新技 术产业的碳排放量相对较低。因 此，优化产业结构，降低工业部 门的碳排放强度和总量，是减少 我国碳排放的关键。
04
影响因素分析
研究证实，能源消费结构、经济发 展水平、技术进步和政策措施是影 响我国碳排放的主要因素。为实现 碳减排目标，需要从这些方面入手 ，制定有效的政策和措施。

汪 东 等 中 国居 民生 活 能 源 消 费 Ｃ ： 放 的 影 响 因 素 研 究 Ｏ排
中国居 民生活能源消费 Ｃ ２ 放的影 响 因素研究 ＊ Ｏ排
汪 东 汲 奕 君 田 丽 丽 朱 坦
（ 开大学环境科学与工程学 院， 津 ３０７） 南 天 ０ ０ １
摘 要 居民生活对能源的需求或温室气体排放的影响研究逐 渐成为了全球关 注的热点 。但 已有 的研究对 中国居 民生活能源
村居 民生 活 能源 消 费 Ｃ 放 的变 化 趋 势 ， 且 利 Ｏ排 并 用 Ｌ ＭＤ 法定 量研 究 了居 民生活 能源 消费 Ｃ 放 Ｉ Ｏ排
的 比例 。２ ０ ０ ７年 ， 国居 民 生 活能 源 消 费 的 Ｃ 我 Ｏ 隐 含排 放量 已经达 到 １ ． １ ｔ其 中城镇 居 民生 活能 ８Ｏ 亿 ， 源 消费 的 Ｃ Ｏ 隐含排 放 量 占 ７ ． ４ ［ 。 ６ ４ ３ ］
消 费 Ｃ 排 放 的 长 期 动 态 变 化 特 征 缺 少 较 为 深 入 的 分 析 ， 且 在 探 讨 Ｃ 排 放 变 化 的影 响 因素 时 过 于 宽 泛 ， 有深 入 探 讨 每 个 具 体 Ｏｚ 并 ０２ 没 影 响 因 素 长 期 的 动 态变 化 规律 。根 据 《Ｐ Ｃ 国家 温 室 气 体 排 放 清 单 指 南 ２０ 》 研究 了 Ｉ ９— ２ Ｏ ＩＣ ０６， ９ １ ０９年 中 国 城 镇 居 民 和农 村 居 民 生 活 能 源 消 费 Ｃ 排 放 的 变 化趋 势 ， 且利 用 对 数 平 均迪 氏指 数 法 定 量 研 究 了居 民生 活 能 源 消 费 Ｃ 排 放 的 变化 特 征 及 影 响 因 素 ， Ｏ２ 并 Ｏ２ 深 入 剖 析 了 每 个影 响 因 素 长期 的 动 态变 化 规 律 。最 后 ， 出 了居 民生 活 能 源 消 费 Ｃ 减 排 措 施 。 提 Ｏｚ

研究内容
收集相关数据，建立碳排放测算模型 。
对辽宁省城乡居民消费碳排放进行测 算。
分析影响碳排放的主要因素，如人口 规模、收入水平、消费结构等。
提出针对性的碳排放现 状
辽宁省城乡居民消费碳排放总体情况
碳排放总量
辽宁省城乡居民消费碳排放总量呈逐 年上升趋势，2019年达到峰值，为 1.3亿吨二氧化碳当量。
辽宁省城乡居民消费碳排放 测算和影响因素
汇报人： 日期:
目录
• 引言 • 辽宁省城乡居民消费碳排放现
状 • 辽宁省城乡居民消费碳排放测
算方法
目录
• 辽宁省城乡居民消费碳排放影 响因素分析
• 辽宁省城乡居民消费碳排放控 制对策建议
• 结论与展望
01
引言
研究背景与意义
1
全球气候变化问题日益严重，碳排放是主要原因 之一。
数据验证与修正
对计算出的碳排放量进行验证和修正，确保数据的准 确性和可靠性。
数据来源与处理
数据来源
主要包括统计数据、企业报告、研究报 告等公开数据，以及通过调查和实验获 取的原始数据。
VS
数据处理
对收集的数据进行清洗、整理、分析和转 换，以满足碳排放测算的需要。
04
辽宁省城乡居民消费碳排放影 响因素分析
辽宁省城乡居民消费碳排放的空间分布
地区分布
辽宁省城乡居民消费碳排放主要集中在沈阳、大连等经济发达城市，其他城市碳排放量相对较低。
城乡差异
辽宁省城乡居民消费碳排放存在明显差异，城市居民消费碳排放量远高于农村居民。
03
辽宁省城乡居民消费碳排放测 算方法
居民消费碳排放测算方法概述
直接排放法
根据居民消费的商品和服务的生产过程中的直接碳排放量进行测算。

尤 其 是在 当 前 的 城 市 化 进 程 不 断加 快 的 背 景 下 ， 城 市 居 民直 接 能 耗 碳 排 放 对 环 境 的可 持 续 发 展 有 着 重 要 的 影 响 ， 基于此 ， 本文 则 主 要 就 城 市 居 民 直 接 能 耗 碳 排 放 的类 型 进 行 阐 述 ， 并 结 合 实 际 对 其 产 生 的 影 响 因 素 加 以分 析 ， 希 望 此 次 理 论研 究 对实 际操 作 起 到一 定 指 导 作 用 。
关键 词： 城市居民： 碳排 放； 影 响因素
Ｏ ．引言
从 实际的发展来看 ， 碳排放 的相关 问题研 究主要 是集中在工业的生产 层面， 但在现阶段 的情 形来看 ， 城 市居民的生活和 碳排放也有着 紧密 的联 系。城 市温室气体 的排放 比重 随着经济 的进一步 发展将 持续上升 ， 所 以加 强城市居民直接耗能碳排放 的相关 问题对实 际就有着重要的意义 。 １ ． 城市化进程 中碳排放特征及对居民消费碳排放影响 １ ． １ 城 市化 进 程 中碳 排 放 主 要 特 征 分 析 随着当前 的城市化进程不断加快 ， 在碳排放方面也有着鲜明的特征 ， 城 市居民在这一过程 中的直接能耗对碳排放也有很大的影响。总体上来看， 城 市进程 中碳排放从迅速增长向着稳定发展的趋势迈进 ，居民消 费对二氧化 碳排放产 生的影响也逐渐有着显著的体现，在人均收入增加 以及城市 生活 质量得到大幅度改善的背景下 ， 生活能源的消费也开始呈现 出增长 的态势 。
的碳排放量 ， 在农村居民的直接碳排放量方面则要 比间接的碳排放量要高 很 多。 而各种的能源价格和波动 同样会影响到城市居民的炊事 能耗 结构 的
碳排放 ， 甚 至会出现供应 紧张的这一局 面， 从而就会造成 一些城市 的居 民 在生活用能改为天然气及太阳能等。 而在 消费层面的影 响因素上 ， 由于 城市化进程 的加快 ， 消费量 的变化 及 结构也发生 了很大 的变化 ， 在这一过程 中能够通过商 品能源消 费结 构变 化， 以及最终产 品消费结构变化 ， 商品能源消费量变化 ， 最终产 品消费额变 化 能进 行 体 现 Ｌ ３ ］ 。 针对 这 些影 响 因素 要 能紧 密 的结 合 实 际 进 行 应 对 ， 首 先要 能对 城 市化 的发 展 质 量 得 以充 分 重 视 ， 并 要 能 够 今 年 一 步 的推 进 城 乡 建设 的协调发展， 也要能够推 进城乡建设 的协调发展 ， 在低碳 技术 的整体 发展 上要能充分重视 ， 将 生产 过程 的能源 使用效率进行有 效提高， 要能够 引导 合理化的生活用能方 式， 将生活节 能的意识进行有 效提高， 将合理性 的消 费方式进行有 效的引导， 只有从 多方面进行加强才能有 效的将 碳排 放的问

山西省碳排放影响因素分解及峰值预测杜俊慧;张克勇;张雪姣【摘要】Based on carbon emissions from 2000 to 2014 in Shanxi Province,LMDI decomposition model was set up,and the adjusted STRIPAT model in Shanxi was built for fitting carbon emissions and other factors,the carbon emissions peak and the time reached peak under different scenarios was concluded. At the same time,a GM(1,1)prediction model was established to further verify the validity of the re-sults.The results show that carbon emissions increase by 287 million tons in 2014 compared with 2000. Among them,the economic scale effect and the fixed asset investment effect have a significant positive effect on the increase of carbon emission,and the industrial energy intensity has a great inhibitory effect on the increase of carbon emission.According to the situation analysis of STIRPAT's model,it is predic-ted that the future carbon emission peak of Shanxi Province will be between 600 and 1000 million tons. In different scenarios,Shanxi has a 75% probability of achieving its peak by 2030.In addition,the GM(1,1)prediction model further proves the effectiveness of the results.In view of this,it is proposed to adjust industrial structure,develop green economy and increase carbon sinks.%基于山西省2000~2014年碳排放量情况建立了LMDI分解模型,并构建了修正后的STRIPAT 模型对山西省碳排量与各因素进行拟合,得出不同情景下碳排放量峰值及达峰时间.同时建立GM(1,1)预测模型,进一步验证结果的有效性.研究结果表明:2014年碳排放量比2000年增加了2.87×108t.其中,经济规模效应和固定资产投资效应对碳排放增加有显著的正向作用,产业能源强度对碳排放量增加起到较大的抑制作用.根据STIRPAT模型的情景分析,预测山西省未来碳排放量峰值在6×108~10×108t之间.在不同情景下,山西省未来有 75%的概率可以完成 2030 年之前达峰值的目标.此外,GM(1,1)预测模型也进一步证明了结果的有效性.鉴于此,提出调整产业结构,发展绿色经济,增加碳汇等政策建议.【期刊名称】《中北大学学报（自然科学版）》【年(卷),期】2018(039)003【总页数】10页(P334-343)【关键词】碳排放;LMDI;STIRPAT模型;情景分析【作者】杜俊慧;张克勇;张雪姣【作者单位】中北大学经济与管理学院,山西太原030051;华北科技学院,河北廊坊065201;中北大学经济与管理学院,山西太原030051;中北大学经济与管理学院,山西太原030051【正文语种】中文【中图分类】X24;F4270 引言近两个世纪以来，气候问题引起了人们的广泛关注. 尤其是近百余年，气候问题愈加严重，积极应对气候问题成为全球共识. 党的“十八大”提出低碳发展的战略目标，“十三五”期间，将全面落实《国家应对气候变化规划(2014～2020)》，争取二氧化碳排放在2030年左右达到峰值. 2016年，国家发改委已向各省下达“十三五”节能减排目标，山西省也制定了《山西省“十三五”控制温室气体排放规划》、《山西省“十三五”综合能源发展规划》来应对山西省高耗能、高污染、高排放的现状. 因此，找出影响山西省碳排放的影响因素以及研究山西省未来碳排放情况是十分紧要的任务.目前，研究各因素对碳排放影响的方法有很多种，其中对数平均权重迪式指数法(LMDI)[1]运用最为广泛. Ang等[2]通过归纳和总结，提出LMDI分解方法是相对更好的方法，这种方法能够解决其他方法中存在的残差项问题，此外，还具有灵活性、适宜性以及易解释等优点；同时， Ang[3]还对APEC成员国碳排放量进行了LMDI分解，得出人均GDP和人口是影响碳排放增长的最主要因素. 梁大鹏等[4]运用LMDI对金砖五国二氧化碳排放的影响因素进行了研究并分析了五国关键影响因素存在差异的原因. 王栋等[5]基于LMDI方法得出最终需求变化是导致产业部门二氧化碳增加的最主要因素. 杨磊玉[6]运用LMDI分解模型对中国行业碳排放测算、结构分解及影响因素进行了研究. 此外，田中华[7]、田泽[8]、李永亮[9]、江方利[10]等学者运用LMDI法对地区能源消耗碳排放强度进行了分析研究. 在对碳排放预测领域，主要的研究方法有STIRPAT模型、 LEAP模型、MARKAL-MACRO模型等. 宋杰鲲[11]运用偏最小二乘法构建了我国碳排放预测的STIRPAT模型，指明了减排关注的重点. 赵息等[12]基于离散二阶差分法预测了中国2020年碳排放量. 姜克隽等[13-14]运用IPAC模型对中国低碳发展及二氧化碳排放情景进行了分析，同时探讨了中国实现低碳发展的路径. 情景分析法通过设计不同的情景有效克服了未来不确定因素的影响，近年来在碳排放预测领域应用广泛[15-16]. 姜克隽等[17]还分析了实现全球2℃升温目标下我国能源活动的二氧化碳排放峰值将在2020～2022年出现. 朱婧等[18]借助情景分析法和脱钩模型对河南省济源市在不同情景下的碳排放进行了比较研究. 本文首先运用LMDI对山西省碳排放影响因素进行分解研究，然后构建STIRPAT模型，采用计量方法对山西省碳排放量和其影响因素构建长期均衡模型，并在此基础上，得出不同情景下山西省未来碳排放量峰值及峰值时间.1 研究方法及模型设定1.1 LMDI分解模型在对碳排放因素分解研究中， LMDI的应用最为广泛. 本文运用“两层分解法”对山西省碳排放强度进行因素分解，把山西省碳排放总量分解为6个部门4种能源产生的碳排放量总和. 碳排放量LMDI分解模型为(1)(2)式中： i=1,2,3,4,5,6分别表示农业，工业，建筑业，交通业、商业和居民业；j=1,2,3,4，分别表示煤炭、焦炭、汽油、柴油等4种能源； Cij表示第i行业消耗第j能源产生的二氧化碳排放量； Eij表示能源消耗量； CIij=cij/Eij表示能源碳排放系数； ESij=Eij/Ei表示能源结构； EIi=Ei/GDPi表示能源强度；ISi=GDPi/GDP表示产业结构； P表示人口数； UP表示城镇化率； RP表示农村人口比重； PG=GDP/P表示人均GDP； CIE=C6j/E6j表示居民生活碳排放强度系数； EIP=E6j/P表示居民生活能源强度； FI表示固定资产投资额； PFI=P/FI 表示投资规模强度.其中， Dk的计算公式为(3)式中： Wij (t*)是在t*时刻的权重值，i=1,2,…,6，j=1,2,…,5，t*∈(0,T)，对数权重系数定义为(4)1.2 IPAT和STIRPAT模型IPAT模型为I=P×A×T，表示能源消费(I)、人口(P)、人均GDP(A)和人均能源消费(T)间的关系[19]. 吴振信等在此基础上完善并运用STIRPAT模型，表达式为[20] I=a×Pb×Ac×Td×ε.(5)本文采用STIRPAT多变量非线性模型，根据前文LMDI分解模型以及山西省能源消费和社会经济因素，人口因素选用山西省人口总量和城市化水平，其中，碳排放量随人口和城市化水平的增大而增大. 财富因素选用人均GDP和产业结构，地区发展越快，能源消费和碳排放就越高；不同产业耗能是有差异的，第三产业创造的价值比例呈上升趋势. 由于山西省煤炭为主的能源消费结构短期内也无法发生变化，所以能源结构无法反映山西的技术水平，故本文采用全社会固定资产投资额和能源强度表示技术因素.考虑到各影响因素对碳排放的影响，本文对STIRPAT模型进行了改进. 根据库兹涅茨曲线理论，人均GDP与碳排放之间不是简单的线性关系，可能存在二次或N次曲线关系，故本文将人均GDP的二次方引用到模型中. 此外，对模型取对数，以降低变量与自变量间异方差的影响，分别得到lnP, lnU, lnA2, lnI, lnT, lnE, lnQ. 综上分析，得出山西省碳排放量与各影响因素间的计量模型为lnQ=alnP+blnU+clnA2+dlnI+elnT+flnE+ε,(6)式中： Q表示碳排放量(万t)； P表示人口总量(万人)； U为城镇化水平(%)； A表示人均GDP(元/人)； I表示产业结构，即第三产业GDP占比； T表示能源强度(t/万元)； E表示社会固定资产投资额(亿元).1.3 情景分析模式为使预测结果更切合实际，本文对山西省未来经济社会发展进行情景设置，对不同情景下的碳排放量进行预测(预测到2050年). 实践中，碳排放量会随着人口、城市化水平、人均GDP和固定资产投资额的增大而增大；而随着技术的进步和产业结构调整的趋势，单位GDP能耗及产业结构的变化会促使碳排放量减少. 故本文将其6个变量分成两组，进行情景分析，并对其假定不同的发展速度. 本文设置了低模式、中模式、高模式、高中模式、低中模式、中高模式、中低模式等8种情景. 具体如表 1 所示.表 1 情景设置模式Tab.1 Scenario setting mode情景模式人口城市化率人均GDP全社会固定资产投资能源强度产业结构低模式低低低低低低中模式中中中中中中高模式高高高高高高高中模式高高高高中中高低模式高高高高低低低中模式低低低低中中中高模式中中中中高高中低模式中中中中低低2 数据的选取与实证分析2.1 数据来源与计算本文根据《山西省统计年鉴》、《中国能源统计年鉴》2000～2014年间煤炭、焦炭、汽油和柴油终端能源使用量对碳排放进行计算.目前，我国没有公开的碳排放量数据，因此，需要测算山西省的碳排放量. 《山西省统计年鉴》将能源分为煤炭、焦炭、汽油、柴油、电力等5种，为避免重复计算，本文不再计算电力能源. 碳排放计算公式为(7)式中： TC表示山西省碳排放总量； TCi表示第i种能源产生的碳排放量； Ei表示第i种能源消耗量，统一折算为标准煤消耗量；ηi表示第i种能源的碳排放系数. 具体折算见表 2.表 2 折算标准煤系数及碳排放系数Tab.2 Standard coal coefficient and carbon emission coefficient燃料类型煤炭焦炭汽油柴油折标准煤系数0.714 60.971 41.471 41.457 1碳排放系数0.755 00.854 00.559 00.592 0根据碳排放量的测算公式以及化石能源碳排放系数，经过整理计算，得到2000～2014年山西省经济与社会主要指标，见表 3.表 3 2000～2014年山西省经济与社会主要指标(以2000年为基准)Tab.3 Economic and social indicators of Shanxi Province from 2000 to 2014 (based on 2000)年份人口/万人城市化率/%人均GDP/元产业结构/%单位GDP 能耗/(t·万元-1)全社会固定资产投资/亿元碳排放量/万t20003 247.800.345 682.9943.753.65548.1619 773.5020013 271.630.356084.36444.463.93637.3922 371.1620023 293.710.386950.92242.704.02770.3028 036.6820033 314.290.398 340.05741.213.641 078.6131 648.7220043 335.070.4010 085.3438.523.151 446.6631444.9220053 355.210.4212 206.5637.423.011 798.4535 114.6020063 374.550.4313 762.5636.352.892 214.4939 538.7920073 392.580.4416 484.4635.322.592 880.7442 563.9520083 410.640.4519 427.9333.602.143 643.3141 697.6220093 427.360.4620 930.4339.232.124 738.5841297.5120103 574.110.4824 268.4837.091.836 010.6844 162.2420113 593.280.5028 865.8335.251.637 161.5647 721.8820123 610.830.5131 778.5438.661.608 743.8348 767.5020133 629.800.5332 860.0240.851.61109 46.9550 824.2620143 638.860.5533 400.2444.501.608 631.7948 493.66 2.2 山西省碳排放因素分解根据上文式(1)～(4)，运用LMDI因素分解方法对山西省2000～2014年间的碳排放量进行分解，结果表明， 2014年碳排放量比2000年增加了2.87×108 t.表 4 列出了对山西省碳排放LMDI因素分解结果.表 4 LMDI因素分解结果Tab.4 LMDI factor decomposition results年份结构效应经济规模效应能源强度效应人口效应固定资产投资效应DESDISDPGDEIDEIPDUPDRPDPFIDFI2000～20021.031.051.221.121.11.120.940.721.412003～20050.961.121.460.690.841.080.950.611.672006～20081.001.041.410.650.811.050.960.611.652009～20111.001.101.380.661.011.090.930.691.512012～20140.990.861.051.130.821.080.921.020.992000～20141.001.055.880.361.641.620.680.0715.75在2000～2014年间，结构效应包括能源结构(DES)和产业结构(DIS)，两者对山西省碳排放影响较小. 其中，产业结构对碳排放量变化作用为正，这说明山西省产业结构调整并未起到减少碳排放量的作用；而能源结构的影响微乎其微，这是由于山西省近十年来能源主要以煤炭为主，煤炭占一次能源占比保持基本不变. 当前，山西省第二产业及煤炭消费在经济发展中仍占绝对地位，调整产业结构、能源结构任重道远.经济规模效应(DPG)在各时间段上均起到促进碳排放增加的作用，在2000～2014年间，经济规模导致碳排放量增加5.88倍，是山西省碳排放量增加的主要因素. 这也说明，经济增长会刺激能源消费，进而促进碳排放量的增加.能源强度效应包括产业能源强度(DEI)和居民生活能源强度(DEIP)两部分，其中，2000～2014年间产业能源强度对碳排放量起到了负的作用，使碳排放量减少0.36倍，而居民生活能源强度起到了正的作用，促使碳排放量增加1.64倍. 这说明山西省产业部门采用新技术等减少碳排放取得显著成效，而居民生活能源还需大力推广使用清洁能源.人口效应包括城镇化水平(DUP)和农村人口比重(DRP)两部分，在2000～2014的各年间，城镇化水平对碳排放量增长一直起到促进作用，而农村人口比重对碳排放起到抑制作用. 这说明城镇化必然促进能源消耗和碳排放量的增加.固定资产投资效应包括投资规模强度(DPFI)和固定资产投资额(DFI)两部分，两者对碳排放量的影响作用都很大. 其中，投资规模强度对碳排放量变化的影响为负，促使碳排放量减少为 0.07倍，固定资产投资额的影响为正，使得碳排放量增加15.75倍. 这表明，固定资产投资会促使各行业发展，进而带动第二产业发展，促使能源消费和碳排放量增大.2.3 协整检验前文采用LMDI将影响山西省碳排放量的因素分解为结构效应、经济规模效应、能源强度效应、人口效应和固定资产投资效应. 表4给出了各2000～2014年间各效应的影响，但无法描述它们与碳排放量间的长期均衡关系，在协整检验中，根据各效应选取了相应的指标建立STIRPAT模型.在模型分析中，如果数据非平稳而直接进行线性回归，会出现模型的伪回归，得出荒诞的结论，所以必须先对山西省2000～2014年各变量进行稳定性检验.本文运用Eviews8进行单位根检验，检验结果见表 5.表 5 ADF检验结果Tab.5 ADF test results变量检验形式ADF检验值1%临界值5%临界值10%临界值P值结论lnP(C,T,0)-2.042 027-4.800 080-3.791 172-3.342 2530.530 4不平稳ΔlnP(C,T,0)-3.483 607-4.886 426-3.828 975-3.362 9840.083 9不平稳ΔlnP(0,0,0)-5.728 686-2.771 926-1.974 028-1.602 9220.000 0平稳lnU(C,T,3)-2.527 029-5.124 875-3.933 364-3.420 0300.312 5不平稳ΔlnU(0,0,2)-0.724 579-2.792 154-1.977 738-1.602 0740.379 5不平稳ΔlnU(0,0,1)-6.737 515-2.792 154-1.977 738-1.602 0740.000 0平稳lnA2(0,0,1)0.959 983-2.754 993-1.970 978-1.603 6930.899 7不平稳ΔlnA2(0,0,1)-0.756 939-2.754 993-1.970 978-1.603 6930.368 8不平稳ΔlnA2(0,0,1)-3.599 674-2.792 154-1.977 738-1.602 0740.002 0平稳lnI(C,0,1)-1.393 952-4.004 425-3.098 896-2.690 4390.554 7不平稳ΔlnI(C,0,0)-3.125 092-4.057 910-3.119 910-2.701 1030.049 6不平稳ΔlnI(0,0,1)-4.772 927-2.792 154-1.977 738-1.602 0740.000 2平稳lnT(C,0,0)-0.148 797-4.004 425-3.098 896-2.690 4390.925 2不平稳ΔlnT(C,T,0)-2.852 774-4.886 426-3.828 975-3.362 9840.206 9不平稳ΔlnT(0,0,1)-4.114 634-2.792 154-1.977 738-1.602 0740.000 8平稳lnE(0,0,0)4.822 096-2.740 613-1.968 430-1.604 3920.999 9不平稳ΔlnE(0,0,0)-0.925 997-2.754 993-1.970 978-1.603 6930.296 9不平稳ΔlnE(0,0,0)-1.710 609-2.771 926-1.974 028-1.602 9220.082 1平稳lnQ(C,T,2)-1.157 684-4.992 279 -3.875 302-3.388 330 0.871 141 不平稳ΔlnQ(C,0,0)-1.968 991-4.057 910 -3.119 910-2.701 1030.294 803不平稳ΔlnQ(0,0,0)-3.902 334-2.771 926-1.974 028-1.6029220.001 000平稳结果表明： lnP, lnU, lnA2, lnI, lnT, lnE, lnQ的二阶差分在1%水平上都通过了单位根检验，即均为二阶单整，可以进行协整检验. 运用Eviews8进行偏最小二乘估计，得到的拟合结果为lnQ=1.036×lnP+0.923 3×lnU+0.174 9×lnA2-0.593 2×lnI+0.876 4×lnT+0.164 4×lnE-3.177 4.(8)调整后的R2=0.992 681， DW=1.847 669(DW在2附近，不存在自相关)对残差e进行检验，结果如表 6 所示.表 6 协整检验结果Tab.6 Co-integration test resultsADF值0.010.050.1P值检验结果-3.322 2-2.792 1-1.977 7-1.602 10.003 5平稳由表 6 可知，残差序列平稳. 因此， lnP, lnU, lnA2, lnI, lnT, lnE, lnQ间存在长期均衡关系，即可根据式(8)拟合结果对山西省未来碳排放量进行预测. 此外，也进一步验证了前文LMDI分解结果.2.4 山西省碳排放峰值预测2.4.1 情景参数设置在结合情景设置进行碳排放量预测时，还需设置各情景参数，对山西省人口总量、城市化水平、人均GDP、社会固定资产投资额、能源结构、能源强度及产业结构等6个变量的高、中、低速发展速度进行设定，得出山西省高中低3种模式下各因素的年增长速率(见表 7)，进而预测不同情景下山西省未来碳排放量及峰值到达时间.表 7 碳排放影响因素情景设置(年增长率)Tab.7 Scenario setting (annual growth rate) of carbon emission factors %模式人口城镇化人均GDP产业结构能源结构能源强度固定资产投资2015～2020低0.535.580.6652.042.048中0.513.56.581.530.570.5710高0.5247.582.36-2.67-2.67122021～2025低0.2514.870.854 8-3.97-3.975中0.281.55.870.819 8-4.42-4.427高0.3126.870.787 5-4.59-4.5992026～2030低0.2514.871.613 7-3.97-3.975中0.281.55.872.292 5-4.42-4.427高0.3126.872.903 4-4.59-4.5992031～2035低-0.010.23.840.381 7-2-1.62中0.010.14.090.704 3-2.8-24高0.0205.340.980 6-3.02-2.462036～2040低-0.010.23.840.743 6-2-1.62中0.010.14.090.680 3-2.8-24高0.0205.340.627 0-3.02-2.462041～2045低-0.250.042.811.755 5-1-0.7-1中-0.203.310.980 6-1.2-11高-0.1503.810.906 5-1.5-1.332046～2050低-0.250.042.810.658-1-0.7-1中-0.203.310.934 7-1.2-11高-0.1503.810.581 4-1.5-1.331) 人口目前已有很多研究对中国未来人口进行了预测，其中，中科院还对“单独政策”和“全面开放二胎政策”影响下的中国人口进行了预测. 《国务院关于印发国家人口发展规划(2016～2010年)的通知》中提到人口在2030年前后达到峰值. 结合中国人口发展趋势到2030年达到峰值，并考虑山西省人口增长率平均比中国人口增长率高0.02%，得到山西省未来人口预测数. 其中，人口低模式增长假定为山西省2030年左右达到人口峰值；中模式假定人口在2035年左右达到峰值；高模式假定2040年左右达人口峰值.2) 城镇化率按照国际上城镇化发展特点，城镇化率在70%后将趋于平缓， 2014年山西省城镇化已到达55%，城镇化快速发展还将持续15～20年. 《中国2049战略》中提到城镇化的平衡点为75%～80%左右. 本文假定2030年城镇化达到均衡状态为高发展模式； 2040年达均衡为中模式； 2050年达均衡为低发展模式. 当达到均衡后，假定城镇化增速为0.3) 人均GDP《2016山西省十三五规划纲要全文》指出，要确保2020年实现地区生产总值比2010年翻一翻，预计2015～2020年GDP年增速为7.58%. 其中，山西省2010～2015年平均GDP增速为10.05%，在“新常态”转型环境下， 2015～2020GDP增速约在7%左右，根据清华大学对中国未来GDP增长率的预测：2020年附近降到6.2%左右， 2030年降到4%， 2030～2050间平均GDP增速下降到3%左右.4) 产业结构目前，山西省第一、第二产业占比逐年下降，第三产业占比逐年上升， 2014年第三产业达到了45%，在未来产业结构调整下，有望超过第二产业，达到国家第三产业发展目标平均水平. 《2050中国能源和碳排放报告》指出，我国将在2050年接近发达国家水平. 按世界银行统计数据，目前上中等国家第三产业占比为61%，发达国家占70%以上. 本文设定山西省在2030年第三产业达到55%左右， 2040年达到60%左右， 2050年左右实现达到发达国家水平目标.5) 能源强度为了达到2020年单位GDP能耗比2005年下降40%～45%， 2030年单位GDP 比2005年下降60%～65%的要求，国家发改委已向山西省下达“十三五”节能目标为16%. 此外，中国承诺到 2030年，单位GDP比2005年下降60%～65%，本文假定山西省减排目标同国家减排目标.6) 固定资产投资《山西省十三五规划》确定的固定资产投资的年均增长目标为10%左右，尽管低于山西省2010～2014年间平均固定资产投资额13.8%，但却是一个合理的增长目标. 考虑到固定资产投资不可能无限上升，故本文假定在2020～2050年间，固定资产投资增速减慢.2.4.2 情景分析法碳排放峰值预测根据设定的8种情景模式和情景参数，运用上文建立的STIRPAT模型对不同情景下山西省未来碳排放量及其峰值进行了预测，各年碳排放量预测结果见图 1. 由图1 可见，山西省未来碳排放量峰值预计在6×108～10×108 t之间. 具体峰值及峰值到达时间见表 8.图 1 山西省未来碳排放量预测图Fig.1 Future carbon emission forecast in Shanxi Province表 8 分情景下山西省碳排放峰值及峰值到达时间Tab.8 The peak and peak time of carbon emission in Shanxi Province情景模式人口城市化率人均GDP全社会固定资产投资能源强度产业结构峰值碳排放量/亿吨峰值出现时间/年低模式低低低低低低7.582 4582020中模式中中中中中中7.361 3152025高模式高高高高高高6.740 4282030高中模式高高高高中中8.513 5322030高低模式高高高高低低11.529 520未出现低中模式低低低低中中6.818 8882020中高模式中中中中高高5.978 3292025中低模式中中中中低低10.158 3602040由表 8 可知，情景1(低模式)和情景6(低中模式)峰值到在2020年达到峰值；情景2(中模式)、情景7(中高模式)下碳排放量将在2025年达到峰值；情景3(高模式)、情景4(高中模式)下，预计在2030年达到峰值；情景6(低中模式)预计到2040年左右达到峰值；情景5(高低模式)下，温室气体排放量失控，截止2050年未出现峰值. 对照8种情景峰值出现的时间，不难发现，产业结构和能源强度对碳排放量峰值及峰值到达时间影响较大，产业结构快速调整、能源强度加速降低可促使山西省碳排放峰值早日到达，且峰值较小；低速发展会导致碳排放失控. 此外，人口、城市化率、人均GDP、社会固定资产投资额保持中速增长，能源强度、产业结构高速发展，既能保证经济的快速发展又能保证低碳环保. 此外，在这8种情景中，山西省未来有75%的概率可以完成2030年前达到峰值的目标，其中， 2020年达到峰值的概率为25%， 2025年左右达到峰值的概率为25%，2030年附近达到峰值概率为25%，此外在 2040年左右达到峰值的概率为12.5%. 总体而言，山西省减排潜力巨大，有很大潜力顺利完成减排任务.2.4.3 GM(1,1)碳排放预测根据2000～2014年山西省碳排放量进行预测，得出GM(1,1)模型预测方程为x(1)(k+1)=4.008e0.04k-2.03,(9)式中： a=-0.04； u=1.04. 计算得出模型精度为94.47%>90%,测算的评价相对误差为5.53%，后检验值为p=1，方差比u=0.32，说明预测有效.通过GM(1,1)模型预测得出2015～2030年山西省碳排放量，如图 2 所示.图 2 山西省碳排放实际排放值和预测值拟合图Fig.2 The fitted curve for actual emission and predicted value of carbon emission in Shanxi Province由图 2 可以看出，山西省碳排放实际值与预测值拟合情况较好，整体偏离较小，碳排放预测值与实际排放值较为接近. 同时，可以看出，山西省在2015～2030年碳排放值在5×108～12×108 t，与情景分析预测得出的范围接近；由于灰色关联预测只是根据之前碳排放趋势进行的预测，故预测的碳排放量处于一直增长的状态. 这也进一步说明情景分析结果的合理性，在不进行调控的情形下山西省无法完成2030年达到峰值的目标.3 结论与建议3.1 结论本文以山西省2000～2014年能源消费量和经济发展相关数据为基础，利用LMDI因素分解对影响山西省碳排放强度的因素进行了分析，并通过修正后的STRIPAT模型，对山西省碳排放量与各因素进行拟合，得到不同情景下山西省未来的碳排放量及碳排放峰值到达时间.1) 2014年碳排放量比2000年增加了2.87×108 t，其中，经济规模效应和固定资产投资效应对碳排放增加有显著的正向作用，产业能源强度对碳排放起到显著的抑制作用.2) 对比8种情景结构发现：人口、城市化率、人均GDP、社会固定资产投资额保持中速增长，能源强度、产业结构高速发展，既能保证经济的快速发展又能保证低碳发展. 但如果不进行合理调控山西省2030年碳排放将无法达到峰值；为了实现中国的节能减排目标，山西省必须深入贯彻科学发展观，根据自身特点，积极探索发展低碳经济发展路径，处理好经济发展与生态环境保护的关系.3) 根据设定的8种情景，预测山西省未来碳排放量峰值预计在6×108～10×108 t之间. 在各情景下，山西省未来有75%的概率可以完成2030年及之前达到峰值的目标，其中， 2020年达到峰值的概率为25%， 2025年左右达到峰值的概率为25%， 2030年附近达到峰值概率为25%，此外在 2040年左右达到峰值的概率为12.5%. 总体而言，山西省减排潜力巨大，有很大潜力顺利完成减排任务.4) 建立GM(1,1)预测模型，山西省在2015～2030年碳排放值范围为5×108～12×108 t，与情景分析预测得出的范围接近；由于灰色关联预测只是根据之前碳排放趋势进行的预测，故预测的碳排放量处于一直增长的状态. 这也进一步说明情景分析结果的合理性，在不进行调控的情形下山西省无法完成2030年达峰值的目标.3.2 政策建议根据山西省碳排放的影响因素分析及峰值预测研究，可知山西省面临较大的节能减排压力. 对此，提出以下政策建议：1) 调整产业结构，发展低碳产业. 山西省作为煤炭大省，发展过度依赖资源并且结构单一，产生大量能源消费碳排放. 如果能够积极调整产业结构，淘汰高耗能高污染行业，大力发展第三产业，产业结构的调整与优化对碳排放的抑制作用会进一步提高.2) 大力发展清洁能源. 虽然山西省以煤炭为主的能源消费结构短期内也无法发生变化，但是可以通过大力开发太阳能、生物质能、风能等清洁可再生能源来减少化石能源的消费，达到减少碳排放的目的.3) 增加碳汇. 提高山西省植被覆盖率，充分发挥碳汇的潜力.参考文献：[1] Ang B W. The LMDI approach to decomposition analysis: a practical guide[J]. Energy Policy, 2005, 33(7)： 867-871.[2] Ang B W, Lee S Y. Decomposition of industrial energy consumption：some methodological and application issues [J]. Energy Economics, 1994：83-92.[3] Ang B W. Decomposition analysis for policy making in energy： which is the preferred method [J]. Energy Policy, 2004, 32(9)： 1131-1139. [4] 梁大鹏, 刘天森, 李一军. 基于LMDI模型的金砖五国二氧化碳排放成本及其影响因素比较研究[J]. 资源科学, 2015(12)： 2319-2329.Liang Dapeng , Liu Tiansen, Li Yijun. Comparative study on the carbon emission cost and its influencing factors in the brics countries based on LMDI model[J]. Resources Science, 2015(12)： 2319-2329. (in Chinese) [5] 王栋，潘文卿，刘庆，等. 中国产业CO2排放的因素分解：基于LMDI模型[J]. 系统工程理论与实践， 2012(6)： 1193-1203.Wang Dong， Pan Wenqing， Liu Qing， et al. Factor decomposition of CO2 emission in Chinese industry： based on LMDI model[J]. System Engineering Theory and Practice， 2012(6)： 1193-1203. (in Chinese)[6] 杨磊玉. 我国行业碳排放测算、结构分解及影响因素研究[J]. 统计与决策，2016(2)： 105-108.Yang Leiyu. Research on carbon emission calculation， structure decomposition and influencing factors in China[J]. Statistics and Decision Making， 2016(2)： 105-108. (in Chinese)[7] 田中华，杨泽亮，蔡睿贤. 广东省能源消费碳排放分析及碳排放强度影响因素研究[J]. 中国环境科学， 2015(6)： 1885-1891.Tian Zhonghua， Yang Zeliang， Cai Ruixian. Study on the carbon emission analysis of energy consumption in guangdong province and the influence factors of carbon emission intensity[J]. Chinese Environmental Science， 2015(6)： 1885-1891. (in Chinese)[8] 田泽，董凯丽，吴凤平. 江苏省终端能源消费CO2排放总量测算及驱动因素研究[J]. 中国人口·资源与环境， 2015(11)： 19-27.Tian Ze， Dong Kaili， Wu Fengping. Measurement of total emission ofCO2 and driving factors of terminal energy consumption in jiangsu province[J]. China’s population， Resources and Environment， 2015(11)：19-27. (in Chinese)[9] 李永亮，姚芩，白卫国，等. 山东省能源消费二氧化碳排放驱动影响因素分析[J]. 中国集体经济， 2016(3)： 22-25.Li Yongliang， Yao Ling， Bai Weiguo， et al. Analysis of the influence factors of energy consumption carbon dioxide emission in shandong province[J]. China’s Collective Economy， 2016(3)： 22-25. (in Chinese) [10] 江方利，黄炜斌，马光文. 四川省能源消费碳排放影响因素分解研究[J]. 中国人口·资源与环境， 2016(S1)： 45-48.。