區(qū)域能源消費(fèi)碳排放峰值預(yù)測(cè)及可控性研究

王憲恩+王泳璇+段海燕

收稿日期：2014-03-30

作者簡(jiǎn)介：王憲恩，博士，教授，博導(dǎo)，主要研究方向?yàn)榄h(huán)境經(jīng)濟(jì)、環(huán)境管理、環(huán)境規(guī)劃與評(píng)價(jià)等。

通訊作者：段海燕，博士，副教授，主要研究方向?yàn)榄h(huán)境管理與環(huán)境經(jīng)濟(jì)、環(huán)境法等。

基金項(xiàng)目：國(guó)家自然科學(xué)基金項(xiàng)目“應(yīng)對(duì)氣候變化的低碳經(jīng)濟(jì)區(qū)建設(shè)政策研究”（編號(hào)：70941036）；吉林省科技廳項(xiàng)目“吉林省碳排放峰值預(yù)測(cè)與低碳發(fā)展政策研究”（編號(hào)：20110638）；吉林省科技廳項(xiàng)目“吉林省民用建筑節(jié)能降耗對(duì)策研究”（編號(hào)：20120606）。

摘要探討不同因素對(duì)能源消費(fèi)碳排放峰值的影響，對(duì)國(guó)家（地區(qū)）低碳政策具有重要意義。本文以吉林省為例，根據(jù)低碳社會(huì)發(fā)展各個(gè)不同階段設(shè)定低碳情景、節(jié)能-低碳情景、節(jié)能情景和基準(zhǔn)情景等4種情景，基于擴(kuò)展STIRPAT模型，對(duì)能源消費(fèi)碳排放進(jìn)行預(yù)測(cè)，峰值時(shí)間分別為2029年、2036年、2040年和2045年，對(duì)應(yīng)峰值依次為264.0×106 t,356.2×106 t,430.0×106 t和477.3×106 t。在此基礎(chǔ)上，對(duì)吉林省能源消費(fèi)碳排放展開可控性研究，探討各因素變化對(duì)峰值大小和峰值時(shí)間的影響，分析表明各因素對(duì)峰值均有不同程度的影響，其中人口、城市化率只影響峰值大小，人均GDP、碳排放強(qiáng)度和第二產(chǎn)業(yè)占比對(duì)峰值時(shí)間和大小均有一定影響，三種因素分別從低速率提升至高速率時(shí)，人均GDP將導(dǎo)致峰值時(shí)間推遲，而碳排放強(qiáng)度和第二產(chǎn)業(yè)占比則將推動(dòng)峰值時(shí)間提前；進(jìn)一步定量分析各因素影響程度，依次為：人均GDP>第二產(chǎn)業(yè)占比>碳排放強(qiáng)度>城市化率>人口。根據(jù)研究結(jié)果對(duì)吉林省政策次序提出建議，在保證經(jīng)濟(jì)發(fā)展質(zhì)量的基礎(chǔ)上，控制經(jīng)濟(jì)增長(zhǎng)速度、優(yōu)先調(diào)整產(chǎn)業(yè)結(jié)構(gòu)、降低碳排放強(qiáng)度、合理規(guī)劃推進(jìn)城鎮(zhèn)化進(jìn)程。

關(guān)鍵詞能源消費(fèi)碳排放；峰值影響；STIRPAT；可控性研究

中圖分類號(hào)X321文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)1002-2104（2014）08-0009-08doi:10.3969/j.issn.1002-2104.2014.08.002

隨著應(yīng)對(duì)氣候變化行動(dòng)的不斷深入，化石能源燃燒引致的碳排放問(wèn)題越來(lái)越受到人們的關(guān)注［1］。圍繞氣候變化問(wèn)題的談判已成為各國(guó)間的利益博弈［2］，2020年《京都議定書》第二履約期期滿，所有簽約國(guó)將面臨全面參加減排框架的可能；同時(shí)，基于低碳發(fā)展的需要，中國(guó)及各省急需了解自身未來(lái)的碳排放趨勢(shì)及峰值情形，為今后的低碳發(fā)展制定和實(shí)施科學(xué)性政策。因此，預(yù)測(cè)能源消費(fèi)碳排放峰值的大小和時(shí)間（下文均簡(jiǎn)稱“碳排放”、“峰值大小”和“峰值時(shí)間”），探討各因素對(duì)峰值大小和時(shí)間的影響具有重要意義。

目前國(guó)內(nèi)外學(xué)術(shù)界對(duì)碳排放方面的研究主要集中于碳排放影響研究?？偨Y(jié)普遍性的研究結(jié)論，從人口視角［3-5］出發(fā)，認(rèn)為人口規(guī)模、居民消費(fèi)、城市化率等驅(qū)動(dòng)碳排放的增加；從經(jīng)濟(jì)視角［6-8］出發(fā)，認(rèn)為經(jīng)濟(jì)發(fā)展對(duì)碳排放起到最為顯著的驅(qū)動(dòng)效應(yīng)；從技術(shù)視角［6-7,9］出發(fā)，認(rèn)為碳排放強(qiáng)度、單位GDP能耗等降低對(duì)碳排放起負(fù)向效應(yīng)；從產(chǎn)業(yè)結(jié)構(gòu)，能源結(jié)構(gòu)視角［7,9-10］出發(fā)，認(rèn)為產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，能源結(jié)構(gòu)優(yōu)化，有助于減緩碳排放的增加。隨著碳排放研究的不斷深入，很多學(xué)者展開對(duì)碳排放的預(yù)測(cè)研究，渠鎮(zhèn)寧［11］利用STIRPAT模型對(duì)未來(lái)中國(guó)碳排放峰值進(jìn)行預(yù)測(cè)；Shiyan Zhai［12］基于能源消費(fèi)預(yù)測(cè)印度碳排放峰值；朱永彬［13］基于能源消費(fèi)預(yù)測(cè)中國(guó)碳排放峰值出現(xiàn)在2040年左右。但現(xiàn)有研究中，較少涉獵不同因素對(duì)峰值大小和時(shí)間的影響，朱永彬分3種情景模擬可再生能源替代政策對(duì)碳排放的影響，發(fā)現(xiàn)提高可再生能源比重可以明顯降低碳排放量，而對(duì)峰值時(shí)間影響甚微,但并未對(duì)其結(jié)論展開分析討論；渠鎮(zhèn)寧預(yù)測(cè)中國(guó)碳排放峰值時(shí)，將產(chǎn)業(yè)結(jié)構(gòu)取為定值，認(rèn)為其不影響峰值時(shí)間，但同樣缺少對(duì)這種設(shè)定的分析說(shuō)明。

本文以吉林省為例，基于擴(kuò)展STIRPAT模型，運(yùn)用情景分析預(yù)測(cè)吉林省不同情景下的碳排放峰值，在此基礎(chǔ)上，通過(guò)數(shù)理推導(dǎo)分析各個(gè)因素單獨(dú)變化對(duì)峰值時(shí)間和大小的影響，以此為基礎(chǔ)進(jìn)行可控性分析，根據(jù)研究結(jié)果，為吉林省低碳經(jīng)濟(jì)發(fā)展提供科學(xué)的決策參考。

1原理和方法1.1STIRPAT模型

碳排放研究中常使用IPAT及衍生的STIRPAT［11,14］、LMDI［15］，環(huán)境庫(kù)茲涅茨曲線［4］以及其他研究方法等，其中IPAT及STIRPAT為確定性的數(shù)理公式，能夠?qū)⒏饔绊懸蛩刂鹨贿M(jìn)行分解［16］，有助于深入研究單因素對(duì)碳排放峰值的影響。

STIRPAT模型是Dietz T［17］為克服IPAT［18］等比例變化的局限性，將IPAT等式以隨機(jī)模型的形式表示而建立的。通過(guò)對(duì)人口、財(cái)富和技術(shù)條件因素的統(tǒng)計(jì)回歸，進(jìn)行碳排放影響的隨機(jī)估計(jì)。模型表達(dá)為：

I=aP b A c T d e(1)

其中，I、P、A、T分別表示環(huán)境壓力、人口數(shù)量、富裕度和技術(shù)水平；a是模型的系數(shù)；b、c、d分別是各自變量指數(shù)；e為模型誤差［19］。

1.2情景分析

情景分析廣泛應(yīng)用于能源消費(fèi)碳排放的相關(guān)研究，如國(guó)際能源署，國(guó)家發(fā)改委能源研究所等權(quán)威部門均采用該方法研究未來(lái)碳排放趨勢(shì)［20］，情景設(shè)定方法各有不同［20-22］。本文參考已有研究，根據(jù)低碳社會(huì)發(fā)展各個(gè)不同階段設(shè)定4種情景：基準(zhǔn)情景、節(jié)能情景、節(jié)能-低碳情景和低碳情景。情景分析時(shí)間跨度為2010-2050年。根據(jù)彈性系數(shù)定義，P、A、T每發(fā)生1%的變化，將分別引起I發(fā)生b%、c%、d%的變化?，F(xiàn)有研究為了更加全面的分析影響碳排放的因素，STIRPAT模型在運(yùn)用中通常會(huì)加入無(wú)量綱變基，如城市化率等，通過(guò)回歸分析結(jié)果展開研究。

121基準(zhǔn)情景（Business as Usual Scenario）

以吉林省“十一五”之前未采取節(jié)能減排政策和措施的社會(huì)發(fā)展情況為基準(zhǔn)，能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和節(jié)能技術(shù)等未來(lái)發(fā)展速率的設(shè)定基于未實(shí)行節(jié)能減排政策的水平，基本反映自然引導(dǎo)型的經(jīng)濟(jì)發(fā)展與碳排放狀態(tài)。

122節(jié)能情景（Energysaving Scenario）

以吉林省“十一五”實(shí)行節(jié)能減排后的社會(huì)發(fā)展現(xiàn)狀為基礎(chǔ)，能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)和節(jié)能技術(shù)等未來(lái)發(fā)展速率的設(shè)定基于實(shí)行節(jié)能減排政策的水平，提高能源效率和低碳技術(shù)的應(yīng)用，基本反映節(jié)能政策引導(dǎo)下的經(jīng)濟(jì)發(fā)展與碳排放狀態(tài)。

123節(jié)能-低碳情景（Energysaving to Lowcarbon Scenario）

在節(jié)能減排政策推行過(guò)程中，進(jìn)一步提高政策措施實(shí)行力度，全面展開低碳社會(huì)建設(shè)，能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)等方面未來(lái)發(fā)展速率的設(shè)定，初始階段參照節(jié)能情景的設(shè)定，逐步深化低碳發(fā)展，如增加天然氣能源比重等，注重經(jīng)濟(jì)與環(huán)境的協(xié)調(diào)發(fā)展，基本反映在節(jié)能減排基礎(chǔ)上自身努力所能實(shí)現(xiàn)的經(jīng)濟(jì)發(fā)展與碳排放狀態(tài)。

124低碳情景（Lowcarbon Scenario）

全面展開低碳社會(huì)建設(shè)，綜合考慮社會(huì)經(jīng)濟(jì)與環(huán)境的可持續(xù)發(fā)展，確保經(jīng)濟(jì)穩(wěn)定增長(zhǎng)的同時(shí)，積極改變社會(huì)的發(fā)展模式，科學(xué)規(guī)劃城市發(fā)展，加快技術(shù)進(jìn)步、控制人口增長(zhǎng)和改變能源消費(fèi)方式等，要求在經(jīng)濟(jì)、技術(shù)、能源等方面有重大舉措且效果顯著，基本反映通過(guò)積極努力，盡力爭(zhēng)取所能實(shí)現(xiàn)的經(jīng)濟(jì)發(fā)展與碳排放狀態(tài)。

2吉林省能源消費(fèi)碳排放峰值預(yù)測(cè)

2012年末，吉林省人口為2 750.4萬(wàn)人，GDP達(dá)到11 939.2億元，經(jīng)濟(jì)產(chǎn)業(yè)結(jié)構(gòu)比例為12∶53∶35，能源消費(fèi)總量為9 028.3萬(wàn)t標(biāo)煤，呈逐年上升趨勢(shì)，其中煤炭占比70%以上，第二產(chǎn)業(yè)仍為最主要的能源消費(fèi)部門，能源消費(fèi)碳排放量達(dá)221.8百萬(wàn)tCO2，人均碳排放量為8.1 t/人，約為全國(guó)平均水平的1.7倍，碳減排形勢(shì)嚴(yán)峻且低碳經(jīng)濟(jì)發(fā)展水平較為落后。

2.1STIRPAT模型擴(kuò)展及數(shù)據(jù)來(lái)源

借鑒眾多學(xué)者研究的基礎(chǔ)上，從人口視角、經(jīng)濟(jì)視角、技術(shù)視角和結(jié)構(gòu)視角等出發(fā)，結(jié)合吉林省特點(diǎn)，分別選擇人口（萬(wàn)人）、人均GDP（億元/萬(wàn)人，2000年不變價(jià)）、碳排放強(qiáng)度（t/萬(wàn)元）、以及無(wú)量綱因素城市化率（%）和第二產(chǎn)業(yè)占比（%）等五個(gè)因素，得到擴(kuò)展STIRPAT模型：

I=aPb Ac Tb Pse Isf g（2）

式中，I為碳排放量，P為人口，A為人均GDP，T為碳排放強(qiáng)度，Ps為城市化率，Is為第二產(chǎn)業(yè)占比，a為模型系數(shù),b、c、d、e、f依次表示各自變量的彈性系數(shù)，g為隨機(jī)誤差項(xiàng)。

本文所使用面板數(shù)據(jù)均來(lái)自于《吉林省統(tǒng)計(jì)年鑒2011》（1980-2010年），其中碳排放量是對(duì)應(yīng)年的終端能源消費(fèi)與碳排放系數(shù)計(jì)算得出。

2.2吉林省碳排放擬合

對(duì)面板數(shù)據(jù)檢驗(yàn)表明存在顯著共線性（多個(gè)變量VIF遠(yuǎn)大于10）。為克服多重共線性的影響，選擇嶺回歸（Ridge Regression）估計(jì)進(jìn)行模型擬合，以偏誤為代價(jià)減小參數(shù)估計(jì)量方差干擾［23］。

基于公式（2），對(duì)吉林省1980-2010年面板數(shù)據(jù)擬合并進(jìn)行顯著性檢驗(yàn)，k=0.04時(shí)，擬合度R2為0.96，F(xiàn)檢驗(yàn)值為129.5（sig為0.000），回歸方程顯著，符合經(jīng)濟(jì)學(xué)意義檢驗(yàn)。其影響程度大小依次為人均GDP（0.65***）、城市化率（0.36***）、人口（0.27***）、碳排放強(qiáng)度（0.26**）及第二產(chǎn)業(yè)占比（0.24***）（*是指在0.05的水平上顯著，**是指在0.01的水平上顯著，***是指在0.001的水平上顯著［19］）。

對(duì)應(yīng)的嶺回歸方程為：

ln I=1.60ln P+0.32 ln A+0.21ln T

+0.72ln Ps+1.05ln Is-10.3（3）

將吉林省1980-2010年的面板數(shù)據(jù)代入公式（3）進(jìn)一步驗(yàn)證方程的擬合程度，與碳排放實(shí)際值進(jìn)行對(duì)比，誤差絕對(duì)值均小于16%，基本保證吉林省碳排放預(yù)測(cè)的準(zhǔn)確性。

2.3情景參數(shù)設(shè)定

對(duì)人口、人均GDP、碳排放強(qiáng)度、城市化率和第二產(chǎn)業(yè)占比等因素分別設(shè)定三種變化速率（2011-2050年）：高速率、中速率和低速率。

231人口

聯(lián)合國(guó)［24］預(yù)測(cè)中國(guó)人口將于21世紀(jì)30年代達(dá)到峰值，林福德等［25］預(yù)計(jì)吉林省2028年左右達(dá)到人口峰值，以此為基礎(chǔ)設(shè)定人口的高速率目標(biāo)為2030年達(dá)到峰值。在“十二五”規(guī)劃中，吉林省采取更加積極的人口策略，年均增長(zhǎng)速率控制在3‰以內(nèi)，因此設(shè)定中速率下人口峰值為2025年，低速率下人口峰值出現(xiàn)在2020年。

232人均GDP

吉林省“十二五”規(guī)劃GDP增長(zhǎng)預(yù)期為12%以上，且近10年GDP的平均增速為12.4%，處于高速發(fā)展階段，以此為基礎(chǔ)設(shè)定GDP高速率；2050中國(guó)能源和碳排放報(bào)告［26］中將我國(guó)2010-2020年經(jīng)濟(jì)增長(zhǎng)速率設(shè)定為8.3%，鑒于最近5年吉林省增長(zhǎng)速率均高于國(guó)家水平，以此為基礎(chǔ)設(shè)定低速率；中速率介于高、低速率之間。

233碳排放強(qiáng)度

吉林省處于碳排放強(qiáng)度逐步下降階段，“十二五”規(guī)劃中碳排放強(qiáng)度5年累計(jì)下降17%，年平均變化速率為-3.66%，以此為基礎(chǔ)設(shè)定低速率。節(jié)能減排仍是吉林省未來(lái)的工作重點(diǎn)，積極發(fā)展低碳技術(shù)促進(jìn)碳排放強(qiáng)度降低，中速率和高速率在低速率基礎(chǔ)上適當(dāng)提高，到2015年碳排放強(qiáng)度分別下降為2.5 t/萬(wàn)元和2.3 t/萬(wàn)元。

234城市化率

宋麗敏（2007）［27］按照中國(guó)以往實(shí)際城鄉(xiāng)人口增長(zhǎng)速率預(yù)測(cè)，到2030年我國(guó)城市化率達(dá)到或略高于60%，以此為基礎(chǔ)設(shè)定低速率；我國(guó)十八大提出加快城鎮(zhèn)化進(jìn)程，城市化率增長(zhǎng)速率勢(shì)必提高，設(shè)定城市化率中速率在2025年達(dá)到60%，高速率在2020年達(dá)到60%。

235第二產(chǎn)業(yè)占比

吉林省尚處于工業(yè)化進(jìn)程，第二產(chǎn)業(yè)仍將在一段時(shí)間內(nèi)處于較高水平。劉朝［28］在基礎(chǔ)情景中設(shè)定2050年我國(guó)第二產(chǎn)業(yè)占比為48.7%，以此為基礎(chǔ)設(shè)定低速率；若吉林省加大產(chǎn)業(yè)調(diào)整力度，第二產(chǎn)業(yè)占比勢(shì)必下降，以此為基礎(chǔ)設(shè)定到2050年第二產(chǎn)業(yè)占比中速率為45%，高速率下為40%［29］。

根據(jù)1.2的情景描述，對(duì)照各因素參數(shù)設(shè)定，確定每個(gè)情景中各因素的變化速率，如表1所示。

表14種情景的設(shè)定

Tab.1Explanation of setting four scenarios

情景

Scenario人口

Population人均

GDP

Per capita

GDP城市化率

Urbaniz

ation rate碳排放

強(qiáng)度

Carbon

intensity第二產(chǎn)

業(yè)占比

Proportion

of

secondary

industry低碳情景低中低高高節(jié)能-

低碳情景中中中中-高中節(jié)能情景高高中中低-中基準(zhǔn)情景高高中低低注：高、中、低分別代表高速率、中速率和低速率，中-高代表2010-2020年為中速率，2021-2050年為高速率，低-中代表2010-2030為低速率，2030-2050年為中速率。

2.4吉林省碳排放峰值結(jié)果討論

基于參數(shù)設(shè)定，預(yù)測(cè)不同情景下吉林省2011-2050年碳排放，如圖1所示，吉林省峰值時(shí)間介于2029-2045年，峰值大小介于264.0×106 t-477.3×106 t。

241宏觀對(duì)比

低碳情景2029年最早達(dá)到峰值且峰值最小，為264.0×106 t，其次為節(jié)能-低碳情景356.2×106 t，在2036年達(dá)到峰值，再次為節(jié)能情景430.0×106 t，在2040年達(dá)到峰值，基準(zhǔn)情景在2045年最晚達(dá)到峰值且峰值最大，為477.3×106 t，比低碳情景高出213.3×106 t，比節(jié)能-低碳情景高出121.1×106 t，比節(jié)能情景高出47.3×106 t。若吉林省繼續(xù)實(shí)施節(jié)能減排（節(jié)能情景），與“十一五”情形（基準(zhǔn)情景）相比，峰值時(shí)間將有一定提前，峰值大小降低約0.5億t；若在“節(jié)能減排“基礎(chǔ)上積極發(fā)展低碳經(jīng)濟(jì)與技術(shù)，調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)（節(jié)能-低碳情景、低碳情景），峰值時(shí)間將進(jìn)一步提前，峰值大小降低約0.7-1.7億t。整個(gè)研究階段碳減排差距更為顯著，2010-2050年低碳情景、節(jié)能-低碳情景、節(jié)能情景和基準(zhǔn)情景的累積碳排放量依次為101.6億t，128.0億t，148.2億t和158.0億t，其中低碳情景累積碳排放量?jī)H為基準(zhǔn)情景的64%，兩者相差56.4億t約是吉林省2010年碳排放量的30倍。

242微觀對(duì)比

低碳情景、節(jié)能-低碳情景、節(jié)能情景和基準(zhǔn)情景峰值年對(duì)應(yīng)的人均GDP（2000年不變價(jià)）依次為9.97萬(wàn)元、14.0萬(wàn)元、22.2萬(wàn)元和27.7萬(wàn)元，與已達(dá)碳排放峰值的主要國(guó)家（地區(qū)）橫向?qū)Ρ?，歐盟、英國(guó)、德國(guó)、法國(guó)能源消費(fèi)碳排放峰值年對(duì)應(yīng)人均GDP（美元）依次為1.16萬(wàn)、1.33萬(wàn)、1.55萬(wàn)、1.55萬(wàn)（2000年美元兌人民幣匯率約為8.27）。對(duì)比可知，低碳情景與節(jié)能-低碳情景在合理的經(jīng)濟(jì)水平范圍達(dá)到峰值，而節(jié)能情景與基準(zhǔn)情景則遠(yuǎn)遠(yuǎn)超出這一范圍，這說(shuō)明，吉林省應(yīng)積極調(diào)整現(xiàn)有經(jīng)濟(jì)社會(huì)發(fā)展模式，避免以環(huán)境為代價(jià)的經(jīng)濟(jì)單方面發(fā)展。

節(jié)能情景與基準(zhǔn)情景峰值是2010年碳排放的2倍以上，在控制能源消費(fèi)總量背景下，顯然以上兩種情景不符合低碳發(fā)展要求。低碳情景能源消費(fèi)與碳排放均為最小，人口、技術(shù)、產(chǎn)業(yè)結(jié)構(gòu)等多個(gè)方面調(diào)控均提升至較高水平，但短期內(nèi)花費(fèi)的社會(huì)成本可能過(guò)大。節(jié)能-低碳情景實(shí)現(xiàn)“節(jié)能”向“低碳”發(fā)展的平穩(wěn)過(guò)渡，符合社會(huì)發(fā)展進(jìn)步的基本規(guī)律，同時(shí)有效減少能源消耗與碳排放，筆者認(rèn)為現(xiàn)階段應(yīng)選擇節(jié)能-低碳情景作為吉林省社會(huì)經(jīng)濟(jì)發(fā)展路徑，并逐步深化低碳發(fā)展。

3吉林省能源消費(fèi)碳排放峰值單因素分析每個(gè)情景中，依次只改變一種因素變化速率（低速率中速率高速率），其他因素變化速率保持不變，定量分析各因素對(duì)吉林省碳排放峰值的影響（見表2）。

31人口

人口不影響峰值時(shí)間，但對(duì)峰值大小有一定的影響。改變?nèi)丝谧兓俾剩髑榫胺逯禃r(shí)間均為同一年，但人口變化速率越高，其對(duì)應(yīng)的碳排放峰值越大，各情景中人口高速率對(duì)應(yīng)的峰值大小比低速率高出15.9×106 t-38.3×106 t。結(jié)果表明，人口增長(zhǎng)對(duì)吉林省碳排放表現(xiàn)為增碳效應(yīng)，研究階段人口設(shè)定為先增加至峰值后減少，變化速率介于±3‰，雖然人口的彈性系數(shù)高達(dá)1.6，但由于人口變化幅度較小，因此對(duì)碳排放影響并不十分顯著。

32人均GDP

人均GDP對(duì)峰值時(shí)間以及峰值大小均有一定的影響。人均GDP變化速率越高，其對(duì)應(yīng)的峰值越大，各情景中人均GDP高速率對(duì)應(yīng)的峰值大小比低速率高出42.6-125.1×106 t；人均GDP變化速率越高將延遲峰值時(shí)間，以節(jié)能情景為例，人均GDP的低速率對(duì)應(yīng)峰值時(shí)間為2036年，而中速率與高速率對(duì)應(yīng)的峰值時(shí)間為2038年和2040年，分別延遲2年和4年見表（2）。結(jié)果表明，人均GDP增長(zhǎng)對(duì)吉林省碳排放表現(xiàn)為增碳效應(yīng)，研究階段不同變化速率下人均GDP提高了4.5-13.5倍，因此增碳效應(yīng)十分顯著［30］。隨著人均GDP增長(zhǎng)速率的提高，增碳效應(yīng)所引發(fā)的碳排放增長(zhǎng)速率大于減碳效應(yīng)，導(dǎo)致峰值時(shí)間出現(xiàn)延遲。除此之外，人均GDP由低速率提高至高速率，低碳情景碳排放峰值僅增加42.6×106 t，而基準(zhǔn)情景增加高達(dá)125.1×106 t，說(shuō)明不同社會(huì)發(fā)展情景的碳排放對(duì)經(jīng)濟(jì)增長(zhǎng)敏感程度有所不同，低碳發(fā)展水平越高，敏感程度越低。

33碳排放強(qiáng)度

碳排放強(qiáng)度對(duì)峰值時(shí)間以及峰值大小均有一定的影響。碳排放強(qiáng)度下降速率越高，其對(duì)應(yīng)的峰值越小，各情景中碳排放強(qiáng)度低速率對(duì)應(yīng)的峰值大小比高速率高出24.6×106 t-66.3×106 t；碳排放強(qiáng)度下降速率越高將使峰值時(shí)間提前，以節(jié)能-低碳情景為例，碳排放強(qiáng)度的高速率對(duì)應(yīng)峰值時(shí)間為2035年，而低速率為2037年，峰值時(shí)間提前2年。結(jié)果表明，碳排放強(qiáng)度降低對(duì)吉林省碳排放表現(xiàn)為減碳效應(yīng)，而使峰值時(shí)間提前的原因在于碳排放強(qiáng)度下降速率的提高，使減碳效應(yīng)所引發(fā)的碳排放下降速率大于增碳效應(yīng)。

吉林省2001-2010年碳排放強(qiáng)度年均變化率為-3.35%，而“十二五”規(guī)劃中碳排放強(qiáng)度5年累計(jì)下降17%，5年平均變化速率為-3.66%。若其他因素不變，圖14種情景下吉林省碳排放量預(yù)測(cè)結(jié)果（2010-2050）

Fig.1Predicting results of Jilins carbon emissions in four scenarios（2010-2050）2011-2015年碳排放強(qiáng)度分別按照-3.35%、-3.66%速率變化，根據(jù)公式（3），5年間后者比前者累積減排2.36×106 t。

34城市化率

城市化率不影響峰值時(shí)間，但對(duì)峰值大小有一定的影響。改變城市化率變化速率，各情景峰值時(shí)間均為同一年。城市化率變化速率越高，其對(duì)應(yīng)峰值越大，各情景中城市化率的高速率對(duì)應(yīng)的峰值大小比低速率高出16.9×106 t-48.6×106 t，表明城市化率提高對(duì)吉林省碳排放表現(xiàn)為增碳效應(yīng)［31］。吉林省處于城鎮(zhèn)化發(fā)展階段，人口從農(nóng)村轉(zhuǎn)移到城鎮(zhèn)，伴隨著人們生產(chǎn)與生活方式的變動(dòng)，包括能源利用方式的變化，從而影響著碳排放的變化［1］，但由于變化幅度較小，2001-2010年年均增長(zhǎng)率僅為0.76%，因此對(duì)碳排放影響并不顯著。

35第二產(chǎn)業(yè)占比

第二產(chǎn)業(yè)占比對(duì)峰值時(shí)間以及峰值大小均有一定影響。第二產(chǎn)業(yè)結(jié)構(gòu)調(diào)整越快，所對(duì)應(yīng)峰值越小，各情景中第二產(chǎn)業(yè)占比低速率對(duì)應(yīng)的峰值大小比高速率高出77.4×106 t-101.4×106 t；加快第二產(chǎn)業(yè)結(jié)構(gòu)調(diào)整可使峰值時(shí)間提前，以節(jié)能-低碳情景為例，第二產(chǎn)業(yè)占比高速率對(duì)應(yīng)峰值時(shí)間為2031年，而低速率與中速率對(duì)應(yīng)的峰值時(shí)間為2038年和2036年，分別提前7年和5年。結(jié)果表明，第二產(chǎn)業(yè)占比降低對(duì)吉林省碳排放表現(xiàn)為減碳效應(yīng)，而第二產(chǎn)業(yè)包含工業(yè)和建筑業(yè)，是能源消耗的主要部門，因此減碳效應(yīng)顯著。

進(jìn)一步定量分析第二產(chǎn)業(yè)占比對(duì)碳排放的影響，以節(jié)能-低碳情景峰值年為例，其他因素保持不變，第二產(chǎn)業(yè)占比設(shè)定在原有基礎(chǔ)上降低1%和2%，則對(duì)應(yīng)碳排放分別下降1.0%和2.1%，與彈性系數(shù)變化關(guān)系相吻合。

根據(jù)以上分析，各因素對(duì)峰值時(shí)間和大小的影響表現(xiàn)出不同的特征：人口、城市化率占比不影響峰值時(shí)間，只影響峰值大小；人均GDP、碳排放強(qiáng)度和第二產(chǎn)業(yè)比對(duì)峰值時(shí)間和大小均有不同程度的影響；各因素對(duì)峰值大小的影響程度也存在差異。

表2各因素在不同情景下不同變化速率的碳排放峰值

Tab.2Carbon emissions peaks of different impacts with different rate in each scenario106 t因素

Factors情景

Scenario低速率

Low variation

rate低速率峰值

時(shí)間（a）

Peak time

of low variation

rate中速率

Middle

variation rate中速率峰值

時(shí)間（a）

Peak time

of middle

variation

rate 高速率

High variation

rate高速率峰值

時(shí)間（a）

Peak time

of high

variation

rate人口低碳情景263.92029271.72029279.82029節(jié)能-低碳情景344.32036356.22036368.72036節(jié)能情景414.12040429.92040444.92040基準(zhǔn)情景464.72045484.42045503.02045人均GDP低碳情景236.62024263.92029279.22031節(jié)能-低碳情景303.92034356.22036386.32038節(jié)能情景343.12036405.02038444.92040基準(zhǔn)情景377.82038451.12040503.02045碳排放

強(qiáng)度低碳情景288.62029279.32029263.92029節(jié)能-低碳情景384.22037364.72036342.42035節(jié)能情景477.32045444.92040416.22040基準(zhǔn)情景503.02045466.22042436.72040城市化率低碳情景263.92029271.12029280.82029節(jié)能-低碳情景344.12036356.22036372.22036節(jié)能情景426.22040444.92040466.82040基準(zhǔn)情景454.42045477.32045503.02045第二產(chǎn)業(yè)占比低碳情景341.42036319.72035263.92029節(jié)能-低碳情景381.62038356.22036290.32031節(jié)能情景444.92040410.62040343.62040基準(zhǔn)情景477.32045438.22045378.52045

4吉林省能源消費(fèi)碳排放峰值可控性分析4.1峰值大小可控性分析

基于STIRPAT擬合公式（公式（3））可知，各因素對(duì)峰值大小的影響程度與回歸系數(shù)和各因素的變化程度有關(guān)，基于上述分析，人均GDP對(duì)峰值大小的影響最為顯著，其次為第二產(chǎn)業(yè)占比，碳排放強(qiáng)度，城市化率和人口的影響相近似。

以節(jié)能-低碳情景峰值年（2036年）為例，直接運(yùn)用公式（3）計(jì)算各因素（低速率→高速率）對(duì)碳排放的影響程度（見圖2），對(duì)峰值大小影響程度依次為：人均GDP（1.30）＞第二產(chǎn)業(yè)占比（1.28）＞碳排放強(qiáng)度（1.16）＞城市化率（1.08）＞人口（1.06），與表2中詳細(xì)數(shù)據(jù)對(duì)比所得結(jié)論相一致。

基于以上研究，確定吉林省碳減排措施次序：在保證經(jīng)濟(jì)發(fā)展質(zhì)量的基礎(chǔ)上，控制經(jīng)濟(jì)增長(zhǎng)速度，優(yōu)先調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，降低碳排放強(qiáng)度，制定科學(xué)的城市規(guī)劃，控制人口規(guī)模。

4.2峰值時(shí)間可控性分析

人均GDP、碳排放強(qiáng)度和第二產(chǎn)業(yè)占比對(duì)峰值時(shí)間影響不同，將三種因素分別從低速率提升至高速率時(shí)，人均GDP將導(dǎo)致峰值時(shí)間推遲，而碳排放強(qiáng)度和第二產(chǎn)業(yè)占比則將推動(dòng)峰值時(shí)間提前（見表2）。以節(jié)能-低碳情景為

圖2節(jié)能-低碳情景峰值年(2036)

高-低變化速率影響程度比較

Fig.2Comparison of impact extent of

variation rate changing(from high to low)

in Energysaving to Lowcarbon scenarios（2036）例，該情景中人均GDP低速率和高速率對(duì)應(yīng)峰值時(shí)間分別為2034年和2038年，峰值時(shí)間推遲4年；碳排放強(qiáng)度低速率和高速率對(duì)應(yīng)峰值時(shí)間分別為2037年和2035年，峰值時(shí)間提前2年；第二產(chǎn)業(yè)占比低速率和高速率對(duì)應(yīng)峰值時(shí)間分別為2038年和2031年，峰值時(shí)間提前7年。當(dāng)增碳效應(yīng)與減碳效應(yīng)相當(dāng)時(shí)，碳排放達(dá)到峰值，而峰值時(shí)間的提前和推遲原因在于影響因素變化速率改變后，打破了原有平衡，使峰值向影響因素變化方向移動(dòng)，直到達(dá)到新的平衡。文中人口與城市化率因素并未影響峰值時(shí)間，這主要由于兩者的自身性質(zhì)決定了其變化速率較小，文中人口與城市化率年均變化速率設(shè)定介于2-8‰，僅為碳排放強(qiáng)度、人均GDP的1/5-1/10；雖然城市化率與第二產(chǎn)業(yè)占比變化速率相近，但后者的彈性系數(shù)更高，因此對(duì)碳排放影響更為顯著。

基于以上研究，推動(dòng)峰值較早出現(xiàn)的政策措施依次為：控制經(jīng)濟(jì)增長(zhǎng)速度，大力調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，降低碳排放強(qiáng)度。

4.3小結(jié)

基于對(duì)碳排放峰值的可控性分析結(jié)果，根據(jù)影響顯著程度大小，對(duì)吉林省發(fā)展提出政策建議：在保證經(jīng)濟(jì)發(fā)展質(zhì)量的基礎(chǔ)上，控制經(jīng)濟(jì)增長(zhǎng)速度；優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，加快戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展，提高高技術(shù)產(chǎn)業(yè)和服務(wù)業(yè)比重；著力提升產(chǎn)業(yè)生產(chǎn)技術(shù)水平從而降低碳排放強(qiáng)度；推進(jìn)城鎮(zhèn)化過(guò)程中，貫徹節(jié)能低碳理念。

5結(jié)論

（1）低碳情景、節(jié)能-低碳情景、節(jié)能情景和基準(zhǔn)情景下，吉林省能源消費(fèi)碳排放峰值時(shí)間分別為2029年、2036年、2040年和2045年，峰值大小依次為264.0×106 t，356.2×106 t，430.0×106 t和477.3×106 t?；诩质〗?jīng)濟(jì)、產(chǎn)業(yè)結(jié)構(gòu)等多方面發(fā)展現(xiàn)狀，建議參考節(jié)能-低碳情景作為現(xiàn)階段社會(huì)經(jīng)濟(jì)發(fā)展路徑，并隨著低碳發(fā)展的不斷深化，逐步向低碳情景過(guò)渡。

（2）碳排放峰值單因素分析表明，人口、城市化率不影響碳排放峰值時(shí)間，只影響峰值大??；人均GDP、碳排放強(qiáng)度和第二產(chǎn)業(yè)比對(duì)峰值時(shí)間和峰值大小均有不同程度的影響。

（3）對(duì)峰值大小的影響：人均GDP的影響最為顯著，其次為第二產(chǎn)業(yè)占比和碳排放強(qiáng)度，城市化率和人口的影響相近似；對(duì)峰值時(shí)間的影響，人均GDP是導(dǎo)致峰值時(shí)間推遲的主要影響因素，而碳排放強(qiáng)度和第二產(chǎn)業(yè)占比是推動(dòng)峰值時(shí)間提前的主要影響因素。

通過(guò)區(qū)域能源消費(fèi)碳排放峰值單因素影響及可控性分析，定量、直觀討論各因素變化對(duì)碳排放峰值的影響程度，為政策措施實(shí)施的優(yōu)先次序提供參考；改變，調(diào)整各因素變化速率，可定量比對(duì)碳排放峰值的變化情況，基于此尋求經(jīng)濟(jì)社會(huì)發(fā)展與能源消費(fèi)碳排放控制的最優(yōu)模式，為政策制定提供前瞻性的科學(xué)支撐。

(編輯：尹建中)

參考文獻(xiàn)(References)

［1］朱勤，魏濤遠(yuǎn).居民消費(fèi)視角下人口城鎮(zhèn)化對(duì)碳排放的影響［J］.中國(guó)人口·資源與環(huán)境，2013，23（11）：21-29.［ZhuQin, Wei Taoyuan. Impacts of Urbanization on Carbon Emission from Perspective of Residential Consumption［J］. China Population, Resources and Environment, 2013，23（11）：21-29.］

［2］彭斯震，張九天.中國(guó)2020年碳減排目標(biāo)下若干關(guān)鍵經(jīng)濟(jì)指標(biāo)研究［J］. 中國(guó)人口·資源與環(huán)境，2012，22（5）：27-31.［Peng Sizhen, Zhang Jiutian. Study on Key Macroeconomic Factors and Indexs in Context of Chinas Goal of Carbon Intensity Reduction［J］. China Population, Resources and Environment, 2012，22（5）：27-31.］

［3］朱勤，彭希哲，陸志明，等.人口與消費(fèi)對(duì)碳排放影響的分析模型與實(shí)證［J］.中國(guó)人口·資源與環(huán)境，2010,20（2）：98-102.［Zhu Qin, Peng Xizhe, Lu Zhiming, et al. Analysis Model and Empirical Study of Impacts from Populution and Consumption on Carbon Emissions［J］. China Population, Resources and Environment, 2010,20（2）：98-102.］

［4］Lantz V, Feng Q. Assessing Income, Population, and Technology Impacts on CO2 Emissions in Canada: Wheres the EKC?［J］. Ecological Economics, 2006,（57）：229-238.

［5］Fan Y, Liu L C, Wu G, et al. Analyzing Impact Factors of CO2 Emissions Using the STIRPAT Model［J］.Environmental Impact Assessment Review, 2006,26(4):377-395.

［6］胡初枝，黃賢金，鐘太洋，等.中國(guó)碳排放特征及其動(dòng)態(tài)演進(jìn)分析［J］. 中國(guó)人口·資源與環(huán)境, 2008,18（3）：38-42.［Hu Chuzhi, Huang Xianjin, Zhong Taiyang, et al. Character of Carbon Emission in China and Its Dynamic Development Analysis［J］. China Population, Resources and Environment, 2008,18（3）：38-42.］

［7］Shinichiro O, Makoto T. Multiple Calibration Decomposition Analysis: Energy Use and Carbon Dioxide Emissions in Japanese Economy, 1970-1995［J］.Energy, 2007,35:5156-5170.

［8］鄒秀萍，陳劭鋒，寧森，等.中國(guó)省級(jí)區(qū)域碳排放影響因素的實(shí)證分析［J］.生態(tài)經(jīng)濟(jì)，2009,（3）：31-37.［Zou Xiuping, Chen Shaofeng, Ning Miao, et al. An Empirical Research on the Influence Factor of Carbon Emission in Chinese Provincial Region［J］.Ecological Economy, 2009,（3）：31-37.］

［9］宋德勇，盧忠寶.中國(guó)碳排放影響因素分解及其周期性波動(dòng)研究［J］.中國(guó)人口·資源與環(huán)境,2009,19（3）：18-24.［Song Deyong, Lu Zhongbao. The Factor Decomposition and Periodic Fluctuations of Carbon Emission in China［J］. China Population, Resources and Environment, 2009,19（3）：18-24.］

［10］郭朝先.產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)對(duì)中國(guó)碳排放的影響［J］. 中國(guó)人口·資源與環(huán)境，2012,22（7）：15-20.［Guo Chaoxian. Effect of Industrial Structure Change on Carbon Emission in China［J］. China Population, Resources and Environment, 2012,22（7）：15-20.］

［11］渠慎寧,郭朝先.基于STIRPAT模型的中國(guó)碳排放峰值預(yù)測(cè)研究［J］.中國(guó)人口·資源與環(huán)境,2010，(20):10-15.［Qu Shenning, Guo Chaoxian. Forecast of Chinas Carbon Emission based on STIRPAT Model［J］. China Population, Resources and Environment, 2010，(20):10-15.］

［12］Zhai Shiyan,Wang Zheng. The Prediction of Carbon Emissions Demands in India under the Balance Economic Growth Path［J］. Smart Grid and Renewable Energy，2012，（3）：186-193.

［13］朱永彬，王錚，龐麗，等.基于經(jīng)濟(jì)模擬的中國(guó)能源消費(fèi)與碳排放高峰預(yù)測(cè)［J］.地理學(xué)報(bào)，2009,64（8）：935-944.［Zhu Yongbin, Wang Zheng, Pang Li, et al. Simulation on Chinas Economy and Prediction on Energy Consumption and Carbon Emission under Optimal Growth Path［J］.Acta Geographica Sinica, 2009,64（8）：935-944.］

［14］Liu S,Zhao D, Dora M. Analysis of the Environmental Impact of China Based on STIRPAT Model［J］. Environmental Impact Assessment Review, 2009,29:341-347.

［15］Ang B W. Is the Energy Intensity a Less Useful Indicator than the Carbon Factor in the Study of Climate Change［J］. Energy Policy, 1999,27:943-946.

［16］秦昌才，劉樹林.碳排放影響因素研究的現(xiàn)狀、比較與啟示［J］.理論經(jīng)濟(jì)研究，2012,（3）：29-33,155.［Qin Changcai, Liu Shulin. The Status, Comparative and Enlightenment of the Research on the Influence Factor of Carbon Emission［J］. Theory Economic Research, 2012,（3）：29-33,155.］

［17］Thomas D, Rosa E A. Rethinking the Environmental Impacts of Population Affluence and Technology［J］. Human Ecology Review,1994,2(1):277-300.

［18］Ehrlish P R，Holdren J P．Impact of Population Growth［J］．Science，New Series，1971,171：1212-1217．

［19］劉健，王潤(rùn)，孫艷偉，等.中國(guó)低碳試點(diǎn)省份發(fā)展路徑研究［J］.中國(guó)人口·資源與環(huán)境，2012，3（22）：56-62.［Liu Jian, Wang Run, Sun Yanwei, et al. Analysis of Development Path for Lowcarbon Pilot Provinces in China［J］. China Population, Resources and Environment, 2012，3（22）：56-62.］

［20］楊來(lái)科，趙捧蓮，張?jiān)?中國(guó)碳排放量影響因素測(cè)算的研究方法比較［J］.華東經(jīng)濟(jì)管理，2012，26（5）：55-59.［Yang Laike, Zhao Penglian, Zhang Yun. Comparing on Research Methods of Influencing Factors Calculation of Carbon Emission in China［J］.East China Economic Management, 2012，26（5）：55-59.］

［21］付加鋒，劉小敏.基于情景分析法的中國(guó)低碳經(jīng)濟(jì)研究框架與問(wèn)題探索［J］.資源科學(xué)，2010,32（2）：205-210.［Fu Jiafeng, Liu Xiaomin. A Framework for Chinas Low Carbon Economy on the Basis of Scenario Analysis and Discussion on Relevant Issues［J］. Resources Science, 2010,32（2）：205-210.］

［22］張偉，張金鎖，李朋林，等.基于情景分析的區(qū)域經(jīng)濟(jì)社會(huì)低碳發(fā)展路經(jīng)研究：以陜西省為例［J］.統(tǒng)計(jì)應(yīng)用研究，2012,27（11）：60-66.［Fu Jiafeng, Liu Xiaomin, Li Penglin,et al. A Framework for Chinas Low Carbon Economy on the Basis of Scenario Analysis and Discussion on Relevant Issues［J］. Resources Science, 2012,27（11）：60-66.］

［23］彭希哲，朱勤.我國(guó)人口態(tài)勢(shì)與消費(fèi)模式對(duì)碳排放的影響分析［J］.人口研究，2010,34（1）：48-58.［Peng Xizhe, Zhu Qin. Impacts of Population Dynamics and Consumption Pattern on Carbon Emission in China［J］. Population Research, 2010,34（1）：48-58.］

［24］聯(lián)合國(guó)經(jīng)濟(jì)和社會(huì)事務(wù)部.世界人口展望(2010年修訂版)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html［The United Nations Department of Economic and Social Affairs.World Population Prospects (2010 Revision)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html］

［25］林富德，劉金塘.吉林省人口發(fā)展前景［J］.人口學(xué)刊，1995,（10）：44-56.［Lin Fude, Liu Jintang. The Development Prospect of Population in Jilin Province［J］. Population Journal, 1995,（10）：44-56.］

［26］2050中國(guó)能源和碳排放研究課題組.2050中國(guó)能源和碳排放報(bào)告［M］.北京：科學(xué)出版社，2009:767.［ 2050 China Energy and CO2 Emission Research Group.2050 China Energy and CO2 Emission Report［M］. Beijing: Science Press, 2009:767.］

［27］宋麗敏.中國(guó)人口城市化水平預(yù)測(cè)分析［J］.遼寧大學(xué)學(xué)報(bào):哲學(xué)社會(huì)科學(xué)版，2007,35（3）：115-119.［Song Limin. An Analysis of the Level of Chinas Urbanization ［J］. Journal of Liaoning University: Philosophy and Social Sciences Edition, 2007,35（3）：115-119.］

［28］劉朝，趙濤.中國(guó)低碳經(jīng)濟(jì)影響因素分析與情景預(yù)測(cè)［J］.資源科學(xué)，2011,33（5）：844-850.［Liu Zhao, Zhao Tao. Influencing Factors and Scenario Forecasting of Chinas LowCarbon Economy［J］. Resources Science, 2011,33（5）：844-850.］

［29］許廣月，宋德勇中國(guó)碳排放環(huán)境庫(kù)茲涅茨曲線的實(shí)證研究：基于省際面板數(shù)據(jù)［J］中國(guó)工業(yè)經(jīng)濟(jì)，2010，（5）：37-47［Xu Guangyue, Song Deyong. An Empirical Study of the Enviromnental Kuznets Cutve for ChinasCarbon Emission：Based on Provincial Panel Date［J］ China Industrial Economics, 2010，(5):37-47］

［30］劉竹，耿涌，薛冰，等中國(guó)低碳試點(diǎn)省份經(jīng)濟(jì)增長(zhǎng)與碳排放關(guān)系研究［J］資料科學(xué)，2011,33（4）：620-625［Liu Zhu, Geng Yong, Xue Bing, et al.Relationship Between Econormic Growth and CO2 Emission for Lowcarbon Pilot Provinces in China［J］ Resources Science, 2011,33(4):620-625］

［31］孫昌龍，靳諾，張小雷，等城市化不同演化階段對(duì)碳排放的影響差異［J］地理科學(xué)，2013,33（3）：266-272［Sun Changlong, Jin Nuo, Zhang Xiaolei, et al. The Impacts of Urbanization on the CO2 Emission in the Various Develapment Stages［J］Scientia Geographica Sinica, 2013,33(3):266-272］

Forecasting Areas Carbon Emissions of Energy Consumption and Controllability Study

WANG XianenWANG YongxuanDUAN Haiyan

（Key Laboratory of Groundwater Resources and Environment，Ministry of Education, Jilin University,

Changchun Jilin 130021, China）

AbstractIt is significant to explore the impact of various factors on carbon emissions peak of energy consumption for nation (region) to formulate lowcarbon Policy. Taking Jilin Province as an example, based on different stages of lowcarbon development, we set four scenarios: Lowcarbon Scenario, Energysaving to Lowcarbon Scenario, Energysaving Scenario, and Business as Usual Scenario, and forecast carbon emissions of energy consumption based on extendedSTIRPAT model. The peak time is respectively in 2029,2036,2040,and 2045, and the peaks are respectively 264.0 Mt,356.2 Mt,430.0 Mt, and 477.3 Mt. On this basis, we proceed with controllability study to discuss the impact of various factors with carbon emissions peak, and the analysis shows that the impact extent of factors is different. Population and urbanization rate only affects the peak value, but per capita GDP，carbon intensity and the proportion of secondary industry affect the peak value and time. When we change the rate from low to high, of these three factors, we can find that per capita GDP will delay the peak time, but carbon intensity and the proportion of secondary industry will bring forward the peak time. The impact of various factors in turn based on quantitative analysis: per capita GDP > the proportion of secondary industry > carbon intensity > urbanization rate > population. According to the results, we put forward lowcarbon policy: Jilin Province should focus on economic quality not growth rate, meanwhile give priority to adjust industrial structure, reduce carbon emissions intensity and reasonably promote urbanization.

Key wordscarbon emissions of energy consumption; impact on carbon emissions peak; STIRPAT; controllability study

［22］張偉，張金鎖，李朋林，等.基于情景分析的區(qū)域經(jīng)濟(jì)社會(huì)低碳發(fā)展路經(jīng)研究：以陜西省為例［J］.統(tǒng)計(jì)應(yīng)用研究，2012,27（11）：60-66.［Fu Jiafeng, Liu Xiaomin, Li Penglin,et al. A Framework for Chinas Low Carbon Economy on the Basis of Scenario Analysis and Discussion on Relevant Issues［J］. Resources Science, 2012,27（11）：60-66.］

［23］彭希哲，朱勤.我國(guó)人口態(tài)勢(shì)與消費(fèi)模式對(duì)碳排放的影響分析［J］.人口研究，2010,34（1）：48-58.［Peng Xizhe, Zhu Qin. Impacts of Population Dynamics and Consumption Pattern on Carbon Emission in China［J］. Population Research, 2010,34（1）：48-58.］

［24］聯(lián)合國(guó)經(jīng)濟(jì)和社會(huì)事務(wù)部.世界人口展望(2010年修訂版)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html［The United Nations Department of Economic and Social Affairs.World Population Prospects (2010 Revision)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html］

［25］林富德，劉金塘.吉林省人口發(fā)展前景［J］.人口學(xué)刊，1995,（10）：44-56.［Lin Fude, Liu Jintang. The Development Prospect of Population in Jilin Province［J］. Population Journal, 1995,（10）：44-56.］

［26］2050中國(guó)能源和碳排放研究課題組.2050中國(guó)能源和碳排放報(bào)告［M］.北京：科學(xué)出版社，2009:767.［ 2050 China Energy and CO2 Emission Research Group.2050 China Energy and CO2 Emission Report［M］. Beijing: Science Press, 2009:767.］

［27］宋麗敏.中國(guó)人口城市化水平預(yù)測(cè)分析［J］.遼寧大學(xué)學(xué)報(bào):哲學(xué)社會(huì)科學(xué)版，2007,35（3）：115-119.［Song Limin. An Analysis of the Level of Chinas Urbanization ［J］. Journal of Liaoning University: Philosophy and Social Sciences Edition, 2007,35（3）：115-119.］

［28］劉朝，趙濤.中國(guó)低碳經(jīng)濟(jì)影響因素分析與情景預(yù)測(cè)［J］.資源科學(xué)，2011,33（5）：844-850.［Liu Zhao, Zhao Tao. Influencing Factors and Scenario Forecasting of Chinas LowCarbon Economy［J］. Resources Science, 2011,33（5）：844-850.］

［29］許廣月，宋德勇中國(guó)碳排放環(huán)境庫(kù)茲涅茨曲線的實(shí)證研究：基于省際面板數(shù)據(jù)［J］中國(guó)工業(yè)經(jīng)濟(jì)，2010，（5）：37-47［Xu Guangyue, Song Deyong. An Empirical Study of the Enviromnental Kuznets Cutve for ChinasCarbon Emission：Based on Provincial Panel Date［J］ China Industrial Economics, 2010，(5):37-47］

［30］劉竹，耿涌，薛冰，等中國(guó)低碳試點(diǎn)省份經(jīng)濟(jì)增長(zhǎng)與碳排放關(guān)系研究［J］資料科學(xué)，2011,33（4）：620-625［Liu Zhu, Geng Yong, Xue Bing, et al.Relationship Between Econormic Growth and CO2 Emission for Lowcarbon Pilot Provinces in China［J］ Resources Science, 2011,33(4):620-625］

［31］孫昌龍，靳諾，張小雷，等城市化不同演化階段對(duì)碳排放的影響差異［J］地理科學(xué)，2013,33（3）：266-272［Sun Changlong, Jin Nuo, Zhang Xiaolei, et al. The Impacts of Urbanization on the CO2 Emission in the Various Develapment Stages［J］Scientia Geographica Sinica, 2013,33(3):266-272］

Forecasting Areas Carbon Emissions of Energy Consumption and Controllability Study

WANG XianenWANG YongxuanDUAN Haiyan

（Key Laboratory of Groundwater Resources and Environment，Ministry of Education, Jilin University,

Changchun Jilin 130021, China）

AbstractIt is significant to explore the impact of various factors on carbon emissions peak of energy consumption for nation (region) to formulate lowcarbon Policy. Taking Jilin Province as an example, based on different stages of lowcarbon development, we set four scenarios: Lowcarbon Scenario, Energysaving to Lowcarbon Scenario, Energysaving Scenario, and Business as Usual Scenario, and forecast carbon emissions of energy consumption based on extendedSTIRPAT model. The peak time is respectively in 2029,2036,2040,and 2045, and the peaks are respectively 264.0 Mt,356.2 Mt,430.0 Mt, and 477.3 Mt. On this basis, we proceed with controllability study to discuss the impact of various factors with carbon emissions peak, and the analysis shows that the impact extent of factors is different. Population and urbanization rate only affects the peak value, but per capita GDP，carbon intensity and the proportion of secondary industry affect the peak value and time. When we change the rate from low to high, of these three factors, we can find that per capita GDP will delay the peak time, but carbon intensity and the proportion of secondary industry will bring forward the peak time. The impact of various factors in turn based on quantitative analysis: per capita GDP > the proportion of secondary industry > carbon intensity > urbanization rate > population. According to the results, we put forward lowcarbon policy: Jilin Province should focus on economic quality not growth rate, meanwhile give priority to adjust industrial structure, reduce carbon emissions intensity and reasonably promote urbanization.

Key wordscarbon emissions of energy consumption; impact on carbon emissions peak; STIRPAT; controllability study

［22］張偉，張金鎖，李朋林，等.基于情景分析的區(qū)域經(jīng)濟(jì)社會(huì)低碳發(fā)展路經(jīng)研究：以陜西省為例［J］.統(tǒng)計(jì)應(yīng)用研究，2012,27（11）：60-66.［Fu Jiafeng, Liu Xiaomin, Li Penglin,et al. A Framework for Chinas Low Carbon Economy on the Basis of Scenario Analysis and Discussion on Relevant Issues［J］. Resources Science, 2012,27（11）：60-66.］

［23］彭希哲，朱勤.我國(guó)人口態(tài)勢(shì)與消費(fèi)模式對(duì)碳排放的影響分析［J］.人口研究，2010,34（1）：48-58.［Peng Xizhe, Zhu Qin. Impacts of Population Dynamics and Consumption Pattern on Carbon Emission in China［J］. Population Research, 2010,34（1）：48-58.］

［24］聯(lián)合國(guó)經(jīng)濟(jì)和社會(huì)事務(wù)部.世界人口展望(2010年修訂版)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html［The United Nations Department of Economic and Social Affairs.World Population Prospects (2010 Revision)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html］

［25］林富德，劉金塘.吉林省人口發(fā)展前景［J］.人口學(xué)刊，1995,（10）：44-56.［Lin Fude, Liu Jintang. The Development Prospect of Population in Jilin Province［J］. Population Journal, 1995,（10）：44-56.］

［26］2050中國(guó)能源和碳排放研究課題組.2050中國(guó)能源和碳排放報(bào)告［M］.北京：科學(xué)出版社，2009:767.［ 2050 China Energy and CO2 Emission Research Group.2050 China Energy and CO2 Emission Report［M］. Beijing: Science Press, 2009:767.］

［27］宋麗敏.中國(guó)人口城市化水平預(yù)測(cè)分析［J］.遼寧大學(xué)學(xué)報(bào):哲學(xué)社會(huì)科學(xué)版，2007,35（3）：115-119.［Song Limin. An Analysis of the Level of Chinas Urbanization ［J］. Journal of Liaoning University: Philosophy and Social Sciences Edition, 2007,35（3）：115-119.］

［28］劉朝，趙濤.中國(guó)低碳經(jīng)濟(jì)影響因素分析與情景預(yù)測(cè)［J］.資源科學(xué)，2011,33（5）：844-850.［Liu Zhao, Zhao Tao. Influencing Factors and Scenario Forecasting of Chinas LowCarbon Economy［J］. Resources Science, 2011,33（5）：844-850.］

［29］許廣月，宋德勇中國(guó)碳排放環(huán)境庫(kù)茲涅茨曲線的實(shí)證研究：基于省際面板數(shù)據(jù)［J］中國(guó)工業(yè)經(jīng)濟(jì)，2010，（5）：37-47［Xu Guangyue, Song Deyong. An Empirical Study of the Enviromnental Kuznets Cutve for ChinasCarbon Emission：Based on Provincial Panel Date［J］ China Industrial Economics, 2010，(5):37-47］

［30］劉竹，耿涌，薛冰，等中國(guó)低碳試點(diǎn)省份經(jīng)濟(jì)增長(zhǎng)與碳排放關(guān)系研究［J］資料科學(xué)，2011,33（4）：620-625［Liu Zhu, Geng Yong, Xue Bing, et al.Relationship Between Econormic Growth and CO2 Emission for Lowcarbon Pilot Provinces in China［J］ Resources Science, 2011,33(4):620-625］

［31］孫昌龍，靳諾，張小雷，等城市化不同演化階段對(duì)碳排放的影響差異［J］地理科學(xué)，2013,33（3）：266-272［Sun Changlong, Jin Nuo, Zhang Xiaolei, et al. The Impacts of Urbanization on the CO2 Emission in the Various Develapment Stages［J］Scientia Geographica Sinica, 2013,33(3):266-272］

Forecasting Areas Carbon Emissions of Energy Consumption and Controllability Study

WANG XianenWANG YongxuanDUAN Haiyan

（Key Laboratory of Groundwater Resources and Environment，Ministry of Education, Jilin University,

Changchun Jilin 130021, China）

AbstractIt is significant to explore the impact of various factors on carbon emissions peak of energy consumption for nation (region) to formulate lowcarbon Policy. Taking Jilin Province as an example, based on different stages of lowcarbon development, we set four scenarios: Lowcarbon Scenario, Energysaving to Lowcarbon Scenario, Energysaving Scenario, and Business as Usual Scenario, and forecast carbon emissions of energy consumption based on extendedSTIRPAT model. The peak time is respectively in 2029,2036,2040,and 2045, and the peaks are respectively 264.0 Mt,356.2 Mt,430.0 Mt, and 477.3 Mt. On this basis, we proceed with controllability study to discuss the impact of various factors with carbon emissions peak, and the analysis shows that the impact extent of factors is different. Population and urbanization rate only affects the peak value, but per capita GDP，carbon intensity and the proportion of secondary industry affect the peak value and time. When we change the rate from low to high, of these three factors, we can find that per capita GDP will delay the peak time, but carbon intensity and the proportion of secondary industry will bring forward the peak time. The impact of various factors in turn based on quantitative analysis: per capita GDP > the proportion of secondary industry > carbon intensity > urbanization rate > population. According to the results, we put forward lowcarbon policy: Jilin Province should focus on economic quality not growth rate, meanwhile give priority to adjust industrial structure, reduce carbon emissions intensity and reasonably promote urbanization.

Key wordscarbon emissions of energy consumption; impact on carbon emissions peak; STIRPAT; controllability study