溫室氣體碳排放預(yù)測(cè)模型研究進(jìn)展與分析

孟繁健 賀思思 郭家宏 郝優(yōu)優(yōu) 李麗芬 孟凡旭

摘 要：中國(guó)溫室氣體排放量在全球范圍內(nèi)占較大比例，為碳排放大國(guó)，減排壓力巨大。為了更好地進(jìn)行碳排放預(yù)測(cè)，估算中國(guó)碳減排潛力，文章對(duì)六種常用的碳排放預(yù)測(cè)模型從基本優(yōu)缺點(diǎn)比較、基礎(chǔ)數(shù)據(jù)的可得性、設(shè)計(jì)參數(shù)的難易程度等角度進(jìn)行了分析，并根據(jù)相關(guān)文獻(xiàn)與應(yīng)用實(shí)例闡述了不同模型的碳排放預(yù)測(cè)應(yīng)用差異和可行性。提出在碳排放預(yù)測(cè)的實(shí)際工作中，應(yīng)當(dāng)充分考慮本地區(qū)的產(chǎn)業(yè)經(jīng)濟(jì)、能源消耗等特征，篩選出碳排放的主要驅(qū)動(dòng)因素，并根據(jù)不同因素對(duì)碳排放影響的權(quán)重選擇適當(dāng)?shù)哪Ｐ?，以達(dá)到最好的擬合和預(yù)測(cè)效果的建議。

關(guān)鍵詞：溫室氣體 碳排放預(yù)測(cè) 模型 優(yōu)化

中圖分類(lèi)號(hào)：F205 ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1004-4914（2015）11-216-04

引言

政府間氣候變化專(zhuān)門(mén)委員會(huì)（Intergovernmental Panel on Climate Change， IPCC）第4次評(píng)估報(bào)告認(rèn)為，以氣溫升高為主要特征的全球氣候變化在很大程度上是由于人為活動(dòng)導(dǎo)致的溫室氣體排放，尤其是化石能源使用引起的CO2的排放。2013年度《全球碳預(yù)算》報(bào)告指出，中國(guó)已成為化石燃料燃燒CO2排放量最大的國(guó)家，占全球總排量的27%，大于美國(guó)和歐盟排放總和，碳排放增長(zhǎng)對(duì)全球增長(zhǎng)量的貢獻(xiàn)達(dá)到71%？譹？訛。2014年發(fā)布的《中美氣候變化聯(lián)合聲明》中，中國(guó)承諾到2030年前停止增加CO2排放，即等于承諾2030年達(dá)到碳排放峰值點(diǎn)？譺？訛。因此，中國(guó)作為碳排放大國(guó)，在未來(lái)10—15年碳減排壓力巨大。實(shí)行嚴(yán)格的低碳政策、減少化石能源的使用并提高能源使用效率是減少CO2排放的主要途徑，而預(yù)測(cè)中國(guó)未來(lái)的碳排放量從而合理估算碳減排潛力則是制定減排目標(biāo)的重要基礎(chǔ)。

本文結(jié)合目前國(guó)內(nèi)外碳排放預(yù)測(cè)的相關(guān)研究，重點(diǎn)介紹了IPAT、Kaya、STIRPAT、LMDI、LEAP、Logistic六種模型，并通過(guò)對(duì)這些模型的對(duì)比分析，總結(jié)出各種模型的特點(diǎn)、側(cè)重領(lǐng)域和優(yōu)化方向，對(duì)不同領(lǐng)域碳排放預(yù)測(cè)的模型選擇提供了幫助。

一、六種預(yù)測(cè)模型特點(diǎn)與應(yīng)用特征

20世紀(jì)70年代，Ehrlich等首次提出IPAT模型，其目的是為了辨別人口數(shù)量、富裕度、技術(shù)等人文驅(qū)動(dòng)力中何種驅(qū)動(dòng)力對(duì)環(huán)境壓力的影響更為明顯。該方程在大量學(xué)者經(jīng)過(guò)反復(fù)討論和驗(yàn)證后確定下來(lái)，具有簡(jiǎn)單實(shí)用的特點(diǎn)。20世紀(jì)末，在該方程的基礎(chǔ)上，Kaya在IPCC研討會(huì)上提出了Kaya恒等式，該恒等式是IPAT方程的一個(gè)具體應(yīng)用，它通過(guò)構(gòu)造鏈?zhǔn)匠朔e的形式分解出多個(gè)影響因素，將人類(lèi)活動(dòng)產(chǎn)生的CO2與人口數(shù)量、人均GDP、能耗強(qiáng)度等因子聯(lián)系起來(lái)。1994年，York，Dietz 等基于IPAT模型提出了隨機(jī)回歸影響模型STIRPAT模型，該模型是多變量的非線性模型，分別考慮了人口、財(cái)富、技術(shù)等因素各自單獨(dú)變動(dòng)對(duì)環(huán)境的影響，被認(rèn)為是定量分析人文因素對(duì)環(huán)境壓力影響的一種有效方法。上述三種模型在碳排放預(yù)測(cè)領(lǐng)域最為常見(jiàn)，它們?cè)跇?gòu)建碳排放分解模型上各具特色，但仍存在一定的局限性，如IPAT模型參數(shù)分解時(shí)沒(méi)有同時(shí)考慮產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)的影響;Kaya模型僅能解釋一次能源消耗對(duì)碳排放的貢獻(xiàn)。

此外，國(guó)內(nèi)外常用的碳排放預(yù)測(cè)模型還有LMDI模型，LEAP模型和Logistic模型，下文將具體介紹以上六種模型，并對(duì)其應(yīng)用特征進(jìn)行總結(jié)。

1.IPAT模型。1971年，Ehrlich與Holden？譻？訛提出用于評(píng)估環(huán)境壓力的IPAT模型。反映的是人口、經(jīng)濟(jì)、能源與環(huán)境關(guān)系。

表達(dá)式：I=PAT

I為環(huán)境壓力，可替代為CO2排放總量;P為人口;A為人均GDP;T為技術(shù)，可替代為能源消耗強(qiáng)度。

該模型認(rèn)為環(huán)境壓力受人口、GDP、技術(shù)三種驅(qū)動(dòng)力共同作用，且與各驅(qū)動(dòng)力間均成1：1等比例變化關(guān)系，即任何一個(gè)驅(qū)動(dòng)力發(fā)生1%變化都會(huì)引起環(huán)境壓力相應(yīng)發(fā)生1%的變化？譼？訛。在此基礎(chǔ)上，Waggoner等？譽(yù)？訛對(duì)其進(jìn)行了改進(jìn)，發(fā)展為ImPACT模型，m表示人為因素對(duì)I的影響，并且把IPAT等式中的技術(shù)T分解成單位GDP消費(fèi)和單位消費(fèi)產(chǎn)生的環(huán)境影響？譾？訛。這兩種形式都屬于IPAT模型，被認(rèn)為是研究能源經(jīng)濟(jì)和碳排放峰值的重要方法之一。

2.Kaya模型。

20世紀(jì)末，日本學(xué)者Kaya Yoichi ？譿？訛提出Kaya模型，他認(rèn)為一個(gè)國(guó)家或地區(qū)的碳排放量受到人口數(shù)量、人均GDP、單位GDP 能源強(qiáng)度以及單位能耗碳排放量四個(gè)因素影響。

其最初表達(dá)形式如下：

GHG=GHG/TOE×TOE/GDP×GDP/POP×POP=f·e·g·p，

其中，GHG為溫室氣體的排放總量;TOE為一次能源的消耗總量;GDP為國(guó)內(nèi)生產(chǎn)總值;POP為總?cè)丝跀?shù)量;f （GHG/TOE）為能源碳強(qiáng)度;e（TOE/GDP）為單位GDP的能源強(qiáng)度;g（GDP/POP）為人均GDP？讀？訛。

Kaya模型可定量分析碳排放過(guò)程中各種影響因素的相對(duì)重要性及其動(dòng)態(tài)變化，揭示了碳排放主要的內(nèi)在驅(qū)動(dòng)力。這種方法得到了國(guó)際社會(huì)的一致認(rèn)可，被廣泛應(yīng)用于各個(gè)國(guó)家和地區(qū)的碳排放量歷史波動(dòng)變化的驅(qū)動(dòng)因素分析？讁？訛。

3.STIRPAT模型。STIRPAT模型是1994年由York，Dietz等基于IPAT模型提出的隨機(jī)回歸影響模型，是多變量的非線性模型，考慮了人口、財(cái)富和技術(shù)因素各自不同變動(dòng)對(duì)環(huán)境的單獨(dú)影響。

表達(dá)式：I=aPbAcTde，

其中，I為環(huán)境壓力，在具體應(yīng)用中可直接替代為碳排放總量;P為人口數(shù)量;A為富裕度;T為技術(shù);a為模型的系數(shù);b為人口數(shù)量指數(shù);c為富裕度指數(shù);d為技術(shù)人文驅(qū)動(dòng)力指數(shù);e為模型的隨機(jī)誤差（包括時(shí)間誤差、區(qū)域誤差及因素分解誤差等）。

在實(shí)際應(yīng)用中通常將STIRPAT模型轉(zhuǎn)變?yōu)槠鋵?duì)數(shù)形式：

I=f+b1np+c1nA+d1nT+g

其中，f，g分別為a，e的對(duì)數(shù)值。

這一轉(zhuǎn)變過(guò)程同時(shí)引入了彈性系數(shù)的概念，較好地解決了模型的異方差性。此外，該模型還可進(jìn)行擴(kuò)展，被認(rèn)為是定量分析人文因素對(duì)環(huán)境壓力影響的一種有效方法？輥？輮？訛。

4.LMDI模型。20世紀(jì)末，Ang等？輥？輯？訛在Divisia分解法基礎(chǔ)之上加以改進(jìn)，消除了Divisia分解法的殘差項(xiàng)并解決了“0”值問(wèn)題，形成LMDI模型，即對(duì)數(shù)平均迪氏分解法（Log Mean Divisia Index）。該模型是一種因素分解方法，其針對(duì)的是一段時(shí)間內(nèi)的能源需求或碳排放。

碳排放中，借助LMDI模型對(duì)碳排放進(jìn)行因素分解，則區(qū)域碳排放量可以表示為：

式中，C為區(qū)域碳排放量;n為產(chǎn)業(yè)部門(mén)的個(gè)數(shù);Ci為i部門(mén)或產(chǎn)業(yè)碳排放量;Ei為i部門(mén)的能源使用量;GDPi為i部門(mén)的國(guó)內(nèi)生產(chǎn)總值;GDP為國(guó)內(nèi)生產(chǎn)總值;P為人口數(shù)量;Ii（Ei/GDPi）為能源利用效率，即單位GDP消費(fèi)能源;Si（GDPi/GDP）為產(chǎn)業(yè)結(jié)構(gòu)，即i部門(mén)產(chǎn)值占總產(chǎn)值的比例;A（GDP/P）為人均GDP？輥？輰?zhuān)坑灐?/p>

根據(jù)區(qū)域碳排放分解模型，時(shí)間為基期“0”到“t”期，利用“乘積分解”和“加和分解”可得：

式中，為碳排放變化量，為能源效率（強(qiáng)度）變化量，為產(chǎn)業(yè)結(jié)構(gòu)變化量，為人口規(guī)模變化量，經(jīng)濟(jì)增長(zhǎng)變化量？輥？輱？訛。

LMDI模型將碳排放預(yù)測(cè)中碳排放的變化量分解為碳排放相關(guān)獨(dú)立自變量變化量的和，以測(cè)量各獨(dú)立自變量對(duì)碳排放變化量的貢獻(xiàn)程度，是分析碳排放影響因素的方法之一。

5.LEAP模型。

LEAP模型由瑞典斯德哥爾摩環(huán)境研究所及美國(guó)波士頓勞倫斯·伯克利國(guó)家實(shí)驗(yàn)室所共同研發(fā)，是一個(gè)基于情景分析的能源環(huán)境經(jīng)濟(jì)綜合模型？輥？輲？訛。該模型按照“資源”、“轉(zhuǎn)換”、“需求”的順序充分考慮了決定碳排放量的能源需求及供應(yīng)平衡情況？輥？輳？訛。

能源需求和CO2排放的計(jì)算：

假設(shè)有m種能源和n個(gè)行業(yè)部門(mén)，各行業(yè)的能源需求由經(jīng)濟(jì)活動(dòng)水平和單位經(jīng)濟(jì)活動(dòng)水平下的能源強(qiáng)度決定，CO2排放由能源需求和碳排放系數(shù)決定，公式如下：

式中，為t時(shí)刻第i種能源消費(fèi)總量;為t時(shí)刻第j部門(mén)綜合能耗;為CO2排放量;為第j部門(mén)在t時(shí)刻的活動(dòng)水平，多以部門(mén)產(chǎn)值或產(chǎn)品產(chǎn)量表示;為t時(shí)刻j部門(mén)單位活動(dòng)水平下的能源消費(fèi)強(qiáng)度;為第j部門(mén)對(duì)第i種能源的碳排放系數(shù)？輥？輴？訛。

該模型根據(jù)已劃分的行業(yè)部門(mén)和不同部門(mén)的能源消耗量，在對(duì)政策、經(jīng)濟(jì)、產(chǎn)業(yè)或技術(shù)的重大演變提出各種關(guān)鍵假設(shè)的基礎(chǔ)上，構(gòu)想未來(lái)較長(zhǎng)時(shí)期能源及其環(huán)境影響的各種可能方案，設(shè)計(jì)出不同發(fā)展情景下的能源消費(fèi)模式，從而進(jìn)行碳排放預(yù)測(cè)。

6.Logistic模型。

1920年由美國(guó)生物學(xué)家和人口統(tǒng)計(jì)學(xué)家Pearl和Reed共同提出？輥？輵？訛。由于現(xiàn)階段對(duì)碳排放的研究，主要是靜態(tài)計(jì)量或是引用《IPCC國(guó)家溫室氣體清單指南》中的全球標(biāo)準(zhǔn)？輥？輶？訛？輥？輷？訛，Logistic模型突破以往對(duì)于碳排放的靜態(tài)評(píng)估，可對(duì)碳排放進(jìn)行動(dòng)態(tài)預(yù)測(cè)？輦？輮？訛。

式中，x為碳排放增量;t表示年份;K為碳排放最大容量;a不定常數(shù);r為增長(zhǎng)系數(shù)？輦？輯？訛。

根據(jù)相關(guān)學(xué)者的研究，能夠較好描述形如“S”增長(zhǎng)曲線的Logistic函數(shù)，數(shù)學(xué)計(jì)算較為簡(jiǎn)單且經(jīng)濟(jì)含義明顯。Logistic模型的精確度受K值影響較大，但只要將K值確定在一個(gè)比較合理的范圍內(nèi)，它都可以給出一個(gè)較高的擬合度，而且預(yù)測(cè)的誤差不論短期或中長(zhǎng)期均處于較低的范圍？輦？輰?zhuān)坑?。相比較而言，Logistic模型能夠預(yù)測(cè)的區(qū)域碳排放時(shí)間更為長(zhǎng)遠(yuǎn)且預(yù)測(cè)值更加準(zhǔn)確。

二、六種模型在碳排放預(yù)測(cè)中應(yīng)用可行性分析

從基礎(chǔ)數(shù)據(jù)可得性和模型應(yīng)用領(lǐng)域兩個(gè)方面進(jìn)行討論，對(duì)六種模型進(jìn)行綜合比較，并以此得到應(yīng)用可行性分析。

表1可知，IPAT模型的自變量為3個(gè)，計(jì)算過(guò)程簡(jiǎn)單;Kaya模型的自變量為4個(gè)，其中將IPAT模型中的“技術(shù)”分解為單位GDP 能源強(qiáng)度和單位能耗碳排放量;STIRPAT模型的自變量為3個(gè)，其中的能源強(qiáng)度參數(shù)需簡(jiǎn)單計(jì)算;LMDI模型的自變量為4個(gè)，計(jì)算過(guò)程繁瑣;LEAP模型的自變量為2個(gè)，結(jié)果受能源種類(lèi)和參與部門(mén)個(gè)數(shù)影響;Logistic模型的自變量為2個(gè)，碳排放最大容量由地區(qū)環(huán)境條件和能源狀況決定，且計(jì)算過(guò)程繁瑣。

表2可知，IPAT模型和STIRPAT模型在碳排放領(lǐng)域的應(yīng)用最為常見(jiàn);Kaya模型可以對(duì)減排方案的制定提供幫助;LMDI模型對(duì)碳排放影響因素的分析更為細(xì)化;LEAP模型對(duì)碳排放量的預(yù)測(cè)多為能源領(lǐng)域;Logistic模型適合動(dòng)態(tài)預(yù)測(cè)。

根據(jù)以上分析，六種模型均可用于碳排放的預(yù)測(cè)，但不同模型所需的基本數(shù)據(jù)不同且收集難易程度各異，所選衡量指標(biāo)不同導(dǎo)致適用領(lǐng)域不同。因此，在碳排放預(yù)測(cè)的實(shí)際工作中，應(yīng)當(dāng)充分考慮本地區(qū)的產(chǎn)業(yè)經(jīng)濟(jì)、能源消耗等特征，篩選出碳排放的主要驅(qū)動(dòng)因素，并根據(jù)不同因素對(duì)碳排放影響的權(quán)重選擇適當(dāng)?shù)哪Ｐ停赃_(dá)到最好的擬合和預(yù)測(cè)效果。

三、碳排放預(yù)測(cè)模型優(yōu)化

從原理、公式、擬合度等角度分析得到了各個(gè)模型的優(yōu)點(diǎn)和不足，并據(jù)此對(duì)預(yù)測(cè)模型進(jìn)行選擇優(yōu)化。

1.模型優(yōu)缺點(diǎn)對(duì)比。

表3可知，IPAT模型公式簡(jiǎn)潔，但無(wú)法消除同比例變動(dòng)的局限;Kaya模型對(duì)碳排放驅(qū)動(dòng)因素解釋力強(qiáng)，但作用機(jī)制復(fù)雜，且只有與能源活動(dòng)相關(guān)才有實(shí)際意義;STIRPAT模型消除了IPAT模型中的同比例變動(dòng)的局限，但各變量間存在多重共線性;LMDI模型可觀察各個(gè)因變量對(duì)碳排放量的具體影響，但分解時(shí)主觀性大;LEAP模型具有良好的計(jì)算和情景分析功能，但不確定性較大;Logistic模型突破了以往的靜態(tài)評(píng)估，但計(jì)算K值時(shí)易受主觀影響。

2.模型優(yōu)化。

（1）IPAT模型與LMDI模型的優(yōu)化。IPAT模型存在對(duì)碳排放驅(qū)動(dòng)因素分解不足的問(wèn)題，導(dǎo)致難以確定每個(gè)因素對(duì)碳排放的影響。而LMDI模型主要應(yīng)用于影響因素分析，適合作為輔助工具與其他碳排放預(yù)測(cè)模型進(jìn)行組合。將IPAT模型與LMDI模型相結(jié)合，利用LMDI模型對(duì)IPAT模型中的碳排放影響因素進(jìn)行進(jìn)一步分解，選取影響較大的因素重新應(yīng)用到IPAT模型中進(jìn)行碳排放預(yù)測(cè)，可以大大減少因驅(qū)動(dòng)因素選取或分解不當(dāng)造成的誤差。如趙奧等？輧？輳？訛利用LMDI與IPAT結(jié)合模型對(duì)驅(qū)動(dòng)因素進(jìn)行優(yōu)化后，增加了碳排放量預(yù)測(cè)的準(zhǔn)確性。

（2）Kaya模型的優(yōu)化。Kaya模型驅(qū)動(dòng)因素背后的作用機(jī)制復(fù)雜，可采用灰色關(guān)聯(lián)分析法對(duì)其影響因素進(jìn)行分析，以解釋不同因素與碳排放量之間的關(guān)聯(lián)度。如秦軍等？輦？輲？訛以江蘇省為例，利用灰色關(guān)聯(lián)分析法對(duì)各驅(qū)動(dòng)因素與碳排放量之間的關(guān)聯(lián)度進(jìn)行了分析，得到煤炭消耗量為影響該省碳排放量的最主要因素。

（3）STIRPAT模型的優(yōu)化。STIRPAT模型中各變量間存在著多重共線性，為解決這一問(wèn)題，需對(duì)其進(jìn)行回歸分析。在不剔除自變量的前提下解決的方法主要有主成分回歸法、偏最小二乘法和零回歸法？輧？輵？訛。主成分分析法是對(duì)原始數(shù)據(jù)進(jìn)行分析與篩選，提取對(duì)因變量解釋力最強(qiáng)的綜合變量;偏最小二乘法多用在處理多自變量間嚴(yán)重共線性的問(wèn)題，該方法將影響碳排放的眾多因子簡(jiǎn)化為少數(shù)不相關(guān)因素？輧？輶？訛;嶺回歸是一種偏估計(jì)法，能夠得到各參數(shù)和系數(shù)更顯著的結(jié)果。此外還可采用加權(quán)回歸法，該方法可以剔除相關(guān)性較小的自變量，并將空間效應(yīng)和地區(qū)差異考慮在內(nèi)，為實(shí)際應(yīng)用中為驅(qū)動(dòng)因素的篩選提供幫助。

（4）LEAP模型的優(yōu)化。LEAP模型是一種“終端能源消費(fèi)”模型，參數(shù)較少，但對(duì)動(dòng)態(tài)碳排放量的預(yù)測(cè)存在不足。模型自身方面，可通過(guò)增加預(yù)測(cè)范圍的劃分維度并應(yīng)用活動(dòng)水平的預(yù)測(cè)方法增加預(yù)測(cè)精度，如將預(yù)測(cè)范圍分為系統(tǒng)層、狀態(tài)層、指示層等，或者增加活動(dòng)水平的分級(jí);在預(yù)測(cè)未來(lái)經(jīng)濟(jì)活動(dòng)的水平時(shí)，提供了內(nèi)推法，增長(zhǎng)率法，彈性系數(shù)法三種方法？輧？輷？訛。

在LEAP模型與其它模型及方法的結(jié)合使用方面，可以與GM（1，1）模型和情景分析法同時(shí)結(jié)合，將所預(yù)測(cè)的數(shù)據(jù)最終集合到LEAP模型中，形成LEAP-EV模型？輨？輮？訛，該模型在處理能源環(huán)境碳排放預(yù)測(cè)數(shù)據(jù)時(shí)的精度更高;與Logistic模型結(jié)合，構(gòu)建基于LEAP模型的物流能源模型LEAP-Logistic？輨？輯？訛，通過(guò)選擇合適的函數(shù)，如線性函數(shù)、冪函數(shù)、增長(zhǎng)曲線等，可以對(duì)變量進(jìn)行曲線估計(jì)，計(jì)算各部門(mén)的能源強(qiáng)度和碳排放強(qiáng)度，完成對(duì)模型的參數(shù)設(shè)置，再通過(guò)LEAP模型模擬計(jì)算不同政策實(shí)施下的節(jié)能減排效果，達(dá)到對(duì)碳排放量的動(dòng)態(tài)預(yù)測(cè)。

（5）Logistic模型擴(kuò)展。為達(dá)到預(yù)定的減排目標(biāo)，政府會(huì)實(shí)施一系列的減排政策。對(duì)Logistic模型拓展后，引入人為控制項(xiàng)，可實(shí)現(xiàn)對(duì)不同政策實(shí)施情形下碳排放量的預(yù)測(cè)。如邱世明等？輨？輰?zhuān)坑灥难芯恐杏孟铝械臄U(kuò)展模型來(lái)表示不同人工干預(yù)情況下的CO2排放量，即：

式中，h為單位時(shí)間內(nèi)CO2的減排量，與當(dāng)前CO2量成正比;q為比例系數(shù)，表示人工干預(yù)強(qiáng)度，即CO2的減排強(qiáng)度？輨？輱？訛。該擴(kuò)展模型通過(guò)改變q值而模擬不同政策下的減排力度，能夠起到對(duì)減排政策的評(píng)估作用。

四、結(jié)論

IPAT模型在碳排放預(yù)測(cè)領(lǐng)域應(yīng)用較早，其公式簡(jiǎn)潔，易被理解。但其存在對(duì)碳排放驅(qū)動(dòng)因素分解不足等問(wèn)題，在實(shí)際應(yīng)用中，通常與LMDI模型組合使用，以減少因驅(qū)動(dòng)因素選取或分解不當(dāng)造成的誤差;Kaya恒等式對(duì)IPAT模型進(jìn)行了改進(jìn)，將其中的“技術(shù)”因子進(jìn)行分解，對(duì)碳排放驅(qū)動(dòng)因素解釋力增強(qiáng)。采用灰色關(guān)聯(lián)分析法進(jìn)行因素篩選，可以解決其應(yīng)用范圍僅限于能源活動(dòng)相關(guān)領(lǐng)域的不足;STIRPAT模型在碳排放領(lǐng)域的應(yīng)用較為常見(jiàn)，它消除了IPAT模型中的同比例變動(dòng)的局限，但存在各變量間存在多重共線性的缺點(diǎn)，應(yīng)用中常對(duì)其進(jìn)行回歸分析以增加預(yù)測(cè)的準(zhǔn)確性;LMDI模型細(xì)化了碳排放影響的各個(gè)因素，可觀察各個(gè)因變量對(duì)碳排放量的貢獻(xiàn)程度，但缺乏具體的分解標(biāo)準(zhǔn)導(dǎo)致主觀性較大;LEAP模型多用于能源領(lǐng)域的碳排放預(yù)測(cè)，具有良好的情景分析功能，可通過(guò)增加預(yù)測(cè)范圍的劃分維度等方法增加其預(yù)測(cè)精度;Logistic模型計(jì)算過(guò)程較為繁瑣，且受K值和地區(qū)狀況影響，主觀性較大。引入人為控制項(xiàng)后，可實(shí)現(xiàn)對(duì)不同政策實(shí)施情形下碳排放量的預(yù)測(cè)。

[基金項(xiàng)目：山西經(jīng)濟(jì)社會(huì)發(fā)展重大研究課題：促進(jìn)我國(guó)能源產(chǎn)業(yè)及山西煤炭產(chǎn)業(yè)可持續(xù)發(fā)展研究（編號(hào)：ZD201409）;山西省“十三五”規(guī)劃前期研究重大課題（山西省"十三五"強(qiáng)化污染防治與節(jié)能減排政策措施研究）資助（編號(hào)：2014024）;山西大學(xué)第十三期本科生科研訓(xùn)練計(jì)劃資助項(xiàng)目（編號(hào)：2015013097）;2015年度山西大學(xué)大學(xué)生創(chuàng)新創(chuàng)業(yè)訓(xùn)練計(jì)劃資助項(xiàng)目（編號(hào)：201510108005）。]

[第一作者簡(jiǎn)介：孟繁?。?993—），男，山西孝義人，山西大學(xué)環(huán)境與資源學(xué)院碩士研究生，研究方向?yàn)橘Y源生態(tài)與可持續(xù)發(fā)展。]

（責(zé)編：鄭釗）