東北三省的碳排放分析及預(yù)測*
——基于STIRPAT模型

王文文，韓 語，李志學(xué)，劉學(xué)榮，王 康，劉欣銘，趙婧宇，周 嘉

(哈爾濱師范大學(xué))

東北三省的碳排放分析及預(yù)測*
——基于STIRPAT模型

王文文，韓 語，李志學(xué)，劉學(xué)榮，王 康，劉欣銘，趙婧宇**，周 嘉

(哈爾濱師范大學(xué))

通過對東北三省1999～2014年的碳排放進(jìn)行測算分析，利用STIRPAT模型，運(yùn)用最小二乘法和主成分分析方法，探究東北三省的碳排放影響因素；并設(shè)置基準(zhǔn)和低碳情景預(yù)測2020年、2030年東北三省的碳排放量.結(jié)果表明：①人口總量、城鎮(zhèn)化率、人均地區(qū)生產(chǎn)總值、二產(chǎn)增值比對東北三省的碳排放起正向推動(dòng)作用，其中人口總量對碳排放量的促進(jìn)作用最大，而能源強(qiáng)度對碳排放起抑制作用；②經(jīng)過情景預(yù)測分析：2020年基準(zhǔn)情景下，黑龍江省、吉林省和遼寧省的碳排放強(qiáng)度分別為0.41、0.54、0.48；2030年在基準(zhǔn)情景下黑龍江省、吉林省和遼寧省三省的碳排放強(qiáng)度分別為0.31、0.62、0.41.

碳排放；STIRPAT模型；碳排放預(yù)測；東北

0 引言

隨著人類社會經(jīng)濟(jì)的快速發(fā)展及能源的大量使用，溫室氣體的排放隨之增加，致使全球氣溫不斷上升.根據(jù)IPCC公布的第五次評估報(bào)告，全球地表平均氣溫在1880年到2012年期間已經(jīng)上升了0.85℃.美國公布報(bào)告稱，2014年成為氣象記錄以來最暖年，并且15個(gè)最暖年中有14個(gè)發(fā)生在21世紀(jì)，說明氣候變暖趨勢仍然繼續(xù).全球氣候變暖趨勢的加快，對人與環(huán)境的和諧及可持續(xù)發(fā)展產(chǎn)生了巨大的影響，二氧化碳作為溫室氣體的主要構(gòu)成部分，如何減少二氧化碳的排放，日益成為人們關(guān)注的主要問題.根據(jù)國際能源署(IEA，2009)的統(tǒng)計(jì)數(shù)據(jù)，2007年中國的二氧化碳排放量成為全球第一大國，已超過美國.2014年APEC峰會上中國承諾2030年前停止增加二氧化碳排放，而當(dāng)前中國正處于工業(yè)化快速發(fā)展階段[1]，所以勢必會引起能源需求和一些剛性問題的增加，而工業(yè)化的過程中加速了能源的消耗量，更促進(jìn)碳排放的進(jìn)一步增加[2].東北地區(qū)作為中國重要的工業(yè)基地，也不可避免的產(chǎn)生了一系列環(huán)境問題，其中二氧化碳的排放就是其中一個(gè)重要的問題.2014年東北三省的二氧化碳排放量達(dá)到29489.9萬噸，比1999年增加了一倍，年平均增長率為4.61%，伴隨著低碳發(fā)展、綠色經(jīng)濟(jì)等低碳政策的提出[3]，東北地區(qū)減少碳排放的壓力也不斷增加，因此該文分析作為重工業(yè)基地的東北三省的碳排放的影響因素，對東北地區(qū)節(jié)能減排和老工業(yè)基地的發(fā)展具有重要意義.

已有很多學(xué)者對碳排放的影響因素進(jìn)行了研究，從國家層面來看，李國志[4]利用狀態(tài)空間模型對1966-2011年日本的碳排放影響因素進(jìn)行了分析；宋德勇[5]、楊騫[6]、孫欣[7]等學(xué)者利用STIRPAT模型對中國的碳排放的影響因素進(jìn)行了分析；國涓[8]等人運(yùn)用對數(shù)平均迪氏指數(shù)分解法，分析了中國區(qū)域碳排放的影響因素，結(jié)果表明人均GDP和人口總量對碳排放的增長起正向作用，生產(chǎn)部門能源強(qiáng)度起負(fù)向作用；鄧吉祥[9]等人將碳排放的影響因素分解為人口規(guī)模、經(jīng)濟(jì)發(fā)展、能源強(qiáng)度和能源結(jié)構(gòu)，結(jié)果顯示導(dǎo)致碳排放上升最主要的因素是人均GDP；李建豹[10]等利用地理加權(quán)回歸模型分析了影響碳排放的主要因素，認(rèn)為碳排放強(qiáng)度和人均GDP是影響中國省域人均碳排放的重要因素；對于省域尺度碳排放影響因素的研究，主要集中在經(jīng)濟(jì)技術(shù)發(fā)達(dá)的地區(qū).張麗峰[11]對北京市人口規(guī)模、人口城市化結(jié)構(gòu)和經(jīng)濟(jì)規(guī)模與碳排放之間的關(guān)系進(jìn)行了研究，結(jié)果顯示三個(gè)變量對碳排放均有不同的促進(jìn)作用；劉源[12]等基于2005～2010年廈門各部門終端消費(fèi)數(shù)據(jù)，應(yīng)用數(shù)平均權(quán)重分解法對碳排放強(qiáng)度指標(biāo)進(jìn)行了因素分解；黃蕊[13]等通過嶺回歸分析方法分析了重慶市的碳排放影響因素，其中人口數(shù)量對碳排放對重慶市能源消費(fèi)碳排放量影響最大.

根據(jù)以往的研究，對碳排放影響因素的研究大多是利用LMDI和STIRPAT方法進(jìn)行分析，研究的尺度也包括各個(gè)方面，既有大區(qū)域的多個(gè)國家尺度，也有具體到省域的層面，不過大部分集中在國家層面或單個(gè)省市，對相似自然地理和資源條件的地區(qū)進(jìn)行綜合分析的較少，尤其對于東北地區(qū)整體的研究更是較少.該文綜合以上相關(guān)研究的理論和方法，運(yùn)用STIRPAT模型對東北三省總體碳排放量的影響因素進(jìn)行具體分析，并設(shè)置不同情景預(yù)測東北三省2020年、2030年的碳排放量，研究結(jié)果可為東北地區(qū)低碳經(jīng)濟(jì)發(fā)展提供理論依據(jù).

1 研究方法及數(shù)據(jù)來源

1.1 數(shù)據(jù)的選取與來源

(1)環(huán)境影響要素：二氧化碳排放量，IPCC指南中指出，溫室氣體排放主要來源于能源消耗產(chǎn)生的二氧化碳，能源的消耗主要集中在對化石能源的利用，該文選取利用較為普遍的煤炭、石油、天然氣三種主要能源，來核算東北三省的碳排放，并采用IPCC方法進(jìn)行估算以達(dá)到數(shù)據(jù)來源的一致性.三種能源的消費(fèi)量計(jì)算公式為：

Eit=Qit×σi

其中，Eit表示t年i類能源消耗標(biāo)準(zhǔn)量(萬噸標(biāo)準(zhǔn)煤)，Qit表示i類能源在t年實(shí)物使用量；σi為i類能源換算為標(biāo)準(zhǔn)煤的系數(shù)(中國能源統(tǒng)計(jì)年鑒有具體的換算系數(shù)).然后計(jì)算能源消費(fèi)碳排放量：

Cit=∑(Eit×ρi)

其中Cit代表t年碳排放量(萬噸)，ρi代表i類能源的碳排放系數(shù)；煤炭、石油、天然氣的碳排放系數(shù)是對美國能源部能源情報(bào)署(EIA)、日本能源研究經(jīng)濟(jì)所、國家科委氣候變化項(xiàng)目及國家發(fā)展和改革委員會能源研究所公布的數(shù)據(jù)取其平均值計(jì)算得來，分別為0.733、0.557、0.423[14].

(2)人口和富裕程度要素：人口作為社會生產(chǎn)生活的主要構(gòu)成部分，與社會、經(jīng)濟(jì)和環(huán)境等方面有著密切的關(guān)系，人口在增長的過程中會消耗大量的化石能源，且隨著生活水平和質(zhì)量的提高，能源的消費(fèi)也在增加，化石能源在燃燒過程中導(dǎo)致大量的二氧化碳、氮氧化物等污染氣體排放到大氣中，對大氣質(zhì)量和全球氣候變化產(chǎn)生重大影響，因此選取人口總數(shù)和人均GDP來分析其對二氧化碳排放的影響.

(3)技術(shù)要素：能源強(qiáng)度是衡量能源利用效率的常用指標(biāo)，反映能源利用率的效率，常通過提高技術(shù)進(jìn)步來實(shí)現(xiàn)，一般用能源消費(fèi)總量與地區(qū)的生產(chǎn)總值之比來表示.

(4)城市化率：隨著經(jīng)濟(jì)的發(fā)展，我國城市化水平不斷提高，東北地區(qū)作為老工業(yè)基地，城市化的加快[15]，城市人口的增加，不僅僅創(chuàng)造了較高經(jīng)濟(jì)收入，也消耗了大量的化石能源，給環(huán)境帶來了嚴(yán)重的污染，該文選取城市化率分析其對碳排放的影響.

(5)第二產(chǎn)業(yè)增值比：對化石能源的利用主要集中在第二產(chǎn)業(yè)，各個(gè)地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)對能源消費(fèi)具有重要的影響作用，該文選取第二產(chǎn)業(yè)增值比來表示產(chǎn)業(yè)結(jié)構(gòu)的變化即第二產(chǎn)業(yè)增加值占三次產(chǎn)業(yè)總增加值的比重.

該文選取1999～2014年作為研究區(qū)間，黑龍江、吉林、遼寧三省作為研究區(qū)域，統(tǒng)計(jì)數(shù)據(jù)均來源《吉林省統(tǒng)計(jì)年鑒》、《遼寧省統(tǒng)計(jì)年鑒》、《黑龍江省統(tǒng)計(jì)年鑒》和各省的統(tǒng)計(jì)公報(bào).

1.2 研究方法

20世紀(jì)70年代，Ehrlich和Holdren[16]構(gòu)建了IPAT模型來分析人口、富裕程度與技術(shù)等因素對環(huán)境的影響，即:

I=P×A×T

其中:I代表環(huán)境影響，P代表人口，A代表富裕程度，T代表技術(shù).隨后Dietz和Rosa[16]將IPAT模型進(jìn)行進(jìn)一步改進(jìn)擴(kuò)展為STIRPAT模型，該模型的表達(dá)式為:

(1)

式中，α為常數(shù)項(xiàng)，β,γ,δ為各個(gè)自變量的指數(shù)，ei為誤差；由于STIRPAT模型式非線性的，對(1)式兩邊取對數(shù)，可得：

lnIi=lnα+βlnPi+γlnAi+δlnTi+lnei

(2)

其中，β,γ,δ為模型的彈性系數(shù)，反映了因變量和自變量之間的彈性關(guān)系，即在其他因素不變的情況下，β,γ,δ變化1%，所對應(yīng)的環(huán)境影響變化的百分比.該文利用STIRPAT模型，分析人口、富裕及技術(shù)等因素對二氧化碳排放量的影響，并引入了城市化率和第二產(chǎn)業(yè)增加值占總產(chǎn)業(yè)增加值的比值對模型進(jìn)行了擴(kuò)展，所以(1)式變?yōu)椋?/p>

(3)

公式(3)進(jìn)行對數(shù)轉(zhuǎn)換得到：

ln(Ii)=α+βln(Pi)+γln(Ai)+δln(Ti)+εln(Ui)+ξln(Ei)+ei

(4)

式中，Ii代表環(huán)境影響，用二氧化碳排放量表示，單位為萬噸；Pi代表人口要素，用人口總量表示，單位為萬人；Ai代表財(cái)富因素，用人均GDP表示，單位為元；Ti代表技術(shù)因素，用能源強(qiáng)度表示；Ui代表城市化率；Ei代表第二產(chǎn)業(yè)增加值占總產(chǎn)業(yè)增加值的比值；β,γ,δ,ε,ξ代表各影響因素的碳排放彈性系數(shù).

2 模型分析

2.1 回歸分析

根據(jù)統(tǒng)計(jì)計(jì)算的數(shù)據(jù)，利用STIRPAT模型，應(yīng)用SPSS軟件對東北三省的二氧化碳排放影響因素進(jìn)行多元回歸分析.首先對選取的指標(biāo)數(shù)據(jù)進(jìn)行對數(shù)化處理，并對這幾個(gè)解釋變量的相關(guān)性進(jìn)行分析，當(dāng)自變量之間存在多重共線性，會使參數(shù)估計(jì)值的方差增大，通過計(jì)算方差膨脹因子(VIF)值，發(fā)現(xiàn)自變量的VIF值超過了標(biāo)準(zhǔn)值10，自變量之間存在嚴(yán)重的多重共線性，這與許泱[18]、張勇[19]、王錚[20]等人研究碳排放的影響因素存在共線性的結(jié)論相同，而普通最小二乘法對自變量之間存在共線性的模型無法得到可靠的系數(shù)，該文采用主成分分析法來消除多重共線性.

對自變量進(jìn)行主成分分析，由于前兩項(xiàng)累積的貢獻(xiàn)率已達(dá)到99.73%，所以選取前兩個(gè)主成分來進(jìn)行分析，用兩個(gè)變量來代替原來的5個(gè)變量，并可以得到：

F1=0.174lnPi+0.219lnAi-0.214lnTi+0.219lnUi-0.22lnEi

(5)

F2=1.357lnPi-0.246lnAi+0.512lnTi-0.177lnUi-0.157lnEi

(6)

將二氧化碳排放量和主成分進(jìn)行最小二乘法分析(OLS)，得到碳排放量和主成分的回歸方程：

lnCi=0.98F1+0.089F2

(7)

其中，模型調(diào)整R2的值是0.964，F(xiàn)值為199.977，通過了t值的1%顯著性檢驗(yàn)，因此擬合的比較好.

將式(5)、(6)代入主成分回歸方程，得到：

lnCi=0.291lnPi+0.193lnAi-0.164lnTi+0.199lnUi+0.202lnEi

(8)

由計(jì)算結(jié)果(公式8)的系數(shù)可以看出，1999～2014年，東北三省各因素對碳排放的影響程度：其中人口因素對碳排放量的影響最大，彈性為0.291，其次是第二產(chǎn)業(yè)增值比，彈性為0.202；城市化率的彈性為0.199，對碳排放影響也較大，人均GDP的彈性為0.193，僅次于城市化率的影響程度；另外能源強(qiáng)度對碳排放起到抑制作用，彈性為-0.164.

人口總量對東北三省碳排放的影響最大，其彈性為0.291，即當(dāng)東北三省的人口總量每增加1%，碳排放量將增加0.291%，人口總量是影響碳排放量增加的最主要因素.1999～2014年東北三省的人口總量呈波動(dòng)上升趨勢，2014年東北三省的人口總數(shù)為10748.5萬人，比1999年增加了237.2萬人，人口作為社會生產(chǎn)和生活的主體，隨著人口總量增加，對能源的需求量也隨之增加，進(jìn)而導(dǎo)致碳排放量增加；第二產(chǎn)業(yè)增值比是影響碳排放的第二大主要因素，第二產(chǎn)業(yè)增值比每增加1%，碳排放量將增加0.202%，東北地區(qū)作為老工業(yè)基地主要以第二產(chǎn)業(yè)為主，產(chǎn)業(yè)結(jié)構(gòu)比較單一，而高能耗高排放是工業(yè)的特點(diǎn)[21]，所以隨著第二產(chǎn)業(yè)產(chǎn)值的增加勢必會帶來碳排放量的增加；城市化率也是影響碳排放的重要因素之一，當(dāng)城市化率每增加1%，碳排放量將增加0.199%；東北三省整體城市化率從1999年的51.52%增長到2014年的59.69%，年平均增長率為0.25%；城市化作為影響碳排放的因素之一，對碳排放的影響是多方面的，包括土地利用的改變、水泥鋼鐵等工業(yè)建筑材料的需求的增加、交通工具的增加等，這些變化均會使二氧化碳排放量增加；東北三省的碳排放強(qiáng)度位居全國前列，2010年黑龍江省、吉林省、遼寧省都以高碳排放強(qiáng)度(3t/萬元

2.2 情景預(yù)測分析

為了更好的了解東北三省未來碳減排的潛力，該文設(shè)置兩種情景對2020年和2030年的碳排放進(jìn)行預(yù)測.

(1)基準(zhǔn)情景：根據(jù)1999～2014年碳排放的年平均增長水平作為基準(zhǔn)水平，由數(shù)據(jù)計(jì)算得到，2020年黑龍江省、吉林省、遼寧省碳排放的年平均增長率分別為3%、8%、5%.

(2)低碳情景，根據(jù)各省的《十三五規(guī)劃建議》，黑龍江省、遼寧省分別提出在“十三五”期間GDP增長率分別為6%、6.6%，由于吉林省還未提出明確的GDP增長率，所以針對吉林省的增長率該文采用國家發(fā)改委提出的關(guān)于十三五規(guī)劃基本思路設(shè)定GDP增長的底線6.5%.因此可得到黑龍江省、吉林省、遼寧省2020年的GDP值分別為21333.11、20140.69、42006.16億元，我國已經(jīng)明確提出2020年碳排放強(qiáng)度相對于2005年下降40%～45%，因此該文設(shè)定減排目標(biāo)的高目標(biāo)作為低碳情景進(jìn)行分析.

根據(jù)以上兩種情況的設(shè)定，見表1，基準(zhǔn)情景下，2020年黑龍江省、吉林省、遼寧省碳排放強(qiáng)度分別為0.41、0.54、0.48，明顯低于低碳情景的指標(biāo)，依據(jù)1999～2014年的碳排放量的平均增長率和“十三五”各省的GDP年增長率計(jì)算了2030年在基準(zhǔn)情景下的碳排放強(qiáng)度，基準(zhǔn)情景下碳排放強(qiáng)度分別為0.31、0.62、0.41，國家承諾在2030年的碳排放強(qiáng)度比2005年下降60%～65%，相對于這一目標(biāo)，2030年吉林省的碳排放強(qiáng)度大于低碳情景的碳排放強(qiáng)度，其他兩省都可以實(shí)現(xiàn)這一目標(biāo)，所以吉林省在2030年之前應(yīng)該更加重視減排，達(dá)到即提高經(jīng)濟(jì)又減少碳排放量的目標(biāo).

表1 2020年、2030年碳排放量的情景分析

3 結(jié)論及政策建議

研究表明：從碳排放影響因素來看，通過回歸分析，人口、第二產(chǎn)業(yè)增值比、城市化率和人均GDP是影響碳排放的主要因素，均對碳排放起正向的積極作用，而能源強(qiáng)度是唯一對碳排放起負(fù)向作用的影響因素，當(dāng)能源強(qiáng)度每增加1%，碳排放量將降低0.164%；通過情景預(yù)測分析：2020年基準(zhǔn)情景下，黑龍江省、吉林省和遼寧省的碳排放強(qiáng)度分別為0.41、0.54、0.48，且明顯低于低碳情景下的指標(biāo)；2030年在基準(zhǔn)情景下黑龍江省、吉林省和遼寧省三省的碳排放強(qiáng)度分別為0.31、0.62、0.41，吉林省的碳排放強(qiáng)度大于低碳情景的碳排放強(qiáng)度.

面對高碳排放量的東北三省，應(yīng)該采取如下措施來緩解現(xiàn)狀：

(1)大力開發(fā)新能源，調(diào)整能源利用結(jié)構(gòu).在快速發(fā)展經(jīng)濟(jì)的同時(shí)應(yīng)該注意能源的使用和碳排放的控制，調(diào)整能源利用結(jié)構(gòu)，開發(fā)利用新能源，各地區(qū)因地制宜的開發(fā)利用其優(yōu)勢資源，如吉林省和黑龍江省因其天然的地理和氣候優(yōu)勢，可以適當(dāng)?shù)拈_發(fā)利用風(fēng)能等清潔能源，遼寧省發(fā)揮其區(qū)域優(yōu)勢，充分利用其核電和水利資源，從而進(jìn)一步的減少化石能源的消耗，控制二氧化碳的排放量.

(2)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu).在振興東北老工業(yè)基地的同時(shí)，城市化和工業(yè)化進(jìn)程的加快，導(dǎo)致碳排放量增加，因此要合理的進(jìn)行產(chǎn)業(yè)結(jié)構(gòu)的規(guī)劃，加強(qiáng)對高耗能、高排放企業(yè)的監(jiān)督管理，增加科學(xué)技術(shù)投入，提高科技創(chuàng)新能力，采用節(jié)能減排先進(jìn)的生產(chǎn)技術(shù)，提高低耗能產(chǎn)業(yè)在產(chǎn)業(yè)結(jié)構(gòu)中的比重，加快信息技術(shù)和生物技術(shù)等新型產(chǎn)業(yè)的發(fā)展.積極的倡導(dǎo)能源節(jié)約和高效利用，在減少碳排放量的同時(shí)，加強(qiáng)資源節(jié)約和環(huán)境友好型社會的建設(shè)，提高區(qū)域的可持續(xù)發(fā)展能力.

(3)優(yōu)化人口質(zhì)量，提高公眾低碳意識.優(yōu)化人口質(zhì)量，政府可適當(dāng)?shù)囊龑?dǎo)人口數(shù)量和分布，并對人口結(jié)構(gòu)和質(zhì)量做出積極的指導(dǎo)；提高人口綜合素質(zhì)，使公眾樹立低碳環(huán)保價(jià)值觀念，并積極學(xué)習(xí)相關(guān)法律法規(guī)，了解低碳行為的重要性和必要性，合理引導(dǎo)公眾的低碳消費(fèi)行為和觀念，從自身做起，把低碳行為融入到生活中的各個(gè)方面.

[1] 樊杰,李平星. 基于城市化的中國能源消費(fèi)前景分析及對碳排放的相關(guān)思考[J]. 地球科學(xué)進(jìn)展, 2011,1(26):57-65.

[2] Wei B R,Yagita H,Inaba A,et al. Urbanization impact on energy demand and CO2emission in china[J]. Journal of Chongqing university-Eng Ed, 2003,2(10):45-50.

[3] 王靜靜,王康,趙婧宇,等. 基于DPSIR模型的哈爾濱市低碳城市發(fā)展評價(jià)初步研究[J]. 哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào), 2017,33(3):92-97.

[4] 李國志. 基于狀態(tài)空間模型的日本碳排放影響因素分析及啟示[J]. 資源科學(xué), 2013,35(09):1847-1854.

[5] 宋德勇,徐安. 中國城鎮(zhèn)碳排放的區(qū)域差異和影響因素[J] . 中國人口資源與環(huán)境, 2011,21(11):8-14.

[6] 楊騫,劉華軍. 中國二氧化碳排放的區(qū)域差異分解及影響因素-基于1995～2009年省際面板數(shù)據(jù)的研究[J]. 數(shù)據(jù)經(jīng)濟(jì)技術(shù)研究, 2012(5):36-49.

[7] 孫欣,張可蒙. 中國碳排放強(qiáng)度影響因素實(shí)證分析[J]. 統(tǒng)計(jì)研究, 2014,31(2):61-67.

[8] 國涓,劉榮軍,孫萍. 中國二氧化碳排放的影響因素基于區(qū)域的實(shí)證研究[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識, 2013,43(11):59-72.

[9] 鄧吉祥,劉曉,王錚. 中國碳排放的區(qū)域差異及演變特征分析與因素分解[J]. 自然資源學(xué)報(bào),2014,29(2):189-200.

[10] 李建豹,黃賢金,吳常艷,等. 中國省域碳排放影響因素的空間異質(zhì)性分析[J]. 經(jīng)濟(jì)地理, 2015,35(11):21-28.

[11] 張麗峰. 北京人口、經(jīng)濟(jì)、居民消費(fèi)與碳排放動(dòng)態(tài)關(guān)系研究[J]. 干旱區(qū)資源與環(huán)境, 2015,29(2):8-13.

[12] 劉源,李向陽,林劍藝,等. 基于LMDI分解的廈門市碳排放強(qiáng)度影響因素分析[J]. 生態(tài)學(xué)報(bào), 2014,34(9):2378-2387.

[13] 黃蕊,王錚. 基于STIRPAT模型的重慶市能源消費(fèi)碳排放影響因素研究[J]. 環(huán)境科學(xué)學(xué)報(bào),2013,33(2):602-608.

[14] 王立猛,何康林. 基于STIRPAT模型的環(huán)境壓力空間差異分析—以能源消費(fèi)為例[J]. 環(huán)境科學(xué)學(xué)報(bào), 2008,8(5):1032-1037.

[15] 李馨宇,張思沖,胡彩云,等. 黑龍江省城鎮(zhèn)化與生態(tài)環(huán)境協(xié)調(diào)性研究[J]. 哈爾濱師范大學(xué)自然科學(xué)學(xué)報(bào),2016,32(05):81-86.

[16] Ehrlich P R,Holdren J P. Impact of population growth[J]. Science, 1971,171(3977):1212-1217.

[17] Dietz T,Rosa EA. Effects of population and affluence on CO2emissions[J]. Proceedings of The National Academy of Sciences USA, 1997,94(1):175-179.

[18] 許泱,周少甫. 我國城市化與碳排放的實(shí)證研究[J]. 長江流域資源與環(huán)境, 2011,20(11):1304-1309.

[19] 張勇,張樂勤,包婷婷. 安徽省城市化進(jìn)程中的碳排放影響因素研究—基于STIRPAT模型[J]. 長江流域資源與環(huán)境, 2014,23(4):512-517.

[20] 黃蕊,王錚. 基于STIRPAT模型的重慶市能源消費(fèi)碳排放影響因素研[J]. 環(huán)境科學(xué)學(xué)報(bào), 2013,33(2):602-608.

[21] 張兵兵,徐康寧,陳庭強(qiáng). 技術(shù)進(jìn)步對二氧化碳排放強(qiáng)度的影響研究[J]. 資源科學(xué), 2014,36(3):567-576.

[22] 鄧宣凱,喻艷華,劉艷芳. “十二五”各省區(qū)CO2排放控制及減排壓力評價(jià)[J]. 經(jīng)濟(jì)地理, 2014,34(5):155-161.

TheAnalysisandPredictionofCarbonEmissionsintheThreeProvincesofNortheast—BasedonSTIRPATModel

Wang Wenwen, Han Yu, Li Zhixue, Liu Xuerong, Wang Kang, Liu Xinming, Zhao Jingyu, Zhou Jia

(Harbin Normal University)

In this article, through to the three northeastern provinces of carbon emissions in 1999～2014 to measure analysis, using the STIRPAT model, using the least squares and principal component analysis method, carbon emissions influence factors of the three northeastern provinces are explored, and the benchmark scenario and low-carbon scenarios are set to predicte carbon emissions of the three northeastern provinces in 2020 and 2030. Results show that:①The growth of carbon emissions is the granger cause of urbanization, and the growth of urbanization is not granger cause of the rise in carbon emissions; ②After the 2020 scenario, the carbon intensity of Heilongjiang Province, Jilin Province and Liaoning Province are 0.41, 0.45 and 0.48 respectively. In 2030, the carbon intensity of Heilongjiang Province, Jilin Province and Liaoning Province in the baseline scenario Respectively 0.31,0.62 and 0.41.

Carbon emissions; STIRPAT model; Carbon emissions projections; Northeast

李家云)

X169,X51

A

1000-5617(2017)04-0113-06

2017-5-25

*哈爾濱科技局科技創(chuàng)新人才研究專項(xiàng)基金資助(2016RAXXJ037)

**通訊作者：1436441077@qq.com