中國能源碳排放因素分解與情景預(yù)測

王利兵，張赟

(1.全球能源互聯(lián)網(wǎng)發(fā)展合作組織，北京市 100031;2.全球能源互聯(lián)網(wǎng)集團(tuán)有限公司，北京市 100031)

0 引 言

溫室氣體排放是導(dǎo)致全球氣候變暖，極端氣候?yàn)?zāi)害現(xiàn)象頻繁出現(xiàn)的主要原因。減少溫室氣體排放，發(fā)展“低污染、低能耗、低排放”的低碳經(jīng)濟(jì)已成為世界各國共同的選擇。2020年9月22日，習(xí)近平總書記在第七十五屆聯(lián)合國大會(huì)一般性辯論上宣布，中國將采取更加有力的政策和措施，二氧化碳排放力爭于2030年前達(dá)到峰值，努力爭取2060年前實(shí)現(xiàn)碳中和。2020年12月12日，習(xí)近平總書記在氣候雄心峰會(huì)上進(jìn)一步宣布，到2030年，中國單位國內(nèi)生產(chǎn)總值二氧化碳排放將比2005年下降65%以上，非化石能源占一次能源消費(fèi)比重將達(dá)到25%左右，風(fēng)電、太陽能發(fā)電總裝機(jī)容量將達(dá)到12億kW以上。習(xí)近平總書記提出“碳達(dá)峰、碳中和”目標(biāo)，為我國低碳發(fā)展指明了方向。2000年以來，我國GDP 保持高速增長，城鎮(zhèn)化和工業(yè)化水平大幅提升，帶動(dòng)能源碳排放量大幅升高。我國已是世界上最大的碳排放國，其碳排放量超過美國和歐盟的總和。2018年，我國能源碳排放達(dá)95億t，占到世界排放總量的28%[1]。因此，研究我國能源碳排放的影響因素，預(yù)測碳排放進(jìn)程和發(fā)展趨勢，對于制定相應(yīng)的減排措施和政策，實(shí)現(xiàn)碳達(dá)峰碳中和目標(biāo)至關(guān)重要。

在碳排放影響因素研究方面，目前主要采用Kaya等式[2]、結(jié)構(gòu)分解法(structural decomposition analysis,SDA)[3]、指數(shù)分解法(index decomposition analysis,IDA)[4]等。SDA法與IDA法最大的區(qū)別在于前者基于投入產(chǎn)出表，對數(shù)據(jù)要求高；而后者則只需使用部門加總數(shù)據(jù)，數(shù)據(jù)要求靈活，應(yīng)用范圍更廣。IDA主要有Marshall-Edgeworth、Paache、Fisher、Divisia、Laspeyres指數(shù)法等，其中，對數(shù)平均迪式分解指數(shù)法(logarithmic mean Divisia index ,LMDI)是Divisa 指數(shù)法的對數(shù)形式，因易于建模，在消除殘差的同時(shí)還能滿足因素可逆等優(yōu)勢而受到廣泛重視[5-7]。LMDI 分解方法又可以分為 I型和II型，其中I型是加法形式，II型是乘法形式。運(yùn)用LDMI方法對碳排放驅(qū)動(dòng)因素進(jìn)行分解研究的文獻(xiàn)較多，如文獻(xiàn)[8-12]分別對中國制造業(yè)、能源密集型產(chǎn)業(yè)、北京城鎮(zhèn)居民、電力行業(yè)、江蘇省的能源消費(fèi)碳排放進(jìn)行分解研究。大部分文獻(xiàn)指出能源結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)改善對減少碳排放有重要作用。文獻(xiàn)[13]定量研究了中國30多個(gè)省份產(chǎn)業(yè)結(jié)構(gòu)調(diào)整與能源消費(fèi)結(jié)構(gòu)優(yōu)化之間關(guān)系。

在碳排放路徑預(yù)測方面，目前主要研究方法大致分為3類：第一類是IPAT(impact,population,affluence,technolog)和可拓展的隨機(jī)性的環(huán)境影響評估模型(stochastic impacts by regression on population,affluence,and technology，STIRPAT)等指標(biāo)分解法[14-15]；第二類是自下而上的模擬方法，如LEAP模型等[16-17]；第三類是基于線性優(yōu)化的數(shù)學(xué)模型，如MARKAL/TIEMS[18-19]、MESSAGE[20-21]、IPAC[22]等。圍繞實(shí)現(xiàn)碳達(dá)峰碳中和目標(biāo)，已有大量文獻(xiàn)對于我國未來碳排放路徑進(jìn)行研究，如文獻(xiàn)[23]系統(tǒng)研究了我國低碳發(fā)展戰(zhàn)略與轉(zhuǎn)型路徑，在強(qiáng)化政策情景下，我國將在2030年前實(shí)現(xiàn)碳達(dá)峰，峰值約106億t。文獻(xiàn)[24]應(yīng)用庫茲涅茨函數(shù)得到我國碳排放于2021—2025年之間達(dá)到130億～160億t的峰值水平。文獻(xiàn)[25]研究了建設(shè)全球能源互聯(lián)網(wǎng)背景下我國和全球碳排放路徑。

已有研究主要針對部分行業(yè)或地區(qū)，在國家層面對產(chǎn)業(yè)部門和居民部門的因素分解研究不多。本文綜合利用LMDI分解方法和STIRPAT預(yù)測模型，定量分析經(jīng)濟(jì)增長、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)等對產(chǎn)業(yè)部門和居民部門碳排放影響，并對2030年前碳排放路徑進(jìn)行情景預(yù)測，為制定碳達(dá)峰碳中和政策和措施提供參考。

1 研究方法

1.1 碳排放測算

我國目前尚未直接公布官方的CO2排放數(shù)據(jù)，需通過相關(guān)的核算方法估算。本文采用《IPCC 2006 國家溫室氣體排放清單指南》推薦的方法計(jì)算化石能源燃燒排放的CO2：

(1)

式中：C為碳排放量；j表示能源種類，分別表示煤炭、焦炭、原油、汽油、煤油、柴油、燃料油和天然氣；Ej為j能源的消費(fèi)量，萬t；Wj為j能源的平均低位發(fā)熱量，kJ/kg；Fj是j能源的二氧化碳排放因子，kg/TJ。Wj和Fj具體數(shù)值見表1。

表1 化石能源碳排放系數(shù)Table 1 Carbon emission factors of fossil energies

1.2 LMDI分解模型

Kaya恒等式將碳排放量C的影響因素分解為人口P、生產(chǎn)總值GDP、能源消費(fèi)量E等因素，具體表現(xiàn)形式如下：

(2)

式中：A、M、R分別表示人均GDP、單位GDP能耗、單位能源碳排放。

LMDI 分解模型基于Kaya恒等式，將碳排放量分解為多個(gè)因素，能夠定量分析單個(gè)因素的貢獻(xiàn)程度。從分部門、分能源品種角度，碳排放可分解為如下驅(qū)動(dòng)因素：

(3)

式中：C1、C2分別表示產(chǎn)業(yè)部門、居民部門能源消費(fèi)碳排放量；i表示一產(chǎn)、二產(chǎn)、三產(chǎn)部門；下標(biāo)“o”表示居民部門；Cij、Coj分別為i產(chǎn)業(yè)部門、居民部門消費(fèi)j能源碳排放量；Ei、Eij、Eoj分別為i產(chǎn)業(yè)能源消費(fèi)量、i產(chǎn)業(yè)j能源的消費(fèi)量、居民部門j能源的消費(fèi)量；Yi、Y分別為i部門產(chǎn)值、產(chǎn)業(yè)部門總產(chǎn)值；N為居民總可支配收入；uij、uoj分別為i產(chǎn)業(yè)、居民部門j能源的碳排放系數(shù)；fij、foj分別為i產(chǎn)業(yè)、居民部門j能源的占比；ki為i產(chǎn)業(yè)的能源消費(fèi)強(qiáng)度；ni為i產(chǎn)業(yè)占總產(chǎn)值占比；lo為居民單位人均可支配收入能購買的能源消費(fèi)量；t為居民人均可支配收入。

依據(jù)LMDI-I加法模型，從基準(zhǔn)年到第T年，能源消費(fèi)碳排放變化量ΔC可分解為產(chǎn)業(yè)部門ΔC1和居民部門碳排放變化量ΔC2兩部分。

(4)

(5)

式中：上標(biāo)T和0分別表示第T年和第0年。

1.3 STIRPAT預(yù)測模型

IPAT 模型最早由 Holdren和Ehrlich 于 1971年提出，該模型認(rèn)為人類對環(huán)境的影響(I)主要是通過人口總量(P)、富裕程度(A)、技術(shù)水平(T1)三者共同起作用的，即I=P×A×T1。該模型被廣泛應(yīng)用于定量分析環(huán)境變化的影響因素，但存在影響因素權(quán)重相同的弊端。此后Dietz 和Rosa將其擴(kuò)展為非線性隨機(jī)回歸 STIRPAT模型。

(6)

式中：α是方程系數(shù)；a、b、c是每個(gè)影響因素的彈性系數(shù)；e是隨機(jī)誤差，反映未納入模型的其他因素。當(dāng)α=a=b=c=1時(shí)，STIRPAT模型與IPAT模型相同。為減少數(shù)據(jù)量綱的不同帶來的方差等影響，對模型量測同時(shí)進(jìn)行對數(shù)化處理，得到如下模型：

ln(I)=α+alnP+blnA+clnT1+e

(7)

根據(jù)碳排放量的影響因素，可以選擇人口總量、單位GDP能耗、人均GDP、經(jīng)濟(jì)結(jié)構(gòu)、能源強(qiáng)度、城鎮(zhèn)化率、非化石能源占比等作為影響變量，形成擴(kuò)展的STIRPAT模型，對未來二氧化碳排放量進(jìn)行預(yù)測。

2 能源碳排放驅(qū)動(dòng)因素分解

2.1 數(shù)據(jù)來源與處理

2000—2017年全國分行業(yè)分能源品種的消費(fèi)量數(shù)據(jù)，均來自于2000—2017年《中國能源統(tǒng)計(jì)年鑒》中的能源平衡表。由于燃料品種既包括原煤又包括焦炭，既包括原油又包括成品油，為了避免重復(fù)估算CO2排放，本文從工業(yè)中分別剔除了“石油加工、煉焦及核燃料加工業(yè)”消費(fèi)的煤炭和原油，再次剔除8種能源中用于工業(yè)原料和材料的能源消費(fèi)量。名義GDP、人口、第二產(chǎn)業(yè)增加值占比、單位GDP能耗等數(shù)據(jù)來自于2000—2018年《中國統(tǒng)計(jì)年鑒》。

測算得到的2000—2017年中國能源碳排放如圖1所示，與國際能源署(International Energy Agency，IEA)提供的中國能源碳排放量數(shù)據(jù)接近，誤差處于0.1%～9%，趨勢類似。隨著經(jīng)濟(jì)迅猛增長，化石能源消費(fèi)持續(xù)增加，導(dǎo)致我國能源碳排放從2000年的34.7億t增長到2013年的峰值96.4億t，之后連續(xù)3年下降，2017年反彈至93.0億t，2000—2017年年均增長5.9%。分產(chǎn)業(yè)看，2000—2017年二產(chǎn)、三產(chǎn)碳排放增速較高，分別達(dá)到6.0%、6.6%；一產(chǎn)、居民部門碳排放增速分別為5.5%、3.1%。從結(jié)構(gòu)看，居民部門的碳排放占比下降，從2000年的5.5%下降到2017年的3.4%；二產(chǎn)、三產(chǎn)的占比上升，從2000年的83.9%、9.4%上升到2017年的84.9%、10.4%；一產(chǎn)占比保持1.2%基本不變。

圖1 中國2000—2017年能源碳排放Fig.1 China’s energy-related CO2 emissions in 2000-2017

2.2 碳排放因素分解

2.2.1 總體分解結(jié)果

運(yùn)用LDMI分解模型對我國能源碳排放因素逐年進(jìn)行分解，得到各效應(yīng)對碳排放增長的貢獻(xiàn)，如表2和表3所示。累計(jì)來看，1995—2017年能源碳排放量增長約63.3億t，其中產(chǎn)業(yè)部門貢獻(xiàn)60.1億t，居民部門貢獻(xiàn)3.2億t。

產(chǎn)業(yè)部門碳排放中，經(jīng)濟(jì)增長呈現(xiàn)顯著的正效應(yīng)，貢獻(xiàn)約145.0億t，能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)為負(fù)效應(yīng)，分別貢獻(xiàn)約-73.9億t、-5.6億t、-5.3億t二氧化碳，貢獻(xiàn)率分別為228.9%、-116.7%、-8.9%、-8.4%?？傮w來看，經(jīng)濟(jì)發(fā)展是碳排放增長的首要驅(qū)動(dòng)力，技術(shù)進(jìn)步帶來的能源強(qiáng)度下降、產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和能源結(jié)構(gòu)清潔化對碳排放增長呈現(xiàn)顯著的負(fù)效應(yīng)，大大抵消了經(jīng)濟(jì)發(fā)展帶來的碳排放增長。

居民部門碳排放中，能源結(jié)構(gòu)、能源價(jià)格、人均收入、人口規(guī)模效應(yīng)的貢獻(xiàn)分別約為-0.3億t、-3.7億t、6.9億t、0.4億t二氧化碳，貢獻(xiàn)率分別為-0.5%、-5.9%、10.9%、0.6%?？傮w來看，能源結(jié)構(gòu)改善和能源價(jià)格對于碳排放呈現(xiàn)負(fù)效應(yīng)，人均收入和人口規(guī)模對于碳排放呈現(xiàn)正效應(yīng)。

表2 產(chǎn)業(yè)部門的能源碳排放分解結(jié)果Table 2 Decomposition results of energy-related CO2 emissions in industrial sectors 億t

產(chǎn)業(yè)部門是碳排放重點(diǎn)領(lǐng)域，其能源碳排放每5年的分解結(jié)果見圖2。從“九五”到“十二五”，產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)的作用越來越顯著，產(chǎn)業(yè)結(jié)構(gòu)對于碳排放的貢獻(xiàn)率從-3%大幅上升至-54%，能源結(jié)構(gòu)清潔化對于碳排放的貢獻(xiàn)率從-1%大幅上升至-22%，經(jīng)濟(jì)增長對于碳排放的貢獻(xiàn)率從354%小幅上升至362%，能源強(qiáng)度對于碳排放的貢獻(xiàn)率從-251%下降至-186%。“十三五”時(shí)期，我國清潔能源發(fā)展提速，占一次能源占比保持以每年約1個(gè)百分點(diǎn)速度提升，能源結(jié)構(gòu)清潔化對碳排放的抵消作用更加顯著，僅2016、2017年兩年抵消碳排放1.1億t，占過去23年能源結(jié)構(gòu)總效應(yīng)的21%。

表3 居民部門的能源碳排放分解結(jié)果Decomposition results of energy-related CO2 emissions in residential sector 億t

圖2 產(chǎn)業(yè)部門每5年能源碳排放分解結(jié)果Fig.2 Decomposition results of industrial sectors’energy-related CO2 emissions every 5 years

2.2.2 經(jīng)濟(jì)增長效應(yīng)

1995年以來，我國經(jīng)濟(jì)高速增長的同時(shí)，產(chǎn)業(yè)部門碳排放也保持較快增長。1995—2017年，一產(chǎn)、二產(chǎn)、三產(chǎn)增加值從12 021億元、28 678億元、20 642億元分別增加到62 100億元、332 743億元、425 912億元。表4是每5年經(jīng)濟(jì)增長對3個(gè)產(chǎn)業(yè)部門碳排放的貢獻(xiàn)。1995—2017年，一產(chǎn)、二產(chǎn)、三產(chǎn)的增加值對碳排放的貢獻(xiàn)分別為2.6億t、117.5億t、25.0億t二氧化碳，相當(dāng)于一產(chǎn)、二產(chǎn)、三產(chǎn)增加值每增加1萬元，分別帶動(dòng)碳排放增加0.51萬t、3.86萬t、0.62萬t。我國還處于經(jīng)濟(jì)發(fā)展與碳排放密切相關(guān)階段，工業(yè)中高耗能行業(yè)占比仍較高，工業(yè)發(fā)展顯著推動(dòng)碳排放增長，這與發(fā)達(dá)國家已實(shí)現(xiàn)經(jīng)濟(jì)增長與碳排放弱相關(guān)或脫鉤的情況不同。

表4 產(chǎn)業(yè)部門經(jīng)濟(jì)增長對碳排放變動(dòng)的貢獻(xiàn)Table 4 Contribution of industrial sectors’economic growth to carbon emission changes 億t

2.2.3 能源強(qiáng)度效應(yīng)

能源強(qiáng)度是影響碳排放的重要因素之一。隨著科技水平提高，節(jié)能技術(shù)與設(shè)備在我國不斷普及，工藝與流程管理上力求“吃干榨凈”，單位GDP能耗不斷降低。一產(chǎn)、二產(chǎn)、三產(chǎn)的能源強(qiáng)度從1995 年的0.3、2.5、0.5 t標(biāo)煤/萬元下降到2017年的0.1、0.6、0.1 t標(biāo)煤/萬元。圖3是3個(gè)產(chǎn)業(yè)部門的能源強(qiáng)度對碳排放變動(dòng)的貢獻(xiàn)，均呈現(xiàn)負(fù)效應(yīng)。1995—2017年，一產(chǎn)、二產(chǎn)、三產(chǎn)的能源強(qiáng)度下降對碳排放貢獻(xiàn)分別為-0.6億t、-60.7億t、-12.6億t二氧化碳，相當(dāng)于一產(chǎn)、二產(chǎn)、三產(chǎn)的能源強(qiáng)度每減少1 t標(biāo)煤/萬元，可分別減少3.0億t、32億t、31.4億t二氧化碳。從中看出，二產(chǎn)的能源強(qiáng)度下降導(dǎo)致的降碳效應(yīng)最顯著。大力發(fā)展工業(yè)節(jié)能降耗，不斷優(yōu)化工業(yè)結(jié)構(gòu)，是減少碳排放重要舉措。

圖3 產(chǎn)業(yè)部門能源強(qiáng)度對碳排放變動(dòng)的貢獻(xiàn)Fig.3 Contribution of industrial sectors’energy intensity to carbon emission changes

2.2.4 產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)

通過大力發(fā)展低能耗、低排放的商業(yè)和服務(wù)業(yè)等第三產(chǎn)業(yè)，優(yōu)化調(diào)整高能耗、高排放的第二產(chǎn)業(yè)，我國產(chǎn)業(yè)結(jié)構(gòu)發(fā)生顯著變化，一產(chǎn)、二產(chǎn)、三產(chǎn)增加值在國內(nèi)生產(chǎn)總值的占比從1995年的19%、47%、34%變化到2017年的8%、40%、52%，一產(chǎn)占比大幅下降，二產(chǎn)占比小幅下降，三產(chǎn)占比大幅增加。表5是3個(gè)產(chǎn)業(yè)部門占比對碳排放變動(dòng)的貢獻(xiàn)。1995—2017年，產(chǎn)業(yè)結(jié)構(gòu)對碳排放變動(dòng)的貢獻(xiàn)分別為-0.9億t、-8.8億t、4.1億t碳排放。第二產(chǎn)業(yè)的碳排放負(fù)效應(yīng)最顯著，第三產(chǎn)業(yè)由于發(fā)展較快，表現(xiàn)為促進(jìn)碳排放增長，但是影響較小?？傮w來看，產(chǎn)業(yè)結(jié)構(gòu)改善對于碳排放的抵消作用越來越強(qiáng)，是未來減碳的重要方向之一。

表5 產(chǎn)業(yè)部門的結(jié)構(gòu)對碳排放變動(dòng)的貢獻(xiàn)Table 5 Contribution of industrial sectors’economic structure to carbon emission changes 億t

2.2.5 能源結(jié)構(gòu)效應(yīng)

高碳能源煤炭、石油、天然氣向水風(fēng)光等零碳能源轉(zhuǎn)移，能源結(jié)構(gòu)清潔化程度不斷提升，是減少碳排放的主要途徑。從1995—2017年，我國化石能源消費(fèi)占比從93.9%下降至86.2%，一產(chǎn)、二產(chǎn)、三產(chǎn)和居民部門中化石能源消費(fèi)占比均呈下降趨勢，以電力為載體的清潔能源消費(fèi)占比上升，進(jìn)入“十三五”，3個(gè)產(chǎn)業(yè)部門和居民部門都呈現(xiàn)碳排放抵消作用。

表6是3個(gè)產(chǎn)業(yè)部門和居民部門的化石能源結(jié)構(gòu)對碳排放變動(dòng)的貢獻(xiàn)。總體來看，一產(chǎn)、二產(chǎn)、三產(chǎn)和居民部門能源結(jié)構(gòu)對碳排放變動(dòng)的貢獻(xiàn)分別為358萬t、-43 747萬t、-9 660萬t、-3 322萬t二氧化碳，合計(jì)5.3億t二氧化碳，能源結(jié)構(gòu)清潔化對于減碳的作用越來越顯著。

2.2.6 居民能源價(jià)格、人均收入和人口規(guī)模效應(yīng)

居民能源價(jià)格、人均收入和人口規(guī)模對居民部門碳排放的貢獻(xiàn)見表7。居民部門能源價(jià)格衡量單位收入購買的能源量。能源價(jià)格上升，意味著能源鋪張浪費(fèi)的現(xiàn)象得到抑制，減少居民碳排放量。因此，能源價(jià)格顯著抑制能源消費(fèi)增長。1995—2017年，我國每萬元購買的能源量從0.45 t標(biāo)煤下降到0.11 t標(biāo)煤，相當(dāng)于居民消費(fèi)每1 t標(biāo)煤的成本上升6.87萬元，碳減排作用顯著，能源價(jià)格效應(yīng)減少3.7億t二氧化碳。

表6 能源結(jié)構(gòu)對碳排放變動(dòng)的貢獻(xiàn)Table 6 Contribution of industrial sectors’energy consumption structure to carbon emission changes 萬t

表7 居民部門碳排放分解Table 7 Decomposition results of residential sector’s energy-related CO2 emissions 億t

人均可支配收入是推動(dòng)居民部門碳排放增長的最重要驅(qū)動(dòng)力。隨著居民收入的增長，家庭照明、取暖、炊事等能源服務(wù)推動(dòng)居民部門碳排放不斷提高。居民人均可支配收入具有“放大器”作用，1995—2017年，年人均可支配收入每增加 1元，帶動(dòng)居民能源消費(fèi)增加2.7萬t碳排放，人均收入效應(yīng)增加6.9億t二氧化碳。

人口增長對居民能源消費(fèi)增長也有一定程度的推動(dòng)作用。1995—2017年，人口增加帶動(dòng)居民消費(fèi)增加0.4億t二氧化碳。

3 能源碳排放預(yù)測

3.1 模型建立

利用LMDI分解模型可以定量分析影響碳排放的主要因素，但是不便對未來碳排放進(jìn)行預(yù)測。利用擴(kuò)展的STIRPAT模型適合對未來碳排放進(jìn)行預(yù)測，但是需要選取合適的影響因素。影響因素對碳排放存在直接或間接關(guān)系，而且多個(gè)影響因素的作用存在重疊，影響因素過多存在過擬合、多重線性、數(shù)據(jù)獲取困難等問題，影響因素過少存在欠擬合等問題。從擬合的穩(wěn)定性、精確度等方面，不斷嘗試不同的變量組合，最后確定最優(yōu)的變量組合。經(jīng)過多次比較，本文選取人口總量、人均GDP、經(jīng)濟(jì)結(jié)構(gòu)、能源強(qiáng)度、化石能源占比作為影響變量，見表8。為減小時(shí)間序列數(shù)據(jù)的波動(dòng)性和噪音影響，需要對數(shù)據(jù)進(jìn)行歸一化處理和降噪。

表8 STIRPAT模型變量有關(guān)信息Table 8 Variable information in STIRPAT model

為了保證模型出現(xiàn)虛假回歸，必須對變量的平穩(wěn)性進(jìn)行檢測，確保各時(shí)間序列是平穩(wěn)序列。首先運(yùn)用ADF方法，對各變量的單位根進(jìn)行檢驗(yàn)，結(jié)果表明在5%顯著性水平上，5個(gè)變量均為非平穩(wěn)序列，但一階差分后均是平穩(wěn)序列，屬于一階差分單整序列，可以進(jìn)行協(xié)整檢驗(yàn)。運(yùn)用Johansen 協(xié)整檢測方法，結(jié)果表明：在95%的置信水平下，Trace 統(tǒng)計(jì)值均大于臨界值，并且伴隨概率均小于5%，6個(gè)變量之間至少存在5個(gè)長期協(xié)整關(guān)系，表明變量間存在顯著的關(guān)系，可進(jìn)行回歸分析。

基于2005—2017年數(shù)據(jù)，利用最小二乘法對式(2)進(jìn)行多元回歸，得到以下結(jié)果：

(8)

回歸結(jié)果顯示，調(diào)整系數(shù)R2是0.995，表明回歸高度擬合。能源強(qiáng)度、人均GDP、化石能源結(jié)構(gòu)是影響碳排放最主要因素，經(jīng)濟(jì)結(jié)構(gòu)、人口規(guī)模影響次之，回歸結(jié)果見圖4。

圖4 回歸擬合結(jié)果Fig.4 Regression fitting results

為驗(yàn)證預(yù)測模型有效性，基于2018、2019年的相關(guān)數(shù)據(jù)，模型預(yù)測得到能源碳排放96.2億t、97.8億t，與利用1.1節(jié)方法測算得到能源碳排放量相差1%、0.3%。

3.2 情景分析與參數(shù)設(shè)計(jì)

為便于模擬不同因素對2030年碳排放的影響，應(yīng)用情景分析法設(shè)計(jì)政策照舊情景(business as usual scenario，BAU)、低碳情景(low carbon scenario，LC )和強(qiáng)化低碳情景(enhanced low carbon scenario，ELC)這3種情景，各情景的參數(shù)見表9。其中人口規(guī)模、經(jīng)濟(jì)增長指標(biāo)參考國內(nèi)外研究機(jī)構(gòu)結(jié)果。

表9 2030年情景設(shè)計(jì)與參數(shù)設(shè)置Table 9 Scenario design and parameter setting in 2030

1)政策照舊情景。延續(xù)當(dāng)前能源消費(fèi)增長快、效率低、排放高的模式，能源消費(fèi)強(qiáng)度下降速率較低。依靠大力發(fā)展傳統(tǒng)產(chǎn)業(yè)來拉動(dòng)經(jīng)濟(jì)并使其保持較快增長，經(jīng)濟(jì)結(jié)構(gòu)中二產(chǎn)占比居高不下。該情景下，2030年一次能源消費(fèi)總量達(dá)65.7億t標(biāo)煤，能源消費(fèi)強(qiáng)度為0.4 t標(biāo)煤/萬元，二產(chǎn)占比達(dá)34%，清潔能源占比為20%。

2)低碳情景。以實(shí)現(xiàn)2030年前碳達(dá)峰為目標(biāo)，更加注重經(jīng)濟(jì)發(fā)展質(zhì)量，經(jīng)濟(jì)增長進(jìn)入中低速階段。大力發(fā)展服務(wù)業(yè)和新興制造業(yè)，經(jīng)濟(jì)結(jié)構(gòu)中二產(chǎn)占比稍微下降。能源系統(tǒng)效率大幅提高，能源消費(fèi)總量維持在在合理水平。該情景下，2030年一次能源消費(fèi)總量達(dá)60億t標(biāo)煤，能源消費(fèi)強(qiáng)度為0.36 t標(biāo)煤/萬元，二產(chǎn)占比達(dá)32%，清潔能源占比為30%。

3)強(qiáng)化低碳情景。以實(shí)現(xiàn)全球1.5 ℃溫升為目標(biāo)，采取超常規(guī)減排政策與措施，能源系統(tǒng)效率大幅提升，能源消費(fèi)總量保持較低水平，第三產(chǎn)業(yè)加速發(fā)展。該情景下，2030年能源消費(fèi)總量達(dá)53.5億t標(biāo)煤，能源消費(fèi)強(qiáng)度為0.33 t標(biāo)煤/萬元，二產(chǎn)占比達(dá)30%，清潔能源占比為35%。

3.3 碳排放預(yù)測結(jié)果

3種情景下碳排放預(yù)測結(jié)果見圖5。BAU情景中，能源碳排放持續(xù)增長，2030年前不能實(shí)現(xiàn)達(dá)峰目標(biāo)，2030年碳排放達(dá)131億t。LC情景中，能源碳排放于2029年左右達(dá)峰，峰值為107億t，2030年下降至105億t，碳排放強(qiáng)度較2005年下降78%。ELC情景中，能源碳排放持續(xù)下降，2030年下降至83億t水平。

圖5 不同情景下能源碳排放預(yù)測結(jié)果Fig.5 Energy-related carbon emission prediction results under different scenarios

考慮各主要指標(biāo)+2%～-2%擾動(dòng)后，BAU情景下，2030年碳排放處于120億～140億t，不能達(dá)峰；LC情景中，2030年碳排放處于101億～110億t，達(dá)峰時(shí)間為2025—2029年；ELC情景中，2030年碳排放處于70億～90億t，從2020年起持續(xù)下降。

值得注意的是，由于預(yù)測模型的參數(shù)是基于歷史數(shù)據(jù)擬合得到，選取不同的歷史數(shù)據(jù)和設(shè)置不同的社會(huì)經(jīng)濟(jì)參數(shù)，均對未來預(yù)測結(jié)果存在較大影響，因而采用計(jì)量方法對碳排放峰值進(jìn)行預(yù)測存在一定不確定性。

4 結(jié)論與建議

本文采用LMDI分解方法，對我國產(chǎn)業(yè)部門和居民部門碳排放量變化的因素進(jìn)行定量分析，并運(yùn)用STIRPAT預(yù)測模型，對2030年前我國碳排放總量進(jìn)行預(yù)測，結(jié)論如下：

1)1995—2017年，3個(gè)產(chǎn)業(yè)部門碳排放中，經(jīng)濟(jì)增長呈現(xiàn)顯著的正效應(yīng)，能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)為負(fù)效應(yīng)，貢獻(xiàn)率分別為228.9%、-116.7%、-8.9%、-8.4%，且產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化和能源結(jié)構(gòu)清潔化發(fā)揮的作用越來越顯著。居民部門碳排放中，能源結(jié)構(gòu)和能源價(jià)格對于碳排放呈現(xiàn)負(fù)效應(yīng)，貢獻(xiàn)率分別為-0.5%、-5.9%;人均收入和人口規(guī)模對于碳排放呈現(xiàn)正效應(yīng)，貢獻(xiàn)率分別為10.1%、0.6%。

2)碳排放與經(jīng)濟(jì)、社會(huì)、技術(shù)發(fā)展密切相關(guān)。在以實(shí)現(xiàn)碳達(dá)峰為目標(biāo)的低碳情景中，我國能源碳排放有望于2025—2029年實(shí)現(xiàn)達(dá)峰，峰值水平為101億～110億t。如果延續(xù)當(dāng)前能源消費(fèi)增長快、效率低、排放高的發(fā)展模式，依舊大力發(fā)展化石能源，2030年前將無法實(shí)現(xiàn)碳達(dá)峰目標(biāo)，碳排放將達(dá)到130億t。

當(dāng)前，我國經(jīng)濟(jì)持續(xù)增長，能源需求總量持續(xù)增加，產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型、能源結(jié)構(gòu)調(diào)整均面臨很多挑戰(zhàn)，碳達(dá)峰任務(wù)十分艱巨。建議如下：

1)以構(gòu)建中國能源互聯(lián)網(wǎng)為基礎(chǔ)平臺(tái)，同步實(shí)施“清潔替代”和“電能替代”，以清潔的電能減少碳排放，推動(dòng)能源發(fā)展和經(jīng)濟(jì)發(fā)展與碳排放脫鉤。

2)加快發(fā)展低碳技術(shù)，在清潔能源、先進(jìn)輸電、儲(chǔ)能、電動(dòng)汽車、電制氫等重大技術(shù)領(lǐng)域盡早實(shí)現(xiàn)突破。

3)統(tǒng)籌電力市場和碳市場等綠色發(fā)展市場機(jī)制，構(gòu)建中國電-碳市場，以高效率、低成本、高效益實(shí)現(xiàn)氣候與能源協(xié)同治理。

4)加強(qiáng)頂層設(shè)計(jì)，統(tǒng)籌制定交通、工業(yè)、建筑各領(lǐng)域的達(dá)峰目標(biāo)和路線圖，推動(dòng)重點(diǎn)領(lǐng)域率先碳達(dá)峰。