共享社會(huì)經(jīng)濟(jì)路徑下中國(guó)2020—2100年碳排放預(yù)測(cè)研究

張 帆, 徐 寧, 吳 鋒

中國(guó)科學(xué)院地理科學(xué)與資源研究所,陸地表層格局與模擬院重點(diǎn)實(shí)驗(yàn)室, 北京 100101

近年來(lái),二氧化碳排放、環(huán)境污染和全球變暖已成為威脅世界經(jīng)濟(jì)和社會(huì)可持續(xù)發(fā)展的重要因素。改革開(kāi)放后,中國(guó)進(jìn)入高速發(fā)展時(shí)期。由于能源利用效率和清潔技術(shù)的限制,這種發(fā)展模式持續(xù)增加能源消耗,能源自然成為中國(guó)發(fā)展的命脈[1]。與之相關(guān)的直接后果是,2009年中國(guó)成為世界上最大的溫室氣體排放國(guó)家[2]。另外,數(shù)據(jù)顯示中國(guó)2015年的碳排放約占全球總排放量的三分之一[3]。

面對(duì)節(jié)能減排的緊迫任務(wù),中國(guó)積極參與全球氣候治理,展現(xiàn)負(fù)責(zé)任的大國(guó)形象。中國(guó)政府已經(jīng)提出了碳減排目標(biāo)的中長(zhǎng)期發(fā)展計(jì)劃。2015年巴黎氣候變化大會(huì)上,中國(guó)政府明確了“自主行動(dòng)目標(biāo)”即要在2030年左右實(shí)現(xiàn)國(guó)內(nèi)碳排放達(dá)峰并爭(zhēng)取盡早達(dá)峰,屆時(shí)碳排放強(qiáng)度(CEI)要較2005年水平下降60%—65%[4]。國(guó)務(wù)院頒布的《節(jié)能減排綜合工作計(jì)劃》(2016—2020)明確要求提高能源利用效率,使碳排放強(qiáng)度較2015年水平下降15%[5]。2020年9月,中國(guó)政府在七十五屆聯(lián)合國(guó)大會(huì)將已有目標(biāo)和雄心進(jìn)一步加強(qiáng),提出將提高國(guó)家自主貢獻(xiàn)力度,努力于2060年之前實(shí)現(xiàn)碳中和[6]。實(shí)際行動(dòng)上,近年來(lái)中國(guó)也針對(duì)能源消費(fèi)結(jié)構(gòu)的轉(zhuǎn)變和產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化進(jìn)行了系列的政策設(shè)計(jì)[7- 10],以期減少碳排放和由此產(chǎn)生的經(jīng)濟(jì)代價(jià)。

為了探究中國(guó)是否能夠?qū)崿F(xiàn)碳排放強(qiáng)度下降的承諾、是否有可能盡早達(dá)到碳排放峰值,學(xué)界有必要對(duì)中國(guó)碳排放的長(zhǎng)期動(dòng)態(tài)做出有據(jù)可依的精準(zhǔn)預(yù)測(cè)。當(dāng)前對(duì)碳排放的預(yù)測(cè)研究主要集中于討論中國(guó)能否在2020年和2030年完成相應(yīng)的碳減排承諾,但尚未完全深入到碳排放的長(zhǎng)期、多情景預(yù)測(cè)。在為數(shù)不多關(guān)于碳排放動(dòng)態(tài)預(yù)測(cè)的研究中,主要集中在碳強(qiáng)度下降、碳排放達(dá)峰和碳減排承諾等方面,基于情景的碳排放動(dòng)態(tài)預(yù)測(cè)及經(jīng)濟(jì)代價(jià)評(píng)估略有缺乏。關(guān)于碳排放強(qiáng)度下降目標(biāo)的研究,Zhang等[11]運(yùn)用LMDI方法和情景分析做了碳預(yù)測(cè)研究,認(rèn)為2030年碳排放強(qiáng)度下降65%的目標(biāo)完全可以實(shí)現(xiàn)；Cui等[12]的研究結(jié)果表明2020年和2030年恰好是碳排放強(qiáng)度下降目標(biāo)上限和下限的實(shí)現(xiàn)節(jié)點(diǎn),但中國(guó)的一系列碳排放承諾不能完全實(shí)現(xiàn),強(qiáng)調(diào)了采取嚴(yán)格的碳排放價(jià)格限制的重要性；Sun等[13]發(fā)現(xiàn)中國(guó)有潛力將2030年的碳排放強(qiáng)度降低至2005年水平的27.30%,并認(rèn)為通過(guò)特定的情景假設(shè)可以實(shí)現(xiàn)峰值目標(biāo)；Chen[14]針對(duì)中國(guó)設(shè)計(jì)了一個(gè)能源供需模型和對(duì)應(yīng)的兩個(gè)未來(lái)情景,結(jié)果顯示中國(guó)的碳排放會(huì)于2025年達(dá)到峰值?；谝粋€(gè)經(jīng)濟(jì)氣候聯(lián)合模型,Mi等[15]預(yù)測(cè)中國(guó)碳排放的峰值可能會(huì)出現(xiàn)在2026年。王珂珂等[16]使用WOA-ELM模型對(duì)中國(guó)2040年之前的碳排放動(dòng)態(tài)進(jìn)行了預(yù)測(cè),結(jié)果顯示中國(guó)的碳排放將繼續(xù)增加至2031年。基于綠色索羅模型,付喆等[17]的研究揭示中國(guó)在加快減排技術(shù)進(jìn)步的前提下可以在2030年實(shí)現(xiàn)碳排放達(dá)峰。除以上結(jié)果外,部分學(xué)者還認(rèn)為中國(guó)做出的碳減排承諾難以實(shí)現(xiàn)[18-20]?？傮w來(lái)看,現(xiàn)有研究已經(jīng)積累了與中國(guó)碳排放達(dá)峰或者減排相關(guān)的豐富成果,但研究結(jié)論并不一致,主要原因在于以歷史數(shù)據(jù)為單一依據(jù)的碳排放預(yù)測(cè)常常難以反映未來(lái)社會(huì)的發(fā)展動(dòng)向,與此形成對(duì)照的是,基于合理的、長(zhǎng)期的發(fā)展情景設(shè)定開(kāi)展預(yù)測(cè)研究會(huì)更加貼合未來(lái)碳排放的真實(shí)場(chǎng)景。

預(yù)測(cè)未來(lái)的碳排放情景是一個(gè)宏觀(guān)、復(fù)雜的工作,應(yīng)圍繞情景和模型兩個(gè)方面開(kāi)展?，F(xiàn)有研究很少考慮到氣候政策實(shí)施和由此引發(fā)的未來(lái)社會(huì)經(jīng)濟(jì)發(fā)展的不確定性,這使得碳排放的預(yù)測(cè)工作充滿(mǎn)挑戰(zhàn)。本文試圖通過(guò)IPCC發(fā)布的共享社會(huì)經(jīng)濟(jì)路徑(SSPs)來(lái)為碳排放的多情景預(yù)測(cè)做出貢獻(xiàn)。SSPs是依據(jù)歷史數(shù)據(jù)對(duì)社會(huì)多維度屬性進(jìn)行的未來(lái)預(yù)測(cè)[21]?；跉夂蛘?SSP設(shè)定了未來(lái)社會(huì)發(fā)展的5種不同情況,即5種SSP情景。值得一提的是,在新型冠狀病毒(COVID- 19)疫情在全球肆虐的大背景下,有必要討論此次“黑天鵝事件”對(duì)中國(guó)發(fā)展和SSPs框架的影響。COVID- 19疫情的爆發(fā)對(duì)環(huán)境尤其是對(duì)碳排放造成了嚴(yán)重影響。由于實(shí)施有關(guān)疫情防控的封鎖措施,當(dāng)前世界上幾乎所有國(guó)家的碳排放量均有所減少[22]。尤其對(duì)于亞洲國(guó)家而言,其碳排放量減少程度十分顯著[23]。2019年中國(guó)排放了約140億噸二氧化碳；當(dāng)中國(guó)因COVID- 19疫情而實(shí)施封鎖措施后,2020年第一季度的碳排放量與2019年同期相比減少了10.3%[24]。參考2008年全球性金融危機(jī),Wang等探索了“黑天鵝事件”后人均能源消耗、能源結(jié)構(gòu)、能源強(qiáng)度和對(duì)外貿(mào)易對(duì)碳排放變化的長(zhǎng)期影響,為防止碳排放在COVID- 19疫情后受經(jīng)濟(jì)恢復(fù)的刺激而再次飆升,倡導(dǎo)各國(guó)針對(duì)經(jīng)濟(jì)進(jìn)行長(zhǎng)期改革并努力實(shí)現(xiàn)綠色和低碳發(fā)展道路[25]。COVID- 19疫情對(duì)全球碳排放存在短期沖擊,由此造成的氣候變化會(huì)促使全球氣候政策進(jìn)行一定程度的短期調(diào)整[26]；從自然環(huán)境的長(zhǎng)期發(fā)展角度來(lái)看,此次疫情下全球氣候的變化是微弱和短暫的,疫情對(duì)SSP框架設(shè)置合理性的挑戰(zhàn)較為微弱,疫情后全球經(jīng)濟(jì)社會(huì)發(fā)展的軌跡與5種SSP情景原有的“故事線(xiàn)”不會(huì)存在顯著偏差?；谀Ｐ瞳@取對(duì)象間的作用機(jī)制是準(zhǔn)確預(yù)測(cè)碳排放的關(guān)鍵步驟。換句話(huà)說(shuō),要想模擬碳排放的未來(lái)軌跡,就必須基于歷史數(shù)據(jù)探明碳排放與影響因素間的關(guān)系。已經(jīng)有多種方法被應(yīng)用于預(yù)測(cè)碳排放,例如環(huán)境庫(kù)茲涅茲曲線(xiàn)(EKC)[27]、灰色模型[28]、STIRPAT模型[29]和LMDI方法[11]。以上方法中,由Dietz和Rosa[30]提出的STIRPAT模型可以實(shí)現(xiàn)對(duì)環(huán)境壓力的隨機(jī)估計(jì)。STIRPAT模型不假設(shè)導(dǎo)致影響的驅(qū)動(dòng)因素之間存在因果關(guān)系,相反,它將此類(lèi)聯(lián)系視為要檢驗(yàn)的假設(shè)。此外,STIRPAT模型鼓勵(lì)將人口、富裕程度和技術(shù)以外的驅(qū)動(dòng)因素視為環(huán)境影響的驅(qū)動(dòng)因素[31-32]。已有研究顯示更大的人口規(guī)模通常會(huì)導(dǎo)致更多的碳排放[33]；人均GDP是預(yù)測(cè)碳排放的有效指標(biāo)[34]；受教育程度不僅可以表征地區(qū)人類(lèi)發(fā)展的素質(zhì),還可以反映技術(shù)的先進(jìn)性[35]?？紤]到人口、經(jīng)濟(jì)和教育程度恰好是SSPs框架中關(guān)鍵的預(yù)測(cè)變量,結(jié)合STIRPAT模型原理可以構(gòu)建碳排放的一種新穎的解釋變量組。因此,對(duì)本研究而言,STIRPAT模型具有良好的實(shí)用性和獨(dú)特優(yōu)勢(shì)。

本文嘗試基于SSPs的差異化設(shè)定,從歷史趨勢(shì)分析和未來(lái)情景模擬對(duì)中國(guó)碳排放的趨勢(shì)及經(jīng)濟(jì)代價(jià)進(jìn)行多情景預(yù)測(cè)。具體而言,本文通過(guò)樣本內(nèi)和樣本外檢驗(yàn)測(cè)試基于SSPs的模型的預(yù)測(cè)能力。樣本內(nèi)檢驗(yàn)側(cè)重于1997年至2010年的樣本數(shù)據(jù),而樣本外檢驗(yàn)則側(cè)重于2011年至2017年期間。在確保模型具有高精度的前提下,完成了5個(gè)SSP情景的碳排放預(yù)測(cè)及經(jīng)濟(jì)代價(jià)評(píng)估。本研究的分析結(jié)果將為政府制訂合理的碳減排目標(biāo)和減排措施提供理論依據(jù)和決策參考。

1 研究方法和材料

1.1 共享社會(huì)經(jīng)濟(jì)路徑

共享社會(huì)經(jīng)濟(jì)路徑(SSPs)開(kāi)發(fā)的目的在于評(píng)估氣候變化的影響以及減輕不利社會(huì)影響的能力如何隨社會(huì)經(jīng)濟(jì)驅(qū)動(dòng)因素而變化的不確定性。SSPs方案的制定取決于對(duì)社會(huì)經(jīng)濟(jì)發(fā)展、教育改善和人口增長(zhǎng)的不同假設(shè),旨在跨越一系列可供選擇的未來(lái)。SSPs與氣候變化相關(guān)的物理過(guò)程脫鉤,根據(jù)緩釋和適應(yīng)氣候變化的挑戰(zhàn)來(lái)定義每種路徑。高緩釋挑戰(zhàn)被理解為對(duì)化石燃料的高度依賴(lài)以及對(duì)針對(duì)全球環(huán)境問(wèn)題的低水平國(guó)際合作能力；高適應(yīng)性挑戰(zhàn)的特點(diǎn)是發(fā)展增長(zhǎng)率低、人力資本投資少以及經(jīng)濟(jì)不平等加劇[36-37]。表1展示了5種SSP情景有關(guān)緩釋和適應(yīng)的具體設(shè)定。

表1 不同SSP情景的具體設(shè)定

1.2 STIRPAT分析

STIRPAT的基礎(chǔ)形式為：

I=aPbAcTde

(1)

式中,I、P、A、T分別表示環(huán)境狀況、人口、經(jīng)濟(jì)發(fā)展和技術(shù)創(chuàng)新。b、c、d分別為3個(gè)驅(qū)動(dòng)因素的估計(jì)系數(shù),a為模型參數(shù),e為誤差項(xiàng)。該模型是一個(gè)多變量非線(xiàn)性模型,分別對(duì)其兩端作對(duì)數(shù)化處理可以得到以下線(xiàn)性模型：

lnI=lna+blnP+clnA+dlnT+lne

(2)

環(huán)境狀況在本文中具體為碳排放?；谖墨I(xiàn)回顧,本文分別使用總?cè)丝?POP)、人均GDP(PGDP)和受過(guò)高等教育的人口(EDU)表征人口、富裕度和技術(shù)水平。為了更為準(zhǔn)確地對(duì)中國(guó)碳排放的未來(lái)趨勢(shì)進(jìn)行預(yù)測(cè),需要對(duì)驅(qū)動(dòng)因素框架進(jìn)行擴(kuò)展。對(duì)于環(huán)境庫(kù)茲涅茲曲線(xiàn)(EKC)的存在性,諸多研究已經(jīng)以中國(guó)為對(duì)象探討了這一話(huà)題,但仍未形成統(tǒng)一結(jié)論[38-40]。因此,有必要對(duì)EKC在中國(guó)的存在性進(jìn)行再檢驗(yàn),具體而言,本文將人均GDP的二次項(xiàng)納入模型。綜上,本文建立的碳排放預(yù)測(cè)模型如下：

lnCE=lna+blnPOP+c1lnPGDP+c2(lnPGDP)2+dlnEDU+lne

(3)

1.3 經(jīng)濟(jì)預(yù)測(cè)模型

本文使用Cobb-Douglas生產(chǎn)函數(shù)作為經(jīng)濟(jì)預(yù)測(cè)的基本工具,該方法已被廣泛地應(yīng)用于全球和各國(guó)的經(jīng)濟(jì)研究[41-43],其表達(dá)式為：

Y(t)=K(t)αL(t)1-αTFP(0)eλt

(4)

式中,Y代表GDP,L、K和TFP分別代表勞動(dòng)力、資本和全要素生產(chǎn)率。α代表彈性系數(shù),λ代表科技創(chuàng)新。對(duì)于L,本文使用Leimbach等[44]建立的勞動(dòng)力投入計(jì)算框架進(jìn)行計(jì)算。對(duì)于K,本文使用永續(xù)盤(pán)存法[45]對(duì)各省的物質(zhì)資本存量進(jìn)行計(jì)算。最后,根據(jù)索羅經(jīng)濟(jì)增長(zhǎng)模型計(jì)算得到TFP。為預(yù)測(cè)中國(guó)在不同情景下的社會(huì)發(fā)展?fàn)顩r,需要基于SSPs框架對(duì)模型參數(shù)的未來(lái)發(fā)展情景進(jìn)行假設(shè)。本文參考了Leimbach等[44]和姜彤等[46]的研究,確定了相關(guān)參數(shù)。

1.4 數(shù)據(jù)源

本文進(jìn)行實(shí)質(zhì)性預(yù)測(cè)所需的數(shù)據(jù)可分為歷史數(shù)據(jù)和預(yù)測(cè)數(shù)據(jù)兩部分。

歷史數(shù)據(jù)。碳排放數(shù)據(jù)來(lái)源于中國(guó)碳排放數(shù)據(jù)庫(kù)(CEADs)。考慮到CEADs記錄的中國(guó)省級(jí)碳排放數(shù)據(jù)最早可追溯至1997年并且基于SSPs框架進(jìn)行的變量預(yù)測(cè)始于2010年,因此本文將歷史數(shù)據(jù)的提取范圍定位為1997年至2010年。由于缺失西藏的碳排放數(shù)據(jù),本文的基本研究單元是除西藏外的30個(gè)省份。人口和人均GDP數(shù)據(jù)來(lái)源于各省歷年的統(tǒng)計(jì)年鑒。本文的歷史數(shù)據(jù)將被應(yīng)用于STIRPAT分析,表2展示了變量的統(tǒng)計(jì)性結(jié)果。

預(yù)測(cè)數(shù)據(jù)。Chen等[47]基于一個(gè)遞歸多維模型和SSPs框架構(gòu)建了2011至2100年中國(guó)省級(jí)人口預(yù)測(cè)數(shù)據(jù)庫(kù)。本文使用的人口預(yù)測(cè)數(shù)據(jù)來(lái)源于該數(shù)據(jù)庫(kù) (https://doi.org/10.6084/m9.figshare.c.4605713)。除此之外,為了進(jìn)行經(jīng)濟(jì)預(yù)測(cè),本文通過(guò)各省歷年的統(tǒng)計(jì)年鑒獲取了固定資本形成總額、居民消費(fèi)物價(jià)指數(shù)和GDP等數(shù)據(jù)。

表2 模型變量的統(tǒng)計(jì)性結(jié)果

2 結(jié)果與分析

2.1 人口和經(jīng)濟(jì)預(yù)測(cè)結(jié)果

2.1.1人口預(yù)測(cè)結(jié)果

基于以上分析,人口預(yù)測(cè)數(shù)據(jù)不僅被直接用作碳排放的預(yù)測(cè)因子,還參與了經(jīng)濟(jì)預(yù)測(cè)的過(guò)程。因此,檢驗(yàn)人口預(yù)測(cè)數(shù)據(jù)的準(zhǔn)確性對(duì)本研究而言至關(guān)重要。為了實(shí)現(xiàn)這一步驟,需要將人口預(yù)測(cè)結(jié)果與歷史統(tǒng)計(jì)數(shù)據(jù)進(jìn)行對(duì)比。用于比較的預(yù)測(cè)結(jié)果選取于與當(dāng)前發(fā)展動(dòng)向相近的SSP2情景,對(duì)比時(shí)段為2011年至2017年。

為了直觀(guān)地評(píng)估預(yù)測(cè)的不確定性,本文選取了3種誤差指標(biāo)評(píng)判模型的預(yù)測(cè)效果(表3)。從形式上看,量綱的設(shè)定標(biāo)準(zhǔn)會(huì)對(duì)平均絕對(duì)誤差(MAE)和均方根誤差(RMSE)的絕對(duì)數(shù)值產(chǎn)生影響,平均絕對(duì)百分比誤差(MAPE)是唯一的例外。參照Pao等[48]設(shè)定的標(biāo)準(zhǔn),MAPE的結(jié)果可被劃分為四類(lèi)：高度準(zhǔn)確的預(yù)測(cè)(0—10.00%)、良好的預(yù)測(cè)(10.00%—20.00%)、接近合理的預(yù)測(cè)(20.00%—50.00%)和不準(zhǔn)確的預(yù)測(cè)(50.00%—100.00%)。表3中的MAPE值均小于5%,表明本文使用的人口預(yù)測(cè)數(shù)據(jù)產(chǎn)品具有高度的準(zhǔn)確性,這為準(zhǔn)確預(yù)測(cè)經(jīng)濟(jì)的未來(lái)動(dòng)態(tài)提供了先決條件。

表3 有關(guān)人口預(yù)測(cè)的誤差評(píng)價(jià)指標(biāo)結(jié)果

2.1.2經(jīng)濟(jì)預(yù)測(cè)結(jié)果

圖1和圖2分別為中國(guó)總GDP和人均GDP的預(yù)測(cè)結(jié)果。同樣地,本文重點(diǎn)評(píng)估了經(jīng)濟(jì)預(yù)測(cè)的誤差(表4)。關(guān)注MAPE的結(jié)果,經(jīng)濟(jì)預(yù)測(cè)的準(zhǔn)確性雖低于人口預(yù)測(cè),但仍很好地模擬了現(xiàn)實(shí)情況。根據(jù)MAPE,對(duì)各SSP情景下的總GDP和人均GDP分別設(shè)置7.89%和8.33%的誤差范圍。5種SSP情景下,中國(guó)的總GDP均呈現(xiàn)上升趨勢(shì)。從增長(zhǎng)特點(diǎn)來(lái)看,SSP2情景、SSP3情景和SSP5情景近似,總GDP均呈現(xiàn)較為穩(wěn)定的發(fā)展態(tài)勢(shì)。SSP1情景和SSP4情景較為接近,在2050年之后進(jìn)入GDP增長(zhǎng)的減緩期,總GDP分別趨向于3.20×1014元和2.50×1014元。在SSP5情景下,中國(guó)的人均GDP具有最高的水平,最低是SSP3情景。

圖1 SSP1—SSP5情景下中國(guó)總GDP預(yù)測(cè)結(jié)果Fig.1 Forecast results of China′s total GDP under SSP1—SSP5 scenariosSSP1:可持續(xù)路徑 Sustainability; SSP2:中間路徑 Middle of the road; SSP3:區(qū)域競(jìng)爭(zhēng)路徑 Regional rivalry; SSP4:不均衡路徑 Inequality; SSP5:化石燃料為主的路徑 Fossil-fueled development

圖2 SSP1—SSP5情景下中國(guó)人均GDP預(yù)測(cè)結(jié)果Fig.2 Forecast results of China′s per capita GDP under SSP1—SSP5 scenarios

表4 有關(guān)經(jīng)濟(jì)預(yù)測(cè)的誤差評(píng)價(jià)指標(biāo)結(jié)果

國(guó)際應(yīng)用系統(tǒng)分析研究所(IIASA)長(zhǎng)期致力于研究全球環(huán)境尤其是氣候變化,其對(duì)國(guó)家尺度的人口和經(jīng)濟(jì)進(jìn)行了長(zhǎng)時(shí)間序列的預(yù)測(cè)。結(jié)合氣體排放約束,IIASA在各SSP情景下進(jìn)一步設(shè)置了不同的“故事線(xiàn)”,其結(jié)果被廣泛用于全球社會(huì)經(jīng)濟(jì)發(fā)展的研究[21,44,49]。選取IIASA數(shù)據(jù)庫(kù)中5種SSP情景下基準(zhǔn)設(shè)定的預(yù)測(cè)結(jié)果作為參考,將本文中2010年至2100年人口和GDP總體結(jié)果與之進(jìn)行對(duì)比分析。結(jié)果顯示,總?cè)丝诤涂侴DP的MAPE平均值分別為6.69%(SSP1：5.57%；SSP2：7.04%；SSP3：7.70%；SSP4：7.07%；SSP5：6.08%)和7.01%(SSP1：6.52%；SSP2：5.40%；SSP3：5.50%；SSP4：8.28%；SSP5：9.37%),二者均處于“高度準(zhǔn)確的預(yù)測(cè)”范圍內(nèi)。綜上,可以認(rèn)為本文用于碳排放預(yù)測(cè)的人口和經(jīng)濟(jì)變量具有高度準(zhǔn)確性。

2.2 碳排放預(yù)測(cè)模型

2.2.1模型識(shí)別

為了評(píng)估每個(gè)因素對(duì)碳排放的作用方向和作用強(qiáng)度,本文基于歷史數(shù)據(jù)進(jìn)行模型回歸(表5)。本文首先使用最小二乘回歸(OLS)方法估算了1997年至2010年的基準(zhǔn)模型。進(jìn)一步,由于每個(gè)省的“省情”不同,可能遺漏了不隨時(shí)間而變的變量,故嘗試使用固定效應(yīng)(FE)模型。FE模型的F檢驗(yàn)值為114.85且通過(guò)1%水平的顯著性檢驗(yàn),這一結(jié)果表明模型回歸中存在個(gè)體效應(yīng)?？紤]到個(gè)體效應(yīng)仍可能以隨機(jī)效應(yīng)(RE)的形式存在,故使用RE模型進(jìn)一步測(cè)算模型。RE模型的LM檢驗(yàn)值為1963.84且通過(guò)1%水平的顯著性檢驗(yàn)。綜合以上結(jié)果,FE模型和RE模型均比OLS模型更加有效。最后,基于Hausman檢驗(yàn)所得的p值為0.2693,無(wú)法拒絕原假設(shè),即RE模型更加優(yōu)越。因此,本研究將表5中RE模型對(duì)應(yīng)的估計(jì)參數(shù)作為最終模型結(jié)果。

回歸結(jié)果顯示,本文選用的實(shí)質(zhì)性解釋變量對(duì)碳排放的作用效果均是顯著的,相對(duì)而言受教育程度的顯著性最“差”,但仍在5%的顯著性水平上顯著。具體來(lái)看,人口總規(guī)模的增長(zhǎng)意味著更多的碳排放。中國(guó)在20世紀(jì)末和21世紀(jì)初這段時(shí)期的發(fā)展歷程呈現(xiàn)出經(jīng)濟(jì)發(fā)展與碳排放的倒“U”型關(guān)系。受過(guò)高等教育的人口規(guī)模對(duì)碳排放產(chǎn)生了正向效應(yīng),這表明對(duì)于地區(qū)科技進(jìn)步在過(guò)去作為一種推動(dòng)力加劇了碳排放。

2.2.2模型精度檢驗(yàn)

本文試圖通過(guò)樣本內(nèi)和樣本外兩種路徑對(duì)模型精度進(jìn)行檢驗(yàn)。具體而言,基于RE模型的回歸結(jié)果計(jì)算了1997年至2010年間的碳排放預(yù)測(cè)值并將其與歷史數(shù)據(jù)進(jìn)行比較。然后,為了驗(yàn)證模型對(duì)于“新”數(shù)據(jù)的解釋能力,將模型參數(shù)代入中間路徑(SSP2情景)下的人口和經(jīng)濟(jì)預(yù)測(cè)結(jié)果,由此得到2011年至2017年的碳排放預(yù)測(cè)結(jié)果。

表5 碳排放影響因素的模型結(jié)果

為了查看模型預(yù)測(cè)的更多細(xì)節(jié),本文選取了各年度省級(jí)碳排放的中位數(shù)與實(shí)際值進(jìn)行比較,結(jié)果見(jiàn)圖3。圖4是碳排放的總體比較。類(lèi)似3.1部分,本文使用誤差指標(biāo)對(duì)預(yù)測(cè)的準(zhǔn)確性進(jìn)行了評(píng)估,結(jié)果見(jiàn)表6。結(jié)果顯示,碳排放預(yù)測(cè)值與實(shí)際值之間存在一些偏差,預(yù)測(cè)的不確定性仍然存在。例如自2007年起,模型始終高估了中國(guó)的碳排放。但1997年至2017年的MAPE值很小,甚至沒(méi)有超過(guò)6%,表明模型的預(yù)測(cè)能力較為良好。更重要的是,針對(duì)樣本外檢驗(yàn)的誤差指標(biāo)結(jié)果顯示模型面對(duì)“新”數(shù)據(jù)時(shí)的預(yù)測(cè)精度未受到嚴(yán)重?fù)p害,反而有所提高。因此,綜合以上結(jié)果,本文構(gòu)建的碳排放預(yù)測(cè)框架是精確可信的。

圖3 1997—2007年中國(guó)碳排放的中位數(shù)水平比較Fig.3 Comparison of median levels of CO2 emissions from 1997 to 2007

圖4 1997—2017年中國(guó)碳排放的總體比較Fig.4 Overall comparison of CO2 emissions from 1997 to 2017

表6 針對(duì)碳排放預(yù)測(cè)的誤差指標(biāo)結(jié)果

2.3 SSP1—SSP5情景碳排放預(yù)測(cè)

本文將RE模型的估計(jì)系數(shù)分別代入不同SSPs情景的變量數(shù)據(jù)庫(kù)進(jìn)行估計(jì)。每個(gè)SSP情景數(shù)據(jù)庫(kù)均涵蓋了2011至2100年人口和經(jīng)濟(jì)數(shù)據(jù)的預(yù)測(cè)值。換句話(huà)說(shuō),對(duì)于同一指標(biāo)而言,不同SSP情景的碳排放預(yù)測(cè)結(jié)果差異從2011年開(kāi)始出現(xiàn)。類(lèi)似2.1.2部分,鑒于2011年到2017年的碳排放預(yù)測(cè)結(jié)果與實(shí)際值存在2.74%的不確定性偏差,有必要對(duì)每個(gè)情景設(shè)置基于碳排放估算結(jié)果的2.74%的誤差上限和誤差下限。圖5展示了碳排放的年度結(jié)果。5種SSP情景下中國(guó)碳排放的長(zhǎng)期趨勢(shì)是接近的,盡管它們處于不同的水平：隨著時(shí)間的推移,中國(guó)的碳排放先上升至峰值點(diǎn),而后下降。在SSP3情景下,中國(guó)的碳排放可以在2029年達(dá)到峰值點(diǎn),其余情景均會(huì)不同程度地推遲峰值目標(biāo)的實(shí)現(xiàn)。中國(guó)碳排放達(dá)峰最晚的情景為SSP5,對(duì)應(yīng)的時(shí)間為2039年。值得一提的是,聯(lián)合國(guó)[50]發(fā)布的預(yù)測(cè)結(jié)果顯示中國(guó)的人口峰值年為2027年；直到2025年,能源供給才有可能滿(mǎn)足持續(xù)增長(zhǎng)的人口的需求。換句話(huà)說(shuō),中國(guó)的碳排放不太可能于2025年之前達(dá)峰,本文對(duì)中國(guó)碳排放的預(yù)測(cè)和國(guó)際主流判斷是一致的。

圖5 2010—2100年中國(guó)碳排放狀況預(yù)測(cè)Fig.5 China′s CO2 emissions forecast from 2010 to 2100

以最晚峰值年為界,本文計(jì)算了不同情景下2011年至2039年的累積碳排放(圖6)。這一時(shí)期的累積碳排放存在關(guān)系：SSP3(298.07 Gt)

此前,中國(guó)未對(duì)2030年以后的碳排放情景做出約束性承諾。2020年9月,中國(guó)政府在七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上宣布要努力爭(zhēng)取在2060年前實(shí)現(xiàn)碳中和。這項(xiàng)承諾遠(yuǎn)遠(yuǎn)超出了《巴黎協(xié)定》中的“2℃溫控目標(biāo)”即全球在2065至2070年左右實(shí)現(xiàn)碳中和的要求,對(duì)全球氣候治理將會(huì)起到關(guān)鍵的推動(dòng)作用。為了分析碳排放達(dá)峰與碳中和之間潛在的權(quán)衡關(guān)系,本文估算了5種SSP情景下中國(guó)未來(lái)所要面對(duì)的碳中和任務(wù)。結(jié)果表明,5種SSP情景下2020年至2060年中國(guó)累積碳排放存在關(guān)系：SSP3(409.36 Gt)

圖6 以2011年為基期的中國(guó)累積碳排放 Fig.6 China′s cumulative CO2 emissions based on 2011

圖7 SSP1—SSP5情景下中國(guó)累積GDPFig.7 China′s cumulative GDP under SSP1—SSP5 scenarios

對(duì)于SSP3情景,中國(guó)的人均碳排放在2027年達(dá)到7.33噸的峰值；SSP2情景和SSP4情景均為2038年(分別為7.88噸和8.11噸)；SSP1情景為2042年(8.37噸)；SSP5情景最晚,為2065年(8.58噸)(圖8)。自2018年起,SSP3情景的人均碳排放將始終處于所有情景中的最低水平。以2060年為例,SSP3情景下的人均碳排放將比其他情景低1.54噸至2.65噸。

圖8 SSP1—SSP5情景下中國(guó)人均碳排放Fig.8 China′s per capita CO2 emissions under SSP1—SSP5 scenarios

圖9展示了中國(guó)碳排放強(qiáng)度的預(yù)測(cè)結(jié)果。5種SSP情景下的碳排放強(qiáng)度發(fā)展趨勢(shì)相近且差距并不懸殊。2021年及之前,SSP5情景的年度碳排放強(qiáng)度高于其他4種情景；自2022年起,SSP3情景的年度碳排放強(qiáng)度躍升至首位并保持到最后。對(duì)于中國(guó)而言,SSP5情景是降低碳排放強(qiáng)度的最佳方案,此情景自2035年起始終具有最低的碳排放強(qiáng)度水平。聚焦于關(guān)鍵年份的情況,2020年中國(guó)的碳排放強(qiáng)度將會(huì)較2005年水平下降40.52%至41.39%；2030年碳排放強(qiáng)度將會(huì)較2005年水平下降59.64%至60.75%,其中,除SSP3情景之外下降幅度均在60%以上。這意味著中國(guó)有潛力完成碳排放強(qiáng)度下降目標(biāo),但需要進(jìn)一步加強(qiáng)低碳發(fā)展政策的實(shí)施。從數(shù)值來(lái)看,本文對(duì)于碳排放強(qiáng)度的預(yù)測(cè)結(jié)果與Sun等[13]的發(fā)現(xiàn)相近：在他們?cè)O(shè)立的A1B2C2情景中,中國(guó)2030年的碳排放強(qiáng)度與2005水平相比將會(huì)下降60%左右。此外,2052年起,5種SSP情景下的碳排放強(qiáng)度均將降低至0.50噸/萬(wàn)元以下。

圖9 SSP1—SSP5情景下中國(guó)碳排放強(qiáng)度Fig.9 China′s CEI under SSP1—SSP5 scenarios

綜上,SSP3情景使中國(guó)在2030年前達(dá)到碳排放峰值的同時(shí)實(shí)現(xiàn)了更少的排放量；SSP3情景使個(gè)體水平的碳排放在未來(lái)很長(zhǎng)一段時(shí)間內(nèi)保持在全部情景中的最低水平；SSP3情景成為降低碳排放強(qiáng)度的最佳方案。當(dāng)然,SSP3情景并不完美,相較于其他情景它會(huì)造成5.49%至8.80%的經(jīng)濟(jì)損失。但從環(huán)境保護(hù)的角度來(lái)看,結(jié)合中國(guó)碳中和這一長(zhǎng)遠(yuǎn)性目標(biāo),SSP3情景是未來(lái)中國(guó)碳排放的最佳情景。

3 結(jié)論與討論

為了樹(shù)立負(fù)責(zé)任的大國(guó)形象、彰顯大國(guó)責(zé)任和擔(dān)當(dāng),中國(guó)向國(guó)際社會(huì)就碳減排問(wèn)題做出了一系列承諾。為了評(píng)估中國(guó)實(shí)現(xiàn)承諾的可能性,本研究基于STIRPAT模型提出了一組預(yù)測(cè)碳排放的全新因子組合：總?cè)丝?人均GDP和受過(guò)高等教育的人口。然后,考慮到共享社會(huì)經(jīng)濟(jì)路徑框架對(duì)社會(huì)經(jīng)濟(jì)發(fā)展的假設(shè),對(duì)以上3個(gè)關(guān)鍵變量進(jìn)行了預(yù)測(cè)。最后,結(jié)合模型參數(shù),開(kāi)展了中國(guó)碳排放的多情景預(yù)測(cè)及經(jīng)濟(jì)代價(jià)評(píng)估。結(jié)果顯示,在SSP3情景下,中國(guó)的碳排放峰值將會(huì)在2030年之前出現(xiàn)且累積碳排放最少,但要付出累積GDP下降5.49%至8.80%的代價(jià)。此外,為了完成2060年之前實(shí)現(xiàn)碳中和的承諾,中國(guó)將在未來(lái)的40年里面對(duì)409.36 Gt至467.72 Gt的碳中和量。未來(lái),SSP3情景下的人均碳排放將顯著低于其他情景。除SSP3情景外,其余4種SSP情景下中國(guó)均能在2030年實(shí)現(xiàn)碳排放強(qiáng)度下降目標(biāo),但SSP3情景更適合于長(zhǎng)期性碳排放強(qiáng)度下降計(jì)劃。綜合研究結(jié)果和中國(guó)當(dāng)前的經(jīng)濟(jì)發(fā)展階段,本文建議遵循SSP3情景的發(fā)展路徑,以求實(shí)現(xiàn)環(huán)境效益的最優(yōu)化。

《巴黎協(xié)定》鼓勵(lì)每個(gè)國(guó)家根據(jù)自身情況在2020年后應(yīng)對(duì)氣候變化,這與COVID- 19疫情的產(chǎn)生和肆虐相呼應(yīng)。與疫情有關(guān)的碳排放減少可能只是暫時(shí)的,例如Andreoni認(rèn)為隨著社會(huì)恢復(fù)正常的生產(chǎn)節(jié)奏和經(jīng)濟(jì)的刺激,能源消耗將激增,碳排放將急劇反彈[51]。近年來(lái),中國(guó)的經(jīng)濟(jì)增長(zhǎng)趨勢(shì)以及為調(diào)整經(jīng)濟(jì)結(jié)構(gòu)和能源結(jié)構(gòu)所做的一系列努力表明中國(guó)正朝著碳排放提前達(dá)峰的目標(biāo)邁進(jìn)。值得注意的一點(diǎn),疫情期間低油價(jià)的狀況可能會(huì)持續(xù)數(shù)年；隨著碳排放能源供應(yīng)的減少,加之對(duì)高科技產(chǎn)業(yè)的需求增加以及追求低耗能的生活方式,碳排放社會(huì)成本的上升將創(chuàng)造一個(gè)使能源系統(tǒng)脫碳的機(jī)遇。在后疫情時(shí)代,中國(guó)政府應(yīng)抓住機(jī)遇,在“十四五”期間繼續(xù)實(shí)施能源利用結(jié)構(gòu)優(yōu)化和產(chǎn)業(yè)結(jié)構(gòu)升級(jí),能效提高目標(biāo)的設(shè)定應(yīng)比“十三五”規(guī)劃更為嚴(yán)格。具體而言,依據(jù)發(fā)展條件的不同,因地制宜地提出不同的碳減排目標(biāo),在保證經(jīng)濟(jì)與環(huán)境協(xié)調(diào)發(fā)展的同時(shí),盡快完成減排目標(biāo)。加快實(shí)現(xiàn)清潔能源結(jié)構(gòu)是中國(guó)提前實(shí)現(xiàn)碳排放峰值目標(biāo)的關(guān)鍵步驟,開(kāi)發(fā)和引進(jìn)太陽(yáng)能和其他可再生能源,提高能源效率,促進(jìn)資源的循環(huán)利用。同時(shí),有必要加強(qiáng)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的方向和速度,例如促進(jìn)電子商務(wù)與零售業(yè)的逐步融合,加快運(yùn)輸基礎(chǔ)設(shè)施的建設(shè)步伐。最后,需要積極而堅(jiān)定地推行隱含碳戰(zhàn)略,穩(wěn)步推進(jìn)跨國(guó)碳交易市場(chǎng)建設(shè),全面提高地區(qū)參與碳交易能力,在實(shí)現(xiàn)降低碳強(qiáng)度目標(biāo)的同時(shí)優(yōu)化成本效益。