基于情景分析的中國(guó)碳達(dá)峰預(yù)測(cè)

趙慧卿， 黃先運(yùn)

(天津商業(yè)大學(xué) 經(jīng)濟(jì)學(xué)院， 天津 300134)

隨著世界經(jīng)濟(jì)的快速發(fā)展、人口規(guī)模的擴(kuò)大和交通運(yùn)輸現(xiàn)代化的推進(jìn)，化石能源被大量消耗，全球氣候變暖成為全人類面臨的共同挑戰(zhàn)。實(shí)現(xiàn)碳達(dá)峰、碳中和目標(biāo)是中國(guó)踐行生態(tài)文明理念的重要抓手之一，而中國(guó)能否在2030年前兌現(xiàn)碳達(dá)峰這一承諾，則是近年來大家關(guān)注和討論的熱點(diǎn)問題。因此，有必要對(duì)中國(guó)碳排放發(fā)展趨勢(shì)進(jìn)行精準(zhǔn)預(yù)測(cè)，并根據(jù)預(yù)測(cè)結(jié)果提出盡早實(shí)現(xiàn)碳達(dá)峰目標(biāo)的有效路徑。

一、相關(guān)研究現(xiàn)狀

國(guó)際上一般采取情景分析的方法，通過構(gòu)建一套中長(zhǎng)期戰(zhàn)略預(yù)測(cè)框架，并基于以往數(shù)據(jù)對(duì)研究對(duì)象未來的發(fā)展趨勢(shì)進(jìn)行合理的預(yù)測(cè)。但是對(duì)于碳排放量而言，其未來發(fā)展?fàn)顟B(tài)會(huì)受到多種因素影響，需要借助IPAT、STIRPAT、LEAP等數(shù)學(xué)模型來定量分析這些因素是如何影響碳排放量的，然后將這些模型與情景分析法相結(jié)合，即可得出不同情景下的碳排放量預(yù)測(cè)值。劉宇等[1]研究發(fā)現(xiàn)，控制人口規(guī)模對(duì)減少碳排放量有顯著效果，人均GDP達(dá)到3522美元之后，碳排放量才能逐漸減少，但該研究?jī)H對(duì)水泥行業(yè)的碳排放量進(jìn)行了預(yù)測(cè)。朱婧等[2]基于IPAT模型分析了河南省濟(jì)源市碳排放量的影響因素，再綜合運(yùn)用情景分析法預(yù)測(cè)了碳排放量，同時(shí)探討了低碳發(fā)展的路徑。張巍[3]基于STIRPAT模型，運(yùn)用嶺回歸分析得到西安市碳足跡的預(yù)測(cè)結(jié)果，最后通過分析8種發(fā)展情景發(fā)現(xiàn)，降低西安市碳足跡增長(zhǎng)量需要進(jìn)行技術(shù)創(chuàng)新、提高能源效率、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、控制人口規(guī)模和人均GDP增速。鄧小樂和孫慧[4]基于STIRPAT模型，結(jié)合8種情景對(duì)中國(guó)西北5省區(qū)2015—2030年的碳排放量進(jìn)行預(yù)測(cè)，最后發(fā)現(xiàn)能在2030年前實(shí)現(xiàn)碳達(dá)峰的只有環(huán)保情景和低碳情景。潘棟等[5]通過設(shè)置不同情景，再結(jié)合STIRPAT模型，對(duì)中國(guó)東部11個(gè)省市的碳排放趨勢(shì)進(jìn)行預(yù)測(cè)，最終發(fā)現(xiàn)除河北、山東、福建和海南外，東部其他省市能夠在短期內(nèi)實(shí)現(xiàn)碳達(dá)峰目標(biāo)。

以上研究?jī)H對(duì)中國(guó)部分行業(yè)或地區(qū)的碳排放量進(jìn)行了預(yù)測(cè)，但減排目標(biāo)是從國(guó)家層面制定的，因此還應(yīng)該預(yù)測(cè)全國(guó)碳排放量。趙慧卿和郭晨陽(yáng)[6]利用STIRPAT模型探討了1995—2015年中國(guó)碳排放量與各影響因素的關(guān)系，然后設(shè)置3種情景來預(yù)測(cè)中國(guó)2030年碳排放強(qiáng)度，最終發(fā)現(xiàn)只有在低碳情景下才能達(dá)到二氧化碳減排目標(biāo)，但該研究沒有對(duì)碳排放量進(jìn)行預(yù)測(cè)。劉朝和趙濤[7]先基于解釋結(jié)構(gòu)模型(ISM)理順碳排放各驅(qū)動(dòng)因素的層級(jí)關(guān)系，再根據(jù)關(guān)鍵阻礙因素(CBF)設(shè)定3種情景的參數(shù)，然后構(gòu)建LEAP模型來預(yù)測(cè)中國(guó)2050年的能源消耗量和碳排放量，發(fā)現(xiàn)低碳情景下碳排放量能夠在2030—2040年間達(dá)峰。

此外，近年來也有學(xué)者采用灰色模型進(jìn)行預(yù)測(cè)。該模型以現(xiàn)有信息為依據(jù)，對(duì)系統(tǒng)未來的發(fā)展?fàn)顟B(tài)進(jìn)行預(yù)測(cè)，是經(jīng)濟(jì)預(yù)測(cè)中一種效果較好的方法，具有系統(tǒng)性、廣泛性的特點(diǎn)。劉靜暖等[8]以能源強(qiáng)度為主要影響因素，采用灰色模型分析了吉林省三大產(chǎn)業(yè)的碳減排壓力。佟昕等[9]將灰色模型與STIRPAT模型結(jié)合，采用GM(1,1)模型預(yù)測(cè)了中國(guó)2012—2020年的碳排放量。

灰色模型在短期預(yù)測(cè)方面效果較好，但在長(zhǎng)期預(yù)測(cè)方面數(shù)據(jù)擬合效果較差。為了打破灰色模型的這一局限，目前學(xué)者們多采用新陳代謝灰色模型。新陳代謝灰色模型的特點(diǎn)在于構(gòu)建模型時(shí)，樣本不需要過多且不需要有較明顯的分布規(guī)律。解瑞金等[10]采用新陳代謝灰色模型預(yù)測(cè)了中國(guó)2012—2015年的碳排放量，但其研究?jī)H預(yù)測(cè)到2015年，與中國(guó)承諾的實(shí)現(xiàn)碳達(dá)峰目標(biāo)的時(shí)間節(jié)點(diǎn)相距甚遠(yuǎn)。

綜合以上文獻(xiàn)發(fā)現(xiàn)，國(guó)內(nèi)學(xué)者對(duì)碳排放量進(jìn)行預(yù)測(cè)時(shí)多采用情景分析、灰色模型等方法。學(xué)者們大多對(duì)中國(guó)2030年的碳排放量進(jìn)行了預(yù)測(cè)，但對(duì)后續(xù)碳排放量是否會(huì)反彈尚未有所關(guān)注，很少有學(xué)者將預(yù)測(cè)年份延長(zhǎng)到2030年之后?；诖?，本文在現(xiàn)有研究基礎(chǔ)上，首先運(yùn)用1999—2019年的中國(guó)碳排放量數(shù)據(jù)，基于STIRPAT模型討論各因素對(duì)碳排放量的影響，然后結(jié)合情景分析法，充分考慮未來中國(guó)經(jīng)濟(jì)發(fā)展的多種情景,預(yù)測(cè)中國(guó)2020—2040年的碳排放規(guī)模，判斷2030年左右中國(guó)能否實(shí)現(xiàn)碳達(dá)峰，最后為中國(guó)盡早實(shí)現(xiàn)碳達(dá)峰目標(biāo)提出建議。

二、碳排放量計(jì)算、模型構(gòu)建與變量說明

(一)碳排放量計(jì)算

碳排放量的具體計(jì)算公式如下：

(1)

式(1)中，CO2為二氧化碳排放量，Ei為第i種能源的消費(fèi)量，ci為第i種能源折標(biāo)準(zhǔn)煤的系數(shù)，fi為第i種能源的碳排放系數(shù)，44/12為碳轉(zhuǎn)化為二氧化碳的折算系數(shù)。ci的值如表1所示,fi的值如表2所示。本文選取的能源包括煤炭、焦炭、原油、燃料油、汽油、煤油、柴油、天然氣這8個(gè)主要能源品種。受數(shù)據(jù)可得性的影響，選擇1999—2019年中國(guó)30個(gè)省份(不包括西藏及港澳臺(tái)地區(qū))的數(shù)據(jù)進(jìn)行計(jì)算，30個(gè)省份的碳排放量加總得到全國(guó)碳排放量。各類能源消費(fèi)數(shù)據(jù)來源于歷年《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)能源統(tǒng)計(jì)年鑒》。

表1 各類能源折標(biāo)準(zhǔn)煤參考系數(shù)

表2 各類能源的碳排放系數(shù)(單位：噸/噸標(biāo)準(zhǔn)煤)

由式(1)計(jì)算得到中國(guó)1999—2019年的碳排放量，如圖1所示。由圖1可知，研究期內(nèi)中國(guó)碳排放量一直呈上升趨勢(shì)，只是各階段的增長(zhǎng)速度有所差異。1999—2002年，由于中國(guó)調(diào)整能源和環(huán)境政策，一批能源密集型企業(yè)關(guān)停，加之受亞洲金融危機(jī)等的影響，碳排放量增速較緩。2003—2011年，受擴(kuò)大內(nèi)需等宏觀經(jīng)濟(jì)政策的影響，中國(guó)經(jīng)濟(jì)持續(xù)較快增長(zhǎng)，尤其是水泥等高耗能行業(yè)迅速擴(kuò)張，導(dǎo)致此階段碳排放量增速明顯加快。2011年之后，中國(guó)各級(jí)政府部門逐漸提高對(duì)資源與環(huán)境的重視程度，不斷出臺(tái)新的節(jié)能減排政策，設(shè)定節(jié)能減排目標(biāo)，因此碳排放量增速又逐漸趨緩。

圖1 中國(guó)1999—2019年的碳排放量

(二)模型構(gòu)建

STIRPAT模型是由IPAT模型演變而來的。IPAT模型由Ehrlich和Holdren[11]于1971年提出，將環(huán)境(I)看作由人口規(guī)模(P)、經(jīng)濟(jì)發(fā)展水平(A)、科技進(jìn)步(T)3個(gè)驅(qū)動(dòng)因素綜合作用而產(chǎn)生的結(jié)果，公式為：I=P×A×T。但I(xiàn)PAT模型假設(shè)各驅(qū)動(dòng)因素與環(huán)境之間是線性關(guān)系，這與客觀實(shí)際不符。對(duì)此,Kaya[12]將IPAT模型變形為Kaya模型，用以反映人口、經(jīng)濟(jì)、能源等與碳排放之間的數(shù)量關(guān)系，公式如下：

CO2=P×(GDP/P)×(E/GDP)×(CO2/E)

(2)

式(2)中，CO2為碳排放量；P為人口；GDP/P為人均GDP，代表經(jīng)濟(jì)發(fā)展水平；E/GDP為能源強(qiáng)度；CO2/E是單位能耗的碳排放量。

Dietz和Rosa[13]在IPAT模型和Kaya模型的基礎(chǔ)上引入隨機(jī)因素，構(gòu)建了STIRPAT模型，公式如下：

CO2=θPβ1×Aβ2×Tβ3×ε

(3)

式(3)中，CO2為碳排放量，θ為模型常數(shù)項(xiàng)，β1、β2、β3分別為P、A、T的系數(shù)，ε為隨機(jī)擾動(dòng)項(xiàng)。

根據(jù)王鋒等[14]以及Ren和Hu[15]的研究，本文選取人口規(guī)模(P)、人均GDP(A)、產(chǎn)業(yè)結(jié)構(gòu)(IS)、能源消費(fèi)結(jié)構(gòu)(ES)、能源強(qiáng)度(EI)作為碳排放的主要驅(qū)動(dòng)因素，同時(shí)參考王勇和王穎[16]的研究，用能源強(qiáng)度代替本文的技術(shù)創(chuàng)新指標(biāo)。在STIRPAT模型基礎(chǔ)上構(gòu)建擴(kuò)展的STIRPAT模型，公式如下：

(4)

對(duì)式(4)兩邊取對(duì)數(shù)得：

lnCO2t=α+β1lnPt+β2lnAt+β3lnISt+β4lnESt+β5lnEIt+ut

(5)

(三)變量說明

擴(kuò)展STIRPAT模型中各變量的說明如表3所示。其中，國(guó)內(nèi)生產(chǎn)總值以2000年價(jià)格折算。這里選擇中國(guó)1999—2019年的相關(guān)數(shù)據(jù)，數(shù)據(jù)均來源于歷年《中國(guó)統(tǒng)計(jì)年鑒》和《中國(guó)能源統(tǒng)計(jì)年鑒》。

表3 擴(kuò)展STIRPAT模型中各變量的說明

三、實(shí)證結(jié)果及情景分析

(一)STIRPAT模型擬合結(jié)果

運(yùn)用式(5)對(duì)中國(guó)碳排放量的影響因素進(jìn)行分析，首先使用普通最小二乘法(OLS)進(jìn)行回歸，結(jié)果如表4所示。從結(jié)果可以發(fā)現(xiàn)，lnP和lnEI的系數(shù)估計(jì)值不顯著，且Python程序運(yùn)行的結(jié)果提示條件數(shù)太大，可能存在多重共線性等問題。為進(jìn)一步判斷數(shù)據(jù)是否存在多重共線性，首先計(jì)算任意兩個(gè)變量之間的相關(guān)系數(shù)，結(jié)果如表5所示。檢驗(yàn)結(jié)果顯示，任意兩個(gè)變量之間相關(guān)系數(shù)的絕對(duì)值均超過0.4，且通過相關(guān)系數(shù)顯著性檢驗(yàn)，說明變量間存在線性關(guān)系。同時(shí)考察表4中各變量的方差擴(kuò)大因子(VIF)后發(fā)現(xiàn)，各變量的VIF值均大于10，說明變量之間存在多重共線性。

表4 OLS回歸結(jié)果

為解決多重共線性問題，本文采用嶺回歸分析方法[17]。利用Python程序?qū)κ?5)進(jìn)行回歸，確定嶺參數(shù)k為0.0079，此時(shí)得到的結(jié)果如下：

lnCO2t=-2.028+0.0207lnPt+

1.0064lnAt+0.5593lnISt+0.5673lnESt+

0.4356lnEIt

(6)

式(6)中，R2=0.998，各變量的系數(shù)均為正且符合其經(jīng)濟(jì)意義，表明人口規(guī)模、人均GDP、第二產(chǎn)業(yè)比重、煤炭消費(fèi)比重和單位國(guó)內(nèi)生產(chǎn)總值能耗越大，碳排放量就越高，但是各因素對(duì)碳排放量的影響程度存在顯著差異。其中，人均GDP即經(jīng)濟(jì)發(fā)展水平對(duì)碳排放量的影響最大，系數(shù)為1.0064，表明人均GDP每增加1%，碳排放量將提高1.0064%；能源消費(fèi)結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放量的影響程度相差不多，系數(shù)分別為0.5673和0.5593；能源強(qiáng)度對(duì)碳排放量的影響稍弱，系數(shù)為0.4356；人口規(guī)模對(duì)碳排放量的影響最弱，系數(shù)僅為0.0207，與其他幾個(gè)變量差距極大?？傮w來看，碳排放量的增加仍主要由經(jīng)濟(jì)增長(zhǎng)導(dǎo)致。因此，要實(shí)現(xiàn)碳減排與經(jīng)濟(jì)增長(zhǎng)雙贏，并非易事。此外，調(diào)整產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu),降低能源強(qiáng)度，是減少碳排放的主要手段。

(二)情景設(shè)定

為了更精準(zhǔn)地預(yù)測(cè)中國(guó)2020—2040年的碳排放量，考察碳達(dá)峰年份，本文根據(jù)當(dāng)前的相關(guān)政策規(guī)劃、官方預(yù)測(cè)，并參考已有相關(guān)研究，結(jié)合中國(guó)當(dāng)前的實(shí)際國(guó)情，設(shè)定了10種發(fā)展情景。下面給出每種情景下各影響因素的發(fā)展變化值。

表5 各變量相關(guān)性檢驗(yàn)結(jié)果

情景S1:基準(zhǔn)情景。由于《世界經(jīng)濟(jì)展望》預(yù)測(cè)中國(guó)2021年GDP增速為8%，本情景設(shè)定2021年GDP增速為8%(2020年中國(guó)經(jīng)濟(jì)發(fā)展受新冠肺炎疫情影響較大，2021年中國(guó)經(jīng)濟(jì)迅速恢復(fù)，故該年GDP增速較正常水平偏高)，2022年GDP增速為6%，此后逐年遞減0.1個(gè)百分點(diǎn)?！秶?guó)家人口發(fā)展規(guī)劃(2016—2030年)》指出，2030年中國(guó)總?cè)丝趯⑦_(dá)到14.5億人左右。本文以此作為2030年的預(yù)測(cè)值，可計(jì)算得到2020—2030年全國(guó)人口數(shù)量的年均增速，并由該增速來預(yù)測(cè)2020—2040年各年人口規(guī)模，進(jìn)一步可計(jì)算得到各年人均GDP。對(duì)于產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu),根據(jù)近3年的年均增長(zhǎng)率來測(cè)算2020—2040年的數(shù)值?！吨袊?guó)能源中長(zhǎng)期(2030、2050)發(fā)展戰(zhàn)略研究》指出，中國(guó)2030年的能源強(qiáng)度將比2005年降低68%，由此可計(jì)算得到2030年的能源強(qiáng)度值，并進(jìn)一步計(jì)算得到2020—2030年的年均增長(zhǎng)率，以此預(yù)測(cè)2020—2040年的能源強(qiáng)度值。

情景S2:為考察人口因素對(duì)2020—2040年碳排放量的影響，本情景調(diào)整人口規(guī)模。根據(jù)聯(lián)合國(guó)發(fā)布的《2019年世界人口展望》，2031年中國(guó)人口數(shù)量為14.6億，達(dá)到峰值，2050年中國(guó)人口總數(shù)為13.65億。本情景將中國(guó)2031年人口設(shè)定為14.6億，可計(jì)算得到2020—2031年的人口年均增長(zhǎng)率，根據(jù)此增長(zhǎng)率可預(yù)測(cè)得到2020—2031年各年的人口數(shù)。再設(shè)定2050年人口數(shù)為13.65億，可計(jì)算得到2032—2050年的人口年均增長(zhǎng)率，以此預(yù)測(cè)2032—2040年中國(guó)人口規(guī)模。GDP、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源消費(fèi)結(jié)構(gòu)的預(yù)測(cè)值與情景S1相同。

情景S3:為考察經(jīng)濟(jì)增長(zhǎng)速度對(duì)2020—2040年碳排放量的影響，設(shè)定2021年經(jīng)濟(jì)增速為8%，2022年經(jīng)濟(jì)增速為5%，此后逐年遞減0.1個(gè)百分點(diǎn)。其他變量與情景S1相同。此為經(jīng)濟(jì)低速增長(zhǎng)情景。

情景S4:本情景與情景S3相對(duì)立，為經(jīng)濟(jì)高速增長(zhǎng)情景。設(shè)定2021年經(jīng)濟(jì)增速為8%，2022年增速為7%，此后逐年遞減0.1個(gè)百分點(diǎn)。其他變量與情景S1相同。

情景S5:本情景考察產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)對(duì)碳排放量的影響，設(shè)定產(chǎn)業(yè)結(jié)構(gòu)值按1999—2019年這一較長(zhǎng)時(shí)期的年均增長(zhǎng)率變化,以此預(yù)測(cè)2020—2040年的產(chǎn)業(yè)結(jié)構(gòu)值。其他變量與情景S1相同。

情景S6:設(shè)定2020—2040年的產(chǎn)業(yè)結(jié)構(gòu)值按近5年的年均增長(zhǎng)率變化。其他變量與情景S1相同。

情景S7:為考察能源強(qiáng)度變動(dòng)對(duì)碳排放量的影響，設(shè)定能源強(qiáng)度值按照近5年的年均增長(zhǎng)率變化,以此預(yù)測(cè)2020—2040年的能源強(qiáng)度值。其他變量與情景S1相同。

情景S8:本情景考察能源消費(fèi)結(jié)構(gòu)變動(dòng)對(duì)碳排放量的影響，設(shè)定能源消費(fèi)結(jié)構(gòu)值按近5年的年均增長(zhǎng)率變化,以此預(yù)測(cè)2020—2040年的能源消費(fèi)結(jié)構(gòu)值。其他變量與情景S1相同。

情景S9:本情景中的人口規(guī)模采用情景S2中的取值，GDP按情景S3中的低速增長(zhǎng)率進(jìn)行計(jì)算。其他變量與情景S1相同。

情景S10:本情景仍采用情景S3的低速增長(zhǎng)率來計(jì)算GDP，同時(shí)能源強(qiáng)度值的變動(dòng)與情景S7相同。其他變量與情景S1相同。

(三)情景預(yù)測(cè)結(jié)果分析

根據(jù)上述10種情景中各變量的設(shè)定值，預(yù)測(cè)各情景下中國(guó)2020—2040年的碳排放量，結(jié)果如圖2和表6所示。

圖2 10種情景下中國(guó)碳排放量預(yù)測(cè)結(jié)果

表6 10種情景設(shè)定及其預(yù)測(cè)結(jié)果

由圖2和表6可知，在情景S1、S3、S8、S9下，中國(guó)的碳排放量在2030年或2030年之前達(dá)峰，能夠?qū)崿F(xiàn)中國(guó)設(shè)定的碳達(dá)峰目標(biāo)。其中，在基準(zhǔn)情景S1下，恰好在2030年實(shí)現(xiàn)碳達(dá)峰，峰值為194.91億噸；情景S8在2029年達(dá)峰，峰值為193.10億噸，與情景S1差異較??；情景S3和S9均為2021年達(dá)峰，峰值相差甚微，分別為186.88億噸和186.81億噸；情景S2、S5、S6在2030—2040年之間達(dá)峰，達(dá)峰年份分別為2037年、2036年、2032年，情景S5的峰值最高，為207.70億噸；情景S4、S7、S10在2040年前不能實(shí)現(xiàn)碳達(dá)峰。

與情景S1相比，情景S2的人口規(guī)模有所變動(dòng)，通過人均GDP作用在碳排放上。情景S1中人口數(shù)量一直保持增長(zhǎng)趨勢(shì)，而情景S2中人口數(shù)量在2031年達(dá)峰后開始下降，這樣在GDP不變的情況下，人均GDP增長(zhǎng)加快，拉動(dòng)碳排放量增長(zhǎng)，導(dǎo)致碳達(dá)峰時(shí)間推遲。

與情景S1相比，情景S3和情景S4下的碳排放量差異巨大。經(jīng)濟(jì)低速增長(zhǎng)的情景S3下，碳排放量于2021年即可達(dá)峰，且峰值較情景S1少8.03億噸，而經(jīng)濟(jì)高速增長(zhǎng)的情景S4下，碳排放量在2040年前不能達(dá)峰。由此可見，經(jīng)濟(jì)增速對(duì)碳達(dá)峰年份影響較大，在現(xiàn)有技術(shù)條件下,經(jīng)濟(jì)高速增長(zhǎng)勢(shì)必導(dǎo)致能源消費(fèi)增長(zhǎng)，進(jìn)而增加碳排放量，不利于2030年碳達(dá)峰目標(biāo)的實(shí)現(xiàn)。

比較情景S1、S5、S6預(yù)測(cè)結(jié)果可知，產(chǎn)業(yè)結(jié)構(gòu)變動(dòng)對(duì)碳達(dá)峰有直接影響。情景S1設(shè)定第二產(chǎn)業(yè)比重按近3年的平均變動(dòng)速度變化，情景S6按近5年、情景S5按更長(zhǎng)時(shí)期(近20年)的平均變動(dòng)速度變化，相應(yīng)碳達(dá)峰年份依次向后推移。這是因?yàn)橹袊?guó)第二產(chǎn)業(yè)比重近幾年下降速度加快，若按近期變動(dòng)速度預(yù)測(cè)今后每年的第二產(chǎn)業(yè)比重，會(huì)使得碳排放量下降較快，碳達(dá)峰年份前移。因此，為盡早實(shí)現(xiàn)碳達(dá)峰目標(biāo)，降低第二產(chǎn)業(yè)比重是當(dāng)務(wù)之急。

比較情景S7與S1可知，在其他條件不變的情況下，能源強(qiáng)度值若按照近5年的年均增長(zhǎng)率變化，則不能在2040年前實(shí)現(xiàn)碳達(dá)峰。因?yàn)榻?年中國(guó)能源強(qiáng)度下降較慢，能源效率沒有顯著提升，高能耗導(dǎo)致高排放，不利于盡早實(shí)現(xiàn)碳達(dá)峰。因此，降低能源強(qiáng)度也是實(shí)現(xiàn)碳達(dá)峰目標(biāo)的重要抓手。

與情景S1相比，情景S8調(diào)整了能源消費(fèi)結(jié)構(gòu)的變化速度，由近3年的平均變化速度調(diào)整為近5年的平均變化速度，但對(duì)碳達(dá)峰時(shí)間的影響較小，表明近幾年中國(guó)煤炭消費(fèi)比重的變動(dòng)相對(duì)平穩(wěn)。

比較情景S9和S3可知，相對(duì)于人口規(guī)模而言，經(jīng)濟(jì)增速的變化對(duì)碳達(dá)峰年份具有更為顯著的作用。而比較情景S10和S7可知，相對(duì)于經(jīng)濟(jì)增速而言，能源強(qiáng)度變化對(duì)碳達(dá)峰年份的影響更為顯著。因此，降低能源強(qiáng)度尤為緊迫。

四、結(jié)論與建議

(一)結(jié)論

本文基于STIRPAT模型，構(gòu)建了碳排放量與人口規(guī)模、人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、能源消費(fèi)結(jié)構(gòu)的擬合模型，分析了各驅(qū)動(dòng)因素對(duì)碳排放量的影響程度，并設(shè)定了10種情景來對(duì)2020—2040年中國(guó)碳達(dá)峰量進(jìn)行預(yù)測(cè)。結(jié)果發(fā)現(xiàn)：

(1)人口規(guī)模、人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源消費(fèi)結(jié)構(gòu)均對(duì)碳排放量有正向影響。其中，人均GDP的影響最大，其次是能源消費(fèi)結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)，而人口規(guī)模的影響最弱。

(2)情景預(yù)測(cè)發(fā)現(xiàn)，在基準(zhǔn)情景下，中國(guó)恰好能在2030年實(shí)現(xiàn)碳達(dá)峰；經(jīng)濟(jì)增速的高低能夠在很大程度上影響碳達(dá)峰年份，低經(jīng)濟(jì)增速和高經(jīng)濟(jì)增速下，碳達(dá)峰年份相差20年以上；若第二產(chǎn)業(yè)比重和煤炭消費(fèi)比重能保持近3年或近5年的平均下降速度，則中國(guó)能在2030年左右實(shí)現(xiàn)碳達(dá)峰；若能源強(qiáng)度按近5年的平均下降速度變動(dòng)，則中國(guó)碳排放量不能在2040年前達(dá)峰。

(3)實(shí)現(xiàn)碳達(dá)峰不應(yīng)以犧牲經(jīng)濟(jì)增長(zhǎng)為代價(jià)，因此要保證中國(guó)在2030年順利實(shí)現(xiàn)碳達(dá)峰目標(biāo)，必須優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)和能源消費(fèi)結(jié)構(gòu)，降低能源強(qiáng)度。

(二)建議

中國(guó)要在2030年實(shí)現(xiàn)碳達(dá)峰目標(biāo)，需要多方面的努力：

首先，繼續(xù)大幅降低能源強(qiáng)度。政府應(yīng)積極引導(dǎo)、鼓勵(lì)企業(yè)參與國(guó)際合作，引進(jìn)能源領(lǐng)域先進(jìn)技術(shù)，同時(shí)不斷提高能源核心技術(shù)自主研發(fā)能力，減少資源在生產(chǎn)、交換和消費(fèi)過程中的損失，以提高能源效率，降低單位GDP的能源消耗。

其次，加快產(chǎn)業(yè)結(jié)構(gòu)調(diào)整。為降低第二產(chǎn)業(yè)比重，國(guó)家層面要盡快制定科學(xué)合理的高耗能行業(yè)去產(chǎn)能方案，明確各地區(qū)、各高耗能企業(yè)的去產(chǎn)能目標(biāo)及任務(wù)。同時(shí)，要大力發(fā)展現(xiàn)代服務(wù)業(yè)，發(fā)展新一代信息技術(shù)、生物技術(shù)、高端裝備、新能源、新材料等戰(zhàn)略性新興產(chǎn)業(yè)，推動(dòng)互聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)、5G等新興技術(shù)與產(chǎn)業(yè)融合。

最后，持續(xù)優(yōu)化能源消費(fèi)結(jié)構(gòu)。要加快發(fā)展清潔能源，研發(fā)支撐風(fēng)能、太陽(yáng)能發(fā)電的智能電網(wǎng)等低碳前沿技術(shù)，加快關(guān)鍵核心技術(shù)攻關(guān)，提高風(fēng)電、光電、水電等可再生能源消費(fèi)水平。完善非化石能源發(fā)展保障機(jī)制，鼓勵(lì)人們購(gòu)買新能源汽車等新能源產(chǎn)品，不斷提高新能源消費(fèi)比重。