基于擴(kuò)展STIRPAT 模型的湖州市能源碳排放主導(dǎo)因素識(shí)別

芋耀賢， 陳洪銀， 王松岑， 霍永鋒， 郭 毅，金 璐， 譚將軍， 邵 越

（1.電網(wǎng)安全全國(guó)重點(diǎn)實(shí)驗(yàn)室，北京 100192； 2.中國(guó)電力科學(xué)研究院有限公司，北京 100192；3.國(guó)網(wǎng)浙江省電力有限公司湖州供電公司，浙江 湖州 313000）

0 引言

隨著全球環(huán)境的惡化，減少二氧化碳排放已成為全世界共識(shí)。近年來(lái)，我國(guó)已成為世界上最大的二氧化碳排放國(guó)[1]。為了促進(jìn)環(huán)境改善，承擔(dān)大國(guó)責(zé)任，展現(xiàn)大國(guó)擔(dān)當(dāng)，我國(guó)提出碳達(dá)峰、碳中和目標(biāo)，致力發(fā)展低能耗、低污染、低排放的低碳經(jīng)濟(jì)，建設(shè)資源節(jié)約型和環(huán)境友好型社會(huì)[2]。為了實(shí)現(xiàn)“雙碳”目標(biāo)，急需對(duì)碳排放主導(dǎo)因素進(jìn)行分析，明確碳排放主要來(lái)源，制定更加科學(xué)合理的減排技術(shù)方案，成為目前碳減排工作的重心。

當(dāng)前眾多研究人員圍繞我國(guó)整體、區(qū)域及省級(jí)等多層面的碳排放進(jìn)行測(cè)算，以及影響因素進(jìn)行分析研究。在國(guó)家層面，WANG Can 等[3]采用對(duì)數(shù)均值迪士分解方法（LMDI）對(duì)我國(guó)碳排放影響因素進(jìn)行分解，結(jié)果發(fā)現(xiàn)能耗強(qiáng)度是抑制我國(guó)二氧化碳排放的最重要因素。范德成等[4]基于PSO-BP 神經(jīng)網(wǎng)絡(luò)模型，以及渠慎寧等[5]采用STIRPAT 模型對(duì)我國(guó)碳排放峰值進(jìn)行預(yù)測(cè)，結(jié)果均顯示，在2030 年我國(guó)基本實(shí)現(xiàn)碳達(dá)峰目標(biāo)。在區(qū)域?qū)用?，謝雨心[6]采用LMDI 模型分析了長(zhǎng)三角地區(qū)高能耗行業(yè)能源消費(fèi)量驅(qū)動(dòng)因素，結(jié)果表明，產(chǎn)業(yè)規(guī)模和能耗強(qiáng)度是影響長(zhǎng)三角地區(qū)碳排放的主導(dǎo)因素，結(jié)合情景模擬，預(yù)測(cè)長(zhǎng)三角地區(qū)能源消費(fèi)發(fā)展趨勢(shì)，并提出相應(yīng)減排建議。趙祺等[7]利用投入產(chǎn)出模型測(cè)算長(zhǎng)三角區(qū)域隱含碳排放量，并基于SDA 結(jié)構(gòu)分解方法分析發(fā)現(xiàn)，能源結(jié)構(gòu)和能耗強(qiáng)度對(duì)隱含碳排放量負(fù)向作用更大。張咪[8]對(duì)京津冀地區(qū)電力工業(yè)碳排放建立LMDI 模型，發(fā)現(xiàn)經(jīng)濟(jì)、人口、輸配電損失為正向影響因素，而產(chǎn)業(yè)電耗強(qiáng)度、發(fā)電煤耗等為負(fù)向影響因素。在省級(jí)層面上，王長(zhǎng)建等[9]基于擴(kuò)展STIRPAT 模型分析廣東省能源消費(fèi)碳排放的主要驅(qū)動(dòng)因素為經(jīng)濟(jì)增長(zhǎng)率、固定資產(chǎn)投資及工業(yè)發(fā)展。趙慈等[10]基于STIRPAT 模型理論預(yù)測(cè)浙江省碳排放峰值，分析發(fā)現(xiàn)人口、能源結(jié)構(gòu)及人均GDP 為浙江省碳排放主要影響因素。在市級(jí)層面，研究人員開展了全面或相關(guān)行業(yè)的碳排放預(yù)測(cè)及因素分析，但是需要加強(qiáng)深度和廣度等方面研究[11-12]。市縣是落實(shí)國(guó)家相關(guān)政策的關(guān)鍵層級(jí)，也是落實(shí)碳達(dá)峰行動(dòng)方案的主體，然而由于不同地區(qū)的發(fā)展定位和發(fā)展階段存在明顯差異，因此為了保證各縣市制定科學(xué)合理可行的碳達(dá)峰方案，必須研究不同地區(qū)的碳排放特征，明確碳排放主導(dǎo)因素。

基于上述研究，本研究以浙江省湖州市2007—2020 年主要能源消費(fèi)數(shù)據(jù)為依據(jù)，采用排放因子法計(jì)算主要能源消費(fèi)碳排放量，基于擴(kuò)展STIRPAT 模型研究方法，運(yùn)用嶺回歸分析，測(cè)算2007—2020 年湖州市能源消費(fèi)碳排放，并結(jié)合變量投影重要性分析法對(duì)湖州市能源碳排放主要驅(qū)動(dòng)因素識(shí)別分析，為湖州市高質(zhì)量發(fā)展和生態(tài)文明低碳城市建設(shè)提供參考。

1 研究方法

1.1 STIRPAT 模型理論

STIRPAT 模型由經(jīng)典Kaya 恒等式（IPAT 模型）改造而成，IPAT 模型作為因素分解技術(shù)研究方法的基本框架用于解釋技術(shù)、人口等因素對(duì)環(huán)境壓力的影響效益[13]。由于IPAT 模型原假設(shè)為不同影響因素對(duì)環(huán)境影響效益一致，不能較好解釋不同情況下人口、富裕程度，以及技術(shù)對(duì)環(huán)境影響情況[14]。YORK R 等[15-16]指出IPAT 存在的局限性并對(duì)此模型改進(jìn)后提出隨機(jī)回歸影響模型，即STIRPAT 模型。其表達(dá)基本形式

式中I、P、A、T——環(huán)境壓力、人口、富裕度、技術(shù)水平

a——模型系數(shù)

b、c、d——P、A、T的彈性系數(shù)

e——模型誤差

經(jīng)對(duì)數(shù)處理后得到

為研究湖州市能源碳排放量的主導(dǎo)因素，采用擴(kuò)展的STIRPAT 模型進(jìn)行深入研究，在引入經(jīng)濟(jì)、人口等因素的同時(shí)，綜合考慮經(jīng)濟(jì)、產(chǎn)業(yè)等宏觀因素的影響，將技術(shù)因素T擴(kuò)展為能源結(jié)構(gòu)、單位產(chǎn)值能耗和產(chǎn)業(yè)結(jié)構(gòu)。

近年來(lái)湖州市積極發(fā)展低碳生態(tài)農(nóng)場(chǎng)，大量引入低碳農(nóng)業(yè)生產(chǎn)技術(shù)、先進(jìn)農(nóng)機(jī)裝備，在獲得最大可持續(xù)產(chǎn)量的同時(shí)，最大程度減少能源消費(fèi)和污染物排放。雖然農(nóng)業(yè)所產(chǎn)生的碳排放在碳排放總量中占比較少，但其所擁有的減排潛力及對(duì)化石燃料碳排放的抵消作用不可忽視[17]。湖州市充分發(fā)揮農(nóng)業(yè)資源優(yōu)勢(shì)，大力推進(jìn)“牧光互補(bǔ)”“漁光互補(bǔ)”等低碳發(fā)展模式，探索綠色低碳共同富裕發(fā)展路徑，實(shí)現(xiàn)農(nóng)業(yè)固碳減排。由此在技術(shù)因素中增加湖州市農(nóng)業(yè)增加值占全市生產(chǎn)總值比例和湖州市農(nóng)業(yè)機(jī)械總動(dòng)力兩特征，共同構(gòu)建適合湖州市的能源碳排放測(cè)算模型，為識(shí)別湖州市能源消費(fèi)碳排放主導(dǎo)驅(qū)動(dòng)因素做鋪墊。具體公式為

式中C——湖州市能源碳排放量，萬(wàn)t CO2

P——湖州市總?cè)丝跀?shù)量，萬(wàn)人

A——湖州市人均GDP，元/人

Es——能源消費(fèi)結(jié)構(gòu)，%

I——單位產(chǎn)值能耗，萬(wàn)元/萬(wàn)t 標(biāo)準(zhǔn)煤

T——農(nóng)業(yè)增加值占全市生產(chǎn)總值比例，%

G——農(nóng)業(yè)機(jī)械總動(dòng)力，萬(wàn)kW·h

Is——產(chǎn)業(yè)結(jié)構(gòu)，%

b、c、d、e、f、g、h——各指標(biāo)的彈性系數(shù)

ε——誤差項(xiàng)

1.2 嶺回歸估計(jì)

在實(shí)際研究過(guò)程中，STIRPAT 模型中自變量在回歸過(guò)程中可能會(huì)存在多重共線性問(wèn)題。多重共線性為多元回歸模型中的自變量之間存在相近的線性關(guān)系，它的存在會(huì)使模型的精確度大幅度下降，穩(wěn)定性降低[18]。嶺回歸是一種專門用于解決共線性問(wèn)題的有偏估計(jì)回歸方法，其實(shí)質(zhì)為改良的最小二乘估計(jì)法[19]。一般多元回歸分析的（矩陣）形式可以表示為

普通情況下，采用最小二乘法求解上述回歸問(wèn)題的目標(biāo)為將式（4）最小化。即

嶺回歸則是在原來(lái)的最小二乘估計(jì)中添加一個(gè)懲罰項(xiàng)。最終為

式中k——待求參數(shù)

式（6）稱為關(guān)于嶺參數(shù)k的嶺回歸估計(jì)。嶺回歸分析是對(duì)最小二乘回歸分析的一種補(bǔ)充，它通過(guò)損失無(wú)偏性來(lái)獲取較高的數(shù)值穩(wěn)定性，從而得到較高的計(jì)算精度。

1.3 變量投影重要性

變量投影重要性（VIP值）是一種基于偏最小二乘回歸方法的變量篩選技術(shù)，當(dāng)樣本容量較小，并且多個(gè)自變量之間存在較強(qiáng)的相關(guān)性時(shí)，VIP值通過(guò)相關(guān)自變量綜合的主成分來(lái)描述自變量對(duì)因變量的解釋能力，并以此能力大小篩選自變量[20]。

設(shè)因變量y，自變量x1，x2，……，xm，對(duì)第j個(gè)自變量，其VIP值為

式中m——自變量個(gè)數(shù)

ah——相關(guān)自變量提取的主成分

r(y，ah)——因變量和主成分的相關(guān)系數(shù)

whj——自變量在主成分上的權(quán)重變量投影重要性為自變量對(duì)模型解釋的重要性程度，自變量VIP值之間的差異能夠反映自變量對(duì)因變量解釋能力的差異，其VIP值越大，則可認(rèn)為該自變量的解釋能力越強(qiáng)[21]。若各自變量對(duì)因變量的解釋能力相同，則各自變量的VIP值均為1，當(dāng)自變量的VIP值>1，可認(rèn)為該自變量對(duì)因變量的解釋能力較強(qiáng)。

1.4 數(shù)據(jù)來(lái)源及說(shuō)明

湖州市能源消費(fèi)碳排放數(shù)據(jù)是通過(guò)排放因子法，按照《國(guó)家溫室氣體清單指南》和《省級(jí)溫室氣體清單編制指南》的推薦值計(jì)算得出。其余2007—2020 年湖州市人口數(shù)量、GDP、第二產(chǎn)業(yè)附加值、農(nóng)業(yè)增加值、農(nóng)業(yè)機(jī)械總動(dòng)力等數(shù)據(jù)均來(lái)自歷年《浙江省統(tǒng)計(jì)年鑒》和《湖州市統(tǒng)計(jì)年鑒》。

2 結(jié)果與討論

2.1 能源消費(fèi)結(jié)構(gòu)及碳排放情況

由圖1 可知，湖州市主要能源消費(fèi)種類為原煤、焦炭、汽油、柴油、燃料油和電力，消費(fèi)總量整體呈降低-升高-降低的變化趨勢(shì)，2018 年達(dá)到峰值，為8 825 562.776 t 標(biāo)準(zhǔn)煤。另外原煤和電力是湖州市的主要能源，分別占70%和20%左右。2007—2020 年，原煤的比例逐漸降低，由85.91%減少至72.26%，而電力在能源供應(yīng)中的比例明顯增長(zhǎng)，由11.83%增加至26.98%。這與湖州市積極推動(dòng)能源供應(yīng)和消費(fèi)方式變革、調(diào)整優(yōu)化能源結(jié)構(gòu)有關(guān)。在“十二五”和“十三五”期間，湖州市不斷加大重點(diǎn)能源項(xiàng)目建設(shè)，完善能源基礎(chǔ)設(shè)施，著力控制煤炭等能源消費(fèi)總量，加快發(fā)展光伏、風(fēng)電等清潔能源。

圖1 2007—2020 年湖州市主要能源消費(fèi)結(jié)構(gòu)Fig.1 Major energy consumption structure of Huzhou City from 2007 to 2020

由圖2 可知，2007—2020 年湖州市能源消費(fèi)碳排放總量總體也呈降低-升高-降低的變化趨勢(shì)，年均增長(zhǎng)率4.49%，其中2012 年排放總量最低2 138.82 t CO2，2019 年達(dá)到峰值3 024.26 t CO2，這基本與湖州市能源消費(fèi)情況對(duì)應(yīng)。主要原因：前期，社會(huì)經(jīng)濟(jì)高速發(fā)展，能源消費(fèi)量增加，碳排放量上升；后期，湖州市推進(jìn)能源強(qiáng)度和能源消費(fèi)總量“雙控”政策，加快傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)型升級(jí)，發(fā)展清潔能源和節(jié)能技術(shù)，提高能源利用效率，擴(kuò)大可再生能源在社會(huì)能源供應(yīng)中的比例，進(jìn)而降低了全社會(huì)的碳排放量。此外，湖州市在農(nóng)業(yè)方面推進(jìn)生態(tài)循環(huán)農(nóng)業(yè)建設(shè)，構(gòu)建農(nóng)牧結(jié)合等新型農(nóng)作制度，實(shí)現(xiàn)綠色生態(tài)、低污染、高附加值的新型農(nóng)業(yè)生產(chǎn)模式，提高了農(nóng)村清潔能源利用率。

圖2 2007—2020 年湖州市能源碳排放量總量變化Fig.2 Changes in total energy carbon emissions in Huzhou City from 2007 to 2020

2.2 變量相關(guān)性

由于進(jìn)行因子分析的變量需具備相關(guān)性，因此需對(duì)選定的7 個(gè)變量進(jìn)行相關(guān)性分析，KMO 檢驗(yàn)和巴特利特球度檢驗(yàn)結(jié)果如表1 所示。

表1 KMO 和巴特利特球度檢驗(yàn)結(jié)果Tab.1 Results of KMO and Bartlett's test of sphericity

據(jù)KMO 檢驗(yàn)度量標(biāo)準(zhǔn)，KMO值越接近1，說(shuō)明越適合進(jìn)行因子分析，0.8～0.9 為適合，0.6～0.7 為勉強(qiáng)適合，<0.5 則不適合進(jìn)行因子分析。由表1 可知，KMO值0.721，故此7 個(gè)變量適合進(jìn)行因子分析，并且巴特利特球度檢驗(yàn)的P值明顯<0.001，拒絕原假設(shè)，可進(jìn)行因子分析。

相關(guān)性分析發(fā)現(xiàn)，人口數(shù)量、人均GDP、能源結(jié)構(gòu)、單位產(chǎn)值能耗、農(nóng)業(yè)增加值占全市生產(chǎn)總值比例、農(nóng)業(yè)機(jī)械總動(dòng)力和產(chǎn)業(yè)結(jié)構(gòu)與湖州市能源消費(fèi)碳排放量的相關(guān)性系數(shù)分別為0.687、0.567、-0.517、0.518、-0.775、-0.782 和-0.678。各變量均在0.05 級(jí)別內(nèi)相關(guān)性顯著，其中人口數(shù)量、人均GDP、單位產(chǎn)值能耗分別與能源消費(fèi)碳排放量呈顯著正相關(guān)，能源結(jié)構(gòu)、農(nóng)業(yè)增加值占全市生產(chǎn)總值比例、農(nóng)業(yè)機(jī)械總動(dòng)力和產(chǎn)業(yè)結(jié)構(gòu)分別與能源消費(fèi)碳排放量呈顯著負(fù)相關(guān)。

2.3 模型構(gòu)建

將原數(shù)據(jù)進(jìn)行自然對(duì)數(shù)變換，采用能夠克服變量之間多重共線性的具有偏估計(jì)的嶺回歸進(jìn)行模型擬合。根據(jù)式（6），需進(jìn)行參數(shù)k的選取。嶺跡圖可用于選擇變化逐漸平穩(wěn)時(shí)的嶺回歸系數(shù)。由圖3 可知，當(dāng)k增加時(shí)，lnI、lnT、lnG和lnIs逐漸穩(wěn)定為負(fù)值，從嶺回歸分析角度看，lnI、lnT、lnG和lnIs可看作對(duì)lnC有負(fù)向影響的因素；從全局來(lái)看，這些變量的嶺跡線基本清晰可見，并且均隨k增加而逐漸穩(wěn)定，由此可選擇一個(gè)適當(dāng)?shù)膋值。本研究選擇k=0.12，此時(shí)各個(gè)變量的回歸系數(shù)均逐漸趨于穩(wěn)定，并以此構(gòu)建標(biāo)準(zhǔn)化回歸方程。

圖3 嶺跡圖Fig.3 Ridge trace map

嶺回歸結(jié)果表明，此模型擬合R2為0.812，F(xiàn)檢驗(yàn)顯著性<0.01，模型擬合程度較好。k=0.12 時(shí)的標(biāo)準(zhǔn)化回歸方程為

將式（8）進(jìn)一步變換后得到

由回歸結(jié)果可知，人口數(shù)量、人均GDP、能耗結(jié)構(gòu)、單位產(chǎn)值能耗、農(nóng)業(yè)增加值占全市生產(chǎn)總值的比例、農(nóng)業(yè)機(jī)械總動(dòng)力和產(chǎn)業(yè)結(jié)構(gòu)對(duì)湖州市能源消費(fèi)碳排放量的影響系數(shù)分別為2.44、0.02、0.24、-0.16、-0.32、-0.62 和-0.45，說(shuō)明上述因素每增加1%，相應(yīng)能源消費(fèi)碳排放量將分別增加2.44%、0.02%、0.24%、-0.16%、-0.32%、-0.62%和-0.45%。

利用2007—2020 年湖州市實(shí)際碳排放量與基于模型的理論值進(jìn)行對(duì)比，結(jié)果如圖4 所示，真實(shí)值與理論值誤差對(duì)比如表2 所示。各年份的理論值與實(shí)際值相對(duì)誤差的絕對(duì)值均<10%，平均相對(duì)誤差3.59%，處于可接受范圍之內(nèi)，說(shuō)明模型的擬合效果較好，準(zhǔn)確率較高。由圖4 可知，理論值與實(shí)際值變化趨勢(shì)總體近似，可以較好地反映未來(lái)湖州市能源消費(fèi)碳排放量情況。

表2 2007—2020 年湖州市能源碳排放實(shí)際值與預(yù)測(cè)值誤差對(duì)比Tab.2 Comparison of error between actual value and forecast value of energy carbon emission in Huzhou City from 2007 to 2020

圖4 2007—2020 年湖州市實(shí)際碳排放值與模型擬合碳排放值Fig.4 Actual carbon emission values and model fitting carbon emission values in Huzhou City from 2007 to 2020

2.4 主導(dǎo)因素識(shí)別

因子分析的本質(zhì)是主成分分析，主成分分析法作為一種線性降維算法用于衡量數(shù)據(jù)的差異性，并將差異性較大的數(shù)據(jù)轉(zhuǎn)至低維空間表示。由表3 可知，提取1 個(gè)綜合變量便可充分解釋7 個(gè)變量對(duì)湖州市能源碳排放量的影響，其中1 個(gè)綜合變量的方差累計(jì)貢獻(xiàn)率達(dá)到83.211%。

表3 總方差解釋Tab.3 Total variance explained

根據(jù)變量投影重要性分析計(jì)算可得，各解釋變量人口數(shù)量、人均GDP、能源結(jié)構(gòu)、單位產(chǎn)值能耗、農(nóng)業(yè)增加值占全市生產(chǎn)總值比例、農(nóng)業(yè)機(jī)械總動(dòng)力和產(chǎn)業(yè)結(jié)構(gòu)的VIP值分別為0.766 296、0.842 25、0.831 936、1.015 86、1.083 96、1.438 49 和0.857 387。其中單位產(chǎn)值能耗、農(nóng)業(yè)增加值占全市生產(chǎn)總值比例及農(nóng)業(yè)機(jī)械總動(dòng)力3 個(gè)變量的VIP值均>1，說(shuō)明它們對(duì)湖州市能源消費(fèi)碳排放呈現(xiàn)較強(qiáng)的解釋能力。

由模型擬合影響系數(shù)可以看出，能源消費(fèi)結(jié)構(gòu)、單位產(chǎn)值能耗、農(nóng)業(yè)增加值占全市生產(chǎn)總值比例、農(nóng)業(yè)機(jī)械總動(dòng)力和產(chǎn)業(yè)結(jié)構(gòu)對(duì)湖州市能源消費(fèi)碳排放有良好的解釋能力，并且可視為主導(dǎo)因素，但其余變量對(duì)湖州市能源消費(fèi)碳排放的影響也不容小覷。

2.5 討論

（1）湖州市能源消費(fèi)碳排放量總體呈降低-升高-降低的變化趨勢(shì)。盡管湖州市在推動(dòng)能源清潔、高效、安全和可持續(xù)發(fā)展等方面取得了良好的成績(jī)，但是由于城鄉(xiāng)居民收入水平快速增長(zhǎng)，農(nóng)村電氣化建設(shè)全面推進(jìn)等導(dǎo)致在生活消費(fèi)、交通運(yùn)輸、電力消費(fèi)等方面的需求也持續(xù)增長(zhǎng)，從而增加了湖州市能耗碳排放。2019 年湖州市提出以生態(tài)+電力為路徑，大力推進(jìn)能源生產(chǎn)和消費(fèi)革命，以求在能源消費(fèi)、生產(chǎn)生活方面進(jìn)一步實(shí)現(xiàn)低碳環(huán)保、智能高效的生態(tài)模式。但是鑒于煤炭等化石能源仍然是湖州市主要能源消耗的現(xiàn)狀，為了實(shí)現(xiàn)碳中和目標(biāo)，湖州市仍需優(yōu)化能源結(jié)構(gòu)，充分利用自身資源優(yōu)勢(shì)，大力發(fā)展“屋頂光伏”“農(nóng)光互補(bǔ)”等，有序推進(jìn)風(fēng)電、生物質(zhì)能利用，實(shí)現(xiàn)清潔能源多元化發(fā)展。還需要推進(jìn)煤電機(jī)組等的清潔改造，提高電力消費(fèi)比例等。

（2）近年來(lái)，湖州市十分重視能源結(jié)構(gòu)優(yōu)化，不僅在能源供應(yīng)方面實(shí)現(xiàn)清潔生產(chǎn)，如煙氣超低排放，并且大力推廣電能替代、煤改氣和油改氣等，促進(jìn)消費(fèi)端清潔化。在農(nóng)業(yè)領(lǐng)域，湖州市努力拓展農(nóng)業(yè)功能，推動(dòng)產(chǎn)業(yè)協(xié)調(diào)發(fā)展，激發(fā)農(nóng)業(yè)發(fā)展活力，2015—2020年，湖州市農(nóng)林牧漁業(yè)增加值由129.25 億元提高到149.47 億元，年均增長(zhǎng)率2.95%。同時(shí)，為建立低碳農(nóng)業(yè)生產(chǎn)方式，湖州市不僅加快節(jié)能環(huán)保農(nóng)機(jī)的應(yīng)用，還因地制宜大力推廣多種低碳互補(bǔ)農(nóng)業(yè)模式，合理利用生物質(zhì)能，發(fā)展沼氣發(fā)電，減少農(nóng)業(yè)領(lǐng)域?qū)剂系男枨?。這些措施都在為優(yōu)化能源消費(fèi)結(jié)構(gòu)，降低能源消費(fèi)碳排放而努力。

（3）根據(jù)模型可以預(yù)測(cè)，未來(lái)幾年，隨著可再生能源不斷發(fā)展，各種“低碳+”生態(tài)發(fā)展模式的推廣，湖州市總體能源消費(fèi)碳排放將呈現(xiàn)緩慢增長(zhǎng)趨勢(shì)并最終達(dá)到峰值。

3 結(jié)束語(yǔ)

基于經(jīng)典Kaya 恒等式（IPAT 模型），采用擴(kuò)展STIRPAT 模型，對(duì)2007—2020 年浙江省湖州市能源消費(fèi)碳排放進(jìn)行測(cè)算，并對(duì)影響湖州市能源消費(fèi)碳排放主導(dǎo)因素進(jìn)行了識(shí)別分析。

（1）人口數(shù)量、人均GDP 和單位產(chǎn)值能耗對(duì)湖州市主要能源消費(fèi)碳排放量呈正向影響，而能源結(jié)構(gòu)、農(nóng)業(yè)增加值占全市生產(chǎn)總值比例、農(nóng)業(yè)機(jī)械總動(dòng)力和產(chǎn)業(yè)結(jié)構(gòu)呈負(fù)向影響。

（2）湖州市主要能源消費(fèi)碳排放STIRART 模型理論值與真實(shí)值較吻合，平均相對(duì)誤差3.59%。

（3）能源結(jié)構(gòu)、單位產(chǎn)值能耗、農(nóng)業(yè)增加值占全市生產(chǎn)總值比例、農(nóng)業(yè)機(jī)械總動(dòng)力和產(chǎn)業(yè)結(jié)構(gòu)是影響湖州市能源消費(fèi)碳排放的主導(dǎo)因素。為了降低能源消費(fèi)碳排放，湖州市需要在各方面作出行動(dòng)，能源結(jié)構(gòu)優(yōu)化轉(zhuǎn)型刻不容緩，不僅是能源消費(fèi)量較大的行業(yè)，對(duì)于農(nóng)業(yè)等行業(yè)也需同樣重視。