陜西省碳排放驅(qū)動因素分析及預(yù)測

摘要：采用碳排放系數(shù)法測算2000—2021年陜西省碳排放量并研究驅(qū)動因素，在此基礎(chǔ)上進行預(yù)測并探索出5條減排路徑。研究結(jié)果表明：陜西省碳排放量在2000—2021年呈上升趨勢；驅(qū)動因素作用排序為經(jīng)濟發(fā)展、能源結(jié)構(gòu)、能耗強度、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化率以及人口數(shù)量；陜西省在高碳、基準、低碳3種情景下均可實現(xiàn)碳達峰，碳排放量分別為6.968 5×108 t、6.636 6×108 t、6.314 5×108 t。因此，合理規(guī)劃發(fā)展進程，注重技術(shù)進步，并嚴格控制產(chǎn)業(yè)和能源結(jié)構(gòu)比例，對于陜西省順利實現(xiàn)碳達峰目標任務(wù)具有現(xiàn)實意義。

關(guān)鍵詞：碳排放量；驅(qū)動因素；可拓展的隨機性的環(huán)境影響評估（STIRPAT）模型；情景預(yù)測

中圖分類號：X321 文獻標識碼：A 文章編號：1008-9500（2024）09-0-05

58

Driving Factor Analysis and Prediction of Carbon Emission in Shaanxi Province

LI Siyao， WANG Hongmei

（College of Economics and Management， Northwest Aamp;F University， Yangling 712100， China）

Abstract： The carbon emission coefficient method is used to measure the carbon emissions in Shaanxi Province from 2000—2021 and to study the driving factors， on the basis of which a prediction is made and five emission reduction paths are explored. The results of the study show that Shaanxi Province’s carbon emissions show an upward trend from 2000—2021; the drivers are economic development， energy structure， energy intensity， industrial structure， urbanization rate， and population size; Shaanxi Province can achieve carbon peak under three scenarios： high carbon， baseline， and low carbon， and the carbon emissions are 6.968 5×108 t， 6.636 6×108 t， 6.314 5×108 t. Therefore， it is of practical significance to rationally plan the development process， emphasize technological progress， and strictly control the proportion of industry and energy structure in order to successfully achieve the goal of carbon peaking in Shaanxi Province.

Keywords： carbon emission; driving factor; Stochastic Impacts by Regression on Population，Affluence，and Technology（STIRPAT） model; scenario forecasting

我國目前對高碳化石能源消費的依賴程度較高，同時隨著城鎮(zhèn)化推進，工業(yè)產(chǎn)值不斷突破最高點，減碳脫碳任務(wù)面臨巨大壓力。因此，必須采取積極有效措施減少碳排放以減緩氣候壓力。陜西省煤炭產(chǎn)量位列全國第三，石油、天然氣產(chǎn)量均居全國前列。統(tǒng)計數(shù)據(jù)顯示，2021年，陜西省能源消費為9 018.46萬t標準煤，電力消費比例超過72.7%。因此，研究陜西省碳排放現(xiàn)狀及未來變化趨勢，同時識別重點區(qū)域，對于提高減排工作效果至關(guān)重要。

近年來，碳排放成為熱點話題，包括碳排量測算、碳排放影響因素分析和情景預(yù)測等方面[1-5]。從研究部門來看，涉及工業(yè)部門、交通部門、建筑業(yè)部門等[6-8]；從研究區(qū)域來看，全國層面、省域?qū)用娴确矫婢猩婕癧9]。

現(xiàn)有研究成果為碳排放的研究奠定了良好的基礎(chǔ)，但仍存在一些不足。首先，以往研究大多聚焦于國家或發(fā)達省份，忽略了西部地區(qū)，從長遠看不利于實現(xiàn)整體碳達峰、碳中和目標；其次，碳排放核算方法較多，會出現(xiàn)統(tǒng)計口徑不一致的問題；最后，已有研究大多止步于情景預(yù)測分析，為探索減排路徑，指導(dǎo)作用較弱。因此，采用碳排放系數(shù)法，核算陜西省2000—2021年碳排放量，在此基礎(chǔ)上，定量分析陜西省碳排放影響因素，同時引入可拓展的隨機性的環(huán)境影響評估（Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT）模型，進行情景預(yù)測并設(shè)計得到5條減排路徑，提出具體政策建議，以期為陜西省碳達峰相關(guān)政策制定和任務(wù)實現(xiàn)提供更多思路。

1 研究樣本與模型構(gòu)建

1.1 樣本數(shù)據(jù)來源與處理

碳排放數(shù)據(jù)來源于《陜西省能源統(tǒng)計年鑒》，經(jīng)手工整理計算得到最終數(shù)據(jù)；其他數(shù)據(jù)來源于《陜西省統(tǒng)計年鑒》、陜西省國民經(jīng)濟及社會發(fā)展統(tǒng)計公報。缺失的數(shù)據(jù)根據(jù)EPS數(shù)據(jù)庫進行補充，部分缺失值采用線性插值法進行補充。

1.2 模型構(gòu)建

1.2.1 碳排放量測算

排放因子法常用于較為宏觀層面的溫室氣體排放量核算。根據(jù)聯(lián)合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）指南，運用碳排放系數(shù)法，根據(jù)式（1）計算2000—2021年陜西省的碳排放量。

（1）

式中：CE為碳排放量，萬t；CEi為第i種能源的消費量，萬t標準煤；γi為第i種能源的碳排放系數(shù)，萬t/萬t標準煤；n為能源種類總數(shù)量。

能源標準煤換算系數(shù)和碳排放系數(shù)如表1所示。

1.2.2 STIRPAT模型

STIRPAT模型廣泛應(yīng)用于區(qū)域碳排放的情景預(yù)測，并取得理想的模擬效果。參考現(xiàn)有的研究[10]，將人口數(shù)量、城鎮(zhèn)化率、經(jīng)濟發(fā)展、能源消費結(jié)構(gòu)、能耗強度以及產(chǎn)業(yè)結(jié)構(gòu)等6個要素納入模型，如式（2）所示。

lnCE=lna+blnP+clnU+dlnA+elnS+f lnE+glnT+lnε（2）

式中：P為人口數(shù)量，用陜西省年末常住人口表示，研究顯示人口和碳排放呈顯著正相關(guān)[11]；U為城鎮(zhèn)化率，用城鎮(zhèn)人口占總?cè)丝诘谋壤硎?，研究表明城?zhèn)化將導(dǎo)致碳排放量上升[12]；A為經(jīng)濟發(fā)展，用人均國內(nèi)生產(chǎn)總值（Gross Domestic Product，GDP）表示，根據(jù)環(huán)境庫茲涅茨曲線，環(huán)境質(zhì)量和經(jīng)濟發(fā)展之間呈倒U形的關(guān)系[13]；S為產(chǎn)業(yè)結(jié)構(gòu)，用第二產(chǎn)業(yè)增加值占GDP的比例表示，研究表明第二產(chǎn)業(yè)的占比上升，將加劇碳排放規(guī)模[7]；E為能源消費結(jié)構(gòu)，用煤炭消費占能源消費總量的比例表示；T為能耗強度，用單位GDP能源消費量表示，該指標反映出經(jīng)濟發(fā)展對能源的依賴[14]；a為模型系數(shù)；b、c、d、e和f均為彈性系數(shù)，分別表示指標每變化1%所帶來的碳排放量的變化；ε為誤差。

2 實證結(jié)果與分析

2.1 陜西省碳排放量核算

基于前文引入的碳排放系數(shù)法測算出陜西省歷年碳排放總量和人均碳排放量，發(fā)現(xiàn)2000—2021年陜西省碳排放量整體呈增長趨勢，具體如圖1所示。

圖1表明，在研究期間陜西省的碳排放量快速增長，碳排放總量由2000年的0.685 4×108 t上升至2021年的6.704 9×108 t，上升8.78倍；而人均碳排放量由1.88 t增長至16.96 t，上升8.02倍。這一高速增長與陜西省推動城鎮(zhèn)化進程，促進經(jīng)濟發(fā)展有著緊密的聯(lián)系。一方面，經(jīng)濟快速發(fā)展將促進城鎮(zhèn)化進程，反過來，城鎮(zhèn)的發(fā)展也將帶動建筑業(yè)的發(fā)展、工業(yè)產(chǎn)業(yè)活動等；另一方面，經(jīng)濟的發(fā)展激發(fā)居民對高質(zhì)量生活的追求，由此產(chǎn)生的生活垃圾及用電量將激增。

2.2 陜西省碳排放驅(qū)動因素分析

為消除多重共線性問題，采用偏最小二乘回歸（Partial Least Squares Regression，PLS）進行擬合，具體如表2所示。從變量在投影中的重要性（Variable Importance in Projection，VIP）可以看出，經(jīng)濟發(fā)展的VIP值最大，為1.566，表明經(jīng)濟發(fā)展是陜西省碳排放關(guān)鍵驅(qū)動因素，而后依次為能耗強度（1.476）、能源消費結(jié)構(gòu)（0.744）、產(chǎn)業(yè)結(jié)構(gòu)（0.679）、城鎮(zhèn)化率（0.388）、人口數(shù)量（0.300）。

通過標準化系數(shù)得到的擬合方程如式（3）所示，產(chǎn)業(yè)結(jié)構(gòu)與陜西省碳排放量呈負相關(guān)，其余5個驅(qū)動因素則均呈正相關(guān)關(guān)系。

lnCE=0.327lnP+0.318lnU+1.743lnA-0.007lnS+

0.018lnE+0.844lnT（3）

通過式（4）偏最小二乘回歸模型的預(yù)測值與真實值對比可知，模型的擬合效果良好，平均誤差為2.0%。

lnCE=-9.313+0.437lnP+0.060lnU+0.981lnA-

0.026lnS+0.099lnE+0.960lnT（4）

2000—2021年陜西省實際碳排放量與預(yù)測值對比如圖2所示。200—2021年，陜西省碳排放量預(yù)測值由0.872 1×108 t增長至7.574 8×108 t。其中，2005年和2017年為兩個凸點，其原因可能是

2005年國家循環(huán)經(jīng)濟試點工作啟動，2010年陜西成為低碳試點城市，至2017年政策減碳效果初見成效。

2.3 陜西省碳排放預(yù)測

2.3.1 情景參數(shù)設(shè)置

2000—2021年陜西省碳排放仍呈上升趨勢，未來減碳壓力依然較大。要按期完成減碳目標任務(wù)，需要預(yù)測陜西省未來碳排放量。設(shè)置低碳、基準、高碳3種情景，其中驅(qū)動因素參數(shù)設(shè)置參考《陜西省國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠景目標綱要》，以中國五年發(fā)展規(guī)劃思路，情景設(shè)置參照劉茂輝等[13]的研究，具體相關(guān)變量增長率設(shè)定如表3所示。

2.3.2 預(yù)測結(jié)果及分析

通過設(shè)置3種情景預(yù)測陜西省碳排放量，發(fā)現(xiàn)3種情景下陜西省碳排放量明顯不同，具體如圖3所示。2030年，陜西省碳排放量在高碳、基準、低碳3種情景下的碳排放量分別為6.968 5×108 t、6.636 6×108 t、6.314 5×108 t，在3種情景下，陜西省均能實現(xiàn)碳達峰目標，但其碳達峰的碳排量差距較大。此外，文章進行Monte Carlo分析，誤差結(jié)果在為-0.072%，進一步驗證預(yù)測結(jié)果具有可信度。

在高碳情景下，陜西省2021—2025年碳排量以1.82%的年均增長率遞增，2025—2030年增速放緩，達峰年后以0.23%的速率逐年下降；在基準情景下，2021—2025年碳排量以0.77%的年平均增長率遞增，2025—2030年碳排放增速放緩，達峰年后以0.16%的速率逐年下降；在低碳情景下，碳排放變化則有所不同，2021—2025年以0.25%的速率逐年下降，2025—2030年呈上揚態(tài)勢，達峰年后以0.08%的速率逐年下降。

2.3.3 減排路徑

根據(jù)陜西省碳排放驅(qū)動因素分析與各參數(shù)變化率的設(shè)置，結(jié)合騰飛等[14]研究，構(gòu)建5條減排路徑，具體設(shè)置如表4所示。

第一，循環(huán)發(fā)展路徑。人口數(shù)量、城鎮(zhèn)化率、經(jīng)濟發(fā)展設(shè)置為低碳情景下的變化率，其余因素設(shè)置為基準情景下的變化率。該路徑表示在國家碳達峰的硬性約束下，通過放緩經(jīng)濟增長和城鎮(zhèn)化率，降低碳排量。

第二，生態(tài)環(huán)保路徑。人口數(shù)量、城鎮(zhèn)化率、經(jīng)濟發(fā)展設(shè)置為高碳情景下的變化率，其余因素設(shè)置為低碳情景下的變化率。該路徑表示在發(fā)展經(jīng)濟、人口總數(shù)、城鎮(zhèn)化穩(wěn)中有進的情況下，通過優(yōu)化產(chǎn)業(yè)布局、改善能源消費結(jié)構(gòu)及削弱能耗強度，降低碳排量。

第三，能源清潔路徑。能源消費結(jié)構(gòu)、能耗強度設(shè)置為低碳情景下的變化率，其余因素設(shè)置為基準情景下的變化率。該路徑表示在現(xiàn)有人口數(shù)量、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)以及經(jīng)濟發(fā)展的基礎(chǔ)上，通過調(diào)整能源消費結(jié)構(gòu)、削弱能耗強度、優(yōu)化能源消費結(jié)構(gòu)，降低碳排量。

第四，產(chǎn)業(yè)升級路徑。經(jīng)濟發(fā)展設(shè)置為高碳情景下的高速變化率，產(chǎn)業(yè)結(jié)構(gòu)設(shè)置為低碳情景下的低速變化率，其余因素均為基準情景下的變化率。該路徑表示在現(xiàn)有人口數(shù)量、城鎮(zhèn)化率、能源消費結(jié)構(gòu)和能耗強度的基礎(chǔ)上，通過發(fā)展經(jīng)濟、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)布局，降低碳排量。

第五，全面減排路徑。該路徑采用各驅(qū)動因素在基準、低碳情景變化率相結(jié)合的方法，通過加強減碳減排政策實施力度，推動技術(shù)創(chuàng)新，從而降低碳排放量。

利用STIRPAT模型，預(yù)測得到5條減排路徑，具體如圖4所示。

由圖4可知，陜西省在5種減排路徑下均能實現(xiàn)碳達峰，且碳排放量均處于單調(diào)遞減狀態(tài)，峰值由低到高依次為全面減排路徑（6.615 8×108 t）、能源清潔路徑（6.626 6×108 t）、循環(huán)發(fā)展情景（6.726 8×108 t）、生態(tài)保護路徑（6.905 3×108 t）、產(chǎn)業(yè)升級路徑（6.917 6×108 t）。

通過對比5種減排路徑的預(yù)測結(jié)果，在產(chǎn)業(yè)升級路徑與生態(tài)保護路徑下，陜西省的碳排放量下降得最快，但碳達峰的碳排放量將遠高于其他幾種路徑，因此不可取。而能源清潔路徑、全面減排路徑既能使碳排量維持在較低水平，又能以較高速度減碳降碳，而這兩種路徑是以調(diào)整產(chǎn)業(yè)結(jié)構(gòu)和優(yōu)化能源結(jié)構(gòu)，達到降低能源消費量的效果，且能源清潔路徑下的碳排放量高于全面減排路徑下的碳排放量，更加直觀地說明碳排量的高低是多個因素共同作用的結(jié)果。因此，碳減排措施的制定既要全面考慮又要抓住關(guān)鍵少數(shù)，從而將政策效能最大化。

具體政策建議如下。一是合理規(guī)劃發(fā)展進程，發(fā)展低碳經(jīng)濟。研究發(fā)現(xiàn)經(jīng)濟發(fā)展是增碳的第一驅(qū)動因素，必須合理規(guī)劃經(jīng)濟發(fā)展進程，同時大力發(fā)展低碳經(jīng)濟，構(gòu)建完備的低碳經(jīng)濟體系。二是注重技術(shù)進步，降低能耗強度。研究結(jié)果表明，能耗強度能對碳排放增長起到抑制作用，如采取引進新技術(shù)、加大資金投入等方式，可以降低能耗強度，激發(fā)陜西省減排潛力。三是嚴格控制產(chǎn)業(yè)和能源結(jié)構(gòu)比例。

3 結(jié)論

基于核算得到的2000—2021年陜西省碳排放量，采用STIIRPAT模型確定驅(qū)動因素，并預(yù)測高碳、基準、低碳3種情景下碳排放量，組合得到5條減排路徑，具體結(jié)論如下：第一，2000—2021年，陜西省碳排放總量和人均排放量均呈現(xiàn)出上升趨勢；第二，驅(qū)動因素作用效果由大到小依次為經(jīng)濟發(fā)展、能源結(jié)構(gòu)、能耗強度、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化率、人口數(shù)量；第三，陜西省在高碳、基準、低碳3種情景下的碳排放量分別為6.968 5×108 t、6.636 6×108 t、6.314 5×108 t，均可實現(xiàn)碳達峰碳中和。其中，全面減排路徑（各驅(qū)動因素在基準、低碳情景變化率相結(jié)合）減碳效果最佳。

參考文獻

1 叢建輝，劉學(xué)敏，趙雪如.城市碳排放核算的邊界界定及其測度方法[J].中國人口·資源與環(huán)境，2014（4）：19-26.

2 徐麗笑，王亞菲.我國城市碳排放核算：國際統(tǒng)計標準測度與方法構(gòu)建[J].統(tǒng)計研究，2022（7）：12-30.

3 林伯強，蔣竺均.中國二氧化碳的環(huán)境庫茲涅茨曲線預(yù)測及影響因素分析[J].管理世界，2009（4）：27-36.

4 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)量經(jīng)濟技術(shù)經(jīng)濟研究，2012（5）：36-49.

5 高國力，文 揚，王 麗，等.基于碳排放影響因素的城市群碳達峰研究[J].經(jīng)濟管理，2023（2）：39-58.

6 劉淳森，曲建升，葛鈺潔，等.基于LSTM模型的中國交通運輸業(yè)碳排放預(yù)測[J].中國環(huán)境科學(xué)，2023（5）：2574-2582.

7 袁曉玲，郗繼宏，李朝鵬，等.中國工業(yè)部門碳排放峰值預(yù)測及減排潛力研究[J].統(tǒng)計與信息論壇，2020（9）：72-82.

8 張智慧，劉睿劼.基于投入產(chǎn)出分析的建筑業(yè)碳排放核算[J].清華大學(xué)學(xué)報（自然科學(xué)版），2013（1）：53-57.

9 王 怡.中國省域二氧化碳排放達峰情景預(yù)測及實現(xiàn)路徑研究[J].科學(xué)決策，2022（1）：95-105.

10 趙 敏，張衛(wèi)國，俞立中.上海市能源消費碳排放分析[J].環(huán)境科學(xué)研究，2009（8）：984-989.

11 李 瑾，常 征，吳 越，等.能耗“雙控”向碳排放“雙控”轉(zhuǎn)變推動全國碳市場長期穩(wěn)步發(fā)展[J].環(huán)境經(jīng)濟，2022（8）：32-37.

12 趙玉煥，錢之凌，徐 鑫.碳達峰和碳中和背景下中國產(chǎn)業(yè)結(jié)構(gòu)升級對碳排放的影響研究[J].經(jīng)濟問題探索，2022（3）：87-105

13 劉茂輝，鄧小文，劉勝楠，等.基于LMDI法和Tapio脫鉤模型的天津市碳排放分析[J].環(huán)境污染與防治，2022（10）：1397-1401.

14 滕 飛，平冰宇，邊 遠，等.基于STIRPAT模型的東三省“碳排放”預(yù)測與達峰路徑研究[J].通化師范學(xué)院學(xué)報，2022（10）：18-30.