湖北省能源消费CO2与大气污染物协同减排研究*

罗红成 廖 琪 容 誉

(湖北省生态环境科学研究院(省生态环境工程评估中心)，湖北 武汉 430072)

目前，我国正面临着日益严峻的大气污染物和CO2双重减排压力[1-2]。2020年9月22日,习近平总书记在第七十五届联合国大会一般性辩论上提出中国力争于2030年前达到碳排放峰值，并努力争取2060年前实现碳中和。中国国民经济和社会发展“十四五”规划分别提出了应对气候变化和大气污染防治的目标，即碳排放强度下降18%、SO2和NOx等主要污染物排放总量下降15%。作为中部大省和老工业基地，湖北省“十三五”前4年以年均2.8%的能源消费增量支撑了7.8%的经济增长，同时后疫情时代工业、交通等部门能耗潜在反弹趋势增加了气候变化应对和大气污染防治的工作难度。大气污染物与CO2排放的同根同源性、措施的同效性使得两者之间的协同控制具有较大潜力[3]，开展大气污染物与CO2的协同控制是实现生态环境保护与实现气候变化应对目标的重要举措[4-5]。

近年来，针对大气污染物与温室气体的协同减排研究逐渐增多。其中，国外研究大多采用模型模拟[6]。CHAE等[7]对韩国首尔都市圈的空气质量规划和温室气体控制措施进行了成本有效性和协同效应评价，并探索了如何以最低成本达成最佳协同效益目标的政策情景。SHRESTHA等[8]利用MARKAL模型，研究了2005—2050年泰国减少CO2排放的政策对大气污染物减排的协同效应；在CO2减排30%的情况下，SO2排放量将比基准(记为BAU)情景减少43%。国内已有的相关研究大多集中在对某一城市或某一行业的工程技术减排措施的协同效应评估上，且更多聚焦污染控制政策带来的协同效应，而较少研究温室气体控制政策带来的协同效应[9-13]。JIANG等[14]以沈阳铁西区和上海宝山区为案例，对典型工业区结构减排、技术减排等措施的协同效益进行了评价。周颖等[15]利用能源环境经济投入产出模型研究水泥行业主要常规污染物和CO2之间的协同减排方式，定量计算主要常规污染物和CO2之间的减排协同度。毛显强等[16]采用协同控制效应坐标系、污染物减排量交叉弹性分析和单位污染物减排成本等方法评价了技术减排措施对SO2、NOx和CO2的协同控制效应。

现有研究缺少涵盖省市各部门的宏观协同控制效果分析。本研究从省级层面，围绕温室气体和主要大气污染物减排协同效应展开研究。采用拓展的STIRPAT模型，预测不同减排情景下能源消费总量以及CO2、SO2、NOx、PM10排放量，评估不同情景下CO2和主要大气污染物的减排协同效应，以期为湖北省开展温室气体和大气污染物协同控制，以及制定碳排放达峰政策措施提供技术支持。

1 方 法

1.1 能源消费总量预测模型

选择DIETZ等[17]提出的STIRPAT模型作为湖北省能源消费总量预测工具。STIRPAT模型为拓展的IPAT模型，不仅克服了原模型所有自变量等比例影响因变量的缺陷，而且可进一步分析主要因素对环境的非线性变化影响，并加入了随机干扰项，可根据研究目的及需要增加其他控制因素来分析对环境的影响，其模型可用式(1)表达:

(1)

式中：I为环境负荷，一般用能源消耗、污染物排放等指标表征；P*为人口因素，以人口数量来表征；A为财富因素；T为技术因素；a为模型的系数项；b、c、d分别为人口、财富和技术因素的弹性系数，%，当P*、A、T每发生1%的变化时，会引起I的|b|%、|c|%、|d|%变化；e为随机误差；除各系数外，其余参数的单位视具体情况而定。

在处理实际问题时，通常将式(1)转化为线性方程，即在模型两边同时取对数。同时，根据拓展的STIRPAT模型原理，引入产业结构、城市化率等指标，来构建湖北省基于拓展的STIRPAT模型的能源消费预测模型(见式(2))。

lnI=lna+blnP*+c1lnA1+c2lnA2+d1lnT1+d2lnT2+lne

(2)

式中：A拆分为A1和A2，A1、A2分别为人均GDP、第二产业占比；T拆分为T1和T2，T1、T2分别为能耗强度、城市化率；c1、c2、d1、d2分别为人均GDP、第二产业占比、能耗强度、城市化率弹性系数，%；除弹性系数外，其余参数单位视具体情况而定。

1.2 CO2与大气污染物排放量计算

主要大气污染物排放量的计算公式见式(3)[18]，CO2排放量(ECO2，亿t)的计算方法与Ek类似。

Ek=∑ALi,j,k×Fi,j,k

(3)

式中：Ek为大气污染物k排放量，万t；ALi,j,k、Fi,j,k分别为在用能部门i能源终端j，大气污染物k的活动水平和排放因子，单位视具体情况而定。

主要用能部门可分为能源生产与加工转换、农业、工业和建筑业、交通运输、服务业及其他、居民生活6个部门。其中能源生产与加工转换部门包括火力发电和供热部门。各用能部门煤炭、石油、天然气等活动水平数据来源于相应年份的中国能源统计年鉴。化石能源消费CO2排放因子采用最新国家温室气体清单排放因子数据，其中煤炭为2.66 t/t(以标准煤计，下同)，石油为1.73 t/t，天然气为1.56 t/t。各能源折标准煤参考系数以相应年度中国能源统计年鉴附录为准。化石能源消费SO2、NOx、PM10等主要大气污染物排放因子取自ZHAO等[19]的研究成果，交通运输排放因子参考蔡皓等[20]和赵斌等[21]的研究成果。

1.3 情景设置

根据数据可获得性和口径一致性，选取2015年为基准年，2025年为预测年，研究采取不同力度温室气体减排措施下CO2和主要大气污染物的协同减排效应。结合湖北省中长期规划发展目标，分别设计了BAU情景、低碳(记为LC)情景和强化低碳(记为ELC)情景3种预测情景。各减排情景的详细说明见表1。

表1 3种设定情景描述及参数指标

2 结果与讨论

2.1 能源消费总量预测

采用拓展的STIRPAT模型，选取人口数量、人均GDP、能耗强度、城市化率、第二产业占比等5个能源消费影响因素作为自变量，以2005—2015年湖北省统计年鉴相关数据为样本，数据进行对数化处理后见表2。对各自变量进行相关性分析，结果表明所选取的5项影响因素均与能源消费总量呈现较高的相关性(见表3)。

表2 2005—2015年湖北省能源消费影响因素对数化处理结果

表3 湖北省能源消费总量与各影响因素的相关性分析结果

采用最小二乘法进行多元线性逐步回归来拟合，但通过共线性检测发现，模型方差膨胀系数(VIF)显著大于10，说明自变量之间存在严重的多重共线性。为消除其对研究结果的影响，使用岭回归方法对式(2)重新进行回归分析。岭参数(K)介于0～1，以步长为0.01进行取值。所得岭迹图见图1，K对应的决定系数(R2)见图2。

图2 R2与K的关系

根据图1可知，当K=0.02时，各自变量回归系数变化趋于稳定，模型R2=0.972，拟合度较高。对拟合结果的方差分析表明，整体拟合效果满足要求(F=48.68，P<0.01)。最终建立的湖北省能源消费岭回归方程见式(4)：

图1 岭迹图

lnI=1.273lnP*+0.215lnA1+1.161lnA2-0.014lnT1+0.096lnT2-8.490

(4)

从式(4)可以看出，人口数量、人均GDP、第二产业占比、能耗强度、城市化率每发生1.000%的变化，将分别引起能源消费总量相应发生1.273%、0.215%、1.161%、0.014%和0.096%的变化。人口数量和第二产业占比是影响湖北省能源消费的关键因素，人均GDP和城市化率对能源消费有驱动作用，而能耗强度对能源消费有抑制作用。

为了验证该预测模型的有效性，将湖北省2005—2015年人口数量、人均GDP、第二产业占比、能耗强度和城市化率的数据代入式(4)，计算能源消费总量，并将拟合值与实际值进行对比，结果见图3。拟合值与实际值的平均误差率为2.53%。对实际值与拟合值进行两配对样本t检验，检验结果显示，能源消费总量拟合值与实际值相关系数为0.984，P为0.942，说明根据模型计算得到的湖北省能源消费总量与实际情况没有显著差异，预测效果较好。

注：能源消费总量以标准煤计。

根据上述岭回归方程并结合3种设定情景参数，预测并得到能源消费总量结果如下：BAU情景下，2025年全省能源消费总量约为2.05亿t；LC情景下，能源消费总量约为2.00亿t；ELC情景下，能源消费总量约为1.95亿t。相比BAU情景，至2025年，ELC情景预计可减少能源消费约1 000万t。

2.2 CO2和大气污染物排放量预测

根据能源消费总量预测结果和确定的CO2和大气污染物排放因子，预测3种设定情景下CO2与主要大气污染物排放量,结果见表4。

表4 不同情景下CO2和主要大气污染物排放量预测结果

预测结果显示，BAU情景下湖北省CO2排放总量由2015年的2.96亿t增至2025年的3.62亿t，增长约22%；其中，能源生产与加工转换、工业和建筑业、交通运输部门是未来碳排放增长的主要贡献部门，CO2排放分担率分别增至35.91%、40.88%和8.55%；至2025年主要大气污染物SO2、NOx、PM10排放量分别为2015年水平的1.13、1.21、1.22倍。LC情景相比BAU情景，CO2和主要大气污染物增长幅度得到一定控制，2025年CO2、SO2、NOx、PM10排放量分别减少0.07亿、0.92万、1.05万、0.42万t，说明LC情景政策除了有效降低温室气体排放量外，对大气污染物减排也具有重要影响。ELC情景下，CO2和主要大气污染物进一步削减，相比BAU情景CO2、SO2、NOx、PM10排放量分别减少0.14亿、2.06万、2.33万、0.93万t。

预测结果中，CO2预测结果与2015年度省级人民政府控制温室气体排放目标责任考核结果(3.03亿t)接近；主要大气污染物预测结果与正式发布的湖北省2015年SO2(55.14万t)和NOx(51.45万t)排放量数据基本一致，说明上述预测结果总体上是合理的。

2.3 协同减排分析

2.3.1 协同减排贡献率分析

以LC情景或ELC情景相对于BAU情景下的不同部门减排量占总减排量的比例作为各部门的协同减排贡献率[22]，分析和筛选能够促进CO2与大气污染物协同减排的重点部门。

LC情景和ELC情景下各部门协同减排贡献率见图4。结果表明，无论是大气污染物还是CO2，协同减排效应贡献率最大的部门基本上均是工业和建筑业部门，对SO2、NOx、PM10、CO2的协同减排贡献率分别达到29%～33%、32%～40%、47%～51%和41%～44%。能源生产与加工转换部门其次，对协同减排的贡献主要反映在SO2、PM10、CO2上，该部门对SO2、PM10、CO2的协同减排贡献率分别为22%～24%、25%～26%和35%～36%。NOx减排贡献部门中，交通运输部门与工业和建筑业部门相当，交通运输部门对NOx的协同减排贡献率达到32%～43%。服务业及其他、居民生活部门对协同减排的贡献则主要体现在SO2上。相比之下，农业部门对协同减排的贡献最小。

注：LC(SO2)指LC情景下的SO2排放，其余以此类推。

2.3.2 污染物减排量交叉弹性分析

为评价不同情景下CO2的减排对各种大气污染物减排的协同程度，引入交叉弹性系数[23]，计算公式如下：

(5)

式中：Sk为CO2与大气污染物k减排量交叉弹性系数；ΔEk、ΔECO2为LC或ELC情景相对于BAU情景的大气污染物k、CO2的排放量降幅，单位视具体情况而定。

湖北省主要大气污染物与CO2减排量交叉弹性分析结果见表5。CO2与各污染物减排量交叉弹性均大于0，说明LC情景和ELC情景减排政策对大气污染物和CO2均具有协同控制效应。分部门分析得出，能源生产与加工转换部门CO2与各大气污染物交叉弹性系数均在1左右，表明协同度很高，说明LC情景和ELC情景在带来CO2减排效果的同时，可以达到大气污染物排放控制的良好效果。工业和建筑业部门CO2和PM10可达到较高程度的减排协同，而SO2和NOx对CO2减排量变化较不敏感，减排程度小于CO2。在交通运输部门，SO2的减排程度远高于CO2，而NOx的减排程度低于CO2。在服务业及其他、居民生活部门，SO2和PM10对CO2减排量变化很敏感；NOx和CO2的减排程度基本相同，具有较高的协同度。

表5 各情景下大气污染物和CO2的交叉弹性系数

3 结论与建议

(1) 基于拓展的STIRPAT模型建立了湖北省能源消费岭回归方程。人口数量和第二产业占比是影响能源消费的关键因素，人均GDP和城市化率对能源消费有驱动作用，而能耗强度对能源消费有抑制作用。人口数量、人均GDP、第二产业占比、能耗强度、城市化率每发生1.000%的变化，将分别引起湖北省能源消费总量相应发生1.273%、0.215%、1.161%、0.014%和0.096%的变化。

(2) LC情景和ELC情景相对BAU情景实现了能源消费总量的减少，至2025年ELC情景预计可减少能源消费总量约1 000万t，相应地可削减0.14亿t的CO2排放，同时将分别减少SO2、NOx、PM10排放量2.06万、2.33万、0.93万t。

(3) 对CO2和主要大气污染物协同减排贡献最大的部门为工业和建筑业部门，其次为能源生产与加工转换部门，LC情景和ELC情景政策总体对CO2和主要大气污染物均具有协同减排效应。

(4) 建议湖北省加快产业结构优化，促进经济增长方式转变，控制能源生产与加工转换、工业和建筑业、交通运输这几个部门的碳排放增速和总量，合理调整能源结构，尤其是进一步减少煤炭消费并增加可再生能源在能源消费中的比例，以最大幅度实现CO2和主要大气污染物的协同减排。