基于STIRPAT模型的安徽省工业碳排放情景预测分析

张 纯

(安徽理工大学 经济与管理学院，安徽 淮南 232001)

气候变化是当今人类社会面临的全球性问题，随着世界各国工业化进程的加快，以CO2为主的温室气体排放速度猛增，给地球的大气生态环境系统带来了臭氧层破坏、冰川融化以及海平面上升等诸多负面影响。在这一突出矛盾的背景下，世界各国以全球协约的方式控制温室气体的排放，并以此提出了碳排放达峰的目标。习近平总书记在2020年的联合国大会上宣布：“中国将提高国家自主贡献力度，采取更加有力的政策和措施，二氧化碳排放力争2030年前达到峰值，努力争取2060年前实现碳中和”。 2021年全国两会上,碳达峰、碳中和被首次写入《政府工作报告》，《报告》指出要扎实做好碳达峰、碳中和各项工作，制定2030年前碳排放达峰的行动方案。

省际碳排放研究是完成2030年前碳排放达峰目标的重要基础和前提，尤其是碳排放问题突出的工业省份，如安徽省地处东部发达地区与中西部地区之间，煤炭资源丰富，坐拥淮南与淮北两大煤矿基地，与西部、北方省份相比，距长三角较近。对以上海为中心的华东地区经济的发展贡献着重要力量，在全省整体被纳入长三角后，产业结构得到升级，工业化进程得以提速。安徽省内的工业发展带来的碳排放量日益上升，在当前“碳达峰、碳中和”经济发展背景下，对安徽省碳排放量进行科学预测就显得尤为必要，合理预测工业碳排放发展趋势，可以有针对性地制定碳排放政策，从而准确地把握碳排放达峰的时间节点。

1 文献综述

研究碳排放的达峰时间需要科学地对碳排放趋势进行合理预测，碳排放预测研究主要分为两个部分：首先要构建碳排放预测模型，依据过去历年和现在碳排放数据，提出模型的构建设想。诸多学者利用系统动力学[1-2]、EKC环境曲线[3-4]、灰色预测模型[5-6]以及 IPAT恒等式进行模型构建；基于对过去趋势状态和现在政策及发展规划，对未来技术、经济以及社会发展进行合理情景设计，将各因素设计参数代入模型，从而完成对碳排放的预测。其中，IPAT模型在碳排放研究领域应用最为广泛。

Dietz等[7]为克服 IPAT 模型的不足，在IPAT 模型的基础上提出了STIRPAT 模型。STIRPAT 模型可以引入无量纲的变量进行拓展，通过系数和常数项进行修正，相比 IPAT 模型除了有更好的扩展性、能引入多个自变量之外，指数的加入能够分析模型的自变量对因变量的非等比例影响,具体模型公式为

I=aPb×Ac×Tde.

(1)

式中：I为环境压力；P为人口规模；A为经济水平；T为技术进步；a为常数项；e为误差项；b,c,d分别为人口规模、经济水平、技术进步的弹性系数。

以C表示碳排放替代环境压力I，对式(1)等号两边同时取对数可得

lnC=lna+blnP+clnA+dlnT+e.

(2)

国内也有诸多学者运用IPAT模型和STIRPAT模型对碳排放进行影响因素研究和达峰预测，如何小钢等[8]以投资规模替代人口规模，并结合行业人均产出、研发投入、能源效率、能源结构、外资比重以及政策因素对STIRPAT模型进行改进，利用动态面板数据实证研究了工业碳排放的影响因素。王勇等[9]以中国主要工业行业为研究对象，从经济水平、能源结构、开放程度以及技术因素等角度对STIRPAT模型进行拓展，对工业及其 9个细分行业的碳排放达峰进行情景预测，结果发现只有低碳情景和抑制排放情景下可以实现中国碳排放2030年达峰。张巍[10]基于STIRPAT模型定量分析陕西省工业碳排放量与工业经济规模、人均工业增加值、能源强度和能源结构之间的关系，结果表明保持经济适度增长、能源强度下降和能源结构优化能够控制陕西省工业碳排放量增长。袁晓玲等[11]将中国工业部门划分为8大细分行业，并以此构建出工业整体和细分行业的碳排放STIRPAT模型，研究在基准、低碳和高耗能3种情景下的碳排放峰值时间，结果发现，基准情境下仅轻工和石油业能够在2030年达峰，而低碳情境下各行业均能在2030年前达峰，高耗能情境下各行业只有在2040年前后才能达峰。

2 研究方法与数据来源

2.1 碳排放测算模型

基于IPCC《国家温室气体排放清单指南》中自下而上的路径方法，根据安徽省工业行业面板数据，结合工业行业能耗差异的实际情况，建立安徽省工业行业碳排放测算模型，具体模型如式(3)所示，各类能源的计算系数如表1所示。

表1 各类能源的计算系数

(3)

式中：CO2为测算的CO2排放量；Ei为第i种能源的消耗数量；NCVi为第i种能源的平均低位发热量；CEFi为第i种能源的碳排放系数；COFi为第i种能源的碳氧化因子；44/12为CO2与C的分子量比率。

2.2 碳排放预测模型

以安徽省工业行业为研究对象，参考诸多学者碳排放预测研究方法[12-14]，对STIRPAT模型指标进行如下扩展和修正。首先，经济产出和人口规模是驱动碳排放的主要促进因素，故以年末工业从业人数表示人口规模，工业人均产出表示经济产出；其次，除人口规模和经济水平指标外，还将产业规模考虑进去，以工业行业产值作为变量选入；最后，根据煤炭能源消费在安徽省工业能源消费结构占比相对较高的实际情况以及碳排放密切相关的变量，将技术水平变量扩展为能源结构、能源强度以及碳排放强度3个变量。所构建的预测研究变量见表2。构建的模型方程为

表2 安徽省工业碳排放预测研究变量

lnC=lna+blnP+clnQ+dln QP+

fln ES+gln EE+hln TS+e.

(4)

在使用STIRPAT模型研究碳排放时，由于各个变量的数据之间存在着高度相关性，如工业总产值、能源消费总量等数据多次出现在不同的自变量中，导致各因素变量之间存在很强的多重共线性。

为消除多重共线性对变量的影响，采用岭回归法对碳排放模型方程进行回归。岭回归法可以通过在自变量标准化矩阵的主对角线加入非负因子K的方法来消除多重共线性对结果的干扰。虽然在一定程度上会降低模型拟合精度，但可以显著提高回归结果的有效性与稳定性。根据R2随K变化情况，选择最优的岭回归模型进行碳排放预测。

如表3所示，从岭回归系数来看，人口规模、经济产出、经济水平、能源结构的提高都会对安徽省工业碳排放量增加起到促进作用。 其中，能源结构对安徽省工业碳排放的影响最大，其次是经济水平 和人口规模，而经济产出影响相对较弱。这4项每增加1%,碳排放量就会分别增加0.153%、0.151%、0.147%、0.135%。能源强度和碳排放强度对安徽省工业碳排放起抑制效果，二者每降低 1%，碳排放量就会相应减少0.153%和0.154%。

表3 工业部门岭回归系数与模型检验

从岭回归模型检验结果来看，可决系数R2为0.974，F值为22.389，SigF为0.000 3，表明预测模型的回归方程显著。将各系数代入方程得到模型为

lnC=6.071+0.147lnP+0.135lnQ+

0.151ln QP+0.153ln ES-0.153ln EE-

0.154ln TS.

(5)

将2005—2018年安徽省年末工业从业人数、工业总产值、工业人均产出、原煤消费比、能耗强度以及碳排放强度等数据代入式(5)。将模型测算结构数据与实际碳排放量进行比较，得到表4。由表4可知，模型预测值与实际碳排放量的误差绝对值平均为8.22%，说明构建的预测模型具有一定的实证意义。

表4 安徽省工业碳排放量预测值与实际值比较

2.3 碳排放情景设定

要对安徽省未来工业碳排放量做精准的预测分析，首先需要确定安徽省未来工业人口规模、经济产出、经济水平、能源结构、能源强度、碳排放强度等指标的增长率数值。为降低预测模型的误差，在情景预设时，详细研究历年指标变化规律，并参考《安徽省国民经济和社会发展第十三个五年规划纲要》[15]以及《安徽省“十三五”工业绿色发展规划》[16]中提出全省规模以上单位工业增加值能耗比2015年下降18%的目标，对高中低3个层次进行了年度增长率细分设定，具体情景参数见表5。通过设定的参数对安徽省未来工业碳排放量进行低碳、基准和激进3种情景模式设计，分别研究3种不同模式下的碳排放变化趋势，情景设定见表6。

表5 碳排放变量情景参数设定 %

表6 碳排放变量情景设定

2.4 数据来源与处理

文中选取自2005—2018年共计14 a的研究区间，研究数据主要涉及工业总产值、工业从业人数、能源消费量以及碳排放量。其中，工业总产值、工业从业人数等数据均来源于《安徽省统计年鉴》，能源消费量原始数据来源于《安徽省统计年鉴》，参考表1折算成标准煤后使用。

3 实证分析

3.1 安徽省工业碳排放现状

通过对安徽省 2005—2018年工业能源消费占比进行统计分析，可得到图1。由图1可知， 2005—2018年原煤和焦炭的能源消费占比相对较高，其中,原煤占比最为突出，始终占据能源消费总量的80%以上。这是因为安徽省是我国传统的制造业大省，且以传统制造企业为主。从 2008 年开始，安徽省积极承接东部沿海地区的产业，能源消费结构出现了调整，致使其他能源的使用比例相对减少，而原煤等煤炭类能源消费比例逐步有上升趋势。在2012年原煤消费量占比达到顶峰后逐步向下，与此同时，石油消费也从不断地缓慢下降的态势转变为上升趋势。尽管目前化石类能源占比仍然相对较大，但随着国家政策、产业升级以及环境压力等要求，化石类能源占比会逐步下降，实现可持续发展的可能性会逐步提高。总而言之，目前原煤、焦炭、石油等能源在安徽省消费结构中占据90%以上，而其他能源消费比例不到10%，由此可见，能源结构的调整将是安徽省未来发展低碳经济的重要方向。

图1 安徽省2005—2018年消费能源类型结构

由图2可知，2005—2018年安徽省工业能源换算成标准煤的消耗总量和CO2排放总量发展趋势基本一致。在整个研究期间，2014年和2016年是两个拐点。2005—2014年，工业碳排放与能源消耗一直处于上升势头，其中，工业碳排放从2005年的1.64亿t飙升到2014年的3.86亿t，增幅达135%；能源折算成标准煤消耗量从2005年的0.58亿t飙升至2014年的1.38亿t，涨幅达138%。2014年之后，首次出现了停止增长，甚至出现下降趋势。而到2016年，这两个指标均触底反弹，最后两年保持平稳。通过对图2进行对比分析可以发现安徽省工业碳排放与工业能源消耗结构具有高度的关联性，煤炭类能源占比的趋势与碳排放趋势基本保持同步，都是前期处于上升，后期逐步下降放缓。

图2 2005—2018年工业能源消耗总量与碳排放总量

3.2 碳排放发展预测分析

结合表5设定的参数与表6设定的情景，通过碳排放预测模型测算出2019—2050年安徽省工业碳排放量预测值。根据碳排放预测结果绘制出3种情景模式下工业碳排放预测如图3所示。

图3 3种情景下安徽省工业碳排放达峰时间

在低碳模式的情景中，未来安徽省工业化效率提升，受机械自动化程度上升和人口趋势下降等因素影响，工业行业提供就业岗位势必逐渐减少，工业行业的从业人数将出现负增长的趋势，此时，工业经济产出和经济水平保持低速增长、工业产值的能耗高速下降，加上新能源的大力发展，原煤的消费比例会逐渐降低。根据模型预测安徽省工业行业碳排放总量在2030年左右达到最高峰。碳排放总体趋势由2018年的37 871.27万t上升至2030年的45 927.45万t，在2030年之后，工业年度碳排放总量开始逐渐掉头向下递减。

在基准模式的情景中，未来安徽省工业从业人数从低速增长转变为低速负增长，工业产值和人均工业产值保持平均水平、工业能源强度和能源结构中原煤的消费占比保持匀速下降，此情景下，安徽省工业碳排放量的增长速度中等。根据模型预测安徽省工业行业碳排放总量在2035年左右达到最高峰。最高峰值点为49 325.58万t，在2035年之后，工业年度碳排放总量开始逐渐向下减弱。

在激进模式的情景中，受到人口趋势和老年化结构影响，未来安徽省工业从业人数保持着低增长。与此同时，安徽省工业经济产出和经济水平超过中国平均水平保持着高速增长、工业能源强度低速下降和能源结构中原煤的消费占比仍然较高时，碳排强度低速下降，碳排放量的增长速度最快。根据模型预测安徽省工业行业碳排放总量在2040年左右达到最高峰。最高峰值点为56 248.44万t，在2035年之后，工业年度碳排放总量开始缓慢减速。

4 结 论

文中依据STIRPAT模型，构建出安徽工业部门的碳排放预测模型，从工业人口规模、工业经济产出、人均工业产出、能源结构、能源强度和碳排强度等因素指标进行参数设定，设计低碳、基准和激进3种不同情景，对安徽工业行业的未来碳排放总量进行预测，得到结果如下：

1)从历年数据和岭回归系数来看，人口规模、经济产出、经济水平、能源结构的提高对安徽省工业碳排放量增加均起到促进作用。其中，能源结构对安徽省工业碳排放的影响最大，其次是经济水平和人口规模，而经济产出影响相对较弱。这4项每增加1%，碳排放量就会分别增加0.153%、0.151%、0.147%、0.135%。能源强度和碳排强度对安徽省工业碳排放起抑制效果，二者每降低1%，碳排放量就会相应减少0.153%和0.154%。

2)从情景模拟来看，低碳、基准和激进3种不同情景下，安徽省工业碳排放达峰时间节点分别为2030年、2035年和2040年左右，碳排放峰值量分别为45 927.45万t、49 325.58万t、56 248.44万t。综上分析，目前只有低碳情景下，安徽省工业行业的碳排放能够做到与2030年“碳达峰”的目标保持同步。