基于“三生空间”的重庆市碳排放增长机理及趋势预测*

2022-07-08白丽芳王超越刘艺璇杨玉筝郭先华

环境污染与防治 2022年6期

郭莉白丽芳王超越刘艺璇杨玉筝，2 郭先华#

(1.重庆三峡学院三峡库区可持续发展研究中心,重庆 404100；2.中国科学院空天信息创新研究院,北京 100094)

随着世界各地经济的发展，温室气体排放量不断增加，全球气候变化问题日益突出。在第75届联合国大会上，中国明确提出将在2030年实现碳达峰、2060年实现碳中和。随着国家对生态、绿色、低碳等发展方式的日益重视，有关优化国土空间、建设生态文明等文件相继颁布，在此背景下“三生空间”的概念应运而生。“三生空间”即生活空间、生产空间和生态空间，如何通过“三生空间”的合理规划实现区域减碳目标，是广大学者日益关注的课题。

碳排放的影响因素分析是有效减少温室气体排放的重要依据，关系到减排政策的制定和实施[1]。SHI[2]采用STIRPAT模型研究碳排放影响因素，结果表明人口因素是影响碳排放的主要因素。SHAHBAZ等[3]研究发现城市化是影响马来西亚能源消费增长的主要因素。黄蕊等[4]应用STIRPAT模型分析江苏省能源消费碳排放量与人口、人均国内生产总值(GDP)、能源强度、城镇化水平之间的关系，发现这4种因素每变化1%，能源消费碳排放量将分别发生3.467%、0.242%、0.313%、0.151%的变化。陈占明等[5]研究表明，人口规模、第二产业产值占比和采暖需求的增长都会提高城市碳排放，部分城市碳排放会随着富裕程度的上升呈现先增后减的趋势，但城镇化率对碳排放的影响具有不确定性。碳排放的预测对于碳减排同样重要，黎孔清等[6]通过基于灰色动态预测的GM(1,1)模型对湖南省农地投入的碳排放进行预测，结果显示湖南省农地投入的碳排放量将呈持续上升趋势，预计2020年将达到430.43万t。

近些年来，随着重庆市经济的不断发展，碳排放量逐年增加。为了进一步研究重庆市的碳排放影响因素，本研究以“三生空间”计算碳排放量，应用STIRPAT模型分析重庆市人口数量、城镇化率、产业结构等因素对碳排放量的影响，进而具体分析碳排放的影响因素；最后，利用GM(1,1)模型对重庆市2020—2029年的碳排放量进行预测，为重庆市后续实施节能减排工作提供参考和依据。

1 方法与计算

1.1 “三生空间”碳排放量的计算

根据重庆市2008年土地利用数据，耕地、其他农用地、林地、草地、水域、城乡建设用地、未利用土地分别占总用地面积的27.2%、11.8%、40.0%、2.9%、2.2%、7.2%、8.7%。按照“三生空间”分类评价体系[7-10]对土地利用类型的划分，将城乡建设用地进一步细分为工业用地、城镇用地、农村居民点、道路交通用地，其中林地、草地、水域和未利用土地属于生态空间，耕地、其他农用地、工业用地属于生产空间，城镇用地、农村居民点、道路交通用地属于生活空间。“三生空间”中，生产空间和生活空间主要表现为碳源，生态空间主要表现为碳汇，分别计算各空间的碳排放量或碳汇量，汇总得到重庆市的碳排放情况。

1.1.1 生态空间

生态空间作为主要的碳汇，对于碳排放的吸收有着重要作用。利用不同用地类型的碳汇系数及面积计算生态空间的碳汇量。其中林地、草地、未利用土地和水域的碳汇系数分别为0.057 8、0.002 1、0.000 5、0.025 2 kg/(hm2·a)[11]，不同用地类型面积参考重庆市2008年土地利用数据。

1.1.2 生产空间

生产空间中耕地的碳排放主要来自农业生产活动和畜禽养殖业。其中，农业生产活动的碳源主要为农业施肥、农作物种植、农业机械使用和灌溉的CO2排放和稻田的CH4排放；畜禽养殖业的碳源为牲畜呼吸的CO2排放以及畜禽肠道发酵和粪便的CH4排放，重庆市主要畜禽养殖品种为猪、牛和家禽。参考文献[12]，耕地碳排放量计算中涉及到的参数取值见表1。

表1 耕地各碳源的碳排放转化系数

工业用地碳源主要来自工业能源活动和工业生产过程，工业能源活动碳排放采用自上而下的碳排放测算方法，根据不同类型能源的消耗量、折标煤系数及碳排放系数计算，不同能源类型的折标煤系数参考《中国能源统计年鉴》，碳排放系数参考《2006年IPCC国家温室气体排放清单指南》，具体取值见表2。工业生产过程的碳排放根据《省级温室气体清单编制指南》列出的温室气体清单范围，鉴于重庆市主要工业产品为水泥，根据水泥产量及单位产量的碳排放系数(0.538 t/t)计算水泥生产的碳排放量。

表2 工业能源活动碳排放相关系数

1.1.3 生活空间

生活空间碳排放主要来自城镇用地、农村居民点、道路交通用地等。城镇用地碳源主要为城镇居民呼吸碳排放，由城镇常住人口和人体呼吸碳排放系数计算得到。人体呼吸碳排放系数取79 kg/(人·a)[13]。农村居民点碳源主要为农村居民生活能源，包括煤炭和秸秆燃烧以及呼吸碳排放。根据相关文献，在现有技术条件下，秸秆资源可认为是100%收集[14]，秸秆燃烧碳排放量(Cs，t)的计算见式(1)：

(1)

式中：k为农作物种类序号；pi为第i种作物产量，t；si为第i种作物谷草比；θi为第i种作物秸秆燃烧碳排放系数，t/t，不同作物类型的秸秆燃烧碳排放系数取值见表3；m为秸秆露天燃烧比，一般取0.165；n为秸秆燃烧效率，一般取0.8。

表3 谷草比和秸秆燃烧碳排放系数

道路交通用地碳排放量通过交通运输、仓储和邮政的能源消费计算，计算方法和工业能源消费相同。

1.2 总碳排放量

由重庆市“三生空间”碳排放量减去碳汇量计算得到重庆市总碳排放量。

1.3 STIRPAT模型

采用STIRPAT模型分析重庆市人口、城镇化率、交通情况、产业结构、机械总动力、农业结构、林业支出占比等对碳排放的影响。YORK等[15]在传统IPAT模型的基础上提出了STIRPAT模型，该模型能够克服Kaya恒等式和IPAT模型在假设检验方面的局限性，同时能够得到影响因子对环境的非等比例影响。其标准形式为：

I=aPbAcTde

(2)

式中：I、P、A、T分别为环境影响、人口因素、财富因素和技术因素；a为模型系数；b、c、d分别为人口因素、财富因素和技术因素的系数；e为随机误差项。

对式(2)两边分别取对数后得到式(3)：

lnI=lna+blnP+clnA+dlnT+lne

(3)

以lnI作为因变量，lnP、lnA、lnT作为自变量，lna作为常数项，lne作为误差项，对经过处理后的模型进行多元线性拟合。根据弹性系数概念，P、A、T每发生1%的变化，将分别引起I发生b%、c%、d%的变化。

为了针对性研究重庆市碳排放的影响因素，结合重庆市“三生空间”的实际情况，对STIRPAT模型进行扩展，得到式(4)：

lnI=lna+blnP+clnA+dlnT+flnK+jlnS+klnL+qlnQ+lne

(4)

式中：K为产业结构；S为交通情况；L为农业结构；Q为林业支出情况；f、j、k、q分别为产业结构、交通情况、农业结构、林业支出的系数。本研究旨在分析重庆市碳排放影响因素，I取值为总碳排放量，万t；P取值为重庆市人口数，万人；A取值为城镇化率，%；T取值为机械总动力，万kW；K取值为第二产业产值与总产值比值；S取值为交通换算周转量，亿t·km，由旅客周转量换算成货物周转量再与货物周转量相加得到；L取值为种植业与农业总产值的比值；Q取值为林业系统固定资产投资额与财政总支出的比值。

1.4 GM(1,1)模型

GM(1,1)模型是揭示系统内部事物连续发展变化过程的预测模型，该模型通过少量、不完全的信息建立灰色微分预测模型，对事物发展规律作出模糊性的长期描述。本研究根据重庆市2000—2019年的碳排放预测2020—2029年的碳排放变化趋势，采用MATLAB软件中的GM(1,1)模块进行计算。

1.5 数据来源

工业能源消费数据来自《重庆统计年鉴》(2000—2019年)，交通能源消费数据来自《中国交通统计年鉴》(2000—2019年)。人口、城镇化率、交通周转量、机械总动力均来自《重庆统计年鉴》(2000—2019年)。产业结构、农业结构、林业支出占比经过计算得到。其中，林业系统固定资产投资额源自《中国林业统计年鉴》(2000—2019年)。由于2019年的林业系统固定资产投资额未公布，用2018年的数据代替。重庆市2000—2019年的林地、草地、未利用地、水域面积用Arcgis 10.7软件分析栅格数据获得。

2 结果与分析

2.1 重庆市碳排放量分析

根据“三生空间”的碳排放量与碳汇量，计算得出重庆市2000—2019年的总碳排放量(见图1)。2000—2019年重庆市总碳排放量呈逐步缓慢增加再趋于稳定的趋势，由2000年的0.37亿t增加到2019年的1.23亿t，增长了2.32倍，年均增长率为6.48%。其中生产空间碳排放量由2000年的0.28亿t增加到2019年的0.95亿t，增长了2.39倍；生活空间碳排放量由2000年的0.11亿t增加到2019年的0.30亿t，增长了1.73倍；生态空间的碳汇量由2000年的180.92万t小幅增至2019年的194.15万t，由此可见，生态空间碳汇量远低于生产空间、生活空间的碳排放量，且多年来变化基本不大，生产空间对碳排放的促进作用比生活空间更显著。

图1 2000—2019年重庆市总碳排放量及年增长率

通过分析碳排放量的增长特征，可将重庆市碳排放发展分为3个阶段：第1阶段(2000—2005年)为总碳排放量稳步增长阶段。从生产空间来看，该阶段工业用地碳排放量增长幅度最大，其中工业生产过程碳排放增长49.75%，工业能源活动碳排放增长61.94%，且工业能源活动碳排放量和工业生产过程碳排放量占比分别为34.47%、19.79%。耕地的主要碳源为牲畜呼吸和农业生产活动，碳排放量占比分别为16.02%、1.81%，但就增长率而言，牲畜呼吸和畜禽肠道发酵的碳排放增长幅度偏高，分别为26.08%、47.85%。由稻田CH4排放产生的碳排放下降3.69%，究其原因，是稻田面积减少引起碳排放的下降；从生活空间来看，2000—2005年碳排放增长幅度最大的是农村生活点和道路交通用地，增长率分别为57.97%、142.23%,而城镇用地碳排放下降1.78%，分析其原因，是由于该阶段重庆市人口外流使得碳排放增长率出现负增长。生活空间中碳排放占比最大的是城镇用地和农村居民点，碳排放量占比分别为4.66%、20.14%。

快节奏的生活使人们不再满足于传统旅行的低效率，一方面人们希望在出门之前就能对旅游相关知识及信息有一个全面的了解并且可以享受到各种快捷方便的服务，另一方面旅游企业需要及时地向旅游顾客群提供丰富的旅游景点信息，了解客户的需求进而提供相应的服务[1]。

第2阶段(2006—2015年)为总碳排放量快速增长阶段。该阶段重庆市总碳排放量从2006年的0.65亿t增加到2015年的1.28亿t，年均增长率为14.85%。从“三生空间”的角度来看，碳排放量的增幅主要来自于生产空间。从工业用地上看，工业生产过程对碳排放的贡献率为25.18%，增长率为168.30%；工业能源活动碳排放增长率相较于2000—2005年明显提高，增长率为107.55%。其次，从耕地碳排放情况来看，农业生产活动的碳排放为上升趋势，增长率为14.91%。牲畜呼吸、稻田、畜禽肠道发酵、畜禽粪便的碳排放增长率分别为16.67%、-3.75%、-10.26%、8.46%，与第1阶段相比均有所下降。从生活空间来看，城镇居民呼吸的碳排放增长率为7.43%。在这一时期，重庆市城镇人口数量呈明显的增长趋势，由2005年的1 265.95万人增加至2015年的1 838.41万人，而乡村人口则由1 496.71万人减少至2015年的1 178.14万人。随着经济的发展和重庆市政策的支持，很多乡村人口进城务工或者定居城市，从而造成这种现象。在道路交通用地方面，随着我国经济的发展，人民生活水平的提高，对于交通的需求越来越大，道路交通用地碳排放的增长率保持在较高水平，为150.18%。总体而言，2006—2015年重庆市总碳排放量比2000—2005年有明显的提升。

第3阶段(2016—2019年)为总碳排放量稳中下降阶段。在此阶段，国家大力提倡绿色低碳发展，各地都出台了相关的减排政策和措施，对于碳排放量的减少有明显的促进作用。在重庆市生产空间上，除了畜禽肠道发酵的碳排放增长率为2.77%外，农业生产活动、牲畜呼吸、稻田、畜禽粪便、工业能源活动以及工业生产过程的碳排放均为负增长，具体增长率为-3.87%、-18.40%、-0.87%、-25.85%、-1.29%、-0.42%。在该阶段，工业能源活动和工业生产过程对碳排放贡献依然较大，贡献率分别为38.83%、28.69%。在生活空间，道路交通的碳排放增长率有明显的下降，这是因为随着经济的发展和社会的进步，对交通需求日趋饱和。

2.2 影响因素分析

运用SPSS 25软件对碳排放量及各影响因素数据进行多元线性回归分析，重庆市碳排放量除了与产业结构、农业结构和林业支出占比的方差膨胀系数(VIF)为8.567、6.658、9.128，小于10之外，与其他变量的VIF都大于10，其中与城镇化率、机械总动力的VIF分别为372.788、379.902，远大于10，说明这些因素间存在很严重的多重共线性。因此，为了消除这种共线性的影响，采用岭回归方法对数据进行重新回归，回归结果见表4。根据拟合结果，所有自变量回归系数都通过了5%的显著性水平检验。模型拟合结果R2为0.972，F统计量通过了1%的显著性水平检验，说明岭回归结果可以较好地解释重庆市碳排放量与自变量之间的关系，由此得到重庆市碳排放的STIRPAT模型，具体见式(5)：

表4 岭回归结果

lnI=0.127lnP+0.250lnA+0.242lnT+0.156lnK+0.208lnS+0.088lnL-0.095lnQ

(5)

通过分析模型可以看到，重庆市总人口数、城镇化率、交通换算周转量、产业结构、机械总动力、农业结构的拟合系数均为正值，说明这些因素对碳排放起促进作用，随着这些自变量的增加，碳排放量也会增加。通过具体分析可以得知，城镇化率和机械总动力对碳排放的促进作用最大。城镇化率每增加1.000%，碳排放量将增加0.250%；机械总动力每增加1.000%，碳排放量将增加0.242%。而林业支出的系数为负，对碳排放起抑制作用。林业支出每增加1.000%，将使碳排放量减少0.095%。可以看到林业支出对碳排放有着最明显的抑制作用，因此，对林业支出的投资额度将来必须保持以及提高。

2.3 碳排放预测分析

根据重庆市2000—2019年的碳排放数据，应用MATLAB软件建立重庆市2020—2029年的“三生空间”碳排放的GM(1,1)预测模型。输入2000—2019年的碳排放值，经过两次残差序列分析，得到重庆市2020—2029年的碳排放预测结果(见表5)。经检验，模型预测精度为一级，说明该预测结果有效。

表5 重庆市2020—2029年碳排放预测

通过GM(1,1)预测模型得到重庆市2000—2019年基于“三生空间”的碳排放预测值，并与重庆市碳排放真实值进行对比，结果见图2。图2显示预测值与实测值的偏离度总体较小，仅有个别年份的偏离度较大。从预测结果来看，2020—2029年的总碳排放增长趋势明显，从2020年的1.54亿t增加到2029年2.56亿t，年均增长率为5.82%，说明重庆市碳排放量虽然继续增加，但增长率有所下降。本研究的预测基于重庆市过去20年的碳排放趋势展开，预测时并未设置各种碳减排情景，但是根据预测的有效性显示，未来重庆市的碳减排压力依然很大。

图2 真实值与预测值的拟合线

2.4 碳减排规划措施分析

通过对重庆市基于“三生空间”的碳排放影响因素研究和碳排放量预测，可以发现无论是生产空间还是生活空间，碳排放未来几年仍将继续增加。为促进重庆市“三生空间”的低碳发展，以低碳空间为切入点寻找突破点，并提出“三生空间”规划以达到碳减排，具体见图3。

图3 “三生空间”规划框架

2.4.1 生产空间碳减排

由前文分析可知，无论是碳排放量还是碳排放增长率，工业生产、农业、能源消耗等都是重要碳排放影响因素。因此，生产空间的规划对于碳减排来说至关重要。重庆市作为一个传统的工业城市，工业在重庆市的国民经济中扮演着十分重要的地位，是重庆市经济增长的核心动力。虽然近年来重庆市的产业结构一直在不断优化中，但见效有限。目前，重庆市的经济增长放缓主要是因为核心支柱产业不足，新的支柱产业量又没有保留。关于重庆市的生产空间的减排措施，可以从以下几点入手。

在工业上，产业结构可以反映一个地区的经济社会发展模式，根据重庆市2000—2019年统计年鉴中三大产业的产值变化，可以看到重庆市第二产业所占比重过大。在以后的发展中应该逐步改变以建筑业、汽车以及制造业等为主的产业现状，发展更加多元更加精密的产业类型。具体措施可从4个方面展开：(1)控制能耗，主要指控制工业能耗和建筑能耗。对节能审查达不到标准的高耗能落后工业可以逐步淘汰，与此同时通过政府支持和企业自身努力，在保持第二产业优势的同时，加强内部技术创新，鼓励企业生产工艺清洁化。(2)区分主次矛盾。对高碳、低碳行业采取各自相应的政策，主要抑制高碳企业的发展，同时鼓励低碳企业的发展。(3)优化空间布局。根据重庆市当地的企业分布特征，可以将零散的工业迁入相关的工业园区，形成集聚效应，减少交通等不必要的碳排放。(4)调整三大产业布局。鼓励发展第一和第三产业，在提高第一、三产业在国民经济中比重的同时，还得减少低产值种植业、低端服务业所占比重，提高现代化服务业整体质量。

在农业上，重庆市2000—2019年耕地最大的碳排放源来自畜禽养殖及其粪便处理，两个碳源的碳排放量合计占比达到耕地碳排放的89%。在畜禽养殖方面应该改良养殖技术，主要包括两方面内容：饲料低碳化技术和养殖用能低碳化技术。饲料低碳化技术是指饲草种植技术和饲料青贮技术，可以最大程度减少工业饲料的使用，使得工业饲料在生产和运输中实现最大化的减排，并且在很大程度上保护了当地的生态环境，增加碳汇。养殖用能低碳化技术包括圈舍低碳化设计技术和清洁能源技术。重庆市特有的地形使其不便发展规模化养殖，因此必须探索适合重庆市本土的养殖方式。圈舍低碳化设计指在设计时要充分考虑圈舍的选址、耗材、取暖、采光等，使得在养殖过程中实现最大的低碳效益。清洁能源技术指结合重庆市能源现状，尽可能利用各种清洁能源来进行畜牧业生产，如太阳能、沼气等。畜禽粪便的处理应实现低碳化管理技术，具体包括粪便能源化、饲料化、肥料化。能源化是指建立相应的沼气设施，使得粪便变为能源，以提供清洁能源。饲料化是指通过有机肥加工技术和堆肥将粪便转化为肥料。肥料化是指将其制作成蛋白粉以作为配料使用，或者用其作为饲料来养殖蚯蚓等。其次，必须推行绿色生产方式、调整农业结构等来降低农业碳排放，如加大林业、渔业等投资，减少传统种植投入等。此外，必须调整种植业内部结构，大力发展油菜、花生等经济作物。

在能源消耗上，首先应提高煤炭等化石燃料的利用率，采用先进技术发展洁净煤发电技术；其次应调整能源结构，提高新能源的使用比例。调整能源产业结构从长远来看，对碳减排有着极其重要的意义，不仅可以切实有效降低碳排放，而且可以增生新产业，并促进相关产业的发展。

2.4.2 生活空间碳减排

人口、城镇化率、交通换算周转量等对碳排放都有着重要影响。城镇化与低碳化是相互促进的关系，加快推进城镇化高质量发展对低碳发展有着重要意义。在推进城镇化的过程中，必须因地施策，避免同一化带来的不利影响。重庆市主城区应充分发挥其集聚效应，助力经济绿色发展和节能减排。其他地区应该警惕“摊大饼”式的城镇化带来的资源浪费和高能耗。社会设施以及各种服务设施与交通设施的布局都相互影响和联系，在低碳理念下的生活空间布局更应该注重各种设施之间的联系。如果设施间服务距离过大，会增加出行成本，不利于低碳交通；而服务距离过小，则又会引起不必要的浪费。因此，结合重庆市整个复杂的地形条件，应该采用“集聚+分散”的布局模式，有效提高设施服务效率，减少能耗。

2.4.3 生态空间增碳汇

重庆市碳储量潜力巨大，但碳汇增幅有限并未实现最大化。因此，对林地、草地、水域等空间布局和树种搭配还需进一步研究。现有研究表明，虽然重庆市森林碳汇总量为5 931.78万t，但森林碳汇分布不均匀[16]。因此，在注重碳汇增量的同时，还应重视布局均衡，如在都市核心区、城市发展新区等增加绿地碳汇；重庆市东北、东南地区在保持现状的基础上注重生态保护；选择合适的树种配置对碳汇的建设十分重要。结合现有研究，再考虑生物含碳率、木材密度、生物量扩展因子等因素，认为以柳杉、包石栎、木荷、栎类搭配较为适宜，但具体搭配方案还需根据区域特征进一步研究调整。此外，根据重庆市特有的历史文化、自然风光等，在科学规划的前提下发展森林生态旅游，带动当地经济发展。重庆市政府也应该加快完善林业生物质能源相关政策和市场监督，促进重庆市林业低碳发展。

3 讨论

根据构建的STIRPAT模型和GM(1,1)模型，对重庆市“三生空间”碳排放的影响因素以及碳排放量的预测，寻求低碳发展“三生空间”的突破口。本研究对2000—2019年的实际碳排放量计算与袁霄等[17]对重庆市碳排放量计算有一定的误差，分析原因，本研究计算的碳排放量不仅计算了工业能源消费的碳排放量，还计算工业生产过程、人口、耕地等，总体看来误差在合理的范围内，并不影响对碳排放的分析。近20年来，重庆市的总碳排放量从2000年的0.37亿t增加到2019年的1.23亿t，呈明显的增长趋势，碳排放增长主要来源于生产空间的工业用地，耕地也是其主要碳排放源，但碳排放增长速度远低于工业用地。首先这种现状的形成与重庆市特殊的经济、文化、地理位置等都有重要关系：重庆市作为我国老工业基地，雄厚的工业基础使其有较强的碳排放来源；1997年重庆市被设立为直辖市，政策支持使重庆市当地工业、农业等都有了较大的发展，GDP增加的同时，也增加了碳排放量。其次，生活空间碳排放量的增加主要基于以下3点原因：(1)人口增长和城镇化推进。重庆市常住人口从2000年到2019年增加近300万人，城镇化率从35.6%提高到66.8%。(2)交通发展。重庆市是中国西部唯一集水、陆、空3种运输方式为一体的交通枢纽，对整个西部地区都有着重要的交通意义。在交通发展十分迅猛的背景下，交通能源消费碳排放也日益增加。(3)农村生活能源。能源种类、数量等都在近20年里有巨大的改变，使得碳排量不断增加。

本研究在碳排放影响因素的选取上与其他研究有所不同，并不是按照工业、农业等分类获得，而是将“三生空间”所涉及到的主要影响因素放在一起分析，更全面地研究了各空间因素对碳排放的影响。通过STIRPAT模型分析可知，对碳排放有明显积极促进的因子主要是人口、城镇化率、交通换算周转量等，这与张勇等[18]研究结果相似，都表明工业、人口等对碳排放有积极的促进作用。通过GM(1,1)模型可知，未来重庆市碳排放仍处于增长趋势，但是年增长率有明显的下降趋势。这说明在重庆市现有的碳减排背景下对碳排放有极大的抑制力，但在未来应采取更加强有效的措施来抑制碳排放，确保重庆市在2030年实现碳达峰。