基于STIRPAT模型的碳排放峰值预测研究——以甘肃省为例

李小军 朱青祥 漆志强 王同斌 张玉洁

( 兰州金石资源环境科技有限公司，兰州 730000)

2021年8月9日，联合国政府间气候变化专门委员会(IPCC)发布了第六次评估报告第一工作组报告《气候变化2021：自然科学基础》。报告称，从全球气候变化看，自1750年以来，由人类活动造成的全球温室气体浓度增加导致大气圈、海洋圈、冰冻圈和生物圈均发生了广泛而迅速的变化，其规模及现状是过去几个世纪甚至几千年来所未有的，人类活动引起的气候变化已经影响到全球各个地区发生极端天气与气候事件。作为全球最大的二氧化碳排放国，2020年中国碳排放总量占全球总排放量的30.7%[1]，中国二氧化碳排放已成为国际社会关注的热点问题之一。未来中国将采取更加有力的政策和措施以提高国家自主贡献力度，二氧化碳排放力争于2030年前达到峰值，并争取2060年前实现碳中和[2]。因此，研究建立2060年前二氧化碳排放路径，是落实“双碳”承诺的基础性工作，也是我国社会经济高质量发展路线图的重要支撑[3-4]。

近年来，国内外学者运用不同方法对碳排放影响因素与排放量预测进行了深入的研究，包括环境库兹涅茨曲线、LMDI分解法、灰色预测模型、STIRPAT模型、系统动力学、LEAP模型等方法，取得了较为丰硕的研究成果[5-16]。

甘肃省作为国家重要的综合能源基地和陆上能源输送大通道，在国家能源发展战略中占有重要地位，而能源活动是二氧化碳排放的主要来源，因此深入探究影响碳排放的驱动因素并科学预测碳排放达峰节点及峰值，可为二氧化碳排放科学精准管控提供新思路。鉴于此，本文基于不同视角，结合甘肃中长期专项规划和国内外学术文献，充分考虑其产业结构、能源结构等基本省情，选取地区生产总值、第二产业占比、城镇人口数量、能源消费总量、科技发展水平、煤炭消费量共6项影响因素，利用STIRPAT模型分析其对甘肃省碳排放量的影响权重；进而设置基准、低碳、强化低碳3种不同发展情景，对甘肃省未来碳排放量达峰时间及峰值进行预测，并提出碳减排实施路径及建议，以期为甘肃省科学计算、精准研判并落地二氧化碳排放管控路径和措施提供决策支撑。

1 模型与数据来源

1.1 STIRPAT模型

本文采用的STIRPAT模型是Dietz，York等[17-18]在经典IPAT方程的基础上提出的扩展形式。相较于其他模型，STIRPAT模型考虑了人口、财富和技术因素各自变动时对环境的单独影响，消除了所有自变量同比例影响因变量的问题，并且具有很好的拓展性和灵活性，是探索碳排放的经济社会影响因素以及预测碳排放量的有效方法，也是目前研究碳排放问题较主流的方法。其模型基本公式为：

I=aPbAcTde

(1)

其中，I代表环境影响压力，P代表人口规模，A代表财富因素，T代表技术水平，a是模型系数，b、c、d分别代表三个自变量的指数，e是整个模型的误差项。

为了更加全面地研究甘肃省碳排放的影响因素，参考以往对甘肃省碳排放影响因素的研究[19-22]，本次引入地区生产总值(X1)、第二产业占比(X2)、城镇人口数量(X3)、能源消费总量(X4)、科技发展水平(X5)、煤炭消费量(X6)共6个自变量，并对式(1)进行取对数分析，以初步消除解释变量之间的多重共线性，拓展后最终STIRPAT模型等式为：

lnI=a+blnX1+clnX2+dlnX3+elnX4+flnX5+glnX6

(2)

1.2 基础数据选取

本模型的统计样本包括甘肃省二氧化碳排放量及6个自变量2005年至2020年的基础数据。GDP(采用2005年可比价)、二产占比、城镇人口数量、能源消费总量、科技发展水平(每万人登记科技成果数量)、煤炭消费量数据均由《甘肃发展年鉴》直接获取或间接推算得出[23]，其中2010年、2020年城镇人口数量采用第六次、第七次全国人口普查甘肃省人口数据。

历年二氧化碳排放量基础数据根据国家发展改革委印发的《单位国内生产总值二氧化碳排放降低目标责任考核评估办法》计算化石燃料(煤炭、油品、天然气)消费产生的二氧化碳直接排放及电力调入调出蕴含的间接排放(即考核口径)，该方法有别于《省级温室气体清单编制指南》核算口径，不包括工业生产过程、废弃物处理、土地利用变化和林业产生的碳排放，且考虑了电力调入调出蕴含的间接排放。化石燃料消费及电力调入调出活动水平数据均来自《甘肃发展年鉴》，化石燃料排放因子数据采用2012年国家温室气体清单的初步数据，即煤炭、油品、天然气排放因子分别为2.66吨CO2/吨标煤、1.76吨CO2/吨标煤、1.56吨CO2/吨标煤。电力调入、调出排放因子数据根据省级电网平均二氧化碳排放因子分别取值为0.3957kgCO2/kWh、0.4912kgCO2/kWh。

表1 2005—2020年甘肃省碳排放相关变量统计

2 数据分析

在对各变量进行对数化处理的基础上，利用SPSS软件进行回归分析，数据检验结果显示(表2)，各变量的VIF值均大于10，说明变量间存在多重共线性问题。

表2 多重共线性分析结果

为使拟合结果更符合实际，采用专门用于共线性数据分析的有偏估计回归方法岭回归法，相较于普通线性回归，岭回归是将变量的系数趋向零，使其在回归方程中的影响变小，变化更加平滑。通过SPSS软件对以上各变量进行岭回归分析，得出K-R2变化图和岭迹图，具体见图1、图2。

图1 K-R2变化图

图2 岭迹图

根据岭迹图及K-R2变化图显示，在K值位于0.20附近时，R2=0.97097，F值为50.17，Sig F=0.00000206，充分体现了此次岭回归拟合效果比较好。

将表3中系数代入式(2)，最终得到的甘肃省碳排放回归方程为：

表3 最终模型统计量

lnI=1.474+0.095lnX1+0.232lnX2+0.161lnX3+0.276lnX4-0.30lnX5+0.316lnX6

(3)

3 情景参数设定

基于上述建立的回归方程，结合国家及甘肃省“十四五规划”[24-25]、各类专项规划及历史变化规律等，利用情景分析法对变量中可预测控制变量进行不同情景模式下的增长率设定。根据甘肃省经济社会发展状况设置基准情景、低碳情景及强化低碳情景共3种情景模式，基准情景是按照目前的状态惯性发展，除目前已有节能降碳政策外不采取额外干预措施；低碳情景是在目前政策基础上再采取一定的节能降碳措施；强化低碳情景是采取严格强力的节能降碳措施。具体情景参数设定如下。

3.1 GDP(X1)

根据世界主要经济体的经济发展规律，随着经济发展向发达水平趋近，其劳动生产率增长速度将逐步下降。其次，随着我国进入老龄化社会，劳动人口和就业率均已处于峰值，势必成为将来经济发展的制约因素。在双循环新发展格局的背景下，我国经济发展战略需要从出口导向型转向内需驱动型，因此判断在未来我国经济由高速增长转向高质量发展的过程中，GDP增速也将走出微幅波动下滑并趋于平缓的趋势。

参考国家及甘肃省“十四五规划”，在积极的财政政策和稳健的货币政策配合下，基准情景下GDP发展按照“十四五”期间年均增速6.5%，“十五五”期间年均增速6%，“十六五”期间年均增速5%设定。

3.2 二产占比(X2)

优化产业结构对经济发展提质增效有重要作用，参照世界主要发达经济体的产业结构，二产占比基本稳定在20%左右，2020年甘肃省二产占比为31.63%，还有一定下调空间但难度较大。根据甘肃省历史增速及产业结构调整进程，结合甘肃省作为全国的生态安全屏障的定位，其未来产业将以十大绿色生态产业为抓手，基准情景下二产占比按照“十四五”期间累计降低12%，“十五五”期间累计降低11%，“十六五”期间累计降低10%测算。低碳情景及强化低碳情景下各阶段二产占比累计降低率增加1～2个百分点。

3.3 城镇人口(X3)

城镇人口的预测由常住人口数量与常住人口城镇化率二者推算得出。

常住人口数量参考《甘肃省第七次全国人口普查公报》[26]，全省常住人口相比第六次全国人口普查减少55.54万人，年平均增长率为-0.22%。在不发生行政区划调整的情况下，考虑到全国陆续出台的人口刺激性政策，结合《甘肃省人口发展规划(2016-2030年)》[27]，确定基准情景下“十四五”期间常住人口年平均增长率为-1%，“十五五”期间年度增长率为-0.1%～-0.5%，“十六五”期间年度增长率为-0.6%～-1%。不同情景常住人口增长率设定见表4。

伴随着城镇化水平的快速提高，居民消费水平将会提高，生活方式也会随之改变，从而使得居民对生活性能源消耗的直接与间接需求增长，城市建筑、交通及居民住宅等对能源的需求也会不断增长，从而带动了碳排放的增长。从世界范围来看，发达国家城镇化率基本在80%以上，截至2020年甘肃省常住人口城镇化率仅为52.23%，可见甘肃省城镇化发展空间较大。根据《甘肃省十四五规划》及《甘肃省新型城镇化规划(2021—2035年)》[28]目标，到2025年，常住城镇人口城镇化率达到58%以上；到2035年，常住人口城镇化率达到70%左右，以此为基准情景。低碳情景及强化低碳情景下各阶段目标值增加2～5个百分点。

3.4 能源消费总量(X4)

能源消费总量由各年度能耗强度推算得出，参考国家“十四五规划”中“十四五”能耗强度累计下降目标由“十三五”的15%调整为13.5%，降低了1.5个百分点；结合甘肃省《关于加快建立健全绿色低碳循环发展经济体系的实施方案》[29]中“到2025年，单位地区生产总值能耗较2020年下降13%”的目标，预测基准情景下甘肃省“十四五”能耗强度累计下降13%，“十五五”期间累计下降12%，“十六五”期间累计下降11%。低碳及强化低碳情景下，甘肃省需在产业结构优化的基础上不断提高能源利用效率，各阶段能耗强度累计下降率力度更大。

3.5 科技发展水平(X5)

碳排放强度的降低离不开技术的进步、能源利用效率的提高等因素。近年来，从国家到地方逐步重视技术市场体系的建立，甘肃省科技成果转化活跃度、技术转移能力亦有所提升。为易于统计，此处科技发展水平指标以每万人科技成果登记量为准计取。随着新一轮全球科技革命和产业变革快速推进，根据《甘肃省“十四五”科技创新规划》[30]对全省科技创新发展目标定位，结合历史增速，确定基准情景按照“十四五”期间科技成果登记量年度增加2%，“十五五”期间年度增加4%，“十六五”期间年度增加10%。低碳及强化低碳情景下，根据我国“建设世界科技强国成为世界主要科学中心和创新高地”的目标定位及甘肃省“打造特色区域创新发展高地”的定位，采取更高预期的年度增长率。

3.6 煤炭消费量(X6)

2020年，甘肃省煤炭消费占能源消费比重约为54%，相比发达国家及国内如广东、浙江、福建、青海等省份，甘肃省煤炭消费占比还有很大的优化空间。依据《甘肃省“十三五”煤炭消费总量控制目标责任考核实施方案》对全省“十三五”期间煤炭消费总量累计增长7%的控制目标，结合历史趋势，预测基准情景下“十四五”期间煤炭消费总量累计增长5%，“十五五”期间累计增长2%，“十六五”期间累计减少5%。低碳及强化低碳情景下，甘肃省需进一步加大非化石能源占比，大力发展可再生能源以替代燃煤使用量，各阶段煤炭消费总量控制力度更大。

综上，甘肃省碳排放各相关变量在不同情景下的增长率具体设定及各控制变量见表4、5。

表4 2021-2035年不同情景下相关变量增长率设定

表5 不同情景下2021—2035年各控制变量统计

4 基于模型的碳排放预测结果

按照设定的参数计算各变量的预测数据，带入修正后的回归方程中进行核算，得出设定3种情景下甘肃省碳排放总量预测结果，如图3所示。

图3 2005—2035年不同情景下甘肃省碳排放总量及强度变化趋势

5 结论与建议

5.1 结论

根据最终得到的甘肃省碳排放回归方程，对自变量的回归系数进行排序，可说明各解释变量对碳排放量的影响程度，其中GDP、二产占比、城镇人口数量、能源消费总量、煤炭消费量对甘肃省碳排放具有显著的正向影响，影响程度由高到低为煤炭消费量>能源消费总量>二产占比>城镇人口数量>GDP，而科技发展水平与甘肃省碳排放呈负相关关系。当煤炭消费量、能源消费总量、二产占比、城镇人口数量、GDP、科技发展水平每变化1%时，分别引起碳排放总量0.316%、0.276%、0.232%、0.161%、0.095%、-0.30%的变化。因此，调整目前甘肃省煤炭消费占比居于主导的能源结构和重工业为主的产业结构，对全省碳达峰目标的顺利达成意义重大。

通过建立模型及情景分析，在基准情景下甘肃省二氧化碳排放总量将在2032年达峰，峰值为16248.88万吨，对应碳排放强度为1.1666吨/万元(2005年价格)；低碳情景下甘肃省二氧化碳排放总量将在2030年达峰，可看齐国家2030年前达峰目标，其峰值为15560.75万吨，对应碳排放强度为1.2612吨/万元(2005年价格)，相比2005年下降71.98%，可实现“2030年单位国内生产总值二氧化碳排放比2005年下降65%”的目标；强化低碳情景下甘肃省二氧化碳排放总量将在2027年实现提前达峰，峰值为15078.07万吨，对应碳排放强度为1.4691吨/万元。可以看出，甘肃省发展的最优方案是低碳情景模式，考虑到甘肃省产业结构及能源消费结构调整难度较大、生态脆弱和适应气候变化能力较弱等现状，2030年碳达峰目标面临较大现实困难和挑战。

本研究从碳排放主要影响因素方面进行峰值预测，尚未涉及重点排放行业对碳达峰目标实现的影响，另外暂未考虑碳汇建设对碳排放峰值的影响，以上内容还有待于进一步研究。

5.2 措施建议

加快能源转型升级。甘肃省新能源可开发量整体位居全国前列，尤其河西地区开发条件较好，风能及光伏发电技术开发利用空间巨大。建议积极开展新能源生产基地建设，巩固提升国家新能源基地的地位。推进煤电由主体电源向基础性和调节性电源转型，促进煤电与新能源发展更好的协同，构建以新能源为主体的新型电力系统。

推进产业体系低碳升级。紧跟新一轮科技革命和产业变革步伐，以高新技术推动传统产业高端化、智能化、低碳化改造，推动半导体材料、电池、储能、电子信息等新兴产业绿色化、集群化发展，积极布局节能环保、清洁生产、清洁能源等绿色产业领域。

构建绿色技术创新体系。推动技术进步是实现碳达峰和经济可持续发展的关键。必须积极培育新技术新模式新业态，激发各类主体的创新活力。发展云计算、大数据、物联网、移动终端、人工智能、区块链等新一代数字技术，深入推进各行业各领域数字化转型。尤其加快绿色低碳技术研发，培育壮大绿色科技型中小微企业群体，加快推广应用先进成熟技术。