黄河流域资源型城市碳排放影响因素与达峰预测研究

2023-02-21崔艳芳张国兴

人民黄河 2023年2期

崔艳芳，张国兴，2

（1.华北水利水电大学管理与经济学院，河南郑州 450046；2.华北水利水电大学黄河流域生态经济系统可持续发展研究中心，河南郑州 450046）

1 引言

资源型城市作为重要的能源保障基地为中国经济发展做出了重要贡献，但其经济发展模式的高污染、高排放特征明显。利用中国碳排放数据库（CEADs）2019年的数据计算，中国1／3的碳排放来自资源型城市，其人均碳排放量比非资源型城市高16.1%，单位GDP能耗是非资源型城市的1.6倍。可见，资源型城市的碳减排压力巨大。然而，当前学术界对碳排放的研究多为工业、建筑业以及交通运输业等［1－4］，研究区域多集中于全国、省域、县域等层面［5－8］，对资源型城市碳排放研究相对较少，对黄河流域资源型城市的研究更为少见。黄河流域生态环境脆弱，流域内城市中半数以上属于资源型城市［9］，缓解经济发展与节能减排之间的矛盾是黄河流域资源型城市当前亟待解决的问题。探讨黄河流域资源型城市碳排放的影响因素并进行达峰预测，进而提出针对性的减排建议，对于双碳背景下推动黄河流域生态保护和高质量发展及地区经济转型具有重要意义。

2 研究方法

2.1 碳排放的核算方法

由于缺少部分地级市能源消费的相关统计信息，因此无法使用联合国政府间气候变化专门委员会（IPCC）公布的方法估算碳排放量。考虑到数据来源的一致性，参考已有文献，对黄河流域资源型城市碳排放量采用如下方法估算［10］：

式中：C为碳排放量；G为国内生产总值；T为能源消耗强度；2.493为标准煤的二氧化碳排放系数。

2.2 扩展STIRPAT模型

STIRPAT模型是Dietz等［11］在IPAT模型的基础上发展而来的，计算公式为

式中：I、P、A、T1分别为环境指标、人口、富裕度、技术，其中富裕度用人均GDP表示，技术用能源消耗强度表示；a为模型系数；b、c、d分别为各自变量的指数；e为随机误差项。

为降低自变量间的异质性影响和便于后续分析，York等［12］对STIRPAT模型取自然对数，使式（2）变为

中国城镇化水平随着经济的快速发展不断提升，城镇人口创造了较高的经济收入，但也造成了严重的环境污染。同时，地区碳排放与产业结构有着密切的联系，近年来资源型城市积极进行产业转型以缓解第二产业带来的环境压力。参考已有文献［13］在衡量富裕度和技术水平时分别引入城镇化率（U）和产业结构（S），将STIRPAT模型扩展为

式中：β1、β2、β3、β4、β5为系数。

2.3 BP神经网络模型

BP神经网络模型由输入层、隐含层和输出层三部分构成，输入和输出层节点数为指标数量，指标选取基于STIRPAT模型，故输入层和输出层指标数量分别为5和1。对BP神经网络模型隐含层神经元数量的确定，参照如下经验公式［14］进行计算：

式中：n和m分别为输入、输出层节点个数；h为常数，取值范围为［1，10］。

2.4 数据来源

本文根据《全国资源型城市可持续发展规划（2013—2020年）》选取黄河流域37个资源型城市，相应数据来源于各省（区）2001—2021年统计年鉴，部分数据来源于EPS数据库，个别缺失数据采用插值法补齐，并以2000年为基期对价格指标进行平减处理。

3 结果与分析

3.1 碳排放影响因素分析

3.1.1 碳排放现状分析

黄河流域资源型城市2000—2020年碳排放量整体呈现波动上升的态势（见图 1），但在2013—2016年出现短暂下降，可能是《全国资源型城市可持续发展规划（2013—2020年）》的出台使资源型城市加强对生态问题的重视，进而带来碳排放量短期下降的现象。2016年后碳排放量又开始缓慢上升。为探讨其影响机制，进一步对其影响因素进行深入分析。

图1 黄河流域资源型城市2000—2020年碳排放量

3.1.2 影响因素分析

本文首先选择ADF检验方法对序列的平稳性进行检验，由表1可知，相关变量二阶差分的ADF检验均达到5%的显著水平，进而通过Johansen检验证实变量间存在协整关系，即变量间存在长期均衡关系。

表1 ADF单位根检验结果

人口、富裕度和技术三者间存在一定的相互影响和制约，且检验发现解释变量间存在严重的多重共线性（见表 2），为解决该问题，本文采用岭回归方法进行分析。岭回归是在最小二乘法的基础上进行的算法改进，是专用于共线性数据分析的回归方法。通过测算，确定岭参数k为0.02，回归结果见表3。

表2 普通最小二乘法回归结果

表3 岭回归估计结果

STIRPAT模型具体可以表示为

根据式（6）可以得出：人口规模、人均GDP、城镇化率及单位GDP能耗对黄河流域资源型城市碳排放量的增加有促进作用，以上因素每增大1%，碳排放量分别平均增大1.275%、0.449%、0.43%、0.025%；产业结构优化对碳排放量的增加有抑制作用，其每增大1%将引起碳排放变动－0.856%。人口规模对碳排放的影响最大，这与以往学者针对黄河流域的研究结论相同［3，15］，可能因为人口增长不仅会直接增加对能源资源的消耗，还会通过增加对其他商品、服务等的需求间接加大对能源资源的消耗。能源消耗强度对碳排放的影响最小，王瑛等［16］认为能源消耗强度对经济发达、人才充足、科技能力强的地区碳排放影响更明显，而资源型城市技术水平相对较低，促进能源消耗强度降低的因素中技术含量不足，导致能源消耗强度对资源型城市碳排放影响最小。产业结构优化对碳排放的抑制作用显著，说明积极进行产业转型、大力发展第三产业是资源型城市实现碳减排的重要途径。整体来看，黄河流域资源型城市技术进步对碳排放的抑制作用无法抵消人口和经济因素带来的增大作用。

3.1.3 稳健性检验

为验证以上回归结果的可靠性，参考已有文献［9］，将黄河流域37个资源型城市分为上、中、下游，并运用k＝0.02的岭回归对不同区位的碳排放影响因素进行分析，回归结果见表4。研究发现，在不同地理区位解释变量对碳排放的影响与基准回归结果基本一致，也验证了基准回归结果的有效性。

表4 稳健性检验回归结果

3.2 碳排放情景分析

使用BP神经网络模型预测时，隐含层和输出层的传递函数分别选择tansig和purelin，训练函数为trainlm。先将样本随机分为15组训练样本和6组测试样本，进一步通过多次训练调整确定隐含层节点数。最终确定该模型结构为5－4－1，其训练样本平均绝对误差为11.27，平均相对误差为0.008，均方误差为167.92，R2为0.99，训练结果及测试结果良好（见图2、图 3）。

图2 BP网络训练结果

图3 BP网络测试结果

情景分析在预测碳排放未来变化趋势时应用十分普遍，本文参考以往学者的相关研究和发布的相关政策文件设置各解释变量的变动参数。通过分析可知，人口、经济、技术水平均对碳排放具有重要影响，但考虑到在既定的政策方针和经济形势下人口因素和经济因素很难进行人为调控，因此本文通过调节技术水平参数预测不同情景下的碳排放情况。

（1）人口规模。通过对黄河流域37个资源型城市2000—2020年的人口规模统计发现，当前研究区域的人口总量呈波动上升趋势，但增长趋势在逐渐放缓，人口年均增长率在“十一五”“十二五”“十三五”期间分别为0.97%、0.33%、0.05%。参考刘媛等［17］、张现苓等［18］的研究结果，并结合黄河流域资源型城市人口发展的实际情况，将人口规模年均增速设定为：2021—2025年为0.2%，2026—2030年为0.05%，2031—2035年为－0.05%。

（2）人均GDP。人均GDP增速与经济增速具有高度一致性，基于当前供给侧结构性改革背景，随着时间的推移中国经济将长期维持在中低速增长。参考《中国与新气候经济报告》以及有关学者对经济发展趋势的研究与预测［19－20］，并结合研究区域经济发展实际情况，本文对预测期内人均GDP变化速率进行合理设置（见表 5）。

表5 黄河流域资源型城市经济发展年均参数变化速率设置 %

（3）城镇化率。部分学者认为中国到2035年城镇化率为70%左右［21－22］，杜修立等［23］认为2035年中国城镇化率将达到77.29%。本文综合参考以上学者观点，并结合研究区域实际情况，对预测期内城镇化率变化速率进行合理设定（见表 5）。

（4）第三产业占比。2000—2020年黄河流域资源型城市第三产业占比呈现波动上升趋势，从2000年的32%增长到2020年的44%。潘金玉等［24］认为中国到2030年第三产业占比将达到62.5%；中国社科院宏观经济研究中心课题组［25］认为2030年中国第三产业占比将超过60%。综合考虑黄河流域的资源禀赋和农业发展等实际情况，第三产业占比很难达到全国平均水平。本文对预测期内不同情景下第三产业占比变化速率进行合理设置（见表 6）。

表6 黄河流域资源型城市不同情景下第三产业占比、单位GDP能耗年均变化速率设置 %

（5）单位GDP能耗。根据《中国能源展望2030》，未来对能源的需求将逐渐放缓，单位GDP能耗也会不断下降。《“十四五”节能减排综合工作方案》明确，全国单位GDP能耗到2025年要比2020年下降13.5%。然而由于节能减排边际效应递减，碳减排难度日益增加，因此单位GDP能耗的下降速率也会不断降低。考虑黄河流域是中国重要的化工、能源基地的实际情况，单位GDP能耗的下降幅度很难达到全国平均水平。本文对预测期内的单位GDP能耗变化速率进行合理设置（见表 6）。

在以上设置的4种情景下，黄河流域资源型城市碳排放量的变化趋势存在明显差异（见图 4）。基准情景下资源型城市碳排放量增长最快，虽然增速在持续下降，但至2035年碳排放仍没有明显达峰迹象，可能是技术水平低速增长导致产业结构和能源结构优化较慢，使整体能源效率增长幅度受限。产业结构优化和能源消耗强度降低两种情景是在基准情景的基础上分别提高了第三产业占比上升速度和单位GDP能耗下降速度。在这两种情景下，碳排放增速从2023年开始明显放缓，且分别于2030年和2032年实现碳达峰，碳减排效果优于基础情景，说明技术水平稍有突破就能显著抑制碳排放量的增加。同时，产业结构优化情景下的碳减排效果更佳，说明大力发展第三产业的节能减排效用更突出，这与上文影响因素的分析结果一致。技术突破情景是建立在绿色科技创新高速发展使单位GDP能耗和第三产业占比变化速度均显著提高的基础上。该情景下资源型城市碳排放量的增速明显降低，并于2026年前后提前实现碳达峰，说明实现技术突破性发展是黄河流域资源型城市实现经济发展与节能减排目标的最优策略。

图4 不同情景下黄河流域资源型城市碳排放量趋势

4 结论及建议

4.1 结论

本文运用扩展STIRPAT模型考察了人口规模、人均GDP、城镇化率、产业结构和单位GDP能耗等因素对黄河流域资源型城市2000—2020年碳排放量的影响，并使用BP神经网络构建碳排放模型分析在不同情景下的碳排放趋势，得出如下结论。

（1）黄河流域资源型城市2000—2020年碳排放整体呈现波动上升的态势。其中，2013—2016年出现短暂的下降，但2016—2020年又波动上升。通过分析认为2013—2016年碳排放的短暂下降可能是受《全国资源型城市可持续发展规划（2013—2020年）》的影响。

（2）人口规模、人均GDP、城镇化率以及单位GDP能耗对黄河流域资源型城市碳排放量的增加有促进作用，其中人口规模对碳排放的促进作用最显著，产业结构优化对碳排放量的增加有抑制作用。

（3）在不同情景下黄河流域资源型城市碳排放量的变化趋势呈现明显差异。在基准情景下，黄河流域资源型城市碳排放增长最快，未能在2030年前实现碳达峰；在产业结构优化情景和能源消耗强度降低情景下，黄河流域资源型城市分别于2030年和2032年实现碳达峰；在技术突破情景下碳排放量增长最慢，且在2026年提前实现碳达峰。