基于LMDI-STIRPAT 模型的中国钢铁行业碳达峰路径研究

潘崇超，王博文，侯孝旺，古月清，邢 奕，刘育松，温 维，方 娟

1) 北京科技大学能源与环境工程学院，北京 100083 2) 北京科技大学智慧能源研究中心，北京 100083

中国钢铁产业在21 世纪初快速发展，粗钢产量从2000 年的1.28 亿吨增长至2020 年的10.65 亿吨，占世界总产量的56.7%[1].中国钢铁产业的快速增长给环境带来了巨大的挑战，据BP 公司报告，中国温室气体排放量在2006 年超过美国，居于世界首位[2]，而中国钢铁行业碳排放约占总排放的15%[3].在此背景下，研究钢铁碳排放的影响因素并量化其贡献率，预测未来不同情境下钢铁行业碳排放变化趋势就显得十分重要.

分解分析法用于考察事务变化的作用机理，包括指数分解分析（Index decomposition analysis,IDA）和结构分解分析（Structural decomposition analysis,SDA）[4].SDA 法是静态分析法，通过投入产出表对能源消费总量、碳排放等因素分析[5-6].IDA 法包括Laspeyres 指数和Divisia 指数，Laspeyres 指数基于基准年的权重研究变量的百分比变化；Divisia指数以线积分的方式呈现对数增长率，其权重是不同因素在总值中的份额[7].路正南等[8]用Laspeyres指数分析我国2000—2012 年产业碳生产率的变化；Wang 等[9]将脱钩理论应用于对数平均迪式分解法（LMDI）模型，分析北京、上海各部门排放影响因素与脱钩趋势.对于哪种方法更优，Ang 与Liu[10]认为LMDI 分解简单、便捷且无残差是比较好用的方法.在碳排放峰值预测研究中，情景分析与不同预测模型结合应用广泛.聂锐等[11]通过构建中长期预测模型，预测能源需求、碳排放和经济发展，认为低碳模式是江苏可持续发展的最佳选择.Xu 等[12]基于长期能源替代规划系统（LEAP）模型对中国水泥行业在三个目标情境下的减排潜力和成本进行分析.丁甜甜与李玮[13]通过随机性环境影响评估（STIRPAT）模型对中国电力行业建模，发现电力生产结构对行业碳峰值至关重要.Fang等[14]用中国三十个省份的面板数据开发了扩展STIRPAT 模型，调查省份背后的排放驱动力，并结合情景分析进行峰值模拟.

近年来关于碳排放的影响因素分析和预测研究，大都着眼于全国或省级层面，行业层面的研究相对较少.本文基于排放因子法核算中国钢铁行业2000—2019 年CO2排放量，建立两阶段LMDI模型确定影响因素大小，最后用STIRPAT 模型预测钢铁行业碳排放峰值和碳达峰时间，为推进钢铁行业实现绿色低碳发展提供决策依据.

1 钢铁行业CO2 排放核算

1.1 核算方法

中国碳排放数据库多为全国或省市层面，本文依据《温室气体排放核算与报告要求第5 部分：钢铁生产企业》（简称《报告》）计算CO2排放.方法简化为化石燃料的直接排放和电力的间接排放：

其中，C为总排放量，t；Cfos为化石燃料燃烧直接排放量，t；Cne为间接排放量，t；NCVi为第i种化石燃料的平均低位发热量，对于固体或液体燃料，单位为GJ·t-1，对于气体燃料，单位为10-4GJ·m-3；FCi为第i种燃料的净消耗量，对于固体或液体燃料，单位为t，对于气体燃料，单位为m3；CCi为第i种燃料的单位热值含碳量，t·TJ-1；OFi为燃料的碳氧化率，%；Ane为净购入电量，kWh；EFne为全国电网平均供电排放因子，kg·kW-1·h-1.

1.2 数据搜集

《中国统计年鉴》（2000—2021）给出了钢铁行业分品种能源消费量，其中一次能源消费包含用于加工转换的消费量.炼焦工序中，大部分碳元素留存于焦炭中，另一部分转移到副产物中.为避免重复计算，结合杨文彪等的研究，钢铁企业自产焦炭占全国焦炭总产量的26%[15-16]，查阅统计年鉴中焦炭的能源转换效率，本文取平均值94%.在计算煤炭消费碳排放时不考虑用于转化焦炭部分的碳排放，仅考虑其他环节用煤产生的CO2，此外焦炉煤气的使用在本文中也被计入CO2排放中.平均低位发热量、含碳量和碳氧化率均出自《报告》，数值如表1 所示.计算间接排放时考虑企业可以用生产过程中产生的副产煤气和余热发电，兰德年和李新创调研了钢铁行业的自发电比例[17-18].本文采用他们的研究结果，并假设自发电比率平稳提升.电网排放因子由国家应对气候变化战略研究中心发布，公布2012 年排放因子后未再更新，而近年来我国发电结构持续优化，火电装机比例逐年下降，排放因子也随之变化，因此通过火电占比对排放因子进行估算.

表1 分种类能源参数Table 1 Subcategory energy parameters

1.3 结果分析

钢铁行业2000—2019 年CO2排放和吨钢碳排放变化趋势如图1 所示.自加入WTO 后我国粗钢产量快速上升，2019 年粗钢产量相较于2000 年增长6.77 倍，与此同时CO2排放增长2.69 倍，2019 年达到17.55 亿吨.相较于产量增长，碳排放增长幅度得到有效控制.通过推广大规模节能技术降低吨钢能耗，优化流程结构，吨钢碳排放到2019 年下降52.4%.虽然低碳发展进步明显，但产量巨大、企业分布不均、企业间技术差距大和流程结构不合理等因素依然导致行业面临较大的环境压力.

图1 2000—2019 年中国钢铁行业粗钢产量与CO2 排放量Fig. 1 Crude steel production and CO2 emission of China's steel industry from 2000 to 2019

目前我国短流程吨钢碳排放只有0.4～0.6 t，而长流程吨钢碳排放约为1.8～2.2 t[3].图2(a)显示了中国与世界主要产钢国家电炉钢占比情况.2020 年美国电炉钢比例为70%，世界平均为26.3%，而中国电炉钢占比仅为9.6%[1]，未来我国短流程冶炼还有极大发展空间.长流程冶炼中不可或缺的是化石能源，导致钢铁行业直接排放居高不下，图2(b)反映了钢铁行业碳排放占比情况.图中2000—2011 年间接排放逐年增高，在2011 年达到峰值2.66 亿吨.间接排放没有持续增长，一方面是因为电网排放因子逐年下降，另一方面和钢企自发电比例提高有关，2019 年行业平均自发电率为53%[17]，有效降低了间接排放.

图2 主要国家电炉钢比例和中国钢铁碳排放组成.（a）世界主要国家电炉钢比例;（b）中国钢铁行业碳排放组成Fig. 2 Proportion of EAF steel in major countries and carbon emission of steel in China: (a) composition of carbon emissions from the steel industry;(b) proportion of EAF steel in major countries of the world

2 碳排放影响因素分析

2.1 LMDI 模型的影响因素分解

Kaya 恒等式最早出现于政府间气候变化专门委员会（IPCC）的会议上，学者Kaya 发现了经济、政策和人口等因素对环境所产生的影响[19]，其表达式为：

其中，CO2为CO2排放量，t；E为能源消费总量，t；GDP 为国内生产总值，￥；POP 为总人口数.碳排放不仅与能源消费和经济活动有关，还和能源效率和能源结构等因素有关[20]，扩展后表达式为：

其中，C、E的含义与式(1)和(4)相同，GDP 取工业增加值代表行业规模，用i区分不同能源类别，Ci、Ei分别代表第i种能源碳排放和第i种能源消费量.

式(6)变为：ΔCtot=Li是加权函数.化石能源排放系数一般取定值，而电网排放因子随着可再生能源占比的提升而下降，即电力产生的碳排放变化不为0.工业增加值在《中国统计年鉴》查得，2006 后不再公布分行业增加值，因此结合《中国统计公报》[21]计算.为消除价格变动的影响将所有经济数据统一折成2005 年不变价，价格指数出自《中国统计年鉴》；各能源消费量按《综合能耗计算通则》换算成标准煤[22]；其他数据来源如表2 所示.

表2 研究涉及数据的详细来源Table 2 Detailed sources of data involved in the study

碳排放因素分解结果如表3 所示，产业规模和能源结构对碳排放表现为正效应，而能源强度和排放系数表现为负效应.2000—2019 年碳排放增加了12.79 亿吨，其中产业规模的贡献度达到178.17%；能源强度效应的贡献度为-76.02%.碳排放与产业规模呈现较高的相关度，能源强度的持续提升对缓解排放过快增长影响显著.工业增加值和能源强度变化趋势见图3，2000—2019 年钢铁工业增加值增长4.9 倍，2020 年达到1.8 万亿元，同期能源消费增长3.6 倍.单位增加值能源消费量从2000 年的7.35 减少到2019 年的3.46，下降了52.9%.2015 年以前能源强度降幅为42.6%，近年来降幅趋于平稳，根据世界钢铁协会研究：未来能源强度还有15%～20%的下降空间[23].因此仅靠设备改进等手段无法实现碳中和，重点是改变生产流程和开发低碳冶金技术.

表3 碳排放增长因素分解Table 3 Decomposition of carbon emission growth factors

图3 工业增加值和能源强度Fig. 3 Industrial added value and energy intensity

五年规划期间各影响因素贡献如图4 所示.“十五”期间碳排放增长率最大，从2000 年的4.76 亿吨增长到2005 年的9.87 亿吨，碳排放增长率为107.5%，此后碳排放增长率大幅下降，分别为49.86%，19.08%和-0.42%.在“十五、十一五、十二五”期间规模效应占据绝对地位，贡献率分别为：121.1%、152.3%和273.3%，粗钢产量的大规模增长造成了行业碳排放快速上升.近些年中国经济转入中高速增长模式，单位GDP 钢材消费量不再增加，钢材消费总量位于弧顶阶段，未来趋于下降态势[24].因此“十三五”期间规模效应得到有效控制，未来规模效应会慢慢缩小，甚至成为负效应.

图4 五年规划期间的碳排放分解Fig. 4 Carbon emission decomposition during the five-year plan period

“十一五”到“十二五”期间，节能是发展的约束性指标，吨钢综合能耗下降明显，2015 年该数值为0.572 吨标煤.“十三五”期间钢铁工业以全流程节能为目标，提升能源利用效率，2020 年吨钢综合能耗为0.555 吨标煤[25]，只有1949 年的18.5%.同时电力行业结构优化，间接排放下降明显.目前我国火电比例为68.52%[26]，未来减排的空间还很大.能源结构对碳排放的影响十分弱小，图5 反映了不同类型能源转化为标准煤后在总能源消费中对应的比例，煤炭消费量占比在90%左右，其次是电力消费量占比约为6%，石油消费量逐年降低，而天然气的消费比重持续上升.

图5 分种类能源消费比例Fig. 5 Proportion of energy consumption by category

2.2 二阶段LMDI 分解

研究发现规模效应是最大的影响因素，这与大多数学者的结论一致，如Gao 等[27]研究发现，中国东南部沿海地区经济发展是对碳排放增长做出正向贡献的诸多因素中最为重要的.因此采用柯布-道格拉斯生产函数来描述工业增加值，如公式（12）所示：

其中，A0为基年全要素生产率（TFP）；A0eλt写作A(t)，是t时期全要素生产率；L为劳动力投入，万人；K为资本投入（指资本存量），亿元；α，β是弹性系数，分别代表生产过程中劳动力和资本的相对重要程度，结合LMDI 分解方法，得到公式（13）～（16）：

拟合系数中R2为96.6%，对模拟方程进行方差检验，F 值为150.66，显著性检验Sig<0.001，故在显著性0.05 的水平下通过方差检验且拟合效果好.

规模效应二次分解结果如图6 所示，全要素生产率和资本投入表现为稳定的促进作用.资本投入在“十一五”、“十二五”期间，对碳排放的促进作用相对“十五”显著加强，三个时期的碳排放增长量分别是：10491 万吨、36988万吨和37273 万吨.资本投入带来的不仅是行业快速发展，还带来了严重的能源环境问题.近年来钢铁工业基本满足了社会发展对钢铁产品质量、数量不断提高的要求，但我国并不是钢铁强国，钢铁工业仍处在数量扩张型而不是质量发展型阶段.因此“十二五”末年及“十三五”期间大规模淘汰落后产能，严控新增产能.2014、2015 和2016 年分别淘汰落后产能4770 万吨、3000 万吨和6500 万吨，2017 年淘汰落后产能5000 万吨以上，并完成了全部地条钢的清理工作[30].钢铁行业新发展目标是产能置换和兼并重组，“十三五”期间资本投入的影响较前几年大幅下降.劳动力在前十五年中表现为正效应，但在“十三五”期间表现为负效应，这种转变是因为部分劳动力从高能耗的工业、建筑业转移到低能耗的第三产业，图7 展示了资本投入和劳动力变化情况.

图6 规模效应二次分解累计变化Fig. 6 Cumulative change of quadratic decomposition of scale effect

图7 钢铁行业劳动力人数和资本投入Fig. 7 Labor force and capital input in the steel industry

全要素生产率（TFP）被用来衡量生产效率，文中是指劳力、资本投入除去后的“余值”，即劳动力、资本投入保持不变时产能依然增加的部分[31].它包括生产技术、劳动力素质、管理水平等方面的改善.中国钢铁行业属于规模报酬递减模式（即α+β<1），以当下的生产能力，增加产出不应以扩大规模为手段[28].这解释了为什么TFP 所产生的碳排放逐渐缩小，我们还发现自“十三五”期间全部地条钢淘汰后，TFP 带来的碳排放增长为45876 万吨，相比于前三个五年规划，发展的质量大幅提升，从生产规模无序发展转向低碳技术研发、能源效率提升上.当节能减排技术达到一定高度后，TFP 的影响会逐步下降.

3 碳达峰预测模型

3.1 方法确定

STIRPAT 模型是在IPAT 模型基础上改进而成的，它的优点是包含Kaya 等式和IPAT 模型中各因素对环境改变结果不一致的情况[32]，其表达式为：

其中，I,P,A,T分别表示环境碳排放、区域人口数、富裕度和技术水平，a为常数项，b、c、d为对应变量的指数，h为误差.为了消除异方差对于结果的影响，进行对数化处理：

在原有模型基础上，加入其他影响因素：人均工业增加值(M)，￥；粗钢产量(V)，t；能源强度(T)，t·￥-1；城镇化率(U)，%；产业结构(R)，其中产业结构以第二产业占比表示，%.拓展后的STIRPAT 模型公式如下：

本文数据是时间序列数据，共线性检验后发现变量间存在严重的共线性，方差膨胀因子最大可达2000.多重共线性会导致最小二乘回归后估计量方差扩大，而岭回归能减小多重共线性的影响.用SPSS 软件进行岭回归分析后得到拟合方程如下：

该方程拟合系数中R2为98.5%，F 值为141.49，并在显著性0.05 的水平下通过方差检验.图8 为钢铁行业实际碳排放量与模拟碳排放量的变化情况，其中2012—2017 年由于落后产能等原因导致能源消费量增幅较大，使得实际值大于模拟值.2017 年后受到政策低碳转型等影响，产量增长的同时能源利用率提升较高，能源消费量没有大规模增长，导致实际值小于模拟值.两者最大误差不超过10%，说明模型能较好地反映行业碳排放的大小和趋势.

图8 碳排放实际值与拟合值对比Fig. 8 Comparison between the actual and fitted values of carbon emission

3.2 情景分析

本文用情景分析法预测2021—2030 年的碳排放，共设置四种情景：基准情景（Business as usual,BAU）、低碳情景、强低碳情景和快速发展情景.基准情景表明未来一段时间内中国钢铁行业将按照当前态势发展，不会出台更严格的节能减排政策，低碳技术推广以当前情况推进.BAU 情景下依据“十三五”期间钢铁行业发展情况确定2021—2030 年期间各因素的年变化率，影响因素的变化趋势略有下降.低碳情景和强低碳情景下，考虑到碳达峰的紧迫性会出台新的低碳政策，并且低碳技术的普及率也会大大提升.快速发展情景则假设钢铁的需求量仍保持缓慢上升态势，低碳技术推广不尽人意，钢铁行业带来的环境影响持续加深.与BAU 情景相比，快速发展情景或低碳情景下，各因素年变化率分别设置的较高或较低.

具体说明：（1）人口数和城镇化率参考《国家人口发展规划(2016—2030 年)》[33]，其2020 年预测值与实际数据十分接近，设定BAU 情景下人口增长率为0.3%，“十五五”变为0.2%；联合国发布的世界城市化前景中指出，中国2030 年城市人口占比预计达到70%，此后转为低速增长[34]，BAU 情境下增速设定为0.68%.

（2）人均工业增加值和粗钢产量.根据Shen等的研究[35]，并按照2020 年实际数据修改：粗钢产量预计于2025 年达峰，峰值为11.47 亿吨，年均增长率为1.5%，后以年均0.5%的速率下降，增加值增长率取“十三五”期间的平均值3.4%，“十五五”期间进一步下降为2%.

（3）能源强度根据《钢铁行业碳达峰及降碳行动方案》及“十四五规划和2035 年远景目标纲”，认为2021—2025 年，BAU 情景下单位增加值能耗年均下降4.6%，“十五五”期间年均下降3%.低碳和强低碳情景下，单位增加值能耗分别设定为下降5%和4%.

（4）第二产业的发展对钢产量的增长有很大推动作用.研究指出碳排放、产业结构与经济之间存在长期均衡关系：产业结构升级是经济增长的格兰杰原因，也是碳排放强度的格兰杰原因[31].根据IEA 对中国产业结构的预测，认为BAU 情景下第二产业占比将以0.5%的速度下降[36].不同情景下具体影响因素的变化率如表4 所示.

表4 不同情境的基本参数设置Table 4 Basic parameter settings in different situations

3.3 结果分析

将上述参数设置计算出的各因素预测值带入式（21），图9 为STIRPAT 模型的碳排放预测图.基准情景下社会经济因素保持中等发展水平，粗钢产量先增后减，对先进低碳技术不做过多要求.行业碳排放在2025 年达到峰值19.04 亿吨，与粗钢产量达峰时间一致，2025 年后随着钢产量下降碳排放情况有所好转，2030 年下降到17.86 亿吨.

图9 不同情境下钢铁行业碳排放预测趋势图Fig. 9 Forecast trend of carbon emissions of steel industry under different scenarios

低碳情景下经济因素和基准情景保持一致.能源效率高于基准情景、产量得到有效控制，在碳交易市场推动下低碳技术有望进一步发展.研究结果显示将在2021 年实现碳达峰，相较于基准情景峰值更低，且2030 年下降到17.20 亿吨.推广低碳技术可以有效推进达峰时间，降低峰值为实现碳中和打下基础.

强低碳情景考虑到国内外经济形势和新冠肺炎的影响，社会经济发展放缓，人口上升乏力，外加严格的环境政策.在政策和下游行业需求量减少的影响下，粗钢产量于2020 年达峰，此后快速下降，短期内低碳技术不会有重大突破，能源强度和低碳情景一致.此情景下碳排放将在2020 年达峰，峰值为18.52 亿吨，后续下降幅度较大，2030 年碳排放为14.39 亿吨，与2010 年水平相当，只有峰值的77.7%.与低碳情景相比更激进的抑制手段可以显著降低行业碳排放，是一种雄心勃勃的方案.

快速发展情景则考虑到未来中国可能是世界经济最快恢复的国家之一，城镇化加速发展，制造业仍然保持旺盛需求，粗钢的需求量持续上升，预计2030 年达到11.5 亿吨.企业对能源效率的提升不够重视，是四种情景中最低的.规模效应造成的碳排放仍占较高比例，2030 年碳排放将达到20.98 亿吨，是2020 年的1.11 倍.虽然碳排放量没有下降迹象，但增长率在减小，若加快低碳技术的研发应用，增加短流程冶炼比例，主动控制产量有望在2030 年达到碳排放峰值.社会经济因素和钢铁生产因素都可以显著影响整个行业碳排放，因此供给侧和需求侧均需要做出相应减排贡献.

通过分析和文献调研，提出中国钢铁行业碳达峰实施路径：

(1) CO2排放和粗钢产量呈现较高相关性，产量达峰通常伴随着排放达峰.因此首要控制的是粗钢总产量，不应继续增加粗钢产量或扩大产能.当前钢铁企业能效基准水平以上产能占比较少，应坚持淘汰落后技术和设备，积极研发高性能钢铁材料，走高质量发展道路.

(2) 转变发展思路，中国的钢铁生产严重依赖煤炭资源，长流程占据绝大比例.钢铁产量和社会积蓄量近二十年有较大增幅[37]，随着社会废钢积蓄量不断增加，未来全废钢电炉冶炼将会有极大的发展空间，还能协同减少其他空气污染物的排放.

(3) 长流程冶炼技术成熟，短时间内推广各流程工艺低碳技术性价比最高.如二氧化碳捕集、封存与利用（CCUS）应用到氧气高炉炉顶煤气循环，吨钢可减少500 kg 二氧化碳[38]；还有煤调湿、烧结余热利用、超厚料层低碳烧结、高炉高效喷煤和改善高炉入炉炉料结构等针对长流程的低碳技术[39].

(4) 钢铁行业是少有的几个无法依靠自身实现碳中和的行业，所以革命性低碳技术尤为重要.目前主要技术包括：直接还原炼铁技术，氢冶金、生物质燃料炼钢和电解还原炼铁等零碳技术，以及碳捕集、碳封存和碳循环利用等负碳技术[40].

4 结论

(1) 核算了2000—2019 年中国钢铁行业CO2排放量，2019 年碳排放为17.55 亿吨，2014 年曾达到阶段性顶峰18.48 亿吨，吨钢碳排放下降52.4%.短流程占比较少，使得化石能源碳排放较高，能源结构和生产流程有待优化.

(2) 对行业历史碳排放进行分析，规模效应是促进排放的主要因素，能源强度是最大的抑制因素，能源结构和排放因子的影响不大.二阶段LMDI分解发现资本投入和全要素生产率是影响碳排放的深层原因，劳动力影响由正转负意味着产业结构持续优化.

(3) 通过STIRPAT 模型和情景分析预测2030 年的碳排放，基准情景将在2025 年达峰，峰值为19.04亿吨；低碳情景会提前于基准情景达峰，峰值为18.67 亿吨；强低碳情景已在2020 年达峰，2030 年碳排放下降到14.39 亿吨；快速发展情景无法在2030 年前达峰.

(4) 根据上述研究给出几点政策建议：严控新增产能，淘汰过剩产能，合并重组大型钢铁企业；降低化石能源消费量，用非化石能源代替化石能源；加大废钢利用规模，转变生产流程；研发低碳冶金技术，推动氢能在钢铁行业的应用.