山东省建筑业碳排放影响因素及峰值预测

毕文丽，任晓宇

(山东理工大学 建筑工程学院，山东 淄博 255049)

为实现碳排放峰值的目标,各行业主体正采取有效措施降低温室气体排放。据相关数据的统计,建筑业能耗约占整个社会能耗的1/3左右[1],建筑业作为能源消耗大户,降低其能耗在很大程度上决定了中国能否如期实现碳达峰。自2000年以来,山东省碳排放一直在全国排名前列,该地区二氧化碳平均增速大于全国平均水平[2],同时以制造业和重化工业为主的工业结构特征,使得该地区面对巨大的减排压力。那么,哪些因素对建筑业碳排放起到一定贡献?未来政策调节哪些因素可以有效减少碳排放强度?关于以上问题的有效解答对于如期实现碳达峰、碳中和,加快生态文明体制改革,建设美丽中国,具有现实意义。

鉴于此,本文依据时间序列将对山东省建筑业碳排放总量进行核算,选取主要指标构建建筑业碳排放影响因素模型;同时利用情景分析法,模拟山东省建筑业未来碳排放量变化情况,分析在不同变化速率下,各影响因素对山东省建筑业碳达峰出现时间和峰值造成的影响。旨在分析并预测山东省建筑业节能减排潜力,为政策的提出和落实提供理论依据,以期为全国力争于2030年实现碳达峰目标提供可行的理论参考。

1 研究方法

1.1 碳排放系数法

为计算建筑业能源碳排放总量,本文采用2006年联合国政府间气候变化专门委员会[IPCC]发布的国家温室气体清单指南第二卷(能源)给出的参考计算公式,如式(1)所示:

(1)

本研究所涉及能源指《中国统计年鉴》之“按行业分能源消费量”,包含煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气、电力等9种能源。

1.2 STIRPAT模型

STIRPAT模型是Thomas等[3]依据IPAT模型进行转变生成的一种随机模型,该模型具有较强灵活性和拓展性,是研究碳排放影响因素的主流方法之一。该模型引入指数用于分析人文因素对环境的非等比例影响,而且加入了随机干扰项,对碳排放影响进行随机估计,克服了IPAT等式中影响因素于环境压力只能进行等比例变化的局限性。STIRPAT模型表达式如下[4]:

I=aPbAcTde,

(2)

式中:I为影响环境的因素;P为人口因素;A为富裕程度;T为技术水平;a为模型的系数;b、c、d为各自变量指数,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;e为随机误差[5]。

1.3 情景分析法

情景分析法(scenario analysis,简称SA)近年来在碳排放预测中得到广泛应用,它在假定某种现象或某种趋势将持续到未来的基础上,通过定性分析与定量分析相结合,对预测对象未来可能出现的各种可能方案或引起的后果做出详细、严密的推理预测,其最大优势就是可以合理预测未来碳排放量的变化,避免过高或过低估计未来的变化及影响[6]。

2 模型构建与数据来源

2.1 指标选取

本研究在STIRPAT模型的基础上,针对山东省建筑业碳排放现状,构造STIRPAT拓展模型,建立影响建筑业碳排放的指标体系。

1)人口规模。有研究表明,人口规模是影响碳排放最重要的因素[7]。大部分研究都以常住人口数量和城镇化水平表示人口规模,而建筑业作为劳动密集型产业用行业从业人员表示更为直接。建筑业从业人员一方面可以反映建筑行业对社会就业的吸收程度,进而反映出行业的能源消耗程度,另一方面劳动者施工水平的高低也会对碳排放产生影响。

2)富裕程度。随着经济发展的不断提高,带来人们的生活越好,对各类能源需求也越来越高。另外,经济增长在一定程度上带来建筑碳排放总量的增长,能源利用效率的提高会降低建筑二氧化碳排放量[8]。对于建筑业来说,人均GDP水平和人均可支配收入可以很好地反映行业整体的经济发展水平。

3)技术水平。技术水平作为衡量建筑业碳排放的重要因素。对于建筑业来说,可以通过建筑业碳排放强度、能源强度反映行业的技术水平。能源强度越低,表示建筑业煤炭能源的利用效率越高;而建筑业碳排放强度越低,表示单位建筑业产值产生的碳排放越低,意味着建筑业施工技术水平较高。

4)结构因素。联合国政府间气候变化专门委员会[IPCC]发布的指南中对能源结构的表述为煤炭消耗量占能源消耗总量,能源结构越高,表示碳排放量越多。同时,从产业比例来看,现阶段山东省产业正处于“二、三、一”到“三、二、一”转型的关键时期[9],以建筑业为主的高碳产业正不断调整。基于山东省能源结构偏煤,产业结构偏重的客观实际,本文认为能源结构、产业结构对于建筑行业碳排放的影响也不容忽视,所以将结构变量引入STIRPAT模型。

2.2 影响因素筛选及模型构建

在影响因素分析时,考虑到指标选取存在重复性,为避免在后续模型计算时产生共线性影响结果,本研究先将影响因素纳入模型再筛选,科学取舍,结果见表1。

表1 变量定义及筛选

通过输出结果可知,除各自变量与建筑碳排放之间存在较高的相关关系外,自变量之间同样存在较高的相关关系,采用逐步回归法对控制变量进行初步筛选,选取出对建筑业碳排放拟合最好的解释变量,p值见表1,共输出3个模型,依次加入的变量是人均GDP、建筑碳业排放强度和产业结构,模型3的调整系数R2为0.999,逐步回归分析终止得到当前最优的回归方程。用进入回归法显示建筑业从业人员、人均GDP、建筑碳排放强度、能源结构和产业结构影响显著。最后,将筛选出的5个变量进行回归检验,统计检验结果显著。因此可将上述5个因素纳入方程,分别是人口因素建筑业从业人员(CP)、经济因素人均GDP(PG)、技术因素建筑业碳排放强度(CI)、结构因素能源结构(ES)、产业结构(IS),而因变量为山东省建筑业碳排放量(E),筛选的5个变量也正对应拓展STIRPAT模型中4个评价体系,验证了该模型理论维度选择的合理性。

依据上述影响因素选择,在拓展STIRPAT模型基础上构建出指标与建筑业碳排放量关系的计量经济模型。将建筑业碳排放量作为被解释变量,引入建筑业从业人员、人均GDP、建筑业碳排放强度、能源结构以及产业结构作为解释变量,为降低模型中可能存在的异方差影响,本文将所有变量进行对数化处理,得出具体模型见式(3):

lnE=lna+b(lnCP)+c(lnPG)+

d(lnCI)+f(lnES)+g(lnIS)+lne。

(3)

2.3 数据来源

山东省建筑业能源消耗数据来源于《中国能源统计年鉴》(2005—2020)[10](2020年后数据暂未更新),计算过程中涉及的单位热值含碳量与碳氧化率来源于《省级温室气体清单编制指南》(发改办气候[2011]1041号),能源的平均低位发热值来源于《综合能耗计算通则》(GB/T 2589—2020),标煤的CO2排放因子值为国家发展和改革委员会能源研究所推荐值。各指标数据均来自于《山东省统计年鉴》(2005—2020)[11]。

3 检验结果分析

3.1 山东省建筑业碳排放分析

本文基于山东省建筑业能源消耗数据,利用碳排放系数法对山东省2004—2019年建筑业碳排放量进行测算,如图1所示。

图1 山东省2004—2019年建筑碳排放量

从图1中可以看出,山东省建筑业碳排放量总体呈上升趋势并逐年放缓,年平均增长率为6.33%。山东省建筑业碳排放大致可以分为三个阶段,第一阶段为2004年至2008年,该阶段建筑业碳排放量增长缓慢,主要原因在于该时期全球经济低迷,建筑业发展缓慢。2005年,山东省人民政府印发《关于加快建筑业改革和发展的意见》[12],全省建筑业也在稳步发展,随后碳排放量增长幅度开始放缓甚至有所下降,主要原因在于受到金融危机的挑战,经济增长缓慢,建筑业发展也因此受阻。第二阶段为2009年至2011年,该阶段山东省建筑业碳排放呈现刚性增长态势,建筑业能源消耗量大,对原煤、汽油等能源的依赖性强,而这些能源热值高,会产生大量的温室气体,碳排放量持续走高,年均增长率为8.55%。2011年山东省建筑业碳排放量达到小高峰,约8.17万t。2012至2019年为第三阶段,该阶段较之前增速有放缓之势,年均增长率为3.57%。主要原因在于该时期建筑业能耗降低,对原煤、柴油、液化石油气等能源消耗降低,电力成为能源消耗和二氧化碳排放的主要领域。同时,政府在“十二五”、“十三五”时期制定了《控制温室气体排放工作实施方案》,大力推进节能降耗,控制非能源活动温室气体排放,加快节能环保产业的政策,电力结构明显优化,对控制碳排放起到了显著的正向作用。

3.2 多重共线性检验

在核算了山东省2004—2019年建筑业碳排放量的基础上,本研究通过构建可拓展的STIRPAT模型,进一步探究人口规模、经济水平、技术因素以及结构因素对于建筑业碳排放量的影响。为避免“伪回归”,首先利用SPSS 26.0对数据做多元线性回归,初始回归结果见表2。人均GDP和建筑业碳排放强度因素的方差膨胀因子(VIF)均远大于最高容忍度10,意味着变量之间存在着多重共线性问题,最小二乘法无偏估计不适合用于对该地区建筑业碳排放影响因素的解释说明,因此可以考虑选用能够解决多重共线性问题的岭回归分析进一步研究。

3.3 岭回归分析

为了消除模型中的共线性问题,本文采用有偏估计岭回归函数对模型进行重新拟合。输出岭迹图如图2所示,发现当岭参数k≥0.35时,各回归系数的估计值基本上都能达到相对稳定。因此,根据k取值原理,取k=0.35时的岭回归结果确定随机模型,回归结果见表3。

表2 最小二乘回归方法诊断多重共线性结果

表3 Ridge回归结果(k=0.35)

图2 岭迹图

岭回归结果表明,所有变量均通过了1%的显著性水平检验,模型显著性检验R2=0.949,sigF为0.000。表明模型的拟合优度较高;显著性p值<1%,表明拟合的多重线性回归模型非常显著且具有统计学意义;从运行结果还可以看出模型的常数项和各变量的显著性水平均满足p<5%,表明有充分理由认为选取的解释变量能够解释山东省建筑业碳排放量变动;且回归系数的符号均具有合理的经济学解释。最终得到山东省建筑业碳排放和影响因素的拟合方程见式(4):

lnE=10.632+0.299lnCP+0.145lnPG-

0.168lnCI+0.420lnES+0.747lnIS。

(4)

从回归结果可以看出,结构因素对山东省建筑业碳排放影响最大,其次是人口规模、技术因素和经济水平。建筑业碳排放量的贡献程度由大到小依次为:产业结构(41.99%)、能源结构(23.61%)、建筑业从业人员(16.81%)、建筑业碳排放强度(9.44%)、人均GDP(8.15%)。其中,建筑业碳排放强度因素对碳排放起到抑制作用,但这种抑制并不明显,其他因素对建筑业碳排放增长均呈现正向作用。

4 山东省建筑业碳排放预测分析

4.1 模型预测

基于回归分析结果和实际测量数据,对山东省2004—2019年建筑业碳排放量进行拟合比较,如图3所示。对比结果看出,平均误差绝对值为4.63%,可以看出模拟值与实测值基本吻合,总体结果在可接受范围内,说明预测模型具有一定的实际意义,符合山东省经济社会发展规律。

图3 山东省建筑碳排放量预测值与实测值对比

4.2 情景参数设定

结合山东省建筑业的能源消费实际情况与发展趋势,本文假设建筑业碳排放发展趋势分别有基准、减排、低碳和高碳四种情景,并将影响建筑业各指标因素设为低速、中速和高速三种碳排放情况。第一类基准情景:根据目前的经济增长趋势与减排力度,结合“十四五”规划中提出的目标进行设定,基本上不对建筑业进行调整。第二类减排情景:着重优化产业及能源结构,采取低能耗低排放政策,实现“双碳”目标。第三类低碳情景:着重提高全民节能意识,此时控制人口及经济增长,其他指标设置为高速碳排放状态。高碳情景下将各指标设置为中高速碳排放状态。四大类情景模式下又细分为11种情景,旨在探究各影响因素处于不同变化速率时,碳达峰出现时间和达峰量的变化,具体设置见表4。

表4 不同情景下碳排放模式设置

本文以2019年数据为基础,综合考虑相关政策依据以及减排政策实施难度的情况,预测周期设置到2050年。首先设定基准情景下各影响因素的年均变化率,然后在其基础上依据合理假设做出一定变动调整,各指标参数的变化率与五年规划期对应,不同情境下各因素的情景设定具体如下:

1)建筑业从业人员。基于历史数据分析,2004—2019年山东省建筑业从业人员年均增长2.32%,近几年增长率有所减缓,这与建筑行业发展有关,近几年山东省人口老龄化问题日趋严重,低碳政策推动加上疫情影响,建筑业行业作为密集型行业,不再享有廉价劳动力的优势,行业人员流失,但年均增长率虽短暂下降,但长远来看总体人数仍正向增长。鉴于此,本文设定基准情景在第一阶段人口年均增长率为2%,低速和高速状态分别设定1%和3%;之后各阶段增速逐年降低,高排放情景下就业人数增速始终为正值。

2)人均GDP。通过历史数据分析,2004—2011年的山东省人均GDP年均增长率为13.69%,2012—2019年年均增长率为5.85%,可以看出,人均生产总值虽然每年稳步增长,但是增速正在逐渐放缓。因此,结合人口预期发展,本文预测人均GDP增长速率仍保持放缓趋势,但总体保持一定增长,按此目标推算人均GDP增速6.2%作为基准发展情景。其他各情景下的人均GDP每5年变化2%,对应5年政策规划,之后每阶段等差递减0.5%。

3)建筑业碳排放强度。2004—2019年,山东省建筑业碳排放强度年均下降4.97%,在“十三五”期间,山东省着力推动建筑行业绿色低碳行动,该时期建筑碳排放量平均增长率为7.51%,整体建筑业碳排放强度呈下降趋势,在“十三五”期间山东省建筑业碳排放强度比“十二五”期间下降幅度有放缓趋势,这与经济的发展密切相关,经济发展水平速度高于建筑业碳排放速度。因此,本文将2020—2025年建筑业碳排放强度中速率设定为-2.5%,低速率和高速率等差变化1%,之后每阶段下降0.5%。

4)能源结构。从2007年至今,山东省建筑业能源结构一直处于70%以上,政府提出在“十四五”期间,能源消费总量控制在4.54亿t标准煤左右,煤炭消费量控制在3.5亿t左右,但从整体来看,随着工业化和城镇化进程的不断加快,以煤为主的能源消费结构还将在一段时间内保持稳定。综上所述,本文设定基准情景下第一阶段煤炭消耗占总能源消耗的比重为68%,低速率和高速率同样以中速率为基准上下浮动。

5)产业结构。“十三五”期间,山东省产业结构年均增长率为3.05%,比“十二五”期间增长近10倍,2019年达到7.84%。通过模拟回归山东省产业结构与人均GDP的关系,发现山东省产业结构随经济增长呈三次曲线关系,先上升,后下降,然后随人均GDP的增长还有可能继续上升。因此,本文设定基准情景下第一阶段下建筑业增加值占GDP的比重为9%,结合山东省产业结构优化实际情况,调整第一阶段中速率为1%,低速率和高速率分别递减1%,之后每个阶段依据现实情况进行不同调整。

4.3 碳达峰预测趋势分析

基于STIRPAT拓展模型以及上述不同情景参数的设定对山东省建筑业2020—2050年的碳排放量进行预测分析,结果如图4所示。

(a)基准情景碳排放量预测 (b)减排情景碳排放量预测

从预测结果可以看出,不同情景下山东省建筑业碳达峰出现时间不同达峰值也有所差异,出现时间介于2030至2045年。基准情景下,情景1如果保持中等速率维持发展下去,在2040年出现碳峰值,碳峰值为126 615.483 t,情景2下碳峰值在2035年出现,碳峰值为110 276.418 t,两种模式下都没有如期实现碳达峰。减排情景下,情景3和情景4都在2030年实现了碳达峰,碳峰值分别为102 129.043 t和105 280.380 t,减排情景下建筑碳排放量峰值将比基准情景提早约5 a实现,且峰值量也会有一定幅度的降低,而情景5没有出现碳达峰,主要原因在于人口规模的高速增长产生的碳排放量远大于优化能源及产业所降低的碳排放量。低碳情景下,碳达峰分别在2035年和2040年出现,但这是一种以牺牲经济发展为代价来实现碳峰值的方式,并不符合建筑行业未来的发展趋势。高碳情景下,建筑业碳排放呈粗放的形式发展,三种情景在预测的时间内没有出现峰值。

对比分析结果说明,经济的发展会导致建筑业碳排放量增长,也会导致碳达峰延迟出现,当人口规模和经济发展处于中高速发展时,碳排放很难在2030年实现碳达峰,当能源结构、建筑碳排放强度和产业结构处于低速发展状态时,可以有效缓解二氧化碳排放量,碳达峰也能如期到来,情景2、情景6、情景7和情景8虽然没能如期实现碳达峰,但后期通过加强低碳政策,强化产业转型力度也能有效缓解山东省未来建筑碳排放总量的增长。

5 结论与建议

本文采用碳排放系数法测算了2004—2019年山东省建筑业碳排放量,基于拓展STIRPAT模型对山东省建筑业碳排放的影响因素进行分析,并构建情景分析模型,在对建筑业碳排放走势的基本参数进行合理设定后,基于山东省颁布的相关政策文件,设定11种情景来预测未来三十年山东省建筑碳排放发展情况。得出以下结论及建议:

1)在预测的11种情景中,情景4更符合山东省建筑业未来减排趋势。到2030年,能源结构要控制在62%左右,即每年需降低1.3%,建筑业碳强度每年降低2.8%,产业结构控制在8.8%左右。综合11种情景模式来看,控制人口涨幅,加速优化能源结构和产业结构,降低对煤炭的依赖程度,降低碳排放强度,是2030年达到碳排放峰值年的关键控制指标,也是山东省实现“氢动走廊”的重要方向。

2)山东省作为工业大省,能源结构目前仍以煤炭为重,能源结构对建筑碳排放起到不小的影响,能源结构优化调整仍需要很长一段时间;另外,建筑碳排放整体处在上升阶段,但是建筑碳排放强度总体呈下降趋势,表明山东省建筑节能降耗成效显著。建筑产业要想如期实现“碳达峰”,需要强化减排政策,加快产业转型优化调整能源结构。

不足与展望:由于山东省各地市的建筑行业相关能源消耗数据的缺乏,本文无法进一步研究各地市建筑业能耗与碳排放的空间影响关系等内容。因此,未来可以通过更先进的实地测量技术或创新理论方法,利用大数据分析解决问题,进而可以从微观层面探讨各地市建筑业产生碳排放情况,更深入探讨省内各地市之间建筑业碳排放的内在空间联系等,提出更科学合理的动态减排路径,因地制宜的推进“双碳”目标。