基于SSPs的阿克苏河流域碳排放量趋势分析---以未来40年为例

李沛尧王新军

(1.新疆农业大学资源与环境学院，新疆 乌鲁木齐 830052；2.新疆土壤与植物生态过程实验室，新疆 乌鲁木齐 830052)

引言

2018年，联合国政府间气候变化专门委员会(IPCC)在《全球1.5°C增暖特别报告》中指出，全球气温升高1.5°C将给陆地海洋生态、人类健康、食品安全、经济社会发展等带来诸多风险[1]。IPCC为了更好地反映社会经济发展与气候情景的关联，于2010年发布了新的社会经济情景——共享社会经济路径(Shared Socioeconomic Pathways，SSPs)。SSPs描绘了未来经济社会系统5种不同的发展模式，广泛应用于人类社会发展与生态系统相互影响的研究中。

我国西部干旱地区约占总陆地总面积的31%，其生态环境脆弱，容易受到人类活动引起的负面影响，进而引发土地荒漠化等生态问题，造成区域内植被、碳吸收大量减少，干旱区生态环境的恶化对我国气候变暖具有很大贡献，国家对干旱区生态环境方面的研究越来越重视。

阿克苏河流域地处干旱区域，生态环境较为脆弱，20世纪70年代开始，多次经历大规模的土地利用与开发，导致水体污染、沙尘肆虐、河道断流等问题突出[2]。近年来经过当地政府积极治理与修复，生态环境明显改善。目前阿克苏河流域仍处于发展阶段，在“双碳”目标的背景下面临着众多挑战与机遇。

1 研究方法与数据来源

1.1 研究区概况

阿克苏河流域位于亚欧大陆的腹部地区，中国的西北，地理范围为E76°21′～81°15′，N39°59′～42°04′，总面积约为5.06×104km2；距离海洋较远，具有明显的暖温带大陆性干旱气候特点，干旱少雨，晴朗天气占大多数，因此流域内光热资源丰富，年均日照时数在2571～2967h，最长无霜期为295d，多年平均气温在10°C左右；年降水量在40～90mm，降水季节变化较大，多集中在夏季，占年降水量的70%左右；地势北高南低，海拔高度介于890～7380m；主要植被有胡杨、柽柳、梭梭、芦苇；土壤由于地貌地形复杂，气候条件独特，发育的土壤类型较多。

1.2 研究方法

1.2.1 碳排放估算模型

环境压力控制扩展(Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT)模型是在环境压力控制模型的基础上提出的特殊形式，该模型考虑了人口、财富和技术因素各自变动时对环境的单独影响，消除了同比例变动问题的影响[3]。多用于对碳排放量驱动因素的分析[4]与结合情景对比分析法对区域的碳排放量进行预测，其标准形式：

I=aPbAcTde

(1)

式中，I为环境状况；P为人口数量；A为经济发展；T为技术创新；b、c、d分别为3个因素的估计系数；a为模型参数；e为误差项。该模型是一个多变量的非线性模型，分别对其两端作对数化处理便得到该模型的线性形式，将式子环境状况I具体表示为碳排放量，Mt；P表示人口，万人；经济发展A表征为人均生产总值(PGDP)，元/人；技术创新T表征为全要素生产率(Total Factor Productivity，TFP)。最终表达式：

lnC=lna+blnP+clnPGDP+dlnTFP+lne

(2)

1.2.2 经济预测模型

在STIRPAT模型中，因子经济发展A至关重要，采用柯布-道格拉斯(Cobb-Douglas，C-D)经济预测模型由美国数学家Cobb和经济学家Douglas于20世纪初共同提出，该模型广泛地应用于全球和各国的GDP预测研究[5]，公式：

Y(t)=K(t)αL(t)βTFP(t)

(3)

式中，Y(t)为国内生产总值(GDP)，万元；L为劳动投入量；K为资本存量；TFP为全要素生产率；t为具体年份；α为资本产出系数(当资本的投入增加1%时，产出平均增长α%)；β为劳动产出系数(当劳动力的投入增加1%时，产出平均增长β%)，通常采用α+β=1不变报酬型。

劳动力投入量(L)：劳动投入量与参与劳动人口数量和参与劳动人口的基本素质有关，因此劳动投入量由各年龄段人口(Working age people，W)(万人)，各年龄段劳动参与率(Labour force participation rate，LFPR)(%)和受教育程度(H)(无量纲)构成，表达式：

L=∑qH×LFPR(q)×W(q)

(4)

式中，q为工作年龄人口组，分为15～64岁和65岁及以上2组。2个工作人口的年龄组都有各自的劳动参与率(LFPR)。受教育程度(H)公式：

(5)

(6)

式中，MYS为当地平均受教育年限，是将各种受教育人口数量EP折算为受教育年限E相乘并计算平均数得出；在第七次人口普查统计规则的基础上，将15岁及其以上人口划分为了6个受教育级别人口数量(q1文盲、q2小学、q3初中、q4高中、q5大专及本科、q6硕士及以上)，则受教育年限折算标准：文盲1年，小学6年，初中9年，高中12年，大专及本科16年，硕士及以上19年，Pmys为15岁及其以上人口数量。

资本存量(K)：指经济社会在某一时间点上的资本总量，是利用生产函数法对生产总值准确估计的重要变量。以2000年为基准，运用永续盘存法，按不变价格计算阿克苏河流域资本存量(K)。计算公式：

Kt+1=(1-d)Kt+Ito

(7)

式中，d为折旧率，通常采用10%[6]；I为固定资本形成总额；Ito以初始年份除以10%作为初始资本存量[7]。经计算2010年阿克苏河流域资本存量为491.60亿元。

1.2.3 未来情景参数设定

基于IPCC对SSPs的设定，结合阿克苏河流域实际情况，对未来40年阿克苏河流域人口数量P、经济发展A、技术创新T中设计的相关参数做出以下设定。

资本产出系数α，SSP1～SSP5路径设定各不相同，众多学者直接采取IPCC对共享社会经济SSP1～SSP5路径的设定[8，9]，结合阿克苏河流域实际，将代表各地区努力合作高速发展SSP1、SSP5路径分别资本产出系数设定75年、250年到达0.35、0.45；代表历史趋势中间发展的SSP2路径，资本产出系数150年到达0.35；代表各自发展、联系不紧密发展的SSP3路径，于150年达到0.25；代表资本密集型发展的SSP4路径，于75年到达0.3。

劳动参与率LFPR，通过对第六次人口普查数据整理统计，得出2010年阿克苏河流域15～64岁劳动参与率为72%，65岁及其以上年龄段劳动参与率为20%。参考Marian Leimbach[9]对SSP1～SSP5情景下15～64岁年龄组设定：SSP5的高经济增长是由高劳动力参与率支撑的，为80%；在SSP3中与之相反，参与率处于最低端为60%；在SSP1和SSP2中参与率中等，为70%，在SSP4中参与率变化并不强烈，因此假设长期劳动力参与水平略高为75%。65岁及其以上年龄段LFPR保持2010年水平不变，为20%。

在不同情景下，全要素生产率TFP呈现不同的年均增长速率与收敛时间。参考Marian Leimbach[9]的参数设定，假设如下：SSP3路径的全要素生产率增长趋势最短(20年)，因为其设定与历史发展路径偏差最大的路径；SSP1、SSP4和SSP5路径的过渡时间为中等(40年)；SSP2路径过渡时间最长(75年)。SSP1与SSP2收敛速度相同为0.01；SSP3收敛速度为-0.005；SSP4收敛速度为0.005；SSP5收敛速度为-0.007。具体计算公式：

(8)

(9)

(10)

式中，TFP为当地全要素生产率；TFPL为发达国家全要素生产率；gTFP为初始全要素生产率增长率；t为时间；τ为收敛时间；β为收敛参数。gTFP是从2001—2010年的历史全要素生产率(TFPhis)增长率的加权平均值，而TFPhis是基于C-D函数及其组成部分GDP(Y)、资本存量(K)、劳动人口数量(L)的历史数据推算得出。其中TFPL参数的意义是国家层面上追赶发达国家的TFP，因此流域尺度中TFPL可忽略，则式(8)可以转化为：

(11)

有了未来的TFP、L、α以后，便可以通过资本存量K的递归方程计算出每一年资本存量K的值，相关参数推导过程详见Marian Leimbach[9]的补充文档，不再赘述。资本存量K的计算公式：

(12)

1.3 数据来源

2 结果与分析

2.1 不同情景下未来40年流域内人口发展变化

通过研究SSPs各框架路径描述，对31个省份各年龄段出生率、死亡率、迁移率、教育水平进行设定，最终获得各SSPs下人口数据，但该方法主观性较大，且对数据要求较高。借助Chen等人口预测数据库中2011—2017年的新疆SSP1～SSP5的人口数量分别作为因变量，2011—2017年阿克苏河流域历史人口数量作为自变量，线性回归拟合出未来40年阿克苏河流域人口数量，线性回归分析结果如表2所示。

SSP1～SSP5各路径下的R2均大于0.9，拟合程度良好，且自变量流域人口数量p<0.01呈现出显著性，说明线性回归拟合效果较好。因此，可认为2020—2060年阿克苏河流域人口预测结果模型具有较高的准确性。

在SSP1～SSP5路径下，2020—2060年阿克苏河流域人口数量均呈上升趋势，从大到小依次排列为SSP3>SSP2>SSP5>SSP1>SSP4。在2030年以前，5种路径下流域人口数量差距较小，随着时间的推移，差距不断扩大，在2060年SSP3与SSP4路径下差距最大为36.13万人，见图1。

图1 SSP1～SSP5路径下阿克苏河流域人口数量预测结果

将Chen等的SSP1～SSP5路径下人口数据库中新疆人口分为2个年龄段人口，分别为15～64年龄段与64岁以上年龄段，可计算出新疆5个SSP1～5路径中2个年龄段分别所占总人口比例，再将阿克苏河流域SSP1～SSP5路径总人口数按照比例分别推算出流域内2个年龄段的人口，结果如图2a。基于前面对劳动人口参与率的假设，将人口与劳动力相乘便可以得出未来40年SSP1～SSP5路径下阿克苏河流域劳动人口(W×LFPR)。受教育程度(H)被定义为反映地区的平均受教育水平，因此可直接通过式(5)、(6)计算。通过式(4)，便可获得劳动力投入量(L)，见图2b。

图2 SSP1～SSP5路径下阿克苏河流域劳动人口数量和劳动投入量预测结果

阿克苏和流域再未来40年内劳动人口数量与劳动投入量总体均呈现上升趋势，其中SSP1、SSP2、SSP4属于中间水平，SSP5处于较高水平，SSP3处于较低水平。虽然SSP3劳动人口数量增幅较快，但其较低的教育水平发展限制了劳动投入量的增长，因此仍处于较低的发展水平。

2.2 不同情景下未来40年流域内经济发展变化

通过收集的历史数据，计算出2000—2016年历史全要素生产率TFPhis，再根据式(9)获得流域内的初始TFP增长率gTFP为0.026。按照1.2.3节对未来40年阿克苏河流域共享社会经济路径的设定，便可以计算出未来40年SSP1～SSP5路径下的全要素生产率TFP，见图3a，再根据式(12)可以计算获得未来40年阿克苏河流域在SSP1～SSP5路径下的资本存量(K)，见图3b。

图3 SSP1～SSP5路径下阿克苏河流域全要素生产率TFP和资本存量K预测结果

将以上得到的结果带入式(3)中，得到未来40年阿克苏河流域在不同SSP1～SSP5路径中GDP的发展情况，见图4。其中，2060年总GDP最高为SSP5路径，为2498亿元，最低为SSP1路径，为582亿元。2020—2060年总GDP变化先升后降，呈倒“U”型发展趋势的路径有SSP1、SSP2、SSP3、SSP4。其中，SSP3路径整体发展最为平缓，SSP1路径整体发展波动最大；SSP5路径一直呈上升趋势。

根据各路径的趋势，可将2020—2060年大致分为3个发展阶段：2020—2030年初期发展阶段，2030—2050年中期发展阶段，2050—2060年末期发展阶段。

在初期阶段，SPP1～SSP5路径下总GDP变化均呈上升趋势。其中SSP5路径中总GDP上升幅度最大，在所有路径中处于经济发展最高水平；SSP1、SSP2、SSP4路径中总GDP上升速率大致相同，在所有路径中处于经济发展中等水平；而SSP3路径上升幅度最大，在所有路径中处于经济发展最低水平。

在中期阶段，各路径总GDP变化趋势各不相同。其中SSP5路径一直在稳定上升，依旧能保持较高的经济发展水平；其余路径随着时间的推移，上升幅度开始变缓，直到2041年时，SSP1路径达到总GDP顶点，峰值为1169亿元，随后便开始呈现下降趋势，SSP3、SSP4路径紧随而后，均在2043年达到总GDP顶点，峰值分别为955亿元、1192亿元，随后开始呈现下降趋势。

在末期阶段，除SSP5路径外，其余路径下总GDP变化均呈下降趋势。而前期发展水平处于中间的SSP1路径，将在2053年与一直处于低水平发展的SSP3路径相交，当时的GDP值为872亿元，并随着时间的推移持续下降，成为总GDP最低发展的路径，最低值为583亿元。

2.3 不同情景下未来40年流域内碳排放量变化

2.3.1 环境压力控制扩展模型检验

运用Eviews 8.0软件处理2005—2017年阿克苏河流域时间序列数据，该时间序列数据包含碳排放量、人口、人均GDP和TFP，随后对数据进行取对数操作，消除其量纲对数据的影响。为了防止存在高度相关数据，拟合出现谬误回归现象，需要对数据进行扩张的迪基-福勒检验(Augmented Dickey-Fuller test statistic，ADF检验)[12]，得出数据在一阶差分情况下平稳，采用两步综合法(Engle-Grange two-stage Method，E-G两步法)进行处理。

通过E-G两步法得到的残差项ADF检验结果t值为-3.739，小于在1%的显著性水平t值-2.708，因此拒绝原假设，残差序列无单位根且为平稳序列，碳排放量与人口数量、人均GDP、TFP之间存在协整关系，即非伪回归，具有统计分析的意义，结果如表3所示。

表3 回归分析结果

由表3可知，所选取的主要解释变量对碳排放量的作用都是显著的，影响阿克苏河流域碳排放量增长最主要的因素是人均GDP，说明当地碳排放量主要是由于经济增长所致，与主流结果相符。因此阿克苏河流域构建的环境压力控制扩展模型公式如下：

lnC=1.80×lnPGDP-2.24×lnP-1.05×lnTFP

(13)

2.3.2 未来40年碳排放量

将计算出的SSP1～SSP5路径中人口、经济数据分别带入式(1)中得到SSP1～SSP5路径下的碳排放量，见图5。阿克苏河流域在不同路径下2020—2060年流域碳排放量在时间尺度上分为3个梯度水平：持续增长趋势的高水平SSP5，先上升至峰值后下降趋势的中等水平SSP1、SSP2、SSP4，波动下降趋势的低水平SSP3。其中，SSP1路径碳达峰将在2035年达成，峰值为17.19MtC；SSP2路径碳达峰将在2041年达成，峰值为17.47MtC；SSP3路径采取自给自足的发展方式，经济发展缓慢，教育与技术开发投资减少，导致碳排放量持续下降；SSP4路径碳达峰将在2033年达成，峰值为16.80MtC；而SSP5路径碳排放量持续增长，因此无碳排放峰值，无碳达峰时间。

2.3.3 未来40年阿克苏河流域碳达峰目标分析

以2000年为初始时间，分别将2000—2060年流域内碳排放量、GDP逐年累计相加，计算出2020—2060年累积碳排放量与累积GDP数据，见图6，在不同路径下累积碳排放量与累积GDP具有大致相同的趋势。

图6 2010—2060年阿克苏河流域累积碳排放量与累积GDP

若阿克苏河流域为了尽早实现碳达峰(碳排放量达到峰值)这一目标，应选择SSP3路径，但SSP3路径是以限制社会经济发展为代价进而减少碳排放量。

根据阿克苏河流域累积GDP数据显示，若在2030年前碳排放量达到峰值，选择了SSP3路径，在2030年累积GDP将相比于其他路径减少15.66%～23.84%。

若选择SSP1路径，则在2030年累积GDP分别比SSP3路径增长20.60%、18.95%，但完成碳达峰时间节点为2033年，比预计完成碳达峰目标延后3年，也就意味着，未来10年内流域内各县市需要对经济进行缩减或增加流域内的技术创新投入，否则无法完成碳达峰目标，但设定上SSP1路径已是最为“绿色”的道路，技术创新大量投入清洁能源中，因此只能对经济发展进行缩减。

若选择SSP4路径，碳达峰时间为2035年，比预计完成碳达峰目标延后5年，需在SSP1路径减排方法的基础上，再次加大减排力度，否则无法在2030年前完成碳排放目标。

而选择基于历史发展状况的SSP2路径，其碳排放量达到峰值时间在2041年，严重超出预计目标时间，并且在2030年累积GDP仅比SSP3路径增长18.57%，低于SSP1、SSP4路径。

SSP5路径在2030年比SSP3路径累积GDP增长31.30%。SSP5路径发展方式为先高速发展，再对健康、教育、和技术创新等大量投资，拟在2100年成功遏制碳排放量，因此SSP5路径不适用于完成2030年碳达峰目标，并且在未来40年持续上升，无碳排放量峰值，不考虑此路径。

3 讨论与结论

3.1 讨论

由于目前学者针对共享社会经济路径的主要研究尺度多于国家[13]、行业部门[14]、省级[15]，对流域尺度的研究以及结合SSPs的流域经济、人口预测均处于空白阶段，可供参考的实例研究较少，因此对所使用的预测方法进行讨论。

在人口数量预测上采用建立回归模型的方法，虽然R2较高，但对比高精度预测模型来说仍稍显不足，然而人口数量受多种因素影响，追求过高精度反而会导致数据失真。而经济预测中资本系数α与全要素生产率TFP是通过SSPs的国家层面的参数设定推算，这意味着阿克苏河流域各县市在未来的发展部分参数是全国平均水平，导致经济预测数据可能会被高估，因此后续可在干旱区流域尺度上的SSP1～SSP5路径进行参数优化，提高模型准确度。

3.2 结论

未来40年阿克苏河流域在SSP1～SSP5路径下人口数量均呈上升趋势。人口数量从大到小依次排列为SSP3>SSP2>SSP5>SSP1>SSP4的趋势。各路径下劳动人口数量与劳动投入量总体均呈现上升趋势，SSP1、SSP2、SSP4属于中间水平，SSP5处于较高水平，SSP3处于较低水平。

未来40年阿克苏河流域在SPP1～SPP5路径下总GDP变化呈上升趋势。SSP5路径一直呈持续稳定上升趋势；SSP1～SSP4路径均呈现倒“U”型发展趋势；SSP1路径在2041年时达到总GDP顶点，峰值为1169亿元；SSP3、SSP4路径2043年达到总GDP顶点，峰值分别为955亿元、1192亿元。

未来40年阿克苏河流域基于共享社会经济路径下的碳排放量整体大小排列为SSP5>SSP1、SSP2、SSP4>SSP3。SSP5路径呈持续增长趋势；SSP1、SSP2、SSP4路径呈先上升至峰值后下降趋势；SSP3路径呈波动下降趋势。阿克苏河流域最早完成碳达峰目标的首选是SSP3路径；而SSP1、SSP4路径，需要额外对经济进行缩减或增加流域内的技术创新投入，才能在2030年完成碳达峰目标，其中SSP1路径相对容易，不会对经济发展造成严重阻碍；而SSP5路径下经济发展最大化，无法在2030年达成碳达峰目标。