河北省城市碳排放灰色关联度分析及情景预测研究

周磊 郭梦姣

摘 要：为降低工业化、城镇化进程给河北省环境带来的负面影响，基于STIRPAT模型和灰色关联度模型，考虑河北省主要地市碳排放量与其影响因素的相互关系，结合2005—2020年河北省碳排放相关数据，采用岭回归和情景分析法，建立了基准发展、宽放发展和绿色发展三个情景，对2021—2030年河北省的碳排放量和强度进行预测。结果表明：科学技术支出和人均GDP是影响河北省城市碳排放量增长的主要因素，地区常住人口总量、规模以上企业能源消耗及使用外资金额等因素对碳排放量的影响效应相对较弱。河北省2030年在基准发展情景下碳排放量为5.26亿吨，宽放发展情景下碳排放量为5.73亿吨，绿色发展情景下碳排放量为4.65亿吨。三种情景下的河北省城市碳排放强度均呈现下降趋势。

关键词：灰色关联；碳排放量；情景分析；岭回归

中图分类号：X321 文献标识码：A DOI：10.7535/j.issn.1671-1653.2023.03.004

Gray Relational Analysis and Scenario Prediction of Carbon Emissions in Hebei Province

ZHOU Lei， GUO Mengjiao

（School of Economics and Management， Hebei University of Science and Technology， Shijiazhuang 050018，China）

Abstract： In order to reduce the negative impact of industrialization and urbanization on the environment of Hebei Province， based on STIRPAT model and grey relational degree model， and considering the relationship between carbon emissions of major cities and their influencing factors in Hebei Province， taking the relevant data of carbon emissions of Hebei Province from 2005 to 2020 as examples， three scenarios of baseline development， broad development and green development were established by using ridge regression and scenario analysis， and the carbon emissions and intensity of Hebei Province from 2021 to 2030 were predicted. The results show that the expenditure on science and technology and GDP per capita are the main factors affecting the growth of urban carbon emissions in Hebei Province， while the total resident population， energy consumption of enterprises under regulations and the amount of foreign investment have relatively weak effects on carbon emissions. The carbon emissions of Hebei Province in 2030 will be 526 million tons under the baseline development scenario， 573 million tons under the extensive development scenario， and 465 million tons under the green development scenario. Under the three scenarios， the urban carbon emission intensity in Hebei Province shows a downward trend.

Keywords： grey correlation; carbon emissions; scenario analysis; ridge regression

一、引言

近年來，碳排放效应对全球产生的负面影响日益加剧，全球气候变暖、冰川融化、海平面上升、厄尔尼诺等现象频频发生。碳排放加剧引发的不仅是环境问题，更牵动着国家社会发展和人民福祉。根据中国碳核算数据库（2019）显示，山东、河北、内蒙古、广东、山西碳排放量位居前五。①面对如此严峻的形势，河北省应当主动挑起减排重担，促进生态文明高质量发展。

河北省是京津冀一体化的重要区域之一。作为能源消费和碳排放大省，河北省偏重的产业结构、偏煤的能源结构和偏低的非化石能源占比，使碳减排目标面临着一系列困难和挑战。为此，河北省政府2022年印发的《河北省生态环境保护“十四五”规划》中指出经济社会要加快绿色低碳转型，管控建筑行业碳排放、工业碳排放、交通行业碳排放，力争到2025年，营运车辆和船舶运输周转碳排放量比2020年分别下降4%和3.5%，落实在2030年之前完成碳达峰目标[1]。为实现上述规划目标，河北省碳排放影响因素及预测研究具有重要意义。

目前，各国学者对碳排放的研究主要分为影响因素分析和预测研究两部分。首先，关于碳排放影响因素的研究。为分析城市化进程所带来的能源需求快速增长和刚性问题，林伯强等[2]（P66-78）构建了城市人口变化、单位能源消费的温室气体排放量、能源量以及人均GDP的影响因素模型。杨振等[3]（P13-20）针对中部地区从能源结构、能源效率、产业结构、经济增长、城镇化率以及人口规模6个方面构建了驱动因素模型。唐赛等[4]（P59-63）采用STIRPAT模型将城市碳排放影响因素分为城市人口、能源量、产业结构、人均收入水平、公共交通五大方面。王梦凯等[5]（P109-114）采用LMDI模型，将江苏省碳排放量影响因素分解为产业结构、能源量和能源结构，并得出各影响因素对碳排放量降低的贡献率。针对以往对县级碳排放研究不足的问题，Liu H等[6]（P1-10）提出了一种系统的方法，研究县级能耗碳排放的影响因素，并预测了未来碳排放趋势。在研究碳排放影响因素的方法层面，郭朝先[7]（P4-9）运用LMDI分解技术，对中国1995—2007年的碳排放从产业层面和地区层面进行了分解，评估各种因素在碳排放中的贡献程度。吉兴全等[8]（P2483-2494）采用灰色关联分析筛选碳排放影响因素，并通过4E平衡模型对碳排放因素分解以分析不同因素对碳排放量变化的影响。师佳等[9]（P66-74）运用拓展的STIRPAT模型对影响我国纺织服装行业碳排放的因素进行筛选。Wang Z H等[10]（e0252337）采用随机森林（RF）机器学习算法，利用中国城市数据，选择16个原型城市，同时考虑5个主要因素：人口、行业、技术水平、消费和对外开放程度，分析城市要素与碳排放的关系。Sun W等[11]（130414）从碳排放效率的角度，应用随机前沿分析了法筛选碳排放量的影响因素。

其次，关于碳排放量的预测研究。Zheng S L等[12]（154127）构建了一种马尔可夫链蒙特卡洛（MCMC）贝叶斯分析模型，并修改了Kaya恒等式，以预测2050年之前中国的碳排放量。Chen J等[13]（P1-16）通过分析中国碳峰值的时间、数量、驱动因素模式、复杂的排放网络和政策影响，建立了以机器学习方法为预测基准的集合时间序列模型。胡剑波等[14]（P89-101）建立了ARIMA-BP神经网络模型对碳排放量进行预测。

目前，学者们对碳排放影响因素及预测方面的研究较多，但大都局限于分析某一地区或某一行业的碳排放量，对省域各个城市的碳排放量分析较少。因此，本文在已有研究的基础上，建立灰色关联度模型对河北省11个城市的碳排放量进行关联分析，并运用岭回归和情景分析法对2021—2030年河北省碳排放量与强度变化趋势进行预测，以期为河北省的“双碳”工作提供一定参考。

二、河北省城市碳排放影响因素分析

（一）面板数据灰色关联度模型构建

碳排放影响因素分析的常用方法有回归分析、相关分析、LMDI分析等。但是，这些研究方法需要大量的样本且不能很好地处理面板数据[15]（P1-6）。而基于面板数据的灰色关联度模型则能够很好地解决上述问题。

1.构建面板数据灰色关联度模型

（1） 面板数据矩阵表示。设有X个研究对象，每个研究对象有N个指标，观测时间为T。其中，第x个研究对象的第i个指标在t时间的值为yi（x，t），指标i的数据矩阵Yi为

其中，研究对象 x可取1，2，… ，X；观测时间t可取1，2，… ，T；则面板数据Y可表示为

Y=[Y1（x，t），Y2（x，t），…，Y（x，t）］。（2）

当X=1时，指只有一个研究对象，此时的面板数据就是该研究对象在不同时刻不同指标的数据；当T=1时，指只有一个时刻，此时的面板数据就是同一时刻下不同研究对象不同指标的截面数据。

（2）计算面板数据灰色关联度。

先将面板数据初始化，将初始化算子规定为di，则

其中，研究对象x可取1，2，… ，X；观测时间 t可取1，2，… ，T。

然后，计算面板数据的灰色关联系数。di[WTHX]Y[WTBX]1为初始化后参考面板数据，给定分辨率ρ=0.5，面板数据初始化后di[WTHX]Y[WTBX]i 與d1[WTHX]Y[WTBX]1的灰色关联系数为

其中，研究对象 [WTBX]x可取1，2，…，X；观测时间 t可取1，2，…，T；初始化数据矩阵差值最小值Δ（min）=mini，x，t |yi（x，t）di-y1（x，t）d1|；初始化数据矩阵差值最大值Δ（max）=maxi，x，t |yi（x，t）di-y1（x，t）d1| 。

最后，计算面板数据的灰色关联度。[WTBX]设ri为面板数据的灰色关联度，参考面板数据x1与面板数据xi的灰色关联系数为γi（x，t），即

其中，研究指标 i可取1，2，… ，N。当观测对象一定时，所求的即为面板数据的时序灰色关联度，设为ri，t，即

其中，研究指标 t可取1，2，… ，T。当观测对象一定时，所求的即为面板数据的截面灰色关联度，设为ri，x，即

其中，研究对象x可取1，2，… ，X。

2.数据来源与处理

（1）数据来源及选取。

以河北省11个城市为研究区域，包括石家庄市、唐山市、秦皇岛市、邯郸市、邢台市、保定市、张家口市、承德市、沧州市、廊坊市和衡水市，从各地区的碳排放量及其影响因素出发展开研究。研究过程中所用数据来自于2005—2020年各城市及河北省统计部门发布的统计年鉴。

目前，学者应用STIRPAT模型分析影响因素的方法已较为成熟，故本研究基于数据可得性，从人口、财富、技术、能源、结构等五方面选取数据。人口方面选择地区常住人口总量，指实际居住在某地区一定时间（半年时间以上）的人口总量。由于某一地区的人口数量的增长势必带来当地人对日常生活和工作等各方面需求的增多，相应的在工业、交通、电力等行业的能源消耗必然增加；城市作为各种资源的集中地，碳排放主要是由能源消耗引起的，二者关系成正比。财富方面选择人均GDP作为碳排放强度的影响因素之一，指一年时间内国内生产总值与常住人口的比值。这是由于人均GDP指标可以从一定程度上反映地区的经济发展状况。技术方面选择科学技术支出，指统计年度内全社会实际用于基础研究、应用研究和试验发展的资金投入。科学技术支出一定程度上反映当地的技术水平，由于科技创新可以促进新能源技术进步和使用成本不断降低，推进煤炭高效清洁利用以及绿色低碳转型，大幅提高清洁能源使用比例，从而合理利用能源，不断促进能源强度下降和能源结构优化，有利于碳排放强度的减少。在能源方面，能够减少碳排放的有效途径之一是提高能源的利用效率，降低对化石能源的消耗，故选取规模以上企业能源消耗作为主要影响指标，具体计算为规上企业的原煤原油及其制品、天然气和电力消费总量与地区生产总值之比。结构方面来看，“十三五”期间，河北省积极融入“一带一路”建设，其中制造业吸引外资呈现较快增长，促进了制造业的转型升级。引资的产业结构和空间结构的优化能够在一定程度上影响碳排放强度，故使用外资金额是结构方面影响碳排放的关键因素。随后进行面板数据灰色关联模型的构建，分析各地市碳排放量与影响因素之间的关联性。

（2）碳排放量计算。碳排放量依据《IPCC 国家温室气体排放清单指南》中所提供的碳排放核算方法，具体公式为

其中，[WTBX]Ci表示i地区的碳排放总量，Mijt表示i地区对j（j=1，2，… ，9，分别代表煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气、电力等）种能源在t年消耗的实物量，Qj表示第j种能源的净发热量，Cj表示第j种能源的二氧化碳排放因子。

（二）结果与分析

1.面板数据的灰色关联系数

根据公式（4）对碳排放量和5个影响因素共6组面板数据进行初始化，表1为河北省城市碳排放量的初始化值，表2为地区常住人口总量指标初始化值。根据各影响指标和碳排放量的初始化值，在给定灰色分辨率ρ=0.5的情况下，对灰色关联系数进行计算。

2.面板数据的时序灰色关联度

根据公式（7）可计算出不同年份的灰色关联度，结果如图1所示。时序灰色关联度能够反映出河北省2005—2020年16年时间区间上各影响因素对河北省地区碳排放量的影响程度。

由图1可知，整体来看，2005—2020年河北省地区碳排放量与科学技术支出、使用外资金额、规模以上企业能源能耗三方面影响因素之间的关联度呈缓慢上升趋势；地区常住人口总量、人均GDP指标与碳排放量的关联程度整体呈下降趋势。局部来看，人均GDP和规模以上企业能源消耗两指标与碳排放量之间的关联度波动性较大，其中人均GDP与碳排放量关联度在2010年、2014年、2019年有明显转折；企业能源消耗与碳排放量关联度在2006年、2008年、2012年有明显转折；各影响因素除人均GDP指标外其他4个因素与碳排放量之间的关联度于2018年开始出现下降趋势，表明河北省近年来低碳发展有一定的效果。

3.面板数据的截面灰色关联度

根据公式（8）可计算出河北省11个城市的截面灰色关联度，结果如图2所示。

从地区常住人口总量因素来看，保定市、石家庄市、邯郸市的截面灰色关联度位居前三，主要由于保定市靠近首都北京，一定程度上缓解了首都圈的人口压力，为建设雄安新区，未来的净人口流入量会更大。石家庄是河北省的省会城市，体量较大，流入人口较多，导致了更多的碳排放。从历史上来看，邯郸作为历史文化名城，开发时间较早，人口是发展经济社会的基础条件；从地理区位角度，邯郸地处华北平原，是粮食主产区，平原地形分布众多村落，有较多的人口容纳的条件。其他城市关联度均位于0.6以下，秦皇岛市和承德市位居末端。这表明和其他地区相比，保定市、石家庄市、邯郸市在地区常住人口总量方面的增长趋势更接近于其碳排放量的增长趋势，人口数量对碳排放影响更为重要。其他地区碳排放量受人口总量变化影响相对较小。

从人均GDP因素来看，承德市人均GDP与碳排放量之间关联度相比其他城市较高，达到0.7，沧州市和张家口市略低于承德市，分别为0.67和0.65。自2017年开始，人均GDP有了稳步提升，同时碳排放量也随之提升，即人均生产总值是碳排放的关键驱动因素。唐山市和秦皇岛市的人均GDP与碳排放之间关联度最小。由此可见，承德市、衡水市、沧州市、张家口市正在大力发展经济，提高国民生产总值。对于石家庄市、秦皇岛市、唐山市等人均GDP和碳排放截面关联度低的地区，人均GDP对碳排放量的影响不是很大，原因可能是该类地区经济发展趋于平稳，增长幅度逐渐偏低。唐山市作為河北省经济第一城市，人均GDP已然不是影响碳排放总量的重要因素。

从科学技术支出因素来看，唐山市科学技术支出与碳排放量之间关联度位于第一位，达到0.78；沧州市、张家口市科学技术支出与碳排量之间关联度最小，截面灰色关联度均为0.56。唐山市本土钢铁行业的发展对环境造成了一定的破坏，地区政府加大科研投入展开环境治理工作，科技成果转化有一定成效，促进经济转型升级，从而导致碳排放量减少。沧州市、张家口市截面关联度低的原因在于两地区碳排放一直是处于低排的状态，环境相对其他地区较好，科技创新发展也处于稳步上升态势，因此出现科学技术支出增长和碳排量增长趋势不太相近的情况。

从规模以上企业能源消耗因素来看，邢台市、唐山市、保定市占据前三的位置，关联度为0.74，0.69和0.66，该类地区第二产业发展较好，规上企业在发展过程中可能会消耗大批量化石能源。唐山的钢铁和煤炭产量一直跻居河北省首位，且产业结构优化正处于初期阶段，效果尚不明显，直接导致碳排放的增长，因此该地区规上企业能源消耗的增长与碳排放的增长间关联度较高。秦皇岛市、衡水市、张家口市规上企业能源消耗与碳排放之间的关联度位于末端，分别为0.55，0.52和0.52，其中秦皇岛市作为我国首批沿海开放城市之一，沙软潮平、气候宜人，主打生命健康、文化旅游和临港物流产业，对煤炭钢铁等化石能源依赖较小。张家口市作为资源型城市、老工业基地，依赖钢铁煤炭工业，随着近年来加快产业结构调整，关联度小与连年压减钢铁和煤炭产能相关。

从使用外资金额因素来看，邢台市、张家口市、秦皇岛市位于前三的位置，关联度为0.68，0.67和0.66，该类地区使用外资金额与碳排放量相关性较强。邢台市自2020年以来加大扶持力度、提高增资扩股额度，还将8个签约外资项目列入省政府重大涉外经贸活动并采取针对性措施。秦皇岛市承接京津产业转移，加强与北京专业市场对接，引进了众多国际一流会展企业。

北京市联合张家口市成功申办2022年冬奥会后，张家口市基础设施建设和营商环境得以改善，市场辐射半径增大，存在诸多市场机会，受到投资者青睐。

衡水市、沧州市、邯郸市是使用外资金额与碳排放的截面灰色关联度最小的3个地市，关联度分别为0.594，0.593，0.525，使用外资金额并不是这3个地市碳排放重要的影响因素。

4.面板数据的灰色关联度

根据公式（6）计算河北省碳排放的5个影响因素与碳排放的面板数据灰色关联度，结果见表3。

由表3可知，河北省碳排放影响因素灰色关联度由大到小依次为科学技术支出、人均GDP、使用外资金额、地区常住人口总量以及规模以上企业能源消耗。由此可见，河北省碳排放增长的主要影响因素是科学技术支出和人均GDP。河北省“十四五”规划中指出要深入实施创新驱动发展战略，努力将河北省建设成为创新型省份和科技强省[16]。河北省在科技创新方面出台政策措施，注重科学技术的发展，这将必然带动降碳技术的进步，使碳排放量降低。河北省比较注重经济发展，与其他一线城市经济相比，河北省的11个城市还有很大经济发展空间，经济的发展必然带动能源的消耗，从而导致碳排放的增长，由此可见河北省在发展低碳经济上仍有很长的路要走。地区常住人口总量、规模以上企业能源消耗和使用外资金额3个指标灰色关联度较低，表明河北省的人口规模已经趋于稳定，流入与流出维持平衡，第二产业的发展也已较为稳定。这三大类因素对河北省城市碳排放量的影响力较小。

三、河北省碳排放情景预测

（一）预测模型构建

根据河北省发展特点，选择人口总量、人均GDP、科学技术支出、规上企业能耗、使用外资金额等因素构建预测河北省碳排放量的STIRPAT模型：

ln I=a+bln P1+cln P2+dln P3+eln P4+fln P5+ε ，（10）

其中，I为碳排放；P1为人口总量；P2为财富水平；P3为技术水平；P4为能源消耗；P5为城市结构；a为常数项；b，c，d，e，f为待估计系数；ε为误差项。对收集的河北省各城市有关数据进行相关性分析，运用SPSS25输出结果。由表4可知，碳排放量与各影响因素之间的相关性较高。为判断多重共线程度，首先对各变量采用最小二乘法进行检验，所有变量的方差膨胀因子远远高于最大容忍度10，多重共线性程度较高。为避免该现象，基于STIRPAT模型，选用岭回归方法拟合方程，得到河北省各城市碳排放量与各影响因素的岭迹图以及决定系数RSQ的变化趋势，以石家庄市为例如图3、图4所示。

由图3、图4易见，当K=0.2时，各自变量的岭迹图曲线均开始逐渐平稳。从河北省各城市决定系数RSQ的变化趋势可以看出，RSQ的下降速度自K=0.2开始趋于平稳，岭回归估计结果见表5。

河北省各城市决定系数（RSQ）分别为0.61，0.88，0.85，0.50，0.55，0.94，0.77，0.83，0.88，0.82，0.69等，说明河北省各城市碳排放影响因素可以较好地解释碳排放量的变动情况，将2005—2020年各影响因素的数据代入预测方程，运用SPSS25对河北省各城市碳排放量的实际值与预测值进行独立样本T数值检验，最终检验结果P值分别为0.747，0.905，0.934，0.604，0.733，0.928，0.412，0.731，0.806，0.588，0.562，均大于显著水平0.05，说明该预测方程具有实际意义，可以进行STIRPAT模型预测值验证（见表6）。

（二）情景参数预测

针对5个碳排放影响要素设置了基准情景、宽放情景和绿色发展情景。以河北省2005—2020年碳排放数据作为基准情景。未来政府部门加强高污染工业企业升级改造，减少污染排放，实现绿色生产，将此情景设定为绿色发展情景。未来经济形势稳中向好发展，但节能发展意识不足，政府相关政策落实较为宽松，导致排放量居高不下，将此种情景设定为宽放情景。最后，结合5个影响因素的3个情景，得出河北省碳排放的发展预测。

1.地区常住人口总量

根据河北省统计局发布的《河北省第七次全国人口普查公报（第一号）》文件，相较于第六次人口普查，近十年河北省人口增长率为3.84%[17]。但随着社会发展和人均受教育水平提高，年轻人对生育问题持开放态度，相较于老辈人群对生育的欲望开始下降。这致使出生率有所下降，老龄化程度加深，人口增长趋势放缓，2020年的人口增长率达到了0.38%[17]。因此，以0.38%的人口增长率为基准情景。政府出台一系列惠民政策，适当减轻年轻人的就业压力和婚姻压力，将0.6%设定为宽放发展情景参数。由于适婚适育人群的工作和生活压力增大，很多人不愿意生育，将此设定为绿色发展情景，增长率为0.25%。具体发展趋势如图5所示。

2.人均GDP

GDP增速约等于劳动力增速与劳动生产率增速之和，《河北省“十四五”规划和2035年远景目标纲要》指出，全省生产总值年均增长6%左右[16]。将6%增速设定为基准发展模式。未来十年，河北省加快产业结构调整和优化，极力打造若干新兴产业，具有广阔市场前景同时开拓了就业市场，人均产值提高，将此情景设定为宽放发展情景，人均GDP增速为7%。受全球经济的影响，企业可能面临停产和员工失业，加之市场就业形势严峻，人均产值增速也有所下降，将此设定为绿色发展情景，情景参数为增速3%。具体发展趋势如图6所示。

3.科学技术支出

2020年，河北省科技经费投入力度进一步加大，研究与试验发展（R&D）经费投入保持较快增长，财政科技支出稳步增加。《河北省“十四五”规划和2035年远景目标纲要》明确提出在“十四五”期间年均投入科研经费增长10%左右[16]。未来国家将更加注重创新水平的提高，但随着科技的不断进步，研发成本也不断增加，比较2005—2020年每五年科研投入年均增速的变动，每五年逐年降低0.1%，宽放情景和绿色情景下年均增长率分别为12%和7%。具体发展趋势如图7所示。

4.企业能源消耗

《河北省“十四五”工业绿色发展规划》提出，“十三五”期间，河北省创建省级以上绿色工厂233家，其中国家级95家[18]；全省规模以上工业企业单位工业增加值能耗累计下降，超过全国平均水平10个百分点，节能取得初步成效。根据《河北省“十四五”节能减排综合实施方案》，2025年河北省重点地区和行业能源利用效率显著提高，单位地区生产總值能耗比2020年下降14.5%，年均下降率为2.7%[19]，将此设定为基准情景参数。产业转型较为缓慢，工业企业消耗依然较高，将此设定为宽放情景，年均下降率为2.3%。绿色发展情景为第二产业比重缓慢下降，第三产业比重逐步增长，工业制造企业能源消耗减少，年均下降率为3%。发展趋势如图8所示。

5.使用外資金额

《河北省对外开放“十四五”规划》中指出，将河北省打造成为我国面向东北亚区域的开放窗口和京津冀协同开放的重要支撑，到2025年，实际使用外资将突破130亿美元，年平均增长率为4.22%[20]，将此设置为基准情景参数。宽放情景参数设置为4.5%。由于近年来受全球经济影响，未来对外贸易程度将有所降低，将绿色发展情景年平均外资投入增长率设定为4%。发展趋势如图9所示。

四、结论与建议

（一）结论

采用灰色关联度模型对河北省11个地市的碳排放量影响因素进行研究，测算地区常住人口总量、人均GDP、科学技术支出、规模以上企业能源消耗及使用外资金额5个因素对碳排放量的影响程度。随后运用岭回归和情景分析法对河北省2021—2030年的碳排放量及强度进行预测，结论如下：

科学技术支出和人均GDP为河北省城市碳排放量增长的主要影响因素，地区常住人口总量、规上企业能源消耗及使用外资金额3个因素对碳排放量的影响效应相对来说要弱一些。其中，从时序灰色关联度来看，科学技术支出、使用外资金额和规上企业能源消耗3个指标与碳排放量的关联度呈缓慢上升趋势，其他影响因素的时序灰色关联度呈缓慢下降态势。截面灰色关联度方面，由于不同城市发展优劣势不同，影响因素对碳排放量的影响程度不一，石家庄市常住人口和规上企业能源消耗是其碳排放量增长的主要原因；唐山市碳排放的主要影响因素是科学技术支出和规上企业能源消耗；秦皇岛市主要影响因素是使用外资金额和科学技术支出；邯郸市、保定市碳排放的主要影响因素是人口和能源消耗；邢台市碳排放的主要因素是企业能源消耗和使用外资金额；张家口市碳排放的主要影响因素是使用外资金额和人口；承德市、衡水市碳排放的主要影响因素是人均GDP和科学技术支出；沧州市、廊坊市碳排放的主要影响因素是人口和经济。

根据河北省影响碳排放的5个因素和2005—2020年碳排放计算结果，基准发展情景下河北省碳排放达到5.26亿吨，随着宽放发展情景的快速发展，河北省碳排放在2030年达到5.73亿吨，绿色发展条件下碳排放达到4.65亿吨。碳排放强度方面，河北省各城市碳排放强度未来均呈现降低趋势。其中，唐山在三种情景下的变动幅度最小，石家庄次之，承德最大。

（二）建议

基于以上结论，对于石家庄、唐山、邯郸、保定等市应增加环境治理强度，严格监管外资引进方向，提高对外资引入的低碳要求，同时应增强国际间的交流合作，学习国外先进的节能减排技术，提升能源利用效率。

对唐山、承德、衡水等市应加强科技创新力度，加强在低碳环保领域的技术研发，提高科技成果转化率。政府应对上述城市提供资金与政策扶持，为科研创新提供更好的条件。在此基础上，与石家庄、保定等市加强技术交流合作，推动技术共享、协同降碳，将先进的科技作为降碳治理的高效实现途径。应加快产业结构优化，淘汰落后产能，向新能源等新兴技术产业转变。公众要树立环保意识，倡导低碳生活。

注  释：

①数据来源：中国碳核算数据库《2019年30个省份碳排放清单》。

参考文献：

[1]河北省人民政府.关于印发河北省生态环境保护“十四五”规划的通知[EB/OL].http：//info.hebei.gov.cn/hbszfxxgk/6898876/7026469/7026511/7026505/7034547/index.html，2022-01-12.

[2]林伯强，刘希颖.中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究，2010（8）.

[3]杨振，李泽浩.中部地区碳排放测度及其驱动因素动态特征研究[J].生态经济，2022（38）.

[4]唐赛，付杰文，武俊丽.中国典型城市碳排放影响因素分析[J].统计与决策，2021（37）.

[5]王梦凯，白艳萍.基于LMDI模型的江苏省碳排放强度影响因素分解研究[J].宁夏大学学报（自然科学版），2022（1）.

[6]Liu H， Yan F. QuantitativeAnalysis of Impact Factors and Scenario Prediction of Energy Related Carbon Emissions at County Level[J]. International Journal of Green Energy， 2023（12）.

[7]郭朝先.中国碳排放因素分解：基于LMDI分解技术[J].中国人口·资源与环境，2010（12）.

[8]吉兴全，赵国航，于一潇，等.基于4E平衡的碳排放因素分解与峰值预测方法[J].高电压技术，2022（7）.

[9]师佳，宁俊.我国纺织服装行业碳排放影响因素及达峰预测[J].北京服装学院学报（自然科学版），2022（3）.

[10]Wang Z H，Zhao Z J，Wang C X.Random Forest Analysis of Factors Affecting Urban Carbon Emissions in Cities within the Yangtze River Economic Belt[J].Plos One， 2021（6）.

[11]Sun W， Huang C. Predictions of Carbon Emission Intensity Based on Factor Analysis and an Improved Extreme Learning Machine from the Perspective of Carbon Emission Efficiency[J]. Journal of Cleaner Production， 2022（338）.

[12]Zheng S L，Yuan R，Li N.Persistent Mitigation Efforts and Implications for China's Emissions Peak Using Statistical Projections[J]. Science of the Total Environment， 2022（826）.

[13]Chen J， Xu C， Gao M， et al. Carbon Peak and its Mitigation Implications for China in the Post-pandemic Era[J]. Scientific Reports， 2022（1）.

[14]胡剑波，罗志鹏，李峰.“碳達峰”目标下中国碳排放强度预测——基于LSTM和ARIMA-BP模型的分析[J].财经科学，2022（2）.

[15]刘霞，孟祥瑞，王向前.华东地区物流业碳排放量影响因素分析[J].河北环境工程学院学报，2022（32）.

[16]中华人民共和国国家发展和改革委员会.河北省国民经济和社会发展第十四个五年规划和2035年远景目标纲要[EB/OL].

https：//www.ndrc.gov.cn/fggz/fzzlgh/dffzgh/202106/t20210611_1283092_ext.html，2021-06-11.

[17]河北省统计局.河北省第七次全国人口普查公报（第一号）[EB/OL].http：//tjj.hebei.gov.cn/hetj/tjgbtg，2021-05-19.

[18]河北省工业和信息化厅.关于印发《河北省“十四五”工业绿色发展规划》的通知[EB/OL].http：//gxt.hebei.gov.cn/hbgyhxxht/zcfg30/snzc/894934/index.html，2021-12-14.

[19]河北省人民政府.关于印发河北省“十四五”节能减排综合实施方案的通知[EB/OL].http：//info.hebei.gov.cn//hbszfxxgk/6806024/6807473/6806589/7017690/index.html，2022-03-26.

[20]河北省人民政府办公厅.关于印发河北省对外开放“十四五”规划的通知[EB/OL].http：//info.hebei.gov.cn/hbszfxxgk/6898876/7026469/7026511/7026506/7033981/index.html，2022-01-16.