中国省域能源消费二氧化碳排放状态分析与情景预测

张雪梅，曹丹丹，王鑫，杨秀平

（兰州理工大学 经济管理学院，甘肃 兰州 730050）

世界气象组织（WMO）发布的《2020 年全球气候状况》报告显示，2020 年是有记录以来最热的3 个年份之一，全球平均气温比工业化的基线高1.2 ℃，全球变暖趋势愈发明显[1]。中国是全球碳排放量占比最大的国家，2020 年我国碳排放量全球占比28.8%，人均碳排放量比世界水平高46%。面对全球气候变化的严峻形势，中国既是《巴黎协定》的参与者，也是积极实践者。2020 年9月，习近平主席在第七十五届联合国大会一般性辩论上郑重提出“双碳”目标。中国地域辽阔，地理环境复杂，不同省份经济发展、能源发展、社会发展与资源禀赋呈现出不同的特点，因此，各区域碳排放趋势、碳排放达峰时间出现差异。鉴于此，需在绿色低碳循环经济背景下，估算中国各省份碳排放量，预测各省份的二氧化碳排放量并以此判断各省份2030 年前的碳达峰状态，由此确定各省份在2030 碳达峰目标中应担负的责任。

通过文献梳理，目前对中国碳排放预测包括国家层面、局部区域层面。在国家层面，DING 等[2]运用离散灰色预测模型预测中国2020 年的碳排放量为99.36 亿吨，中国将实现2015 年在《巴黎协定》上的承诺。渠慎宁等[3]运用STIRPAT 模型与情景分析得出技术对碳达峰影响最大，若碳强度的下降速度大于经济增长速度，中国将提前碳达峰；若保持经济增长与碳强度合理下降，中国将在2020—2045 年碳达峰。段福梅[4]运用神经网络在八种模式下预测中国二氧化碳排放峰值，得出中国人均碳排放达峰时间晚于总量达峰时间，且各种模式下均能实现2030 年二氧化碳排放强度下降60%～65%的目标。WU 等[5]运用LLSVM 在三种情景下预测中国能源消费产生的CO2排放量，结果发现实现2030 达峰目标是具有挑战性的，中国为实现碳达峰目标要优化产业结构并大力发展清洁能源。洪竞科等[6]构建RICELEAP 模型并结合多情景模拟中国碳达峰路径，研究指出在供给侧结构性改革情景下中国将在2019 年实现碳达峰。从局部区域层面，研究发现中部六省能源消费碳排放量均表现出先增长后下降的倒“U”型发展模型，且中部六省中河南省碳达峰压力较小，但预测结果显示河南省在2034 年才能实现碳达峰，因此，中部六省实现2030 年前碳达峰目标存在挑战，需采取更加严格的措施[7]。中国东部11 省中将有7 省可能在2030 年前实现碳达峰，北京与上海将在2022 年左右率先达峰；而东部整体的碳达峰时间将在2028—2033 年[8]；西北五省区在经济增长与碳强度合理下降的情景下，西北五省区的总碳排放量将在2020—2025 年达峰[9]。

综合比较各种方法，灰色预测模型更适用于短时间的预测；STIRPAT 模型的实质是通过岭回归来得到回归预测模型。与传统STIRPAT 模型和灰色预测模型相比，机器学习能够满足长时间预测条件，且可在多种核函数中选择最准确的函数作为回归预测模型。支持向量机回归适用于小样本的研究，这满足各省份数据小的特点，故本文选择支持向量机回归作为预测方法。从研究范围的角度看，现有研究对全国、局部区域碳排放趋势分析与碳达峰预测分析较多，而对中国各省份的碳排放趋势与碳达峰预测较少。本文将分析中国30 个省份（不包括西藏及港澳台地区）的碳排放趋势，同时由于1985—1996 年段山西、重庆、海南能源数据缺失无法计算碳排放量，故仅预测27 个省份的碳排放量。

1 变量与方法

1.1 变量

1.1.1 解释变量

碳排放的影响因素被分为规模效应、结构效应以及技术效应，具体包括人口规模、经济规模、城镇化、产业结构、能源结构与能源强度等[10]。将各省份的人口数代表人口规模，常住人口数占比表示城镇化率。经济规模则用各省份GDP 表示。产业结构采用第二产业GDP 在总产值的占比，煤炭是能源消费中占比最大的化石能源，用煤炭消费占比表示能源结构。技术创新会影响单位GDP 能源消费，故使用能源强度代表技术效应。数据来源于《中国统计年鉴》《新中国六十年统计资料汇编》《中国能源统计年鉴》。

1.1.2 被解释变量

由于90%以上的二氧化碳排放量来自化石燃料的燃烧，故本文通过计算主要化石燃料燃烧所产生的碳排放估算各省份的碳排放量。计算方法为IPCC（政府间气候变化专门委员会）所公布的第二种方法。

式中：Ei为第i种化石能源的表观消费量，σi为第i种化石能源的二氧化碳排放系数，Vi为第i种化石能源的平均低位发热量，Fi是第i种化石能源的单位热值缺省含碳，Ri为第i种化石能源的碳氧化因子，在《2006 年IPCC 国家温室气体清单指南》中各能源的碳氧化因子假设为1，44/12 为二氧化碳与碳的分子之比。

1.2 方法

1.2.1 支持向量回归机算法基本原理

支持向量回归机主要功能是做曲线拟合、函数回归和预测，通过核函数的选择来适应各种非线性的情况，将简单维空间的非线性关系映射到高维空间并转化为空间线性关系。模型基本原理见图1，其中，六项输入指标分别为：X1（人口）、X2（GDP）、X3（产业结构）、X4（能源结构）、X5（能源强度）、X6（城镇化率），一个输出指标为Y（二氧化碳排放量）。SVR 的空间线性回归方程为：

图1 SVR模型原理图

SVR 问题形式化为：

式中：C为正规化常数，Γε为ε的不敏感损失函数。

引入松弛变量：

应用拉格朗日函数，并转化为对偶函数求解：

核函数选用高斯核函数：

其中，K(Xt,X)=φ(xi)T·φ(xj)为核函数。

对偶函数进一步转化为

通过训练，得到参数值c、b即可得到预测模型。

1.2.2 模型训练与检验

（1）数据预处理。为了消除影响因素之间的多重共线性，并处理自变量与因变量中的异常值，需要对原始数据进行标准化，这不仅可以提高模型精度，而且有助于提升模型的收敛速度。公式如下：

（2）数据迭代。利用各省份1985—2018 的数据进行迭代，获取各省份的预测模型。采取“二八原则”划分样本的数据集为训练集与测试集。SVR 模型有两个非常重要的参数C和gamma。其中，C为惩罚系数，是对误差的宽容程度，而gamma是模型选择RBF 核函数后该函数自带的一个参数，表示数据映射到新的特征空间后的分布。本文采用网格搜索算法和五折交叉验证法对SVR 模型的参数C和gamma的取值进行迭代，充分发挥该方法查找速度快的优点，极大地缩短参数寻优的进程和工作量。

（3）模型检验。模型是否取得好的预测结果，取决于模型的预测精度。除了测算拟合优度R2外，本文还计算平均绝对误差MAE与均方根误差RMSE来检验模型预测精度。R2越接近1 模型拟合越好，MAE与RMSE越小模型拟合度越好。

式（10）、（11）中：yt为样本值，为预测值。

（4）模型预测结果。各省份的预测模型精度评价指标见表1。除四川省预测模型拟合优度也处于0.85 左右外，其余省份预测模型拟合优度都在0.94 以上；RMSE与MAE指标得分在各省份之间存在差异，青海省得分最低，为2.984 7 与1.8780，山东省得分最高，为49.447 5 与44.145 1。得分较高的山东、内蒙古等省份二氧化碳排放量相较于其他省份更大，所以RMSE与MAE指标得分也相对更大。综合来说，模型精度满足预测需求。

表1 预测模型精度评价指标

1.2.3 省际二氧化碳排放状态定量判断模型

国内外学者对于碳达峰的定量判断标准提出了不同的意见。蒋含颖等[10]借助Mann-Kendall 趋势分析检验法提出城市CO2排放达峰状态判断函数，此判断函数指出，若碳排放量最大值所处年份与当前年份相差小于五年，则无法判断达峰状态；若相差年份大于或等于五年，且通过M-K 检验的显著性检验，则城市已达峰；若没有通过M-K 检验的显著性检验，则处于平台期。张立等[11]结合Bootstrip 方法与IPCC 对不确定性研究构建基于数理统计的CO2排放状态判断方法模型（ESC）。ESC 指出，若碳排放量在峰值的1%之内波动，则处于达峰期；出现峰值后年均下降率小于2%，则处于平台期，反之处于下降期。C40[12]指出，碳达峰是指CO2排放达到峰值后的五年内，地区CO2排放量至少减少10%。据此，本文提出省际CO2排放状态定量判断模型，如图2 所示。若碳排放量最大值所处年份与当前年份相差小于五年，则无法判断达峰状态；若五年及以上年份碳排放量均在历史最大值的1%内波动，则处于达峰期；若五年及以上年份碳排放量的年均下降率小于1.8%，则处于平台期，反之处于下降期。本文数据样本值截至2018 年，2018 年至今有三年间隔。根据判断准则，当某地区碳排放量的历史最大值出现在2018 年时，我们认为该地区未达峰。

图2 省域CO2排放达峰状态定量判断模型

2 情景设置

为适应环境的不确定性，本文设置三种情景来预测各省份碳排放量，情景说明如表2 所示。基于环境发展现状与现有政策规划构建基准情景；能源“双控”对象是影响碳排放的主要因素，在基准情景基础上优化能源“双控”指标构建能源优化情景；为尽早实现2030 年前“碳达峰”目标，需全面优化其他变量，由此构建低碳情景。参考各省份的“十四五”规划和2035 年远景目标纲要（下文简称《纲要》）设计各影响因素的年均变化率，以五年为一个时间段设置年均变化率。表3 为不同情景下各因素相对变化速率。

表2 情景说明

表3 各省份不同情景设定

2.1 人口

人口规模增加会使得地区内能源消费量的增加，人口规模扩大与产业聚集会增加地区的碳排放量[13]。过去十年，我国人口增长幅度变小，生育水平逐年降低[14]。中国人口与发展研究中心（2020）研究发现，大多数省份进入人口负增长与低增长时代，总人口将在2027 年出现拐点[15]。人口变化受很多因素影响，根据第六次全国人口普查与第七次全国人口普查的数据分别计算各省份的人口年均增长率，发现年均增长率在1‰～2‰范围内递减。由此将第七次全国人口普查数据的年均下降率下调1‰～2‰后作为各省份的人口“十四五”时期的中速发展率，同时同比下降2‰的速率作为低碳情景人口下降率，每五年的年均变化率在此基础上变化。

2.2 城镇化率

城镇化从多个方面影响碳排放，而人口城镇化提高会使能源消费碳排放上升[16-17]。将各省份《纲要》规划的2025 年城镇化率发展目标作为中速变化预测值。国家发改委（2021）的研究表明，我国人口城镇化在整体上呈现出稳中趋缓态势，故情景设置中各省份的人口城镇化率变化是逐渐变缓的[18]。在设置每五年人口城镇化增长率的降低幅度时，参考“十一五”“十二五”“十三五”期间人口城镇化年均增长率，分别是1.39%、1.23%与1.13%。分析得出，人口城镇化率的年均增长率在0.1%～0.2%之间递减，故在情景设置中，不同省份每五年城镇化变化率以0.1%～0.2%趋势递减。同时，将同比下降0.2%的速率作为人口城镇化率的低速增长目标。

2.3 GDP

在经济增长与碳排放处于稳定强脱钩关系之前，经济增长会促进地区碳排放上升[19]。“十四五”期间我国各省份GDP 年均增长率在5%～8%之间，其中西部地区的经济增长明显高于东部、中部地区[20]。参考经济发展现状，把各省份《纲要》规划值作为2025 年中速发展的预测值，远景目标作为2035 年中速发展的预测值。中国经济由高速增长向高质量发展转变，经济增长率在缓慢下行，参考其他文献的情景设置，每五年GDP 增长率变化0.5%[8,21]，故将同比下降0.5%的速率作为GDP 的低速增长目标。

2.4 产业结构

李继峰等[20]预测“十四五”期间各省份第三产业占比会增长1.5%～3.5%，本文选用第二产业占比代表产业结构变动，推算得出第二产业占比下降在0 ～3.5%之间。由于各省份的产业结构变动情况存在差异，参考“十三五”期间各省份产业结构变化率并结合0 ～3.5%的下降幅度，预测各省份的产业结构中速与低速变化率。

2.5 能源结构

本文将煤炭消费与能源消费总量的比值作为能源结构，煤炭消费占比高对碳排放存在正向效应[22]。《能源生产与消费革命战略（2016—2030）》表示，2020—2030 年中国将进入工业化后期，部分省份陆续推进区域无煤化。廖华等[23]在《我国“十四五”能源需求与展望》中指出，化石能源消费有望达到峰值，非化石能源消费规模将大幅提升。本文在设置能源结构变化率时主要参考各省份过去十年的变化情况，同时考虑“十四五”“十五五”期间对煤炭消费的严格控制，前期煤炭占比下降幅度较快，而当2030 年前部分省份率先实现碳达峰，下降幅度随之变缓。将“十三五”期间各省份能源结构年均变化率设为中速发展下降幅度，将中速下降幅度增加0.5%～1.5%作为能源优化下降幅度，每五年的年均变化率在此基础上变化。

2.6 能源强度

“十二五”期间能源消费强度规划值是下降16%，实际下降18.4%；“十三五”期间能源消费强度规划值是15%，受疫情影响，“十三五”实际累计下降约为13.5%；李继峰等[20]指出，“十四五”期间中国各省份平均能源消费强度降幅会小于“十三五”期间的降幅，“十三五”期间各省份能源强度下降指标有17%、16%、15%、14%与10%。参考各省份“十三五”期间下达的指标，将下调1%～2%作为“十四五”能源强度的中速下降目标，将下调0 ～1%作为能源优化降幅，每五年的年均变化率在此基础上变化且降幅逐渐变缓。

3 结果分析

3.1 碳排放状态

广义来说，碳达峰是指某个地区与行业年度温室气体排放量达到历史最高值，是温室气体排放量由增转降的历史拐点。世界资源研究所（WRI）认为，碳达峰是一个过程，即碳排放先上升随后进入平台期，并可以在一定范围内波动之后进入平稳下降阶段。尽管碳排放量存在峰值，但碳达峰并不是碳排放量取得最大值的拐点。碳达峰是指碳排放在碳排放量最高点的前后一段时间内波动发展。根据省域CO2排放状态定量判断模型，各省份碳排放状态结果如表4 所示。北京、上海、吉林、黑龙江、四川与湖北的能源消费碳排放已经实现碳达峰，处于下降期。天津、河北、河南与云南的碳排放量均在2014 年前出现历史最大值，此后碳排放的年均下降率小于1.8%，碳排放状态处于平台期。其余省份均在2016年后出现碳排放历史最大值，根据判断模型这些省份未达峰。根据分析结果发现，我国各省份均没有处于达峰期的碳排放状态。由此说明各省份仍在能源与低碳形式方面变化较大导致碳排放波动幅度较大。

表4 各省份碳排放趋势

3.2 预测结果

情景预测的结果如表5 所示。根据上文分析，北京、上海、吉林、黑龙江、湖北与四川6 个省份的碳排放量处于下降期，根据判断模型结合预测结果再次验证6 个省份能源消费碳排放已经实现碳达峰。北京在2010 年达到能源消费碳排放最大值，为136.26 百万吨，上海在2013 年达到最大值，为275.9 百万吨，吉林在2011 年达到最大值，为275.37 百万吨，黑龙江、湖北在2012达到最大值，分别为389.21 百万吨、394.17 百万吨，四川在2014 年达到最大值，为342.99 百万吨。

表5 不同情景下各省份碳达峰情况

在基准情景下，江苏、浙江等8 个省份将在2025年前完成碳达峰任务，甘肃、江西、新疆将在2030 年前完成碳达峰任务，辽宁、河北等10 个省份在2030 年前无法完成碳达峰任务。在能源优化情景下，新疆提前在2025 年前实现碳达峰，天津、辽宁提前至2030 年前实现碳达峰。在低碳情景下，甘肃提前至2025 年前实现碳达峰，安徽与内蒙古提前至2030 年前实现碳达峰。宁夏的碳排放量在2030 年后出现拐点，而河北、山东、广西与福建的碳排放量在三种情景中一直处于上升的状态，四省份面临巨大的减排压力。

横向比较发现，在三种情景下表观碳排放量预测值总是递减的，但各省份的碳达峰时间并不一定会提前。对比预测结果，能源优化能降低碳排放量，且对各省份的影响幅度不同，如：北京、上海等率先达峰的省份，加大力度优化能源“双控”并没有大幅度地改变碳排放量，但江西、甘肃等后达峰的省份加强能源“双控”不仅减少了碳排放还使得碳达峰时间提前。

相比以往研究，本文在三种情景下预测的各省份碳达峰结果相对比较乐观。本文的情景设置主要依托于《纲要》与2030 年前“碳达峰”的政策导向，数据主要来源于各省份的统计年鉴，情景的差异与数据统计口径的差异对预测结果产生了影响。面对我国2030 年前“碳达峰”的目标，依托“十四五”规划，2025 年前“碳达峰”的省份理应有所增加，预测结果也显示出这个趋势。

3.3 进一步分析

能源“双控”是能源清洁化转型与减污降碳的重要政策，也是实现各省份能源绿色转型的关键。为分析各省份碳达峰之间的差异，按照能源“双控”对象将各省份分为4 个区域，两条分割线分别是能源强度的中位数与能源消费总量的中位数，如象限图（图3）所示。结合国家发改委公布的《2021 年上半年各地区能耗双控目标完成情况晴雨表》揭示能源“双控”与碳排放之间的关系，如表6 所示。

表6 2021年上半年各省份能源消费“双控”晴雨表与情景预测结果

图3 2018年能源消费总量与能源强度象限图

第一象限为高消费高强度区域，该区域省份工业占比重，煤炭消费占比高。其中，山东、内蒙古、河北生产活动高度依赖煤炭消费，如何清洁高效使用化石能源是该地区减污降碳的核心问题。如表6 所示，对整体而言，此区域碳排放达峰预测结果与能源“双控”进展呈对应关系。新疆能源消费“双控”进度处于较严峻状态，但碳达峰时间早于其余4 个省份；而能源“双控”进展顺利的辽宁、河北、山东、内蒙古碳达峰进展缓慢。

第二象限为高消费低强度区域，此区域能源消费是经济发展的刚性需求，能源消费所带来的高额的经济回报有利于能源强度的控制，但整体来看能源“双控”进展相对严峻。从碳达峰进程上看，此区域各地区碳达峰进程全国领先。

第三象限为低消费低强度区域，北京、上海、天津低碳转型发展较早，现阶段能源消费与经济增长已经脱钩[19]。表6 显示，相比其他区域，此区域能源消费“双控”进度完成率高，且碳达峰进展与能源“双控”进度同步。福建省能源“双控”指标均为一级预警，在三种情景下都无法实现碳达峰目标；安徽省能源“双控”指标均为二级预警，低碳情景下将实现2030 年前碳达峰目标。

第四象限为低消费高强度区域，此区域主要包括近年来经济增长率高的西北与西南省份。相比其他区域，此区域能源消费“双控”完成进度相对最差，碳达峰进展也并不顺利。广西、宁夏、云南与青海均是一级预警，其中广西、云南与宁夏在三种情景下均不能实现2030年前碳达峰目标。

就目前形势而言，能源“双控”与控制碳排放增长两者之间是密切相关的。由上述研究结论可得出，能源“双控”进展的难度可能是一个演变的过程。高消费高强度区域主要是我国的能源大省，能源“双控”进展相对容易，但碳排放增长却很难控制。高消费低强度区域主要是我国经济发达省份，能源“双控”进展更为复杂但碳排放增长却得到一定的控制。低消费低强度区域与低消费高强度区域，能源“双控”效果与控制碳排放增长步伐一致。

4 政策启示

“高消费高强度区域”各省份碳达峰进程缓慢，其中新疆、辽宁碳达峰进展相对顺利。建议此区域各省份严格把控能源“双控”指标，大力推广数字技术、智能化技术，提高能源效率、减少能源消费、降低能源强度，避免“两高”项目盲目开展，未明确提出达峰时间节点的省份应尽快公布碳达峰行动方案与碳达峰路径。

“高消费低强度区域”各省份碳达峰进展顺利。建议此区域各省在发展经济的同时要严格控制能源消费总量。分省域而言，浙江是省级碳达峰行动方案的“领跑者”，要发挥出积极应对碳达峰的引领作用。其他省份应结合自身发展优势，尽早公布碳达峰行动方案，如湖北应发挥出碳排放交易中心试点政策的优势；江苏可以发挥生态园区优势，做“零碳”园区的先行者。

“低消费低强度区域”各省份碳达峰进程与能源“双控”进展保持同步，且控制效果较好，此区域各省份应积极发挥能源“双控”引领作用。安徽与福建要强化对能源消费总量与能源强度目标的控制，避免“反弹效应”出现。北京、上海、天津率先实现碳达峰，为其他省份起到示范作用，激励并督促其他省份尽早实现碳达峰。

“低消费高强度区域”各省份碳达峰进程与能源“双控”进展保持同步，但控制效果较差。此区域各省份都面临着降低能源强度的困境，严格控制能源强度目标是此区域实现碳达峰的首要任务。云南、广西在经济增长的同时要注意能源消费的增加，发展绿色经济，加快绿色产业建设，发展绿色生态旅游业，降低能源强度。各省份可以结合已有的低碳转型优势制定碳达峰行动方案，如贵州可利用大数据产业优势助力碳减排；甘肃可聚力循环经济优势，构建甘肃工业互联网平台助力碳减排。