陕西省碳排放驱动因素分析及预测

摘要：采用碳排放系数法测算2000—2021年陕西省碳排放量并研究驱动因素，在此基础上进行预测并探索出5条减排路径。研究结果表明：陕西省碳排放量在2000—2021年呈上升趋势；驱动因素作用排序为经济发展、能源结构、能耗强度、产业结构、城镇化率以及人口数量；陕西省在高碳、基准、低碳3种情景下均可实现碳达峰，碳排放量分别为6.968 5×108 t、6.636 6×108 t、6.314 5×108 t。因此，合理规划发展进程，注重技术进步，并严格控制产业和能源结构比例，对于陕西省顺利实现碳达峰目标任务具有现实意义。

关键词：碳排放量；驱动因素；可拓展的随机性的环境影响评估（STIRPAT）模型；情景预测

中图分类号：X321 文献标识码：A 文章编号：1008-9500（2024）09-0-05

58

Driving Factor Analysis and Prediction of Carbon Emission in Shaanxi Province

LI Siyao， WANG Hongmei

（College of Economics and Management， Northwest Aamp;F University， Yangling 712100， China）

Abstract： The carbon emission coefficient method is used to measure the carbon emissions in Shaanxi Province from 2000—2021 and to study the driving factors， on the basis of which a prediction is made and five emission reduction paths are explored. The results of the study show that Shaanxi Province’s carbon emissions show an upward trend from 2000—2021; the drivers are economic development， energy structure， energy intensity， industrial structure， urbanization rate， and population size; Shaanxi Province can achieve carbon peak under three scenarios： high carbon， baseline， and low carbon， and the carbon emissions are 6.968 5×108 t， 6.636 6×108 t， 6.314 5×108 t. Therefore， it is of practical significance to rationally plan the development process， emphasize technological progress， and strictly control the proportion of industry and energy structure in order to successfully achieve the goal of carbon peaking in Shaanxi Province.

Keywords： carbon emission; driving factor; Stochastic Impacts by Regression on Population，Affluence，and Technology（STIRPAT） model; scenario forecasting

我国目前对高碳化石能源消费的依赖程度较高，同时随着城镇化推进，工业产值不断突破最高点，减碳脱碳任务面临巨大压力。因此，必须采取积极有效措施减少碳排放以减缓气候压力。陕西省煤炭产量位列全国第三，石油、天然气产量均居全国前列。统计数据显示，2021年，陕西省能源消费为9 018.46万t标准煤，电力消费比例超过72.7%。因此，研究陕西省碳排放现状及未来变化趋势，同时识别重点区域，对于提高减排工作效果至关重要。

近年来，碳排放成为热点话题，包括碳排量测算、碳排放影响因素分析和情景预测等方面[1-5]。从研究部门来看，涉及工业部门、交通部门、建筑业部门等[6-8]；从研究区域来看，全国层面、省域层面等方面均有涉及[9]。

现有研究成果为碳排放的研究奠定了良好的基础，但仍存在一些不足。首先，以往研究大多聚焦于国家或发达省份，忽略了西部地区，从长远看不利于实现整体碳达峰、碳中和目标；其次，碳排放核算方法较多，会出现统计口径不一致的问题；最后，已有研究大多止步于情景预测分析，为探索减排路径，指导作用较弱。因此，采用碳排放系数法，核算陕西省2000—2021年碳排放量，在此基础上，定量分析陕西省碳排放影响因素，同时引入可拓展的随机性的环境影响评估（Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT）模型，进行情景预测并设计得到5条减排路径，提出具体政策建议，以期为陕西省碳达峰相关政策制定和任务实现提供更多思路。

1 研究样本与模型构建

1.1 样本数据来源与处理

碳排放数据来源于《陕西省能源统计年鉴》，经手工整理计算得到最终数据；其他数据来源于《陕西省统计年鉴》、陕西省国民经济及社会发展统计公报。缺失的数据根据EPS数据库进行补充，部分缺失值采用线性插值法进行补充。

1.2 模型构建

1.2.1 碳排放量测算

排放因子法常用于较为宏观层面的温室气体排放量核算。根据联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）指南，运用碳排放系数法，根据式（1）计算2000—2021年陕西省的碳排放量。

（1）

式中：CE为碳排放量，万t；CEi为第i种能源的消费量，万t标准煤；γi为第i种能源的碳排放系数，万t/万t标准煤；n为能源种类总数量。

能源标准煤换算系数和碳排放系数如表1所示。

1.2.2 STIRPAT模型

STIRPAT模型广泛应用于区域碳排放的情景预测，并取得理想的模拟效果。参考现有的研究[10]，将人口数量、城镇化率、经济发展、能源消费结构、能耗强度以及产业结构等6个要素纳入模型，如式（2）所示。

lnCE=lna+blnP+clnU+dlnA+elnS+f lnE+glnT+lnε（2）

式中：P为人口数量，用陕西省年末常住人口表示，研究显示人口和碳排放呈显著正相关[11]；U为城镇化率，用城镇人口占总人口的比例表示，研究表明城镇化将导致碳排放量上升[12]；A为经济发展，用人均国内生产总值（Gross Domestic Product，GDP）表示，根据环境库兹涅茨曲线，环境质量和经济发展之间呈倒U形的关系[13]；S为产业结构，用第二产业增加值占GDP的比例表示，研究表明第二产业的占比上升，将加剧碳排放规模[7]；E为能源消费结构，用煤炭消费占能源消费总量的比例表示；T为能耗强度，用单位GDP能源消费量表示，该指标反映出经济发展对能源的依赖[14]；a为模型系数；b、c、d、e和f均为弹性系数，分别表示指标每变化1%所带来的碳排放量的变化；ε为误差。

2 实证结果与分析

2.1 陕西省碳排放量核算

基于前文引入的碳排放系数法测算出陕西省历年碳排放总量和人均碳排放量，发现2000—2021年陕西省碳排放量整体呈增长趋势，具体如图1所示。

图1表明，在研究期间陕西省的碳排放量快速增长，碳排放总量由2000年的0.685 4×108 t上升至2021年的6.704 9×108 t，上升8.78倍；而人均碳排放量由1.88 t增长至16.96 t，上升8.02倍。这一高速增长与陕西省推动城镇化进程，促进经济发展有着紧密的联系。一方面，经济快速发展将促进城镇化进程，反过来，城镇的发展也将带动建筑业的发展、工业产业活动等；另一方面，经济的发展激发居民对高质量生活的追求，由此产生的生活垃圾及用电量将激增。

2.2 陕西省碳排放驱动因素分析

为消除多重共线性问题，采用偏最小二乘回归（Partial Least Squares Regression，PLS）进行拟合，具体如表2所示。从变量在投影中的重要性（Variable Importance in Projection，VIP）可以看出，经济发展的VIP值最大，为1.566，表明经济发展是陕西省碳排放关键驱动因素，而后依次为能耗强度（1.476）、能源消费结构（0.744）、产业结构（0.679）、城镇化率（0.388）、人口数量（0.300）。

通过标准化系数得到的拟合方程如式（3）所示，产业结构与陕西省碳排放量呈负相关，其余5个驱动因素则均呈正相关关系。

lnCE=0.327lnP+0.318lnU+1.743lnA-0.007lnS+

0.018lnE+0.844lnT（3）

通过式（4）偏最小二乘回归模型的预测值与真实值对比可知，模型的拟合效果良好，平均误差为2.0%。

lnCE=-9.313+0.437lnP+0.060lnU+0.981lnA-

0.026lnS+0.099lnE+0.960lnT（4）

2000—2021年陕西省实际碳排放量与预测值对比如图2所示。200—2021年，陕西省碳排放量预测值由0.872 1×108 t增长至7.574 8×108 t。其中，2005年和2017年为两个凸点，其原因可能是

2005年国家循环经济试点工作启动，2010年陕西成为低碳试点城市，至2017年政策减碳效果初见成效。

2.3 陕西省碳排放预测

2.3.1 情景参数设置

2000—2021年陕西省碳排放仍呈上升趋势，未来减碳压力依然较大。要按期完成减碳目标任务，需要预测陕西省未来碳排放量。设置低碳、基准、高碳3种情景，其中驱动因素参数设置参考《陕西省国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》，以中国五年发展规划思路，情景设置参照刘茂辉等[13]的研究，具体相关变量增长率设定如表3所示。

2.3.2 预测结果及分析

通过设置3种情景预测陕西省碳排放量，发现3种情景下陕西省碳排放量明显不同，具体如图3所示。2030年，陕西省碳排放量在高碳、基准、低碳3种情景下的碳排放量分别为6.968 5×108 t、6.636 6×108 t、6.314 5×108 t，在3种情景下，陕西省均能实现碳达峰目标，但其碳达峰的碳排量差距较大。此外，文章进行Monte Carlo分析，误差结果在为-0.072%，进一步验证预测结果具有可信度。

在高碳情景下，陕西省2021—2025年碳排量以1.82%的年均增长率递增，2025—2030年增速放缓，达峰年后以0.23%的速率逐年下降；在基准情景下，2021—2025年碳排量以0.77%的年平均增长率递增，2025—2030年碳排放增速放缓，达峰年后以0.16%的速率逐年下降；在低碳情景下，碳排放变化则有所不同，2021—2025年以0.25%的速率逐年下降，2025—2030年呈上扬态势，达峰年后以0.08%的速率逐年下降。

2.3.3 减排路径

根据陕西省碳排放驱动因素分析与各参数变化率的设置，结合腾飞等[14]研究，构建5条减排路径，具体设置如表4所示。

第一，循环发展路径。人口数量、城镇化率、经济发展设置为低碳情景下的变化率，其余因素设置为基准情景下的变化率。该路径表示在国家碳达峰的硬性约束下，通过放缓经济增长和城镇化率，降低碳排量。

第二，生态环保路径。人口数量、城镇化率、经济发展设置为高碳情景下的变化率，其余因素设置为低碳情景下的变化率。该路径表示在发展经济、人口总数、城镇化稳中有进的情况下，通过优化产业布局、改善能源消费结构及削弱能耗强度，降低碳排量。

第三，能源清洁路径。能源消费结构、能耗强度设置为低碳情景下的变化率，其余因素设置为基准情景下的变化率。该路径表示在现有人口数量、城镇化率、产业结构以及经济发展的基础上，通过调整能源消费结构、削弱能耗强度、优化能源消费结构，降低碳排量。

第四，产业升级路径。经济发展设置为高碳情景下的高速变化率，产业结构设置为低碳情景下的低速变化率，其余因素均为基准情景下的变化率。该路径表示在现有人口数量、城镇化率、能源消费结构和能耗强度的基础上，通过发展经济、优化产业结构布局，降低碳排量。

第五，全面减排路径。该路径采用各驱动因素在基准、低碳情景变化率相结合的方法，通过加强减碳减排政策实施力度，推动技术创新，从而降低碳排放量。

利用STIRPAT模型，预测得到5条减排路径，具体如图4所示。

由图4可知，陕西省在5种减排路径下均能实现碳达峰，且碳排放量均处于单调递减状态，峰值由低到高依次为全面减排路径（6.615 8×108 t）、能源清洁路径（6.626 6×108 t）、循环发展情景（6.726 8×108 t）、生态保护路径（6.905 3×108 t）、产业升级路径（6.917 6×108 t）。

通过对比5种减排路径的预测结果，在产业升级路径与生态保护路径下，陕西省的碳排放量下降得最快，但碳达峰的碳排放量将远高于其他几种路径，因此不可取。而能源清洁路径、全面减排路径既能使碳排量维持在较低水平，又能以较高速度减碳降碳，而这两种路径是以调整产业结构和优化能源结构，达到降低能源消费量的效果，且能源清洁路径下的碳排放量高于全面减排路径下的碳排放量，更加直观地说明碳排量的高低是多个因素共同作用的结果。因此，碳减排措施的制定既要全面考虑又要抓住关键少数，从而将政策效能最大化。

具体政策建议如下。一是合理规划发展进程，发展低碳经济。研究发现经济发展是增碳的第一驱动因素，必须合理规划经济发展进程，同时大力发展低碳经济，构建完备的低碳经济体系。二是注重技术进步，降低能耗强度。研究结果表明，能耗强度能对碳排放增长起到抑制作用，如采取引进新技术、加大资金投入等方式，可以降低能耗强度，激发陕西省减排潜力。三是严格控制产业和能源结构比例。

3 结论

基于核算得到的2000—2021年陕西省碳排放量，采用STIIRPAT模型确定驱动因素，并预测高碳、基准、低碳3种情景下碳排放量，组合得到5条减排路径，具体结论如下：第一，2000—2021年，陕西省碳排放总量和人均排放量均呈现出上升趋势；第二，驱动因素作用效果由大到小依次为经济发展、能源结构、能耗强度、产业结构、城镇化率、人口数量；第三，陕西省在高碳、基准、低碳3种情景下的碳排放量分别为6.968 5×108 t、6.636 6×108 t、6.314 5×108 t，均可实现碳达峰碳中和。其中，全面减排路径（各驱动因素在基准、低碳情景变化率相结合）减碳效果最佳。

参考文献

1 丛建辉，刘学敏，赵雪如.城市碳排放核算的边界界定及其测度方法[J].中国人口·资源与环境，2014（4）：19-26.

2 徐丽笑，王亚菲.我国城市碳排放核算：国际统计标准测度与方法构建[J].统计研究，2022（7）：12-30.

3 林伯强，蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界，2009（4）：27-36.

4 杨 骞，刘华军.中国二氧化碳排放的区域差异分解及影响因素：基于1995—2009年省际面板数据的研究[J].数量经济技术经济研究，2012（5）：36-49.

5 高国力，文 扬，王 丽，等.基于碳排放影响因素的城市群碳达峰研究[J].经济管理，2023（2）：39-58.

6 刘淳森，曲建升，葛钰洁，等.基于LSTM模型的中国交通运输业碳排放预测[J].中国环境科学，2023（5）：2574-2582.

7 袁晓玲，郗继宏，李朝鹏，等.中国工业部门碳排放峰值预测及减排潜力研究[J].统计与信息论坛，2020（9）：72-82.

8 张智慧，刘睿劼.基于投入产出分析的建筑业碳排放核算[J].清华大学学报（自然科学版），2013（1）：53-57.

9 王 怡.中国省域二氧化碳排放达峰情景预测及实现路径研究[J].科学决策，2022（1）：95-105.

10 赵 敏，张卫国，俞立中.上海市能源消费碳排放分析[J].环境科学研究，2009（8）：984-989.

11 李 瑾，常 征，吴 越，等.能耗“双控”向碳排放“双控”转变推动全国碳市场长期稳步发展[J].环境经济，2022（8）：32-37.

12 赵玉焕，钱之凌，徐 鑫.碳达峰和碳中和背景下中国产业结构升级对碳排放的影响研究[J].经济问题探索，2022（3）：87-105

13 刘茂辉，邓小文，刘胜楠，等.基于LMDI法和Tapio脱钩模型的天津市碳排放分析[J].环境污染与防治，2022（10）：1397-1401.

14 滕 飞，平冰宇，边 远，等.基于STIRPAT模型的东三省“碳排放”预测与达峰路径研究[J].通化师范学院学报，2022（10）：18-30.