基于STIRPAT模型的江蘇省碳排放影響因素與碳達峰預測研究
——以工業領域為例

周帶華 馬婷婷 李強 朱賓

(1.江蘇碳測低碳研究院有限公司 江蘇徐州 221001；2.中國礦業大學資源與地球科學學院 江蘇徐州 221116；3.徐州市自然資源和規劃局生態修復處 江蘇徐州 221018；4.徐州市土地儲備中心 江蘇徐州 221018)

改革開放以來，我國經濟一直保持著持續、快速的發展態勢，但粗放式的經濟發展模式帶來的環境問題日益凸顯。當前，我國已成為世界最大的碳排放國[1]，CO2排放導致的氣候變暖已影響到人類自身安全，特別是工業作為二氧化碳的重要排放源，已成為學術界關注的焦點[2-3]。我國工業領域CO2排放占總CO2排放量的比例超過50%[4]，工業是我國實現碳減排的重要領域。

江蘇省作為全國經濟排名第二的大省，能源消耗與碳排放總量都位居全國前列。江蘇省委十三屆九次全會提出了在全國率先實現“碳達峰”的目標，可見制定江蘇省碳排放達峰方案與減排路徑具有十分迫切的現實需要。此外，江蘇省是我國最重要的工業大省，工業碳排放量占全省碳排放總量的比重雖在下降，從2005年的81.68%下降到2018年的73.96%，但其比重超過其他碳排放源的總和。由此可見，工業領域的碳減排工作對江蘇省實現碳達峰碳中和目標具有關鍵意義。

本文依據歷年江蘇省和13個地級市統計年鑒中工業和能源消費的面板數據，核算江蘇省及各地級市2005—2018年工業碳排放量，并采用STIRPAT模型，綜合考慮經濟發展、技術進步和產業結構多方面因素，通過回歸擬合構建江蘇省工業碳達峰模型，設置不同的情景模式，預測分析江蘇省工業碳達峰的時間及峰值，研究結果可為江蘇省實現率先碳達峰目標提供科學參考。

1 數據和方法

1.1 數據來源

江蘇省工業數據與工業能源消費數據均來自《江蘇省統計年鑒》(2006—2019年)；工業用地面積數據來自《中國城市建設統計年鑒》(2006—2019年)；各地級市工業能源消費數據來自2006—2019年江蘇省13個地級市的統計年鑒。

1.2 碳排放核算

江蘇省工業碳排放量采用能源消耗量乘以碳排放系數進行核算。工業消費的各種化石能源先轉換成標準煤，換算系數按中國能源統計年鑒換算系數；碳排放系數根據IPCC指南[5]提供的推薦標準計算碳排放量，江蘇省工業能源相關二氧化碳排放量計算公式如下：

式(1)中：I為二氧化碳排放量；i為一次能源的類型；Fi為能源i的排放系數；Ei為能源i的消費量。

1.3 STIRPAT模型

STIRPAT模型是在IPAT模型的基礎上建立的[6]，廣泛用于研究人口、經濟和技術因素對環境壓力的影響，其表達式如下：

式(2)中，I為環境壓力，P為人口規模，A為富裕程度，T為技術水平，a為模型系數，b、c、d分別表示P、A、T的彈性系數，e為模型誤差項。

在實證分析中，一般對式(2)兩邊取對數，本文在前人已有研究基礎上對該公式進行了擴展，表達式為：

式(3)中：C為碳排放量；a為模型系數；X1-Xn分別代表不同模型因子；e為隨機誤差項。

2 江蘇省工業碳排放現狀與特征

2.1 江蘇省工業碳排放時空分布特征

改革開放以來，江蘇省一直是我國的經濟和工業大省，工業在快速發展的同時，也帶來了碳排放量的快速增長(見圖1)，其工業碳排放總量從2005年的4.49億噸增長到2018年的8.01億噸，年均增長率為4.70%。與此同時，江蘇省工業在全國的地位不斷上升，比重從2005年的6.57%增長到2018年的7.53%，同期工業碳排放比重保持同步上升態勢(見圖2-a)。需要注意的是，江蘇省工業碳排放量占全省總碳排放量的比重雖然逐年下降，但仍占據最高比重(超過70%)，高于全國工業碳排放量比重的10%左右(見圖2-b)，可見江蘇省工業碳減排的壓力仍然較大。此外，工業碳排放強度表現為持續下降，從2005年的1.37噸/萬元下降到0.67噸/萬元，表明江蘇省的工業結構調整和技術進步起到了較好的節能減排作用。

圖1 2005—2018年江蘇省工業碳排放量、工業總產值及工業碳排放強度變化趨勢

圖2 江蘇省工業碳排放分別與全省及全國比較

從江蘇省工業碳排放的空間分布特征來看，表現出明顯的空間差異性(見圖3)，表現出兩個趨勢：一是工業碳排放量與工業發展呈現正相關關系，基本表現為蘇南高于蘇北的特征；二是江蘇南北兩端工業碳排放量較大，增長速度明顯快于中部地區。南京作為省會和我國重要的工業城市，工業類型多樣，導致碳排放長期居高不下，蘇州和無錫亦處于工業碳排放增加較快地區行列。值得注意的是，徐州作為老工業基地、能源供給基地和電力輸配送基地，工業碳排放量增加總量和增加速度都處于全省前列。

圖3 江蘇省各地級市碳排放量區域分布圖(2005年、2018年)

2.2 工業消耗化石能源結構特征

在工業消耗的化石能源結構方面(見圖4)，煤炭類能源始終占據江蘇省工業化石能源消費的主導地位，2018年煤炭消費仍然占據工業化石能源消費總量的50%以上。由于煤炭產生的二氧化碳數量大于石油和天然氣，全省煤炭消費產生的碳排放量占據62.81%，可見江蘇省工業消費中煤炭仍占據主導地位，而石油和天然氣等相對清潔的化石能源比重長期在低位徘徊，僅從2005年的27.31%增長到2018年的44.51%，碳排放量的增幅遠小于消費量的增加度。由此可見，江蘇省工業化石能源消費結構仍然存在較大的優化空間，較為清潔的石油和天然氣比例仍然較低。

圖4 2005—2018年江蘇省工業化石能源消費量與碳排放比例分布圖

3 江蘇省工業碳排放影響因素分析

3.1 STIRPAT模型構建

已有研究表明，STIRPAT模型拒絕了單位彈性假設，增加了隨機性，便于實證分析，在定量碳排放與各影響因素間的關系時應用廣泛[7-10]。根據已有研究，人口、人均GDP、城鎮化率、產業結構、能源強度和能源結構6個因素廣泛應用于碳排放相關研究中，均能顯著影響碳排放[11-13]。在此基礎上，本文結合STIRPAT模型的特點及江蘇省工業發展與外貿緊密聯系的實際情況，針對性地選取人口、經濟增長指標等7項影響因子，構建了江蘇省工業碳排放影響因素衡量體系(見表1)。

表1 江蘇省工業碳排放影響因素選取因子及意義

本文運用SPSS對數據進行多元回歸分析，發現各因子之間存在嚴重的多重共線性。這是因為擴展的STIRPAT模型本質上是一個隨機回歸模型，多元回歸模型中自變量之間存在線性相關，這會增加回歸模型系數的標準誤差，導致模型結果不穩定。嶺回歸通過在自變易標準化矩陣的主對角線上添加一個非負因子k來消除多重共線性對結果的干擾，廣泛應用于多樣本數據和病態數據較多的分析。為此，本文采用嶺回歸方法對數據進行重新回歸計算(見表2)。

表2 運用嶺回歸估計的結果

根據表2的計算結果，R2=0.971、F=28.382，可以通過p=0.01的檢驗，變量除了產業結構與經濟開放度外，顯著性均通過p=0.05的檢驗，表明模型可以較好地解釋江蘇省工業碳排放量與各自變量之間的關系，其最終計算結果為：

3.2 影響因素分析

根據7個因子所代表的具體含義，可將其劃分為三大類：一是經濟發展因子，包括X1、X2、X3、X5和X6；二是技術進步因子，包括X4；三是產業結構因子，包括X7。從模型(4)計算將結果顯示的系數來看，與江蘇省工業碳排放呈現正相關關系且貢獻程度的有4個因子，且貢獻程度比較為：人口(X1)＞城鎮化率(X3)＞FDI投資效應(X6)＞經濟增長與人民消費水平(X2)；呈現負相關關系且貢獻程度比較為：化石能源消費水平(X5)＞經濟開放度(X4)＞產業結構(X7)。

從STIRPAT模型計算結果可以看出，人口增長(特別是城鎮人口增長)和經濟發展的提高對碳排放量具有較強的正向影響，符合環境庫茲涅茲曲線(Environmental Kuznets Curve, EKC)的理論，即在一個國家經濟增長初期，經濟增長與環境污染呈正相關關系。需要注意的是，在產業結構方面，一般認為工業增加值占GDP比重越高，碳排放量越大，但江蘇省產業結構對碳排放量的影響則相反，表明江蘇省產業結構生機與調整產生了一定的碳排放抑制效果。例如，通過對比可以發現，近年來江蘇省的工業增長點已從傳統制造、化工行業轉向醫要、機械電子制造等高附加值行業。醫藥制造業從2005年的403.56億元增長到2018年的3166.88億元，增長率為684.75%；同期，電氣機械和器材制造業從1588.24億元增長到13281.18億元，增長率為736.22%；計算機、通信和其他電子設備制造業從3411.97億元增長到15465.03億元，增長率為684.75%。因而可以判斷，工業結構的調整是導致江蘇省工業碳排放強度逐年降低的主要因素，在一定程度上減緩了江蘇省工業碳排放總量的提高。

根據已有研究[14]，經濟發展與碳排放的關系將會先后呈現3個倒“U”型規律，即碳排放強度倒U型曲線高峰、人均碳排放量倒U型曲線高峰和碳排放量倒U型曲線高峰。不同階段下碳排放的主導驅動力不同：在碳排放強度高峰之前階段，能源、碳密集型技術進步為主要影響因素；在碳排放強度高峰到人均碳排放量高峰階段，經濟增長為主要影響因素；在人均碳排放量高峰到碳排放量高峰階段，碳減排技術進步成為主要影響因素；而進入碳排放總量穩定下降階段后，碳減排技術進步起到了決定性作用。從目前江蘇省工業發展來看，工業碳排放正處于從碳排放強度高峰向人均碳排放強度高峰轉變的過程中，表明經濟發展將成為工業碳排放的主導因素[15]，可以預見，江蘇省只有跨入第三個“U”型階段后，技術進步才能成為抑制工業碳排放增長的主要因素。

4 江蘇省工業碳達峰預測/趨勢分析

4.1 情景設置

本文利用STIRPAT模型進行江蘇省工業碳達峰的情景模擬。情景模擬因子按經濟發展因子、技術進步因子和產業結構調整因子對工業碳排放的影響程度，并參考江蘇省政府發布的《江蘇省國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標綱要》關于江蘇省經濟社會發展的主要目標，根據《江蘇省“十四五”制造業高質量發展規劃》設置技術進步因子，根據《中華人民共和國國民經濟和社會發展第十四個五年規劃和2035年遠景目標綱要》設置產業結構調整因子，分別將三類因子設置為“高、中、低”三種發展模式進行組合模擬。將上述變量的不同階段進行組合，對江蘇省工業碳排放進行了27種模式的模擬預測，并從中優選出最符合發展實際的三種模式進行2020—2040年階段的工業碳排放情景分析，情景分析的指標設置如表3所示。

表3 江蘇省工業碳排放影響因素情景分析

4.2 碳達峰預測

預測結果顯示(見圖5)，三種模式均可在2030年之前實現碳達峰，其中兩種模式可以同時完成江蘇省率先實現碳達峰的要求，但三種模式的峰值存在一定的差異：高增長模式中2030年工業實現碳達峰，但其總量將達到9.73億噸，且在碳達峰后其碳排放下降速率十分有限，可能對將來的碳中和目標產生較大影響；中速增長在2025年時碳達峰(8.52億噸)，但達峰后并不穩定，在一定階段在碳排放峰值平臺期；低增長模式下，具備碳達峰時間快(2025年)、碳排放總量最小(8.13億噸)的優點，可作為江蘇省工業碳達峰的優先選擇模式。同時，對比模型可以發現，經濟增長因子對碳達峰時間和達峰總量均具有高度正相關影響，因此江蘇省在今后的發展中要想實現率先碳達峰，就無法選擇經濟中高速擴張的舊模式，而應選取更加穩健和綠色的經濟增長模式。

圖5 三種情景下江蘇省工業碳排放預測(2020—2040年)

5 結語

第一，伴隨工業的快速發展，2005—2018年江蘇省工業碳排放量持續增長，從4.49億噸增長到8.01億噸，工業碳減排形勢不容樂觀，但工業碳排放強度不斷下降，從1.37噸/萬元下降到0.67噸/萬元。江蘇省工業碳排放空間分布表現出明顯的空間差異性，基本表現為蘇南高于蘇北的特征。

第二，江蘇省工業化石能源消費結構中，煤炭占據絕對優勢地位，相對清潔的石油和天然氣消費比例偏低，工業化石能源消費結構仍然存在較大的優化空間。

第三，嶺回歸擬合擴展的STIRPAT模型的分析結果表明，江蘇省工業碳排放正處于從碳排放強度高峰向人均碳排放強度高峰轉變的過程中，人口和經濟發展仍是影響工業碳排放的主導因素。通過情景模擬計算，本文認為江蘇省工業要想實現率先碳達峰，就應選取更加穩健和綠色的經濟增長模式。