张剑，刘景洋，董莉，乔琦
国家环境保护生态工业重点实验室, 中国环境科学研究院
全球变暖不仅造成严重的经济损失，而且导致社会福利损失和人口迁移[1]。联合国政府间气候变化专门委员会（IPCC）第五次评估报告(AR5)[2]指出，1970——2010年化石燃料燃烧和工业过程CO2排放量约占温室气体总排放增量的78%，过去全球平均气温升高原因中95%可能与人类活动产生的温室气体有关，而传统化石能源消费产生的CO2等温室气体又是造成全球温室效应的主要原因。据《BP世界能源统计年鉴》[3]，2019年全球由能源产生的CO2排放量约341.69亿t，较2018年增长0.5%。中国是能源消费和碳排放大国，2020年中国碳排放总量占全球总排放量的32%[4]。2020年9月，中国在联合国大会上向世界宣布了2030年前实现碳达峰、2060年前实现碳中和的目标，在加速中国经济和能源转型、推动高质量发展等方面都具有高瞻远瞩的意义。
国内外碳排放的研究主要集中在碳排放影响因素与预测上。常用的方法有环境库兹涅茨曲线[5-7]、IPAT 方程[8-10]、STIRPAT 方程[11-16]、Kaya恒等式[17]、LMDI分解法[18-19]、BP神经网络[20-21]、灰色预测模型[22]、系统动力学[23-25]、LEAP模型[26-27]等。STIRPAT方程是IPAT方程的扩展形式，是探索与认识复杂的社会经济因素对环境压力影响的有效方法，目前已经在气候变化、碳排放、能源消耗等领域的研究中发挥了重要作用[28]。STIRPAT模型可以用来探讨碳排放的影响因素，也可以对碳排放量进行预测。
以往研究碳排放的STIRPAT模型在产业结构层面上较少考虑到第三产业变动所带来的影响，但第三产业也是碳排放的重要来源，产业结构影响能源消耗总量，进而影响到CO2排放量。鉴于大多数文献存在数据陈旧、遗漏重要变量等问题，笔者以2000——2020年中国相关时间序列数据为依据，基于Tapio脱钩模型分析经济增长对CO2排放的依赖程度，利用扩展后的STIRPAT模型，探讨中国能源消费CO2排放的影响因素，并利用情景分析法预测基准情景（S0）、产业结构优化情景（S1）、能源结构优化情景（S2）、多要素优化情景（S3）4种情景下的能源消费CO2排放量，以期寻找碳减排的技术路线和对策，为实现碳达峰、碳中和目标提供科学的决策参考。
1.1 研究方法
1.1.1 能源消费CO2排放量的估算
我国的CO2排放主要来源于化石能源的消费，能源消费所产生的CO2排放量计算公式如下：
式中：ICO2为能源消费所产生的CO2排放量，亿t；
Ei为第i类化石能源的消费标准量，万t，以标准煤计；
δi为第i类能源的碳排放系数，煤炭、石油和天然气的碳排放系数分别取0.747 6、0.582 5和0.443 5[29]；
44/12是按CO2分子量和C原子量的比例计算得到的气化系数。
1.1.2 脱钩模型
碳排放脱钩是指经济增长对化石能源消费的依赖逐步降低[30]，经济发展与碳排放之间的关系逐渐弱化。采用Tapio脱钩模型[31]，通过计算中国能源消费CO2排放与经济增长之间的脱钩弹性系数来考察二者之间的脱钩状态。设脱钩弹性系数为e，其计算公式如下：
式中：It和It-1和分别表示t年和t-1年的CO2排放量，GDPt和 GDPt-1和分别表示t年和t-1年的国内生产总值。
1.1.3 IPAT方程与STIRPAT模型
IPAT方程又叫环境负荷的控制方程，用于表征人类活动对环境问题的成因，由Ehrlich等[32]于20世纪70年代提出，其公式如下：
式中：I为环境压力，通常用能源消耗量或污染物排放量来表示；
P为人口要素，通常用人口规模来表示；
A为富裕度要素，通常用人均地区生产总值来表示；
T为技术要素，通常用单位地区生产总值所产生的环境影响或能源消耗来表征。
Dietz等[33-34]在经典IPAT方程的基础上，提出了STIRPAT模型。STIRPAT模型克服了IPAT方程所有自变量等比例影响因变量的劣势，并可根据研究目的及需要加入其他自变量来更全面评估环境压力，其公式如下：
式中：a为模型的系数；
b、c、d为指数项；
θ为模型的残差项。
对式（4）两边取对数后可得式（5）：
式中：lna为常数项；
lnθ为随机干扰项。
鉴于人口规模、人均GDP、城镇化率、产业结构、碳排放强度和能源消费结构等要素广泛用于碳排放研究，笔者基于STIRPAT模型，选取人口规模和城镇化率作为人口要素，选取人均GDP、第二产业占比、第三产业占比作为富裕度要素，选取碳排放强度和能源消费结构作为技术要素（表1）。
表1 模型中各变量情况说明Table 1 Description of each variable in the model
在STIRPAT模型的基础上，将表1中8个变量引入式（5），为了检验CO2排放量与经济增长之间是否存在倒U型的环境库兹涅茨曲线，将(lnA1)2加入到式（5）中：
式中：lnP1、lnP2、lnA1、(lnA1)2、lnA2、lnA3、lnT1、lnT2为自变量；
a1～a8为弹性系数，若a4＜0，则CO2排放量与经济增长之间存在倒U型的环境库兹涅茨曲线。
1.2 数据来源
依据2000——2020年中国能源消费量数据计算能源消费CO2排放量，能源种类包括煤炭、石油、天然气。人均GDP、碳排放强度测算依据的人均GDP数据均以2000年不变价格计算。所有数据均来源于国家统计局[35]。
2.1 能源消费量和产生的CO2排放量
2000——2020年中国能源消费量和所产生的CO2排放量如图1所示。从图1可以看出，自2000年以来，我国能源消费量一直保持增长趋势，2000年为14.7亿t，2020年增至49.8亿t，总体增长238.86%，年均增长6.29%。能源消费所产生的CO2排放量也在同步增加，从2000年的35亿t增长到2020年的104.38亿t。2003年以前，CO2排放量增长率逐年上升，并在2003年达到峰值，为17.57%。从2003年开始，增长率有所下降，且从2006年以来，增长率一直保持在10%以内。从2018年开始，能源消费量和CO2排放量的增长率持续下降。
图1 2000——2020年中国能源消费量和能源消费所产生的CO2排放量变化Fig.1 Changes in China"s energy consumption and CO2 emission of energy consumption from 2000 to 2020
2.2 脱钩效应
利用式（2）计算2000——2020年中国能源消费CO2排放量与经济增长之间的脱钩弹性系数，结果如表2所示。
由表2可知，研究期内中国能源消费CO2排放量与经济增长之间的脱钩状态总体较好，以弱脱钩为主。CO2排放量脱钩状态的演变过程可划分为2个阶段：第1阶段（2000——2005年）以扩张型负脱钩为主，该阶段CO2排放量的增长速度较快，并且超过了经济增长速度，2003年表现得尤为明显。第2阶段（2005——2020年）除2010——2011年外均为弱脱钩，这表明在经济增长的同时，虽然CO2排放量也在增长，但其增长幅度小于经济增长幅度，这是一种比较理想的脱钩状态。该阶段脱钩弹性系数总体呈先下降后上升的态势，这是因为自“十五”规划以来，落实环境保护责任，大力发展循环经济，加强环境保护监管等环保措施效果显著。但中国正处在经济和产业转型时期，仍以高耗能、高污染经济增长模式为主，脱钩弹性系数并不稳定，应使“双碳”目标成为经济转型助推器，通过知识、技术、治理等方式来提高经济增长率，全面向绿色低碳、高质量发展转型，实现稳定的脱钩弹性系数。
表2 2000——2020年中国能源消费CO2排放量与经济增长的脱钩关系Table 2 Decoupling relationship between CO2 emission of China"s energy consumption and economic growth from 2000 to 2020
2.3 STIRPAT模型估计
利用岭回归消除模型的多重共线性。当k=0.1时，岭回归估计结果如表3所示。从表3可以看出，各变量的回归系数逐渐趋于稳定；
模型的可决系数（R2）为 0.990，整体拟合程度非常好；
F=155.399，通过了1%的显著性水平检验。
表3 岭回归估计结果Table 3 Estimated results by Ridge regression
得到的岭回归方程为：
根据岭回归方程，对自变量的回归系数进行排序，以说明各自变量对能源消费CO2排放量的影响程度，其排序为人口规模＞能源消费结构＞第二产业占比＞城镇化率＞人均GDP＞第三产业占比＞碳排放强度。根据岭回归方程，当人口规模、能源消费结构、第二产业占比、城镇化率、人均GDP、第三产业占比、碳排放强度每变化1%时，分别引起能源消费CO2排放量的2.857%、0.879%、0.836%、0.623%、(0.221+0.011lnA1)%、0.241%、0.132%的变化。根据岭回归方程，(lnA1)2的系数为正，说明中国目前的能源消费CO2排放量与经济增长之间不存在倒U型的环境库兹涅茨曲线。
人口要素是影响中国能源消费CO2排放量最主要的要素。人口规模与CO2排放量呈正相关关系，当年末总人口数每增加1%，CO2排放量将增加2.857%。能源是人类生存的基本要求，人类日常的一切活动都会直接或间接产生CO2[36]。中国又是世界上人口最多的国家，虽然近30年人口年度增长率不断下降，但人口基数大，人均寿命逐步提高，且伴随三孩政策的逐步落实，人口规模在未来较长的一段时间内仍将保持在较高水平，人口依旧会是能源消费量和CO2排放量的重要影响因素。当城镇化率每增加1%，CO2排放量将增加0.623%。2000——2020年，我国人口的城镇化率从36.22%增至63.89%，平均每年增长1.38个百分点。伴随着城镇化水平的快速提高，居民消费水平将会提高，生活方式也会随之改变，从而使得居民对生活性能源消耗的直接与间接需求增长[37]；
城市建筑、交通及居民住宅等对能源的需求也会不断增长[38]，从而带动了CO2排放量的增长。
富裕度要素是影响CO2排放量的第二大要素。当人均GDP每增加1%，CO2排放量将增加(0.221+0.011lnA1)%。2000——2020年中国人均GDP增长了8倍，年均增长率11.7%。随着人均GDP的持续增长，居民拥有更多的可支配收入，居民的消费水平不断提高，居住条件逐步改善，消费品（尤其是耐用消费品）购买持续增长，这不可避免导致了能源消费量和CO2排放量的增长。当第二产业占比每下降1%时，CO2排放量将减少0.836%；
当第三产业占比每增加1%时，CO2排放量将增加0.241%。第二产业占比、第三产业占比作为产业结构变化的指标，研究期内分别呈下降和上升的趋势，且第三产业占比对CO2排放量的贡献程度小于第二产业占比。因此，调整产业结构，优化产业布局，提高第三产业的发展质量和水平，培育经济发展的新动力将有助于减少CO2排放量。
技术要素对CO2排放量也有较为显著的影响。当碳排放强度每下降1%，CO2排放量将减少0.132%。碳排放强度由2000年的3.49 t/万元降至2020年的1.96 t/万元（2000年不变价），呈现出持续下降的态势。碳排放强度越低，意味着CO2排放量越少的同时经济发展越好[39]。已有研究表明，碳排放强度的降低离不开技术的进步、能源利用效率的提高等因素[40-41]。碳排放强度的回归系数较小，表明碳排放强度的下降虽然会抑制CO2的排放，但目前的减排效果并不明显。因此，积极发展碳捕获、利用与封存技术，提高能源的利用效率，促进碳排放强度进一步降低，是我国未来碳减排的主要手段。能源消费结构对CO2排放量也有重要影响，煤炭消费量在能源消费量中的占比长期居高不下，也是我国CO2排放量持续增长的主要原因之一。当煤炭消费量占比每下降1%，CO2排放量将减少0.879%。研究期内，煤炭消费量占比先升后降，且有继续下降的趋势。虽然能源消费结构正逐步得到优化，但目前我国的能源消耗仍过度依赖煤炭，降碳减排应注重能源消费结构调整，控制和减少化石能源消费总量，逐步提高清洁能源的使用比例。
与已有的研究成果进行对比，不同文献对中国碳排放影响因素的研究结论并不完全一致，这是由研究地区、模型方法、数据的种类及其时间跨度等因素上的差异造成的。本研究结果与Li等[42]的研究结果相似，均认为人口要素是驱动中国能消费CO2排放量最重要的因素；
马晓钰等[43]研究了人口要素对30个省（区、市）的CO2排放量影响程度，发现人口规模对CO2排放量影响程度最大，其次是城市化水平和家庭规模；
而朱勤等[44]利用1978——2008年的数据研究人口、消费及技术因素对碳排放量的影响，结果表明人口规模并不是最主要的影响因素，人均消费额和城市化率对碳排放的影响高于人口规模。
2.4 能源消费CO2排放量预测
基于中国能源消费CO2排放的STIRPAT模型，将其变换可进一步得到中国能源消费CO2排放量的预测公式：
对式（8）进行有效性验证，将各年度人口要素、富裕度要素、技术要素数据代入求得CO2排放量的模拟值，并进一步将模拟值与历史值进行2个独立样本T检验。结果表明，P为0.996，显著大于0.01，说明根据式（8）计算的CO2排放量模拟值与历史值具有较好的一致性。
情景分析在碳排放研究中被广泛应用，是预测未来碳排放趋势的一种常规方法。基于各要素变化率的历史值、“双碳”目标以及“十四五”时期相关政策规划，分别设定了基准情景（S0）、产业结构优化情景（S1）、能源结构优化情景（S2）、多要素优化情景（S3）4 种情景。
基准情景（S0）：在该情景下，各要素的变化率均为中速率。即保持现有发展模式和速度条件下，预测未来可能的CO2排放趋势。
产业结构优化情景（S1）：以基准情景为基础，将第二产业占比的下降速率和第三产业占比的增长速率由中速率设定为高速率，其他要素的变化率与基准情景相同。该情景重点关注产业结构调整和优化，即加大第二产业占比下降的速率，提升第三产业占比增长的速率，特别是通过加快培育和发展战略性新兴产业等措施来降低CO2排放量。
能源结构优化情景（S2）：以基准情景为基础，将碳排放强度与煤炭消费量占比的下降速率由中速率设定为高速率，其他要素的变化率与基准情景相同。该情景通过加强低碳技术、能效提升技术的应用及提升清洁能源占比等措施来降低CO2排放量。
多要素优化情景（S3）：以基准情景为基础，将第二产业占比、碳排放强度、煤炭消费量占比的下降速率由中速率设定为高速率，将第三产业占比的增长速率由中速率设定为高速率，其他要素的变化率与基准情景相同。该情景代表了多种措施的协同作用，反映了综合考虑未来社会、经济、环境发展需求后所尽力争取达到的CO2排放状态。
情景分析时间跨度为2021——2060年，分4个阶段：第1阶段为2021——2030年，第2阶段为2031——2040年，第3阶段为 2041——2050年，第4阶段为2051——2060年。依据相关规划，将预测模型中的各要素分阶段赋予变化率，如表4所示。基于4种情景，进一步利用式（8）对中国能源消费CO2排放量进行情景分析预测，结果如图2所示。
表4 模型中各要素的情景参数设定Table 4 Scenario parameter setting of factors affecting CO2 emission in the model %
从图2可以看出，4种情景下能源消费CO2排放量存在显著差异。S0情景下，中国在2030年无法实现碳达峰的目标，CO2排放量将在2040年达到峰值，为118.04亿t。S1和S2情景下，CO2排放量可在2030年达峰，峰值分别为110.90亿和109.18亿t，其中S2情景的减排效果优于S1情景，这是因为第三产业也是CO2排放的重要来源，低碳消费是实现碳达峰不可忽视的重要领域，S2情景注重降低煤炭消费量占比，通过提高能效从源头上对CO2排放加以控制，因此减排效果更好。但是这2种情景都存在着一定的不确定性：S1情景中产业发展受到各种因素的影响，如市场变化、政策出台等均会影响产业发展的预期；
S2情景下，2030年的煤炭消费量占比要达到44.10%，实现这个目标有一定难度，需要大力发展使用可再生能源技术，积极制定并有效实施能源相关政策等。S3情景下，CO2排放量在2021年达到峰值，为105.03亿t，之后缓慢下降，进入相对稳定的平台期，在2030年左右开始加速下降，此情景的碳减排效果最为理想。由于各要素存在不确定性，S3情景下的达峰年限可能还会推迟。S3情景多措并举，从制度机制、技术创新、能源和产业结构优化等多个途径推进碳减排，也符合我国实现碳达峰和碳中和的决心。本研究未考虑到碳汇建设，碳汇对碳中和的影响还有待于进一步研究。
图2 不同情景下2021——2060年中国能源消费CO2排放量Fig.2 CO2 emissions from China"s energy consumption under different scenarios in 2021-2060
（1）2000——2020年的21年间，中国能源消费量和能源消费产生的CO2排放量均呈上升趋势。其中，能源消费量增长238.86%，能源消费CO2排放量增长198.19%。能源消费CO2排放量与经济增长之间整体呈现出弱脱钩状态。
（2）人口规模、能源消费结构、第二产业占比、城镇化率、人均GDP、第三产业占比、碳排放强度每变化1%时，分别引起能源消费CO2排放量的2.857%、0.879% 、0.836% 、0.623% 、(0.221+0.011 lnA1)%、0.241%、0.132%的变化。(lnA1)2系数为正，表明目前中国还不存在能源消费CO2排放量的倒U型环境库兹涅茨曲线，未来CO2减排压力仍不乐观。
（3）基准情景(S0)下中国无法在2030年之前实现碳达峰，峰值出现在2040年，为118.04亿t。产业结构优化情景(S1)和能源结构优化情景(S2)下CO2排放量在2030年左右达到峰值，分别为110.79亿和109.18亿t。多要素优化情景(S3)下CO2排放量在2030年前达到峰值，为105.03亿t，之后缓慢下降，并在2030年之后加速下降。多要素优化情景(S3)是切合我国碳减排实际的情景。所以为早日实现碳达峰、碳中和，应做好顶层设计，促进产业结构转型，加快能源体制机制改革，稳步推进碳达峰、碳中和目标的实现。
猜你喜欢消费量第三产业排放量天然气输配系统甲烷排放量化方法煤气与热力(2021年6期)2021-07-28黑龙江省碳排放量影响因素研究高师理科学刊(2020年2期)2020-11-26韩国电企2月份煤炭消费量同比下降18.5%矿山安全信息(2020年12期)2020-01-05第三产业完成投资增长2.9%投资北京(2018年1期)2018-01-22江苏省县域第三产业增加值的空间统计分析统计与决策(2017年2期)2017-03-20一季度第三产业增速明显下滑股市动态分析(2016年15期)2016-10-192014年全国纸及纸板生产量为1.0470亿吨印刷技术·数字印艺(2015年6期)2015-08-31N2015083 中国铜铝消费量料在未来十年达到顶峰中国有色冶金(2015年5期)2015-01-28——《2013年中国机动车污染防治年报》(第Ⅱ部分)">全国机动车污染物排放量——《2013年中国机动车污染防治年报》(第Ⅱ部分)环境与可持续发展(2014年1期)2014-08-14江苏省火力发电机组二氧化碳排放量估算电力工程技术(2014年1期)2014-03-20