区域能源消费碳排放峰值预测及可控性研究

王宪恩+王泳璇+段海燕

收稿日期：2014-03-30

作者简介：王宪恩，博士，教授，博导，主要研究方向为环境经济、环境管理、环境规划与评价等。

通讯作者：段海燕，博士，副教授，主要研究方向为环境管理与环境经济、环境法等。

基金项目：国家自然科学基金项目“应对气候变化的低碳经济区建设政策研究”（编号：70941036）；吉林省科技厅项目“吉林省碳排放峰值预测与低碳发展政策研究”（编号：20110638）；吉林省科技厅项目“吉林省民用建筑节能降耗对策研究”（编号：20120606）。

摘要探讨不同因素对能源消费碳排放峰值的影响，对国家（地区）低碳政策具有重要意义。本文以吉林省为例，根据低碳社会发展各个不同阶段设定低碳情景、节能-低碳情景、节能情景和基准情景等4种情景，基于扩展STIRPAT模型，对能源消费碳排放进行预测，峰值时间分别为2029年、2036年、2040年和2045年，对应峰值依次为264.0×106 t,356.2×106 t,430.0×106 t和477.3×106 t。在此基础上，对吉林省能源消费碳排放展开可控性研究，探讨各因素变化对峰值大小和峰值时间的影响，分析表明各因素对峰值均有不同程度的影响，其中人口、城市化率只影响峰值大小，人均GDP、碳排放强度和第二产业占比对峰值时间和大小均有一定影响，三种因素分别从低速率提升至高速率时，人均GDP将导致峰值时间推迟，而碳排放强度和第二产业占比则将推动峰值时间提前；进一步定量分析各因素影响程度，依次为：人均GDP>第二产业占比>碳排放强度>城市化率>人口。根据研究结果对吉林省政策次序提出建议，在保证经济发展质量的基础上，控制经济增长速度、优先调整产业结构、降低碳排放强度、合理规划推进城镇化进程。

关键词能源消费碳排放；峰值影响；STIRPAT；可控性研究

中图分类号X321文献标识码A文章编号1002-2104（2014）08-0009-08doi:10.3969/j.issn.1002-2104.2014.08.002

随着应对气候变化行动的不断深入，化石能源燃烧引致的碳排放问题越来越受到人们的关注［1］。围绕气候变化问题的谈判已成为各国间的利益博弈［2］，2020年《京都议定书》第二履约期期满，所有签约国将面临全面参加减排框架的可能；同时，基于低碳发展的需要，中国及各省急需了解自身未来的碳排放趋势及峰值情形，为今后的低碳发展制定和实施科学性政策。因此，预测能源消费碳排放峰值的大小和时间（下文均简称“碳排放”、“峰值大小”和“峰值时间”），探讨各因素对峰值大小和时间的影响具有重要意义。

目前国内外学术界对碳排放方面的研究主要集中于碳排放影响研究。总结普遍性的研究结论，从人口视角［3-5］出发，认为人口规模、居民消费、城市化率等驱动碳排放的增加；从经济视角［6-8］出发，认为经济发展对碳排放起到最为显著的驱动效应；从技术视角［6-7,9］出发，认为碳排放强度、单位GDP能耗等降低对碳排放起负向效应；从产业结构，能源结构视角［7,9-10］出发，认为产业结构调整，能源结构优化，有助于减缓碳排放的增加。随着碳排放研究的不断深入，很多学者展开对碳排放的预测研究，渠镇宁［11］利用STIRPAT模型对未来中国碳排放峰值进行预测；Shiyan Zhai［12］基于能源消费预测印度碳排放峰值；朱永彬［13］基于能源消费预测中国碳排放峰值出现在2040年左右。但现有研究中，较少涉猎不同因素对峰值大小和时间的影响，朱永彬分3种情景模拟可再生能源替代政策对碳排放的影响，发现提高可再生能源比重可以明显降低碳排放量，而对峰值时间影响甚微,但并未对其结论展开分析讨论；渠镇宁预测中国碳排放峰值时，将产业结构取为定值，认为其不影响峰值时间，但同样缺少对这种设定的分析说明。

本文以吉林省为例，基于扩展STIRPAT模型，运用情景分析预测吉林省不同情景下的碳排放峰值，在此基础上，通过数理推导分析各个因素单独变化对峰值时间和大小的影响，以此为基础进行可控性分析，根据研究结果，为吉林省低碳经济发展提供科学的决策参考。

1原理和方法1.1STIRPAT模型

碳排放研究中常使用IPAT及衍生的STIRPAT［11,14］、LMDI［15］，环境库兹涅茨曲线［4］以及其他研究方法等，其中IPAT及STIRPAT为确定性的数理公式，能够将各影响因素逐一进行分解［16］，有助于深入研究单因素对碳排放峰值的影响。

STIRPAT模型是Dietz T［17］为克服IPAT［18］等比例变化的局限性，将IPAT等式以随机模型的形式表示而建立的。通过对人口、财富和技术条件因素的统计回归，进行碳排放影响的随机估计。模型表达为：

I=aP b A c T d e(1)

其中，I、P、A、T分别表示环境压力、人口数量、富裕度和技术水平；a是模型的系数；b、c、d分别是各自变量指数；e为模型误差［19］。

1.2情景分析

情景分析广泛应用于能源消费碳排放的相关研究，如国际能源署，国家发改委能源研究所等权威部门均采用该方法研究未来碳排放趋势［20］，情景设定方法各有不同［20-22］。本文参考已有研究，根据低碳社会发展各个不同阶段设定4种情景：基准情景、节能情景、节能-低碳情景和低碳情景。情景分析时间跨度为2010-2050年。根据弹性系数定义，P、A、T每发生1%的变化，将分别引起I发生b%、c%、d%的变化。现有研究为了更加全面的分析影响碳排放的因素，STIRPAT模型在运用中通常会加入无量纲变基，如城市化率等，通过回归分析结果展开研究。

121基准情景（Business as Usual Scenario）

以吉林省“十一五”之前未采取节能减排政策和措施的社会发展情况为基准，能源结构、产业结构和节能技术等未来发展速率的设定基于未实行节能减排政策的水平，基本反映自然引导型的经济发展与碳排放状态。

122节能情景（Energysaving Scenario）

以吉林省“十一五”实行节能减排后的社会发展现状为基础，能源结构、产业结构和节能技术等未来发展速率的设定基于实行节能减排政策的水平，提高能源效率和低碳技术的应用，基本反映节能政策引导下的经济发展与碳排放状态。

123节能-低碳情景（Energysaving to Lowcarbon Scenario）

在节能减排政策推行过程中，进一步提高政策措施实行力度，全面展开低碳社会建设，能源结构、产业结构等方面未来发展速率的设定，初始阶段参照节能情景的设定，逐步深化低碳发展，如增加天然气能源比重等，注重经济与环境的协调发展，基本反映在节能减排基础上自身努力所能实现的经济发展与碳排放状态。

124低碳情景（Lowcarbon Scenario）

全面展开低碳社会建设，综合考虑社会经济与环境的可持续发展，确保经济稳定增长的同时，积极改变社会的发展模式，科学规划城市发展，加快技术进步、控制人口增长和改变能源消费方式等，要求在经济、技术、能源等方面有重大举措且效果显著，基本反映通过积极努力，尽力争取所能实现的经济发展与碳排放状态。

2吉林省能源消费碳排放峰值预测

2012年末，吉林省人口为2 750.4万人，GDP达到11 939.2亿元，经济产业结构比例为12∶53∶35，能源消费总量为9 028.3万t标煤，呈逐年上升趋势，其中煤炭占比70%以上，第二产业仍为最主要的能源消费部门，能源消费碳排放量达221.8百万tCO2，人均碳排放量为8.1 t/人，约为全国平均水平的1.7倍，碳减排形势严峻且低碳经济发展水平较为落后。

2.1STIRPAT模型扩展及数据来源

借鉴众多学者研究的基础上，从人口视角、经济视角、技术视角和结构视角等出发，结合吉林省特点，分别选择人口（万人）、人均GDP（亿元/万人，2000年不变价）、碳排放强度（t/万元）、以及无量纲因素城市化率（%）和第二产业占比（%）等五个因素，得到扩展STIRPAT模型：

I=aPb Ac Tb Pse Isf g（2）

式中，I为碳排放量，P为人口，A为人均GDP，T为碳排放强度，Ps为城市化率，Is为第二产业占比，a为模型系数,b、c、d、e、f依次表示各自变量的弹性系数，g为随机误差项。

本文所使用面板数据均来自于《吉林省统计年鉴2011》（1980-2010年），其中碳排放量是对应年的终端能源消费与碳排放系数计算得出。

2.2吉林省碳排放拟合

对面板数据检验表明存在显著共线性（多个变量VIF远大于10）。为克服多重共线性的影响，选择岭回归（Ridge Regression）估计进行模型拟合，以偏误为代价减小参数估计量方差干扰［23］。

基于公式（2），对吉林省1980-2010年面板数据拟合并进行显著性检验，k=0.04时，拟合度R2为0.96，F检验值为129.5（sig为0.000），回归方程显著，符合经济学意义检验。其影响程度大小依次为人均GDP（0.65***）、城市化率（0.36***）、人口（0.27***）、碳排放强度（0.26**）及第二产业占比（0.24***）（*是指在0.05的水平上显著，**是指在0.01的水平上显著，***是指在0.001的水平上显著［19］）。

对应的岭回归方程为：

ln I=1.60ln P+0.32 ln A+0.21ln T

+0.72ln Ps+1.05ln Is-10.3（3）

将吉林省1980-2010年的面板数据代入公式（3）进一步验证方程的拟合程度，与碳排放实际值进行对比，误差绝对值均小于16%，基本保证吉林省碳排放预测的准确性。

2.3情景参数设定

对人口、人均GDP、碳排放强度、城市化率和第二产业占比等因素分别设定三种变化速率（2011-2050年）：高速率、中速率和低速率。

231人口

联合国［24］预测中国人口将于21世纪30年代达到峰值，林福德等［25］预计吉林省2028年左右达到人口峰值，以此为基础设定人口的高速率目标为2030年达到峰值。在“十二五”规划中，吉林省采取更加积极的人口策略，年均增长速率控制在3‰以内，因此设定中速率下人口峰值为2025年，低速率下人口峰值出现在2020年。

232人均GDP

吉林省“十二五”规划GDP增长预期为12%以上，且近10年GDP的平均增速为12.4%，处于高速发展阶段，以此为基础设定GDP高速率；2050中国能源和碳排放报告［26］中将我国2010-2020年经济增长速率设定为8.3%，鉴于最近5年吉林省增长速率均高于国家水平，以此为基础设定低速率；中速率介于高、低速率之间。

233碳排放强度

吉林省处于碳排放强度逐步下降阶段，“十二五”规划中碳排放强度5年累计下降17%，年平均变化速率为-3.66%，以此为基础设定低速率。节能减排仍是吉林省未来的工作重点，积极发展低碳技术促进碳排放强度降低，中速率和高速率在低速率基础上适当提高，到2015年碳排放强度分别下降为2.5 t/万元和2.3 t/万元。

234城市化率

宋丽敏（2007）［27］按照中国以往实际城乡人口增长速率预测，到2030年我国城市化率达到或略高于60%，以此为基础设定低速率；我国十八大提出加快城镇化进程，城市化率增长速率势必提高，设定城市化率中速率在2025年达到60%，高速率在2020年达到60%。

235第二产业占比

吉林省尚处于工业化进程，第二产业仍将在一段时间内处于较高水平。刘朝［28］在基础情景中设定2050年我国第二产业占比为48.7%，以此为基础设定低速率；若吉林省加大产业调整力度，第二产业占比势必下降，以此为基础设定到2050年第二产业占比中速率为45%，高速率下为40%［29］。

根据1.2的情景描述，对照各因素参数设定，确定每个情景中各因素的变化速率，如表1所示。

表14种情景的设定

Tab.1Explanation of setting four scenarios

情景

Scenario人口

Population人均

GDP

Per capita

GDP城市化率

Urbaniz

ation rate碳排放

强度

Carbon

intensity第二产

业占比

Proportion

of

secondary

industry低碳情景低中低高高节能-

低碳情景中中中中-高中节能情景高高中中低-中基准情景高高中低低注：高、中、低分别代表高速率、中速率和低速率，中-高代表2010-2020年为中速率，2021-2050年为高速率，低-中代表2010-2030为低速率，2030-2050年为中速率。

2.4吉林省碳排放峰值结果讨论

基于参数设定，预测不同情景下吉林省2011-2050年碳排放，如图1所示，吉林省峰值时间介于2029-2045年，峰值大小介于264.0×106 t-477.3×106 t。

241宏观对比

低碳情景2029年最早达到峰值且峰值最小，为264.0×106 t，其次为节能-低碳情景356.2×106 t，在2036年达到峰值，再次为节能情景430.0×106 t，在2040年达到峰值，基准情景在2045年最晚达到峰值且峰值最大，为477.3×106 t，比低碳情景高出213.3×106 t，比节能-低碳情景高出121.1×106 t，比节能情景高出47.3×106 t。若吉林省继续实施节能减排（节能情景），与“十一五”情形（基准情景）相比，峰值时间将有一定提前，峰值大小降低约0.5亿t；若在“节能减排“基础上积极发展低碳经济与技术，调整优化产业结构、能源结构（节能-低碳情景、低碳情景），峰值时间将进一步提前，峰值大小降低约0.7-1.7亿t。整个研究阶段碳减排差距更为显著，2010-2050年低碳情景、节能-低碳情景、节能情景和基准情景的累积碳排放量依次为101.6亿t，128.0亿t，148.2亿t和158.0亿t，其中低碳情景累积碳排放量仅为基准情景的64%，两者相差56.4亿t约是吉林省2010年碳排放量的30倍。

242微观对比

低碳情景、节能-低碳情景、节能情景和基准情景峰值年对应的人均GDP（2000年不变价）依次为9.97万元、14.0万元、22.2万元和27.7万元，与已达碳排放峰值的主要国家（地区）横向对比，欧盟、英国、德国、法国能源消费碳排放峰值年对应人均GDP（美元）依次为1.16万、1.33万、1.55万、1.55万（2000年美元兑人民币汇率约为8.27）。对比可知，低碳情景与节能-低碳情景在合理的经济水平范围达到峰值，而节能情景与基准情景则远远超出这一范围，这说明，吉林省应积极调整现有经济社会发展模式，避免以环境为代价的经济单方面发展。

节能情景与基准情景峰值是2010年碳排放的2倍以上，在控制能源消费总量背景下，显然以上两种情景不符合低碳发展要求。低碳情景能源消费与碳排放均为最小，人口、技术、产业结构等多个方面调控均提升至较高水平，但短期内花费的社会成本可能过大。节能-低碳情景实现“节能”向“低碳”发展的平稳过渡，符合社会发展进步的基本规律，同时有效减少能源消耗与碳排放，笔者认为现阶段应选择节能-低碳情景作为吉林省社会经济发展路径，并逐步深化低碳发展。

3吉林省能源消费碳排放峰值单因素分析每个情景中，依次只改变一种因素变化速率（低速率中速率高速率），其他因素变化速率保持不变，定量分析各因素对吉林省碳排放峰值的影响（见表2）。

31人口

人口不影响峰值时间，但对峰值大小有一定的影响。改变人口变化速率，各情景峰值时间均为同一年，但人口变化速率越高，其对应的碳排放峰值越大，各情景中人口高速率对应的峰值大小比低速率高出15.9×106 t-38.3×106 t。结果表明，人口增长对吉林省碳排放表现为增碳效应，研究阶段人口设定为先增加至峰值后减少，变化速率介于±3‰，虽然人口的弹性系数高达1.6，但由于人口变化幅度较小，因此对碳排放影响并不十分显著。

32人均GDP

人均GDP对峰值时间以及峰值大小均有一定的影响。人均GDP变化速率越高，其对应的峰值越大，各情景中人均GDP高速率对应的峰值大小比低速率高出42.6-125.1×106 t；人均GDP变化速率越高将延迟峰值时间，以节能情景为例，人均GDP的低速率对应峰值时间为2036年，而中速率与高速率对应的峰值时间为2038年和2040年，分别延迟2年和4年见表（2）。结果表明，人均GDP增长对吉林省碳排放表现为增碳效应，研究阶段不同变化速率下人均GDP提高了4.5-13.5倍，因此增碳效应十分显著［30］。随着人均GDP增长速率的提高，增碳效应所引发的碳排放增长速率大于减碳效应，导致峰值时间出现延迟。除此之外，人均GDP由低速率提高至高速率，低碳情景碳排放峰值仅增加42.6×106 t，而基准情景增加高达125.1×106 t，说明不同社会发展情景的碳排放对经济增长敏感程度有所不同，低碳发展水平越高，敏感程度越低。

33碳排放强度

碳排放强度对峰值时间以及峰值大小均有一定的影响。碳排放强度下降速率越高，其对应的峰值越小，各情景中碳排放强度低速率对应的峰值大小比高速率高出24.6×106 t-66.3×106 t；碳排放强度下降速率越高将使峰值时间提前，以节能-低碳情景为例，碳排放强度的高速率对应峰值时间为2035年，而低速率为2037年，峰值时间提前2年。结果表明，碳排放强度降低对吉林省碳排放表现为减碳效应，而使峰值时间提前的原因在于碳排放强度下降速率的提高，使减碳效应所引发的碳排放下降速率大于增碳效应。

吉林省2001-2010年碳排放强度年均变化率为-3.35%，而“十二五”规划中碳排放强度5年累计下降17%，5年平均变化速率为-3.66%。若其他因素不变，图14种情景下吉林省碳排放量预测结果（2010-2050）

Fig.1Predicting results of Jilins carbon emissions in four scenarios（2010-2050）2011-2015年碳排放强度分别按照-3.35%、-3.66%速率变化，根据公式（3），5年间后者比前者累积减排2.36×106 t。

34城市化率

城市化率不影响峰值时间，但对峰值大小有一定的影响。改变城市化率变化速率，各情景峰值时间均为同一年。城市化率变化速率越高，其对应峰值越大，各情景中城市化率的高速率对应的峰值大小比低速率高出16.9×106 t-48.6×106 t，表明城市化率提高对吉林省碳排放表现为增碳效应［31］。吉林省处于城镇化发展阶段，人口从农村转移到城镇，伴随着人们生产与生活方式的变动，包括能源利用方式的变化，从而影响着碳排放的变化［1］，但由于变化幅度较小，2001-2010年年均增长率仅为0.76%，因此对碳排放影响并不显著。

35第二产业占比

第二产业占比对峰值时间以及峰值大小均有一定影响。第二产业结构调整越快，所对应峰值越小，各情景中第二产业占比低速率对应的峰值大小比高速率高出77.4×106 t-101.4×106 t；加快第二产业结构调整可使峰值时间提前，以节能-低碳情景为例，第二产业占比高速率对应峰值时间为2031年，而低速率与中速率对应的峰值时间为2038年和2036年，分别提前7年和5年。结果表明，第二产业占比降低对吉林省碳排放表现为减碳效应，而第二产业包含工业和建筑业，是能源消耗的主要部门，因此减碳效应显著。

进一步定量分析第二产业占比对碳排放的影响，以节能-低碳情景峰值年为例，其他因素保持不变，第二产业占比设定在原有基础上降低1%和2%，则对应碳排放分别下降1.0%和2.1%，与弹性系数变化关系相吻合。

根据以上分析，各因素对峰值时间和大小的影响表现出不同的特征：人口、城市化率占比不影响峰值时间，只影响峰值大小；人均GDP、碳排放强度和第二产业比对峰值时间和大小均有不同程度的影响；各因素对峰值大小的影响程度也存在差异。

表2各因素在不同情景下不同变化速率的碳排放峰值

Tab.2Carbon emissions peaks of different impacts with different rate in each scenario106 t因素

Factors情景

Scenario低速率

Low variation

rate低速率峰值

时间（a）

Peak time

of low variation

rate中速率

Middle

variation rate中速率峰值

时间（a）

Peak time

of middle

variation

rate 高速率

High variation

rate高速率峰值

时间（a）

Peak time

of high

variation

rate人口低碳情景263.92029271.72029279.82029节能-低碳情景344.32036356.22036368.72036节能情景414.12040429.92040444.92040基准情景464.72045484.42045503.02045人均GDP低碳情景236.62024263.92029279.22031节能-低碳情景303.92034356.22036386.32038节能情景343.12036405.02038444.92040基准情景377.82038451.12040503.02045碳排放

强度低碳情景288.62029279.32029263.92029节能-低碳情景384.22037364.72036342.42035节能情景477.32045444.92040416.22040基准情景503.02045466.22042436.72040城市化率低碳情景263.92029271.12029280.82029节能-低碳情景344.12036356.22036372.22036节能情景426.22040444.92040466.82040基准情景454.42045477.32045503.02045第二产业占比低碳情景341.42036319.72035263.92029节能-低碳情景381.62038356.22036290.32031节能情景444.92040410.62040343.62040基准情景477.32045438.22045378.52045

4吉林省能源消费碳排放峰值可控性分析4.1峰值大小可控性分析

基于STIRPAT拟合公式（公式（3））可知，各因素对峰值大小的影响程度与回归系数和各因素的变化程度有关，基于上述分析，人均GDP对峰值大小的影响最为显著，其次为第二产业占比，碳排放强度，城市化率和人口的影响相近似。

以节能-低碳情景峰值年（2036年）为例，直接运用公式（3）计算各因素（低速率→高速率）对碳排放的影响程度（见图2），对峰值大小影响程度依次为：人均GDP（1.30）＞第二产业占比（1.28）＞碳排放强度（1.16）＞城市化率（1.08）＞人口（1.06），与表2中详细数据对比所得结论相一致。

基于以上研究，确定吉林省碳减排措施次序：在保证经济发展质量的基础上，控制经济增长速度，优先调整产业结构，降低碳排放强度，制定科学的城市规划，控制人口规模。

4.2峰值时间可控性分析

人均GDP、碳排放强度和第二产业占比对峰值时间影响不同，将三种因素分别从低速率提升至高速率时，人均GDP将导致峰值时间推迟，而碳排放强度和第二产业占比则将推动峰值时间提前（见表2）。以节能-低碳情景为

图2节能-低碳情景峰值年(2036)

高-低变化速率影响程度比较

Fig.2Comparison of impact extent of

variation rate changing(from high to low)

in Energysaving to Lowcarbon scenarios（2036）例，该情景中人均GDP低速率和高速率对应峰值时间分别为2034年和2038年，峰值时间推迟4年；碳排放强度低速率和高速率对应峰值时间分别为2037年和2035年，峰值时间提前2年；第二产业占比低速率和高速率对应峰值时间分别为2038年和2031年，峰值时间提前7年。当增碳效应与减碳效应相当时，碳排放达到峰值，而峰值时间的提前和推迟原因在于影响因素变化速率改变后，打破了原有平衡，使峰值向影响因素变化方向移动，直到达到新的平衡。文中人口与城市化率因素并未影响峰值时间，这主要由于两者的自身性质决定了其变化速率较小，文中人口与城市化率年均变化速率设定介于2-8‰，仅为碳排放强度、人均GDP的1/5-1/10；虽然城市化率与第二产业占比变化速率相近，但后者的弹性系数更高，因此对碳排放影响更为显著。

基于以上研究，推动峰值较早出现的政策措施依次为：控制经济增长速度，大力调整产业结构，降低碳排放强度。

4.3小结

基于对碳排放峰值的可控性分析结果，根据影响显著程度大小，对吉林省发展提出政策建议：在保证经济发展质量的基础上，控制经济增长速度；优化产业结构，加快战略性新兴产业发展，提高高技术产业和服务业比重；着力提升产业生产技术水平从而降低碳排放强度；推进城镇化过程中，贯彻节能低碳理念。

5结论

（1）低碳情景、节能-低碳情景、节能情景和基准情景下，吉林省能源消费碳排放峰值时间分别为2029年、2036年、2040年和2045年，峰值大小依次为264.0×106 t，356.2×106 t，430.0×106 t和477.3×106 t。基于吉林省经济、产业结构等多方面发展现状，建议参考节能-低碳情景作为现阶段社会经济发展路径，并随着低碳发展的不断深化，逐步向低碳情景过渡。

（2）碳排放峰值单因素分析表明，人口、城市化率不影响碳排放峰值时间，只影响峰值大小；人均GDP、碳排放强度和第二产业比对峰值时间和峰值大小均有不同程度的影响。

（3）对峰值大小的影响：人均GDP的影响最为显著，其次为第二产业占比和碳排放强度，城市化率和人口的影响相近似；对峰值时间的影响，人均GDP是导致峰值时间推迟的主要影响因素，而碳排放强度和第二产业占比是推动峰值时间提前的主要影响因素。

通过区域能源消费碳排放峰值单因素影响及可控性分析，定量、直观讨论各因素变化对碳排放峰值的影响程度，为政策措施实施的优先次序提供参考；改变，调整各因素变化速率，可定量比对碳排放峰值的变化情况，基于此寻求经济社会发展与能源消费碳排放控制的最优模式，为政策制定提供前瞻性的科学支撑。

(编辑：尹建中)

参考文献(References)

［1］朱勤，魏涛远.居民消费视角下人口城镇化对碳排放的影响［J］.中国人口·资源与环境，2013，23（11）：21-29.［ZhuQin, Wei Taoyuan. Impacts of Urbanization on Carbon Emission from Perspective of Residential Consumption［J］. China Population, Resources and Environment, 2013，23（11）：21-29.］

［2］彭斯震，张九天.中国2020年碳减排目标下若干关键经济指标研究［J］. 中国人口·资源与环境，2012，22（5）：27-31.［Peng Sizhen, Zhang Jiutian. Study on Key Macroeconomic Factors and Indexs in Context of Chinas Goal of Carbon Intensity Reduction［J］. China Population, Resources and Environment, 2012，22（5）：27-31.］

［3］朱勤，彭希哲，陆志明，等.人口与消费对碳排放影响的分析模型与实证［J］.中国人口·资源与环境，2010,20（2）：98-102.［Zhu Qin, Peng Xizhe, Lu Zhiming, et al. Analysis Model and Empirical Study of Impacts from Populution and Consumption on Carbon Emissions［J］. China Population, Resources and Environment, 2010,20（2）：98-102.］

［4］Lantz V, Feng Q. Assessing Income, Population, and Technology Impacts on CO2 Emissions in Canada: Wheres the EKC?［J］. Ecological Economics, 2006,（57）：229-238.

［5］Fan Y, Liu L C, Wu G, et al. Analyzing Impact Factors of CO2 Emissions Using the STIRPAT Model［J］.Environmental Impact Assessment Review, 2006,26(4):377-395.

［6］胡初枝，黄贤金，钟太洋，等.中国碳排放特征及其动态演进分析［J］. 中国人口·资源与环境, 2008,18（3）：38-42.［Hu Chuzhi, Huang Xianjin, Zhong Taiyang, et al. Character of Carbon Emission in China and Its Dynamic Development Analysis［J］. China Population, Resources and Environment, 2008,18（3）：38-42.］

［7］Shinichiro O, Makoto T. Multiple Calibration Decomposition Analysis: Energy Use and Carbon Dioxide Emissions in Japanese Economy, 1970-1995［J］.Energy, 2007,35:5156-5170.

［8］邹秀萍，陈劭锋，宁森，等.中国省级区域碳排放影响因素的实证分析［J］.生态经济，2009,（3）：31-37.［Zou Xiuping, Chen Shaofeng, Ning Miao, et al. An Empirical Research on the Influence Factor of Carbon Emission in Chinese Provincial Region［J］.Ecological Economy, 2009,（3）：31-37.］

［9］宋德勇，卢忠宝.中国碳排放影响因素分解及其周期性波动研究［J］.中国人口·资源与环境,2009,19（3）：18-24.［Song Deyong, Lu Zhongbao. The Factor Decomposition and Periodic Fluctuations of Carbon Emission in China［J］. China Population, Resources and Environment, 2009,19（3）：18-24.］

［10］郭朝先.产业结构变动对中国碳排放的影响［J］. 中国人口·资源与环境，2012,22（7）：15-20.［Guo Chaoxian. Effect of Industrial Structure Change on Carbon Emission in China［J］. China Population, Resources and Environment, 2012,22（7）：15-20.］

［11］渠慎宁,郭朝先.基于STIRPAT模型的中国碳排放峰值预测研究［J］.中国人口·资源与环境,2010，(20):10-15.［Qu Shenning, Guo Chaoxian. Forecast of Chinas Carbon Emission based on STIRPAT Model［J］. China Population, Resources and Environment, 2010，(20):10-15.］

［12］Zhai Shiyan,Wang Zheng. The Prediction of Carbon Emissions Demands in India under the Balance Economic Growth Path［J］. Smart Grid and Renewable Energy，2012，（3）：186-193.

［13］朱永彬，王铮，庞丽，等.基于经济模拟的中国能源消费与碳排放高峰预测［J］.地理学报，2009,64（8）：935-944.［Zhu Yongbin, Wang Zheng, Pang Li, et al. Simulation on Chinas Economy and Prediction on Energy Consumption and Carbon Emission under Optimal Growth Path［J］.Acta Geographica Sinica, 2009,64（8）：935-944.］

［14］Liu S,Zhao D, Dora M. Analysis of the Environmental Impact of China Based on STIRPAT Model［J］. Environmental Impact Assessment Review, 2009,29:341-347.

［15］Ang B W. Is the Energy Intensity a Less Useful Indicator than the Carbon Factor in the Study of Climate Change［J］. Energy Policy, 1999,27:943-946.

［16］秦昌才，刘树林.碳排放影响因素研究的现状、比较与启示［J］.理论经济研究，2012,（3）：29-33,155.［Qin Changcai, Liu Shulin. The Status, Comparative and Enlightenment of the Research on the Influence Factor of Carbon Emission［J］. Theory Economic Research, 2012,（3）：29-33,155.］

［17］Thomas D, Rosa E A. Rethinking the Environmental Impacts of Population Affluence and Technology［J］. Human Ecology Review,1994,2(1):277-300.

［18］Ehrlish P R，Holdren J P．Impact of Population Growth［J］．Science，New Series，1971,171：1212-1217．

［19］刘健，王润，孙艳伟，等.中国低碳试点省份发展路径研究［J］.中国人口·资源与环境，2012，3（22）：56-62.［Liu Jian, Wang Run, Sun Yanwei, et al. Analysis of Development Path for Lowcarbon Pilot Provinces in China［J］. China Population, Resources and Environment, 2012，3（22）：56-62.］

［20］杨来科，赵捧莲，张云.中国碳排放量影响因素测算的研究方法比较［J］.华东经济管理，2012，26（5）：55-59.［Yang Laike, Zhao Penglian, Zhang Yun. Comparing on Research Methods of Influencing Factors Calculation of Carbon Emission in China［J］.East China Economic Management, 2012，26（5）：55-59.］

［21］付加锋，刘小敏.基于情景分析法的中国低碳经济研究框架与问题探索［J］.资源科学，2010,32（2）：205-210.［Fu Jiafeng, Liu Xiaomin. A Framework for Chinas Low Carbon Economy on the Basis of Scenario Analysis and Discussion on Relevant Issues［J］. Resources Science, 2010,32（2）：205-210.］

［22］张伟，张金锁，李朋林，等.基于情景分析的区域经济社会低碳发展路经研究：以陕西省为例［J］.统计应用研究，2012,27（11）：60-66.［Fu Jiafeng, Liu Xiaomin, Li Penglin,et al. A Framework for Chinas Low Carbon Economy on the Basis of Scenario Analysis and Discussion on Relevant Issues［J］. Resources Science, 2012,27（11）：60-66.］

［23］彭希哲，朱勤.我国人口态势与消费模式对碳排放的影响分析［J］.人口研究，2010,34（1）：48-58.［Peng Xizhe, Zhu Qin. Impacts of Population Dynamics and Consumption Pattern on Carbon Emission in China［J］. Population Research, 2010,34（1）：48-58.］

［24］联合国经济和社会事务部.世界人口展望(2010年修订版)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html［The United Nations Department of Economic and Social Affairs.World Population Prospects (2010 Revision)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html］

［25］林富德，刘金塘.吉林省人口发展前景［J］.人口学刊，1995,（10）：44-56.［Lin Fude, Liu Jintang. The Development Prospect of Population in Jilin Province［J］. Population Journal, 1995,（10）：44-56.］

［26］2050中国能源和碳排放研究课题组.2050中国能源和碳排放报告［M］.北京：科学出版社，2009:767.［ 2050 China Energy and CO2 Emission Research Group.2050 China Energy and CO2 Emission Report［M］. Beijing: Science Press, 2009:767.］

［27］宋丽敏.中国人口城市化水平预测分析［J］.辽宁大学学报:哲学社会科学版，2007,35（3）：115-119.［Song Limin. An Analysis of the Level of Chinas Urbanization ［J］. Journal of Liaoning University: Philosophy and Social Sciences Edition, 2007,35（3）：115-119.］

［28］刘朝，赵涛.中国低碳经济影响因素分析与情景预测［J］.资源科学，2011,33（5）：844-850.［Liu Zhao, Zhao Tao. Influencing Factors and Scenario Forecasting of Chinas LowCarbon Economy［J］. Resources Science, 2011,33（5）：844-850.］

［29］许广月，宋德勇中国碳排放环境库兹涅茨曲线的实证研究：基于省际面板数据［J］中国工业经济，2010，（5）：37-47［Xu Guangyue, Song Deyong. An Empirical Study of the Enviromnental Kuznets Cutve for ChinasCarbon Emission：Based on Provincial Panel Date［J］ China Industrial Economics, 2010，(5):37-47］

［30］刘竹，耿涌，薛冰，等中国低碳试点省份经济增长与碳排放关系研究［J］资料科学，2011,33（4）：620-625［Liu Zhu, Geng Yong, Xue Bing, et al.Relationship Between Econormic Growth and CO2 Emission for Lowcarbon Pilot Provinces in China［J］ Resources Science, 2011,33(4):620-625］

［31］孙昌龙，靳诺，张小雷，等城市化不同演化阶段对碳排放的影响差异［J］地理科学，2013,33（3）：266-272［Sun Changlong, Jin Nuo, Zhang Xiaolei, et al. The Impacts of Urbanization on the CO2 Emission in the Various Develapment Stages［J］Scientia Geographica Sinica, 2013,33(3):266-272］

Forecasting Areas Carbon Emissions of Energy Consumption and Controllability Study

WANG XianenWANG YongxuanDUAN Haiyan

（Key Laboratory of Groundwater Resources and Environment，Ministry of Education, Jilin University,

Changchun Jilin 130021, China）

AbstractIt is significant to explore the impact of various factors on carbon emissions peak of energy consumption for nation (region) to formulate lowcarbon Policy. Taking Jilin Province as an example, based on different stages of lowcarbon development, we set four scenarios: Lowcarbon Scenario, Energysaving to Lowcarbon Scenario, Energysaving Scenario, and Business as Usual Scenario, and forecast carbon emissions of energy consumption based on extendedSTIRPAT model. The peak time is respectively in 2029,2036,2040,and 2045, and the peaks are respectively 264.0 Mt,356.2 Mt,430.0 Mt, and 477.3 Mt. On this basis, we proceed with controllability study to discuss the impact of various factors with carbon emissions peak, and the analysis shows that the impact extent of factors is different. Population and urbanization rate only affects the peak value, but per capita GDP，carbon intensity and the proportion of secondary industry affect the peak value and time. When we change the rate from low to high, of these three factors, we can find that per capita GDP will delay the peak time, but carbon intensity and the proportion of secondary industry will bring forward the peak time. The impact of various factors in turn based on quantitative analysis: per capita GDP > the proportion of secondary industry > carbon intensity > urbanization rate > population. According to the results, we put forward lowcarbon policy: Jilin Province should focus on economic quality not growth rate, meanwhile give priority to adjust industrial structure, reduce carbon emissions intensity and reasonably promote urbanization.

Key wordscarbon emissions of energy consumption; impact on carbon emissions peak; STIRPAT; controllability study

［22］张伟，张金锁，李朋林，等.基于情景分析的区域经济社会低碳发展路经研究：以陕西省为例［J］.统计应用研究，2012,27（11）：60-66.［Fu Jiafeng, Liu Xiaomin, Li Penglin,et al. A Framework for Chinas Low Carbon Economy on the Basis of Scenario Analysis and Discussion on Relevant Issues［J］. Resources Science, 2012,27（11）：60-66.］

［23］彭希哲，朱勤.我国人口态势与消费模式对碳排放的影响分析［J］.人口研究，2010,34（1）：48-58.［Peng Xizhe, Zhu Qin. Impacts of Population Dynamics and Consumption Pattern on Carbon Emission in China［J］. Population Research, 2010,34（1）：48-58.］

［24］联合国经济和社会事务部.世界人口展望(2010年修订版)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html［The United Nations Department of Economic and Social Affairs.World Population Prospects (2010 Revision)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html］

［25］林富德，刘金塘.吉林省人口发展前景［J］.人口学刊，1995,（10）：44-56.［Lin Fude, Liu Jintang. The Development Prospect of Population in Jilin Province［J］. Population Journal, 1995,（10）：44-56.］

［26］2050中国能源和碳排放研究课题组.2050中国能源和碳排放报告［M］.北京：科学出版社，2009:767.［ 2050 China Energy and CO2 Emission Research Group.2050 China Energy and CO2 Emission Report［M］. Beijing: Science Press, 2009:767.］

［27］宋丽敏.中国人口城市化水平预测分析［J］.辽宁大学学报:哲学社会科学版，2007,35（3）：115-119.［Song Limin. An Analysis of the Level of Chinas Urbanization ［J］. Journal of Liaoning University: Philosophy and Social Sciences Edition, 2007,35（3）：115-119.］

［28］刘朝，赵涛.中国低碳经济影响因素分析与情景预测［J］.资源科学，2011,33（5）：844-850.［Liu Zhao, Zhao Tao. Influencing Factors and Scenario Forecasting of Chinas LowCarbon Economy［J］. Resources Science, 2011,33（5）：844-850.］

［29］许广月，宋德勇中国碳排放环境库兹涅茨曲线的实证研究：基于省际面板数据［J］中国工业经济，2010，（5）：37-47［Xu Guangyue, Song Deyong. An Empirical Study of the Enviromnental Kuznets Cutve for ChinasCarbon Emission：Based on Provincial Panel Date［J］ China Industrial Economics, 2010，(5):37-47］

［30］刘竹，耿涌，薛冰，等中国低碳试点省份经济增长与碳排放关系研究［J］资料科学，2011,33（4）：620-625［Liu Zhu, Geng Yong, Xue Bing, et al.Relationship Between Econormic Growth and CO2 Emission for Lowcarbon Pilot Provinces in China［J］ Resources Science, 2011,33(4):620-625］

［31］孙昌龙，靳诺，张小雷，等城市化不同演化阶段对碳排放的影响差异［J］地理科学，2013,33（3）：266-272［Sun Changlong, Jin Nuo, Zhang Xiaolei, et al. The Impacts of Urbanization on the CO2 Emission in the Various Develapment Stages［J］Scientia Geographica Sinica, 2013,33(3):266-272］

Forecasting Areas Carbon Emissions of Energy Consumption and Controllability Study

WANG XianenWANG YongxuanDUAN Haiyan

（Key Laboratory of Groundwater Resources and Environment，Ministry of Education, Jilin University,

Changchun Jilin 130021, China）

AbstractIt is significant to explore the impact of various factors on carbon emissions peak of energy consumption for nation (region) to formulate lowcarbon Policy. Taking Jilin Province as an example, based on different stages of lowcarbon development, we set four scenarios: Lowcarbon Scenario, Energysaving to Lowcarbon Scenario, Energysaving Scenario, and Business as Usual Scenario, and forecast carbon emissions of energy consumption based on extendedSTIRPAT model. The peak time is respectively in 2029,2036,2040,and 2045, and the peaks are respectively 264.0 Mt,356.2 Mt,430.0 Mt, and 477.3 Mt. On this basis, we proceed with controllability study to discuss the impact of various factors with carbon emissions peak, and the analysis shows that the impact extent of factors is different. Population and urbanization rate only affects the peak value, but per capita GDP，carbon intensity and the proportion of secondary industry affect the peak value and time. When we change the rate from low to high, of these three factors, we can find that per capita GDP will delay the peak time, but carbon intensity and the proportion of secondary industry will bring forward the peak time. The impact of various factors in turn based on quantitative analysis: per capita GDP > the proportion of secondary industry > carbon intensity > urbanization rate > population. According to the results, we put forward lowcarbon policy: Jilin Province should focus on economic quality not growth rate, meanwhile give priority to adjust industrial structure, reduce carbon emissions intensity and reasonably promote urbanization.

Key wordscarbon emissions of energy consumption; impact on carbon emissions peak; STIRPAT; controllability study

［22］张伟，张金锁，李朋林，等.基于情景分析的区域经济社会低碳发展路经研究：以陕西省为例［J］.统计应用研究，2012,27（11）：60-66.［Fu Jiafeng, Liu Xiaomin, Li Penglin,et al. A Framework for Chinas Low Carbon Economy on the Basis of Scenario Analysis and Discussion on Relevant Issues［J］. Resources Science, 2012,27（11）：60-66.］

［23］彭希哲，朱勤.我国人口态势与消费模式对碳排放的影响分析［J］.人口研究，2010,34（1）：48-58.［Peng Xizhe, Zhu Qin. Impacts of Population Dynamics and Consumption Pattern on Carbon Emission in China［J］. Population Research, 2010,34（1）：48-58.］

［24］联合国经济和社会事务部.世界人口展望(2010年修订版)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html［The United Nations Department of Economic and Social Affairs.World Population Prospects (2010 Revision)［M/OL］.http://news.163.com/11/0505/05/7391MIU900014AED.html］

［25］林富德，刘金塘.吉林省人口发展前景［J］.人口学刊，1995,（10）：44-56.［Lin Fude, Liu Jintang. The Development Prospect of Population in Jilin Province［J］. Population Journal, 1995,（10）：44-56.］

［26］2050中国能源和碳排放研究课题组.2050中国能源和碳排放报告［M］.北京：科学出版社，2009:767.［ 2050 China Energy and CO2 Emission Research Group.2050 China Energy and CO2 Emission Report［M］. Beijing: Science Press, 2009:767.］

［27］宋丽敏.中国人口城市化水平预测分析［J］.辽宁大学学报:哲学社会科学版，2007,35（3）：115-119.［Song Limin. An Analysis of the Level of Chinas Urbanization ［J］. Journal of Liaoning University: Philosophy and Social Sciences Edition, 2007,35（3）：115-119.］

［28］刘朝，赵涛.中国低碳经济影响因素分析与情景预测［J］.资源科学，2011,33（5）：844-850.［Liu Zhao, Zhao Tao. Influencing Factors and Scenario Forecasting of Chinas LowCarbon Economy［J］. Resources Science, 2011,33（5）：844-850.］

［29］许广月，宋德勇中国碳排放环境库兹涅茨曲线的实证研究：基于省际面板数据［J］中国工业经济，2010，（5）：37-47［Xu Guangyue, Song Deyong. An Empirical Study of the Enviromnental Kuznets Cutve for ChinasCarbon Emission：Based on Provincial Panel Date［J］ China Industrial Economics, 2010，(5):37-47］

［30］刘竹，耿涌，薛冰，等中国低碳试点省份经济增长与碳排放关系研究［J］资料科学，2011,33（4）：620-625［Liu Zhu, Geng Yong, Xue Bing, et al.Relationship Between Econormic Growth and CO2 Emission for Lowcarbon Pilot Provinces in China［J］ Resources Science, 2011,33(4):620-625］

［31］孙昌龙，靳诺，张小雷，等城市化不同演化阶段对碳排放的影响差异［J］地理科学，2013,33（3）：266-272［Sun Changlong, Jin Nuo, Zhang Xiaolei, et al. The Impacts of Urbanization on the CO2 Emission in the Various Develapment Stages［J］Scientia Geographica Sinica, 2013,33(3):266-272］

Forecasting Areas Carbon Emissions of Energy Consumption and Controllability Study

WANG XianenWANG YongxuanDUAN Haiyan

（Key Laboratory of Groundwater Resources and Environment，Ministry of Education, Jilin University,

Changchun Jilin 130021, China）

AbstractIt is significant to explore the impact of various factors on carbon emissions peak of energy consumption for nation (region) to formulate lowcarbon Policy. Taking Jilin Province as an example, based on different stages of lowcarbon development, we set four scenarios: Lowcarbon Scenario, Energysaving to Lowcarbon Scenario, Energysaving Scenario, and Business as Usual Scenario, and forecast carbon emissions of energy consumption based on extendedSTIRPAT model. The peak time is respectively in 2029,2036,2040,and 2045, and the peaks are respectively 264.0 Mt,356.2 Mt,430.0 Mt, and 477.3 Mt. On this basis, we proceed with controllability study to discuss the impact of various factors with carbon emissions peak, and the analysis shows that the impact extent of factors is different. Population and urbanization rate only affects the peak value, but per capita GDP，carbon intensity and the proportion of secondary industry affect the peak value and time. When we change the rate from low to high, of these three factors, we can find that per capita GDP will delay the peak time, but carbon intensity and the proportion of secondary industry will bring forward the peak time. The impact of various factors in turn based on quantitative analysis: per capita GDP > the proportion of secondary industry > carbon intensity > urbanization rate > population. According to the results, we put forward lowcarbon policy: Jilin Province should focus on economic quality not growth rate, meanwhile give priority to adjust industrial structure, reduce carbon emissions intensity and reasonably promote urbanization.

Key wordscarbon emissions of energy consumption; impact on carbon emissions peak; STIRPAT; controllability study