云南碳排放的变动趋势与影响因素研究

李经路 李晓玲

（1.云南大学经济学院，云南 昆明 650091；2.湘潭大学化工学院，湖南 湘潭 411100）

引言

工业文明以来，人类创造了空前的物质繁荣，但是生态危机、社会危机日益凸显，直接威胁着人类的生存和幸福。20世纪80年代，人类提出了可持续发展战略，从保护经济和资源、满足当代和后代人的需要出发，强调经济发展与保护环境相结合的重要性。2014年11月的 《中美气候变化联合声明》指出：美国拟在2025年实现28%的减排目标，中国计划于2030年实现非化石能源占一次能源消费比重提高到20%左右的目标［1］。云南省作为国家首批低碳试点省份，研究其碳排放的影响因素，对我减排的进展具有指导意义。

1 文献综述

中国碳排放总量在起初时期缓慢减少然后快速增加，碳排放强度整体呈上升趋势，2002年为碳排放强度变化趋势的拐点；技术进步是影响碳排放总量与排放强度的主要因素（孙建卫等，2010）［2］。各省建筑业碳排放量在整体上呈逐年上升的趋势，但省际间的差异较大（冯博和王雪青，2015）［3］。

经济增长与碳排放的关系较为复杂，二者呈现出“N”型曲线，经济发展加剧了碳排放（胡初枝等，2008）［4］。短期内经济增长会导致碳排放增加，碳排放在短期内也促进GDP的增长；长期来看碳排放的增加制约了GDP的增长（童彦等，2015）［5］。工业化进程的加快，是工业领域碳排放快速增长的主要因素；提高技术水平是实现碳减排的根本措施（肖宏伟，2015）［6］。

从地域分布看，碳排放率自东向西呈现逐渐下降趋势，东部地区的碳排放率大于中部地区的碳排放率，而中部地区的碳排放率又大于西部地区的碳排放率（许士春、龙如银，2015）［7］。就中部六省而言，经济增长与碳排放存在显著的协整关系，且能源消费方面，火力发电导致碳排放增加和碳排放放强度增强，提高第二、第三产业的比重有益于碳减排工作的实施（齐绍洲等，2015）［8］。

从研究方法上看，环境投入产出分析法与消费品生命周期分析法已用于碳排放的测度中（傅京燕和李存龙，2015）［9］。动态CKC面板模型也测算了碳排放对经济增长与短期波动的影响（古南正皓，李世平，2015）［10］。借鉴信息熵和玻尔兹曼熵理论，构建企业碳排放配额分配模型，完成区域碳排放总量的分配（周德群等，2015）［11］。

纵观已有文献可知，实证方法与模型比较丰富，影响机制的分析比较深入，已经分析了云南省的碳排放总量呈现高增长现象，探讨了云南省碳排放强度变动的原因（卢英、王赞信，2011）［12］。肯定了云南省低碳经济的良性发展势头（杨红娟、王路遥，2015）［13］。而对于低碳省区试点——云南省的碳排放影响机制的研究，定性研究相对较为成熟，定量研究有待补充完善。

2 研究方法与数据处理

2.1 研究方法

2.1.1 碳排放总量的计算

选取中国能源统计年鉴的地区能源平衡表中相关数据，将能源消费划分原煤总量、焦炭总量、石油及石油制品、天然气总量、电力五大类，根据各能源折算成标准煤的系数，换算成标煤质量。而后根据各种能源的碳排放系数计算总的碳排放量。其计算如公式（1）所示：

式（1）中：Ei为云南省第i种能源的消费量，Fi（CO2）为第种能源的二氧化碳排放系数。各种能源的二氧化碳排放计算参数如表1、表2所示。

表1 各种能源换算标准煤系数表

借鉴IPCC对碳排放系数的基本假定：认为某种能源的碳排放系数保持不变。本文的碳排放系数采用目前云南省碳排放统计中的碳排放系数，详见表2。

表2 碳排放系数表

2.1.2 STIRPAT模型

在已有的碳排放研究方法中，Tapio脱钩模型分析某行业碳排放的脱钩状态（冯博和王雪青，2015）［14］。指数分析法能把一个目标变量（能源消耗或二氧化碳排放量）的变化分解成若干个影响因素的组合，辨别出各个因素影响程度的大小，得出各种因素对目标变量的影响。Laspeyres指数分解模型，使得各期指数不受权数结构变动影响，可比性更好（孙建卫等，2010）［15］。对数平均迪氏指数法（LMDI）是将碳排放增量变化从时间序列上进行分解二不产生残差的分析方法（董锋等，2008）［16］。比较而言，Tapio脱钩模型局限于用弱脱钩状态，扩张负脱钩状态、增长连接状态以及尚未出现强脱钩状态，描述影响因素的强弱程度。指数分析法中，Laspeyres指数分解模型需要充分考虑数据的时间延展性，比如1990年国际碳排放减排基准情景年。对数平均迪氏指数法（LMDI）作为定量研究的运用，与协整方法相结合建立长期均衡协整关系模型更有利于结果的分析确定。

本文采用 STIRPAT模型（stochastic impacts by regression on population affluence and technology）可拓展的随机性环境影响评估模型，通过对人口规模、经济发展水平、技术水平3个变量因素的定量分析，确定各因素对碳排放的影响，进行对比分析。采用STIRPAT模型对云南碳排放影响机制的测度，尚属空白。

2.1.3 变量选取

西部大开发的实施以及云南省自身经济建设的快速发展，不断吸引外来人口，选取云南省历年年末人口数（万人）作为人口规模的变量。经济发展水平是一个地区经济实力和社会建设的总体体现，云南省属于经济欠发达地区，第三产业发展仍有巨大潜力，故而选取第二产业比重和人均GDP作为经济发展水平的变量。技术水平的创新与提高是实现低碳经济的必由之路，文章选取碳排放强度作为衡量碳排放层面的技术水平。碳排放强度的计算如公式（2）所示：

2.2 数据来源

文章选取 《中国能源统计年鉴》（2010-2013）中的地区能源平衡表、《云南年鉴》（2010-2014）中的经济社会统计资料以及 《云南经济年鉴》（2010-2013）中的国民经济统计资料，人口数据参照云南省历年年末人口数统计资料。

3 模型构建与变量分析

3.1 模型构建

STIRPAT模型是Dietz和Rosa（1997）对IPAT方程改造而成的随机模型。该模型将环境影响的驱动因子归结为三类：人口规模、经济发展水平以及技术水平等，定量分析三大环境影响因素的变动对环境的影响（焦文献等，2012）［17］。模型的基本形式如公式（3）所示：

公式（3）中：I表示环境影响，P表示人口总数，A表示经济水平，T表示技术水平，α是模型的系数项，a、b、c分别是P、A、T指数项，ε是随机误差项。该模型克服了环境压力模型所有自变量等比例影响应变量的缺陷。结合云南省的实际情况，增加变量，得到扩展模型如公式（4）所示：

公式（4）中：I为碳排放量（万吨）即环境影响表征值，α是模型的系数项，是常数项，P为云南省该年的人口总数，A1表示富裕程度，以人均生产总值PGDP表征，A2为产业结构状况，以第二产业占GDP的比重表示，T为技术水平的表征即单位GDP的碳排放量，ε为模型中的随机干扰项。STIRPAT模型优点之一就是灵活性，研究者根据研究目的及需要可以增加其它控制因素来分析它们对环境的影响，要求增加的解释变量应该与式（3）的乘积形式保持一致。广泛用于实际环境问题分析上。（吴敬锐等，2011；Shi，2003；Soule et al.，1998）［18-20］。在实证中，将公式 （4）转换成对数形式如公式（5）所示，字母含义与公式（4）一样。

3.2 变量描述

根据 《云南经济年鉴》、《云南年鉴》、《中国能源统计年鉴》的数据资料为基础，通过公式（1）、（2）计算得出云南省每年的碳排放总量和碳排放强度，分别绘制时间-碳排放总量变化曲线图、人口变化曲线图、人均GDP增长曲线图、第二产业比重变化图以及时间-碳排放强度图。

图1 云南省1957－2013年碳排放总量趋势图

由图1可知，碳排放总量随时间变化呈明显上升趋势，1957-1979年间，碳排放增长曲线较平缓，增长幅度为10%～20%作者有；1979-2003年增长率略有下降，维持在1%～10%之间；随后进入高速增长阶段，2011年更是出现飞跃式增长达到20766.19万吨/年，增长率为34.85%。

图2 云南省1952－2013年人口增长趋势图

从人口数量看，云南省人口数量不断增加，从1952年的1695万人增加至2013年的4686.6万人。在1952-1990年期间，云南省人口自然生长率较高；自1983年后，随着计划生育政策在全国的展开，人口自然增长率呈现逐年下降趋势；2006年之后基本趋于稳定，保持增长率在6‰。

人均GDP一定程度上反映了云南省的经济发展水平，从图3可知，人均 GDP是持续上升趋势。人均GDP的涨幅区间为5%～30%之间；按增长率划分：1952-1996年，增长率基本维持在10%～25%之间，人均GDP增长较快时期；1997-2003年，人均GDP的增长适当减缓，在8%左右浮动，增长曲线也较平缓；2004年出现19.43%的高增长率，之后增长幅度基本维持在20%左右。最高增长率24.93%出现在1993年，最低为1999年的2.52%。

图3 云南省1952－2013年人均GDP变化趋势图

根据图4可知，从1975-2013年，云南省第二产业占GDP的比重分会三个阶段1975-1992年为第一阶段，第二产业占生产总值的比重在35%-40%上下浮动；1992-2000年为第二阶段，第二产业占生产总值的比重，较第一阶段大幅度提升，在41.6%-44.7%上下浮动；1998年，第二产业占生产总值的比重达到44.7%的峰值，之后比重逐渐下滑；第三阶段（2000年至今），第二产业所占比重趋于稳定，在42%波动，2010年，第二产业比重出现第三阶段的峰值，达到44.6%。

图4 云南省1978－2013年第二产业占GDP比重曲线图

云南省的碳排放强度整体呈下降趋势如图5所示，1978-1994年间碳排放强度较高且逐年下降幅度较大，为 “高强度时代”，1978年碳排放强度为峰值；1995-2007年间单位GDP碳排放强度进入 “4.0时代”，碳排放强度为3.0296-4.169万吨/亿元，2007年后进一步降低，之后又趋于稳定。

4 实证结果与分析

运用Eviews8.0软件的处理得到实证结果见表3。

图5 云南省1978－2013年单位GDP碳排放量变化情况

解释变量P、A1、T在1%水平下显著，A2在5%水平上显著。P、T、A1、A2对被解释变量I（环境影响表征值）弹性分别是1.60、0.99、0.94、0.09，人口对云南省碳排放量的弹性最大，技术水平对云南省碳排放量的弹性位居第二，富裕程度对碳排放量的弹性位居第三，产业结构对碳排放量的弹性相对较小。回归方程拟合优度较高达到99%，F值对应的P值显著，方程整体显著。

表3 实证结果统计表

5 结论与建议

5.1 结论

本文以云南省为例，采用STIRPAT模型，充分考虑人口、经济发展水平、技术水平三方面因素，得出以下结论：

（1）碳排放总量增长变化主要分为三个阶段。第一阶段（1957-1979年）人口基数、工业化水平都处于低增长时期，曲线较平滑，碳排放增长平缓；第二阶段（1979-2003年），随着改革开放以及西部大开发等政策的实施，云南省大力发展经济，促进农副产品以及工业的发展，碳排放增长上升趋势日益明显。第三阶段（2011年至今），每年的碳排放量步入20000万吨，增速较快，值得警惕。

（2）人口总数是碳排放总量增加的关键拉动因子。人口对云南省碳排放量的弹性约为1.60，且在1%水平上显著。人口因素每变动1%碳排总量将变动1.6%，人口总数的控制云南省低碳减排首要克服的问题。

（3）经济发展水平因素中，人均GDP对碳排放总量弹性比第二产业比重对碳排方放总量的弹性更为显著。人均GDP的增长取决于生产总值的增长率与人口增长率的增长，同时也反映了人均消耗能源、资源的程度。

（4）技术水平方面，单位GDP排放强度对碳排放总量的弹性约为0.99在1%水平上显著。积极推进环境友好型经济发展新模式，既要发展经济又要控制能源消耗和大气污染，保护环境。技术进步将是碳减排的主要推动力。

5.2 建议

全球低碳减排的时代大背景下，我国以广东、辽宁、湖北、陕西、云南5省作为国家首批低碳试点省份，为低碳经济发展寻求出路。试点低碳省份具体任务是指编制低碳发展规划，制定支持低碳绿色发展的配套政策，加快建立以低碳排放为特征的产业体系，建立温室气体排放数据统计和管理体系，积极倡导低碳绿色生活方式和消费模式。云南省作为西部省份的示范省份，其碳排放影响机制的研究，对整个西部的碳排放经济建设具有指导意义。

（1）控制人口数量、提高人口质量，强化生态文明观念。人口控制仍是低碳减排社会构建的重中之重。云南省的人口增长上，一方面取决于人口的自然增长，另一方面取决于云南省的人口迁移。需要借助国家西部大开发的机遇加大引进高素质人才，培养云南人民的生态文明意识。云南人口发展现状是每天净增长740人，即每两分钟增加1人。人口出生率增长率高于全国、人口发展态势滞后于全国、计划生育工作基础和水平低于全国。解决云南人口的质量和数量问题，是云南省实现低碳减排的关键问题。

（2）引进高新技术产业，优化产业结构，打造科技云南的发展新模式。云南省的工业化程度低，尚有革新与发展的空间，加快第二产业升级、第三产业的蓬勃发展，控制碳排量的总数，减轻能源压力、减轻碳排放对经济增长的负面影响。第二产业的增长从经济、技术等多个层面促进了第三产业的崛起与壮大，反观近年来云南省的第三产业占生产总值的比重也在逐渐上升，与第二产业之间的差距也不断减小的现象，产业结构的优化布局是低碳经济发展的一大要义。

（3）鼓励技术创新，提高能源利用率，淘汰落后的生产工艺与流程。碳排放数量取决于经济支撑能源种类和能源消耗量，而能源利用效率的提升，能大大降低能源消耗，故而能源利用技术的创新，从碳排放的最终端减少产量，达到缓解能源压力和降低碳减排的双重作用。

（4）保护森林资源，提高森林覆盖率，维护原生林地生态结构。森林是陆地生态系统中最大的碳库，在降低大气中温室气体浓度、减缓全球气候变暖中，具有十分重要的独特作用。扩大森林覆盖面积是未来30～50年经济可行、成本较低的重要减缓措施。虽然云南森林面积为2.73亿亩，居全国第3位，森林覆盖率52.93%，居全国第3位。但是云南森林质量不容乐观，有许多具有重大保护价值的森林区域，特别是原生林尚在严格保护的范围之外。因此保护森林资源，维护原生林地生态结构是云南省生态减碳的长远之计。

［1］中美气候变化联合声明http：//news.xinhuanet.com/energy/2014-11/13/c_127204771.htm.

［2］孙建卫，赵荣钦，黄贤金，等.1995-2005年中国碳排放核算及其因素分解研究，自然资源学报，2010，25（8）：1284-1295.

［3］冯博，王雪青.中国各省建筑业碳排放脱钩及影响因素研究，中国人口·资源与环境，2015，25（4）：28-34.

［4］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，中国人口·资源与环境，2008，18（3）：38-42.

［5］童彦，朱海燕，施玉.基于VAR模型的经济发展与碳排放的动态响应研究——以云南省为例，资源开发与市场，2015 31（3）：282，341-343.

［6］肖宏伟.碳排放影响因素分析及减排对策，宏观经济管理，2015.03：67-69.

［7］许士春，龙如银.中国能源和碳排放的效率测度与影响因素研究，中国软科学，2015，29（3）：74-78.

［8］齐绍洲，林屾，王班班.中部六省经济增长方式对区域碳排放的影响——基于Tapio脱钩模型，面板数据的滞后期工具变量法的研究，中国人口·资源与环境，2015，2（5）：59-66.

［9］傅京燕，李存龙.中国居民消费的间接用能碳排放测算及驱动因素研究——基于STIRPAT模型的面板数据分析 ［A］，消费经济，2015，（2）：92-97.

［10］古南正皓，李世平.农业碳排放库兹涅茨曲线实证研究，统计观察，2015.10.（28）：95-98.

［11］周德群，王梅，张钦.基于熵的区域碳排放总量企业间分配研究，北京理工大学学报，2015，17（3）：16-22.

［12］卢英，王赞信.云南省经济系统行业碳排放强度分析，资源开发与市场，2011，27（07）：607-629.

［13］杨红娟，李明云，刘红岑.云南省生产部门碳排放影响因素分析——基于LMDI模型，经济问题，2014.02期：125-129.

［14］冯博，王雪青.中国各省建筑业碳排放脱钩及影响因素研究，中国人口·资源与环境，2015，25（4）：28-34.

［15］孙建卫，赵荣钦，黄贤金，等.1995—2005年中国碳排放核算及其因素分解研究，自然资源学报，2010.25，（8）：1284-1295.

［16］董锋，杨庆亮，龙如银，等.中国碳排放分解与动态模拟，中国人口·资源与环境，2015，25（4）：1-8.

［17］焦文献，陈兴鹏.基于 STIRPAT模型的甘肃省环境影响分析——以1991-2009年能源消费为例 ［J］.长江流域资源与环境，2012，21（1）：105-110.

［18］吴敬锐，杨兆萍，阿达衣赛肯.基于STIRPAT模型分析新疆能源足迹的影响因素 ［J］.干旱区地理，2011，34（1）：187-192.

［19］Shi A.2003.The impact of population pressure on global carbon dioxide Emissions，1975-1996：Evidence from pooled cross-country data［J］.Ecological Economics，44：24-42.

［20］Soule'PT，DeHart JL.1998.Assessing IPAT using production-and consumptionbased measures of I［J］.Social Science Quarterly，79（4）：754-765.