矿业城市能源消费碳排放变化及其影响因素研究

罗广芳，张建军，2，李胜男，饶永恒

(1.中国地质大学(北京)土地科学技术学院，北京 100083；2.国土资源部土地整治重点实验室，北京 100083)

绿色矿业

矿业城市能源消费碳排放变化及其影响因素研究

罗广芳1，张建军1，2，李胜男1，饶永恒1

(1.中国地质大学(北京)土地科学技术学院，北京 100083；2.国土资源部土地整治重点实验室，北京 100083)

对能源消费碳排放驱动因子的定量分析是目前碳排放研究的热点之一，本文利用IPCC碳排放计算方法对武安市2002～2013年能源消费碳排放量进行了动态测算，并基于在环境经济研究中被广泛应用的STIRPAT模型计量拟合了能源消费碳排放与人口、人均GDP、能源强度、碳排放量强度、城镇化率的多元线性模型。结果表明能源消费碳排放量在研究阶段内呈逐年增长的趋势，而人口、人均GDP、城市化率、碳排放强度、与能源消费碳排放的弹性系数为0.295%、(-0.420+0.929InG)%(G为人均GDP)、0.255%、0.188%。能源强度每减少1%，能源消费碳排放将会减少0.056%。同时经济增长与能源消费碳排放之间并没有出现环境库兹涅茨(EKC)曲线特征。据此研究认为缓解环境矛盾可以从提高能源利用效率、调整能源消费结构、加大科技投入等入手。

能源消费；碳排放；STIRPAT模型；影响因素；矿业城市

目前全球温室效应引发的环境问题备受关注，据政府间气候变化专业委员会(IPCC)估计未来100年全球地表温度可能会升高1.6～6.4℃，全球气候变暖的主要因素是由于大气中二氧化碳浓度的增加。随着经济的发展能源消耗量大大增加，煤炭、石油、天然气等化石燃料的使用在给人类带来便捷的同时也造成的二氧化碳等温室气体的大量排放。研究发现由于化石燃料燃烧所引起的温室气体排放量占据了各种温室气体排放总量的80%，2006年我国的二氧化碳排放量超过美国位于世界第一位，约占世界碳排放总量的20%[1]，其中能源消费的快速增长对碳排放的增加起着决定性的作用。近百年来，中国年平均气温升高了0.5～0.8℃[2]。2009年12月，我国在哥本哈根联合国气候大会上提出2020年单位GDP的CO2排放量较2005年下降40%～45%的减排承诺[3]，中国正承担着艰巨的节能减排任务，面对这一形势，许多专家与学者对化石能源燃烧导致的碳排放量进行了测算与预测，但大多数是基于全球、国家或省域尺度，缺乏对以化石能源生产与消费而兴起的矿业城市能源消费碳排放研究，面对如此巨大的环境压力，如何在不削弱经济和社会发展的前提下实现矿业城市经济的可持续发展是矿业城市面临的巨大挑战。目前环境—经济问题成为了各国政府与学术界共同关注的热点。20世纪70年代美国学者Ehrlich[4]提出了IPAT模型对环境压力进行评估，研究发现人口、人均财富、技术及三者作用会对环境产生重要影响。在此基础上模型不断演进，1994年Dietz[5]在IPAT恒等式的基础上提出了STIRPAT模型用以分析能源足迹与经济发展之间的关系，该模型在学术界得到认可并广泛应用[6-9]。而能源消费碳排放是衡量一个地区环境压力的重要指标，可以运用该模型分析能源消费碳排放的影响因素[10-11]，本文以此出发，利用IPCC指南数据测算了矿业城市能源消费碳排放量效应，并基于STIRPAT模型结合SPSS20.0软件，采用岭回归分析探讨了人口、经济发展水平、能源强度、城市化水平等驱动因素对碳排放效应的边际贡献，并验证武安市能源消费碳排放与社会经济发展之间是否存在环境库兹涅茨曲线。本研究内容可为武安市节能减排政策的制定提供科学依据，有利于武安市生态建设与可持续发展，也可为矿业城市碳排放效应研究提供借鉴。

1 研究区概况

武安市地处晋冀鲁豫经济区的腹地，地理位置处于东经 113°45′～114°22′，北纬36°28′～37°01′之间，是全国百强县，具有典型的代表性。全市总面积 1819km2。全市现辖13个建制镇和9个乡，共502个行政村。截止到2011年人口总数高达791234人。人均GDP达到66769.2元。武安市工业基础雄厚，目前已形成冶金、煤炭、建材、机械、电力、轻工、化工、食品八大行业、20 多个门类、800 多种产品。年产铁矿石、钢、钢材分别达到 799×104t、705×104t和 287×104t，煤炭 262×104t，水泥 300×104t。

武安市有丰富的矿产资源，如煤、铁、钴、铝等，是河北重要的能源基地，为全国 58个重点产煤县(市)和全国四大富铁矿基地之一。目前已探明矿产有5大类、23个矿种，其中煤、铁、石灰岩、非金属资源尤为丰富。煤炭总储量 23×108t，其中地方占有储量 3.13×108t；铁矿总储量 5.5×108t，矿体 104 处；石灰岩遍及全市，总量超过 700×108t[12]。

2 数据来源与研究方法

2.1 STIRPAT模型构建

本文利用STIRPAT 模型研究分析武安市一些人文因素对化石能源消费造成的碳排放的影响作用。STIRPAT模型是环境压力等式IPAT 的随机形式。IPAT 等式是一个被广泛认可的分析人文因素对环境影响的量化模型(式(1))。

I=PAT

(1)

式中：I表示环境影响；P表示人口规模；A表示富裕度；T表示技术水平。IPAT模型主要的缺陷在于分析问题时仅能改变一个因素，而其他因素只能保持固定不变。得出的结果为该因素对因变量的等比例影响，这成为该模型最大的局限。Dietz等在此基础上建立了STIRPAT模型，即见式(2)。

I=aPbAcTde

(2)

式中：a为模型系数，b、c、d分别为人口、财富和技术因素的系数，e为随机误差项。指数的引入使得该模型可用于分析外部驱动力(包括城市化、人口年龄结构、地理位置、气候条件、消费状况等)对环境的非比例影响。对式(2)两边取自然对数，得到式(3)。

lnI=lna+b(lnP)+c(lnA)+d(lnT)+lne

(3)

式中，InI作为因变量，InP、InA、InT作为自变量，Ina为常数项，Ine为误差项，由弹性系数的概念可知，方程的回归系数反映的即是解释变量与被解释变量之间的弹性关系。

2.2 模型扩展及变量说明

本文结合矿业城市武安市的特点运用STIRPAT模型测算外部驱动因子对能源消费碳排放的影响作用。选取的驱动因子指标为：人口与富裕度指标(人口总数、人均GDP)，技术因素指标(包括技术指标和现代化指标，技术指标为能源强度与碳排放强度，现代化指标为城镇化率)，同时为了探究能源消费碳排放造成的环境压力是否与社会经济间存在环境库兹涅茨曲线关系，故对富裕度指标引入其二项式形式[13]，公式如式(4)所示。

InI=k+aInR+bInN+cInT+dInC

+eInG+f(InG)2

(4)

本文以I表示工业能源消费的碳排放量，k表示模型的系数，R表示武安市人口数量，N表示能源强度，T表示碳排放量强度，C表示城市化率，G表示人均GDP，该指标可以在一定程度上反映该地区的富裕度，a、b、c、d为指数，表示当R、N、T、C每变化1%时，分别引起I的a%、b%、c%、d%、的变化，e、f表示富裕度的对数项及其二次项的系数[14]。当f值为负值时可以确定碳排放量与社会经济之间存在环境库兹涅茨曲线关系。

式(4)对InG求一阶偏导数，可以得到富裕度对环境影响的弹性系数(EFIG)，见式(5)。

EFIG=e+2fInG

(5)

2.3 碳排放量估算

碳排放计算方法主要包括生命周期法、投入产出法、IPCC碳排量计算指南法[15]等，其中IPCC指南法较为常用。本文选取该方法并结合2002年至2013年《武安市统计年鉴》能源消耗数据对武安市能源消费碳排放进行测算，选取的化石燃料的类型主要为原煤、洗精煤、焦炉煤气、高炉煤气、其他煤气、焦炭、原油、汽油、柴油和液化石油气等。由于这些能源占能源消费总量的比例较高，可以认为近似等于能源消费总量。计算见式(6)[16]。

(6)

式中：E表示二氧化碳排放量，表示i类化石燃料燃烧量，表示i类燃料低位热值，表示i类燃料含碳量，表示i类燃料氧化率，表示C转换为CO2的系数。

大量基于城市层面碳排放研究采用来自于IPCC提供的参考方法和计算参数的缺省值，本文采用《IPCC2006 国家温室气体清单指南》中的缺省二氧化碳排放系数为基础，并结合国家气候变化对策协调小组办公室公布的《中国温室气体清单研究》中提供的分部门、分燃料参考值，选取适宜武安市实际状况的化石燃料燃烧所造成的温室气体算法和排放因子，具体数值见表1。

表1 武安市能源低位热值、含碳量与氧化率

2.3 工业能源消费碳排放效应测度

根据收集到的数据指标以及测算到的碳排放量，以STIRPAT方程为模型，借助SPSS20.0软件进行多元回归分析，但是基于变量之间可能存在共线性问题，不能采用普通二乘法拟合，故本文采用岭回归分析方法对能源消费影响因子进行定量测度。岭回归分析方法是专门处理共线性数据分析的有偏估计回归方法，放弃最小二乘法的无偏性，以损失部分信息、放弃部分精度为代价来寻求效果稍差但更符合实际更可靠的回归方程。岭回归方法已被普遍运用于学术研究之中[17-18]。

3 模型结果与分析

3.1 碳排放分析

利用武安市2002～2013年能源消费数据，利用式(6)得到武安市2002～2013年工业能源消费碳排放变化情况，由图1可知，武安市工业能源消费碳排放量由2002年的647.94万t增加到2013年的4711.16万t，整体增长趋势显著，年增长率为52.27%，增长率较高。通过曲线变化趋势可以看出能源消费碳排放可以分为两个阶段。第一阶段为2002～2008年，该阶段能源消费碳排放量增长迅速，年平均幅度为32.21%，主要的原因与社会经济发展背景有关，武安市为典型的矿业城市，经济的发展主要依赖与能源的消耗，为了发展经济而粗放利用能源的现象较为明显，该阶段GDP由2002年的80.1亿元增长为2008年的396.0亿元，年增长率为31.3%，人均GDP由2002年的11248元增长为57353元，城镇化率由2002年的24.6%增加为2010年的52%；第二阶段为2008年以后，该阶段碳排放增长平缓，年增长率为8.8%，主要的原因为武安市重视节能减排工作，加强了环境治理力度，严厉打击高耗能高污染行业，发展科技，科技进步对经济增长贡献率提高到56%，同时开始逐步实行新型工业化道路，突出高起点、大规模、新产业，注重低碳化、集约化，提高能源利用效率。从整体人均碳排放量看，其增长变化趋势也十分显著，2002年人均碳排放量为9t/人，2008年为44t/人，由于武安市人口增长变化趋势不明显，年增长率为1.09%，人均碳排放量的主要影响因素为碳排放总量的变化。

图1 武安市2002～2013年能源消费碳排放总量与人均碳排放量变化图

图2 武安市2002～2013年能源消费碳排放强度、GDP变化情况

3.2 碳排放强度分析

由图2可以看出武安市2002～2013年碳排放强度整体呈下降趋势，由2002年的8.26 t/元减少到2013年8.08 t/元，出现该现象的原因为武安市推行节能减排工作，打击高耗能高污染行业，淘汰了一批小火电厂、小水泥厂、小煤窑，规范了行业发展，提高科技推行低碳经济从而使得能源碳排放强度减少。但是武安市的碳排放强度年平均下降率(0.2%)远远低于GDP年平均增长率(53.57%)，因此现阶段武安市不能实现碳绝对减排。

3.3 碳排放驱动因子测度

3.3.1 驱动因子分析

文章选取了人口、全社会固定投资、能源强度、碳排放量强度、能源消耗总量、人均GDP、第二产业比例、城镇化率等因子作为能源消费碳排放量备选驱动因子，利用SPSS软件做相关性分析，筛选出解释性较强的因子，通过筛选选取了人口、能源强度、碳排放量强度、城市化率、人均GDP这5个因子，其与能源消费碳排放量偏相关系数均大于0.9，且显著性( 双侧) 检验概率均在1% 以下。为了将各个因变量、解释变量之间的多重相关性去除同时消除驱动因子间量纲关系，文章利用SPSS20.0将所有数据对数化之后做岭回归分析处理。

3.3.2 回归结果分析

本文利用SPSS20.0软件的岭回归函数，设定系数k在(0.1)之间变化，以0.0001为步长进行取值估算，得到岭迹图(图3)。经过反复试验得到当k=0.001时岭迹大体上达到稳定。并且变量均通过了1%的显著性水平检验，R2为0.999，说明整体拟合非常好，模型(4)能够很好地模拟武安市能源消费碳排放与其驱动因子之间的关系，具体形式见式(7)。

InI=k+0.295InR-0.056InN+0.188InT+0.255InC-0.420InC+0.929(InG)2

(7)

图3 k在(0，0.01)之间的岭迹图

从岭回归分析结果可以看出，模型结果显著且与实际情况相符，从系数上看，人口、碳排放强度、城市化水平的增加都会促进武安市能源消费碳排放量的增长，3个驱动因子按其影响比重大小依次为：人均GDP(-0.420+0.929InG)>人口总量(0.295)>城市化率(0.255)>碳排放强度(0.188)，而能源强度的减少会促进能源消费碳排放量的减少。

根据模型(7)的分析可以得知，在武安市人口总量的增长将引起能源消耗碳排放为衡量指标的环境压力的加速增长，在其他条件相同的情况下人口总量每增加1%将导致能源消费碳排放增加0.295%。这表明在武安市社会经济发展过程中人口总量的增长对能源消耗碳排放的增加起到主要作用，这主要是因为人口对能源的绝对需求决定的，人口数量的增长提高了人口资源与环境的压力。随着社会人口素质和生活水平的提高，人口增长速度将会变缓，未来由于人口引发的能源需求问题会有所减缓。人均GDP是影响武安市能源消费碳排放量的重要因素。人均GDP每增加1%，能源消费碳排放量将增长(-0.420+0.929InG)%，主要的原因为经济的增加加快了能源消费的需求量和需求速度，财富的增长提高了居民的消费水平刺激了人们的消费欲望，而消费的增长促进了能源消费的碳排放。

城市化水平同样也是造成能源消费碳排放增长的另一个影响因素，城市化率每增长1%，能源消费碳排放量将会增长0.255%，近些年来武安市城市化水平增长较快，从2002年的24.63%增长为2013年的43.98%，城市化率的提高实际上反应了居民整体生产和消费水平的反映。大量的农村居民迁移到城镇，城市化率的增长促使了城市建筑、交通运输以及工业企业对能源消费需求导致碳排放量的增加。

碳排放强度是除去人口、城市化水平之外引起武安市能源消费碳排放量增长的另一因素，与其他因素相比影响作用较小，但是有着举足轻重的地位。碳排放强度每增加1%，能源消费碳排放量将会增长0.188%。可以看出碳排放强度的减少对能源消费碳排放量的降低作用相对较大，效果比较显著，主要的原因为武安市经济的发展依赖于能源资源的消费，近年来碳排放强度增长率不高但是仍旧保持了增长的态势，想要实现碳排放强度的减少难度较大，并且碳排放强度对碳排放的解释力有限，它受到模型中人口结构与全社会生产总值的影响，另一方面与能源使用效率、技术发展水平、产业结构水平息息相关。

能源强度根据岭迹图可以看出，能源强度的减少对能源消费碳排放量的降低起到一定的影响作用，能源强度每减少1%，能源消费碳排放量将会减少0.056%，武安市2002～2013年能源强度逐渐减少，从2002年3.37t/万元减少到2006年的最低值2.92t/万元，到2013年武安市能源强度达到3.29t/万元。虽然能源强度下降但是还没有起到减少碳排放的作用，这仍与武安市的能源结构与社会性质有关，矿业城市武安以煤炭资源为特色，其中能源消费主要以煤炭为主，且大多为原煤直接燃烧。虽然技术进步提高了能源的利用效率，但仍未达到降低能源消费量的程度。

3.4 环境EKC曲线分析

根据式(5)和式(7)可以得到富裕度系数 e=-0.420<0，f=0.929 >0，根据环境库兹涅茨曲线模型[19]可以看出武安市能源消费碳排放与经济发展之间呈“U”型曲线关系，而不存在环境库兹涅茨曲线所预示的关系。说明了武安市能源消费碳排放量呈增长趋势，在该阶段并未有出现碳排放的峰值。人均GDP取不同值时其对能源消费碳排放影响的弹性系数EFIG如表2所示。

表2 不同人均GDP对能源消费碳排放影响的弹性系数

注：EFIG为弹性系数；△EFIG为弹性系数的变化值。

如表2所示，随着人均GDP的增加，对能源消费碳排放量的影响也逐渐增大，引起该变化的主要原因为武安市社会经济发展的特征，作为矿业城市经济的发展主要依赖的动力与支持是能源的消费，粗放式的经济发展引起了环境污染现象的发生。同时随着富裕度的增加发展到一定阶段后，弹性系数的变化值呈现出逐渐减少的趋势，该现象的原因是武安市在先前粗放式经济发展模式下开始重视节能减排工作，同时富裕度水平的增加有利于技术进步速度的加快，能源利用效率得到提高。但是从能源消耗碳排放量与社会经济之间的“U”型曲线关系可以看出碳排放量还会继续保持增长趋势，说明节能减排工作的力度更需要加强，技术进步、能源利用效率的提高还没有达到降低能源消费量的程度。

4 结 论

本文以典型矿业城市武安市为例，通过能源消耗数据测算了2002～2013年能源消费碳排放的变化规律，同时根据STIRPAT模型采用了有偏估计岭回归函数对武安市人口、经济、技术发展与能源消耗碳排放之间的关系进行了模拟并分析碳排放与其驱动因子的相互关系，最后验证了能源消费碳排放与经济发展之间是否存在环境库兹涅茨曲线。主要结论如下所示。

1)武安市能源消费碳排放量呈逐年增长的趋势，在该研究阶段内，碳排放量由2002年的647.94万t增加到2013年的4711.76万t，年均增长率为52.27%。人均碳排放量增长变化趋势也十分显著，2002年人均碳排放量为9t/人，2008年为44 t/人，年均增长率为1.09%。

2)人均GDP、人口、城市化率、碳排放强度每增加1%，能源消费碳排放相应的增加(-0.420+0.929InG)%(G为人均GDP)、0.295%、0.255%、0.188%，其中人均GDP对碳排放的影响程度最大，其次为人口。而能源强度每减少1%，能源消费碳排放将会减少0.056%。

3)通过拟合出的能源消费碳排放与人口、人均GDP及其二项式、人口、碳排放强度、城市化率、能源强度指标、现代化的多元线性模型可以看出，人均GDP对数的二次项系数为正，即证明了在观测范围内能源消费碳排放与经济发展之间的环境库兹涅茨曲线特征还没有出现，武安市能源消费碳排放还会逐渐增加。

探讨能源利用碳排放与经济发展关系有利于了解经济发展与环境压力之间的矛盾，有利于社会的可持续发展。武安市想要实现节能减排主要的着手点应该为提高能源利用效率、调整能源消费结构、控制人口、加大科技投入、转变经济增长方式、出台减排政策等几个方面入手。武安市正处于社会快速发展阶段，采用节能降耗技术加大对能源消费的科技投入，提高非碳能源在能源消费中的比例，减少能源消费碳排放势在必行。

[1] 杨茜.我国电力系统碳排放研究—基于系统动力学模型[D].北京：中国社会科学院研究生院，2012.

[2] 郭运功.特大温室气体排放量测算与排放特征分析[D].上海.华东师范大学，2009.

[3] 赵承.温家宝总理出席哥本哈根气候变化会议纪实[M].节能与环保，2010(1):1-4.

[4] Ehrlich P R，Holdrens J P.The impact of population growth.Science，1971，171：1212-1217.

[5] York R，Rosa E A，Dietz T.A rift in modernity? Assessing the anthropogenic sources of global climate change with the STIRPAT model.International Journal of Sociology and Social Policy，2003，23(10)：31-51.

[6] 龙爱华，徐中民，王新华，等.人口、富裕及技术对2000年中国水足迹的影响[J].生态学报，2006，26 (10):3358-3365.

[7] 王琳，吴业，杨桂山，等.基于STIRPAT 模型的耕地面积变化及其影响因素[J].农业工程学报，2008，24(12):196-200.

[8] 卢娜，曲福田，冯淑怡，等.基于STIRPAT模型的能源消费碳足迹变化及影响因素:以江苏省苏锡常地区为例[J].自然资源学报，2011，26(5):814-824.

[9] 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

[10] 黄蕊，王铮.基于STIRPAT模型的重庆市能源消费碳排放影响因素研究[J].环境科学学报，2013，33(2):602-608.

[11] 王立猛，何康林，基于STIRPAT模型的环境压力空间差异分析———能源消费为例[J].环境科学学报，2008，28(5):1032-1037.

[12] 张丁轩.矿业城市土地利用时空变化及模拟[D].北京.中国地质大学(北京)，2013

[13] 王立猛，何康林.基于STIRPAT 模型分析中国环境压力的时间差异—以1952—2003 年能源消费为例[J].自然资源学报，2006.21(6):862-869.

[14] 徐中民，程国栋.中国人口和富裕对环境的影响[J].冰川冻土，2005，27(5):767-773.

[15] 王超.基于煤炭生命周期的电煤供应链废气排放研究[D].北京.北京交通大学，2013.

[16] 耿玉环.我国省域能源消耗产生的二氧化碳排放清单估算及特征分析[D].北京，中国地质大学(北京)，2011.

[17] 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.

[18] 宋晓晖，张裕芬，汪艺梅，等.基于IPAT扩展模型分析人口因素对碳排放的影响[J].环境科学研究，2012，25(1):109-115.

[19] 陈勇，李首成，税伟，等.基于EKC 模型的西南地区农业生态系统碳足迹研究[J].农业技术经济，2013(2)：120-128.

Research into the carbon emissions from energy consumptions change and its influencing factors

LUO Guang-fang1，ZHANG Jian-jun1，2*，LI Sheng-nan1，RAO Yongheng1

(1.School of Land Science and Technology，China University of Geosciences (Beijing)，Beijing100083，China;2.Key Laboratory of Land Consolidation and Rehabilitation，Ministry of Land and Resources，Beijing100083，China)

Analyzed quantitatively to the influencing factors of carbon emissions from energy consumptions is the focus of the carbon emission researches.This paper built a STIPRAT-based multivariate linear model fitted by a ridge regression to examine the relationship between carbon emissions from energy consumption and a list of indices，including population，per capita GDP，energy intensity，carbon emission intensity，and level of urbanization.And count carbon emissions from energy consumptions change from 2002 to 2013 with the IPCC calculation method.It found that carbon emissions from energy consumption are increasing year by year in the study stage.And for 1% increase in population，per-capita GDP，urbanization and carbon emission intensity，there was 0.295%，(-0.420+0.929lnG) %，0.255%，and 0.188% increase in carbon emissions in the city，respectively.On the contrary，every 1% reduction in energy intensity，energy consumption carbon emissions will be reduced by 0.056%.The environmental Kuznets curve (EKC) characteristics don’t exist between economic growth and energy consumption and carbon emissions.Accordingly，several suggestions are proposed in the study to mitigate the contradiction between environments，including improve the energy efficiency，adjust the energy consumption structure and increase investment in science and technology.

energy consumptions；carbon emissions；STIPRAT model；influence factors；mining city

2015-02-15

北京市支持中央高校共建项目——青年英才计划项目资助(编号：YETP0639)

罗广芳(1990-),女，四川宣汉人，硕士研究生，主要从事土地利用与碳排放研究。E-mail:luoyi630@163.com。

张建军(1982-)，男，山西太原人，博士，副教授，主要从事土地利用与生态经济方面的教学与研究工作。E-mail:zhangjianjun_bj@126.com。

F407.1

A

1004-4051(2015)08-0053-06