中国碳排放影响因素及峰值预测的研究综述

李琳

摘要：为掌握碳排放影响因素和峰值预测的研究进度，文章采用分析和概括，总结出经济增长、产业结构和能源消费是影响碳排放因素；峰值预测的主要方法有情景预测方法、线性回归预测方法和GM（1，1）。

关键词：碳排放；影响因素；峰值预测

一、碳排放影响因素的研究

截至2017年，针对各国的学者们对碳排放影响因素的研究成果，影响因素大致可以分三类为：经济增长、产业结构、能源消费结构。

（一）经济增长

EKC 假说指经济发展水平较低的时候，随着经济的增长会导致环境质量的下降，但当经济发展到一定水平后，即出现“拐点”，随着人均收入的进一步增加，环境污染又由高趋低，其环境污染的程度逐渐减缓，环境质量逐渐得到改善。根据EKC曲线的相关理论和数据，中国部分学者研究中国是否存在EKC曲线。魏下海（2011）测算出中国碳排放EKC 的估计结果稳定，依然表现为倒“U”型特征，目前中国处于曲线上升的左半段。但也有持不同观点的学者认为，不存在倒“U”型或是倒“U”型并不是经济发展与环境质量的唯一关系。 贺红兵（2012）运用1978～2008年的数据，结合环境库兹涅茨曲线方法研究中国人均产值和人均碳排放之间的关系。结果显示，我国人均碳排放和人均产值之间并不存在倒“U”关系。此外，还在模型中添加了人均碳排放的一阶滞后项和反应结构效应的第二产业比重，结果表明历史碳排放对下一期的碳排放有着显著的影响。刘习平（2013）构建二氧化碳排放强度与人均GDP 的EKC 曲线，并在此模型中加入不同的变量“能源消费结构”，在此基础上研究碳排放强度、经济发展水平、能源消费结构三个不同变量之间的关系。结果表明，碳强度随着人均实际GDP的改变呈现出倒“N”型的特征。

（二）产业结构

在关于产业结构对碳排放量影响方面，国内的很多学者有着大致相同的结论，即三大产业中对碳排放量影响最大的是第二产业，影响最小的是第一产业，而第二产业对其的影响并不是十分明显，但最终都认为优化产业结构能够有效的降低碳排放量。许广月（2011）利用相关的面板数据来研究影响碳排放量的因素，在对所有数据进行分解分析之后得出，在生产生活中能够影响碳排放量的所有影响因素中产出规模、产业结构以及能源消费结构这三种影响因素最为重要，而清洁技术水平对降低碳排放量产生效果时，不同地区影响碳排放量的因素是不一样的。黄蕊、王铮（2013）利用1980～2010年间重庆市能源消费的数据建立STIRPAT模型，运用岭回归的方法拟合得到了一个关于碳排放量与其六个影响因素的多元线性模型。王世进、周敏（2013）通过区分我国东中西部不同区域的特征，构建省域GMM动态面板数据模型，对人均GDP、产业结构、城市化水平、外贸依存度、能源消费结构等因素进行了实证分析。最终得出，在不同的地方或者是区域，能够有效降低碳排放量的因素是不同的。

（三）能源消费结构

在研究能源结构对碳排放量的影响方面，对于能源强度、能源利用率的研究十分重要。朱勤等（2009）利用扩展之后的Kayak恒等式，建立了关于人口规模、经济产出、产业结构等5种因素对碳排放量的影响，分析这5种因素中主要的影响因素以及贡献率。李卫兵（2011）运用STIRPAT模型，研究能源强度对碳排放量的影响，研究表明，能源强度和碳排放之间存在正相关的关系，即如果改变能源中能源消费结构，就能够有效的降低碳排放量，及时在不同地区或者不同的区域这都是一个行之有效的降低碳排放量的方法，对经济的发展会产生积极的影响。

（四）其他因素

对于影响碳排放量除了上述三种主要的影响因素外，其他因素：中对外贸易、人口规模与城市化，国内的学者对这些还没有一个统一的说法。曲建升等（2013）就家庭生活所产生的二氧化碳进行了研究，针对西部数据研究分析，最终研究结果指出，西部地区人们生活生产中向空气中排放的二氧化碳主要是煤炭的使用，其中不同的生活情况和生活方式，地区的能源含量对最后二氧化碳排放量影响的大小都是不一样的。

二、碳排放峰值预测的研究

目前国内外学者对碳排放峰值预测方面的研究主要集中在能源消费的碳排放量峰值方面，主要方法有：情景预测方法、线性回归预测方法和GM（1，1）方法，运用环境库兹涅茨曲线（ EKC 曲线）、Kaya模型、STIRPAT 模型等，根据能源消耗量计算碳排放量、根据碳排放强度对碳排放峰值的研究等。

（一）情景预测方法

情景预测方法是假定现在某一种现象或者是状态会持续很长时间，然后对所要预测的现象或者是状态可能在将来某一时刻引起的所有后果做出相应的预测的一种方法。岳超等（2010）主要预测的是我国在2050年的时候GDP和碳排放强度出现峰值的时间，基准年以2005年为准，最后的研究结论指出：在低碳情景模式下，我国在2050年的碳排放量将会是最少的；在低碳情景时，是我国最佳的碳排放量，峰值出现在2035年。刘朝等（2011）利用情景预测分析法，根据关键阻碍原因，结合中国的国情，设定出以基础、低碳以及受挫情景为主要模式的情景预测的方法来研究我国到2050年的时候，到底需要多少能源以及最终会向空气中排放多少二氧化碳。刘俊杰等（2012）运用情景预测法，以江阴县为例，预测2011～2020年能源需求量以及碳排放量，以此为例来说明我国经济发达县市能源需求和碳排放趋势。

（二）线性回归预测方法

线性回归预测法是对客观事物数量之间是否存在相关关系的分析，如果自变量和因变量之间存在一一对应的关系时，才能进一步建立方程进行回归并进一步作出预测。刘建翠（2011）运用线性回归方法，根据交通运输部门运输产品的历史数据以及其经济增长的数据，预测了中国未来几年交通运输部门的能源消费量以及碳排放量，并计算了潜在的节能能力。预测结果表明，可以通过技术水平的不断进步，对降低交通運输部门碳排放和能源消费有一定的作用。endprint

（三）GM（1，1）

GM（1，1）即：灰色预测，对存在不确定因素的方程进行系统的预测。这种预测方法主要是通过系统鉴定，确定各因素之间相关性的大小，并且会对自动生成对原始数据的处理结果，从而方发现原始数据之间的变动或是相关性的规律，在此基础上，把原始数据生成具有较强规律性的数据，最终通过之前的数据结果，建立相应的方程，从而来预测未来的发展趋势。赵爱文等（2012）运用灰色预测对中国碳排放进行了短期预测（2002～2009）。最终预测结果显示：预测准确度为二级，其中关联度均方差比值和误差概率均为一级，预测结果与实际值误差比较小，预测中国碳排放量在2015年将超过32亿吨，表明中国“十二五”期间二氧化碳减排目标完成的形势比较严峻。李相宜等（2012）采用山东省2004～2010年能源消费总量和能源结构的相关数据，并结合灰色系统理论建立了预测模型，预测结果表明：山东省在未来10 年里，一次性能源消费总量仍呈稳步上升的趋势，年均增长率为7.21%，但是与“十一五”期间年增长率相比，上升的速度有所减慢；山东省仍然以煤炭为主要消费能源，但煤炭的消费比率逐年下降，同时对石油、天然气的消费比率不断增加，这也说明山东省在能源消费结构上有了很大的改善。

三、结语

中国作为发展中大国，其碳排放问题俨然成为世界所共同关注的问题。因此，预测中国未来碳排放的同时采取相应的政策，如：发展低碳经济、提高能源利用率，有助于实现2020年的碳减排目标。

参考文献：

[1]魏下海，余玲铮.空间依赖、碳排放与经济增长——重新解读中國的EKC 假说[J].探索，2011（01）.

[2]贺红兵.中国碳排放库兹涅茨曲线实证研究[J].当代经济，2012（11）.

[3]刘习平.中国能源消费结构、经济发展水平与碳排放强度[J].石家庄经济学院学报，2013（03）.

[4]许广月.我国碳排放影响因素及其区域比较研究：基于省域面板数据[J].财经论丛，2011（02）.

[5]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（02）.

[6]王世进，周敏.我国碳排放影响因素的区域差异研究[J].统计与决策，2013（12）.

[7]朱勤，彭希哲，陆志明，吴开亚.中国能源消费碳排放变化的因素分解及实证分析[J].资源科学，2009（12）.

（作者单位：郑州工商学院）endprint