李 强 左静娴
(安徽财经大学,安徽 蚌埠 233030)
基于STIRPAT模型的长江经济带碳排放峰值预测研究
李 强 左静娴
(安徽财经大学,安徽 蚌埠 233030)
基于长江经济带11个省(市)2000—2014年面板数据,运用STIRPAT模型预测未来碳排放峰值。研究发现:(1)对碳排放峰值影响较大的两个因素是碳排放强度和人均GDP。如碳排放强度降速低于经济增速,则在2030年前不会出现峰值。(2)在经济增长情况下,保持碳排放强度合理下降,长江经济带碳排放将在2030年前达峰,达峰时间为2024—2029年。(3)保持碳排放强度合理降速对长江经济带在2030年内达到碳排放峰值尤为重要。
STIRPAT模型;碳排放;峰值预测
2015年11月30日,巴黎气候变化大会召开,近两百位国家领导人共同探讨全球气候变化协议。如何减少温室气体排放,防止气候恶劣变化给人类带来伤害是大会重点内容。大会讨论的另一重点是碳排放量,中国作为规模最大的碳排放国家之一,承诺到2030年达到碳排放峰值。为实现长江经济带战略发展目标以及中国在巴黎全球气候大会上提出的碳排放峰值目标,各地区应在经济发展同时考虑如何控制碳排放,促进高碳经济向低碳经济转变。长江经济带作为“三大支撑带”之一,碳减排目标实现对我国生态文明建设具有重要意义。
碳排放问题研究涉及不同模型与方法,如IPAT、STIRPAT模型、环境库次涅茨曲线等,已有研究在指标选取以及模型选择上存在一定差异,研究结果也存在较大不同。
最初,在研究人口因素对环境影响过程中广泛应用IPAT方程,通过保持其他因素不变,仅改变一个因素分析问题。在已有基础上将方程“I=PAT”中T分解成“单位能源消费产生的环境影响(T)”及“单位GDP 能源消耗——能源强度(C)”,变成“I=PACT”。国内一些学者在研究碳排放问题时选择IPAT模型分析,如张乐勤等在三种不同情景下,基于IPAT模型测度未来安徽省碳排放强度及碳排放量,结果显示碳排放量在三种情景下均呈上升趋势,表明EKC曲线拐点在2015年不会出现[1]。国外学者York通过研究发现,IPAT模型本身存在不足:当保持其他因素不变仅改变其中一个因素分析问题时,最终结果只是此因素对因变量的等比例影响[2]。为弥补IPAT模型缺陷并研究人口对环境的非线性影响,大多数学者在研究碳排放问题时选择STIRPAT模型,如Brant Liddle选择STIRPAT模型实证分析发达国家碳排放影响因素,结果发现,除人口、能源强度和人均财富外,碳排放影响因素还包括城镇化率、能源结构等[3]。郭运功等选择STIRPAT模型实证研究上海市碳排放与经济发展问题,结果显示上海市碳排放的主要影响因素不仅是人口增加,还包括城市化加速[4]。国内学者扩展并修正传统STIRPAT模型[5-6],实证研究碳排放峰值影响因素,发现技术对峰值的影响较其他因素更大[7-9]。也有学者在碳排放问题研究上采用其他模型与方法,如朱永彬、王铮在实证分析能源强度和最优经济增长率间关系时选择内生经济增长模型,研究结果表明,当能源产出弹性小于0.5时,两者间存在“倒U型”关系,我国能耗峰值将在2043年出现,碳排放将在2040年达到峰值[10]。杜强等基于我国省级面板数据,采用Logistic模型研究未来碳排放趋势,发现未来碳排放增长趋势与生物种群的“S”型增长类似[11]。冯宗宪和王安静在陕西省碳排放因素分解时使用投入产出法的结构分解模型,并在此基础上利用情景分析法及蒙特卡洛模拟法预测陕西省峰值出现时间,结果表明,陕西省碳排放峰值可能出现在2030年[12]。
综上所述,国内外学者碳排放研究成果丰富,但在碳排放峰值预测方面主要针对中国整体及省际层面,区域层面碳排放峰值预测的研究较少。本文以长江经济带为例,以2030年为界,测度长江经济带总体碳排放趋势,运用STIRPAT模型预测碳排放峰值在不同情景下的出现时间并分峰值出现的一般规律,根据分析结果为长江经济带经济由高碳增长向低碳发展提出建议。
STIRPAT模型与其他模型不同之处在于该模型可引入多个自变量,分析不同自变量对环境压力的影响;该模型是非线性模型,具有较好拓展性,可分析人文因素对环境的非等比例影响。因此,本文选择STIRPAT模型预测长江经济带碳排放达峰时间。STIRPAT模型以IPAT为基础,建立人口、环境影响、技术水平和人均财富间的关系式:
式(1)中,I、P、A、T分别代表排放量、人口、财富及技术,利用该模型可预测长江经济带未来达峰时间。但是IPAT无法反映函数式中各影响因素非单调与非均衡的函数关系,为弥补IPAT模型不足,York等以IPAT模型为基础建立STIRPAT模型[2],即:
部分学者认为财富A和排放量I之间存在非线性关系,本文借鉴York等的方法,并考虑产业结构等因素对碳排放量影响,将模型扩展为:
选取人口、碳排放强度=碳排放量/GDP、人均GDP及产业结构(C)(第二产业占GDP的比重)作为影响因素。
以2000—2014年长江经济带省级面板数据为样本,包括11个截面单元15年的时间序列数据。数据包含长江经济带11个省市人口、GDP、第二产业值及各省市煤炭、石油和天然气年度消费数据,数据来源于《中国能源统计年鉴》、各省市统计年鉴及《中国统计年鉴》。
碳排放总量计算参考公式:
公式(5)中Cic为煤炭消费量,Cio为石油消费量,Cig为天然气消费量,Ci为碳排放总量。a为煤炭碳排放系数、b为石油碳排放系数,d为天然气碳排放系数,分别为0.7476、0.5825和0.4435,数值来自2003公布的《中国可持续发展能源暨碳排放情景分析》。
长江经济带各省市的碳排放存在差异,首先采用长江经济带2000—2014年省级面板数据,选取人口、碳排放量 、碳排放强度及人均GDP等作为影响因素分析目前各地碳排放基本情况。将模型(4)扩展为:
其中,ai*表示长江经济带各省市间碳排放结构差异,ai代表11个省市碳排放固定效应。长江经济带各省市碳排放情况不同,对该模型选用广义最小二乘法估计,得到结果如下(见表1):
注:括号内为t值。
其中,R2=0.996,P=0.000。
表1中数据不仅表示长江经济带各省市间碳排放对固定影响偏离程度的估计结果不同,同时反映省市间碳排放结构差异。江苏、浙江、安徽、湖北、湖南及四川碳排放偏离程度为负值,低于长江经济带碳排放平均水平,其中江苏碳排放对固定影响偏离程度的估计值为-0.095217,碳排放水平最低。贵州、上海、江西、重庆以及云南碳排放偏离程度为正值,高于长江经济带碳排放平均水平,其中贵州碳排放对固定影响偏离程度的估计值为0.116783,碳排放水平最高。江苏、浙江、安徽等近几年第二产业占比呈递减趋势,产业结构有所调整,第二产业逐渐向第三产业转移,能源消耗量减少,碳排放较长江经济带平均水平低。重庆、云南、贵州等由于西部大开发,工业基础设施投资增多,能源消费导致碳排放增加,碳排放量比长江经济带平均水平高。
为得到长江经济带总体碳排放趋势,本文将11个省市2000—2014年人口、碳排放量、人均GDP、碳排放强度和第二产业占比等数据回归处理,分析其对长江经济带碳排放影响,其中人均GDP换算为2000年不变价,得到结果如下:
注:括号内为t值。
其中,R2=0.996,P=0.000。
根据以上回归结果,发现人口、人均GDP及碳排放强度三个变量系数均为正数,表明变量与碳排放总量存在正相关关系。人口变量系数最大即对碳排放量影响最大,碳排放强度次之,再次为人均GDP。
假定人口、碳排放强度和人均GDP等变量在2015—2030年间保持目前发展趋势,即取2000—2014年年平均增长率为其增长率。预测模型中产业结构即第二产业占比取值不变,取年均值为45.86%,不影响预测曲线走向。根据各变量增长率计算相关数据,带入回归方程中得到2015—2030年碳排放量,如图1所示。
图1 维持现状下2015—2030年碳排放量预测
由图1可知,保持目前发展趋势,第二产业占比不变,长江经济带碳排放量将不断增加,在2015—2030年不会出现碳排放峰值。因此,应适当控制人口、碳排放强度和人均GDP等变量增长率,使长江经济带碳排放在2030内达峰。
为更好预测2015—2030年长江经济带碳排放量,根据渠慎宁、郭朝先研究,假定未来三种经济发展方案,即高、中、低模式[7]。除此三种模式外,延伸出高中、低中、高低、中低及中高五种模式(其中低高模式不符合实际情况排除)。低模式假定人口、人均GDP等变量低速增长;中模式假定变量适中速度增长;高模式假定变量较高速度增长;高中模式假定碳排放强度适中增长而人均GDP高速增长;中低模式假定人均GDP适中增长而碳排放强度低速增长;高低模式假定碳排放强度低速增长而人均GDP高速增长;中高模式假定人均GDP中速增长而碳排放强度高速增长;低中模式假定碳排放强度适中增长,人均GDP以较低速度增长(见表2)。其他延伸模式设定用来与高、中、低模式比较,从而分析不同因素对峰值出现时间的影响,为控制达峰时间提供参考。
表2 情景模式设定说明
根据表2并结合长江经济带实际情况,设定不同情景模式下各变量增速。情景模式中以中模式作为各变量变化速度基准,高模式变量增速高于中模式,而低模式各变量增速低于中模式。人口、人均GDP及碳排放强度增长率采用各年均增长率平均值,碳排放强度设定参考碳排放强度三种模式(高模式、低模式和中模式)的情景预测。
表3列出各变量增长率,并计算8种情景模式下不同时间段各变量相关数据,将这些数据代入回归方程中得出长江经济带2015—2030年各时间段碳排放总量,预测峰值出现时间及相应峰值。通过图2以及表4,可见长江经济带碳排放量在2030内分别在低模式和低中模式两种情景模式下达到峰值,低模式下碳排放达峰时间为2029年,峰值额为523 670万吨,低中模式下碳排放在2024年达到峰值,峰值额为513 096.34万吨。其他5种模式下碳排放量一直呈上升趋势,并未在2030内出现碳排放峰值。由此可预测,以目前发展趋势,在维持长江经济带经济增长同时兼顾碳排放强度降速,长江经济带将在2024—2029年之间出现碳排放峰值。如不关注碳排放强度降低仅考虑经济快速增长,则会推迟长江经济带碳排放峰值出现时间,无法在2030内达到碳排放峰值。因此,保持碳排放强度合理下降对于长江经济带在2030内达到碳排放峰值十分重要,未来碳减排压力主要来自加快碳排放降速。
表3 2015—2030年长江经济带社会经济发展情况假定
图2 8种模式下碳排放量预测结果
表4 8种情景模式预测结果
通过以上分析可知,人口、碳排放强度和人均GDP是促进长江经济带碳排放快速增长的重要因素。本文在8种情景模式下预测长江经济带碳排放量,研究结果显示,在中模式、高模式、高中模式、高低模式、中高模式和中低模式下碳排放量并未达到峰值,仅在低模式和低中模式下出现峰值,达峰时间为2024—2029年。影响碳排放峰值的两个较重要因素为碳排放强度和人均GDP。在碳排放降速较慢而人均GDP及人口增速较快情况下,长江经济带在2030年内不会出现峰值。因此,保证长江经济带提前达峰且不降低经济增长速度,关键在于加快碳排放强度降速。减少传统能源使用,加大使用清洁能源是未来长江经济带生态经济发展迫切需要。
长江经济带发展是中国区域发展的“三大战略”之一,具有自然资源及地理条件优势,但部分地区经济相对较落后,经济发展需求强烈,继续采用传统经济发展模式,可能会以牺牲环境为代价促进经济发展,对生态环境造成不利影响。长江经济带在未来经济发展中,应积极探索以绿色产业为主导的经济发展模式,提高准入门槛,构建适合生态经济发展的产业布局。一方面,调整和淘汰“高污染、低产出”的传统产业,积极促进“低污染、高产出”的清洁类产业发展。另一方面,对仍存在发展价值的工业企业开展技术改造,延长企业生产链条,简化生产过程,提高原材料利用率,在增大产出同时减少能源消耗。2014年国家提出经济新常态理念后要求经济中高速发展,过快的经济增速不利于经济社会可持续发展,长江经济带在保持经济增长同时应将高碳产业向低碳产业转型,优化升级产业结构,严格控制废气、废水等污染物排放。
资源为导向的经济发展模式转变为创新、科技为导向的发展模式,需改变传统能源利用模式。一方面,提倡使用清洁能源,减少使用污染大、利用率低的能源,减少开采化石能源;积极发展新型能源,增加风能、太阳能、核能等可再生能源使用比重,减少煤炭、石油等高污染、高排放能源使用量,不仅能够减少碳排放,也有利于经济可持续发展。另一方面,在碳排放和能源约束下,实现经济可持续发展,必须加大可持续能源开发,提高能源可再生率,通过技术进步、人力资本积累、节约能源以及环境治理实现经济可持续发展。长江经济带实现经济低碳可持续发展,需要优化能源结构,大力发展可再生的清洁能源,并提高能源利用率,积极推行循环生产和清洁生产,协调好经济发展与环境保护关系。
长江经济带横跨我国东中西部地区,各地区拥有不同自然资源和地理条件,总体而言,东部地区自然资源较丰富,中西部地区自然资源相对匮乏。但东部地区劳动力资源不足,应利用各自优势,如东部地区可发展资本密集型产业,向中西部地区转移劳动密集型产业,大力发展高技术产业及信息服务业等;中西部地区应不断优化升级产业结构,利用丰富劳动力资源发展和承接劳动密集型产业,在控制碳排放量同时实现经济增长。长江经济带中西部地区能源强度比东部地区大,经济充分发展对降低能源强度至关重要,也对低碳技术引进与研发具有重要作用[13]。
长江经济带横跨东中西部三大区域,地理条件、资源禀赋、交通环境以及基础设施等存在较大差异,各区域发展也有较大差异。长江经济带在2030内到碳排放达峰值,不仅需要减少使用煤炭等高污染能源,提高天然气等清洁能源消耗比例,政府在制定政策时还需要考虑区域差异,采取不同碳排放政策并结合当地实际情况设定碳排放目标。提高对节能减排工作的重视程度,减少煤炭等传统能源消耗,将碳排放量控制在合理范围内。
[1]张乐勤,李荣富,陈素平,等.安徽省1995年—2009年能源消费碳排放驱动因子分析及趋势预测——基于STIRPAT模型[J].资源科学,2012(2):316-326.
[2]Richard York,Eugene A.Rosa,Thomas Dietz.STIRPAT,IPAT and ImPACT:Analytic Tools for Unpacking the Driving Forces of Environmental Impacts[J]. Ecological Economics,2003(46):351-365.
[3]Brant Liddle,Sidney Lung.Age-Structure,Urbanization,and Climate Change in Developed Countries:Revisiting STIRPAT for Disaggregated Population and Consumption-Related Environ-mental Impacts[J].Popul Environ,2010(1):007-031.
[4]郭运功,汪冬冬,林逢春.上海市能源利用碳排放足迹研究[J].中国人口·资源与环境,2010(2):103-108.
[5]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(2):98-102.
[6]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(1):48-58.
[7]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(12):10-15.
[8]王宪恩,王泳璇,段海燕.区域能源消费碳排放峰值预测及可控性研究[J].中国人口·资源与环境,2014(8):9-16.
[9]邓小乐,孙慧.基于STIRPAT模型的西北五省区碳排放峰值预测研究[J].生态经济,2016(9):36-41.
F127 文献标识码:A 文章编号:1672-3805(2017)05-0053-06 收稿日期:2017-09-12
安徽省自然科学基金面上项目“长江经济带产业转型升级与生态环境优化的协同机制研究”(1708085MG172);安徽省创新发展研究重大课题“长江经济带产业结构与生态环境耦合优化研究”(2017ZD003);安徽省教育厅人文社科重点项目“考虑技术进步和结构调整回弹效应的我国节能减排路径研究”(SK2015A224);2016年安徽财经大学研究生科研创新基金“长江经济带能耗和碳排放峰值预测研究”(ACYC2016102)