基于STIRPAT模型的山东半岛蓝色经济区碳排放预测

颜 伟，黄亚茹，张晓莹，高梦斐

(山东科技大学a. 能源与矿业工程学院，b. 矿山灾害预防控制省部共建国家重点实验室培育基地，山东青岛266590)

全球变暖已成为当前人类面临的严峻生存挑战，碳排放是造成全球变暖的主要影响因素之一[1]，因此，降低碳排放量是减少大气污染和应对气候变化的关键所在[2]。目前，很多国内外学者针对不同地区的环境压力对碳排放影响因素[3-5]进行了分析及碳排放量预测[6-10]，但多为国家及省级的研究，鲜有从微观角度细化分析市、区一级的影响因素[11]。此外，碳排放研究还集中在碳排放权交易[12-13]及分配[14]、低碳经济发展[15]、碳排放时空特征[16]等方面。

山东半岛蓝色经济区发展蓝色经济的核心目标是在促进城市经济发展的过程中，实现节能减排、保护生态，最终实现低碳发展的经济目标。2016年，仅山东省建筑业碳排放量高达12 799万t，全国排名第一[17]，同年山东半岛蓝色经济区碳排放量达49 893万t，在全省碳排放中占据非常大的比例，所以分析未来碳排放的发展趋势对山东半岛蓝色经济区制定有效政策，节能减排，发展蓝色经济具有重要意义。由于目前针对该区域碳排放量的研究很少，因此本文中应用可拓展的随机性的环境影响评估的STIRPAT模型，分析山东半岛蓝色经济区人口数量、富裕度(人均国内生产总值(GDP))、技术水平(能源强度)和城镇化水平对碳排放量的影响，通过情景分析法，预测山东半岛蓝色经济区未来碳排放量，确定最优排放情景，为实施节能减排提供参考和依据。

1 相关研究现状

碳排放量预测方法主要有STIRPAT模型、市场分配模型(MARKAL)、马尔科夫链、灰色系统GM(1,1)模型、反向传播(BP)神经网络等。渠慎宁等[18]利用STIRPAT模型预测了未来我国碳排放峰值，研究表明峰值出现的时间与经济社会发展速度及碳排放强度有关。王彩明等[19]运用马尔可夫链模型预测2020年京津冀区域一次能源消费结构，利用情景预测定量分析了一次能源与京津冀碳强度变化幅度的关系。任晓松等[20]采用GM(1,1)模型预测了2011—2020年我国工业碳排放影响因素的未来值，结果表明，人均工业产值的变化对未来工业碳排放变动趋势影响最大，灰色预测的精度较高，能保证模型的有效性。纪广月[21]根据碳排放影响因素灰色关联分析筛选出主要因素，并把此作为BP神经网络的输入层，对我国碳排放进行预测，预测结果具有良好的可靠性。STIRPAT模型是环境影响评估模型IPAT的扩展，利用STIRPAT模型，再结合情景设置进行分析是对碳排放量进行预测的主流方法之一。

2 研究方法及数据来源

2.1 模型构建

STIRPAT模型是York等[22]在IPAT模型基础上提出的，具有可拓展性及随机性，其标准形式为

I=aPbAcTde，

(1)

式中：I、P、A、T分别为环境压力、人口规模、富裕度(人均GDP)和技术水平(能源强度)；a为模型常数；b、c、d为需要估计的指数；e为误差项。

为了研究山东半岛蓝色经济区碳排放的影响因素，对未来碳排放量进行准确预测，本文中结合该区域的实际情况，对STIRPAT模型进行扩展，借鉴有关学者通过对数平均迪氏指数(LMDI)分解模型对碳排放影响因素的研究[23-24]，选取人口规模、富裕度、技术水平和城镇化水平来分析对碳排放量的影响，可以得到

I=aPbAcTdUfe，

(2)

式中：U为城镇化水平；b、c、d、f为弹性系数，表示当P、A、T、U每变化1%时分别引起I的变化。

将模型(2)两边分别取对数得到

lnI=lna+blnP+clnA+dlnT+flnU+lne。

(3)

2.2 数据来源

本文中使用山东半岛蓝色经济区的各市、县的人口总数、人均GDP、城镇化率、各类能源消费量等数据均来自2009—2018年《山东统计年鉴》。

3 STIRPAT模型估计及情景分析

3.1 模型估计

本文中依据《联合国政府间气候变化专门委员会(IPCC)国家温室气体清单指南》中有关碳排放的计量方法，对山东半岛蓝色经济区的碳排放量进行计算[25]，计算公式为

(4)

式中：C为二氧化碳排放总量；Ei为第i种能源的终端消耗；ci是各类能源转换为标准煤的系数；fi为第i种能源的碳排放系数。为了方便统计，本文中选取原煤、洗精煤、焦炭、原油、汽油、柴油、煤油、燃料油、其他石油制品、液化石油气、天然气共11种主要能源品种进行核算，即i=1，2，…，11。

山东半岛蓝色经济区2009—2018年的碳排放量如图1所示。从图中可以看出，该地区的碳排放量在这10年中一直呈现缓慢增长状态。

图1 2009—2018年山东半岛蓝色经济区碳排放量

建立STIRPAT模型。首先以lnI为因变量，lnP、lnA、lnT、lnU为自变量，对数据进行多元线性回归分析。结果表明，各变量的显著性水平不能通过t检验。再对数据进行多重共线性检验，由检验结果可知，方差膨胀系数(VIF)均大于10，如表1所示，各变量之间存在多重共线性。为了得到各变量的精确性系数，正确分析碳排放量影响因素，本文中采用岭回归分析法[26]。岭回归分析过程见图2，在岭迹图(图2 (a))中，岭参数k的取值范围为(0,1)，步长为0.01。当k=0.1时，各变量回归系数趋于稳定，所以取k=0.1为最佳，由此得到相关系数的平方r2为0.958。具体分析结果见表2。

表1 多重共线性分析结果

(a)岭迹图(b)岭参数k对应的相关系数的平方r2图2 岭回归分析过程

表2 岭回归估计结果

由岭回归分析结果可得碳排放量与各变量的STIRPAT模型为

lnI=-6.680+1.748 lnP+0.153 lnA-

0.218 lnT+0.365 lnU，

(5)

或

I=e-6.680+1.748 ln P+0.153 ln A-0.218 ln T+0.365 ln U。

(6)

由表2可知，各变量均通过了水平为5%的显著性检验，其中富裕度(人均GDP)通过了水平为1%的显著性检验，r2为0.958，说明所选自变量可以解释山东半岛蓝色经济区95.8%的碳排放量。F统计量为25.033，通过了水平为5%的显著性检验，整体拟合程度较好。从系数来看，各变量对山东半岛蓝色经济区的碳排放量影响显著程度依次为人口数、城镇化水平、能源强度、富裕度。其中，人口数每增加1%，碳排放量将相应增加1.748%，对碳排放量影响最为显著。城镇化水平、人均GDP、能源强度每提高1%，碳排放量将相应增加0.365%、0.153%、-0.218%。

为了确保模型能准确预测山东半岛蓝色经济区的碳排放量情况，需验证模型的有效性，将2009—2018年间各自变量的值代入式(5)进行模型误差检验，得到的STIRPAT模型预测值与实际值对比结果，如图3所示。

结果显示，模型预测值与实际值的年平均误差为3.3%，数据拟合度较好，因此可以用估计的STIRPAT模型来预测山东半岛蓝色经济区未来的碳排放量情况。

图3 2009—2018年山东半岛蓝色经济区碳排放量模型预测值与实际值对比图

3.2 情景分析

利用情景分析法将STIRPAT模型中的各变量赋予阶段性预测值，各变量的预测值设置参考过往阶段的发展变化及相关政策规划，确保数据的设置符合山东半岛蓝色经济区经济社会发展实际。本文中将预测周期分为7个阶段：第1阶段为2019—2020年(由于山东省2019年的统计数据未出，因此本文中把2019年作为预测年份)，第2阶段为2021—2025年，第3阶段为2026—2030年，第4阶段为2031—2035年，第5阶段为2036—2040年，第6阶段为2041—2045年，第7阶段为2046—2050年。其中，人口状况、富裕度、城镇化水平属于经济变量，分别设定低增长、中增长、高增长3个增长阶段；能源强度属于减排变量，设定中减排、高减排2个减排阶段。将上述变量的不同阶段进行组合，得出6种发展模式，如表3所示。

表3 情景分析法设置的发展模式

1)人口设置。根据以往阶段的人口变化状况可知，山东半岛蓝色经济区的人口数呈缓慢增长趋势，从2009年的3 291.80万增长到2018年的3 471.20万。在2011—2015年间，山东半岛蓝色经济区人口年均增长率为4.7‰。由于国家“二孩”政策的实施，生育堆积集中释放，因此2016年人口增长率剧增为8.8‰。山东省是我国人口大省，而山东半岛蓝色经济区生态良好，环境适宜，是著名的宜居地，同时得天独厚的海洋优势还吸引了大量的人才。根据《山东省人口发展“十三五”规划》，“十三五”规划时期，山东省人口年均自然增长率发展规划目标为8‰[27]，以此为基准设置低、中、高3种模式下的人口年均自然增长率分别为6‰、8‰、10‰。据有关研究预测，我国总人口将在2030年左右达到峰值[28]，因此设置低、中、高3种模式到达峰值的年份分别为2025、2030、2035年。根据以上分析，设定未来山东半岛蓝色经济区人口增长率如表4所示。

表4 山东半岛蓝色经济区未来年份人口年均增长率预测值 ‰

2)富裕度设置。近年来，山东半岛凭借海洋优势不断发展，《山东半岛蓝色经济区发展规划》(简称《发展规划》)中指出，到2020年，人均GDP将达到13万元左右。根据以往阶段的人均GDP变化率可知，山东半岛人均GDP一直呈增长状态，从2009年的44 820.61元增长到2018年的104 997.15元。在2011—2015年间，山东半岛人均GDP年均增长率为11.75%，2016—2018年为6.74%。若要达到《发展规划》中的目标，2019—2020年的年均增长率应为10.10%，因此设置低、中、高3种模式下的人均GDP年均增长率分别为8.1%、10.1%、12.1%。随着国民经济不断发展，人均GDP增长速率会逐渐减缓，以《发展规划》中的人均GDP目标为基准，设定未来山东半岛蓝色经济区人均GDP年均增长率如表5所示。

表5 山东半岛蓝色经济区未来年份人均国内生产总值(GDP)年均增长率预测值 %

3)城镇化水平设置。山东省着力构建山东半岛城市群，山东半岛蓝色经济区城镇化水平稳步提高，2011—2015年城镇化水平年均增长率为0.71%，2016—2018年达到2.69%，2018年城镇化水平已经达到66.63%。《发展规划》中提出，到2020年，山东半岛蓝色经济区城镇化水平达到70%左右。以《发展规划》中的城镇化水平目标为基准，如果2020年城镇化水平达到70%，则2019—2020年城镇化水平增长率为2.53%，由此设置低、中、高3种模式下的城镇化水平年均增长率分别为1.53%、2.53%、3.53%。城镇化水平年均增长率通常随着时间的推移逐步减缓，当发展到一定水平后，就会达到均衡状态。

世界上发达国家的城市化水平普遍在80%～90%，据此假设我国城镇化率达到90%时城镇化水平到达均衡点，且达到均衡后年均增长率为0。结合社会发展实际及以上分析，设定低、中、高3种模式，如表6所示。

表6 山东半岛蓝色经济区未来年份城镇化水平年均增长率预测值 %

4)能源强度设置。山东半岛蓝色经济区的节能减排指标由山东省节能减排工作方案统一规定。假设该区域执行山东省“十三五”规划能耗降低指标[29]，即到2020年能耗降低17%。根据以往阶段的万元单位GDP能耗变化率可知，在2011—2015年间，万元单位GDP能耗年均增长率为-5.94%，2016—2018年为-2.26%。若要达到减排指标，则万元单位GDP能耗(标准煤)需从0.78 t减少到0.64 t，万元单位GDP能耗年均增长率为-3.59%，以此为基准，设定中、高减排模式下能源强度年均增长率分别为-3.59%、-5.59%。假设减排力度的变化率因技术及时间因素而逐渐减缓，根据以上分析，设定中、高2种减排模式下的万元单位GDP能耗年均增长率如表7所示。

表7 山东半岛蓝色经济区未来年份能源强度年均增长率预测 %

根据情景预测，将各变量预测值代入式(6)，得到2019—2050年的碳排放预测值，结果如图4所示。由图可以看出，在高增长-中减排模式下，山东半岛蓝色经济区的碳排放量增长速度最快，到2050年，碳排放量达到130 143.89万t；在低增长-高减排模式下，碳排放量的增长速度最慢，且到2045年，碳排放量达到峰值，为76 971.99万t。除低增长-高减排模式外，其余模式均未达到峰值。

Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ、Ⅵ为发展模式。图4 不同情景下山东半岛蓝色经济区未来的碳排放值

对比发展模式Ⅰ、Ⅲ、Ⅴ可知，当减排变量处于高减排模式、经济变量处于高增长模式时，碳排放量的增速最快。同样，对比发展模式Ⅱ、Ⅳ、Ⅵ可知，当减排变量处于中减排模式、经济变量处于高增长模式时，碳排放量的增速最快。由以上分析可以看出，当减排变量所处水平不变时，经济社会发展速度越快，碳排放增速越快，碳排放量越多。对比发展模式Ⅰ与Ⅱ、模式Ⅲ与Ⅳ、模式Ⅴ与Ⅵ可知，当社会发展水平不变时，减排强度越低，碳排放量增速越快，碳排放量越多。山东半岛蓝色经济区正处于快速发展阶段，就目前的发展态势和预测结果来看，在高增长-中减排模式下，碳排放量暂时不会达到峰值，仍会以较快速度持续增长。由图4中碳排放量的增速可以看出，模式Ⅵ在未来极有可能超过模式Ⅲ的碳排放量。总体来看，当减排力度的增速相比经济社会发展增速较慢时，仍会促进碳排放的增加。

为了使山东半岛蓝色经济区的碳排放量控制效果达到最佳，必须做到经济缓慢发展，保持高减排水平。山东半岛蓝色经济区作为全省乃至全国的海洋经济引擎，海洋优势带动了经济活力，经济缓慢发展已经不符合蓝色经济区的发展态势。由STIRPAT模型的预测值可知，高减排更有利于控制碳排放量，因此中增长-高减排的发展模式是山东半岛蓝色经济区的最佳碳排放发展模式。

4 结论

本文中采用STIRPAT模型分析了人口数、人均GDP、能源强度、城镇化水平4种因素对山东半岛蓝色经济区碳排放量的影响，并设置了不同的水平，组合为6种发展模式，对山东半岛蓝色经济区未来的碳排放量情况进行预测，得到如下结论：

1)人口规模、人均GDP、能源强度、城镇化水平每提高1%，碳排放量将相应增加1.748%、0.153%、-0.218%%、0.365%，从估算得到的弹性系数看，人口规模对碳排放量的影响最为显著。

2)保持经济增速不变，减排力度越弱，碳排放量增加越多；保持减排力度不变，经济增速越快，碳排放量的增速越快。加强减排力度，在一定程度上能够抑制经济增长带来的碳排放量的增加。结合山东半岛蓝色经济区的发展态势和预测结果，确定中增长-高减排为最佳发展模式。