区域能源消费碳排放及优化路径——以山东潍坊为例

王 鹏，殷凤朝

（1.中国石油大学（华东），山东青岛 266580；2.潍坊理工学院，山东潍坊 262500）

在全球面临低碳转型的大背景下，寻求低碳支撑的经济发展，已迫在眉睫.2015年6月，我国向联合国气候变化框架公约秘书处提交《强化应对气候变化行动——中国国家自主贡献》，提出2030年左右达到峰值并争取尽早达峰；2019年6月，英国政府宣布到2050年前实现英国温室气体零排放的目标.

“十三五”期间，山东省政府印发《山东省低碳发展工作方案（2017—2020）》，要求潍坊市2025年前达到碳排放峰值.除了碳强度约束外，在碳排放总量上，还要求全省二氧化碳排放在2027年左右达到峰值，支持优化开发区域碳排放率先达到峰值.在此之前，国家方案则提到全国碳排放“2030年左右达到峰值并争取尽早达峰”.2020年，《山东省政府工作报告》提出“全面完成国家下达的节能减排降碳约束性指标和环境质量改善目标”.

潍坊市作为全国碳减排81个低碳试点城市之一，探索适合本地区低碳经济发展模式、路径，对新旧动能转换背景下完成碳排放约束目标以及区域经济竞争力的提高具有促进作用.

1 文献综述

国外学者在区域碳排放及影响因素方面的研究较早，Kaya［1］提出著名的KAYA恒等式，将碳排放的原因归纳为人口数量、人均生产总值、单位生产总值的耗能量以及单位碳排放量.York等［2］应用可拓展的随机性的环境影响评估模型（Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT模型）研究表明人口对二氧化碳排放和能源足迹具有比例效应.Videras［3］将二氧化碳排放总量与人口、富裕程度和技术指标联系起来，应用加权回归模型表明，二氧化碳排放弹性估计值存在明显的空间异质性.Patarasuk等［4］应用STIRPAT回归模型，研究表明人口、人均收入和建筑年龄与二氧化碳呈正相关，而家庭规模与二氧化碳排放呈负相关.Yuli等［5］构建了中国182个城市2010年的碳排放清单，涵盖了47个经济部门和17个能源品种.

国内的研究起步晚，研究多集中在区域碳排放特征及影响因素，研究对象涵盖了国家级、省级、地市级多个维度.国家层面上，邓吉祥等［6］探讨了中国1995年以来不同区域的碳排放特征并结合LMDI方法揭示了各地区碳排放变化的主要因素；彭水军等［7］采用MRIO模型对中国1995—2009年生产侧和消费侧的碳排放进行了测算，研究表明生产侧碳排放高于消费侧，大量的生产侧碳排放来源于发达国家经济体的需求，消费侧碳排放来自消费规模的增长；武良鹏等［8］基于DEA方法结合对我国三种碳减排路径进行了总结，不同的经济发展阶段的区域应结合自身情况合理选择减排路径；张梅等［9］从能源消费、工程生产等多方面估算和分析了中国城市的碳排放，结果显示2001—2015年中国城市年碳排放量逐年增加，经济规模、二产比重、人均可支配收入、城镇化率对碳排放的增加有促进作用.省级层面上，王永哲等［10］采用灰色关联和GM（1，1）分析法对吉林省2000—2012年人均碳排放量进行分析及预测，表明要控制吉林省人均碳排放量，需加大科技投入、发展第三产业并调整能源价格；王凤婷等［11］基于1996—2017年京津冀地区产业碳排放数据，研究表明该地区碳排放的增长主要由河北拉动，严控高能耗产业、提高环境补偿可助力节能减排.地市级层面上，杨武等［12］基于2010—2015年武汉市三次产业和碳排放数据，对碳排放进行分解表明人口扩张和经济增长是促进武汉市碳排放增长的主要因素；王长建等［13］对广州市不同阶段的碳排放研究表明，碳排放主要来自生产部门，不同阶段的发展措施和政策会对各个影响因子产生显著影响；刘畅等［14］估算了2015年中2170个县域碳排放量，分析了当前县域碳排放量的空间分布.

对于碳排放的研究已成为国内外研究的热点之一，在研究对象上，国家、省域层面较多；在研究方法上，有LMDI方法［15］、DEA方法［16］、STIRPAT方法［17］等.在前人研究基础上，采用IPCC的通用方法对1997—2018年潍坊市碳排放总量进行分析，应用STIRPAT模型进行碳排放因素分解、预测，并从生产端和消费端两个方面分别提出低碳经济发展对策，抓住控制关键点，力求有所创新.

2 潍坊市能源消碳排放测算

2.1 碳排放计算方法

采用能源消费量的数据对碳排放进行测算，主要依据为煤炭、石油、天然气等能源的消费量，计算各地市能源消费量数据均来自统计年鉴，根据《IPCC温室气体排放指南》中的方法以及已有学者的研究，计算碳排放量时采用17种能源的消费总量折算为标准统计量（即标准煤）后，再与各自碳排放系数相乘［18］.

以2019年为例，计算过程如表1所示，应用同样的方法计算得到其他各年份的碳排放量如表2所示.

表1 潍坊市2019年碳排放计算表Tab.1 Calculation table of carbon emission in Weifang City in 2019

表2 1997—2019年潍坊市碳排放量、GDP数据表Tab.2 Data table of carbon emission and GDP in Weifang City from 1997 to 2019

2.2 潍坊市碳排放的时间序列分析

随着潍坊市的经济发展，碳排放从1997年的411.99万t增长至2019年4 491.69万t，年均增长率为11.47%；同期实际GDP从1997年的549.73亿元增长至2019年4 194.61亿元，年均增长率为9.68%，为进一步描述潍坊市碳排放增长情况，采用Logistic曲线进行估计.

Logistic曲线是一种常见的S形函数，它是Pierre Francois Verhulst在1844年在研究人口增长的规律时命名的.广义Logistic曲线可以模仿产品成长过程及产业的发展规律，即起初阶段大致是指数增长；然后随着开始变得饱和，增加变慢；最后，达到成熟时增加停止.

Logistic函数模型，也被称为生长曲线函数模型，模型表达式为：y=1/(1 /k+a×bx).其中：y为因变量；x表示自变量；a，b，k为待估参数，其中k值表示碳排放饱和值的倒数，考虑到实际情况，而是按照10%的增长率进行推算至2030年，得到k值为11 401.08万t.

将潍坊市碳排放的数值作出散点图（图1），横轴表示年份，时间跨度为1997—2019年.

图1 潍坊市碳排放增长曲线Fig.1 Carbon emission growth curve of Weifang City

从整体上看，排除特殊时期的影响，图形的斜率在增加，拐点不明显.其对应的方程为：

曲线的可决系数为0.949，显著性0.000，方程拟合效果较好，从弹性以及数据上看，截至目前潍坊市一次能源碳排放仍在增加，并没有明显减缓的趋势，需进一步分析其影响因素.

潍坊市煤炭消费比例实际上总体在下降，1997年煤炭消费（含煤制品）占17种能源消费总和的比例为88.71%，至2019年数值下降至52.37%，以时间T为自变量，煤炭消费比例为因变量，对其进行线性拟合，对应的回归方程为：C=0.937-0.021T，由此可得到，煤炭消费比例虽然下降，但是碳排放的总量在增加.

3 基于STIRPAT模型的碳排放预测

3.1 STIRPAT模型及数据

在环境压力与人文驱动力的之间的关系方面，Dietz和Rosa在经典IPAT模型上提出了IPAT模型的随机形式即STIRPAT模型［19］.STIRPAT（Stochastic Impacts by Regression on Population，Affluence，and Technology）模型为可拓展的随机性的环境影响评估模型，通过对人口、财产、技术三个自变量和因变量之间的关系进行评估.

基于以往学者的研究，能源消费碳排放的主要因素为人口效应、人均财富效应、产业结构效应、能源消费强度效应、能源消费结构效应和碳排放系数效应，因碳排放系数保持不变因此在此不做分析.为构建STIRPAT模型预测潍坊市能源碳排放量，基于已有研究［20］，其计算公式为：

式中：t表示年份；C表示碳排放量；P、A、I、E、R分别表示人口、人均GDP、工业GDP占GDP的比例、能源消耗强度、煤炭消费占一次能源消费的比例，分别对应人口效应、人均财富效应、产业结构效应、能源消费强度效应、能源消费结构效应；a、b、c、d、e、f为模型的参数；ε表示随机扰动项，取对数以后，模型的形式为：

1997—2019年潍坊市人口、第二产业的比例均来自《潍坊市统计年鉴》；人均GDP数据由1997年不变价下的历年GDP数据除以当年人口得到，表3中为处理后的人均GDP数据；工业GDP比例为工业GDP除以当年GDP总值；能源消耗强度由能源消耗碳排放量转化为标准煤后的合计值除以1997年不变价的GDP得到；城镇化率采取统计年鉴中“户籍人口城镇化率”作为参考指标.

表3 潍坊市1997—2019年模型数据Tab.3 Model data of Weifang City from 1997 to 2019

3.2 岭回归分析

碳排放量及五个影响因素的相关系数如表4所示.为保证模型的合理性，对变量进行共线性检验，得到人口、人均GDP、工业GDP占GDP的比例、能源消耗强度、城镇化率的VIF值（方差膨胀系数，variance inflation factor）分别为40.067、60.552、20.85、2.757、8.944，部分变量的VIF值大于10，数据之间存在多重共线性的问题.

表4 相关系数表Tab.4 Correlation coefficient table

目前消除数据间多重共线性的方法主要有偏最小二乘回归、岭回归、逐步回归、Lasso回归等.以上几种模型中，逐步回归、Lasso回归会减少有效自变量的数量，对不同方法的参数进行比较后，岭回归方法的拟合优度、显著性较好.因此，应用岭回归进行碳排放因素分解，当偏倚因子取0.1时，方程拟合优度最好，可决系数为0.973，各变量值的系数趋于稳定，F值为59.91，对应的P值为0.000，回归效果显著，得到岭回归方程为：

对应标准化的岭回归方程为：

根据标准化的岭回归方程，按照解释变量从高到低对潍坊市碳排放影响因素排序为：人均GDP反映的财富效应（1.082）、城镇化水平的城镇化效应（0.304）、人口数量反映的人口效应、能源消费占GDP比重的能源消费强度效应（0.065）、工业GDP占总GDP比例反映的产业结构效应（0.003）.

3.3 潍坊市碳排放预测

《山东省低碳发展工作方案（2017—2020）》，要求潍坊市2025年前达到碳排放峰值，根据影响因素的变化，对人口、人均GDP等数据分别进行设置.

1）人口.根据统计年鉴数据，1997—2019年，人口从826.29万人增长至935.15万人，几何均值为0.564%，进行推算，设置2021—2025年的人口数量为926.55、932.81、939.12、945.47、951.86、958.29万人.

2）人均GDP.对1997—2019年的人均GDP数据进行线性拟合（图2），三次方程的拟合效果最好，可决系数为0.999，显著性0.000，对应的方程为：AY=7 123.5-159.27T+130.17T2-2.196T3（式中AY表示人均GDP，T表示时期）.据此推断潍坊市2020—2025年的实际人均GDP分别为：47 928.35、50 193.31、52 389.29、54 503.11、56 521.60、58 431.59元.

图2 潍坊市人均GDP趋势图Fig.2 The trend of per capita GDP in Weifang

3）工业GDP比例.潍坊市近五年的工业GDP维持在40%～41%之间，因此我们假设未来五年的工业GDP比重不严生波动，假设2020—2025年的工业GDP比重为40.50%.

4）能源消耗强度.按照潍坊市17种重要能源的消费情况，2014—2019年分别为能源消耗强度为1.67、1.69、1.8、1.82、1.95、2.02，能源消耗强度不断增加.根据近22年的数据分析，显示出增加、减小、增加的波段性特征，中位数为1.8，均值为1.82，结合潍坊市能源消耗实际情况，因此我们判断2025年的能源消耗强度为1.81.

5）城镇化水平.潍坊市户籍人口城镇化率2015—2019年不断增加，年均增加1.30%，得到潍坊市2020—2025年户籍人口城镇化率数据.

综上，将人口、人均GDP、工业GDP比例、能源消耗强度、城镇化水平五个自变量代入岭回归方程

可得到2020—2025年潍坊市17种能源的碳排放总量数据，数据如表5所示.

表5 潍坊市碳排放预测Tab.5 Carbon emission forecast of Weifang City

4 优化路径

潍坊市工业GDP占比下降的同时，碳排放总量增加，人均GDP、城镇化水平位列影响碳排放的前二位.因此，潍坊市碳排放的降低不仅仅要减少煤炭的消耗，需要多措并举，生产端碳排放需要继续控制工业生产增加值能耗、推进绿色制造；消费端碳排放的控制可以有效降低人口、人均GDP、城镇化水平带来的碳排放的增加.分别从生产端和消费端出发以寻求经济的低碳发展路径.

从生产端出发，主要包含以下三个方面：

1）控制单位工业增加值能耗，提高能源使用效率，发展低碳工业.工业GDP的比例降低，但是总能耗在增加.高质量发展和供给侧结构性改革的推进，使得工业能源的消费增速在高位运行，钢铁、石油、建材、化工等作为工业企业利润的主要来源，需要继续强化工业节能的监督和管理.一是加大工业能源消费情况的跟踪管理力度，及时分析可能造成单位工业增加值能耗反弹的潜在因素，准确提出应对措施.二是围绕工信部《绿色制造工程实施指南（2016—2020）》和《关于开展绿色制造体系建设的通知》具体要求，继续推进节能降耗、清洁生产、资源综合利用的技术改造，进一步提升能源资源的利用效率.

2）深入推进绿色制造体系建设，在绿色产业链上抢占先机，发展低碳产业链.一是结合工信部《工业绿色发展规划（2016—2020）》实施的具体情况和目标要求，重点围绕绿色产品的开发推广，加大工作力度，为完成上级部门相关目标任务奠定基础.二是按照工信部和国家标准化管理委员会共同发布的《绿色制造体系标准建设指南》有关要求，对于绿色设计产品的评价规范、行业绿色工厂评价标准、绿色园区评价通则、绿色供应链企业评价通则等标准规范的制定.

3）建设生态乡村和生态城镇，以应对城镇化带来的碳排放的增长.在生态乡村建设方面，一是对农村的宅基地整理，人均宅基地用地量降低为国家或该地区的人均宅基地标准；二是适当提高建筑的容积率和建筑高度；三是对于村庄中的闲散土地进行整理，自然村向中心村合并，新增土地加强公共设施建设、改善生活条件.在生态城镇建设方面，可以利用生态经济的相关理论进行规划、设计和建设，解决城镇化建设中对环境污染、生态破坏和资源浪费，为循环经济提供空间和机遇；同时促进城镇化建设中的生态保护，人文建设和自然景观并重，合理配置土地.

从消费端出发，主要是以下两个方面：

1）强化宣传教育，提高低碳消费意识.在全社会积极开展低碳消费宣传教育是培育低碳消费的基础性工作.依靠消费者自身改变的能动性，向低碳消费的转化，如选择环保面料.低碳消费意识的提升增大了低碳行为改变的可能性，而真正实现转化需要降低低碳消费的成本.降低低碳消费成本的基本前提是扩大低碳产品生产的规模，这需要政府、企业和消费者的共同努力.政府可以从加强低碳消费价值观的培养和引导方面采取系统的措施来影响消费者低碳消费态度，从而影响消费者低碳消费意愿和行为.政府和企业可以通过为消费者提供更多的低碳或低碳消费信息和知识，从而转变消费者的低碳消费态度和增强其低碳购买意愿.

2）注重低碳与绿色的协同，为低碳消费提供动能.发展无纸化办公、低碳出行、绿色旅游消费.绿色消费与低碳消费虽然是两个内涵不同的概念，但行动中有很多契合点.以低碳旅游为例，一要营造低碳旅游吸引物，充分挖掘森林、湿地、海洋等自然高碳汇体资源的旅游价值，策划低能耗、低损耗为主的低碳旅游活动产品，通过生态化技术修复受损的土地、湿地.二是配置低碳旅游设施，建设生态停车场，发展低碳旅游设施，倡导低碳旅游消费方式，以旅游交通为例，公共汽车交通和铁路占到所有旅游运输量的16%左右，但是碳排放量只占1%.三是培育低碳旅游体验环境，打造低碳旅游企业，旅游企业要引入碳汇机制的旅游环境培育理念，注重提供企业的生态文明建设，鼓励旅游社区、旅客共同构建低碳旅游环境.