基于LEAP模型和KAYA模型的主城区碳达峰预测及不确定性分析

杜涵蓓，赵立君，刘臣炜，仇宽彪，李海东

(生态环境部南京环境科学研究所，江苏 南京 210042)

联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，IPCC)第五次评估报告认为，传统化石能源消费产生的二氧化碳(CO2)等温室气体排放是造成全球温室效应的主要原因[1]。城市碳达峰受到国内外学者的广泛关注，城市作为人类经济社会活动集中分布区域，是重要的碳排放源，也是实现“双碳”目标的主战场，随着城市化进程的推进，城市CO2排放量会进一步增加[2]。根据IPCC第五次评估报告，城市能源消耗量约占全球能耗总量的67%～76%[3]，由此产生的CO2排放量占全球CO2排放总量的71%～76%，是温室气体排放的最主要来源[4]，城市地区的生产生活活动(如制造业生产、商业、交通等)是全球人为碳排放的主要驱动因素[5]。同时，城市更易普及清洁能源技术，实施碳减排策略[6]，因此也成为减缓社会经济系统对全球气候变化影响、推进低碳转型可持续发展的重要研究对象和突破口。

城市碳排放核算的是城市经济、社会、环境体系在一段时间内的温室气体总排放量[7]。然而，现有碳排放模型主要应用于宏观层面的国家地区及微观层面的企业。如何在一个中观层面，即城市/园区开展碳排放核算，是当前研究的重点和难点。目前在碳排放核算方面，由于采用的计算方法不同，容易导致碳排放量被人为高估或低估[8]。同时，现有研究更多强调历史排放分析，对未来发展趋势研究相对偏少。日本学者Kaya提出的Kaya恒等式是首次将CO2排放与人类活动联系起来[9]，由此产生的Kaya 分解法被广泛应用于碳排放峰值预测研究。长期能源替代规划系统模型(long range energy alternatives planning，LEAP)由斯德哥尔摩环境研究所(Stockholm Environment Institute，SEI)开发，已广泛用于产业结构优化与碳减排[10]、碳排放情景预测、碳捕获等研究领域。DIETZ等[11]则将 IPAT 模型改进为随机形式，被称为 STIRPAT 模型，人口规模和收入水平是STIRPAT 模型中的核心驱动因素。从已有研究来看，人口和收入对CO2排放量变化的影响显著[12]。

长三角区域是中国经济发展水平最高的区域之一，其城市群也是世界级城市群之一，但是在 CO2排放方面，由于能源结构不够清洁，大部分城市的产业结构还是以高耗能行业为主，导致长三角地区 CO2排放量一直处于全国前列，占中国总排放量的1/5以上[13-15]，“十三五”期间年均增速为2.4%[16]。南京市是长江经济带城市群中以服务业为主的代表性城市。研究区作为主城区的市辖区，缺乏独立的能源、电力等统计数据。研究区未来新增开发空间有限，重大工业项目少，服务业已占据绝对主导地位，在高质量发展方面具备较好基础，但也面临能源消费和碳排放水平较高等问题，亟待以“双碳”目标为引领，推进产业结构和能源结构的绿色低碳转型发展。因此，该研究以南京某主城区为例，基于Kaya碳排放恒等式和LEAP模型，通过情景分析方法，分析在基准、低排放和技术突破这3种情景下的碳排放变化趋势，预测碳达峰时间，探究碳排放量的主要影响因素，以期为类似地区的主城区碳达峰路径制定提供参考依据。

1 材料与方法

1.1 研究区域概况

研究区总面积为75.46 km2，属北亚热带湿润气候区，年均降水量约1 106 mm，年平均温度约15.4 ℃，境内地貌类型多样，低山、丘陵、岗地和平原交错分布。紫金山、湖泊面积占全区面积的近50%，绿化覆盖率达62.99%。该区是国家重要的科研、文化、商务中心，也是华东地区现代服务业基地。目前，全区下辖7个街道。2020年全区常住人口为53.78万人，相比2015年减少11.46万人，“十三五”期间，地区生产总值由708.36亿增至1 108.66亿元。自2019年后，GDP稳定在千亿元以上，年均增速超9%。

1.2 数据来源

研究采用的数据主要包括该区能源消费、土地利用、人口和生产总值等。社会经济和各部门能源消耗数据主要来自南京市和该区近10 a公开发布的统计数据、行业标准、政策文件、发展规划、研究报告等资料，包括《中国能源统计年鉴2019》《南京统计年鉴2010—2021》《江苏省生态环境厅2021年推动碳达峰碳中和工作计划》《2006年IPCC国家温室气体排放清单指南》《省级温室气体清单编制指南》等。对于一些具体行业和重点企业，如酒店、学校、医院、大型综合商业建筑等，则直接采用调研问卷的方式，以确保数据的科学性与准确性。通过比较、综合分析和梳理相关数据资料，对尚不确定的数据资料进行分类，并进一步开展统计折算获取数据。

1.3 研究方法

1.3.1CO2排放量测算方法

根据《2006年IPCC国家温室气体清单指南》中第2卷和《省级二氧化碳排放达峰行动方案编制指南》建立了CO2排放量的估算公式。CO2排放总量(C)由能源活动直接产生的CO2排放量(Cd)与电力调入蕴含的间接CO2排放量(Ci)相加得到，计算公式为

C=Cd+Ci，

(1)

Cd=∑Ai×FE，i。

(2)

式(1)～(2)中，Ai为不同种类能源(包括煤炭、石油、天然气)的消费量，t(以标准煤计)，各能源折算标准煤的参考系数参照各年度《中国能源统计年鉴》；FE，i为不同种类能源的排放因子，采用国家温室气体清单的排放因子数据。

电力调入蕴含的间接CO2排放量(Ci)可以利用各辖区内电力调入电量和省级电力排放因子计算得到，计算公式为

Ci=∑Ae×FE，e。

(3)

式(3)中，Ae为地区电力调入量，kW·h；FE，e为省级电力排放因子。电网碳排放系数来源于《关于做好2022年企业温室气体排放报告管理相关重点工作的通知》[17]，天然气碳排放系数与液化石油气碳排放系数来源于《城市温室气体清单研究》[18]。据此得到煤炭、石油、天然气的CO2排放因子分别为2.66、1.73、1.56 t·tce-1(tce为吨标准煤当量)，2016年华东区域电网平均CO2排放因子为0.682 9 kg·(kW·h)-1。

1.3.2碳排放影响因素识别

采用STIRPAT模型分析研究区碳排放的影响因素。STIRPAT模型最早由YORK等[19]提出，用于研究环境的影响因素，它是由 IPAT 模型演变而来，该模型的优点在于避免了同比例变动问题的影响[20]，能表征各个影响因素的变动对应的环境变化，因此被广泛应用于温室气体预测研究。

根据唐赛等[21]构建的扩展的STIRPAT模型对城市碳排放影响因素进行分解[22]，引入民用交通(人均拥有汽车数量)指标研究城市民用交通建设对碳排放的影响程度。结合中国典型城市发展状况，选取人均收入水平、能源强度、城市人口、产业结构、民用交通指标扩展 STIRPAT模型，构建城市碳排放与其影响因素间的计量模型，其表达式为

EC=c×P×PGDb1×IEb2×Pb3×SIb4×TPb5×u。

(4)

式(4)中，EC为城市碳排放量，万t；PGD为人均收入水平，万元；IE为能源强度，t·万元-1；P为城市人口，万人；SI为第三产业产值占地区生产总值的比重，表征产业结构，%；TP为人均车辆拥有数，辆·人-1；b1、b2、b3、b4、b5为相应因子的弹性系数，表示当相应因子变化1%时引起碳排放量的变化率；u为模型随机干扰项。对上式两边取对数，得到:

lnEC=lnc+b1lnP×PGD+b2lnIE+b3lnP+b4lnSI+b5lnTP+lnu。

(5)

为消除非平稳时间序列出现的“伪回归”现象，先利用Eviews 8.0软件对各变量进行ADF单位根检验。在经过二阶差分后序列平稳，可得到各变量的零阶单整序列。然后，构建主城区碳排放与影响因素的回归模型，为降低时间自相关性与变量内生性的影响，采用固定效应的自回归移动平均模型。控制自回归项并考虑固定效应后，其能够在一定程度上降低模型存在的时间自相关性并降低自变量的内生性。实证结果表明，研究区的回归模型拟合度较好，且均通过D.W.检验。

1.3.3碳排放预测方法

(1) LEAP模型

LEAP模型是用于能源-环境和温室气体排放的情景分析软件[23]。它是一种“自下而上”的集成结构模型[24]，涵盖了能源转换部门和能源终端使用部门的能源消费活动。模型假定各部门的能源消费可以由活动水平和能源强度表示，各部门的CO2排放量根据其能源消费量、能源结构、能源的排放因子计算得到：

E=ALO×IE，

(6)

C=∑Ei×FE,i。

(7)

式(6)～(7)中，E为能源消费量;IE为能源强度;Ei为第i种能源的消费量；FE,i即为第i种能源的CO2排放因子;ALO为活动水平,可以用物理指标(如产品产量)衡量，也可以用经济指标(如工业增加值)来衡量。能源强度为单位活动或产出所需的能源消费量，例如单位GDP能耗、吨钢生产综合能耗、汽车的百公里行驶油耗等，均可在一定程度上反映能源利用的效率。由于不同能源品种的CO2排放因子差异较大，能源消费量需根据能源消费结构进一步细化。

(2)Kaya恒等式

Kaya恒等式是由日本学者 Yoichi Kaya于1989在联合国政府气候变化专门委员会举办的研讨会上提出的[25]。Kaya恒等式通过一个简单的数学公式，“自上而下”将CO2排放量分解成与人类生产活动相关的4个要素，具有数学形式简单、分解无残差、对碳排放变化推动因素解释力强等优点[26]，在定量研究CO2排放量领域被广泛使用。Kaya恒等式的数学表达式为

(8)

基于2011—2020年研究区资源禀赋、经济社会发展、产业结构变化以及CO2排放趋势，考虑相关模型所需数据的可得性，选择“自上而下”分析模型中的 Kaya 模型作为CO2排放峰值研究的第1种预测模型。根据《省级二氧化碳排放达峰行动方案编制指南(征求意见稿)》要求，为全面落实江苏省能源管控目标，为研究区CO2排放和长期能源规划目标提供更有参考价值的依据，选择“自下而上”分析模型中的 LEAP 模型作为研究区CO2排放峰值研究的第2种预测模型。通过2种分析模型相结合的方式，综合确定CO2排放达峰目标。

2 结果与分析

2.1 2011—2020年CO2排放变化与能源结构特征

2011—2020年，研究区由能源消费产生的CO2排放总量从205.1万增长至373.8万t(图1)。由表1可知，碳排放强度相关指标均呈逐年下降趋势，2011—2020年，单位GDP碳排放强度从0.610下降为0.337 t·万元-1；工业碳排放强度从1.42下降为0.65 t·万元-1；第三产业碳排放强度在2011—2019年稳定下降，2020年略有上升，为0.28 t·万元-1。根据《南京市“十四五”低碳发展规划》，2020 年南京市单位GDP碳排放强度为 0.75 t·万元-1，研究区远低于南京市平均水平。从不同能源消费类型来看，研究区碳排放主要来自于电力消费，从不同产业来看，第三产业碳排放量占主导地位且持续增加，第二产业占比较少(图2～3)。

图1 2011—2020年研究区CO2排放量及年增长率

表1 2011—2020年研究区碳排放强度统计

图2 2011—2020年研究区不同产业CO2排放量Fig.2 CO2 emissions of different industries in the study area from 2011 to 2020

从不同发展阶段看，“十三五”阶段碳排放增长明显高于“十二五”阶段。从不同能源类型碳排放变化趋势来看，2011—2020年研究区煤品碳排放逐渐减少，电力碳排放持续增加。

图3 2011—2020年研究区不同能源CO2排放量Fig.3 CO2 emissions of different energy sources in the study area from 2011 to 2020

由图4可知，该区的能源消费仍然呈持续增长趋势，且增加幅度逐年提升，能源消费总量从2016年的84.6万增长至2020年的132.0万t，2019和2020年增长速度最快，累计增幅55.9%，2020年受疫情影响，能耗总量略有下降。由表2可知，2011—2020年能源消耗强度逐年减少，2020年略有上升；单位工业增加值能耗持续下降，由2011年的1.421 t·万元-1下降为2020年的0.844 t·万元-1。同时能源结构不断优化，2020年电力消费占比约为89%，较2011年上升了15%以上；天然气占比约为6%，原油占能源消费比例的4%，煤品消费下降到2%，能源消费结构逐渐向清洁低碳加速转变。从产业结构方面，第三产业的标准煤消费量占比约为85%，居民生活占比约为13%，第二产业占比约为2%，可见该区能源消费以第三产业为主。

图4 2011—2020年研究区能源消费情况

2.2 城市碳排放影响因素

为探析以研究区为代表的城市中心碳排放响因素，采用SPIRPAT模型将城市碳排放影响因素分解为人均收入水平、能源强度、城市人口、产业结构、人均交通。为降低时间自相关性与变量内生性的影响，利用Eviews 9.0 软件，运用协整检验与自回归移动平均模型(ARMA)进行分析，回归结果显示，收入水平的相关系数为0.988(P<0.01)，能源强度为0.798(P<0.01)，城市人口为0.963(P<0.05)，产业结构为-0.727(P<0.05)，人均交通为0.856(P<0.05)。

表2 2011—2020年研究区能源强度变化

回归结果说明，人均收入水平和能源强度是城市碳排放最重要的2个影响因素，随着城市经济增长与居民生活水平的提高，碳排放日益增加，该区目前仍处于经济增长的快速上升期，其生产方式和绿色技术创新效率还有待进一步提升，当前的碳排放仍处于快速推进阶段。人口因素作为STIRPAT模型中影响城市碳排放的传统要素，表现出正向效果，人口的增长带来碳排放增加。而产业结构变量与碳排放呈现负相关，说明第三产业占比提升，会导致碳排放量减少。而交通方面，人均汽车拥有量与碳排放量之间呈正相关，人均汽车拥有量增加，导致碳排放量呈增加趋势。

2.3 2021—2035年CO2排放预测

2.3.1基于LEAP模型的2021—2035年CO2排放预测

采用情景分析方法，探讨不同影响因素对研究区未来能源需求及碳排放的影响，基于未来经济社会发展、能源发展、技术发展以及消费方式变化等主要因素，在既定的经济社会发展目标下，根据研究区能源消费总量、能源效率和能源结构，参考《南京市推进碳达峰碳中和工作方案》《南京市“十四五”低碳发展规划》，设计了3种能源消费需求的碳排放情景。情景1为现状延续情景，情景2为“加大减排力度+不新增能源项目”情景，情景3为“现状+清洁能源+节能减排行动”情景，据此分析研究区实现碳达峰的时间、峰值和路径。

利用不同情景参数数据计算2016—2035年各年份碳排放总量，结果如图5所示。2021—2025年，3种情景下研究区碳排放量均呈现增加趋势。情景1预测结果表明，碳排放量持续增加，2021—2025年增长幅度最快，随后增速减慢，但总量持续上升，2030年无法实现碳达峰。情景2预测结果表明，2021—2030年研究区碳排放量呈上升趋势，2030年出现拐点，达峰时碳排放量为433.911万t，达峰后碳排放量逐步降低。情景3由于采取了强制性的碳减排措施，达峰时间明显提前，2024年可实现碳达峰，此后碳排放大幅下降。

表3 不同情景碳排放参数设置汇总表

情景1为现状延续情景；情景2为“加大减排力度+不新增能源项目”；情景3为“现状+清洁能源+节能减排行动”。

2.3.2基于Kaya恒等式的2021—2035年CO2排放预测

依据 Kaya 模型计算所需参数，对常住人口、GDP、能源强度、单位能源碳排放下降率4个参数进行设置，通过分析国家、省市低碳发展规划中碳排放总量控制目标及分解落实机制相关要求，并结合该区相关部门“十四五”规划任务目标，综合研判各参数在2021—2035年期间的变化趋势，具体设定如表4所示。

预测结果如图4所示，以2020年为基准年，在低碳情景下的研究区CO2排放量在2021—2030年稳定增加，2030年达到峰值，峰值排放量为396.74万t，之后逐渐下降。2021—2035年能源强度和持续稳定下降，2035年每1万元GDP所需消费的标准煤下降到0.15 t。

2.3.32种模型预测结果比较

综合2种不同模型预测的研究成果分析，基于对未来5～15 a区域低碳发展政策和人均能源消费强度的预测，研究区有望在2030年实现碳达峰。在LEAP 模型的模拟情景下还存在一种强制情况，即采取强制性的碳减排措施，研究区可在2024年提前达峰。

表4 2021—2035年Kaya模型低碳情景参数设置

3 讨论

目前国内外学者预测中国碳排放峰值的主流方法有EKC 曲线、IPAT模型、STIRPAT 模型、LMDI 分解法、LEAP 模型、灰色预测法和神经网络模型等[27-32]。预测模型大多使用情景分析法预测峰值，但情景种类较少，容易导致碳达峰影响因素考虑不全面，对实现碳达峰目标的指导作用较弱。基于LEAP模型，笔者设置了3 种计算情景，因条件限制，无法对交通运输、居民建筑、公共建筑、工业企业等分行业分部门进行活动水平和能源强度预测，情景设置中化石能源占比均呈下降趋势，下降的时间节点也大致相同，这取决于参考的政策文件管控目标以及基于现有能源消耗趋势预测的未来区域能源发展水平，对于技术的发展与政策的持续性、协调性预估判断具有局限性，可能会造成碳排放量预测值与实际值存在较大偏差，需要结合国际上的前沿技术发展和政府未来应对气候变化的目标任务来判断。

图6 Kaya模型下CO2排放情景预测

能源绿色低碳转型和控制能源消费总量将是未来落实碳中和目标的战略重点[33]，部分省份提出了量化的阶段目标和相应的任务措施。研究区作为典型的城市中心主城区，尚不能发布独立的碳达峰行动方案，碳达峰时间受上级政府政策制定及任务目标具体落实情况等影响。研究区目前所承载的城市功能主要为居民生活服务和公共服务，对于南京市能源使用类型及效率的集中管控、能源消费结构改善等宏观政策调整只能进行同步协调，但在绿色交通、绿色建筑、绿色低碳社区等微观层次，研究区可着力促进其绿色发展水平的提升。

人口分布情况对包容性绿色发展较低及较高水平城市的影响力度较大，这可能是由于经济增长初期人口分布对经济增长具有集聚效应(溢出效应)，随着时间推移会产生人口对经济增长的拥挤效应(负外部性)[34]。研究区常住人口目前呈现逐年减少的趋势，主要与其中心城市功能减弱、居住环境适宜性和企业活力竞争力相较南京其他区域下降、人口老龄化、生育率降低等有关。人口因素与碳排放呈正相关，增强经济发展活力需要维持一定的人口数量，优化城市规划与功能性协调是研究区低碳绿色发展需要考虑的问题。

研究区碳排放量处于持续提升的阶段，应注重实施绿色低碳发展路径，释放经济发展红利，通过低碳技术进行能源消费结构优化，降低能源强度对碳排放的杠杆效应。研究区整体对电力供应需求量大，由于本地可支撑用电量相对有限，全区的电力消费需求将持续依赖外购电，外购电供电结构将成为影响研究区CO2排放达峰的重要因素。城市层面对外购电结构的决定权较小，因此外购电的调配往往在国家或者省级层面统筹协调，但考虑到未来绿色电力将得到大力推广，外购电能源清洁化水平不断提升，地区碳达峰目标实现将加快。

需要说明的是，由于数据获取受限，研究使用的研究区能源消费统计数据未能从统计年鉴等资料直接获取，而是根据南京市的能源消费量间接估算得到，计算过程中用电量采用产业增加值比例乘以系数的方式换算，天然气供气量以人口比例乘以系数的方式换算，可能会对研究结果造成一定影响，由于研究区内无发电厂、化工企业等用能大户，其实际能耗强度应低于南京市平均水平。此外，受多重共线性等统计问题影响，反映行业类别碳排放量的相关指标，如分行业能源消费总量、不同种类化石能源分行业消费量等无法加入模型当中，与碳排放相关的指标较为有限，这也限制了模型变量的选择。

4 结论

从碳排放影响因素和终端能源消费计算2个方面出发，通过IPCC碳核算方法开展了主城区碳排放量核算研究，运用LEAP和Kaya模型预测碳达峰时间，通过STIRPAT模型进行碳排放影响因素识别，分析了研究区能源消耗及碳排放时间变化趋势及其影响因素，主要得出以下结论：研究区碳排放强度相关指标呈逐年下降趋势，2020年碳排放强度为0.337 t·万元-1，南京市碳排放强度为0.75 t·万元-1，研究区远低于南京市平均水平。在能源消费结构上，化石燃料使用占比逐渐减少，电力消费不断增加。分析结果表明，人均收入水平和能源强度是影响城市碳排放最重要的2个因素。研究区仍处于经济增长期，从碳达峰预测结果来看，达峰时间具有不确定性，但依托各级低碳发展策略、能源及产业结构调整、节能减排、产业清洁化改造等措施，2030年前有望实现碳达峰。