基于扩展STIRPAT模型的工业碳排放达峰情景预测

【摘要】碳达峰预测是碳减排目标建设的重要参考依据。本研究以甘肃工业领域碳减排为例，运用聚类分析筛选出重点碳排放行业，并构建扩展的STIRPAT模型分析其碳排放影响因素，通过设置基准、低碳、高耗能以及经济增长四种情景模式，对碳排放趋势进行预测。结果发现：电力、钢铁和水泥行业是实现碳减排目标的关键所在；人均GDP、行业生产总值、产品产量和煤炭消耗量等因素均对碳排放有正向作用，而单位产量能耗对不同行业的影响则不同，只有在低碳情景下各行业能在2030年接近碳达峰。因此，低碳情景下的相关政策措施是实现甘肃碳减排目标的最优路径，即在保证经济稳增长前提下，政府要强化能源消费结构的优化转型，尽快推进相关节能降碳技术的改进升级。

【关键词】 碳达峰；工业碳排放；STIRPAT模型；情景预测

【中图分类号】 F062.2" 【文献标识码】 A

【文章编号】 2095-7009（2023）03-0099-09

Scenario Prediction of Industrial Carbon Emission Peaking Based on Extended STIRPAT Model

JI Xin-long， ZHANG Qing-rui

（School of Finance，Lanzhou University of Finance and Economics，Lanzhou 730020，China）

Abstract：The prediction of carbon peaking is an important reference basis for the construction of carbon emission reduction goals. Taking the industrial sector in Gansu as an example， this paper uses cluster analysis to screen out key carbon emission industries， constructs an extended STIRPAT model to analyze the influencing factors of carbon emissions， and finally predicts the carbon emission trend by setting four scenario models. The results show that the power， steel and cement sectors are key to achieving carbon reduction targets; GDP per capita， gross industry product， product output and coal consumption all have positive effects on carbon emissions， while energy consumption per unit of output has different impacts on different industries. The forecast results show that only under the low-carbon scenario can sectors approach the carbon peaking target in 2030. Therefore， under the premise of ensuring stable economic growth， the optimization of energy consumption structure and the improvement of energy-saving and carbon-reduction technologies are the best paths to achieve Gansu’s carbon emission reduction goals.

Key words：carbon peaking; industrial carbon emissions; STIRPAT model; scenario prediction

一、引言

全球气候变暖已成为制约经济社会可持续发展的重要障碍，如何有效控制并降低以二氧化碳为主的温室气体排放，成为摆在人类社会面前的重大课题。为积极应对全球气候变化所带来的挑战，我国多次就降碳减排进行建设规划，提出力争2030年前实现碳达峰和2060年前实现碳中和，并明确“十四五”期间要“支持有条件的地方和重点行业、重点企业率先达到碳排放峰值，深入推进工业、建筑、交通等领域低碳转型”。实践表明，工业产业正在长期引领着我国经济的快速增长，但同时也是能源资源消耗与碳排放污染的大户，工业领域的能源消耗量约占全国能源消费总量的60%以上，二氧化碳排放量则约占全国总体碳排放量的70%以上。因此，工业产业势必成为碳达峰碳中和目标实现的重点领域和责任主体，准确预测工业领域的碳达峰时间及碳排放量，对于“双碳”目标的建成以及工业产业的绿色低碳转型有重要意义。

而从地区经济发展特征来看，我国东、中、西部经济发展明显不平衡，东部地区整体上已进入工业化发展的后期阶段，而部分中西部地区则仍处于中期阶段，其后期经济增长仍需要依靠重工业或其他工业来拉动。在应对气候变化和围绕“双碳”目标建设方面，很明显东部发达地区有可能率先实现碳达峰，此时西部地区的达峰情况将直接决定全国能否在2030年前如期实现。甘肃是西部重要生态屏障，经济基础薄弱，生态环境脆弱，实现“双碳”目标更是压力较大，而且甘肃历来是以石油化工、装备制造为主的工业产业结构体系，在“双碳”目标约束下，要实现甘肃“十四五”的经济战略布局，意味着既要保证经济的持续稳定增长，又要加快推进减碳降碳，任务艰巨而且艰难。基于此，本研究针对甘肃工业领域的碳达峰问题进行预测分析，在相对明确碳达峰时间和最大排放量的前提下，有助于加强前瞻性思考和整体性推进，调整能源生产消费结构，聚焦重点控排领域。

二、研究现状与文献回顾

自从我国碳达峰碳中和目标明确后，学术界和实务界围绕碳排放、碳减排、碳交易等展开了大量研究，其中针对碳达峰预测的研究，一般都是围绕三个层次内容展开：碳排放影响因素、碳排放趋势预测以及具体区域或行业层面的碳达峰实现路径。

（一）碳排放影响因素方面

当前研究碳排放影响因素的方法主要包括Kaya恒等式、LMDI分解以及STIRPAT模型等。其中Wu等（2016）[1]采用修正的Kaya恒等式对我国城市化阶段的碳排放影响因素进行分析，认为人口、能源强度、人均GDP和城镇化率是影响碳排放量的主要因素。Quan等（2020）[2]引入LMDI分解法建立物流行业碳排放因素分解模型，结果显示经济增长是导致物流业碳排放量增加的最主要因素，其次是人口规模和能源结构，而能源强度是主要的抑制因素。陈占明等（2018）[3]基于STIRPAT模型对影响我国地级以上城市的碳排放因素进行研究，认为不同规模的城市碳排放影响因素和影响程度有所差异，同时发现人均GDP与碳排放量之间存在的倒U型曲线关系，且在2012年后不再显著。

（二）碳达峰预测分析方面

在明确碳排放影响因素的基础上，对碳排放的预测主要聚焦在两种角度：一是结合人口、城镇化水平、产业结构和能源技术等，通过构建Kaya恒等式、LMDI和STIRPAT 等模型进行碳排放趋势预测；二是通过时间序列及其组合模型、BP神经网络、Logistic模型、ADL-MIDAS模型等数据分析方法构建模型实现预测。兰延文等（2021）[4]引入LMDI模型对河南省的碳排放因素进行分解，并利用静态的情景分析法和动态的蒙特卡洛分析法从两个层面预测了未来河南省的碳排放量增长趋势和碳达峰概率分布。Su和Lee（2020）[5]基于STIRPAT模型也对我国碳排放量进行了情景预测分析，预测到2028年可能实现碳达峰，并认为碳定价和全国性的碳排放交易机制是推动能源结构转型和清洁生产技术发展的最重要工具。赵金元等（2020）[6]通过对比分析多元线性回归模型和BP神经网络对钢铁企业碳排放趋势的预测，发现BP神经网络模型具有更好的拟合效果，且应用范围更广。

（三）区域和行业层面的碳达峰研究

此外，部分学者还针对不同地区或不同行业实现碳达峰的峰值和时间展开了研究。首先是地区层面，张丽峰和潘家华（2021）[7]认为，在优化碳减排的条件下，全国能够在2030年以前实现达峰，其中东部、中部和西南地区能够率先达峰，而东北和西北地区的达峰时间则相对更晚一些，且西北地区还面临着达峰量大和达峰时间晚的双重挑战。邓小乐和孙慧（2016）[8]认为西北五省区若既要保证经济的持续稳定增长，又要在2030年之前实现碳达峰，则关键在于保持碳排放强度的合理下降。其次是行业层面，王勇等（2017）[9]认为能源利用效率对工业行业的碳排放量有着明显的抑制作用，且在低碳情景下我国整体工业部门可以在2030年实现碳达峰，是实现工业碳达峰的最佳发展路径。

总的来看，当前学术界关于碳达峰领域的研究，更多围绕在国家层面或建筑业、交通运输业等行业整体上，而缺乏对省级细分行业的针对性研究，又考虑到工业是各省实现碳减排目标的重要领域，因此本研究以甘肃省工业领域的重点碳排放行业作为研究对象，深入分析其碳达峰问题。首先运用聚类分析法，选取出重点碳排放细分行业；其次，构建扩展的STIRPAT模型，通过岭回归拟合量化这些重点行业碳排放的具体影响因素；最后，设置不同的情景模式对这些行业的碳排放趋势进行预测，为甘肃工业领域制定相关减排政策提供科学建议，同时也为研究西部欠发达地区的工业碳排放问题提供参考。

三、理论模型与数据来源

（一）扩展的STIRPAT模型

1.变量的选择

影响工业领域碳排放量增加的主要因素包括三个方面：产出规模效应、能源消费规模效应以及技术进步效应[10～12]。此外，多数研究也表明了经济增长对二氧化碳排放的影响，经济增长促进消费需求，推动工业化进程加快，进而增加了工业整体能源消耗与二氧化碳排放量。基于以上，本研究在预测分析时，将选取目标行业的产量与生产总值作为产出规模效应的衡量指标、各行业的单位产量能耗作为技术进步指标、人均GDP作为经济发展水平的衡量指标。同时，选取目标行业的煤炭消耗量作为能源消费规模效应的衡量指标。上述各个变量的名称和说明见表1。

2.模型的构建

IPAT模型是最早用于研究人类社会发展水平对自然环境造成影响的一种研究方法，其主要包括人口规模、经济增长和技术水平等三个指标。York等（2003）[13]认为任何对环境有影响的因素均可以引入到该模型中，所以在传统IPAT模型的基础上又提出了STIRPAT模型，其标准形式如下：

I=aPbAcTde（1）

式（1）中：I、P、A、T 分别表示环境压力、人口、经济和技术；a代表常数项；b、c、d分别表示人口、经济与技术对环境影响的驱动指数；e则是模型随机误差扰动项。

STIRPAT模型对于研究人文驱动因素对环境的影响具有独特的优势，它能够将多种综合因素考虑在内，并可以根据不同的衡量指标将模型进行扩展，以构建一个更符合实际的STIRPAT模型，近些年也在碳排放研究领域中得到广泛运用。为了能更有效地分析甘肃省重点碳排放行业的影响因素，本研究借鉴已有文献的研究成果，并考虑甘肃省的实际情况，在式（1）中引入人均GDP、行业生产总值与产量、煤炭消耗量以及单位产量能耗等五个指标，对原有的STIRPAT模型进行扩展，得到新的STIRPAT模型表达式如下：

C it=αA tβ1I itβ2P itβ3E itβ4T itβ5e it（2）

实际分析时，通常对方程式（2）两边取自然对数后如下：

ln C it=α+β 1 ln A t+β 2 ln I it+

β 3 ln P it+β 4 ln E it+β 5 ln T it+e it（3）

许多研究表明，经济增长与碳排放量之间存在非线性关系[14]，所以引入人均GDP的二次项进行检验，则模型最终调整为：

ln C it=α+β 11 ln A t+β 12（ ln A t）2+

β 2 ln I it+β 3 ln P it+β 4 ln E it+β 5 ln T it+e it（4）

式（4）中：A、C、I、P、E、T分别表示人均 GDP、 行业的碳排放量、生产总值、产品产量、煤炭消耗量以及单位产量能耗；β 2、β 3、β 4、β 5为弹性系数，表示当I、P、E、T每变化1 % 时，分别引起C的β 2 % 、β 3 % 、β 4 % 、β 5 % 的变化；而人均 GDP 对碳排放量的弹性系数为EE IA=β 11+2β 12 ln A，如果β 12为负数，则说明人均GDP与碳排放量之间存在倒U型曲线关系。

（二）数据来源

考虑到2020年受新冠肺炎疫情的冲击，各行业的碳排放量都在短期内出现了较大幅度的波动，可能会对行业的整体碳排放趋势预测有所影响，因此，本研究主要选取2000-2019年甘肃省的相关统计数据展开研究。其中，2000-2019年甘肃省最终能源消费行业的历史碳排放数据均来自CEADs省级分部门核算清单；2000-2019年甘肃省人均GDP和工业产品产量的数据来源于国家统计局官网；2000-2019年甘肃省细分行业部门的生产总值和能源消费量的数据均来自于《甘肃发展年鉴》。

四、实证分析与情景预测

（一）甘肃工业领域重点碳排放细分行业的筛选

为了能够真实反映每个行业的总体碳排放水平，避免个别年份的特殊情况对行业历史碳排放数据排序的影响，本研究主要采用历史累积碳排放量（百万吨）和人均累积碳排放量（吨）2个指标进行行业划分。历史累积碳排放量是根据CEADs数据库中划分的甘肃省最终能源消费行业碳排放历史数据（2000-2019年）进行计算，而人均累积碳排放量则是把该地区从起始年以来历年人均排放量的简单叠加得出。最后，根据这两个指标，运用K平均值聚类分析法，将甘肃省的40个细分工业部门划分为高碳、中碳和低碳3组。

聚类分析的结果显示：高碳组仅包含电力行业，其历史累积碳排放量为1218百万吨，人均累积碳排放量为48吨；中碳组包含钢铁和水泥两个行业，其历史累积碳排放量均在200百万吨以上，人均累积碳排放量均在10吨左右；剩下37个行业均为低碳组，历史累积碳排放量均在100百万吨以下，人均累积碳排放量均在3吨以下。方差分析检验如表2显示：F统计量较大，P值均接近于0，表明三个分组之间的两项指标具有显著差异，而组内各行业的两项指标则差异较小，因此该分组较为合理。

根据图1甘肃省重点碳排放工业行业历年碳排放量走势图显示：在2000-2019年间，电力行业的碳排放量远高于其他行业，其历史累积碳排放量约占甘肃省工业总体碳排放量的62%，电力、钢铁和水泥行业的碳排放量总和约占甘肃省工业总体碳排放量的89%，是工业领域实现碳减排的重要责任主体。因此，本研究的预测将聚焦在电力、钢铁和水泥行业，并对这三个重点碳排放行业展开具体的分析。

（二）重点行业碳排放的影响因素分析

根据已知文献，本研究将STIRPAT模型进行扩展后主要包括五个变量：人均GDP（ A）、各行业生产总值（I）、产品产量（P）、煤炭消耗量（E）以及单位产量能耗（T）。 运用SPSS软件对这五个变量进行相关性检验，由表3共线性统计结果显示：各行业生产总值、产品产量以及煤炭消耗量的方差膨胀因子VIF均大于10，说明变量之间存在严重多重共线性。由于多重共线性的存在，使得回归模型不稳定，导致回归结果失真，因此使用岭回归方法对此加以解决。

运用SPSS软件对改进的STIRPAT模型（4）进行岭回归分析，得到K值、相关系数、岭迹图的变化结果。当岭迹图趋于平稳时取K值，并得到对应的相关系数。由表4重点碳排放行业的岭回归结果显示：在三个行业中，模型的拟合优度R2值分别为0.98、0.97、0.99，说明三个模型的拟合效果较好。各相关变量均通过了显著性检验，说明五个变量对行业的碳排放量均存在显著影响。从三个行业的回归结果来看，人均GDP对行业碳排放量有正向作用，且系数均在0.09以上；人均GDP的二次项对碳排放也呈现正向影响，则意味着经济发展与各行业碳排放均呈正“U”型曲线关系，而并非存在碳排放的库兹涅茨曲线，这是由于随着能源效率的不断提高，在一定程度上又刺激了行业产生新的能源消费需求，结果使得能源消费总量不降反增，即引发了“能源回弹”效应，导致各行业的碳排量反而升高；行业生产总值对钢铁行业的碳排放影响相对较大，系数在0.1以上，而对电力、水泥行业影响相对较小；各行业的产品产量和煤炭消耗量均对行业碳排放有显著影响，前者系数均在0.1以上，后者系数均在0.2以上，这表明各行业产品产量的扩大和以煤炭为主的能源消费结构是导致工业部门碳排放量增加的重要因素；单位产量能耗与钢铁行业的碳排放量呈正相关，且系数为0.225，说明能源技术的改进对钢铁行业碳排放有明显的抑制作用，与预期相符；而单位产量能耗与电力、水泥行业的碳排放则呈负相关，这可能是由于两个行业的能源消费结构有了明显的改善，使天然气、电力等清洁能源的消耗比重逐步上升，而煤炭的消费比重则持续下降，且前者的碳排放量远小于后者的碳排放量，因此出现了在单位产量能耗上升的同时碳排放量下降的现象。

（三）甘肃工业领域重点碳排放行业的情景预测

1.情景模式的设定

在“双碳”目标下，地方政府将面临节能减排和经济增长的双重矛盾。通过设置基准情景、低碳情景、高耗能情景以及经济增长情景四个情景模式三个目标行业进行碳达峰预测，从而为更好地化解这一矛盾提供政策参考。

其中，基准情景主要参考“十四五”时期的相关政策目标，坚持推进工业经济稳增长行动，以推动工业高质量发展为主题，并以新发展理念作为引领，实现甘肃省经济结构、产业结构以及能源消费结构加快向绿色低碳方向转型。因此，在基准情景下，各指标均低于历史平均速率，并保持中速增长。低碳情景下的经济增长依然参考“十四五”时期的主要目标，但是更加强调通过能源消费结构转型与技术改造创新来实现碳减排目标。因此，在低碳情景下，人均GDP、各行业生产总值以及产品产量仍保持稳速增长，而煤炭消耗量和单位产量能耗相较基准情景下降幅度则更大。高耗能情景则是参考袁晓玲等（2020）[11]的情景设定，模拟类似新冠肺炎疫情的冲击下，国家为了保持社会稳定和经济增长，而减少了对能源消费和技术改造的相关政策约束。因此，在高耗能情景下，主要经济指标依然保持稳定增长，但是在没有约束条件下的煤炭消耗量则以历史平均速率保持高速增长、单位产量能耗则以历史平均速率保持低速下降。而经济增长情景则参考的是“十三五”时期及其之前的政策目标，其主要通过增加生产要素投入量来实现经济的快速增长，而忽视了对能源资源的消耗和对自然环境的破坏，反映的是一种粗放式经济增长方式。因此，在经济增长情景下，各指标均以历史平均速率保持高速增长。

以上四种情景模式的设定说明具体见表5。

2.情景参数的设定

（1）人均GDP

自2000至2019年甘肃省人均GDP的年平均增长率为12%；甘肃省在“十四五”规划中提出，这五年内地区生产总值的年均增速为6.5%；根据中国社会科学院宏观经济研究中心课题组的预测报告（2020）[15]，未来十五年我国经济增速基本围绕在4%-6%左右，而人均GDP增速和GDP增长速度具有一致性。故经济增长情景（高模式）下，以甘肃省人均GDP平均增长率12%为高速率。而基准情景（中模式）下，以6.5%为中速率。

（2）生产总值

甘肃省电力行业总产值的年平均增长率为11%，钢铁行业总产值的年均增速为17%，水泥行业为14%；在“十四五”期间，工业增加值的年平均增长率为7%以上，到2025年，工业增加值突破4000亿元，工业增加值占GDP比重提高到33%左右。这意味着未来还有很长一段时间，甘肃省的经济增长依然需要第二产业来拉动，但是也更加注重工业经济的高质量发展，推动工业领域向低碳绿色化方向转型。故经济增长情景下，以甘肃省各行业总产值的年平均增长率为高速率。而基准情景下，则参考甘肃省强工业行动目标，设中速率为7%。

（3）产品产量

甘肃省电力行业发电量的年均增速为10%，粗钢产量的年均增速为8%，水泥产量为11%；甘肃省“十四五”时期能源发展规划中提出，到2025年全社会用电量达1760亿千瓦时，年均增长494%，而发电量增速略高于社会用电量增速；钢铁和水泥作为国民经济发展的基础性原材料，与经济建设密切相关，考虑到甘肃省城镇化率相较发达城市仍然较低，未来基础建设仍有一定发展空间，预计未来五年甘肃省对钢铁和水泥需求量仍然存在上升趋势，但伴随着基础设施不断完善和城镇化率的不断提高，10-20年后水泥和钢铁的需求必然呈下降趋势。故经济增长情景下，以甘肃省各行业产品产量的平均增长率为高速率。而基准情景下，电力行业发电量以5.5%为中速率，钢铁和水泥行业以3%为中速率，并增速逐年放缓，预计至2030年达到平台期以后呈现下降趋势。

（4）煤炭消耗量

甘肃省电力行业煤炭消耗量的年均增速为9%，钢铁行业煤炭消耗量的年均增速为7%，水泥行业为6%；“十四五”时期甘肃省能源发展规划的主要目标中提出，到2025年全社会煤炭消费比重达到46%，五年累计下降6.64，而非化石能源消费比重五年累计增加3.36。甘肃省能源供给结构也不断优化转型，煤炭产量占一次能源总产量的比重逐年降低，而清洁能源的供给能力则不断提升。因此，未来相当长一段时间内甘肃省煤炭消耗占比将会持续下降。故高耗能情景（高模式）下，以甘肃省各行业煤炭消耗量的平均增长率为高速率。而在低碳情景（低模式）下，更强调节能减排的作用，因此各行业煤炭消耗量的增速大约设置在-4%左右。中速率介于低速率与高速率之间。

（5）单位产量能耗

甘肃省电力行业单位产量能耗的年均增速为-0.5%，钢铁行业单位产量能耗的年均增速为-0.6%，水泥行业为-1.9%；“十四五”时期原材料工业发展规划中提出，到2025钢铁行业吨钢综合能耗降低2%，水泥产品单位熟料能耗水平降低3.7%。故在高耗能情景（低模式）下，以甘肃省各行业单位产量能耗的平均增长率为低速率。而在低碳情景（高模式）下，更加注重减排技术的应用，比高耗能情景低2%。基准情景的增速介于两者之间。

以上三个行业在不同预测情景下相关变量的具体参数设定见表6。

3.预测结果及分析

图2-4呈现了三个重点碳排放行业在基准、低碳、高耗能、经济增长四种情景下的碳达峰时间与峰值。其中，只有钢铁行业在低碳与基准情景下均可以实现碳达峰，达峰时间分别是2030年和2040年，峰值分别为21.27百万吨和26.36百万吨。而电力和水泥行业只有在低碳情景下可以实现碳达峰，且达峰时间分别是2040年和2035年，峰值分别为116.11百万吨和19.66百万吨，其达峰时间相较2030年的达峰目标有所滞后，这是由于国家经济的梯度式发展导致西部经济发展较为落后，大部分地区仍处于工业化发展的中期阶段，后期的经济增长和基础建设仍需要依赖重工业作为支撑，对电力、钢铁和水泥的需求仍保持低速增长。基于以上现实因素的考量，甘肃省重点碳排放工业行业在2030年前实现碳达峰则较为困难。

进而，对不同情景下碳排放量的趋势变化进行比较（以电力行业为例）。首先是经济增长情景与基准情景，两者分别代表了不同时期政策背景下的碳排放量变化。前者人均GDP在2030年达到87447.69元，碳排放量达到166.16百万吨；后者的人均GDP在2030年实现63218.22元，碳排放量则为125.78百万吨。虽然“十三五”时期经济的粗放式发展可以带来短期经济快速增长，但是同时也会带来严重的气候变化问题。而“十四五”时期则更注重经济的高质量可持续发展，在保证经济稳定增长的条件下，更加注重减少对外部生态环境的影响。其次是低碳情景与高耗能情景，两者分别代表了相同政策背景下技术和能源变化对碳排放量的影响。对比发现，在保证经济稳定增长条件下，后者碳排放量远远高于前者。因此，降低煤炭能源消耗量，并通过技术改进降低单位产量能耗，可以有效控制碳排放量，并加快碳达峰目标的实现。综上所述，低碳情景下的相关政策措施是化解经济增长与降低碳排放量之间矛盾的最佳途径。

五、结论与建议

本研究基于甘肃省2000-2019年工业领域中电力、钢铁和水泥三个重点碳排放行业的历史碳排放数据，运用扩展的STIRPAT模型对影响行业的碳排放因素进行分析，并设置四个不同的情景模式对各行业的碳达峰峰值以及时间进行预测，最后得出以下结论：第一，电力、钢铁以及水泥行业的历史累积碳排放量约占甘肃省工业总体碳排放量的89%，势必成为甘肃省“双碳”目标实现的重点领域和责任主体；第二，人均GDP、各行业的生产总值、产品产量和煤炭消耗量均对行业碳排放有正向作用，其中，产量和煤炭消耗量对行业碳排放的影响最大，系数均在0.1以上；第三，在保证经济稳定增长的条件下，降低煤炭消耗量，并通过技术改进降低单位产量能耗，可以有效控制碳排放量。在低碳情景下各行业均能在2030年接近碳达峰，但受经济影响因素，电力和水泥行业的达峰时间依然相对滞后。

根据上述结论，低碳情景下的相关政策措施是实现甘肃碳减排和经济稳增长目标的最优路径，也即在保证经济稳定增长的前提条件下，各级政府要强化能源消费结构的优化转型，大力推进相关节能降碳技术的改进升级。结合甘肃省的实际发展情况，我们提出如下具体建议：

第一，发挥甘肃能源禀赋优势，尽快构建清洁能源供应体系。当前甘肃工业领域的能源消费结构仍偏重于煤炭消耗，而以煤炭为主的能源消费结构是导致工业领域碳排放量增加的重要因素。甘肃作为国家重要的新能源基地，拥有丰富的风能与太阳能资源，势必在今后的能源产业结构转型中发挥重要作用。甘肃应充分利用其能源资源禀赋优势，加快构建多元化清洁能源供应体系，保持风电、光伏发电的合理发展，推动风光发电平价上网，以提高清洁可再生能源在工业领域中的使用比例，使煤炭消耗量限制在科学合理产能的水平之下。

第二，加快重点行业节能减排技术应用，提高能源使用效率。甘肃由于经济发展水平较为落后，先进节能技术普及较少且更新速率较慢，使技术在碳减排目标中发挥作用受限。现阶段，甘肃工业领域能源效率偏低的状况仍然没有得到根本性的改变，而行业发展先进的低碳和零碳技术对行业碳排放量有明显的抑制作用。因此，甘肃要加大资金支持力度，鼓励与引导企业主动实施减碳技术改造，积极推广节能技术、设备与产品，促进钢铁、水泥等重点用能行业减碳技术的使用与创新。

第三，制定分区域、分阶段、分行业的碳达峰目标，不能简单的搞“一刀切”。行业的能源消费结构、区域的经济发展水平以及产业结构不尽相同，使实现碳达峰的过程和时间也存在一定的差异性。各级政府在实施碳达峰目标时也应考虑到经济发展的差异性，针对不同行业、不同区域采取梯度式管理。把经济增速控制在合理的范围之内，既满足社会进步与经济建设的需要，又完成国家碳减排目标，努力探索经济进步与环境保护双赢的发展途径。

【参考文献】

[1] WU Y，SHEN J，ZHANG X，et al.The Impact of Urbanization on Carbon Emissions in Developing Countries：a Chinese Study Based on the U-Kaya Method[J].Journal of Cleaner Production，2016（135）：589-603.

[2] QUAN C，CHENG X，YU S，et al.Analysis on the Influencing Factors of Carbon Emission in China’s Logistics Industry Based on LMDI Method[J].Science of The Total Environment，2020（734）：138-473.

[3] 陈占明，吴施美，马文博，等.中国地级以上城市二氧化碳排放的影响因素分析：基于扩展的STIRPAT模型[J].中国人口·资源与环境，2018（10）：45-54.

[4] 兰延文，郭丽君，李森.碳排放驱动因素分解及碳排放达峰情景分析——以河南省为例[J].能源与环境，2021（6）：7-11.

[5] SU K，LEE C M.When Will China Achieve Its Carbon Emission Peak？ A Scenario Analysis Based on Optimal Control and the STIRPAT Model[J].Ecological Indicators，2020（112）：106-138.

[6] 赵金元，马振，唐海亮.BP神经网络和多元线性回归模型对碳排放预测的比较[J].科技和产业，2020（11）：172-176.

[7] 张丽峰，潘家华.中国区域碳达峰预测与“双碳”目标实现策略研究[J].中国能源，2021（7）：54-62，80.

[8] 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.

[9] 王勇，毕莹，王恩东.中国工业碳排放达峰的情景预测与减排潜力评估[J].中国人口·资源与环境，2017（10）：131-140.

[10] 马晓君，陈瑞敏，董碧滢，等.中国工业碳排放的因素分解与脱钩效应[J].中国环境科学，2019（8）：3549-3557.

[11] 袁晓玲，郗继宏，李朝鹏，等.中国工业部门碳排放峰值预测及减排潜力研究[J].统计与信息论坛，2020（9）：72-82.

[12] 曹广喜，张力.碳达峰目标下江苏省重点行业碳排放量的影响因素分析及趋势预测[J].阅江学刊，2022（1）：129-140，175.

[13] YORK R，ROSA E A，DIETZ T.STIRPAT，et al. and Impact：Analytic Tools for Unpacking the Driving Forces of Environmental Impact[J].Ecological Economics，2003，46（3）：351-365.

[14] 许广月，宋德勇.中国碳排放环境库兹涅茨曲线的实证研究——基于省域面板数据[J].中国工业经济，2010（5）：37-47.

[15] 李雪松，陆旸，汪红驹，等.未来15年中国经济增长潜力与“十四五”时期经济社会发展主要目标及指标研究[J].中国工业经济，2020（4）：5-22.

［责任编辑：铁国花］