碳达峰目标下江苏省碳排放预测及分析

陈百芳 安徽理工大学经济与管理学院

人类作为地球生态链的一份子，环境的状态与我们息息相关，其中环境污染是最容易被人类感知，恶劣的环境直接影响到人类的身体健康和生产活动，如愈来愈频繁的极端天气。过去的百年来，不可持续的能源消耗及人类活动土地利用导致全球气温持续上升，已经比工业化前水平高出1.1℃。全球可能会在未来20年内超过危险的升温阈值。升温的主要原因就是化石燃料排放后产生的温室气体，其中排放占比高达90%以上，因此针对碳减排的研究对减缓气候恶化极其重要。实际上，我国作为综合实力最强、世界最大的发展中国家一直是碳排放大国。

有关碳排放预测方面的研究，国内外已经有很多基于县域、省际、国家整体层面的。从县域视角来看，有学者运用情景分析法对中国十强县之一的江阴县预测了其2011～2020年碳排放量和能源需求量，得出中国发达县市应不断调整产业结构、能源消费结构以找到合适自身的低碳经济发展模式这一结论；基于PCA-BP神经网络模型对长兴县老城区的用地特征、人口密度等指标对用地的碳排放量进行了预测，更科学地寻找到用地减排潜在能力。从省级层面分析，应用(1,1)和情景分析法分别对江苏省2013～2025年交通运输业的碳排放量进行了预测，结果发现公路交通运输对交通运输业的碳排放量影响最大，并且预测未来碳排放量呈上升趋势；从国家整体层面分析，运用LMDI分解出5个冶金工业的碳排放影响因素，结合迪维西亚指数模型分析1991～2014我国碳排放量变化，最后通过情景分析法计算未来冶金工业的减排能力，结果表明截止到2025年我国的冶金工业具有极大的碳减排能力。

但目前为止，以碳达峰视角对江苏省进行碳排放量峰值预测及分析的文献尚有空白。本文以江苏省为例，运用扩展的STIPRAT模型，在以往研究的基础上加入碳汇作为解释变量之一，结合岭回归模型进行实证分析，并运用情景分析法对2020～2035年江苏省排放量进行预测，探讨其绿色发展的最优情景，为政策制定提供基础数据支撑。

1 研究方法和数据来源

1.1 研究方法及模型构建

针对碳排放量的预测对实现我国碳达峰战略目标具有重大意义。IPAT模型通过人口规模、经济水平和技术的综合作用来预测一个国家的碳排放量。STIPRAT模型是IPAT方程的随机形式，详见式（1）.

STIPRAT各指标说明见表1，该模型包含了人口规模、经济水平、碳排放强度对碳排放量的非等比例影响。本文另引用能源、碳汇等变量对模型进行扩展并对数化以减弱各数据中存在的异方差情况，结果见式（2）。

表1 STIPRAT各变量指标及说明

式中h—随机误差项；a1—人口规模；a2—人均GDP；a3—碳排放强度；a4—能源结构；a5—能源强度；a6—产业结构；a7—碳吸收力的弹性系数。

1.2 数据来源

研究中的社会经济指标主要来源于《江苏统计年鉴》以及国家统计局发布的《中国统计年鉴》《中国城市统计年鉴》等。

1.2.1 碳排放量

为保证数据来源的客观、严谨以及限于数据的可获取性、连续性等原则，实验中碳排放量2008～2019年选用中国碳核算数据库（CEADs），其数据库采用人工智能算法将夜间灯光数值演化，自上而下的演化出数据，具有尺度统一、全口径等优点。

1.2.2 碳汇

碳吸收量测算方法利用碳汇估算法进行测量见式（3），以耕地、园地、林地等为主要碳汇用地。

式中CAis—i年s省（市）碳汇量；An—第n类碳汇用地，土地利用面积具体数据来源于国家自然资源部调查成果共享平台；an—第n类用地碳吸收系数，具体参见表2。

表2 碳汇系数

2 实证分析

2.1 指标相关性分析

对选取变量进行因子分析，KMO检验值为0.753，数值在0.7～0.8之间适合做因子分析。巴特利特检验的P值小于0.001，拒绝原假设表明各变量间存在相关性可以做相关性分析。表3可以得出变量间总体有着高相关性。其中A、T与L、N、E存在很高的负相关性，其数值达到-0.949、-0.948、-0.959和-0.906、-0.918、-0.947。S与P的相关性为-0.903这说明碳吸收能力与人口有很高的负相关性，也侧面说明人类活动与土地利用变化有一定相关性。

表3 相关性矩阵

2.2 碳排放模型的构建

2.2.1 岭回归模型

分析发现模型的多重共线性数值均超过了10，岭回归可以较好地处理这一问题。岭回归模型是一种用于解决共线性问题的有偏估计回归，防止模型过拟合。使用SPSS软件根据方差扩大因子法对模型进行估计，当k=0.212时各变量逐渐平稳，拟合优度为R2=0.92。

2.2.2 模型参数确定

将回归结果与公式（2）结合，计算得到扩展的江苏省STIPRAT模型见式（3）。

2.3 模型拟合检验

2008～2019年江苏省排放量测算其拟合值与实际排放量结果见表4，误差值（E）均在10%以内，误差较小拟合精度良好。

表4 STIPRAT模拟碳排放与实际碳排放量对比

2.4 情景分析和参数设定

为了预估2020～2035年江苏省碳排放量，从相关政策出发，设定低碳、基准、激进3种情景。设定低增长、中增长、高增长3种变化率来对各影响因素预测，根据江苏省“十三五”“十四五”规划等文件并结合学者已有研究，设定具体数值，具体见表5。通过碳排放预测模型测算出2020～2035年江苏省碳排放总量预测值，根据碳排放预测结果绘制出3种情景模式下碳排放预测如图1所示。

图1 江苏省3种情景下碳排放峰值预测

表5 3种情景下各指标增长情况

通过图1分析，可以得出江苏若以低碳模式发展将在2025年达到峰值，若在基准情景下将在2030年达到峰值，峰值分别约为7.5亿t和6.8亿t。其中低碳情景下2020～2025年期间碳排放量呈缓慢增加的趋势，达到2025年变开始缓慢下降。基准情景下，2020～2025年基准情景下碳排放量增长较快在2025～2030年期间达到小幅波动状态趋于平衡，2030年后碳排放开始迅速降低。激进情景下只注重发展经济而忽略环境保护，截止研究期间2035年碳排放量仍然呈上升趋势。

3 结论及建议

文中依据扩展的STIPRAT模型探讨了碳排放影响因素，并设计了3种不同情景下的江苏省碳排放预测。根据研究各项指标，得出结论及减排策略。

首先，人口是碳排放的主要影响因子之一，江苏作为中国的教育强省、高考大省，应强化自身优势，后续出台相关人才安居等政策吸引人才和避免人才外流，提高人口质量。其次，在科学发展观的指引下，政府要对江苏省内各区域的碳排放进行综合评价，实现区域间的产业协作和协调发展，将高碳的行业转移到符合当地资源禀赋的区域并以发展较好的城市辐射周边。依据区域特有的环境资源、人口资源等，对区域的发展进行比较优势的识别，从而指导行业的发展。另要有针对性地解决碳排放问题，比如退耕还草，增加城市碳吸收力也是目前有效的碳中和方法。再次，未来应该大力推动新技术、新产业、新业态发展，对城市内轨道交通投放较多的新能源公交车代替燃油车，共享电单车等，形成绿色交通运输。我国粗放型、高能耗型发展模式也影响着江苏省的绿色经济发展，苏南、苏北城市之间又有不同的产业结构特征，还需要合理开展碳减排的工作。