河南省碳排放影响因素分析及预测

［摘 要］ 将人口、城镇化率、人均GDP、能源结构、产业结构、技术水平6个因素引入STIRPAT模型，通过岭回归分析了各因素对河南省碳排放的影响。同时运用情景分析法，预测不同发展情景下的碳排放趋势。结果表明：产业结构对碳排放的影响最大，然后依次是人口规模、城镇化率、人均GDP、技术水平和能源结构；控制人口规模、优化产业结构和调整能源结构，可以有效促进河南省碳减排的实现。本研究可以在一定程度上为河南省如期实现“2030碳达峰”目标提供可行的建议。

［关键词］ 碳排放； 河南省； STIRPAT模型； 情景分析

［中图分类号］ F205" ［文献标识码］ A

为应对全球变暖等环境问题，我国提出“二氧化碳排放力争2030年前达到峰值，争取2060年前实现碳中和”的目标[1]。碳排放问题的研究主要有影响因素分析、碳排放量及碳达峰时间预测等。熊萍萍等采用灰色关联分析探究碳排放的影响因素[2]；赵慈等以STIRPAT模型为基础预测浙江省的碳排放量[3]；高畅用STIRPAT模型预测长三角地区碳达峰情况[4]；Ferdinand V采用LMDI法对美国碳排放进行分析[5]。

STIRPAT模型便于情景参数的设定及相关驱动因素的研究，且其适用于区域碳排放研究并取得了较好的效果[6]。本文基于STIRPAT模型研究河南省碳排放的影响因素，并用情景分析法预测碳排放的发展趋势。

1 研究地区与研究方法

1.1 研究区域概括

河南省作为能源消费大省，以煤炭为主的能源结构以及高耗能产业占比过大，导致其碳排放量居高不下[7]。同时其能耗强度依然较高，因此河南省是落实碳减排的关键地区。

1.2 模型构建及数据来源

STIRPAT模型由IPAT模型发展而来，其表达式为：

I=α×Pb×Ac×Td×e（1）

其中：α是常数项，e为误差项，b、c、d为待估参数。对式（1）两边取对数得：

lnI=lnα+blnP+clnA+dlnT+lne（2）

借鉴已有研究[8][9][10]，本文得到扩展模型：

lnC=lnα+blnP+clnA+dlnU+elnT+flnS+glnE+lne（3）

式中：b、c、d、e、f、g表示弹性系数，主要因素的具体含义见表1。

本文使用到的数据主要有河南省碳排放量、各影响因素对应的数据。这些数据主要来源于CEADs中国碳核算数据库及《河南统计年鉴》。

1.3 发展情景设置

本文借鉴国家发改委能源研究所情景设置的方法，通过预估各影响因素未来的不同变化趋势，设置基准、低速和高速发展情景三种模式。本文以2019年为基准年，以5年为一个阶段预测未来20年的碳排放量情况。

据《河南统计年鉴》，河南2010—2019年人口、人均GDP、城镇化率、技术水平、产业结构和能源结构的年均增长率分别为0.55%、9.6%、3.57%、-10.34%、-2.46%和-2.26%。本文参考文献[4]在基准情景下以一定的变化为步长设置不同情景的方法，设置高、低发展情景的参数。

人口规模（P）：基于《国家人口发展规划（2016—2030年）》，2030年前后我国人口总量达到峰值，此后缓慢减少[11]。因此把2020—2029年基准发展情景的人口增长速度设为0.55%，之后逐步放缓。

人均GDP（A）：中国经济已进入从中高速增长转向中低速增长的新发展周期，经济增速从年均9%左右逐渐放缓至6%左右[12]。长期来看河南省未来经济增长会逐步放慢，因此设置阶段一基准发展情景变化率为2.0%，之后逐渐放缓。

城镇化率（U）：《2021年河南省政府工作报告》提出2035年远景目标要实现常住人口城镇化率突破60%，2022年预期常住人口城镇化率提高1.5%。因此本文将阶段一基准情景城镇化增长率设置为1.0%，之后逐步放缓。

技术水平（T）：经济的增长仍将依赖能源消费，一次能源为主的能源结构还将在一段时间内保持稳定[13]。河南省“十四五”规划能源发展主要指标中指出2020—2025年单位GDP二氧化碳排放降低19.5%。结合河南省2010—2019年技术水平年均增长率的值，本文设定各阶段基准情景技术水平增长率为-8.0%。

产业结构（S）：河南省自然资源丰富，但资源型产业的发展对环境问题产生了严重的影响。《2020年河南省政府工作报告》提出全省要“着力推动转型升级”。基于此，本文将阶段一基准情景产业结构变化率设定为-1.0%，之后逐步放缓。

能源结构（E）：河南省矿产资源丰富，然而煤炭消费量占能源总消费量的比重却居高不下。“十四五”规划提出“要持续优化能源生产消费结构，提高非化石能源消费占比到16%以上”。基于此，本文将阶段一基准情景能源结构变化率设定为-2.0%，并于2030年后逐渐放缓。综上，各变量变化率情况见表2。

2 结果与分析

2.1 碳排放影响因素分析

根据CEADs中国碳核算数据库及《河南统计年鉴》中的相关数据，本文选用Pearson检验判断变量是否有相关性，结果见表3。

阶段一到阶段四分别是2020-2024年、2025-2029年、2030-2034年、2035-2039年。

根据检验结果，确定变量存在线性关系。之后对变量进行共线性诊断，结果见表4。

表4所有变量的VIF值均大于10，表明变量间存在多重共线性。为避免出现模型评估失真的情况，采用岭回归法消除多重共线性的影响。

本文借助R软件，选取1997—2009年的数据，设置迭代步长为0.01，得到不同K值对应的系数及如图1所示的岭迹。岭迹及相关数据表明，最佳K值为0.018。得出的岭回归拟合结果如表5所示。

拟合结果表明方程显著。自变量和常量项基本都通过了5%的显著性水平检验，说明系数和常量符合现实意义检验。借助SPSS软件分析，得到回归方程为：

C=e－20.412×P1.808×A0.28×U0.494×T0.144×S1.879×E0.052（4）

回归方程表明，人口规模、人均GDP、城镇化率、技术水平、产业结构和能源结构变动1%时将引起碳排放量变动1.808%、0.28%、0.494%、0.144%、1.879%和0.052%。为检验模型拟合效果，将1997—2019年的数据代入方程（4），得到预测值与实际值的对比情况如图2所示。模型拟合结果误差较小，且平均误差只有3.7%，与实际值较吻合。说明该模型能较有效地预测未来的碳排放量。

2.2 碳排放模拟分析

结合表2中的变化率和碳排放量预测模型（4），可得到三种发展情景下河南省2020—2039年碳排放预测情况如图3所示。图3表明，基准、高速和低速发展情景下，碳排放量出现峰值分别在2034年、2029年和2036年；峰值分别是52 686.6万t、53 214.1万t和52 679.7万t。

高速发展情景下，河南2029年实现碳达峰，达峰时间最早但峰值最高。在达峰后碳排放量显著下降，并于2035年后明显低于其他情景。在该情景下，人口与GDP增长的速度在快速增大，但同时产业结构以及能源结构等也在快速优化。基准发展情景下河南省实现了碳达峰，但比2030年推迟了4年。该发展情景下，变量变化率的设定以近5年均值为主要参考，从人口规模、经济发展、产业优化等方面反映当前的社会发展状况。低速发展情景下，河南省2036年实现碳达峰。该情景下，人口增长、经济发展速度较缓慢，但第二产业占比、煤炭消费量占比也在缓慢下降。这表明优化产业结构、发展绿色产业、调整能源结构等可以较为有效地促进河南省碳减排的实现。

3 结论

本文引用CEADs中国碳核算数据库中河南省1997—2019年的碳排放量数据，借助R软件选用岭回归法分析了构建STIRPAT模型的各因素对河南省碳排放量的影响，之后通过情景分析法，结合得到的预测模型，预测了河南省2020—2039年的碳排放量，最终得到如下结论：1）产业结构对碳排放量的影响最大，然后依次是人口规模、城镇化率、人均GDP、技术水平和能源结构。这主要是由于河南省高耗能产业占比过大，且目前仍处于推动产业转型升级的过程。2）不同发展情景下，河南省碳排放量发展趋势类似，都是先稳步上升，并在达到峰值后迅速下降，发展趋势呈现倒U型的形状。这是由于未来一段时间内河南省经济的增长仍会依赖能源消费，但长远来看，对产业结构优化及能源结构调整的持续推进会在较大程度上促进碳减排。3）不同发展情景下，河南省碳达峰实现年份和峰值不同。高速发展情景下，河南省于2029年达到峰值，峰值为53 214.1万t，总体排放量较高；基准发展情景下，河南省于2034年实现碳达峰，峰值为52 686.6万t；低速发展情景下，河南省在2036年实现碳达峰，峰值为52 679.7万t。虽然在基准和低速发展情景下，河南省都实现了碳达峰，但是这两种情景下达峰时间比2030年实现碳达峰的目标分别推迟了4年和6年。这表明了快速推进产业结构的优化、能源结构的调整、技术革新的实现能有效促进河南省碳减排的实现。4）由于河南省的第二产业占据着主导地位，同时煤炭消费量在能源消费总量中仍占绝大比例，因此结合目前的碳排放趋势和预测情况来看，河南省的碳排放量在未来一段时间仍会继续增加。所以，河南省需制定行之有效的政策，如优化产业结构、推动技术进步、调整能源结构、适度控制人口规模等，才能实现“2030碳达峰”目标。

［ 参 考 文 献 ］

［1］ 翁智雄，马中，刘婷婷.碳中和目标下中国碳市场的现状、挑战与对策[J].环境保护，2021，49（16）：18-22.

[2] 熊萍萍，曹书人，杨卓.华东地区碳排放量灰色关联度分析[J].大连理工大学学报（社会科学版），2021，42（01）：36-44.

[3] 赵慈，宋晓聪，刘晓宇，等.基于STIRPAT模型的浙江省碳排放峰值预测分析[J].生态经济，2022，38（06）：29-34.

[4] 高畅. 长三角地区碳排放达峰情景预测分析[D].长春：吉林大学，2022.

[5] FERDINAND V，FERDINAND D F，ERICA S.A decomposition analysis of CO2 emissions in the United States[J].Applied Economics Letters，2010，17（10）：925-931.

[6] 谢笛，田颖琳，王光谦，等.青海省碳中和路径及实现途径研究[J].应用基础与工程科学学报，2022，30（06）：1331-1345.

[7] 赵金辉，李景顺，王潘乐，等.基于Lasso-BP神经网络模型的河南省碳达峰路径研究[J].环境工程，2022，40（12）：151-156.

[8] 唐赛，付杰文，武俊丽.中国典型城市碳排放影响因素分析[J].统计与决策，2021，37（23）：59-63.

[9] ZHANG P， HE J， HONG X， et al. Regional-level carbon emissions modelling and scenario analysis： a STIRPAT case study in Henan Province， China[J]. Sustainability， 2017， 9： 2342-2356

[10] BARGAOUI S A， LIOUANE N， NOURI F Z. Environmental impact determinants： An empirical analysis based on the STIRPAT model [J]. Procedia-Social and Behavioral Sciences， 2014， 109： 449-458.

[11] 周淑慧，王军，梁严.碳中和背景下中国“十四五”天然气行业发展[J].天然气工业，2021，41（02）：171-182.

[12] 邓宇.探析新发展阶段中国经济的发展趋势：评蔡昉《读懂未来中国经济：“十四五”到2035》[J].审计观察，2021（12）：94-96.

[13] 张巍.基于STIRPAT模型的西安市碳足迹预测和情景分析[J].生态经济，2021，37（04）：25-29.

Analysis and Prediction of Influencing Factors ofCarbon Emissions in Henan Province

AN Yu， LI Jinyang， GENG Liang

（School of Science， Hubei Univ. of Tech.， Wuhan 430068， China）

Abstract： This paper introduces six factors into STIRPAT model， including population， urbanization rate， GDP per capita， energy structure， industrial structure and technological level， and analyzes the impact of each factor on carbon emissions in Henan Province through ridge regression. At the same time， the scenario analysis method is used to predict the carbon emission trend under different development scenarios. The results show that industrial structure has the greatest impact on carbon emissions， followed by population size， urbanization rate， per capita GDP， technology level and energy structure. Controlling population size， optimizing industrial structure and adjusting energy structure can effectively promote the realization of carbon emission reduction in Henan Province. This study can， to a certain extent， provide feasible suggestions for Henan Provinceto achieve the goal of \"2030 carbon peak\" as scheduled.

Keywords： carbon emission; Henan Province; STIRPAT model; scenario analysis

［责任编校： 闫 品］