牛建广,王斐然,辛伯雄,王明琪,戎密仁
1.河北地质大学 城市地质与工程学院,河北 石家庄 050031;2.河北省地下人工环境智慧开发与管控技术创新中心,河北 石家庄 050031;3.京津冀城市群地下空间智能探测与装备重点实验室,河北 石家庄 050031;4. 沧州市人力资源和社会保障局,河北 沧州 061000
在2020年9月联合国大会上,中国提出“要争取早日实现碳达峰与碳中和”的“双碳目标”。中国“十四五”规划中进一步明确要求“到2025年单位国内生产总值能源消耗和二氧化碳排放分别降低13.5%、18%”。因此,在党中央的统一领导下,全国各省及各行业相应提出内部减排目标。河北省是全国减排重点区域,承担着巨大减排任务。建筑业作为河北省支柱产业,也是资源消耗和二氧化碳排放的主体。因此,在河北省“十四五”规划中明确提出“要大力发展节能低碳建筑,新建建筑全面执行绿色建筑标准,加快推进既有建筑节能改造”。因此,对建筑业碳排放进行研究,分析河北省内各地区建筑业碳排放现状,切实降低二氧化碳排放,对河北省建筑业低碳化发展和 “双碳目标”的实现具有重大意义。
目前在影响因素及其作用机理的研究方面,有些学者主要通过相关分析[1]、逐步回归[2]以及Tobit面板回归[3]等统计学方法对不同影响因素的所属类别以及影响程度进行研究。而有些学者则选择采用Kaya恒等式[4]、LMDI模型[5]以及STIRPAT模型[6]等方法,通过对建筑业碳排放进行分解,进一步分析其影响因素以及因素作用机理。
在建筑业碳排放效率及趋势研究上,主要有两方面。一是建筑业碳排放效率测算方面。大多数学者主要通过采用全要素效率方法对建筑业碳排放效率进行测算。ZHANG建立了能源效率的DEA模型对中国各省份的建筑业能效进行评价[7]。冯博等通过利用DEA模型对中国建筑业效率分异情况进行分析[8]。尚春静等则利用其对海南省建筑业碳排放进行核算和分析[9]。二是建筑业碳排放时空演变分析。惠明珠等结合空间计量模型对中国建筑业碳排放效率特征进行研究[10]。孔凡文、李鲁波通过将三位趋势分析法引入对中国建筑业碳排放空间分异进行研究,发现中国建筑业的碳排放分异在空间上呈现由东向西逐步下降趋势[11]。
综上所述,目前对于建筑业碳排放的研究主要集中在对于省域建筑业碳排放效率的分析评价,缺乏对于城市尺度的兼顾性。此外,在对其效率的进一步分析中,往往未充分考虑空间因素对其的影响。因此,首先基于“3E”理论从经济、能源以及环境3个方面对河北省11个地市建筑业碳排放影响因素发展情况进行分析;其次基于考虑非期望产出的SBM模型,分析2000—2019年碳排放效率的时空演变特征;最后利用改进BP神经网络模型对其二氧化碳未来趋势进行研究。以期为提高建筑业碳排放效率,推动河北省相关节能减排政策制定与实施提供一定理论支撑。
为了解决要素松弛问题,Tone将DEA模型中的目标函数引入松弛变量提出了基于非径向、非角度的SBM模型(Slack-based Measure,SBM)[12]。通过设定非导向以及规模报酬不变,同时设定非期望产出为二氧化碳排放量,可得到基于考虑非期望产出SBM模型的建筑业碳排放效率测算模型如下:
(1)
式(1)中,s表示的是投入产出的松弛量,λ为权重向量,ρb为目标函数,是关于s-、sg、sb严格递减的,并且0≤ρb≤1。对一个特定的决策单元,当且仅当=1,即s-=0,sg=0,sb=0时是有效率的,若ρb<1则说明决策单元是无效率的,在投入产出方面存在改进的必要性。
BP神经网络的本质是对误差函数的最小值进行求解。首先通过隐含层将输入层多个节点正作用于输出层节点,同时对期望输出与预测输出之间误差值求解;若误差不满足于规定误差范围,则通过反向传输对神经网络权值和阈值进行调整,并经过反复学习与训练直至误差满足期望[13,14]。
粒子群算法(Particle Swarm Optimization,PSO)是Kennedy和Eberhart提出的一种生物启发式算法[15],其主要原理是模拟鸟类捕食时的行为,将全局最优解设为食物最多的位置,通过利用鸟群中个体之间相互协作以及信息共享等行为,实现寻得全局最优解的目标。因此,文章针对于BP神经网络在网络参数设置上存在的随机性问题,引入PSO对其网络参数进行全局寻优,避免预测结果缺乏合理性和科学性,进一步提升整个预测模型的精确度。则PSO-BP神经网络算法流程如图1所示。
图1 PSO-BP神经网络算法流程图Fig.1 Flow chart of PSO-BP neural network algorithm
研究期为2010—2019年,以河北省11个地市建筑业为研究对象,数据主要来源于国家统计局官网、《IPCC清单》《河北省经济年鉴》(2011—2020年)以及河北各城市统计年鉴、统计公报等资料。同时,考虑到数据的真实性、完整性以及可利用性,对数据进行分析与预处理。其中,对缺失值采用插值法进行补齐,对结合相关环境针对性进行分析后的异常值予以剔除与补齐。
根据全要素效率测算要求,并结合以往文献[16-22]研究结果,选取建筑业碳排放影响因素及效率测度指标如表1。
表1 建筑业碳排放效率测度体系Table 1 Measurement system of carbon emission efficiency in construction industry
总体来看,2010—2019年河北省建筑业碳排放效率均值逐步下降,由 2010 年的 0.81 降低至2019 年的 0.67,增长率为 -17.28%。碳排放效率为1.00的城市数量由3个减少至2个。从多年均值来看,石家庄碳排放效率值最高,邢台最低。除石家庄、保定和衡水外,其余城市的建筑业碳排放效率年均变化率均为负。
由表2可知,河北省建筑业碳排放效率可以分为五类:秦皇岛、张家口、廊坊的建筑业碳排放效率初始值很高但下降率处于快速,年均增长率为-20.07%、-18.00%、-11.67%,属高位高速负增长类型;承德、邯郸、唐山的建筑业碳排放效率初始值较低但下降率处于快速,年均增长率为-14.49%、-12.08%、-18.18%,属低位高速负增长类型;沧州的建筑业碳排放效率初始值较高且下降缓慢,年均增长率为-2.08%,属高位低速负增长类型;邢台的建筑业碳排放效率初始值较低且下降缓慢,年均增长率为-5.67%,属低位低速负增长类型;石家庄、保定的建筑业碳排放效率初始值较高且增长缓慢,年均增长率分别为0%、 4.26%、2.22%,属于高位低速正增长类型区域(见表3)。大部分城市如承德、邢台、邯郸、衡水等区域建筑业城市的碳排放效率多数年份均未达到最优前沿面,具有较大的提升空间。
表2 2010—2019年河北省各城市建筑业碳排放效率(%)Table 2 Carbon emission efficiency of construction industry in cities of Hebei Province from 2010 to 2019(%)
表3 建筑业碳排放影响因素Table 3 Influencing factors of carbon emissions in construction industry
2010年京津冀地区建筑业碳排放效率空间分布呈“西部高、东部低”的空间格局。高值区主要集中在西部的石家庄、保定、张家口、廊坊和东北部的秦皇岛市,低值区广泛分布于东部。2019年建筑业碳排放效率主要呈现“中部高、南北低”的分布格局。高、中值区集中连片布局,低值区分散布局。高、中值区域依托中部高值区的石家庄、保定和中值区的廊坊、沧州等市;低值区分散布局在南部的邯郸、邢台、衡水以及北部的张家口、承德、唐山、秦皇岛(图2)。
图2 2010—2019年河北省建筑业碳排放效率的空间格局示意图Fig.2 Schematic diagram of spatial pattern of carbon emission efficiency of construction industry in Hebei Province from 2010 to 2019
整体来看,2010—2019 年高、中值区主要集中在西南部(石家庄)、环渤海(沧州)一些发展新型节能环保、绿色建筑业的城市,以及中部环京地区(保定、廊坊)建筑业技术发达的城市。低值区主要集中在南部(邯郸、邢台、衡水)、北部(唐山、承德)等发展石油化工、煤化工等原材料建筑业以及重型装备制造业等的城市,碳排放效率多数年份未达到最优前沿面,具有较大的提升空间。各城市间建筑业碳排放效率标准差2010年为0.17,2019 年为0.18,说明建筑业碳排放效率空间差异降低并不显著。
“3E”理论是指通过寻求能源、经济与环境三者之间协调、平衡发展途径,以实现在保证经济增长与改善环境水平的同时,合理有效地开发利用能源。文章从“3E”理论中能源、经济与环境三者之间相互关系的角度出发,对初始指标进行选取。由此,构建可得建筑业碳排放影响因素,如表3所示。
随着“双碳目标”的提出,在党中央的统筹领导下,河北省在《河北省“十四五”规划》中明确要求:到2025年,地级市空气质量优良天数相较于2020年提高10个百分点以上;非化石能源消耗量占比提至11%;单位GDP能耗相较于2020年下降15%。在《河北省人口发展规划(2018—2035年)》中明确提出:至2035年调控到7 910万人,人口增速维持稳定低速发展,劳动力资源数量将略微减少。
为充分研究河北省建筑业碳达峰排放量、时间,以及河北省建筑业未来减排路径及发展趋势,设置基准、低碳以及强化3种情景。基准情景下,河北省建筑业经济、环境和能源发展维持近5年历史平均增长水平。低碳情景下,基于各项政策要求,影响因素变化处于计划增长水平,着眼于逐步在实现经济增长的同时完成“双碳目标”。在强化情景下,要求对于建筑业碳排放存在影响的指标进行强化控制,从能源、经济、环境3个方面采取重大举措,期望加快建筑业碳达峰与经济增长双重目标。由此得到各指标在不同情景下的控制参数取值(见表4)。
表4 各指标不同情景下控制参数(%)Table 4 Index control parameters in different scenarios(%)
为研究河北省建筑业碳达峰路径及发展趋势,利用基于改进BP神经网络的建筑业碳排放预测模型对不同情景下河北省建筑业碳排放量进行预测。带入不同情景下各影响因素参数取值,得到在基准、低碳以及强化3种水平下的碳排放趋势,如图3所示。
图3 不同情景下河北省建筑业碳排放趋势Fig.3 Carbon emission trend of construction industry in Hebei Province under different scenarios
由图3可知,在基准情景下,河北省建筑业2025年、2030年、2035年碳排放量分别为22 347.94万吨、36 543.27万吨和45 063.10万吨。在低碳情境下,河北省建筑业碳排放量相较于基准情景下在2025年、2030年和2035年分别下降了43.76%、24.08%和45.75%。在强化情景下,河北省建筑业碳排放量相较于基准情景下在2025年、2030年和2035年分别下降了2.67%、37.13%和62.23%。这表明通过缩减建筑业的劳动生产率、房屋竣工面积、PM2.5平均浓度以及能源消耗量,提升河北省空气质量优良天数比例以及建筑业能源消费中电力消费占比,具有明显减排效果,有助于实现河北省建筑业经济与环境平衡发展。
在3种情景中,基准情景下河北省建筑业碳排放量随增长率逐渐下降,但总体呈现持续上升趋势,不能在2030年前实现行业达峰;低碳与强化情景下均可以在2030年前实现碳达峰且达峰后呈现缓慢下降趋势。低碳情境下河北省建筑业碳排放量大约在2030年达到峰值,达峰碳排放量约为27 745.33万吨,说明在现有政策调控下,河北省建筑业能够有效实现碳达峰的减排目标;强化情景下河北省建筑业碳排放量在2027年达到峰值,达峰碳排放量约为23 985.48万吨,说明在政策调控基础上,建筑业进一步加强内部减排要求,能够促进行业实现早日达峰,为下一步实现“碳中和”的目标打下坚实基础。
本次调研首先通过对相关文献以及官方统计材料进行调查,同时对于河北省建筑业相关数据进行定量核算,并构建河北省建筑业碳排放效率测度体系。其次基于考虑非期望产出的SBM模型,采用ArcGis空间分析、空间自相关模型对于河北省11个地市建筑业从2010—2019年的碳排放效率时空演变关联特征进行综合分析,研究得到的主要结论如下:
1)2010—2019年河北省建筑业碳排放效率平均值为0.74,距离生产前沿面存在26%的发展潜力,说明当前河北省建筑业的发展中存在着较大的资源浪费,还具有巨大减排潜力。
2)河北省建筑业碳排放效率存在显著的空间分异,空间分布格局由2010年的“西部高、东部低”向“中部高、南北低”转变。河北省建筑业碳排放效率的提升应加强跨地市合作,调整建筑业产业能源消耗与经济发展结构,推动全省建筑业低碳发展。
3)依据情景研究结果表明,在基准情景下,河北省建筑业碳排放未能实现碳达峰;但在低碳情境下,通过对建筑业的劳动生产率、竣工面积、PM2.5平均浓度、空气质量优良天数比例、能源消耗量以及电力消费占比等方面减排、控排政策的有效实施,可以在2030年实现达峰目标;且在此基础上,对建筑业各方面政策进一步收紧,能够促使达峰时间提前到2027年。
为提升河北省建筑业碳排放效率,并从建筑业角度探索到“碳达峰”“碳中和”实现路径,根据调研结论与分析,提出以下政策建议:
1)以政策导向为主导,制定完善节能减排政策。一方面政府应加大低效率地区建筑业的低碳扶持力度,积极宣传建筑业节能、环保理念,着力推动、引导全省建筑业的绿色发展;另一方面应加大节能减排政策实施力度,制定更为完善的环境治理机制,提高行业准入门槛。
2)以市场机制为载体,建设科学环境治理体系。过度的政府干预对于建筑市场整体活跃度会造成不利影响,因此河北省应建立合理有效的现代化科学环境治理体系。充分发挥市场机制,促使建筑企业积极参与碳交易市场,形成有效市场竞争,推动建筑业碳排放效率提升。
3)以技术升级为根本,发展创新绿色建筑技术。增加对低值地区的建筑业技术创新补贴,推动生产率提高,着力建立建筑绿色技术体系,重点开发节能减排技术和建筑业低碳技术。同时推动中部地区与南、北部地区低碳发展交流平台,鼓励低值地区向高、中值地区学习建筑节能技术,进而达到全省建筑业碳排放效率提升,实现“双碳”目标。