蚌埠市工业碳排放影响因素分析与预测

代大为 周标 姚婉妍

【摘要】为了早日实现我国“碳达峰”目标，对具体城市碳排放进行研究具有重要意义。本文采用熵权法，选取城镇化率、能源强度、第二产业占比、工业GDP、二氧化碳强度五大影响因素对蚌埠市工业碳排放进行分析;运用GM（1，1）模型，并借助MATLAB 2017Ra软件对蚌埠市未来十年（2020-2029年）的工业碳排放量进行预测。结果表明：城镇化率对蚌埠市工业碳排放影响最大，第二产业占比对工业二氧化碳排放的影响较大，二氧化碳强度、能源强度影响最小。且蚌埠市未来十年工业碳排放量将持续增长，但增长速度趋于平缓。根据分析结果，从能源结构、产业结构、城镇化发展等方面对蚌埠市碳减排提出针对性建议。

【关键词】工业碳排放;熵权法;影响因素;GM（1，1）;蚌埠市

【中图分类号】F062.2   【文献标识码】A   【文章编号】2026-5328（2021）12--04

中国政府在2015年“巴黎气候大会”上正式承诺到2030年实现碳排放峰值目标[1]。气候变化是当今人类面临的全球性挑战之一，为应对气候变化、推动构建人类命运共同体，需要世界各国协同一致减少温室气体排放[2-3]。中国自改革开放以来，经济社会发展取得显著成效，同时也导致碳排放量的不断增长，给自然环境造成了巨大的损害。城市是温室气体的主要排放源头，在我国碳减排中占据着重要地位，且其碳排放在总量、结构和趋势上存在显著差异。了解城市碳达峰的趋势，分析其成因，寻找解决的办法，对地方政府开展差异化碳减排行动具有重要意义。加强对城市碳达峰和碳中和的理解、研究，根据不同城市碳达峰的趋势，提出碳减排针对性建议，既是学术界在碳排放方面研究的重点，也是各级地方政府关注的问题。蚌埠市是安徽省重要的综合性工业基地，研究其碳排放的影响因素并预测未来碳排放情况，有利于蚌埠市准确把握碳排放增长趋势，及时制定合理的碳减排政策，对蚌埠市发展低碳经济及建设生态文明城市也具有重要意义。

一、文献综述

碳排已经成为世界关注的重点问题之一，故此国内外诸多专家学者对此展开多方面的研究。如运用BP神经网络预测模型，对中国工业碳排放影响因素进行分析，结果显示人口总数、城镇化率等对工业碳排放量的增加具有正向作用[4]。运用面板数据方法，对安徽省碳排放量与经济增长之间的关系进行研究，结果发现，经济增长（GDP）是碳排放增长最重要的影响因素，研发投入和人均收入也会对碳排放量产生影响[5]。以其他省份作为对象的研究，大都关注到产业结构、城镇化率、能源强度、碳排放强度等因素，对各种因素对城市碳排放的影响进行分析[6-9]。

除了对碳排放影响因素研究外，碳排放峰值也成为学者们的研究热点。碳排放量预测主流研究方法主要有灰色预测模型、对数平均分解指数（LMDI）法、STIRPAT模型、情景分析法等。基于GM（1，1）模型、Verhulst模型和SCGM（1，1）c模型建立组合灰色预测模型者，曾经对山东省2013-2017年工业、建筑业、交通运输业碳排放量进行预测，认为工业、建筑业和交通运输业碳排放量仍然具有较高的增长趋势[10]。利用LMDI法和STIRPAT模型进行碳排放量研究者，认为随着能源强度降低、能源结构调整和经济的发展，我国的总碳排放量将会呈下降趋势[11]。运用STIRPAT模型和情景分析法者，曾经对能源碳排放峰值进行预测，认为在能源结构优化情景模式下，山西省能源碳排放最先于2025年达到峰值[12]。对大城市碳排也多有关注，如上海市的工业GDP、产业结构、能源强度与工业碳排放量密切相关[13]。南京市的能源强度、工业规模发展、能源消费结构等，乃是影响工业碳排放的驱动因素[14]。从相关研究来看，各种模式与指标并不统一，而基于地市级的研究不多，有必要根据现实对中小城市碳排问题进行研究。

综上研究不难发现，有关碳排放问题，学者们尚未得出统一的结论，各种模式模型也未有机地结合，还有一些值得探讨的问题。首先，国家节能减排的战略目标离不开各个城市碳排放目标的实现与支持，而当前碳排放研究领域还是以中国整体区域宏观角度为主，以及对部分省份的研究，对具体城市，尤其是中小城市层面关注度较少;其次，学者对于碳排放量突出的工业部门关注不够，可能是相關数据获得不易，而工业碳排放占据全行业碳排放比重非常之大，研究其变化情况对于我国实现“碳达峰”目标具有重要意义;再次，各种模式模型分析各有特长，也各有偏重，也有必要进行综合，彼此贯通而基于现实进行合理建构。选取安徽省重要的综合性工业基地——蚌埠市作为研究对象，通过收集蚌埠市2010-2019年工业相关能源消耗数据，采用熵权法和灰色预测模型，对碳排放影响因素进行分析和未来十年碳排放情况进行预测，根据分析结果对蚌埠市碳减排提出相关针对性的建议。

二、研究方法及数据来源

（一）研究方法

1.熵权法

借助熵权法[15]确定指标的权重，可以避免赋权中出现主观因素。具体计算步骤如下：

（1）第一步进行数据标准化处理：

正向指标：

逆向指标：（1）

其中，为第年的第项指标

（2）计算第年第项指标的比重，即：

（2）

（3）计算第项指标熵值，公式如下：

（3）

（4）计算差异性系数，其公式为

（4）

（5）计算第项指标的权重，公式为

（5）

2.灰色预测模型

灰色系统预测是一种以“小样本”“贫信息”的不确定系统为研究对象，可实现对系统运行行为、演化规律的正确描述，运算简便、精度高、易于检验，常用于能源指标预测[16]。采用灰色 GM（1，1）模型对蚌埠市2020-2029年工业碳排放量进行预测。方法如下：

（1）假设原始数据序列为：，利用一次累加生成运算，

可将序列生成一个新序列：

（6）

（2）利用所得的新序列，建立GM（1，1）模型的一般形式，用微分方程描述：

其中a和b是相关系数，它们可由最小二乘法拟合得到：

式中为列向量，B为构造矩阵：

（7）

（3）构建灰色预测模型：

求出微分方程的解为：

因为x（1）（0）=x（0）（1），所以建立灰色预测模型为：

（8）

（4）求出原始数据的还原值：

（9）

（二）数据来源

本篇数据主要来源于《蚌埠市统计年鉴》（2011-2020），碳排放量采用《IPCC国家温室气体清单指南》中碳排放的计量方式计算。相关数据见表1和表2。

（三）碳排放量计算

使用（IPCC）统一规定的碳排放计算方法，主要选取原煤、焦炭、煤油、柴油、汽油、燃料油、天然气、电力、液化石油气八种能源对蚌埠市2010-2019年工业碳排放量进行计算。设

（10）

其中为行业碳排放量（万吨）;为折标准煤后的能源消耗量;为碳排放系数（）;j为能源种类。各能源折标准煤系数和碳排放系数见表3。

注：数据来源于《重点工业、交通运输企业能源统计报表制度》和《2006年IPCC国家温室气体排放清单指南》

三、实证分析

（一）权重分析

针对蚌埠市实际情况，在此前研究的基础上，遵循指标构建的科学性、针对性、可比性、可操作性等原则，并考虑数据的可获取性，选取工业GDP、能源强度、城镇化率、第二产业占比及二氧化碳强度5项指标，作为蚌埠市工业碳排放评价指标体系，采用熵权法确定各项指标权重，计算结果如表4。

由表可以看出，在各指标熵权法所占权重排序中，，说明城镇化率对工业二氧化碳排放量影响最大，第二产业占比对工业二氧化碳排放量影响较大，能源强度的影响最小。城镇化建设是蚌埠市面临的严峻问题，随着城镇化规模的不断扩大，城市人口的不断增多，给资源环境带来了巨大压力。倡导节约型发展理念、加快推进城镇化建设质量，应为蚌埠市未来低碳发展的主要方向。产业结构对工业碳排放的影响也较大，蚌埠市第二产业占比近50%，而第二产业能耗远远高于第一产业和第三产业。GDP影响较为显著，蚌埠市目前能源消耗仍然以煤炭为主。能源强度对工业碳排放的影响作用虽不及城镇化率和第二产业占比，但依然是减少工业碳排放的重要手段，低碳发展仍离不开能源强度的降低、能源结构的调整、产业结构的优化。

（二）灰色预测分析

因为原始数据只能反映系统阶段性的历史状态，这个状态与系统未来的发展趋势可能存在偏差，所以采用弱化缓冲算子，对原始数据进行两次预处理[16]，以提高原始数据序列的光滑性。

基本过程如下：

设原始数据序列为，D为序列算子;将D作用于序列，

其中，

计算结果如表5，

求解GM（1，1），为保证数据预测的可靠性，借助MATLAB R2017a软件对蚌埠市2010-2019年碳排放量进行模拟预测，其中表示蚌埠市2010-2019年碳排放量经过两次预处理后的值;对进行GM（1，1）模型处理，得到，表示蚌埠市碳排放量的模拟值或预测值，计算结果如表6所示。

使用后验差检验法对模型进行进度检验，当C<0.35，P>0.95，模型精度为1级，表明模拟精度等级为好。求得均方差C=0.2985，p=1，所以建立的模型通过检验，可以用来预测。实际值与预测值对比见图1，得到2020-2029年蚌埠市工业碳排放情况的预测值（见表7）。

从预测结果可以看出，蚌埠市2020年之后工业碳排放量将持续增长，但增长速度较与前几年趋于平缓，说明近年来蚌埠市工业企业在执行低碳减排方案中取得了显著成效。为了加快实现碳减排目标，蚌埠市还需加大减排力度，优化能源使用率。

蚌埠市能源消耗主要以煤炭为主，由图2可以看出，蚌埠市2015年后煤炭消耗量显著减少，这是由于当时安徽省内颁布了《2014-2015年节能减排低碳发展行动方案》、《安徽省“十三五”控制溫室气体排放工作方案》，使蚌埠市调整了能源结构，减少了煤炭的消耗，2017年后随着经济快速发展的需要，蚌埠市煤炭消耗量又急剧上升。

四、结论与建议

（一）主要结论

通过收集蚌埠市2010-2019年工业能源相关数据，运用熵权法从城镇化率、工业GDP、能源强度、二氧化碳强度、第二产业占比五个方面，对工业碳排放量影响因素进行分析;利用2010-2019年蚌埠市工业碳排放数据，运用GM（1，1）模型并借助MATLAB 2017Ra软件，对蚌埠市2020-2029年工业碳排放量进行预测。结果表明：蚌埠市未来十年工业碳排放量仍然呈上涨趋势，增长速度趋于平缓，但2030年前未达到峰值。在各影响因素中，城镇化率对蚌埠市工业碳排放影响最大，第二产业占比影响较大，能源强度对工业碳排放影响最小。基于碳排放主要影响因素，为蚌埠市提出一些碳减排的建议，以确保蚌埠市在2030年前早日实现“碳达峰”。

（二）建议

1.合理控制城镇化发展速度，提高城镇化发展质量

根据熵权法分析结果，城镇化率对于工业碳排放影响最大。随着城镇化率的提高，将会带来人口和资源比重的增加，也导致城市碳排放量的日益增多，给环境带来巨大压力。城镇化发展质量，不仅仅是指城市居民人口的增多，或者城市面积的扩张，更重要的在于社会保障、人民居住环境、生活方式等由“乡”到“城”的转变，以实现城乡统筹和可持续发展。蚌埠市在未来城镇化建设中，要坚持以“人”为核心，以城乡一体化、生态宜居、和谐发展为主要特征的新型城镇化建设，真正实现城镇化与低碳化、速度与质量、现在与未来的全面发展。

2.调整能源消费结构，推广可再生能源的使用

根据蚌埠市2011-2020年统计年鉴工业能源使用数据，蚌埠市能源消费主要以煤炭为主，在2015年之前煤炭消费量比较平稳，2016-2017年煤炭消费量显著降低，2018-2019年又急剧上升。2016与2017年煤炭消费量有所减少，是由于安徽省颁布了《2014-2015年節能减排低碳发展行动方案》、《安徽省“十三五”控制温室气体排放工作方案》，对蚌埠市优化能源结构，降低碳消耗、碳减排起到了积极作用。今后蚌埠市应该大力推广可再生能源的使用，以改变长久以来对煤炭资源的依赖。可再生能源对环境污染程度低，有些甚至可达到零排放，例如：太阳能、风能等。

3.优化产业结构，发展低能耗产业

根据上述分析结果，第二产业占比对工业碳排放也起着重大影响，因为第二产业的能耗强度远远高于第一产业和第三产业。蚌埠市应该积极优化产业结构，大力发展低能耗的先进制造业、高新技术产业、现代服务业，推动传统产业智能化、清洁化改造;加大对科研、技术等领域的投入，引进人才，发展新能源新材料、新兴信息技术等新型优势产业，增强企业的自主研发能力和技术创新能力，利用历史文化及交通资源，大力发展旅游事业。

4.加强引领，发挥政府部门的推动作用

工业行业碳减排的潜力有待提高，政府部门需要加大政策支持和监督力度。一方面提高准入工业行业的门槛，以限制一些高碳排放企业，对超标及非法排放者予以重处;另一方面加大对节能、低碳、环保的工业企业的资金支持力度，设置低碳环保专项基金，重点支持节能工程和低碳项目，以此在社会上形成积极的影响，鼓励企业积极参与到碳减排的行动中。

参考文献：

[1]新华社.中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议[EB/OL].2020-11-03.

[2]《节能与环保》编辑部，碳中和——中国应对气候变化强而有力的承诺[J].节能与环保，2020（11）：1.

[3]马俊杰.展现对全球环境治理的大国担当[N].人民日报，2021-06-09（013）.

[4]胡剑波，赵魁，杨苑翰.中国工业碳排放达峰预测及控制因素研究——基于BP-LSTM神经网络模型的实证分析[J].贵州社会科学，2021（09）：135-146.

[5]汪正宏，卓翔之，庄道元.安徽省碳排放量与经济增长关系研究[J].统计与决策，2013（11）：145-148.

[6]张丹，刘建文，高一茹.四川省工业碳排放量影响因素与预测[J].重庆交通大学学报（社会科学版），2019，19（04）：90-96.

[7]荣蓉，王凡.山东省碳排放现状及影响因素研究——基于灰色关联分析[J].中外能源，2021，26（07）：92-97.

[8]韩钰铃，刘益平.基于LMDI的江苏省工业碳排放影响因素研究[J].环境科学与技术，2018，41（12）：278-284.

[9]范玲，汪东.浙江省能源消费碳排放动态特征及影响因素研究[J].生态经济，2014，30（04）：42-45+54.

[10]张峰，殷秀清，董会忠.组合灰色预测模型应用于山东省碳排放预测[J].环境工程，2015，33（02）：147-152.

[11]单欣.基于LMDI法与STIRPAT模型的中国碳排放量影响因素研究[J].节能，2021，40（05）：54-57.

[12]关敏捷，袁艳红，冉木希，王子.基于STIRPAT模型的山西省能源碳排放影响因素及峰值预测[J].中国煤炭，2021，47（09）：48-55.

[13]石忆邵，唐强，田丽雯.上海市开发区工业碳排放演变特征及影响因素分析[J].中国科技论文，2016，11（09）：961-969+976.

[14]武戈，谢钰思.工业碳排放的驱动因素研究——基于南京市工业35个行业的LMDI模型分析[J].环境污染与防治，2014，36（02）：105-110.

[15]王富喜，毛爱华，李赫龙，贾明璐.基于熵权法的山东省城镇化质量测度及空间差异分析[J].地理科学，2013，33（11）：1323-1329.

[16]曾波，李树良.灰色预测理论及其应用[M].1版.北京：科学出版社，2020，1-2.

基金项目：“安徽哲学社会科学规划青年项目”（AHSKQ2021D19）

作者简介：代大为（1979-），男，安徽阜南人，副教授。主要研究方向：低碳经济，矿业管理工程，公共管理与城市文化。邮政编码：232000

周标（1998-），男，安徽淮南人，在读硕士。主要研究方向：低碳经济，公共管理与城市文化。邮政编码：232000。

1704501705328