基于STIRPAT模型的江苏省碳排放影响因素与碳达峰预测研究
——以工业领域为例

周带华 马婷婷 李强 朱宾

(1.江苏碳测低碳研究院有限公司 江苏徐州 221001；2.中国矿业大学资源与地球科学学院 江苏徐州 221116；3.徐州市自然资源和规划局生态修复处 江苏徐州 221018；4.徐州市土地储备中心 江苏徐州 221018)

改革开放以来，我国经济一直保持着持续、快速的发展态势，但粗放式的经济发展模式带来的环境问题日益凸显。当前，我国已成为世界最大的碳排放国[1]，CO2排放导致的气候变暖已影响到人类自身安全，特别是工业作为二氧化碳的重要排放源，已成为学术界关注的焦点[2-3]。我国工业领域CO2排放占总CO2排放量的比例超过50%[4]，工业是我国实现碳减排的重要领域。

江苏省作为全国经济排名第二的大省，能源消耗与碳排放总量都位居全国前列。江苏省委十三届九次全会提出了在全国率先实现“碳达峰”的目标，可见制定江苏省碳排放达峰方案与减排路径具有十分迫切的现实需要。此外，江苏省是我国最重要的工业大省，工业碳排放量占全省碳排放总量的比重虽在下降，从2005年的81.68%下降到2018年的73.96%，但其比重超过其他碳排放源的总和。由此可见，工业领域的碳减排工作对江苏省实现碳达峰碳中和目标具有关键意义。

本文依据历年江苏省和13个地级市统计年鉴中工业和能源消费的面板数据，核算江苏省及各地级市2005—2018年工业碳排放量，并采用STIRPAT模型，综合考虑经济发展、技术进步和产业结构多方面因素，通过回归拟合构建江苏省工业碳达峰模型，设置不同的情景模式，预测分析江苏省工业碳达峰的时间及峰值，研究结果可为江苏省实现率先碳达峰目标提供科学参考。

1 数据和方法

1.1 数据来源

江苏省工业数据与工业能源消费数据均来自《江苏省统计年鉴》(2006—2019年)；工业用地面积数据来自《中国城市建设统计年鉴》(2006—2019年)；各地级市工业能源消费数据来自2006—2019年江苏省13个地级市的统计年鉴。

1.2 碳排放核算

江苏省工业碳排放量采用能源消耗量乘以碳排放系数进行核算。工业消费的各种化石能源先转换成标准煤，换算系数按中国能源统计年鉴换算系数；碳排放系数根据IPCC指南[5]提供的推荐标准计算碳排放量，江苏省工业能源相关二氧化碳排放量计算公式如下：

式(1)中：I为二氧化碳排放量；i为一次能源的类型；Fi为能源i的排放系数；Ei为能源i的消费量。

1.3 STIRPAT模型

STIRPAT模型是在IPAT模型的基础上建立的[6]，广泛用于研究人口、经济和技术因素对环境压力的影响，其表达式如下：

式(2)中，I为环境压力，P为人口规模，A为富裕程度，T为技术水平，a为模型系数，b、c、d分别表示P、A、T的弹性系数，e为模型误差项。

在实证分析中，一般对式(2)两边取对数，本文在前人已有研究基础上对该公式进行了扩展，表达式为：

式(3)中：C为碳排放量；a为模型系数；X1-Xn分别代表不同模型因子；e为随机误差项。

2 江苏省工业碳排放现状与特征

2.1 江苏省工业碳排放时空分布特征

改革开放以来，江苏省一直是我国的经济和工业大省，工业在快速发展的同时，也带来了碳排放量的快速增长(见图1)，其工业碳排放总量从2005年的4.49亿吨增长到2018年的8.01亿吨，年均增长率为4.70%。与此同时，江苏省工业在全国的地位不断上升，比重从2005年的6.57%增长到2018年的7.53%，同期工业碳排放比重保持同步上升态势(见图2-a)。需要注意的是，江苏省工业碳排放量占全省总碳排放量的比重虽然逐年下降，但仍占据最高比重(超过70%)，高于全国工业碳排放量比重的10%左右(见图2-b)，可见江苏省工业碳减排的压力仍然较大。此外，工业碳排放强度表现为持续下降，从2005年的1.37吨/万元下降到0.67吨/万元，表明江苏省的工业结构调整和技术进步起到了较好的节能减排作用。

图1 2005—2018年江苏省工业碳排放量、工业总产值及工业碳排放强度变化趋势

图2 江苏省工业碳排放分别与全省及全国比较

从江苏省工业碳排放的空间分布特征来看，表现出明显的空间差异性(见图3)，表现出两个趋势：一是工业碳排放量与工业发展呈现正相关关系，基本表现为苏南高于苏北的特征；二是江苏南北两端工业碳排放量较大，增长速度明显快于中部地区。南京作为省会和我国重要的工业城市，工业类型多样，导致碳排放长期居高不下，苏州和无锡亦处于工业碳排放增加较快地区行列。值得注意的是，徐州作为老工业基地、能源供给基地和电力输配送基地，工业碳排放量增加总量和增加速度都处于全省前列。

图3 江苏省各地级市碳排放量区域分布图(2005年、2018年)

2.2 工业消耗化石能源结构特征

在工业消耗的化石能源结构方面(见图4)，煤炭类能源始终占据江苏省工业化石能源消费的主导地位，2018年煤炭消费仍然占据工业化石能源消费总量的50%以上。由于煤炭产生的二氧化碳数量大于石油和天然气，全省煤炭消费产生的碳排放量占据62.81%，可见江苏省工业消费中煤炭仍占据主导地位，而石油和天然气等相对清洁的化石能源比重长期在低位徘徊，仅从2005年的27.31%增长到2018年的44.51%，碳排放量的增幅远小于消费量的增加度。由此可见，江苏省工业化石能源消费结构仍然存在较大的优化空间，较为清洁的石油和天然气比例仍然较低。

图4 2005—2018年江苏省工业化石能源消费量与碳排放比例分布图

3 江苏省工业碳排放影响因素分析

3.1 STIRPAT模型构建

已有研究表明，STIRPAT模型拒绝了单位弹性假设，增加了随机性，便于实证分析，在定量碳排放与各影响因素间的关系时应用广泛[7-10]。根据已有研究，人口、人均GDP、城镇化率、产业结构、能源强度和能源结构6个因素广泛应用于碳排放相关研究中，均能显著影响碳排放[11-13]。在此基础上，本文结合STIRPAT模型的特点及江苏省工业发展与外贸紧密联系的实际情况，针对性地选取人口、经济增长指标等7项影响因子，构建了江苏省工业碳排放影响因素衡量体系(见表1)。

表1 江苏省工业碳排放影响因素选取因子及意义

本文运用SPSS对数据进行多元回归分析，发现各因子之间存在严重的多重共线性。这是因为扩展的STIRPAT模型本质上是一个随机回归模型，多元回归模型中自变量之间存在线性相关，这会增加回归模型系数的标准误差，导致模型结果不稳定。岭回归通过在自变易标准化矩阵的主对角线上添加一个非负因子k来消除多重共线性对结果的干扰，广泛应用于多样本数据和病态数据较多的分析。为此，本文采用岭回归方法对数据进行重新回归计算(见表2)。

表2 运用岭回归估计的结果

根据表2的计算结果，R2=0.971、F=28.382，可以通过p=0.01的检验，变量除了产业结构与经济开放度外，显著性均通过p=0.05的检验，表明模型可以较好地解释江苏省工业碳排放量与各自变量之间的关系，其最终计算结果为：

3.2 影响因素分析

根据7个因子所代表的具体含义，可将其划分为三大类：一是经济发展因子，包括X1、X2、X3、X5和X6；二是技术进步因子，包括X4；三是产业结构因子，包括X7。从模型(4)计算将结果显示的系数来看，与江苏省工业碳排放呈现正相关关系且贡献程度的有4个因子，且贡献程度比较为：人口(X1)＞城镇化率(X3)＞FDI投资效应(X6)＞经济增长与人民消费水平(X2)；呈现负相关关系且贡献程度比较为：化石能源消费水平(X5)＞经济开放度(X4)＞产业结构(X7)。

从STIRPAT模型计算结果可以看出，人口增长(特别是城镇人口增长)和经济发展的提高对碳排放量具有较强的正向影响，符合环境库兹涅兹曲线(Environmental Kuznets Curve, EKC)的理论，即在一个国家经济增长初期，经济增长与环境污染呈正相关关系。需要注意的是，在产业结构方面，一般认为工业增加值占GDP比重越高，碳排放量越大，但江苏省产业结构对碳排放量的影响则相反，表明江苏省产业结构生机与调整产生了一定的碳排放抑制效果。例如，通过对比可以发现，近年来江苏省的工业增长点已从传统制造、化工行业转向医要、机械电子制造等高附加值行业。医药制造业从2005年的403.56亿元增长到2018年的3166.88亿元，增长率为684.75%；同期，电气机械和器材制造业从1588.24亿元增长到13281.18亿元，增长率为736.22%；计算机、通信和其他电子设备制造业从3411.97亿元增长到15465.03亿元，增长率为684.75%。因而可以判断，工业结构的调整是导致江苏省工业碳排放强度逐年降低的主要因素，在一定程度上减缓了江苏省工业碳排放总量的提高。

根据已有研究[14]，经济发展与碳排放的关系将会先后呈现3个倒“U”型规律，即碳排放强度倒U型曲线高峰、人均碳排放量倒U型曲线高峰和碳排放量倒U型曲线高峰。不同阶段下碳排放的主导驱动力不同：在碳排放强度高峰之前阶段，能源、碳密集型技术进步为主要影响因素；在碳排放强度高峰到人均碳排放量高峰阶段，经济增长为主要影响因素；在人均碳排放量高峰到碳排放量高峰阶段，碳减排技术进步成为主要影响因素；而进入碳排放总量稳定下降阶段后，碳减排技术进步起到了决定性作用。从目前江苏省工业发展来看，工业碳排放正处于从碳排放强度高峰向人均碳排放强度高峰转变的过程中，表明经济发展将成为工业碳排放的主导因素[15]，可以预见，江苏省只有跨入第三个“U”型阶段后，技术进步才能成为抑制工业碳排放增长的主要因素。

4 江苏省工业碳达峰预测/趋势分析

4.1 情景设置

本文利用STIRPAT模型进行江苏省工业碳达峰的情景模拟。情景模拟因子按经济发展因子、技术进步因子和产业结构调整因子对工业碳排放的影响程度，并参考江苏省政府发布的《江苏省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纲要》关于江苏省经济社会发展的主要目标，根据《江苏省“十四五”制造业高质量发展规划》设置技术进步因子，根据《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》设置产业结构调整因子，分别将三类因子设置为“高、中、低”三种发展模式进行组合模拟。将上述变量的不同阶段进行组合，对江苏省工业碳排放进行了27种模式的模拟预测，并从中优选出最符合发展实际的三种模式进行2020—2040年阶段的工业碳排放情景分析，情景分析的指标设置如表3所示。

表3 江苏省工业碳排放影响因素情景分析

4.2 碳达峰预测

预测结果显示(见图5)，三种模式均可在2030年之前实现碳达峰，其中两种模式可以同时完成江苏省率先实现碳达峰的要求，但三种模式的峰值存在一定的差异：高增长模式中2030年工业实现碳达峰，但其总量将达到9.73亿吨，且在碳达峰后其碳排放下降速率十分有限，可能对将来的碳中和目标产生较大影响；中速增长在2025年时碳达峰(8.52亿吨)，但达峰后并不稳定，在一定阶段在碳排放峰值平台期；低增长模式下，具备碳达峰时间快(2025年)、碳排放总量最小(8.13亿吨)的优点，可作为江苏省工业碳达峰的优先选择模式。同时，对比模型可以发现，经济增长因子对碳达峰时间和达峰总量均具有高度正相关影响，因此江苏省在今后的发展中要想实现率先碳达峰，就无法选择经济中高速扩张的旧模式，而应选取更加稳健和绿色的经济增长模式。

图5 三种情景下江苏省工业碳排放预测(2020—2040年)

5 结语

第一，伴随工业的快速发展，2005—2018年江苏省工业碳排放量持续增长，从4.49亿吨增长到8.01亿吨，工业碳减排形势不容乐观，但工业碳排放强度不断下降，从1.37吨/万元下降到0.67吨/万元。江苏省工业碳排放空间分布表现出明显的空间差异性，基本表现为苏南高于苏北的特征。

第二，江苏省工业化石能源消费结构中，煤炭占据绝对优势地位，相对清洁的石油和天然气消费比例偏低，工业化石能源消费结构仍然存在较大的优化空间。

第三，岭回归拟合扩展的STIRPAT模型的分析结果表明，江苏省工业碳排放正处于从碳排放强度高峰向人均碳排放强度高峰转变的过程中，人口和经济发展仍是影响工业碳排放的主导因素。通过情景模拟计算，本文认为江苏省工业要想实现率先碳达峰，就应选取更加稳健和绿色的经济增长模式。