中國低碳試點省份發展路徑研究

劉 健 王 潤，2 孫艷偉 舒舍玉 肖黎姍，2

(1．中國科學院城市環境與健康重點實驗室，中國科學院城市環境研究所，福建廈門361021;2．廈門市城市代謝重點實驗室，福建廈門361021)

中國低碳試點省份發展路徑研究

劉 健1王 潤1，2孫艷偉1舒舍玉1肖黎姍1，2

(1．中國科學院城市環境與健康重點實驗室，中國科學院城市環境研究所，福建廈門361021;2．廈門市城市代謝重點實驗室，福建廈門361021)

近百年來，全球氣候正經歷以變暖為主要特征的顯著變化。為應對氣候變化，減少溫室氣體排放已經成為國際社會的共識。作為世界上最大的發展中國家和最大的二氧化碳排放國之一，應對氣候變化離不開中國的參與。2010年8月，中國國家發展和改革委員會確定在陜西、廣東、遼寧、湖北、云南五省開展低碳試點工作。本文以這五個省份為研究對象，根據1995－2009年統計年鑒數據，基于STIRPAT模型定量分析了人口規模、城市化水平、富裕度、產業結構和能源強度對碳排放的影響，并根據分析的結果給出了五個低碳試點省份低碳發展路徑:陜西省建設低碳省份應該從產業結構和能源強度兩方面入手;廣東省除控制人口規模外，還應該調整能源結構，倡導低碳生活方式;遼寧省降低碳排放主要應該從能源強度方面入手;湖北省應該從能源強度、產業結構和人口規模三個方面著手;云南省主要應該從人口規模入手，控制人口增長，提高人口素質，實現碳減排目標。

STIRPAT模型;低碳試點省份;發展路徑

近百年來，全球氣候正經歷以變暖為主要特征的顯著變化［1］。最新科學研究表明未來100年全球變暖的趨勢還會進一步加劇，而且會對自然系統和社會經濟產生更為顯著的負面影響［2］。為應對氣候變化，減少溫室氣體排放、進行低碳發展已經成為國際社會的共識。如何有效地減少碳排放成為國際政治、經濟及學術研究關注的熱點之一［2］。中國是世界上最大的發展中國家，應對氣候變化離不開中國的參與。中國經濟改革取得了舉世矚目的成就，經濟在迅猛發展的同時也加大了對能源的需求［3］。高的能源消費和以煤炭為主體的能源結構必然帶來大量的碳排放。國際能源機構的數字顯示，2007年中國人均碳排放量雖然不到美國的1/3，但首次超過世界平均水平［4］。作為一個負責任的大國，在2009年“哥本哈根”氣候變化大會上，溫家寶總理代表中國政府承諾到2020年單位GDP碳強度比2005年降低40－45%。而且，碳排放目標已經作為約束性指標被寫入《中華人民共和國國民經濟和社會發展第十二個五年規劃綱要》。根據此綱要，中國在“十二五”期間單位國內生產總值能源消耗要降低16%，單位國內生產總值二氧化碳排放要降低17%［5］。由此可見中國政府降低二氧化碳排放的決心之大。

同時，為減少碳排放，在地區層面，中國政府已經開始了低碳發展路徑的探索。2010年8月，國家發展和改革委員會確定首先在在陜西、廣東、遼寧、湖北、云南五省和天津、重慶、深圳、廈門、杭州、南昌、貴陽、保定八市開展低碳試點工作，要求其編制低碳發展規劃，制定支持低碳綠色發展的配套政策，加快建立以低碳排放為特征的產業體系，建立溫室氣體排放數據統計和管理體系，積極倡導低碳綠色生活方式和消費模式［6］。然而，試點工作進展并不順利，很多省市都沒有明確的低碳發展目標和成熟的低碳發展政策。

因此，為制定切實有效的政策，促進試點工作的順利開展，需要對影響各地區碳排放量的關鍵因素進行分析。目前，分析的方法有很多，如協整、多元線性回歸、灰色關聯度分析、系統分析法和 STIRPAT模型等。其中，STIRPAT模型是一個應用廣泛、非常成熟的環境壓力評價模型［3］，已經獲得業內的認可。本文通過STIRPAT模型，定量分析了影響低碳試點省份碳排放量的關鍵因素，并根據分析的結果，對不同省份的低碳發展路徑提出政策建議以促進低碳試點工作的開展。

1 方法說明

1．1 碳排放量計算

在氣候變化研究中碳排放量的測算比較復雜。由于沒有官方公布的統計數據，一般只能基于已有的其他統計量，初略估算化石能源(煤炭、石油、天然氣)使用所產生的碳排放量［7］。同時，人類活動造成的碳排放主要是由化石能源消費引起的，其排放量占總排放量的大部分。在工業化國家，能源消費碳排放占其碳排放總量的90%以上［8］。因此，基于計算的簡便和數據的可獲得性，本文中使用能源消費的碳排放量來代表總的碳排放量。考慮到由于各個省份能源消費量統計標準不同而造成的碳排放計算的差異，且個別省份缺乏能源消費分類數據［8］，本文利用各年份分地區煤炭、焦炭、5種油品(原油、汽油、煤油、柴油、燃料油)、天然氣的消費量估算碳排放量。但這些能源指標都是實物量，需要將這些指標根據折標煤系數(見表1)換算成標準量，再根據以下公式估算:

C= ∑iEi× Fi(1)

式中，Ei為第i種能源的消費標準量，Fi為第i種能源的碳排放系數。本文碳排放系數選用IPCC碳排放計算指南缺省值。

表1 各種能源的標準煤折算系數和碳排放系數［9，10］Tab．1 Converted coefficient of energy by standard coal and Carbon emission coefficient of energy

1．2 STIRPAT 模型

Ehrlich和Holdren認為人口總量是最重要的環境影響因素，并于 1971年提出了 IPF模型［11］。其中，I(Impact)表示環境影響;P(Populaton)表示人口總量;F(Foot)表示單位人口產生的環境影響。但Commoner認為人口總量對環境的影響并不顯著，環境影響等同于污染物排放量［11］。Ehrlich和Holdren指出了Commoner觀點中存在的一系列問題，指出除了污染物排放量，環境影響還應包括污染物排放引起的其它破壞(例如，向空氣中排放SO2會導致酸雨的形成，腐蝕建筑物)［11］。他們在研究人口增長對環境的沖擊時，認為除了人口總量，環境影響還與社會富裕程度及社會生產技術的先進程度有關，并于1972年正式提出IPAT模型。模型形式是I=PAT，其中I、P、A、T分別表示環境壓力、人口規模、富裕度和技術水平。

環境壓力等式本身存在一些局限，其將環境影響與各個驅動力之間的關系簡單地處理為同比例的線性關系，不能反映出驅動力變化時環境影響的變化程度。因此，為了能夠衡量某一因素的對環境壓力的影響程度，Dietz和Rose等［12］在 IPAT的基礎上提出了本文中使用的STIRPAT(Stochastic impacts by regression on population，affluence and technology)模型，其具體形式是:

I=aPbAcTde (2)

式中，a為模型的系數，b、c、d是各自變量的指數，e是模型誤差。當a=b=c=d=1時，STIRPAT模型即為環境壓力恒等式［13］。

對式(2)兩邊取自然對數，得到一個多元線性回歸方程:

InI=lna+blnP+clnA+dlnT+lne (3)

根據彈性系數概念，P、A、T每發生1% 變化，將分別引起I發生b%、c% 或d%的變化［14］。

在對STIRPAT模型的應用中，不少學者根據實際需要式(3)其進行了修正。朱勤等在分析人口與消費對中國碳排放影響時，將人口城市化率引入模型，對模型進行了擴展［15］。燕華、郭運功和林逢春研究上海市CO2排放影響的因素，為分析城市化水平的影響，將城市人口占總人口的比例引入模型，對式(3)中的P、A進行了分解;同時在式(3)中加入了富裕度的二項式形式來驗證環境庫茲涅茨曲線的有關假說［13］。王立猛和何康林分析區域人文驅動力對環境的影響，為驗證環境庫茲涅茨曲線，將式(3)中自變量lnA分解為lnA和(lnA)2兩項;同時將T包括在誤差項中，而不再單獨進行估計［14］。渠慎寧和郭朝先在基于STIRPAT模型的中國碳排放峰值研究中，同樣加入了富裕度的二項式形式并對技術T進一步分解，考慮產業結構等變量對碳排放量的影響［16］。姜磊和季民河在進行中國區域能源壓力的空間差異分析中，發現技術指標難以刻畫，考慮到能源消費的主體是第二產業，所占比重在70%以上，受國家宏觀調整影響比較明顯，將技術變量T 改為第二產業比重［17］。

同樣，根據研究的需要，不同學者對式(2)中變量I、P、A、T賦予了不同的定義。燕華、郭運功和林逢春定義I為碳排放量，P為人口數量，A為人均GDP，T為單位GDP能耗。渠慎寧和郭朝先在研究中也對I、P、A賦予了相同的定義，但定義T為單位GDP碳排放量。朱勤、彭希哲和陸志明等定義A為人均消費額，其余因素不變。王立猛和何康林則是定義I為能源消費總量，T為能源強度。

因此，在本文中，基于實際研究的需要和數據的可獲得性，在式(3)的基礎上加入了富裕度的二項式形式并對P和T進行了分解，引入了城市化變量U和產業結構變量C，所以本文的分析模型為:

lnI=lna+b1lnP+b2lnU+c1lnA+c2(lnA)2+d1lnC+d2lnT+lne (4)式中各變量的定義如表2所示。

如果對式(4)進行求lnA的一階偏導數，可以得到富裕度對環境壓力的彈性系數為c1+c2lnA［13］。

2 實證分析

2．1 數據處理

本文所使用的能源消費數據來自《中國能源統計年鑒1996－2010》。其他數據來自各省2010年的統計年鑒。湖北省統計資料中沒有人口農業和非農業構成，所以用城鎮人口占常住人口的比例來表示U。GDP和其他所有受價格波動影響的數據按1995年不變價計算。

表2 模型中各變量的說明Tab．2 Descriptions of variables

2．2 數據擬合

由于模型存在多重共線性，本文采用嶺回歸(ridge regression)的方法對模型進行擬合。嶺回歸就是一種專門用于共線性數據分析的有偏估計回歸方法，它實際上是一種改良的最小二乘法，通過在自變量標準化矩陣的主對角線元素上人為地加入一個非負因子k，放棄最小二乘法的無偏性，以損失部分信息、降低精度為代價來尋求效果稍差但回歸系數更符合實際的回歸方程［18］。

根據擬合的結果，廣東省k值取0．08，湖北 k值取0．11，云南省 k 值取0．05，其余兩省 k 值均取0．02。此時，各個變量的系數如表3、表4所示。

表3 各低碳試點省份各個變量的標準化系數Tab．3 Standardized coefficients of variables in low-carbon pilot provinces

表4 各低碳試點省份各個變量的非標準化系數Tab．4 Non-standardized coefficients of variables in low-carbon pilot provinces

3 結果分析與討論

3．1 各省份歷史碳排放情況分析

根據式(1)和表1的內容，本文計算了各低碳試點省份1995－2009年的排放總量。如圖1所示。

從圖1可以看到，所有的低碳試點省份按碳排放總量由多到少排列，依次為遼寧省、廣東省、湖北省、陜西省和云南省。而且，從2000年開始，碳排放增長速度加快。

同樣，根據排放總量計算的結果和各低碳試點省份以1995年為基準年的GDP數據，可以計算出各低碳試點省份1995－2009年碳排放強度的變化情況，見圖2。

從圖2中可以看出，廣東省的碳強度遠低于其他省份，且變化幅度不大，其在低碳發展方面走在前列。遼寧省初始碳強度很高，但在1995－2009年間一直保持了較快的下降速度，到2009年已經與云南省的碳強度持平，碳強度從3．5噸碳/萬元下降到1．5噸碳/萬元，降低幅度很大，表明遼寧省的低碳發展方面作出了卓有成效的工作。湖北省的碳強度在1995－2009年間基本保持了下降的態勢。陜西和云南兩省初始碳強度下降很快，但是在2000年開始反彈，碳強度開始增加，分別在2004和2005年達到峰值，而后開始下降。這表明兩省在低碳發展方面還需要進一步的努力。

圖1 各低碳試點省份1995－2009年碳排放總量變化Fig．1 Total carbon emission of low-carbon pilot provinces from 1995 to 2009

圖2 各低碳試點省份1995－2009年碳強度變化Fig．2 Carbon intensities of low-carbon pilot provinces from 1995 to 2009

3．2 數據擬合結果分析

從表3中可以看到，各省的擬合結果均在0．001的水平上顯著且R2都在0．95以上，表明當前的擬合結果能夠對各省的碳排放情況進行很好的說明。

從表4中可以看到，在所有的低碳試點省份中，人口規模對碳排放影響最大是云南省，影響的彈性系數為2．734，且在0．001的水平上顯著;其次是湖北省和廣東省，彈性系數分別為1．876和1．109，在0．05的水平上顯著。其余省份，人口規模因素沒有通過顯著性檢驗，其對碳排放的影響不顯著。

城市化水平對碳排放影響最大是遼寧省，影響的彈性系數為2．668，且在0．001的水平上顯著;其次是陜西省，彈性系數為1．119，在0．01的水平上顯著。其余省份，城市化水平因素的彈性系數都小于0．5且沒有通過顯著性檢驗，其對碳排放的影響不顯著。

富裕度因素變量c1和c2都在0．001的水平上顯著，說明在所有低碳試點省份中，人均GDP都對碳排放有顯著影響。隨著人均GDP的增長，生活水平的提高，碳排放的增加不可避免。目前從總量上降低碳排放是不現實的，只能控制增長速度，從降低碳強度方面入手。

將各低碳試點省份1995－2009年GDP的數據帶入c1+c2lnA，可以計算出人均GDP即富裕度因素對碳排放的彈性系數，見表5。

從表4可以看到，c2沒有出現負值。而且，從表5中可以看到，隨著人均GDP的逐年增長，人均GDP對碳排放的彈性系數也在逐漸增加，環境庫茲涅茨曲線沒有出現。而且，富裕度因素對碳排放影響最大的是云南省，其次為廣東省和陜西省，最后為遼寧省和湖北省。

產業結構對碳排放影響最大是陜西省，影響的彈性系數為1．535，其次是湖北省，彈性系數為 1．229，且兩者都在0．01的水平上顯著。其余省份，產業結構變量沒有通過顯著性檢驗，對碳排放的影響不顯著。

能源強度對碳排放影響最大是云南省，彈性系數為1．567。其次為湖北、陜西和遼寧，彈性系數依次為0．521、0．458和0．419。其余省份能源強度變量沒有通過顯著性檢驗，對碳排放的影響不顯著。

3．3 各低碳試點省份發展路徑探討

3．3．1 陜西省

從表3中可以看到，對陜西省碳排放有顯著影響到因素是城市化水平、人均GDP、產業結構和能源強度。其中，產業結構的影響最大，其次為人均GDP、城市化水平和能源強度。然而人均GDP的增長和城市化進程的加快是當前社會發展的必然趨勢。因此，陜西省建設低碳省份應該首先從產業結構入手，在保持工業必要增長的同時，大力發展第三產業。陜西省位于關中平原，風景秀麗，歷史遺跡眾多，旅游資源豐富，應該充分利用這一資源，集中資源發展旅游產業，打造全國乃至世界知名的旅游品牌，并通過其發展帶動酒店、餐飲、客運等相關行業的發展，從而推動整個社會經濟的發展。其次，陜西省還要努力提高對學校、科研單位的投入，推進技術創新，對工業進行技術升級改造，提高生產效率和能源利用水平，加大高新技術產業的引進力度，建設高新技術產業園區。

表5 各低碳試點省份1995－2009年人均GDP對碳排放的彈性系數Tab．5 The elasticity coefficients of per capita GDP to carbon emissions in low-carbon provinces

3．3．2 廣東省

從表3可以看出，對廣東省碳排放有顯著影響的是人均GDP和人口規模。降低碳排放不能以降低人們的生活水平為代價。因此，廣東省建設低碳省份應該從人口入手，控制人口增長，控制人口流入，加快優秀人才的引進力度，提高人口素質。根據廣東統計年鑒，2009年廣東省人口數量為8 365．98萬人，是所有低碳試點省份中人口最多的。為滿足大量的人口的生活需要，大量資源被消費，碳排放顯著增加。所以，控制人口規模是抑制碳排放增長的一個重要手段。除了本文所考慮的五個因素之外，碳排放也和能源結構密切相關，廣東省應該調整能源結構，提高可再生能源在能源消費中的比重。根據《廣東省十二五規劃綱要》，到2015年，非化石能源占一次能源消費的比重將達到20%。廣東作為我國改革開放的前沿，思想解放，因此廣東省應該大力倡導低碳生活方式。在不降低生活水平的情況下，減少碳排放。完善低碳發展標準認證體系，研究建立低碳產品標識、認證制度。

3．3．3 遼寧省

從圖1和圖2可以看出，遼寧省碳排放總量很大，但其碳強度卻不斷下降。從表3和表5可以看出，對遼寧省碳排放影響最大的是城市化水平，其次是人均GDP和能源強度。當前，加快城市化進程，提高人民生活水平是政府的主要任務。因此，遼寧省建設低碳省份應該主要從降低碳強度方面入手。遼寧省是我國著名的老工業基地，歷史悠久，工業企業眾多。然而大部分企業的設備老舊，生產工業落后，與世界先進水平有很大的差距。所以，淘汰落后工藝、引進世界先進技術、對產業進行升級改造是當前的首要工作。在此基礎上，還應該進一步加大對科研的投入，以新技術、新方法為先導，創建一批國內國際知名度研究院所。

3．3．4 湖北省

從表3可以看出，除城市化水平外，其余因素都對湖北省碳排放有顯著的影響，影響程度按從大到小排列依次為人均GDP、能源強度、產業結構和人口規模。因此，湖北省建設低碳省份，應該首先要降低能源強度。通過技術升級改造和引進先進工藝來提高生產效率，提高能源利用水平。其次要調整產業結構，充分利用湖北的地理優勢，大力發展物流行業，以此推動整個第三產業的發展。最后，要控制人口增長，控制努力引進優秀人才，提高人口素質。

3．3．5 云南省

同樣，根據表3的內容，對云南省碳排放有顯著影響的因素是人均GDP、人口規模和能源強度。因此，云南省的低碳發展應該以降低人口規模為主要內容，控制人口增長，提高人口素質和受教育程度。同時，云南省位于我國西南邊陲，氣候濕潤溫和，生物資源豐富。所以，要保護環境，不能以重工業為發展目標，應該發展煙草等輕工業和高附加值的高新技術產業，提高產品的科技含量，提高能源利用效率。

4 結論

(1)所有的低碳試點省份按碳排放總量由多到少排列，依次為遼寧省、廣東省、湖北省、陜西省和云南省。在碳強度方面，廣東省最低，遼寧省降低幅度最大，其余省份碳強度在2000年后有起伏。

(2)人口規模對碳排放影響最大是云南省，其次為湖北省和廣東省。城市化水平影響最大的是遼寧省，其次是陜西省。產業結構因素影響最大的是陜西省，其次是湖北省。能源強度影響最大的是云南省，其次是湖北陜西和遼寧省。隨著人均GDP的逐年增長，人均GDP對碳排放的彈性系數也在逐漸增加，環境庫茲涅茨曲線沒有出現。而且，富裕度因素對碳排放影響最大的是云南省，其次為廣東省和陜西省，最后為遼寧省和湖北省。

(3)陜西省建設低碳省份應該從產業結構和能源強度兩方面入手;廣東省除控制人口規模外，還應該調整能源結構，倡導低碳生活方式;遼寧省降低碳排放主要應該從能源強度方面入手;湖北省應該從能源強度、產業結構和人口規模三個方面著手;云南省主要應該從人口規模入手，控制人口增長，提高人口素質，實現碳減排目標。

References)

［1］石龍宇，崔勝輝．氣候變化對城市生態系統的影響研究進展［J］．環境科學與技術，2010，33(6E):193 －197．［Shi Longyu，Cui Shenghui．Research Progress of Climate Change Effects on Urban Ecosystem［J］．Environmental Science ＆ Technology，2010，33(6E):193 －197．］

［2］王微，林劍藝，崔勝輝，等．碳足跡分析方法研究綜述［J］．環境科學與技術，2010，33(7):71－78．［Wang Wei，Lin Jianyi，Cui Shenghui， et al． An Overview of Carbon Footprint Analysis．Environmental Science＆ Technology，2010，33(7):71－78．］

［3］姜磊，季民河．基于STIRPAT模型的中國能源壓力分析:基于空間計量經濟學模型的視角［J］．地理科學，2011，31(9):1072－1077．［Jiang Lei，Ji Minhe．China’s Energy Stress Based on the STIR PAT Model:A Spatial Econometric Perspective［J］．Scientia Geographica Sinica，2011，31(9):1072 －1077．］

［4］肖黎姍，王潤，楊德偉，等．中國省際碳排放極化格局研究［J］．中國人口·資源與環境，2011，21(8):30－36．［Xiao Lishan，Wang Run，Yang Dewei，et al．The Polarization Pattern of Carbon Emission in China’s Provinces［J］．China Population Resources and Environment，2011，21(8):30 －36．］

［5］中華人民共和國國民經濟和社會發展第十二個五年規劃綱要［N］．人民日報，2011－03－16．［The People’s Republic of China National Economic and Social Development Twelfth Five-Year Plan［N］．The People’s Daily，2011 －03 －16．］

［6］中華人民共和國發展和改革委員會．國家發展改革委關于開展低碳省區和低碳城市試點工作的通知［EB/OL］．［National Development and Reform Commission．The Notice about Pilot Work ofLow-carbon Provinces and Low-carbon Cities by National Development and Reform Commission［EB/OL］．http://www．sdpc．gov．cn/zcfb/zcfbtz/2010tz/t20100810_365264．htm．］

［7］蔣金荷．中國碳排放量測算及影響因素分析［J］．資源科學，2011，33(4):597 － 604．［Jiang Jinhe．An Evaluation and Decomposition Analysis of Carbon Emissions in China［J］．Resources Science，2011，33(4):597 －604．］

［8］劉竹，耿涌，薛冰，等．中國低碳試點省份經濟增長與碳排放關系研究［J］．資源科學，2011，33(4):620－625．［Liu Zhu，Geng Yong，Xue Bing，et al．Relationships between Economic Growth and CO2Emissions for Low-Carbon Pilot Provinces in China［J］．Resources Science，2011，33(4):620 －625．］

［9］趙敏，張衛國，俞立中．上海市能源消費碳排放分析［J］．環境科學研究，2009，22(8):984 －989．［Zhao Min，Zhang Weiguo，Yu Lizhong．Carbon Emissions from Energy Consumption in Shanghai City［J］．Research of Environmental Sciences，2009，22(8):984 －989．］

［10］GB/T 2589－2008，綜合能耗計算通則［S］．［GB/T 2589－2008，General Principles for Calculation of Comprehensive Energy Consumption［S］．］

［11］陳慶，周敬宣，李湘梅．基于STIRPAT模型的武漢市環境影響驅動力分析［J］．長江流域資源與環境，2011，20(Z1):100－104．［Cheng Qing，Zhou Jingxuan，Li Xiangmei．Analysis on the Driving ForceofEnvironmentalImpactin Wuhan Based on STIRPAT Model［J］．Resources and Environment in the Yangtze Basin，2011，20(Z1):100 －104．］

［12］Dietz T，Rosa E A．Rethinking the Environmental Impacts of Population，Affluence，and Technology［ J］．Human Ecology Review，1994，(1):277－ 300．

［13］燕華，郭運功，林逢春．基于STIRPAT模型分析CO2控制下上海城市發展模式［J］．地理學報，2010，65(8):983－990．［Yan Hua，Guo Yungong，Lin Fengchun．Analyzing the Development Model of Chinese Cites under the Control of CO2Emissions Using the STIRPAT Model:A Case Study of Shanghai［J］． Acta Geographica Sinica，2010，65(8):983 －990．］

［14］王立猛，何康林．基于STIRPAT模型的環境壓力空間差異分析:以能源消費為例［J］．環境科學學報，2008，28(5):1032－1037．［Wang Limeng，He Kanglin．Analysis of Spatial Variations in Environmental Impact Based on the STIRPAT Model:A Case Study of Energy Consumption［J］．Acta Scientiae Circumstantiae，2008，28(5):1032 －1037．］

［15］朱勤，彭希哲，陸志明，等．人口與消費對碳排放影響的分析模型與實證［J］．中國人口·資源與環境，2010，20(2):98－102．［Zhu Qin，Peng Xizhe，Lu Zhiming，et al．Analysis Model and Empirical Study of Impacts from Population and Consumption on Carbon Emissions［J］． China Population Resources and Environment，2010，20(2):98 －102．］

［16］渠慎寧，郭朝先．基于STIRPAT模型的中國碳排放峰值預測研究［J］．中國人口·資源與環境，2010，20(12):10－15．［Qu Shenning，Guo Chaoxian．Forecast of China’s Carbon Emissions Based on STIRPAT Model［J］．China Population Resources and Environment，2010，20(12):10 －15．］

［17］姜磊，季民河．中國區域能源壓力的空間差異分析:基于STIRPAT模型［J］．財經科學，2011，(4):64－70．［Jiang Lei，Ji Minhe．Spatial Difference Analysis of Regional Energy Pressures in China:Based on STIRPAT Model［J］．Finance ＆ Economics，2011，(4):64 －70．］

［18］張文彤．SPSS統計分析高級教程［M］．北京:高等教育出版社，2004．［Zhang Wentong．High-level Tutorial of SPSS Statistical Analysis［M］．Beijing:Higher Education Press，2004．］

Analysis of Development Path for Low-Carbon Pilot Provinces in China

LIU Jian1WANG Run1，2SUN Yan-wei1SHU She-yu1XIAO Li-shan1，2
(1．Key Lab of Urban Environment and Health，Institute of Urban Environment，Chinese Academy of Sciences，Xiamen Fujian 361021，China;2．Xiamen Key Lab of Urban Metabolism，Xiamen Fujian 361021，China)

To mitigate climate change，reducing greenhouse gas emissions has become the consensus of the international community．As the largest developing country and one of the largest emitters of CO2in the world，China has participated actively in the action of mitigating climate change．In this study we try to explore low-carbon development paths for 5 provinces，namely Shaanxi，Yunnan，Guangdong，Liaoning，and Hubei in China，which were assigned as national pilot provinces for low-carbon development by the National Development and Reform Commission in August 2010．Based on the data from 1995 to 2009，a quantitative analysis of carbon emissions in 5 pilot provinces are conducted involving 5 factors such as population，urbanization，wealth，industrial structure and energy intensity in STIRPAT model．The results show:Shaanxi should focus on industrial restructuring and decreasing energy intensity．In addition to controlling population growth，Guangdong province should optimize the energy structure and advocate a low-carbon lifestyle．Lowering energy intensity should be the main measure to reduce carbon emissions in Liaoning;reducing energy intensity，optimizing industrial structure and controlling population growth play an important role on the path to low-carbon development for Hubei;Yunnan should make great effort in controlling population growth as well as improving population quality in order to realize its carbon emission target．

STIRPAT model;low-carbon pilot provinces;development path

X321

A

1002－2104(2012)03－0056－07

10.3969/j.issn.1002－2104.2012.03．010

2011－10－22

劉健，博士生，主要研究方向為氣候變化適應性政策和技術。

王潤，博士，研究員，博導，主要研究方向為氣候變化適應性技術與政策。

廈門市科技計劃項目(編號:Y0G5831D30);中國科學院知識創新工程青年人才領域前沿項目(編號:YOL4351D10)。

(編輯:劉照勝)