昆明市二氧化碳排放峰值研究

徐西蒙

(云南省環境科學研究院，云南 昆明 650034)

昆明市二氧化碳排放峰值研究

徐西蒙

(云南省環境科學研究院，云南 昆明 650034)

摘要：通過對國內外二氧化碳排放峰值預測模型的分析研究, 在2010年昆明市社會發展及能源消耗數據的調查基礎上，設定昆明市2011—2035年低、中、高3種排放情景模式。分析影響昆明市碳排放量的因素，對STIRPAT模型進行拓展，計算相應的碳排放峰值出現年份及峰值量。結果顯示：在低排放模式和中排放模式的情景下，昆明市的碳排放峰值可分別在2021年及2028年達到，而在設定的高排放模式下，2011—2035年，碳排放量一直呈上升趨勢。應提高能源效率，優化能源結構，科學規劃產業結構，降低碳排放強度，盡早達到碳排放峰值年。

關鍵詞：二氧化碳排放；排放峰值；能源活動；預測模型；昆明市

1碳峰值預測模型研究現狀

2009年7月，八國集團峰會在意大利阿布魯佐大區首府拉奎拉拉開序幕，峰會中第一次提出全球到2100年，將自工業化以來的溫度上升控制在2℃。2010年的坎昆氣候變化大會和2011年的德班氣候變化大會再次確認了全球2℃的氣候變化溫度控制目標。但是如何實現這個目標是目前各國研究機構需要答復的問題，也是IPCC第五次評估報告的重點[1]。

IPCC第五次評估科學基礎報告顯示： 如果將工業化以來全球溫室氣體的累計排放控制在1萬億t碳(約合3.7萬億t二氧化碳)，人類有2/3的可能性能夠把全球升溫幅度控制在2℃(與1861-1880年相比)以內；如果把累計排放控制在1.2萬億t碳(約合4.4萬億t二氧化碳)，有一半的可能性能夠實現溫控目標；如果把累計排放限額放寬到1.6億萬t碳(約合5.7萬億t二氧化碳)，則只有1/3的可能性能夠實現溫控目標。到2011年，人類已經累計排放0.5萬億t碳(約合2萬億t二氧化碳)，未來留給人類的碳排放空間極其有限。因此，未來要實現比工業化前升溫不超過2℃的目標，需要全世界共同的努力。

近期，全球已有較多研究項目，著重利用模型分析實現全球2℃升溫目標的排放途徑，不同的模型組得出的排放途徑也是多種多樣的。目前國內外對碳排放峰值預測方面的研究主要集中在能源消費的碳排放量峰值方面[2-5]。能源消費需求的定量預測主要是通過建模，或是基于回歸分析預測法、情景分析法。涉及模型包括STIRPAT 模型、LEAP 模型、MARKAL-MACRO 模型、EKC 曲線以及趨勢外推法、類比法和因果分析法等[6-10]。在實際運用中，也常將幾種方法混合使用，如常用的單位產值能耗法和彈性系數法就是類比法和外推法的綜合。

2化石燃料燃燒與碳排放

在溫室氣體排放量中，能源活動即化石燃料燃燒的貢獻值一直是最大的，且成逐年上升的趨勢。

化石燃料可分為氣體燃料(如天然氣)、液體燃料(如石油)、固體燃料(如煤炭、油頁巖、油砂等)。其中煤炭、石油、天然氣使用的最為廣泛，也是二氧化碳的主要來源。在所有化石燃料當中，煤炭擁有最高的碳排放系數值(97.59g CO2/MJ)[11]。根據《云南省能源統計年鑒》，煤炭是昆明市長期以來使用最多的化石燃料，在碳排放量中占有絕對優勢，自1993年以來，貢獻了昆明市90%以上的碳排放量，遠遠大于其他類能源的碳排放量[12]。

由于地理因素、歷史條件等原因，整個云南省各地在天然氣的利用上一直處于較低的水平，但隨著風電和水電的發展，降低火力發電量，利用太陽能、熱能、電能等大量新能源來取代一部分傳統碳基能源的消費，優化能源消費結構，提高非化石能源在一次能源消費的比重對于昆明市來說將是降低碳排放的重要措施，也說明了昆明市還有很大的減排空間。

3本文使用的峰值預測模型

3.1STIRPAT模型

“I=PAT”恒等式方程首次被提出是用來反映社會人口因素對環境壓力的影響，該方程將“環境影響(I)”、“人口規模(P)”、“人均財富(A)”和“技術水平(T)”聯系在一起，稱為環境壓力等式。最初，IPAT方程被廣泛應用到人口因素對環境的影響方面，并通過改變一個因素而保持其他因素固定不變來分析問題。在此基礎上，研究者把“I=PAT”中的T分解成“單位GDP能源消耗-能源強度”(C)和“單位能源消費產生的環境影響(T)”，因此變為“I=PACT”。

為了克服模型的不足，研究者建立了I=PAT 等式的隨機模型-STIRPAT ( Stochastic Impacts by Regression on Population, Affluence, and Technology)模型：

I=aPbAcTde

(1)

其中：I、P、A和T分別表示環境壓力、人口規模、富裕程度和技術水平，a為模型系數，b、c、d分別表示人口規模、富裕程度、技術水平的彈性系數，e為模型誤差項。STIRPAT模型與IPAT模型相比：首先，STIRPAT模型具有更好的拓展性，在進行環境壓力分析時可以引入多個自變量，檢驗各個自變量對環境壓力的影響；其次，STIRPAT是非線性模型，指數的引入使得該模型可用于分析人文因素對環境的非等比例影響。

對公式(1)兩邊取自然對數，得到方程：

InI=Ina+b(InP)+c(InA)+d(InT)+Ine

(2)

3.2STIRPAT模型拓展

由于STIRPAT模型自身所帶的自變量數量較小，當實際影響目標函數數值的自變量數量增加時，就需要對其進行拓展，以便更完整地考慮各種因素變化對因變量的影響。

公式(2)中所含的自變量P、A、T分別可代表昆明市人口、人均GDP、及可表征工業技術水平的碳排放強度，三者均會對區域碳排放量造成明顯影響。除此之外，在昆明市的工業化進程中，經濟快速發展帶來的城市化水平不斷提升，由此帶來的基礎設施建設以及人們消費模式的轉變也產生了大量的碳排放，因此考慮引入城市化率(Ps)。

化石燃料燃燒是碳排放的直接源頭，尤其是煤炭的使用占比，因此需引入能源消費結構系數，此處以煤炭使用量占比來表征(U)。

一般而言，工業的碳排放強度比農業、第三產業的碳排放強度高。因此工業產值占國民經濟的比重大時，整個經濟的碳排放強度較高，因此引入表征三產結構的第二產業比(Is)。

則，公式(2)可以拓展為：

InI=Ina+b(InP)+c(InA)+d(InT)+c(InPs)+f(InU)+g(InIs)

(3)

公式3中各參數說明見表1。

表1　模型自變量參數說明

預測時，以lnI作為因變量，以 lnP、lnA、lnT、lnPs、lnU、lnIs作為自變量，對模型進行多元擬合。對人口、經濟發展、技術水平、能源消費結構、產業結構進行不同情景設置，以預測各水平年的碳排放量，以此判斷昆明市碳排放峰值出現時間與峰值量。

整合《昆明市統計年鑒》、《云南省統計年鑒》及《云南省能源統計年鑒》中對應表1的數據，帶入公式(3)，以lnP、lnA、lnT、lnPs、lnU、lnIs為自變量，通過origin8.0進行多元線性回歸，可得到公式(3)中各自變量系數的值(a、b、c、d、e、f、g、h)。

對應的回歸方程為：

lnI=-6.42192+1.57074lnP+0.34262lnA+0.15037lnT+0.31978lnPs+0.00645lnU+1.50116lnIs

(4)

4碳排放情景設定

設定昆明市未來3種低碳發展模式，即低、中、高排放模式。低發展模式下，人口、經濟發展、技術水平、城市化水平等各變量以低速發展與變化，能源消費結構中高碳燃料占比小，第二產業占比速率下降較快；中模式下假定人口、經濟發展、技術水平、城市化水平等各變量變化速度適中，能源消費結構中高碳燃料占比適中、產業結構變化速度適中；高發展模式假定人口、經濟發展、技術水平、城市化水平、能源消費結構中高碳燃料占比較高,產業結構變化等各變量均按較高速度發展與變化。

對不同情景下，公式(4)中的各種自變量進行設定。

4.1人口(P)

設定低模式下，2010—2020年，人口平均年增長率為0.3%，2021—2030年，人口平均年增長率為0.2%, 2031—2035年，人口平均年增長率為0.1%。

中模式下，2010—2025年，人口平均年增長率為0.3%，2026—2035年，人口平均年增長率為0.2%。

高模式下，2010—2035年，人口平均年增長率為0.3%。

4.2人均GDP(A)

根據工業化理論，工業化中期人均GDP應達到1456～5460美元/人，即0.8921～3.3453億元/萬人，工業化后期人均GDP應達到5460～13014美元/人，即3.3453～9.0289億元/萬人。由此可知，在以上兩種增長方式下，到2020年，從人均GDP指標來說，昆明市都將到達工業化后期。

以上兩種增長速率，分別作為高模式、中模式的增長速率，并取高模式的一半為低模式的增長速率。并假設3種模式下，2015—2020年的增長率下降至原有的一半，2021—2035年進一步減半。

4.3碳排放強度(T)

設定低模式下，至2020年，昆明市碳排放強度下降至2005年的50%，即1.7594，以2010年為基準，年均下降率為1.633%，至2035年，繼續較2020年下降10%，年均下降率為0.7%。

中模式下，至2025年，昆明市碳排放強度下降至2005年的50%，即1.7594，以2010年為基準，年均下降率為1.11%。2026—2035年，維持2025年的值不變。

高模式下，至2035年，昆明市碳排放強度下降至2005年的50%，即1.7594，以2010年為基準，年均下降率為0.669%。

4.4城市化率(Ps)

設定低模式下昆明城鎮化率增長方式為：2010—2020年，年平均增長率均為2.13%，則至2020年，城鎮化率將為77.78%。2020—2035年，年平均增長率下降至1%。

中模式下昆明城鎮化率增長方式為：2010—2020年，年平均增長率為2.60%，則至2020年，城鎮化率將為81.43%。2021—2035年，年平均增長率下降至1%。

高模式下昆明城鎮化率增長方式為：2020年，城鎮化率將達到85%，倒推年平均增長率為3.04%。2021—2035年，年平均增長率下降至1%。

4.5能源消費結構(U)

化石能源是昆明市碳排放的主要來源，而煤炭又是2種化石能源中碳排放因子最高的。

截止2012年末，昆明市能源消費結構中，煤炭的占比達到40.76%以上，煤炭消費排放的二氧化碳占52%，煤炭依然是支撐昆明市社會經濟發展的基礎能源。隨著能源消費量的不斷增加，煤炭的消費量也將隨之增長。長期以來昆明市經濟發展方式粗放的情況沒有得到根本改變，能源利用總體效率不高。

根據昆明能源資源構成特點，以中緬油氣管道建設為契機，提高油氣資源在能源結構中的比重，降低煤炭比重，同時大力推進太陽能光伏發電、水力發電、風電等可再生能源的發展，是從整體上優化能源結構、緩慢降低煤炭比的有效途徑。

設定低模式下，煤炭占比以2010年后的下降速率持續下降，至2035年，下降至30%，平均年下降率為2.788%。中模式下，至2035年，下降至35%，平均年下降率為2.187%。高模式下，維持2012年的值40.76%不變。

4.6第二產業比(Is)

設定低模式下：2010—2035年，昆明市已進入緩慢發展期，第二產業占比呈持續平緩下滑的趨勢。

中模式下：2010—2035年，昆明處于過度發展期，第二產業占比逐步接近最高值后緩慢下降。

高模式下：2015—2035年，昆明尚處于高速發展階段，第二產業占比持續緩慢上升。

5情景模型參數設置

以2010年數據為基數，分別根據低、中、高情景中的發展模式，得到公式(4)中2011—2035年各自變量的值，可得到相應的碳排放量，如表3數據所示。

表3　2011-2035年碳排放量模型值　萬t

6碳排放峰值預測結果

由表3結果可以看出，在低排放模式和中排放模式的情景下，昆明市的碳排放峰值可分別在2021年及2028年達到，峰值分別是4941.29萬t和6248.91萬t，而在設定的高排放模式下，2011—2035年，碳排放量一直呈上升趨勢，至2035年仍未出現峰值，如圖7所示。

低排放模式下，要求昆明市保持較低的人口增長速度，及較為緩慢的人均GDP變化率，城鎮化率保持較小的浮動，且三產中工業比重進入持續平緩下降的階段，這些方面均是以犧牲一定的經濟增長速率為代價的。同時要求能源消費結構中較低的煤炭比，這意味著要加大能源利用領域的技術投入，加大非化石能源及油氣等低碳能源的使用比例，對重點耗能行業提出了更大挑戰。

中排放模式下，對經濟發展的制約較低，排放模式有所減緩，因此峰值出現的年份推遲了7a，峰值排放量也相應增加了1307.62萬t。

高排放模式下，進一步減小了對經濟發展的制約，同時對能源消費結構的控制也基本取消，城市發展基本已經脫離了低碳發展的模式。可以看到，碳排放峰值直至2035年都還沒有出現，碳排放量呈持續上升的模式。

這說明，與國際國內各城市的規律相同，城市經濟發展、人口增加與碳減排存在直接的制約關系。粗放的發展方式，低下的能源利用效率及傳統的三產結構，會以犧牲環境為代價，獲取短暫的經濟進步。而要權衡二者的關系，不能一味地犧牲經濟增長，更不能無視粗放式發展帶來的巨大環境影響，而是應該以提高能源效率，優化能源結構，科學規劃產業結構等有效途徑，在不過多阻礙昆明社會經濟發展的前提下，降低碳排放強度，盡早達到碳排放峰值年。

參考文獻：

[1] IPCC AR5. Summary for policymakers of climate change 2013: the physical science basis. Contribution of working group I to the fourth assessment report of the Intergovernmental Panel on Climate Change [M].Cambridge,UK: Cambridge University Press, 2013.

[2] 劉蘭翠. 我國二氧化碳減排問題的政策建模與實證研究[D]. 合肥：中國科學技術大學，2006.

[3] 郭運功，汪冬冬，林逢春. 上海市能源利用碳排放足跡研究[J]. 中國人口資源與環境，2010，20(2)：103-108.

[4] Richard York a, Eugene A. Rosa b, Thomas Dietz. STIRPAT, IPAT and ImPACT: analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological Economics， 2003 (46)： 351-365.

[5] 陳慶，周敬宣，李湘梅，肖人彬.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.

[6] Y.Y. Feng, L.X. Zhang. Scenario analysis of urban energy saving and carbon abatement policies: A case study of Beijing city, China[J].Procedia Environmental Sciences ，2012 (13)： 632-644.

[7] 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)：10-15.

[8] DimitraKaika, EfthimiosZervas. The Environmental Kuznets Curve(EKC) theory-PartA: Concept, causes and the CO2emissions case[J]. Energy Policy, 2013(62): 1392-1402.

[9] WANG Dia, NIE Ruia, SHI Hai-ying. Scenario Analysis of China’s Primary Energy Demand and CO2Emissions Based on IPAT Model[J]. Energy Procedia，2011(5): 365-369.

[10]Leya Wua, Weihua Zeng. Research on the contribution of structure adjustment on carbon dioxide emissions reduction based on LMDI method[J]. Procedia Computer Science, 2013(17): 744-751.

[11] Voluntary Reporting of Greenhouse Gases Program. Energy Information Administration[R]. Retrieved 21 August 2009.

[12] 徐蕊，何云玲. 昆明市能源消費和碳排放分析研究[J].環境科學與管理，2012,(37):45-50.

CO2Emission Peak Prediction of Kunming

XU Xi-meng

(Yunnan Institute of Environmental Science, Kunming Yunnan 650034,China)

Abstract：Based on the review of the CO2emission peak calculation models from both China and foreign countries, three different scenarios regarding to the social and economic development for Kunming were set up to predict CO2emission peak using a developed stochastic impactsby RegressiononPAT (STIRPAT) model. The results indicated that Kunming might reach the CO2peak value in the year of 2021 and 2028 under the middle emission scenarios and the low emission scenarios respectively. However, the CO2emission would keep increasing in the high emission scenarios during the year of 2011-2035. In order to reach the peak year of CO2emission in Kunming earlier, countermeasures should be taken to improve the energy efficiency, optimize the energy structure and industrial structure, and decrease the carbon emission density.

Key words：CO2emission peak; peak value; energy activity; prediction model; Kunming

中圖分類號：X38

文獻標志碼：A

文章編號：1673-9655(2015)04-0047-06

收稿日期：2015-01-05