湖北省能源消費CO2與大氣污染物協同減排研究*

羅紅成 廖 琪 容 譽

(湖北省生態環境科學研究院(省生態環境工程評估中心)，湖北 武漢 430072)

目前，我國正面臨著日益嚴峻的大氣污染物和CO2雙重減排壓力[1-2]。2020年9月22日,習近平總書記在第七十五屆聯合國大會一般性辯論上提出中國力爭于2030年前達到碳排放峰值，并努力爭取2060年前實現碳中和。中國國民經濟和社會發展“十四五”規劃分別提出了應對氣候變化和大氣污染防治的目標，即碳排放強度下降18%、SO2和NOx等主要污染物排放總量下降15%。作為中部大省和老工業基地，湖北省“十三五”前4年以年均2.8%的能源消費增量支撐了7.8%的經濟增長，同時后疫情時代工業、交通等部門能耗潛在反彈趨勢增加了氣候變化應對和大氣污染防治的工作難度。大氣污染物與CO2排放的同根同源性、措施的同效性使得兩者之間的協同控制具有較大潛力[3]，開展大氣污染物與CO2的協同控制是實現生態環境保護與實現氣候變化應對目標的重要舉措[4-5]。

近年來，針對大氣污染物與溫室氣體的協同減排研究逐漸增多。其中，國外研究大多采用模型模擬[6]。CHAE等[7]對韓國首爾都市圈的空氣質量規劃和溫室氣體控制措施進行了成本有效性和協同效應評價，并探索了如何以最低成本達成最佳協同效益目標的政策情景。SHRESTHA等[8]利用MARKAL模型，研究了2005—2050年泰國減少CO2排放的政策對大氣污染物減排的協同效應；在CO2減排30%的情況下，SO2排放量將比基準(記為BAU)情景減少43%。國內已有的相關研究大多集中在對某一城市或某一行業的工程技術減排措施的協同效應評估上，且更多聚焦污染控制政策帶來的協同效應，而較少研究溫室氣體控制政策帶來的協同效應[9-13]。JIANG等[14]以沈陽鐵西區和上海寶山區為案例，對典型工業區結構減排、技術減排等措施的協同效益進行了評價。周穎等[15]利用能源環境經濟投入產出模型研究水泥行業主要常規污染物和CO2之間的協同減排方式，定量計算主要常規污染物和CO2之間的減排協同度。毛顯強等[16]采用協同控制效應坐標系、污染物減排量交叉彈性分析和單位污染物減排成本等方法評價了技術減排措施對SO2、NOx和CO2的協同控制效應。

現有研究缺少涵蓋省市各部門的宏觀協同控制效果分析。本研究從省級層面，圍繞溫室氣體和主要大氣污染物減排協同效應展開研究。采用拓展的STIRPAT模型，預測不同減排情景下能源消費總量以及CO2、SO2、NOx、PM10排放量，評估不同情景下CO2和主要大氣污染物的減排協同效應，以期為湖北省開展溫室氣體和大氣污染物協同控制，以及制定碳排放達峰政策措施提供技術支持。

1 方 法

1.1 能源消費總量預測模型

選擇DIETZ等[17]提出的STIRPAT模型作為湖北省能源消費總量預測工具。STIRPAT模型為拓展的IPAT模型，不僅克服了原模型所有自變量等比例影響因變量的缺陷，而且可進一步分析主要因素對環境的非線性變化影響，并加入了隨機干擾項，可根據研究目的及需要增加其他控制因素來分析對環境的影響，其模型可用式(1)表達:

(1)

式中：I為環境負荷，一般用能源消耗、污染物排放等指標表征；P*為人口因素，以人口數量來表征；A為財富因素；T為技術因素；a為模型的系數項；b、c、d分別為人口、財富和技術因素的彈性系數，%，當P*、A、T每發生1%的變化時，會引起I的|b|%、|c|%、|d|%變化；e為隨機誤差；除各系數外，其余參數的單位視具體情況而定。

在處理實際問題時，通常將式(1)轉化為線性方程，即在模型兩邊同時取對數。同時，根據拓展的STIRPAT模型原理，引入產業結構、城市化率等指標，來構建湖北省基于拓展的STIRPAT模型的能源消費預測模型(見式(2))。

lnI=lna+blnP*+c1lnA1+c2lnA2+d1lnT1+d2lnT2+lne

(2)

式中：A拆分為A1和A2，A1、A2分別為人均GDP、第二產業占比；T拆分為T1和T2，T1、T2分別為能耗強度、城市化率；c1、c2、d1、d2分別為人均GDP、第二產業占比、能耗強度、城市化率彈性系數，%；除彈性系數外，其余參數單位視具體情況而定。

1.2 CO2與大氣污染物排放量計算

主要大氣污染物排放量的計算公式見式(3)[18]，CO2排放量(ECO2，億t)的計算方法與Ek類似。

Ek=∑ALi,j,k×Fi,j,k

(3)

式中：Ek為大氣污染物k排放量，萬t；ALi,j,k、Fi,j,k分別為在用能部門i能源終端j，大氣污染物k的活動水平和排放因子，單位視具體情況而定。

主要用能部門可分為能源生產與加工轉換、農業、工業和建筑業、交通運輸、服務業及其他、居民生活6個部門。其中能源生產與加工轉換部門包括火力發電和供熱部門。各用能部門煤炭、石油、天然氣等活動水平數據來源于相應年份的中國能源統計年鑒。化石能源消費CO2排放因子采用最新國家溫室氣體清單排放因子數據，其中煤炭為2.66 t/t(以標準煤計，下同)，石油為1.73 t/t，天然氣為1.56 t/t。各能源折標準煤參考系數以相應年度中國能源統計年鑒附錄為準。化石能源消費SO2、NOx、PM10等主要大氣污染物排放因子取自ZHAO等[19]的研究成果，交通運輸排放因子參考蔡皓等[20]和趙斌等[21]的研究成果。

1.3 情景設置

根據數據可獲得性和口徑一致性，選取2015年為基準年，2025年為預測年，研究采取不同力度溫室氣體減排措施下CO2和主要大氣污染物的協同減排效應。結合湖北省中長期規劃發展目標，分別設計了BAU情景、低碳(記為LC)情景和強化低碳(記為ELC)情景3種預測情景。各減排情景的詳細說明見表1。

表1 3種設定情景描述及參數指標

2 結果與討論

2.1 能源消費總量預測

采用拓展的STIRPAT模型，選取人口數量、人均GDP、能耗強度、城市化率、第二產業占比等5個能源消費影響因素作為自變量，以2005—2015年湖北省統計年鑒相關數據為樣本，數據進行對數化處理后見表2。對各自變量進行相關性分析，結果表明所選取的5項影響因素均與能源消費總量呈現較高的相關性(見表3)。

表2 2005—2015年湖北省能源消費影響因素對數化處理結果

表3 湖北省能源消費總量與各影響因素的相關性分析結果

采用最小二乘法進行多元線性逐步回歸來擬合，但通過共線性檢測發現，模型方差膨脹系數(VIF)顯著大于10，說明自變量之間存在嚴重的多重共線性。為消除其對研究結果的影響，使用嶺回歸方法對式(2)重新進行回歸分析。嶺參數(K)介于0～1，以步長為0.01進行取值。所得嶺跡圖見圖1，K對應的決定系數(R2)見圖2。

圖2 R2與K的關系

根據圖1可知，當K=0.02時，各自變量回歸系數變化趨于穩定，模型R2=0.972，擬合度較高。對擬合結果的方差分析表明，整體擬合效果滿足要求(F=48.68，P<0.01)。最終建立的湖北省能源消費嶺回歸方程見式(4)：

圖1 嶺跡圖

lnI=1.273lnP*+0.215lnA1+1.161lnA2-0.014lnT1+0.096lnT2-8.490

(4)

從式(4)可以看出，人口數量、人均GDP、第二產業占比、能耗強度、城市化率每發生1.000%的變化，將分別引起能源消費總量相應發生1.273%、0.215%、1.161%、0.014%和0.096%的變化。人口數量和第二產業占比是影響湖北省能源消費的關鍵因素，人均GDP和城市化率對能源消費有驅動作用，而能耗強度對能源消費有抑制作用。

為了驗證該預測模型的有效性，將湖北省2005—2015年人口數量、人均GDP、第二產業占比、能耗強度和城市化率的數據代入式(4)，計算能源消費總量，并將擬合值與實際值進行對比，結果見圖3。擬合值與實際值的平均誤差率為2.53%。對實際值與擬合值進行兩配對樣本t檢驗，檢驗結果顯示，能源消費總量擬合值與實際值相關系數為0.984，P為0.942，說明根據模型計算得到的湖北省能源消費總量與實際情況沒有顯著差異，預測效果較好。

注：能源消費總量以標準煤計。

根據上述嶺回歸方程并結合3種設定情景參數，預測并得到能源消費總量結果如下：BAU情景下，2025年全省能源消費總量約為2.05億t；LC情景下，能源消費總量約為2.00億t；ELC情景下，能源消費總量約為1.95億t。相比BAU情景，至2025年，ELC情景預計可減少能源消費約1 000萬t。

2.2 CO2和大氣污染物排放量預測

根據能源消費總量預測結果和確定的CO2和大氣污染物排放因子，預測3種設定情景下CO2與主要大氣污染物排放量,結果見表4。

表4 不同情景下CO2和主要大氣污染物排放量預測結果

預測結果顯示，BAU情景下湖北省CO2排放總量由2015年的2.96億t增至2025年的3.62億t，增長約22%；其中，能源生產與加工轉換、工業和建筑業、交通運輸部門是未來碳排放增長的主要貢獻部門，CO2排放分擔率分別增至35.91%、40.88%和8.55%；至2025年主要大氣污染物SO2、NOx、PM10排放量分別為2015年水平的1.13、1.21、1.22倍。LC情景相比BAU情景，CO2和主要大氣污染物增長幅度得到一定控制，2025年CO2、SO2、NOx、PM10排放量分別減少0.07億、0.92萬、1.05萬、0.42萬t，說明LC情景政策除了有效降低溫室氣體排放量外，對大氣污染物減排也具有重要影響。ELC情景下，CO2和主要大氣污染物進一步削減，相比BAU情景CO2、SO2、NOx、PM10排放量分別減少0.14億、2.06萬、2.33萬、0.93萬t。

預測結果中，CO2預測結果與2015年度省級人民政府控制溫室氣體排放目標責任考核結果(3.03億t)接近；主要大氣污染物預測結果與正式發布的湖北省2015年SO2(55.14萬t)和NOx(51.45萬t)排放量數據基本一致，說明上述預測結果總體上是合理的。

2.3 協同減排分析

2.3.1 協同減排貢獻率分析

以LC情景或ELC情景相對于BAU情景下的不同部門減排量占總減排量的比例作為各部門的協同減排貢獻率[22]，分析和篩選能夠促進CO2與大氣污染物協同減排的重點部門。

LC情景和ELC情景下各部門協同減排貢獻率見圖4。結果表明，無論是大氣污染物還是CO2，協同減排效應貢獻率最大的部門基本上均是工業和建筑業部門，對SO2、NOx、PM10、CO2的協同減排貢獻率分別達到29%～33%、32%～40%、47%～51%和41%～44%。能源生產與加工轉換部門其次，對協同減排的貢獻主要反映在SO2、PM10、CO2上，該部門對SO2、PM10、CO2的協同減排貢獻率分別為22%～24%、25%～26%和35%～36%。NOx減排貢獻部門中，交通運輸部門與工業和建筑業部門相當，交通運輸部門對NOx的協同減排貢獻率達到32%～43%。服務業及其他、居民生活部門對協同減排的貢獻則主要體現在SO2上。相比之下，農業部門對協同減排的貢獻最小。

注：LC(SO2)指LC情景下的SO2排放，其余以此類推。

2.3.2 污染物減排量交叉彈性分析

為評價不同情景下CO2的減排對各種大氣污染物減排的協同程度，引入交叉彈性系數[23]，計算公式如下：

(5)

式中：Sk為CO2與大氣污染物k減排量交叉彈性系數；ΔEk、ΔECO2為LC或ELC情景相對于BAU情景的大氣污染物k、CO2的排放量降幅，單位視具體情況而定。

湖北省主要大氣污染物與CO2減排量交叉彈性分析結果見表5。CO2與各污染物減排量交叉彈性均大于0，說明LC情景和ELC情景減排政策對大氣污染物和CO2均具有協同控制效應。分部門分析得出，能源生產與加工轉換部門CO2與各大氣污染物交叉彈性系數均在1左右，表明協同度很高，說明LC情景和ELC情景在帶來CO2減排效果的同時，可以達到大氣污染物排放控制的良好效果。工業和建筑業部門CO2和PM10可達到較高程度的減排協同，而SO2和NOx對CO2減排量變化較不敏感，減排程度小于CO2。在交通運輸部門，SO2的減排程度遠高于CO2，而NOx的減排程度低于CO2。在服務業及其他、居民生活部門，SO2和PM10對CO2減排量變化很敏感；NOx和CO2的減排程度基本相同，具有較高的協同度。

表5 各情景下大氣污染物和CO2的交叉彈性系數

3 結論與建議

(1) 基于拓展的STIRPAT模型建立了湖北省能源消費嶺回歸方程。人口數量和第二產業占比是影響能源消費的關鍵因素，人均GDP和城市化率對能源消費有驅動作用，而能耗強度對能源消費有抑制作用。人口數量、人均GDP、第二產業占比、能耗強度、城市化率每發生1.000%的變化，將分別引起湖北省能源消費總量相應發生1.273%、0.215%、1.161%、0.014%和0.096%的變化。

(2) LC情景和ELC情景相對BAU情景實現了能源消費總量的減少，至2025年ELC情景預計可減少能源消費總量約1 000萬t，相應地可削減0.14億t的CO2排放，同時將分別減少SO2、NOx、PM10排放量2.06萬、2.33萬、0.93萬t。

(3) 對CO2和主要大氣污染物協同減排貢獻最大的部門為工業和建筑業部門，其次為能源生產與加工轉換部門，LC情景和ELC情景政策總體對CO2和主要大氣污染物均具有協同減排效應。

(4) 建議湖北省加快產業結構優化，促進經濟增長方式轉變，控制能源生產與加工轉換、工業和建筑業、交通運輸這幾個部門的碳排放增速和總量，合理調整能源結構，尤其是進一步減少煤炭消費并增加可再生能源在能源消費中的比例，以最大幅度實現CO2和主要大氣污染物的協同減排。