中國能源消費CO2排放的影響因素及情景分析

張劍，劉景洋，董莉，喬琦

國家環境保護生態工業重點實驗室, 中國環境科學研究院

全球變暖不僅造成嚴重的經濟損失，而且導致社會福利損失和人口遷移[1]。聯合國政府間氣候變化專門委員會（IPCC）第五次評估報告(AR5)[2]指出，1970——2010年化石燃料燃燒和工業過程CO2排放量約占溫室氣體總排放增量的78%，過去全球平均氣溫升高原因中95%可能與人類活動產生的溫室氣體有關，而傳統化石能源消費產生的CO2等溫室氣體又是造成全球溫室效應的主要原因。據《BP世界能源統計年鑒》[3]，2019年全球由能源產生的CO2排放量約341.69億t，較2018年增長0.5%。中國是能源消費和碳排放大國，2020年中國碳排放總量占全球總排放量的32%[4]。2020年9月，中國在聯合國大會上向世界宣布了2030年前實現碳達峰、2060年前實現碳中和的目標，在加速中國經濟和能源轉型、推動高質量發展等方面都具有高瞻遠矚的意義。

國內外碳排放的研究主要集中在碳排放影響因素與預測上。常用的方法有環境庫茲涅茨曲線[5-7]、IPAT 方程[8-10]、STIRPAT 方程[11-16]、Kaya恒等式[17]、LMDI分解法[18-19]、BP神經網絡[20-21]、灰色預測模型[22]、系統動力學[23-25]、LEAP模型[26-27]等。STIRPAT方程是IPAT方程的擴展形式，是探索與認識復雜的社會經濟因素對環境壓力影響的有效方法，目前已經在氣候變化、碳排放、能源消耗等領域的研究中發揮了重要作用[28]。STIRPAT模型可以用來探討碳排放的影響因素，也可以對碳排放量進行預測。

以往研究碳排放的STIRPAT模型在產業結構層面上較少考慮到第三產業變動所帶來的影響，但第三產業也是碳排放的重要來源，產業結構影響能源消耗總量，進而影響到CO2排放量。鑒于大多數文獻存在數據陳舊、遺漏重要變量等問題，筆者以2000——2020年中國相關時間序列數據為依據，基于Tapio脫鉤模型分析經濟增長對CO2排放的依賴程度，利用擴展后的STIRPAT模型，探討中國能源消費CO2排放的影響因素，并利用情景分析法預測基準情景（S0）、產業結構優化情景（S1）、能源結構優化情景（S2）、多要素優化情景（S3）4種情景下的能源消費CO2排放量，以期尋找碳減排的技術路線和對策，為實現碳達峰、碳中和目標提供科學的決策參考。

1 研究方法與數據來源

1.1 研究方法

1.1.1 能源消費CO2排放量的估算

我國的CO2排放主要來源于化石能源的消費，能源消費所產生的CO2排放量計算公式如下：

式中：ICO2為能源消費所產生的CO2排放量，億t；Ei為第i類化石能源的消費標準量，萬t，以標準煤計；δi為第i類能源的碳排放系數，煤炭、石油和天然氣的碳排放系數分別取0.747 6、0.582 5和0.443 5[29]；44/12是按CO2分子量和C原子量的比例計算得到的氣化系數。

1.1.2 脫鉤模型

碳排放脫鉤是指經濟增長對化石能源消費的依賴逐步降低[30]，經濟發展與碳排放之間的關系逐漸弱化。采用Tapio脫鉤模型[31]，通過計算中國能源消費CO2排放與經濟增長之間的脫鉤彈性系數來考察二者之間的脫鉤狀態。設脫鉤彈性系數為e，其計算公式如下：

式中：It和It-1和分別表示t年和t-1年的CO2排放量，GDPt和 GDPt-1和分別表示t年和t-1年的國內生產總值。

1.1.3 IPAT方程與STIRPAT模型

IPAT方程又叫環境負荷的控制方程，用于表征人類活動對環境問題的成因，由Ehrlich等[32]于20世紀70年代提出，其公式如下：

式中：I為環境壓力，通常用能源消耗量或污染物排放量來表示；P為人口要素，通常用人口規模來表示；A為富裕度要素，通常用人均地區生產總值來表示；T為技術要素，通常用單位地區生產總值所產生的環境影響或能源消耗來表征。

Dietz等[33-34]在經典IPAT方程的基礎上，提出了STIRPAT模型。STIRPAT模型克服了IPAT方程所有自變量等比例影響因變量的劣勢，并可根據研究目的及需要加入其他自變量來更全面評估環境壓力，其公式如下：

式中：a為模型的系數；b、c、d為指數項；θ為模型的殘差項。

對式（4）兩邊取對數后可得式（5）：

式中：lna為常數項；lnθ為隨機干擾項。

鑒于人口規模、人均GDP、城鎮化率、產業結構、碳排放強度和能源消費結構等要素廣泛用于碳排放研究，筆者基于STIRPAT模型，選取人口規模和城鎮化率作為人口要素，選取人均GDP、第二產業占比、第三產業占比作為富裕度要素，選取碳排放強度和能源消費結構作為技術要素（表1）。

表1 模型中各變量情況說明Table 1 Description of each variable in the model

在STIRPAT模型的基礎上，將表1中8個變量引入式（5），為了檢驗CO2排放量與經濟增長之間是否存在倒U型的環境庫茲涅茨曲線，將(lnA1)2加入到式（5）中：

式中：lnP1、lnP2、lnA1、(lnA1)2、lnA2、lnA3、lnT1、lnT2為自變量；a1～a8為彈性系數，若a4＜0，則CO2排放量與經濟增長之間存在倒U型的環境庫茲涅茨曲線。

1.2 數據來源

依據2000——2020年中國能源消費量數據計算能源消費CO2排放量，能源種類包括煤炭、石油、天然氣。人均GDP、碳排放強度測算依據的人均GDP數據均以2000年不變價格計算。所有數據均來源于國家統計局[35]。

2 結果與分析

2.1 能源消費量和產生的CO2排放量

2000——2020年中國能源消費量和所產生的CO2排放量如圖1所示。從圖1可以看出，自2000年以來，我國能源消費量一直保持增長趨勢，2000年為14.7億t，2020年增至49.8億t，總體增長238.86%，年均增長6.29%。能源消費所產生的CO2排放量也在同步增加，從2000年的35億t增長到2020年的104.38億t。2003年以前，CO2排放量增長率逐年上升，并在2003年達到峰值，為17.57%。從2003年開始，增長率有所下降，且從2006年以來，增長率一直保持在10%以內。從2018年開始，能源消費量和CO2排放量的增長率持續下降。

圖1 2000——2020年中國能源消費量和能源消費所產生的CO2排放量變化Fig.1 Changes in China's energy consumption and CO2 emission of energy consumption from 2000 to 2020

2.2 脫鉤效應

利用式（2）計算2000——2020年中國能源消費CO2排放量與經濟增長之間的脫鉤彈性系數，結果如表2所示。

由表2可知，研究期內中國能源消費CO2排放量與經濟增長之間的脫鉤狀態總體較好，以弱脫鉤為主。CO2排放量脫鉤狀態的演變過程可劃分為2個階段：第1階段（2000——2005年）以擴張型負脫鉤為主，該階段CO2排放量的增長速度較快，并且超過了經濟增長速度，2003年表現得尤為明顯。第2階段（2005——2020年）除2010——2011年外均為弱脫鉤，這表明在經濟增長的同時，雖然CO2排放量也在增長，但其增長幅度小于經濟增長幅度，這是一種比較理想的脫鉤狀態。該階段脫鉤彈性系數總體呈先下降后上升的態勢，這是因為自“十五”規劃以來，落實環境保護責任，大力發展循環經濟，加強環境保護監管等環保措施效果顯著。但中國正處在經濟和產業轉型時期，仍以高耗能、高污染經濟增長模式為主，脫鉤彈性系數并不穩定，應使“雙碳”目標成為經濟轉型助推器，通過知識、技術、治理等方式來提高經濟增長率，全面向綠色低碳、高質量發展轉型，實現穩定的脫鉤彈性系數。

表2 2000——2020年中國能源消費CO2排放量與經濟增長的脫鉤關系Table 2 Decoupling relationship between CO2 emission of China's energy consumption and economic growth from 2000 to 2020

2.3 STIRPAT模型估計

利用嶺回歸消除模型的多重共線性。當k=0.1時，嶺回歸估計結果如表3所示。從表3可以看出，各變量的回歸系數逐漸趨于穩定；模型的可決系數（R2）為 0.990，整體擬合程度非常好；F=155.399，通過了1%的顯著性水平檢驗。

表3 嶺回歸估計結果Table 3 Estimated results by Ridge regression

得到的嶺回歸方程為：

根據嶺回歸方程，對自變量的回歸系數進行排序，以說明各自變量對能源消費CO2排放量的影響程度，其排序為人口規模＞能源消費結構＞第二產業占比＞城鎮化率＞人均GDP＞第三產業占比＞碳排放強度。根據嶺回歸方程，當人口規模、能源消費結構、第二產業占比、城鎮化率、人均GDP、第三產業占比、碳排放強度每變化1%時，分別引起能源消費CO2排放量的2.857%、0.879%、0.836%、0.623%、(0.221+0.011lnA1)%、0.241%、0.132%的變化。根據嶺回歸方程，(lnA1)2的系數為正，說明中國目前的能源消費CO2排放量與經濟增長之間不存在倒U型的環境庫茲涅茨曲線。

人口要素是影響中國能源消費CO2排放量最主要的要素。人口規模與CO2排放量呈正相關關系，當年末總人口數每增加1%，CO2排放量將增加2.857%。能源是人類生存的基本要求，人類日常的一切活動都會直接或間接產生CO2[36]。中國又是世界上人口最多的國家，雖然近30年人口年度增長率不斷下降，但人口基數大，人均壽命逐步提高，且伴隨三孩政策的逐步落實，人口規模在未來較長的一段時間內仍將保持在較高水平，人口依舊會是能源消費量和CO2排放量的重要影響因素。當城鎮化率每增加1%，CO2排放量將增加0.623%。2000——2020年，我國人口的城鎮化率從36.22%增至63.89%，平均每年增長1.38個百分點。伴隨著城鎮化水平的快速提高，居民消費水平將會提高，生活方式也會隨之改變，從而使得居民對生活性能源消耗的直接與間接需求增長[37]；城市建筑、交通及居民住宅等對能源的需求也會不斷增長[38]，從而帶動了CO2排放量的增長。

富裕度要素是影響CO2排放量的第二大要素。當人均GDP每增加1%，CO2排放量將增加(0.221+0.011lnA1)%。2000——2020年中國人均GDP增長了8倍，年均增長率11.7%。隨著人均GDP的持續增長，居民擁有更多的可支配收入，居民的消費水平不斷提高，居住條件逐步改善，消費品（尤其是耐用消費品）購買持續增長，這不可避免導致了能源消費量和CO2排放量的增長。當第二產業占比每下降1%時，CO2排放量將減少0.836%；當第三產業占比每增加1%時，CO2排放量將增加0.241%。第二產業占比、第三產業占比作為產業結構變化的指標，研究期內分別呈下降和上升的趨勢，且第三產業占比對CO2排放量的貢獻程度小于第二產業占比。因此，調整產業結構，優化產業布局，提高第三產業的發展質量和水平，培育經濟發展的新動力將有助于減少CO2排放量。

技術要素對CO2排放量也有較為顯著的影響。當碳排放強度每下降1%，CO2排放量將減少0.132%。碳排放強度由2000年的3.49 t/萬元降至2020年的1.96 t/萬元（2000年不變價），呈現出持續下降的態勢。碳排放強度越低，意味著CO2排放量越少的同時經濟發展越好[39]。已有研究表明，碳排放強度的降低離不開技術的進步、能源利用效率的提高等因素[40-41]。碳排放強度的回歸系數較小，表明碳排放強度的下降雖然會抑制CO2的排放，但目前的減排效果并不明顯。因此，積極發展碳捕獲、利用與封存技術，提高能源的利用效率，促進碳排放強度進一步降低，是我國未來碳減排的主要手段。能源消費結構對CO2排放量也有重要影響，煤炭消費量在能源消費量中的占比長期居高不下，也是我國CO2排放量持續增長的主要原因之一。當煤炭消費量占比每下降1%，CO2排放量將減少0.879%。研究期內，煤炭消費量占比先升后降，且有繼續下降的趨勢。雖然能源消費結構正逐步得到優化，但目前我國的能源消耗仍過度依賴煤炭，降碳減排應注重能源消費結構調整，控制和減少化石能源消費總量，逐步提高清潔能源的使用比例。

與已有的研究成果進行對比，不同文獻對中國碳排放影響因素的研究結論并不完全一致，這是由研究地區、模型方法、數據的種類及其時間跨度等因素上的差異造成的。本研究結果與Li等[42]的研究結果相似，均認為人口要素是驅動中國能消費CO2排放量最重要的因素；馬曉鈺等[43]研究了人口要素對30個?。▍^、市）的CO2排放量影響程度，發現人口規模對CO2排放量影響程度最大，其次是城市化水平和家庭規模；而朱勤等[44]利用1978——2008年的數據研究人口、消費及技術因素對碳排放量的影響，結果表明人口規模并不是最主要的影響因素，人均消費額和城市化率對碳排放的影響高于人口規模。

2.4 能源消費CO2排放量預測

基于中國能源消費CO2排放的STIRPAT模型，將其變換可進一步得到中國能源消費CO2排放量的預測公式：

對式（8）進行有效性驗證，將各年度人口要素、富裕度要素、技術要素數據代入求得CO2排放量的模擬值，并進一步將模擬值與歷史值進行2個獨立樣本T檢驗。結果表明，P為0.996，顯著大于0.01，說明根據式（8）計算的CO2排放量模擬值與歷史值具有較好的一致性。

情景分析在碳排放研究中被廣泛應用，是預測未來碳排放趨勢的一種常規方法?；诟饕刈兓实臍v史值、“雙碳”目標以及“十四五”時期相關政策規劃，分別設定了基準情景（S0）、產業結構優化情景（S1）、能源結構優化情景（S2）、多要素優化情景（S3）4 種情景。

基準情景（S0）：在該情景下，各要素的變化率均為中速率。即保持現有發展模式和速度條件下，預測未來可能的CO2排放趨勢。

產業結構優化情景（S1）：以基準情景為基礎，將第二產業占比的下降速率和第三產業占比的增長速率由中速率設定為高速率，其他要素的變化率與基準情景相同。該情景重點關注產業結構調整和優化，即加大第二產業占比下降的速率，提升第三產業占比增長的速率，特別是通過加快培育和發展戰略性新興產業等措施來降低CO2排放量。

能源結構優化情景（S2）：以基準情景為基礎，將碳排放強度與煤炭消費量占比的下降速率由中速率設定為高速率，其他要素的變化率與基準情景相同。該情景通過加強低碳技術、能效提升技術的應用及提升清潔能源占比等措施來降低CO2排放量。

多要素優化情景（S3）：以基準情景為基礎，將第二產業占比、碳排放強度、煤炭消費量占比的下降速率由中速率設定為高速率，將第三產業占比的增長速率由中速率設定為高速率，其他要素的變化率與基準情景相同。該情景代表了多種措施的協同作用，反映了綜合考慮未來社會、經濟、環境發展需求后所盡力爭取達到的CO2排放狀態。

情景分析時間跨度為2021——2060年，分4個階段：第1階段為2021——2030年，第2階段為2031——2040年，第3階段為 2041——2050年，第4階段為2051——2060年。依據相關規劃，將預測模型中的各要素分階段賦予變化率，如表4所示?；?種情景，進一步利用式（8）對中國能源消費CO2排放量進行情景分析預測，結果如圖2所示。

表4 模型中各要素的情景參數設定Table 4 Scenario parameter setting of factors affecting CO2 emission in the model %

從圖2可以看出，4種情景下能源消費CO2排放量存在顯著差異。S0情景下，中國在2030年無法實現碳達峰的目標，CO2排放量將在2040年達到峰值，為118.04億t。S1和S2情景下，CO2排放量可在2030年達峰，峰值分別為110.90億和109.18億t，其中S2情景的減排效果優于S1情景，這是因為第三產業也是CO2排放的重要來源，低碳消費是實現碳達峰不可忽視的重要領域，S2情景注重降低煤炭消費量占比，通過提高能效從源頭上對CO2排放加以控制，因此減排效果更好。但是這2種情景都存在著一定的不確定性：S1情景中產業發展受到各種因素的影響，如市場變化、政策出臺等均會影響產業發展的預期；S2情景下，2030年的煤炭消費量占比要達到44.10%，實現這個目標有一定難度，需要大力發展使用可再生能源技術，積極制定并有效實施能源相關政策等。S3情景下，CO2排放量在2021年達到峰值，為105.03億t，之后緩慢下降，進入相對穩定的平臺期，在2030年左右開始加速下降，此情景的碳減排效果最為理想。由于各要素存在不確定性，S3情景下的達峰年限可能還會推遲。S3情景多措并舉，從制度機制、技術創新、能源和產業結構優化等多個途徑推進碳減排，也符合我國實現碳達峰和碳中和的決心。本研究未考慮到碳匯建設，碳匯對碳中和的影響還有待于進一步研究。

圖2 不同情景下2021——2060年中國能源消費CO2排放量Fig.2 CO2 emissions from China's energy consumption under different scenarios in 2021-2060

3 結論

（1）2000——2020年的21年間，中國能源消費量和能源消費產生的CO2排放量均呈上升趨勢。其中，能源消費量增長238.86%，能源消費CO2排放量增長198.19%。能源消費CO2排放量與經濟增長之間整體呈現出弱脫鉤狀態。

（2）人口規模、能源消費結構、第二產業占比、城鎮化率、人均GDP、第三產業占比、碳排放強度每變化1%時，分別引起能源消費CO2排放量的2.857%、0.879% 、0.836% 、0.623% 、(0.221+0.011 lnA1)%、0.241%、0.132%的變化。(lnA1)2系數為正，表明目前中國還不存在能源消費CO2排放量的倒U型環境庫茲涅茨曲線，未來CO2減排壓力仍不樂觀。

（3）基準情景(S0)下中國無法在2030年之前實現碳達峰，峰值出現在2040年，為118.04億t。產業結構優化情景(S1)和能源結構優化情景(S2)下CO2排放量在2030年左右達到峰值，分別為110.79億和109.18億t。多要素優化情景(S3)下CO2排放量在2030年前達到峰值，為105.03億t，之后緩慢下降，并在2030年之后加速下降。多要素優化情景(S3)是切合我國碳減排實際的情景。所以為早日實現碳達峰、碳中和，應做好頂層設計，促進產業結構轉型，加快能源體制機制改革，穩步推進碳達峰、碳中和目標的實現。