安徽省碳排放預測分析

吳淑敏 高廣闊

摘? ?要：運用排放因子法核算安徽省2000—2019年與能源相關的碳排放，并分析安徽省碳排放的主要影響因素。結合LMDI分解法分析了碳排放影響因素，之后建立STIRPAT擴展模型及嶺回歸，定量進行了安徽省能源碳排放預測。模型精確度高達90%以上，誤差控制在5%以內，說明該模型可以很好對安徽省未來能源消費碳排放量進行預測。冀望能為安徽省實現碳減排，促進經濟發展目標實現提供參考。

關鍵詞：二氧化碳；安徽??；碳排放；LMDI分解法；STIRPAT擴展模型

中圖分類號：F062.2? ? ? ?文獻標志碼：A? ? ? 文章編號：1673-291X（2023）08-0020-03

一、研究方法和數據

（一）研究方法

1.LMDI分解法

運用LMDI分解方法的加法分解形式將碳排放進行因素分解，精確衡量各分解因素對碳排放的影響程度[1]。具體步驟如下。

碳排放增長量綜合效應公式如下所示：

△C=△Cp+△Cs+△Ce+△Cy+△Cd（1）

其中，等號右邊式子表示分解后的公式；p表示人口數量，用來衡量人口發展規模；s=■表示人均GDP，衡量經濟發展水平；e=■表示能源強度；y=■表示能源結構；d=■表示產業結構；C表示安徽省碳排放總量，P表示人口數量，G表示國內生產總值（GDP），E表示能源消費總量，Ei表示第i種能源消耗量，I表示工業生產總值；將各個效應導致的碳排放量的變化與碳排放總增量的比率稱為該效應的貢獻。

2.STIRPAT模型

構建STIRPAT模型[2]，表達式如下所示：

lnC=α+β1lnp+β2lns+β3lne+β4lny+β5lnd+β6lnu+β7lnr+β8lnt（2）

其中，C表示碳排放總量，p表示人口數量、s表示人均GDP，e表示能源強度，y表示能源結構，d表示產業結構，u表示城鎮化率，r表示居民消費水平，t表示科技水平。為消除變量間多重共線性問題，本文選擇采用嶺回歸進行分析。

（二）研究數據

1.數據來源

能源相關數據均來自歷年《中國能源統計年鑒》和《安徽省統計年鑒》（2003—2021）。本文所考察的主要能源數據包含原煤、焦炭、原油、燃料油、汽油、柴油、煤油以及天然氣這八種能源的消費量。各能源碳排放系數如表1所示。

2.碳排放測算

本文選用排放因子法[3]進行碳核算。根據IPCC提供的碳核算基本公式如下所示：

C=Ei×ηi×fi（3）

式中，C為能源消費引起的碳排放，為終端能源消費的第i類能源的消費量，為第i類能源折標準煤參考系數，為第i類能源碳排放系數，碳排放系數是指燃燒化石能源釋放出的熱量所對應的碳量。根據公式（3），可計算出安徽省2000—2019年能源消費碳排放量，只對上述8種一次能源消耗所產生的碳排放量進行統計，結果如圖1所示。

由圖1可見，安徽省碳排放量在2000—2019年期間基本處于增長狀態，只在2014—2016年間維持增速平穩。碳排放量在2009年增長最快，因為經濟復蘇和國際化大都市規劃都造成能源消耗的迅速增長，從而產生大量碳排放。2009年后碳排放增速有所放緩，這一方面是由于以往能源消耗的快速增長導致能耗體量過大，因此之后碳排放增長相對較緩；另一方面，安徽省節能減排政策的有效實施也對減緩碳排放增速起到了重要作用。

二、安徽省經濟社會發展現狀

（一）人口發展及城鎮化現狀

根據安徽省統計局公布的統計數據，截至2020年初，安徽省人口總量為7 119.37萬人，比上一年增加了36.48萬人，增長率約為0.52%。其中，城鎮人口為2 467萬人，鄉村人口為4 652萬人，相較于上一年分別增加了154萬人和-118萬人。全省2019年出生人數和死亡人數分別為10.12萬人和4.74萬人，出生率和死亡率為12.03%和6.04%，自然增長率為5.99%；男性和女性占比分別為51.89%和48.11%，處于相對均衡狀態。從人口年齡結構來看，65歲及以上人口占比13.93%，說明老齡化趨勢比較嚴重?？偟膩砜?，近年來安徽省人口規模不斷擴大，人口的快速增長可能會加大碳排放壓力。人口城鎮化率為55.81%，研究表明，一定的城鎮化率可以抑制碳排放增長。

（二）經濟發展現狀

安徽省經濟發展狀況相較于長三角其他區域處于落后狀態。2019年全年全省生產總值（GDP）為37 113.98億元，居全國第11位，比上年增長9.12%。分產業看，第一產業增加值2 915.7億元，增長3.2%；第二產業增加值15 337.9億元，增長8%，其中工業增加值11 454.9億元，增長7.5%；第三產業增加值18 860.4億元，增長7.7%。此外，2019年安徽省進出口貿易總額為6 873 252萬美元，其中出口總額為4 039 900萬美元，占總量的58.78%。從這些數據可以看出安徽省經濟正在迅速發展。

（三）能源消費現狀

在一次能源消費方面，2019年原煤、原油、天然氣占比分別為83.65%、6.8%、2.6%，相比于2018年增加了452.6萬噸標準煤；原油的消費相比于上一年減少69.35萬噸標準煤；天然氣使用量相比于上一年增加了41萬噸標準煤。在各產業能源消費方面，根據2010—2019年安徽省統計年鑒數據，本文選擇第一產業、第二產業、第三產業及居民生活能源消費數量。

三、結果分析

（一）LMDI因素分解結果

將安徽省2001—2019年碳排放總量進行LMDI因素分解，計算出各效應的貢獻率，結果如圖2所示。

由圖2可見，人口規模效應、經濟發展效應、能源結構效應以及產業結構效應的貢獻率大多表現為正效應，能源強度效應的貢獻率大多則表現為負效應。進一步分析各因素效應的貢獻率發現，經濟發展效應的增碳貢獻率最大，能源強度效應的減碳貢獻率最大。

（二）STIRPAT模型結果分析

1.指標選擇

為了更全面地分析安徽省碳排放影響因素，結合圖2的LMDI分解結果，將人口規模、人均GDP、能源強度、能源結構、產業結構作為構建模型的指標。除此

之外，城鎮化水平推動了經濟發展，應是碳排放影響因素之一。安徽省居民消費結構趨于優化，故引入居民消費水平來研究消費對碳排放的影響。安徽省高新技術企業發展較為迅速，截至2021年底，全省高新技術企業實現產值17 384.8億元，營業收入19 511.5億元，因此，科學技術也應作為碳排放的影響因素。綜上，本文選擇的模型指標有人口規模、人均GDP、能源強度、能源結構、產業結構、城鎮化水平、居民消費水平、科學技術。

2.評價指標

為評價模型的預測效果，本文采用平均絕對百分比誤差（Mean Absolute Percentage Error，MAPE）[4]和可決系數（Coefficientof Determination，R2）[5]這兩個評價指標。作為預測精度的指標。MAPE表示模型預測值和實測值之間的差異，如果這兩個指標足夠小，就說明模型誤差越小。可決系數R2取值通常在（0，1）之間，表示模型的擬合度優，計算出的數值越逼近于1，表示模型擬合程度越好。其計算公式如下：

式中，n為樣本總數，yi為預測值，yi為實際值，y為平均值。

3.模型搭建

根據建立的STIRPAT拓展模型，將lnC作為因變量，其余作為自變量，運用嶺回歸來進行參數估計，模型F值為14.75，且對應p值為0.002，說明整體回歸是顯著的。預測方程為：

lnC=8.605+0.010lnp+0.221lns-0.115lne+0.012lny+0.058lnd+0.004lnu-0.004lnr+0.124lnt（6）

由表2可知，該模型預測精度高達90%以上，誤差MAPE可以控制在5%以內，說明該模型可以很好用于安徽省碳排放預測分析。

四、結論

本研究的主要目的是確定驅動安徽省碳排放的主要因素，并為碳減排提供一些相關的政策建議。本文通過LMDI因素分解認為，由于能源消耗而產生的碳排放被分解為能源結構、技術進步、經濟產出和人口效應。分解結果表明，安徽省能源消費碳排放總量呈增長趨勢。其中，經濟增長和能源強度對碳排放有顯著的影響；能源結構變動、經濟發展和人口增長正向驅動了碳排放量；能源強度負向驅動了碳排放量。本文構建的STIRPAT拓展模型具有較高的預測精度以及較低的預測誤差，可以很好用于碳排放預測。

參考文獻：

[1]? ?方德斌，李晶，余謙.湖北省能源消費影響機理研究——基于Granger因果關系及LMDI[J].資源開發與市場，2017，33（8）：974-979.

[2]? ?張攀路，都沁軍.京津冀地區碳排放影響因素研究——基于擴展STIRPAT模型[J].國土資源科技管理，2022，39（3）：14-23.

[3]? ?田澤，董凱麗，吳鳳平.江蘇省終端能源消費CO_2排放總量測算及驅動因素研究[J].中國人口·資源與環境，2015，25（11）：19-27.

[4]? ?薛亦峰，聶滕，周震，閆靜，聶磊.北京市燃氣工業鍋爐NO_x排放及空氣質量影響分析[J].環境科學與技術，2014，37（12）：118-122.

[5]? ?賀東風，官竹林，胡正彪.基于分類和ARIMA-WT-LSTM模型的高爐煤氣產生量預測[J].冶金自動化，2022，46（2）：103-109.

[6]? ?王欣，孟天宇，周俊曦.基于注意力與LSTM的航空發動機剩余壽命預測[J].科學技術與工程，2022，22（7）：2784-2792.

[7]? ?朱永彬，王錚，龐麗，等.基于經濟模擬的中國能源消費與碳排放高峰預測[J].地理學報，2009，64（8）：935-944.

[8]? ?Grossman GM，Krueger AB.Environ ment a limpacts of a North American freetradea greement[R].National Bureauof Economic Research，1991.

[9]? ?郭承龍，徐蔚藍.基于STIRPAT模型的江蘇省碳排放影響因素研究[J].中國林業經濟，2022，（1）：89-93.

[責任編輯? ?妤? ?文]