碳達峰目標下江蘇省碳排放預測及分析

陳百芳 安徽理工大學經濟與管理學院

人類作為地球生態鏈的一份子，環境的狀態與我們息息相關，其中環境污染是最容易被人類感知，惡劣的環境直接影響到人類的身體健康和生產活動，如愈來愈頻繁的極端天氣。過去的百年來，不可持續的能源消耗及人類活動土地利用導致全球氣溫持續上升，已經比工業化前水平高出1.1℃。全球可能會在未來20年內超過危險的升溫閾值。升溫的主要原因就是化石燃料排放后產生的溫室氣體，其中排放占比高達90%以上，因此針對碳減排的研究對減緩氣候惡化極其重要。實際上，我國作為綜合實力最強、世界最大的發展中國家一直是碳排放大國。

有關碳排放預測方面的研究，國內外已經有很多基于縣域、省際、國家整體層面的。從縣域視角來看，有學者運用情景分析法對中國十強縣之一的江陰縣預測了其2011～2020年碳排放量和能源需求量，得出中國發達縣市應不斷調整產業結構、能源消費結構以找到合適自身的低碳經濟發展模式這一結論；基于PCA-BP神經網絡模型對長興縣老城區的用地特征、人口密度等指標對用地的碳排放量進行了預測，更科學地尋找到用地減排潛在能力。從省級層面分析，應用(1,1)和情景分析法分別對江蘇省2013～2025年交通運輸業的碳排放量進行了預測，結果發現公路交通運輸對交通運輸業的碳排放量影響最大，并且預測未來碳排放量呈上升趨勢；從國家整體層面分析，運用LMDI分解出5個冶金工業的碳排放影響因素，結合迪維西亞指數模型分析1991～2014我國碳排放量變化，最后通過情景分析法計算未來冶金工業的減排能力，結果表明截止到2025年我國的冶金工業具有極大的碳減排能力。

但目前為止，以碳達峰視角對江蘇省進行碳排放量峰值預測及分析的文獻尚有空白。本文以江蘇省為例，運用擴展的STIPRAT模型，在以往研究的基礎上加入碳匯作為解釋變量之一，結合嶺回歸模型進行實證分析，并運用情景分析法對2020～2035年江蘇省排放量進行預測，探討其綠色發展的最優情景，為政策制定提供基礎數據支撐。

1 研究方法和數據來源

1.1 研究方法及模型構建

針對碳排放量的預測對實現我國碳達峰戰略目標具有重大意義。IPAT模型通過人口規模、經濟水平和技術的綜合作用來預測一個國家的碳排放量。STIPRAT模型是IPAT方程的隨機形式，詳見式（1）.

STIPRAT各指標說明見表1，該模型包含了人口規模、經濟水平、碳排放強度對碳排放量的非等比例影響。本文另引用能源、碳匯等變量對模型進行擴展并對數化以減弱各數據中存在的異方差情況，結果見式（2）。

表1 STIPRAT各變量指標及說明

式中h—隨機誤差項；a1—人口規模；a2—人均GDP；a3—碳排放強度；a4—能源結構；a5—能源強度；a6—產業結構；a7—碳吸收力的彈性系數。

1.2 數據來源

研究中的社會經濟指標主要來源于《江蘇統計年鑒》以及國家統計局發布的《中國統計年鑒》《中國城市統計年鑒》等。

1.2.1 碳排放量

為保證數據來源的客觀、嚴謹以及限于數據的可獲取性、連續性等原則，實驗中碳排放量2008～2019年選用中國碳核算數據庫（CEADs），其數據庫采用人工智能算法將夜間燈光數值演化，自上而下的演化出數據，具有尺度統一、全口徑等優點。

1.2.2 碳匯

碳吸收量測算方法利用碳匯估算法進行測量見式（3），以耕地、園地、林地等為主要碳匯用地。

式中CAis—i年s省（市）碳匯量；An—第n類碳匯用地，土地利用面積具體數據來源于國家自然資源部調查成果共享平臺；an—第n類用地碳吸收系數，具體參見表2。

表2 碳匯系數

2 實證分析

2.1 指標相關性分析

對選取變量進行因子分析，KMO檢驗值為0.753，數值在0.7～0.8之間適合做因子分析。巴特利特檢驗的P值小于0.001，拒絕原假設表明各變量間存在相關性可以做相關性分析。表3可以得出變量間總體有著高相關性。其中A、T與L、N、E存在很高的負相關性，其數值達到-0.949、-0.948、-0.959和-0.906、-0.918、-0.947。S與P的相關性為-0.903這說明碳吸收能力與人口有很高的負相關性，也側面說明人類活動與土地利用變化有一定相關性。

表3 相關性矩陣

2.2 碳排放模型的構建

2.2.1 嶺回歸模型

分析發現模型的多重共線性數值均超過了10，嶺回歸可以較好地處理這一問題。嶺回歸模型是一種用于解決共線性問題的有偏估計回歸，防止模型過擬合。使用SPSS軟件根據方差擴大因子法對模型進行估計，當k=0.212時各變量逐漸平穩，擬合優度為R2=0.92。

2.2.2 模型參數確定

將回歸結果與公式（2）結合，計算得到擴展的江蘇省STIPRAT模型見式（3）。

2.3 模型擬合檢驗

2008～2019年江蘇省排放量測算其擬合值與實際排放量結果見表4，誤差值（E）均在10%以內，誤差較小擬合精度良好。

表4 STIPRAT模擬碳排放與實際碳排放量對比

2.4 情景分析和參數設定

為了預估2020～2035年江蘇省碳排放量，從相關政策出發，設定低碳、基準、激進3種情景。設定低增長、中增長、高增長3種變化率來對各影響因素預測，根據江蘇省“十三五”“十四五”規劃等文件并結合學者已有研究，設定具體數值，具體見表5。通過碳排放預測模型測算出2020～2035年江蘇省碳排放總量預測值，根據碳排放預測結果繪制出3種情景模式下碳排放預測如圖1所示。

圖1 江蘇省3種情景下碳排放峰值預測

表5 3種情景下各指標增長情況

通過圖1分析，可以得出江蘇若以低碳模式發展將在2025年達到峰值，若在基準情景下將在2030年達到峰值，峰值分別約為7.5億t和6.8億t。其中低碳情景下2020～2025年期間碳排放量呈緩慢增加的趨勢，達到2025年變開始緩慢下降。基準情景下，2020～2025年基準情景下碳排放量增長較快在2025～2030年期間達到小幅波動狀態趨于平衡，2030年后碳排放開始迅速降低。激進情景下只注重發展經濟而忽略環境保護，截止研究期間2035年碳排放量仍然呈上升趨勢。

3 結論及建議

文中依據擴展的STIPRAT模型探討了碳排放影響因素，并設計了3種不同情景下的江蘇省碳排放預測。根據研究各項指標，得出結論及減排策略。

首先，人口是碳排放的主要影響因子之一，江蘇作為中國的教育強省、高考大省，應強化自身優勢，后續出臺相關人才安居等政策吸引人才和避免人才外流，提高人口質量。其次，在科學發展觀的指引下，政府要對江蘇省內各區域的碳排放進行綜合評價，實現區域間的產業協作和協調發展，將高碳的行業轉移到符合當地資源稟賦的區域并以發展較好的城市輻射周邊。依據區域特有的環境資源、人口資源等，對區域的發展進行比較優勢的識別，從而指導行業的發展。另要有針對性地解決碳排放問題，比如退耕還草，增加城市碳吸收力也是目前有效的碳中和方法。再次，未來應該大力推動新技術、新產業、新業態發展，對城市內軌道交通投放較多的新能源公交車代替燃油車，共享電單車等，形成綠色交通運輸。我國粗放型、高能耗型發展模式也影響著江蘇省的綠色經濟發展，蘇南、蘇北城市之間又有不同的產業結構特征，還需要合理開展碳減排的工作。