基于SSPs的阿克蘇河流域碳排放量趨勢分析
---以未來40年為例

李沛堯王新軍

(1.新疆農業大學資源與環境學院，新疆 烏魯木齊 830052；2.新疆土壤與植物生態過程實驗室，新疆 烏魯木齊 830052)

引言

2018年，聯合國政府間氣候變化專門委員會(IPCC)在《全球1.5°C增暖特別報告》中指出，全球氣溫升高1.5°C將給陸地海洋生態、人類健康、食品安全、經濟社會發展等帶來諸多風險[1]。IPCC為了更好地反映社會經濟發展與氣候情景的關聯，于2010年發布了新的社會經濟情景——共享社會經濟路徑(Shared Socioeconomic Pathways，SSPs)。SSPs描繪了未來經濟社會系統5種不同的發展模式，廣泛應用于人類社會發展與生態系統相互影響的研究中。

我國西部干旱地區約占總陸地總面積的31%，其生態環境脆弱，容易受到人類活動引起的負面影響，進而引發土地荒漠化等生態問題，造成區域內植被、碳吸收大量減少，干旱區生態環境的惡化對我國氣候變暖具有很大貢獻，國家對干旱區生態環境方面的研究越來越重視。

阿克蘇河流域地處干旱區域，生態環境較為脆弱，20世紀70年代開始，多次經歷大規模的土地利用與開發，導致水體污染、沙塵肆虐、河道斷流等問題突出[2]。近年來經過當地政府積極治理與修復，生態環境明顯改善。目前阿克蘇河流域仍處于發展階段，在“雙碳”目標的背景下面臨著眾多挑戰與機遇。

1 研究方法與數據來源

1.1 研究區概況

阿克蘇河流域位于亞歐大陸的腹部地區，中國的西北，地理范圍為E76°21′～81°15′，N39°59′～42°04′，總面積約為5.06×104km2；距離海洋較遠，具有明顯的暖溫帶大陸性干旱氣候特點，干旱少雨，晴朗天氣占大多數，因此流域內光熱資源豐富，年均日照時數在2571～2967h，最長無霜期為295d，多年平均氣溫在10°C左右；年降水量在40～90mm，降水季節變化較大，多集中在夏季，占年降水量的70%左右；地勢北高南低，海拔高度介于890～7380m；主要植被有胡楊、檉柳、梭梭、蘆葦；土壤由于地貌地形復雜，氣候條件獨特，發育的土壤類型較多。

1.2 研究方法

1.2.1 碳排放估算模型

環境壓力控制擴展(Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT)模型是在環境壓力控制模型的基礎上提出的特殊形式，該模型考慮了人口、財富和技術因素各自變動時對環境的單獨影響，消除了同比例變動問題的影響[3]。多用于對碳排放量驅動因素的分析[4]與結合情景對比分析法對區域的碳排放量進行預測，其標準形式：

I=aPbAcTde

(1)

式中，I為環境狀況；P為人口數量；A為經濟發展；T為技術創新；b、c、d分別為3個因素的估計系數；a為模型參數；e為誤差項。該模型是一個多變量的非線性模型，分別對其兩端作對數化處理便得到該模型的線性形式，將式子環境狀況I具體表示為碳排放量，Mt；P表示人口，萬人；經濟發展A表征為人均生產總值(PGDP)，元/人；技術創新T表征為全要素生產率(Total Factor Productivity，TFP)。最終表達式：

lnC=lna+blnP+clnPGDP+dlnTFP+lne

(2)

1.2.2 經濟預測模型

在STIRPAT模型中，因子經濟發展A至關重要，采用柯布-道格拉斯(Cobb-Douglas，C-D)經濟預測模型由美國數學家Cobb和經濟學家Douglas于20世紀初共同提出，該模型廣泛地應用于全球和各國的GDP預測研究[5]，公式：

Y(t)=K(t)αL(t)βTFP(t)

(3)

式中，Y(t)為國內生產總值(GDP)，萬元；L為勞動投入量；K為資本存量；TFP為全要素生產率；t為具體年份；α為資本產出系數(當資本的投入增加1%時，產出平均增長α%)；β為勞動產出系數(當勞動力的投入增加1%時，產出平均增長β%)，通常采用α+β=1不變報酬型。

勞動力投入量(L)：勞動投入量與參與勞動人口數量和參與勞動人口的基本素質有關，因此勞動投入量由各年齡段人口(Working age people，W)(萬人)，各年齡段勞動參與率(Labour force participation rate，LFPR)(%)和受教育程度(H)(無量綱)構成，表達式：

L=∑qH×LFPR(q)×W(q)

(4)

式中，q為工作年齡人口組，分為15～64歲和65歲及以上2組。2個工作人口的年齡組都有各自的勞動參與率(LFPR)。受教育程度(H)公式：

(5)

(6)

式中，MYS為當地平均受教育年限，是將各種受教育人口數量EP折算為受教育年限E相乘并計算平均數得出；在第七次人口普查統計規則的基礎上，將15歲及其以上人口劃分為了6個受教育級別人口數量(q1文盲、q2小學、q3初中、q4高中、q5大專及本科、q6碩士及以上)，則受教育年限折算標準：文盲1年，小學6年，初中9年，高中12年，大專及本科16年，碩士及以上19年，Pmys為15歲及其以上人口數量。

資本存量(K)：指經濟社會在某一時間點上的資本總量，是利用生產函數法對生產總值準確估計的重要變量。以2000年為基準，運用永續盤存法，按不變價格計算阿克蘇河流域資本存量(K)。計算公式：

Kt+1=(1-d)Kt+Ito

(7)

式中，d為折舊率，通常采用10%[6]；I為固定資本形成總額；Ito以初始年份除以10%作為初始資本存量[7]。經計算2010年阿克蘇河流域資本存量為491.60億元。

1.2.3 未來情景參數設定

基于IPCC對SSPs的設定，結合阿克蘇河流域實際情況，對未來40年阿克蘇河流域人口數量P、經濟發展A、技術創新T中設計的相關參數做出以下設定。

資本產出系數α，SSP1～SSP5路徑設定各不相同，眾多學者直接采取IPCC對共享社會經濟SSP1～SSP5路徑的設定[8，9]，結合阿克蘇河流域實際，將代表各地區努力合作高速發展SSP1、SSP5路徑分別資本產出系數設定75年、250年到達0.35、0.45；代表歷史趨勢中間發展的SSP2路徑，資本產出系數150年到達0.35；代表各自發展、聯系不緊密發展的SSP3路徑，于150年達到0.25；代表資本密集型發展的SSP4路徑，于75年到達0.3。

勞動參與率LFPR，通過對第六次人口普查數據整理統計，得出2010年阿克蘇河流域15～64歲勞動參與率為72%，65歲及其以上年齡段勞動參與率為20%。參考Marian Leimbach[9]對SSP1～SSP5情景下15～64歲年齡組設定：SSP5的高經濟增長是由高勞動力參與率支撐的，為80%；在SSP3中與之相反，參與率處于最低端為60%；在SSP1和SSP2中參與率中等，為70%，在SSP4中參與率變化并不強烈，因此假設長期勞動力參與水平略高為75%。65歲及其以上年齡段LFPR保持2010年水平不變，為20%。

在不同情景下，全要素生產率TFP呈現不同的年均增長速率與收斂時間。參考Marian Leimbach[9]的參數設定，假設如下：SSP3路徑的全要素生產率增長趨勢最短(20年)，因為其設定與歷史發展路徑偏差最大的路徑；SSP1、SSP4和SSP5路徑的過渡時間為中等(40年)；SSP2路徑過渡時間最長(75年)。SSP1與SSP2收斂速度相同為0.01；SSP3收斂速度為-0.005；SSP4收斂速度為0.005；SSP5收斂速度為-0.007。具體計算公式：

(8)

(9)

(10)

式中，TFP為當地全要素生產率；TFPL為發達國家全要素生產率；gTFP為初始全要素生產率增長率；t為時間；τ為收斂時間；β為收斂參數。gTFP是從2001—2010年的歷史全要素生產率(TFPhis)增長率的加權平均值，而TFPhis是基于C-D函數及其組成部分GDP(Y)、資本存量(K)、勞動人口數量(L)的歷史數據推算得出。其中TFPL參數的意義是國家層面上追趕發達國家的TFP，因此流域尺度中TFPL可忽略，則式(8)可以轉化為：

(11)

有了未來的TFP、L、α以后，便可以通過資本存量K的遞歸方程計算出每一年資本存量K的值，相關參數推導過程詳見Marian Leimbach[9]的補充文檔，不再贅述。資本存量K的計算公式：

(12)

1.3 數據來源

2 結果與分析

2.1 不同情景下未來40年流域內人口發展變化

通過研究SSPs各框架路徑描述，對31個省份各年齡段出生率、死亡率、遷移率、教育水平進行設定，最終獲得各SSPs下人口數據，但該方法主觀性較大，且對數據要求較高。借助Chen等人口預測數據庫中2011—2017年的新疆SSP1～SSP5的人口數量分別作為因變量，2011—2017年阿克蘇河流域歷史人口數量作為自變量，線性回歸擬合出未來40年阿克蘇河流域人口數量，線性回歸分析結果如表2所示。

SSP1～SSP5各路徑下的R2均大于0.9，擬合程度良好，且自變量流域人口數量p<0.01呈現出顯著性，說明線性回歸擬合效果較好。因此，可認為2020—2060年阿克蘇河流域人口預測結果模型具有較高的準確性。

在SSP1～SSP5路徑下，2020—2060年阿克蘇河流域人口數量均呈上升趨勢，從大到小依次排列為SSP3>SSP2>SSP5>SSP1>SSP4。在2030年以前，5種路徑下流域人口數量差距較小，隨著時間的推移，差距不斷擴大，在2060年SSP3與SSP4路徑下差距最大為36.13萬人，見圖1。

圖1 SSP1～SSP5路徑下阿克蘇河流域人口數量預測結果

將Chen等的SSP1～SSP5路徑下人口數據庫中新疆人口分為2個年齡段人口，分別為15～64年齡段與64歲以上年齡段，可計算出新疆5個SSP1～5路徑中2個年齡段分別所占總人口比例，再將阿克蘇河流域SSP1～SSP5路徑總人口數按照比例分別推算出流域內2個年齡段的人口，結果如圖2a?；谇懊鎸趧尤丝趨⑴c率的假設，將人口與勞動力相乘便可以得出未來40年SSP1～SSP5路徑下阿克蘇河流域勞動人口(W×LFPR)。受教育程度(H)被定義為反映地區的平均受教育水平，因此可直接通過式(5)、(6)計算。通過式(4)，便可獲得勞動力投入量(L)，見圖2b。

圖2 SSP1～SSP5路徑下阿克蘇河流域勞動人口數量和勞動投入量預測結果

阿克蘇和流域再未來40年內勞動人口數量與勞動投入量總體均呈現上升趨勢，其中SSP1、SSP2、SSP4屬于中間水平，SSP5處于較高水平，SSP3處于較低水平。雖然SSP3勞動人口數量增幅較快，但其較低的教育水平發展限制了勞動投入量的增長，因此仍處于較低的發展水平。

2.2 不同情景下未來40年流域內經濟發展變化

通過收集的歷史數據，計算出2000—2016年歷史全要素生產率TFPhis，再根據式(9)獲得流域內的初始TFP增長率gTFP為0.026。按照1.2.3節對未來40年阿克蘇河流域共享社會經濟路徑的設定，便可以計算出未來40年SSP1～SSP5路徑下的全要素生產率TFP，見圖3a，再根據式(12)可以計算獲得未來40年阿克蘇河流域在SSP1～SSP5路徑下的資本存量(K)，見圖3b。

圖3 SSP1～SSP5路徑下阿克蘇河流域全要素生產率TFP和資本存量K預測結果

將以上得到的結果帶入式(3)中，得到未來40年阿克蘇河流域在不同SSP1～SSP5路徑中GDP的發展情況，見圖4。其中，2060年總GDP最高為SSP5路徑，為2498億元，最低為SSP1路徑，為582億元。2020—2060年總GDP變化先升后降，呈倒“U”型發展趨勢的路徑有SSP1、SSP2、SSP3、SSP4。其中，SSP3路徑整體發展最為平緩，SSP1路徑整體發展波動最大；SSP5路徑一直呈上升趨勢。

根據各路徑的趨勢，可將2020—2060年大致分為3個發展階段：2020—2030年初期發展階段，2030—2050年中期發展階段，2050—2060年末期發展階段。

在初期階段，SPP1～SSP5路徑下總GDP變化均呈上升趨勢。其中SSP5路徑中總GDP上升幅度最大，在所有路徑中處于經濟發展最高水平；SSP1、SSP2、SSP4路徑中總GDP上升速率大致相同，在所有路徑中處于經濟發展中等水平；而SSP3路徑上升幅度最大，在所有路徑中處于經濟發展最低水平。

在中期階段，各路徑總GDP變化趨勢各不相同。其中SSP5路徑一直在穩定上升，依舊能保持較高的經濟發展水平；其余路徑隨著時間的推移，上升幅度開始變緩，直到2041年時，SSP1路徑達到總GDP頂點，峰值為1169億元，隨后便開始呈現下降趨勢，SSP3、SSP4路徑緊隨而后，均在2043年達到總GDP頂點，峰值分別為955億元、1192億元，隨后開始呈現下降趨勢。

在末期階段，除SSP5路徑外，其余路徑下總GDP變化均呈下降趨勢。而前期發展水平處于中間的SSP1路徑，將在2053年與一直處于低水平發展的SSP3路徑相交，當時的GDP值為872億元，并隨著時間的推移持續下降，成為總GDP最低發展的路徑，最低值為583億元。

2.3 不同情景下未來40年流域內碳排放量變化

2.3.1 環境壓力控制擴展模型檢驗

運用Eviews 8.0軟件處理2005—2017年阿克蘇河流域時間序列數據，該時間序列數據包含碳排放量、人口、人均GDP和TFP，隨后對數據進行取對數操作，消除其量綱對數據的影響。為了防止存在高度相關數據，擬合出現謬誤回歸現象，需要對數據進行擴張的迪基-福勒檢驗(Augmented Dickey-Fuller test statistic，ADF檢驗)[12]，得出數據在一階差分情況下平穩，采用兩步綜合法(Engle-Grange two-stage Method，E-G兩步法)進行處理。

通過E-G兩步法得到的殘差項ADF檢驗結果t值為-3.739，小于在1%的顯著性水平t值-2.708，因此拒絕原假設，殘差序列無單位根且為平穩序列，碳排放量與人口數量、人均GDP、TFP之間存在協整關系，即非偽回歸，具有統計分析的意義，結果如表3所示。

表3 回歸分析結果

由表3可知，所選取的主要解釋變量對碳排放量的作用都是顯著的，影響阿克蘇河流域碳排放量增長最主要的因素是人均GDP，說明當地碳排放量主要是由于經濟增長所致，與主流結果相符。因此阿克蘇河流域構建的環境壓力控制擴展模型公式如下：

lnC=1.80×lnPGDP-2.24×lnP-1.05×lnTFP

(13)

2.3.2 未來40年碳排放量

將計算出的SSP1～SSP5路徑中人口、經濟數據分別帶入式(1)中得到SSP1～SSP5路徑下的碳排放量，見圖5。阿克蘇河流域在不同路徑下2020—2060年流域碳排放量在時間尺度上分為3個梯度水平：持續增長趨勢的高水平SSP5，先上升至峰值后下降趨勢的中等水平SSP1、SSP2、SSP4，波動下降趨勢的低水平SSP3。其中，SSP1路徑碳達峰將在2035年達成，峰值為17.19MtC；SSP2路徑碳達峰將在2041年達成，峰值為17.47MtC；SSP3路徑采取自給自足的發展方式，經濟發展緩慢，教育與技術開發投資減少，導致碳排放量持續下降；SSP4路徑碳達峰將在2033年達成，峰值為16.80MtC；而SSP5路徑碳排放量持續增長，因此無碳排放峰值，無碳達峰時間。

2.3.3 未來40年阿克蘇河流域碳達峰目標分析

以2000年為初始時間，分別將2000—2060年流域內碳排放量、GDP逐年累計相加，計算出2020—2060年累積碳排放量與累積GDP數據，見圖6，在不同路徑下累積碳排放量與累積GDP具有大致相同的趨勢。

圖6 2010—2060年阿克蘇河流域累積碳排放量與累積GDP

若阿克蘇河流域為了盡早實現碳達峰(碳排放量達到峰值)這一目標，應選擇SSP3路徑，但SSP3路徑是以限制社會經濟發展為代價進而減少碳排放量。

根據阿克蘇河流域累積GDP數據顯示，若在2030年前碳排放量達到峰值，選擇了SSP3路徑，在2030年累積GDP將相比于其他路徑減少15.66%～23.84%。

若選擇SSP1路徑，則在2030年累積GDP分別比SSP3路徑增長20.60%、18.95%，但完成碳達峰時間節點為2033年，比預計完成碳達峰目標延后3年，也就意味著，未來10年內流域內各縣市需要對經濟進行縮減或增加流域內的技術創新投入，否則無法完成碳達峰目標，但設定上SSP1路徑已是最為“綠色”的道路，技術創新大量投入清潔能源中，因此只能對經濟發展進行縮減。

若選擇SSP4路徑，碳達峰時間為2035年，比預計完成碳達峰目標延后5年，需在SSP1路徑減排方法的基礎上，再次加大減排力度，否則無法在2030年前完成碳排放目標。

而選擇基于歷史發展狀況的SSP2路徑，其碳排放量達到峰值時間在2041年，嚴重超出預計目標時間，并且在2030年累積GDP僅比SSP3路徑增長18.57%，低于SSP1、SSP4路徑。

SSP5路徑在2030年比SSP3路徑累積GDP增長31.30%。SSP5路徑發展方式為先高速發展，再對健康、教育、和技術創新等大量投資，擬在2100年成功遏制碳排放量，因此SSP5路徑不適用于完成2030年碳達峰目標，并且在未來40年持續上升，無碳排放量峰值，不考慮此路徑。

3 討論與結論

3.1 討論

由于目前學者針對共享社會經濟路徑的主要研究尺度多于國家[13]、行業部門[14]、省級[15]，對流域尺度的研究以及結合SSPs的流域經濟、人口預測均處于空白階段，可供參考的實例研究較少，因此對所使用的預測方法進行討論。

在人口數量預測上采用建立回歸模型的方法，雖然R2較高，但對比高精度預測模型來說仍稍顯不足，然而人口數量受多種因素影響，追求過高精度反而會導致數據失真。而經濟預測中資本系數α與全要素生產率TFP是通過SSPs的國家層面的參數設定推算，這意味著阿克蘇河流域各縣市在未來的發展部分參數是全國平均水平，導致經濟預測數據可能會被高估，因此后續可在干旱區流域尺度上的SSP1～SSP5路徑進行參數優化，提高模型準確度。

3.2 結論

未來40年阿克蘇河流域在SSP1～SSP5路徑下人口數量均呈上升趨勢。人口數量從大到小依次排列為SSP3>SSP2>SSP5>SSP1>SSP4的趨勢。各路徑下勞動人口數量與勞動投入量總體均呈現上升趨勢，SSP1、SSP2、SSP4屬于中間水平，SSP5處于較高水平，SSP3處于較低水平。

未來40年阿克蘇河流域在SPP1～SPP5路徑下總GDP變化呈上升趨勢。SSP5路徑一直呈持續穩定上升趨勢；SSP1～SSP4路徑均呈現倒“U”型發展趨勢；SSP1路徑在2041年時達到總GDP頂點，峰值為1169億元；SSP3、SSP4路徑2043年達到總GDP頂點，峰值分別為955億元、1192億元。

未來40年阿克蘇河流域基于共享社會經濟路徑下的碳排放量整體大小排列為SSP5>SSP1、SSP2、SSP4>SSP3。SSP5路徑呈持續增長趨勢；SSP1、SSP2、SSP4路徑呈先上升至峰值后下降趨勢；SSP3路徑呈波動下降趨勢。阿克蘇河流域最早完成碳達峰目標的首選是SSP3路徑；而SSP1、SSP4路徑，需要額外對經濟進行縮減或增加流域內的技術創新投入，才能在2030年完成碳達峰目標，其中SSP1路徑相對容易，不會對經濟發展造成嚴重阻礙；而SSP5路徑下經濟發展最大化，無法在2030年達成碳達峰目標。