紹興市工業碳排放峰值預測及減排策略

□文/李小亮 李朝柱

（浙江農林大學暨陽學院 浙江·諸暨）

［提要］基于2003～2020年時間序列數據，利用GDIM因素分解法、修正STIRPAT模型下的嶺估計以及蒙特卡洛模擬技術，對紹興工業碳排放進行驅動因素經驗分解、演變情景預測與達峰路徑模擬。結果表明：（1）在GDIM分解后的各種因素中，工業增加值、能源消費碳強度和能源消費規模對碳排放一直保持促增效應，而工業產出碳強度、能源強度和煤炭消耗效率為促降效應，技術進步以提高能源利用效率是促進碳減排的關鍵因素；（2）基于嶺回歸方法估計碳排放預測模型，發現人均GDP與CO2排放量存在倒U型關系，當人均GDP為137，132.1元時可達倒U型曲線的最高點，能源消耗總量和能源消耗效率分別對碳排放量增長具有明顯促進和抑制作用；（3）蒙特卡洛模擬下，基本情景和綠色生態情景可以在2030年前達峰，但只有技術升級情景才是達峰的最優路徑，碳減排效果最明顯。

控制溫室氣體排放成為21世紀人類面臨的最大挑戰之一。我國是世界最大的碳排放國，2015年中國在《巴黎協定》上承諾到2030年單位GDP碳排放比2005年降低60%～65%，碳排放總量在2030年達到峰值，2060年實現碳中和。目前，中國工業部門碳排放占到全國碳排放總量的70%以上，因而達峰目標實現的關鍵在于有效控制工業部門的碳排放。浙江省作為長三角一體化建設的主要區域，是制造業比較發達的省份，環境污染和生態環境保護的形勢嚴峻。紹興作為浙江省GDP貢獻四強市，其工業經濟發達且工業增加值明顯。2005～2020年期間，紹興工業能源消耗總量從1，219.53萬噸標準煤增長到1，754.53萬噸標準煤，年均增長率為2.5%，相應的碳排放控制不容忽視。因此，無論是考慮內在發展還是外在影響，識別紹興工業碳排放的驅動因素，并據此預測紹興工業碳達峰路徑，不僅可以為紹興市綠色發展提供減排方案，也為浙江乃至全國碳排放早日達峰做出應有的貢獻。

一、文獻綜述

因素分解法能夠直觀地顯示和量化碳排放變化背后的驅動因素，隨著研究不斷深入，出現了多種具體的指數分解模型，其中對數平均迪氏指數法（LMDI）具有一定的代表性。但是，由于包括LMDI在內的指數分解法都存在一定的局限性，因素間存在形式上的相互依賴性，使得不同分解形式可能產生相悖的分解結論。針對上述缺陷，提出了一個能克服該類缺陷的廣義迪氏指數分解法（GDIM）。國內運用該方法進行研究的學者并不多，國家層面下單一行業的研究主要關注制造業、石化行業、工業和旅游業等領域碳排放的影響因素分解，也有關注京津冀和長江經濟帶等地區碳排放因素分解。省級層面下僅有考慮山東省制造業碳排放的影響因素，少有在地級市層面使用該方法研究碳排放驅動因素。

現有碳排放趨勢預測的主要方法包括多元回歸分析和蒙特卡洛模擬。多元回歸分析主要是基于STIRPAT模型構建多元回歸方程來展現人口、經濟、社會和技術等因素對碳排放的影響。有學者運用拓展的STIRPAT模型對中國工業及其細分行業、省級工業的碳排放達峰進行了情景預測。同時，碳排放與經濟增長之間是否存在非線性關系也受到廣泛的關注，那么利用回歸驗證部門產值與其碳排放的庫茲涅茨曲線（CKC）有較強的現實意義。蒙特卡洛是一種隨機模擬方法，被廣泛應用于模擬不確定性情景。采用蒙特卡洛預測碳排放趨勢時容易將變量假設為離散分布，該設定依賴于主觀選擇，缺乏科學性。將蒙特卡洛模擬與動態情景分析有機結合，才能合理預判不同政策導向下的碳排放趨勢。驅動因素的經驗分解有助于掌握不同因素對碳排放的貢獻，而碳排放預測則可以得到不同情景下的碳排放的變化趨勢，進而制定減排策略。

二、研究方法

（一）紹興工業碳排放測算。參考《IPCC國家溫室氣體清單指南2006》中推薦的基于不同能源種類的核算方法，來估算紹興市工業二氧化碳排放量，公式為：

其中，j=1，…，17表示能源種類，考慮統計年鑒中連續報告的17種化石能源，包括原煤、洗精煤、其他洗煤、焦炭、其他焦炭、焦化產品、焦爐煤氣、其他煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、其他石油制品、煉廠干氣、天然氣；F為終端化石能源消費量（萬噸或億立方米）；CV為平均低位發熱值（千焦/千克或千焦/立方米）；CCF為燃料的碳含量（千克/106千焦）；COF為碳氧化率；44/22表示二氧化碳與碳的分子量之比，即碳轉化成二氧化碳的轉化系數。

（二）碳排放驅動因素分解。指數分解法的思想是將被解釋變量的變化分解成不同因素變化的組合，進而根據不同的分解方法確定權重，以辨別各因素指標的貢獻程度。本文采用GDIM分解法進行研究，該方法構建計算具體可以參考邵帥等（2017）的研究。

指標含義如下：CE為碳排放總量；IA為工業增加值；E為工業能源消費總量；CL為工業煤炭消耗總量；ICA=CE/IA表示工業產出碳強度，ECI=CE/E表示能源消費碳強度，LCI=CE/CL表示煤炭碳強度，IC=IA/CL表示煤炭消耗效率，EI=E/IA表示能源強度。

基于GDIM分解法，將紹興相鄰年份工業碳排放的增量△CE分解為8種效應之和：△CEIA、△CEICA、△CEE、△CEECI、△CECL、△CELCI、△CEIC、△CEEI。其中，△CEIA、△CEE和△CECL三個絕對量因素分別反映工業產出規模變化、能耗規模變化、煤炭消費規模變化對碳排放變化的影響。在相對量因素中，△CEICA反映工業發展的低碳程度，表現為工業碳生產率變化對碳排放變化的影響；△CEECI表示能源使用的低碳程度變化及各種能源間的相互替代程度調整，表現為能源結構變化對碳排放變化的綜合影響；△CELCI反映煤炭消費的低碳程度變化對碳排放變化的影響；△CEIC反映煤炭使用率變化對碳排放變化的影響；△CEEI反映工業生產過程對能源的依賴程度變化對碳排放變化的影響。

（三）修正的STIRPAT模型。York等基于IPAT方法構建隨機STIRPAT模型，表示為：I=aPbAcTdε，這里I、P、A和T分別表示環境因素、人口規模、財產和技術，STIRPAT模型是可拓展的環境影響評估模型，是以多變量為特征的隨機性非線性方法，為消除時間序列不同單位以及非線性影響，首先對原始數據進行對數變換，得到：

拓展上述模型將其應用到碳排放預測分析中，結合以往的預測模型以及紹興工業碳排放GDIM分解的研究結論，紹興工業碳排放的影響因素主要包括人口增長、經濟發展及其二次項、產業結構、能源消耗和技術水平等。在對紹興市工業部門碳排放預測時，選取了人均GDP等5個變量，模型改寫為：

其中，C為碳排放量，以紹興工業部門所產生的碳排放量表示，單位為萬噸；P為人口規模，以年底常住人口表示，單位為萬人；Pgdp為經濟發展水平，以人均生產總值表示，單位為元/人；Ieg為能源消費總量，單位為萬噸標準煤；Icl為工業煤炭消費總量，單位為萬噸；Eff為能源消耗效率，以工業總產值/能源消費總量表示，單位為億元/萬噸標準煤；μ為誤差項。

（四）數據來源。數據來源于《紹興市統計年鑒》，以2005～2020年為樣本區間，其中地區生產總值以2005年不變價格計算。各類能源按折算系數折算為標準煤，計算能源終端消耗量，以測算出各類能源消費產生的碳排放量。

三、碳排放驅動因素分解

本文使用R語言程序對紹興工業碳排放驅動因素進行廣義迪氏指數分解，以2005年為基期，得到2006～2020年各驅動因素的相對貢獻率，分解結果參見表1。（表1）

表1 紹興市工業碳排放驅動因素廣義迪式分解一覽表

通過表1可以看到，在所考察的8個因素中，工業產出水平（IA）、能源消費規模（E）和能源消費碳強度（ECI）對碳排放一直保持促增效應，而工業產出碳強度（ICA）、煤炭消耗效率（IC）和能源強度（EI）一直保持促降效應，煤炭消費量（CL）和煤炭碳強度（LCI）的促增效應和促降效應均有出現。這說明隨著社會經濟的快速發展，紹興工業產出更多的依賴于能源消費進而創造財富，因此紹興工業產出規模的增加導致了大量的能源消耗及相應的碳排放。在技術水平和能源使用效率保持不變的情況下，工業生產過程中存在明顯的“規模效應”，即產出規模、能源消費等規模的不斷擴大將導致碳排放增加。而強度效應（包括工業產出碳強度和能源強度）和效率效應（即煤炭消耗效率）的分解結果則意味著節能減排技術的提高促使碳排放效率得到了一定程度的提升，可以促進工業碳排放減少。

四、紹興工業碳排放及峰值預測

首先基于式（3）進行回歸分析，發現自變量相關系數矩陣的特征值中至少2個接近0，說明自變量之間存在嚴重的多重共線性。采用嶺回歸分析消除多重共線性。根據建立的STIRPAT模型，用R軟件做嶺回歸分析，當k=0.12時嶺跡圖的變化趨近穩定，此時R2=0.983，擬合程度較好。回歸結果如表2所示，IcL和Pop的方程回歸系數不能通過顯著性檢驗（P＞0.05），剔除煤炭總量和人口變量，重新進行擬合，得到的標準嶺回歸方程為：

表2 嶺回歸分析結果一覽表

模型（4）的擬合度系數R2=0.981，說明模型的擬合優度較好。所有解釋變量均通過了0.001顯著性水平檢驗。從各解釋變量的回歸系數來看，人均GDP和能源消耗總量對紹興工業碳排放量的增長具有促進作用。人均GDP平方和能源消耗效率則對碳排放量的增長起到抑制作用。（表2）

五、各情景下峰值預測結果分析

由嶺回歸的結果可知，影響紹興市工業碳排放的主要促增因素是經濟發展水平Pgdp和能源消費總量Ieg。主要促降因素是Pgdp二次項以及能源消耗效率Eff（包含工業產出水平Idu），這些因素的潛在年均變化率（%）會直接影響碳排放量。因此，為預測紹興工業碳排放未來可能的變化趨勢以模擬合理的減排路徑，本文基于各因素歷史的演化趨勢、當前有效政策的實施以及未來減排空間構建了三種情景：基本情景、綠色生態情景和技術升級情景。年均變化率具體見表3。（表3）

表3 2021～2030年三種情景下各因素的潛在年均變化率一覽表（單位：%）

（一）基本情景。基本情景是以紹興工業過去發展特征為基礎，假定當前經濟環境和技術水平保持不變，不采取任何新的碳減排措施，根據紹興工業發展的慣性趨勢外推而得到的可能情景。按照上述的邏輯規律，通過計算2003～2020年歷史數據的年均變化率，以確定2021～2030年各影響因素潛在年均變化率的最小值、眾數值及最大值。

（二）綠色生態情景。當地政府加強對碳排放的約束措施，進一步優化能源消耗結構，能源消費量年均變化率的最小值、眾數值及最大值下降百分點為0.31、0.02、0.49；工業產值和人均GDP有所提升，年均變化率的中位數分別提升3.9和1.32個百分點，年均變化率的最大值分別下降0.8和0.79個百分點。

（三）技術升級情景。技術升級是碳減排的必要途徑，考慮到化石能源使用技術的提升，產業結構升級促進經濟高質量發展等因素，在綠色生態發展情景的基礎上，對工業活動中經濟發展、能源消耗的預期變化率參數進行突出。能源消費量在年均變化率的三參數下降0.1、0.05、1.79個百分點；人均GDP和工業產值提升且趨于穩定，年均變化率的中位數分別提升0.15、0.56，最大值分別下降6.18、7.95個百分點。

基于嶺回歸公式（4）和各因素潛在變化率中最小值、眾數、最大值的設定，利用三角形分布特征使用R軟件對三種情景中的各個影響因素分別進行了10萬次模擬，得到每年潛在碳排放分布的概率密度函數。為了更加清楚地說明三種情景下碳達峰路徑的變化，圖1中呈現了每次模擬重復500次的各概率密度函數峰值的平均值，即出現概率最大的碳排放點。（圖1）

圖1 三種情景下碳排放峰值路徑圖

通過圖1發現，在基本情景下，即不實施任何新的約束政策，紹興工業碳排放將極有可能在2021～2030年先增長后下降，2021年碳排放范圍概率最大值約為721.7萬噸，到2026年工業碳排放可能達峰，此時在753.5萬噸發生的概率最大。2030年碳排放范圍概率最大值約為737.9萬噸。在綠色生態情景下，紹興工業碳排放的增長速度明顯放緩。2021年和2030年碳排放出現概率最大值分別為720.1萬噸和724.6萬噸。到2025年工業碳排放可能達峰，峰值在741.6萬噸發生的概率最大。

技術升級情景下，紹興工業碳排放在2025年可以達峰，峰值最高點為732.0萬噸，2021～2030年期間各峰值點較前兩種情景有明顯下降。由此可見，技術升級創新可以促進紹興工業能源使用效率提升，從而推動工業碳排放提前實現達峰目標。因此，政府加強對工業生產過程減排技術相關研發的投資，可以推動工業低碳技術創新從而進行有效的碳減排。

六、結論及政策啟示

（一）研究結論

1、基于線性預測模型，人均GDP與紹興工業CO2排放量存在倒U型關系，頂點處人均GDP的值約為137，132.1元，在該點左右兩側人均GDP對CO2排放量分別是正影響和負影響。能源消耗總量的上升對碳排放量的增加影響較大，能源消耗效率則對碳排放量的增長起到抑制作用，說明能源的利用效率提升以及產業結構升級改造等因素對控制紹興工業碳排放已起到積極作用。

2、不同情景設定下的碳排放潛在演變路徑存在明顯的差異，三種情景下的基本情景和綠色生態情景下可以實現2030年前工業碳排放達峰的目標，但效果不明顯，碳排放減速較為緩慢。技術升級情景是紹興工業實現減排目標的最優情景，該情景下，紹興工業碳排放在2025年前達峰且逐年增量不明顯，而之后下降速度較為明顯，它為紹興工業碳減排提供了路徑。

（二）政策啟示

1、工業生產水平、能源消費規模和能源消費碳強度是抑制碳排放增加的重要因素。在不影響工業產生水平的同時盡可能控制能源消費規模，這取決于能源結構調整。這種能源結構短期內很難得到有效優化。因此，應加大綠色技術研發投入，加強與周邊區域的協同創新與技術擴散，以促進紹興工業能源效率的提高。

2、當人均GDP越過倒U型的頂點時，它對碳排放具有顯著的抑制作用。這意味著通過加強綠色科技創新力度，以科技驅動經濟綠色發展，紹興可以在經濟穩定增長前提下，實現工業低碳發展。

3、情景預測分析表明，技術升級情景是紹興工業實現減排目標的最優情景。因此，不斷推動清潔能源發展，優化能源消費結構，調整服務產業布局，促進能源消費向清潔低碳轉型，推進經濟綠色可持續發展，為紹興節能減排和高質量發展提供優選路徑。