基于擴展STIRPAT 模型的湖州市能源碳排放主導因素識別

芋耀賢， 陳洪銀， 王松岑， 霍永鋒， 郭 毅，金 璐， 譚將軍， 邵 越

（1.電網安全全國重點實驗室，北京 100192； 2.中國電力科學研究院有限公司，北京 100192；3.國網浙江省電力有限公司湖州供電公司，浙江 湖州 313000）

0 引言

隨著全球環境的惡化，減少二氧化碳排放已成為全世界共識。近年來，我國已成為世界上最大的二氧化碳排放國[1]。為了促進環境改善，承擔大國責任，展現大國擔當，我國提出碳達峰、碳中和目標，致力發展低能耗、低污染、低排放的低碳經濟，建設資源節約型和環境友好型社會[2]。為了實現“雙碳”目標，急需對碳排放主導因素進行分析，明確碳排放主要來源，制定更加科學合理的減排技術方案，成為目前碳減排工作的重心。

當前眾多研究人員圍繞我國整體、區域及省級等多層面的碳排放進行測算，以及影響因素進行分析研究。在國家層面，WANG Can 等[3]采用對數均值迪士分解方法（LMDI）對我國碳排放影響因素進行分解，結果發現能耗強度是抑制我國二氧化碳排放的最重要因素。范德成等[4]基于PSO-BP 神經網絡模型，以及渠慎寧等[5]采用STIRPAT 模型對我國碳排放峰值進行預測，結果均顯示，在2030 年我國基本實現碳達峰目標。在區域層面，謝雨心[6]采用LMDI 模型分析了長三角地區高能耗行業能源消費量驅動因素，結果表明，產業規模和能耗強度是影響長三角地區碳排放的主導因素，結合情景模擬，預測長三角地區能源消費發展趨勢，并提出相應減排建議。趙祺等[7]利用投入產出模型測算長三角區域隱含碳排放量，并基于SDA 結構分解方法分析發現，能源結構和能耗強度對隱含碳排放量負向作用更大。張咪[8]對京津冀地區電力工業碳排放建立LMDI 模型，發現經濟、人口、輸配電損失為正向影響因素，而產業電耗強度、發電煤耗等為負向影響因素。在省級層面上，王長建等[9]基于擴展STIRPAT 模型分析廣東省能源消費碳排放的主要驅動因素為經濟增長率、固定資產投資及工業發展。趙慈等[10]基于STIRPAT 模型理論預測浙江省碳排放峰值，分析發現人口、能源結構及人均GDP 為浙江省碳排放主要影響因素。在市級層面，研究人員開展了全面或相關行業的碳排放預測及因素分析，但是需要加強深度和廣度等方面研究[11-12]。市縣是落實國家相關政策的關鍵層級，也是落實碳達峰行動方案的主體，然而由于不同地區的發展定位和發展階段存在明顯差異，因此為了保證各縣市制定科學合理可行的碳達峰方案，必須研究不同地區的碳排放特征，明確碳排放主導因素。

基于上述研究，本研究以浙江省湖州市2007—2020 年主要能源消費數據為依據，采用排放因子法計算主要能源消費碳排放量，基于擴展STIRPAT 模型研究方法，運用嶺回歸分析，測算2007—2020 年湖州市能源消費碳排放，并結合變量投影重要性分析法對湖州市能源碳排放主要驅動因素識別分析，為湖州市高質量發展和生態文明低碳城市建設提供參考。

1 研究方法

1.1 STIRPAT 模型理論

STIRPAT 模型由經典Kaya 恒等式（IPAT 模型）改造而成，IPAT 模型作為因素分解技術研究方法的基本框架用于解釋技術、人口等因素對環境壓力的影響效益[13]。由于IPAT 模型原假設為不同影響因素對環境影響效益一致，不能較好解釋不同情況下人口、富裕程度，以及技術對環境影響情況[14]。YORK R 等[15-16]指出IPAT 存在的局限性并對此模型改進后提出隨機回歸影響模型，即STIRPAT 模型。其表達基本形式

式中I、P、A、T——環境壓力、人口、富裕度、技術水平

a——模型系數

b、c、d——P、A、T的彈性系數

e——模型誤差

經對數處理后得到

為研究湖州市能源碳排放量的主導因素，采用擴展的STIRPAT 模型進行深入研究，在引入經濟、人口等因素的同時，綜合考慮經濟、產業等宏觀因素的影響，將技術因素T擴展為能源結構、單位產值能耗和產業結構。

近年來湖州市積極發展低碳生態農場，大量引入低碳農業生產技術、先進農機裝備，在獲得最大可持續產量的同時，最大程度減少能源消費和污染物排放。雖然農業所產生的碳排放在碳排放總量中占比較少，但其所擁有的減排潛力及對化石燃料碳排放的抵消作用不可忽視[17]。湖州市充分發揮農業資源優勢，大力推進“牧光互補”“漁光互補”等低碳發展模式，探索綠色低碳共同富裕發展路徑，實現農業固碳減排。由此在技術因素中增加湖州市農業增加值占全市生產總值比例和湖州市農業機械總動力兩特征，共同構建適合湖州市的能源碳排放測算模型，為識別湖州市能源消費碳排放主導驅動因素做鋪墊。具體公式為

式中C——湖州市能源碳排放量，萬t CO2

P——湖州市總人口數量，萬人

A——湖州市人均GDP，元/人

Es——能源消費結構，%

I——單位產值能耗，萬元/萬t 標準煤

T——農業增加值占全市生產總值比例，%

G——農業機械總動力，萬kW·h

Is——產業結構，%

b、c、d、e、f、g、h——各指標的彈性系數

ε——誤差項

1.2 嶺回歸估計

在實際研究過程中，STIRPAT 模型中自變量在回歸過程中可能會存在多重共線性問題。多重共線性為多元回歸模型中的自變量之間存在相近的線性關系，它的存在會使模型的精確度大幅度下降，穩定性降低[18]。嶺回歸是一種專門用于解決共線性問題的有偏估計回歸方法，其實質為改良的最小二乘估計法[19]。一般多元回歸分析的（矩陣）形式可以表示為

普通情況下，采用最小二乘法求解上述回歸問題的目標為將式（4）最小化。即

嶺回歸則是在原來的最小二乘估計中添加一個懲罰項。最終為

式中k——待求參數

式（6）稱為關于嶺參數k的嶺回歸估計。嶺回歸分析是對最小二乘回歸分析的一種補充，它通過損失無偏性來獲取較高的數值穩定性，從而得到較高的計算精度。

1.3 變量投影重要性

變量投影重要性（VIP值）是一種基于偏最小二乘回歸方法的變量篩選技術，當樣本容量較小，并且多個自變量之間存在較強的相關性時，VIP值通過相關自變量綜合的主成分來描述自變量對因變量的解釋能力，并以此能力大小篩選自變量[20]。

設因變量y，自變量x1，x2，……，xm，對第j個自變量，其VIP值為

式中m——自變量個數

ah——相關自變量提取的主成分

r(y，ah)——因變量和主成分的相關系數

whj——自變量在主成分上的權重變量投影重要性為自變量對模型解釋的重要性程度，自變量VIP值之間的差異能夠反映自變量對因變量解釋能力的差異，其VIP值越大，則可認為該自變量的解釋能力越強[21]。若各自變量對因變量的解釋能力相同，則各自變量的VIP值均為1，當自變量的VIP值>1，可認為該自變量對因變量的解釋能力較強。

1.4 數據來源及說明

湖州市能源消費碳排放數據是通過排放因子法，按照《國家溫室氣體清單指南》和《省級溫室氣體清單編制指南》的推薦值計算得出。其余2007—2020 年湖州市人口數量、GDP、第二產業附加值、農業增加值、農業機械總動力等數據均來自歷年《浙江省統計年鑒》和《湖州市統計年鑒》。

2 結果與討論

2.1 能源消費結構及碳排放情況

由圖1 可知，湖州市主要能源消費種類為原煤、焦炭、汽油、柴油、燃料油和電力，消費總量整體呈降低-升高-降低的變化趨勢，2018 年達到峰值，為8 825 562.776 t 標準煤。另外原煤和電力是湖州市的主要能源，分別占70%和20%左右。2007—2020 年，原煤的比例逐漸降低，由85.91%減少至72.26%，而電力在能源供應中的比例明顯增長，由11.83%增加至26.98%。這與湖州市積極推動能源供應和消費方式變革、調整優化能源結構有關。在“十二五”和“十三五”期間，湖州市不斷加大重點能源項目建設，完善能源基礎設施，著力控制煤炭等能源消費總量，加快發展光伏、風電等清潔能源。

圖1 2007—2020 年湖州市主要能源消費結構Fig.1 Major energy consumption structure of Huzhou City from 2007 to 2020

由圖2 可知，2007—2020 年湖州市能源消費碳排放總量總體也呈降低-升高-降低的變化趨勢，年均增長率4.49%，其中2012 年排放總量最低2 138.82 t CO2，2019 年達到峰值3 024.26 t CO2，這基本與湖州市能源消費情況對應。主要原因：前期，社會經濟高速發展，能源消費量增加，碳排放量上升；后期，湖州市推進能源強度和能源消費總量“雙控”政策，加快傳統產業轉型升級，發展清潔能源和節能技術，提高能源利用效率，擴大可再生能源在社會能源供應中的比例，進而降低了全社會的碳排放量。此外，湖州市在農業方面推進生態循環農業建設，構建農牧結合等新型農作制度，實現綠色生態、低污染、高附加值的新型農業生產模式，提高了農村清潔能源利用率。

圖2 2007—2020 年湖州市能源碳排放量總量變化Fig.2 Changes in total energy carbon emissions in Huzhou City from 2007 to 2020

2.2 變量相關性

由于進行因子分析的變量需具備相關性，因此需對選定的7 個變量進行相關性分析，KMO 檢驗和巴特利特球度檢驗結果如表1 所示。

表1 KMO 和巴特利特球度檢驗結果Tab.1 Results of KMO and Bartlett's test of sphericity

據KMO 檢驗度量標準，KMO值越接近1，說明越適合進行因子分析，0.8～0.9 為適合，0.6～0.7 為勉強適合，<0.5 則不適合進行因子分析。由表1 可知，KMO值0.721，故此7 個變量適合進行因子分析，并且巴特利特球度檢驗的P值明顯<0.001，拒絕原假設，可進行因子分析。

相關性分析發現，人口數量、人均GDP、能源結構、單位產值能耗、農業增加值占全市生產總值比例、農業機械總動力和產業結構與湖州市能源消費碳排放量的相關性系數分別為0.687、0.567、-0.517、0.518、-0.775、-0.782 和-0.678。各變量均在0.05 級別內相關性顯著，其中人口數量、人均GDP、單位產值能耗分別與能源消費碳排放量呈顯著正相關，能源結構、農業增加值占全市生產總值比例、農業機械總動力和產業結構分別與能源消費碳排放量呈顯著負相關。

2.3 模型構建

將原數據進行自然對數變換，采用能夠克服變量之間多重共線性的具有偏估計的嶺回歸進行模型擬合。根據式（6），需進行參數k的選取。嶺跡圖可用于選擇變化逐漸平穩時的嶺回歸系數。由圖3 可知，當k增加時，lnI、lnT、lnG和lnIs逐漸穩定為負值，從嶺回歸分析角度看，lnI、lnT、lnG和lnIs可看作對lnC有負向影響的因素；從全局來看，這些變量的嶺跡線基本清晰可見，并且均隨k增加而逐漸穩定，由此可選擇一個適當的k值。本研究選擇k=0.12，此時各個變量的回歸系數均逐漸趨于穩定，并以此構建標準化回歸方程。

圖3 嶺跡圖Fig.3 Ridge trace map

嶺回歸結果表明，此模型擬合R2為0.812，F檢驗顯著性<0.01，模型擬合程度較好。k=0.12 時的標準化回歸方程為

將式（8）進一步變換后得到

由回歸結果可知，人口數量、人均GDP、能耗結構、單位產值能耗、農業增加值占全市生產總值的比例、農業機械總動力和產業結構對湖州市能源消費碳排放量的影響系數分別為2.44、0.02、0.24、-0.16、-0.32、-0.62 和-0.45，說明上述因素每增加1%，相應能源消費碳排放量將分別增加2.44%、0.02%、0.24%、-0.16%、-0.32%、-0.62%和-0.45%。

利用2007—2020 年湖州市實際碳排放量與基于模型的理論值進行對比，結果如圖4 所示，真實值與理論值誤差對比如表2 所示。各年份的理論值與實際值相對誤差的絕對值均<10%，平均相對誤差3.59%，處于可接受范圍之內，說明模型的擬合效果較好，準確率較高。由圖4 可知，理論值與實際值變化趨勢總體近似，可以較好地反映未來湖州市能源消費碳排放量情況。

表2 2007—2020 年湖州市能源碳排放實際值與預測值誤差對比Tab.2 Comparison of error between actual value and forecast value of energy carbon emission in Huzhou City from 2007 to 2020

圖4 2007—2020 年湖州市實際碳排放值與模型擬合碳排放值Fig.4 Actual carbon emission values and model fitting carbon emission values in Huzhou City from 2007 to 2020

2.4 主導因素識別

因子分析的本質是主成分分析，主成分分析法作為一種線性降維算法用于衡量數據的差異性，并將差異性較大的數據轉至低維空間表示。由表3 可知，提取1 個綜合變量便可充分解釋7 個變量對湖州市能源碳排放量的影響，其中1 個綜合變量的方差累計貢獻率達到83.211%。

表3 總方差解釋Tab.3 Total variance explained

根據變量投影重要性分析計算可得，各解釋變量人口數量、人均GDP、能源結構、單位產值能耗、農業增加值占全市生產總值比例、農業機械總動力和產業結構的VIP值分別為0.766 296、0.842 25、0.831 936、1.015 86、1.083 96、1.438 49 和0.857 387。其中單位產值能耗、農業增加值占全市生產總值比例及農業機械總動力3 個變量的VIP值均>1，說明它們對湖州市能源消費碳排放呈現較強的解釋能力。

由模型擬合影響系數可以看出，能源消費結構、單位產值能耗、農業增加值占全市生產總值比例、農業機械總動力和產業結構對湖州市能源消費碳排放有良好的解釋能力，并且可視為主導因素，但其余變量對湖州市能源消費碳排放的影響也不容小覷。

2.5 討論

（1）湖州市能源消費碳排放量總體呈降低-升高-降低的變化趨勢。盡管湖州市在推動能源清潔、高效、安全和可持續發展等方面取得了良好的成績，但是由于城鄉居民收入水平快速增長，農村電氣化建設全面推進等導致在生活消費、交通運輸、電力消費等方面的需求也持續增長，從而增加了湖州市能耗碳排放。2019 年湖州市提出以生態+電力為路徑，大力推進能源生產和消費革命，以求在能源消費、生產生活方面進一步實現低碳環保、智能高效的生態模式。但是鑒于煤炭等化石能源仍然是湖州市主要能源消耗的現狀，為了實現碳中和目標，湖州市仍需優化能源結構，充分利用自身資源優勢，大力發展“屋頂光伏”“農光互補”等，有序推進風電、生物質能利用，實現清潔能源多元化發展。還需要推進煤電機組等的清潔改造，提高電力消費比例等。

（2）近年來，湖州市十分重視能源結構優化，不僅在能源供應方面實現清潔生產，如煙氣超低排放，并且大力推廣電能替代、煤改氣和油改氣等，促進消費端清潔化。在農業領域，湖州市努力拓展農業功能，推動產業協調發展，激發農業發展活力，2015—2020年，湖州市農林牧漁業增加值由129.25 億元提高到149.47 億元，年均增長率2.95%。同時，為建立低碳農業生產方式，湖州市不僅加快節能環保農機的應用，還因地制宜大力推廣多種低碳互補農業模式，合理利用生物質能，發展沼氣發電，減少農業領域對化石燃料的需求。這些措施都在為優化能源消費結構，降低能源消費碳排放而努力。

（3）根據模型可以預測，未來幾年，隨著可再生能源不斷發展，各種“低碳+”生態發展模式的推廣，湖州市總體能源消費碳排放將呈現緩慢增長趨勢并最終達到峰值。

3 結束語

基于經典Kaya 恒等式（IPAT 模型），采用擴展STIRPAT 模型，對2007—2020 年浙江省湖州市能源消費碳排放進行測算，并對影響湖州市能源消費碳排放主導因素進行了識別分析。

（1）人口數量、人均GDP 和單位產值能耗對湖州市主要能源消費碳排放量呈正向影響，而能源結構、農業增加值占全市生產總值比例、農業機械總動力和產業結構呈負向影響。

（2）湖州市主要能源消費碳排放STIRART 模型理論值與真實值較吻合，平均相對誤差3.59%。

（3）能源結構、單位產值能耗、農業增加值占全市生產總值比例、農業機械總動力和產業結構是影響湖州市能源消費碳排放的主導因素。為了降低能源消費碳排放，湖州市需要在各方面作出行動，能源結構優化轉型刻不容緩，不僅是能源消費量較大的行業，對于農業等行業也需同樣重視。