云南省碳排放驅動因素及碳達峰預測研究

摘 要：實現碳達峰、碳中和是當前我國的一項重要戰略，而云南省“十四五”期間將繼續大力發展工業產業，給全省2030年實現碳達峰帶來較大挑戰。在此背景下，本研究通過構建碳排放與人均GDP、單位GDP能耗、人口規模、工業占比、一次電占比、城鎮化率等影響因素之間的嶺回歸-STIRPAT模型，利用蒙特卡洛方法對云南省2030年碳達峰情況進行情景模擬。研究結果表明：①構建的嶺回歸-STIRPAT模型能夠較好地描述云南省二氧化碳排放量與各影響因子之間的關系，預測偏差大多在5%以內；②2025年后，工業占比將成為影響2030年云南省碳達峰的關鍵因子；③2025年后，適度降低工業占比，云南省2030年基本能實現碳達峰（概率為95.62%），碳峰值為242百萬t左右。

關鍵詞：碳排放；驅動因素；碳達峰；嶺回歸-STIRPAT模型；蒙特卡洛方法；云南省

中圖分類號：X38 文獻標識碼：A 文章編號：1673-9655（2025）01-000-05

0 引言

近期，黨中央、國務院印發《中共中央國務院關于完整準確全面貫徹新發展理念做好碳達峰碳中和工作的意見》（中發﹝2021﹞36號）、《2030年前碳達峰行動方案》（國發﹝2021﹞23號）等重要文件，明確了我國碳達峰時間表、路線圖和施工圖。《云南省國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標綱要》要求：到2025年，全省經濟總量力爭達到全國中位水平，人均地區生產總值超過1萬美元，工業增加值占GDP比重、常住人口城鎮化率大幅提高。如此一來，2030年云南省能否與國家同步實現碳達峰目標將面臨更大挑戰。云南省碳排放及達峰情景分析已有相關研究[1-4]，但在新形勢發展要求下，系統分析云南省碳達峰情況及2030年達峰可能性尤為重要。本研究引入嶺回歸-STIRP模型，建立了云南省碳排放與各影響因素之間的定量關系，然后引入蒙特卡洛方法，模擬了不同情景下2030年碳達峰概率，并給出決策建議，旨在為云南省未來經濟社會發展與碳達峰提供基礎支撐。

1 數據與方法

1.1 數據來源

能源消費量（煤炭、一次電、天然氣、石油等）、經濟社會（人口規模、人均GDP、GDP、工業占比、城鎮化率等）來源于云南省2000—2020年統計年鑒。2025年工業占比、人均GDP等數據引用《云南省國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標綱要》目標指標值。2025年單位GDP能耗數據引用《云南省“十四五”節能減排綜合工作實施方案》要求。

1.2 研究方法

1.2.1 嶺回歸-STIRPAT模型

Dietz和Rosa[5]在1997年修正了IPAT模型，提出了可以完成假設檢驗的隨機模型STIRPAT如下：

式中：a—方程系數；b、c、d—方程的彈性系數，e—方程誤差；I、P、A、T—分別表示環境壓力、人口數量、人均財富和技術。

將式（1）等式兩邊取對數，變為：

參考已有碳排放影響因素的研究[4，6-11]，結合云南省實際情況，本研究選取碳排放量為因變量，選取人均GDP、單位GDP能耗、人口規模、工業占比、一次電占比、城鎮化率作為自變量。

本研究選用嶺回歸進行方程擬合分析。嶺回歸是在最小二乘法選取參數基礎上的改進，相比于離差平方和最小原則選取系數的方法，它為了保證獲得較為貼近實際的參數，犧牲了部分數據信息和預測精度，多用于通過約束長度系數處理線性回歸的多重共線性問題[12-14]。用嶺回歸方法選擇的參數使如下式子達到最小：

式中：β—嶺估計；k—嶺參數，范圍為[0， 1]；Z—單位矩陣（對角線上全為1，其他元素為0）；y—被解釋變量；X—解釋變量。

選擇時需要考慮三個參照標準：一是相對比較穩定，二是嶺回歸得出的系數不能違背經濟含義，三是殘差平方和不會大規模增加。應用SPSS軟件編程進行嶺回歸擬合，根據嶺跡圖確定值范圍，對選取的值進行統計性檢驗，最終確定值。

1.2.2 蒙特卡洛情景模擬

常規的靜態場景（情景）設計具有較強的主觀性，且情景組合情況較少，不能夠有效、客觀地反映出未來發展的各種情況。蒙特卡洛模擬是通過設定基準變量的概率分布，并進行隨機取值和變量隨機組合，然后按照變量之間的關系進行運算，從而得到目標變量分布的一種方法[15-17]。

蒙特卡洛模擬能夠根據相關因素的經驗演變情況，兼顧變量取值的不確定性影響，從而對其未來目標變量取值、變化提供科學精準預測。因此，采用蒙特卡洛模擬對未來云南省碳排放量和達峰情況進行動態預測和分析。本研究中設定各因素（自變量）的增長率/變化率為基準變量，根據蒙特卡洛模擬的基本原理，結合相應文件、規劃設定基準變量取值空間和概率空間（假設呈正態分布），對未來目標取值和概率分布進行預測。本研究的情景設定思路兼顧了云南省國民經濟“十四五”規劃和蒙特卡洛模擬對變量數據的相關要求，既能夠體現現有相關文獻中常見的基于歷史變化趨勢和相關預測資料進行預測的靜態演變邏輯，又能充分考慮各種因素的不確定發展情況，使情景設定更加精細和全面。最終，將各變量的預測數據代入擬合方程公式（2），應用MATLAB編程實現5萬次蒙特卡洛模擬，預測云南省2025、2030和2035年二氧化碳排放量的可能分布情況。

2 結果與討論

2.1 碳排放現狀分析

云南省碳排放大多來自于能源消費產生的二氧化碳氣體，而能源消費活動的二氧化碳氣體排放則主要來源于化石能源的燃燒。二氧化碳排放量計算參考IPCC的研究方法——主流算法：將各類能源消費量與相對應的碳排放系數之積加總求和。煤炭、石油和天然氣的碳排放系數來源于《2010年IPCC國家溫室氣體排放清單指南》的附錄，煤炭、石油、天然氣排放系數分別按0.748、0.585、0.448計算。2000—2012年，云南省二氧化碳排放量總體呈上升趨勢，2012年后有顯著下降趨勢，而后又緩慢增加，2020年二氧化碳排放量為174.84百萬t。歷年二氧化碳排放量見圖1。

2.2 碳排放驅動因子模擬

為評估云南省二氧化碳排放量與經濟社會發展主要指標之間的關系，進一步明確云南省減碳降碳重點方向，基于云南省2000—2020年21年間的相關數據，綜合考慮人均GDP、一次電占比、三產占比、單位GDP能耗、二產占比、人口規模、工業占比、煤炭消耗占比、城鎮化率等影響因素構建的STIRPAT模型顯示：人均GDP、單位GDP能耗、人口規模、工業占比、一次電占比、城鎮化率等是影響云南省二氧化碳排放量的最主要因素，且與碳排放量間存在一定程度的定量關系。

本研究基于SPSS，構建了影響因素人均GDP、單位GDP能耗、人口規模、工業占比、一次電占比、城鎮化率與碳排放量之間的定量關系。

選取了嶺跡路徑趨于基本穩定時的k值（k=0.02）。結果表明，大部分變量的系數是顯著的（p＜0.05）（僅單位GDP能耗p=0.61），R2＞0.98。擬合分析結果顯示，云南省二氧化碳排放量（Y）與人均GDP（Q1）、單位GDP能耗（Q2）、人口規模（Q3）、工業占比（Q4）、一次電占比（Q5）和城鎮化率（Q6）6個主要因素之間的關系為：

其中： （4）

式（4）顯示：二氧化碳排放量與人均GDP、單位GDP能耗、人口規模、工業占比和城鎮化率呈正向關系，與一次電占比呈負向關系，人口規模、工業占比、城鎮化率、一次電占比影響較大，而單位GDP能耗影響較小。為驗證上述二氧化碳排放量與人均GDP、單位GDP能耗、人口規模、工業占比、一次電占比、城鎮化率6個因素之間定量關系的有效性，將2000—2020年間云南省二氧化碳排放量數據與關系式計算值作比較，結果顯示（如表1），基于定量關系式的計算值與歷史排放值較為吻合，僅有2003、2011和2012年偏差在5%～7%，其余年份偏差均在5%以內，表明構建的上述定量關系式能夠較好地描述云南省二氧化碳排放量與各影響因子之間的關系。

2.3 碳達峰情景模擬

相關研究表明[18，19]，一些社會經濟指標增速（變化率）呈現正態分布規律。鑒于此，我們假設人均GDP增量率、人口規模增長率、一次電占比增長率等指標服從normrnd（θ， 0.1*θ）的正態分布規律，均值θ取值參考近十年的指標變化率。根據云南省國民經濟“十四五”規劃等相關要求，2025年人均GDP為69400元/人，工業占比為30%，城鎮化率為60%；根據《云南省“十四五”節能減排綜合工作實施方案》，2025年單位GDP能耗為0.46 t標準煤/萬元。在此規劃情景下，設置2025、2030、2035年各變量的變化空間見表2。

情景一（見圖2）：假設工業占比維持在30%左右時，2025年二氧化碳排放量為237.46±0.00百萬t，碳達峰的概率為5.35%；2030年二氧化碳排放量為267.74±1.07百萬t，碳達峰的概率為29.29%；2035年二氧化碳排放量為281.46±1.07百萬t。

情景二（見圖3）：假設工業占比維持在30%左右，并大力提高一次電占比時，2030年一次電占比為69%左右，2025年二氧化碳排放量為223.63±1.01百萬t，碳達峰的概率為13.27%；2030年二氧化碳排放量為242.26±1.07百萬t，碳達峰的概率為44.51%；2035年二氧化碳排放量為247.15±1.07百萬t。

情景三（見圖4）：2025年后適度降低工業占比，實現二產帶動三產、一產融合發展的局面，2030年工業占比為26%左右，2025年二氧化碳排放量為237.46±0.00百萬t，碳達峰的概率為13.22%；2030年二氧化碳排放量為242.26±1.02百萬t，碳達峰的概率為95.62%；2035年二氧化碳排放量為237.46±1.02百萬t。

從以上分析可知，在現有國民經濟“十四五”等相關規劃基礎之上，2025年后工業占比成為了影響云南省碳達峰的關鍵因子。假設未來仍重點發展工業（工業占比30%左右），即使大力提升一次電占比（2030年提升到69%左右），2030年碳達峰的可能性為44%左右。假設2025年后，適度降低工業占比，以二產帶動三產、一產融合發展，2030年基本上能實現碳達峰，碳峰值為242百萬t左右。

3 結論

（1）二氧化碳排放量與人均GDP、單位GDP能耗、人口規模、工業占比和城鎮化率呈正向關系，與一次電占比呈負向關系，人口規模、工業占比、城鎮化率、一次電占比影響較大，而單位GDP能耗影響較小。構建的嶺回歸-STIRPAT模型預測偏差大多在5%以內（僅三年偏差在5%～7%）。

（2）工業占比是影響云南省碳達峰的關鍵因子。若未來仍重點發展工業（工業占比30%左右），即使大力提升一次電占比（2030年提升至69%左右），2030年碳達峰的可能性為44%左右。2025年后，適度降低工業占比，2030年基本上能實現碳達峰（概率為95.62%），碳峰值為242百萬t左右。

參考文獻：

[1] 蔣昀辰，鐘蘇娟，王逸，等.全國各省域碳達峰時空特征及影響因素[J].自然資源學報，2022，37（5）：1289-1302.

[2] 張曉磊，熊靖波，宋智慧.西南主要省市碳排放自然達峰年限及峰值預測[J].中國產經，2022（7）：42-47.

[3] 唐祎祺.中國及各省區能源碳排放達峰路徑分析[D].杭州：浙江大學，2020.

[4] Zhang XY， Chen YH， Jiang P， et al. Sectoral peak CO2 emission measurements and a long-term alternative CO2 mitigation roadmap： A case study of Yunnan， China[J]Journal of Cleaner Production，2020（247）： 119171.

[5] York R， Rosa E A， Dietz T. STIRPAT， IPAT and ImPACT： analytic tools forunpacking the driving forces of environmental impacts [J]. Ecological Economics，2003，46（3）：351-365.

[6] 王琪. 基于STIRPAT模型的河北省碳排放峰值預測研究[D].北京：華北電力大學，2019.

[7] 蘭延文，郭麗君，李森.碳排放驅動因素分解及碳排放達峰情景分析—以河南省為例[J].能源與環境，2021（6）：7-11.

[8] 姜旭朋，張強，趙文婷，等.西安高新區多情景碳達峰預測及減排路徑分析[J].環境科學：1-13.

[9] 韓遇春，田贏，胡立聰，等.基于STIRPAT模型的連云港地區碳排放影響因素定量分析[J].四川環境，2023，42（4）：74-80.

[10] 謝煜，秦偉.江蘇省碳達峰預測與情景分析——基于STIRPAT模型[J].南京林業大學學報（人文社會科學版），2023，23（3）：54-62.

[11] 郭海兵，孟晨.基于STIRPAT模型的碳排放預測——以連云港市為例[J].城市建設理論研究（電子版），2023（23）：196-198.

[12] 趙鑫.基于STIRPAT模型的河北省碳排放模擬[J].產業與科技論壇，2023，22（10）：36-37.

[13] 劉美君. 長江經濟帶碳排放影響因素及預測分析[D].蚌埠：安徽財經大學，2023.

[14] 康利改，曹紫霖，劉偉，等.基于STIRPAT模型的京津冀“碳達峰”預測研究[J].河北科技大學學報，2023，44（4）：421-430.

[15] 胡榮，王德蕓，馮慧琳，等.碳達峰視角下的機場航空器碳排放預測[J].交通運輸系統工程與信息，2021，21（6）：257-263.

[16] 劉云鵬，王泳璇，王帆，等.居民生活消費碳排放影響分析與動態模擬預測[J].生態經濟，2017，33（6）：19-22.

[17] 魯澤瑜. 北部沿海地區碳排放達峰路徑預測及影響因素研究[D].哈爾濱： 哈爾濱工業大學，2022.

[18] 章剛勇，朱世武. 科技發展目標、Ramp;D資源清查工作與Ramp;D/GDP指標數據的正態分布特征 [J]. 中國軟科學， 2013 （5）： 183-192.

[19] 方正，王杰. 自然與社會環境中的冪律現象和雙帕累托對數正態分布 [J]. 山東科學， 2011， 24 （3）： 1-12.

收稿日期：2024-08-08

作者簡介：秦際平（1995-），女，云南省昭通人，碩士，工程師，主要研究方向為環境規劃與政策。

通信作者：王萬賓（1988-），男，云南省曲靖人，碩士，高級工程師，主要從事環境政策模擬研究。

Abstract： Achieving carbon peak and carbon neutrality was currently an important strategy in China， and Yunnan Province would continue to vigorously develop industrial industries during 2021-2025， which would bring great challenges to achieving carbon peak by 2030. In this context， this study built a ridge regression-STIRPAT model between carbon emissions and factors such as per capita GDP， energy consumption per unit of GDP， population size， the proportion of industry in GDP， primary electricity proportion， urbanization rate， etc.， and used Monte Carlo method to simulate the carbon peak situation in Yunnan Province in 2030. The results showed that the constructed ridge regression STIRPAT model could well describe the relationship between carbon dioxide emissions and various influencing factors in Yunnan Province， with a prediction deviation of around 5% for many years. After 2025， the proportion of industry in GDP would become the key factor affecting the carbon peak of Yunnan Province in 2030. After 2025， if the proportion of industry was moderately reduced， the carbon peak could basically be achieved in 2030 （the probability is 95.62%）， with a carbon peak of about 242 million tons.