□文/李小亮 李朝柱

（浙江農(nóng)林大學暨陽學院 浙江·諸暨）

［提要］基于2003～2020年時間序列數(shù)據(jù)，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(shù)，對紹興工業(yè)碳排放進行驅(qū)動因素經(jīng)驗分解、演變情景預測與達峰路徑模擬。結(jié)果表明：（1）在GDIM分解后的各種因素中，工業(yè)增加值、能源消費碳強度和能源消費規(guī)模對碳排放一直保持促增效應(yīng)，而工業(yè)產(chǎn)出碳強度、能源強度和煤炭消耗效率為促降效應(yīng)，技術(shù)進步以提高能源利用效率是促進碳減排的關(guān)鍵因素；（2）基于嶺回歸方法估計碳排放預測模型，發(fā)現(xiàn)人均GDP與CO2排放量存在倒U型關(guān)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(tài)情景可以在2030年前達峰，但只有技術(shù)升級情景才是達峰的最優(yōu)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(zhàn)之一。我國是世界最大的碳排放國，2015年中國在《巴黎協(xié)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(xiàn)碳中和。目前，中國工業(yè)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(xiàn)的關(guān)鍵在于有效控制工業(yè)部門的碳排放。浙江省作為長三角一體化建設(shè)的主要區(qū)域，是制造業(yè)比較發(fā)達的省份，環(huán)境污染和生態(tài)環(huán)境保護的形勢嚴峻。紹興作為浙江省GDP貢獻四強市，其工業(yè)經(jīng)濟發(fā)達且工業(yè)增加值明顯。2005～2020年期間，紹興工業(yè)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(yīng)的碳排放控制不容忽視。因此，無論是考慮內(nèi)在發(fā)展還是外在影響，識別紹興工業(yè)碳排放的驅(qū)動因素，并據(jù)此預測紹興工業(yè)碳達峰路徑，不僅可以為紹興市綠色發(fā)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(yīng)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(qū)動因素，隨著研究不斷深入，出現(xiàn)了多種具體的指數(shù)分解模型，其中對數(shù)平均迪氏指數(shù)法（LMDI）具有一定的代表性。但是，由于包括LMDI在內(nèi)的指數(shù)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(chǎn)生相悖的分解結(jié)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(shù)分解法（GDIM）。國內(nèi)運用該方法進行研究的學者并不多，國家層面下單一行業(yè)的研究主要關(guān)注制造業(yè)、石化行業(yè)、工業(yè)和旅游業(yè)等領(lǐng)域碳排放的影響因素分解，也有關(guān)注京津冀和長江經(jīng)濟帶等地區(qū)碳排放因素分解。省級層面下僅有考慮山東省制造業(yè)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(qū)動因素。

現(xiàn)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(gòu)建多元回歸方程來展現(xiàn)人口、經(jīng)濟、社會和技術(shù)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(yè)及其細分行業(yè)、省級工業(yè)的碳排放達峰進行了情景預測。同時，碳排放與經(jīng)濟增長之間是否存在非線性關(guān)系也受到廣泛的關(guān)注，那么利用回歸驗證部門產(chǎn)值與其碳排放的庫茲涅茨曲線（CKC）有較強的現(xiàn)實意義。蒙特卡洛是一種隨機模擬方法，被廣泛應(yīng)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(shè)為離散分布，該設(shè)定依賴于主觀選擇，缺乏科學性。將蒙特卡洛模擬與動態(tài)情景分析有機結(jié)合，才能合理預判不同政策導向下的碳排放趨勢。驅(qū)動因素的經(jīng)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(yè)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(yè)二氧化碳排放量，公式為：

其中，j=1，…，17表示能源種類，考慮統(tǒng)計年鑒中連續(xù)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(chǎn)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(fā)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(zhuǎn)化成二氧化碳的轉(zhuǎn)化系數(shù)。

（二）碳排放驅(qū)動因素分解。指數(shù)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(jù)不同的分解方法確定權(quán)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(gòu)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(yè)增加值；E為工業(yè)能源消費總量；CL為工業(yè)煤炭消耗總量；ICA=CE/IA表示工業(yè)產(chǎn)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(yè)碳排放的增量△CE分解為8種效應(yīng)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(yè)產(chǎn)出規(guī)模變化、能耗規(guī)模變化、煤炭消費規(guī)模變化對碳排放變化的影響。在相對量因素中，△CEICA反映工業(yè)發(fā)展的低碳程度，表現(xiàn)為工業(yè)碳生產(chǎn)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(diào)整，表現(xiàn)為能源結(jié)構(gòu)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(yè)生產(chǎn)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(gòu)建隨機STIRPAT模型，表示為：I=aPbAcTdε，這里I、P、A和T分別表示環(huán)境因素、人口規(guī)模、財產(chǎn)和技術(shù)，STIRPAT模型是可拓展的環(huán)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(shù)據(jù)進行對數(shù)變換，得到：

拓展上述模型將其應(yīng)用到碳排放預測分析中，結(jié)合以往的預測模型以及紹興工業(yè)碳排放GDIM分解的研究結(jié)論，紹興工業(yè)碳排放的影響因素主要包括人口增長、經(jīng)濟發(fā)展及其二次項、產(chǎn)業(yè)結(jié)構(gòu)、能源消耗和技術(shù)水平等。在對紹興市工業(yè)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(yè)部門所產(chǎn)生的碳排放量表示，單位為萬噸；P為人口規(guī)模，以年底常住人口表示，單位為萬人；Pgdp為經(jīng)濟發(fā)展水平，以人均生產(chǎn)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(yè)煤炭消費總量，單位為萬噸；Eff為能源消耗效率，以工業(yè)總產(chǎn)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(shù)據(jù)來源。數(shù)據(jù)來源于《紹興市統(tǒng)計年鑒》，以2005～2020年為樣本區(qū)間，其中地區(qū)生產(chǎn)總值以2005年不變價格計算。各類能源按折算系數(shù)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(chǎn)生的碳排放量。

三、碳排放驅(qū)動因素分解

本文使用R語言程序?qū)B興工業(yè)碳排放驅(qū)動因素進行廣義迪氏指數(shù)分解，以2005年為基期，得到2006～2020年各驅(qū)動因素的相對貢獻率，分解結(jié)果參見表1。（表1）

表1 紹興市工業(yè)碳排放驅(qū)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(yè)產(chǎn)出水平（IA）、能源消費規(guī)模（E）和能源消費碳強度（ECI）對碳排放一直保持促增效應(yīng)，而工業(yè)產(chǎn)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(yīng)，煤炭消費量（CL）和煤炭碳強度（LCI）的促增效應(yīng)和促降效應(yīng)均有出現(xiàn)。這說明隨著社會經(jīng)濟的快速發(fā)展，紹興工業(yè)產(chǎn)出更多的依賴于能源消費進而創(chuàng)造財富，因此紹興工業(yè)產(chǎn)出規(guī)模的增加導致了大量的能源消耗及相應(yīng)的碳排放。在技術(shù)水平和能源使用效率保持不變的情況下，工業(yè)生產(chǎn)過程中存在明顯的“規(guī)模效應(yīng)”，即產(chǎn)出規(guī)模、能源消費等規(guī)模的不斷擴大將導致碳排放增加。而強度效應(yīng)（包括工業(yè)產(chǎn)出碳強度和能源強度）和效率效應(yīng)（即煤炭消耗效率）的分解結(jié)果則意味著節(jié)能減排技術(shù)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(yè)碳排放減少。

四、紹興工業(yè)碳排放及峰值預測

首先基于式（3）進行回歸分析，發(fā)現(xiàn)自變量相關(guān)系數(shù)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(jù)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(wěn)定，此時R2=0.983，擬合程度較好。回歸結(jié)果如表2所示，IcL和Pop的方程回歸系數(shù)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(jié)果一覽表

模型（4）的擬合度系數(shù)R2=0.981，說明模型的擬合優(yōu)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(shù)來看，人均GDP和能源消耗總量對紹興工業(yè)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(jié)果分析

由嶺回歸的結(jié)果可知，影響紹興市工業(yè)碳排放的主要促增因素是經(jīng)濟發(fā)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(yè)產(chǎn)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(yè)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(gòu)建了三種情景：基本情景、綠色生態(tài)情景和技術(shù)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?；厩榫笆且越B興工業(yè)過去發(fā)展特征為基礎(chǔ)，假定當前經(jīng)濟環(huán)境和技術(shù)水平保持不變，不采取任何新的碳減排措施，根據(jù)紹興工業(yè)發(fā)展的慣性趨勢外推而得到的可能情景。按照上述的邏輯規(guī)律，通過計算2003～2020年歷史數(shù)據(jù)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(shù)值及最大值。

（二）綠色生態(tài)情景。當?shù)卣訌妼μ寂欧诺募s束措施，進一步優(yōu)化能源消耗結(jié)構(gòu)，能源消費量年均變化率的最小值、眾數(shù)值及最大值下降百分點為0.31、0.02、0.49；工業(yè)產(chǎn)值和人均GDP有所提升，年均變化率的中位數(shù)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(shù)升級情景。技術(shù)升級是碳減排的必要途徑，考慮到化石能源使用技術(shù)的提升，產(chǎn)業(yè)結(jié)構(gòu)升級促進經(jīng)濟高質(zhì)量發(fā)展等因素，在綠色生態(tài)發(fā)展情景的基礎(chǔ)上，對工業(yè)活動中經(jīng)濟發(fā)展、能源消耗的預期變化率參數(shù)進行突出。能源消費量在年均變化率的三參數(shù)下降0.1、0.05、1.79個百分點；人均GDP和工業(yè)產(chǎn)值提升且趨于穩(wěn)定，年均變化率的中位數(shù)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(shù)、最大值的設(shè)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(shù)。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(xiàn)了每次模擬重復500次的各概率密度函數(shù)峰值的平均值，即出現(xiàn)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(fā)現(xiàn)，在基本情景下，即不實施任何新的約束政策，紹興工業(yè)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(yè)碳排放可能達峰，此時在753.5萬噸發(fā)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(tài)情景下，紹興工業(yè)碳排放的增長速度明顯放緩。2021年和2030年碳排放出現(xiàn)概率最大值分別為720.1萬噸和724.6萬噸。到2025年工業(yè)碳排放可能達峰，峰值在741.6萬噸發(fā)生的概率最大。

技術(shù)升級情景下，紹興工業(yè)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(shù)升級創(chuàng)新可以促進紹興工業(yè)能源使用效率提升，從而推動工業(yè)碳排放提前實現(xiàn)達峰目標。因此，政府加強對工業(yè)生產(chǎn)過程減排技術(shù)相關(guān)研發(fā)的投資，可以推動工業(yè)低碳技術(shù)創(chuàng)新從而進行有效的碳減排。

六、結(jié)論及政策啟示

（一）研究結(jié)論

1、基于線性預測模型，人均GDP與紹興工業(yè)CO2排放量存在倒U型關(guān)系，頂點處人均GDP的值約為137，132.1元，在該點左右兩側(cè)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(chǎn)業(yè)結(jié)構(gòu)升級改造等因素對控制紹興工業(yè)碳排放已起到積極作用。

2、不同情景設(shè)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(tài)情景下可以實現(xiàn)2030年前工業(yè)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(shù)升級情景是紹興工業(yè)實現(xiàn)減排目標的最優(yōu)情景，該情景下，紹興工業(yè)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(yè)碳減排提供了路徑。

（二）政策啟示

1、工業(yè)生產(chǎn)水平、能源消費規(guī)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(yè)產(chǎn)生水平的同時盡可能控制能源消費規(guī)模，這取決于能源結(jié)構(gòu)調(diào)整。這種能源結(jié)構(gòu)短期內(nèi)很難得到有效優(yōu)化。因此，應(yīng)加大綠色技術(shù)研發(fā)投入，加強與周邊區(qū)域的協(xié)同創(chuàng)新與技術(shù)擴散，以促進紹興工業(yè)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(chuàng)新力度，以科技驅(qū)動經(jīng)濟綠色發(fā)展，紹興可以在經(jīng)濟穩(wěn)定增長前提下，實現(xiàn)工業(yè)低碳發(fā)展。

3、情景預測分析表明，技術(shù)升級情景是紹興工業(yè)實現(xiàn)減排目標的最優(yōu)情景。因此，不斷推動清潔能源發(fā)展，優(yōu)化能源消費結(jié)構(gòu)，調(diào)整服務(wù)產(chǎn)業(yè)布局，促進能源消費向清潔低碳轉(zhuǎn)型，推進經(jīng)濟綠色可持續(xù)發(fā)展，為紹興節(jié)能減排和高質(zhì)量發(fā)展提供優(yōu)選路徑。