曹廣喜 張力

摘 要 江蘇省碳排放總量長期位居全國前五，分析其碳達(dá)峰路徑對中國2030年實(shí)現(xiàn)碳達(dá)峰目標(biāo)具有重要意義。本文通過聚類分析選取四個(gè)重點(diǎn)排放行業(yè)，構(gòu)建擴(kuò)展的STIRPAT模型分析江蘇省行業(yè)碳排放影響因素，進(jìn)而運(yùn)用情景分析和Logistic模型對2019—2030年江蘇省重點(diǎn)行業(yè)碳排放進(jìn)行預(yù)測。結(jié)果表明：人口、城鎮(zhèn)化率、人均GDP、產(chǎn)業(yè)結(jié)構(gòu)、固定資產(chǎn)投資對江蘇省重點(diǎn)行業(yè)碳排放量均有顯著的正向作用，單位產(chǎn)量（周轉(zhuǎn)量）能耗對碳排放的影響存在行業(yè)差異，降低單位產(chǎn)量（周轉(zhuǎn)量）能耗和減少固定資產(chǎn)投資能夠顯著降低行業(yè)碳排放，重點(diǎn)行業(yè)碳排放在2030年接近達(dá)峰。江蘇省應(yīng)該采取行業(yè)針對性政策，推進(jìn)清潔能源替代或技術(shù)更新，穩(wěn)步推進(jìn)產(chǎn)業(yè)綠色轉(zhuǎn)型，避免對高排放行業(yè)采取“一刀切”。

關(guān)鍵詞 碳排放 STIRPAT Logistic模型 情景分析 碳達(dá)峰

作者簡介：曹廣喜，博士，南京信息工程大學(xué)管理工程學(xué)院教授、無錫學(xué)院副校長、博士研究生導(dǎo)師;張力，南京信息工程大學(xué)管理工程學(xué)院碩士研究生。

基金項(xiàng)目：江蘇省社科應(yīng)用研究精品工程課題“我國2030年前碳達(dá)峰前提下江蘇能源需求和保障對策研究” （21SYA-006）

一、引 言

2030年前碳達(dá)峰、2060年前碳中和目標(biāo)的提出和實(shí)施，將加快我國新舊發(fā)展動(dòng)能轉(zhuǎn)換，促進(jìn)經(jīng)濟(jì)增長方式轉(zhuǎn)變，對地方經(jīng)濟(jì)轉(zhuǎn)型和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整產(chǎn)生重大影響。江蘇省人口密集、經(jīng)濟(jì)發(fā)達(dá)，但工業(yè)結(jié)構(gòu)倚重偏輕，高耗能行業(yè)占主導(dǎo)地位，能源消費(fèi)以煤為主，嚴(yán)重依賴外省調(diào)入和外國進(jìn)口，且碳排放自1997年以來始終位于全國前五，面臨巨大的減排壓力。同時(shí)，江蘇省的經(jīng)濟(jì)社會發(fā)展水平、資源稟賦和碳排放現(xiàn)狀在全國具有代表性。因此，研究碳達(dá)峰背景下江蘇省重點(diǎn)行業(yè)碳排放的影響因素及發(fā)展趨勢，不僅可以為江蘇省碳達(dá)峰和經(jīng)濟(jì)高質(zhì)量發(fā)展提供依據(jù)，而且對其他地區(qū)具有借鑒價(jià)值。

近年來，關(guān)于碳排放影響因素的研究較多，取得的研究成果也較為豐碩。比如，林伯強(qiáng)等研究認(rèn)為人均收入、工業(yè)能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、能源消費(fèi)結(jié)構(gòu)對全國碳排放具有顯著影響。Liu等認(rèn)為家庭消費(fèi)、金融發(fā)展對全國碳排放具有促進(jìn)作用，技術(shù)創(chuàng)新和可再生能源消費(fèi)對碳排放具有抑制作用。Xu等研究發(fā)現(xiàn)工業(yè)化水平、人口規(guī)模對空氣污染物排放具有促進(jìn)作用，外商直接投資對空氣污染物排放具有抑制作用，經(jīng)濟(jì)增長、城鎮(zhèn)化率和出口對空氣污染物排放的影響存在區(qū)域差異。 比較而言，專門針對江蘇省的相關(guān)研究較少。比如，徐國泉等基于LMDI模型研究了經(jīng)濟(jì)發(fā)展、能源效率、能源結(jié)構(gòu)、工業(yè)結(jié)構(gòu)對江蘇省人均碳排放的影響。張麗娜等基于LMDI模型和Shapley模型研究了江蘇省居民食品消費(fèi)碳排放的影響因素。

現(xiàn)有文獻(xiàn)主要采用兩種方式預(yù)測碳排放。第一，在經(jīng)驗(yàn)分析碳排放影響因素的基礎(chǔ)上，分具體情景進(jìn)行預(yù)測。比如，袁曉玲等在分析中國工業(yè)部門整體及八大細(xì)分行業(yè)碳排放影響因素的基礎(chǔ)上，用嶺回歸預(yù)測基準(zhǔn)、低碳、高耗能三種情景下的碳排放峰值。張國興等先運(yùn)用LMDI方法分解黃河流域交通運(yùn)輸業(yè)碳排放的驅(qū)動(dòng)因素，再構(gòu)建STIRPAT模型預(yù)測不同情景下的碳排放發(fā)展趨勢。第二，通過時(shí)間序列及其組合模型對碳排放進(jìn)行預(yù)測。比如，赫永達(dá)等運(yùn)用ADL-MIDAS模型，根據(jù)季度GDP和工業(yè)增加值預(yù)測2021—2025年中國年度碳排放總量及三大產(chǎn)業(yè)的碳排放。杜強(qiáng)等利用Logistic模型預(yù)測了中國各省級行政區(qū)的碳排放。黃蕊等以江蘇省為研究對象，實(shí)證分析了人口數(shù)量、人均GDP、能源強(qiáng)度、城市化水平與碳排放的關(guān)系，并預(yù)測了江蘇省的總碳排放。趙宇探討了江蘇省農(nóng)業(yè)碳排放的影響因素和發(fā)展趨勢。

上述文獻(xiàn)目前存在以下問題：第一，由于相關(guān)研究的主要目的并不是改進(jìn)碳排放的核算方法，所以大多進(jìn)行了簡化核算，這導(dǎo)致測算出的碳排放量存在差異，影響研究結(jié)果。第二，關(guān)于江蘇省碳排放影響因素的研究主要使用LMDI模型，無法具體反映碳排放與影響因素之間的變動(dòng)關(guān)系，同時(shí)，研究的重點(diǎn)主要針對農(nóng)業(yè)或全省整體，尚未涉及對碳達(dá)峰目標(biāo)實(shí)現(xiàn)具有重要影響的重點(diǎn)排放行業(yè)。

有鑒于此，本文基于CEADs省級分部門核算清單的碳排放數(shù)據(jù)，利用聚類分析篩選出江蘇省重點(diǎn)排放行業(yè)，建立擴(kuò)展的STIRPAT模型分析行業(yè)碳排放的影響因素和作用機(jī)制，并利用情景分析和Logistic模型分別對重點(diǎn)行業(yè)碳排放進(jìn)行預(yù)測，以期對江蘇省實(shí)現(xiàn)碳達(dá)峰目標(biāo)提供有益的參考。

二、模型和數(shù)據(jù)

（一）擴(kuò)展的STIRPAT模型

這里引入Dietz等提出的STIRPAT模型，該模型將環(huán)境影響（記為E）與人口規(guī)模（記為P）、經(jīng)濟(jì)發(fā)展水平（記為A）和技術(shù)水平（記為T）整合在一起，標(biāo)準(zhǔn)形式為：

其中，a、b、c、d為模型參數(shù)，ε是隨機(jī)誤差項(xiàng)。對（1）式兩邊取對數(shù)，可以得到模型的一般形式：

STIRPAT模型綜合考慮了多種宏觀因素，并可以根據(jù)不同研究對象進(jìn)行擴(kuò)展，構(gòu)建的回歸方程能與具體的情景分析相結(jié)合，便于進(jìn)行政策分析，近年來在能源和碳排放研究領(lǐng)域變得越來越流行。大量文獻(xiàn)表明人口增加和經(jīng)濟(jì)發(fā)展是導(dǎo)致碳排放量增長的兩大重要因素。林伯強(qiáng)等認(rèn)為經(jīng)濟(jì)增長推動(dòng)城鎮(zhèn)化和工業(yè)化，進(jìn)而帶動(dòng)高耗能產(chǎn)業(yè)迅速發(fā)展，推高了社會整體能源消耗水平，導(dǎo)致碳排放上升。張毅等認(rèn)為第二產(chǎn)業(yè)占比上升意味著高耗能產(chǎn)業(yè)擴(kuò)張，引起碳排放上升。崔強(qiáng)等發(fā)現(xiàn)，行業(yè)單位產(chǎn)量（周轉(zhuǎn)量）能耗越低表明該行業(yè)的節(jié)能減排技術(shù)越先進(jìn)，碳排放被抑制的程度越高。各行業(yè)通過增加固定資產(chǎn)擴(kuò)大生產(chǎn)規(guī)模、更新技術(shù)設(shè)備、提升生產(chǎn)力，而全社會固定資產(chǎn)投資是以貨幣形式表現(xiàn)的增加固定資產(chǎn)活動(dòng)的工作量，因此全社會固定資產(chǎn)投資在一定程度上可以反映行業(yè)發(fā)展前景和技術(shù)投資水平。結(jié)合上述研究結(jié)論，本文將STIRPAT模型中的人口規(guī)模、經(jīng)濟(jì)發(fā)展水平和技術(shù)水平擴(kuò)展為包括人口、城鎮(zhèn)化水平、經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、能源技術(shù)、行業(yè)投資在內(nèi)的六個(gè)因素，最終模型如下：

其中C表示行業(yè)碳排放量，i代表行業(yè)，α為模型參數(shù)，其他變量說明見表1。

（二） Logistic模型

Logistic模型用于刻畫種群增長的S型曲線，其基本假設(shè)是物種最大數(shù)量不會超過環(huán)境最大容量。文獻(xiàn)表明，城鎮(zhèn)化演進(jìn)、傳染病感染人數(shù)等經(jīng)濟(jì)社會變量同樣存在此類增長規(guī)律。 隨著經(jīng)濟(jì)社會的發(fā)展及節(jié)能減排技術(shù)的應(yīng)用，碳排放量很可能呈現(xiàn)S型增長規(guī)律，自然達(dá)到峰值狀態(tài)。因此，建立如下碳排放量的Logistic模型：

其中，當(dāng)t→時(shí)，C（t）能達(dá)到最大值K，即為環(huán)境最大容量或碳排放峰值，C0為初始容量，r為增長速率。一般借助 SPSS 軟件中的曲線擬合功能確定K的取值。

（三）數(shù)據(jù)來源及說明

抽取的樣本包括江蘇省47個(gè)最終能源消費(fèi)行業(yè)1997—2018年歷史碳排放數(shù)據(jù)，數(shù)據(jù)來源于CEADs省級分部門核算清單，碳排放單位為百萬噸。省級人口規(guī)模、GDP、第二產(chǎn)業(yè)產(chǎn)值、行業(yè)產(chǎn)量（周轉(zhuǎn)量）以及全國分行業(yè)能源消費(fèi)量、分行業(yè)全社會固定資產(chǎn)投資金額分別來源于《中國統(tǒng)計(jì)年鑒》《中國能源統(tǒng)計(jì)年鑒》以及國家統(tǒng)計(jì)局網(wǎng)站。需要注意的是，由于省內(nèi)分行業(yè)統(tǒng)計(jì)數(shù)據(jù)存在缺失，這里使用江蘇省發(fā)電量、生鋼產(chǎn)量、水泥產(chǎn)量、貨運(yùn)周轉(zhuǎn)量與全國對應(yīng)變量的比例關(guān)系折算出了江蘇省各行業(yè)能源消費(fèi)量和全社會固定資產(chǎn)投資金額。

三、結(jié)果分析

（一）江蘇省重點(diǎn)碳排放行業(yè)篩選

聚類分析可以將數(shù)據(jù)集按照給定的特征指標(biāo)分類，使每類中的數(shù)據(jù)特征盡可能相似。考慮到對各行業(yè)的歷史碳排放數(shù)據(jù)直接排序會出現(xiàn)年份差異，難以真實(shí)反映該行業(yè)的總體碳排放水平。因此，基于CEADs數(shù)據(jù)庫中江蘇省47個(gè)細(xì)分行業(yè)碳排放的歷史數(shù)據(jù)，按照歷史累積碳排放量（百萬噸）和人均累積碳排放量（萬噸）2個(gè)指標(biāo)進(jìn)行K-均值聚類，最終將47個(gè)細(xì)分行業(yè)劃分為高碳、次高碳、中碳、低碳4組。

聚類結(jié)果顯示，高碳組只包含電力行業(yè)，歷史和人均累積碳排放量分別為59.70億噸、77萬噸;次高碳組為鋼鐵行業(yè)，歷史和人均累積碳排放量分別為16.62億噸、21萬噸;中碳組包括水泥和交通運(yùn)輸業(yè)，其余行業(yè)均屬于低碳組。方差分析檢驗(yàn)結(jié)果見表2，p值均接近0，表明不同行業(yè)兩項(xiàng)指標(biāo)之間有顯著差異。

圖1給出了江蘇省高碳組、次高碳組和中碳組各行業(yè)的歷年碳排放量。

1997—2018年，電力行業(yè)的碳排放量遠(yuǎn)高于其他行業(yè)，歷史累積碳排放量約占江蘇省同期累計(jì)總體碳排放量的58%，且電力、鋼鐵、水泥和交通運(yùn)輸業(yè)的排放量之和約占江蘇省同期累計(jì)總體碳排放量的88%。因此，將這四個(gè)行業(yè)確定為江蘇省重點(diǎn)碳排放行業(yè)。

（二）江蘇省重點(diǎn)碳排放行業(yè)影響因素分析

由于人口規(guī)模、經(jīng)濟(jì)增長和技術(shù)進(jìn)步等變量之間相互制約，可能會導(dǎo)致多重共線性問題，為此采用嶺回歸（Ridge Regression）來求解STIRPAT模型。由表3給出的回歸結(jié)果可知，所有變量對江蘇省四個(gè)重點(diǎn)排放行業(yè)的碳排放量均存在顯著影響。江蘇省人口總量（Pop）、城鎮(zhèn)化率（U）、人均GDP（PGDP）對四個(gè)行業(yè)的碳排放量均有正向影響。第二產(chǎn)業(yè)占比（S）對交通運(yùn)輸業(yè)碳排放量有顯著的負(fù)向影響，回歸系數(shù)估計(jì)值為-0.63，對電力、鋼鐵和水泥行業(yè)碳排放量的影響則顯著為正。這是因?yàn)殡娏?、鋼鐵和水泥均屬于第二產(chǎn)業(yè)，第二產(chǎn)業(yè)占比上升意味著行業(yè)產(chǎn)值增加，能源消耗量和碳排放量也會相應(yīng)上升，而交通運(yùn)輸業(yè)屬于第三產(chǎn)業(yè)，第二產(chǎn)業(yè)占比增加會壓縮其他產(chǎn)業(yè)的占比。單位產(chǎn)量（周轉(zhuǎn)量）能耗（TE）對鋼鐵、水泥行業(yè)的碳排放量有顯著正影響，而對電力、交通運(yùn)輸業(yè)的碳排量有顯著負(fù)影響，回歸系數(shù)估計(jì)值依次為-0.43、-0.11?？赡艿脑蚴?，目前江蘇省電力、交通運(yùn)輸業(yè)兩個(gè)行業(yè)的低碳技術(shù)運(yùn)用相對成熟，風(fēng)力發(fā)電、光伏發(fā)電的度電成本均低于火力發(fā)電，清潔能源交通工具如新能源電動(dòng)汽車和燃?xì)馄嚨氖褂梅秶饾u擴(kuò)大，清潔能源占比逐步上升，從而出現(xiàn)單位產(chǎn)量（周轉(zhuǎn)量）能耗上升的同時(shí)碳排放減少的情況。行業(yè)固定資產(chǎn)投資（I）對四個(gè)行業(yè)的碳排放量具有顯著的正向影響，對碳排放沒有抑制作用，這說明當(dāng)前江蘇省行業(yè)固定資產(chǎn)投資主要用于擴(kuò)大生產(chǎn)規(guī)模，增加經(jīng)濟(jì)效益。

（三）江蘇省重點(diǎn)碳排放行業(yè)政策情景分析

1.政策情景設(shè)定

考慮到碳達(dá)峰目標(biāo)下節(jié)能減排與經(jīng)濟(jì)發(fā)展之間的矛盾關(guān)系，設(shè)置基準(zhǔn)、碳稅和技術(shù)進(jìn)步三種政策情景。第一，基準(zhǔn)情景?；鶞?zhǔn)情景下沒有碳排放約束，經(jīng)濟(jì)持續(xù)快速發(fā)展，能源技術(shù)、行業(yè)投資保持歷史平均增長水平，該情景代表粗放式經(jīng)濟(jì)增長模式。第二，碳稅情景。以征收碳稅等方式直接限制高排放行業(yè)發(fā)展，這可能是實(shí)現(xiàn)碳達(dá)峰的最快路徑，但是可能導(dǎo)致經(jīng)濟(jì)增長變緩甚至下降、失業(yè)率上升等問題。第三，技術(shù)進(jìn)步情景。與前兩種情景相比，技術(shù)進(jìn)步情景強(qiáng)調(diào)能源技術(shù)和行業(yè)投資兩個(gè)指標(biāo)，著眼于實(shí)現(xiàn)碳達(dá)峰和保增長雙目標(biāo)。該情景要求在宏觀經(jīng)濟(jì)政策、能源規(guī)劃和氣候政策等方面采取重大舉措，優(yōu)化能源使用結(jié)構(gòu)和投資結(jié)構(gòu)，重視技術(shù)推動(dòng)產(chǎn)業(yè)綠色升級，不會直接限制高排放行業(yè)發(fā)展，避免“一刀切”。

2.情景參數(shù)設(shè)定

在上述政策情景下，針對江蘇省各變量在預(yù)測期的增長率設(shè)定如下：

（1）人口。根據(jù)江蘇省目前的實(shí)際人口狀況并結(jié)合張現(xiàn)苓等的觀點(diǎn)，認(rèn)為江蘇省人口總量仍會以較低速度增長，且不受三種政策情景影響。

（2）城鎮(zhèn)化率。江蘇省2019年城鎮(zhèn)化率為70.61%，已經(jīng)超過中國社會科學(xué)院宏觀經(jīng)濟(jì)研究中心課題組預(yù)測的2030年中國平均城鎮(zhèn)化率69%的水平，由于江蘇省經(jīng)濟(jì)和工業(yè)化程度仍在持續(xù)增長，預(yù)計(jì)城鎮(zhèn)化率還會繼續(xù)提升。

（3）人均GDP。據(jù)中國社會科學(xué)院預(yù)測，2019—2020年、2021—2025年、2026—2030年中國實(shí)際GDP的平均年增長率依次為6%、5.5%、4.5%。人均 GDP 增速與GDP增速具有一致性。結(jié)合江蘇省的歷史數(shù)據(jù)和實(shí)際發(fā)展情況，預(yù)測值依次調(diào)高為6.5%、6.0%、5.0%。

（4）產(chǎn)業(yè)結(jié)構(gòu)。根據(jù)1997—2020年的產(chǎn)業(yè)結(jié)構(gòu)數(shù)據(jù)可以推算出，江蘇省第二產(chǎn)業(yè)占比年均下降1%?？紤]到產(chǎn)業(yè)結(jié)構(gòu)影響因素復(fù)雜，預(yù)測期內(nèi)年增長率仍設(shè)定為-1%。

（5）能源技術(shù)。將江蘇省各行業(yè)1997—2018年單位產(chǎn)量（周轉(zhuǎn)量）能耗的年平均增速設(shè)定為基準(zhǔn)情景下的單位產(chǎn)量（周轉(zhuǎn)量）能耗增速。碳稅情景下會通過限產(chǎn)限用、錯(cuò)峰使用、超額繳稅等措施直接限制高排放行業(yè)的生產(chǎn)活動(dòng)，因此單位產(chǎn)量（周轉(zhuǎn)量）能耗下降較快，將其取值設(shè)置為比基準(zhǔn)情景低2%。技術(shù)進(jìn)步情景下需要平衡經(jīng)濟(jì)增長和節(jié)能減排，更注重減排技術(shù)的應(yīng)用和清潔能源替代，而非單純降低能源使用量，因此，將單位產(chǎn)量（周轉(zhuǎn)量）能耗下降速度設(shè)置為比基準(zhǔn)情景低1%。

（6）行業(yè)投資。將江蘇省各行業(yè)1997—2018年固定資產(chǎn)投資年平均增速設(shè)定為基準(zhǔn)情形下的行業(yè)固定資產(chǎn)投資增速。碳稅情景下由于要限制高排放行業(yè)產(chǎn)能擴(kuò)張，因此固定資產(chǎn)投資增速較低，將其取值設(shè)置為比基準(zhǔn)情景低4%。技術(shù)進(jìn)步情景下行業(yè)進(jìn)行綠色改造需要進(jìn)行大量投資，經(jīng)濟(jì)由高速增長轉(zhuǎn)為中高速增長，更注重高質(zhì)量發(fā)展而非盲目擴(kuò)張，因此將行業(yè)固定資產(chǎn)投資增速設(shè)置為比基準(zhǔn)情景低2%。各指標(biāo)在三種情景下的增長率設(shè)定見表4。

3.預(yù)測結(jié)果

在前述設(shè)定下，根據(jù)擴(kuò)展的STIRPAT模型對不同政策情景下四個(gè)重點(diǎn)碳排放行業(yè)的碳排放量進(jìn)行了預(yù)測，結(jié)果見圖2。

可知，在基準(zhǔn)情景下，江蘇省2030年電力、鋼鐵、水泥、交通運(yùn)輸四個(gè)重點(diǎn)碳排放行業(yè)的碳排放量分別為5.83億噸、2.68億噸、0.83億噸、0.77億噸。在碳稅情景下，江蘇省2030年四個(gè)重點(diǎn)碳排放行業(yè)的碳排放量比基準(zhǔn)情景依次下降10.22%、17.08%、9.33%、4.30%，表明縮減高排放行業(yè)的固定資產(chǎn)投資、通過節(jié)約能源降低單位產(chǎn)量（周轉(zhuǎn)量）能耗有明顯的減排效果。在技術(shù)進(jìn)步情景下，各行業(yè)碳排放量介于基準(zhǔn)和碳稅兩種情景之間，碳排放量依次比基準(zhǔn)情形下降5.01%、7.73%、4.8%、0.73%，通過技術(shù)改進(jìn)降低單位產(chǎn)量（周轉(zhuǎn)量）能耗、增加固定資產(chǎn)投資中用于技術(shù)升級改造的投資占比，有助于產(chǎn)業(yè)平穩(wěn)轉(zhuǎn)型和經(jīng)濟(jì)穩(wěn)定發(fā)展。

（四）江蘇省重點(diǎn)碳排放行業(yè)碳排放的Logistic模型預(yù)測

上述基于STIRPAT回歸方程的預(yù)測，需要對各政策情景下各變量的增長率進(jìn)行人為設(shè)定且考慮因素有限。作為對上述情景分析預(yù)測的補(bǔ)充和驗(yàn)證，本節(jié)利用Logistic模型擬合歷史碳排放數(shù)據(jù)并預(yù)測碳排放量，其優(yōu)點(diǎn)是可以綜合考慮各種歷史因素、避免人為干擾。

先根據(jù)擬合優(yōu)度確定四個(gè)行業(yè)的最優(yōu)K值，再進(jìn)行預(yù)測，結(jié)果見表5。各模型的擬合優(yōu)度（R2）分別為0.96、0.94、0.87、0.99，表明logistic模型對行業(yè)碳排放歷史數(shù)據(jù)的擬合效果較好。水泥行業(yè)的擬合優(yōu)度相對較低，可能與異常值影響有關(guān)。表6給出了1997—2018年四個(gè)行業(yè)碳排放的真實(shí)值、預(yù)測值和相對誤差，除去個(gè)別異常值，相對誤差均低于5%，因此預(yù)測結(jié)果可靠。

由表5可知，如果延續(xù)當(dāng)前的經(jīng)濟(jì)發(fā)展模式，江蘇省電力、鋼鐵、交通運(yùn)輸三個(gè)行業(yè)的碳排放量在2030年均接近峰值，峰值依次約為5.5億噸、1.8億噸、0.6億噸，與袁曉玲等預(yù)測中國鋼鐵、電力行業(yè)的達(dá)峰時(shí)間分別為2032、2031年較為接近。水泥行業(yè)的峰值約在0.9億噸，仍有一定的上漲空間，這個(gè)結(jié)果與李明煜等分析的江蘇水泥行業(yè)較晚達(dá)峰一致。與情景分析相比較，Logistic模型對電力、水泥、交通運(yùn)輸三個(gè)行業(yè)碳排放量的預(yù)測結(jié)果與基準(zhǔn)情景下的預(yù)測結(jié)果較為接近，對鋼鐵行業(yè)的預(yù)測結(jié)果比基準(zhǔn)情景的預(yù)測結(jié)果低。

四、結(jié)論與建議

本文研究了江蘇省重點(diǎn)行業(yè)碳排放量的影響因素并進(jìn)行了趨勢預(yù)測，得出以下結(jié)論：

第一，江蘇省碳排放主要來自電力、鋼鐵、水泥及交通運(yùn)輸四個(gè)重點(diǎn)行業(yè)，其總排放量占全省所有行業(yè)碳排放總和的88%以上。人口、城鎮(zhèn)化率、人均GDP、第二產(chǎn)業(yè)占比對重點(diǎn)行業(yè)碳排放具有顯著的正向影響。單位產(chǎn)量（周轉(zhuǎn)量）能耗對碳排放的影響存在行業(yè)差異。行業(yè)固定資產(chǎn)投資對碳排放有正向作用，各行業(yè)仍需加大對節(jié)能減排技術(shù)的研發(fā)和應(yīng)用投入。

第二，降低單位產(chǎn)量（周轉(zhuǎn)量）能耗和固定資產(chǎn)投資可以顯著減少重點(diǎn)行業(yè)碳排放。在碳稅情景下，雖然重點(diǎn)行業(yè)碳排放量下降程度比基準(zhǔn)情景下大，但可能造成行業(yè)發(fā)展不平衡，抑制經(jīng)濟(jì)活力。在技術(shù)進(jìn)步情景下，重點(diǎn)行業(yè)碳排放下降程度比基準(zhǔn)情景下小，有利于同時(shí)實(shí)現(xiàn)碳達(dá)峰與經(jīng)濟(jì)可持續(xù)發(fā)展。Logistic模型對重點(diǎn)行業(yè)碳排放的預(yù)測結(jié)果與基準(zhǔn)情景較為接近，2030年四個(gè)行業(yè)基本接近碳達(dá)峰。

基于上述結(jié)論，提出以下政策建議：

第一，江蘇省實(shí)現(xiàn)碳達(dá)峰可以從碳排放貢獻(xiàn)最大的四個(gè)行業(yè)入手，針對重點(diǎn)排放行業(yè)出臺相應(yīng)的減排政策。江蘇省作為制造業(yè)強(qiáng)省，電力、鋼鐵、水泥和交通運(yùn)輸業(yè)為其支柱性產(chǎn)業(yè)，且四個(gè)行業(yè)的發(fā)展均處于全國領(lǐng)先地位，需要繼續(xù)鞏固領(lǐng)先地位，實(shí)現(xiàn)高質(zhì)量發(fā)展和綠色轉(zhuǎn)型。要充分發(fā)揮行業(yè)自身資金技術(shù)優(yōu)勢，大力發(fā)展新型電力和新能源裝備集群，發(fā)展智能電網(wǎng)、電化學(xué)儲能技術(shù)，從而推動(dòng)能源消耗結(jié)構(gòu)向以清潔電力為主轉(zhuǎn)型。

第二，推動(dòng)技術(shù)進(jìn)步是實(shí)現(xiàn)碳達(dá)峰和經(jīng)濟(jì)增長雙目標(biāo)的根本路徑。電力行業(yè)的穩(wěn)定供給是其他行業(yè)正常運(yùn)行、實(shí)現(xiàn)電氣化轉(zhuǎn)型的基礎(chǔ)。交通運(yùn)輸業(yè)碳排放相對較少且分布零散，很難依賴錯(cuò)峰限產(chǎn)等強(qiáng)制手段推動(dòng)碳達(dá)峰目標(biāo)的實(shí)現(xiàn)，可以加速推進(jìn)清潔能源替代、降低單位產(chǎn)量（周轉(zhuǎn)量）能耗。鋼鐵、水泥屬于供給相對過剩、產(chǎn)品同質(zhì)化嚴(yán)重的中游加工行業(yè)，且生產(chǎn)過程難以避免使用化石燃料，城鎮(zhèn)化、工業(yè)化的發(fā)展需求注定不能采取“一刀切”措施，因此可以考慮對行業(yè)產(chǎn)能實(shí)施一定限制，調(diào)整行業(yè)投資的結(jié)構(gòu)，引導(dǎo)更多的資金投向碳捕捉、冶煉技術(shù)升級等領(lǐng)域。

〔責(zé)任編輯：來向紅〕