王 鵬，殷鳳朝

（1.中國石油大學(xué)（華東），山東青島 266580；2.濰坊理工學(xué)院，山東濰坊 262500）

在全球面臨低碳轉(zhuǎn)型的大背景下，尋求低碳支撐的經(jīng)濟(jì)發(fā)展，已迫在眉睫.2015年6月，我國向聯(lián)合國氣候變化框架公約秘書處提交《強(qiáng)化應(yīng)對氣候變化行動——中國國家自主貢獻(xiàn)》，提出2030年左右達(dá)到峰值并爭取盡早達(dá)峰；2019年6月，英國政府宣布到2050年前實(shí)現(xiàn)英國溫室氣體零排放的目標(biāo).

“十三五”期間，山東省政府印發(fā)《山東省低碳發(fā)展工作方案（2017—2020）》，要求濰坊市2025年前達(dá)到碳排放峰值.除了碳強(qiáng)度約束外，在碳排放總量上，還要求全省二氧化碳排放在2027年左右達(dá)到峰值，支持優(yōu)化開發(fā)區(qū)域碳排放率先達(dá)到峰值.在此之前，國家方案則提到全國碳排放“2030年左右達(dá)到峰值并爭取盡早達(dá)峰”.2020年，《山東省政府工作報(bào)告》提出“全面完成國家下達(dá)的節(jié)能減排降碳約束性指標(biāo)和環(huán)境質(zhì)量改善目標(biāo)”.

濰坊市作為全國碳減排81個(gè)低碳試點(diǎn)城市之一，探索適合本地區(qū)低碳經(jīng)濟(jì)發(fā)展模式、路徑，對新舊動能轉(zhuǎn)換背景下完成碳排放約束目標(biāo)以及區(qū)域經(jīng)濟(jì)競爭力的提高具有促進(jìn)作用.

1 文獻(xiàn)綜述

國外學(xué)者在區(qū)域碳排放及影響因素方面的研究較早，Kaya［1］提出著名的KAYA恒等式，將碳排放的原因歸納為人口數(shù)量、人均生產(chǎn)總值、單位生產(chǎn)總值的耗能量以及單位碳排放量.York等［2］應(yīng)用可拓展的隨機(jī)性的環(huán)境影響評估模型（Stochastic Impacts by Regression on Population，Affluence，and Technology，STIRPAT模型）研究表明人口對二氧化碳排放和能源足跡具有比例效應(yīng).Videras［3］將二氧化碳排放總量與人口、富裕程度和技術(shù)指標(biāo)聯(lián)系起來，應(yīng)用加權(quán)回歸模型表明，二氧化碳排放彈性估計(jì)值存在明顯的空間異質(zhì)性.Patarasuk等［4］應(yīng)用STIRPAT回歸模型，研究表明人口、人均收入和建筑年齡與二氧化碳呈正相關(guān)，而家庭規(guī)模與二氧化碳排放呈負(fù)相關(guān).Yuli等［5］構(gòu)建了中國182個(gè)城市2010年的碳排放清單，涵蓋了47個(gè)經(jīng)濟(jì)部門和17個(gè)能源品種.

國內(nèi)的研究起步晚，研究多集中在區(qū)域碳排放特征及影響因素，研究對象涵蓋了國家級、省級、地市級多個(gè)維度.國家層面上，鄧吉祥等［6］探討了中國1995年以來不同區(qū)域的碳排放特征并結(jié)合LMDI方法揭示了各地區(qū)碳排放變化的主要因素；彭水軍等［7］采用MRIO模型對中國1995—2009年生產(chǎn)側(cè)和消費(fèi)側(cè)的碳排放進(jìn)行了測算，研究表明生產(chǎn)側(cè)碳排放高于消費(fèi)側(cè)，大量的生產(chǎn)側(cè)碳排放來源于發(fā)達(dá)國家經(jīng)濟(jì)體的需求，消費(fèi)側(cè)碳排放來自消費(fèi)規(guī)模的增長；武良鵬等［8］基于DEA方法結(jié)合對我國三種碳減排路徑進(jìn)行了總結(jié)，不同的經(jīng)濟(jì)發(fā)展階段的區(qū)域應(yīng)結(jié)合自身情況合理選擇減排路徑；張梅等［9］從能源消費(fèi)、工程生產(chǎn)等多方面估算和分析了中國城市的碳排放，結(jié)果顯示2001—2015年中國城市年碳排放量逐年增加，經(jīng)濟(jì)規(guī)模、二產(chǎn)比重、人均可支配收入、城鎮(zhèn)化率對碳排放的增加有促進(jìn)作用.省級層面上，王永哲等［10］采用灰色關(guān)聯(lián)和GM（1，1）分析法對吉林省2000—2012年人均碳排放量進(jìn)行分析及預(yù)測，表明要控制吉林省人均碳排放量，需加大科技投入、發(fā)展第三產(chǎn)業(yè)并調(diào)整能源價(jià)格；王鳳婷等［11］基于1996—2017年京津冀地區(qū)產(chǎn)業(yè)碳排放數(shù)據(jù)，研究表明該地區(qū)碳排放的增長主要由河北拉動，嚴(yán)控高能耗產(chǎn)業(yè)、提高環(huán)境補(bǔ)償可助力節(jié)能減排.地市級層面上，楊武等［12］基于2010—2015年武漢市三次產(chǎn)業(yè)和碳排放數(shù)據(jù)，對碳排放進(jìn)行分解表明人口擴(kuò)張和經(jīng)濟(jì)增長是促進(jìn)武漢市碳排放增長的主要因素；王長建等［13］對廣州市不同階段的碳排放研究表明，碳排放主要來自生產(chǎn)部門，不同階段的發(fā)展措施和政策會對各個(gè)影響因子產(chǎn)生顯著影響；劉暢等［14］估算了2015年中2170個(gè)縣域碳排放量，分析了當(dāng)前縣域碳排放量的空間分布.

對于碳排放的研究已成為國內(nèi)外研究的熱點(diǎn)之一，在研究對象上，國家、省域?qū)用孑^多；在研究方法上，有LMDI方法［15］、DEA方法［16］、STIRPAT方法［17］等.在前人研究基礎(chǔ)上，采用IPCC的通用方法對1997—2018年濰坊市碳排放總量進(jìn)行分析，應(yīng)用STIRPAT模型進(jìn)行碳排放因素分解、預(yù)測，并從生產(chǎn)端和消費(fèi)端兩個(gè)方面分別提出低碳經(jīng)濟(jì)發(fā)展對策，抓住控制關(guān)鍵點(diǎn)，力求有所創(chuàng)新.

2 濰坊市能源消碳排放測算

2.1 碳排放計(jì)算方法

采用能源消費(fèi)量的數(shù)據(jù)對碳排放進(jìn)行測算，主要依據(jù)為煤炭、石油、天然氣等能源的消費(fèi)量，計(jì)算各地市能源消費(fèi)量數(shù)據(jù)均來自統(tǒng)計(jì)年鑒，根據(jù)《IPCC溫室氣體排放指南》中的方法以及已有學(xué)者的研究，計(jì)算碳排放量時(shí)采用17種能源的消費(fèi)總量折算為標(biāo)準(zhǔn)統(tǒng)計(jì)量（即標(biāo)準(zhǔn)煤）后，再與各自碳排放系數(shù)相乘［18］.

以2019年為例，計(jì)算過程如表1所示，應(yīng)用同樣的方法計(jì)算得到其他各年份的碳排放量如表2所示.

表1 濰坊市2019年碳排放計(jì)算表Tab.1 Calculation table of carbon emission in Weifang City in 2019

表2 1997—2019年濰坊市碳排放量、GDP數(shù)據(jù)表Tab.2 Data table of carbon emission and GDP in Weifang City from 1997 to 2019

2.2 濰坊市碳排放的時(shí)間序列分析

隨著濰坊市的經(jīng)濟(jì)發(fā)展，碳排放從1997年的411.99萬t增長至2019年4 491.69萬t，年均增長率為11.47%；同期實(shí)際GDP從1997年的549.73億元增長至2019年4 194.61億元，年均增長率為9.68%，為進(jìn)一步描述濰坊市碳排放增長情況，采用Logistic曲線進(jìn)行估計(jì).

Logistic曲線是一種常見的S形函數(shù)，它是Pierre Francois Verhulst在1844年在研究人口增長的規(guī)律時(shí)命名的.廣義Logistic曲線可以模仿產(chǎn)品成長過程及產(chǎn)業(yè)的發(fā)展規(guī)律，即起初階段大致是指數(shù)增長；然后隨著開始變得飽和，增加變慢；最后，達(dá)到成熟時(shí)增加停止.

Logistic函數(shù)模型，也被稱為生長曲線函數(shù)模型，模型表達(dá)式為：y=1/(1 /k+a×bx).其中：y為因變量；x表示自變量；a，b，k為待估參數(shù)，其中k值表示碳排放飽和值的倒數(shù)，考慮到實(shí)際情況，而是按照10%的增長率進(jìn)行推算至2030年，得到k值為11 401.08萬t.

將濰坊市碳排放的數(shù)值作出散點(diǎn)圖（圖1），橫軸表示年份，時(shí)間跨度為1997—2019年.

圖1 濰坊市碳排放增長曲線Fig.1 Carbon emission growth curve of Weifang City

從整體上看，排除特殊時(shí)期的影響，圖形的斜率在增加，拐點(diǎn)不明顯.其對應(yīng)的方程為：

曲線的可決系數(shù)為0.949，顯著性0.000，方程擬合效果較好，從彈性以及數(shù)據(jù)上看，截至目前濰坊市一次能源碳排放仍在增加，并沒有明顯減緩的趨勢，需進(jìn)一步分析其影響因素.

濰坊市煤炭消費(fèi)比例實(shí)際上總體在下降，1997年煤炭消費(fèi)（含煤制品）占17種能源消費(fèi)總和的比例為88.71%，至2019年數(shù)值下降至52.37%，以時(shí)間T為自變量，煤炭消費(fèi)比例為因變量，對其進(jìn)行線性擬合，對應(yīng)的回歸方程為：C=0.937-0.021T，由此可得到，煤炭消費(fèi)比例雖然下降，但是碳排放的總量在增加.

3 基于STIRPAT模型的碳排放預(yù)測

3.1 STIRPAT模型及數(shù)據(jù)

在環(huán)境壓力與人文驅(qū)動力的之間的關(guān)系方面，Dietz和Rosa在經(jīng)典IPAT模型上提出了IPAT模型的隨機(jī)形式即STIRPAT模型［19］.STIRPAT（Stochastic Impacts by Regression on Population，Affluence，and Technology）模型為可拓展的隨機(jī)性的環(huán)境影響評估模型，通過對人口、財(cái)產(chǎn)、技術(shù)三個(gè)自變量和因變量之間的關(guān)系進(jìn)行評估.

基于以往學(xué)者的研究，能源消費(fèi)碳排放的主要因素為人口效應(yīng)、人均財(cái)富效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能源消費(fèi)強(qiáng)度效應(yīng)、能源消費(fèi)結(jié)構(gòu)效應(yīng)和碳排放系數(shù)效應(yīng)，因碳排放系數(shù)保持不變因此在此不做分析.為構(gòu)建STIRPAT模型預(yù)測濰坊市能源碳排放量，基于已有研究［20］，其計(jì)算公式為：

式中：t表示年份；C表示碳排放量；P、A、I、E、R分別表示人口、人均GDP、工業(yè)GDP占GDP的比例、能源消耗強(qiáng)度、煤炭消費(fèi)占一次能源消費(fèi)的比例，分別對應(yīng)人口效應(yīng)、人均財(cái)富效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、能源消費(fèi)強(qiáng)度效應(yīng)、能源消費(fèi)結(jié)構(gòu)效應(yīng)；a、b、c、d、e、f為模型的參數(shù)；ε表示隨機(jī)擾動項(xiàng)，取對數(shù)以后，模型的形式為：

1997—2019年濰坊市人口、第二產(chǎn)業(yè)的比例均來自《濰坊市統(tǒng)計(jì)年鑒》；人均GDP數(shù)據(jù)由1997年不變價(jià)下的歷年GDP數(shù)據(jù)除以當(dāng)年人口得到，表3中為處理后的人均GDP數(shù)據(jù)；工業(yè)GDP比例為工業(yè)GDP除以當(dāng)年GDP總值；能源消耗強(qiáng)度由能源消耗碳排放量轉(zhuǎn)化為標(biāo)準(zhǔn)煤后的合計(jì)值除以1997年不變價(jià)的GDP得到；城鎮(zhèn)化率采取統(tǒng)計(jì)年鑒中“戶籍人口城鎮(zhèn)化率”作為參考指標(biāo).

表3 濰坊市1997—2019年模型數(shù)據(jù)Tab.3 Model data of Weifang City from 1997 to 2019

3.2 嶺回歸分析

碳排放量及五個(gè)影響因素的相關(guān)系數(shù)如表4所示.為保證模型的合理性，對變量進(jìn)行共線性檢驗(yàn)，得到人口、人均GDP、工業(yè)GDP占GDP的比例、能源消耗強(qiáng)度、城鎮(zhèn)化率的VIF值（方差膨脹系數(shù)，variance inflation factor）分別為40.067、60.552、20.85、2.757、8.944，部分變量的VIF值大于10，數(shù)據(jù)之間存在多重共線性的問題.

表4 相關(guān)系數(shù)表Tab.4 Correlation coefficient table

目前消除數(shù)據(jù)間多重共線性的方法主要有偏最小二乘回歸、嶺回歸、逐步回歸、Lasso回歸等.以上幾種模型中，逐步回歸、Lasso回歸會減少有效自變量的數(shù)量，對不同方法的參數(shù)進(jìn)行比較后，嶺回歸方法的擬合優(yōu)度、顯著性較好.因此，應(yīng)用嶺回歸進(jìn)行碳排放因素分解，當(dāng)偏倚因子取0.1時(shí)，方程擬合優(yōu)度最好，可決系數(shù)為0.973，各變量值的系數(shù)趨于穩(wěn)定，F(xiàn)值為59.91，對應(yīng)的P值為0.000，回歸效果顯著，得到嶺回歸方程為：

對應(yīng)標(biāo)準(zhǔn)化的嶺回歸方程為：

根據(jù)標(biāo)準(zhǔn)化的嶺回歸方程，按照解釋變量從高到低對濰坊市碳排放影響因素排序?yàn)椋喝司鵊DP反映的財(cái)富效應(yīng)（1.082）、城鎮(zhèn)化水平的城鎮(zhèn)化效應(yīng)（0.304）、人口數(shù)量反映的人口效應(yīng)、能源消費(fèi)占GDP比重的能源消費(fèi)強(qiáng)度效應(yīng)（0.065）、工業(yè)GDP占總GDP比例反映的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)（0.003）.

3.3 濰坊市碳排放預(yù)測

《山東省低碳發(fā)展工作方案（2017—2020）》，要求濰坊市2025年前達(dá)到碳排放峰值，根據(jù)影響因素的變化，對人口、人均GDP等數(shù)據(jù)分別進(jìn)行設(shè)置.

1）人口.根據(jù)統(tǒng)計(jì)年鑒數(shù)據(jù)，1997—2019年，人口從826.29萬人增長至935.15萬人，幾何均值為0.564%，進(jìn)行推算，設(shè)置2021—2025年的人口數(shù)量為926.55、932.81、939.12、945.47、951.86、958.29萬人.

2）人均GDP.對1997—2019年的人均GDP數(shù)據(jù)進(jìn)行線性擬合（圖2），三次方程的擬合效果最好，可決系數(shù)為0.999，顯著性0.000，對應(yīng)的方程為：AY=7 123.5-159.27T+130.17T2-2.196T3（式中AY表示人均GDP，T表示時(shí)期）.據(jù)此推斷濰坊市2020—2025年的實(shí)際人均GDP分別為：47 928.35、50 193.31、52 389.29、54 503.11、56 521.60、58 431.59元.

圖2 濰坊市人均GDP趨勢圖Fig.2 The trend of per capita GDP in Weifang

3）工業(yè)GDP比例.濰坊市近五年的工業(yè)GDP維持在40%～41%之間，因此我們假設(shè)未來五年的工業(yè)GDP比重不嚴(yán)生波動，假設(shè)2020—2025年的工業(yè)GDP比重為40.50%.

4）能源消耗強(qiáng)度.按照濰坊市17種重要能源的消費(fèi)情況，2014—2019年分別為能源消耗強(qiáng)度為1.67、1.69、1.8、1.82、1.95、2.02，能源消耗強(qiáng)度不斷增加.根據(jù)近22年的數(shù)據(jù)分析，顯示出增加、減小、增加的波段性特征，中位數(shù)為1.8，均值為1.82，結(jié)合濰坊市能源消耗實(shí)際情況，因此我們判斷2025年的能源消耗強(qiáng)度為1.81.

5）城鎮(zhèn)化水平.濰坊市戶籍人口城鎮(zhèn)化率2015—2019年不斷增加，年均增加1.30%，得到濰坊市2020—2025年戶籍人口城鎮(zhèn)化率數(shù)據(jù).

綜上，將人口、人均GDP、工業(yè)GDP比例、能源消耗強(qiáng)度、城鎮(zhèn)化水平五個(gè)自變量代入嶺回歸方程

可得到2020—2025年濰坊市17種能源的碳排放總量數(shù)據(jù)，數(shù)據(jù)如表5所示.

表5 濰坊市碳排放預(yù)測Tab.5 Carbon emission forecast of Weifang City

4 優(yōu)化路徑

濰坊市工業(yè)GDP占比下降的同時(shí)，碳排放總量增加，人均GDP、城鎮(zhèn)化水平位列影響碳排放的前二位.因此，濰坊市碳排放的降低不僅僅要減少煤炭的消耗，需要多措并舉，生產(chǎn)端碳排放需要繼續(xù)控制工業(yè)生產(chǎn)增加值能耗、推進(jìn)綠色制造；消費(fèi)端碳排放的控制可以有效降低人口、人均GDP、城鎮(zhèn)化水平帶來的碳排放的增加.分別從生產(chǎn)端和消費(fèi)端出發(fā)以尋求經(jīng)濟(jì)的低碳發(fā)展路徑.

從生產(chǎn)端出發(fā)，主要包含以下三個(gè)方面：

1）控制單位工業(yè)增加值能耗，提高能源使用效率，發(fā)展低碳工業(yè).工業(yè)GDP的比例降低，但是總能耗在增加.高質(zhì)量發(fā)展和供給側(cè)結(jié)構(gòu)性改革的推進(jìn)，使得工業(yè)能源的消費(fèi)增速在高位運(yùn)行，鋼鐵、石油、建材、化工等作為工業(yè)企業(yè)利潤的主要來源，需要繼續(xù)強(qiáng)化工業(yè)節(jié)能的監(jiān)督和管理.一是加大工業(yè)能源消費(fèi)情況的跟蹤管理力度，及時(shí)分析可能造成單位工業(yè)增加值能耗反彈的潛在因素，準(zhǔn)確提出應(yīng)對措施.二是圍繞工信部《綠色制造工程實(shí)施指南（2016—2020）》和《關(guān)于開展綠色制造體系建設(shè)的通知》具體要求，繼續(xù)推進(jìn)節(jié)能降耗、清潔生產(chǎn)、資源綜合利用的技術(shù)改造，進(jìn)一步提升能源資源的利用效率.

2）深入推進(jìn)綠色制造體系建設(shè)，在綠色產(chǎn)業(yè)鏈上搶占先機(jī)，發(fā)展低碳產(chǎn)業(yè)鏈.一是結(jié)合工信部《工業(yè)綠色發(fā)展規(guī)劃（2016—2020）》實(shí)施的具體情況和目標(biāo)要求，重點(diǎn)圍繞綠色產(chǎn)品的開發(fā)推廣，加大工作力度，為完成上級部門相關(guān)目標(biāo)任務(wù)奠定基礎(chǔ).二是按照工信部和國家標(biāo)準(zhǔn)化管理委員會共同發(fā)布的《綠色制造體系標(biāo)準(zhǔn)建設(shè)指南》有關(guān)要求，對于綠色設(shè)計(jì)產(chǎn)品的評價(jià)規(guī)范、行業(yè)綠色工廠評價(jià)標(biāo)準(zhǔn)、綠色園區(qū)評價(jià)通則、綠色供應(yīng)鏈企業(yè)評價(jià)通則等標(biāo)準(zhǔn)規(guī)范的制定.

3）建設(shè)生態(tài)鄉(xiāng)村和生態(tài)城鎮(zhèn)，以應(yīng)對城鎮(zhèn)化帶來的碳排放的增長.在生態(tài)鄉(xiāng)村建設(shè)方面，一是對農(nóng)村的宅基地整理，人均宅基地用地量降低為國家或該地區(qū)的人均宅基地標(biāo)準(zhǔn)；二是適當(dāng)提高建筑的容積率和建筑高度；三是對于村莊中的閑散土地進(jìn)行整理，自然村向中心村合并，新增土地加強(qiáng)公共設(shè)施建設(shè)、改善生活條件.在生態(tài)城鎮(zhèn)建設(shè)方面，可以利用生態(tài)經(jīng)濟(jì)的相關(guān)理論進(jìn)行規(guī)劃、設(shè)計(jì)和建設(shè)，解決城鎮(zhèn)化建設(shè)中對環(huán)境污染、生態(tài)破壞和資源浪費(fèi)，為循環(huán)經(jīng)濟(jì)提供空間和機(jī)遇；同時(shí)促進(jìn)城鎮(zhèn)化建設(shè)中的生態(tài)保護(hù)，人文建設(shè)和自然景觀并重，合理配置土地.

從消費(fèi)端出發(fā)，主要是以下兩個(gè)方面：

1）強(qiáng)化宣傳教育，提高低碳消費(fèi)意識.在全社會積極開展低碳消費(fèi)宣傳教育是培育低碳消費(fèi)的基礎(chǔ)性工作.依靠消費(fèi)者自身改變的能動性，向低碳消費(fèi)的轉(zhuǎn)化，如選擇環(huán)保面料.低碳消費(fèi)意識的提升增大了低碳行為改變的可能性，而真正實(shí)現(xiàn)轉(zhuǎn)化需要降低低碳消費(fèi)的成本.降低低碳消費(fèi)成本的基本前提是擴(kuò)大低碳產(chǎn)品生產(chǎn)的規(guī)模，這需要政府、企業(yè)和消費(fèi)者的共同努力.政府可以從加強(qiáng)低碳消費(fèi)價(jià)值觀的培養(yǎng)和引導(dǎo)方面采取系統(tǒng)的措施來影響消費(fèi)者低碳消費(fèi)態(tài)度，從而影響消費(fèi)者低碳消費(fèi)意愿和行為.政府和企業(yè)可以通過為消費(fèi)者提供更多的低碳或低碳消費(fèi)信息和知識，從而轉(zhuǎn)變消費(fèi)者的低碳消費(fèi)態(tài)度和增強(qiáng)其低碳購買意愿.

2）注重低碳與綠色的協(xié)同，為低碳消費(fèi)提供動能.發(fā)展無紙化辦公、低碳出行、綠色旅游消費(fèi).綠色消費(fèi)與低碳消費(fèi)雖然是兩個(gè)內(nèi)涵不同的概念，但行動中有很多契合點(diǎn).以低碳旅游為例，一要營造低碳旅游吸引物，充分挖掘森林、濕地、海洋等自然高碳匯體資源的旅游價(jià)值，策劃低能耗、低損耗為主的低碳旅游活動產(chǎn)品，通過生態(tài)化技術(shù)修復(fù)受損的土地、濕地.二是配置低碳旅游設(shè)施，建設(shè)生態(tài)停車場，發(fā)展低碳旅游設(shè)施，倡導(dǎo)低碳旅游消費(fèi)方式，以旅游交通為例，公共汽車交通和鐵路占到所有旅游運(yùn)輸量的16%左右，但是碳排放量只占1%.三是培育低碳旅游體驗(yàn)環(huán)境，打造低碳旅游企業(yè)，旅游企業(yè)要引入碳匯機(jī)制的旅游環(huán)境培育理念，注重提供企業(yè)的生態(tài)文明建設(shè)，鼓勵(lì)旅游社區(qū)、旅客共同構(gòu)建低碳旅游環(huán)境.