劉茂輝，翟華欣，劉勝楠，岳亞云，楊多堃，李婧*

1.天津市生態(tài)環(huán)境監(jiān)測(cè)中心

2.天津天濱同盛環(huán)境科技有限公司

3.天津天濱瑞成環(huán)境技術(shù)工程有限公司

中國(guó)宣布要力爭(zhēng)在2030年前實(shí)現(xiàn)碳達(dá)峰、2060年前實(shí)現(xiàn)碳中和，中央和各地方政府積極地推動(dòng)“雙碳”工作的落實(shí)[1-4]。實(shí)現(xiàn)碳達(dá)峰、碳中和是一場(chǎng)廣泛而深刻的經(jīng)濟(jì)社會(huì)系統(tǒng)性變革，影響著中國(guó)的方方面面。為了給天津市碳排放量管理提供決策支持，眾多學(xué)者開(kāi)展了天津市碳排放量的研究，主要研究?jī)?nèi)容集中在碳排放量影響因素分析[5-11]、碳排放量情景預(yù)測(cè)分析[10-12]和碳減排潛力分析[13-14]。天津市碳排放量影響因素可以分為四大類(lèi)：經(jīng)濟(jì)發(fā)展因素、產(chǎn)業(yè)因素、人口因素和能源因素。其中，經(jīng)濟(jì)發(fā)展因素包括GDP、GDP增速、人均GDP、外商直接投資（FDI），產(chǎn)業(yè)因素包括第二產(chǎn)業(yè)占比、第三產(chǎn)業(yè)占比、第二產(chǎn)業(yè)能源消耗占比、第三產(chǎn)業(yè)能源消耗占比，人口因素包括常住人口、城鎮(zhèn)化率，能源因素包括能源消耗總量、能源強(qiáng)度、生活能源占比、煤炭消耗占比、石油消耗占比、天然氣消耗占比、能源效率、碳排放量系數(shù)。在碳排放量情景預(yù)測(cè)分析方面，孫鈺等[12]基于Kaya恒等式，分基準(zhǔn)情景、節(jié)能情景、低碳情景和強(qiáng)化低碳情景4個(gè)情景對(duì)天津市碳排放量進(jìn)行了預(yù)測(cè)分析，結(jié)果顯示，天津市在節(jié)能情景下即可完成2020年的減排承諾，按低碳模式發(fā)展，將在2020——2035年達(dá)到碳排放量的高峰；李健等[10]基于1995——2013年的數(shù)據(jù)利用灰色模型預(yù)測(cè)天津市2020年能源強(qiáng)度，結(jié)果表明，2020年天津市能源強(qiáng)度為2005年的44.76%，降幅達(dá)到55.24%，優(yōu)于全國(guó)的減排標(biāo)準(zhǔn)；李雪梅等[11]在天津市2000——2016年碳排放量測(cè)算的基礎(chǔ)上，基于STIRPAT拓展模型預(yù)測(cè)天津市2021——2040年碳排放量變化趨勢(shì)，結(jié)果顯示，中增長(zhǎng)強(qiáng)減排情景模式是天津市最佳發(fā)展模式。在碳排放量減排潛力分析方面，苑清敏等[13]運(yùn)用系統(tǒng)動(dòng)力學(xué)方法探求影響因素對(duì)未來(lái)天津市碳排放量的影響，結(jié)果表明，在天津市碳排放量達(dá)到峰值后，結(jié)構(gòu)調(diào)整、低碳技術(shù)水平和碳匯能力繼續(xù)為碳減排發(fā)揮積極作用；李健等[14]運(yùn)用Tapio脫鉤模型和LMDI分解探討天津市碳減排驅(qū)動(dòng)因素，結(jié)果顯示，經(jīng)濟(jì)增長(zhǎng)是促進(jìn)碳排放量增長(zhǎng)的主要原因，能源效率始終是促進(jìn)天津市實(shí)現(xiàn)脫鉤的關(guān)鍵。然而，新的碳達(dá)峰和碳中和目標(biāo)提出之后，天津市碳達(dá)峰目標(biāo)能否完成，碳中和路徑是怎樣的，目前鮮見(jiàn)公開(kāi)的研究成果。

通過(guò)核算2000——2019年天津市碳排放量，選取能源結(jié)構(gòu)、能源強(qiáng)度、經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化率倒數(shù)、城鎮(zhèn)人口數(shù)與第三產(chǎn)業(yè)總值的比、第三產(chǎn)業(yè)總值6項(xiàng)因素構(gòu)建拓展的LMDI恒等式和STIRPAT模型，分析各影響因素對(duì)天津市碳排放量的影響，并預(yù)測(cè)基準(zhǔn)情景、低碳情景和超低碳情景3種情形下天津市碳達(dá)峰和碳中和情況。

1 研究方法和數(shù)據(jù)來(lái)源

1.1 碳排放量核算

依據(jù)《省級(jí)溫室氣體清單編制指南（試行）》來(lái)開(kāi)展碳排放量核算，該指南總體上遵循《IPCC國(guó)家溫室氣體清單指南》的基本方法，并借鑒了1994年和2005年我國(guó)能源活動(dòng)溫室氣體清單編制方法。其中，能源活動(dòng)中化石燃料燃燒產(chǎn)生的溫室氣體采用部門(mén)方法計(jì)算，該方法基于分部門(mén)、分燃料品種、分設(shè)備的燃料消費(fèi)量等活動(dòng)水平數(shù)據(jù)以及相應(yīng)的排放因子等參數(shù)，通過(guò)逐層累加綜合計(jì)算得到總排放量，計(jì)算公式如下：

式中：Q為碳排放量，萬(wàn)t；EF為排放因子，萬(wàn)t/TJ；A為燃料消費(fèi)量，TJ；i為燃料類(lèi)型；j為部門(mén)活動(dòng)；k為技術(shù)類(lèi)型。

1.2 LMDI方法

LMDI方法是在Kaya等式基礎(chǔ)之上發(fā)展而來(lái)的。日本學(xué)者Kaya[15]在1989年提出了Kaya恒等式，該等式可以分析碳排放量的主要驅(qū)動(dòng)因素[16]，但無(wú)法消除殘差項(xiàng)。Ang等[17]在此基礎(chǔ)之上提出了LMDI方法，LMDI法具有消除殘差項(xiàng)、分解結(jié)果直觀的特點(diǎn)，廣泛應(yīng)用于能源研究領(lǐng)域[18-20]。由李健等[8]的研究可知，人口總數(shù)、城鎮(zhèn)化率、人均地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)總值以及能源強(qiáng)度是天津市碳排放量的重要影響因素，同時(shí)由王媛等[9]的研究可知，人口總數(shù)、人均地區(qū)生產(chǎn)總值、能源結(jié)構(gòu)和能源強(qiáng)度也影響天津市碳排放量。綜上，為更全面地考慮天津市碳排放量影響因素，筆者選擇能源結(jié)構(gòu)、能源強(qiáng)度、人均地區(qū)生產(chǎn)總值、城鎮(zhèn)化率、第三產(chǎn)業(yè)總值作為天津市碳排放量的影響因素。為方便對(duì)比分析，參照王媛等[9]的方法，構(gòu)建拓展的Kaya恒等式，具體表述如下：

式中：Q為碳排放量，萬(wàn)t；PE為能源消費(fèi)量，TJ；GRP為地區(qū)生產(chǎn)總值，億元；POP為人口總數(shù)，萬(wàn)人；UP為城鎮(zhèn)人口總數(shù)，萬(wàn)人；TI為第三產(chǎn)業(yè)總值，億元。

令ES=Q/PE代表能源結(jié)構(gòu)，令EI=PT/GRP代表能源強(qiáng)度，令C=GRP/POP代表經(jīng)濟(jì)增長(zhǎng)，令D=POP/UP代表城鎮(zhèn)化率倒數(shù)，令E=UP/TI代表城鎮(zhèn)人口數(shù)與第三產(chǎn)業(yè)總值的比，令F=TI代表第三產(chǎn)業(yè)總值。LMDI方程如下：

加法分解式如下：

式中：ΔQtot為碳排放量變化，萬(wàn)t；Qt為第t年碳排放量，萬(wàn) t；Q0為基準(zhǔn)年（2000 年）碳排放量，萬(wàn) t；ΔQES為能源結(jié)構(gòu)效應(yīng)，萬(wàn)t；ΔQEI為能源強(qiáng)度效應(yīng)，萬(wàn)t；ΔQC為經(jīng)濟(jì)增長(zhǎng)效應(yīng)，萬(wàn)t；ΔQD為城鎮(zhèn)規(guī)模效應(yīng)，萬(wàn)t；ΔQE為城鎮(zhèn)人口數(shù)與第三產(chǎn)業(yè)總值的比值效應(yīng)，萬(wàn) t；ΔQF為第三產(chǎn)業(yè)規(guī)模效應(yīng)，萬(wàn)t。

各效應(yīng)的表達(dá)式如下：

式中W為對(duì)數(shù)均值，萬(wàn)t。

1.3 STIRPAT模型

可拓展的隨機(jī)性的環(huán)境影響評(píng)估（STIRPAT）模型源于IPAT等式[21]，IPAT等式表達(dá)如下：

式中：I為環(huán)境負(fù)荷；P為人口規(guī)模；B為富裕度；T為技術(shù)水平。

基于IPAT等式，York等[22]構(gòu)建了STIRPAT模型，其表達(dá)式為：

式中：a為常數(shù)項(xiàng)；b、c、d分別為P、B、T的指數(shù)項(xiàng)；e為誤差項(xiàng)。

STIRPAT模型可以定量分析各因素對(duì)環(huán)境負(fù)荷的影響，該方法已被廣泛地應(yīng)用于環(huán)境保護(hù)研究中[23-25]。在利用STIRPAT模型研究碳排放量過(guò)程中，可以依據(jù)研究區(qū)域?qū)嶋H情況，引入其他可以對(duì)碳排放量造成影響的因素，構(gòu)建擴(kuò)展的STIRPAT模型[26]。為方便對(duì)比分析，依據(jù)LMDI方程，選取ES、EI、C、D、E、F這6項(xiàng)因素作為自變量對(duì)STIRPAT模型進(jìn)行擴(kuò)展，構(gòu)建擴(kuò)展后的模型如下：

式中α、β、γ、δ、ε、θ分別為ES、EI、C、D、E、F的指數(shù)項(xiàng)。

為了消除模型中可能存在的異方差影響，研究將所有變量進(jìn)行對(duì)數(shù)化處理，對(duì)數(shù)化之后的擴(kuò)展STIRPAT模型如下：

在使用STIRPAT模型研究碳排放量影響因素時(shí)，構(gòu)建的多元線性回歸模型易產(chǎn)生多重共線的問(wèn)題[27]，為解決這一問(wèn)題，參照張哲等[26]的方法，使用偏最小二乘法（PLS）進(jìn)行多元線性回歸模型的構(gòu)建。

1.4 數(shù)據(jù)來(lái)源

2000——2019年碳排放量所需活動(dòng)水平數(shù)據(jù)、人口總數(shù)、城鎮(zhèn)化率、地區(qū)生產(chǎn)總值、第三產(chǎn)業(yè)占比、能源強(qiáng)度和碳排放強(qiáng)度數(shù)據(jù)均來(lái)源于歷年《天津統(tǒng)計(jì)年鑒》和《天津市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》。為排除通貨膨脹等物價(jià)上漲因素，地區(qū)生產(chǎn)總值采用2000年不變價(jià)進(jìn)行折算。

1.5 情景設(shè)置

將《天津市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)綱要》[3]、《2020年天津市國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》[28]和《天津市2021年政府工作報(bào)告》[29]中地區(qū)生產(chǎn)總值、能源強(qiáng)度、碳排放強(qiáng)度、城鎮(zhèn)化率、近3年的第三產(chǎn)業(yè)占比和人口總數(shù)作為基準(zhǔn)情景。由李健等[8-9]的研究可知，低碳發(fā)展要求下，地區(qū)生產(chǎn)總值、城鎮(zhèn)化率、第三產(chǎn)業(yè)占比和人口總數(shù)的增長(zhǎng)率呈下降趨勢(shì)，能源強(qiáng)度和碳排放強(qiáng)度的下降幅度呈增加趨勢(shì)；同時(shí)，為展現(xiàn)盡可能廣的碳排放量變化范圍，在參數(shù)合理變化范圍內(nèi)，本研究以低碳加嚴(yán)40%作為變化步長(zhǎng)。在基準(zhǔn)情景的基礎(chǔ)之上，低碳發(fā)展加嚴(yán)40%作為低碳情景，即地區(qū)生產(chǎn)總值、城鎮(zhèn)化率、第三產(chǎn)業(yè)占比和人口總數(shù)的增長(zhǎng)下降40%，能源強(qiáng)度和碳排放強(qiáng)度的降幅增加40%；在基準(zhǔn)情景的基礎(chǔ)之上，低碳發(fā)展加嚴(yán)80%作為超低碳情景，即地區(qū)生產(chǎn)總值、城鎮(zhèn)化率、第三產(chǎn)業(yè)占比和人口總數(shù)的增長(zhǎng)下降80%，能源強(qiáng)度和碳排放強(qiáng)度的降幅增加80%。各情景下各參數(shù)具體設(shè)置如表1所示。

表1 情景設(shè)置Table 1 Scenarios setting

2 結(jié)果與分析

2.1 影響因素分析

基于式（4）～（10）可以計(jì)算 LMDI各影響因素累計(jì)貢獻(xiàn)率，結(jié)果見(jiàn)圖1。貢獻(xiàn)率大于0，表明該影響因素對(duì)碳排放量具有拉動(dòng)作用；貢獻(xiàn)率小于0，表明該影響因素對(duì)碳排放量具有減緩作用。從圖1可知，在以2000年作為基準(zhǔn)年的前提下，2019年天津市能源結(jié)構(gòu)、能源強(qiáng)度、經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化率倒數(shù)、城鎮(zhèn)人口數(shù)與第三產(chǎn)業(yè)總值的比、第三產(chǎn)業(yè)總值的累計(jì)貢獻(xiàn)率依次為-19%、-152%、222%、-16%、-239%、305%，能源強(qiáng)度、城鎮(zhèn)人口數(shù)與第三產(chǎn)業(yè)總值的比對(duì)天津市碳排放量起到較強(qiáng)的減緩作用，能源結(jié)構(gòu)和城鎮(zhèn)化率倒數(shù)對(duì)天津市碳排放量起到一定的減緩作用，經(jīng)濟(jì)增長(zhǎng)和第三產(chǎn)業(yè)總值對(duì)天津市碳排放量起拉動(dòng)作用，這一結(jié)論與王媛等[9]對(duì)天津市碳排放量影響因素的分析一致，與董瑩等[30]對(duì)甘肅省碳排放量影響因素分析一致，同時(shí)也與李健等[18]對(duì)經(jīng)濟(jì)增長(zhǎng)和能源強(qiáng)度的分析相一致。但與王建雄等[31]的研究結(jié)果不太一致，在其研究中，天津市的能源結(jié)構(gòu)（占比為3.9%）對(duì)碳排放量起到了拉動(dòng)作用，其他影響因素分析與本文一致，主要原因是其研究中引入了區(qū)域結(jié)構(gòu)效應(yīng)，這一效應(yīng)對(duì)天津市的碳排放量起到了拉動(dòng)作用，影響了能源結(jié)構(gòu)對(duì)碳排放量的減緩分析。

圖1 LMDI各影響因素累計(jì)貢獻(xiàn)率Fig.1 Cumulative contribution rate of each influencing factor of LMDI

基于式（14）和偏最小二乘法（PLS）得到的回歸方程為：

從式（16）來(lái)看，對(duì)于天津市，在保持其他變量不變的情況下，能源結(jié)構(gòu)每降低1%，則碳排放量平均減少0.671%；能源強(qiáng)度每降低1%，則碳排放量平均減少0.293%；經(jīng)濟(jì)增長(zhǎng)每提高1%，則碳排放量平均增加0.644%；城鎮(zhèn)化率每提高1%，則碳排量放平均減少6.932%；城鎮(zhèn)人口數(shù)與第三產(chǎn)業(yè)總值的比每增加1%，則碳排放量平均增加0.291%；第三產(chǎn)業(yè)總值每增加1%，則碳排放量平均減少0.103%。由此可見(jiàn)，能源結(jié)構(gòu)、能源強(qiáng)度、經(jīng)濟(jì)增長(zhǎng)、城鎮(zhèn)化率與碳排放量成正相關(guān)，這一結(jié)果與上海市[26]、江蘇省[32]、昆明市[33]和天津市[8]等的研究結(jié)果一致。

LMDI方法和STIRPAT模型對(duì)碳排放量的預(yù)測(cè)對(duì)比見(jiàn)圖2。2種方法對(duì)碳排放量預(yù)測(cè)的誤差為-3.72%～3.02%，平均誤差為-0.14%，Pearson相關(guān)系數(shù)為0.998（P＜0.01），這說(shuō)明2種方法對(duì)碳排放量的擬合具有較強(qiáng)的一致性。LMDI方法主要揭示的是天津市2000——2019年這一時(shí)段內(nèi)各碳排放量影響因素對(duì)碳排放量的貢獻(xiàn)率，但不能定量地描述各影響因素對(duì)碳排放量的長(zhǎng)期效應(yīng)，更適合用于對(duì)某一時(shí)段的碳排放量影響因素進(jìn)行定量分析；而STIRPAT模型則可以揭示各影響因素對(duì)碳排放量的趨勢(shì)效應(yīng)，但不能描述一個(gè)時(shí)段的各影響因素對(duì)碳排放量的貢獻(xiàn)率，更適合用于碳排放量的預(yù)測(cè)分析。因此雖然2種方法選取的是同樣的參數(shù)，但參數(shù)對(duì)碳排放量的影響是不一致的。結(jié)合2種方法可以看出，天津市能源結(jié)構(gòu)的不斷優(yōu)化和能源強(qiáng)度的持續(xù)降低是導(dǎo)致天津市碳排放量減緩的主要因素，但天津市富裕程度的增加和城鎮(zhèn)化率的提高促進(jìn)了天津市碳排放量的增加。

圖2 LMDI方法和STIRPAT模型對(duì)天津市碳排放量的擬合分析Fig.2 Fitting analysis of LMDI method and STIRPAT model for Tianjin's carbon emissions

2.2 碳達(dá)峰分析

目前對(duì)于中國(guó)城市碳達(dá)峰還沒(méi)有明確的定義和概念，參照張立等[34-35]的研究，城市碳達(dá)峰是指城市的碳排放量在一段時(shí)間內(nèi)達(dá)到峰值，之后進(jìn)入平臺(tái)期，可能在一定范圍內(nèi)波動(dòng)，但不能超過(guò)峰值，然后進(jìn)入平穩(wěn)下降階段。本研究城市碳達(dá)峰定義為碳排放量出現(xiàn)峰值隨后經(jīng)歷平臺(tái)期并進(jìn)入顯著下降階段（P＜0.01）。

基于LMDI方法和STIRPAT模型，并依據(jù)表1的情景設(shè)置模擬天津市“十四五”碳達(dá)峰情況，結(jié)果見(jiàn)圖3。由圖3可知，在基準(zhǔn)情景下，基于LMDI方法和STIRPAT模型模擬的天津市“十四五”時(shí)期碳排放量均呈現(xiàn)上升趨勢(shì)，無(wú)法實(shí)現(xiàn)碳達(dá)峰；在低碳情景下，基于LMDI方法和STIRPAT模型模擬的天津市“十四五”時(shí)期碳排放量均呈現(xiàn)下降趨勢(shì)，且都在2023年進(jìn)入顯著下降階段，可確保天津市在2025年之前實(shí)現(xiàn)碳達(dá)峰；在超低碳情景下，基于LMDI方法和STIRPAT模型模擬的天津市“十四五”時(shí)期碳排放量均呈下降趨勢(shì)，前者在2023年進(jìn)入顯著下降階段，后者在2022年便進(jìn)入了顯著下降階段，且超低碳情景下碳排放量降幅要大于低碳情景。

圖3 LMDI方法和STIRPAT模型對(duì)天津市碳達(dá)峰預(yù)測(cè)分析Fig.3 Prediction and analysis of carbon peak in Tianjin by LMDI method and STIRPAT model

由于對(duì)碳達(dá)峰的定義不同，對(duì)于碳達(dá)峰的年份預(yù)判也會(huì)略有差別。臧宏寬等[36]將碳達(dá)峰定義為近5年內(nèi)，能源相關(guān)的碳排放量出現(xiàn)高峰并逐漸下降或波動(dòng)下降，同時(shí)碳排放量與GDP之間處于強(qiáng)脫鉤或弱脫鉤狀態(tài)。按照其研究，天津市在2020年之前的近5年碳排放量出現(xiàn)了峰值并呈降低趨勢(shì)，且經(jīng)濟(jì)增長(zhǎng)與碳排放量呈強(qiáng)脫鉤狀態(tài)，已經(jīng)處于達(dá)峰狀態(tài)。而本研究中也顯示天津市碳排放量在2020年之前已經(jīng)出現(xiàn)峰值并呈下降狀態(tài)，從這一點(diǎn)來(lái)說(shuō)二者的研究是一致的，由于本研究定義碳排放量顯著下降才可定義為碳達(dá)峰，因此，碳達(dá)峰的判斷年份出現(xiàn)了不一致的情形。李雪梅等[11]研究顯示，中增長(zhǎng)強(qiáng)減排情景模式是天津市最佳發(fā)展模式，在此情景下，天津市將于2025年實(shí)現(xiàn)碳達(dá)峰，與本研究結(jié)果較為接近。孫鈺等[12]研究顯示，天津市按照低碳模式發(fā)展，將在2020——2035年達(dá)到碳排放量高峰，與本研究結(jié)果也相符。綜上，天津市按照基準(zhǔn)情景發(fā)展很難在2025年之前實(shí)現(xiàn)碳達(dá)峰，按低碳情景和超低碳情景發(fā)展可確保在2025年之前實(shí)現(xiàn)碳達(dá)峰。

2.3 碳中和分析

碳中和一般是指進(jìn)入大氣的二氧化碳排放和吸收之間達(dá)到平衡[37]?；贚MDI方法和STIRPAT模型，依據(jù)表1的情景設(shè)置，模擬2000——2060年天津市碳排放量情況，結(jié)果見(jiàn)圖4。由圖4可知，在基準(zhǔn)情景下，基于LMDI方法和STIRPAT模型模擬的天津市碳排放量在“十四五”之后均呈上升趨勢(shì)，無(wú)法實(shí)現(xiàn)碳中和；在低碳情景下，基于LMDI方法和STIRPAT模型模擬的天津市碳排放量在“十四五”之后均呈下降趨勢(shì)，到2060年，分別預(yù)測(cè)碳排放量為0.71億和1.67億t，前者預(yù)測(cè)碳排放量降幅明顯大于后者；在超低碳情景下，基于LMDI方法和STIRPAT模型模擬的天津市碳排放量在“十四五”之后也均呈下降趨勢(shì)，到2060年，分別預(yù)測(cè)碳排放量為0.12億和0.64億t，前者預(yù)測(cè)碳排放量降幅也明顯大于后者。孫鈺等[12]研究顯示，在強(qiáng)化低碳模式下，天津市至2050年碳排放量還余0.21億t，本研究在超低碳情景下，天津市至2050年還剩余0.26億t，二者研究結(jié)果較為一致；但前者僅預(yù)測(cè)到2050年，并未考慮“雙碳”目標(biāo)，因此，本研究更貼近目前的管理需求。

圖4 LMDI方法和STIRPAT模型對(duì)天津市碳中和預(yù)測(cè)分析Fig.4 Prediction and analysis of carbon neutrality in Tianjin by LMDI method and STIRPAT model

使用LMDI方法和STIRPAT模型進(jìn)行長(zhǎng)時(shí)間序列碳排放量模擬時(shí)，二者的模擬結(jié)果相差較大，LMDI方法模擬的碳排放量降幅明顯大于STIRPAT模型，但二者的預(yù)測(cè)趨勢(shì)是一致的。要想推動(dòng)天津市在2060年之前實(shí)現(xiàn)碳中和，就要盡快進(jìn)入超低碳發(fā)展模式，并適時(shí)實(shí)施碳匯工程。

2.4 不確定性分析

研究中的影響因素?cái)?shù)據(jù)主要來(lái)自統(tǒng)計(jì)年鑒，對(duì)于一些歷年比較難以獲取且影響碳排放量的因素（如高技術(shù)增加值占比）暫未考慮進(jìn)去，所以會(huì)導(dǎo)致碳排放量的預(yù)測(cè)分析存在一定的不確定性；各情景的設(shè)置是以低碳加嚴(yán)40%作為情景預(yù)測(cè)幅度，與實(shí)際情況會(huì)有一些差別，因此本研究的預(yù)測(cè)評(píng)估僅是提供了一定條件下的碳排放量邊界，具有一定的不確定性。

3 結(jié) 論

（1）LMDI方法主要揭示的是各影響因素對(duì)碳排放量的貢獻(xiàn)率，STIRPAT模型揭示的是各影響因素對(duì)碳排放量變化趨勢(shì)的影響。因此，如果需要分析當(dāng)前一段時(shí)間內(nèi)碳排放量影響因素的貢獻(xiàn)率，選擇LMDI方法；如果需要對(duì)碳排放量進(jìn)行預(yù)測(cè)分析，選擇STIRPAT模型。使用LMDI方法和STIRPAT模型進(jìn)行長(zhǎng)時(shí)間序列碳排放量模擬時(shí)，二者的模擬結(jié)果相差較大，LMDI方法模擬的碳排放量降幅明顯大于STIRPAT模型。因此，如果想要最大限度地減少政策制定的不確定性，需要同時(shí)使用LMDI方法和STIRPAT模型對(duì)碳排放量進(jìn)行預(yù)測(cè)分析。

（2）天津市地區(qū)生產(chǎn)總值、能源強(qiáng)度、碳排放強(qiáng)度、城鎮(zhèn)化率、第三產(chǎn)業(yè)占比對(duì)天津市碳排放量具有較大的影響，天津市能源結(jié)構(gòu)的不斷優(yōu)化和能源強(qiáng)度的持續(xù)降低是導(dǎo)致天津市碳排放量減緩的主要因素，但天津市富裕程度的增加和城鎮(zhèn)化率的提高促進(jìn)了天津市碳排放量的增加。

（3）在基準(zhǔn)情景下，基于LMDI方法和STIRPAT模型模擬的天津市“十四五”時(shí)期碳排放量均呈現(xiàn)上升趨勢(shì)，無(wú)法實(shí)現(xiàn)碳達(dá)峰，2060年之前也很難實(shí)現(xiàn)碳中和；在低碳情景和超低碳情景下，基于LMDI方法和STIRPAT模型模擬的天津市“十四五”時(shí)期碳排放量均呈下降趨勢(shì)，可確保在2025年之前實(shí)現(xiàn)碳達(dá)峰；在低碳情景下，到2060年天津市仍有較高的碳排放量，很難實(shí)現(xiàn)碳中和；在超低碳情景下，到2060年，通過(guò)實(shí)施碳匯工程，天津市可實(shí)現(xiàn)碳中和。天津市要想在2025年之前實(shí)現(xiàn)碳達(dá)峰，需要達(dá)到低碳情景；要想在2060年之前實(shí)現(xiàn)碳中和，需要達(dá)到超低碳情景。