吳淑敏 高廣闊

摘? ?要：運(yùn)用排放因子法核算安徽省2000—2019年與能源相關(guān)的碳排放，并分析安徽省碳排放的主要影響因素。結(jié)合LMDI分解法分析了碳排放影響因素，之后建立STIRPAT擴(kuò)展模型及嶺回歸，定量進(jìn)行了安徽省能源碳排放預(yù)測。模型精確度高達(dá)90%以上，誤差控制在5%以內(nèi)，說明該模型可以很好對安徽省未來能源消費(fèi)碳排放量進(jìn)行預(yù)測。冀望能為安徽省實(shí)現(xiàn)碳減排，促進(jìn)經(jīng)濟(jì)發(fā)展目標(biāo)實(shí)現(xiàn)提供參考。

關(guān)鍵詞：二氧化碳；安徽?。惶寂欧?；LMDI分解法；STIRPAT擴(kuò)展模型

中圖分類號：F062.2? ? ? ?文獻(xiàn)標(biāo)志碼：A? ? ? 文章編號：1673-291X（2023）08-0020-03

一、研究方法和數(shù)據(jù)

（一）研究方法

1.LMDI分解法

運(yùn)用LMDI分解方法的加法分解形式將碳排放進(jìn)行因素分解，精確衡量各分解因素對碳排放的影響程度[1]。具體步驟如下。

碳排放增長量綜合效應(yīng)公式如下所示：

△C=△Cp+△Cs+△Ce+△Cy+△Cd（1）

其中，等號右邊式子表示分解后的公式；p表示人口數(shù)量，用來衡量人口發(fā)展規(guī)模；s=■表示人均GDP，衡量經(jīng)濟(jì)發(fā)展水平；e=■表示能源強(qiáng)度；y=■表示能源結(jié)構(gòu)；d=■表示產(chǎn)業(yè)結(jié)構(gòu)；C表示安徽省碳排放總量，P表示人口數(shù)量，G表示國內(nèi)生產(chǎn)總值（GDP），E表示能源消費(fèi)總量，Ei表示第i種能源消耗量，I表示工業(yè)生產(chǎn)總值；將各個效應(yīng)導(dǎo)致的碳排放量的變化與碳排放總增量的比率稱為該效應(yīng)的貢獻(xiàn)。

2.STIRPAT模型

構(gòu)建STIRPAT模型[2]，表達(dá)式如下所示：

lnC=α+β1lnp+β2lns+β3lne+β4lny+β5lnd+β6lnu+β7lnr+β8lnt（2）

其中，C表示碳排放總量，p表示人口數(shù)量、s表示人均GDP，e表示能源強(qiáng)度，y表示能源結(jié)構(gòu)，d表示產(chǎn)業(yè)結(jié)構(gòu)，u表示城鎮(zhèn)化率，r表示居民消費(fèi)水平，t表示科技水平。為消除變量間多重共線性問題，本文選擇采用嶺回歸進(jìn)行分析。

（二）研究數(shù)據(jù)

1.數(shù)據(jù)來源

能源相關(guān)數(shù)據(jù)均來自歷年《中國能源統(tǒng)計(jì)年鑒》和《安徽省統(tǒng)計(jì)年鑒》（2003—2021）。本文所考察的主要能源數(shù)據(jù)包含原煤、焦炭、原油、燃料油、汽油、柴油、煤油以及天然氣這八種能源的消費(fèi)量。各能源碳排放系數(shù)如表1所示。

2.碳排放測算

本文選用排放因子法[3]進(jìn)行碳核算。根據(jù)IPCC提供的碳核算基本公式如下所示：

C=Ei×ηi×fi（3）

式中，C為能源消費(fèi)引起的碳排放，為終端能源消費(fèi)的第i類能源的消費(fèi)量，為第i類能源折標(biāo)準(zhǔn)煤參考系數(shù)，為第i類能源碳排放系數(shù)，碳排放系數(shù)是指燃燒化石能源釋放出的熱量所對應(yīng)的碳量。根據(jù)公式（3），可計(jì)算出安徽省2000—2019年能源消費(fèi)碳排放量，只對上述8種一次能源消耗所產(chǎn)生的碳排放量進(jìn)行統(tǒng)計(jì)，結(jié)果如圖1所示。

由圖1可見，安徽省碳排放量在2000—2019年期間基本處于增長狀態(tài)，只在2014—2016年間維持增速平穩(wěn)。碳排放量在2009年增長最快，因?yàn)榻?jīng)濟(jì)復(fù)蘇和國際化大都市規(guī)劃都造成能源消耗的迅速增長，從而產(chǎn)生大量碳排放。2009年后碳排放增速有所放緩，這一方面是由于以往能源消耗的快速增長導(dǎo)致能耗體量過大，因此之后碳排放增長相對較緩；另一方面，安徽省節(jié)能減排政策的有效實(shí)施也對減緩碳排放增速起到了重要作用。

二、安徽省經(jīng)濟(jì)社會發(fā)展現(xiàn)狀

（一）人口發(fā)展及城鎮(zhèn)化現(xiàn)狀

根據(jù)安徽省統(tǒng)計(jì)局公布的統(tǒng)計(jì)數(shù)據(jù)，截至2020年初，安徽省人口總量為7 119.37萬人，比上一年增加了36.48萬人，增長率約為0.52%。其中，城鎮(zhèn)人口為2 467萬人，鄉(xiāng)村人口為4 652萬人，相較于上一年分別增加了154萬人和-118萬人。全省2019年出生人數(shù)和死亡人數(shù)分別為10.12萬人和4.74萬人，出生率和死亡率為12.03%和6.04%，自然增長率為5.99%；男性和女性占比分別為51.89%和48.11%，處于相對均衡狀態(tài)。從人口年齡結(jié)構(gòu)來看，65歲及以上人口占比13.93%，說明老齡化趨勢比較嚴(yán)重?？偟膩砜矗陙戆不帐∪丝谝?guī)模不斷擴(kuò)大，人口的快速增長可能會加大碳排放壓力。人口城鎮(zhèn)化率為55.81%，研究表明，一定的城鎮(zhèn)化率可以抑制碳排放增長。

（二）經(jīng)濟(jì)發(fā)展現(xiàn)狀

安徽省經(jīng)濟(jì)發(fā)展?fàn)顩r相較于長三角其他區(qū)域處于落后狀態(tài)。2019年全年全省生產(chǎn)總值（GDP）為37 113.98億元，居全國第11位，比上年增長9.12%。分產(chǎn)業(yè)看，第一產(chǎn)業(yè)增加值2 915.7億元，增長3.2%；第二產(chǎn)業(yè)增加值15 337.9億元，增長8%，其中工業(yè)增加值11 454.9億元，增長7.5%；第三產(chǎn)業(yè)增加值18 860.4億元，增長7.7%。此外，2019年安徽省進(jìn)出口貿(mào)易總額為6 873 252萬美元，其中出口總額為4 039 900萬美元，占總量的58.78%。從這些數(shù)據(jù)可以看出安徽省經(jīng)濟(jì)正在迅速發(fā)展。

（三）能源消費(fèi)現(xiàn)狀

在一次能源消費(fèi)方面，2019年原煤、原油、天然氣占比分別為83.65%、6.8%、2.6%，相比于2018年增加了452.6萬噸標(biāo)準(zhǔn)煤；原油的消費(fèi)相比于上一年減少69.35萬噸標(biāo)準(zhǔn)煤；天然氣使用量相比于上一年增加了41萬噸標(biāo)準(zhǔn)煤。在各產(chǎn)業(yè)能源消費(fèi)方面，根據(jù)2010—2019年安徽省統(tǒng)計(jì)年鑒數(shù)據(jù)，本文選擇第一產(chǎn)業(yè)、第二產(chǎn)業(yè)、第三產(chǎn)業(yè)及居民生活能源消費(fèi)數(shù)量。

三、結(jié)果分析

（一）LMDI因素分解結(jié)果

將安徽省2001—2019年碳排放總量進(jìn)行LMDI因素分解，計(jì)算出各效應(yīng)的貢獻(xiàn)率，結(jié)果如圖2所示。

由圖2可見，人口規(guī)模效應(yīng)、經(jīng)濟(jì)發(fā)展效應(yīng)、能源結(jié)構(gòu)效應(yīng)以及產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)的貢獻(xiàn)率大多表現(xiàn)為正效應(yīng)，能源強(qiáng)度效應(yīng)的貢獻(xiàn)率大多則表現(xiàn)為負(fù)效應(yīng)。進(jìn)一步分析各因素效應(yīng)的貢獻(xiàn)率發(fā)現(xiàn)，經(jīng)濟(jì)發(fā)展效應(yīng)的增碳貢獻(xiàn)率最大，能源強(qiáng)度效應(yīng)的減碳貢獻(xiàn)率最大。

（二）STIRPAT模型結(jié)果分析

1.指標(biāo)選擇

為了更全面地分析安徽省碳排放影響因素，結(jié)合圖2的LMDI分解結(jié)果，將人口規(guī)模、人均GDP、能源強(qiáng)度、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)作為構(gòu)建模型的指標(biāo)。除此

之外，城鎮(zhèn)化水平推動了經(jīng)濟(jì)發(fā)展，應(yīng)是碳排放影響因素之一。安徽省居民消費(fèi)結(jié)構(gòu)趨于優(yōu)化，故引入居民消費(fèi)水平來研究消費(fèi)對碳排放的影響。安徽省高新技術(shù)企業(yè)發(fā)展較為迅速，截至2021年底，全省高新技術(shù)企業(yè)實(shí)現(xiàn)產(chǎn)值17 384.8億元，營業(yè)收入19 511.5億元，因此，科學(xué)技術(shù)也應(yīng)作為碳排放的影響因素。綜上，本文選擇的模型指標(biāo)有人口規(guī)模、人均GDP、能源強(qiáng)度、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、城鎮(zhèn)化水平、居民消費(fèi)水平、科學(xué)技術(shù)。

2.評價(jià)指標(biāo)

為評價(jià)模型的預(yù)測效果，本文采用平均絕對百分比誤差（Mean Absolute Percentage Error，MAPE）[4]和可決系數(shù)（Coefficientof Determination，R2）[5]這兩個評價(jià)指標(biāo)。作為預(yù)測精度的指標(biāo)。MAPE表示模型預(yù)測值和實(shí)測值之間的差異，如果這兩個指標(biāo)足夠小，就說明模型誤差越小?？蓻Q系數(shù)R2取值通常在（0，1）之間，表示模型的擬合度優(yōu)，計(jì)算出的數(shù)值越逼近于1，表示模型擬合程度越好。其計(jì)算公式如下：

式中，n為樣本總數(shù)，yi為預(yù)測值，yi為實(shí)際值，y為平均值。

3.模型搭建

根據(jù)建立的STIRPAT拓展模型，將lnC作為因變量，其余作為自變量，運(yùn)用嶺回歸來進(jìn)行參數(shù)估計(jì)，模型F值為14.75，且對應(yīng)p值為0.002，說明整體回歸是顯著的。預(yù)測方程為：

lnC=8.605+0.010lnp+0.221lns-0.115lne+0.012lny+0.058lnd+0.004lnu-0.004lnr+0.124lnt（6）

由表2可知，該模型預(yù)測精度高達(dá)90%以上，誤差MAPE可以控制在5%以內(nèi)，說明該模型可以很好用于安徽省碳排放預(yù)測分析。

四、結(jié)論

本研究的主要目的是確定驅(qū)動安徽省碳排放的主要因素，并為碳減排提供一些相關(guān)的政策建議。本文通過LMDI因素分解認(rèn)為，由于能源消耗而產(chǎn)生的碳排放被分解為能源結(jié)構(gòu)、技術(shù)進(jìn)步、經(jīng)濟(jì)產(chǎn)出和人口效應(yīng)。分解結(jié)果表明，安徽省能源消費(fèi)碳排放總量呈增長趨勢。其中，經(jīng)濟(jì)增長和能源強(qiáng)度對碳排放有顯著的影響；能源結(jié)構(gòu)變動、經(jīng)濟(jì)發(fā)展和人口增長正向驅(qū)動了碳排放量；能源強(qiáng)度負(fù)向驅(qū)動了碳排放量。本文構(gòu)建的STIRPAT拓展模型具有較高的預(yù)測精度以及較低的預(yù)測誤差，可以很好用于碳排放預(yù)測。

參考文獻(xiàn)：

[1]? ?方德斌，李晶，余謙.湖北省能源消費(fèi)影響機(jī)理研究——基于Granger因果關(guān)系及LMDI[J].資源開發(fā)與市場，2017，33（8）：974-979.

[2]? ?張攀路，都沁軍.京津冀地區(qū)碳排放影響因素研究——基于擴(kuò)展STIRPAT模型[J].國土資源科技管理，2022，39（3）：14-23.

[3]? ?田澤，董凱麗，吳鳳平.江蘇省終端能源消費(fèi)CO_2排放總量測算及驅(qū)動因素研究[J].中國人口·資源與環(huán)境，2015，25（11）：19-27.

[4]? ?薛亦峰，聶滕，周震，閆靜，聶磊.北京市燃?xì)夤I(yè)鍋爐NO_x排放及空氣質(zhì)量影響分析[J].環(huán)境科學(xué)與技術(shù)，2014，37（12）：118-122.

[5]? ?賀東風(fēng)，官竹林，胡正彪.基于分類和ARIMA-WT-LSTM模型的高爐煤氣產(chǎn)生量預(yù)測[J].冶金自動化，2022，46（2）：103-109.

[6]? ?王欣，孟天宇，周俊曦.基于注意力與LSTM的航空發(fā)動機(jī)剩余壽命預(yù)測[J].科學(xué)技術(shù)與工程，2022，22（7）：2784-2792.

[7]? ?朱永彬，王錚，龐麗，等.基于經(jīng)濟(jì)模擬的中國能源消費(fèi)與碳排放高峰預(yù)測[J].地理學(xué)報(bào)，2009，64（8）：935-944.

[8]? ?Grossman GM，Krueger AB.Environ ment a limpacts of a North American freetradea greement[R].National Bureauof Economic Research，1991.

[9]? ?郭承龍，徐蔚藍(lán).基于STIRPAT模型的江蘇省碳排放影響因素研究[J].中國林業(yè)經(jīng)濟(jì)，2022，（1）：89-93.

[責(zé)任編輯? ?妤? ?文]