摘 要：近年來(lái)，全球氣候變化引起廣泛關(guān)注。為降低人類活動(dòng)對(duì)氣候的影響，世界各國(guó)紛紛制定相關(guān)減排目標(biāo)。中國(guó)在2020年提出“雙碳”目標(biāo)，即到2030年前實(shí)現(xiàn)碳達(dá)峰，到2060年前實(shí)現(xiàn)碳中和。黨的二十大報(bào)告也指出“積極穩(wěn)妥推進(jìn)碳達(dá)峰碳中和”。該文旨在基于我國(guó)碳排放核算數(shù)據(jù)庫(kù)1970—2020年碳排放量、國(guó)內(nèi)生產(chǎn)總值（GDP）、人口數(shù)量等數(shù)據(jù)，探究全國(guó)碳排放的時(shí)空特征，并采用LSTM模型對(duì)2030年的碳排放峰值進(jìn)行預(yù)測(cè)。

關(guān)鍵詞：“雙碳”目標(biāo)；LSTM模型；碳排放特征；減排；碳排放預(yù)測(cè)

中圖分類號(hào)：X321 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2024）28-0026-05

Abstract： In recent years， global climate change has attracted widespread attention. In order to reduce the impact of human activities on the climate， countries around the world have formulated relevant emission reduction targets. China proposed "Double Carbon" goals in 2020， that is， to achieve carbon peak by 2030 and achieve carbon neutrality by 2060. The report of the 20th National Congress of the Communist Party of China also pointed out that "actively and steadily promote carbon peak and carbon neutrality." This paper aims to explore the spatio-temporal characteristics of national carbon emissions based on data such as carbon emissions， gross domestic product （GDP）， and population from 1970 to 2020 in China's carbon emissions accounting database， and uses the LSTM model to predict the peak carbon emissions in 2030.

Keywords： "Double Carbon" goals; LSTM model; carbon emission characteristics; emission reduction; carbon emission prediction

目前，全球面臨著日益嚴(yán)峻的氣候變化問(wèn)題，《中共中央關(guān)于制定國(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○三五年遠(yuǎn)景目標(biāo)的建議》提出，廣泛形成綠色生產(chǎn)生活方式，碳排放達(dá)峰后穩(wěn)中有降，生態(tài)環(huán)境根本好轉(zhuǎn)，美麗中國(guó)建設(shè)目標(biāo)基本實(shí)現(xiàn)。在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論中，第一次提出了“碳中和”的具體目標(biāo)，二氧化碳排放力爭(zhēng)于2030年前達(dá)到峰值，努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和。在氣候雄心峰會(huì)上，中國(guó)進(jìn)一步宣布：到2030年，中國(guó)單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放將比2005年下降65％以上，非化石能源占一次能源消費(fèi)比重將達(dá)到25％左右，森林蓄積量將比2005年增加60億立方米，風(fēng)電、太陽(yáng)能發(fā)電總裝機(jī)容量將達(dá)到12億千瓦以上。

2021年，“雙碳”目標(biāo)相繼被寫(xiě)入政府工作報(bào)告和“十四五”規(guī)劃，中國(guó)開(kāi)啟“雙碳”元年?！半p碳”目標(biāo)充分體現(xiàn)了中國(guó)的國(guó)際責(zé)任和大國(guó)擔(dān)當(dāng)，同時(shí)與國(guó)內(nèi)的發(fā)展戰(zhàn)略、發(fā)展進(jìn)程高度吻合。但究竟如何做才能達(dá)到“雙碳”目標(biāo)尚需各方共同努力。國(guó)內(nèi)學(xué)者積極對(duì)此領(lǐng)域問(wèn)題展開(kāi)研究[1-2]，同時(shí)各行業(yè)也積極響應(yīng)國(guó)家政策指定標(biāo)準(zhǔn)，如2022年4月8日我國(guó)公路貨運(yùn)車(chē)貨匹配領(lǐng)域首個(gè)碳減排團(tuán)體標(biāo)準(zhǔn)——《公路貨運(yùn)智能匹配系統(tǒng)的溫室氣體減排量評(píng)估技術(shù)規(guī)范》正式出臺(tái)[3]。

1 我國(guó)碳排放時(shí)空特征分析

基于1970—2020年除港、澳、臺(tái)之外30個(gè)省市自治區(qū)碳排放量數(shù)據(jù)對(duì)我國(guó)碳排放的時(shí)空特征進(jìn)行分析。

1.1 我國(guó)碳排放時(shí)間特征分析

由國(guó)家統(tǒng)計(jì)局發(fā)布的數(shù)據(jù)（圖1）可知，中國(guó)的碳排放總量從3 465.45百萬(wàn)t增長(zhǎng)到11 680.42百萬(wàn)t，整體上呈現(xiàn)逐年遞增態(tài)勢(shì)。其中，1999—2013年增長(zhǎng)速度較快，這與該期間消耗大量化石能源助力經(jīng)濟(jì)的快速增長(zhǎng)密切相關(guān)，2013之后碳排放增長(zhǎng)速度減緩，源于國(guó)家開(kāi)始高度重視溫室氣體排放的持續(xù)增加對(duì)環(huán)境的危害，國(guó)家經(jīng)濟(jì)發(fā)展模式向可持續(xù)發(fā)展方向轉(zhuǎn)型，人們對(duì)生活質(zhì)量的要求也越來(lái)越高，全民環(huán)保意識(shí)不斷增強(qiáng)，產(chǎn)業(yè)生態(tài)化，使得我國(guó)碳排放總量雖然仍在增加，但增速開(kāi)始下降。

人均碳排放量是二氧化碳排放總量和總?cè)丝诘谋戎?，能夠反映地區(qū)二氧化碳排放的實(shí)際增速，1990—2020年，我國(guó)人口總數(shù)變化幅度較小，使得我國(guó)人均碳排放量與碳排放總量變動(dòng)趨勢(shì)保持基本一致，2005年開(kāi)始，中國(guó)碳排放強(qiáng)度一直處在不斷走低的趨勢(shì)，表明中國(guó)雖然在碳排放總量和人均碳排放量依舊維持較強(qiáng)的增長(zhǎng)勢(shì)頭，并且中國(guó)人均碳排放量低于世界人均碳排放量（圖2），但中國(guó)在經(jīng)濟(jì)發(fā)展上正逐步降低不合理、濫用化石能源的情況，也表明中國(guó)長(zhǎng)期一直堅(jiān)持發(fā)展低碳經(jīng)濟(jì)，落實(shí)節(jié)能減排的政策有效。

單位GDP碳排放量是隨著技術(shù)進(jìn)步和經(jīng)濟(jì)增長(zhǎng)而下降，由圖3可知，1990—2020年我國(guó)單位GDP碳排放量整體呈快速下降趨勢(shì)，其中2002—2005年呈現(xiàn)增長(zhǎng)態(tài)勢(shì)，主要是中國(guó)加入WTO后經(jīng)濟(jì)高速增長(zhǎng)，自2005年我國(guó)提出節(jié)能減排，注重經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)并行后，單位GDP碳排放量又呈下降態(tài)勢(shì)，尤其是在2011年后，趨勢(shì)更加顯著，主要是與我國(guó)在《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十二個(gè)五年規(guī)劃綱要》中明確提出逐步建立碳排放交易市場(chǎng)、著力推動(dòng)供給側(cè)改革、淘汰落后產(chǎn)能和提高資源利用率等措施息息相關(guān)。

1.2 我國(guó)碳排放空間特征分析

1.2.1 碳排放量的地域特征分析

進(jìn)一步研究碳排放的影響因素，根據(jù)30個(gè)省市自治區(qū)（除港、澳、臺(tái)）及其對(duì)應(yīng)48個(gè)行業(yè)的1997—2019年碳排放總量與排放強(qiáng)度量的數(shù)據(jù)，得出碳排放量排名位列前8的省份分別是：山東、河北、江蘇、內(nèi)蒙古、廣東、山西、遼寧和河南。

山東、河南、河北都是人口大省，且都位于北方地區(qū)，產(chǎn)業(yè)結(jié)構(gòu)以重工業(yè)為主，能源結(jié)構(gòu)以化石燃料為主，城鎮(zhèn)化水平不斷提高，城市的高碳生活消費(fèi)需求進(jìn)一步提高碳排放量；江蘇、廣東經(jīng)濟(jì)發(fā)達(dá)，科技型產(chǎn)業(yè)密集，交通運(yùn)輸業(yè)發(fā)達(dá)，能源消耗量大，人均GDP高，且人口基數(shù)也較為龐大；內(nèi)蒙古經(jīng)濟(jì)社會(huì)尚處于工業(yè)化、城鎮(zhèn)化的快速發(fā)展階段，城鎮(zhèn)化水平偏低，高能耗、高碳化發(fā)展路徑依然明顯，氣候長(zhǎng)年寒冷，消耗大量化石燃料；山西、遼寧能源結(jié)構(gòu)礦產(chǎn)資源豐富，能源消費(fèi)結(jié)構(gòu)以煤炭石油為主，其單位碳排放量大。

1.2.2 碳排放量的行業(yè)特征分析

根據(jù)1997—2019年排名前8省份碳排放量的數(shù)據(jù)，基于Python語(yǔ)言處理得到省份及自治區(qū)48個(gè)行業(yè)的碳排放特征熱力圖，得到影響碳排放量的主要因素有非金屬礦物產(chǎn)品，黑色金屬的冶煉和壓制，電力、蒸汽、熱水的生產(chǎn)和供應(yīng)，交通運(yùn)輸、倉(cāng)儲(chǔ)、郵電通信服務(wù)業(yè)，結(jié)果見(jiàn)表1。

2 我國(guó)碳排放量預(yù)測(cè)

2.1 LSTM模型原理

LSTM是一種特殊的循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN），專門(mén)設(shè)計(jì)用于解決傳統(tǒng)RNN中的長(zhǎng)期依賴問(wèn)題。它在序列數(shù)據(jù)處理中表現(xiàn)出色，被廣泛應(yīng)用于語(yǔ)言建模、時(shí)間序列預(yù)測(cè)、自然語(yǔ)言處理等領(lǐng)域。LSTM的核心是其復(fù)雜的內(nèi)部結(jié)構(gòu)，包括3個(gè)關(guān)鍵的門(mén)：遺忘門(mén)、輸入門(mén)、輸出門(mén)。這些門(mén)的作用是控制信息的流動(dòng)，從而有效地捕捉序列中的長(zhǎng)期依賴關(guān)系。

遺忘門(mén)為

ft=σ（Wf×[ht-1]，xt+bf），

式中：ft為遺忘門(mén)的輸出；Wf為權(quán)重矩陣；ht-1為上一個(gè)時(shí)間步的隱藏狀態(tài)；xt為當(dāng)前時(shí)間步的輸入；σ為Sigmoid激活函數(shù)。

輸入門(mén)為

it=σ（Wi×[ht-1]+bi），

i=tanh（Wc×[ht-1]+bc），

式中：it為輸入門(mén)的輸出；i為當(dāng)前時(shí)間步的細(xì)胞狀態(tài)的候選值；Wi、Wc為權(quán)重矩陣；ht-1為上一個(gè)時(shí)間步的隱藏狀態(tài)；σ為Sigmoid激活函數(shù)；tanh為雙曲正切激活函數(shù)。

細(xì)胞更新?tīng)顟B(tài)為

ct=ft×ct-1+it×i ，

式中：ct為當(dāng)前時(shí)間步的細(xì)胞狀態(tài)；ft為遺忘門(mén)的輸出；ct-1為上一個(gè)時(shí)間步的細(xì)胞狀態(tài)；it為輸入門(mén)的輸出；■i為當(dāng)前時(shí)間步的細(xì)胞狀態(tài)的候選值。

輸出門(mén)為

ot=σ（Wo×[ht-1，xt]+bo），

ht=ot×tanh（ct），

式中：ot為輸出門(mén)的輸出；ht為當(dāng)前時(shí)間步的隱藏狀態(tài)；Wo為權(quán)重矩陣；ht-1為上一個(gè)時(shí)間步的隱藏狀態(tài)；xt為當(dāng)前時(shí)間步的輸入；ct為當(dāng)前時(shí)間步的細(xì)胞狀態(tài)；σ為Sigmoid激活函數(shù)；tanh為雙曲正切激活函數(shù)。

上述公式描述了LSTM的內(nèi)部運(yùn)算過(guò)程，使其能夠有效地處理長(zhǎng)序列信息并減輕梯度消失問(wèn)題。

2.2 數(shù)據(jù)處理和建立模型

在“雙碳”目標(biāo)下，對(duì)我國(guó)碳排放量預(yù)測(cè)有著至關(guān)重要的作用。通過(guò)深度學(xué)習(xí)LSTM模型，可以更好地理解數(shù)據(jù)的復(fù)雜關(guān)系，從而提高預(yù)測(cè)的準(zhǔn)確性，窗口大小將時(shí)間序列數(shù)據(jù)劃分成多個(gè)樣本，每個(gè)樣本包含了過(guò)去一段時(shí)間的數(shù)據(jù)作為輸入特征，以及對(duì)應(yīng)時(shí)間步的數(shù)據(jù)作為目標(biāo)值，這樣的數(shù)據(jù)劃分有助于訓(xùn)練模型學(xué)習(xí)時(shí)間序列的模式和趨勢(shì)。首先對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，包括計(jì)算差異、刪除缺失值及將數(shù)據(jù)轉(zhuǎn)換為一維數(shù)組，創(chuàng)建了一個(gè)LSTM模型，并添加一個(gè)密集層以輸出預(yù)測(cè)結(jié)果，訓(xùn)練完成后，使用最后一個(gè)數(shù)據(jù)作為輸入來(lái)預(yù)測(cè)國(guó)民總收入的占比均值，占比均值最大值和占比均值最小值，再根據(jù)碳排放量預(yù)測(cè)國(guó)民總收入的占比變化，得到碳排放量均值、最大值、最小值，從而預(yù)測(cè)碳排均值，同時(shí)得到碳排放量的上下界，結(jié)果如圖4和表2所示。

3 總結(jié)

針對(duì)我國(guó)碳“雙碳”目標(biāo)碳排放量的研究難題，本文根據(jù)國(guó)家統(tǒng)計(jì)局（ｈｔｔｐ：／／ｗｗｗ．ｓｔａｔｓ．ｇｏｖ．ｃｎ／）發(fā)布的數(shù)據(jù)，從碳排放總量分布和人均碳排放、單位GDP碳排放得出我國(guó)碳排放整體呈增長(zhǎng)模式，但增速下降，是國(guó)家政策導(dǎo)向作用的體現(xiàn)；再對(duì)碳排放量較高地區(qū)的各行業(yè)進(jìn)行分析，得到碳排放量的主要影響因素為非金屬礦物產(chǎn)品，黑色金屬的冶煉和壓制，電力、蒸汽、熱水的生產(chǎn)和供應(yīng)，交通運(yùn)輸、倉(cāng)儲(chǔ)、郵電通信服務(wù)；最后利用LSTM模型，通過(guò)碳排放量對(duì)國(guó)民總收入的占比變化構(gòu)建模型，預(yù)估2023—2030年我國(guó)的碳排放量呈現(xiàn)下降的趨勢(shì)，總量呈現(xiàn)上升趨勢(shì)，預(yù)計(jì)在2030年達(dá)到峰值，2030年碳排放量的預(yù)測(cè)范圍在3 065.571 248～14 435.709 27百萬(wàn)t。

4 建議

調(diào)整能源消費(fèi)結(jié)構(gòu)，減少化石燃料的使用，鼓勵(lì)開(kāi)發(fā)使用清潔能源，推動(dòng)能源轉(zhuǎn)型，促進(jìn)可再生能源的發(fā)展。

加快對(duì)產(chǎn)業(yè)結(jié)構(gòu)和各類產(chǎn)品的優(yōu)化，特別是對(duì)工業(yè)、制造業(yè)及新技術(shù)產(chǎn)業(yè)進(jìn)行結(jié)構(gòu)和產(chǎn)品優(yōu)化，盡可能避免依賴高耗能、高污染、高排放產(chǎn)業(yè)的發(fā)展，提高能源使用效率，將節(jié)能減排落到實(shí)處。

加大宣傳力度，使低碳生活的理念深入人心，鼓勵(lì)全民積極踐行低碳環(huán)保生活，降低人均碳排放量。

構(gòu)建綠色低碳交通體系。調(diào)整運(yùn)輸結(jié)構(gòu)，減少大宗貨物公路運(yùn)輸量，增加鐵路和水路運(yùn)輸量。以“綠色貨運(yùn)配送示范城市”建設(shè)為契機(jī)，加快建立“集約、高效、綠色、智能”的城市貨運(yùn)配送服務(wù)體系。

利用好政策的導(dǎo)向性作用，加快全國(guó)碳排放權(quán)交易市場(chǎng)的建設(shè)，建立長(zhǎng)效機(jī)制，優(yōu)化配額分配方法，開(kāi)展相關(guān)計(jì)量技術(shù)的研究，建立健全測(cè)試服務(wù)計(jì)量體系。

參考文獻(xiàn)：

[1] 劉淳森，曲建升，葛鈺潔，等.基于LSTM模型的中國(guó)交通運(yùn)輸業(yè)碳排放預(yù)測(cè)[J].中國(guó)環(huán)境科學(xué)，2023，43（5）：2574-2582.

[2] 肇曉楠，謝新連，趙瑞嘉.基于滑動(dòng)窗口動(dòng)態(tài)輸入LSTM網(wǎng)絡(luò)的鐵路運(yùn)輸系統(tǒng)碳排放量預(yù)測(cè)方法[J].交通信息與安全，２０２３，４１（１）：１６９－１７８．

[3] 中國(guó)表觀碳排放清單[EB/OL].https：//www.ceads.net.cn/data/province/by_apparent_accounting/.