开放STIRPAT模型的区域碳排放峰值研究——以能源生产区域山西省为例

doi:10.18402/resci.2018.05.17

摘要/Abstract

摘要：

区域经济间的分工合作及相互依赖,对区域碳排放峰值有重要影响。本文以能源生产区域山西省为例,从山西和全国两个层面选择驱动因素构建开放STIRPAT模型,并运用情景分析方法预测山西省2016—2040年碳排放峰值。结果显示,全国层面选择节能或低碳情景,可实现山西碳排放量在2035年达峰;而同时山西以节能或低碳情景相配合,可实现2030年之前达峰;在当前全国碳排放控制趋于严格的背景下,山西碳排放量2030年达峰是可以实现的;山西碳排放峰值大小主要受全国层面情景选择影响,受山西情景选择影响较小;山西碳排放峰值的可控性较差,自身减排努力对碳排放峰值时间及大小的影响相对较小;与开放视角相比,封闭STIRPAT模型会推迟山西碳峰值年份,在预测时段无峰值,并高估其排放量。因此,山西应该从开放视角,关注全国层面的节能发展状况,将其作为山西碳峰值政策的重要约束因素,制定灵活的碳排放达峰方案。

关键词: 开放STIRPAT模型, 碳排放, 峰值预测, 山西

Abstract:

Cooperation and interdependence among regional economies influences peak regional carbon emissions. Using an energy-producing region in Shanxi, China as an example, we built an open STIRPAT model by selecting driving factors provincially and nationally. We then used scenario analysis to predict peak carbon emissions from 2016 to 2040. The results show that when factors at the national level choose energy-saving or low-carbon scenarios, the peak in carbon emissions for Shanxi occurs in 2035. At the same time, by choosing energy-saving or low-carbon scenarios in Shanxi to match it, the peak can be achieved in 2030. With strict current national carbon emissions controls, peak carbon emissions for Shanxi are achieved in 2030. The peak value of carbon emission in Shanxi is mainly affected by the choice of carbon emission reduction scheme at the national level, and less affected by choices within the province. The controllability of Shanxi and its carbon emissions is poor, and its own emission reduction efforts have limited impact on regional peak values and the year of peak carbon emissions. Compared with the open view, the closed STIRPAT model will delay the peak emission and mean that Shanxi fails to achieve its peak value in the forecast period. Therefore, Shanxi should pay special attention to the energy saving development of the whole country from an open angle and make it an important constraint factor in the formulation of Shanxi's peak carbon policy to formulate a flexible carbon emission peak scheme.

Key words: open STIRPAT model, carbon emission, peak prediction, Shanxi Province

吴青龙, 王建明, 郭丕斌. 开放STIRPAT模型的区域碳排放峰值研究——以能源生产区域山西省为例[J]. 资源科学, 2018, 40(5): 1051-1062.

Qinglong WU, Jianming WANG, Pibin GUO. Peak regional carbon emissions based on open STIRPAT modeling in an energy-producing region of Shanxi[J]. Resources Science, 2018, 40(5): 1051-1062.

图/表 8

图1

表1

表2

表3

图2

表4

图3

表5

参考文献 42

[1]	柴麒敏. 迈向2030中国的低碳政策展望[EB/OL]. (2015-06-29)[2017-06-13]. .
	[Chai Q M. Toward 2030 China’s Low Carbon Policy Outlook[EB/OL]. (2015-06-29)[2017-06-13]. . ]
[2]	宗蓓华. 战略预测中的情景分析法[J]. 预测, 1994, (2): 50-52.
	[Zong B H.Scenario analysis method in strategic forecasting[J]. Forecasting, 1994, (2): 50-52. ]
[3]	Chermark T J.Studying scenario planning: Theory, research suggestion, and hypotheses[J]. Technological Forecasting & Social Change, 2005, 72(1): 59-73.
[4]	蒋克隽, 胡秀莲, 庄幸, 等. 中国2050年的能源需求与CO2排放情景[J]. 气候变化研究进展, 2008, 4(5): 269-302.
	[Jiang K J, Hu X L, Zhuang X, et al. China’s energy demand and greenhouse gas emission scenarios in 2050[J]. Sino-Global Energy, 2008, 4(5): 269-302. ]
[5]	付加锋, 刘小敏. 基于情景分析法的中国低碳经济研究矿建与问题探索[J]. 资源科学, 2010, 32(2): 205-210.
	[Fu J F, Liu X M.A framework for China’s low carbon economy on the basis of scenario analysis and discussion on relevant issues[J]. Resources Science, 2010, 32(2): 205-210. ]
[6]	王宪恩, 王泳璇, 段海燕. 区域能源消费碳排放峰值预测及可控性研究[J]. 中国人口·资源与环境, 2014, 24(8): 9-16.
	[Wang X E, Wang Y X, Duan H Y.Forecasting area’s carbon emissions of energy consumption and controllability study[J]. China Population , Resources and Environment, 2014, 24(8): 9-16. ]
[7]	朱宇恩, 李思芬, 王云, 等. 基于IPAT模型和情景分析法的山西省碳排放峰值年预测[J]. 资源科学, 2016, 38(12): 2316-2325.
	[Zhu Y E, Li S F, Wang Y, et al. Peak year prediction of Shanxi Province’s carbon emissions based on IPAT modeling and scenario analysis[J]. Resources Science, 2016, 38(12): 2316-2325. ]
[8]	邓小乐, 孙慧. 基于STIRPAT模型的西北五省区碳排放峰值预测研究[J]. 生态经济, 2016, 32(9): 36-41.
	[Deng X L, Sun H.Forecast of the northwest five province’s carbon emissions based on STIRPAT model[J]. Ecological Economy, 2016, 32(9): 36-41. ]
[9]	Ehlich P, Holden J.Impact of population growth[J]. Science, 1971, 171(3977): 1212-1217.
[10]	Commoner B.Making Peace with the Planet[M]. New York: New Press, 1992.
[11]	Dietz T, Rose E A.Effects of population and affluence on CO2 emissions[J]. Proceedings of the National Academy of Science of the United States of America, 1997, 94(1): 175-179.
[12]	Cramer J C.Population growth and air quality in California[J]. Demography, 1998, 35(1): 45-56.
[13]	陈操操, 刘春兰, 汪浩, 等. 北京市能源消费足迹影响因素分析-基于STIRPAT模型和偏最小二乘模型[J]. 中国环境科学, 2014, 34(6): 1622-1632.
	[Chen C C, Liu C L, Wang H, et al. Examining the impact factors of energy consumption related carbon footprints using the STIRPAT model and PLS model in Beijing[J]. China Environmental Science, 2014, 34(6): 1622-1632. ]
[14]	陈庆, 周敬宣, 李湘梅, 等. 基于STIRPAT模型的武汉市环境影响驱动力分析[J]. 长江流域资源与环境, 2011, 20(S1): 100-104.
	[Chen Q, Zhou J X, Li X M, et al. Analysis on the driving force of environmental impact in Wuhan based on STIRPAT model[J]. Resources and Environment in the Yangtze Basin, 2011, 20(S1): 100-104. ]
[15]	张乐勤, 李荣富, 陈素平, 等. 安徽省1995年-2009年能源消费碳排放驱动因子分析及趋势预测-基于STIRPAT模型[J]. 资源科学, 2012, 34(2): 316-327.
	[Zhang L Q, Li R F, Chen S P, et al. Trend prediction and analysis of driving factors of carbon emissions from energy consumption during the period 1995-2009 in Anhui Province based on the STIRPAT model[J]. Resources Science, 2012, 34(2): 316-327. ]
[16]	李春华, 李宁, 石岳. 基于STIRPAT模型的长沙市耕地面子变化驱动因素分析[J]. 中国农学通报, 2010, 26(3): 258-263.
	[Li C H, Li N, Shi Y.A study of arable quantity in Changsha based on STIRPAT model[J]. Chinese Agriculture Science Bulletin, 2010, 26(3): 258-263. ]
[17]	吴敬锐, 杨兆萍, 阿达依赛肯. 基于STIRPAT模型分析新疆能源足迹的影响因素[J]. 干旱区地理, 2011, 34(1): 187-193.
	[Wu J R, Yang Z P, Adayi S K.Impact factors and temporal variation of environmental pressure of Xinjiang based on STIRPAT model[J]. Arid Land Geography, 2011, 34(1): 187-193. ]
[18]	徐忠民, 程国栋. 中国人口和富裕对环境的影响[J]. 冰川动土, 2005, 27(5): 767-773.
	[Xu Z M, Cheng G D.Impacts of population and affluence on environment in China[J]. Journal of Glaciology and Geocryology, 2005, 27(5): 767-773. ]
[19]	郭丕斌, 吴青龙, 周喜君, 等. “全产业链”理论与应用研究-以山西为例[M]. 北京: 经济管理出版社, 2014.
	[Guo P B, Wu Q L, Zhou X J, et al.Whole Industry China Theory and Applications: Shanxi As a Case[M]. Beijing: Energy Management Press, 2016. ]
[20]	杨花, 杜斌, 吕锋骅, 等. 基于IPCC排放清单和LEAP模型的山西省CO2排放研究[J]. 环境污染与防治, 2014, 36(3): 103-109.
	[Yang H, Du B, Lv F H, et al. Study on CO2 emissions in Shanxi Province base on IPCC listing and LEAP model[J]. Environmental Pollution & Control, 2014, 36(3): 103-109. ]
[21]	Barners D F, Krutilla K, Hyde W F.The Urban Household Energy Transition: Social and Environmental Impacts in the Developing World[M]. New York: Rff Press, 2005.
[22]	林伯强, 刘希颖. 中国城市化阶段的碳排放: 影响因素和减排策略[J]. 经济研究, 2010, (8): 66-78.
	[Lin B Q, Liu X Y.China’s carbon dioxide emissions under the urbanization process: Influence factors and abatement policies[J]. Economic Research Journal, 2010, (8): 66-78. ]
[23]	山西省统计局. 山西省统计年鉴(1996-2016)[M]. 北京: 中国统计出版社,1997-2017.
	[Shanxi Provincial Bureau of Statistics. Shanxi Statistical Yearbook 1996-2016[M]. Beijing: China Statistics Press,1997-2017. ]
[24]	国家统计局. 中国统计年鉴(1996-2016)[M]. 北京: 中国统计出版社,1997-2017.
	[National Bureau of Statistics. China Statistical Yearbook 1996-2016[M]. Beijing: China Statistics Press,1997-2017. ]
[25]	国家统计局. 中国能源统计年鉴(1996-2016)[M]. 北京: 中国统计出版社,1997-2017.
	[National Bureau of Statistics. China Energy Statistics Yearbook 1996-2016[M]. Beijing: China Statistics Press,1997-2017. ]
[26]	IPCC National Greenhouse Gas Inventories Programme. 2006 IPCC Guidelines for National Greenhouse Gas Inventories[EB/OL]. (2006-10)[2017-06-25]. .
[27]	国家发展和改革委员会. GB/T2589-2008. 综合能耗计算通则[EB/OL]. (2008-02-03)[2017-06-25].
	[ National Development and Reform Commission.GB/T 2589-2008. General Principles for Calculation of the Comprehensive Energy Consumption[EB/OL].(2008-02-03)[2017-06-25]. . ]
[28]	王惠文. 偏最小二乘回归方法及其应用[M]. 北京: 国防工业出版社, 1999.
	[Wang H W.Partial Least Squares Regression Method and Its Application[M]. Beijing: National Defense Industry Press, 1999. ]
[29]	山西省发展和改革委员会. 山西省“十三五”人口发展规划[EB/OL]. (2016-11-15)[2017-05-25]. .
	[Shanxi Provincial Development and Reform Commission. Shanxi Province “13th Five-Year” Development Plan[EB/OL]. (2016-11-15)[2017-05-25]. . ]
[30]	联合国经济和社会事务部.世界人口展望(2015修订版)[EB/OL]. (2017-06-13)[2017-06-25]. .
	[The United Nations Department of Economic and Social Affairs. World Population Prospects (2015 Reviews) [EB/OL]. (2017-06-13)[2017-06-25]. . ]
[31]	张车伟. 全面二孩不会使人口形势发生根本性转变[EB/OL]. (2016-01-01)[2017-06-13]. .
	[Zhang C W. A Total of Two Children Will not Make a Fundamental Change in the Demographic Situation[EB/OL]. (2016-01-01)[2017-06-13]. . ]
[32]	山西省人民政府. 山西省“十三五”开放型经济发展规划[EB/OL]. (2016-08-16)[2017-06-25]. .
	[The People’s Government of Shanxi Province. The “13th Five-Year” Open Economy Development Plan of Shanxi Province[EB/OL]. (2016-08-16)[2017-06-25]. . ]
[33]	李善同. “十二五”时期至2030年我国经济增长前景展望[J]. 经济研究参考, 2010, (43): 2-27.
	[Li S T.Prospect of China’s economic growth in the period from 12th five-year to 2030[J]. Review of Economic Research, 2010, (43): 2-27. ]
[34]	胡鞍钢, 鄢一龙, 姜佳莹. “十三五”规划及2030年远景目标的前瞻性思考[J]. 行政管理改革, 2015, (2): 13-20.
	[Hu A G, Yan Y L, Jiang J Y.Prospective thinking on economic vision from the “13th Five-Year” plan to 2030[J]. Administration Reform, 2015, (2): 13-20. ]
[35]	中国能源研究会. 中国能源展望2030年[M]. 北京: 经济管理出版社, 2016.
	[China Energy Research Association. China Energy Outlook 2030[D]. Beijing: Energy management press, 2016. ]
[36]	宋丽敏. 中国人口城市化水平预测分析[J]. 辽宁大学学报: 哲学社会科学版, 2007, 35(3): 115-119.
	[Song L M.An analysis of the level of China’s urbanization[J]. Journal of Liaoning University: Philosophy and Social Science Edition, 2007, 35(3): 115-119. ]
[37]	杨伟民, 蔡昉. 中国发展报告2010: 促进人的发展的中国新型城市化战略[M]. 北京: 人民出版社, 2010.
	[Yang W M, Cai F.China Development Report 2010: China’s New Urbanization Strategy to Promote Human Development[M]. Beijing: People Press, 2010. ]
[38]	国务院. 国家人口发展规划(2016-2030)[EB/OL]. (2016-12-30)[2017-06-25]. .
	[The State Council. National Population Development Plan (2016-2030) [EB/OL]. (2016-12-30)[2017-06-25]. . ]
[39]	国家发改委宏观经济研究院课题组. 我国“十二五”时期至2030年经济增长潜力和经济增长前景分析研究[J]. 经济学动态, 2008, (3): 19-25.
	[Research Group of National Development and Reform Commission Macroeconomic Research Institute. Analysis of China’s economic growth potential and economic growth prospects from 12th Five-Year to 2030[J]. Economic Perspectives, 2008, (3): 19-25. ]
[40]	胡鞍钢, 周绍杰. “新常态”至少可延伸至2030年-如何培养中国经济新增长点[J]. 人民论坛, 2015, (18): 24-27.
	[Hu A G, Zhou S J.“New normal” can extend to at least 2030-how to train new growth point of China’s economy[J]. People’s Tribune, 2015, (18): 24-27. ]
[41]	国际可再生能源署. 中国可再生能源展望概要[EB/OL]. (2014-12-02)[2017-06-12]. .
	[IRENA. Overview of China Renewable Energy Outlook [EB/OL]. (2014-12-02)[2017-06-12]. . ]
[42]	国务院. “十三五”控制温室气体排放工作方案[EB/OL]. (2016-10-27)[2017-06-25]. .
	[The State Council. The 13th Five-Year Work Plan for Controlling Greenhouse Gas Emissions[EB/OL]. (2016-10-27)[2017-06-25]. . ]

	全国
山西	基准情景	节能情景	低碳情景
基准情景	基准-基准	基准-节能	基准-低碳
节能情景	节能-基准	节能-节能	节能-低碳
低碳情景	低碳-基准	低碳-节能	低碳-低碳

	模型1	模型2	模型3	模型4	模型5	模型6	模型7	模型8	模型9
lna	-11.640	-33.705	-8.220	-38.696	-54.793	-15.590	-19.390	-7.846	-18.870
lnP₁	2.406	—	1.483	—	1.80	1.702	0.860	1.068	0.742
lnA₁	0.163	—	0.108	—	0.172	0.135	0.069	0.081	0.059
lnT₁	0.305	—	0.195	—	0.123	0.232	0.012	0.142	0.101
lnU₁	—	—	0.420	—	—	—	0.256	0.312	0.222
lnIN₁	—	—	0.778	—	—	—	0.780	0.746	0.640
lnRE₁	—	—	0.094	—	—	—	0.027	0.055	0.029
lnP₂	—	3.501	—	2.868	4.507	—	1.389	—	1.186
lnA₂	—	0.172	—	0.138	0.090	—	0.066	—	0.057
lnT₂	—	0.360	—	0.213	0.282	—	0.113	—	0.097
lnU₂	—	—	—	0.548	—	0.510	—	0.313	0.225
lnIN₂	—	—	—	2.681	—	1.986	—	0.524	0.673
lnRE₂	—	—	—	0.223	—	0.238	—	0.198	0.119
F统计量（sig.）	281.630 （0.000）	238.360 （0.000）	249.618 （0.000）	231.128 （0.000）	211.129 （0.000）	261.420 （0.000）	249.040 （0.000）	263.706 （0.000）	277.650 （0.000）
调整R²	0.933	0.922	0.948	0.946	0.955	0.967	0.961	0.963	0.965

因素	情景	低速率	峰值时间	中速率	峰值时间	高速率	峰值时间
P₁	基准-基准	20 389.17	无	21 598.48	无	23 394.75*	无
	基准-节能	17 987.75	2026年	18 943.84	2030年	20 167.18*	2035年
	基准-低碳	16 801.32	2026年	17 308.34	2030年	17 924.98*	2035年
	节能-基准	20 832.44	无	22 068.04*	无	—	—
	节能-节能	18 134.66	2026年	19 171.78*	2030年	—	—
	节能-低碳	16 938.54	2026年	17 516.60*	2030年	—	—
A₁	基准-基准	22 678.46	无	23 038.56	无	23 394.75*	无
	基准-节能	19 773.22	2035年	19 968.93	2035年	20 167.18*	2035年
	基准-低碳	17 574.82	2035年	17 748.77	2035年	17 924.98*	2035年
	节能-基准	21 400.85	无	21 732.04	无	22 068.04*	无
	节能-节能	18 926.46	2030年	19 008.80	2030年	19 171.78*	2030年
	节能-低碳	17 292.46	2030年	17 367.69	2030年	17 516.60*	2030年
	低碳-基准	20 793.71	无	21 115.50*	无	—	—
	低碳-节能	18 301.67	2026年	18 359.36*	2026年	—	—
	低碳-低碳	17 078.27	2026年	17 148.42*	2026年	—	—
T₁	基准-基准	23 394.75*	无	22 885.75	无	22 186.76	无
	基准-节能	20 167.18*	2035年	19 827.16	2035年	19 277.32	2035年
	基准-低碳	17 924.98*	2035年	17 622.50	2035年	17 333.95	2035年
	节能-基准	—	—	22 068.04*	无	21 598.48	无
	节能-节能	—	—	19 171.78*	2030年	18 943.84	2030年
	节能-低碳	—	—	17 516.60*	2030年	17 308.34	2030年

控制指标	控制目标	峰值时间	峰值额/万t
U₁	2030年=65%*	无	—
	2035年=65%	无	—
	2040年=65%	2030年	19 946.75
IN₁	2030年=32%*	无	—
	2030年=31%	无	—
	2030年=30%	2035年	19 481.00