劉 健 王 潤，2 孫艷偉 舒舍玉 肖黎姍，2

(1．中國科學(xué)院城市環(huán)境與健康重點(diǎn)實(shí)驗(yàn)室，中國科學(xué)院城市環(huán)境研究所，福建廈門361021;2．廈門市城市代謝重點(diǎn)實(shí)驗(yàn)室，福建廈門361021)

中國低碳試點(diǎn)省份發(fā)展路徑研究

劉 健1王 潤1，2孫艷偉1舒舍玉1肖黎姍1，2

(1．中國科學(xué)院城市環(huán)境與健康重點(diǎn)實(shí)驗(yàn)室，中國科學(xué)院城市環(huán)境研究所，福建廈門361021;2．廈門市城市代謝重點(diǎn)實(shí)驗(yàn)室，福建廈門361021)

近百年來，全球氣候正經(jīng)歷以變暖為主要特征的顯著變化。為應(yīng)對(duì)氣候變化，減少溫室氣體排放已經(jīng)成為國際社會(huì)的共識(shí)。作為世界上最大的發(fā)展中國家和最大的二氧化碳排放國之一，應(yīng)對(duì)氣候變化離不開中國的參與。2010年8月，中國國家發(fā)展和改革委員會(huì)確定在陜西、廣東、遼寧、湖北、云南五省開展低碳試點(diǎn)工作。本文以這五個(gè)省份為研究對(duì)象，根據(jù)1995－2009年統(tǒng)計(jì)年鑒數(shù)據(jù)，基于STIRPAT模型定量分析了人口規(guī)模、城市化水平、富裕度、產(chǎn)業(yè)結(jié)構(gòu)和能源強(qiáng)度對(duì)碳排放的影響，并根據(jù)分析的結(jié)果給出了五個(gè)低碳試點(diǎn)省份低碳發(fā)展路徑:陜西省建設(shè)低碳省份應(yīng)該從產(chǎn)業(yè)結(jié)構(gòu)和能源強(qiáng)度兩方面入手;廣東省除控制人口規(guī)模外，還應(yīng)該調(diào)整能源結(jié)構(gòu)，倡導(dǎo)低碳生活方式;遼寧省降低碳排放主要應(yīng)該從能源強(qiáng)度方面入手;湖北省應(yīng)該從能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和人口規(guī)模三個(gè)方面著手;云南省主要應(yīng)該從人口規(guī)模入手，控制人口增長，提高人口素質(zhì)，實(shí)現(xiàn)碳減排目標(biāo)。

STIRPAT模型;低碳試點(diǎn)省份;發(fā)展路徑

近百年來，全球氣候正經(jīng)歷以變暖為主要特征的顯著變化［1］。最新科學(xué)研究表明未來100年全球變暖的趨勢還會(huì)進(jìn)一步加劇，而且會(huì)對(duì)自然系統(tǒng)和社會(huì)經(jīng)濟(jì)產(chǎn)生更為顯著的負(fù)面影響［2］。為應(yīng)對(duì)氣候變化，減少溫室氣體排放、進(jìn)行低碳發(fā)展已經(jīng)成為國際社會(huì)的共識(shí)。如何有效地減少碳排放成為國際政治、經(jīng)濟(jì)及學(xué)術(shù)研究關(guān)注的熱點(diǎn)之一［2］。中國是世界上最大的發(fā)展中國家，應(yīng)對(duì)氣候變化離不開中國的參與。中國經(jīng)濟(jì)改革取得了舉世矚目的成就，經(jīng)濟(jì)在迅猛發(fā)展的同時(shí)也加大了對(duì)能源的需求［3］。高的能源消費(fèi)和以煤炭為主體的能源結(jié)構(gòu)必然帶來大量的碳排放。國際能源機(jī)構(gòu)的數(shù)字顯示，2007年中國人均碳排放量雖然不到美國的1/3，但首次超過世界平均水平［4］。作為一個(gè)負(fù)責(zé)任的大國，在2009年“哥本哈根”氣候變化大會(huì)上，溫家寶總理代表中國政府承諾到2020年單位GDP碳強(qiáng)度比2005年降低40－45%。而且，碳排放目標(biāo)已經(jīng)作為約束性指標(biāo)被寫入《中華人民共和國國民經(jīng)濟(jì)和社會(huì)發(fā)展第十二個(gè)五年規(guī)劃綱要》。根據(jù)此綱要，中國在“十二五”期間單位國內(nèi)生產(chǎn)總值能源消耗要降低16%，單位國內(nèi)生產(chǎn)總值二氧化碳排放要降低17%［5］。由此可見中國政府降低二氧化碳排放的決心之大。

同時(shí)，為減少碳排放，在地區(qū)層面，中國政府已經(jīng)開始了低碳發(fā)展路徑的探索。2010年8月，國家發(fā)展和改革委員會(huì)確定首先在在陜西、廣東、遼寧、湖北、云南五省和天津、重慶、深圳、廈門、杭州、南昌、貴陽、保定八市開展低碳試點(diǎn)工作，要求其編制低碳發(fā)展規(guī)劃，制定支持低碳綠色發(fā)展的配套政策，加快建立以低碳排放為特征的產(chǎn)業(yè)體系，建立溫室氣體排放數(shù)據(jù)統(tǒng)計(jì)和管理體系，積極倡導(dǎo)低碳綠色生活方式和消費(fèi)模式［6］。然而，試點(diǎn)工作進(jìn)展并不順利，很多省市都沒有明確的低碳發(fā)展目標(biāo)和成熟的低碳發(fā)展政策。

因此，為制定切實(shí)有效的政策，促進(jìn)試點(diǎn)工作的順利開展，需要對(duì)影響各地區(qū)碳排放量的關(guān)鍵因素進(jìn)行分析。目前，分析的方法有很多，如協(xié)整、多元線性回歸、灰色關(guān)聯(lián)度分析、系統(tǒng)分析法和 STIRPAT模型等。其中，STIRPAT模型是一個(gè)應(yīng)用廣泛、非常成熟的環(huán)境壓力評(píng)價(jià)模型［3］，已經(jīng)獲得業(yè)內(nèi)的認(rèn)可。本文通過STIRPAT模型，定量分析了影響低碳試點(diǎn)省份碳排放量的關(guān)鍵因素，并根據(jù)分析的結(jié)果，對(duì)不同省份的低碳發(fā)展路徑提出政策建議以促進(jìn)低碳試點(diǎn)工作的開展。

1 方法說明

1．1 碳排放量計(jì)算

在氣候變化研究中碳排放量的測算比較復(fù)雜。由于沒有官方公布的統(tǒng)計(jì)數(shù)據(jù)，一般只能基于已有的其他統(tǒng)計(jì)量，初略估算化石能源(煤炭、石油、天然氣)使用所產(chǎn)生的碳排放量［7］。同時(shí)，人類活動(dòng)造成的碳排放主要是由化石能源消費(fèi)引起的，其排放量占總排放量的大部分。在工業(yè)化國家，能源消費(fèi)碳排放占其碳排放總量的90%以上［8］。因此，基于計(jì)算的簡便和數(shù)據(jù)的可獲得性，本文中使用能源消費(fèi)的碳排放量來代表總的碳排放量?？紤]到由于各個(gè)省份能源消費(fèi)量統(tǒng)計(jì)標(biāo)準(zhǔn)不同而造成的碳排放計(jì)算的差異，且個(gè)別省份缺乏能源消費(fèi)分類數(shù)據(jù)［8］，本文利用各年份分地區(qū)煤炭、焦炭、5種油品(原油、汽油、煤油、柴油、燃料油)、天然氣的消費(fèi)量估算碳排放量。但這些能源指標(biāo)都是實(shí)物量，需要將這些指標(biāo)根據(jù)折標(biāo)煤系數(shù)(見表1)換算成標(biāo)準(zhǔn)量，再根據(jù)以下公式估算:

C= ∑iEi× Fi(1)

式中，Ei為第i種能源的消費(fèi)標(biāo)準(zhǔn)量，F(xiàn)i為第i種能源的碳排放系數(shù)。本文碳排放系數(shù)選用IPCC碳排放計(jì)算指南缺省值。

表1 各種能源的標(biāo)準(zhǔn)煤折算系數(shù)和碳排放系數(shù)［9，10］Tab．1 Converted coefficient of energy by standard coal and Carbon emission coefficient of energy

1．2 STIRPAT 模型

Ehrlich和Holdren認(rèn)為人口總量是最重要的環(huán)境影響因素，并于 1971年提出了 IPF模型［11］。其中，I(Impact)表示環(huán)境影響;P(Populaton)表示人口總量;F(Foot)表示單位人口產(chǎn)生的環(huán)境影響。但Commoner認(rèn)為人口總量對(duì)環(huán)境的影響并不顯著，環(huán)境影響等同于污染物排放量［11］。Ehrlich和Holdren指出了Commoner觀點(diǎn)中存在的一系列問題，指出除了污染物排放量，環(huán)境影響還應(yīng)包括污染物排放引起的其它破壞(例如，向空氣中排放SO2會(huì)導(dǎo)致酸雨的形成，腐蝕建筑物)［11］。他們?cè)谘芯咳丝谠鲩L對(duì)環(huán)境的沖擊時(shí)，認(rèn)為除了人口總量，環(huán)境影響還與社會(huì)富裕程度及社會(huì)生產(chǎn)技術(shù)的先進(jìn)程度有關(guān)，并于1972年正式提出IPAT模型。模型形式是I=PAT，其中I、P、A、T分別表示環(huán)境壓力、人口規(guī)模、富裕度和技術(shù)水平。

環(huán)境壓力等式本身存在一些局限，其將環(huán)境影響與各個(gè)驅(qū)動(dòng)力之間的關(guān)系簡單地處理為同比例的線性關(guān)系，不能反映出驅(qū)動(dòng)力變化時(shí)環(huán)境影響的變化程度。因此，為了能夠衡量某一因素的對(duì)環(huán)境壓力的影響程度，Dietz和Rose等［12］在 IPAT的基礎(chǔ)上提出了本文中使用的STIRPAT(Stochastic impacts by regression on population，affluence and technology)模型，其具體形式是:

I=aPbAcTde (2)

式中，a為模型的系數(shù)，b、c、d是各自變量的指數(shù)，e是模型誤差。當(dāng)a=b=c=d=1時(shí)，STIRPAT模型即為環(huán)境壓力恒等式［13］。

對(duì)式(2)兩邊取自然對(duì)數(shù)，得到一個(gè)多元線性回歸方程:

InI=lna+blnP+clnA+dlnT+lne (3)

根據(jù)彈性系數(shù)概念，P、A、T每發(fā)生1% 變化，將分別引起I發(fā)生b%、c% 或d%的變化［14］。

在對(duì)STIRPAT模型的應(yīng)用中，不少學(xué)者根據(jù)實(shí)際需要式(3)其進(jìn)行了修正。朱勤等在分析人口與消費(fèi)對(duì)中國碳排放影響時(shí)，將人口城市化率引入模型，對(duì)模型進(jìn)行了擴(kuò)展［15］。燕華、郭運(yùn)功和林逢春研究上海市CO2排放影響的因素，為分析城市化水平的影響，將城市人口占總?cè)丝诘谋壤肽Ｐ?，?duì)式(3)中的P、A進(jìn)行了分解;同時(shí)在式(3)中加入了富裕度的二項(xiàng)式形式來驗(yàn)證環(huán)境庫茲涅茨曲線的有關(guān)假說［13］。王立猛和何康林分析區(qū)域人文驅(qū)動(dòng)力對(duì)環(huán)境的影響，為驗(yàn)證環(huán)境庫茲涅茨曲線，將式(3)中自變量lnA分解為lnA和(lnA)2兩項(xiàng);同時(shí)將T包括在誤差項(xiàng)中，而不再單獨(dú)進(jìn)行估計(jì)［14］。渠慎寧和郭朝先在基于STIRPAT模型的中國碳排放峰值研究中，同樣加入了富裕度的二項(xiàng)式形式并對(duì)技術(shù)T進(jìn)一步分解，考慮產(chǎn)業(yè)結(jié)構(gòu)等變量對(duì)碳排放量的影響［16］。姜磊和季民河在進(jìn)行中國區(qū)域能源壓力的空間差異分析中，發(fā)現(xiàn)技術(shù)指標(biāo)難以刻畫，考慮到能源消費(fèi)的主體是第二產(chǎn)業(yè)，所占比重在70%以上，受國家宏觀調(diào)整影響比較明顯，將技術(shù)變量T 改為第二產(chǎn)業(yè)比重［17］。

同樣，根據(jù)研究的需要，不同學(xué)者對(duì)式(2)中變量I、P、A、T賦予了不同的定義。燕華、郭運(yùn)功和林逢春定義I為碳排放量，P為人口數(shù)量，A為人均GDP，T為單位GDP能耗。渠慎寧和郭朝先在研究中也對(duì)I、P、A賦予了相同的定義，但定義T為單位GDP碳排放量。朱勤、彭希哲和陸志明等定義A為人均消費(fèi)額，其余因素不變。王立猛和何康林則是定義I為能源消費(fèi)總量，T為能源強(qiáng)度。

因此，在本文中，基于實(shí)際研究的需要和數(shù)據(jù)的可獲得性，在式(3)的基礎(chǔ)上加入了富裕度的二項(xiàng)式形式并對(duì)P和T進(jìn)行了分解，引入了城市化變量U和產(chǎn)業(yè)結(jié)構(gòu)變量C，所以本文的分析模型為:

lnI=lna+b1lnP+b2lnU+c1lnA+c2(lnA)2+d1lnC+d2lnT+lne (4)式中各變量的定義如表2所示。

如果對(duì)式(4)進(jìn)行求lnA的一階偏導(dǎo)數(shù)，可以得到富裕度對(duì)環(huán)境壓力的彈性系數(shù)為c1+c2lnA［13］。

2 實(shí)證分析

2．1 數(shù)據(jù)處理

本文所使用的能源消費(fèi)數(shù)據(jù)來自《中國能源統(tǒng)計(jì)年鑒1996－2010》。其他數(shù)據(jù)來自各省2010年的統(tǒng)計(jì)年鑒。湖北省統(tǒng)計(jì)資料中沒有人口農(nóng)業(yè)和非農(nóng)業(yè)構(gòu)成，所以用城鎮(zhèn)人口占常住人口的比例來表示U。GDP和其他所有受價(jià)格波動(dòng)影響的數(shù)據(jù)按1995年不變價(jià)計(jì)算。

表2 模型中各變量的說明Tab．2 Descriptions of variables

2．2 數(shù)據(jù)擬合

由于模型存在多重共線性，本文采用嶺回歸(ridge regression)的方法對(duì)模型進(jìn)行擬合。嶺回歸就是一種專門用于共線性數(shù)據(jù)分析的有偏估計(jì)回歸方法，它實(shí)際上是一種改良的最小二乘法，通過在自變量標(biāo)準(zhǔn)化矩陣的主對(duì)角線元素上人為地加入一個(gè)非負(fù)因子k，放棄最小二乘法的無偏性，以損失部分信息、降低精度為代價(jià)來尋求效果稍差但回歸系數(shù)更符合實(shí)際的回歸方程［18］。

根據(jù)擬合的結(jié)果，廣東省k值取0．08，湖北 k值取0．11，云南省 k 值取0．05，其余兩省 k 值均取0．02。此時(shí)，各個(gè)變量的系數(shù)如表3、表4所示。

表3 各低碳試點(diǎn)省份各個(gè)變量的標(biāo)準(zhǔn)化系數(shù)Tab．3 Standardized coefficients of variables in low-carbon pilot provinces

表4 各低碳試點(diǎn)省份各個(gè)變量的非標(biāo)準(zhǔn)化系數(shù)Tab．4 Non-standardized coefficients of variables in low-carbon pilot provinces

3 結(jié)果分析與討論

3．1 各省份歷史碳排放情況分析

根據(jù)式(1)和表1的內(nèi)容，本文計(jì)算了各低碳試點(diǎn)省份1995－2009年的排放總量。如圖1所示。

從圖1可以看到，所有的低碳試點(diǎn)省份按碳排放總量由多到少排列，依次為遼寧省、廣東省、湖北省、陜西省和云南省。而且，從2000年開始，碳排放增長速度加快。

同樣，根據(jù)排放總量計(jì)算的結(jié)果和各低碳試點(diǎn)省份以1995年為基準(zhǔn)年的GDP數(shù)據(jù)，可以計(jì)算出各低碳試點(diǎn)省份1995－2009年碳排放強(qiáng)度的變化情況，見圖2。

從圖2中可以看出，廣東省的碳強(qiáng)度遠(yuǎn)低于其他省份，且變化幅度不大，其在低碳發(fā)展方面走在前列。遼寧省初始碳強(qiáng)度很高，但在1995－2009年間一直保持了較快的下降速度，到2009年已經(jīng)與云南省的碳強(qiáng)度持平，碳強(qiáng)度從3．5噸碳/萬元下降到1．5噸碳/萬元，降低幅度很大，表明遼寧省的低碳發(fā)展方面作出了卓有成效的工作。湖北省的碳強(qiáng)度在1995－2009年間基本保持了下降的態(tài)勢。陜西和云南兩省初始碳強(qiáng)度下降很快，但是在2000年開始反彈，碳強(qiáng)度開始增加，分別在2004和2005年達(dá)到峰值，而后開始下降。這表明兩省在低碳發(fā)展方面還需要進(jìn)一步的努力。

圖1 各低碳試點(diǎn)省份1995－2009年碳排放總量變化Fig．1 Total carbon emission of low-carbon pilot provinces from 1995 to 2009

圖2 各低碳試點(diǎn)省份1995－2009年碳強(qiáng)度變化Fig．2 Carbon intensities of low-carbon pilot provinces from 1995 to 2009

3．2 數(shù)據(jù)擬合結(jié)果分析

從表3中可以看到，各省的擬合結(jié)果均在0．001的水平上顯著且R2都在0．95以上，表明當(dāng)前的擬合結(jié)果能夠?qū)Ω魇〉奶寂欧徘闆r進(jìn)行很好的說明。

從表4中可以看到，在所有的低碳試點(diǎn)省份中，人口規(guī)模對(duì)碳排放影響最大是云南省，影響的彈性系數(shù)為2．734，且在0．001的水平上顯著;其次是湖北省和廣東省，彈性系數(shù)分別為1．876和1．109，在0．05的水平上顯著。其余省份，人口規(guī)模因素沒有通過顯著性檢驗(yàn)，其對(duì)碳排放的影響不顯著。

城市化水平對(duì)碳排放影響最大是遼寧省，影響的彈性系數(shù)為2．668，且在0．001的水平上顯著;其次是陜西省，彈性系數(shù)為1．119，在0．01的水平上顯著。其余省份，城市化水平因素的彈性系數(shù)都小于0．5且沒有通過顯著性檢驗(yàn)，其對(duì)碳排放的影響不顯著。

富裕度因素變量c1和c2都在0．001的水平上顯著，說明在所有低碳試點(diǎn)省份中，人均GDP都對(duì)碳排放有顯著影響。隨著人均GDP的增長，生活水平的提高，碳排放的增加不可避免。目前從總量上降低碳排放是不現(xiàn)實(shí)的，只能控制增長速度，從降低碳強(qiáng)度方面入手。

將各低碳試點(diǎn)省份1995－2009年GDP的數(shù)據(jù)帶入c1+c2lnA，可以計(jì)算出人均GDP即富裕度因素對(duì)碳排放的彈性系數(shù)，見表5。

從表4可以看到，c2沒有出現(xiàn)負(fù)值。而且，從表5中可以看到，隨著人均GDP的逐年增長，人均GDP對(duì)碳排放的彈性系數(shù)也在逐漸增加，環(huán)境庫茲涅茨曲線沒有出現(xiàn)。而且，富裕度因素對(duì)碳排放影響最大的是云南省，其次為廣東省和陜西省，最后為遼寧省和湖北省。

產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放影響最大是陜西省，影響的彈性系數(shù)為1．535，其次是湖北省，彈性系數(shù)為 1．229，且兩者都在0．01的水平上顯著。其余省份，產(chǎn)業(yè)結(jié)構(gòu)變量沒有通過顯著性檢驗(yàn)，對(duì)碳排放的影響不顯著。

能源強(qiáng)度對(duì)碳排放影響最大是云南省，彈性系數(shù)為1．567。其次為湖北、陜西和遼寧，彈性系數(shù)依次為0．521、0．458和0．419。其余省份能源強(qiáng)度變量沒有通過顯著性檢驗(yàn)，對(duì)碳排放的影響不顯著。

3．3 各低碳試點(diǎn)省份發(fā)展路徑探討

3．3．1 陜西省

從表3中可以看到，對(duì)陜西省碳排放有顯著影響到因素是城市化水平、人均GDP、產(chǎn)業(yè)結(jié)構(gòu)和能源強(qiáng)度。其中，產(chǎn)業(yè)結(jié)構(gòu)的影響最大，其次為人均GDP、城市化水平和能源強(qiáng)度。然而人均GDP的增長和城市化進(jìn)程的加快是當(dāng)前社會(huì)發(fā)展的必然趨勢。因此，陜西省建設(shè)低碳省份應(yīng)該首先從產(chǎn)業(yè)結(jié)構(gòu)入手，在保持工業(yè)必要增長的同時(shí)，大力發(fā)展第三產(chǎn)業(yè)。陜西省位于關(guān)中平原，風(fēng)景秀麗，歷史遺跡眾多，旅游資源豐富，應(yīng)該充分利用這一資源，集中資源發(fā)展旅游產(chǎn)業(yè)，打造全國乃至世界知名的旅游品牌，并通過其發(fā)展帶動(dòng)酒店、餐飲、客運(yùn)等相關(guān)行業(yè)的發(fā)展，從而推動(dòng)整個(gè)社會(huì)經(jīng)濟(jì)的發(fā)展。其次，陜西省還要努力提高對(duì)學(xué)校、科研單位的投入，推進(jìn)技術(shù)創(chuàng)新，對(duì)工業(yè)進(jìn)行技術(shù)升級(jí)改造，提高生產(chǎn)效率和能源利用水平，加大高新技術(shù)產(chǎn)業(yè)的引進(jìn)力度，建設(shè)高新技術(shù)產(chǎn)業(yè)園區(qū)。

表5 各低碳試點(diǎn)省份1995－2009年人均GDP對(duì)碳排放的彈性系數(shù)Tab．5 The elasticity coefficients of per capita GDP to carbon emissions in low-carbon provinces

3．3．2 廣東省

從表3可以看出，對(duì)廣東省碳排放有顯著影響的是人均GDP和人口規(guī)模。降低碳排放不能以降低人們的生活水平為代價(jià)。因此，廣東省建設(shè)低碳省份應(yīng)該從人口入手，控制人口增長，控制人口流入，加快優(yōu)秀人才的引進(jìn)力度，提高人口素質(zhì)。根據(jù)廣東統(tǒng)計(jì)年鑒，2009年廣東省人口數(shù)量為8 365．98萬人，是所有低碳試點(diǎn)省份中人口最多的。為滿足大量的人口的生活需要，大量資源被消費(fèi)，碳排放顯著增加。所以，控制人口規(guī)模是抑制碳排放增長的一個(gè)重要手段。除了本文所考慮的五個(gè)因素之外，碳排放也和能源結(jié)構(gòu)密切相關(guān)，廣東省應(yīng)該調(diào)整能源結(jié)構(gòu)，提高可再生能源在能源消費(fèi)中的比重。根據(jù)《廣東省十二五規(guī)劃綱要》，到2015年，非化石能源占一次能源消費(fèi)的比重將達(dá)到20%。廣東作為我國改革開放的前沿，思想解放，因此廣東省應(yīng)該大力倡導(dǎo)低碳生活方式。在不降低生活水平的情況下，減少碳排放。完善低碳發(fā)展標(biāo)準(zhǔn)認(rèn)證體系，研究建立低碳產(chǎn)品標(biāo)識(shí)、認(rèn)證制度。

3．3．3 遼寧省

從圖1和圖2可以看出，遼寧省碳排放總量很大，但其碳強(qiáng)度卻不斷下降。從表3和表5可以看出，對(duì)遼寧省碳排放影響最大的是城市化水平，其次是人均GDP和能源強(qiáng)度。當(dāng)前，加快城市化進(jìn)程，提高人民生活水平是政府的主要任務(wù)。因此，遼寧省建設(shè)低碳省份應(yīng)該主要從降低碳強(qiáng)度方面入手。遼寧省是我國著名的老工業(yè)基地，歷史悠久，工業(yè)企業(yè)眾多。然而大部分企業(yè)的設(shè)備老舊，生產(chǎn)工業(yè)落后，與世界先進(jìn)水平有很大的差距。所以，淘汰落后工藝、引進(jìn)世界先進(jìn)技術(shù)、對(duì)產(chǎn)業(yè)進(jìn)行升級(jí)改造是當(dāng)前的首要工作。在此基礎(chǔ)上，還應(yīng)該進(jìn)一步加大對(duì)科研的投入，以新技術(shù)、新方法為先導(dǎo)，創(chuàng)建一批國內(nèi)國際知名度研究院所。

3．3．4 湖北省

從表3可以看出，除城市化水平外，其余因素都對(duì)湖北省碳排放有顯著的影響，影響程度按從大到小排列依次為人均GDP、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和人口規(guī)模。因此，湖北省建設(shè)低碳省份，應(yīng)該首先要降低能源強(qiáng)度。通過技術(shù)升級(jí)改造和引進(jìn)先進(jìn)工藝來提高生產(chǎn)效率，提高能源利用水平。其次要調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，充分利用湖北的地理優(yōu)勢，大力發(fā)展物流行業(yè)，以此推動(dòng)整個(gè)第三產(chǎn)業(yè)的發(fā)展。最后，要控制人口增長，控制努力引進(jìn)優(yōu)秀人才，提高人口素質(zhì)。

3．3．5 云南省

同樣，根據(jù)表3的內(nèi)容，對(duì)云南省碳排放有顯著影響的因素是人均GDP、人口規(guī)模和能源強(qiáng)度。因此，云南省的低碳發(fā)展應(yīng)該以降低人口規(guī)模為主要內(nèi)容，控制人口增長，提高人口素質(zhì)和受教育程度。同時(shí)，云南省位于我國西南邊陲，氣候濕潤溫和，生物資源豐富。所以，要保護(hù)環(huán)境，不能以重工業(yè)為發(fā)展目標(biāo)，應(yīng)該發(fā)展煙草等輕工業(yè)和高附加值的高新技術(shù)產(chǎn)業(yè)，提高產(chǎn)品的科技含量，提高能源利用效率。

4 結(jié)論

(1)所有的低碳試點(diǎn)省份按碳排放總量由多到少排列，依次為遼寧省、廣東省、湖北省、陜西省和云南省。在碳強(qiáng)度方面，廣東省最低，遼寧省降低幅度最大，其余省份碳強(qiáng)度在2000年后有起伏。

(2)人口規(guī)模對(duì)碳排放影響最大是云南省，其次為湖北省和廣東省。城市化水平影響最大的是遼寧省，其次是陜西省。產(chǎn)業(yè)結(jié)構(gòu)因素影響最大的是陜西省，其次是湖北省。能源強(qiáng)度影響最大的是云南省，其次是湖北陜西和遼寧省。隨著人均GDP的逐年增長，人均GDP對(duì)碳排放的彈性系數(shù)也在逐漸增加，環(huán)境庫茲涅茨曲線沒有出現(xiàn)。而且，富裕度因素對(duì)碳排放影響最大的是云南省，其次為廣東省和陜西省，最后為遼寧省和湖北省。

(3)陜西省建設(shè)低碳省份應(yīng)該從產(chǎn)業(yè)結(jié)構(gòu)和能源強(qiáng)度兩方面入手;廣東省除控制人口規(guī)模外，還應(yīng)該調(diào)整能源結(jié)構(gòu)，倡導(dǎo)低碳生活方式;遼寧省降低碳排放主要應(yīng)該從能源強(qiáng)度方面入手;湖北省應(yīng)該從能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)和人口規(guī)模三個(gè)方面著手;云南省主要應(yīng)該從人口規(guī)模入手，控制人口增長，提高人口素質(zhì)，實(shí)現(xiàn)碳減排目標(biāo)。

References)

［1］石龍宇，崔勝輝．氣候變化對(duì)城市生態(tài)系統(tǒng)的影響研究進(jìn)展［J］．環(huán)境科學(xué)與技術(shù)，2010，33(6E):193 －197．［Shi Longyu，Cui Shenghui．Research Progress of Climate Change Effects on Urban Ecosystem［J］．Environmental Science ＆ Technology，2010，33(6E):193 －197．］

［2］王微，林劍藝，崔勝輝，等．碳足跡分析方法研究綜述［J］．環(huán)境科學(xué)與技術(shù)，2010，33(7):71－78．［Wang Wei，Lin Jianyi，Cui Shenghui， et al． An Overview of Carbon Footprint Analysis．Environmental Science＆ Technology，2010，33(7):71－78．］

［3］姜磊，季民河．基于STIRPAT模型的中國能源壓力分析:基于空間計(jì)量經(jīng)濟(jì)學(xué)模型的視角［J］．地理科學(xué)，2011，31(9):1072－1077．［Jiang Lei，Ji Minhe．China’s Energy Stress Based on the STIR PAT Model:A Spatial Econometric Perspective［J］．Scientia Geographica Sinica，2011，31(9):1072 －1077．］

［4］肖黎姍，王潤，楊德偉，等．中國省際碳排放極化格局研究［J］．中國人口·資源與環(huán)境，2011，21(8):30－36．［Xiao Lishan，Wang Run，Yang Dewei，et al．The Polarization Pattern of Carbon Emission in China’s Provinces［J］．China Population Resources and Environment，2011，21(8):30 －36．］

［5］中華人民共和國國民經(jīng)濟(jì)和社會(huì)發(fā)展第十二個(gè)五年規(guī)劃綱要［N］．人民日?qǐng)?bào)，2011－03－16．［The People’s Republic of China National Economic and Social Development Twelfth Five-Year Plan［N］．The People’s Daily，2011 －03 －16．］

［6］中華人民共和國發(fā)展和改革委員會(huì)．國家發(fā)展改革委關(guān)于開展低碳省區(qū)和低碳城市試點(diǎn)工作的通知［EB/OL］．［National Development and Reform Commission．The Notice about Pilot Work ofLow-carbon Provinces and Low-carbon Cities by National Development and Reform Commission［EB/OL］．http://www．sdpc．gov．cn/zcfb/zcfbtz/2010tz/t20100810_365264．htm．］

［7］蔣金荷．中國碳排放量測算及影響因素分析［J］．資源科學(xué)，2011，33(4):597 － 604．［Jiang Jinhe．An Evaluation and Decomposition Analysis of Carbon Emissions in China［J］．Resources Science，2011，33(4):597 －604．］

［8］劉竹，耿涌，薛冰，等．中國低碳試點(diǎn)省份經(jīng)濟(jì)增長與碳排放關(guān)系研究［J］．資源科學(xué)，2011，33(4):620－625．［Liu Zhu，Geng Yong，Xue Bing，et al．Relationships between Economic Growth and CO2Emissions for Low-Carbon Pilot Provinces in China［J］．Resources Science，2011，33(4):620 －625．］

［9］趙敏，張衛(wèi)國，俞立中．上海市能源消費(fèi)碳排放分析［J］．環(huán)境科學(xué)研究，2009，22(8):984 －989．［Zhao Min，Zhang Weiguo，Yu Lizhong．Carbon Emissions from Energy Consumption in Shanghai City［J］．Research of Environmental Sciences，2009，22(8):984 －989．］

［10］GB/T 2589－2008，綜合能耗計(jì)算通則［S］．［GB/T 2589－2008，General Principles for Calculation of Comprehensive Energy Consumption［S］．］

［11］陳慶，周敬宣，李湘梅．基于STIRPAT模型的武漢市環(huán)境影響驅(qū)動(dòng)力分析［J］．長江流域資源與環(huán)境，2011，20(Z1):100－104．［Cheng Qing，Zhou Jingxuan，Li Xiangmei．Analysis on the Driving ForceofEnvironmentalImpactin Wuhan Based on STIRPAT Model［J］．Resources and Environment in the Yangtze Basin，2011，20(Z1):100 －104．］

［12］Dietz T，Rosa E A．Rethinking the Environmental Impacts of Population，Affluence，and Technology［ J］．Human Ecology Review，1994，(1):277－ 300．

［13］燕華，郭運(yùn)功，林逢春．基于STIRPAT模型分析CO2控制下上海城市發(fā)展模式［J］．地理學(xué)報(bào)，2010，65(8):983－990．［Yan Hua，Guo Yungong，Lin Fengchun．Analyzing the Development Model of Chinese Cites under the Control of CO2Emissions Using the STIRPAT Model:A Case Study of Shanghai［J］． Acta Geographica Sinica，2010，65(8):983 －990．］

［14］王立猛，何康林．基于STIRPAT模型的環(huán)境壓力空間差異分析:以能源消費(fèi)為例［J］．環(huán)境科學(xué)學(xué)報(bào)，2008，28(5):1032－1037．［Wang Limeng，He Kanglin．Analysis of Spatial Variations in Environmental Impact Based on the STIRPAT Model:A Case Study of Energy Consumption［J］．Acta Scientiae Circumstantiae，2008，28(5):1032 －1037．］

［15］朱勤，彭希哲，陸志明，等．人口與消費(fèi)對(duì)碳排放影響的分析模型與實(shí)證［J］．中國人口·資源與環(huán)境，2010，20(2):98－102．［Zhu Qin，Peng Xizhe，Lu Zhiming，et al．Analysis Model and Empirical Study of Impacts from Population and Consumption on Carbon Emissions［J］． China Population Resources and Environment，2010，20(2):98 －102．］

［16］渠慎寧，郭朝先．基于STIRPAT模型的中國碳排放峰值預(yù)測研究［J］．中國人口·資源與環(huán)境，2010，20(12):10－15．［Qu Shenning，Guo Chaoxian．Forecast of China’s Carbon Emissions Based on STIRPAT Model［J］．China Population Resources and Environment，2010，20(12):10 －15．］

［17］姜磊，季民河．中國區(qū)域能源壓力的空間差異分析:基于STIRPAT模型［J］．財(cái)經(jīng)科學(xué)，2011，(4):64－70．［Jiang Lei，Ji Minhe．Spatial Difference Analysis of Regional Energy Pressures in China:Based on STIRPAT Model［J］．Finance ＆ Economics，2011，(4):64 －70．］

［18］張文彤．SPSS統(tǒng)計(jì)分析高級(jí)教程［M］．北京:高等教育出版社，2004．［Zhang Wentong．High-level Tutorial of SPSS Statistical Analysis［M］．Beijing:Higher Education Press，2004．］

Analysis of Development Path for Low-Carbon Pilot Provinces in China

LIU Jian1WANG Run1，2SUN Yan-wei1SHU She-yu1XIAO Li-shan1，2
(1．Key Lab of Urban Environment and Health，Institute of Urban Environment，Chinese Academy of Sciences，Xiamen Fujian 361021，China;2．Xiamen Key Lab of Urban Metabolism，Xiamen Fujian 361021，China)

To mitigate climate change，reducing greenhouse gas emissions has become the consensus of the international community．As the largest developing country and one of the largest emitters of CO2in the world，China has participated actively in the action of mitigating climate change．In this study we try to explore low-carbon development paths for 5 provinces，namely Shaanxi，Yunnan，Guangdong，Liaoning，and Hubei in China，which were assigned as national pilot provinces for low-carbon development by the National Development and Reform Commission in August 2010．Based on the data from 1995 to 2009，a quantitative analysis of carbon emissions in 5 pilot provinces are conducted involving 5 factors such as population，urbanization，wealth，industrial structure and energy intensity in STIRPAT model．The results show:Shaanxi should focus on industrial restructuring and decreasing energy intensity．In addition to controlling population growth，Guangdong province should optimize the energy structure and advocate a low-carbon lifestyle．Lowering energy intensity should be the main measure to reduce carbon emissions in Liaoning;reducing energy intensity，optimizing industrial structure and controlling population growth play an important role on the path to low-carbon development for Hubei;Yunnan should make great effort in controlling population growth as well as improving population quality in order to realize its carbon emission target．

STIRPAT model;low-carbon pilot provinces;development path

X321

A

1002－2104(2012)03－0056－07

10.3969/j.issn.1002－2104.2012.03．010

2011－10－22

劉健，博士生，主要研究方向?yàn)闅夂蜃兓m應(yīng)性政策和技術(shù)。

王潤，博士，研究員，博導(dǎo)，主要研究方向?yàn)闅夂蜃兓m應(yīng)性技術(shù)與政策。

廈門市科技計(jì)劃項(xiàng)目(編號(hào):Y0G5831D30);中國科學(xué)院知識(shí)創(chuàng)新工程青年人才領(lǐng)域前沿項(xiàng)目(編號(hào):YOL4351D10)。

(編輯:劉照勝)