康利改 曹紫霖 劉偉 吳小敬 楊煬 袁小雪 王文靜 趙薇

摘 要：為了解決京津冀地區(qū)碳排放量達峰問題，以河北省為例，研究京津冀碳排放達峰實現(xiàn)路徑，對京津冀未來的碳排放量進行預測分析，建立以河北省2004—2021年碳排放相關數(shù)據(jù)為基礎的STIRPAT碳排放預測拓展模型。設置了6個情景，通過綜合考慮人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結構、能源強度、能源結構數(shù)據(jù)的變化速度，模擬不同情景下京津冀2022—2040年的碳排放趨勢，進而預測京津冀三地的“碳達峰”時間與碳排放峰值。結果表明：北京除清潔發(fā)展情景是在2030年達峰，其余情景均在2035年達到峰值；天津除經(jīng)濟放緩情景是在2030年達峰，其余情景均在2035年實現(xiàn)“碳達峰”；河北除基準情景在2035年達峰外，其余情景均是在2030年達到峰值。所提的碳排放預測拓展模型在考慮多情景分析下，就京津冀地區(qū)如何控制和減少碳排放量提出相關建議，可為京津冀低碳經(jīng)濟的發(fā)展提供一定的參考依據(jù)。

關鍵詞：統(tǒng)計預測理論；“碳達峰”；STIRPAT模型；嶺回歸；情景模擬；路徑選擇

中圖分類號：X321?? 文獻標識碼：A??DOI：10.7535/hbkd.2023yx04011

Prediction of carbon peak in Beijing Tianjin Hebei Region based on STIRPAT model

KANG Ligai1， CAO Zilin1， LIU Wei2， WU Xiaojing1， YANG Yang1， YUAN Xiaoxue2， WANG Wenjing1， ZHAO Wei1

（1.School of Civil Engineering， Hebei University of Science and Technology， Shijiazhuang， Hebei 050018， China; 2.Institute of Energy， Hebei Academy of Sciences， Shijiazhuang， Hebei 050081， China）

Abstract： In order to solve the problem of early peak of carbon emissions the Beijing Tianjin Hebei Region，taking Hebei Province as an example， the realization path of peaking carbon emissions in the region was studied， and the future carbon emissions in the region were predicted and analyzed， the STIRPAT carbon emission prediction expansion model based on carbon emission data in Hebei Province from 2004 to 2021 was established. Six scenarios were set up to simulate the carbon emission trend from 2022 to 2040 under different scenarios by comprehensively considering the change rates of six data such as population size， per capita GDP， urbanization rate， industrial structure， energy intensity and energy structure， and to predict the carbon peak time and carbon emission peak of Beijing， Tianjin and Hebei. The results show that： Except for the clean development scenario， which peaks in 2030， the other scenarios of Beijing will reach the peak in 2035. Except for the economic slowdown scenario， which is to peak in 2030， the remaining scenarios of Tianjin were to achieve carbon peak in 2035. In Hebei Province， except for the baseline scenario， which is to reach the peak in 2035， the remaining scenarios are to reach the peak in 2030.The proposed carbon emission forecast expansion model， considering multi scenario analysis， puts forward relevant suggestions on how to control and reduce carbon emissions in the Beijing Tianjin Hebei Region， and provides certain reference for the development of low carbon economy in the Beijing Tianjin Hebei Region.

Keywords： statistical prediction theory； carbon peak; STIRPAT model; ridge regression; scenario simulation; path selection

隨著全球平均氣溫迅速上升，人類即將面臨的氣候風險愈發(fā)增多。排放的溫室氣體種類很多，其中二氧化碳排放量占總量的73%。在“雙碳”目標的大背景下，眾多學者和機構圍繞碳排放和“碳達峰”預測展開了大量研究。中國始終高度關注氣候問題并積極實施減排降碳工作。

國內(nèi)外相關研究成果逐漸豐富，眾多學者針對碳排放預測的方法及模型進行了大量研究，碳排放預測模型主要有STIRPAT模型[1 4]、LEAP模型[5]、環(huán)境庫茨涅茲（EKC）曲線[6]、混頻數(shù)據(jù)抽樣模型[7]、長期能源代替規(guī)劃系統(tǒng)模型（LEAP BTH）[8]、系統(tǒng)動力學模型[9 10]、動態(tài)情景模擬模型[11 14]、反向傳播神經(jīng)網(wǎng)絡模型[15]和能源技術擴散模型[16]等。此外，影響碳排放的驅(qū)動因素分析方面，基于Kaya恒等式[17]、迪氏對數(shù)平均指數(shù)分解[18]、拉氏指數(shù)分解［19］、蒙特卡羅模擬[20]等方法對影響碳排放的驅(qū)動因素進行分析，研究各因素對碳排放量的影響。

京津冀地區(qū)作為中國核心經(jīng)濟區(qū)的重要組成部分，也是能源消耗和二氧化碳排放的重點區(qū)域，京津冀地區(qū)的碳排放早日達到峰值對實現(xiàn)國家“碳達峰”目標尤為關鍵。2021年，北京能源消費結構持續(xù)優(yōu)化，加快推動重點區(qū)域、重點行業(yè)可再生能源規(guī)?；?，可再生能源開發(fā)利用總量達849.3萬t標準煤。天津市作為中國首批低碳試點城市之一，其發(fā)展對于強化京津聯(lián)動，促進京津冀協(xié)同發(fā)展、落實京津冀環(huán)境保護等方面具有重要作用。河北省是能源消耗大省，碳排放水平在全國處于前列。本文采用STIRPAT模型，對京津冀能源發(fā)展路徑進行預測研究，有助于摸清京津冀能源行業(yè)碳排放底數(shù)、存在的問題及發(fā)展瓶頸，積極落實國家和京津冀地區(qū)“碳達峰”和“碳中和”的相關工作要求。以河北省為例，基于2004—2021年歷史數(shù)據(jù)，對主要變量參數(shù)進行分析處理，對模型進行驗證。隨后設置6種不同的情景方案，分別預測6種情景下北京、天津和河北碳排放達峰時間及排放量峰值，模擬預測各情景方案對其“碳達峰”的影響。

1 模型建立

碳排放研究中常使用IPAT及衍生的ImPACT和STIRPAT模型、LMDI因素分解法、環(huán)境庫次涅茨曲線以及其他研究方法。其中IPAT模型表達形式簡單，且人口、經(jīng)濟水平和技術的彈性系數(shù)均是1，不能體現(xiàn)出不同驅(qū)動因素的區(qū)別。為克服IPAT等式中各因素等比例影響的不足，YORK等[18]基于IPAT等式進行改進，構建了STIRPAT模型。STIRPAT模型通過對數(shù)變換和回歸分析對其中的參數(shù)進行估計，之后基于情景設置預測碳排放量，其中的變量數(shù)據(jù)都為人口、GDP、能源強度等這樣的宏觀指標，因此這個模型是“自上而下”的。相比其他模型及方法，該模型處理較為簡單，同時具有更好的靈活性和拓展空間，能檢驗不同因素對環(huán)境壓力的影響，因此，本研究應用STIRPAT模型對二氧化碳排放達峰進行預測。

模型的基本表達式如式（1）所示：

I=aPbAcTde ，（1）

式中：I，P，A，T分別為環(huán)境壓力、人口規(guī)模、富裕程度和技術水平；a為模型系數(shù)；b，c，d分別為變量的彈性系數(shù)；e為模型誤差項。

由文獻[4]和文獻[5]可知，人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結構、能源強度和能源結構是影響減污降碳的重要因素，

本研究選用二氧化碳排放量來表示環(huán)境壓力、人均GDP表示富裕程度項、技術水平考慮產(chǎn)業(yè)結構、能源強度、能源結構。

因此研究選取該6項因素作為自變量對STIRPAT模型進行擴展，擴展后的模型見式（2）：

ln I=ln a+bln P+cln A+dln U+fln （IS）+gln （EI）+hln （ES）+ln e ， （2）

式中：I表示二氧化碳排放量；P表示人口規(guī)模；A表示人均GDP；U代表城鎮(zhèn)化率；IS代表產(chǎn)業(yè)結構；EI代表能源強度；ES代表能源結構；a為模型系數(shù)；b，c，d，f，g，h分別為變量的彈性系數(shù)；e為模型誤差項。具體變量及說明見表1。

2 模型驗證

2.1 數(shù)據(jù)共線性檢驗

多重共線性是指在進行回歸計算時，多個自變量之間存在相關關系，會使模型中的系數(shù)失去實際意義。以河北省為例，搜集2004—2021年的歷史數(shù)據(jù)，如表2所示。采用SPSS數(shù)據(jù)分析軟件對相關自變量進行共線性檢驗，結果見表3。

由表2可知，在2004—2012年間河北省年二氧化碳排放總量呈現(xiàn)逐年增加的趨勢，在2013年達到階段性峰值之后開始逐年降低，2017年出現(xiàn)峰谷，隨后在2018—2021年期間波動較大；河北省人口規(guī)模除2008年出現(xiàn)輕微降低之外，基本呈現(xiàn)逐年上升的趨勢；河北省人均GDP和城鎮(zhèn)化率呈現(xiàn)逐年上升的趨勢；產(chǎn)業(yè)結構在2004—2011年期間波動較大，之后開始逐年降低；能源強度在2014年出現(xiàn)尖峰，達到5.853 t/萬元，這與2014年總能源消費量達到近10年峰值有關，其余年份均在1～1.7 t/萬元之間波動；而能源結構在2014年出現(xiàn)峰谷，這同樣與2014年總能源消費量達到近10年峰值有關。

由表3可知，能源強度和能源結構與其余因素存在負相關的情景，人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結構4個變量之間均是正相關。此外，樣本相關系數(shù)絕對值大于0.8時，可視為2個變量高度相關。由表3可以看出，多處絕對值超過了經(jīng)驗系數(shù)0.8。可見，人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結構、能源強度和能源結構6個變量之間都不是相互獨立的關系，存在嚴重的多重共線性。

2.2 嶺回歸方法

目前有許多解決多重共線性的方法，例如主成分分析法、帶有嶺回歸的最小二乘法等，其中嶺回歸方法是通過約束長度系數(shù)來間接解決多重共線性問題，是對最小二乘回歸的一種補充，

模型的泛化能力強，從而可以提高模型的計算精度，同時可以有效地解決多重共線性問題，提高模型的穩(wěn)定性和可靠性。

因此，本文選取嶺回歸方法對STIRPAT拓展模型系數(shù)進行擬合，利用SPSS軟件對數(shù)據(jù)進行嶺回歸處理以消除共線性，分別擬合各因素對河北省碳排放的影響模型，得出的嶺跡圖和決定系數(shù)RSQ的變化趨勢，如圖1所示，其中R為擬合優(yōu)化指標，K為嶺回歸參數(shù)。

通過觀察圖1可知，根據(jù)嶺跡圖，選擇盡可能小的嶺回歸系數(shù)K，同時嶺跡曲線逐漸平穩(wěn)時的取值。在K=0.7時，自變量逐漸平穩(wěn)，同時R2與K的關系圖中對應的R2處于較高水平。對數(shù)據(jù)進行標準化處理之后，得出擬合方程，表達式如式（3）所示：

ln I=[WB]0.369 0+0.154 9ln P+0.155 1ln A+0.154 8ln U+0.143 5ln （IS）+0.140 6ln （EI）+

[DW]0.136 9ln （ES）+ei 。（3）

從式（3）來看，對于河北省，在保持其他變量不變的情況下，人口規(guī)模每增加1%，則碳排放量平均增加0.154 9%；人均GDP每增加1%，則碳排放量平均增加0.155 1%；城鎮(zhèn)化率每增加1%，則碳排放量平均增加0.154 8%。第二產(chǎn)業(yè)占比每減少1%，則碳排放量平均減少0.143 5%；單位GDP能耗每減少1%，則碳排放量平均減少0.140 6%；煤炭消耗占比每減少1%，則碳排放量平均減少0.136 9%。由此可見，人均GDP對碳排放的影響最大。

對回歸方程系數(shù)進行檢驗，其方差分析結果見表4，預測方程可決系數(shù)結果見表5。樣本方差自由度為6，殘差為3；樣本方差的平方和為216.405，殘差為3.109；樣本方差為36.068，殘差為1.036。預測模型的F值為34.798，F(xiàn)檢驗的Sig值為0.007，方程通過檢驗。調(diào)整之前R為0.993，R2為0.986，調(diào)整后的R2達到0.96，標準誤差為1.018，表明預測方程較為合理。

3 京津冀“碳達峰”前景預測

3.1 情景設置

從上文可知影響二氧化碳排放的因素，根據(jù)京津冀歷年的經(jīng)濟發(fā)展水平以及社會民生相關情況，設置相關因素變化率為慢速、中速和快速3種模式。其中，慢速即各變量變化速率放緩；中速即假定各變量按照適中的速度發(fā)展；快速即各變量變化速率較快。以中速變化率為基準，根據(jù)各變量變化范圍和各地區(qū)實際情況，慢速與中速相比年平均速率要減緩0.2%～1%，同理快速與中速相比年平均速率增加0.2%～1%。

參考近年來國家發(fā)展戰(zhàn)略規(guī)劃的節(jié)點設置，在2021—2040年間，以5年為周期對不同因素的變化率進行調(diào)整。各影響因素具體變化情況如下。

1）人口規(guī)模 人口規(guī)模受性別構成、人口質(zhì)量、人口流動等因素影響，《北京城市總體規(guī)劃（2016—2035）》中提出，“十四五”時期北京市的常住人口數(shù)量要控制在2 300萬人以下，且要長期保持在這一水平。2021年北京市人口規(guī)模為2 188.6萬人，假設中速下2021—2030年的平均年增速為0.55%，于2030年達到峰值2 300萬人，隨后在2031—2040年平均年增速為－0.1%；天津人口發(fā)展“十四五”規(guī)劃中提出，到2025年天津市常住人口達到1 500萬人左右。因此，假設中速發(fā)展模式下2021—2030年的平均年增速為2%，于2030年達到峰值，隨后在2031—2040年的平均年增速為－0.1%；根據(jù)《河北省人口發(fā)展規(guī)劃（2018—2035）》的要求，河北省人口總量會經(jīng)歷從快速增加到緩速增長，到2035年人口規(guī)模將會維持在7 910萬人左右。因此，假設中速下2021—2030年的平均年增速為1%，于2030年達到峰值，隨后在2031—2040年的平均年增速為-0.5%；設定人口總量在慢、中、快速發(fā)展情況下，京津冀三地均分別在2035，2030，2025年達到最大值。

2）人均GDP 人均GDP一般指人均國內(nèi)生產(chǎn)總值，是人們了解和把握一個地區(qū)宏觀經(jīng)濟運行狀況的有效工具。北京市2021年人均GDP為18.4萬元，相關政策表示，北京“十四五”時期人均GDP將達到21萬元。遠景規(guī)劃指出，到2035年人均GDP將達到32萬元。假設中速發(fā)展下2021—2030年間的人均GDP平均年增速為5%，2031—2040年人均GDP保持3.5%的速率勻速增長；天津市“十四五”規(guī)劃指出，到2025年天津市地區(qū)人均生產(chǎn)總值預期年均增長6%左右。因此，設定2021—2025年人均GDP以每年6%的速率增長，隨后2026—2040年間，人均GDP年增長速率每5年降低1%；河北省目前發(fā)展處于工業(yè)化中后期，未來一兩年很有可能跨入工業(yè)化后期，在“京津冀一體化”等戰(zhàn)略推動下，河北省吸收了多家大中型企業(yè)，經(jīng)濟實現(xiàn)了快速增長，人均GDP也在緩慢增加。同時結合2010—2015年人均GDP年均增長率為7.5%，2016—2021年人均GDP年均增長率為7%。設定中速發(fā)展模式下，河北省人均GDP在2022—2025年間年均增長率為6.5%，2026—2040年間的年均增長率每5年降低0.5%。

3）城鎮(zhèn)化率 城鎮(zhèn)化是一個地區(qū)經(jīng)濟社會發(fā)展和資源配置的直觀顯示。近年來，京津冀不斷完善城鄉(xiāng)融合發(fā)展體制，常住人口穩(wěn)步增加，城鎮(zhèn)化率也穩(wěn)步提高。由于北京2021年城鎮(zhèn)化率為87.50%，較2010年增長了1.81%，因此假設中速發(fā)展模式下，2021—2025年間北京城鎮(zhèn)化率年增速為0.14%，設定北京市城鎮(zhèn)化率每5年年均速率減緩0.02%；天津2021年城鎮(zhèn)化率為84.88%，天津人口發(fā)展“十四五”規(guī)劃中提出，城鎮(zhèn)化率預計于2025年達到86%，因此設定天津市城鎮(zhèn)化率每5年增速降低0.06%；河北2021年城鎮(zhèn)化率為61.14%，根據(jù)《河北省人口發(fā)展規(guī)劃（2018—2035）》的要求，明確提出到2035年，常住人口城鎮(zhèn)化率達到70%左右，因此設定中速發(fā)展下，2021—2025年城鎮(zhèn)化率年均增速為1.3%，2026—2040年間每5年年均增速降低0.1%。

4）產(chǎn)業(yè)結構 產(chǎn)業(yè)結構是指在國家宏觀調(diào)控制度和市場經(jīng)濟行為的雙重作用下，逐漸形成的各個產(chǎn)業(yè)之間的數(shù)量比例關系

[20]。根據(jù)京津冀地區(qū)的政府發(fā)展報告，可以看出在京津冀協(xié)同一體化的整體目標下，北京將降低一般制造業(yè)的發(fā)展，努力發(fā)展節(jié)能環(huán)保產(chǎn)業(yè)并持續(xù)互聯(lián)網(wǎng)行業(yè)的蓬勃發(fā)展，將呈現(xiàn)第三產(chǎn)業(yè)占主導的局面，2020年第二、第三產(chǎn)業(yè)綜合占比99.7%，2021年第二產(chǎn)業(yè)占比18%，未來預計呈逐年下降趨勢，假定北京地區(qū)中速模式下的第二產(chǎn)業(yè)結構占比在2021—2025年的年均降速為2.8%，隨后每5年年均速率減緩0.2%；天津作為“碳達峰”試點城市之一，2021年第二產(chǎn)業(yè)占比為37.3%，假定2021—2025年間，中速模式下的第二產(chǎn)業(yè)結構年均降速為2%，隨后每5年年均速率減緩0.1%；河北省目前第二產(chǎn)業(yè)仍占主導地位，2021年第二產(chǎn)業(yè)占比40.5%，產(chǎn)業(yè)結構從二三一轉變?yōu)槿?，但整體上看第二產(chǎn)業(yè)占比較大，改革任務艱巨，仍需推進產(chǎn)業(yè)結構改革。假定2021—2025年間第二產(chǎn)業(yè)結構占比年均降速為0.6%，隨后每5年年均速率減緩0.05%。

5）能源強度 用單位GDP的能源消耗量來表示能源強度，同時其也是衡量技術水平的指標。這一數(shù)值會隨著技術的改進逐漸下降。京津冀高度重視科技企業(yè)發(fā)展，優(yōu)化科技創(chuàng)新環(huán)境，為技術發(fā)展提供條件。但是隨著技術瓶頸的出現(xiàn)下降速度會逐漸緩慢?！侗本┦小笆奈濉睍r期應對氣候變化和節(jié)能規(guī)劃》中指出，“十四五”時期北京市地區(qū)生產(chǎn)總值能耗下降14%，因此設定2021—2025年能源強度每年降低2.8%，2026—2040年間，每5年年均速率減緩0.2%；《天津市加快建立健全綠色低碳循環(huán)發(fā)展經(jīng)濟體系的實施方案》中指出，到2025年，單位地區(qū)生產(chǎn)總值能源消耗降低14.5%，即年均降速為2.9%，因此設定2026—2040年間，每5年年均變化率減緩0.2%；《河北省“十四五”循環(huán)經(jīng)濟發(fā)展規(guī)劃》提出到2025年，單位GDP能源消耗比2020年降低15%左右，即每年降低3%，另外，由于河北省正處于能源轉型階段，因此設定2026—2040年間，每5年年均變化率減緩0.1%。

6）能源結構 能源結構指能源總生產(chǎn)量或總消費量中各類一次能源、二次能源的構成及其比例關系，本文中代表煤炭消費量占總能源消費量之比。北京市能源結構已基本實現(xiàn)清潔轉型，煤炭消費量由2015年的1 165.2萬t大幅削減到2020年的135萬t，占全市能源消費比重由13.1%降為1.5%?！侗本┦小笆奈濉睍r期應對氣候變化和節(jié)能規(guī)劃》表明，到2025年煤炭消費總量控制在100萬t以內(nèi)，假設中速發(fā)展模式下2021—2025年煤炭消費量占比降速為2.3%，隨后每5年年均速率減緩0.1%。天津煤炭消費占能源消費總量的比重由2015年的40.8%下降到2020年的34.1%，天津能源發(fā)展“十四五”規(guī)劃明確指出，到2025年煤炭占能源消費總量比重降至28%左右，因此設定中速發(fā)展模式下2021—2025年能源結構下降速率為3.8%，隨后每5年年均變化速率減緩0.2%。河北省目前仍以化石能源為主，但隨著大力發(fā)展光伏、風電等新能源產(chǎn)業(yè)政策的推進，未來污染嚴重的能源消費比例會逐漸下降，非化石能源包括可再生能源的利用量會大幅度上升，2012—2021年，煤炭占能源消費總量的比重由88.9%逐步下降至67.0%?！逗颖笔p污降碳協(xié)同增效實施方案》提出，到2025年煤炭消費量較2020年下降10%左右，因此設定2021—2025年煤炭消耗量占比降速為2%，隨后每5年年均速率減緩0.1%。

3.2 情景組合

情景分析是預測多尺度碳排放路徑的重要工具。情景分析法通過判斷各種影響因素做出不同的假設，來規(guī)劃未來可能的二氧化碳排放趨勢。在影響因素較多的情況下，碳排放預測模型與情景分析法相結合可以更準確地把握碳排放發(fā)展趨勢。通過設定京津冀地區(qū)影響二氧化碳排放相關因素變化率，得出了2022—2040年各因素對應的預測值。結合經(jīng)濟、文化、民生等相關行業(yè)政策的發(fā)展規(guī)律，同時參考文獻[9]和文獻[21]，對相關影響因素的變化率進行排列組合，建立6種具有典型代表意義的情景組合，并以此作為案例預測京津冀未來碳排放趨勢，試圖找出實現(xiàn)北京、天津、河北早日“碳達峰”的最優(yōu)路徑。情景組合設置詳見表6。

1）基準情景（S1） 6個影響因素在未來的變化率均設置為中速，該情景是基本情況的體現(xiàn)。該情景是在現(xiàn)有關于經(jīng)濟、民生等政策不變的基礎下，來制定制約碳排放的相關措施，即按照目前的發(fā)展趨勢，不再進行另外調(diào)整。此外，6個影響因素的未來變化率也延續(xù)了之前的變化趨勢。基準情景可作為比較另外5種情景的參考。

2）產(chǎn)業(yè)升級情景（S2） 該情景下設定產(chǎn)業(yè)結構的變化率為高速，其余因素的變化率設定為中速。目前，京津冀地區(qū)逐步實施產(chǎn)業(yè)結構改革，大力發(fā)展以現(xiàn)代服務業(yè)、教育、社會保障為主的第三產(chǎn)業(yè)，同時推動第二產(chǎn)業(yè)各環(huán)節(jié)各部門的用能規(guī)范。在基準情景的前提下，該情景更著眼于產(chǎn)業(yè)結構調(diào)整，政府將花費更多精力去發(fā)展第三產(chǎn)業(yè)，致力于降低第二產(chǎn)業(yè)占比，從而對“高能耗、高排放”的行業(yè)進行有效抑制，淘汰落后產(chǎn)能，推動傳統(tǒng)產(chǎn)業(yè)的升級改造。

3）節(jié)能發(fā)展情景（S3） 在這一情景中，能源強度的變化率設定為高速，其余因素的變化率設定為中速。能源供給側改革，推動了能量梯級利用、電轉氣、有機朗肯循環(huán)等技術的應用，除了利用現(xiàn)有技術提高效率，一些新興技術也將會被引入，技術水平的提高會有助于京津冀地區(qū)碳排放量的控制，使得能源利用率不斷提高。該情景可以得出在基準情景基礎上專注能源規(guī)范使用及能源利用技術升級的碳排放趨勢。

4）清潔發(fā)展情景（S4） 該情景下設置能源結構的變化率為高速，其余因素的變化率為中速。隨著碳稅相關政策的實施，碳交易市場快速發(fā)展，為清潔能源的發(fā)展提供了有力條件。該情景可以看出在現(xiàn)有基礎上因地制宜、因時制宜，推廣清潔能源的使用，進一步降低污染嚴重能源在能源消費中占比的碳排放趨勢。

5）綠色發(fā)展情景（S5） 該情景下設置產(chǎn)業(yè)結構、能源強度和能源結構的變化率為高速，其余因素的變化率設置為中速。綠色發(fā)展情景與基準情景相比，將更多注重于減碳因素的發(fā)展。該情景可以看出京津冀在保證經(jīng)濟平穩(wěn)發(fā)展的基礎上，推動產(chǎn)業(yè)升級、采用合理手段提高人均GDP、實施節(jié)能減排、優(yōu)化能源結構等多種措施，最終實現(xiàn)綠色發(fā)展的碳排放趨勢。

6）經(jīng)濟放緩情景（S6） 該情景中，人均GDP和城鎮(zhèn)化率的變化率設置為低速，其余因素的變化率設置為中速。經(jīng)濟發(fā)展與節(jié)能環(huán)保等理念存在一定的沖突，在必要的時候需要選擇優(yōu)先發(fā)展對象。人均GDP和城鎮(zhèn)化率對碳排放均有正向的推動作用。居民生活水平的提高、人均GDP的增長會促使二氧化碳排放量的增加。城鎮(zhèn)化率的提高首先反映在城市面積的擴大，增加了城市交通距離和能源消耗，同時增加了城市居住空間以及供冷供熱需求，因此能源消耗量也會增加。該情景可以看出京津冀在國家“碳達峰”目標的剛性約束的前提下，放緩經(jīng)濟發(fā)展步伐，相應的能源消耗總量和排放總量降低對碳排放趨勢的影響。

3.3 結果分析

本文利用改進的STIRPAT模型進行碳排放預測，結合設置的6種情景組合，預測出不同情景下京津冀2022—2040年的碳排放趨勢，如圖2—圖4所示，并得到不同情景下北京、天津、河北二氧化碳排放達峰年份及對應數(shù)值，如表7所示。

從上述結果可以看出，北京除綠色發(fā)展情景（S5）是在2030年達峰之外，其余情景均是在2035年達到峰值。北京是中國最早提出“碳達峰”目標的城市之一，目前基本已實現(xiàn)清潔能源作為主要消費能源。由圖2可知，綠色發(fā)展情景下的產(chǎn)業(yè)結構、能源強度、能源結構等因素均為高速發(fā)展，碳排放達峰日期早于基準情景，這是由于產(chǎn)業(yè)結構是影響碳排放的重要因素之一，該情景下，產(chǎn)業(yè)結構的高速發(fā)展優(yōu)化意味著第二產(chǎn)業(yè)占比的高速降低。第二產(chǎn)業(yè)集中了多數(shù)的高能耗部門，產(chǎn)業(yè)結構向服務業(yè)優(yōu)化升級可降低經(jīng)濟發(fā)展對能源資源消耗的依賴程度，有助于促進碳減排的達標。同時能源強度和能源結構均為高速發(fā)展模式，即人均GDP能耗和煤炭消費量占比以較高的速率下降，從而減少二氧化碳排放量，因此該情景下的碳排放峰值是6種情景中最低的。

天津除經(jīng)濟放緩情景（S6）是在2030年達峰之外，其余情景均是在2035年達到峰值。由圖3可知，經(jīng)濟放緩情景（S6）下的人均GDP和城鎮(zhèn)化率為低速發(fā)展，其余各項因素為中速發(fā)展。首先，人均GDP的提高意味著居民消費水平的提高，這可能會導致資源和能源消耗的增加，在生活水平提高的同時也會增加能源消耗的碳排放。對于天津來說，作為北方的經(jīng)濟中心，小范圍降低經(jīng)濟增長速度有助于達到排污減碳的目的。其次，城市已經(jīng)成為經(jīng)濟活動的主要領域和二氧化碳排放的主要來源，城市二氧化碳排放量約占中國二氧化碳排放總量的85%，城鎮(zhèn)化率的提高一方面會導致對土地資源和生態(tài)環(huán)境的過度開發(fā)，進而增加碳排放和能源消耗，另一方面可能會增加人口流動和交通擁堵，進一步增加能源消耗和碳排放。由于天津處于新一線城市，發(fā)展速度介于北京與河北之間，所以控制人均GDP以及城鎮(zhèn)化率的增速有助于“碳達峰”早日實現(xiàn)，同時該情景下的碳排放峰值最低。

河北除基準情景（S1）是在2035年達峰之外，其余情景均是在2030年達到峰值。京津冀地區(qū)碳排放量主要由河北貢獻，河北是京津冀地區(qū)乃至全國的“碳排放大戶”。由圖4可知，6種情景的峰值碳排放量由大到小分別是基準情景（S1）、節(jié)能發(fā)展情景（S3）、清潔發(fā)展情景（S4）、產(chǎn)業(yè)升級情景（S2）、綠色發(fā)展情景（S5）、經(jīng)濟放緩情景（S6）。其中，S2—S5分別加快了產(chǎn)業(yè)結構、能源強度和能源結構的發(fā)展。首先，產(chǎn)業(yè)結構對河北省“碳達峰”的影響較為顯著，由于目前河北省大多為傳統(tǒng)重工業(yè)和高能耗、高污染的行業(yè)，減碳壓力較大，所以優(yōu)化產(chǎn)業(yè)結構向低能耗、低污染的產(chǎn)業(yè)轉型，能夠有效減少能源消耗和碳排放。其次，能源強度和能源結構也是影響河北省“碳達峰”的關鍵因素，通過提高能源的使用效率，減少單位產(chǎn)出的能量消耗，同時提高能源結構，逐步采用清潔、可再生能源代替?zhèn)鹘y(tǒng)能源，也是減緩河北省碳排放的重要舉措。同時考慮產(chǎn)業(yè)結構、能源強度和能源結構，可以促進碳減排的早日實現(xiàn)。另外，由于河北屬于人口大省，較低的人均GDP和城鎮(zhèn)化率意味著較低的物質(zhì)消費水平和相應的能源消耗，可以減少碳排放，同時還有助于減少城市土地的過度開發(fā)和城市交通的擁堵問題，這說明在現(xiàn)有發(fā)展條件下，提高技術水平同時降低城鎮(zhèn)化步調(diào)是最有利于“碳達峰”目標實現(xiàn)的路徑，從而降低能源消耗和碳排放。

由表7可以看出，京津冀三地在基準情景下的碳排放峰值都是最大的，可知其余5種情景對各地碳減排有一定的促進效果，北京作為中國典型的高速發(fā)展城市，相較于天津、河北，北京的碳效率、能源效率始終保持在最優(yōu)水平，有望最早實現(xiàn)“碳達峰”目標。天津處于向后工業(yè)化轉變的階段，碳減排效率處于北京與河北之間，在產(chǎn)業(yè)升級情景（S2）下，無法使得天津碳排放達峰時間提前，但可使碳排放峰值較基準情景（S1）降低了0.03億t。天津與河北的能源結構消耗中煤炭仍占主體，所以在節(jié)能發(fā)展情景（S3）下天津與河北的碳排放峰值較基準情景（S1）降低較為明顯。河北目前仍處于工業(yè)化中期，相較于北京和天津，河北第二產(chǎn)業(yè)仍然占主體地位并且第三產(chǎn)業(yè)水平偏低，這造成了能源消耗量大、碳排放量大的特點。除此之外，河北人口規(guī)模較大，城鎮(zhèn)化率并不理想。因此，除基準情景外，另外5種情景對河北“碳達峰”都有促進作用，且較北京、天津效果顯著。

4 結 語

本文采用STIRPAT模型對京津冀碳排放達峰進行預測，選取嶺回歸方法對STIRPAT拓展模型系數(shù)進行擬合，建立了碳排放達峰預測模型，對京津冀實現(xiàn)“碳達峰”的現(xiàn)狀和技術路徑進行研究。通過綜合考慮人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結構、能源強度和能源結構6種數(shù)據(jù)參數(shù)的變化速度，設置了6種不同的情景，并對6種情景進行了碳排放達峰預測，重點分析了實現(xiàn)“碳達峰”的影響因素，得出以下結論。

1）拓展的STIRPAT碳排放預測模型表明，人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結構、能源強度和能源結構是實現(xiàn)“碳達峰”的主要影響因素。

2）通過嶺回歸方法對北京、天津、河北2004—2021年的數(shù)據(jù)做出分析，擬合出了不受多重共線性影響的具有穩(wěn)定性的STIRPAT回歸方程，包括人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結構、能源強度和能源結構在內(nèi)的6項指標。人口規(guī)模、人均GDP、城鎮(zhèn)化率的增加會導致碳排放量的增加，產(chǎn)業(yè)結構、能源強度、能源結構的優(yōu)化有助于二氧化碳排放量的減少。

3）北京除綠色發(fā)展情景是在2030年達峰，碳排放峰值為1.565×108 t，其余情景均是在2035年達到峰值；天津除經(jīng)濟放緩情景是在2030年達峰，碳排放峰值為1.938×108 t，其余情景均是在2035年達到峰值；河北除基準情景是在2035年達峰，碳排放峰值為5.434×108 t，其余情景均是在2030年達到峰值。

4）基準情景下，碳排放峰值最高，北京、天津、河北碳排放峰值分別為1.645×108，1.972×108，5.434×108 t；北京在綠色發(fā)展情景下的碳排放峰值最低，為1.565×108 t；天津與河北在經(jīng)濟情況放緩情景下，碳排放峰值較低，分別為1.938×108，5.371×108 t。

為京津冀能早日實現(xiàn)“碳達峰”，結合本研究給出幾點建議。

1）北京已具備實現(xiàn)“碳達峰”的經(jīng)濟基礎，在保證經(jīng)濟平穩(wěn)發(fā)展的基礎上，采用合理手段推動產(chǎn)業(yè)升級、實施節(jié)能減排、優(yōu)化能源結構有利于進一步促進碳減排。因此，應重點完善能源結構升級，加強工業(yè)污染治理，推動北京市的碳減排。

2）天津在產(chǎn)業(yè)升級、能源結構平穩(wěn)發(fā)展的基礎上，控制對土地生態(tài)的過渡開發(fā)，放緩經(jīng)濟發(fā)展，有利于進一步促進碳減排，應協(xié)調(diào)經(jīng)濟與能源結構的綜合發(fā)展，以推動天津市的減排降碳工作。

3）河北地理面積廣、人口密度大，在經(jīng)濟快速發(fā)展的同時造成了較為嚴重的環(huán)境污染，碳排放達峰之路任重而道遠，在目前的基礎發(fā)展模式下，碳排放很難在2030年達到峰值。因此，應在加快產(chǎn)業(yè)結構升級、能源清潔化發(fā)展的同時，著重發(fā)展制造業(yè)、服務業(yè)，不斷優(yōu)化創(chuàng)新，多措并舉協(xié)調(diào)發(fā)展。

根據(jù)京津冀地區(qū)實際情況，本研究僅選取了6個影響較大的碳排放因素。在未來研究其他地區(qū)的碳排放問題時，可根據(jù)所研究地區(qū)的實際情況作進一步討論，同時融合當?shù)卣邅碓O定不同情景。

參考文獻/References：

閆新杰，孫慧.基于STIRPAT模型的新疆“碳達峰”預測與實現(xiàn)路徑研究［J］.新疆大學學報（自然科學版）（中英文），2022，39（2）：206 212.

YAN Xinjie，SUN Hui.Research on prediction and realization path of "carbon peak" in Xinjiang based on STIRPAT model［J］.Journal of Xinjiang University （Natural Science Edition in Chinese and English），2022，39（2）：206 212.

［2］ 鄧小樂，孫慧.基于STIRPAT模型的西北五省區(qū)碳排放峰值預測研究［J］.生態(tài)經(jīng)濟，2016，32（9）：36 41.

DENG Xiaole，SUN Hui.Forecast of the northwest five provinces' carbon emissions based on STIRPAT model［J］.Ecological Economy，2016，32（9）：36 41.

［3］ SU Kai，LEE C M.When will China achieve its carbon emission peak？A scenario analysis based on optimal control and the STIRPAT model［J］.Ecological Indicators，2020，112：106138.

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

ZHANG Panlu，DU Qinjun.On influencing factors of carbon emissions in Beijing Tianjin Hebei region：Based on the extended STIRPAT model［J］.Scientific and Technological Management of Land and Resources，2022，39（3）：14 23.

［5］ 張亞博.基于STIRPAT LEAP模型的京津冀區(qū)域碳排放峰值預測［D］.北京：中國石油大學（北京），2021.

ZHANG Yabo.Prediction of Carbon Emission Peak in Beijing Tianjin Hebei Region Based on STIRPAT LEAP Model［D］.Beijing：China University of Petroleum （Beijing），2021.

［6］ 許華，王瑩.EKC視角下陜西經(jīng)濟增長與碳排放量實證研究［J］.調(diào)研世界，2021（1）：54 59.

XU Hua，WANG Ying.An empirical research on economic growth and carbon emissions of Shaanxi Province from the perspective of EKC［J］.The World of Survey and Research，2021（1）：54 59.

［7］ 秦華英，韓夢.基于MIDAS模型中國碳排放量的實時預報與短期預測［J］.環(huán)境科學學報，2018，38（5）：2099 2107.

QIN Huaying，HAN Meng.Real time forecasting and short term prediction of Chinese carbon dioxide emissions based on MIDAS model［J］.Acta Scientiae Circumstantiae，2018，38（5）：2099 2107.

［8］ 黃昱杰，劉貴賢，薄宇，等.京津冀協(xié)同推進碳達峰碳中和路徑研究［J］.中國工程科學，2023，25（2）：160 172.

HUANG Yujie，LIU Guixian，BO Yu，et al.Beijing Tianjin Hebei coordinated development toward the carbon peaking and carbon neutra lity goals［J］.Strategic Study of CAE，2023，25（2）：160 172.

［9］ 韓楠，羅新宇.多情景視角下京津冀碳排放達峰預測與減排潛力［J］.自然資源學報，2022，37（5）：1277 1288.

HAN Nan，LUO Xinyu.Carbon emission peak prediction and reduction potential in Beijing Tianjin Hebei region from the perspective of multiple scenarios［J］.Journal of Natural Resources，2022，37（5）：1277 1288.

［10］LI Dezhi，HUANG Guanying，ZHU Shiyao，et al.How to peak carbon emissions of provincial construction industry？ Scenario analysis of Jiangsu Province［J］.Renewable and Sustainable Energy Reviews，2021，144. DOI：10.1016/j.rser.2021.110953.

［11］楊玉文，吳愛玲，朱洋洋.碳排放驅(qū)動因素分解及動態(tài)模擬：以內(nèi)蒙古自治區(qū)為例［J］.統(tǒng)計與決策，2020，36（12）：76 80.

［12］CUI Xuezhu，ZHAO Kuokuo，ZHOU Zhanhang，et al.Examining the uncertainty of carbon emission changes：A systematic approach based on peak simulation and resilience assessment［J］. Environmental Impact Assessment Review，2021，91. DOI：10.1016/j.eiar.2021.106667.

［13］HUO Tengfei，MA Yuling，CAI Weiguang，et al.Will the urbanization process influence the peak of carbon emissions in the building sector？A dynamic scenario simulation［J］.Energy and Buildings，2021，232. DOI：10.1016/j.enbuild.2020.110590.

［14］MA Minda，MA Xin，CAI Wei，et al.Low carbon roadmap of residential building sector in China：Historical mitigation and prospective peak［J］. Applied Energy，2020，273. DOI：0.1016/j.apenergy.2020.115247.

［15］LU Can，LI Wei，GAO Shubin.Driving determinants and prospective prediction simulations on carbon emissions peak for China's heavy chemical industry［J］.Journal of Cleaner Production，2020，251. DOI：10.1016/j.jclepro.2019.119642.

［16］DING Suiting，ZHANG Ming，SONG Yan.Exploring China's carbon emissions peak for different carbon tax scenarios［J］.Energy Policy，2019，129：1245 1252.

［17］朱勤，彭希哲，陸志明，等．中國能源消費碳排放變化的因素分解及實證分析［J］．資源科學，2009，31（12）：2072 2079．

ZHU Qin， PENG Xizhe， LU Zhiming， et al.Factor decomposition and empirical analysis of carbon emission changes in China's energy consumption［J］. Resource Science，2009，31（12）：2072 2079.

［18］YORK R，ROSA E A，DIETZ T.STIRPAT，IPAT and ImPACT：Analytic tools for unpacking the driving forces of environmental impacts［J］.Ecological Economics，2003，46（3）：351 365.

［19］WANG Can， CHEN Jining， ZOU Ji. Decomposition of energy related CO2 emission in China：1957—2000［J］. Energy， 2005，30（1）：73 83．

［20］泰勒.結構主義宏觀經(jīng)濟學［M］.顏澤龍，譯.北京：經(jīng)濟科學出版社，1990.

［21］劉彥君.京津冀地區(qū)碳排放峰值預測與分析［D］.保定：華北電力大學，2017.

LIU Yanjun.The Forecast and Analysis of Carbon Emissions' Peak Value in the Beijing Tianjin Hebei Region［D］.Baoding：North China Electric Power University，2017.