摘要：遼寧省作為老工業(yè)基地，也是東三省碳排放量最大的省份，其能否完成碳達(dá)峰、碳中和的目標(biāo)關(guān)乎東三省的未來發(fā)展趨勢。為了實(shí)現(xiàn)碳達(dá)峰、碳中和的目標(biāo)，對遼寧省碳達(dá)峰的時間進(jìn)行了預(yù)測。采用遼寧省統(tǒng)計年鑒及中國碳核算數(shù)據(jù)庫（China carbon accounting database，CEADs）數(shù)據(jù)，基于STIRPAT（stochastic impacts by regression on population，affluence，and technology）模型構(gòu)建了遼寧省碳排放預(yù)測模型，研究了不同情景下遼寧省2022—2036年的碳排放峰值及達(dá)峰時間。研究結(jié)論如下：如果政府對碳排放不加以管控，遼寧省在2030年不能實(shí)現(xiàn)碳達(dá)峰，且2030年之后碳排放持續(xù)增長；設(shè)定的81種情景中有33種情景無法實(shí)現(xiàn)碳達(dá)峰，其余情景均在2026—2034年實(shí)現(xiàn)碳達(dá)峰。由此可見，對人口、經(jīng)濟(jì)和環(huán)境的合理干預(yù)有利于遼寧省碳排放量的降低和碳達(dá)峰的實(shí)現(xiàn)。

關(guān)鍵詞：STIRPAT模型; 碳達(dá)峰; 碳排放預(yù)測

中圖分類號：F301.2;X826文獻(xiàn)標(biāo)志碼：A

doi：10.3969/j.issn.1673-5862.2024.05.003

Carbon emission prediction in Liaoning Province based on STIRPAT model

LI Zhidong， DU Xuanfeng

（College of Life Science， Shenyang Normal University， Shenyang 110034， China）

Abstract：As an old industrial base， Liaoning Province is also the province with the largest carbon emission in the three eastern provinces， and whether it can achieve the goals of carbon peak and carbon neutrality is related to the future development trend of the three eastern provinces. In order to achieve the goal of carbon peak and carbon neutrality， the time of carbon peak in Liaoning Province was predicted. Using the data of Liaoning Statistical Yearbook and China Carbon Accounting Database（CEADs）， the carbon emission prediction model of Liaoning Province was constructed by the STIRPAT（stochastic impacts by regression on population， affluence， and technology）model， and the peak of carbon emission and time of peaking in 2022—2036 of Liaoning Province were studied. The conclusions are as follows. If the government does not control carbon emission， Liaoning Province will not be able to achieve carbon peak in 2030， and carbon emission will continue to grow after 2030; Of the 81 scenarios， 33 fail to peak carbon emission， while the rest of the scenarios peak carbon emission from 2026 to 2034. It can be seen that reasonable intervention in population， economy and environment is conducive to the reduction of carbon emission and the realization of carbon peak in Liaoning Province.

Key words：STIRPAT model; carbon peaking; carbon emission prediction

全球氣候變暖是當(dāng)今世界面臨的重大挑戰(zhàn)，給自然和人類生活造成了極大的影響［1］。自改革開放以來，我國發(fā)生了翻天覆地的變化，現(xiàn)今的能源消耗量比2000年足足增長了3倍，碳排放量更是增長了70多億t，由此可見，我國既是能源消費(fèi)大國又是碳排放大國［2-3］。隨著我國提出二氧化碳的排放力爭于2030年前達(dá)到峰值、在2060年前實(shí)現(xiàn)中和的目標(biāo)［4］，《遼寧省國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和二○三五年遠(yuǎn)景目標(biāo)綱要》中提出遼寧省力爭在2028年左右實(shí)現(xiàn)碳達(dá)峰［5］。

要想實(shí)現(xiàn)“雙碳”目標(biāo)，首先要進(jìn)行碳排放的預(yù)測并分析達(dá)峰路徑。從目前的研究來看，國內(nèi)外主要采用IPAT（human impact，population，affluence，technology），STIRPAT（stochastic impacts by regression on population，affluence，and technology）和灰色預(yù)測模型等對碳排放進(jìn)行預(yù)測。其中，曾煒等［6］基于STIRPAT擴(kuò)展模型構(gòu)建了湖北省碳達(dá)峰預(yù)測模型，研究了不同情景下碳排放峰值及達(dá)峰時間。李慧鵬等［7］基于LEAP（long-range energy alternatives planning）模型提出了園區(qū)實(shí)現(xiàn)碳達(dá)峰目標(biāo)的政策建議。李榮賢等［8］基于STIRPAT模型并結(jié)合嶺回歸預(yù)測了湖北省“碳達(dá)峰”時間和碳排放量峰值。Wang等［9］通過實(shí)例驗(yàn)證了非線性灰色模型的預(yù)測能力，并展示了其在預(yù)測碳排放中的應(yīng)用。Ahmed等［10］利用卷積灰色動態(tài)模型研究了中國環(huán)境政策、經(jīng)濟(jì)發(fā)展對碳排放的影響，并通過降低實(shí)際值與預(yù)測值之間的誤差來降低預(yù)測誤差。Ye等［11］利用ARIMA（autoregressive integrated moving average）和SVR（support vector regression）模型進(jìn)行組合預(yù)測，對工業(yè)碳排放進(jìn)行了研究。Shafiei和Salim［12］利用STIRPAT模型研究了經(jīng)合組織成員國的碳排放情況，實(shí)證結(jié)果表明，不可再生能源消費(fèi)增加CO2排放，而可再生能源消費(fèi)減少CO2排放。姚明秀等［13］基于1997—2019年上海市的碳排放數(shù)據(jù)，基于STIRPAT模型運(yùn)用情景分析法對上海市2040年前的碳排放量做出預(yù)測。趙慈等［14］建立了修正的STIRPAT模型并設(shè)定情景分析，得出在基準(zhǔn)情景、低碳情景和強(qiáng)化低碳情景下浙江省均能在2030年前實(shí)現(xiàn)碳達(dá)峰目標(biāo)的結(jié)論。蘆穎等［15］采用IPCC（intergovernmental panel on climate change）法測算了貴州省2000—2015年的碳排放量，結(jié)果表明貴州省在不同情景模式下的達(dá)峰時間在2033—2045。

1數(shù)據(jù)來源與研究方法

1.1數(shù)據(jù)來源

根據(jù)不同指標(biāo)的特性，人口、人均GDP、能源消耗量和城市園林面積數(shù)據(jù)均來源于《遼寧省統(tǒng)計年鑒》；碳排放量數(shù)據(jù)來源于由清華大學(xué)等知名機(jī)構(gòu)創(chuàng)建的中國碳核算數(shù)據(jù)庫；能源強(qiáng)度數(shù)據(jù)由能源消耗總量與遼寧省GDP計算所得。

1.2研究方法

1.2.1STIRPAT模型

Ehrlich和Holdren認(rèn)為人口、經(jīng)濟(jì)、技術(shù)水平三大要素主要影響環(huán)境質(zhì)量，并提出了著名的IPAT模型［16］。STIRPAT模型是由IPAT模型演化而來的一種用于研究環(huán)境變化對生態(tài)系統(tǒng)影響的模型，該模型基于環(huán)境變化和人類活動對生態(tài)系統(tǒng)的影響，通過模擬和預(yù)測生態(tài)系統(tǒng)的變化幫助人們更好地理解和管理生態(tài)系統(tǒng)。STIRPAT模型是一種隨機(jī)模型［17-18］，其最基本的表達(dá)式為

I=aPbAcTde

其中：I表示環(huán)境壓力；P表示人口數(shù)量；A表示富裕程度；T表示技術(shù)水平；e為誤差項(xiàng)；a為模型彈性系數(shù)；b，c，d分別為P，A，T的彈性系數(shù)。本文在此基礎(chǔ)上另外選取了城市園林面積作為本次研究的影響因素。將STIRPAT模型的基本表達(dá)式兩邊分別取對數(shù)轉(zhuǎn)換后得

lnI=lna+blnP+clnA+dlnT+lne

1.2.2嶺回歸

嶺回歸是專用于數(shù)據(jù)之間有多重共線性的分析方法，實(shí)際上就是改良的最小二乘法，其通過放棄最小二乘法的無偏性，以損失部分的信息、降低精確度來獲得更為符合實(shí)際的回歸系數(shù)［19］。

數(shù)據(jù)標(biāo)準(zhǔn)化：對輸入矩陣進(jìn)行標(biāo)準(zhǔn)化處理，即每個特征值都減去各自的均值并除以方差。

選擇λ值：λ是嶺回歸中的正則化參數(shù)，用于控制模型的復(fù)雜度。

構(gòu)建嶺回歸模型：對每個選定的λ值構(gòu)建嶺回歸模型。嶺回歸模型的公式為

J（θ）=12m×∑（yk－θT×Xk）2+λ‖θ‖2

其中：m是樣本數(shù)量；yk是第k個樣本的目標(biāo)值；θT是參數(shù)向量的轉(zhuǎn)置；Xk是第k個樣本的特征向量；λ是正則化參數(shù)；‖θ‖2是參數(shù)向量的L2范數(shù)的平方。

求解回歸系數(shù)：通過最小化J（θ）來求解回歸系數(shù)θ。

繪制嶺跡圖：根據(jù)求解得到的回歸系數(shù)θ繪制嶺跡圖。

選擇最佳λ值：觀察嶺跡圖，選擇平穩(wěn)拐點(diǎn)對應(yīng)的λ值作為最佳的正則化參數(shù)。

2因素選取、STIRPAT模型嶺回歸擬合與情景設(shè)定

2.1因素選取

根據(jù)遼寧省發(fā)展現(xiàn)狀，基于IPAT模型及STIRPAT模型，選取人口、人均GDP、能源強(qiáng)度和城市園林面積作為碳排放的影響因素。影響因素見表1。

2.2STIRPAT模型嶺回歸擬合

本文采用2002—2021年的數(shù)據(jù)進(jìn)行模型構(gòu)建，以lnP，lnPGDP，lnUGA，lnEI作為變量，將lnC作為因變量，分析得到的嶺跡圖如圖1所示。

由嶺跡圖可知，K值在0.02～0.03的區(qū)域各個標(biāo)準(zhǔn)化回歸系數(shù)穩(wěn)定，在K=0.03之前的區(qū)域標(biāo)準(zhǔn)化回歸系數(shù)變化明顯。根據(jù)方差擴(kuò)大因子法確定K值為0.027，模型回歸結(jié)果見表2。從表2可以看出，基于F檢驗(yàn)的顯著性P值為0.000***，水平上呈現(xiàn)顯著性，因而拒絕原假設(shè)，表明自變量與因變量之間存在著回歸關(guān)系。同時，模型的擬合優(yōu)度R2為0.982，說明模型表現(xiàn)較為優(yōu)秀。最終得到STIRPAT模型的嶺回歸方程為

lnC=-69.872+8.373lnP+0.39lnPGDP-0125lnEI+0.233lnUGA

為了驗(yàn)證嶺回歸方程是否具有代表性、是否準(zhǔn)確，將各影響因素帶到方程中得到擬合值與實(shí)際值對比圖（圖2）。由圖2發(fā)現(xiàn)擬合值與實(shí)際值曲線大致相同，2008—2010年遼寧省碳排放增速較快，2012—2016年遼寧省碳排放增速較慢，導(dǎo)致這2個階段擬合值與真實(shí)值存在一定的差異，但曲線整體較平滑，所以擬合結(jié)果較準(zhǔn)確。

2.3情景設(shè)定

假設(shè)STIRPAT擴(kuò)展模型中，每個變量分別有3種情景模式，根據(jù)遼寧省政府文件及發(fā)達(dá)地區(qū)的經(jīng)驗(yàn)，擬定每5年為一個周期，計算碳排放量。

根據(jù)《遼寧省統(tǒng)計年鑒》發(fā)布的數(shù)據(jù)顯示，人口處于負(fù)增長狀態(tài)，經(jīng)計算得到2012—2016年遼寧省人口平均增長率為-0.1%，2017—2021年遼寧省人口平均增長率為-0.3%?；谏鲜龇治觯O(shè)定管控情景下2022—2026年遼寧省人口增長率為-0.15%，2027—2031年遼寧省人口增長率為-02%，2032—2036年遼寧省人口增長率為-0.25%；強(qiáng)管控情景下2022—2026年遼寧省人口增長率為-0.2%，2027—2031年遼寧省人口增長率為-0.3%，2032—2036年遼寧省人口增長率為-0.4%。

遼寧省屬于工業(yè)大省，人均GDP穩(wěn)步增長但是增長速率較慢，2016—2021年人均GDP增長率僅為4.7%。直接設(shè)定未來人均GDP增長率精準(zhǔn)度較低，所以擬定遼寧省2022—2026年GDP增長率為4.3%，2027—2031年GDP增長率為3.8%，2032—2036年GDP增長率為3.5%；2022—2026年GDP增長率為4%，2027—2031年GDP增長率為3%，2032—2036年GDP增長率為2%。進(jìn)而通過計算得到人均GDP。

通過能源消費(fèi)總量與GDP計算可以得出能源強(qiáng)度，所以對能源消費(fèi)總量設(shè)定變化率。在擬定管控情景下2022—2026年能源消費(fèi)總量增長率為2.6%，2027—2031年為16%，2032—2036年為0.6%；擬定強(qiáng)管控情景下2022—2026年能源消費(fèi)總量增長率為2.3%，2027—2031年為1.3%，2032—2036年為0.3%。

隨著時間的推移，城市園林面積的增長率會無限趨近于0。所以擬定管控情景下2022—2026年城市園林面積增長率為5%，2027—2031年為3%，2032—2036年為1%；強(qiáng)管控情景下2022—2026年能源消費(fèi)總量增長率為4.5%，2027—2031年為2.5%，2032—2036年為1%。

3碳排放預(yù)測

按照無管控、管控、強(qiáng)管控的情景模式，基于STIRPAT擴(kuò)展模型預(yù)測遼寧省2022—2036年的碳排放趨勢，通過計算得到不同情景下遼寧省碳排放達(dá)峰量及達(dá)峰時間，結(jié)果見表3。在不同情景下遼寧省碳峰值出現(xiàn)時間及碳峰值量均不同，在人口、經(jīng)濟(jì)、環(huán)境迅速發(fā)展時，碳排放均加速增長。

經(jīng)排列組合可知，有33種情景的碳排放量不能在2036年及以前達(dá)到峰值。當(dāng)人口數(shù)量按照強(qiáng)管控情景下發(fā)展、人均GDP與能源強(qiáng)度按照無管控情景下發(fā)展及城市園林面積按照管控情景下發(fā)展時，遼寧省碳排放量將在2030年達(dá)到峰值，為1148.82百萬t，符合我國提出的2030年的達(dá)峰目標(biāo)；當(dāng)人口數(shù)量及能源強(qiáng)度按照強(qiáng)管控情景下發(fā)展、人均GDP與城市園林面積按照無管控情景下發(fā)展時，遼寧省碳排放量將在2028年達(dá)到峰值，為1139.33百萬t，符合《遼寧省國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)綱要》中提出的2028年左右實(shí)現(xiàn)碳達(dá)峰的目標(biāo)。

4結(jié)論與建議

本文以遼寧省為研究區(qū)域，基于STIRPAT模型構(gòu)建了遼寧省碳排放量擬合模型，結(jié)合情景分析法對遼寧省2022—2036年碳排放峰值進(jìn)行了預(yù)測。通過對3種不同情景進(jìn)行預(yù)測，發(fā)現(xiàn)遼寧省碳排放峰值在1233.63～1325.44萬t，達(dá)峰時間在2026—2034年。結(jié)合3種情景進(jìn)行分析，發(fā)現(xiàn)對人口、經(jīng)濟(jì)、環(huán)境的合理干預(yù)有利于遼寧省碳排放量的降低，對技術(shù)水平、產(chǎn)業(yè)結(jié)構(gòu)和單位GDP下消耗的能源的調(diào)整優(yōu)化有利于碳達(dá)峰時間的提前，并實(shí)現(xiàn)可持續(xù)發(fā)展。

遼寧省若想要在2030年以前實(shí)現(xiàn)碳達(dá)峰，仍需采取以下措施：1）應(yīng)繼續(xù)優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，提高能源利用效率，減少一次能源消耗，對高能耗企業(yè)進(jìn)行節(jié)能改造；2）建立完善的法律法規(guī)，對一次能源利用及碳排放進(jìn)行嚴(yán)格的管控，制定更加嚴(yán)格的碳排放標(biāo)準(zhǔn)；3）完善電力系統(tǒng)，在經(jīng)濟(jì)上對用電進(jìn)行整改；4）風(fēng)能及太陽能是取之不盡用之不竭的，應(yīng)加速發(fā)展海上風(fēng)力發(fā)電、生物質(zhì)發(fā)電等清潔能源項(xiàng)目。

參考文獻(xiàn)：

［1］KRAJCINOVIC D，F(xiàn)ONSEKA G U.The continuous damage theory of brittle materials［J］.J Appl Mech，1981，48（4）：809-824.

苗安康，袁越，吳涵，等.中國省域碳達(dá)峰路徑與政策［J］.環(huán)境科學(xué)，2023，44（8）：4623-4636.

［2］黃震，謝曉敏，張庭婷.“雙碳”背景下我國中長期能源需求預(yù)測與轉(zhuǎn)型路徑研究［J］.中國工程科學(xué)，2022，24（6）：8-18.

［3］劉華軍，石印，郭立祥，等.新時代的中國能源革命：歷程、成就與展望［J］.管理世界，2022，38（7）：6-23.

［4］習(xí)近平.在第七十五屆聯(lián)合國大會一般性辯論上的講話［EB/OL］.（2020-09-22）［2021-12-25］.http：//www.xinhuanet.com/politics/leaders/2020-09/22/c_1126527647.htm.

［5］遼寧省人民政府.遼寧省國民經(jīng)濟(jì)和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)綱要［N］.遼寧日報，2021-04-06（001）.

［6］曾煒，方澤慧，張燕華.湖北省碳達(dá)峰情景預(yù)測：基于STIRPAT擴(kuò)展模型［J］.環(huán)境科學(xué)與技術(shù)，2023，46（S2）：226-232.

［7］李慧鵬，李荔，殷茵，等.基于LEAP模型的工業(yè)園區(qū)碳達(dá)峰路徑：以南京某國家級開發(fā)區(qū)為例［J］.環(huán)境科學(xué)，2023，45（4）：1898-1906.

［8］李榮賢，王小雨.湖北省能源消耗的碳排放現(xiàn)狀及峰值預(yù)測［J］.上海節(jié)能，2023（10）：1473-1482.

［9］WANG Z，YE D.Forecasting Chinese carbon emissions from fossil energy consumption using non-linear grey multivariable models ［J］.J Clean Prod，2017，142：600-612.

［10］AHMED K，AHMED S.A predictive analysis of CO2 emissions，environmental policy stringency，and economic growth in China［J］.Environ Sci Pollut R，2018，25（1）：16091-16100.

［11］YE L，DU P，WANG S.Industrial carbon emission forecasting considering external factors based on linear and machine learning models［J］.J Clean Prod，2024，434（1）：10-25.

［12］SHAFIEI S，SALIM R A.Non-renewable and renewable energy consumption and CO2 emissions in OECD countries：A comparative analysis［J］.Energ Policy，2014，66（3）：547-556.

［13］姚明秀，王淼薇，雷一東.基于STIRPAT模型的上海市碳達(dá)峰預(yù)測研究［J］.復(fù)旦學(xué)報（自然科學(xué)版），2023，62（2）：226-237.

［14］趙慈，宋曉聰，劉曉宇，等.基于STIRPAT模型的浙江省碳排放峰值預(yù)測分析［J］.生態(tài)經(jīng)濟(jì)，2022，38（6）：29-34.

［15］蘆穎，李旭東，楊正業(yè).貴州省能源碳排放現(xiàn)狀及峰值預(yù)測［J］.環(huán)境科學(xué)與技術(shù)，2018，41（11）：173-180.

［16］EHRLICH P R，HOLDREN J P.Impact of population growth［J］.Science，1971，171（3977）：1212-1217.

［17］黃彥璐，林振福，胡旭東，等.基于STIRPAT模型的碳排放量預(yù)測方法及裝置：中國，CN115564152A［P］.2023.01.03［2023-12-02］.https：//cprs.patentstar.com.cn.

［18］王艷.“雙碳”目標(biāo)下中國碳排放規(guī)模情景預(yù)測［D］.濟(jì)南：山東財經(jīng)大學(xué)，2022.

［19］丘康堯，何壽奎.廣東省建筑業(yè)碳排放影響因素與碳達(dá)峰路徑：基于STIRPAT和嶺回歸［J］.河南科學(xué)，2024，42（3）：440-449.

【責(zé)任編輯：王瑞丹】

收稿日期：2024-04-02

基金項(xiàng)目：遼寧省科技廳自然科學(xué)基金資助項(xiàng)目（2020-BS-148）。

作者簡介：

李志東（1978—），男，遼寧沈陽人，沈陽師范大學(xué)副教授，博士；通信作者：杜烜鋒（1999—），男，遼寧錦州人，沈陽師范大學(xué)在讀碩士研究生。