论文部分内容阅读
《巴黎协定》明确本世纪下半叶实现温室气体净零排放目标,作为缔约国之一的中国,需要在保障经济发展的前提下实现这一目标,这是中国对全世界的承诺和责任。以此为背景,本文首先采用STIRPAT模型,实证分析了经济水平、城市化水平、人口规模、产业结构、能源强度、能源消费结构等经济社会因素对中国净碳排放的整体影响。其次,根据基准情景对2014-2090年中国净碳排放进行预测,结果显示,中国可以在保障经济增长的前提下,顺利实现《巴黎协定》要求的温室气体零排放目标。
巴黎协定 STIRPAT模型 偏最小二乘回归 情景分析
化石燃料燃烧排放的温室气体,是引起全球气候变暖的主要原因。为了应对全球气候变化的严峻挑战,大多数发达国家和一些负责任的发展中国家相继承诺降低碳排放强度。例如2014年9月,中国政府在《国家应对气候变化规划(2014-2020年)》中提出,到2020年二氧化碳排放强度比2005年下降40%至45%。然而,自我承诺的碳强度降低目标并不足以应对全球气候变暖问题。为了将大气CO2浓度控制在适当水平,国际上已提出许多减排方案,但是由于不少方案都缺乏公平正义的碳排放权分配准则,难以得到各国政府的一致认可。直到《巴黎协定》的诞生,打破了这一僵局,人类历史上第一次出现了近200多个缔约国一致通过的气候协议。在长期目标方面,《巴黎协定》提出了2摄氏度的控温目标,并写入了1.5摄氏度的努力方向,明确本世纪下半叶实现温室气体净零排放。
中国作为世界上最大的温室气体排放国,正处于工业化和城镇化高速发展阶段,主要特征是经济增长速度快,能源需求增长快且具有刚性,能源结构以煤为主。作为发展中国家,经济发展对现阶段的中国至关重要,中国能否在保障经济发展的前提下,顺利实现温室气体净零排放目标,对于中国乃至世界都具有重要的意义。
关于这一问题,已有研究主要集中在碳减排目标实现的可能性及路径上。林伯强等人使用LMDI方法对我国碳排放的驱动因素进行了分解,并在此基础上预测中国2020年单位GDP 二氧化碳排放量较2005 年可以下降43.5%,认为中国能够在保障经济增长的同时实现自我承诺的碳减排目标。张捷等人运用投入产出模型测算了广东省28个产业的经济关联和碳排放关联,并利用多目标规划模型对广东省2012年的产业结构进行了模拟分析,认为通过在综合权衡碳排放关联和经济关联的基础上采取差异化的产业结构调整政策,广东可以在保持总投入不变的前提下,同时实现降低碳排放和保持经济较高增长的双重目标。上述研究揭示了经济增长、结构调整等经济发展因素对碳排放的影响,并预测了经济发展约束下碳排放的发展趋势,但是从净碳排放的角度来看,却忽视了碳吸收的变化。基于此,本文利用STIRPAT模型特有的灵活性和广泛应用性,研究中国经济发展对净碳排放的影响,并在此基础上对未来净碳排放的发展趋势进行预测,进而判断在保障经济发展的前提下,中国能否顺利实现温室气体净零排放目标,并提供政策建议。
模型和数据
1 模型构建
STIRPAT模型是通过对IPAT等式进行调整而构建的一种模型,用于分析人类因素对于环境的非比例影响。STIRPAT模型不仅可以用于估计人口、经济、技术这些主要因素对环境变化的影响,而且每一项因素都可以根据研究需要进行分解。正是考虑到STIRPAT模型在环境影响因素研究中特有的灵活性及广泛应用性,本文选择将该模型用于综合分析中国经济社会变化对净碳排放的影响。净碳排放是指扣除碳吸收量后剩余的碳排放量。根据已有的碳排放和碳吸收影响因素研究成果,并考虑到本文要进一步研究受经济社会指标约束的碳平衡实现路径,本文最终选择经济水平作为经济因素的变量,人口规模、城市化水平作为人口因素的变量,能源强度、第二产业比重、第三产业比重、能源消费结构作为技术因素的变量。
经过调整后,STIRPAT模型如下:
(2)
其中,I是净碳排放变量,以碳排放量与碳吸收量的差值作为衡量指标;GDPPC是经济水平变量,以1978年不变价的人均生产总值作为衡量指标; EI是能源强度变量,以能源消费总量与不变价的人均生产总值的比值为衡量指标;ECS是能源消费结构变量,以煤炭消费总量与能源消费总量的比值为衡量指标;SI是第二产业比重变量,以第二产业增加值与人均生产总值的比值作为衡量指标;ST是第三产业比重变量,以第三产业增加值与人均生产总值的比值作为衡量指标;POP是人口规模变量,以年末人口数作为衡量指标;CPR是城市化水平变量,以城市常住人口与年末人口数比值作为衡量指标;u是不可观测的误差项。
2 数据获取
考虑到数据的可获得性,本文选取中国1988-2013年的数据进行研究。碳排放量和碳吸收量分别根据一次能源的消费量和绿地植被覆盖面积进行估算。经济水平、人口规模、城市化水平、能源强度、第二产业比重、第三产业比重、能源消费结构、能源消费量数据来自于《中国统计年鉴(2014)》,绿地植被覆盖面积数据来自于《中国环境状况公报》。
实证分析和结果讨论
为了确保结果的精确度,本文最终选用偏最小二乘回归方法(PLSR)建立STIRPAT模型。伍德(S. Wokd)和阿巴诺(C. Albano)于1983年提出了偏最小二乘回归法,它开辟了一条有效的技术途径,在处理样本容量小、解释变量个数多、变量间存在严重多重共线性问题方面具有独特优势,能够在小样本的情况下实现多变量对多变量的回归建模。2005年,王惠文与吴载斌、孟洁一起,对最小二乘法进行了进一步扩展。PLS方法在建模过程中采用了信息综合与筛选技术,它不直接考虑因变量系统Y对自变量系统X的回归建模,而是分别从Y和X中提取主成分u1和t1,使用u1对t1进行回归。当回归方程达到满意的精度,算法停止;否则,Y和X的残差信息将重复被提取,直到结果满足精度要求。最终,Y将被表示成X的回归等式。 本文选择使用R软件实现PLS回归。根据王慧文等提出的交叉有效性检验方法,当上述提取主成分的过程进行到第4次时,回归方程达到满意的精度。表1显示了偏最小二乘回归的结果,从系数的符号可以看出,经济水平、第二产业比重、能源强度、能源结构、城市化水平对净碳排放有正向影响,而第三产业比重则有负向影响。
3 中国净碳排放发展趋势预测
2013年,中国净碳排放量已达到750988.14万吨,约为1988年的5.37倍。由于在2014年以后,碳捕捉和埋存项目对净碳排放的影响开始显现并逐年增大,因此本文将在回归方程预测结果的基础上扣除各年累计的碳捕捉和埋存量,对这中国2014-2090年的净碳排放发展趋势进行预测。
在基准情景中,分别依据《机遇与挑战——中国走向21世纪的经济发展目标和基本发展战略研究》和《2010能源技术展望:面向2050年的情景与战略》对2014-2050年间的经济增长速度和碳捕捉埋存量进行设定,并通过回归分析,向前预测到2090年。依据2008-2013年间的平均增长率,设定单位能耗降低速度为3.1%。根据欧美发达国家经验,城市化水平和二、三产业比重达到一定水平后会长时间保持稳定。因此,设定城市化水平每年增加1个百分点,直到城市化率达到90%。设定第二产业比重每年降低0.7个百分点,第三产业比重每年增加0.86个百分点,直到第二产业比重达到19%,第三产业比重达到80%,与欧美发达国家相近。根据张佩佩等对中国人口增长长期趋势的测定,对人口增速进行设定。根据《BP2035世界能源展望(2015)》,设定煤炭比重降低速度为0.68个百分点。
根据我们的预测,中国净碳排放自2014年后逐年增加,到2044年达到顶峰,约为1342785.93万吨,是2013年的1.79倍。之后,随着CCS项目在中国高速发展,净碳排放快速衰减,到2065年后降为零。根据WRI全球气候项目主任摩根在巴黎气候大会上的解释,把全球平均气温较工业化前水平升高控制在2摄氏度之内的话,需要全球在2080~2090年实现净零排放,而把升温控制在1.5摄氏度之内,则意味着需要在2060~2080年实现净零排放。可见,即使要求更为严苛的1.5摄氏度目标,中国也是可以在保障经济发展前提下顺利实现的。为了检验参数的敏感性,本文将各参数分别上下浮动5%和10%,重新进行预测。结果显示,除了当碳捕捉和埋存量减少5%和10%时,中国实现温室气体净零排放目标的时间会推迟到2066年以外,当其余参数变化时,中国仍然会在2065年顺利实现温室气体净零排放目标。
结论
《巴黎协定》明确要求全球要在本世纪下半叶实现温室气体净零排放目标,作为缔约国之一的中国,需要在保障经济发展的前提下实现这一目标,这是中国对全世界的承诺和责任。以此为背景,本文系统而深入的研究了中国经济社会发展对净碳排放的影响,并在此基础上回答了中国能否顺利实现温室气体净零排放目标这一问题。
本文首先采用STIRPAT模型,实证分析了经济水平、城市化水平、人口规模、产业结构、能源强度、能源消费结构等经济社会因素对中国净碳排放的整体影响。其次,在回归方程的基础上,扣除累计碳捕捉和埋存量,根据基准情景对2014-2090年中国净碳排放进行预测,进而判断中国能否在保障经济发展的前提下,顺利实现温室气体净零排放目标。结果显示,中国净碳排放将在2044年达到峰值,到2065年后保持为零。基准情境下对变量的敏感性分析表明,碳捕捉和埋存量的波动对净碳排放的影响最大,但对结论仍然没有显著的影响。因此,中国可以在保障经济增长的前提下,顺利实现《巴黎协定》要求的温室气体净零排放目标。
[1]丁仲礼,段晓男,葛全胜,张志强.国际温室气体减排方案评估及中国长期排放权讨论[J].中国科学(D辑),2009,39(12):1659-1671.
[2]林伯强,孙传旺. 如何在保障中国经济增长前提下完成碳减排目标[J]. 中国社会科学,2011(1):64-76.
[3]王铮,朱永彬,刘昌新,等. 最优增长路径下的中国碳排放估计[J]. 地理学报,2010,65(12):1559-1568.
[4]Huo J W,Yang D J. Analysis of influencing factors of CO2 emissions in Xinjiang under the context of different polices[J]. Environmental Science &Policy 2015,45:20-29.
[5]方精云,郭兆迪,朴世龙等.1981-2000年中国陆地植被碳汇的估算[J].中国科学(D辑),2007,37(6):804-812.
[6]王惠文,吴载斌,孟洁.偏最小二乘回归的线性和非线性方法[M].北京:国防工业出版社,2006.
[7] Wang Zhaohua,Yin Fangchao. An empirical research on the influencing factors of regional CO2 emissions: Evidence from Beijing city,China[J]. Applied Energy 2012,100:277-284.
巴黎协定 STIRPAT模型 偏最小二乘回归 情景分析
化石燃料燃烧排放的温室气体,是引起全球气候变暖的主要原因。为了应对全球气候变化的严峻挑战,大多数发达国家和一些负责任的发展中国家相继承诺降低碳排放强度。例如2014年9月,中国政府在《国家应对气候变化规划(2014-2020年)》中提出,到2020年二氧化碳排放强度比2005年下降40%至45%。然而,自我承诺的碳强度降低目标并不足以应对全球气候变暖问题。为了将大气CO2浓度控制在适当水平,国际上已提出许多减排方案,但是由于不少方案都缺乏公平正义的碳排放权分配准则,难以得到各国政府的一致认可。直到《巴黎协定》的诞生,打破了这一僵局,人类历史上第一次出现了近200多个缔约国一致通过的气候协议。在长期目标方面,《巴黎协定》提出了2摄氏度的控温目标,并写入了1.5摄氏度的努力方向,明确本世纪下半叶实现温室气体净零排放。
中国作为世界上最大的温室气体排放国,正处于工业化和城镇化高速发展阶段,主要特征是经济增长速度快,能源需求增长快且具有刚性,能源结构以煤为主。作为发展中国家,经济发展对现阶段的中国至关重要,中国能否在保障经济发展的前提下,顺利实现温室气体净零排放目标,对于中国乃至世界都具有重要的意义。
关于这一问题,已有研究主要集中在碳减排目标实现的可能性及路径上。林伯强等人使用LMDI方法对我国碳排放的驱动因素进行了分解,并在此基础上预测中国2020年单位GDP 二氧化碳排放量较2005 年可以下降43.5%,认为中国能够在保障经济增长的同时实现自我承诺的碳减排目标。张捷等人运用投入产出模型测算了广东省28个产业的经济关联和碳排放关联,并利用多目标规划模型对广东省2012年的产业结构进行了模拟分析,认为通过在综合权衡碳排放关联和经济关联的基础上采取差异化的产业结构调整政策,广东可以在保持总投入不变的前提下,同时实现降低碳排放和保持经济较高增长的双重目标。上述研究揭示了经济增长、结构调整等经济发展因素对碳排放的影响,并预测了经济发展约束下碳排放的发展趋势,但是从净碳排放的角度来看,却忽视了碳吸收的变化。基于此,本文利用STIRPAT模型特有的灵活性和广泛应用性,研究中国经济发展对净碳排放的影响,并在此基础上对未来净碳排放的发展趋势进行预测,进而判断在保障经济发展的前提下,中国能否顺利实现温室气体净零排放目标,并提供政策建议。
模型和数据
1 模型构建
STIRPAT模型是通过对IPAT等式进行调整而构建的一种模型,用于分析人类因素对于环境的非比例影响。STIRPAT模型不仅可以用于估计人口、经济、技术这些主要因素对环境变化的影响,而且每一项因素都可以根据研究需要进行分解。正是考虑到STIRPAT模型在环境影响因素研究中特有的灵活性及广泛应用性,本文选择将该模型用于综合分析中国经济社会变化对净碳排放的影响。净碳排放是指扣除碳吸收量后剩余的碳排放量。根据已有的碳排放和碳吸收影响因素研究成果,并考虑到本文要进一步研究受经济社会指标约束的碳平衡实现路径,本文最终选择经济水平作为经济因素的变量,人口规模、城市化水平作为人口因素的变量,能源强度、第二产业比重、第三产业比重、能源消费结构作为技术因素的变量。
经过调整后,STIRPAT模型如下:
(2)
其中,I是净碳排放变量,以碳排放量与碳吸收量的差值作为衡量指标;GDPPC是经济水平变量,以1978年不变价的人均生产总值作为衡量指标; EI是能源强度变量,以能源消费总量与不变价的人均生产总值的比值为衡量指标;ECS是能源消费结构变量,以煤炭消费总量与能源消费总量的比值为衡量指标;SI是第二产业比重变量,以第二产业增加值与人均生产总值的比值作为衡量指标;ST是第三产业比重变量,以第三产业增加值与人均生产总值的比值作为衡量指标;POP是人口规模变量,以年末人口数作为衡量指标;CPR是城市化水平变量,以城市常住人口与年末人口数比值作为衡量指标;u是不可观测的误差项。
2 数据获取
考虑到数据的可获得性,本文选取中国1988-2013年的数据进行研究。碳排放量和碳吸收量分别根据一次能源的消费量和绿地植被覆盖面积进行估算。经济水平、人口规模、城市化水平、能源强度、第二产业比重、第三产业比重、能源消费结构、能源消费量数据来自于《中国统计年鉴(2014)》,绿地植被覆盖面积数据来自于《中国环境状况公报》。
实证分析和结果讨论
为了确保结果的精确度,本文最终选用偏最小二乘回归方法(PLSR)建立STIRPAT模型。伍德(S. Wokd)和阿巴诺(C. Albano)于1983年提出了偏最小二乘回归法,它开辟了一条有效的技术途径,在处理样本容量小、解释变量个数多、变量间存在严重多重共线性问题方面具有独特优势,能够在小样本的情况下实现多变量对多变量的回归建模。2005年,王惠文与吴载斌、孟洁一起,对最小二乘法进行了进一步扩展。PLS方法在建模过程中采用了信息综合与筛选技术,它不直接考虑因变量系统Y对自变量系统X的回归建模,而是分别从Y和X中提取主成分u1和t1,使用u1对t1进行回归。当回归方程达到满意的精度,算法停止;否则,Y和X的残差信息将重复被提取,直到结果满足精度要求。最终,Y将被表示成X的回归等式。 本文选择使用R软件实现PLS回归。根据王慧文等提出的交叉有效性检验方法,当上述提取主成分的过程进行到第4次时,回归方程达到满意的精度。表1显示了偏最小二乘回归的结果,从系数的符号可以看出,经济水平、第二产业比重、能源强度、能源结构、城市化水平对净碳排放有正向影响,而第三产业比重则有负向影响。
3 中国净碳排放发展趋势预测
2013年,中国净碳排放量已达到750988.14万吨,约为1988年的5.37倍。由于在2014年以后,碳捕捉和埋存项目对净碳排放的影响开始显现并逐年增大,因此本文将在回归方程预测结果的基础上扣除各年累计的碳捕捉和埋存量,对这中国2014-2090年的净碳排放发展趋势进行预测。
在基准情景中,分别依据《机遇与挑战——中国走向21世纪的经济发展目标和基本发展战略研究》和《2010能源技术展望:面向2050年的情景与战略》对2014-2050年间的经济增长速度和碳捕捉埋存量进行设定,并通过回归分析,向前预测到2090年。依据2008-2013年间的平均增长率,设定单位能耗降低速度为3.1%。根据欧美发达国家经验,城市化水平和二、三产业比重达到一定水平后会长时间保持稳定。因此,设定城市化水平每年增加1个百分点,直到城市化率达到90%。设定第二产业比重每年降低0.7个百分点,第三产业比重每年增加0.86个百分点,直到第二产业比重达到19%,第三产业比重达到80%,与欧美发达国家相近。根据张佩佩等对中国人口增长长期趋势的测定,对人口增速进行设定。根据《BP2035世界能源展望(2015)》,设定煤炭比重降低速度为0.68个百分点。
根据我们的预测,中国净碳排放自2014年后逐年增加,到2044年达到顶峰,约为1342785.93万吨,是2013年的1.79倍。之后,随着CCS项目在中国高速发展,净碳排放快速衰减,到2065年后降为零。根据WRI全球气候项目主任摩根在巴黎气候大会上的解释,把全球平均气温较工业化前水平升高控制在2摄氏度之内的话,需要全球在2080~2090年实现净零排放,而把升温控制在1.5摄氏度之内,则意味着需要在2060~2080年实现净零排放。可见,即使要求更为严苛的1.5摄氏度目标,中国也是可以在保障经济发展前提下顺利实现的。为了检验参数的敏感性,本文将各参数分别上下浮动5%和10%,重新进行预测。结果显示,除了当碳捕捉和埋存量减少5%和10%时,中国实现温室气体净零排放目标的时间会推迟到2066年以外,当其余参数变化时,中国仍然会在2065年顺利实现温室气体净零排放目标。
结论
《巴黎协定》明确要求全球要在本世纪下半叶实现温室气体净零排放目标,作为缔约国之一的中国,需要在保障经济发展的前提下实现这一目标,这是中国对全世界的承诺和责任。以此为背景,本文系统而深入的研究了中国经济社会发展对净碳排放的影响,并在此基础上回答了中国能否顺利实现温室气体净零排放目标这一问题。
本文首先采用STIRPAT模型,实证分析了经济水平、城市化水平、人口规模、产业结构、能源强度、能源消费结构等经济社会因素对中国净碳排放的整体影响。其次,在回归方程的基础上,扣除累计碳捕捉和埋存量,根据基准情景对2014-2090年中国净碳排放进行预测,进而判断中国能否在保障经济发展的前提下,顺利实现温室气体净零排放目标。结果显示,中国净碳排放将在2044年达到峰值,到2065年后保持为零。基准情境下对变量的敏感性分析表明,碳捕捉和埋存量的波动对净碳排放的影响最大,但对结论仍然没有显著的影响。因此,中国可以在保障经济增长的前提下,顺利实现《巴黎协定》要求的温室气体净零排放目标。
[1]丁仲礼,段晓男,葛全胜,张志强.国际温室气体减排方案评估及中国长期排放权讨论[J].中国科学(D辑),2009,39(12):1659-1671.
[2]林伯强,孙传旺. 如何在保障中国经济增长前提下完成碳减排目标[J]. 中国社会科学,2011(1):64-76.
[3]王铮,朱永彬,刘昌新,等. 最优增长路径下的中国碳排放估计[J]. 地理学报,2010,65(12):1559-1568.
[4]Huo J W,Yang D J. Analysis of influencing factors of CO2 emissions in Xinjiang under the context of different polices[J]. Environmental Science &Policy 2015,45:20-29.
[5]方精云,郭兆迪,朴世龙等.1981-2000年中国陆地植被碳汇的估算[J].中国科学(D辑),2007,37(6):804-812.
[6]王惠文,吴载斌,孟洁.偏最小二乘回归的线性和非线性方法[M].北京:国防工业出版社,2006.
[7] Wang Zhaohua,Yin Fangchao. An empirical research on the influencing factors of regional CO2 emissions: Evidence from Beijing city,China[J]. Applied Energy 2012,100:277-284.