在2015年巴黎气候变化大会上，中国政府提出“2030年前后碳排放达到峰值并加快实现”等一系列新阶段目标。城市是能源资源消耗和碳排放的集聚区域，推动城市低碳发展成为各国面临的共同挑战。采用STIRPAT模型，探究上海市过去20年发展总体形势，分析碳排放影响因素，判断上海在2025年是否可以达峰。结果表明：无论基准情景还是超低碳情景，上海市在2025年之前达峰的目标均可以实现。在对上海市碳排放各影响因素中，城市化率对其影响最大，其次是人均GDP水平。
张 哲1 任怡萌2 董会娟3*
（1.上海交通大学 中英国际低碳学院；2.中国人民大学 统计学院；3.上海交通大学 环境科学与工程学院）
《巴黎协定》指出，为了避免气候变化对经济、社会、生态产生严重影响，全球平均升温须控制在2 ℃以内。为了实现温控目标，全球温室气体应在2020年或者更早达到峰值，到21世纪下半叶实现净零排放。因此，2015年中国政府确定了2030年左右CO2排放达到峰值，并争取尽早达峰的碳减排自主行动目标。碳排放达峰并不单指在某一年达到最大排放量，而是一个过程，即碳排放首先进入平台期并可能在一定范围内波动，然后进入平稳下降阶段。城市是人类生活主要的空间载体和温室气体主要的排放源，中国70%的碳排放来自城市，到2030年这一比例还将升至80%。尤其随着城市化进程的加快，城市碳排放减排和达峰控制对我国的达峰目标的实现将发挥越来越重要的作用。目前，北京、上海、天津、深圳及广州等低碳试点城市已经公布碳排放达峰时间。上海作为引领我国城市发展的超大型城市典型代表之一，其能源消费和碳排放也遥遥领先，其已提出2025年全市的碳排放总量与人均碳排放达到峰值。为了预测上海能否实现达峰目标，本文采用STIRPAT模型探究上海市未来发展总体形势，分析其现有政策下和更低碳政策下碳排放的达峰情况，并提出其碳减排和达峰路径相关政策建议。此外，判断上海在2025年是否可以达峰，也可为全国其他省市“十四五”期间乃至更长一段时间做好低碳减排工作和推动碳排放达峰提供参考。
在2015年巴黎气候变化大会上，中国政府提出“2030年前后碳排放达到峰值并加快实现”等一系列新阶段目标。城市是能源资源消耗和碳排放的集聚区域，推动城市低碳发展成为各国面临的共同挑战。采用STIRPAT模型，探究上海市过去20年发展总体形势，分析碳排放影响因素，判断上海在2025年是否可以达峰。结果表明：无论基准情景还是超低碳情景，上海市在2025年之前达峰的目标均可以实现。在对上海市碳排放各影响因素中，城市化率对其影响最大，其次是人均GDP水平。
碳排放达峰研究主要集中在2个方面：1)碳排放究竟会不会达峰以及达峰相关理论问题；2)具备什么条件才能出现峰值以及如何预测具体峰值问题。
碳排放峰值理论最早是世界银行《世界发展报告》(1992年)提出，环境污染程度与人均GDP的关系是倒U形，经济刚起步时，环境污染随着人均GDP增长而增加，经济发展到一定水平之后，环境污染开始出现拐点，之后环境污染随着人均GDP继续增加反而逐步下降，这种现象也被称为环境库兹涅茨曲线(EKC)。
随后，开始有学者研究碳排放与经济增长之间的关系，一部分学者支持碳排放量与经济发展存在倒U形关系，即存在碳排放峰值。但是有一部分学者通过研究认为不存在碳排放的峰值。2014年《中美气候变化联合声明》中，我国首次提出要在2030年左右达到碳排放峰值。我国碳排放总量达峰和各省市碳排放达峰方面，国内外已有许多学者开展了相关研究(表1)。总体而言，针对国内省市碳排放达峰的研究方法大多是LEAP模型和STIRPAT模型分析，其参数设置均有不同，预测结果也不尽相同。在模型预测中，参数设置对结果的影响十分重要。在已有研究中，大部分的参数设定是根据历史增长率推算的，其误差较大。因此，本文将采用STIRPAT模型预测上海市碳排放达峰情况，并根据上海市所颁布的相关政策文件设定相应参数，减少误差。
STIRPAT(stochastic impacts by regression on population, affluence, and technology，可拓展的随机性的环境影响评估)模型的基本形式为
其中:P为人口规模；A为人均富裕程度；T为技术水平；a为人口规模系数；b为人均富裕程度系数；c为技术水平系数；e为随机环境误差。因变量I为环境影响程度，如CO2排放量，该模型是STIRPAT方程的随机形式，可对各因素对环境造成的非比例影响进行研究(表2)。除上述自变量外，其他可以对环境造成影响的因素也可引入该模型进行扩展，从而分析其对环境的影响。本文选取人口总量(P)、人均GDP(A)、城市化率(U)、能源强度(T)、能源结构(F)和产业结构(C)6项因素作为自变量对STIRPAT模型进行扩展，得到扩展后的模型见式(1)。
（1）表2 STIRPAT模型变量说明
已有关于碳排放影响因素的研究发现，使用STIRPAT模型时，选取的自变量之间可能存在一定程度的相关性，如果直接建立多元线性回归模型，则可能会产生多重共线性的问题，导致普通最小二乘法无法求解的情况。为解决这一问题，本文使用偏最小二乘法(PLS)进行回归分析。
“十三五”期间，上海市出台许多应对气候变化规划政策文件，不断加强应对气候变化工作，大力进行产业结构和能源消费结构的优化升级。根据上海市发布的政策文件，对上海市2018—2035年人口、人均GDP、城市化率、第三产业占比、能源强度、能源结构进行预测。将设置2个情景，其中，基准情景完全参考上海市相关的气候变化规划政策文件，超低碳情景对参数的设置将比基准情景更低碳，人口控制更严格，城市化进程更缓慢，能源强度、能源结构和产业结构控制更严格。
1)人口。2018—2019年上海市常住人口数据来自《2018年上海市国民经济和社会发展统计公报》《2019年上海市国民经济和社会发展统计公报》，2020—2035年人口增长率来自联合国人口预测。2)经济情况。2018—2019年上海市GDP数据来自《2018年上海市国民经济和社会发展统计公报》《2019年上海市国民经济和社会发展统计公报》；鉴于2020年新型冠状病毒疫情对中国各省市经济活动造成一定程度的影响，根据不同研究机构的预测(表3)，综合我国经济结构实际情况，最终确定中国2020年GDP增速为4.5%，上海市2020年GDP增长率为4.5%。3)城市化率。城镇化是影响碳排放的重要因素之一，上海市城镇化水平一直处于中国各省市前列。2018年已经达到88.1%，位列全国第1。上海市已开始严重控制外来人口数量，未来城镇化水平将增长缓慢。4)能源强度。根据《上海市城市总体规划(2017—2035)》要求，2035年万元地区生产总值(GDP)能耗控制在0.22 t标煤以下。5)能源结构。根据《上海市能源发展“十三五”规划》要求，2020年，煤炭占一次能源消费比重从2015年的36%下降到33%。6)产业占比。产业结构升级是经济增长的原因，也是碳排放增长的原因。目前上海市第三产业占比在70%以上，并且呈逐渐增长趋势，2015—2019年第三产业占比年均增长1.2百分点。
原始指标的Pearson相关系数矩阵如表4所示。可以看出，大部分指标之间存在高度相关性。其中，人均GDP和人口数的相关系数高达0.96，城市化率与能源强度和人口之间的相关系数绝对值也超过0.86。由于各个变量之间的相关性较强，可以使用主成分分析提取主成分。
表4 Pearson相关系数矩阵
对于上海地区，在保持其他变量不变的情况下，城市人口每提高1%，则碳排放平均增长0.02%；人均GDP每提高1%，则碳排放平均增长0.68%；城市化率每提高1%，则碳排放平均增长1.32%；能源强度每提高1%，则碳排放平均下降0.34%；能源结构每提高1%，则碳排放平均增长0.11%；产业结构每提高1%，则碳排放平均增长0.44%。实际排放与拟合结果如图1所示，误差在-4%～3.2%。
图1 上海市碳排放实际排放与回归结果误差分析
根据设置的2种不同情景，2018—2035年上海市碳排放如图2所示。《城市达峰指导手册》中指出：城市碳排放达峰不仅仅指某一年碳排放达到峰值，而是城市的碳排放量出现持续稳定下降。在基准情景下，上海市2018—2024年一直处于平台期，碳排放在小幅度波动变化，维持在19500万t左右，在2024年达到峰值，为19671.96万t。在2025年后，排放量开始有大幅度下降，在2035年降至17546万t。在超低碳情景下，上海市在2022年达到峰值，为19506.48万t。2022年之后，排放量开始下降，在2035年降至16122万t。超低碳情景在2035年比基准情景少排放1424万t。基准情景和超低碳情景下，上海市均会在2025年之前达峰，碳排放峰值不超过2亿t，之后均开始有大幅度下降。
从模型系数的大小上看，城市化率是影响上海市碳排放最重要的因素，城市化率每提高1%，则碳排放平均增长1.32%。在2013年的碳排放上升也证实了这一点。2011—2013年城市化率较高，维持在89%～90%，碳排放量可达到2亿t。从2015年开始，上海城市化率维持在87%～88%，碳排放量则保持在1.8亿～1.95亿t。目前来看，上海市达到城市化演进后期阶段对碳排放的抑制作用尚未体现，也说明国内大都市虽然城市化水平很高，居民收入或产业结构已接近国内中等富裕水平，但是城市化率仍对碳排放正向促进作用。人均GDP是影响上海市碳排放的另一个重要因素，人均GDP每提高1%，则碳排放平均增长0.68%。人均收入水平对应富裕程度，通常富裕程度高的城市在基础设施建设和交通等方面比富裕程度低的城市消耗的资源和能源更高，产生环境效应影响压迫更大，因此碳排放量也更高，但在发达国家城市存在截然不同的情况。2020年由于受新型冠状病毒肺炎疫情的影响，GDP增速会有所降低，人均收入随之降低，导致在情景预测下，2020年碳排放比2019年有轻微下降。之后GDP增长回归正常涨幅，碳排放将在2021年有所回升。
本文以上海市为研究对象，通过STIRPAT模型分析1997—2017年历史排放，研究人口、人均GDP、城市化率、产业结构、能源结构和能源强度对碳排放的影响。设置不同的情景参数，研究上海市未来碳排放达峰情况。结果表明：从历史排放上来看，城市化率对于碳排放的影响最大，其次是人均GDP。无论基准情景和超低碳情景，2025年上海市的碳排放达峰的目标均可实现。基准情景下，上海市碳排放于2024年达到峰值，2024年之后开始下降。超低碳情景下，在2022年达到峰值，2011—2022年一直处于平台期，之后开始稳定下降。
基准情景均是参照上海市目前推行的政策文件内容所设置的，2025年之前碳排放达峰的目标是可以实现的。对于现有的政策文件，如《上海市城市总体规划(2017—2035)》《上海市能源发展“十三五”规划》等。对于人口、能源结构和能源强度等指标，需按照文件要求必须严格执行并落实。在完成度较好的情况下，可以加强该指标设定，力求实现上海市尽早达峰。
从上海市历史排放来看，城镇化进展对上海市的碳排放影响较大。需进一步完善城市低碳化整体规划，不断加大财政投入与政策扶持，探索低碳城镇化的新路径。避免传统“摊大饼”式城市发展思路，建设低碳环保城市，摒弃高碳排的城镇化道路。这样才保证上海市碳排放达到峰值，甚至提早达峰。
来源：张哲,任怡萌,董会娟.城市碳排放达峰和低碳发展研究：以上海市为例[J].环境工程.2020,38(11):12-18
全文下载链接：
https://kns.cnki.net/kcms/detail/detail.aspx?dbcode=CJFD&dbname=CJFDLAST2021&filename=HJGC202011003&v=2bqQIWLHfC6qR6OGSmJodziK1kZ7rsMjSd7X4MmYNugXbc6K29SzEhtL3aiSq7CJ
特此声明：
1. 本网转载并注明自其他来源的作品，目的在于传递更多信息，并不代表本网赞同其观点。
2. 请文章来源方确保投稿文章内容及其附属图片无版权争议问题，如发生涉及内容、版权等问题，文章来源方自负相关法律责任。
3. 如涉及作品内容、版权等问题，请在作品发表之日内起一周内与本网联系，否则视为放弃相关权益。