0 前言

随着经济社会的不断发展，二氧化碳(CO₂)排放量持续增长，温室效应的影响不断恶化。世界气象组织的数据显示，截至2020年底，全球平均气温比工业化前升高了1.2 ℃，已接近1.5 ℃升温上限，形势十分严峻。2016年，我国CO₂排放量约为98.93亿t，同年美国、日本和韩国的CO₂排放量分别为50.06, 11.36, 6.20亿t，约为我国CO₂排放量的50.6%, 11.48%, 6.27%，我国的碳排放量已经占据约全球碳排放量的四分之一^[1-2]。2020年，我国CO₂排放量约为104亿t，发展态势不容乐观。习近平在第75届联合国大会一般性辩论中宣布，中国CO₂排放量力争在2030年前达到峰值，在2060年前实现碳中和，以此来面对全球能源发展和环境保护的要求^[3]。

为了实现“双碳”的目标，需要对碳排放问题进行系统研究。杜强等^[4]在“碳排放量与能源消费成正比”假设的基础上，研究了中国2002—2010年碳排放量的影响因素，引入表征科技进步的变量，对环境影响评估模型(IPAT)进行了改进，得出了我国碳达峰的时间预计在2030年；张峰等^[5]基于山东省2002—2012年历史数据，构建了灰色模型GM(1, 1)模型、Verhulst模型和SCGM(1, 1)c模型的组合灰色预测模型，不仅能够发挥单一预测模型的优点，还能提高碳排放预测的精度，对于山东省建筑业和交通运输业的碳排放量进行了预测分析，并给出了相应建议；吐尔逊·买买提等^[6]基于1995—2014年农业生产碳排放源，建立碳排放关系数据库，利用广义神经网络构建了新疆碳排放的预测模型，分别探讨了新疆人口、人均国内生产总值(GDP)、农业贡献值、农机总动力和农户固定资产投资等对于农业生产碳排放的影响程度，为新疆碳排放总量分析和影响因素量化提供了参考；马海良等^[7]基于2005年中国的地区数据，设置了9种分配情景，对我国2020年碳份额分配展开了预测研究，提出了要加快技术进步速度、通过供给侧改革大力淘汰落后产能等相关结论。

目前，研究碳排放量影响因素的分析方法，主要包括IPAT模型、灰色模型GM(1, 1)、神经网络分析法、情景分析法、可拓展的随机性的环境影响评估模型(STIRPAT)等。其中，STIRPAT模型是基于IPAT模型的改进模型，是研究地区碳排放量影响因素以及模型拟合的主流方法之一^[8]。同时情景分析法能够合理地预测该地区的各个因素的发展状况，对于预测未来碳排放具有一定的参考意义，对于早日实现碳达峰、碳中和的目标具有一定的指导意义。吴彤等^[9]通过对临沂市2009—2019年碳排放数据建立了STIRPAT模型，定量分析了临沂市工业碳排放量与企业固定资产、人均工业生产增加值、能源强度和能源结构的关系，预测了6种情景下临沂市2020—2030年的工业碳排放量，给出了相应的政策指导建议；龚利等^[10]主要分析了长三角地区1997—2016年能源消费量、CO₂排放量和排放强度的变化趋势，建立了STIRPAT模型，定量分析了包括人口、人均地区生产总值(简称“人均GDP”)、外商直接投资、技术进步等因素与碳排放量之间的关系；刘健强等^[11]基于STIRPAT模型，将产业结构升级、人口老龄化、碳排放量三者纳入同一系统进行分析，得出了推动人口老龄化、产业结构升级能有助于释放人口老龄化的“碳减排效应”等结论。

江苏省的经济发展水平一直位居全国前列，2020年江苏省GDP总量约占全国的10.08%，工业产值也处于全国前列，但是江苏省的碳排放总量以及能源消费量也处于前列，属于高碳排放区域^[12]。连云港市作为江苏北部的地级市，经济水平在江苏处于后生地位，具有一定的经济发展潜力。

现以连云港市的碳排放数据为核心，通过分析连云港市碳排放量来源，进行碳排放量的“反向”测算；采用岭回归分析法定量分析碳排放量与连云港市人口、人均地区生产总值、城市化率、能源结构等要素之间的关系，建立STIRPAT模型；通过情景分析法预测连云港市的碳排放量和碳达峰趋势，并给出相关政策建议。具体技术路线见图 1。

1 碳排放“反向”测算方法 1.1 碳排放量的来源

碳排放主要来源于生产生活中化石能源的消耗，所以根据相关能源消耗数据来计算碳排放量，是分析碳排放量数据最直接的方式，也是“反向”研究分析碳排放的重要手段。

以连云港市碳排放量的具体数据作为研究对象，实现对于连云港市碳排放量的特征分析及预测，是实现双碳目标的有力手段。与省内其他城市相比，连云港市处于后工业化时期城市，化石能源的大量消耗，是连云港市碳排放量增加的主要原因。化石能源包括原煤、焦炭、洗煤、天然气、原油、柴油等，是连云港市碳排放的主要来源。通过获取连云港市相关化石能源消耗数据，能够从“反向”测算得到连云港市的碳排放量。

1.2 碳排放量“反向”核算方法

为了计算连云港市的碳排放量，采用联合国政府间气候变化专门委员会(IPCC)推荐的排放因子计算方法，计算公式见式(1)：

$ I=\sum\limits_{i=0}^n Q_i \times \sigma_i \times \rho_i=\sum\limits_{i=0}^n Q_i \times \sigma_i \times \delta_i \times \frac{44}{12} $

(1)

式中：I——CO₂排放量，t；Q_i——第i种能源的实际消费量，t; σ_i——第i种能源对应的折标准煤系数；ρ_i——第i种能源的CO₂排放系数; n——使用能源的种类数量；δ_i——第i种能源的碳排放系数。

根据连云港市2011—2020年统计年鉴数据，连云港市的工业企业主要能源消费主要来自于原煤、其他洗煤、焦炭、原油、柴油、天然气、燃料油等，参考《IPCC国家温室气体清单指南(2006)》^[13]，可得连云港市主要能源的折标准煤系数与CO₂排放系数，具体见表 1，将表 1数据代入公式(1)，得到连云港市2011—2020年的碳排放量。

2 碳排放“正向”预测模型 2.1 模型的构建

从人类社会发展角度来说，城市的碳排放量与社会经济发展等息息相关，例如城市的常住人口、城市化水平等指标的变化，均能够间接影响该城市的碳排放水平。经济学家Ehrlich等^[14]提出的IPAT模型，最早揭露了环境状况与社会因素之间的关系。因此，研究人类社会发展指标对碳排放量的影响是必不可少的。

现以连云港市的碳排放量(I)为因变量，选取人口因素(P)、人均地区生产总值(A)、城市化率(U)、产业结构(IS)、能源结构(ES)等因素作为自变量，构建了碳排放“正向”预测模型，如式(2)所示：

$ I=a \times P^b \times A^c \times U^d \times \mathrm{ES}^e \times \operatorname{IS}^f \times g $

(2)

式中：a、b、c、d、e、f、g——各个自变量的影响系数，即当P、A、U、ES、IS每变化1%时，将分别引起I的b%，c%，d%，e%、f%的变化。影响系数的“正负”表示自变量对因变量的正向或负向的影响关系，其大小表示影响程度的大小。碳排放“正向”预测模型各变量说明见表 2。

为了便于研究各自变量对连云港市碳排放的影响程度，将式(2)两边取对数，以便于分析各个自变量对于因变量的影响程度，减少异方差，直接得到各个自变量的弹性系数，直观反映其对连云港市碳排放量的影响程度，计算公式见式(3)：

$ \begin{aligned} & \ln I=\ln a+b \ln P+c \ln A+d \ln U+e \ln E S+f \ln I S \\ &+\ln g \end{aligned} $

(3)

式中：lnI——因变量；lnP、lnA、lnU、lnES和lnIS——自变量；lna——模型常数；lng——误差项。

2.2 模型的验证

根据《连云港统计年鉴》^[15]，可得连云港市2011—2020年的各年份人口、人均GDP、城市化率、第二产业占比、第三产业占比、工业净购入电力量等数据。考虑到历年年鉴数据会随最新的统计内容、方法、口径发生改变，为了统计数据的准确性和统一性，以最新的2021年度年鉴数据为准。其中工业净购入电力量选取工业企业净消耗电力，单位为MkW·h。

首先对统计的数据进行对数化处理，然后分别以lnI为因变量，lnP、lnA、lnU、lnES、lnIS为自变量，通过SPSS软件采用普通最小二乘法进行多元共线性回归分析，进行模型的拟合，得到相关分析数据。分析结果可知，决定系数(R²)0.994，表明各自变量可以解释碳排放量99.4%的变化原因，检验值F为70.138，显著性水平系数为0.001，表明各自变量至少有1项可以对碳排放量产生影响，该方程回归效果显著。但是多个变量的方差膨胀系数(VIF)>10，多个自变量之间存在多重共线性问题，普通的最小二乘法进行回归分析不再能够实现对于模型的准确拟合。

为了消除自变量与应变量之间的多重共线性对于拟合结果的干扰，岭回归分析法作为一种改进的最小二乘法，能够在标准化矩阵的元素主对角线上加入一个非负因子k，一定程度上提高了估计的稳定性和可靠性。在SPSS软件中进行岭回归分析，当岭回归系数k=0.2时，自变量的回归系数趋于稳定，相关系数列表见表 3。其中，B表示岭回归分析的回归系数，SE(B)为对应自变量的标准误差；Beta为标准化回归系数；T为对于回归系数B的t校验参数，Sig为代表t检验的显著性，同样用于衡量其岭回归分析的有效性(通常以5%作为衡量标准)，T与Sig之间呈负相关性。

通过数据分析可知，各个参数均通过了5%显著性水平检验，其中lnA、lnU、lnP还通过了1%的显著性水平检验，无论是拟合优度R²还是调整后拟合优度R²都大于0.97，整体拟合度较好。

因此，式(4)可以很好地解释连云港市碳排放量与其影响因素之间的关系，计算公式如下：

$\ln I=-14.735+2.6830 \ln P+0.1562 \ln A+\\ 0.7070 \ln U+0.2043 \text{lnES}-0.3534 \ln \mathrm{IS} $

(4)

通过将2011—2020年的数据代入式(4)可以得到相关拟合值，与实际值之间进行对比分析，进行数据验证分析。连云港市2011—2020年碳排放量实际值与预测值比较结果见表 4。

根据实际的碳排放量与模型拟合的碳排放量对比，拟合变化曲线见图 2。由图 2可见，连云港市的碳排放量在2011—2020年呈现逐年增长的趋势，由表 5可见，岭回归拟合的模型计算值与实际值之间的误差最大值为2016年的4.32%，最小值为2014年的0.00%，平均误差为1.96%，数据拟合度较好，具有一定的参考度。

从公式(4)拟合的弹性系数来看，其中连云港市人口(P)、人均GPD(A)、城市化率(U)、能源结构(ES)对连云港市的碳排放量起到促进作用，其中人口每增加1%，相应的碳排放量增加2.683 0%，对连云港市的碳排放量的影响程度最大；人均GDP(A)、城市化率(U)增加1%，连云港市的碳排放量分别增加0.156 2%，0.707 0%，可见城市的经济快速发展，一定程度上增加了连云港市的碳排放；而第二产业占比与第三产业占比之间的比值增加1%，碳排放量减少了0.353 4%。此外，随着连云港市的经济不断发展，能源结构、产业结构的不断深层调整，相关政策的不断完善与落实，使得能源结构、产业结构因素逐渐成为连云港市碳排放量的重要影响指标。随之，人口因素、城市化率、人均地区生产总值成为相对影响度较低的指标。因此，协调好经济发展与人口政策、能源结构、产业结构变革的相互关系，能够进一步促进连云港市碳排放量的减少，促进经济水平又好又快地发展，尽早实现碳达峰和碳中和的目标。

3 碳达峰情景分析与预测 3.1 情景因素预设

为了更好地预测连云港市的碳达峰情况，采用情景分析法，结合连云港市的地区发展变化以及相关政策规划，逐一对岭回归模型之中的自变量进行分析预测，确保预测数据符合连云港市的发展趋势。

将预测周期设置为6个阶段，每个阶段为5年，同时将人口因素、人均GDP、城市化率等分别设置为低增长、中增长、高增长模式，能源结构作为减排类型的变量设置为低减排模式和高减排模式，连云港市的产业结构从历年数据来看，一直处于稳步调整阶段，变化平稳，不做模式设置，其具体预测分析如下。

3.1.1 人口因素

由2011—2020年关于连云港市常住人口的历史数据可知，连云港市的常住人口增长率为4.5‰左右，“十三五”期间前4年年均增长3.9‰。考虑到20世纪以来连云港市常住人口的不稳定性，结合有关研究预测^[16]，我国总人口在2030年左右达到峰值的概况，因此设置3种模式的人口变化模式，连云港市未来年份人口增长率预测结果见表 5。

3.1.2 人均地区生产总值

根据《连云港市国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》可知，首先，“十三五”期间全市GDP年均增长7.0%，其中“十三五”前4年年均增长8.0%，在2020年基础上按此测算，2025年GDP有望达到5 000亿元规模。其次，从周边态势来看，去年编制规划时，全省“十四五”GDP增速预计按5.5%左右安排，苏北城市多按6%~7%左右考虑，全省增速5.5%左右、宿迁6.5%左右、盐城6%以上，符合之前的预测。着眼于“高于‘十三五’、高于全省平均水平、高于周边区域、高于首批沿海开放城市平均速度”，实现“高质发展、后发先至”的要求，预计连云港市在2021—2025年的GDP的年均增长速率预计在8.82%左右，可以实现设定发展预期目标。因此，以8.82%的GDP年均增长率作为连云港市的人均GDP增长的中增长模式，分别以减少2%以及增加2%作为连云港市的人均GDP增长的低增长和高增长模式。同时，考虑到经济发展会逐渐步入慢速增长期的发展规律，设置2021—2050年连云港市的GDP增长率预测值，预测结果见表 6。

3.1.3 城市化率

根据《江苏省国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》要求，江苏省“十四五”经济社会发展主要指标要求，2025年人口城镇化率目标为75%，落实到各市的指标或有不同。根据2021年《连云港统计年鉴》，2020年连云港市的城市化率为61.5%，“十三五”期间年均名义增长1.61%。要求2025年连云港市人口城镇化率达到70%，则连云港市城市化率在“十四五”期间的年均增长率要达到2.62%。因此，以2.62%城市化率年均增长率作为连云港市未来年份城市化率增长的中增长模式，分别以减少0.1%以及增加0.1%作为连云港市城市化率增长的低增长和高增长模式。同时，考虑到城市化率的增长逐渐减慢，设置2021—2050年连云港市城市化率增长率的预测值，预测结果见表 7。

3.1.4 能源结构

促进相关工业企业净购入电力量的减少是进一步推广电能替代的重要举措，也是加快实现碳达峰、碳中和宏伟目标的关键途径。因此，选用相关工业企业的净购入电量作为衡量连云港市能源结构的关键指标。根据2011—2020年的数据显示，连云港市相关工业企业的净购入电力增长率最小为-11.67%，净购入电力增长率最大为29.36%。权衡考虑连云港市当前清洁能源占比较大且发展迅速的现状以及相关工业企业大力推动技术革新的发展趋势，设置的净购入电力增长率预测值逐年递减，预测结果见表 8。

3.1.5 产业结构

考虑到连云港市处于东部地区，近几年第二产业占比呈现递减趋势，第三产业呈现递增趋势，第二产业已逐渐向第三产业转移，产业结构趋于平稳，设置第二产业、第三产业的变化趋势，连云港市未来年份地区产业结构增长率预测值见表 9。

3.2 情景分析与预测

基于以上的数据分析与预测，分别设置6种相应的连云港市碳排放的发展情景，具体见表 10。

利用连云港市碳排放STIRPAT模型可以计算出连云港市2021—2050年的碳排放预测值，从预测结果来看，连云港市的碳排放峰值预计最早在2025年达到，且在不同发展模式下呈现出不同的达峰路径和显著性差异，连云港市2021—2050年不同模式下碳排放预测曲线见图 3。

由图 3可见：

(1) 比较模式1，2，3，当减排变量-能源结构处于低减排模式时，高增长-低减排模式(模式3)下碳排放量的增速最快；比较模式4，5，6，当减排变量-能源结构处于高减排模式时，高增长-高减排模式(模式6)下碳排放量的增速最快；因此，当控制减排变量所处水平不变时，经济发展水平越快，碳排放量增加越快。6种模式的达峰时间分别为2025，2030，2035，2025，2030，2035年，达峰碳排放量分别为4 519.3，5 011.4，5 657.0，4 418.9，4 788.9，5 282.5万t。

(2) 对比模式1与模式4、模式2与模式5、模式3与模式6可知，社会经济发发展速度一定时，减排强度越强，碳排放增速越慢；模式1与模式4均能在2025年达峰，其峰值分别为4 519.3，4 418.9万t。

(3) 根据现有模型的预测，模式4到达2050年时的碳排放量为2 874.1万t，距离2060年实现碳中和的双碳目标仍然具有一定差距，这与现阶段连云港市积极应对双碳目标的政策导向，以及现有发展状况下数据模型的拟合等有关，也需要进一步进行连云港市的城市发展规划和相关数据精确拟合，也是未来对于各个城市、地区进行碳排放预测的研究导向。

(4) 对于连云港市，近几年第二产业已逐渐向第三产业转移，产业结构趋于平稳，但是能源结构仍然需要不断调整，若要早日实现碳达峰目标，需不断加强调整产业结构力度，加强高减排模式的推进，促进经济又好又快地发展。

(5) 连云港市在江苏省内仍属于经济水平较为落后的城市，缓慢发展经济水平是不现实的，因此，根据以上的分析，连云港市处于中增长-高减排模式(模式5)为最佳发展模式。

4 结论及建议

(1) 2011—2020年，连云港的碳排放量呈现持续上升的趋势，经济发展仍然是连云港市的主要方向之一；但就全国而言，连云港市处于典型沿海型城市，愈发重视能源减排、产业结构调整，未来将不断为实现碳达峰、碳中和的目标而前进。

(2) 连云港市的碳排放量受到人口因素、人均地区生产总值、城市化率、能源结构、产业结构的影响，根据拟合的“双向”模型的弹性系数可知，连云港市产业结构的调整并未直接促进碳排放量的进一步减少，因此连云港市能源结构调整的潜力巨大，政府仍需加强对于产业结构的宏观调控，加大对于产业调整的研究投入；工业排放是社会碳排放量的主要来源之一，未来工业企业减少净购入电力也是减排的重要措施之一，因此，连云港市需要不断加强能源利用效率，加大燃料能源再利用技术和研究的投入力度，完善低碳能源利用体系；由于人口因素影响最大，而连云港市属于人口流失型城市，因此在符合国家人口政策要求的同时，需要建立合理的人口政策，控制人口流动的方向。

(3) 连云港市的发展需要协调好经济发展和节能减排的关系。根据模型预设拟合的结构显示，高增长-低减排模式不能够适应连云港市未来的发展趋势。为了促进连云港市的碳排放量的控制，必须做到经济水平平稳发展，保持高减排的生产模式，在低增长-高减排模式(模式4)下，连云港市的达峰时间最早，碳排放量的控制量以及达峰时间最佳，但是经济发展缓慢不适合苏北地区的发展态势，中增长-高减排模式(模式5)更能在经济稳步发展的同时，合理控制碳排放量，实现又好又快的发展战略，是连云港市最佳的发展模式。