| 3,507 | 157 | 82 |
| 下载次数 | 被引频次 | 阅读次数 |
为应对全球气候变暖问题，我国提出2030年前实现碳达峰的目标。为探究该目标实现的可达性，以浙江省为例，充分考虑人口、人均GDP、碳排放强度、能源消耗强度、能源结构、产业结构等因素对碳排放的影响，建立了修正的STIRPAT模型，经过实证分析发现该模型精确度良好，R2值达到0.982，能够很好地预测未来浙江省的碳排放。设定三种情景对浙江省二氧化碳排放峰值时间进行预测，结果表明：基准情景、低碳情景和强化低碳情景下浙江省均能在2030年前实现碳达峰目标。通过分析模型系数发现人口、能源结构、人均GDP是影响浙江省碳减排的主要因素。
Abstract：In response to the issue of global warming,China has proposed an ambitious goal of achieving a carbon peak by 2030.In order to explore the accessibility of this goal,taking Zhejiang Province as an example,this research fully considers the impact of population,per capita GDP,carbon emission intensity,energy intensity,energy structure and industrial structure factors on carbon emissions,and establishes an extended STIRPAT model.The empirical analysis found that the accuracy of the model is good,and the R2 value reaches 0.982,which can predict the future carbon emissions of Zhejiang Province well.Three scenarios were set up to predict the peak time of carbon dioxide emissions in Zhejiang Province.The study found that Zhejiang Province could achieve the carbon peak target by 2030 under the baseline scenario,low-carbon scenario and enhanced low-carbon scenario.The analysis of model coefficients found that population,energy structure,and GDP per capita are important factors affecting carbon emission reduction in Zhejiang Province.
[1]浙江省统计局.2020年浙江统计年鉴[EB/OL].(2020-10-28).https://zjjcmspublic.oss-cn-hangzhou-zwynet-d01-a.internet.cloud.zj.gov.cn/jcms_files/jcms1/web3077/site/flash/tjj/Reports1/2020-%E7%BB%9F%E8%AE%A1%E5%B9%B4%E9%89%B4/indexcn.html.
[2]Zhu Q Y,Li X C,Li F,et al.Analyzing the sustainability of China’s industrial sectors:A data-driven approach with total energy consumption constraint[J].Ecological Indicators,2021,122(4):107235.
[3]刘彦君.京津冀地区碳排放峰值预测与分析[D].保定：华北电力大学，2017.
[4]Wu L P,Chen Y,Feylizadeh M R,et al.Estimation of China’s macro-carbon rebound effect:Method of integrating data envelopment analysis production model and sequential Malmquist-Luenberger index[J].Journal of Cleaner Production,2018,198:1431-1442.
[5]中国科学院兰州文献情报中心.科学研究动态监测快报——气候变化科学专辑[EB/OL].[2019-02-15].http://www.rcees.ac.cn/xwzx/kydt/201910/P020191009381921492528.pdf.
[6]Wang S J,Liu X P.China’s city-level energy-related CO2 emissions:Spatiotemporal patterns and driving forces[J].Applied Energy,2017,200(15):204-214.
[7]解振华.坚持积极应对气候变化战略定力继续做全球生态文明建设的重要参与者、贡献者和引领者[N].中国环境报，2020-12-14(02).
[8]International Energy Agency.World energy outlook 2018[EB/OL].(2018-11-13).https://www.iea.org/reports/world-energy-outlook-2018.
[9]Wang K J.China’s CO2 peak before 2030 implied from characteristics and growth of cities[J].Nature Sustainability,2019,2:748-754.
[10]Ma X J,Wang C X,Dong B Y,et al.Carbon emissions from energy consumption in China:Its measurement and driving factors[J].Science of The Total Environment,2018,648:1411-1420.
[11]Su K,Lee C M.When will China achieve its carbon emission peak?A scenario analysis based on optimal control and the STIRPAT model[EB/OL].(2020-10-12).https://www.sciencedirect.com/science/article/abs/pii/S1470160X20300753?via%3Dihub.
[12]褚力其，姜志德，任天驰.中国农业碳排放经验分解与峰值预测——基于动态政策情景视角[J].中国农业大学学报，2020(10)：187-201.
[13]邓小乐，孙慧.基于STIRPAT模型的西北五省区碳排放峰值预测研究[J].生态经济，2016(9)：36-41.
[14]刘彦迪.2030年中国碳排放达峰区域性预测与影响因素分析[D].济南：山东大学，2020.
[15]曹丽斌，李明煜，张立，等.长三角城市群CO2排放达峰影响研究[J].环境工程，2020(11)：33-38.
[16]臧宏宽，杨威杉，张静，等.京津冀城市群二氧化碳排放达峰研究[J].环境工程，2020(11)：19-24.
[17]World Resources Institute.Mitigation goal standard[EB/OL].(2014-11-19).https://www.wri.org/research/mitigation-goal-standard,2014.
[18]赵荣钦，刘薇，刘英，等.基于碳收支核算的河南省碳排放峰值预测[J].水土保持通报，2016(4)：78-83.
[19]马彩云，徐林，赖芨宇，等.基于灰色预测模型的安徽省建筑业碳排放量预测[J].南通大学学报(自然科学版)，2019(1)：89-94.
[20]王磊.基于投入产出模型的天津市碳排放预测研究[J].生态经济，2014(1)：52-56.
[21]渠慎宁，郭朝先.基于STIRPAT模型的中国碳排放峰值预测研究[J].中国人口?资源与环境，2010(12)：10-15.
[22]胡哲太，苏飞.基于STIRPAT模型的杭州市能源消费碳排放预测[J].北方经贸，2013(12)：80-84.
[23]Ehrlich P R,Holdren J P.Impact of population growth[J].Science New Series,1971,171 (3977):1212-1217.
[24]York R,Rosa E A,Dietz T.Bridging environmental science with environmental policy:Plasticity of population,affluence,and technology[J].Social Science Quarterly,2002,83(1):18-34.
[25]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.
[26]Dietz T,Rosa E A.Rethinking the environmental impacts of population,affluence,and technology[J].Human Ecology Review,1994,1 (2):277-300.
[27]国家统计局.2006年中国能源统计年鉴[M].北京：中国统计出版社，2007.
[28]马宇恒.东北地区2030年碳排放达峰路径研究[D].长春：吉林大学，2018.
[29]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(11)：12-18.
[30]陈希镇.现代统计分析方法的理论和应用[M].北京：国防工业出版社，2016.
[31]孙文静.陕西省人口因素对碳排放影响研究及全面放开二孩情景预测[D].西安：西北大学，2018.
[32]宋晓晖，张裕芬，汪艺梅，等.基于IPAT扩展模型分析人口因素对碳排放的影响[J].环境科学研究，2012(1)：109-115.
基本信息:
中图分类号:X321
引用信息:
[1]赵慈,宋晓聪,刘晓宇,等.基于STIRPAT模型的浙江省碳排放峰值预测分析[J].生态经济,2022,38(06):29-34.
基金信息:
宁波市重大科技攻关项目“典型工业炉窑协同处置二次灰渣技术研究与示范”(20212ZDYF020047); 中国环境科学研究院中央财政科技计划结余经费专项项目“钢铁行业全生命周期碳排放及减排潜力评估研究”(2021-JY-07)
2022-06-01
2022-06-01