基于STIRPAT模型的京津冀“碳達(dá)峰”預(yù)測(cè)研究

康利改 曹紫霖 劉偉 吳小敬 楊煬 袁小雪 王文靜 趙薇

摘 要：為了解決京津冀地區(qū)碳排放量達(dá)峰問(wèn)題，以河北省為例，研究京津冀碳排放達(dá)峰實(shí)現(xiàn)路徑，對(duì)京津冀未來(lái)的碳排放量進(jìn)行預(yù)測(cè)分析，建立以河北省2004—2021年碳排放相關(guān)數(shù)據(jù)為基礎(chǔ)的STIRPAT碳排放預(yù)測(cè)拓展模型。設(shè)置了6個(gè)情景，通過(guò)綜合考慮人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、能源結(jié)構(gòu)數(shù)據(jù)的變化速度，模擬不同情景下京津冀2022—2040年的碳排放趨勢(shì)，進(jìn)而預(yù)測(cè)京津冀三地的“碳達(dá)峰”時(shí)間與碳排放峰值。結(jié)果表明：北京除清潔發(fā)展情景是在2030年達(dá)峰，其余情景均在2035年達(dá)到峰值；天津除經(jīng)濟(jì)放緩情景是在2030年達(dá)峰，其余情景均在2035年實(shí)現(xiàn)“碳達(dá)峰”；河北除基準(zhǔn)情景在2035年達(dá)峰外，其余情景均是在2030年達(dá)到峰值。所提的碳排放預(yù)測(cè)拓展模型在考慮多情景分析下，就京津冀地區(qū)如何控制和減少碳排放量提出相關(guān)建議，可為京津冀低碳經(jīng)濟(jì)的發(fā)展提供一定的參考依據(jù)。

關(guān)鍵詞：統(tǒng)計(jì)預(yù)測(cè)理論；“碳達(dá)峰”；STIRPAT模型；嶺回歸；情景模擬；路徑選擇

中圖分類號(hào)：X321?? 文獻(xiàn)標(biāo)識(shí)碼：A??DOI：10.7535/hbkd.2023yx04011

Prediction of carbon peak in Beijing Tianjin Hebei Region based on STIRPAT model

KANG Ligai1， CAO Zilin1， LIU Wei2， WU Xiaojing1， YANG Yang1， YUAN Xiaoxue2， WANG Wenjing1， ZHAO Wei1

（1.School of Civil Engineering， Hebei University of Science and Technology， Shijiazhuang， Hebei 050018， China; 2.Institute of Energy， Hebei Academy of Sciences， Shijiazhuang， Hebei 050081， China）

Abstract： In order to solve the problem of early peak of carbon emissions the Beijing Tianjin Hebei Region，taking Hebei Province as an example， the realization path of peaking carbon emissions in the region was studied， and the future carbon emissions in the region were predicted and analyzed， the STIRPAT carbon emission prediction expansion model based on carbon emission data in Hebei Province from 2004 to 2021 was established. Six scenarios were set up to simulate the carbon emission trend from 2022 to 2040 under different scenarios by comprehensively considering the change rates of six data such as population size， per capita GDP， urbanization rate， industrial structure， energy intensity and energy structure， and to predict the carbon peak time and carbon emission peak of Beijing， Tianjin and Hebei. The results show that： Except for the clean development scenario， which peaks in 2030， the other scenarios of Beijing will reach the peak in 2035. Except for the economic slowdown scenario， which is to peak in 2030， the remaining scenarios of Tianjin were to achieve carbon peak in 2035. In Hebei Province， except for the baseline scenario， which is to reach the peak in 2035， the remaining scenarios are to reach the peak in 2030.The proposed carbon emission forecast expansion model， considering multi scenario analysis， puts forward relevant suggestions on how to control and reduce carbon emissions in the Beijing Tianjin Hebei Region， and provides certain reference for the development of low carbon economy in the Beijing Tianjin Hebei Region.

Keywords： statistical prediction theory； carbon peak; STIRPAT model; ridge regression; scenario simulation; path selection

隨著全球平均氣溫迅速上升，人類即將面臨的氣候風(fēng)險(xiǎn)愈發(fā)增多。排放的溫室氣體種類很多，其中二氧化碳排放量占總量的73%。在“雙碳”目標(biāo)的大背景下，眾多學(xué)者和機(jī)構(gòu)圍繞碳排放和“碳達(dá)峰”預(yù)測(cè)展開(kāi)了大量研究。中國(guó)始終高度關(guān)注氣候問(wèn)題并積極實(shí)施減排降碳工作。

國(guó)內(nèi)外相關(guān)研究成果逐漸豐富，眾多學(xué)者針對(duì)碳排放預(yù)測(cè)的方法及模型進(jìn)行了大量研究，碳排放預(yù)測(cè)模型主要有STIRPAT模型[1 4]、LEAP模型[5]、環(huán)境庫(kù)茨涅茲（EKC）曲線[6]、混頻數(shù)據(jù)抽樣模型[7]、長(zhǎng)期能源代替規(guī)劃系統(tǒng)模型（LEAP BTH）[8]、系統(tǒng)動(dòng)力學(xué)模型[9 10]、動(dòng)態(tài)情景模擬模型[11 14]、反向傳播神經(jīng)網(wǎng)絡(luò)模型[15]和能源技術(shù)擴(kuò)散模型[16]等。此外，影響碳排放的驅(qū)動(dòng)因素分析方面，基于Kaya恒等式[17]、迪氏對(duì)數(shù)平均指數(shù)分解[18]、拉氏指數(shù)分解［19］、蒙特卡羅模擬[20]等方法對(duì)影響碳排放的驅(qū)動(dòng)因素進(jìn)行分析，研究各因素對(duì)碳排放量的影響。

京津冀地區(qū)作為中國(guó)核心經(jīng)濟(jì)區(qū)的重要組成部分，也是能源消耗和二氧化碳排放的重點(diǎn)區(qū)域，京津冀地區(qū)的碳排放早日達(dá)到峰值對(duì)實(shí)現(xiàn)國(guó)家“碳達(dá)峰”目標(biāo)尤為關(guān)鍵。2021年，北京能源消費(fèi)結(jié)構(gòu)持續(xù)優(yōu)化，加快推動(dòng)重點(diǎn)區(qū)域、重點(diǎn)行業(yè)可再生能源規(guī)?；?，可再生能源開(kāi)發(fā)利用總量達(dá)849.3萬(wàn)t標(biāo)準(zhǔn)煤。天津市作為中國(guó)首批低碳試點(diǎn)城市之一，其發(fā)展對(duì)于強(qiáng)化京津聯(lián)動(dòng)，促進(jìn)京津冀協(xié)同發(fā)展、落實(shí)京津冀環(huán)境保護(hù)等方面具有重要作用。河北省是能源消耗大省，碳排放水平在全國(guó)處于前列。本文采用STIRPAT模型，對(duì)京津冀能源發(fā)展路徑進(jìn)行預(yù)測(cè)研究，有助于摸清京津冀能源行業(yè)碳排放底數(shù)、存在的問(wèn)題及發(fā)展瓶頸，積極落實(shí)國(guó)家和京津冀地區(qū)“碳達(dá)峰”和“碳中和”的相關(guān)工作要求。以河北省為例，基于2004—2021年歷史數(shù)據(jù)，對(duì)主要變量參數(shù)進(jìn)行分析處理，對(duì)模型進(jìn)行驗(yàn)證。隨后設(shè)置6種不同的情景方案，分別預(yù)測(cè)6種情景下北京、天津和河北碳排放達(dá)峰時(shí)間及排放量峰值，模擬預(yù)測(cè)各情景方案對(duì)其“碳達(dá)峰”的影響。

1 模型建立

碳排放研究中常使用IPAT及衍生的ImPACT和STIRPAT模型、LMDI因素分解法、環(huán)境庫(kù)次涅茨曲線以及其他研究方法。其中IPAT模型表達(dá)形式簡(jiǎn)單，且人口、經(jīng)濟(jì)水平和技術(shù)的彈性系數(shù)均是1，不能體現(xiàn)出不同驅(qū)動(dòng)因素的區(qū)別。為克服IPAT等式中各因素等比例影響的不足，YORK等[18]基于IPAT等式進(jìn)行改進(jìn)，構(gòu)建了STIRPAT模型。STIRPAT模型通過(guò)對(duì)數(shù)變換和回歸分析對(duì)其中的參數(shù)進(jìn)行估計(jì)，之后基于情景設(shè)置預(yù)測(cè)碳排放量，其中的變量數(shù)據(jù)都為人口、GDP、能源強(qiáng)度等這樣的宏觀指標(biāo)，因此這個(gè)模型是“自上而下”的。相比其他模型及方法，該模型處理較為簡(jiǎn)單，同時(shí)具有更好的靈活性和拓展空間，能檢驗(yàn)不同因素對(duì)環(huán)境壓力的影響，因此，本研究應(yīng)用STIRPAT模型對(duì)二氧化碳排放達(dá)峰進(jìn)行預(yù)測(cè)。

模型的基本表達(dá)式如式（1）所示：

I=aPbAcTde ，（1）

式中：I，P，A，T分別為環(huán)境壓力、人口規(guī)模、富裕程度和技術(shù)水平；a為模型系數(shù)；b，c，d分別為變量的彈性系數(shù)；e為模型誤差項(xiàng)。

由文獻(xiàn)[4]和文獻(xiàn)[5]可知，人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源結(jié)構(gòu)是影響減污降碳的重要因素，

本研究選用二氧化碳排放量來(lái)表示環(huán)境壓力、人均GDP表示富裕程度項(xiàng)、技術(shù)水平考慮產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、能源結(jié)構(gòu)。

因此研究選取該6項(xiàng)因素作為自變量對(duì)STIRPAT模型進(jìn)行擴(kuò)展，擴(kuò)展后的模型見(jiàn)式（2）：

ln I=ln a+bln P+cln A+dln U+fln （IS）+gln （EI）+hln （ES）+ln e ， （2）

式中：I表示二氧化碳排放量；P表示人口規(guī)模；A表示人均GDP；U代表城鎮(zhèn)化率；IS代表產(chǎn)業(yè)結(jié)構(gòu)；EI代表能源強(qiáng)度；ES代表能源結(jié)構(gòu)；a為模型系數(shù)；b，c，d，f，g，h分別為變量的彈性系數(shù)；e為模型誤差項(xiàng)。具體變量及說(shuō)明見(jiàn)表1。

2 模型驗(yàn)證

2.1 數(shù)據(jù)共線性檢驗(yàn)

多重共線性是指在進(jìn)行回歸計(jì)算時(shí)，多個(gè)自變量之間存在相關(guān)關(guān)系，會(huì)使模型中的系數(shù)失去實(shí)際意義。以河北省為例，搜集2004—2021年的歷史數(shù)據(jù)，如表2所示。采用SPSS數(shù)據(jù)分析軟件對(duì)相關(guān)自變量進(jìn)行共線性檢驗(yàn)，結(jié)果見(jiàn)表3。

由表2可知，在2004—2012年間河北省年二氧化碳排放總量呈現(xiàn)逐年增加的趨勢(shì)，在2013年達(dá)到階段性峰值之后開(kāi)始逐年降低，2017年出現(xiàn)峰谷，隨后在2018—2021年期間波動(dòng)較大；河北省人口規(guī)模除2008年出現(xiàn)輕微降低之外，基本呈現(xiàn)逐年上升的趨勢(shì)；河北省人均GDP和城鎮(zhèn)化率呈現(xiàn)逐年上升的趨勢(shì)；產(chǎn)業(yè)結(jié)構(gòu)在2004—2011年期間波動(dòng)較大，之后開(kāi)始逐年降低；能源強(qiáng)度在2014年出現(xiàn)尖峰，達(dá)到5.853 t/萬(wàn)元，這與2014年總能源消費(fèi)量達(dá)到近10年峰值有關(guān)，其余年份均在1～1.7 t/萬(wàn)元之間波動(dòng)；而能源結(jié)構(gòu)在2014年出現(xiàn)峰谷，這同樣與2014年總能源消費(fèi)量達(dá)到近10年峰值有關(guān)。

由表3可知，能源強(qiáng)度和能源結(jié)構(gòu)與其余因素存在負(fù)相關(guān)的情景，人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)4個(gè)變量之間均是正相關(guān)。此外，樣本相關(guān)系數(shù)絕對(duì)值大于0.8時(shí)，可視為2個(gè)變量高度相關(guān)。由表3可以看出，多處絕對(duì)值超過(guò)了經(jīng)驗(yàn)系數(shù)0.8。可見(jiàn)，人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源結(jié)構(gòu)6個(gè)變量之間都不是相互獨(dú)立的關(guān)系，存在嚴(yán)重的多重共線性。

2.2 嶺回歸方法

目前有許多解決多重共線性的方法，例如主成分分析法、帶有嶺回歸的最小二乘法等，其中嶺回歸方法是通過(guò)約束長(zhǎng)度系數(shù)來(lái)間接解決多重共線性問(wèn)題，是對(duì)最小二乘回歸的一種補(bǔ)充，

模型的泛化能力強(qiáng)，從而可以提高模型的計(jì)算精度，同時(shí)可以有效地解決多重共線性問(wèn)題，提高模型的穩(wěn)定性和可靠性。

因此，本文選取嶺回歸方法對(duì)STIRPAT拓展模型系數(shù)進(jìn)行擬合，利用SPSS軟件對(duì)數(shù)據(jù)進(jìn)行嶺回歸處理以消除共線性，分別擬合各因素對(duì)河北省碳排放的影響模型，得出的嶺跡圖和決定系數(shù)RSQ的變化趨勢(shì)，如圖1所示，其中R為擬合優(yōu)化指標(biāo)，K為嶺回歸參數(shù)。

通過(guò)觀察圖1可知，根據(jù)嶺跡圖，選擇盡可能小的嶺回歸系數(shù)K，同時(shí)嶺跡曲線逐漸平穩(wěn)時(shí)的取值。在K=0.7時(shí)，自變量逐漸平穩(wěn)，同時(shí)R2與K的關(guān)系圖中對(duì)應(yīng)的R2處于較高水平。對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理之后，得出擬合方程，表達(dá)式如式（3）所示：

ln I=[WB]0.369 0+0.154 9ln P+0.155 1ln A+0.154 8ln U+0.143 5ln （IS）+0.140 6ln （EI）+

[DW]0.136 9ln （ES）+ei 。（3）

從式（3）來(lái)看，對(duì)于河北省，在保持其他變量不變的情況下，人口規(guī)模每增加1%，則碳排放量平均增加0.154 9%；人均GDP每增加1%，則碳排放量平均增加0.155 1%；城鎮(zhèn)化率每增加1%，則碳排放量平均增加0.154 8%。第二產(chǎn)業(yè)占比每減少1%，則碳排放量平均減少0.143 5%；單位GDP能耗每減少1%，則碳排放量平均減少0.140 6%；煤炭消耗占比每減少1%，則碳排放量平均減少0.136 9%。由此可見(jiàn)，人均GDP對(duì)碳排放的影響最大。

對(duì)回歸方程系數(shù)進(jìn)行檢驗(yàn)，其方差分析結(jié)果見(jiàn)表4，預(yù)測(cè)方程可決系數(shù)結(jié)果見(jiàn)表5。樣本方差自由度為6，殘差為3；樣本方差的平方和為216.405，殘差為3.109；樣本方差為36.068，殘差為1.036。預(yù)測(cè)模型的F值為34.798，F(xiàn)檢驗(yàn)的Sig值為0.007，方程通過(guò)檢驗(yàn)。調(diào)整之前R為0.993，R2為0.986，調(diào)整后的R2達(dá)到0.96，標(biāo)準(zhǔn)誤差為1.018，表明預(yù)測(cè)方程較為合理。

3 京津冀“碳達(dá)峰”前景預(yù)測(cè)

3.1 情景設(shè)置

從上文可知影響二氧化碳排放的因素，根據(jù)京津冀歷年的經(jīng)濟(jì)發(fā)展水平以及社會(huì)民生相關(guān)情況，設(shè)置相關(guān)因素變化率為慢速、中速和快速3種模式。其中，慢速即各變量變化速率放緩；中速即假定各變量按照適中的速度發(fā)展；快速即各變量變化速率較快。以中速變化率為基準(zhǔn)，根據(jù)各變量變化范圍和各地區(qū)實(shí)際情況，慢速與中速相比年平均速率要減緩0.2%～1%，同理快速與中速相比年平均速率增加0.2%～1%。

參考近年來(lái)國(guó)家發(fā)展戰(zhàn)略規(guī)劃的節(jié)點(diǎn)設(shè)置，在2021—2040年間，以5年為周期對(duì)不同因素的變化率進(jìn)行調(diào)整。各影響因素具體變化情況如下。

1）人口規(guī)模 人口規(guī)模受性別構(gòu)成、人口質(zhì)量、人口流動(dòng)等因素影響，《北京城市總體規(guī)劃（2016—2035）》中提出，“十四五”時(shí)期北京市的常住人口數(shù)量要控制在2 300萬(wàn)人以下，且要長(zhǎng)期保持在這一水平。2021年北京市人口規(guī)模為2 188.6萬(wàn)人，假設(shè)中速下2021—2030年的平均年增速為0.55%，于2030年達(dá)到峰值2 300萬(wàn)人，隨后在2031—2040年平均年增速為－0.1%；天津人口發(fā)展“十四五”規(guī)劃中提出，到2025年天津市常住人口達(dá)到1 500萬(wàn)人左右。因此，假設(shè)中速發(fā)展模式下2021—2030年的平均年增速為2%，于2030年達(dá)到峰值，隨后在2031—2040年的平均年增速為－0.1%；根據(jù)《河北省人口發(fā)展規(guī)劃（2018—2035）》的要求，河北省人口總量會(huì)經(jīng)歷從快速增加到緩速增長(zhǎng)，到2035年人口規(guī)模將會(huì)維持在7 910萬(wàn)人左右。因此，假設(shè)中速下2021—2030年的平均年增速為1%，于2030年達(dá)到峰值，隨后在2031—2040年的平均年增速為-0.5%；設(shè)定人口總量在慢、中、快速發(fā)展情況下，京津冀三地均分別在2035，2030，2025年達(dá)到最大值。

2）人均GDP 人均GDP一般指人均國(guó)內(nèi)生產(chǎn)總值，是人們了解和把握一個(gè)地區(qū)宏觀經(jīng)濟(jì)運(yùn)行狀況的有效工具。北京市2021年人均GDP為18.4萬(wàn)元，相關(guān)政策表示，北京“十四五”時(shí)期人均GDP將達(dá)到21萬(wàn)元。遠(yuǎn)景規(guī)劃指出，到2035年人均GDP將達(dá)到32萬(wàn)元。假設(shè)中速發(fā)展下2021—2030年間的人均GDP平均年增速為5%，2031—2040年人均GDP保持3.5%的速率勻速增長(zhǎng)；天津市“十四五”規(guī)劃指出，到2025年天津市地區(qū)人均生產(chǎn)總值預(yù)期年均增長(zhǎng)6%左右。因此，設(shè)定2021—2025年人均GDP以每年6%的速率增長(zhǎng)，隨后2026—2040年間，人均GDP年增長(zhǎng)速率每5年降低1%；河北省目前發(fā)展處于工業(yè)化中后期，未來(lái)一兩年很有可能跨入工業(yè)化后期，在“京津冀一體化”等戰(zhàn)略推動(dòng)下，河北省吸收了多家大中型企業(yè)，經(jīng)濟(jì)實(shí)現(xiàn)了快速增長(zhǎng)，人均GDP也在緩慢增加。同時(shí)結(jié)合2010—2015年人均GDP年均增長(zhǎng)率為7.5%，2016—2021年人均GDP年均增長(zhǎng)率為7%。設(shè)定中速發(fā)展模式下，河北省人均GDP在2022—2025年間年均增長(zhǎng)率為6.5%，2026—2040年間的年均增長(zhǎng)率每5年降低0.5%。

3）城鎮(zhèn)化率 城鎮(zhèn)化是一個(gè)地區(qū)經(jīng)濟(jì)社會(huì)發(fā)展和資源配置的直觀顯示。近年來(lái)，京津冀不斷完善城鄉(xiāng)融合發(fā)展體制，常住人口穩(wěn)步增加，城鎮(zhèn)化率也穩(wěn)步提高。由于北京2021年城鎮(zhèn)化率為87.50%，較2010年增長(zhǎng)了1.81%，因此假設(shè)中速發(fā)展模式下，2021—2025年間北京城鎮(zhèn)化率年增速為0.14%，設(shè)定北京市城鎮(zhèn)化率每5年年均速率減緩0.02%；天津2021年城鎮(zhèn)化率為84.88%，天津人口發(fā)展“十四五”規(guī)劃中提出，城鎮(zhèn)化率預(yù)計(jì)于2025年達(dá)到86%，因此設(shè)定天津市城鎮(zhèn)化率每5年增速降低0.06%；河北2021年城鎮(zhèn)化率為61.14%，根據(jù)《河北省人口發(fā)展規(guī)劃（2018—2035）》的要求，明確提出到2035年，常住人口城鎮(zhèn)化率達(dá)到70%左右，因此設(shè)定中速發(fā)展下，2021—2025年城鎮(zhèn)化率年均增速為1.3%，2026—2040年間每5年年均增速降低0.1%。

4）產(chǎn)業(yè)結(jié)構(gòu) 產(chǎn)業(yè)結(jié)構(gòu)是指在國(guó)家宏觀調(diào)控制度和市場(chǎng)經(jīng)濟(jì)行為的雙重作用下，逐漸形成的各個(gè)產(chǎn)業(yè)之間的數(shù)量比例關(guān)系

[20]。根據(jù)京津冀地區(qū)的政府發(fā)展報(bào)告，可以看出在京津冀協(xié)同一體化的整體目標(biāo)下，北京將降低一般制造業(yè)的發(fā)展，努力發(fā)展節(jié)能環(huán)保產(chǎn)業(yè)并持續(xù)互聯(lián)網(wǎng)行業(yè)的蓬勃發(fā)展，將呈現(xiàn)第三產(chǎn)業(yè)占主導(dǎo)的局面，2020年第二、第三產(chǎn)業(yè)綜合占比99.7%，2021年第二產(chǎn)業(yè)占比18%，未來(lái)預(yù)計(jì)呈逐年下降趨勢(shì)，假定北京地區(qū)中速模式下的第二產(chǎn)業(yè)結(jié)構(gòu)占比在2021—2025年的年均降速為2.8%，隨后每5年年均速率減緩0.2%；天津作為“碳達(dá)峰”試點(diǎn)城市之一，2021年第二產(chǎn)業(yè)占比為37.3%，假定2021—2025年間，中速模式下的第二產(chǎn)業(yè)結(jié)構(gòu)年均降速為2%，隨后每5年年均速率減緩0.1%；河北省目前第二產(chǎn)業(yè)仍占主導(dǎo)地位，2021年第二產(chǎn)業(yè)占比40.5%，產(chǎn)業(yè)結(jié)構(gòu)從二三一轉(zhuǎn)變?yōu)槿?，但整體上看第二產(chǎn)業(yè)占比較大，改革任務(wù)艱巨，仍需推進(jìn)產(chǎn)業(yè)結(jié)構(gòu)改革。假定2021—2025年間第二產(chǎn)業(yè)結(jié)構(gòu)占比年均降速為0.6%，隨后每5年年均速率減緩0.05%。

5）能源強(qiáng)度 用單位GDP的能源消耗量來(lái)表示能源強(qiáng)度，同時(shí)其也是衡量技術(shù)水平的指標(biāo)。這一數(shù)值會(huì)隨著技術(shù)的改進(jìn)逐漸下降。京津冀高度重視科技企業(yè)發(fā)展，優(yōu)化科技創(chuàng)新環(huán)境，為技術(shù)發(fā)展提供條件。但是隨著技術(shù)瓶頸的出現(xiàn)下降速度會(huì)逐漸緩慢?！侗本┦小笆奈濉睍r(shí)期應(yīng)對(duì)氣候變化和節(jié)能規(guī)劃》中指出，“十四五”時(shí)期北京市地區(qū)生產(chǎn)總值能耗下降14%，因此設(shè)定2021—2025年能源強(qiáng)度每年降低2.8%，2026—2040年間，每5年年均速率減緩0.2%；《天津市加快建立健全綠色低碳循環(huán)發(fā)展經(jīng)濟(jì)體系的實(shí)施方案》中指出，到2025年，單位地區(qū)生產(chǎn)總值能源消耗降低14.5%，即年均降速為2.9%，因此設(shè)定2026—2040年間，每5年年均變化率減緩0.2%；《河北省“十四五”循環(huán)經(jīng)濟(jì)發(fā)展規(guī)劃》提出到2025年，單位GDP能源消耗比2020年降低15%左右，即每年降低3%，另外，由于河北省正處于能源轉(zhuǎn)型階段，因此設(shè)定2026—2040年間，每5年年均變化率減緩0.1%。

6）能源結(jié)構(gòu) 能源結(jié)構(gòu)指能源總生產(chǎn)量或總消費(fèi)量中各類一次能源、二次能源的構(gòu)成及其比例關(guān)系，本文中代表煤炭消費(fèi)量占總能源消費(fèi)量之比。北京市能源結(jié)構(gòu)已基本實(shí)現(xiàn)清潔轉(zhuǎn)型，煤炭消費(fèi)量由2015年的1 165.2萬(wàn)t大幅削減到2020年的135萬(wàn)t，占全市能源消費(fèi)比重由13.1%降為1.5%。《北京市“十四五”時(shí)期應(yīng)對(duì)氣候變化和節(jié)能規(guī)劃》表明，到2025年煤炭消費(fèi)總量控制在100萬(wàn)t以內(nèi)，假設(shè)中速發(fā)展模式下2021—2025年煤炭消費(fèi)量占比降速為2.3%，隨后每5年年均速率減緩0.1%。天津煤炭消費(fèi)占能源消費(fèi)總量的比重由2015年的40.8%下降到2020年的34.1%，天津能源發(fā)展“十四五”規(guī)劃明確指出，到2025年煤炭占能源消費(fèi)總量比重降至28%左右，因此設(shè)定中速發(fā)展模式下2021—2025年能源結(jié)構(gòu)下降速率為3.8%，隨后每5年年均變化速率減緩0.2%。河北省目前仍以化石能源為主，但隨著大力發(fā)展光伏、風(fēng)電等新能源產(chǎn)業(yè)政策的推進(jìn)，未來(lái)污染嚴(yán)重的能源消費(fèi)比例會(huì)逐漸下降，非化石能源包括可再生能源的利用量會(huì)大幅度上升，2012—2021年，煤炭占能源消費(fèi)總量的比重由88.9%逐步下降至67.0%?！逗颖笔p污降碳協(xié)同增效實(shí)施方案》提出，到2025年煤炭消費(fèi)量較2020年下降10%左右，因此設(shè)定2021—2025年煤炭消耗量占比降速為2%，隨后每5年年均速率減緩0.1%。

3.2 情景組合

情景分析是預(yù)測(cè)多尺度碳排放路徑的重要工具。情景分析法通過(guò)判斷各種影響因素做出不同的假設(shè)，來(lái)規(guī)劃未來(lái)可能的二氧化碳排放趨勢(shì)。在影響因素較多的情況下，碳排放預(yù)測(cè)模型與情景分析法相結(jié)合可以更準(zhǔn)確地把握碳排放發(fā)展趨勢(shì)。通過(guò)設(shè)定京津冀地區(qū)影響二氧化碳排放相關(guān)因素變化率，得出了2022—2040年各因素對(duì)應(yīng)的預(yù)測(cè)值。結(jié)合經(jīng)濟(jì)、文化、民生等相關(guān)行業(yè)政策的發(fā)展規(guī)律，同時(shí)參考文獻(xiàn)[9]和文獻(xiàn)[21]，對(duì)相關(guān)影響因素的變化率進(jìn)行排列組合，建立6種具有典型代表意義的情景組合，并以此作為案例預(yù)測(cè)京津冀未來(lái)碳排放趨勢(shì)，試圖找出實(shí)現(xiàn)北京、天津、河北早日“碳達(dá)峰”的最優(yōu)路徑。情景組合設(shè)置詳見(jiàn)表6。

1）基準(zhǔn)情景（S1） 6個(gè)影響因素在未來(lái)的變化率均設(shè)置為中速，該情景是基本情況的體現(xiàn)。該情景是在現(xiàn)有關(guān)于經(jīng)濟(jì)、民生等政策不變的基礎(chǔ)下，來(lái)制定制約碳排放的相關(guān)措施，即按照目前的發(fā)展趨勢(shì)，不再進(jìn)行另外調(diào)整。此外，6個(gè)影響因素的未來(lái)變化率也延續(xù)了之前的變化趨勢(shì)。基準(zhǔn)情景可作為比較另外5種情景的參考。

2）產(chǎn)業(yè)升級(jí)情景（S2） 該情景下設(shè)定產(chǎn)業(yè)結(jié)構(gòu)的變化率為高速，其余因素的變化率設(shè)定為中速。目前，京津冀地區(qū)逐步實(shí)施產(chǎn)業(yè)結(jié)構(gòu)改革，大力發(fā)展以現(xiàn)代服務(wù)業(yè)、教育、社會(huì)保障為主的第三產(chǎn)業(yè)，同時(shí)推動(dòng)第二產(chǎn)業(yè)各環(huán)節(jié)各部門(mén)的用能規(guī)范。在基準(zhǔn)情景的前提下，該情景更著眼于產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，政府將花費(fèi)更多精力去發(fā)展第三產(chǎn)業(yè)，致力于降低第二產(chǎn)業(yè)占比，從而對(duì)“高能耗、高排放”的行業(yè)進(jìn)行有效抑制，淘汰落后產(chǎn)能，推動(dòng)傳統(tǒng)產(chǎn)業(yè)的升級(jí)改造。

3）節(jié)能發(fā)展情景（S3） 在這一情景中，能源強(qiáng)度的變化率設(shè)定為高速，其余因素的變化率設(shè)定為中速。能源供給側(cè)改革，推動(dòng)了能量梯級(jí)利用、電轉(zhuǎn)氣、有機(jī)朗肯循環(huán)等技術(shù)的應(yīng)用，除了利用現(xiàn)有技術(shù)提高效率，一些新興技術(shù)也將會(huì)被引入，技術(shù)水平的提高會(huì)有助于京津冀地區(qū)碳排放量的控制，使得能源利用率不斷提高。該情景可以得出在基準(zhǔn)情景基礎(chǔ)上專注能源規(guī)范使用及能源利用技術(shù)升級(jí)的碳排放趨勢(shì)。

4）清潔發(fā)展情景（S4） 該情景下設(shè)置能源結(jié)構(gòu)的變化率為高速，其余因素的變化率為中速。隨著碳稅相關(guān)政策的實(shí)施，碳交易市場(chǎng)快速發(fā)展，為清潔能源的發(fā)展提供了有力條件。該情景可以看出在現(xiàn)有基礎(chǔ)上因地制宜、因時(shí)制宜，推廣清潔能源的使用，進(jìn)一步降低污染嚴(yán)重能源在能源消費(fèi)中占比的碳排放趨勢(shì)。

5）綠色發(fā)展情景（S5） 該情景下設(shè)置產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源結(jié)構(gòu)的變化率為高速，其余因素的變化率設(shè)置為中速。綠色發(fā)展情景與基準(zhǔn)情景相比，將更多注重于減碳因素的發(fā)展。該情景可以看出京津冀在保證經(jīng)濟(jì)平穩(wěn)發(fā)展的基礎(chǔ)上，推動(dòng)產(chǎn)業(yè)升級(jí)、采用合理手段提高人均GDP、實(shí)施節(jié)能減排、優(yōu)化能源結(jié)構(gòu)等多種措施，最終實(shí)現(xiàn)綠色發(fā)展的碳排放趨勢(shì)。

6）經(jīng)濟(jì)放緩情景（S6） 該情景中，人均GDP和城鎮(zhèn)化率的變化率設(shè)置為低速，其余因素的變化率設(shè)置為中速。經(jīng)濟(jì)發(fā)展與節(jié)能環(huán)保等理念存在一定的沖突，在必要的時(shí)候需要選擇優(yōu)先發(fā)展對(duì)象。人均GDP和城鎮(zhèn)化率對(duì)碳排放均有正向的推動(dòng)作用。居民生活水平的提高、人均GDP的增長(zhǎng)會(huì)促使二氧化碳排放量的增加。城鎮(zhèn)化率的提高首先反映在城市面積的擴(kuò)大，增加了城市交通距離和能源消耗，同時(shí)增加了城市居住空間以及供冷供熱需求，因此能源消耗量也會(huì)增加。該情景可以看出京津冀在國(guó)家“碳達(dá)峰”目標(biāo)的剛性約束的前提下，放緩經(jīng)濟(jì)發(fā)展步伐，相應(yīng)的能源消耗總量和排放總量降低對(duì)碳排放趨勢(shì)的影響。

3.3 結(jié)果分析

本文利用改進(jìn)的STIRPAT模型進(jìn)行碳排放預(yù)測(cè)，結(jié)合設(shè)置的6種情景組合，預(yù)測(cè)出不同情景下京津冀2022—2040年的碳排放趨勢(shì)，如圖2—圖4所示，并得到不同情景下北京、天津、河北二氧化碳排放達(dá)峰年份及對(duì)應(yīng)數(shù)值，如表7所示。

從上述結(jié)果可以看出，北京除綠色發(fā)展情景（S5）是在2030年達(dá)峰之外，其余情景均是在2035年達(dá)到峰值。北京是中國(guó)最早提出“碳達(dá)峰”目標(biāo)的城市之一，目前基本已實(shí)現(xiàn)清潔能源作為主要消費(fèi)能源。由圖2可知，綠色發(fā)展情景下的產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、能源結(jié)構(gòu)等因素均為高速發(fā)展，碳排放達(dá)峰日期早于基準(zhǔn)情景，這是由于產(chǎn)業(yè)結(jié)構(gòu)是影響碳排放的重要因素之一，該情景下，產(chǎn)業(yè)結(jié)構(gòu)的高速發(fā)展優(yōu)化意味著第二產(chǎn)業(yè)占比的高速降低。第二產(chǎn)業(yè)集中了多數(shù)的高能耗部門(mén)，產(chǎn)業(yè)結(jié)構(gòu)向服務(wù)業(yè)優(yōu)化升級(jí)可降低經(jīng)濟(jì)發(fā)展對(duì)能源資源消耗的依賴程度，有助于促進(jìn)碳減排的達(dá)標(biāo)。同時(shí)能源強(qiáng)度和能源結(jié)構(gòu)均為高速發(fā)展模式，即人均GDP能耗和煤炭消費(fèi)量占比以較高的速率下降，從而減少二氧化碳排放量，因此該情景下的碳排放峰值是6種情景中最低的。

天津除經(jīng)濟(jì)放緩情景（S6）是在2030年達(dá)峰之外，其余情景均是在2035年達(dá)到峰值。由圖3可知，經(jīng)濟(jì)放緩情景（S6）下的人均GDP和城鎮(zhèn)化率為低速發(fā)展，其余各項(xiàng)因素為中速發(fā)展。首先，人均GDP的提高意味著居民消費(fèi)水平的提高，這可能會(huì)導(dǎo)致資源和能源消耗的增加，在生活水平提高的同時(shí)也會(huì)增加能源消耗的碳排放。對(duì)于天津來(lái)說(shuō)，作為北方的經(jīng)濟(jì)中心，小范圍降低經(jīng)濟(jì)增長(zhǎng)速度有助于達(dá)到排污減碳的目的。其次，城市已經(jīng)成為經(jīng)濟(jì)活動(dòng)的主要領(lǐng)域和二氧化碳排放的主要來(lái)源，城市二氧化碳排放量約占中國(guó)二氧化碳排放總量的85%，城鎮(zhèn)化率的提高一方面會(huì)導(dǎo)致對(duì)土地資源和生態(tài)環(huán)境的過(guò)度開(kāi)發(fā)，進(jìn)而增加碳排放和能源消耗，另一方面可能會(huì)增加人口流動(dòng)和交通擁堵，進(jìn)一步增加能源消耗和碳排放。由于天津處于新一線城市，發(fā)展速度介于北京與河北之間，所以控制人均GDP以及城鎮(zhèn)化率的增速有助于“碳達(dá)峰”早日實(shí)現(xiàn)，同時(shí)該情景下的碳排放峰值最低。

河北除基準(zhǔn)情景（S1）是在2035年達(dá)峰之外，其余情景均是在2030年達(dá)到峰值。京津冀地區(qū)碳排放量主要由河北貢獻(xiàn)，河北是京津冀地區(qū)乃至全國(guó)的“碳排放大戶”。由圖4可知，6種情景的峰值碳排放量由大到小分別是基準(zhǔn)情景（S1）、節(jié)能發(fā)展情景（S3）、清潔發(fā)展情景（S4）、產(chǎn)業(yè)升級(jí)情景（S2）、綠色發(fā)展情景（S5）、經(jīng)濟(jì)放緩情景（S6）。其中，S2—S5分別加快了產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源結(jié)構(gòu)的發(fā)展。首先，產(chǎn)業(yè)結(jié)構(gòu)對(duì)河北省“碳達(dá)峰”的影響較為顯著，由于目前河北省大多為傳統(tǒng)重工業(yè)和高能耗、高污染的行業(yè)，減碳?jí)毫^大，所以優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)向低能耗、低污染的產(chǎn)業(yè)轉(zhuǎn)型，能夠有效減少能源消耗和碳排放。其次，能源強(qiáng)度和能源結(jié)構(gòu)也是影響河北省“碳達(dá)峰”的關(guān)鍵因素，通過(guò)提高能源的使用效率，減少單位產(chǎn)出的能量消耗，同時(shí)提高能源結(jié)構(gòu)，逐步采用清潔、可再生能源代替?zhèn)鹘y(tǒng)能源，也是減緩河北省碳排放的重要舉措。同時(shí)考慮產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源結(jié)構(gòu)，可以促進(jìn)碳減排的早日實(shí)現(xiàn)。另外，由于河北屬于人口大省，較低的人均GDP和城鎮(zhèn)化率意味著較低的物質(zhì)消費(fèi)水平和相應(yīng)的能源消耗，可以減少碳排放，同時(shí)還有助于減少城市土地的過(guò)度開(kāi)發(fā)和城市交通的擁堵問(wèn)題，這說(shuō)明在現(xiàn)有發(fā)展條件下，提高技術(shù)水平同時(shí)降低城鎮(zhèn)化步調(diào)是最有利于“碳達(dá)峰”目標(biāo)實(shí)現(xiàn)的路徑，從而降低能源消耗和碳排放。

由表7可以看出，京津冀三地在基準(zhǔn)情景下的碳排放峰值都是最大的，可知其余5種情景對(duì)各地碳減排有一定的促進(jìn)效果，北京作為中國(guó)典型的高速發(fā)展城市，相較于天津、河北，北京的碳效率、能源效率始終保持在最優(yōu)水平，有望最早實(shí)現(xiàn)“碳達(dá)峰”目標(biāo)。天津處于向后工業(yè)化轉(zhuǎn)變的階段，碳減排效率處于北京與河北之間，在產(chǎn)業(yè)升級(jí)情景（S2）下，無(wú)法使得天津碳排放達(dá)峰時(shí)間提前，但可使碳排放峰值較基準(zhǔn)情景（S1）降低了0.03億t。天津與河北的能源結(jié)構(gòu)消耗中煤炭仍占主體，所以在節(jié)能發(fā)展情景（S3）下天津與河北的碳排放峰值較基準(zhǔn)情景（S1）降低較為明顯。河北目前仍處于工業(yè)化中期，相較于北京和天津，河北第二產(chǎn)業(yè)仍然占主體地位并且第三產(chǎn)業(yè)水平偏低，這造成了能源消耗量大、碳排放量大的特點(diǎn)。除此之外，河北人口規(guī)模較大，城鎮(zhèn)化率并不理想。因此，除基準(zhǔn)情景外，另外5種情景對(duì)河北“碳達(dá)峰”都有促進(jìn)作用，且較北京、天津效果顯著。

4 結(jié) 語(yǔ)

本文采用STIRPAT模型對(duì)京津冀碳排放達(dá)峰進(jìn)行預(yù)測(cè)，選取嶺回歸方法對(duì)STIRPAT拓展模型系數(shù)進(jìn)行擬合，建立了碳排放達(dá)峰預(yù)測(cè)模型，對(duì)京津冀實(shí)現(xiàn)“碳達(dá)峰”的現(xiàn)狀和技術(shù)路徑進(jìn)行研究。通過(guò)綜合考慮人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源結(jié)構(gòu)6種數(shù)據(jù)參數(shù)的變化速度，設(shè)置了6種不同的情景，并對(duì)6種情景進(jìn)行了碳排放達(dá)峰預(yù)測(cè)，重點(diǎn)分析了實(shí)現(xiàn)“碳達(dá)峰”的影響因素，得出以下結(jié)論。

1）拓展的STIRPAT碳排放預(yù)測(cè)模型表明，人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源結(jié)構(gòu)是實(shí)現(xiàn)“碳達(dá)峰”的主要影響因素。

2）通過(guò)嶺回歸方法對(duì)北京、天津、河北2004—2021年的數(shù)據(jù)做出分析，擬合出了不受多重共線性影響的具有穩(wěn)定性的STIRPAT回歸方程，包括人口規(guī)模、人均GDP、城鎮(zhèn)化率、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度和能源結(jié)構(gòu)在內(nèi)的6項(xiàng)指標(biāo)。人口規(guī)模、人均GDP、城鎮(zhèn)化率的增加會(huì)導(dǎo)致碳排放量的增加，產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、能源結(jié)構(gòu)的優(yōu)化有助于二氧化碳排放量的減少。

3）北京除綠色發(fā)展情景是在2030年達(dá)峰，碳排放峰值為1.565×108 t，其余情景均是在2035年達(dá)到峰值；天津除經(jīng)濟(jì)放緩情景是在2030年達(dá)峰，碳排放峰值為1.938×108 t，其余情景均是在2035年達(dá)到峰值；河北除基準(zhǔn)情景是在2035年達(dá)峰，碳排放峰值為5.434×108 t，其余情景均是在2030年達(dá)到峰值。

4）基準(zhǔn)情景下，碳排放峰值最高，北京、天津、河北碳排放峰值分別為1.645×108，1.972×108，5.434×108 t；北京在綠色發(fā)展情景下的碳排放峰值最低，為1.565×108 t；天津與河北在經(jīng)濟(jì)情況放緩情景下，碳排放峰值較低，分別為1.938×108，5.371×108 t。

為京津冀能早日實(shí)現(xiàn)“碳達(dá)峰”，結(jié)合本研究給出幾點(diǎn)建議。

1）北京已具備實(shí)現(xiàn)“碳達(dá)峰”的經(jīng)濟(jì)基礎(chǔ)，在保證經(jīng)濟(jì)平穩(wěn)發(fā)展的基礎(chǔ)上，采用合理手段推動(dòng)產(chǎn)業(yè)升級(jí)、實(shí)施節(jié)能減排、優(yōu)化能源結(jié)構(gòu)有利于進(jìn)一步促進(jìn)碳減排。因此，應(yīng)重點(diǎn)完善能源結(jié)構(gòu)升級(jí)，加強(qiáng)工業(yè)污染治理，推動(dòng)北京市的碳減排。

2）天津在產(chǎn)業(yè)升級(jí)、能源結(jié)構(gòu)平穩(wěn)發(fā)展的基礎(chǔ)上，控制對(duì)土地生態(tài)的過(guò)渡開(kāi)發(fā)，放緩經(jīng)濟(jì)發(fā)展，有利于進(jìn)一步促進(jìn)碳減排，應(yīng)協(xié)調(diào)經(jīng)濟(jì)與能源結(jié)構(gòu)的綜合發(fā)展，以推動(dòng)天津市的減排降碳工作。

3）河北地理面積廣、人口密度大，在經(jīng)濟(jì)快速發(fā)展的同時(shí)造成了較為嚴(yán)重的環(huán)境污染，碳排放達(dá)峰之路任重而道遠(yuǎn)，在目前的基礎(chǔ)發(fā)展模式下，碳排放很難在2030年達(dá)到峰值。因此，應(yīng)在加快產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、能源清潔化發(fā)展的同時(shí)，著重發(fā)展制造業(yè)、服務(wù)業(yè)，不斷優(yōu)化創(chuàng)新，多措并舉協(xié)調(diào)發(fā)展。

根據(jù)京津冀地區(qū)實(shí)際情況，本研究?jī)H選取了6個(gè)影響較大的碳排放因素。在未來(lái)研究其他地區(qū)的碳排放問(wèn)題時(shí)，可根據(jù)所研究地區(qū)的實(shí)際情況作進(jìn)一步討論，同時(shí)融合當(dāng)?shù)卣邅?lái)設(shè)定不同情景。

參考文獻(xiàn)/References：

閆新杰，孫慧.基于STIRPAT模型的新疆“碳達(dá)峰”預(yù)測(cè)與實(shí)現(xiàn)路徑研究［J］.新疆大學(xué)學(xué)報(bào)（自然科學(xué)版）（中英文），2022，39（2）：206 212.

YAN Xinjie，SUN Hui.Research on prediction and realization path of "carbon peak" in Xinjiang based on STIRPAT model［J］.Journal of Xinjiang University （Natural Science Edition in Chinese and English），2022，39（2）：206 212.

［2］ 鄧小樂(lè)，孫慧.基于STIRPAT模型的西北五省區(qū)碳排放峰值預(yù)測(cè)研究［J］.生態(tài)經(jīng)濟(jì)，2016，32（9）：36 41.

DENG Xiaole，SUN Hui.Forecast of the northwest five provinces' carbon emissions based on STIRPAT model［J］.Ecological Economy，2016，32（9）：36 41.

［3］ SU Kai，LEE C M.When will China achieve its carbon emission peak？A scenario analysis based on optimal control and the STIRPAT model［J］.Ecological Indicators，2020，112：106138.

［4］ 張攀路，都沁軍.京津冀地區(qū)碳排放影響因素研究——基于擴(kuò)展STIRPAT模型［J］.國(guó)土資源科技管理，2022，39（3）：14 23.

ZHANG Panlu，DU Qinjun.On influencing factors of carbon emissions in Beijing Tianjin Hebei region：Based on the extended STIRPAT model［J］.Scientific and Technological Management of Land and Resources，2022，39（3）：14 23.

［5］ 張亞博.基于STIRPAT LEAP模型的京津冀區(qū)域碳排放峰值預(yù)測(cè)［D］.北京：中國(guó)石油大學(xué)（北京），2021.

ZHANG Yabo.Prediction of Carbon Emission Peak in Beijing Tianjin Hebei Region Based on STIRPAT LEAP Model［D］.Beijing：China University of Petroleum （Beijing），2021.

［6］ 許華，王瑩.EKC視角下陜西經(jīng)濟(jì)增長(zhǎng)與碳排放量實(shí)證研究［J］.調(diào)研世界，2021（1）：54 59.

XU Hua，WANG Ying.An empirical research on economic growth and carbon emissions of Shaanxi Province from the perspective of EKC［J］.The World of Survey and Research，2021（1）：54 59.

［7］ 秦華英，韓夢(mèng).基于MIDAS模型中國(guó)碳排放量的實(shí)時(shí)預(yù)報(bào)與短期預(yù)測(cè)［J］.環(huán)境科學(xué)學(xué)報(bào)，2018，38（5）：2099 2107.

QIN Huaying，HAN Meng.Real time forecasting and short term prediction of Chinese carbon dioxide emissions based on MIDAS model［J］.Acta Scientiae Circumstantiae，2018，38（5）：2099 2107.

［8］ 黃昱杰，劉貴賢，薄宇，等.京津冀協(xié)同推進(jìn)碳達(dá)峰碳中和路徑研究［J］.中國(guó)工程科學(xué)，2023，25（2）：160 172.

HUANG Yujie，LIU Guixian，BO Yu，et al.Beijing Tianjin Hebei coordinated development toward the carbon peaking and carbon neutra lity goals［J］.Strategic Study of CAE，2023，25（2）：160 172.

［9］ 韓楠，羅新宇.多情景視角下京津冀碳排放達(dá)峰預(yù)測(cè)與減排潛力［J］.自然資源學(xué)報(bào)，2022，37（5）：1277 1288.

HAN Nan，LUO Xinyu.Carbon emission peak prediction and reduction potential in Beijing Tianjin Hebei region from the perspective of multiple scenarios［J］.Journal of Natural Resources，2022，37（5）：1277 1288.

［10］LI Dezhi，HUANG Guanying，ZHU Shiyao，et al.How to peak carbon emissions of provincial construction industry？ Scenario analysis of Jiangsu Province［J］.Renewable and Sustainable Energy Reviews，2021，144. DOI：10.1016/j.rser.2021.110953.

［11］楊玉文，吳愛(ài)玲，朱洋洋.碳排放驅(qū)動(dòng)因素分解及動(dòng)態(tài)模擬：以內(nèi)蒙古自治區(qū)為例［J］.統(tǒng)計(jì)與決策，2020，36（12）：76 80.

［12］CUI Xuezhu，ZHAO Kuokuo，ZHOU Zhanhang，et al.Examining the uncertainty of carbon emission changes：A systematic approach based on peak simulation and resilience assessment［J］. Environmental Impact Assessment Review，2021，91. DOI：10.1016/j.eiar.2021.106667.

［13］HUO Tengfei，MA Yuling，CAI Weiguang，et al.Will the urbanization process influence the peak of carbon emissions in the building sector？A dynamic scenario simulation［J］.Energy and Buildings，2021，232. DOI：10.1016/j.enbuild.2020.110590.

［14］MA Minda，MA Xin，CAI Wei，et al.Low carbon roadmap of residential building sector in China：Historical mitigation and prospective peak［J］. Applied Energy，2020，273. DOI：0.1016/j.apenergy.2020.115247.

［15］LU Can，LI Wei，GAO Shubin.Driving determinants and prospective prediction simulations on carbon emissions peak for China's heavy chemical industry［J］.Journal of Cleaner Production，2020，251. DOI：10.1016/j.jclepro.2019.119642.

［16］DING Suiting，ZHANG Ming，SONG Yan.Exploring China's carbon emissions peak for different carbon tax scenarios［J］.Energy Policy，2019，129：1245 1252.

［17］朱勤，彭希哲，陸志明，等．中國(guó)能源消費(fèi)碳排放變化的因素分解及實(shí)證分析［J］．資源科學(xué)，2009，31（12）：2072 2079．

ZHU Qin， PENG Xizhe， LU Zhiming， et al.Factor decomposition and empirical analysis of carbon emission changes in China's energy consumption［J］. Resource Science，2009，31（12）：2072 2079.

［18］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.

［19］WANG Can， CHEN Jining， ZOU Ji. Decomposition of energy related CO2 emission in China：1957—2000［J］. Energy， 2005，30（1）：73 83．

［20］泰勒.結(jié)構(gòu)主義宏觀經(jīng)濟(jì)學(xué)［M］.顏澤龍，譯.北京：經(jīng)濟(jì)科學(xué)出版社，1990.

［21］劉彥君.京津冀地區(qū)碳排放峰值預(yù)測(cè)與分析［D］.保定：華北電力大學(xué)，2017.

LIU Yanjun.The Forecast and Analysis of Carbon Emissions' Peak Value in the Beijing Tianjin Hebei Region［D］.Baoding：North China Electric Power University，2017.