福建省碳排放達(dá)峰驅(qū)動(dòng)因素及達(dá)峰路徑研究

張 旭, 曠開(kāi)金, 洪 宇, 邱雯婷, 劉金福,4

(1.福建農(nóng)林大學(xué) 計(jì)算機(jī)與信息學(xué)院, 福州 350002; 2.生態(tài)與資源統(tǒng)計(jì)福建省高校重點(diǎn)實(shí)驗(yàn)室, 福州 350002;3.福建江夏學(xué)院 金融學(xué)院, 福州 350108; 4.福建農(nóng)林大學(xué) 林學(xué)院, 福州 350002)

全球氣候變暖是當(dāng)前全球乃至人類(lèi)社會(huì)面臨的重要挑戰(zhàn)之一[1],中國(guó)作為全球第一大能源消費(fèi)國(guó),面臨著嚴(yán)重的減排壓力,正在尋求各種手段減排。中國(guó)在未來(lái)的發(fā)展中既面臨著機(jī)遇也面臨著挑戰(zhàn),要達(dá)到排放峰值,發(fā)展轉(zhuǎn)型、能源結(jié)構(gòu)調(diào)整是重中之重。

如何實(shí)現(xiàn)碳排放達(dá)峰的最優(yōu)路徑,主要涉及碳排放主要驅(qū)動(dòng)因素研究與預(yù)測(cè)模型構(gòu)建。莊天璽等[2]以中國(guó)民航運(yùn)輸業(yè)碳排放量作為研究對(duì)象,基于Kaya恒等式以及廣義迪氏分解法(generalized schur decomposition,GDIM)將8個(gè)影響因素分為三個(gè)效應(yīng),分析出不同效應(yīng)對(duì)于碳排放量是促進(jìn)還是抑制作用;王法軍和姚艷霞[3]基于LMDI模型,對(duì)中國(guó)石灰業(yè)碳排放影響因素及趨勢(shì)預(yù)測(cè)進(jìn)行分析,用GM(1,1)對(duì)2023年碳排放量進(jìn)行預(yù)測(cè);李倩等[4]根據(jù)聯(lián)合國(guó)政府間氣候變化專(zhuān)門(mén)委員會(huì)(International Panel on Climate Change,IPCC)測(cè)算與云南省農(nóng)業(yè)碳排放量,結(jié)合Kaya恒等式和LMDI模型分析農(nóng)業(yè)碳排放影響因素并運(yùn)用情景分析法進(jìn)行預(yù)測(cè),得出2020—2030年農(nóng)業(yè)碳排放量最小的結(jié)論;楊桂才和張峰[5]模擬資源枯竭型城市能源消費(fèi)碳排放變化趨勢(shì)和核算方法,基于2030年碳達(dá)峰背景下,模擬碳達(dá)峰路徑;畢文麗和任曉宇[6]基于STIRPAT模型分析影響山東省建筑業(yè)碳排放因素,并用最小二乘和嶺回歸對(duì)影響因素進(jìn)行定性分析,用情景分析法分析出控制人口、產(chǎn)業(yè)結(jié)構(gòu)等因素是影響在2030年達(dá)到碳達(dá)峰的關(guān)鍵因素;方涵瀟等[7]模擬湖南省交通領(lǐng)域行業(yè)的碳達(dá)峰路徑,設(shè)置了三種情形,通過(guò)長(zhǎng)期能源替代規(guī)劃系統(tǒng)(long-range energy alternatives planning system,LEAP)進(jìn)行預(yù)測(cè);張?zhí)焓婧褪⑶咝腫8]基于中國(guó)建筑業(yè)碳排放情況,運(yùn)用LMDI模型進(jìn)一步探究影響建筑業(yè)碳排放的主要因素。以上研究所涉及的是行業(yè)領(lǐng)域,沒(méi)有涉及全局方面以及沒(méi)有綜合考慮碳達(dá)峰實(shí)現(xiàn)時(shí)間和路徑。

相關(guān)研究?jī)H局限于國(guó)家層面[9-11],而省域?qū)用鎇12-13]研究并不多見(jiàn),可能與省域尺度的能源系統(tǒng)、經(jīng)濟(jì)社會(huì)系統(tǒng)及管理體系差異性顯著有關(guān),導(dǎo)致國(guó)家尺度模型難以直接應(yīng)用于省域?qū)用??？梢?jiàn),探索省域經(jīng)濟(jì)內(nèi)部結(jié)構(gòu)碳排放模型是非常必要的,是用來(lái)評(píng)估經(jīng)濟(jì)發(fā)展對(duì)CO2排放的影響、指導(dǎo)地方政府編制節(jié)能低碳規(guī)劃與相關(guān)政策,以達(dá)到實(shí)現(xiàn)節(jié)能減排任務(wù)。

2012年至今,福建省工業(yè)增加值從8722億元增加1.96萬(wàn)億元,共計(jì)增長(zhǎng)10 878億元,總量從全國(guó)第11位躍居到第6位,穩(wěn)居?xùn)|部地區(qū)第1位,工業(yè)是產(chǎn)生碳排放的主要領(lǐng)域之一。福建作為國(guó)家首批生態(tài)文明試驗(yàn)區(qū)建設(shè),非常需要科學(xué)合理評(píng)估碳達(dá)峰時(shí)間,分析影響碳達(dá)峰時(shí)間關(guān)鍵因素,探索最優(yōu)達(dá)峰路徑,為早日實(shí)現(xiàn)福建省碳達(dá)峰目標(biāo)提供可靠理論依據(jù)。

1 材料與方法

1.1 研究區(qū)概況

福建省北承長(zhǎng)江三角洲,南接珠江三角洲,與浙江、江西、廣東相接,是我國(guó)沿海經(jīng)濟(jì)帶的重要組成部分,在全國(guó)區(qū)域經(jīng)濟(jì)發(fā)展布局中處于重要位置。福建省土地面積為12.4萬(wàn)km2,其中山地丘陵占80%以上,有“八山一水一分田”之稱(chēng),森林資源豐富,是我國(guó)南方的重點(diǎn)林區(qū)之一,森林覆蓋率為66.80%,居全國(guó)第一,有“綠色寶庫(kù)”之稱(chēng)?！笆濉币詠?lái),福建省綠色發(fā)展水平持續(xù)提升,GDP年均增長(zhǎng)7.1%,2020年全省生產(chǎn)總值4.39萬(wàn)億元,居全國(guó)第7位,人均GDP居全國(guó)第4位,綜合實(shí)力不斷提級(jí)進(jìn)位;單位GDP能耗持續(xù)下降,優(yōu)于全國(guó)平均水平的32%,四項(xiàng)主要污染物排放強(qiáng)度僅為全國(guó)平均水平的一半; 清潔能源裝機(jī)占比為56%,高于全國(guó)平均水平7個(gè)百分點(diǎn)。福建省以占全國(guó)約1.3%的土地、2.8%的人口、2.8%的能源消費(fèi),創(chuàng)造了占全國(guó)約4.3%的GDP。

1.2 數(shù)據(jù)來(lái)源

選取福建省人口規(guī)模、人均GDP、能源強(qiáng)度、城鎮(zhèn)化率和第二產(chǎn)業(yè)占比等指標(biāo)作為研究對(duì)象,選取其面板數(shù)據(jù)作為初始數(shù)據(jù),對(duì)初始數(shù)據(jù)進(jìn)行處理得到碳排放強(qiáng)度、能源強(qiáng)度,所有數(shù)據(jù)均來(lái)自2003—2020 年《福建省統(tǒng)計(jì)年鑒》和《福建省“十四五”規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)》,數(shù)據(jù)具有真實(shí)性和準(zhǔn)確性。

1.3 研究方法

1.3.1 碳排放系數(shù)法

該方法是IPCC提出的第一種碳排放核算的方法,也是廣泛應(yīng)用的一種方法。根據(jù)《2006年IPCC國(guó)家溫室氣體清單指南》推薦的碳排放量核算模型,即碳排放總量可由能源消費(fèi)量乘以能源折算標(biāo)準(zhǔn)煤系數(shù)乘以能源排放系數(shù)得到,計(jì)算公式為

CO2=∑NiMiEi

(1)

式中:CO2為碳排放總量;Ni為第i種能源消費(fèi)量,單位為萬(wàn)t;Mi為第i種能源折算標(biāo)準(zhǔn)煤系數(shù);Ei為第i種能源碳排放系數(shù),單位為萬(wàn)t/萬(wàn)噸標(biāo)準(zhǔn)煤。

1.3.2 Kaya等式

Kaya等式由教授Yoichi Kaya[14-15]最早提出并命名,把人類(lèi)活動(dòng)產(chǎn)生CO2進(jìn)行因素分解,將其和經(jīng)濟(jì)、政策、人口等因素聯(lián)系起來(lái),計(jì)算公式為

(2)

式中:C為CO2排放量;E為能源消耗量;G為國(guó)內(nèi)生產(chǎn)總值;P為人口;Ci為單位能源消耗CO2的排放碳量,表示排放強(qiáng)度;Ei為單位GDP消耗的能源用量,表示能源強(qiáng)度;Yi為人均GDP反映社會(huì)平均生活水平和宏觀經(jīng)濟(jì)運(yùn)行情況;Pi為總?cè)丝跀?shù)量。

通常情況下測(cè)定Ce、Ee、Ye、Pe各部分對(duì)CO2排放總量的影響通常采用微積分的方法,而該方法在計(jì)算變化量和變化分解時(shí),等式兩邊出現(xiàn)殘差干擾和不平衡問(wèn)題,可能使用LMID分解時(shí)出現(xiàn)分解謬誤。因此對(duì)Kaya等式進(jìn)行改進(jìn)為

ΔCO2=CO2(t)-CO2(0)=Ce+Ee+Ye+Pe

(3)

式中:ΔCO2為基于0年起始t年CO2排放量的總體變化值?？蓪⒆兓捣纸鉃?Ce為單位能源消耗CO2排放量變化即排放強(qiáng)度效應(yīng)影響;Ee為單位GDP消耗的能源數(shù)量變化即能源強(qiáng)度效應(yīng)影響;Ye為人均國(guó)內(nèi)生產(chǎn)總值變化即經(jīng)濟(jì)效應(yīng)影響;Pe為人口數(shù)量變化即人口效應(yīng)影響。通過(guò)改進(jìn)可避免等式兩邊近似誤差,LMDI分解不產(chǎn)生殘差,從而保證Kaya等式兩邊平衡。

1.3.3 LMDI分解法

由于拉氏指數(shù)分解中殘差量過(guò)大會(huì)影響分解結(jié)果,對(duì)于發(fā)展中國(guó)家進(jìn)行指數(shù)分析合理性尚未得出明確結(jié)論,而LMDI分解法[16-17]可消除殘差項(xiàng),是目前相對(duì)于合理的一種方法。為此,結(jié)合改進(jìn)Kaya等式,設(shè)ΔCO2為CO2在[0,t]時(shí)間段變化總量,Ce、Ee、Ye、Pe分別為C、E、Y、P四個(gè)影響因素對(duì)ΔCO2分解值,根據(jù)LMID因素分解步驟對(duì)改進(jìn)Kaya等式進(jìn)行乘法分解和差分分解,得到以下公式:

(4)

(5)

(6)

(7)

1.3.4 STIRPAT模型

嶺回歸[18]是在估計(jì)中加入偏差來(lái)獲得更好估計(jì)的同時(shí)解決多重共線性的問(wèn)題,是在最小二乘法的基礎(chǔ)上放棄無(wú)偏性,通過(guò)損失部分信息和降低精度來(lái)獲得更符合實(shí)際、更可靠的回歸系數(shù),對(duì)病態(tài)數(shù)據(jù)的擬合要優(yōu)于最小二乘法。

STIRPAT模型是Yorkr等[19]在IPAT恒等式基礎(chǔ)上提出隨機(jī)特殊形式,具有較強(qiáng)的靈活性,并且解決了IPAT恒等式中等比例變化的局限性,是目前研究碳排放影響因素的主要方法之一。采用STIRPAT擴(kuò)展模型對(duì)福建省的碳排放影響因素和碳排放峰值進(jìn)行研究[20]。模型基本形式為

I=aPbAcTdu

(8)

式中:I為影響環(huán)境的因素;a為模型的系數(shù);P為人口因素;A為經(jīng)濟(jì)表現(xiàn);T為技術(shù)水平;b、c、d為彈性系數(shù);u是隨機(jī)誤差。根據(jù)建立的STIRPAT拓展模型,為解決異方差性問(wèn)題,將模型進(jìn)行對(duì)數(shù)化處理,得到

lnI=lnA+blnP+clnA+dlnT+lnu

(9)

1.3.5 情景分析法

情景分析法是綜合考慮能源消費(fèi)、資源環(huán)境以及碳排放約束等因素,合理對(duì)預(yù)測(cè)對(duì)象未來(lái)的發(fā)展進(jìn)行分析,對(duì)出現(xiàn)不合理的變化及時(shí)進(jìn)行調(diào)整。將碳排放驅(qū)動(dòng)因素變化率設(shè)定高、中、低3種強(qiáng)度并排列組合,建立組合情景[21]進(jìn)行預(yù)測(cè),為碳達(dá)峰研究提供較為全面的情景考慮。

2 結(jié)果與分析

2.1 能源消費(fèi)量與能源結(jié)構(gòu)

福建省能源消費(fèi)結(jié)構(gòu)與產(chǎn)業(yè)結(jié)構(gòu)如圖1所示,其中第二產(chǎn)業(yè)能源消費(fèi)增長(zhǎng)曲線與能源消費(fèi)總量增長(zhǎng)曲線相近,第一產(chǎn)業(yè)保持平穩(wěn),第三產(chǎn)業(yè)逐年遞增,第二產(chǎn)業(yè)能源消費(fèi)在三次產(chǎn)業(yè)能源消費(fèi)中占主要比例。因此,第二產(chǎn)業(yè)占比增加影響能源消費(fèi)量和碳排放提升,第三產(chǎn)業(yè)的增長(zhǎng)能有效促進(jìn)綠色增長(zhǎng),推動(dòng)低碳經(jīng)濟(jì)發(fā)展。由圖1可知,福建省2003—2020年能源消費(fèi)總量呈現(xiàn)不斷遞增的趨勢(shì),2014年后增長(zhǎng)速度逐漸減慢,增長(zhǎng)幅度逐漸減小,即福建省積極響應(yīng)國(guó)家號(hào)召,低碳發(fā)展規(guī)劃已初見(jiàn)成效,能源消費(fèi)總量增長(zhǎng)速度逐漸變緩,也可知碳排放量增長(zhǎng)速度也有所減緩。

圖1 2003—2020年福建省產(chǎn)業(yè)能源消費(fèi)結(jié)構(gòu)

2.2 碳排放核算

考慮到數(shù)據(jù)準(zhǔn)確性,統(tǒng)計(jì)一次能源消耗碳排放量時(shí),僅計(jì)算煤炭、石油、天然氣等三類(lèi)主要來(lái)源的碳排放量,其中加工、運(yùn)輸過(guò)程中產(chǎn)生碳排放量損耗及其他原因?qū)е庐a(chǎn)生的碳排放量可忽略不計(jì)。

參考福建省歷年來(lái)原煤、石油、天然氣數(shù)據(jù),依相關(guān)資料報(bào)道,CO2碳排放系數(shù)中,國(guó)家發(fā)改委能源研究所推薦數(shù)值為0.67,其他國(guó)家與我國(guó)的推薦數(shù)值有微小差異,如日本能源經(jīng)濟(jì)所提供的參考值為0.68,美國(guó)能源部則給出了0.69作為能源信息署參考值,與推算值(0.68)基本相當(dāng)。因此,采用日本能源研經(jīng)濟(jì)研究提供的碳排放系數(shù),即1萬(wàn)噸標(biāo)準(zhǔn)煤的碳排放量為0.68萬(wàn)t。接下來(lái)計(jì)算福建省2003—2020碳排放量,將碳排放量結(jié)果乘以44/12得到CO2的排放量,如表1所示。

由表1可知,能源結(jié)構(gòu)中消費(fèi)占較大的部分依然是原煤、石油、天然氣等三大類(lèi),原煤則占據(jù)較大比例。2009年以來(lái),原煤及石油能源消費(fèi)總量占比逐漸降低,而天然氣能源消費(fèi)總量占比逐漸上升,到2013年天然氣占比達(dá)到5.8%,說(shuō)明福建省對(duì)于能源結(jié)構(gòu)側(cè)重方面的調(diào)整已初見(jiàn)成效。同時(shí),2004—2005年碳排放年增長(zhǎng)率是調(diào)查期中最大值,2015年碳排放總量就處于短暫低谷期,隨后碳排放總量增長(zhǎng)開(kāi)始變得平緩。

2.3 碳排放影響因素

結(jié)合改進(jìn)Kaya等式(2)與LMDI分解法,以相鄰兩個(gè)時(shí)間區(qū)間,計(jì)算2003—2020年福建省CO2排放量的影響因素分解值(表2)。其中數(shù)字大小表示因素對(duì)于福建省CO2排放量大小,正負(fù)號(hào)表示因素影響的正負(fù)效應(yīng),數(shù)字為正表明變化因素對(duì)碳排放增長(zhǎng)帶來(lái)正向影響,數(shù)字為負(fù)代表變化因素對(duì)碳排放增長(zhǎng)帶來(lái)反向影響。

表1 2003—2020年福建省能源消費(fèi)產(chǎn)生碳排放測(cè)算結(jié)果

表2 各影響因素對(duì)2003—2020年福建省排放量變動(dòng)的貢獻(xiàn)率

不同時(shí)間段的不同因素對(duì)CO2排放量的影響存在差異,其中經(jīng)濟(jì)發(fā)展因素對(duì)于CO2排放量影響最大,其次是能源強(qiáng)度、人口因素、排放強(qiáng)度。能源強(qiáng)度與碳排放量之間呈現(xiàn)負(fù)相關(guān),當(dāng)單位GDP能源消耗總量下降時(shí),碳排放量增長(zhǎng)趨勢(shì)變緩;隨著排放強(qiáng)度、人均GDP和人口總量的增加,碳排放量也隨之增加,因此這三個(gè)因素具有不同程度增碳正效應(yīng)。

依陳剛等[22]排放量變動(dòng)的影響貢獻(xiàn)率計(jì)算公式Ce/ΔCO2、Ee/ΔCO2、Ye/ΔCO2、Pe/ΔCO2得到表2。其中排放強(qiáng)度實(shí)際呈現(xiàn)了能源消費(fèi)結(jié)構(gòu)情況的優(yōu)劣程度,合理的能源消費(fèi)結(jié)構(gòu)對(duì)應(yīng)著較小的排放強(qiáng)度。隨著福建省能耗排放強(qiáng)度的提高,CO2貢獻(xiàn)率也隨之提高,2003—2020年排放強(qiáng)度效應(yīng)貢獻(xiàn)率保持穩(wěn)定。能源強(qiáng)度效應(yīng)對(duì)CO2貢獻(xiàn)率為負(fù)向,能源強(qiáng)度呈現(xiàn)下降趨勢(shì),有效緩解福建省碳排放增長(zhǎng)速度。表2中經(jīng)濟(jì)效應(yīng)對(duì)CO2排放貢獻(xiàn)率影響最大,呈正向影響CO2排放;而人口效應(yīng)呈負(fù)向影響CO2排放,即隨人口增加,所需資源也越多,近幾年福建省人口增長(zhǎng)速度穩(wěn)定,對(duì)減排事業(yè)做出貢獻(xiàn)。

2.4 基于嶺(Ridge)回歸的STIRPAT模型構(gòu)建

以lnI為因變量,lnP、lnA、lnT、ln PS和ln IS為自變量,通過(guò)VIF判斷變量之間共線性。當(dāng)VIF值大于10時(shí),表明模型存在嚴(yán)重的多重共線性,而lnP、lnA、lnT、ln PS的VIF值均大于10,通過(guò)嶺回歸分析知當(dāng)k=0.02時(shí),各自變量回歸系數(shù)的值保持穩(wěn)定。

k=0.02時(shí),標(biāo)準(zhǔn)嶺回歸方程為

lnI=0.022 6lnP+0.711 7lnA+0.373 7lnT+0.535 5ln PS+0.158 8ln IS

(10)

擬合得到的擬回歸方程為

lnI=6.010 3+0.130 8lnP+0.371 2lnA+0.371 2lnT+1.436 4ln PS+1.33ln IS

(11)

調(diào)整后的式(11)可決系數(shù)為98.42%,擬合效果良好。以lnP、lnA、 lnT、ln PS、ln IS為自變量, lnI作為因變量進(jìn)行嶺回歸分析,k=0.02時(shí),R2=0.984 2,即lnP、lnA、lnT、 ln PS和ln IS可解釋lnI的98.42%變化原因。

針對(duì)模型方程(11)進(jìn)行方差檢驗(yàn),得到F=149.140 1,P<0.05,故在顯著性水平0.05下,模型方程通過(guò)顯著性檢驗(yàn);回歸系數(shù)進(jìn)行顯著性檢驗(yàn),除了人口變量P,其余變量P均小于0.05,即lnA、lnT、ln PS和ln IS系數(shù)均通過(guò)t檢驗(yàn),具有經(jīng)濟(jì)學(xué)意義。

2.5 福建省碳排放峰值預(yù)測(cè)

2.5.1 變量解釋

依據(jù)式(8),對(duì)模型各個(gè)變量進(jìn)行解釋,如表3所示。

2.5.2 碳排放情景設(shè)定

預(yù)測(cè)福建省2021—2050年CO2排放量的變化量求解,主要基于2003—2020年福建省的歷史數(shù)據(jù), 各變量參數(shù)變化率設(shè)定主要參考姜春然等[23-24]。

1)人口規(guī)模中不同發(fā)展模式城鎮(zhèn)化增長(zhǎng)率存在差異,可將低速、中速、高速等三種發(fā)展模式下第一階段人口增長(zhǎng)年均增速分別假設(shè)為近5年人口增長(zhǎng)率的一半即0.45%、平均值為0.89%、最高值為1.21%。

2)人均GDP中速、低速、高速等三種發(fā)展模式下第一階段的人均GDP年均增速假設(shè)平均增長(zhǎng)率為5.4%、近5年平均增速的一半即4.7%、平均增速為9.4%。

3)能源強(qiáng)度在低速、中速、高速等三種發(fā)展模式下,2021—2050年均增速假設(shè)為近5年最低增速一半即-0.18%、平均值的一半即-3.5%、最高增速的一半即-9.7%。

4)依據(jù)《福建省“十四五”規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)》中指出,到2025年福建省常住人口城鎮(zhèn)化率達(dá)到71.5%,而2020年為68.76%,則“十四五”規(guī)劃期間福建省城鎮(zhèn)規(guī)劃率的年平均增長(zhǎng)率為0.8%?？梢?jiàn),基于中速、低速、高速等三種發(fā)展模式可設(shè)定第一階段的城鎮(zhèn)化年均增速分別年均增長(zhǎng)率為0.8%、近5年最低增速的一半0.65%、最高增速2.1%。

5)第二產(chǎn)業(yè)占比中,低速、中速、高速發(fā)展模式下第一階段的第二產(chǎn)業(yè)占比下降速度分別設(shè)定為近5年的最低值的一半即-0.6%、平均值的一半即-1.02%、最高值的一半即-1.6%。由此計(jì)算各參數(shù)的變化率如表4所示。

表3 模型各變量解釋

表4 情景模式預(yù)測(cè)變化率

假設(shè)STIRPAT拓展模型中各自變量分別由高、中、低三種發(fā)展模式構(gòu)成,低速發(fā)展模式即經(jīng)濟(jì)社會(huì)發(fā)展、人口增長(zhǎng)、科技水平發(fā)展、能源結(jié)構(gòu)及產(chǎn)業(yè)結(jié)構(gòu)調(diào)整、城鎮(zhèn)化發(fā)展速度均較慢,中速發(fā)展模式的各項(xiàng)指標(biāo)發(fā)展速度或調(diào)整速度均為中等,高速發(fā)展模式的各項(xiàng)指標(biāo)發(fā)展速度就比較快速。

2.5.3 碳排放峰值與峰值時(shí)間預(yù)測(cè)

根據(jù)情景模式預(yù)測(cè)變化率設(shè)置不同情景模式下各變量的數(shù)值,結(jié)合STIRPAT模型進(jìn)行回歸方程的擬合,對(duì)不同發(fā)展模式下的能源消耗碳排放值進(jìn)行預(yù)測(cè),結(jié)果如表5所示。

由表4、表5、圖2可知,人口規(guī)模、能源強(qiáng)度、人均GDP、城鎮(zhèn)化率、第二產(chǎn)業(yè)占比在組合情景模式下,福建省能源消耗排放量表現(xiàn)為先增長(zhǎng),而后較為明顯下降的趨勢(shì),可及時(shí)采取有效措施加以控制,爭(zhēng)取早日達(dá)到碳達(dá)峰。為此,對(duì)5個(gè)變量低、中、高等三種情景模式進(jìn)行組合排列模擬,得出5個(gè)變量情景模式依次為低-低-中-低-低、低-低-中-低-中、低-低-中-中-中等三種組合狀態(tài)出現(xiàn)峰值。

從峰值時(shí)間來(lái)看,人口規(guī)模、能源強(qiáng)度、城鎮(zhèn)化率和第二產(chǎn)業(yè)占比均為低速發(fā)展模式,人均GDP為中速發(fā)展模式下2040年達(dá)到碳達(dá)峰;人口規(guī)模、能源強(qiáng)度、城鎮(zhèn)化率均為低速發(fā)展模式,人均GDP、第二占比為中速發(fā)展模式下2025年達(dá)到碳達(dá)峰;人口規(guī)模、能源強(qiáng)度為低速發(fā)展模式,人均GDP、城鎮(zhèn)化率、第二產(chǎn)業(yè)占比均為中速發(fā)展模式下2030年達(dá)到碳達(dá)峰。

表5 三種模式下福建省2021—2050年能源消耗碳排放預(yù)測(cè)值

圖2 三種模式下福建省2021—2050年能源消耗碳排放預(yù)測(cè)值

從峰值水平來(lái)看,5個(gè)變量為低-低-中-低-低情景模式時(shí),碳排放量峰值為7 300.07萬(wàn)t;5個(gè)變量為低-低-中-低-中情景模式時(shí),碳排放量峰值為6 888.94萬(wàn)t;而5個(gè)變量為低-低-中-中-中情景模式下,碳排放量峰值為6 999.47萬(wàn)t。

3 結(jié)論與討論

3.1 結(jié)論

依據(jù)LMDI分解結(jié)果,不同時(shí)間段的不同因素對(duì)CO2排放量的影響存在差異,其中經(jīng)濟(jì)發(fā)展對(duì)于CO2排放量的影響居首位,能源強(qiáng)度、人口因素、排放強(qiáng)度影響程度依次漸小。

從能源消耗排放量來(lái)看,能源消耗排放量呈現(xiàn)不斷增長(zhǎng)趨勢(shì),而趨勢(shì)逐漸變緩;從碳排放量增長(zhǎng)率來(lái)看,2003—2020年碳排放量年增長(zhǎng)率在2005年達(dá)到最高18.81%,后續(xù)年增長(zhǎng)率呈現(xiàn)漲落相間的趨勢(shì),從2016年開(kāi)始,增長(zhǎng)率的變化呈現(xiàn)逐漸下降的穩(wěn)定趨勢(shì);在產(chǎn)業(yè)結(jié)構(gòu)方面,以工業(yè)為主的第二產(chǎn)業(yè)帶來(lái)了更多的碳排放量。

在組合情節(jié)發(fā)展模式下,福建省能源消耗排放峰值出現(xiàn)時(shí)間不同。在人口規(guī)模、人均GDP、能源強(qiáng)度、城鎮(zhèn)化率、第二產(chǎn)業(yè)占比等變量呈現(xiàn)低-低-中-低-低發(fā)展模式下能源消耗碳排放峰值出現(xiàn)時(shí)間為2040年,峰值量約為7 300.07萬(wàn)t;在低-低-中-低-中發(fā)展模式下能源消耗碳排放峰值出現(xiàn)的時(shí)間為2025年,峰值量約為6 888.94萬(wàn)t;在低-低-中-中-中模式下能源消耗碳排放峰值出現(xiàn)的時(shí)間為2030年,峰值量約為6 999.47萬(wàn)t。

3.2 討論

根據(jù)碳排放系數(shù)來(lái)看,化石燃料中煤炭和石油的系數(shù)較大,而天然氣系數(shù)很小,因此增加天然氣的使用比例,構(gòu)建合理的能源消費(fèi)結(jié)構(gòu)。在電力行業(yè)方面,充分利用可再生能源,提倡各行業(yè)使用風(fēng)電、水電、生物質(zhì)等,在經(jīng)濟(jì)增長(zhǎng)、能源消耗量增大前提下降低碳排放。

考慮能耗碳排放強(qiáng)度和能源強(qiáng)度對(duì)碳排放主要起促進(jìn)作用,為此,應(yīng)利用福建省自身科技優(yōu)勢(shì)、人才優(yōu)勢(shì)開(kāi)發(fā)低碳環(huán)技術(shù),使能耗排放強(qiáng)度和能源強(qiáng)度抑制碳排放強(qiáng)度增大。

福建人口逐年遞增,居民日常生活及出行影響著碳排放量。政府應(yīng)該完善促進(jìn)綠色低碳發(fā)展的政策體系,推動(dòng)綠色低碳技術(shù)實(shí)現(xiàn)重大突破,倡導(dǎo)綠色低碳生活方式。