朱宇恩^1,, 李丽芬¹, 贺思思¹, 李华¹, 王云^2,3,
1. 山西大学环境与资源学院,太原030006
2. 华中科技大学,武汉430074
3. 山西省社会科学院能源经济研究所,太原030006

Peak year prediction of Shanxi Province’s carbon emissions based on IPAT modeling and scenario analysis

ZHUYuen^1,, LILifen¹, HESisi¹, LIHua¹, WANGYun^2,3,
1. School of Environment and Resources,Shanxi University,Taiyuan 030006,China
2. Huazhong University of Science & Technology,Wuhan 430074,China;
3. Institute for Energy Economics,Shanxi Academy of Social Science,Taiyuan 030006,China
通讯作者:通讯作者：王云,wangyun1978@163.com
收稿日期:2016-07-8
修回日期:2016-09-21
网络出版日期:2016-12-20
版权声明:2016《资源科学》编辑部《资源科学》编辑部
基金资助:山西经济社会发展重大研究课题（ZD201409）山西省“十三五”规划前期研究重大课题（2014024）2015 年度山西大学大学生创新创业训练计划资助项目（201510108005）
作者简介:
-->作者简介：朱宇恩,男,山西平遥人,博士,讲师,主要研究方向为温室气体排放核算与控制。zhuyuen@sxu.edu.cn.



展开

摘要
山西省是中国重要的能源重化工基地,温室气体排放量位居中国前列,减排压力巨大,合理预测碳排放峰值年,有助于明晰减排目标,为有效设计减排路径提供帮助。本文采用IPAT模型,对山西省中长期能源碳排放量以及峰值年进行了预测。结果显示,在山西省当前能源与结构状态下,相较于可再生能源年替代率,年GDP增速和年节能率对山西省中长期碳排放影响更为显著,是2030年达到碳排放峰值年的关键控制指标。在GDP低速和中速发展情景下,山西省碳排放量均可在2030年前达到峰值,碳排放最大峰值量分别为6.6亿t和7.1亿t;在GDP高速发展情景下,预测结果显示,2015-2040年碳排放量一直增长,无法达到峰值年,上调年节能率或可再生能源年替代率0.60%及以上,方可确保山西省2030年达到碳排放峰值年。

关键词：IPAT模型;情景分析法;能源消费;碳排放峰值年;山西省
Abstract
Global warming and greenhouse gas emissions have become key factors restricting economic development in China. Shanxi Province is top-ranked nationwide in terms of greenhouse gas emissions and faces huge challenges regarding emissions reduction as an important national energy and heavy chemical industry base in China. A reasonable forecast of the peak year of carbon emissions will help clarify the accessibility of carbon-reduction targets and the effectiveness of carbon reduction programs. Here,taking Shanxi’s annual GDP growth rate,energy saving rate and the replacement rate of renewable energy as parameters,we use different scenarios and combine IPAT modeling to predict medium and long-term energy carbon emissions and peak years of carbon emissions. Results show that compared with the annual replacement rate of renewable energy,the annual GDP growth rate and energy saving rate have more influence on the medium and long-term carbon emissions of Shanxi under current energy and structural conditions. The annual GDP growth rate and energy saving rate are critical for whether carbon emissions peak in 2030. Given the small to medium annual GDP growth rate,Shanxi’s carbon emissions peak before 2030,coupled with energy conservation and energy structural adjustment. However,under the high annual GDP growth rate scenario,carbon emissions in 2015-2040 keep rising,and will not peak assuming constant current annual energy savings and the replacement rate for renewable energy. Raising the annual energy saving rate and replacement rate for renewable energy by 0.6 percentage points would ensure that carbon emissions peak by 2030.

Keywords：IPAT model;scenario analysis;energy consumption;carbon emissions peak years;Shanxi Province

-->0
PDF (934KB)元数据多维度评价相关文章收藏文章
本文引用格式导出EndNoteRisBibtex收藏本文-->
朱宇恩, 李丽芬, 贺思思, 李华, 王云. 基于IPAT模型和情景分析法的山西省碳排放峰值年预测[J]. , 2016, 38(12): 2316-2325 https://doi.org/10.18402/resci.2016.12.11
ZHU Yuen, LI Lifen, HE Sisi, LI Hua, WANG Yun. Peak year prediction of Shanxi Province’s carbon emissions based on IPAT modeling and scenario analysis[J]. 资源科学, 2016, 38(12): 2316-2325 https://doi.org/10.18402/resci.2016.12.11

1 引言

2013年度《全球碳预算》报告发布,中国化石燃料燃烧CO₂排放量占全球总排放量的27%,为碳排放大国^[1]。山西省是中国典型的资源型经济代表和碳排放大省,CO₂排放量曾位居全国第一^[2],减排压力巨大,也面临着碳排放峰值年能否在2030年达到的巨大疑问。围绕山西省2030年碳排放峰值年涉及如下问题：①碳排放峰值年能否在2030年到来;②碳排放峰值年尽早到来的调控方法是什么;③不同调控政策下碳排放峰值年何时到来。选择一种准确的预测方法是解答上述问题的第一步。
目前,国内外****对碳排放问题进行了大量研究,碳排放预测的研究方法主要有IPAT模型、Kaya恒等式、STIRPAT模型、LEAP模型等^[3,4]。其中IPAT模型能够综合反映能源、经济、环境等多系统发展,可扩性较强,在碳排放领域有较多应用^[5-7]。杜强等在对中国未来碳排放预测研究时对 IPAT 模型进行改进,发现优化后的模型能排除可变因素的影响,提高碳排放预测准确性,证实模型优化的有效性^[8]。聂锐等利用IPAT模型结合指数分解对碳排放进行了预测研究,发现了模型对影响因素的细化能力^[9]。同时,IPAT模型还可对碳排放驱动因素进行分析,进而确定各因素的影响大小以剔除偶然因素的影响^[4,10],邓椿等利用改进后的IPAT模型结合LMDI方法对1988-2012年山西省的碳排放影响因素进行定量研究^[11],从而确定了能源消耗强度的直接影响因素。宋晓辉等利用IPAT模型以五个典型国家（中国、日本、印度、德国和美国）为例分析了人口总量、能源强度和人均财富对碳排放强度的影响程度并对各影响因素进行了分析和比较,确定了各国家碳排放的主要影响因素^[12]。可见,正确辨别影响因素,合理优化后的IPAT模型具有应用于碳排放预测的潜力。
“情景分析法”（Scenario Analysis）近年来在碳排放预测中得到广泛应用^[13,14],其最大优势是可预测未来碳排放变化的某些趋势,避免过高或过低估计未来的变化及其影响。朱婧等通过设定多维度发展情景,预测未来低碳城市的能源需求,避免了单一以及低维度情景预测的片面性^[15]。张书通等以一次能源消费总量和GDP值为参数设定了6种不同情景并对各情景下的碳排放强度进行了预测,从而提出了更具有针对性的节能减排建议^[16]。情景分析法有效摆脱传统分析模式的束缚,可以反映未来可持续能源发展的道路选择,更有利于政策的制定与执行^[17-19]。
本文通过与山西省的实际情况相结合,以山西省年GDP增速、年节能率、可再生能源年替代率为参数,构建IPAT模型,并以此为依据运用情景分析法合理设置情景组合对山西省中长期能源碳排放量以及碳排放峰值年进行了预测和评价。

2 研究区概况、研究方法与数据来源

2.1 研究区概况

山西省是中国重要的能源和原材料供应基地,典型的资源型经济代表和碳排放大省,正处于工业化、城镇化快速发展关键时期。据研究,“十一五”期间,山西省的碳排放量和人均碳排放呈连续增长趋势,2009年碳排放的年增长率高达9%^[1]。以煤炭为依托的山西省面临着如何借助低碳发展推动资源型经济转型的重要问题。碳排放峰值年的准确预测和调节显得尤为重要。

2.2 研究方法

目前,国内外很多****采用IPAT模型对碳排放进行预测。IPAT模型是由Enrlich等在1971年最早提出的,反映的是人口、经济、技术与环境的关系^[20]。该模型扩展空间较大,可根据实际情况对影响因素进行分解,分析何种因素对环境压力的影响更为明显。IPAT方程（公式（1））是在大量****经过反复讨论和验证后确定下来,具有简单实用的优点^[21]：
I=P×A×T（1）
式中I（Impact）为人口对环境的影响;P（Population）为国内人口总量;A（Affluence）为人均财富或人均产出;T（Technology）为单位经济产出对环境的影响,由技术进步决定。
Kaya是IPAT方程的一个具体应用,是通过构造链式乘积的形式将T中隐含的因素分解出来,增加了结果的准确性,计算公式如下：
CCO2=CCO2E×EG×GP×P（2）
式中 CCO2为CO₂排放量;E为一次能源消费总量;G为国内生产总值。

2.3 模型构建

根据 I=P×A×T一般形式,令 G=P×A,则 I=G×T,令 CCO2替代I,r代替T,对IPAT方程和Kaya恒等式改进,碳排放强度与碳排放总量关系如公式（3）和公式（4）所示：
(3)
(4)
式中r为碳排放强度; Ei为第i种能源的消费量; Fi为第i种能源的碳排放系数; Si为第i种能源的结构份额;M为能源强度。
如果短期内能源利用技术未发生重大变革,那么每一种能源的碳排放系数 Fi相对固定,根据以上CO₂排放因素分解模型可知,短期内碳排放的变动只受到经济总量、能源强度与能源结构的影响。假定GDP的年增长率为g年,节能率为e,将 ∑Si×Fi定义为能源结构优化系数,表示能源结构调整所致的综合碳排放系数,设其为d。
根据单位GDP能耗降低率^[22]的定义,当期单位GDP能耗按公式（5）计算：
E0G0(1-e)t=EtGt=EtG0(1+g)t（5）
可以推得：
Et=E01-e)t×1+g)t（6）
基期与当期CO₂排放量可分别按公式（7）和公式（8）计算^[23,24]：
CCO2,0=4412×E0×d0（7）
CCO2,t=4412×Et×dt（8）
dt=d0×(1-v)t（9）
将公式（6）、公式（7）、公式（9）带入公式（8）,推得第t期的CO₂排放量为：
CCO2,t=CCO2,0×1-e)t×1+g)t×1-v)t（10）
式中 E0为基年能源消耗量; G0为基年GDP总量; E0/G0为基期单位GDP能耗;e为年节能率;t为基年至预测年份的年数; Et为当期能源消耗量; Gt为当期的GDP总量; Et/Gt为当期单位GDP能耗; CCO2,0为基期CO₂排放量; CCO2,t为当期CO₂排放量; d0为基年综合碳排放系数; dt为当期综合碳排放系数;v为可再生能源年替代率。

2.4 模型验证及数据来源

人类活动的二氧化碳排放90%以上来源于能源的使用^[25,26]。在研究中,大部分的****也将区域能源消费总量的二氧化碳排放看成是实际的区域二氧化碳排放总量。本文也采用相同的方法,将山西省能源消费总量的二氧化碳排放当做实际的碳排放总量,根据山西省各能源消费量及其碳排放系数计算山西省实际碳排放值（实际碳排放量=∑各能源消费量 ×各能源的碳排放系数）。同时,根据查找出的GDP年增速、年节能率和可再生能源年替代率,按照优化后的IPAT模型,以上一年碳排放量为基期,计算山西省碳排放量,计算结果见表1。
Table 1
表1
表12005-2013年山西省参数及碳排放拟合值
Table 1Parameters and carbon emissions fitting values in Shanxi Province from 2005 to 2013

年份	GDP年增速 /%	年节能率 /%	可再生能源年替代率/%	碳排放实际值 /万t	碳排放计算值 /万t	误差 /%
2005	12.60	2.03	0.86	37 839.63	38 613.39	-2.04
2006	11.80	2.00	1.99	41 997.01	41 464.48	1.27
2007	15.90	4.50	2.76	43 422.77	44 628.06	-2.78
2008	8.50	7.40	3.50	43 399.27	43 268.92	0.30
2009	5.40	5.70	3.94	43 334.75	41 311.49	4.67
2010	13.90	5.08	0.29	46 247.41	44 533.94	3.71
2011	13.00	3.55	0.45	50 497.26	48 318.45	4.31
2012	10.10	4.00	0.49	52 969.26	50 820.42	4.06
2013	8.90	3.80	0.49	53 449.53	52 979.51	0.88

注：误差=（实际值-预测值）/实际值;数据来源于山西省统计局^[27],计算方法同参数确定部分。
新窗口打开
2005-2013年山西省实际碳排放值是根据各能源消费量及其碳排放系数计算而得。其主要的能源品种有煤炭、焦炭、汽油、煤油、柴油、燃料油、天然气,消费量采用《山西省统计年鉴（2005-2013）》 ^[27]中的相关数据。将其折标煤后乘以各自的二氧化碳排放系数即为实际碳排放量。折标煤系数和二氧化碳排放系数分别采用《综合能耗计算通则》（GBT 2589-2008）^[28]、IPCC（2006）^[29]及国家气候变化对策协调小组办公室和国家发改委能源研究所（2007）发布的相关数据^[30]。
由表1可看出,利用优化后的IPAT模型进行计算时,2009年的误差较大,其主要原因是自2008年第四季度到2009年山西省受全球经济危机影响严重,导致GDP年增长率下降幅度过大。其他年份的计算值与实际值之间误差基本在4%之内。由此可以得出,模型预测的准确度较高,模型与数据耦合程度较好。

3 情景分析及参数确定

“情景”一词最早出现在1967年Herman 等著的《2000年》一书中,是指为达到未来可能出现的结果而构建的一个情景^[31]。情景设置越精细,预测结果就会越准确。情景分析需要综合考虑多方面因素,合理设置情景^[32]。本文对山西省2015-2040年经济发展设置A1、A2、A3三种情景,具体见表2。
Table 2
表2
表22015-2040年山西省经济发展情景设置
Table 2Scenarios of annual GDP growth rate in Shanxi Province from 2015 to 2040

情景		特征描述
A1	低速发展情景	山西省经济未来处于低速发展,即GDP年均增速处于预测区间的低值状态
A2	中速发展情景	山西省经济未来处于中速发展,即GDP年均增速处于预测区间的中值状态
A3	高速发展前景	山西省经济未来处于高速发展,即GDP年均增速处于预测区间的高值状态

新窗口打开
综合2015-2040年山西省能源产业结构的改变,节能减排措施的实施以及未来政府和民众的节能意识变化,本文对年节能率设置为B1、B2、B3三种情景,具体见表3。
Table 3
表3
表32015-2040年山西省年节能率发展情景设置
Table 3Scenarios of annual energy saving rate in Shanxi Province from 2015 to 2040

情景		特征描述
B1	年节能率低	基准情景：对山西省产业和能源结构基本不做调整,按照目前发展而并不采取任何强制措施进行节能减排的碳排放发展情景
B2	年节能率中	优化情景：充分考虑当前的节能减排措施,对产业和能源结构进行一定的调整,引进先进技术,但节约型的生活方式和消费理念尚未深入人心
B3	年节能率高	低碳情景：是指产业结构和能源结构得到了优化调整,政府和民众有较强节能意识,企业增大科研投入,降低能源强度,政府大力发展清洁能源,鼓励民众使用清洁能源等发展情况下的节能情景

新窗口打开
在可再生能源年替代率方面,根据2015-2040年能源结构变化对可再生能源年替代率可能影响,设置C1、C2、C3三种情景,具体见表4。
Table 4
表4
表42015-2040年山西省可再生能源年替代率情景设置
Table 4Scenarios of annual replacement rate of renewable energy in Shanxi Province from 2015 to 2040

情景		特征描述
C1	可再生能源年替代率低	对山西省能源结构不做调整
C2	可再生能源年替代率中	对能源结构略作调整,开发新能源和可再生能源
C3	可再生能源年替代率高	能源低碳情景下,对能源结构进行合理充分调整,进一步加大可再生能源在能源消费中的比例

新窗口打开
表5为不同情景的相互组合,即GDP年增速、年节能率、可再生能源年替代率三种情景的全维度组合,共27种。具体见表5。收集整理的GDP年增速、年节能率、可再生能源年替代率预测参数情景组合数据,具体见表6。
Table 5
表5
表52015-2040年山西省GDP年增速、年节能率、可再生能源年替代率情景组合设置
Table 5Combined scenarios of annual GDP growth rate,energy saving rate and the replacement rate of renewable energy in Shanxi Province from 2015 to 2040

	A1			A2			A3
	B1	B2	B3	B1	B2	B3	B1	B2	B3
情景组合	A1B1C1	A1B2C1	A1B3C1	A2B1C1	A2B2C1	A2B3C1	A3B1C1	A3B2C1	A3B3C1
	A1B1C2	A1B2C2	A1B3C2	A2B1C2	A2B2C2	A2B3C2	A3B1C2	A3B2C2	A3B3C2
	A1B1C3	A1B2C3	A1B3C3	A2B1C3	A2B2C3	A2B3C3	A3B1C3	A3B2C3	A3B3C3

新窗口打开
Table 6
表 6
表 62015-2040年山西省GDP年增速、年节能率、可再生能源年替代率预测参数情景组合
Table 6Combined scenarios of predictive parameters of annual GDP growth rate,energy saving rate and replacement rate of renewable energy in Shanxi Province from 2015 to 2040 （%）

时期	GDP年增速			年节能率			可再生能源年替代率
	低	中	高	低	中	高	低	中	高
2015-2016年	6.00	6.00	6.00	4.18	4.18	4.18	0.50	0.50	0.50
2016-2020年	5.70	6.15	6.60	3.40	3.70	4.00	0.12	0.16	0.20
2021-2025年	5.00	5.50	6.00	3.20	3.53	3.85	0.20	0.25	0.30
2026-2030年	4.00	4.50	5.00	3.10	3.40	3.70	0.30	0.35	0.40
2031-2040年	3.00	3.50	4.00	2.80	3.00	3.20	0.40	0.43	0.45

新窗口打开
（1）GDP年增速。2015-2016年GDP年增速来自2015年山西省政府工作报告^[33]。2016-2020年GDP年增速来自中国社科院宏观经济运行实验室研究数据 ^[34]。2021-2030年预测数据来自国家信息中心经济预测处^[35]、日本经济研究中心研究数据^[36],为4.00%~6.00%,取中值5.00%设为2021-2025年和2026-2030年的预测低值和高值。2030年以后经济增速采用国家信息中心经济预测处数据^[35],中值为高低值平均值。
（2）年节能率。2015-2016年的年节能率选用2014年年节能率数值^[37]。2016-2020年的年节能率高预测值为4.00%^[38],中为《气候变化国别研究报告》2010-2030年均值,低为报告中2030年预测值。2021-2025年高、低年节能率由公式（11）计算得出^[41,42],单位产值能耗数据来自《世界能源中国展望（2014-2015）》^[40],中值为高低值平均值。2026-2030年节能率中值3.40%来自《气候变化国别研究报告》^[39],2031-2040年的年节能率的中值3.00%来自《中国2050年低碳情景和低碳发展之路》^[43],两时段高、低预测值经关联性分析得出。
e=1-ep0+tep0（11）
式中 e为年节能率; ep0、 ep0+t分别为基期单位产值能耗和t年后单位产值能耗。
（3）可再生能源年替代率。山西省可再生能源年替代率通过计算转化获得。首先,利用《世界能源中国展望（2014-2015）》^[40]中预测数据,按照公式（12）得到2015-2040年的中国可再生能源替代率。然后利用山西与中国可再生能源替代率之间的比例关系,获得山西省可再生能源替代率,并进一步通过公式（13）计算出可再生能源年替代率。计算结果见表6。
W=a+b+cN（12）
v=1+Δa4-1（13）
式中W为可再生能源替代率;a为水能;b为生物能;c为其他可再生能源的总和;N为总的一次能源;v为可再生能源年替代率; Δa为每一年段可再生能源替代率的增长百分比。

4 预测结果及分析

4.1 2015-2040年山西省多情景碳排放预测结果

图1表示GDP处于低速发展（A1）时与三种不同节能情景,即基准（B1）、优化（B2）、低碳（B3）和三种不同可再生能源年替代率情景,即低（C1）、中（C2）、高（C3）相结合下的碳排放量趋势。
由图1可看出,当GDP处于低速发展（A1）时,山西省在2030年及之前将达到碳排放峰值。其中,年节能率为基准（B1）和优化情景（B2）时均在2030年达到碳排放峰值,峰值量分别为6.4亿t~6.6亿t和6.1亿t~6.3亿t;年节能率为低碳情景（B3）下在2025年达到碳排放峰值,峰值量为6.0亿t~6.1亿t。
显示原图|下载原图ZIP|生成PPT
图12015-2040年山西省A1情景碳排放预测结果
-->Figure1Carbon emissions under A1 scenario from 2015 to 2040
-->

图2表示GDP处于中速发展（A2）情景下的三种不同节能情景基准（B1）、优化（B2）、低碳（B3）和三种可再生能源年替代率情景低（C1）、中（C2）、高（C3）相结合下的碳排放量的趋势。
显示原图|下载原图ZIP|生成PPT
图 22015-2040年山西省A2情景碳排放预测结果
-->Figure 2Carbon emissions under A2 scenario from 2015 to 2040
-->

由图2可看出当GDP处于中速发展（A2）,年节能率为基准（B1）、优化（B2）情景和低碳情景（B3）时,均在2030年及以前达到碳排放的峰值,峰值量分别为7.0亿t~7.1亿t、6.6亿t~6.7亿t和6.3亿t~6.4亿t。
图3表示GDP处于高速发展（A3）情景下的三种不同节能情景基准（B1）、优化（B2）、低碳（B3）和三种可再生能源年替代率情景低（C1）、 中（C2）、高（C3）相结合下的碳排放量的趋势。
显示原图|下载原图ZIP|生成PPT
图 32015-2040年山西省A3情景碳排放预测结果
-->Figure 3Carbon emissions under A3 scenario from 2015 to 2040
-->

由图3可看出,在GDP高情景即A3情景下,2015-2040年二氧化碳排放量呈一直上升趋势,至2040年仍未出现峰值年。
由图1-图3可看出,GDP低速发展时,当年节能率确定时,可再生能源年替代率对碳排放峰值年没有影响,只是对碳排放量有较小影响。由此可看出,节能率为主要限制因子;GDP中速发展时,辅以节能减排和能源结构调整,山西省可在2030年及以前达到碳排放峰值;GDP高速发展时,山西省2015-2040年碳排放量呈现上升趋势,未出现碳排放峰值年。因此,GDP增速为碳排放量的主要限制因子,这与山西省化石能源占比高,预测期间可再生能源替代率低相关。基于上述研究,在GDP低速发展和中速发展时,山西省应调整产业结构和能源结构,加大节能减排力度促使峰值年尽早到来;在GDP高速发展时,将经济置于合理发展区间、调整产业结构和能源结构、强化节能减排三种措施相结合才能实现2030年出现碳排放峰值年目标。

4.2 A3情景下峰值年的确定

基于预测结论,在GDP高速增长情景下,山西省2015-2040年碳排放未出现峰值年。本研究将对年节能率和可再生能源年替代率进行进一步调整,探究不同年节能率和可再生能源年替代率对碳排放峰值年和碳排放量的影响。
4.2.1 单一调整年节能率或可再生能源年替代率对峰值年的影响
如表7所示,在只考虑年节能率,而可再生能源年替代率和GDP年增速保持原设定情景下：当年节能率下降时,2015-2040年山西省的碳排放量仍将一直上升,无法达到碳排放峰值年;当年节能率整体上升幅度小于0.60%时,2015-2040年山西省无法全部出现峰值年;当年节能率整体上升0.60%~0.90%时,山西省在2030年达到碳排放峰值;当年节能率整体上升1.00%~1.40%时,峰值年出现年份在2025-2030年之间,但不统一;当年节能率整体上升1.50%时,山西省在2025年达到碳排放峰值;当年节能率整体上升大于1.50%时,山西省峰值年会在2025年基础上有所前移,但是出现年份不统一。
Table 7
表7
表7可再生能源年替代率与年节能率单一调整时对峰值年影响
Table 7Effects of combined adjustment of replacement rate of renewable energy and energy saving rate on peak year

增长幅度/%	可再生能源替代率峰值年	节能率峰值年
<0	未出现	未出现
0~0.60	未全部出现	未全部出现
0.60~0.90	2030年	2030年
1.00~1.40	全部出现,不统一	全部出现,不统一
=1.50	2025年	2025年
>1.50	2025年前,不统一	2025年前,不统一

新窗口打开
在只考虑可再生能源年替代率,而年节能率和GDP年增速保持原设定情景下：当可再生能源年替代率下降时,2015-2040年山西省的碳排放量仍将一直上升,无法达到碳排放峰值年;当可再生能源年替代率整体上升小于0.60%时,2015-2040年山西省无法全部出现峰值年;当可再生能源年替代率整体上升0.60%~0.90%时,山西省在2030年达到碳排放峰值;当可再生能源年替代率整体上升1.00%~1.40%时,山西省的碳排放峰值年在2025-2030年之间;当可再生能源年替代率上升1.50%时,山西省在2025年达到碳排放峰值;当可再生能源年替代率上升大于1.50%时,山西省峰值年会在2025年基础上有所前移,但出现年份不统一。
4.2.2 可再生能源年替代率与年节能率联调对峰值年的影响
同时考虑年节能率和可再生能源年替代率,而GDP增速保持原设定情景下的发展状态时,由于当单一调整年节能率或可再生能源年替代率幅度大于0.60%时,均可在2030年及之前达到峰值年。因此当二者联合调整进行预测计算时,调整幅度应在0.60%以下。峰值年确定结果如表8。
Table 8
表8
表8可再生能源年替代率与年节能率联调对峰值年影响
Table 8Effects of combined adjustment of annual replacement rate of renewable energy and energy saving rate on peak year （%）

可再生能源年替代率	年节能率
	+0.1	+0.2	+0.3	+0.4	+0.5
+0.1	无法全部出现	无法全部出现	无法全部出现	无法全部出现	2030年
+0.2	无法全部出现	无法全部出现	无法全部出现	2030年	2030年
+0.3	无法全部出现	无法全部出现	2030年	2030年	2030年
+0.4	无法全部出现	2030年	2030年	2030年	2030年
+0.5	2030年	2030年	2030年	2030年	2030年

新窗口打开
山西省是中国碳排放总量与强度均较高的省份之一。2000-2005年碳排放量占全国4.50%~5.00%^[3],2005年后虽有所下降,但仍高于其他省份,人均碳排放量也明显高于全国水平,且呈总体上升趋势^[44]。2016年发布的《“十三五”及2030年能源经济展望》分低碳情景、基准情景、高碳情景对中国未来化石能源消耗与碳排放峰值年进行了预测,结论显示中国在低碳与基准情景下可在2025年达到排放峰值,但高碳情景下截止2030年未能出现峰值年^[45],与本研究结论基本一致,区别在于山西低碳、基准情景下2030年才能达到排放峰值年,可见山西碳减排压力高于全国。山西是中国以煤炭为特征的典型化石能源消耗大省,调控方法更具有一定的挑战性,通过调整经济发展速度、年节能率与可再生能源年替代率三项控制指标阈值调节碳排放,为碳排放峰值年的减排路径提供了一种思路,调控效果也将能起到经验借鉴效应。

5 结论

在以年GDP增速、年节能率、可再生能源年替代率为预测参数,运用优化IPAT模型与情景分析法对山西省中长期能源碳排放量以及碳排放峰值年进行预测,得出以下结论：
（1）山西省当前能源与结构状态下,相较于可再生能源年替代率,年GDP增速和年节能率对山西省中长期碳排放影响更为显著,是2030年达到碳排放峰值年的关键控制指标。
（2）在GDP低、中速发展情景下,山西省2015-2040年的碳排放量呈现先增后减趋势,且在2030年及以前即可达到碳排放峰值年;在GDP高速增长情景下,山西省2015-2040年的碳排放量呈现一直上升趋势,未出现碳排放峰值年。GDP增速,即经济发展速度是山西省碳排放量的主要影响因素。
（3）GDP高速增长情况下,年节能率及可再生能源年替代率指标需在现有基础上分别提高0.60%~0.90%时,方能确保山西省2030年碳排放达到峰值年。年节能率和可再生能源年替代率不同组合调节情况下峰值年出现年份及碳排放量存在差异,为峰值年调控提供多种政策选择。
（4）为确保山西省在2030年达到峰值年,需尽快改变以化石能源消费为基础的经济增长与产业结构模式,促进低碳产业发展,提高节能率,加大可再生能源使用比例。
The authors have declared that no competing interests exist.

---

参考文献文献选项 原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]	杨花,杜斌,吕锋骅,等. 基于IPCC排放清单和LEAP模型的山西省CO2排放研究 [J]. 环境污染与防治,2014,36(3):103-109. [本文引用: 2] [Yang H,Du B,Lv F H,et al. Study on CO2 emissions in Shanxi Province base on IPCC listing and LEAP model [J]. Environmental Pollution & Control,2014,36(3):103-109.] [本文引用: 2]
[2]	郭义强,郑景云,葛全胜. 一次能源消费导致的二氧化碳排放量变化 [J]. 地理研究,2010,29(6):1027-1036. [本文引用: 1] [Guo Y Q,Zheng J Y,Ge Q S.Study on the primary energy-related carbon dioxide emissions in China [J]. Geographical Research,2010,29(6):1027-1036.] [本文引用: 1]
[3]	阎晓. 山西省煤炭资源型经济低碳转型研究 [D]. 西南大学,2012. [本文引用: 2] [Yan X.Research on Low Carbon Transformation of Coal Resource based Economy in Shanxi Province[D]. Southwest University,2012.] [本文引用: 2]
[4]	Richard Y,Eugene A R,Thomas D.STIRPAT,IPAT and ImPACT:Analytic tools for unpacking the driving forces of en-vironmental impacts [J]. Ecological Economics,2003,46(3):351-365. [本文引用: 2]
[5]	Vance L,Eason T,Cabezas H.Energy sustainability:Con-sumption,efficiency,and environmental impact [J]. Clean Tech-nologies and Environmental Policy,2015,17(7):1781-1792. [本文引用: 1]
[6]	Yue T,Long R,Chen H,et al. The optimal CO2 emissions reduction path in Jiangsu province:An expanded IPAT approach [J]. Applied Energy,2013,112(12):1510-1517.
[7]	Chen L,Yang Z F,Chen B.Scenario analysis and path selection of low-carbon transformation in China based on a modified IPAT model [J]. Plos One,2013,8(10):e77699-e77699. [本文引用: 1]
[8]	杜强,陈乔,陆宁. 基于改进IPAT模型的中国未来碳排放预测 [J]. 环境科学学报,2012,32(9):2294-2302. [本文引用: 1] [Du Q,Chen Q,Lu N.Forecast of China's carbon emissions based on modified IPAT model [J]. Acta Scientiae Circumstantiae,2012,32(9):2294-2302.] [本文引用: 1]
[9]	聂锐,张涛,王迪. 基于IPAT模型的江苏省能源消费与碳排放情景研究 [J]. 自然资源学报,2010,25(9):1557-1564. [本文引用: 1] [Nie R,Zhang T,Wang D.The scenario analysis on energy consumption and carbon emissions based on environmental loads model [J]. Journal of Natural Resources,2010,25(9):1557-1564.] [本文引用: 1]
[10]	Li H N,Mu H L,Zhang M,et al. Analysis of regional difference on impact factors of China's energy related CO2 emissions [J]. Energy,2012,39(1):319-326. [本文引用: 1]
[11]	邓椿,师萍,董洁芳. 基于kaya恒等式的山西省碳排放影响因素实证研究 [J]. 区域发展,2015,(8):102-107. [本文引用: 1] [Deng C,Shi P,Dong J F.Analysis carbon emission factors influence empirical in Shanxi based on Kaya identity [J]. Regional Development,2015,(8):102-107.] [本文引用: 1]
[12]	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,2012,25(1):109-115. [本文引用: 1] [Song X H,Zhang Y F,Wang Y M,et al. Analysis of impacts of demographic factors on carbon emissions based on the IPAT model [J]. Research of Environment Science,2012,25(1):109-115.] [本文引用: 1]
[13]	郭洪旭,黄莹,赵黛青,等. 基于情景分析的广东省建筑节能减排潜力研究 [J]. 环境科学与技术,2015,(12):305-310. [本文引用: 1] [Guo H X,Huang Y,Zhao D Q,et al. Analysis and dynamic prediction of building energy consumption and GHG emission in Guangdong Province based on scenario analysis method [J]. Environmental Science & Technology,2015,(12):305-310.] [本文引用: 1]
[14]	付加锋,刘小敏. 基于情景分析法的中国低碳经济研究框架与问题探索 [J]. 资源科学,2010,32(2):205-210. [本文引用: 1] [Fu J F,Liu X M.A framework for China's low carbon economy on the basis of scenario analysis and discussion on relevant issues [J]. Resources Science,2010,32(2):205-210.] [本文引用: 1]
[15]	朱婧,刘学敏,初钊鹏. 低碳城市能源需求与碳排放情景分析 [J]. 中国人口·资源与环境,2015,25(7):48-55. [本文引用: 1] [Zhu J,Liu X M,Chu Z P.Scenario analysis on energy demand and CO2 emission of low carbon city [J]. China Population Resources and Environment,2015,25(7):48-55.] [本文引用: 1]
[16]	张书通,喻洪仙,刘铭. 山东省碳排放强度预测研究 [J]. 甘肃科学学报,2014,26(5):137-141. [本文引用: 1] [Zhang S T,Yu H X,Liu M.Prediction of carbon emission intensity in Shandong [J]. Journal of Gansu Science,2014,26(5):137-141.] [本文引用: 1]
[17]	Yousra T,Jeffrey K,Igor L.Scenario analysis:A review of methods and applications for engineering and environmental systems [J]. Environment Systems and Decisions,2013,33(1):3-20. [本文引用: 1]
[18]	Hiromi Y,Kenji Y,Junichi F.Scenario analysis of bio-energy resources and CO2 emissions with a global land use and energy model [J]. Applied Energy,2000,66(4):325-337.
[19]	Ma S F,Tian J F,Jia J,et al. A system dynamics approach to scenario analysis for urban passenger transport energy consumption and CO2 emissions:A case study of Beijing [J]. Energy Policy,2015,85(6):253-270. [本文引用: 1]
[20]	Ehrlich P R,Holdren J P.Impact of population growth [J]. Science,1971,171(3977):1212-1217. [本文引用: 1]
[21]	谭永基,朱晓明,丁颂康,等. 经济管理数学模型案例教程[M]. 北京:高等教育出版社,2006. [本文引用: 1] [Tan Y J,Zhu X M,Ding S K,et al.Mathematical Model of Economic Management Case Tutorial[M]. Beijing:Higher Education Press,2006.] [本文引用: 1]
[22]	Fan T J,Luo R L,Xia H Y,et al. Using LMDI method to analyze the influencing factors of carbon emissions in China's petro-chemical industries [J]. Natural Hazards,2015,75(2):319-332. [本文引用: 1]
[23]	田中华,杨泽亮,蔡睿贤. 广东省能源消费碳排放分析及碳排放强度影响因素研究 [J]. 中国环境科学,2015,35(6):1885-1891. [本文引用: 1] [Tian Z H,Yang Z L,Cai R X.Analysis of Guangdong carbon emissions from energy consumption and the driving factors of its intensity change [J]. China Environment Science,2015,35(6):1885-1891.] [本文引用: 1]
[24]	刘俊杰,李树林,范浩杰,等. 情景分析法应用于能源需求和碳排放预测 [J]. 节能技术,2012,30(1):70-75. [本文引用: 1] [Liu J J,Li S L,Fan H J,et al. Energy demand and carbon emissions forecasting by the method of scenario analysis [J]. Energy Conservation Tech-nology,2012,30(1):70-75.] [本文引用: 1]
[25]	席细平,谢运生,王贺,等. 基于IPAT模型的江西省碳排放峰值预测研究 [J]. 江西科学,2014,32(6):768-772. [本文引用: 1] [Xi X P,Xie Y S,Wang H,et al. Forecast of Jiangxi’s carbon emissions to peak based on IPAT model [J]. Jiangxi Science,2014,32(6):768-772.] [本文引用: 1]
[26]	IPCC. ClimateChange 2007 Synt hesis Report Summary for Policy-makers [EB/OL]. (2016-01)[2016-07-08] .URL [本文引用: 1]
[27]	山西省统计局. 山西省统计年鉴(2005-2013)[M]. 北京:中国统计出版社,2006-2014. [本文引用: 2] [Shanxi Provincial Bureau of Statistics. Shanxi Statistical Yearbook 2005-2013[M]. Beijing:China Stati-stics Press,2006-2014.] [本文引用: 2]
[28]	GB/T2589-2008. 综合能耗计算通则 [S],2008. [GB/T 2589-2008. [本文引用: 1] General principles for calculation of the comprehensive energy consumption[S],2008.] [本文引用: 1]
[29]	IPCC National Greenhouse Gas Inventories Programme.2006IPCC Guidelines for National Greenhouse Gas Inventories[EB/OL]. URL [本文引用: 1]
[30]	国家气候变化对策协调小组办公室,国家发改委研究所.《中国温室气体清单研究》[M]. 北京:中国环境科学出版社,2007. [本文引用: 1] [The office of National Committee on Climate Change, National Development and Reform Committee Energy Recarch Institute. Greenhouse Gases Emission Inventory Information Base[M]. Beijing:China Environmental Science Press,2007.] [本文引用: 1]
[31]	Kahn H,Wiener A.The year 2000:A Framework for Speculation on the Next Thirty-Three Years [M.New York:MacMillan,1967.] [本文引用: 1]
[32]	Gao C K,Wang D,Cai J J,et al. Scenario analysis on economic growth and environmental load in China [J]. Procedia Environ-mental Sciences,2010,2(6):1335-1343. [本文引用: 1]
[33]	李小鹏. 2015年山西省政府工作报告[EB/OL] . (2016-02-03)[2016-07-08].URL [本文引用: 1] [Li X P. The Report on the Work of Shanxi in2015[EB/OL] . (2016-02-03)[2016-07-08]. URL [本文引用: 1]
[34]	陈莹莹. 社科院:中国2016-2020年潜在增长率为5. 7%-6.6% [EB/OL].(2014-10-17)[2016-07-08]. URL [本文引用: 1] [Chen Y Y. Chinese Academy of Social Sciences:Potential Growth Rate in China is 5.7%~6.6% at the Range from2016 to 2020 [EB/OL].(2014-10-17)[2016-07-08].URL [本文引用: 1] [Chen Y Y. Chinese Academy of Social Sciences:Potential Growth Rate in China is 5.7%~6.6% at the Range from2016 to 2020[EB/OL]. (2014-10-17)[2016-07-08].URL [本文引用: 1]
[35]	牛犁. 我国GDP总量在2025年左右将超过美国 [EB/OL].(2014-12-21)[2016-07-08].URL [本文引用: 2] [Niu L. China's Total GDP in 2025 Will Surpass the United States [EB/OL].(2014-12-21)[2016-07-08]. http://finance.ifeng.com/a/20141221 /13371888_0.shtml.]URL [本文引用: 2]
[36]	日本经济研究中心. 中国经济增速将于2025年下降至4.1% [EB/OL].(2015-07-02)[2016-07-08]. URL [本文引用: 1] [Japanese Center Eco-nomic Research. China Economic Growth Will Fall to 4.1% in 2025 [EB/OL]. (2015-07-02)[2016-07-08]. URL [本文引用: 1]
[37]	国家统计局. 2014年分省(区、市)万元地区生产总值能耗降低率等指标公报 [EB/OL]URL [本文引用: 1] [National Bureau of Statistics of the People's Republic of China. The province(city)ten thousand yuan GDP energy consumption rate's bulletin in 2014 [EB/OL]. URL [本文引用: 1]
[38]	侯艳丽,李晶晶,杨富强. 中国“十二五节能减碳”应坚持高目标 [J]. 中国能源,2011,33(02):6-11,41. [本文引用: 1] [Hou Y L,Li J J,Yang F Q.China's "12th five-year" energy conservation and carbon reduction should stick to aim high [J]. Journal of China's Energy,2011,33(02):6-11,41.] [本文引用: 1]
[39]	中国气候变化国别研究组. 中国气候变化国别研究[M]. 清华大学出版社,2000. [本文引用: 1] [The study group of China Climate Change Coun-try.China Climate Change Country Study [M]. Tsinghua Science and Technology,2000.] [本文引用: 1]
[40]	《世界能源中国展望》课题组. 世界能源中国展望(2014-2015)[M]. 北京:中国社会科学出版社,2015. [本文引用: 2] [World Energy China Outlook Research Team. World Energy China Outlook(2014-2015)[M]. Beijing:Social Sciences Academic Press,2015.] [本文引用: 2]
[41]	陈红敏. 中国产业部门的能耗强度特征及节能减排的分类实现路径 [J]. 资源科学,2009,31(7):1226-1232. [本文引用: 1] [Chen H M.Analysis of different implementation methods for energy con-servation and emission reduction by examining the characteristics of energy intensity of industrial sectors [J]. Resources Science,2009,31(7):1226-1232.] [本文引用: 1]
[42]	刘海燕,张建国. 单位产值能耗下降率的计算与分析 [J]. 节能与环保,2009,(5):14-17. [本文引用: 1] [Liu H Y,Zhang J G.Calculation and analysis of the rate of decline in energy consumption per unit output value [J]. Energy Conservation and Environmental Pro-tection,2009,(5):14-17.] [本文引用: 1]
[43]	姜克隽,胡秀莲,庄幸,等. 中国2050年低碳情景和低碳发展之路 [J]. 中外能源,2009,14(6):1-7. [本文引用: 1] [Jiang K J,Hu X L,Zhuang X,et al. China's low-carbon scenarios and roadmap for 2050 [J]. Sino-global Energy,2009,14(6):1-7.] [本文引用: 1]
[44]	侯博. 1991-2011年山西省碳排放特征及其气候影响研究 [D]. 太原:山西大学,2013. [本文引用: 1] [Hou B.Research on the Characters of Carbon Emissions and Climate Impact of Shanxi Province during 1991-2011 [D].Taiyuan:Shanxi University,2013.] [本文引用: 1]
[45]	郝宇,张宗勇,廖华. 中国能源“新常态”:“十三五”及2030年能源经济展望 [J]. 北京理工大学学报(社会科学版),2016,18(2):1-7. [本文引用: 1] [Hao Y,Zhang Z Y,Liao H.China energy "New Normality":The forecast for energy economy during "13th Five-year Plan" and by 2030 [J]. Journal of Beijing Institute of Tech-nology (Social Science Edition),2016,18(2):1-7.] [本文引用: 1]