南京碳排放驱动因素与情景分析

能源消耗产生的碳排放趋势与驱动因素：以中国南京为例

摘要

基于对南京能源消耗产生的碳排放的科学测算，本文利用通过回归人口、富裕和技术的随机影响（STIRPAT模型）分析了2000年至2016年碳排放的驱动因素。结果表明，2000年至2016年期间，南京的能源碳排放呈上升趋势；城市化率、人口、人均GDP和能源强度对南京碳排放的增长具有显著的正向影响。在此基础上，本文提出了五种发展情景以分析该市未来碳排放的趋势。相比之下，当人口保持低增长率，而人均GDP和技术水平保持高增长时，能源消耗产生的碳排放增长率最慢。这表明一种更优的城市发展策略，即产业结构调整必须与人才结构调整相结合，以实现城市经济脱碳，同时需要改变粗放式的城市扩张发展模式。

关键词

能源消耗；碳排放；STIRPAT模型；南京；中国

1. 引言

随着经济和人口的快速增长，我们越来越依赖大量的能源消耗来维持生存和发展。然而，能源消耗的增加导致了巨大的碳排放，如今已威胁到我们的生存环境。政府间气候变化专门委员会（IPCC）第四次评估报告指出，2006年全球能源消耗产生的碳排放占总碳排放量的86%。根据国际能源署（IEA）的统计数据，中国于2007年取代美国成为全球最大的碳排放国。在哥本哈根会议上，中国政府承诺，到2020年单位GDP的温室气体排放比2005年下降40–45%。因此，“有效控制总碳排放量”和“落实碳减排承诺”已被中国中央政府直接纳入第十三个五年规划。由于城市是关键的碳排放源[1]，中国的城市，特别是沿海发达城市，在努力保持经济增长的同时，面临着严峻的减排挑战[2]。

然而，并非所有研究都认为经济增长与碳排放和能源使用之间存在关联。环境库兹涅茨曲线（EKC）是最具影响力的理论之一，该理论提出，环境退化在初期阶段随人均收入的增加而上升，随后则趋于下降[3]。此外，中性假说坚持认为，能源使用的增加和碳排放并不必然带来经济增长，反之亦然[4]。马加齐诺对亚太经济合作组织（APEC）国家[5]、中东国家[6]以及一些欧洲国家[7]的定量研究也证实了这一假说。然而，关于经济增长与碳排放之间的相关性仍难以达成共识。由于过去几十年全球范围内城市化和碳排放的增长都十分明显，研究进一步加强了以往对城市发展过程中碳排放增长驱动因素的分析[8–12]。这些研究表明，城市化率[13–15]、人口[16]以及人均GDP对区域碳排放具有显著影响[17–20]。换句话说，从经济增长到碳排放的单向因果关系也已得到检验并被广泛验证[21]（定义为“节能假说”，参见戴克惠森[22]）。此外，从碳排放到经济增长的单向因果关系[23]（定义为“增长假说”，即碳排放促进经济增长）以及二者之间的双向因果关系[24]（定义为“反馈假说”）也已被其他一些研究所证实。

所有研究均非实验性质，这意味着尚未确立经济增长与碳排放之间的因果关系。此外，这些因素对不同地区的影响也各不相同，表明碳排放的驱动因素存在显著的空间异质性[25]。如何应对这些困惑？我们认为，城市化、经济增长以及产业结构三者之间高度相互依赖，其相互依赖性决定了能源消耗和碳排放。换句话说，由高污染、高能耗产业推动的城市化和经济增长必然导致碳排放的增加[26]。因此，关于能源政策对经济增长影响的讨论，离不开对城市发展策略与产业结构调整之间关联的分析。然而，从这一视角开展的研究尚为数不多。

本文旨在解决这一空白。在下一节中，我们介绍了研究区域、数据来源以及选择南京作为案例区域的原因。在第3节中，我们首先分析了过去几十年碳排放的变化趋势及相关影响因素。在本节末尾，提出了五种发展情景，以分析城市在不同发展模式下未来碳排放的趋势。在讨论部分，我们从产业结构的角度探讨了南京碳经济的锁定效应，并指出在碳减排压力下，这种发展模式不可持续。最后，提出了一种面向碳减排的可持续城市发展模型。

2. 材料与方法

2.1. 研究区域

南京位于江苏省西南部（图1）。作为二线城市，其城市化进程与其他中国一线城市如北京和上海有所不同。由于北京是政治中心，上海是经济中心，它们的城市发展和产业升级不仅具有内生动力，还获得了中央政府外部经济和政治资源的投入与支持。因此，南京的城市发展策略更符合中国其他大城市的普遍模式，使得本研究更具代表性。

2.2. 方法论

2.2.1. 能源碳排放计算方法

工业经济的能源消耗是碳排放的主要来源。因此，研究城市工业经济能源消耗碳排放的特征及其影响因素具有很强的代表性。在南京的能源消费结构中，工业能源消耗占总能源消耗的大部分，代表了南京能源消耗的趋势。本文选取2000–2016年南京市规模以上工业企业的能源消耗作为南京市的能源消耗，以研究南京的能源碳排放。根据2006年建立的“IPCC国家温室气体排放清单指南”中碳排放的计算方法，南京能源消耗碳排放的计算公式如下：

$$
C = \sum E_i \times K_i \quad (1)
$$

其中 $ C $ 表示能源碳排放总量，$ i $ 为能源类型，$ E_i $ 为第 $ i $ 类能源的消费量，$ K_i $ 为第 $ i $ 类能源的碳排放系数，如表1所示。

表1. 各种能源的碳排放系数（10⁴t/10⁴t）

能源	碳排放系数	能源	碳排放系数	能源	碳排放系数
原煤	0.7559	汽油	0.5538	焦炉煤气	0.3548
coke	0.8550	煤油	0.5714	高炉煤气	0.3548
洁净煤	0.7559	柴油	0.5921	其他焦化产品	0.6449
其他煤炭洗选	0.2155	燃料油	0.6185	其他气体	0.3548
煤砖	0.4691	液化石油气	0.5042	其他燃料	0.7559
炼厂干气	0.4602	其他石油产品	0.5857	电力	0.928
原油	0.5857	天然气	0.4483	Heat	0.11

来源：根据《IPCC国家温室气体排放清单指南》转换。

2.2.2. STIRPAT模型

迪茨和罗莎提出了“影响=人口·富裕·技术”（IPAT模型）用于环境影响[27]。在此基础上，约克、罗莎和迪茨通过改进IPAT方程，建立了通过回归人口、富裕和技术的随机影响（STIRPAT模型），并研究了人口与碳排放比例不均衡的变化[28]。该模型如下：

$$
I = aP^bA^cT^de \quad (2)
$$

在该模型中，$ I $ 表示环境压力，人口、经济发展和技术进步分别用 $ P $、$ A $ 和 $ T $ 表示，是环境压力的驱动因素。如前所述，南京是中国重要的中心城市和工业基地，在保持经济快速发展的同时，调整和优化产业结构对社会协调发展具有重要意义。因此，本文结合南京实际情况引入若干产业结构指标，并对该模型进行扩展，构建如下模型：

$$
I = aP^{\mu_1}A^{\mu_2}T^{\mu_3}U^{\mu_4}e \quad (3)
$$

在公式中，$ I $ 表示南京能源消耗的碳排放（单位：万吨）；$ P $、$ A $、$ T $ 和 $ U $ 为影响南京能源碳排放的因素，分别表示人口、富裕程度、能源强度和城市化率。其中，人口为常住人口（单位：万人），富裕程度以人均GDP（元/人）表示，能源强度为能源消耗与国内生产总值的比值（吨标准煤每10⁴元），城市化率为城镇人口与常住人口的比值。

我们对模型的两边取自然对数。这不仅可以减少异方差性，还能直接得到解释变量对被解释变量的弹性。方程随后变为：

$$
\ln I = \ln a + \mu_1 \ln P + \mu_2 \ln A + \mu_3 \ln T + \mu_4 \ln U + \ln e \quad (4)
$$

采用多元线性拟合方法对处理后的模型进行拟合，其中以 $ \ln I $ 为因变量；$ \ln P $、$ \ln A $、$ \ln T $ 和 $ \ln U $ 为自变量；$ \ln a $ 为常数项；$ \ln e $ 为误差项。根据弹性系数的概念，$ P $、$ A $、$ T $ 和 $ U $ 每变化1%，将分别引起 $ I $ 变化 $ \mu_1\% $、$ \mu_2\% $、$ \mu_3\% $、$ \mu_4\% $。为了检验经济增长与碳排放之间是否存在倒U型曲线关系，将式(4)中的 $ \ln A $ 分解为 $ \ln A $ 和 $ (\ln A)^2 $ 项，模型变为：

$$
\ln I = \ln a + \mu_1 \ln P + \mu_{21} \ln A + \mu_{22}(\ln A)^2 + \mu_3 \ln T + \mu_4 \ln U + \ln \delta \quad (5)
$$

由方程(5)可得，人均国内生产总值对能源消耗碳排放的弹性系数为 $ (\mu_{21} + 2\mu_{22}\ln A) $。如果 $ \mu_{22} $ 为负，则人均国内生产总值与能源碳排放之间存在倒U型曲线关系，反之则不然。

2.2.3. 岭回归

自变量之间的高度相关性会降低最小二乘估计方法的参数稳健性。岭回归是一种专门用于共线性数据分析的有偏估计回归方法，其实质是一种改进的最小二乘回归方法。通过牺牲部分信息并降低精度，获得更接近实际情况的回归结果，使得相关数据的拟合效果优于普通最小二乘法[29]。

2.3. 数据来源

本研究中的能源消耗定义为南京市物质生产部门、非物质生产部门和生活消费在固定时间段内各种能源来源的总和。为了动态分析南京能源消耗的碳排放，本研究选取了2000年至2016年南京市的碳源和社会经济数据；能源来源包括原煤、洁净煤、其他煤炭洗选、焦炭、焦炉煤气、高炉煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、其他石油产品、热能和电力，数据包括城市化率、人口、财富、能源强度等。各类能源的煤炭折算系数来源于《中国能源统计年鉴（2016）》，碳排放源及社会经济数据来源于《南京统计年鉴（2001–2017）》和《江苏统计年鉴（2001–2017）》。国内生产总值和人均GDP分别通过GDP指数和人均GDP指数换算为2010年可比价格。

3. 结果

3.1 能源碳排放与能源强度

根据上述碳排放计算公式以及南京的能源消耗情况，得到了南京主要的能源碳排放量。具体情况见表2。2000–2016年期间南京能源碳排放及单位国内生产总值能源消耗如图2所示。

表2. 数据的描述性统计

年份	Coal (10⁴t)	Gas (10⁴t)	石油和产品 (10⁴t)	Heat (10⁴t)	电力 (10⁴t)	总能源排放碳 (10⁴t)	能源强度（吨标准煤/10⁴元）
2000	813.33	698.71	155.62	59.23	631.62	2358.51	2.02
2001	856.96	617.92	161.53	152.5	767.92	2556.83	1.70
2002	1117.7	677.22	161.6	172.35	834.09	2962.96	1.43
2003	1159.26	796.3	164.94	201.37	932.65	3254.51	1.21
2004	1565.02	1097.71	240.87	187.77	1143.03	4234.41	1.39
2005	1565.02	1097.71	240.87	187.77	1143.03	4234.41	1.34
2006	1682.43	1080.86	302.45	221.67	1215.29	4502.7	1.29
2007	1744.27	1159.48	339.03	238.07	1292.49	4773.34	1.20
2008	1674.45	1216.09	309.64	333.17	1372.33	4905.67	1.13
2009	1701.2	1333.38	297.16	341.82	1464.26	5137.82	1.08
2010	2211.06	1405.36	285.97	393.59	1608.17	5904.16	1.04
2011	2669.89	1406.55	221.18	504.12	1671.49	6473.22	0.96
2012	2746.62	1401.21	231.68	545.86	1763.23	6688.6	0.90
2013	3117.07	2235.42	654.91	778.61	2506.79	9292.81	0.88
2014	3103.15	2417.44	702.84	818.98	2729.8	9772.21	0.87
2015	3074.45	2612.3	730.74	1034.18	2763.96	10,215.63	0.85
2016	3108.91	2673.14	775.77	1047.22	2901.15	10,506.19	0.83
年均增长率（%）	8.74	8.75	10.56	19.67	10	9.79	-5.43

来源：南京统计年鉴（2001–2017）

从图2可以看出南京在2000年至2016年这17年间能源碳排放的具体情况。总体来看，截至2016年底，南京的总碳排放量和能源强度呈现出逆转趋势。如图2所示，南京市能源消耗产生的碳排放总量从2000年至2016年呈上升趋势，尤其是2012年之后，碳排放增长比此前更快。能源碳排放保持了快速增长率，2000年至2016年的年均增长率为9.79%。在此期间，2000年至2012年的增长率相对较慢。2013年及以后，碳排放增长更快。2013年，能源消耗产生的碳排放为9293万吨，是2012年碳排放的1.4倍。各类能源消费源的能源消耗碳排放基本保持上升趋势，年均增长率超过8%。特别是石油及相关产品和热能的排放增长迅速。这与南京的产业结构调整以及能源消费结构的转型有关。在所有碳源中，煤炭碳排放所占比例最大，煤炭仍然是南京的主要能源，其次是电力、燃气、热能以及石油及相关产品的碳排放。

能源强度波动较大，但总体保持下降趋势。南京的能源强度从2000年的2.02吨标准煤/10⁴元下降到2016年的0.83吨标准煤/10⁴元，下降了58.91%，年均增长率为−5.43%。能源强度的下降大致可分为两个阶段：第一阶段为2000年至2004年，该阶段能源强度波动下降，并出现大幅下滑，但在2004年有所上升，这与南京第二产业比重的变化有关；第二阶段为2004年至2016年，该阶段能源强度呈平缓的下降趋势，原因是第二产业比重持续下降以及科学技术水平不断提高。

3.2. 基于STIRPAT的建模

根据构建的方程(5)，在SPSS.22中使用线性回归分析对模型进行拟合，发现变量之间存在严重的多重共线性。为了消除多重共线性的影响，本文采用岭回归方法对数据进行回归[30,31]。具体结果见表3。其中，R²值为0.96，表明拟合符合标准，且统计量通过了1%显著性水平检验。各变量均通过了1%显著性水平检验，因此方程(5)能够较好地解释南京能源碳排放与其各变量之间的关系。公式可表示如下：

$$
\ln I = -7.720 + 0.596 \ln P + 0.156 \ln A + 0.010(\ln A)^2 + 0.128 \ln T + 2.214 \ln U \quad (6)
$$

表3. 岭回归的结果

变量	系数	标准误差	标准系数	T	显著性
常数	-7.720	1.379	0.000	-5.599	0.002
$\ln P$	0.596	0.118	0.135	5.050	0.004
$\ln A$	0.156	0.011	0.209	13.700	0.000
$(\ln A)^2$	0.010	0.002	0.211	12.076	0.000
$\ln T$	0.128	0.023	0.155	5.658	0.001
$\ln U$	2.214	0.214	0.205	10.323	0.000

使用《南京统计年鉴（2001–2017）》和《江苏统计年鉴》（2001–2017）的数据，结果是使用岭回归方法获得的。

3.3. STIRPAT模型结果的$\ln U$分析

如表3所示，根据回归系数的绝对值大小，城市化率对南京能源消耗的碳排放影响最大，其次是人口和人均GDP，GDP能耗强度的影响最小。人均GDP对数的二次系数为正值，表明在2000–2016年期间，南京的人均GDP与能源消耗产生的碳排放之间不存在倒U型曲线关系。从回归系数的正负来看，人口、人均GDP、GDP能耗强度和城市化率对南京能源消耗的碳排放均起到促进作用。其中对南京能源碳排放影响最大的因素是城市化率。在其他条件不变的情况下，城市化率每提高1%，碳排放将增加2.214%。人口、人均GDP和GDP能耗强度也均对南京能源碳排放具有推动作用。当人口、人均GDP和GDP能耗强度分别提高1%时，能源碳排放分别增加0.596%、$(0.156 + 0.020(\ln A))\%$和0.128%。

南京是中国长江三角洲的重要城市和重要省会城市。常住人口从2000年的613万持续增长至2016年的827万，增幅达35%，城市化水平持续提升。进入21世纪以来，南京经济持续发展，人民生活水平不断提高，2016年人均GDP达到133,300元。城市化水平的提高、经济的快速发展以及人口的增长使得南京对能源的需求越来越大，因此能源消耗和能源碳排放也随之增加。

自2000年以来，南京的单位GDP能耗持续下降，从2000年的2.02吨标准煤/10⁴元降至2016年的0.83吨标准煤/10⁴元。单位GDP能耗的降低表明随着科学技术（包括生产技术）的进步和提升，资源节约和高效利用整体得到推进。因此，南京应积极提升生产技术水平，提高能源利用效率，降低GDP能耗强度。

3.4. 情景分析

情景分析是一种结合定性与定量分析的预测方法。基于历史碳排放和社会经济发展情况的模拟，可以为未来能源可持续发展提供有用的信息[32,33]。根据STIRPAT模型的模拟结果，本研究以2000年至2016年南京能源消耗碳排放的预测为基础，可表示如下：

$$
I = \exp(-7.720 + 0.596 \ln P + 0.156 \ln A + 0.010(\ln A)^2 + 0.128 \ln T + 2.214 \ln U) \quad (7)
$$

根据南京2000年至2016年的常住人口数量、人均GDP、GDP能耗强度和城市化水平，采用方程(7)所示模型对南京能源消耗的碳排放多年变化进行了模拟。模拟值与历史值进行回归，得到R²值为0.96，表明该模型拟合效果良好。因此，使用方程(7)预测南京未来能源消耗产生的碳排放是可行的。从图3可以看出，南京碳排放的模拟值曲线与实际值曲线基本重合；个别年份存在差异，但差异较小，模拟结果具有较高精度。

为确定南京的城市化率，参考了多种来源。2018年1月20日，南京市政府办公厅发布了《南京市人口发展第十三个五年规划》，预计在“十三五”时期，全市常住人口城市化率将达到约85%。根据联合国的预测，到2050年全球发达国家的城市化率将达到86%。在中国，上海的城市化率最高，2013年达到90%，但近年来缓慢下降至约87%。结合南京市“第十三个五年规划”中的人口规划以及上海的城市化率情况，设定南京未来主要年份2020、2030、2040和2050年的城市化率分别为85%、87%、89%和90%。根据设定的城市化率，计算各阶段城市化率的增长率，并推算出2017年至2050年南京的城市化率。

依据南京2000年至2016年的历史数据，计算了人口增长率和人均GDP增长率，并以其最大值和最小值分别作为高增长率和低增长率，用于估算南京未来的人口规模和人均GDP水平。此外，单位GDP能耗反映南京的技术水平[34]；我们计算了单位GDP能耗的年均下降率，并将其最大值和最小值分别作为高技术增长率和低技术增长率，用于估算南京未来的GDP能耗强度。具体情景设置见表4。

表4. 南京发展情景设定

情景	人口	人均GDP	技术水平
1	H	H	H
2	H	L	L
3	L	H	L
4	L	H	H
5	H	H	L

注：H = 高增长，L = 低增长。
来源：人均GDP增长率和能源强度增长率根据南京2000–2016年人口增长率设定。

根据表4中所示的南京发展的五种情景，使用方程(7)预测了南京未来能源消耗产生的碳排放。预测结果如图4所示。不同情景下主要年份的能源消耗产生的碳排放见表5。

表5. 不同情景下南京主要年份的未来能源碳排放

情景	Year	2020	2026	2032	2038	2044	2050
1 HHH		8554	11,478	15,707	21,922	31,205	78,144
2 HLL		8565	11,451	15,310	20,473	27,378	36,614
3 LHL		8915	15,334	26,898	48,121	87,802	163,388
4 LHH		8377	9914	11,968	14,734	18,499	23,689
5 HHL		9103	17,751	35,302	71,600	148,108	312,459

来源：根据表4中设定的五种情景计算得出。

从图4可以看出，未来南京能源消耗的碳排放量在情景4下增长最少，到2050年碳排放量为2.3689亿吨。在情景5下，南京能源消耗的碳排放量增长最快，到2050年将达到31.2459亿吨，比情景4多28.877亿吨，是情景4的13.19倍。以情景2为代表的发展模式下，碳排放量也处于较低水平。然而，这种发展模式要求南京保持低人均GDP增长率和低技术水平，这种落后的经济发展模式与当前中国的发展趋势相违背。

通过比较情景1和情景4（两者均具有高人均GDP增长和高水平技术），可以看出，当人口保持低增长时，能源碳排放的增长速度较慢。通过比较情景3和情景4（两者均具有低人口增长和高人均GDP增长），可以看出，降低技术水平的增长率将使2020年的能源消耗产生的碳排放减少6.03%，并在2050年减少85.50%。因此，为了控制南京未来能源碳排放，不仅要控制人口增长，还应提升技术水平。这意味着未来的南京应转变当前的人口增长模式，在维持人口均衡增长的同时缓解人口结构压力，改善人力资源供需结构和人口年龄结构，持续推动产业结构的调整与优化，提高资源利用效率，降低单位GDP能耗。

4. 讨论：如何实现城市发展与碳排放减少的双赢局面

城市经济活动的快速加速引发了城市对能源消耗需求的急剧增加。因此，南京的城市化进程伴随着城市经济增长的上升，产生了更多的碳排放。尽管过去十年间南京的能源强度逐年下降（图2），但南京的人均城市能源使用仍高于西方国家其他主要城市。例如，2016年南京的人均排放为12.7吨/人；这一排放水平远高于东京（2012年为4.9吨/人）、伦敦（2012年为9.6吨/人）、新加坡（2012年为7.9吨/人）等城市。

这主要是因为第二产业，尤其是石化工业，在南京经济中占据较大比重。根据统计，2016年，石化工业排放的碳排放量达到8639万吨，占工业碳排放总量的82%。尽管石化工业被视为高污染和高碳排放行业，但在工业化驱动的城市化进程中发挥着至关重要的作用，因其具备吸纳就业和整合多个产业的能力[35]。南京也不例外。事实上，2014年南京42家规模以上石化企业的工业产值占比达到16.4%，其利润贡献了超过90亿元的政府收入。因此，吴等人[36]认为，南京存在一个石化工业的促增长联盟。

回顾改革开放40年来中国城市化进程，其始于农村改革，农村剩余劳动力向城市地区转移并从事制造业和服务活动[37–40]。工业部门的扩张进而推动了城市经济、城市化水平和人口增长，同时也导致城市发展过程中碳排放持续上升[41]。因此，南京城市发展路径与碳排放之间的关联是中国大多数大城市的一个缩影，符合环境库兹涅茨曲线的前半段特征。根据情景分析，环境退化曲线以及碳经济的路径依赖能否迎来新的拐点，取决于南京产业结构的调整与升级，以实现GDP能耗强度的低增长。此外，产业结构调整不仅有利于人才结构调整[42]，还有助于促进清洁能源的发展和利用[43]。因此，这些结构性调控将通过协同效应形成可持续城市发展的新动力（图5）。

5. 结论

通过研究可以发现，南京的碳排放与人口、人均GDP和GDP能耗强度相关。最主要的原因是第二产业，尤其是石化工业，贡献了大部分的碳排放。然而，不可否认的是，这些产业在过去几十年为南京的经济增长提供了动力。因此，可以说南京过去的发展是一种典型的碳经济。因此，碳减排问题实际上是对城市发展策略的讨论。我们的趋势分析也证明，如果南京继续沿用以往的发展策略，其碳排放将继续增长。在碳减排压力下，这种发展模式被认为是不可持续的。

针对这一问题，我们的趋势分析认为，要实现经济增长与碳减排的双赢局面，必须在保持高人均GDP增长的同时，降低GDP能耗强度。为实现这一目标，调整产业结构以及配套的人才引进策略将不可避免。对南京的研究丰富了碳排放与经济发展关系的相关研究。此外，由于南京具有典型性，也为其他工业化发展中国家解决碳排放与经济增长之间的矛盾提供了有益参考。