羅紅成 廖 琪 容 譽(yù)

(湖北省生態(tài)環(huán)境科學(xué)研究院(省生態(tài)環(huán)境工程評(píng)估中心)，湖北 武漢 430072)

目前，我國(guó)正面臨著日益嚴(yán)峻的大氣污染物和CO2雙重減排壓力[1-2]。2020年9月22日,習(xí)近平總書(shū)記在第七十五屆聯(lián)合國(guó)大會(huì)一般性辯論上提出中國(guó)力爭(zhēng)于2030年前達(dá)到碳排放峰值，并努力爭(zhēng)取2060年前實(shí)現(xiàn)碳中和。中國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展“十四五”規(guī)劃分別提出了應(yīng)對(duì)氣候變化和大氣污染防治的目標(biāo)，即碳排放強(qiáng)度下降18%、SO2和NOx等主要污染物排放總量下降15%。作為中部大省和老工業(yè)基地，湖北省“十三五”前4年以年均2.8%的能源消費(fèi)增量支撐了7.8%的經(jīng)濟(jì)增長(zhǎng)，同時(shí)后疫情時(shí)代工業(yè)、交通等部門(mén)能耗潛在反彈趨勢(shì)增加了氣候變化應(yīng)對(duì)和大氣污染防治的工作難度。大氣污染物與CO2排放的同根同源性、措施的同效性使得兩者之間的協(xié)同控制具有較大潛力[3]，開(kāi)展大氣污染物與CO2的協(xié)同控制是實(shí)現(xiàn)生態(tài)環(huán)境保護(hù)與實(shí)現(xiàn)氣候變化應(yīng)對(duì)目標(biāo)的重要舉措[4-5]。

近年來(lái)，針對(duì)大氣污染物與溫室氣體的協(xié)同減排研究逐漸增多。其中，國(guó)外研究大多采用模型模擬[6]。CHAE等[7]對(duì)韓國(guó)首爾都市圈的空氣質(zhì)量規(guī)劃和溫室氣體控制措施進(jìn)行了成本有效性和協(xié)同效應(yīng)評(píng)價(jià)，并探索了如何以最低成本達(dá)成最佳協(xié)同效益目標(biāo)的政策情景。SHRESTHA等[8]利用MARKAL模型，研究了2005—2050年泰國(guó)減少CO2排放的政策對(duì)大氣污染物減排的協(xié)同效應(yīng)；在CO2減排30%的情況下，SO2排放量將比基準(zhǔn)(記為BAU)情景減少43%。國(guó)內(nèi)已有的相關(guān)研究大多集中在對(duì)某一城市或某一行業(yè)的工程技術(shù)減排措施的協(xié)同效應(yīng)評(píng)估上，且更多聚焦污染控制政策帶來(lái)的協(xié)同效應(yīng)，而較少研究溫室氣體控制政策帶來(lái)的協(xié)同效應(yīng)[9-13]。JIANG等[14]以沈陽(yáng)鐵西區(qū)和上海寶山區(qū)為案例，對(duì)典型工業(yè)區(qū)結(jié)構(gòu)減排、技術(shù)減排等措施的協(xié)同效益進(jìn)行了評(píng)價(jià)。周穎等[15]利用能源環(huán)境經(jīng)濟(jì)投入產(chǎn)出模型研究水泥行業(yè)主要常規(guī)污染物和CO2之間的協(xié)同減排方式，定量計(jì)算主要常規(guī)污染物和CO2之間的減排協(xié)同度。毛顯強(qiáng)等[16]采用協(xié)同控制效應(yīng)坐標(biāo)系、污染物減排量交叉彈性分析和單位污染物減排成本等方法評(píng)價(jià)了技術(shù)減排措施對(duì)SO2、NOx和CO2的協(xié)同控制效應(yīng)。

現(xiàn)有研究缺少涵蓋省市各部門(mén)的宏觀協(xié)同控制效果分析。本研究從省級(jí)層面，圍繞溫室氣體和主要大氣污染物減排協(xié)同效應(yīng)展開(kāi)研究。采用拓展的STIRPAT模型，預(yù)測(cè)不同減排情景下能源消費(fèi)總量以及CO2、SO2、NOx、PM10排放量，評(píng)估不同情景下CO2和主要大氣污染物的減排協(xié)同效應(yīng)，以期為湖北省開(kāi)展溫室氣體和大氣污染物協(xié)同控制，以及制定碳排放達(dá)峰政策措施提供技術(shù)支持。

1 方 法

1.1 能源消費(fèi)總量預(yù)測(cè)模型

選擇DIETZ等[17]提出的STIRPAT模型作為湖北省能源消費(fèi)總量預(yù)測(cè)工具。STIRPAT模型為拓展的IPAT模型，不僅克服了原模型所有自變量等比例影響因變量的缺陷，而且可進(jìn)一步分析主要因素對(duì)環(huán)境的非線性變化影響，并加入了隨機(jī)干擾項(xiàng)，可根據(jù)研究目的及需要增加其他控制因素來(lái)分析對(duì)環(huán)境的影響，其模型可用式(1)表達(dá):

(1)

式中：I為環(huán)境負(fù)荷，一般用能源消耗、污染物排放等指標(biāo)表征；P*為人口因素，以人口數(shù)量來(lái)表征；A為財(cái)富因素；T為技術(shù)因素；a為模型的系數(shù)項(xiàng)；b、c、d分別為人口、財(cái)富和技術(shù)因素的彈性系數(shù)，%，當(dāng)P*、A、T每發(fā)生1%的變化時(shí)，會(huì)引起I的|b|%、|c|%、|d|%變化；e為隨機(jī)誤差；除各系數(shù)外，其余參數(shù)的單位視具體情況而定。

在處理實(shí)際問(wèn)題時(shí)，通常將式(1)轉(zhuǎn)化為線性方程，即在模型兩邊同時(shí)取對(duì)數(shù)。同時(shí)，根據(jù)拓展的STIRPAT模型原理，引入產(chǎn)業(yè)結(jié)構(gòu)、城市化率等指標(biāo)，來(lái)構(gòu)建湖北省基于拓展的STIRPAT模型的能源消費(fèi)預(yù)測(cè)模型(見(jiàn)式(2))。

lnI=lna+blnP*+c1lnA1+c2lnA2+d1lnT1+d2lnT2+lne

(2)

式中：A拆分為A1和A2，A1、A2分別為人均GDP、第二產(chǎn)業(yè)占比；T拆分為T(mén)1和T2，T1、T2分別為能耗強(qiáng)度、城市化率；c1、c2、d1、d2分別為人均GDP、第二產(chǎn)業(yè)占比、能耗強(qiáng)度、城市化率彈性系數(shù)，%；除彈性系數(shù)外，其余參數(shù)單位視具體情況而定。

1.2 CO2與大氣污染物排放量計(jì)算

主要大氣污染物排放量的計(jì)算公式見(jiàn)式(3)[18]，CO2排放量(ECO2，億t)的計(jì)算方法與Ek類(lèi)似。

Ek=∑ALi,j,k×Fi,j,k

(3)

式中：Ek為大氣污染物k排放量，萬(wàn)t；ALi,j,k、Fi,j,k分別為在用能部門(mén)i能源終端j，大氣污染物k的活動(dòng)水平和排放因子，單位視具體情況而定。

主要用能部門(mén)可分為能源生產(chǎn)與加工轉(zhuǎn)換、農(nóng)業(yè)、工業(yè)和建筑業(yè)、交通運(yùn)輸、服務(wù)業(yè)及其他、居民生活6個(gè)部門(mén)。其中能源生產(chǎn)與加工轉(zhuǎn)換部門(mén)包括火力發(fā)電和供熱部門(mén)。各用能部門(mén)煤炭、石油、天然氣等活動(dòng)水平數(shù)據(jù)來(lái)源于相應(yīng)年份的中國(guó)能源統(tǒng)計(jì)年鑒。化石能源消費(fèi)CO2排放因子采用最新國(guó)家溫室氣體清單排放因子數(shù)據(jù)，其中煤炭為2.66 t/t(以標(biāo)準(zhǔn)煤計(jì)，下同)，石油為1.73 t/t，天然氣為1.56 t/t。各能源折標(biāo)準(zhǔn)煤參考系數(shù)以相應(yīng)年度中國(guó)能源統(tǒng)計(jì)年鑒附錄為準(zhǔn)?；茉聪M(fèi)SO2、NOx、PM10等主要大氣污染物排放因子取自ZHAO等[19]的研究成果，交通運(yùn)輸排放因子參考蔡皓等[20]和趙斌等[21]的研究成果。

1.3 情景設(shè)置

根據(jù)數(shù)據(jù)可獲得性和口徑一致性，選取2015年為基準(zhǔn)年，2025年為預(yù)測(cè)年，研究采取不同力度溫室氣體減排措施下CO2和主要大氣污染物的協(xié)同減排效應(yīng)。結(jié)合湖北省中長(zhǎng)期規(guī)劃發(fā)展目標(biāo)，分別設(shè)計(jì)了BAU情景、低碳(記為L(zhǎng)C)情景和強(qiáng)化低碳(記為ELC)情景3種預(yù)測(cè)情景。各減排情景的詳細(xì)說(shuō)明見(jiàn)表1。

表1 3種設(shè)定情景描述及參數(shù)指標(biāo)

2 結(jié)果與討論

2.1 能源消費(fèi)總量預(yù)測(cè)

采用拓展的STIRPAT模型，選取人口數(shù)量、人均GDP、能耗強(qiáng)度、城市化率、第二產(chǎn)業(yè)占比等5個(gè)能源消費(fèi)影響因素作為自變量，以2005—2015年湖北省統(tǒng)計(jì)年鑒相關(guān)數(shù)據(jù)為樣本，數(shù)據(jù)進(jìn)行對(duì)數(shù)化處理后見(jiàn)表2。對(duì)各自變量進(jìn)行相關(guān)性分析，結(jié)果表明所選取的5項(xiàng)影響因素均與能源消費(fèi)總量呈現(xiàn)較高的相關(guān)性(見(jiàn)表3)。

表2 2005—2015年湖北省能源消費(fèi)影響因素對(duì)數(shù)化處理結(jié)果

表3 湖北省能源消費(fèi)總量與各影響因素的相關(guān)性分析結(jié)果

采用最小二乘法進(jìn)行多元線性逐步回歸來(lái)擬合，但通過(guò)共線性檢測(cè)發(fā)現(xiàn)，模型方差膨脹系數(shù)(VIF)顯著大于10，說(shuō)明自變量之間存在嚴(yán)重的多重共線性。為消除其對(duì)研究結(jié)果的影響，使用嶺回歸方法對(duì)式(2)重新進(jìn)行回歸分析。嶺參數(shù)(K)介于0～1，以步長(zhǎng)為0.01進(jìn)行取值。所得嶺跡圖見(jiàn)圖1，K對(duì)應(yīng)的決定系數(shù)(R2)見(jiàn)圖2。

圖2 R2與K的關(guān)系

根據(jù)圖1可知，當(dāng)K=0.02時(shí)，各自變量回歸系數(shù)變化趨于穩(wěn)定，模型R2=0.972，擬合度較高。對(duì)擬合結(jié)果的方差分析表明，整體擬合效果滿足要求(F=48.68，P<0.01)。最終建立的湖北省能源消費(fèi)嶺回歸方程見(jiàn)式(4)：

圖1 嶺跡圖

lnI=1.273lnP*+0.215lnA1+1.161lnA2-0.014lnT1+0.096lnT2-8.490

(4)

從式(4)可以看出，人口數(shù)量、人均GDP、第二產(chǎn)業(yè)占比、能耗強(qiáng)度、城市化率每發(fā)生1.000%的變化，將分別引起能源消費(fèi)總量相應(yīng)發(fā)生1.273%、0.215%、1.161%、0.014%和0.096%的變化。人口數(shù)量和第二產(chǎn)業(yè)占比是影響湖北省能源消費(fèi)的關(guān)鍵因素，人均GDP和城市化率對(duì)能源消費(fèi)有驅(qū)動(dòng)作用，而能耗強(qiáng)度對(duì)能源消費(fèi)有抑制作用。

為了驗(yàn)證該預(yù)測(cè)模型的有效性，將湖北省2005—2015年人口數(shù)量、人均GDP、第二產(chǎn)業(yè)占比、能耗強(qiáng)度和城市化率的數(shù)據(jù)代入式(4)，計(jì)算能源消費(fèi)總量，并將擬合值與實(shí)際值進(jìn)行對(duì)比，結(jié)果見(jiàn)圖3。擬合值與實(shí)際值的平均誤差率為2.53%。對(duì)實(shí)際值與擬合值進(jìn)行兩配對(duì)樣本t檢驗(yàn)，檢驗(yàn)結(jié)果顯示，能源消費(fèi)總量擬合值與實(shí)際值相關(guān)系數(shù)為0.984，P為0.942，說(shuō)明根據(jù)模型計(jì)算得到的湖北省能源消費(fèi)總量與實(shí)際情況沒(méi)有顯著差異，預(yù)測(cè)效果較好。

注：能源消費(fèi)總量以標(biāo)準(zhǔn)煤計(jì)。

根據(jù)上述嶺回歸方程并結(jié)合3種設(shè)定情景參數(shù)，預(yù)測(cè)并得到能源消費(fèi)總量結(jié)果如下：BAU情景下，2025年全省能源消費(fèi)總量約為2.05億t；LC情景下，能源消費(fèi)總量約為2.00億t；ELC情景下，能源消費(fèi)總量約為1.95億t。相比BAU情景，至2025年，ELC情景預(yù)計(jì)可減少能源消費(fèi)約1 000萬(wàn)t。

2.2 CO2和大氣污染物排放量預(yù)測(cè)

根據(jù)能源消費(fèi)總量預(yù)測(cè)結(jié)果和確定的CO2和大氣污染物排放因子，預(yù)測(cè)3種設(shè)定情景下CO2與主要大氣污染物排放量,結(jié)果見(jiàn)表4。

表4 不同情景下CO2和主要大氣污染物排放量預(yù)測(cè)結(jié)果

預(yù)測(cè)結(jié)果顯示，BAU情景下湖北省CO2排放總量由2015年的2.96億t增至2025年的3.62億t，增長(zhǎng)約22%；其中，能源生產(chǎn)與加工轉(zhuǎn)換、工業(yè)和建筑業(yè)、交通運(yùn)輸部門(mén)是未來(lái)碳排放增長(zhǎng)的主要貢獻(xiàn)部門(mén)，CO2排放分擔(dān)率分別增至35.91%、40.88%和8.55%；至2025年主要大氣污染物SO2、NOx、PM10排放量分別為2015年水平的1.13、1.21、1.22倍。LC情景相比BAU情景，CO2和主要大氣污染物增長(zhǎng)幅度得到一定控制，2025年CO2、SO2、NOx、PM10排放量分別減少0.07億、0.92萬(wàn)、1.05萬(wàn)、0.42萬(wàn)t，說(shuō)明LC情景政策除了有效降低溫室氣體排放量外，對(duì)大氣污染物減排也具有重要影響。ELC情景下，CO2和主要大氣污染物進(jìn)一步削減，相比BAU情景CO2、SO2、NOx、PM10排放量分別減少0.14億、2.06萬(wàn)、2.33萬(wàn)、0.93萬(wàn)t。

預(yù)測(cè)結(jié)果中，CO2預(yù)測(cè)結(jié)果與2015年度省級(jí)人民政府控制溫室氣體排放目標(biāo)責(zé)任考核結(jié)果(3.03億t)接近；主要大氣污染物預(yù)測(cè)結(jié)果與正式發(fā)布的湖北省2015年SO2(55.14萬(wàn)t)和NOx(51.45萬(wàn)t)排放量數(shù)據(jù)基本一致，說(shuō)明上述預(yù)測(cè)結(jié)果總體上是合理的。

2.3 協(xié)同減排分析

2.3.1 協(xié)同減排貢獻(xiàn)率分析

以LC情景或ELC情景相對(duì)于BAU情景下的不同部門(mén)減排量占總減排量的比例作為各部門(mén)的協(xié)同減排貢獻(xiàn)率[22]，分析和篩選能夠促進(jìn)CO2與大氣污染物協(xié)同減排的重點(diǎn)部門(mén)。

LC情景和ELC情景下各部門(mén)協(xié)同減排貢獻(xiàn)率見(jiàn)圖4。結(jié)果表明，無(wú)論是大氣污染物還是CO2，協(xié)同減排效應(yīng)貢獻(xiàn)率最大的部門(mén)基本上均是工業(yè)和建筑業(yè)部門(mén)，對(duì)SO2、NOx、PM10、CO2的協(xié)同減排貢獻(xiàn)率分別達(dá)到29%～33%、32%～40%、47%～51%和41%～44%。能源生產(chǎn)與加工轉(zhuǎn)換部門(mén)其次，對(duì)協(xié)同減排的貢獻(xiàn)主要反映在SO2、PM10、CO2上，該部門(mén)對(duì)SO2、PM10、CO2的協(xié)同減排貢獻(xiàn)率分別為22%～24%、25%～26%和35%～36%。NOx減排貢獻(xiàn)部門(mén)中，交通運(yùn)輸部門(mén)與工業(yè)和建筑業(yè)部門(mén)相當(dāng)，交通運(yùn)輸部門(mén)對(duì)NOx的協(xié)同減排貢獻(xiàn)率達(dá)到32%～43%。服務(wù)業(yè)及其他、居民生活部門(mén)對(duì)協(xié)同減排的貢獻(xiàn)則主要體現(xiàn)在SO2上。相比之下，農(nóng)業(yè)部門(mén)對(duì)協(xié)同減排的貢獻(xiàn)最小。

注：LC(SO2)指LC情景下的SO2排放，其余以此類(lèi)推。

2.3.2 污染物減排量交叉彈性分析

為評(píng)價(jià)不同情景下CO2的減排對(duì)各種大氣污染物減排的協(xié)同程度，引入交叉彈性系數(shù)[23]，計(jì)算公式如下：

(5)

式中：Sk為CO2與大氣污染物k減排量交叉彈性系數(shù)；ΔEk、ΔECO2為L(zhǎng)C或ELC情景相對(duì)于BAU情景的大氣污染物k、CO2的排放量降幅，單位視具體情況而定。

湖北省主要大氣污染物與CO2減排量交叉彈性分析結(jié)果見(jiàn)表5。CO2與各污染物減排量交叉彈性均大于0，說(shuō)明LC情景和ELC情景減排政策對(duì)大氣污染物和CO2均具有協(xié)同控制效應(yīng)。分部門(mén)分析得出，能源生產(chǎn)與加工轉(zhuǎn)換部門(mén)CO2與各大氣污染物交叉彈性系數(shù)均在1左右，表明協(xié)同度很高，說(shuō)明LC情景和ELC情景在帶來(lái)CO2減排效果的同時(shí)，可以達(dá)到大氣污染物排放控制的良好效果。工業(yè)和建筑業(yè)部門(mén)CO2和PM10可達(dá)到較高程度的減排協(xié)同，而SO2和NOx對(duì)CO2減排量變化較不敏感，減排程度小于CO2。在交通運(yùn)輸部門(mén)，SO2的減排程度遠(yuǎn)高于CO2，而NOx的減排程度低于CO2。在服務(wù)業(yè)及其他、居民生活部門(mén)，SO2和PM10對(duì)CO2減排量變化很敏感；NOx和CO2的減排程度基本相同，具有較高的協(xié)同度。

表5 各情景下大氣污染物和CO2的交叉彈性系數(shù)

3 結(jié)論與建議

(1) 基于拓展的STIRPAT模型建立了湖北省能源消費(fèi)嶺回歸方程。人口數(shù)量和第二產(chǎn)業(yè)占比是影響能源消費(fèi)的關(guān)鍵因素，人均GDP和城市化率對(duì)能源消費(fèi)有驅(qū)動(dòng)作用，而能耗強(qiáng)度對(duì)能源消費(fèi)有抑制作用。人口數(shù)量、人均GDP、第二產(chǎn)業(yè)占比、能耗強(qiáng)度、城市化率每發(fā)生1.000%的變化，將分別引起湖北省能源消費(fèi)總量相應(yīng)發(fā)生1.273%、0.215%、1.161%、0.014%和0.096%的變化。

(2) LC情景和ELC情景相對(duì)BAU情景實(shí)現(xiàn)了能源消費(fèi)總量的減少，至2025年ELC情景預(yù)計(jì)可減少能源消費(fèi)總量約1 000萬(wàn)t，相應(yīng)地可削減0.14億t的CO2排放，同時(shí)將分別減少SO2、NOx、PM10排放量2.06萬(wàn)、2.33萬(wàn)、0.93萬(wàn)t。

(3) 對(duì)CO2和主要大氣污染物協(xié)同減排貢獻(xiàn)最大的部門(mén)為工業(yè)和建筑業(yè)部門(mén)，其次為能源生產(chǎn)與加工轉(zhuǎn)換部門(mén)，LC情景和ELC情景政策總體對(duì)CO2和主要大氣污染物均具有協(xié)同減排效應(yīng)。

(4) 建議湖北省加快產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，促進(jìn)經(jīng)濟(jì)增長(zhǎng)方式轉(zhuǎn)變，控制能源生產(chǎn)與加工轉(zhuǎn)換、工業(yè)和建筑業(yè)、交通運(yùn)輸這幾個(gè)部門(mén)的碳排放增速和總量，合理調(diào)整能源結(jié)構(gòu)，尤其是進(jìn)一步減少煤炭消費(fèi)并增加可再生能源在能源消費(fèi)中的比例，以最大幅度實(shí)現(xiàn)CO2和主要大氣污染物的協(xié)同減排。