打开文本图片集

作者简介：屈仁春（1987—），男，四川达州人，硕士，讲师，研究方向为高职数学教育，数学建模。

基金项目：2023年成都市哲学社会科学研究基地特大城市精细化治理研究基地项目（名称：“双碳”视域下的成都市碳排放情景预测研究，编号：TD2023Z19）的阶段成果之一。

摘要：以2000—2017年成都市的碳排放为样本数据，基于STIRPAT模型利用主成分回归方法构建了成都市碳排放预测模型，结果表明，人口、城市化率、人均GDP、产业结构、出口与城市碳排放呈正相关，能源强度与城市碳排放呈负相关，其中，人口和城市化率是影响成都市碳排放的主要因素。

关键词：成都市；碳排放；STIRPAT；主成分回归

中图分类号：O  文献标识号：   文章编号：

碳达峰碳中和是我国重要的发展战略，在中国，城市贡献了70%以上的碳排放，研究典型城市的碳排放对实现国家碳达峰碳中和战略有着重要的现实意义。成都是国家中心城市，是西部发展引擎城市，也是全国低碳试点城市，碳排放预测研宄结果不但能指导其早日实现碳达峰，对其他城市碳减排也具有重要参考价值。本文基于STIRPAT基础模型，综合考虑成都市碳排放实际情况，增加模型因子改进STIRPAT模型，再利用主成分回归方法克服因子共线性问题，构建成都市碳排放预测模型，并给出成都市碳减排相关建议。

1 文献综述

在碳排放的计算模型方面，Wang J J等人讨论了STIRPAT模型[1-3]。在城市碳排放的未来趋势预测方面，张哲[4]等采用STIRPAT模型，分析了碳排放影响因子，城市化率和人均GDP水平影响最大。并基于情景预测，判断上海在2025年能实现碳达峰。王勇[5]等研究了北京、上海、广州、深圳、天津和重庆等6个超大城市的碳排放问题，基于门限-STIRPAT模型，在27种情景下预测了各城市碳达峰情况。蒋含颖[6]等以36个中国典型大城市的碳排放为研究目标，基于条件判断函数和Mann-Kendall趋势分析检验法，判断了36个城市是否能实现碳达峰。孙洁[7]等分析了南京市碳排放情况，以人口规模、财富水平、城市化水平、技术水平、产业结构、国际贸易水平、科技创新能力等七个方面为因子建立了STIRPAT模型，结果表明，南京市碳排放的主要因素是人口总量和城市化率。

2 指标选取

基于环境影响评估基础模型，本文从人口、城市化率、人均GDP、产业结构、能源强度、出口等因素来分析城市碳排放。指标含义及指标数据来源如下：

人口：人口规模与碳排放呈较为明显的正相关，是环境评估模型的最重要因素之一。本文的人口指成都市常驻人口数量，记为符号P。

人均GDP：财富的增长加剧了能源消耗，增加了城市碳排放。本文的人均GDP指成都市统计局发布的成都市人均GDP，记为符号A。

城市化率：一般来讲，城市碳排放远远高于农村，城市化率越高，碳排放也越高。本文的城市化率指成都市城市人口在常驻人口中的占比，记为符号U。

能源强度：能源强度是指能源的消耗与产出比，是衡量能源利用效率的主要指标，本文的能源强度指成都市的能源强度，记为符号T。

出口：高新技术的出口与技术进步息息相关，高能耗产品的出口，则加强了碳排放转移，本文的出口指成都市统计局发布的出口数据，记为符号F。

产业结构：各城市的碳排放具有不同的特征，传统制造业为主的城市，其碳排放主要来源于生产碳排放，高新技术产业和服务业为支柱产业的城市，其碳排放主要来源于生活碳排放，因此，产业结构在碳排放核算中有重要地位，本文的产业结构指成都市第二产业产值在总GDP中的占比，记为符号C。

成都市碳排放数据来自中国碳核算数据库，记为符号E，成都市的人口、人均GDP、城市化率、能源强度、出口、产业结构数据来自《成都统计年鉴》。

由于各变量的量纲不同，各变量取值的分散程度大，为了消除量纲影响，计算之前先对变量标准化。对数据量纲作归一化处理后，计算碳排放与碳排放影响指标间的相关系数，结果表明，上述指标与成都市碳排放都有比较明显的相关性，见表1。

3 模型构建

STIRPAT的基础模型为： ，其中，分别为人口规模、富裕程度和技术水平，为系数和误差项。基于实际需要对基础模型作适当扩展，得到改进模型见式（1），对其作线性化处理，见式（2）。

由于式（2）本质上可认为是一个多元线性回归方程，利用回归分析理论，直接对函数拟合，得lnE=-19.781+1.687 lnP-1.089lnA+3.394lnU +0.028 lnT+0.315 lnF+0.284lnC，平均相对误差0.6%，拟合标准差为0.036，拟合优度为0.994，见表2。

由表2可知，能源强度和产业结构显著性均大于0.05，没有通过显著性检验。人口、人均GDP、城市化率、能源强度、出口、产业结构的VIF均大于10，没有通过共线性检验，此外，对6个变量取对数作相关性分析，也能佐证变量间相关系数非常高，见表3。因此，变量间有明显的共线性问题。

为了解决共线性问题，本文采用主成分回归方法拟合函数。主要步骤：1，将原始自变量标准化，利用相互无关的综合变量替代自变量，达到降维的效果，这些综合变量称为主成分。2，利用最小二乘法对主成分作回归分析，得到主成分回归模型。3，通过变换把主成分回归模型映射到自变量回归模型。

利用主成分回归法，得城市碳排放模型为lnE =-5.280+0.538lnP +0.086lnA +0.646lnU -0.118lnT +0.046lnF +0.076lnC，计算城市碳排放量预测值，实际城市碳排放与预测碳排放比较见图1，平均相对误差1.26%，均方差为0.063，拟合优度为0.976，拟合效果较好，变量的VIF均小于10，模型的稳定性更好，见表4。模型表明，人口、城市化率、人均GDP、产业结构、出口与城市碳排放呈正相关，能源强度与城市碳排放呈负相关，其中，人口和城市化率对成都市的碳排放影响最大，在保持其他变量不变的情况下，人口每增加1%，城市碳排放约增加0.538%，城市化率每增加1%，城市碳排放约增加0.646%。因此，适当控制人口有利于建设低碳城市，降低城市化率不现实，可通过提高城市人口的低碳生活意识，减少人均碳排放量，达到弱化城市化率对碳排放的影响。

4 结论建议

本文研究了成都市碳排放预测问题，基于STIRPAT模型建立了多元线性回归方程，模型拟合优度高但存在共线性问题，利用主成分回归方法建立了更稳定的预测模型。结果表明，人口和城市化率是影响成都市碳排放的主要因素。人口与经济发展、碳排放有极强的相关性，成都市的人口规模近年来增加迅速，适当控制人口规模，采取综合性的措施来平衡经济发展和碳排放之间的关系，有助于减碳。城市规模不断扩大，导致了能源需求的增加，进而导致碳排放量的增加，成都市的城市化率还有上升空间，逆城市化发展不可取，但推广清洁能源、提高能源利用效率、优化城市规划和管理等措施，是减碳和可持续发展的重要途径。

参考文献：

[1] Wang J J， Li L. Sustainable energy development scenario forecasting and energy saving policy analysis

of China[J].Renewable and Sustainable Energy Reviews， 2016，58：718-724.

[2] Lin S F， Wang S Y， Marinova D， et al. Impacts of urbanization and real economic development on CO2

emissions in non-high income countries：empirical research based on the extended STIRPAT model[J].

Journal of Cleaner Production，2017，166：952-966.

[3] Dietz T， Rosa E A. Effects of population and affluence on CO2 emission [J]. The National Academy of

Sciences of the USA， 1997， 94（1）：175-179.

[4]张哲，任怡萌，董会娟.城市碳排放达峰和低碳发展研究：以上海市为例[J].环境程，2020，38（11）：12-18.

[5]王勇，许子易，张亚新.中国超大城市碳排放达峰的影响因素及组合情景预测——基于门限-

STIRPAT模型的研究[J].环境科学学报，2019，39（12）：4284-4292.

[6]蒋含颖，段祎然，张哲，曹丽斌，徐少东，张立，蔡博峰.基于统计学的中国典型大城市CO_2排放达峰研究

[J].气候变化研究进展，2021，17（02）：131-139.

[7]孙洁，王鹏飞.基于STIRPAT模型研究南京碳排放的影响因素[J].物流科技，2022，45（02）：117-122.