刘 健 王 润，2 孙艳伟 舒舍玉 肖黎姗，2

(1．中国科学院城市环境与健康重点实验室，中国科学院城市环境研究所，福建厦门361021;2．厦门市城市代谢重点实验室，福建厦门361021)

中国低碳试点省份发展路径研究

刘 健1王 润1，2孙艳伟1舒舍玉1肖黎姗1，2

(1．中国科学院城市环境与健康重点实验室，中国科学院城市环境研究所，福建厦门361021;2．厦门市城市代谢重点实验室，福建厦门361021)

近百年来，全球气候正经历以变暖为主要特征的显著变化。为应对气候变化，减少温室气体排放已经成为国际社会的共识。作为世界上最大的发展中国家和最大的二氧化碳排放国之一，应对气候变化离不开中国的参与。2010年8月，中国国家发展和改革委员会确定在陕西、广东、辽宁、湖北、云南五省开展低碳试点工作。本文以这五个省份为研究对象，根据1995－2009年统计年鉴数据，基于STIRPAT模型定量分析了人口规模、城市化水平、富裕度、产业结构和能源强度对碳排放的影响，并根据分析的结果给出了五个低碳试点省份低碳发展路径:陕西省建设低碳省份应该从产业结构和能源强度两方面入手;广东省除控制人口规模外，还应该调整能源结构，倡导低碳生活方式;辽宁省降低碳排放主要应该从能源强度方面入手;湖北省应该从能源强度、产业结构和人口规模三个方面着手;云南省主要应该从人口规模入手，控制人口增长，提高人口素质，实现碳减排目标。

STIRPAT模型;低碳试点省份;发展路径

近百年来，全球气候正经历以变暖为主要特征的显著变化［1］。最新科学研究表明未来100年全球变暖的趋势还会进一步加剧，而且会对自然系统和社会经济产生更为显著的负面影响［2］。为应对气候变化，减少温室气体排放、进行低碳发展已经成为国际社会的共识。如何有效地减少碳排放成为国际政治、经济及学术研究关注的热点之一［2］。中国是世界上最大的发展中国家，应对气候变化离不开中国的参与。中国经济改革取得了举世瞩目的成就，经济在迅猛发展的同时也加大了对能源的需求［3］。高的能源消费和以煤炭为主体的能源结构必然带来大量的碳排放。国际能源机构的数字显示，2007年中国人均碳排放量虽然不到美国的1/3，但首次超过世界平均水平［4］。作为一个负责任的大国，在2009年“哥本哈根”气候变化大会上，温家宝总理代表中国政府承诺到2020年单位GDP碳强度比2005年降低40－45%。而且，碳排放目标已经作为约束性指标被写入《中华人民共和国国民经济和社会发展第十二个五年规划纲要》。根据此纲要，中国在“十二五”期间单位国内生产总值能源消耗要降低16%，单位国内生产总值二氧化碳排放要降低17%［5］。由此可见中国政府降低二氧化碳排放的决心之大。

同时，为减少碳排放，在地区层面，中国政府已经开始了低碳发展路径的探索。2010年8月，国家发展和改革委员会确定首先在在陕西、广东、辽宁、湖北、云南五省和天津、重庆、深圳、厦门、杭州、南昌、贵阳、保定八市开展低碳试点工作，要求其编制低碳发展规划，制定支持低碳绿色发展的配套政策，加快建立以低碳排放为特征的产业体系，建立温室气体排放数据统计和管理体系，积极倡导低碳绿色生活方式和消费模式［6］。然而，试点工作进展并不顺利，很多省市都没有明确的低碳发展目标和成熟的低碳发展政策。

因此，为制定切实有效的政策，促进试点工作的顺利开展，需要对影响各地区碳排放量的关键因素进行分析。目前，分析的方法有很多，如协整、多元线性回归、灰色关联度分析、系统分析法和 STIRPAT模型等。其中，STIRPAT模型是一个应用广泛、非常成熟的环境压力评价模型［3］，已经获得业内的认可。本文通过STIRPAT模型，定量分析了影响低碳试点省份碳排放量的关键因素，并根据分析的结果，对不同省份的低碳发展路径提出政策建议以促进低碳试点工作的开展。

1 方法说明

1．1 碳排放量计算

在气候变化研究中碳排放量的测算比较复杂。由于没有官方公布的统计数据，一般只能基于已有的其他统计量，初略估算化石能源(煤炭、石油、天然气)使用所产生的碳排放量［7］。同时，人类活动造成的碳排放主要是由化石能源消费引起的，其排放量占总排放量的大部分。在工业化国家，能源消费碳排放占其碳排放总量的90%以上［8］。因此，基于计算的简便和数据的可获得性，本文中使用能源消费的碳排放量来代表总的碳排放量。考虑到由于各个省份能源消费量统计标准不同而造成的碳排放计算的差异，且个别省份缺乏能源消费分类数据［8］，本文利用各年份分地区煤炭、焦炭、5种油品(原油、汽油、煤油、柴油、燃料油)、天然气的消费量估算碳排放量。但这些能源指标都是实物量，需要将这些指标根据折标煤系数(见表1)换算成标准量，再根据以下公式估算:

C= ∑iEi× Fi(1)

式中，Ei为第i种能源的消费标准量，Fi为第i种能源的碳排放系数。本文碳排放系数选用IPCC碳排放计算指南缺省值。

表1 各种能源的标准煤折算系数和碳排放系数［9，10］Tab．1 Converted coefficient of energy by standard coal and Carbon emission coefficient of energy

1．2 STIRPAT 模型

Ehrlich和Holdren认为人口总量是最重要的环境影响因素，并于 1971年提出了 IPF模型［11］。其中，I(Impact)表示环境影响;P(Populaton)表示人口总量;F(Foot)表示单位人口产生的环境影响。但Commoner认为人口总量对环境的影响并不显著，环境影响等同于污染物排放量［11］。Ehrlich和Holdren指出了Commoner观点中存在的一系列问题，指出除了污染物排放量，环境影响还应包括污染物排放引起的其它破坏(例如，向空气中排放SO2会导致酸雨的形成，腐蚀建筑物)［11］。他们在研究人口增长对环境的冲击时，认为除了人口总量，环境影响还与社会富裕程度及社会生产技术的先进程度有关，并于1972年正式提出IPAT模型。模型形式是I=PAT，其中I、P、A、T分别表示环境压力、人口规模、富裕度和技术水平。

环境压力等式本身存在一些局限，其将环境影响与各个驱动力之间的关系简单地处理为同比例的线性关系，不能反映出驱动力变化时环境影响的变化程度。因此，为了能够衡量某一因素的对环境压力的影响程度，Dietz和Rose等［12］在 IPAT的基础上提出了本文中使用的STIRPAT(Stochastic impacts by regression on population，affluence and technology)模型，其具体形式是:

I=aPbAcTde (2)

式中，a为模型的系数，b、c、d是各自变量的指数，e是模型误差。当a=b=c=d=1时，STIRPAT模型即为环境压力恒等式［13］。

对式(2)两边取自然对数，得到一个多元线性回归方程:

InI=lna+blnP+clnA+dlnT+lne (3)

根据弹性系数概念，P、A、T每发生1% 变化，将分别引起I发生b%、c% 或d%的变化［14］。

在对STIRPAT模型的应用中，不少学者根据实际需要式(3)其进行了修正。朱勤等在分析人口与消费对中国碳排放影响时，将人口城市化率引入模型，对模型进行了扩展［15］。燕华、郭运功和林逢春研究上海市CO2排放影响的因素，为分析城市化水平的影响，将城市人口占总人口的比例引入模型，对式(3)中的P、A进行了分解;同时在式(3)中加入了富裕度的二项式形式来验证环境库兹涅茨曲线的有关假说［13］。王立猛和何康林分析区域人文驱动力对环境的影响，为验证环境库兹涅茨曲线，将式(3)中自变量lnA分解为lnA和(lnA)2两项;同时将T包括在误差项中，而不再单独进行估计［14］。渠慎宁和郭朝先在基于STIRPAT模型的中国碳排放峰值研究中，同样加入了富裕度的二项式形式并对技术T进一步分解，考虑产业结构等变量对碳排放量的影响［16］。姜磊和季民河在进行中国区域能源压力的空间差异分析中，发现技术指标难以刻画，考虑到能源消费的主体是第二产业，所占比重在70%以上，受国家宏观调整影响比较明显，将技术变量T 改为第二产业比重［17］。

同样，根据研究的需要，不同学者对式(2)中变量I、P、A、T赋予了不同的定义。燕华、郭运功和林逢春定义I为碳排放量，P为人口数量，A为人均GDP，T为单位GDP能耗。渠慎宁和郭朝先在研究中也对I、P、A赋予了相同的定义，但定义T为单位GDP碳排放量。朱勤、彭希哲和陆志明等定义A为人均消费额，其余因素不变。王立猛和何康林则是定义I为能源消费总量，T为能源强度。

因此，在本文中，基于实际研究的需要和数据的可获得性，在式(3)的基础上加入了富裕度的二项式形式并对P和T进行了分解，引入了城市化变量U和产业结构变量C，所以本文的分析模型为:

lnI=lna+b1lnP+b2lnU+c1lnA+c2(lnA)2+d1lnC+d2lnT+lne (4)式中各变量的定义如表2所示。

如果对式(4)进行求lnA的一阶偏导数，可以得到富裕度对环境压力的弹性系数为c1+c2lnA［13］。

2 实证分析

2．1 数据处理

本文所使用的能源消费数据来自《中国能源统计年鉴1996－2010》。其他数据来自各省2010年的统计年鉴。湖北省统计资料中没有人口农业和非农业构成，所以用城镇人口占常住人口的比例来表示U。GDP和其他所有受价格波动影响的数据按1995年不变价计算。

表2 模型中各变量的说明Tab．2 Descriptions of variables

2．2 数据拟合

由于模型存在多重共线性，本文采用岭回归(ridge regression)的方法对模型进行拟合。岭回归就是一种专门用于共线性数据分析的有偏估计回归方法，它实际上是一种改良的最小二乘法，通过在自变量标准化矩阵的主对角线元素上人为地加入一个非负因子k，放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价来寻求效果稍差但回归系数更符合实际的回归方程［18］。

根据拟合的结果，广东省k值取0．08，湖北 k值取0．11，云南省 k 值取0．05，其余两省 k 值均取0．02。此时，各个变量的系数如表3、表4所示。

表3 各低碳试点省份各个变量的标准化系数Tab．3 Standardized coefficients of variables in low-carbon pilot provinces

表4 各低碳试点省份各个变量的非标准化系数Tab．4 Non-standardized coefficients of variables in low-carbon pilot provinces

3 结果分析与讨论

3．1 各省份历史碳排放情况分析

根据式(1)和表1的内容，本文计算了各低碳试点省份1995－2009年的排放总量。如图1所示。

从图1可以看到，所有的低碳试点省份按碳排放总量由多到少排列，依次为辽宁省、广东省、湖北省、陕西省和云南省。而且，从2000年开始，碳排放增长速度加快。

同样，根据排放总量计算的结果和各低碳试点省份以1995年为基准年的GDP数据，可以计算出各低碳试点省份1995－2009年碳排放强度的变化情况，见图2。

从图2中可以看出，广东省的碳强度远低于其他省份，且变化幅度不大，其在低碳发展方面走在前列。辽宁省初始碳强度很高，但在1995－2009年间一直保持了较快的下降速度，到2009年已经与云南省的碳强度持平，碳强度从3．5吨碳/万元下降到1．5吨碳/万元，降低幅度很大，表明辽宁省的低碳发展方面作出了卓有成效的工作。湖北省的碳强度在1995－2009年间基本保持了下降的态势。陕西和云南两省初始碳强度下降很快，但是在2000年开始反弹，碳强度开始增加，分别在2004和2005年达到峰值，而后开始下降。这表明两省在低碳发展方面还需要进一步的努力。

图1 各低碳试点省份1995－2009年碳排放总量变化Fig．1 Total carbon emission of low-carbon pilot provinces from 1995 to 2009

图2 各低碳试点省份1995－2009年碳强度变化Fig．2 Carbon intensities of low-carbon pilot provinces from 1995 to 2009

3．2 数据拟合结果分析

从表3中可以看到，各省的拟合结果均在0．001的水平上显著且R2都在0．95以上，表明当前的拟合结果能够对各省的碳排放情况进行很好的说明。

从表4中可以看到，在所有的低碳试点省份中，人口规模对碳排放影响最大是云南省，影响的弹性系数为2．734，且在0．001的水平上显著;其次是湖北省和广东省，弹性系数分别为1．876和1．109，在0．05的水平上显著。其余省份，人口规模因素没有通过显著性检验，其对碳排放的影响不显著。

城市化水平对碳排放影响最大是辽宁省，影响的弹性系数为2．668，且在0．001的水平上显著;其次是陕西省，弹性系数为1．119，在0．01的水平上显著。其余省份，城市化水平因素的弹性系数都小于0．5且没有通过显著性检验，其对碳排放的影响不显著。

富裕度因素变量c1和c2都在0．001的水平上显著，说明在所有低碳试点省份中，人均GDP都对碳排放有显著影响。随着人均GDP的增长，生活水平的提高，碳排放的增加不可避免。目前从总量上降低碳排放是不现实的，只能控制增长速度，从降低碳强度方面入手。

将各低碳试点省份1995－2009年GDP的数据带入c1+c2lnA，可以计算出人均GDP即富裕度因素对碳排放的弹性系数，见表5。

从表4可以看到，c2没有出现负值。而且，从表5中可以看到，随着人均GDP的逐年增长，人均GDP对碳排放的弹性系数也在逐渐增加，环境库兹涅茨曲线没有出现。而且，富裕度因素对碳排放影响最大的是云南省，其次为广东省和陕西省，最后为辽宁省和湖北省。

产业结构对碳排放影响最大是陕西省，影响的弹性系数为1．535，其次是湖北省，弹性系数为 1．229，且两者都在0．01的水平上显著。其余省份，产业结构变量没有通过显著性检验，对碳排放的影响不显著。

能源强度对碳排放影响最大是云南省，弹性系数为1．567。其次为湖北、陕西和辽宁，弹性系数依次为0．521、0．458和0．419。其余省份能源强度变量没有通过显著性检验，对碳排放的影响不显著。

3．3 各低碳试点省份发展路径探讨

3．3．1 陕西省

从表3中可以看到，对陕西省碳排放有显著影响到因素是城市化水平、人均GDP、产业结构和能源强度。其中，产业结构的影响最大，其次为人均GDP、城市化水平和能源强度。然而人均GDP的增长和城市化进程的加快是当前社会发展的必然趋势。因此，陕西省建设低碳省份应该首先从产业结构入手，在保持工业必要增长的同时，大力发展第三产业。陕西省位于关中平原，风景秀丽，历史遗迹众多，旅游资源丰富，应该充分利用这一资源，集中资源发展旅游产业，打造全国乃至世界知名的旅游品牌，并通过其发展带动酒店、餐饮、客运等相关行业的发展，从而推动整个社会经济的发展。其次，陕西省还要努力提高对学校、科研单位的投入，推进技术创新，对工业进行技术升级改造，提高生产效率和能源利用水平，加大高新技术产业的引进力度，建设高新技术产业园区。

表5 各低碳试点省份1995－2009年人均GDP对碳排放的弹性系数Tab．5 The elasticity coefficients of per capita GDP to carbon emissions in low-carbon provinces

3．3．2 广东省

从表3可以看出，对广东省碳排放有显著影响的是人均GDP和人口规模。降低碳排放不能以降低人们的生活水平为代价。因此，广东省建设低碳省份应该从人口入手，控制人口增长，控制人口流入，加快优秀人才的引进力度，提高人口素质。根据广东统计年鉴，2009年广东省人口数量为8 365．98万人，是所有低碳试点省份中人口最多的。为满足大量的人口的生活需要，大量资源被消费，碳排放显著增加。所以，控制人口规模是抑制碳排放增长的一个重要手段。除了本文所考虑的五个因素之外，碳排放也和能源结构密切相关，广东省应该调整能源结构，提高可再生能源在能源消费中的比重。根据《广东省十二五规划纲要》，到2015年，非化石能源占一次能源消费的比重将达到20%。广东作为我国改革开放的前沿，思想解放，因此广东省应该大力倡导低碳生活方式。在不降低生活水平的情况下，减少碳排放。完善低碳发展标准认证体系，研究建立低碳产品标识、认证制度。

3．3．3 辽宁省

从图1和图2可以看出，辽宁省碳排放总量很大，但其碳强度却不断下降。从表3和表5可以看出，对辽宁省碳排放影响最大的是城市化水平，其次是人均GDP和能源强度。当前，加快城市化进程，提高人民生活水平是政府的主要任务。因此，辽宁省建设低碳省份应该主要从降低碳强度方面入手。辽宁省是我国著名的老工业基地，历史悠久，工业企业众多。然而大部分企业的设备老旧，生产工业落后，与世界先进水平有很大的差距。所以，淘汰落后工艺、引进世界先进技术、对产业进行升级改造是当前的首要工作。在此基础上，还应该进一步加大对科研的投入，以新技术、新方法为先导，创建一批国内国际知名度研究院所。

3．3．4 湖北省

从表3可以看出，除城市化水平外，其余因素都对湖北省碳排放有显著的影响，影响程度按从大到小排列依次为人均GDP、能源强度、产业结构和人口规模。因此，湖北省建设低碳省份，应该首先要降低能源强度。通过技术升级改造和引进先进工艺来提高生产效率，提高能源利用水平。其次要调整产业结构，充分利用湖北的地理优势，大力发展物流行业，以此推动整个第三产业的发展。最后，要控制人口增长，控制努力引进优秀人才，提高人口素质。

3．3．5 云南省

同样，根据表3的内容，对云南省碳排放有显著影响的因素是人均GDP、人口规模和能源强度。因此，云南省的低碳发展应该以降低人口规模为主要内容，控制人口增长，提高人口素质和受教育程度。同时，云南省位于我国西南边陲，气候湿润温和，生物资源丰富。所以，要保护环境，不能以重工业为发展目标，应该发展烟草等轻工业和高附加值的高新技术产业，提高产品的科技含量，提高能源利用效率。

4 结论

(1)所有的低碳试点省份按碳排放总量由多到少排列，依次为辽宁省、广东省、湖北省、陕西省和云南省。在碳强度方面，广东省最低，辽宁省降低幅度最大，其余省份碳强度在2000年后有起伏。

(2)人口规模对碳排放影响最大是云南省，其次为湖北省和广东省。城市化水平影响最大的是辽宁省，其次是陕西省。产业结构因素影响最大的是陕西省，其次是湖北省。能源强度影响最大的是云南省，其次是湖北陕西和辽宁省。随着人均GDP的逐年增长，人均GDP对碳排放的弹性系数也在逐渐增加，环境库兹涅茨曲线没有出现。而且，富裕度因素对碳排放影响最大的是云南省，其次为广东省和陕西省，最后为辽宁省和湖北省。

(3)陕西省建设低碳省份应该从产业结构和能源强度两方面入手;广东省除控制人口规模外，还应该调整能源结构，倡导低碳生活方式;辽宁省降低碳排放主要应该从能源强度方面入手;湖北省应该从能源强度、产业结构和人口规模三个方面着手;云南省主要应该从人口规模入手，控制人口增长，提高人口素质，实现碳减排目标。

References)

［1］石龙宇，崔胜辉．气候变化对城市生态系统的影响研究进展［J］．环境科学与技术，2010，33(6E):193 －197．［Shi Longyu，Cui Shenghui．Research Progress of Climate Change Effects on Urban Ecosystem［J］．Environmental Science ＆ Technology，2010，33(6E):193 －197．］

［2］王微，林剑艺，崔胜辉，等．碳足迹分析方法研究综述［J］．环境科学与技术，2010，33(7):71－78．［Wang Wei，Lin Jianyi，Cui Shenghui， et al． An Overview of Carbon Footprint Analysis．Environmental Science＆ Technology，2010，33(7):71－78．］

［3］姜磊，季民河．基于STIRPAT模型的中国能源压力分析:基于空间计量经济学模型的视角［J］．地理科学，2011，31(9):1072－1077．［Jiang Lei，Ji Minhe．China’s Energy Stress Based on the STIR PAT Model:A Spatial Econometric Perspective［J］．Scientia Geographica Sinica，2011，31(9):1072 －1077．］

［4］肖黎姗，王润，杨德伟，等．中国省际碳排放极化格局研究［J］．中国人口·资源与环境，2011，21(8):30－36．［Xiao Lishan，Wang Run，Yang Dewei，et al．The Polarization Pattern of Carbon Emission in China’s Provinces［J］．China Population Resources and Environment，2011，21(8):30 －36．］

［5］中华人民共和国国民经济和社会发展第十二个五年规划纲要［N］．人民日报，2011－03－16．［The People’s Republic of China National Economic and Social Development Twelfth Five-Year Plan［N］．The People’s Daily，2011 －03 －16．］

［6］中华人民共和国发展和改革委员会．国家发展改革委关于开展低碳省区和低碳城市试点工作的通知［EB/OL］．［National Development and Reform Commission．The Notice about Pilot Work ofLow-carbon Provinces and Low-carbon Cities by National Development and Reform Commission［EB/OL］．http://www．sdpc．gov．cn/zcfb/zcfbtz/2010tz/t20100810_365264．htm．］

［7］蒋金荷．中国碳排放量测算及影响因素分析［J］．资源科学，2011，33(4):597 － 604．［Jiang Jinhe．An Evaluation and Decomposition Analysis of Carbon Emissions in China［J］．Resources Science，2011，33(4):597 －604．］

［8］刘竹，耿涌，薛冰，等．中国低碳试点省份经济增长与碳排放关系研究［J］．资源科学，2011，33(4):620－625．［Liu Zhu，Geng Yong，Xue Bing，et al．Relationships between Economic Growth and CO2Emissions for Low-Carbon Pilot Provinces in China［J］．Resources Science，2011，33(4):620 －625．］

［9］赵敏，张卫国，俞立中．上海市能源消费碳排放分析［J］．环境科学研究，2009，22(8):984 －989．［Zhao Min，Zhang Weiguo，Yu Lizhong．Carbon Emissions from Energy Consumption in Shanghai City［J］．Research of Environmental Sciences，2009，22(8):984 －989．］

［10］GB/T 2589－2008，综合能耗计算通则［S］．［GB/T 2589－2008，General Principles for Calculation of Comprehensive Energy Consumption［S］．］

［11］陈庆，周敬宣，李湘梅．基于STIRPAT模型的武汉市环境影响驱动力分析［J］．长江流域资源与环境，2011，20(Z1):100－104．［Cheng Qing，Zhou Jingxuan，Li Xiangmei．Analysis on the Driving ForceofEnvironmentalImpactin Wuhan Based on STIRPAT Model［J］．Resources and Environment in the Yangtze Basin，2011，20(Z1):100 －104．］

［12］Dietz T，Rosa E A．Rethinking the Environmental Impacts of Population，Affluence，and Technology［ J］．Human Ecology Review，1994，(1):277－ 300．

［13］燕华，郭运功，林逢春．基于STIRPAT模型分析CO2控制下上海城市发展模式［J］．地理学报，2010，65(8):983－990．［Yan Hua，Guo Yungong，Lin Fengchun．Analyzing the Development Model of Chinese Cites under the Control of CO2Emissions Using the STIRPAT Model:A Case Study of Shanghai［J］． Acta Geographica Sinica，2010，65(8):983 －990．］

［14］王立猛，何康林．基于STIRPAT模型的环境压力空间差异分析:以能源消费为例［J］．环境科学学报，2008，28(5):1032－1037．［Wang Limeng，He Kanglin．Analysis of Spatial Variations in Environmental Impact Based on the STIRPAT Model:A Case Study of Energy Consumption［J］．Acta Scientiae Circumstantiae，2008，28(5):1032 －1037．］

［15］朱勤，彭希哲，陆志明，等．人口与消费对碳排放影响的分析模型与实证［J］．中国人口·资源与环境，2010，20(2):98－102．［Zhu Qin，Peng Xizhe，Lu Zhiming，et al．Analysis Model and Empirical Study of Impacts from Population and Consumption on Carbon Emissions［J］． China Population Resources and Environment，2010，20(2):98 －102．］

［16］渠慎宁，郭朝先．基于STIRPAT模型的中国碳排放峰值预测研究［J］．中国人口·资源与环境，2010，20(12):10－15．［Qu Shenning，Guo Chaoxian．Forecast of China’s Carbon Emissions Based on STIRPAT Model［J］．China Population Resources and Environment，2010，20(12):10 －15．］

［17］姜磊，季民河．中国区域能源压力的空间差异分析:基于STIRPAT模型［J］．财经科学，2011，(4):64－70．［Jiang Lei，Ji Minhe．Spatial Difference Analysis of Regional Energy Pressures in China:Based on STIRPAT Model［J］．Finance ＆ Economics，2011，(4):64 －70．］

［18］张文彤．SPSS统计分析高级教程［M］．北京:高等教育出版社，2004．［Zhang Wentong．High-level Tutorial of SPSS Statistical Analysis［M］．Beijing:Higher Education Press，2004．］

Analysis of Development Path for Low-Carbon Pilot Provinces in China

LIU Jian1WANG Run1，2SUN Yan-wei1SHU She-yu1XIAO Li-shan1，2
(1．Key Lab of Urban Environment and Health，Institute of Urban Environment，Chinese Academy of Sciences，Xiamen Fujian 361021，China;2．Xiamen Key Lab of Urban Metabolism，Xiamen Fujian 361021，China)

To mitigate climate change，reducing greenhouse gas emissions has become the consensus of the international community．As the largest developing country and one of the largest emitters of CO2in the world，China has participated actively in the action of mitigating climate change．In this study we try to explore low-carbon development paths for 5 provinces，namely Shaanxi，Yunnan，Guangdong，Liaoning，and Hubei in China，which were assigned as national pilot provinces for low-carbon development by the National Development and Reform Commission in August 2010．Based on the data from 1995 to 2009，a quantitative analysis of carbon emissions in 5 pilot provinces are conducted involving 5 factors such as population，urbanization，wealth，industrial structure and energy intensity in STIRPAT model．The results show:Shaanxi should focus on industrial restructuring and decreasing energy intensity．In addition to controlling population growth，Guangdong province should optimize the energy structure and advocate a low-carbon lifestyle．Lowering energy intensity should be the main measure to reduce carbon emissions in Liaoning;reducing energy intensity，optimizing industrial structure and controlling population growth play an important role on the path to low-carbon development for Hubei;Yunnan should make great effort in controlling population growth as well as improving population quality in order to realize its carbon emission target．

STIRPAT model;low-carbon pilot provinces;development path

X321

A

1002－2104(2012)03－0056－07

10.3969/j.issn.1002－2104.2012.03．010

2011－10－22

刘健，博士生，主要研究方向为气候变化适应性政策和技术。

王润，博士，研究员，博导，主要研究方向为气候变化适应性技术与政策。

厦门市科技计划项目(编号:Y0G5831D30);中国科学院知识创新工程青年人才领域前沿项目(编号:YOL4351D10)。

(编辑:刘照胜)