杨　琳,董美娜,周　嘉

(黑龙江省普通高等学校地理环境遥感监测重点实验室，哈尔滨师范大学，中国 哈尔滨　150025)



城市化发展对吉林省碳排放的影响分析

杨琳,董美娜,周嘉

(黑龙江省普通高等学校地理环境遥感监测重点实验室，哈尔滨师范大学，中国 哈尔滨150025)

摘要碳排放的增加促进温室效应，影响了生态发展和人类的正常生活，因此减少碳排放越来越受到国际重视，而对于我国建设低碳城市是现阶段城市建设的主要目标.基于吉林省1998—2012年碳排放时间序列数据，利用STIRPAT模型，通过主成分分析法分析人口总量，城市化率，能源强度，人均可支配收入，工业增产值对碳排放的影响.结果表明，人口总数对碳排放的促进作用最强，其次是城镇可支配收入，能源强度是唯一对碳排放起抑制作用的影响因素，但是相对于人口的促进作用仍然很弱，所以总体碳排放仍然呈不断增加的趋势.进一步分析得出城市化率与碳排放之间在现阶段还未出现环境库兹尼茨曲线关系，说明了碳排放量仍然还会持续增加.

关键词碳排放；STIRPAT模型；主成分分析；影响因素； 吉林省

当前中国正处于快速城市化阶段.据统计，2010年，中国城市化率已达到50%[1]，据估计到2020年，中国城市化将达到60%[2].城市化不仅是人口的转变，同时伴随着用地及人口经济活动等的转变，这样增加了对基础设施的需求，从而能源消耗也会相应增加.其中，化石燃料的燃烧最为严重，而化石燃料的燃烧是二氧化碳等温室气体产生的最主要来源.预计到2030年，城市区域排放的温室气体占总温室气体排放的比例将达到76%[3]，同时由于城市化的推进，技术不断进步，产业不断优化，从而带来高效的减排技术[4]，因此，部分学者认为人口的城市聚集有利于碳排放的减少[5-7].中国目前是世界第一大温室气体排放国，二氧化碳被认为是最主要的温室气体，中国在哥本哈根大会上承诺：到2020年单位GDP二氧化碳排放量将比2005年减少40%～50%，因此减少温室气体的排放的主要在于减少碳排放.

Parikh等利用1986年4种温室气体的截面数据证实城市人口增加和人均能源使用量的增加都会促进二氧化碳的排放[8]；Ang研究得到技术进步对碳排放具有负向影响，而高收入对碳排放有促进作用[9]；刘梦琴等人利用CKC模型，进行城市化与碳排放关系的研究，得出城市化进程是导致二氧化碳排放的直接原因[10]；王锋等人通过Divisia指数分解法分析碳排放的正向影响因素,包括经济发展，经济结构，人口总量和居民生活等，所以减排将是一件艰巨的任务[11]；马晓钰等利用STIRPAT模型分析国内30个省市二氧化碳排放量，人口规模，城市化水平等都是引起二氧化碳排放的重要因素，而大的家庭对二氧化碳的排放起到抑制作用[12]；张传平等人利用STIRPAT模型分析工业对碳排放的影响，其中能源强度，产业结构对碳排放起重要的影响[13]；邵帅等人通过STIRPAT模型来分析上海的工业和碳排放的关系，得到碳排放强度和劳资之间不存在倒U曲线关系，而是存在N型曲线关系，而碳排放强度和劳资之间存在倒U关系[14]；王中英和王礼茂认为由于工业化的发展，城市化随之推进，从而带来的交通，能源消耗增加，使得碳排放量增加，虽然经济与环境之间存在EKC曲线，但中国目前还未达到下降的阶段[15]；欧元明和周少甫两人认为人均产出对碳排放起拉动作用，而能源新效率主要是抑制作用，并建议大力发展公交运行，减少交通对碳排放的压力[16].

本文通过对吉林省城市化的变化与碳排放之间的关系进行研究，基于STIRPAT模型，对吉林省碳排放的影响因素进行分析，对该地区低碳城市的构造提供思路和借鉴.

1数据来源及模型建立

1.1模型建立

IPAT模型起初是由Holdren和Ehrlich共同建立并应用于评估环境影响因素[17]，IPAT模型测试了人口规模和分布，技术发展，富裕度对环境的影响[18].为了克服生态影响的比例，Dietz和Rosa在1994年首先重新修订原模型变为STIRPAT[19].而后York, Rosa和Dietz使用该模型来预测二氧化碳排放和其他的气体污染[20],本文选用STIRPAT模型进行分析.STIRPAT模型表示为

Ii=αPiβAiγTiδei，

(1)

式(1)中Ii代表环境影响，将其分为人口(Pi)，富裕(Ai)和技术(Ti)的乘积；而α，β，γ和δ是被估计的参数，ei是随机误差.由于STIRPAT模型是非线形模型，所以将方程(1)进行对数转换得到

ln (Ii)=α+βln(Pi)+γln(Ai)+δln(Ti)+ei，

(2)

其中α，ei为(1)中α，ei的对数；β，γ和δ表示在其他因素不变的情况下，驱动影响因素变化1%时，环境影响变化的百分比，即为经济学中的弹性概念.本文中I表示碳排放，P为人口总量，A为用城镇人均可支配收入表示富裕度，T为用能源强度Ei表示技术水平，即单位GDP的能源使用量.由于工业化与二氧化碳排放相关性高，所以本文引进工业增产值占GDP比重(G)，本文研究城市化过程对碳排放的影响，所以加入城市化率(U)来表示城市化水平.为了通过回归分析确定相关参数，因此模型变为

ln(Ii)=α+βln(Pi)+γln(Ai)+δln(Ei)+εln(U)+ηln(G).

(3)

为了证明城市化与碳排放之间是否存在环境库兹尼茨倒U型曲线关系，将ln(U)分解成ln(U)和ln(U)2[21]，所以模型变为

ln(Ii)=α+βln(Pi)+γln(Ai)+δln(Ei)+εln(U)+ηln(G)+θln(U)2.

(4)

对(4)中ln(U)求一阶导数，得到城市化对碳排放的弹性系数

λ=ε+θln(U).

(5)

根据(5)以及ln(U)的值，即可求出λ，如果是负值，则城市化和碳排放之间存在倒U曲线，同时可知环境开始改善的城市化率的值.

1.2数据来源

本文选用吉林省1998—2012年的面板数据.选取二氧化碳排放量，人口总量，城镇人均可支配收入，城市化率，能源强度，工业增产值作为统计指标.

(1)二氧化碳量：根据中国统计年鉴一次能源(煤炭，石油和天然气)使用量折算成标准统计量.Eit=Qit·σi，其中Eit表示t年i类能源消耗标准量(万吨标准煤)，Qit表示t年i类能源消耗实物量，σi为i类能源实物换算为标准煤的系数 (中国能源统计年鉴有具体的换算系数).具体的各能源使用量来自中国统计年鉴.同时需要将求的碳排放量折算成标准碳排放量：Cit=∑(Eit·ρi)，其中Cit代表t年碳排放量(万吨)，ρi代表i类能源的碳排放系数. 根据美国能源部能源情报署(EIA)，日本能源研究经济所，国家科委气候变化项目和国家发展和改革委员会能源研究所所公布的数据，取平均值得到煤炭、石油、天然气的碳排放系数分别为0.733，0.557和0.423[22].

(2)人口总量：来自吉林省统计公报.而对于城市化率的计算有很多种，本文采用普遍采用的人口比重指标法，即城市人口占总人口的比重，城镇人口来自于吉林统计年鉴.

(3)城镇居民可支配收入：用来表示经济和生活水平对碳排放的影响.

(4)能源强度：即能源消费与GDP比值.

(5)工业增产值：工业增加值占生产总值比重.

2结果分析

2.1主成分分析

由所收集的数据，基于STIRPAT线性方程，应用SPSS软件进行多元回归分析，结果见表1，由表可知，城市化率的对数和城市化率对数的平方项系数的方差膨胀因子高达994和971，因此变量之间存在严重的多重共线性，而普通最小二乘法无法对变量之间存在共线性的模型得到可靠的系数，为了消除共线性，本文采用主成分法进行分析.

表1　普通最小二乘法结果

注：碳排放量为因变量.

主成分分析是在很少信息的前提下把多个指标利用正交旋转变换转化为几个综合指标的多元统计分析方法，研究复杂问题时可只考虑少数几个主成分且不至于损失太多信息，主成分回归是对普通最小二乘法估计的改进，其参数估计是一种有偏估计.因此为了解决存在的共线性问题，利用SPSS软件对其进行处理.sig<0.01.说明各变量之间存在显著的相关性，同时KMO统计量为0.806，大于0.7，因此可以作因子分析.如表2所示第一个综合因素解释的累计方差为93.832，已达到85%以上，所以只需提取该综合因素即能很好地解释原有变量.可得到方程：

F=0.176ln(P)+0.175ln(A)+0.169ln(U)+0.171ln(G)-0.171ln(E)+0.17(lnU)2.

(6)

注：提取方法为主成分分析法.

将综合因子F和碳排放量的对数做最小二乘回归分析，得到两者之间的线性关系.由表2得被解释变量ln(I)以及综合因素F通过了普通最小二乘法F统计量的1%显著性水平检验，其中F值为169.328，t检验的sig值小于0.01，说明模型拟合较好，得到方程

ln(I)=8.328+0.315F.

(7)

将(6)式带入(7)式可得碳排放量和各影响因素之间的关系，即：

ln(I)=8.328+0.055 4 ln(P)+0.055 1 ln(A)+0.053 2 ln(U)+

0.053 9 ln(G)-0.053 9 ln(E)+0.053 6 (lnU)2.

(8)

2.2回归分析

模型分析结果显示，吉林省人口总数，城市人均可支配收入，城市化率和工业增产值对碳排放起到正向作用，而能源强度对碳排放起到负向作用，人口总数，人均可支配收入，城市化率，工业增产值和能源强度每增加1%，将引起碳排放增加0.055 4%,0.055 1%, 0.053 2%, 0.053 9%和-0.053 9 %,根据模型得到的结果，人口总数和人均可支配收入对碳排放量的增加起到决定性的作用，而能源强度对吉林省的碳排放量起到负向作用，吉林省在东北地区的经济地位落后于黑龙江省和辽宁省，而人口数量在2013年也仅为2 751.28万人，对于人口和经济的增加势必会带来更多的碳排放量；而能源强度的增加是由于技术的推进，从而减少了碳的排放量，符合吉林省的现状.因此依据STIRPAT模型所得结果可分析得到：

1) 人口总数

从系数可以看出，人口数量是吉林省碳排放量的最重要影响因素，人口总数每提高1%，碳排放量将增加0.055 4%，这主要由人口对能源的需求所决定.由于人口的增加，人们的生活生产就会增加，随之也增加了能源的使用以及碳的排放[23]，吉林省人口在研究的初期增长的很快，2002年由于《吉林省人口与计划生育条例》的实施，使得吉林省人口增长速度明显减慢，因此使得由于人口的增加而带来的碳排放增加速率相对减慢.

2) 城市化率

城市化率是影响碳排放的另一重要因素，城市化率每增加1%，碳排放增加0.053 2%，城市化的进程通常都会伴随能源需求和消耗的增加以及居民消费引起的碳排放的增加，如购买冷暖设施等，由于城市化的推进，增加了汽车的运行量，将会促进能源使用的增加[24-26]，吉林省正处于城市化快速阶段，同时一汽产业的优势，大大增加了汽车的使用量.吉林省的城市化率居于全国城市化水平前列，但其中存在一定的假城市化现象，即一部分人虽然生活在城市中，仍然没有形成城市的生活方式，比如农民工，迁移到城市里定居，虽然增加了城市化的比重，但是他们住房和设备仍然缺失，当这部分人的生活方式改变，住房面积增加和冷热设施的添加，势必会导致能量使用的增加.吉林省处于城市化的中期阶段，此时大规模地依靠制造业和高碳燃料的使用来促进经济的发展，将会产生更大的碳排放[27].城市化率对数的二次项的系数在1%的水平上显著，且数值大于零，可知在观察的范围内，城镇化率和碳排放之间不存在环境库兹尼茨曲线关系，在1998—2012年间，城市化对碳排放的正向作用在不断加大.

3) 工业增产值

工业增产值是促进碳排放的第三大因素，每增加1%，碳排放将增加0.053 9%，东北是老工业基地，因此吉林省的产业结构中工业比重较大，同时，工业的比重逐年增加，尤其是汽车制造业石油化工行业对全省的收入贡献值比较大，所占整个产业的比重也大，汽车制造业消耗大量的能源，而且石油燃烧被认为是人为温室气体排放的最主要原因[28-29]，所以汽车产业和石油化工的增加势必会导致碳排放的增加.

4) 人均收入

吉林省的城镇居民人均收入对碳排放的影响也是正向的，人均收入每提高1%，碳排放将增加0.055 1%，对于现阶段的吉林省，随着经济的发展势必会带来CO2的排放，所以当前大幅度的减少二氧化碳的排放，一定会影响经济的发展.同时吉林省的经济发展在全国排名比较靠后，在现有的技术水平下，未来的几年里吉林省的经济发展仍然会导致碳排放增加.

5) 能源强度

能源强度是唯一对碳排放起抑制作用的影响因素，每增加1%的能源强度，碳排放将减少0.053 9%，吉林省的碳排放量主要是煤的燃烧，资源型城市较多，因此需要利用调整产业结构和改进技术，提高设备和生产水平，来减少碳排放.但是现阶段吉林省仍然处于城市化和经济发展的阶段，所以对能源消耗仍然很大，总体上的能源消耗仍处于上升的趋势，所以碳排放量始终在增加，因此需要大力调整和优化产业结构来减少碳排放.

6) 人均碳排放量

随着时间的推移，人均碳排放量和碳排放总量整体上成增长的趋势，并且增长幅度基本一致，1998—2004年，人均碳排放量年增速逐渐变大，由于这段期间经济发展缓慢，投资规模和增长水平与振兴吉林基地的要求不相适应，没能挖掘新的增长点，所以工业产业的大力推进使得碳的排放量快速增加.2004—2009年的人均碳排放量年增长速率逐渐变小，但总量和人均碳排放量仍在增加，此阶段人口增加较快，同时优势和特色的产业快速增加，所以使得人均碳排放量增加稍有减慢.2009—2011年的人均碳排放量增长速率基本相同，而2012年的人均碳排放量和2011年的人均碳排放量基本相同，2012年的人口相比2011年的人口数量增加的较小，自然增长率仅为0.36‰，同时由于转变经济发展方式，优化产业结构等一系列措施，使得人均碳排放量与2011年基本保持持平.

图1　1998—2012年吉林省碳排放总量和人均碳排放量Fig.1　The carbon emissions and per capita carbon emissions in Jilin during 1998—2012

3结论和建议

3.1研究结论

本文通过对吉林省1998—2012年间的碳排放量研究，得到人口总数，人均可支配收入，城市化率，工业增产值和能源强度每增加1%，将引起碳排放增加0.055 4%,0.055 1%, 0.053 2%, 0.053 9%,-0.053 9%,其中人口数量对碳排放的影响最大，城市化率次之，能源强度对碳排放起到抑制作用.城市化率对数的二次方系数为正，说明现研究阶段吉林省的碳排放和城市化率之间还没出现环境库兹尼茨曲线特征.

3.2建议

从吉林省的现状来看，只有能源强度对碳排放起到抑制所用，但影响的强度相对于促进作用的人口数量的强度又很微弱，所以为了尽快实现吉林省的低碳城市计划，本文提出以下建议：

1)科学的规划城市发展，将汽车，石化和农产品加工这三大支柱产业引进先进技术和节能优化技术，以更好地发挥起功效.吉林省是老工业基地，二产对碳排放的增加起促进作用，所以应该合理规划产业结构，尤其长春有第一汽车制造厂，引进先进的技术，不仅可以增加产业的产量，还可以提高生产效率，减少碳及其他污染物的排放.利用新能源，将原有的风能更好地投入到生活生产中，采用先进技术以风能替代原有的化石能源，将可循环的能源作为主导能源，加快转变不合理的生产方式，改进原有粗放型的生产模式，增加第三产业比例.

2)吉林省仍处于快速城市化阶段，而城市化过程中的人口迁移及消费方式的转变，带来大量的碳排放，因此应提高经济增长的质量和城市化人口的质量.不仅是人口城市化也是文化素质的城市化，同时对于迁往城市人口的原有土地进行合理的规划.吉林省人口属于中部密集(主要是集中在长春，吉林和四平)，而西部(白城，松原等)土地面积约占全省的28%，人口却占19%，并且人口在不断的向中心迁移，所以不能使其荒废出现“空心村”现象，迁入城市的人口又会占用新的土地，所以要合理规划和布局城市用地，将农村的土地种植树木，草地或者进行农业生产以增加碳的吸收，对于城市中的用地应以密集型结构来缩短交通量带来的碳排放，同时采用集中供暖来增加碳的使用效率，减少碳的排放.

3)提高全民意识，居民作为城市的主体，居民的生活活动对低碳城市的发展起着举足轻重的作用，要让民众认识到可持续发展的重要性，树立新的生态观念，政府大力宣扬和倡导低碳生活，可以通过制定一些政策(奖励高效低碳设备)来促使碳排放量大的产业改进设备，调整结构以达到低碳环保的生产模式，通过现行条例来削减交通产生的碳排放量，提倡公交和步行出行.拓宽道路，增加道路的畅通性以减少车辆的运行时间，降低碳的排放；同时在强调低碳发展的形势下，也要保证经济的发展，减排政策不能脱离了现阶段的社会发展，要保证经济发展与环境保护同步进行.同时吉林省是全国重点林业省份之一，东部是我国重要森林功能和生态屏障，有利于碳的吸收，因此政府和民众应共同努力，保护现有的资源.

参考文献：

[1]王桂新.我国城市化发展的几点思考[J].人口研究, 2012,36(2):37-44.

[2]林柏强,刘希颖.中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究, 2010(8):66-78.

[3]IEA. World energy outlook[EB/OL].(2005-06-07)[2015-04-05]. http: //www.world energy outlook.org/.

[4]PARKER P, ROWLANDS I H. City partners maintain climate change action despite national cuts: residential energy efficiency programme valued at local level[J].Local Envir, 2007,12(5):505-518.

[5]BETTENCOURT L M A, LOBO J, HELBING D,etal. Growth, innovation, scaling, and the pace of life in cities[J].Proc Nat Acad Sci, 2007,104(17):7301-7306.

[6]JORGENSON A K, CLARK B. Assessing the temporal stability of the population/environment relationship in comparative perspecfive: a cross-national panel study of carbon dioxide emissions, 1960-2005[J].Popul Envir, 2010,32(1):27-41.

[7]FRAGKIAS M, LOBO J. CO2emissions in U.S. counties: the importance and interplay of population size, income and creative economic activity[J].UGEC Viewpoints, 2010(3):13-17.

[8]PARIKH J, SHUKLA V. Urbanization, energy use and greenhouse effects in economic development[J].Global Envir Change,1995,5(2):87-103.

[9]ANG J B. CO2emissions, research and technology transfer in China[J]. Eco Econ, 2009,68(10):2658-2665.

[10]刘梦琴,刘秩俊.中国城市化发展与碳排放关系——基于30个省区数据的实证研究[J].城镇化, 2011(11):27-32.

[11]王锋,吴丽华,杨超.中国经济发展中碳排放增长的驱动因素研究[J].经济研究, 2010(2):123-136.

[12]马晓钰,李强谊,郭莹莹.我国人口因素对二氧化碳排放的影响——基于STIRPAT模型的分析[J].人口与经济, 2013(1):44-51.

[13]张传平,谢晓慧,曹斌斌.我国工业分行业二氧化碳排放差异及影响因素分析——基于改进的STIRPAT模型的面板数据实证分析[J].生态经济, 2012(9):113-129.

[14]邵帅,杨莉莉,曹建华.工业能源消费碳排放影响因素研究——基于STIRPAT模型的上海分行业动态面板数据实证分析[J].财经研究, 2010,36(11):16-27.

[15]王中英,王礼茂.中国经济增长对碳排放的影响分析[J].安全与环境学报, 2006,6(5):88-91.

[16]欧元明,周少甫.省域碳排放影响因素比较研究[J].工业技术经济, 2014(6):34-41.

[17]HOLDREN J P, EHRLICH P R. Human population and the global environment[J].Am Sci, 1974,62(3):282-292.

[18]SHANDRA J M, BRUCE L, OWEN W P,etal. International nongovernmental organizations and carbon dioxide emissions in the developing world: a quantitative, cross-national analysis[J]. Soci Inquiry, 2004,74(2):520-545.

[19]DIETZ T, ROSA E A. Rethinking the environmental impacts of population, affluence and technology[J]. Human Ecol Rev, 1994,2(1):277-300.

[20]YORK R, ROSA E A, DIETZ T. STIRPAT, IPAT and impact: analytic tools for unpacking the driving forces of environmental impacts[J]. Ecol Econ, 2003,46(3):351-365.

[21]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.

[22]陈志建,王铮.中国地方政府碳减排压力驱动因素的省际差异——基于STIRPAT模型[J].资源科学, 2012,34(4):718-724.

[23]宋德勇,徐安.中国城镇碳排放的区域差异和影响因素[J].中国人口·资源与环境, 2011,21(11):8-14.

[24]蔡博峰,曹东,刘兰翠.中国交通二氧化碳排放研究[J].气候变化研究讲展, 2011,7(3)197-203.

[25]江玉林，姜克隽.中国城市交通节能政策研究[M].北京：北京人民交通出版社, 2009.

[26]吴文化.我国交通运输行业能源消费和排放与典型国家的比较[J].中国能源, 2007,29(10):19-22.

[27]孙昌龙,靳诺,张小雷,等.城市化不同演化阶段对碳排放的影响差异[J].地理科学, 2013,33(3):266-272.

[28]廖秀英，王婷，程辉,等.中国CO2能源排放量与CO2大气浓度时空分布研究[J].湖南科技大学学报：自然科学版, 2014,29(3):103-107.

[29]IPCC. Climate change 2007: the fourth assessment report of the intergovernmental panel on climate change[M]. Cambridge: Cambridge University Press, 2007.

(编辑胡文杰)

Analysis of Impact of Urbanization on Carbon Emissions in Jilin Province

YANGLin,DONGMei-na,ZHOUJia*

(Remote Sensing Laboratory of Heilongjiang Province Higher geography, Harbin Normal University, Haerbin 150025, China)

AbstractThe increasing carbon emissions speed up the greenhouse effect, and affects the ecological development and the normal life of human. Therefore, carbon emissions reduction draws increasing attention from all the world, and the construction of low carbon city is one of the main targets of urban construction in China at the present stage. In this paper, based on carbon emission time series data of Jilin province from 1998 to 2012, using the STIRPAT model and the principal component analysis (PCA) method, the influence of total population, urbanization rate, energy intensity, per capita disposable income, industrial added value on carbon emissions. The results show that the influence of total population on carbon emissions is the strongest, followed by the urban disposable income, while energy intensity is the only factor that inhabits carbon emissions although still very weak compared with the population effect. Therefore the overall carbon emissions are still increasing. Further analysis between urbanization rate and carbon emissions at this stage has not yet appeared environmental Kuznets curve relationship, indicating the carbon emissions will still continue to increase.

Key wordscarbon emissions; STIRPAT model; principal component analysis; factors; Jilin province

中图分类号X205；F205

文献标识码A

文章编号1000-2537(2015)05-0008-07

通讯作者*,E-mail：harbinzhoujia@163.com

基金项目：黑龙江省教育厅资助项目(12531208)；哈尔滨师范大学科技发展预研项目(10xyg-09)

收稿日期：2015-06-05

DOI:10.7612/j.issn.1000-2537.2015.05.002