引言根据我国碳核算数据库(CEADs)数据显示，2019年我国其中30个省份燃煤产生的碳排放量占总二氧化碳排放的75.4%，石油占13.3%，天然气占4.4%[1]。煤炭储量丰富且开采成本较低，我国过去高度依赖煤炭资源，化石能源消费占比较大且短期内难以大幅降低，明确能源碳排放量十分关键。人口规模、能源强度、人均收入水平以及经济结构是影响碳排放的重要因素[2]。如果保持现有经济模式发展，2030年前不能完全实现碳达峰[3]。以我国48个城市面板数据为研究对象，核算并分析2010~2018年的能源碳排放量，运用K-均值聚类分析法将其分为高、中、低三类碳排放城市，运用STIRPAT扩展模型定量分析能源强度、人均GDP以及人口数量与碳排放的关系，在EKC模型的基础上，实证探究碳排放量与经济发展的计量关系，预测各城市实现碳达峰的时间。1研究方法与数据来源1.1碳排放核算方法采用排放因子法从煤炭、石油、天然气、热力及电力等5个方面测算城市能源消费碳排放，确定城市能源消费碳排放的测算内容共30项[4]。能源消费碳排放量为：c=∑in(Ei×XCS×EFi) (1)式中：c——能源消费产生的CO2，万t，Ei——第i种能源的实物量；XCS——各能源对应的折标准煤系数；EFi——第i种能源的排放因子[5]，不同年份的电力碳排放因子选用中华人民共和国生态环境部发布的相应区域电网排放因子进行测算[6]。1.2STIRPAT模型构建STIRPAT模型是学者对研究环境、人口、技术与经济关系的IPAT等式进行改造衍生的随机影响回归模型[7]。文中结合我国48个城市的经济技术发展状况，分别利用碳排放、人均GDP、能源强度指标表征环境负荷、富裕度和技术水平，模型为TPF=a×Pb×AGc×EId×e。两边取对数得：lnTPF=lna+blnP+clnAG+dlnEI+lne (2)式中：TPF——碳排放量，万t；P——人口数量，万人；AG——人均GDP，元/人；EI——能源强度，吨标准煤/万元，即能源消耗总量与GDP总额之比；a——常数项；b、c、d——弹性系数，P、AG、EI每发生1%变化，将分别引起碳排放发生b%、c%、d%的变化。1.3样本选取由于样本数目较多且各城市社会经济基本情况存在较大差异，直接进行回归分析会导致工作量增大且很大程度上会损失大量真实信息。为了比较48个城市的碳排放情况，研究核算2010~2018年的二氧化碳排放量，发现各城市碳排放无大幅变动。因此，根据各城市的碳排放走势图及数据间的差异，借助SPSS软件，运用K-均值聚类分析法，基于2018年的碳排放数据将48个样本城市分成高碳、中碳、低碳三类。1.4数据来源煤炭、石油、天然气、热力及电力方面等数据均源自各城市2010~2018年《中国城市统计年鉴》和《能源统计年鉴》。人口数量和GDP均源自《中国城市统计年鉴》（GDP换算成2010年不变价）；单位GDP能耗由《城市统计年鉴》和各市《国民经济和社会发展统计公报》中万元GDP二氧化碳下降率计算得出。2结果与分析2.1模型回归拟合分析结果与分析我国不同城市在经济规模、经济发展水平以及能源消费结构等方面均存在较大差异，将所有城市进行整体回归会损失大量真实信息，因此采用EViews 9.0软件分别对高碳、中碳和低碳三类城市碳排放及其影响因素进行回归分析，回归分析的数据源自2010~2018年，高、中、低碳城市的回归方程式中，各参数估计值对应的P值均小于0.01，表明在0.01的显著性水平上，自变量lnP、lnAG、lnEI对lnTPF具有显著影响。2.1.1高碳城市的碳排放回归分析lnTPF=1.170 3×lnP+0.949 6×lnAG+1.016 3×lnEI-8.839 7+u (3)模型(3)的拟合优度R2为0.98，表明模拟效果非常好；高碳城市影响碳排放因素的影响程度由大到小分别为人口数量、能源强度、人均GDP。人口数量的弹性每变动增加1%，碳排放量的弹性相应增长1.170 3%，表明随着上海、宁波、郑州等高碳城市投资规模和就业机会的增加，扎根落户于此的人口对衣食住行需求的增长，会导致工业、电力、交通等部门消耗更多的能源产生更多的碳排放。能源强度增长速度增加1%，碳排放量增长速度相应增长1.016 3%。人均GDP的弹性每变动增加1%时，碳排放的弹性相应变动增加0.949 6%。2.1.2中碳城市的碳排放回归分析lnTPF=0.916 7×lnP+0.924 3×lnAG+1.009 9×lnEI-6.952 0+u (4)模型(4)的拟合优度R2为0.94，表明模拟效果非常好。中碳城市碳排放因素影响程度由大到小分别为能源强度、人均GDP、人口数量。能源强度是影响中碳城市碳排放的主要因素，能源强度弹性每变动增加1%，碳排放量的弹性相应增长1.009 9%。第二产业能源强度对碳强度的贡献率最高，且大于其他各产业部门对碳强度的抑制作用，整个工业部门中六大高耗能行业导致二氧化碳排放量不断增加。人均GDP每增加1%时，碳排放的均值相应增加0.924 3%，表明在中碳城市人均GDP是影响碳排放增长的第二大影响因素。人口数量弹性每变动增加1%，碳排放弹性相应增长约0.916 7%，表明人口数量对中碳城市碳排放的影响较小。2.1.3低碳城市的碳排放回归分析lnTPF=0.872 5×lnP+0.772 6×lnAG+0.161 7×lnEI-5.406 8+u (5)模型(5)的拟合优度R2为0.97，表明模拟效果非常好；低碳城市中，人口数量、人均GDP以及能源强度弹性系数分别为0.872 5、0.772 6、0.161 7。人均GDP作为低碳城市碳排放第二大影响因素，人均GDP每提高1%，二氧化碳排放量的均值相应增加0.772 6%。由于低碳地区正处于消耗大量能源以促进经济快速增长的阶段。能源强度的弹性系数为0.161 7，整体技术进步水平每提高1%，二氧化碳排放量均值相应增加0.161 7%，表明低碳城市能源结构等因素对环境的影响相对较小。2.2城市碳排放与经济增长关系分析目前，国内多采用EKC模型检验碳排放与经济增长之间的关系，环境库兹涅兹(EKC)曲线的基本模型为：Cit=α+β1Yit+β2Yit2+μit (6)式中：Cit、Yit——城市i在t年的碳排放总量和GDP；α——常数；β1、β2——模型系数；μit——随机扰动项。各城市的资源禀赋存在差异，碳排放结构也存在差异，因此在基础模型上加入固定效应，建立固定效应变截距模型，分析48个城市生产总值(GDP)和碳排放之间的关系。Cit=ait*+α+β1Yit+β2Yit2+μit (7)采用EViews 9.0软件分别对高、中、低碳城市进行单独回归分析，回归分析的数据期间为2010~2018年。各城市模型的回归结果如表1所示。10.3969/j.issn.1004-7948.2023.03.019.T001表1各城市模型的回归结果城市常数项GDPGDP2可决系数R2高碳—1.972 07-3.199 453×10-50.92—（17.689 37）（-5.726 739）中碳3 736.538 000.989 95-6.807 219×10-50.86（14.066 67）（8.211 63）（-7.000 497）低碳1 370.598 001.100 54-0.000 1610.94（11.860 80）（8.279 74）（-5.004 905）注：括号内数字为t检验统计量。由表1可知，高、中、低碳城市模型拟合优度R2分别为0.92、0.86、0.94，表明模型拟合效果较好。在0.01的显著性水平下，估计的回归系数相应的P值表明，GDP和GDP2对TPF具有显著影响。DW≈2，表明已不存在异方差性，从而验证了EKC曲线的存在性。2.3城市碳排放达峰分析如果各城市发展按照2010年以来的规律发展，可以根据上述模型分析得到各城市碳排放峰值到达时间。对三类城市的模型分别求导并使一阶导数为0，得出各城市碳排放达到峰值时的GDP。高碳城市碳排放达到峰值时的GDP为30 818.84亿元，碳排放量为30 388.43万t；中碳城市碳排放达到峰值时的GDP为7 271.33亿元，此时的碳排放为7 335.67万t；低碳城市碳排放达到峰值时的GDP为3 423.57亿元，此时的碳排放为3 254.48万t。为了预测各城市碳排放达峰的时间，需要设定各城市的GDP发展的速度。本研究在基准情景下（按照2010年以来的模式发展），根据2010~2018年各城市生产总值的数据计算GDP年均增长率，结合各城市所在城市群的碳峰值预测各城市的达峰年份。各城市碳排放达峰的时间预测如表2所示。各城市碳排放达峰时间如表3所示。10.3969/j.issn.1004-7948.2023.03.019.T002表2各城市碳排放达峰的时间预测城市GDP年均增长率/%所用时间/a城市GDP年均增长率/%所用时间/a城市GDP年均增长率/%所用时间/a上海6.291安阳8.2214阜阳9.879邯郸7.9625东莞7.91已达峰安庆9.436哈尔滨8.0219榆林9.038新乡9.264宁波7.9215保定8.188南阳8.76已达峰淄博8.4521南通10.00已达峰驻马店9.245烟台8.8715嘉兴8.187黄石9.3010济宁9.1120威海8.997十堰9.0910郑州9.7114滨州7.7313孝感9.768太原8.0910岳阳9.699常德10.031运城6.4427衡水8.5310怀化9.2210杭州8.71已达峰忻州7.3921中山8.86已达峰枣庄8.2213通辽8.136自贡10.159泰安8.967齐齐哈尔7.3011遂宁11.1310莱芜8.7023牡丹江8.6510咸阳10.493临沂9.334绥化8.4511延安6.6813洛阳9.135丽水8.3213石嘴山9.002010.3969/j.issn.1004-7948.2023.03.019.T003表3各城市碳排放达峰时间年份/年高碳城市中碳城市低碳城市2010~2015无杭州无2016~2020上海东莞、南通南阳、中山、常德2021~2025无泰安、临沂、洛阳、嘉兴、威海通辽、安庆、新乡、驻马店、咸阳2026~2030无太原、榆林、保定、岳阳衡水、齐齐哈尔、牡丹江、绥化、阜阳、黄石、十堰、孝感、怀化、自贡、遂宁2031~2035宁波、烟台、郑州枣庄、安阳、滨州丽水、延安2036后邯郸、哈尔滨、淄博、济宁运城、莱芜忻州、石嘴山高碳城市中仅上海已达到碳排放的拐点，其余7个城市在2030年之后实现碳达峰，预测时间最长的是邯郸，以邯郸当前的经济水平，达到碳排放的峰值需要经历25年。中碳城市共有17个，其中有12个城市可以在2030年之前达到碳排放的拐点，预测时间最长的是运城，需要到2045年。低碳城市中有19个城市可以在2030年之前到达碳排放的拐点，忻州是最晚实现达峰的城市，需要到2038年，主要原因为南阳、中山等城市的GDP较高，拉高了城市群的GDP拐点，为3 423.57亿元，导致忻州、石嘴山等城市需要更长时间实现碳达峰。3结语人口数量、能源强度、人均GDP均与碳排放显著相关，但是各因素在不同城市的影响程度存在差异。人口数量是高碳和低碳城市碳排放最主要的影响因素，能源强度变化对中碳城市碳排放的增加影响最大。我国48个城市的碳排放轨迹遵循EKC曲线，但是达峰时间存在差异。基于研究结果提出以下建议：（1）大力宣传绿色低碳的生活方式。人口数量对城市碳排放具有明显的正向影响，应大力提倡绿色低碳全民行动，如通过开展全国节能宣传周、全国低碳日等活动加强对低碳行为的宣传，提高居民的生态文明意识。（2）因地制宜地推进碳达峰行动。应结合各地区经济社会发展实际和资源禀赋有序实现碳达峰行动。已达峰的城市应巩固减排成果进一步降低碳排放，可以通过碳配额、CCER等碳交易环节上下联动实现总体减排效果；对于能源结构偏煤的地区应大力优化产业结构和能源结构，结合各地区经济社会发展实际和资源禀赋有序实现碳达峰行动。