类型a：

pol. j. environ. stud. 2025年第34卷第3期研究学术报告
作者与机构
本研究由德国基尔大学（Christian-Albrechts-Universität zu Kiel）商业、经济和社会科学学院的李开锋（Kaifeng Li）主导完成，论文在线发表于2024年10月29日，收录于期刊《pol. j. environ. stud.》2025年第34卷第3期，DOI号10.15244/pjoes/188062。

学术背景
本研究聚焦于中国“碳峰值”目标下工业碳排放的影响因素与减排路径，以江苏省为实证研究对象。江苏省作为中国工业与经济大省，其碳排放量长期居全国前五，是研究省级工业碳排放机制的典型样本。全球气候变化背景下，中国承诺2030年前实现碳达峰，而工业部门占全国碳排放总量的70%，探索其减排路径具有紧迫性。研究旨在通过量化分析能源结构、技术进步等驱动因素的作用，为协调经济增长与低碳转型提供科学依据。

研究方法与流程
研究分为四个核心环节：
1. 碳排放核算与LMDI分解
- 数据来源：基于2010-2021年江苏省规模以上工业能源消费数据（原煤、原油等10类能源）及《江苏统计年鉴》。
- 核算方法：采用排放因子法（Emission Factor Method）计算CO₂排放量，公式为：
[
C = \sum (E_i \times EF_i \times ⁴⁴⁄₁₂)
]
其中(E_i)为能源消耗量，(EF_i)为碳排放系数。
- 分解模型：应用对数平均迪氏指数（LMDI）分解法，将碳排放变化分解为能源强度效应、能源结构效应、产业规模效应、碳排放系数效应及工业发展水平效应五大驱动因子。模型基于Kaya恒等式扩展，通过加法形式量化各因子贡献值。

1. STIRPAT模型构建与脊回归分析

   • 模型扩展：在经典STIRPAT（Stochastic Impacts by Regression on Population, Affluence, and Technology）模型中纳入工业就业人口、人均产出、碳排放强度（含技术进步）变量，以解决多重共线性问题。
     
   • 回归方法：采用脊回归（Ridge Regression）拟合，通过SPSS 21.0计算变量弹性系数（如人均产出每增1%，碳排放增0.602%），并验证模型拟合误差仅0.05%。
     

2. 碳排放预测与情景分析

   • 预测模型：基于离散灰色模型DGM(1,1)对2022-2035年关键变量（如就业人口、技术进步）进行预测，结合STIRPAT模型输出碳排放趋势。
     
   • 情景设计：设置8种发展情景，差异化调整人口增长率（低/高）、人均产出增长率（低/高）及碳排放强度削减率（低/高），量化不同政策组合下的减排潜力。
     

3. 政策建议推导
   结合情景分析结果提出产业结构优化与能源技术升级路径，如优先发展清洁能源集群（风电、光伏）及推广智能化转型。

主要结果
1. LMDI分解结果：
- 抑制效应：能源强度降低累计抵消4.7亿吨CO₂（贡献率347.03%），电力碳排放系数下降减排336万吨。
- 促进效应：人均产出增长主导碳排放增加（6.6亿吨，贡献率483.91%），能源结构优化贡献有限（减排2902万吨）。

1. STIRPAT模型验证：

   • 技术进步（通过碳排放强度体现）弹性系数为-0.815，表明技术升级是减排核心杠杆。
     

2. 情景预测结论：

   • 最优路径：情景7（低人口增长+低人均产出+高碳强度削减）可在2030年实现峰值8.02亿吨，且不影响工业经济增速。
     
   • 峰值挑战：若维持当前趋势（情景8），峰值将延迟至2035年（8.62亿吨）。
     

结论与价值
本研究的科学价值在于：
1. 方法创新：融合LMDI分解、STIRPAT模型与灰色预测，构建省级工业碳排放“因素-路径-政策”全链条分析框架。
2. 政策意义：实证表明，江苏省需以技术创新为核心，通过“非化石能源占比提升+能效标准强化”双轨策略实现碳峰值目标，为其他工业省份提供参考。

研究亮点
1. 数据颗粒度：首次结合江苏省电网碳排放因子动态变化（2010-2020年）精确量化电力间接排放。
2. 跨学科整合：将能源经济学（LMDI）与环境科学（STIRPAT）方法交叉应用，增强结论的普适性。

其他发现
研究指出，江苏省火电占比83.63%是减排瓶颈，未来需通过跨区域绿电交易弥补资源逆分布缺陷。这一发现对中国“西电东送”战略的低碳化升级具有启示意义。