基于STIRPAT模型的东三省“碳排放”预测与达峰路径研究

滕飞，平冰宇，边远，王宏宇

近年来，温室效应和气候变化越来越引起人们关注.我国也面临着严峻的气候变化问题.《第三次气候变化国家评估报告》显示，近百年来我国陆地区域平均温度升高了0.9～1.5℃.随着全球气候变暖，二氧化碳的排放量必须减少，以缓解危机.“碳达峰，碳中和”俨然已成为当下全球碳减排最热门的话题.从世界范围的视角来看，自《巴黎协定》之后，各国签订的“碳达峰，碳中和”的目标协议直接使全球进入了绿色转型的新时代，各国间为减少碳排放量也相应做出不同承诺.

在此碳减排大背景下，对于中国及其各省市的碳排放现状与碳达峰目标实现程度众多学者进行了思考与探索，主要包括碳排放的影响因素、碳排放核算、未来峰值预测，以及择取实现碳排放达峰目标的最优路径问题.在解决这些问题时，大多数数学学者采用构建模型、参数设置、情景组合、峰值预测的途径.其中，STIRPAT模型通常被国外学者用于对碳排放量及其影响因素的关系进行实证分析，如POLLONI SILVA E等应用STIRPAT模型分析巴西能源相关CO2排放驱动因素［1］，JOHAN-ANDRÉS VÉLEZ-HENAO以哥伦比亚为例通过拓展STIRPAT模型探究了哥伦比亚的城市化是否促进了环境影响［2］，SIDI MOHAMMED C等采用STIRPAT模型对阿尔及利亚的碳排放的影响因素进行思考［3］.国内学者对于中国各省份及地区的碳排放影响因素和峰值预测的相关分析也有研究.郭承龙等以江苏省为例，通过构建STIRPAT模型探究碳排放影响因素的结果表明，人口数量和城镇化水平与碳排放量呈正相关，并且第三产业占总产业的比重较高，对碳排放起到抑制作用［4］；闫新杰等以新疆地区为例，采用碳排放系数法核算2004—2019年化石能源所产生的碳排放量，通过构建STIRPAT模型得出碳排放量与影响因素的相关性关系，最后利用情景分析法对新疆2020—2040年的碳达峰情况进行预测，研究结果表明，当经济放缓发展时，新疆于2030年可以实现碳达峰［5］；马宇恒通过构建STIRPAT模型对东北地区的碳排放现状进行分析，以LMDI分解法探究影响东北地区的碳排放影响因素，最后利用情景分析法的方式对东北地区的碳排放峰值进行预测，得出东三省地区将于2030年在“节能情景”下实现碳达峰目标［6］；唐祎祺通过核算1995—2015年中国各省区碳排放量，利用STIRPAT碳排放模型以及情景分析法模拟出我国有26个省份至少在一种情景下实现碳达峰以及中国将在2028—2045年间实现碳排放目标［7］.在“碳达峰，碳中和”前景中，由于各学者研究方法、情景组合、参数设置不同，大家得到的结论也会有一定的差异.我国各省份的碳达峰预测结果多为2030年左右，东部省区普遍介于2025—2030年之间，西部省区普遍介于2030—2035年之间.

东北地区作为煤铁复合型工业基地，能源结构一直都处于能源消费总量中煤炭燃料占比较大的状态，降低经济发展对煤炭燃料使用的依赖是实现我国低碳经济绿色转型的关键.其中辽宁省是我国传统工业大省，在振兴东北发展，推动经济进步方面占有重要地位.吉林省作为玉米主产地和中国汽车工业的摇篮，近年来随着国家一系列重大发展战略的深入实施，经济运行稳中有进，未来发展前景广阔，可为中国经济发展贡献不可或缺的力量。黑龙江省作为矿产资源丰富大省，拥有中国最大的石油石化基地，其煤炭燃料的开发使用是整个黑龙江省的经济支柱.本文将结合情景分析法模拟东三省在2020—2040年间碳排放量及预测碳达峰情况，探索出东三省实现碳达峰目标的最优路径.

1 方法和数据

1.1 二氧化碳排放量测算

二氧化碳是最常见的温室气体之一，其主要产生途径为化石燃料的燃烧和有机物分解.关于二氧化碳排放的测算方法主要有碳排放系数法和利用能源消耗总量及其单位热值含碳量、平均碳氧化率计算两种方法.同时碳排放系数法具有简单便捷、时效性强的特点，因此本文参照IPCC指南采用碳排放系数法，利用煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然气八种能源消费量对二氧化碳排放量进行测算，具体公式如下：

其中：Ic为碳排放量；Ei为不同能源消耗量；θi为不同能源标准煤换算系数；fi为不同能源的碳排放系数；i为化石能源的类型.

能源标准煤换算系数和碳排放系数如表1所示，东三省2000—2019年碳排放量如表2所示.

表1 能源标准煤换算系数和碳排放系数

表2 东三省2000—2019年碳排放量单位：万吨

研究方法.20世纪70年代早期，人口统计学家、生物学家和生态学家进行了一系列系统性研究，以解释人口和生活水平变化对环境的影响.当时一些学者认为人类对环境产生的影响与人口关系不大，为反驳这一观点.其形式如下：

其中：I为人类活动对环境的影响，在模型应用中主要指环境污染，在本文的模型中主要指二氧化碳排放，因此本文中用“二氧化碳排放”“碳排放”等表示I；P为人口；A为富裕程度；T为科技发展水平.为了使模型更适合于参数估计和假设检验，DIETZ和ROSE将其改进为STIRPAT方程，即“人口、经济、科技与环境污染的指数增长方程”，其形式为：

其中：I表示环境影响程度、a是模型系数、P为人口规模、A为人均富裕程度、T为技术水平，e是模型误差项.

根据已有的有关碳排放问题的研究，本文将从年末总人口、人均GDP、城镇化率、产业结构、能源结构和能源强度6个因素探究对东三省碳排放量的影响.具体指标说明如表3所示.

表3 主要变量及说明

STIRPAT模型变量说明根据上述因素构建拓展的STIRPAT模型：

对上式两边取对数可得到如下等式：

其 中：β1、β2、β3、β4、β5、β6代 表 各 指 标 的 弹性系数，即当Pe、Ap、Ps、ES、IS、EI每 变 化1%时，C将变化β1%、β2%、β3%、β4%、β5%、β6%.

数据来源.本文涉及的变量数据均来源于《辽宁省统计年鉴》《吉林省统计年鉴》《黑龙江省统计年鉴》，能源消费数据来源于《中国能源统计年鉴》和《辽宁省统计年鉴》《吉林省统计年鉴》《黑龙江省统计年鉴》，整理并计算得出.

1.2 基于拓展后的STIRPAT模型实证分析

辽宁省.根据我国现有的利用STIRPAT模型解决碳排放问题的研究可知，所选取的数据变量间可能存在自相关性的问题，进而对最后结果产生一定误差.为了避免此类问题，首先对选取辽宁省地区Pe、AP、Ps、ES、IS、EI为影响因素进行偏相关处理［8］.具体操作通过SPSS实现，结果如表4所示.

由表4可以看出，各因素在0.01级别和0.05级别相关性显著，故皆可保留.接下来将采用主成分分析的方法对Pe、AP、Ps、ES、IS、EI指标进行降维［9］，结果如表5所示.

表4 碳排放因子偏相关分析

由表5可以看出，各影响因素间相关性大多数均在0.500以上，其中人均GDP与城镇化水平间的相关性高达0.984，具有高度相关性，拟合效果较好.具体如表6所示.

表5 相关性矩阵

表6 KMO和巴特利特检验

由表6可以看出，KMO检验值为0.751大于0.7，适合做因子分析，并且巴特利特检验的p值小于0.001，拒绝原假设，因此可以做主成分分析.结果如表7所示.

从表7可以看出，前两个成分的方差累积贡献率和高达97.211%，具有较高的奉献程度可以充分解释原始数据.并且其他变量的特征值均小于1，因此提取前两个公共因子合理.主成分得分系数矩阵如表8所示.

表7 主成分分析下总方差解释

根据主成分分析法，所提取两个公共因子以FA1、FA2命名且线性无关.

由表8的主成分得分系数矩阵可得如下方程：

表8 主成分得分系数矩阵

上述解得两组公共因子等式的过程即表示完成了碳排放对因子降维的步骤，现将FA1、FA2作为自变量，碳排放量为因变量进行OLS估计拟合回归［10］.其中：模型的拟合度为0.982，调整后的R2为0.960，即两个公共因子可以解释因变量96.0%的变化.F值为229.943，对应的Sig值小于0.001，在0.001的显著性水平下拒绝原假设.

接下来以FA1、FA2为自变量，辽宁省碳排放量为因变量再次进行多元线性回归，得到回归方程如下：

将方程（1）、（2）代入方程（3）得到：

根据模型方程的系数可知，所选取的辽宁省2000—2019年各影响因素对碳排放的影响程度，其中年末总人口对碳排放量的影响最大，弹性系数为0.984，其次是产业结构与人均生产总值，弹性分别为0.607和0.380，与碳排放呈正相关.能源结构和能源强度的弹性系数为-0.128和-0.185，对碳排放量起到抑制作用.将2000—2019年辽宁省人均GDP、年末总人口、城镇化水平、能源强度、能源结构数据代入模型中，将其模拟值与真实值对比，误差比（误差与碳排放实际测算值之比）的绝对值小于7%，可以接受［11］.

吉林省.经上述通过主成分分析法对辽宁省碳排放数据分析的基础上，对吉林省的数据采取同样的处理.

首先，对备选自变量进行偏相关处理，剔除相关系数低的自变量.结果如表9所示.

表9 碳排放因子偏相关分析

从表9可以看出，年末总人口和能源结构对吉林省的碳排放量的相关系数较低，在0.01级别上相关性并不显著，将其从备选自变量中剔除.

接下来将采用主成分分析的方法对AP、Ps、ES、EI指标进行降维，结果如表10所示.

表10 相关性矩阵

KMO检验和巴特利特检验结果如表11所示.

表11 KMO检验和巴特利特检验

从表10可以看出，部分影响因子之间存在高度相关性，同时表11中关于各变量的t检验Sig值在0.01以下.但是KMO检验值为0.525，根据KMO度量标准，0.5～0.6表示不太适合做因子分析，因此接下来将采取岭回归的方法对数据进行分析，选取k=0.01时，模型趋于稳定，整体拟合效果较好，最终构建出吉林省碳排放预测模型，详细回归结果如表12所示.

表12 吉林省Ridge回归分析结果

模型方程：

从回归方程可以看出，产业结构、能源结构对吉林省的碳排放量产生抑制作用，其余因素均对吉林省的碳排放产生显著的正相关影响.其中，年末总人口对碳排放量的影响最大，相关系数高达6.916.

黑龙江省.通过上述对辽宁省、吉林省分别利用主成分分析法和岭回归法得出模型方程的过程可知，主成分法对数据的要求更高，对辽宁省碳排放数据处理后得到的模型方程其模拟值与真实值的误差比绝对值低于8%.而岭回归分析本质就是一种用于解决线性回归分析中自变量存在共线性的研究算法，在不剔除数据的前提下，确定k值，进而求出模型方程.通过上述对吉林省碳排放数据应用岭回归法处理得到的模型方程其模拟值与真实值误差比的绝对值在6%以下.综上所述，为了过程简单便捷、结果精准误差小，接下来对黑龙江省的数据直接采用岭回归法进行处理，确定在k=0.01时，模型趋于平稳，拟合效果较好，详细回归结果如表13所示.

表13 黑龙江省Ridge回归分析结果

模型方程：

根据回归方程可以得出，多数因素均对黑龙江省碳排放量产生显著的正向促进作用，仅有产业结构这一因素与黑龙江省碳排放量呈现负相关关系，其相关系数为-0.036，同时各促进性因素间的弹性系数存在一定差异，其中，人口对碳排放量起到非常强烈的促进作用，相关系数高达1.974［12］.

2 情景分析与参数设定

2.1 参数设置

为了更好地了解东北三省碳达峰情况，本文将利用情景分析法对东北地区碳排放峰值进行预测，并且本文将设计六种情景模式，即绿色减排情景、低碳情景，循环发展情景、基准情景、生态环保情景、能源清洁化情景、对东三省2020—2040年的碳达峰情况进行模拟预测，在情景组合设置时，综合考虑东三省的经济发展状况、人口增减趋势，以及由于近三年新冠肺炎疫情危机对百姓生活乃至国家所带来的影响，同时以五年为一个变化单位对其各影响因素的变化率进行调整，具体设置依据如下；

一是人口规模的情景设置.东北地区人口近年来持续下降，不得不引起当地政府的关注，而受人口出生率逐渐降低的影响，东三省人口的自然增长率已经出现负值.综合考虑上述因素并结合东三省实际发展情况，设置辽宁省人口中速增长率为-0.6%、吉林省人口中速增长率为-0.4%、黑龙江省人口中速增长率为-1.6%，并逐年放缓.

二是人均GDP的情景设置.东三省现在面临人口流失、重工业影响力不足，整个东北处于转型瓶颈期.但是装备制造、钢铁工业、煤矿开采、冶金等在国家产业布局中占有重要地位，其中辽宁省作为东北地区经济发展最快和重工业领域发展最强的省份，在振兴东北老工业基地中为吉林省和黑龙江省起到显著表率作用.其中辽宁省在2015—2019年近五年的人均GDP平均增长率为4.8%，经济增长率出现严重下滑，与此同时，2020年新型冠状病毒肺炎的暴发也给东三省的经济带来冲击.综上所述，在“十四五”规划时期的背景下将辽宁省人均GDP中速增长率设置为6.0%、吉林省的人均GDP中速增长率设置为4.0%、黑龙江省人均GDP中速增长率设置为4.0%.

三是城镇化率的情景设置.东北作为工业重镇，城镇化水平在全国排名较高.首先辽宁省是北方地区唯一能实现年末人口城镇化率达到70%以上的省份，排名位居全国前列，辽宁省“十三五”规划期间，设定到2020年全省城镇化率达到72%左右的发展目标，同时2019年吉林省、黑龙江省的城镇化水平也均在50%以上，但为了促进城镇布局科学合理、城乡居民水平生活的差距逐步缩小，城镇化水平将会趋于平缓发展.综上所述，在“十四五”规划的背景下，将辽宁省城镇化水平中速增长率设置为0.9%、吉林省城镇化水平中速增长率为0.9%、黑龙江省城镇化水平中速增长率为1.5%［13］.

四是产业结构的情景设置.产业结构通常是指国民经济总量在产业之间的比例关系.这里指第二产业占国民生产总值的比重，它随着经济发展水平的变化而变化，近十年来，东三省国民经济结构调整取得了可喜的成绩［14］，但与国内比较发达的省份相比，东三省的经济结构还存在一些问题，因此东三省应深化供给侧结构性改革，合理规划自然资源，将辽宁省产业结构中速增长率设置为-2.0%、吉林省产业结构中速增长率设置为-1.5%、黑龙江省中速增长率设置为-4.0%［15］.

五是能源结构的情景设置.东三省作为我国能源消费占比较高的地区，其经济增长对煤炭使用量的依赖正是影响东北地区振兴发展的重要因素.《“十四五”工业绿色发展规划》表明到2025年能源结构绿色低碳转型取得明显成效.各行业、地方企业认真贯彻低碳发展理念，实施能源结构清洁化路线，在未来着重开发太阳能、风能等可再生能源［16］，根据近年来煤炭占能源消费总量的比重情况，将辽宁省能源结构中速增长率设置为-1.5%、吉林省能源结构中速增长率设置为-1.5%、黑龙江省能源结构中速增长率设置为1.0%，并逐年放缓.

六是能源强度的情景设置.能源强度在本文中定义为单位GDP的能源消耗量.被誉为新中国布局的“工业摇篮”的东三省作为老工业基地，也是全国能源消耗大省，其中辽宁省的能源消耗强度在全国的排名来看，历年在8～13之间，位于全国中等偏上的水平，因此辽宁省具有很大的节能减排潜力.调整能源结构、开发利用新型能源、推动经济发展是解决问题的根本途径［17］，根据东三省近五年能源强度的平均变化量，将辽宁省能源强度中速增长率设置为-3.0%、吉林省能源强度中速增长率设置为-6.0%、黑龙江省能源强度中速增长率设置为-3.0%.并逐年放缓［18］.各因素变化率设置如表14所示.

表14 各因素变化率设置

2.2 情景组合

结合各省份影响因素的时效特征，以及变化率的设置，构建六种典型情景组合，以探究东三省实现碳达峰最优路径.具体情景组合设置如表15所示［19］.

表15 情景组合

循环发展情景.人均GDP、年末总人口的变化率设置为低速，其余因素的变化率设置为中速.该情景反应的是东三省在国家碳达峰的硬性约束下，以牺牲经济增长发展低碳理念作为未来发展的主要趋势，通过放缓经济增长，以及全民实施节能降碳的方式，降低二氧化碳的排放量［20］.

基准情景.各影响因素的变化率均设置为中速，目的在于探索东三省在现有的技术水平基础上未来碳排放变化趋势，进而及时对碳排放的影响因素进行调整设置，为早日实现“碳达峰，碳中和”探索出一条优化路径.

生态环保情景.人均GDP、年末总人口设置为高速，其余因素的变化率设置为低速，该情景反映的是在发展经济、人口总数稳中求进的情况下，通过充分考虑城乡差距进而改善城镇化水平，以及在现有基础上优化能源结构、发展科技、改善能源强度的方式探索该情景下的碳排放的趋势.

低碳情景.人均GDP、年末总人口数的变化率设置为中速，其余因素的变化率设置为低速，随着环保意识的不断增强、新型环保可再生能源的开发，近年来东三省的能源强度及能源结构已取得显著改善，但是由于前期发展过快，未来的变化率会相对受到限制.

能源清洁化情景.能源结构、能源强度的变化率设置为高速，其余因素设置为中速，该情景反应了在现有的社会发展、人口结构的基准上，改善经济发展对煤炭燃料的依赖，调整能源结构，大力推广清洁能源，加速降低能源强度及优化能源结构的情境下的碳排放趋势.

绿色减排情景.该情景采用各影响因素中速、低速相结合的设置，通过加强能源相关政策的实施力度，将重心转移至优化能源结构而非发展经济，推动科技进步，从而实现降低碳排放量［21］.

3 东三省碳排放峰值预测结果与分析

本文根据STIRPAT模型，结合6种情景组合预测出不同情景组合下东三省2020—2040年的碳排放趋势以及碳达峰情况.如图1～图3所示.

图1 不同情景下辽宁省每年的碳排放量/万吨

3.1 辽宁省结果分析

结合图1和表2来看，由于辽宁省在2000—2019年间碳排放量一直处于递增的状态，并且在图1对2020—2040年辽宁省碳排放量预测中可以观察出不同情景下辽宁省碳排放达峰情况以及峰值，具体如表16所示.辽宁省在能源清洁化情景、循环发展情景下于2025年实现达峰，峰值分别为21 875.43万吨、21 891.17万吨，在基准情景、绿色减排情景下于2030年达峰，峰值为23 623.16万吨、22 731.95万吨，低碳情景于2035年达峰，峰值为25 387.48万吨，在生态环保情景下不达峰.

表16 不同情景模式下碳排放量预测结果

辽宁省未来能源碳排放量如表16所示.辽宁省在能源清洁化情景下最先实现碳达峰且峰值最低，因此能源结构的优化与调节能够有效地控制能源碳排放，是辽宁省有效降低能源碳排放量的重要因素，并且绿色减排情景与能源清洁化情景同年达峰，其峰值略高于能源清洁化情景的峰值，与此同时，生态环保情景和低碳情景均是在保持产业结构、能源结构、能源强度低速变化的基础上分别设置人均GDP、年末总人口、城镇化水平高速和中速的模式下使得辽宁省能源碳排放出现峰值，峰值较高但是该情景下经济发展最快，人均生产总值较高、人口规模正向增长进而避免人口流失等现象.换而言之，未来辽宁省的重心仍然应该放在降低能源结构，开发节能减排新能源、模拟低碳经济相协调发展的生产方式［22］.

3.2 吉林省结果分析

结合图2和表16，首先根据吉林省2000—2019年的碳排放量可以观察出2000—2012年吉林省的碳排放量处于递增的状态，2012—2019年处于平稳的下降趋势，结合图2对吉林省2020—2040年碳排放量的预测可知，在基准情景、低碳情景、生态环保情景、绿色减排情景、循环发展情景下吉林省的碳排放量均处于单调递减的状态，即吉林省早已在2012年实现达峰，峰值为8 035万吨.其中在能源清洁化情景下，吉林省在2020—2030年平缓递减，但是在2030—2040年出现了递增的状态，因此在这种情景下要注意吉林省是否会出现碳排放量二次达峰的情况.

图2 不同情景下吉林省每年的碳排放量/万吨

观察图2可知，通过6种情景模拟结果的比较，在生态环保情景下，吉林省碳排放量降低得最快，与此同时环保情景的组合设置既能促进吉林省经济高速发展、提升百姓生活水平，也能降低能源结构对煤炭的依赖，因此生态环保情景是吉林省未来实现碳中和的最优路径.此外在基准情景下，吉林省的碳排放量一直处于较快的速度减缓，其组合设置中各影响因素均以中速发展，实际上更适合吉林省的省情，使得未来吉林省在该情景下轻松实现碳中和目标，综上所述吉林省碳排放量达峰时间较早，相比于辽宁省和黑龙江省其各影响因素的发展仍有较大提升空间.

3.3 黑龙江省结果分析

结合图3和表2，根据黑龙江省2000—2019年碳排放量可以得知黑龙江省在2000—2012年黑龙江省的碳排放量处于递增的状态，但是在2012年以后黑龙江省碳排量出现短暂性下降并在2013—2019年期间一直处于平稳状态.根据表3对黑龙江省2020—2040年碳排放量的预测可知在绿色减排情景、循环发展情景、低碳情景、生态环保情景下碳排放量均处于单调递减状态，其中绿色减排情景下黑龙江省碳排放量下降得最快.在能源清洁化情景、基准情景下黑龙江省碳排放量先出现平缓趋势而后较快递减，且在能源清洁化情景、生态环保情景下黑龙江省平缓发展所产生的碳排放量路径大致相同.综上所述，黑龙江省在6种情景下均能实现减少碳排放量的目标.因此，与吉林省同理，黑龙江省在2012年已实现碳达峰目标，峰值为10 696.61万吨.

图3 不同情景下黑龙江省每年的碳排放量/万吨

观察图3可知，通过6种情景模拟结果的比较，在绿色减排情景下，黑龙江省的碳排放降低得最快，其组合设置中，人均GDP、城镇化水平、能源结构均以低速发展，其实质一方面是对黑龙江省经济发展的限制，甚至人均GDP会出现负增长，另一方面是能源结构在低速发展下并没有实现清洁可再生能源对煤炭化石能源的替代化，因此该情景即使可使黑龙江省碳排放量降低，但亦不可取.与之相比，仅位于绿色减排情景之上的生态环保情景也使黑龙江省碳排放量以较快的速度降低，而生态环保情景的组合设置是人均GDP、年末总人口、城镇化水平均以高速发展，产业结构、能源结构、能源强度均以低速发展，根据情景组合实质是以发展经济、壮大人口规模为重心的同时降低对煤炭燃料的使用量，这种情景设置也是全国范围内实现碳达峰路径的本质方向.同时，低碳情景下产业结构、能源结构、能源强度也是以低速发展，但是其碳排放量降低的效果并没有生态环保情景强，其原因主要是由于黑龙江省近年来在调整产业结构的进程中，工业内部结构失衡，占比较大的重工业都是依托于丰富的石油、煤炭等不可再生资源发展，以及受国际能源价格变动的影响导致了第二产业增值出现负增长，致使产业结构和能源结构均未实现优化配置，因此，生态环保情景是黑龙江省未来实现碳中和目标的最优路径［23］.

4 结论与政策建议

本文通过STIRPAT拓展模型分析了人均GDP、年末总人口、城镇化水平、能源结构、产业结构、能源强度6种影响因素对东三省碳排放量的影响，并利用情景分析法预测了东三省未来碳排放量发展趋势，得到如下结论：

一是通过东三省STIRPAT模型方程可知，Pe、AP、Ps、EI、IS、ES每变 化1%，辽 宁 省 的碳排放量变化为0.984%、0.380%、0.290%、-0.185%、0.607%、-0.128%，吉林省的碳排放量变化为6.916%、0.237%、0.654%、-0.152%、0.030%、0.427%，黑龙江省的碳排放量变化为1.974%、0.522%、1.407%、0.114%、-0.036%、0.519%.综上所述从其相关性来看，人口数量的变动对东三省碳排放量的影响最为显著.

二是综合6种情景来看，东三省在基准情景下均可以保证在2020—2040年间碳排放量持续降低，其中基准情景组合设置也是更符合各省省情，更有利于东三省地区未来实现“碳达峰，碳中和”目标.同时辽宁省在2025—2030年达峰，其峰值最大值为23 917.52万吨，最小值为21 875.43万吨.吉林省和黑龙江省均于2012年实现碳达峰目标，峰值分别为8 035万吨、10 697万吨.因此，在人口经济高速稳步发展的同时，调整产业结构、发展清洁型能源、减低化石燃料的使用是实现东三省地区碳排放量达峰的有效方式.

通过对东三省历年碳排放量数据进行分析并预测未来东三省地区碳达峰情况可得，首先辽宁省碳排放量达峰预测时间处于2025—2030年间，目前仍处于持续增长的阶段.吉林省和黑龙江省经分析得出均已在2012年实现达峰的结论，对于中国面向世界作出的2030年全国实现碳达峰的承诺，东三省仍然面临严重的碳减排压力，为此，提出以下建议：

一是制定行业间“碳达峰，碳中和”行动方案，加快绿色经济、低碳环保发展转型.首先，各行业，地方企业贯彻低碳节能发展理念是推动各省市实现碳达峰目标的关键，对此，各行各业应把节能降碳、经济发展全面绿色转型纳入未来企业发展总体布局之中，争取做到经济增长多元化、能源结构清洁化、社会发展文明化.

二是加强林业多样化发展，切实提升生态文明理念.森林具有陆地生态系统最大的储碳量，抓住林业发展是构建低碳绿色生活和推动生态文明进步的重要措施之一.因此应严格制定林业保护计划、确保山水林田湖以生态良好为导向，早日实现以林业为主导的碳减排系统.

三是推进科技发展、改善能源结构.能源结构是影响碳排放量的重要因素之一，优化能源结构是实现碳达峰目标的首要任务.通过科技创新发展转变由煤炭为主体的能源结构为清洁型能源结构，加速发展太阳能、风能、海洋能等可再生清洁能源，开发风力发电替代煤炭火力发电，优化能源结构，坚持政策导向，推动能源结构顺利转型.