《基于Logistic模型的中国各省碳排放预测》一文简评

宁宇

《基于Logistic模型的中国各省碳排放预测》一文刊登于《长江流域资源与环境》2013年第22卷第2期，被国内5家权威检索系统收录：全国中文核心期刊要目总览、中国科技论文统计源期刊(即中国科技核心期刊)、中国科学引文数据库(CSCD)、中文社会科学引文索引(CSSCI)、中国人文社会科学引文数据库。同时也被国际重要检索系统收录：俄罗斯文摘杂志（PЖ）、美国化学文摘(CA)、美国剑桥科学文摘(CSA)、日本科学技术文献数据库(JICST)、英国动物学记录(ZR)等。

研究依托于“能源消费与碳排放量成正比”假设，对中国30个省区2011—2020年的碳排放量进行了较为准确的预测。此文发表后反响热烈，短短时间内便得近1500次下载量，20次引用。其中引用此文的6篇学术论文，均被被中文社会科学引文索引（CSSCI）与中国科学引文数据库来源期刊（CSCD）收录且影响因子较高，此外引用本文的十余篇硕博士论文也均为985或者211高校所出。这足以见其学术影响力，究其原因，便在于此文深谙“实际”与“创新”之道。

一、“实际”之道

中国每年碳排放量的增速居高不下，以年均10.05%的速度增长并且在2006年更是超越美国成为最大的碳排放国家，2012年碳排放总量达到92.1亿吨，占世界碳排放总量的26.7%。在维护生态环境和全球节能减排的时代大背景下，2009年中国政府在哥本哈根气候峰会上承诺：到2020年单位GDP排放在2005年的基础之上要减少40-45%，并且在十二五规划中明确提出2015年能源强度要比2010年下降16%，碳排放强度下降17%。2010年8月，国家发改委下发了《关于开展低碳省区和低碳城市试点工作的通知》，启动了国家低碳省和低碳城市的试点工作。广东、辽宁、湖北、陕西、云南5省成为首批试点地区。面对巨大的减排压力，各级政府能够制定出符合实际情况的政策方针，定量的统计、监测、考核办法也显得尤为重要。

不巧的是，在省市层面上对未来碳排放量进行预测的研究成果相对较少，此文作者便从此实际需求出发，弥补了此项空白。

在实际研究中，2002年前后的两个时间段碳排放量差异很大，前后两个时期中国各省碳排放量变化的驱动因素有了显著变化，2002以前的碳排放量变化趋势无法表征未来年份的碳排放量变化，诸多相关研究学者均未对此情况做出合理处理。而本文则利用K—均值聚类分析法，将30个省地区划分为5类，探寻到以2002年为分界点的前后两个时期，中国各省碳排量变化的驱动因素有所差别。果断选择以2002年研究依靠的起点，并针对此做法可能产生的误差在构件模型预测相关数据后进行带回检验，确保合理解决2002年前后数据“断层”问题，同时也保证预测研究工作的准确性、合理性。

近几年是全面深化改革的关键之年，也是全面完成“十二五”规划的收官之年，全国上下均以提高经济运行质量和效益为中心，积极发现和培育新增长点，优化经济发展方式和动力，加强保增长保环境两手抓的力度，不断推动经济社会持续健康发展。此研究所获得的理论框架与相关数据，为各级政府及相关机构制定接下来的“十三五”规划，甚至更加长远的节能减排、优化产业结构政策提供了强有力的支持，对解决实际问题效用奇佳。

此文审时度势，从实际中来并解决实际，再回到实际中去，展现出学术研究应有的良好循环，同时也成为相关学术研究的标榜。

二、“创新”之道

若说“实际”是学术研究的根基与归处，那么“创新”便是其方法与内涵。

在此文之前，相关研究学者对碳排放量预测模型的建立基本涵盖了所有影响因素，但相关研究学者所选取的因素不尽相同，侧重点也不同。再加上各类因素对碳排放量的影响程度也有很大偏差，结果就导致预测工作差异性极大。此外相关研究学者没有剔除受偶然因素影响的样本数据，所得数据对未来碳排放量不能进行很好的解释，导致预测精度不高，无法为政策制定建立有力导向。

本文则基于CO2排放量与能源消费量成正比的假设，消除在能源转化过程中因地区科技水平和采取的碳排放因子不同造成的影响，采取把全国历年碳排放量根据各省区的能源消费量进行分摊，然后再分析各省区数据的办法，很好的解决了上述两个问题，形成了以下新思路：①用资料文献法、调查研究法对国内外学者的碳排放量预测工作进行全面总结。②基于CO2排放量与能源消费量成正比的假设计算出各省地区累积碳排放量与人均碳排放量，并用K-均值聚类分析法将30个省地区分为5类，进而选取了合理的数据起点。③建立Logistic预测模型，并用非线性最小二乘法得出Logistic预测模型中的相关参数，进行碳排放量预测工作。④将已有数据带入模型进行验算。

再者，作者使用K—均值聚类法在数据使用前对其进行分析，处理方式巧妙。K—均值聚类是最著名的划分聚类算法，由于简洁和效率使得他成为所有聚类算法中最广泛使用的。数据处理过程中，研究者给定一个数据点集合和需要的聚类数目K，K—均值聚类算法便根据某个距离函数反复把数据分入K个聚类中。本文作者用此方法将30个省地区分为5类，化繁为简，使数据趋势一目了然，为选取合适的研究起点打下基础。正可谓“删繁就简三秋树，领异标新二月花”，此文对碳排放预测工作中繁杂数据的处理方法值得更多的学者去思考，去领悟。

Logistic预测模型也是本文的突出亮点。Logistic预测模型原本使用于种群生态学，100多年来Logistic模型几乎是描述种群S型增长的唯一数学模型，国内外一些学者根据自己的实验结果以及在总结前人研究成果的基础上，提出了许多有关于Logistic的修正和改进模型，这些模型对于揭示种群的增长规律发挥了积极作用，是生态界作为描述种群生态学的基本法则。本文开创性的将其使用于碳排放量的预测工作上，利用Logistic模型能较好地描述形如S型增长去向的特点提高了预测的准确度。在只有9年数据进行预测的情况下，验算得知2002—2010年的碳排放量验算值与实际统计值平均误差仅有6.5%，除宁夏外其余各省地区误差均在7%以下，充分展现了Logistic预测模型对碳排放量预测有很高的拟合度，同时也为碳排放量预测开创了新道路。

此文展现诸多“实际”与“创新”之处，对首创性的研究方法也拿捏得当，可见作者治学之功，造诣之深，同时也寄望于后人能在此基础上，对碳排方面进行更加深入的研究。