基于机器学习的中国碳排放影响因素分析与达峰情景模拟

来源：环境科学杂志2025年第1期北京时间：

作者：李渊,张芝镪,温慧,蔡智,郭宇龙,李天天,王嘉诚,张琳敏,徐良雪

单位：浙江工商大学旅游与城乡规划学院, 杭州 310018,浙江工商大学旅游与城乡规划学院, 杭州 310018,嘉兴南湖学院公共基础部, 嘉兴 314001,浙江工商大学旅游与城乡规划学院, 杭州 310018,河南农业大学资源与环境学院, 郑州 450002,浙江工商大学旅游与城乡规划学院, 杭州 310018,浙江工商大学旅游与城乡规划学院, 杭州 310018,浙江工商大学旅游与城乡规划学院, 杭州 310018,浙江工商大学旅游与城乡规划学院, 杭州 310018

摘要：在“双碳”背景下，对碳排放进行估算和达峰情景模拟具有重要意义. 然而，准确识别碳排放的影响因素，科学预测碳达峰时间仍具有较大挑战. 以中国30个省份（中国香港、澳门、台湾和西藏资料暂缺）为研究对象，利用IPCC碳排放系数法，估算2000~2020年中国30个省份的碳排放总量，并刻画其时空分布特征；进一步，利用多种机器学习算法，构建并遴选性能最优的碳排放估算模型，量化识别影响我国碳排放的主要因子；最后，在顾及全国和各地区不同发展趋势的基础上，运用情景分析法和碳排放估算模型，预测未来15 a全国及各地区碳排放的变化趋势. 结果表明：①2000~2020年，我国碳排放在时间上呈现出“先快后慢”的增长特征，在空间上呈现出“东高西低、北高南低”的分布特征；②能源消费总量、能源结构、常住人口、城市化水平和产业结构高级化是影响我国碳排放的主要因子；③在基准、低碳及高碳情景下，2021~2035年全国及各地区碳排放都呈现出“先上升后下降”的变化趋势. 其中，除高碳情景下的西北地区外，全国及各地区在3种情景下均能在2030年前实现碳达峰目标. 研究可为后续制定和实施区域碳达峰峰值综合控制策略提供有益的参考.

关键词：机器学习,碳排放,影响因素,碳达峰,情景模拟,