王侃宏，何 好

(河北工程大學(xué)能源與環(huán)境工程學(xué)院，河北 邯鄲 056038)

0 引言

隨著經(jīng)濟(jì)快速發(fā)展，工業(yè)進(jìn)程加快，人類的過度活動(dòng)導(dǎo)致全球氣候發(fā)生了顯著變化，極端天氣氣候事件頻發(fā)。聯(lián)合國政府間氣候變化專門委員會(huì)(Intergovernmental Panel on Climate Change, IPCC)第六次評(píng)估指出，未來全球絕大部分有人口居住的地方都將出現(xiàn)更多、更強(qiáng)、更持久的極端高溫[1]。減少溫室氣體(主要是二氧化碳)排放，減緩全球升溫成為了國內(nèi)外科研人員的研究熱點(diǎn)。

氣候變化已經(jīng)接近不可挽回的臨界點(diǎn)，全球氣候變暖問題也成為了國際社會(huì)的關(guān)注焦點(diǎn)，為此世界各國簽署了《巴黎協(xié)定》，確定到本世紀(jì)末全球控溫低于2℃的目標(biāo)，并爭取將氣溫升幅限制在1.5℃。作為一個(gè)負(fù)責(zé)的發(fā)展中大國，習(xí)近平總書記在第75屆聯(lián)合國大會(huì)上提出了CO2排放力爭于2030年前達(dá)峰，努力爭取2060年前實(shí)現(xiàn)碳中和的“雙碳”目標(biāo)[2]。在“雙碳”目標(biāo)背景下，了解碳排放影響因素、達(dá)峰時(shí)間、峰值，對碳排放總量和強(qiáng)度的控制起到了決定性作用。

1 我國碳排放達(dá)峰研究簡述

中國作為全球最大的碳排放國家和全球第二大經(jīng)濟(jì)體，2017年碳排放總量為9.30 GtCO2，約占全球總量的28.27%，且尚未實(shí)現(xiàn)碳達(dá)峰[3]。碳排放達(dá)峰預(yù)測研究對于各地區(qū)、各領(lǐng)域、各行業(yè)等制定碳達(dá)峰行動(dòng)方案等具有重要意義。通過文獻(xiàn)檢索，多數(shù)學(xué)者對于碳達(dá)峰問題的研究主要集中在國家層面，省市層面和行業(yè)層面次之，對于園區(qū)、企業(yè)層面的研究相對較少。

1.1 碳排放峰值預(yù)測研究

首先，在國家層面，部分研究學(xué)者通過模型預(yù)測和情景假設(shè)進(jìn)行分析，柴麒敏[4]等人基于自主構(gòu)建的綜合評(píng)估模型IAMC設(shè)置了四種路徑和情景進(jìn)行模擬，預(yù)測出中國將在“十五五”末實(shí)現(xiàn)120 億t的碳排放峰值。Sun Z[5]等人利用IPAT模型設(shè)置情景分析，結(jié)果表明，中國將于2030年達(dá)峰，峰值為10.57Gt，河北、山東、內(nèi)蒙古等地是完成減排任務(wù)的重點(diǎn)地區(qū)。王勇[6]等人構(gòu)建包含氣候保護(hù)函數(shù)的七部門CGE模型，模擬評(píng)估中國不同年份實(shí)現(xiàn)碳達(dá)峰對經(jīng)濟(jì)的影響，研究得出2030年是中國碳排放達(dá)峰的最佳時(shí)間點(diǎn)。張楠[7]基于全國30個(gè)省市區(qū)域劃分建立CGE模型，研究表明，中國碳排放總量將在2025年實(shí)現(xiàn)峰值,此時(shí)碳排放總量應(yīng)在100億t以內(nèi)。Fang K[8]、Su K[9]等人，通過構(gòu)建STIRPAT模型結(jié)合情景分析預(yù)測得出我國碳排放峰值和達(dá)峰時(shí)間。

其次在省市層面，目前，研究者們多對單個(gè)省份或城市進(jìn)行碳排放趨勢分析、達(dá)峰時(shí)間和峰值預(yù)測，翁智雄[10]等人運(yùn)用協(xié)整檢驗(yàn)和馬爾科夫鏈對河北省不同經(jīng)濟(jì)增長路徑下的碳排放量進(jìn)行了預(yù)測，預(yù)測得出在經(jīng)濟(jì)高速發(fā)展情景下，二氧化碳排放量將達(dá)到159117.415萬t。朱宇恩[11]采用IPAT模型對山西省中長期能源碳排放量以及峰值年進(jìn)行了預(yù)測，結(jié)果顯示，在中低速發(fā)展情景下山西省的達(dá)峰時(shí)間為2030年，峰值為6.6億t-7.1億t間。劉茂輝[12]、閆新杰[13]、薩和雅[14]和張哲[15]等學(xué)者均采用STIRPAT模型并設(shè)置不同的情景分別預(yù)測了天津市、新疆、內(nèi)蒙古自治區(qū)和上海市等省市的碳排放峰值和達(dá)峰時(shí)間。邱碩等[16]以陜西省為例，基于陜西統(tǒng)計(jì)年鑒建立LEAP模型，在基準(zhǔn)情景下，CO2排放在2030年達(dá)到2.68 萬t，節(jié)能減排綜合情景下, CO2排放在2021年達(dá)到峰值2.48 萬t，工業(yè)、交通及發(fā)電部門貢獻(xiàn)水平最高。李彬[17]根據(jù)北京應(yīng)對氣候變化的多重目標(biāo)，基于IPAC模型框架，開發(fā)了IPAC-Beijing模型，結(jié)合情景分析法，得出在強(qiáng)力低碳政策情景下，北京將在2025年達(dá)到峰值，能源消費(fèi)總量為1.4億t左右，碳排放達(dá)到2.4億t的峰值。也有不少學(xué)者如馬宇恒[18]、潘棟[19]等同時(shí)對多個(gè)省份或城市的碳排放趨勢進(jìn)行比較分析。

從行業(yè)層面角度看，碳排放的主要來源為電力、建筑、工業(yè)和交通運(yùn)輸領(lǐng)域，行業(yè)的達(dá)峰時(shí)間、峰值大小，直接或間接地影響了城市和國家層面的碳達(dá)峰實(shí)現(xiàn)。張金良[20]等人基于擴(kuò)展的Kaya恒等式，建立了包括BP神經(jīng)網(wǎng)絡(luò)模型的多種預(yù)測模型，在最優(yōu)預(yù)測模型基礎(chǔ)下設(shè)置多種發(fā)展情景，對火電行業(yè)2021—2050年的碳排放量進(jìn)行預(yù)測。劉菁[21]利用拓展型STIRPAT給出的影響因素分析,結(jié)合系統(tǒng)動(dòng)力學(xué)方法，對建筑全產(chǎn)業(yè)鏈的碳排放量進(jìn)行了趨勢預(yù)測。張為程[22]將情景分析法與LEAP模型相結(jié)合，研究了四種發(fā)展情景下吉林省民用建筑運(yùn)營期間的碳排放，研究表明不同情景下，民用建筑碳達(dá)峰時(shí)間為2026—2040年,峰值介于47.50Mt-58.17Mt間。代大為和張凌[23]基于擴(kuò)展的Kaya公式結(jié)合LMDI模型分析了安徽省工業(yè)碳達(dá)峰影響因素，運(yùn)用灰色預(yù)測模型(EGM1,1)預(yù)測了2020—2029年的碳排放量變化趨勢。朱長征[24]等人利用嶺回歸構(gòu)建了碳排放預(yù)測模型結(jié)合情景分析法，對中國交通運(yùn)輸業(yè)碳達(dá)峰情況進(jìn)行預(yù)測分析，結(jié)果表明，強(qiáng)化低碳情景是中國交通運(yùn)輸業(yè)碳排放達(dá)峰的最佳發(fā)展模式，達(dá)峰時(shí)間為2030年，峰值10.31億t。宋嗣[25]基于可計(jì)算一般均衡模型原理,構(gòu)建IPAC-SGM模型，應(yīng)用此模型分析了我國國民經(jīng)濟(jì)和交通能耗之間的相互作用，在三種碳稅情境下，在2032年之前經(jīng)濟(jì)發(fā)展對我國交通行業(yè)的能源消耗降低和運(yùn)輸結(jié)構(gòu)轉(zhuǎn)變均呈負(fù)面影響。

除國家、省市和行業(yè)層面，對于類似園區(qū)、企業(yè)等小區(qū)域?qū)用娴奶歼_(dá)峰預(yù)測研究成果相對較少，周德群[26]等人通過建立多情景仿真模型對園區(qū)碳減排潛力和“雙碳”路徑進(jìn)行分析，研究得出在一系列措施情景下，園區(qū)有望在2030年達(dá)峰，2055年中和。楊培志和韓春洋[27]基于LEAP模型對長沙市某產(chǎn)業(yè)園區(qū)未來能源需求及碳排放進(jìn)行預(yù)測，并提出相應(yīng)的碳減排政策。

1.2 文獻(xiàn)研究總結(jié)

綜上所述，從研究范圍來看，現(xiàn)階段我國碳達(dá)峰相關(guān)研究仍以國家、省市層面為主，從宏觀的角度，將國家、各省市作為一個(gè)整體進(jìn)行碳排放影響因素、碳達(dá)峰峰值及達(dá)峰路徑的研究。研究范圍從國家、省市到行業(yè)再到園區(qū)、企業(yè)依次遞進(jìn)，為區(qū)域未來能源規(guī)劃和減排政策提供參考。從研究方法看，各學(xué)者所使用的模型方法有所不同，主要包括STIRPAT模型、LMDI模型、Kaya恒等式、LEAP模型、CGE模型等，基于各區(qū)域的歷史數(shù)據(jù)和發(fā)展規(guī)劃，分析得出政策、經(jīng)濟(jì)發(fā)展水平、能源產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等多方面影響因素與碳排放之間的數(shù)學(xué)關(guān)系，進(jìn)行不同發(fā)展情景的設(shè)定，預(yù)測未來CO2排放達(dá)峰時(shí)間和峰值，具體見表1。下文對具有代表性的模型做簡要介紹說明。

表1 中國碳排放達(dá)峰研究匯總表

2 碳排放影響因素研究方法

2.1 STIRPAT模型

人口、富裕和技術(shù)的隨機(jī)回歸影響模型STIRPAT(Stochastic Impacts by Regression on Population, Affluence, and Technology)是一種隨機(jī)模型，由IPAT等式發(fā)展而來。IPAT等式于20世紀(jì)70年代初首次提出，Ehrlich和Holden[28]為研究人口、人類福利和環(huán)境壓力之間的作用關(guān)系，把環(huán)境壓力(I)歸結(jié)為人口(P)、富裕(A)和技術(shù)(T)3個(gè)關(guān)鍵驅(qū)動(dòng)因素乘積的結(jié)果，其表達(dá)式如下:

I=P×A×T

(1)

然而，IPAT等式存在一定的局限性，其默認(rèn)環(huán)境壓力(I)與各驅(qū)動(dòng)因素之間成1∶1的等比例對應(yīng)關(guān)系，即不同因素對環(huán)境壓力的貢獻(xiàn)相同。在此基礎(chǔ)上，許多學(xué)者對其進(jìn)行改進(jìn)，其中，Dietz T[29]等人提出了STIRPAT模型，以此彌補(bǔ)IPAT等式的缺陷，STIRPAT模型表達(dá)式如下:

I=aPbAcTde

(2)

其中，a,b,c,d分別為模型系數(shù)及各影響因素P,A,T項(xiàng)的指數(shù)，e是誤差項(xiàng)。指數(shù)越大，表明受到此因素的影響越大，誤差項(xiàng)e則表示模型中未考慮到的其他因素影響大小。當(dāng)a=b=c=d=1時(shí)，STIRPAT模型就還原成IPAT等式。為便于估計(jì)和假設(shè)檢驗(yàn)，消除模型中可能存在的異方差影響，通常情況下，將其轉(zhuǎn)化為對數(shù)形式：

lnI=a+blnP+clnA+dlnT+e

(3)

在實(shí)際應(yīng)用過程中，部分研究學(xué)者[18-19]會(huì)根據(jù)需要在公式中增加其他影響因素如城市化率、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)等來分析多種因素對環(huán)境的影響程度，并結(jié)合情景分析法對STIRPAT模型進(jìn)行補(bǔ)充，得出更加可靠的排放軌跡和碳排放峰值路徑預(yù)測結(jié)果。目前，STIRPAT分析模型已被公認(rèn)為識(shí)別與能源相關(guān)的碳排放背后的社會(huì)、經(jīng)濟(jì)和技術(shù)驅(qū)動(dòng)因素的有效方法[30]，在國內(nèi)應(yīng)用非常廣泛。

2.2 Kaya恒等式

Kaya恒等式是日本學(xué)者Yoichi Kaya[31]于1989年在IPCC第一次討論會(huì)上提出，Kaya恒等式在IPAT模型的基礎(chǔ)上進(jìn)行了擴(kuò)展，用簡單的數(shù)學(xué)公式將碳排放量與經(jīng)濟(jì)、政策和人口等因素聯(lián)系起來，直觀地展示了碳排放的驅(qū)動(dòng)因素及其影響程度。Kaya模型表達(dá)式如下：

(4)

其中，CO2表示CO2排放量；E為一次能源消費(fèi)量；GDP為國內(nèi)生產(chǎn)總值；P為國內(nèi)人口數(shù)量；CO2/E為單位能耗的碳排放量；E/GDP為單位GDP能耗，即能源使用強(qiáng)度；GDP/P為人均GDP，即富裕程度。對式(4)進(jìn)行微積分變換得到式(5)，在計(jì)算各驅(qū)動(dòng)因素的影響程度時(shí)，多采用微分形式。

(5)

Kaya恒等式具有形式簡單、分解無殘差、對碳排放變化驅(qū)動(dòng)因素解釋力強(qiáng)等優(yōu)點(diǎn)，被廣泛應(yīng)用于不同國家地區(qū)，是當(dāng)前進(jìn)行碳排放影響因素分析的主流方法之一，但其也存在一定的局限性：只能解釋碳排放量流量變化而無法解釋存量變化；等式中的驅(qū)動(dòng)因素主要為表象驅(qū)動(dòng)因素, 難以確定碳排放總量的實(shí)際影響，利用Kaya恒等式理論得到的政策建議具有模糊性和非理性，需要與其他因素結(jié)合進(jìn)行分析檢驗(yàn)[32]。因此，為克服Kaya恒等式的局限性，研究者需結(jié)合實(shí)際情況進(jìn)行擴(kuò)展，如Kavgic M[33]等人為更直接地研究建筑部門碳排放及其減碳路徑，對Kaya恒等式進(jìn)行簡單變形，得到適用于建筑部門碳排放研究的Kaya模型。

2.3 對數(shù)平均迪氏因素分解法(LMDI)

指數(shù)分解分析法分為拉式(Laspeyres)指數(shù)法和迪氏(Divisia)指數(shù)法兩大類，1997年Ang[34]等人提出的對數(shù)平均迪氏因素分解法LMDI(Log-Mean Divisia Index)是迪氏指數(shù)法的改進(jìn)。LMDI指數(shù)分解法[35]具有易于分解、無殘值和數(shù)據(jù)零值、容易使用且分解結(jié)果唯一等特點(diǎn)，是能源消費(fèi)和碳排放研究中廣泛使用的方法之一。LMDI指數(shù)分解法分為兩種：加法分解模型和乘法分解模型。加法分解模型是將碳排放量在一個(gè)時(shí)期內(nèi)絕對值的變化進(jìn)行分解，分解出各影響因素變化導(dǎo)致的碳排放增量；乘法分解模型是將基準(zhǔn)期和報(bào)告期的碳排放值表示為各因素相對貢獻(xiàn)的乘積[36]。兩種分解模型的最終結(jié)果相同，但加法形式由于能夠更加清晰地分解出影響因素而被多數(shù)學(xué)者使用。

LMDI因素分解法的加法模型和乘法模型形式見式(6)、式(7)[37]。

(6)

(7)

其中，V為目標(biāo)量，x為不同的驅(qū)動(dòng)因素。不同的研究根據(jù)實(shí)際情況將目標(biāo)變量分解為若干驅(qū)動(dòng)因素的組合，根據(jù)各個(gè)因素的數(shù)據(jù)來判斷其影響程度。

3 達(dá)峰預(yù)測研究方法

碳達(dá)峰預(yù)測的模擬方法主要為“自上而下”模擬法、“自下而上”模擬法和綜合評(píng)估模型三大類。“自上而下”模擬法是在宏觀經(jīng)濟(jì)和社會(huì)發(fā)展規(guī)劃的基礎(chǔ)上進(jìn)行模擬，反映了政策沖擊在各個(gè)部門間的傳導(dǎo)效應(yīng)，模擬在政策沖擊下各部門及各經(jīng)濟(jì)主體的反應(yīng)，但該模擬方法無法確定具體的達(dá)峰路徑；“自下而上”模擬法基于具體的技術(shù)信息，如減排措施和成本等，來確定合理的達(dá)峰目標(biāo)和路徑，但該方法對各技術(shù)的參數(shù)要求較高；綜合評(píng)估模型是“自上而下”和“自下而上”兩種方法的結(jié)合，通過對經(jīng)濟(jì)和技術(shù)各方面因素考慮，進(jìn)行能源消費(fèi)和碳排放測算，為各部門制定“雙碳”政策提供支持，因此該綜合評(píng)估模型結(jié)構(gòu)較為復(fù)雜[38]。下文對以上三類方法的典型模型做簡要介紹說明。

3.1 可計(jì)算的一般均衡模型(CGE)

可計(jì)算的一般均衡模型(CGE)由Walras提出，1894年Walras第一次從數(shù)學(xué)角度完整而充分的論述了一般均衡概念[39]。CGE以現(xiàn)代微觀經(jīng)濟(jì)學(xué)為理論基礎(chǔ)，利用非線性函數(shù)描述了供給、需求和市場間的關(guān)系，在一系列優(yōu)化條件下，如生產(chǎn)者利潤、消費(fèi)者效益、進(jìn)口收益和出口成本等，模擬各個(gè)市場的均衡狀態(tài)[40]。部分學(xué)者針對碳排放相關(guān)研究，通過在CGE模型中加入碳減排措施等相關(guān)模塊來定量評(píng)估該措施對宏觀經(jīng)濟(jì)所造成的影響，如碳稅、碳交易、碳捕集與封存和能效提升等。GCE模型具有以下特點(diǎn)：(1)能夠準(zhǔn)確地描述經(jīng)濟(jì)部門與其他各部門(如能源部門)之間的相互影響；(2)引入價(jià)格激勵(lì)機(jī)制，將各因素有機(jī)結(jié)合，如生產(chǎn)、需求，價(jià)格等，模擬了混合經(jīng)濟(jì)下，各部門應(yīng)對政策沖擊的價(jià)格變動(dòng)反應(yīng)；(3)以微觀經(jīng)濟(jì)學(xué)為理論基礎(chǔ)，相較于宏觀經(jīng)濟(jì)模型，其分析基礎(chǔ)更堅(jiān)實(shí)，適用性強(qiáng)[18]。基于上述特點(diǎn)，CGE模型在氣候變化政策相關(guān)研究中被廣泛應(yīng)用，在氣候變化政策領(lǐng)域，研究者們根據(jù)研究領(lǐng)域的具體情況，建立了自己的CGE模型，毛亞林[41]運(yùn)用針對中國經(jīng)濟(jì)發(fā)展特征設(shè)計(jì)的一個(gè)遞歸動(dòng)態(tài)可計(jì)算一般均衡(CGE)模型-CHINAGEM模型，對當(dāng)前政策情景和碳中和情景進(jìn)行模擬分析,預(yù)測分析2020—2040年中國能源發(fā)展?fàn)顩r。當(dāng)前，CGE模型主要存在的問題有：結(jié)果依賴大量參數(shù)且參數(shù)取值不穩(wěn)健，模型假設(shè)過于理想且技術(shù)表達(dá)抽象。因此，各研究者需充分借鑒先進(jìn)模型開發(fā)的經(jīng)驗(yàn)，重點(diǎn)研究我國在非理想與不均衡市場環(huán)境下經(jīng)濟(jì)行為表述的改進(jìn)，更加注重基礎(chǔ)數(shù)據(jù)的整理與重要參數(shù)的校核[42]。

3.2 長期能源替代規(guī)劃系統(tǒng)模型(LEAP)

長期能源替代規(guī)劃系統(tǒng)模型LEAP(Long Range Energy Alternatives Planning System)是由瑞典斯德哥爾摩環(huán)境研究所SEI開發(fā)的一種“自下而上”的能源-環(huán)境核算工具，主要用于國家、省市、行業(yè)的中長期能源規(guī)劃。LEAP模型基于情景分析法，利用插值、外推和增長率等函數(shù)來模擬不同情景下各部門的能源需求、環(huán)境影響和成本效益。LEAP模型數(shù)據(jù)結(jié)構(gòu)靈活、支持多種建模方法、具有強(qiáng)大的可視化功能和數(shù)據(jù)庫，可以將研究范圍內(nèi)的關(guān)鍵部門分為多個(gè)子部門對此進(jìn)行詳細(xì)分析，并可與一般的經(jīng)濟(jì)模型等其他模型結(jié)合使用；模型主要包括五大模塊，分別為能源需求、能源轉(zhuǎn)化、生物質(zhì)資源、環(huán)境影響評(píng)價(jià)和成本分析，通過對歷史數(shù)據(jù)分析，假設(shè)未來的能源發(fā)展趨勢，對政策措施、經(jīng)濟(jì)狀況、技術(shù)水平、社會(huì)成本等因素進(jìn)行設(shè)定，建立數(shù)據(jù)模型，得出相應(yīng)的預(yù)測結(jié)果，因而對基礎(chǔ)數(shù)據(jù)收集的要求也較高。該模型的缺點(diǎn)是沒有優(yōu)化功能，只能用于情景核算，且受基礎(chǔ)數(shù)據(jù)的限制，難以進(jìn)行完整的定量分析[18]，LEAP模型框架如圖1所示。

圖1 LEAP模型結(jié)構(gòu)圖[43]

3.3 中國能源政策綜合評(píng)價(jià)模型(IPAC)

中國能源政策綜合評(píng)價(jià)模型(IPAC)是國家發(fā)改委能源研究所與國內(nèi)外的研究機(jī)構(gòu)合作開發(fā)的結(jié)合中國發(fā)展特征的能源政策評(píng)估模型系統(tǒng)。IPAC模型主要包括能源與排放模型、環(huán)境模型和影響模型3個(gè)部分[44]。能源與排放模型包括能源經(jīng)濟(jì)模型(IPAC-SGM)、經(jīng)濟(jì)能源發(fā)展模型(IPAC-CGE)、動(dòng)態(tài)能源經(jīng)濟(jì)模型(IPAC-TIMER)、能源與排放情景模型(IPAC-Emission)等；環(huán)境模型主要包括大氣擴(kuò)散模型(IPAC-Air)和簡單氣候模型(IPAC-Climate)；影響模型主要涉及的是健康影響評(píng)價(jià)模型(IPAC-health)。各子模型間相互關(guān)聯(lián)，一個(gè)子模型的結(jié)果將會(huì)作為另一個(gè)子模型的輸入，第一步先將能源與排放模型的結(jié)果輸入到環(huán)境模型中，計(jì)算相關(guān)能源活動(dòng)可能造成的環(huán)境變化；第二步將環(huán)境模型的輸出結(jié)果輸入到影響模型中，計(jì)算其對健康產(chǎn)生的影響，最后將這種影響轉(zhuǎn)換為對經(jīng)濟(jì)發(fā)展的影響后再反饋回能源排放模型[45]。IPAC模型的框架如圖2所示。

圖2 IPAC模型結(jié)構(gòu)圖[46]

IPAC模型分析層面覆蓋生產(chǎn)、居民、政府、貿(mào)易等相關(guān)領(lǐng)域，根據(jù)不同研究領(lǐng)域建立不同目標(biāo)函數(shù)并結(jié)合情景分析，對各領(lǐng)域不同情景下的能源需求、社會(huì)成本收益和環(huán)境影響進(jìn)行評(píng)估；同時(shí)，IPAC模型作為針對理論進(jìn)行研究與分析的模型，因其涉及的數(shù)據(jù)較多、計(jì)算較為繁雜、耗時(shí)長，存在著一定的局限性，其應(yīng)用較少[25]。

4 結(jié)論

國內(nèi)不同學(xué)者在碳達(dá)峰研究課題上嘗試了多種方法，可以看到，不同模型方法的數(shù)據(jù)庫、理論基礎(chǔ)、支撐假設(shè)等不相同，所預(yù)測的結(jié)果也不盡相同，這是由于碳達(dá)峰預(yù)測涉及多方面因素，包括政策、經(jīng)濟(jì)、技術(shù)等，達(dá)峰預(yù)測是一項(xiàng)極其復(fù)雜的研究工作，也因此導(dǎo)致了研究結(jié)果的不確定性。不同的模型方法在進(jìn)行未來能源消耗和碳排放量預(yù)測中各有利弊，哪一種模型方法最合適主要取決于具體的研究重點(diǎn)，研究者有必要結(jié)合實(shí)際研究不斷調(diào)整和更新建模方法、技術(shù)，明確模型主要驅(qū)動(dòng)因素，對所用模型進(jìn)行深入的分析或拓展，以確保預(yù)測結(jié)果的可靠性，得出合理的達(dá)峰路徑。