Формирование кластерных групп ключевых стран-эмитентов парниковых газов в разрезе экономико-демографических и энергетических показателей

Введение. Центральная проблема исследования состоит в том, что глобальные цели декарбонизации формулируются как общие, универсальные, однако фактические условия их достижения существенно различаются между странами. Где-то углеродная нагрузка определяется масштабом экономики и численностью населения, где-то — высокой долей угольной генерации, экспортной ориентацией топливно-энергетического комплекса, энергоемкой промышленностью или недостаточной технологической модернизацией. Поэтому простое ранжирование стран по объему выбросов ПГ не позволяет обоснованно определить приоритеты климатической политики и направления адаптации стратегий декарбонизации. Фокус глобальной дискуссии о сокращении выбросов парниковых газов смещается от постановки общих целей к выбору траекторий декарбонизации для стран с принципиально различными структурами энергетики. Долгосрочный ориентир Парижского соглашения — ограничение роста средней мировой температуры. Точка отсчета в данном случае — доиндустриальный уровень. Целевой показатель формулируется так: «значительно ниже 2 °C». Решение этой задачи требует серьезной трансформации мировой энергетической системы [1].

Более 130 стран заявили о намерении прийти к полной углеродной нейтральности к 2050 году. Эти государства либо уже взяли на себя обязательства по обеспечению нулевого баланса выбросов парниковых газов, либо рассматривают достижение нулевых выбросов к середине текущего столетия [2].

Практическая реализация принятых стратегий зависит не только от политических обязательств, но и от энергобаланса, уровня индустриализации, структуры конечного энергопотребления, экспортной роли топливно-энергетического комплекса, демографии и исходной углеродоемкости экономики [3].

Современные исследования показывают, что энергетический сектор остается главным источником антропогенных выбросов ПГ, а сценарии декарбонизации существенно различаются по глубине технологической трансформации, стоимости перехода и степени вовлечения низкоуглеродных источников энергии [4]. Материалы о проблеме публиковали РЭА^5,6, РАНХиГС⁷, ИНП РАН⁸, ЦЭНЭФ⁹, Energy Institute^10,11, IEA^12,13.

В российской и зарубежной литературе достаточно подробно рассмотрены сценарии достижения углеродной нейтральности, макроэкономические последствия энергоперехода, перспективы водородной энергетики, роль атомной генерации, возобновляемых источников энергии (ВИЭ), энергоэффективности и технологий улавливания углерода. Сравнительный анализ сценариев, основанных на макроэкономическом моделировании, позволил выделить три ключевые траектории.

К первой относятся инерционные подходы. Специалисты РЭА, РАНХиГС и ЦЭНЭФ указывали на необоснованное следование сложившимся моделям и факторы, тормозящие развитие в сфере декарбонизации. Авторы отметили, что модернизация инфраструктуры фокусируется на ископаемом топливе. Это ведет к умеренному изменению структуры первичных энергоресурсов, а также стагнации или росту выбросов ПГ (к 2050 году — до 6,5 гигатонн эквивалента диоксида углерода).

Вторая траектория объединяет умеренно оптимистичные сценарии. Авторы ИНП РАН называют их, например, «разумным» выбором [5], РЭА — «рациональным технологическим». В ЦЭНЭФ полагают, что значимым результатом будет достижение так называемого «углеродного плато». То есть в данном случае речь идет о постепенном внедрении низкоуглеродных технологий. Возможность плавного повышения энергоэффективности и частичная диверсификация энергобаланса стали обоснованием задачи: к 2050 году выбросы нужно снизить до 1,5–3,5 гигатонн эквивалента диоксида углерода или стабилизировать на этом уровне.

Наконец, третья группа объединяет радикальные подходы к проблеме. Предлагается добиваться низких [6] или нулевых показателей углеродного следа, действовать в этом направлении активно или даже «агрессивно» [5]. Реализация таких решений требует глубокой структурной перестройки экономики, масштабного внедрения возобновляемых источников энергии, атомной генерации, водородных технологий, систем улавливания и хранения углерода. Таким образом к 2050 году нужно сократить выбросы до 0,54–2 гигатонн эквивалента диоксида углерода. Прогноз снижения общего потребления первичных энергетических ресурсов — до 12,4 млрд тонн нефтяного эквивалента. Во всяком случае такие показатели заложены в сценарии «Чистый ноль» РЭА Минэнерго России.

Во всех рассмотренных схемах прогнозируется достижение пика спроса на уголь, нефть и природный газ до 2030 года с последующим снижением, особенно для угля. Критические факторы реализации описанных сценариев: сбалансированная модернизация энергоемких отраслей, развитие регуляторных механизмов (включая ценообразование на углерод), обеспечение экономической доступности низкоуглеродных решений [7].

Опубликованные исследования можно условно разделить на три группы. В первую входят работы по сценарному моделированию низкоуглеродного развития с оценками возможных траекторий изменения энергобаланса, выбросов и структуры потребления первичных энергоресурсов. В источниках второй группы сопоставляются страны и регионы по отдельным индикаторам: абсолютным выбросам ПГ, выбросам на душу населения, углеродоемкости ВВП, доле ископаемого топлива, энергоемкости экономики или темпам внедрения ВИЭ. Авторы исследований третьей группы используют методы многомерного анализа и кластеризации, однако такие работы часто ограничиваются отдельными группами стран, узким набором энергетических или эмиссионных признаков либо не связывают результаты с переходными климатическими рисками и практическими направлениями декарбонизации.

Решение в данном случае — типологизация стран по совокупности признаков, отражающих структурные изменения углеродной нагрузки [8]. Кластерный анализ позволит преодолеть недостатки стандартного ранжирования и выделить группы стран, схожих по профилю углеродной нагрузки, а также по экономико-демографическим, энергетическим и климатическим особенностям.

Анализ научной литературы показал недостаточную разработанность комплексной типологизации стран-эмитентов ПГ, и этот пробел призвана восполнить представленная научная работа. Предложенный подход позволит определить, какие меры декарбонизации можно тиражировать внутри группы стран, а какие требуют точечной адаптации с учетом национальной структуры энергобаланса и переходных климатических рисков. В этом отличие данной концепции от других, ограничивающихся анализом отдельных энергетических или эмиссионных индикаторов.

Таким образом, цель исследования — формирование и интерпретация типологии ключевых стран-эмитентов парниковых газов на основе комплексного анализа экономико-демографических, энергетических и климатических показателей. Полученная типология используется для определения различий в предпосылках декарбонизации и переходных климатических рисках для стран со схожими профилями.

Для достижения цели поставлены следующие задачи:

Материалы и методы. Схема исследования включала 10 пунктов.

1. Сбор статистических данных для более чем 40 ключевых стран-эмитентов парниковых газов в период
   с 2010 по 2022 годы [9].
2. Отбор стран по критерию вклада в глобальные выбросы и представительности энергетической модели.
3. Формирование системы экономико-демографических, энергетических, ресурсных и климатических признаков.
4. Унификация наименований стран, единиц измерения и временного среза данных.
5. Очистка массива данных и исключение показателей, не обеспечивающих межстрановую сопоставимость.
6. Стандартизация количественных признаков методом z-преобразования.
7. Предварительная визуальная проверка структуры данных со снижением размерности методом главных компонент (англ. principal component analysis, PCA).
8. Кластеризация данных методом Уорда и комбинированным подходом t-SNE + k-means.
9. Выбор оптимального числа кластеров по методу локтя и коэффициенту силуэта. Оценка качества кластеризации по индексу Дэвиса — Болдина.
10. Интерпретация кластеров с учетом энергетического профиля, углеродной нагрузки и переходных климатических рисков.

В исследуемую совокупность включались страны, отвечающие одному из двух или двум критериям. Первый — значение для глобального объема выбросов ПГ. Второй — представительность с точки зрения энергетической модели. То есть принимались во внимание не только большие абсолютные объемы выбросов, но и высокая доля ископаемого топлива, экспортная ориентация топливно-энергетического комплекса, развитая низкоуглеродная генерация либо существенная трансформация энергетического баланса.

Для обеспечения сопоставимости использовались показатели за 2022 год. Такой подход дал наиболее полный срез по странам. Временные ряды за 2010–2022 гг. задействовали для интерпретации динамики и проверки устойчивости выявленных различий.

Оценка строилась на системе показателей по двум группам, или блокам, данных.

В первый (экономико-демографический) вошли ВВП, численность населения, доля городского и сельского населения.

Второй (энергетический и ресурсный) включал:

Третий (климатический) блок объединил выбросы ПГ — общие и по секторам экономики (энергетика, промышленные процессы, сельское хозяйство, отходы).

Итоговая матрица формировалась только по количественным показателям, обеспечивающим сопоставимость между странами. Для каждого признака выполнялась проверка единиц измерения, диапазонов значений и наличия пропусков. Показатели, по которым отсутствовали сопоставимые данные для значительной части стран, использовались только на этапе описательного анализа и не включались в итоговую матрицу кластеризации. Стандартизация выполнялась по формуле z-преобразования: из каждого значения признака вычиталось среднее значение по совокупности стран, после чего результат делился на стандартное отклонение. Это позволило исключить доминирование признаков с большим абсолютным масштабом, например ВВП, численности населения или установленной мощности генерации.

В целях анализа производства и потребления энергоресурсов, оценки эффективности их использования и влияния эмитентов на состояние окружающей среды рассмотрено формирование кластерных групп ключевых стран-эмитентов по экономико-демографическим и энергетическим показателям. Рассмотрены более 10 методов обработки статистических данных для формирования кластеров [10]. В таблице 1 обобщается информация о наиболее подходящих методах.

Кластерный анализ предполагает классификацию объектов наблюдения (случаев) в группы (кластеры) на основе сходства их характеристик по множеству переменных [11]. Иерархическая кластеризация выполнялась методом Уорда на стандартизированной матрице признаков с использованием Евклидова расстояния. Метод Уорда выбран, поскольку он минимизирует внутрикластерную дисперсию и позволяет получить интерпретируемую дендрограмму сходства стран. Дополнительно применялся комбинированный подход t-SNE + k-means. Для нелинейного отображения высокомерной структуры данных в двумерное пространство использовался t-SNE, после чего на полученном представлении выполнялась кластеризация методом k-means.

Для обеспечения воспроизводимости расчета параметры алгоритмов фиксировались в программной реализации. Число кластеров проверялось в диапазоне k = 2–10 с использованием метода локтя и коэффициента силуэта, а качество итоговых решений дополнительно оценивалось по индексу Дэвиса-Болдина. В процедурах k-means фиксировалось начальное состояние генератора случайных чисел (random_state = 42). При подборе числа кластеров использовалась инициализация центроидов k-means++. Параметры n_init и max_iter отдельно не задавались и принимались равными значениям по умолчанию используемой версии библиотеки scikit-learn. Для t-SNE задавались n_components = 2, perplexity = 30, random_state = 42. Параметры learning_rate, max_iter / n_iter, init и metric отдельно не задавались. После построения двумерного t-SNE-представления выполнялась кластеризация методом k-means при k = 4.

Результаты исследования. Анализ статистики основных стран-эмитентов ПГ позволил получить перекрестные распределения по выбросам на душу населения и на единицу ВВП по ППС (рис. 1). Первый показатель характеризует удельную демографическую углеродную нагрузку и позволяет сопоставлять страны с учетом численности населения. Второй — углеродоемкость экономики, то есть объем выбросов, приходящийся на единицу создаваемого экономического продукта. Совместное рассмотрение этих показателей позволяет различать страны с высокой абсолютной эмиссией, страны с высокой углеродоемкостью производства и страны, где значительная углеродная нагрузка связана прежде всего с масштабом экономики и потребления. Размер пузырька соотносится со значением численности населения в 2022 году (млн человек).

В рамках исследования наиболее содержательно интерпретируемым очевидно оказался интегральный, совокупный набор экономико-демографических, энергетических и ресурсных, климатических признаков, поскольку отдельные блоки показателей отражали только частные аспекты различий между странами. Экономико-демографический блок преимущественно разделял страны по масштабу экономики и численности населения, климатический — по уровню абсолютных и удельных выбросов, энергетический — по структуре генерации и роли ископаемого топлива. Только совместное использование указанных групп признаков позволило выделить кластеры, различающиеся и по величине выбросов, и по причинам их формирования.

На рис. 2 представлена структура генерации по установленной мощности для 15 крупнейших эмитентов. На карте отображено значение суммарной мощности генерации в тераваттах. Для каждой страны визуализированы данные по долям тепло-, гидро-, атомных электростанций и возобновляемых источников в общем энергобалансе. Как видим, наибольшая доля во всех странах приходится на традиционную энергетику с органическим топливом. Исключения — Канада и Бразилия, где электроэнергию производят преимущественно гидроэлектростанции (ГЭС).

Определено, что почти каждая четвертая тонна СО₂, выброшенная в атмосферный воздух, образована на объектах тепловой генерации при сжигании газа, угля, мазута, и это 12,5 млрд тонн СО₂ ежегодно.

Дендрограмма на рис. 3 — результат иерархической кластеризации по методу Уорда. После нормализации данных учитывается их дисперсия и определяются расстояния между ближайшими схожими элементами. Такой подход обеспечивает углубленный анализ производства и потребления энергоресурсов, эффективности их использования и влияния эмитентов на состояние окружающей среды по всем анализируемым показателям.

Алгоритм снижения размерности (t-SNE, рис. 4) использовался как инструмент нелинейного снижения размерности и визуализации локальной структуры данных, а окончательная интерпретация кластеров выполнялась с учетом результатов иерархической кластеризации и формальных метрик качества. Кластеры обозначены такими же цветами, как на рис. 3.

Устойчивость полученных групп оценивалась путем сопоставления результатов иерархической кластеризации и подхода t-SNE + k-means. Кластеры считались устойчивыми в содержательном смысле, если страны с близкими энергетическими и эмиссионными профилями сохраняли принадлежность к одной группе при использовании разных алгоритмов либо формировали сопоставимые по интерпретации объединения. Совпадение основных профилей кластеров в двух подходах позволило рассматривать результат с четырьмя группами как наиболее обоснованный.

Как видим, страны разделились на четыре кластера. Такой итог получили при использовании двух подходов:

С точки зрения оценки качества результатов кластеризации, индекс Дэвиса — Болдина (англ. DBI) принимает максимальные значения для k, равных 4 и 3, — 0,92 и 0,89 соответственно, что указывает на сопоставимое качество разделения. Поскольку меньшее значение DBI соответствует более компактным и лучше разделенным кластерам, данный показатель сам по себе не дает однозначного преимущества варианту k = 4. Однако решение с четырьмя кластерами выбрано по совокупности критериев: максимуму коэффициента силуэта, результату метода локтя и более содержательной интерпретируемости кластеров (рис. 3 и 4).

На рис. 4 представлено двумерное t-SNE-отображение многомерного пространства признаков, характеризующих страны-эмитенты ПГ по экономико-демографическим, энергетическим и климатическим параметрам. Компоненты t-SNE 1 и t-SNE 2 являются условными координатами нелинейного отображения и не имеют прямой самостоятельной экономической или энергетической интерпретации. Их назначение состоит в визуализации локальной близости стран: близкое расположение точек указывает на сходство стран по совокупности нормализованных признаков, а удаленность — на различие их профилей. Полученное распределение подтверждает наличие четырех групп стран, что согласуется с результатами кластеризации и оценками оптимального числа кластеров.

Первый кластер представлен крупнейшими эмитентами — Китаем и США. Их объединяет исключительный масштаб экономики, энергопотребления и абсолютных выбросов, а также диверсифицированная генерация.

Во второй кластер вошли топливно-энергетические экспортеры — Россия, Канада, Иран и Саудовская Аравия. Их общие признаки: высокая роль добычи, производства и (или) экспорта первичных энергоресурсов, значимая доля ископаемого топлива в энергобалансе и повышенная чувствительность к переходным климатическим рискам.

Третий кластер — это группа углеродоемких индустриальных и развивающихся экономик. Для них характерны растущий спрос на энергию, значимая доля промышленности и инфраструктурная инерция энергосистемы.

Четвертый кластер включает страны с более высокой энергоэффективностью, большей долей низкоуглеродной генерации и (или) прогрессивной климатической политикой.

Обсуждение. Итак, объем выбросов ПГ не может быть единственным основанием при выборе климатической стратегии. Кластерная принадлежность страны определяется совокупностью факторов: объемом экономики, численностью населения, структурой генерации, долей ископаемого топлива, ролью экспортируемых энергоресурсов, уровнем энергоэффективности и удельной углеродной нагрузкой [12]. Поэтому страны с сопоставимыми абсолютными выбросами могут относиться к разным группам по типам декарбонизационных задач. В качестве примеров можно привести снижение угольной зависимости, декарбонизация добычи и переработки, повышение энергоэффективности, устранение остаточных выбросов в секторах конечного потребления.

Интерпретация кластеров в настоящем исследовании основана не на нормативном предположении о «правильной» стратегии декарбонизации, а на выявленных структурных признаках каждой группы. Если кластер характеризуется высокой долей угольной генерации, то приоритет сокращения угольной зависимости следует непосредственно из энергетического профиля. Если кластер объединяет страны с высокой ролью добычи и экспорта углеводородов, то ключевыми становятся риски снижения внешнего спроса, углеродного регулирования импорта и технологической декарбонизации добывающего сектора. Если группа стран отличается более низкой углеродоемкостью генерации, то фокус смещается на остаточные выбросы, конечное энергопотребление и импортированный углеродный след.

Обособление Китая и США в отдельном кластере объясняется их системообразующей ролью в глобальной энергетике и климатической политике. Эти страны формируют значительную часть мирового спроса на энергию и обладают ресурсами для масштабирования низкоуглеродных технологий. Однако некорректно было бы считать эти две экономики аналогичными с точки зрения энергетики [13]. В Китае более выражена промышленно-угольная эмиссия. США характеризуются высокой энергетической насыщенностью экономики и существенным уровнем выбросов на душу населения. То есть даже внутри одного кластера нужно учитывать различия между технологическими и поведенческими источниками углеродной нагрузки.

В таблице 2 обобщенно описаны кластеры, перечисляются наиболее значимые переходные климатические риски, то есть экономические и финансовые угрозы, связанные с глобальным переходом к низкоуглеродной экономике. Здесь же — направления адаптации стратегий декарбонизации.

Для России, Канады, Ирана и Саудовской Аравии (кластер ресурсно-экспортных экономик) декарбонизация не сводится к снижению выбросов внутри страны. Она затрагивает структуру внешней торговли, устойчивость экспортных доходов и возможность адаптации к углеродному регулированию торговых партнеров [14]. Поэтому для данного профиля наиболее важны технологии снижения выбросов в добыче и переработке, CCUS и формирование новых экспортных направлений низкоуглеродной продукции. Все это имеет особое значение с точки зрения переходных климатических рисков.

Для индустриальных и развивающихся экономик (третий кластер) декарбонизация должна согласовываться с ростом спроса на энергию и расширением промышленной базы. Перенос подходов развитых стран на данный кластер может привести к социально-экономическим издержкам и замедлению развития. Из этого следует вывод о необходимости последовательно модернизировать генерацию, повышать энергоэффективность промышленности, развивать сетевую инфраструктуру [15].

Для развитых и относительно низкоуглеродных экономик ключевая задача смещается к остаточным и трудноустранимым выбросам. Наличие изначально более развитой нормативной базы и высокой доли низкоуглеродной генерации не устраняет проблему выбросов транспорта, зданий и потребительского углеродного следа. В этой группе возрастает значение таких решений, как электрификация конечного потребления, гибкость энергосистемы и снижение углеродного следа импортируемой продукции [16].

Сопоставление полученных результатов с имеющимися исследованиями по сценариям низкоуглеродного развития, мировой энергетической статистике и оценке углеродоемкости экономики показывает, что описанный в данной статье кластерный подход не заменяет, а дополняет сценарное моделирование.

Сценарные исследования применяются для оценки возможных траекторий изменения энергобаланса и выбросов. Кластеризация позволяет определить страны с аналогичными исходными условиями и, соответственно, совпадающими или близкими переходными климатическими рисками. В отличие от индикаторного ранжирования, основанного на одном показателе, многомерная типологизация обеспечивает одновременный учет масштаба экономики, структуры генерации, ресурсной базы и углеродоемкости.

Ограничения исследования обусловлены несколькими причинами. Во-первых, национальные статистические системы различаются по полноте и методикам учета энергетических и климатических показателей. Во-вторых, результаты кластеризации чувствительны к составу включенных признаков и способу их нормализации. В-третьих, t-SNE использовался преимущественно как инструмент визуализации нелинейной структуры данных и не должен рассматриваться как самостоятельное доказательство устойчивости кластеров. Поэтому при интерпретации результатов сопоставлялись нескольких методов кластеризации и содержательного анализа энергетических и эмиссионных профилей стран.

С практической точки зрения полученные результаты позволяют предварительно группировать страны по сходству предпосылок к декарбонизации. Так, для крупнейших эмитентов ключевые факторы — масштаб энергосистемы и абсолютных выбросов. Для ресурсно-экспортных экономик — зависимость от добычи, переработки и экспорта ископаемых энергоресурсов. Для индустриальных и развивающихся — сочетание роста спроса на энергию и высокой роли углеродоемкой генерации. Для относительно низкоуглеродных экономик главные проблемы связаны с остаточными выбросами и углеродным следом конечного потребления. Таким образом, направления декарбонизации должны рассматриваться не как общие рекомендации, а как меры, обусловленные профилем соответствующего кластера.

Заключение. Сформирована база экономико-демографических, энергетических и климатических показателей ключевых стран-эмитентов парниковых газов. Для стандартизации признаков и кластеризации стран применили иерархическую кластеризации методом Уорда и комбинированный подход t-SNE + k-means. Наиболее содержательно интерпретируется вариант с четырьмя кластерами. В этом случае отражаются различия между странами:

Научная значимость исследования заключается в переходе от одномерного ранжирования стран по объему выбросов к многомерной типологизации эмитентов с учетом экономико-демографических, энергетических и климатических признаков. К тому же предложенная кластеризация может быть базой для предварительного выбора направлений декарбонизации, оценки переходных климатических рисков, и в этом — прикладная ценность работы.

Результаты кластеризации не следует рассматривать как универсальный набор рекомендаций. Тем не менее их можно задействовать для дальнейшего анализа сходств и различий ключевых стран-эмитентов, выявления оптимальных технологий и законодательных мер, необходимых для снижения эмиссии ПГ, а также для оценки эффективности климатических стратегий декарбонизации.