基于LMDI模型的黄河流域碳排放时空差异及影响因素研究

陈 锋，张 晶，任 娇，向燕芸，李 倩

1. 山西财经大学 资源环境学院，太原 030006

2. 山西财经大学 资源型经济转型发展研究院，太原 030006

3. 山西财经大学 公共管理学院，太原 030006

全球气候变暖引发了一系列社会、经济和生态问题，这使得减缓温室效应和减少碳排放量成为当前气候变化研究的热点（Chuai et al，2015；
成洁等，2017；
杨淼琳等，2020）。区域能源碳排放引起的环境问题已对人类社会的可持续发展构成严峻挑战（丁仲礼等，2009；
Zahn，2009），如何减少和有效控制碳排放已经成为世界各国制定环境政策的重要导向（张雪华和董会忠，2021）。在“双碳”目标以及黄河流域生态保护和高质量发展国家战略下，黄河流域承受了巨大的减排压力。沿黄9省（区）能源禀赋各有不同，经济发展方式差异巨大，发展不平衡不充分问题严峻，经济发展与环境保护矛盾突出（陆大道和孙东琪，2019）。因此，阐明黄河流域9省（区）碳排放时空演变特征及影响因素，有利于制定精准化减排政策，对于实现全流域生态优先和绿色低碳发展具有重要的理论意义和示范应用价值。

近年来，国内外学者在能源消费产生的碳排放及其影响因素等问题上已取得一系列成果（张馨，2018；
Udara Willhelm Abeydeera et al，2019；
Zheng et al，2019）。具体到黄河流域，以往研究内容涉及碳排放强度（马远和刘真真，2021）、行业碳排放（张国兴和苏钊贤，2020；
朱向梅等，2021）等诸多方面。其中：莫惠斌和王少剑（2021）利用空间面板模型等方法对黄河流域8省（区）县域碳排放时空格局及形成机制进行了分析；
杜海波等（2021）基于夜间灯光数据集模拟了黄河流域8省（区）碳排放的时空变化特征，并从流域地理分异的角度对其影响因素进行解析。这些研究对黄河流域的碳排放评估提供了重要的认识，但是在影响因素归因方面仍有待进一步深化。此外，整个黄河流域涉及9个省（区），在碳排放研究时也有必要将其一并纳入考虑。

目前，指数分解分析法作为影响因素分析的主要方法已得到广泛应用，其中对数平均迪氏指数（logarithmic mean Divisia index，LMDI）模型是最常用的指数分解方法之一（徐国泉等，2021）。LMDI模型考虑了研究单元间的空间效应，能够合理解释区域影响因素的空间异质性，从而使研究结果更具有解释力。基于此，本文对黄河流域9省（区）2003 — 2019年能源消费产生的碳排放量进行核算，结合LMDI模型分析人口规模效应、经济增长效应、能源消费强度效应、能源碳排放强度效应对黄河流域能源消费碳排放的影响，从而为黄河流域低碳转型和高质量发展提供理论依据。

黄河全长约5464 km，流域面积约75万km2（陆大道和孙东琪，2019），是中国第二长河，发源于青藏高原，自西向东流经青海、四川、甘肃、宁夏、内蒙古、陕西、山西、河南、山东共计9个省（区），最后流入渤海。2018年黄河流域人口、GDP和能源消费量分别占全国的 15.68%、14.43% 和 29.92%（杜海波等，2021），因而黄河流域是中国能源消费碳排放的重点地区。为方便研究，本文大致将青海、四川、甘肃、宁夏、内蒙古归为黄河上游，陕西、山西归为中游，河南、山东归为下游。

2.1 LMDI模型

Kaya（1989）在IPCC研讨会上提出Kaya恒等式，该式给出了碳排放的主要驱动因素。结合Kaya恒等式，依据Ang（2004）提出的LMDI模型，本文从人口规模、经济增长、能源消费强度、能源碳排放强度4个方面对黄河流域9省（区）的碳排放因素进行分解分析。构建对碳排放总量的LMDI分解模型如下：

式中：C表示5类能源的碳排放总量，Ci表示第i类能源的碳排放量，i为能源种类，N表示所有能源的消费总量，E表示国民生产总值，P表示人口总量，g、r、s、p分别是人均GDP、能源消费强度、能源碳排放强度、人口规模效应。

对于该模型，设基期的碳排放总量为C0，T期总量为C T，定义从基期到T期的碳排放增量为综合效应，用ΔC表示。则：

式中：ΔCp为人口规模效应，ΔCg为经济增长效应，ΔCr为能源消费强度效应，ΔCs为能源碳排放强度效应。

2.2 数据来源及处理

2003 — 2019年国内生产总值、人口规模、能源消费量和居民消费价格指数数据来源于国家统计局分省年度数据（https://data.stats.gov.cn/easyquery.htm?cn=E0103）。国内生产总值运用价格指数进行了调整，以消除价格因素的影响。在碳排放因素分解分析中，选取的能源有煤炭、汽油、煤油、柴油和天然气，各类能源消费实物量经折标准煤系数转换为标准量后分类汇总得出，碳排放量通过碳排放系数计算得出（徐国泉等，2021）。黄河流域9省（区）各类能源消费量由实物量按《中国能源统计年鉴2018》（http://www.stats.gov.cn/tjsj/tjcbw/201909/t20190924_1699094.html）中的能源折算系数折合成标准煤（表1）。

表1 燃料消耗碳排放系数Tab. 1 Coefficients of carbon emissions of fuel consumption

3.1 黄河流域能源消费特征及碳排放演化趋势

黄河流域9省（区）2003 — 2019年能源消费总量总体呈增长趋势（表2），各类能源消费总量的大小排序为：煤炭＞原油＞焦炭＞天然气＞柴油＞汽油＞燃料油＞煤油＞电力。在此期间，煤炭、原油、焦炭和天然气消费量快速波动增长，其中清洁能源天然气消费量占比持续快速提高。另外，柴油、汽油、煤油和电力消费量呈小幅平稳增长，燃料油的消费量呈较大波动变化。伴随多项能源的不断发展，未来具有较高碳排放系数的煤炭在黄河流域能源消费中的占比会进一步降低。

表2 黄河流域2003—2019年各类能源消费量Tab. 2 Consumption of various types of energy in the Yellow River Basin from 2003 to 2019

从时间演化来看（表3），黄河流域2003 —2019年的碳排放总量呈波动增长趋势，但增长幅度不断收窄，碳排放增长率呈波动递减趋势，由2003年的21.09%下降到2019年的4.48%。另外，黄河流域2003 — 2019年的人均碳排放增长率整体亦呈波动下降趋势，由2003年的20.44%下降到2019年的4.23%。这些数据表明：黄河流域的碳排放量正在趋于平稳，有收敛趋势。

表3 黄河流域2003 — 2019年碳排放总量及人均碳排放量Tab. 3 Total carbon emissions and carbon emissions per capita in the Yellow River Basin from 2003 to 2019

从空间演变趋势来看（图1），黄河流域上、中、下游2003 — 2019年碳排放量均呈波动上升趋势，其占比分别为33%、27%、40%，黄河流域碳排放量总体呈下游＞上游＞中游的分异特征。图2直观体现了黄河流域碳排放的空间演变特征，在2003年、2011年和2019年，黄河流域各省（区）碳排放量的空间分布比较稳定，总体呈西低东高的空间分布格局，在一定程度上反映了黄河流域不同区域的人口数量、经济发展水平、资源种类和能源消费等方面的差异。

图1 2003 — 2019年黄河流域上、中、下游地区碳排放量及占比Fig. 1 Carbon emissions and its proportion in the upstream,midstream and downstream of the Yellow River Basin from 2003 to 2019

图2 2003年、2011年和2019年黄河流域9省（区）碳排放量时空格局演变Fig. 2 Evolution of the spatiotemporal pattern of carbon emissions in 9 provinces (regions) of the Yellow River Basin in 2003, 2011 and 2019

3.2 基于时间维度的因素分解分析

图3反映了人口规模、经济增长、能源消费强度及能源碳排放强度对黄河流域9省（区）2003 — 2019年能源消费碳排放量的影响效应（横坐标时间序列分t年和t+1年进行，反映的是t年和t+ 1年之间能源消费碳排放量的变化）。

3.2.1 人口规模的贡献份额分析

由LMDI模型因素分解结果（图3）可知：人口规模效应对黄河流域2003—2019年能源消费碳排放量的平均贡献度约为305.60 × 104t。人口规模效应对碳排放量的影响主要呈正的驱动作用。黄河流域人口规模表现出集聚效应的特点，这与资源密集型产业为主的区域特征相符（金凤君等，2020）。同时，黄河流域上、中、下游地区的人口分异和老龄化可能降低了人口规模效应的贡献（莫惠斌和王少剑，2021），未来的人口规模效应导致碳排放量出现显著增加的可能性很小。

图3 黄河流域2003 — 2019年碳排放量的因素分解结果趋势Fig. 3 Trend of decomposition results of carbon emissions in the Yellow River Basin from 2003 to 2019

3.2.2 经济增长的贡献份额分析

经济增长效应对黄河流域2003 — 2019年能源消费碳排放量的平均贡献度约为10584.90 × 104t（图3）。经济发展水平效应对碳排放量的影响呈正向的驱动作用且贡献度最高，已是促进区域碳排放量增长的关键性因素。经济增长和能源消费强度效应之间的激励与抑制在一定程度上相互抵消，导致碳排放量并未随经济的加速发展而呈线性增长趋势。同时，在低碳发展目标下，黄河流域必将不断转变经济发展模式，立足于源头不断提升发展质量。因此，经济增长效应对黄河流域能源消费碳排放量的驱动作用有望进一步减小。

3.2.3 能源消费强度的贡献份额分析

能源消费强度效应对黄河流域2003 — 2019年能源消费碳排放量的平均贡献度为- 5203.30 ×104t（图3）。能源消费强度效应对碳排放量的影响均呈显著的抑制作用，已成为减缓区域碳排放量增长的关键性因素。能源消费强度和能源碳排放强度分别是山西和陕西碳排放的主要抑制因素（赵选民和卞腾锐，2015；
张雪姣和杜俊慧，2017）。能源消费强度在2006 — 2008年、2011 — 2013年与2016 — 2017年这些时段对碳排放量的抑制效应显著增大（图3），进一步指示了黄河流域能源利用效率得到了有效提升。但近年来能源消费强度效应出现减缓趋势，表明能源清洁低碳化利用技术的进一步发展可能存在一定瓶颈（陈军华和李乔楚，2021）。

3.2.4 能源碳排放强度的贡献额分析

能源碳排放强度效应对黄河流域2003 — 2019年能源消费碳排放量的平均贡献度约为-293.10 ×104t（图3），其对碳排放量的影响总体呈抑制作用。可见，能源碳排放强度效应是除能源消费强度外的另一减缓黄河流域能源碳排放量的因素。能源碳排放强度在2004 — 2006年、2007 — 2008年、2010 — 2011年、2017 — 2018年这四个时段呈正向驱动作用（图3），表明此时能源消费产生的碳排放量较高。王敏等（2021）研究表明：能源碳排放强度下降总体减缓了青海省碳排放量的增长。此外，能源活动是黄河流域碳排放量的主要来源（表2），然而目前能源碳排放强度效应对黄河流域能源消费碳排放量的抑制作用并不显著。这可能是由于黄河流域传统高能耗产业占比仍较大，对产业结构的有效调整形成了极大约束（陆大道和孙东琪，2019），因而能源结构优化升级对区域碳减排的优势和效益可能在短期内难以有效凸显。

3.3 基于空间维度的因素分解分析

为了更好地揭示黄河流域9省（区）在不同时段的碳排放特征及影响因素，本文从研究时段中提取了三个特征时段进行分析，即2003 — 2004年（早期）、2010 — 2011年（中期）和2018 — 2019年（近期）。

3.3.1 人口规模因素的地区差异分析

人口规模效应在黄河流域上、中、下游的碳排放量总体呈正向驱动作用（图4，图5a）。人口规模效应仅在2003 — 2004年对黄河流域上游的碳排放量呈轻微抑制作用。人口规模效应在四川由负向转为正向，从2003 — 2004年的- 53.52 ×104t增至2018 — 2019年的26.13 ×104t。人口规模效应在甘肃、内蒙古和山西则由正向驱动作用转为负向抑制作用。甘肃从2003 — 2004年的3.17 ×104t降至2018 — 2019年的- 10.25 ×104t，内蒙古从2003 — 2004年的16.93 ×104t降至2018 — 2019年的- 75.90 ×104t，山西从2003 — 2004年的74.64 ×104t降 至2018 — 2019年 的- 40.32 ×104t。但 青海、宁夏、陕西、河南、山东的人口规模效应均为正向驱动作用（图5a）。特别是宁夏，人口增长导致宁夏碳排放从2003 — 2004年的22.93 × 104t增至2018 — 2019年的72.50 ×104t，表明宁夏的人口增长对碳排放有明显的驱动作用。刘玉珂和金声甜（2019）运用LMDI分解法探索了中部六省能源消费碳排放的影响因素及空间特征，同样表明人口规模对其碳排放表现为正效应。

图4 黄河流域上、中、下游地区2003 — 2004年、2010 — 2011年、2018 — 2019年因素分解Fig. 4 Factor decomposition histogram in the upstream, midstream and downstream of the Yellow River Basin in 2003 — 2004,2010 — 2011 and 2018 — 2019

图5 黄河流域9省（区）2003 — 2004年、2010 — 2011年、2018 — 2019年因素贡献度Fig. 5 Factors contribution of 9 provinces (regions) in the Yellow River Basin in 2003 — 2004, 2010 — 2011 and 2018 — 2019

3.3.2 经济增长因素的地区差异分析

经济增长效应对黄河流域上、中、下游的碳排放量呈正向驱动作用（图4，图5b）。从黄河流域各省（区）来看，经济增长效应对黄河流域2003 — 2011年整体碳排放量的正向驱动作用不断加强（图5b），其中山西2003 — 2011年碳排放增量最大，由2290.03 × 104t增至3795.81 × 104t。另外，在2011 — 2019年，经济增长对黄河流域整体碳排放量的正向驱动作用有所下降，其中山西碳排放量由3795.81 × 104t降至1894.01 × 104t，减量最大。目前，经济发展对碳排放量呈正向驱动作用已成为学界普遍共识，本研究也支持这一结论，即黄河流域9省（区）的经济发展不利于抑制碳排放。3.3.3 能源消费强度的地区差异分析

能源消费强度效应对黄河流域上、中、下游的碳排放量整体呈抑制作用（图4，图5c）。在黄河流域上游，能源消费强度效应仅在2018 — 2019年呈正向驱动作用。在黄河流域下游，能源消费强度效应仅在2003 — 2004年呈正向驱动作用。值得注意的是，能源消费强度效应在2018 — 2019年对下游的抑制作用最明显，起到了有效减排作用（图4，图5c）。王长建等（2012）采用LMDI对山东1990 — 2009年的碳排放量进行因素分析，也发现能源消费强度对碳排放起负作用。从黄河流域各省（区）来看（图5c），在2003 — 2019年，能源消费强度效应对青海、四川、甘肃、山西的碳排放均呈抑制作用，其中对青海和甘肃的抑制作用是增强的；
而对陕西、河南、山东则由驱动作用转为抑制作用，其中河南变化最大，由2003 — 2004年的1383.26 × 104t降 至2018 — 2019年 的- 2100.70 ×104t，抑制作用最明显。这表明上述省份的能源消费强度对环境更加友好。宁夏的能源消费强度效应则由抑制作用转为驱动作用，即由2003 — 2004年的- 387.28 × 104t增至2018 — 2019年的103.79 ×104t；
内蒙古的能源消费强度效应由2003 — 2004年 的211.37 × 104t增 至2018 — 2019年 的1015.54 ×104t，驱动作用不断加强；
反映了宁夏和内蒙古能源消费强度的减排空间呈不断缩减的现象。

3.3.4 能源碳排放强度的地区差异分析

能源碳排放强度效应对黄河流域上游的碳排放量整体呈较小的抑制作用，对黄河流域中游和下游的碳排放量分别呈驱动和抑制作用（图4，图5d）。值得注意的是，能源碳排放强度效应对下游碳排放量的抑制作用整体上逐渐减小，最强出现在2003 — 2004年。从黄河流域各省（区）来看（图5d），在2003 — 2004年和2018 — 2019年，青海、四川、甘肃、宁夏、河南、山东的能源碳排放强度对碳排放量呈抑制作用，其中，山东碳排放量在该抑制作用下减少的最为明显。对内蒙古和山西则由驱动作用转为抑制作用，其中山西变化最大，由384.73 × 104t降至- 57.01 ×104t。但2003 — 2019年，陕西的能源碳排放强度对碳排放量呈驱动作用。综上，研究区能源碳排放强度效应存在明显的地区差异。

3.4 与区域内外典型区域碳排放研究的对比分析

从本研究来看，2003 — 2019年黄河流域能源消费碳排放量整体还未达到峰值，但已呈收敛趋势（表3）。这与杜海波等（2021）基于黄河流域DMSP/OLS与NPP/VIIRS夜间灯光数据得出的结论一致。另外，无论是从省级尺度还是县级尺度（莫惠斌和王少剑，2021），目前黄河流域已形成东高西低碳排放格局（图2）。黄河流域9省（区）碳排放量总体呈下游＞上游＞中游的地理分异特征（图1），表明流域内部各省（区）碳排放量存在较大差异。而杜海波等（2021）的研究结果是中游＞下游＞上游，这可能是研究区划和研究时段不一致造成的。目前，经济增长效应对黄河流域碳排放的影响力最强已成为共识，但其他影响因素及影响程度则存在一定的争议，如：杜海波等（2021）认为碳排放持续增长的主要推动力是“GDP+”能源结构、城镇化水平与人口规模和能源强度与产业结构，莫惠斌和王少剑（2021）认为促进碳排放量增加的因素有高公共支出、大经济规模、产业结构、年轻人口结构和高生活水平。在长江经济带，平智毅等（2020）认为经济增长对碳排放效率的提高存在空间溢出效应，而环境规制强度、技术创新能力、产业结构升级、能源消费结构和外商直接投资对长江经济带碳排放效率产生负影响或在统计学上不显著。综合上述研究可以发现：不同的影响因素在流域各省（区）发挥的作用是不同的，量化黄河流域能源消费产生的碳排放的影响因素及程度仍需利用多种方法进行更深入的研究。

本文主要得出如下结论：（1）从时间上看，黄河流域2003 — 2019年的碳排放量整体呈增长趋势，但增长幅度逐年收缩。经济增长效应与能源消费强度效应分别是促进和减缓黄河流域碳排放量增长的关键性因素；
人口规模效应对于碳排放量表现为正向驱动作用，但影响程度较小；
能源碳排放强度的抑制作用十分有限。（2）从空间上看，黄河流域9省（区）的碳排放量均呈逐年增长的趋势，亦呈收敛趋势，并呈下游＞上游＞中游的地理分异特征。人口规模效应和经济增长效应对黄河流域上、中、下游的碳排放量整体呈正向驱动作用。能源消费强度效应对黄河流域上、中、下游的碳排放量主要呈抑制作用。能源碳排放强度效应对黄河流域中游的碳排放量呈正向驱动作用，而对黄河流域上、下游的碳排放量主要呈抑制作用。

基于上述结论，提出如下建议：（1）黄河流域上游地区要依托资源禀赋优势，大力发展风能、电能和天然气等清洁能源，逐步实现清洁化、低碳化发展。黄河流域中游地区的煤炭资源丰富，进一步发展低碳环保技术，推动碳捕获、利用与封存技术的应用，降低能源的碳排放量。黄河流域下游地区应利用好现有的工业基础，进一步研发和探索新材料、新技术等，加快产业转型升级，推动产业低碳化发展。（2）黄河流域各省（区）在今后较长时期仍应继续通过适度控制人口数量来抑制由人口规模增长而带来的能源消费碳排放量的增加。

致谢：感谢审稿人和编辑对本文提出的宝贵修改意见。