基于脱钩指数和LMDI模型的黄河流域能源低碳发展研究_薛建春.pdf

2023 年 1 期总第 441 期前 沿Forward PositionNo.1 2023Sum No.441基于脱钩指数和LMDI模型的黄河流域能源低碳发展研究薛建春 曹力博（内蒙古科技大学 经济与管理学院，内蒙古 包头 014010）摘要 黄河流域是我国重要的生态屏障区和“一带一路”陆路通道的关键地带，沿黄河流域城市的工业发展主要依赖能源的生产与消耗，实现经济、能源、碳排放三者协同发展是尽早实现黄河流域“双碳”目标的关键。本文测算黄河流域 9 省区 2010-2019 年碳排放量与碳排放强度，借助脱钩模型分析各省区碳排放与经济发展之间的脱钩状态，利用对数平均迪氏指数法（LMDI）分析能源碳排放的主要影响因素。本文研究结果表明：2010-2019年间，黄河流域整体碳排放量呈现上升趋势，碳排放强度呈现下降趋势；具体到各省区，青海、宁夏、内蒙古、山西、陕西的碳排放量逐渐上升，甘肃、四川、河南、山东的碳排放量随时间变化不大；内蒙古的碳排放强度呈现上升趋势，其余省区碳排放强度呈现下降趋势。脱钩状态方面，黄河流域整体脱钩状态相对不错，甘肃、四川、河南的脱钩状态均为强脱钩及弱脱钩，比较理想；影响因素方面，经济增长是黄河流域能源碳排放最重要的影响因素，其次是能源强度，能源结构与人口规模对能源碳排放的影响相对较小，能源结构、能源强度引起的碳排放变化为负增长，经济增长、人口规模引起的碳排放变化为正增长。关键词 能源消费；碳排放；脱钩指数；LMDI模型；黄河流域中图分类号 F24.5;X321;X24 文献标识码 A 文章编号 1009-8267（2023）01-0070-10一、引言能源是一个国家重要的战略资源，是经济社会发展的物质基础和动力源泉，我国的经济增长和能源消费呈现同步发展的趋势。1-2长期使用非可再生能源会使其逐渐枯竭，而我国消费能源主要为非可再生能源，其中煤炭和石油的比重相对较高。3能源消耗的过程中会生成大量污染物，二氧化碳排放量相对较高，加剧了温室效应，导致全球气候变暖。4在实现碳达峰碳中和目标的背景下，能源过度消耗及污染物过量排放是无法忽视的一大方面，经济发展对能源的需求日益增长，环境保护与低碳减排之间的矛盾日益明显。5基金项目 国家自然科学基金“低碳约束下黄河流域城市土地利用效率研究：测度、驱动机理与提升路径”（42061051）；内蒙古社科基金“推动内蒙古传统产业节能降耗与碳达峰碳中和政策支持研究”（2021NDB168）；内蒙古自然科学基金“产业能源碳关联视角下黄河 几字弯 都市圈低碳发展路径与政策调控研究”（2022LHS07003）。作者简介 薛建春，博士，内蒙古科技大学经济与管理学院副教授，研究方向：土地资源经济与规划管理；曹力博，内蒙古科技大学经济与管理学院硕士研究生，研究方向：土地资源经济与规划管理。70DOI:10.14129/ki.forwordposition.20221217.001国内外学者在经济增长、碳排放脱钩及碳排放影响因素等方面的研究比较丰富。Susmita et al.Vivien et al.Chen et al.等人应用多种方法对碳排放量及碳排放强度进行测算6-8；王彦哲等、陈胜涛等、范爱军等、郭宇杰等分别从工业、农业、贸易金融、日常生活方面对碳排放强度进行研究9-12；Vavrek et al.Dong et al.梁雯等、王世进等、徐俊等、温雪颖等应用Tapio理论判定经济增长与碳排放的脱钩状态13-18；Jiang et al.Wu et al.Li et al.芦风英等、臧萌萌等、唐赛等运用结构分解法、指数分解法、STIRPAT模型等方法对碳排放影响因素进行研究，分析驱动因子的贡献率。19-24黄河流域既是中华文明的发源地，又是我国重要的经济发展地带和生态屏障，对我国的社会经济发展和生态安全保障具有重要意义。目前，黄河流域发展的主要方向是改变过去的粗放型经济发展模式，打破能源利用率不高、环境污染、资源短缺的现状，使能源、经济、碳排放三者之间协调发展。本文选取黄河流域 9 个省区作为研究对象，在测算黄河流域 9 个省区能源消费碳排放量及碳排放强度的基础上，分析碳排放变 化 与 经 济 发 展 之 间 的 脱 钩 关 系，应 用LMDI 模型对能源消费碳排放的影响因素进行分解分析，根据分析结果为黄河流域调整能源结构、优化产业结构、实现经济社会高质量发展、建立节约资源保护环境的空间格局提供科学合理的政策建议，为推动黄河流域低碳发展、尽早实现“双碳”目标作出贡献。二、研究方法（一）数据来源本文选取黄河流域 9 个省区作为研究对象，所采用的 2010-2019 年人口、经济、能源数据均来自于各省区的各年度统计年鉴，还包括 中国统计年鉴中国城市统计年鉴中国能源统计年鉴的各年度数据。（二）研究方法1.碳排放量及碳排放强度计算模型计算能源消费产生的碳排放量公式为：Ct=EitFi（1）式（1）中，Ct为第 t 年的能源消费碳排放总量，Eit为第 i 种能源在第 t 年的消费量，Fi是第i种能源的碳排放系数。各种能源消费量折合为万吨标准煤，能源换算系数参考中国能源统计年鉴 2020，能源碳排放系数采用7家单位的平均值18，如表1所示。碳排放强度是指单位GDP的二氧化碳排放量，体现了经济增长对能源消费的依赖状况，反映了经济社会的低碳发展水平，公式为：Ig=CGDP（2）式（2）中，Ig为碳排放强度，C为碳排放量，GDP为国内生产总值。2.Tapio脱钩模型脱钩模型可以反映经济发展与生态环境及能源消耗之间的关系，衡量经济社会和生态环境的可持续发展状态。Tapio脱钩模型分为脱钩弹性系数和脱钩状态分类两部分，脱钩弹性系数是碳排放变化率和 GDP 变化率的比值，反映了经济增长与碳排放之间的脱钩状态，公式为：en(CO2，GDP)=(CO2CO2 n-1)/(GDPGDPn-1)（3）式（3）中，en(CO2，GDP)为CO2排放和 GDP 间的脱钩弹性系数，CO2为二氧化碳排放的变化量，GDP为 GDP 的变化量，CO2CO2 n-1为第 n 年相对于上一年的碳排放量变化率，GDPGDPn-1为第n年相对于上一年的GDP变 化 率。脱 钩 状 态 可 根 据CO2、GDP、表1各类能源的标准煤换算系数及碳排放系数种类标准煤换算系数碳排放系数（平均）煤炭0.710.72石油1.430.56天然气1.330.42 71en(CO2，GDP)的值分为 8 类，具体分类及其特征、意义如表2所示。3LMDI因素分解模型运用 LMDI 因素分解模型，从能源结构、能源强度、经济发展、人口规模4个方面对黄河流域 9 个省区碳排放影响因素进行分解分析25-27，构建模型为：C=CiEiEiEEGDPGDPPP=i(FiSiIGP)（4）式（4）中，C为碳排放总量；Ci为第 i种能源的碳排放量；Ei为第 i 种能源的消费量；E为能源消费总量；P为人口数量。Fi为第 i 种能源的碳排放系数；Si为第 i 种能源在总能源消费中的比重，即能源结构；I为能源强 度；G为 人 均 GDP 所 体 现 的 经 济 发 展状况。运用乘积分解及加和分解，分解第“0”期到第“T”期的碳排放变化量，公式为：C=CT-C0=i()FTiSTiITGTPT-i()F0iS0iI0G0P0=FS+I+G+P（5）假设第“0”期到第“T”期能源碳排放系数一直保持不变，模型可以分解为：S=i()CTi-C0ilnCTi-lnC0ilnSTS0I=i()CTi-C0ilnCTi-lnC0ilnITI0G=i()CTi-C0ilnCTi-lnC0ilnGTG0P=i()CTi-C0ilnCTi-lnC0ilnPTP0（6）计算不同因素贡献率的公式分别为：m1=SC100%，m2=IC100%，m3=GC100%，m4=PC100%（7）三、结果与分析（一）碳排放量及碳排放强度分析通过公式（1）、（2）计算黄河流域9个省区的碳排放量与碳排放强度，如表3及表4所示。表 5 为黄河流域 9 个省区 2010 年及 2019年 GDP、能源消费总量及煤炭占能源总量比重的情况。由表 3、表 4、表 5 可知，甘肃、四川、河南、山东 4 省 2010-2019 年的碳排放量变表2Tapio脱钩状态分类脱钩状态脱钩负脱钩连接强脱钩弱脱钩衰弱脱钩强负脱钩弱负脱钩增长负脱钩增长连接衰退连接CO200000000000en（CO2，GDP）en00en1.2en00en1.20.8en1.20.8en能源强度能源结构人口规模，人口规模要素的影响相对较小，而4个要素的贡献率加和均小于0，表明这两个省这些年真正达到了经济增长且碳排放下降的强脱钩状态，是最理想的状况。青海省只有能源强度因素促进碳排放减少，其余要素均促进碳排放增加，要素贡献率绝对值大小顺序为经济增长能源强度能源结构人口规模，人口规模、能源结构的影响相对较小，而4个要素的贡献率加和均大于0，表明青海省碳排放整体呈上升趋势。甘肃省只有经济增长要素促进碳排放上升，其余要素均促进碳排放下降，要素贡献率绝对值大小顺序为经济增长能源强度能源结构人口规模，甘肃省人口规模因素的影响相对较小，4个要素的贡献率加和均大于0，表明甘肃省碳排放整体呈上升趋势。山西、陕西、河南3个省的要素贡献率绝对值大小顺序为经济增长能源强度能源结构人口规模，能源结构、人口规模因素的影响相对较小，4个要素的贡献率加和均大于0，表明山西、陕西、河南3个省碳排放整体呈上升趋势。宁夏，内蒙古两个省区能源结构、能源强度、人口规模对碳排放的贡献率较经济增长而言都很小，且4个要素的贡献率加和均大于0，这是导致宁夏、内蒙古两个省区碳排放量上升明显、碳排放强度下降不明显、脱钩状态不好的重要原因。四、结论与建议（一）结论本文运用碳排放量及碳排放强度的测算公式对黄河流域 9 个省区 20102019 年的碳排放量及碳排放强度进行测算，并从黄河流域整体视角以及各省区视角展开分析，借助脱钩模型判定各省区 20112019 年间的脱钩状态，应用 LMDI 因素分解模型对 20102019 年黄河流域 9 个省区的能源碳排放影响因素进行分解分析，得出了以下结论。1.20102019 年间，甘肃、四川、河表7黄河流域各省区影响因素分析要素贡献率影响因素m1（能源结构）m2（能源强度）m3（经济增长）m4（人口规模）上游青海0.16-1.241.970.11甘肃-0.91-2.884.92-0.13宁夏-0.09-0.091.020.16内蒙古-0.09-0.371.50-0.05四川1.475.23-5.48-0.22中游山西0.17-1.342.24-0.07陕西-0.07-1.762.670.16下游河南-0.99-6.767.980.77山东11.7745.80-51.86-4.72 76南、山东省的碳排放量变化不大，保持在比较稳定的水平，四川省的碳排放量甚至出现逐渐降低的趋势。青海、宁夏、内蒙古、山西、陕西省的碳排放量逐渐上升，内蒙古的碳排放强度呈现上升趋势，其余省区的碳排放强度呈现下降趋势，宁夏与山西省碳排放强度在1.4以上，其他省区均在1以下。2.20102019 年间，黄河流域碳排放量整体呈现上升趋势，上游与中游的碳排放量也呈现增长趋势，而下游这些年间的碳排放量比较稳定，变化不大。黄河流域整体及上、中、下游各区域的碳排放强度均呈现下降趋势，但是上游及中游的碳排放强度始终在黄河流域整体碳排放强度之上。3.黄河流域 20112019 年间的脱钩状态相对良好，甘肃、四川、河南3个省的脱钩状态最优秀，是比较理想的状态；陕西、山东省这些年的脱钩状态也相对良好，其中只有一年为不可取状态；青海、宁夏、内蒙古、山西4个省区这些年脱钩状态存在多个不可取状态，脱钩状态有较大提升空间。4.20102019 年间，能源结构、能源强度、经济增长、人口规模4个要素中，对黄河流域9个省区能源碳排放影响最大的是经济增长，其次是能源强度，而能源结构、人口规模因素对能源碳排放的贡献相对较小，能源结构、能源强度引起的碳排放变化为负增长，经济增长、人口规模引起的碳排放变化为正增长，不同省区情况也有各不同。（二）建议1.经济增长一直是黄河流域碳排放最关键的影响因素之一。在碳达峰碳中和目标的约束下，黄河流域在促进经济增长的同时要控制能源消费总量，尽可能摆脱经济增长对化石能源消耗的依赖，实现经济社会高质量绿色发展。2.能源结构在黄河流域碳排放中发挥着重要作用。推动黄河流域经济社会低碳发展需要调整能源结构，降低煤炭等一次能源在能源消费总量中的占比，大力发展清洁能源，推动产业结构优化升级，大力发展第三产业，促进低碳产业发展。3.能源强度及人口素质也会影响黄河流域碳排放。提高黄河流域能源利用效率、降低能源强度，应该推动技术创新、改进工艺流程、节约资源、高效利用能源。提高人口素质，提倡低碳生活，宣传绿色低碳知识，加强人们的环保意识，让低碳理念深入人心，使全社会养成节约资源的良好习惯。4.黄河流域上游的宁夏、内蒙古以及中游的山西3个省区是黄河流域实现“双碳”目标的关键省份，降低3个省区碳排放量及碳排放强度，促进经济社会和生态环境可持续发展，有助于推动黄河流域能源、经济、碳排放三者之间的协调发展。注释 此处数据来源于内蒙古统计年鉴，内蒙古为实施国家“西电东送”战略的省份之一。参考文献1 马千里，付岱山.能源消费、技术进步与经济增长的关系研究 J.经济问题探索，2018（12）：183-190.2 曾胜.中国经济高质量发展，能源消费影响因素与总量控制基于 Copula 函数的实证研究 J.学术论坛，2019（2）：11-19.3 郑新业，吴施美，李芳华.经济结构变动与未来中国能 源 需 求 走 势J.中 国 社 会 科 学，2019（2）：92-112+206.4 王瑛，何艳芬.中国省域二氧化碳排放的时空格局及影响因素 J.世界地理研究，2020（3）：512-522.5 方时姣，朱云峰.碳达峰碳中和视域下能源经济发展论析 J.新疆师范大学学报（哲学社会科学版），2022（3）：81-90+2.6 SUSMITA D，SOMIK L，DAVID W.Urban CO2 Emissions：A Global Analysis with New Satellite Data R.The World Bank，2021.7 VIVIEN F，UJU J D，SEBASTIAN V，et al.Understanding Drivers of Decoupling of Global Transport CO2 Emissions from Economic Growth：Evidence from 145 CountriesR.The World Bank，2021.8 CHEN L，XU L Y，CAI Y P，et al.Spatiotemporal Patterns of Industrial Carbon Emissions at the City Level J.Resources，Conservation and Recycling，772021（169）.9 王彦哲，周胜，姚子麟，等.中国煤电生命周期二氧化碳和大气污染物排放相互影响建模分析 J.中国电力，2021（8）：128-135.10 陈胜涛，张开华，张岳武.农业碳排放绩效的测量与脱钩效应 J.统计与决策，2021（22）：85-88.11 范爱军，郑志强，马永健.贸易政策、全球价值链位置与中国二氧化碳排放 J.山东大学学报（哲学社会科学版），2021（6）：138-149.12 郭宇杰，龚亚萍，邹玉飞，等.天津市生活垃圾处理碳排放时间变化特征及影响因素 J.环境工程技术学报，2022（3）：834-842.13 VAVREK R，CHOVANCOVA J.Greenhouse Gas Emissions from Economic Growth in V4 CountriesJ.Procedia Economics and Finance，2016（39）.14 DONG F，LI J Y，ZHANG X Y，et al.Decoupling Relationship between Haze Pollution and Economic Growth：A New Decoupling IndexJ.Ecological Indicators，2021（129）.15 梁雯，司俊芳.长江经济带物流业经济增长与能源碳排放脱钩研究J.太原师范学院学报（社会科学版），2018（4）：55-62.16 王世进，姬桂荣，仇方道.雾霾、碳排放与经济增长的脱 钩 协 同 关 系 研 究J.软 科 学，2022（7）：104-110+144.17 徐俊，包晶，张海丽，等.南阳市经济增长、能源消费与碳排放的关系研究及 Tapio 脱钩分析 J.南阳师范学院学报，2019（6）：26-31+71.18 温雪颖，金良，郭长治，等.基于脱钩理论的内蒙古能源消费碳排放与经济发展特征分析 J.未来与发展，2019（3）：60-66.19 JIANG M H，AN H Z，GAO X Y，et al.Structural Decomposition Analysis of Global Carbon Emissions：The Contributions of Domestic and International Input Changes J.Journal of Environmental Management，2021（294）.20 WU R，WANG J Y，WANG S J，et al.The Drivers of Declining CO2 Emissions Trends in Developed Nations Using an Extended STIRPAT Model：A Historical and Prospective Analysis J.Renewable and Sustainable Energy Reviews，2021（149）.21 LI J B，HUANG X J，CHUAI X W，et al.The Impact of Land Urbanization on Carbon Dioxide Emissions in the Yangtze River Delta，China：A Multiscale Perspective J.Cities，2021（116）.22 芦风英，庞智强.中国与世界主要国家间碳排放转移的实证分析 J.统计与决策，2021（3）：94-97.23 臧萌萌，吴娟.碳排放影响因素解析基于改进的拉氏指数分解模型 J.科技管理研究，2021（6）：179-184.24 唐赛，付杰文，武俊丽.中国典型城市碳排放影响因素分析 J.统计与决策，2021（23）：59-63.25 安芬，李旭东，程东亚.基于 LMDI 的贵州生活能源碳排放特征及效应研究 J.湖南师范大学自然科学学报，2020（2）：35-44.26 董莹，许宝荣，华中，等.基于LMDI的甘肃省碳排放影响因素分解研究J.兰州大学学报（自然科学版），2020（5）：606-614.27 王敏，冯相昭，安祺，等.基于脱钩指数和LMDI的青海省绿色低碳发展策略研究 J.气候变化研究进展，2021（5）：598-607.Research on Green and Low Carbon Development of the Yellow River Basin Based on Decoupling Index and LMDIXUE Jian-chun，CAO Li-bo（School of Economics and Management,Inner Mongolia University of Science and Technology,Baotou 014010,China）Abstract:The Yellow River Basin is an important ecological barrier in China and a key area of the land route under the Belt and Road Initiative.The key to achieve the goal of“double carbon”in the Yellow River Basin is to realize the synergistic development of economy,energy,and carbon emission.In this study,carbon emissions and carbon intensity are measured for nine provincial areas in the Yellow River Basin 78from 2010 to 2019.The decoupling model is used to analyze the state of the decoupling between economic development and carbon emissions in each province,and the logarithmic mean Divisa index(LMDI)model is used to identify the key influencing factors of carbon emissions.The results of this paper show that the overall carbon emissions in the Yellow River Basin show an upward trend and the carbon emission intensity shows a downward trend during 20102019.Specifically,the carbon emissions of Qinghai,Ningxia,Inner Mongolia,Shanxi,and Shaanxi gradually increase,while the carbon emissions of Gansu,Sichuan,Henan,and Shandong do not change much over time.The intensity of carbon emissions in Inner Mongolia shows an increasing trend,while the rest of the provincial areas show a decreasing trend.The Yellow River Basins overall decoupling status is comparatively good,and both strong and weak decoupling are present in Gansu,Sichuan,and Henan.Economic growth,followed by energy intensity,is the most significant factor influencing energy carbon emission in the Yellow River Basin.Population density and the energy structure have only a minor impact on carbon emissions.Energy structure and energy intensity have a negative impact on carbon emissions,whereas economic growth and population growth have a positive impact.Key words:energy consumption;carbon emission;decoupling index;LMDI model;Yellow River Basin（责任编辑：李萌）79