基于LMDI法的长三角地区能源足迹变化及影响因素分析

佟金萍，赵明明，姜国刚

基于LMDI法的长三角地区能源足迹变化及影响因素分析

佟金萍，赵明明，姜国刚

能源可持续利用是地区经济可持续发展和生态文明建设的重要内容。以长三角地区为例，引入能源足迹计算模型，在考察地区能源可持续发展状况的基础上，进一步利用LMDI分解模型，分析能源足迹变化的影响因素。结果表明：1999-2014年长三角地区整体能源足迹呈递增趋势；各地区能源足迹呈现出显著的差异性，江苏能源足迹对长三角地区能源足迹贡献高达50%以上，浙江的贡献为30%左右，上海的贡献低于20%；长三角地区能源足迹构成变动小，仍以煤炭足迹为主，石油次之，天然气和电力最小，表明长三角地区能源结构调整任务依然十分艰巨；技术进步是能源足迹下降的最主要原因，其中江苏的技术进步发挥的效应最为显著；经济发展效应和人口规模效应共同推动着能源足迹的增长，区域结构效应的影响较小。

能源足迹；长三角地区；LMDI分解法

随着能源消费的快速增长，能源供需矛盾、环境污染和气候变化等问题日益凸出，已经严重威胁到人类生存和社会经济的可持续发展，引起了社会各界的广泛关注。长三角地区作为中国经济最发达的地区之一，2014年长三角地区生产总值为122 829.05亿元(占全国20.25%)，人均GDP超过1万美元，已步入后工业化时代。2014年长三角地区能源生产总量为4 709.23万吨标准煤，占全国的1.30%，而长三角地区的能源消费量高达59 773.66万吨标准煤，占全国的14.03%，人均能源消耗量为3 760.8 kg标准煤，高于全国人均能耗水平。长三角地区是中国制造业的集聚地，高能耗产业比重过大，使得长三角地区早已面临着能源供需失衡、生态环境破坏、土地资源紧张等问题[1]。因此，深入研究和分析长三角地区能源可持续发展状况，科学地考察和评价影响能源可持续发展的因素显得尤为重要，也对长三角地区社会经济可持续发展具有重要的意义。

Rees和Wackernagel提出的生态足迹模型是近年发展起来的测度生态可持续发展的定量方法[2]。作为衡量生态可持续发展和人与环境协调度的量化分析方法[3]，其简便易行、操作性强且较为客观，受到国内外众多学者的关注。能源足迹源于生态足迹，是能源消费所产生的生态足迹[4]，许多学者利用生态足迹模型对能源消费进行研究。一部分学者通过计算国家、省、市层面的能源足迹，进而评价该地区的能源生态可持续性[4-10]；还有少部分学者深入研究能源足迹变化的原因，分析影响能源足迹的因素，研究发现，经济发展水平、能源消费结构，人口规模、技术进步等因素对能源足迹变化都有影响[11-19]。然而，目前学者们在分析影响能源足迹的因素时，没有充分说明选择因素的理由，大都是根据已有的经验主观判断的，缺乏理论依据。基于此，本研究利用能源足迹模型对长三角地区能源可持续利用状况进行分析，进而通过构建LMDI模型对能源足迹进行分解，考察长三角地区能源足迹变化的主要影响因素，旨在回答以下两个问题：一是长三角地区能源足迹变化是怎样的？二是造成长三角地区能源足迹变化的主要因素？

一、模型构建与数据说明

(一)能源足迹测度

目前，大多数研究采用的是碳汇法[4,7-8,12,17]计算区域能源足迹或人均能源足迹，该方法是通过计算吸收能源产生CO2所需要的林地面积来表示能源足迹。

(1)

式中，EEF为能源足迹，i=1，2，3，4分别表示能源消费项目原油、原煤、天然气和电力。Ci为某类能源的标准煤消费量，Pi为能源的全球平均足迹。1 t原煤=0.714 3 t标准煤，1 t原油=1.428 6 t标准煤，1 m3天然气=1.33 kg标准煤，1 kW·h电力=0.122 9 kg标准煤，1 kg标准煤热能=7 000 kcal，1 kcal=4.186 8 kJ，1 MJ=1×106J，1 GJ=1×109J。能源全球平均足迹煤炭55 GJ/ghm2，石油73 GJ/ghm2，天然气93 GJ/ghm2，水电1 000 GJ/ghm2。 式中，乘以2/3是指能源消耗所排放的CO2被林地吸收和消纳的部分，其余1/3被海洋吸收。

(二)能源足迹的分解

近年来，因素分解法成为资源和环境领域的一种重要研究方法，它能够提供一个完整的框架来分析各变量的影响程度。在众多的分解法中，对数平均迪氏分解法(LMDI)是一种完全的、不产生残差的分解分析方法，受到广大学者的青睐[20-23]。为此，本文也采用该方法对能源足迹进行分解，即可得到各因素对能源足迹影响的乘积形式。

(2)

式中，EEFi为第i地区的能源足迹；Y为地区总产出；P为地区总人数；Si为第i地区能源足迹占整个长三角地区能源足迹的比重，表征能源足迹区域结构因素；I为万元GDP生产所需占用的能源足迹，值越大，表明能源集约利用程度较低，表征能源足迹强度因素；G为人均GDP，表征经济发展因素；P为人口数量，表征人口规模因素。

为了研究各因素对能源足迹变化的影响程度，以0和T分别表示基期和计算期，采用对数平均迪式分解法(LMDI)[24]对式(2)进一步分解，得到各因素对能源足迹的影响效应的表达式分别为

(3)

(4)

(5)

(6)

ΔEEF=EEFT-EEF0=ΔEEFS+ΔEEFI+ΔEEFG+ΔEEFP

(7)

式中，ΔEEF、ΔEEFS、ΔEEFI、ΔEEFG和ΔEEFP分别表示总效应、区域结构效应、强度效应、经济发展效应和人口规模效应。

对于各地区能源足迹的分解则不需要考虑区域结构效应，可构建分解模型

(8)

分析过程与前文一样，可得

(9)

(10)

(11)

各地区总效应ΔEEFi=ΔEEFi-I+ΔEEFi-G+ΔEEFi-P

(12)

式中，ΔEFFi-I、ΔEEFi-G和ΔEEFi-P分别表示各地区强度效应、经济发展效应和人口规模效应。

(三)数据来源

研究数据来源于《中国统计年鉴》(2000-2015年)，主要包括各省的能源使用量E、人口数P以及各省总产出Y。其中，总产出选取地区生产总值(GDP)作为衡量指标，并按照价格指数转换为1999年不变价格的GDP。对于缺失的数据主要参考各省市的统计年鉴和能源统计年鉴进行增补。

二、长三角地区能源足迹变化及影响因素分析

(一) 长三角地区能源足迹变化

1.能源足迹变化

总体来看，1999-2014年长三角地区能源足迹总量呈现递增的发展趋势，从1999年的0.577 2×108hm2增加到2014年的1.593 0×108hm2，上涨幅度达1.015 8×108hm2，增长率达175.99%，2013年长三角地区能源足迹达到最大值1.655 5×108hm2。其中，“十五”期间，长三角地区能源足迹增长幅度较大，年均增长率为13.85%，主要由于工业化、城镇化进程地不断加快，以重化工业以及高能耗产业发展为主，能源消耗总量不断增长，能源足迹大幅度增加；“十一五”时期，长三角地区能源足迹增长趋缓，年均增长率为5.89%，受国家产业发展政策和经济危机的影响，长三角地区能源足迹增长速度变小；2011-2014年长三角地区能源足迹变化较为平稳，逐年增长的趋势得到转变，表明长三角地区大力倡导产业改革，致力于提高能源利用效率，对地区经济发展产生了积极的作用；但是同时也能看出，长三角地区作为制造业的集聚地，产业转型任务艰巨，短期内能源足迹总量变化幅度较小。

图1 1999-2014年长三角地区能源足迹变化趋势

从各地区能源足迹发展状况来看，长三角各地区之间的能源足迹存在明显的差异，江苏和浙江两地能源足迹都是呈现稳步增长趋势，相比于江苏而言，浙江能源足迹的增速趋缓；上海能源足迹则处于平稳状态，一直保持较低水平。江苏能源足迹从1999年的2.698×107hm2到2014年的8.687×107hm2，对于整个长三角地区的贡献率达到50%以上；浙江的能源足迹自2003年之后呈现逐步上升趋势，2013年达到最大值5.103×107hm2，对整个长三角地区的贡献度也达到30%左右；上海能源足迹变化数值则基本保持在1.7×103hm2～2.0×103hm2的水平，变化幅度小，对整个长三角地区的贡献度20%左右，这种显著的地域差异主要归因于人口规模因素，浙江和上海的人口规模均低于江苏，人口因素是影响地区能源足迹大小的主要因素之一。

2.能源足迹结构变化

图2 1999-2014年长三角地区能源足迹构成

从整体能源足迹结构角度来看，1999-2014年煤炭足迹最大，其次是石油，天然气、电力所占比重偏小。与1999年相比，2014年煤炭、石油、天然气、电力分别增长了7.085×107hm2、2 109.36×107hm2、0.774×107hm2、0.190×107hm2。从贡献率上来看，煤炭足迹对总的能源足迹的贡献率从1999年的77.87%下降到了72.69%，一直占据主导地位；石油从1999年的21.25%下降到了2014年的20.94%，其中2012年达到最低19.28%；天然气和电力的贡献率相对较小，天然气从1999年的0.06%增至2014年的4.88%，而电力则从0.82%增至1.49%。由此可知，煤炭和石油足迹的比重均呈现下降趋势，这与长三角地区加快调整产业转型升级，大力推进第三产业发展是密不可分的，但是煤炭和石油消费比重依旧偏高，表明长三角地区还需进一步推进高新技术产业和现代服务业发展，优化能源消费结构，提高天然气、太阳能源、风能等清洁能源的利用率，缓解能源供给和生态压力，实现地区协调发展。

从各区的煤炭和石油足迹来看(见表1)，江苏的煤炭足迹贡献率最高，基本维持在0.8左右，高于长三角地区平均水平，2014年下降至最低值0.78，但所占比重仍过大，而石油足迹是三地区之中最低的，近年来呈现波动中缓慢上升的趋势；上海的煤炭足迹呈逐年下降趋势，且2011年后下降幅度较大，石油足迹呈上升趋势；浙江的煤炭足迹数值变化位于0.7～0.8之间，石油足迹则位于0.2左右，二者都呈现平稳的发展趋势。从天然气和电力足迹来看，各区的天然气呈现上升趋势，其中上海涨幅最大；各区的电力足迹基本保持相同的涨幅状态，15年左右的时间，电力的利用比例依然维持在0.01～0.18之间，一直处于平稳状态，表明电力产业发展缓慢。可见，江苏煤炭足迹高于上海和浙江，且研究期间变化比较平稳，主要是江苏一直以工业制造业为主，且服务业发展多集中于物流、餐饮、生活服务等传统产业，发展层级比较低；上海煤炭足迹最低，归因于上海地区科技产业和高端生产性服务业比较发达。总的来说，各地区应当加快转型升级步伐，持续优化产业结构，进一步调整能源消费结构。

表1 1999-2014年长三角地区能源足迹的分配率 %

(二)长三角地区能源足迹因素分解

1.长三角地区整体能源足迹因素分解分析

由式(2)～式(7)分析1999-2014年长三角地区整体能源足迹变化的影响因素，各因素的分解结果如下。

图3 1999-2014年长三角地区能源足迹各影响因素变化趋势

如图3可知，研究期间经济发展效应、人口规模效应、区域结构效应均为正值，表明经济发展因素、人口规模因素和区域结构因素对能源足迹的变化起着正向作用。其中经济发展效应最大，人口规模效应次之，区域结构效应最小，说明区域结构因素的影响效应非常小，经济发展因素和人口因素推动着能源足迹的增长，经济发展因素是主要推动力。除了2003-2005年外，强度效应值均为负值，且呈波动性变化，表明强度效应有效地抑制了能源足迹的增长。总之，强度效应和经济发展效应主导着长三角地区能源足迹的变化。

强度效应是能源足迹下降的主要因素，研究期间导致长三角地区能源足迹累计减少0.797×108hm2，表明近年来长三角地区能源集约和节约利用程度有所提高，尤其是2006-2010年和2012-2014年两个区间，能源足迹强度因素对能源足迹的抑制作用更显著。一方面，由于国家社会经济发展政策的转变，倡导可持续发展，坚持科学发展，加快转变经济发展方式，提高自主创新能力，依靠科技进步推进产业改革。另一方面，长三角地区积极调整制造业发展结构，引进全球高新技术产业的同时，逐渐向周边转移传统制造业，淘汰能耗高以及污染重的产业，提高能源利用效率，从而抑制能源足迹逐年大幅增长的发展态势。

经济发展效应对长三角地区能源足迹起着主要的推动作用，能源足迹增长了1.62×108hm2。其中，2000-2007年，经济发展效应值呈现逐年递增趋势，达到了最高值1.479×107hm2；2008年由于受到国际金融危机的影响，经济发展效益低，致使2007-2009年经济发展效应有所下降，这一时期长三角地区能源足迹也有所降低；2009年之后，经济发展效应有所回升，上涨幅度较小，经济发展效应变化趋于平稳，对能源足迹的影响依旧维持在1.0×107hm2～1.5×107hm2之间。可见，长三角地区经济增长与能源消费量呈同向发展关系，经济发展仍离不开能源的大量消耗。为此，长三角地区必须提高经济增长质量，遵循可持续发展模式，提倡发展低碳产业。

人口规模效应是长三角地区能源足迹增长的另一因素，能源足迹累积上升了1.933×107hm2，其中，2001-2010年间人口规模效应呈递增趋势，2010年为最高值0.292×107hm2；2011-2014年间呈现逐年递减趋势，2014年为最低0.04×107hm2。一方面，由于长三角地区人口基数大，再加上外来人口的不断涌入，对于能源的需求量不断增加，生产规模不断扩大，致使能源消费量增加；但是，由于近年来随着社会大力倡导低碳消费，人的消费行为与心理逐渐发生转变，主张消费低能耗和节能产品，推行低碳的生活消费方式，在很大程度上缓解了人口聚集带来的能源消费的增长。总的来说，人口规模因素对能源足迹的影响较小且较为平稳。区域结构效应值较小，对能源足迹变化的影响程度较小。

表2 1999-2014年长三角地区能源足迹变化的分解结果 108 hm2

2.各地区能源足迹因素分解及比较

通过对简化模型的分解可得长三角各地能源足迹的影响因素(如图4)。

图4 各地区能源足迹影响因素分解

研究期内，强度效应对所有地区的能源足迹均呈现出抑制作用，经济发展效应则推动能源足迹的增长，人口规模效应也均呈现出正向作用，但是发挥的效应较小。其中，强度效应导致上海、江苏和浙江的能源足迹的下降幅度分别为2.342×107hm2、3.580×107hm2、2.172×107hm2，经济发展效应对各地区能源足迹增长的贡献分别为2.145×107hm2、9.077×107hm2、4.865×107hm2，人口规模效应的增长幅度分别为1.017×107hm2、0.492×107hm2、0.656×107hm2。结合图4可以看出，与整个长三角地区相似，强度效应和经济发展效应仍然是各地区能源足迹变化的两大主导因素，且强度效应的抑制作用远低于经济发展效应和人口规模效应的推动作用。

江苏的强度效应和经济发展效应均高于浙江和上海，经济发展效应对江苏能源足迹增长的推动作用远远大于强度效应的抑制作用，江苏经济发展所消耗的能源量远大于技术进步所节约的能源量，尽管能源集约节约利用率有所提高，但是效果十分有限。同时可以看出，上海的强度效应和经济发展效应绝对值基本接近，人口规模效应较其他两地区略高些，上海的能源足迹保持在较低的水平上，说明上海经济发展增速与效益基本保持一致，经济发展质量较高。浙江能源利用效率略低于其他两个地区，经济发展效应和人口规模效应居中，表明浙江的科技创新水平有待进一步提升。

三、结论与建议

本文基于1999-2014年长三角地区两省一市的数据，采用碳汇法测度了长三角地区能源足迹，并进一步基于LMDI分解模型考察了能源足迹的主要影响因素。主要结论与建议如下：

第一，1999-2014年长三角地区能源足迹总体呈递增趋势，年均增长率为7%，增速远高于上海，但低于江苏和浙江能源足迹的增长速度。从能源足迹构成层面看，长三角地区煤炭足迹比重占主导地位，上海的煤炭足迹低于长三角地区，江苏和浙江的煤炭足迹高于长三角地区；近年来，各地区煤炭足迹均呈现下降趋势，但是变动幅度较小，能源足迹变化不显著。从能源足迹贡献层面看，江苏对长三角地区能源足迹贡献最高，是长三角地区能源足迹的构成主体，上海能源足迹一直保持着低水平状态。这意味着长三角地区亟需调整能源消费结构，需进一步推进区域产业结构优化升级，以期降低长三角地区的能源足迹，缓解生态压力。

第二，长三角地区能源足迹变化影响因素分析结果表明，区域结构、人口规模和经济发展对能源足迹变化起着正向作用，其中，经济发展水平是能源足迹增长的主要推动力，累计贡献了1.620×108hm2，人口规模次之，累计贡献了1.933×107hm2，区域结构最小，仅有1.840×104hm2，代表技术因素的能源足迹强度起着负向作用，能源足迹总量减少了7.970×107hm2。一方面，长三角地区应当提升经济发展质量，不以能源的过度消耗加快经济发展速度，追求可持续发展模式；合理地控制人口规模，普及先进的节能意识和理念，提升人口素质，倡导低碳的生活消费模式，实现人口-能源-环境可持续发展；另一方面，通过技术创新抑制能源足迹的增长，可以通过运用新技术提高能源利用效率，开发节能减排的产品和新能源，降低节能技术应用的成本。

第三，各地区的能源足迹影响因素与长三角地区的情况基本类似，强度效应主导了能源足迹的下降，经济发展效应则决定了能源足迹的上升，人口规模效应的正向影响比较小。江苏地区的能源利用效率略高，因而强度效应的作用也高于其他两个地区，但是由于经济发展效应和人口规模效应的推动作用高于强度效应的抑制作用，所以江苏能源足迹总量远高于其他两个地区；而浙江和上海虽然强度效应发挥的抑制作用有限，但是经济发展效应的推动作用同样较小，两地区的能源足迹总量低于江苏地区。江苏和浙江地区应借鉴上海经济发展模式，重点发展高新技术产业，支持和鼓励能源利用效率高的第三产业，推进现代工业的发展。

[1]岳书敬，王旭兰.长三角地区制造业能源消耗的差异性研究——基于细分行业的视角[J].东南大学学报(哲学社会科学版)，2014，16(3)：38-43.

[2]WACKERNAGEL M,REES W.Our ecological footprint:reducing human impact on the earth[J].New society publishers，1996，1(3)：171-174.

[3]胡雪萍，李丹青.城镇化进程中生态足迹的动态变化及影响因素分析——以安徽省为例[J].长江流域资源与环境，2016，25(2)：300-306.

[4]陈肖飞，张落成，闫人华.1990年以来长三角地区能源足迹测度及STIRPAT框架下的驱动因子[J].中国科学院大学学报，2015，32(5)：620-626.

[5]陈敏，张丽君，王如松，等.1978-2003年中国生态足迹动态分析[J].资源科学，2005，27(6)：132-139.

[6]李智，鞠美庭，刘伟，等.中国1996-2005年能源生态足迹与效率动态测度与分析[J].资源科学，2007，29(6)：54-60.

[7]赵冠伟，杨木壮，陈健飞.1990-2007年中国能源足迹时空差异分析[J].地理与地理信息科学，2011，27(2)：65-69.

[8]李琦，孙根年，韩亚芬.中国能源足迹的区域差异及影响因素分析[J].统计与决策，2010(19)：111-113.

[9]贾首杰，陈英，张仁陟，等.河南省能源足迹与城市扩张和经济发展的关系研究[J].地域研究与开发，2015，34(1)：117-122.

[10]陈肖飞，龚春红，张落成，等.不同地理空间尺度下能源足迹测度及预测比较[J].环境科学与技术，2015，38(7)：164-170.

[11]贾首杰，陈英，刘义，等.基于脱钩分析方法的能源足迹与经济发展的关系研究——以河南省为例[J].甘肃农业大学学报，2015，50(2)：127-133.

[12]王涛，冯杰.中国能源足迹动态变化与影响因素分析[J].生态经济，2016，32(9)：19-23.

[13]邹艳芬.中国能源生态足迹的技术进步影响实证分析[J].资源科学，2010，32(7)：1280-1288.

[14]苑清敏，刘俊.天津市能源足迹变化的驱动力分析[J].安全与环境学报，2015，15(6)：369-373.

[15]岳强，李志伟，王彤，等.辽宁省人均能源足迹分解模型及实证分析[J].东北大学学报(自然科学版)，2011，32(2)：288-291.

[16]陈成忠，林振山.中国能源足迹增长波动的驱动因子分析[J].生态学报，2009，29(2)：758-767.

[17]张乐勤，司友斌，荣慧芳，等.池州市2000-2010年能源足迹动态测度与驱动因子分析[J].环境科学学报，2012，32(5)：1270-1280.

[18]张乐勤，李荣富，荣慧芳，等.安徽省近10年能源足迹测度及驱动因子分析[J].环境科学研究，2012，25(4)：474-480.

[19]吴敬锐，杨兆萍，阿达衣·赛肯.基于STIRPAT模型分析新疆能源足迹的影响因素[J].干旱区地理，2011，34(1)：187-193.

[20]郭彩霞，邵超峰，鞠美庭.天津市工业能源消费碳排放量核算及影响因素分解[J].环境科学研究，2012，25(2)：232-239.

[21]马剑锋，秦腾，佟金萍.干旱区水资源生态足迹变动及影响因素的分析[J].统计与决策，2016(18)：100-103.

[22]方伟成，孙成访，郭文显.基于LMDI法东莞市水资源生态足迹影响因素分析[J].水资源与水工程学报，2015，26(3)：115-117.

[23]彭俊铭，吴仁海.基于LMDI的珠三角能源碳足迹因素分解[J].中国人口·资源与环境，2012，22(2)：69-74.

[24]ANG B W．Decomposition analysis for policymaking in energy:which is the preferred method? [J]．Energy policy，2004，32(9):1131-1139．

AnAnalysisofChangesandInfluencingFactorsofEnergyEcologicalFootprintinYangtzeRiverDeltaRegionBasedonLMDIMethod

Tong Jinping，Zhao Mingming，Jiang Guogang

The sustainable energy use is essential to the regional economic and social sustainable development and ecological civilization construction. Taking Yangtze River Delta Region as an example, the model of energy ecological footprint (EEF) is built to inspect the regional sustainable development of energy. Moreover, the changes and influencing factors of EEF can be analyzed by using LMDI model. The results demonstrate that EEF in Yangtze River Delta region showed an increasing trend in the period from 1999 to 2014; there appears significant regional disparity, the EEF of Jiangsu for the overall contribution is above 50%, Zhejiang is about 30%, and Shanghai is lower than 20%. The constitution of EEF in Yangtze River Delta region changes a little. Coal footprint is the major, oil follows, and natural gas and power takes the smallest part, which reflects that there is a long way to go in the structure adjustment of energy consumption in this region. Technological progress plays the key role in the energy ecological footprint decrease, and Jiangsu’s technological progress exerts the most significant effects; economic development and population size lead to the increase of EEF while the effects of regional structure are very weak.

energy ecological footprint; Yangtze River Delta region; LMDI method

2017-05-02；责任编辑:沈秀)

佟金萍，管理学博士，常州大学商学院教授，硕士生导师；赵明明，常州大学商学院硕士研究生；姜国刚，管理学博士，常州大学商学院教授，硕士生导师。

国家社会科学基金一般项目“区域经济差异视角下我国碳减排的政府环境责任与公众参与机制研究”(16BJL074)；2014年高校“青蓝工程”优秀青年骨干教师培养资助项目(苏教师 [2014] 23号)；2016年江苏省第五期“333工程”第三层次培养对象资助项目(苏人才办 [2016]8号)。

F206

A

10.3969/j.issn.2095-042X.2017.06.010