晋冀蒙地区地级市二氧化碳排放特征及驱动力研究

赵胜男　张宇　石宏岩　张美娇

摘 要：基于中国城市二氧化碳排放数据集，综合运用IPAT方程和迪氏对数指标分解方法（LMDI）量化人口、经济和技术等因素对晋冀蒙地区31个地级市2005-2012年二氧化碳排放变化的贡献，并对城市进行分类以提高碳排放管理的效率.研究表明：相对2005年，2012年除乌海和晋中外其他城市的二氧化碳排放量都有所增加，增长率差异显著，14个地级市单位GDP碳排放不降反升;就驱动力作用大小而言，绝大多数城市遵循经济效应>技术效应>人口效应的规律，各驱动力对城市二氧化碳排放的作用方向不尽相同，城市间技术效应的差异较大;31个地级市可分为4类，其中V型城市最多，VI型城市减排压力最大，各类城市应采取差异化的控排政策.

关键词：地级市;二氧化碳排放;驱动力;晋冀蒙地区

中图分类号：X321  文献标识码：A  文章编号：1673-260X（2020）03-0001-07

2016年，中国政府公布了“十三五”温室气体减排方案，并对各省区的减排目标进行了约束性的规定，随后各省、自治区、直辖市相繼印发了“十三五”应对气候变化规划，将省级碳减排目标进一步分解到下辖地市.地级市，作为落实中国碳减排目标的基本行政单元，其减排的效果和成败直接影响着全国减排目标的实现.因此，深入剖析地级市碳排放的特征及驱动力是制定和出台城市碳减排措施的基础，也是当前城市可持续发展的必然需求[1].晋冀蒙地区是我国重要的能源资源战略保障基地，同时也是碳排放相对高值的地区.研究表明，1996年、2001年、2007年三个时间段内，碳排放以环渤海地区为中心，包括河北、山西等省份组成了高值地区，而内蒙古则作为中值水平的省份紧邻高值地区[2].蔡博峰研究员主持的中国城市CO2排放数据集研究也表明，主要的高碳排放城市集群分布在内蒙古、辽宁、山东、河南、京津冀、长三角和珠三角等地区，对于CO2排放量排名前10的城市来说，山西、内蒙古以及京津冀和长三角地区的聚集现象比较明显[3];方恺等人的研究表明河北、山西和内蒙古三省区的碳排放空间均呈现严重赤字[4]，该区域的碳减排对全国减排目标的实现具有重要意义.另一方面，晋冀蒙地区幅员辽阔，涉及31个地级市，差异化的资源禀赋、人口规模、经济发展模式促使不同城市碳排放也表现出一定的差异，因而任何“一刀切”的政策制定和实施都有可能降低碳排放管理的效率，导致碳减排目标难以达成.鉴于此，本文以中国城市二氧化碳排放清单数据为基础[5，6]开展晋冀蒙地区地级市二氧化碳排放特征和驱动力的研究，旨在为该区域低碳政策和措施的制定提供依据，助力全国碳减排目标的实现.

1 研究方法和数据

1.1 基于IPAT和LMDI的二氧化碳排放驱动力分解模型

在应对气候变化的背景下，各国就减少温室气体、发展低碳经济已达成共识，温室气体排放驱动力研究逐渐成为学界广泛关注的焦点，而因素分解法是研究这一问题的有效且实用的工具之一[7，8].因素分解法的基本思路是首先将因变量表示成几个自变量乘积的形式，然后将因变量的变化表示成几个自变量变化的加和或乘积，通过不同的权重确定方法来量化每个自变量变化对因变量变化的贡献程度[9].2004年，Ang对各种权重确定方法从理论基础、技术特点、适应范围、结果表达等方面进行综合比较，得出迪氏对数指标分解方法（log-mean Divisia index，LMDI）因全分解、无残差、计算简便等优点而更胜一筹[10]，2015年其又通过统计近年来使用LMDI法的论文数量进一步证明了该方法的强大生命力[11].IPAT方程是1971年由美国斯坦福大学著名人口学家埃里希和哈尔顿（Ehrlich and Holdre）教授提出，较早用于考量人类与环境间定量关系的基本方程[12].由于具有简单性、系统性和健全性等优点，该方程已被广泛应用于碳排放等领域的人为驱动力分析[9，13].方程的基本形式是I=PAT，其中I代表环境影响、P代表人口，A代表富裕程度、T代表技术水平.以IPAT方程作为分析基础，LMDI法作为分析的手段，探讨晋冀蒙地区地级市二氧化碳排放量变化的驱动力.

综合相关文献[9，14]，用二氧化碳排放量、常住人口、人均GDP和单位GDP碳排放分别代表环境影响、人口、富裕程度和技术水平，则二氧化碳排放量可表示为：

式中：C为二氧化碳排放量，P为常住人口，A为人均GDP，T为单位GDP碳排放.

用C0和Ct分别表示基期0和第t年的二氧化碳排放量，则从基期到t年的二氧化碳排放量变化值可表示为ΔC，变化率表示为D.利用LMDI法对影响二氧化碳排放量的3个因素进行分解：

式中：ΔCP表示人口效应，反映人口规模变化对二氧化碳排放量产生的影响;ΔCA为经济效应，反映人均GDP变化对二氧化碳排放量产生的影响;ΔCT为技术效应，反映单位GDP碳排放变化对二氧化碳排放量产生的影响，如果各效应值大于0，称为增排效应，反之称为减排效应;DP、DA和DT分别表示人口效应、经济效应和技术效应的贡献率，如果各效应的贡献率大于1，称为增排效应，小于1称为减排效应.分别采用LMDI法的加和分解形式和乘积分解形式有[8]：

1.2 基于驱动力分解结果的城市分类方法

晋冀蒙地区下辖的地级市较多，为了便于分析和管理，借鉴时玉茹的方法[15]，以二氧化碳排放量的变化率D为横坐标，以增排效应的数量n为纵坐标，n的取值范围为0～3，以（1，0）为坐标原点，建立直角坐标系，将1.1驱动力分解结果分成六类，如图1所示，各类参数如表1所示.

1.3 数据来源与处理

碳排放清单是分析和研究碳排放特征和驱动力的基础，然而，我国地级市尤其是三线城市和小城市基础数据相对匮乏，导致其碳排放核算工作难以开展;同时，已有的城市尺度的研究由于各自采用不同的数据源，导致城市之间碳排放量的可比性较差，很难建立科学有效的城市碳排放绩效评估体系[5，16].基于高空间分辨率网格数据建立中国城市排放数据可有效解决由于数据源和清单方法差异导致的城市排放可比性差的问题[17].驱动力分析所需的二氧化碳排放量、常住人口、GDP等数据来源均来自基于中国高空间分辨率网格数据（CHRED）建立的“中国城市CO2排放数据集研究”（2005和2012）[5，6].在分析单位GDP碳排放时，为了消除价格因素的影响，将2005年的价格作为不变价格计算2012年GDP.具体方法如下：首先从山西统计年鉴[18]、河北经济年鉴[19]和内蒙古统计年鉴[20]中查到31个地级市2006-2012年的GDP指数（上年=100）;将该指数除以100即得到相比上一年各年份GDP的增长倍数;然后以2005年为基准年份，用2005年GDP连续乘以2006-2012年各年份的GDP增长倍数，从而得到31个地级市2012年不变价格的GDP.

2 晋冀蒙地区地级市二氧化碳排放特征

2005年晋冀蒙地区共有地级市31个[21]，各地级市的二氧化碳排放及排序情况如表2所示.与2005年相比，2012年仅乌海和晋中的二氧化碳排放量有所下降，其他地级市的二氧化碳排放量均呈增长态势，并且增长率有显著的差异.二氧化碳排放增长较快的地级市有长治、廊坊、朔州、通辽和鄂尔多斯;二氧化碳排放增长较慢的城市有阳泉、石家庄、唐山和邯郸，其中长治的增长率比阳泉高323个百分点.2005年，二氧化碳排放量超过5000万t的城市只有3个，分别为唐山、邯郸和石家庄;而2012年二氧化碳排放量超过5000万t的城市已达16个，超过晋冀蒙地区地级市数量的一半，其中超过1亿t的城市就有6个，分别是唐山、鄂尔多斯、邯郸、长治、临汾、运城和太原.另一方面，各地级市二氧化碳排放量的排序也发生了相应的变化，其中排序变化较为明显（绝对值超过5）的城市包括：晋中、张家口、乌海、太原、长治、阳泉和通辽.

如表3所示，相對于2005年，2012年17个地级市单位GDP碳排放量出现下降，14个地级市出现上升.单位GDP碳排放量下降较快的城市有乌海、晋中、石家庄和阳泉，单位GDP碳排放量上升较快的城市有长治、廊坊、太原和朔州.相比2005年，2012年地级市单位GDP碳排放量的变异系数从0.65下降到0.52，说明城市间单位GDP碳排放量的差异在缩小但依然明显.2005年，单位GDP碳排放量低于全国平均水平（4.67t/万元[17]）的城市有6个，分别是沧州、廊坊、衡水、保定、太原和秦皇岛;2012年该数值增加到8个，分别是沧州、衡水、保定、廊坊、石家庄、秦皇岛、包头和承德.与此同时，各城市的单位GDP碳排放量的排序也发生了相应变化，排序变化较大的城市（绝对值超过5）多达19个，其中长治、太原、大同、吕梁、赤峰、阳泉、唐山和邯郸等城市排序变化均超过10.

3 二氧化碳排放量变化驱动力分解结果分析与讨论

各地级市二氧化碳排放变化的驱动力分解结果如表4所示.就驱动力的作用方向而言，经济效应在31个城市均表现为增排效应，人口效应在26个城市表现为增排效应，在5个城市表现出减排效应;技术效应在14个城市表现为增排效应，在17个城市表现为减排效应;就驱动力作用大小来看，绝大多数城市都遵循经济效应>技术效应>人口效应的规律，说明以人均GDP表征的经济因素是影响绝大多数城市二氧化碳排放量的最重要的因素，这一结论与一些省区层面、国家层面的碳排放驱动力研究结果一致[22，23]，带来的启示是在控制和减少二氧化碳排放方面，无论是国家、省区还是城市都不应该以牺牲经济发展为前提，而应着重考虑如何转变经济发展的方式.比较各效应的离散系数可知，相比经济因素和人口因素，城市之间的技术因素差异更大，暗示了城市间通过相互学习和借鉴先进技术而实现控制和减少二氧化碳排放的可能性.

依据1.2所述的分类方法，晋冀蒙地区共包含4种城市类型，每种类型所包含的城市个数不同，其中V型城市最多达14个，占城市总数的45.2%，其次是VI型城市，12个，占城市总数的38.7%，IV型和II型城市较少，分别占城市总数的9.7%和6.5%.

V型城市包括阳泉、大同、石家庄、唐山、邯郸、张家口、邢台、秦皇岛、承德、沧州、包头、呼和浩特、乌兰察布和鄂尔多斯，从行政区划上看大多分布在河北省.这类城市的特点是人口和经济因素均促进二氧化碳排放，技术因素抑制二氧化碳排放，综合作用下城市二氧化碳排放增加.以唐山为例，研究期内常住人口从730.40万人增加到757.73万人（见表5），人均GDP从2.78t/万元增加到6.12t/万元，二者合力促使二氧化碳排放增加到2005年的2.29倍;另一方面唐山市通过淘汰落后产能、严格执行项目准入标准、狠抓重点治理等手段使得单位GDP二氧化碳排放从9.09t/万元下降后到4.76t/万元，推动二氧化碳排放量下降到2005年的52.40%，（见表4）三种因素综合作用使得该市二氧化碳排放量增加到2005年的1.20倍.这类城市的产业结构调整已取得了初步成效，今后应加快推进产业内部升级，特别通过工艺升级和创新等方式进一步降低单位GDP碳排放，从而实现二氧化碳的控排.

VI型城市包括太原、长治、晋城、朔州、运城、忻州、临汾、吕梁、保定、廊坊、衡水和通辽，从行政区划上大多分布在山西省.这类城市的特点是除了人口和经济因素外，技术因素也促进二氧化碳排放，是4类城市中减排任务最为艰巨的城市.以太原为例，研究期内该市人口从374.86万人增加到420.16万人（见表5）导致其二氧化碳排放增加到2005年的1.12倍，人均GDP从2.38万元/人增加到4.12万元/人，导致其二氧化碳排放增加到2005年的1.73倍，单位GDP二氧化碳排放从3.49t/万元增加到5.77t/万元，导致二氧化碳排放增加到2005年的1.65倍，综合作用下该市二氧化碳排放增加到2005年的3.21倍（见表4）.这组城市中大多数的第二产业占GDP比重都出现了增加的趋势，说明研究期内的产业结构调整政策不利于二氧化碳的控制，伴随着工业化进程的推进，这些城市的碳排放仍将在一定时期内快速增加.

IV型城市包含赤峰、呼伦贝尔和巴彦淖尔等3个城市，均分布在内蒙古.这类城市的特点是人口和技术因素一起抑制二氧化碳排放，但却抵不过经济因素对二氧化碳排放的促进作用，城市二氧化碳排放量增加.以呼伦贝尔为例，研究期内该市常住人口从261.91万人减少到254.93万人，单位GDP二氧化碳排放从8.42t/万元下降到7.17t/万元，二者合力促使其二氧化碳排放量下降到2005年的82.98%，与此同时人均GDP从2005年的1.24万元/人增加到2012年的3.51万元/人，促使二氧化碳排放增加到2005年的2.89倍，三种因素综合作用使得该市二氧化碳排放增加到2005年的2.35倍（见表4）.对于这类城市尽管人口的减少对碳排放起到了抑制作用，但随着生活水平的提高，人均碳排放量将会升高，常住人口对碳减排发挥的作用将非常有限，因而今后还应不断提高碳排放的生产效率.

II型城市包含晋中和乌海，均分布在内蒙古.这类城市的特点是在保证经济增长的同时实现了二氧化碳绝对减排，可作为其他城市的学习的榜样.从表5可以看出，研究期内乌海经济快速发展，人均GDP从2005年2.63万元/人增加到2012年的7.39万元/人，常住人口从2005年的47.73万人增加到2012年的53.39万人，两种因素均发挥了增排作用，二者合力促使乌海二氧化碳排放量增加到2005年的2.14倍（见表4）;另一方面，乌海市抓住成为全国首批循环经济示范城市的机遇，加速调整经济结构，工业结构不断优化，传统产业进一步延伸升级，精细化工产业加快发展，实现单位GDP二氧化碳排放从27.35t/万元下降到8.39t/万元，促使二氧化碳下降到2005年的31.41%，三种作用力综合作用下2012年二氧化碳排放量比2005年下降了1.45%.这类城市验证了研究期内采取的调整产业结构的政策是成功的，今后可沿用当前的产业结构调整政策，其他城市也可参考.

4 结论

基于中国城市二氧化碳排放清单数据，结合IPAT方程和LMDI法构建二氧化碳排放驱动模型，分析晋冀蒙地区31个地级市2005-2012年二氧化碳排放变化的原因，在此基础上对31个城市进行分类，得出结论如下：

（1） 除乌海和晋中外，其他地级市的二氧化碳排放均出现增加，增长率差异较大，排放量超过5000万t的城市由2005年的3个增加到2012年的16个.

（2） 14个地级市单位GDP碳排放量不降反升，城市间单位GDP碳排放差异显著，城市间排序变化较大.

（3） 人口、经济和技术因素对绝大多数城市二氧化碳排放变化的贡献大小遵循：经济效应>技术效应>人口效应的规律;经济因素在31个城市表现为正向驱动力，人口因素在26个城市表现为正向驱动力，技术因素在14个城市表现为正向驱动力;技术因素对不同城市二氧化碳排放变化的贡献程度差异较大.

（4） 31个地级市分别属于4种城市类型，V型城市最多，VI型城市减排压力最大，不同类型的城市驱动力作用差异明显，应采取差异化的二氧化碳控排政策.

由于数据限制，本研究仅关注了晋冀蒙地区地级城市二氧化碳排放的静态变化，但是随着基于CHRED的中国城市CO2排放数据的不断完善和发展，该地区二氧化碳排放的动态变化研究将成为可能.此外，本文主要分析了经济总量对碳排放的影响.但经济总量是由三次产业结构组成的，不同产业对碳排放会产生不同的影响，同样产业内部的差異也会导致不同的影响，这些都属于本文未涉及但值得进一步讨论的问题.

参考文献：

〔1〕蔡博峰，赵楠，冯恺.城市CO2排放驱动力和影响因素研究[J].中国人口·资源与环境，2013，23（5）：14-20.

〔2〕毛熙彦，林坚，蒙吉军.中国建设用地增长对碳排放的影响[J].中国人口·资源与环境，2011，21（12）：25-41.

〔3〕蔡博峰，王金南，杨姝影，等.中国城市CO2排放数据集研究[J].中国人口·资源与环境，2017，27（2）：1-4.

〔4〕方恺，张琦峰，叶瑞克，等.巴黎协定生效下的中国省际碳排放权分配研究[J].环境科学学报，2018，38（03）：1224-1234.

〔5〕蔡博峰，杨朝飞，曹丽斌.中国城市二氧化碳排放评估研究[M].北京：中国环境出版社，2017.7-15.

〔6〕中国城市温室气体工作组.中国城市2005年二氧化碳排放数据集[M].北京：中国环境出版集团.2018.

〔7〕Diakoulaki D， Mavrotas G， Orkopoulos D， et al. A bottom-up decomposition analysis of energy-related CO2 emissions in Greece. Energy， 2006， 31（14）： 2638-2651.

〔8〕赵胜男，林剑艺，崔胜辉，等.基于驱动力分析的福建省温室气体减排途径研究[J].环境科学与技术，2015，38（10）：182-189.

〔9〕方恺，沈万斌，董德明.经济增长和技术进步对吉林省能源足迹的影响分析[J].干旱区地理，2013， 36（1）：186-143.

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

〔11〕ANG B W. LMDI decomposition approach： A guide for implementation[J]. Energy Policy， 2015， 86： 233-238.

〔12〕毛建素，徐琳瑜，李春辉，等.循环经济与可持续发展型企业[M].北京：中国环境出版社，2016.

〔13〕龙爱华，徐中民，王新华，等.人口、富裕及技术对2000年中国水足迹的影响[J].生态学报，2006， 26（10）：3358-3365.

〔14〕屈超，陈甜.中国2030年碳排放强度减排潜力测算[J].中国人口·资源与环境，2016，26（7）：62-69.

〔15〕时玉茹.中国有色金属行业碳排放分解分析与预测[D].天津：天津大学，2014.

〔16〕Chen Qian-li， Cai Bo-feng， Dhakal Shobhakar， et al. CO2 emission data for Chinese cities[J]. Resources， Conservation and Recycling， 2017， 126： 198-208.

〔17〕Marcotullio Peter John， Sarzynski Andrea， Albrecht Jochen， et al.The geography of global urban greenhouse gas emissions： an exploratory analysis[J]. Climatic Change， 2013， 121（4）： 621-634.

〔18〕山西省统计局.山西统计年鉴（2007-2013）[M].北京：中国统计出版社，2007-2013.

〔19〕河北省人民政府.河北经济年鉴（2007-2013）[M].北京：中国统计出版社，2007-2013.

〔20〕内蒙古统计局.内蒙古统计年鉴（2007-2013）[M].北京：中国统计出版社，2007-2013.

〔21〕中华人民共和国国家统计局.中国统计年鉴2006[M].北京：中国统计出版社，2006.

〔22〕张伟，张金锁，邹绍辉，等.基于LMDI的陕西省能源消费碳排放因素分解研究[J].干旱区资源与环境，2013，27（09）：26-31.

〔23〕朱勤，彭希哲，陆志明，等.中国能源消费碳排放变化的因素分解及实证分析[J].资源科学，2009， 31（12）：2072-2079.

收稿日期：2019-12-22

基金项目：内蒙古自治区高等学校科学研究项目（NJZY17321）;教育部人文社会科学研究青年基金（17YJC630218）

通讯作者：张宇（1980-），男，副教授，博士，主要从事土地与环境政策研究