唐山市土地利用碳排放驅動因素分析

鄒珊珊，胡道華，王艷君

（湖北大學 資源環境學院，湖北 武漢 430062）

0 引言

碳排放問題成為當今國際政治、經濟和外交領域共同關注的熱點。2020年9月22日，習近平在第七十五屆聯合國大會上講話表示：“二氧化碳排放力爭于2030年前達到峰值，努力爭取2060年前實現碳中和。”土地作為人類活動的場所和直接勞動對象，在開發和建設過程中承載著人類各項生產生活活動，也是碳排放的主要來源之一[1-2]。因此，從土地利用視角開展碳排放研究，探討碳排放量的時間演變趨勢和驅動因素，對于構建綠色低碳的社會環境有著重要意義。

目前，國內外學者圍繞土地利用碳排放開展了一系列研究，主要集中于不同尺度下的碳排放時空分異格局[3-6]、碳排放影響因素[7-8]、碳排放與經濟增長脫鉤關系[9-10]、碳足跡[11]、土地利用結構的低碳優化[12]等方面。在碳排放因素分解方面，李江元[13]等利用擴展的Kaya恒等式分析框架和LMDI （logarithmic mean divisia index）模型對我國碳排放增長因素進行分析，測算建立了我國長時間序列碳排放數據（2004—2016年），并從國家級、區域級和省市級3個層面探討了各驅動因素的碳排放變動效應，但由于研究范圍較廣，區域差異較大，文中未能提出較為可行的政策建議；王濤等[14]運用STIRPAT（stochastic impacts by regression on population, affluence, and technology）模型對陜西省土地利用碳排放進行影響因素分析，將陜西省碳排放演變劃分為減少、穩步增加、快速增加3個階段，指出了建設用地對碳排放增加起主導作用，但對于碳排放影響因素分析時，僅僅考慮了人口數量和地區生產總值這2個因素對碳排放的影響，對于影響因素的分析略顯不足。目前，已有研究主要集中在經濟較發達地區、重要工業區、經濟帶或是生態環境較為脆弱地區，涉及工業、農業、交通運輸業、旅游業、新能源等領域，而對于典型工業城市的碳排放跟蹤分析研究較少。

在碳排放驅動因素分析中，主要運用的有3種數學模型：STIRPAT模型、GDIM（generalized divisia index decomposition model）模型以及LMDI模型。其中，STIRPAT模型分解因素包括環境影響、人口數量、富裕程度和技術[15]，在實際操作分析中部分指標難以量化計算，往往會出現分析的影響因素較少，難以進一步提出具體建議的情況。GDIM模型可以包含多個相對變量和絕對變量，能分解出更多影響碳排放的因素，往往是用于國家和省域尺度下的工業、農業、旅游業、交通運輸業等單一行業內部的碳排放影響因素分析[16]。LMDI模型能夠較好地解決分解殘差問題，可隨獲取數據的詳細程度對具體分解方向進行調整，應用范圍較廣，適合對于國家或某一區域整體碳排放影響因素的分析，是目前碳排放影響因素中應用最為廣泛的數學模型。

本研究選取唐山市為研究對象，測算該城市2005—2019年間土地利用碳排放量和碳排放強度，分析時間演變趨勢，并構建LMDI模型對唐山市土地利用碳排放驅動因素進行分解，分析碳匯量變化，為唐山市實現綠色低碳發展目標提供一定的參考。

1 研究區域與方法

1.1 研究區域概況

唐山市位于117°31' ～ 119°19' E，38°55'～40°28' N，地處河北省東部，總面積為13 472 km2，毗鄰北京、天津兩個特大城市，處于環渤海經濟圈的中心位置，是京津唐工業基地的中心城市，在京津冀一體化戰略中有著不可或缺的作用。根據第七次全國人口普查結果，截至2020年11月1日零時，唐山市常住人口為771.8萬人，其中城鎮人口為496.39萬人，城鎮化率達到64.32%。根據《唐山統計年鑒》，1999年地區生產總值為832.56 億元，到2019年增長至6 890 億元，年均增長率為23.53%。鋼鐵、機械、化工、陶瓷、水泥等產業基礎較好，有首鋼、唐鋼、開灤煤礦、唐山車輛廠等大型企業。其土地利用變遷趨勢具有典型性。

1.2 研究方法

1.2.1 數據來源及處理

本研究中所用的土地利用數據是2005—2019年土地利用變更矢量數據，以及唐山市統計局歷年發布的土地利用統計數據。各類能源終端消費數據和社會經濟統計數據均來自于唐山市統計局每年發布的《唐山統計年鑒》。采用歷年唐山市地區生產總值數據，統一折算成2005年不變價格。各類型土地利用碳排放（碳匯）系數選取綜合參考當地情況和已有研究成果，各類能源碳排放轉換系數主要參考《2006年IPCC國家溫室氣體清單指南》，各類能源折算標準煤系數來源于《中國能源統計年鑒》。

1.2.2 碳排放量測算模型

根據唐山市土地利用現狀，對該市耕地、林地、園地、草地、水域及未利用地的碳排放量，采用直接估算法進行測算，公式如下：

式中：C為直接碳排放總量；

ei為第i種土地類型產生的碳排放量；

Ti為第i種土地類型對應的實際面積；

Pi為第i種土地類型所對應的碳排放（吸收）系數；其中碳排放系數為正，碳吸收系數為負。

參考已有的研究成果并結合唐山市的具體情況，綜合選取不同土地類型的碳排放（碳匯）系數，見表1。

表1 不同用地類型碳排放（碳匯）系數Table 1 Carbon emission (carbon sink) coefficient based on different land use types

對于居民用地及工礦交通用地等建設用地，碳排放采用間接估算法進行測算，具體公式如下：

式中：Cc為建設用地的間接碳排放總量；

Cj為第j類能源的碳排放量；

Ej為第j類能源的消耗量；

θj為第j類能源的折算標準煤系數；

fj為第j類能源的碳排放轉換系數。

各種能源碳排放轉換系數、折算標準煤系數如表2所示。由于煤炭、石油、天然氣和電力等能源消耗量在歷年《唐山市統計年鑒》中已經換算為標準煤進行統計。因此，只需要考慮各類能源的碳排放轉換系數。

表2 各種能源碳排放轉換系數、折算標準煤系數Table 2 Carbon emission reference coefficient of various energy sources with their standard coal convert coefficient

1.2.3 碳排放驅動因素分解模型

目前，用于定量分解指標變化的主要方法有兩類：結構分解法（structural decomposition analysis，SDA）和指數分解法（index decomposition analysis，IDA）。SDA法需要投入、產出數據為支撐；IDA法只需要使用部門數據和總數據，特別適合分解含有因素較少，以及包括時間序列數據的模型，因此，IDA法更適合分析能耗和碳排放驅動因素。根據分解原理，IDA法又可以分為兩種：Laspeyres指數分解法和Divisia指數分解法。Divisia指數分解法主要包括算術平均Divisia指數法和對數平均Divisia指數法（LMDI）。其中，LMDI模型在分解對象之后沒有無法解釋的殘差，并且可以使用加法分解和乘法分解相對簡單的轉換表達式，因此在建立碳排放驅動模型方面，LMDI模型應用更多。當前碳排放研究關注重點在能源消耗結構、能源利用效率、經濟發展水平、人口規模以及城市化水平等對碳排放的影響，主要考慮的驅動因素包括人口總量、人均GDP、產業結構、能源強度和最終能源消耗結構等[21]。

綜上所述，本研究采用LMDI方法進行因素分解，由于所能獲取的公開數據有限，在歷年《唐山統計年鑒》中的社會經濟統計數據中，選取能源消費結構、能源強度、人均地區生產總值和人口規模為驅動因素建立分解模型。計算公式如下：

式中：

E為能源消耗量；

Y為實際地區生產總值；

P為常住人口數量。

令S=C/E，為能源消耗的碳排放強度，取決于能源消費結構；T=E/Y，為能源強度，即生產單位地區生產總值的能源消費數量，取決于技術進步水平；G=Y/P，為人均實際地區生產總值，取決于經濟發展水平。

則式（1）可改寫為

采用LMDI方法的加和因素分解方式對公式（2）進行因素分解，可以使用如下公式：

式中：ΔC為某一段時期的土地利用碳排放變化量；

Ct為經過t期的土地利用碳排放量；

C0為最開始時的土地利用碳排放量；

ΔCS為結構效應，反應能源結構改革對碳排放的驅動作用；

ΔCT為技術效應，表示能源強度變化對于碳排放的驅動作用，而能源強度一般取決于技術進步情況；

ΔCG為經濟效應，表示經濟發展對碳排放的驅動作用；

ΔCP為人口效應，表示人口規模對碳排放的驅動作用。

ΔCS、ΔCT、ΔCG、ΔCP的表達式分別如下：

以上4個因素對唐山市土地利用碳排放變化的貢獻率分別如下：

2 結果與分析

2.1 唐山市土地利用碳排放分析

根據2005—2019年唐山市土地利用數據及能源終端消費數據，計算出各類用地的碳排放量，見表3。

表3 2005—2019年唐山市碳排放量統計表Table 3 Carbon emission table of Tangshan City from 2005 to 2019104 t

從表3 可知，建設用地和耕地碳排放量占碳源總量的比例分別為99.6%, 0.4%，其中建設用地產生的碳排放量要遠超耕地碳排放量，是唐山市土地利用碳排放中最主要的碳源，在研究期間建設用地碳排放量呈現波動上升趨勢，2005年為 4 741.625 2萬t，2019年增至9 010.380 4萬t，年均增長率為4.69%，增幅較大。在2005—2019年間唐山市耕地碳排放量總體較為平穩，耕地碳排放量年均變化率僅為0.021%，總體增幅不大，影響較小。

研究期間園地、林地、水域是貢獻最大的碳匯源地。2019年園地、林地、水域的碳匯分別占總量的47.52%, 36.07%, 16.21%。其中林地在2013年以前是唐山市最大的碳匯源地，所占比例曾達57.32%。在研究期間林地面積出現明顯縮減趨勢，碳匯作用被削弱。由于唐山市林地面積下降和園地面積不斷增加，使得近年來園地成為唐山市最大的碳匯源地。草地、未利用地實際面積較小，占碳匯總量的比例較小，研究期間變化不大，其影響幾乎可以忽略不計。

在2005—2019年間，唐山市碳源、碳匯和凈碳排放量三者總體上呈增長趨勢。其中，碳源雖然在一些年份有所下降，但整體上仍然呈現出上升趨勢，累計增加了4 268.827萬t，年均增長率為4.69%；碳匯在14 a間累計約增加了2.96萬t，年均增長1.14%，唐山市碳匯增速遠不及碳源增速。唐山市的凈碳排放量由4 748.32 萬t增長到9 014.19 萬t，年均增長率為4.68%，這與唐山市建設用地碳排放量增速大致吻合。

進一步計算2005—2019年唐山市凈碳排放逐年增長率，得出其年增長率變化趨勢，如圖1所示。

圖1 2005—2019年唐山市土地利用凈碳排放量年增長率變化趨勢Fig.1 Change trend of annual growth rate of net carbon emissions from land use in Tangshan City from 2005 to 2019

由圖1可知，在2005—2019年中唐山市的凈碳排放量整體呈現波動變化，部分年份出現負增長，如2014年和2017年，由于唐山市自2014年實行供給側改革、調整產業結構、壓縮過剩產能、治理大氣污染，使得其能源消耗量較前幾年減少，凈碳排放量增長速率放緩甚至出現負增長。從長期發展來看，唐山市的凈碳排放量增長是受經濟、社會等共同影響的結果，未來唐山市的凈碳排放量還將保持增長趨勢。

為了充分展示唐山市土地利用碳排放量的時間演變趨勢，引入碳排放強度因子，計算2005—2019年唐山市單位地區生產總值碳排放強度與人均碳排放強度，所得結果如圖2所示。

圖2 2005—2019年唐山市碳排放強度變化趨勢Fig.2 Change trend of carbon emission intensity in Tangshan City from 2005 to 2019

由圖2中的曲線可以得出，唐山市近15 a來單位地區生產總值碳排放強度不斷下降，由2005年的2 341.798 kg/萬元下降至2019年的1 308.294 kg/萬元，年均下降4.07%；人均碳排放強度則大體呈上升趨勢，由2005年的6 645.521 kg/人上升至2019年的11 318.408 kg/人，年均增長率為3.87%。在研究期間由于唐山市通過對產業的調整升級，降低單位生產總值能耗，使得單位地區生產總值碳排放強度下降。但同時由于居民生活改善和消費水平的不斷提高，生產生活中的能源消費增加，這使得唐山市人均碳排放強度增長。

2.2 LMDI驅動因素分解及結果分析

根據LMDI驅動因素分解方法對唐山市土地利用碳排放變化進行分解，并根據分解結果深入分析能源消費結構、能源強度、人均地區生產總值和人口規模4個影響因素與土地利用碳排放變化之間的影響關系，所得結果如表4所示。

表4 2005—2019年唐山市碳排放因素分解結果Table 4 Decomposition results of carbon emission factors in Tangshan City from 2005 to 2019 104 t

由表4的數據可知，經濟發展水平因素和人口規模因素對唐山市碳排放的增長有正向驅動作用。其中經濟發展水平因素是影響唐山市土地利用碳排放的主要正向驅動因素。2005—2019年間唐山市地區生產總值由2 027.637 4億元增長至6 890.030 2億元，年均增長率為9.13%，受到經濟快速增長的影響，唐山市累計碳排放量增加了7 405.917 3萬t。而人口規模對于唐山市土地利用碳排放增長的促進作用僅次于經濟發展的影響。人口的增長導致建設用地擴張和道路交通規模擴大，能源消耗增加，間接導致了碳排放總量的增長。隨著唐山市的常住人口由714.51萬人增長至796.42萬人，由人口增長而產生的碳排放量累計達到735.015 3萬t。

從結構效應看，大多數年份為正值，部分年份為負值，2005—2019年間累計增加39.901 1萬t碳，說明唐山市能源消耗結構在這一時期的變動未能有效降低碳排放量。目前唐山市的能源消耗結構中仍然以原煤和焦炭為主，約占能源消耗總量的86.05%。受唐山市能源消耗結構的影響，唐山市的煤炭消耗量將直接影響唐山市的碳排放量。

從技術效應看，技術效應對碳排放變化的影響呈現出階段性變化特征，技術效應只有2008—2009年、2014—2015年和2017—2018年為正值，其余年份的都為負值，技術進步使得唐山市實現累計減少3 914.963 6萬t碳排放量。單位地區生產總值能耗變化趨勢如圖3所示。由圖3可知，唐山市單位地區生產總值能耗在2005—2019年間總體呈現下降趨勢，相較于2005年，2019年唐山市單位地區生產總值能耗降低約1.321 2 t/萬元?？傮w上，技術進步對唐山市碳排放具有負向驅動作用，提高能源的利用效率，推動技術進步將是唐山市未來節能減排的一個重要發展方向。

圖3 2005—2019年唐山市單位地區生產總值能耗變化趨勢Fig.3 Change trend of energy consumption per unit gross regional product in Tangshan City from 2005 to 2019

根據表4進一步計算能源消費結構、技術進步水平、經濟發展水平和人口規模對唐山市土地利用碳排放的累計貢獻率，所得結果如表5所示。

表5 2005—2019年唐山市土地利用碳排放各影響因素累計貢獻率Table 5 Cumulative contribution rate of influencing factors of land use carbon emission in Tangshan City from 2005 to 2019

從各影響因素累計貢獻率（表5）來看，在正向驅動因素中，14 a間經濟發展水平、人口規模和能源消耗結構的累計貢獻率分別為173.608 6%，17.230 1%，0.935 3%，這進一步說明了經濟發展是推動唐山市土地利用碳排放增長的最主要驅動因素。負向驅動因素中，技術效應累計貢獻率達到91.774 0%，單位地區生產總值能耗的下降成為控制唐山市土地利用碳排放增長的最主要驅動因素。唐山市能源消費結構的貢獻率在若干年份都起到負向驅動作用，但由于唐山市以煤炭為主的能源消費結構并未發生變動，該因素對唐山市土地利用碳排放的影響較小。

3 結語

唐山市作為我國典型的工業城市，通過估算2005—2019年唐山市各類土地的碳排放總量和變化趨勢，其碳排放大部分來自于建設用地，林地、園地等碳匯所發揮的碳吸收作用相對有限?；贚MDI因素分解模型，經濟發展和人口規模擴大均對碳排放增長起正向驅動作用，技術進步水平對碳排放增長起著較為顯著負向驅動作用，各效應累計貢獻率絕對值由大到小依次是經濟發展水平、技術進步水平、人口規模、能源消費結構。

第二產業在唐山市地區生產總值中占有較大份額，但總體碳排放強度不斷降低。應積極清退落后產能，運用低碳技術改造和提升傳統產業，提高能源轉化和利用效率，推動工業綠色低碳可持續發展。積極開發新能源和替代能源，促進可再生能源的利用，優化能源消費結構，減少對化石能源的依賴。針對部分年份唐山市出現的建設用地面積過快增長、林地面積下降、水域面積縮減、碳吸收能力下降等問題，在國土空間規劃編制過程中，要強化用途管控，從嚴控制建設用地的擴張，適當增加林地、園地、水域等碳匯面積，充分保障生態空間不被擠占，因地制宜合理布局生產、生活、生態空間。提高公共交通服務水平，加快城市基礎設施綠色化、低碳化改造，系統推進推動低碳社區、低碳園區、低碳城區的建設。