唐山市土地利用碳排放驱动因素分析

邹珊珊，胡道华，王艳君

（湖北大学 资源环境学院，湖北 武汉 430062）

0 引言

碳排放问题成为当今国际政治、经济和外交领域共同关注的热点。2020年9月22日，习近平在第七十五届联合国大会上讲话表示：“二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和。”土地作为人类活动的场所和直接劳动对象，在开发和建设过程中承载着人类各项生产生活活动，也是碳排放的主要来源之一[1-2]。因此，从土地利用视角开展碳排放研究，探讨碳排放量的时间演变趋势和驱动因素，对于构建绿色低碳的社会环境有着重要意义。

目前，国内外学者围绕土地利用碳排放开展了一系列研究，主要集中于不同尺度下的碳排放时空分异格局[3-6]、碳排放影响因素[7-8]、碳排放与经济增长脱钩关系[9-10]、碳足迹[11]、土地利用结构的低碳优化[12]等方面。在碳排放因素分解方面，李江元[13]等利用扩展的Kaya恒等式分析框架和LMDI （logarithmic mean divisia index）模型对我国碳排放增长因素进行分析，测算建立了我国长时间序列碳排放数据（2004—2016年），并从国家级、区域级和省市级3个层面探讨了各驱动因素的碳排放变动效应，但由于研究范围较广，区域差异较大，文中未能提出较为可行的政策建议；王涛等[14]运用STIRPAT（stochastic impacts by regression on population, affluence, and technology）模型对陕西省土地利用碳排放进行影响因素分析，将陕西省碳排放演变划分为减少、稳步增加、快速增加3个阶段，指出了建设用地对碳排放增加起主导作用，但对于碳排放影响因素分析时，仅仅考虑了人口数量和地区生产总值这2个因素对碳排放的影响，对于影响因素的分析略显不足。目前，已有研究主要集中在经济较发达地区、重要工业区、经济带或是生态环境较为脆弱地区，涉及工业、农业、交通运输业、旅游业、新能源等领域，而对于典型工业城市的碳排放跟踪分析研究较少。

在碳排放驱动因素分析中，主要运用的有3种数学模型：STIRPAT模型、GDIM（generalized divisia index decomposition model）模型以及LMDI模型。其中，STIRPAT模型分解因素包括环境影响、人口数量、富裕程度和技术[15]，在实际操作分析中部分指标难以量化计算，往往会出现分析的影响因素较少，难以进一步提出具体建议的情况。GDIM模型可以包含多个相对变量和绝对变量，能分解出更多影响碳排放的因素，往往是用于国家和省域尺度下的工业、农业、旅游业、交通运输业等单一行业内部的碳排放影响因素分析[16]。LMDI模型能够较好地解决分解残差问题，可随获取数据的详细程度对具体分解方向进行调整，应用范围较广，适合对于国家或某一区域整体碳排放影响因素的分析，是目前碳排放影响因素中应用最为广泛的数学模型。

本研究选取唐山市为研究对象，测算该城市2005—2019年间土地利用碳排放量和碳排放强度，分析时间演变趋势，并构建LMDI模型对唐山市土地利用碳排放驱动因素进行分解，分析碳汇量变化，为唐山市实现绿色低碳发展目标提供一定的参考。

1 研究区域与方法

1.1 研究区域概况

唐山市位于117°31' ～ 119°19' E，38°55'～40°28' N，地处河北省东部，总面积为13 472 km2，毗邻北京、天津两个特大城市，处于环渤海经济圈的中心位置，是京津唐工业基地的中心城市，在京津冀一体化战略中有着不可或缺的作用。根据第七次全国人口普查结果，截至2020年11月1日零时，唐山市常住人口为771.8万人，其中城镇人口为496.39万人，城镇化率达到64.32%。根据《唐山统计年鉴》，1999年地区生产总值为832.56 亿元，到2019年增长至6 890 亿元，年均增长率为23.53%。钢铁、机械、化工、陶瓷、水泥等产业基础较好，有首钢、唐钢、开滦煤矿、唐山车辆厂等大型企业。其土地利用变迁趋势具有典型性。

1.2 研究方法

1.2.1 数据来源及处理

本研究中所用的土地利用数据是2005—2019年土地利用变更矢量数据，以及唐山市统计局历年发布的土地利用统计数据。各类能源终端消费数据和社会经济统计数据均来自于唐山市统计局每年发布的《唐山统计年鉴》。采用历年唐山市地区生产总值数据，统一折算成2005年不变价格。各类型土地利用碳排放（碳汇）系数选取综合参考当地情况和已有研究成果，各类能源碳排放转换系数主要参考《2006年IPCC国家温室气体清单指南》，各类能源折算标准煤系数来源于《中国能源统计年鉴》。

1.2.2 碳排放量测算模型

根据唐山市土地利用现状，对该市耕地、林地、园地、草地、水域及未利用地的碳排放量，采用直接估算法进行测算，公式如下：

式中：C为直接碳排放总量；

ei为第i种土地类型产生的碳排放量；

Ti为第i种土地类型对应的实际面积；

Pi为第i种土地类型所对应的碳排放（吸收）系数；其中碳排放系数为正，碳吸收系数为负。

参考已有的研究成果并结合唐山市的具体情况，综合选取不同土地类型的碳排放（碳汇）系数，见表1。

表1 不同用地类型碳排放（碳汇）系数Table 1 Carbon emission (carbon sink) coefficient based on different land use types

对于居民用地及工矿交通用地等建设用地，碳排放采用间接估算法进行测算，具体公式如下：

式中：Cc为建设用地的间接碳排放总量；

Cj为第j类能源的碳排放量；

Ej为第j类能源的消耗量；

θj为第j类能源的折算标准煤系数；

fj为第j类能源的碳排放转换系数。

各种能源碳排放转换系数、折算标准煤系数如表2所示。由于煤炭、石油、天然气和电力等能源消耗量在历年《唐山市统计年鉴》中已经换算为标准煤进行统计。因此，只需要考虑各类能源的碳排放转换系数。

表2 各种能源碳排放转换系数、折算标准煤系数Table 2 Carbon emission reference coefficient of various energy sources with their standard coal convert coefficient

1.2.3 碳排放驱动因素分解模型

目前，用于定量分解指标变化的主要方法有两类：结构分解法（structural decomposition analysis，SDA）和指数分解法（index decomposition analysis，IDA）。SDA法需要投入、产出数据为支撑；IDA法只需要使用部门数据和总数据，特别适合分解含有因素较少，以及包括时间序列数据的模型，因此，IDA法更适合分析能耗和碳排放驱动因素。根据分解原理，IDA法又可以分为两种：Laspeyres指数分解法和Divisia指数分解法。Divisia指数分解法主要包括算术平均Divisia指数法和对数平均Divisia指数法（LMDI）。其中，LMDI模型在分解对象之后没有无法解释的残差，并且可以使用加法分解和乘法分解相对简单的转换表达式，因此在建立碳排放驱动模型方面，LMDI模型应用更多。当前碳排放研究关注重点在能源消耗结构、能源利用效率、经济发展水平、人口规模以及城市化水平等对碳排放的影响，主要考虑的驱动因素包括人口总量、人均GDP、产业结构、能源强度和最终能源消耗结构等[21]。

综上所述，本研究采用LMDI方法进行因素分解，由于所能获取的公开数据有限，在历年《唐山统计年鉴》中的社会经济统计数据中，选取能源消费结构、能源强度、人均地区生产总值和人口规模为驱动因素建立分解模型。计算公式如下：

式中：

E为能源消耗量；

Y为实际地区生产总值；

P为常住人口数量。

令S=C/E，为能源消耗的碳排放强度，取决于能源消费结构；T=E/Y，为能源强度，即生产单位地区生产总值的能源消费数量，取决于技术进步水平；G=Y/P，为人均实际地区生产总值，取决于经济发展水平。

则式（1）可改写为

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

式中：ΔC为某一段时期的土地利用碳排放变化量；

Ct为经过t期的土地利用碳排放量；

C0为最开始时的土地利用碳排放量；

ΔCS为结构效应，反应能源结构改革对碳排放的驱动作用；

ΔCT为技术效应，表示能源强度变化对于碳排放的驱动作用，而能源强度一般取决于技术进步情况；

ΔCG为经济效应，表示经济发展对碳排放的驱动作用；

ΔCP为人口效应，表示人口规模对碳排放的驱动作用。

ΔCS、ΔCT、ΔCG、ΔCP的表达式分别如下：

以上4个因素对唐山市土地利用碳排放变化的贡献率分别如下：

2 结果与分析

2.1 唐山市土地利用碳排放分析

根据2005—2019年唐山市土地利用数据及能源终端消费数据，计算出各类用地的碳排放量，见表3。

表3 2005—2019年唐山市碳排放量统计表Table 3 Carbon emission table of Tangshan City from 2005 to 2019104 t

从表3 可知，建设用地和耕地碳排放量占碳源总量的比例分别为99.6%, 0.4%，其中建设用地产生的碳排放量要远超耕地碳排放量，是唐山市土地利用碳排放中最主要的碳源，在研究期间建设用地碳排放量呈现波动上升趋势，2005年为 4 741.625 2万t，2019年增至9 010.380 4万t，年均增长率为4.69%，增幅较大。在2005—2019年间唐山市耕地碳排放量总体较为平稳，耕地碳排放量年均变化率仅为0.021%，总体增幅不大，影响较小。

研究期间园地、林地、水域是贡献最大的碳汇源地。2019年园地、林地、水域的碳汇分别占总量的47.52%, 36.07%, 16.21%。其中林地在2013年以前是唐山市最大的碳汇源地，所占比例曾达57.32%。在研究期间林地面积出现明显缩减趋势，碳汇作用被削弱。由于唐山市林地面积下降和园地面积不断增加，使得近年来园地成为唐山市最大的碳汇源地。草地、未利用地实际面积较小，占碳汇总量的比例较小，研究期间变化不大，其影响几乎可以忽略不计。

在2005—2019年间，唐山市碳源、碳汇和净碳排放量三者总体上呈增长趋势。其中，碳源虽然在一些年份有所下降，但整体上仍然呈现出上升趋势，累计增加了4 268.827万t，年均增长率为4.69%；碳汇在14 a间累计约增加了2.96万t，年均增长1.14%，唐山市碳汇增速远不及碳源增速。唐山市的净碳排放量由4 748.32 万t增长到9 014.19 万t，年均增长率为4.68%，这与唐山市建设用地碳排放量增速大致吻合。

进一步计算2005—2019年唐山市净碳排放逐年增长率，得出其年增长率变化趋势，如图1所示。

图1 2005—2019年唐山市土地利用净碳排放量年增长率变化趋势Fig.1 Change trend of annual growth rate of net carbon emissions from land use in Tangshan City from 2005 to 2019

由图1可知，在2005—2019年中唐山市的净碳排放量整体呈现波动变化，部分年份出现负增长，如2014年和2017年，由于唐山市自2014年实行供给侧改革、调整产业结构、压缩过剩产能、治理大气污染，使得其能源消耗量较前几年减少，净碳排放量增长速率放缓甚至出现负增长。从长期发展来看，唐山市的净碳排放量增长是受经济、社会等共同影响的结果，未来唐山市的净碳排放量还将保持增长趋势。

为了充分展示唐山市土地利用碳排放量的时间演变趋势，引入碳排放强度因子，计算2005—2019年唐山市单位地区生产总值碳排放强度与人均碳排放强度，所得结果如图2所示。

图2 2005—2019年唐山市碳排放强度变化趋势Fig.2 Change trend of carbon emission intensity in Tangshan City from 2005 to 2019

由图2中的曲线可以得出，唐山市近15 a来单位地区生产总值碳排放强度不断下降，由2005年的2 341.798 kg/万元下降至2019年的1 308.294 kg/万元，年均下降4.07%；人均碳排放强度则大体呈上升趋势，由2005年的6 645.521 kg/人上升至2019年的11 318.408 kg/人，年均增长率为3.87%。在研究期间由于唐山市通过对产业的调整升级，降低单位生产总值能耗，使得单位地区生产总值碳排放强度下降。但同时由于居民生活改善和消费水平的不断提高，生产生活中的能源消费增加，这使得唐山市人均碳排放强度增长。

2.2 LMDI驱动因素分解及结果分析

根据LMDI驱动因素分解方法对唐山市土地利用碳排放变化进行分解，并根据分解结果深入分析能源消费结构、能源强度、人均地区生产总值和人口规模4个影响因素与土地利用碳排放变化之间的影响关系，所得结果如表4所示。

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

由表4的数据可知，经济发展水平因素和人口规模因素对唐山市碳排放的增长有正向驱动作用。其中经济发展水平因素是影响唐山市土地利用碳排放的主要正向驱动因素。2005—2019年间唐山市地区生产总值由2 027.637 4亿元增长至6 890.030 2亿元，年均增长率为9.13%，受到经济快速增长的影响，唐山市累计碳排放量增加了7 405.917 3万t。而人口规模对于唐山市土地利用碳排放增长的促进作用仅次于经济发展的影响。人口的增长导致建设用地扩张和道路交通规模扩大，能源消耗增加，间接导致了碳排放总量的增长。随着唐山市的常住人口由714.51万人增长至796.42万人，由人口增长而产生的碳排放量累计达到735.015 3万t。

从结构效应看，大多数年份为正值，部分年份为负值，2005—2019年间累计增加39.901 1万t碳，说明唐山市能源消耗结构在这一时期的变动未能有效降低碳排放量。目前唐山市的能源消耗结构中仍然以原煤和焦炭为主，约占能源消耗总量的86.05%。受唐山市能源消耗结构的影响，唐山市的煤炭消耗量将直接影响唐山市的碳排放量。

从技术效应看，技术效应对碳排放变化的影响呈现出阶段性变化特征，技术效应只有2008—2009年、2014—2015年和2017—2018年为正值，其余年份的都为负值，技术进步使得唐山市实现累计减少3 914.963 6万t碳排放量。单位地区生产总值能耗变化趋势如图3所示。由图3可知，唐山市单位地区生产总值能耗在2005—2019年间总体呈现下降趋势，相较于2005年，2019年唐山市单位地区生产总值能耗降低约1.321 2 t/万元。总体上，技术进步对唐山市碳排放具有负向驱动作用，提高能源的利用效率，推动技术进步将是唐山市未来节能减排的一个重要发展方向。

图3 2005—2019年唐山市单位地区生产总值能耗变化趋势Fig.3 Change trend of energy consumption per unit gross regional product in Tangshan City from 2005 to 2019

根据表4进一步计算能源消费结构、技术进步水平、经济发展水平和人口规模对唐山市土地利用碳排放的累计贡献率，所得结果如表5所示。

表5 2005—2019年唐山市土地利用碳排放各影响因素累计贡献率Table 5 Cumulative contribution rate of influencing factors of land use carbon emission in Tangshan City from 2005 to 2019

从各影响因素累计贡献率（表5）来看，在正向驱动因素中，14 a间经济发展水平、人口规模和能源消耗结构的累计贡献率分别为173.608 6%，17.230 1%，0.935 3%，这进一步说明了经济发展是推动唐山市土地利用碳排放增长的最主要驱动因素。负向驱动因素中，技术效应累计贡献率达到91.774 0%，单位地区生产总值能耗的下降成为控制唐山市土地利用碳排放增长的最主要驱动因素。唐山市能源消费结构的贡献率在若干年份都起到负向驱动作用，但由于唐山市以煤炭为主的能源消费结构并未发生变动，该因素对唐山市土地利用碳排放的影响较小。

3 结语

唐山市作为我国典型的工业城市，通过估算2005—2019年唐山市各类土地的碳排放总量和变化趋势，其碳排放大部分来自于建设用地，林地、园地等碳汇所发挥的碳吸收作用相对有限。基于LMDI因素分解模型，经济发展和人口规模扩大均对碳排放增长起正向驱动作用，技术进步水平对碳排放增长起着较为显著负向驱动作用，各效应累计贡献率绝对值由大到小依次是经济发展水平、技术进步水平、人口规模、能源消费结构。

第二产业在唐山市地区生产总值中占有较大份额，但总体碳排放强度不断降低。应积极清退落后产能，运用低碳技术改造和提升传统产业，提高能源转化和利用效率，推动工业绿色低碳可持续发展。积极开发新能源和替代能源，促进可再生能源的利用，优化能源消费结构，减少对化石能源的依赖。针对部分年份唐山市出现的建设用地面积过快增长、林地面积下降、水域面积缩减、碳吸收能力下降等问题，在国土空间规划编制过程中，要强化用途管控，从严控制建设用地的扩张，适当增加林地、园地、水域等碳汇面积，充分保障生态空间不被挤占，因地制宜合理布局生产、生活、生态空间。提高公共交通服务水平，加快城市基础设施绿色化、低碳化改造，系统推进推动低碳社区、低碳园区、低碳城区的建设。