陳 鋒，張 晶，任 嬌，向燕蕓，李 倩

1. 山西財經(jīng)大學(xué) 資源環(huán)境學(xué)院，太原 030006

2. 山西財經(jīng)大學(xué) 資源型經(jīng)濟(jì)轉(zhuǎn)型發(fā)展研究院，太原 030006

3. 山西財經(jīng)大學(xué) 公共管理學(xué)院，太原 030006

全球氣候變暖引發(fā)了一系列社會、經(jīng)濟(jì)和生態(tài)問題，這使得減緩溫室效應(yīng)和減少碳排放量成為當(dāng)前氣候變化研究的熱點(diǎn)（Chuai et al，2015；成潔等，2017；楊淼琳等，2020）。區(qū)域能源碳排放引起的環(huán)境問題已對人類社會的可持續(xù)發(fā)展構(gòu)成嚴(yán)峻挑戰(zhàn)（丁仲禮等，2009；Zahn，2009），如何減少和有效控制碳排放已經(jīng)成為世界各國制定環(huán)境政策的重要導(dǎo)向（張雪華和董會忠，2021）。在“雙碳”目標(biāo)以及黃河流域生態(tài)保護(hù)和高質(zhì)量發(fā)展國家戰(zhàn)略下，黃河流域承受了巨大的減排壓力。沿黃9?。▍^(qū)）能源稟賦各有不同，經(jīng)濟(jì)發(fā)展方式差異巨大，發(fā)展不平衡不充分問題嚴(yán)峻，經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)矛盾突出（陸大道和孫東琪，2019）。因此，闡明黃河流域9?。▍^(qū)）碳排放時空演變特征及影響因素，有利于制定精準(zhǔn)化減排政策，對于實現(xiàn)全流域生態(tài)優(yōu)先和綠色低碳發(fā)展具有重要的理論意義和示范應(yīng)用價值。

近年來，國內(nèi)外學(xué)者在能源消費(fèi)產(chǎn)生的碳排放及其影響因素等問題上已取得一系列成果（張馨，2018；Udara Willhelm Abeydeera et al，2019；Zheng et al，2019）。具體到黃河流域，以往研究內(nèi)容涉及碳排放強(qiáng)度（馬遠(yuǎn)和劉真真，2021）、行業(yè)碳排放（張國興和蘇釗賢，2020；朱向梅等，2021）等諸多方面。其中：莫惠斌和王少劍（2021）利用空間面板模型等方法對黃河流域8?。▍^(qū)）縣域碳排放時空格局及形成機(jī)制進(jìn)行了分析；杜海波等（2021）基于夜間燈光數(shù)據(jù)集模擬了黃河流域8?。▍^(qū)）碳排放的時空變化特征，并從流域地理分異的角度對其影響因素進(jìn)行解析。這些研究對黃河流域的碳排放評估提供了重要的認(rèn)識，但是在影響因素歸因方面仍有待進(jìn)一步深化。此外，整個黃河流域涉及9個省（區(qū)），在碳排放研究時也有必要將其一并納入考慮。

目前，指數(shù)分解分析法作為影響因素分析的主要方法已得到廣泛應(yīng)用，其中對數(shù)平均迪氏指數(shù)（logarithmic mean Divisia index，LMDI）模型是最常用的指數(shù)分解方法之一（徐國泉等，2021）。LMDI模型考慮了研究單元間的空間效應(yīng)，能夠合理解釋區(qū)域影響因素的空間異質(zhì)性，從而使研究結(jié)果更具有解釋力?；诖?，本文對黃河流域9?。▍^(qū)）2003 — 2019年能源消費(fèi)產(chǎn)生的碳排放量進(jìn)行核算，結(jié)合LMDI模型分析人口規(guī)模效應(yīng)、經(jīng)濟(jì)增長效應(yīng)、能源消費(fèi)強(qiáng)度效應(yīng)、能源碳排放強(qiáng)度效應(yīng)對黃河流域能源消費(fèi)碳排放的影響，從而為黃河流域低碳轉(zhuǎn)型和高質(zhì)量發(fā)展提供理論依據(jù)。

1 研究區(qū)概況

黃河全長約5464 km，流域面積約75萬km2（陸大道和孫東琪，2019），是中國第二長河，發(fā)源于青藏高原，自西向東流經(jīng)青海、四川、甘肅、寧夏、內(nèi)蒙古、陜西、山西、河南、山東共計9個?。▍^(qū)），最后流入渤海。2018年黃河流域人口、GDP和能源消費(fèi)量分別占全國的 15.68%、14.43% 和 29.92%（杜海波等，2021），因而黃河流域是中國能源消費(fèi)碳排放的重點(diǎn)地區(qū)。為方便研究，本文大致將青海、四川、甘肅、寧夏、內(nèi)蒙古歸為黃河上游，陜西、山西歸為中游，河南、山東歸為下游。

2 研究方法

2.1 LMDI模型

Kaya（1989）在IPCC研討會上提出Kaya恒等式，該式給出了碳排放的主要驅(qū)動因素。結(jié)合Kaya恒等式，依據(jù)Ang（2004）提出的LMDI模型，本文從人口規(guī)模、經(jīng)濟(jì)增長、能源消費(fèi)強(qiáng)度、能源碳排放強(qiáng)度4個方面對黃河流域9?。▍^(qū)）的碳排放因素進(jìn)行分解分析。構(gòu)建對碳排放總量的LMDI分解模型如下：

式中：C表示5類能源的碳排放總量，Ci表示第i類能源的碳排放量，i為能源種類，N表示所有能源的消費(fèi)總量，E表示國民生產(chǎn)總值，P表示人口總量，g、r、s、p分別是人均GDP、能源消費(fèi)強(qiáng)度、能源碳排放強(qiáng)度、人口規(guī)模效應(yīng)。

對于該模型，設(shè)基期的碳排放總量為C0，T期總量為C T，定義從基期到T期的碳排放增量為綜合效應(yīng)，用ΔC表示。則：

式中：ΔCp為人口規(guī)模效應(yīng)，ΔCg為經(jīng)濟(jì)增長效應(yīng)，ΔCr為能源消費(fèi)強(qiáng)度效應(yīng)，ΔCs為能源碳排放強(qiáng)度效應(yīng)。

2.2 數(shù)據(jù)來源及處理

2003 — 2019年國內(nèi)生產(chǎn)總值、人口規(guī)模、能源消費(fèi)量和居民消費(fèi)價格指數(shù)數(shù)據(jù)來源于國家統(tǒng)計局分省年度數(shù)據(jù)（https://data.stats.gov.cn/easyquery.htm?cn=E0103）。國內(nèi)生產(chǎn)總值運(yùn)用價格指數(shù)進(jìn)行了調(diào)整，以消除價格因素的影響。在碳排放因素分解分析中，選取的能源有煤炭、汽油、煤油、柴油和天然氣，各類能源消費(fèi)實物量經(jīng)折標(biāo)準(zhǔn)煤系數(shù)轉(zhuǎn)換為標(biāo)準(zhǔn)量后分類匯總得出，碳排放量通過碳排放系數(shù)計算得出（徐國泉等，2021）。黃河流域9?。▍^(qū)）各類能源消費(fèi)量由實物量按《中國能源統(tǒng)計年鑒2018》（http://www.stats.gov.cn/tjsj/tjcbw/201909/t20190924_1699094.html）中的能源折算系數(shù)折合成標(biāo)準(zhǔn)煤（表1）。

表1 燃料消耗碳排放系數(shù)Tab. 1 Coefficients of carbon emissions of fuel consumption

3 結(jié)果與討論

3.1 黃河流域能源消費(fèi)特征及碳排放演化趨勢

黃河流域9?。▍^(qū)）2003 — 2019年能源消費(fèi)總量總體呈增長趨勢（表2），各類能源消費(fèi)總量的大小排序為：煤炭＞原油＞焦炭＞天然氣＞柴油＞汽油＞燃料油＞煤油＞電力。在此期間，煤炭、原油、焦炭和天然氣消費(fèi)量快速波動增長，其中清潔能源天然氣消費(fèi)量占比持續(xù)快速提高。另外，柴油、汽油、煤油和電力消費(fèi)量呈小幅平穩(wěn)增長，燃料油的消費(fèi)量呈較大波動變化。伴隨多項能源的不斷發(fā)展，未來具有較高碳排放系數(shù)的煤炭在黃河流域能源消費(fèi)中的占比會進(jìn)一步降低。

表2 黃河流域2003—2019年各類能源消費(fèi)量Tab. 2 Consumption of various types of energy in the Yellow River Basin from 2003 to 2019

從時間演化來看（表3），黃河流域2003 —2019年的碳排放總量呈波動增長趨勢，但增長幅度不斷收窄，碳排放增長率呈波動遞減趨勢，由2003年的21.09%下降到2019年的4.48%。另外，黃河流域2003 — 2019年的人均碳排放增長率整體亦呈波動下降趨勢，由2003年的20.44%下降到2019年的4.23%。這些數(shù)據(jù)表明：黃河流域的碳排放量正在趨于平穩(wěn)，有收斂趨勢。

表3 黃河流域2003 — 2019年碳排放總量及人均碳排放量Tab. 3 Total carbon emissions and carbon emissions per capita in the Yellow River Basin from 2003 to 2019

從空間演變趨勢來看（圖1），黃河流域上、中、下游2003 — 2019年碳排放量均呈波動上升趨勢，其占比分別為33%、27%、40%，黃河流域碳排放量總體呈下游＞上游＞中游的分異特征。圖2直觀體現(xiàn)了黃河流域碳排放的空間演變特征，在2003年、2011年和2019年，黃河流域各?。▍^(qū)）碳排放量的空間分布比較穩(wěn)定，總體呈西低東高的空間分布格局，在一定程度上反映了黃河流域不同區(qū)域的人口數(shù)量、經(jīng)濟(jì)發(fā)展水平、資源種類和能源消費(fèi)等方面的差異。

圖1 2003 — 2019年黃河流域上、中、下游地區(qū)碳排放量及占比Fig. 1 Carbon emissions and its proportion in the upstream,midstream and downstream of the Yellow River Basin from 2003 to 2019

圖2 2003年、2011年和2019年黃河流域9?。▍^(qū)）碳排放量時空格局演變Fig. 2 Evolution of the spatiotemporal pattern of carbon emissions in 9 provinces (regions) of the Yellow River Basin in 2003, 2011 and 2019

3.2 基于時間維度的因素分解分析

圖3反映了人口規(guī)模、經(jīng)濟(jì)增長、能源消費(fèi)強(qiáng)度及能源碳排放強(qiáng)度對黃河流域9?。▍^(qū)）2003 — 2019年能源消費(fèi)碳排放量的影響效應(yīng)（橫坐標(biāo)時間序列分t年和t+1年進(jìn)行，反映的是t年和t+ 1年之間能源消費(fèi)碳排放量的變化）。

3.2.1 人口規(guī)模的貢獻(xiàn)份額分析

由LMDI模型因素分解結(jié)果（圖3）可知：人口規(guī)模效應(yīng)對黃河流域2003—2019年能源消費(fèi)碳排放量的平均貢獻(xiàn)度約為305.60 × 104t。人口規(guī)模效應(yīng)對碳排放量的影響主要呈正的驅(qū)動作用。黃河流域人口規(guī)模表現(xiàn)出集聚效應(yīng)的特點(diǎn)，這與資源密集型產(chǎn)業(yè)為主的區(qū)域特征相符（金鳳君等，2020）。同時，黃河流域上、中、下游地區(qū)的人口分異和老齡化可能降低了人口規(guī)模效應(yīng)的貢獻(xiàn)（莫惠斌和王少劍，2021），未來的人口規(guī)模效應(yīng)導(dǎo)致碳排放量出現(xiàn)顯著增加的可能性很小。

圖3 黃河流域2003 — 2019年碳排放量的因素分解結(jié)果趨勢Fig. 3 Trend of decomposition results of carbon emissions in the Yellow River Basin from 2003 to 2019

3.2.2 經(jīng)濟(jì)增長的貢獻(xiàn)份額分析

經(jīng)濟(jì)增長效應(yīng)對黃河流域2003 — 2019年能源消費(fèi)碳排放量的平均貢獻(xiàn)度約為10584.90 × 104t（圖3）。經(jīng)濟(jì)發(fā)展水平效應(yīng)對碳排放量的影響呈正向的驅(qū)動作用且貢獻(xiàn)度最高，已是促進(jìn)區(qū)域碳排放量增長的關(guān)鍵性因素。經(jīng)濟(jì)增長和能源消費(fèi)強(qiáng)度效應(yīng)之間的激勵與抑制在一定程度上相互抵消，導(dǎo)致碳排放量并未隨經(jīng)濟(jì)的加速發(fā)展而呈線性增長趨勢。同時，在低碳發(fā)展目標(biāo)下，黃河流域必將不斷轉(zhuǎn)變經(jīng)濟(jì)發(fā)展模式，立足于源頭不斷提升發(fā)展質(zhì)量。因此，經(jīng)濟(jì)增長效應(yīng)對黃河流域能源消費(fèi)碳排放量的驅(qū)動作用有望進(jìn)一步減小。

3.2.3 能源消費(fèi)強(qiáng)度的貢獻(xiàn)份額分析

能源消費(fèi)強(qiáng)度效應(yīng)對黃河流域2003 — 2019年能源消費(fèi)碳排放量的平均貢獻(xiàn)度為- 5203.30 ×104t（圖3）。能源消費(fèi)強(qiáng)度效應(yīng)對碳排放量的影響均呈顯著的抑制作用，已成為減緩區(qū)域碳排放量增長的關(guān)鍵性因素。能源消費(fèi)強(qiáng)度和能源碳排放強(qiáng)度分別是山西和陜西碳排放的主要抑制因素（趙選民和卞騰銳，2015；張雪姣和杜俊慧，2017）。能源消費(fèi)強(qiáng)度在2006 — 2008年、2011 — 2013年與2016 — 2017年這些時段對碳排放量的抑制效應(yīng)顯著增大（圖3），進(jìn)一步指示了黃河流域能源利用效率得到了有效提升。但近年來能源消費(fèi)強(qiáng)度效應(yīng)出現(xiàn)減緩趨勢，表明能源清潔低碳化利用技術(shù)的進(jìn)一步發(fā)展可能存在一定瓶頸（陳軍華和李喬楚，2021）。

3.2.4 能源碳排放強(qiáng)度的貢獻(xiàn)額分析

能源碳排放強(qiáng)度效應(yīng)對黃河流域2003 — 2019年能源消費(fèi)碳排放量的平均貢獻(xiàn)度約為-293.10 ×104t（圖3），其對碳排放量的影響總體呈抑制作用?？梢?，能源碳排放強(qiáng)度效應(yīng)是除能源消費(fèi)強(qiáng)度外的另一減緩黃河流域能源碳排放量的因素。能源碳排放強(qiáng)度在2004 — 2006年、2007 — 2008年、2010 — 2011年、2017 — 2018年這四個時段呈正向驅(qū)動作用（圖3），表明此時能源消費(fèi)產(chǎn)生的碳排放量較高。王敏等（2021）研究表明：能源碳排放強(qiáng)度下降總體減緩了青海省碳排放量的增長。此外，能源活動是黃河流域碳排放量的主要來源（表2），然而目前能源碳排放強(qiáng)度效應(yīng)對黃河流域能源消費(fèi)碳排放量的抑制作用并不顯著。這可能是由于黃河流域傳統(tǒng)高能耗產(chǎn)業(yè)占比仍較大，對產(chǎn)業(yè)結(jié)構(gòu)的有效調(diào)整形成了極大約束（陸大道和孫東琪，2019），因而能源結(jié)構(gòu)優(yōu)化升級對區(qū)域碳減排的優(yōu)勢和效益可能在短期內(nèi)難以有效凸顯。

3.3 基于空間維度的因素分解分析

為了更好地揭示黃河流域9省（區(qū)）在不同時段的碳排放特征及影響因素，本文從研究時段中提取了三個特征時段進(jìn)行分析，即2003 — 2004年（早期）、2010 — 2011年（中期）和2018 — 2019年（近期）。

3.3.1 人口規(guī)模因素的地區(qū)差異分析

人口規(guī)模效應(yīng)在黃河流域上、中、下游的碳排放量總體呈正向驅(qū)動作用（圖4，圖5a）。人口規(guī)模效應(yīng)僅在2003 — 2004年對黃河流域上游的碳排放量呈輕微抑制作用。人口規(guī)模效應(yīng)在四川由負(fù)向轉(zhuǎn)為正向，從2003 — 2004年的- 53.52 ×104t增至2018 — 2019年的26.13 ×104t。人口規(guī)模效應(yīng)在甘肅、內(nèi)蒙古和山西則由正向驅(qū)動作用轉(zhuǎn)為負(fù)向抑制作用。甘肅從2003 — 2004年的3.17 ×104t降至2018 — 2019年的- 10.25 ×104t，內(nèi)蒙古從2003 — 2004年的16.93 ×104t降至2018 — 2019年的- 75.90 ×104t，山西從2003 — 2004年的74.64 ×104t降 至2018 — 2019年 的- 40.32 ×104t。但 青海、寧夏、陜西、河南、山東的人口規(guī)模效應(yīng)均為正向驅(qū)動作用（圖5a）。特別是寧夏，人口增長導(dǎo)致寧夏碳排放從2003 — 2004年的22.93 × 104t增至2018 — 2019年的72.50 ×104t，表明寧夏的人口增長對碳排放有明顯的驅(qū)動作用。劉玉珂和金聲甜（2019）運(yùn)用LMDI分解法探索了中部六省能源消費(fèi)碳排放的影響因素及空間特征，同樣表明人口規(guī)模對其碳排放表現(xiàn)為正效應(yīng)。

圖4 黃河流域上、中、下游地區(qū)2003 — 2004年、2010 — 2011年、2018 — 2019年因素分解Fig. 4 Factor decomposition histogram in the upstream, midstream and downstream of the Yellow River Basin in 2003 — 2004,2010 — 2011 and 2018 — 2019

圖5 黃河流域9?。▍^(qū)）2003 — 2004年、2010 — 2011年、2018 — 2019年因素貢獻(xiàn)度Fig. 5 Factors contribution of 9 provinces (regions) in the Yellow River Basin in 2003 — 2004, 2010 — 2011 and 2018 — 2019

3.3.2 經(jīng)濟(jì)增長因素的地區(qū)差異分析

經(jīng)濟(jì)增長效應(yīng)對黃河流域上、中、下游的碳排放量呈正向驅(qū)動作用（圖4，圖5b）。從黃河流域各?。▍^(qū)）來看，經(jīng)濟(jì)增長效應(yīng)對黃河流域2003 — 2011年整體碳排放量的正向驅(qū)動作用不斷加強(qiáng)（圖5b），其中山西2003 — 2011年碳排放增量最大，由2290.03 × 104t增至3795.81 × 104t。另外，在2011 — 2019年，經(jīng)濟(jì)增長對黃河流域整體碳排放量的正向驅(qū)動作用有所下降，其中山西碳排放量由3795.81 × 104t降至1894.01 × 104t，減量最大。目前，經(jīng)濟(jì)發(fā)展對碳排放量呈正向驅(qū)動作用已成為學(xué)界普遍共識，本研究也支持這一結(jié)論，即黃河流域9?。▍^(qū)）的經(jīng)濟(jì)發(fā)展不利于抑制碳排放。3.3.3 能源消費(fèi)強(qiáng)度的地區(qū)差異分析

能源消費(fèi)強(qiáng)度效應(yīng)對黃河流域上、中、下游的碳排放量整體呈抑制作用（圖4，圖5c）。在黃河流域上游，能源消費(fèi)強(qiáng)度效應(yīng)僅在2018 — 2019年呈正向驅(qū)動作用。在黃河流域下游，能源消費(fèi)強(qiáng)度效應(yīng)僅在2003 — 2004年呈正向驅(qū)動作用。值得注意的是，能源消費(fèi)強(qiáng)度效應(yīng)在2018 — 2019年對下游的抑制作用最明顯，起到了有效減排作用（圖4，圖5c）。王長建等（2012）采用LMDI對山東1990 — 2009年的碳排放量進(jìn)行因素分析，也發(fā)現(xiàn)能源消費(fèi)強(qiáng)度對碳排放起負(fù)作用。從黃河流域各?。▍^(qū)）來看（圖5c），在2003 — 2019年，能源消費(fèi)強(qiáng)度效應(yīng)對青海、四川、甘肅、山西的碳排放均呈抑制作用，其中對青海和甘肅的抑制作用是增強(qiáng)的；而對陜西、河南、山東則由驅(qū)動作用轉(zhuǎn)為抑制作用，其中河南變化最大，由2003 — 2004年的1383.26 × 104t降 至2018 — 2019年 的- 2100.70 ×104t，抑制作用最明顯。這表明上述省份的能源消費(fèi)強(qiáng)度對環(huán)境更加友好。寧夏的能源消費(fèi)強(qiáng)度效應(yīng)則由抑制作用轉(zhuǎn)為驅(qū)動作用，即由2003 — 2004年的- 387.28 × 104t增至2018 — 2019年的103.79 ×104t；內(nèi)蒙古的能源消費(fèi)強(qiáng)度效應(yīng)由2003 — 2004年 的211.37 × 104t增 至2018 — 2019年 的1015.54 ×104t，驅(qū)動作用不斷加強(qiáng)；反映了寧夏和內(nèi)蒙古能源消費(fèi)強(qiáng)度的減排空間呈不斷縮減的現(xiàn)象。

3.3.4 能源碳排放強(qiáng)度的地區(qū)差異分析

能源碳排放強(qiáng)度效應(yīng)對黃河流域上游的碳排放量整體呈較小的抑制作用，對黃河流域中游和下游的碳排放量分別呈驅(qū)動和抑制作用（圖4，圖5d）。值得注意的是，能源碳排放強(qiáng)度效應(yīng)對下游碳排放量的抑制作用整體上逐漸減小，最強(qiáng)出現(xiàn)在2003 — 2004年。從黃河流域各?。▍^(qū)）來看（圖5d），在2003 — 2004年和2018 — 2019年，青海、四川、甘肅、寧夏、河南、山東的能源碳排放強(qiáng)度對碳排放量呈抑制作用，其中，山東碳排放量在該抑制作用下減少的最為明顯。對內(nèi)蒙古和山西則由驅(qū)動作用轉(zhuǎn)為抑制作用，其中山西變化最大，由384.73 × 104t降至- 57.01 ×104t。但2003 — 2019年，陜西的能源碳排放強(qiáng)度對碳排放量呈驅(qū)動作用。綜上，研究區(qū)能源碳排放強(qiáng)度效應(yīng)存在明顯的地區(qū)差異。

3.4 與區(qū)域內(nèi)外典型區(qū)域碳排放研究的對比分析

從本研究來看，2003 — 2019年黃河流域能源消費(fèi)碳排放量整體還未達(dá)到峰值，但已呈收斂趨勢（表3）。這與杜海波等（2021）基于黃河流域DMSP/OLS與NPP/VIIRS夜間燈光數(shù)據(jù)得出的結(jié)論一致。另外，無論是從省級尺度還是縣級尺度（莫惠斌和王少劍，2021），目前黃河流域已形成東高西低碳排放格局（圖2）。黃河流域9?。▍^(qū)）碳排放量總體呈下游＞上游＞中游的地理分異特征（圖1），表明流域內(nèi)部各?。▍^(qū)）碳排放量存在較大差異。而杜海波等（2021）的研究結(jié)果是中游＞下游＞上游，這可能是研究區(qū)劃和研究時段不一致造成的。目前，經(jīng)濟(jì)增長效應(yīng)對黃河流域碳排放的影響力最強(qiáng)已成為共識，但其他影響因素及影響程度則存在一定的爭議，如：杜海波等（2021）認(rèn)為碳排放持續(xù)增長的主要推動力是“GDP+”能源結(jié)構(gòu)、城鎮(zhèn)化水平與人口規(guī)模和能源強(qiáng)度與產(chǎn)業(yè)結(jié)構(gòu)，莫惠斌和王少劍（2021）認(rèn)為促進(jìn)碳排放量增加的因素有高公共支出、大經(jīng)濟(jì)規(guī)模、產(chǎn)業(yè)結(jié)構(gòu)、年輕人口結(jié)構(gòu)和高生活水平。在長江經(jīng)濟(jì)帶，平智毅等（2020）認(rèn)為經(jīng)濟(jì)增長對碳排放效率的提高存在空間溢出效應(yīng)，而環(huán)境規(guī)制強(qiáng)度、技術(shù)創(chuàng)新能力、產(chǎn)業(yè)結(jié)構(gòu)升級、能源消費(fèi)結(jié)構(gòu)和外商直接投資對長江經(jīng)濟(jì)帶碳排放效率產(chǎn)生負(fù)影響或在統(tǒng)計學(xué)上不顯著。綜合上述研究可以發(fā)現(xiàn)：不同的影響因素在流域各?。▍^(qū)）發(fā)揮的作用是不同的，量化黃河流域能源消費(fèi)產(chǎn)生的碳排放的影響因素及程度仍需利用多種方法進(jìn)行更深入的研究。

4 結(jié)論與建議

本文主要得出如下結(jié)論：（1）從時間上看，黃河流域2003 — 2019年的碳排放量整體呈增長趨勢，但增長幅度逐年收縮。經(jīng)濟(jì)增長效應(yīng)與能源消費(fèi)強(qiáng)度效應(yīng)分別是促進(jìn)和減緩黃河流域碳排放量增長的關(guān)鍵性因素；人口規(guī)模效應(yīng)對于碳排放量表現(xiàn)為正向驅(qū)動作用，但影響程度較?。荒茉刺寂欧艔?qiáng)度的抑制作用十分有限。（2）從空間上看，黃河流域9省（區(qū)）的碳排放量均呈逐年增長的趨勢，亦呈收斂趨勢，并呈下游＞上游＞中游的地理分異特征。人口規(guī)模效應(yīng)和經(jīng)濟(jì)增長效應(yīng)對黃河流域上、中、下游的碳排放量整體呈正向驅(qū)動作用。能源消費(fèi)強(qiáng)度效應(yīng)對黃河流域上、中、下游的碳排放量主要呈抑制作用。能源碳排放強(qiáng)度效應(yīng)對黃河流域中游的碳排放量呈正向驅(qū)動作用，而對黃河流域上、下游的碳排放量主要呈抑制作用。

基于上述結(jié)論，提出如下建議：（1）黃河流域上游地區(qū)要依托資源稟賦優(yōu)勢，大力發(fā)展風(fēng)能、電能和天然氣等清潔能源，逐步實現(xiàn)清潔化、低碳化發(fā)展。黃河流域中游地區(qū)的煤炭資源豐富，進(jìn)一步發(fā)展低碳環(huán)保技術(shù)，推動碳捕獲、利用與封存技術(shù)的應(yīng)用，降低能源的碳排放量。黃河流域下游地區(qū)應(yīng)利用好現(xiàn)有的工業(yè)基礎(chǔ)，進(jìn)一步研發(fā)和探索新材料、新技術(shù)等，加快產(chǎn)業(yè)轉(zhuǎn)型升級，推動產(chǎn)業(yè)低碳化發(fā)展。（2）黃河流域各?。▍^(qū)）在今后較長時期仍應(yīng)繼續(xù)通過適度控制人口數(shù)量來抑制由人口規(guī)模增長而帶來的能源消費(fèi)碳排放量的增加。

致謝：感謝審稿人和編輯對本文提出的寶貴修改意見。