东盟低碳发展路径：一种综合方法框架

《Energy》：ASEAN Low-Carbon Development Pathways: An Integrated Methodological Framework

　　摘要：随着气候变化日益严重，东南亚国家联盟（东盟）面临着巨大的二氧化碳排放压力以及极端天气事件带来的风险。虽然以往的研究已经探讨了区域内的二氧化碳排放及其驱动因素，但各国应对气候风险并实现低碳目标的路径仍不明确。本研究结合历史归因分析（对数平均迪维西亚指数模型）、年度脱钩分析（塔皮奥脱钩模型）以及多情景预测模型（基于人口、富裕程度和技术的随机影响回归模型），构建了一个涵盖“历史-现状-未来”的综合评估框架，同时纳入了关键驱动因素和极端气候冲击。由于数据限制，情景预测仅涵盖了八个成员国，时间范围为2023年至2050年。研究结果表明，在采取最大力度减缓措施的情况下，这些国家在极端天气条件下仍能实现较低的二氧化碳排放增长趋势。我们的研究结果为在东盟制定具有针对性、可量化且可动态调整的低碳政策提供了有力支持，同时也为面临类似挑战的发展中经济体提供了一种可借鉴的分析范式。

引言：减少二氧化碳排放并推动低碳发展已成为应对气候变化和实现可持续发展的重要任务。然而，低碳转型的进展并不均衡。尽管发达经济体的二氧化碳排放强度已经下降[1]，其中一些国家还实现了二氧化碳排放与经济增长之间的脱钩[2]，但像东南亚国家联盟这样的快速工业化地区仍处于高碳排放轨迹上，面临着经济增长与气候目标之间的双重挑战[3]、[4]、[5]、[6]。作为增长最快的经济体之一，东盟预计到2030年的年均经济增长率将超过5%，成为全球第四大经济体。从2000年到2022年，能源需求导致该地区的二氧化碳排放量增长了78.39%[7]。尽管东盟设定了到2025年将可再生能源占比提高到14%，并将能源强度较2005年水平降低24%的目标[7]，但各成员国的二氧化碳排放量仍在上升（见图1）。这种二氧化碳排放路径的差异表明，发达经济体中观察到的排放与经济增长之间的关系可能无法直接应用到发展水平较低的经济体上。更为紧迫的是，作为全球最易受气候影响的地区之一，东盟正经历着越来越频繁的极端天气事件，如热浪、干旱和洪水[8]，这些事件扰乱了能源供应，破坏了基础设施，增加了对化石燃料的依赖，从而制约了GDP的增长和低碳转型进程。那些气候适应能力较低的国家，如越南（ND-Gain值为46.5）和印度尼西亚（ND-Gain值为46.0），面临着严重的气候干扰和不断上升的二氧化碳排放量；而新加坡（ND-Gain值为71.1）则拥有较为稳定的能源系统，22年间二氧化碳排放量仅增长了8.86%（见图2）。不断上升的二氧化碳排放进一步加剧了气候恶化，形成了一个阻碍低碳转型的恶性循环，这凸显出需要探索能够兼顾经济增长与环境可持续性的低碳发展路径。关于如何平衡二氧化碳排放与经济发展的问题，学术界早已展开研究。经济合作与发展组织在2022年将脱钩模型引入环境经济学领域，该模型系统地描述了经济增长与环境污染之间的关系[9]。塔皮奥脱钩模型因其简单性和可解释性，被广泛用于多尺度[11]、[12]、[13]、[14]、[15]以及多行业[16]、[17]、[18]的分析中，但它无法确定二氧化碳排放的具体驱动因素，从而限制了其在政策制定中的应用价值。分解分析通过量化不同因素的贡献来弥补这一缺陷，包括指数分解分析、结构分解分析以及生产分解分析[19]。对数平均迪维西亚指数作为一种指数分解分析方法，因其高精度、灵活性以及无残差的特点而广受认可[20]，非常适合用于跨国家的长期二氧化碳驱动因素分析，也是本研究的核心方法[21]、[22]。目前关于东盟排放量的LMDI研究要么关注整个区域，要么只针对部分成员国。但由于各国经济水平和能源系统的差异，不同排放驱动因素的贡献度存在很大差别。近期研究显示，不同地区和行业的排放模式及效率演变存在显著差异[23]、[24]、[25]，这凸显出在低碳转型分析中考虑具体背景特征的重要性。近年来，学者们开始将分解模型和脱钩模型与预测模型相结合，利用长时能源替代规划模型、自回归积分滑动平均模型以及基于人口、富裕程度和技术的随机影响回归模型等工具，探索低碳发展路径[26]、[27]、[28]。为了能够在极端气候冲击下进行历史分解和未来情景分析，本研究采用了STIRPAT模型。与在东盟长期能源预测中广泛应用的自下而上核算模型不同，STIRPAT提供了一种自上而下的计量经济框架。其核心变量与LMDI分解结果相契合，便于将历史归因分析与未来预测无缝整合。此外，该模型还可以通过向关键宏观经济变量施加冲击来模拟极端气候事件，从而有助于评估与气候相关的社会经济风险[34]。目前关于东盟二氧化碳排放驱动因素、脱钩状况及未来排放预测的研究仍存在一些局限性。首先，大多数研究要么将东盟作为一个整体来研究，要么只关注部分成员国，忽视了各国在经济水平、人口、产业结构、能源系统以及政策环境方面的巨大差异。因此，各国在低碳转型路径上的重要差异尚未得到充分探讨。其次，LMDI模型仅适用于二氧化碳排放驱动因素的历史分解，无法用于预测未来的二氧化碳排放趋势。第三，大多数TD模型的应用都是在整个研究观察期内评估脱钩状况，难以了解转型动态中的短期波动情况。最后，STIRPAT模型通常假设社会经济状况相对稳定，很少考虑极端气候冲击对经济增长、能源需求以及减缓措施效果的可能影响。在东盟面临日益严峻的气候不确定性背景下，这一局限性可能导致长期二氧化碳排放预测过于乐观或不够稳健。总之，这些局限性限制了现有研究系统地分析国家差异、不断变化的脱钩动态以及气候相关不确定性如何共同影响东盟各国的低碳转型路径。除了上述不足之外，学界对于这种差异性的理论含义关注较少，尤其是新兴的东盟经济体是遵循相似的转型模式，还是因为能源结构和发展路径的差异而呈现不同的发展轨迹，这一问题也亟待研究。为了了解东盟的脱碳进程，有必要研究各国具体的转型机制。因此，本研究通过一个涵盖“过去-现在-未来”的综合评估框架，探讨东盟各国之间存在的差异化的低碳转型路径。具体而言，本研究：（1）通过LMDI模型识别东盟十国在二氧化碳排放驱动因素方面的国家间差异，揭示能源结构、能源强度、经济增长以及人口动态在影响二氧化碳排放变化中的相对重要性，从而分析各国不同的脱碳机制；（2）通过逐年应用TD模型，捕捉各国在脱钩绩效方面的差异，识别东盟十国在转型过程中的短期波动情况；（3）通过将周期性气候事件纳入未来情景分析，评估极端气候冲击下低碳转型路径的稳定性，为制定具有气候适应性的脱碳策略提供依据。通过系统分析二氧化碳排放驱动因素、年度脱钩绩效以及未来排放趋势，本研究揭示了各国在低碳转型路径上的差异性，为针对东盟各国制定差异化的减缓策略提供了实证依据。这一综合视角有助于评估当前的减缓努力以及各国自主确定的减排目标，同时也为东盟及其他面临类似挑战的发展中经济体制定具有本地化特点且具备灵活调整能力的低碳策略提供了参考。

LMDI方法：为揭示由于发展水平差异导致的东盟各国二氧化碳排放的异质性，我们使用LMDI模型来分解这些因素对二氧化碳排放的不同贡献。我们扩展了卡亚恒等式，并运用指数分解分析方法来分析东盟地区二氧化碳排放的驱动因素[40]。因此，二氧化碳排放量被分解为四个驱动因素：居民人口、人均GDP、能源消耗强度以及能源结构强度。所使用的公式为：二氧化碳排放量分解。因素分解的结果见表4（详细内容见表S1）。从2000年到2022年，东盟地区的二氧化碳排放量增加了991.89百万吨，其中印度尼西亚贡献了39.87%，越南为24.64%，马来西亚为12.85%，这三国合计占了总排放量的77.36%，而柬埔寨、老挝、缅甸和文莱等较小经济体仅占5.23%，这表明区域内大型经济体在二氧化碳排放中起着主导作用。经济效应和人口效应是其中最主要的驱动因素。

结论：本研究通过LMDI模型准确地将历史时期的二氧化碳排放变化归因于经济、人口、能源强度以及能源结构等因素，通过TD模型把握了各国经济增长与二氧化碳排放之间的宏观关系，又通过STIRPAT模型预测了多种情景下的未来二氧化碳排放趋势，从而全面揭示了各国在低碳转型过程中的差异性：首先，经济发展和人口增长是推动二氧化碳排放增长的主要因素。

作者贡献声明：李丰婷：撰写——审阅与编辑、验证、监督、正式分析。李霞：软件、方法论、正式分析。田莎莎：撰写——初稿、软件、方法论、正式分析、概念构建。高耿宇：撰写——审阅与编辑、方法论、正式分析。丁一辉：撰写——审阅与编辑、验证、软件。

未引用参考文献：[58]。

利益冲突声明：作者声明没有已知的财务利益或个人关系可能影响本文的研究工作。

数据可用性：数据将应要求提供。

利益冲突声明：作者再次声明没有已知的财务利益或个人关系可能影响本文的研究工作。

致谢：本研究未获得公共部门、商业机构或非营利组织任何资助机构的特定资助。同时，我们要感谢Editage（www.editage.cn）提供的英文编辑服务。

田莎莎|高耿宇|丁一辉|李霞|李丰婷
中国上海，同济大学环境科学与工程学院，污染控制与资源再生国家重点实验室，邮编200000