面向可持续发展的超大型水电社会经济与环境均衡因子分析：以中国向家坝水电项目为实证

《Journal of Cleaner Production》：Factorial socio-economic and environmental equilibrium analysis of large-scale hydropower toward sustainable development: Evidence from the Xiangjiaba hydropower project, China

　　

• 开发了因子社会经济与环境均衡分析模型（FSEA）。• 量化了水电项目的经济与供应链碳效应。• 在水电的六项运营功能中，发电带来了最大的国内生产总值（GDP）收益。• 物质密集型和能源密集型行业主导了间接隐含碳排放。• 劳动力需求成为GDP变化的关键治理因素。

## 引言

人类活动和气候变化带来的能源与水资源危机被视为全球性问题。近年来，全球范围内建设了大量大型水电项目（LHP），以缓解这些问题（Nautiyal & Goel, 2020）。自20世纪80年代以来，中国的水电开发迅速加速，长江流域的三峡、乌东德、白鹤滩、溪洛渡和向家坝等项目即为代表（Li et al., 2022; Wen et al., 2023; Xie et al., 2016; Zhang et al., 2015; Zhu et al., 2022）。这些世界一流的大型水电项目已成为社会经济与环境（SEE）系统中的关键基础设施，通过水资源利用、清洁能源供应和防灾减灾支持可持续发展（Liu et al., 2025）。这一水电扩张嵌入在中国能源系统更广泛的低碳转型之中，绿色金融已被发现对此起到促进作用（Zhang et al., 2024），而可再生能源技术创新已被证明可以缓解能源贫困（Wu et al., 2024）。然而，大型水电项目的建设和运营也引发了一系列SEE挑战，包括区域生产网络的结构调整、劳动力与资本的再分配，以及通过供应链传递的间接环境压力。这些多维度的影响，加之所需的巨额资本和劳动力投入，凸显了进行综合影响评估的必要性，以支持决策者规划水电项目和区域发展战略。

此前，已有大量研究从多个角度对大型水电项目的影响进行了深入讨论。在大型水电项目的环境影响方面，Liu et al. (2020) 通过四个季节采集长江的水体和悬浮颗粒物样本，追踪了铬、镉、铅、砷和汞在长江—东海连续体中的输运与分布，从而评估了三峡工程（TGP）的影响。Li et al. (2020) 通过结合清单估算和生物地球化学建模的概念框架，评估了三峡工程蓄水前的温室气体排放，发现河流表面和淹没土地对基线排放的贡献相当，仅占下游碳输出的一小部分。Han et al. (2017) 采用联合极值阶段-流量和特定量水站的分析方法，考察了多个水利工程对长江中下游长期水位变化的单独和累积影响。一些学者也研究了大型水电项目的社会影响。例如，Peng et al. (2021) 回顾了大规模决策、政策改革和基础设施开发计划中社会稳定风险评估的关键决定因素、起源、评估方法和政策建议，并以乌东德水电项目为案例，通过模糊综合评估方法评估了土地征用和人口搬迁相关的社会稳定风险。Wilmsen & van Hulten (2017) 发表了一项罕见的长期追踪研究，关注三峡工程搬迁社区的生计轨迹，该研究强调了从业者在为大型水电项目设计和实施长期监测与评估方案时应仔细考虑的关键陷阱。Huang et al. (2018) 建立了基于反向传播神经网络的评估框架，以武江河流域梯级水电项目引发的搬迁为例，衡量被搬迁人口的可持续发展。He et al. (2018) 通过社会网络分析视角，识别了大型水利工程中威胁社会稳定的关键风险因素。Kittinger et al. (2009) 开展了一项联合研究，整合并批判性地评估了关于三峡工程生态和公共健康影响的现有文献。

此外，少数研究聚焦于大型水电项目的经济影响。Kahsay et al. (2015) 采用多区域、多部门可计算一般均衡（CGE）方法，估计了埃塞俄比亚复兴大坝对东尼罗河经济体的经济影响，结果显示该大坝在产生流域范围内经济收益和改善东尼罗河流域福利方面具有重要意义。Zheng et al. (2016) 基于投入产出因子分析，运用外部性理论识别了水电项目的外部性，并计算和分析了三峡工程的外部性，结果表明三峡工程具有多项显著的正外部性，其货币价值约为负外部性的五倍。Han et al. (2022) 开发了因子自顶向下影响评估模型，以评估三峡工程对长江经济带（YREB）的直接和间接影响，并识别塑造这些影响的因素及其相互作用。Huzita & Kayo (2021) 为评估木材和混凝土检查坝建设产生的局部经济效应，扩展了秋田县的最新投入产出表（IOT），结果显示木材检查坝的建设通过林业和木材行业的显著溢出效应，对当地经济产生了更显著的经济和就业影响。此外，一些学者也关注大型水电项目的综合影响。Yang et al. (1919) 使用耦合的基于主体的模型探索了气候变化和水坝开发的影响，结果主要显示上游地区的自然灾害风险对降水变化敏感。An et al. (2020) 开发了水电项目的多层评估框架，包含社会经济、环境、安全和公平四个一级指标，下设26个二级指标，评估结果表明所提出的评估框架及其配套模型显著降低了指标赋权中的主观偏差。Mulat & Moges (2014) 使用Mike Basin模拟模型评估了埃塞俄比亚复兴大坝在蓄水和运行阶段对阿斯旺高坝性能的潜在影响，结果表明埃塞俄比亚复兴大坝蓄水期间和蓄水后，阿斯旺高坝的年发电量将分别减少约12%和7%。总体而言，现有对大型水电项目的研究从不同角度考察了其SEE影响；然而，这些工作仍主要局限于单一维度或特定部门，限制了其对大型水电项目运行所关联的复杂SEE相互作用的综合理解能力。因此，需要建立一个综合分析框架来弥合这些差距并支持系统性的影响评估。

大型水电项目的运行关联着多项功能（如发电、防洪和抗旱），涉及众多社会经济部门；因此，水电运行所产生的直接影响（例如发电带来的电力输出增加）可能通过部门间的投入产出联系传播，并在上下游部门产生间接的SEE效应（例如刺激能源密集型制造业的增长以及因发电而增加的政府税收收入）。然而，大多数关于大型水电项目SEE效应的先前研究主要关注单一功能的直接影响，而通过跨经济各部门的供应链由多功能引发的间接效应的综合评估则受到有限关注。此外，治理大型水电项目绩效的多种因素（如劳动力需求变化、资本投资和税收）往往表现出复杂的相互依赖关系，而这些因素及其相互作用对间接SEE效应的影响尚未得到系统分析。

因此，本研究的目标是开发一个因子社会经济与环境均衡分析（FSEA）模型，该模型将细化的CGE框架与多级因子分析（FA）相结合，以研究大型水电项目的间接效应，以及关键影响因素及其相互作用的影响。然后将所提出的FSEA模型应用于向家坝水电项目（XJB）——全球最大大型水电项目之一，提供其全经济体经济和供应链碳效应的功能级评估。具体而言，该目标包括：(a) 建立2017年长江经济带（YREB）的细化投入产出表（其中向家坝的效益分为六类，包括水电发电、灌溉、供水、旅游、航运和水利管理）以及相关的社会核算矩阵；(b) 在研究系统的一般均衡框架内启动大型水电模块，以实现对向家坝对长江经济带直接影响（如发电、灌溉、供水、旅游、航运和水利管理）的分析；(c) 通过深入分析各下游部门对上游扰动（或直接影响）在总产出、增加值和就业方面的分别及交互响应，揭示通过供应链传递的向家坝间接效益；(d) 通过开发多级FA模块，研究多种影响因素（如与水电运行相关的劳动力/资本需求和税收）及其相互作用的影响。总体而言，本研究将有助于为多功能评估和基于供应链的影响评估提供定量证据，支持面向功能的大型水电项目政策制定，并为长江经济带以外的大型水电项目治理提供信息参考。

## 研究片段

### 因子社会经济与环境均衡分析模型的开发

FSEA模型的开发旨在考察区域SEE系统内大型水电项目的间接经济和供应链碳效应。图1展示了FSEA模型的开发框架（以水电发电功能为例），该框架由四个核心程序组成：(i) 在一般均衡框架内开发大型水电模块，将向家坝的多功能性分解为劳动力、资本和税收冲击；(ii) 识别直接和间接效应

### 向家坝的间接效应

图3a展示了2017年向家坝对长江经济带宏观经济指标的贡献。向家坝带来约180.9亿元的GDP增长，占2017年长江经济带总GDP（368424.5亿元）的约0.49‰，按2017年汇率约合27亿美元（Exchange Rates UK, 2026）。长江经济带涵盖上海（SH）、江苏（JS）、浙江（ZJ）、安徽（AH）、江西（JX）、湖北（HB）等11个省和市。

### 主要发现

主要发现总结如下：(i) 在宏观层面，向家坝的运行与GDP的正面但温和增长相关联（2017年长江经济带GDP增长180.9亿元），而财政响应更为显著，在本研究采用的投资驱动型闭合假设下，间接收益主要归于公共财政账户而非企业。(ii) 部门效应是结构性的而非均匀的。劳动力需求主要上升于服务行业和……

## 结论

本研究开发了一个FSEA模型，以研究大型水电项目的全经济体间接经济和供应链碳效应，以及关键影响因素及其相互作用的详细角色。应用于中国向家坝项目，FSEA能够：(1) 在研究系统的一般均衡框架内开发大型水电模块，以实现对向家坝对长江经济带间接经济和供应链碳效应的分析；(2) 识别向家坝的间接效益……

## CRediT作者贡献声明

Wang Nan：撰写—初稿、可视化、验证、软件、方法学、调查研究、正式分析、数据管理、概念化。Guohe Huang：撰写—审阅与编辑、监督、资源获取、项目管理、资金获取。Mengyu Zhai：撰写—审阅与编辑、方法学、数据管理。Yanyan Liu：撰写—审阅与编辑、方法学、数据管理。Lijun Lin：撰写—审阅与编辑。

## 利益冲突声明

作者声明不存在已知的竞争性经济利益或个人关系可能影响本文所报告的工作。

## 致谢

本研究由加拿大自然科学与工程研究委员会和MITACS资助。我们也非常感谢编辑和匿名审稿人的有益建议。

Wang Nan | Guohe Huang | Mengyu Zhai | Yanyan Liu | Lijun Lin