EN中文

JOURNAL OF NATURAL RESOURCES >

2026 , Vol. 41 >Issue 2: 516 - 531

DOI: https://doi.org/10.31497/zrzyxb.20260212

Regular Articles

The contribution of ecosystem water supply services in the Qinghai section of the Yellow River Basin to hydropower-based carbon reduction in the Entire Basin

  • ZHANG Ting-jing , 1, 2 ,
  • SHAO Quan-qin , 1, 2 ,
  • DENG Li 3 ,
  • HE Tian 4 ,
  • GE Jin-song 5 ,
  • YANG Fan 6
Expand
  • 1. Key Laboratory of Terrestrial Surface Pattern and Simulation, Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 2. University of Chinese Academy of Sciences, Beijing 100049, China
  • 3. Qinghai Provincial Department of Ecology and Environment, Xining 810007, China
  • 4. School of Geoscience and Technology, Zhengzhou University, Zhengzhou 450001, China
  • 5. Qinghai Ecological Environment Planning and Environmental Protection Technology Center, Xining 810007, China
  • 6. School of Economics and Management, Zhejiang Ocean University, Zhoushan 316000, Zhejiang, China

Received date: 2025-05-19

  Revised date: 2025-10-21

  Online published: 2026-01-14

Fold

Abstract

Quantifying the transregional contribution of water supply services to hydropower production and carbon mitigation is of great practical significance. This study integrated runoff observations, statistical data, and model simulations to develop an assessment framework for the contribution of the Qinghai section's water supply services to hydropower carbon reduction. Then, we analyzed the contribution of water supply to downstream hydropower carbon reduction from 2000 to 2022. The results indicated that: (1) The long-term average water supply of the Qinghai section was approximately 98.9 mm. From 2000 to 2022, the water supply showed a significant increasing trend at a rate of 2.31 mm/a. (2) The average annual amount of hydropower carbon reduction in the Qinghai Basin was 32.88 million tons of CO2e, with Qinghai's contribution reaching 25.77 million tons of CO2e/a, accounting for approximately 78.4%. (3) In the main stem of the Yellow River outside Qinghai province, the long-term average hydropower carbon reduction was 24.43 million tons of CO2e/a, of which Qinghai's contribution amounts to 9.09 million tons CO2e/a, accounting for about 37.2%. From 2000 to 2022, this contribution exhibited a slight upward trend, increasing at a rate of 0.23 million tons CO2e/a. (4) The total carbon reduction from all the hydropower stations along the Yellow River mainstream was 57.31 million tons of CO2e/a, with Qinghai contributing 34.85 million tons of CO2e/a, representing 60.8%. From 2000 to 2022, Qinghai's contribution to hydropower carbon mitigation in the Yellow River Basin increased at a rate of 1.28 million tons CO2e/a. This study provided a theoretical reference for a better understanding of the comprehensive benefits of water supply service flows. It further suggested incorporating the indicator of "hydropower's contribution to carbon emission reduction" into the accounting indicator system for watershed ecological compensation, aiming to facilitate a win-win scenario between ecological protection and economic development.

Key words： Qinghai section of the Yellow River Basin; ecosystem services; water supply; contribution to hydropower carbon reduction

Cite this article

ZHANG Ting-jing , SHAO Quan-qin , DENG Li , HE Tian , GE Jin-song , YANG Fan . The contribution of ecosystem water supply services in the Qinghai section of the Yellow River Basin to hydropower-based carbon reduction in the Entire Basin[J]. JOURNAL OF NATURAL RESOURCES, 2026 , 41(2) : 516 -531 . DOI: 10.31497/zrzyxb.20260212

生态系统服务是指生态系统所形成并维持的人类赖以生存的自然环境条件与效用。作为连接生态系统和人类社会经济系统的桥梁和纽带，此概念自提出以来在地理学、生态学、经济学等领域的理论研究和管理实践中得到了广泛应用[1-5]。在所有生态系统服务中，水供给服务被认为具有最高价值，因其不仅直接为生活、工业和生态用水提供水源，还通过水流的形式为水电生产提供必要的水资源[6-8]。随着学界对生态系统服务供需错配认识的加深，“生态系统服务流”逐渐成为相关领域的研究热点[9-11]。由于水资源天然的流动性特征，水供给服务成为近年来生态系统服务流研究的焦点[12]。许多学者基于服务路径归因网络、矩阵分析和网络分析等方法尝试刻画了水供给服务的流动过程，并取得了良好的模拟结果[13-15]。例如，Li等[16]基于矩阵分析法构建了水供给服务流动模型，计算了2000—2010年中国京津冀地区水供给服务流，结果表明，京津冀地区大部分区域（69.2%）的水供给服务都受到上游淡水流的影响。然而，大多数研究仍着重于水供给服务流的过程模拟，对水供给服务流效益的关注有限，亟待进一步研究。
实现碳达峰碳中和，是中国为了积极应对气候变化、着力解决资源环境约束突出问题所作出的重大战略决策[17,18]。2021年中华人民共和国国务院《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》明确提出，要加快构建清洁低碳安全高效能源体系，坚持节能优先的能源发展战略。相较于目前其他主流的可再生能源例如风能和太阳能，水力发电一直是全球主要的可再生能源，占全球可再生能源装机容量的33%，对提高区域能源供应稳定性和实现“双碳”目标至关重要[19,20]。然而，从水供给服务流视角探究水供给服务对水电生产的跨区域效益的研究仍然较少。Ouyang等[21]对青海省生态系统生产总值（GEP）价值流动的研究表明，2015年青海省GEP对其他省份（自治区）的外溢价值达到70%，其中，青海省的水供给服务为下游省份（自治区）的水电生产提供了关键投入。因此，厘定水供给服务对水电生产和水能减碳的跨区域效益对深入理解生态系统服务流综合效益具有重要意义，并为跨区域生态补偿提供科学依据。
流域是水资源管理和生态保护的典型地理单元，科学厘定上游生态系统服务对下游的贡献程度，是协调流域上下游生态保护和经济发展之间关系的基础与关键[22]。黄河流域在中国经济社会发展和生态安全方面具有十分重要的地位。青海既是源头区，也是干流区，在黄河流域具有不可替代的战略地位。黄河青海流域多年平均出境水量达264.3亿m3，占全流域径流量的49.4%。其不仅为下游地区生产、生活和生态用水提供了水资源保障，同时也为黄河流域的水力发电和水能减碳作出了重要贡献[23]。因此，本文以黄河青海流域为主要研究区，基于水文监测、模型模拟等多源数据和方法构建黄河青海流域水能减碳贡献的核定框架，分析黄河青海流域水供给服务对下游地区水电生产和水能减碳的跨区域效益，为区域水资源管理和流域生态补偿提供参考。

1 研究方法与数据来源

1.1 研究区概况

黄河发源于青海省巴颜喀拉山脉北麓的约古宗列盆地，干流全长5464 km。黄河流域多年平均降水量为300~600 mm，多年平均径流量约580亿m3。草地、农田和森林生态系统是黄河流域最主要的生态系统类型，分别占黄河流域总面积的51.7%、34.9%和9.3%。黄河流域水力资源丰富，干支流水力资源理论蕴藏量为43312 MW，技术可开发装机容量34741 MW，年发电量1234亿kW·h。干流水力资源理论蕴藏量32827 MW，占黄河流域总蕴藏量的75.8%。目前黄河干流上有30余座大中型水电站，年均水力发电量超600亿kW·h（表1）。其中，有12座水电站位于青海省境内，其余18座水电站位于青海省外。青海省境内黄河干流总长度1694 km，占黄河总长的31%，多年平均出境水量占全流域径流量的49.4%，流域面积为15.23万km2（图1）。
表1 黄河干流水电站基本信息表

Table 1 Basic information of 30 hydropower stations of the Yellow River

序号 水电站名称 年均发电量/亿kW·h 开始运营时间/年 坝高/m 省（自治区）
1 班多水电站 14 2011 76 青海
2 龙羊峡水电站 60 1987 178 青海
3 拉西瓦水电站 102.23 2010 250 青海
4 尼那水电站 7.63 2003 43 青海
5 李家峡水电站 59 1997 155 青海
6 直岗拉卡水电站 7.62 2006 42.5 青海
7 康扬水电站 9.92 2007 128 青海
8 公伯峡水电站 51.4 2004 132 青海
9 苏只水电站 8.79 2006 51 青海
10 黄丰水电站 8.654 2013 16 青海
11 积石峡水电站 33.63 2010 101 青海
12 大河家水电站 5.591 2010 24 青海
13 寺沟峡水电站 9.74 2004 61 甘肃
14 刘家峡水电站 57 1974 147 甘肃
15 盐锅峡水电站 20.8 1961 57 甘肃
16 八盘峡水电站 11.2 1975 33 甘肃
17 河口水电站 3.85 2011 37 甘肃
18 柴家峡水电站 4.91 2007 33 甘肃
19 小峡水电站 9.56 2004 47 甘肃
20 大峡水电站 14.65 1996 72 甘肃
21 乌金峡水电站 6.83 2008 55 甘肃
22 沙坡头水利枢纽 6 2004 37 宁夏
23 青铜峡水电站 12.85 1967 42 宁夏
24 海勃湾水利枢纽 3.817 2014 16 内蒙古
25 万家寨水利枢纽 27.5 2000 90 山西
26 龙口水电站 13.02 2009 51 山西
27 天桥水电站 0.015 1977 23 山西
28 三门峡水利枢纽 17.1 1960 106 河南
29 小浪底水利枢纽 51 2002 154 河南
30 西霞院水利枢纽 5.83 2008 20 河南
图1 研究区概况

Fig. 1 Overview of the study area (Yellow River Basin)

1.2 数据获取

本文主要使用的数据包括土地利用/土地覆盖数据、气象数据、遥感数据以及其他统计数据。2000—2022年土地利用/覆盖数据来自欧洲航天局300 m空间分辨率陆地覆盖数据集（https://cds.climate.copernicus.eu/）。气象站点观测数据取自中国气象数据网地面气候数据日数据集（V3.0； http://data.cma.cn/）。2000—2022年0.1°空间分辨率降水量数据来自国家青藏高原数据中心（https://data.tpdc.ac.cn/），使用聚合平均法经重采样生成1 km空间分辨率降水量栅格数据集。主要干支流水文站径流量监测数据来自《黄河水资源公报》《黄河流域水文资料》和国家地球系统科学数据中心（https://www.geodata.cn/）。黄河干流30个水电站年发电量数据来自《黄河年鉴》。2000—2021年青海省表观CO2排放量统计数据来自中国碳核算数据库（https://ceads.net/）。

1.3 水文站缺失径流数据的差补方法

1.3.1 黄河流域各子流域产水量与径流量关系的建立

本文使用水文站的年径流量监测数据来表征各水电站的年径流量，水电站和对应监测水文站的信息如表2所示。综合考虑数据可用性、时段代表性等因素，本文选取2000年作为研究时段起点。对于部分水电站如班多水电站、公伯峡水电站、八盘峡水电站和河口水电站，以距离最近的干流水文测站径流量为基础，根据流域汇流关系使用相应子流域的径流量监测数据进行修正。对于缺乏径流量实测数据的年份，则根据2000—2022年产水量模拟结果与径流量的拟合关系对对应子流域的径流量进行估算。具体而言，基于利用InVEST模型估算的2000—2022年黄河流域产水量，提取具有水文观测数据的子流域产水量，建立子流域“产水量—径流量”的线性关系。利用“产水量—径流量”方程，估算没有水文观测数据的支流流域流入黄河的径流量。
表2 黄河干流各水电站与对应水文站信息表

Table 2 Information of hydropower stations and corresponding hydrological stations on the mainstream of the Yellow River

序号
 水电站名称 对应水文站 汇入支流
1 班多水电站 唐乃亥+上村 大河坝河
2 龙羊峡水电站 唐乃亥 —
3 拉西瓦水电站 贵德 —
4 尼那水电站 贵德 —
5 李家峡水电站 贵德 —
6 直岗拉卡水电站 贵德 —
7 康扬水电站 贵德 —
8 公伯峡水电站 贵德+同仁 隆务河
9 苏只水电站 循化三 —
10 黄丰水电站 循化三 —
11 积石峡水电站 循化三 —
12 大河家水电站 循化三 —
13 寺沟峡水电站 循化三 —
14 刘家峡水电站 小川 —
15 盐锅峡水电站 上诠 —
16 八盘峡水电站 上诠+民和+享堂 湟水、大通河
17 河口水电站 上诠+民和+享堂+红崖子 庄浪河
18 柴家峡水电站 兰州 —
19 小峡水电站 兰州 —
20 大峡水电站 兰州 —
21 乌金峡水电站 兰州 —
22 沙坡头水利枢纽 下河沿 —
23 青铜峡水电站 青铜峡黄三 —
24 海勃湾水利枢纽 石嘴山 —
25 万家寨水利枢纽 万家寨四 —
26 龙口水电站 河曲二 —
27 天桥水电站 府谷 —
28 三门峡水利枢纽 三门峡七 —
29 小浪底水利枢纽 小浪底二 —
30 西霞院水利枢纽 西霞院 —

1.3.2 黄河流域年产水量估算

本文利用InVEST模型年产水模块模拟黄河流域2000—2022年的年产水量。具体计算公式如下：
Y x = 1 - A E T x P x × P x
A E T x P x = 1 + P E T x P x - 1 + P E T x P x ω ( x ) 1 ω ( x )
式中： Y x 为栅格x的产水量（mm）； A E T ( x )、 P ( x )、 P E T ( x )和 ω ( x )分别为栅格x的实际蒸散量、降水量、潜在蒸散量和ω参数值。模型参数的计算和详细验证过程详见参考文献[24]。

1.4 水能减碳贡献核定方法

1.4.1 水力发电的径流量和水头贡献率的厘定方法

水电站的年水力发电量可以由下式进行估算[25]：
E = K Q H t
式中： E为水电站年发电量（kW·h）； K为出力系数，一般在8~8.6之间； Q为流量（m3/s）； H为工作水头（m），用坝高代替； t为发电时间（h）。考虑数据可获得性，且为简化核算过程，假设各水电站K值相同且在研究期间保持不变。在发电时间和出力系数一定的情况下，水力发电量主要由水头和径流量的大小决定。通过对数变换的方式厘定水头和径流量对水力发电量分别的贡献率，计算公式如下：
C q = l n Q / l n Q H
C h = l n H / l n Q H
式中： C q为径流量对水力发电的贡献率； C h为水头对水力发电的贡献率。其中，水头的贡献归于水电站的所在省份（自治区），径流量的贡献归于上游流域。需要指出的是，厘定二者贡献率的目标是为基于生态服务流的生态保护补偿提供科学依据。因此，有必要区分各省（自治区）对水力发电的贡献。其中，水电站所在的位置的贡献用水头这个参数来衡量，作为水电站所在省内单独的贡献；径流量是通过子流域汇集而来，通过衰减系数法来衡量上游对下游的贡献。因此，青海省内水力发电站水力发电的青海贡献率为径流量与水头之和（ C q+ C h），青海省外水力发电站水力发电的青海贡献率仅为径流量单独的贡献率（ C q）。

1.4.2 干流各水电站水力发电的黄河青海流域径流量贡献率核定方法

参考Ouyang等[21]的研究，本文使用径流量衰减系数法计算了黄河干流各水电站发电量中可归因于青海省水资源贡献的比例。具体而言，基于黄河干流青海省出省断面径流量以及径流衰减函数，使用黄河干流水电站与青海省出省断面之间的河流长度来估算黄河干流各水力发电站坝址以上流域年径流量的青海贡献。对于青海省内黄河干流的水力发电站，径流量主要由四川、甘肃入境流量和青海省内本身的径流量贡献，因此需要剔除四川、甘肃入境流量的贡献，其余为青海省贡献，具体计算公式如下：
W j Q 1 = W Q Y E 1 × ( 1 - 0.01 % ) l j 1
F j Q 1 = W j Q 1 W j T 1
F j Q 2 = 1 - F j Q 1
式中： W j Q 1为从黄河甘肃入境断面流入并通过水电站j的水量（m3/年）； W Q Y E 1为四川、甘肃黄河流域流入青海省的总水量（m3/年）；0.01%为黄河流域径流衰减经验系数，其值取自Ouyang等[21]的研究； l j 1为黄河甘肃入境断面到水电站j之间的河流长度（km）； F j Q 1为四川、甘肃入境流量对水电站j径流量的贡献率； F j Q 2为青海省对水电站j径流量的贡献率； W j T 1为通过水电站j的总径流量（m3/年）。
对于青海省外黄河干流水力发电站，径流量主要由四川、甘肃入境流量、青海省内本身径流量，以及黄河出青海省后黄河流域其他省份（自治区）径流量贡献，具体计算公式如下：
W j Q 2 = W Q Y E 2 × ( 1 - 0.01 % ) l j 2
F j Q 3 = W j Q 2 W j T 2
式中： W j Q 2为从青海省黄河流域流出并通过水电站j的水量（m3/年）； W Q Y E 2为青海省黄河流域流出省外（剔除甘肃、四川入境流量）的总水量（m3/年）； l j 2为黄河流出青海省到水电站j之间的河流长度（km）； F j Q 3为青海省对水电站j径流量的贡献率； W j T 2为通过水电站j的总径流量（m3/年）。

1.4.3 黄河流域水力发电和水能减碳的青海贡献核定方法

基于径流量和水头贡献的计算，黄河流域水力发电的青海贡献的核定公式如下：
P j Q 1 = P j × ( C q × F j Q 2 + C h )
P j Q 2 = P j × F j Q 3 × C q
式中： P j Q 1为青海省对青海省内水电站j水力发电的贡献量（kW·h/年）； P j Q 2为青海省对青海省外水电站j水力发电的贡献量（kW·h/年）； P j为水电站j的水力发电总量（kW·h/年）。
基于黄河干流各水电站青海贡献的发电量核算结果，按照现在火力发电行业的平均效率、排放量，计算使用火力发电生产相同电量所排放的二氧化碳当量，然后减去水力发电排放的二氧化碳，得到黄河流域青海贡献的二氧化碳减排量，计算公式如下：
E r e d u c e d ,   j = ( a i × P j Q - E w ) / 10000
式中： E r e d u c e d ,   j为青海省对水电站j贡献的CO2减排量（万t）； a i为第i个地区在计算火力发电碳排放时电网电量边际排放因子，采用中华人民共和国生态环境部发布的《2019年度减排项目中国区域电网基准线排放因子》文件中的参考值，其中华北地区（山西省、内蒙古自治区）、华中地区（河南省）和西北地区（青海省、甘肃省和宁夏回族自治区）分别为0.9419、0.8587和0.8922； P j Q为青海省对水电站j水力发电的贡献量（kW·h）； E w为水力发电排放量，本文取值为0。具体核定技术路线如图2所示。
图2 黄河青海流域水能减碳贡献的核定技术路线

Fig. 2 Technical roadmap for assessing the hydropower carbon reduction contribution in the Qinghai section of the Yellow River Basin

2 结果分析

2.1 2000—2022年黄河流域产水量时空动态

如图3所示，黄河流域产水量呈现西南和东部高、中北部低的空间格局，多年平均产水量约为40.8 mm。其中，黄河青海流域多年平均产水量为98.9 mm，远高于流域平均值。黄河青海流域产水量约占整个黄河流域总产水量的46.8%。2000—2022年，水供给量变化趋势的空间异质性显著。其中，最显著的增加出现在流域西南部和中南部，仅下游部分区域呈下降趋势。对产水量的变化趋势进行了显著性检验，增加趋势通过0.05显著性检验的面积占比23.1%，主要集中分布在黄河源区及黄河中游地区；减少趋势通过0.05水平显著性检验的面积较少。未通过显著性检验的区域面积占比为76.9%，广泛分布在黄河流域全境。在区域尺度上，黄河流域产水量整体呈现显著增加趋势（p<0.05），以0.81 mm/年的速率增加。其中，黄河青海流域产水量的增加趋势最为显著，以2.31 mm/年的速率增加。
图3 2000—2022年黄河流域产水量时空动态

Fig. 3 Spatiotemporal dynamics of water yield of the Yellow River Basin from 2000 to 2022

2.2 黄河流域水能减碳的多年平均青海贡献

2.2.1 黄河青海流域水力发电和水能减碳的青海贡献

黄河青海流域多年平均水力发电量为368.5亿kW·h/年（表3），其中青海水能资源贡献的发电量为288.8亿kW·h/年，占比约78.4%；四川和甘肃水能资源贡献的发电量为 79.7亿kW·h/年，占比约21.6%。在各水电站中，拉西瓦水电站水力发电的青海贡献量最大，为79.4亿kW·h/年；大河家水电站水力发电的青海贡献量最小，为4.4亿kW·h/年。黄河青海流域多年平均水能减碳量为3287.8万t CO2e/年，其中水能减碳的青海贡献量为2576.7万t CO2e/年，占比约78.4%；四川和甘肃的水能减碳贡献量为711.1万t CO2e/年，占比约21.6%。在各水电站中，拉西瓦水电站水能减碳的青海贡献量最大，为714.1万t CO2e/年；大河家水电站水能减碳的青海贡献量最低，为38.9万t CO2e/年。
表3 青海省对省内水电站发电量和水能减碳量的贡献率表

Table 3 Contribution rates of Qinghai to the provincial hydropower generation and hydropower-based carbon reduction

序号 水电站
名称		 与黄河甘肃入境断面
距离/km		 多年平均年发电量/亿kW·h 坝高对各水电站发电的贡献/% 径流量对各水电站发电量的贡献/% 青海贡献
青海 甘肃和四川 总和 发电量
/亿kW·h		 水能减碳量/万t
1 班多 194.7 14.1 22.0 54.9 23.1 76.9 10.8 96.8
2 龙羊峡 315.1 60.0 24.7 53.4 21.9 78.1 46.9 418.6
3 拉西瓦 342.9 102.2 25.5 52.2 22.3 77.7 79.4 714.1
4 尼那 359.9 7.6 19.3 57.9 22.8 77.2 5.9 52.6
5 李家峡 414.3 59.0 24.3 54.5 21.2 78.8 46.5 400.1
6 直岗拉卡 430.5 7.6 18.8 58.7 22.5 77.5 5.9 52.8
7 康扬 445.9 9.9 24.1 54.8 21.1 78.9 7.8 70.0
8 公伯峡 479.4 51.4 23.6 55.1 21.4 78.7 40.5 363.7
9 苏只 493.2 8.8 20.1 60.5 19.5 80.6 7.1 62.5
10 黄丰 512.2 8.7 15.3 61.5 23.2 76.8 6.7 59.5
11 积石峡 524.4 33.6 23.3 56.9 19.8 80.2 26.9 238.8
12 大河家 533.1 5.6 16.9 60.9 22.2 77.8 4.4 38.9

2.2.2 青海省境外黄河干流水力发电和水能减碳的青海贡献

青海省境外黄河干流多年平均水力发电量为273.8亿kW·h/年（表4），其中：青海水能资源贡献的发电量为102.7亿kW·h/年，占比约37.5%；甘肃、宁夏、内蒙古、山西和河南等省（自治区）水能资源贡献的发电量为171.1亿kW·h/年，占比约62.5%。在各水电站中，刘家峡水电站水力发电的青海贡献量最大，为28.1亿kW·h/年；海勃湾水利枢纽水力发电的青海贡献量最小，为1.3亿kW·h/年。青海省境外黄河干流多年平均水能减碳量为2443.1万t CO2e/年，其中水能减碳的青海贡献量为908.5万t CO2e/年，占比约37.2%；甘肃、宁夏、内蒙古、山西和河南等省（自治区）水能减碳贡献量为1534.6万t CO2e/年，占比约62.8%。在各水电站中，刘家峡水电站水能减碳的青海贡献量最大，为248.4万t CO2e/年；西霞院水利枢纽水能减碳的青海贡献量最小，为11.7万t CO2e/年。
表4 青海省对省外水电站发电量和水能减碳量的贡献率表

Table 4 Qinghai province's contribution rates to out-of-province hydropower generation and hydropower-based carbon reduction

序号 水电站名称 与黄河青海省出境断面
距离/km		 多年平均年发电量
/亿kW·h		 坝高对各水电站发电的
贡献/%		 径流量对各水电站发电量的贡献/% 青海贡献
青海 其他省
（自治区）		 发电量
/亿kW·h		 水能减
碳量/万t
1 寺沟峡 1.3 9.7 20.7 59.4 19.9 5.8 51.4
2 刘家峡 44.3 55.8 23.8 50.4 25.8 28.1 248.4
3 盐锅峡 76.3 16.7 20.3 49.4 30.3 8.2 73.3
4 八盘峡 91.8 11.0 18.1 45.3 36.6 5.0 44.2
5 河口 103.4 3.9 18.1 40.9 41.1 1.6 14.0
6 柴家峡 128.6 4.9 17.5 39.1 43.4 1.9 17.0
7 小峡 179.6 9.6 18.9 37.6 43.5 3.6 32.5
8 大峡 199.2 14.7 21.4 38.1 40.5 5.6 50.1
9 乌金峡 229.0 6.8 19.7 36.5 43.8 2.5 22.7
10 沙坡头 445.5 6.0 18.1 39.5 42.4 2.4 20.6
11 青铜峡 579.5 10.4 19.2 39.4 41.4 4.1 36.0
12 海勃湾 807.8 3.8 15.1 34.7 50.3 1.3 12.3
13 万家寨 1496.1 27.5 22.5 35.4 42.1 9.7 91.2
14 龙口 1519.4 13.0 19.9 35.2 44.9 4.6 42.5
15 天桥 1571.8 6.1 15.6 33.5 50.9 2.0 18.9
16 三门峡 2305.6 17.1 23.2 22.6 54.2 3.9 34.2
17 小浪底 2451.6 51.0 23.9 21.6 54.5 11.0 95.9
18 西霞院 2477.5 5.8 15.9 23.3 60.8 1.4 11.7

2.3 黄河流域水能减碳的青海贡献变化趋势

2.3.1 黄河流域水能减碳的青海贡献率变化趋势

整体上，黄河干流水电站坝址以上流域水能减碳的青海贡献率2022年现状低于多年均值（图4）。其中，23个水电站的青海贡献率现状低于多年均值，康扬水电站的变化率最大，相比多年均值减少了4.3%。黄丰水电站等7个水电站的青海贡献率现状高于多年均值。其中，海勃湾水利枢纽的变化率最大，相比多年均值增加了2.2%。研究期间，黄河干流青海段水力发电站坝址以上流域水能减碳青海贡献率整体呈现波动上升的趋势；2000—2010年，青海省内各水力发电站坝址以上流域水能减碳青海贡献率呈现增加的趋势，2011—2022年，青海省内各水力发电站坝址以上流域水能减碳青海贡献率呈现波动减少的趋势。黄河干流甘肃段水力发电站坝址以上流域水能减碳青海贡献率整体呈现较弱的波动减少趋势，以0.3%/年~0.7%/年的速率减少。宁夏段水力发电站坝址以上流域水能减碳青海贡献率整体呈现较弱的波动减少趋势，以0.36%/年的速率减少。内蒙古自治区内包括1座主要的水力发电站，为海勃湾水利枢纽。其发电时间较短，坝址以上流域水能减碳青海贡献率没有显著的变化趋势。山西段水力发电站坝址以上流域水能减碳青海贡献率整体呈现较弱的波动减少趋势，以0.36%/年的速率减少。河南段水力发电站坝址以上流域水能减碳青海贡献率整体呈现较弱的波动减少趋势，以0.15%/年的速率减少。
图4 黄河流域水能减碳的青海贡献率变化趋势

Fig. 4 Trend of Qinghai's contribution rates to hydropower-based carbon reduction in the Yellow River Basin

2.3.2 黄河流域水能减碳的青海贡献量变化趋势

2000—2022年，黄河干流30座水力发电站坝址以上流域水能减碳的青海贡献呈现增加的趋势，以127.9万t CO2e/年的速率增加（图5）。具体来看，2019年贡献量为历年峰值，各水力发电站水能减碳的青海贡献总量为4635.25万t CO2e；2003年贡献量为历年最低值，各水力发电站水能减碳的青海贡献总量为1074.04万t CO2e。青海省内水力发电站水能减碳的青海贡献也呈现增加的趋势，以105.06万t CO2e/年的速率增加。青海省外水力发电站水能减碳的青海贡献呈现微弱的增加趋势，以22.84万t CO2e/年的速率增加。2000—2005年，青海省外水力发电站的水能减碳青海贡献大于青海省内，2006年之后，青海省内水力发电站的水能减碳的青海贡献超过了青海省外，成为贡献总量增加的主导因素。其中，甘肃段水力发电站坝址以上流域水能减碳青海贡献平均值为662.28万t CO2e，整体呈现波动上升趋势，以10.69万tCO2e/年的速率增加；宁夏段水力发电站坝址以上流域水能减碳青海贡献平均值为65.62万t CO2e，整体呈现波动上升趋势，以1.28万t CO2e/年的速率增加；内蒙古段水力发电站坝址以上流域水能减碳青海贡献平均值为 15.68万t CO2e，未呈现显著的变化趋势；山西段水力发电站坝址以上流域水能减碳青海贡献平均值为147.11万t CO2e，整体呈现波动上升趋势，以4.45万t CO2e/年的速率增加。河南段水力发电站坝址以上流域水能减碳青海贡献平均值为191.45万t CO2e，整体呈现波动上升趋势，以5.49万t CO2e/年的速率增加。
图5 黄河流域水能减碳的青海贡献量变化趋势

Fig. 5 Trend of Qinghai's contribution to hydropower-based carbon reduction in the Yellow River Basin

3 结论与讨论

3.1 结论

本文针对黄河青海流域水供给服务对水电生产和水能减碳的跨区域效益如何这一科学问题，综合径流量监测数据、统计数据、模型模拟等数据/方法，构建了黄河青海流域水能减碳贡献的核定框架，在此基础上分析了黄河青海流域水供给服务对下游地区水能减碳的贡献，得出的主要结论如下：
（1）2000—2022年间，青海段多年平均产水量占全流域的46.8%，其对黄河流域水电减碳的贡献比例达60.8%，为青海省多年平均表观CO2年排放量的92.73%，并呈显著上升趋势。
（2）本框架有效弥补了以往研究在跨区域水供给服务流及其水能减碳效益耦合评估方面的不足，为流域尺度水—能—碳关系研究提供了新的分析路径。本文结果可为完善流域生态补偿政策提供量化支撑，提出了在考虑水量、水质的基础上，将“水电碳减排贡献”纳入流域生态补偿核算指标体系，以促进流域上下游间生态保护和经济建设的协调发展。
（3）未来研究应进一步结合季节性径流与水库调度特征，综合刻画年内水电减碳贡献的动态变化，以增加评估结果的准确性和可靠性。

3.2 讨论

越来越多的研究证明了水相关的生态系统服务流在提高跨区域社会经济效益和构建水生态安全格局中的重要作用[26-28]。本文基于多源遥感、水文监测和模型方法构建了黄河流域水能减碳的青海贡献评估框架，为深入理解水供给服务流综合效益提供了宝贵经验，并为流域生态补偿政策的实施提供新视角。例如，现有的水相关流域生态补偿标准大多考虑水量和水质，可考虑在此基础上增设“水电碳减排贡献”指标，根据水电碳减排贡献比例分配补偿资金。具体来说，下游水力发电和水能减碳的受益区应按照受益大小对上游地区予以经济补偿，这有助于提高上游地区生态系统水源涵养关键区域生态保护的积极性。同时，上游地区稳定的水资源供给也能进一步反馈于下游地区水力发电效益的提升以及“双碳”目标的推进，促进实现生态保护与经济发展的双赢。然而，本文在评估过程中使用了降水、气温、土地利用/覆被等遥感数据，不同数据由于本身数据精度、分辨率差异等原因，使水供给评估结果存在一定的不确定性。尽管尽可能地使用目前为止最先进的数据集并基于实测数据验证，未来研究仍需要通过改进模型、加强验证等提高数据精度、减少数据误差。此外，基于径流衰减法计算径流量贡献是一种基于经验性质的大尺度估算方法，河道径流损失还受到具体河道形态特征、泥沙特性等因素的影响[29]，且年尺度的评估并未考虑年内尺度上水力发电的季节性、水库调节效应对各水力发电站发电时间的复杂影响，未来研究仍需收集更详细的数据对其进行估算。

3.2.1 气候因素对水能减碳量的制约

相比水头、出力系数和发电时间，径流量是流域水力发电年际波动的主要影响因素[30,31]。由于研究期间水能减碳量的增加还受到水电站数量增加的影响，本文进一步统计了黄河干流2000年前开始发电的9个水电站水能减碳的青海贡献年际变化，以剔除水电站数量变化对水能减碳的影响。如图6所示，2000—2022年间，9个水电站水能减碳的青海贡献量呈现增加的趋势，表明了在该时段内气候变化对水力发电具有一定的积极影响。然而，由于降水量年际变化的不稳定性，其年际波动较大。其中水 能减碳的青海贡献2003年最低，为747.2万t CO2e，2019年最高，为2228.02万t CO2e，振幅达1480.8万t CO2e。因此，未来应进一步完善水文、气象监测网络，分析研究全球气候变暖对黄河源区冰川退缩、降水模式的影响，评估气候极端事件对黄河青海流域径流量及其对各水电站水力发电的影响[32]。同时，探索增强黄河青海流域水源涵养能力的生态保护和修复技术措施，为稳定黄河流域水能减碳的青海贡献量提供有力保障[33]。
图6 2000年前开始发电的9个水电站水能减碳的青海贡献量年际变化

Fig. 6 Interannual change of Qinghai's contribution to hydropower-based carbon reduction of the 9 hydropower stations commissioned before 2000

3.2.2 水能减碳对“双碳”目标的贡献

在“双碳”目标下，通过调整能源结构，不断提高清洁能源的发电占比，并最终实现以清洁能源为主导的能源体系是碳减排的关键途径[34,35]。本文通过估算青海省水供给对黄河流域水能减碳的贡献，在一定程度上表明了黄河青海流域水能资源在青海省“双碳”目标实现中的重要作用。根据中国碳核算数据库数据，青海省2000—2021年多年平均表观CO2排放量约为3758.62万t/年。2000—2022年黄河流域水能减碳的青海省贡献多年平均值为3485.23万t CO2e/年，为青海省多年平均表观CO2年排放量的92.73%，表明了水能资源在青海省实现“双碳”目标中的关键作用。其中，2019年黄河流域水能减排的青海贡献量已经“中和”了当年青海全省的CO2表观排放量（图7）。
图7 黄河流域水能减碳青海贡献与青海省CO2表观排放量年际变化

Fig. 7 Interannual variation of Qinghai's contribution to hydropower-based carbon reduction in the Yellow River Basin and Qinghai's apparent CO₂ emissions

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
COSTANZA R, DE GROOT R, BRAAT L, et al. Twenty years of ecosystem services: How far have we come and how far do we still need to go?. Ecosystem Services, 2017, 28: 1-16.

DOI

[2]
DE GROOT R S, ALKEMADE R, BRAAT L, et al. Challenges in integrating the concept of ecosystem services and values in landscape planning, management and decision making. Ecological Complexity, 2010, 7(3): 260-272.

DOI

[3]
李双成, 张才玉, 刘金龙, 等. 生态系统服务权衡与协同研究进展及地理学研究议题. 地理研究, 2013, 32(8): 1379-1390.

[LI S C, ZHANG C Y, LIU J L, et al. The tradeoffs and synergies of ecosystem services: Research progress, development trend, and themes of geography. Geographical Research, 2013, 32(8): 1379-1390.]

[4]
彭建, 胡晓旭, 赵明月, 等. 生态系统服务权衡研究进展:从认知到决策. 地理学报, 2017, 72(6): 960-973.

DOI

[PENG J, HU X X, ZHAO M Y, et al. Research progress on ecosystem service trade-offs: From cognition to decision-making. Acta Geographica Sinica, 2017, 72(6): 960-973.]

DOI

[5]
WU J G. Landscape sustainability science: Ecosystem services and human well-being in changing landscapes. Landscape Ecology, 2013, 28(6): 999-1023.

DOI

[6]
ASSESSMENT M E. Ecosystems and Human Well-Being:Synthesis. Washington, DC: Island Press, 2005.

[7]
王丹妮, 郭青云, 王志浩, 等. 生态系统水供给服务空间流动研究进展. 水土保持学报, 2022, 36(3): 1-8.

[WANG D N, GUO Q Y, WANG Z H, et al. Research progress on spatial flow of ecosystem water supply services. Journal of Soil and Water Conservation, 2022, 36(3): 1-8.]

[8]
D'ODORICO P, DAVIS K F, ROSA L, et al. The global food-energy-water nexus. Reviews of Geophysics, 2018, 56(3): 456-531.

DOI

[9]
WANG L J, ZHENG H, CHEN Y Z, et al. Systematic review of ecosystem services flow measurement: Main concepts, methods, applications and future directions. Ecosystem Services, 2022, 58: 101479, Doi: 10.1016/j.ecoser.2022.101479.

[10]
夏沛, 彭建, 徐子涵, 等. 生态系统服务流概念内涵与量化方法. 地理学报, 2024, 79(3): 584-599.

DOI

[XIA P, PENG J, XU Z H, et al. Conceptual connotation and quantification methods of ecosystem service flows. Acta Geographica Sinica, 2024, 79(3): 584-599.]

DOI

[11]
ZHANG H J, ZHANG H, LIU Y, et al. Accounting for ecosystem service flows in water security assessment: A case study of the Yiluo River Watershed, China. Applied Geography, 2024, 172: 103421, Doi: 10.1016/j.apgeog.2024.103421.

[12]
陈龙, 徐丽, 于名召, 等. 水生态系统服务流研究进展. 生态学报, 2025, 45(2): 1000-1012.

[CHEN L, XU L, YU M Z, et al. Research progress of water ecosystem service flows. Acta Ecologica Sinica, 2025, 45(2): 1000-1012.]

[13]
BAGSTAD K J, JOHNSON G W, VOIGT B, et al. Spatial dynamics of ecosystem service flows: A comprehensive approach to quantifying actual services. Ecosystem Services, 2013, 4: 117-125.

DOI

[14]
LIU J Y, QIN K Y, XIE G D, et al. Is the 'water tower' reassuring? Viewing water security of Qinghai-Tibet Plateau from the perspective of ecosystem services 'supply-flow-demand'. Environmental Research Letters, 2022, 17(9): 094043, Doi: 10.1088/1748-9326/ac8c57.

[15]
WANG Z Z, ZHANG L W, LI X P, et al. A network perspective for mapping freshwater service flows at the watershed scale. Ecosystem Services, 2020, 45: 101129, Doi: 10.1016/j.ecoser.2020.101129.

[16]
LI D L, WU S Y, LIU L B, et al. Evaluating regional water security through a freshwater ecosystem service flow model: A case study in Beijing-Tianjian-Hebei region, China. Ecological Indicators, 2017, 81: 159-170.

DOI

[17]
胡鞍钢. 中国实现2030年前碳达峰目标及主要途径. 北京工业大学学报: 社会科学版, 2021, 21(3): 1-15.

[HU A G.China's goal of achieving carbon peak by 2030 and its main approaches. Journal of Beijing University of Technology: Social Sciences Edition, 2021, 21(3): 1-15.]

[18]
赵荣钦, 黄贤金, 郧文聚, 等. 碳达峰碳中和目标下自然资源管理领域的关键问题. 自然资源学报, 2022, 37(5): 1123-1136.

DOI

[ZHAO R Q, HUANG X J, YUN W J, et al. Key issues in natural resource management under carbon emission peak and carbon neutrality targets. Journal of Natural Resources, 2022, 37(5): 1123-1136.]

DOI

[19]
IRENA. Renewable capacity statistics 2024. International Renewable Energy Agency, Abu Dhabi, 2024.

[20]
WU X T, YAN Z H, YANG H Y, et al. Ecological restoration in the Yellow River Basin enhances hydropower potential. Nature Communications, 2025, 16: 2566, Doi: 10.1038/s41467-025-57891-7.

DOI

[21]
OUYANG Z Y, SONG C S, ZHENG H, et al. Using gross ecosystem product (GEP) to value nature in decision making. PNAS, 2020, 117(25): 14593-14601.

DOI PMID

[22]
王健, 曹巍, 黄麟. 基于水供需服务流及外溢价值核算的太湖流域横向生态补偿机制. 生态学报, 2024, 44(3): 955-965.

[WANG J, CAO W, HUANG L. Horizontal payment for ecosystem services mechanism in Taihu Lake Basin based on water supply and demand service flow and spillover value accounting. Acta Ecologica Sinica, 2024, 44(3): 955-965.]

[23]
隋欣, 齐晔. 黄河流域青海片生态承载力动态评价. 生态学杂志, 2007, 26(3): 406-412.

[SUI X, QI Y. Dynamic assessment of ecological carrying capacity of Yellow River Basin in Qinghai province. Chinese Journal of Ecology, 2007, 26(3): 406-412.]

[24]
ZHANG T J, SHAO Q Q, HUANG H B. Understanding the efficiency and uncertainty of water supply service assessment based on the Budyko framework: A case study of the Yellow River Basin, China. Ecological Indicators, 2025, 173: 113395, Doi: 10.1016/j.ecolind.2025.113395.

[25]
《中国水力发电工程》编审委员会. 中国水力发电工程:工程地质卷. 北京: 中国电力出版社, 2000.

[ Editorial Committee of China Hydropower Engineering. Hydropower Engineering in China:Engineering Geology Volume. Beijing, China Electric Power Press, 2000.]

[26]
LIN J Y, HUANG J L, HADJIKAKOU M, et al. Reframing water-related ecosystem services flows. Ecosystem Services, 2021, 50: 101306, Doi: 10.1016/j.ecoser.2021.101306.

[27]
CHEN Z L, LIN J Y, HUANG J L. Linking ecosystem service flow to water-related ecological security pattern: A methodological approach applied to a coastal province of China. Journal of Environmental Management, 2023, 345: 118725, Doi: 10.1016/j.jenvman.2023.118725.

[28]
SUN S Q, LÜ Y H, FU B J. Relations between physical and ecosystem service flows of freshwater are critical for water resource security in large dryland river basin. Science of the Total Environment, 2023, 857: 159549, Doi: 10.1016/j.scitotenv.2022.159549.

[29]
丁磊. 黄河内蒙古段河道变迁和干流水量损失研究. 呼和浩特: 内蒙古农业大学, 2012.

[DING L. Research on channel shifting and water loss in the Inner Mongolia reach of the Yellow River. Hohhot: Inner Mongolia Agricultural University, 2012.]

[30]
STICKLER C M, COE M T, COSTA M H, et al. Dependence of hydropower energy generation on forests in the Amazon Basin at local and regional scales. PNAS, 2013, 110(23): 9601-9606.

DOI PMID

[31]
刘文琨, 罗增良, 周鹏程, 等. 气候变化下澜沧江流域径流及水电站发电能力预测. 人民长江, 2024, 55(8): 103-113.

[LIU W K, LUO Z L, ZHOU P C, et al. Prediction on runoff and hydropower generation capacity of Lancang River Basin under climate changes. Yangtze River, 2024, 55(8): 103-113.]

[32]
鲁帆, 杨姗姗, 严登华, 等. 气候—水文变化对水力发电的影响预估综述. 中国水利水电科学研究院学报(中英文), 2023, 21(4): 331-340.

[LU F, YANG S S, YAN D H, et al. A review on assessment of projected impacts of hydro-climatic change on hydropower potential. Journal of China Institute of Water Resources and Hydropower Research, 2023, 21(4): 331-340.]

[33]
王艳芬, 陈怡平, 王厚杰, 等. 黄河流域生态系统变化及其生态水文效应. 中国科学基金, 2021, 35(4): 520-528.

[WANG Y F, CHEN Y P, WANG H J, et al. Ecosystem change and its ecohydrological effect in the Yellow River Basin. Bulletin of National Natural Science Foundation of China, 2021, 35(4): 520-528.]

[34]
矫勇. “双碳”目标下大力推进水风光储一体化发展的现状与对策建议. 中国水利, 2025, (4): 1-6.

[JIAO Y. Current status and recommendations of promoting integrated development of water, wind, solar and storage energy under the "dual carbon" goal. China Water Resources, 2025, (4): 1-6.]

[35]
邓铭江, 明波, 李研, 等. “双碳”目标下新疆能源系统绿色转型路径. 自然资源学报, 2022, 37(5): 1107-1122.

DOI

[DENG M J, MING B, LI Y, et al. Pathways towards a cleaner energy system for Xinjiang under carbon peak and carbon neutrality goals. Journal of Natural Resources, 2022, 37(5): 1107-1122.]

DOI

Options
Outlines

/

〈 〉