劉 婷 白宏濤 徐 鶴

(南開(kāi)大學(xué)環(huán)境科學(xué)與工程學(xué)院，天津 300350)

中國(guó)典型區(qū)域含電力消費(fèi)的碳排放驅(qū)動(dòng)因素分解*

劉 婷 白宏濤 徐 鶴#

(南開(kāi)大學(xué)環(huán)境科學(xué)與工程學(xué)院，天津 300350)

碳排放驅(qū)動(dòng)因素分解是實(shí)現(xiàn)碳減排路徑的重要工具,目前碳排放驅(qū)動(dòng)因素分解研究主要針對(duì)直接碳排放，忽略了區(qū)域間碳轉(zhuǎn)移問(wèn)題，尤其是電力消費(fèi)引起的碳排放轉(zhuǎn)移。為保障區(qū)域碳排放責(zé)任公平，促進(jìn)各區(qū)域均衡發(fā)展，構(gòu)建了一種面向區(qū)域公平發(fā)展的混合碳排放估算方法，并以北京市、廣東省、山西省、河南省為典型案例，分別測(cè)算了4區(qū)域1995—2013年包含電力消費(fèi)的碳排放。在此基礎(chǔ)上，運(yùn)用對(duì)數(shù)平均分解指數(shù)(LMDI)模型分析了經(jīng)濟(jì)發(fā)展水平、人口規(guī)模、能源效率、能源結(jié)構(gòu)及電力結(jié)構(gòu)對(duì)各省市碳排放的貢獻(xiàn)。結(jié)果表明，經(jīng)濟(jì)發(fā)展水平與能源效率分別是各區(qū)域碳排放增長(zhǎng)的最大拉動(dòng)因素及最大抑制因素，其余因素影響并不明顯，且區(qū)域不同因素的影響存在一定差異。

碳排放 對(duì)數(shù)平均分解指數(shù)模型 驅(qū)動(dòng)因素 電力消費(fèi)

我國(guó)在巴黎氣候峰會(huì)上做出二氧化碳減排承諾，此舉對(duì)于減緩全球氣候變化具有重要意義，同時(shí)也意味著中國(guó)在未來(lái)一段時(shí)間將面臨巨大的碳減排壓力。碳排放驅(qū)動(dòng)因素分解是尋求碳減排途徑的重要工具，其中對(duì)數(shù)平均分解指數(shù)(LMDI)模型是進(jìn)行碳排放驅(qū)動(dòng)因素分解的重要方法。目前，許多研究學(xué)者運(yùn)用LMDI模型針對(duì)不同地域范圍及不同行業(yè)[1-15]的直接碳排放進(jìn)行了驅(qū)動(dòng)因素分解的相關(guān)研究，分析了經(jīng)濟(jì)發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)、能源結(jié)構(gòu)、能源效率等影響因素對(duì)碳排放的影響。研究發(fā)現(xiàn)，經(jīng)濟(jì)發(fā)展對(duì)碳排放具有明顯的拉動(dòng)作用，而能源效率對(duì)抑制碳排放增長(zhǎng)的貢獻(xiàn)最大，其余影響因素因地域及行業(yè)的不同存在一定差異。以上研究均深入剖析了碳排放驅(qū)動(dòng)因素，為制定全國(guó)及區(qū)域?qū)用嫣紲p排政策奠定了堅(jiān)實(shí)的理論基礎(chǔ)，但這些研究在核算區(qū)域碳排放時(shí)均只核算了區(qū)域的直接碳排放，未能科學(xué)考慮區(qū)域間的碳轉(zhuǎn)移問(wèn)題，用以核定區(qū)域碳減排責(zé)任有失偏頗。此外，受我國(guó)投入產(chǎn)出表更新時(shí)長(zhǎng)的限制，所得數(shù)據(jù)難以支撐1995—2013年每年區(qū)域間的碳轉(zhuǎn)移量核算?？紤]到我國(guó)電力生產(chǎn)與消費(fèi)的空間差異性、電力消費(fèi)在全國(guó)及各區(qū)域的占比增加以及區(qū)域電力消耗數(shù)據(jù)的易得性，本研究采用了一種面向區(qū)域公平發(fā)展的混合碳排放(均以二氧化碳的排放量計(jì))估算方法，對(duì)區(qū)域包含電力消費(fèi)的碳排放進(jìn)行了測(cè)算，將碳排放測(cè)算分為電力消費(fèi)碳排放及非電力生產(chǎn)的直接碳排放分別核算。為進(jìn)一步探究各驅(qū)動(dòng)因素對(duì)區(qū)域碳排放的貢獻(xiàn)，運(yùn)用LMDI模型對(duì)區(qū)域碳排放進(jìn)行了深層次的驅(qū)動(dòng)因素分解，并將電力結(jié)構(gòu)納入影響因素范圍。

1 模型構(gòu)建及數(shù)據(jù)來(lái)源

1.1 模型構(gòu)建

(1) 區(qū)域碳排放測(cè)算模型構(gòu)建

現(xiàn)有的區(qū)域碳排放核算多采用政府間氣候變化專門(mén)委員會(huì)(IPCC)推薦的核算方法。此種碳排放核算方法對(duì)區(qū)域碳排放核算有一定的適用性，但未能科學(xué)考慮電力消費(fèi)引起的間接碳排放，將電力碳排放完全歸咎于生產(chǎn)者，這對(duì)于電力調(diào)出地區(qū)(如山西省等)并不公平。近年來(lái)隨著能源結(jié)構(gòu)的調(diào)整，電力在能源消費(fèi)中的占比越來(lái)越大，電力消費(fèi)碳排放的占比也逐漸增大，電力消費(fèi)產(chǎn)生的碳排放不容忽視。

基于保障區(qū)域碳排放責(zé)任公平的原則，根據(jù)IPCC碳排放核算方法，參考BAI等[16]的相關(guān)研究，提出了一種面向區(qū)域公平發(fā)展的混合碳排放估算方法，將碳排放量分為本地非電力生產(chǎn)的直接碳排放量及電力消費(fèi)間接碳排放量，即：

(1)

式中：C為區(qū)域碳排放量，t；Ed為區(qū)域電力終端消費(fèi)量與電力損失量之和，kW·h；rd為全國(guó)電力消費(fèi)平均等效碳排放系數(shù)，即消耗單位電力排放的二氧化碳的量，t/(kW·h)；Ei為區(qū)域第i種化石能源的非電力消耗量，t；fi為第i種化石能源的標(biāo)準(zhǔn)煤折算系數(shù)；ηi為第i種化石能源的燃燒氧化率，%；α為標(biāo)準(zhǔn)煤能源轉(zhuǎn)化系數(shù)，TJ/t；EFi為第i種化石能源消耗的碳排放系數(shù)，即消耗單位熱量的第i種化石能源排放的二氧化碳量，t/TJ。

式(1)中，Ei包括終端消費(fèi)量、供熱能耗與損失量之和，γd為全國(guó)火電生產(chǎn)的碳排放量與全國(guó)發(fā)電量的比值。我國(guó)電力生產(chǎn)主要由火電、風(fēng)電、水電及核電組成，除火電消耗化石燃料為高碳排放過(guò)程外，其余發(fā)電方式均依靠清潔能源。雖然在清潔能源發(fā)電過(guò)程中設(shè)備運(yùn)行也需消耗燃料產(chǎn)生二氧化碳，但此部分碳在能源終端消費(fèi)過(guò)程中已進(jìn)行核算，為避免重復(fù)計(jì)算，本研究假定風(fēng)電、水電及核電發(fā)電過(guò)程為零碳排放過(guò)程。因此，電力生產(chǎn)碳排放可近似等同于火電發(fā)電的碳排放，在計(jì)算全國(guó)電力生產(chǎn)碳排放時(shí)，計(jì)算全國(guó)火電電力消費(fèi)碳排放即可。

受資源稟賦及其他原因的限制，我國(guó)區(qū)域電力生產(chǎn)與消費(fèi)的地理空間分布具有較大差異；我國(guó)各區(qū)域電力生產(chǎn)結(jié)構(gòu)也存在一定差異，南方水電比例遠(yuǎn)高于北方地區(qū)；此外，我國(guó)電力消費(fèi)并未實(shí)行統(tǒng)一調(diào)配，區(qū)域間存在大規(guī)模的電力調(diào)配?；谝陨显?，在現(xiàn)有技術(shù)水平及統(tǒng)計(jì)體系之下，難以核算各區(qū)域電力消費(fèi)碳排放。因此，本研究假定全國(guó)電力實(shí)行統(tǒng)一調(diào)配，各區(qū)域電力碳排放系數(shù)均采用全國(guó)平均水平。

(2) 區(qū)域碳排放測(cè)算模型不確定性分析

構(gòu)建的測(cè)算模型不確定性主要來(lái)源于兩個(gè)假設(shè)：一是假定風(fēng)電、水電及核電發(fā)電過(guò)程為零碳排放過(guò)程，將電力生產(chǎn)的碳排放近似等同于火電發(fā)電的碳排放，使區(qū)域碳排放核算結(jié)果較實(shí)際結(jié)果整體偏??；二是假設(shè)全國(guó)電力實(shí)行統(tǒng)一調(diào)配，各區(qū)域電力碳排放系數(shù)均采用全國(guó)平均水平，未能充分考慮不同區(qū)域間碳排放系數(shù)的差異性。

(3) 驅(qū)動(dòng)因素分解模型構(gòu)建

目前，在碳排放領(lǐng)域主要的影響因素分解方法有指數(shù)分解分析(IDA)方法以及結(jié)構(gòu)分解分析(SDA)方法。IDA方法中的LMDI模型由于具有無(wú)殘差，適用范圍廣等特點(diǎn)，被廣泛應(yīng)用于碳排放驅(qū)動(dòng)因素分解的相關(guān)研究中[17]，本研究根據(jù)LMDI模型[18-19]構(gòu)建了我國(guó)區(qū)域碳排放因素分解模型。

根據(jù)所選取的數(shù)據(jù)及相關(guān)衡量指標(biāo)，可將碳排放進(jìn)行如下分解：

(2)

式中：Cj為第j種能源燃燒產(chǎn)生的碳排放量，t；Ej為第j種能源的消費(fèi)量，t；E為能源消費(fèi)總量，t；GDP為國(guó)內(nèi)生產(chǎn)總值，億元；P為人口數(shù)量，億人，表征人口規(guī)模；Fj為消耗單位第j種能源排放的二氧化碳量，t/t，即第j種能源的碳排放系數(shù)；Sj為第j種能源占能源總量的比例，%，表征能源結(jié)構(gòu)；I為單位國(guó)內(nèi)生產(chǎn)總值能源消費(fèi)量，元/t，表征能源效率；R為人均國(guó)內(nèi)生產(chǎn)總值，元/人，表征經(jīng)濟(jì)發(fā)展水平。

根據(jù)LMDI模型分解方法，以1995年為基準(zhǔn)年，對(duì)1996—2013年的碳排放累積貢獻(xiàn)值分解，可以分解為能源排放強(qiáng)度因素、能源結(jié)構(gòu)因素、能源效率因素、經(jīng)濟(jì)發(fā)展水平因素和人口規(guī)模因素，其中在能源排放強(qiáng)度因素中，鑒于除電力碳排放系數(shù)外，其他化石能源不同年份碳排放系數(shù)變化小至可忽略不計(jì)，對(duì)碳排放累積影響貢獻(xiàn)幾乎為零，本研究在進(jìn)行碳排放影響因素分解時(shí)，僅考慮電力碳排放系數(shù)的影響，因此能源排放強(qiáng)度因素也可看作電力結(jié)構(gòu)因素。

對(duì)1995—2013年rd行計(jì)算，結(jié)果如圖1所示?？梢钥闯?，隨著電力低碳技術(shù)的推行以及其能源結(jié)構(gòu)的改善，rd明顯呈下降趨勢(shì)。

圖1 1995—2013年rd變化趨勢(shì)Fig.1 The change trend of coefficient of rd from 1995 to 2013

1.2 數(shù)據(jù)來(lái)源及說(shuō)明

收集1995—2013年北京市、廣東省、山西省、河南省4區(qū)域的碳排放核算相關(guān)數(shù)據(jù)，其中各類能源消耗量及電力消費(fèi)量均來(lái)自歷年中國(guó)能源統(tǒng)計(jì)年鑒；各類化石能源標(biāo)準(zhǔn)煤折算系數(shù)采用中國(guó)統(tǒng)計(jì)年鑒推薦數(shù)值；各類化石能源碳排放系數(shù)采用IPCC的推薦數(shù)值，電力結(jié)構(gòu)與當(dāng)年全國(guó)電力結(jié)構(gòu)一致，為當(dāng)年全國(guó)電力碳排放量與電力消費(fèi)量比值。參考文獻(xiàn)[16]，標(biāo)準(zhǔn)煤能源轉(zhuǎn)化系數(shù)為293.076 TJ/萬(wàn)t，各類化石能源燃燒過(guò)程的有效氧化率取0.982；各省人口數(shù)據(jù)、國(guó)民生產(chǎn)總值數(shù)據(jù)及能源消費(fèi)量數(shù)據(jù)均來(lái)自歷年“中國(guó)統(tǒng)計(jì)年鑒”。

2 研究結(jié)果及分析

2.1 北京市碳排放影響因素分解

1996—2013年，北京市碳排放影響因素累積貢獻(xiàn)值見(jiàn)表1。

由表1可見(jiàn)，北京市含電力消費(fèi)的碳排放增量在1996—2000年較小，增長(zhǎng)十分緩慢，自2000年后變大，但增長(zhǎng)仍較為緩慢。經(jīng)濟(jì)發(fā)展水平是北京市碳排放增長(zhǎng)最主要的拉動(dòng)因素，其次是人口規(guī)模。北京市作為我國(guó)首都，憑借其經(jīng)濟(jì)、交通、資源等多方面優(yōu)勢(shì)，對(duì)人口具有較強(qiáng)吸引力，在研究時(shí)段內(nèi)，人口數(shù)量不斷增加，人口規(guī)模的增大主要通過(guò)影響能耗、土地利用類型變化等多種途徑影響區(qū)域碳排放。能源效率是抑制碳排放增長(zhǎng)的主要影響因素，其對(duì)碳排放增長(zhǎng)的抑制作用略小于經(jīng)濟(jì)發(fā)展水平對(duì)碳排放增長(zhǎng)的拉動(dòng)作用。除此之外，電力結(jié)構(gòu)對(duì)碳排放增長(zhǎng)的貢獻(xiàn)也為基本負(fù)值，但其影響較小，效果并不明顯。隨著能源結(jié)構(gòu)的調(diào)整，北京市能源結(jié)構(gòu)對(duì)碳排放增長(zhǎng)的抑制作用大體上逐漸變小，2010年起由抑制作用轉(zhuǎn)變?yōu)槔瓌?dòng)作用，主要原因在于本研究將電力消耗考慮在內(nèi)，而我國(guó)電力主要以燃煤火電為主，因此雖然北京市一次能源結(jié)構(gòu)中煤炭占比逐漸降低，但能源結(jié)構(gòu)改變對(duì)北京市碳排放的抑制作用卻逐漸減弱。

表1 1996—2013年北京市碳排放影響因素累積貢獻(xiàn)值

表2 1996—2013年廣東省碳排放影響因素累積貢獻(xiàn)值

2.2 廣東省碳排放影響因素分解

1996—2013年，廣東省碳排放影響因素累積貢獻(xiàn)值見(jiàn)表2。

由表2可見(jiàn)，從1996—2013年，廣東省含電力消費(fèi)的碳排放增量呈快速增長(zhǎng)趨勢(shì)。就其影響因素分解結(jié)果來(lái)看，經(jīng)濟(jì)發(fā)展水平是最主要的影響因素，其貢獻(xiàn)率總體在130%以上。其次是能源效率，能源效率是抑制碳排放增長(zhǎng)最重要的影響因素，但能源效率的抑制作用始終弱于經(jīng)濟(jì)發(fā)展水平的拉動(dòng)作用。與北京類似，人口規(guī)模對(duì)廣東省間接碳排放增長(zhǎng)也具有較為明顯的拉動(dòng)作用。能源結(jié)構(gòu)與電力結(jié)構(gòu)分別為拉動(dòng)作用與抑制作用，但影響均相對(duì)微弱。

2.3 山西省碳排放影響因素分解

1996—2013年，山西省碳排放影響因素累積貢獻(xiàn)值見(jiàn)表3。

表3 1996—2013年山西省碳排放影響因素累積貢獻(xiàn)值

表4 1996—2013年河南省碳排放影響因素累積貢獻(xiàn)值

由表3可見(jiàn)，山西省含電力消費(fèi)的碳排放增量在2000年前變化較小，2000年后呈明顯增長(zhǎng)趨勢(shì)。就影響因素分解結(jié)果看，經(jīng)濟(jì)發(fā)展水平與能源效率為最主要的影響因素，2000年之前能源效率的抑制作用與經(jīng)濟(jì)發(fā)展水平的拉動(dòng)作用基本持平，間或有碳排放負(fù)增長(zhǎng)出現(xiàn)，2000年后，隨經(jīng)濟(jì)的快速發(fā)展，能源效率的抑制作用明顯落后于經(jīng)濟(jì)發(fā)展水平的拉動(dòng)作用。此外，人口規(guī)模對(duì)山西省間接碳排放增長(zhǎng)也具有拉動(dòng)作用，電力結(jié)構(gòu)為抑制作用，但影響均較微弱。能源結(jié)構(gòu)的影響尚不明確，但總體而言，主要是對(duì)碳排放增長(zhǎng)起拉動(dòng)作用。

2.4 河南省碳排放影響因素分解

1996—2013年，河南省碳排放影響因素累積貢獻(xiàn)值見(jiàn)表4。

從時(shí)間序列來(lái)看，河南省含電力消費(fèi)的碳排放增量在2000年之前變化較小，2000年后開(kāi)始緩慢增長(zhǎng)，自2003年之后呈明顯增長(zhǎng)趨勢(shì)。就其影響因素分解結(jié)果來(lái)看，經(jīng)濟(jì)發(fā)展水平是其最主要的影響因素，河南省碳排放增長(zhǎng)主要依賴于經(jīng)濟(jì)發(fā)展水平的拉動(dòng)作用。其次，對(duì)其影響較大的是能源效率的抑制作用，但基本小于經(jīng)濟(jì)發(fā)展水平的拉動(dòng)作用。此外，人口規(guī)模與能源結(jié)構(gòu)對(duì)河南省碳排放增長(zhǎng)具有拉動(dòng)作用，而電力結(jié)構(gòu)為抑制作用，但影響均較為微弱。

總體看來(lái)，經(jīng)濟(jì)發(fā)展水平是各地區(qū)碳排放增長(zhǎng)的主要拉動(dòng)因素，而能源效率是各區(qū)域碳排放增長(zhǎng)的主要抑制因素。人口規(guī)模對(duì)區(qū)域碳排放的影響，存在較大差異，北京市及廣東省由于人口規(guī)模變化較快，人口對(duì)碳排放貢獻(xiàn)較大，山西省及河南省，人口變化較小，人口規(guī)模對(duì)區(qū)域碳排放貢獻(xiàn)較小。電力結(jié)構(gòu)對(duì)各區(qū)域碳排放增長(zhǎng)均表現(xiàn)為抑制作用，這是我國(guó)電力行業(yè)不斷推進(jìn)低碳環(huán)保發(fā)展的效益，這表明，國(guó)家對(duì)電力行業(yè)的宏觀調(diào)控政策及能源環(huán)境政策對(duì)促進(jìn)低碳發(fā)展起到了一定的作用。此外，受我國(guó)“富煤、貧油、少氣”資源稟賦的影響，能源結(jié)構(gòu)的改善對(duì)各區(qū)域碳減排貢獻(xiàn)并不大。

3 結(jié)論與建議

經(jīng)濟(jì)發(fā)展水平是拉動(dòng)各區(qū)域碳排放增長(zhǎng)的最主要的原因；能源效率是抑制各區(qū)域碳排放增長(zhǎng)的主要原因，除北京市外，其余3個(gè)區(qū)域能源效率的抑制作用明顯弱于經(jīng)濟(jì)增長(zhǎng)的拉動(dòng)作用；人口規(guī)模對(duì)北京市及廣東省碳排放增長(zhǎng)的影響較大，對(duì)河南省及山西省碳排放增長(zhǎng)貢獻(xiàn)較小；電力結(jié)構(gòu)對(duì)4區(qū)域碳排放增長(zhǎng)均為抑制作用，雖然其影響較小，但隨低碳技術(shù)及宏觀調(diào)控的推進(jìn)，其抑制作用呈增強(qiáng)趨勢(shì)；能源結(jié)構(gòu)的變化對(duì)4區(qū)域碳排放增長(zhǎng)為拉動(dòng)作用，但其影響十分小。雖然一次能源占比不斷往清潔化方向發(fā)展，但電力消費(fèi)占比逐步增大，而我國(guó)電力目前仍以煤電為主，所以我國(guó)能源結(jié)構(gòu)整體上仍以煤炭為主。

考慮到未來(lái)一段時(shí)間各區(qū)域經(jīng)濟(jì)仍會(huì)保持高速增長(zhǎng)，通過(guò)經(jīng)濟(jì)調(diào)控來(lái)減少碳排放增長(zhǎng)并不現(xiàn)實(shí)。未來(lái)一段時(shí)間仍需通過(guò)產(chǎn)業(yè)內(nèi)部工藝創(chuàng)新升級(jí)，以及推行環(huán)保措施，提高能源利用水平等方式來(lái)提高能源效率，以進(jìn)一步增強(qiáng)能源效率對(duì)碳排放增長(zhǎng)的抑制作用。目前，由于我國(guó)電力行業(yè)污染物控制及煤炭利用已達(dá)到較高水平，我國(guó)正在積極推行煤改電，將直接燃煤轉(zhuǎn)化為清潔能源電力。這一舉措雖然有利于控制污染物排放，提高能源利用率，但對(duì)碳減排貢獻(xiàn)甚微，因而提高能源結(jié)構(gòu)中電力的比例，難以對(duì)區(qū)域碳減排有實(shí)質(zhì)性貢獻(xiàn)，但是從長(zhǎng)遠(yuǎn)來(lái)看，推廣風(fēng)能、太陽(yáng)能等清潔能源，提高清潔能源占比以優(yōu)化能源結(jié)構(gòu)實(shí)現(xiàn)節(jié)能低碳是切實(shí)可行的。此外，可以積極研發(fā)推廣煤炭清潔低碳發(fā)電技術(shù)，減少電力碳排放。北京市及廣東省可通過(guò)適度調(diào)控人口規(guī)模來(lái)減少人口規(guī)模對(duì)其碳排放增長(zhǎng)的貢獻(xiàn)。

[1] 徐國(guó)泉,劉則淵,姜照華.中國(guó)碳排放的因素分解模型及實(shí)證分析:1995—2004[J].中國(guó)人口·資源與環(huán)境,2006,16(6):158-161.

[2] 郭朝先.中國(guó)碳排放因素分解:基于LMDI分解技術(shù)[J].中國(guó)人口·資源與環(huán)境,2010,20(12):4-9.

[3] 趙志耘,楊朝峰.中國(guó)碳排放驅(qū)動(dòng)因素分解分析[J].中國(guó)軟科學(xué),2012(6):175-183.

[4] 朱勤,彭希哲,陸志明,等.中國(guó)能源消費(fèi)碳排放變化的因素分解及實(shí)證分析[J].資源科學(xué),2009,31(12):2072-2079.

[5] 蔣金荷.中國(guó)碳排放量測(cè)算及影響因素分析[J].資源科學(xué),2011,33(4):597-604.

[6] 汪宏韜.基于LMDI的上海市能源消費(fèi)碳排放實(shí)證分析[J].中國(guó)人口·資源與環(huán)境,2010，20(增刊2):143-146.

[7] 田云,李波,張俊飚.武漢市碳排放的測(cè)算及影響因素分解研究[J].地域研究與開(kāi)發(fā),2011,30(5):88-92.

[8] 劉源,李向陽(yáng),林劍藝,等.基于LMDI分解的廈門(mén)市碳排放強(qiáng)度影響因素分析[J].生態(tài)學(xué)報(bào),2014,34(9):2378-2387.

[9] 宋杰鯤.基于LMDI的山東省能源消費(fèi)碳排放因素分解[J].資源科學(xué),2012,34(1):35-41.

[10] 李國(guó)志,李宗植.中國(guó)二氧化碳排放的區(qū)域差異和影響因素研究[J].中國(guó)人口·資源與環(huán)境,2010,20(5):22-27.

[11] 史安娜,李淼.基于LMDI的南京市工業(yè)經(jīng)濟(jì)能源消費(fèi)碳排放實(shí)證分析[J].資源科學(xué),2011,33(10):1890-1896.

[12] 戴小文,何艷秋,鐘秋波.中國(guó)農(nóng)業(yè)能源消耗碳排放變化驅(qū)動(dòng)因素及其貢獻(xiàn)研究——基于Kaya恒等擴(kuò)展與LMDI指數(shù)分解方法[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào),2015，23(11):1445-1454.

[13] 喻潔,達(dá)亞彬,歐陽(yáng)斌.基于LMDI分解方法的中國(guó)交通運(yùn)輸行業(yè)碳排放變化分析[J].中國(guó)公路學(xué)報(bào),2015,28(10):112-119.

[14] 侯建朝,譚忠富.電力生產(chǎn)CO2排放變化影響因素分解[J].中國(guó)電力,2011,44(11):39-42.

[15] 付坤,齊紹洲.中國(guó)省級(jí)電力碳排放責(zé)任核算方法及應(yīng)用[J].中國(guó)人口·資源與環(huán)境,2014,24(4):27-34.

[16] BAI H T,ZHANG Y X,WANG H Z,et al.A hybrid method for provincial scale energy-related carbon emission allocation in China[J].Environmental Science & Technology,2014,48(5):2541-2550.

[17] 宋德勇,盧忠寶.中國(guó)碳排放影響因素分解及其周期性波動(dòng)研究[J].中國(guó)人口·資源與環(huán)境,2009,19(3):18-24.

[18] ANG B W.The LMDI approach to decomposition analysis: a practical guide[J].Energy Policy,2005,33(7):867-871.

[19] ANG B W.LMDI decomposition approach: a guide for implementation[J].Energy Policy,2015,86:233-238.

StudyingondrivingfactorsofcarbonemissioncontainingpowerconsumptionintypicalprovincesofChina

LIUTing,BAIHongtao,XUHe.

(CollegeofEnvironmentalScienceandEngineering，NankaiUniversity，Tianjin300350)

Decomposition approaches for driving factors of carbon emissions were key tools to seek path of carbon reduction. At present,most of studies had focused on the direct carbon emissions,ignoring interregional transfer of carbon,especially carbon emissions caused by the transfer of power. To ensure regional carbon emissions responsibility fair and promote the balanced development of each region,this paper constructed an improved carbon emissions measurement model based on fair development of regions. With this model,this paper measured and calculated the carbon emissions contained power consumption of four typical provinces (Beijing,Guangdong,Shanxi and Henan) from 1995 to 2013. Then this paper analyzed the contribution of factors like economy development,population scale,energy efficiency,energy structure and power structure to carbon emissions using logarithmic mean divisia index (LMDI) model. Results of this study showed that economy development was the biggest pull factor to the regional carbon emissions growth,and energy efficiency was the biggest inhibitor. The remaining factors were not obvious，and the influence of each factors varied in different regions.

carbon emission; LMDI model; driving factors; power consumption

劉 婷，女，1992年生，碩士，助理工程師，研究方向?yàn)榄h(huán)境管理與經(jīng)濟(jì)。#

。

*國(guó)家自然科學(xué)基金資助項(xiàng)目(No.41301648)；天津市應(yīng)用基礎(chǔ)與前沿技術(shù)研究計(jì)劃項(xiàng)目(No.13JCQNJC08300)。

10.15985/j.cnki.1001-3865.2017.11.024

2017-05-20)