碳排放的趋势与结构 —以及我国“十三五”碳排放路径预测

2017-05-24　 　

....

鲁政委 兴业研究首席分析师

汤维祺 兴业研究分析师

　　

　　

深化节能减排、推动绿色低碳转型，是落实生态文明建设、实现绿色发展的重要抓手。自“十一五”以来，我国在节能减排方面做了大量的努力，并取得了了举世瞩目的成就：“十二五”期间碳强度下降超过20%、非化石能源占比达到12%、可再生能源装机容量已占全球的四分之一、新增可再生能源装机容量占全球的三分之一，为全球应对气候变化做出了积极贡献[1]。《“十三五”规划》进一步设定了2020年前碳排放强度进一步下降18%的目标；而我国向《巴黎协议》递交的《自主减排贡献预案（INDC）》则承诺到2030年，我国碳排放强度将比2005年下降60～65%，我国节能减排工作还将进一步深入推进。

长期以来，推动高耗能产业节能，以及非化石能源开发利用，是我国落实减排目标的主要路径。而进入“十三五”后，我国的减排形势以及减排潜力的分布，都发生了结构性的变化。要进一步实现大幅度减排的目标，尤其需要把握未来一段时期内我国碳排放总量与结构变化的趋势特征，优化工作部署、挖掘减排潜力。

为此，本报告拟首先归纳和对比全球及各主要发达经济体的能耗与碳排放历史变化趋势，探究总量及结构变化背后的推动因素，并以此为参照，对我国未来碳排放的变化趋势进行预测和分析。

　　

化石能源的使用，是人类活动碳排放的主要来源。根据世界银行《世界发展指数（WDI）》数据库的统计，2013年全球来自化石能源的碳排放占比达到了93.7%；国际能源署（IEA）的统计数据则显示能源系统温室气体排放占比为68%[2]。因此不难理解，全球碳排放的总体趋势在很大程度上由能源系统决定。

　　

全球碳排放自上世纪50年代持续、快速增长，仅在70到80年代全球石油危机和大萧条期间出现增速略微放缓。但是从碳排放强度（单位经济产出的排放量）来看，却呈现出明显的“倒U型”曲线特征：先从较低的水平持续上升，于50年代达到峰值后，持续下降。

在相对较长的时间尺度上，我们可以将碳排放尤其是碳强度的变化趋势，与能源技术革命、工业革命的进程联系起来。正如美国未来学家里夫金在《第三次工业革命》中指出的，每一次工业革命都由能源系统的变革和生产技术的跃进共同推动，而每一次工业革命不仅伴随着经济的增长，同时也反过来形成了能源消费与碳排放的新格局：

• 1769年瓦特蒸汽机问世，恰逢钢铁产业大发展，推动人类社会进入大工业化发展的第一次工业革命进程，也使煤炭逐步替代木柴等原始生物质成为人类社会的主要能源。由于煤炭相对于木柴能源密度提高、能源可得性强，加上以钢铁为代表的重工业发展，极大地推升了能源消费，碳排放快速增长；

　　

• 1870年后的第二次工业革命，电力系统的广泛应用进一步提升了能源可得性，同时使一次能源与终端能源得以分离，为能源多元化发展提供了基础。与此同时，石油勘探、开采以及石油化工产业迅速发展，配合汽车内燃机的出现，使的石油逐渐走上历史舞台。尽管能源消费总量持续提升，但是由于电力系统集中、集约的能源转化模式大幅提升了能源使用效率，使得这一时期碳排放强度的增速逐步放缓，并在20世纪上半页第二次工业革命接近尾声时达到峰值；

• 第三次科技革命在20世纪下半叶拉开帷幕，集中出现的一批科技进步成果推动了经济产业想高技术、高附加值转型，在一定程度上降低了经济增长对物质资源的依赖。与此同时，1959年天然气液化技术（LNG）的出现使天然气得以远距离运输，以及从70年代开始的核电大发展[3]，都对能源系统带来了深远的影响，进一步提高了全球能源系统的多元化、清洁化程度。在产业与能源系统双双转型的推动下，全球碳排放强度快速下降；

• 而随着本世纪以来全球环境、气候与资源威胁不断累积，能源系统与产业、技术再一次变革变得越来越紧迫。如果里夫金的判断准确，新能源与信息技术的结合将带来“第三次工业革命”的浪潮，以能源互联网为基础改造能源系统与经济产业，形成清洁、高效、可持续的经济增长方式。

　　

从能源系统发展的历史中可以看到，能量密度不断提高、碳密度逐步下降，以及整体多元化逐步提升是能源系统发展的趋势。照此趋势，高能量密度、无碳的核能，以及可再生能源将通过电力系统的整合，成为的未来主导能源，而这也将进一步降低碳排放强度。

　　

分国别看，由于能源资源禀赋、产业结构以及发展阶段的差异，不同经济体碳排放的变化路径也存在一定的差异——主要的区别存在于发达经济体与发展中经济体之间。对大部分发达经济体而言，在进入21世纪之前大多已经出现了较明显的碳排放峰值，而碳排放强度则早在20世纪初甚至更早就出现了峰值。从发达经济体的经验看，进入工业化进程越早，则碳排放峰值出现的时间也越早。如英国得得益于19实际中后期电力技术的发展，率先达到了排放峰值，此后持续下降。而美国、德国、法国等经济体经过了碳强度的快速上升后，在20世纪初急剧下降，并持续至今。第一次世界大战的爆发、20年代末期开始的大萧条，以及紧接着的二战，都对全球经济造成了巨大的创伤，这些因素解释了发达经济体碳排放强度在20世纪初出现的尖锐的峰值。而进入工业化最短的日本则是到20世纪末才达到峰值。

但是发达经济体碳排放强度的变化规律，在发展中经济体却难以适用。多数发展中经济体则尚处在总能耗持续上升的阶段。碳排放强度的变化也没有出现明显的降趋势特征。中国的碳排放强度尽管在上世纪70年代到上世纪末之间出现了持续的、较大幅度的下降，但本世纪以来却又重新出现了增长；南非和巴西的碳排放强度在历史上也出现过多次上升和下降；印度尽管在90年代后期碳排放强度有所下降，但2006年以后同样出现了回升。总体来看，发展中国家碳排放增长的路径并不存在统一的模式或者规律。

值得注意的是，在所有发达经济体的历史中，美国1918年到1943年期间的碳排放强度下降最快，但即便是在这一阶段，25年时间里的碳强度降幅也仅为40%左右。相比之下，我国承诺的2030年碳排放强度比2005年下降60～65%的目标可谓雄心勃勃，实现难度不容忽视。

　　

图2所示的碳排放强度“倒U型”曲线，被称为“碳排放库兹涅茨曲线（CKC）”。将全球的CKC套用到单个经济体，即认为随着经济的增长，碳排放（或者碳排放强度）会先上升，再下降。1991年美国经济学家Grossman和Krueger首次提出污染排放与人均收入间存在“污染在低收入水平上随人均GDP增加而上升，高收入水平上随GDP增长而下降”的关系。1992年世界银行的《世界发展报告》援引了Grossman和Krueger的研究，使其受到了国际社会的关注；1996年Panayotou首次提出“环境库兹涅茨曲线（EKC）”，并被沿用至各种污染物的分析。有大量研究对CKC的假设做了验证，但结论却非常模糊[4]。事实上如果分国别对CKC进行分析不难发现，发达经济体大多形成了完美的CKC图形，而发展中经济体则同样难以找到明显的趋势特征。

　　

如图5所示，中国和印度的碳排放强度随着经济增长出现了先上升后下降的过程，但当人均经济产出达到一定水平时，碳强度重又出现上升的趋势，或者进入平台期，难以进一步下降；而巴西、南非等发展中经济体的碳强度却持续波动，没有明显的趋势。

按照传统理论，随着经济增长，经济生产的规模效应会降低资源投入，从而减少污染；此外，经济增长往往对应着技术水平的提高，导致生产效率提高、污染下降；第三，随着经济增长，经济结构往往向轻型化、高附加值转型，服务业占比提升。而服务业大多为低污染、低排放产业，因此随着产业结构的升级，污染物排放强度也会相应下降；最后，收入的提高会导致民众对生活质量的要求提升，进而提高对环境治理的社会意识和要求、强化环境规制、增加减排和污染治理投资。这些因素共同作用，便会导致污染物排放出现“先升后降”的趋势特征。

然而在开放经济的系统中，发达经济体的能源技术效率提升会对其他经济体形成溢出，对各经济体的碳强度都会产生统一的下降趋势。从图5中可见，在已经出现了碳排放强度阶段性峰值的中国和印度等发展中经济体，峰值出现时相应的经济发展水平（人均GDP）也显著低于发达经济体碳排放历史峰值的水平。这从侧面印证了能源技术溢出带来的效应。与此同时，在全球化产业转移的过程中，发展中经济体承接了发达经济体大量高能耗、高排放的重化工业（“两高产业”），并依托产业转移带来的技术和生产力溢出，实现经济的快速增长。但这在客观上也使得发展中经济体的发展路径严重地倚重工业增长，使碳排放强度与经济增长出现同向变化的趋势。另外，随着汽车等耗能设备的全球普及，也使得发展中经济体的交通、生活方式有别于发达经济体历史上自发、原生的增长路径。如果这一推断成立，则我们可以预期在承接发达经济体产业转移的中等及中高收入发展中经济体中，由于与发达经济体有较多的经济、社会与文化沟通，导致一方面经济增速较快，但同时另一方面由于承接产业转移、模仿生活方式等因素，导致碳强度下降幅度较低；而相反，低收入经济体由于没有工业移入，同时接受了能源技术溢出，因而碳强度降幅则相对较高（图6）。对比同处于中高收入的发展中经济体平均水平而言，中国在过去十年中不仅取得了较高的经济增长，同时在碳排放强度下降方面，也取得了显著高于平均水平的成绩。

　　

　　

如前文所述，开放经济体下技术、产业和社会文化等多方面因素，加上各经济体自身资源禀赋、发展路径的差异，都会导致碳排放变化路径出现变异。因此，对各经济体碳排放增长进行归因分析，能够为我们提供更为深入、系统的视角，探析碳排放及强度变化背后的推动因素，并为预测我国未来碳排放情况提供参考。

归因分析是将目标变量的变化，分解为各影响因素的贡献度。对于由多个分量线性加总构成的总量，或者连续嵌套的影响传导方式，都可以直观地进行归因。以碳排放为例，排放总量可以分解各部门排放的构成：碳排放总量=农业排放+工业排放+服务业排放+居民部门排放；同时也可以分解为连续嵌套的影响因素：碳排放总量=（碳排放总量/一次能源消费量）×（一次能源消费量/GDP）×（GDP/人口）×人口[5]，对上式两边取对数并对时间求偏倒，即可将碳排放量的变化分解为碳排放系数、能源消费强度、人均收入，以及人口增长等四个因素变化的贡献度。然而在大部分情况下，并列与嵌套的影响因素并存，同时部分影响因素与目标变量之间的关系非线性，甚至存在不确定性，因此就需要更为复杂、系统化的方法，对不同因素的贡献度进行分解，包括“对数平均迪维萨指数因子分解法（Log Mean Divisia Index, LMDI）”、投入—产出法、回归分析法，以及全球价值链分析等，适用于不同的研究目标。其中，LMDI法因其使用简单、分解完全（无残差）、经济意义直观等特点，成为相关研究中最常用的方法[6]。

2015年7月21日刊发的《自然（Nature）》杂志电子刊物Nature Communications刊文对美国在1997-2013年间的碳排放变化进行了LMDI归因分析[7]。结果表明，在1997-2007年间，收入增长带动的人均消费的增加，在很大程度上推高了总排放量（图7a）；而随着2008年全球金融危机爆发，收入和消费大幅下降，加上持续作用的能源效率提升（图7b）、产业结构与消费结构的轻型化升级（图7c），以及能源结构低碳化转型（图7d），使得碳排放总量快速下降。

值得注意的是，尽管2009年后经济逐步企稳，人均消费量回升，但是由于天然气和可再生能源的开发利用不断加快的趋势继续保持，以及各行业能源效率的不断提升，使得碳排放总量并未回升。作者将之称为碳排放趋势的“锁定效应（Lock in Effect）”。锁定效应在很大程度上是由于传统技术和落后产能逐步被先进、清洁技术与设备替代，则即便总消费提升，碳排放总量却因为效率的提升而不会重新出现增长。对我国而言，在经济“三期叠加”、供给侧改革任务紧迫的时期，依托去产能的推进加快先进、清洁产能的替代，有助于我国尽早锁定低碳发展路径，推动绿色发展。

　　

欧盟委员会组织ICF咨询公司、欧洲经济研究中心（ZEW）等多家研究机构，于2016年开展的一项研究对欧盟27个成员国1995～2012年间的碳排放进行了因素分解[8]。结果表明，经济活动总规模的增长同样是推动欧洲碳排放上升的主要动力，但能源效率的在过去十年中大幅提升，使得碳排放强度显著下降；同时各国国内产业结构的轻型化，以及低碳能源的占比提升，也都在一定程度上阻止了碳排放总量的上升。综合来看，欧洲的碳排放总量变化路径与美国相近，在2007年以前小幅上升，2008年后大幅下降并于2009年之后达到平台期开始小幅下降。

　　

　　

对发展中经济体的碳排放分解的系统性研究并不多，较为全面的分析可以参见2014年欧洲经济研究中心（ZEW）的一项研究，主要结果如图7所示[9]。对比发达经济体与发展中经济体可以看到，碳排放强度以及能源结构变化带来的有限的减排效果，不足以递补经济总量增长带来的规模效应，导致总排放的上升。

　　

值得注意的是，如前文所述在经济全球化背景下，国际贸易规模的扩大也对地区碳排放的增长路径造成了影响。全球碳行动（GCP）在2016开展了一项研究，对全球贸易中隐含的碳排放进行了度量，结果表明中国和印度是全球最大的隐含碳[10]输出方，而欧盟与美国则是最大的输入方[11]。而全球化的生产分工是造成贸易隐含碳失衡的重要原因。由于发展中经济体普遍能源技术水平较低、能源结构碳密度高，因此在发展中经济体生产同样的产品，导致的碳排放反而会高于在发达经济体直接生产[12]，导致“碳泄漏”的问题。

　　

　　

本节利用LMDI方法，对我国1990年到2015年间能源消费与碳排放总量变化的驱动因素进行分解分析。如前文所述，LMDI因素分解分析的特征在于可以同时分析并列与嵌套形式并存的影响因素，即可以从横向与纵向两个角度，分析碳排放的影响因素：从横向看，我们可以将总能耗分解为经济生产部门（又可以进一步分解为农业、工业、商业与服务业）能耗、交通能耗，以及居民能耗；从纵向看，可以分析各规模、结构，和技术（能源效率）等因素对各部分能耗的影响。

因素分解分析为我们提供了更为细化的视角，依据分析结果不仅能够了解我国碳排放历史变化的驱动力，更便于我们“自下而上”地对未来的排放总量、结构以及减排潜力做出合理的预估。

1.历史趋势分解

本节分析我国能源碳排放总量。根据能源平衡表的结构，从终端能源消费品种的角度可以将总能排放分为煤炭、焦炭、石油、天然气、热力和电力排放六部分[13]；而从行业角度，则可以将总排放分解为农业（农、林、牧、渔、水利业）、工业、建筑业、其他服务业，以及交通部门（交通运输、仓储和邮政业）、生活部门的排放六个部分。各个部门的碳排放由能源结构、部门规模、产业结构、能源效率等因素共同决定。从上述思路出发，我们可以构建扩展的Kaya恒等式，将总排放表示为：

　　

其中C表示碳排放；E表示能耗；Y表示经济产出；TD表示公路客运周转量，等于乘用车保有量（VN）与平均周转量（VTD）的乘积；DI表示可支配收入总额，等于人口（P）乘以人均可支配收入（PDI）；下标i表示部门，i = 1,2,…6分别表示农业、工业、建筑业、服务业、交通、生活部门；j = 1,2,…6分别表示煤炭、焦炭、石油、天然气、热力和电力。

依据上式，可以利用LMDI指数法将一定时间段内的碳排放变化量（DC）表示为：

　　

等式右边分别表示能源结构、经济产出、产业结构、产业能效、交通能效、汽车保有量、汽车使用强度、生活能效、人口以及人均可支配收入对总能耗的贡献度[14]。

　　

图12列示了我国1990年以来碳排放各个影响因素的贡献度。从中不难发现在所有的影响因素中，规模效应，包括经济产出规模、汽车保有量，以及收入的增长，都是推动碳排放增加的主要动因。尤其是经济产出规模的贡献度，在所有正向影响因素中占比始终在70%以上。这也反映出碳排放、能源消费量等与经济产出之间的密切的相关性，凸显出目前我国总体的产业结构尽管逐步轻型化，但高能耗、高排放的工业部门占比依然较大，提升了碳排放与经济增长“脱钩”的难度。而要在保持较高经济增长速度的同时，实现节能减排目标，就必须在产业结构、能源效率等方面作出大幅度的调整。经济生产部门的能源效率提升是限制碳排放增长的主要因素。但同时，从历史变化趋势中也可以看到，生产能效的变化具有阶段性的特征。90年代随着我国对外开放与外资的进入，先进生产技术的引进在很大程度上提升了我国工业生产的技术水平，也提升了能源效率。但是这种效果很快便趋于收敛。一直到“十一五”起，随着我国节能减排政策逐步收紧，并且将工业节能作为主要的推动手段，使得生产部门的能效又一次出现集中的提升。但是对比“十一五”和“十二五”期间，能效提升的幅度却在逐步收敛，表明工业部门节能减排潜力逐步衰减、难度加大。由此可见，继续延续此前的减排政策路径，将难以进一步推动大幅度减排、实现我国碳减排承诺目标，需要在产业结构、能源结构等方面作出更大程度的调整，发掘出新的减排潜力。

　　

从我国能源消费部门结构的历史变化趋势中可以很明显地看到，尽管工业能耗始终占据绝对主导地位（2015年占比达到68.0%），但是交通能耗和生活能耗在2010年后占比迅速提升。这一方面得益于我国产业结构升级、服务业快速发展，带来交通物流需求的提升；另一方面，居民收入的提高，以及城镇化水平的不断提高，也在很大程度上提升了交通需求以及生活用能的水平。随着我国供给侧改革与产业结构升级的进一步深化，以及城镇化背景下生活、交通方式的不断变化，未来我国能源消费结构中，居民部门和交通部门的占比还将进一步提升。而由于这两个部门在此前并没有受到节能减排政策的干预，因此依然存在较大的节能减排空间，有望成为减排行动新的重点领域。

2.未来发展预测

　　

根据“十三五”规划目标，以及历史数据的变化趋势，我们可以对经济总体及分部门的规模、产业结构、能源结构，以及交通周转量、人均收入等变量进行预测，由此得到各部门的规模增长情况。此外，“十三五”能源发展相关规划中对可再生能源占比、化石能源结构，以及发电能源结构等设定了明确的目标；《“十三五”节能减排综合工作方案》则对交通节能（包括新能源汽车总量及占比、交通能效提升）以及建筑节能（建筑能效提升）等目标做出了规划，我们可以据此修正各部门的能效以及能源结构。碳排放预测的结果如图15所示。

从预测结果中可以看到，“十三五”期间我国碳排放总体增幅相较于“十二五”显著放缓，能源密集型进一步下降。特别值得注意的是“十三五”期间工业排放的占比在“十五”到“十二五”期间的十五年间持续下降之后，重新出现了增长。尽管如图14所示，工业增加值占比持续下降，但是由于工业能效进一步大幅下降的空间有限，因此由于其他部门能效进步的速度相对于工业部门更高，导致工业排放占比的提升。这也提示我们在经过长达十五年的工业减排之后，进一步挖掘减排空间的难度加大，而其他部门，包括服务业、交通，以及生活能耗成为新的重点。

　　

由于碳排放预测采用的是“自下而上”的方式，因此我们同样可以利用LMDI法对预测的碳排放增长进行因素分解，进一步揭示“十三五”期间碳减排的重点领域。从图16可以看到，规模因素依然是推动碳排放增长的主要力量，但除此之外，“产业结构”因素却由负转正成为推动增长的因素。

　　

这一方面反映了工业碳排放强度相对的变化，另一方面也受到其他产业能源密集性变化的影响。如图17所示，由于交通运输方式的变化，我国单位客运周转量（人×公里）的能源耗量持续上升。尽管根据我们的预测，由于公共交通、低碳交通、新能源汽车等低碳交通模式的大力发展，“十三五”期间我国交通部门的能源与排放强度增速放缓，但相比于其他部门能效水平的不断提升，交通部门已经成为不折不扣的“高耗能、高排放产业”，而交通需求的快速增长，一定程度上促成了产业结构对总排放的正向影响。

　　

最后，需要指出的是，考虑了目前已经发布的各项能源、产业减排规划，结合各部门规模增长、能源强度变化和能源结构变化，“自下而上”地对我国“十三五”期间的能耗与碳排放进行预测，结果表明在“十三五”期间我国能源与碳排放强度（单位GDP能耗与排放量）分别下降13.4%和17.6%，接近但依然没有能够实现“十三五”规划提出的15%和18%的减排目标。因此，“十三五”期间一方面要切实落实相关规划提出的各项低碳发展目标，同时也需要进一步扩大视野，开拓新的减排领域。

注意到2017年3月1日住建部印发《建筑节能与绿色建筑发展“十三五”规划》，提出了“十三五”建筑节能领域的主要目标，包括城镇新建建筑能效水平将比2015年提升20%，部分地区及建筑门窗等关键部位建筑节能标准达到或接近国际现阶段先进水平；城镇新建建筑中绿色建筑面积比重超过50%，绿色建材应用比重超过40%；完成既有居住建筑节能改造面积5亿平方米以上，公共建筑节能改造1亿平方米，全国城镇既有居住建筑中节能建筑所占比例超过60%；城镇可再生能源替代民用建筑常规能源消耗比重超过6%；经济发达地区及重点发展区域农村建筑节能取得突破，采用节能措施比例超过10%等。

建筑节能的大力推进，有望为总体的节能减排目标提供新的动力。近年来社会各界对建筑节能的关注与日俱增，但具体落实的措施却非常有限。主要原因在于建筑能耗与建筑使用者的其他生产、经营与生活行为密不可分，因而没有纳入我国传统的能源与碳排放统计口径中，导致推进建筑节能缺乏必要的抓手。另外，建筑节能涉及上游的建材、构建，以及中游的设计、建造，和下游的使用、管理所有的环节，相关标准体系尚不完备。然而建筑能耗不论是在农业、工业、服务业，还是居民部门，都占据了相当可观的比重。据统计，在发达国家建筑能耗在总能耗中的占比约为33%左右[15]，而我国由于建筑能效标准较低，导致建筑能耗较高，约占总能耗近一半（47%）[16]。随着“十三五”期间我国进一步大力推进城镇化建设，新增建筑与既有建筑改造的需求规模均较大，为我国推进建筑节能与绿色建筑提供了难得的契机。

　　

LMDI分析模型是一种完全的，不产生残差的分解分析方法，是分析能源消费量、CO2排放量的相关研究中最为成熟、常用的分析方法之一。该方法假定能耗的变化可以分解为数个互相关联的影响因子，通过构建扩展的Kaya恒等式，并相应变形，可以将关系结构复杂的各个因子各自的贡献度分离出来，从而为进一步分析研究以及政策决策提供依据。

本报告主要分析能源碳排放，根据能源平衡表的结构，我们在行业维度上将总排放分解为农业（农、林、牧、渔、水利业）、工业、建筑业、服务业（批发、零售业和住宿、餐饮业，及其他非交通运输服务业），以及交通（交通运输、仓储和邮政业）和生活六个部门；在能源品种维度上，则分为煤炭、焦炭、石油、天然气、热力和电力六种。各部门排放由规模、产业结构、能源结构、能源技术效率等因素决定。据此，我们可以构建如下的扩展Kaya恒等式：

　　

其中C表示碳排放；E表示能耗；Y表示经济产出；TD表示公路客运周转量，等于乘用车保有量（VN）与平均周转量（VTD）的乘积；DI表示可支配收入总额，等于人口（P）乘以人均可支配收入（PDI）；下标i表示部门，i = 1,2,…6分别表示农业、工业、建筑业、服务业、交通、生活部门；j = 1,2,…6分别表示煤炭、焦炭、石油、天然气、热力和电力。

EFSij=emfj×Eij/Ei =emfj×FSij表示i部门的能源结构对部门碳排放的影响；ISi=Yi/Y表示产业结构，EIi=Ei/Yi表示能源效率，EIT=E5/TD表示汽车能效水平；EIR=E6/DI表示生活能效，则上式可以表示为：

　　

对上式两边取对数，然后对时间t求全微分，再对要分解的目标时段0～T期求积分，可以得到：

　　

其中ωij=Cij/C。上式可以进一步近似地表示为：

　　

其中uij=[(Cij,T-Cij,0)/ (lnCij,T-lnCij,0)]/[(CT-C0)/(lnCT-lnC0)]。将上式进一步简化，可以表示为

，等式右边分别表示能源结构、经济总产出、产业结构、产业能效、交通能效、汽车保有量、汽车行驶里程、生活能效、人口以及人均可支配收入对总能耗的贡献度。

注：

[1]http://huanbao.bjx.com.cn/news/20160629/746673.shtml

[2] IEA统计的占比低于世界银行，主要原因在于IEA纳入了非CO2温室气体。此外，这一数字近年来随着能源系统的去碳化而显著下降。2006年以前该占比超过80%。具体请参见IEA (2016): CO2Emissions from Fuel Combustion. (https://www.iea.org/publications/freepublications/publication/

CO2EmissionsfromFuelCombustion_Highlights_2016.pdf)

[3] http://www.askci.com/news/chanye/2016/03/17/16754bsct.shtm

[4] Itkonen. JVA, 2012: Problems estimating the carbon Kuznets curve, Energy, 2012, 39 (1): 274–280.

[5]这一分解式即为著名的Kaya恒等式，有日本经济学家Yoichi Kaya与1997年提出，用以分析碳排放变化的推动力，具体请参见Kaya, Yoichi; Yokoburi, Keiichi (1997). Environment, energy, and economy: strategies for sustainability.Tokyo: United Nations Univ. Press. ISBN 9280809113.

[6] Ang, B.W. (2015). LMDI decomposition approach: A guide forimplementation, Energy Policy, Vol. 86,Pp. 233–238

[7] Feng, K.S., Davis, S.J. Sun, L.X. and Hubacek, K. (2015). Driversof the US CO2 emissions 1997–2013, NatureCommunications, 21 Jul. 2015.

[8] ICF, (2016). Decomposition analysis of the changes in GHG emissionsin the EU and Member States,

[9] Schymura, M. & Voigt, S. (2014). What Drives Changes in CarbonEmissions? An Index Decomposition Approach for 40 Countries. ZEW Working PaperNo. 14-038.

[10]隐含碳排放是由价值链理论延伸出的概念，即指生产、消费或者贸易的商品，其生产过程中的直接排放，加上其投入中间品生产所致的排放，以及中间品生产所需中间品生产所需排放，以此类推。具体数值可以通过投入产出表计算得到。

[11] Le Quéré, C. et al. (2016). Global Carbon Budget 2016. Earth System Science Data. 8, 605-649

[12] Jakob, M. & Marschinski, R. (2013). Interpreting trade-relatedCO2 emission transfers. Nature ClimateChange, 3, 19–23

[13]电力与热力的排放为隐含排放，即根据全国发电、供暖的平均排放折算隐含碳排放系数。相应的，热力与电力供应部门用于能源转化的排放没有直接计入“工业排放”部分。

[14]推到方式与说明，请参见本报告的技术附录。

[15] http://www.chinairn.com/news/20140505/190538292.shtml

[16] http://mt.sohu.com/20151208/n430227903.shtml