基于LMDI 分解方法的福建省能源消費碳排放因素解析

孫同會

（福建省華廈能源設計研究院有限公司 福建福州 350003）

1 研究方法

近年來，圍繞能源消費產生的碳排放影響因素分解，學者們開展了廣泛而深入的研究，形成了較為完備的方法體系。應用廣泛的方法之一是對數平均分解法，該方法能夠消除殘差，使得分解過程相比其他指數分解法更加簡潔、準確。因此，本研究按照《IPCC 2006 年國家溫室氣體清單指南2019 修訂版》定義的方法［1］，特別是排放因子或排放系數的計算執行IPCC的方法學，測算福建省2000—2017 年碳排放量，運用LMDI 分解方法對影響福建省碳排放量變動的主要因素進行分解，為利用情景分析法構建全省碳排放模型提供基礎依據。

2 分解方法及數據處理

2.1 LMDI 分解公式及定義

對數平均的迪氏指數法（LMDI）是一種完全的、不產生殘差的分解分析方法。本研究設定福建省CO2排放總量C 的變化是由已知的可解釋的影響因子造成的，如人均GDP、能源消費結構、能源消費強度等。

福建省CO2排放總量可以通過擴展的Kaya 恒等式表達如式（1）：

式中：P 為福建省當年常住人口數量；Q 為福建省當年GDP；Qi為第i 部門的工業增加值；Ei為第i 部門的能源消費量；Eij為第i 部門第j 種能源物質的能源消費量；Cij為第i 部門第j 種能源物質的能源消費的溫室氣體排放量；a 表示人均GDP；Si表示第i 部門的工業增加值比例；Ii為第i 部門的能源消費強度；Mij為第i 部門第j 種能源物質的能源消費比例；Uij為第i部門第j 種能源物質的能源消費的碳排放系數。

本研究使用LMDI 對福建省能源消費CO2排放量進行分解，定義CO2排放增量為綜合效應，用ΔC 表示［2］。LMDI 屬于Divisia IDA 的一個分支，具有全分解、無殘差、易使用以及乘法分解與加法分解的一致性、結果的唯一性、易理解等優點，在眾多分解技術中受到重視，目前在許多領域得到廣泛應用。LMDI 的主要缺陷在于無法處理具有0 值和負值的數據。但ANG 等［3］使用“分析極限”（Analytical Limit）的技巧成功地解決了這一問題。在實際問題中，一般不會出現負值，而對于0 值，則可以用一個任意小的數代替（比如10 的-10～-20 次方）而不會影響計算結果。

根據LMDI 加法分解模型，綜合效應由六個方面效應構成，即人口效應ΔCP、人均財富效應ΔCa、產業結構效應ΔCSi、能源消費強度效應ΔCIi、能源消費結構效應ΔCMij、碳排放系數效應ΔCUij。

碳排放綜合效應ΔC=ΔCP+ΔCa+ΔCSi+ΔCIj+ΔCMij+ΔCUij，碳排放綜合效應的各因素按第t+1 年、第t 年的逐年計算如式（2）～（7）。

為了便于比較和分析各效應相對影響程度隨時間的變化趨勢，本研究設定能源消費碳排放各因素效應貢獻度η 如式（8）～（13）［4］：

2.2 基礎數據與處理

（1）人口和經濟規模。人口及經濟指標的數據均來自2000—2017 年福建省統計年鑒，并以2000 年為基準年進行了可比價調整，并消除價格變動的影響。

（2）省級層面終端能耗。本研究福建省層面能源消費數據和行業終端能源消費量主要來源于 《中國能源統計年鑒》之“六、地區能源平衡表”。同時，按照收集的行業數據進行調整，主要是在LEAP-Fujian 模型搭建的過程中，按照不同部門技術過程的能源消耗參數，對具體的用能過程進行技術分析，并將其計算得到的行業終端消費數據進行核驗，使整個區域數據能夠減少模型應用帶來的偏差。

（3）各能源品種折標煤系數。因在“地區能源平衡表”的各能源品種消耗量為實物量，結合福建省節能評審系列工作的經驗，并參考了國家統計局能源統計報表制度（2019 年統計年報和2020 年定期統計報表）的各能源品種的折標煤系數缺省值。

（4）各能源品種碳排放系數。通過近年來福建省重點排放單位溫室氣體核查數據整理，發現除了省內一些大型熱電機組檢測了單位熱值含碳量，其余均采用缺省值；同時，福建省鋼鐵、石化、建材、化工、陶瓷、熱電等高耗能行業的化石燃料，特別是燃煤、天然氣的來源比較穩定，因此，作為全省最主要的一次能源的燃煤、天然氣收到基低位熱值、單位熱值含碳量、碳氧化率均可選擇代表性企業數據。

（5）部門內部能耗數據處理。各行業內部數據主要來源于多年來在省內水泥、熱電聯產、合成氨、基礎化學原料、煉油和石化、陶瓷等高耗能行業經濟和能源數據的分析整理基礎上，行業部門的綜合經濟活動及相關的能源消耗的實際統計記錄是各種具體的部門及其內部經濟活動和相關技術過程的集約效果的客觀反映。不管模型構建的具體過程和工業、交通、建筑設備等能效技術如何變化，這些技術過程和相應經濟活動的共同效果應該和經濟活動、能源統計的客觀記錄相差符合統計允許的偏差。

3 能源消費碳排放因素分解

3.1 碳排放因素分解結果

本研究運用LMDI 模型，對福建省2000—2017 年能源消費CO2排放進行因素分解，得到歷年人口、人均財富、產業結構、能源消費強度、能源消費結構的逐年效應和累積效應。

2000—2017 年福建省CO2排放量的各因素逐年分解效應如表1。

表1 2000—2017 年福建省CO2 排放量的各因素逐年分解效應表 單位：1 000 tCO2/a

2000—2017 年福建省CO2排放量的各因素累積分解效應如表2。

表2 2000—2017 年福建省CO2 排放量的各因素累積分解效應表 單位：1 000 tCO2/a

福建省CO2排放各因素累積效應貢獻度如圖1。

圖1 福建省碳排放各因素累積效應貢獻度示意圖

3.2 主要影響因素分析

通過分析以上能源消費CO2排放累積效應，人口規模、人均財富、產業結構的累積效應為正值，對福建省2000—2017年能源消費和溫室氣體排放有促進作用；能源消費強度、能源消費結構和能源碳排放系數為負值，對能源消費和溫室氣體排放有抑制作用。

（1）在2000—2017 年期間，福建省能源消費碳排放歷年的人口規模效應和人均財富效應均為正值，表明福建省歷年人口規模和人均財富的增長對能源消費碳排放有正向拉動作用。到2017 年人均財富對CO2氣體排放的累積效應為253 385.70×103tCO2/a，對2017 年碳排放的貢獻度為1.52，對能源消費和溫室氣體排放量的貢獻最大，也反映了在近10 年福建省產業活動水平的大幅增加，這造成了化石能源大量消耗和溫室氣體排放量的增加。而人口規模對能源消費溫室氣體排放的累積效應到2017 年為20 696.15×103tCO2/a，對2017 年能源消費碳排放的貢獻度為0.12。從累積效應來看，雖然人口效應一直是正值，但是相比人均財富數字很小，人口效應貢獻度也很小，這說明人口規模對福建省能源消費需求和溫室氣體排放量的增加具有微弱的拉動作用。

（2）從LMDI 公式分解結果來看，以能源技術為代表的效率因素的提高，對能源消費強度的降低發揮積極作用。在2000—2017 年能源消費強度累積效應對溫室氣體排放變動的貢獻度除了2005—2007 年屬于微弱的正向效應外，其余年份累積效應也均為負值，這一變化趨勢與福建省能源消費強度，特別是工業能源消費強度的變化趨勢非常接近；而且，就貢獻度而言，能源消費強度效應貢獻度絕對值在六種主要因素中相對最高，對能源消費碳排放的波動具有較強的影響。因此，以技術進步為表征的能源消費強度下降將對大幅減少碳排放增長起到較強的抑制作用。

（3）在溫室氣體排放變動貢獻中，能源消費結構累積效應波動較大，2005—2006 年為正值，其余年份均為負值，這與高碳能源品消耗量占終端能源消費比例的變動趨勢一致。由此可見，降低高碳能源消費比例有利于抑制碳排放量增加；就貢獻度而言，能源消費結構累積效應貢獻度在以上6 種因素中相對較低，反映出福建省能源具有優化能源消費結構控制能源消費增量和抑制溫室氣體排放的空間。另一方面，由LMDI分解的結果來看，各能源物質的碳排放系數對溫室氣體排放變動的累積貢獻度在2015 年以前均為正值，2015—2017 年為負值；而且，其累積貢獻度的絕對值相對人均財富和能源消費強度較小，這也間接表明了福建省可進一步通過提升能源消費結構優化水平來減緩溫室氣體排放速率。

4 結語

本研究運用LMDI 分解方法，將省級層面能源消費碳排放變動分解為人口規模、人均財富、產業結構、能源消費強度和強度、碳排放系數六個方面的效應，推導出逐年效應、累積效應及其貢獻度，得到如下結論：

（1）人均財富是最大的正向影響因素，這與福建省GDP 一直保持8%以上的速度增長緊密相關。因此，經濟的快速發展是當前福建省溫室氣體排放最主要的正向驅動因素，能耗總量控制和減排壓力依舊嚴峻，協調經濟能源或環境的發展關系是非常必要的。

（2）能源消費強度相比其他因素是最大的負向效應，這與福建省2008 年以來將降低單位GDP 能耗作為各企業或各部門考核指標，并加以嚴格監督執行有密切關系。今后應當繼續通過完善管理、改進技術、消減過剩產能、淘汰落后產能等方式提高能源使用效率，以實現節能減排的目標。

（3）人口規模、產業結構、能源消費結構和CO2排放系數對福建省能源消費及其碳排放的增長抑制作用比較微弱。今后，應繼續提高人口素質、降低人口增多導致的消費行為帶來的碳排放量；培育發展低碳產業，促進傳統高耗能行業轉型升級［5］；充分利用福建省生態文明示范區發展契機，開發利用風電等新能源，實現能源生產和消費結構的可持續優化。