京津冀能源消費碳排放與水資源消耗雙重分析

檀菲菲, 江象君

(南京財經大學 江蘇產業發展研究院, 江蘇 南京 210003)

京津冀能源消費碳排放與水資源消耗雙重分析

檀菲菲, 江象君

(南京財經大學 江蘇產業發展研究院, 江蘇 南京 210003)

[目的] 探究京津冀區域能源消費碳排放和水資源消耗的影響因素和未來變化，為該區制定針對性政策提供科學支撐。 [方法] 基于京津冀2002—2012年能源消耗碳排放的估算，構建了基于六大行業的能源碳排放和基于三次產業的水資源消耗因素分解模型，并設定情景分析模型對該區域2015和2020年的CO2排放和水資源消耗進行模擬和預測。 [結果] (1) 2002—2012年京津冀能源碳排放呈年均8.51%的增速，累積增長了226.26%，以工業能源碳排放為主，其次是交通運輸業和生活消費，而水資源消耗變化趨勢都較穩定； (2) 因素分解結果顯示人均財富的變動是京津冀區域CO2排放量和水資源消耗量增加的最大正向因素，能耗強度和水耗強度則為最大負向因素； (3) 在設定的所有情景中，2015和2020年京津冀區域的CO2排放量分別相比2005年至少會增加553.6和819.2 Mt，水資源消耗量分別相比2012年至少增加3.36×109m3和9.97×109m3。 [結論] 京津冀區域的3大產業的水資源消耗量在研究時期內的變化趨勢都較穩定，表明產業結構的調整和產業用水效率的提高將是京津冀區域水資源管理決策的重中之重。

京津冀; 能源消費碳排放; 水資源消耗; 因素分解

過去幾十年，盡管中國經濟獲得了快速的發展，卻付出了巨大的資源和環境代價，同時嚴重的能源資源短缺和環境污染也成為了其實現可持續發展的瓶頸[1]。目前中國作為最主要的溫室氣體排放的國家，CO2排放量將在較長時期內持續增長，節能減排形勢嚴峻[2]，而能源消耗被認為是未來50 a里大量CO2排放的主要貢獻因子之一[3]。在此背景下，中國政府開啟了控制溫室氣體最重要的目標戰略，決定將2020年CO2/GDP的值減小到2005年的40%～45%，同時在“十二五”規劃中也要求能源強度(EC/GDP)和碳排放強度(CO2/GDP)分別降低16%和17%，各個省區的“十二五”規劃中也分別制定了相應的減排目標。而隨著水資源需求的加大，中國的水資源也逐漸同煤炭等不可再生資源一樣，受制于水資源短缺和水污染引起的壓力，從而日益成為制約經濟社會發展的要素[4]。京津冀區域處于環渤海地區和東北亞的核心區域，是中國北方經濟最發達的地區，也是中國重要的經濟增長極[5]。隨著京津冀區域經濟的快速發展和人民生活水平的提高，水資源不足已經成為該區域的突出矛盾，也是制約其資源環境承載力的短板因素。因此，對京津冀區域的能源碳排放和水資源消耗的雙重分析研究對處理該區域的碳排放和水資源問題，制定區域能源和水資源政策以及區域可持續發展的實現具有重要意義。

近年來，大量的文獻研究了關于CO2排放的問題[6-7]，一方面主要關注各個尺度上的CO2排放變化，并通過結構分解的方法將這種排放變化分解為經濟發展、能源消費結構和廣義技術水平等變化[8]，或者通過隨機回歸模型(STIRPAT)分解成人口、富裕度和技術水平的變化[9]，等。另一方面的研究主要關注CO2排放、能源消費和經濟產出或城市化之間關系[10-11]，一般通過格林因果和協整檢驗模型來進行實證研究。國內外眾多學者對水資源利用狀況也已有多方面多層次的研究，其中Zhang等[12]利用結構分解方法對北京1997—2007年的水足跡進行分解，Zhao等[13]采用了迪氏對數平均指數分解法(LMDI)解釋了1990—2009年的中國農業水足跡，劉耀彬等[14]指出水資源對城市化進程約束作用較大，張陳俊等[15]基于改進的LMDI方法研究1997—2011年中國水資源消耗強度變化的影響因素。然而，在行業或產業層面上同時對能源消耗碳排放和水資源消耗的特征和驅動因子分析，并與情景分析結合的研究目前較罕見，尤其對于京津冀區域而言。故本研究在既有的研究成果的基礎上，結合作者自己的思考，構建基于行業的能源消費碳排放和水資源消耗的估算和分解模型，并設定相關的情景分析，由于Minx等[16]認為中國CO2排放的快速增加主要發生在2002年之后，因此本研究從區域和省域的視角對京津冀區域2002—2012年的能源消費碳排放和水資源消耗進行實證分析，探究其根本影響因素和未來變化，為制定有針對性的政策提供科學支撐。

1 研究方法

1.1 碳排放估算和分解模型

由于具體的區域CO2排放量是需要估算的，根據一般能源消費CO2排放量估算方法來估算，該方法參考《2006年IPCC國家溫室氣體清單指南》[9,17]，計算公式為：

(1)

式中：k1，k2，k3和k4——煤類、油類、天然氣和電力的碳排放系數；a,b,c,d——4種能源項目的折算標準煤系數，依次為0.714 3,1.428 6,1.33，0.122 9 t/(kW·h)；j——所有的基本能源項目，從1～9依次表示煤炭、焦炭、原油、汽油、煤油、汽油、燃料油、天然氣和電力等9項； EC1，EC2，EC3和EC4——煤類、油類、天然氣和電力等能源的消費量；轉化系數44/12——CO2和C的分子量的比例。而其中各類能源的碳排放系數參考中國發展改革委員會能源研究所的推薦值[17]，其中煤類、油類、天然氣和電力的值分別取0.747 6,0.582 5,0.443 5和0。

同時，本文的行業或部門按照表1的分類執行，其中將“交通運輸業”單列出來，將批發和零售業、酒店和餐飲服務業以及金融業等合并為“商業”，這種改進的劃分方式在研究CO2排放問題的時候有助于提高數據的可利用性，也能使得碳排放數據、能源消費數據和經濟產出數據都具有一致性 。

表1 行業的具體分類說明

此外，應用LMDI方法對京津冀區域能源消費碳排放進行因素分解，將生產部門的CO2排放分解為人口(P)、人均財富(a)、產業結構(s)、能源強度(e)、和碳排放系數(k)5個因素的效應，將生活部門的CO2排放分解為人口(P)、人均生活能源消費(u)、碳排放系數(k)等3個因素效應：

(2)

(3)

(4)

(5)

1.2 水資源消耗分解模型

區域水資源消耗的相關數據是可獲得的，故水資源消耗量不需要進行估算。然而可以借助碳排放分解模型的思想來構建水資源消耗分解模型。由于統計年鑒中的水資源利用量一般分為農業用水、工業用水、生活用水和環境用水，因此本文認為水資源消耗是相對于3個產業而言，即定義農業用水為第一產業，工業用水為第二產業，而生活和環境用水則屬第三產業。即水資源消耗總量分解的加法形式如下式所示：

(6)

式中：W——總水資源消耗量;Wn(n=1,2,3)——第一、二和三產業的水資源消耗量; GDPn——第n產業的GDP;w,s,a,P——水耗強度、產業結構、人均財富和人口等4個因素。

(7)

1.3 情景分析模型設定

若由CO2排放反映環境影響(I)，人均GDP(g)，衡量富裕度(A)，則CO2排放強度(c，區別于碳排放強度k)可描述技術水平(T)，一般可根據IPAT等式來表征它們之間的關系[20-21]，計算公式為：

CO2=I=P·A·T=P·g·c

(8)

(9)

(10)

(11)

(12)

(13)

因此：

(14)

式中：B，C，D——表示人口、GDP和能耗強度的年均增加率； h——相差的年份。

由公式(13)—(14)可知，GDP的增長率和能耗強度的變化是造成第t-h年到第t年的CO2排放的變化，因此，可以基于GDP和能耗強度的變化設定不同的情景來預測CO2排放量。

同樣，對水資源消耗量也可得到：

(15)

由于北京、天津市和河北省的“十二五”規劃GDP的年均增長率分別設定為8%，12%和8.5%，綜合考慮以上增長率，從而京津冀區域2012—2020年GDP的3個情景值(C1,C2,C3)從低到高分別被設定為8%，9%和10%。“十二五”節能減排規劃中強調北京、天津市和河北省的GDP能耗(即“能耗強度”)相對“十一五”末要分別降低17%，18%和17%，經過換算，則北京、天津和河北的能耗強度分別要保持-3.66%，-3.89%和-3.66%的年均增長率，從而能耗強度的3個情景值(D1,D2,D3)分別被設定為-3.5%，-3.75%和-4.0%。而僅有北京“十二五”規劃中明確設定萬元地區生產總值水耗至少降低15%，即“十二五”期間年均增長率至少為-3.2%，由于北京的技術水平和潛力相對天津和河北更高，因此綜合考慮3個省區的實際情況，水耗強度的3情景值(E1,E2,E3)分別被設定為-2.5%，-3.0%和-3.5%。全部情景因子的設定值詳見表2。

表2 京津冀區域GDP、能耗強度和水耗強度的情景因子值設定

因而對GDP、能耗強度和水耗強度的3種情況進行排列組合，即可得到京津冀區域2012—2020年能源碳排放和水資源消耗的9種情景(表3)。

表3 京津冀區域能源碳排放和水資源情景設計

1.4 數據來源

能源和經濟數據主要來源于《中國能源統計年鑒(2003—2012年)》《中國統計年鑒(2003—2013年)》《北京統計年鑒(2003—2013年)》《天津統計年鑒(2003—2013年)》《河北經濟年鑒(2003—2013年)》，并由相應年份的各類公報補充，水資源數據根據歷年的《中國統計年鑒》和《中國水資源公報》整理計算所得。

選取2015年10月～2017年10月在我科實習的護理專業學生150名作為研究對象，其中，本科生43名，大專生107名。

2 結果分析

2.1 能源碳排放量和水資源消耗量

2.1.1 能源碳排放量分析 能源碳排放的估算結果顯示，2002—2012年天津和河北的CO2排放總量呈明顯的增長趨勢(圖1)，北京呈相對緩慢的增長，3個省區的絕對排放總量大小依次為：河北>天津>北京。其中“十二五”之后(2011和2012年)京津冀區域和3個省區的增長開始減緩，尤其北京最為顯著。2002—2012年以來，整個京津冀區域CO2排放總量以年均8.51%的增速逐年遞增，而所劃分的6大行業CO2排放量的變化各不相同。研究時期內，北京地區CO2排放的年均增長率是3.01%，從2002—2012年累積增長了134.51%，天津和河北地區的年均增長率分別為7.80%和9.90%，累積增長分別達到211.85%和257.02%，而整個京津冀區域累積增長了226.26%，排放量增至1 203.397 7Mt。然而，CO2排放量的人均值大小依次為：天津>河北>北京。

對于京津冀區域而言，圖1也顯示研究時期內工業的能源碳排放是能源碳排放的主體，每年工業的碳排放量都占總量的60%以上。從2002—2012年，北京地區的工業碳排放量占碳排放總量的比例由47.78%降至33.37%，天津地區由74.57%降至62.14%，河北地區由65.14%增至75.33%(2007年)再降至65.49%。其次是交通運輸業和生活消費的能源碳排放量，兩者都占據京津冀區域能源碳排放總量的10%以上。而在其余3行業中，商業部門的能源碳排放的絕對值及其占全區域總排放量的比例增長最明顯，以北京的商業部門排放量的增長最為顯著，其次是天津地區，而河北地區的商業碳排放的絕對值雖然增加了，其占總量比例的變化較緩。這些結果說明研究時期京津冀區域正處于工業化階段，而北京地區大力度的產業結構調整對能源消耗的影響已初見起色，天津和河北地區的高能耗業仍具更大的減排空間。

圖1 京津冀區域及各省區2002—2012年能源消費碳排放量

2.1.2 水資源消耗量分析 水資源消耗方面，2002—2012年，北京、天津和河北地區的年均消耗量為3.50×109m3，2.24×109m3，1.98×1010m3，其水資源消耗總量的年均增長率分別是0.36%，1.48%和-0.23%。由于難以獲得3個省區的第一、二和三產業具體的水資源消耗數據，相關研究見參考文獻[22]，本研究采取替代法，將農業用水代替第一產業用水，工業用水代替第二產業用水，生活用水和環境用水的總和代替第三產業用水。圖2揭示了2002—2012年整個京津冀區域及北京、天津和河北地區各產業用水量的變化情況。從第一產業占總用水量的比例來看，北京、天津和河北地區第一產業的平均用水量占比分別是33.95%，54.72%和74.17%，而且2002—2012年僅北京的地區第一產業占總用水量的比例從44.63%降至25.95%，天津和河北地區第一產業占比的變化緩慢，因此可看出第一產業是這2個省區節水的重點產業，河北第一產業的節水尤其應當是重中之重。2002—2012年，北京、天津和河北地區的第二產業平均用水量占平均總用水量的比例分別是17.37%，20.56%和12.74%，2市1省的二產用水量的差額相對較小，其中僅北京市的第二產業占總用水量的比例下降最大，表明其二產的用水效率顯現成效。然而，北京地區的第三產業平均用水量占平均總用水量的比例達到了48.67%，遠超天津(24.73%)和河北(13.09%)地區，表明北京地區用水較集中于第三產業，這與北京的產業結構也是相輔相成的。此外，從萬元GDP用水量及各產業萬元產值用水量等方面來看，研究時期內河北地區萬元GDP用水量的平均值166.81m3/萬元，遠高于京津地區，分別是北京和天津地區的3.37，3.36倍。因河北地區的人口、經濟和能源等各方面占整個京津冀區域的比例較大的影響，研究時期整個京津冀區域的能源碳排放和水資源消耗變化趨勢都與河北地區的變化趨勢較一致。

圖2 京津冀區域及各省區2002—2012年水資源消耗量

2.2 因素分解

2.2.1CO2排放變化的因素分解 運用上述基于LMDI構建的分解模型對京津冀區域2002—2012年生產部門的5個行業的能源消費CO2排放進行因素分解，可得到研究時期內人口(ΔP)、人均財富(Δa)、產業結構(Δs)、能源強度(Δe)和碳排放系數(Δk)等5個因素的累積效應，對生活部門可分解為人口(ΔP)、人均生活能源消費(Δu)和碳排放系數(Δk)等3個因素的累積效應(圖3)。圖3表明，按照累積效應，無論于生產部門的哪個行業人均財富的增長都對碳排放量的增加具有明顯的正向影響，而除了農林牧漁業(由于區域內河北為農業大省，由于“十二五”之后農業機械化程度的大幅度提高，農林牧漁業的能源消耗量的增加程度超過了該行業產值的增長程度，導致了其2011年后能耗強度的下降)，其他行業能源強度的變動都對碳排放量的增加具有一定的負向影響。此外，京津冀區域人口總數的增長對所有行業或部門碳排放量的增加都產生正向效應，對農林牧漁業、工業、建筑業、交通運輸業、商業和生活消費的2002—2012年的累積效應2.3，94.8，4.0，14.8，13.2和21.0Mt。除商業部門外(本質上是由于2002—2012年商業產值占地區生產總值的比例越來越高，從基期的35.67%到“十一五”末的40.24%，再到“十二五”末的43.26%，直到2012年達到44.29%)，其他行業產業結構的變動都對碳排放量的增加產生負向效應，實際上，由于商業的能耗強度相對其他行業而言是下降的最快的(0.440 1t/萬元到0.162 3t/萬元)，對碳減排而言這種產業結構的變化是一種優化趨勢。對生活消費的碳排放來說，人均生活消費能源的增加是該部門碳排放增加的主導因子。其次，研究時期碳排放系數的變動相對而言所產生的效應是較微弱的，這也為本研究后續情景分析模型的設定奠定了基礎。

注：ΔP為人口，Δa為人均財富，Δs為產業結構，Δe為能源強度，Δk為碳排放系數，Δu為人均生活能源消費。下同。圖3 不同影響因素對京津冀區域2002—2012年不同行業CO2排放變化的累積效應

2.2.2 水資源消耗變化的因素分解 2002—2012年京津冀區域一產和二產的用水消耗量呈現輕微的降低趨勢(圖2)，而第三產業用水消耗量呈增加趨勢。總體來看，圖4顯示京津冀區域3次產業的水資源消耗變化因素分解的累積效應有類似之處，比如三次產業的人均財富的和水耗強度的變動都是影響其水資源消耗量最重要的促進和抑制因素。對于第一產業而言，人均財富(即第一產業的經濟規模)的變動導致第一產業用水量增加了2.498×1010m3，對第一產業累積用水增量的貢獻率達90.1%，其次的正向效應的因素則是人口的變動。而第一產業的產業結構和水耗強度的變動都對其水資源消耗總量產值負向的效應，表明研究時期京津冀區域第一產業的節水政策已初見功效。對于第二產業來說，人均財富和人口的變動對第二產業累積用水增量的貢獻率分別是90.2%和9.8%，同樣其產業結構和水耗強度的變動產生負向效應。而從第三產業來看，僅有水耗強度是負向因素，其他3個因素都產生正向的影響，也便導致了第三產業累積水資源消耗量的增加，然而，即使如此，第一產業仍然是該區域的水資源消耗的重中之重，表明繼續加大京津冀區域農業節水的力度對該區域的可持續發展來說仍然是可行之道。

2.3 情景分析

2.3.1 CO2排放量和水資源消耗量預測 基于公式(14)估算9種不同情景的CO2排放，可獲得京津冀區域2015，2010年的CO2排放量和水資源消耗量(圖5)。通過比較全部情景的CO2排放量的預測值，S3和S7分別是最低和最高預測值，表明2015年京津冀區域的CO2排放量相比2005年至少會增加553.6 Mt，至多會增加846.9 Mt，2020年京津冀區域的CO2排放量相比2005年至少會增加819.2 Mt，至多會增加984.0 Mt。結合表2—3情景因子的設定，我們可發現京津冀區域CO2排放量的最低預測值出現在GDP年均增長率最低和能耗強度降低最多2個方面同時實現之時，而最高預測值實現的條件則恰恰相反，再次表明了經濟增長率是CO2排放增長的主要原因，能源消費結構的優化和能源效率的提高是CO2減排的主要原因。基于公式(15)也估算了9種不同情景下京津冀區域2015和2020年的水資源消耗量，圖5顯示其最低和最高預測值同樣出現在S3和S7下。其中，2015年京津冀區域的水資源消耗量相比2012年至少會增加3.36×109m3，至多會增加5.09×109m3，2020年相比2012年至少增加9.97×109m3，至多會增加1.595×1010m3。與CO2排放的結果類似，經濟增長率和水資源利用效率則是2個重要的調節因子。

注：Δw為水資源消耗強度。圖4 不同影響因素對京津冀區域2002—2012年3次產業水資源消耗量變化的累積效應

2.3.2 CO2排放強度 由于CO2排放強度指標在控制溫室氣體的戰略目標和國家減排規劃中都占據重要的地位，通過以上的預測和分析，可計算出京津冀區域2015和2020年每種情景下的CO2排放強度及其減排程度。然而，S4，S5和S6的CO2排放強度依次等于S1，S2和S3的CO2排放強度，S7，S8和S9同樣等于這3種情景下的值，因而圖6中僅顯示了這3種情景下的CO2排放強度，究其原因，是由于經濟增長率對CO2排放強度的影響是間接的，會由其他因素反映出來，因此CO2排放強度的計算無需考慮經濟增長率[22]。S1，S2和S3情景下京津冀區域“十二五”末的CO2排放強度分別是1.885 7，1.871 1和1.856 5 t/萬元，相對“十一五”末分別下降23.64%，26.23%和29.21%，而2020年CO2排放強度分別是1.578 0，1.545 6和1.513 8 t/萬元，相對2005年分別下降58.57%，59.42%和60.25%。因此，這3種情景理論上都可實現2020年的40%～45%和該地區的“十二五”減排目標，而結合圖5可知其中S3情景下的碳排放量增量最少。

圖5 京津冀區域2015和2020年CO2排放和水資源消耗的情景預測值

圖6 京津冀區域2015和2020年CO2排放強度及其分別相對于2005和2010年下降的比例

3 結 論

(1) 2002—2012年京津冀區域的能源碳排放以年均8.51%的增速增加，而所劃分的6大行業的排放變化各不相同，以工業的能源碳排放為主，其次是交通運輸業和生活消費的排放，而且其3個省區的絕對排放總量和累積排放總量按大小依次是河北、天津和北京。水資源消耗的變化趨勢說明京津冀區域的3大產業的水資源消耗量在研究時期內的變化趨勢都較穩定，其中僅有北京呈現第一、二產業用水明顯減少和第三產業用水明顯增多，而天津和河北各產業的用水量都變化平緩，表明產業結構的調整和產業用水效率的提高將是京津冀區域水資源管理決策的重中之重。

(2) 因素分解結果顯示人均財富效應是京津冀區域CO2排放量和水資源消耗量增加的最大正向因素，這與北京、天津和河北3個省區近10 a的GDP一直保持在10%以上的增速密切相關，因而有必要放緩GDP的增速，保證GDP增長的穩定性以及經濟環境的協調性。能耗強度和水耗強度則是其CO2排放量和水資源消耗量增加的最大負向因素，這與北京、天津和河北“十一五”以來都將單位GDP能耗列入政府、企業等部門的考核并加以嚴格監督管理息息相關，因而今后務須繼續推行目標責任制，采取各種措施(如推廣節能和清潔能源技術、實施激勵政策等)加強節能減排，提高能源利用率，同時單位GDP水耗也開始得以重視。產業結構的變動對CO2排放量和水資源消耗量增加的影響取決于該行業本身產值比例的增加與否，從而引領新興低碳產業(如服務業等)發展的方向。人口對排放和碳排放系數具有相對較微弱的正向效應。

(3) 2015和2020年京津冀區域CO2排放量和水資源消耗量的最低預測值和最高預測值都分別出現在S3和S7情景中。2015和2020年京津冀區域的CO2排放量相比2005年至少會增加553.6和819.2 Mt。同時，2015和2020年京津冀區域的水資源消耗量相比2012年至少會增加3.36×1010m3和9.97×109m3。此外，本文在設定的所有情景下京津冀區域理論上都可實現2020年的40%～45%和各省區的“十二五”減排目標，而S3情景下的碳排放量和水資源消耗增量都最少。

[1] Song Malin, Wang Shuhong, Yu Huayin, et al. To reduce energy consumption and to maintain rapid economic growth: Analysis of the condition in China based on expended IPAT model[J]. Renewable & Sustainable Energy Reviews, 2011，15(9)：5129-5134.

[2] 宋佩珊,計軍平,馬曉明.廣東省能源消費碳排放增長的結構分解分析[J].資源科學,2012,34(3):551-558.

[3] Davis S J, Caldeira K, Matthews H D. Future CO2emissions and climate change from existing energy infrastructure[J]. Science, 2010,329(5997):1330-1333.

[4] Peters G P, Weber C L, Guan D, et al. China’s growing CO2emissions: A race between increasing consumption and efficiency gains[J]. Environmental Science & Technology, 2007,41(17):5939-5944.

[5] Jiang Yong. China’s water scarcity[J]. Journal of Environmental Management, 2009,90(11):3185-3196.

[6] 檀菲菲,張萌,李浩然,等.基于集對分析的京津冀區域可持續發展協調能力評價[J].生態學報,2014,34(11):3090-3098.

[7] Tan Zongfu, Li Li, Wang Jianjun, et al. Examining the driving forces for improving China’s CO2emission intensity using the decomposing method[J]. Applied Energy, 2011,88(12):4496-4504.

[8] 張旺,周躍云.基于結構分解法的北京市能源碳排放增量分析[J].資源科學,2013,35(2):275-283.

[9] Acaravci A, Ozturk I. On the relationship between energy consumption, CO2emissions and economic growth in Europe[J]. Energy, 2010,35(12):5412-5420.

[10] Wang Ping, Wu Wanshui, Zhu Bangzhu, et al. Examining the impact factors of energy-related CO2emissions using the STIRPAT model in Guangdong Province, China[J]. Applied Energy, 2013,106(11):65-71.

[11] Ozturk I, Acaravci A. CO2emissions, energy consumption and economic growth in Turkey[J]. Renewable and Sustainable Energy Reviews, 2010,14(9):3220-3225.

[12] Wang Shaojian, Fang Chuanglin, Guan Xinliang, et al. Urbanisation, energy consumption, and carbon dioxide emissions in China: A panel data analysis of China’s provinces[J]. Applied Energy, 2014,136(S):738-749.

[13] Zhang Zhuoying, Shi Minjun, Yang Hong. Understanding Beijing’s water challenge: A decomposition analysis of changes in Beijing’s water footprint between 1997 and 2007[J]. Environmental Science & Technology, 2012,46(22):12373、12380.

[14] Zhao Chunfu, Chen Bin. Driving force analysis of the agricultural water footprint in China based on the LMDI method[J]. Environmental Science & Technology, 2014,48(21):12723-12731.

[15] 張陳俊,章恒全,龔雅云.中國結構升級,技術進步與水資源消耗:基于改進的LMDI方法[J].資源科學,2014,36(10):1993-2002.

[16] Minx J C, Baiocchi G, Peters G P, et al. A“carbonizing dragon”: China’s fast growing CO2emissions revisited[J]. Environmental Science & Technology, 2011,45(21):9144-9153.

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

[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.Decomposition analysis for policymaking in nergy: Which is the preferred method[J]. Energy Policy, 2004,32(9):1131-1139.

[20] Li Li, Chen Chenhong, Xie Shichen, et al. Energy demand and carbon emissions under different development scenarios for Shanghai, China[J]. Energy Policy, 2010,38(9):4797-807.

[21] Yue Ting, Long Ruyin, Chen Hong, et al. The optimal CO2emissions reduction path in Jiangsu Province: An expanded IPAT approach[J]. Applied Energy, 2013,112(4):1510-1517.

[22] 岳書敬,許耀,胡姚雨.長三角地區行業間水資源消耗差異性分析[J].資源科學,2014,36(10):2003-2011.

Dual-Analysis on Carbon Emissions of Energy Consumption and Water Resource Consumption of Jing-Jin-Ji Region

TAN Feifei, JIANG Xiangjun

(1.JiangsuIndustryDevelopmentResearchInstitute,NanjingUniversityofFinanceandEconomics,Nanjing，Jiangsu210003,China)

[Objective] The impacting factors of energy consumption’s carbonemissions and water resource consumption were explored, and the change in the future of Jing-Jin-Ji region was analyzed to provide scientific support for making targeted policies. [Methods] Based on the estimation of carbonemissions from energy consumption in the Jing-Jin-Ji region from 2002 to 2012, this study established the factor decomposition models of carbonemissions from energy consumption and water resource consumption. It also set the scenarios analysis model to forecast carbonemissions from energy consumption and water resource consumption in 2020. [Results] (1) Carbonemissions from energy consumption of Jing-Jin-Ji region increased with an average annual rate of 8.5%, the accumulation rate was 226.26%. The main emissions was from industry sector, and the followings were transportation and residential life sectors. Water resource consumption was relatively steady in all three industries. (2) Change of per capita wealth was the most positive factor for both CO2emissions and water resource consumption of Jing-Jin-Ji region. While energy intensity and water intensity were two of the most negative factors, and the followings were industrial structure, per capita water resource consumption, population and carbon emission coefficient. (3) Under all scenarios, CO2emissions in 2015 and 2020 will increase 553.6 Mt and 819.2 Mt in comparison with the one in 2005, respectively. Water resource consumption will increase 3.36 and 9.97 billion m3in comparison with the one in 2012. [Conclusion] Water resources consumptions of three major industries in Jing-Jin-Ji region during the study period were relatively stable, which implied that the adjustment of industrial structure and improvement of industrial water use efficiency are the priority for regional water resources management of this region.

Jing-Jin-Ji region; carbonemissions from energy consumption; water resource consumption; factor decomposition

2015-12-31

2016-03-06

國家自然科學基金項目“基于空間關聯和產業代謝的長江經濟帶可持續發展評價與調控對策”(71603111); 江蘇省高校自然科學研究面上項目(16KJB610007); 江蘇高校優勢學科建設工程項目

檀菲菲(1988—),女(漢族),安徽省安慶市人,博士,講師,碩士生導師,主要從事環境經濟學與區域可持續發展方面的研究。E-mail:tanfei129x@163.com。

10.13961/j.cnki.stbctb.2016.06.039

A

1000-288X(2016)06-0231-09

X24, U261.15

文獻參數： 檀菲菲, 江象君. 京津冀能源消費碳排放與水資源消耗雙重分析[J].水土保持通報，2016,36(6)：231-219.