基于LMDI分解模型的上海市公共建筑運行碳排放研究

中圖分類號：X799.1 文獻標志碼：A

Abstract： Public buildings are important components of energy conservation and emission reduction in the construction industry. As the city with the highest urbanization rate in China， Shanghai urgently needs to solve the carbon reduction problem in the field of public buildings. This article relies on the data from the Shanghai Statistical Yearbook and uses Kaya identity to determine five factors that affect carbon emissions： energy structure， building energy eficiency， reciprocal of economic density， economic development， and population size. Based on the LMDI decomposition model， the main influencing factors are quantitatively analyzed. The research results indicate that the development of the tertiary industry economy and population size are key factors driving the increase in carbon emissons from public buildings in Shanghai. Conversely，energy structure，reciprocal of economic density and building energy efficiency are key factors in suppressing carbon emissions.By elucidating the historical evolution trend of carbon emissions from public buildings in Shanghai and exploring the potential for energy conservation and emission reduction in public buildings， this study proposes suggestions for energy conservation and emission reduction in public buildings.

Keywords： public building; carbon emission; Kaya identity; LMDI; emission reduction suggestions

隨著基礎設施的快速發展，建筑業成為碳排放的主要貢獻部門之—[1-2]。建筑業碳減排對我國能否實現“雙碳”目標有著重要影響[34]。中國建筑節能協會發布的《2022中國建筑能耗與碳排放研究報告》5顯示，2005—2020年，中國建筑領域全過程碳排放量由22.3億 tCO₂ 上升至50.8億 tCO₂ ，占全國碳排放總量的 50.9% 。2020年建筑運行階段碳排放量為21.6億 tCO₂ ，占全國碳排放總量的 21.7% ，其中公共建筑碳排放為8.34億 tCO₂ ，占建筑運行階段碳排放量的38.6% 。在此數據背景下，建筑領域碳排放研究已成為一個緊迫的問題。

隨著“雙碳”目標的提出[6-8]，各省迅速規劃節能減排路線，城市已被確定作為碳減排的基本單位[9-11]。作為中國城市化率最高的城市，2020年其公共建筑面積為4.23億 m² ，約占市建筑總面積的 30% 。公共建筑具有單體面積大、人流密度大、營業時間長和用能情況復雜的特點。隨著城鎮化的快速推進，公共建筑領域將面臨更加嚴峻的碳減排壓力[12-13] 。

碳排放量核算與影響因素分析是厘清碳排放歷史演變趨勢和挖掘碳減排潛力的重要手段。碳排放量核算數據可以從國家或地方統計部門發布的統計年鑒中獲得，統計年鑒的數據可以用作碳排放的宏觀分析[14-15]。排放因子法因計算過程簡單被廣泛應用在國家、城市等宏觀的碳排放量核算中。黃蓓佳等[16整理了市近十年的建筑材料和能源消耗數據，利用排放因子法對市住宅及非住宅建筑在建材生產、建筑施工、建筑運行和建筑拆除階段的碳排放量進行核算。潘毅群等[17]采用排放因子法對 2005—2019年市建筑領域碳排放量進行核算，并結合不同的情景假設，預測市未來40年建筑領域碳排放量變化情況。

對數平均迪氏指數（logarithmicmeanDivisiaindex，LMDI模型被廣泛應用在能源與碳排放影響因素分析中[18-19]。LMDI分解具有分解完全、無殘差的特點，并且結果具有易解釋性。LMDI模型分為加法模型與乘法模型[20]。LMDI加法模型的適用范圍要大于LMDI乘法模型，使用比例也較高。在對總量指標進行分解時，LMDI加法模型是首選[21]。胡夢澤等[22]利用LMDI模型探究唐山6大支柱產業碳排放量變化的深層次原因。結果表明，能源強度效應是碳排放量變化的主要抑制因素，產業結構則是碳排放量增加的主要驅動因素。Gan等[23]利用 2010—2019 年中國公共建筑省級統計數據，采用Kaya-Theil模型，從人均碳排放和單位建筑面積碳排放兩個尺度探討了公共建筑碳排放強度及其驅動因素的不均衡性。Rasheed等[24利用Kaya恒等式和LMDI分解模型評估了2005—2020年影響巴基斯坦水泥制造業碳排放水平的因素，結果表明勞動生產率對碳排放量影響較大。譚春平等[25利用LMDI分解模型將影響甘肅省城鎮住宅建筑碳排放量的因素定為能源結構、能源效率和住房水平。研究表明，這3類影響因素對人均碳排放量增加的影響均為正效應。陳定藝2基于LMDI模型發現，人均建筑面積是影響福建省建筑領域碳排放量的主要驅動因素。

綜合以上文獻發現，現有研究缺少對公共建筑領域碳排放量的拆分探討，且模糊甚至忽略碳排放量核算過程。本文采用第三產業拆分法和動態排放因子法使市公共建筑碳排放量核算結果更加準確，同時增加建筑能效和經濟密度的倒數2個與公共建筑碳排放密切相關的影響因素。以歷年宏觀統計數據為基礎，分析市公共建筑碳排放的歷史演變趨勢和碳減排潛力。首先，通過排放因子法核算2001一2020年市公共建筑碳排放量；其次，利用Kaya恒等式和

LMDI分解模型對公共建筑碳排放量的影響因素進行量化分析，挖掘公共建筑節能減排的潛力；最后，結合研究結果，提出市公共建筑減排建議。

1 研究方法

1.1 排放因子計算

公共建筑常用能源包括原煤、天然氣、管道煤氣、柴油、汽油、液化石油氣、熱力和電力。本文研究對象是市公共建筑，因此排放因子相關數據來源于《市旅游飯店、商場、房地產業及金融業辦公建筑溫室氣體排放核算與報告方法》（SH/MRV-009—2012）[27]?；茉刺寂欧乓蜃佑嬎闶綖?/p>

式中： f_i 為化石能源 i 的碳排放因子； N_i 為化石能源 i 的低位熱值， kJ/kg 或 kJ/m³ ; B_i 為化石能源 i 的單位熱值含碳量， tC/TJ ； O_i 為化石能源i 的碳氧化率， 0% ；44/12為 CO₂ 的相對分子質量與C的相對原子質量之比。

熱力和電力作為二次能源，其碳排放因子并不是固定值。熱力碳排放因子變化不大，且熱力排放量在公共建筑碳排放總量中占比較小，故本文采用市最新數據 0.06tCO₂/ GJ作為熱力碳排放因子。電力碳排放因子與市發電結構有關，具體數值可以通過發電消耗的化石能源的碳排放量與電力消費量的比值來計算。市外調電力的發電結構比例無法獲得，故無法通過該方法計算電力碳排放因子。目前市僅發布了2010年和2022年的電力碳排放因子。本文對缺失年份的數據采用線性插值法進行估算。

1.2 能源消耗實物量計算

目前國內相關部門沒有專門針對公共建筑運行階段能源消耗實物量的統計數據。本文基于《中國能源統計年鑒》地區能源平衡表，采用第三產業拆分法，從第三產業能源消耗中剝離出公共建筑能源消耗實物量，其中與公共建筑能源消耗有關的為批發、零售和住宿、餐飲部門以及“其他”部門[27]。為了使計算結果更準確，需要扣除部分統計在公共建筑中的交通運輸能源消耗。王慶—[28]通過對石油制品平衡表和有關行業能源消費統計數據進行研究，并經公共建筑能源核算，發現 95% 的汽油和 35% 的柴油用于交通運輸。圖1為公共建筑能源消耗實物量的計算結果。

1.3公共建筑碳排放量計算

公共建筑碳排放量主要來自能源消耗，包括化石能源消耗產生的直接碳排放量與二次能源消耗產生的間接碳排放量[29]。碳排放量的計算式為

式中： C 為公共建筑碳排放量， tCO₂ ； E_i 為能源 i 消耗的實物量，t（煤、液化石油氣、汽油、柴油） m³ （天然氣、其他煤氣）、kJ（熱力）、kW?hΛ （電力）。

1.4Kaya恒等式和LMDI模型

Kaya恒等式是1989年由日本學者首次提出[30]，它反映了人類活動與溫室氣體排放之間的關系?？紤]到公共建筑的特點，將市公共建筑碳排放的影響因素分解為能源結構、建筑能效、經濟密度的倒數、經濟發展和人口規模，即

式中： E 為市公共建筑能耗， kg 標煤； A 為市公共建筑規模（面積）， m² ; G 為市第三產業生產總值（GDP），元； P 為市常住人口數，人； C/E 為碳排放系數，代表能源結構；E/A為單位面積能耗，代表建筑能效； A/G 為單位面積生產總值的倒數，代表經濟密度的倒數；G/P 為市人均GDP，代表經濟發展。

2019]、 t+1 年碳排放量； ΔC_c 代表能源結構對碳排放量變化的影響； ΔC_e 代表建筑能效對碳排放量變化的影響； ΔC_a 代表經濟密度的倒數對碳排放量變化的影響； ΔC_g 代表經濟發展對碳排放量變化的影響； ΔC_p 代表人口規模對碳排放量變化的影響。

基于Kaya恒等式，利用LMDI分解模型[31探討碳排放量變化的深層原因，具體分解過程為

式中： ΔC 為2001—2020年市公共建筑碳排放量變化， tCO₂ ； C_t 、 C_t+1 分別為 t 年 （t∈[2001

2 結果與分析

2.1公共建筑碳排放量

2001一2020年市公共建筑碳排放量和能耗演變趨勢如圖2所示。從圖可以看出，市公共建筑年碳排放量呈先增后減的趨勢。2001一2010年是碳排放量快速增長階段，年碳排放量平均每年增長175.12萬 tCO₂ 。市公共建筑在該階段的化石能源消耗逐年增加，產生的直接碳排放量處于上升階段，同時中國在2001年加人世界貿易組織（WTO）[32]，經濟迅速增長，產業對外開放，經濟發展進入全新階段，第三產業能源需求量增大，年碳排放量快速增加。2010年后市公共建筑年碳排放量增長速度放緩，2013年后碳排放量到達平臺期，年碳排放量變化小幅起伏。2019一2020年受疫情影響，公共建筑用能減少，碳排放量驟降，這段時期公共建筑電氣化的普及是脫碳的重要手段之_[33]。公共建筑電氣化，其實更為準確的提法應該是公共建筑能源電力化，一方面杜絕了直接使用傳統化石燃料，降低了建筑的直接碳排放量；另一方面有助于電力公司脫碳轉型、電網“綠電”比例的提高和建筑自身可再生能源發電量的增加以及建筑單位用電量的碳排放比例的逐漸下降。可再生能源作為補充能源能夠減少一部分建筑耗能引起的碳排放量，因此可再生能源也是未來實現建筑零碳的關鍵[34]。從經濟層面上看，2010年后中國經濟增速放緩，經濟由快速發展轉向高質量發展，公共建筑經濟密度得到提升，公共建筑能耗得以降低。按照GB50189—2005《公共建筑節能設計標準》設計的建筑項目一般在2008年左右竣工，建筑整體投入并正常使用在2010年后。這也是2010年后市公共建筑領域碳排放量增速放緩的一個主要原因。單位面積碳排放量這一指標能夠反映市公共建筑碳排放強度。從圖2（a）可以看出，2001—2010年碳排放強度偏高，公共建筑用能需求大，建筑節能運行意識不高。2010一2020年碳排放強度逐年下降，雖然公共建筑規模仍保持增長趨勢，但建筑的節能改造、可再生能源的利用，對市公共建筑碳排放強度的抑制作用逐漸增強。2001—2020年，單位面積碳排放量降幅達 60.17% ，證明市公共建筑領域節能減排效果顯著。

2.2 市公共建筑影響因素分析

基于計算得到的市公共建筑碳排放量與能耗數據，結合統計年鑒的數據，利用LMDI分解模型計算各影響因素對碳排放量變化的貢獻量和累計貢獻量，結果分別如圖 3～4 所示。

從圖3可以看到，大多數情況下，人口規模始終對碳排放量的增加表現出輕微推動作用。2014年后人口規模的變化幅度減小，其對碳排放量變化的貢獻量也顯著降低。經濟發展對碳排放量的增加表現出強烈的促進作用。經濟密度的倒數基本上對碳排放量的增加表現為抑制作用，經濟密度越高，產生相同的經濟效益所消耗的能源更少，碳排放量越低。建筑能效表示建筑使用過程的能源利用效率，其對碳排放量的增加基本上表現為抑制作用。能源結構反映了市公共建筑不同能源消費比例對碳排放量變化的影響，其對碳排放量的增加基本上表現為抑制作用。

從圖4可以看到，2001—2020年市公共建筑領域年碳排放量增加了1434.67萬 tCO₂ ，其中經濟發展對碳排放量變化的貢獻量為4815.52萬 tCO₂ ，貢獻率高達 336% ；人口規模對碳排放量變化的貢獻量為894.53萬 tCO₂ ，貢獻率為 62% ；經濟密度的倒數為碳排放量增加的主要抑制因素，共減少了1726.9萬 tCO₂ 碳排放量，貢獻率為 -120% ；能源結構和建筑能效分別減少了1314.36萬 tCO₂ 和1225.13萬 tCO₂ 碳排放量，貢獻率分別為 -92% 和 -85% 。

中國每五年制定一個國民經濟和社會發展規劃，及時總結并制定下一步發展目標。以每五年作為一個區間，將2001一2020年平均分為4個階段，分別為第一階段（2001—2005年）、第二階段（2006一2010年）、第三階段（2011—2015年）和第四階段（2016—2020年）。

圖5為各影響因素對市公共建筑碳排放量的階段性貢獻量。經濟發展在任何階段都是推動碳排放量增長的主導因素，并且碳排放量與經濟發展速度有很大的相關性。2001一2005年是中國加入WTO的起步階段，第三產業經濟發展水平受限，對碳排放量增長的影響相對較弱，其增加了688.98萬 tCO₂ 碳排放量。第二和第三階段是第三產業經濟快速發展階段，經濟發展對碳排放量的促進作用明顯增強。第四階段是中國經濟由高速發展轉變為高質量發展的關鍵時期，更加注重追求經濟發展質量，因此對碳排放量增長的促進作用放緩。這也意味著市公共建筑領域將走向低排放、高質量發展的階段。

人口規模是指常住人口變化對碳排放量的影響。碳排放量與人的行為活動有著密不可分的關系，故市常住人口的變化直接影響碳排放量的高低。人口規模對碳排放量的貢獻量呈現先增后減的趨勢。第四階段隨著市常住人口趨于穩定，該因素對碳排放量的推動作用不再明顯。

建筑能效對碳排放量的影響很大程度受到市建筑節能減排政策的干預，且建筑施工有一定的周期，故各階段公共建筑節能設計標準的實施對整體碳排放的影響存在延遲性。第一階段公共建筑體量增長慢，建筑用能需求不高，建筑能效抑制了129.43萬 tCO₂ 碳排放量。第二階段是市實施公共建筑節能設計標準的起步階段，標準實施的效果受到建筑施工周期的影響還未充分顯現，同時公共建筑規模增速加快，該階段建筑能效反而輕微推動了299.64萬 tCO₂ 碳排放量。第三階段和第四階段隨著建筑節能扶持辦法的發布和2012年、2015年市公共建筑節能設計標準的完善，老舊建筑的節能改造和新建建筑的節能設計得到鼓勵，建筑能效重新擴大對碳排放量的抑制作用。

能源結構對碳排放量的影響是指不同能源使用比例對碳排放量的影響。分析各階段能源結構對碳排放量的抑制作用可以發現，市公共建筑能源結構呈現低碳化趨勢，能源結構對碳排放量的抑制作用逐漸增強。一方面公共建筑中煤炭、柴油等傳統化石能源的消費占比下降，電力消費占比大幅上升；另一方面可再生能源作為輔助能源分擔了部分用能需求。

為了符合Kaya恒等式的要求，同時考察公共建筑規模和第三產業經濟的關系對碳排放量的影響，本文引人經濟密度的倒數這一指標。該指標對碳排放量的增加始終表現為抑制作用，經濟密度越高對碳排放量的抑制效果越強，且在第二階段與第三階段對碳排放量的抑制作用最強，分別抑制了748.47萬 tCO₂ 和570.36萬 tCO₂ 碳排放量。

3結論與減排建議

采用排放因子法計算出2001—2020年市公共建筑碳排放總量，利用Kaya恒等式和LMDI分解模型對能源結構、建筑能效、經濟密度的倒數、經濟發展和人口規模的影響效果進行了量化研究。主要結論為：

（1）2001一2010年市公共建筑年碳排放量處于快速增長階段，2010年后碳排放量增長速度放緩，2013年后到達平臺期，年碳排放量呈現起伏變化。

（2）根據LMDI模型分解結果，2001—2020年市公共建筑碳排放量的主要驅動因素是經濟發展和人口規模，對碳排放量變化的貢獻量分別為 336% 和 62% 。經濟密度的倒數、能源結構和建筑能效對市公共建筑碳排放量變化表現抑制作用，對碳排放量變化的貢獻率分別為-120% 、 -92% 和 1-85% 。

根據本文的研究結果，結合市公共建筑的實際情況，提出以下的減排策略：

（1）持續優化能源結構，減少對化石能源的依賴，增加清潔能源和可再生能源的利用，逐步使可再生能源從保障性能源走向主體能源。充分利用公共建筑屋頂資源，推動建筑光伏一體化工程。市的地質狀況具有良好的地熱能傳導條件，未來淺層地熱能在公共建筑中的利用將有助于市能源結構的調整，進一步緩解公共建筑碳排放壓力。

（②）目前市在建筑節能方面取得的成果相當顯著。建筑能效是抑制市公共建筑碳排放量增長的主要影響因素。提高建筑能效主要從圍護結構保溫性能和建筑設備效率兩方面著手。鼓勵對熱工性能差的外窗、外墻、屋頂等圍護結構進行保溫改造，采用高效的室內供熱、供冷和節能的照明設備，優化監測和控制手段。完善建筑節能改造資金扶持機制，推進建筑節能標準規范在設計和施工中的貫徹執行。

（3）第三產業經濟發展無疑是促進市公共建筑領域碳排放量增長最重要的影響因素。經濟發展不可避免地導致碳排放量的增加，但為了降低碳排放量而犧牲經濟發展是不可取的，提升第三產業經濟密度能夠平衡經濟發展和碳排放量的關系。

參考文獻：

[1] YOUKR，RENH，CAIWG，etal.Modelingcarbon emission trend in China's building sector to year 2060[J]. Resources， Conservation and Recycling， 2023，188：106679.

[2]ARIOGLU AKAN M O， DHAVALE D G， SARKIS J. Greenhouse gas emissions in the construction industry： Ananalysis and evaluation of a concrete supply chain[J].Journal of Cleaner Production，2017，167： 1195 - 1207.

[3]MA M D， MA X， CAI W G， et al. Carbon-dioxide mitigation in the residential building sector： a household scale-based assessment[J]. Energy Conversionand Management，2019，198：111915.

[4]GUO S Y， JIANG Y， HU S. The pathways toward carbon peak and carbon neutrality in China's building sector[J]. Chinese Journal of Urban and Environmental Studies，2022，10（2）： 2250011.

[5]中國建筑節能協會建筑能耗與碳排放數據專委會. 2022中國建筑能耗與碳排放研究報告[R].重慶：中 國建筑節能協會建筑能耗與碳排放數據專委會， 2022.

[6]YANG P J， PENG S，BENANI N， et al. An integrated evaluation on China's provincial carbon peak and carbon neutrality[J]. Journal of Cleaner Production， 2022，377： 134497.

[7]HUANG R， ZHANG S F，WANG P. Key areas and pathways for carbon emissions reduction in Beijing for the“Dual Carbon” targets[J].Energy Policy，2022， 164：112873.

[8]李軍祥，劉艷麗，何建佳，等.考慮綠證和碳排放權交 易的電力市場協同減碳效應與仿真[J].理工大 學學報，2024，46（4）：464－474.

[9]ZHAO Q F， GAO W J， SU Y， et al. Carbon emissions trajectory and driving force from the construction industry with a city-scale： a case study of Hangzhou， China[J]. Sustainable Cities and Society，2023，88： 104283.

[10］李文琦，孫偉卿，楊文威.考慮碳交易及需求響應的 虛擬電廠運行優化策略[J].理工大學學報，2024， 46（5）： 484- 493.

[11]孫培鋒，陸啟亮，鮑佳麒，等.縣級市碳達峰碳中和規 劃案例分析[J].能源研究與信息，2023，39（4）：214- 221，241.

[12]HEJH，YUEQ，LIY，et al.Driving force analysis of carbon emissions in China's building industry： 2000- 2015[J].Sustainable Cities and Society，2020，60： 102268.

[13]GONG Y Y，SONG D Y.Life cycle building carbon emissions assessment and driving factors decomposition analysisbased onLMDI-a case study of Wuhan City in China[J]. Sustainability， 2015，7（12）： 16670－16686.

[14]LIU Y X， JIANG Y J，LIU H， et al. Driving factors of carbon emissions in China's municipalities：a LMDI approach[J].Environmental Scienceand Pollution Research，2022，29（15）： 21789-21802.

[15] YANG PG， LIANG X， DROHAN P J. Using Kaya and LMDI models to analyze carbon emissions from the energy consumptioninChina[J]. Environmental Science and Pollution Research，2020， 27（21）： 26495- 26501.

[16]黃蓓佳，崔航，宋嘉玲，等.市建筑碳排放核算研 究[J].理工大學學報，2022，44（4）：343－350.

[17]潘毅群，魏晉杰，湯朔寧，等.市建筑領域碳中和 預測分析[J].暖通空調，2022，52（8）：18－28.

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

[19]李中杰，張大為，鄭一新.昆明市能源消費碳排放變化 的因素分解及對策研究[J].能源研究與信息，2013， 29（3）：125-130，135.

[20] YANG J， CAI W， MA M D， et al. Driving forces of China's CO₂ emissions from energy consumption based onKaya-LMDI methods[J]. Science of the Total Environment，2020，711：134569.

[21]HE Y，XING Y T，ZENG X C，et al. Factors influencing carbon emissions from China's electricity industry：analysis using the combination of LMDI and K-means clustering[J]. Environmental Impact Assessment Review，2022， 93： 106724.

[22]胡夢澤，趙耀.基于Tapio 脫鉤和LMDI模型的傳統 工業城市工業碳排放問題[J].中阿科技論壇， 2023（9）： 31 -37.

[23] GAN L， LIU Y， SHI Q W， et al. Regional inequality in the carbon emission intensity of public buildings in China[J].Building and Environment，2022，225： 109657.

[24]RASHEED R， TAHIR F， AFZAAL M， et al. Decomposition analytics of carbon emissions by cement manufacturing - a way forward towards carbon neutrality in a developing country[J]. Environmental Science and Pollution Research，2022， 29（32）： 49429 - 49438.

[25]譚春平，范莉莉，王燁.甘肅城鎮住宅建筑碳排放因素 分解模型及實證[J].統計與決策，2014（7）：109- 111.

[26]陳定藝.基于LMDI模型的福建省建筑領域碳排放影 響因素研究[J].福建建筑，2022（6）：145－148.

[27］市發展和改革委員會.市旅游飯店、商場、 房地產業及金融業辦公建筑溫室氣體排放核算與報 告方法[R/OL].（2012-12-12）[2025-06-20]. https：//www. doc88.c0m/p-1166136825544.html.

[28]王慶一.中國建筑能耗統計和計算研究[J].節能與環 保，2007（8）：9-10.

[29]江億，胡姍.中國建筑部門實現碳中和的路徑[J].暖 通空調，2021，51（5）：1-13.

[30]KAYA Y. Impact of carbon dioxide emission control on GNP growth： interpretation of proposed scenarios[R]. Paris：Intergovernmental Panel on Climate Change/ Response Strategies Working Group， 1989.

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

[32]LIAO L，YU MY. Impact of the WTO on China's rule of law in trade： twentieth anniversary of the WTO[J]. Journal of World Trade，2015， 49（5）： 837 -872.

[33]FOURNIER E D， FEDERICO F， CUDD R， et al. Net GHG emissions and air quality outcomes from different residential building electrification pathwayswithina California disadvantaged community[J]. Sustainable Cities and Society，2022，86： 104128.

[34] LU X S，LU T， KARIRINNE S，et al.Renewable energy resources and multi-energy hybrid systems for urban buildings in Nordic climate[J]. Energy and Buildings，2023，282：112789.