京津冀能源消费碳排放与水资源消耗双重分析

檀菲菲, 江象君

(南京财经大学 江苏产业发展研究院, 江苏 南京 210003)

京津冀能源消费碳排放与水资源消耗双重分析

檀菲菲, 江象君

(南京财经大学 江苏产业发展研究院, 江苏 南京 210003)

[目的] 探究京津冀区域能源消费碳排放和水资源消耗的影响因素和未来变化，为该区制定针对性政策提供科学支撑。 [方法] 基于京津冀2002—2012年能源消耗碳排放的估算，构建了基于六大行业的能源碳排放和基于三次产业的水资源消耗因素分解模型，并设定情景分析模型对该区域2015和2020年的CO2排放和水资源消耗进行模拟和预测。 [结果] (1) 2002—2012年京津冀能源碳排放呈年均8.51%的增速，累积增长了226.26%，以工业能源碳排放为主，其次是交通运输业和生活消费，而水资源消耗变化趋势都较稳定； (2) 因素分解结果显示人均财富的变动是京津冀区域CO2排放量和水资源消耗量增加的最大正向因素，能耗强度和水耗强度则为最大负向因素； (3) 在设定的所有情景中，2015和2020年京津冀区域的CO2排放量分别相比2005年至少会增加553.6和819.2 Mt，水资源消耗量分别相比2012年至少增加3.36×109m3和9.97×109m3。 [结论] 京津冀区域的3大产业的水资源消耗量在研究时期内的变化趋势都较稳定，表明产业结构的调整和产业用水效率的提高将是京津冀区域水资源管理决策的重中之重。

京津冀; 能源消费碳排放; 水资源消耗; 因素分解

过去几十年，尽管中国经济获得了快速的发展，却付出了巨大的资源和环境代价，同时严重的能源资源短缺和环境污染也成为了其实现可持续发展的瓶颈[1]。目前中国作为最主要的温室气体排放的国家，CO2排放量将在较长时期内持续增长，节能减排形势严峻[2]，而能源消耗被认为是未来50 a里大量CO2排放的主要贡献因子之一[3]。在此背景下，中国政府开启了控制温室气体最重要的目标战略，决定将2020年CO2/GDP的值减小到2005年的40%～45%，同时在“十二五”规划中也要求能源强度(EC/GDP)和碳排放强度(CO2/GDP)分别降低16%和17%，各个省区的“十二五”规划中也分别制定了相应的减排目标。而随着水资源需求的加大，中国的水资源也逐渐同煤炭等不可再生资源一样，受制于水资源短缺和水污染引起的压力，从而日益成为制约经济社会发展的要素[4]。京津冀区域处于环渤海地区和东北亚的核心区域，是中国北方经济最发达的地区，也是中国重要的经济增长极[5]。随着京津冀区域经济的快速发展和人民生活水平的提高，水资源不足已经成为该区域的突出矛盾，也是制约其资源环境承载力的短板因素。因此，对京津冀区域的能源碳排放和水资源消耗的双重分析研究对处理该区域的碳排放和水资源问题，制定区域能源和水资源政策以及区域可持续发展的实现具有重要意义。

近年来，大量的文献研究了关于CO2排放的问题[6-7]，一方面主要关注各个尺度上的CO2排放变化，并通过结构分解的方法将这种排放变化分解为经济发展、能源消费结构和广义技术水平等变化[8]，或者通过随机回归模型(STIRPAT)分解成人口、富裕度和技术水平的变化[9]，等。另一方面的研究主要关注CO2排放、能源消费和经济产出或城市化之间关系[10-11]，一般通过格林因果和协整检验模型来进行实证研究。国内外众多学者对水资源利用状况也已有多方面多层次的研究，其中Zhang等[12]利用结构分解方法对北京1997—2007年的水足迹进行分解，Zhao等[13]采用了迪氏对数平均指数分解法(LMDI)解释了1990—2009年的中国农业水足迹，刘耀彬等[14]指出水资源对城市化进程约束作用较大，张陈俊等[15]基于改进的LMDI方法研究1997—2011年中国水资源消耗强度变化的影响因素。然而，在行业或产业层面上同时对能源消耗碳排放和水资源消耗的特征和驱动因子分析，并与情景分析结合的研究目前较罕见，尤其对于京津冀区域而言。故本研究在既有的研究成果的基础上，结合作者自己的思考，构建基于行业的能源消费碳排放和水资源消耗的估算和分解模型，并设定相关的情景分析，由于Minx等[16]认为中国CO2排放的快速增加主要发生在2002年之后，因此本研究从区域和省域的视角对京津冀区域2002—2012年的能源消费碳排放和水资源消耗进行实证分析，探究其根本影响因素和未来变化，为制定有针对性的政策提供科学支撑。

1 研究方法

1.1 碳排放估算和分解模型

由于具体的区域CO2排放量是需要估算的，根据一般能源消费CO2排放量估算方法来估算，该方法参考《2006年IPCC国家温室气体清单指南》[9,17]，计算公式为：

(1)

式中：k1，k2，k3和k4——煤类、油类、天然气和电力的碳排放系数；a,b,c,d——4种能源项目的折算标准煤系数，依次为0.714 3,1.428 6,1.33，0.122 9 t/(kW·h)；j——所有的基本能源项目，从1～9依次表示煤炭、焦炭、原油、汽油、煤油、汽油、燃料油、天然气和电力等9项； EC1，EC2，EC3和EC4——煤类、油类、天然气和电力等能源的消费量；转化系数44/12——CO2和C的分子量的比例。而其中各类能源的碳排放系数参考中国发展改革委员会能源研究所的推荐值[17]，其中煤类、油类、天然气和电力的值分别取0.747 6,0.582 5,0.443 5和0。

同时，本文的行业或部门按照表1的分类执行，其中将“交通运输业”单列出来，将批发和零售业、酒店和餐饮服务业以及金融业等合并为“商业”，这种改进的划分方式在研究CO2排放问题的时候有助于提高数据的可利用性，也能使得碳排放数据、能源消费数据和经济产出数据都具有一致性 。

表1 行业的具体分类说明

此外，应用LMDI方法对京津冀区域能源消费碳排放进行因素分解，将生产部门的CO2排放分解为人口(P)、人均财富(a)、产业结构(s)、能源强度(e)、和碳排放系数(k)5个因素的效应，将生活部门的CO2排放分解为人口(P)、人均生活能源消费(u)、碳排放系数(k)等3个因素效应：

(2)

(3)

(4)

(5)

1.2 水资源消耗分解模型

区域水资源消耗的相关数据是可获得的，故水资源消耗量不需要进行估算。然而可以借助碳排放分解模型的思想来构建水资源消耗分解模型。由于统计年鉴中的水资源利用量一般分为农业用水、工业用水、生活用水和环境用水，因此本文认为水资源消耗是相对于3个产业而言，即定义农业用水为第一产业，工业用水为第二产业，而生活和环境用水则属第三产业。即水资源消耗总量分解的加法形式如下式所示：

(6)

式中：W——总水资源消耗量;Wn(n=1,2,3)——第一、二和三产业的水资源消耗量; GDPn——第n产业的GDP;w,s,a,P——水耗强度、产业结构、人均财富和人口等4个因素。

(7)

1.3 情景分析模型设定

若由CO2排放反映环境影响(I)，人均GDP(g)，衡量富裕度(A)，则CO2排放强度(c，区别于碳排放强度k)可描述技术水平(T)，一般可根据IPAT等式来表征它们之间的关系[20-21]，计算公式为：

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和能耗强度的年均增加率； h——相差的年份。

由公式(13)—(14)可知，GDP的增长率和能耗强度的变化是造成第t-h年到第t年的CO2排放的变化，因此，可以基于GDP和能耗强度的变化设定不同的情景来预测CO2排放量。

同样，对水资源消耗量也可得到：

(15)

由于北京、天津市和河北省的“十二五”规划GDP的年均增长率分别设定为8%，12%和8.5%，综合考虑以上增长率，从而京津冀区域2012—2020年GDP的3个情景值(C1,C2,C3)从低到高分别被设定为8%，9%和10%。“十二五”节能减排规划中强调北京、天津市和河北省的GDP能耗(即“能耗强度”)相对“十一五”末要分别降低17%，18%和17%，经过换算，则北京、天津和河北的能耗强度分别要保持-3.66%，-3.89%和-3.66%的年均增长率，从而能耗强度的3个情景值(D1,D2,D3)分别被设定为-3.5%，-3.75%和-4.0%。而仅有北京“十二五”规划中明确设定万元地区生产总值水耗至少降低15%，即“十二五”期间年均增长率至少为-3.2%，由于北京的技术水平和潜力相对天津和河北更高，因此综合考虑3个省区的实际情况，水耗强度的3情景值(E1,E2,E3)分别被设定为-2.5%，-3.0%和-3.5%。全部情景因子的设定值详见表2。

表2 京津冀区域GDP、能耗强度和水耗强度的情景因子值设定

因而对GDP、能耗强度和水耗强度的3种情况进行排列组合，即可得到京津冀区域2012—2020年能源碳排放和水资源消耗的9种情景(表3)。

表3 京津冀区域能源碳排放和水资源情景设计

1.4 数据来源

能源和经济数据主要来源于《中国能源统计年鉴(2003—2012年)》《中国统计年鉴(2003—2013年)》《北京统计年鉴(2003—2013年)》《天津统计年鉴(2003—2013年)》《河北经济年鉴(2003—2013年)》，并由相应年份的各类公报补充，水资源数据根据历年的《中国统计年鉴》和《中国水资源公报》整理计算所得。

选取2015年10月～2017年10月在我科实习的护理专业学生150名作为研究对象，其中，本科生43名，大专生107名。

2 结果分析

2.1 能源碳排放量和水资源消耗量

2.1.1 能源碳排放量分析 能源碳排放的估算结果显示，2002—2012年天津和河北的CO2排放总量呈明显的增长趋势(图1)，北京呈相对缓慢的增长，3个省区的绝对排放总量大小依次为：河北>天津>北京。其中“十二五”之后(2011和2012年)京津冀区域和3个省区的增长开始减缓，尤其北京最为显著。2002—2012年以来，整个京津冀区域CO2排放总量以年均8.51%的增速逐年递增，而所划分的6大行业CO2排放量的变化各不相同。研究时期内，北京地区CO2排放的年均增长率是3.01%，从2002—2012年累积增长了134.51%，天津和河北地区的年均增长率分别为7.80%和9.90%，累积增长分别达到211.85%和257.02%，而整个京津冀区域累积增长了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为：天津>河北>北京。

对于京津冀区域而言，图1也显示研究时期内工业的能源碳排放是能源碳排放的主体，每年工业的碳排放量都占总量的60%以上。从2002—2012年，北京地区的工业碳排放量占碳排放总量的比例由47.78%降至33.37%，天津地区由74.57%降至62.14%，河北地区由65.14%增至75.33%(2007年)再降至65.49%。其次是交通运输业和生活消费的能源碳排放量，两者都占据京津冀区域能源碳排放总量的10%以上。而在其余3行业中，商业部门的能源碳排放的绝对值及其占全区域总排放量的比例增长最明显，以北京的商业部门排放量的增长最为显著，其次是天津地区，而河北地区的商业碳排放的绝对值虽然增加了，其占总量比例的变化较缓。这些结果说明研究时期京津冀区域正处于工业化阶段，而北京地区大力度的产业结构调整对能源消耗的影响已初见起色，天津和河北地区的高能耗业仍具更大的减排空间。

图1 京津冀区域及各省区2002—2012年能源消费碳排放量

2.1.2 水资源消耗量分析 水资源消耗方面，2002—2012年，北京、天津和河北地区的年均消耗量为3.50×109m3，2.24×109m3，1.98×1010m3，其水资源消耗总量的年均增长率分别是0.36%，1.48%和-0.23%。由于难以获得3个省区的第一、二和三产业具体的水资源消耗数据，相关研究见参考文献[22]，本研究采取替代法，将农业用水代替第一产业用水，工业用水代替第二产业用水，生活用水和环境用水的总和代替第三产业用水。图2揭示了2002—2012年整个京津冀区域及北京、天津和河北地区各产业用水量的变化情况。从第一产业占总用水量的比例来看，北京、天津和河北地区第一产业的平均用水量占比分别是33.95%，54.72%和74.17%，而且2002—2012年仅北京的地区第一产业占总用水量的比例从44.63%降至25.95%，天津和河北地区第一产业占比的变化缓慢，因此可看出第一产业是这2个省区节水的重点产业，河北第一产业的节水尤其应当是重中之重。2002—2012年，北京、天津和河北地区的第二产业平均用水量占平均总用水量的比例分别是17.37%，20.56%和12.74%，2市1省的二产用水量的差额相对较小，其中仅北京市的第二产业占总用水量的比例下降最大，表明其二产的用水效率显现成效。然而，北京地区的第三产业平均用水量占平均总用水量的比例达到了48.67%，远超天津(24.73%)和河北(13.09%)地区，表明北京地区用水较集中于第三产业，这与北京的产业结构也是相辅相成的。此外，从万元GDP用水量及各产业万元产值用水量等方面来看，研究时期内河北地区万元GDP用水量的平均值166.81m3/万元，远高于京津地区，分别是北京和天津地区的3.37，3.36倍。因河北地区的人口、经济和能源等各方面占整个京津冀区域的比例较大的影响，研究时期整个京津冀区域的能源碳排放和水资源消耗变化趋势都与河北地区的变化趋势较一致。

图2 京津冀区域及各省区2002—2012年水资源消耗量

2.2 因素分解

2.2.1CO2排放变化的因素分解 运用上述基于LMDI构建的分解模型对京津冀区域2002—2012年生产部门的5个行业的能源消费CO2排放进行因素分解，可得到研究时期内人口(ΔP)、人均财富(Δa)、产业结构(Δs)、能源强度(Δe)和碳排放系数(Δk)等5个因素的累积效应，对生活部门可分解为人口(ΔP)、人均生活能源消费(Δu)和碳排放系数(Δk)等3个因素的累积效应(图3)。图3表明，按照累积效应，无论于生产部门的哪个行业人均财富的增长都对碳排放量的增加具有明显的正向影响，而除了农林牧渔业(由于区域内河北为农业大省，由于“十二五”之后农业机械化程度的大幅度提高，农林牧渔业的能源消耗量的增加程度超过了该行业产值的增长程度，导致了其2011年后能耗强度的下降)，其他行业能源强度的变动都对碳排放量的增加具有一定的负向影响。此外，京津冀区域人口总数的增长对所有行业或部门碳排放量的增加都产生正向效应，对农林牧渔业、工业、建筑业、交通运输业、商业和生活消费的2002—2012年的累积效应2.3，94.8，4.0，14.8，13.2和21.0Mt。除商业部门外(本质上是由于2002—2012年商业产值占地区生产总值的比例越来越高，从基期的35.67%到“十一五”末的40.24%，再到“十二五”末的43.26%，直到2012年达到44.29%)，其他行业产业结构的变动都对碳排放量的增加产生负向效应，实际上，由于商业的能耗强度相对其他行业而言是下降的最快的(0.440 1t/万元到0.162 3t/万元)，对碳减排而言这种产业结构的变化是一种优化趋势。对生活消费的碳排放来说，人均生活消费能源的增加是该部门碳排放增加的主导因子。其次，研究时期碳排放系数的变动相对而言所产生的效应是较微弱的，这也为本研究后续情景分析模型的设定奠定了基础。

注：ΔP为人口，Δa为人均财富，Δs为产业结构，Δe为能源强度，Δk为碳排放系数，Δu为人均生活能源消费。下同。图3 不同影响因素对京津冀区域2002—2012年不同行业CO2排放变化的累积效应

2.2.2 水资源消耗变化的因素分解 2002—2012年京津冀区域一产和二产的用水消耗量呈现轻微的降低趋势(图2)，而第三产业用水消耗量呈增加趋势。总体来看，图4显示京津冀区域3次产业的水资源消耗变化因素分解的累积效应有类似之处，比如三次产业的人均财富的和水耗强度的变动都是影响其水资源消耗量最重要的促进和抑制因素。对于第一产业而言，人均财富(即第一产业的经济规模)的变动导致第一产业用水量增加了2.498×1010m3，对第一产业累积用水增量的贡献率达90.1%，其次的正向效应的因素则是人口的变动。而第一产业的产业结构和水耗强度的变动都对其水资源消耗总量产值负向的效应，表明研究时期京津冀区域第一产业的节水政策已初见功效。对于第二产业来说，人均财富和人口的变动对第二产业累积用水增量的贡献率分别是90.2%和9.8%，同样其产业结构和水耗强度的变动产生负向效应。而从第三产业来看，仅有水耗强度是负向因素，其他3个因素都产生正向的影响，也便导致了第三产业累积水资源消耗量的增加，然而，即使如此，第一产业仍然是该区域的水资源消耗的重中之重，表明继续加大京津冀区域农业节水的力度对该区域的可持续发展来说仍然是可行之道。

2.3 情景分析

2.3.1 CO2排放量和水资源消耗量预测 基于公式(14)估算9种不同情景的CO2排放，可获得京津冀区域2015，2010年的CO2排放量和水资源消耗量(图5)。通过比较全部情景的CO2排放量的预测值，S3和S7分别是最低和最高预测值，表明2015年京津冀区域的CO2排放量相比2005年至少会增加553.6 Mt，至多会增加846.9 Mt，2020年京津冀区域的CO2排放量相比2005年至少会增加819.2 Mt，至多会增加984.0 Mt。结合表2—3情景因子的设定，我们可发现京津冀区域CO2排放量的最低预测值出现在GDP年均增长率最低和能耗强度降低最多2个方面同时实现之时，而最高预测值实现的条件则恰恰相反，再次表明了经济增长率是CO2排放增长的主要原因，能源消费结构的优化和能源效率的提高是CO2减排的主要原因。基于公式(15)也估算了9种不同情景下京津冀区域2015和2020年的水资源消耗量，图5显示其最低和最高预测值同样出现在S3和S7下。其中，2015年京津冀区域的水资源消耗量相比2012年至少会增加3.36×109m3，至多会增加5.09×109m3，2020年相比2012年至少增加9.97×109m3，至多会增加1.595×1010m3。与CO2排放的结果类似，经济增长率和水资源利用效率则是2个重要的调节因子。

注：Δw为水资源消耗强度。图4 不同影响因素对京津冀区域2002—2012年3次产业水资源消耗量变化的累积效应

2.3.2 CO2排放强度 由于CO2排放强度指标在控制温室气体的战略目标和国家减排规划中都占据重要的地位，通过以上的预测和分析，可计算出京津冀区域2015和2020年每种情景下的CO2排放强度及其减排程度。然而，S4，S5和S6的CO2排放强度依次等于S1，S2和S3的CO2排放强度，S7，S8和S9同样等于这3种情景下的值，因而图6中仅显示了这3种情景下的CO2排放强度，究其原因，是由于经济增长率对CO2排放强度的影响是间接的，会由其他因素反映出来，因此CO2排放强度的计算无需考虑经济增长率[22]。S1，S2和S3情景下京津冀区域“十二五”末的CO2排放强度分别是1.885 7，1.871 1和1.856 5 t/万元，相对“十一五”末分别下降23.64%，26.23%和29.21%，而2020年CO2排放强度分别是1.578 0，1.545 6和1.513 8 t/万元，相对2005年分别下降58.57%，59.42%和60.25%。因此，这3种情景理论上都可实现2020年的40%～45%和该地区的“十二五”减排目标，而结合图5可知其中S3情景下的碳排放量增量最少。

图5 京津冀区域2015和2020年CO2排放和水资源消耗的情景预测值

图6 京津冀区域2015和2020年CO2排放强度及其分别相对于2005和2010年下降的比例

3 结 论

(1) 2002—2012年京津冀区域的能源碳排放以年均8.51%的增速增加，而所划分的6大行业的排放变化各不相同，以工业的能源碳排放为主，其次是交通运输业和生活消费的排放，而且其3个省区的绝对排放总量和累积排放总量按大小依次是河北、天津和北京。水资源消耗的变化趋势说明京津冀区域的3大产业的水资源消耗量在研究时期内的变化趋势都较稳定，其中仅有北京呈现第一、二产业用水明显减少和第三产业用水明显增多，而天津和河北各产业的用水量都变化平缓，表明产业结构的调整和产业用水效率的提高将是京津冀区域水资源管理决策的重中之重。

(2) 因素分解结果显示人均财富效应是京津冀区域CO2排放量和水资源消耗量增加的最大正向因素，这与北京、天津和河北3个省区近10 a的GDP一直保持在10%以上的增速密切相关，因而有必要放缓GDP的增速，保证GDP增长的稳定性以及经济环境的协调性。能耗强度和水耗强度则是其CO2排放量和水资源消耗量增加的最大负向因素，这与北京、天津和河北“十一五”以来都将单位GDP能耗列入政府、企业等部门的考核并加以严格监督管理息息相关，因而今后务须继续推行目标责任制，采取各种措施(如推广节能和清洁能源技术、实施激励政策等)加强节能减排，提高能源利用率，同时单位GDP水耗也开始得以重视。产业结构的变动对CO2排放量和水资源消耗量增加的影响取决于该行业本身产值比例的增加与否，从而引领新兴低碳产业(如服务业等)发展的方向。人口对排放和碳排放系数具有相对较微弱的正向效应。

(3) 2015和2020年京津冀区域CO2排放量和水资源消耗量的最低预测值和最高预测值都分别出现在S3和S7情景中。2015和2020年京津冀区域的CO2排放量相比2005年至少会增加553.6和819.2 Mt。同时，2015和2020年京津冀区域的水资源消耗量相比2012年至少会增加3.36×1010m3和9.97×109m3。此外，本文在设定的所有情景下京津冀区域理论上都可实现2020年的40%～45%和各省区的“十二五”减排目标，而S3情景下的碳排放量和水资源消耗增量都最少。

[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,计军平,马晓明.广东省能源消费碳排放增长的结构分解分析[J].资源科学,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,张萌,李浩然,等.基于集对分析的京津冀区域可持续发展协调能力评价[J].生态学报,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] 张旺,周跃云.基于结构分解法的北京市能源碳排放增量分析[J].资源科学,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] 张陈俊,章恒全,龚雅云.中国结构升级,技术进步与水资源消耗:基于改进的LMDI方法[J].资源科学,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] 宋杰鲲.基于LMDI的山东省能源消费碳排放因素分解[J].资源科学,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] 岳书敬,许耀,胡姚雨.长三角地区行业间水资源消耗差异性分析[J].资源科学,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

国家自然科学基金项目“基于空间关联和产业代谢的长江经济带可持续发展评价与调控对策”(71603111); 江苏省高校自然科学研究面上项目(16KJB610007); 江苏高校优势学科建设工程项目

檀菲菲(1988—),女(汉族),安徽省安庆市人,博士,讲师,硕士生导师,主要从事环境经济学与区域可持续发展方面的研究。E-mail:tanfei129x@163.com。

10.13961/j.cnki.stbctb.2016.06.039

A

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

X24, U261.15

文献参数： 檀菲菲, 江象君. 京津冀能源消费碳排放与水资源消耗双重分析[J].水土保持通报，2016,36(6)：231-219.