基于LMDI和Tapio脱钩模型的甘肃省碳排放研究

张爱宁 李滋婷 李宗省

DOI：10.16783/j.cnki.nwnuz.2024.03.007

收稿日期：2023-12-28;修改稿收到日期：2024-04-24

基金項目：2023年甘肃省软科学项目（23JRZA349）；2022年甘肃省软科学项目（22JR4ZA003）

作者简介：张爱宁（1982—），男，甘肃庆阳人，研究员，硕士.主要研究方向为科技发展战略研究.

E-mail：94788976@qq.com

*通信联系人，女，助理研究员，硕士.主要研究方向为科技政策研究、产业研究.

E-mail：2570135081@qq.com

摘要：在定量核算2005—2021年甘肃省碳排放量和强度的基础上，预测分析基准情景、高排放情景和低排放情景3种发展情景下甘肃省碳达峰时间及路径.研究表明，甘肃省整体脱钩状态较为理想，贡献主要来源于煤炭碳排放量与经济增长长期处于弱脱钩;经济增长具有增排效应，能源强度、能源结构和人口规模具有节能减排效应，尤其是能源强度.从情景预测分析看，基准情景下，甘肃省将在2035年碳排放达到峰值，2035年之后经济与碳排放处于强脱钩状态，很难在2060年之前实现碳中和;高排放情景下，将在2045达到峰值，经济与碳排放一直处于弱脱钩状态，后续实现碳达峰的难度较大;低排放情景下，2030年后经济与碳排放一直处于强脱钩状态，碳排放量下降幅度较大，在2060年之前实现碳中和较为容易.

关键词：LMDI模型；Tapio脱钩模型；碳排放；情景设置

中图分类号：F 124    文献标志码：A    文章编号：1001-988Ⅹ（2024）03-0055-09

Research on carbon emission in Gansu Province based

on LMDI and Tapio decoupling model

ZHANG Ai-ning1，LI Zi-ting1，LI Zong-xing2，3

（1.Gansu Provincial Institute of Science and Technology Information/Gansu Provincial Key Laboratory of Science and

Technology Evaluation and Monitoring，Lanzhou 730000，Gansu，China;

2.Key Laboratory of Ecohydrology of Inland River Basin，Chinese Academy of Sciences，Lanzhou 730000，Gansu，China;

3.Gansu Qilian Mountain Ecology Research Center，Lanzhou 730070，Gansu，China）

Abstract：On the basis of quantitative accounting of carbon emissions and intensity in Gansu Province from 2005 to 2021，the time and path of carbon peak in Gansu Province were predicted and analyzed under three development scenarios：baseline scenario，high emission scenario，and low emission scenario.The results show that the overall decoupling status in Gansu Province is relatively ideal，

with the main contribution coming from long-term weak decoupling between coal carbon emissions

and economic growth.Economic growth has an effect of increasing emissions，while energy intensity，energy structure，and population size have effects of energy saving and emission reduction，especially energy intensity.From the scenario prediction analysis，under the baseline scenario，Gansu Province is expected to reach its peak in 2035，and the economy and carbon emissions will be in a strong decoupling state after 2035，but it will be challenging to achieve carbon neutrality before 2060.Under the high emission scenario，the peak will be reached in 2045，with the economy and carbon emissions continuously in a weak decoupling state，making it more difficult to achieve the carbon peak subsequently.Under the low emission scenario，the peak will be reached in 2030，and after 2030，the economy and carbon emissions have been in a strong decoupling state，and the magnitude of carbon emission reduction being significant，making it relatively easier to achieve carbon neutrality before 2060.

Key words：LMDI model;Tapio decoupling model;carbon emissions;scenario setting

近年来，如何有效控制和减少碳排放成为世界各国关注和竞争的焦点.以习近平同志为核心的党中央统筹国内国际两个大局，向国际社会作出力争2023年前实现碳达峰、2060年前实现碳中和（简称“双碳”目标）的庄严承诺.2021年，出台《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》，要求各级政府探索推动“双碳”目标实现的路径，确保如期实现“双碳”目标.

从国家层面［1-3］、区域层面［4-5］、城市层面［6-8］和行业层面出发，探索碳排放影响因素、减排路径的相关研究较多.国家、区域和城市层面主要通过综合考虑经济、能源和气候及碳税等因素，分情景预测碳达峰时间；行业层面主要集中探索工业［9-10］、电力［11-13］、交通运输［14-15］、建筑［16-17］、旅游业［18］等行业碳达峰时间、峰值水平等.从研究区域看，碳达峰时间预测的相关研究主要集中在浙江、山东、江苏、北京等东部发达省份，对中西部欠发达省份的研究相对较少.从碳排放影响因素看，相关研究主要运用对数平均迪氏分解模型［19］和STIRPAT模型，探索影响碳达峰的主要因素.从脱钩状态看，相关研究主要应用Tapio脱钩指数等模型，探索经济增长与碳排放的脱钩状态［20］.

甘肃省是我国西部重要的能源基地，2022年，新能源并网622万kW，新能源发电量538亿kW·h，排名全国第二，有实力成为助力“双碳”目标实现的先行者.本研究以甘肃省为研究对象，分析2005—2021年碳排放现状和经济增长与碳排放量之间的脱钩状态，揭示影响碳排放的主要因素，预測不同情景下碳达峰时间和路径，以期为甘肃省如期实现“双碳”目标提供理论依据，同时也为西部其他省份如期实现“双碳”目标提供参考借鉴.

1  数据与方法

1.1  数据来源

核算2005—2021年甘肃省碳排放量所需能源数据，以及未来碳排放预测所需要的经济、人口、能源等数据主要来源于《甘肃发展年鉴》和相关年份的统计公报.

1.2  研究方法

1.2.1  碳排放量核算

运用联合国政府间气候变化专门委员会（IPCC）在《IPCC国家温室气体排放清单指南》中公布的碳排放量估算公式［21］，测算2005—2021年甘肃省碳排放量，公式如下：

Ct=∑Eit×Fi，（1）

其中，Ct表示第t年的碳排放量，Eit表示第t年第i种能源的消费量，Fi表示第i种能源碳排放系数.碳排放系数参考温雪颖等［22］相关研究，能源碳排放系数选取美国能源情报局、日本能源经济研究所、国家发改委能源研究所、国家计委能源所、国家科委气候变化项目、国家环保局温室气体控制项目和中国工程院7家单位的平均值，其中，煤炭碳排放系数为0.72tC/tce，石油碳排放系数为0.56tC/tce，天然气碳排放系数为0.42tC/tce.

1.2.2  Tapio脱钩指数模型

20世纪末，经济合作与开发组织（OECD）将“脱钩”概念引入农业政策研究领域，随后资源环境学者又将其拓展到环境研究领域，用于探索经济增长与环境压力（资源消耗）的关系.Tapio（2005）［23］在对1970—2001年欧洲经济发展与碳排放之间关系进行研究时，引入“弹性系数”，用于反映经济发展与生态环境、能源消耗之间的关系，公式如下：

ε（C，GDP）=ΔCCn-1ΔGDPGDPn-1，（2）

其中，ε为脱钩指数，表示经济发展与碳排放之间的脱钩弹性；ΔC和ΔGDP分别表示碳排放和地区生产总值的变化量；

ΔC/Cn-1表示第n年相对于n-1的碳排放量变化率，

ΔGDP/GDPn-1表示第n年相对于n-1年的GDP变化率.脱钩关系依据弹性系数可分为负脱钩、脱钩和连接3种状态；依据弱、强、扩张、衰退四种强度，进一步细分为弱负脱钩、强负脱钩、扩张负脱钩、弱脱钩、强脱钩、衰退脱钩、衰退连接及扩张连接8种等级［24］，如见表1所示.

1.2.3  LMDI模型

LMDI模型是Kaya恒等式的拓展，反映经济发展、人口等因素对碳排放的影响.本文运用LMDI模型，结合Kaya恒等式思想，从能源结构、能源强度、经济发展、人口规模4个方面，分解甘肃省碳排放影响因素：

C=CiEi×EiE×GDPP×P=

∑i（Fi×Si×I×G×P），（3）

其中，C为碳排放量;Ci为第i种能源的碳排放量；E为能源消费总量;Ei为第i种能源的消费量；P为人口规模；Fi为第i种能源的碳排放系数；Si为能源结构（第i种能源消费占总能源消费的比重）；I为能源强度；G为人均地区生产总值，衡量经济发展水平.运用乘积分解及加和分解，分解基期到报告期的碳排放变化量，公式为：

ΔC=ΔF×ΔS×ΔI+ΔG+ΔP，（4）

假设基期到报告期能源碳排放系数保持不变，模型分解为：

ΔS=∑iCti-C0ilnCti-lnV0ilnStS0，

ΔI=∑iCti-C0ilnCti-lnV0ilnItI0，

ΔG=∑iCti-C0ilnCti-lnV0ilnGtG0，

ΔP=∑iCti-C0ilnCti-lnV0ilnPtP0.（5）

各影响因素对碳排放量贡献率的计算公式分别为：

n1=ΔSΔC×100%，

n2=ΔIΔC×100%，

n3=ΔGΔC×100%，

n4=ΔPΔC×100%，（6）

贡献率大于0，表明该影响因素对碳排放量具有正向拉动作用；贡献率小于0，表明该影响因素对碳排放量具有负向抑制作用［25］.

1.2.4  情景和参数设置

借鉴张欢等［26］相关研究中关于情景设置的方法，面向“双碳”目标，根据地区生产总值、能源强度、碳排放强度和人口规模的不同变化，设置基准、高排放和低排放3种情景.为保证各情景指标参数设定与甘肃省未来发展趋势相符，在情景要素变化上对照“十三五”期间发展趋势，

预测2021—2025年各个指标情况以及碳排放量.以5年为一个阶段，将2021到2050年划分为5个阶段，设置不同情景不同时期各指标增长率参数，见表2.

基准情景.经济增长：第一阶段设置为《甘肃省国民经济和社会发展第十四五个五年规划和二〇三五年远景目标纲要》（甘政发［2021］18号）提出的，“十四五”期间地区生产总值年均增长6.5%，之后每一阶段下降0.5%.能源强度：比《甘肃省“十四五”节能减排综合工作方案》（甘政发［2022］41号）提出的能源强度年均下降2.6%低0.4%（-3.0%）.人口规模：《甘肃省人口发展规划（2016—2030年）》（甘政发［2018］24号）提出，2030年全省常住人口达到2780万人以上，因此第一阶段人口年均增长率设置为1.06%的二分之一再减去0.01%，之后每一阶段下降0.2%.能源结构：“十三五”时期年均增速-2.46%.

高排放情景.经济增长：第一阶段设置为“十三五”期间甘肃省地区生产总值年均增速6.78%，之后每一阶段下降0.5%.能源强度：《甘肃省“十四五”节能减排综合工作方案》（甘政发［2022］41号）提出的能源强度年均下降2.6%.人口规模：《甘肃省人口发展規划（2016—2030年）》（甘政发［2018］24号）提出，2030年全省常住人口达到2780万人以上，因此第一阶段人口年均增长率设置为1.06%，之后每一阶段下降0.2%.能源结构：设置为-1.88%（“十三五”时期年均增速最大值的一半）.

低排放情景.经济增长：第一阶段设置为《甘肃省国民经济和社会发展第十四五个五年规划和二〇三五年远景目标纲要》（甘政发［2021］18号）提出的，“十四五”期间地区生产总值年均增长6.5%，之后每一阶段下降0.5%.能源强度：比《甘肃省“十四五”节能减排综合工作方案》（甘政发［2022］41号）提出的能源强度年均下降2.6%低0.4%（-3.0%）.人口规模：第一阶段设置为“十三五”时期的年均增速-0.19%，之后每一阶段下降0.1%.能源结构：设置为-2.7%，比“十三五”时期年均增速低.

2  结果与讨论

2.1  碳排放量及碳排放强度

图1为2005—2021年，甘肃省碳排放量与能源强度变化趋势.研究期内甘肃省能源消费所产生的碳排放量总体呈上升趋势，具体可分为快速上升期和保持稳定期两个阶段.2005—2014年为快速上升期，由2005年的2.54×107t快速增长至2014

年的4.09×107t，年均增速为5.43%.2014—

2021年为稳定期，年均增速仅0.52%.而同期，甘肃省能源强度呈逐年下降趋势，由2005年的2.31tce/亿元降至2021年的0.82tce/亿元，年均增速为-6.24%.2014年以来，碳排放量增长缓慢，能源强度显著下降，说明甘肃省采取的碳减排措施取得了一定成效.

2.2  脱钩状态分析

表3所示为2006—2021年，甘肃省经济增长与碳排放的脱钩指数及脱钩状态.第一阶段

（2006—2014年），甘肃省碳排放量增加，地区生产总值也增加，经济增长与碳排放之间呈弱脱钩状态；第二阶段（2015—2017年），甘肃省碳排放量减少，而地区生产总值增加，经济增长与碳排放之间呈强脱钩状态；第三阶段（2018—2021年），经济增长与碳排放之间的脱钩状态不稳定，其中，2018年和2021年二者之间呈弱脱钩状态，2019年呈强脱钩状态，2020年呈扩张负脱钩.总体而言，甘肃省碳排放量与经济增长之间呈正相关性，但经济增长年均增速（11.23%）远快于碳排放量年均增速（3.25%）.

第一阶段，脱钩指数呈波动式变动，特别是2009年波动最大，主要是受2008年美国次贷危机影响，甘肃省经济增长速度减缓.为推动经济发展，甘肃省积极布局建设新能源基地，抵御次贷危机带来的负面影响，但碳排放量增长速度仍不及经济增长速度，使甘肃省脱钩指数出现短暂波动.第二阶段，2017年，甘肃省人民政府印发《甘肃省2017年大气污染防治工作方案》，重点开展能源结构优化调整、综合整治燃煤污染、加强工业污染治理等碳减排工作，使甘肃省经济增长与碳排放之间呈强脱钩状态.第三阶段，受甘肃省新能源红色预警、中美贸易战等影响，甘肃省经济增长乏力，能源消耗波动大，碳排放量增长速度仍比经济增长速度慢，脱钩状态不稳定.

表4为各类能源消费碳排放与经济增长之间的脱钩指数、脱钩状态.煤炭消费碳排放量与经济增长呈弱脱钩状态，即经济增长的同时，煤炭消费碳排放量增加，经济增长速度快于煤炭消费碳排放增长速度.石油、天然气消费碳排放量与经济增长的关系极不稳定，存在多个不可取脱钩状态，弱脱钩、强脱钩、扩张连接、扩张负脱钩状态交替出现.甘肃省碳排放量与经济增长整体处于脱钩状态的贡献，主要源于煤炭消费碳排放量与经济增长长期处于弱脱钩.

2020年，甘肃省整体能源消费，其中煤炭消费、天然气消费的碳排放量与经济增长均处于扩张负脱钩，经济在增长，碳排放量也在增加，碳排放量增长速度比经济增长速度快.石油消费碳排放量与经济增长处于扩张连接状态，即石油消耗产生的碳排放量增长速度与经济增长速度基本相同，呈较强依赖状态.2020年该种情况的出现，主要是受新冠疫情影响，经济出现下滑，GDP增速减缓，而能源消费量增加，且增速大于增长速度，导致碳排放量增加.

2.3  甘肃省碳排放影响因素分析

以2005年为基期，运用LMDI分解模型，定量分析经济增长、能源强度、能源结构、人口规模的碳减排贡献率（图2）.整体来看，仅经济增长会

促进碳排放量增加，其余3个因素均发挥着抑制碳排放量增加的作用，因素贡献率绝对值大小依次为：经济增长>能源强度>能源结构>人口规模，与刘茂辉等［27］对天津市碳排放驱动因素和董莹等［28］对甘肃省碳排放驱动因素的研究结论一致.

LMDI因素分解模型公式中的ΔC为正，即4个因素的贡献率加总大于0，也证实了甘肃省碳排放整体呈上升趋势的现实.

从各影响因素看，经济增长是促进碳排放量增加的主要因素，整体呈递增趋势.主要源于为满足经济发展需求，各行各业能源消費在增加，从而碳排放量增加.能源强度是抑制碳排放量增加的主要因素.甘肃省依靠科技创新和技术产业化应用，提高了高耗能行业、企业的能源使用效率，降低了相同产值条件下的碳排放量.自2020年以来，依靠提高能源使用效率抑制碳排放的空间在逐渐收窄.能源结构对碳排放具有抑制作用（除2006年和2007年外），但贡献率不明显.这与甘肃省以煤炭为主的能源消费结构、以工业为主的经济结构息息相关.人口规模整体抑制碳排放，但影响效应值较小，可能与近年来甘肃省人口处于流失状态，人才的稳、育、引难度较大相关.2020年，甘肃省第七次人口普查常住人口2501.98万人，较2010年第六次人口普查减少55万人.

2.4  碳排放变化情况模拟

2.4.1  不同情景下甘肃省碳排放量预测

以2021年数据为起始点，依据参数设置，预测不同情景下甘肃省碳排放量，结果见图3.基准情景下，2022—2035年碳排放量持续增长，2035年达到峰值4525.18万t，期间碳排放增量约为293万t，无法如期实现2030年碳达峰目标.高排放情景下，2022—2045年碳排放量持续增长，在2045年达到峰值5451.45万t，较基准情景下高出约29%.期间碳排放增量约为1200万t，比基准情景下的碳排放增量约高926万t，无法如期实现2030年碳达峰目标，且碳达峰后实现碳中和的难度也相对较大.低排放情景下，2022—2030年碳排放量持续增长，2030年达到峰值4339.59万t，分别比基准情景、高排放情景峰值低185.59万t和1111.86万t.2021年至达峰时间的碳排放增量约为107万t.不仅可以实现2030年碳达峰目标，且碳达峰后的减排压力也相对较小，为如期实现2060年碳中和目

标打下基础.未来甘肃省采取低排放情景才能如期

完成2030年的碳达峰目标.

2.4.2  不同情景下甘肃省经济增长与碳排放的脱钩指数预测

2022—2030年，3种情景下，经济增长与碳排放均为弱脱钩.2031—2035年，基准情景和高排放情景下，经济增长与碳排放为弱脱钩；低排放情景下经济增长与碳排放为强脱钩.2036—2050年，基准情景和低排放情景下，经济增长与碳排放为强脱钩；高排放情景下，经济增长与碳排放为弱脱钩.经济增长与碳排放强脱钩有助于实现碳达峰，因此，要想如期实现双碳目标，就需要在低排放情景下，推广应用清洁能源，使经济增长与碳排放强脱钩.同时，部署实施一批碳汇工程，增加碳汇，抵消部分碳排放量.

3  结论与建议

3.1  结论

通过对2005—2021年甘肃省碳排放特征及变化趋势进行探索研究，得出以下主要结论：

1）脱钩指数模型分析结果显示，研究期内甘肃省整体脱钩状态较为理想，除2020年外，其余年份均处于强脱钩或弱脱钩两种理想状态.

2）LMDI模型分析结果显示，2006—2021年，经济增长对甘肃省碳排放量的影响最大，其次是能源强度，能源结构、人口规模对碳排放量的贡献相对较小；能源强度、能源结构、人口规模对碳排放变化具有负向抑制作用，而经济增长对碳排放变化具有正向促进作用.

3）低排放情景下，甘肃省可以在2030年如期实现碳达峰，且2060年实现碳中和的压力也较小.

3.2  建议

1）强化能源结构和强度效应的负向抑制作用，充分利用甘肃省风能、太阳能、生物质能、氢能等清洁能源和可再生能源丰富的优势，开展关键技术研发，提升能源开发利用效率，构建清洁低碳、安全高效的能源体系，助力实现“双碳”目标.

2）创新“新能源+农业”“新能源+建筑”“新能源+交通”等产业融合发展场景，推动新能源发电与关联产业的融合，加快产业协同共进，实现新能源即产即消.

3）推进重点领域低碳工艺技术改造，加快工业领域低碳转型和数字化工艺革新，推动产业智能化绿色化发展，尽快摆脱对化石能源消耗的过多依赖，促进经济发展的同时有效控制能源消费，降低碳排放量.

4）统筹提升黄河流域和祁连山生态保护和修复能力，稳定现有山水林田湖草沙等生态系统的固碳作用，增强碳汇能力.

参考文献：

［1］  王思博，庄贵阳，窦晓铭.中国省域碳达峰梯次划分与差异化排放路径——基于碳排放与经济发展双重视角的考察［J］.武汉大学学报（哲学社会科学版），2023，76（3）：136.

［2］  苗安康，袁越，吴涵，等.中国省域碳达峰路径与政策［J］.环境科学，2023，44（8）：4623.

［3］  李辉，孙雪丽，庞博，等.基于碳减排目标与排放标准约束情景的火电大气污染物减排潜力［J］.环境科学，2021，42（12）：5563.

［4］  施晓燕，赵有益，王音璠，等.黄河流域资源型城市碳达峰情景模拟研究［J］.西北师范大学学报（自然科学版），2024，60（1）：106.

［5］  李心萍，苏时鹏，张雅珊，等.福建省碳排放预测与碳达峰路径分析［J］.资源开发与市场，2023，39（2）：139.

［6］  姚明秀，王淼薇，雷一东.基于STIRPAT模型的上海市碳达峰预测研究［J］.复旦学报（自然科学版），2023，62（2）：226.

［7］  杜涵蓓，赵立君，刘臣炜，等.基于LEAP模型和KAYA模型的主城区碳达峰预测及不确定性分析［J］.生态与农村环境学报，2022，38（8）：983.

［8］  王勇，许子易，张亚新.中国超大城市碳排放达峰的影响因素及组合情景预测——基于门限-STIRPAT模型的研究［J］.環境科学学报，2019，39（12）：4284.

［9］  魏丽莉，侯宇琦.中国工业二氧化碳边际减排成本测算与行业碳达峰预测［J］.经济理论与经济管理，2023，43（2）：63.

［10］  蒋惠琴，李奕萱，陈苗苗，等.碳中和愿景下浙江省工业部门碳达峰预测与实现策略［J］.地域研究与开发，2022，41（4）：157.

［11］  胡壮丽，罗毅初，蔡航.城市电力行业碳排放测算方法及减碳路径［J］.上海交通大学学报，2024，58（1）：82.

［12］  师  玮，郑雅丽，杨家鹏，等.多时间尺度下电力消费碳排放区域动态演进及收敛性分析［J］.西北师范大学学报（自然科学版），2024，60（1）：97.

［13］  师玮，郑雅丽，杨家鹏，等.多时间尺度下电力消费碳排放区域动态演进及收敛性分析［J］.西北师范大学学报（自然科学版），2024，60（1）：97.

［14］  王世进，蒯乐伊.中国交通运输业碳排放驱动因素与达峰路径［J］.资源科学，2022，44（12）：2415.

［15］  史丹，叶云岭.城市交通碳排放趋势与减排对策研究——以上海市为例［J］.现代管理科学，2022（4）：3.

［16］  常莎莎，冯国会，崔航，等.建筑行业碳排放特征及减排潜力预测分析［J］.沈阳建筑大学学报（自然科学版），2023，39（1）：139.

［17］  徐伟，倪江波，孙德宇，等.我国建筑碳达峰与碳中和目标分解与路径辨析［J］.建筑科学，2021，37（10）：1.

［18］  朱海，王立国，贺焱，等.多情景下中国省域旅游业碳达峰的时空特征研究［J］.干旱区资源与环境，2023，37（1）：169.

［19］  刘茂辉，邓小文，刘胜楠，等.基于LMDI法和Tapio脱钩模型的天津市碳排放分析［J］.环境污染与防治，2022，44（10）：1397.

［20］  张永凯，田雨.黄河流域城市群碳排放与经济增长脱钩状态及驱动因素［J］.人民黄河，2023，45（5）：30.

［21］  IPCC.2006 IPCC Guidelines for National Greenhouse Gas Inventories［R］.Kanagawa：Institute for Global Environmental Strategics，2006.

［22］  温雪颖，金良，郭长治，等.基于脱钩理论的内蒙古能源消费碳排放与经济发展特征分析［J］.未来与发展，2019（3）：60.

［23］  TAPIO P.Towards a theory of decoupling：Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001［J］.J Transp Policy，2005（12）：137.

［24］  闫庆友，李雪婷.基于GDIM的山东省能源消费碳排放与经济发展脱钩研究［J］.山东工业技术，2023（2）：3.

［25］  薛建春，曹力博.基于脱钩指数和LMDI模型的黄河流域能源低碳发展研究［J］.前沿，2023（1）：70.

［26］  张欢，杨彦红，王瑞祥.甘肃省绿色金融发展对碳达峰与低碳韧性的影响研究——基于STIRPAT模型和情景模拟的分析［J］.西部金融，2023（2）：69.

［27］  刘茂辉，邓小文，刘胜楠，等.基于LMDI法和Tapio脱钩模型的天津市碳排放分析［J］.环境污染与防治，2022，44（10）：1397.

［28］  董莹，许宝荣，华中，等.基于LMDI的甘肃省碳排放影响因素分解研究［J］.兰州大学学报（自然科学版），2020，56（5）：606.

（责任编辑  武维宁）