代大為 張凌

摘 要：根據(jù)安徽省工業(yè)2010—2019年相關(guān)能源消費量計算碳排放量，運用擴展的Kaya公式并結(jié)合LMDI模型對安徽省工業(yè)碳排放的影響因素進行定量分析，量化相關(guān)影響因素的貢獻率。運用EGM（1，1）模型對安徽省工業(yè)未來10年（2020—2029年）碳排放量變化趨勢進行預測。結(jié)果表明：勞動規(guī)模、經(jīng)濟產(chǎn)出和能源結(jié)構(gòu)因素促進碳排放量的增長，產(chǎn)業(yè)結(jié)構(gòu)、能源強度和碳排放強度因素會抑制碳排放量的增長，其中，經(jīng)濟產(chǎn)出因素的促進作用最為明顯。另外，安徽省工業(yè)碳排放量未來10年仍然呈上漲趨勢，但增長速度減緩?；诖?，提出從經(jīng)濟產(chǎn)出與技術(shù)創(chuàng)新等方面優(yōu)化能源結(jié)構(gòu)，促進產(chǎn)業(yè)轉(zhuǎn)型升級，降低安徽省工業(yè)碳排放量等建議。

關(guān)鍵詞：工業(yè)碳排放;能源消費;LMDI;EGM（1，1）;安徽省

中圖分類號：F062.2? 文獻標識碼：A? 文章編號：

1672-1101（2022）01-0030-08

收稿日期：2021-06-06

基金項目：2016年高校優(yōu)秀拔尖人才培育資助項目：安徽省地方政府公共財政預算參與式預算研究（gxyqZD2016076）;安徽理工大學黨的十九屆六中全會精神研究闡釋專項課題：雙碳背景下安徽省碳排放評估與實現(xiàn)路徑研究（sjjlzqh2021-15）

作者簡介：代大為（1979-），男，安徽阜南人，副教授，在讀博士，研究方向：低碳經(jīng)濟、礦業(yè)管理工程、公共管理與城市文化。

Empirical Analysis and Forecast of Industrial Carbon Emission Factors in Anhui Province

Dai? Dawei，ZhangLing

（School of Social and Humanity，Anhui University of Science and Technology，Huainan，Anhui? 232001，China）

Abstract： In orderto achieve the goal of“carbon peak， carbon neutralization”as soon as possible and promote the green optimization and upgrading of traditional industries，thecarbon emission is calculated based on the relevant energy consumption of Anhui Province from 2010 to 2019，the extended Kaya formula and LMDI are used to quantitatively analyze the influencing factors of industrial carbon emissions and contribution rates of related influencing factors.The gray prediction model is used to forecast the industrial carbon emissions of Anhui Province in the next ten years （2020—2029）.The results show that labor scale， economic output and energy structure can promote the growth of industrial carbon emissions in Anhui Province，while industrial structure，energy intensity and carbon emission intensity can inhibit the growth of industrial carbon emissions， and economic output has the most obvious promoting effect.In addition， the industrial carbon emissions in Anhui Province will continue to rise in the next decade，but the growth rate will slow down.Finally，through economic output and technological innovation and other aspects to optimize the energy structure，promote industrial transformation and upgrading， reduce industrial carbon emissions in Anhui Province.

Key words：Industrial carbon emissions;Energy consumption;LMDI;EGM （1，1）;Anhui province

全球氣候變暖的直接原因是以二氧化碳為主的溫室氣體的排放量超出了生態(tài)承載力[1]。我國是世界上第一碳排放大國，為了應對氣候變化，構(gòu)建人類命運共同體，《中共中央關(guān)于制定國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠景目標的建議》中明確提出“2030年前碳達峰，2060年前碳中和”的目標，綠色低碳的經(jīng)濟發(fā)展戰(zhàn)略已經(jīng)成為國家長期的發(fā)展戰(zhàn)略之一。工業(yè)能源消費是中國能源消費的主體，占比高達70%，有效實現(xiàn)工業(yè)碳減排對我國低碳經(jīng)濟的發(fā)展起關(guān)鍵作用。4D0A12F0-B024-4D33-BECF-69D19EDF0C7A

安徽省是我國的中部能源大省，擁有豐富的煤礦資源。近年來，安徽省工業(yè)經(jīng)濟迅速發(fā)展，生產(chǎn)總值由2010年的6 395.99億元增長至2019年的15 309.86億元，但隨之而來的是能源消費量的不斷增加，給生態(tài)環(huán)境保護帶來壓力。根據(jù)《安徽省統(tǒng)計年鑒》（2011—2020），截止至2019年，安徽省工業(yè)的能源消費總量占比為63%。安徽省人民政府為低碳減排工作頒布了一系列政策，如安徽省《2014—2015年節(jié)能減排低碳發(fā)展行動方案》（后簡稱《行動方案》）、《安徽省“十三五”控制溫室氣體排放工作方案》（后簡稱《工作方案》）等，方案實施后，產(chǎn)業(yè)結(jié)構(gòu)得到調(diào)整，能源結(jié)構(gòu)也不斷優(yōu)化，但在短時間內(nèi)安徽省工業(yè)以煤炭資源為主的能源消費結(jié)構(gòu)并不會發(fā)生質(zhì)的改變。在此背景下，建立安徽省工業(yè)碳排放影響因素分解模型，分析各因素作用機制，以期為安徽省工業(yè)早日實現(xiàn)轉(zhuǎn)型升級提供重要依據(jù)，很有研究價值。

一、文獻綜述

近年來，國內(nèi)外很多學者采用不同的研究方法對碳排放影響因素進行研究。Jaruwan? Chontanawat運用擴展的IPAT模型對東盟等國家的碳排放進行了分解分析，結(jié)果表明人口和經(jīng)濟增長是很多國家二氧化碳排放增加的主要影響因素[2]764。Chi Zhang等利用LMDI模型對中國碳排放的影響因素進行了分析，結(jié)果表明能源強度是最主要的驅(qū)動因素[3]。李建豹等運用空間杜賓面板模型對長三角地區(qū)碳排放影響因素進行分析，結(jié)果表明：城鎮(zhèn)化和空間因素對碳排放效率具有明顯的正向作用，外商投資、單位GDP能耗和生態(tài)環(huán)境對碳排放效率具有明顯的負向作用[4]。劉博文等人運用LMDI模型和Tapio脫鉤模型研究了1996—2015年中國區(qū)域產(chǎn)業(yè)碳排放的脫鉤彈性及脫鉤努力程度，結(jié)果表明未來我國實現(xiàn)經(jīng)濟增長與碳排放脫鉤離不開產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)的調(diào)整[5]。

目前，國內(nèi)外學者對碳排放的預測研究主要采用灰色預測模型和情景分析法兩種方法。Zhang Xing等選取2000—2018年中國碳排放數(shù)據(jù)，基于灰色預測模型進行短期預測，結(jié)果表明“十四五”期間二氧化碳排放形勢依然嚴峻[6]。Yang X等采用情景分析法研究了碳排放達峰和空氣質(zhì)量之間的關(guān)系，結(jié)果表明：如果不對現(xiàn)有的減排措施作出調(diào)整，中國碳排放將無法在2030年之前達到峰值[7]。黃秀蓮等基于統(tǒng)計學相關(guān)理論篩選河北省碳排放驅(qū)動因素，建立STIRPAT模型，并采用情景分析法預測河北省碳峰值，研究結(jié)果表明：節(jié)能情境下，碳排放量于2030年達峰[8]。

通過梳理文獻可以發(fā)現(xiàn)，碳排放量的影響因素有很多，但采用不同的方法研究會得到不同的結(jié)果，同時，研究區(qū)域不同也會對研究結(jié)果產(chǎn)生影響。因此，本文選擇安徽省工業(yè)能源消費和影響因素（2010—2019）的相關(guān)數(shù)據(jù)，利用相關(guān)公式與模型建立了影響因素分解模型，分析各影響因素的作用機制，預測安徽省工業(yè)未來10年碳排放量的變化趨勢，并基于此提出針對性的政策建議，以供參考。

二、研究方法

（一）影響因素分解模型

1.擴展的Kaya恒等式。1989年，日本學者Yoichi Kaya教授在IPCC的一次研討會上提出了Kaya公式，用來研究不同因素對碳排放的不同影響力[9]。本研究將安徽省工業(yè)碳排放影響因素分解為工業(yè)勞動力規(guī)模、經(jīng)濟產(chǎn)出、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)（工業(yè)生產(chǎn)總值占國民生產(chǎn)總值比例）、能源強度和碳排放強度6個因素。將6個因素代入到擴展的Kaya恒等式得出公式（1）、（2）：

C=ΣiCi=ΣiPi×GDPiPi×EiGDPi×EijEi×GDPiGDP×CiGDPi=ΣiPi×EOi×EIi×ESij×ISi×CIi（1）

在公式（1）中，C表示工業(yè)碳排放量（萬噸）;i表示產(chǎn)業(yè)類型;j表示能源種類;Eij表示i產(chǎn)業(yè)中第j種能源的消費量（萬噸）;Ei表示i產(chǎn)業(yè)能源消費總量（萬噸）;GDPi表示i產(chǎn)業(yè)的生產(chǎn)總值（億元）;GDP表示國民生產(chǎn)總值（億元）;P為i產(chǎn)業(yè)職工人數(shù)（萬人）。

EOi=GDPiPi;EIi=EiGDPi;ESij=EijEi;

ISi=GDPiGDP;CIi=CiGDPi（2）

在公式（2）中，EOi表示第i產(chǎn)業(yè)的人均GDP;EIi表示第i產(chǎn)業(yè)的能源強度;ESij表示第i產(chǎn)業(yè)的能源結(jié)構(gòu);ISi表示產(chǎn)業(yè)結(jié)構(gòu)，即第i產(chǎn)業(yè)的生產(chǎn)總值占國民生產(chǎn)總值的比重;CIi表示碳排放強度。

2.基于擴展的Kaya公式LMDI因素分解模型。為了能夠具體直觀地分析安徽省工業(yè)碳排放影響因素的作用程度，本研究基于擴展的Kaya公式，采用Ang B W提出的LMDI因素分解法對安徽省工業(yè)碳排放的影響因素進行分解分析[10]。運用LMDI因素分解法進行分析，結(jié)果不包含不能解釋的殘差項，且分解結(jié)果具有唯一性，更具科學性。根據(jù)LMDI因素分解法對碳排放影響因素分解，如公式（3）所示。

ΔCt0t=ΔCPi+ΔCEOi+ΔCEIi+ΔCESij+ΔCISi+ΔCCIi（3）

在公式（3）中，ΔCt0t表示碳排放變化量;ΔCPi表示工業(yè)勞動力規(guī)模效應;ΔCEOi表示經(jīng)濟產(chǎn)出效應;ΔCEIi表示能源強度效應;ΔCESij表示能源結(jié)構(gòu)效應;ΔCISi表示產(chǎn)業(yè)結(jié)構(gòu)效應;ΔCCIi表示碳排放強度效應。

根據(jù)LMDI因素分解法，計算每個影響因素對工業(yè)碳排放量的影響：

三、數(shù)據(jù)來源及測算

（一）數(shù)據(jù)來源

本研究數(shù)據(jù)主要來源于《安徽省統(tǒng)計年鑒》（2011—2020）、《中國能源統(tǒng)計年鑒》（2011—2020），碳排放量采用《IPCC國家溫室氣體清單指南》中碳排放的計量方式計算，工業(yè)GDP以2010年為基準進行不變價換算，以提高數(shù)據(jù)分析的科學性和準確性。相關(guān)數(shù)據(jù)見表1。

（二）碳排放量計算4D0A12F0-B024-4D33-BECF-69D19EDF0C7A

本研究使用（IPCC）統(tǒng)一規(guī)定的碳排放計算方法，主要選取原煤、焦炭、原油、柴油和天然氣5種能源對2010—2019年安徽省工業(yè)碳排放量進行計算。設(shè)

Ci=∑Bjcj（20）

其中Ci為i行業(yè)碳排放量（萬噸）;Bj為折標準煤后的能源消耗量;cj為碳排放系數(shù)（104t/104t）;j為能源種類。

四、安徽省工業(yè)碳排放量影響因素實證分析及趨勢預測

（一）安徽省工業(yè)碳排放影響因素實證分析

1.安徽省碳排放特征。由圖1可以看出，安徽省碳排放量2010—2019年呈波動上漲趨勢，且隨能源消費總量和工業(yè)生產(chǎn)總值的增加而增加，但近年來增長趨勢趨于平緩。從能源消費結(jié)構(gòu)來看，原煤是安徽省工業(yè)主要的能源消費種類，占比85%左右，且一直處于較高水平，天然氣消費量所占能源消費比重在不斷增加。

2.LMDI模型分解結(jié)果分析。本研究采用加法形式的LMDI因素分解法，若結(jié)果中貢獻值大于0，則表示該影響因素對碳排放量的增加具有促進作用;若結(jié)果中貢獻值小于0，則表示該影響因素對碳排放量的增加具有抑制作用[12]34。運用公式（4）-（10）式計算出LMDI每個分解因素的貢獻值和碳排放量的年變化量，如表3所示。

從整體來看，勞動規(guī)模、經(jīng)濟產(chǎn)出和能源結(jié)構(gòu)對安徽省工業(yè)碳排放起促進作用，而產(chǎn)業(yè)結(jié)構(gòu)、能源強度和碳排放強度對安徽省工業(yè)碳排放起抑制作用，但總的促進作用大于總的抑制作用，這也就導致安徽省工業(yè)碳排放量總體呈上升趨勢。其中，經(jīng)濟產(chǎn)出的促進效應最大，碳排放強度的抑制效應最大。值得特別注意的是，在2014—2015年和2015—2016年期間，除經(jīng)濟產(chǎn)出效應為正以外，其他效應皆為負。這歸因于2014年安徽省人民政府根據(jù)《國務院辦公廳關(guān)于印發(fā)2014—2015年節(jié)能減排低碳發(fā)展行動方案的通知》要求制定的《行動方案》，安徽省工業(yè)企業(yè)貫徹落實節(jié)能減排政策，對碳排放量的增加起到很好的抑制作用。

隨著工業(yè)技術(shù)水平的不斷發(fā)展和進步，機器逐漸代替了部分勞動力，導致勞動規(guī)模的不斷縮小[13]。從勞動規(guī)模效應來看，2010—2014年，勞動規(guī)模效應一直為正，工業(yè)職工人數(shù)一直在增加，年平均增長率保持在5%;而后2014—2019年，工業(yè)職工人數(shù)開始呈下降趨勢，勞動規(guī)模效應也轉(zhuǎn)變?yōu)樨撟饔?。但總體來看，雖然機器化生產(chǎn)提高了生產(chǎn)效率，但是也在生產(chǎn)過程中導致能源消費的增加，從而導致碳排放量的增加。

工業(yè)經(jīng)濟的發(fā)展離不開能源的消費，而能源消費增加的結(jié)果則是碳排放量的增加[14]。從分解結(jié)果來看，經(jīng)濟產(chǎn)出效應一直為正，且在所有的影響因素中綜合效應值最大，說明經(jīng)濟產(chǎn)出是長期以來導致安徽省工業(yè)碳排放量增加的最主要因素。2010—2019年間，安徽省工業(yè)生產(chǎn)總值從6 395.99億元增長到15 309.86億元，年平均增長率在10%以上。但從2014年之后經(jīng)濟增長速度有減緩之勢，經(jīng)濟產(chǎn)出效應也開始慢慢減小，說明安徽省工業(yè)企業(yè)已經(jīng)慢慢意識到經(jīng)濟發(fā)展不能以破壞環(huán)境作為代價。

從分解結(jié)果可以看出，產(chǎn)業(yè)結(jié)構(gòu)對安徽省工業(yè)碳排放量的貢獻值有正有負，但在2014年之后貢獻值一直為負值，工業(yè)所占比重也一直在下降，說明產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整對安徽省工業(yè)碳排放起到了抑制作用。其原因是安徽省政府在《行動方案》中強調(diào)，安徽省要在2015年完成“十二五”淘汰落后產(chǎn)能任務的基礎(chǔ)上，再淘汰一批煉鋼、煉鐵、水泥等落后產(chǎn)能?？梢姡不帐‘a(chǎn)業(yè)結(jié)構(gòu)的調(diào)整對碳減排具有重要的積極意義。

能源強度是指單位GDP的能耗水平。從分解結(jié)果來看，能源強度效應貢獻值一直為負值，說明能源強度效應對安徽省工業(yè)碳排放量起到了抑制作用，以2013—2014年和2014—2015年最為明顯，而后抑制作用開始減弱。近年來，能源強度一直呈下降趨勢，這與近年來經(jīng)濟發(fā)展增速減緩也有一定的關(guān)系。

安徽省煤炭資源豐富，資源密集型產(chǎn)業(yè)居多，并且在能源消費結(jié)構(gòu)方面也是以原煤為主，占比高達85%。從分解結(jié)果來看，能源結(jié)構(gòu)效應貢獻值僅在2014—2015年和2015—2016年為負值，說明《行動方案》的實施有效地優(yōu)化了能源結(jié)構(gòu)。從總效應來看，能源結(jié)構(gòu)效應仍然對安徽省工業(yè)碳排放量的增加起促進作用。但我們應該看到，能源結(jié)構(gòu)效應貢獻值在2017—2018年極速下降，由6 129.69下降到1 256.72，這主要歸功于安徽省政府辦公廳2017年正式印發(fā)的《工作方案》，《工作方案》強調(diào)要加強能源結(jié)構(gòu)的優(yōu)化，說明能源結(jié)構(gòu)的優(yōu)化對碳排放量具有明顯的抑制作用。

碳排放強度是指單位GDP帶來的二氧化碳排放量[15]。碳排放強度呈現(xiàn)出逐年下降的趨勢，說明安徽省工業(yè)的發(fā)展對環(huán)境的影響逐漸減小。另外，碳排放強度效應對安徽省工業(yè)碳排放的貢獻值一直為負，且累計貢獻值最大，說明碳排放強度效應對碳排放的抑制作用最為明顯（在2014—2015年、2015—2016年和2017—2018年抑制作用最為顯著）。

（二）安徽省工業(yè)碳排放量趨勢預測

運用灰色預測模型，借助MATLAB R2017a軟件，以2010—2019年安徽省工業(yè)碳排放量為原始數(shù)據(jù)，根據(jù)公式（15）-（20）計算相關(guān)數(shù)據(jù)，借助MATLAB R2017a 軟件進行模擬和預測，得到模擬結(jié)果如圖2所示，預測結(jié)果如圖3所示。

通過殘差方差c和后驗差比值p檢驗GM（1，1）的精度，當c<0.35，p>0.95時，模型的預測精度等級為好。經(jīng)過計算，c=0.270 2，p=1，說明擬合效果好，擬合效果如圖2所示。

從預測結(jié)果可知，安徽省工業(yè)未來10年碳排放量仍然呈增長趨勢，但增長速度趨于平緩，說明近年來安徽省工業(yè)企業(yè)執(zhí)行低碳減排方案取得了顯著成效。

安徽省工業(yè)碳排放呈現(xiàn)階段性特征。第一階段為2010—2014年，此階段安徽省工業(yè)碳排放量明顯增多，且增速較快。是因為經(jīng)濟發(fā)展速度較快，能源消費量增加，與之關(guān)系密切的碳排放量自然不斷增加。第二階段為2014—2016年，此時安徽省碳排放量開始減少。這一階段經(jīng)濟發(fā)展速度開始減緩，并且政策的推行使產(chǎn)業(yè)結(jié)構(gòu)得到了調(diào)整。第三階段為2016—2019年，這一階段安徽省工業(yè)碳排放量呈波動上漲趨勢，但增長速度開始放緩。另外，近年來，非化石能源和天然氣等清潔能源所占能源結(jié)構(gòu)比重不斷增加，對抑制碳排放量的增加也起到了明顯作用。4D0A12F0-B024-4D33-BECF-69D19EDF0C7A

五、結(jié)論及建議

本文基于安徽省工業(yè)2010—2019年相關(guān)數(shù)據(jù)，利用LMDI模型對安徽省碳排放影響因素進行了分解，并借助MATLAB 2017Ra 軟件，運用EGM（1，1）模型對安徽省工業(yè)未來10年的變化趨勢進行了預測，得出結(jié)論如下。

安徽省工業(yè)2010—2019年期間碳排放量呈上漲趨勢，并呈現(xiàn)出階段性特征。通過LMDI因素分解法對安徽省工業(yè)碳排放影響因素進行分解時發(fā)現(xiàn)，安徽省工業(yè)發(fā)展對原煤能源的依賴性仍然很大。在影響因素中，經(jīng)濟產(chǎn)出對促進工業(yè)碳排放的影響最為顯著，碳排放強度對抑制工業(yè)碳排放量有明顯作用。運用灰色預測模型對安徽省工業(yè)未來10年碳排放量進行預測發(fā)現(xiàn)，未來10年碳排放量仍然呈上漲趨勢，但增長速度明顯減緩。另外，在分析工業(yè)碳排放量減少原因時發(fā)現(xiàn)，政策因素的抑制作用也比較大。

基于以上研究結(jié)論，為促進安徽省工業(yè)低碳轉(zhuǎn)型發(fā)展，政府與工業(yè)企業(yè)雙方都要為之努力。首先，要積極發(fā)揮政府的主導作用[16]，實行工業(yè)企業(yè)化石能源消費和碳排放額度總量控制，利用政策和資金促進清潔能源的開發(fā)和利用，推動非碳技術(shù)政策，加快推進碳市場的建設(shè)。其次，工業(yè)企業(yè)應繼續(xù)貫徹落實國家和省政府發(fā)布的政策法規(guī)，在追求經(jīng)濟利益的同時嚴格執(zhí)行減排標準，深化“政產(chǎn)學研用金”協(xié)同創(chuàng)新[17]。最后，還要大力發(fā)展新能源產(chǎn)業(yè)，淘汰落后產(chǎn)能產(chǎn)業(yè)，整合工業(yè)資源，提高能源利用效率。優(yōu)化能源結(jié)構(gòu)，加快綠色技術(shù)創(chuàng)新，實現(xiàn)能源管理信息化、智能化，提升工業(yè)生產(chǎn)效率，推動傳統(tǒng)工業(yè)向綠色低碳轉(zhuǎn)型。

參考文獻：

[1] 林秀群，吳振嘉，唐向陽.工業(yè)行業(yè)全要素碳排放效率及影響因素研究[J].昆明理工大學學報（社會科學版），2020，20（2）：58-67.

[2] JARUWAN? CHONTANAWAT.Driving Forces of Energy-Related CO2 Emissions Based on Expanded IPAT Decomposition Analysis：Evidence from ASEAN andFour Selected Countries[J].Energies，2019，12（4）：764.

[3] CHI? ZHANG，BIN SU，KAILE ZHOU，et al.Decomposition analysis of China′s CO2 emissions（2000—2016）and scenario analysis of its carbon intensity targets in 2020 and 2030[J].Science of the Total Environment，2019，668：432-442.

[4] 李建豹，黃賢金，揣小偉，等.長三角地區(qū)碳排放效率時空特征及影響因素分析[J].長江流域資源與環(huán)境，2020，29（7）：1 486-1 496.

[5] 劉博文，張賢，楊琳.基于LMDI的區(qū)域產(chǎn)業(yè)碳排放脫鉤努力研究[J].中國人口·資源與環(huán)境，2018，28（4）：78-86.

[6] ZHANG XING，WU SHU.The Research on Carbon Emission Forecast Based on GM（1，1） Model in China[J].Journal of Applied Science and Engineering Innovation，2020，6（4）：206-209.

[7] YANG X，TENG F.Air quality benefit of Chinas mitigation target to peak its emission by 2030[J].Climate Policy，2017，18（1）：99-110.

[8] 黃秀蓮，李國柱，馬建平，等.河北省碳排放影響因素及碳峰值預測[J].河北環(huán)境工程學院學報，2021，31（2）：6-11.

[9] YOICHI KAYA.Impact of Carbon Dioxide Emission on GNP Growth：Interpretation ofProposed Scenarios[R].Presentation to the Energy and Industry Subgroup，Response Strategies Working Group，IPCC，Paris：1989.

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

[11] 曾波，李樹良.灰色預測理論及其應用[M].北京：科學出版社，2020，1-2.

[12] 李瑋，吳敬凱，閆俊義，等.基于LMDI的浙江省工業(yè)污染物排放影響因素分析[J].人民長江，2020，51（9）：34-38.

[13] 張巍.基于STIRPAT模型的陜西省工業(yè)碳排放量預測和情景分析[J].可再生能源，2017，35（5）：771-777.

[14] 韓沅剛，董會忠，劉梁華.山東省城市工業(yè)碳排放效率時空演變及驅(qū)動因素研究[J].山東理工大學學報（自然科學版），2020，34（5）：11-16.

[15] 李文慧，李振國，余光輝，等.基于LMDI法的湖南省碳排放強度影響因素解析[J].中國環(huán)境管理干部學院學報，2018，28（5）：50-54.

[16] 周維維.京津冀能源消費碳排放影響因素分析及情景預測研究[D].北京：華北電力大學碩士學位論文，2016.

[17] 袁亮，楊科.再論廢棄礦井利用面臨的科學問題與對策[J].煤炭學報，2021，46（1）：16-24.

[責任編輯：范 君]4D0A12F0-B024-4D33-BECF-69D19EDF0C7A