吳雅珍，馬嘯天，吳凱，黃晨，戴瀚程

（北京大學(xué) 環(huán)境科學(xué)與工程學(xué)院，北京 100871）

高強(qiáng)度的經(jīng)濟(jì)活動(dòng)與排放、較嚴(yán)重的環(huán)境污染程度和氣候變化背景下的環(huán)境脆弱性[1]，已使全球人口最多、經(jīng)濟(jì)發(fā)展和結(jié)構(gòu)變化快速的亞洲地區(qū)面臨著突出的環(huán)境與生態(tài)問題。一方面，因全球變暖和環(huán)境污染，亞洲地區(qū)正面臨嚴(yán)重的健康和經(jīng)濟(jì)損失。全球疾病負(fù)擔(dān)研究指出，2017 年全球因環(huán)境污染而過早死亡的人數(shù)超過800萬(wàn)，其中約500 萬(wàn)發(fā)生于亞洲，尤其是中國(guó)和印度兩個(gè)人口大國(guó)[2]；GUO 等[3]的研究指出，在1971—2020 年，中國(guó)、日本、韓國(guó)、菲律賓等國(guó)由于高溫?zé)崂藢?dǎo)致的過早死亡率和人數(shù)均屬全球前列，并且隨著氣候變化進(jìn)一步加劇，這些地區(qū)在2030—2080 年將面臨更嚴(yán)重的健康損失。另一方面，亞洲地區(qū)也是全球碳排放和空氣污染物排放的主要源區(qū)，特別是進(jìn)入21 世紀(jì)以后，中國(guó)、印度等新興經(jīng)濟(jì)體碳排放量迅速增加，亞洲地區(qū)排放量明顯超過了其他幾個(gè)大洲。也因此，亞洲地區(qū)需探索綠色低碳發(fā)展道路，在降低溫室氣體與污染物排放的同時(shí)實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展的高質(zhì)量轉(zhuǎn)型。

要制定合理的綠色低碳轉(zhuǎn)型戰(zhàn)略，首先需要準(zhǔn)確識(shí)別當(dāng)前碳排放和污染物的主要來(lái)源及其貢獻(xiàn)?；谝蛩胤纸夥治龅尿?qū)動(dòng)力分析方法能夠定量解析人口增長(zhǎng)、經(jīng)濟(jì)規(guī)模、經(jīng)濟(jì)結(jié)構(gòu)、能源強(qiáng)度、末端控制技術(shù)等不同因素對(duì)排放變化量的貢獻(xiàn)，識(shí)別影響排放增長(zhǎng)路徑和減排潛力的關(guān)鍵因素。排放驅(qū)動(dòng)力分析常用的分解方法共有兩種，為指數(shù)分解方法IDA（index decomposition analysis）和結(jié)構(gòu)分解方法SDA（structural decomposition analysis）。指數(shù)分解法不需投入產(chǎn)出數(shù)據(jù)，分解結(jié)果無(wú)殘余項(xiàng)[4]，可避免Laspeyres 分解等方法中殘差項(xiàng)可能分解不當(dāng)?shù)娜秉c(diǎn)[5]，其典型代表為KAYA 分解方法以及與之關(guān)聯(lián)的對(duì)數(shù)平均迪式分解法（LMDI）。結(jié)構(gòu)分解方法需使用投入產(chǎn)出與中間消耗數(shù)據(jù)，對(duì)數(shù)據(jù)可得性要求較高，能細(xì)致分析部門結(jié)構(gòu)和產(chǎn)品最終需求結(jié)構(gòu)的驅(qū)動(dòng)影響，也逐漸成為社會(huì)經(jīng)濟(jì)和環(huán)境資源領(lǐng)域常用的分析工具[6]。

目前，國(guó)內(nèi)外學(xué)者已使用分解分析方法，針對(duì)全球、區(qū)域碳排放與空氣污染物排放變化的貢獻(xiàn)因素開展了豐富的研究[7-10]。政府間氣候變化委員會(huì)（IPCC）第三工作組的歷次《氣候變化評(píng)估報(bào)告》[11-15]、聯(lián)合國(guó)環(huán)境署《全球環(huán)境展望》[16]與《碳排放差距》報(bào)告[17]、國(guó)際能源署《能源相關(guān)CO2年度報(bào)告》[7]等均使用KAYA 分解方法考察了人口增長(zhǎng)、經(jīng)濟(jì)規(guī)模、能源強(qiáng)度、單位能源消費(fèi)碳強(qiáng)度這幾類因素對(duì)全球不同地區(qū)CO2排放的影響。Divisia指數(shù)分解中LMDI 法[18]也是起源較早、被廣泛運(yùn)用的一種指數(shù)分析方法。近十年來(lái)，也有較多研究使用這一方法分析了中國(guó)及各省市、部門的碳排放驅(qū)動(dòng)力[8-10,19-25]；GUAN 等[26]研究了中國(guó)2007—2016 年間的碳排放驅(qū)動(dòng)力，指出在2015 年前后，能源結(jié)構(gòu)和工業(yè)生產(chǎn)結(jié)構(gòu)出現(xiàn)了顯著變化，并大幅助推了中國(guó)碳排放的下降。劉小麗等[27]基于LMDI 法探究了中國(guó)制造業(yè)碳排放的驅(qū)動(dòng)因素，發(fā)現(xiàn)經(jīng)濟(jì)增長(zhǎng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)都是正向驅(qū)動(dòng)了2000—2018 年間制造業(yè)碳排放。

同時(shí)，也有許多研究使用SDA 分解法考察了結(jié)構(gòu)性因素對(duì)全球不同國(guó)家碳排放的影響[28-33]，例如XU等[29]和SU 等[32]分別使用SDA 方法指出中國(guó)、新加坡在對(duì)外貿(mào)易出口中都有大量的隱含碳排放；WANG 等[33]指出，各國(guó)生產(chǎn)結(jié)構(gòu)差異造成了全球碳強(qiáng)度的顯著差異，國(guó)際貿(mào)易則在一定程度上阻礙了全球碳強(qiáng)度的下降。尹偉華[34]對(duì)中國(guó)出口貿(mào)易隱含碳排放強(qiáng)度進(jìn)行了估算，指出直接碳排放系數(shù)效應(yīng)、中間投入技術(shù)結(jié)構(gòu)效應(yīng)、出口貿(mào)易綜合效應(yīng)三者共同促使了中國(guó)出口貿(mào)易隱含碳排放強(qiáng)度的降低。林伯強(qiáng)等[35]對(duì)2000—2014 年間全球能源效率變動(dòng)進(jìn)行了結(jié)構(gòu)分解，指出發(fā)展中國(guó)家在全球經(jīng)濟(jì)中的比重提升，產(chǎn)業(yè)結(jié)構(gòu)變化使全球能源效率提升變緩，也對(duì)碳減排進(jìn)程產(chǎn)生影響。

分析現(xiàn)有研究可見，已有研究對(duì)于碳排放的關(guān)注程度很高，并且針對(duì)不同國(guó)家和地區(qū)、不同部門、不同驅(qū)動(dòng)力的研究文獻(xiàn)已經(jīng)較為全面。除中國(guó)研究以外，亦有研究關(guān)注了日本[36-37]、印度[38-40]、印度尼西亞[41]等在內(nèi)的亞洲國(guó)家，但很少有研究同時(shí)考察亞洲各個(gè)不同國(guó)家和地區(qū)的排放驅(qū)動(dòng)力、進(jìn)行跨國(guó)和跨區(qū)域?qū)Ρ?；已有的部分?duì)全球各國(guó)開展的研究則一般只重點(diǎn)考察了儲(chǔ)蓄率影響等單一或少數(shù)驅(qū)動(dòng)因素[42]。因此，在亞洲國(guó)家處于社會(huì)經(jīng)濟(jì)和環(huán)境發(fā)展模式轉(zhuǎn)型關(guān)鍵節(jié)點(diǎn)的當(dāng)下，有必要針對(duì)亞洲各國(guó)家和地區(qū)開展更全面的排放驅(qū)動(dòng)力分析，為國(guó)際范圍內(nèi)節(jié)能減排政策的制定提供科學(xué)依據(jù)。

此外，與碳排放驅(qū)動(dòng)力研究相比，有關(guān)空氣污染物排放變化驅(qū)動(dòng)力的分析數(shù)量很少，僅有少數(shù)2015 年以后發(fā)表的文獻(xiàn)，且主要關(guān)注中國(guó)地區(qū)[43-45]，只有個(gè)別同時(shí)關(guān)注了其他國(guó)家的污染排放驅(qū)動(dòng)力[46]。這一方面是因?yàn)槿蚍秶鷥?nèi)各發(fā)達(dá)國(guó)家的空氣質(zhì)量已經(jīng)在過去數(shù)十年間有明顯改善，因此空氣污染的研究關(guān)注度相對(duì)較低；另一方面也是因?yàn)榉植块T、分能源的空氣污染物排放清單難以獲得，并且部門分類一般較為粗糙，研究者較難獲得類似國(guó)際能源署（IEA）提供的全球143 個(gè)國(guó)家、36 個(gè)部門碳排放清單的空氣污染物排放數(shù)據(jù)。不過，即使缺少區(qū)分“部門—能源”的排放清單數(shù)據(jù)，仍可結(jié)合可得的部門產(chǎn)出和排放清單數(shù)據(jù)進(jìn)行分析，以獲得啟示性的結(jié)論。

因此，本研究將基于來(lái)自聯(lián)合國(guó)和世界銀行的人口與經(jīng)濟(jì)數(shù)據(jù)、GTAP 全球投入產(chǎn)出數(shù)據(jù)和IEA 數(shù)據(jù)庫(kù)的能源數(shù)據(jù)，定量識(shí)別9 個(gè)亞洲國(guó)家和地區(qū)（中國(guó)、印度、日本、韓國(guó)、印度尼西亞、越南、泰國(guó)、馬來(lái)西亞、亞洲其他地區(qū)）在2004—2014 年間的碳排放和空氣污染物排放驅(qū)動(dòng)力。所分析的驅(qū)動(dòng)力包括人口增長(zhǎng)、經(jīng)濟(jì)規(guī)模增長(zhǎng)、經(jīng)濟(jì)結(jié)構(gòu)、能源強(qiáng)度和能源排放系數(shù)五類因素。本研究旨在創(chuàng)新性地同時(shí)對(duì)比亞洲不同國(guó)家的排放驅(qū)動(dòng)力（包括碳排放與大氣污染物排放），尤其是重點(diǎn)考察各國(guó)經(jīng)濟(jì)增長(zhǎng)和經(jīng)濟(jì)結(jié)構(gòu)變化對(duì)排放的驅(qū)動(dòng)影響，分析各國(guó)經(jīng)濟(jì)結(jié)構(gòu)方面可能存在的進(jìn)一步減排潛力，以期為亞洲地區(qū)經(jīng)濟(jì)轉(zhuǎn)型和排放控制策略提供參考。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 研究設(shè)計(jì)與技術(shù)路線

本研究首先使用KAYA 分析定性考察不同排放驅(qū)動(dòng)力的長(zhǎng)期變化，并結(jié)合LMDI 分析定量考察人口、經(jīng)濟(jì)規(guī)模、能源強(qiáng)度和排放系數(shù)四類驅(qū)動(dòng)力的貢獻(xiàn)大小。在此基礎(chǔ)上，使用SDA 分解法，詳細(xì)考察經(jīng)濟(jì)結(jié)構(gòu)因素對(duì)碳排放和各類污染物排放的影響，包括GDP 部門產(chǎn)出結(jié)構(gòu)變化的影響，以及GDP 中投資、消費(fèi)、出口占比及三部分具體結(jié)構(gòu)變化的分別影響。由于KAYA 分析和LMDI 只需使用年度部門總和數(shù)據(jù)，而SDA 分析需各國(guó)投入產(chǎn)出數(shù)據(jù)，結(jié)合數(shù)據(jù)可得性并綜合考慮本研究技術(shù)路線，本研究將分析時(shí)段確定為2004—2014 年。詳細(xì)技術(shù)路線如圖1 所示。

圖1 研究技術(shù)路線圖

1.2 KAYA與LMDI分解分析

KAYA 恒等式[47]是IPAT 環(huán)境影響分析理論框架[48]的擴(kuò)展模型。本研究使用其一次分解式[4]，考察人口、經(jīng)濟(jì)增長(zhǎng)、能源消費(fèi)和排放系數(shù)因素對(duì)各地區(qū)碳排放和空氣污染物排放的影響。公式表達(dá)如下：

式中：Q表示碳排放或空氣污染物總排放量，P表示人口，G表示GDP，E表示總一次能源供應(yīng)量。因此，定義g=G/P表示人均GDP，即經(jīng)濟(jì)規(guī)模；e=E/G，表示GDP 能源強(qiáng)度，在經(jīng)濟(jì)體總體層面可反映經(jīng)濟(jì)體的能源效率和生產(chǎn)結(jié)構(gòu)；c=Q/E表示能源碳排放強(qiáng)度，體現(xiàn)能源結(jié)構(gòu)和終端控制技術(shù)滲透情況。因此，通過考察因素g和因素e的年際增長(zhǎng)趨勢(shì)，可以定性分析經(jīng)濟(jì)增長(zhǎng)和經(jīng)濟(jì)結(jié)構(gòu)的驅(qū)動(dòng)影響。

LMDI 分解法是KAYA 恒等式的拓展。在KAYA 恒等式的基礎(chǔ)上進(jìn)行對(duì)數(shù)變換，可以得到：

進(jìn)一步地，基于ANG[18]提出的LMDI 分解法，總排放量變化ΔQ可被分解為以下四項(xiàng)的貢獻(xiàn)：

式中：上標(biāo)0 和t代表任意的分析起止年份，L(wt,w0)即為L(zhǎng)MDI 分解式中的對(duì)數(shù)平均權(quán)重，其值等于(Qt-Q0)/(lnQt-lnQ0)。ΔQp、ΔQg、ΔQe、ΔQc分別表示人口增長(zhǎng)因素、經(jīng)濟(jì)規(guī)模因素、能源強(qiáng)度因素和排放系數(shù)因素對(duì)碳排放量變化的貢獻(xiàn)量。

1.3 SDA分解分析

SDA 分解法屬于分解分析中的特異性分解法，分解因素的項(xiàng)數(shù)可以靈活調(diào)整，因此，本研究分別使用簡(jiǎn)單分解、詳細(xì)分解兩個(gè)分解公式，用于分別考察GDP 部門結(jié)構(gòu)影響、最終需求規(guī)模和各部分最終需求結(jié)構(gòu)影響，從而較為全面地考察經(jīng)濟(jì)增長(zhǎng)和經(jīng)濟(jì)結(jié)構(gòu)對(duì)亞洲各國(guó)排放量變化的影響。

1.3.1 簡(jiǎn)單SDA分解：GDP部門結(jié)構(gòu)影響

本研究中“簡(jiǎn)單SDA 分解”意指在區(qū)分經(jīng)濟(jì)結(jié)構(gòu)影響時(shí)，只考察GDP 各部門結(jié)構(gòu)的影響。對(duì)于任一地區(qū)和年份，碳排放量可寫為最終需求向量f（即各部門GDP）、列昂替夫逆矩陣L和排放強(qiáng)度角陣的乘積，即其中排放強(qiáng)度表示的是各個(gè)部門單位產(chǎn)出的排放量，與KAYA 和LMDI 分析時(shí)的“能源排放系數(shù)”不同。列昂替夫逆矩陣L=(I-A)-1，其中I表示單位矩陣，而A={ai,j}是基于該地區(qū)投入產(chǎn)出表得到的直接消耗系數(shù)矩陣；A中的各項(xiàng)ai,j=zi,j/Xj，表示產(chǎn)品部門i提供給部門j的中間投入量（zi,j）占部門j總投入量Xj的比例。矩陣L中的元素表示各個(gè)部門對(duì)其他部門產(chǎn)品的完全消耗系數(shù)，即某部門單位最終需求品所需要的其他部門產(chǎn)品的中間投入量，反映的是經(jīng)濟(jì)體中不同部門之間的相互依賴關(guān)系[49]，也因此矩陣L又被稱為完全消耗系數(shù)矩陣。

在此基礎(chǔ)上，某兩個(gè)年份之間排放量Q1和Q0的差值ΔQ為：

式（6）中：等號(hào)右邊的三項(xiàng)依次表示排放系數(shù)變化貢獻(xiàn)ΔQq、投入產(chǎn)出關(guān)系變化貢獻(xiàn)ΔQL和最終需求變化貢獻(xiàn)ΔQf。

隨后，將最終需求向量f進(jìn)一步分解為人口總量P、人均GDP（生產(chǎn)總值）PY以及GDP 中各部門占比向量SY的乘積，即：

式（8）中：等號(hào)右邊的前兩項(xiàng)與式（6）一致，依次表示排放系數(shù)變化貢獻(xiàn)ΔQq、投入產(chǎn)出關(guān)系變化貢獻(xiàn)ΔQL；后三項(xiàng)則分別為最終需求結(jié)構(gòu)變化、人均最終需求總量變化、人口變化對(duì)碳排放或空氣污染物排放的影響。

事實(shí)上，亦有研究[38]開發(fā)了獨(dú)立程序，可用于求算所有可能的SDA 分解結(jié)果（例如當(dāng)分解為7 個(gè)因素相乘時(shí)，共有7!=5 040 種分解結(jié)果）的均值。但為簡(jiǎn)化起見，本研究采用“鏡面圖形對(duì)”方法開展分析。以上各式中向量或矩陣的維數(shù)均為本研究設(shè)置的部門分類數(shù)量（共4個(gè)合并后的部門，詳見1.4 節(jié)）。

1.3.2 詳細(xì)SDA分解：最終需求結(jié)構(gòu)影響

在此步驟中，本研究綜合參照文獻(xiàn)方法[6,42]，修改優(yōu)化“雙層嵌套SDA 分解”方法，使其可用于重點(diǎn)考察經(jīng)濟(jì)增長(zhǎng)和經(jīng)濟(jì)結(jié)構(gòu)變化的影響。與已有研究的區(qū)別在于，本研究使用的GTAP 投入產(chǎn)出表直接區(qū)分了國(guó)內(nèi)生產(chǎn)和國(guó)際進(jìn)口的中間投入關(guān)系，不需區(qū)分“進(jìn)口替代效應(yīng)”，直接考察各國(guó)產(chǎn)品的本國(guó)生產(chǎn)以及相對(duì)應(yīng)的消費(fèi)、投資、出口效應(yīng)?？疾爝@三項(xiàng)最終需求結(jié)構(gòu)時(shí)，并不直接考察三類最終需求的變化量，而是將其拆分為總最終需求規(guī)模變化以及消費(fèi)、投資、出口在其中的占比，并進(jìn)一步區(qū)分三類最終需求內(nèi)部的結(jié)構(gòu)，從而能夠從多個(gè)角度全面地考察經(jīng)濟(jì)結(jié)構(gòu)變化的影響。具體分解公式如下：

首先，與“簡(jiǎn)單SDA 分解”方法一致，將碳排放量寫為最終需求向量f、列昂替夫逆矩陣L和排放強(qiáng)度角陣的乘積，得到任意地區(qū)起始年份0 和年份1 之間排放量變化的分解公式；進(jìn)一步地，再將最終需求向量f拆分為：

式中：fc、fi、fe分別代表消費(fèi)、投資和出口需求向量；Y代表所有部門之和的最終需求總量，即一國(guó)GDP；pc、pi、pe分別代表消費(fèi)、投資、出口總額在最終需求中的占比，和為1；Sc、Si、Se均為列向量，分別為消費(fèi)、投資、出口中的部門結(jié)構(gòu)，向量中各元素的和為1。對(duì)式（9）中的三項(xiàng)分別展開分解，可得：

將式（10）帶入式（6），可得最終分解結(jié)果：

其中：

值得注意的是，由于pc、pi、pe之和為1，因此三者變化的貢獻(xiàn)并不獨(dú)立，例如任一部分占比上升必然伴隨其他兩部分占比的相應(yīng)下降、帶來(lái)相應(yīng)部分的排放量變化。因此，的變化需要綜合理解，并且需要與pc、pi、pe的實(shí)際值結(jié)合起來(lái)理解。例如當(dāng)分解結(jié)果中一國(guó)大于0，同時(shí)該國(guó)在這一時(shí)期出口占比增加，則說(shuō)明由于該國(guó)出口相關(guān)的產(chǎn)品生產(chǎn)較國(guó)內(nèi)產(chǎn)品更加排放密集，并且出口占比的升高有推高排放的作用。加和的結(jié)果，則可得到由于三類最終需求結(jié)構(gòu)比例變化而產(chǎn)生的總體影響。

1.4 數(shù)據(jù)來(lái)源

本研究所涉及的數(shù)據(jù)包括排放清單、人口、經(jīng)濟(jì)總量和結(jié)構(gòu)、投入產(chǎn)出數(shù)據(jù)、能源數(shù)據(jù)等。其中，排放清單數(shù)據(jù)為本研究關(guān)鍵數(shù)據(jù)。目前，覆蓋亞洲各國(guó)碳排放和空氣污染物排放的數(shù)據(jù)庫(kù)包括聯(lián)合國(guó)UNFCCC 溫室氣體排放統(tǒng)計(jì)①UNFCCC.GHG Data Interface, http://di.unfccc.int/time_series.、國(guó)際應(yīng)用系統(tǒng)分析研究所（IIASA）開發(fā)的ECLIPSE 全球清單②IIASA.ECLIPSE V5a global emission fields, https://iiasa.ac.at/web/home/research/researchPrograms/air/ECLIPSEv5a.html.、歐盟開發(fā)的EDGAR 全球排放清單③EU Joint Research Center.EDGAR v5.0 Global Greenhouse Gas Emissions, https://edgar.jrc.ec.europa.eu/overview.php?v=50_GHG.，以及北京大學(xué)城市與環(huán)境學(xué)院開發(fā)的全球污染物清單PKU-Inventory④PKU global emission inventories, http://inventory.pku.edu.cn/.等。考慮到本研究聚焦于亞洲地區(qū)，并考慮碳排放和空氣污染物排放數(shù)據(jù)來(lái)源的一致性，本研究使用亞洲區(qū)域排放數(shù)據(jù)庫(kù)REAS v3.1 版本的分部門碳排放與主要一次污染物國(guó)別排放清單[50]。

本研究使用的人口數(shù)據(jù)來(lái)自聯(lián)合國(guó)世界人口展望的國(guó)別人口統(tǒng)計(jì)①World Population Prospects 2019, https://population.un.org/wpp/.；KAYA 分析與LMDI 分解分析部分采用的總一次能源供應(yīng)量數(shù)據(jù)來(lái)自國(guó)際能源署公開的能源平衡表數(shù)據(jù)②IEA.Data and statistics, https://www.iea.org/data-and-statistics/data-tables?country=JAPAN&energy=Balances&year=2004.，GDP 數(shù)據(jù)來(lái)自世界銀行世界發(fā)展指標(biāo)數(shù)據(jù)庫(kù)③World Bank.World Development Index, https://data.worldbank.org/products/wdi.。SDA 分解部分使用的投入產(chǎn)出數(shù)據(jù)來(lái)自GTAP10數(shù)據(jù)庫(kù)[51]，其中包含2004 年、2007 年、2011 年、2014年共四個(gè)年份的投入產(chǎn)出表，這也是本研究確定研究時(shí)段的依據(jù)。為了使年際間結(jié)果可比，本研究在各部分均使用2010 年不變價(jià)美元計(jì)價(jià)的經(jīng)濟(jì)數(shù)據(jù)，各國(guó)的年際間通脹率來(lái)自世界銀行數(shù)據(jù)庫(kù)③World Bank.World Development Index, https://data.worldbank.org/products/wdi.。

在研究地區(qū)方面，本研究針對(duì)9 個(gè)亞洲地區(qū)進(jìn)行分析，分別是中國(guó)、印度、日本、韓國(guó)、印度尼西亞、馬來(lái)西亞、泰國(guó)、越南以及除此之外的亞洲其他國(guó)家。在GTAP 投入產(chǎn)出表的初步處理中，亦將數(shù)據(jù)庫(kù)原始的全球141 個(gè)國(guó)家或地區(qū)合并為上述9 個(gè)區(qū)域以及除亞洲以外的世界其他地區(qū)，共10 個(gè)地區(qū)。在排放清單和經(jīng)濟(jì)、人口等各類數(shù)據(jù)中，中國(guó)地區(qū)均包含了中國(guó)大陸以及港澳臺(tái)地區(qū)。

在部門上，考慮到REAS 排放清單部門分辨率有限，本研究將原始的65 個(gè)經(jīng)濟(jì)部門合并為5 個(gè)部門，分別為農(nóng)業(yè)部門、工業(yè)部門、電力部門、交通和服務(wù)業(yè)部門；又由于REAS 排放清單中未區(qū)分農(nóng)業(yè)部門排放（均歸為“其他排放”類別），因此本研究在排放量SDA 分解分析部分將投入產(chǎn)出數(shù)據(jù)的農(nóng)業(yè)和服務(wù)業(yè)部門整合為新的“其他部門”。基于GTAP 各年份原始投入產(chǎn)出數(shù)據(jù)構(gòu)造的亞洲九區(qū)域五部門投入產(chǎn)出表如表1 所示。基于這一結(jié)果求得列昂惕夫逆矩陣L后，本研究根據(jù)總投入和總產(chǎn)出的平衡關(guān)系，對(duì)總產(chǎn)出進(jìn)行了校正。

表1 基于GTAP投入產(chǎn)出數(shù)據(jù)得到的亞洲九區(qū)域五部門投入產(chǎn)出基礎(chǔ)表框架

2 研究結(jié)果

2.1 亞洲地區(qū)排放量與社會(huì)經(jīng)濟(jì)發(fā)展趨勢(shì)

本研究首先使用REAS 數(shù)據(jù)庫(kù)排放數(shù)據(jù)考察亞洲各國(guó)排放量變化情況。分析可知，亞洲各國(guó)家和地區(qū)排放量變化趨勢(shì)差異顯著。圖2 以中國(guó)、印度、韓國(guó)、日本四國(guó)為例，展示其2000—2015 年CO2和各類一次空氣污染物的分部門排放變化趨勢(shì)?？梢钥闯?，中國(guó)的顆粒物一次排放在2003 年左右達(dá)峰并開始有所下降，SO2排放自2005 年起即“十一五”期間開始有較為明顯的下降，CO2與非甲烷揮發(fā)性有機(jī)物（NMVOC）排放在2015年之前總體保持增長(zhǎng)趨勢(shì)；其余污染物的排放量均在2010 年前后出現(xiàn)峰值，此后緩慢下降。印度的碳排放和污染物排放在此期間均呈上升趨勢(shì)，尤其是碳排放和氮氧化物排放自2005 年起呈加速增長(zhǎng)趨勢(shì)。而韓國(guó)、日本兩國(guó)的碳排放總體保持穩(wěn)定或波動(dòng)上升，而各類空氣污染物排放均自2000 年起有較為明顯的下降趨勢(shì)，呈現(xiàn)出與中印兩國(guó)不同的趨勢(shì)。

圖2 亞洲地區(qū)中、印、韓、日四國(guó)2000—2015年各類污染物排放量變化情況

考察部門差異可以發(fā)現(xiàn)，中、印、韓、日四國(guó)中，電力部門和工業(yè)部門是各類污染物排放的重要貢獻(xiàn)者，意味著這兩個(gè)部門以及與之關(guān)聯(lián)的上下游生產(chǎn)部門將可能是未來(lái)各國(guó)需要更加注意的減排重點(diǎn)部門。除此之外，中國(guó)和印度的居民源也是BC 等幾類污染物的重要來(lái)源之一；交通源對(duì)于兩國(guó)NOx等污染物排放的貢獻(xiàn)也較大。

以上四國(guó)的排放量趨勢(shì)與其經(jīng)濟(jì)增長(zhǎng)的長(zhǎng)期趨勢(shì)呈現(xiàn)出一定的相關(guān)性，同時(shí)也有部分差異。由圖3（a）可以看出，中、印、韓三國(guó)的不變價(jià)GDP 總量在2004—2014 年期間總體均有較為明顯的增長(zhǎng)。其中，中國(guó)的經(jīng)濟(jì)總量增幅在此10 年間超過了100%，印度、韓國(guó)也接近50%；日本GDP 總量則呈現(xiàn)波動(dòng)且無(wú)明顯增長(zhǎng)。由此可以初步推測(cè)，中、印兩國(guó)的經(jīng)濟(jì)增長(zhǎng)和日本相對(duì)平穩(wěn)的經(jīng)濟(jì)總量或許可以在一定程度上解釋其對(duì)應(yīng)的排放量變化趨勢(shì)；而韓國(guó)雖然經(jīng)濟(jì)增長(zhǎng)也較為明顯，但大部分污染物排放顯著降低，則表明經(jīng)濟(jì)結(jié)構(gòu)或能源結(jié)構(gòu)等結(jié)構(gòu)性因素對(duì)排放量下降起了助推作用。

圖3 中、印、韓、日四國(guó)2004—2014年經(jīng)濟(jì)總量與結(jié)構(gòu)變化

同時(shí)，分析各國(guó)GDP 結(jié)構(gòu)[圖3（b）]和最終需求組成[圖3（c）]可以發(fā)現(xiàn)，在部門結(jié)構(gòu)上，四國(guó)年際間有一定變化，但幅度輕微；中國(guó)的農(nóng)業(yè)部門占GDP 比重小幅下降，工業(yè)部門比重則從2004 年的60.0%略微提高到了2014 年的63.1%；印度工業(yè)部門占比提高的幅度略大，從46.7%增長(zhǎng)至53.6%；韓國(guó)的工業(yè)與服務(wù)業(yè)部門的比例長(zhǎng)期保持在6 ∶4 左右，日本則為4 ∶6，年際十分穩(wěn)定。最終需求結(jié)構(gòu)方面的年際趨勢(shì)變化則稍加顯著。中國(guó)的消費(fèi)和投資占比在10 年間都有一定程度的升高，分別從38%提升至42%，從27%增長(zhǎng)到36%；而出口占比則出現(xiàn)明顯下降，從2004 年的34%降低到2014 年的22%。印度2014 年的消費(fèi)占比也在2004 年52%的基礎(chǔ)上再提高了5%。韓、日兩國(guó)三部分最終需求比例在年際有一定的波動(dòng)，但總體變化不大。

2.2 主要因素影響：KAYA與LMDI分析結(jié)果

2.2.1 KAYA分析

在趨勢(shì)分析的基礎(chǔ)上，本研究基于KAYA 恒等式和LMDI 分解分析方法考察人口增長(zhǎng)、人均GDP 增長(zhǎng)、能源強(qiáng)度變化、排放系數(shù)變化四個(gè)不同因素的貢獻(xiàn)。由于污染物種類較多，本研究重點(diǎn)選擇CO2、BC（同時(shí)引起空氣污染和氣候變化）、SO2、NOx（二次PM2.5重要的兩類前體物）四類較有代表性的物種進(jìn)行分析。表2 以CO2為例展示了各地區(qū)排放量變化的KAYA 分解分析部分年份結(jié)果。表中的百分比數(shù)值表示人口、人均GDP 等各變量相比于2004 年的比例。由于四項(xiàng)驅(qū)動(dòng)力因素均對(duì)最終排放量有線性影響，因此，根據(jù)各因素絕對(duì)數(shù)值相比于某一固定年份比例的變化，即可定性判斷其對(duì)碳排放或空氣污染物排放的貢獻(xiàn)正負(fù)和大?。喝裟骋灰蛩氐谋壤笥?00%，就說(shuō)明該因素在當(dāng)年對(duì)排放量有正向推動(dòng)作用，反之則說(shuō)明有減排作用。

圖4 展示了四類污染物排放量變化的KAYA 分解結(jié)果?？梢钥闯?，在中、印、韓三國(guó)中，人均GDP 在2000—2015 年間均持續(xù)增長(zhǎng)，成為主導(dǎo)排放量增長(zhǎng)的重要因素。在中國(guó)，除經(jīng)濟(jì)規(guī)模增長(zhǎng)迅速以外，人口也有緩慢增長(zhǎng)，起到了微小的正向影響；中國(guó)的能源強(qiáng)度自2004 年起不斷降低，至2014 年中國(guó)單位GDP 能源消耗量從2004 年的0.000 48 噸標(biāo)油/美元下降至0.000 35噸標(biāo)油/美元，降幅為28%，一定程度上抵消了經(jīng)濟(jì)規(guī)模增長(zhǎng)的影響；不同污染物的排放系數(shù)則有一定差異，其中SO2和BC 的能源排放系數(shù)明顯下降，但二氧化碳的排放系數(shù)仍升高，這可能受到能源效率變化等因素的影響。正是這些不同作用方向的因素疊加，使得中國(guó)空氣污染物排放在2005 年之后總體開始下降，而CO2排放仍有所增加。印度與韓國(guó)的各驅(qū)動(dòng)力因素變化趨勢(shì)與中國(guó)類似，但具體增速有所不同。日本的情況與其他三國(guó)有一定差異，主要表現(xiàn)為人均GDP 波動(dòng)增長(zhǎng)且對(duì)排放量影響較小，主導(dǎo)各類污染物排放量變化的是單位能源消費(fèi)量的終端污染物排放系數(shù)。這表明在2004—2014年間，日本的能源結(jié)構(gòu)、能源技術(shù)與污染物終端控制技術(shù)發(fā)展趨勢(shì)對(duì)污染物排放量起主要影響。其中，CO2和SO2的單位能耗排放系數(shù)自2011 年起有顯著上升，這與化石能源在日本發(fā)電結(jié)構(gòu)中的占比提升有關(guān)；而與電力關(guān)聯(lián)較小的BC 和NOx的排放系數(shù)則伴隨清潔技術(shù)的進(jìn)一步滲透而逐漸降低。

圖4 中、印、韓、日四國(guó)各個(gè)排放驅(qū)動(dòng)力因素相較于2004年的增長(zhǎng)比例變化

2.2.2 LMDI分解分析

接下來(lái)，基于LMDI 分解法，選擇CO2與NOx分別作為溫室氣體和空氣污染物的代表，對(duì)上述四類因素貢獻(xiàn)進(jìn)行定量分析。表3 展示了LMDI 分解得到的各因素對(duì)CO2排放量變化影響的定量結(jié)果，分析對(duì)象為投入產(chǎn)出表數(shù)據(jù)對(duì)應(yīng)的四個(gè)時(shí)期：2004 年、2007 年、2011年、2014 年。表中各時(shí)期的數(shù)值分別代表自上一時(shí)期至本時(shí)期（例如2007 年的上一時(shí)期為2004 年，以此類推；“2014—2004”指2014 年相較于2004 年的總變化）各因素對(duì)排放量變化的貢獻(xiàn)量。

圖5 可視化展示了針對(duì)CO2的絕對(duì)和相對(duì)貢獻(xiàn)量分解結(jié)果。在2004—2014 年，經(jīng)濟(jì)規(guī)模增長(zhǎng)對(duì)所有地區(qū)的碳排放貢獻(xiàn)均為正，并且在中國(guó)、印度、韓國(guó)，經(jīng)濟(jì)增長(zhǎng)主導(dǎo)了碳排放量變化；能源強(qiáng)度的下降帶來(lái)了較為顯著的減排影響，而由于經(jīng)濟(jì)體總能源強(qiáng)度受到經(jīng)濟(jì)結(jié)構(gòu)和能源效率（包括能源結(jié)構(gòu)）的多方面影響，因此可認(rèn)為結(jié)構(gòu)性因素的綜合影響給這四個(gè)國(guó)家均帶來(lái)了減排效果。人口增長(zhǎng)對(duì)各國(guó)的碳排放影響很小；排放系數(shù)效應(yīng)則在日本尤其顯著，推高了日本的碳排放量。本研究分析得到相應(yīng)驅(qū)動(dòng)力因素對(duì)中國(guó)的碳排放驅(qū)動(dòng)力貢獻(xiàn)與GUAN 等[26]基于LMDI 方法對(duì)中國(guó)2007—2016 年碳排放趨勢(shì)開展的研究結(jié)果相似；而印度的各驅(qū)動(dòng)力貢獻(xiàn)量和正負(fù)結(jié)果也與WANG 等[38]對(duì)印度2000—2014 年生產(chǎn)者責(zé)任碳排放驅(qū)動(dòng)力的分析結(jié)果類似。

NOx的驅(qū)動(dòng)力分解分析結(jié)果與CO2相似（圖6），僅排放系數(shù)貢獻(xiàn)的分布情況與CO2有所不同。在中國(guó)、韓國(guó)、日本，排放系數(shù)變化都帶來(lái)了顯著的減排貢獻(xiàn)，意味著在這些國(guó)家能源利用的清潔化和終端控制技術(shù)的滲透率提高幫助了NOx的減排；印度則相反，排放系數(shù)在分析時(shí)期內(nèi)略有升高，推高了NOx排放。

圖6 基于LMDI分析所得2004—2014年間中、印、韓、日四國(guó)NOx排放變化的分因素貢獻(xiàn)

根據(jù)以上分析，可以初步得出驅(qū)動(dòng)力分析結(jié)論，即在人口增長(zhǎng)、經(jīng)濟(jì)規(guī)模、能源強(qiáng)度、排放系數(shù)四項(xiàng)驅(qū)動(dòng)力因素中，人口增長(zhǎng)對(duì)各國(guó)的排放量變化貢獻(xiàn)很?。ㄔ谌毡旧踔谅晕樨?fù)）。除日本外，中、印、韓三國(guó)最重要的排放增長(zhǎng)驅(qū)動(dòng)力仍為經(jīng)濟(jì)規(guī)模，即人均GDP 的增長(zhǎng)。能源強(qiáng)度代表了結(jié)構(gòu)性因素，總體帶來(lái)一定負(fù)向作用，幫助了CO2和空氣污染物排放量的下降，但并未抵消人均GDP 增長(zhǎng)對(duì)排放規(guī)模的影響。排放系數(shù)取決于能源結(jié)構(gòu)和能源利用技術(shù)，直接影響排放量，在印度以外的三國(guó)，排放系數(shù)下降推動(dòng)了NOx排放的下降；而在以上四個(gè)國(guó)家，碳排放系數(shù)均在2004—2014 年期間有所升高，對(duì)CO2排放起了微小的推動(dòng)作用。

2.3 經(jīng)濟(jì)增長(zhǎng)與經(jīng)濟(jì)結(jié)構(gòu)影響：SDA分析結(jié)果

2.3.1 GDP增長(zhǎng)與GDP部門結(jié)構(gòu)的影響

本部分基于SDA 分解法細(xì)致考察經(jīng)濟(jì)結(jié)構(gòu)中的因素對(duì)碳排放和污染物排放的影響。首先，將影響因素區(qū)分為經(jīng)濟(jì)發(fā)展影響與單位產(chǎn)出排放系數(shù)影響。其次，將經(jīng)濟(jì)發(fā)展區(qū)分為GDP 總量和GDP 部門結(jié)構(gòu)，或進(jìn)一步區(qū)分為最終需求規(guī)模以及其中消費(fèi)、投資、出口“三駕馬車”的比例與具體結(jié)構(gòu)，詳細(xì)考察經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型對(duì)經(jīng)濟(jì)體碳排放、空氣污染物排放量的影響。

基于簡(jiǎn)單SDA 分析，可區(qū)分GDP 增長(zhǎng)和GDP 部門結(jié)構(gòu)的影響。圖7 展示了亞洲各國(guó)家和地區(qū)2004—2014 年間不同驅(qū)動(dòng)因素對(duì)各類污染物排放量變化的影響結(jié)果。首先，亞洲碳排放或空氣污染物排放量的總體規(guī)模也表現(xiàn)出很大程度的區(qū)域異質(zhì)性，這與亞洲不同地區(qū)經(jīng)濟(jì)體量和經(jīng)濟(jì)結(jié)構(gòu)的異質(zhì)性有較大關(guān)聯(lián)。而各國(guó)家和地區(qū)驅(qū)動(dòng)力分解結(jié)果也有較大差異，例如在中國(guó)和印度，人均GDP 即經(jīng)濟(jì)規(guī)模變化對(duì)排放量有明顯的正向推動(dòng)作用；而在印度尼西亞、日本、韓國(guó)等國(guó)家，經(jīng)濟(jì)規(guī)模的影響不大。相較于經(jīng)濟(jì)規(guī)?；蚱渌?qū)動(dòng)因素，GDP 部門結(jié)構(gòu)變化對(duì)各國(guó)家、各污染物的排放量變化貢獻(xiàn)都很小，僅在CO2、SO2、NMVOC 這幾類物種中有一定程度的貢獻(xiàn)。

圖7 亞洲國(guó)家和地區(qū)2004—2014年間不同驅(qū)動(dòng)因素對(duì)排放變化量的貢獻(xiàn)

圖8 展示了基于SDA 分析得到的亞洲各地區(qū)2004—2014 年間不同驅(qū)動(dòng)因素對(duì)各類污染物排放量變化率的影響結(jié)果，可以更為直觀地對(duì)比同一國(guó)家內(nèi)不同因素對(duì)各類污染物排放影響的方向和程度大小。經(jīng)濟(jì)規(guī)模變化對(duì)大部分亞洲地區(qū)的CO2、BC、NOx等的排放都有較為明顯的影響。例如，在中國(guó)，經(jīng)濟(jì)規(guī)模變化貢獻(xiàn)了超過100%的碳排放和BC 排放增長(zhǎng)；在印度，此因素的影響基本接近或超過其他因素影響的總和。同時(shí)，GDP 部門結(jié)構(gòu)的影響仍顯得很微弱，主要影響CO2、NOx和NMVOC 這三類物種的排放量，且一般均為負(fù)向影響，說(shuō)明在2004—2014 年間，各國(guó)的GDP 結(jié)構(gòu)都一定程度向“低排放的部門結(jié)構(gòu)”進(jìn)行了轉(zhuǎn)型。此外，排放強(qiáng)度的影響不可忽視，在中國(guó)、泰國(guó)、日本、韓國(guó)，排放強(qiáng)度幾乎是所有污染物最重要的減排貢獻(xiàn)因子。而在越南、印度、印度尼西亞和馬來(lái)西亞，排放強(qiáng)度反而使多種污染物的排放量增加，說(shuō)明這些國(guó)家在此期間的各部門生產(chǎn)結(jié)構(gòu)和能源技術(shù)、生產(chǎn)技術(shù)可能在往更高排放的方向發(fā)展。這一現(xiàn)象是這些地區(qū)在制定下一步減排戰(zhàn)略時(shí)需要注意的。

圖8 亞洲國(guó)家和地區(qū)2004—2014年間不同驅(qū)動(dòng)因素對(duì)排放變化率的貢獻(xiàn)

2.3.2 最終需求比例及各部分結(jié)構(gòu)的影響

與圖7 和圖8 類似，圖9 和圖10 也分別展示了各個(gè)驅(qū)動(dòng)力因素對(duì)于不同地區(qū)2004—2014 年間排放變化量和排放變化率的影響。與上一節(jié)的區(qū)別在于，本節(jié)展示的詳細(xì)SDA 分解結(jié)果為把最終需求對(duì)排放的影響細(xì)致區(qū)分為消費(fèi)、投資、出口占比的分別影響，以及消費(fèi)結(jié)構(gòu)、投資結(jié)構(gòu)、出口結(jié)構(gòu)的具體影響。圖9 展示了絕對(duì)量變化的分解結(jié)果，可以看出，經(jīng)濟(jì)規(guī)模的影響仍占據(jù)主導(dǎo)，其次為排放強(qiáng)度下降帶來(lái)的減排效應(yīng)。最終需求總量對(duì)排放變化的影響很小。在中國(guó)，“三駕馬車”（投資、消費(fèi)、出口）相對(duì)占比變化對(duì)各類污染物排放的凈影響為微小的負(fù)值，又由于中國(guó)經(jīng)濟(jì)結(jié)構(gòu)在此期間表現(xiàn)為出口占比下降、國(guó)內(nèi)消費(fèi)和投資比例上升，這說(shuō)明中國(guó)生產(chǎn)國(guó)內(nèi)需求產(chǎn)品的相關(guān)排放量較出口品的排放強(qiáng)度略低，但總體差異較?。煌瑫r(shí)，“投資、消費(fèi)、出口結(jié)構(gòu)變化”對(duì)碳排放和空氣污染物排放的凈影響為微小的正值，因此兩方面結(jié)構(gòu)影響基本相互抵消。在其他大部分國(guó)家，最終需求比例和結(jié)構(gòu)的影響也很小，大多表現(xiàn)為較小的減排影響。

圖9 亞洲國(guó)家和地區(qū)2004—2014年間各細(xì)分驅(qū)動(dòng)因素對(duì)排放變化量的貢獻(xiàn)

圖10 亞洲國(guó)家和地區(qū)2004—2014年間各細(xì)分驅(qū)動(dòng)因素對(duì)排放變化率的貢獻(xiàn)

從圖10 可進(jìn)一步看出，GDP 總量和排放強(qiáng)度變化貢獻(xiàn)的變化率一般超過50%，對(duì)于部分國(guó)家和污染物可達(dá)150%；而消費(fèi)、投資、出口占比和結(jié)構(gòu)的影響實(shí)際上十分微弱，單一因素貢獻(xiàn)的排放年際變化率大多在10%以內(nèi)，同時(shí)不同符號(hào)的結(jié)構(gòu)性影響存在相互抵消，使凈影響更不顯著。

各驅(qū)動(dòng)因素貢獻(xiàn)的結(jié)果對(duì)比一方面說(shuō)明，相較于經(jīng)濟(jì)增長(zhǎng)，經(jīng)濟(jì)結(jié)構(gòu)對(duì)于亞洲國(guó)家2004—2014 年排放量變化的影響總體很??；另一方面也意味著各國(guó)在經(jīng)濟(jì)結(jié)構(gòu)上尚存較大減排空間。例如，中國(guó)在著力擴(kuò)大內(nèi)需、發(fā)揮國(guó)內(nèi)市場(chǎng)潛力的同時(shí)，也需要同時(shí)注重國(guó)內(nèi)產(chǎn)品生產(chǎn)的低碳清潔化，這既意味著要優(yōu)化能源結(jié)構(gòu)和生產(chǎn)技術(shù)、降低能源部門和終端能源消費(fèi)的排放量，同時(shí)也需要結(jié)合供給側(cè)結(jié)構(gòu)性調(diào)整等措施推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，使科技、服務(wù)貿(mào)易等行業(yè)成為更重要的經(jīng)濟(jì)增長(zhǎng)點(diǎn)。此外，“投入產(chǎn)出關(guān)系”的貢獻(xiàn)影響也值得關(guān)注，因?yàn)槠浞从车氖歉鞑块T生產(chǎn)之間的中間投入依賴關(guān)系，可以在一定程度上衡量經(jīng)濟(jì)體產(chǎn)業(yè)鏈的總體綠色程度。這一因素的貢獻(xiàn)在中國(guó)、印度的影響皆為負(fù)，說(shuō)明兩國(guó)已經(jīng)在產(chǎn)業(yè)鏈綠色化方面取得了一定的成效，但同樣也有較大的減排空間可進(jìn)一步挖掘。從這一角度出發(fā)，結(jié)合結(jié)構(gòu)路徑分析等方法識(shí)別出重要排放部門，并針對(duì)性地制定減排方案，將能夠更高效地開展減排工作。

3 結(jié)論與建議

本文首先總結(jié)回顧了現(xiàn)有的驅(qū)動(dòng)力分析文獻(xiàn)，尤其是其中針對(duì)亞洲國(guó)家開展的研究，指出現(xiàn)有研究對(duì)亞洲國(guó)家橫向?qū)Ρ群徒Y(jié)構(gòu)性驅(qū)動(dòng)力分析較少的研究現(xiàn)狀。隨后，結(jié)合KAYA 分解和LMDI 分解方法，探究了亞洲9個(gè)國(guó)家和地區(qū)碳排放和空氣污染物排放量變化趨勢(shì)，以及人口、經(jīng)濟(jì)增長(zhǎng)、能源強(qiáng)度、排放強(qiáng)度等驅(qū)動(dòng)力因素的年際變化及各因素對(duì)排放量的定性和定量貢獻(xiàn)。進(jìn)一步地，本文使用SDA 分解法對(duì)經(jīng)濟(jì)結(jié)構(gòu)因素的排放影響進(jìn)行了詳細(xì)考察，對(duì)不同國(guó)家、不同污染物的排放因素進(jìn)行了橫向?qū)Ρ?，并重點(diǎn)突出了各類經(jīng)濟(jì)結(jié)構(gòu)因素對(duì)亞洲各地區(qū)不同物種排放量的影響及其相對(duì)于經(jīng)濟(jì)規(guī)模、排放強(qiáng)度等其他因素的程度。

研究結(jié)果表明：（1）在21 世紀(jì)前15 年間，亞洲國(guó)家經(jīng)濟(jì)總體呈現(xiàn)增長(zhǎng)態(tài)勢(shì)，同時(shí)，各國(guó)CO2和各類一次空氣污染物排放量都呈現(xiàn)出明顯的年際變化，且不同地區(qū)的排放量變化趨勢(shì)有較大差異。中國(guó)、印度作為經(jīng)濟(jì)增長(zhǎng)的人口大國(guó)，排放量較高且增長(zhǎng)快速，而日本、韓國(guó)為發(fā)達(dá)國(guó)家，排放量低且伴隨著技術(shù)進(jìn)步，排放量總體呈現(xiàn)下降趨勢(shì)。不過，各國(guó)碳排放量總體均上升，體現(xiàn)出碳減排的較高難度。

（2）經(jīng)濟(jì)規(guī)模增長(zhǎng)是亞洲各個(gè)發(fā)展中國(guó)家排放量上升的最重要驅(qū)動(dòng)力，人口因素目前的影響很小，能源強(qiáng)度下降推動(dòng)了各國(guó)的減排進(jìn)程；同時(shí)，排放系數(shù)的下降對(duì)絕大部分亞洲地區(qū)排放量的影響也很顯著。

（3）與經(jīng)濟(jì)規(guī)模因素和排放強(qiáng)度因素的顯著貢獻(xiàn)相比，經(jīng)濟(jì)結(jié)構(gòu)變化對(duì)于各國(guó)排放量變化的影響較小，約小一個(gè)數(shù)量級(jí)。無(wú)論是GDP 部門結(jié)構(gòu)的變化，還是最終需求中投資、消費(fèi)、出口各自占比和結(jié)構(gòu)變化，都仍未在2004—2014 年期間體現(xiàn)出對(duì)排放增加或減少的顯著影響。這也意味著，各國(guó)在經(jīng)濟(jì)結(jié)構(gòu)方面尚有較大的減排潛力，未來(lái)要在保持經(jīng)濟(jì)平穩(wěn)運(yùn)行的條件下實(shí)現(xiàn)低碳轉(zhuǎn)型，除了進(jìn)一步優(yōu)化能源結(jié)構(gòu)和生產(chǎn)技術(shù)外，也應(yīng)更多挖掘和發(fā)揮經(jīng)濟(jì)結(jié)構(gòu)方面的減排潛力，盡快通過結(jié)構(gòu)轉(zhuǎn)型避免高污染、高能耗產(chǎn)業(yè)的“高碳排放、高污染排放鎖定效應(yīng)”，從而實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展。