2排放总量测算及驱动因素研究'> 江苏省终端能源消费CO2排放总量测算及驱动因素研究

摘要 电力、热力在终端能源消费CO2排放总量测算中一直被视作零排放，但这不利于终端能源消费部门的节能减排，也不符合“共同但有区别的责任”原则。本文基于生产二次能源（电力、热力）所需化石能源的消耗量和省域内二次能源的消费量测算电力、热力CO2排放因子，并从生产端和终端两视角出发，考虑二次能源当量值和等价值，计算二次能源CO2排放终端承担比率，进而全面测算2000-2012年江苏省19种（包含电力、热力）终端能源消费CO2排放总量。运用LMDI 1法，把CO2排放变动分解为11个驱动因素。结果表明：①2000-2012年间，江苏省终端能源消费CO2排放总量由15 223.90 万t上升到46 396.20 万t：其中，生产部门CO2排放总量由14 242.30 万t上升到43 481.15 万t，以年平均占比94.52%成为最大的CO2排放部门，生活部门CO2排放总量由981.60 万t上升到2 915.04 万t，并以年均8.73%的速度增长。②2000-2012年间，经济规模和人均收入分别以累积贡献度147.09%和7751%成为生产与生活部门CO2排放量增长的最大驱动因素，反映出江苏CO2排放与经济发展、居民生活水平提高密切相关。③2000-2012年间，江苏CO2排放量下降的主要驱动因素源于生产部门能源利用效率的提高和产业结构调整的成效，累积贡献度分别为-39.09%和-11.96%。④电力、热力能源结构碳强度在2000-2012年间累计减少了739.77 万tCO2排放，成为江苏省未来强有力的减排驱动因素。最后从推进江苏省产业转型升级、建设完善省级电能管理服务公共平台、加强低碳技术的产学研合作和产业技术创新战略联盟、发展城市绿色公共交通、强化节能降碳目标责任评价考核等五个方面提出对策建议，为江苏省加强节能减排，实现低碳发展提供借鉴。

关键词 终端能源；终端承担比率；CO2排放；LMDI 1；二次能源CO2排放系数

中图分类号 F062.1 文献标识码 A 文章编号 1002-2104（2015）11-0019-09

低碳发展是江苏省率先实现现代化、率先建成小康社会的必经之路，而要实现低碳发展、促进经济转型升级，就需要全面推进节能减排，采取有效的措施落实阶段性减排量化目标。2015年是江苏省全面完成“十二五”节能减排降碳目标的关键之年，根据江苏省制定的低碳发展行动实施方案，到2015年底全省能源强度比2010年下降18%以上，碳强度下降19%以上。而节能减排量化目标的实现，需要形成在经济社会发展过程中贯彻落实的倒逼机制和约束条件，既涵盖硬约束条件也包涵软约束目标，其强制性体现在碳减排总量指标的控制以及碳减排指标的分解落实上，软约束则更多的体现在人口、产业、能源等直接影响碳减排效果的结构调整目标上。同时，总体减排目标的落实，是在硬性约束条件下，针对减排总量要求，分解为各个阶段强制减排任务落实的过程。在此，有必要针对江苏省经济社会发展现状，深入研究影响CO2排放量的驱动因素，并分析实现减排目标的现实约束，进而提出对策及建议，以更好地为实现减排目标服务。本文以定量测算2000-2012年江苏能源平衡表中所有能源消耗（包括化石能源、二次能源）CO2排放为基础，以分解八个部门（包括六大生产部门、两大生活部门）共11个驱动因素为分析目标，对江苏省终端能源消费CO2排放驱动因素进行实证研究。

1 研究综述

因素分解法在碳排放研究中有着极其广泛的应用，主要分为两大类：拉氏指数（Laspeyres Index）分解法和迪氏指数（Divisia Index）分解法。Laspeyres Index分解法主要有：以基期为基准的Laspeyres分解法和以目标期为基准的Paasche分解法；对Laspeyres和Paasche分解进行线性变换的MarshallEdgeworth分解法；对Laspeyres和Paasche进行几何平均的Fisher Ideal，Ang等[1]研究发现其乘法形式可以得到无残差结果。Divisia Index分解法克服了Laspeyres Index分解法中分解的不完全性，而得到了很大的发展。主要有：AMDI、LMDI 2和LMDI 1 。Boyd等[2]和Boyd等[3]研究发现，当AMDI法（算术平均迪氏指数法）遇到数据跨度大的时间序列模型时，不能得到完美分解，也无法处理数据集中带有的零值。由Ang和Choi[4]提出的LMDI 2乘法形式能得到完美分解，但由于不具有一致可加性，而未得到普遍应用。基于取对数度量自变量变化的LMDI 1 （Logarithmic Mean Divisia Index 1）加法形式和乘法形式都可以得到无残差分解，而在能源经济管理中得到普遍应用。

近年来，国内学者应用因素分解法开展CO2排放测算与评价的研究逐渐增多，主要体现在以下方面。

（1）从CO2排放计算涵盖的能源种类，即能源消费结构的划分来看，宋杰鲲[5]运用LMDI法对山东省17种能源（除热力、电力）消费碳排放进行因素分解研究；刘清春等[6]对中国制造业16种能源排放进行分解；冯博等[7]对中国各省建筑业12种能源碳排放脱钩及影响因素进行研究。

（2）从CO2排放的终端部门划分来看，叶晓佳等[8]运用LMDI分解法对浙江省第一、二、三产业和居民生活共四部门消费的12个能源品种进行碳排放驱动因素实证研究；郝珍珍等[9]运用IDA方法，对我国农林渔水、工业、建筑业、交运仓储邮、商业、生活部门共六大部门碳排放增长贡献度进行分析；董锋等[10]运用LMDI法对中国第一产业、工业、建筑业、交运仓储邮、批发零售餐饮业、居民生活及其他共六部门碳排放分解与动态模拟进行研究；吴振信等[11]基于对交通运输业的特殊考虑运用LMDI分解法对北京地区1995-2010年一、二、三产业、居民生活部门和交通运输业五个部门的8种能源碳排放进行因素分解；赵志耘等[12]基于水泥生产过程的碳排放对我国生产部门、居民生活部门和水泥生产部门的碳排放进行研究。

（3）从影响CO2排放量变动的驱动因素的分解来看，主要包括孙作人、周德群等[13]运用IPDA将我国碳排放分解为节能技术减排潜力、技术效率、技术进步、技术差距四种因素；张乐勤等[14]用STIRPAT法对安徽省1995-2009年碳排放进行因子分析及趋势预测，得出人口、人均GDP、第二产业贡献值、全社会固定资产投资、单位GDP能耗共五个贡献因子；袁鹏等[15]将SDA与LMDI方法结合将碳排放分解为能源效率、能源替代、技术进步、国内最终需求、出口、进口共六个因素；范丹[16]基于LMDIPDA法将我国能源消费碳排放分解为产业结构、经济产出、人口规模、能源绩效、能源强度、能源结构、能源技术进步共七种因素。

以上文献存在如下不足：①由于数据的不易获得和计算处理，对能源消费碳排放结构的划分都未涉及电力、热力，更没有对电力、热力的CO2排放因子及其终端承担比率进行测算。②关于省域碳排放研究的文献，对分解因子的划分大都只对生产部门进行细分，而把生活部门当成一个整体来研究，但随着人口结构的变动、城镇化的发展和城乡人均收入水平的提高，将会导致很多影响该部门CO2排放的重要经济指标剔除在实证研究之外。这种部门碳排放构成划分的宽口径处理容易影响研究结果的精确性，不利于深入探究致使CO2排放增加或减少的因素，进而对CO2减排政策的制定产生不利影响。

为克服以上研究不足，本文在构建终端能源CO2排放模型的基础上，对江苏省终端能源消费CO2排放总量进行测算并因素分解。首先根据二次能源（电力、热力）当量值和等价值，将二次能源生产过程中的CO2排放在生产端和终端进行分担，得出2000-2012年逐年的二次能源CO2排放终端承担比率。其次基于《省级温室气体清单编制指南》对化石能源CO2排放系数进行测算，最后根据电力、热力在生产过程中化石能源的消耗和省域内电力、热力的消费来测算每年的电力、热力CO2排放因子，并据此定量计算出2000-2012年江苏省六大生产部门、两大生活部门19种（包含电力、热力）终端能源消费CO2排放总量。运用对数平均迪氏指数分解法（LMDI 1）对引起CO2排放量变动的生产部门（5因素）、生活部门（6因素）共11个驱动因素进行分解，并把它们归结为五种效应，分别是：能源强度效应、结构效应、能源结构碳强度效应、规模效应和人均收入效应。不仅可以观察部门CO2排放的情况，还可以比较各种分解因素之间的异同，解读其作用力方向及强弱。研究对江苏省制定针对性的节能减排政策、破解资源环境约束、促进产业转型升级，具有一定的借鉴价值。

2 江苏省终端能源消费CO2排放量测算

2.1 部门划分与能源种类

本文CO2排放测算涵盖了《中国能源统计年鉴》江苏省能源平衡表（实物量）中所有终端能源消费部门的CO2排放量。总共涉及六大生产部门、两大生活部门共19种能源。生产部门为：农、林、牧、渔、水利业；工业；建筑业；交通运输、仓储和邮政业；批发、零售业和餐饮业等；其他。生活部门为：城镇；乡村。

能源种类有：原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、天然气、其他石油制品、其他焦化产品、热力、电力。

2.2 数据来源与数据处理

研究时间段为2000-2012年，并逐年进行定量分析。所有的部门产出数据、人口数据和能源数据均来自《中国能源统计年鉴》和《江苏统计年鉴》，能源平衡表里的终端能源数据全部是实物量，本文将把他们全部折算为标准量，所有能源折标准煤参考系数来自《中国能源统计年鉴》（2013），所有涉及到零值的计算全部取10-50。本文各年份GDP以2000年不变价格计算，这将使得本文的能源强度统计量与统计年鉴公布的江苏省能源强度指标有所差异，这种数据处理并不影响本文对江苏省碳排放量的因素分解分析。

2.3 排放因子测算

2.3.1 一次能源排放因子测算

考虑到江苏省实际化石能源品种的单位燃料含碳量、燃烧氧化率和低位热值与其他省份的不同，直接采用《2006年IPCC国家温室气体清单指南》中推荐的因子并不能进行有效的CO2排放量测算，因此本研究所有一次能源，即化石能源品种单位燃烧含碳量和燃烧氧化率均选取《省级温室气体清单编制指南》中的相关数据，化石能源的低位热值取自《中国能源统计年鉴》进行测算。

2.3.2 二次能源终端承担比率及排放因子测算

关于二次能源（电力、热力）消费CO2排放因子核算，普遍认为其CO2排放已经在生产端进行了核算，为了避免重复，在终端将电力、热力消费视为零排放，但这不利于终端消费部门的节能减排；而如果将国家发改委为中国清洁发展机制重点领域的CDM项目而计算出来的华东区域电网基准线排放因子直接应用于省域层面进行CO2排放测算则又存在较大误差。秉承“共同但有区别”原则，本研究采用齐绍洲、付坤[17]提出的方法分别对江苏省电力、热力CO2排放终端的承担比率及其各自的CO2排放因子进行测算，计算见式（1）～（3），结果见表1。

4 驱动因素分类分析

根据各驱动因素的性质，本文把影响江苏省终端能源消费CO2排放量的11个驱动因素归结为五种效应，分别是：能源强度效应、结构效应、能源结构碳强度效应、规模效应和人均收入效应等。

4.1 能源强度效应

根据部门不同，本文把能源强度划分为：生产部门能源强度、生活部门能源强度。从理论上讲，某部门能源强度下降，说明该部门能源利用效率提高，如果其他因素保持不变，该部门因能源利用而产生的CO2排放量必然减少，能源强度下降对CO2排放量变动的贡献度必然为负。反之，当能源强度上升，则其贡献必然为正。

4.1.1 生产部门能源强度贡献

生产部门能源强度在2000-2012年累积贡献度为-39.09%，成为减缓CO2排放主要驱动因素。其中，①在2003-2004年间，能源强度产生2 608.13 万tCO2排放的正向驱动，分析发现是因为工业部门原煤、焦炭、其他石油制品、电力、热力、交运仓储邮政业部门柴油、汽油能源强度较往年大幅上升，分别产生了648.94 万t，194.52 万t，121.09 万t，415.69 万t，148.56 万t，347.66 万t和436.56 万t的CO2排放量。②2009-2010年间能源强度减少5 657.49 万t CO2，究其原因是工业部门原煤、焦炭、天然气、电力、热力五大能源单位产值能耗降低，分别减少贡献1 568.76 万t，1 141.09 万t，103.74 万t，1 200.58 万t，605.59 万t。由此可见，生产部门能源强度降低是实现CO2减排的关键，而其中又以工业部门原煤、焦炭、交运仓储邮政业柴油、汽油等高碳排放因子的能源强度降低为主。

4.1.2 生活部门能源强度贡献

生活部门能源强度在2000-2012年累积贡献度为0.99%，对CO2排放影响微弱。一般而言，居民生活能源消费量的收入弹性是比较低的，它不会随着收入的大幅增加而大幅增加，二是与居民的生活习惯、消费方式和气候变化密切相关，能源消费量一般呈现小幅波动状态或小幅增长趋势。其中，2004-2005年能源强度异于常值，究其原因是城镇和农村的电力能源强度有所增加，分别产生了71.58万t，56.99万t的CO2排放，从而导致该时间段排放量增加。

4.2 结构效应

把生产部门的能源结构变动、产业结构变动、生活部门的能源结构变动和人口结构变动（即城镇化）对CO2排放量变动所产生的影响统称为结构效应。四种结构变动的特征和贡献度不同，结合表2和表3具体分析如下：

4.2.1 生产部门能源结构贡献

生产部门能源结构在2000-2012年累积贡献度为6.49%，这与焦炭使用所占比重从2000年的6.40%上升到2012年17.6%，电力比重从16.61%上升到26.88%密切相关，如果其他因素不变，能源结构中碳排放因子较大的焦炭、电力使用比重上升，则CO2排放量必然增加。其中2004-2005年工业中焦炭CO2排放贡献1 548.43 万t，2009-2010年工业焦炭、电力分别贡献1 568.16 万t、1 410.18 万tCO2，从而导致这两个时间段内能源结构的总体CO2排放贡献高达622.47万t和1 680.79万t。

4.2.2 产业结构贡献

产业结构调整在2000-2012年累计贡献度为-11.96%，成为江苏省CO2减排第二大驱动因素。农林牧渔水利业、工业、建筑业、交运仓储邮政业、批发零售餐饮住宿业和其他部门每年的能源消费占当年能源总消费的比例，在2000-2012年期间分别平均为2.83%、85.04%、0.81%、8.09%、1.27%、1.96%。由此可见，工业部门消耗了能源总量的绝大部分。如果工业产值在江苏省GDP中的比重下降，那么势必导致能源消费总量减少，CO2排放量也必然下降。2000-2012年间江苏省工业比重从85.21%波动下降到83.59%，第三产业的比重由9.93%上升到13.20%，产业结构调整初见成效，对CO2排放的减缓起到了一定的积极作用。

4.2.3 生活部门能源结构贡献

生活部门能源结构在2000-2012年累积贡献度为-1.61%，对总体的CO2排放有微弱的减缓作用。此期间CO2排放因子高，同时能源使用比重也较高的原煤、液化石油气使用量从27.80%、21.02%降至0.73%、10.24%，反映能源结构调整对生活部门CO2排放总量减少起了非常重要的作用。

4.2.4 人口结构贡献

以人口结构变动反应的城镇化在2000-2012年对CO2排放的累积贡献度为8.11%，城镇化进程虽然是加剧了碳排放，但其速度在呈下降趋势。2000-2012年间，江苏省城镇人口比重从41.5%上升到63%，在城镇化发展初期，建设大量的基础设施，同时城镇化伴随着农村居民消费模式向城镇居民消费模式转变，对一些空调、私家车等耐用品的需求逐渐增加，这些都将导致城镇化过程中CO2排放的增加。

4.3 能源结构碳强度效应

由于除电力、热力之外的其他17种能源CO2排放因子基本稳定，因此能源结构碳强度效应主要反映电力、热力排放因子的变化对江苏省终端能源消费CO2排放量增长的贡献，还有少部分是因为一些年份某些能源消费从零骤然增加到某个量，或者从某个量骤然降为零值导致能源结构碳强度的变化而带来CO2排放量增加或减少。

4.3.1 生产部门能源结构碳强度贡献

生产部门能源结构碳强度在2000-2012年间累积贡献度为-2.52%，证明在此期间对CO2排放具有微弱的减缓作用。其中，在2004-2005年、2009-2010年间，生产部门能源结构碳强度分别贡献了571.05 万t和696.14 万t的CO2排放，究其原因是工业部门电力分别贡献了304.32 万t和544.38 万tCO2排放，这与电力CO2排放因子与终端承担比率的乘积从2004年的3.15 tCO2/104kW・h上升到2005年的3.36 tCO2/104kW・h和从2009年的2.73 tCO2/104kW・h上升到2010年的2.94 tCO2/104 kW・h密切相关。另外，2004-2005年建筑业其他石油制品消费CO2排放也贡献了201.17 万t，这与其从2004年零消费上升到2005年的99.30 万t标准煤有关，以上分析是导致这两个时间段能源结构碳排放强度贡献值明显增加的重要原因。

4.3.2 生活部门能源结构碳强度贡献

生活部门能源结构碳强度在2000-2012年间累积贡献度为9.87%，对CO2排放具有较强的促进作用。而其中在2004-2005和2009-2010年间，生活部门能源结构碳强度分别贡献了379.44 万t和107.62 万t的CO2排放，和生产部门的原因大致相同，其中：城镇汽油从2004年的零消费上升到2005年的129.48 万t标准煤贡献了251.90 万tCO2排放，2009-2010年间乡村汽油从零消费到31.21 万t标准煤，加之城镇、乡村电力CO2排放因子与终端承担比率的乘积在此期间的上升，导致最终CO2排放量增加。

4.4 规模效应

把经济规模、人口总量的变动对CO2排放量变动所产生的影响统称为规模效应。

4.4.1 经济规模贡献

经济规模贡献是指经济发展对CO2排放量的影响，本文用GDP来衡量。实证结果表明，导致江苏省生产部门终端能源消费CO2排放量增加的因素中，经济规模累积贡献度最大，高达147.09%。但从2010-2012年实证数据中可以发现，经济规模效应逐渐减弱，是否江苏省正面临着经济发展与碳排放脱钩，还需更进一步的实证研究。

4.4.2 人口总量贡献

人口总量在2000-2012年间CO2排放量累积贡献度为5.13%，虽总体上还是加剧了碳排放，但趋势明显放缓。这一结果是比较直观的，此处不再做进一步解释。

4.5 人均收入效应

人均收入效应在2000-2012年累积贡献度为77.51%，成为生活部门能源碳排放最大的驱动因素。在经济持续高速增长的背景下，城镇和农村居民人均年收入分别以年均9.51%和7.42%的速度增长，收入的提高带动了城乡居民对耐用消费品的需求。根据《江苏统计年鉴》2013中“城镇（农村）居民家庭平均每百户年末耐用消费品拥有量”的数据计算，从2000-2012年，城镇居民的空调、电脑拥有量以年均11.91%和18.83%的速度增长，农村居民空调、热水器、抽油烟机和电冰箱分别以年均21.08%，16.46%，16.10%，10.33%的速度增长。居民耐用消费品拥有量的飞速增长必然使得能源消费量快速增加，因此而带来的CO2排放量自然会增长。

5 结论及政策建议

通过对二次能源（电力、热力）CO2排放终端承担比率、一次能源（化石能源）CO2排放系数和二次能源CO2排放系数进行测算，并据此定量计算江苏省2000-2012年六大生产部门、两大生活部门19种终端能源消费CO2排放总量，运用LMDI 1法对CO2排放量变动进行因素分解分别得到11个驱动因素，并把它们归结为五种效应，分别为能源强度效应（包括生产部门能源强度累积贡献度-39.09%、生活部门能源强度0.99%）、结构效应（包括生产部门能源结构6.49%、产业结构-11.96%、生活部门能源结构-1.61%、人口结构8.11%）、能源结构碳强度效应（包括生产部门能源结构碳强度-2.52%、生活部门能源结构碳强度9.87%）、规模效应（包括经济规模147.09%、人口总量5.13%）和人均收入效应（人均收入累积贡献度77.51%）等。

通过对2000-2012年江苏省终端能源消费CO2排放量驱动因素的实证研究，提出如下政策建议：

5.1 大力促进江苏省产业转型升级，推进低碳城市和低碳产业试点

研究显示江苏省产业结构调整在2000-2012年间累计减少3 506.14 万tCO2排放，成为减排的第二大驱动因素。减排的关键在于优化产业结构、调整能源结构，因此应大力推进传统产业转型，以低碳改造为目标，大力发展低能耗、低污染、低排放为基础的低碳化工业，加快发展低碳排放的现代服务业。积极发挥财政资金的带动引导作用，对新（改、扩）建项目实施产能减量置换，严格实施项目能评和环评制度，强化能评的约束性作用。积极培育“节能医生”、节能量审核、碳排放核查等第三方机构，鼓励通过合同能源管理方式为各用能单位提供节能服务。

同时，积极发展低碳产业和战略性新兴产业，推进低碳城市试点和低碳产业示范基地建设。目前镇江、淮安、苏州成为江苏省国家级低碳试点城市，常州市在2015年入选中欧低碳生态城市国际合作项目试点，通过实施低碳试点，编制温室气体排放清单和落实低碳发展路线图，实现预期低碳发展目标，促进江苏省经济社会的低碳发展。

5.2 建设和完善省级电能管理服务公共平台

江苏生产部门电力、热力的能源结构碳强度在2000-2012年间累计减少了739.77 万tCO2排放，成为未来强有力的减排驱动因素。推行节能发电调度，优先调度风电、生物质能发电、太阳能光伏等新能源和可再生能源发电，以降低二次能源CO2排放系数，从而降低排放量。优先调度容量大、效率高的燃煤机组发电，形成煤、油、气、核、新能源等多轮驱动的能源供应体系。完善电力价格政策，加大差别电价和惩罚性电价实施力度，利用价格杠杆推动能源生产和消费方式变革。

5.3 整合优势资源，加强低碳技术的产学研合作和产业技术创新战略联盟

研究显示江苏省生产部门能源强度累积贡献度-39.09%，成为CO2减排的第一大驱动因素。以能源强度效应体现的技术进步在CO2排放驱动因素研究中取得了很好的实证效果，反映出低碳技术的研发与应用是促进低碳经济发展的根本途径，为此，应加强节能减排科技创新平台建设，形成由政府倡导、企业推动和高校支持的产学研一体化低碳技术创新机制，充分发挥高校智力资源潜力，开发低碳技术。联合产业链上下游企业、科研单位、高等院校共建产业技术创新战略联盟，提升企业节能减排技术创新能力，着力推进节能减排新技术及新成果转化与产业化。

5.4 发展城市绿色公共交通，提倡低碳生活

城市公共交通是公众参与节能减排工作的最主要方式之一，江苏应加强综合交通运输体系建设，全面落实公交优先战略。大力发展绿色公共交通体系，给市民提供快速、便捷的公交服务，引导公众低碳生活。打造一批绿色循环低碳交通示范城市和低碳公共交通项目，加快城市轨道交通、快速交通系统等大容量公共交通基础设施建设，推广应用节能和清洁能源运输装备，扩大公共服务领域新能源汽车应用规模。

5.5 强化节能降碳目标责任评价考核，推进能源管理体系建设

建立节能降碳管理的长效节能机制，强化政府和企事业单位的节能降碳目标责任考核。严格实施各级政府单位地区生产总值能耗和CO2排放强度降低目标责任考核，重点考核污染物控制目标、责任书项目落实等情况。开展重点高碳行业能效对标管理，深入推进企业节能低碳行动。建立企事业单位碳排放报告制度，强化节能降碳目标责任评价考核，落实奖惩制度。加强能源管理体系建设，推进节能精细化管理，深挖节能潜力。通过政府、企业和社会公众齐心协力，共同实现节能减排目标。

参考文献（References）

[1]Ang B W， Liu F L， Chung H S. Index Numbers and the Fisher Ideal Index Approach in Energy Decomposition Analysis [R]. National University of Singapore： Department of Industrial and Systems Engineering， 2002： 38.

[2]Boyd G A， McDonald J F， Ross M， et al. Separating the Changing Composion of US Manufacturing Production from Energy Efficiency Improvements： A Divisia Index Approach [J]. The Energy Journal， 1987， 8 （2）： 77-96.

[3]Boyd G A， Hanson D A， Sterner T. Decomposition of Changes in Energy Intensity： A Comparison of the Divisia Index and Other Methods [J]. Energy Economics， 1988，10 （4）：309-312.

[4]Ang B W， Choi K H. Decomposition of Aggregate Energy and Gas Emission Intensities for Industry： A Refined Divisia Index Method [J]. The Energy Journal， 1997， 18 （3）：59-73.

[5]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. [Song Jiekun. Factor Decomposition of Carbon Emissions from Energy Consumption of Shandong Province Based on LMDI [J]. Resources Science， 2012， 34（1）：35-41.]

[6]刘清春，孔令群，安泽扬. 中国制造业能源相关的碳排放因素分析[J]. 中国人口・资源与环境，2014，5（24）：14-18. [Liu Qingchun， Kong Lingqun， An Zeyang. Decomposition Analysis of Energyrelated Carbon Emissions from China Manufacturing [J]. China Population， Resources and Environment， 2014，5（24）：14-18.]

[7]冯博，王雪青. 中国各省建筑业碳排放脱钩及影响因素研究[J]. 中国人口・资源与环境，2015，4（25）：28-34. [Feng Bo， Wang Xueqing. Research on Carbon Decoupling Effect and Influence Factors of Provincial Construction Industry in China [J]. China Population， Resources and Environment， 2015， 4（25）：28-34.]

[8]叶晓佳，孙敬水，董立锋. 低碳经济发展中的碳排放驱动因素实证研究：以浙江省为例[J]. 经济理论与经济管理，2011，（4）：13-23. [Ye Xiaojia， Sun Jingshui， Dong Lifeng. Empirical Research on Carbon Emissions’ Driving Factors in LowCarbon Economic Development： An Example of Zhejiang Province [J]. Economic Theory and Business Management， 2011， （4）：13-23.]

[9]郝珍珍，李健. 我国碳排放增长的驱动因素及贡献度分析[J]. 自然资源学报，2013，10（28）：1664-1673. [Hao Zhenzhen， Li Jian. Analysis of China’s Carbon Emission Growth： Drive Factors and Its Contribution [J]. Journal of Natural Resources， 2013，10（28）：1664-1673.]

[10]董锋，杨庆亮，龙如银，程铄博. 中国碳排放分解与动态模拟[J]. 中国人口・资源与环境，2015，4（25）：1-8. [Dong Feng， Yang Qingliang， Long Ruyin， Cheng Shuobo. Factor Decomposition and Dynamic Simulation of China’s Carbon Emissions [J]. China Population， Resources and Environment， 2015， 4（25）：1-8.]

[11]吴振信，石佳，王书平. 基于LMDI分解法的北京地区碳排放驱动因素分析[J]. 中国科技论坛，2014，（2）：85-91. [Wu Zhenxin， Shi Jia， Wang Shuping. Analysis of the Driving Factors of Carbon Emissionsin Beijing based on LMDI Method [J]. Forum on Science and Technology in China， 2014， （2）：85-91.]

[12]赵志耘，杨朝峰. 中国碳排放驱动因素分解分析[J]. 中国软科学，2012， （6）：175-183. [Zhao Zhiyun， Yang Chaofeng. The Decomposition Analysis on the Driving Factors of China’s Carbon Emission [J]. China Soft Science， 2012， （6）：175-183.]

[13]孙作人，周德群，周鹏. 碳排放驱动因素分解的IPDA模型与实证研究[J]. 系统工程，2013， 31（8）：87-98. [Sun Zuoren，Zhou Dequn，Zhou Peng. Decomposing CO2 Emissions into Contributing Factors IPDA Model and Empirical Study [J]. Systems Engineering， 2013， 31（8）：87-98.]

[14]张乐勤，李荣富，陈素平，等. 安徽省1995年-2009年能源消费碳排放驱动因子分析及趋势预测：基于STIRPAT模型[J]. 资源科学，2012，34（2）：316-327. [Zhang Leqin，Li Rongfu，Chen Suping， et al. Trend Prediction and Analysis of Driving Factors of Carbon Emissions from Energy Consumption During the Period 1995-2009 in Anhui Province Based on the STIRPAT Model [J]. Resources Science， 2012， 34（2）：316-327. ]

[15]袁鹏，程施，刘海洋. 国际贸易对我国CO2排放增长的影响：基于SDA与LMDI结合的分解法[J]. 经济评论，2012，（1）：122-132. [Yuan Peng， Cheng Shi， Liu Haiyang. The Effect of International Trade on CO2 Emissions Growth in China： Based on a Method Combined SDA with LMDI [J]. Economic Review， 2012， （1）：122-132. ]

[16]范丹. 中国能源消费碳排放变化的驱动因素研究：基于LMDIPDA分解法[J]. 中国环境科学，2013，33（9）：1705-1713. [Fan Dan. Driving Factors of Carbon Emissions from Energy Consumption in China：Based on LMDIPDA Method [J]. China Environmental Science， 2013， 33（9）：1705-1713.]

[17]齐绍洲，付坤. 低碳经济转型中省级碳排放核算方法比较分析[J]. 武汉大学学报：哲学社会科学版，2013，66（2）：8592，129. [Qi Shaozhou， Fu Kun. Comparative Analysis of the Accounting Method of Provincial Carbon Emission During the Low Carbon Transition [J]. Wuhan University Journal： Philosophy & Social Sciences Edition， 2013，66（2）：8592，129.]

Abstract Electricity， heat have been regarded as zero emissions in the enduse energy consumption’s CO2 emissions， but this is not conducive to energy savings and emission reduction in the enduse energy consumption sector. And it does not conform to the principle of “Common but Differentiated Responsibilities”. Based on the fossil energy consumption that is required for the production of secondary energy （electricity， heat） and provincial secondary energy consumption ，we measure CO2 emission factor of electricity and heat. From the two perspectives of production side and enduse angle， considering secondary Energy Calorific Value and Energy Equivalent Value， we calculate the enduse bear ratio of secondary energy’s CO2 emission， and then we can measure CO2 emissions of 19 enduse energy consumptions （including electricity， heat） from 2000 to 2012 in Jiangsu Province. Using LMDI 1 method， the CO2 emission variation is divided into 11 driving factors. Results show that：① From 2000 to 2012， the enduse energy consumption’s CO2 emissions increase from 15 223.90 10 kilotons to 46 396.20 10 kilotons in Jiangsu Province： CO2 emissions of production sector increase from 14 242.30 10 kilotons to 43 481.15 10 kilotons， becoming the largest CO2 emissions sector by annual average 94.52%， and CO2 emissions of living sector increase from 981.60 10 kilotons to 2 915.04 10 kilotons， growing at an average annual rate of 8.73%. ② From 2000 to 2012， scale of economies and per capita income are the biggest driving factor of CO2 emissions growth in production sector and living sector， at cumulative contribution of 147.09% and 77.51% respectively， showing that CO2 emissions in Jiangsu is closely related to the economic development and the improvement of people’s living standards. ③ From 2000 to 2012， the main drivers of the decrease of CO2 emissions in Jiangsu are the improvement of energy utilization efficiency of production departments and the results of industrial structure adjustment， at a cumulative contribution of 39.09% and 11.96%. ④The energy structure carbon intensity of power and heat has reduced CO2 emissions by 739.77 10 kilotons during 2000 and 2012， which has become a powerful driving factor for the future emission reduction in Jiangsu. In the end， countermeasures and suggestions are proposed to strengthen energysaving emission reduction as well as to achieve LowCarbon development for Jiangsu Province， promoting industrial transformation and upgrading， establishing and perfecting the provincial power management public service platform， strengthening the LowCarbon Technology productionstudyrsearch cooperation and industrial technology innovation strategic alliance， developing urban public transport， and strengthening target responsibility evaluation assessment of energy conservation and carbon reduction .

Key words enduse； enduse bear ratio； CO2 emission； LMDI 1； secondary energy’s CO2 emission factor