纺织工业碳排放峰值模拟及影响因素分析——以宁波市为例

李 一, 石瑞娟, 骆 艳, 王来力,d(浙江理工大学 .经济与管理学院；b.浙江省生态文明研究中心；.服装学院；d.浙江省服装工程技术研究中心，杭州 310018)

研究与技术

纺织工业碳排放峰值模拟及影响因素分析
——以宁波市为例

李 一a,b, 石瑞娟a, 骆 艳c, 王来力c,d
(浙江理工大学 a.经济与管理学院；b.浙江省生态文明研究中心；c.服装学院；d.浙江省服装工程技术研究中心，杭州 310018)

运用碳排放系数法测算2001—2014年宁波市纺织工业碳排放量，应用脱钩弹性理论对宁波市纺织工业碳排放与经济增长的脱钩关系进行分析，进而采用LMDI分解法分析碳排放的影响因素。研究结果表明：2001—2014年宁波市纺织工业碳排放与经济增长的脱钩状态表现为1年扩张连接(2002年)、2年扩张性负脱钩(2003、2005年)、3年弱脱钩(2004、2006、2007年)、7年强脱钩(2008—2014年)，脱钩状态向好；在影响碳排放的因素中，产业规模是拉动碳排放增长的关键因素，能源消费强度对碳排放有主要的抑制作用，产业结构和能源结构对碳排放的影响作用不明显。

纺织工业；能源消耗；碳排放；脱钩；LMDI；影响因素

纺织工业是中国传统支柱产业、重要民生产业和创造国际化新优势的产业，但同时也是“高能耗、高排放、高污染”的产业和温室气体重要排放源之一。《纺织工业“十三五”发展规划》提出，到2020年纺织单位工业增加值能耗要实现累计下降18%的绿色发展目标，发展低碳纺织迫在眉睫[1]。纺织服装业是宁波市的传统优势产业、地方经济支柱产业和领先全国的时尚产业，对发展宁波经济、促进劳动力就业和社会稳定发挥着重要作用[2]。2014年宁波市规模以上纺织工业生产总值占全市的8.67%，规模以上纺织工业企业940家，就业人数26.82万人[3]。作为国家发改委确定的第二批低碳城市试点，宁波市在《宁波市低碳城市试点工作实施方案》(甬政办发〔2013〕77号)中提出，到2020年全市碳排放总量与2015年基本持平，碳排放强度呈加速下降态势，万元生产总值碳排放比2005年下降一半以上。

脱钩分析在环境与经济的关系研究中应用广泛。在资源环境经济领域，脱钩是指经济增长与资源消耗、环境排放耦合关系的破裂。国内外学者运用脱钩理论就经济增长、能源消费和碳排放之间的关系进行了研究[4-6]。目前对碳排放进行因素分解的方法中，常用的是Ang等[7]在1998年提出的对数平均Divisia指数分解法(Log Mean Divisia Index，LMDI)，相关学者基于LMDI对不同地区和行业的碳排放影响因素进行分解[8-11]。本文基于宁波市2001—2014年纺织工业碳排放量与经济发展的数据，利用脱钩理论对宁波市纺织工业碳排放与经济增长的脱钩关系进行分析，进而运用LMDI分解法找出影响这种关系的关键因素，为宁波市纺织产业和区域的节能减排路径与措施，以及可持续发展提供相关建议。

1 方法和数据

1.1 碳排放系数法

对纺织工业碳排放量的测算采用碳排放系数法，根据联合国政府间气候变化专门委员会(IPCC)2006年碳排放计算指南，碳排放量测算公式如下：

(1)

式(1)中：C表示纺织工业能源消费引起的碳排放量，参照GB/T 4754—2011《国民经济行业分类》和中国纺织工业的特点，将纺织工业分为纺织业，纺织服装、服饰业(简称为服装业)和化学纤维制造业(简称为化纤业)3个子行业，分别表示为i=1,2,3；j=1,2…,9分别表示原煤、焦炭、原油等9种能源；Eij表示纺织工业子行业i第j类能源的消费量；fj表示第j类能源的折标准煤系数；kj表示第j类能源的碳排放系数。

各类能源的碳排放系数和折标准煤系数见表1。

脱钩关系的分析主要是利用弹性测算其脱钩程度。在对纺织工业碳排放与经济增长的脱钩关系分析中，运用Tapio[12]创建的脱钩弹性指标，并提出碳排放与GDP的脱钩弹性指数，计算公式如下：

(2)

式(2)中：E(C,G)为纺织工业碳排放与纺织工业生产总值的脱钩弹性指数；%ΔC为纺织工业碳排放量的变化率；%ΔGDP为纺织工业GDP的变化率。

表1 各类能源碳排放系数及折标准煤系数
Tab.1 Carbon emissions coefficient and standard coal conversion coefficient of different energy

能源碳排放系数/(kg/kg标准煤)折标准煤系数/(kg标准煤/kW·h)原煤0.75590.7143焦炭0.85500.9714原油0.58571.4286汽油0.55381.4714煤油0.57141.4714柴油0.59211.4571燃料油0.61851.4286液化石油气0.50421.7143电力0.68000.1229

注：各类能源的折标准煤系数来自《中国能源统计年鉴2014》，碳排放系数由2006年《IPCC国家温室气体排放清单指南》中提供的数据得出。折标准煤系数电力的单位为kg标准煤/kW·h，其他能源的单位均为kg标准煤/kg。

根据Tapio对弹性指数的划分，通过对弹性指数的计算，将脱钩状态划分为弱脱钩、强脱钩、衰退性脱钩、扩张性负脱钩、强负脱钩、弱负脱钩、扩张连接、衰退连接8种类型，具体划分办法见表2。其中，强脱钩是可持续发展的最理想状态，弱脱钩是较为理想的状态，其他状态都为不理想状态，强负脱钩是最不理想状态。

表2 Tapio脱钩指标分类
Tab.2 Classification decoupling indicator of Tapio

脱钩状态脱钩弹性弱脱钩ΔC>0,ΔGDP>0,E(C,G)∈[0,0.8)强脱钩ΔC<0,ΔGDP>0,E(C,G)∈(-∞,0)衰退性脱钩ΔC<0,ΔGDP<0,E(C,G)∈(1.2,+∞)扩张性负脱钩ΔC>0,ΔGDP>0,E(C,G)∈(1.2,+∞)强负脱钩ΔC>0,ΔGDP<0,E(C,G)∈(-∞,0)弱负脱钩ΔC<0,ΔGDP<0,E(C,G)∈[0,0.8]扩张连接ΔC>0,ΔGDP>0,E(C,G)∈[0.8,1.2]衰退连接ΔC<0,ΔGDP<0,E(C,G)∈[0.8,1.2]

1.3 LMDI分解模型

LMDI分解法具有较好的分解特性，分解结果的剩余为0，并能较好地处理数据中的零值和负值[13]。采用LMDI分解法，并结合Kaya恒等式[14]，对宁波市纺织工业碳排放的影响因素进行分解，分解模型公式如下：

(3)

式(3)中：C表示纺织工业碳排放总量；m=1,2,3，分别表示纺织业，服装业和化纤业；n=1,2…,9，分别表示原煤、焦炭、原油等9种能源；Cmn表示纺织工业子行业m中第n种能源消费产生的碳排放量；G表示纺织工业总产值；Gm表示纺织工业子行业m的工业总产值；Em表示纺织工业子行业m的能源消费量；Emn表示纺织工业子行业m第n种能源的消费量。

令Pm=Gm/G，Fm=Em/Gm，Smn=Emn/Em，Rmn=Cmn/Emn，则式(3)又可表示为：

由(5)式可知KP模糊规则对E与EC的加权程度是相同的，不能满足系统在不同阶段的控制精度要求。而(6)式中的KP控制规则可以通过调整α的值来实现模糊规则的自调整，满足控制系统在不同时期对误差和误差变化的加权程度。

(4)

式(4)中：G代表产业规模；Pm代表纺织工业子行业m的工业总产值占纺织工业总产值的比重，即产业结构；Fm代表纺织工业子行业m的能源消费强度；Smn代表纺织工业子行业m中第n种能源消费占能源总消费的比重，即能源结构；Rmn代表不同能源的碳排放强度，即碳排放系数。

令Ct为宁波市纺织工业t年的碳排放量，Ct-1为宁波市纺织工业t-1年的碳排放量，根据LMDI分解法的加法形式[17]，宁波市纺织工业碳排放年变化量ΔC的分解公式如下：

ΔC=Ct-Ct-1=ΔCG+ΔCP+ΔCF+ΔCS+ΔCR

(5)

式(5)中：ΔCG表示产业规模变化引起的碳排放的变化量，即产业规模效应；ΔCP表示产业结构变化引起的碳排放的变化量，即产业结构效应；ΔCF表示能源消费强度变化引起的碳排放的变化量，即能源消费强度效应；ΔCS表示能源结构变化引起的碳排放的变化量，即能源结构效应；ΔCR表示碳排放系数变化引起的碳排放的变化量，即碳排放系数效应。

由于各类能源的碳排放系数基本上是固定值，且本文已经确定所要使用的各类能源碳排放系数，因此ΔCR=0，公式(5)可简化为：

ΔC=ΔCG+ΔCP+ΔCF+ΔCS

(6)

各分解因素的贡献量表达式如下：

(7)

(8)

(9)

(10)

1.4 数据来源

确定研究区间为2001—2014年，能源消耗量来源于《宁波统计年鉴》(2002—2015年)，计算原煤、焦炭、原油、煤油、汽油、柴油、燃料油、液化石油气和电力9种能源的消耗量，并且将规模以上工业企业能源消耗作为工业行业能源消耗。纺织业、服装业和化纤业碳排放量由式(1)计算而得，并将其加和作为纺织工业碳排放量。用规模以上工业企业总产值来代替工业行业总产值，数据来源于《宁波统计年鉴》(2002—2015年)，并将2001—2014年按当年价格计算的纺织工业GDP数值调整为2001年不变价格计算的GDP。

2 实证分析

2.1 脱钩分析

图1 2001—2014年宁波市纺织工业GDP及碳排放总量变动趋势Fig.1 Change trend of carbon dioxide emissions amount and GDP of Ningbo’s textile industry during 2001-2014

2001—2014年宁波市纺织工业GDP与碳排放总量的总体变化趋势如图1所示。宁波市纺织工业GDP总体上呈持续增长趋势，发展势头良好，2001年最低，产值为2 812 604万元，2014年最高，产值为11 791 660万元(以2001年为不变价格)，年平均增长11.66%。碳排放总量呈先增长、后下降的趋势。其中，2001—2007年碳排放总量呈持续上升趋势，从2001年的46.49万t标准煤增加到83.28万t标准煤，年平均增长10.20%，2007年碳排放总量达到峰值，2008—2014年碳排放总量呈持续下降趋势，从2008年的75.07万t标准煤下降到35.73万t标准煤，年平均下降11.39%，2014年碳排放量最小，为35.73万t标准煤。

宁波市纺织工业碳排放与经济增长的脱钩状态如表3所示。由表3可知，2002—2007年的脱钩状态较不稳定，2002年为扩张连接，2003和2005年为扩张性负脱钩，2004、2006和2007年为弱脱钩；2008—2014年的脱钩状态较为良好，都呈现强脱钩，碳排放量随着经济的增长而下降。

表3 2002—2014年宁波市纺织工业经济增长与碳排放脱钩关系
Tab.3 The decoupling relationship between economic growth and carbon dioxide emissions of Ningbo’s textile industry during 2002-2014

年份%ΔC%ΔGDP脱钩指数脱钩状态20020.140.150.95扩张连接20030.210.161.32扩张性负脱钩20040.040.160.26弱脱钩20050.120.111.14扩张性负脱钩20060.060.140.44弱脱钩20070.040.160.27弱脱钩2008-0.10 0.10-0.99 强脱钩2009-0.07 0.09-0.83 强脱钩2010-0.03 0.14-0.20 强脱钩2011-0.11 0.10-1.09 强脱钩2012-0.15 0.05-2.84 强脱钩2013-0.20 0.09-2.39 强脱钩2014-0.12 0.08-1.52 强脱钩

2002—2007年，脱钩状态呈现“扩张连接-扩张性负脱钩-弱脱钩”的交替变动。原因在于，“十五”期间(2001—2005年)，在全国投资增长、内需拉动、中国加入世贸组织以及对纺织品配额取消后出口增长的预期等诸多因素作用下，宁波市纺织工业产能每年以超过10%的速度快速提升，宁波作为中国重要的纺织服装生产与出口贸易大市，长期以来粗放型经济增长模式导致碳排放量明显增多；到“十一五”时期(2006—2010年)，国家加强对各产业节能减排和环境保护的要求，《宁波市人民政府关于进一步加强节能工作的意见》(甬政发〔2006〕75号)强调加强印染、化工等重点耗能行业和年耗能3 000 t标准煤以上企业的节能工作，大力发展高效清洁能源，2006年开始脱钩状态有了一定改善。

2008—2014年脱钩状态一直维持在理想的强脱钩状态下，一是得益于国家、浙江省和宁波市对纺织工业节能减排技术的有效推广和政府对高耗能、高污染工业的严格控制。2009年，宁波市颁发《关于贯彻落实浙江省人民政府加快工业转型升级实施意见的通知》(甬政办发〔2009〕138号)，提出要提升优化高档纺织等五大重点优势产业、重点推进印染等行业节能减排的工作要求。二是宁波纺织服装产业继续通过产品制造水平与技术创新能力的提升、实施品牌发展战略和加快信息化应用步伐，增强核心竞争力，企业自身的节能减排意识及工业节能减排技术、设备也在不断提高和创新。三是宁波市纺织服装产业电子商务的蓬勃发展，有效地把部分工业产值转换为第三产业产值，既保持了产业的快速发展，又直接降低工业环节的能源消耗和碳排放总量。

2.2 LMDI因素分解分析

对2002—2014年宁波市纺织工业碳排放进行LMDI因素分解，得到产业规模效应、产业结构效应、能源消费强度效应和能源结构效应，并计算出总效应，因素分解结果如表4和图2所示。2002—2014年碳排放总效应呈先拉动后抑制趋势，2002—2007年为拉动总效应，2008—2014年为抑制总效应，其中产业规模和产业结构的累积效应为正值，能源消费强度和能源结构的累积效应为负值。

表4 2002—2014年宁波市纺织工业碳排放因素分解
Tab.4 Decomposition of carbon emission factors of Ningbo’s textile industry during 2002-2014

年份产业规模效应产业结构效应能源消费强度效应能源结构效应总效应20026.41-0.99 1.82-0.76 6.49200311.813.49-4.14-0.1311.03200415.4219.12-30.69-1.69 2.16200519.020.28-10.74-0.23 8.33200615.581.07-12.18 0.09 4.55200712.27-1.26 -7.72 0.23 3.5220087.02-1.62 -13.45-0.17-8.222009-0.77 0.87-5.29-0.07-5.26201012.121.32-15.25-0.10-1.9120110.384.94-12.92-0.04-7.642012-4.21 -21.05 15.96 0.07-9.2320131.06-1.44 -9.35-0.59-10.3220142.13-0.40 -6.27-0.23-4.77累积98.244.33-110.21-3.63-11.28

图2 2002—2014年宁波市纺织工业碳排放效应分解Fig.2 Decomposition of carbon emission effect of Ningbo’s textile industry during 2002-2014

具体来看，产业规模效应是拉动碳排放增加的主导因素。2002—2014年产业规模的累积效应所引起的碳排放的增加值为98.24万t，并且在10个年份所带来的碳排放的增加量都多于当年总碳排放增加量。这是由于在未摆脱粗放型经济增长模式的前提下，纺织工业经济增长与碳排放始终保持着高度的正相关性，导致随着产业规模的不断扩大、能源需求的增加，以碳基能源为主的生产链输出的碳排放量也会随之增加。2009年，在国家宏观政策调整的影响尤其是美国金融危机的冲击下，纺织工业发展特别是出口贸易萎缩。自2010年开始，产业规模引起的碳排放增加量有所下降，原因主要是进入“十二五”以来，宁波市纺织产业生产增速回落，2013年增速跌落为5个百分点，远低于“十五”“十一五”期间的10个百分点以上的增速；同时，更加注重经济的平稳增长和经济发展质量，宁波纺织产业本土设计力量的崛起，成为本土纺织服装品牌化发展的中流砥柱，纺织产业经济转型升级在一定程度上减少了碳排放量。

产业结构效应对纺织工业碳排放量的影响作用波动较大，正、负向波动较大，但有向负向作用(即抑制作用)发展的趋势。样本期内，产业结构的累积效应所引起的碳排放的增加值为4.33万t，相比产业规模的累积正效应较小；其中，2004年所带来的碳排放的增加量最大，为19.12万t，2012年所带来的碳排放的减少量最大，为21.05万t。2001—2014年宁波市纺织工业产业结构如图3所示。2004年、2009年和2011年是纺织业GDP比重较大的年份，同时也是产业结构效应对碳排放的增加贡献量较大的年份；2001—2003年和2012—2014年服装业的GDP比重在子行业中相对较大，而这些年份产业结构效应对碳排放的贡献量达到了最低值。原因在于，纺织业的工序链和生产过程长且相对复杂，高耗能设备，如纤维和纱线生产设备、面料织造设备和染整设备多，产生的碳排放量多，而服装业的生产加工设备能耗相对较低，所带来的碳排放也相对较少。为贯彻落实国家纺织工业调整和振兴规划，宁波市制定《宁波市纺织工业调整和振兴行动计划》(甬政办发〔2009〕300号)，提出服装业重点加快推进增长方式转变等发展重点，计划实施期限为2009—2011年，“十二五”期间特别是2011年后宁波市纺织工业结构调整持续推进并得到明显优化。可以预见的是，随着产业结构的不断优化调整，产业结构效应会逐渐成为抑制碳排放增长的稳定因素。

图3 2001—2014年宁波市纺织工业产业结构Fig.3 Industrial structure of Ningbo’s textile industry during 2001-2014

能源消费强度效应是抑制碳排放增长的关键因素，反映的是技术水平和能源利用效率的变化，其累积效应所引起的碳排放的减少值为110.21万t。样本期内，除2002和2012年外，其他年份能源消费强度效应都是负值且数值的绝对值较大，对碳排放增长的抑制作用明显，有6年(2004、2008、2010、2011、2013、2014年)超过了产业规模效应对碳排放增加的促进作用。2001—2014年宁波市纺织工业及子行业能源消费强度如图4所示。2001—2014年，纺织工业、纺织业、服装业的能源消耗强度整体均呈下降趋势，2005年前，化纤业能源消费强度上升，之后也呈快速下降趋势。原因在于，长期以来纺织工业作为能源密集型产业，产能的增加依赖于能源的利用，又加上技术水平和能源利用率尚处于较低水准。2005年之后，随着《纺织工业“十一五”发展纲要》(发改工业〔2006〕1072号)及《宁波市重点用能单位“333”节能行动方案》(甬经资源〔2006〕205号)政策的相继出台，采取了淘汰高能耗和工艺技术水平落后的设备、限制和关停高能耗企业等一系列措施，促进了企业节能减排技术的改进及能源利用率的提高，进而促使了能源消费强度的降低。“十二五”期间，国家在淘汰落后产能和减少污染物排放总量等方面的要求和标准日趋严格，也倒逼纺织企业在节能减排技术的推广应用取得实质性进展，尤其在印染企业中体现得更加明显。同时，化纤业加快淘汰落后产能，推动技术进步和设备革新，产品多样化率和差别化率不断提高。

图4 2001—2014年宁波市纺织工业及子行业能源消费强度Fig.4 The energy consumption intensity of Ningbo’s textile industry and its sub-sectors during 2001-2014

能源结构效应对碳排放的影响有正有负，但波动较小且对碳排放的影响作用不显著，其累积效应所引起的碳排放的减少值为3.63万t。2001—2014年宁波市纺织工业能源结构如图5所示。9种能源中原煤、电力、柴油、汽油是纺织工业消耗量最多的四种能源，其中以原煤和电力为主。样本期内，电力消耗所占比重呈平稳上升趋势，柴油、原煤消耗总体呈下降趋势，而汽油消耗所占比重变化不太明显。在各类能源中，原煤的碳排放系数仅次于焦炭，排第二；中国长期以火电为主的电力结构，使得电力的碳排放系数仅次于原煤，排第三。因此，以原煤和电力为主的能源消费结构势必会引起碳排放量的增加。2009年宁波市发布了《宁波市节约能源条例》[15]，鼓励和支持开发利用新能源、可再生能源。随着近年来水电、核电等新能源的推广，碳排放量有所下降。在四个影响因素中，能源结构效应带来的碳排放增加量数值最小，说明能源结构的调整对降低碳排放量的作用尚不明显，这也意味着纺织工业能源消费结构作进一步低碳化调整的空间还很大。随着能源消费结构逐渐趋于合理，能源结构效应对碳排放的抑制作用也会不断加强。

图5 2001—2014年宁波市纺织工业能源结构Fig.5 Energy structure of Ningbo’s textile industry during 2001-2014

2.3 对策建议

研究表明，在宁波市纺织工业能源消耗、碳排放情况向好的背景下，实现其绿色发展和持续发展，要统筹考虑产业规模、能源消费强度、产业结构、能源结构等四种因素的变动效应。一是在供给侧改革中严格控制印染、化纤等行业的新企业审批，淘汰过剩产能和低端产能；二是推动节能减排技术的研发和先进生产设备在纺织服装企业中的推广使用；三是鼓励产业用纺织品、服装时尚化品牌的蓬勃发展，优化产业结构；四是鼓励纺织企业使用新能源和清洁能源设备，增强对新能源设备研发企业的补贴力度。另外，环境经济政策作为调控产业绿色发展的市场化手段，需要更加重视，要进一步推进碳排放交易的深度和广度，推广企业刷卡排污制度，加强纺织企业污染物末端排放控制和循环经济发展。

3 结 论

1)在2001—2014年宁波市纺织工业GDP总体上呈持续增长趋势，年均增长11.66%的情况下，碳排放总量呈先增长、后下降的趋势，其中2001—2007年呈持续上升，2007年达到峰值，为83.28万t，2008—2014年持续下降，2014年最小，为35.73万t。

2)2001—2014年宁波市纺织工业碳排放与经济增长的脱钩效应呈现出加强的趋势，13年中具体表现为1年扩张连接(2002年)、2年扩张性负脱钩(2003、2005年)，3年弱脱钩(2004、2006、2007年)，七年强脱钩(2008—2014年)，脱钩状态良好。

3)产业规模是拉动碳排放增长的关键因素；能源消费强度效应是抑制碳排放增长的主要因素；产业结构效应和能源结构效应都有一定波动，但对碳排放的影响作用总体不明显。

[1]王来力,李一.杭州市纺织服装产业碳排放分析[J].丝绸,2016,53(6):44-48. WANG Laili, LI Yi. Investigation on carbon emissions of textile and apparel industry in Hangzhou[J]. Journal of Silk,2016,53(6):44-48.

[2]夏春玲,裘晓雯,魏明,等.2011/2012宁波市纺织服装产业发展报告[M].北京:中国纺织出版社,2012:10. XIA Chunling, QIU Xiaowen, WEI Ming, et al. 2011/2012 Ningbo Textile and Garment Industry Development Report[M]. Beijing: China Textile & Apparel Press,2012:10.

[3]宁波市统计局,国家统计局宁波调查队.宁波统计年鉴[J].北京:中国统计出版社,2015. Ningbo Municipal Statistics Bureau, State Statistical Bureau Ningbo Investigation Team. Ningbo Statistical Yearbook[J]. Beijing: China Statistics Press,2015.

[4]LU I J, LIN Sue J, LEWIS C. Decomposition and decoupling effects of carbon dioxide emission from highway transportation in Taiwan, Germany, Japan and South Korea[J]. Energy Policy,2007,35(6):3226-3235.

[5]杨嵘,常烜钰.西部地区碳排放与经济增长关系的脱钩及驱动因素[J].经济地理,2012,32(12):34-39. YANG Rong, CHANG Xuanyu. Decoupling and driving factors analysis between the relationship of carbon emissions and economic growth in western region[J]. Economic Geography,2012,32(12):34-39.

[6]王君华,李霞.中国工业行业经济增长与CO2排放的脱钩效应[J].经济地理,2015,35(5):105-110. WANG Junhua, LI Xia. The effect of sector decoupling between China’s industrial economic growth and carbon dioxide emissions[J]. Economic Geography,2015,35(5):105-110.

[7]ANG B W, ZHANG F Q, CHO K H. Factorizing changes in energy and environmental indicators through decomposition[J]. Energy,1998(23):489-495.

[8]郭朝先.中国碳排放因素分解:基于LMDI分解技术[J].中国人口·资源与环境,2010,20(12):4-9. GUO Chaoxian. Decomposition of China’s carbon emissions: Based on LMDI method[J]. China Population, Resources and Environment,2010,20(12):4-9.

[9]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.

[10]朱玲玲.中国工业分行业碳排放影响因素研究[D].哈尔滨:哈尔滨工业大学,2013:12-15. ZHU Lingling. Research on Influential Factors of Carbon Emissions in China’s Industrial Sector[D]. Harbin: Harbin Institute of Technology,2013:12-15.

[11]周银香.交通业碳排放与行业经济增长的响应关系:基于“脱钩”与“复钩”理论和LMDI分解的实证分析[J].财经论丛,2014(12):9-16. ZHOU Yinxiang. Responsive relationship between transportation carbon emissions and traffic economic growth: a practical study based on decoupling & recoupling theory and LMDI decomposition[J]. Collected Essays on Finance and Economics,2014(12):9-16.

[12]TAPIO P. Towards a theory of decoupling: degrees of decoupling in the EU and case of road traffic in Finland between 1970 and 2001[J]. Transport Policy,2005,12(2):137-151.

[13]ANG B W. Decomposition analysis for policymaking in energy: which is the preferred method?[J]. Energy Policy,2004,32(9):1131-1139.

[14]YOICHI K. Impact of carbon dioxide emission on GNP growth: interpretation of proposed scenarios[R]. Paris: Presentation to the Energy and Industry Subgroup, Response Strategies Working Group, IPCC,1989.

[15]宁波市第十三届人民代表大会常务委员会第十九次会议.宁波市节约能源条例[Z].2010-01-17. Nineteenth Session of the Standing Committee of the Thirteen Ningbo Municipal People’s Congress. Regulations of Ningbo Municipality on Energy Conservation[Z].2010-01-17.

Analysis of peak carbon emissions simulation and influencing factors in textile industry: a case study in Ningbo

LI Yia,b, SHI Ruijuana, LUO Yanc, WANG Lailic,d
(a.School of Economics and Management; b.Ecological Civilization Research Center of Zhejiang Province; c.School of Fashion Design and Engineering; d.Engineering Research Center of Clothing of Zhejiang Province, Zhejiang Sci-Tech University, Hangzhou 310018, China)

This paper uses the carbon emission coefficient method to calculate carbon emissions of Ningbo’s textile industry from 2001 to 2014, then examines the relationship between carbon emissions and economic growth based on decoupling theory, adopts the Log Mean Divisia Index (LMDI) method to decompose the influencing factors of textile industry carbon emissions. The decoupling results show that one year (2002) of the textile industry represent expansive coupling, two years (2003, 2005) represent expansive negative decoupling, three years (2004, 2006, 2007) represent weak decoupling and seven years (2008—2014) represent strong decoupling, decoupling state are becoming strong. The decomposition results reveal that the industrial scale factor is the most important driving determinant of carbon emissions increase, while the energy consumption intensity factor is the most important inhibiting determinant. The impacts of industry structure and energy structure on carbon emissions are not significant.

textile industry; energy consumption; carbon emissions; decoupling; LMDI; influencing factors

10.3969/j.issn.1001-7003.2017.01.007

2016-11-13;

2016-12-21 基金项目: 浙江省自然科学基金一般项目(LY17G030035)；浙江省哲学社会科学重点研究基地浙江省生态文明研究中心课题项目(16JDGH090)；国家级大学生创新创业训练计划项目(201610338021)

李一(1983—)，男，讲师，博士研究生，主要从事生态文明与纺织服装绿色发展的研究。

TS109；F062.2

A

1001-7003(2017)01-0036-07引用页码:011107