贺爱忠，刘 盼 （湖南大学工商管理学院，湖南 长沙 410082）

中国流通业CO2排放的因素分解和脱钩分析

贺爱忠*，刘 盼 （湖南大学工商管理学院，湖南 长沙 410082）

参照IPCC清单中的方法估算了2000～2012年中国流通业CO2排放量；运用LMDI方法分解分析了研究期间流通业CO2排放变化的影响因素；并基于DPSIR框架构建流通业脱钩努力指数模型测度了流通业CO2排放脱钩效应.结果表明：2000～2012年间，流通业CO2排放量增长明显，期间累计排放总量为692482.37万t；产业规模效应是CO2排放增量的主要因素，能源强度效应是CO2排放减量的主要因素，分别引起CO2排放量增加了67435.72万t和减少了12358.67万t，能源结构和排放因子效应对CO2排放影响有限，分别引起CO2排放量增加了519.89万t和减少了2590.94万t；流通业CO2排放脱钩状态呈“弱脱钩—未脱钩—弱脱钩—未脱钩”的变化特征，脱钩努力指数值呈“”型变化趋势；目前能源强度是决定流通业CO2排放脱钩状态的关键因素，但随着能源强度的下降幅度越来越小，未来更需要通过调整能源结构和降低排放因子来实现流通业CO2排放脱钩.

流通业；能源消费；CO2排放；对数平均迪氏指数法（LMDI）；脱钩

自1992年联合国气候变化专门委员会（IPCC）达成《联合国气候变化框架公约》以来，如何有效控制和缓解全球气候变暖已受到世界各国的高度重视.在应对气候变化和温室气体排放上，中国既面临着温室气体减排国际新框架的艰难谈判和不同利益集团在政治外交上的博弈，也面临着国内资源生态环境承载力不足的巨大压力和挑战［1］.在国际国内双重压力下，降低能源消费、减少温室气体排放、实现低碳发展既是中国未来经济发展的必然选择，也是各行各业实现可持续发展的必然要求［2］.流通业既是国民经济的基础性和先导性行业，又是能源消耗、CO2排放的重要载体.因此，量化流通业的能源消费、CO2排放和CO2排放脱钩效应，对实现节能减排目标、建设资源节约型和环境友好型社会具有重要的理论和现实意义.

流通业是服务业的重要组成部分，主要包括批发零售业、住宿餐饮业、物流业，其中物流业主要指仓储业、邮政业、其他寄送服务业和交通运输业中的货运.现有研究很少直接涉及流通业CO2排放，但有服务业、交通运输业或物流业等行业CO2排放相关的研究.这些研究主要体现在CO2排放量的核算［3-9］、CO2排放因素的分解［10-16］和CO2排放脱钩效应的分析［17-19］三个方面.以上研究对探讨中国相关产业碳排放的影响因素、揭示产业碳排放与经济增长之间的脱钩状态和制定节能减排政策具有积极的借鉴意义.但尚存在如下局限：一是大多数现有研究在估算CO2排放量时，或没有考虑电力消费引致的间接CO2排放量，或没有考虑电力排放因子的变化.二是在探讨CO2排放的影响因素时，目前还没有将流通业作为整体来分析.三是没有深入地衡量节能减排努力在实现流通业碳排放脱钩方面发挥的实际效果.鉴于此，本文在现有研究的基础上，首先计算电力排放因子，运用IPCC温室气体排放清单指南中的方法估算中国2000～2012年间流通业CO2排放量，接着运用LMDI方法对其CO2排放进行分解，最后在分解模型的基础上对流通业CO2排放脱钩效应进行测度，旨在回答以下问题：流通业CO2排放趋势怎样？是什么因素导致了流通业CO2排放的快速上升？哪些因素有助于抑制其排放量的增加？流通业CO2排放脱钩状态如何？节能减排措施对实现流通业CO2排放脱钩的贡献如何？

1 方法与数据来源

1.1 方法

1.1.1 流通业CO2排放量估算方法 根据IPCC温室气体排放清单中的方法［20］，中国流通业CO2排放量采用以下公式估算：

式中：C为流通业CO2排放总量，Ei为流通业第i类能源消耗总量，Fi为第i类能源的CO2排放因子.煤炭、石油和天然气这些化石能源Fi的取值见表1.电力的排放因子比较特殊，耗电不会直接产生CO2，但发电消耗能源间接产生CO2，且目前中国电力生产主要以火力发电为主，间接排放的CO2不可忽视.耗电所引致的CO2排放受各年电力生产结构、发电煤耗标准、火力发电能源结构等影响.鉴于中国电力能源结构数据不完整，且目前中国火力发电以煤炭发电为主，因此本文通过煤炭排放因子近似估算电力排放因子，结果见表2.

表1 各类化石能源的CO2排放因子Table 1 The CO2emission factor of fossil fuels

表2 2000～2012年中国发电结构及电力排放因子Table 2 The power structure and the power emission factor during the period of 2000～2012 in China

1.1.2 流通业CO2排放量的因素分解模型 借鉴Kaya恒等式的原理［21］，为了分析流通业CO2排放量变化的影响因素，构建流通业CO2排放量的基本公式如下：

式中：Ct为t年流通业CO2排放总量，104t；Qt为t年流通业增加值，108元；Et为t年流通业能源消费总量，104tce； Eit为t年流通业消耗的第i种能源消耗量，104tce；Cit为t年流通业第i种能源的CO2排放量，104t.

式中：It为t年流通业的能源强度；Sit为t年流通业的能源消费结构；Fit为t年流通业第i种能源的CO2排放因子.则流通业CO2排放量估算公式可以简化为：

因素分解法的基本原理是将分析的主参数分解为几个关键组成因素的乘积，以探讨影响该参数的主要因素.Ang对几种常用指数分解法进行比较研究，结果表明对数平均指数分解法在理论基础、适用性和结果解释方面具有优势［22］.故选取对数平均指数分解法（LMDI）探讨影响流通业CO2排放量的关键因素.

根据Ang的LMDI因素分解模型，可推出下式：

式中：Ct为t年流通业CO2排放总量，104t；C0为基年流通业CO2排放总量，104t；△Ct为基年到t年流通业CO2排放变化量，104t；△CQt、△CIt、△CSt、△CFt分别表示产业规模效应、能源强度效应、能源结构效应、排放因子效应.

根据LMDI分解法又可得到下式：

通过上述各式可以得到流通业CO2排放的变动量，以及产业规模、能源强度、能源结构和排放因子效应对CO2排放量变化的贡献值.

1.1.3 流通业CO2排放的脱钩努力指数 运用LMDI方法对流通业CO2排放量进行分解，虽然可以了解流通业CO2排放变化量的影响因素，但不能具体而客观地衡量节能减排努力所致CO2排放量变化的实际效果.为了衡量节能减排措施的实际效果，在LMDI分解模型的基础上，构建了流通业脱钩努力指数模型.脱钩理论被普遍用来衡量经济增长与物质消耗投入及生态环境保护不同步变化的关系，其理论基础为1993年OECD提出的驱动力（Driver）-压力（Pressure）-状态（State）-影响（Influence）-反应（Response）框架（DPSIR），其中“驱动力”是指对环境造成破坏的潜在原因，是一种经济驱动因子；“压力”是指人类活动对环境造成的直接影响.例如本文中的CO2排放量；“状态”是指环境在压力因子作用下所处的状态，如气候变化状况；“影响”是指研究样本在所处状态下对人类及社会发展的影响；“反应”是指人类为限制环境恶化实现可持续发展所做出的努力或积极政策［23］.

本文中的节能减排努力是指为直接或间接减少流通业CO2排放所采取的措施或政策，主要包括降低能源强度、调整能源结构、降低排放因子等等.在分解模型中，△CIt表示流通业能源强度降低导致的CO2排放变化量，△CSt表示能源结构调整导致的CO2排放变化量，△CFt表示排放因子改变导致的CO2排放变化量，因此减排努力（△CUt）可以间接表示为：

相应地，DIt为能源强度的脱钩效应，DSt为能源结构的脱钩效应，DFt为排放因子的脱钩效应.

1.2 数据来源

流通业通常是指批发零售业、住宿餐饮业和物流业的总和.鉴于目前没有物流业能源消耗和物流业增加值的统计数据，因此涉及物流业的相关数据只能通过间接测算得来，且物流业产值中的85%来自交通运输、仓储和邮政业，交通运输、仓储和邮政通信业的相关数据能够大致反映出物流业的发展情况，以交通运输、仓储和邮政通信业的相关数据替代物流业的数据具有合理性和现实性［13］.本文中物流业的数据均以交通运输、仓储和邮政通信业的相关数据作为替代，将“交通运输、仓储及邮政业”和“批发、零售业和住宿、餐饮业”的终端能源消费量之和作为流通业的能源消费量，将“交通运输、仓储及邮政业”和“批发、零售业和住宿、餐饮业”的经济增加值作为流通业的经济增加值，为了消除价格变动因素的干扰，将流通业各年经济增加值均以2000年的不变价格进行换算.具体数据来源于2001～2013年的《中国统计年鉴》和《中国能源统计年鉴》.

2 结果分析与讨论

2.1 流通业经济增加值、能源消费、CO2排放量变化趋势

通过对2001～2013年《中国统计年鉴》和《中国能源统计年鉴》的数据进行整理，得到流通业经济增加值和各类能源消费量的数据，根据CO2排放量计算公式得到流通业CO2排放量的基本数据（表3），并通过计算得到能源消费结构（表4）.由表3可知，2000～2012年，流通业经济增加值呈正向增长，由2000年的16465.9亿元增长到2012年的57829.3亿元；年均增长率为11.0%.同期CO2排放量一直正向增长，从2000年的30304.13万t上升到2012年的83292.56万t；年均增长率为8.8%.能源消费量方面，除煤消费量个别年份出现下降外，油品消费量、天然气消费量和电力消费量均逐年增长，只是各类能源的增长幅度不同；能源消费总量从2000年的11960.23万tce上升到2012年的34111.60万tce，年均增长率为9.1%.

表3 2000～2012年流通业增加值、能源消费量及CO2排放量Table 3 The added value， the energy consumption and CO2emissions of the circulation industry during the period of 2000～2012

在能源消费结构方面，流通业的能源消费主要以油品为主，其消费比例在研究期间较均衡，均占能源消费总量的80%左右；煤的消费比例下降趋势较明显，其消费比例从2000年的12.7%下降至2012年的6.4%；天然气的消费比例呈逐年上升趋势，且上升趋势较明显，从2000年的0.8%上升到2012年的6.0%；电力的消费比例上升趋势缓慢，从2000年的7.2%到2012年的9.4%，且呈波动状态.从能源消费结构的变化趋势来看，未来一定时期流通业仍将高度依赖油品能源，未来天然气和电力的消费比例将上升，煤炭的消费比例将有所下降.

表4 2000～2012年流通业能源消费结构构成比例Table 4 The ratio of the energy consumption structure of the circulation industry during the period of 2000～2012

2.2 流通业CO2排放量因素分解

根据LMDI方法对流通业的CO2排放量进行分解，得出产业规模、能源强度、能源结构、排放因子效应的贡献值和相应的贡献率（表5）.

表5可知，2000～2012年间，流通业CO2排放量累计增加了52999.05万t.其中，产业规模效应引起CO2排放量增加了67435.72万t，能源强度效应引起CO2排放量减少了12358.67万t，能源结构效应引起CO2排放量增加了519.89万t，排放因子效应引起CO2排放量减少了2590.94万t.

产业规模效应是流通业CO2排放量增加的主要贡献因素.从累计效应来看，2000～2012年期间，产业规模效应的正向影响占总效应的127.2%.主要归因于，近年来中国经济的快速发展以及产业结构的调整促进了流通业经济快速增长，而能源作为流通业经济发展的主要投入要素之一，能源的消费量伴随着流通业经济增长而增加，自然而然增加了流通业CO2排放量.

能源强度效应是流通业CO2排放量增加的主要抑制因素.从累计效应来看，在2000～2012年期间，能源强度效应的负向影响占总效应的23.3%.能源强度的下降对流通业CO2排放量的减少起着重要作用，能源强度的下降归因于中国节能技术的提高和流通产业内部结构调整等因素.但2002～2004年间和2011～2012年间，能源强度效应对流通业CO2排放表现为增量，表明在该段时期内能源强度是上升的.

表5 2000～2012年流通业CO2排放量因素分解结果Table 5 The decomposition results of CO2emissions factor of the circulation industry during the period of 2000～2012

能源结构和排放因子效应对流通业CO2排放量变化影响不明显.研究期间，能源结构效应的累计效应表现为正向影响，占总效应的1.0%.这也反映了现阶段流通业的能源消费仍以石油煤炭等高碳化石能源为主，水能、核能、风能等清洁低碳绿色能源占能源消费比重过小的现实.排放因子效应的累计效应表现为负向影响，占总效应的4.9%，这主要因为目前中国开始大力发展水电、核电等清洁能源，努力降低火电发电的比例.

2.3 流通业CO2排放的脱钩效应分析

通过脱钩努力指数来反映流通业实现经济增长与减排双赢的现实状况以及减排努力的实际效果（表6）.为了更清楚地观察脱钩努力指数的变动情况，将表6的结果用图1描述出来.

从表6可知，研究期间流通业CO2排放脱钩状态具有阶段性，呈现“弱脱钩—未脱钩—弱脱钩—未脱钩”的变化特征，2002～2004年间和2011～2012年间表现为未脱钩关系，2000～2002年间和2004～2011年间表现为弱脱钩关系，研究期间脱钩指数最大值也就0.756，离实现强脱钩关系最小值（Dt=1）相差还较远，可看出实现流通业CO2排放强脱钩关系任道重远.从图1中的流通业脱钩努力指数值（Dt）变化趋势来看，呈“N”型，即呈先下降后上升再下降的变化趋势.上述结果的原因可能在于：2002～2004年间流通业增加值快速增长，必然增加对能源的需求，最终导致CO2排放量增加，但流通业增长模式是“高消耗、低效率、高排放”的粗放型模式，致使减排努力△CUt导致的CO2排放减量小于产业规模效应△CQt导致的CO2排放增量；2005年国家从战略层面提出要建设“资源节约型和环境友好型”社会，既促进了流通业从粗放型增长模式向集约型增长模式的转变，也加快了节能减排技术的发展，致使减排努力△CUt导致的CO2排放减量超过了产业规模效应△CQt导致的CO2排放增量，实现了流通业CO2排放弱脱钩；但从脱钩努力指数值来看，2008年脱钩努力指数值出现拐点，在2008年后呈下降趋势，甚至在2012年时表现为未脱钩关系，这一现象的结果可能在于2008年年底出台的四万亿经济刺激计划，致使流通业经济增速在2008～ 2009年下降后反弹为上升，流通业的经济增长必然伴随着能源的消耗，且在经济刺激计划下流通业可能存在盲目扩张的现象；同时受制于中国节能减排技术和低碳清洁能源供应的现状，在流通业能源消耗量增加时可能面临能源效率边际递减的问题以及不能同步增加低碳能源供应的困境，致使减排努力△CUt导致的CO2排放减量小于产业规模效应△CQt导致的CO2排放增量.Dt呈“N”型变化趋势（图1）也值得警惕：如果相关主体落实节能减排政策不坚定、采取节能减排措施不力，按照当前这种趋势变化下去，未来流通业CO2排放脱钩状态很有可能表现为未脱钩关系.

图1 2000～2012年流通业脱钩努力指数Fig.1 The decoupling index of the circulation industry during the period of 2000～2012

从表6中能源强度、能源结构和排放因子脱钩指数对总的脱钩指数贡献大小来看，能源强度脱钩指数对总的脱钩指数贡献最大，即降低能源强度是目前决定流通业CO2排放脱钩的关键因素；通过图1更能清楚地看出能源强度脱钩指数与流通业CO2排放脱钩指数的变动趋势基本一致.但近年来能源强度脱钩指数值呈下降趋势.能源结构和排放因子脱钩指数对总的脱钩指数贡献较小，且呈波动状态，即有些年份对实现流通业CO2排放脱钩做出贡献而有些年份则没有.这反映出目前中国能源供应结构和发电结构的现状：在能源需求不断增加的情况下，仍以高碳能源供应为主，低碳或无碳等新能源供应不能及时跟上经济发展的需求，在发电上主要以火力发电为主，核电、水电等发电量的比重较小.需要注意的是，近年来可能受制于节能减排技术、产业优化升级等因素，能源强度的下降幅度越来越小，通过降低能源强度来实现流通业CO2排放脱钩将越来越困难，未来更需要调整能源结构和降低排放因子来发挥作用.

图2 2000～2012年物流业脱钩努力指数Fig.2 The decoupling index of the logistics industry during the period of 2000～2012

根据统计年鉴中的流通业数据统计分类（由物流业和批发零售住宿餐饮两大数据系列组成），对物流业数据和批发零售住宿餐饮业的数据进行了脱钩分析，具体结果见图2和图3.可知流通业中的物流子类脱钩指数值呈“”型变化趋势，批发零售住宿餐饮子类脱钩指数值变化趋势在2000～2009年间呈“”型；从图2和图3可知，物流子类和批发零售住宿餐饮子类的能源强度脱钩指数与CO2排放脱钩指数的变动趋势均基本一致，与流通业总体数据分析的结果一致.上述结果说明，在脱钩分析中，可通过流通业总体数据的分析结果大致推测出子类的脱钩分析结果.

图3 2000～2012年批发零售住宿餐饮业脱钩努力指数Fig.3 The decoupling index of the wholesale， retail，accommodation， and catering industry during the period of 2000～2012

2.4 政策建议

根据上述分析结果和结合中国流通业目前的发展特点，未来实现流通业碳排放脱钩，需要注重以下几点：务必转变流通业发展方式，积极发展低碳绿色流通，建立健全流通业节能减排标准体系；综合采用经济、法律、行政等手段强化流通业节能减排相关政策和措施的落实；大力促进节能减排技术的研发和应用，积极激发流通企业加大节能减排研发投入的主动性、积极性，提高能源利用效率；加大能源消费结构调整力度，建立多元化能源供应体系，充分利用我国丰富的水能、太阳能、风能、核能等清洁低碳能源；完善流通业的统计体系及统计数据，充分利用数据制定相关政策.

3 结论

3.1 流通业增加值、能源消费总量、CO2排放量分别从2000年的16465.9亿元、11960.23万tce、30302.04万t上升到2011年的57829.3亿元、34111.60万tce、83292.56万t，相应地年均增长率为11.0%、9.1%、8.8%；在研究期间累计CO2排放量为692482.37万t.流通业能源消费以油品能源为主，其比例一直在80%左右，煤炭的消费比例有所下降，天然气的消费比例上升趋势明显，电力的消费比例呈缓慢上升态势.

3.2 产业规模效应是流通业CO2排放量增加的主要贡献因素，能源强度效应是流通业CO2排放减量的主要因素，分别引起CO2排放量增加了67435.72万t、CO2排放量减少了12358.67万t.能源结构和排放因子效应对CO2排放量影响有限，能源结构效应引起CO2排放量增加了519.89万t，排放因子效应引起CO2排放量减少了2590.94万t.

3.3 研究期间流通业CO2排放脱钩状态具有阶段性，呈现“弱脱钩—未脱钩—弱脱钩—未脱钩”的变化特征.2000～2002和2004～2011年间流通业CO2排放呈弱脱钩状态，2002～2004和2011～2012年间呈未脱钩关系. 2000～2012年间，流通业CO2排放脱钩努力指数呈“N”型，对应的拐点分别在2004年（脱钩指数值最小）和2008年（脱钩指数值最大）.能源强度脱钩指数对总的脱钩指数贡献最大，即降低能源强度是决定目前流通业CO2排放脱钩的关键因素；但随着能源强度的下降幅度越来越小，未来实现流通业CO2排放脱钩更需要通过调整能源结构和降低排放因子来发挥作用.

［1］王群伟，周 鹏，周德群.我国二氧化碳排放绩效的动态变化、区域差异及影响因素 ［J］. 中国工业经济， 2010，（1）：45-54.

［2］王 凯，李 娟，席建超.中国服务业能源消费CO2排放及其因素分解 ［J］. 环境科学研究， 2013，26（5）：576-582.

［3］Alcantata V， Padilla E. Input-output subsystems and pollution： an application to the service sector and CO2emissions in Spain ［J］. Ecological Economics， 2007，29（3）：578-597.

［4］Martinez C， Silveira S. Analysis of energy use and CO2emissions in service industries： evidence from Sweden ［J］. Renewable and Sustainable Energy Reviews， 2013，16（7）：5285-5294.

［5］Nicolas J， David D. Passenger transport and CO2emissions： What does the French transport survey tell us？ ［J］. Atmospheric Environment， 2009，43（5）：1015-1020.

［6］张立国，李 东，周德群.中国物流业二氧化碳排放绩效的动态变化及区域差异 ［J］. 系统工程， 2013，31（4）：95-102.

［7］陈操操，刘春兰，汪 浩，等.北京市能源消费碳足迹影响因素分析 ［J］. 中国环境科学， 2014，34（6）：1622-1632.

［8］蔡博峰.中国4个城市范围CO2排放比较研究 ［J］. 中国环境科学， 2014，34（9）：2439-2448.

［9］冯 蕊，朱 坦，陈胜男，等.天津市居民消费CO2排放估算分析［J］. 中国环境科学， 2011，31（1）：163-169.

［10］Katerina P， Danae D. Decomposition analysis of CO2emissions from passenger cars： The cases of Greece and Denmark ［J］. Energy Policy， 2009，37（8）：3259-3267.

［11］Govinda R， Timilsina， Ashish Shrestha. Factors affecting transport sector CO2emissions growth in Latin American and Caribbean countries： An LMDI decomposition analysis ［J］. International Journal of Energy Research， 2009，33（4）：396-414.

［12］Govinda R， Timilsina， Ashish Shrestha. Transport sector CO2emissions growth in Asia： Underlying factors and policy options［J］. Energy Policy， 2009，37（11）：4523-4539.

［13］Wang W W， Zhang M， Zhou M. Using LMDI method to analyze transport sector CO2emissions in China ［J］. Energy， 2011，36（10）：5909-5915.

［14］马越越，王国维.中国物流业碳排放特征及影响因素分析——基于LMDI分解技术 ［J］. 数学的实践与认识， 2013，43（10）：31-42.

［15］赵 敏.上海市终端能源消费的CO2排放影响因素定量分析［J］. 中国环境科学， 2012，32（9）：1583-1590.

［16］范 丹.中国能源消费碳排放变化的驱动因素研究——基于LMDI-PDA分解法 ［J］. 中国环境科学， 2013，33（9）：1705-1713.

［17］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］. Transport Policy， 2005，12（2）：137-151.

［18］Lu I J， Sue J， Lewis C. Decomposition and decoupling effects of carbon dioxide emission form highway transportation in Taiwan，Germany， Japan and South Korea ［J］. Energy Policy， 2007，35（6）：3226-3235.

［19］韩岳峰，张 龙，胡慧欣.我国仓储运输业碳排放与经济增长间的脱钩分析 ［J］. 江汉论坛， 2013，（4）：29-35.

［20］IPCC. 2006IPCC Guidelines for National Greenhouse Gas Inventories ［R/EB］volumeⅡ Energy， 2006.

［21］Kaya Y. Impact of Carbon Dioxide Emission Control on GNP Growth： Interpretation of Proposed Scenarios ［M］. Paris： IPCC Energy and Industry Subgroup， Response Strategies Working Group， 1990.

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

［23］徐盈之，徐康宁，胡永舜.中国制造业碳排放的驱动因素及脱钩效应 ［J］. 统计研究， 2011，28（7）：55-61.

Factor decomposition and decoupling analysis on CO2emissions: evidence from China's circulation sector.

HE Ai-zhong*， LIU Pan （Business School of Hunan University， Changsha 410082， China）. China Environmental Science，2015，35（3）：953～960

Based on the method of IPCC list， this paper estimates the CO2emissions of Chinese circulation industry during the period of 2000～2012. Using the method of LMDI， this paper analyzes the factors that influence the changes of CO2emissions in the circulation industry. This paper constructs a circulation's decoupling index model based on the DPSIR framework to measure the decoupling effect of the CO2emissions in the circulation industry. The results indicated that： during the period of 2000～2012， the CO2emissions of Chinese circulation industry increased significantly， and the cumulative total of CO2emissions was 6.9248237billion tons； the industrial scale effect mainly led to the increment in CO2emissions， which amounted to 674.3572million tons. The energy intensity effect mainly led to the reduction of CO2emissions， which amounted to 123.5867million tons. The energy structure and the emission factors have limited effect on the changes of CO2emissions， which increased the CO2emissions by 5.1989million tons and reduced the CO2emissions by 25.9094million tons. The decoupling status of CO2emissions in the circulation industry shows phasic variation， going through the process of "weak decoupling-negative decoupling-weak decoupling-negative decoupling"， The variation tendency of the decoupling index value was like the shape of "". Energy intensity is the key factor that determines the decoupling status of CO2emissions， however， as the reduction of energy intensity become smaller and smaller， it will need to adjust the energy structure and reduce the effect of the emission factor to realize the decoupling of CO2emissions in the circulation industry.

circulation industry；energy consumption；CO2emissions；Logarithmic mean Divisia index （LMDI）；decoupling

X521

A

1000-6923（2015）03-0953-08

贺爱忠（1965-），男，湖南娄底人，教授，博士，主要从事低碳消费与绿色发展研究.发表论文130余篇.

2014-07-12

国家社科基金后期资助项目（14FYJ009）

* 责任作者， 教授， haz6526@163.com