潘崇超，王博文，侯孝旺，古月清，邢 奕，刘育松，温 维，方 娟

1) 北京科技大学能源与环境工程学院，北京 100083 2) 北京科技大学智慧能源研究中心，北京 100083

中国钢铁产业在21 世纪初快速发展，粗钢产量从2000 年的1.28 亿吨增长至2020 年的10.65 亿吨，占世界总产量的56.7%[1].中国钢铁产业的快速增长给环境带来了巨大的挑战，据BP 公司报告，中国温室气体排放量在2006 年超过美国，居于世界首位[2]，而中国钢铁行业碳排放约占总排放的15%[3].在此背景下，研究钢铁碳排放的影响因素并量化其贡献率，预测未来不同情境下钢铁行业碳排放变化趋势就显得十分重要.

分解分析法用于考察事务变化的作用机理，包括指数分解分析（Index decomposition analysis,IDA）和结构分解分析（Structural decomposition analysis,SDA）[4].SDA 法是静态分析法，通过投入产出表对能源消费总量、碳排放等因素分析[5-6].IDA 法包括Laspeyres 指数和Divisia 指数，Laspeyres 指数基于基准年的权重研究变量的百分比变化；Divisia指数以线积分的方式呈现对数增长率，其权重是不同因素在总值中的份额[7].路正南等[8]用Laspeyres指数分析我国2000—2012 年产业碳生产率的变化；Wang 等[9]将脱钩理论应用于对数平均迪式分解法（LMDI）模型，分析北京、上海各部门排放影响因素与脱钩趋势.对于哪种方法更优，Ang 与Liu[10]认为LMDI 分解简单、便捷且无残差是比较好用的方法.在碳排放峰值预测研究中，情景分析与不同预测模型结合应用广泛.聂锐等[11]通过构建中长期预测模型，预测能源需求、碳排放和经济发展，认为低碳模式是江苏可持续发展的最佳选择.Xu 等[12]基于长期能源替……