尋夢新聞LINE@每日推播熱門推薦文章，趣聞不漏接❤️
題目：A “carbonizing dragon”: China’s fast growing CO2 emissions revisited
作者： Jan Christoph Minx
第一作者單位：Department Economics of Climate Change, Department Sustainable Engineering, Technical University Berlin, Germany
期刊：Environmental Science & Technology
發表時間：September, 2011
本文首先分析了從1992年到1997年間中國二氧化碳排放的變化，然後通過Structure Decomposition Analysis (SDA) 的方法分析這種變化產生的原因，進而分析了相關政策。
SDA利用了矩陣微分的思想，將整體矩陣的變化分解為不同因子變化而帶來的變化，進而可以評估不同因子對於整體變化的貢獻大小。在矩陣分解的過程中，可能會遇到矩陣分解不唯一的情況，這被稱為non-uniqueness problem。針對此問題，本文採取的方法是輸出所有可能的拆解方式下不同因子的貢獻值並取其平均值，同時輸出每個因子貢獻值的箱線圖。輸出箱線圖是為了更全面地了解每個因子貢獻值的分布情況，也可以用於判斷輸出平均值是不是一種可以接受的方法。
本研究先研究了總體二氧化碳的排放情況，這部分研究考慮了能源結構，需求結構，生產結構等多方面的因素。
圖一 總體二氧化碳排放SDA結果
同時，由於最終需求中「貨幣投資」這一項的快速增長，本文亦研究了貨幣投資的變化。不過對其並未直接使用SDA的方法，而是重新審視研究過程，將貨幣投資這一項從最終需求納入輸入產出過程（即將貨幣投資當作一項輸入）進行研究。
另外，本研究重點分析了家庭消費帶來的二氧化碳排放變化，同樣利用了SDA的分析方法，分析結果見圖二。在這一分析中，研究者另外加入了城鎮化、人口、家庭規模等因素，並最終發現推動這項排放量變化的主要因素是城鎮化、人口、薪水水平、消費模式和家庭結構。
圖二 家庭消費帶來的二氧化碳排放SDA結果
筆者認為，SDA是一種很好的用來分解IO矩陣的方法，並可因此尋根溯源，找到不同年份間IO矩陣變化的推動力。但是，也不是所有的矩陣都能用SDA方法，而不能使用的原因可能是難以找到可以解釋的分解表達式。這種分解表達式往往是基於人的主觀認識而寫出來的，所以有時寫不出分解表達式，有時又能找到不同的表達方法。
筆者認為城市污水處理系統分析也可以引入這種結構分解的思想。當研究涉及不同時間點的污水系統輸入輸出（如能量與物質的消耗與轉移、排放至環境中的物質）時，可以從輸入輸出數據中抽象出一些因素（如能耗）來描述系統的效益，並計算各因素的變化對整體效益變化的貢獻，甚至可以在這個基礎上模擬各因素變化的不同情景，以預測未來城市水系統的效益。
參考文獻
Minx J C, Baiocchi G, Peters G P, et al. A “carbonizing dragon”: China’s fast growing CO2 emissions revisited[J]. Environmental Science & Technology, 2011, 45(21):9144-53.
