低碳经济发展的驱动因素研究——以浙江省为例

本文从人口规模、经济发展水平、能源强度、单位能耗碳排放量、能源消费结构、产业结构、城市化、国际贸易分工等方面探讨了低碳经济发展的主要驱动因素,对STIRPAT模型进行了扩展,利用1990~2008年浙江省的统计数据,对低碳经济发展的驱动因素及其贡献率进行了实证研究。研究结果表明:人均GDP、能源强度、人口规模、单位能耗碳排放量和能源消费结构对碳排放总量有显著正向影响,其中人均实际GDP的影响最大,能源强度的影响较大,人口规模和单位能耗碳排放量的影响较小,能源消费结构的影响最小,而产业结构、城市化水平、国际贸易分工对碳排放总量的影响不显著;人均实际GDP持续增长是碳排放增长的最大正向驱动因素,对碳排放增长的贡献率最大,能源强度变动是碳排放增长的最大负向驱动因素,能源强度变动对碳排放增长具有一定的抑制作用。     

浙江省能源消费碳排放动态特征及影响因素研究

采用IPCC推荐的碳排放计算公式,测算了2000年到2011年浙江省能源消费碳排放量,分析了人均碳排放量和碳排放强度的动态特征,并利用LMDI分析其排放变化的影响因素。研究期间,浙江省人均能源消费碳排放量不断上升,碳排放强度呈现下降的趋势,浙江省碳排放处于碳排放强度倒U型曲线高峰到人均碳排放量倒U型曲线高峰阶段的过渡期。经济发展对人均碳排放量增长起到拉动作用,产业结构、能耗强度、能源结构、碳排放系数变化起到抑制作用。产业结构、能耗强度和单位能源消耗碳排放强度变化均对碳排放强度下降产生正向驱动作用。     

省域碳排放影响因素分析及减碳机制探讨——以浙江省为例

论文基于1990—2015年浙江省碳排放时间序列数据,采用STIRPAT模型,探讨驱动浙江碳排放量增长的主要影响因素和各因素的影响程度,明确碳排放控制的主要领域。结果表明人均GDP、人口规模、能源强度、能源结构、产业结构对碳排放量增加有正向驱动作用,而城镇化率对碳排放量增加有负向驱动作用。人均GDP和人口规模对碳排放量增长的贡献最大,但2000年后人口规模的驱动作用逐渐减弱,经济规模扩大成为碳排放量的主要增长因素。能源强度和城镇化率对碳排放量减少的贡献最大,能源结构的贡献率较低。基于此,提出了提升经济发展质量、促进城镇发展转型、提高能源管理效率等具有针对性的减碳对策。     

浙江省居民消费间接碳足迹测算及影响因素研究

运用投入产出法构建居民消费碳足迹测算模型,结合浙江2002—2012年各行业相关数据,估算居民消费的直接和间接碳足迹。并基于LMDI法构建居民消费间接碳足迹(CF~e)影响因素分解模型,考察人口规模、经济发展水平、消费水平、消费结构、能源消费强度、能源碳排放强度六种效应对CF~e总量效应的影响。研究显示:城镇居民消费间接碳足迹是浙江省着重减排对象,经济发展水平效应是驱动CF~e增长的主要原因,能源消费强度效应是抑制CF~e增长的主要因素,居民消费结构优化对CF~e增长也起一定延缓作用。     

广东省终端能源消费碳排放增长的驱动因素

将居民能源消费的二氧化碳排放纳入研究范围,采用LMDI分解法对2000—2011年广东省终端能源消费碳排放增长的驱动因素进行分析。结果显示:在影响碳排放增长的各种因素中,经济规模、人口规模和收入对碳排放增加整体上表现为正效应;产业结构、生产部门能源强度、生产部门能源结构和能源碳排放因子整体表现为负效应;生活部门的能源强度和能源结构的效应不确定;总体上正向驱动效应超过负向驱动效应,致使广东省的碳排放量呈不断上升态势。     

居民生活能源消费碳排放驱动因素分解——以天津市为例

气候变化是当前全球面临的重大挑战之一。研究居民生活能源消费碳排放变化趋势以及影响因素,对提出科学的碳减排策略,减缓气候变化具有重要的指导意义。以天津市为研究案例,对其居民生活能源消费产生的CO_2排放量进行计算,并运用LMDI模型对天津市居民生活能源消费产生的CO_2变动量进行因素分解,从能源碳排放强度、能源消费结构、能源消费强度、经济发展、人口等方面对居民生活能源消费碳排放因素进行分解分析,确定导致碳排放量变化的驱动因素。分析结果表明,经济发展、人口效应为正向效应,能源碳排放强度、能源消费结构、能源消费强度总体上为负向效应,其中经济发展因素是天津市居民生活能源消费碳排放的主要拉动因素,而能源消费强度因素是抑制碳排放的主要减量因素。     

北京市低碳经济发展状况分析

对2005~2010年间北京市CO2排放和碳强度进行了测算,并利用LMDI指数分解法对历年碳排放量和碳强度差异进行了因素分解。研究结果表明:(1)2005年到2010年北京市碳排放总量基本呈上升趋势,但能源强度和碳排放强度呈下降趋势;(2)北京市经济和人口增长是碳排放量增加的主要原因,节能减排的推进和能源消费结构的变化减缓了碳排放总量的增长速度;(3)产业部门能源强度因素和产业结构效应是北京市碳排放强度下降的主导因素,碳强度效应(即能源结构效应)对碳排放强度变动的降低效果不明显。     

京津冀地区交通运输碳排放模型及驱动因素分析

基于京津冀地区2000—2013年交通运输能源消费量,运用自上而下交通运输碳排放测算方法,计算京津冀地区2000—2013年交通运输能源消费碳排放总量;基于STIRPAT模型进行多元线性回归分析和逐步回归分析,建立碳排放驱动因素模型。结果表明:人均GDP、能源强度、第三产业占比和公共交通是碳排放重要驱动因素,驱动因素模型能很好拟合京津冀地区交通运输碳排放量,京津冀地区人均GDP和能源强度分析表明该地区已处于碳排放与经济发展的脱钩阶段,能源强度逐年下降,交通运输碳排放强度随着第三产业占比的上升不断下降,预期可以达到"十三五"规划的要求。     

城镇土地利用的碳排放量及因素分解

从能源消耗角度测算2009—2012年城镇土地利用的碳排放量,并运用LMDI分解模型对其影响因素进行了分解。研究表明,2009—2012年城镇土地利用碳排放量不断增加;经济水平提高、土地面积增加对城镇土地利用碳排放存在正效应,能源效率、人口规模、单位能源的碳排放量存在负效应。因此,为了实现城镇土地可持续利用,促进经济与环境的和谐发展,需要适度控制城镇规模的扩张速度,提高城镇土地集约利用率;同时,提高能源利用效率,推进可再生能源和清洁能源的开发和使用。     

云南省生产部门碳排放影响因素分析——基于LMDI模型

基于LMDI模型,分别研究碳排放系数、经济发展、能源强度、能源消费结构、产业结构、人口六个因素对云南省生产活动的碳排放的贡献量和贡献率。结果表明,经济发展是驱动云南省碳排放增加的最主要因素,人口规模和产业结构也是碳排放量增加的驱动因素;能源强度则是抑制碳排量增加的最主要影响因素,碳排放系数和能源消费结构因素也对减少碳排放起着一定的作用,但不是很明显。说明云南省由于处于工业化发展时期,工业发展对能源的消费需求大,影响因素中的驱动因素对碳排放量的贡献率大于抑制因素,在短时期内云南省的碳排放仍将持续增长。因此,云南省需要改变经济发展方式,坚持计划生育的基本国策,提高能源利用效率和促进产业结构与能源消费结构的转变。     

中国区域碳排放的因素分解模型及实证分析

本文测度了1995—2008年中国29个省市的碳排放量,分析了中国碳排放的区域差异,通过构建“LMDl分解模型”,将各地区人均碳排放分解为人均GDP、能源结构、能源强度等影响因素,同时将能源强度进一步分解为各产业能源强度和产业结构两类因素。研究结果表明：几类因素对各省市自治区碳排放增长的影响方向和影响程度存在差异,但从全国及东中西三大区域看,人均GDP是促进碳排放量增长的决定因素,能源强度下降是抑制碳排放增长的主要因素,而能源强度变化主要由工业部门能源强度的变化决定,产业结构变化通过促进能源强度的增加,间接推动了碳排放量的增长。能源结构推动了碳排放的增长,但影响程度较小。现阶段应根据各地区碳排放的区域差异及碳排放增长的影响因素,制定差异化的区域碳减排政策,包括：优化区域能源结构、降低区域能源强度、调整区域产业结构、积极推进区域低碳经济增长方式转变。     

Changes in carbon intensity in China: Empirical findings from 1980–2003

China experienced sustainable, rapid economic growth over the period 1980–2003 but, at the same time, energy-related carbon intensity showed a downward trend. It begs the question, therefore, what factors were driving this decline in carbon intensity and will this decline be maintained in future? Moreover, what measures can be adopted to ensure a continual decline in carbon intensity? These questions led to increased research in the factors governing CO₂ emission in China. This paper quantifies the driving force behind China's primary energy-related carbon intensity and measures the material production sectors' final energy-related carbon intensity. Our results show that the overwhelming contributor to the decline of energy-related carbon intensity was the reduction in real energy intensity. However, policies that focus only on the decline in energy intensity are insufficient to further decrease carbon intensity. The change of primary energy mix can improve the decline of carbon intensity. This should focus on the material production sectors' development strategies and final energy use. Greater emphasis should be given to secondary industry, which needs national and regional governments' policy support.     

我国碳排放的区域差异及驱动因素分析——基于脱钩和三层完全分解模型的实证研究

文章通过计算1995-2009年我国29个省市的碳排放量,揭示了我国碳排放的区域差异特征,并进一步构建"LMDI三层完全分解模型",研究了各地区碳排放增长的9类驱动因素,其中人均GDP是促进碳排放增长的决定因素,产业部门的能源强度下降是抑制碳排放增长的主要因素。文章根据这9类因素对各地区碳排放增长的影响方向和影响程度及其导致区域碳排放的异质性特征,提出了我国差异化区域碳减排政策。     

福建省碳排放的因素分解实证研究

本文基于1994—2008年的时间序列统计数据,采用对数平均权重的Divisia分解法将影响福建省碳排放的因素分解为能源结构因素、能源排放强度、能源效率和经济发展,建立福建省人均碳排放的因素分解模型,定量衡量各因素对福建省人均碳排放的贡献大小,得出经济发展是福建人均碳排放最大的拉动因素,能源效率是抑制福建人均碳排放最重要的因素,而能源结构对福建人均碳排放的影响相对较小但今后贡献可能增大等结论。     

基于LMDI模型的工业碳排放影响因素研究——以无锡市为例

在估算2001～2010年无锡市工业分行业碳排放的基础上,基于改进的迪氏对数平均权重分解法,建立工业部门碳排放影响因素的分解模型。研究发现:工业经济规模效应和工业部门内部结构效应分别对工业碳排放起到显著的促进和抑制作用;工业能源结构变化对工业碳排放影响较小;代表节能环保技术水平的能源强度效应减缓了工业碳排放,但其抑制作用不稳定,能源利用效率仍有较大的提升空间。最后提出了相应的减排政策建议。     

产业视角下的中国工业能源碳排放Divisia指数分解及实证分析

工业能源碳排放在中国总碳排放中占据极其重要的位置,也是中国低碳减排工作关注的重点.文章从产业视角出发,利用Divisia指数分解法构建中国工业能源碳排放因素分解模型,定量分析1998～2007年间,能源排放强度、能源结构、能源效率、产业结构以及产出等五因素对中国工业能源碳排放的影响.分析不同因素对中国工业能源碳排放的不同影响以及不同因素在工业系统内部各产业间的变化特性,从而为中国工业能源碳减排路径提供政策建议.     

关于我国碳排放量及影响因素的实证分析

采用加权最小二乘法与向量自回归方法构建了在低碳经济环境下我国碳排放量及其影响因素之间关系的对比性实证分析模型,并进一步利用脉冲响应函数和方差分解探索影响系数大小和时期变化规律。研究表明,一方面,我国碳排放量与其影响因素之间存在一种长期均衡稳定的关系,其中最重要的因素是人均GDP、能源效率和产业结构,其次是人口数量和人均收入;另一方面,通过脉冲响应函数和方差分解得出我国碳排放量对人均GDP、能源效率和产业结构的冲击反应比较敏感,而对人口数量和人均收入水平随时期变化的响应则比较稳定,各变量影响系数在短期和长期存在明显差异。     

Integrated scenarios of energy-related CO2 emissions in Ireland: A multi-sectoral analysis to 2020

This paper presents future scenarios of Irish energy-related CO₂ emissions to 2020, using a combination of multi-sectoral decomposition analysis with scenario analysis. Alternative development paths, driving forces and sectoral contributions in different scenarios have been explored. The scenarios are quantified by using decomposition analysis as a Divisia Index SCenario GENerator (DISCGEN). The driving forces of population, economic and social development, energy resources and technology and governance and policies are discussed. A set of four integrated or ‘hybrid’ qualitative and quantitative baseline emission scenarios are developed. It is found that sectoral contributions and emissions in each scenario vary significantly. The inclusion of governance, social and cultural driving forces are important in determining alternative development paths and sustainability is crucial. Our empirical results show that decomposition analysis is a useful technique to generate the alternative scenarios.