排序方式: 共有76条查询结果,搜索用时 31 毫秒
41.
新疆农业碳排放时空特征、峰值预测及影响因素研究 总被引:2,自引:0,他引:2
[目的]通过研究新疆农业碳排放峰值预测和影响因素能真正为新疆低碳农业发展和减排路径选择作出科学的评判和提供借鉴。[方法]文章基于种植业活动、牲畜养殖、农田土壤、秸秆焚烧4个方面23类碳源,测算了新疆1995~2014年农业碳排放量,并从时间、结构和空间维度分析其变化特征;在此基础上构建STIRPAT模型,并运用情景分析法对未来新疆农业碳排放峰值进行相关预测;同时,利用LMDI方法对新疆农业碳排放影响因素进行分解。[结果]新疆农业碳排量呈现"波动上升—持续上升"两阶段变化特征,碳排放量由1995年的1 942.7万t增加到2014年3 921.3万t,增幅1 978.6万t,年均增长3.77%;各地(州,市)区域差异明显,喀什地区属碳排放量、碳排放强度"双高"型地区,阿勒泰等4地区属低碳排放量、高碳排放强度地区,乌鲁木齐等5地区属碳排放量、碳排放强度"双低"型地区,昌吉回族州等4地区属高碳排放量、低碳排放强度地区;若农业碳排放影响因素保持原有增长率不变情况下,新疆农业碳排放不会在2050年内达到峰值,在基准情景和低碳情景下,新疆农业碳排放峰值出现时间分别为2040年和2029年,碳排量分别为7 457.68万t和4 755.23万t;与1995年相比,效率因素、结构因素分别累计实现0.33亿t(97.47%)、0.008 6亿t(2.53%)的农业碳减排,经济因素是农业碳排放最主要的驱动因素,累计实现了0.41亿t的碳增加,人口因素为农业碳排放另一重要因素,累计实现了0.13亿t的碳增加。[结论]秸秆焚烧是导致新疆农业碳排放量增加的最主要碳源;碳排放量、碳排放强度和碳排放结构空间差异明显;不同情景下新疆农业碳排放峰值出现时间差异较大;经济因素是导致新疆农业碳排增加的主要驱动因素。据此,根据新疆实际合理优化调整农业产业结构,加快推进绿色农业现代化;加强生态环境建设,提高农业生产资料的利用效率;转变增长方式,走两型农业之路。 相似文献
42.
基于LMDI模型的CO2排放影响因素研究——以江苏省为例 总被引:1,自引:0,他引:1
本文采用Kaya及其扩展模型将CO2排放影响因素划分为产业能源强度、生活能源强度、能源结构、产业结构、人均产出、人居收入和人口总数7个方面。根据1995~2009年江苏省一、二、三产业和居民生活部门的12种能源消费数据,利用LMDI模型分解计算出7个因素的CO2排放量和贡献值。研究结果表明,1995~2009年江苏省CO2排放量总体呈上升趋势;人均产出、人居收入和人口总数对CO2排放起到正向驱动作用,产业能源强度、生活能源强度、能源结构、产业结构起到负向驱动作用,人均产出和产业能源强度分别是影响CO2排放的正向和负向主导因素。降低CO2排放量,需要通过提高产业能源强度、调整产业结构、能源结构和促进居民生活方式和消费模式的转变,要坚持计划生育的基本国策。 相似文献
43.
为把握城乡居民各种口径碳排放的变动趋势,借鉴IPCC推荐方法及投入产出分析方法,分别测算2005—2017年陕西省居民家庭各种口径的碳排放量,发现陕西城镇家庭各口径碳排放量均高于农村家庭;为分析引起城乡居民家庭直接和间接碳排放总量变动的深层原因,借鉴对数平均迪氏指数分解(LMDI)模型,发现家庭人均收入、家庭户数效应、家庭规模效应、能源消费结构、能源消费强度、家庭消费率、家庭消费结构等表征家庭异质性的变量对城乡家庭直接及间接碳排放总量有不同程度的正向驱动或负向驱动效应,并根据研究结论对地方政府控制家庭碳排放量提出政策建议。 相似文献
44.
45.
从技术角度选取技术广度、技术融合深度、技术规模和技术交叉融合强度4个驱动因素,采用Kaya恒等式和LMDI分解模型对技术融合度驱动因素进行分析。以工程领域BIM技术为实证对象,得到如下结论:技术广度对于技术融合度的驱动程度最大;技术广度、技术融合深度、技术规模3项为正向驱动,而技术融合交叉强度为双向驱动;在驱动因素作用下,BIM专利在2012年前后发生了较大变化——通过CiteSpace软件对专利进行可视化分析验证,结果具有一致性,证明了该研究框架的可行性。 相似文献
46.
运用GeoDa时空分析、脱钩指数分析河南省各地市工业产值与污染物排放的时空格局及耦合关系,并运用Kaya方程与LMDI因素分解法探讨河南省工业污染排放的影响因素及贡献度。研究表明:①豫西、豫北地区各类工业污染排放较为严重,各地市应针对性地进行污染物的治理与减排;②产业结构优化与排放强度降低可以减少工业污染物的排放,而产值规模扩大和污染物来源行业比重增加则正向拉动工业污染物排放。 相似文献
47.
ABSTRACT Tourism is a major economic activity constituting one of the main sectors in economic terms. European countries traditionally play a significant role in the overall international tourism flow. However, while tourism has a noticeable positive impact on economic development, it also contributes to environmental degradation by increasing energy consumption and therefore emissions. This paper analyses the relationships between Hotel and Restaurant electricity consumption and tourism growth in 9 European countries during 2004–2012, for which there is a sufficient amount of data available. A decomposition analysis based on log-mean Divisia index method (LMDI I) is conducted to examine electricity consumption on this sector and their components. Five decomposition factors are considered: energy intensity (EI), physical capital intensity (KI), physical and human capital relationship (KL), human capital intensity (LI) and the tourism factor (T). Results show the evolution of energy consumption related to this sector, identifying the driving forces that have influenced it. 相似文献
48.
[目的]从耕地利用效应的角度,科学认识耕地利用对新疆棉花生产时空变动的作用。[方法]运用LMDI和空间转移指数法,对1999—2017年新疆棉花生产时空变动进行测算。[结果]1999—2017年耕地利用对新疆棉花生产变动作用由大到小排序为:强度效应>结构效应>规模效应>程度效应; 流通体制改革后到加入WTO以前起主导作用的是程度效应,加入WTO以后到临时收储政策以前起主导作用的是结构效应,临时收储政策阶段和目标价格补贴阶段起主导作用的是强度效应; 新疆12个地州(市)棉花生产转出区为吐鲁番地区和和田地区,其他地州均为转入区; 克拉玛依市、吐鲁番市、哈密市、昌吉回族自治州、伊犁州直属县(市)、塔城地区为结构效应驱动; 博尔塔拉蒙古自治州、巴音郭楞蒙古自治州、阿克苏地区、克孜勒苏柯尔克孜自治州、喀什地区、和田地区为强度效应驱动。[结论]流通体制改革以后新疆棉花生产主要驱动力为单位面积产量的提高,不同阶段各分解效应的对棉花生产变化的影响存在一定的差异性; 不同地州的棉花生产时空变化的驱动效应存在一定的差异性。 相似文献
49.
《Socio》2021
This paper presents a framework for analyzing the changes in agricultural labor productivity with regards to the structural, land intensity, and land productivity effects. This approach allows for the residual-free decomposition of data from different levels of aggregation. The logarithmic mean Divisia index was applied for the analysis and a data envelopment analysis model was constructed to identify potential gains in agricultural labor productivity due to the optimization of input use and output production. The proposed approach was applied to the case of China over the period of 1997–2017. Province-level data were used to identify the major driving factors behind agricultural labor productivity change. Land productivity change appeared to be the major source of agricultural labor productivity gains in China. The structural change was rather negligible, suggesting that the reallocation of the agricultural labor force did not add to the agricultural labor productivity growth in China. A frontier analysis indicated that agricultural labor productivity could increase by some 45% on average in case full technical efficiency is achieved. 相似文献
50.