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。     

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。     

贡献量和敏感度双视角下云南省高耗能行业碳排放控制研究

高耗能行业是碳排放的主力军,控制其碳排放是实现中国碳排放达峰以及进行绿色低碳转型的重要组成部分。论文在传统碳排放影响因素分析的基础上引入敏感度来表征减排效率,从规模效应(人口、经济发展)、结构效应(工业化率、能源结构、行业结构)、技术效应(碳排放系数、能源强度)三种类型的七个影响因素出发,研究2006—2017年各影响因素对云南省高耗能行业碳排放的贡献规律和敏感程度。结果表明:(1)云南省高耗能行业能耗和碳排放集聚现象明显,各行业碳排放规律存在行业差异,但达峰节点存在趋同性;(2)碳排放影响因素整体上以经济发展、工业化率和人口规模为增碳的正效应,能源强度和行业结构表现为减碳的负效应;(3)在三个五年规划期内,碳排放影响因素的敏感度呈现明显的规律性,表现出了从混乱到有序的过渡,最敏感的因素实现了从能源强度向碳排放系数的转变。     

京津冀地区工业碳排放效率时空演化特征及影响因素

以京津冀地区13座城市为研究对象,利用2000—2018年工业及工业行业能源消耗、工业产值等相关数据,基于两阶段Super SBM模型,采用ArcGIS空间分析、空间计量模型等方法,分析京津冀地区工业及工业行业碳排放效率的时空演化特征,剖析工业碳排放效率的影响因素。结果表明:(1)2000—2018年京津冀地区工业碳排放效率不断提高,空间格局由"中心高,四周低"向"高值区带状集聚,低值区分散"转变,城市间工业碳排放效率差异减小。(2)工业行业间碳排放效率差异大,不同行业碳排放效率空间格局差异显著。(3)生产力水平、工业研发投入、对外开放水平对工业碳排放效率具有正向推动作用,且这种作用持续增大;工业化水平与工业碳排放效率由显著负相关转变为不显著相关;能源消费强度与工业碳排放效率始终呈负相关,但这种负向作用逐渐降低;重工业水平、能源消费结构与工业碳排放效率由不显著相关转变为显著负相关。     

我国居民间接能源消费碳排放的测算及分解分析

利用消费者生活方式方法(CLA),测算1993~2007年我国居民间接能源消费碳排放量,以及城镇和农村居民人均碳排放量的变化趋势。以1993年为基年,对我国居民间接能源消费碳排放量的变化进行分解分析。结果表明:(1)居民间接能源消费碳排放量整体呈上升趋势,城镇和农村居民人均碳排放量也逐年增加,其中2007年城镇居民是农村居民人均碳排放量的三倍。(2)研究期间,人均消费水平城镇化率、居民消费结构和人口规模是拉动居民间接能源消费碳排放量增加的主要因素,而能源消费强度和碳排放强度是抑制碳排放量增加的主要因素。其中2003~2007年碳排放强度起到正效应;居民消费结构表现为负效应,对减少碳排放起到一定作用。     

吉林省能源消费碳排放相关影响因素分析及预测——基于灰色关联分析和GM(1,1)模型

采用灰色关联分析方法对吉林省2000~2012年能源消费人均碳排放量与能源消费价格、能源消费结构、能源消费强度、经济发展水平、产业结构和城市化水平等相关影响因素的关联度进行分析,并利用GM(1,1)模型对吉林省2016~2018年人均碳排放量进行了预测。预测结果显示,各相关影响因素在保持现状的情况下,能源消费人均碳排放量未来将会以更高的年均增长速度持续增长。为此,文章根据灰色关联度分析结果,从能源消费价格、能源消费结构、产业结构和能源消费强度几个碳排放相关影响因素入手,提出了降低吉林省能源消费碳排放的政策建议。     

京津冀能源消费、碳排放与经济增长

运用《2006年IPCC国家温室气体清单指南》中的碳排放核算方法[1],测算2000—2011年京津冀二氧化碳排放量、排放强度、人均排放量和单位面积排放量,从变动趋势、消费结构、相关性和空间分布四个角度分析京津冀的能源消费、碳排放与经济增长。结果表明:京津冀能源消费量和碳排放量在12年间均呈增长趋势;碳排放强度均呈下降趋势;津冀的高排放主要是由以煤炭消费为主的能源结构和以高耗能工业为主的产业结构引起的。碳排放量与能源消费量和经济增长密切相关。在京津冀协同发展背景下,应大力调整产业结构,优化能源结构,建立碳汇合作机制。     

中国水泥工业经济低碳发展的影响因素分析

运用自上而下碳计量模型核算了中国水泥工业2002~2012年的碳排放量情况,并运用STIRAPT扩展模型分析了其增长的影响因素,得到以下结论:(1)我国水泥行业碳排放量与碳排放强度轨迹背向而行,碳排放总量直线上升,而排放强度逐年下降;(2)对我国水泥工业碳排放增长起拉动作用的因素有4个,按单位拉动效应大小排序,从大到小依次为产业结构、人口规模、城市化率、人均GDP,拉动弹性系数分别为0.2133、0.1892、0.1877、0.1771;(3)对我国水泥工业碳排放增长起减排作用的因素有3个,按单位减排效应大小排序,从大到小依次为能源消费结构、水泥消费结构、技术进步率,减排弹性系数分别为0.1550、0.1434、0.1278;(4)未来水泥工业碳排放的拉动主要依靠人均GDP的增长和城市化率的提高,未来水泥工业碳排放的减少主要依靠能源消费结构优化和技术进步。     

中国城市化进程碳增量效应的因素分解研究及预测

基于Logistic模型,对中国城市化发展趋势进行了预测,运用LMDI模型分解分析在城市化快速发展阶段中国碳排放量持续增长的原因,对城市化进程的碳排放增量进行了测算。研究结果表明:中国城市化水平仍将处于加速发展的上升期,2020年、2040年中国城市化水平将分别提升至61.63%、77.91%;未来中国城市化进程对碳排放仍将保持增长态势,但对碳排放的驱动作用呈减缓态势;经济规模是推动中国碳排放持续增长的主导因素,城市化是导致碳排放增加的重要因素,而能源强度则是促进碳排放减少的主要动力。     

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。     

基于LMDI的能源消费碳排放因素分解及情景分析——以兰州市为例

论文将工业部门基于产值分为高、中、低产值行业,测算了兰州市2007—2016年9种主要能源消费的碳排放量,运用LMDI法(对数平均迪氏分解法)将碳排放增量分解成经济增长、产业结构、能源结构与能源强度4种效应。结果表明,2007—2016年碳排放经历了先上升后下降的趋势,产业结构和能源强度的累积效应为负,经济增长和能源结构的累积效应为正,能源结构是碳排放增加的最大拉动因素,能源强度对碳排放具有较大的抑制作用。通过情景设置,发现综合减排模式效果显著,并提出了相关建议。     

FDI对我国东部地区环境的影响——以碳排放为例

使用1995—2009年的数据计算东部地区的碳排放量,并对其影响因素进行实证检验。检验结果表明,碳排放量和FDI的变动具有高度的相似性;FDI能够降低东部地区的碳排放量,但影响较弱;东部地区的经济发展和能源强度是影响碳排放量的最主要因素;能源结构也加剧了碳排放量的增长,但影响相对较小。     

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。     

中国工业分行业碳排放影响因素分解研究

采用2004~2010年中国各行业不同能源类型的相关统计数据,基于IPCC温室气体排放清单指南中的计算方法,计算了中国工业分行业各类能源消耗碳排放量;并应用LMDI法对中国工业分行业能源消耗碳排放量影响因素进行了分析。结果表明:在这7年中,中国工业能源消费碳排放年均增长8.18%,比工业增加值平均增速高5.26%;在对经济增长、产业结构、能源强度、能源结构四个因素的分析中可知,经济增长和能源强度的升高是中国能源碳排放持续增长的主导原因,能源结构对减少碳排放有较小贡献,产业结构对促进中国工业能源碳排放减少有很大贡献。通过对中国工业三大行业的进一步分析可知,制造业、电力、燃气及水的生产和供应业对中国工业能源碳排放的增加有较大影响。     

中国省域碳排放的空间格局预测分析

为探索中国省域碳排放的空间演化规律,以二氧化碳为测度指标,利用空间统计方法和自回归积分滑动平均模型分析了碳排放的空间格局演化特征及其未来变化趋势,最后运用空间杜宾面板数据模型分析了影响碳排放的主要因素。结果表明:(1)中国省域碳排放空间格局总体上较为稳定,HH类型省域主要分布于中国北方地区,LL类型省域主要分布于中国的西部地区,中国省域碳排放在空间上的集聚性和集群效应增强。碳排放的重点调控区域包括长江经济带、京津冀地区、山东、河南、山西、陕西、宁夏、内蒙古和辽宁等。(2)1997-2007年中国省域碳排放标准差椭圆的中心向西南移动,2007-2012年向西北移动;碳排放沿X轴呈分散趋势,沿Y轴呈集中趋势;转角大致在21.516 0°~30.852 6°之间变化;碳排放的空间密集化程度增加,空间分布形态呈现"圆化"趋势,空间相似性降低。(3)2013-2020年碳排放标准差椭圆的中心主要在中牟县内移动;碳排放空间格局呈现一定的空间拉伸趋势;转角大致在20.661 3°~22.482 7°之间变化;形状指数总体上呈轻微增加趋势,空间分布形态呈现"圆化"趋势,空间格局相对稳定。(4)空间面板模型的结果表明,碳排放强度、人口总量、产业结构和经济水平是影响中国省域能源消费碳排放空间格局演化的主要因素。其中,降低碳排放强度是控制碳排放量的重要途径,产业结构和人口总量对碳排放量表现出了明显的空间溢出效应。     

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。     

江苏省城市碳排放核算及减排潜力分析

全球气候变化背景下,低碳城市成为低碳发展的重点领域。在系统测算1995～2007年江苏省城市碳排放的基础上,分析江苏省城市碳排放强度;运用灰色预测方法预测2008～2020年江苏省城市碳排放强度;并结合国家碳减排目标分析碳减排压力,通过与北京等地区城市比较,分析江苏省城市碳减排潜力,提出江苏省城市低碳发展的对策措施。研究表明,江苏省城市碳排放总体呈不断上升的趋势,2007年比1995年增长123.92%;碳排放强度总体呈下降态势,由1995年的每吨1.597万元降到2007年的每吨0.789万元;2008～2020年碳排放强度将不断降低,降幅可达53.74%,碳减排压力较小;江苏省城市碳减排潜力较大,通过优化能源结构,调整产业结构和提高能源利用效率,可减少碳排放31.86%;江苏省城市应采取保护城市生态空间,开发低碳能源,发展创新型经济,加强城市统筹协作,合理利用土地和构建智慧城市等措施,促进城市低碳发展。     

青海交通碳排放影响因素及预测研究

科学考察交通碳排放的影响因素,对碳减排具有重要的指导意义。文章利用STIRPAT模型定量分析了2002—2016年青海经济发展水平(以人均GDP表示)、交通自身影响(客、货运周转量)、技术进步(以能源强度表示)、城市化率和私人汽车拥有量对交通碳排放的影响。通过岭回归模拟结果可知,各影响因素与交通碳排放总量均呈正相关关系,影响程度由大到小为:城市化率能源强度客运周转量货运周转量人均GDP私人汽车拥有量。在此研究的基础上,通过设置基准情景和6种减排情景,预测了青海交通未来的碳排放量,结果表明,青海交通碳减排的重点是提高技术水平,通过提高能源利用效率降低交通碳排放量。     

能源消耗、土地占用及劳动力投入对城市典型企业碳排放的影响研究——基于郑州市181家典型企业的调查分析

基于郑州市2012—2015年181家典型企业的调查数据,对不同类型产业的碳排放及其强度进行核算,并采用LMDI因素分解模型探讨碳排放强度、能源效率、单位用地能源消耗、人均用地及劳动力投入对产业碳排放变化的影响机制。研究结果表明:(1)郑州市典型产业碳排放及碳排放强度总体有所下降,碳排放效率有所提升;(2)能源效率及单位用地能源消耗对产业碳排放起推动作用,而碳排放强度、人均用地和劳动力投入对碳排放起抑制作用;(3)各因素对高能耗产业碳排放变化的贡献值较大,而对用地及劳动力较多的产业碳排放变化的贡献率较高。综上,不同类型产业的碳排放及其变化的影响机制有所差异,建议郑州市未来应针对不同产业的特点采取差别化的低碳发展模式。     

基于行业异质性的中国工业发展与碳排放的关系研究

利用对数平均迪氏指数法将工业碳排放总量分解为工业产出规模效应、行业结构效应、行业能源消费结构效应和能源强度效应,从总效应角度研究了上述四个效应对碳排放总量的作用,其中前三个效应对碳排放均有拉动作用,工业产出规模效应的作用最大。能源强度效应对全行业的碳排放量有较强的抑制作用。其次,根据1995~2011年工业32个行业四个效应值及其碳排放的面板数据模型,从总体样本和分行业样本两个层面分别研究四大效应对中国工业碳排放的影响。总样本研究表明,全行业工业产出规模效应和行业结构效应对碳排放有显著的正向和负向影响。分行业样本研究根据能源强度、RD投入、外资比重及资本密集度分类标准对工业行业进行分类,研究基于行业差异的各因素对中国工业碳排放的影响。结果表明,工业产出规模效应和行业结构效应对碳排放的正向影响和负向影响不存在行业差异,行业能源消费结构效应和能源强度效应对不同行业碳排放的影响有一定的差异。最后,根据实证结果提出合理的减排建议。