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。     

我国中部六省碳排放量影响因素分解分析

估算了1995—2009年期间我国中部六省的碳排放总量、人均碳排放量,从产业、能源消费结构、城乡消费结构的角度,对碳排放结构进行了分析。利用LMDI分解方法将碳排放量的影响因素分解为经济规模、产业结构、能源强度、能源结构以及碳排放系数,分析其具体影响,并进行省际比较。结果表明:1995—2009年期间中部六省的碳排放总量和人均碳排放量均呈增长趋势,且各省的差距较大;从产业结构和能源结构的碳排放情况看,各省的碳排放均来自第二产业和燃煤;经济规模的扩张是碳排放量增加的最主要因素,能源结构变化和碳排放系数变化对碳排放量变化的抑制作用不明显。     

中部六省能源消费碳排放时空演变特征及影响因素

采用2005—2016年中部六省能源消费碳排放面板数据,对其能源消费碳排放时空演变特征及其收敛性进行分析,在此基础上运用LMDI分解方法,探索产出规模、能源强度、产业结构、人口规模及能源结构等因素对中部六省能源消费碳排放的影响,并分析各影响因素的空间特征。结果表明:(1)各省能源消费碳排放均存在收敛,且收敛于各自的稳态水平,各省之间的差异短时间内不会消失;(2)除能源结构变化对中部六省碳排放表现为负效应之外,其余五个因素对其碳排放均表现为正效应,各效应按累积贡献率绝对值大小依次是:产出规模效应、能源强度效应、产业结构效应、人口规模效应和能源结构效应;(3)各因素对中部六省能源碳排放影响均存在明显的空间差异,其中产出规模扩大对湖南能源碳排放拉动作用最大,能源强度下降对湖南能源碳排放的抑制作用最大,产业结构变化仅对山西能源碳排放起到抑制作用,人口规模变化仅对安徽省能源碳排放起到抑制作用,能源结构变动对安徽、河南以及湖北能源碳排放表现为正效应。     

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。     

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。     

长三角区域物流业碳排放规模及其影响因素研究

长三角区域一直是我国经济发展的重要地区,其物流业也一直呈现出蓬勃发展的趋势,但经济发展的同时也对环境造成了不小的压力。论文采用能量系数法估算2003—2016年安徽、江苏、浙江和上海三省一市物流产业的碳排放量,定量分析了能源结构、能源效率、产业结构、经济增长和人口5种因素对三省一市物流业碳排放规模的影响,研究结果表明:长三角地区的能源结构因素和产业结构因素对物流业碳排放增加产生了抑制的效果,而能源效率因素、人口因素和经济发展因素对物流业碳排放增加产生了促进的效果。最后从改善能源效率、能源结构、产业结构等方面,提出对长三角区域发展低碳物流的针对性建议和对策。     

长江经济带物流业碳排放测算及其驱动要素研究

应用碳足迹方法测算了长江经济带11省市物流业2006—2016年的碳排放量,并利用灰色关联法剖析了不同省市碳排放的主要驱动要素。结果表明:长江经济带物流业碳排放总量整体呈波动上升趋势,与经济发展水平相符,江西、贵州、重庆、安徽、云南5省市的碳排放量较低,四川、湖南、浙江、湖北4省的碳排放量居中,江苏、上海2省市的碳排放量较高,中下游地区的碳排放总量与增速大于上游地区;主要驱动要素的影响力总体为:碳排放效率城镇化水平能源结构人口规模物流业固定资产投资物流规模,但6大因素在不同省市物流业碳排放量中的贡献不一致;物流业碳排放与经济发展多数年份处于弱脱钩状态。建议完善物流碳减排政策制度、建立长江经济带物流信息平台、调整能源结构等低碳路径,达到生态优先和绿色发展的目标。     

中部六省碳排放效率与产业结构优化的耦合协调度及影响因素分析

采用SBM-Undesirable模型测算了1999—2017年中部六省的碳排放效率,分别计算了产业结构合理化指数和高级化指数,利用耦合协调模型考察了碳排放效率与产业结构优化的耦合协调度,并对其影响因素进行了实证分析。结果表明:中部六省碳排放效率和产业结构合理化的耦合协调度较低,处在中度失调和中度协调之间,碳排放效率和产业结构高级化的耦合协调度处在中度失调和中度协调之间,但有明显上升的趋势。人力资本、财政支出对中部六省碳排放效率和产业结构合理化的协调发展起到了促进作用,而环境规制、能源结构产生了抑制的作用。人力资本对碳排放效率和产业结构高级化的耦合协调度有正向作用,而外商投资、人均资本、制度质量和能源结构产生了抑制作用。     

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。     

我国碳排放驱动因素的动态轨迹研究

从时间和空间两个维度对我国经济增长过程中的碳排放驱动因素作用力强度进行动态分解,结果发现,时间维度上,经济效应、能源规模效应、人口效应和技术效应呈现不规则交替状态,驱动碳排放作用力排序和当年我国经济驱动产业趋同;在空间维度上,经济重心向西部方向转移过程中伴随碳排放同方向的移动,经济效应驱动二氧化碳的排放,而人口因素并没有向西转移的痕迹,尽管国家支持西部能源产业技术的提高,但技术因素对减排的作用依然在东部地区。最后,针对文中碳排放驱动因素主要是经济效应和能源规模效应的结论,提出调整产业结构可实现经济增长和碳减排双赢目标的政策建议。     

中国碳排放强度与影响因素的关联分析

碳排放强度与影响因素的关联程度,直接影响正确判断和把握碳排放强度的发展方向。通过分析碳排放强度及其影响因素的灰色关联度大小,来制定控制碳排放强度的短期和长期政策。文章基于美国橡树岭国家实验室二氧化碳信息分享中心(Carbon Dioxide Information Analysis Center,CDIAC)提供的我国2000-2011年全国碳排放量数据,核算出中国各年度的碳排放强度,通过采用灰色系统理论中灰色关联分析方法,分别从静态、动态的视角研究中国碳排放强度与技术进步、人口、经济增长、产业结构、能源价格以及城镇化率的关联关系,取得的研究结果表明,技术进步是影响我国碳排放强度的主要因素,其次是产业结构和人口;技术进步对碳排放强度的绝对关联关系和相对关联关系都是最大;能源价格影响碳排放强度的相对关联度较高,但是能源价格的绝对影响因素较低。因此中国应该在发展低碳经济建设的同时,综合考量各个影响因素,积极调整相关政策,科学实现我国碳减排目标。     

建设用地碳排放驱动因子及脱钩效应贡献分析--以安徽省为例北大核心

基于安徽省统计数据,对建设用地碳排放量进行测度,然后运用扩展的Kaya等式和LMDI法对建设用地碳排放驱动因素进行分解,进一步对脱钩效应及其贡献因子进行分析。结果表明:自2000年以来,安徽省建设用地规模以年均4.8%的速度不断扩张,同时,建设用地碳排放以年均12.87%的速度激增,到2019年达到747.23万吨。建设用地碳排放增加的驱动因素按贡献大小排序依次是能源强度、建设用地规模、经济增长和城市人口密度,促进建设用地碳排放减少的因素是产业结构和能源结构。建设用地碳排放与经济增长呈现弱脱钩,对脱钩经济增长努力有效的五大因素按贡献大小排序依次是能源结构、产业结构、建设用地规模、能源强度和城市人口密度。调整能源结构、优化产业结构和调控建设用地规模等可成为未来安徽省抑制建设用地碳排放应优先考虑并重点采取的有效措施。     

中国中部六省的碳排放趋势研究

采用王铮等人提出的中国碳排放预估模型,测算在经济平稳增长条件下,中部六省未来的能源碳排放趋势,考虑了6省未来水泥工业的碳排放,并采用CO2FIX模型计算各省森林碳汇量,从而得出各省的净碳排放量,为各省制定碳排放战略提供参考。结果显示：各省的能源碳排放量都呈现先增长后下降的倒U型特征,能源碳排放高峰出现的先后顺序分别是河南、湖南、山西、安徽、江西、湖北;6个省份水泥工业的碳排放都呈现不断增长的趋势,水泥工业产生的碳排放量最大的是河南,最小的是山西;累计森林碳汇量最大的是江西省,其次是湖南省,河南省最小;各省应在减少能源碳排放的同时,控制水泥工业产生的碳排放,积极增加森林碳汇,从多方入手减少碳排放。     

陕西省工业碳排放影响因素分析与启示

根据IPCC碳排放计算方法计算了2005—2014年陕西省37个主要工业产业的能源消费碳排放量,运用LMDI方法建立了陕西省工业碳排放影响因素分解模型,定量分析了碳排放影响因素的作用程度。结果表明:陕西省工业碳排放的主要驱动因素是产业经济规模,其他各影响因素按贡献率绝对值大小依次是能源强度、能源结构和产业结构。根据分析结果,提出应从供给侧结构性改革、产业结构调整、提高能源效率、能源结构优化等方面促进节能减排,以减少陕西省工业碳排放量。     

区域碳排放因素分解及最优低碳发展情景分析——以中部地区为例

通过测算中部地区1995～2010年间碳排放状况及LMDI影响因素分解分析,发现经济规模的扩大是拉动中部人均碳排放的决定因素,其累积排放效应远高于能源效率和能源结构的碳减排效应。基于IPAT方程对中部地区碳减排与经济增长最优情景的定量分析表明,适宜中部地区2020年和2030年的最优低碳发展情景分别是"中增长、高效率"和"低增长、低效率"。     

中国交通运输碳排放效率的时空异质性及影响因素研究

基于2010—2019年中国30个省域的面板数据,运用非期望产出的超效率SBM模型测算出各省域交通运输碳排放效率,并通过时空地理加权回归模型（GTWR）考察各驱动因素对交通运输碳排放效率的影响及时空异质性。结果表明：（1）中国各省域交通运输碳排放效率的时空差异明显,河北省位于生产前沿面,云南省年均增长率最高。（2）政府干预对交通运输碳排放效率的影响最大,其次是能源结构、人均GDP和能源利用效率,相比而言,人口规模和科技水平的影响程度相对较小。（3）各影响因素呈现较强的时空异质性,不同时间、地区各驱动因素的波动方向和强度并不相同。故需要综合考虑不同指标对交通运输碳排放效率影响程度的时空差异性,以促进中国交通运输业高质量发展,也为其他发展中国家提供相关借鉴。     

中国碳排放量影响因素研究——基于省级面板数据的分析

采用中国30个省（市、区）2000～2010年的相关数据,运用面板数据模型对中国碳排放量的影响因素进行实证研究。面板协整检验表明：区域碳排放量与人均GDP、产业结构、人口数量、能源价格、能源效率和人均可支配收入之间存在长期稳定的内生经济关系。运用面板模型估计各因素的影响系数分析,认为对中国东部、中部、西部地区碳排放量影响最大的三大因素为人均GDP、人口数量和能源效率。     

湖北省工业行业碳排放驱动因素分解——基于面板数据的实证分析

基于2000—2016年湖北省工业行业面板数据,采用对数平均迪氏分解(LMDI)方法探究了工业从业人口规模、经济效率、行业结构、能源结构、能源效率五大因素对工业碳排放的影响。研究发现:(1)能源消费结构是工业整体碳排量增长的主要驱动因素。(2)高碳行业和中碳行业对促进工业碳排量增长具有明显正效应,低碳行业抑制工业碳排量增长的效果不明显。(3)经济效率和行业结构在不同碳排放水平的行业中对碳排量增长贡献值始终为负。根据研究结论,提出对应的政策建议。     

内蒙古能源消费碳排放变化的分解分析

本文基于扩展的Kaya恒等式,应用对数平均Divisia指数法,建立了碳排放因素分解模型,定量分析了1999—2008年内蒙古的经济产出规模、人口规模、产业结构、能源结构及能源强度等因素对碳排放的影响。研究结果显示,经济产出规模对内蒙古该阶段的能源消费碳排放的贡献率最大,达到89.22%,其他影响因素按贡献率绝对值的大小排序依次是产业结构(17.01%)、能源强度(-6.71%)、人口规模(2.78%)、能源结构(-2.30%)。因此,目前内蒙古节能减排的重点在于提高能源效率、调整产业结构、优化能源结构及实施绿色GDP核算。     

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。