中国工业碳排放的因素分解与脱钩效应

采用广义迪氏指数分解法（GDIM）分析2000~2016年中国工业碳排放的驱动因素,并在此基础上,创新性地结合DPSIR框架构建脱钩努力模型测度工业碳排放的脱钩效应.研究结果表明：产出规模效应、技术进步效应、能源消费规模效应和人均碳排放效应是导致工业碳排放增加的主要因素,而产出碳强度效应与技术进步碳强度效应是减少工业碳排放的关键因素;工业碳排放的脱钩效应呈"未脱钩~弱脱钩~强脱钩"的阶段性特点;产出碳强度效应与技术进步碳强度效应是工业碳排放实现强脱钩的决定性因素,同时更需要调整能源结构、降低能源强度与碳排放强度来实现工业碳排放强脱钩.     

中国旅游业碳排放的影响因素分解及脱钩效应

采用广义迪氏指数分解法（GDIM）分解2000~2017年中国旅游业碳排放的影响因素,并在此基础上采用Tapio脱钩因果链模型分析旅游业碳排放的脱钩效应.结果表明：旅游业增加值、旅游业能源消耗量和旅客人次数是旅游业碳排放的促增因素,增加值能源强度和人均旅游业增加值是旅游业碳排放的促降因素,增加值碳强度、能源消耗碳强度和人均旅游业碳排放对旅游业碳排放的促增和促降作用在研究期间均有出现;旅游业能源消耗量的累积促增效应最大,为2030.13万t,增加值能源强度的累积促降效应最大,为103.29万t;旅游业碳排放的脱钩状态不佳,但近年来有所改善;人均脱钩弹性波动剧烈,节能弹性的变化是其波动的主要原因.     

云南省碳排放历史变化特征及影响因素分析

基于1980—2011年云南省经济发展和能源消费数据,计算了云南省碳排放量和碳排放强度,并分析了历史变化特征。采用LMDI法定量分析了能源结构、能源效率和经济发展因素对云南省人均碳排放的影响效应。结果表明,1980—2011年,云南省一次能源消费产生的碳排放总量呈指数型递增。碳排放量中平均有88.55%来自煤炭的消费,9.53%来自石油的消费,1.92%来自天然气的消费。32年来云南省人均碳排放增长的主要原因是经济发展的拉动作用,经济发展对人均碳排放的贡献率呈指数增长;抑制因素主要是能源效率的提高;能源结构的调整对人均碳排放的抑制效应不显著。     

中国建筑业碳排放强度影响因素分析

针对2000—2014年我国建筑业构建了碳排放强度测算模型,并基于对数平均迪式指数分解法(LMDI)对碳排放强度的影响因素从能源碳排放强度效应、能源结构效应、能源强度效应以及间接碳排放强度效应4方面进行了分解分析,结果显示:2000—2014年我国建筑业碳排放强度出现了两次波动,但总体呈下降趋势,间接碳排放强度效应对碳排放强度变化起主要作用,是阻碍建筑业碳排放强度下降的主要因素,能源结构效应与能源强度效应对其贡献较小,二者在碳排放强度上升阶段对其变化起抑制作用,在碳排放强度下降阶段对其变化起促进作用。     

中国超大城市碳排放达峰的影响因素及组合情景预测——基于门限-STIRPAT模型的研究

城市是中国碳排放的重要来源,而超大城市的碳达峰研究对国内其他城市和全国能否实现碳达峰目标具有重要的现实意义.以北京、上海、广州、深圳、天津和重庆等6个超大城市为研究对象,能源强度为门限变量,建立门限-STIRPAT模型,首先确定6个超大城市碳排放的驱动因素,然后对27种情景下的各城市碳排放达峰进行预测.研究结果表明:①人口、人均GDP和能源强度对各城市碳排放起到正向促进效应,人口的影响效应最大,其次是能源强度,人均GDP对碳排放的影响最小.②能源强度对二氧化碳排放的影响呈阶段性变化特征.③北京、上海和重庆在高能源强度下降率的情景下,已经达峰;天津、除最宽松的高-高-高情景外的广州和深圳会在2030年前实现达峰.如果能源强度以中速率下降,6个城市碳排放不能保证一定能在2030年前达峰.如果能源强度以低速率下降,6个城市均不能在2030年前达峰.本研究有利于明确超大城市碳排放的影响因素,对其他城市尽快实现碳排放达峰具有借鉴意义,为全国实现碳达峰目标提供可行的研究思路.     

中国碳排放的区域差异及演变特征分析与因素分解

在研究近16 a(1995—2010年)中国八大区域碳排放特征及其演变规律的基础上,采用LMDI分解方法,将碳排放的影响效应分解为人口规模效应、经济发展效应、能源强度效应和能源结构效应,探讨中国碳排放区域差异变化的原因与规律。结果表明:①八大区域碳排放量和人均碳排放量均呈逐年上升趋势;②东北、京津和东部沿海地区碳排放比重逐年下降,其它地区正好相反或维持不变;③经济发展效应对碳排放有最强正影响,能源强度效应对碳排放有最强负影响;④人口规模效应对包含直辖市的区域碳排放有较大的正影响,经济发展效应对经济发达地区的碳排放正效应弱于其它地区,能源强度效应对经济结构调整活跃地区的碳排放有较强的抑制作用,能源结构效应受宏观经济形式与能源政策影响,对碳排放的影响有较大波动。     

2000-2009年安徽省能源消费与碳排放分析

根据联合国政府气候变化专门委员会(IPCC)2006年版碳排放指南中的计算公式和碳排放系数缺省值,计算了安徽省2000年-2009年能源消费和碳排放情况。结果表明:安徽省能源消费由2000年的4878.82万t标准煤增长到2009年的8895.90万t标准煤,平均年增长率为6.9%,其中第二产业部门能源消费量均占能源消费总量的79%以上;能源消费产生的二氧化碳由2000年的4107.48万t增长到2009年的8536.12万t,其中在各种能源消费碳排放量中原煤的碳排放量最大,占总碳排放量的77%82%;碳排放强度总体上呈现下降的趋势,低于全国平均碳排放强度,但高于全球和美国;碳排放的因素分析得出碳排放量与人口、人均GDP、能源强度呈现高度相关性。     

基于LMDI的长江经济带交通碳排放变化分析

基于LMDI分解模型,探究了2000~2019年长江经济带交通运输业碳密度、运输结构、能源效率、能源强度、经济结构、经济水平以及人口规模等因素对交通碳排放的贡献程度及时空特性,并使用泰尔指数测算了碳排放的区域差异性.结果表明,经济规模持续扩张是长江经济带交通运输业碳排放增长的第一主导因素,对碳排放的正向驱动效应为116.33%,其次是人口规模（6.19%）;运输结构和经济结构的转变则是抑制碳排放增长的关键因素,其负向驱动率分别为-26.18%和-16.25%;而技术水平（能源效率和能源强度）的提升有助于抑制碳排放增加.此外,基于人均碳排放和碳排放强度的泰尔指数均显示长江经济交通碳排放量的区域差异性明显,其中区域内差异大于区域间差异,且基于碳排放强度的区域差异呈现出“俱乐部趋同”现象.最后,对长江经济带交通绿色发展提出了政策建议.     

中国城市居民生活能源碳排放的时空格局及影响因素分析

随着经济社会的发展与人民生活水平的提高,生活用能强度逐年增大,城市居民生活能源碳排放日益成为碳排放的新增长点.本文采用Theil指数、空间自相关分析了我国城市居民生活能源碳排放的时空格局演变特征,并利用STIRPAT模型分析了影响城市居民生活能源碳排放的主要因素.结果表明:12001—2012年我国城市居民生活能源碳排放总量及人均生活能源碳排放量均呈增长趋势,其年增长率分别为9.69%、3.29%;2八大经济区域间城市居民人均生活能源碳排放的差异是构成我国城市居民人均生活能源碳排放总体差异的主要原因,其对总差异的贡献率达到了57.90%;3我国城市居民人均生活能源碳排放具有显著的空间正相关性,2001—2012年间城市居民人均生活能源碳排放的"冷点"区变化较为稳定,主要分布在东部和南部经济区,而"热点"区主要分布在西北、东北和黄河中游经济区;4城市人口规模、城市居民可支配收入、城市居民生活消费支出、城市居民年龄结构均对城市居民生活能源碳排放量具有加剧作用,而城市居民能源消费结构具有减缓作用,且北方城市居民生活能源碳排放量明显高于南方;5现有样本数据支持环境Kuznets曲线假说,即随着经济的发展,城市居民生活能源碳排放量存在转折点.     

广东省能源消费碳排放分析及碳排放强度影响因素研究

根据省级能源统计和温室气体核算规则,计算分析了2005~2012年广东省能源消费碳排放和碳排放强度变化,并应用对数平均迪氏指数法对计算期的碳排放强度变化进行因素分解,定量分析了各产业(部门)能耗强度、产业结构、能源消费结构和能源碳排放系数对广东省碳排放强度变动的影响.结果表明:2005~2012年,广东省能源消费CO2排放年均增长6.28%,单位GDP碳排放累计下降27%,各产业(部门)能耗强度下降是推动碳排放强度下降的主要原因;净外购电力的碳排放系数下降及用作原材料石油消费比重上升也有利于单位GDP碳排放下降;产业结构和能源消费结构总体上朝着不利于碳排放强度下降的趋势发展;生活能源消费年均增速低于GDP年均增速,有利于地区碳排放强度下降.     

基于化石能源消耗的重庆市二氧化碳排放峰值预测

首先利用重庆市能源平衡表,采用IPCC方法 1对重庆市1997—2012年的碳排放进行核算;其次依据重庆市经济社会发展状况,通过LMDI因素分解法将影响碳排放的因素分解为:人口、人均GDP、产业结构、能源结构、能源强度和碳排放系数;然后利用扩展的重庆市STIRPAT碳排放模型,在9个情景模式下对2013—2050年重庆市碳排放进行预测;最后对比分析了各情景下的峰值大小及出现时间.研究发现:基准模式下的重庆市碳排放在2035年出现32135.38万t的峰值;提高能源利用技术、增加清洁能源使用比例和大力发展第三产业,能在不降低经济发展的情况下有效降低碳排放;消极因素中的第二产业占比下降比碳排放强度下降对碳排放的抑制作用更加明显;积极因素对碳排放峰值的影响比消极因素更有效.     

基于函数极值条件下的中国碳达峰碳中和情景分析

基于函数极值条件提出了碳达峰出现时间和需要满足的理论条件,并对主要发达国家作了验证,同时对中国现状做了分析,最后采用了基准和强化两种情景分析了中国实现2030年碳达峰后进入2060年碳中和时期的二氧化碳排放量。研究结果显示：（1）根据IPAT恒等式将碳排放函数分解成人口、人均GDP和碳强度三个因素时,碳峰值出现时间为三个因素年增长率之和由正转负的正数值年度,发达国家的历史数据证实了这一条件。（2）中国三个因素年增长率之和自2003年起已经开始降低,最近几年一直在0.01~0.02徘徊,表明总体上朝着有利于碳达峰的方向发展,同时按照三个因素的预期发展目标计算得出中国2030年碳排放峰值的上限为112.2亿t,若2021—2035年保持相同的人均GDP年均复合增长率,碳强度年均复合增长率的绝对值需要比人均GDP年均复合增长率高0.14个百分点。（3）在能源消费总量逐渐回落的前提条件下,2060年基准情景下非化石能源占比约为65%,产生的二氧化碳量约为31.4亿t,强化情景下非化石能源占比约为70%,二氧化碳排放约为26.6亿t,而碳汇和CCUS等固碳技术还存在不确定性,碳中和任务依然艰巨。实现碳达峰碳中和最终需要控制能源消费,践行低碳消费行为。     

上海市能源消费碳排放分析

根据联合国政府间气候变化专门委员会(IPCC)2006年版碳排放计算指南中的计算公式和碳排放系数缺省值,计算了上海市1994─2006年能源消费碳排放量. 结果表明:1994年以来碳排放量逐年增加,碳排放强度不断下降,由1994年的2.51 t/(104元)降到2006年的1.07 t/(104元). 通过比较2005年上海与全国以及主要经济大国间的碳排放量、碳排放强度和人均碳排放量发现,上海市能源消费碳排放量占全国的3.5%;碳排放强度低于全国和全球水平,但比英国、德国、日本高;人均碳排放量为2.7 t/a,是全国和全球平均水平的2倍多,低于美国、澳大利亚和加拿大. 从能源利用效率、经济增长方式、能源结构以及经济结构等角度分析了碳排放强度下降的原因,其中能源结构调整引起的平均碳排放系数下降和第三产业比重上升是主要原因.      

市域能源碳排放影响因素分析及减碳机制研究——以福建省为例

选取福建省市域作为研究对象,应用扩展型的STIRPAT-PLS模型对2010~2016年福建省市域碳排放影响因子进行实证分析,探讨驱动福建省市域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：总人口、城镇化率、人均GDP、第二产业比重和能源强度对碳排放量增加有正向驱动作用,而第三产业比重对碳排放量增加有负向驱动作用.总人口、城镇化率以及第二产业比重对碳排放量增长的贡献最大.据此,建议福建当前及未来时期减碳重点应是采取优化能源结构和促进产业结构升级,加速发展清洁、再生能源与提高能源效率相并重等策略.     

北京市能源消费碳足迹影响因素分析

为了量化人口、城市化和技术等因素对城市碳排放的影响,以北京市为研究对象,引入修正的碳足迹方法计算1990~2011年城市能源消费碳足迹,采用STIRPAT模型和偏小二乘模型对城市能源消费碳足迹的影响因素进行评估.结果显示,城市化、人均收入、人口是碳排放最主要的正向驱动因素,而能源消费强度、产业结构和研发投入比重等因素导致碳排放降低.北京市二氧化碳排放不存在环境库兹涅茨曲线,城市碳排放总量虽然整体状况还在增加,但增长速度在逐步放缓,经济发展与环境保护尚未实现协同.根据模拟结果,降低碳排放和建设低碳城市的建议是发展集中型和紧凑型的城镇功能组团,控制人口过快增长,合理引导居民绿色消费,依靠科技创新和技术进步.     

天津市工业能源消费碳排放量核算及影响因素分解

天津市工业经济的快速发展促使其能源消费量持续增加,已经成为该市能源消费的主体.建立能源消费的碳排放核算方法,对天津市工业能源消费碳排放量的时间序列进行分析.结果表明:在过去10 a内天津市工业能源消费的碳排放量年均增长10.41%,比工业增加值平均增速低58.53%;工业能源强度持续下降,万元(104元)增加值碳排放强度整体呈下降趋势,由1999年的2.38 t/万元降至2009年的0.68 t/万元,表明工业节能减排效果较明显;在工业终端能源消费结构中,煤炭占57.80%,高于北京、上海等地.采用对数平均迪氏指数分解法(LMDI)对工业经济规模、行业结构、能源效率和能源结构等因素进行分析.结果表明:工业经济规模是碳排放持续增长的主导原因;行业结构、能源结构整体上对碳排放量影响较小;能源利用效率提高是工业节能减排成效的最主要贡献因素,对碳排放量变化的贡献率达-140.80%.通过对天津市工业行业的进一步分析可知,能源密集型行业严重影响了工业能源消费碳排放量的变化.      

东北三省能源消费碳排放测度及影响因素

将扩展的Kaya恒等式与对数平均迪氏指数（LMDI）分解法相结合,以2005~2016年东北三省主要能源消费数据为研究对象,构建优化的碳排放分解模型,测度并分解其碳排放与碳排放强度.通过与中国同期能源消费碳排放的定量对比分析,考察各产业（部门）能源结构效应、能源强度效应、产业结构效应、经济产出效应和人口规模效应对东北三省能源消费碳排放的影响.结果显示：2005~2016年,东北三省碳排放总量占中国碳排放总量的8.84%,碳排放强度普遍高于中国碳排放强度.经济产出效应和人口规模效应对东北三省碳排放增长起拉动作用,其中经济产出效应贡献最大为188%,经济发展和城市化进程的加速不利于碳排放的降低.产业能源强度效应、能源结构效应及产业结构效应对东北三省碳排放增长起抑制作用,能源强度效应的抑制作用最大为59%,产业能源强度的调整空间较大.降低能源消耗强度,调整产业内部结构,完善经济政策体制是今后促进东北三省低碳经济发展的重要手段.     

基于STIRPAT模型天津减污降碳协同效应多维度分析

基于STIRPAT模型,从排放总量、减排量和协同效应系数这3个维度定量分析了天津市减污降碳协同效应.结果表明,天津市大气污染物和温室气体的主要排放源均为工业源,大气污染物和温室气体的Pearson相关系数为0.984;人口总数、城镇化率、地区生产总值、能源强度和二氧化碳排放强度是影响天津市减污降碳协同效应的重要因素;天津市2011年和2012年大气污染物和温室气体协同增排,协同效应系数分别为0.18和0.17;2013~2014年和2018~2023年大气污染物减排且温室气体增排,协同效应系数均小于0,减污降碳不具有协同效应;2015~2017年和2024~2060年大气污染物和温室气体同时减排,协同效应系数范围为2.74~8.76.天津市具备在2024年进入减污降碳协同增效阶段的条件,天津市推动减污降碳协同增效最关键的是严格控制温室气体排放总量,持续推动能源强度和二氧化碳排放强度的下降,合理控制人口总数、城镇化率和地区生产总值.     

人均GDP、能源强度与碳排放的面板数据分析

利用2000年-2009年中国各省市的面板数据,考察了人均GDP与能源强度对碳排放的影响。在单位根检验的基础上,对这三个变量进行了协整关系检验,实证结果显示,三个变量间存在长期的均衡关系,并以碳排放为被解释变量,能源强度和人均GDP分别作为解释变量进行回归分析。能源强度和人均财富的提高都会增加二氧化碳的排放量。     

基于STIRPAT模型的重庆市能源消费碳排放影响因素研究

定量分析人类活动对环境的影响,对减少碳排放和建设环境友好型社会具有重要的指导意义.因此,本文采用重庆市1980-2010年能源消费碳排放时间序列数据,基于STIRPAT模型,通过岭回归拟合得到能源消费碳排放与人口数量、人均GDP及其二次项、能源强度、第三产业比重、城镇化水平的多元线性模型.结果表明,人口数量、人均GDP、能源强度、城市化水平每增加1％,将引起重庆市能源消费碳排放相应增加0.963％、(0.398 +0.463lnA)％、0.059％、0.266％,其中,A为人均GDP.可以看出,人口数量对重庆市能源消费碳排放量影响最大.第三产业比重每增加1％,能源消费碳排放将会减少0.093％.