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。     

上海能源消费碳排放分解研究

能源利用不仅为经济活动提供动力还大量排放二氧化碳.为分解上海市能源消费CO2排放的影响因素,明晰上海市能源消费CO2排放变化特征,采用指数分解分析方法建立了上海市能源消费碳排放的LMDI分解模型,从经济规模、产业结构、能源强度和产业碳排放系数4个影响因素着手,实证研究了1995-2005年上海分三次产业的能源消费碳排放变化机理.结果表明:经济快速增长是上海碳排放增加的主导因素,能源强度下降是抑制碳排放增长的重要因素.产业结构,能源结构优化有利于控制碳排放,而重工业化、能源结构高碳化会增加碳排放.基于实证分析结果和上海市情,提出了上海市未来控制碳排放的相关政策建议.     

中国碳排放强度的行业差异与动因分析

测算了1995—2010年中国各行业的碳排放强度,并采用行业分解方法分析了各行业对中国碳排放强度的影响. 结果表明:工业碳排放对总体碳排放强度下降起主导作用,对其下降的贡献率为73.35%;其他服务业次之,贡献率为22.68%;农业、交通运输业、商业和建筑业贡献率较低,分别为1.38%、1.22%、1.17%、0.20%. 采用泰尔指数对中国碳排放强度进行行业差异分析发现,1995—2010年中国各行业碳排放强度泰尔指数从0.3927升至0.4889,行业间碳排放强度的差异呈扩大趋势. 运用差值因素分解模型分析中国碳排放强度变化动因发现,在1995—2010年中国碳排放强度的下降中,技术效应具有促进作用,贡献率为104.64%;结构效应具有抑制作用,贡献率为-4.64%. 未来宜从优化产业结构、加快技术研发和应用等方面降低碳排放强度.      

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.     

昆明市二氧化碳排放峰值研究

通过对国内外二氧化碳排放峰值预测模型的分析研究,在2010年昆明市社会发展及能源消耗数据的调查基础上,设定昆明市2011—2035年低、中、高3种排放情景模式。分析影响昆明市碳排放量的因素,对STIRPAT模型进行拓展,计算相应的碳排放峰值出现年份及峰值量。结果显示:在低排放模式和中排放模式的情景下,昆明市的碳排放峰值可分别在2021年及2028年达到,而在设定的高排放模式下,2011—2035年,碳排放量一直呈上升趋势。应提高能源效率,优化能源结构,科学规划产业结构,降低碳排放强度,尽早达到碳排放峰值年。     

河南省农田生态系统碳源/汇时空分布及影响因素分解

为明确河南省农田生态系统碳源/汇分布特征及影响因素,利用2010—2020年河南省农作物播种面积、产量等数据估算农田生态系统 碳源/碳汇量,分析其时空特征,并采用对数平均迪式指数法（LMDI加法分解模型）分别对碳源/汇的影响因素进行分解.结果表明,2010—2020年,河南省农田生态系统碳排放呈先增后降的趋势,田间氮肥施用所造成的碳排放贡献率最大,达74.39%~76.35%.各地市农田生态系统的 碳排放量、增幅及单位播种面积碳排放强度均存在显著差异.河南省农田生态系统碳吸收呈上升趋势,净增6.0×10⁷ t,增幅为22.93%.各地市碳吸收量及单位播种面积碳吸收强度均呈增长态势,河南省农田生态系统碳汇能力不断增强,且碳吸收量大于碳排放量.在碳源影响因素分解中,农业能源利用水平和农业低碳技术水平的提高、劳动力规模的控制可有效减少碳排放;在碳汇影响因素分解中,碳汇系数、碳汇技术水平与碳吸收量呈正效应,且小麦碳汇能力最强.建议通过提高能源利用水平和低碳技术水平、调整农作物种植结构、发展循环农业模式等措施,实现农田生态系统降碳增汇.     

上海市碳排放强度的影响因素解析

采用对数均值迪氏分解（LMDI）法对1995—2008年上海市碳排放强度进行分解分析. 结果表明,产业部门能源强度的下降是上海市碳排放强度下降的主要原因,贡献率为67.6%. 进一步分析显示,上海市能源强度的下降主要来源于第二产业,但由于传统的工业节能改造的潜力有限,近年来工业能源强度下降的速度逐渐放缓,其对碳强度减排的贡献趋于减少. 能源结构和产业结构的调整是碳排放强度下降的次要原因,贡献率分别为18.2%和14.2%. 但是能源结构和产业结构仍然存在较大的调整空间,这2个因素有望对碳排放强度的下降作出持久的贡献.      

重庆市工业耗能相关碳排放变化驱动因素研究

在构建重庆市工业耗能相关碳排放影响因素分解模型的基础上,采用因素分解方法分析了过去十余年间(1999²011)4种驱动因素对重庆市工业碳排放变化的影响,并识别出关键驱动因素。结果显示:能耗增长的主要原因是工业经济发展;工业能源强度是促进重庆市工业耗能相关碳减排的主要影响因素;产业结构因素对重庆市工业耗能相关碳排放变化的影响存在波动,但其累积效果表现为减排;能源结构因素对重庆市工业耗能相关碳排放变化没有显著影响。最后,结合各关键因素的未来发展趋势,提出重庆市工业未来低碳发展的可行途径为技术进步和产业升级。     

广东省交通碳排放核算及影响因素分析

交通领域是二氧化碳排放的重要领域,为研究广东省的交通碳排放及影响因素,利用IPCC（联合国政府间气候变化专门委员会）在温室气体清单指南中提供的方法估算了广东交通碳排放量,并应用LMDI分解法（对数平均指数法）对广东交通碳排放进行因素分解分析.结果表明:① 2001-2010年广东交通碳排放量从1 950.98×104 t增至6 068.41×104 t,其中交通运输业碳排放是广东交通碳排放的主体,私人交通碳排放已成为广东交通碳排放不可忽视的组成部分.② 交通运输业中的公路碳排放量占比最大,占56%~64%;铁路的碳排放量占比最小,占0.6%~1.6%;水运具有较大的节能优势;民航单位周转量碳排放量最高.③ 交通运输业发展水平、运输结构、私人汽车数量规模对广东交通碳排放增加的贡献率分别为68.79%、36.14%、18.66%,是拉动广东交通碳排放增长的主要因素;运输强度与能源强度的贡献率分别为-18.1%、-6.46%,是抑制交通碳排放增长的因素.广东可以通过采取优化交通运输结构、使用替代清洁能源等措施减少交通碳排放.      

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.     

面向碳达峰目标的重庆市碳减排路径

以重庆市为案例构建本地化LEAP模型,借助LMDI分解、Tapio脱钩弹性系数、单一措施减排效果比较以及减污降碳交叉弹性,探寻重庆市碳达峰目标下的关键影响因素及其碳减排路径特征.结果表明:重庆市在当前碳减排措施力度下难以实现2030年前碳达峰目标,若强化碳减排措施,重庆市可于2025年前实现碳达峰目标,峰值约为1.62亿t.产业终端能耗强度、能源消费结构、产业结构以及电力生产结构是影响重庆市碳达峰目标的关键因素.控制工业能耗和调整产业结构的碳减排效果相对其他措施更为显著,且均具有减污降碳协同效应,应作为重庆市碳减排路径的优先选择.     

中国省域碳达峰路径与政策

从省域层面推动发达地区率先碳达峰是中国实现2030年前碳达峰目标的有效途径.以江苏省为例,构建了省级LEAP-Jiangsu模型,结合改进的多层对数平均迪氏分解(M-LMDI)模型、 Tapio脱钩模型和减污降碳协同效应模型探索碳排放的关键影响因素及碳达峰路径.采用改进的多层M-LMDI模型分析了江苏省历史时期和未来预测情况下碳排放的主要影响因素;基于历史碳排放分解结果和规划目标,构建了多种发展情景的LEAP-Jiangsu模型,预测江苏省碳排放达峰时间及达峰水平;运用Tapio脱钩模型和减污降碳协同效应模型,研究碳排放与经济发展的关系和碳排放与大气污染物排放的协同效应.结果表明,2035年江苏省一次能源需求总量以标煤计约为401.2～474.6 Mt,终端能源需求量约为319.2～382.3 Mt;江苏省最可能在2025～2030年实现碳达峰目标,碳排放峰值约为815.3～845.7 Mt;能源强度降低、产业结构优化、提高终端电气化水平和能源结构调整等节能减排措施的减排贡献率分别为33.1%、 26.8%、 21%和15.2%.     

中国碳排放强度影响因素对区域差异的作用分析

根据IPCC方法计算得到1995—2012年中国各省市碳排放数据,表明从1995年开始,我国各省市的碳排放强度整体上呈现南低北高,东低西高的分布格局,并有逐渐下降的趋势.区域间碳排放强度的基尼系数、Theil系数、对数离差均值的计算结果表明碳排放强度在各省市自治区间存在明显差异,并且差异随着时间逐渐增大.为了进一步分析碳排放强度差异的影响因素,我们建立了碳排放强度的回归方程,并采用夏普里值分解法进行影响因素的分解分析.整体上可以看出经济发展水平对碳排放强度差异的贡献值最大,而且随着时间推移其对碳排放强度差异的作用逐渐加强.其次是产业结构和能源结构,贡献值分别为18.91%和26.76%,对碳排放强度差异的贡献值随着时间逐渐减少,作用也逐渐弱化.最后是城市化水平(贡献值为~(-1).65%),仅在一定程度上能够降低碳排放强度的差异.进一步采用第三产业占比表示产业结构,石油占比表示能源结构进行分析,发现它们与碳排放强度变为反向关系.即一个地区的第三产业比重高,在能源结构中油的比重大,煤炭比重小,碳排放强度相比于其他地区则低.由此可见,石油比重的区域差异是影响碳强度差异的一个主要原因.因此,提升碳排放强度高的地区的石油以及低碳能源可以缩减区域间的碳排放差异.本文的研究对合理、公平的碳减排政策的制定,鼓励各省市自治区积极参加碳减排活动有着积极的意义.     

碳减排方案优化及其在产业升级中的效应研究

构建了包含能源消耗与碳排放的多行业动态一般均衡模型,研究发现,通过各行业的边际减排成本相等这一总体减排任务的合理分解方式,能够实现要素的优化配置并激发“创新补偿效应”,具有相对较高的增长效应与福利效应.分行业单独制定碳减排约束时的边际减排成本较高,且无法产生行业间减排的联动效应,因而总体减排方案是有效的.碳强度减排方案优化后,其在产业结构升级中的效应也十分明显.测算结果表明,碳减排对工业结构“重型化”的控制效应明显,还将农业减排的压力转化为“富碳农业”发展的动力,导致经济中农业占比上升.服务业企业通过增大劳动和资本等要素的投入替代产生高碳排放的能源要素,减缓碳减排政策对其生产行为的负向影响并实现了稳定增长.随着减排强度的加大,中国产业结构合理化和高度化程度得到了显著提升.     

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％.     

基于系统动力学的中国碳减排路径模拟

通过分析二氧化碳排放影响因素之间作用关系与碳减排的主要路径,构建二氧化碳排放系统动力学模型。在此基础上,通过调控供给侧经济增长速度、能源结构和产业结构要素,预测四种不同情景方案对二氧化碳排放的影响,以进一步探讨二氧化碳排放主要部门减排贡献。结果表明：四种方案的二氧化碳净排放量增长趋势逐年变缓,在二氧化碳净排放量达到峰值后,调整经济增速、改善能源结构和优化产业结构继续为碳减排发挥积极作用,相比于经济增速和产业结构调整,能源结构改善的减排贡献度更高。在综合调控经济增速、能源结构和产业结构的方案下,中国二氧化碳净排放量2024年将达到高峰值104.45亿t,2058年实现碳中和,这与现实情况更加吻合。未来若能抓住经济、能源、产业低碳转型的良好机遇,并进一步加强各部门的减排努力,中国二氧化碳净排放量有望2025年前达峰,2060年前实现碳中和。     

山西省CO2排放影响因素研究及情景分析

山西作为我国的能源大省,其碳排放强度更是持续位于全国最高水平,分析山西省CO₂排放影响因素,探究其发展模式,对于山西省的低碳发展意义重大.基于STIRPAT模型,将山西省能源CO₂排放的影响因素确定为人口、城镇化率、人均GDP、第二产业占GDP比重、能源强度.在岭回归拟合分析的基础上,利用灰色GM（1,1）模型对山西省CO₂排放驱动因素值进行预测,以提高能源CO₂排放预测的准确性,并结合情景分析方法,为山西省的CO₂减排设计了10种不同的发展情景.结果表明:①人口对山西省CO₂排放影响最大,其次是城镇化率和第二产业占GDP比重.②在当前经济发展阶段,能源强度和人均GDP等因素对山西省的CO₂排放影响不大,但能源强度对CO₂排放的抑制作用不可忽略.③山西省CO₂减排最佳的情景方案为适当控制人口数量和城镇化进程、加快产业结构的转型和技术的革新、降低第二产业占GDP比重和能源强度,并且大力推广新能源和清洁可再生能源的开发使用以优化能源消费结构.在该情景下,山西省2020年的CO₂排放量可以控制在5.16×108 t.      

2005-2009年我国省域CO2排放特征研究

利用IPCC的参考方法测算并比较分析了2005-2009年我国30个省(市、自治区)的CO₂排放总量、人均排放量、排放强度、综合能源排放系数等重要指标,并在此基础上,依据人均GDP、第二产业比重和能源利用结构与碳排放强度的关系,将各省(市、自治区)划分为不同的CO₂排放类型。研究结果表明,省域间各指标差异较大,影响碳排放的因素也不尽相同。省域减排的政策、途径和措施须充分考虑各自的经济发展水平、产业结构和能源利用结构等因素。     

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.