中国省域能源消费碳排放时空异质性的EOF和GWR分析

利用自然正交函数(EOF)揭示中国各省份能源消费碳排放量变动的时空特征,借助地理加权回归模型(GWR)分析了碳排放量驱动因素的空间分布状况.研究结果表明:中国省域能源消费碳排放量整体处于增长状态,但其增长速度有减缓趋势;EOF第一模态结果显示,碳排放量以四川省为中心向南北方向扩散,低值区集中分布在西北地区和珠三角地区;第二模态结果显示,碳排放量增长速度表现出西南地区和东南沿海地区较快,而中部省份碳排放量增长速度较慢的态势.碳排放量影响因素的重要程度由大到小依次为:总人口变化量、人均GDP变化量、城镇化率变化量、二产比重变化量、贸易开放程度变化量和能源消耗强度变化量,其中,总人口变化量的影响程度最为剧烈,每当总人口变化1%时,碳排放量相应地会变化0.5358%.     

基于ESDA-GWR的1997—2012年中国省域能源消费碳排放时空演变特征

利用1997—2012年《中国能源统计年鉴》和《中国统计年鉴》相关数据,结合重心转移、ESDA及GWR等模型和方法,分析了近16年间中国省域能源消费碳排放量的空间相关性、异质性及影响因素,根据碳排放量划分标准将各省份划分为不同的碳排放区.结果表明:16年间碳排放量的重心向西迁移;我国省域碳排放量存在较为显著的空间正相关,自相关性在整体上表现出先增大后减小的趋势.2001年全局Moran's I指数达到最高值,为0.3012;能源消费碳排放量的冷热点格局表现出冷点扩张、热点被压缩的趋势;影响碳排放量的6个因素的影响程度由大到小依次为:总人口人均GDP煤炭消耗比重全社会固定资产投资第二产业比重人口老龄化率,只有人口老龄化率这一指标表现出负相关性;近16年我国省域碳排放量的空间格局发生了显著变化,2012年已有13个省份属于超重型碳排放区,表明我国要加强碳减排的力度.     

中国第三产业能源碳排放影响要素指数分解及实证分析

基于碳排放量基本等式,采用Divisia指数分解法建构中国第三产业能源碳排放的因素分解模型,定量分析了2000～2009年间,能源结构、能源效率、产业结构及产出四因素对中国第三产业能源碳排放的影响.结果显示产业产出及能源结构对拉动中国第三产业能源碳排放的贡献率逐年增长,能源效率及产业结构对抑制中国第三产业能源碳排放发挥作用,但产业结构的影响作用不强,且抑制因素作用无法抵消拉动因素引起的碳排放增长.基于此,研究为第三产业能源碳减排提供了政策建议.     

碳排放现状及驱动因素分解实证分析研究——以东莞市为例

根据IPCC碳排放计算指南核算东莞市2005年-2011年期间能源消费的碳排放量,并进行现状分析和采用对数平均权重分解法（LMDI）因素分解分析.研究结果表明：碳排放总量以5.8％速度增长,而碳排放强度以5.8％速度递减;煤是碳排放主源,但所占比重逐年下降;工业碳排放量比重最大,但是增速减慢;交通业、服务业和居民生活碳排放量及所占比重逐年增加;经济规模的扩大是拉动东莞市人均碳排放的决定因素,累计效应远高于能源效率和能源结构对碳减排影响.     

山西省资源型产业碳排放驱动力分析及减排对策

作为典型的资源型地区,山西资源型产业低碳化是实现区域绿色发展的重要内容。在对山西资源型产业碳排放现状分析的基础上,运用Kaya理论及LMDI方法对资源型产业碳排放进行驱动因素分析。研究结果表明:山西资源型产业碳排放的驱动因素呈较强的阶段性特点,经济增长是影响碳排放的主要驱动因素,能源强度对碳排放强度总体呈负向抑制作用,产业结构调整应成为未来减排的主要方向。据此提出了加快资源型产业转型、调整能源结构等对策建议。     

基于GMM模型的山东省能源消费主要驱动因素分析研究

山东省是中国的经济大省和人口大省,更是能源消费最大的省份.本文运用广义矩阵模型(GMM)对2000-2014年间山东省能源消费的驱动因素进行分析,结果表明:山东省能源消费总量呈不断上升趋势,各驱动因素中人口规模影响最大,其次为城市化水平和第二产业比重,对外贸易与GDP增长影响较小且都为负效应.因此,依靠相关法律法规合理控制人口增长和城市化进程有利于减少能源消费水平.本文根据最新统计数据深入研究山东省能源消费的主要驱动.     

基于IPAT扩展模型分析人口因素对碳排放的影响

以5个典型国家(中国、日本、印度、德国和美国)为研究对象,利用IPAT模型比较分析了人口总量、能源强度和人均财富对碳排放的影响程度.结果表明:中国和印度的人口总量是影响其碳排放变化的主要因素;而美国和日本财富的积累刺激碳排放增加的作用明显.基于1978─2007年中国人口和能源相关数据,以STIRPAT模型为框架,分别构建了总人口模型及家庭户模型,用于分析我国人口数量、人口结构、能源强度及消费变化对碳排放产生的影响.经模型验证发现,家庭户模型的解释力度总体优于总人口模型.碳排放量的各解释因素按其影响程度的大小依次为平均家庭户规模、人均居民消费额、人口结构、能源强度和家庭户数.针对适应低碳发展的人口政策提出了相关建议.      

浙江省碳排放与经济增长的脱钩关系及驱动因素研究

运用IPCC参考方法、Tapio脱钩模型、协整分析和Granger因果检验,研究了浙江碳排放特征及其驱动因素.结果表明:碳排放量呈增长趋势,碳排放强度呈下降趋势,多数年份碳排放与经济增长之间呈"弱脱钩"状态;经济增长、外贸和人口增长对碳排放正向驱动,能源效率和城市化对碳排放负向驱动;经济增长、外贸、城市化和人口增长是引起碳排放增长的单向Granger原因,能源效率与碳排放互为Granger原因.     

甘肃省工业碳排放测算与影响因素分析

对甘肃省1994年-2013年的工业碳排放量进行了测算,在此基础上运用LMDI分解法分析了影响工业碳排放的主要因素,结果表明:甘肃省1994年-2013年的工业碳排放量呈现波动上升的趋势,制造业和电力、燃气及水的生产和供应业对碳排放的增加有较大影响;在影响因素分析中,经济发展和能源结构是碳排放的驱动因素,分别累积实现的碳增量为9 685.64×104 t和31.48×104 t,能源强度和经济结构则抑制了碳排放的增加,分别累计实现的碳减排是4 599.22×104 t和129.66×104 t.     

贵州省直接生活能源碳排放及影响因素分析

依据贵州省2000-2014年居民直接生活能源消费数据,运用碳排放系数测算贵州省居民直接生活用能碳排放量,并进行统计分析。继而采用LMDI分解法定量分析能源消费结构、能源消费强度、居民消费水平、人口规模4个因素对贵州省居民直接生活用能碳排放增量的影响,并对比分析城镇和农村影响因素的差异。结果表明:居民消费水平是拉动贵州居民生活用能碳排放增长的决定性因素;生活能源强度是抑制碳排放增长的主要因素,能源消费结构和人口规模的变动也对碳排放增长具有负向影响,但作用强度相对较小。从城乡来看,居民消费水平效应显著增加了城镇居民直接碳排放,能源消费强度效应对农村居民直接碳排放抑制作用最明显。     

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％.     

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.     

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.      

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.     

京津冀地区汽车运输碳排放影响因素研究

以空间相关性和空间异质性为基础,构建SLM-STIRPAT、SEM-STIRPAT和GWR-STIRPAT模型,对京津冀地区汽车运输碳排放进行测算和影响因素分析.结果表明：京津冀地区汽车运输碳排放存在显著空间相关性和空间异质性.人口对汽车运输碳排放呈正向影响;人均GDP对货运碳排放和总量碳排放呈正向影响,对客运碳排放呈负向影响,城镇化水平对汽车运输碳排放呈负向影响.第三产业增加值对客运碳排放和总量碳排放呈正向影响,对货运碳排放呈负向影响,人口对张家口市汽车运输碳排放影响最为显著;人均GDP对秦皇岛市和沧州市的汽车运输碳排放影响最为显著;城镇化水平对秦皇岛市的汽车运输碳排放影响最为显著;第三产业增加值对秦皇岛市的汽车运输碳排放影响最为显著.     

城市碳排放达峰和低碳发展研究:以上海市为例

在2015年巴黎气候变化大会上,中国政府提出"2030年前后碳排放达到峰值并加快实现"等一系列新阶段目标。城市是能源资源消耗和碳排放的集聚区域,推动城市低碳发展成为各国面临的共同挑战。采用STIRPAT模型,探究上海市过去20年发展总体形势,分析碳排放影响因素,判断上海在2025年是否可以达峰。结果表明:无论基准情景还是超低碳情景,上海市在2025年之前达峰的目标均可以实现。在对上海市碳排放各影响因素中,城市化率对其影响最大,其次是人均GDP水平。     

我国城镇化进程中碳排放影响因素的实证研究

利用1980—2013年间的城镇人口与碳排放数据,选取城镇化进程中影响碳排放的城镇化水平、城镇建设用地面积、第三产业增加值、人均可支配收入、城镇人均绿化面积等因素,实证分析了城镇化对我国碳排放的影响程度,并利用格兰杰夫因果关系与误差修正模型分析了二者的因果关系与时间效应。最后,从降低工业碳排放、加快低碳城镇化试点建设、推进低碳社区发展,促进新能源发展等方面提出了相关建议。     

人口迁移视角下城镇化对典型领域碳排放驱动效应研究——以辽宁省为例

城镇化的快速发展为我国带来了日新月异的变化,但城镇化进程中伴随着能源消费快速增长,使我国面临能源供应、节能减排等方面更加严峻的挑战.现有研究主要是从宏观角度研究城镇化对能源消费及碳排放的影响,较少探究人口从农村向城镇迁移过程中对典型领域产生的驱动效应.基于此,本研究以辽宁省为例,应用弹性系数模型,选取居民消费、住宅建筑、道路交通3个典型领域探讨城镇化对碳排放的驱动效应,并提出针对性的碳减排政策.结果表明,2006—2015年,城镇化对居民生活直接消费碳排放的驱动效应最为显著,弹性系数为9.91;对居民生活间接消费碳排放和道路交通领域的驱动效应次之,弹性系数分别为6.94和5.38;对住宅建筑等驱动效应最弱,弹性系数为2.71.研究表明,城乡生活方式差异导致居民直接生活消费碳排放显著增加,相较而言,城乡产品市场差异较小;辽宁省现阶段城镇住宅建筑存量与城镇新增人口的需求基本匹配,但人口城镇化带来的城市边界外扩、人口密度提高,导致道路交通碳排放增长.     

中国碳排放及影响因素的市域尺度分析

评估区域碳排放及其与社会经济状况的关系对于制定碳减排措施至关重要.以中国339个地级及以上城市(不含新疆部分城市和港澳台地区)为研究对象,探究了非化石能源占比、土地开发度、常住人口城镇化率、第二产业占比、人均GDP和人均建设用地面积对人均CO₂排放量的影响.通过构建模拟人均CO₂排放量的贝叶斯信念网络,识别各因素对人均CO₂排放量的全局影响;采用多尺度地理加权回归模型,分析各因素对人均CO₂排放量的局部影响.结果表明：(1)2020年,中国地级及以上城市人均CO₂排放量呈现出由南向北递增,东部沿海向内陆递减的格局.(2)从全局来看,人均CO₂排放量对各因素的敏感性从高到低依次为：人均建设用地面积>人均GDP>常住人口城镇化率>土地开发度>第二产业占比>非化石能源占比.(3)从局部来看,各因素与人均CO₂排放量的空间关系方向与全局关系一致,关系强度上存在空间异质性.(4)清洁能源、脱碳技术、土地节约集约利用...