闽三角地区碳排放时空差异及影响因素研究

以闽三角地区为研究对象,以2005~2017年为研究期,构建城市尺度的碳排放清单,应用对数平均迪氏指数分解方法从时间维度的纵向比较和典型年份城市横向比较两个维度开展了驱动因素的分解分析及评价,探讨了闽三角碳排放变化影响因素的时空差异.结果显示：研究期内闽三角CO₂排放增长较快,从2005年的74.08Mt增加到2017年169.48Mt,增幅为128.75%.其中,泉州贡献最大,占比为67.93%.碳排放变化趋势分析来看,产业结构和经济增长为导致闽三角地区碳排放量增长的主要因素,累计贡献度分别为30.38%和12.21%,能源结构为抑制碳排放的重要影响因素,累计贡献度为-45.76%.时空差异上看,能源结构效应在研究期内均表现为抑制效应,最大贡献率为52.95%;而产业结构效应均表现为促进效应,最大贡献率为33.85%.在研究期内,漳州市碳减排力度最大,最大净减排148.27Mt.而泉州市经济增长和产业结构效应贡献率较大,未来仍具有较大的减排空间.厦门市经济增长和产业结构效应贡献率均低于参考值,且在研究期内变动幅度较小,碳减排压力较低.研究结果深化了闽三角地区碳排放的时空格局及影响因素的科学认识,为闽三角地区及相似城市群的减排治理提供了有益借鉴.     

成渝城市群碳排放空间关联结构演化及影响因素

本文基于社会网络分析法（SNA）以及二次分配程序（QAP）方法,利用成渝城市群2005~2016年面板数据,对成渝城市群碳排放空间关联性及影响因素进行研究.结果表明：①成渝城市群碳排放空间关联性显著,呈现出复杂的网络结构形态,样本期内,网络密度由0.16增长至0.68,关联关系数从38个增长为162个.②重庆、成都、绵阳和南充等城市位于网络的中心地位,发出了较多的关联关系,同时发挥着中介作用.③碳排放空间关联网络被划分成为5个层级,层级结构整体较为稳定,然而第一层级与第二层级存在较为严重的断层现象.④空间距离、人口数量差异以及经济水平差异是碳排放关联性的主要驱动因素.城市间空间距离越近、人口数量与经济水平差异越大,越容易产生碳排放关联关系.     

基于配额指标重要性视角的中国碳排放配额再分配

提出用与碳排放“同步变化程度”来衡量配额指标重要性的思想,对中国各省份碳排放配额进行再分配.首先在公平和效率原则基础上选取碳排放的影响因素作为分配指标,其次采用灰色关联分析法分别测算出各地区各指标与碳排放量的同步变动程度,以得到各地区各指标在配额分配中的比重.最后测算出我国29个省区2020~2030年的碳排放配额与排放空间.结果表明,人口基数及经济发展指标对各地碳排放有较强的同步变动关联性,因此应该被赋予更高的权重;配额最多的地区包括广东、北京、江苏、山东、上海,最少的地区则包括宁夏、贵州、青海、吉林、新疆.盈余分析发现,北京地区的碳排放空间有较多盈余;浙江等5个省区已达较饱和状态;山东等4个省区则处于较严重的溢出状态,在未来10年内需承担较重的减排压力.     

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.     

唐山市钢铁行业碳排放核算及达峰预测

唐山市作为工业密集型城市,2018年生铁、粗钢和钢材产量约占全国总产量的15%,同时也排放了大量的温室气体和大气污染物。以唐山市为例,研究唐山市钢铁生产碳排放2010—2030年的变化趋势,并确定达峰时间。基于《温室气体排放核算与报告要求》的计算方法,初步建立了可根据设备规模、运行时长、产能利用率和单位产品能耗参数来核算企业CO₂排放的数值算式,并将其应用于唐山市全部钢铁联合企业,计算得出2017年唐山市钢铁行业碳排放量为14042.52万t,碳排放系数为1.616 t CO₂/t钢。与文献、统计年鉴数据对比误差均<10%,表明数值算式有一定的准确性,可为自下而上地快速核算企业或区域的钢铁生产碳排放提供参考。同时,结合唐山市钢铁历史生产情况、生产现状及未来规划,借助LEAP构建了能源需求模型,得到2010—2030年唐山市钢铁生产化石能源消耗和碳排放量的变化趋势,并确定唐山市钢铁生产碳排放已于2018年达峰。