安徽工业经济增长与能源碳排放脱钩研究

以2005—2018年安徽省工业行业为研究对象,基于LMDI方法将工业经济增长与能源碳排放脱钩的内在驱动分解为能源结构、能源效率、经济产出、行业结构、人口效应五个因素.研究结果表明:(1)安徽省工业行业碳排放量态势前期巨幅上升,后期逐步趋向平缓;(2)能源效率是促进安徽省工业行业碳排放脱钩的主要因素,经济产出是抑制碳排放脱钩的首要原因,其次是人口效应因素,能源结构对碳排放脱钩抑制效果最弱;(3)在整个研究期间,安徽省工业经济增长与碳排放存脱钩效应经历由长期的弱脱钩转变为短暂强脱钩,最终进入弱负脱钩3个阶段.根据上述研究结论对安徽省绿色经济发展提出相关建议.     

安徽省工业碳达峰的多情景分析

工业作为碳排放的主要来源,其排放规律和趋势直接决定安徽省碳达峰的时间和水平。基于核算的2001—2020年安徽省16市工业碳排放数据,结合广义迪氏指数分解模型和蒙特卡罗模拟对2022—2035年皖北、皖中、皖南工业碳达峰进行动态情景分析。结果表明：安徽省工业碳排放区域不均衡性突出,皖北工业碳排放量长期大于皖中和皖南地区;产出规模和产出碳强度分别是工业碳排放的主要促增和促降因素,人口规模在“十三五”时期呈现促降效应;在强化减排情景下,安徽省工业有望实现2030年前碳达峰目标,峰值约为4.74亿吨,基准情景和低碳发展情景下碳排放仍会持续增长。对此,安徽省需加快形成绿色低碳能源供应系统和消费模式,推动非化石能源从补充性能源向替代性能源转变,只有施行严格的节能减排政策,碳排放量才具备2030年前下降的条件和空间。     

基于LMDI的东北老工业基地工业碳排放影响因素实证分析

近年来,随着全球气候变暖和生态环境恶化,碳排放的影响因素备受关注,已经成为各领域研究的热点问题之一。以东北老工业基地1997—2011年工业增加值和能源消耗等数据为基础,利用LMDI因素分解模型,针对东北老工业基地工业碳排放量变化的影响因素进行实证分析,结果表明:人口规模、经济发展和工业化率因素是东北老工业基地工业碳排放量增加的拉动因素,其中经济发展是工业碳排放量增加的最主要原因;能源利用效率和能源消费结构因素是东北老工业基地工业碳排放量增加的抑制因素,其中能源利用效率因素对工业碳排放量增加的抑制作用最显著,东北老工业基地在未来的发展中应走低能耗、低污染、低排放的低碳排放模式。     

工业细分行业碳排放驱动因素分析——基于安徽省面板数据

基于LMDI对数平均迪氏分解方法,以安徽省37个工业行业为研究对象,探究能源结构、能源效率、经济效率、行业结构、工业人口规模5个因素对安徽省工业碳排放的影响。研究结果表明:安徽省工业行业碳排放量态势前期巨幅上升,后期逐步趋向于平缓;经济效率是驱动安徽省工业行业碳排放增量的主要因素,行业结构成为抑制安徽省工业行业碳排放的首要原因;高碳行业促进工业碳排放上升作用显著,中碳行业对工业碳排放的抑制效果有限,低碳行业对于碳排放的影响微弱。并根据上述的研究结论对安徽省绿色经济发展提出针对性建议。     

基于LMDI的中国工业行业碳排放脱钩分析

基于Tapio模型,利用1994—2010年中国工业行业面板数据,实证研究了工业经济增长与碳排放的脱钩关系,并运用LMDI方法对影响碳排放强度变化的主要因素进行了分解。研究发现,2000年之后中国工业经济增长与碳排放趋于稳定的弱脱钩状态,波动性很小;能耗脱钩因子对工业碳排放脱钩表现出持续的正效应,对脱钩的影响力要远大于排放脱钩因子;能源强度下降是推动中国工业碳减排的关键,能源结构红利和工业结构红利尚未出现。在此基础上,对中国工业碳排放脱钩历程及其影响因素的不同效应进行了经济解释,并提出发展低碳经济的相关建议。     

安徽省物流业碳排放规模及其影响因素研究——基于长三角四省市比较视角

运用能源系数法分别对2003—2014年安徽、上海、江苏和浙江四省市物流业的碳排放量进行估算,利用LMDI方法定量分析能源结构、能源效率、产业结构、经济增长及人口等因素对四省市物流业碳排放的影响,结果表明,物流能源效率低下是安徽省发展低碳物流面临的最大问题,未来一段时间内,安徽省物流业碳排放总量会伴随经济发展保持较高速率的增长。因此要从产业结构调整、能源结构优化、能源效率提升三方面着手,发展低碳物流。     

农业碳排放特征及影响因素分析——以安徽省为例

基于种植业和畜牧业2个方面的12类碳源,计算出安徽省2004—2015年的农业碳排放总量和碳排放强度,对安徽省农业碳排放的时间变化和空间方面的特征进行分析,并进一步利用LMDI模型对影响安徽省农业碳排量的主要因素及其对农业碳排放的贡献度进行分解研究.结果表明,研究期间,安徽省农业碳排放总量具有先下降后上升的趋势.来自种植业方面的物资投入对安徽省农业碳排放的影响逐渐增加,来自畜牧业方面的碳排放对安徽省农业碳排放的影响逐渐减弱.农业经济发展水平和农业劳动力规模因素拉动了安徽省农业碳排放量的增加,而农业生产效率因素和农业结构因素则抑制了碳排放量的增加.为促进安徽省农业碳减排,应加快转变农业经济发展方式,优化农业产业结构,高效利用农业资源,积极研发和推广农业碳减排的应用技术,实现畜牧业的可持续发展.     

区域碳排放变化的驱动因素、分解模型与实证研究

在分析区域碳排放变化驱动因素(能源结构、能源排放强度、能源效率、经济发展)的基础上,运用对数平均权重分解法( LMDI)构建了区域碳排放变化的因素分解模型.进而以重庆市为例,采集重庆市1997 -2009年的能源、人口、经济等基础数据对碳排放变化的驱动因素进行实证研究.结果表明:重庆市碳排放总量与人均碳排放量随时间序列呈现逐渐上升的趋势,二者的演变趋势极为相似,均表现为明显的两阶段(平稳演进和快速演进)特征.碳排放变化因素分析显示,经济发展因素对人均碳排放量的贡献值逐年增大,构成拉动重庆碳排放量快速增长的主要驱动因素;能源效率因素对人均碳排放量发挥了较大的抑制作用,其抑制效应随研究时序逐渐增强;而能源结构因素对人均碳排放量的抑制效应不太明显.最后提出了控制重庆市碳排放的政策建议.     

中国工业碳排放及其影响因素灰色预测分析——基于STIRPAT模型

基于STIRPAT模型,将中国工业碳排放的影响因素确定为人口规模、人均工业产值和工业技术水平。以1997年至2010年中国工业碳排放相关数据为研究样本,采用灰色预测GM(1,1)模型预测了工业碳排放、人口规模、人均工业产值和工业技术水平2011-2020年的未来值,为控制未来工业碳排放量提供数据参考。结果表明,从灰色预测的增速和总量综合来看,人均工业产值对工业碳排放影响最大。同时GM(1,1)对工业碳排放及其影响因素的预测精度较高。     

陕西省碳排放因素分解与碳峰值预测研究

本文采用基于投入产出法的结构分解模型(IO-SDA)分产业、分时间段从整体状况研究了陕西省碳排放的影响因素,并分别分离出每个因素对碳排放所做出的贡献。研究结果表明,1997-2012年流出扩张效应、投资扩张效应和投入产出系数变动效应是碳排放量增加的最主要因素。流入替代效应、能源消费强度变动效应是减少碳排放量的最主要因素。工业是碳排放量增加的主要部门,占整个碳排放量的93.6%。情景分析法以及蒙特卡洛模拟法对陕西省的碳峰值进行预测表明,碳峰值大约出现在2030年。最后提出了相关的对策建议。