浙江省能源消费碳排放的因素分解——基于LMDI分析方法

本文分析了1997—2008年间浙江省能源消费碳排放数据,采用对数均值迪氏分解（Logarithmic Mean Divisia In-dex,简称LMDI）法,对能源消费导致的二氧化碳排放量和碳排放强度进行结构分解。结果表明,浙江省能源消费碳排放量不断增加是由人口和人均国内生产总值（GDP）因素引起的,其中人均GDP增长是碳排放量增加的主要因素;能源强度下降是降低二氧化碳排放量的主要因素,能源结构的作用呈现波动性,且程度较小。本文得出如下结论,要减缓二氧化碳的排放量,构建＂低碳浙江＂、＂生态浙江＂,应从重新认识人均GDP、控制人口数量、调整能源结构、降低能源强度、提高能源效率等方面考虑。     

我国工业能源强度变动的影响因素分解分析——基于LMDI分解法

本文首先重新定义了能源强度的概念,在此基础上,将终端能源消费定为考察对象,采用LMDI分解方法,将工业整体能源强度变动分解为能源消费结构调整、行业调整、部门调整和技术变动四部分。研究表明,技术变动是影响我国工业能源强度最主要的因素,行业结构和部门结构变动次之,而能源消费结构调整对工业行业能源强度变化的影响并不明显。因此,政府通过制定相应的产业发展政策,出台措施鼓励工业企业提高技术水平,有助于推动我国工业节能事业的发展。     

基于LMDI模型的重庆直辖以来的能源消费碳排放研究

基于Kaya恒等式,采用LMDI分解方法建立重庆能源消费碳排放因素分解模型,实证分析1997—2016年重庆人口、经济发展、能源消费结构、产业结构、能源强度对能源消费碳排放的影响.结果表明:经济增长是促进人均碳排放的主要因素,能源强度是抑制人均碳排放的主要因素,自2010年起人口对人均碳排放有驱动因素,能源结构、产业结构对人均碳排放的影响随着煤炭消费比重、工业比重的变化而呈曲折变化态势.总的来说,驱动因素的作用大于抑制因素的作用,导致人均碳排放整体呈现上升的趋势.     

基于LMDI模型的宁波市碳排放测算及影响因素分析

以宁波市2002-2013年数据为基础,根据IPCC碳排放计算方法测算了历年宁波市各类能源的碳排放量。运用LMDI模型,分析了经济发展、能源结构和能源效率等因素对宁波市人均碳排放量的影响。结果表明,十余年来宁波市碳排放总量及人均碳排放总量都呈现出明显的上升趋势,经济发展、能源结构和能源效率等因素对宁波市人均碳排放的影响显著。据此,提出了宁波市应调整产业结构与能源结构,提高能源利用率,完善政策环境等降低碳减排压力的对策建议。     

中国城镇居民嵌入式碳足迹影响因素分析——基于LMDI模型

嵌入式碳足迹（EmbeddedCarbonFootprint,ECF）是居民消费的产品或服务在其生命周期过程中所产生的碳排放,测量比较困难。居民消费产生的碳排放已经成为我国碳排放增长的重要因素,从消费者角度研究碳排放及其驱动因素对节能减排有重要的现实意义。通过构建碳排放投入产出模型对城镇居民嵌入式碳足迹（ECF）进行测算,并运用LMDI因素分解模型分析中国城镇居民嵌入式碳足迹的影响因素。结果表明：生活水平效应较大,为正效应,对总ECF的贡献度是233％;碳排放强度为负效应,对总ECF的贡献度是一133％;消费结构为正效应,对总ECF的贡献度是9％。因此,政府应倡导居民节约消费,大力发展低碳产业,注重交通项目的减排。     

LMDI方法分析结构效应对天津市碳排放的影响及对策

文章对1995—2010年天津市能源消费碳排放进行分析,基于对数平均迪氏指数法（ LMDI）,对碳排放进行因素分解实证研究,并进行情景分析,寻求天津市碳减排对策。研究发现,虽然人均GDP效应、人口效应以及能源强度效应贡献量相对较大,但结构效应对于天津碳排放的影响也不容忽视,其对于能源消费碳排放的拉动或减缓作用与低碳能源比重、第三产业比重的大小有很强的关联性。情景分析进一步表明优化产业及能源结构对碳减排的积极作用。     

基于LMDI方法的中国民航业碳排放因素的指数分解

2008年欧盟通过的将航空业纳入EU-ETS的提议草案,使得民航业的碳排放问题成为碳减排中的热点问题之一。中国民航业在CO2总排放量占比虽小但是增长迅速,而欧盟的这一政策如果付诸实施将给中国民航业带来一定的冲击。文章采用对数平均Divisia分解法建立中国民航业碳排放因素分解模型,定量分析了1985—2010年间民航业运输总收入、航线结构、单位运输收入周转量、能源强度、CO2排放系数等五个因素对民航业CO2排放量的影响。实证分析结果表明：民航业CO2排放量上升主要由运输总收入的增长引起,单位运输收入周转量和能源强度的下降则遏制了CO2排放量的上升。基于上述分析提出了中国民航业实现碳减排的应对策略和建议。     

全球尺度下的碳排放完全分解及其规律——基于LMDI修正模型的实证研究

全球气候变暖形势日趋严峻,碳减排已成为各国需共同面对的责任.分解方法一直以来都是较为常见的经济对环境影响的分析工具,但由于完全分解法对于数据精细度的高度依赖,目前还尚未出现全球尺度下包含经济发展因素的碳排放分解研究.因此,对受到广泛认可的LMDI完全分解法进行修正,对全球碳排放进行关于人口规模、经济发展水平、产业结构和技术进步等影响因素的贡献分解,并在不同发展水平国家集团的视角下进行深入对比分析.研究认为:第一,全球整体碳排放中人口规模的贡献在逐步降低,而经济发展水平增长的贡献则日益强化.第二,人口规模变动贡献多为正效应,且随国家发展水平提高,对碳排放的影响逐步降低;产业结构贡献随国家发展水平的提高显示先上升后下降的影响作用;技术进步水平对各国均呈现负向效应.第三,随着国家发展水平的提升,经济发展水平对碳排放的影响将呈现倒U型趋势特征,在实证层面上佐证了环境库兹涅茨曲线的存在性.     

天津市碳排放与能源强度影响因素研究

基于《2006年IPCC国家温室气体清单指南》核算了天津市2000—2009年三大产业所使用15种主要能源产生的碳排放量,并利用LMDI分解方法将天津市三大产业的碳排放分解为碳排放因子、能源结构、能源强度、经济结构、经济发展五个因素。结果表明:2001—2009年间天津市的经济发展和碳排放因子促进了对天津市碳排放的增加;能源强度、能源结构和经济结构因素对碳排放增加起抑制作用,其中,能源强度是对碳排放抑制作用最大的因素。为进一步明确能源强度的变化特征,利用完全因素分解法将能源强度分解为结构份额和效率份额。结果表明:1999—2009年天津市能源强度下降主要得益于效率因素的变动,即能源使用效率的提高;第三产业能源使用效率提高对能源强度的下降起到的作用最大。     

安徽省农村居民生活消费碳排放研究 ——基于脱钩模型和LMDI的分析

2005-2016年安徽省农村居民生活能源消费碳排放与农业经济增长之间的脱钩变化轨迹和LMDI效应显示,碳排放强度、能源强度和经济水平效应对安徽省农村居民生活能源消费碳排放具有正向拉动作用,其中效果较大的是能源强度效应,这是导致安徽省农村居民生活消费碳排放增加的主导因素。能源结构和人口规模效应对安徽省农村居民生活能源消费碳排放起到了抑制作用,其中效果较大的是能源结构效应。     

城镇居民生活能源碳排放的省域差异及影响因素

利用碳排放系数法,对中国及各省份城镇居民生活能源碳排放进行估算,并利用LMDI模型进行因素分解.结果表明,城镇居民生活能源碳排放从2000年的27784万吨CO 2增加到2014年的91336万吨CO 2,其中内蒙古碳排放增量最大.从全国层面看,收入水平和人口规模是刺激因素,分别增加碳排放78229万吨CO 2和31998万吨CO 2;节能技术、消费倾向和能源结构是抑制因素,分别减少碳排放31122万吨CO 2、9636万吨CO 2和5917万吨CO 2.从省域层面看,能源结构效应最大的是辽宁省,共减少碳排放793万吨CO 2;节能技术效应最大的是辽宁省,共减少碳排放3146万吨CO 2;消费倾向效应最大的是山东省,共减少碳排放907万吨CO 2;收入水平效应最大的是辽宁省,共增加碳排放6153万吨CO 2;人口规模效应最大的是广东省,共增加碳排放4006万吨CO 2.     

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。     

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。     

陕西省交通运输业碳排放影响因素分解研究

基于陕西省相关统计数据,计算了2005~2013年陕西省交通运输业以及各种运输方式的碳排放量,通过构建LMDI分解模型,定量分析了运输能源强度、运输结构、交通运输业发展水平对陕西省交通运输业碳排放的影响。研究认为,运输能源强度的提高抑制了陕西省交通运输业碳排放量的增长,运输结构对陕西省交通运输业碳排放量增长的贡献力度不大,陕西省交通运输业发展水平的提高是影响碳排放量增长的主要因素。     

辽宁省碳排放增长的驱动因素分析——基于LMDI分解法的实证

文章基于1995～2007年辽宁省分行业能源消费数据,计算了辽宁省能源消费的碳排放量,并采用对数平均Divisia指数分解法对碳排放增长的驱动因素进行了分析。结果发现,经济规模的扩大是辽宁碳排放增加的决定性因素,产业结构的重型化也起到了一定的增排作用;能源效率的提高在很大程度上抑制了碳排放增长,而能源替代效应对碳排放抑制作用不明显。因此,要在保持经济快速增长的同时兼顾节能减排,必须大力调整产业结构,提高能源效率,优化能源消费结构。     

甘肃省碳排放影响因素分析与低碳发展研究

我国承诺到2020年单位GDP二氧化碳排放比2005年下降40%⁴5%,这一减排目标最终会分摊到各个省区,由于各省区的发展条件不同,碳排放模式和减排政策也有很大的差异性。在前人相关研究的基础上,根据中国国情将Kaya恒等式作适当的修正与扩展,引入城镇化和森林覆盖率因素,通过LMDI分解方法,对甘肃碳排放的影响因素作定量分析。分析结果表明:影响甘肃碳排放的三个主要因素依次是单位能源消费的碳排放量、城镇化水平和能源强度。根据甘肃经济社会发展的阶段性特征与省情,提出发展低碳经济的若干建议。     

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。     

甘肃省农业碳排放时空演变及影响因素研究

重点考察甘肃省农业碳排放的时空演变规律,深入分析其地区差异及影响因素,以期为甘肃省农业低碳发展等提供实证依据。采用碳排放系数法对甘肃省及14个市州2005—2021年的农业碳排放进行测算,采用碳排放公平性评价模型和LMDI加法分解模型对甘肃省农业碳排放的时空演化特征和影响因素进行分析。结果表明：甘肃省农业碳排放总量变化趋势可大致分为“持续增加、波动下降”两个阶段,种植业碳排放在甘肃省农业碳排放总量中所占比例为60%左右,畜牧业约占40%;各市州农业碳排放总量和增速具有明显的区域差异;农业碳排放生态承载系数呈现河西、陇东南地区高,陇中地区低的分布特征,经济贡献系数呈现西北高、东南低的空间分布特征;农业生产效率、农业产业结构、农业从业人口对农业碳排放呈现负向效应,而农业经济发展呈现正向效应。未来应该继续巩固种植业固碳减排、畜牧业减排降碳、调整农业产业结构、建立低碳农业合作机制等措施。     

福建省流通产业碳排放影响因素实证研究——基于Tapio弹性脱钩理论和LMDI分解法

通过构建弹性脱钩模型探究福建省流通产业碳排放脱钩的动态演变过程。结果表明,福建省流通产业的发展未表现出显著的碳排放脱钩趋势,脱钩状态大致呈现"弱脱钩-扩张性耦合-扩张性负脱钩"的阶段性特征,存在复钩的可能。同时,结合LMDI分解项进一步发现:(1)流通产业的经济增长弹性对碳排放脱钩具有正向影响效应,是引致碳排放增长和限制流通产业碳排放脱钩的主导因素;(2)流通产业的能源结构相对稳定,对于产业低碳转型的影响尚未显现;(3)流通产业能源利用效率波动明显,对流通产业碳排放脱钩的影响较大,但同时也是抑制碳排放的关键要素。基于此,从制定合理的产业发展规模、优化能源结构、提高能源利用效率、发展碳合作市场等方面提出对策建议。     

基于分解模型的碳生产率影响因素分析

本文运用分解模型对中国碳生产率的变动情况进行分析,并以2002-2011年为样本期,定量研究了技术进步、产业结构调整等因素对中国碳生产率变动的影响。研究结果表明:与产业结构调整相比,技术进步因素更能促进碳生产率的提高;在产业结构中,工业和出口贸易对碳生产率的影响相对较大。因此,优化出口结构,淘汰落后企业产能,把控制碳排放量的任务分配给地方政府都能在可预见的未来提高碳生产率。