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。     

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。     

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.     

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。     

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.     

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。     

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。     

湖北省农业碳排放时空比较及驱动因素分析

基于农地利用、稻田、牲畜养殖三方面17类碳源,测算了湖北省全省1995-2011年及其16个地市(州)2010年的农业碳排放量,并展开时空比较分析;在此基础上,利用LMDI模型对湖北省农业碳排放的驱动因素进行了分解。结果表明:湖北省全省2011年农业碳排放量达到1 544.90万t,较1995年(1 443.56万t)增加了7.02%,年均递增0.43%,呈现较为明显的"上升-下降-上升"的3个阶段变化特征;地市(州)间区域差异明显。根据碳排放的比重差异,将16个地市(州)划分为稻田主导型、农地利用主导型、牲畜养殖主导型、复合因素主导型4种类型;与1995年相比,效率、劳动力、结构因素分别实现了94.13%、41.23%和8.67%的农业碳减排,而经济因素则引发了151.05%的碳增量。     

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KAYA模型的青岛市碳排放及驱动因素分析

本文运用KAYA模型,对青岛市碳排放及其驱动因素进行了实证研究。研究发现,2001-2010年青岛市碳排放总量持续增加,碳生产力不断提高,以煤炭、石油为主的高碳经济发展模式仍然没有根本改观。青岛市人口数量、经济发展、单位能耗碳排放的增长导致碳排放量的增加,单位GDP能源强度的提高在一定程度上降低了碳排放量。四个影响因素中,经济发展和单位GDP能源强度是影响青岛市碳排放的主要因素。根据实证结果,青岛市应以调整经济结构和能源利用结构为重点,通过低碳技术创新和机制创新,实现低碳经济的发展目标。     

长沙市碳排放与影响因素的拟合变动分析

科学认识城市碳排放的影响因素及其存在的相关性,再有效制定碳减排对策的重要基础。利用相关系数法定量测定了长沙市碳排放与其影响因素之间的相关性关系,并利用岭回归分析方法对城市碳排放与其影响因素进行了定量变动分析。研究结果表明：在城市化快速推进的背景下,长沙市碳排放的影响因素按其对模型的解释能力依次是总人口（0.750 4）、单位GDP能耗（0.371 9）、城市化率（0.272 0）以及城市居民人均消费支出（0.145 2）。     

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。     

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.     

中亚五国二氧化碳排放变化特征及其影响因素

强调走低碳经济是目前中亚五国乃至全世界所面临的气候变化背景下不可动摇的战略选择。分析中亚五国1993—2009年CO2总排放量、人均CO2排放以及CO2排放强度变化特征,利用Kaya模型定量分析各种影响因素的相对重要性,结果表明：（1）中亚五国的CO2排放情况存在较大的差异。哈萨克斯坦、乌兹别克斯坦、土库曼斯坦CO2排放水平已远高于世界的平均水平,其中哈萨克斯坦和土库曼斯坦CO2排放量有继续上升的趋势,乌兹别克斯坦已经控制在某一个稳定的水平。（2）经济发展和人口增长是导致中亚五国CO2排放的主要因子,能源结构的调整也在一定程度上对CO2排放带来了压力,而能源强度对减缓CO2排放的贡献是极大的。     

北京市终端能源消费及碳排放变化影响因素

近些年,北京市能源消费需求不断增加,能源对外依存度较高,资源瓶颈问题日益突出.基于LMDI方法定量分析了1996—2009年北京市第一、第二、第三产业终端能源消费的变化特征,研究影响北京市二氧化碳排放变化的主要因素及各因素的贡献程度.研究结果表明:调整产业结构起到的影响作用正逐渐减弱,而降低能源强度能够有效抑制终端能源消费和二氧化碳排放量的增加.虽然优化能源消费结构的作用在目前并不显著,但未来仍有很大发展空间.因此,北京市在快速发展经济的同时,应该重视转变经济增长方式,优化产业结构调整,降低能源强度及碳排放系数,提高能源利用效率,以减缓能源消费及二氧化碳排放的增长速度.     

强制减排试点省市能源碳排放驱动因素分析

根据全国及北京市、天津市、上海市、广东省、湖北省和重庆市六个强制碳减排试点省市的碳排放量数据,采用对数平均权重Divisia分解法（LMDI）,从能源结构、能源效率、经济发展三方面分析能源碳排放的驱动因素,发现能源结构对碳排放的影响相对较小,而且,在北京、天津和上海市,三大驱动因素对人均碳排放的贡献值明显大于在湖北省、广东省和重庆市的贡献值。进一步,采用多元线性回归模型和环比增长率数据,实证检验全国及六个试点省市三大驱动因素的变化对人均碳排放的影响。研究结果显示：从全国来看,能源结构变化对碳排放量影响不显著,而碳排放对能源效率的变化比对经济发展更为敏感。具体到各省市数据,湖北省三大驱动因素变化对碳排放的影响均不显著,而其他省市碳排放受各驱动因素的影响各具特点。研究结论为政府在各地区制定合理的碳减排政策提供了参考。     

中国省域碳排放的空间特征及影响因素

通过核密度分布和莫兰指数对中国2000—2015年30省份碳排放强度的动态趋势及集聚特征进行测度,并利用空间杜宾模型对其主要影响因素进行分析。结果显示:（1）中国30省份碳排放强度呈下降趋势,新常态以来低碳步伐加快;（2）碳排放强度的空间集聚性具有高水平集中、低水平集聚特征,空间溢出效应不断增强;（3）本省经济规模、产业结构对本省碳排放强度具有显著的正向影响,专利产出具有显著的负向影响;相邻省份的外商投资规模及能源消费结构变化对本省碳排放具有显著的空间溢出作用。因此,未来中国加快产业结构调整幅度、优化相邻省份间的产业空间布局以及大力发展绿色技术进步是中国促进区域低碳转型的主要方向,同时生态城镇化以及继续改善外商直接投资质量也是减排潜力因子,省域间的减排空间溢出效果不容忽视。     

实证分析二氧化碳排放量主要影响因素

能源是经济与社会发展的基本动力, 但能源燃烧排放二氧化碳所引起的地球温暖化和气候变化更危及人类的生存。采用1990—2009年煤炭、石油、天然气消费结构数据, 电力生产系数, 道琼斯工业指数, 城镇人口数, 国内生产总值及二氧化碳排放量等统计数据进行灰色关联分析和协整检验;反映二氧化碳排放量与城镇人口数, 国内生产总值, 煤炭、石油、天然气消费结构, 电力生产系数之间的规律性变化, 从而突出协整检验的优越性。结果表明:城镇人口数, 国内生产总值, 煤炭、天然气消费结构, 电力生产系数是二氧化碳排放量的主要影响因素;道琼斯工业指数、石油消费结构是次要影响因素。     

我国海水养殖藻类碳汇能力及影响因素研究

在海水养殖藻类的过程中能产生大量的碳汇,这将有效地减少大气中二氧化碳的含量,缓解全球性的气候变暖。本文以我国2007-2012年海水养殖藻类的数据为研究对象,对我国海水养殖藻类的碳汇能力以及影响因素进行研究,结果表明2007-2012年我国海水养殖藻类的碳汇能力是巨大的,在影响碳汇能力的因素中,藻类的结构因素对碳汇能力的影响起主要作用,藻类产量因素对碳汇能力的影响相对较小,与碳汇量基本上呈同比例变化。