基于STIRPAT模型的长江经济带碳排放驱动因素研究

碳排放作为环境压力的重要表现形式,对其内在驱动因素进行研究对实现绿色发展有着重要的指导意义.采用长江经济带各省市2008—2016年面板数据,选取碳排放量作为因变量,借助STIRPAT模型进行拓展分析,以研究影响长江经济带碳排放量的驱动因素.结果表明,城市化水平、人口、能源强度对长江经济带碳排放影响较为显著,人均GDP...     

新疆农业碳排放测算与驱动因素研究

为厘清新疆农业碳排放与各驱动要素间的影响机制,本研究采用LMDI指数分解模型,对新疆1993—2020年的农业碳排放量进行测算并对驱动要素进行分解,总结农业碳排放随时空演化特征,并利用VAR模型进一步梳理各驱动要素与农业碳排放之间的关系。研究结果表明：碳排放累计效果为农业经济发展水平>农业劳动力>农业生产结构>农业生产效率;农业碳排放在短期内能促进农业生产率的增长与农业经济水平的发展,但也会阻碍农业生产结构的协调;长期来看农业生产率、农业经济发展水平与农业生产结构都会抑制碳排放的增长;从方差分解来看农业碳排放能自解释31.55%,各驱动因素合计解释68.45%。     

陕西省农业碳排放时序特征及影响因素分析

为探讨陕西省农业碳排放时间变化及其驱动因素,基于种植业和畜牧业2个方面的16类碳源,测算分析了2000—2014年陕西省农业碳排放现状,并利用LMDI模型对农业碳排放的驱动因素进行分解。结果表明,2000—2014年陕西省农业碳排放量增加了24.25%(96.33万t),年均增长率为1.56%,总体呈上升—下降—上升的变化趋势;化肥、农业机械、农膜、农药等农业物资投入对陕西省农业碳排放的影响逐渐增加,牛、羊、猪等大牲畜的肠道发酵、粪便管理对碳排放的影响逐渐减弱;对农业碳排放具有抑制作用的因素大小依次为效率因素、劳动力因素和结构因素,而经济因素则具有较大的促进作用。     

基于STIRPAT模型的长江经济带农业碳排放时空特征及影响因素分析

根据2000-2017年数据,运用STIRPAT模型对长江经济带农业碳排放影响因素进行分析,结果表明：长江经济带农业碳排放总量与农业碳排放强度总体上均呈增长趋势,年均增长率分别为1.49%和1.87%,且各地区农业碳排放总量与碳排放强度差异明显。农业产业结构、农业就业人员、农村居民可支配收入、农业技术水平、城镇化率对区域农业碳排放影响显著。分区域看,东部农村居民可支配收入及城镇化水平推动农业碳减排,中部农业技术水平和人均耕地面积能抑制农业碳排放增长,西部农业就业人员、农村居民可支配收入、城镇化水平造成农业碳排放量增长快。     

2010—2020年内蒙古自治区农业碳排放动态变化及影响因素分析

为了解内蒙古自治区农业碳排放情况,促进内蒙古自治区农业低碳化、高质量发展,以化肥、农药、农膜、农用柴油、翻耕和灌溉等6类碳排放源测算2010—2020年内蒙古自治区的农业碳排放量,并利用LMDI模型对影响农业碳排放量的因素进行分析。结果表明：2010—2020年内蒙古自治区农业碳排放量总体上呈先上升后下降的趋势;对内蒙古自治区农业碳排放量增加起促进作用的因素为农业生产效率、农业劳动力规模和农业结构,对其起到抑制作用的因素为农业经济发展水平。     

安阳市农业碳排放驱动因素及脱钩效应分析

基于农业生产中翻耕、化肥、农药、农膜、农用柴油和农村用电等6个方面,测算了安阳市1993~2014年的农业碳排放量。结果表明,安阳市农业碳排放总量整体呈上升趋势,碳排放总量由1993年的36.62×104t增加到2014年的143.84×104t,年均增长7.52%,总体上呈"高速—负增长—高速—低速"四阶段演化特征。安阳市农业碳排放总量与经济发展呈典型的倒"U"型曲线关系,目前处于倒"U"型曲线的左侧,拐点还未出现。农业碳排放总量的组成结构随时间变化,从平均占比情况来看依次为农村用电、化肥、农用柴油、农膜、农药和翻耕。运用LMDI模型对安阳市农业碳排放影响因素进行分解,结果显示,农业经济发展对碳排放具有较强促进作用,与基期相比,累计实现了178.09×104t的碳增量,而生产效率、劳动力因素和产业结构因素则对碳排放有抑制作用,分别累计实现52.51×10~4t、12.37×10~4t和5.99×104t的碳减排。Tapio脱钩分析表明,目前安阳市农业碳排放与农业经济发展之间的脱钩关系以扩张负脱钩为主。安阳市必须采取有效措施,尽早实现农业碳排放与农业经济增长的脱钩。     

安徽省县域农业碳排放空间分布及其影响因素

从节能减排目标出发,依据安徽省2005-2013年县域农业发展的相关数据,分析了安徽省农业碳排放的空间分布规律,并计算了不同碳源对农业碳排放的贡献率,最后利用STIRPAT模型,分析了农业碳排放的影响因素,结果显示:安徽省近年来农业碳排放逐年增加,年均增速3.44%,而农业碳排放强度增加缓慢,年均增速0.15%;农业碳排放各碳源的贡献率依次为:化肥使用>农业灌溉>农药施用>薄膜使用>农机使用>翻耕,且薄膜使用和农药使用对农业碳排放的贡献空间差异较大;农业人口总数、人均GDP、产业结构状况对农业碳排放影响比较显著,而农业技术水平与农业固定资产投资对碳排放影响较小。     

山东省农村居民生活碳排放影响因素及对策

在乡村振兴战略与双碳目标的历史背景下,控制并减少农村地区的碳排放已经成为一个重要课题。为了深入研究山东省农村居民生活碳排放的影响因素,选取2000-2016年间的数据作为研究对象,构建影响山东省农村居民生活碳排放因素的STIRPAT模型。结果显示,在17年间,居民人口总数、人均可支配收入、生活用能传统能源占比与生活碳排放量呈正相关,恩格尔系数与生活碳排放量呈负相关,而优化能源消费结构是减碳工作的重点。在此基础上,利用Kuznets曲线进一步阐释了山东省农村经济发展与生活碳排放量之间的倒U型关系,指出促进高质量的经济发展是推动碳排放量到达拐点的重要因素。     

2000—2020年山西省农业碳排放时空特征及趋势预测

为探讨山西省农业碳排放时空特征及未来变化趋势,采用排放因子法,基于种植业、畜牧业10类碳源,测算山西省2000—2020年农业碳排放量,并运用STIRPAT模型对2021—2030年全省农业碳排放量进行预测。结果表明：2000—2020年山西省农业碳排放量总体呈先缓慢上升后波动下降的变化趋势,农业碳排放强度整体呈波动下降的变化趋势,年均降幅4.1%。种植业和畜牧业分别占农业碳排放总量的42.2%和57.8%。其中施用化肥是种植业碳排放最重要的来源,年均占比26.9%。牛、羊养殖是畜牧业碳排放最主要的两大来源,平均贡献率为28.4%、21.9%。山西省农业碳排放总量高值区多分布于晋北及晋南地区,低值区分布于中部地区,农业碳排放强度呈北高南低的分布特征。基于STIRPAT模型对山西省2010—2020年农业碳排放估算结果的精确度较高,由此预测2021—2030年山西省农业碳排放量,结果显示其呈下降趋势,在基准情景、低碳情景1和低碳情景2中,到2030年农业碳排放量分别为277.2万、268.5万、252.3万t。研究表明,山西省农业已实现碳达峰,随着低碳措施的进一步强化,未来农业碳排放呈持...     

燕山-太行山片区农村经济发展与农业碳排放EKC曲线研究

以保定西部8县为例,对该地区1997~2012年农业碳排量进行测算,并运用EKC曲线模型对保定西部地区农村经济发展与农业碳排放的关系进行验证。结果表明,保定西部地区农业碳排放量在逐年升高,但近几年增长速度开始放缓;EKC模型显示保定西部地区农业碳排放和农村经济发展水平之间存在着明显的倒“U”型曲线关系,且即将进入下降阶段,然而多种因素会对该趋势产生影响,该区域仍面临经济发展和生态保护的双重压力。最后提出科学降低化肥、农药、塑膜的使用量,采用先进农业技术降低机械碳排量,发展新型农业经济等策略。     

江苏省环境质量与经济增长关系研究

选取1985~2006年环境与经济增长数据,利用环境库兹涅茨曲线研究江苏省环境质量与经济增长的关系。结果表明,江苏省环境质量与经济增长关系符合环境库兹涅茨曲线,并呈倒N型;环境拐点将会在人均GDP为25 641元时出现;江苏工业化进程已处于工业化后期阶段。     

辽宁省大气环境污染水平与经济发展研究

选取了辽宁省1998～2010年工业废气排放量、工业和生活二氧化硫排放量、工业和生活烟尘排放量、工业粉尘排放量以及辽宁省的GDP结构、人口、能源消耗等环境经济数据,建立经济增长与大气环境污染水平关系的计量模型,即辽宁省环境库兹涅茨曲线( EKC),分析辽宁省近年来经济发展与大气环境污染之间的关系,从宏观上揭示环境库兹涅茨曲线的变化特征及其原因,结果表明,辽宁省环境库兹涅茨曲线特征与工业结构变化、能源消费结构、环境保护投资等有显著相关性.     

河北省二氧化碳排放驱动因素研究——基于STIRPAT模型

首次以河北省为研究对象,基于扩展的STIRPAT模型,应用岭回归分析,对1980~2011年二氧化碳排放驱动因素进行研究,然后结合河北省产业布局和特点,提出碳减排政策建议。结果表明,经济增长是二氧化碳排放量增多的决定性因素;城市化水平、能源强度和人口规模是重要因素;第三产业比重、第二产业比重和能源消费结构对碳排放影响不显著。     

海南省农业领域碳排放时空分布与预测

为探究海南省碳排放的时空分布特征,以海南省农业领域碳排放情况为研究对象,基于2016—2020年海南省农业年鉴数据,从种植业、养殖业、渔业和农用能源等4个方面入手,采用IPCC碳排放计算方法,分别计算全省与各市县农业年碳排放总量和碳排放强度。结果表明：海南省农业领域碳排放总量历年变化幅度较小,2018年海南省农业领域碳排放总量（以碳当量计）达到最大为495.69万t,种植业和农用能源碳排放所占比例最大,分别为61.62%和31.29%;海岛特点导致海南省农业领域碳排放总量在地域上存在明显差异,海口、文昌、琼海、澄迈、临高、儋州地区等沿海县区农业领域碳排放量远大于岛中央地区,呈现北高南低、外高内低的特点;海南省及各市县区农业领域碳排放强度逐年下降,2020年全省农业领域碳排放强度（以碳质量计）降低至0.26 kg/亿元,降低速度超过全国平均水平。在目前农业发展场景下,海南省已基本实现农业领域碳达峰,碳排放总量与碳排放强度虽处于高位,但在未来几年内仍会不断下降。     

安徽省池州市土地利用碳排放演变及其影响因素

碳排放和土地利用密切相关。依据土地利用碳排放测算方法,测算池州市2000—2010年主要土地利用类型耕地、林地、牧草地和建设用地碳排放量,同时对碳源、碳汇和净碳排放进行了测算,分析土地利用碳排放演变情况,计算地均碳排放强度和建设用地碳排放强度,并基于STIRPAT模型分析土地利用碳排放的影响因素。结果表明:1)2000—2010年池州市碳排放总量呈逐年递增的趋势,碳排放总量由2000年的35.835 4kt增加到2010年的1 774.016 3kt,碳排放总量递增主要以建设用地的碳排放递增为主,建设用地的碳排放量与碳排放总量具有趋同的变化趋势。2)2000—2010年池州市碳汇能力基本稳定,碳源与碳汇的比例整体呈增加趋势,由2000年的1.135 5增加到2010年的6.657 2。3)2000—2010年池州市土地利用碳排放变化划分为缓慢增长、快速增长和平稳增长3个阶段。4)地均碳排放强度呈现缓慢增长趋势,而建设用地地均碳排放强度则呈现波动上升的趋势,地均碳排放强度、地均建设用地碳排放强度的增长与工业经济发展水平呈正相关关系。5)碳排放量和人口总量、人均GDP之间的线性相关关系十分显著,且人均GDP对碳排放量的解释程度要大于人口总量对碳排放量的解释程度。     

Research on Spatial-Temporal Characteristics and Driving Factor of Agricultural Carbon Emissions in China

Macroscopic grasp of agricultural carbon emissions status, spatial-temporal characteristics as well as driving factors are the basic premise in further research on China’s agricultural carbon emissions. Based on 23 kinds of major carbon emission sources including agricultural materials inputs, paddy ifeld, soil and livestock breeding, this paper ifrstly calculated agricultural carbon emissions from 1995 to 2010, as well as 31 provinces and cities in 2010 in China. We then made a decomposed analysis to the driving factors of carbon emissions with logarithmic mean Divisia index （LMDI） model. The results show：（1） The amount of agricultural carbon emissions is 291.1691 million t in 2010. Compared with 249.5239 million t in 1995, it increased by 16.69%, in which, agricultural materials inputs, paddy ifeld, soil, enteric fermentation, and manure management accounted for 33.59, 22.03, 7.46, 17.53 and 19.39%of total agricultural carbon emissions, respectively. Although the amount exist ups and downs, it shows an overall trend of cyclical rise; （2） There is an obvious difference among regions：the amount of agricultural carbon emissions from top ten zones account for 56.68%, while 9.84%from last 10 zones. The traditional agricultural provinces, especially the major crop production areas are the main source regions. Based on the differences of carbon emission rations, 31 provinces and cities are divided into ifve types, namely agricultural materials dominant type, paddy ifeld dominant type, enteric fermentation dominant type, composite factors dominant type and balanced type. The agricultural carbon emissions intensity in west of China is the highest, followed by the central region, and the east zone is the lowest; （3） Compared with 1995, efifciency, labor and structure factors cut down carbon emissions by 65.78, 27.51 and 3.19%, respectively;while economy factor increase carbon emissions by 113.16%.     

安徽省经济增长与环境污染水平关系评估

以安徽省1991~2013年环境污染指标和人均GDP的统计数据,建立了人均GDP与环境污染水平(工业\"三废\"排放量)之间的计量模型,并在此基础上评估与预测了人均GDP增长与工业\"三废\"排放量的关系。研究发现,安徽省经济增长与环境污染之间的关系比较特殊。安徽省人均GDP与工业废水排放量曲线不同于传统的环境库兹涅兹曲线,呈现出一种\"U型+倒U型\"的发展趋势;人均GDP与工业固体废弃物排放量曲线和人均GDP与工业废气排放量曲线则呈现出一种三次回归方程,目前呈现出单调的增长趋势,且尚未达到转折点。在回归模型的基础上预测安徽省人均GDP分别达到3421元和5189元(1978年价格)时,工业固体废弃物排放量和工业废气排放量将开始分别呈现逐步好转趋势。     

基于面板数据的PVAR模型分析安徽省城镇化对农业碳排放的影响

为评估城镇化水平对农业碳排放的影响,基于安徽省16个地级市2000-2017年的面板数据,构建PVAR模型,采用GMM的方法,从人口城镇化和土地城镇化2个视角进行分析,并用脉冲响应函数和方差分解法分析皖南、皖中和皖北3个区域城镇化对农业碳排放影响的区域差异.结果 显示:1)人口城镇化和土地城镇化对农业碳排放的冲击大小以...