河北省能源消费与碳排放影响因素分析

选取1980~2011年的样本数据,应用IPCC碳排放计算方法对河北省能源消费碳排放及经济发展进行阶段分析,同时利用LMDI模型对碳排放增量进行影响因素分解,分析人口、经济产出、产业结构、能源强度、能源消费结构对碳排放的作用程度。结果表明:1980~2011年河北省碳排放经历了稳定增长(1980~1996年)、低速增长(1996~2000年)和快速增长(2000~2011年)3个阶段,且3个阶段的GDP增速明显大于碳排放增速,河北经济发展与能源碳排放整体处于弱脱钩状态,与实现强脱钩还有一定的差距。LMDI模型分解结果显示,碳排放的驱动因素是人口、经济产出和产业结构,贡献度分别为8.92%、292.39%和14.95%;抑制因素是能源强度和能源结构,贡献度分别为-202.94%和-14.35%。     

江西省农业碳排放变化特征及其驱动因素分析

农业碳减排作为应对气候变化研究的重要内容,一直是相关研究领域的热点?借鉴IPCC和其他研究机构、学者提供的碳排放因子系数,从农业物资投入、农地活动、水稻种植、牲畜养殖等12种主要碳源,测算了江西省2001-2020年农业碳排放量,并利用LMDI分解法将农业碳排放驱动因素分解为效率因素、结构因素、经济发因素、劳动力因素。结果表明：江西省农业碳排放总量从2001-2020年呈波动下降-上升-下降-持续上升-持续下降的变化趋势,并在2016年达到顶峰。相比于2001年,农业碳排放量增长20.68%,农业碳排放强度下降47.75%;效率因素与劳动力因素对农业碳排放有抑制作用,分别减少351.02%、426.26%的碳排放量。结构因素与经济因素对农业碳排放有促进作用,分别增加33.55%、843.92%的碳排放量。文章最后就农业碳减排措施提出了针对性建议。     

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%。     

河南省碳排放因素分解及关联分析

依照IPCC的碳排放计算方法,对河南省1995-2009年的碳排放量、碳排放强度、人均碳排放量及3个产业的碳排放量、碳排放强度进行测算,分析了河南省历年碳排放总量和3个产业终端能源消费碳排放量的变化情况,得出了河南省终端能源利用碳排放量的增长与碳排放强度的降低均主要在第2产业.采用灰色关联度分析方法,定量分析了经济发展...     

甘肃省农地利用碳排放测算及影响因素研究

利用2000-2011年甘肃省农业投入的六大类碳源相关数据,对甘肃省历年农地利用碳排放量进行测算。分析得出:从2000年起,甘肃省农地利用碳排放量和碳排放强度分别以年均6.0%和5.8%的增速上升。六类碳源中,化肥、农药、农膜、柴油、翻耕和灌溉碳排放量的年均增速分别为2.8%,17.7%,7.6%,5.4%,0.3%,1.1%。运用LMDI模型对农地利用碳排放的影响因素进行分析,结果表明:从2001-2011年,由生产效率、产业结构、经济水平和劳动力规模变化所引起的碳排放增量比分别为:-15.18%、-4.46%、44.19%和0.34%。由此表明,农业生产效率和产业结构对碳排放具有抑制作用,劳动力规模虽具有一定的促进作用,但作用较小,而农业经济水平是导致甘肃省农业碳排量增加的主导因素。最后根据以上结果,对甘肃省农地利用碳减排提出对策建议。     

安徽省农业生产碳排放时空变化及影响因素分析

基于安徽省5个基础碳源数据,结合LMDI模型,测算其农业碳排放量,并分析了2006-2015年安徽省农业碳排放的时空变化及其影响因素.结果表明,安徽省农业生产碳排放总量逐渐增加,从2006年的356.53万t增长至2015年的449.03万t;碳排放强度的变化与总量变化基本保持一致,从2006年的87.28 t/km2增长至2015年的107.37 t/km2;从市域空间来看,2015年安徽省北部地区的城市碳排放总量高于南方地区;LMDI模型的因素分解表明,与2006年相比,效率因素和劳动力因素累计实现减排527.90万t,其中效率因素影响力度较强,而结构因素、经济因素总体上对累积CO2排放量变动存在正向影响,其中经济因素影响尤为突出.     

基于投入角度的农业碳排放时空特征及因素分解研究——以湖北省为例

本研究基于化肥、农药、农膜、农用柴油等4个主要方面碳源,测算了湖北省1993-2010年及其地、市、州2008年的农业碳排放量.结果显示:(1)纵向来看,自1993年以来,湖北省农业碳排放总量、碳排放强度均呈现较为明显的三阶段变化特征,即”上升—平稳—上升”.(2)横向来看,区域差异明显:襄樊、黄冈2地属于碳排放总量、碳排放强度“双高”型地区;随州等4地为低碳排放量、高排放强度地区;宜昌等4地为高碳排放量、低排放强度地区;十堰等6地为碳排放总量、碳排放强度”双低”型地区.进一步利用LMD1模型对碳排放影响因素进行分解研究,结果表明:与1993年相比,效率、劳动力、结构因素分别累计实现了87.30％、71.89％和13.69％的碳减排;而经济因素则引发了269.28％的碳增量.最后,立足于研究结论提出促进湖北省农业碳减排的政策建议.     

陕西省能源消费碳排放及影响因素分析

研究陕西省能源消费碳排放对陕西省减少碳排放、发展低碳经济有重要意义。本文基于Kaya恒等扩展式和LMDI因素分解模型,应用LMDI分解方法对能源消费碳排放进行因素分解。定量分析陕西省2000~2011年人口、人均GDP、能源消费结构、能源消费强度、产业结构等5方面的因素对能源消费碳排放的贡献大小。结果表明:人均GDP增长是陕西省碳排放量增加最大的因素,其次是能源消费强度;人口效应和能源消费结构对碳排放量的增加有较微弱的拉动作用;产业结构效应对陕西省碳排放量增加产生负作用;产业结构和能源消费结构需要进一步调整与优化以抑制碳排放量增长。     

中国畜牧业碳排放的时空演进及其影响因素分析

为探究“双碳”目标下畜牧业的低碳发展问题，测算了中国31省(市、自治区)畜牧业碳排放量(统计数据未含港、澳、台地区，下同),并借助核密度估计和LMDI分解模型分析其时空动态演进和影响因素。结果表明：1)中国畜牧业碳排放总量呈先上升后下降态势，碳排放强度呈下降态势且省际差距大幅缩小。2)强度效应对畜牧业碳排放的抑制作用最为明显，演变趋势呈现“强-稳定-强”抑制水平；农业结构效应呈现由促进作用转为抑制作用的变化特征；产业结构效应的抑制作用仅次于强度效应；经济效应的促进作用最大，其演变趋势呈现倒“U”;人口规模效应的促进作用较小。3)全国畜禽养殖及其主要种类碳排放量的影响因素存在地区差异。牧区的肉牛、肉羊以及东北地区生猪强度效应和产业结构效应的抑制作用不足削减经济效应带来的促进作用，促进了其碳排放的增加。因此，政府需积极引导养殖户进行清洁生产，加大对畜牧龙头企业在品种改良、饲料配比优化方面的科研投入，因地制宜的推进畜禽低碳养殖发展。     

安徽省农业碳排放测算及其影响因素分析

基于安徽省2004~2014年的相关数据,测算了安徽省2004~2014年的农业碳排放总量和碳排放强度,并利用LMDI模型分析了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。最后根据研究结果,为促进安徽省农业碳减排,提出了有针对性的政策与建议。     

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%.     

中国生猪主产区养殖碳排放时空特征与脱钩效应研究

生猪主产区为中国畜牧经济的发展做出了重要贡献,但生猪养殖肠道发酵及其排泄物却是重要的温室气体排放源。本文基于2004-2014年面板数据比较19个生猪养殖优势省份的碳排放量及脱钩效应,发现生猪养殖碳排放量呈现较为明显的"上升-下降-上升"的特征;与碳排放量相反,碳排放强度则显示出"下降-上升-下降"的特点,且生猪养殖碳排放区域差异明显,研究期内生猪养殖碳排放与经济发展主要呈现较理想的弱脱钩状态。最后,本文为促进生猪低碳养殖提出了几点对策建议。     

中国能源消费、碳排放与经济增长的区域差异性研究

基于1990~2010年我国30个省市面板数据，采用面板计量分析方法，考察我国源消费、碳排放与经济增长三者之间相互影响关系对空间区域的依赖性.研究结果表明：能源消费、碳排放与经济增长三者之间不仅存在着相互影响的关系，且具有显著的区域差异性.各省份的经济发展均为各地区能源消费增长的重要诱因之一，这与能源消费与经济增长具有较高关联度的结论保持一致.北京、辽宁、吉林等16个省份碳排放变化与经济增长变化之间的的弹性系数为负值，而天津等其他14个省市碳排放总量还将伴随着经济增长而增长，所以弹性系数为正值，这点隐含说明当区域经济水平较高时，该区域也将拥有更多优势条件来减低碳排放，实现碳减排最终还是需要依赖于发达的经济水平.     

上海市土地利用碳排放测算与分析

采用2004-2013年上海市分行业化石能源消费数据,并与主要类型土地利用方式相结合,分析10年间土地利用产生的碳排放量变化情况。结果表明,2004-2013年土地利用碳排放量和碳吸收量均呈稳定上升趋势,增长率分别为42.60%和62.88%,但由于生产性土地面积基数较小,净碳排放量已增加至3 532.790万t/年。工矿用地是最大碳源,年均碳排放量占比达61.3%;而交通用地的单位面积碳排放量最高,且呈先上升后下降的趋势,在2008年达到峰值3.959 t/km2。碳足迹面积远高于上海市实际面积,2013年生态赤字已达67 516 km2。在区域层面,上海市是高强度点状排放源,碳减排压力较大,并从减源增汇角度对土地低碳利用提出了相应对策。     

基于STIRPAT模型的陕西省建设用地对能源消费碳排放的影响

在对陕西省1997—2012年能源消费的碳排放和建设用地的变化特征及二者相关性分析的基础上,基于扩展的STIRPAT模型,选取建设用地、人均GDP和单位GDP能耗为驱动因素构建建设用地碳排放模型。结果表明,1997—2012年陕西省能源消费碳排放具有两阶段特征,总体上与建设用地呈现同步增长的趋势;模型分析显示建设用地对能源消费碳排放的弹性系数较高,表明建设用地对碳排放的影响显著,此外,人均GDP和单位GDP能耗也都是主要的驱动因素;控制建设用地扩张趋势是碳减排的有效途径,对于碳减排意义重大,进而提出了一些控制建设用地扩张及碳减排的措施和建议。     

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。     

甘肃省能源消费的CO_2排放研究

根据联合国政府间气候变化专门委员会(IPCC)2006年提出的能源碳排放计算方法,计算了甘肃省1995～2009年化石燃料消费的CO2排放量。结果表明,1995年以来,甘肃省化石燃料消费的CO2排放量呈增加趋势,排放强度不断下降,由1995年的11.01 t/万元下降到2009年的3.42 t/万元。甘肃省化石燃料消费增长迅速,但化石燃料消费结构变化不大。未来甘肃省节能减排压力巨大,要提高化石燃料的利用效率,同时加大可再生能源在能源消费结构中的比重,尤其加大对太阳能和风能的利用。     

笼养肉鸡不同季节CH4和CO2排放研究

为研究规模化肉鸡场温室气体排放系数,给我国畜牧业温室气体清单编制和选择减排技术提供依据,选择山东某商业化肉鸡养殖场,对肉鸡生产过程中CO2和CH4的排放情况进行了研究。利用多功能气体分析仪对肉鸡舍CH4和CO2的浓度进行测定,肉鸡舍通风量测定则采用风机风量现场测定系统,根据不同季节连续5d测试结果计算提出肉鸡的CH4和CO2排放因子。结果表明:肉鸡在36～42d龄间的CH4和CO2的排放因子分别为(0.276±0.19)g·d-1·bird-1(58.9±37.2g·d-1·AU-1),154.4±45.7g·d-1·bird-1(33.5±8.0kg·d-1·AU-1),不同季节CH4排放因子存在显著差异,夏季最高为0.552g·d-1·bird-1,冬季最低为0.111g·d-1·bird-1,春季和秋季分别为0.187g·d-1·bird-1和0.254g·d-1·bird-1;CO2排放因子夏秋季节差异不显著,分别为186.8g·d-1·bird-1和179.8g·d-1·bird-1,但显著高于春季(163.4g·d-1·bird-1)和冬季(87.4g·d-1·bird-1);分析表明,鸡舍通风量...     

广东省农业生产能源消费碳排放分析及减排对策

[目的]研究广东省农业生产能源消费CO2排放量,并提出可行的减排对策。[方法]基于《中国能源统计年鉴》和《广东统计年鉴》提供的农业终端能源消费数据,采用IPCC推荐的碳排放计算方法,估算了2000～2009年广东省农业生产终端能源消费CO2排放量,并提出了相应的减排措施。[结果]随着农业产值和能源消费的快速增长,2000～2009年广东农业终端能源消费CO2排放总量总体呈不断上升的趋势,从2000年的423.63万t碳增加到2009年的605.99万t碳,年均增长率4.1%;而农业终端能源消费的碳排放强度则不断下降,从2000年的0.424 t碳/万元下降至2009年的0.301t碳/万元,年均下降率为3.7%。农业产值增长、能源利用效率提高、农业能源消费结构高碳化等是农业终端能源消费CO2排放变化的主要影响因素。通过大力开发利用农村可再生能源,开发推广先进的能源利用技术,加快推进农业机械的节能,建立健全农业生产能源消费碳排放的宏观调控机制等措施,可以减少农业生产能源消费的二氧化碳排放量。[结论]该研究为广东省农业生产能源消费碳减排政策的制定提供了依据。