基于LMDI-Attribution的山西省碳排放强度分析

运用LMDI-Attribution方法对山西省2005~2014年间碳排放强度进行了分解及归因分析,并将传统的LMDI模型扩展到产业部门和居民生活两部分,量化五大行业对影响效应变化的贡献率。结果表明,山西省碳排放强度呈下降趋势,2014年万元生产值碳排放强度比2005年减少了2.603 29 t。其中,影响其变化的3个主要因素是经济规模、能源强度和居民能源消费结构;农业、工业、建筑业、交通业、商业5个行业对能源强度效应和产业结构效应均有抑制碳排放强度增长作用;其中,工业是能源结构、能源强度和产业结构3个效应变化的最主要因素,而低耗能的农业、交通业、商业的影响力微弱。总体而言,工业是山西省未来减排最需要关注的部门,优化产业结构和能源结构,大力发展清洁能源是山西省绿色低碳发展的最佳途径。     

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。     

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。     

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%。     

环渤海地区碳排放演进特征及其影响因素

基于kaya公式分析环渤海地区2000--2010年碳排放演进特征,并对碳排放影响因素进行分解．结果发现：环渤海地区碳排放量大致呈现持续均匀的增长趋势,碳排放主要受能源结构、碳排放系数、能源强度、产业结构、经济规模5个因素影响,其中经济规模、能源结构、产业结构对碳排放量起促进作用,能源强度对碳排放起抑制作用,经济规模对碳排放起决定性作用．结合研究结果和区域实际情况提出了有关碳减排的政策性建议．     

“双碳”目标下中国油气开采业碳排放影响因素探究

在“双碳”发展战略背景下，石油石化行业的降碳形势严峻，尤其是中国油气开采业能源消耗大，探究油气开采业的发展与碳排放关系及其影响因素具有重要的现实意义。采用Kaya恒等式与广义迪氏指数分解法相结合的方法，对影响油气开采业碳排放量的各类驱动因素进行分解，再利用Tapio脱钩指数模型对碳排放关键影响因素开展脱钩效应分析。将新建模型应用于2010—2020年新疆地区油气开采业碳排放分析中，结果表明：该地区油气开采业投资规模、产出规模、能源消费规模与碳排放呈高度正相关性，排放贡献度分别为61.24%、20.79%及17.97%；投资碳强度、产出碳强度对油气开采系统碳排放具有较强的抑制作用，减排贡献度分别为-58.95%、-20.89%；碳排放与投资规模、产出规模在大多数年份表现为脱钩效应，但目前总体仍表现为扩张性负脱钩。能源安全新战略下的油气行业需全面贯彻落实增储上产要求，重视创新与节能降耗、优化用能结构、推动油气与新能源融合发展是实现油气开采业碳减排最现实、最有效的途径。（图5，表6，参21）     

工业行业能源消耗的变动特征及影响因素分析

依据安徽省2000-2012年工业行业能源消耗数据,分析各行业能源消耗总量及强度的时间变化规律,在此基础上将安徽省工业行业依据能耗强度分为高、中、低3个等级;同时采用LMDI分解法,将工业行业能源消耗的影响因素分解为强度效应、结构效应和生产效应。结果表明:安徽省各行业能耗总量逐年增加,能耗强度随经济发展呈幂指数衰减;总体来讲,生产效应是能耗增加的最重要的因素,强度效应是抑制能耗增加的关键因素,结构效应对于能耗变化的影响还未完全显现出来。另外,高、中、低三组行业中各影响因素的强弱变化出现明显差异,高耗能行业生产效应的增长是安徽省能耗增加的主要原因。因此,降低高能耗的能源消耗、促进中能耗组产业升级是安徽省当前工业改革的重点。     

中国碳排放变化的因素分解与减排路径研究

能源及其引致的碳排放等相关问题已经成为影响人类社会发展全局和全球政治经济格局的重大战略问题.中国是世界上最大的发展中国家，面临着更严峻的能源挑战.节约能源、大幅度改善能源效率是我国应对能源和气侯变化挑战的一条极其重要且有效途径.本文综合考量了能源结构、能源强度、能源效率及经济增长等4个因素对碳排放的影响，基于因素分解模型，应用LMDI分解方法对中国一次能源利用的CO2排放及碳排放强度变化进行了研究，研究发现二氧化碳排放增加主要是由于经济增长、人口规模扩大引起的.在此基础上提出了碳减排的政策建议.     

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。     

基于VAR模型的广东省土地利用碳排放影响因素研究

【目的】分析广东省土地利用碳排放的影响因素,为广东省碳排放管理提供一定的科学依据。【方法】基于广东省1996—2017年的土地利用现状及社会经济统计数据,构建VAR（向量自回归模型）,通过格兰杰因果分析、脉冲响应和方差分解,对广东省土地利用碳排放影响因素进行定量分析。【结果】近20年来,广东省土地利用碳排放整体上呈上升趋势;人均GDP,土地利用强度和能源强度与土地利用碳排放呈正相关,土地利用结构和产业结构与土地利用碳排放呈负相关;影响因子贡献率由大到小分别为：土地利用强度>产业结构>能源强度>人均GDP>土地利用结构。【结论】调整产业结构,推动能源结构转变,优化土地利用结构是目前广东省实现碳减排的关键。     

四川省低碳经济影响因素及减排对策分析

[目的]研究四川省低碳经济的影响因素及减排对策。[方法]通过对STIRPAT模型的扩展,应用主成分回归方法,计量分析人口、经济和技术因素对2000～2009年四川省碳排放量的影响,并提出减少二氧化碳排放的对策。[结果]现阶段四川省人口规模对碳排放影响最大,其次是单位工业增加值能耗及工业增加值占GDP比重;人口规模对碳排放的影响力仍然大于人口结构,技术因素对碳排放也具有一定的解释力。可通过控制人口过快增长,鼓励低碳的生活方式和消费模式,注重产业结构的战略性调整,逐步降低高碳产业比重,鼓励支持节能减排和新能源技术领域的科技创新等途径减少二氧化碳的排放,以适应四川省低碳经济的发展。[结论]该研究为碳减排政策的制定提供了理论依据。     

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分解的襄阳市土地利用碳排放与经济增长的脱钩关系研究

城镇化、工业化的快速推进使得襄阳市减量化经济增长与土地资源环境保护之间的矛盾越发尖锐。基于直接、间接系数法,本文测度了各类土地利用的碳排放总量及其变化趋势,并运用LMDI因素分解法,对其影响因素进行深入分析。结果表明:(1)2006-2018年期间,襄阳市的土地利用碳排放量处于持续增长的状态;(2)经济规模、土地结构、人口规模是襄阳市的土地利用碳排放增加的决定性因素,而能源强度对碳排放增长保持较强的负向效应;(3)近年来,襄阳市土地利用碳排放与经济增长之间的脱钩关系状态整体是保持弱脱钩关系,碳排放的增长速率略低于经济增长的速率。     

基于LMDI方法的安徽省工业废气排放量变化的因素分解

分析了2011 ～2013年安徽省及主要地市的工业废气排放量变化,采用LMDI(对数平均迪氏指数分解法)法对不同地区的变化量进行排放强度因素、行业结构因素以及经济规模因素的分解,并根据分解结果提出减排政策建议.结果表明,2011～2013年安徽省及主要地市的SO2和NOx排放量逐年下降,烟(粉)尘排放量整体上是下降的,个别地市略有上升.经济增长是阻碍减排的主要因素,排放强度因素和行业结构因素促进减排,且主导因素是排放强度,来源于新建和改造减排设施的效果.行业结构优化还未成为减排的主导作用.在短期内以新建和改造减排设施为主要手段,同时进行长期规划,对于新兴工业区和老工业区采取不同方式引导行业结构优化.     

基于主成分分析的广西碳排放影响因素实证研究

以1978—2014年的数据为样本,计算得到广西历年的碳排放量。运用主成分分析法研究影响广西碳排放的各项因素。结果表明,广西碳排放各项因素的影响程度排序依次为能源消费量、经济发展水平、固定资产投资、城镇化水平、能源价格、人口总量、能源强度、国际贸易、能源结构和产业结构。据此提出"绿色规划""调整能源消费结构,推广清洁生产技术"和"推进碳排放权交易体系建设"等政策建议。     

北京和上海终端能源碳排放量影响因素研究

运用IPCC中碳排放量公式,结合能源消费数据,对北京和上海2005～2012年碳排放终端能源总量进行估计;运用LMDI模型定量分析了经济总量、能源结构、产业结构对碳排放的影响.结果表明,2005～ 2012年经济总量上升是推动北京和上海碳排放量增长的主要因素,能源结构调整是降低碳排放量的主要原因,产业结构调整是影响碳排放量原因之一.通过对能源结构和产业结构进一步分析得出北京和上海两市应通过能源结构调整,增加清洁能源消费比率来减少碳排放,上海市应同时发展第三产业促进产业结构调整降低碳排放的结论.     

上海市城市化水平对碳排放的影响

城市化与能源碳排放密切相关,采用协整分析和格兰杰因果检验方法分析上海市城市化水平对碳排放的影响。结果表明,上海市城市化水平与碳排放之间存在长期稳定的协整关系,城市化水平是碳排放的格兰杰原因。人口、经济、能源和技术等因素与碳排放也存在着长期稳定的协整关系。模型模拟显示,常住人口数量、人均GDP、一次能源消费量和碳排放强度等因素对碳排放影响的弹性系数为正值,而老龄化率、恩格尔系数、能源结构系数、能源强度和平均碳排放系数等因素对碳排放影响的弹性系数为负值。     

基于LMDI的长江经济带农业用水驱动因素分析

水资源优化配置成为长江经济带农业农村绿色发展的核心议题,厘清农业用水量变化的内在驱动因素及影响效应是关键。基于2002—2017年长江经济带11个省(市)的面板数据,利用对数平均迪氏指数法(LMDI)将农业用水影响因素分为技术水平、产业结构、生产水平和人口规模,进而分析不同因素对农业用水变化的效应。结果表明,从总体来看,产出效应和人口效应促进农业用水增长,其中产出效应占主导地位;技术效应和结构效应对农业用水量起抑制作用。从区域来看,上海市、安徽省、江西省、湖北省、重庆市、四川省和贵州省总体对农业用水起促进作用,江苏省、浙江省、湖南省和云南省总体对农业用水起抑制作用。     

湛江海洋经济低碳发展现状及影响因素分析

碳排放影响湛江海洋经济增长的质量。首先从碳排放规模、碳排放效率和碳排放结构三个方面分析湛江海洋经济低碳发展现状,其次根据kaya等式原理,从人口状况、经济增长、能源消费等方面对影响湛江海洋经济碳排放的相关因素进行分析,最后提出相应的解决措施,以期推动湛江海洋经济的可持续发展。     

中国农业碳排放量测算及影响因素分析——基于省级面板数据的研究

利用省级面板数据,对中国农业碳排放量和碳排放强度进行测算,并分析空间差异和时间趋势。同时,根据Kaya恒等式与LMDI指数分解方法总结对中国农业碳排放量产生显著影响的因素。结果显示,2000—2018年农业碳排放强度、非城镇化水平和人力资源投入为碳排放抑制的主要因素,而农业结构、农业生产效率和经济规模水平是碳排放的主要促进因素。