甘肃省土地利用碳排放变化及影响因素分解

[目的]研究土地利用中各类型土地的碳排放量及各土地利用碳排放的影响因素。[方法]以甘肃省为例,在分析1995—2012年土地利用结构变化的基础上,估算了各种土地利用类型的碳排放量,并运用LMDI模型对其影响因素进行了分析。[结果]土地利用结构变化总体表现为建设用地面积持续增加,农用地面积减少;建设用地内部结构变化中居民点及工矿用地面积增加最多,交通用地变化幅度显著;土地利用碳排放量总体呈上升趋势,由1995年的1 882.07×104t增加到2012年的7 503.23×104t,年均增加341.48×104t;土地利用碳排放强度最大的是居民点及工矿用地,交通用地碳排放强度呈缓慢上升态势,但到2012年有所下降;土地利用变化、经济发展水平提高、人口规模增加促进了土地利用的碳排放,能源效率提高和能源结构优化抑制了土地利用的碳排放。[结论]对甘肃省土地利用碳排放总量的变化趋势影响最大的是居民点及工矿用地,能源效率提高和能源结构优化是今后甘肃省碳减排的重要途径之一。     

基于LMDI的兰州市农业碳排放现状及影响因素分析

通过构建碳排放研究指标体系,测算各县区农业碳排放特征,并分析其演变规律;以碳排放量测算结果为基础,采用LMDI分析方法分析兰州市农业碳排放影响因素分析。结果表明:兰州市近13年的农业碳排放总量呈现明显增长趋势,碳排放强度呈逐年下降趋势;土地翻耕产生的碳排放最大,占比超过40%;2015年兰州市各县农业碳排放差异较大,呈现边缘增长的结构,其中榆中县、永登县、皋兰县三县农业碳排放总量占总排放量83.55%;农业经济发展对碳排放量增加呈现正效应,是导致农业碳排放增加的关键因素,而农业碳排放强度、产业结构对碳排放量增加有负向影响。本研究建议未来兰州市在农业发展过程中应积极提倡土地轮作休耕,适当减少农药、化肥等使用量,推广种植绿肥作物;加大推进规模化发展,大力发展生态农业,加快传统农业向现代农业转变,推进兰州农业碳减排工作顺利进行。     

基于土地利用的江西省碳排放时空特征及脱钩关系研究

土地利用碳排放与经济发展关系的研究有利于优化土地利用结构,协调区域经济发展.以江西省为例,基于2005—2018年土地利用数据和能源消费数据,采用碳排放系数法和Tapio脱钩模型,对碳排放时空特征及经济发展的脱钩关系进行分析.研究发现,2005—2018年江西省土地利用碳排放量前期增长较快,后期增长较缓,建设用地是主要...     

重庆合川区土地利用碳排放的效应及驱动因素

基于土地利用变更数据与能源消费数据,测算2009—2018年间合川区土地利用碳排放量,分析碳源、碳汇、净碳排放量及碳排放强度演变趋势,运用LMDI因素分解法对碳排放驱动因素进行分析.结果表明:(1)2009—2018年重庆合川区土地利用净碳排放量呈上升趋势,年均增长率为7.00％;(2)合川区单位GDP碳排放强度呈逐年...     

云南省碳排放与经济增长脱钩关系分析

本文采用Tapio脱钩弹性测度云南省能源消费相关的碳排放与经济增长之间的"脱钩"程度,结果表明,有6个年份云南省碳排放量的GDP弹性介于0~0.8,碳排放与经济增长呈弱脱钩状态。极少年份,如2000、2008、2013年,经济增长与碳排放呈现出强脱钩的现象。总体而言,在2000~2014年,云南省碳排放与GDP的脱钩指数为0.303,表现为弱脱钩状态。这说明随着云南省经济的不断增长,碳排放也在不断增长。运用脱钩分析,可以很好了解云南省经济发展与环境之间的关联关系和协调性。     

中国区域税收增长变动的因素分解分析——基于LMDI分解方法

经济新常态背景下,税收增速下滑,探索税收新的增长点就显得非常必要。运用LMDI指数分解方法,从宏观角度分解出税收增长的影响因素,并以2005~2012年的省际数据为基础,测算出我国区域税收增长的宏观因素影响效应值。研究发现：经济产出因素和产业税负因素是推动区域税收增长主要动因,不过前者累计贡献度更大;产业结构因素和税收结构因素的效应累计贡献度则产生了区域分化;研究进一步发现,各因素效应变动的深层次原因也呈现出地区性差异。     

绵阳市土地利用碳排放效应研究

采用土地利用变化模型和土地利用碳排放估算模型,对绵阳市1998、2002、2009～2015年土地利用变化及其碳排放效应进行研究。结果表明:(1)绵阳市林地面积最大,且林地总面积呈增加趋势,2015年在1998年的基础上增加了16915.06hm~2,草地和水域面积减少,草地变化速率达37.89%,转出比例最高,建设用地和耕地面积增加,耕地变化速率达-46.93%,转入比例最高,土地利用程度综合指数在230～241之间波动,并呈上升趋势,土地利用程度处于中等偏上水平并在不断提高;(2)建设用地是最大的碳源,占总碳源的89%以上,于2011年达到2.85×10~6t后开始下降,林地是最大的碳汇,占总碳汇的99%以上,于2009年达到7.23×10~5t后开始下降;(3)绵阳市净碳排放量的变化分为三个阶段:1998～2002年,碳排放量年平均增加1.4203×10~4t,表现为总体上升阶段,2002～2011年,碳汇和碳源先后达到峰值,净碳排放量呈现出波动上升趋势,并在2011年达到2.35×10~6t的最大值,2011～2015年,绵阳市净碳排放量开始下降;(4)绵阳市应继续实行人工造林防止林地面积流失;发挥其科技城的优势,实行产业结构升级,优化能源结构;从低碳发展出发引导土地可持续利用。     

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。     

江苏省徐州市土地利用碳排放特征及脱钩效应研究

人类活动导致的土地利用/覆盖变化是大气中二氧化碳含量增加的重要原因。依据土地利用碳排放测算方法,得出1996~2012年江苏省徐州市土地利用碳排放特征,并探究土地利用碳排放与经济发展之间的脱钩效应。研究得出:(1)1996~2012年徐州市土地利用碳排放由1399.16万t增长至3202.19万t,年均增长率为4.99%,主要归因于建设用地激增。(2)徐州市土地利用地均碳排放强度、人均碳排放强度、单位GDP碳排放强度年均增长分别为4.99%、4.20%、-7.25%。(3)徐州市土地利用碳排放增长速度低于经济增长速度,主要表现为弱脱钩,但碳排放总量居高且呈增长态势。合理控制建设用地规模、转变土地利用方式为徐州市低碳经济发展改革方向。     

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。     

河南省经济增长与碳排放的脱钩分析

根据1990~2012年河南省统计数据,在计算河南省碳排放总量的基础上构建经济增长与能源碳排放的脱钩分析模型,研究经济增长与碳排放间的脱钩关系。结果表明:1990~2012年河南省能源碳排放的GDP弹性值出现先上升、后下降的倒"U"型趋势,在2000~2005年出现未脱钩的情况之后,2005~2012年弹性值持续下降,脱钩趋势越来越显著。脱钩的程度受宏观调控和经济政策的影响较大,在目前乃至未来一段时期内仍会保持相对脱钩状态,但要实现绝对脱钩还比较困难。因此河南省在今后的发展中要做到提高能源利用效率,转变发展方式,调整产业结构,发展新兴产业,开发利用新型能源,走低碳经济之路。     

低碳经济视角下武汉市土地利用结构优化

为促进低碳经济的发展,以武汉市为例,将最低碳排放量与最大经济效益作为目标函数,采用灰色多目标线性规划方法,对武汉市土地利用结构进行优化研究。结果表明,武汉市土地利用结构优化后耕地面积为338 000.0 hm2,林地面积为103 100.0 hm2,草地面积为280.0 hm2,建设用地面积为185 000.0 hm2。因此在进行土地利用结构优化过程中应限制建设用地过度扩展,适度退耕还林。     

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%。     

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.     

基于承载关系的合肥市土地利用碳排放效应分析

在碳排放核算的基础上,构建了土地利用类型与碳排放核算项目之间的承载关系,并以合肥市为例,从强度、贡献率和碳汇增减3个方面分析土地利用碳排放效应,以揭示土地利用变化对碳排放的深刻影响。研究结果表明:(1)1995-2012年,合肥市净碳排放量由275.54万t增加到1537.33万t,能源消费是第一大碳源,且只有能源消费的碳排放占比逐年增长;(2)陆地生态系统中的各用地类型碳吸收强度基本稳定,城镇工矿用地的碳排放强度远高于其他建设用地类型;(3)对合肥市碳排放贡献明显的是耕地(为负)、城镇工矿用地(为正)和农村居民点(为正);(4)在土地利用变化过程中,耕地转为城镇工矿用地是碳汇损失最重要的原因。因此,在碳源控制上,以能源消费为抓手是抑制碳排放的有效途径;在土地管理上,严格控制城镇工矿用地扩展,尤其是占用耕地,是增加碳汇、减少碳排放的关键。     

基于LMDI的区域因素与水资源消耗强度变化关系的研究

基于改进的LMDI模型,考虑区域因素对水资源消耗强度变化的影响,对我国"十一五"期间水资源消耗强度的变化进行了分解分析。结果表明:技术进步是水资源消耗强度下降的主要影响因素,而产业结构调整和区域经济相对规模变化未能促进水资源消耗强度的下降;东、中、西部地区水资源消耗强度的变化存在差异,东部地区对全国水资源消耗强度下降贡献最大;含区域因素模型与未含区域因素模型相比,产业结构效应和技术进步效应分别相差0.96和2.33m3/万元。因此,各地区要进一步关注技术进步、产业结构调整和地区之间相互支持。     

基于LMDI的区域因素与水资源消耗强度变化关系的研究

基于改进的LMDI模型,考虑区域因素对水资源消耗强度变化的影响,对我国"十一五"期间水资源消耗强度的变化进行了分解分析。结果表明:技术进步是水资源消耗强度下降的主要影响因素,而产业结构调整和区域经济相对规模变化未能促进水资源消耗强度的下降;东、中、西部地区水资源消耗强度的变化存在差异,东部地区对全国水资源消耗强度下降贡献最大;含区域因素模型与未含区域因素模型相比,产业结构效应和技术进步效应分别相差0.96和2.33m3/万元。因此,各地区要进一步关注技术进步、产业结构调整和地区之间相互支持。     

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。     

基于土地利用的西安市碳排放时空特征研究

基于土地利用变化的碳排放是影响区域碳收支平衡的重要方式,对于实现碳中和与绿色可持续发展具有重要意义。以西安市为例,通过获取2011—2020年的土地利用数据、能源消费数据与社会经济数据,利用GIS分析手段并采用碳排放系数法、土地利用转移矩阵与重心转移模型,研究西安市碳排放时空特征。结果表明,近10a间西安市土地利用中,耕地和林地为西安市主要土地利用类型,占总面积的85%以上;土地利用类型转移中耕地转出面积最大,建设用地转入面积最大,建设用地与林地转入面积大都来源于耕地;总净碳排放量增长速率逐渐增快,10a间净碳排放量增长率高达82.7%,西安市主要碳源贡献为建设用地,主要碳汇贡献为林地;碳排放总量重心在10a间处于稳定状态,重心均集中在莲湖区。为保证西安市地区低碳高质量发展,应重点调整产业布局、控制碳源用地、建设碳汇用地等以优化土地利用结构,以实现区域内的碳平衡收支与绿色发展。     

曲周县土地利用碳排放测算及情景预测研究

在全球气候变暖的背景下,中国积极承诺并开展控制温室气体排放行动以期2030年实现碳达峰、2060年实现碳中和的目标。为厘清土地利用碳排放产生机制并合理预测碳排放,以曲周县为研究区,采用排放系数法、样地清查法、IPAT模型和最小二乘法等方法,构建碳排放核算体系以度量曲周县2009—2019年土地利用碳排放,并预测81类情景组合下2030年的碳排放情况。结果表明：1）曲周县2009—2019年土地利用碳排放总量呈先增加后减少的变化趋势。耕地、建设用地是两大碳排放源;2）预测首先按人均GDP设置,进一步根据人口、能源强度、产业结构共设置81类情景组合：当GDP处于高速发展时,曲周县未来碳排放总量模拟值区间为50万～221万t;当GDP处于惯性发展时,上升趋势组区间分别为51万～119万t,最小值为45万t,下降趋势组最小值29万t;当GDP处于低速发展时,呈下降趋势的两组最小值分别为21万和12万t,另一组在2030年预测值为35万～50万t。研究结论：土地利用变化会直接或间接影响碳排放,摸清地类碳属性可为预测碳排放及优化土地利用结构提供抓手。综上,曲周县可通过人口优化、调整能源结构、优化产...