河南省交通能耗碳排放的驱动因素及空间格局分析

基于河南省2010-2016年交通能源消耗碳排放量,以河南省18个地级市为研究单元,利用对数指数平均权重法(LMDI)因素分解方法,对河南省交通能耗碳排放变化进行因素分解,并利用地统计分析方法对河南省交通能耗碳排放的空间分布格局进行分析,结果表明,河南省交通能耗碳排放量在2010-2016年呈不断增长的趋势;各类能耗影响因素中,煤炭是影响交通能源消耗碳排放总量变化的主要原因;石油、天然气和电力对其影响较小. LMDI模型因素分解,第三产业经济增加值对河南省交通能耗碳排放产生正向驱动作用,交通运输业经济份额和交通能源强度对交通能耗碳排放产生负向驱动作用,交通能源结构的驱动影响取决于能源利用的合理性,其中,第三产业经济增加值对碳排放的影响最大,交通能源结构对碳排放的影响最小.由于人口分布和经济发展水平的不同,河南省交通能源消耗碳排放沿着东北-西南方向变化较大,此方向上的交通能源消耗碳排放量也较大.整体上,河南省交通能源消耗碳排放呈中部高、四周低的分布格局.     

基于LMDI模型的贵阳市交通碳排放及其影响因素分析

交通部门是继能源部门和工业部门之后的第三大碳排放部门,成为当前研究的一个热点。通过"自上而下"的方法,测算了2007—2013年贵阳市交通运输业能源消费碳排放,对交通碳排放总量、人均碳排放量、交通能源碳排放结构及碳排放强度进行动态分析,并采用LMDI因素分解方法对交通运输能源消费碳排放量进行因素分解分析。结果表明贵阳市交通碳排放量呈不断上升的趋势,能源强度效应交通碳排放表现为显著的负效应,起抑制作用;而经济产出效应、能源结构效应和人口规模效应始终表现为正效应,起促进作用;其中,经济产出效应对交通碳排放的贡献最大。     

广东省工业经济能源消费碳排放的LMDI分析

我国工业经济能源消费是碳排放的主要来源．以广东省为例,从碳排放总量和碳排放强度等指标分析了1990—2011年广东省工业经济能源消费碳排放的现状与特征;用LMDI分解技术,将广东省工业经济能源消费碳排放因素分解为能源结构效应、能源强度效应、经济增长效应和人口规模效应4种因素;定量分析表明：经济增长效应是广东省工业经济能源消费碳排放增长的主导促进因素,人口规模效应为次主导促进因素;能源强度效应是广东省工业经济能源消费碳排放增长的主导抑制因素,能源结构效应是次主导抑制因素．     

能源消费碳排放零残差因素分解模型研究

LMDI模型、Shapley值模型和MRCI模型均是能源消费碳排放的零残差因素分解模型,对三种模型的基本形式进行拓展,提出基于多层次多因素分解的通用表述形式,给出各分解模型中因素的累积效应、逐年效应和效应贡献度的测算方法,并对三种模型特点进行对比。运用Kendall协调系数法对三种模型结果进行相容性检验,输出相容模型集;基于各相容单一分解模型,构建能源消费碳排放的最优加权组合分解模型。应用上述模型对青岛市能源消费碳排放进行分解实证,结果表明,人均GDP和人口是青岛市碳排放增加的驱动因素,能源消费强度下降和能源消费结构优化则对碳排放增长具有抑制作用。     

能源消费碳排放零残差因素分解模型研究

LMDI模型、Shapley值模型和MRCI模型均是能源消费碳排放的零残差因素分解模型,对三种模型的基本形式进行拓展,提出基于多层次多因素分解的通用表述形式,给出各分解模型中因素的累积效应、逐年效应和效应贡献度的测算方法,并对三种模型特点进行对比.运用Kendall协调系数法对三种模型结果进行相容性检验,输出相容模型集;基于各相容单一分解模型,构建能源消费碳排放的最优加权组合分解模型.应用上述模型对青岛市能源消费碳排放进行分解实证,结果表明,人均GDP和人口是青岛市碳排放增加的驱动因素,能源消费强度下降和能源消费结构优化则对碳排放增长具有抑制作用.     

交通运输业碳足迹测算及其交互效应评估——以京津冀地区为例

针对交通运输业碳足迹及其影响因素间作用效应研究的不足,首先,建立交通运输业碳足迹测算模型对京津冀地区交通运输碳足迹进行量化评估;其次,采用对数平均迪氏指数（Logarithmic Mean Divisia Index, LMDI）乘法形式模型研究京津冀地区交通运输业的碳排放与其他社会经济指标的交互效应;最后,基于京津冀产业结构及城镇化差异等社会经济背景,分析京津冀交通运输业碳排放影响因素的空间差异性.研究结果表明：京津冀地区交通运输业碳排放在研究期内逐年增加,北京市增长率最高,且年均增长率为8.58%;经济增长因素对京津冀全域交通运输业碳排放增加促进作用最显著;交通运输产业、生产效率等因素作用效应存在空间差异,而经济增长、人口效应、交通运输能源利用强度和碳排放强度等指标则表现出较弱的空间差异;促进经济增长与交通碳排放等环境负面影响的脱离、提高交通运输业生产效率、根据人口效应及结构进行交通运输系统设计的优化与结构调整、优化交通运输业能源结构等措施,有助于减少京津冀交通运输业碳排放量.     

基于 LMDI模型的江苏省碳排放强度影响因素分解研究

碳排放强度严重约束了各地区经济的可持续发展.采用LMDI模型,将江苏省碳排放强度影响因素分解为产业结构、能源强度和能源结构,得出各影响因素对碳排放强度降低的贡献率.结果表明,江苏省的碳排放量逐年上升,但是碳排放强度呈现逐年递减的趋势,能源结构对江苏省碳排放强度的驱动效应最大,贡献率达61.48％,能源强度的贡献率为38...     

贵州省能源消费碳排放影响因素分析

贵州省正处于城市化、工业化的攻坚阶段,如何在经济可持续发展的同时实现节能减排的目标,是贵州省现阶段面临的首要问题。选取2001-2014年各类能源消费总量,通过折标煤系数换算方法计算2001-2014年贵州省能源消费碳排放量;结合贵州省能源消费情况和社会经济发展状况对贵州省能源消费过程进行剖析;建立LMDI模型从碳排放强度效应、能源强度效应、产出规模效应、能源结构效应四个方面来定量分析影响贵州省能源消费碳排放的影响因素,结果显示:1)能源结构和产出规模是影响贵州省碳排放的两大驱动因素。2)能源结构抑制贵州省碳排放的增加,具有正向影响。3)产出经济规模促进贵州省碳排放增加,具有负向影响。     

甘肃省直接生活能源消费碳排放分析及预测

利用排放系数和对数平均D氏指数(LMDI)分解法对甘肃省直接生活能源消费碳排放量和影响因素进行了计算和分析,并结合多种方法建立了预测模型.研究结果显示:(1)2000—2010年,碳排放量呈现整体增加的趋势,增幅为55.14%,在各种能源中煤的碳排放居于首位.就城乡结构而言,城镇的人均碳排放量高于农村,但由于农村人口基数大,其碳排放总量却高于城镇;(2)人均消费水平和能源消费强度分别对人均碳排放起到正向促进和负向抑制作用,城镇居民消费水平的提高和城镇人口比例的逐年上升以及城镇能源消费强度的下降和城镇消费在总消费比例的增加是根本原因;(3)以GM(1,1)预测模型和三次多项式模型为基础的组合预测模型,具有精度高、偏差小、预测结果较合理等优点,具有一定应用潜力.     

中国省域能源消费碳排放及其 驱动因素分解分析

在利用IPCC提供的参考方法对中国大陆30个省区(不包括西藏)1997~2012年能源消费碳排放量估算、分析的基础上,采用LMDI分解模型将碳排放的影响因子分解为人口规模效应、经济发展效应、能源强度效应、能源结构效应以及城乡人口结构效应和人均能源消费效应,并对江苏、河南、内蒙古和重庆4省区的碳排放驱动因素进行了实证分解.结果表明:中国各省域碳排放量和人均碳排放量均呈上升趋势,但增加幅度各省区明显不同;CO2排放强度存在明显的省区差异,表现为东部省份中部省份西部省份,除青海、宁夏和海南3省碳排放强度仍在增加外,其他各省区均呈下降趋势;经济发展、人口规模、城市化水平对碳排放表现为正向效应,能源强度、能源结构则表现为负向效应,其中经济发展对4省区能源消费碳排放正向效应最大,而能源强度对4省区碳排放负向效应最大;乡村人口比例、城乡人均能源消费量对4省区碳排放量的影响有限且存在较弱的正负波动.