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。     

山东半岛蓝色经济区碳排放的影响因素

基于改进的Kaya恒等式和对数平均迪氏分解(LMDI)模型,对2009—2016年山东半岛蓝色经济区的碳排放进行因素分解和贡献率计算。结果表明:排放强度效应是促进碳排放的主导因素,对碳排放总量变化贡献率可达到96.72%;能源强度效应对碳排放量起到遏制作用,对碳排放总量变化贡献率为-27.03%,2009—2016年期间一直处于贡献率负值,在一定程度上抑制了碳排放的增长;经济因素是促进碳排放增加的关键因素,对碳排放总量变化贡献率为28.5%;人口因素对碳排放总量变动的影响较小。     

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.     

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。     

京津冀服务业能源消费碳排放影响因素分析

利用统计数据首先分析了1995—2013年京津冀地区能源消费结构并核算京津冀地区服务业碳排放量,其次通过灰色关联分析方法分析了京津冀地区服务业能源消费碳排放影响因素.研究发现,京津冀服务业能源消费以石油为主;能源结构多元化系数和产业规模是北京市服务业能源消费碳排放最主要影响因素,人口效应和能源强度是天津市服务业能源消费碳排放最主要影响因素,能源结构多元化系数、人口效应、产业规模、能源强度和河北省服务业碳排放呈中度关联关系.提出京津冀地区服务业能源消费有待向碳排放量低的天然气等能源转变,北京市和河北省服务业能源利用效率有待提高的建议.     

浙江省东门岛渔业能源消耗的影响因素分析

在实地调研和数据分析的基础上,运用对数指数分解方法 LMDI(Logarithmic Mean Divisia Index)对浙江省东门岛2007~2012年渔业能源消耗的影响因素进行了分解,将能源消耗的总效应分解为产业结构效应、能源结构效应、能源强度效应和生产规模效应.结果表明:2007~2012,产业结构调整和生产规模增大是促进东门岛渔业总能耗增长的主要因素;能源强度2007~2010抑制渔业总能耗的增长,2010~2012促进渔业总能耗的增长;能源结构是抑制2007~2012能耗增长的主要因素.最后从产业结构、能源结构、能源强度和生产规模四个方面为东门岛渔业的发展提供了相关建议.     

经济增长与碳排放的脱钩效应及驱动因素研究——以首批低碳试点城市为例

为找寻城市经济增长与碳排放脱钩的阻碍因素,以期为城市节能减排、平衡发展提供科学理论与指导,将Tapio脱钩模型和对数平均迪氏指数分解法(logarithmic mean Divisia index, LMDI)相结合,分析了8个不同城市2008—2019年碳排放的脱钩情况及其影响因素。结果表明：1)不同地区的脱钩类型随时间动态变化;2)在影响碳排放的5个因素中,经济水平和人口规模促进碳排放增长,能源强度抑制碳排放增长;能源结构和产业结构对碳排放的效应因地区而异。因此,为促进城市低碳集约发展,实现经济增长与碳排放的绝对脱钩,应考虑在城市自身发展基础上,制定合理的人口、产业和节能减排等措施。     

基于脱钩理论的安徽省工业碳排放与经济增长研究

依据1999~2012年安徽省工业经济与能源消耗的相关数据,利用脱钩理论测算了安徽省工业碳排放与经济增长的脱钩指数,并借助LMDI分解模型对安徽省工业碳排放变化指数进行了分解,结果显示:1999~2012年安徽省工业碳排放与能耗持续增长,且碳排放增加速度明显高于能耗增长速度;1999~2012年安徽省工业碳排放脱钩经历了弱脱钩→扩张复钩(增长连结)→弱脱钩的变化,且能源效率因子对脱钩起促进作用,能源结构因子对脱钩起抑制作用;在碳排放强度变化指数的分解中,能源强度变化是抑制碳排放增加的关键因素,能源结构与工业结构变化对减排效应不明显。该研究旨在为安徽省进一步发展低碳经济、实现工业转型提供理论依据。     

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.     

基于因素分解的碳排放分析及情景预测——以东营市为例

笔者采用因素分解法对东营市的一次能源碳排放进行分析,并利用IPAT方程对东营市未来中长期的经济发展与碳排放进行了情景预测．研究表明：2005—2009年东营市一次能源消费的碳排放总量逐年增长,年均增长率为7．5％;人均碳排放量随着人口的增长呈增长趋势,年均增长速率为6．6％;碳排放强度呈下降趋势,年均下降速率为7．2％;能源结构不断优化,碳能源强度逐年下降,年均下降率为0．5％;第二产业能源消费所占比重最高,是影响碳排放的主要产业部门;低碳情景是东营市实现可持发展的最佳方案且该情景的实现在一定程度上是以减缓经济增长桌宴现节能减排目标的     

长江经济带能源消费驱动因素及区域差异分析

利用2001—2017年相关数据,对长江经济带、上中下游以及11个省市能源消费开展驱动因素分解,研究结果表明,经济发展、能源消费强度、人口规模和产业结构效应是影响能源消费变化的主要因素,但是驱动因素的作用方向不同,空间差异明显。经济发展是能源消费量增长的主要因素,能源消费强度效应对抑制能源消费效果显著,人口规模效应、产业结构效应拉动作用较弱。未来应从加快产业结构升级、推进节能减排、推行低碳生活方式等方面分区施策,积极应对,减少能源消费。     

辽宁省产业结构与能源消费的关系分析

根据脱钩理论分析1995—2010年辽宁省各产业发展与能源消费增长的动态关系.为探究各产业发展对能源消费的作用机理,基于能源强度的因素分解模型,对辽宁省三次产业能源强度进行因素分解分析.研究结果表明:辽宁省产业发展与能源消耗总体上处于相对脱钩状态,能源消耗量增长的速度小于经济增长的速度.影响能源强度变化的主导因素是效率因素.第一产业主要是结构因素促进能源强度的下降;第二产业效率因素对能源强度的提高起主导作用;第三产业效率因素是能源强度下降的主要因素.为实现经济与能源的可持续发展,在优化经济结构的同时应不断提高各产业的能源效率.     

中国生产性能源消费量变动的实证研究

应用完全因素分解模型对中国1985年到2008年生产性能源消费量的变动进行分解。能源消费量的变动分解为三种效应:由于整体经济的增长带来的经济规模效应、产业结构变动带来的结构效应和技术进步的效率效应。实证结果表明:24年来,实际GDP带来的经济规模效应是使得能源消费不断上升的最主要因素;效率效应的作用与经济规模效应相反,效率效应对于控制能源消费的增长起到了较大并且积极的作用;产业结构的调整对能源消费的控制并没有起到积极的作用。     

贵州省碳排放驱动效应研究及其与经济增长的脱钩关系——基于LMDI分解理论

为了促进贵州低碳经济的进一步发展,以贵州省2002—2013年能源消费结构为基础数据,通过自上而下、LMDI分解法,对贵州省碳排放进行定量测算。在此基础上,利用Tapio脱钩模型,分析碳排放与经济增长的关系。结果显示:贵州省碳排放总体呈持续增长,其中经济因素和人口规模对贵州省碳排放起促进作用,且经济是导致碳排放增加的主要原因;能源结构和能源强度对碳排放起抑制作用,能源强度的降低是促进碳排放减少的主要途径;贵州省碳排放与经济之间主要以扩张负脱钩和弱脱钩状态为主。     

西北地区碳排放的驱动因素与脱钩效应研究

西北地区经济快速增长的需求与“双碳”目标的矛盾是亟待解决的重要难题.本文选取西北地区2011-2019年的数据，采用碳排放系数法核算能源消费碳排放，并运用对数平均迪氏指数（LMDI）方法，研究了能源结构、能源强度、经济产出和人口规模对碳排放水平的影响；构建Tapio脱钩模型，对碳排放与经济发展的脱钩指数进行测度，并分析了碳排放与经济发展的脱钩关系.研究表明：1）陕西省是西北地区碳排放量最大的省份，其次是新疆、甘肃、宁夏和青海. 2）经济产出和人口规模会促进碳排放，与经济产出相比，人口规模对碳排放的影响较小；能源强度会促进碳减排；能源结构对碳排放的作用存在两面性. 3）碳排放总量、碳排放强度、人均碳排放与经济发展的脱钩关系均有向强脱钩转变的趋势；陕西、甘肃、新疆和青海的碳排放总量、碳排放强度、人均碳排放与经济发展实现了强脱钩.这些结果丰富了碳排放驱动因素与脱钩效应的相关研究，为西北地区协调区域经济发展和削减碳排放提供了针对性的政策建议.     

基于完全因素分解模型的中国生产性能源消费量变动的实证研究

本文应用完全因素分解模型对中国1985年到2008年生产性能源消费量的变动进行分解。生产性能源消费指排除生活能源消费的用于各行业生产所投入的能源消费。能源消费量的变动分解为三种效应：由于整体经济的增长带来的经济规模效应、产业结构变动带来的结构效应和技术进步的效率效应。创新之处在于应用因素分解模型进行能源消费量变动的研究。 实证结果表明：24年来,实际GDP带来的经济规模效应是使得能源消费不断上升的最主要因素,效率效应的作用与经济规模效应相反,对于控制能源消费的增长起到了较大并且积极的作用,产业结构的调整对能源消费的控制并没有起到积极的作用。     

陕西省交通能源碳排放测算及影响因素分析

目的基于2000-2013年陕西省交通能源消费数据,探讨影响陕西省交通能源消费碳排放变化的因素及其贡献率,为实现低碳交通提供理论参考。方法测算分析交通碳排放量,运用LMDI分解方法构建交通能源碳排放因素分解模型,对陕西省交通碳排放影响因素进行定量分析。结果 (1)交通能源碳排放总量总体上呈逐年上升趋势,随着碳排放强度明显下降,在2013年实现负增长;(2)2000-2013年间除第三产业增加值的累积效应为正值外,能源结构、能源强度、交通运输业经济份额的累积效应均为负值;(3)从逐年效应来看,第三产业增加值对交通碳排放增加有最大的拉动作用,能源强度效应则有较强的抑制作用。结论可以通过保持交通运输业合理的经济份额,提高能源利用率,加快能源结构调整来减少交通碳排放。     

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.     

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.