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.     

能源消费碳排放的影响因素及空间相关性分析

选取2007—2016年能源消费省级面板数据,借助ArcGIS平台对我国能源消费碳排放的时空分布进行分析,并基于OLS回归分析,应用地理加权回归模型(GWR)对碳排放影响因素的空间相关性进行研究。结果显示:能源消费碳排放具有阶段性特征,2007—2010年我国能源消费碳排放强度波动性明显,但增长幅度较小,2011—2016年碳排放波动性减小,但增长幅度增大;碳排放空间分布异质性逐渐降低,高排放水平区域由2007年的1个增长到2016年的6个,并且区域间差距在不断缩小;城市化率、产业结构对碳排放具有抑制作用,对外开放程度、交通强度、科技发展水平对碳排放具有促进作用。     

山西省能源消费碳排放清单和影响因素研究

能源消费燃烧产生的碳排放是山西省主要碳排放源,研究山西省能源消费碳排放特征及影响因素,对山西省科学合理制定能源消费碳减排政策,早日完成“碳达峰、碳中和”目标具有重要意义。本研究以山西省能源领域为研究对象,以山西省省级能源平衡表为基础,采用省级温室气体清单核算方法,计算分析了2005-2019年山西省能源消费碳排放量及变化特征,在此基础上,采用Kaya恒等和LMDI因素分析方法,定量分析了人口、经济发展、能源消费强度、能源消费结构等因素对碳排放的贡献情况。研究结果表明：2005-2019年山西省能源消费碳排放总量整体呈波动上升趋势,累计增长68.81%,年均增长3.81%;单位GDP碳排放强度呈逐年下降趋势,但下降幅度远小于GDP增速,能源利用效率有待进一步提高;人口效应和经济效应对碳排放呈正效应,特别是经济效应是导致山西省碳排放增加的主要因素,说明山西以重型化为主的经济结构未得到根本改善;能源消耗强度和能源消耗结构主要呈抑制效应,是碳减排的主要影响因素,其中能源强度贡献较大,能源消耗结构贡献较小,说明未来还有较大的减排空间。     

安徽居民生活能源消费碳排放测度及影响因素分析

随着我国社会经济发展、城市化进程加快和人口数量增长,居民直接能源消费人均二氧化碳排放量持续走高,雾霾影响人们生活.文章根据IPCC碳排放计算指南中的计算公式和二氧化碳排放系数缺省值,建立了居民直接能源消费二氧化碳排放计算模型,测算出2005-2013年安徽省居民直接能源消费二氧化碳排放量,接着对碳排放的影响因素进行了实证分析,最后提出了相应的二氧化碳减排对策措施.     

重庆制造业能源消费碳排放因素实证研究

分析了重庆市1999—2012年制造业碳排放量的变化,比较了制造业各行业的碳排放量;并基于LMDI方法建立了重庆市制造业以及29个细分行业能源消费碳排放因素分解模型。研究发现:1999—2012年,重庆制造业的碳排放总量不断增长,在29个分行业中,化学原料及制品制造业、非金属矿物制造业等六大行业的碳排放量占制造业总排放量的四分之三以上;在影响因素中,产业规模的扩大是促进制造业碳排放增长的最主要因素,尤其对非金属矿物制造品业、化学原料及制品制造业等六大行业来说,产业规模促进碳排放的作用较明显;非金属矿物制造品业、化学原料及制品制造业等五大行业的能源强度对降低碳排放量效果显著;而行业结构以及能源结构对碳排放量的影响效果不是很明显。     

贵州省居民生活能源消费特征及影响因素研究

当前,能源在居民生活中的消耗日益增长,已经成为碳排放的新增长点。为了解居民生活用能现状及影响因素,以贵州居民生活能源消费为切入点,分析2000~2014年贵州居民生活能源消费特征,运用协整检验、脉冲响应函数和方差分解等方法,研究贵州省生活能源中煤炭消费比重、城镇化水平对居民生活能源消费的动态关系。结果表明:贵州省人均居民生活能源消费、煤炭消费比重、城镇化水平之间存在长期均衡关系。脉冲响应函数和方差分解方法则动态分析了各影响因素对居民生活能源消费的冲击效果和影响程度。根据实证研究结果,对贵州省居民生活能源消费提出建议。     

遵义市规模以上工业能源消费碳排放测度及影响因素

节能减排是实现可持续发展的重要途经,也是资源环境友好城市建设的需要。基于2001—2016年遵义市规模以上工业能源消费统计数据,依据IPCC《温室气体清单指南》对温室气体碳排放进行计算,运用STIRPAT模型对其影响因素测度。结果表明:①2001—2016年遵义市规模以上工业能源消费量中以原煤、焦炭为主,其次是天然气,最后是汽油、煤油、柴油、燃料油;期间能源碳排放总量由480.65万t增加到3404.38万t,年均增幅13.01%,能源碳排放以煤炭类碳排放量为主。②2001—2016年遵义市工业能源碳排放强度由2.20t/万元降至1.42t/万元,年均降幅2.3%;能源结构以煤炭类碳排放为主,其年均占比为98.87%,石油和天然气为辅。③遵义市工业能源碳排放影响因子中,常住人口、人均GDP、城市化率、第二产业占比、单位GDP碳排放量的弹性系数分别为-0.0779、0.0871、0.0866、0.0802、-0.0802,表明人口与能源效率为抑制因素,经济、产业结构和城市化率则为促进因素。研究结果可为遵义市工业节能减排政策制定、低碳城市建设及可持续发展提供科学依据。     

陕西省能源消费碳排放分析及预测

陕西省是西部大开发战略实施的重点省份,近年来国民经济呈现快速增长势头,"十一五"以及"十二五"节能减排任务艰巨.本文采用IPCC2006提出的能源碳排放计算方法,根据近年来陕西省能源消耗、GDP增长以及产业变化的相关数据,分析陕西省碳排放的现状,探讨了能源结构和产业结构变动对碳排放量的影响,通过卡亚公式对2009～2020年能源碳排放量趋势进行了预测.研究表明,陕西省GDP的快速增长导致能源碳排放总量的上升,以煤类能源为主导的能源结构是碳排放强度较高的主要因素,预测显示碳排放总量将在人均GDP达到3.5万元附近出现拐点.针对陕西省能源碳排放的趋势,提出了持续优化能源结构,降低煤类能源比重,促进产业结构升级,加快第三产业发展,发展新能源等多种应对策略.     

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.     

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。     

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。     

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.     

安徽省能源消费碳排放足迹的动态变化及因素分解

文章采用生态足迹模型与因素分解分析模型,定量分析了1995-2008年安徽省能源消费碳排放足迹的变动趋势、生态效应以及影响因素.结果表明:近15 a安徽省碳排放足迹呈上升态势,煤炭足迹在其中占主导地位;碳足迹强度呈幂指数衰减,而碳足迹生态压力不断上升,说明碳排放对自然生态系统的压力逐渐增大.因素分解结果显示,经济增长效...     

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.     

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．     

福州市工业能源消费及碳排放研究

通过计算福州市主要工业行业能源消费量及相应的碳排放量,总结了福州市工业能源消费的趋势和特点.结果表明,2010年福州市工业能源消费仍以原煤为主,占总能耗的63％;然而与2007年相比,煤炭使用比例已有所下降,电力使用比例上升.近年来,福州市工业能源利用效率有所提高,工业能源消费碳排放强度总体呈下降趋势;福州市能耗较高、碳排放量较大的主要行业有电力、热力的生产和供应业、黑色金属冶炼和压延加工业、非金属矿物制品业、纺织业.另外,医药制造业虽然能耗较高,但其能源消费结构比较合理,碳排放量较低;塑料制品业能源消费结构不够合理,需进行优化调整.     

基于能源消费的重庆市土地利用碳排放效应分析

基于能源消费视角,通过构建土地利用碳排放核算模型,从土地利用碳排放核算、碳足迹和碳排放强度3个方面,对重庆市1997-2010年的土地利用碳排放效应进行时空变化分析.结果表明:(1)重庆市土地利用碳排放总量呈增加趋势,由1997年的3 796.12×104t增加到2010年的9 435.21×104t;独立工矿用地的地均碳排放强度最大;单位GDP碳排放强度呈现下降趋势,节能减排实施效果明显;碳足迹呈增加趋势,生产性土地面积不足以补偿土地碳足迹;(2)土地利用碳排放和碳足迹的多少顺序在空间上呈现出:"一圈","渝东北","渝东南"的空间分布状态.     

基于能源消费的江苏省碳排放特征及规律分析

基于江苏省能源消费的统计数据,利用碳排放方法分析了2002—2010年不同能源消费类型和不同产业部门的碳排放特征．结果表明：碳排放量是随着能源消费量的增加而增加的,碳排放强度由于GDP的快速增加,呈现了快速下降的趋势．在碳排放总量中,第二产业的能源消费是主要的碳排放来源,年均增长率为14．9％,其中,工业占主导地位,年均碳排放量为51．84Mt;生活消费和第三产业碳排放次之,年均增长率分别是2．23％和3．4％．而在第二产业中,原煤是工业碳排放的主要来源,年均碳排放量为31．15Mt．江苏省能源消费碳排放总量增长速率小于GDP的增长速率,导致各年碳排放强度以年均5．2％的幅度下降,进一步表明在经济快速发展的同时,还未实现CO2绝对减排．     

贵州省能源消费与经济增长关系的实证分析

基于贵州省1985～2010能源消费总量与经济增长数据,运用协整检验、误差修正模型及Granger因果关系分析方法,建立贵州省能源消费与经济增长的关系模型;分析结果表明贵州省能源消费总量与经济增长之间存在协整关系,且两者之间具有单向因果关系.