基于“能源大脑”的城市区域碳排放实时计算方法

现有碳排放计算方法不能很好地满足碳排放区域逐渐细化和实时需求.为保证碳排放责任分摊的实时和准确,提出一种城市区域碳排放实时计算方法.利用改进的K-means聚类算法,对城市区域能源负荷的运行时段和运行场景进行聚类组合,得到典型碳排放特征.将区域单位电力碳排放量作为碳排放指标;归类运行时段和场景,计算各簇单位电力碳排放量和城市区域碳排放总量.基于中国东部某地区“能源大脑”中部分能源消费历史数据进行验证,结果表明：该聚类方法和碳排放指标可以有效地实时计算城市区域碳排放总量.     

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。     

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.     

经济发展对中国能源碳排放空间分布的影响

为了探索经济发展与能源碳排放之间的关系,对中国能源碳排放的空间布局变化及成因进行了分析,结果显示:随着国家产业结构演进和生产技术进步的加快,目前中国能源碳排放的增速开始明显减缓;从区域分布来看,东部地区碳排放经历了先下降和上升的过程,而西部地区碳排放过程则是保持上升趋势;从省区分布来看,各个省份的碳排放都有所增长,但排放量的差距逐渐增大,这与各地产业结构多元化程度、能源消费结构的变化有密切关系.     

中国工业碳排放效率及其影响因素的空间计量分析

分析了中国工业碳排放效率的区域差异性以及空间自相关性,并用1998—2013年中国大陆30个省份的面板数据,建立空间面板数据模型,对工业碳排放效率的影响因素进行实证研究。研究结果表明:除少许年份外,中国及各地区的工业碳排放效率都呈现出不同程度的上升趋势且存在区域差异,中国省际工业碳排放效率在空间分布上表现出较强的正相关性和空间集聚特征,能源结构、能源强度、工业结构、能源价格水平和技术因素是影响中国工业碳排放效率的主要因素,对提高中国省际工业碳排放效率有正向作用,是空间格局演变的重要因素,且具有空间自相关性和空间溢出效应。     

基于使用阶段的城镇住宅建筑碳排放测量与影响因素研究:以重庆为例

城镇住宅建筑是市域碳排放的重要来源，而重庆作为中国的超大城市，其碳排放的研究对其他城市具有重要借鉴意义.以重庆市城镇住宅建筑2011—2020年间能源消费碳排放的数据为基础，根据扩展的STIRPAT模型，通过岭回归拟合获得住宅建筑使用阶段碳排放量与消费强度、人均消费水平、能源消费结构因素、城镇人均住宅面积和城镇户均人口数的多元线性模型.结果表明，此五类因素各自每增加1%，将引起重庆市碳排放量相应不同的增加.并对这五个影响因素贡献度进行分析，发现各影响因素的贡献度与弹性系数不成正比.本研究有利于明确各影响因素的贡献度与弹性系数，对其他城镇区域研究碳排放具有借鉴意义.     

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.     

中国区域间贸易隐含碳排放转移空间特征研究

贸易将导致隐含碳排放转移,与研究较为丰富的国际贸易隐含碳排放转移成果相比,中国区域间贸易隐含碳排放研究尤显不够,导致地区间生产者与消费者碳排放责任不明确,不利于区域间协作减排.本文利用2002,2007年中国8大区域间投入产出数据,建立多区域投入产出(MRIO)模型,在核算区域间贸易流量的基础上,探讨了隐含碳排放转移空间特征,得出以下结论:消费基础区域贸易隐含碳排放主要转出区集中在东部沿海、中部地区、北部沿海等区域,而西北、东北等地区是主要的转入区;出口驱动区域贸易隐含碳排放转出区主要在东部沿海、南部沿海、京津等地区,而中部、西北、东北等地区是主要转入区,且相比消费型隐含碳排放,出口驱动区域贸易隐含碳排放总量要小得多;在行业上,消费基础和出口驱动隐含碳排放转移较大的行业都集中在电力、燃气及水的生产和供应业、石化工业、采选业等高耗能、高排放行业.因此,应建立"生产者与消费者共同责任"的区域协同减排政策,并推进产业结构和技术升级的进程.     

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.     

应用空间聚类进行点数据分布研究

空间数据挖掘是寻找大数据量空间分布的重要方法,应用地理信息系统(GIS)进行空间数据挖掘是目前进行海量数据分析的重要手段之一.应用空间聚类方法对北京市海淀区54 325个企业点数据进行量化分析研究,通过空间位置聚类,进行属性指标量化,从而进行属性指标分层聚类,得到企业空间分布特征.研究表明,空间聚类方法是进行点数据空间分布研究的有效方法.     

三阶段DEA的区域建筑业碳排放效率评价

为剔除环境因素和随机误差对区域建筑业碳排放效率评价结果的影响,采用三阶段数据包络法(DEA)对区域建筑业碳排放效率进行评价.以非期望产出的建筑业碳排放替代建筑业能源消耗作为投入指标,并将能源结构系数作为环境变量,建立基于三阶段DEA的区域建筑业碳排放效率评价模型.以2003-2012年区域建筑业碳排放进行实证分析,研究结果表明:规模效率偏低是区域建筑业碳排放综合效率不高的主要原因;经济发达程度与建筑业碳排放技术效率相关性不大,但经济欠发达地区建筑业碳排放的规模效率普遍较低;建筑业碳排放冗余最为显著,累计冗余率达到0.38.     

区域经济发展与能源消费间关系研究

我国幅员辽阔,区域能源资源禀赋差异显著,明确不同能源资源禀赋区能源消费与经济发展间的因果关系对保障经济持续发展至关重要。首先依据一次能源生产与消费比将全国省份聚类为资源富有型、资源自给型及资源匮乏型地区;其次构建经济发展与诸主要影响因素间的面板数据模型,通过协整分析,发现不同能源资源禀赋区能源消费与经济发展诸影响因素间存在不同的协整关系;通过因果关系分析,发现在能源资源富有型地区,能源消费与经济发展互为格兰杰因;在能源资源自给型和匮乏型地区,存在经济发展到能源消费的单向格兰杰因;最后根据实证结果,针对不同能源资源禀赋区特征,提出了保障经济发展,同时节能减排的政策建议。     

作为温室气体排放衡量指标的碳排放强度分析

针对美国政府提出的以温室气体排放强度下降率作为其减排目标的建议,分析了影响碳排放强度下降率的因素.利用历史统计数据,定量研究了碳排放强度下降率与国内生产总值(GDP)的增长率、碳排放增长对GDP的弹性、能源消费强度以及能源消费的碳强度等相关关系.对处于不同经济发展阶段国家的碳排放强度以及碳排放强度下降率进行了规律性分析,从而得出结论:以碳排放强度作为各国减缓气候变化贡献的衡量指标,对于发展中国家而言,可以承认和反映其对减缓气候变化的贡献;对发达国家来说,则不能只谈这一单一指标,而必须将碳排放强度的下降率大于GDP增长率作为重要基准.     

桂西地区地质遗迹空间格局研究——“民族地区地质公园建设与旅游开发研究”系列论文之四

探讨基于聚类分析的宏观尺度、多类型地质遗迹空间格局定量研究的方法与途径.首先,确定桂西地区地质遗迹的数量、类型和级别;其次,设计包含4类定量表征指标和8项具体指标因子的地质遗迹空间格局定量表征指标;第三,确定桂西地区各行政区划单元不同地质遗迹空间格局定量表征指标数值;第四,采用聚类分析法确定桂西地区地质遗迹空间格局类型并进行特征分析.研究表明:桂西地区地质遗迹数量大、分布广、等级优、特色鲜明.其空间格局划分为I(优异级)、Ⅱ(良好级)、Ⅲ(一般级)、Ⅳ(较差级)、V(最差级)类.其中,第I、Ⅱ类分别包括靖西、宜州、乐业、凤山、南丹、巴马、平果7县(市)和金城江、大化、天峨、罗城4县(区),这2类不仅各项定量表征指标突出,且多联片分布,空间联动性极佳,是桂西地区地质遗迹保护开发潜力最大的区域.     

甘肃碳减排影响因素分析及对策研究

碳减排是人类社会应对化石能源短缺和气候变化双重挑战的必然选择。2015年,《中国国家自主贡献》明确提出中国到2030年的自主行动目标为:二氧化碳排放2030年左右达到峰值并争取尽早达峰;单位GDP二氧化碳排放比2005年下降60%~65%。甘肃作为一个经济欠发达地区尚处于工业化和城镇化阶段,能源消费需求会不断扩张,碳减排压力将与日俱增。通过计算甘肃历史碳排放量和碳强度,并依据能源消费状况、产业发展等实际情况,对甘肃碳排放的影响因素进行分析。分析结果表明:能源消费结构、产业结构、技术发展水平和重大工程项目是影响甘肃碳排放的4个主要影响因素,提出了绿色低碳发展的若干建议。     

基于文献计量的中国家庭能源消费的地理格局及影响因素分析

家庭能源消费格局研究已成为全球能源地理和可持续发展的重要课题。通过文献计量分析,从空间特征、影响要素以及环境效应等视角开展中国家庭能源消费的综合评述,发现中国家庭能源消费结构存在显著空间区位差异,但在环境-经济地理特征相似区域呈现趋同性;家庭能源消费的影响因素包含家庭属性、社会文化、政治经济、地理环境以及能源可得性和能源价格等;家庭能源消费模式变化后产生了新的环境-经济-社会问题。目前研究以单一要素为主而相对缺乏集成和综合性分析,未来需要开展区域家庭能源结构、时空过程及其驱动机制和效应的能源可持续发展领域研究,探索家庭能源消费的空间-社会格局特征及其时空交互作用。     

中国建筑业碳排放强度的空间特征与影响因素分析

对中国30个省份建筑业碳排放强度进行测算的基础上,利用地理统计方法分析中国建筑业碳排放强度的空间特征,进一步建立随机森林模型动态量化识别碳排放强度的关键影响因素并分析其影响规律。结果显示：2010—2019年中国建筑业碳排放强度整体空间格局显著空间自相关,呈现波动上升趋势;中国30个省份建筑业碳排放强度在局部空间格局上存在较为显著的南北分异;热点区呈自西南向华北转移态势,冷点区则呈华东向华南转移态势;建筑业发展过程中,建筑业材料消耗水平、城市化率、人口流动、能源消耗水平对建筑业碳排放强度影响显著。提出应从不同区域的碳排放空间特性、能源利用、人口集聚等多角度制定差异化碳减排政策。     

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。     

基于GIS的网购大数据挖掘分析——以京东线上手机交易记录为例

采用空间聚类、分类回归树(Classification and Regression Tree,CART)以及空间自相关等空间数据挖掘方法,在地理信息系统(Geographic Information System,GIS)平台下对京东线上手机交易记录数据进行挖掘分析.结论如下:东部地区网络消费数量远远大于中部和西部,而中部和西部网络消费数量差异不大;信息化水平以及城市化进程是区域网络消费的主要驱动力;从总体的空间差异性来看,全国网络消费呈现出较为集中的空间分异特征.从局部的空间差异性来看,西北部地区为网络消费的落后区,而北京和广东两地为网络消费的发达区.     

“一带一路”倡议下区域碳不平等量化及政策启示

在全球贸易背景下量化分析“一带一路”区域的碳不平等,厘清“一带一路”区域隐含碳排放和经济收益不均衡分配的内在机制,是践行绿色“一带一路”倡议的科学前提及基础.本研究基于全球贸易分析项目（GTAP）数据库,构建环境拓展的多区域投入产出（MRIO）模型,涵盖102个“一带一路”沿线国家和地区,且依沿线区位合并为9大研究区域,核算生产和消费视角下“一带一路”区域碳排放、增加值,追溯隐含碳排放、增加值在研究区域间的空间转移格局,通过构建双边贸易中碳不平等指标及全球贸易网络中碳不平等综合指标,全面地量化分析了“一带一路”区域的碳不平等现象.研究表明：1)2014年“一带一路”区域生产和消费视角下的碳排放分别占全球碳排放总量（25 966.23 Mt）的65.29%和60.54%;“一带一路”区域生产和消费视角下的增加值分别占全球增加值总额（669 714.27亿美元）的40.87%和40.10%. 2）在全球贸易中,“一带一路”区域承担来自非“一带一路”区域的净碳排放转移（即“一带一路”区域向非“一带一路”区域净出口隐含碳排放量）1 234.25 Mt,同时从非“一带一路”区域获得了5 154....