中国制造业碳排放时空演变及驱动因素研究

据2006—2015年间制造业能源消费数据核算中国大陆30个省（除港澳台、西藏外）的制造业碳排放，并依据要素密集度将制造业划分为资金、技术、劳动力密集型3类。在分析制造业以及不同类型制造业碳排放时空演变基础上，运用Kaya模型将碳排放驱动因素划分为经济规模、产业结构、能源强度、能源碳强度4个方面，并运用LMDI-I分解模型定量分析碳排放的驱动因素。结果表明：除北京外，其余省域制造业碳排放均呈现不同程度的增长；资金密集型制造业碳增长最高，其次是技术、劳动力密集型制造业；经济规模扩大是导致各省、各类型制造业碳增长的首要因素；产业结构调整、能源强度与能源碳强度的变化在各省、各类型制造业碳排放中呈现双向效应，且作用强度差异显著。因此，在未来，各省、各类型制造业碳减排措施应各有侧重。     

中国典型省(区)能源消费碳排放比较降解分析——以江苏、河南、内蒙古为例（英文）

准确查清典型省份能源消费碳排放的实际情况及其碳排放增长的主要驱动因素,是实现我国碳减排目标的关键。本文采用扩展的LMDI模型对来自中国东、中和西部地区三个典型省(区)——江苏、河南和内蒙古的碳排放增长进行了比较分解。结果表明:(1)1996–2017年,3个省(区)的能源消费碳排放变化呈上升趋势,但各省(区)之间存在明显差异。(2)各驱动因素对碳排放的影响在不同省份和不同经济发展期明显不同。经济增长对各省碳排放变化的正向贡献最大(1996–2017年,河南、江苏、内蒙古三省(区)经济发展对碳排放增长的贡献分别为307.19%、205.08%和161.26%);其次是城镇化和人口规模,但对碳排放增长的贡献远小于经济增长。(3)除"十五"规划期外,能源强度在促进3省(区)碳减排方面发挥了主导作用,其次是能源结构。在所有抑制碳排放增长的因素中,农村人口比例的贡献最小。此外,城乡居民人均能源消费对碳排放的影响在不同省份(区)和不同经济发展阶段均表现出相对较小的影响和两面性,但在推动省域碳排放的变化方面开始起着越来越重要的作用(如1996–2017年,江苏省的居民能源消费对碳排放增长的贡献率超过7.9%,其中城镇居民人均能源消费的贡献率大于3.8%)。鉴于此,建议政策制定者应根据东、中、西部地区的碳排放省情和影响碳排放的关键因素,制定有针对性的减排措施。     

中国能源消费碳排放的时空差异及驱动因素研究

随着气候变化日益加剧,碳排放及其影响越来越受到人们的关注。针对我国30个省区2000-2015年终端能源消费产生的碳排放进行核算,分析中国能源消费碳排放的区域特征和时空差异,并通过STIRPAT模型和面板数据模型相结合的方法从碳排放量和碳排放强度两个视角对碳排放的驱动因素进行分析。研究发现,从全国层面来看,人口规模、人均GDP、能源强度以及城市化水平对碳排放量产生正向的驱动作用,即每提升1%,碳排放量将分别增加1.046 9%、0.938 6%、0.722 6%、0.411 6%,而产业结构对碳排放具有负向的驱动效应。对于碳排放强度而言,人均GDP和产业结构均产生负向的抑制作用。从区域层面来看,通过经济水平分组,东、中、西部三大区域由于经济发展水平的差异,各个因素对碳排放的影响也有所不同并表现出一定的规律性;城市化水平分组表现出随着城市化水平的提高,碳排放量也随之降低。通过研究,可为我国合理制定CO₂减排的区域差异化政策提供参考依据。     

江苏省工业碳排放强度时空分异研究

采用空间自相关和Tobit等方法,以县域为研究单元,探讨了2002~2014年江苏省工业碳排放强度差异的时空格局演化特征及影响因素。结果表明:江苏省工业碳排放强度总体差异呈缩小趋势,苏南、苏中和苏北3地区差异程度低,各区域内部差异是江苏省工业碳排放强度整体差异的主因;H-H型县域集中分布于苏中、苏北地区,L-L型县域分布于苏南地区。经济水平、能源利用率、产业结构、政府调控、人口规模和技术创新是江苏省工业碳排放强度空间差异的主要影响因素,其中经济水平和人口规模对工业碳排放强度表现为正向驱动作用,而能源利用率、产业结构和政府调控的驱动作用则相反。     

中国省域碳强度空间依赖格局及其影响因素的空间异质性研究

在估算各省域碳强度的基础上,利用探索性空间数据分析(ESDA)和时空跃迁测度方法以及地理加权回归(GWR)模型分析了1995~2015年中国省域（不包括西藏、港、澳、台地区）能源消费碳强度的空间依赖格局及其驱动因素的空间异质性。结果显示：① 中国省域碳强度存在显著的空间正相关性,表现为先下降后上升再到小幅波动的特征,碳强度相似的省域趋向于集聚,表明中国省域碳强度具有明显的空间依赖特征;②省域碳强度存在不均衡的发展格局,高-高集聚的省域主要分布在中国西北部,低-低集聚的省域多分布于中国东南部。③碳强度空间集聚总体呈优化态势,高-高集聚的省域在减少,低-低集聚的省域在不断增多,但不同省域在碳强度的空间集聚中所起的作用不同。④ 碳强度影响因素(解释变量)的回归系数均为正值,4个解释变量对碳强度的影响程度依次为：能源强度>能源结构>产业结构>人均GDP;且各因素对碳强度的影响在不同省域具有明显的空间异质性。     

基于夜间灯光数据的长江上游地区能源消费碳排放及影响因素研究

基于DMSP/OLS和NPP-VIIRS夜间灯光影像,对2000—2017年长江上游地区的能源消费碳排放进行估算,并利用Moran’s I指数与STIRPAT模型,对能源消费碳排放量的空间特征及影响因素进行研究。结果显示:(1)能源消费碳排放总量总体呈上升态势,主要集中在成渝地区双城经济圈、昆明、贵阳。(2)能源消费碳排放量具有明显的地带性空间集聚特征,高值集聚区与低值集聚区呈一定程度的路径依赖或空间锁定。(3)人口密度、城镇化水平、产业结构、固定资产投资均对能源消费碳排放量有正向影响,经济发展则有显著性负向作用,经济增长与能源消费碳排放量呈倒“U”型曲线。     

1997-2007年中国分省化石能源碳排放强度变化趋势分析

测算了1997-2007年中国30个省份分省化石能源的碳排放量、单位国内生产总值碳排放强度、人均碳排放强度和单位建设用地碳排放强度,得出如下结论:1)2007年的碳排放比1997年几乎增长一倍,带来了显著的环境效应.2)1997年以来,有25个省份单位国内生产总值碳排放强度总体呈下降趋势,但是大多数省份在2002年后,单位国内生产总值的碳排放开始小幅反弹.3)1997-2007年,除北京外,其余29个省份的人均碳排放强度呈现递增趋势,单位建设用地碳排放强度总体呈上升趋势.以上趋势与中国经济发展的"重型化"相对应,表明化石能源的消耗对环境的影响强度越来越大.     

“双碳”目标下中国省域碳排放公平性及其影响因素

基于1999—2017年省级碳收支核算数据,构建空间计量模型检验影响碳排放公平性的关键因素。结果表明：(1)省域碳排放公平性的区域差异性显著,整体表现为西部地区>中部地区>东部地区;(2)中国省域碳排放公平性存在显著的空间溢出效应,从全国层面看,产业结构、经济发展水平、环境规制对碳排放公平性具有负向空间溢出效应,技术创新则对其具有正向空间溢出效应;从区域层面看,产业结构、城镇化进程、技术创新与对外开放水平对东部地区各省（市）碳排放公平性的空间溢出效应最明显,中部地区各省域的经济发展水平与技术创新对周边地区碳排放公平性有较为显著的正向空间溢出效应,经济发展水平、对外开放程度与环境规制是制约西部地区各省（区、市）碳排放公平性提升及溢出的主要因素。     

“双碳”目标下中国省域碳排放公平性及其影响因素

基于1999—2017年省级碳收支核算数据,构建空间计量模型检验影响碳排放公平性的关键因素。结果表明：(1)省域碳排放公平性的区域差异性显著,整体表现为西部地区>中部地区>东部地区;(2)中国省域碳排放公平性存在显著的空间溢出效应,从全国层面看,产业结构、经济发展水平、环境规制对碳排放公平性具有负向空间溢出效应,技术创新则对其具有正向空间溢出效应;从区域层面看,产业结构、城镇化进程、技术创新与对外开放水平对东部地区各省（市）碳排放公平性的空间溢出效应最明显,中部地区各省域的经济发展水平与技术创新对周边地区碳排放公平性有较为显著的正向空间溢出效应,经济发展水平、对外开放程度与环境规制是制约西部地区各省（区、市）碳排放公平性提升及溢出的主要因素。     

1990―2010年广东省能源消费的碳排放驱动因素分析

能源消费是碳排放的主要来源。根据IPCC碳排放计算指南缺省值计算出广东省1990―2010年的碳排放量,并对广东省近20年来碳排放进行阶段划分,采用对数平均迪氏指数法(Logarithmic Mean Divisia Index),对碳排放量进行因素分解,分析能源结构、能源效率和经济发展对碳排放的影响及作用程度。结果表明:1)1990―2010年,广东省能源消费的CO2排放总量和人均CO2排放量不断上升,万元GDP碳排放量、三次产业碳排放强度均呈下降趋势,原煤的消费是碳排放的主要来源,第二产业的CO2排放量比重最大,但呈缓慢下降趋势;2)经济发展效应对广东省能源消费碳排放的贡献率最大,其次是能源强度效应、人口规模效应,能源结构效应的贡献率最小;经济增长是碳排放量增加的主要推动因素;能源消费强度影响碳排放量的增速,能源消费强度又进一步受到产业结构和各产业能耗强度的影响,其中,第二产业能耗强度和第二产业产值比重是影响能源消费强度最主要的影响因素。     

A Comparative Decomposition Analysis of the Factors Driving Energy-related Carbon Emissions from Three Typical Provinces in China: Jiangsu,Henan and Inner Mongolia

An accurate understanding of the real situation of energy-related carbon emissions and the main factors driving the carbon emissions increments are crucial for China to realize its emission mitigation targets. Adopting the comparative decomposition of an extended LMDI (Log-Mean Divisia Index) approach, this study decomposed the changes in carbon emissions of Jiangsu, Henan, and Inner Mongolia, which are located in the eastern, central and western parts of China. This analysis led to three main findings. 1) During the period of 1996-2017, the energy-related carbon emissions in the examined provinces exhibited upward trends, but with some differences among the provinces. 2) The influences of driving factors on carbon emissions varied distinctly in different provinces and economic stages. Economic growth had the largest positive effect on provincial carbon emissions increases. From 1996 to 2017, the contribution rates of economic development to emissions growth in Henan, Jiangsu and Inner Mongolia were 307.19%, 205.08% and 161.26%, respectively. This influence was followed by urbanization and population size. 3) Energy intensity played a leading role in facilitating emissions-reduction in the examined provinces, except for during the tenth Five-Year Plan, followed by the energy structure. The effect of rural population proportion was the weakest among all the curbing factors. Furthermore, urban and rural resident°s energy consumption per capita demonstrated relatively minor impacts and disparate directions of influence in the different provinces and economic periods, but began to play increasing roles in driving up provincial emissions changes. For example, residential energy consumption in Jiangsu contributed over 7.9% to the total carbon emission growth in 1996-2017, among which urban residents’ per-capita energy consumption contributed more than 3.8%. In view of these findings, policy makers should formulate targeted emission reduction measures that are based on the distinct situations and key factors which affect carbon emissions in each province.     

中国化石能源燃烧碳排放强度非均衡性及其演变的驱动力分析

探析中国碳排放强度非均衡性及其演变的驱动力可以为中国制定科学合理、公平高效的区域减排方案提供科学依据。论文基于Theil指数,测算了中国2005—2015年省级尺度化石能源燃烧碳排放强度的非均衡程度;从地理区域、经济部门、能源种类和影响因素等视角解析了碳排放强度非均衡性及其变化的驱动力。研究结果表明,2005—2015年,中国碳排放强度总体上逐年降低,但其在省级尺度上的非均衡性不断增强。从地理区域来看,中国碳排放强度的非均衡性主要来源于东北、东、中、西4大区域内部,且东部和西部地区内部不断扩大的碳强度差异日益成为中国碳排放强度非均衡性增强的重要原因。工业和煤炭分别是碳排放强度非均衡的主要经济部门来源和能源种类来源,也是加剧碳排放强度非均衡性的关键动力。就影响因素而言,各省区技术水平的差距主导了碳排放强度的省际差异及其增长。研究结果可以为中国区域减排方案的制定提供科学依据。     

新疆能源消费碳排放的多变量驱动因素分析——基于扩展的STIRPAT模型

区域层面能源消费碳排放的驱动因素研究,是有效实现碳减排的重要研究议题。以经典的IPAT模型为基础,采用扩展的STIRPAT环境压力评价模型,对1952-2014 年新疆能源消费碳排放的主要驱动因素进行时间序列分析,并定量研究各个驱动因素在改革开放之前（1952-1977 年）、改革开放之后（1978-2000 年）和西部大开发时期（2001-2014 年）三个不同发展阶段对于区域碳排放的作用机理与影响机制,主要研究结论如下：各个影响因素对新疆碳排放增长的作用机理与影响机制在三个发展阶段各不相同。改革开放之前（1952-1977 年）,碳排放强度和人口规模是碳排放增长的最主要贡献因子,能源消费结构是遏制碳排放增长的最主要贡献因子。改革开放之后（1978-2000 年）,经济增长和人口规模是碳排放增长的最主要贡献因子,碳排放强度是遏制碳排放增长的最主要贡献因子。西部大开发时期（2001-2014 年）,固定资产投资和经济增长是碳排放增长的最主要贡献因子,碳排放强度是遏制碳排放增长的最主要贡献因子。     

The Driving Effect of Spatial Differences of Water Intensity in China

This paper adopts the logarithmic mean Divisia index in the family of spatial index decomposition analysis to decompose the driving effect of spatial differences of water intensity in China into intensity effect and structure effect employing data spanning 2000–2017. The results show that water use efficiency of the eastern provinces was always higher than that of the central provinces and western provinces except for Jiangsu and Hainan, and in the central and western regions, only Shanxi, Henan, Chongqing, and Shaanxi had higher efficiency levels than the national average level. Over that 17-year time period, the gap in water intensity exhibits a decreasing trend between the provincial level and average level (except for Heilongjiang and Chongqing). For industry water intensity, those provinces with a lower than average level were mainly in the eastern region. Except for Shanghai, Jiangsu, and Guangdong, the primary industry water intensity of the eastern provinces was always lower than the average level. Except for Fujian, Shanghai, Jiangsu, and Hainan, the secondary industry water intensity of the eastern provinces was always lower than the average level. Except for Guangdong, Fujian, and Hainan, the tertiary industry water intensity of the eastern provinces was always lower than average level. The water intensity of the secondary and tertiary industries in Shanxi and Inner Mongolia in the central and western regions was always lower than the average level. Lastly, the provinces in which the provincial proportion of the primary industry was lower than the average level were mainly in the eastern region, while conversely the same proportion of the primary industry among central and western provinces was generally high. Therefore, provinces should formulate and implement water resource policies that are different and pertinent to their own actual conditions.

     

基于GFI模型的西安市能源消费碳排放因素分解研究

基于2000-2015年西安市能源消费量数据,采用碳排放模型和GFI模型,分析区域能源消费碳排放量的变化趋势及影响因素,探讨西安市能源消费碳排放的拉动与抑制要素的互动关系及影响。结果表明：（1）西安市能源消费碳排放量总体呈现上升趋势,煤炭、原油消费为主要碳源。（2）能源利用结构正在发生转变,低能耗低碳排的能源消费量逐年上升,传统能源利用量正日趋减少。（3）经济发展要素和人口要素是西安市能源消费碳排放的主要拉动因素,能源结构要素拉动效应不显著,短期内不易改变;能源强度对能源消费碳排放具有抑制作用,且呈现增强态势,但效果不明显。最后提出西安市能源消费碳排放减排建议。     

中国能源行业碳排放强度下降过程中的省际减排成效评价

采用矫正系数衡量各省份的减排有效性,根据各省份能源行业碳排放强度及产值份额构建自上而下的全国能源行业碳排强度恒等式,运用LMDI-Ⅰ分解方法获取各省份、各省份能源行业碳排放强度及产值份额对全国能源行业碳排放强度下降的贡献率,并遵循“减排有效性-碳排放强度贡献-省份综合贡献-减排有效性与省份综合贡献关系”的思路对中国能源行业碳排放强度下降过程中各省份的减排成效进行评价。结果显示：① 中国能源行业碳排放强度呈逐年下降趋势,2016年能源行业碳排放强度较2005年下降45%。② 超过一半的省份为减排有效区且数量呈增加趋势,而减排未达标的省份多数为经济欠发达地区,各省份间的减排路径存在显著差异。③ 多数省份能源行业碳排放强度的贡献率呈上升趋势,省份差异逐渐缩小。④ 省份减排综合贡献的进位赶超势头强劲,绝大多数省份对全国能源行业碳排放强度的下降作出了贡献,且多个省份的综合贡献等级呈正向发展,东部地区是主要的降排贡献区。⑤ 减排成效良好省份数量最多,中等区多散布于东部沿海地区及少数内陆地区,欠佳区在西部地区空间格局保持相对稳定。未来各省份不仅要根据自身的减排成效特征因地制宜的选择低碳发展道路,还应与全国碳排放强度的下降形成良性互动。     

中国省域人口空间结构特征及其对经济绩效的影响——基于实体城市的空间识别

基于LandScan全球人口和ESA全球土地利用数据,构建2000—2015年中国省域人口空间结构数据库,刻画省域人口空间结构的时空格局,进而运用面板固定效应法、两阶段最小二乘法和差分GMM法探索空间结构对省域经济绩效的影响及这种影响对不同规模省域的差异,最后从省会城市集聚（不）经济的角度分析其内在机制。结果发现：① 2000—2015年,中国所有省会城市的人口规模都得到了显著增加,省域人口空间结构存在单中心化的演变趋势,且中西部地区省域人口空间结构相对偏单中心化;② 对所有省份尤其是人口规模相对较小的省份而言,人口空间结构单中心化倾向于提高省域经济效率,而对人口规模相对大的省份,人口空间结构单中心化很可能不利于省域经济效率的提高;③ 省会城市自身已经初显集聚不经济的迹象。