1978-2010年福建省CO2排放及其影响因素

为探明城市化进程对区域CO2排放的影响机制,本研究以中国东南沿海快速城市化地区福建省为研究区域,采用LMDI指数分解法,将福建省CO2排放分解为CO2强度效应（△CF）、能源结构效应（△CN）、经济规模效应（△CY）、能源强度效应（△Cl）和人口规模效应（△Cp）5个影响因素,探讨福建省1978--2010年期间CO2排放的驱动机制．结果表明：1978--2010年期间,福建省C02排放增加了5817．10×10^4t,年均增长率为8．87％,高于全国平均水平;推动福建省CO2排放增加的核心因素是经济规模扩张和人口增加,而抑制CO2排放增长的主要因素为能源强度的下降,能源消费结构和CO2排放强度变化不是福建省CO2排放变化的主要原因．比较不同城市化阶段发现,经济规模效应对CO2排放的促进作用逐渐增大,能源强度抑制CO2排放增长的贡献逐渐降低．     

1978—2010年福建省CO2排放及其影响因素

为探明城市化进程对区域CO2排放的影响机制,本研究以中国东南沿海快速城市化地区福建省为研究区域,采用LMDI指数分解法,将福建省CO2排放分解为CO2强度效应(ΔCF)、能源结构效应(ΔCN)、经济规模效应(ΔCY)、能源强度效应(ΔCI)和人口规模效应(ΔCP)5个影响因素,探讨福建省1978—2010年期间CO2排放的驱动机制.结果表明:1978—2010年期间,福建省CO2排放增加了5 817.10×104t,年均增长率为8.87%,高于全国平均水平;推动福建省CO2排放增加的核心因素是经济规模扩张和人口增加,而抑制CO2排放增长的主要因素为能源强度的下降,能源消费结构和CO2排放强度变化不是福建省CO2排放变化的主要原因.比较不同城市化阶段发现,经济规模效应对CO2排放的促进作用逐渐增大,能源强度抑制CO2排放增长的贡献逐渐降低.     

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。     

作物—牲畜—生物能源综合系统对中国农业源温室气体的影响评估

对农作物和畜牧业生产系统中的剩余秸秆和粪便进行生物能源化利用,不仅有利于缓解作物—牲畜系统农业剩余物排放对环境造成的压力,还能通过最终产品的使用来抵消相关的温室气体排放。本文构建了一个作物—牲畜—生物能源一体化的综合系统框架,基于生命周期评价法估算了2010—2019年中国及各省份作物和畜牧生产系统中各过程的温室气体排放清单;对比了作物—牲畜—生物能源综合系统和传统系统在不同生产环节的排放差异,评估了综合系统对农业源温室气体排放的环境影响。研究结果显示：(1)作物秸秆管理、牲畜肠道发酵和作物生产能源消耗贡献了基准情景下中国主要的农业源温室气体排放,作物和牲畜系统中温室气体来源呈现出显著的地区差异。(2)环境影响强度在部分地区或省份呈现波动变化趋势,其中,华东地区的排放强度下降幅度较大(-0.73×10^-2),新疆的增幅最大(0.63×10^-2)。(3)作物和畜牧生产系统中可利用的剩余秸秆和粪便数量可观,综合系统对农业源温室气体排放起到缓解作用,全国范围内缓解程度不同,最大时可减缓约67%的环境影响。     

中国2005—2010年二氧化碳排放强度下降的结构分解分析

本文以2005年和2010年的投入产出表为基础,核算了中国二氧化碳排放强度的变化。结果表明,2005年二氧化碳排放总量678964．38万t,强度每万元3．67t。2010年二氧化碳排放总量930194．96万t,强度每万元3．27t（2005年价格）。5年间,二氧化碳排放强度降低了11％。在此基础上进一步构建结构分解分析模型,将促使二氧化碳排放强度的降低的因素分解为4种效应,即能源效率因素、能源结构因素、经济结构效应和经济增长方式效应。计量结果表明,部门单位产出能源消费强度变化和能源消费结构变化是造成二氧化碳排放强度下降的因素,其中尤以前者的影响最为显著。而经济增长方式变化和经济结构变化是促使二氧化碳排放强度上升的因素,并且前者的影响更为显著。     

农业源非二氧化碳温室气体排放及情景模拟

控制农业源非二氧化碳温室气体排放对中国落实温室气体减缓政策具有现实意义,对于推动农业绿色转型、实现乡村振兴具有指导价值。本文基于IPCC系数法核算了2000—2019年中国省际农业源非二氧化碳温室气体排放,刻画了农业源非二氧化碳温室气体排放强度时空演化规律;基于STRIPAT模型,解析了各地区农业源非二氧化碳温室气体的影响机理,模拟了不同情景组合下农业源非二氧化碳温室气体排放未来演变趋势。结果表明：(1)动物肠道发酵甲烷排放是中国农业源非二氧化碳温室气体最主要的来源,中国农业源非二氧化碳温室气体排放逐渐由东部沿海向西部内陆地区转移。(2)“胡焕庸线”是单位农业增加值排放强度与单位农地面积排放强度高值区的分水岭,农牧交错带是中国单位农业增加值排放强度的高值区。(3)中国农业源非二氧化碳温室气体排放与人均GDP之间存在倒“N”型的EKC曲线关系,华北、东北和华中地区仍面临一定的减排压力,各区域农业源非二氧化碳温室气体排放影响机理存在显著差异。有效减少动物肠道发酵CH4排放,根据区域发展特征制定因地制宜的减排政策是未来中国农业源非二氧化碳温室气体减排的关键。     

郑汴都市区产业CO2排放演变机理及脱钩分析

探索都市区产业CO₂排放变化的驱动机制,因地制宜地制定减排政策,对低碳城市与经济发展具有重要意义.本文将都市区的CO₂排放源分成农业、工业、建筑业、交通运输业、商业和居民等6 个部门的能源消费,并将工业CO₂排放进一步细分为34 种产业的能源消费.基于2000-2009 年能源消费数据,构建CO₂测算模型,核算了各部门各产业范畴1(仅指能源燃烧)与范畴2 的CO₂排放.运用LMDI方法对2000-2009 年间不同层级产业的CO₂排放变化机理进行研究,采用脱钩指数分析郑汴都市区产业低碳发展的类型与方向.结果发现：CO₂排放结构的变化呈现不同的阶段性、部门性和区域性特征;CO₂排放变化是在强度(技术)效应、结构效应与规模效应共同作用下发生的,经济规模与要素投入的外生经济增长方式是CO₂排放变化主要的正向驱动因素,碳排放强度和劳动密集程度是主要的负向驱动因素,劳动生产率与产业结构的变动则起双向作用,而影响居民消费CO₂排放的各因素贡献相对较小;CO₂排放与经济发展的脱钩状态决定了产业调整升级的方向与程度;产业结构调整对CO₂排放的贡献及脱钩程度的确定需要进一步探讨.     

天津市高碳排放行业碳排放影响因素研究

通过计算1998-2015年天津市32个工业行业各类能源消耗碳排放量,将其划分为高、中高、中、中低、低排放行业五个类别。应用LMDI方法,将天津市工业行业碳排放分解为人口规模、工业发展、行业结构、能源消耗强度、能源消耗结构以及碳排放系数六个因素,分析每一类行业的碳排放影响因素,并针对高碳排放行业建立多因素回归模型,深入研究各项因素对高碳排放行业碳排放的影响。结果表明工业发展和行业结构是高排放因素,能源强度是高减排因素。工业发展和能源强度的变化速度决定碳排放影响贡献值大小,通过降低能源强度促进碳减排是所有行业的一致规律。     

基于LMDI的中国工业污染排放变化影响因素分析

在分析2001-2013年中国工业化特征分析基础上,运用Kaya方程将工业废水和废气排放分解为产值规模、高污染部门比重、产污系数和污染物来源部门结构四个因素,并运用LMDI因素分解法研究四个因素对污染物排放变化的贡献度。研究发现：2001年以来中国工业规模扩张对工业废水和废气排放增长呈正向拉动,单位产值污染物排放量的降低对污染物增长呈负向拉动。高污染部门在工业部门结构及污染物来源部门结构呈现不断增长趋势,其对污染物排放增长皆呈正向拉动,但其绝对值小于产值增长和单位产值污染物排放降低的作用。该现象主要归因于中国的环境治理重末端治理轻源头管控所致,因此建议中国环境管制应注重从产业结构入手,积极促进工业产业结构调整和产业链高级化。     

基于LMDI的中国工业污染排放变化影响因素分析北大核心CSCDCSSCI

在分析2001-2013年中国工业化特征分析基础上,运用Kaya方程将工业废水和废气排放分解为产值规模、高污染部门比重、产污系数和污染物来源部门结构四个因素,并运用LMDI因素分解法研究四个因素对污染物排放变化的贡献度。研究发现:2001年以来中国工业规模扩张对工业废水和废气排放增长呈正向拉动,单位产值污染物排放量的降低对污染物增长呈负向拉动。高污染部门在工业部门结构及污染物来源部门结构呈现不断增长趋势,其对污染物排放增长皆呈正向拉动,但其绝对值小于产值增长和单位产值污染物排放降低的作用。该现象主要归因于中国的环境治理重末端治理轻源头管控所致,因此建议中国环境管制应注重从产业结构入手,积极促进工业产业结构调整和产业链高级化。     

博台线作为中国区域发展均衡线的佐证分析——以城市温室气体排放为例

国际政治经济形势正在发生深刻变化,实现区域协调均衡发展对于形成以国内大循环为主的新发展格局至关重要。方创琳于2020年2月提出垂直于胡焕庸线的博台线可以表征中国区域发展的均衡格局。本文通过对中国338个地级市的温室气体排放水平进行分析,旨在论证博台线作为中国区域发展均衡线的合理性和可能性。结果显示：① 2015年二氧化碳（CO₂）、甲烷（CH₄）、氧化亚氮（N₂O）和含氟温室气体总量以博台线为界呈南北对称的空间分布格局,且博台线两侧各类温室气体的排放强度和人均排放量分布基本均衡,各产业部门CO₂排放强度和人均排放量的区域差异均较小;② 博台线西南半壁和东北半壁内各类温室气体排放在GDP和人口维度上总体呈均衡分布态势,且各部门CO₂排放强度和人均排放量的空间分布也较为均衡。总体而言,博台线两侧表征人类活动强度的温室气体排放水平较为均衡,一定程度上反映出其作为中国区域发展战略均衡线的科学性与合理性。     

中国碳排放关键驱动因子的分析和政策反思——基于LMDI：1995—2010

影响中国能源消费和碳排放的两大主因是经济政策和能源政策,显然,经济因素是外因,能源供应结构和能源效率才是影响的内在因子。本文基于碳排放的完全分解分析模型——对数平均Divisia指数（LMDI）系统分析了影响1995～2010年中国碳排放变化的关键因子和贡献率,分解因子包括四种,即经济规模效应、结构效应、能源强度效应、碳强度效应。指数分解模型结果表明,不同时期这四种效应对碳排放变化的贡献率是不同的,1995—2010年对碳排放增加影响最大的因子是经济发展（贡献率155％）和产业结构改变（贡献率10．6％）,而碳排放量的减少主要是由能源强度下降贡献的（贡献率-63．7％）,碳强度效应影响很小。但最近几年碳排放量的增加除了经济规模这个主要因子,碳强度的改变（贡献率4％）、产业结构调整（贡献率1．3％）都促进了碳排放量的增加,只有能源强度的下降起到了抑制碳排放量增加的作用（贡献率-73．5％）。模型的这种分解结果提示我们需要对这一时期内的产业政策、能源发展措施等方面进行反思,未来还要加强“节能减排”政策的落实、加强低碳能源技术的投资力度和政策扶持。     

Urban carbon footprint and carbon cycle pressure：The case study of Nanjing

Urban carbon footprint reflects the impact and pressure of human activities on urban environment. Based on city level, this paper estimated carbon emissions and carbon footprint of Nanjing city, analyzed urban carbon footprint intensity and carbon cycle pressure and discussed the influencing factors of carbon footprint through LMDI decomposition model. The main conclusions are as follows: (1) The total carbon emissions of Nanjing increased rapidly since 2000, in which the carbon emission from the use of fossil energy was the largest. Meanwhile, carbon sinks of Nanjing presented a declining trend since 2000, which caused the decrease of carbon compensation rate and the increase of urban carbon cycle pressure. (2) The total carbon footprint of Nanjing increased rapidly since 2000, and the carbon deficit was more than ten times of total land areas of Nanjing in 2009, which means Nanjing confronted high carbon cycle pressure. (3) Generally, carbon footprint intensity of Nanjing was on decrease and the carbon footprint productivity was on increase. This indicated that energy utilization rate and carbon efficiency of Nanjing was improved since 2000, and the policy for energy conservation and emission reduction taken by Nanjing's government received better effects. (4) Economic development, population and industrial structure are promoting factors for the increase of carbon footprint of Nanjing, while the industrial carbon footprint intensity was inhibitory factor. (5) Several countermeasures should be taken to decrease urban carbon footprint and alleviate carbon cycle pressure, such as: improvement of the energy efficiency, industrial structure reconstruction, afforestation and environmental protection and land use control. Generally, transition to low-carbon economy is essential for Chinese cities to realize sustainable development in the future.     

城市碳足迹与碳循环压力分析——以南京市为例（英文）

Urban carbon footprint reflects the impact and pressure of human activities on urban environment.Based on city level,this paper estimated carbon emissions and carbon footprint of Nanjing city,analyzed urban carbon footprint intensity and carbon cycle pressure and discussed the influencing factors of carbon footprint through LMDI decomposition model.The main conclusions are as follows:(1) The total carbon emissions of Nanjing increased rapidly since 2000,in which the carbon emission from the use of fossil energy was the largest.Meanwhile,carbon sinks of Nanjing presented a declining trend since 2000,which caused the decrease of carbon compensation rate and the increase of urban carbon cycle pressure.(2) The total carbon footprint of Nanjing increased rapidly since 2000,and the carbon deficit was more than ten times of total land areas of Nanjing in 2009,which means Nanjing confronted high carbon cycle pressure.(3) Generally,carbon footprint intensity of Nanjing was on decrease and the carbon footprint productivity was on increase.This indicated that energy utilization rate and carbon efficiency of Nanjing was improved since 2000,and the policy for energy conservation and emission reduction taken by Nanjing's government received better effects.(4) Economic development,population and industrial structure are promoting factors for the increase of carbon footprint of Nanjing,while the industrial carbon footprint intensity was inhibitory factor.(5) Several countermeasures should be taken to decrease urban carbon footprint and alleviate carbon cycle pressure,such as:improvement of the energy efficiency,industrial structure reconstruction,afforestation and environmental protection and land use control.Generally,transition to low-carbon economy is essential for Chinese cities to realize sustainable development in the future.     

我国城市居民直接能耗的碳排放类型及影响因素

针对我国287个地级以上城市,在测算了近9年居民直接能耗导致的CO₂排放量的基础上,进行聚类、对比,并分析城市居民直接能耗的碳排放影响因素,得到以下结论:全国分为6类城市居民直接能耗碳排放类型;高碳排放型城市的地均碳排放强度、人均工资碳排放强度及居民直接能耗CO₂排放总量等方面均比低碳排放型城市高,人均地方生产总值碳排放强度低于低碳排放型城市,并多为经济发达城市和资源丰富城市,其碳排放构成上分别以电、交通能耗碳排放和气碳排放为主导,高碳排放型城市居民直接能耗CO₂排放量占全国地级以上城市的86.20%。我国大部分地级城市居民直接能耗的碳排放属于相对低碳排放型,其人均CO₂排放量低于全国平均水平。城市所在地的降温度日数(CDD)、采暖期、采暖强度、人均能源供给量、居民的人均工资、城市人均地方生产总值是影响城市居民直接能耗CO₂排放量的主要因素。     

渤海氮污染的来源结构与污染压力空间分布

近30年渤海环境发生了巨大变化,陆源污染输入是导致渤海环境恶化的主要原因。为研究陆源污染压力强度与海域污染的空间关系,采用层级嵌套的水污染输出分区方法,将环渤海地区划分为23个陆海统筹管理分区,并基于土地利用数据、社会经济统计数据和污染普查等资料,估算出环渤海地区五类社会经济活动的总氮排放量,进而分析各分区单元的陆源污染压力。研究结果表明：① 渤海周边陆域总氮排放量约85万t,农业农村面源污染是氮污染的主要来源,占总排放量的57.4%,工业污染贡献有限,渤海湾沿岸城镇居民生活排放突出;② 23个陆海统筹管理分区之间的污染压力差异巨大,辽东湾、渤海湾和莱州湾周边的分区陆源污染压力大,其它分区的压力相对较低,各分区内陆域污染压力与对应海域污染状况在空间上高度一致;③ 各分区之间污染的来源构成差异显著,渤海湾氮污染的主要来源是居民生活排放,辽东湾工业污染相对突出,莱州湾农业面源污染占比大;④ 渤海周边陆源污染排海压力短期内难以缓解。     

Urban carbon footprint and carbon cycle pressure: The case study of Nanjing简

Urban carbon footprint reflects the impact and pressure of human activities on ur- ban environment. Based on city level, this paper estimated carbon emissions and carbon footprint of Nanjing city, analyzed urban carbon footprint intensity and carbon cycle pressure and discussed the influencing factors of carbon footprint through LMDI decomposition model. The main conclusions are as follows： （1） The total carbon emissions of Nanjing increased rapidly since 2000, in which the carbon emission from the use of fossil energy was the largest Meanwhile, carbon sinks of Nanjing presented a declining trend since 2000, which caused the decrease of carbon compensation rate and the increase of urban carbon cycle pressure. （2） The total carbon footprint of Nanjing increased rapidly since 2000, and the carbon deficit was more than ten times of total land areas of Nanjing in 2009, which means Nanjing confronted high carbon cycle pressure. （3） Generally, carbon footprint intensity of Nanjing was on de- crease and the carbon footprint productivity was on increase. This indicated that energy utilization rate and carbon efficiency of Nanjing was improved since 2000, and the policy for energy conservation and emission reduction taken by Nanjing＇s government received better effects. （4） Economic development, population and industrial structure are promoting factors for the increase of carbon footprint of Nanjing, while the industrial carbon footprint intensity was inhibitory factor. （5） Several countermeasures should be taken to decrease urban carbon footprint and alleviate carbon cycle pressure, such as： improvement of the energy efficiency, industrial structure reconstruction, afforestation and environmental protection and land use control. Generally, transition to low-carbon economy is essential for Chinese cities to realize sustainable development in the future.     

城市开发区工业企业的碳排放效率比较 ——以南京江宁经济技术开发区为例

以南京市江宁经济技术开发区为例,基于199家企业样本,采用碳排放强度、单位碳排放的用水效率、单位碳排放的废弃物排放强度指数及单位产品的虚拟水含量和隐含碳排放等指标,对27种不同类型工业企业的碳排放效率进行了评价和分析。得出的主要结论为：1）不同类型工业企业的碳排放强度差异明显。南京市江宁区27类行业的平均碳排放强度为0.35 t/万元,其中电力、热力生产和供应业的碳排放强度最高,而仪器仪表制造业碳排放强度最低。2）尽管企业碳排放效率和水资源利用效率有一定的行业关联,但企业碳排放效率主要受经济效益、生产工艺、原料和能源类型等因素的影响。3）不同企业单位产品的隐含碳排放和虚拟水含量具有较大的差异。其中,轿车、铁矿石、金属铸件和摩托车等产品的虚拟水和隐含碳排放明显高于其他行业产品。4）企业碳排放与相应的三废排放强度具有一定的关联性。其中,碳排放与废气排放强度的关联度最高。5）在对未来企业排放效率评估、碳核查及碳配额分配中,不仅要考虑企业碳排放的经济效益,也要考虑企业的资源消耗和废弃物排放效率,并建立基于碳排放综合绩效评估的企业碳配额分配方案,这对于落实碳减排、推动资源节约和生产方式转变以及加强环境治理的多重目标的实现具有重要意义。     

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.