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。     

福建省温室气体排放影响因素分析

针对当前温室气体排放影响因素研究中忽视工农业生产排放源的现状,在对福建省2001―2010年各类温室气体排放量进行核算,并统一转换成CO2当量的基础上,通过引入能表达工农业生产过程自身温室气体排放的新指标,建立改进后的对数Divisia均值分解模型（LMDI）对福建省温室气体排放的影响因素进行分解分析。研究发现：2001―2010年福建省温室气体排放量不断上升,但环比增长率整体波动下降;产业结构、经济规模、人口规模、能源结构、人均收入、城市化水平、城市居民工业强度等因素的累积效应对温室气体排放增加有正向促进作用,其中城市居民工业强度的贡献率达到了13.66%;能源强度、农业生产强度的累积效应对温室气体排放有负向抑制作用,其中农业生产强度累积效应占负向效应总和的50%以上。研究结果显示：工农业生产过程对福建省温室气体排放有显著的驱动作用,不应忽视。     

广东省能源消费碳排放影响机理分析——基于IO-SDA模型

通过构建“能源-经济-碳排放”混合型投入产出分析框架,利用扩展的结构分解模型,对广东省2002-2010年能源消费碳排放的影响因素进行结构分解分析。结果显示:1)广东省能源消费碳排放从2002年的5 820.55万t增长到2010年的12 097.91万t。2)碳排放影响因素的直接效应分析,经济规模和人口增长是广东省碳排放增长的主要驱动因素,同时生产结构在当前仍然是碳排放增长的正向驱动因素,但是生产结构对于广东省碳排放增长的贡献率逐步降低。碳排放强度是遏制广东省碳排放增长的最主要贡献因子,最终需求结构对于广东省碳排放总量变化由正效应转变为负效应,逐渐成为遏制碳排放增长的主要贡献因子。3)碳排放影响因素的间接效应分析,国际出口、进口贸易和省域间调进、调出贸易对于广东省能源消费碳排放的变化影响显著。同时,固定资本形成和城镇居民消费对于广东省碳排放的增长有较强影响。4)不同最终需求对产业部门碳排放增长的分析表明,出口贸易引起的碳排放增长主要集中在电子与机械类行业和纺织服装业;省域间调出引起的碳排放增长主要集中在典型的能源密集型行业;固定资本形成引起的碳排放增长主要集中在建筑业;城镇居民消费引起的碳排放增长主要集中在交通运输业。     

上海市旅游碳排放估算及其效应分解

运用"自下而上"法估算1997—2017年上海市旅游碳排放量,并运用因素分解技术将上海旅游碳排放变化分解为5种效应。结果表明:1997—2017年上海市旅游增加值增长了12. 24倍,而碳排放量却增长了13. 87倍,碳排放量增速较快,交通碳排放是最主要的来源。在分解后的各种效应中,旅游全员劳动生产率是最主要的影响效应,其贡献率达到了87. 23%;其次是碳强度效应(82. 43%)、能源强度效应(-61. 49%);能源结构和能源强度效应有助于旅游碳排放量的降低,但能源强度效应整体上逐年下降,而能源结构效应则在波动中呈现微弱的上升趋势。上海在大力发展旅游业的同时更要切实降低旅游产业的碳排放,进而实现旅游产业的可持续发展。     

北京能源消费排放CO2增量的分解研究——基于IDA法的LMDI技术分析

采用IDA法的LMDI技术,全面实证研究了北京1995-2010年经济部门和生活消费因能源消耗排放二氧化碳增长的驱动因素,分析导致6大产业部门和生活消费的碳排放增量的各自效应。结论表明:拉动产业部门碳排放量增长的决定性因素是经济规模扩大,而促使碳排放减少的主要因素是能源强度降低,产业结构调整和能耗结构变化对产业碳排放变动的贡献较低;就行业而言,工业的碳减排成果最显著,其他服务业及交通运输、仓储与邮政业的增量明显;人口规模的持续扩大是导致生活消费碳排放量增加的主因,人均能耗强度加大紧随其后,但碳排放系数和生活能耗结构的变化却对减碳贡献不大。最后,针对上述分析结果,提出了北京未来节能减碳的简明政策建议。     

基于结构分解法的北京能源碳排放增量分析(英文)

确保减碳的首要任务是定量测度化石能源消费碳排放的增量影响因素及其大小。为分析北京市1997-2007年的碳排放增量,本文构建了一个扩展的(调入、进口)竞争型经济—能源—碳排放投入产出模型,从整体特征、不同产业、工业行业3个方面,对1997-2007年北京能源消费的碳排放增量进行了结构分解。分析发现:经济规模增长要素(消费、投资、调出和出口等)是拉动碳排放增长的主导因素,能源强度变动效应却是碳减排的决定性因素;在规模扩张因素中,消费和调出超过投资和出口,是碳排放增长的主要贡献者;2002以来新一轮"高碳"特征的工业化导致CO2排量呈急增之势;产业结构调整、三产比重最大使得服务业成为碳排放增长的最大部门,但工业排放的增长却后来居上;碳增排的重点行业是高能耗业,而碳减排的却是能源工业;两时段各效应在不同产业、不同工业行业的影响方向和大小不一。     

哈萨克斯坦能源消费的碳排放动态演进分析

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了哈萨克斯坦共和国1992-2010年的碳排放量,并对哈萨克斯坦近20 a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,定量分析能源结构、能源效率和经济发展对不同阶段碳排放的影响。结果表明：（1）1992-2010年,哈萨克斯坦一次能源消费的碳排放量整体呈先下降后上升的“U”型曲线,拐点在1999年。煤炭消费仍然是碳排放的主要来源,这是受长期以煤为主能源供应政策影响的一种必然结果;（2）碳排放不同阶段各影响因素的作用程度不同。总体来看,经济增长是碳排放量增加的主要推动因素,能源强度降低是抑制碳排放量增长的主要贡献因子。并以此提出哈萨克斯坦未来能源战略的一些政策建议。     

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。     

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.     

城市能源消费碳排放特征及其机理分析 ——以广州市为例

采用表观能源消费数据进行分能源品种和分行业类型的碳排放总量核算,利用基于IDA理论和Kaya恒等式的LMDI模型对碳排放总量变化进行多要素的分解分析,在解析人口规模效应、经济产出效应、能源强度效应对碳排放影响机理的同时,进一步纳入人口结构性因素、产业结构性因素和能源结构性因素对碳排放的影响。以广州市为例,对其2003—2013年产业活动和居民消费2个部门碳排放的主要驱动因素进行时间序列分析,并定量研究各个影响因子在2003—2005、2005—2010和2010—2013年3个不同发展阶段的作用机理,主要研究结论如下：1）广州市能源消费及其碳排放前期以煤炭为主,近年来以石油为主,同时外购电力对广州市的能源消费结构优化影响显著。2）各影响因子对广州市碳排放总量变化的作用机理与影响机制在3个发展阶段各不相同,不同发展阶段的发展措施和政策背景对于各个影响因子的碳排放效应影响显著。3）总体分析,经济产出效应和人口规模效应是产业部门碳排放增长的最主要贡献因子;工业能源消费强度效应、工业能源消费结构效应和经济结构效应是遏制产业部门碳排放增长的最主要贡献因子。城镇居民收入效应是居民消费碳排放增长的最主要贡献因子,城镇居民能源消费强度效应是遏制居民消费碳排放增长的最主要贡献因子。     

河南省能源消费碳排放动态变化及空间分异

在分析河南省1978—2015年能源消费碳排放总量和结构变化的基础上,利用Im PACT等式对河南省碳排放驱动因素进行了研究和对未来碳排放量进行了情景预测,并运用空间自相关分析法探讨了空间分异特征。结果表明:(1)1978—2015年,河南省碳排放量总体上呈现增加的趋势,年均增长5.11%,由煤炭和石油消费导致的碳排放比重一直稳定在95%以上。(2)弹性分析表明人均真实GDP增加1%将导致人均能源消费量增加0.48%,利用强度下降0.52%,而环境影响增加0.53%。(3)保持经济增长的同时,与2011—2015年相比,1978—2015年效率年均增长率提高5.25倍,是河南省实现循环经济建设的一种可行方案。(4)河南省2015年碳排放全局Moran’s I值为0.047,呈微弱空间正相关,各地市碳排放具有明显的二元结构特征,空间集聚特征不明显。     

甘肃省能源消费碳足迹变化及影响因素分析(英文)

能源消费是人类活动影响全球气候变化的主要行为之一,对能源消费导致的碳足迹进行研究具有重要意义。本文首先应用能源消费碳足迹的相关概念和方法,计算得到了甘肃省1990年-2009年的总碳足迹、各能源消费类型的碳足迹、碳足迹产值和碳足迹生态压力;然后利用STIRPAT模型进行岭回归函数拟合,探讨了经济增长与碳足迹之间的定量关系,并验证了环境库兹涅茨曲线的存在性;最后通过脱钩指数分析进一步研究了经济增长与碳足迹之间的动态变化关系。结果表明:碳足迹从1990年的每人0.091 ha上升为2009年的每人0.191 ha,呈现波动上升的趋势。各能源消费类型的碳足迹构成中,煤和石油占据了绝对地位,其中又以煤所占比重最大,石油次之,天然气所起的作用甚微。碳足迹产值由1990年的1.18万元ha-1增加为2009年的2.51万元ha-1,碳足迹生态压力也从1990年的0.10上升至2009年的0.24。人口和人均GDP是驱动碳足迹增长的主要因素,且回归分析和脱钩指数分析都表明经济增长与碳足迹之间存在环境库兹涅茨曲线。     

甘肃省碳排放变化及影响因素分析

采用甘肃省人口、经济发展、能源消费等数据,通过相关方法对1997-2008年的碳排放总量、碳排放强度及其三大产业的碳排放进行了估算,并利用岭回归函数对STIRPAT扩展模型拟合,进一步分析影响甘肃省碳排放的因素。结果表明： （1）从1997-2008年甘肃省能源消费的碳排放量和人均碳排放量均呈逐年增长的趋势。碳排放量由1997年的1 767.14×104 t增加到2008年 4 341.64×104 t。人均碳排放量由1997年的0.7 t /人增长到2008年的1.65 t /人,且以煤炭消费的碳排放为主,占各能源碳排放的比例达到70%以上。（2）碳排放强度从1997-2001年呈波动变化,2001年以后则呈逐年下降趋势,总体上从1997年的2.214 t/104元下降到2008年的1.364 t / 104元。（3）三大产业的碳排放呈逐年上升趋势,且以第二产业的贡献为主。（4）人口增长、经济发展对碳排放影响较大,而生活水平的提高更加剧了碳排放的增长。     

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。     

陕西省能源消费结构、产业结构演变对碳排放强度的冲击影响分析

基于陕西省1989-2011年能源消费等统计数据,分析能源消费结构、产业结构的演变特征,建立陕西省能源消费结构-产业结构-碳排放强度系统的VAR模型,对该系统的长期和短期动态关系进行实证分析。结果表明:陕西省的发展模式,是能源消费结构长期以高碳能源为主和产业结构长期以高碳产业为主导。能源消费结构与产业结构的变化对陕西省碳排放强度的减小作用初期微弱;从中长期来,两个结构多元化提高的负效应对碳排放强度的增加有长期持久的抑制作用,且能源消费结构演进对碳排放强度的冲击效果始终大于产业结构变化的冲击效果。优化产业结构和调整能源消费结构尤其是提高低碳产业与低碳能源比重是驱动陕西省碳排放强度下降的有效措施。     

中国能源消费碳排放强度及其影响因素的空间计量

碳排放所引起的全球气候变化对人类经济社会发展带来了严峻的挑战。中国政府承诺到2020 年GDP碳排放强度较2005 年降低40%~45%,这一目标的实现有赖于全国层面社会经济和产业结构的实质性转型,更有赖于省区层面节能减排的具体行动。基于联合国政府间气候变化专门委员会(IPCC) 提供的方法,本文估算了全国30 个省区1997-2010 年碳排放强度,采用空间自相关分析方法和空间面板计量模型,探讨了中国省级尺度碳排放强度的时空格局特征及其主要影响因素,旨在为政府制定差异化节能减排的政策和发展低碳经济提供科学依据。研究结果表明:① 1997-2010 年,中国能能源消费CO₂排放总量从4.16 Gt 增加到11.29Gt,年均增长率为7.15%,而同期GDP年均增长率达11.72%,碳排放强度总体上呈逐年下降的态势;② 1997-2010 年,碳排放强度的Moran's I 指数呈波动型增长,说明中国能源消费碳排放强度在省区尺度上具有明显的空间集聚特征,且集聚程度有不断增强的态势,同时,碳排放强度高值集聚区和低值集聚区表现出一定程度的路径依赖或空间锁定;③ 空间面板计量模型分析结果表明,能源强度、能源结构、产业结构和城市化率对中国能源消费碳排放强度时空格局演变具有重要影响;④ 提高能源利用效率,优化能源结构和产业结构,走低碳城市化道路,以及实行节能减排省区联动策略是推动中国实现节能减排目标的重要途径。     

中国碳强度关键影响因子的机器学习识别及其演进

碳强度影响因子数量众多,通过在众多因子中评估其重要性以识别出关键影响因子进而解析碳强度关键因子的变化规律,是中国2030年碳强度能否实现比2005年下降60%~65%目标的科学基础。传统的回归分析方法对于评估众多因子的重要性存在多重共线性等问题,而机器学习处理海量数据则具有较好的稳健性等优点。本文从能源结构、产业结构、技术进步和居民消费等方面选取了56个中国碳强度影响因子指标,采用随机森林算法基于信息熵评估了1980-2014年逐年各项因子的重要性,通过指标数量与信息熵的对应关系统一筛选出每年重要性最大的前22个指标作为相应年度关键影响因子,最终依据关键影响因子的变化趋势划分了3个阶段作了演进分析。结果发现：1980-1991年,碳强度的关键因子主要以高耗能产业规模及占比、化石能源占比和技术进步为主;1992-2007年,中国经济进入快车道增长时期,服务业占比和化石能源价格对碳强度的影响作用开始显现,居民传统消费的影响作用在增大;2008年全球金融危机后,中国进入经济结构深化调整时期,节能减排力度大大增强,新能源占比和居民新兴消费的影响作用迅速显现。为实现2030年碳强度下降60%~65%目标,优化能源结构和产业结构,促进技术进步,提倡绿色消费,强化政策调控是未来需要采取的主要措施。