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.     

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。     

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。     

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。     

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。     

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。     

甘肃省行业碳排放影响因素及脱钩努力研究

利用LMDI模型解构了2010—2019年甘肃省13个细分行业碳排放影响因素及其作用效应,运用Tapio脱钩模型分析了经济增长与碳排放的脱钩关系,在此基础上,检验了各因素对脱钩做出的努力程度。结果表明：(1)2010—2019年甘肃省细分行业碳排放总量增加3843.13×10⁴t,主要集中在石油制造业、化工制造业、钢铁制造业以及电力行业等高能耗行业;能源消费结构的高碳化特征显著,能源消费强度呈下降趋势。改善高能耗产业能源消费结构、推动高能耗产业转型升级是未来甘肃省碳减排的重点。(2)经济增长和人口规模对碳排放产生增量效应,而能源强度、能源结构对碳排放产生减排效应,产业结构对部分行业产生减排效应。(3)各行业碳排放与经济增长的脱钩情况趋于向好,除电力行业仍为弱脱钩外,其他行业均由2010—2016年的负脱钩或弱脱钩转变为2016—2019年的强脱钩或衰退脱钩。(4)能源强度效应的脱钩努力最高,能源结构和产业结构效应的脱钩努力尽管较小但逐渐增强,人口规模效应的脱钩努力不明显。     

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。     

北京市服务业碳排放增长的分解分析（英文）

随着北京市经济的发展,服务业产出占GDP的比例不断增加,其碳排放量也逐渐增长。因此,服务业成为北京市节能减排亟需开拓的新领域,受到越来越多的重视。本文首先对北京市2005-2012年服务业直接CO2排放量进行核算,然后运用投入产出模型对服务业间接CO2排放量进行核算,最后对服务业直接和间接CO2排放量的增长原因进行分解分析。得出以下结论:北京市服务业间接CO2排放量远远大于直接排放量,前者是后者的6倍多;直接以及间接CO2排放量都呈增长趋势,并且间接的增长速度要快于直接;直接CO2排放量增长的主要原因是产业规模增大和直接CO2排放强度变化,虽然产业结构和直接能源消费结构变化起到了抑制作用,但影响较小。间接CO2排放量增长的主要原因是产业规模增大、产业结构以及间接CO2排放强度变化,间接能源消费结构变化起到了抑制作用,但影响也较小。     

城市热岛效应的影响机理及其作用规律——以上海市为例

以上海市为例,从土地利用规模和强度的变化、类型和布局的变化、利用方式的变化三个方面揭示其对热岛效应的影响机理;实证分析结果表明：（1）土地城市化是上海城市热岛强度的主要影响因素;就建成区扩张对热岛强度的具体影响而言,累积效应大于其增量效应;（2）工业化、房地产开发、人口增长对上海城市热岛强度均具有较大的影响;就经济发展和能源消耗对城市热岛强度的具体影响而言,密度效应通常大于其规模效应;就全社会房屋竣工面积、20 层以上高层建筑数量对热岛强度的影响而言,累积效应小于增量效应;就人口增长对城市热岛强度的具体影响而言,密度效应与规模效应大体相近;（3）土地利用和城市发展模式的差异导致了城市热岛效应的空间差异。     

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。     

福建省的碳排放趋势与对策

采用朱永彬、王铮最优增长率模型,研究了经济平稳增长条件下,福建省未来的能源碳排放趋势,并采用CO2FIX模型计算福建省森林碳汇量,为福建省制定碳排放战略提供参考.结果显示,在当前技术进步速率下,在经济平稳增长的条件下,碳排放强度不断下降,下降速率为0.044.福建省人均碳排放呈倒U曲线增长,高峰出现在2047年.福建省能源消费量和碳排放总量也呈倒U曲线增长,能源消费高峰和碳排放高峰出现在2048年,达到高峰时间比同等条件下的全国高峰略晚,反映出福建省技术进步缓慢,能源结构不够清洁.情景模拟显示通过调整能源结构、加快技术进步速率、调整产业结构,福建省的能源消费量和能源碳排放量都将有较大幅度的下降,综合使用3种方法时减排效果最优.     

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。     

西部地区的经济发展模式与碳排放量增长关系的实证研究

随着“西部大开发”战略的深入实施,西部地区已经成为我国经济发展最快的区域,然而西部经济的快速增长已经造成了碳排放量的犬幅增加,严重影响了我国节能减排目标的实现。为了有效地控制西部地区碳排放量的急速增加,我们必须全面分析引致西部碳排放量增加的主要因素。本文在已有研究的基础上,从西部地区产业转型和消费升级的视角出发,利用1991—2009年的省际面板数据对西部地区的经济发展模式与碳排放量增长之间的相关关系及其传导机制进行了实证检验。检验结果表明：自进入上世纪90年代以来,西部地区的经济发展与碳排放量增长之间存在显著的正相关关系,而且在西部大开发战略实施以后,这种关系更加显著。同时,检验还发现西部地区的消费升级和产业转型对碳排放量增加产生重要影响,其中三次产业间结构变动的影响系数达到16．4,二次产业内部采掘业和重工业比重上升的影响系数达到14．3,人均居住支出和人均交通支出的影响系数也分别达到5．6和6．5,而传统的人口规模、收入规模则对西部地区碳排放量的影响微弱。影响系数仅为0．73和0．86。因此在制定西部地区“十二五”节能减排战略时,需要更多的从消费升级和产业转型的视角出发。     

Urbanization,economic growth,and carbon dioxide emissions in China: A panel cointegration and causality analysis

Elucidating the complex mechanism between urbanization, economic growth, carbon dioxide emissions is fundamental necessary to inform effective strategies on energy saving and emission reduction in China. Based on a balanced panel data of 31 provinces in China over the period 1997-2010, this study empirically examines the relationships among urbanization, economic growth and carbon dioxide (CO₂) emissions at the national and regional levels using panel cointegration and vector error correction model and Granger causality tests. Results showed that urbanization, economic growth and CO₂ emissions are integrated of order one. Urbanization contributes to economic growth, both of which increase CO₂ emissions in China and its eastern, central and western regions. The impact of urbanization on CO₂ emissions in the western region was larger than that in the eastern and central regions. But economic growth had a larger impact on CO₂ emissions in the eastern region than that in the central and western regions. Panel causality analysis revealed a bidirectional long-run causal relationship among urbanization, economic growth and CO₂ emissions, indicating that in the long run, urbanization does have a causal effect on economic growth in China, both of which have causal effect on CO₂ emissions. At the regional level, we also found a bidirectional long-run causality between land urbanization and economic growth in eastern and central China. These results demonstrated that it might be difficult for China to pursue carbon emissions reduction policy and to control urban expansion without impeding economic growth in the long run. In the short-run, we observed a unidirectional causation running from land urbanization to CO₂ emissions and from economic growth to CO₂ emissions in the eastern and central regions. Further investigations revealed an inverted N-shaped relationship between CO₂ emissions and economic growth in China, not supporting the environmental Kuznets curve (EKC) hypothesis. Our empirical findings have an important reference value for policy-makers in formulating effective energy saving and emission reduction strategies for China.     

基于扩展LMDI模型的安徽省建设用地变化的碳排放效应测度(英文)

"双轮驱动"发展模式背景下,我国建设用地扩展特征明显。建设用地变化的碳排放效应是导致大气中碳排放量增加的重要因素。运用安徽省统计年鉴数据,采用改进的Kaya恒等式及LMDI分解模型,对安徽省1997-2011年碳排放的驱动因素进行了定量测度。结果表明:经济增长、建设用地扩展、人口密度变化对碳排放具有增量效应,经济增长为第一驱动因素,年平均贡献率达266.32%,建设用地扩展为重要驱动因素,其碳效应年均值为640.57万t,年均贡献率为187.30%,人口密度变化对碳排放驱动影响较小。能源结构变化、能源强度下降对碳排放具有抑制作用,年均贡献率分别为-212.06%、-58.115%。基于碳排放因素分解结果,针对性提出了碳减排的政策途径,可为政府通过合理组织土地利用,实现碳减排提供科学依据,有利于安徽生态省建设及减排目标实现,也可为省域尺度建设用变化的碳排放效应研究提供借鉴。     

基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测

定量分析碳排放的影响因素,对降低区域碳排放具有重要的指导意义。利用STIRPAT模型,定量分析江苏省能源消费碳排放量与人口、富裕度（以人均GDP表示）、技术进步（以能源强度表示）和城镇化水平之间的关系,通过岭回归拟合后发现,人口数量、人均GDP、能源强度、城市化水平每变化1%,江苏省能源消费碳排放量将分别发生3.467%、(0.242+0.024 lnA)%、0.313%和0.151%的变化。在以上研究的基础上,设置8种不同的发展情景,分析了江苏省未来能源消费碳排放量的发展趋势。结果表明,当人口、经济保持低速增长,并保持高技术增长率时,有利于控制江苏省的能源消费碳排放量,2020年江苏省的能源消费碳排放量预测值为202.81 MtC。     

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.