1990—2009年山东能源消费的碳排放动态演进分析

计算山东1990—2009年的碳排放量,并采用LMDI对其进行因素分析.结果表明,近20年,CO2排放总量和人均排放量不断上升,万元GDP碳排放呈下降趋势;煤炭消费是碳排放主要来源,第二产业CO2排放量比重最大.经济增长是碳排放增加的主要因素;能源消费强度影响碳排放增速的变化,其本身又受到产业结构和各产业能耗强度的影响.能源消费结构的微优化,对碳排放的影响还很小,但已显现出它对碳排放减少的作用.     

1952年-2008年新疆能源消费的碳排放变化及其影响因素分析

本文根据IPCC碳排放计算指南缺省值计算了新疆1952年-2008年的碳排放量,系统分析了新疆碳排放总量、碳排放结构、碳排放强度的变化,并对新疆碳排放进行阶段划分,最后应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,定量分析了碳排放不同阶段各影响因素对碳排放的作用程度。结果表明：①1952年-2008年,新疆CO2排放总量和人均CO2排放量不断上升,万元GDP碳排放水平则呈先上升后降低的＂倒V＂型曲线,煤炭消费是碳排放的主要来源,第二产业能源消费产生的CO2排放量比重最大;②新疆碳排放经历了五个阶段,当前处于经济和碳排放快速增长阶段;③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;能源消费强度的降低（升高）也是促使碳排放减少（增加）的主要因素;能源消费结构由于变化不大,对碳排放的影响很小;计划生育政策实施以来,人口增长对碳排放量增长的推动力逐渐减弱。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。     

内蒙古地区碳排放核算方法及影响因素分析研究

采用碳排放系数法测算了2006年~2016年间内蒙古地区能源消费碳排放量,运用LMDI模型定量分析了人口、经济发展、能源消费强度、能源消费结构4个因素对内蒙古地区能源消费碳排放的影响,结果表明:内蒙古地区实现低碳经济的重点在于平衡经济发展和碳排放过快增长之间的矛盾,改进能源消费结构,提高能源利用效率,控制人口过快增长。     

中国碳排放数据估算与应用:2000-2012

全球变暖与环境污染日益引起来世界各国的高度关注,并引起理论界的探索研究。采用IPCC计算方法,对中国碳排放量进行估算,并定量研究了碳排放量与GDP,碳排放强度与能源消费结构、环境治理水平的关系。研究表明,碳排放量与GDP显著正相关,碳排放强度与环境治理水平显著负相关,最后,从调整能源消费结构等角度提出促进中国低碳发展的政策措施。     

在节能减排约束下中国能耗强度、碳排放强度与EKC效应

运用延伸的EKC模型检验碳排放总量与能源消耗强度、经济增长和碳排放强度的EKC效应,预测降低能源消耗强度和优化能源消费结构实现碳排放强度目标及其碳排放量控制目标的可能性。优化能源消费结构和降低煤炭消耗强度可以有效地降低碳排放强度,减慢碳排放总量上涨速度。在节能减排约束性政策下,碳排放量与人均GDP的关系呈现显著的倒U型EKC效应,与能源消耗强度的关系呈现显著的U型EKC效应,与碳排放强度呈现显著的正相关性。     

陕西省能源消费与碳排放分析

选取2001年至2011年间《陕西省统计年鉴》中GDP、能源消费等方面的数据,采用徐国权等提出的碳排放公式和对IPCC等四大机构的碳排放系数求平均值确定碳排放系数,对2001—2011年陕西省能源消费和碳排放情况进行分析。研究结果表明,陕西省一次能源消费量和碳排放量逐年增加,碳排放强度呈下降趋势,节能减排与环境压力巨大。针对目前现状,提出调整能源消费结构与产业结构,依靠科学技术淘汰落后产能,大力发展第三产业,倡导人们采取低碳生活方式等建议。     

一次能源消费结构变动对碳强度影响的灵敏度分析

运用通径分析明确了一次能源消费比例的相互关系及其与碳强度的直接与间接关系,在此基础上计算一次能源消费比例分别对碳强度和GDP的贡献,据此分析一次能源消费结构变动对碳强度影响的灵敏度.研究结论表明:煤炭消费比例是碳强度增长的主要推动因素,其他能源(水电、核电、风电等)消费比例、灰因素等是碳强度增长的主要抑制因素.依据一次能源消费结构变动对碳强度影响的灵敏度矩阵的结论,降低煤炭消费比例,提高其他能源(水电、核电、风电等)消费比例对降低碳强度的贡献最大,优化能源消费结构可以降低碳强度4.5722个百分点,对实现“十二五”规划碳强度目标的贡献潜力为26.9％.     

一次能源消费结构调整对京津冀碳强度目标的贡献力分析

分析2005—2014年京津冀区域生产总值(GDP)、一次能源消费总量及一次能源消费结构的演变趋势,在此基础上,首先运用情景预测模型预测2020年京津冀区域GDP与一次能源消费总量,其次运用马尔可夫链模型预测2020年京津冀区域一次能源消费结构,并分情景对2020年京津冀区域一次能源消费结构进行调整预测,然后联立经济增速、一次能源消费总量、一次能源消费结构3个经济指标组合形成27种不同情景,计算各情景下一次能源消费结构调整促使京津冀碳强度下降的幅度及其对实现京津冀碳强度目标的贡献潜力。研究结果表明:各类情景下一次能源消费结构调整均不同程度地促进了京津冀碳强度下降,且对实现京津冀碳强度目标具有不同程度的贡献潜力。实现京津冀碳强度目标,不能仅仅依靠调整其一次能源消费结构,相关政府部门需制定出台相关节能减排政策,积极采取一系列切实可行的措施,诸如淘汰落后产能、调整不合理产业结构、引入先进碳减排技术、提高能源综合利用效率等。     

我国能源结构对低碳经济的作用关系及作用机理探讨

为探讨能源结构对低碳经济的作用机理,根据对低碳经济和能源结构内涵的理解,将碳强度作为低碳经济的核心要素,系统剖析能源结构对低碳经济的作用关系,进而运用通径分析测算能源结构对其的总影响、直接影响和间接影响,明确了作用机理。结果表明:能源供给结构对碳强度的作用较小;能源消费结构是碳强度增长的主要推动因素,总作用效应为0.919,其中直接效应为-0.189,间接效应为1.108。在此基础上,通过岭回归方法构建能源消费结构预测模型,并据此得出,为实现减排承诺,应将煤炭消费(去除发电用煤)占能源总量的比重调整为26.89%~27.87%。     

基于低碳经济视角的我国碳排放强度的影响因素分析

在我国宏观低碳经济背景下,控制碳排放量首要任务是降低碳排放强度。本文首次将中间投入强度及投入结构引入到碳排放强度影响因素研究中,选用2000年、2002年、2005年、2007年及2010年的数据,运用LMDI因素分解方法将我国碳排放强度的影响因素分解为能源结构效应、能源投入替代率效应、投入结构效应和中间投入强度效应。结果表明：能源投入替代率加快碳排放强度的降低,中间投入强度和投入结构抑制碳排放强度的降低,能源结构对碳排放强度的降低作用不明显。从因素总效应来看,除了2002年至2005年间各影响因素整体抑制了碳强度的降低外,其他各区段间因素效应之和加速碳强度的降低。因此,调整投入结构、提高能源效率成为碳减排的当务之急。     

碳约束机制下能源转型路径和宏观影响评估-以粤港澳大湾区为例

为实现粤港澳大湾区在碳强度控制目标下经济社会发展和碳减排任务的双赢,需量化评估能源转型路径在碳目标约束和驱动下传导效应的有效性,本研究构建能源经济环境评估模型,设计了基准情景、能源转型情景和深度能源转型情景,研究结果显示：大湾区碳排放达峰需要碳约束和能源转型的共同发力,无施加这两项措施的基准情景在2035年前无法达峰,转型和深度转型情景下的不同层度的碳约束和能源转型将推动粤港澳大湾区分别于2025年和2022年达峰。相比基准情景,2035年碳成本和能源结构转型促进GDP增长了0.68%,深度转型则造成0.34%的GDP损失。碳达峰目标和能源转型驱动下,各行业投资结构发生转变,转型情景下2035年度总投资11万亿,带动GDP达到31万亿,相比基准情景年度新增约8000亿,电力新增600亿,工业新增5000亿,交通新增400亿,服务业增加2000亿。服务业、交通、电力部门的就业分别增长9.7万人、12.6万人、3万人。结果显示合理设置碳总量控制目标,系统呈现的碳价格有利于引导用能部门的结构替代,反过来促进经济GDP增长、产业结构低碳转型、就业率提高以及节能减碳目标更好的实现。     

技术进步、环保投资和出口结构对中国产业结构低碳化的影响分析

在深入分析产业结构低碳化内涵的基础上,从低碳产出、低碳排放和低碳能源3个维度构建了综合反映产业结构低碳化水平的测度指标体系,并运用1996-2011年数据实证测度我国产业结构低碳化水平。然后以历年产业结构低碳化测度值为因变量,以技术进步、环保投资和出口结构为自变量,运用通径分析方法,定量研究各因素对产业结构低碳化的作用。研究发现:1996年以来,我国产业结构低碳化水平呈现逐渐提升趋势;技术进步、环保投资和出口结构均有助于促进产业结构低碳化;由于技术进步和出口结构优化的限制因素较多,因此现阶段应重点依靠投资提升产业结构低碳化水平。     

典型国家特定碳排放阶段影响因素研究

碳排放的不同演化阶段,影响因素的影响程度存在明显差异.我国目前处于碳排放强度高峰—人均碳排放高峰阶段,分析探讨典型国家这一阶段的碳排放影响,可为我国低碳经济发展提供针对性的理论指导.基于扩展STIRPAT模型,以碳排放强度高峰—人均碳排放高峰阶段为研究阶段,以丹麦和爱尔兰为研究对象,对该阶段的碳排放影响进行研究.结果表明,这一阶段中丹麦与爱尔兰碳排放因素影响程度存在差异,对比发现,当城市化发展达到较高的稳定水平,增碳效应逐渐降低;国际贸易中的碳排放转移影响越发显著;但人均国内生产总值仍为最主要的增碳因素,碳排放强度的下降对碳排放的减缓效果显著.     

安徽省1995 年-2009 年能源消费碳排放驱动因子分析及趋势预测——基于STIRPAT模型

能源消费碳排放驱动因子的定量分析能揭示出碳排放的影响因素。依据IPCC碳排放计算方法,对安徽省1995年-2009年能源消费碳排放量及碳排放强度进行了动态测度,结果表明：1995年-2009年,安徽省能源消费碳排放量由1995年的4420.58万t增加到2009年的10919.11万t,呈持续增长态势,年平均增幅为10.48%,碳排放强度由1995年的2.44t/万元降至2009年的1.09t/万元,呈持续下降态势,平均年降幅9.69%,煤炭类碳排放量占绝对优势,年平均为93.77%。基于STIRPAT模型,揭示了人口、人均GDP、第二产业贡献值、全社会固定资产投资、单位GDP能耗等驱动因子的边际弹性系数分别为0.1582、0.2329、0.2424、0.2688、-0.1176。运用灰色GM（1,1）模型,预测2015年、2020年的碳排放量将分别达到15686.25万t、22519.10万t,碳排放强度将分别降至0.81t/万元、0.62t/万元。根据安徽省能源消费碳排放量现状特点及发展趋势,结合碳排放驱动因子的边际贡献,提出了减少能源消费的政策建议,可为安徽省节能减排政策的制定提供科学依据,有利于安徽省的生态建设及可持续发展,也可为中尺度（省级行政区）碳排放驱动因子研究及预测提供示范。     

基于LMDI的南京市工业经济能源消费碳排放实证分析

工业经济的能源消费是碳排放的主要来源,研究城市工业经济能耗碳排放的特征和影响城市工业经济能耗碳排放的因素具有很强的代表性。本文以南京市为例,首先从碳排放总量和碳排放强度等指标分析了2000年-2009年南京市工业经济碳排放现状和特征,然后运用LMDI方法构建了南京市工业经济能耗碳排放因素分解模型,定量分析了2000年-2009年间产业规模、能源强度、能源结构和能源排放强度四个影响因素对南京市工业经济碳排放的影响。研究结果表明,产业规模效益是南京市工业经济碳排放增长的主要促进因素,能源强度效应是南京市工业经济碳排放增长的主要抑制因素,能源结构效应和能源排放强度效应对南京市工业能源结构效应没有明显变化。在此基础上,提出了减排的相关政策建议。     

中国东南沿海地区工业能源消费碳排放的驱动因素分析

本文以福建省为例,分析了东南沿海地区工业能源消费碳排放变化的影响因素,结果显示:1工业能源消费碳排放总量变化主要受产出规模的增效应和工业能源强度的减效应影响,且正效应远远高于负效应;2地区产业结构的高级化与能源结构的多元化有利于区域工业节能减排,但其作用相对较小;3碳排放主要受中度技术劳动密集型产业、劳动密集型产业以及中度技术资本密集型产业等经济规模增长拉动而增加,同时,这些产业能源强度下降幅度也相对较大,可见,能源消费总量最大的产业也是节能减排成效和潜力最大的产业;4东南沿海地区工业经济外向型特征显著,受国际市场需求和国家宏观政策调控影响较大。     

kaya方法的云南碳排放因素分析

利用kaya恒等式和LMDI因式分解方法对云南省1986—2015年的相关数据进行分析,以探求影响云南省碳排放和云南省能源强度的相关因素。研究结果表明：云南省碳排放总量以及人均碳排放呈波动上升趋势,GDP能耗呈稳步下降趋势;在影响碳排放的经济效应、强度效应、结构效应、人口效应等4个因素中,强度效应是抑制碳排放增长的主要因素,而经济效应则是促进碳排放增长的因素;对能源强度进一步分解分析后发现,第二产业能耗强度的下降是降低能源强度对碳排放增长的主要方式。在此基础上,提出包括改变经济增长及发展方式、提高能源利用效率以及发展新能源和再生资源的建议。     

基于碳夹点分析的中国能源结构优化研究

本文研究了碳排放目标下我国能源结构的优化问题。论文运用碳夹点方法识别能源消费瓶颈,并通过能源替代确定满足碳排放约束的清洁能源量,最后以我国政府承诺的2020年碳减排目标为例,基于对2020年我国能源消费及碳排放量的预测,对我国整体能源结构优化进行实证分析。研究结果表明,2020年我国预测碳排放量高于碳减排目标,在清洁能源达到2 466.8万TJ~3 496.2万TJ时,能够实现2020年比2005年单位GDP减排40%~45%的碳排放目标。研究发现,碳排放约束下能源结构优化必须在一定的激励和约束措施下才能实现,且关键在于降低高碳能源的比重。能源结构的优化需依据能源的碳排放因子,按照由低向高的顺序通过清洁能源对高碳能源的替代来实现。清洁能源消费比重的提升是实现2020年碳减排目标的关键。中国经济步入以中高速增长为标志的"新常态"将有利于2020年能源消费总量的控制以及清洁能源消费比重的增加。