福建省行业碳排放驱动因素分解及其与经济增长脱钩关系

主要部门和重点行业的二氧化碳排放是区域碳排放的主要来源。厘清行业碳排放影响因素,分析其与区域经济增长相互关系及程度,从而推动部门和行业碳减排对于落实区域碳排放总量控制具有重要意义。本研究运用对数平均迪式指数分解法(LMDI)和Tapio脱钩模型对福建省1997—2017年13个主要碳排放行业进行碳排放驱动因素分解和脱钩分析。结果表明: 电力、热力的生产和供应业是福建省主要的碳排放行业,1997—2017年,其碳排放总量由18.89 Mt上升到120.63 Mt,增长量为101.74 Mt。有色金属冶炼及压延加工业、纺织业、黑色金属冶炼及压延加工业的碳排放增长速度最快,其年均增长率分别为18.1%、12.1%、12.1%。13个主要行业碳排放变动的驱动因素中,经济增长效应和人口规模效应是主要的正向驱动因素,能源结构效应、能源强度效应和产业结构效应的抑制作用在不断增强。从脱钩关系来看,13个主要碳排放行业的脱钩指数整体呈下降趋势。从“十一五”时期开始,部分行业开始出现不同程度的强脱钩。而在“十三五”时期,农、林、牧、渔、水利业表现为扩张负脱钩,电力、热力的生产和供应业表现为弱负脱钩。能源结构效应和能源强度效应对各行业实现脱钩的影响较大,产业结构效应的脱钩努力较小,人口规模效应未做出脱钩努力。     

基于LMDI分解的厦门市碳排放强度影响因素分析

研究碳排放强度的变化趋势及其影响因素对于指导低碳城市建设具有重要意义。应用对数平均权重分解法(LMDI),基于厦门市2005—2010年各部门终端消费数据对碳排放强度指标进行因素分解,并将传统分析仅注重产业部门的能源碳排放,拓展到全面考虑产业部门和家庭消费的能源活动和非能源活动影响。研究结果表明:2005—2010年厦门市碳排放强度下降17.29%,其中产业部门能源强度对总碳排放强度变化影响最大(贡献63.07%),家庭消费能源强度是碳排放强度下降的主要抑制因素(-45.46%)。从影响效应角度看,经济效率对碳排放强度下降贡献最大,碳排系数减排贡献最小;从部门减排贡献角度看,第二产业贡献最大,家庭消费贡献最小。总体而言,厦门市未来碳减排重点部门在第二产业,优化产业结构和能源结构有较大减排潜力。     

中国典型城市群城镇化碳排放驱动因子

城市群作为推进国家新型城镇化的战略举措,是国家参与全球竞争与国际分工的主要地域单元。以中国典型城市群6个代表性城市(北京、天津、上海、广州、武汉和重庆)为案例,采用因素分解法将碳排放的影响效应分解为4部分,包括人口规模效应、经济发展效应、能源强度效应和碳强度效应,研究2000—2014年城镇化过程中碳排放的驱动机制。主要结果:(1)各城市群的经济总量均有增长,能源效率逐渐提高,碳排放强度在北京、上海和重庆的是下降趋势,在天津呈上升趋势,而在广州和武汉则趋于平稳状态,各城市群能源消耗中各种能源的比重和碳排放量的变化存在着较显著的差异性;(2)天津和广州的4个碳排放影响效应整体上是逐渐增大,北京和上海是趋于平稳对称,武汉和重庆是先减小后增大。研究表明,经济和人口对碳排放具有正向作用,能源强度对碳排放具有负向作用。通过研究中国典型城市群碳排放的驱动因子,有助于城市群碳排放权交易的政策制定以及城市群发展模式规划。     

湖南市域化石能源消费碳排放时空格局及驱动因素

研究碳排放时空格局演变及其影响因素对指导碳减排具有重要意义。利用2008—2013年湖南省14地市规模以上工业企业终端能源消费数据,运用IPCC提供的参考方法和对数平均迪氏指标分解模型(Logarithmic Mean Divisia Index,LMDI)对湖南市域碳排放量、人均碳排放量、碳排放强度的时空格局及碳排放量变化的影响因素进行了研究。结果表明:1)2008—2013年湖南市域碳排放量随时间变化趋势不一,大致呈3种类型变化;累积碳排放量居前3位的市域依次是娄底、岳阳和湘潭,三者累积碳排放量占全省同期的48.92%,而吉首、张家界和怀化3市的累积碳排放量合计仅占全省的2.59%。2)湖南市域能源消费碳排放量、人均碳排放量存在相似的空间差异,二者均表现为东高西低的格局,且具有较强的相关性,碳排放量高的市域,人均碳排放量也较高;2008—2013年湖南市域碳排放强度呈下降趋势,属于低强度区的市域由2008年的4个增加到2013年的7个,碳排放强度的空间分布与市域产业类型有关。3)能源结构、能源强度对碳排放的增长主要起抑制作用,但能源结构的贡献很小,碳排放量的降低主要是由能源强度引起的;经济发展是碳排放增长的最主要因素,在2008—2010年和2011—2013年两个时段其累积贡献值分别为74.285和27.579;人口规模对碳排放的驱动较小,在2011—2013年对碳排放增加产生的累积贡献值仅为2.252。湖南当前及未来碳减排的重点是加快发展清洁能源与提高能效并重,优化能源结构和促进产业结构升级,从战略层面促进湖南"四大区域"协调发展。     

中国老工业城市能源消费碳排放的驱动力分析——以沈阳市为例

开展人为因素对区域生态环境影响作用的量化分析,是国际可持续发展领域的研究热点.本文以典型的老工业城市--沈阳市为例,基于IPCC能源消费碳排放计算方法,对1978-2009年城市能源消费碳排放进行核算,并应用基于Kaya等式和岭回归的STIRPAT模型,对影响碳排放量的人文驱动因素进行时间序列分析.结果表明： 研究期间,沈阳市碳排放变化经历了3个阶段,先缓升再略降随后快速增加,2009年的碳排放总量是1978年的46倍;人口规模是影响沈阳市碳排放量增加的主要驱动因子,碳排放量与人口数量呈同比例变化;城市化显著影响碳排放量,是仅次于人口数量的另一个主要驱动因子;人均GDP与碳排放量呈正相关关系,经济发展与碳排放之间不存在Kuznets曲线假说;能源强度降低即技术进步因素是碳排放量降低的主要因素.     

京津冀地区能源消费碳排放因素分解分析

京津冀经济快速发展的同时, 环境污染问题也不容忽视。尤其是近年来的雾霾天气, 二氧化碳排放量的加大,给京津冀的发展带来了负面影响。现将京津冀三地区的一次能源消耗量, 利用LMDI 分解法, 将三个地区能源消耗碳排放分解为人口、经济、产业结构、能源强度、能耗结构五方面原因。结果表明, 人口, 经济对碳排放起到拉动作用,能耗强度和产业结构效应对碳排放起到抑制作用; 北京的能耗结构对碳排放起到抑制作用, 天津和河北的能耗结构对碳排放起到拉动作用。     

我国典型城市化石能源消费CO2排放及其影响因素比较研究

城市是化石能源消费和CO_2排放的主要区域。分析典型城市化石能源消费CO_2排放特征,明确不同城市CO_2排放动态及主要影响因素的差异,是开展城市减排行动的重要科学依据。采用IPCC推荐方法及中国的排放参数核算11个典型城市2006—2015年间化石能源消费产生的CO_2排放量。根据各城市经济发展和CO_2排放特征将之分为四类:经济高度发达城市(北京、上海、广州)、高碳排放城市(重庆、乌鲁木齐、唐山)、低排放低增长城市(哈尔滨、呼和浩特和大庆)和低排放高增长城市(贵阳、合肥),并运用对数平均迪氏指数法(Logarithmic Mean Divisia Index,即LMDI分解法)对比分析了四类城市CO_2排放量的影响因素。结果表明:(1)研究期内大部分城市CO_2排放总量有所增加,仅北京和广州呈下降趋势,工业部门CO_2排放在城市排放总量及其变化中占据主导地位;四类城市的人均CO_2排放量表现出与排放总量相似的变化趋势;CO_2排放强度整体上表现为经济高度发达城市(均值为0.88 t CO_2/万元)低排放低增长城市(均值为2.82 t CO_2/万元)低排放高增长城市(均值为3.05 t CO_2/万元)高碳排放城市(均值为6.62 t CO_2/万元)。(2)在城市CO_2排放的影响因素中,经济发展和人口规模均是4类城市CO_2排放增长的促进因素,但经济发展效应的累积贡献值大于人口规模效应;能源强度降低是4类城市CO_2排放最主要的抑制因素,且经济高度发达和高碳排放城市的抑制作用强于其他两类城市;对第三产业GDP年平均增速高于第二产业的6个城市来说,产业结构是CO_2排放的抑制因素;能源结构的变化仅对煤炭消费比重较低且降幅较大的北京和广州的CO_2排放是抑制作用,累积贡献值分别为-21.73Mt和-0.03Mt,而对其他城市,特别是高碳排放城市的CO_2排放具有明显的促进作用。     

泛长三角地区碳生态效率的空间格局及影响因素

碳生态效率反映碳排放产出的经济社会价值高低,是衡量可持续发展水平的重要指标。以泛长三角各市为对象,以揭示碳排放的经济社会效益为目标,构建经济产出效率和人口承载效率评估指标,研究碳生态效率的空间格局和影响因素。结果表明：经济产出效率和人口承载效率呈现不同的变化趋势和空间格局,2000-2014年,经济产出效率增长97%,人口承载效率下降68%,前者空间集聚度高于后者;核心区及部分沿江城市的经济产出效率较高、增长较快,人口承载效率较低、下降较慢,碳生态效率高于其他城市;经济产出和人口承载效率的影响因素类似、作用强度和方向不同,前者主要受产业结构促进,后者的影响因素包括但不限于产业结构,但产业结构优化抑制了人口承载效率提升。研究认为,经济和社会视角的碳生态效率变化趋势及影响因素作用方向存在差异,为通过政策调控实现经济和社会效益同步提升增加了难度,在推动经济增长的同时,进一步加快人口集聚、优化产业结构和能源结构、提高能源利用效率等是政策制定的优选方向。     

基于终端消费的云南省碳排放总量测算及驱动因素实证研究

在终端能源消费CO₂ 排放总量测算中, 二次能源(电力、热力)通常不被列入计算, 这种测算结果无法准确测算出CO₂ 排放总量, 更会影响减排相应措施的制定。根据生产和生活部门终端一次能源和二次能源消费量, 构建了17种(含电力、热力)能源的碳排放总量测算模型, 全面测算云南省2000-2014 年CO₂ 排放量。选取LMDI 1 分解法, 将CO₂ 排放量分解为生产部门5 类因素、生活部门6 类因素。结果表明: ①2000-2014 年, 云南省终端能源消费CO₂ 排放总量从5744.15 万吨增长到18952.46 万吨; 其中, 生产部门CO₂ 排放量约占总排放量91.2%, 为碳排放主要来源。②能源强度是生产与生活部门最主要的驱动因素, 其累计贡献度为–92.64%和–94.78%, 其次为生产部门的产业结构效应以及生产与生活部门的能源结构效应, 累计贡献度分别为–33.55%、–17.65%和–17.18%。③GDP 和人均收入分别以累计贡献度245.28%和194.54%成为生产与生活部门最大的碳排放增长驱动因素。     

基于长期能源替代规划模型的江苏省能源CO2排放达峰时间及峰值水平

为了应对全球气候变暖,中国政府提出到2030年CO₂排放达到峰值(或峰值平台)的减排目标.为了探究中国能否实现该减排目标,本研究以江苏省为例,基于长期能源规划替代模型(LEAP),耦合对数平均迪氏分解模型,运用情景分析法科学设定快速、中速、慢速达峰3种发展情景,预测CO₂排放达峰时间及峰值水平.结果表明: 2000—2015年间,经济规模效应是CO₂排放总量增长的主要驱动因素,其贡献度高达147.4%;技术进步效应是最重要的缓解因素,贡献度为-60.4%,一次能源结构效应、产业结构效应、人均收入效应、人口规模效应的贡献度分别为-5.3%、9.7%、11.0%、0.6%.在快速、中速达峰情景下,江苏省分别在2025和2029年达到CO₂排放峰值,峰值分别为7.01、7.95亿t,慢速达峰情景下未能实现2030年的CO₂排放达峰目标.综合研究分析,江苏省有着较大的减排潜力,经过相应的努力能够实现CO₂减排目标.为实现2030年的CO₂减排目标可采取以下措施:主动适应经济新常态,稳定发展增速;积极发展第三产业,平衡经济结构;持续推进节能减排技术,降低能源消费强度;大力发展天然气及核电等清洁能源,优化一次能源消费结构.     

Features and influencing factors of carbon emissions indicators in the perspective of residential consumption: Evidence from Beijing,China

This research establishes a residential indirect carbon emissions model through input–output structure decomposition analysis (IO-SDA) and LMDI, analyses the influencing factors affecting urban and rural residential carbon emissions indicators in Beijing through input–output tables from 2000 to 2010, and calculates the direct carbon emissions from residential consumption. As the results suggest, the total carbon emissions from residential consumption in Beijing showed volatility. Growing rural and urban differences in direct emissions, and for indirect emissions, mean that urban greatly exceeds rural in this regard. Rising per capita GDP and population, as well as intermediate demand and sectoral emissions intensity change induce growth in indirect emissions in both urban and rural settings: of which, per capita GDP contributes the most. Declining energy intensity contributes the most to emission reductions, followed by residential consumption rates, the rural to urban consumption ratio and consumption structure effects are much smaller.     

Delinking indicators on regional industry development and carbon emissions: Beijing–Tianjin–Hebei economic band case

Based on the two-level Logarithmic Mean Divisia Index (LMDI) method and Tapio index, this paper constructed an expanded decomposition model for decoupling elasticity and effort index of industrial carbon emissions, and further quantitatively analyzed the delinking indicators on industry growth and environmental pressures in Beijing–Tianjin–Hebei (BTH) economic band from 1996 to 2010. The results indicate that: (1) together with the rapid economic growth, industrial energy-related carbon emissions in BTH region rose from 44477.43 × 10⁴ t in 1996 to 105602.33 × 10⁴ t in 2006 and then declined to 64426.71 × 10⁴ t in 2010, with an average annual growth rate of 2.94%. Our results also show that carbon emissions in BTH region were dominated by the secondary industry, which accounted for about 80% of total carbon emissions. (2) “Weak decoupling” was the main characteristic during the 9th Five-Year Plan period (1996–2000) and 11th Five-Year Plan period (2006–2010), particularly “strong decoupling” in 2007; while “weak coupling” was the main characteristic during the 10th Five-Year Plan period (2001–2005). (3) The rapid economic growth was the main factor responsible for industrial decoupling blocking. The energy structure and energy intensity made significant contributions to the industrial decoupling progress. The industrial structure effect had varied considerably over the years without showing a clear trend.     

CO2, economic growth,and energy consumption in China's provinces: Investigating the spatiotemporal and econometric characteristics of China's CO2 emissions

This study addresses the spatiotemporal variations at play in China's CO₂ emissions, based on an estimation of emission levels in the period 1995–2012 and an provincial analysis of the relationship of CO₂ emissions to economic growth and energy consumption. Using a series of econometric models and data on the combustion of fossil fuels and cement manufacturing, the study first estimated CO₂ emission levels during the study period, exploring their spatiotemporal pattern. The results indicate that both China's total and its per capita CO₂ emissions have increased significantly over the study period, with both measures evidencing a similar evolution (albeit one that is characterized by noticeable regional discrepancies at the provincial level and which displays properties of convergence). From a geographical perspective, we found both total and per capita CO₂ emissionsto be higher in China's eastern region than in the country's central and western regions. Panel data analysis was subsequently undertaken in order to quantify the dynamic casual relationship between economic growth, energy consumption, and CO₂ emissions. The empirical results indicated that the variables were in fact cointegrated and exhibited a long-run positive relationship. The results of further Granger causality tests indicated the existence of a bidirectional positive causality between economic growth and energy consumption, as well as between energy consumption and CO₂ emissions, and a unidirectional positive causality running from economic growth to CO₂ emissions. The findings of this study suggest that China is, in the long run, dependent on carbon energy consumption for its rapid economic growth, a dependency which is the cause of considerable increases in CO₂ emissions. China should therefore make greater efforts to develop low-carbon technologies and renewable energy, and improve energy efficiency in order to reduce emissions and achieve green economic growth.     

我国农村居民生活能源碳排放的时空特征分析

随着生活质量的提高,我国农村居民生活能源消费呈现大幅增长的趋势,成为碳排放增长的新源泉。估算了我国30个省区2001—2013年的农村居民生活能源碳排放,采用碳基尼系数、Arc GIS技术分析了中国省级尺度农村居民生活能源碳排放的时空特征,并利用STIRPAT模型辨明了农村居民生活能源碳排放的主要影响因素。结果表明:(1)2001—2013年农村居民直接生活能源碳排放量和间接生活能源碳排放量分别增长了7.65%、9.16%。(2)东部、中部、西部地区的碳基尼系数呈下降趋势,说明各区域农村居民人均生活能源碳排放量的区域差异总体均呈缩小趋势。(3)2001—2013年间,处于我国农村居民人均直接生活能源碳排放高水平地区的空间格局分布相对较为稳定,而对于人均间接生活能源碳排放来说,处于低水平地区的空间格局分布较为稳定。(4)农村人口规模、农民人均纯收入、农村居民生活消费支出、青壮年人口比重对农村居民生活能源碳排放量具有促进作用,而农村居民能源消费结构对其具有减缓作用,且北方农村居民生活能源碳排放量明显高于南方。(5)从环境Kuznets曲线假说出发,经济发展是促使我国农村居民生活能源碳排放Kuznets曲线存在拐点的重要因素。     

我国城市发展与能源碳排放关系的面板数据分析

城市化与城市能耗及其碳排放密切相关,城市发展过程中的人口城市化进程和产业总量与结构调整都是能源碳排放变化的主要驱动因素。以2006-2015年全国158个地级城市的面板数据为基础,从总量变化趋势和空间变化趋势两个角度分析了研究期内的我国城市发展特征及能源碳排放特征;并利用面板计量分析方法研究了城市发展因素对城市总能耗、总能耗碳排放、单位能耗碳排放量的驱动特征。结果表明：城市化每提升0.095%,总能耗上升1%。虽然城市总能耗及能耗碳排放在降低,但是单位能耗碳排放在增加;第二产业和第三产业发展对总能耗及能耗碳排放的驱动作用大;城市第三产业的发展有利于能源结构优化调整等;并基于研究发现给出一些政策建议。     

基于土地利用变化的四川省碳排放与碳足迹效应及时空格局

土地利用变化的碳排放与碳足迹研究对了解人类活动对生态环境的扰动程度及其机理、制定有效的碳排放政策具有重要意义。采用1990—2010年四川省能源消费数据和土地利用数据,通过构建碳排放模型、碳足迹及其压力指数模型,对研究区20年来土地利用的碳排放及碳足迹进行了定量分析。结果表明:(1)土地利用变化的碳排放和能源消费碳的足迹呈显著增加趋势。碳排放增加5407.839×10~4t,增长率达143%;能源消费的碳足迹增加1566.622×10~4hm~2,四川全省的生态赤字达1563.598×10~4hm~2。(2)建设用地和林地分别为四川省最大的碳源与碳汇。20年间建设用地的碳排放增加5407.072×10~4t,增长率达126.27%,占碳排放总量的88%以上;林地的碳汇减少10.351×10~4t,但仍占四川省碳汇的96%以上。(3)土地利用碳排放、碳足迹和生态赤字存在明显区域差异。成都平原区碳排放、碳足迹压力最大,生态赤字严重,西部高山高原区和盆周山区碳排放、碳足迹最小,未出现生态赤字;成都、德阳、资阳和内江等地的碳排放、碳足迹压力最大,生态赤字最严重,甘孜、阿坝等地的碳排放、碳足迹最小,未出现生态赤字。(4)土地利用结构与碳排放、碳足迹存在一定的相互关系,趋高的碳源、碳汇比导致土地利用的碳源效应远大于碳汇效应。因此,四川省减排的重点应该在保持或增加现有的林地的同时,主要以降低建设用地的碳排放、碳足迹为主。     

基于生命周期的风电场碳排放核算

风电是实现低碳战略的主力能源技术之一。为全面分析其对环境的影响,将自然植被纳入系统边界,计量风电场建设前后植被破坏及恢复带来的影响。在清单分析中,重点考虑对碳排影响较大的配件生产及运输、建设期工程车耗油排放,更加合理地核算风电场碳排放和量化其环境影响。核算结果表明:案例风电场全生命周期排碳量为2.97×104t C;运营期由于电能损耗造成的CO2排放量远大于其它阶段,占全过程的57.74%;整个过程中,能源消耗造成的碳排放远大于资源损耗排放。