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。     

长三角地区城市密度对碳排放绩效的影响效应与机制

城市密度是衡量城市各要素空间集聚程度的表征也是调控城市各要素资源分配效率的重要手段。过往主要围绕城市密度的物质形态测度来研究城市空间资源利用与环境问题,少有立足碳排放绩效的视角来研究城市密度的演变逻辑。立足生态效益中自然资源投入最小化与获得价值最大化的观点,从经济、社会、环境三个维度构建碳排放绩效综合评价指标,以长三角41个城市为例,基于标准差椭圆分析城市密度与碳排放绩效的时空演变及关联特征,采用地理加权回归模型与地理探测器相结合的方法,确定城市密度对碳排放绩效的影响效应及机制。结果表明:(1)城市密度与碳排放绩效均升高,城市密度增速减慢,而碳排放绩效增速加快;二者均呈东南-西北向发展且关联性不断增强。(2)城市密度分指标对碳排放绩效的影响效应存在时空差异,东南部多数城市各分指标影响系数增大且作用方向不变;西北部人口密度负向影响显著增强,经济密度的影响由负转正,而空间密度的影响由正转负。(3)城市密度与其他经济社会因素交互后对碳排放绩效产生影响,其中经济密度与产业结构协同作用对碳排放绩效的影响最大,且与因子独立作用相比,人口密度与其他影响因素的交互效应增幅最大。理清城市密度对碳排放绩效的影响效应及机制,可以为城市空间结构的合理优化提供依据。     

“双碳”目标下闽三角碳排放脱钩状态及驱动机制分析

快速城市化背景下,建设低碳城市群是实现"双碳"目标的最佳方式。在碳排放核算的基础上,使用Tapio脱钩模型和LMDI方法对闽三角以及厦门、漳州和泉州的脱钩状态和碳排放的驱动机制进行了研究。主要结论如下：（1）2005-2017年闽三角碳排放和人均碳排放均持续增加,二者有相同的变化趋势。闽三角的工业中心泉州有最高的碳排放和人均碳排放。发展型城市漳州碳排放最低,但碳排放和人均碳排放增长率均最高。服务型城市厦门碳排放增长率最低。（2）闽三角的脱钩状态逐渐改善,平均脱钩系数为1.03,脱钩状态为扩张性连接。厦门、漳州和泉州的平均脱钩系数分别为0.45、2.70和1.10,3个城市分别以弱脱钩、扩张负脱钩和扩张性连接状态为主。（3）人均GDP和人口规模是闽三角碳排放的正向因素,能源结构和能源强度是负向因素。正向因素的贡献在下降,负向因素的贡献在升高。人均GDP和能源结构分别对漳州和厦门碳排放有最强的促进和抑制效应。能源强度对3个城市碳排放变化的效应不同。（4）人口扩张促进碳排放增加,使碳排放与经济发展无法脱钩。人口规模对闽三角碳减排无脱钩努力。能源结构优化和能源强度下降有助于碳排放与经济发展脱钩,是闽三角碳减排的强脱钩努力和弱脱钩努力。能源强度对泉州碳减排无脱钩努力。优化能源结构是闽三角实现碳减排和"双碳"目标的关键。已经脱钩的厦门宜尽早制定碳达峰行动计划,引领闽三角的碳达峰行动。漳州可通过升级产业结构实现减排。泉州必须提升能源效率才能降低碳排放。     

收缩视角下黄河中游城市碳排放时空格局及其影响因素

城市收缩作为城市化进程中的一种现象,与碳排放之间的关系错综复杂。当前从多维度收缩视角来探究碳排放量驱动因素的研究鲜有。据此,从人口、社会和经济三个维度构建城市收缩评价体系,利用黄河中游四省50个城市2012-2020年面板数据,基于熵值法、夜间灯光指数及地理探测器等方法探究城市收缩对碳排放时空差异的影响。结果表明:①黄河中游资源型城市收缩现象最为严重,呈现"大分散,小聚集"特征。人口收缩占比最多,综合收缩最少。②碳排放总量在研究时段内从2327 Mt增长到3040 Mt,热点区域分布在鄂尔多斯市、乌海市、呼和浩特市、忻州市和朔州市;冷点区域从陕西省和河南省分散分布逐渐向河南省集聚。碳排放总量两极分化现象明显,高值区域数量少,数值大,且逐年增幅大;低值区域数量多,数值低,呈逐年降低趋势。成长型和成熟型资源城市是碳排放量的热点区域,同时城市收缩加剧了碳排放量;衰退型和再生型资源城市已经成为碳排放量的冷点区域,此时的城市收缩对碳排放量抑制作用加强。③城市收缩对于碳排放量的影响是复杂的,经济收缩对碳排放空间分异的解释力最强,人口收缩解释力最小,多数影响因素空间叠加后会产生双因子增强作用,且主导因素由人口和经济收缩转变为社会和经济收缩。可见,黄河中游城市碳排放时空格局及影响因素存在一定差异,因此,在制定双碳行动方案时应综合考虑这些差异,进而可提出有针对性且能适应于地区发展需要的节能减排对策。     

基于能源代谢分析的南昌市能源消费碳排放综合生态效率研究

有关能源消费的代谢机理及生态效率研究是当前生态经济研究领域中的重点和难点,也是政府决策部门、相关行业及人群关注的热点。基于能源代谢分析理念,构建了基于相对变量的城市能源消费碳排放综合生态效率度量模型,对2000—2013年南昌市能源消费结构、碳排放量及其生态效率进行了测算与分析。结果表明:(1)南昌市在2000—2013年,能源消费量和碳排放量整体上呈"N"型曲线上升的一致性变化特征,主要经历了快速增长、短暂下降、恢复平稳增长3个阶段,且煤炭是南昌市能源消费和碳排放的主要来源,短时期内难以改变;(2)南昌市的能源消费效率和碳排放效率整体上在不断优化;(3)南昌市能源消费碳排放综合生态效率经历了较大的波动变化,整体上的生态效率分值并不高;仍需要加大节能减排力度,全面优化南昌市能源消费结构。     

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。     

城市能源利用碳足迹分析——以厦门市为例

城市能源利用碳足迹分析综合考虑直接与间接碳排放,对于深度分析碳排放的本质过程、制定科学全面的碳减排计划具有重要意义。以厦门市为研究案例,应用碳足迹的混合分析方法,对厦门市2009年能源利用碳足迹进行了分析,除了包括传统研究中的城市能源终端利用产生的直接碳排放,还计算了跨界交通和城市主要消耗物质的内含能引起的间接碳排放。研究结果表明:(1)城市边界内的工业、交通、商业等部门的能源消耗产生的直接碳排放(即层次1和层次2)只占到总碳足迹的64%,而一直被忽略的跨界交通和城市主要消耗物质的内含能引起的间接碳排放(层次3)占到36%;(2)在直接碳排放中,工业部门的碳排放贡献率最大,占到直接碳排放的55%,其中化工行业带来的碳排放占到工业部门的25%;(3)在间接碳排放中,跨界交通引起的碳排放占间接碳排放的27%,其中长途道路运输贡献率最大,占跨界交通碳排放的38%;主要材料内含能碳排放占间接碳排的73%,其中燃料的内含能碳排放占总内含能的份额最大,达51%。;(4)从人均碳足迹角度比较,厦门市人均碳足迹和丹佛市的人均直接碳排(层次1+层次2)分别为5.74 t CO2e/人、18.9 t CO2e/人,包含3个层次的人均碳足迹分别为9.01 tCO2e/人、25.3 t CO2e/人,其中跨界交通引起的碳排放均占总碳足迹的10%左右,主要材料的内含能引起的碳排放分别占到总碳足迹的26%、15%;通过国内外典型城市不同层次碳足迹比较可见厦门还是相对低碳的,但有个显著的特点是主要消耗物质的内含碳排放比例较高,这在一定程度上说明了发展中国家城市消耗更多的基础材料,进一步证明了传统核算中忽略的第3层次碳排放核算与管理的重要性。     

基于CiteSpace的城市碳排放研究进展与研究体系建构

采用知识图谱方法对1991-2019年国内碳排放研究进行梳理, 得到我国城市碳排放研究科学知识图谱。梳理国内“城市碳排放”研究热点与演进规律, 构建城市碳排放研究框架体系。研究发现: (1)近20年国内城市碳排放研究内容主要集中在“低碳经济”、“城市规划”、“土地管理”、“温室气体排放”等方面, 以实证研究为主, 缺乏系统的理论体系研究, 跨学科的研究也较少; (2)研究精度和深度不够: 各行业部门碳排放研究主要是诊断性地对碳源及影响因素的梳理, 缺乏具体因素作用过程和机制的探讨; (3)基于空间数据的碳排放研究缺乏, 数据收集与共享是当下碳排放研究中急需解决的基础工作; (4)未来研究需要识别不同特征及不同发展阶段城市的低碳发展之路, 有针对性地提出低碳城市规划发展模式及路径, 为制定科学合理的碳排放研究体系提供理论依据, 为更加积极有效地低碳城市建设提供决策参考。     

长三角旅游业碳排放强度空间格局及影响因素分析

利用"自下而上"法,对长三角25个城市2010—2016年旅游业碳排放进行测算的基础上,采用探索性空间数据分析方法(ESDA)分析旅游业碳排放强度的空间结构,并利用SDM模型对其影响因素展开研究.结果表明:(1)研究期内旅游业碳排放量除上海和南京呈下降趋势外,其余城市整体呈增长趋势,碳排放强度呈逐年下降态势;(2)旅游...     

中国城市生态基础设施对碳排放量的影响

在碳达峰、碳中和的时代背景下,探究城市生态基础设施的碳减排效应对实现城市的可持续性发展、现代化发展具有重要的现实意义。选用中国2003-2019年中国214个地级市为样本,采用熵权法量化中国城市生态基础设施发展水平,构建空间计量模型研究城市生态基础设施发展对碳排放量的影响及其空间溢出效应。研究发现：（1）中国城市碳排放总量整体呈上升趋势,并且碳排放量较高的地区是人口密度较大的城市,以及传统工业城市。城市生态基础设施发展水平总体呈先下降,后上升的趋势,发展较好的城市分布在东部沿海地区,西北城市,中部省会与直辖市。（2）城市生态基础设施发展显著促进了本地城市和邻地城市的碳排放量,该结果通过稳健性检验。并且,城市生态基础设施的碳减排效应存在滞后性,城市生态基础设施在发展至12期时,具有显著的碳减排效应。（3）城市第二产业发展具有集聚效应,降低了邻地城市的碳排放量;城市对外开放程度越高,地区间贸易加速流动,促进了邻地城市的碳排放量。（4）与其他城市相比,西部地区城市、非省会城市和直辖市,以及资源型城市的生态基础设施发展显著促进了城市碳排放。（5）政策制定上,一方面应全力推进城市生态基础设施发展和第二产业转型,重视城市绿化覆盖、垃圾废水处理等设施建设。另一方面需特别关注西部地区城市、非直辖市和非省会城市、以及资源型城市,因地制宜,激发其生态基础设施建设动力,助推碳达峰、碳中和目标的实现。     

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。     

基于数据包络分析方法的辽宁省工业节能减碳效率

以辽宁省2003—2012年39个行业作为独立的决策单元,综合考虑经济、能源和环境效益,结合方向距离函数和径向数据包络分析(DEA)方法对各工业行业节能减碳效率进行测算和分解,核算了各工业行业的CO₂排放,并将CO₂作为一种非期望产出引入到节能减碳效率模型中.结果表明: 研究期间,辽宁省工业行业节能减碳效率具有明显的行业异质性;辽宁省工业节能减碳效率总体不高,但呈现上升趋势;提高纯技术效率和规模效率是提高工业节能减碳效率的主要措施,尤其是提高规模效率.为了提高辽宁省各行业节能减碳效率,辽宁省应加快调整产业结构,鼓励发展低碳排放高效益的产业;提高科技水平,合理调整产业规模;优化能源结构,推进可再生能源和清洁能源的开发.     

区域旅游交通碳排放测度模型及实证分析

交通是旅游业发展的基础,旅游交通的碳排放是旅游业碳排放的主体部分。合理配置区域旅游交通是旅游业可持续发展的重要保障。从区域的角度出发,构建区域旅游交通碳排放测算模型,并以南京市和黄山市为例进行分析。研究发现:(1)区域经济和旅游发展水平是影响旅游交通碳排放的重要因素,且经济发展水平和旅游发展水平对旅游交通碳排放"贡献"的大小和方向不同;(2)区域旅游交通碳排放主要在区外,区内比例较小。2008至2012年,南京市旅游交通碳排放中区外部分所占比例平均达到89.13%,黄山市平均达到90.21%,两城市区外与区内部分之比均约为9∶1;(3)区域旅游交通碳排放结构中,民航所占比重最大,其次是公路和铁路,区域交通结构的优化有利于旅游交通碳排放的减少;(4)区域各类交通方式中,外部交通的碳排放中旅游业的贡献较大,而城市内部交通的碳排放中旅游业的贡献较小。     

中国旅游业碳排放效率趋同演变及其趋势预测

低碳旅游是实现旅游业可持续发展的必然之路,准确把握中国旅游业碳排放效率趋同演变及其发展趋势,对中国“双碳”目标的实现具有重要的意义。基于超效率—SBM模型对2009—2019年中国旅游业碳排放效率科学测度,再采用空间自相关分析与时空Markov链,检验其趋同效应并深入探析其时空趋同特征,最后结合Markov链的无限分布矩阵,科学预测中国旅游业碳排放效率的发展趋势。结果表明：(1)时间特征上,2009—2019年中国旅游业碳排放效率呈“过山车式”波动上升态势,东部效率均值大于西部大于中部。研究期内效率均呈显著的俱乐部趋同分布,从2009—2014年偏向于较低效率“单峰”趋同向2015—2019年偏向于低效率和高效率的“双峰”趋同演变,且相邻效率等级俱乐部更容易发生转移,其中后期比前期的俱乐部趋同效应更强。(2)空间特征上,不同空间滞后条件下,中国旅游业碳排放效率均呈显著的俱乐部趋同分布,但趋同程度随滞后水平的提升有所减弱。空间滞后水平越高,效率向上转移可能性越大。(3)省域效率转移上,大多中西部省份效率保持平稳,但部分沿海发达省份和西部省份实现向上转移,仅少数中东部省份向下转移。(4)省...     

旅游产业集聚对旅游业碳排放效率的空间溢出效应

在碳中和、碳达峰的时代背景下,提高旅游业碳排放效率对实现旅游产业高质量发展具有重要的实践价值。基于2001—2018年中国省际(自治区、直辖市)面板数据,首先利用区位熵和Super-SBM模型分别测算中国省际旅游产业集聚水平和旅游业碳排放效率,并探究二者空间演变趋势和关联特征;其次,运用空间杜宾模型分析旅游产业集聚对旅游业碳排放效率的影响及其空间溢出效应。结果表明：(1)研究期内,中西部地区的旅游产业集聚水平明显提高,东部地区则无明显变化;除河北省、山西省、内蒙古自治区等地区外,其他省份的旅游业碳排放效率均无显著变化。整体上看,二者高水平地区的空间分布变化大致均呈现出以现有集聚区为中心向周边扩散的趋势。(2)旅游产业集聚能显著提高旅游业碳排放效率,并且具有正向空间溢出效应,而旅游业碳排放效率的负向空间溢出效应则会抑制其他地区旅游业碳排放效率的提高。(3)经济发展、产业结构、城镇化、对外开放、技术进步和环境规制均能不同程度促进旅游业碳排放效率,但城镇化作用效果不显著,旅游业产权结构则显著抑制旅游业碳排放效率,经济发展和城镇化均具有正向空间溢出效应,产业结构呈现出较强的负向空间溢出作用,技...     

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。     

北京市居民食物消费碳足迹

碳足迹作为一种评价碳排放影响的全新测度方法,已被用来衡量人类活动对大气环境和气候变化的影响。食物是人类的首要消费品,其消费的碳足迹反应维持一个区域人口的基本食物需求的碳排放以及对气候变化的影响。在碳足迹理论和模型的基础上,根据北京市食物的供应和消费现状情况,利用生命周期法(Life cycle analysis LCA),计算和分析了北京市居民食物消费的碳足迹。得到北京市居民食消费碳足迹为476.8×104t,约占北京市总碳足迹的6%,人均碳足迹为310.0kgCO2/人,占北京市家庭消费碳排放的23.3%,只占北京市能源消费人均碳排放量的5.96%,反映了居民食物消费对全球气候变化造成的影响有限。食物消费碳足迹最大的为粮食,其次为瓜果蔬菜豆类,总共占到65%以上,而在食物生命周期过程中,食物的再加工炊事过程碳排放最大,超过50%,合理减少食物加工炊事过程中碳排放将是减少食物消费碳排放的重要途径之一。其次为化肥农药施用,占到23.23%,减少食物生产过程中化肥农药使用,提高化肥农药的使用效率,或者进行生态农业尽量不使用化肥农药,北京市每年可减少135.1×104t CO2排放,人均87.84kgCO2/人,是有效的减排途径之一。     

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。     

Generic spatial classes for human health impacts, Part I:

A new method for the spatially differentiated assessment of impacts of airborne pollutants on human health is presented. It is applicable to primary pollutants with linear exposure response functions. This includes the most important primary air pollutants from transportation and energy generation. The article looks at the spatial differentiation of impacts due to emission height and the local population density distribution around the emission site, as has been predicted using a Gaussian plume model. The differentiation due to population density is captured by way of five generic spatial classes: large cities in agglomerations, highly densified districts in agglomerations, cities in urbanized regions, country average districts, and low density rural districts in rural regions. Average impacts are calculated for each class. The method is simple enough to be applied to a large number of emissions within Life Cycle Assessments. It was used to calculate site-dependent exposure efficiencies for a variety of primary pollutants emitted at different heights. For traffic emissions of pollutants with short atmospheric residence times, the exposure efficiencies vary by a factor of 5 across Germany and by a factor of 75 across Europe. This differentiation due to population density decreases significantly with an increasing atmospheric residence time of the pollutants and with an increasing emission height.