共查询到18条相似文献，搜索用时 156 毫秒
1.
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 总被引：5，自引：1，他引：4
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。 相似文献
2.
中国能源消费碳排放强度及其影响因素的空间计量 总被引：21，自引：2，他引：19
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。 相似文献
3.
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。 相似文献
4.
从省级层面研究碳排放年际变化进而探讨减排路径对制定碳减排措施和实现“双碳”目标具有重要意义。以西北典型干旱省份宁夏为例,综合对数平均迪氏指数分解、相关分析、脱钩分析等方法分析碳排放的多年变化趋势、影响因素及减排路径。结果表明:(1)宁夏年碳排放量、人均碳排放量及单位面积碳排放量均逐年增加,而碳排放强度呈现出先升后降又回升的波动趋势。(2)经济和产业结构是年碳排放量增加的主要影响因素,能源结构和能源强度对碳排放增长具有一定的抑制作用。(3)十大高排放行业主要利用热值低且碳排放高的原煤等能源,导致宁夏碳排放和GDP仍未脱钩,但脱钩的行业数量在增加。本研究采用年碳排放量、碳排放强度、人均碳排放量及单位面积碳排放量等多个指标全面服务于碳达峰、产业结构优化、碳公平等目的,依据主要影响因素、细分行业分类及能流分析,从产业结构优化和能源结构调整等角度提供有效的碳减排路径。研究结果将为“双碳”目标下省级层面绿色发展规划措施的制定提供科学支持。 相似文献
5.
文章基于全球88个国家1995到2018年的数据,运用动态面板数据模型估计了旅游对碳排放的影响。结果表明：① 从全球范围来看,旅游者人次对人均碳排放和碳强度有显著的增加效应。随着旅游者人次的进一步增加,旅游和人均碳排放、碳强度之间存在倒U型和N型曲线关系。旅游收入对人均碳排放和碳强度有显著的降低效应。旅游收入和人均碳排放之间存在倒U型和N型曲线关系,旅游收入和碳强度之间的非线性关系则与之相反。② 旅游者人次增加了发达国家的人均碳排放但是降低了其碳强度,在发展中国家则相反。在发达国家,旅游收入对人均碳排放和碳强度有显著的负向影响,但在发展中国家则为显著的正向影响。③ 经济增长和产业结构增加了旅游对人均碳排放的正向影响,可再生能源利用和技术进步强化了旅游收入对碳强度的负向影响。本研究成果有助于全面、深入地理解旅游对碳排放的影响及其区域异质性特征。 相似文献
6.
海岛城市具有独特的社会经济发展轨迹以及碳排放特征。定量剖析海岛城市碳排放的演变趋势及其关键驱动因子,对于指导"低碳海岛城市"和"生态海岛城市"建设意义重大。以中国典型海岛城市舟山市为案例区,采用IPCC参考方法,测算2001-2015年间舟山市各部门的碳排放量,并运用STIRPAT扩展模型,定量分析能源强度、人均GDP以及城市化率等关键驱动因子对海岛城市碳排放的影响;在此基础上,结合情景分析技术对舟山市未来的碳排放量进行情景预测。结果表明:(1)2001-2015年间,舟山市碳排放量增加迅速,年均增长率达到32%,碳排放强度遵从先降后增的"U型"变化规律,年均值略高于厦门市。(2)岭回归分析表明城市化率对碳排放量的增加影响最大,其次为能源强度,人均GDP对碳排放的影响最弱。(3)舟山市经济增长与碳排放之间存在Kuznets曲线假说,且理论拐点将出现在人均GDP为10.46万元附近(2000年可比价)。(4)舟山市在2020年和2030年的碳排放总量将分别达到2142万t和4333万t。总体而言,产业结构低碳化和能源效率提升是缓解舟山市未来碳减排压力的有力抓手。 相似文献
7.
中国省域城镇居民碳排放驱动因素分析 总被引：5，自引：3，他引：2
从消费角度出发,分别对2003和2012年中国城镇（不含港、澳、台地区）居民碳排放的特征及影响因素进行分析。结果显示,不同地区城镇居民碳排放存在明显差异,人口因素对区域分异有弱化作用。从城镇居民人均碳排放来看,不同地区消费构成、能源结构、产业结构3因素对城镇居民碳排放影响的差异总体表现为：消费结构/能源结构>产业结构。与其他部门相比,大多数地区工业部门的生产能耗、投入产出周转量和产品购买量是影响当地城镇居民碳排放的主要因素,各地区城镇居民碳排放的影响因素具有明显的区域特点。政府应在当前研究的基础上,根据当地能耗模式、产业模式和消费模式因地置宜管理城镇居民碳排放。 相似文献
8.
城市化与西北地区经济发展的互动关系分析 总被引：4，自引：7，他引：4
从各国的经验来看,城市化与区域经济发展存在着强烈的互动关系。本文详细分析了西北地区城市化与人均GDP、经济发展水平、经济发展速度的关系。结果表明:(1)西北地区城市化水平与人均GDP的关系符合国际一般规律,呈对数关系;(2)西北地区城市化水平的地区差异与地区资金投入量、消费和收入的关系密切;(3)西北地区城市化水平与经济发展水平间的相关关系存在较大的区域差异;(4)不同的时段造成西北地区省际城市化水平差异的主要因子不同;(5)与经济增长速度相比,西北五省区的城市化速度仍存在不同程度的滞后。 相似文献
9.
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。 相似文献
10.
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 总被引：3，自引：1，他引：2
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。 相似文献
11.
基于城镇化的中国县级城市碳排放空间分布特征及影响因素 总被引：2，自引：0，他引：2
论文选择中国1897个县级城市作为研究单元,基于CHRED-online碳排放公开数据库以及县、县级市社会经济统计数据,采用空间自相关分析和地理探测器方法,探究中国县级城市碳排放空间分布格局及人口、经济、土地多维度城镇化水平对碳排放的影响。结果表明：① 中国县级城市碳排放量非均衡性较高,碳排放总量高值地区数量少,但数值较大。② 碳排放总量空间分布主要呈现东高西低格局,高值地区主要集中于东部、中部大城市周边和内蒙古中部、北部地区,呈“簇状”分布结构。人均碳排放强度和经济碳排放强度则呈现北高南低格局,主要聚集于内蒙古中部、北部和新疆青海交界地区。③ 经济和土地城镇化水平的空间异质性对县级城市碳排放总量差异具有较强的解释力,人口城镇化对碳排放总量影响不明显。经济城镇化及土地城镇化各指标之间交互作用对碳排放影响最为剧烈,并呈现非线性增强作用。④ 在分地区差异性比较中,城镇化水平对西部欠发达地区影响作用最为剧烈。在同一指标的解释力和关键影响因素指标的选取方面,东、中、西部地区也存在明显的空间分异特征。应结合高碳排放区域和城镇化影响作用机制,进行差异化控碳路径选择。 相似文献
12.
基于扩展的环境库兹涅茨曲线（EKC）,利用1995-2015年中国省际面板数据探讨旅游发展对区域碳排放的影响,同时分析了经济增长、贸易开放程度、失业率、受教育程度和城市化水平等因素对碳排放的影响作用。研究表明：① 传统经济增长与碳排放之间的倒“U”型EKC假说成立,受教育程度（-0.061）、失业率（-0.062）和贸易开放程度（-0.170）的提升有利于降低人均CO2排放量,其中,贸易开放程度的减排作用最为明显;城市化水平（2.113）的提高会增加人均CO2排放量。② 旅游发展对区域碳排放的影响显著,具体表现为：旅游接待人次与人均CO2排放量拟合曲线呈正“U”型,而人均旅游消费与人均CO2排放量则呈现典型的倒“U”型曲线良性发展状态。③ 旅游专业化水平的提高会使得EKC向下方移动,经济发展的环境压力得到减轻,且高旅游专业化区域旅游接待人次与人均CO2排放量之间关系的转折点相对较高,而其人均旅游消费与人均CO2排放量之间关系的转折点则相对较低。 相似文献
13.
中国县域碳排放的时空演变及影响因素 总被引：5，自引：1，他引：4
县域是实现新型城镇化的重要平台和关键地域单元,揭示县域碳排放的时空格局演变及其驱动因素对于完善中国新型城镇化战略和促进生态文明建设、绿色转型发展具有重要意义。本文使用2000—2017年中国县域碳排放数据,分析了县域人均碳排放的总体变化、区域差异、时空格局及集聚特征,并在STIRPAT模型和环境库茨涅茨曲线（EKC）假说下,运用面板分位数回归解释社会经济发展对县域人均碳排放的动态影响。结果表明：① 中国县域人均碳排放呈现先急后缓的增长趋势。人均碳排放水平差异加大,且呈上升趋势,西部地区县域人均碳排放差距悬殊。② 县域人均碳排放总体上呈现“北高南低”的空间格局,经济发达地区的人均碳排放远高于其他地区,空间极化效应明显。③ 县域人均碳排放具有显著的空间正相关性,高—高集聚的区县数量逐渐增多且分布重心向西北移动,而低—低集聚的区县数量不断减少,主要集中于中南地区,县域人均碳排放集聚类型具有空间锁定效应。④ 人口密度、政府财政支出对县域人均碳排放具有抑制作用,第二产业产值规模、碳排放强度则存在显著的正相关性,中低碳排放水平区县的经济发展和人均碳排放之间呈现倒“N”型曲线关系,社会经济发展结构的调整是实现整体碳减排的关键。因此,政府减排策略的落实应考虑区县碳排放的阶段性差异,实现落后地区发展和转型“两手抓”的同时发挥重点城市群、都市圈在碳减排中的先导作用。此外,通过技术创新提高能源利用效率应作为现阶段县域碳减排的主要手段。 相似文献
14.
梳理1992—2018年中亚五国碳排放变化过程,运用碳排放库兹涅茨曲线模拟人均碳排放与人均国内生产总值（GDP）的关系,基于中亚五国人均GDP、工业增加值、研发投入、自华进口中间品和资本品的技术溢出存量等指标,构建面板数据固定效应模型以探究碳排放影响机制。结果表明：（1） 中亚五国碳排放先降后升,各国碳排放的变化率波动较大,其中哈萨克斯坦碳排放占中亚五国碳排放比重最大。（2） 就人均碳排放与人均GDP拟合的碳排放库兹涅茨曲线关系而言,哈萨克斯坦和土库曼斯坦表现为倒N型,乌兹别克斯坦、塔吉克斯坦、吉尔吉斯斯坦和中亚五国表现为N型。（3） 中亚五国自华进口额呈现较快的增长趋势,其中自华进口的中间品和资本品合计约占自华进口总额的3.920%~10.976%,中亚五国整体及各国中间品技术溢出存量均明显大于资本品技术溢出存量。（4） 在影响中亚五国碳排放的诸多因素中,人均GDP和工业增加值占GDP比重的回归系数显著为正,人均GDP、工业增加值占GDP比重每上升1%,碳排放分别增加0.337%和0.343%,研发投入、交互项LnZJit×LnSit（中间品技术溢出存量的自然对数×工业增加值占GDP比重的自然对数）的回归系数显著为负,研发投入每增加1%,碳排放可减少约0.432%,在降低因工业增加值占GDP比重上升导致的碳排放方面,中间品技术溢出存量的影响极小。 相似文献
15.
合理有序推进城镇化进程和发展低碳经济是当前全球许多国家面临的重要难题。研究基于2009—2016年全球118个国家的面板数据，利用STIRPAT模型探究了整体样本及不同等级城镇化水平国家城镇化发展对碳排放效率的影响机理。研究表明：（1）2009—2016年，研究样本碳排放效率的空间分异特征较为明显，碳排放效率较高的国家主要集中在拉丁美洲、欧洲西部及非洲，碳排放效率较低的国家基本位于北美、亚洲及大洋洲；（2）从整体来看，科技创新水平、人均GDP及信息化水平均对碳排放效率提升具有显著促进作用，促进作用大小为人均GDP>科技创新水平>信息化水平，城镇化水平、工业占比及对外开放度均对碳排放效率提升具有显著抑制作用，抑制作用大小为城镇化水平>对外开放度>工业占比；（3）分区域来看，不同等级城镇化水平国家各影响因素对碳排放效率的作用效应呈现明显的异质性。基于实证分析结果，研究提出推进绿色城镇化建设、重视科技创新生态价值、优化对外出口贸易结构等政策建议。 相似文献
16.
In this paper, the quadratic polynomial and cubic polynomial functions were applied to analyze the environmental Kuznets curve (EKC) of carbon emissions in Hebei Province. The improved STIRPAT model was also applied to assess the driving factors and reduction paths for carbon emissions in Hebei Province. The results lead to three main conclusions. Firstly, carbon emissions and economic growth in Hebei Province are in a positive cor-relation stage which has not formed the EKC curve, and the “decoupling” stage between carbon emissions and economic growth has not arrived yet. Secondly, the industrial structure, per capita GDP, fixed assets investment, population size and urbanization rate account for the highest proportion of carbon emissions. Carbon emissions can be reduced greatly by changing the energy structure, in which the proportion of coal is decreased year by year. Environmental regulation also has an obvious effect on the reduction of carbon emissions. Thirdly, it is suggested that the reduction of carbon emissions in Hebei Province should focus on four tasks: controlling the development of heavy industry, avoiding overcapacity, optimizing the industrial structure and accelerating the development of clean energy. 相似文献
17.
Air transportation in China: Temporal and spatial evolution and development forecasts 总被引：1，自引：1，他引：0
This paper analyses the features and dynamic changes of the spatial layout of air transportation utilization among different provinces in China. It makes use of data for the airport throughput and socio-economic development of every province throughout the country in the years 2006 and 2015, and employs airport passenger and cargo throughput per capita and per unit of GDP as measures of regional air transportation utilization, which is significant for refining indicators of regional air transportation scale and comparing against them. It also analyzes the spatial differences of coupling between the regional air transportation utilization indicators and the key influencing factors on regional air transportation demand and utilization, which include per capita GDP, urbanization rate, and population density. Based on these key influencing factors, it establishes a multiple linear regression model to conduct forecasting of each province’s future airport passenger and cargo throughput as well as throughput growth rates. The findings of the study are as follows: (1) Between 2006 and 2015, every province throughout the country showed a trend of year on year growth in their airport passenger and cargo throughput per capita. Throughput per capita grew fastest in Hebei, with a rise of 780%, and slowest in Beijing, with a rise of 38%. Throughput per capita was relatively high in western and southeastern coastal regions, and relatively low in northern and central regions. Airport passenger and cargo throughput per unit of GDP showed growth in provinces with relatively slow economic development, and showed negative growth in provinces with relatively rapid economic development. Throughput per unit of GDP grew fastest in Hebei, rising 265% between 2006 and 2015, and Hunan had the fastest negative growth, with a fall of 44% in the same period. Southwestern regions had relatively high throughput per unit of GDP, while in central, northern, and northeastern regions it was relatively low. (2) Strong correlation exists between airport passenger and cargo throughput per capita and per capita GDP, urbanization rate, and population density. Throughput per capita has positive correlation with per capita GDP and urbanization rate in all regions, and positive correlation with population density in most regions. Meanwhile, there is weak correlation between airport passenger and cargo throughput per unit of GDP and per capita GDP, urbanization rate, and population density, with positive correlation in some regions and negative correlation in others. (3) Between 2015 and 2025, it is estimated that all provinces experience a trend of rapid growth in their airport passenger and cargo throughput. Inner Mongolia and Hebei will see the fastest growth, rising 221% and 155%, respectively, while Yunnan, Sichuan, and Hubei will see the slowest growth, with increases of 62%, 63%, and 65%, respectively. 相似文献
18.
This paper analyses the features and dynamic changes of the spatial layout of air transportation utilization among different provinces in China. It makes use of data for the airport throughput and socio-economic development of every province throughout the country in the years 2006 and 2015, and employs airport passenger and cargo throughput per capita and per unit of GDP as measures of regional air transportation utilization, which is significant for refining indicators of regional air transportation scale and comparing against them. It also analyzes the spatial differences of coupling between the regional air transportation utilization indicators and the key influencing factors on regional air transportation demand and utilization, which include per capita GDP, urbanization rate, and population density. Based on these key influencing factors, it establishes a multiple linear regression model to conduct forecasting of each province's future airport passenger and cargo throughput as well as throughput growth rates. The findings of the study are as follows:(1) Between 2006 and 2015, every province throughout the country showed a trend of year on year growth in their airport passenger and cargo throughput per capita. Throughput per capita grew fastest in Hebei, with a rise of 780%, and slowest in Beijing, with a rise of 38%. Throughput per capita was relatively high in western and southeastern coastal regions, and relatively low in northern and central regions. Airport passenger and cargo throughput per unit of GDP showed growth in provinces with relatively slow economic development, and showed negative growth in provinces with relatively rapid economic development. Throughput per unit of GDP grew fastest in Hebei, rising 265% between 2006 and 2015, and Hunan had the fastest negative growth, with a fall of 44% in the same period. Southwestern regions had relatively high throughput per unit of GDP, while in central, northern, and northeastern regions it was relatively low.(2) Strong correlation exists between airport passenger and cargo throughput per capita and per capita GDP, urbanization rate, and population density. Throughput per capita has positive correlation with per capita GDP and urbanization rate in all regions, and positive correlation with population density in most regions. Meanwhile, there is weak correlation between airport passenger and cargo throughput per unit of GDP and per capita GDP, urbanization rate, and population density, with positive correlation in some regions and negative correlation in others.(3) Between 2015 and 2025, it is estimated that all provinces experience a trend of rapid growth in their airport passenger and cargo throughput. Inner Mongolia and Hebei will see the fastest growth, rising221% and 155%, respectively, while Yunnan, Sichuan, and Hubei will see the slowest growth, with increases of 62%, 63%, and 65%, respectively. 相似文献