共查询到17条相似文献，搜索用时 781 毫秒
1.
《热带地理》2017,(1)
通过构建“能源-经济-碳排放”混合型投入产出分析框架,利用扩展的结构分解模型,对广东省2002-2010年能源消费碳排放的影响因素进行结构分解分析。结果显示:1)广东省能源消费碳排放从2002年的5 820.55万t增长到2010年的12 097.91万t。2)碳排放影响因素的直接效应分析,经济规模和人口增长是广东省碳排放增长的主要驱动因素,同时生产结构在当前仍然是碳排放增长的正向驱动因素,但是生产结构对于广东省碳排放增长的贡献率逐步降低。碳排放强度是遏制广东省碳排放增长的最主要贡献因子,最终需求结构对于广东省碳排放总量变化由正效应转变为负效应,逐渐成为遏制碳排放增长的主要贡献因子。3)碳排放影响因素的间接效应分析,国际出口、进口贸易和省域间调进、调出贸易对于广东省能源消费碳排放的变化影响显著。同时,固定资本形成和城镇居民消费对于广东省碳排放的增长有较强影响。4)不同最终需求对产业部门碳排放增长的分析表明,出口贸易引起的碳排放增长主要集中在电子与机械类行业和纺织服装业;省域间调出引起的碳排放增长主要集中在典型的能源密集型行业;固定资本形成引起的碳排放增长主要集中在建筑业;城镇居民消费引起的碳排放增长主要集中在交通运输业。 相似文献
2.
《资源与生态学报(英文版)》2020,(5)
准确查清典型省份能源消费碳排放的实际情况及其碳排放增长的主要驱动因素,是实现我国碳减排目标的关键。本文采用扩展的LMDI模型对来自中国东、中和西部地区三个典型省(区)——江苏、河南和内蒙古的碳排放增长进行了比较分解。结果表明:(1)1996–2017年,3个省(区)的能源消费碳排放变化呈上升趋势,但各省(区)之间存在明显差异。(2)各驱动因素对碳排放的影响在不同省份和不同经济发展期明显不同。经济增长对各省碳排放变化的正向贡献最大(1996–2017年,河南、江苏、内蒙古三省(区)经济发展对碳排放增长的贡献分别为307.19%、205.08%和161.26%);其次是城镇化和人口规模,但对碳排放增长的贡献远小于经济增长。(3)除"十五"规划期外,能源强度在促进3省(区)碳减排方面发挥了主导作用,其次是能源结构。在所有抑制碳排放增长的因素中,农村人口比例的贡献最小。此外,城乡居民人均能源消费对碳排放的影响在不同省份(区)和不同经济发展阶段均表现出相对较小的影响和两面性,但在推动省域碳排放的变化方面开始起着越来越重要的作用(如1996–2017年,江苏省的居民能源消费对碳排放增长的贡献率超过7.9%,其中城镇居民人均能源消费的贡献率大于3.8%)。鉴于此,建议政策制定者应根据东、中、西部地区的碳排放省情和影响碳排放的关键因素,制定有针对性的减排措施。 相似文献
3.
基于中国30个省级单元人口、能源数据,运用SDA结构分解法,定量测度了1995-2014年居民碳排放的时空特征及影响因素。研究表明：除吉林外,其余各省居民碳排放呈增加态势,且区域分异程度呈现先降后升的变化特点;人均碳排放效率提高是居民碳排放量增加的主要因素,且历年贡献率呈增长趋势,效应高值区主要集中在北部地区;人口规模效应对居民碳排放增加的贡献率呈下降趋势,高值区主要分布于东南部,与胡焕庸线划分的人口密集区趋于一致;人口城镇化变化对居民碳排放变化具有双向效应,负向效应向东南部扩展,正向效应在北部凸起;依据各省差异,将各省划分为碳减排重点区、碳减排关键区、碳减排关注区,针对不同类型应采用差异化的碳减排模式。 相似文献
4.
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。 相似文献
5.
《地域研究与开发》2020,(1)
运用"自下而上"法估算1997—2017年上海市旅游碳排放量,并运用因素分解技术将上海旅游碳排放变化分解为5种效应。结果表明:1997—2017年上海市旅游增加值增长了12. 24倍,而碳排放量却增长了13. 87倍,碳排放量增速较快,交通碳排放是最主要的来源。在分解后的各种效应中,旅游全员劳动生产率是最主要的影响效应,其贡献率达到了87. 23%;其次是碳强度效应(82. 43%)、能源强度效应(-61. 49%);能源结构和能源强度效应有助于旅游碳排放量的降低,但能源强度效应整体上逐年下降,而能源结构效应则在波动中呈现微弱的上升趋势。上海在大力发展旅游业的同时更要切实降低旅游产业的碳排放,进而实现旅游产业的可持续发展。 相似文献
6.
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。 相似文献
7.
蒋金荷 《资源与生态学报(英文版)》2013,4(4):304-310
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。 相似文献
8.
《地理与地理信息科学》2017,(1)
为了探索安徽省用水驱动因素,运用LMDI因素分解模型,对安徽省2011-2014年用水变化驱动效应进行了测算,并采用空间自相关分析方法,借助GeoDA095i与ArcGIS空间分析软件,对用水驱动效应空间关联格局进行了分析。结果表明:1)经济增长对安徽省用水变化具有显著正向增量效应,而用水强度则呈现为负向减量作用;2)经济增长效应、结构变动效应、用水强度效应呈现为不显著聚集特征;3)合肥市、安庆市为经济增长效应的显著高值聚集中心和结构变动效应的显著低值聚集中心,马鞍山市、淮南市为经济增长效应的显著低值异质中心以及结构变动效应、用水强度效应的显著高值异质中心,六安市为用水强度效应的显著低值聚集中心。研究结果可为安徽省制定差别化的水资源可持续政策提供科学依据。 相似文献
9.
基于区域视角的能源消费碳排放影响机理分析,是有效实现节能降耗减排的重要研究议题。本文基于投入产出理论,通过构建“能源—经济—碳排放”混合型投入产出分析框架,利用扩展的IO-SDA模型,对新疆维吾尔自治区（简称新疆）1997-2007年能源消费碳排放的影响因素进行结构分解分析。结果显示：① 新疆能源消费碳排放从1997年的2070.08万t增长到2007年的4034.33万t,碳排放的增长主要集中在能源资源生产与加工业和矿产资源开采与加工业。② 碳排放影响因素的直接效应分析,人均GDP、最终需求结构、人口规模和生产结构的变化是引起碳排放增长的重要影响因素,碳排放强度的降低是这一时期遏制碳排放增长的重要影响因素,说明在经济规模和人口数量不断增长的同时,经济结构未得到有效优化,生产技术未得到有效的提升,导致新疆能源消费碳排放的快速增长。③ 碳排放影响因素的间接效应分析,省域间调出、固定资本形成总额和城镇居民消费对于新疆能源消费碳排放的变化影响显著。④ 碳密集产业部门的固定资产投资增加,能源资源型产品的省域间调出增长,使得区域间“隐含碳”转移效应十分显著。 相似文献
10.
据2006—2015年间制造业能源消费数据核算中国大陆30个省（除港澳台、西藏外）的制造业碳排放,并依据要素密集度将制造业划分为资金、技术、劳动力密集型3类。在分析制造业以及不同类型制造业碳排放时空演变基础上,运用Kaya模型将碳排放驱动因素划分为经济规模、产业结构、能源强度、能源碳强度4个方面,并运用LMDI-I分解模型定量分析碳排放的驱动因素。结果表明：除北京外,其余省域制造业碳排放均呈现不同程度的增长;资金密集型制造业碳增长最高,其次是技术、劳动力密集型制造业;经济规模扩大是导致各省、各类型制造业碳增长的首要因素;产业结构调整、能源强度与能源碳强度的变化在各省、各类型制造业碳排放中呈现双向效应,且作用强度差异显著。因此,在未来,各省、各类型制造业碳减排措施应各有侧重。 相似文献
11.
安徽省近15年土地要素对经济贡献及Logistic 曲线拐点探析 总被引：1，自引：0，他引：1
运用C-D生产函数,利用统计年鉴数据,采用最小二乘回归方法,对安徽省1997~2011年建设用地对经济贡献率进行了定量测度,并对其Logistic 曲线进行了探索,结果表明：① 研究时段,资本、劳动力、建设用地投入要素对二、三产业产值的弹性系数分别为0.469、0.801、0.369;② 资本、劳动力、建设用地、科技进步投入要素对经济贡献率分别为52.31%、22.9%、20.74%、4.05%; ③ 建设用地扩展与经济增长契合Logistic 曲线,拐点位于二、三产业产值为2 744亿元时（2002年）,1997~2002年,建设用地对经济贡献随经济增长呈加速上升态势,2002~2011年,建设用地对经济贡献上升速度减缓,并最终趋于平稳;④ 科技进步对经济贡献呈递增态势,但科技对经济贡献率偏低。从转换土地经济发展理念、控制建设用地规模、实现经济由资源依赖性向创新驱动型转变等方面提出了相应对策。 相似文献
12.
In this study, we adopt kernel density estimation, spatial autocorrelation, spatial Markov chain, and panel quantile regression methods to analyze spatial spillover effects and driving factors of carbon emission intensity in 283 Chinese cities from 1992 to 2013. The following results were obtained.(1) Nuclear density estimation shows that the overall average carbon intensity of cities in China has decreased, with differences gradually narrowing.(2) The spatial autocorrelation Moran's I index indicates significant spatial agglomeration of carbon emission intensity is gradually increasing; however, differences between regions have remained stable.(3) Spatial Markov chain analysis shows a Matthew effect in China's urban carbon emission intensity. In addition, low-intensity and high-intensity cities characteristically maintain their initial state during the transition period. Furthermore, there is a clear "Spatial Spillover" effect in urban carbon emission intensity and there is heterogeneity in the spillover effect in different regional contexts; that is, if a city is near a city with low carbon emission intensity, the carbon emission intensity of the first city has a higher probability of upward transfer, and vice versa.(4) Panel quantile results indicate that in cities with low carbon emission intensity, economic growth, technological progress, and appropriate population density play an important role in reducing emissions. In addition, foreign investment intensity and traffic emissions are the main factors that increase carbon emission intensity. In cities with high carbon intensity, population density is an important emission reduction factor, and technological progress has no significant effect. In contrast, industrial emissions, extensive capital investment, and urban land expansion are the main factors driving the increase in carbon intensity. 相似文献
13.
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了哈萨克斯坦共和国1992-2010年的碳排放量,并对哈萨克斯坦近20 a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,定量分析能源结构、能源效率和经济发展对不同阶段碳排放的影响。结果表明：（1）1992-2010年,哈萨克斯坦一次能源消费的碳排放量整体呈先下降后上升的“U”型曲线,拐点在1999年。煤炭消费仍然是碳排放的主要来源,这是受长期以煤为主能源供应政策影响的一种必然结果;（2）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,能源强度降低是抑制碳排放量增长的主要贡献因子。并以此提出哈萨克斯坦未来能源战略的一些政策建议。 相似文献
14.
Urban construction land has relatively high human activity and high carbon emissions. Research on urban construction land prediction under carbon peak and neutrality goals (hereafter “dual carbon” goals) is important for territorial spatial planning. This study analyzed quantitative relationships between carbon emissions and urban construction land, and then modified the construction land demand prediction model. Thereafter, an integrated model for urban construction land demand prediction and spatial pattern simulation under “dual carbon” goals was developed, where urban construction land suitability was modified based on carbon source and sink capacity of different land-use types. Using Guangzhou as a case study, the integrated model was validated and applied to simulate the spatiotemporal dynamics of its urban construction land during 2030-2060 under baseline development and “dual carbon” goals scenarios. The simulation results showed that Guangzhou’s urban construction land expanded rapidly until 2030, with the spatial pattern not showing an intensive development trend. Guangzhou’s urban construction land expansion slowed during 2030-2060, with an average annual growth rate of 0.2%, and a centralized spatial pattern trend. Under the “dual carbon” goal scenario, Guangzhou’s urban construction land evolved into a polycentric development pattern in 2030. Compared with the baseline development scenario, urban construction land expansion in Guangzhou during 2030-2060 is slower, with an average annual growth rate of only 0.1%, and the polycentric development pattern of urban construction land was more prominent. Furthermore, land maintenance and growth, that is, a carbon sink, is more obvious under the “dual carbon” goals scenario, with the forest land area nearly 10.6% higher than that under the baseline development scenario. The study of urban construction land demand prediction and spatial pattern simulation under “dual carbon” goals provides a scientific decision-making support tool for territorial spatial planning, aiding in quantifying territorial spatial planning. 相似文献
15.
基于化肥、农药、农膜、农用柴油、翻耕、灌溉6个主要方面的碳源,测算了新疆1993-2010年及各地州2010年的农地利用碳排放量。结果表明：（1）新疆农地利用碳排量总体呈“快速-缓慢-快速”的三阶段增长特征,其碳排放强度变化轨迹与此基本一致;（2）各地州区域差异明显,昌吉回族州属碳排放量、碳排放强度“双高”型地区;乌鲁木齐等3地区属低碳排放量、高碳排放强度地区;塔城等四地区属高碳排放量、低碳排放强度地区;哈密等六地属碳排放量和碳排放强度“双低”型地区。同时,利用kaya恒等式对其驱动机理进行分解,得出农业经济发展水平是农地碳排放的最主要驱动因素;农业生产效率对农地碳排放具有较强抑制作用;而农业结构、农业劳动力规模在不同程度上推动农地碳排放,进而提出促进新疆农地碳减排的对策建议。 相似文献
16.
全域土地综合整治作为优化乡村国土空间的重要实践活动,既是人为土地利用的重要碳源之一,也对缓解土地利用碳排放具有积极作用。为解析其与“双碳”目标的互馈机制与耦合关系,剖析其对实现“双碳”目标的贡献作用,提出全域土地综合整治碳效应的学理研究问题与实践应用路径。结果表明：① 与传统土地整治相比,全域土地综合整治具有更强的战略性、综合性和系统性,作为面向全要素全空间的土地实践活动,其价值导向和实践方式更多元,与“双碳”目标联系更密切,固碳减排可操作性更强;② 基于文献计量研究发现,面向“双碳”目标的全域土地综合整治应在碳效应影响因素解析、碳核算体系构建、空间布局优化等方面开展学理研究和关键问题探索;③ 研究提出了综合规划引领、工程建设和建后管护的实践应用路径,全域土地综合整治通过调整技术方法体系、优化规划编制和实施等各环节,对实现“双碳”目标具有重要推动作用。研究为面向“双碳”目标的全域土地综合整治提供理论研究视角和实践参考,为全域土地综合整治助力“双碳”目标实现提供借鉴。 相似文献
17.
金砖国家碳排放与经济增长脱钩弹性及驱动因素——基于Tapio脱钩和LMDI模型的分析 总被引：1，自引：0，他引：1
在金砖国家低碳转型的压力之下,把握碳排放驱动因素、明确碳排放与经济增长的相关性从而完善减排政策迫在眉睫。基于1987—2017年金砖国家碳排放面板数据,采用Tapio脱钩模型分析经济增长与碳排放的脱钩关系变化,进一步结合IPAT方程和LMDI模型分解影响碳排放量变化的驱动因素。研究表明：金砖国家整体上呈现由负脱钩到弱脱钩再到强脱钩的变化趋势,现阶段中国、印度和俄罗斯碳排放脱钩关系为弱脱钩,南非和巴西的碳排放脱钩分别为强脱钩和扩张负脱钩,金砖国家之间脱钩关系存在阶段性差异;经济强度因素和人口因素是碳排放的主要正向驱动因素,能源强度因素则对碳排放具有抑制作用,金砖国家之间驱动因素的作用程度存在显著差异。因此,可以从增加技术投入、提高能源利用效率、严控高能耗产业、构建减排工作国际合作平台等方面入手促进金砖国家减排。 相似文献