共查询到10条相似文献，搜索用时 31 毫秒
1.
《干旱区地理》2015,(4)
基于陕西省1989-2011年能源消费等统计数据,分析能源消费结构、产业结构的演变特征,建立陕西省能源消费结构-产业结构-碳排放强度系统的VAR模型,对该系统的长期和短期动态关系进行实证分析。结果表明:陕西省的发展模式,是能源消费结构长期以高碳能源为主和产业结构长期以高碳产业为主导。能源消费结构与产业结构的变化对陕西省碳排放强度的减小作用初期微弱;从中长期来,两个结构多元化提高的负效应对碳排放强度的增加有长期持久的抑制作用,且能源消费结构演进对碳排放强度的冲击效果始终大于产业结构变化的冲击效果。优化产业结构和调整能源消费结构尤其是提高低碳产业与低碳能源比重是驱动陕西省碳排放强度下降的有效措施。 相似文献
2.
随着气候变化日益加剧,碳排放及其影响越来越受到人们的关注。针对我国30个省区2000-2015年终端能源消费产生的碳排放进行核算,分析中国能源消费碳排放的区域特征和时空差异,并通过STIRPAT模型和面板数据模型相结合的方法从碳排放量和碳排放强度两个视角对碳排放的驱动因素进行分析。研究发现,从全国层面来看,人口规模、人均GDP、能源强度以及城市化水平对碳排放量产生正向的驱动作用,即每提升1%,碳排放量将分别增加1.046 9%、0.938 6%、0.722 6%、0.411 6%,而产业结构对碳排放具有负向的驱动效应。对于碳排放强度而言,人均GDP和产业结构均产生负向的抑制作用。从区域层面来看,通过经济水平分组,东、中、西部三大区域由于经济发展水平的差异,各个因素对碳排放的影响也有所不同并表现出一定的规律性;城市化水平分组表现出随着城市化水平的提高,碳排放量也随之降低。通过研究,可为我国合理制定CO2减排的区域差异化政策提供参考依据。 相似文献
3.
中国工业燃烧能源导致碳排放的因素分解 总被引：24，自引：0，他引：24
在碳排放的分解方面,方法日渐成熟,包括Laspeyres指数法、简单平均分解法(SAD)、自适应权重分解法(AWD)等.许多学者也做过大量实证研究,但基本都用到碳排放强度或者能源消费强度这一因子并且认为其占有绝对地位,缺乏进一步的分解.本文通过对碳排放计算公式的深人分解,将工业燃烧能源导致的碳排放量分解为6个因素.即能源消费总量、能源消费结构、技术因素、中间投入量、产业结构以及工业总量.并借助LMDI分解方法.分析了我国1992～2005年工业燃烧能源导致碳排放的影响因素.结果显示我国经济总量的增长、能源利用效率低以及以煤为主的能源消费结构是导致我国碳排放大量增加的主要原因.而技术(中间投入比重)、行业产值结构、能源结构等因素的变化对碳减排的作用并不明显.因此,加快技术进步、调整产业结构和能源结构、发展清洁能源发电,以提高能源利用效率、转变能源消费结构,可以有效减少工业碳排放量. 相似文献
4.
评估低碳试点城市的减碳效果和机制路径,可以为中国实现碳达峰及碳中和目标提供重要的实践参考和依据。本文运用2007—2018年中国城市面板数据,构建多期双重差分模型并通过稳健性测试,全面考察了低碳试点政策对碳排放的影响及作用机制。研究发现：① 与非试点城市相比,低碳试点政策显著地降低了城市碳排放强度和碳排放总量;其中,试点城市的碳排放强度对比下降了4.7%,碳排放总量对比下降了7.3%。② 基于城市低碳生产、低碳生活与低碳行政三维主体行为的理论机制分析和实证研究表明：从城市低碳生产维度,生产能源节约、技术进步与推行绿色建筑解释了低碳试点政策减碳效果的60.14%;从居民低碳生活维度,生活能源节约解释了低碳试点政策减碳效果的22.17%;从低碳行政维度,缩减行政支出解释了低碳试点政策减碳效果的17.29%。③ 低碳试点城市的减碳行为具有显著的异质效应。低碳城市试点不仅加快了中国的减碳进程,也为世界控制碳排放以及缓解气候变化提供了具有中国特色的解决方案。 相似文献
5.
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
6.
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
7.
从影响因素角度用LMDI分解方法对新疆1999—2009年的碳排放进行研究。结果表明:能源结构和能源强度对新疆人均碳排放增长起抑制效应,且能源强度的抑制效应大于能源结构的抑制效应;产业规模和人口规模对新疆人均碳排放增长起拉动效应,且产业规模的拉动效应大于人口规模的拉动效应。能源强度和能源结构的抑制效应难以抵消由产业规模和人口规模拉动的新疆人均碳排放的增长。在实证研究结果的基础上提出了相应的政策建议。 相似文献
8.
《西部资源》2015,(5)
研究目的:基于能源消费的视角,估算、分析并预测了工业用地和居住用地碳排放量,为乌鲁木齐市低碳城市化政策的制定提供一定的依据。研究方法:IPCC指南法、线性回归法。研究结果:乌鲁木齐市工业用地碳排放在经历了1997年~2003年,2004年~2012年两期"跳跃式"增长后,2013年首次出现下降;居住用地碳排放经历了1997年~1999年、2000年~2002年,2003年~2006年三期"台阶式"增长后,从2007年开始进入加速增长期。政策启示:进一步优化能源消费结构;继续加大工业低碳化发展;加强居民碳排放的管理与低碳化引导;构建低碳土地利用方式和结构。 相似文献
9.
蒋金荷 《资源与生态学报(英文版)》2013,(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
10.
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