The driving force of water resource stress change based on the STIRPAT model:take Zhangye City as a case study

A prominent contradiction between supply and demand of water resources has restricted local development in social and economic aspects of Zhangye City,located in a typical arid region of China.Our study quantified the Water Resource Stress Index(WRSI)from 2003 to 2017 and examined the factors of population,urbanization level,GDP per capita,Engel coefficient,and water consumption per unit of GDP by using the extended stochastic impact by regression on population,affluence and technology(STIRPAT)model to find the key factors that impact WRSI of Zhangye City to relieve the pressure on water resources.The ridge regression method is applied to improve this model to eliminate multicollinearity problems.The WRSI system was developed from the following three aspects:water resources utilization(WR),regional economic development water use(WU),and water environment stress(WE).Results show that the WRSI index has fallen from 0.81(2003)to 0.17(2017),with an average annual decreased rate of 9.8%.Moreover,the absolute values of normalized coefficients demonstrate that the Engel coefficient has the largest positive contribution to increase WRSI with an elastic coefficient of 0.2709,followed by water consumption per unit of GDP and population with elastic coefficients of 0.0971 and 0.0387,respectively.In contrast,the urbanization level and GDP per capita can decrease WRSI by−0.2449 and−0.089,respectively.The decline of WRSI was attributed to water-saving society construction which included the improvement of water saving technology and the adjustment of agricultural planting structures.Furthermore,this study demonstrated the feasibility of evaluating the driving forces affecting WRSI by using the STIRPAT model and ridge regression analysis.

Analysis of Regional Differences of Energy Footprint in China Based on STIRPAT Model

On the basis of the previous researches and the ecological footprint theory,we use the cross-sectional data of Chinese energy consumption in 2007 to calculate the regional differences of energy consumption footprint of 30 provinces in China;by using the method of EEF calculation method,we calculate the regional distribution of EFI and analyze its law;through the construction of STIRPAT model,we reveal the relationship between EEF and factors of population and economy.The results show that provinces with higher EEF mainly concentrate in the Middle Eastern China,which have a developed industry,such as Shandong,Hebei,Liaoning Province and so on.However,provinces with lower EEF mainly concentrate in the Western China,which have a relatively poor economy,such as Ningxia,Qinghai Province and so on.These results are in accordance with the area distribution of China's economic development level.The EFI decreases gradually from west to east.As the level of regional economy is improved,the EFI has the downward trend.The quantity of population shows notable impact on EFI.The per capita GDP does not show the nagative relationship with EFI,which can not prove the existence of Environmental Kuznets Curve.

Scenario analysis of the Indonesia carbon tax impact on carbon emissions using system dynamics modeling and STIRPAT model

This study aims to develop a system dynamic(SD)forecasting model based on the STIRPAT model to forecast the effect of an IDR 30 per kg CO_(2)e carbon tax on carbon emissions,estimate future carbon emissions under ten scenarios,without and with the carbon tax,and estimate the environmental Kuznets curve(EKC)to predict Indonesia’s carbon emission peak.Carbon emission drivers in this study are decomposed into several factors,namely energy structure,energy intensity,industrial structure,GDP per capita,population,and fixed-asset investment.This study included nuclear power utilization starting in 2038.The research gaps addressed by this study compared to previous research are(1)use of the ex-ante approach,(2)inclusion of nuclear power plants,(3)testing the EKC hypothesis,and(4)contribution to government policy.The simulation results show that under the carbon tax,carbon emissions can be reduced by improving renewable energy structures,adjusting industrial structures to green businesses,and emphasizing fixed asset investment more environmentally friendly.Moreover,the result approved the EKC hypothesis.It shows an inverse U-shaped curve between GDP per capita and CO_(2)emissions in Indonesia.Indonesia’s fastest carbon emission peak is under scenario seven and is expected in 2040.Although an IDR 30 per kg CO_(2)e carbon tax and nuclear power will take decades to reduce carbon emissions,the carbon tax can still be a reference and has advantages to implement.This result can be a good beginning step for Indonesia,which has yet to gain experience with a carbon tax that can be implemented immediately and is helpful to decision-makers in putting into practice sensible measures to attain Indonesia’s carbon emission peaking.This research provides actionable insights internationally on carbon tax policies,nuclear energy adoption,EKC dynamics,global policy implications,and fostering international cooperation for carbon emission reductions.

Quantitative analysis of the impact factors of conventional energy carbon emissions in Kazakhstan based on LMDI decomposition and STIRPAT model

Quantitative analysis of the impact factors in energy-related CO2 emissions serves as an important guide for reducing carbon emissions and building an environmentally-friendly society. This paper aims to use LMDI method and a modified STIRPAT model to research the conventional energy-related CO_2 emissions in Kazakhstan after the collapse of the Soviet Union. The results show that the trajectory of CO2 emissions displayed U-shaped curve from 1992 to 2013. Based on the extended Kaya identity and additive LMDI method, we decomposed total CO2 emissions into four influencing factors. Of those, the economic active effect is the most influential factor driving CO2 emissions, which produced 110.86 Mt CO2 emissions, with a contribution rate of 43.92%. The second driving factor is the population effect, which led to 11.87 Mt CO2 emissions with a contribution rate of 4.7%. On the contrary, the energy intensity effect is the most inhibiting factor, which caused –110.90 Mt CO2 emissions with a contribution rate of –43.94%, followed by the energy carbon structure effect resulting in –18.76 Mt CO2 emissions with a contribution rate of –7.43%. In order to provide an in-depth examination of the change response between energy-related CO2 emissions and each impact factor, we construct a modified STIRPAT model based on ridge regression estimation. The results indicate that for every 1% increase in population size, economic activity, energy intensity and energy carbon structure, there is a subsequent increase in CO_2 emissions of 3.13%, 0.41%, 0.30% and 0.63%, respectively.

基于STIRPAT模型湖南省建筑碳排放影响因素研究

以湖南省为对象,利用IPCC法测算了2010年至2021年的建筑碳排放,并采用随机性环境影响评估模型(STIRPAT)分析了人口数量、城镇化率、人均GDP、第三产业占比和碳排放强度等五大因素对建筑碳排放的影响。结果显示影响程度依次为:人口数量(8.351)、城镇化率(0.951)、人均GDP(0.466)、碳排放强度(0.232)、第三产业占比(0.180)。在此基础上,通过情景分析预测了这些因素在基准、低碳和高碳情景下的变化趋势,并提出了建筑减排措施与建议,为制定区域性建筑碳减排政策提供了决策支持。

基于STIRPAT模型的京津冀地区碳排放影响因素分析

采用STIRPAT模型,分析了影响京津冀地区碳排放的主要因素.首先,利用IPCC方法对京津冀地区碳排放量进行测算.其次,在现有研究的基础上,筛选出与碳排放相关的影响因素,运用主成分分析法、岭回归法和线性回归法对京津冀地区碳排放量影响因素进行了实证分析.最后,在京津冀不同区域分别构建了改进的STIRPAT模型,探究关键因素的影响程度,并对碳排放影响因素进行了深入分析.实证研究表明,2000—2019年京津冀地区碳排放结构与变化趋势明显不同.同时,各区域关键影响因素各不相同,同一因素在不同区域产生的效果也有所不同.

Research on influencing factors of urban building carbon emissions based on STIRPAT model——taking Suzhou as an example

The research on the influencing factors of carbon emissions from urban buildings is of great significance for the reduction of carbon in the urban building sector and even the realization of the city’s the carbon peak and neutrality goals.In this paper,combined with the ridge regression method,the STIRPAT model is used to establish a new model for influencing factors of building carbon emissions in Suzhou,and the factors such as urbanization rate,the number of permanent residents,per capita construction and tertiary industry added value,and per capita disposable income are analyzed.The analysis results show that the urbanization rate is the primary driving factor for building carbon emissions in Suzhou,followed by the number of permanent residents,then the added value of the per capita construction industry and tertiary industry,and finally the per capita disposable income.The conclusions of this paper indicate that industrialization and urbanization have strongly promoted the growth of building carbon emissions in Suzhou.In the future,with the continuous development of industrialization and urbanization and the increase of population,Suzhou City can rationally plan urban development boundaries to promote green and low-carbon transformation and development in the field of urban and rural construction,improve residents’low-carbon awareness,and advocate green and low-carbon behavior of residents to reduce building carbon emissions.

基于STIRPAT模型的吉林省石化行业碳排放影响因素研究

石化行业作为典型的高碳排产业,研究其碳排放规律及影响有助于我国“双碳”目标的实现。以吉林省2002—2021年石化行业中5个子行业的原煤、洗精煤、焦炭、汽油、柴油、原油等9类碳排放源数据为基础,研究吉林省石化行业碳排放的时间演变特征及碳排放结构。采用扩展的随机性环境影响评估(STIRPAT)模型以及岭回归参数估计方法,选取经济增加值等6个指标,深入探讨各因素对吉林省石化行业碳排放量的作用机制及影响。根据实证分析结果,为推进吉林省石化行业低碳发展,促进石化产业碳减排,提出3个建议:提升能源效率,改善能源消费结构;优化投资项目,推动低碳项目发展;采取循环经济,进行环境影响评估。

基于STIRPAT的河北省碳达峰预测研究

我国已宣布力争2030年前二氧化碳排放达到峰值,为确保河北省能够保质保量完成碳达峰目标,采用联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change, IPCC)排放因子法测算河北省2005-2021年化石能源消费碳排放量,选取人口、人均GDP、城镇化率、产业结构、能源强度和能源结构6个因素,构建了河北省碳排放人口、财富和技术影响(stochastic impacts by regression on population, affluence, and technology, STIRPAT)预测模型,通过构建河北省碳排放情景,对河北2022-2040年碳排放量进行了预测。结果表明在基准情景和经济发展情景下,河北省碳排放趋势是持续上升的,未出现达峰点;产业转型、绿色发展和目标导向情景下出现了峰值点,其中目标导向情景在2029年达峰,绿色发展情景在2030年达峰,碳达峰量分别为81 626.658万吨二氧化碳和86 018.255万吨二氧化碳,产业转型情景在2035年达峰,碳达峰量为85 214.349万吨二氧化碳。按照目前情景发展下河北省难以在2030年实现碳达峰,为保质保量完成达峰目标,需要以能源绿色低碳发展为关键手段,同时以科技和制度创新为动力,调整优化产业结构和能源结构。

基于STIRPAT模型的山东省居住建筑运行碳排放影响因素研究

为有效实施建筑领域节能减排,实现双碳目标,以2005-2021年山东省居住建筑运行阶段碳排放数据为研究对象,利用STIRPAT模型对人口数量、人均GDP、人均消费支出、人均可支配收入、城镇化水平、居住建筑面积、单位建筑面积能耗、能源消耗强度和能源结构等影响碳排放的因素进行岭回归分析。结果表明:人口数量、人均GDP、人均消费支出、人均可支配收入、城镇化水平、居住建筑面积、单位建筑面积能耗和能源消耗强度等的增加会促使碳排放量的增加,但能源结构的增加会抑制碳排放量的增加,其中人口数量是影响碳排放的关键因素。据此提出山东省居住建筑节能减排的建议和对策。

安徽省碳排放时空格局演变与碳达峰路径预测——基于STIRPAT扩展模型和岭回归模型

基于双碳目标和空间耦合视角,对NPP/VIIRS夜间灯光数据进行修正并拟合碳排放模型,补充在2018—2021年中国碳核算数据库县级碳排放数据,通过空间自相关模型分析安徽省县级单元碳排放的时空变化特征。根据“因素筛选—模型构建—耦合计算—交互影响”的思路,基于拓展后的STIRPAT模型和岭回归模型,对不同发展模式下的碳排放进行预测演算,利用地理探测器揭示空间碳排放驱动因素的交互作用,为实现碳达峰提供路径依据。结果表明:(1)1997—2021年安徽省碳排放呈现波动上升再趋于平稳的趋势,在2013年后进入碳达峰前的平台期,自北向南呈由高到低分布,以主要工业城市为主形成了不同规模的高密度碳排放中心;(2)预测得到的碳排放达峰时间区间为2030—2045年,峰值范围为4.472亿t~5.558亿t;(3)基准情景下,安徽将在2040年碳达峰,绿色发展情景最早达峰且峰值最低,是对比后确定的最优碳达峰路径;(4)人口和能源结构的驱动力最强,城镇化水平和人均GDP与各种驱动因素的交互作用增强效果显著。

集成清单算法和STIRPAT模型的能源系统碳排放影响因素研究——以四川省为例

立足燃料燃烧和区域电力交易两大单元构建能源系统碳排放核算方法,基于四川省2000—2021年的实际数据,结合拓展后的STIRPAT模型实证分析人口规模、经济发展、技术创新、能源结构和产业结构对碳排放的差异化影响效应。研究结果表明:①化石燃料燃烧是能源系统关键碳排放源,其中工业终端能源消费占据主导地位,交通运输业和居民生活碳足迹也不容忽略;区域电力交易在保障能源供应安全的同时间接推动中国低碳发展进程。②人口规模通过人群和文明效应驱动碳排放,未来影响程度取决于多孩生育政策对人口负增长趋势的扭转成效;经济发展与能源消费有待脱钩,考虑到经济上升期现状和“污染避难所”现象,其仍为碳排放关键驱动因素;经费投入增加推动节能降碳领域科研成果产出及应用,并通过技术驱动和创新补偿降低碳排放水平;能源结构高碳特征对温室效应贡献显著,立足资源禀赋的消费结构转型有助于降低排放强度;第二产业在国民经济中的主体地位带动能源系统碳排放显著增加,近年来以高新技术产业为代表的第三产业占比提升有效控制了高污染、高能耗产业的碳排放。

基于STIRPAT模型的黑龙江省工业碳排放情景分析与峰值预测

在碳达峰、碳中和背景下,进行黑龙江省工业部门碳排放因素分析与情景预测研究,对实现黑龙江省工业绿色低碳发展具有重要意义。首先,根据IPCC准则测算黑龙江省历年工业碳排放量,基于拓展STIRPAT模型,从人口因素、经济发展水平、技术水平3个方面,确定人均生产总值的平方、人口规模、工业总产值、工业能源消耗、能耗效率、能源结构6个自变量,借助岭回归方法消除自变量间的多重共线性,建立黑龙江省工业部门的碳排放影响因素模型;然后,从经济发展、人口规模、能源消耗、能耗效率4个方面分析黑龙江省社会经济实际运行情况,并结合宏观政策,分别对自变量进行变量涨幅确定,对2020—2050年黑龙江省工业部门碳排放量设定基准情景、低碳情景、高能耗情景进行预测分析。研究发现:1)黑龙江省工业低碳发展面临化石能源需求大、能源转化效率不足的问题,在影响工业碳排放的6个变量中,人均生产总值的平方、工业总产值、工业能源消耗、能源结构对黑龙江省工业部门碳排放量起到促进作用,人口规模、能耗效率对黑龙江省工业部门碳排放起到抑制作用,其中工业能源消耗正向促进作用最为显著;2)黑龙江省工业碳排放量在各情景下均呈现先增加后减少的演变趋势,而在峰值出现的时间及高度上有所差异,低碳情景、基准情景、高能耗情景下黑龙江省工业部门碳排放量达峰时间分别为2030年、2035年和2045年,碳排放峰值分别为7135万t、8997万t、12368万t。对此提出加大工业能源结构调整力度,重视能源转化技术升级,完善绿色低碳发展相关政策等建议。

基于STIRPAT模型的广西碳排放影响因素分析

通过在时间尺度上分析了广西碳排放的变化趋势,并与我国不同省域碳排放水平进行比较,总结提炼出广西的碳排放特征;结合广西发展特征以2005—2020年广西经济社会环境发展数据为基础,利用拓展的STIRPAT模型从经济因素、人口因素、结构因素和技术因素4个方面对广西碳排放影响因素进行分析。结果表明:人口规模与人口结构对广西碳排放的促进作用最为显著,人口规模与人口结构每增加1%,碳排放量将增加0.401%和0.199%。人均GDP、第二产业产值、进出口总额的增长均会显著促进碳排放,根据环境库兹涅茨曲线,广西经济发展程度仍处于转折点之前。研究与试验投入、研究与试验人员是对碳排放贡献率最大的因素,贡献率分别为16.81%和14.51%,是减少广西地区碳排放的重要工作方向。

基于STIRPAT模型的广东省碳排放峰值预测分析

为切实减少碳排放,有效应对气候变化,我国计划于2030年前实现碳达峰,2060年前实现碳中和。广东省是我国经济第一大省,预测分析其未来碳排放对实现碳达峰碳中和具有重要意义。本文充分考虑诸多因素对碳排放的影响,构建STIRPAT模型,以1998—2019年数据作为样本进行岭回归,从而得到广东省碳排放预测方程,并通过情景分析法设定3种情景。结果表明,广东省在基准情景下无法于2030年前实现碳达峰目标,在低碳情景和强化低碳情景下则能顺利实现该目标。

基于STIRPAT模型的辽宁省能源碳排放影响因素分析

辽宁省是传统的工业和农业大省,在能源结构持续调整和农业机械化水平逐渐提高的背景下,为制定科学合理的减排措施,必须探明其碳排放主要来源。为此,采用排放因子法计算2012—2021年主要能源消耗碳排放量,利用STIRPAT模型构建辽宁省能源消耗碳排放测算模型,分析影响能源消耗碳排放的主导因素。结果发现,煤炭是辽宁省消耗的最主要能源,占总能耗的55%左右;能源消耗碳排放总量整体呈明显增加趋势,而碳排放强度呈下降趋势,10年间降低11.3 kt CO_(2)/亿元;第二产业产值、农业碳排放效率、农业经济发展水平、第一产业产值、人口、人均GDP、城镇化率、农业机械化程度、能源加工转换效率是影响辽宁省碳排放的主要因素;基于STIRPAT模型构建辽宁省碳排放测算模型,通过验证发现平均相对误差为-4.91%,准确度较好;对模型分析发现人口变化对辽宁省能源碳排放呈负向影响,而人均GDP、第二产业产值、农业经济发展水平、农业机械化程度对辽宁省能源碳排放呈正向影响。因此为抑制辽宁省能源碳排放量的快速增加,需要控制人口数量,优化产业结构,保持人均GDP增速,第二产业产值和农业机械化程度在一个合理的水平。

基于STIRPAT模型的甘肃省碳排放影响因素研究

为探索“双碳”背景下甘肃省碳达峰实现路径,文章基于STIRPAT模型,立足甘肃省情选取六个影响因素,利用1997年-2020年数据构建了甘肃省碳排放岭回归模型,并以此对2020年-2035年3种政策情景下甘肃省的碳排放量进行预测。结果表明,GDP、碳排放强度和能源消耗强度是促进甘肃省碳排放增长的主要因素。在低碳和基准情景下,甘肃省碳排放将于2030年实现碳达峰,而后开始逐年下降。在高碳情景下,甘肃省碳排放量将逐年攀升,在2035年前碳达峰较为困难。最后提出提高经济发展质量,优化第三产业内部结构,推进传统能源绿色清洁高效发展是减少甘肃省碳排放的有效路径。

基于STIRPAT模型的民用建筑碳排放影响机理分析及预测研究

在“碳中和碳达峰”目标下,碳减排工作要“因地制宜,统筹兼顾”。不同地区经济发展及资源禀赋有差异,以云南省为例,基于能源平衡表的建筑能耗拆分模型,测算2011年-2020年云南民用建筑碳排放量,基于STIRPAT模型,采用岭回归从人口、经济、技术三方面探究云南民用建筑碳排放的影响机理,根据云南省发展目标预测中短期的民用建筑碳排放量,最后总结碳减排策略。结果表明:影响云南民用建筑碳排放的主要因素按影响程度为人均可支配收入>常住人口城镇化率>能源强度>第三产业增加值,2025年云南民用建筑碳排放量较2020年预计增长1.2倍。

基于STIRPAT改进模型的油气开采业碳排放研究

能源安全及双碳战略下,我国坚定不移推进稳油增气,原油产量力争保持在2×10^(8)t/a,天然气产量逐步增加至3000×10^(8)m^(3)/a左右。2020年我国油气开采业能源利用CO_(2)排放量已达8758×10^(4)t,“双碳”目标约束下面临较大的减排压力。基于2010—2020年我国油气开采业相关历史数据,充分考虑油气开采业特点,引入行业能源消费、固定资产投入、油气产出相关8个指标参数,构建改进型STIRPAT模型并结合岭回归分析方法,分析各影响因素与碳排放量的关系。能源消费碳强度、能源消费规模、油气产出碳强度、产出规模对碳排放促进作用明显,投资效率则起到抑制作用。结合关键影响因素分析结果,并充分考虑绿色转型、稳油增气等能源安全新战略,采用情景分析法对4种不同情景下的油开采业未来碳排放量、碳达峰量、碳达峰时间进行分析预测;通过大力开发利用新能源,加大节能降耗力度,油气开采业有望在2030年实现碳达峰,峰值排放水平约9015×10^(4)t/a,符合行业碳达峰发展规划。最后,建议油气开采业因地制宜积极投资开发新能源,大力实施节能和化石能源替代工程,不断提高投资效率,降低投资和产出碳强度,确保碳达峰目标如期实现。

东北三省碳排放影响因素分析和趋势预测——基于STIRPAT模型和情景分析法

东北三省是“双碳”目标下碳减排工作的重点区域。利用STIRPAT(可拓展的随机性环境影响评估)模型对2000—2021年东北三省各省的碳排放影响因素进行分析,并利用情景分析法预测截止到2040年以前、均衡情景下东北三省各省的碳排放趋势。模型分析结果表明:各省只存在导致碳排放量增加的影响因素;能源消费总量、碳排放强度、人均GDP是各省的共同影响因素;各省的影响因素是不同的组合;各省影响因素的促进作用存在省份差异性。预测结果表明:碳排放量同期数值由高到低依次为辽宁省、黑龙江省、吉林省;各省的碳排放量曲线都呈现出倒“U”形并能够看出明显的峰值;黑龙江省和吉林省碳达峰的时间都为2012年,而辽宁省碳达峰的时间为2025年。针对分析和预测结果,提出能源、社会经济、区域协调3个方面的建议。