能源消费与产业结构演化转型的迪氏对数平均指数分解研究——以天津为例

长期以来,尽管我国的经济发展取得了巨大成绩,但在粗放型经济增长模式和产业结构背景下,也催生出生态环境恶化、资源利用不够集约等问题。为贯彻创新、协调、绿色、开放、共享五大发展理念,实现产业结构的生态化则是大势所趋。笔者以天津为例,考察了其产业结构生态化的实现与能源消费的主要关系。一是分析了能源消费结构与产业发展之间的关系,通过模型拟合发现煤炭消费比重与产业结构演进系数之间存在着倒U型关系特征,符合环境库兹涅茨曲线的描述;二是利用迪氏对数平均指数(LMDI)分解方法将能源消费增长分解为规模效应、技术效应和结构效应,从产业部门的视角分析天津能源消费的驱动因素。研究结果表明:规模效应为主导因素;结构效应在大多数年份为降低能源消费保持了贡献,但与总体变化的相关度远远低于规模效应,技术效应则是减少能源消费的核心驱动力量。

中国碳排放影响因素分解及峰值预测研究

随着我国对2030年前达到碳排放峰值意愿的逐渐增强,首先,利用对数平均迪氏分解(Logarithmic Mean Divisia Index, LMDI)模型对我国2011—2019年人均碳排放量变化的影响因素进行分解,以明确各影响因素的贡献量、贡献率,并得出2011—2019年我国人均碳排放累积增长约为1.09 t。其中,经济发展起主要促进作用,累积贡献值约为5.61 t;能源结构优化和能源强度降低起抑制作用,累积贡献值分别约为-0.66 t和-3.86 t。其次,依据相关政策公布的经济社会发展预定目标,设定3种模拟情景下的指标变动量,并预测2022—2030年的CO_(2)排放量。结果显示:基准情景下CO_(2)排放量在2027年达到峰值,约为110.87亿t,人均CO_(2)排放量为7.69 t;低减排情景下CO_(2)排放量在2029年达到峰值,约为112.04亿t,人均CO_(2)排放量为7.75 t;高减排情景下CO_(2)排放量峰值出现在2023年,约为110.00亿t,人均CO_(2)排放量为7.74 t。

基于对数平均迪氏指数-布谷鸟搜索算法-最小二乘支持向量机的区域中长期电力需求预测

中长期用电需求预测对地区电网规划与运行具有重要意义。准确地对其进行预测有助于配电网利用效率的提高。中长期用电需求与地区宏观经济形势息息相关,选用(对数平均迪氏指数)LMDI分解模型对用电增长量进行了分解。根据影响因素分解为生产效应、结构效应及强度效应,然后选用布谷鸟搜索优化的最小二乘支持向量机对各效应数据进行拟合及预测,再加总得到预测用电需求量。最后,以冀北地区为例对模型进行测算,通过与不同预测方法比较证明了基于LMDI电量分解的CS-LSSVM模型在中长期电力需求预测方面有较高的准确度。

钢铁企业逐月能耗变化的因素分解

目前关于能耗变化的原因分析研究多是围绕国家或行业层面展开的,关于企业能耗变化分析的研究较少。研究基于Kaya恒等式,采用对数平均迪氏分解(LMDI)方法,建立了钢铁企业逐月能耗变化的因素分解模型,分析了能源结构效应、工序能耗效应、钢比系数效应和生产规模效应对总能耗变化的影响。案例分析表明,生产规模效应、钢比系数效应和能源结构效应对企业能耗总量变化的影响较大,工序能耗效应的影响相对较小。

工业部门碳排放量的影响因素分解及预测方法研究

工业部门是全球主要的二氧化碳排放来源之一。了解工业部门碳排放量受何种因素影响,有助于针对性地制定优化措施减少碳排放量。同时,预测碳排放量,可以实现对未来碳排放量的管控和调整,并制定出相应的政策措施来引导和规范工业部门的发展。首先,通过对数平均迪氏指数(LMDI)分解法,构建行业碳排放贡献量的计算模型,分析各影响因素对碳排放的贡献量。进一步,结合因素分解法的分析结果,构建人口、财富、技术随机回归(STIRPAT)模型,对工业部门各行业碳排放量进行预测。最后,以我国某地区工业部门为例进行研究,结果验证了所提模型的可行性。

广东省工业“三废”EKC曲线检验及影响因素研究——基于Kaya恒等式与LMDI分解法

在对广东省工业"三废"EKC曲线进行验证的基础上,运用Kaya恒等式把工业"三废"排放的影响因素分解为清洁生产技术水平、工业GDP单位能耗、工业经济发展水平和工业人口规模四个维度,并用LMDI分解法分析各因素的作用机制。研究结果显示:工业废水与废固符合三次多项式的EKC曲线拟合特征,工业废气与经济发展水平之间呈单调递增关系;清洁生产技术水平和工业GDP单位能耗对污染物排放具有负向抑制作用,工业经济发展水平和工业人口规模则对污染物排放具有正向促进作用。

日本碳排放脱钩效应及驱动因素研究——基于Tapio脱钩指标和LMDI分解模型

在全球加速推进低碳转型背景下,脱钩指标成为了衡量各国或地区低碳减排的主要工具。基于Tapio脱钩指标模型和对数平均迪氏指数法(LMDI)分解模型,研究日本1991—2020年碳排放与经济增长脱钩关系,并对影响碳排放的主要驱动因素进行分解。分析可得,30年间,日本逐渐从弱脱钩转向强脱钩;在影响日本碳排放脱钩因素中,能源结构调整是推动碳脱钩的最强驱动因素。

中国区域能源消费碳排放的因素分解

本文测算了2000～2010年中国30个省市的能源消费碳排放量，并运用对数平均迪氏分解法（LcwmthmicMeanDivisiaIndex，LADI）将碳排放总量分解为GDP、工业污染物排放强度、产业结构和区域经济发展不平衡程度等4个因素，以此分析中国区域经济发展过程中规模效应、技术效应、产业结构效应和区域空间结构效应对碳排放的影响。研究结果表明：规模效应是促进碳排放增加的决定因素；技术效应是抑制碳排放增加的最重要力量；产业结构效应和区域空间结构效应对碳排放的作用方向尚不稳定，但对碳排放增加有一定的拉动作用。

中国畜牧业碳排放量变化的影响因素分解及空间分异

畜牧业温室气体排放占人类活动温室气体排放总量的18%,已成为全球温室气体排放的重要贡献部门。运用全生命周期评价法全面测度了2000-2014年中国大陆31个省区的畜牧业碳排放,采用对数平均迪氏指数分解法,将畜牧业碳排放分解为畜牧业生产效率、农业生产结构调整、单位农业人口农业生产收益、城镇化和总人口增长5大因素,从时空2个层面揭示了畜牧业碳排放的驱动效应。结果表明:1)2000-2014年,中国畜牧业碳排放总量由1.374×10~8 t增长到1.506×10~8 t,年均增速0.654%,其中畜禽胃肠发酵和粪便管理系统产生的碳排放是其主要来源,两者占畜牧业碳排放总量比例达65.58%~73.23%。2)无论从时间还是空间层面看,畜牧业生产效率都是抑制中国畜牧业碳排放持续增长的最重要因素,单位农业人口农业生产效益则是导致中国畜牧业碳排量持续增长的最重要因素,这一因素对草原畜牧业区和农耕畜牧业区的畜牧业碳排放促进作用非常明显,而对经济发达地区较为有限;总人口增长是促使畜牧业碳排放增长的另一重要因素,尤其是对人口大量流入的经济发达地区和计划生育政策宽松的广大西部少数民族地区更为明显。3)2000-2014年,城镇化是有效抑制畜牧业碳排放的第二大因素,而农业结构调整对畜牧业碳排放变化呈现由正向驱动转为负向驱动的变化特征,这一特征在中国畜牧业较为发达的中东部地区表现较为明显。

天津市工业能源消费碳排放量核算及影响因素分解

天津市工业经济的快速发展促使其能源消费量持续增加,已经成为该市能源消费的主体.建立能源消费的碳排放核算方法,对天津市工业能源消费碳排放量的时间序列进行分析.结果表明:在过去10 a内天津市工业能源消费的碳排放量年均增长10.41%,比工业增加值平均增速低58.53%;工业能源强度持续下降,万元(104元)增加值碳排放强度整体呈下降趋势,由1999年的2.38 t/万元降至2009年的0.68 t/万元,表明工业节能减排效果较明显;在工业终端能源消费结构中,煤炭占57.80%,高于北京、上海等地.采用对数平均迪氏指数分解法(LMDI)对工业经济规模、行业结构、能源效率和能源结构等因素进行分析.结果表明:工业经济规模是碳排放持续增长的主导原因;行业结构、能源结构整体上对碳排放量影响较小;能源利用效率提高是工业节能减排成效的最主要贡献因素,对碳排放量变化的贡献率达-140.80%.通过对天津市工业行业的进一步分析可知,能源密集型行业严重影响了工业能源消费碳排放量的变化.

基于LMDI的电力行业碳排放影响因素分解研究

文章以江西省为例,采用对数平均迪氏指数分解方法分解研究电力行业碳排放量的影响因素。结果表明：起正向作用的三大因素依次为地区生产总值效应、电力生产结构效应和燃料消耗结构效应;起抑制作用的影响因素依次是火电燃料转化效应、发用电转化效应和电力消费强度效应。

基于LMDI的中国能源消费的影响因素分解分析

中国能源消费量增长迅速，节约能源和保护环境面临巨大压力。本文研究分析了1980～2010年间中国能源消费变化的特点，运用LMDI方法分析了各种可能因素对能源消费的影响效应。研究结果表明中国能源消费呈现总量递增与效率提高的发展趋势，经济增长是促使能源消费增加的主要因素，能源消费强度的降低是促使能源消费降低的主要因素，人口效应和产业结构效应促进了能源消费的增加但并不显著。最后提出了提高能源使用效率和优化产业结构等改善能源消费的相关建议。

国内增加值率的国际比较及驱动因素LMDI分解

文章首先以WIOD数据为基础,计算得到了44个经济体、15个年份和56个产业的国内增加值率(DVAR)。在国际比较中发现我国的DVAR并未偏低,总体上处于中等偏上的水平;在产业比较中发现,我国制造业的DVAR低于服务业,但在同产业的国际比较中却是制造业更高。文章通过对数平均迪氏(LMDI)分解定量测度了驱动DVAR的两个因素V(生产增加值率)和B(国内关联产业带动作用),发现B和V在DVAR的形成中起到了同等重要的作用,但二者负相关。以V的提升为目标的政策可能导致B的下降,最终对DVAR的提升作用有限。

北京市碳排放的影响因素分析

“十四五”时期是中国实现碳达峰的关键时期,也是推动经济高质量发展和生态环境质量持续改善的重要阶段。可拓展的随机性环境影响评估(Stochastic Impacts by Regression on Population,Affluence,and Technology,STIRPAT)模型可以根据研究需要增加自变量,更好地分析相关因素对因变量的影响。以北京市为研究区,通过构建扩展的STIRPAT模型,分析人均地区生产总值(Gross Domestic Product,GDP)、人均汽车保有量、城市化率、第三产业GDP占比、能源消费强度与人均碳排放量的关系,并采用对数平均迪氏指数(Logarithmic Mean Divisia Index,LMDI)分解法分解能源消费强度。结果表明,产业结构和能源消费强度对人均碳排放量均有显著的正向影响。总体来看,要平衡经济发展与碳排放的关系,提高能源利用效率,推广可再生能源,降低能源消耗,减少碳排放。

西南地区交通运输业碳排放测算与驱动因素分析

以西南地区云贵川三省为例,通过排放系数法,利用2011—2019年三省的能源消耗量数据,对交通运输业进行了碳测算,针对能源结构、效率、产业结构、经济、人口5个常见驱动因素进行定量分析,并结合三省区域特点和交通现状,增加了公共交通参与度、公共交通设施饱和度、土地利用结构、绿色植被覆盖率4个因素进行分析。结果表明:在2011—2019年间,云贵川三省能源效率、居民公共交通参与度、公共交通车辆饱和度的平均值小于1,对交通运输业碳排放起抑制作用,其中能源效率的抑制作用最显著,平均值为0.952,其余6个因素平均值大于1,起促进作用,区域经济因素促进作用显著,平均值为1.047。最后根据研究结果为云贵川三省的交通运输业提出了节能减排建议。

从城市到城市群:京津冀物质代谢特征及影响因素

随着城市化进程和一体化战略的持续推进,城市管理者急需了解城市规律以消减生态-资源-环境挑战,并提供坚实物质基础。以京津冀城市群及其组成城市为研究对象,创新性地从城市群和城市两尺度核算并分析了2000—2017年物质消耗状况及变化趋势,识别并对比了主要贡献物质、贡献部门和影响因素。研究表明:(1)研究期间,京津冀城市群物质消耗量总体上升。从物质类型看,主要由非金属矿物(>34.2%)拉动;从产业结构看,受到工业部门(>58%)绝对影响。首要驱动因素为经济规模(>50%)。(2)各城市物质消耗量与城市群较为类似,总体也呈增长态势,几乎均受到非金属矿物和工业部门驱动,且经济规模起到正向促进作用,不同的是物质消耗强度作用类型多样,且产业结构效应在城市中贡献更为突出。研究结果在一定程度上明确了城市及城市群代谢的规律,能够为优化资源利用效率和资源配置结构奠定基础,为城市及城市群生态管理与调控提供切实可行的落力点。

城市轨道交通二氧化碳排放量化及其影响因素分析

目的:为了促进城市轨道交通可持续发展,需要对我国城市轨道交通二氧化碳排放演化规律及其影响因素进行量化分析。方法:基于我国社会经济发展以及城市轨道交通能耗等数据,考虑了电网碳排放因子的时空变化动态特性,构建了城市轨道交通二氧化碳排放量测算模型和LMDI(对数平均迪式指数)分解模型。以我国城轨系统为实例,对其进行二氧化碳排放量测算模型和LMDI分解模型的应用求解。结果及结论:2010—2019年研究期内,我国城轨系统二氧化碳排放量的演变总体呈上升趋势,2019年二氧化碳排放量达到1 366.20万t,较2010年增长了2.88倍。我国电网碳排放因子在交通运输业存在显著的时空差异性,体现为南方城市电网碳排放因子整体低于北方;随着电力生产结构的优化以及科技水平的提高,电网碳排放因子呈现平稳下降的趋势。经济发展因素对我国城轨系统二氧化碳排放影响效应最为显著,且体现为正效应。其他各影响因素效应值由强到弱依次为:交通运输业能源结构强度、生产效率、能源消耗强度、交通运输业发展和人口规模因素,其影响效应值分别为67.53万t、-53.82万t、12.64万t、-6.09万t和4.92万t。二氧化碳排放量测算模型和LMDI分解模型在预测城市轨道交通二氧化碳排放上是可行与科学的。

济南市工业化石能源消费碳排放与经济增长脱钩水平及驱动因素分析

基于2011—2020年济南市5种主要化石能源消费量,核算了济南市的工业碳排放量。运用Tapio脱钩模型和对数平均迪氏指数分解模型(LMDI),探究了济南市工业碳排放与经济增长的脱钩关系及驱动因素。结果发现,济南市工业总碳排放量由2011年的29.30 Mt增长到了2020年的43.17 Mt,莱芜市的加入是济南市工业碳排放增加的重要原因。尽管至2020年,济南市工业碳排放与经济增长基本实现了强脱钩,但2011—2020年整体脱钩状态不稳定,不同工业行业脱钩的趋势也存在差异。工业人口规模、经济产出、能源强度、能源结构、碳排放因子对济南市工业碳排放有正向驱动效应,而产业结构对碳排放有负向驱动效应。

基于三维水足迹模型的河南省水资源可持续利用水平评价

基于三维水足迹模型,以水生态赤字与盈余、水压力指数、水资源集约利用指数和水资源可持续指数4个指标构建水资源可持续利用水平指标评价体系,从时间上和空间上分析河南省的水资源可持续利用水平,并且利用对数平均迪氏指数分解法分析水足迹变化的驱动因素。结果表明:河南省水足迹由大到小为生产用水足迹、生活用水足迹和生态用水足迹,其中豫北和豫中各市的水足迹深度较大;河南省整体水资源可持续利用水平较差,其中豫北和豫中地区的水资源可持续利用水平最差;经济规模效应、人口规模效应对水足迹的变化具有正向驱动作用,而水足迹强度效率效应和水资源承载力效应具有负向驱动作用。

1995～2010年中国钢铁工业能源消耗影响因素分析

基于1995～2010年中国钢铁工业能源消耗及钢产量数据，采用对数平均迪氏分解法对中国钢铁工业能源消耗进行因素分解，包括能源消费结构、吨钢能耗和钢产量．结果显示，1995～2010年中国钢铁工业能源消耗总体上升了35967．00tce，其中钢产量变化对其影响作用最大，贡献率为157．50％，吨钢能耗的影响次之，为-57．53％，能源消费结构对其影响作用最小，仅为0．03％．降低吨钢能耗是降低钢铁工业能源消耗的关键措施，2010年吨钢能耗较1995年降低404．35kgce／t钢，其中钢比系数贡献率为29．37％，工序能耗贡献率高达70．63％．