基于三维水足迹模型的甘肃省水资源可持续性评估研究

基于三维水足迹模型,从空间与时间尺度上分析甘肃省水资源可持续利用水平,选用水压力指数、水生态赤字与盈余、水资源可持续指数和水资源集约利用指数构建水资源可持续利用评估体系,并进一步分析水足迹变化的驱动因素。结果表明:在2013—2022年间,甘肃省水资源承载力整体呈波动下降趋势,水足迹无明显变化;甘肃省水生态大部分年份处于盈余状态,但有向赤字发展的趋势;全省水资源可持续利用水平整体处于较差的状态,其中兰州市和白银市为“极不安全”状态。该结果可为区域水资源管理和可持续利用提供技术支撑。

基于对数平均权重分解法的我国二氧化碳排放因素分解研究

二氧化碳是最主要的温室气体，控制二氧化碳排放对于实现我国碳强度目标具有重要意义。本文以1997～2010年的相关统计数据为基础，基于对数平均权重分解法（LMDI）构建了二氧化碳排放的指数分解模型，并采用该模型将我国当前的二氧化碳排放总量分解为11种不同的影响因素。然后通过分析和计算得出了各省的经济产出、人均GDP和城镇化水平等正向影响因素对二氧化碳排放的增长起到促进作用，而各部门的能源消费强度、农村人口比重、各省部门结构比重等负向影响因素对二氧化碳排放的增长起到抑制作用。最后根据对模型的分析指出了我国二氧化碳减排的发展方向，以期为二氧化碳减排的实践提供有益借鉴。

简论统计预测中的指数模型

简论统计预测中的指数模型扬州大学税务学院会计系程毛林大量研究表明，很多事物的发展相对时间是按指数或接近指数规律变化，其模型的一般表示形式为Ｙｉ—ａｅ‘’（或Ｙｉ—ａｈ’），ａｈ／０。指数模型在理论上有三个明显的特点、一是第ｔ期预测值与前一期之比为常数...

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。

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。

Joinpoint回归模型及其在传染病流行趋势分析中的应用

时间序列数据趋势分析的经典方法包括移动平均模型、回归模型、差分自回归移动平均模型等,常用的回归模型包括线性模型、指数模型、对数模型等。传统回归分析主要反映全局数据总体趋势,可能无法揭示局部数据的特定趋势。因此,分段回归模型应运而生[1],但如何分段又成为新的问题。Kim等提出的Joinpoint Regression(JPR)模型提供了解决方法[2]。近年来,JPR模型在癌症和慢性病流行病学趋势研究领域得到广泛应用.

我国物流业碳排放脱钩状态及影响因素研究

物流业是我国化石能源消耗及碳排放的重点行业之一,准确识别物流业碳排放影响因素对我国的可持续发展及节能减排战略具有重大意义。旨在研究21世纪以来我国物流业的能源消耗情况及碳排放变动趋势,找出影响物流业碳排放变动的关键因素。通过构建Tapio脱钩模型,分析我国物流业碳排放与经济增长的脱钩关系;基于此,构建扩展的对数平均迪氏指数模型,分解2000—2019年的碳排放变化。研究结果表明,2000—2019年间大部分时间均为扩张性耦合和扩张性脱钩,2018—2019年间首次出现强脱钩状态,表明物流业的发展与碳排放具有较强的关联性;城镇化效应是碳排放量增加的关键因素,总贡献为19948.69万t,其次是运输结构效应,总贡献为13901.80万t,而技术进步效应在抑制碳排放方面起着重要作用,总贡献为-4098.21万t。

黄河流域虚拟水贸易核算及影响因素研究

为了量化贸易伴随的虚拟水流动,评价其对区域水资源系统的影响,运用多区域投入产出模型揭示2012年、2015年、2017年黄河流域内、外部虚拟水贸易格局与结构,采用对数平均迪氏指数法(LMDI)对黄河流域各省区相对于中国其他省区的净输出虚拟水进行影响效应分析,用QAP回归模型分析黄河流域各省区之间虚拟水贸易的影响因素。研究结果表明:1)黄河流域整体呈虚拟水净输入状态,但向北京、天津、河北等12个省区净输出虚拟水。2)黄河流域虚拟水贸易输出行业主要是农业及电力、燃气和水的生产和供应业。3)结构效应和强度效应是黄河流域虚拟水净输出的重要驱动因素。4)经济发展水平、地理空间距离及用水强度是影响黄河流域内部虚拟水贸易的主要因素。

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。

浅析福州市种植业碳排放影响因素及碳减排措施

了解种植业碳排放的特征与影响因素,可推动福建省福州市农业绿色低碳发展。为给福州市种植业碳减排提供新方法、新途径,通过统计年鉴获得相关种植业数据,以国内外常用的农业碳排放公式及碳排放系数来测算福州市种植业碳排放量。以2010年为基期年,运用kaya恒等式和对数平均迪氏指数(Logarithmic Mean Divisia Index,LMDI)模型解析福州市种植业碳排放影响因素。结果表明,2010—2019年,福州市种植业碳排放总量及强度在波动下降;在影响种植业碳排放的4个因素中,可通过提高种植业生产效率来寻求更好的碳减排途径。建议采取改变耕作方式、提高农资使用效率、创新发展低碳农业、加强宣传培训等措施,实现福州市种植业碳减排的目标。

数学模型在社会医学研究中的应用探讨

社会医学主要研究社会因素与人群疾病、健康的关系。尽管社会因素与人群疾病、健康关系错综复杂,但由于现代医学的发展和电子计算机的广泛应用,社会医学研究资料(包括定性资料)都可数量化处理。数学在社会医学研究中的作用,概括起来有两方面:一是运用概率论,数理统计方法做好研究设计和处理研究数据;二是提供数学模型,从而阐明社会医学的一些理论问题。马克思说过:"一切科学只有在成功地运用数学时,才算真正达到完善的地步。"社会医学也不例外。

江苏省交通运输、仓储及邮政业碳排放驱动因素研究--基于LMDI和Tapio脱钩模型的双视角分析

对江苏省2005-2020年交通运输、仓储及邮政业的碳排放量进行测算,发现数值整体呈波动上升趋势。采用对数平均迪氏指数法(Logarithmic Mean Divisia Index,简称LMDI)进行驱动因素分解和数据分析得出:经济发展和人口因素与碳排放之间呈正相关关系,经济发展的正向驱动效果最为显著;能源结构和强度、运输方式和运输产出这些驱动因素起到了抑制作用。在Tapio脱钩模型(塔皮奥脱钩模型)的基础上,对江苏省交通运输、仓储及邮政业的经济发展与碳排放之间的脱钩效应进行实证分析,发现研究期内除部分年份以外,经济发展与碳排放之间主要呈弱脱钩的状态。综合研究分析提出了优化运输体系、经济与环境协同发展等建议。

基于LMDI模型的能源系统碳排放影响因素分析

在“双碳”目标的背景下,作为全社会碳排放最主要的排放源,能源活动的碳减排尤为关键。为明确电力系统碳排放量、能源消费强度、产业结构等因素对能源系统碳排放的影响作用及贡献程度,基于灰色GM(1,1)模型对我国的能源消费总量进行预测,并进行模型检验以保证可行性。根据联合国政府间气候变化专门委员会(intergovernmental panel on climate change,IPCC)碳排放系数法,根据我国能源平衡表的数据对2015—2019年各行业碳排放量进行测算。在此基础上,利用对数平均迪氏指数法(logarithmic mean Divisia index,LMDI)构建碳排放分析模型,对结果标准化处理后分析各效应对能源系统碳排放量的影响程度。计算结果表明能源消费强度、人口数量、城镇化水平及电力碳排放量会促进能源系统碳排放增长,而能源消费强度、农村人口比重及产业结构起到了抑制作用。

驱动浙江省物流业发展的劳动力因素分析——基于LMDI与重心轨迹模型

物流业的发展不仅取决于外部的宏观条件,还受到内部资本、劳动力和技术等方面的影响。为此,通过LMDI指数分析法对劳动力投入的驱动效应进行探究,并从时间和空间两个角度甄别推动浙江省物流业发展的驱动因素及动态变化轨迹,结果发现:浙江省物流业发展结构极其不均,整个行业的劳动效率尚未发挥,仅仅依靠劳动规模来推动物流业发展,使浙江省物流业的发展受到了严重影响。因此,浙江省必须依靠提高劳动效率、重视技术创新、实现劳动力资源在区域间合理配置才能促进物流业的发展。

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。

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。

河南省交通能耗碳排放的驱动因素及空间格局分析

基于河南省2010-2016年交通能源消耗碳排放量,以河南省18个地级市为研究单元,利用对数指数平均权重法(LMDI)因素分解方法,对河南省交通能耗碳排放变化进行因素分解,并利用地统计分析方法对河南省交通能耗碳排放的空间分布格局进行分析,结果表明,河南省交通能耗碳排放量在2010-2016年呈不断增长的趋势;各类能耗影响因素中,煤炭是影响交通能源消耗碳排放总量变化的主要原因;石油、天然气和电力对其影响较小. LMDI模型因素分解,第三产业经济增加值对河南省交通能耗碳排放产生正向驱动作用,交通运输业经济份额和交通能源强度对交通能耗碳排放产生负向驱动作用,交通能源结构的驱动影响取决于能源利用的合理性,其中,第三产业经济增加值对碳排放的影响最大,交通能源结构对碳排放的影响最小.由于人口分布和经济发展水平的不同,河南省交通能源消耗碳排放沿着东北-西南方向变化较大,此方向上的交通能源消耗碳排放量也较大.整体上,河南省交通能源消耗碳排放呈中部高、四周低的分布格局.

基于LMDI方法的中国国际贸易隐含碳分解

对国际贸易产生环境影响的定量研究正日益受到关注,特别是对隐含碳的研究。以中国2005年为例,对中国国际贸易隐含碳进行估算,应用对数平均D氏指数法(LMDI)对影响隐含碳净转移的因素进行分解分析。结果显示中国因生产排放碳量远大于其消费需要排放的碳量,从国外净转移到中国的隐含碳为395.66MtC;净转移隐含碳影响因素中强度效应(进出口商品完全碳排放系数差异)贡献率为60%,规模效应(进出额差异)贡献率为55%,结构效应(进出口结构差异)贡献率为-14%,此结果表明中国相比国外的高碳排放强度是造成目前碳转移额外增加的主要因素,分析结构效应发现中国主要净出口行业大部分不是高碳排放强度行业,而净进口行业却主要由高碳排放强度行业构成,特别是与碳排放密切相关的能源行业居净进口行业首位。

我国能源效率变化趋势及调整政策——基于产业结构重型化视角的实证分析

运用计量分析方法分析了我国能源效率变化的原因和发展趋势,并给出了相关的建议。分析了工业化国家能源效率变化规律及波动原因;在总结国内研究现状的基础上,运用对数平均D氏指数方法分析了我国能源效率的变化原因,认为产业结构变化是2000年后我国能源效率下降的主要原因;运用误差修正模型技术分析了产业结构日益重型化条件下我国能源效率的变化趋势,并得出了随着产业结构重型化的形成和发展我国能源效率会不断降低的结论;最后,从改变经济结构标准、完善能源价格体系和加快发展现代服务业等方面分析了降低能源消耗、提高能源效率的途径。

中国2030年CO2排放情景预测与减排潜力分析

建立了中国CO2排放情景预测与调控路径优化的集成分析框架,分情景预测了中国CO2排放趋势,测算了各部门的减排潜力并给出了相应的调控路径.研究表明,深度能源转型情景下中国CO2排放将在2025年实现达峰目标(102.54×10^8 t)并在2030年实现强度减排目标(0.65t/万元),同时煤炭消费将在2020年达峰(28.11×10^8 tce).未来中国CO2减排的关键在于挖掘经济增长、能源技术进步与能耗结构优化的减排潜力,特别是提高第二部门的能源效率,优化第一部门和第二部门的能耗结构,以及调整第二部门、第四部门和第六部门的经济发展模式.此外,推进能源结构转型和能源技术创新也是实现中国2030年CO2减排双重目标的重要保障.