森林工业二氧化碳排放影响因素研究

木材加工及木、竹、藤、棕、草制品业、家具制造业和造纸及纸制品业是基于森林产出的经济活动,归并为森林工业。文章依据环境污染模型(IPAT)构建了木材加工及木、竹、藤、棕、草制品业、家具制造业和造纸及纸制品业的二氧化碳排放模型。森林工业产品贴近终端消费市场,居民消费水平影响着其市场供给,故引入城镇居民人均消费变量反映居民生活消费和居住消费对碳排放的影响。资本存量变量替代传统固定资产投资变量,兼顾了已投资的沉淀性和新增投资的节能减排的导向性,综合考量投资变量对碳排放的影响。数据经对数化处理后,使用SPSS中的岭回归方法进行计算,依据岭迹判定和显著性水平,剔除岭迹扩散的工业结构和能源强度因子。回归结果表明:1991?2017年,人口要素、碳排放强度、城镇居民人均消费、社会财富和资本存量对森林工业二氧化碳排放均构成正向影响,且回归系数依次降低。人口要素是木材加工及木、竹、藤、棕、草制品业最大影响因素,造纸及纸制品业和家具制造业次之;碳排放强度是造纸及纸制品业最大的影响因素,家具制造业和木材加工及木、竹、藤、棕、草制品业次之;城镇居民人均消费是家具制造业最大影响因素,木材加工及木、竹、藤、棕、草制品业和造纸及纸制品业次之;社会财富和资本存量均是木材加工及木、竹、藤、棕、草制品业最大影响因素,家具制造业和造纸及纸制品业次之。因此,森林工业在遵守能源双控任务的同时,应加强自身的一体化战略建设,研发利用废旧木质、废纸等资源,突出新增资本的导向性,引导居民消费低碳产品。

广州市工业二氧化碳排放影响因素分析

本文在对广州市工业能源消费和二氧化碳排放研究基础上,通过分析工业总产值、产业结构、社会固定资产投资、能源消费结构、能源利用效率、工业科技投入六个影响因素对工业二氧化碳排放的影响,将我市工业二氧化碳排放影响因素分析最终归结为产业结构、能源消费结构、科技投入三个综合性影响因素,从而提出减少工业二氧化碳排放对策建议。

中国地级以上城市二氧化碳排放的影响因素分析:基于扩展的STIRPAT模型

中国不同城市在发展阶段、经济结构、气候条件、人口结构等都存在明显的差异,不同城市二氧化碳排放的主要影响因素及其影响程度也各不相同。本文基于最新的城市尺度二氧化碳排放数据库CHRED及CHRED2.0,通过加入产业结构、城市化和气候差异等因素,对传统STIRPAT模型进行扩展,考察了中国地级以上城市二氧化碳排放的影响因素。结果显示:人口规模、第二产业产值占比和采暖需求的增长都会显著提高一个城市的二氧化碳排放,同时部分城市二氧化碳排放会随着富裕程度的上升呈现先增加后减少的趋势,但城镇化率对二氧化碳排放的影响具有不确定性。从全国样本来看,2005年和2012年人口因素变化对碳排放影响变化较小,维持在0.7左右;气候因素的变化对碳排放的影响从2005年的0.288 1下降为2012年的0.000 2;第二产业产值比重变化的影响从2005年的0.744 2上升到2012年0.979 5;同时碳排放量与人均GDP在2005年存在倒U型关系,但到2012年这种关系不再显著。除了针对全国尺度的分析外,本研究还依据城市人口规模进行分组研究,并在此基础上进一步进行分位数回归,进而识别出不同规模城市二氧化碳排放量的影响因素差异。今后在制定城市节能减排政策对城市二氧化碳排放量进行管理的过程中,决策者需要在把握关键影响因子的前提下依据城市自身特点做到因地制宜、区别对待。

中国二氧化碳排放的区域差异和影响因素研究

气候变化和二氧化碳减排问题已经引起了世界性的关注。文章对我国30个省份二氧化碳排放量进行测算,将其分为低排放、中排放、高排放三个不同区域并进行比较。同时,基于STIRPAT模型和面板数据方法,文章分析了人口、经济和技术对不同区域二氧化碳排放的影响。结果表明:三个区域的二氧化碳排放存在明显差异,并且差异性不断扩大;不同区域人口、经济、技术对二氧化碳排放量的弹性系数是不一样的,经济快速增长是各区域二氧化碳排放增加最重要的驱动因素;二氧化碳排放与经济增长之间存在明显的倒"U"型环境库兹涅茨曲线,但是要达到曲线的拐点需要经历非常漫长的时间。另外,中国的二氧化碳排放表现出明显的路径依赖现象,当期经济增长将至少对未来2-3年的空气质量产生影响,并且这种影响对整个国家来说比单个区域要更大。基于上述,提出了减少二氧化碳排放的相关政策建议,以适应中国的低碳经济道路。

我国铁路运营二氧化碳排放影响因素研究

如何有效管控铁路运营产生的二氧化碳排放,实现铁路交通绿色发展面临重大挑战。以中国铁路各铁路局为研究对象,测算分析2006—2017年运营碳排放量的变化趋势,并应用计量经济模型,考虑影响铁路运营二氧化碳总排放量和二氧化碳排放量变动的主要因素。测算结果表明,我国铁路运输业在2006—2017年的运营阶段二氧化碳排放呈现波动式下降趋势,研究期间可进一步划分为2006—2012年平稳下降期、2012—2015年急剧下降期和2015—2017年平稳下降期三阶段。我国铁路运营正朝着低碳绿色方向发展,研究时间窗口期间,铁路运营二氧化碳排放量下降了46.35%。然后,通过固定效应与随机效应模型估计得出,产业结构、平均运输距离以及换算周转量三个变量正向促进铁路二氧化碳的排放量;车辆结构以及高速铁路是抑制或减少铁路二氧化碳排放的主要因素。其中,产业结构变量对铁路运营二氧化碳排放量贡献最大,回归弹性系数为1.671,产业结构的变动也是引起二氧化碳排放量一年内变动最大的因素。

我国二氧化碳排放的特点及影响因素分析

对我国30个省份1995年—2007年的二氧化碳排放量进行了测算,在此基础上,利用STIRPAT模型对碳排放与各影响因素之间的关系进行分析,并利用Kaya方法对碳排放变化进行因素分解。结果表明,碳排放与经济增长之间呈现"U"型曲线关系,并且存在较强的排放惯性。因素分解结果显示,经济增长是碳排放最主要的驱动因素,技术进步对碳减排有较强的促进作用但具有一定随机性,能源消费结构和人口规模对碳排放影响不明显。基于上述,本文提出相关建议。

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。

装备制造业二氧化碳排放影响因素分析

在对2007~2016年我国装备制造业二氧化碳排放量测算的基础上,采用对数平均Divisia指数分解法(LMDI)从能源排放强度、能源结构、能源效率和装备制造业经济发展等方面对我国装备制造业二氧化碳排放量的影响因素进行分析,结果表明经济发展对二氧化碳排放量的增长有明显的推动作用,能源结构对二氧化碳排放量的增长有一定的推动作用,仅为经济发展对二氧化碳排放量贡献值的12.41%,能源效率减排作用显著,与经济发展对二氧化碳排放量贡献值的比值从2008年的36∶100扩大到2016年的57∶100,从推广清洁能源和推行绿色制造等方面提出装备制造业的绿色低碳发展建议。

基于异质性假设的我国二氧化碳排放影响因素分析

比较准确地测算了我国29个省份的二氧化碳排放总量和人均排放量,并根据人均排放和收入,构建省级二氧化碳排放异质型面板,利用动态面板数据模型研究我国二氧化碳排放EKC曲线及影响因素.实证结果显示,高收入和低排放低收入地区的经济发展水平与二氧化碳排放量存在倒"U"型关系,环境库兹涅兹曲线假说成立.经济和产业结构、能源消费、国际贸易和城市化水平等是我国二氧化碳排放的重要影响因素.另外,我国二氧化碳排放表现出明显的路径依赖现象.

中国石化行业二氧化碳排放的影响因素分解——基于广义迪氏指数分解法

采用广义迪氏指数分解法对我国石化行业2000-2016年的二氧化碳排放演变进行分解,进行阶段性及累计效应分析,考察投资、产出、能源消费以及相应的碳强度、能源强度和投资效率的变化对二氧化碳排放变化的贡献情况。结果表明,投资、产出及能源消费规模是促进二氧化碳排放增长的主要因素;投资碳强度和产出碳强度是主要的促降因素;能源碳强度、投资效率和能源强度作用较弱,具有很大的改善空间,是未来石化行业减碳政策制定的主要着手点。

中国制造业二氧化碳排放的影响因素——基于行业面板数据的实证研究

基于2003-2011年中国制造业30个行业的面板数据,本文研究了中国制造业二氧化碳排放的影响因素。研究结果表明:行业的产出规模、技术水平、能源消费结构以及开放程度是影响中国制造业二氧化碳排放的主要因素。行业产出规模和以煤炭为主的能源消费结构是导致中国制造业二氧化碳排放增加的主要因素;行业技术水平和开放程度是抑制中国制造业二氧化碳排放的主要因素。

我国建筑业二氧化碳排放的影响因素分析——基于半参数可加回归面板模型的实证研究

我国建筑业一直存在高投入、高污染的问题,研究建筑业碳排放的影响因素对我国节能减排具有重要的现实意义。基于1997-2015年我国省域面板数据,扩展了STIRPAT模型,利用半参数可加回归面板模型实证分析了其影响因素的线性和非线性影响。结果表明:(1)人口规模、经济增长、能源消费结构、能源强度和产业规模对建筑业碳排放的线性影响为正,能源效率对其线性影响为负。(2)人口规模、能源效率和产业规模对建筑业二氧化碳排放量的非线性影响呈倒“U型”关系;经济增长、能源消费结构对建筑业二氧化碳排放量的非线性影响呈“N型”关系;能源强度对建筑业二氧化碳的非线性影响呈“W型”关系。据此,我们提出了相应的政策建议。

安徽省人均二氧化碳排放影响因素研究——基于STIRPAT模型

基于对安徽省1995—2017年人均二氧化碳排放的核算,本文采用STIRPAT模型定量研究方法,人均二氧化碳排放作为被解释变量,城镇化水平、人均地区生产总值、产业结构、能源强度和全社会R&D经费投入作为解释变量,对安徽省人均二氧化碳排放的影响因素展开深入分析。结果表明:人均地区生产总值和能源强度是驱动人均二氧化碳排放增长的主要因素,能源强度与人均碳排放量同样具有显著的正相关性。针对以上结果对安徽省提出相应建议,从而推动安徽省低碳经济的有效发展。

电力行业二氧化碳排放影响因素研究

本文选取我国2008年~2017年的电力行业二氧化碳排放数据为样本,运用主成分分析法研究中国电力行业二氧化碳排放的驱动因素。研究结果表明:能源强度、城镇化水平是影响二氧化碳排放的首要因素,经济发展水平、发电结构、产业结构、燃煤量、人口总量是影响二氧化碳排放的次要因素,能源价格对电力行业二氧化碳排放没有太大影响。其中负向驱动因素包括:能源强度、城镇化水平、产业结构与能源价格;正向驱动因素包括:经济发展水平、发电结构、燃煤量与人口总量。

基于VAR模型的河北省水泥行业二氧化碳排放影响因素研究

选取VAR模型研究方法,将经济增长、能源生产率、能源结构、碳生产率等影响因素作为变量探讨河北省水泥行业二氧化碳减排的动态影响。结果表明:提升碳生产率和能源生产率会对未来GDP产生负面效应;提升非煤炭能源消耗比重,做好能源结构的不断调整及能源生产的持续优化是驱动水泥行业二氧化碳排放量减少的主要因素。并针对以上结果提出河北省水泥行业低碳发展建议。

中国工业二氧化硫排放趋势及影响因素研究

利用2001—2009年中国工业的经济与环境数据,分析工业二氧化硫的排放趋势,采用对数平均迪氏指数(LMDI)法将影响工业二氧化硫排放的因素进行分解,分为规模效应、结构效应、技术效应和治理效应4个子效应,并对比了各子效应间的影响程度和变化情况。根据二氧化硫的产生与排放量,选择化学原料及化学制品制造业、非金属矿物制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业以及电力、热力的生产和供应业作为二氧化硫排放重点行业并进行深入分析,并指出目前工业二氧化硫减排的主要方向与障碍。

我国二氧化碳排放区域差异研究——基于IPCC碳排放核算方法

本文利用我国能源相关统计数据,对我国各省区二氧化碳排放总量、排放强度和人均排放量进行则算,并将其划分为二氧化碳低排放、中排放、高排放区域。通过分析发现,我国各省区二氧化碳排放具有显著差异,总体表现为东部发达省区总排放量大、排放强度低、人均排放量高,而西部地区则呈现出相反的特征。文章在分析我国二氧化碳排放区域差异的基础上,进一步讨论了产业结构、GDP、人口、能源消费结构、对外开放度以及能源资源禀赋和地理位置六个方面对典型地区二氧化碳排放量的影响,并做出对比分析,提出我国减排工作中应重视省区之间的差异,将各省区功能定位、减排成本、资源环境等方面的指标纳入减排评价指标,建立技术与资金合作的联合减排机制等政策建议。

海南省工业碳排放量影响因素实证分析

全球气候变暖对人类社会经济发展带来消极影响,海南省作为国家生态文明试验区正在为控制二氧化碳等温室气体实现碳达峰、碳中和而不断努力,研究海南省工业碳排放的影响因素具有重要意义。本文基于STIRPAT模型选取工业碳排放量的影响因素,并通过构建VAR模型、格兰杰因果关系检验和方差分解分析等方法实证分析海南省工业碳排放量影响因素。基于研究结论,提出相关建议。

什么因素多大程度上影响到工业碳排放绩效——来自中国(2003—2010)省级工业面板数据的证据

本文通过利用序列DEA(Sequential DEA)与方向性距离函数构造了碳排放绩效动态指数TCPt,规避了以往碳排放绩效测度的缺陷,较为精确地测算了2003—2010年中国30个省市地区的工业碳排放绩效,并从规模、工业结构、能源结构、要素禀赋、技术、环境规制及外资等七个维度出发,对中国工业碳排放绩效变化的影响因素及其相对重要程度进行了评估与分析。研究结果表明,在整体层面上,工业企业规模、技术水平及外资因素对工业碳排放绩效起到显著正向影响,而重工业比重、国有产权制度结构、资本深化及煤炭消费比重对工业碳排放绩效起到显著负面影响,环境规制对工业碳排放绩效的影响微乎其微,以上各因素的作用方向与相对重要程度因区域不同而存在一定的差异。最后,本文基于以上各因素对工业碳排放绩效的不同作用方向与相对重要程度,给出了差异化的政策内涵解读。

基于净生产力生态足迹模型的工业碳排放效应、影响因素与情景模拟

以不同类型城市东营和滨州为例,采用基于净生产力的生态足迹模型测度2005—2014年两市工业碳排放效应,利用弹性系数模型对工业碳排放生态足迹及其影响因素进行对比,通过情景模拟分析了基准和低碳情景下两市的可持续低碳发展潜力。研究结果显示:(1)东营碳排放总量和碳排放强度明显高于滨州,两市的碳排放生态足迹总体上都处于上升趋势,年均增长率分别为12.79%和6.16%,这与两市工业化发展阶段不同有关;(2)2005—2008、2008—2011和2011—2014,东营工业碳排放生态足迹当量主导影响因素组合变化为"耕地面积-土地城镇化率-能源结构系数"转化为"耕地面积-人口规模-能源结构系数"到"耕地面积-人口规模-第二产业比重";滨州2005—2014年的主导因素组合一直为"人口规模-土地城镇化率-能源结构系数";(3)通过情景模拟分析2020年东营、滨州的低碳发展潜力:基准和低碳情景下,滨州生态赤字分别为东营的10倍和2.6倍;就"减排"潜力而言,滨州远远高于东营,但实现低碳情景是工业GDP增长从现阶段20.6%骤降到6.5%为代价,对产业结构调整升级要求很高。对东营而言,低碳情景的实现不仅要将能源利用效率提高一倍,更要保证大量重要"碳汇"资源的恢复与重建。