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。

基于对数平均迪氏指数法的天津市能源消费碳排放分解分析

根据联合国政府间气候变化专门委员会(IPCC)2006年版碳排放计算指南中的计算公式和碳排放系数缺省值计算了天津市2000—2008年能源消费的碳排放量,然后对人均GDP、人口和能源强度与碳排放量作相关性分析,运用对数平均迪氏指数(LMDI)法对天津市能源消费碳排放量和碳排放强度进行分解分析,最后探讨了其主要影响因素的作用机制并提出相应的政策建议。

基于对数平均迪氏指数法分解的工业二氧化碳强度驱动因素分析——以新疆为例

新疆在推进工业化的进程中面临着巨大的节能减排压力。对与能耗相关的二氧化碳排放强度进行分解,研究其背后的驱动因素,能够为有的放矢地制订减排政策,发展低碳经济提供重要的实证依据。文章运用对数平均迪氏指数法方法,对新疆工业二氧化碳强度变动的分解结果表明:1994～2001年工业二氧化碳强度略有上升,其正向驱动因素是部门结构和行业结构,负向驱动因素是能耗强度和能耗结构;2002～2007年二氧化碳强度大幅增加的主要原因是能耗强度的上升,能耗结构、部门结构和行业结构虽有负向贡献但相对较小。此外,各工业行业的二氧化碳强度普遍呈上升趋势,主要资源型工业行业的规模扩张和技术滞后是新疆工业二氧化碳减排的重要制约因素。

基于对数均值迪氏指数法的中国粮食产量影响因素分解

为了明确不同因素对粮食产量变化影响的大小,分析粮食产量波动变化的机理,该文采用对数均值迪氏指数法建立了粮食产量无残差因素分解模型,将中国粮食产量的波动分解为播面单产、种植结构、复种指数和耕地面积变化的贡献。基于1996-2012年数据,对该期间影响中国粮食产量波动的因素进行了分解,结果表明:播面单产和复种指数的变化表现为增长效应,种植结构和耕地面积的变化表现为减量效应,其中播面单产变化促进粮食产量增长8 592.25万t,对粮食产量增长的贡献率为101.03%;复种指数变化促进粮食产量增长6 926.97万t,对粮食产量增长的贡献为率81.45%;种植结构变化导致粮食产量减少3 909.11万t,对粮食产量增长的贡献率为-45.97%;耕地面积变化导致粮食产量减少3 105.61万t,对粮食产量增长的贡献率为-36.52%。各影响因子的作用具有阶段性,1996-2003年种植结构效应对粮食产量波动的影响较大;2004-2007年,播面单产、种植结构、复种指数的贡献相互交替,2004年播面单产的贡献最大,2005年、2007年复种指数的贡献最大,2006年则是种植结构的贡献最大;2008年开始播面单产效应起着主导作用。该研究可为政府有关部门粮食生产发展规划和相关产业政策的制定提供数据参考和理论依据。

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。

基于LMDI方法的中国民航业碳排放因素的指数分解

2008年欧盟通过的将航空业纳入EU-ETS的提议草案,使得民航业的碳排放问题成为碳减排中的热点问题之一。中国民航业在CO2总排放量占比虽小但是增长迅速,而欧盟的这一政策如果付诸实施将给中国民航业带来一定的冲击。文章采用对数平均Divisia分解法建立中国民航业碳排放因素分解模型,定量分析了1985—2010年间民航业运输总收入、航线结构、单位运输收入周转量、能源强度、CO2排放系数等五个因素对民航业CO2排放量的影响。实证分析结果表明:民航业CO2排放量上升主要由运输总收入的增长引起,单位运输收入周转量和能源强度的下降则遏制了CO2排放量的上升。基于上述分析提出了中国民航业实现碳减排的应对策略和建议。

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。

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。

基于LMDI法的江苏省机场碳排放因素指数分解

碳排放影响因素分析已成为我国民航可持续发展的重要研究内容。应用ICAO标准排放模型计算了2006—2015年江苏省民用机场碳排量,采用LMDI法对江苏省内主要机场的碳排放,从机场运输收入、机场规模、能源强度、单位收入旅客吞吐量和碳排放系数5个效应进行因素分解。结果表明:机场运输收入、单位收入旅客吞吐量的变化导致碳排放量增长,机场规模、能源强度的变化导致碳排放量减少。根据各因素的影响程度,确定机场收入、机场规模、能源强度为碳排放量变化的主要影响因素。提出通过统筹经济效益和环境资源效益、优化省内机场发展格局、提高能源利用率以及提高运输效率4项措施,为江苏省民航业低碳化发展提出可行性建议。

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。

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。

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。

上海市能源利用碳排放的分解研究

先对人均GDP、人口和能源强度与二氧化碳排放量进行相关性分析,再运用对数平均迪氏指数(LMDI)法,对上海市能源消费导致的碳排放强度和二氧化碳排放量进行了结构分解分析。结果表明,能源强度和能源结构因素引起碳排放强度下降,但能源强度的下降起主要作用;上海市二氧化碳排放量在不断的增加,其中能源结构和能源强度因素起抑制作用,常住人口和人均GDP起促进作用。因此,要减缓上海市二氧化碳排放量,应从控制人口数量、降低能源强度、调整产业结构、促进技术进步、改善能源结构等方面考虑。

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.

二氧化碳排放因素分解实证研究

基于Kaya恒等式基本原理,采用LMDI分解法构建了CO2排放影响因素的扩展分解模型,以山西省为例,系统量化分析了1998~2008年间CO2排放影响因素,并针对现有的CO2减排政策,提出了加快发展低碳燃料LCT和CCS技术,从＂源头＂和＂终端＂上控制CO2排放。实例结果表明,CO2排放量呈逐年增长态势,经济增长与能源强度变化为影响CO2排放的重要因素,该模型对影响CO2排放的相关因素完整的分解和系统量化有效,可供制定节能减排措施、决策借鉴。

中国化肥减量降碳效应评估

从2008~2014年、2014~2020年和2020~2025年3个时段,基于总量变化和强度贡献两个维度,对中国化肥使用减量降碳效应进行评估.结果表明:(1)中国化肥使用碳排放总量由2008年的7185.11万t波动增加到2014年的8462.78万t,然后持续减少到2020年的7004.40万t.前者增幅17.78%,后者减幅17.23%.玉米和棉花化肥使用碳排放总量峰值出现在2014年,其余农作物则在2014年之前.(2)2014~2020年,化肥使用强度减少的降碳贡献程度为81.08%,其中,大豆和烤烟的贡献程度低于50%,棉花化肥使用强度增加.不同省份化肥减量降碳效应差异明显,其中,河北、黑龙江、海南和甘肃化肥使用强度减少的贡献程度低于50%.江苏、广东和新疆化肥使用强度增加.(3)相较2020年,在保障种植规模和优化种植结构的前提下,2025年化肥使用碳排放总量将下降.化肥使用强度减少1%情景下,稻谷、小麦、棉花、糖料和蔬菜在2025年的碳排放总量低于2020年,玉米、烤烟和大豆则分别需减少3%、5%和10%.稻谷、小麦和棉花化肥使用强度减少1%的降碳贡献程度超过50%,而玉米和糖料需减少3%,烤烟、蔬菜和大豆分别需减少5%、7%和10%.在所设情景下,2025年油料化肥减量降碳效应不明显.中国化肥使用碳排放已达峰,应该进一步提高化肥后“碳达峰”时期减量与降碳的协同性.当前需重点关注化肥使用强度增加和化肥使用强度减少降碳贡献程度不高的地区,区分农作物类型开展化肥减量降碳的总量和强度调控.

LMDI方法分析结构效应对天津市碳排放的影响及对策

文章对1995—2010年天津市能源消费碳排放进行分析,基于对数平均迪氏指数法(LMDI),对碳排放进行因素分解实证研究,并进行情景分析,寻求天津市碳减排对策。研究发现,虽然人均GDP效应、人口效应以及能源强度效应贡献量相对较大,但结构效应对于天津碳排放的影响也不容忽视,其对于能源消费碳排放的拉动或减缓作用与低碳能源比重、第三产业比重的大小有很强的关联性。情景分析进一步表明优化产业及能源结构对碳减排的积极作用。

中国服务业能源消费CO_2排放及其因素分解

基于IPCC温室气体排放清单指南中的CO2排放因子与核算方法,估算了1995-2010年中国服务业能源消费与CO2排放量,并对其总体变化趋势进行时间序列分析;以LMDI(对数平均迪氏指数)法辨识与分解3个时段(1995-2000年、2000-2005年和2005-2010年)中影响中国服务业CO2排放量变动的关键因素及其对CO2排放量的贡献值.结果表明:1995-2010年中国服务业能源消费CO2排放量增长态势明显,累计排放总量为853 197.55×104t;服务业能源消费主要依赖于高碳化能源燃料,各年度油品和煤品分别占能源消费总量的67%～74%和5%～27%;LMDI分析结果显示,1995-2010年产业规模和人口效应引起CO2排放增加量分别为133 357.10×104和7 691.25×104t,能源效率和能源结构引起CO2排放减少量分别为59 034.50×104和23 898.60×104t.提出CO2减排对策:①以经济、政策和监管手段促进服务业节能减排;②依托科技创新提高能源综合利用效率,降低服务业CO2排放量.

碳排放的结构影响与效应分解

本文从碳排放系数的角度推导了总量变化的SDA分解模型,从社会经济发展视角构建了LMDI分解公式,讨论不同时期碳排放量变化的影响因素。文章以云南省为例,运用云南省分行业能源消费数据以及4个年份的投入产出表进行实证分析。SDA计算结果表明:消费与投资扩张效应是碳排放增长的主要影响因素,碳排放强度变动效应是节能减排的源动力;LMDI分解结果表明:人均GDP增长是拉动云南省CO2排放增长的决定性因素,而能耗强度下降是抑制碳排放增长的主要原因。文章最后提出了低碳经济条件下云南省产业结构调整的方向。

中国流通业CO_2排放的因素分解和脱钩分析

参照IPCC清单中的方法估算了2000∽2012年中国流通业CO2排放量;运用LMDI方法分解分析了研究期间流通业CO2排放变化的影响因素;并基于DPSIR框架构建流通业脱钩努力指数模型测度了流通业CO2排放脱钩效应.结果表明：2000∽2012年间,流通业CO2排放量增长明显,期间累计排放总量为692482.37万t;产业规模效应是CO2排放增量的主要因素,能源强度效应是CO2排放减量的主要因素,分别引起CO2排放量增加了67435.72万t和减少了12358.67万t,能源结构和排放因子效应对CO2排放影响有限,分别引起CO2排放量增加了519.89万t和减少了2590.94万t;流通业CO2排放脱钩状态呈＂弱脱钩—未脱钩—弱脱钩—未脱钩＂的变化特征,脱钩努力指数值呈＂＂型变化趋势;目前能源强度是决定流通业CO2排放脱钩状态的关键因素,但随着能源强度的下降幅度越来越小,未来更需要通过调整能源结构和降低排放因子来实现流通业CO2排放脱钩.