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。

基于LMDI法的我国钢铁行业CO_2排放影响因素分解研究

探讨钢铁行业发展过程中CO_2排放的特征及其影响因素,并制定针对性节能减排政策是一项重要且值得深入研究的课题。依据2000—2010年我国钢铁产量相关数据,分析了我国钢铁行业CO_2排放的动态特征,发现其CO_2排放与钢铁产量的增长成正比。采用对数平均迪氏指数分解法(LMDI法)构建了CO_2排放的指数分解模型,并采用该模型将我国钢铁行业CO_2排放影响因素分解为CO_2排放系数、能源消费结构、能源强度、生产总量4项,定量分析了各因素对钢铁行业CO_2排放量变化的影响。结果表明:钢铁产量是CO_2排放量增加的最大拉动因素,能源强度是CO_2排放的最大抑制因素,能源消费结构对CO_2排放量减少有重要影响,但目前因改善力度不够,故效果尚不显著。可见,提高我国能源利用效率是实现CO_2减排的关键。

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.

基于LMDI的我国茶叶产量变化影响因素分析

为我国茶产业的持续健康发展提供依据,采用对数平均迪氏指数法(LMDI)对1997—2015年我国茶叶产量变化影响因素及茶叶生产时空变化进行分析。结果表明:19年间我国茶园种植面积、产量和单产均呈波动递增态势。茶园种植面积和单产对茶叶增产贡献程度呈显著差异,在时序维度上两者对产量增加的累计贡献均表现为正效应,且前者贡献程度远大于后者;在空间维度上,总贡献值区域差异显著,且大部分产区主要依靠扩大种植面积来增加产量,少数产区主要依靠提高单产来增加产量。

基于LMDI的我国能源消费因素分解研究

经济飞速发展使我国能源消费急剧增长,能源消费与能源供给、环境污染矛盾日益突出。在分析我国能源消费和能源消费强度变化趋势的基础上,运用LMDI法将我国1996—2010年能源消费变化分解为产出效应、结构效应和强度效应,探讨产出提高、结构调整、效率提高对我国能源消费和能源强度的影响。结果显示,生产规模扩大对能源消费起到正向的拉动作用,结构调整对缓解能源消费增长还有较大的上升空间,能源强度对能源消费的抑制效应自"十一五"期间起作用逐步显现。

基于LMDI模型的工业废水排放影响效应研究——以浙江省为例

运用投入产出法计算2007—2013年浙江省各工业行业工业废水完全排放强度,在此基础上运用LMDI指数分解模型将工业废水流量变化分解为技术效应、规模效应和结构效应,以此来分析工业废水流量变化的规律和行业分布特征。研究结果表明:废水直接排放强度与完全排放强度差异显著,时间序列工业废水排放强度呈现不同程度的下降趋势,排放强度体现的技术效应和各工业行业产值比例体现的结构效应对浙江省工业废水流量呈现出正向减排作用,而规模效应则是工业废水排量增加的最大助推因素。以此结果为根据,提出治污减排的相应政策建议及发展方向。

贵阳市交通系统碳排放影响因子分解实证研究

本文基于贵阳市2011—2016年人口、交通经济发展和能源等方面的数据,运用IPCC能源消耗的二氧化碳排放方法和LMDI分解法(对数平均指数法),对贵阳市2011—2016年碳排放影响因素进行了分解。结果表明:2011—2012年间贵阳市交通碳排放总量整体下降了5.1199万t, 2013—2016年间交通碳排放总量年均增长率达到了14.06%;柴油是贵阳市交通碳排放的主要来源;影响贵阳市交通碳排放的主要因素有交通经济发展效应、人口效应、能源强度效应和能源结构效应。在上述碳排放影响因素中,交通经济发展效应和人口效应的促进作用最为显著,能源强度效应和能源结构效应的抑制作用最为明显。

基于LMDI的杭州市碳排放驱动因素分析

计算杭州市2001-2011年能源消费的碳排放总量,并采用LMDI对其影响因素进行分析。结果表明:杭州市能源消费结构整体上以煤为主的格局没有改变,煤炭消费仍然是CO2排放的主要来源;经济增长是CO2排放量增加的主要推动因素;第二产业能源强度是碳排放的主要抑制因素。产业结构仍有待优化,通过优化产业结构降低碳排放量还有很大的潜力。

基于LMDI模型的河南省工业废水排放影响因素研究

采用对数均值迪式指数分解(LMDI)法,将工业废水排放总量分解为规模效应,结构效应,技术效应,考察河南省工业废水排放变化的驱动因素。结果表明:2005~2017年河南省工业废水排放总量累计增加0.63×10^(8)t,其中规模效应贡献值为15.84×10^(8)t,结构效应贡献值为-0.92×10^(8)t,技术效应贡献值为-14.29×10^(8)t;制造业和能源开采业是工业废水的主要排放源,其中煤炭开采和洗选业的废水排放是重中之重;经济规模的扩张是工业废水总量增加的主要原因,技术效应是工业废水排放减少的关键因素。

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。

基于LMDI的滇中受水区农业用水量变化影响因素分析

为探讨滇中受水区农业用水量变化的主要影响因素,加强区域粮食生产安全与水资源的可持续利用。基于kaya恒等式,采用对数平均迪氏指数法(LMDI)建立了农业用水恒等式,将农业用水量影响效应划分为粮食作物种植面积效应、高耗水作物种植比例效应、综合灌溉定额效应和农业人口效应,并将滇中受水区划分为6个受水片区,对其2008-2018年总体及逐年的农业用水量变化分别进行了因素分解与计算分析。滇中受水区及各受水片区农业用水量变化呈下降趋势,促进其变化趋势的正向效应即主要因素是高耗水作物种植比例与综合灌溉定额。可以通过合理规划种植结构来调整高耗水作物种植比例及综合灌溉定额,进而加强滇中受水区农业水资源的可持续利用。

基于LMDI的长江经济带农业用水驱动因素分析

水资源优化配置成为长江经济带农业农村绿色发展的核心议题,厘清农业用水量变化的内在驱动因素及影响效应是关键。基于2002-2017年长江经济带11个省(市)的面板数据,利用对数平均迪氏指数法(LMDI)将农业用水影响因素分为技术水平、产业结构、生产水平和人口规模,进而分析不同因素对农业用水变化的效应。结果表明,从总体来看,产出效应和人口效应促进农业用水增长,其中产出效应占主导地位;技术效应和结构效应对农业用水量起抑制作用。从区域来看,上海市、安徽省、江西省、湖北省、重庆市、四川省和贵州省总体对农业用水起促进作用,江苏省、浙江省、湖南省和云南省总体对农业用水起抑制作用。

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。

沿海地区粮食产量变化及其驱动因素分析

水土资源是粮食生产的基础资源,而农业产值是促进粮食生产的驱动力,在此基础上探究沿海地区粮食产量的主要影响因素,明确粮食产量与各影响因素的协调发展程度对评价区域粮食产量发展现状,保障粮食产量持续稳定增长具有重要意义。通过粮食产量、农业水土资源及农业产值等数据,构建了粮食产量恒等式模型,利用LMDI指数分解法探究了江苏沿海地区粮食产量的主要影响因素,利用耦合协调度模型探究粮食产量与各影响因素的均衡性。结果表明:①2009-2015年江苏沿海地区粮食产量呈稳定增长趋势,2016年和2017年有所跌落,2018年恢复增长状态,2009-2020年期间共增产119.31万t。②2009-2020年间,影响沿海地区粮食生产的主要因素依次是农业产值、农业产值耗水量、粮食复种指数、农业水土资源和粮食单产水平。各因素年际变化表现为正负波动变化,且区域间各时间段粮食产量影响因素差异显著。③自2009年到2020年,粮食产量与各影响因素的耦合协调度由严重不协调状态(D∈(0.0,0.3])逐渐稳定在基本协调状态(D∈(0.5,0.8])和高级协调状态(D∈(0.8,1.0])。因此政府在粮食增产计划中,要因地制宜,突出农业产值和农业用水效率的重要性,以农业产值的正向效应促进粮食种植面积的稳定增长,以节水技术实施和中低产田改造项目促进作物种植结构的良性调整,实现粮食产量、水土资源和农业产值的协调、可持续增长。

基于LMDI模型的中国高技术产业创新产出变化的驱动效应分析

基于扩展的Kaya恒等式与LMDI分解法,测算了中国2000-2018年3个省市高技术产业创新产出的驱动因素及其贡献.首先从全国层面分析了创新投入强度、创新效率与区域经济结构对高技术产业创新产出的影响其次基于区域视角,将中国划分为四大区域:东部、中部、西部和东北部,并分别探讨了不同驱动因素的影响差异。结果表明,创新投入强度是推动高技术产业创新产出正向变化的强大动力,而创新效率与区域经济结构则起负向作用,其中创新效率的抑制作用更强。同时各驱动因素在四个区域的影响也存在较大差异.最后针对中国高技术产业创新发展现状提出相关建议.

“双碳”目标下中国碳达峰预测和减排路径研究

探究“双碳”目标下中国碳达峰预测和减排路径具有重要现实意义。基于系统动力学模型和对数平均迪式指数法(LMDI)研究发现,中国碳排放量呈倒“U”形曲线,将在2035年实现碳达峰。碳排放影响因素中经济发展对中国碳排放的贡献率最大,其次是技术创新、产业结构、人口规模和能源结构。碳减排路径中,技术创新是实现碳减排承诺的关键路径,经济增长放缓将推迟中国碳排放峰值的到来。针对减排路径结果,从技术创新、经济质量、能源结构、产业结构、人口规模等方面提出针对性建议,以加速中国碳达峰进程。

面向清洁能源消纳的电气化码头碳排放测算及影响因子研究

港口作为海洋交通运输的重要枢纽,如何在“碳达峰、碳中和”发展背景下,实现“能源-港口”转型升级是当前绿色港口能效提升的关键问题。高比例清洁能源供电和负荷电气化是未来零碳码头的基本特征。通过明确电气化码头碳排放核算边界,构建考虑新能源消纳的碳排放模型,并基于LMDI指数分解法将碳排放总量分解为表征电量碳排放、清洁能源出力特性、码头装卸耗能水平的碳排放因子、消纳因子和耗能因子,最后以A码头作为典型场景,采用时序数据进行模型实证,实证结果表明:消纳因子对单位吞吐量的碳排放影响平均占比约为71.36%,反映出码头源荷波动是决定碳排放的关键因素,而耗能因子和碳排放因子的影响较小,该方法为实现零碳码头提供研究思路。

1992-2008年我国工业废水排放变化效应

工业废水排放使我国水环境受到严重威胁,为剖析工业废水排放变化驱动机制,应用LMDI(对数平均迪氏指数)法将其分解为规模、结构和技术3种效应.结果表明:1992-2008年我国工业废水排放整体上呈先降后升的二次抛物线趋势.其中,1992-2002年工业废水减排498 583×104t,由工业规模效应、结构效应和技术效应产生的贡献值分别为1 829 988×104、206 807×104和-2 535 378×104t;2002-2008年工业废水排放增加了333 826×104t,相应地,3种效应的贡献值分别为1 470 045×104、-66 094×104、-1 070 126×104t.规模效应是造成工业废水排放增加的主要原因,技术效应是工业废水排放减少的关键因素,结构效应多表现为绝对值较小的负值,表明工业经济结构调整倾向于减小污染但贡献不大.规模效应的主要影响行业是化工原料及化学制品制造业,造纸及纸制品业和食品、烟草及饮料制造业,为减少这些部门的废水排放,可通过政策减缓经济规模的扩张趋势;结构效应的主要影响行业是电气、煤气及水的生产供应业,黑色金属冶炼及延压业和非金属矿物制造业,可通过鼓励重组促使产业结构升级,达到减排工业废水的目标;技术效应的主要影响行业是皮革、毛皮、羽绒及其制品业,为实现工业废水减排,应加大技术投入、提高生产水平.

中国服务业能源消费碳排放量核算及影响因素分析

随着第一、二产业节能减排潜力的快速释放及其节能减排成果边际递减效应日益明显,服务业成为我国节能减排亟需开拓的新领域。基于IPCC温室气体排放清单指南中的碳排放因子与核算方法,估算了1995-2010年我国服务业能源消费与CO2排放量,并探讨其总体变化趋势;运用对数平均迪氏指数法(LMDI)辨识与分解研究样本区间内影响我国服务业CO2排放变动的关键因素及其贡献值。结果表明:我国服务业能源消费主要依赖于石油、煤炭等高碳化能源燃料,CO2排放量总体上呈现出上升趋势;产业规模和人口效应是服务业CO2排放最为主要的增量因素,而能源利用效率和能源结构则是服务业CO2排放减量的最主要贡献因素;交通运输、仓储及邮电通信业是服务业CO2排放的主要部门。基于上述研究结论,指出我国服务业碳排放的调控重点和方向。