基于LMDI模型的土地利用碳排放时空差异及影响因素研究——以洞庭湖区为例

运用碳排放系数法和对数平均迪氏指数(LMDI)模型,对1996—2020年洞庭湖区土地利用变化、土地利用碳排放时空差异及其影响因素进行分析。结果表明:(1)土地利用变化整体呈现出“三增三减”特征,建设用地和未利用地的变化程度较为显著,水域和草地次之,耕地和林地的变化程度最小。(2)总净碳排放量呈不断上升趋势,碳排放高值区由中部转向西、东、南部,土地利用碳足迹压力指数始终大于1,以0.54的年均增幅不断上升。(3)人均GDP、单位GDP用地面积和单位土地碳排放强度是影响土地利用碳排放的主要因子,人均GDP和单位GDP用地面积分别成为促进和减缓洞庭湖区碳排放量增长的主要因素。

基于LMDI模型的湖北省农业水足迹时空分布与驱动力研究

结合水足迹理论和传统农业用水核算方法,分析2005—2020年湖北省各市州农业水足迹时空演变特征,并利用LMDI模型对农业水足迹变化量进行驱动力因素分解。结果表明:1)湖北省农业水足迹呈现先上升再下降的波动趋势;湖北省各市州农业水足迹存在明显的时空分布差异,这是自然因素和经济因素共同作用的结果。2)各驱动力对湖北省农业水足迹变化的影响程度为经济效应>技术效应>人口效应,经济效应对农业水足迹变化量的贡献值,达53.72%,技术效应和人口效应的贡献值分别为32.86%和13.42%;其中,经济效应对农业水足迹起正向驱动作用,技术效应和人口效应对农业水足迹起到反向驱动的作用。研究结论拓展了长江流域农业水足迹及驱动力分析,同时对于提高农业可持续发展、增加农业用水效率有指导意义。

基于LMDI模型的黄河中游城市群水土资源利用影响因素分析

[目的]水土资源是城市发展的重要生产要素,是探索黄河中游城市群水土资源利用过程中的关键因素,对科学促进黄河中游城市群经济快速发展具有重要意义。[方法]以黄河中游三大城市群为例,通过运用LMDI加法模型对2010—2019年黄河中游三大城市群分别构建影响水资源消耗量变化及城市建设用地数量变化的因素分解模型,计算并比较不同驱动因素的效应值。[结果](1)水资源利用效率提高和产业结构的优化能够抑制水资源消耗量的增加,而经济规模和人口规模扩大则促进其增加。(2)产业规模、经济规模及人口规模扩大对建设用地扩张存在推动作用,而城市建设用地消耗强度对建设用地扩张具有抑制作用。(3)对于水资源利用量变化,黄河中游不同城市之间产业结构优化水平存在较大差距;对于城市建设用地变化,三大城市群总效应值比较结果为关中平原城市群>中原城市群>晋中城市群。[结论]基于区域差异和时间差异角度探讨黄河中游城市群水土资源利用的影响因素,有助于丰富水土资源可持续利用的相关研究,为黄河中游城市群的可持续发展提供理论指导。

基于LMDI模型的内蒙古交通碳排放驱动因素分析

内蒙古交通运输当前亟待进入高质量发展阶段,绿色、低碳、可持续交通运输体系的构建和发展是必经之路。本文利用IPCC移动源碳排放测算方法中的“自上而下”法,对交通运输能源消耗对内蒙古交通运输碳排放进行测算,并通过构建对数平均迪氏指数分解(Logarithmic Mean Divisia Index,LMDI)模型对内蒙古交通运输碳排放驱动因素及其驱动效果进行定量分析,提出内蒙古交通运输低碳发展的相关建议。研究结果表明,内蒙古交通运输能源消耗产生的碳排放量总趋势是不断上升的,其间出现先增后减的波动增长阶段。能源消耗结构因素、交通运输发展水平因素对内蒙古交通运输碳排放的增长具有正向的驱动效应;能源消耗强度因素、交通运输强度因素、人口规模因素对内蒙古交通运输碳排放的增长具有负向的驱动效应。

基于LMDI模型的辽宁省农业碳排放影响因素研究

在“十四五”规划指导下,辽宁省加快推进农业农村现代化,推动辽宁省由农业大省向农业强省跨越,需明确辽宁省农业碳排放影响因素,寻找农业碳减排侧重点。基于2012—2021年辽宁省农业碳排放历史数据,通过LMDI模型因素分解法识别农业碳排放主要驱动因素,并利用STIRPAT模型定向定量分析各变量数量关系。通过LMDI模型因素分解方法将辽宁省农业碳排放分解为农业碳排放系数、能源强度、农业产业结构、农业经济发展水平及人口规模,其中农业碳排放系数、能源强度和人口规模对农业碳排放存在负向影响,农业产业结构和农业经济发展水平存在正向影响;STIRPAT模型显示,当其他因素保持不变时,农业碳排放系数、能源强度、农业产业结构、农业经济发展水平和人口规模分别变化1%,辽宁省农业碳排放分别变化0.4997%、0.0140%、-0.0735%、-0.0241%和0.2418%,并且模型分析与LMDI模型因素分解呈现相同结果。在“双碳”目标背景下,建议控制化肥施用量、改善农村人口生活环境、稳定保持农村经济持续增长及促进辽宁省农业有效碳减排。

基于LMDI模型的贵州省碳排放影响因素研究

文章以贵州省2001—2021年的碳排放相关数据为研究对象,基于LMDI分解模型,探究贵州省碳排放的影响因素,旨在为贵州省节能减排和碳减目标的实现提供依据。结果表明:(1)贵州省2001—2021年主要能源消费碳排放总量呈现上升趋势,未达到峰值;(2)通过LMDI模型,文章将贵州省碳排放影响因素分解为能源消费结构的变化模块ΔC_(e)、能源强度的变化模块ΔC_(g)、经济发展水平的变动模块ΔC_(β)、人口规模的变动模块ΔC_(p)和能源消费碳排放系数的变动模块ΔC_(α);(3)影响贵州省碳排放的主要因素是起抑制作用的能源强度和促进作用的经济发展水平。最后提出了贵州省实现节能减排和碳减目标的对策建议。

基于LMDI模型的内蒙古自治区碳排放强度影响因素分解及对策研究

内蒙古自治区作为典型的资源型地区,在“双碳”目标要求下推动经济转型,难易程度和迫切程度都相对其他省份较高。利用LMDI模型研究产业结构、能源强度、能源结构三个因素对内蒙古自治区碳排放强度降低的贡献率。结果表明,2010—2020年,内蒙古自治区碳排放量逐年上升,碳排放强度则呈现先下降后小幅度上升的趋势。产业结构、能源强度对碳排放强度表现为正向的驱动效应,贡献率分别为20.56%、87.83%;能源结构对碳排放强度则表现为负向抑制效应,贡献为-8.4%。

基于LMDI模型的南京都市圈土地利用碳排放效应及其影响因素

本文基于南京都市圈2005—2020年的LUCC数据,通过土地利用动态度模型和碳排放核算模型,分析了该区域15年间的土地利用碳排放效应,并采用LMDI模型探究了影响因素。结果表明,2005—2020年,研究区建设用地增加了2586.47 km^(2),耕地减少2561.51 km^(2),林地、草地减少225.20 km^(2),其中建设用地增加以及耕地、林地、草地减少是土地利用类型变化的主要形式。同时净碳排放量从4191.51万吨增长到7867.26万吨,增长率达87.96%,建设用地增加是造成碳排放增长的最主要原因。南京、镇江、马鞍山的碳排放量占总量的61.77%,芜湖和扬州分别增长254.93%和36.46%,而且长江沿岸城市较高,碳排放量最小的是滁州,其次是宣城,两市林地面积占研究区总林地面积的74.60%。此外,土地利用碳排放强度、土地利用构成、经济水平和人口规模因素的贡献率平均为1.10、1.12、1.82和1.03,对碳排放起促进作用,而土地利用强度贡献率平均为0.55,是唯一持续起抑制作用的影响因素。

基于LMDI模型的交通运输业碳排放影响因素研究——以山东省为例

交通运输业是全球第二大碳排放源,为研究交通碳排放影响因素及未来发展形式,以达到交通运输业实现碳达峰的目的。本文以山东省为例,利用“自上而下”的方法计算山东省2014~2022年交通运输业的碳排放量,并构建LMDI模型,对交通运输碳排放的各项驱动因素进行分解,确定显著性明显的影响因素。研究表明:2014~2022年山东交通碳排放量受疫情影响呈先增后减的趋势,其中汽油、柴油能源消耗量占比分别为10%和43%;能源结构、能源强度、产业结构对山东省交通运输业碳排放的增加起抑制作用,经济产出、人口规模对山东省交通运输业碳排放的增加起促进作用;为实现碳达峰目标,山东省需要采取积极措施以降低交通运输业的碳排放量。The transportation industry is the second largest source of carbon emissions in the world, and the research on the influencing factors and future development forms of transportation carbon emissions is to achieve the goal of carbon peak in the transportation industry. Taking Shandong Province as an example, this paper uses the “top-down” method to calculate the carbon emissions of the transportation industry in Shandong Province from 2014 to 2022, and constructs an LMDI model to decompose the driving factors of transportation carbon emissions and identify significant influencing factors. The results show that from 2014 to 2022, the carbon emissions of Shandong’s transportation will increase first and then decrease due to the impact of the epidemic, of which gasoline and diesel energy consumption will account for 10% and 43% respectively. Energy structure, energy intensity and industrial structure inhibit the increase of carbon emissions of the transportation industry in Shandong Province, and economic output and population size play a role in promoting the increase of carbon emissions of the transportation industry in Shandong Province. To achieve the carbon peak goal, Shandong Province needs to take proactive measures to reduce carbon emissions from the transportation sector.

基于LMDI模型的东北地区农业碳排放测度与分解

通过对东北三省的农业碳排放进行测度,并基于LMDI(对数平均迪氏分解)模型将其分解为碳排放强度、农业收入、就业结构与人口总量四种驱动效应。研究结果:(1)从东北地区的农业碳排放总量来看,1996—2013年间黑龙江、吉林和辽宁三省的农业碳排放呈现逐年上升的趋势,分别增加了0.72、0.63倍和0.52倍,年平均增长率分别为3.23%、2.92%和2.51%,黑龙江碳排放总量和增速最大;(2)从东北地区农业碳排放的内部结构来看,农用资本与农地利用带来的碳排放是东北地区的主要碳源,占比58.65%,其次是牲畜养殖碳排放,占比22.59%;(3)碳排放强度效应对农业碳排放的影响为负,且表现出黑龙江>辽宁>吉林的特征;1996—2013年间,农业收入效应推动黑龙江、吉林和辽宁的农业碳排放分别增加了1480.57、883.17万t和839.10万t;就业结构效应对黑龙江和辽宁的农业碳排放有正向影响,但对吉林则呈现显著的负向作用;人口总量效应对农业碳排放总量的影响均为正,驱动辽宁的农业碳排放增加了51.02万t。

基于水足迹理论与LMDI模型的贵州省水资源利用评价

基于水足迹理论构建区域水资源利用评价指标体系,分析贵州省2000-2017年水足迹时间变化,并采用LMDI模型探讨人口、经济和技术等驱动因素对水足迹变化的影响程度。结果表明:贵州省总水足迹经历了先波动增长后减少再逐渐增加的过程;水资源自给率年均达到97%以上,对外依赖程度较低;水足迹经济效益值逐年增加明显,水足迹土地密度与总水足迹变化趋势一致,而万吨水足迹人口密度则与总水足迹变化趋势相反;水资源压力指数整体维持在40%以上,其中偏枯水年和枯水年水资源压力指数大于70%;人文驱动因素对水足迹变化的影响程度:经济效应>技术效应>人口效应,自然驱动因素中降水量是导致水足迹变化的主要因素。

基于LMDI模型的江苏省建筑业碳排放影响因素研究

4文章运用能源种类法对江苏省2011-2017年建筑业碳排放量进行测算,基于对数平均指数分解(LMDI)模型将江苏省建筑业碳排放驱动效应分解为能源结构、能源强度、建筑业经济水平、人口密度、新增节能建筑面积率及新增建筑面积6个影响因子,解析碳排放变动量(2012-2013年、2014-2015年、2016-2017年为负变动阶段;2013-2014年、2015-2016年为正变动阶段)及各因子贡献率排序,详细剖析其驱动效应。研究结果表明:(1)各阶段碳排放变动趋势反映相应时期内实际碳排放变化特征。碳排放变动因子k绝对值越大,所处阶段变动量越多,碳增排/减排速度越快;(2)贡献率P反映各因子对变动量的影响程度,P绝对值越大,所处阶段碳增排(减排)的促进(抑制)作用越明显;(3)江苏省建筑业碳排放总体呈现负变动。能源强度为促进碳负变的主要影响因子,建筑业经济水平为促进碳正变的主要影响因子。能源强度、人口密度、能源结构、新增建筑面积因子贡献率分别为114.13%、36.13%、26.83%、20.31%;新增节能建筑面积率、建筑业经济水平因子贡献率分别为-5.13%、-92.26%。文章提出了江苏省建筑业碳减排对策建议。

云南省生产部门碳排放影响因素分析——基于LMDI模型

基于LMDI模型,分别研究碳排放系数、经济发展、能源强度、能源消费结构、产业结构、人口六个因素对云南省生产活动的碳排放的贡献量和贡献率。结果表明,经济发展是驱动云南省碳排放增加的最主要因素,人口规模和产业结构也是碳排放量增加的驱动因素;能源强度则是抑制碳排量增加的最主要影响因素,碳排放系数和能源消费结构因素也对减少碳排放起着一定的作用,但不是很明显。说明云南省由于处于工业化发展时期,工业发展对能源的消费需求大,影响因素中的驱动因素对碳排放量的贡献率大于抑制因素,在短时期内云南省的碳排放仍将持续增长。因此,云南省需要改变经济发展方式,坚持计划生育的基本国策,提高能源利用效率和促进产业结构与能源消费结构的转变。

基于LMDI模型的CO_2排放影响因素研究--以江苏省为例

本文采用Kaya及其扩展模型将CO2排放影响因素划分为产业能源强度、生活能源强度、能源结构、产业结构、人均产出、人居收入和人口总数7个方面。根据1995～2009年江苏省一、二、三产业和居民生活部门的12种能源消费数据,利用LMDI模型分解计算出7个因素的CO2排放量和贡献值。研究结果表明,1995～2009年江苏省CO2排放量总体呈上升趋势;人均产出、人居收入和人口总数对CO2排放起到正向驱动作用,产业能源强度、生活能源强度、能源结构、产业结构起到负向驱动作用,人均产出和产业能源强度分别是影响CO2排放的正向和负向主导因素。降低CO2排放量,需要通过提高产业能源强度、调整产业结构、能源结构和促进居民生活方式和消费模式的转变,要坚持计划生育的基本国策。

基于LMDI模型的湖南省农业碳排放影响因素研究

随着农业经济的快速增长,农业能源消耗和二氧化碳排放量逐年增加。在此背景下,开展农业碳排放研究意义重大。基于1999-2014年湖南省农业总产值、耕地面积、有效灌溉面积、农药化肥施用量等统计数据测算了15年来湖南省农业碳排放量和碳排放强度,并运用LMDI模型分析了农业碳排放的影响因素。结果表明:(1)1999-2014年,湖南省农业碳排放量和碳排放强度均呈现逐年增长趋势,年均增长率分别为2.25%和0.52%;(2)湖南省农业碳排放各构成要素中,占比由高至低依次是化肥(50.28%)、灌溉(19.10%)、农药(13.83%)和农膜(8.48%),四者累计占比91.70%,为湖南省农业碳排放的主要来源;(3)农业生产效率和劳动力规模在一定程度上抑制了湖南省农业碳排放量的增加,而农业经济水平和产业结构是湖南省农业碳排放量增加的主导因素,应成为未来农业碳减排工作的主要突破口。湖南省农业碳排放的影响因素研究在一定程度上可为"十三五"时期湖南省农业碳减排工作提供决策参考。

基于LMDI模型和Q型聚类的中国城镇生活碳排放因素分解分析

为研究城镇居民生活碳排放特征及影响因素,基于LMDI模型从全国和省级层面研究了我国30个省、自治区、直辖市(不含港澳台及西藏自治区) 2006—2015年的城镇生活碳排放,将城镇生活碳排放分解为生活能源消费结构效应、生活能源强度效应、消费倾向效应、人均可支配收入效应和城镇人口规模效应,分析各效应逐年和累积效应贡献度以及区域差异,并基于LMDI模型的计算结果对我国30个省、自治区、直辖市进行Q型聚类分析.结果表明:①从全国层面看,人均可支配收入、城镇人口规模是刺激因素,其中,人均可支配收入的影响效应最为显著,而消费倾向、生活能源消费结构、生活能源强度抑制了生活碳排放的增长.②从省级层面看,人均可支配收入、城镇人口规模的累积效应均为正,而消费倾向、生活能源消费结构、生活能源强度对各省、自治区、直辖市生活碳排放的影响效应有正有负,显示出显著差异.因此,政府应引导城镇人口合理增长,并积极制定相应政策优化居民生活能源消费结构.在制定碳减排战略时,要将省级生活碳排放的表面特征与其潜在驱动力相结合,根据不同区域有针对性地实施碳减排政策,同时应及时作出调整,以应对不同的发展阶段.

山西省碳排放影响因素分解——基于LMDI模型的实证研究

根据2004—2013年的相关数据,基于LMDI模型将山西省的碳排放影响因素分解为人口、人均GDP、产业结构、能源结构和碳强度五个因素。结果表明:人口和人均GDP因素总体上表现为增碳因素,能源结构、产业结构和碳强度因素总体上表现为减碳因素。其中,人均GDP和碳强度分别为增碳因素和减碳因素,但由于碳强度的减碳效应远小于人均GDP的增碳效应,因此山西省的总碳排放量仍呈逐年递增趋势。此外,由于人均GDP的增碳效应在减弱,而碳强度的减碳效应在增强,因此碳排放总量增长幅度呈递减趋势;产业结构因素和碳强度因素对碳排放的年均贡献率并未能像其总贡献率一样表现为负值。

基于LMDI模型的广西水足迹驱动力分析

运用水足迹理论对广西2004—2014年水足迹账户进行核算,评估广西的水资源利用情况并结合LMDI模型计算驱动力的贡献度,对各驱动力的影响情况进行分析。结果表明:广西的水足迹总量呈现逐年上升的趋势,农业生产水足迹占比较大;广西的用水效率逐年提高,水资源利用呈现出可持续发展的状态;在分解出的驱动力中,人口效应为正向驱动力,人口增加对水足迹变化的影响较小;经济效应为正向驱动力,经济增长对水足迹变化的影响最大;效率效应为逆向驱动力,贡献度仅次于经济效应,用水效率提高会使水足迹减少。

基于LMDI模型的中国粮食安全变化的耕地因素分解

在定性分析耕地数量变化影响粮食安全传导机制的基础上,利用2003—2013年中国粮食生产相关数据,基于对数平均迪氏指数分解模型建立粮食产量变化和粮食安全指数变化的因素分解模型,测算耕地数量变化对粮食产量变化、粮食安全系数变化的影响。结果表明,中国粮食产量持续增加得益于加权平均单产、复种指数和粮作比例的持续提高,三者对粮食增产的平均贡献率分别为64. 83%、32. 57%、11. 15%;而耕地数量变化的作用为负,贡献率为-8. 55%。中国粮食安全系数整体呈逐年递增态势,粮食安全状况逐年好转; 2003—2007年粮食安全系数小于1,粮食不安全; 2008—2013年粮食安全系数均大于1,粮食安全。中国粮食产量变化对粮食安全系数变化的贡献率平均为118. 57%,叠加耕地数量变化对粮食产量变化的贡献率为-8. 55%,测得耕地数量变化对粮食安全系数变化的贡献率为-10. 14%。

基于LMDI模型的农村土地综合整治效益评价——以安徽省宣城市为例

选取了2006—2010年宣城市120个农村土地整治验收项目，并采用LMDI模型从经济、社会和生态3个方面建立了指标体系计算土地整治综合效益，分析了效益的时间变化及其相关影响因素。研究发现：（1）土地整治综合效益受经济、社会和生态效益共同影响，与规模经济呈正相关；（2）因整治方向和重点不同，不同时期影响土地整治的因素有较大差异；（3）不能仅以新增耕地率为约束性指标，还应实质考虑耕地质量和生态环境。