中国城市能源消费碳排放的区域差异、空间溢出效应及影响因素

基于1992-2013年中国城市遥感模拟反演碳排放数据,采用空间自相关、空间马尔科夫矩阵和动态空间面板数据模型,在同时考虑碳排放的时空滞后效应和不同地理经济空间权重矩阵的条件下,对城市碳排放的演化路径和关键影响因素进行了定量识别和减排政策探讨。研究表明,中国城市能源消费碳排放的区域差异正逐步缩小,空间上呈现出明显的高排放俱乐部集聚特征,同时碳排放类型演化具有明显的路径依赖特征;面板数据模型估计结果表明经济增长与人均碳排放呈现显著的倒“U”型曲线关系,而绝大多数城市的人均碳排放处于随经济发展而增加的阶段,二产偏重的经济结构和投资的粗放增长共同正向作用于城市碳排放,而人口的集聚效应、技术水平的提升、对外开放度和公路运输强度的增加则共同抑制城市碳排放水平的提高。因此未来要抑制促增因素和发挥促降因素的作用才能有效降低城市碳排放;优化产业结构、精简粗放投资、增加研发强度以及提升公路通达性是未来实现中国城市节能减排的有效途径。     

中国能源消费碳排放的时空差异及驱动因素研究

随着气候变化日益加剧,碳排放及其影响越来越受到人们的关注。针对我国30个省区2000-2015年终端能源消费产生的碳排放进行核算,分析中国能源消费碳排放的区域特征和时空差异,并通过STIRPAT模型和面板数据模型相结合的方法从碳排放量和碳排放强度两个视角对碳排放的驱动因素进行分析。研究发现,从全国层面来看,人口规模、人均GDP、能源强度以及城市化水平对碳排放量产生正向的驱动作用,即每提升1%,碳排放量将分别增加1.046 9%、0.938 6%、0.722 6%、0.411 6%,而产业结构对碳排放具有负向的驱动效应。对于碳排放强度而言,人均GDP和产业结构均产生负向的抑制作用。从区域层面来看,通过经济水平分组,东、中、西部三大区域由于经济发展水平的差异,各个因素对碳排放的影响也有所不同并表现出一定的规律性;城市化水平分组表现出随着城市化水平的提高,碳排放量也随之降低。通过研究,可为我国合理制定CO₂减排的区域差异化政策提供参考依据。     

河南省能源消费碳排放动态变化及空间分异

在分析河南省1978—2015年能源消费碳排放总量和结构变化的基础上,利用Im PACT等式对河南省碳排放驱动因素进行了研究和对未来碳排放量进行了情景预测,并运用空间自相关分析法探讨了空间分异特征。结果表明:(1)1978—2015年,河南省碳排放量总体上呈现增加的趋势,年均增长5.11%,由煤炭和石油消费导致的碳排放比重一直稳定在95%以上。(2)弹性分析表明人均真实GDP增加1%将导致人均能源消费量增加0.48%,利用强度下降0.52%,而环境影响增加0.53%。(3)保持经济增长的同时,与2011—2015年相比,1978—2015年效率年均增长率提高5.25倍,是河南省实现循环经济建设的一种可行方案。(4)河南省2015年碳排放全局Moran’s I值为0.047,呈微弱空间正相关,各地市碳排放具有明显的二元结构特征,空间集聚特征不明显。     

黄河流域县域碳排放的时空格局演变及空间效应机制

利用空间面板模型、空间自相关分析和以区域背景与最近邻状况为空间滞后的空间马尔科夫链对2000—2017年黄河流域县域碳排放时空格局与空间效应进行分析,结果表明：① 2000年以来黄河流域碳排放量激增,由山东全域和陕甘宁蒙交界的高值区向外圈层与轴向扩张,形成东高西低碳排放格局;② 存在“俱乐部趋同”现象,高碳排放县集聚于山东全域和陕甘宁蒙交界,低碳排放县集聚于西南部;2000年与2017年对比发现县域碳排放类型稳定性强,较高碳排放变为较低碳排放的县集中在东南部区域,而相反方向转变的县集中在内蒙古;③ 高碳溢出效应与低碳锁定效应是塑造时空格局的重要作用力,前者作用力更强;区域背景增强了“俱乐部趋同”与被包围异常值趋同,作用力强于最近邻状况,不显著区域内碳排放类型转变概率提高。④ 空间面板模型结果显示年轻人口结构、大经济规模、二产为主产业结构、高生活水平和高公共支出促进了碳排放量增加与空间效应作用,其中经济规模与产业结构是重要驱动因素。     

近20年来中国能源消费碳排放时空格局动态

CO₂等温室气体引起的全球气候变暖是对人类社会可持续发展的严峻挑战。基于IPCC提供的参考方法,在对中国大陆30个省区(不含西藏)能源消费碳排放量估算的基础上,运用ESTDA框架,通过ESDA、LISA时间路径、时空跃迁和标准差椭圆等方法,从时空耦合的角度分析了1995-2014年中国能源消费碳排放时空格局动态性。结果表明：①近20年来中国省域碳排放具有显著的空间正相关性,碳排放空间差异呈先缩小后扩大的趋势;②LISA时间路径分析显示,中国大部分省区的局部空间结构具有较强的稳定性,1995-2001年和2002-2014年2个时段相对长度都小于平均长度的省区均为18个,大部分南方省区在空间依赖方向上的波动性呈增强趋势,而北方大多数省区则保持相对稳定;③出现协同运动的省区由1995-2001年的13个下降到2002-2014年的10个,表明中国碳排放空间格局具有一定的空间整合性,但呈减弱趋势;④中国省域碳排放的局部空间关联模式和集聚特征具有较强的稳定性,表现为一定的路径依赖或空间锁定特征;⑤碳排放重心在113.739°~114.324°E、34.475°~35.036°N之间变动,整体上有向西北方向移动的趋势。中国碳排放空间分布呈东北—西南格局,且有逐步向正北—正南转变的趋势。中国碳减排的重点是加快发展清洁能源与提高能效并重,优化能源结构和促进各省区产业结构转型,制定差异化的省域碳减排政策,建立碳交易制度。     

县域尺度下能源产区能源消费碳排放强度空间分异——以陕西省榆林市为例

以能源产区陕西省榆林市的12个区县为研究单元,在Geo Da和Arc GIS等软件的支持下,结合趋势分析和空间统计方法,分析2005—2010年榆林县域尺度下的能源消费碳排放强度的空间格局特征与空间分异机制。榆林各区县能源消费碳排放强度水平差异明显,总体差异呈扩大趋势,两极分化加剧。县域碳排放强度南北走向上表现出逐渐减小趋势,东西走向上具有微弱的"U"型变化态势。总体上,东北部区县碳排放强度高于西南部。各区县碳排放强度具有正的空间关联分布特征,且处于低水平非均衡空间分布状态,空间依赖性明显。结合相关性分析,榆林区县碳排放强度具有极化区、扩散区、塌陷区和传染区4个特征。"热点"主要分布在东北部三县,"冷点"主要分布于南部六县。能源资源分布不均、经济总量以及产业结构差异是造成榆林碳排放强度空间分布不均的主要原因。     

中国城市碳排放强度的空间溢出效应及驱动因素

采用核密度估计、空间自相关、空间马尔科夫链和面板分位数回归等方法对1992-2013年全国283个城市碳排放强度的空间溢出效应和驱动因素进行了分析。① 核密度估计结果表明,中国城市碳排放强度总体均值下降,差异在逐步缩小。② 空间自相关Moran's I指数表明城市碳排放强度存在显著的空间集聚性且空间集聚性在逐渐增强,但空间集聚水平的变化逐年缩小。③ 空间马尔科夫链分析结果表明：第一,中国城市碳排放强度存在马太效应,低强度与高强度的城市在相邻年份转移过程中呈现维持初始状态的特征。第二,城市碳排放“空间溢出”效应明显,且不同区域背景下溢出效应存在异质性,即若与碳排放强度低的城市为邻,该城市的碳强度能够增加向上转移的概率,反之亦然。④ 面板分位数结果显示：在碳排放强度低的城市,经济增长、技术进步、适当的人口密度起到减排作用;外商投资强度与交通排放是使碳强度增大的主要因素。在碳排放强度高的城市,人口密度是重要的减排因素,技术进步暂时没起减排作用;工业排放、粗放式的资本投资以及城市土地蔓延则是碳强度上升的主要因素。     

基于夜间灯光数据的中国能源消费碳排放特征及机理

本研究基于DMSP/OLS夜间灯光影像实现了1992-2010年以市级为基础单元的我国碳排放估算,弥补了统计数据不全、统计口径不一的缺点。从全国、4个经济区和6大城市群3个层面的碳排放分析结果显示,我国CO2排放总量持续增长,各地区、省市增速各不相同,空间聚集程度越来越明显,基本形成了"东部沿海城市高高集聚,西部欠发达城市低低集聚"的格局。人均碳排放强度基本呈现为"东部>东北部>西部>中部",单位GDP碳排放强度则呈现为"东北部和西部较高"、"东部和中部较低"。GDP增长是决定CO2排放总量增长的主导因素,而能源结构、能源利用效率、产业结构是影响碳排放强度的主要原因。对于西部和东北部等以能源和重工业为主导产业的城市,其减排策略应着重能源结构优化和能源利用效率的提高。对于东部和中部等以技术、劳动密集型和轻工业为主导产业的城市,其减排策略应侧重于产业结构调整和转型升级。     

基于超效率SBM模型的中国城市碳排放绩效时空演变格局及预测

由CO₂排放所引起的气候变化是当今社会所关注的热点话题,提高碳排放绩效是碳减排的重要途径。目前关于碳排放绩效的研究多从国家尺度和行业尺度进行探讨,由于能源消耗统计数据有限,缺乏城市尺度的研究。基于遥感模拟反演的1992—2013年中国各城市碳排放数据,采用超效率SBM模型对城市碳排放绩效进行测定,构建马尔可夫和空间马尔可夫概率转移矩阵,首次从城市尺度探讨了中国碳排放绩效的时空动态演变特征,并预测其长期演变的趋势。研究表明,中国城市碳排放绩效均值呈现波动中稳定上升的趋势,但整体仍处于较低的水平,未来城市碳排放绩效仍具有较大的提升空间,节能减排潜力大;全国城市碳排放绩效空间格局呈现“南高北低”特征,城市间碳排放绩效水平的差异性显著;空间马尔科夫概率转移矩阵结果显示,中国城市碳排放绩效类型转移具有稳定性,且存在“俱乐部收敛”现象,地理背景在中国城市碳排放绩效类型转移过程中发挥重要作用;从长期演变的趋势预测来看,中国碳排放绩效未来演变较为乐观,碳排放绩效随时间的推移而逐步提升,碳排放绩效分布呈现向高值集中的趋势。因此未来中国应继续加大节能减排力度以提高城市碳排放绩效,实现国家节能减排目标;同时不同地理背景的邻域城市之间应建立完善的经济合作联动机制,以此提升城市碳排放绩效水平并追求经济增长与节能减排之间协调发展,从而实现低碳城市建设和可持续发展。     

中国省域碳强度空间依赖格局及其影响因素的空间异质性研究

在估算各省域碳强度的基础上,利用探索性空间数据分析(ESDA)和时空跃迁测度方法以及地理加权回归(GWR)模型分析了1995~2015年中国省域（不包括西藏、港、澳、台地区）能源消费碳强度的空间依赖格局及其驱动因素的空间异质性。结果显示：① 中国省域碳强度存在显著的空间正相关性,表现为先下降后上升再到小幅波动的特征,碳强度相似的省域趋向于集聚,表明中国省域碳强度具有明显的空间依赖特征;②省域碳强度存在不均衡的发展格局,高-高集聚的省域主要分布在中国西北部,低-低集聚的省域多分布于中国东南部。③碳强度空间集聚总体呈优化态势,高-高集聚的省域在减少,低-低集聚的省域在不断增多,但不同省域在碳强度的空间集聚中所起的作用不同。④ 碳强度影响因素(解释变量)的回归系数均为正值,4个解释变量对碳强度的影响程度依次为：能源强度>能源结构>产业结构>人均GDP;且各因素对碳强度的影响在不同省域具有明显的空间异质性。     

Spatiotemporal dynamics of carbon intensity from energy consumption in China

The sustainable development has been seriously challenged by global climate change due to carbon emissions. As a developing country, China promised to reduce 40%-45% below the level of the year 2005 on its carbon intensity by 2020. The realization of this target depends on not only the substantive transition of society and economy at the national scale, but also the action and share of energy saving and emissions reduction at the provincial scale. Based on the method provided by the IPCC, this paper examines the spatiotemporal dynamics and dominating factors of China’s carbon intensity from energy consumption in 1997–2010. The aim is to provide scientific basis for policy making on energy conservation and carbon emission reduction in China. The results are shown as follows. Firstly, China’s carbon emissions increased from 4.16 Gt to 11.29 Gt from 1997 to 2010, with an annual growth rate of 7.15%, which was much lower than that of GDP (11.72%). Secondly, the trend of Moran’s I indicated that China’s carbon intensity has a growing spatial agglomeration at the provincial scale. The provinces with either high or low values appeared to be path-dependent or space-locked to some extent. Third, according to spatial panel econometric model, energy intensity, energy structure, industrial structure and urbanization rate were the dominating factors shaping the spatiotemporal patterns of China’s carbon intensity from energy consumption. Therefore, in order to realize the targets of energy conservation and emission reduction, China should improve the efficiency of energy utilization, optimize energy and industrial structure, choose the low-carbon urbanization approach and implement regional cooperation strategy of energy conservation and emissions reduction.     

中国城市碳排放强度的空间溢出效应及驱动因素探究（英文）

In this study, we adopt kernel density estimation, spatial autocorrelation, spatial Markov chain, and panel quantile regression methods to analyze spatial spillover effects and driving factors of carbon emission intensity in 283 Chinese cities from 1992 to 2013. The following results were obtained.(1) Nuclear density estimation shows that the overall average carbon intensity of cities in China has decreased, with differences gradually narrowing.(2) The spatial autocorrelation Moran's I index indicates significant spatial agglomeration of carbon emission intensity is gradually increasing; however, differences between regions have remained stable.(3) Spatial Markov chain analysis shows a Matthew effect in China's urban carbon emission intensity. In addition, low-intensity and high-intensity cities characteristically maintain their initial state during the transition period. Furthermore, there is a clear "Spatial Spillover" effect in urban carbon emission intensity and there is heterogeneity in the spillover effect in different regional contexts; that is, if a city is near a city with low carbon emission intensity, the carbon emission intensity of the first city has a higher probability of upward transfer, and vice versa.(4) Panel quantile results indicate that in cities with low carbon emission intensity, economic growth, technological progress, and appropriate population density play an important role in reducing emissions. In addition, foreign investment intensity and traffic emissions are the main factors that increase carbon emission intensity. In cities with high carbon intensity, population density is an important emission reduction factor, and technological progress has no significant effect. In contrast, industrial emissions, extensive capital investment, and urban land expansion are the main factors driving the increase in carbon intensity.     

长三角地区城市土地与能源消费CO2排放的时空耦合分析

探究城市土地与碳排放的时空耦合关系,是协调城市土地与生态环境亟待解决的重要问题。基于重心模型、总体耦合态势模型和空间耦合协调模型,使用建成区面积、能源消费和DMSP/OLS夜间灯光等数据,分析了1995—2013年长三角地区城市土地与能源消费碳排放的时空耦合特征,并考虑空间因素的影响,构建空间滞后面板Tobit模型分析其驱动因素。结果表明：① 1995—2013年,建成区面积与碳排放量总体上均呈增加趋势。建成区面积由1251 km ²,增加至4394 km ²,碳排放量由30389.49万t,增加至90405.22万t。城市土地与碳排放间呈显著的正相关;② 城市土地与碳排放空间差异明显,上海、南京、杭州、苏州和无锡的城市建成区面积相对较大,碳排放相对较高;③ 长三角地区城市土地与碳排放耦合关系总体上呈减弱-增强-波动的态势。协调关系处于不断演化过程中,低协调阶段的城市数量明显减小,高协调阶段的城市数量明显增加,且呈集聚分布特点。南京、无锡、苏州、杭州和宁波处于高协调阶段;④ 空间滞后面板Tobit模型结果表明：城镇化对城市土地与碳排放耦合协调度具有驱动和制动的双重作用。同时,人口密度、经济水平、产业结构和空间因素对其也具有重要影响。     

节能减排约束下中国省域旅游生态效率评估及空间格局研究

旅游生态效率评估及空间格局研究是揭示中国省域旅游业发展质量与态势的重要基础。论文以“自下而上”法核算中国省域旅游能源消耗与碳排放为基础,综合运用考虑非期望产出的Super-SBM模型、Malmquist指数及探索性空间数据分析等方法,探究节能减排约束下2000—2017年中国省域旅游生态效率及其空间分异、收敛和关联格局。结果表明：① 旅游能源消耗与碳排放总体呈先增长、后下降的倒“U”形演化趋势,支持环境库兹涅茨曲线(EKC)假说;② 旅游生态效率总体呈波动增长趋势,并有较大增长潜力,纯技术效率驱动生态效率优化发展;③ 旅游生态效率在省域、地区尺度上均呈现空间分异格局,但趋向收敛平衡发展;④ 旅游生态效率呈现由强到弱的正向空间关联格局,其发展模式以低—低集聚为主,低—高集聚次之,空间集聚模式待优化。各省区应以生态效率水平较高的地区为基准,通过要素流动、规模效应、技术进步及环境规制等手段,实现旅游业高质量协调发展。     

基于结构分解法的北京能源碳排放增量分析(英文)

确保减碳的首要任务是定量测度化石能源消费碳排放的增量影响因素及其大小。为分析北京市1997-2007年的碳排放增量,本文构建了一个扩展的(调入、进口)竞争型经济—能源—碳排放投入产出模型,从整体特征、不同产业、工业行业3个方面,对1997-2007年北京能源消费的碳排放增量进行了结构分解。分析发现:经济规模增长要素(消费、投资、调出和出口等)是拉动碳排放增长的主导因素,能源强度变动效应却是碳减排的决定性因素;在规模扩张因素中,消费和调出超过投资和出口,是碳排放增长的主要贡献者;2002以来新一轮"高碳"特征的工业化导致CO2排量呈急增之势;产业结构调整、三产比重最大使得服务业成为碳排放增长的最大部门,但工业排放的增长却后来居上;碳增排的重点行业是高能耗业,而碳减排的却是能源工业;两时段各效应在不同产业、不同工业行业的影响方向和大小不一。     

中国省域二氧化碳排放的时空格局及影响因素

通过测算全国30个省域2000—2015年的二氧化碳排放量,采用自然段点法,分别对2000年、2005年、2010年和2015年各省碳排放量进行分类,分析其空间分异化特征。采用空间自相关分析法揭示了相邻各省份碳排放量的空间关联性。在此基础上,运用对数均值迪氏分解法,从能源结构、能源强度、经济发展和人口规模等角度,对碳排放影响因素进行无残差分解。结果表明：1）时间上,我国碳排放总量整体呈上升趋势,在2014—2015年仅下降2%。除北京市外,其余各省份的碳排放量呈增长趋势;空间上,高值碳排放由环渤海及东部沿海省份逐步蔓延至中西部个别省份;2）各省域碳排放主要呈现高高集聚和低高集聚的特征,高高集聚稳定集中在辽宁、河北、山东、山西和江苏省,北京市和天津市与高碳排放的省份形成一个低高集聚区域;3）东、中部比西部省份更易受能源结构、能源强度、经济发展和人口规模等因素的影响。经济发展对碳排放是驱动作用,能源强度对碳排放是抑制作用,能源结构对各省份碳排放的影响有正向驱动和负向抑制作用,除贵州省外,其余省份人口规模对碳排放均是正向驱动作用。     

北京市服务业碳排放增长的分解分析

The output as well as carbon dioxide emissions of tertiary industry have increased continuously in Beijing. Therefore, the tertiary industry has become a new field that needs to be explored for energy saving and emission reduction. This paper calculates the direct and indirect carbon dioxide emissions of tertiary industry in Beijing from 2005 to 2012 using the input-output analysis method. The results indicate that both the direct and indirect carbon dioxide emissions increased continuously and the latter grew more quickly than the former. The growth of the direct and indirect carbon dioxide emissions of tertiary industry was decomposed, which showed that four factors influence the growth of carbon emission of the tertiary industry, including the changes of industrial scale, industrial structure, energy consumption intensity and carbon coefficient. The results show that the industrial scale advancement and the direct energy carbon coefficient change promote the increase of direct carbon dioxide emissions, while the shift of industrial structure and the change of direct energy consumption intensity have the restrain on it. The industrial scale enlargement, industrial structure shift and the indirect energy carbon emission coefficient change promote the growth of indirect carbon dioxide emissions, while the indirect energy consumption intensity change has a restrain.