郑汴都市区产业CO2排放演变机理及脱钩分析

探索都市区产业CO₂排放变化的驱动机制,因地制宜地制定减排政策,对低碳城市与经济发展具有重要意义.本文将都市区的CO₂排放源分成农业、工业、建筑业、交通运输业、商业和居民等6 个部门的能源消费,并将工业CO₂排放进一步细分为34 种产业的能源消费.基于2000-2009 年能源消费数据,构建CO₂测算模型,核算了各部门各产业范畴1(仅指能源燃烧)与范畴2 的CO₂排放.运用LMDI方法对2000-2009 年间不同层级产业的CO₂排放变化机理进行研究,采用脱钩指数分析郑汴都市区产业低碳发展的类型与方向.结果发现：CO₂排放结构的变化呈现不同的阶段性、部门性和区域性特征;CO₂排放变化是在强度(技术)效应、结构效应与规模效应共同作用下发生的,经济规模与要素投入的外生经济增长方式是CO₂排放变化主要的正向驱动因素,碳排放强度和劳动密集程度是主要的负向驱动因素,劳动生产率与产业结构的变动则起双向作用,而影响居民消费CO₂排放的各因素贡献相对较小;CO₂排放与经济发展的脱钩状态决定了产业调整升级的方向与程度;产业结构调整对CO₂排放的贡献及脱钩程度的确定需要进一步探讨.     

陕西省能源消费结构、产业结构演变对碳排放强度的冲击影响分析

基于陕西省1989-2011年能源消费等统计数据,分析能源消费结构、产业结构的演变特征,建立陕西省能源消费结构-产业结构-碳排放强度系统的VAR模型,对该系统的长期和短期动态关系进行实证分析。结果表明:陕西省的发展模式,是能源消费结构长期以高碳能源为主和产业结构长期以高碳产业为主导。能源消费结构与产业结构的变化对陕西省碳排放强度的减小作用初期微弱;从中长期来,两个结构多元化提高的负效应对碳排放强度的增加有长期持久的抑制作用,且能源消费结构演进对碳排放强度的冲击效果始终大于产业结构变化的冲击效果。优化产业结构和调整能源消费结构尤其是提高低碳产业与低碳能源比重是驱动陕西省碳排放强度下降的有效措施。     

河南省现代城镇体系空间发展战略分析

河南省现代城镇体系受区域经济一体化、产业结构升级、市场机制、尤其是现代交通体系和资源环境约束等方面的影响,必须走集中型的城市化道路,实施中心城市带动战略,推进郑汴一体化,提升郑汴都市区作为全省核心增长极的辐射带动作用,强化以郑汴都市区为中心的放射型发展轴,加强核心城市与周边城市、周边省区的联系,并进一步扩大中原城市群范围,把全省作为城市群进行构建,形成圈层+放射、网络化的城市群空间结构.     

城市能源消费碳排放特征及其机理分析 ——以广州市为例

采用表观能源消费数据进行分能源品种和分行业类型的碳排放总量核算,利用基于IDA理论和Kaya恒等式的LMDI模型对碳排放总量变化进行多要素的分解分析,在解析人口规模效应、经济产出效应、能源强度效应对碳排放影响机理的同时,进一步纳入人口结构性因素、产业结构性因素和能源结构性因素对碳排放的影响。以广州市为例,对其2003—2013年产业活动和居民消费2个部门碳排放的主要驱动因素进行时间序列分析,并定量研究各个影响因子在2003—2005、2005—2010和2010—2013年3个不同发展阶段的作用机理,主要研究结论如下：1）广州市能源消费及其碳排放前期以煤炭为主,近年来以石油为主,同时外购电力对广州市的能源消费结构优化影响显著。2）各影响因子对广州市碳排放总量变化的作用机理与影响机制在3个发展阶段各不相同,不同发展阶段的发展措施和政策背景对于各个影响因子的碳排放效应影响显著。3）总体分析,经济产出效应和人口规模效应是产业部门碳排放增长的最主要贡献因子;工业能源消费强度效应、工业能源消费结构效应和经济结构效应是遏制产业部门碳排放增长的最主要贡献因子。城镇居民收入效应是居民消费碳排放增长的最主要贡献因子,城镇居民能源消费强度效应是遏制居民消费碳排放增长的最主要贡献因子。     

天津市构建低碳城市的策略研究——基于碳排放的情景分析

低碳城市是在改造和适应全球气候的基础上提出的未来城市发展模板。城市的碳排放值是衡量低碳城市的主要指标。从社会经济、能源和环境3个角度分析了天津市现状,并在此基础上进行情景分析,估算不同情景下天津市2010—2050年的碳排放量。主要结论有:(1)天津市近10年能源消费量和碳排放量均呈现出持续上涨的趋势;(2)从产业结构来看,第二产业所产生的碳排放是天津市碳排放的主体,而一次能源中,煤炭所形成的碳排放占据了首位;(3)天津市在节能情景下即可完成我国2020年的减排承诺,在低碳情景下,天津市可以承担更多的减排责任;(4)按低碳模式发展,天津市将在2020—2035年间达到碳排放的高峰。基于这些结论,提出天津市构建低碳城市的策略,这些策略也同样适用于处于城市化后期的其他中国城市。     

海岛城市碳排放测度及其影响因素分析——以浙江省舟山市为例

海岛城市具有独特的社会经济发展轨迹以及碳排放特征。定量剖析海岛城市碳排放的演变趋势及其关键驱动因子,对于指导"低碳海岛城市"和"生态海岛城市"建设意义重大。以中国典型海岛城市舟山市为案例区,采用IPCC参考方法,测算2001-2015年间舟山市各部门的碳排放量,并运用STIRPAT扩展模型,定量分析能源强度、人均GDP以及城市化率等关键驱动因子对海岛城市碳排放的影响;在此基础上,结合情景分析技术对舟山市未来的碳排放量进行情景预测。结果表明:(1)2001-2015年间,舟山市碳排放量增加迅速,年均增长率达到32%,碳排放强度遵从先降后增的"U型"变化规律,年均值略高于厦门市。(2)岭回归分析表明城市化率对碳排放量的增加影响最大,其次为能源强度,人均GDP对碳排放的影响最弱。(3)舟山市经济增长与碳排放之间存在Kuznets曲线假说,且理论拐点将出现在人均GDP为10.46万元附近(2000年可比价)。(4)舟山市在2020年和2030年的碳排放总量将分别达到2142万t和4333万t。总体而言,产业结构低碳化和能源效率提升是缓解舟山市未来碳减排压力的有力抓手。     

1990―2010年广东省能源消费的碳排放驱动因素分析

能源消费是碳排放的主要来源。根据IPCC碳排放计算指南缺省值计算出广东省1990―2010年的碳排放量,并对广东省近20年来碳排放进行阶段划分,采用对数平均迪氏指数法(Logarithmic Mean Divisia Index),对碳排放量进行因素分解,分析能源结构、能源效率和经济发展对碳排放的影响及作用程度。结果表明:1)1990―2010年,广东省能源消费的CO2排放总量和人均CO2排放量不断上升,万元GDP碳排放量、三次产业碳排放强度均呈下降趋势,原煤的消费是碳排放的主要来源,第二产业的CO2排放量比重最大,但呈缓慢下降趋势;2)经济发展效应对广东省能源消费碳排放的贡献率最大,其次是能源强度效应、人口规模效应,能源结构效应的贡献率最小;经济增长是碳排放量增加的主要推动因素;能源消费强度影响碳排放量的增速,能源消费强度又进一步受到产业结构和各产业能耗强度的影响,其中,第二产业能耗强度和第二产业产值比重是影响能源消费强度最主要的影响因素。     

中国碳排放关键驱动因子的分析和政策反思——基于LMDI：1995—2010

影响中国能源消费和碳排放的两大主因是经济政策和能源政策,显然,经济因素是外因,能源供应结构和能源效率才是影响的内在因子。本文基于碳排放的完全分解分析模型——对数平均Divisia指数（LMDI）系统分析了影响1995～2010年中国碳排放变化的关键因子和贡献率,分解因子包括四种,即经济规模效应、结构效应、能源强度效应、碳强度效应。指数分解模型结果表明,不同时期这四种效应对碳排放变化的贡献率是不同的,1995—2010年对碳排放增加影响最大的因子是经济发展（贡献率155％）和产业结构改变（贡献率10．6％）,而碳排放量的减少主要是由能源强度下降贡献的（贡献率-63．7％）,碳强度效应影响很小。但最近几年碳排放量的增加除了经济规模这个主要因子,碳强度的改变（贡献率4％）、产业结构调整（贡献率1．3％）都促进了碳排放量的增加,只有能源强度的下降起到了抑制碳排放量增加的作用（贡献率-73．5％）。模型的这种分解结果提示我们需要对这一时期内的产业政策、能源发展措施等方面进行反思,未来还要加强“节能减排”政策的落实、加强低碳能源技术的投资力度和政策扶持。     

中国一次能源消费的碳排放区域格局变化

作为世界能源消费大国,中国的碳排放问题不仅体现在总量的增长方面,而且也体现在碳排放的空间格局变化方面。本文试图通过产业-能源关联和能源-碳排放关联两个基本评价模型,解析中国碳排放区域格局的变化。分析的结果表明:第一,产业结构的演进不仅决定着地区经济发展的基本状态,而且同样决定着国家一次能源消费空间的基本格局;第二,地区产业结构多元化程度越是走向成熟,其一次能源消费的增速也就越是减缓;第三,缓慢的一次能源消费结构变化是难以实现地区碳排放增长有效控制的关键。     

中国干旱区特大城市低碳经济发展研究——以乌鲁木齐市为例

为了应对全球气候变化,发展低碳经济、减排CO2已经成为全球共识.以我国西北干旱区特大乌鲁木齐为例,分别从能源消费结构、能源利用效率、产业和行业能耗情况、碳排放和碳汇能力等方面系统分析城市低碳经济发展现状,指出了乌鲁木齐市发展低碳经济的特征和存在的问题,认为乌鲁木齐当前经济发展的“高碳”特征明显,能源利用效率低,能源消费...     

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。     

A Comparative Decomposition Analysis of the Factors Driving Energy-related Carbon Emissions from Three Typical Provinces in China: Jiangsu,Henan and Inner Mongolia

An accurate understanding of the real situation of energy-related carbon emissions and the main factors driving the carbon emissions increments are crucial for China to realize its emission mitigation targets. Adopting the comparative decomposition of an extended LMDI (Log-Mean Divisia Index) approach, this study decomposed the changes in carbon emissions of Jiangsu, Henan, and Inner Mongolia, which are located in the eastern, central and western parts of China. This analysis led to three main findings. 1) During the period of 1996-2017, the energy-related carbon emissions in the examined provinces exhibited upward trends, but with some differences among the provinces. 2) The influences of driving factors on carbon emissions varied distinctly in different provinces and economic stages. Economic growth had the largest positive effect on provincial carbon emissions increases. From 1996 to 2017, the contribution rates of economic development to emissions growth in Henan, Jiangsu and Inner Mongolia were 307.19%, 205.08% and 161.26%, respectively. This influence was followed by urbanization and population size. 3) Energy intensity played a leading role in facilitating emissions-reduction in the examined provinces, except for during the tenth Five-Year Plan, followed by the energy structure. The effect of rural population proportion was the weakest among all the curbing factors. Furthermore, urban and rural resident°s energy consumption per capita demonstrated relatively minor impacts and disparate directions of influence in the different provinces and economic periods, but began to play increasing roles in driving up provincial emissions changes. For example, residential energy consumption in Jiangsu contributed over 7.9% to the total carbon emission growth in 1996-2017, among which urban residents’ per-capita energy consumption contributed more than 3.8%. In view of these findings, policy makers should formulate targeted emission reduction measures that are based on the distinct situations and key factors which affect carbon emissions in each province.     

Urban carbon footprint and carbon cycle pressure: The case study of Nanjing简

Urban carbon footprint reflects the impact and pressure of human activities on ur- ban environment. Based on city level, this paper estimated carbon emissions and carbon footprint of Nanjing city, analyzed urban carbon footprint intensity and carbon cycle pressure and discussed the influencing factors of carbon footprint through LMDI decomposition model. The main conclusions are as follows： （1） The total carbon emissions of Nanjing increased rapidly since 2000, in which the carbon emission from the use of fossil energy was the largest Meanwhile, carbon sinks of Nanjing presented a declining trend since 2000, which caused the decrease of carbon compensation rate and the increase of urban carbon cycle pressure. （2） The total carbon footprint of Nanjing increased rapidly since 2000, and the carbon deficit was more than ten times of total land areas of Nanjing in 2009, which means Nanjing confronted high carbon cycle pressure. （3） Generally, carbon footprint intensity of Nanjing was on de- crease and the carbon footprint productivity was on increase. This indicated that energy utilization rate and carbon efficiency of Nanjing was improved since 2000, and the policy for energy conservation and emission reduction taken by Nanjing＇s government received better effects. （4） Economic development, population and industrial structure are promoting factors for the increase of carbon footprint of Nanjing, while the industrial carbon footprint intensity was inhibitory factor. （5） Several countermeasures should be taken to decrease urban carbon footprint and alleviate carbon cycle pressure, such as： improvement of the energy efficiency, industrial structure reconstruction, afforestation and environmental protection and land use control. Generally, transition to low-carbon economy is essential for Chinese cities to realize sustainable development in the future.     

基于“水—能—碳”关联的城市水系统碳排放研究

揭示城市水系统与碳排放的内在关系机理,对于推动城市水能节约和水系统低碳运行具有重要的理论和实践意义。本文分析了城市水系统“水—能—碳”关联机理,并构建了城市水系统碳排放的核算体系,采用2008—2017年的统计数据和调查问卷等资料,对郑州市水系统碳排放进行了核算和实证分析,探讨了其“水—能—碳”关联特征,并分析了不同情景下水系统的碳减排潜力。结果显示：① 郑州市水系统碳排放涉及取水、给水、用水、排水及污水处理等不同环节。其中,用水系统是郑州市水系统碳排放的主要来源,这表明由城市扩展和人口增长导致的用水需求增加是碳排放增长的主要因素;② 郑州市水系统不同环节的碳排放构成及其强度具有较大差异。其中,用水和取水系统能耗和碳排放强度增长态势明显,而给水与排水及污水处理系统则相对稳定。取水和用水系统的能耗增加,特别是由城市远距离供水和污水回用引起的碳排放增长应引起关注;③ 郑州市水系统不同环节“水—能—碳”关联特征的差异主要受城市水消耗量的变化、水处理方式和工艺、居民用水行为习惯和节水意识、自然条件及气候变化等因素的影响;④ 未来应重点从城市工业和生活节水、水处理工艺改进、水系统能效提升等方面入手,降低水系统能源消耗和碳排放。     

中小城市家庭生活用能碳排放空间分异——以开封市为例

利用2015年开封市居民家庭生活用能的大样本问卷调查数据,采用探索性空间数据分析（ESDA）和标准差椭圆（SDE）方法,探索城市居住区家庭生活用能碳排放空间分布特征。结果表明：① 家庭生活用能碳排放存在以热点区为主的空间正相关特性,碳排放高值集聚发生在城市新建开发区和建成区向外扩张较快区域,以2000年以后新建高档商品房小区和机关事业单位家属院为主,低值集聚区则发生在建成时间长、后续开发力度小的区域,以老商品房小区和胡同社区为主;② 开封市家庭电力消耗碳排放占生活用能总碳排放的67%,但人均生活用能碳排放空间格局由供暖碳排放决定,且人均供暖碳排放空间格局又由集中供暖碳排放空间格局决定,故降低集中供暖能耗、缩小居民供暖用能差异成为居民生活用能碳减排工作的重中之重;③ 家庭经济状况、集中供暖设施分布和城市发展的空间格局是家庭生活用能碳排放空间依赖性和空间异质性形成的主要驱动因素。     

Quantitative analysis of the impact factors of conventional energy carbon emissions in Kazakhstan based on LMDI decomposition and STIRPAT model

Quantitative analysis of the impact factors in energy-related CO₂ emissions serves as an important guide for reducing carbon emissions and building an environmentally-friendly society. This paper aims to use LMDI method and a modified STIRPAT model to research the conventional energy-related CO₂ emissions in Kazakhstan after the collapse of the Soviet Union. The results show that the trajectory of CO₂ emissions displayed U-shaped curve from 1992 to 2013. Based on the extended Kaya identity and additive LMDI method, we decomposed total CO₂ emissions into four influencing factors. Of those, the economic active effect is the most influential factor driving CO₂ emissions, which produced 110.86 Mt CO₂ emissions, with a contribution rate of 43.92%. The second driving factor is the population effect, which led to 11.87 Mt CO₂ emissions with a contribution rate of 4.7%. On the contrary, the energy intensity effect is the most inhibiting factor, which caused–110.90 Mt CO₂ emissions with a contribution rate of–43.94%, followed by the energy carbon structure effect resulting in–18.76 Mt CO₂ emissions with a contribution rate of–7.43%. In order to provide an in-depth examination of the change response between energy-related CO₂ emissions and each impact factor, we construct a modified STIRPAT model based on ridge regression estimation. The results indicate that for every 1% increase in population size, economic activity, energy intensity and energy carbon structure, there is a subsequent increase in CO₂ emissions of 3.13%, 0.41%, 0.30% and 0.63%, respectively.     

Urban carbon footprint and carbon cycle pressure：The case study of Nanjing

Urban carbon footprint reflects the impact and pressure of human activities on urban environment. Based on city level, this paper estimated carbon emissions and carbon footprint of Nanjing city, analyzed urban carbon footprint intensity and carbon cycle pressure and discussed the influencing factors of carbon footprint through LMDI decomposition model. The main conclusions are as follows: (1) The total carbon emissions of Nanjing increased rapidly since 2000, in which the carbon emission from the use of fossil energy was the largest. Meanwhile, carbon sinks of Nanjing presented a declining trend since 2000, which caused the decrease of carbon compensation rate and the increase of urban carbon cycle pressure. (2) The total carbon footprint of Nanjing increased rapidly since 2000, and the carbon deficit was more than ten times of total land areas of Nanjing in 2009, which means Nanjing confronted high carbon cycle pressure. (3) Generally, carbon footprint intensity of Nanjing was on decrease and the carbon footprint productivity was on increase. This indicated that energy utilization rate and carbon efficiency of Nanjing was improved since 2000, and the policy for energy conservation and emission reduction taken by Nanjing's government received better effects. (4) Economic development, population and industrial structure are promoting factors for the increase of carbon footprint of Nanjing, while the industrial carbon footprint intensity was inhibitory factor. (5) Several countermeasures should be taken to decrease urban carbon footprint and alleviate carbon cycle pressure, such as: improvement of the energy efficiency, industrial structure reconstruction, afforestation and environmental protection and land use control. Generally, transition to low-carbon economy is essential for Chinese cities to realize sustainable development in the future.