碳排放的影響因素精選(九篇)
前言：一篇好文章的誕生，需要你不斷地搜集資料、整理思路，本站小編為你收集了豐富的碳排放的影響因素主題范文，僅供參考，歡迎閱讀并收藏。
第1篇：碳排放的影響因素范文
摘 要：兩會(huì)委員提出推動(dòng)“碳期貨”市場(chǎng)建設(shè)使碳交易再一次成為了熱門話題。本文在介紹碳交易市場(chǎng)概況及其相關(guān)機(jī)制的基礎(chǔ)上，根據(jù)相關(guān)學(xué)者曾經(jīng)提出的理論，以北京交易所碳交易價(jià)格為研究對(duì)象進(jìn)行了碳排放權(quán)交易價(jià)格影響因素的實(shí)證分析，并結(jié)合模型和當(dāng)下我國(guó)經(jīng)濟(jì)形勢(shì)對(duì)我國(guó)碳市場(chǎng)的進(jìn)一步發(fā)展提出了相關(guān)建議。
關(guān)鍵詞：碳交易市場(chǎng);碳排放權(quán)定價(jià);實(shí)證分析
1. 研究背景
隨著人類社會(huì)、科技的高速發(fā)展，環(huán)境、資源問題日益凸顯，尤其是溫室氣體大量排放引發(fā)的全球氣溫變暖，已成為當(dāng)代人類社會(huì)發(fā)展的緊迫問題。我國(guó)對(duì)節(jié)能減排的重視程度與日俱增，在“十二五規(guī)劃”中明文提出，必須“樹立綠色、低碳發(fā)展理念，以節(jié)能減排為重點(diǎn)”，“積極應(yīng)對(duì)全球氣候變化。把大幅降低能源消耗強(qiáng)度和二氧化碳排放強(qiáng)度作為約束性指標(biāo)，有效控制溫室氣體排放”。并提出于2020年將實(shí)現(xiàn)碳排放強(qiáng)度降低40%-45%的減排目標(biāo)。
世界上第一個(gè)為有效控制二氧化碳等溫室氣體排放從而減緩溫室效應(yīng)影響的國(guó)際公約是1992年5月9 日合國(guó)政府間談判委員會(huì)制定的《聯(lián)合國(guó)氣候變化框架公約》（以下簡(jiǎn)稱《聯(lián)合公約》），在此公約中便對(duì)發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家采取了區(qū)別對(duì)待的態(tài)度。公約對(duì)發(fā)達(dá)國(guó)家和發(fā)展中國(guó)家規(guī)定的義務(wù)以及履行義務(wù)的程序有所區(qū)別，要求發(fā)達(dá)國(guó)家積極減少溫室氣體排放，而發(fā)展中國(guó)家只承擔(dān)提供溫室氣體源與溫室氣體匯的國(guó)家清單的義務(wù)，由發(fā)達(dá)國(guó)家為發(fā)展中國(guó)家提供履行公約的資金支持。其目標(biāo)是將大氣中溫室氣體濃度穩(wěn)定在不對(duì)氣候系統(tǒng)造成危害的水平上。
而1997年的《京都議定書》（以下簡(jiǎn)稱《議定書》）可謂是《聯(lián)合公約》的進(jìn)一步發(fā)展，使溫室氣體減排進(jìn)一步成為發(fā)達(dá)國(guó)家的法律義務(wù)，要求從2008年到2012年間，主要工業(yè)發(fā)達(dá)國(guó)家的以二氧化碳為代表的六種溫室氣體的排放量要在1990年的基礎(chǔ)上減少5.2%。2009年12月7-18日召開的哥本哈根世界氣候大會(huì)是繼《議定書》后又一具有劃時(shí)代意義的全球氣候協(xié)議書，它商討了《議定書》一期承諾到期后于2012年至2020年的全球節(jié)能減排方案。我國(guó)對(duì)此一直表示積極的配合態(tài)度，中國(guó)政府代表表示，2016～2020年中國(guó)將把每年的二氧化碳排放量控制在100億噸以下。
碳交易市場(chǎng)是指碳排放權(quán)交易市場(chǎng)，為了進(jìn)一步達(dá)到減少溫室氣體排放量，緩解全球變暖現(xiàn)狀，《議定書》實(shí)際上創(chuàng)造出了一種新的交易對(duì)象――碳減排額度，即把二氧化碳排放權(quán)作為一種商品，通過(guò)市場(chǎng)機(jī)制實(shí)現(xiàn)了對(duì)二氧化碳排放權(quán)配額的交易?！蹲h定書》建立了三種以市場(chǎng)機(jī)制為基礎(chǔ)的國(guó)際合作減排機(jī)制。其一是清潔發(fā)展機(jī)制（簡(jiǎn)稱CDM）。即某一締約國(guó)（一般為發(fā)達(dá)國(guó)家）與某儀非締約國(guó)（一般為發(fā)展中國(guó)家）之間的在清潔發(fā)展登記處的減排單位的轉(zhuǎn)讓，在非締約國(guó)實(shí)施溫室氣體減排項(xiàng)目，協(xié)助締約國(guó)通過(guò)此機(jī)制項(xiàng)目獲得“核證減排量”也即CERs，以降低締約國(guó)履行兩河國(guó)框架公約的成本。
清潔發(fā)展機(jī)制賦予有減排義務(wù)的發(fā)達(dá)國(guó)家向不具有強(qiáng)制減排義務(wù)的發(fā)展中國(guó)家投資降低溫室氣體排放的減排項(xiàng)目，從而獲得CERs。其二是國(guó)際排放貿(mào)易機(jī)制（簡(jiǎn)稱ET）。這一交易機(jī)制的核心是允許發(fā)達(dá)國(guó)家之間相互交易碳排放額度。賦予溫室氣體排放量超過(guò)其許可排放量的締約國(guó)從其他擁有剩余排放量的締約國(guó)購(gòu)買CERs，其過(guò)程包括“分配數(shù)量單位”、“排放減量權(quán)證”、“排放減量單位”等減排單位核證的轉(zhuǎn)讓或獲得。一個(gè)發(fā)達(dá)國(guó)家將其超額完成減排義務(wù)的指標(biāo)，以貿(mào)易的方式轉(zhuǎn)讓給另外一個(gè)未能完成減排義務(wù)的發(fā)達(dá)國(guó)家的同事，從轉(zhuǎn)讓方的允許排放限額上扣減相應(yīng)的轉(zhuǎn)讓額度。其三是聯(lián)合履約機(jī)制（簡(jiǎn)稱JI），其核心是締約國(guó)之間以項(xiàng)目為基礎(chǔ)的一種合作機(jī)制。所實(shí)現(xiàn)的減排單位可以轉(zhuǎn)讓給另一個(gè)發(fā)達(dá)國(guó)家締約方，但是同時(shí)必須在轉(zhuǎn)讓方的分配數(shù)量配額上扣減相應(yīng)的額度。通過(guò)此機(jī)制實(shí)現(xiàn)了減排成本較高的締約國(guó)在減排成本較低的締約國(guó)實(shí)施溫室氣體排放項(xiàng)目。通過(guò)以上三種不同機(jī)制的對(duì)比可以看出，碳交易分為兩類，一類是以CDM和JI為代表的以項(xiàng)目為基礎(chǔ)的減排交易形式;另一類是以ET為代表的配額型交易，由管理者制定總的排放配額，并在參與者之間分配，參與者根據(jù)自身需要進(jìn)行排放配額的買賣。由于我國(guó)是《京都議定書》的非締約國(guó)，因此不能直接開展配額型交易。我國(guó)碳排放交易的主要類型是基于項(xiàng)目的減排交易形式，最主要的是CDM機(jī)制。
目前世界上的碳交易所共有四個(gè)：歐盟的歐盟排放權(quán)交易制（EU ETS）英國(guó)的英國(guó)排放權(quán)交易制（ ETG）美國(guó)的芝加哥氣候交易所（CCX）澳大利亞的澳大利亞國(guó)家信托（NSW）其中EU ETS是世界上最大的碳排放交易市場(chǎng)，在世界碳 交易市場(chǎng)中具有示范作用。2012年1月13日，中國(guó)國(guó)家發(fā)展和改革委員會(huì)宣布在北京、上海、天津、重慶、深圳、廣東省、湖北省開展碳排放權(quán)交易試點(diǎn)，逐步建立起了國(guó)內(nèi)碳排放交易市場(chǎng)，以實(shí)現(xiàn)低成本2020年中國(guó)溫室氣體排放的目標(biāo)。由此可見，中國(guó)碳交易市場(chǎng)尚處于起步階段，交易大部分比較分散，多是企業(yè)之間的場(chǎng)外交易，缺乏價(jià)格機(jī)制，而且以CDM為主的品種較為單一，再加上市場(chǎng)和價(jià)格不夠公開、透明，因此還沒有建立成一套完整的定價(jià)、核證體系，導(dǎo)致我國(guó)碳交易成交價(jià)格明顯低于國(guó)際碳市場(chǎng)價(jià)格，不利于爭(zhēng)取國(guó)際價(jià)格決定權(quán)。
2.變量選取
第2篇：碳排放的影響因素范文
關(guān)鍵詞：聚類分析 碳排放 低碳發(fā)展
引言
我國(guó)幅員遼闊，各地收入水平、消費(fèi)水平、產(chǎn)業(yè)結(jié)構(gòu)、資源稟賦等存在著很大的差異，因此在倡導(dǎo)節(jié)能環(huán)保、實(shí)施低碳發(fā)展時(shí)，必須要考慮到影響區(qū)域排放的因素差異，從而有目的、有針對(duì)性地制定不同的減排目標(biāo)和策略。
一、相關(guān)文獻(xiàn)回顧
探索低碳發(fā)展的道路，既要注意到發(fā)展模式的普適性，也要考慮模式的適應(yīng)性。在中國(guó)，從1980年開始CO2 的排放總量就不斷上漲。但是由于地區(qū)之間經(jīng)濟(jì)發(fā)展水平、生活水平以及環(huán)境狀況之間存在很大差異，沿海與內(nèi)陸、東中西部碳排放的驅(qū)動(dòng)因素差異較大，因此在實(shí)施低碳發(fā)展時(shí)，必須考慮影響區(qū)域碳排放驅(qū)動(dòng)因素的差異，從而有針對(duì)性地制定減排策略。張彬（2011）從環(huán)境經(jīng)濟(jì)學(xué)角度出發(fā)，基于碳排放的驅(qū)動(dòng)因素，利用Kaya模型研究分析例如影響中國(guó)碳排放的主要因素――人口、人均國(guó)民生產(chǎn)總值和單位國(guó)民生產(chǎn)總值碳排放量，并將此三項(xiàng)指標(biāo)作為模糊聚類指標(biāo)，將中國(guó)按碳排放驅(qū)動(dòng)因素分為4大區(qū)域，并針對(duì)各區(qū)域提出實(shí)現(xiàn)低碳發(fā)展的相關(guān)政策建議，并對(duì)應(yīng)用該方法將中國(guó)按照碳排放驅(qū)動(dòng)因素進(jìn)行區(qū)劃的優(yōu)點(diǎn)與不足做了進(jìn)一步的討論。張建民（2011）以2005年為基期，對(duì)我國(guó)2015年與2010年一次能源需求以及碳排放進(jìn)行了預(yù)測(cè)。并在此基礎(chǔ)上，與美國(guó)、日本、英國(guó)、歐盟等國(guó)家和地區(qū)以及世界平均水平1971年～2005年期間的碳排放進(jìn)行了比較。發(fā)現(xiàn)中國(guó)的二氧化碳排放低于發(fā)達(dá)國(guó)家，如果與日本相比，尚有50年的差距。馮蕊（2010）對(duì)當(dāng)前國(guó)內(nèi)外居民生活消費(fèi)碳排放估算方法進(jìn)行對(duì)比，從居民生活消費(fèi)能源的界定和估算方式的選擇2 方面入手，分析各種估算方法的優(yōu)缺點(diǎn)，為我國(guó)合理準(zhǔn)確的估算居民生活消費(fèi)碳排放提供參考借鑒。
前人研究碳排放問題存在三個(gè)問題：（1）研究多以定性研究為主，指標(biāo)量化不完全，不能給人以直觀清晰的結(jié)果；（2）研究中個(gè)人主觀臆斷問題嚴(yán)重，對(duì)于各指標(biāo)權(quán)重的決定不夠科學(xué)合理。（3）在進(jìn)行聚類分析中，考慮的指標(biāo)過(guò)少，內(nèi)容略顯單薄，分析不具體不全面。本文在數(shù)據(jù)來(lái)源規(guī)范的情況下，從人均收入、人均支出、人均碳排放、能源強(qiáng)度、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)等方面內(nèi)容著手，運(yùn)用聚類分析，更為全面地研究我國(guó)各省域的碳排放狀況。
二、各省份碳排放樣本和指標(biāo)體系的建立
（一）評(píng)價(jià)指標(biāo)的選取
（1）科學(xué)系統(tǒng)性，指標(biāo)要能夠全面的反映低碳的發(fā)展?fàn)顩r，數(shù)據(jù)處理要科學(xué)，目標(biāo)設(shè)定要合理。（2）實(shí)用可操作性，評(píng)價(jià)指標(biāo)的選取主要是為低碳的發(fā)展研究服務(wù)的，所以它必須能夠可以量化、準(zhǔn)確獲得并能夠清晰的表明低碳的發(fā)展?fàn)顩r。（3）客觀獨(dú)立性，指標(biāo)數(shù)據(jù)的得來(lái)是不以人的意志為轉(zhuǎn)移的，它是客觀存在的，同時(shí)指標(biāo)之間是相互獨(dú)立的，避免人為的擴(kuò)大或者縮小研究?jī)?nèi)容的重要性。
（二）評(píng)價(jià)指標(biāo)體系的建立
影響我國(guó)各省域碳排放包括人均收入、人均支出、人均碳排放、能源強(qiáng)度、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)等方面，遵循以上的指標(biāo)選取原則，本文特選取這6個(gè)方面為指標(biāo)，具體如表1。
（三）樣本數(shù)據(jù)的來(lái)源與特別說(shuō)明
樣本數(shù)據(jù)全部來(lái)自2001年―2012年的《中國(guó)統(tǒng)計(jì)年鑒》。
選取2011年我國(guó)內(nèi)地30 個(gè)省市自治區(qū)的人均收入、人均支出、人均碳排放、能源強(qiáng)度、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)作為指標(biāo)來(lái)進(jìn)行聚類分析。指標(biāo)中的人均收入、人均支出、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、人口數(shù)據(jù)以及人均碳排放直接來(lái)源于2001年―2012年的《中國(guó)統(tǒng)計(jì)年鑒》。能源結(jié)構(gòu)用煤炭消費(fèi)占能源消費(fèi)的比例表示，產(chǎn)業(yè)結(jié)構(gòu)用第二產(chǎn)業(yè)占國(guó)民經(jīng)濟(jì)的比重來(lái)表示，能源強(qiáng)度是用能源消費(fèi)除以GDP 算出來(lái)的，能源消費(fèi)和GDP 的數(shù)據(jù)也來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》。聚類分析中如果參與聚類的變量的量綱不同會(huì)導(dǎo)致錯(cuò)誤的聚類結(jié)果。例如在本文分析中，能源結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)都是用百分比表示的，因而絕對(duì)值都不會(huì)超過(guò)1，而人均收入和人均支出的單位是元，具體數(shù)值在幾千到幾萬(wàn)不等，如果不對(duì)數(shù)據(jù)進(jìn)行無(wú)量綱化，那么在最終的聚類結(jié)果中，由于產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)的數(shù)值絕對(duì)值太小，就會(huì)完全起不了作用。因此在進(jìn)行聚類分析之前必須對(duì)變量值進(jìn)行標(biāo)準(zhǔn)正態(tài)化，消除量綱的影響。
三、對(duì)我國(guó)碳排放的具體分析
（一）聚類分析
聚類分析指將物理或抽象對(duì)象的集合分組成為由類似的對(duì)象組成的多個(gè)類的分析過(guò)程。聚類分析的目標(biāo)就是在相似的基礎(chǔ)上收集數(shù)據(jù)來(lái)分類。聚類分析是一種很常見的數(shù)據(jù)挖掘技術(shù)，它的主要作用是用于揭示數(shù)據(jù)庫(kù)中未知的對(duì)象類。簡(jiǎn)單地說(shuō)，就是對(duì)大量的數(shù)據(jù)進(jìn)行分類，使得同一類別的數(shù)據(jù)之間的相似度盡可能大、相異度盡可能小，而不同類別之間的數(shù)據(jù)的相似度要盡可能小、相異度盡可能大。聚類分析的本質(zhì)特征就是按照事物的所有特征來(lái)構(gòu)建組，每組的成員應(yīng)該顯示出盡可能類似的結(jié)構(gòu)。聚類分析來(lái)的目的是為了在眾多對(duì)象中確定對(duì)象的同質(zhì)性。
（二）實(shí)證分析過(guò)程
標(biāo)準(zhǔn)正態(tài)化 由于各項(xiàng)數(shù)據(jù)指標(biāo)統(tǒng)計(jì)時(shí)采取的測(cè)量單位不同，不可能直接運(yùn)用因子分析法，故在分析前要對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理（均值為0，方差為1），消除量綱帶來(lái)的干擾。用Xi（i=1，2…9）表示標(biāo)準(zhǔn)化后的指標(biāo)數(shù)據(jù)。四、總結(jié)
通過(guò)聚類分析，按照和低碳經(jīng)濟(jì)相關(guān)的6 個(gè)因素――人均收入、人均支出、人均碳排放、能源強(qiáng)度、能源結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)，可將中國(guó)內(nèi)地（除外）分為五個(gè)區(qū)域。
第一個(gè)區(qū)域?yàn)楸本┖蜕虾?。該區(qū)域是中國(guó)最發(fā)達(dá)的地區(qū)，經(jīng)過(guò)這么多年的產(chǎn)業(yè)結(jié)構(gòu)調(diào)整和升級(jí)，該地區(qū)已經(jīng)形成以現(xiàn)代服務(wù)業(yè)為主的產(chǎn)業(yè)結(jié)構(gòu)模式。這些地區(qū)人均收入和生活水平較高，促使該地區(qū)碳排放增長(zhǎng)的主要?jiǎng)恿κ浅鞘芯用裣M(fèi)方式的轉(zhuǎn)變。該類地區(qū)實(shí)施低碳發(fā)展模式的重點(diǎn)在于轉(zhuǎn)變傳統(tǒng)工業(yè)文明的消費(fèi)觀念，倡導(dǎo)低碳消費(fèi)方式。具體的舉措有：大力推廣建筑節(jié)能，鼓勵(lì)使用節(jié)能電器，降低單位產(chǎn)品生產(chǎn)和使用的能耗，提倡公交、步行以及騎自行車等綠色出行方式。
第二類區(qū)域是廣東、天津、浙江、福建、江蘇，這些地區(qū)的主要特點(diǎn)是能源結(jié)構(gòu)中煤炭的比例非常低，而石油、天然氣和電力等比重較大；產(chǎn)業(yè)結(jié)構(gòu)中工業(yè)比重不大，人均排放量少。廣東省一直都是中國(guó)改革開放的前沿陣地，經(jīng)過(guò)這么多年的發(fā)展，產(chǎn)業(yè)逐漸轉(zhuǎn)型升級(jí)，逐漸從以前的資源、勞動(dòng)密集型向技術(shù)、智力密集型轉(zhuǎn)換。
第三類有陜西、甘肅、青海，這些地區(qū)位于我國(guó)的西北地區(qū)，經(jīng)濟(jì)相對(duì)落后，產(chǎn)業(yè)結(jié)構(gòu)工業(yè)比重非常小，人口密度相對(duì)較小，所以人均碳排放也比較少。
第四類有吉林、黑龍江、新疆、湖南、湖北、重慶、安徽、江西、河南、廣西、四川、云南、海南 14個(gè)省區(qū)，它囊括了中國(guó)絕大多數(shù)省區(qū)。這些地區(qū)人均收入比較低，正在承接?xùn)|部發(fā)達(dá)地區(qū)的產(chǎn)業(yè)轉(zhuǎn)移，第二產(chǎn)業(yè)的比重在將來(lái)還會(huì)逐漸增加，工業(yè)耗能和工業(yè)碳排放也將會(huì)有較大的增長(zhǎng)，這類省區(qū)應(yīng)通過(guò)技術(shù)進(jìn)步來(lái)調(diào)整產(chǎn)值的能源強(qiáng)度，充分發(fā)揮科學(xué)技術(shù)在減排中的作用，同時(shí)注意調(diào)整優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，轉(zhuǎn)變生產(chǎn)模式，注重可再生能源的開發(fā)和利用，不能重走發(fā)達(dá)地區(qū)先污染再治理的老路。海南作為一個(gè)旅游強(qiáng)省和生態(tài)農(nóng)業(yè)大省，工業(yè)經(jīng)濟(jì)比重在全國(guó)是最小的省份之一。
第五類有內(nèi)蒙古、寧夏、遼寧、山東、河北、山西、貴州。這些省份是我國(guó)煤炭資源的主要產(chǎn)地，煤炭在能源結(jié)構(gòu)中的比重非常大，同時(shí)工業(yè)在該地區(qū)產(chǎn)業(yè)結(jié)構(gòu)中比重非常高，導(dǎo)致這些省份的能源強(qiáng)度非常高。這些地區(qū)也是我國(guó)減排壓力最大的地區(qū)，在低碳減排方面最關(guān)鍵的是要努力提升煤炭資源的利用效率、降低能源強(qiáng)度、加大科技投入力度、使資源得到充分利用。通過(guò)以上聚類分析可以看出，中國(guó)省域間的差異很大，這種差異必然要求采取不同的減排政策和措施。
參考文獻(xiàn)：
[1]克勞斯?巴克豪斯，本德?埃里克森，伍爾夫?普林克等.多元統(tǒng)計(jì)分析方法―――用SPSS 工具[M].上海：格致出版社、上海人民出版社，2009.
[2]張彬，姚娜，劉學(xué)敏.基于模糊聚類的中國(guó)分省碳排放初步研究[J].中國(guó)人口資源與環(huán)境，2011（1）.
[3]Johan Albrecht，Delphine Francois，Koen Schoors. A shapleydecomposition of carbon emissions without residuals [J]. EnergyPolicy，2002（30）.
第3篇：碳排放的影響因素范文
關(guān)鍵詞：黑龍江省；農(nóng)業(yè)碳排放；脫鉤理論；LMDI模型
中圖分類號(hào)：F320 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-291X（2013）26-0058-03
全球持續(xù)變暖成為制約經(jīng)濟(jì)社會(huì)可持續(xù)發(fā)展的重要因素，20世紀(jì)世界平均氣溫上升了0.72℃，而目前全球的經(jīng)濟(jì)社會(huì)發(fā)展方式若不發(fā)生調(diào)整，21世紀(jì)世界平均氣溫將會(huì)上升1.78―4℃[1-2]。農(nóng)業(yè)作為基礎(chǔ)產(chǎn)業(yè)，不斷走向現(xiàn)代化、化學(xué)化和機(jī)械化，大量化肥、農(nóng)藥等農(nóng)業(yè)化學(xué)物資和農(nóng)業(yè)柴油等的使用造成農(nóng)業(yè)源的碳排放持續(xù)增加。IPCC（2007）報(bào)告顯示，農(nóng)業(yè)是人為溫室氣體第二大排放源，占人為溫室氣體排放的13.5%。FAO指出，農(nóng)業(yè)CH4的排放占人為CH4排放總量的47%，農(nóng)業(yè)N2O排放占到人為排放的58%。我國(guó)耕地少、人口多造成我國(guó)農(nóng)業(yè)生產(chǎn)嚴(yán)重依賴化肥等化學(xué)農(nóng)業(yè)生產(chǎn)資料，農(nóng)業(yè)源溫室氣體排放占全國(guó)人為排放量的17%，其中，CH4（動(dòng)物反芻、動(dòng)物糞便和稻田）、N2O（動(dòng)物糞便和農(nóng)田）和CO2（放牧、秸稈燃燒、化肥和農(nóng)藥等）的排放當(dāng)量分別為4.2億噸、3.0億噸和2.3億噸CO2當(dāng)量[3]。黑龍江省作為重要的商品糧基地為保障國(guó)家糧食安全做出了重要貢獻(xiàn)，但是由于化肥、農(nóng)藥等的過(guò)度使用土地的不合理耕作和黑土流失，在造成農(nóng)業(yè)面源污染日趨嚴(yán)峻的同時(shí)，還農(nóng)業(yè)源的碳排放持續(xù)增加。本文運(yùn)用脫鉤理論，量化分析黑龍江省糧食產(chǎn)量和農(nóng)業(yè)碳排放之間的關(guān)系，并計(jì)量其影響因素和實(shí)現(xiàn)方式，以期對(duì)黑龍江省控制農(nóng)業(yè)源碳排放，實(shí)現(xiàn)農(nóng)業(yè)低碳化、可持續(xù)發(fā)展，進(jìn)而推動(dòng)區(qū)域整體經(jīng)濟(jì)的低碳化發(fā)展提供政策參考。
一、研究方法與理論
（一）農(nóng)業(yè)碳排放的測(cè)算方法
結(jié)合前人研究成果并結(jié)合黑龍江省實(shí)際，黑龍江省農(nóng)業(yè)碳排放主要為種植業(yè)生產(chǎn)過(guò)程中所引起的碳排放。本文選取了化肥施用量、農(nóng)藥使用量、農(nóng)用薄膜和農(nóng)用柴油消耗量、農(nóng)業(yè)灌溉面積作為測(cè)算黑龍江省農(nóng)業(yè)碳排放的主要碳源，其計(jì)算公式為：
式中，CE為農(nóng)業(yè)總碳排放量，CEi為第類農(nóng)業(yè)碳源的碳排放量，Ni為第類農(nóng)業(yè)碳源量，δi為第類農(nóng)業(yè)碳源的碳排放系數(shù)，化肥的碳排放系數(shù)為0.895 6t/t [4]，農(nóng)膜的碳排放系數(shù)為5.18t/t，農(nóng)藥的碳排放系數(shù)為4.934 1t/t，農(nóng)業(yè)灌溉的碳排放系數(shù)為20.476kg/hm2[2]。
（二）脫鉤理論
工業(yè)革命以來(lái)，經(jīng)濟(jì)增長(zhǎng)尤其是工業(yè)發(fā)展帶來(lái)了嚴(yán)峻的環(huán)境問題，使得經(jīng)濟(jì)增長(zhǎng)與環(huán)境狀況之間的關(guān)系成為學(xué)術(shù)界重要的研究課題。Kuznets S（1955）認(rèn)為經(jīng)濟(jì)發(fā)展和環(huán)境質(zhì)量之間呈現(xiàn)“倒U型曲線”，即隨著經(jīng)濟(jì)的發(fā)展環(huán)境質(zhì)量將會(huì)下降，但是發(fā)展到一定階段后環(huán)境質(zhì)量就會(huì)逐漸提升[5]。OECD（2002）提出了脫鉤理論，用脫鉤指數(shù)來(lái)衡量經(jīng)濟(jì)發(fā)展的水平，以期打斷經(jīng)濟(jì)發(fā)展與環(huán)境質(zhì)量下降之間的耦合關(guān)系[6]。Tapio（2005）在脫鉤理論的基礎(chǔ)上提出彈性脫鉤理論，構(gòu)建經(jīng)濟(jì)發(fā)展與環(huán)境質(zhì)量的關(guān)系鏈，并將脫鉤指標(biāo)細(xì)化，在克服OECD脫鉤理論的誤差大等缺陷的同時(shí)，使得脫鉤理論更具可操作性[7]。國(guó)內(nèi)相關(guān)專家和學(xué)者在OECD脫鉤理論和彈性脫鉤理論的基礎(chǔ)上分析了國(guó)內(nèi)各個(gè)產(chǎn)業(yè)和區(qū)域經(jīng)濟(jì)的脫鉤狀況。Tapio的彈性脫鉤指標(biāo)根據(jù)彈性值t細(xì)化為8個(gè)指標(biāo)，即擴(kuò)張負(fù)脫鉤、強(qiáng)負(fù)脫鉤、弱負(fù)脫鉤、強(qiáng)脫鉤、弱脫鉤、衰退脫鉤、增長(zhǎng)連結(jié)和衰退連結(jié)[8]。
其中彈性值（t）的具體算法為：
（三）農(nóng)業(yè)CO2排放的LMDI分解法
為了探尋黑龍江省農(nóng)業(yè)CO2排放的影響因素，本文利用對(duì)數(shù)平均權(quán)重Divisia指數(shù)法（LMDI）從經(jīng)濟(jì)發(fā)展水平、產(chǎn)出效率和勞動(dòng)力等因素量化分解影響黑龍江省農(nóng)業(yè)碳排放的相關(guān)因素[9]。結(jié)合前人研究成果，本文對(duì)黑龍江省農(nóng)業(yè)碳排放進(jìn)行如下分解：
式中，C表示農(nóng)業(yè)源碳排放量，本文采用農(nóng)業(yè)CO2排放，Ci表示第i類碳源的碳排放量，GOT表示糧食產(chǎn)量，MPi表示第類碳源的消耗量，SG表示農(nóng)業(yè)播種面積，P為農(nóng)業(yè)勞動(dòng)力數(shù)量。SCi=Ci/GOT表示第i類碳源的糧食產(chǎn)量碳排放強(qiáng)度，EMi=GOT/MPi表示生產(chǎn)效率，SMi=MPi/SG表示單位面積第類碳源的使用強(qiáng)度，SP=SG/P表示農(nóng)業(yè)生產(chǎn)規(guī)模，P表示農(nóng)業(yè)勞動(dòng)力投入量。
鑒于LMDI的“和分解”和“乘積分解”最終結(jié)果的一致性[2]，本文在計(jì)算過(guò)程中采用“和分解”，即分部門的效應(yīng)的加和等于總體的效應(yīng)[10]，分部門的效應(yīng)分別為農(nóng)業(yè)碳排放強(qiáng)度、生產(chǎn)效率、投入強(qiáng)度、生產(chǎn)規(guī)模和勞動(dòng)力五個(gè)部分，其表達(dá)式為：
二、數(shù)據(jù)來(lái)源與碳排放測(cè)算結(jié)果
（一）數(shù)據(jù)來(lái)源
本文使用的數(shù)據(jù)包括黑龍江省農(nóng)業(yè)生產(chǎn)資料消耗、糧食產(chǎn)量和播種面積的相關(guān)數(shù)據(jù)，具體的數(shù)據(jù)來(lái)自于《黑龍江省統(tǒng)計(jì)年鑒2012》。農(nóng)業(yè)生產(chǎn)資料消耗的數(shù)據(jù)主要包括黑龍江省1993―2011年的化肥、農(nóng)藥、農(nóng)用柴油、農(nóng)用薄膜和農(nóng)田灌溉面積相關(guān)數(shù)據(jù)。
（二）碳排放測(cè)算結(jié)果
本文運(yùn)用式（1），根據(jù)前文（一）的數(shù)據(jù)測(cè)算了黑龍江省1993―2011年的農(nóng)業(yè)各類碳源的CO2排放量。具體數(shù)據(jù)見圖1。
參考文獻(xiàn)：
[1] Jeff S，Holly H.Agriculture，Climate Change and Carbon Sequestration[J/OL].http：//attran.cat .org：2009.
[2] 李俊杰.民族地區(qū)農(nóng)地利用碳排放測(cè)算及影響因素研究[J].中國(guó)人口?資源與環(huán)境，2012，（22）：42-44.
[3] 胡啟山.低碳農(nóng)業(yè)任重而道遠(yuǎn)[J].農(nóng)藥市場(chǎng)信息，2010，（2）.
[4] West T O，Marland G.A Synthesis of Carbon Sequestration，Carbone Missions，and Net Carbon Flux in Agriculture：Comparing Tillage Practices in the United States[J].Agriculture Ecosystems and Environment，2002，（9）：117-232.
[5] Kuznets S.Economic Growth and Income Equality[J].American Economic Review，1955，45（1）：1-28.
[6] OECD.Indicators to measure decoupling of environmental pressure from economic growth.[R].paris.OECD.2002.
[7] Tapio P.Towards a Theory of Decoupling：Degrees of Decoupling in the EU and the Case of Road Traffic in Finland between 1970 and 2001[J].Journal of Transport Policy，2005，（12）.
[8] 肖宏偉，易丹輝，周明勇.中國(guó)區(qū)域碳排放與經(jīng)濟(jì)增長(zhǎng)脫鉤關(guān)系研究[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011，34（11）.
第4篇：碳排放的影響因素范文
[關(guān)鍵詞]物流業(yè)；碳排放；影響因素
[DOI]10.13939/ki.zgsc.2017.15.239
1 引 言
近年來(lái)，河北物流業(yè)企業(yè)數(shù)量不斷增加，規(guī)模不斷擴(kuò)大，服務(wù)水平不斷提升。物流業(yè)的快速發(fā)展緣于河北省經(jīng)濟(jì)的迅猛發(fā)展，兩者之間互相促進(jìn)。然而，河北省物流業(yè)發(fā)展較為粗放，2014年前三季度社會(huì)物流總費(fèi)用為4.136億元，同比增長(zhǎng)3.41%；社會(huì)物流總費(fèi)用占GDP的比重為19.05%，物流成本明顯偏高?！逗颖笔‖F(xiàn)代物流業(yè)“十二五”發(fā)展規(guī)劃》明確提出，要著眼發(fā)展低碳經(jīng)濟(jì)，以降低物流業(yè)資源消耗為重點(diǎn)，構(gòu)建節(jié)能高效、綠色環(huán)保的現(xiàn)代物流服務(wù)體系。到2015年，物流業(yè)碳排放量有所下降，初步建立起節(jié)能高效的物流運(yùn)作模式，但物流業(yè)相關(guān)行業(yè)能耗依然巨大。[1]本文對(duì)河北省物流業(yè)碳排放量進(jìn)行測(cè)算，并對(duì)其影響因素進(jìn)行分析，為河北省相關(guān)部門制定物流業(yè)節(jié)能減排政策提供理論支持，同時(shí)為河北省物流企業(yè)的低碳化發(fā)展決策提供依據(jù)。
2 河北省物流業(yè)能源消費(fèi)分析
物流業(yè)是一個(gè)復(fù)合型的產(chǎn)業(yè)，其作為一個(gè)生產(chǎn)業(yè)，由于其跨行業(yè)、跨部門、跨區(qū)域和滲透性強(qiáng)等特點(diǎn)。目前，國(guó)家尚未建立成熟、統(tǒng)一的指標(biāo)體系和統(tǒng)計(jì)核算方法。根據(jù)河北省統(tǒng)計(jì)普查中心的統(tǒng)計(jì)方法，交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)可用于代表物流業(yè)[2]，本文利用河北省交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)能源消耗數(shù)據(jù)進(jìn)行相關(guān)分析與計(jì)算。表1給出河北省物流業(yè)2005―2014年的能源消費(fèi)量及比重。
由表1可以看出，2005―2014年，河北省物流業(yè)能源消耗總量整體上具有波動(dòng)性上升的變化特征，除2008年、2009年和2014年外，河北省其余8年的能源消費(fèi)總量均有所增長(zhǎng)，2013年河北省能源消耗總量達(dá)到811.76萬(wàn)噸標(biāo)準(zhǔn)煤，為2005年能源消耗量的1.37倍。三種能源中，石油的消耗量一直最大，煤炭的消耗量次之，電力的消耗量最小，其中，石油的消耗量總體呈上升趨勢(shì)，從2005年的544.85萬(wàn)噸標(biāo)準(zhǔn)煤增長(zhǎng)至2014年的705.77萬(wàn)噸標(biāo)準(zhǔn)煤，增長(zhǎng)了160.92萬(wàn)噸標(biāo)準(zhǔn)煤，比重由92.12%增加到95.58%；煤炭的消耗量總體上處于下降趨勢(shì)，從2005年的42.19萬(wàn)噸標(biāo)準(zhǔn)煤減少到2014年的21.92萬(wàn)噸標(biāo)準(zhǔn)煤，減少近一半，比重由7.13%降低到2.97%；電力消耗量比重雖然最低，但一直處于穩(wěn)定上升趨勢(shì)，從2005年的4.39萬(wàn)噸標(biāo)準(zhǔn)煤增長(zhǎng)到2014年的10.68萬(wàn)噸標(biāo)準(zhǔn)煤，實(shí)現(xiàn)了2.43倍的增長(zhǎng)，比重由0.74%上升到1.45%。
3 河北省物流業(yè)碳排放測(cè)算
目前，我國(guó)還沒有建立統(tǒng)一完善的碳排放監(jiān)測(cè)體系，直接的碳排放量的監(jiān)測(cè)數(shù)據(jù)還有待測(cè)算體系的形成。而根據(jù)政府間氣候變化專門委員會(huì)（IPCC）的評(píng)估報(bào)告，碳排放量主要來(lái)源于化石燃料的燃燒。因此，國(guó)內(nèi)外的碳排放量測(cè)算都是由能源消耗量估算而來(lái)[3]，估算公式為：
由表2可以看出，2005―2014年，河北省物流業(yè)的碳排放總量與能源消費(fèi)總量變化趨勢(shì)相似，呈現(xiàn)波動(dòng)性增長(zhǎng)趨勢(shì)，除2008年、2009年和2014年外，其余8年的碳排放總量均有所增長(zhǎng)；分階段來(lái)看，碳排放總量在2008―2010年增長(zhǎng)較快，2007―2009年略有下降，2013―2014年下降比較明顯，其他時(shí)期處于略有增長(zhǎng)狀態(tài)。三種能源中，石油的碳排放量最大，占碳排放總量的90%以上；煤炭的碳排放量次之，碳排放比重由2005年的9.20%減少到2014年的3.87%；電力的碳排放量最少，呈現(xiàn)逐年增長(zhǎng)趨勢(shì)，2014年其碳排放比重增長(zhǎng)到1.74%。
4 河北省物流業(yè)碳排放影響因素分析
4.1 直接影響因素
由物流業(yè)能源消耗碳排放的形成與計(jì)算過(guò)程可知，河北省物流業(yè)碳排放量的直接影響因素是物流業(yè)各類能源的消耗量及比重。由表1可以看出，河北省物流業(yè)能源消耗量最大的是石油，且石油的碳折算系數(shù)較高，所以碳排放最高的是石油。在油類能源消耗中，河北省物流業(yè)對(duì)柴油消耗量所占比重最大，另外是汽油，它們的消耗主要來(lái)自物流運(yùn)輸活動(dòng)。此外，河北省物流業(yè)需求增長(zhǎng)和運(yùn)輸方式不均衡是導(dǎo)致碳排放大的原因。[4]物流需求的增長(zhǎng)能夠推動(dòng)碳排放量的增長(zhǎng)，河北省的貨物周轉(zhuǎn)量從2005年的4750.64億噸公里增長(zhǎng)到2014年的12968.8億噸公里，增長(zhǎng)了近3倍。貨物周轉(zhuǎn)量的上升勢(shì)必會(huì)帶動(dòng)物流業(yè)運(yùn)輸里程與能源消耗的增加，從而提高了物流業(yè)的碳排放量，運(yùn)輸方式的不均衡也會(huì)影響到物流業(yè)的碳排放量。多年來(lái)，河北省物流業(yè)一直以公路運(yùn)輸為主，相比鐵路運(yùn)輸、水運(yùn)運(yùn)輸，公路運(yùn)輸具有單位里程碳排放大、能源消耗多等特點(diǎn)，進(jìn)一步促進(jìn)了河北省物流業(yè)碳排放量的增長(zhǎng)。
4.2 間接影響因素
物流業(yè)是服務(wù)業(yè)，屬于第三產(chǎn)業(yè)，服務(wù)于人們生產(chǎn)、生活的需要，生產(chǎn)規(guī)模的擴(kuò)大、生活水平的提高都會(huì)增大物流服務(wù)的需求量，三次產(chǎn)業(yè)結(jié)構(gòu)差異導(dǎo)致物流服務(wù)需求量和服務(wù)結(jié)構(gòu)上的差異。比如，第一產(chǎn)業(yè)和第二產(chǎn)I對(duì)物流服務(wù)中的干線運(yùn)輸與倉(cāng)儲(chǔ)需求量大，而零售業(yè)對(duì)配送和末端運(yùn)輸服務(wù)需求量大，這些結(jié)構(gòu)上的差異都會(huì)影響物流業(yè)的碳排放量。另外，人口的增長(zhǎng)可以引起能源及各種資源的消耗，從而導(dǎo)致碳排放的增加。河北省人口的增長(zhǎng)推動(dòng)了物流行業(yè)的發(fā)展，增加了對(duì)物流的需求，促使物流業(yè)的碳排放量增加。
5 結(jié) 論
本文測(cè)算了河北省物流業(yè)的碳排放量，并分析了影響河北省物流業(yè)碳排放的因素。結(jié)果表明，河北省物流業(yè)的碳排放量與能源消費(fèi)量的變化趨勢(shì)相似，具有波動(dòng)性增長(zhǎng)特征，其中，石油的碳排放量最大，煤炭的碳排放量次之，電力的碳排放量最少；直接因素與間接因素共同影響著河北省物流業(yè)的碳排放量。
參考文獻(xiàn)：
[1]趙松嶺.河北省物流業(yè)節(jié)能減排對(duì)策研究[J].合作經(jīng)濟(jì)與科技，2015（5）.
[2]劉楠.城市物流業(yè)碳排放測(cè)算及影響因素分析――以天津市為例[D].西安：長(zhǎng)安大學(xué)，2013.
第5篇：碳排放的影響因素范文
［關(guān)鍵詞］城市化；二氧化碳排放；協(xié)整分析；Kaya恒等式
［中圖分類號(hào)］F293?。畚墨I(xiàn)標(biāo)識(shí)碼］A?。畚恼戮幪?hào)］1671-8372（2012）04-0012-04
一、引言
城市化作為一種全球性的經(jīng)濟(jì)社會(huì)現(xiàn)象，主要發(fā)生在工業(yè)革命以后。伴隨著世界城市化的快速發(fā)展，城市人口急劇膨脹，城市規(guī)?？焖贁U(kuò)張，能源消費(fèi)迅猛增加，工業(yè)污染迅速蔓延，生態(tài)環(huán)境問題日益嚴(yán)重。在全球十大環(huán)境問題中，氣候變暖居首位，而全球氣候變化主要是由于溫室氣體排放量的不斷增加，尤其以二氧化碳排放的增加為主。近200年來(lái)，世界城市化水平和二氧化碳排放量保持同步上升，目前二者均有加速的趨勢(shì)。產(chǎn)業(yè)革命以來(lái)，世界城市化水平在5%左右，大氣中二氧化碳濃度在280ppm左右（ppm是氣體濃度單位，表示百萬(wàn)分之一），到了2007年，世界城市化水平達(dá)到了50%，二氧化碳濃度值上升到了383ppm，而其危險(xiǎn)臨界值為385 ppm，全球平均地表溫度也比工業(yè)革命時(shí)期升高了0.74℃［1］。
我國(guó)城市化進(jìn)程快速發(fā)展的同時(shí)帶動(dòng)了以化石燃料為主的能源消耗迅猛增長(zhǎng)，使得二氧化碳等環(huán)境污染物的排放量逐年增加。根據(jù)國(guó)際能源署（IEA）公布的統(tǒng)計(jì)數(shù)據(jù)顯示，2007年我國(guó)化石能源消費(fèi)產(chǎn)生的二氧化碳排放已經(jīng)超過(guò)美國(guó)，成為目前世界上二氧化碳排放總量最大的國(guó)家［2］。然而伴隨著我國(guó)城市化、工業(yè)化發(fā)展的不斷快速推進(jìn)，以煤為主的能源消費(fèi)量還將不斷增加，由此產(chǎn)生的二氧化碳排放量也會(huì)進(jìn)一步上升，這意味著，我國(guó)碳減排面臨的國(guó)際壓力將會(huì)日益增加。
隨著全球氣候變暖問題的日益嚴(yán)峻，越來(lái)越多的研究開始關(guān)注如何在城市化進(jìn)程中緩解溫室氣體排放問題。徐國(guó)泉等運(yùn)用LMDI分解法對(duì)中國(guó)碳排放進(jìn)行了因素分解研究，定量分析了經(jīng)濟(jì)發(fā)展和能源強(qiáng)度對(duì)我國(guó)碳排放的影響，指出經(jīng)濟(jì)發(fā)展拉動(dòng)我國(guó)碳排放呈指數(shù)增長(zhǎng)，而能源強(qiáng)度的貢獻(xiàn)率則表現(xiàn)為倒“U”形［3］。王鋒對(duì)1995-2007年中國(guó)碳排放量增長(zhǎng)的驅(qū)動(dòng)因素進(jìn)行了研究，認(rèn)為人均GDP增長(zhǎng)是二氧化碳排放量增加的最大驅(qū)動(dòng)因素［5］。何吉多關(guān)于1978-2008年中國(guó)城市化與碳排放關(guān)系的協(xié)整分析表明，我國(guó)碳排放量與城市化水平之間存在長(zhǎng)期動(dòng)態(tài)均衡關(guān)系，且這種長(zhǎng)期均衡關(guān)系對(duì)當(dāng)前碳排放偏離均衡水平的調(diào)整力度較大［5］。日本學(xué)者Yoichi Kaya于IPCC的一次研討會(huì)上提出Kaya恒等式，指出人類活動(dòng)產(chǎn)生的溫室氣體排放與經(jīng)濟(jì)發(fā)展、人口等因素存在聯(lián)系［6］。Duro和Padilla認(rèn)為Kaya因素中引起不同國(guó)家碳排放差異的重要因素為人均收入、能源消費(fèi)碳強(qiáng)度和能源強(qiáng)度［7］。林伯強(qiáng)等通過(guò)對(duì)Kaya恒等式的分解，認(rèn)為1978-2008年對(duì)中國(guó)碳排放影響較為顯著的因素包括經(jīng)濟(jì)發(fā)展、能源強(qiáng)度、能源消費(fèi)碳強(qiáng)度和城市化水平［8］。
人類活動(dòng)與溫室氣體排放之間的關(guān)系已經(jīng)成為國(guó)際熱點(diǎn)之一，研究二者之間的關(guān)系有著重要的現(xiàn)實(shí)意義。山東省作為我國(guó)的人口、經(jīng)濟(jì)大省，一直是高能耗、高碳排放區(qū)，魏一鳴指出，2005年山東省終端能源消費(fèi)產(chǎn)生的二氧化碳排放總量居全國(guó)首位［9］。同時(shí)，山東省城市化進(jìn)程快速推進(jìn)，2010年山東省城市化水平為40.04%，正處于諾瑟姆曲線劃分的城市化發(fā)展階段中的中期加速發(fā)展階段［10］。雖然山東省城市化發(fā)展已取得了可喜的成績(jī)，但與我國(guó)49.95%的城市化水平相比還是相差較遠(yuǎn)。研究山東省城市化進(jìn)程中的碳排放，不僅對(duì)于把握山東省碳減排政策、城市化發(fā)展戰(zhàn)略、保持經(jīng)濟(jì)持續(xù)快速發(fā)展具有現(xiàn)實(shí)意義，而且對(duì)于更好地理解我國(guó)的整體狀況也有重要意義。基于此，本文運(yùn)用協(xié)整分析方法借助VECM模型對(duì)山東省城市化水平和二氧化碳排放量之間的長(zhǎng)短期關(guān)系進(jìn)行實(shí)證分析，并利用Kaya恒等式對(duì)山東省城市化進(jìn)程中的碳排放影響因素進(jìn)行分解分析，最后提出相應(yīng)的政策建議。
二、山東省城市化與碳排放關(guān)系的協(xié)整分析
2．變量的平穩(wěn)性檢驗(yàn)
四、結(jié)論及政策建議
本文運(yùn)用協(xié)整分析方法借助VECM模型對(duì)山東省城市化水平和二氧化碳排放量之間的長(zhǎng)短期關(guān)系進(jìn)行了實(shí)證分析，并利用Kaya恒等式對(duì)山東省城市化進(jìn)程中的碳排放影響因素進(jìn)行了分解分析，從而得出以下結(jié)論：
（1）山東省城市化水平和二氧化碳排放量之間的協(xié)整方程說(shuō)明，二者之間存在長(zhǎng)期均衡關(guān)系，長(zhǎng)期彈性系數(shù)為1.7120，即城市化水平每提高1%，碳排放量將同步增長(zhǎng)1.7120%，這說(shuō)明城市化是導(dǎo)致山東省碳排放量增長(zhǎng)的一個(gè)重要因素。
（2）由VECM模型可知，在短期內(nèi)，山東省碳排放量的波動(dòng)受到城市化水平和自身滯后量的影響，其中，滯后1期和2期的城市化水平對(duì)當(dāng)期碳排放量變動(dòng)的影響比較明顯，城市化水平提高將導(dǎo)致碳排放量的增加；滯后1期的碳排放量對(duì)當(dāng)期碳排放也有比較顯著的影響，然而滯后2期的碳排放量對(duì)當(dāng)期的碳排放有抑制作用，這是因?yàn)樘寂欧懦掷m(xù)快速增長(zhǎng)會(huì)促使政府采取碳減排措施。另外，短期誤差項(xiàng)的修正作用并不很強(qiáng)，模型的修正系數(shù)僅為-0.0576，表明在短期內(nèi)山東省碳排放量和城市化水平之間的長(zhǎng)期均衡關(guān)系對(duì)當(dāng)前碳排放量偏離均衡水平的調(diào)整力度不大，說(shuō)明山東省碳排放量的變動(dòng)除了受城市化水平影響之外，還受到其他因素的影響。
第6篇：碳排放的影響因素范文
關(guān)鍵詞：微電子；碳減排；影響因素；結(jié)構(gòu)方程
中圖分類號(hào)：F0621 文獻(xiàn)標(biāo)識(shí)碼：B
20世紀(jì)90年代以來(lái)，全球變暖在國(guó)際社會(huì)受到越來(lái)越多的重視。我國(guó)作為全球CO2第一大排放國(guó)，面臨的國(guó)際碳減排壓力越來(lái)越大。為此，國(guó)家在“十二五”規(guī)劃中提出2011-2015年單位國(guó)內(nèi)生產(chǎn)總值能源消耗降低16個(gè)百分點(diǎn)，單位國(guó)內(nèi)生產(chǎn)總值二氧化碳排放降低17個(gè)百分點(diǎn)；黨的十更是將生態(tài)文明建設(shè)同經(jīng)濟(jì)建設(shè)、政治建設(shè)、文化建設(shè)、社會(huì)建設(shè)一道，納入中國(guó)特色社會(huì)主義事業(yè)總體布局。
在政策層面上，中央及北京市政府對(duì)高碳產(chǎn)業(yè)制定了一系列的淘汰和控制發(fā)展的政策，對(duì)低碳且高附加值產(chǎn)業(yè)的企業(yè)則制定了一系列的鼓勵(lì)和扶持政策。如2011年1月28日頒發(fā)的《國(guó)務(wù)院關(guān)于鼓勵(lì)軟件和集成電路產(chǎn)業(yè)發(fā)展的通知》中規(guī)定，對(duì)微電子業(yè)在財(cái)稅、投融資、研究開發(fā)、進(jìn)出口、人才、知識(shí)產(chǎn)權(quán)以及市場(chǎng)方面給予鼓勵(lì)和支持。
微電子技術(shù)是以大規(guī)模集成電路為基礎(chǔ)發(fā)展起來(lái)的新技術(shù)領(lǐng)域，是指從晶體管開始的固體原件微型化電子的總稱，包括半導(dǎo)體材料及器件物理、集成電路及系統(tǒng)設(shè)計(jì)原理和技術(shù)、芯片加工工藝、功能和特性的測(cè)試技術(shù)等重要組成部分，其核心是集成電路技術(shù)。微電子制造業(yè)屬于低碳產(chǎn)業(yè)。在我國(guó)能源結(jié)構(gòu)中煤炭和石油仍占很大比例的情況下，能源消耗水平能夠反映碳排放的水平。根據(jù)我們對(duì)2012年《中國(guó)統(tǒng)計(jì)年鑒》中微電子制造業(yè)和制造業(yè)總體的能耗和產(chǎn)值的數(shù)據(jù)計(jì)算發(fā)現(xiàn)，2010年我國(guó)微電子制造業(yè)萬(wàn)元產(chǎn)值能耗僅為00459噸標(biāo)準(zhǔn)煤，而同時(shí)期制造業(yè)總體萬(wàn)元產(chǎn)值能耗卻高達(dá)03092噸標(biāo)準(zhǔn)煤。但這并不是說(shuō)碳減排與微電子制造業(yè)無(wú)關(guān)，美國(guó)、日本和加拿大的萬(wàn)元產(chǎn)值能耗在2007年就均已低于002噸標(biāo)煤[1]，說(shuō)明該產(chǎn)業(yè)仍存在碳減排空間。隨著微電子制造業(yè)的快速發(fā)展，其碳排放問題不容忽視。如何控制微電子制造企業(yè)的碳排放，首先需要確定影響企業(yè)實(shí)施碳減排的因素。為此，本文以北京市微電子制造企業(yè)為例，分析影響企業(yè)實(shí)施碳減排的主要因素，以期為相關(guān)決策提供有價(jià)值的參考。
一、文獻(xiàn)綜述與研究假設(shè)
（一）文獻(xiàn)回顧
在Web of Science文摘數(shù)據(jù)庫(kù)中通過(guò)檢索關(guān)鍵詞“carbon emission & influence factor”，發(fā)現(xiàn)2005年至今的相關(guān)文獻(xiàn)924篇，其中制造業(yè)60篇。在CNKI數(shù)據(jù)庫(kù)中通過(guò)檢索“碳排放”和“影響因素”兩個(gè)關(guān)鍵詞，發(fā)現(xiàn)2008年至今的相關(guān)文獻(xiàn)426篇，其中制造業(yè)14篇。通過(guò)對(duì)文獻(xiàn)的閱讀和梳理，我們發(fā)現(xiàn)研究者普遍認(rèn)為政府因素、市場(chǎng)因素、技術(shù)因素和結(jié)構(gòu)因素是企業(yè)層面的碳減排影響因素。
第一，政府因素與企業(yè)實(shí)施碳減排的關(guān)系。Matthew（2005）通過(guò)對(duì)英國(guó)制造業(yè)碳排放情況的分析發(fā)現(xiàn)，法律法規(guī)對(duì)碳排放起到抑制作用[2]；Qinghua Zhu、James Cordeiro和Joseph Sarkis（2013）對(duì)蘇州、大連和天津的377家制造企業(yè)的研究發(fā)現(xiàn)，制度壓力是發(fā)展中國(guó)家制造企業(yè)實(shí)施環(huán)境管理的驅(qū)動(dòng)力[3]。
第二，市場(chǎng)因素與企業(yè)實(shí)施碳減排的關(guān)系。Bansal和Roth（2000）認(rèn)為企業(yè)環(huán)境管理態(tài)度和環(huán)境管理行為受市場(chǎng)機(jī)會(huì)的影響，是企業(yè)環(huán)境管理的外部動(dòng)因[4]；秦穎（2008）對(duì)大中型工業(yè)企業(yè)的調(diào)研分析發(fā)現(xiàn)，企業(yè)環(huán)境管理是規(guī)則因素、市場(chǎng)因素及企業(yè)自身屬性綜合作用的結(jié)果[5]。
第三，技術(shù)因素與企業(yè)實(shí)施碳減排的關(guān)系。Gavin（2005）分析了1970-1990年英國(guó)的14個(gè)制造業(yè)數(shù)據(jù)，將技術(shù)創(chuàng)新分為本國(guó)科技創(chuàng)新與國(guó)外技術(shù)引進(jìn)兩個(gè)指標(biāo)，發(fā)現(xiàn)二者均能抑制碳排放[6]。
第四，結(jié)構(gòu)因素與企業(yè)實(shí)施碳減排的關(guān)系。張傳平（2012）分析了人口、城鎮(zhèn)化水平、能源結(jié)構(gòu)、產(chǎn)業(yè)結(jié)構(gòu)、能源強(qiáng)度、經(jīng)濟(jì)發(fā)展水平（GDP）和能源價(jià)格對(duì)我國(guó)碳排放的影響，結(jié)果表明，能源結(jié)構(gòu)和產(chǎn)業(yè)結(jié)構(gòu)均對(duì)碳排放有影響，但產(chǎn)業(yè)結(jié)構(gòu)的影響在逐漸削弱[7]。
（二）研究假設(shè)
根據(jù)以上的分析，我們結(jié)合文獻(xiàn)研究和專家訪談，確定了政府因素、市場(chǎng)因素、結(jié)構(gòu)因素和技術(shù)因素作為北京微電子制造企業(yè)碳減排的四大影響因素，探討各影響因素之間的作用路徑。本研究提出了以下九個(gè)假設(shè)。
二、調(diào)研設(shè)計(jì)與研究結(jié)果
（一）問卷設(shè)計(jì)與變量測(cè)量
本研究采用問卷調(diào)查方法對(duì)北京微電子制造企業(yè)碳減排影響因素的理論模型進(jìn)行實(shí)證研究。根據(jù)文獻(xiàn)研究法和專家訪談法，對(duì)理論模型中的四大影響因素設(shè)計(jì)了27個(gè)度量指標(biāo)并由此組成了調(diào)查問卷，具體變量所對(duì)應(yīng)的度量指標(biāo)詳見表1。問卷主要通過(guò)0-1賦值法和李克特5點(diǎn)量表法（0和1賦值法中0表示沒有，1表示有；李克特量表法中，從低到高依次排列，1表示很低或很小，5表示很高或很大）測(cè)量政府因素、市場(chǎng)因素、技術(shù)因素、結(jié)構(gòu)因素和企業(yè)碳減排實(shí)踐這五個(gè)變量。
（二）數(shù)據(jù)收集
本研究采用了實(shí)地調(diào)研、對(duì)從事微電子制造企業(yè)的MBA學(xué)生調(diào)研、郵件調(diào)研和專業(yè)的調(diào)查公司調(diào)研等多種方式，自2012年12月開始發(fā)放問卷，截止到2013年4月，歷時(shí)5個(gè)月，共發(fā)放問卷345份，回收274份，回收率為794%，其中有效問卷231份，有效率為843%。
第7篇：碳排放的影響因素范文
關(guān)鍵詞 碳排放強(qiáng)度；煤炭消耗；EG協(xié)整檢驗(yàn)；VAR模型；脈沖響應(yīng)函數(shù)
中圖分類號(hào) X24 文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 1002-2104（2011）08-0107-06doi:10.3969/j.issn.1002-2104.2011.08.017
自上世紀(jì)90年代初期開始，中國(guó)經(jīng)濟(jì)經(jīng)歷了一個(gè)持續(xù)的高速發(fā)展階段，隨著國(guó)內(nèi)生產(chǎn)總值的逐年增加，一系列資源消耗、環(huán)境污染、生態(tài)惡化等問題讓中國(guó)的經(jīng)濟(jì)發(fā)展與環(huán)境問題陷入矛盾局面。進(jìn)入21世紀(jì)以來(lái)，中國(guó)城市化和工業(yè)化發(fā)展帶來(lái)了化石能源，特別是煤炭資源的大量消耗，由“黑色能源”引發(fā)的碳排放問題成為溫室效應(yīng)、全球變暖的代名詞。相較于天然氣、水電、風(fēng)電消耗而言，煤炭消耗所釋放的CO2量平均要高出近50%，雖自1990年以來(lái)，我國(guó)煤炭消耗比重呈下降態(tài)勢(shì)，然而碳排放總量卻逐年上升，由高速經(jīng)濟(jì)增長(zhǎng)所抵消的環(huán)境負(fù)面增長(zhǎng)促使碳排放強(qiáng)度緩慢降低，但碳排放強(qiáng)度的降低究竟源于煤炭消耗比重的下降還是源于GDP的分母拉動(dòng)性值得我們?yōu)橹伎?。因此，考察一定年份區(qū)間內(nèi)煤炭消耗與碳排放強(qiáng)度之間的交互沖擊效應(yīng)，有助于從深層次挖掘二者的作用機(jī)理，為未來(lái)高效控制碳排放量乃至碳排放強(qiáng)度，降低對(duì)化石能源的依賴性，提供措施借鑒。
1 文獻(xiàn)綜述
從已有的研究文獻(xiàn)來(lái)看，考察碳排放量以及排放強(qiáng)度變化的影響因素的研究較多。其中，徐國(guó)泉等人［1］采用Divisia分解法定量分析了能源結(jié)構(gòu)、能源效率和經(jīng)濟(jì)發(fā)展等因素的變化對(duì)中國(guó)人均碳排放的影響；馮相昭等人［2］對(duì)1971-2005年期間影響中國(guó)CO2排放量的因素展開分析，研究發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展、人口增長(zhǎng)、能源強(qiáng)度、能源消費(fèi)結(jié)構(gòu)是影響CO2排放量的主要因素；宋德勇、盧忠寶［3］采用“兩階段”LMDI方法，將能源消費(fèi)產(chǎn)生的CO2排放的相關(guān)影響因素分解為產(chǎn)出規(guī)模、能源結(jié)構(gòu)、排放強(qiáng)度和能源強(qiáng)度四個(gè)方面；Stephen D-Casler 和 Adamrose［4］運(yùn)用兩階段KLEM模型對(duì)影響美國(guó)碳排放量的諸多因素進(jìn)行實(shí)證分析；Christopher Yang和Stephen H- Schneider［5］認(rèn)為CO2排放量的影響因素可以分解為人口規(guī)模、富裕程度、能源強(qiáng)度和單位能源消耗的排碳強(qiáng)度。以上研究只能大體計(jì)算出影響因素之間的重要程度，而無(wú)法顯示單一因素或者某幾個(gè)重要因素的變動(dòng)，特別是能源消費(fèi)結(jié)構(gòu)、能源強(qiáng)度的變動(dòng)對(duì)碳排放量的影響，盡管國(guó)內(nèi)外一些學(xué)者已經(jīng)嘗試進(jìn)行相應(yīng)的研究，例如帥通、袁雯［6］計(jì)量分析了上海市產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)的變動(dòng)對(duì)碳排放量的影響，蘇方林等人［7］采用加權(quán)最小二乘法與向量自回歸方法建立廣西碳排放量及影響因素間關(guān)系的實(shí)證模型，杜官印等人［8］測(cè)算了1997-2007年中國(guó)分省化石能源碳排放強(qiáng)度變化趨勢(shì)，邵帥等人［9］基于STIRPAT模型的上海分行業(yè)動(dòng)態(tài)面板數(shù)據(jù)得出煤炭消費(fèi)比重對(duì)碳排放規(guī)模和強(qiáng)度均具有顯著的促進(jìn)作用。然而，碳排放量是建立在能源消耗和經(jīng)濟(jì)發(fā)展基礎(chǔ)上產(chǎn)生的，單純考察碳排放量值的高低或僅僅通過(guò)影響因素的模型構(gòu)建無(wú)法更好地將碳排放量與能源消耗和經(jīng)濟(jì)發(fā)展聯(lián)系起來(lái)。
綜上所述，本研究嘗試將碳排放量進(jìn)行數(shù)值轉(zhuǎn)換處理，換算成碳排放強(qiáng)度，采用VAR模型與脈沖響應(yīng)函數(shù)方法，對(duì)能源消費(fèi)結(jié)構(gòu)中的煤炭消耗比重與碳排放強(qiáng)度之間的動(dòng)態(tài)沖擊關(guān)系進(jìn)行計(jì)量研究，進(jìn)一步考察能源消費(fèi)中煤炭消耗對(duì)碳排放強(qiáng)度的影響，從而為未來(lái)如何降低碳排放量乃至碳排放強(qiáng)度提供措施路徑導(dǎo)向。
2 實(shí)證研究
2-1 模型數(shù)據(jù)
碳排放強(qiáng)度：本研究采用碳排放量與GDP的比值來(lái)衡量，記為CI。其中，碳排放量數(shù)據(jù)來(lái)自于中國(guó)統(tǒng)計(jì)年鑒（1990-2008）、中國(guó)能源統(tǒng)計(jì)年鑒（1990-2008）公布的1990-2008年中國(guó)能源消費(fèi)構(gòu)成中按照萬(wàn)噸標(biāo)準(zhǔn)煤折合計(jì)算的煤炭、石油、天然氣消耗量，經(jīng)各類能源的碳排放系數(shù)折算而得到的碳排放量；GDP數(shù)據(jù)來(lái)源于中國(guó)統(tǒng)計(jì)年鑒（1990-2008），根據(jù)以1990年為基期的GDP指數(shù)和1990年GDP數(shù)據(jù)計(jì)算獲得，得到的GDP數(shù)據(jù)均為1990年不變價(jià)格的實(shí)際GDP。
煤炭消耗：本研究采用中國(guó)統(tǒng)計(jì)年鑒（1990-2008）中能源消費(fèi)構(gòu)成表中的煤炭消耗比重?cái)?shù)據(jù)作為煤炭消耗的衡量指標(biāo)，記為CP。
能源的碳排放系數(shù)是在查閱有關(guān)權(quán)威結(jié)構(gòu)的文件的基礎(chǔ)上，取各類機(jī)構(gòu)官方公布的排放系數(shù)的平均值作為本研究中能源的碳排放折算系數(shù)，具體模型數(shù)據(jù)經(jīng)過(guò)換算整理后如表1所示。
2-2 ADF單位根檢驗(yàn)
在建立VAR模型和進(jìn)行協(xié)整分析之前需要對(duì)變量的平穩(wěn)性進(jìn)行檢驗(yàn)，即沒有隨機(jī)趨勢(shì)或確定性趨勢(shì)，否則在進(jìn)行最小二乘回歸時(shí)易產(chǎn)生“偽回歸”現(xiàn)象，單位根檢驗(yàn)是判斷數(shù)據(jù)序列是否平穩(wěn)的常用方法，例如ADF檢驗(yàn)、PP檢驗(yàn)等。本研究采用ADF檢驗(yàn)法對(duì)模型數(shù)據(jù)的原始
中國(guó)人口•資源與環(huán)境 2011年 第8期序列進(jìn)行單位根檢驗(yàn)，具體的平穩(wěn)性檢驗(yàn)報(bào)告如表2所示。
從表2可知，在5%的顯著水平上，零假設(shè)(時(shí)間序列非平穩(wěn))被拒絕，Prob值也遠(yuǎn)遠(yuǎn)小于0-05，由此說(shuō)明，CI、CP兩個(gè)時(shí)間序列都是平穩(wěn)的。
2-3 序列的EG協(xié)整檢驗(yàn)
協(xié)整檢驗(yàn)是通過(guò)多個(gè)變量的線性組合關(guān)系來(lái)驗(yàn)證變
量之間具有長(zhǎng)期的穩(wěn)定均衡關(guān)系，協(xié)整檢驗(yàn)的經(jīng)濟(jì)意義在于對(duì)若干個(gè)具有各自長(zhǎng)期波動(dòng)規(guī)律的變量，如果它們之間存在協(xié)整關(guān)系，則也同時(shí)具有長(zhǎng)期均衡關(guān)系。因此，本研究在已經(jīng)驗(yàn)證模型數(shù)據(jù)序列具有平穩(wěn)性的基礎(chǔ)上，進(jìn)一步采用Engle和Granger提出的兩步協(xié)整方法，對(duì)CI、CP兩變量序列進(jìn)行最小二乘回歸，然后對(duì)模型殘差進(jìn)行平穩(wěn)性檢驗(yàn)，如果殘差通過(guò)平穩(wěn)性檢驗(yàn)，則證明兩變量在長(zhǎng)期內(nèi)存在均衡關(guān)系。具體回歸方模型殘差的單位根檢驗(yàn)報(bào)告如下所示：
如表3所示，殘差序列的ADF單位根檢驗(yàn)值小于5%水平上的臨界值，由此說(shuō)明殘差序列是平穩(wěn)的，CI、CP兩變量是協(xié)整的，碳排放強(qiáng)度與煤炭消耗比重雖在短時(shí)間內(nèi)呈現(xiàn)出逐年波動(dòng)變化態(tài)勢(shì)，但二者存在長(zhǎng)期均衡關(guān)系，即煤炭消耗比重變化的一次沖擊會(huì)使協(xié)整變量暫時(shí)偏離平衡位置，但煤炭消耗比重變化的長(zhǎng)期沖擊會(huì)使協(xié)整變量自動(dòng)歸于平衡位置。
2-4 VAR模型構(gòu)建
向量自回歸模型(VAR)是由西姆斯于1980年提出的，是在模型的每一個(gè)方程中用當(dāng)期內(nèi)生變量對(duì)模型中全部?jī)?nèi)生變量的滯后值進(jìn)行回歸，從而將單個(gè)變量的自回歸模型推廣至多元時(shí)間序列變量組成的“向量”自回歸模型。
VAR模型的數(shù)學(xué)表達(dá)式為：
Yt是內(nèi)生變量向量，Xt是外生變量向量，n是滯后階數(shù)，T是樣本數(shù)，α1到αn以及β是待估計(jì)的系數(shù)矩陣，εt是隨機(jī)擾動(dòng)向量。通過(guò)運(yùn)用Eviews 6-0計(jì)量軟件，構(gòu)建出如下VAR模型。
從表4可知，CI、CP方程的調(diào)整后R2值分別為0-916 554、0-888 738，由此說(shuō)明此向量回歸模型方程具有較強(qiáng)的解釋力，F(xiàn)檢驗(yàn)通過(guò)，AIC與Sc值的大小也符合模型基本要求，因而該VAR模型在理論上成立，但需要進(jìn)一步進(jìn)行模型的平穩(wěn)性檢驗(yàn)，具體檢驗(yàn)結(jié)果如圖1所示。由圖1可知，VAR模型全部特征根在單位圓曲線之內(nèi)，說(shuō)明模型是一個(gè)平穩(wěn)系統(tǒng)，可以進(jìn)行脈沖響應(yīng)分析。綜上所述，建立碳排放強(qiáng)度與煤炭消耗比重的互動(dòng)關(guān)系的VAR模型整體擬合情況較好，解釋力較強(qiáng)。
因此，碳排放強(qiáng)度CI與煤炭消耗比重向量CP自回歸
由方程（2、（3）可知，碳排放強(qiáng)度受CI其自身滯后一階變化影響較大，煤炭消耗比重CP受CI滯后一階變化影響較大，但這種影響關(guān)系無(wú)法顯示出未來(lái)變化時(shí)期內(nèi)CI、CP兩變量的沖擊影響，因而需要借助脈沖響應(yīng)函數(shù)進(jìn)行具體分析。
2-5 脈沖響應(yīng)函數(shù)分析
脈沖響應(yīng)函數(shù)描述的是系統(tǒng)對(duì)沖擊擾動(dòng)在不同滯后期的的動(dòng)態(tài)反應(yīng)，以衡量來(lái)自隨機(jī)擾動(dòng)項(xiàng)的一個(gè)標(biāo)準(zhǔn)差沖擊對(duì)內(nèi)生變量當(dāng)前和未來(lái)取值的影響，即在隨機(jī)誤差項(xiàng)上施加一個(gè)標(biāo)準(zhǔn)差大小的新息沖擊后對(duì)內(nèi)生變量的當(dāng)期值和未來(lái)值帶來(lái)的影響，由此來(lái)判斷變量間的動(dòng)態(tài)關(guān)系［10,11］。在VAR模型中，第i個(gè)變量的沖擊不僅直接影響到第i個(gè)變量本身，而且會(huì)通過(guò)VAR模型的滯后結(jié)構(gòu)傳遞到其它內(nèi)生變量。
由于VAR模型的估計(jì)系數(shù)難以解釋，需要根據(jù)脈沖響應(yīng)函數(shù)來(lái)衡量來(lái)自隨機(jī)擾動(dòng)項(xiàng)的一個(gè)標(biāo)準(zhǔn)差變動(dòng)是如何影響變量現(xiàn)值以及未來(lái)值。因此，在上述檢驗(yàn)及模型構(gòu)建基礎(chǔ)上，本研究采用脈沖響應(yīng)函數(shù)，分析煤炭消耗比重與碳排放強(qiáng)度的變化對(duì)變量自身以及對(duì)對(duì)方變量的動(dòng)態(tài)沖擊影響。具體沖擊函數(shù)曲線以及分析如下：
從圖2可以看出，碳排放強(qiáng)度對(duì)其自身的一個(gè)標(biāo)準(zhǔn)差立刻有較強(qiáng)反應(yīng)，影響率達(dá)60%，第二期達(dá)到最大值78%，之后呈現(xiàn)出逐漸減弱的趨勢(shì)。碳排放強(qiáng)度對(duì)來(lái)自于煤炭消耗比重的波動(dòng)對(duì)碳排放強(qiáng)度的影響在第一期沒有響應(yīng)，第二期則迅速反應(yīng)，達(dá)到最大正影響值18%，從第三期開始呈現(xiàn)出負(fù)影響趨勢(shì)，并于第六期達(dá)到最低值。由此可見，煤炭消耗比重的變化對(duì)碳排放強(qiáng)度的沖擊影響具有滯后性和波動(dòng)性，煤炭消耗比重的降低短期內(nèi)不會(huì)造成碳排放強(qiáng)度迅速下降，但長(zhǎng)期會(huì)產(chǎn)生較好的減排效應(yīng)。
從圖3可以看出，對(duì)于煤炭消耗來(lái)說(shuō)，煤炭消耗比重對(duì)其自身的一個(gè)標(biāo)準(zhǔn)差立刻有較強(qiáng)反應(yīng)，影響率達(dá)80%，此后期間逐漸下降，并于第六期開始呈現(xiàn)出負(fù)影響態(tài)勢(shì)，之后趨于穩(wěn)定。煤炭消耗比重對(duì)來(lái)自于碳排放強(qiáng)度的波動(dòng)對(duì)煤炭消耗比重的影響在第一期就迅速達(dá)到62%，此后呈逐漸下降趨勢(shì)，
并于第六期達(dá)到最低值。由此可見，
注：橫軸表示沖擊的滯后期間（單位：年），縱軸表示響應(yīng)數(shù)，實(shí)線表示脈沖響應(yīng)函數(shù)，虛線表示兩倍標(biāo)準(zhǔn)差的偏離線。
煤炭消耗比重的變化在初始階段會(huì)受碳排放強(qiáng)度變化的沖擊影響，但隨著周期推移，這種沖擊會(huì)逐漸減弱，即擴(kuò)大GDP的分母拉動(dòng)性或強(qiáng)制減排措施產(chǎn)生的減排效應(yīng)在短期可以對(duì)能源消費(fèi)結(jié)構(gòu)產(chǎn)生微調(diào)，但持久性較差。
由圖4可知，碳排放強(qiáng)度發(fā)生增加變化沖擊后，煤炭消耗比重的增加也開始出現(xiàn)明顯的正向反應(yīng)，并于第二期達(dá)到最大值，此后沖擊力度開始衰退，隨后煤炭消耗比重的增長(zhǎng)率開始出現(xiàn)明顯的負(fù)向反應(yīng)，并于第六期達(dá)到負(fù)向反應(yīng)最大值。由此說(shuō)明：碳排放強(qiáng)度對(duì)煤炭消耗比重的沖擊影響在短期內(nèi)較劇烈，但不具有長(zhǎng)記憶，碳排放強(qiáng)度發(fā)生增加變化的初期，煤炭消耗比重也會(huì)出現(xiàn)明顯的增加反應(yīng)，但隨著沖擊周期的推移，在碳排放強(qiáng)度增加的同時(shí)，煤炭消耗比重可能出現(xiàn)降低的負(fù)向反應(yīng)，這也驗(yàn)證了模型原始數(shù)據(jù)中某些年份碳排放強(qiáng)度下降的同時(shí)卻對(duì)應(yīng)著煤炭消耗比重的增加，因而碳排放強(qiáng)度變化對(duì)煤炭消耗比重的沖擊影響不明顯。
由圖5可知，煤炭消耗比重的增長(zhǎng)發(fā)生沖擊后，碳排放強(qiáng)度的增加也開始出現(xiàn)明顯的正向反應(yīng)，并于第一期就達(dá)到最大值80%，此后一直保持著較強(qiáng)的沖擊力度，直到第六期開始才逐漸轉(zhuǎn)為負(fù)向影響，并逐漸趨于穩(wěn)定。這說(shuō)明給煤炭消耗比重一個(gè)正向沖擊，會(huì)造成對(duì)碳排放強(qiáng)度在很長(zhǎng)時(shí)間內(nèi)的同向沖擊，即煤炭消耗比重對(duì)碳排放強(qiáng)度的影響作用是長(zhǎng)期持久的，因而在較長(zhǎng)周期變動(dòng)中，可以通過(guò)降低煤炭消耗比重來(lái)達(dá)到降低碳排放強(qiáng)度的目的。
3 研究結(jié)論及啟示
與已有的對(duì)碳排放影響因素研究的不同，本文將碳排放量轉(zhuǎn)換成萬(wàn)元GDP的強(qiáng)度值，即碳排放強(qiáng)度，基于VAR模型與脈沖響應(yīng)函數(shù)，對(duì)我國(guó)1990-2008年期間的煤炭消耗比重與碳排放強(qiáng)度之間的相互動(dòng)態(tài)影響進(jìn)行考察。具體研究結(jié)果如下：①碳排放強(qiáng)度與煤炭消耗比重的時(shí)間序列數(shù)據(jù)是平穩(wěn)協(xié)整的，盡管二者在1990-2008年間呈現(xiàn)波動(dòng)變化態(tài)勢(shì)，但仍舊存在長(zhǎng)期均衡關(guān)系；②煤炭消耗比重的變化對(duì)碳排放強(qiáng)度的沖擊影響具有一定滯后性和波動(dòng)性，但沖擊作用長(zhǎng)期持久，煤炭消耗比重在一定時(shí)期內(nèi)的變化會(huì)帶來(lái)碳排放強(qiáng)度同方向的沖擊變化，即煤炭消耗比重的降低會(huì)促使碳排放強(qiáng)度下降；③碳排放強(qiáng)度對(duì)煤炭消耗比重的沖擊影響在短期內(nèi)較劇烈，但長(zhǎng)期沖擊影響不明顯，煤炭消耗比重的變化沖擊多是來(lái)自于變量自身，因而長(zhǎng)期內(nèi)依靠降低碳排放強(qiáng)度來(lái)達(dá)到降低煤炭消耗比重的目標(biāo)是不可行的。綜上所述，煤炭消耗比重與碳排放強(qiáng)度有很強(qiáng)的關(guān)聯(lián)性，煤炭消耗比重的變化沖擊會(huì)在長(zhǎng)期內(nèi)帶來(lái)碳排放強(qiáng)度的同方向變化，并且這種沖擊效應(yīng)是長(zhǎng)期持久的，因而降低碳排放強(qiáng)度的有效途徑就是降低煤炭消耗比重。
鑒于以上結(jié)論，本研究認(rèn)為降低中國(guó)碳排放強(qiáng)度的關(guān)鍵在于降低煤炭消耗比重，在能源剛性需求難以降低的背景下，煤炭消耗比重的下降可以通過(guò)結(jié)構(gòu)性降低、產(chǎn)業(yè)傳導(dǎo)性降低、技術(shù)性降低來(lái)實(shí)現(xiàn)。具體措施如下：①結(jié)構(gòu)性降低：能源消費(fèi)結(jié)構(gòu)的優(yōu)化調(diào)整對(duì)工業(yè)碳減排，特別是絕對(duì)量的減排具有重要意義，政府部門應(yīng)該積極鼓勵(lì)發(fā)展構(gòu)建多樣、安全、清潔、高效的能源供應(yīng)和消費(fèi)體系，優(yōu)化能源消費(fèi)結(jié)構(gòu)，改善傳統(tǒng)的以煤為主的能源消費(fèi)結(jié)構(gòu)，降低煤炭消耗比重，提高風(fēng)電、水電和核電等清潔能源的替代性消費(fèi)比重，大力開發(fā)生物質(zhì)能、太陽(yáng)能、潮汐能等可再生能源，由依靠傳統(tǒng)化石能源向新能源和清潔能源轉(zhuǎn)變；②產(chǎn)業(yè)傳導(dǎo)性降低：推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)演進(jìn)由增加碳排放向減少碳排放的方向轉(zhuǎn)化，是中國(guó)碳減排的產(chǎn)業(yè)潛力所在，推進(jìn)第三產(chǎn)業(yè)發(fā)展，促進(jìn)第二產(chǎn)業(yè)高耗能部門向低耗能部門轉(zhuǎn)化，重視人為產(chǎn)業(yè)政策干預(yù)，制定相關(guān)政策措施，促使高耗能產(chǎn)業(yè)內(nèi)部煤炭消耗和環(huán)境成本內(nèi)部化，從而達(dá)到控制高耗能行業(yè)比重、降低煤炭消耗強(qiáng)度的目的；③技術(shù)性降低：重視技術(shù)植入，大力發(fā)展?jié)崈裘杭夹g(shù)，貫徹采選源頭的優(yōu)選控制、燃燒過(guò)程的潔凈控制和污染物排放的達(dá)標(biāo)處理控制等機(jī)制，降低開采、生產(chǎn)、消費(fèi)整個(gè)全生命周期鏈條過(guò)程中的煤炭消耗量和損失量，提高單位耗煤的利用效率，從而達(dá)到減少耗煤數(shù)量、降低碳排放量的最終目的。
參考文獻(xiàn)（References）
［1］徐國(guó)泉,劉則淵,姜照華-中國(guó)碳排放的因素分解模型及實(shí)證分析:1995-2004［J］-中國(guó)人口•資源與環(huán)境,2006,16(6):158-161-［Xu Guoquan, Liu Zeyuan, Jiang Zhaohua- Decomposition Model and Empirical Study of Carbon Emissions for China, 1995-2004［J］-China Population，Resources and Environment, 2006,16(6):158-161-］
［2］馮相昭,王雪臣,陳紅楓-1971-2005年中國(guó)CO2排放影響因素分析［J］-氣候變化研究進(jìn)展,2008,4(1):42-47-［ Feng Xiangzhao,Wang Xuechen,Chen Hongfeng- Analysis of Factors Impacting China’s CO2 Emissions During 1971-2005［J］- Advances in Climate Change Research, 2008,4(1):42-47-］
［3］宋德勇,盧忠寶-中國(guó)碳排放影響因素分解及其周期性波動(dòng)研究［J］- 中國(guó)人口•資源與環(huán)境, 2009,19(3):18-24-［ Song Deyong, Lu Zhongbao, The Factor Decomposition and Periodic Fluctuations of Carbon Emission in China［J］- China Population,Resources and Environment, 2009,19(3):18-24-］
［4］Stephen D, Adam R- Carbon Dioxide Emissions in the U-S- Economy: A Structural Decomposition Analysis ［J］- Environmental and Resource Economics,1998,11(34): 349-363-
［5］Christopher Y, Stephen H S- Global Carbon Dioxide Emissions Scenarios: Sensitivity to Social and Technological Factors in Three Regions［J］-Mitigation and Adaptation Strategies for Global Change, 1997,2( 4):373-404-
［6］帥通,袁雯-上海市產(chǎn)業(yè)結(jié)構(gòu)和能源結(jié)構(gòu)的變動(dòng)對(duì)碳排放的影響及應(yīng)對(duì)策略［J］-長(zhǎng)江流域資源與環(huán)境, 2009,18(10):885-888-［ Shuai Tong, Yuan Wen- Effect of the Changes of the Industry Structure and the Energy Structure in Shanghai on Carbon Emission and the Strategies Response ［J］- Resources and Environment in the Yangtze Basin, 2009,18(10):885-888-］
［7］蘇方林,宋幫英,侯曉博-廣西碳排放量與影響因素關(guān)系的VAR實(shí)證分析［J］-西南民族大學(xué)學(xué)報(bào)：人文社會(huì)科學(xué)版,2010,9:140-144-［Su Fanglin, Song Bangying, Hou Xiaobo- VAR Analysis about Relations of Carbon Emission and Influencing Factors in Guangxi ［J］-Journal of Southwest University for Nationalities:Humanities and Social Sciences Edition, 2010,31(9):140-144-］
［8］杜官印,蔡運(yùn)龍,李雙成-1997-2007年中國(guó)分省化石能源碳排放強(qiáng)度變化趨勢(shì)分析［J］- 地理與地理信息科學(xué),2010,26(5):76-81-［Du Guanyin,Cai Yunlong,Li Shuangcheng- FossilFuel Carbon Emission Intensity Change of Each Province in China during 1997-2007［J］- Geography and GeoInformation Science,2010,26(5):76-81-］
［9］邵帥,楊莉莉,曹建華-工業(yè)能源消費(fèi)碳排放影響因素研究――基于STIRPAT模型的上海分行業(yè)動(dòng)態(tài)面板數(shù)據(jù)實(shí)證分析［J］- 財(cái)經(jīng)研究,2010-36(11):16-27-［ Shao Shuai,Yang Lili,Cao Jianhua- Study on Influencing Factors of CO2Emissions from Industrial Energy Consumption:An Empirical Analysis Based on STIRPAT Model and Industrial Sectors’Dynamic Panel Data in Shangha［J］- Journal of Finance and Economics, 2010-36(11):16-27-］
［10］王舒健,李釗-中國(guó)地區(qū)經(jīng)濟(jì)增長(zhǎng)互動(dòng)關(guān)系的脈沖響應(yīng)分析［J］-數(shù)理統(tǒng)計(jì)與管理,2007,26(3):385-390-［ Wang Shujian, Li Zhao- A Pulseresponding Analysis on Mutual Effect of Regional Economic Growth in China ［J］- Application of Statistics and Management, 2007,26(3):385-390-］
［11］王先柱-VAR模型框架下房地產(chǎn)業(yè)與經(jīng)濟(jì)增長(zhǎng)關(guān)系的實(shí)證檢驗(yàn)［J］-經(jīng)濟(jì)問題,2007,(7):31-34-［Wang Xianzhu- The Empirical Tests of the Relationship between Real Estate Industry and Economic Growth Based on VAR Model ［J］-On Economic Problems,2007,(7):31-34-］
Analysis of Impact Effect Imposed on Carbon Emission
Intensity and Coal Consumption of China
ZHAO Ao WU Chunyou
(Faculty of Management and Economics,Dalian University of Technology, Dalian Liaoning 116024, China)
第8篇：碳排放的影響因素范文
【關(guān)鍵詞】 城鎮(zhèn)化 碳排放 STIRPAT模型 地區(qū)差異
一、引言
如今，自然資源日趨緊張，生態(tài)環(huán)境日趨惡劣，發(fā)展低碳經(jīng)濟(jì)已成為全世界人民關(guān)注的焦點(diǎn)。加速城鎮(zhèn)化和促進(jìn)低碳發(fā)展是我國(guó)目前經(jīng)濟(jì)發(fā)展的重點(diǎn)。城鎮(zhèn)化不同階段經(jīng)濟(jì)發(fā)展水平不同，不同經(jīng)濟(jì)發(fā)展水平下的能源消費(fèi)對(duì)碳排放量的影響也不同。江蘇省不同區(qū)域經(jīng)濟(jì)發(fā)展水平差異顯著，蘇南、蘇中、蘇北目前正處于不同的城鎮(zhèn)化階段，因此對(duì)比研究具有代表性的三個(gè)區(qū)域的能源消費(fèi)碳排放量對(duì)我國(guó)在城鎮(zhèn)化進(jìn)程中發(fā)展低碳經(jīng)濟(jì)具有現(xiàn)實(shí)的指導(dǎo)意義。
已有學(xué)者對(duì)城鎮(zhèn)化和碳排放之間的關(guān)系做了相關(guān)研究。盧祖丹基于1995―2008年省域面板數(shù)據(jù)，通過(guò)建立STIRPAT模型對(duì)城鎮(zhèn)化和碳排放之間的關(guān)系進(jìn)行了相關(guān)研究，得出城鎮(zhèn)化發(fā)展有利于實(shí)現(xiàn)碳減排，但未探討不同的城鎮(zhèn)化水平對(duì)碳排放的影響因素。林伯強(qiáng)、劉希穎用協(xié)整法探討城市化對(duì)碳排放的影響程度，但只針對(duì)中國(guó)這一主體進(jìn)行研究，并未對(duì)不同區(qū)域進(jìn)行對(duì)比分析。宋德勇、徐安采用STIRPAT模型分析了區(qū)域差異對(duì)碳排放的影響，并未對(duì)經(jīng)濟(jì)發(fā)展水平和碳排放的內(nèi)在聯(lián)系進(jìn)行探討。
二、研究方法
經(jīng)濟(jì)發(fā)展是碳排放增長(zhǎng)的首要因素，本文結(jié)合York等提出的STIRPAT隨機(jī)回歸模型，來(lái)分析研究產(chǎn)業(yè)結(jié)構(gòu)對(duì)碳排放的影響。該模型主要分析P（人口）、A（富裕度）、T（技術(shù)）、I（環(huán)境影響）之間的關(guān)系，公式為：
I■=？琢P■■A■■T■■e■ （1）
其中：？琢是常數(shù)項(xiàng)，b、c、d是人口、富裕度、技術(shù)的指數(shù)，e是誤差項(xiàng)。
在實(shí)際分析時(shí)，將模型先進(jìn)性對(duì)數(shù)化處理：
lnIi=ln？琢+blnPi+clnAi+dlnTi+lnei （2）
式（2）中，P代表城鎮(zhèn)化水平，用城鎮(zhèn)人口占總?cè)丝诘谋戎乇硎荆?），用來(lái)反映人口向城鎮(zhèn)聚集的程度；A代表人均工業(yè)生產(chǎn)總值，用工業(yè)生產(chǎn)總值與常住人口的比值表示（元/人）；T代表工業(yè)能耗強(qiáng)度，選取工業(yè)能源消費(fèi)量與工業(yè)生產(chǎn)總值的比重即工業(yè)能耗強(qiáng)度來(lái)表示（噸標(biāo)準(zhǔn)煤/萬(wàn)元）；I表示工業(yè)碳排放量（噸）。相關(guān)經(jīng)濟(jì)數(shù)據(jù)均以2000年為基期做了不變價(jià)處理。
根據(jù)國(guó)家統(tǒng)計(jì)局編制的《能源統(tǒng)計(jì)報(bào)表制度》，本文的能源消費(fèi)指能源的終端消費(fèi)量。在計(jì)算碳排放量時(shí)，首先將能源消費(fèi)量折算成標(biāo)準(zhǔn)煤，然后根據(jù)國(guó)家發(fā)改委能源研究所給出的標(biāo)準(zhǔn)煤的碳排放系數(shù)為2.4567噸CO2/噸標(biāo)準(zhǔn)煤進(jìn)行計(jì)算。
文中的能源數(shù)據(jù)來(lái)自江蘇省13市各自歷年的《統(tǒng)計(jì)年鑒》；經(jīng)濟(jì)社會(huì)數(shù)據(jù)來(lái)自歷年《江蘇省統(tǒng)計(jì)年鑒》。
三、結(jié)果與分析
1、研究區(qū)域
江蘇省位于我國(guó)大陸東部沿海中心，地處長(zhǎng)江三角洲，經(jīng)濟(jì)發(fā)展位于全國(guó)前列，地區(qū)生產(chǎn)總值占全國(guó)10%以上。江蘇省經(jīng)濟(jì)發(fā)展區(qū)域差異大，蘇南、蘇中、蘇北的城鎮(zhèn)化發(fā)展處于不同的發(fā)展階段，因此選擇江蘇省為研究樣本，研究其城鎮(zhèn)化發(fā)展對(duì)碳排放的影響，探究城鎮(zhèn)化進(jìn)程中碳排放的影響因素具有很好的代表性。
蘇南地區(qū)（南京、蘇州、無(wú)錫、鎮(zhèn)江、常州）與上海相鄰，經(jīng)濟(jì)發(fā)展較快，是江蘇省經(jīng)濟(jì)發(fā)展的主力，城鎮(zhèn)化發(fā)展水平較高，2013年城鎮(zhèn)化率已達(dá)到73.5%；蘇中地區(qū)（揚(yáng)州、泰州、南通）與蘇南地區(qū)隔江相望，位于長(zhǎng)江中下游，經(jīng)濟(jì)發(fā)展速度適中，城鎮(zhèn)化發(fā)展水平較落后，2013年城鎮(zhèn)化率為59.7%；蘇北地區(qū)（徐州、宿遷、淮安、連云港、淮安）相對(duì)蘇南和蘇中雖然自然資源豐富，但是接近內(nèi)陸，經(jīng)濟(jì)發(fā)展落后，城鎮(zhèn)化水平與蘇中地區(qū)較接近，城鎮(zhèn)化率在2013年已達(dá)到56.1%。
2、模型回歸結(jié)果
由于蘇中和蘇北地區(qū)2006年以前能源消費(fèi)量數(shù)據(jù)缺失，故本文將主要研究2006―2013年間各區(qū)域的碳排放量。對(duì)式（2）利用SPSS進(jìn)行線性回歸分析時(shí)，首先將數(shù)據(jù)進(jìn)行Zscore一致性處理，避免各變量數(shù)量級(jí)不同對(duì)數(shù)據(jù)分析的影響，然后將處理后的數(shù)據(jù)帶入模型進(jìn)行分析。結(jié)果顯示，模型整體通過(guò)了一致性檢驗(yàn)，但是在95%的置信區(qū)間，所有變量的t值都不顯著。進(jìn)一步計(jì)算各變量的方差膨脹因子（VIF），三個(gè)變量的VIF均遠(yuǎn)大于10，證明模型中的城鎮(zhèn)化水平、人均工業(yè)生產(chǎn)總值和工業(yè)能耗強(qiáng)度三個(gè)變量之間存在嚴(yán)重的多重共線性，因此不適合運(yùn)用最小二乘法進(jìn)行無(wú)偏估計(jì)。
為克服自變量之間的多重共線性問題，本文采用SPSS軟件中的有偏估計(jì)嶺回歸函數(shù)對(duì)模型進(jìn)行擬合。嶺回歸是一種改良的最小二乘估計(jì)法，通過(guò)放棄最小二乘法的無(wú)偏性，以損失部分信息、降低精度為代價(jià)獲得回歸系數(shù)更為符合實(shí)際、更可靠的回歸方法。其中k=0時(shí)，即為普通最小二乘估計(jì)。將式（2）進(jìn)行嶺回歸分析，當(dāng)k=0.1時(shí)，蘇南模型中各自變量回歸系數(shù)變化趨于穩(wěn)定，當(dāng)k=0.2時(shí)，蘇中和蘇北的模型中各自變量回歸系數(shù)變化趨于穩(wěn)定，從而擬合方程分別為：
蘇南：lnI=0.2813lnP+0.4407lnA-0.2424lnT （3）
蘇中：lnI=0.4607lnP+0.2379lnA-0.2074lnT （4）
蘇北：lnI=0.1846lnP+0.3516lnA+0.4007lnT （5）
對(duì)嶺回歸擬合結(jié)果進(jìn)行檢驗(yàn)（見表1），結(jié)果顯示擬合結(jié)果能夠通過(guò)顯著性檢驗(yàn)。
根據(jù)模擬結(jié)果可以看出，蘇南、蘇中和蘇北的模型在5%的置信區(qū)間都能通過(guò)顯著性檢驗(yàn)，所有變量的t值都大于1.96，R2值和調(diào)整的R2值都大于86%，說(shuō)明P（人口）、A（富裕度）、T（技術(shù)）三個(gè)變量解釋了86%以上的碳排放量變動(dòng)。
3、結(jié)果分析
（1）工業(yè)能耗對(duì)碳排放的影響。根據(jù)回歸方程可以看出，城鎮(zhèn)化水平和工業(yè)生產(chǎn)總值與碳排放量都呈正相關(guān)，與實(shí)際相符合。工業(yè)發(fā)展越快，能源消耗越多，碳排放量越大。而城鎮(zhèn)化水平的提高并沒有導(dǎo)致碳排放的減少，很大程度上是因?yàn)槌擎?zhèn)化發(fā)展仍然離不開工業(yè)產(chǎn)業(yè)的發(fā)展。
蘇南是江蘇省經(jīng)濟(jì)最發(fā)達(dá)地區(qū)，是江蘇地區(qū)經(jīng)濟(jì)發(fā)展的主力。結(jié)合表2和圖1可以看出，2006年以來(lái)，蘇南地區(qū)的城鎮(zhèn)化水平較高，至2013年城鎮(zhèn)化水平已達(dá)到73.50%，且一直持續(xù)穩(wěn)步增長(zhǎng)。蘇南城鎮(zhèn)化水平對(duì)碳排放影響的彈性系數(shù)為0.28，說(shuō)明該地區(qū)較高水平的城鎮(zhèn)化并沒有使碳排放量得到減少。相比蘇中和蘇北地區(qū)，蘇南地區(qū)的工業(yè)生產(chǎn)對(duì)碳排放的影響更大，彈性系數(shù)達(dá)0.44，說(shuō)明該地區(qū)在發(fā)展工業(yè)的同時(shí)應(yīng)提高生產(chǎn)技術(shù)水平，提高能源利用效率。
蘇中地區(qū)的經(jīng)濟(jì)發(fā)展速度較慢，城鎮(zhèn)化水平由2006年的47.3%增長(zhǎng)為2013年的59.7%，變動(dòng)幅度是三個(gè)區(qū)域中最小的。回歸結(jié)果顯示，蘇中地區(qū)工業(yè)發(fā)展對(duì)碳排放量的影響較小，彈性系數(shù)為0.24，說(shuō)明該地區(qū)工業(yè)發(fā)展并未造成碳排放量的大幅度增加。但是城鎮(zhèn)化對(duì)碳排放量影響較大，彈性系數(shù)達(dá)到0.46，說(shuō)明該地區(qū)在大力發(fā)展城鎮(zhèn)化的同時(shí)必須注重減少碳排放量。
蘇北地區(qū)城鎮(zhèn)化發(fā)展較快，至2013年，蘇北地區(qū)的城鎮(zhèn)化水平已達(dá)到56.1%，超過(guò)蘇中地區(qū)。相對(duì)而言，蘇北地區(qū)的生產(chǎn)力水平較低，經(jīng)濟(jì)發(fā)展?jié)摿^大。對(duì)蘇北地區(qū)碳排放量影響較顯著的因素是工業(yè)能耗強(qiáng)度，彈性系數(shù)為0.40，說(shuō)明該地區(qū)節(jié)能減排的關(guān)鍵是降低工業(yè)能耗強(qiáng)度。城鎮(zhèn)化水平彈性系數(shù)為0.18，對(duì)碳排放影響較弱，說(shuō)明該地區(qū)大力提高城鎮(zhèn)化水平不會(huì)造成碳排放量的大量增加。
對(duì)比三個(gè)回歸方程，蘇南和蘇中的能耗強(qiáng)度與碳排放呈負(fù)相關(guān)，而蘇北地區(qū)能耗強(qiáng)度與碳排放呈正相關(guān)，且能耗強(qiáng)度每增加1%，碳排放量將增加0.4007%，比人均工業(yè)生產(chǎn)總值對(duì)碳排放量的影響更大，原因在于，蘇南和蘇中地區(qū)的工業(yè)技術(shù)先進(jìn)，能源利用效率高，而蘇北地區(qū)經(jīng)濟(jì)落后，對(duì)傳統(tǒng)化石能源的依賴性較強(qiáng)，能源利用效率較低。
（2）能源消費(fèi)模式。2010年之前江蘇省的家庭能源消費(fèi)主要是煤氣和液化石油氣，從2010年開始其家庭能源消費(fèi)主要是天然氣。到2013年，除蘇州地區(qū)，全省其他12個(gè)市都已經(jīng)不使用煤氣。根據(jù)IPCC《國(guó)家溫室氣體排放清單指南》提供的碳排放系數(shù)可知，天然氣的碳排放系數(shù)為0.4483×104，煤氣的碳排放系數(shù)為0.3548×104，液化石油氣的碳排放系數(shù)為0.5042×104。
由圖2可知，隨著經(jīng)濟(jì)的發(fā)展，蘇南、蘇中、蘇北城鎮(zhèn)居民家庭消費(fèi)的碳排放強(qiáng)度都在逐步減弱，且變動(dòng)趨勢(shì)接近一致。這主要是由于煤氣和液化石油氣消費(fèi)量的減少和天然氣消費(fèi)量的增加，使得能源消耗導(dǎo)致的碳排放增長(zhǎng)速度小于經(jīng)濟(jì)發(fā)展的增長(zhǎng)速度。2006―2013年，僅家庭能源消費(fèi)，蘇南地區(qū)的碳排放強(qiáng)度下降38.27%，蘇中地區(qū)的碳排放強(qiáng)度下降38.04%，蘇北地區(qū)的碳排放強(qiáng)度下降50.46%。
至2007年，天然氣還尚未投入使用，而江蘇省13市中除蘇北的連云港和宿遷兩地外，其它各市氣化率均達(dá)到90%以上。到2013年，江蘇省13市的燃?xì)馄占奥室呀?jīng)達(dá)到95%以上，天然氣的使用使三大地區(qū)家庭能源消費(fèi)模式趨于一致。不同的城鎮(zhèn)化發(fā)展水平對(duì)于家庭能源消費(fèi)模式的影響并不顯著，從2007年開始，三大地區(qū)的能源消費(fèi)強(qiáng)度就逐漸接近，因此改善能源消費(fèi)模式也可以大大減少碳排放量。
（3）能源政策。應(yīng)綜合考慮三個(gè)地區(qū)不同城鎮(zhèn)化發(fā)展水平下的能源政策對(duì)碳排放的影響。從三個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展?fàn)顩r和資源稟賦可以看出，蘇南地區(qū)的能源主要依靠進(jìn)口，但蘇南地區(qū)經(jīng)濟(jì)發(fā)展速度較快，蘇中、蘇北地區(qū)較多人口流入蘇南地區(qū)，推動(dòng)蘇南地區(qū)的城鎮(zhèn)化發(fā)展。在“十二五”期間，蘇南地區(qū)基本已經(jīng)實(shí)現(xiàn)能源消耗增長(zhǎng)速度低于經(jīng)濟(jì)發(fā)展速度。蘇南地區(qū)對(duì)于新能源產(chǎn)品和技術(shù)的研究和開發(fā)，使得蘇南地區(qū)的碳排放量基本得到了控制。相對(duì)于蘇南地區(qū)，蘇中地區(qū)城鎮(zhèn)化發(fā)展速度較慢，且正處于工業(yè)化中期向后期過(guò)渡階段，高耗能產(chǎn)業(yè)發(fā)展較快，在推動(dòng)新能源發(fā)展的同時(shí)，重點(diǎn)發(fā)展石油化工產(chǎn)業(yè)的衍生產(chǎn)品，能源消耗高出全省平均水平，碳排放量持續(xù)增長(zhǎng)。蘇北地區(qū)雖然城鎮(zhèn)化水平超過(guò)蘇中地區(qū)，但卻是江蘇省經(jīng)濟(jì)發(fā)展最落后的地區(qū)，能源消耗高，對(duì)煤炭等傳統(tǒng)能源的依賴性高。但是蘇北地區(qū)利用自身的地理優(yōu)勢(shì)，致力于新能源開發(fā)，主要研發(fā)太陽(yáng)能和風(fēng)能，在大力發(fā)展經(jīng)濟(jì)的同時(shí)注重減少碳排放量。獨(dú)特的地理優(yōu)勢(shì)和能源優(yōu)勢(shì)，使蘇北地區(qū)的城鎮(zhèn)化建設(shè)發(fā)展較快，但同時(shí)也抑制了蘇北地區(qū)的經(jīng)濟(jì)發(fā)展，促使蘇北地區(qū)仍停留在重工業(yè)為主導(dǎo)的經(jīng)濟(jì)發(fā)展階段。
四、結(jié)論和建議
1、結(jié)論
本文以處于城鎮(zhèn)化發(fā)展不同階段的蘇南、蘇中和蘇北三個(gè)地區(qū)為例，利用STIRPAT模型探討城鎮(zhèn)化發(fā)展進(jìn)程和經(jīng)濟(jì)發(fā)展水平對(duì)碳排放量的影響因素，研究結(jié)果表明，不同的城鎮(zhèn)化發(fā)展進(jìn)程和經(jīng)濟(jì)發(fā)展水平對(duì)碳排放量的影響不同。城鎮(zhèn)化發(fā)展和經(jīng)濟(jì)發(fā)展速度均較快的蘇南地區(qū)，碳排放量的增長(zhǎng)速度（25.8%）已經(jīng)低于工業(yè)經(jīng)濟(jì)增長(zhǎng)速度（156%），碳排放量基本得到了控制；城鎮(zhèn)化發(fā)展和經(jīng)濟(jì)發(fā)展速度適中平穩(wěn)的蘇中地區(qū)，城鎮(zhèn)化發(fā)展是現(xiàn)階段的發(fā)展重點(diǎn)，碳排放量增長(zhǎng)速度與經(jīng)濟(jì)增長(zhǎng)速度一致，持續(xù)穩(wěn)步增長(zhǎng)；城鎮(zhèn)化發(fā)展速度較快但經(jīng)濟(jì)發(fā)展落后的蘇北地區(qū)，對(duì)傳統(tǒng)能源依賴性大，碳排放量增長(zhǎng)速度超過(guò)經(jīng)濟(jì)發(fā)展速度。
蘇南地區(qū)，城鎮(zhèn)化水平由2006年的67.1%增長(zhǎng)為2013年的73.5%，工業(yè)生產(chǎn)對(duì)碳排放的影響最大，彈性系數(shù)達(dá)0.44；城鎮(zhèn)化水平對(duì)碳排放影響的彈性系數(shù)僅為0.28，城鎮(zhèn)化建設(shè)的推動(dòng)對(duì)碳排放量影響較小。蘇中地區(qū)，城鎮(zhèn)化水平由2006年的47.3%增長(zhǎng)為2013年的59.7%，與蘇南地區(qū)相反，工業(yè)發(fā)展對(duì)碳排放量的影響較小，彈性系數(shù)為0.24，工業(yè)發(fā)展并未造成碳排放量的大幅度增加。但是城鎮(zhèn)化對(duì)碳排放量影響較大，彈性系數(shù)達(dá)到0.46，推動(dòng)城鎮(zhèn)化發(fā)展的基礎(chǔ)設(shè)施建設(shè)對(duì)蘇中地區(qū)的碳排放影響較大。蘇北地區(qū)，雖然經(jīng)濟(jì)增長(zhǎng)速度是三個(gè)地區(qū)中最快的，2013年蘇北地區(qū)工業(yè)生產(chǎn)總值是2006年的6.31倍，但是蘇北地區(qū)的城鎮(zhèn)化水平和工業(yè)生產(chǎn)的彈性系數(shù)分別只有0.18和0.35，而能耗強(qiáng)度對(duì)碳排放的影響最大，彈性系數(shù)為0.40，提高能源利用效率、降低能耗強(qiáng)度才是蘇北地區(qū)節(jié)能減排的關(guān)鍵。
2、政策建議
（1）優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，促進(jìn)產(chǎn)業(yè)優(yōu)化升級(jí)。雖然蘇南地區(qū)正在逐步實(shí)現(xiàn)產(chǎn)業(yè)轉(zhuǎn)型，但是蘇中和蘇北地區(qū)的經(jīng)濟(jì)發(fā)展仍舊以重工業(yè)為主，而且江蘇新能源資源匱乏，對(duì)傳統(tǒng)能源依賴程度大，僅鹽城地區(qū)風(fēng)能資源較為豐富。因此加快產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化升級(jí)，是減少碳排放量最直接的方法。
（2）提高能源利用效率，優(yōu)化能源消費(fèi)模式。提高能源利用效率、降低能耗強(qiáng)度有助于節(jié)能減排。家庭能源消費(fèi)對(duì)碳排放的影響體現(xiàn)在衣食住行各方面，應(yīng)改變能源結(jié)構(gòu)，使用碳排放量較少的新能源替代傳統(tǒng)能源。例如，大力發(fā)展太陽(yáng)能、風(fēng)能發(fā)電，減少火力發(fā)電；早日實(shí)現(xiàn)江蘇省13市100%的燃?xì)馄占奥?，減少煤氣和液化石油氣的使用。
（3）大力實(shí)施節(jié)能減排政策。政策與實(shí)踐相結(jié)合，在接下來(lái)的“十三五”期間，進(jìn)一步降低碳排放強(qiáng)度，努力實(shí)現(xiàn)經(jīng)濟(jì)與碳減排的同步發(fā)展。結(jié)合蘇南、蘇中和蘇北地區(qū)不同的地理優(yōu)勢(shì)和資源稟賦，制定不同的發(fā)展政策，因地制宜，使地區(qū)在經(jīng)濟(jì)穩(wěn)步發(fā)展的同時(shí)減少碳排放。
（注：基金項(xiàng)目：江蘇省實(shí)踐創(chuàng)新指導(dǎo)項(xiàng)目“城鎮(zhèn)化不同階段對(duì)區(qū)域碳排放影響研究――以江蘇省為例”201410299088X。）
【參考文獻(xiàn)】
[1] 盧祖丹：我國(guó)城鎮(zhèn)化對(duì)碳排放的影響研究[J].中國(guó)科技論壇，2011（7）.
[2] 林伯強(qiáng)、劉希穎：中國(guó)城市化階段的碳排放：影響因素和減排策略[J].經(jīng)濟(jì)研究，2010（8）.
[3] 宋德勇、徐安：中國(guó)城鎮(zhèn)碳排放的區(qū)域差異和影響因素[J].中國(guó)人口?資源與環(huán)境，2011（11）.
[4] York R，Rosa E A，Dietz T.STIRPAT，IPAT and ImPACT；Analytic tools for unpacking the driving forces of environmental impacts[J]. Ecological Economics，2003（23）.
第9篇：碳排放的影響因素范文
關(guān)鍵詞：城市；能源消耗；碳足跡
中圖分類號(hào)：X703
文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：16749944（2016）12006802
1引言
隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，城市化與工業(yè)化建設(shè)不斷加快，大量的能源消耗產(chǎn)生了大量的溫室氣體，這些溫室氣體的排放加快了全球氣候變暖的進(jìn)程，引發(fā)了諸多環(huán)境問題，海平面上升、冰川面積減小、極端天氣等，對(duì)人類的生產(chǎn)生活構(gòu)成嚴(yán)重威脅。CO2等溫室氣體的產(chǎn)生主要源于城市的能源消耗，大量的化石能源消耗碳排放成為了溫室效應(yīng)的主要貢獻(xiàn)者。因此，城市能源消耗對(duì)溫室效應(yīng)的貢獻(xiàn)引發(fā)了學(xué)術(shù)界的廣泛關(guān)注[1，2]。
當(dāng)前，中央和地方對(duì)生態(tài)環(huán)境提出了新要求，旨在實(shí)現(xiàn)綠色發(fā)展，建設(shè)美麗中國(guó)。要想實(shí)現(xiàn)城市的可持續(xù)發(fā)展，就必須走一條低碳發(fā)展的道路，也就是碳足跡要小，衡量其低碳發(fā)展的重要指標(biāo)就是城市碳足跡。而城市碳足跡主要來(lái)自能源消耗碳排放，通過(guò)對(duì)能源消耗碳排放的測(cè)算便可得到該城市的能源消耗碳足跡。因此，城市能源消耗碳足跡的相關(guān)問題成了時(shí)下研究的熱點(diǎn)[3，4]。
2碳足跡的定義與解釋
碳足跡[4]一詞最早源于生態(tài)足跡，是由哥倫比亞大學(xué)的Rees 和 Wackernagel[5]提出。很快碳足跡這一概念在學(xué)界、政界和新聞界得到了廣泛關(guān)注。對(duì)碳足跡的概念而言，國(guó)外的學(xué)者看法就不一樣。Energetics[6]認(rèn)為碳足跡是人們?nèi)粘；顒?dòng)產(chǎn)生的全部直接或間接的CO2 排放量；ETAP[7]把碳足跡視為人類活動(dòng)對(duì)環(huán)境影響的度量；Druckman[8]則把碳足跡定義為由某種活動(dòng)直接或間接產(chǎn)生的 CO2 排放量；Post[9]認(rèn)為碳足跡是指產(chǎn)品從生產(chǎn)到消亡整個(gè)生命周期內(nèi)排放的 CO2 及其他溫室氣體的總量。綜合國(guó)外學(xué)者對(duì)碳足跡的定義，不難看出他們都把最終的研究焦點(diǎn)落在了 CO2 等溫室氣體上，通過(guò)對(duì)產(chǎn)生的 CO2 排放量進(jìn)行分析測(cè)算得出相應(yīng)的碳足跡。
3研究進(jìn)展與文獻(xiàn)綜述
2007 年，聯(lián)合國(guó)環(huán)境規(guī)劃署/國(guó)際環(huán)境毒理學(xué)與化學(xué)學(xué)會(huì)召開了主題為“生命周期倡議”的大會(huì)，大會(huì)設(shè)立了碳足跡專項(xiàng)研究小組，旨在討論碳足跡的具體計(jì)算方法 （生命周期法、投入產(chǎn)出法、IPCC 法等）與研究應(yīng)用[10-11]。就碳足跡的研究程度來(lái)看，歐美地區(qū)較為深入。美國(guó)自然保護(hù)協(xié)會(huì)通過(guò)對(duì)各州居民平均碳排量的計(jì)算，開發(fā)出了測(cè)算個(gè)人碳足跡的計(jì)算器。英國(guó)愛丁堡大學(xué)的巴斯敏和莫里斯對(duì)社區(qū)的碳足跡計(jì)量開展了研究，基于對(duì)日常生活圈頻繁使用的產(chǎn)品生產(chǎn)與分解過(guò)程中碳排放量的分析，建立了評(píng)估社區(qū)碳排放量大小和主要組成部分的碳足跡模型，指出交通出行方面的碳排放是社區(qū)碳足跡的主要組成部分。所以，國(guó)外對(duì)碳足跡的研究逐步從宏觀走向微觀，從整體走向局部，測(cè)算碳足跡的方法也越來(lái)越多樣化，應(yīng)用的領(lǐng)域也越來(lái)越廣泛，研究的程度也在不斷的深入。
我國(guó)碳足跡研究始于20世紀(jì)90 年代，且研究的理論與方法多借鑒國(guó)外的碳足跡研究。就目前國(guó)內(nèi)碳足跡的研究現(xiàn)狀來(lái)看，彭俊銘、朱嬋瓔、張約翰等人[12-14]對(duì)區(qū)域能源消耗碳足跡做了相關(guān)研究，構(gòu)建了碳足跡的計(jì)算模型，引入了能源消耗碳足跡產(chǎn)值（VCF值），闡述了能源消耗碳足跡發(fā)生動(dòng)態(tài)變化并提出了建議，為區(qū)域的低碳發(fā)展提供了科學(xué)依據(jù)；宋宇辰[15]等人對(duì)做了能源消耗碳足跡的實(shí)證研究，運(yùn)用 IPCC 法計(jì)算了該自治區(qū)的能源消耗碳足跡，新引入了能源消耗碳足跡強(qiáng)度指數(shù)等相關(guān)指標(biāo)，并基于環(huán)境庫(kù)茲涅茨曲線探究了能源消耗碳足跡與經(jīng)濟(jì)發(fā)展水平之間的關(guān)系，據(jù)此得出相關(guān)結(jié)論；趙濤、鄭丹[16，17] 等人對(duì)中國(guó)能源消耗碳足跡的生態(tài)壓力做了相關(guān)研究，借鑒了IPCC 法[18] 測(cè)算了中國(guó)能源消耗碳排放量、碳足跡、碳足跡生態(tài)壓力指數(shù)等，又引入經(jīng)濟(jì)學(xué)中的脫鉤理論來(lái)研究能源消耗碳足跡與人均GDP二者的關(guān)系，據(jù)此得出相關(guān)結(jié)論。盧俊宇、黃賢金[19～24]等人對(duì)一些行政區(qū)能源消費(fèi)碳足跡、碳足跡產(chǎn)值、碳足跡強(qiáng)度進(jìn)行了分析；然后在此基礎(chǔ)上，采用嶺回歸函數(shù)對(duì)STIRPAT模型進(jìn)行擬合，研究了人口與人均GDP與能源消費(fèi)碳足跡的關(guān)系及其驅(qū)動(dòng)因素分析。鄭丹[25]引入能源碳足跡生態(tài)壓力（EPICF）的概念，并對(duì)區(qū)域能源碳足跡生態(tài)壓力的時(shí)空變化進(jìn)行了定量分析，以測(cè)度現(xiàn)有森林和草地的面積是否能夠滿足區(qū)域日益增加的能源碳足跡?？v觀我國(guó)碳足跡的研究進(jìn)展，理論與方法正在不斷豐富與完善，研究的指標(biāo)也不斷的多樣化，多學(xué)科的交叉也日益明顯，但有關(guān)區(qū)域差異的相關(guān)研究顯得有些不足，今后有待加強(qiáng)。
4結(jié)語(yǔ)
城市的能源消耗已不再是單純的能源利用問題，它還關(guān)系到整個(gè)城市的社會(huì)、經(jīng)濟(jì)、環(huán)境的發(fā)展，能源的利用效率反應(yīng)該地區(qū)的科技發(fā)展水平，能源的利用結(jié)構(gòu)關(guān)系到該地區(qū)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化及從事不同產(chǎn)業(yè)的人口調(diào)整，能源的消耗更是對(duì)該地區(qū)的生態(tài)環(huán)境造成巨大的壓力，危及到城市的生態(tài)安全，不利于城市的低碳發(fā)展。為了實(shí)現(xiàn)城市的低碳發(fā)展，走一條低能耗、低污染、高增長(zhǎng)的生態(tài)城市道路，勢(shì)必要弄清城市的能源消費(fèi)狀況，測(cè)算出城市的能源消耗碳排放量及碳足跡，分析城市的能源碳足跡強(qiáng)度、能源碳足跡產(chǎn)值、能源碳足跡生態(tài)壓力指數(shù)，找出產(chǎn)生能源碳足跡生態(tài)壓力的原因并提出合理化建議，為城市的生態(tài)文明建設(shè)提供科學(xué)的依據(jù)與方法。研究能源消耗碳足跡及其影響因素，計(jì)算碳排放指標(biāo)，總體和人均碳足跡，通過(guò)脫鉤分析以及灰色關(guān)聯(lián)法等數(shù)學(xué)模型摸清區(qū)域現(xiàn)階段的能源消費(fèi)狀況及能源利用效率，看清城市能源消耗碳排放、碳足跡的動(dòng)態(tài)變化趨勢(shì)，有助于我們對(duì)城市碳匯的生態(tài)壓力大小及產(chǎn)生壓力的原因有比較清醒地認(rèn)識(shí)，為此我們可以提出相應(yīng)的對(duì)策為城市未來(lái)的低碳發(fā)展創(chuàng)造有利條件。本文綜述了國(guó)內(nèi)外最新的研究成果，可以作為其他城市研究相關(guān)問題的借鑒。
參考文獻(xiàn)：
[1]
段孟辰，薛科社，薛璐，等.城市能源消耗碳足跡動(dòng)態(tài)變化及影響因素分析――以西安市為例[J].河南科學(xué)，2013，31（6）：837～841.
[ 2 ]焦文獻(xiàn)，陳興鵬，賈卓，等.甘肅省能源消費(fèi)碳足跡變化及影響因素分析[J].資源科學(xué)，2012，34（3）：559～565.
[ 3 ]桓漢青，陳冬冬，陳超凡等，.四川省能源消耗碳足跡的分析[J].環(huán)境污染與防治， 2014，36（4）：96～101.
[ 4 ]郭運(yùn)功，汪冬冬，林逢春.上海市能源利用碳排放足跡研究[J].中國(guó)人口?資源與環(huán)境，2010，20（2）：103～108.
[ 5 ]Wackemagel M， Rees W E. Our Ecological Footprint： Reducing Human Impact on the Earth[R]. Gabriola island （Canada）： New Society Publishers，1995.
[ 6 ]Energetics. Carbon footprint of different hdustrial spaces base on energy cansupmtion in China[R].The reality of carbon neutrality.2007.
[ 7 ]ETAP.The carbon trust helps UK businesses reduce their environmental impact[R].The rcality of carbon neutrality，2007.
[ 8 ]Druckman A，Jackson T. The carbon footprint of UK households 1990― 2004 a socio economically disaggregated，quasi-multi-regional input-output model[J]. Ecological Economics，2009，68（7）：2066―2077.
[ 9 ]POST. Carbon Footprint of Electricity Generation[R].London： Parliam entary Office of Science and Technology， 2006.
[10]IPCC. 氣候變化報(bào)告 2007[EB/OL].ipcc.ch.
[11]宋宇辰，張靜，孟海東.內(nèi)蒙古能源消費(fèi)碳足跡研究[J].寧夏大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，34（2）：177-181.
[12]彭俊銘， 吳仁海. 基于LMDI的珠三角能源碳足跡因素分解[J]. 中國(guó)人口?資源與環(huán)境， 2012， 22（2）：69-74.
[13] 張約翰， 張平宇. 長(zhǎng)吉都市區(qū)能源碳足跡測(cè)度及影響因素研究[J]. 地理科學(xué)， 2012， 32（9）：1099-1105.
[14] 朱嬋瓔. 江蘇省能源消費(fèi)的碳足跡特征分析[D]. 南京：南京信息工程大學(xué)， 2013.
[15] 宋宇辰，張靜，孟海東.內(nèi)蒙古能源消費(fèi)碳足跡研究[J].寧夏大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，34（2）：177-181.
[16] 趙濤，鄭丹.1996-2010 年中國(guó)能源碳足跡生態(tài)壓力研究[J].干旱區(qū)資源與環(huán)境，2014，28（2）：1-6.
[17] 張清，鄭丹，許憲碩.中國(guó)能源碳足跡生態(tài)壓力變動(dòng)的因素分解研究[J]. 干旱區(qū)資源與環(huán)境，2015，29（4）：41-46.
[18] IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories - Volume 2 Energy[R].IPCC，2006.
[19]盧俊宇， 黃賢金， 陳逸，等. 基于能源消費(fèi)的中國(guó)省級(jí)區(qū)域碳足跡時(shí)空演變分析[J]. 地理研究， 2013， 32（2）：326-336.
[20]Xiaowei C， Li L， Huang X， et al. Temporospatial changes of carbon footprint based on energy consumption in China[J]. 地理學(xué)報(bào)（英文版）， 2012， 22（1）：110-124.
[21]Zhao R， Huang X， Liu Y， et al. Urban carbon footprint and carbon cycle pressure： The case study of Nanjing[J]. Journal of Geographical Sciences， 2014， 24（1）：159-176.
[22]盧娜， 曲福田， 馮淑怡，等. 基于STIRPAT模型的能源消費(fèi)碳足跡變化及影響因素――以江蘇省蘇錫常地區(qū)為例[J]. 自然資源學(xué)報(bào)， 2011（5）：814-824.
[23]盧娜， 馮淑怡， 曲福田. 基于STIRPAT模型的能源消費(fèi)碳足跡變化及影響因素分析―― 以無(wú)錫市為例[C]∥中國(guó)生態(tài)經(jīng)濟(jì)建設(shè)2010太原論壇， 2010.