碳排放的影响因素大全11篇

绪论：写作既是个人情感的抒发，也是对学术真理的探索，欢迎阅读由发表云整理的11篇碳排放的影响因素范文，希望它们能为您的写作提供参考和启发。

篇（1）

自2005年2月16日《京都议定书》正式生效后，中国在碳排放方面承受着巨大的压力和严峻的挑战。广东省作为中国最大的经济省份，同样，在中国碳排放方面也占有了重要的地位，因此，为了实现中国碳减排的目标，广东省的作用更是不能忽视。根据现有的文献，大部分是采用LMD分解方法对中国的碳排放进行了整体的测度和分解，以及通过关联系数对经济发展与碳排放的趋同性进行分析。本文在前人的基础上，仅针对能源消费引起的碳排放进行研究分析，同样得出能源结构变化是减少广东省碳排放的主要途径。

广东省碳排放的分解因素分析：

1.能源碳排放系数估计

现阶段对各种能源的碳排放系数的权威估计主要包括DOE/EIA、日本能源经济研究所、国际可为气候变化项目以及徐国泉等。为了消除各种估计的误差，本文采取它们的平均值进行计算，经计算可得，煤炭、石油以及天然气的碳排放系数分别为0.7329t（C）/t、0.5574t（C）/t和0.4226t（C）/t。

2.广东省碳排放测算的数据来源和说明

各数据来自1991-2009年的《广东省统计年鉴》，其中生产总值（GDP）以1990年的不变价格进行处理调整。

3.广东省碳排放测算结果

从图1可以看出，广东省人均碳排放量总体上是增加的，只有在1998年和2008年稍有回落。整个时间段可以分为两个阶段，第一个阶段是1991-1997年，在这个阶段，广东省碳排放缓慢上升，平均增速为5.7%。以1998年回落为界，1999-2007年，广东省碳排放快速上升，年平均增速高达8.9%，其中，在2003年和2004年增速高达14%以上。从各影响因素的曲线位置来看，经济发展因素位于X轴上方，表明经济发展因素是拉动人均碳排放的增长因素；能源效率和能源结构位于X轴下方，表明这两者均是抑制人均碳排放增长的因素。从各曲线的变化幅度可知，能源效率在抑制广东省人均碳排放上起着重要的作用，而能源结构的作用一直没有得到充分发挥；并且经济发展变化幅度一直大于能源结构和效率的变化幅度之和，使得人均碳排放总体上处于上升的状态，在第二个阶段，能源效率的抑制作用在近年来明显趋于缓慢，而经济的快速增长以及人口的控制促使经济发展水平得到了快速的提高，增长速度远远快于能源结构以及能源效率的优化和提高，从而导致了在第二阶段人均碳排放的持续快速增长。因此，为了减缓广东省碳排放的增长速度，优化能源结构的空间更为巨大。

进一步分析各影响因素对广东省人均碳排放的贡献率，为了使得抑制因素和拉动因素直接具有可比性，将抑制因素小于1的贡献率取倒数，得到图2。

图2 1991-2008年各因素对广东省人均碳排放的贡献率趋势图

从图2可以看出，广东省经济发展水平对人均碳排放的贡献率呈指数拉动趋势。而作为抑制因素的能源效率对人均碳排放的贡献率在第一个阶段呈现较快上升状态，使得其与经济发展水平的贡献率曲线之间逐渐收窄，但能源效率在第二个阶段则表现平平，在2003年和2004年稍有回落，但却没有呈现出明显的倒“U”型；作为抑制因素的能源结构在整个研究时期对人均碳排放的贡献率几乎维持在一个较低的水平。因此，与贡献值的研究结果一致，要在保持经济的快速增长前提下，抑制广东省碳排放的主要办法就是通过优化广东省的能源消费结构，由于煤炭主要是消耗在产业结构中的第二产业，所以产业结构的升级，有利于减少煤炭的使用量，调整能源消费结构和减低广东省的人均碳排放。

参考文献：

[1]徐国泉,刘则渊,姜照华.中国碳排放的因素分解模型及实证分析:1995-2004[J].中国人口,资源与环境,2006,16(6):158-161.

[2]谭丹,黄贤金.我国东、中、西部地区经济发展与碳排放的关联分析及比较[J].中国人口,资源与环境,2008,18(3):54-57.

篇（2）

中图分类号：F113.3 文献标识码：A 文章编号：1001-828X（2014）08-00-01

一、引文

2006年，尼古拉斯・斯特恩牵头做出的《斯特恩报告》指出：如果现在就开始采取强有力行动，我们可以以大约全球每年GDP的1%为代价，把温室气体在大气中的水平稳定在500-550ppm碳当量，并且认为尽早行动的益处远远超过不采取行动的代价，如果没有任何行动，那么气候变化带来的风险大约会增加到至少全球每年GDP的5%，如果考虑到更宽泛的影响，估计损失会达到20%或者更多，足以跟两次世界大战和经济大萧条比拟[1]。因此，对陕西省碳排放影响因素进行研究，具有重要的理论及现实意义。

本章主要利用陕西省历史数据，使用LMDI因素分解分析方法，对能源消费进行因素分解分析得出影响陕西省能源消费的主要因素及其历史贡献程度[3-6]。

二、碳排放的LMDI分解分析模型

依据LMDI分解分析方法的基本思路，碳排放可分解为如下几个部分：

其中， 为能源消费总量变化导致的总量变化效应

为能源碳排放系数变化导致的碳排放强度变化效应

为能源消费结构变化导致的结构变化效应

三、数据处理及实证分析

本章使用陕西省1995-2012年碳排放数据及能源消费量等数据，部分数据由推算得出，数据来源于陕西省统计年鉴。在本节中，能源碳排放系数是固定的，因此能源碳排放系数变化导致的碳排放强度变化效应为0。将数据代入公式2-1，可得出碳排放的分解数据，结果如图3-1所示：

1.能源消费总量效应

能源消费是碳排放的主要来源，并且目前国内对碳排放的估算是基于能源消费数据。从图3-2中可看出，陕西省碳排放量的变化主要来源于能源消费的变化，能源消费对碳排放变化的累积效应大部分年份超过了100%。此处之所以在对碳排放进行分解分析时纳入了能源消费总量的因素是因为，能源消费本身是受到经济增长、产业结构、人口等因素的影响，这些因素通过对能源消费的影响进一步影响到碳排放。

2.能源消费结构效应

从图3-1可以看出，从1995年开始，陕西省能源消费结构对碳排放的变化大部分表现为负效应，对减少碳排放的贡献值在不断增加。陕西省能源消费中煤炭所占的比重超过了70%，因此能源结构效应对减少中国碳排放的贡献力不大。从图3-1可以看出，各年份能源结构的累积效应变化较小，趋于平缓。

四、结论

本文主要采用LMDI分解分析方法，对陕西省能碳排放因素进行分解。主要结论是：在对碳排放进行因素分解分析后得出，碳排放量的变化可分解为能源消费总量变化及能源消费结构变化，通过导入能耗总量及能耗结构的的历史值，可计算得到各自对碳排放变量的历史贡献度。能源消费总量变化对碳排放总量变化贡献最大，并呈正向关系。能耗结构变化对碳排放总量变化贡献度相对较低，但呈负向关系，即能耗结构使得碳排放降低。

参考文献：

[1]Nicholas Stern. Stern Review on the economics of climate change [M].Cambridge University Press，Cambridge，UK，2006.

[2]基于系统动力学的广东省低碳经济发展路径选择[M].华南理工大学，2011：06.

[3]巩芳，王芳.基于LMDI分解模型的内蒙古碳排放实证研究，干旱区资源与环境[J].2013：72-77.

篇（3）

中图分类号：F124.5 文献标志码：A 文章编号：1673-291X（2013）21-0292-02

自2001年政府间气候变化委员会（IPCC）第三次气候评估报告以来，气候变暖问题逐渐成为重要的国际政治议题。为了应对气候变化，世界各国均将发展低碳经济提上议事日程。中国政府亦于2009年向国际社会承诺到2020年单位GDP碳排放强度比2005年下降40%～45%。因此，研究中国碳排放的变化趋势及影响因素具有重要的现实意义。本文利用四川省的相关数据来分析四川省三大产业二十年来碳排放的变化趋势，并从产业结构、能源结构、能源强度、经济发展等因素来分析导致四川省碳排放增长的主要原因。

一、研究方法和数据整理

（一）研究方法

产业碳排放量，是指产业活动燃烧化石能源（主要包括煤炭、石油及天然气等）释放出的二氧化碳量。本文将Kaya恒等式表述为碳排放强度、能源结构、能耗强度、产业结构、生产总值5个因素的乘积。根据Ang提出的LMDI法可将碳排放总量分解为排放因子效应、能源结构效应、能源强度效应、产业结构效应及产出规模效应等因素的乘积，则碳排放由0期到T期的变化可以分解为排放因子效应、能源结构效应、能源强度效应、产业结构效应及产出规模效应五种驱动因素，由于各类能源的碳排放系数通常较为固定，在实际应用中一般取常量，因此，排放因子效应始终等于0，可以不作为考虑因素。则碳排放的变化就表示为能源结构效应、能源效率效应、产业结构效应及产出规模效应四种驱动因素。能源结构对碳排放变化的影响主要体现在不同的能源在碳排放系数方面具有差别，如果用高碳能源替代低碳能源，在其他因素不变的情况下，会导致碳排放的增加，反之，则会减少碳排放。能源强度反映了对能源利用的节约程度。由于不同产业在能源消耗上具有差别，因此，产业结构在一定程度上决定着能源需求和碳排放。从理论上讲，调整产业结构可以降低总体能源消耗及碳排放。产出规模效应反映了经济规模的变化对碳排放的影响，多数研究认为，碳排放与经济增长之间存在长期平稳的正相关关系，即在其他条件不变的情况下，经济规模的扩张会引起更多的能源消耗和碳排放。

（二）数据来源和整理

本文将国民经济分为第一产业、第二产业和第三产业，能源品种分为煤炭、石油、天然气三类来进行研究。能源消费数据、各产业增加值及比重均来源于1990—2011年《四川省统计年鉴》，其中，产业增加值均按照1978年不变价进行了调整。由于目前中国没有碳排放量的直接监测数据，当前大部分的碳排放量研究都是基于能源消费量、能源碳排放系数进行估算，即碳排放量等于第i种化石能源的消费量乘以第i种化石能源对标准煤的折算系数乘以第i种化石能源的碳排放系数。化石能源对标准煤的折算系数采用《中国能源统计年鉴》（2009）规定的数值，即1kg原煤折0.7143kg标煤，1kg原油折1.4286kg标煤，1m3天然气折1.333kg标煤。碳排放系数目前各国采用的数值并不完全相同，本文选用国家发展和改革委员会能源研究所的数据：煤炭、石油、天然气的碳排放系数分别为0.7476kg碳/kg标煤、0.5825 kg碳/kg标煤、0.4435 kg碳/kg标煤。由于本文主要考察产业结构演变对碳排放量的影响，再加上中国碳排放的主要来源是生产领域而非消费领域，故而本文在研究时省略掉了消费领域的碳排放，只考察三大产业的碳排放。此外，由于受到统计数据的限制，1999—2004年的相关数据缺失，但不影响本文的研究结论。

二、数据分析和研究结果

（一）四川省碳排放的增长趋势

1990—2011年四川省碳排放量大幅增加，从1990年的3 689.488t增加到2010年的13 057.19t，增幅达253.9%。1990—1998年三大产业碳排放增幅较大，达58.48%，2005—2010年增幅有所下降，达38%。其中，第一产业的碳排放从1990年的26.96t增加到2010年的130.898t，增幅达385.5%。1990—1998年碳排放增幅达56.8%，2005—2010年增幅下降到40%；第二产业的碳排放从1990年的2 284.156t增加到2010年的8 151.758t，增幅达256.88%。1990—1998年碳排放增幅较大，达59.26%，2005—2010年增幅有所下降，达38.13%；第三产业的碳排放从1990年的1 378.371t增加到2010年的4 774.531t，增幅达246.39%。1990—1998年三大产业碳排放增幅达57.2%，2005—2010年增幅下降到37.7%。总起来看，碳排放增幅最大的是第一产业，其次是第二产业，增幅最小的是第三产业。碳排放量最大的是第二产业，最少的是第一产业。

（二）采用LMDI法对碳排放分解表明，产业结构是导致四川省碳排放增长的正向因素

1990—2010年是四川省工业向重型化发展的阶段，工业比重从1990年的35.1%提高到2010年的50.5%，工业重型化特征必然导致对化石能源的消耗量增大，进而加大碳排放量。这和国内其他的一些研究成果存在着一定的分歧，部分研究认为，产业结构的调整和优化对碳排放量的增长起负面效应，从理论上讲，产业结构的调整和优化，意味着产业结构对资源和能源的依赖程度下降，经济发展更多的依靠科技进步，因而碳排放量会下降。但是，由于中国目前正处于工业化中期阶段，产业结构正在由重工业化阶段向高加工度方向发展，因此，产业结构对碳排放量的贡献率为正且较大。因此，在遵循产业结构演进的客观规律的基础上，采取有效措施促进四川省产业结构的进一步高度化，将会导致产业结构对碳排放的贡献率下降直至变为负。

能源结构也是导致四川省1990—2010年碳排放增长的重要促进因素，表明四川省在发展过程中仍然是维持着高碳能源的消耗比重。1995—2010年，煤炭和石油的消费比例在三大类能源的消费中占了98.86%，其中煤炭的比重高达88%，如果继续维持目前的高碳能源消费结构，将对四川省节能减排的目标实现带来很大的困难。因此，转变能源消费结构，用低碳能源替代高碳能源，对于四川省完成节能减排任务具有重要的意义。

能耗强度的下降即能源利用效率的提高对1990—2010年四川省碳排放量的增长发挥着积极的负面效应，且其抑制效应在逐年增大。1990年四川省的能耗强度为6.66吨标煤/万元，到2010年能耗强度降为2.75吨标煤/万元，表明四川省综合能源利用效率得到了稳步提升，而能源效率的提高又主要得益于各产业的技术进步，今后应当进一步鼓励企业技术创新，继续发挥能耗强度对碳排放的抑制效应。

经济增长对四川省碳排放量的增长发挥着积极的负面效应。1990—2010年四川省实际GDP的增长率达到8.5%，同期碳排放的增长率达到253.9%。经济的快速发展刺激了能源消费，进而导致了碳排放的增长。这一结论和国内其他的研究成果的结论是一致的，表明经济增长与碳排放之间存在着直接的正相关关系。

三、结论和建议

本文采用1990—2010年四川省分行业能源消费数据，计算了四川省三大产业的碳排放量，并采用LMDI法将引起四川省1990—2010年碳排放增长的因素分解为四种效应。通过对结果的分析，我们发现：（1）在1990—2010年间，四川省碳排放增长了2.5倍，年均增长率达到12%，高于同期实际GDP的增长率，反映出在四川省工业结构重型化的趋势下，碳排放总量增长的态势。分阶段来看，2005—2010年各产业碳排放增长的速度比较起1990—1998年均有不同幅度的下降，表明由于抑制因子的作用，四川省碳排放增长的趋势有所放缓。（2）产出规模和产业结构是导致四川省碳排放增长的正向因素。经济规模的扩大，及产业结构重型化的发展，都对四川省碳排放起到了积极的促进作用。因此，在经济发展的同时，应该积极调整产业结构，促进产业结构的高度化，推动低能耗、低排放的高新技术产业及服务业的发展，同时也要重视利用高新技术对传统工业部门进行更新改造。在这一过程中，要注意尊重产业结构演进的客观规律性。（3）能源结构亦是导致四川省碳排放增长的正向因素。因此，当前四川省应该加快发展太阳能、风能、核能等清洁能源，用低碳能源替代高碳能源，优化能源结构，发挥能源替代效应对减排的积极作用。（4）能源利用效率是导致四川省碳排放增长的负面因素。而能源利用效率的提高主要得益于各产业的技术进步，因此应当继续重视发挥技术进步对提高能源利用效率的积极作用。

参考文献：

[1] 佟新华.中国工业燃烧能源碳排放影响因素分解研究[J].吉林大学社会科学学报，2012，（7）：151-160.

[2] 袁鹏，程施.辽宁省碳排放增长的驱动因素分析——基于LMDI分解法的实证[J].大连理工大学学报：社会科学版，2012，（3）：35-40.

篇（4）

中图分类号：F061.5 文献标志码：A 文章编号： 1001-862X（2012）03－0049－007

一、引 言

目前，全球气候变暖已严重威胁到人类的生存和健康。而大气层中二氧化碳等温室气体的大量积聚是全球变暖的主要原因（IPCC,2000）。除了自然因素以外，更大程度是人类燃烧化石燃料导致的温室气体排放。自1992年《联合国气候变化框架公约》制定以来，全面控制和减少二氧化碳等温室气体的排放已成为各国环境经济政策的重要导向。2009年的哥本哈根气候谈判会议要求发展中国家承担减排义务，中国作为目前世界最大的CO2排放国家，面临着来自国际社会的巨大压力。为了应对气候变化，我国提出争取到2020年，单位国内生产总值CO2排放（碳排放强度）比2005年降低40%—45%，并将其作为约束性指标纳入国民经济和社会发展中长期规划。因此，分析影响CO2排放的相关因素，最终找出节能减排的内在动力，对减少温室气体的排放，实现可持续发展尤为重要。

二、文献综述

对二氧化碳排放影响因素的分解研究始于20世纪70年代，Ehrlich和Holden（1971）提出了IPAT模型来分析人类活动对环境的影响，即I=P?A?T方程，该方程将环境影响（I）表示为人口规模（P）、一国的富裕程度（A）、技术水平（T）三个关键驱动力乘积的结果。20世纪90年代以来，经济全球化不断加剧，国际贸易快速增长，并成为经济增长的主要驱动力之一，由此带来的环境质量的急速下降引起了广泛关注。1991年，G.Grossman和A.Kureger通过42个国家的面板数据分析特定的制度变迁对环境的可能影响时发现并提出了环境库兹涅茨曲线（EKC），该曲线表明经济增长和环境污染之间呈现一种倒“U”型的关系，即随着经济的增长环境质量呈先恶化后改善的趋势。近年来，国内外许多学者采用不同的污染指标和方法对经济增长与环境污染之间的关系进行了深入的研究，发现两者之间或呈倒“U”型关系（张为付等，2011）、单调递增关系（Shafik等，1994）、N型曲线（Friedl&Getzner,2003）甚至不相关（Lantz&Feng，2006），得出的拐点相差也很大。1994年，Copeland和Taylor在研究南北贸易和环境的关系时，提出了“污染避难所假说”。该假说认为自由贸易使高污染产业从发达国家转移至发展中国家，导致污染密集型产品的生产和消费发生分离，产品出口到发达国家而污染却留在了发展中国家。需要指出的是，当前学术界对“污染避难所假说”尚未达成共识，甚至有的观点和研究结论截然相反。例如，Antweiler等（2001）将贸易效应引入环境污染的一般均衡理论模型，得到的结论是自由贸易有利于环境质量的改善。

近年来，国内学者对环境效应的分析不断深入，已延伸至影响经济发展的各个层面，宋德勇、卢忠宝（2009）采用两阶段迪氏因素分解法，将影响CO2排放的因素分解为产出规模、能源强度、能源结构和能源排放强度四个方面，并引入产出结构效应，对能源强度进行再次分解。结果显示能源强度的变化主要来自于部门能源强度的变化；林伯强、刘希颖（2010）在Kaya恒等式的基础上，引入城市化因素，发现城市化的人口转移对能源和碳排放的冲击非常明显，特别是城市化进程中的高耗能特征；李国志、李宗植（2010）将我国30个省份分为低排放、中排放、高排放区域进行比较，结果表明：三个区域的CO2排放存在明显差异，并且差异性不断扩大；龙志和、陈青青（2011）认为全国和东部地区EKC曲线呈倒N型，中西部地区则为单调递增关系。

上述文献从不同方面考察了CO2排放的影响因素，本文试图在已有研究的基础上进行如下改进：首先，在因素选取上，本文结合我国现阶段工业化和城市化快速发展的特征，综合已有研究中影响CO2排放的重要因素，另外考虑到CO2的排放惯性，进一步引入因变量的滞后一期；其次，在技术因素的处理上，现有文献多数采用因素分解法，选取单因素能源效率指标（能源强度）来衡量，却忽略了其他相关因素的替代作用。为了弥补这一缺陷，本文采用Hu和Wang（2006） 基于数据包络法提出的全要素能源效率指标；最后，考虑到我国各省份资源禀赋及经济发展水平的差异性，在区域划分上，本文克服简单的以地理位置为依据的东中西划分方法，首次采用更为科学的沃德法，以单位GDP的能源消耗量和CO2排放量为依据将全国划分为五个区域，并对各区域的碳强度进行了对比分析。

三、模型构建及数据说明

（一）模型构建

为了检验各因素对CO2排放驱动力的大小，构建了如下模型：

ln（CO2）it=?姿（CO2）it-1+?茁1Yit+?茁2Yit2+?茁3Yit3+?茁4ESit

+?茁5SIYit+?茁6TOit+?茁7Uit+?茁8SKit+?浊i+?着it（1）

篇（5）

[中图分类号]X321

[文献标识码]A

[文章编号] 1673-5595（2013）04-0018-05

近年来，随着经济高速发展、人口持续膨胀和工业化、城市化进程的进一步推进，能源消费剧增，生态环境日益恶化，特别是温室气体排放引起的气候变暖已严重威胁到人类的生存和发展，低碳经济受到世界各国的普遍关注，成为应对气候变化、实现经济可持续发展的首选战略.[1]。东北老工业基地是中国碳排放的重灾区，不可避免地成为全国碳减排的首要对象，而工业又是其能源消费的主力军，因此，分析东北老工业基地工业碳排放量变化的影响因素，找出控制或降低碳排放量的措施，对于节能减排、促进东北老工业基地低碳经济发展具有重要的现实意义。本文针对东北老工业基地工业碳排放量变化的影响因素，利用对数平均迪氏指数法（Logarithmic Mean Divisia Index method， LMDI）进行因素分解并对模型展开研究，旨在为东北老工业基地未来的节能减排提供实证参考，据此提出控制碳排放的政策建议，以促进东北老工业基地低碳经济的发展，实现东北老工业基地的振兴和长期可持续发展。

一、分解模型的建立

基于对数平均迪氏指数法对碳排放影响因素分析的优越性（全分解、无残差、易使用、易理解），本文采用该方法分析东北老工业基地工业碳排放量变化的影响因素，因为LMDI分解法在理论基础、适用范围和结果表达等综合方面相对较优，分解结果有加法和乘法两种形式，易于转换且一致，不存在无法分解的残差，可以用于绝大多数情形的分析，所以，LMDI分解法是目前对能源分析的一种重要分析方法，具有表达性和实用性.[2]。

工业碳排放的影响因素很多，鉴于东北老工业基地的研究重点在人口规模、经济发展水平、工业化率、能源利用效率、能源消费结构和碳排放系数对工业碳排放量变化的影响，建立下面的工业碳排放影响因素分解模型

由式（2）可知，碳排放总量C的变化取决于P（人口规模因素）、Y（经济发展水平因素）、L（工业化率因素）、M（能源利用效率因素）、Ni（能源消费结构因素）、Ri的变化（碳排放系数因素）.[3]。

中国石油大学学报（社会科学版）2013年8月

第29卷第4期李绍萍，等：基于LMDI的东北老工业基地工业碳排放影响因素实证分析

第t期相对于基期的碳排放总量变化的影响因素可以分解为6个因素，具体如下：

二、数据来源及处理

东北老工业基地工业增加值和工业能源消费的原始数据来源于1997—2011年东北三省历年《统计年鉴》和《中国能源统计年鉴》，以原始数据为基础，按照以下方法进行数据处理：

由于工业总产值中存在固有的双倍计量问题，本文以工业增加值来计算工业化率和能源利用效率，同时，数据以1997年为基准，根据相应的工业产值指数统一折算成1997年不变价格，不变价工业GDP=基准工业GDP×工业产值指数。因为随着经济发展，价格是不断变化的，所以，以现价工业GDP计算的碳排放总量是不能直接对比的.[5]。

由于能源种类过多，且有些种类消费量较低，本文按照一次能源终端消费的分类将工业能源消费划分为原煤、原油、天然气三种能源种类进行碳排放总量的分析。

目前，东北老工业基地还没有碳排放量的直接检测数据，本文通过能源消费量来估算碳排放量：C=∑iEiRi。由于原始数据中各种能源消费均为实物统计量，单位各不相同，不便于比较，因此，在进行计算时首先需要将各种能源消费实物量按照一定的系数统一折算成标准煤数量，然后再乘以各自的碳排放系数，即可得到各种能源消费的碳排放量.[6]。各种能源的标准煤折算系数和碳排放系数见表2和表3。

三、实证结果及分析

通过整理得到的基础数据，根据上述加法和乘法计算公式，对东北老工业基地工业碳排放量进行因素分解，可以得到1998—2011年各影响因素对东北老工业基地工业碳排放量变化的贡献值和贡献率及贡献值和贡献率趋势图，见表5、图1、图2。

（一）东北老工业基地工业碳排放量的总体变化趋势

从表5和图1中可以看出，东北老工业基地工业碳排放量的总体变化趋势大致表现为明显的两阶段特征：第一阶段为碳排放减少阶段（1997—2002），但整体下降速度变缓，且2000年出现了一个拐点，碳排放量增加了4762万吨；第二阶段为碳排放增加阶段（2002—2011），整体增加速度变快，2008年出现了一个拐点，碳排放量减少了5130万吨，这可能是受绿色奥运等外部因素的影响，使碳排放量有所下降。总体而言，东北老工业基地工业碳排放量是不断增加的，虽然在1997—2002年期间有所下降，但其后一直呈快速增长的趋势，这表明近年来随着振兴东北老工业基地战略的实施和进一步推进，经济得以迅速发展的同时，能源消耗量剧增，东北老工业基地工业碳排放量也呈现出较快增长的趋势.[8]。

图1工业碳排放量变化贡献值趋势

图2工业碳排放量变化贡献率趋势

（二）东北老工业基地工业碳排放量的影响因素分析

为了进一步分析东北老工业基地工业碳排放量变化的内在机理，找出控制或降低工业碳排放量的措施，下面对各影响因素进行具体分析。一般而言，贡献率大于1是碳排放量增加的拉动因素，反之贡献率小于1是其抑制因素。

1. 人口规模因素分析

由表4可知，2011年东北老工业基地人口数为108155万人，较1997年增加了3873万人，说明近年来东北老工业基地人口增长较为缓慢。而根据LMDI分解结果可以看出，人口规模因素对工业碳排放量的贡献值较小，且其贡献率大于1，见表5，说明人口规模因素是工业碳排放量增加的拉动因素，但在其变动不大的情况下，贡献值和贡献率都比较小，且保持相对稳定的状态。

2. 经济发展因素分析

从分解结果中可以看出，经济发展一直是东北老工业基地工业碳排放量增加的主要贡献因素，且其贡献值呈现不断增加的趋势，由1998年的2043万吨增加到2011年的5779万吨，其贡献率则由1998年的108增长到112，说明经济发展始终是推动东北老工业基地工业碳排放量增加的主要因素，对碳排放量的影响最大，且其拉动作用越来越显著，呈不断增强的趋势。

3. 工业化率因素分析

工业化率对东北老工业基地工业碳排放量的贡献值有正也有负，1997—2004年贡献值为负，2004—2011年贡献值除2006年为负外，其他年份都为正，且每阶段内具有一定的变化幅度，这是因为自2004年初国家正式实施振兴东北老工业基地战略后，东北老工业基地迅猛发展，工业化率不断提高，工业能源消耗增加，这在一定程度上导致了工业碳排放量的增加。

4. 能源效率因素分析

能源效率对东北老工业基地工业碳排放量的贡献值整体为负（除2000、2004和2006年3个拐点外），且其贡献值的绝对值较大，其中2008年能源效率对工业碳排放量的抑制作用最大，使碳排放量减少了10776万吨，这说明能源效率是减缓工业碳排放量最重要的因素，是实现碳减排目标最关键的可行因素。

5. 能源结构因素分析

能源消费结构对东北老工业基地工业碳排放量的贡献同时存在正效应和负效应，且其对碳排放量增加的抑制作用较小，其贡献值基本保持在一定的范围内，反映了近年来东北老工业基地能源消费结构未能得到有效改善，有待进一步优化，以充分发挥其对工业碳排放量增加的抑制作用。

四、结论

在东北老工业基地工业碳排放影响因素分解的基础上，通过对各影响因素的实证分析，本文主要得到以下几点结论：

人口规模、经济发展和工业化率因素是东北老工业基地工业碳排放量增加的拉动因素，其中经济发展是工业碳排放量增加的最主要原因，工业化率的贡献值和贡献率次之，人口规模对工业碳排放影响的变化不大。

能源利用效率和能源消费结构因素是东北老工业基地工业碳排放量增加的抑制因素，其中能源利用效率因素的抑制作用大于能源消费结构因素，能源利用效率是减缓工业碳排放量最重要的因素，能源消费结构对工业碳排放影响的变化不大。

总体来讲，东北老工业基地工业碳排放量不断增加，呈现出较快的增长趋势，这主要是因为随着振兴东北老工业基地战略的实施和进一步推进，经济发展和工业化率因素的拉动作用远远大于能源利用效率和能源消费结构因素的抑制作用。

通过以上对影响东北老工业基地工业碳排放量变化因素的分析，笔者认为，在未来的工业发展中，应从以下几方面来控制或减少东北老工业基地工业碳排放量：一是引进先进的生产技术和高效节能设备，对旧设备进行更新与改造，提高能源利用效率；二是进一步优化能源消费结构，多使用天然气、太阳能、风能、水能以及地热能等清洁能源；三是大力发展高新技术产业，适当降低工业化率，特别是降低工业高能耗行业的比重。

综上所述，东北老工业基地在未来的工业发展中只有坚持走以低能耗、低污染、低排放为基本特征的低碳工业发展模式，才能实现东北老工业基地的可持续发展。

[参考文献]

[1] 温景光.江苏省碳排放的因素分解模型及实证分析[J].华东经济管理，2010，24（2）：2932.

[2] 郭朝先.中国碳排放因素分解：基于LMDI分解技术[J].中国人口·资源与环境，2010，20（12）：116220.

[3] 徐国泉，刘则渊，姜照华.中国碳排放的因素分解模型及实证分析：1995—2004[J].中国人口·资源与环境，2006，16（6）：158161.

[4] 潘佳佳，李廉水.中国工业二氧化碳排放的影响因素分析[J].环境科学与技术，2011，34（4）：8692.

[5] 张伟，吴文元.基于LMDI的长三角都市圈工业能源强度变动的因素分解——对长三角都市圈1996—2008年工业部门数据的实证分析[J].产业经济研究，2011，54（5）：6978.

篇（6）

[2]李志强，王宝山.基于因素分解模型的二氧化碳排放影响

因素分析[J].生产力研究，2010（12）.

[3]郭朝先.中国碳排放因素分解：基于LMDI分解技术[J].

中国人口资源环境，2010.，12（20）.

[4]伦丹，张军以.基于低碳经济的碳排放与经济发展的研究[J].重庆师范大学学报，2011，7，28（4）.

[5]Ang B W.Decomposition analysis for policymaking in energy：

篇（7）

中图分类号：X32 文献标识码：A 文章编号：1009-914X（2016）28-0146-01

引言

二氧化碳气体的排放是全球关注的重大环境问题，他直接导致了全球气候的变暖，严重影响着地球的环境，破坏生态平衡。为了应对全球变暖的问题，我国在2009年的常务委员会中结合当前我国二氧化碳的排放状况，给出了未来的排放指标。指标要求在2020年的时候总排放量要比2009年下降40%。这就要求各地政府要充分做好优化二氧化碳排放的工作，实现二氧化碳的排放目标。根据调查显示，我国在1952年到2011年间，制造企业的增长速度由原来的19%增加到40%上升了21个百分点。制造企业是我国最大的能源消耗企业，因此要想降低二氧化碳的排放就必须控制好我国制造业能源消耗量。根据2008年的ipcc的第5次评估报告显示，我国的二氧化碳排放主要是由于化工燃料的燃烧，根据调查显示，我国的化石燃料燃烧所产生的二氧化碳排放量达到全国总排放量的90%多。

一、 研究方法与数据来源

本篇文章是用“转换份额分析”（Shift--shareAnalysis）的模式对制造业二氧化碳的排放数据进行分解。

根据以上的公式我们可以看出影响制造业二氧化碳排放指标变化的因素主要可以分为7个。（1）技术进步因素。它主要是反映了制造业个行业的能源消耗变化对制造业二氧化碳排放量的影响。这种影响主要是基于制造业的产品工艺的不同。所以制造业应该努力提高自己产品的生产工艺，开发研究新的产品，让单位产品在能源消耗上发生变化，这样就能做到节能减排的效果。（2）行业结构的变化。它主要是反应制造业各个行业的产品结构对二氧化碳排放强度的影响。这种影响主要是外部环境以及内部生产调整的影响。（3）能源结构效应。他主要是指制造业中由于生产使用的能源变化对二氧化碳排放的影响。（4）技术进步与行业结构相互影响的作用。是指由于技术的进步和产业结构的变动对二氧化碳排放强度的影响。（5）技术与能源结构的效应。我国制造产业的的技术不断改进和能源结构的不断调整对二氧化碳排放产生的影响。（6）行业结构与能源的相互效应。制造业行业结构的变动与能源变动的综合变动对二氧化碳排放的影响。（7）技术进步，行业结构与能源结构的相互作用。主要是针对这三者的结合对制造业二氧化碳排放的影响。

二、制造业二氧化碳排放强度变动总体效应分析

在1999到2009年这十年之间，技术的进步是影响二氧化碳排放强度的最大影响因素。接着是行业结构的变动，能源消耗的减少等因素。通过历年数据的分析我们不难看出各种因素影响对二氧化碳排放的影响比值，其实技术的进步使得二氧化碳的排放量减少了24%左右，行业结构的变动让二氧化碳减少19%左右，能源消耗的减少使得二氧化的排放量减少了10%左右。由此可见技术的创新和生产工艺的改良对制造业二氧化碳的排放量影响最大。由于制造行业中一般都是以煤炭作为主要的能源，因而能源结构的{整对制造业二氧化碳的排放影响也是极为重要的。

三、行业数据分析

在制造业各个行业的数据分析中我们不难看出对制造业技术进步影响最大的是金属的冶炼及锻压行业，技术进步与改良让整个行业中的二氧化碳排放量减少了30%多。紧着是非金属的矿物质制品和化学原料及化学制品企业，由于技术的改良和创新让二氧化碳的排放量减少了20%多。其原因是这些行业的产品创新和技术工艺的水平发展比较快，使得能源的消耗大量减少。还有一些行业的技术进步比较缓慢。如通信设备，计算机，纺织业，皮毛加工制造业以及木材的加工制造业等等，这些产业的技术进步对能源的消耗影响不大。所以这些行业的技术进步对整个行业中的二氧化碳排放强度影响较小。

在行业结构效应中，对制造业影响最大的是石油化工，炼焦，以及核燃料的加工。他们平均让二氧化碳的排放强度减少了42%。其次是化学原料及化工制品企业，他们的行业结构调整让二氧化碳的排放强度减少了33%。这些行业的结构调整使得二氧化碳的排放强度减少。但是制作行业中别的产业的行业调整对二氧化碳强度的排放影响甚微。甚至有些行业的调整没有让二氧化碳的排放强度减少却还在增加。比如黑色金属的冶炼及压延，交通运输设备的制造企业，医药制造企业，专用设备的制造企业等。由于这些行业的产出比重增加的速度大大超过了能源消耗的下降速度，所以对制造业二氧化碳的排放强度没有起到积极的影响。

结论

气候变暖是如今世界最为关注的问题之一，减少二氧化碳的排放，缩短气候变暖的程度已经变得刻不容缓。我国制造业是关系国民经济发展的支柱产业。由于我国的各种原因导致很多高能耗，高污染的企业技术得不到改善。根据本文的研究发现经济的增长和能源的消耗对制造企业的影响最大。

为了贯彻落实我国节能减排的政策，降低二氧化碳的排放强度，需要从二个方面入手，一方面要切实做好节能减排的具体措施。另一方面要密切关注整个制造行业的减排效果。在减排的手段方面要促进制造业的技术改进，让企业在优化生产技术的同时节约能源的消耗，以实现减排的目的。具体产业的变动对二氧化碳的排放影响比较小，还存在着很大的改良空间。可以多促进绿色制造，新兴制造业，大力开发可持续能源与再生能源。

参考文献

[1]李晶. 产业政策对产业结构变迁、二氧化碳排放的影响[D].山东大学，2014.

篇（8）

（一）Kaya恒等式及LMDI因素分解法

Kaya恒等式是日本的YoichiKaya教授在IPCC的研讨会上提出的。

碳排放量的基本公式C＝∑ci=∑■■■■P①

其中，E为一次能源的消费量；Ei为第i种能源的消费量；Y为（GDP）；P为人口数量。其中，能源结构因素Si=Ei/E，第i种能源在能源消费中的份额；各类能源排放强度Fi=Ci/Ei，即消费单位i能源的碳排放量；能源强度I=E/Y，即单位GDP的能源消耗；经济发展因素R=Y/P，代表人均收入。

由此碳排放量公式可以写为

C＝∑ci=∑SiFiIRP②

人均碳排放公式为

A＝C/P=∑SiFiIR

其中，A为人均碳排放量。

ΔA=At-A0=∑SitFttItRt-∑S0iF0iI0R0=ΔAS+ΔAF+ΔAI+ΔAR+ΔArsd③

ΔAS＝∑W′iln■，ΔAF=∑Wtiln■，ΔAI=∑Wtiln■，ΔAR=∑Wtiln■

（二）数据整理

由于能源的碳排放系数相对稳定，故ΔAF=0，DF＝1。胡初枝综合了日本能源经济研究所、国家科委气候变化项目、徐国泉等的数据对各种能源的碳排放系数做了简均。本文引用胡初枝计算的碳排放系数，本文采用煤炭碳排放系数0.7329，石油碳排放系数0.5574，天然气碳排放系数0.4226。

二、吉林省碳排放因素分析

（一）吉林省人均碳排放的一般规律

从图1可以发现吉林省人均碳排放的一般规律，大致分为三个阶段：1981-1989年间，人均碳排放平稳上升；在1989-2002年间呈现，状态，甚至某些年份人均碳排放下降，；2003年开始上升出现加速状态。

（二）能源强度、能源结构和经济增长对吉林省碳排放的影响分析

根据因素分解法，我们把影响吉林省碳排放的因素归为3类，分别为能源强度因素、能源结构因素和经济增长因素。根据公式①-③，本文计算出具体影响数值，如表1所示。

其中，ΔAs为能源结构对碳排放的作用，ΔAI为能源强度对碳排放的作用，ΔAR为经济增长对碳排放的作用，三者之和为ΔA，即三者人均排放的变化量。由表3的分析结果，绘制相应的曲线图，如图2所示。

1.能源强度对碳排放的影响。如图2所示，1981-2009年，对吉林省人均碳排放起抑制作用的是能源强度的下降。

2.能源结构对碳排放的影响。如图2所示，1981-2009年，能源结构对人均碳排放的抑制作用不大，对碳排放呈现微弱的减少作用，在某些年份还会促进碳排放的增加。吉林省以煤炭为主的能源结构在近30年内没有发生显著变化，煤炭消费占50%以上，很多年份达到70%以上，从2003年开始，煤炭的消费量呈显著上升趋势，这加速了吉林省碳排放数量。

3.经济增长对碳排放的影响。如图2所示，1981-2009年，对吉林省人均碳排放起促进作用的是经济增长（人均GDP）。

1981-2009年，能源强度和能源结构对碳排放的抑制作用没有抵消掉经济增长对碳排放的增加作用，因此吉林省仍旧显示出碳排放连年增长的态势。

三、结论及对策

（一）结论

1.通过以上模型和计算结果，发现吉林省人均碳排放在1980-2003年间呈现比较平稳的状态，从2004-2009年出现加速状态。

2.1981-2009年，对吉林省人均碳排放起抑制作用的是能源强度的下降。

3.1981-2009年，能源结构对人均碳排放的抑制作用不大，对碳排放呈现微弱的减少作用，在某些年份还会促进碳排放的增加。

4.1981-2009年，对吉林省人均碳排放起促进作用的是经济增长（人均GDP）。

5.1981-2009年，能源强度和能源结构对碳排放的抑制作用没有抵消掉经济增长对碳排放的增加作用，因此吉林省仍旧显示出碳排放连年增长的态势。

（二）对策

针对以上结论，本文提出以下对策：

1.改善能源结构，发达国家如法、德等国近年来碳排放的下降主要源于能源结构的调整，能源结构逐渐向以核能、风能、水电等清洁能源发展，在法国核能的比重较高。针对吉林省的特征，要逐渐降低煤炭的比重，适当增加石油、天然气的使用，尽量开放风能、水电等清洁能源。

2.加大运用碳减排技术，燃煤的碳排放多，因此应研发和使用碳捕获技术，特别是煤炭领域，加强清洁煤的使用，以减少对环境的破坏。

3.继续提升能源强度的作用，能源强度的下降是吉林省碳减排的主要原因。

参考文献：

1.AngBW,ZhangFQ,ChoiKH.FactorizingChangesinEnergyanEnvironmentalIndicatorsthroughDecomposition[J].Energy,1998(6).

篇（9）

关键词 沙滩排球 比赛 得失分 训练方法

据统计，自沙滩排球被列入奥运比赛项目后，每年都有超过八十个国家播放沙滩排球的比赛，收看这个节目的观众多达五亿人，由此可见，沙滩排球已在全球范围内流行开来。沙滩排球在我国发展的历史仅有十几年，但沙滩排球球队规模扩大很快，目前也取得了一定的成就。

一、影响沙滩排球比赛得失分的因素

（一）扣球

一般情况下，扣球得分占球队总得分的一半以上，尤其是在施行了每球得分制之后，扣球得分在球队总得分中所占的比例更大。在沙滩排球比赛中，主要的得分方法是进攻，扣球是进攻的第一技术。由于扣球是在球网上进行的争夺，双方针锋相对，由于每个运动员身材的不同，弹跳能力的不同，使得其扣球方法和技巧多有变数，对手一般难以应付。因此，扣球得分就成为了球队主动得分的关键方法。在沙滩排球的比赛中，攻防是相互制约的，攻击中扣球成功了，能有效保障一攻的稳定性，在两队防反能力相当的情况下，一攻扣球能否成功就决定了该队能否得分[1]；与扣球相对应的，另一队要反击扣球，同样，反击扣球能否成功决定着该队是得分还是失分。扣球得分还可以有效压制对手战术的正常发挥。对一攻来说，扣球可以保证自身的得分，相对地增加对手的失误，这是符合沙滩排球比赛基本规律的。而且，在沙滩排球比赛中，加强主动进攻，可以有效地减少本队的失误，这也是比赛的致胜法宝。

（二）对手或自身失误

比赛得分的第二大构成部分是对手失误得分，对手失误得分大约占总得分的三分之一。在沙滩排球的比赛中，球队失误的多少是判断球队基本技术高低的重要标准，同时也是衡量球队是否稳定的主要因素[2]。从沙滩排球自身的特点来看，不同于室内排球，队员有明确的位置、分工，沙滩排球每队参赛人员仅两名，两人要准备接球、传球、还要准备二次传球，扣球。由于人数较少，每一个环节中失误的可能性就增加了很多，所以，与普通排球比赛相比，沙滩排球中出现失误的概率本身就比较大。再加上室外比赛环境的影响，使得赛场上偶然性变得更强，队员对环境的适应和心理调整不当，都会提高失误率，使对手增加失误得分，自身也就加大了因失误造成的失分。

（三）发球

虽然发球在沙滩排球比赛中不是最主要的得分来源，但作为比赛的首次进攻，发球的水平直接影响着整个比赛的过程。沙滩排球发球主要有两种形式：跳发球和上手飘球。上手飘球的特点是能准确地控制球的落点，目的性强。跳发球的特点是具有极强的攻击性，球速快。在沙滩排球中，队员多采用跳发球的发球方式。相比于室内排球来说，难度有所提升：沙滩排球的比赛场地较室内排球的比赛场地短两米，且受沙滩、室外风力、风向和阳光的影响，队员的弹跳能力受到限制，会影响发球。队员要先抑制对手的一攻，就必须增加发球的攻击性，这样可以直接得分，而且可以破坏对手的战术，减轻了本队的防守压力。与此同时，由于增加了发球的攻击性，本队发球的失误率也会随之上升。

（四）拦网

在沙滩排球的比赛中，焦点集中于网上扣球和拦球，可以说，拦网是队员进行防守的第一关，是得分的手段之一，同时操作不当，也会失分。在现代沙滩排球比赛中，攻击和防守还不平衡，虽然每队队员少，战术比较简单，但是当防守方只能一人拦网、一人防守时，进攻方是比较占优势的。准确地拦网能有效地抑制对手的进攻，降低防守的难度，还可以给进攻一方带来心理压力。需要注意的是，沙滩排球的特殊性对队员提出了更高的要求，要求队员能准确判断对手的进攻方法，进行合理地选位，掌握准确的起跳时机。

二、沙滩排球训练的方法

我国沙滩排球的起步较晚，多数队员都是由室内排球运动员转为沙滩排球运动员的，经过十几年的努力，在训练中的不断摸索，我国沙滩排球的训练水平有了很大的进步，但目前的一些训练方法仍然存在一些不容忽视的问题，还需对其进行改进。

（一）扣球的训练

扣球得分是沙滩排球得分的主要来源，这决定了扣球技术在沙滩排球进攻的主导地位[3]。在动作方面，沙滩排球的扣球和室内排球的扣球是一样的。但由于沙滩排球比赛环境的特殊性，扣球动作不易过大，尤其是在风力影响下，球的受力和方向会发生变化，容易产生失误。以重扣球为例，训练时要求队员把握好扣球力度和速度，可在训练场地画出区域，如图1所示，要求队员将球扣到指定区域。刚开始训练的时候，规定运动员扣好球的个数，对没有扣到指定区域的球数不计入总数。随着训练时间的加长，慢慢增加训练难度，要求运动员扣球的次数和扣好球的数量成正比，这种训练在一定程度还提高了运动员的心理素质。除了训练扣球线路，还要求运动员进行远网训练，以提高其不同角度扣球的能力。

图1 重扣球训练图示

（二）防守训练

排球比赛中进攻手段多样，沙滩排球中一个队员要去做多种进攻手段下的防守，具有一定的难度。这就需要加强训练队员对对手扣球动作的判断和反应。以双手击球为例，这种方法具有把握性高和控球能力强的特点，动作上要求击球部位在手腕附近，扣球要逐步加大力度和速度，运动员的姿势逐渐由站立变为跳起，二人在练习的过程中距离也要逐渐由远及近，不断提高训练的难度，从而不断提高手臂控球的能力。除此之外，还可以采用四人合并式练习，具体方法为：在半场中ABCD四人位置如图2所示，A扣球后，D垫球至2处，A到2处传球至B后到3位置，B将球扣到3位置，A将球放起，如此循环进行训练。

图2 双手击球训练图示

（三）发球训练

发球训练中，我们主要介绍的是跳发球的训练，跳发球能给对手带来巨大的威胁，但同时也存在很大的风险性，失误率较高，训练中要不断加强发球的准确性和稳定性。在逆风的时候，运动员要大力发球，加快球体的旋转速度，以加强攻击性，具体训练的时候，要求队员连续发球三次，不考虑其落点，不断加快发球的攻击速度[4]。在加强发球准确性和稳定性方面，则要求队员抛好球，因为抛球的好坏在一定程度上决定了发球的准确性，因此，队员起跳时必须尽全力，还要使身体在空中保持伸展的状态。

（四）拦网的训练

首先，需要训练队员拦网的步法和起跳方法。训练队员拦网的步法，要求队员在网前横向走步，保持上身平衡，眼睛正视前方，做好拦网的姿势；手上动作分为大摆臂和小摆臂两类，大摆臂用在拦网起跳时间较充裕的情况，小摆臂用于二次扣球和战术球的拦网。其次，要强化和巩固队员拦网的步法和起跳方法，也就是强化第一个练习，这项练习要求三名队员配合完成。最后，要训练队员拦网的选位、时间、手型。前两个阶段的练习是拦网的基础性练习，这一阶段的练习是拦网的对抗练习，要求多人进行，拦网的队员要根据进攻队员的抛球位置和扣球动作来判断其发球路线，从而选择适当的起跳方法和起跳时间进行拦网。

三、结束语

综上所述，沙滩排球比赛的输赢是由得失分来决定的，发球、扣球、拦网、对手或自身失误等每一项都有得分或者失分的可能，这就需要运动员在平时的训练中多加努力，不断提高自身综合能力。

参考文献：

[1] 马京荣.沙滩排球竞赛中得失分的主要影响因素分析[J].体育时空.2014（14）：105.

篇（10）

一、引言

湖北是典型的能源输入型地区，如何在能源缺乏的条件下实现经济增长、且做到低碳与减排这一目标，是湖北省现阶段面临的重要难题。因此，分析湖北省能源消费碳排放影响因素，有助于找到合适的减排措施，实现湖北经济的长远发展。

二、文献综述

关于碳排放及其影响因素的关系研究方面，Shi（2003）在基于对93个国家1975―1996年的面板数据的研究，发现发展中国家人口的变化对碳排放变化的作用比发达国家更加明显。从经济发展方面来说，Kim、Lee&Nam（2010）利用STAR模型，研究发现韩国的碳排放和经济增长之间是相互依存的。经济发展水平影响收入水平，进而影响消费者的消费行为和偏好，从而会导致不同强度的碳排放。Lenzen（1998）和Weber（2000）的研究表明消费者的行为对能源的使用以及温室气体的排放有一定的影响。关于碳排放影响因素分解模型的研究方面，Hulten（1973）首次将指数分解方法应用于能源问题的研究。Boyd等（1987、1988）分别提出了算数平均的Divisia指数法的乘法和加法形式。Ang和Liu（2000）提出了对数平均Divisia分解法（LMDI），通过这种方法来计算出来的因素权重不存在残查，计算结果更加准确。国内学者徐国泉等（2006）采用对数平均权重Divisia分解法，定量分析了我国1995―2004年，能源效率、能源结构及经济发展等因素对人均碳排放的影响。宋德永等（2009）运用LMDI方法，引入产业结构因素分析了我国1990―2005年的碳排放影响因素。朱勤等（2009）引入了人口因素研究碳排放影响因素。秦翊、侯莉（2013）运用LMDI分解法对广东省能源消费碳排放进行分解，量化各因素贡献。许广月（2011）采用面板数据的计量模型，认为影响我国碳排放的主要因素是产出规模、产业结构域及能源消费结构。综上分析，本文认为采用LMDI方法分析湖北省能源消费碳排放影响因素是较为合理的。

三、湖北省能源消费与碳排放现状

1、能源消费

从表1中数据可以看出，随着湖北经济的发展，湖北省能源消耗量不断增长。2012年湖北省能源消耗总量高达18128.09万吨标准煤，比2005年增加7546.74万吨，其中煤炭消耗12237.57万吨、石油112.86万吨、天然气389.42万吨、电力2019.28万吨，比2005年分别增加77%、42%、164%、89.5%。

由表2中相关数据可知，湖北省主要的消费能源为煤炭，2005―2012年间，煤炭消费在能源消费总量中的比例总体维持在60%到70%之间，有较小幅度的上涨。石油消费所占比例先增后减，总体维持在20%到25%之间。电力消费所占比例总体呈上升趋势，但增长幅度较小，总体维持在9%到11%之间。天然气消费所占比例上升趋势明显，2012年所占比例比2005年增加了54%，但从整体而言，湖北省天然气消费规模非常小。由于同等质量条件下的煤炭、石油及天然气，煤炭提供的热量少于石油和天然气，但碳排放要高于石油和天然气，因此煤炭消费所占比例会直接影响到地区的碳排放水平，能源消费结构的不合理会影响碳排放量。

2、碳排放

在测算湖北省能量消费碳排放量时，采用国际上公认的比较合理的碳排放测算方法――IPCC清单法进行计算。按照煤炭、石油、天然气三大类能源分类进行计算，将各小类化石能源按照折标准煤系数折算为煤炭、石油、天然气并分别进行加总，再利用碳排放系数计算碳排放量。关于碳排放系数，采用国家发改委能源所推荐的系数。

由此可以得到湖北省2005―2012年碳排放总量数据如表5。

由表5相关数据可知，从2005―2012年，湖北省碳排放总量总体呈上升趋势，2008年有所降低。2005年碳排放总量为6665.58万吨，2012年碳排放总量为11349.7万吨，是2005年排放量的1.7倍。2011年，湖北省碳排放总量首次突破亿万吨。从表3湖北省能源消费量相关数据可发现，2008年能源消费总量反增为减。这些数据表明，随着经济的发展，能源消费总量和碳排放总量不断增加，三者变动存在一定的相关性。由于2008年爆发的全球金融危机，湖北省经济形势受到了影响，导致能源消费总量和碳排放总量出现同向波动的情况。

由图2可知，2005―2012年间，由煤炭、石油及天然气的消费产生的碳排放量都不同程度的呈现出上涨趋势。在各种能源利用中煤炭产生的碳排放量最多，其次是石油，再次是天然气。煤炭消费量的增加是湖北省能源消费产生的碳排放量增加的主要因素。由于天然气是一种比较清洁的能源，虽然由天然气消费产生的碳排放量不断增加，但在总排放量中所占的比重较低。

四、基于LMDI方法的湖北省碳排放的因素分解

1、LMDI方法的分解模型

构建碳排放影响分解模型的目的是分解出碳排放变化的影响因素，并通过计算这些因素的贡献率来分析其影响程度。根据Johan.A等的分析框架，碳排放量的分解如下：

其中，C为第T年相对于基年的碳排放量的变化值;CT、C0分别指第T年，基年的碳排放量;CK、CS、CI、CR、CP分别为能源排放强度、能源结构、能源强度、人均GDP以及人口等因素变化导致的碳排放量的变化值。

按照LMDI方法，各个因素的分解结果如下：

因此，文中所需的数据有2005―2012年间湖北省碳排放量、各种能源消费量、能源消费总量、湖北省GDP及人口数据。通过计算后构成能源结构、能源强度、人均GDP数据。

各类能源消费量数据均来自于《中国能源统计年鉴2013》，需要说明的是，文中所统计的能源消费量是全社会能源消费量，而不是规模以上工业能源消耗量。此外，为了方便计算与分析，将统计年鉴中的8小类能源消费数据利用折标准煤系数换算后，加总归类后得到煤炭、石油及天然气三大类能源消费量;碳排放数据是在能源消费数据的基础上，采用国家推荐的碳排放系数，利用碳排放量测算公式计算得到。湖北省人口及GDP数据均来源于湖北省统计局网站中公布的湖北统计年鉴。其中，为避免受价格变动因素的影响，2005―2012年的湖北省生产总值数据采用2005年的不变价格。通过计算整理，本文进行实证分析所需的相关基础数据如表7、8所示。

3、实证分析

（1）数据处理

在表7及表8的相关数据基础上，利用对数平均指数分解法（LMDI）对湖北省碳排放影响因素进行分解分析。由于能源碳排放强度是固定不变的，根据碳排放分解公式，可知影响湖北省碳排放量的因素为能源结构因素、经济发展因素、能源强度因素及人口因素，得到各分解因素的贡献效应值如表9所示。

（2）因素分析

结合相关计算结果和湖北省经济发展、人口规模、能源消费及能源结构的有关数据，对湖北省2005―2012年碳排放变化的影响因素作进一步分析。由表10可知，能源强度累积效应值为负数，能源结构、经济发展及人口规模的累积效应为正数。

能源结构因素逐年效应存在较大的波动情况，在2005―2006年、2006―2007年、2007―2008年以及2011―2012年等期间内，能源结构效应为负值，其余期间为正值。由表8可知，2006年、2007年、2008年以及2012年，煤炭消费占能源消费总量的比重均比上一年有所下降，而天然气及石油消费比重未出现该趋势，且煤炭的碳排放系数在三种能源中是最高的。因此，能源结构效应与高碳能源消费比重保持同方向的变化，降低高碳能源的消费比重有助于抑制碳排放量的增加。从累积效应值来看，能源结构累积效应为64.65，是湖北省碳排放量变化的正向影响因素，但效应贡献率较低，仅为1.5%。

由表9可知，能源强度因素逐年效应均为负值。结合表8中能源强度数值变化情况，即单位GDP的能源消耗量可知，能源强度因素逐年积累效应与单位GDP的能源消耗量的变化趋势一致，因此，能源强度上升，将促使碳排放量上升;能源强度下降，会抑制碳排放量的增长。从贡献率来看，能源强度因素的贡献率为-73.13%，对湖北省碳排放量的变化有较强的影响。“十一五”规划期间（2006―2010年）湖北省能源强度不断下降，该期间湖北省能源建设显著，一定程度上抑制了湖北省碳排放的过快增长。

2005―2012年期间，经济发展因素的逐年效应均为正值，累积效应值不断增加，据表8中的人均GDP数据可知，经济发展因素效应与人均GDP的变化趋势保持一致，不断上升，随着经济的不断发展，湖北省碳排放量也在不断增长。经济发展因素的效应贡献率高达167%，经济规模的变化是湖北省碳排放量增加的最主要的原因。

除了2010―2011年期间外，人口规模因素的效应均为正值，根据表7中人口数据可知，2011年湖北省总人口为6164.1万人，比2010年减少11.9万人。人口规模因素逐年累积效应不断上升，由此可知，人口规模对湖北省碳排放量的增加具有拉动作用。人口规模的效应贡献率为5.3%，相对于经济发展因素和能源强度因素而言，影响作用较弱。

五、小结

通过运用LMDI方法对湖北省碳排放影响因素进行实证分析，结果如下：在2005―2012年期间内，湖北省碳排放量从2005年的6665.58万吨，增长到了2012年的11349.7万吨，年平均增长率为7.9%，低于同期GDP增长速度。在此期间，湖北省碳排放累积效应总体呈上升趋势，而在2008年有所回落。这一趋势是经济发展因素、人口规模因素、能源强度因素以及能源结构因素综合作用的结果。

四个影响因素中，经济的不断发展，经济规模的扩大是湖北省碳排放量增长的决定性因素，经济发展效应的贡献值高达167%。同时，人口规模效应也对湖北省碳排放量增长起到了一定的促进作用，贡献率为5.3%。虽然人口规模因素不是短期内可以调整的，但如果实施了有效的长期调控战略，其驱动力也是不容忽视的。能源强度效应在很大的程度上抑制了湖北省碳排放量的增长，贡献率达到-73.13%。“十一五”规划期间，能源强度下降趋势明显，节能减排工作取得了一定的成效。能源强度由2011年的1.28吨/万元，下降到2012年的1.15吨/万元，同时，2011―2012年期间能源强度抑制效应高达-1140.57，这表明《湖北省低碳发展规划（2011―2015年）》工作取得了一定的进展，是指导今后一个时期湖北省低碳发展的总体蓝图和行动纲领。但从总体累积效应来看，湖北省碳排放量仍然保持着一定的增长速度。因此，湖北省要重视相关技术的开发与应用，来提高能源使用效率，从而减少碳排放量。2005―2009年，能源结构因素对湖北省碳排放量增加起到了一定的抑制，而此后转变为拉动作用。总体而言，能源结构效应是湖北省碳排放量变化的正向影响因素，但影响效应变化不大，主要原因是湖北省能源消费结构并没有得到实质性的优化，仍是以煤炭等高碳能源为主。同时这样说明湖北省通过调整能源结构来减少碳排放量的空间还很大。

因此，对于湖北省碳减排政策提出如下建议：（1）湖北省应增加清洁能源消费比重，整合利用水电资源，推动天然气快速规范发展、高效利用风能资源、充分发展太阳能、有序开发生物质能，强化低碳能源生产与供应，减少煤炭消费量，逐步调整和优化能源结构，减少碳排放。（2）降低湖北省单位生产总值的能源消耗量，提高能源的使用效率，可采用行政和经济手段，从而有效地抑制碳排放量的增加。（3）利用科技创新，优化能源结构，提高能源使用效率，能有效地降低湖北省碳排放量。政府应加强在能源领域的研发投入，鼓励和引导企业增加能源技术研发投入，利用湖北省的人力资源优势，组织动员产学研相结合进行重点课题攻关。（4）推行碳排放配额制度，建立健全湖北省碳交易市场。这是新时期湖北省发展低碳经济，实现可持续发展的必然选择。

篇（11）

1.1研究数据

本文数据来源于相关统计年鉴，数据采集后，对其进行标准化，使不同指标数据之间具有可比性。

1.2研究方法

1.2.1STIRPAT模型York等构建了环境压力随机模型，简称STIRPAT模型。式中:I、P、A、T分别为排放量、总人口、财富、技术;a为模型系数，b、c、d分别为总人口、财富、技术的驱动指数;e为模型误差。STIRPAT模型是进行分析环境压力的一种常用方法，在碳排放、碳足迹等研究中被普遍应用。本文在国内外学者研究成果的基础上，选择人口、国内生产总值、人均能耗、第二产业占GDP比重、第三产业占GDP比重、城镇居民人均可支配收入、城镇新建住宅面积、能源强度等8个指标作为中国碳排放量衡量对象。其中，人口、人均能耗、城镇新建住宅面积属于总人口因素;国内生产总值、城镇居民人均可支配收入属于财富因素;第二产业占GDP比重、第三产业占GDP比重、能源强度属于技术因素。根据STIRPAT模型，建立碳排放计量模型。

1.2.2数理统计方法1)偏相关分析:使用统计分析软件SPSS13.0中偏相关分析方法，对8个碳排放影响因素和碳排放量的实际数据进行偏相关分析，得出各因素和碳排放量的相关系数，根据显著性检验判断各因素是否能最终作为碳排放量的影响指标，据此衡量模型的有效性。2)主成分分析:根据主成分分析法，分析筛选各自变量，提取新的综合变量，并建立各自变量和综合变量间的线性模型;然后，通过线性回归分析，找出因变量和综合变量的线性模型;通过以上两个模型，可得因变量和自变量间的线性关系，最终基于STIRPAT模型，构建中国碳排放驱动因素模型，并分析各因素的驱动力强弱。

2结果与分析

2.1碳排放总量计算查阅1980—2012年《中国统计年鉴》、《中国能源统计年鉴》和《中国建筑业统计年鉴》，得出相关指标原始数据，并根据煤炭、石油、天然气等能源的碳排放系数［28］和消费比例，可计算中国碳排放总量，进而得出中国各年度人均碳排放量、碳排放强度、能源强度等指标结果，见表1。由表1可见:1980—2012年中国能源消费总量、碳排放总量和人均碳排放量，除1981年外，都呈逐年递增趋势，碳排放强度及能源强度整体呈逐年下降趋势。随着中国新型工业化、新型城市化和新型农业现代化的不断推进，碳排放总量和人均碳排放量日益增长。中国碳排放强度及能源强度整体下降，得益于长期实施的节能减排战略，构建低碳、绿色、环保的生态文明新常态。

2.2偏相关分析结果以碳排放总量作为因变量，以人口、国内生产总值、人均能耗、第二产业占GDP比重、第三产业占GDP比重、城镇居民人均可支配收入、城镇新建住宅面积、能源强度8个指标作为自变量，使用SPSS13.0统计软件中的偏相关分析方法，结果发现7个指标的相关系数都在0.815以上，其显著性检验在0.01水平(双侧)上显著相关，因此选择的8个碳排放影响指标可作为碳排放总量的驱动因素。

2.3主成分分析结果将碳排放总量的8个影响因素原始数据取对数，然后对这些数据进行归一化处理，将处理后的数据采用主成分分析法进行分析，分析结果见表2、表3。由表2可知，进行主成分分析后，可提取出2个综合变量，即组分1、组分2，现分别以X1、X2表示。X1、X2对总体方差的累计贡献率为97.883%，信息损失仅占2.117%。KMO统计量为0.824，且P＜0.001，拒绝单位相关阵的原假设，非常适合做主成分分析。t检验的P值＜0.01，拟合度较好。将人口、国内生产总值、能源强度、人均能耗、第二产业占GDP比重、第三产业占GDP比重、城镇居民人均可支配收入、城镇新建住宅面积8个指标进行取对数及归一化处理后分别以SLP、SLG、SLEI、SLEC、SLSP、SLTP、SLDI、SLRA表示。根据主成分分析结果，可得到提取出的2个综合变量X1、X2与这8个指标之间的得分系数矩阵，见表3。

2.4线性回归分析结果将碳排放总量进行取对数及归一化处理，以SLC表示。将SLC、X1、X2时间序列数据进行线性回归分析，结果发现，R2为0.950，F值为286.435，估计的标准误差为0.070，P值为0.000，小于0.01，共线性检验中的特征根均大于0，条件指数均小于10，方差膨胀因子接近于1且小于10，说明不存在共线性问题，回归分析模型整体拟合效果较好(表4)。由式(8)可知，人口、国内生产总值、人均能耗、第二产业占GDP比重、第三产业占GDP比重、城镇居民人均可支配收入、城镇新建住宅面积这7个影响因素与碳排放总量均呈正相关关系。其中，第三产业占GDP比重的提高、人口数量的增长、国内生产总值的提高、城镇新建住宅面积的扩大是中国1980—2012年碳排放总量不断递增的主要驱动因素，尤其是第三产业占GDP比重对碳排放总量的影响最大，第二产业占GDP比重对碳排放总量的影响最小，颠覆了传统认为第二产业比第三产业能耗更高的观点，这也与刘广为等的研究结论相符［25］，李健等也认为第二产业的增加并不一定带来高碳排放［26］。归其原因，主要是在经济快速发展过程中，发达地区的第三产业比重大幅度增加，其碳排放量占全国碳排放总量的比重较大，同时相关部门往往忽视了第三产业能源利用效率的提升，从而阶段性地出现以上局面。此外，能源强度和碳排放总量呈显著负相关，说明在中国经济快速发展过程中，大力推进绿色发展战略，持续优化能源使用水平，有效地抑制了碳排放总量增长的速度。

3结论和建议