碳排放的影响因素精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的碳排放的影响因素主题范文，仅供参考，欢迎阅读并收藏。

第1篇：碳排放的影响因素范文

摘 要：两会委员提出推动“碳期货”市场建设使碳交易再一次成为了热门话题。本文在介绍碳交易市场概况及其相关机制的基础上，根据相关学者曾经提出的理论，以北京交易所碳交易价格为研究对象进行了碳排放权交易价格影响因素的实证分析，并结合模型和当下我国经济形势对我国碳市场的进一步发展提出了相关建议。

关键词：碳交易市场;碳排放权定价;实证分析

1. 研究背景

随着人类社会、科技的高速发展，环境、资源问题日益凸显，尤其是温室气体大量排放引发的全球气温变暖，已成为当代人类社会发展的紧迫问题。我国对节能减排的重视程度与日俱增，在“十二五规划”中明文提出，必须“树立绿色、低碳发展理念，以节能减排为重点”，“积极应对全球气候变化。把大幅降低能源消耗强度和二氧化碳排放强度作为约束性指标，有效控制温室气体排放”。并提出于2020年将实现碳排放强度降低40%-45%的减排目标。

世界上第一个为有效控制二氧化碳等温室气体排放从而减缓温室效应影响的国际公约是1992年5月9 日合国政府间谈判委员会制定的《联合国气候变化框架公约》（以下简称《联合公约》），在此公约中便对发达国家和发展中国家采取了区别对待的态度。公约对发达国家和发展中国家规定的义务以及履行义务的程序有所区别，要求发达国家积极减少温室气体排放，而发展中国家只承担提供温室气体源与温室气体汇的国家清单的义务，由发达国家为发展中国家提供履行公约的资金支持。其目标是将大气中温室气体浓度稳定在不对气候系统造成危害的水平上。

而1997年的《京都议定书》（以下简称《议定书》）可谓是《联合公约》的进一步发展，使温室气体减排进一步成为发达国家的法律义务，要求从2008年到2012年间，主要工业发达国家的以二氧化碳为代表的六种温室气体的排放量要在1990年的基础上减少5.2%。2009年12月7-18日召开的哥本哈根世界气候大会是继《议定书》后又一具有划时代意义的全球气候协议书，它商讨了《议定书》一期承诺到期后于2012年至2020年的全球节能减排方案。我国对此一直表示积极的配合态度，中国政府代表表示，2016～2020年中国将把每年的二氧化碳排放量控制在100亿吨以下。

碳交易市场是指碳排放权交易市场，为了进一步达到减少温室气体排放量，缓解全球变暖现状，《议定书》实际上创造出了一种新的交易对象――碳减排额度，即把二氧化碳排放权作为一种商品，通过市场机制实现了对二氧化碳排放权配额的交易。《议定书》建立了三种以市场机制为基础的国际合作减排机制。其一是清洁发展机制（简称CDM）。即某一缔约国（一般为发达国家）与某仪非缔约国（一般为发展中国家）之间的在清洁发展登记处的减排单位的转让，在非缔约国实施温室气体减排项目，协助缔约国通过此机制项目获得“核证减排量”也即CERs，以降低缔约国履行两河国框架公约的成本。

清洁发展机制赋予有减排义务的发达国家向不具有强制减排义务的发展中国家投资降低温室气体排放的减排项目，从而获得CERs。其二是国际排放贸易机制（简称ET）。这一交易机制的核心是允许发达国家之间相互交易碳排放额度。赋予温室气体排放量超过其许可排放量的缔约国从其他拥有剩余排放量的缔约国购买CERs，其过程包括“分配数量单位”、“排放减量权证”、“排放减量单位”等减排单位核证的转让或获得。一个发达国家将其超额完成减排义务的指标，以贸易的方式转让给另外一个未能完成减排义务的发达国家的同事，从转让方的允许排放限额上扣减相应的转让额度。其三是联合履约机制（简称JI），其核心是缔约国之间以项目为基础的一种合作机制。所实现的减排单位可以转让给另一个发达国家缔约方，但是同时必须在转让方的分配数量配额上扣减相应的额度。通过此机制实现了减排成本较高的缔约国在减排成本较低的缔约国实施温室气体排放项目。通过以上三种不同机制的对比可以看出，碳交易分为两类，一类是以CDM和JI为代表的以项目为基础的减排交易形式;另一类是以ET为代表的配额型交易，由管理者制定总的排放配额，并在参与者之间分配，参与者根据自身需要进行排放配额的买卖。由于我国是《京都议定书》的非缔约国，因此不能直接开展配额型交易。我国碳排放交易的主要类型是基于项目的减排交易形式，最主要的是CDM机制。

目前世界上的碳交易所共有四个：欧盟的欧盟排放权交易制（EU ETS）英国的英国排放权交易制（ ETG）美国的芝加哥气候交易所（CCX）澳大利亚的澳大利亚国家信托（NSW）其中EU ETS是世界上最大的碳排放交易市场，在世界碳 交易市场中具有示范作用。2012年1月13日，中国国家发展和改革委员会宣布在北京、上海、天津、重庆、深圳、广东省、湖北省开展碳排放权交易试点，逐步建立起了国内碳排放交易市场，以实现低成本2020年中国温室气体排放的目标。由此可见，中国碳交易市场尚处于起步阶段，交易大部分比较分散，多是企业之间的场外交易，缺乏价格机制，而且以CDM为主的品种较为单一，再加上市场和价格不够公开、透明，因此还没有建立成一套完整的定价、核证体系，导致我国碳交易成交价格明显低于国际碳市场价格，不利于争取国际价格决定权。

2.变量选取

第2篇：碳排放的影响因素范文

关键词：聚类分析 碳排放 低碳发展

引言

我国幅员辽阔，各地收入水平、消费水平、产业结构、资源禀赋等存在着很大的差异，因此在倡导节能环保、实施低碳发展时，必须要考虑到影响区域排放的因素差异，从而有目的、有针对性地制定不同的减排目标和策略。

一、相关文献回顾

探索低碳发展的道路，既要注意到发展模式的普适性，也要考虑模式的适应性。在中国，从1980年开始CO2 的排放总量就不断上涨。但是由于地区之间经济发展水平、生活水平以及环境状况之间存在很大差异，沿海与内陆、东中西部碳排放的驱动因素差异较大，因此在实施低碳发展时，必须考虑影响区域碳排放驱动因素的差异，从而有针对性地制定减排策略。张彬（2011）从环境经济学角度出发，基于碳排放的驱动因素，利用Kaya模型研究分析例如影响中国碳排放的主要因素――人口、人均国民生产总值和单位国民生产总值碳排放量，并将此三项指标作为模糊聚类指标，将中国按碳排放驱动因素分为4大区域，并针对各区域提出实现低碳发展的相关政策建议，并对应用该方法将中国按照碳排放驱动因素进行区划的优点与不足做了进一步的讨论。张建民（2011）以2005年为基期，对我国2015年与2010年一次能源需求以及碳排放进行了预测。并在此基础上，与美国、日本、英国、欧盟等国家和地区以及世界平均水平1971年～2005年期间的碳排放进行了比较。发现中国的二氧化碳排放低于发达国家，如果与日本相比，尚有50年的差距。冯蕊（2010）对当前国内外居民生活消费碳排放估算方法进行对比，从居民生活消费能源的界定和估算方式的选择2 方面入手，分析各种估算方法的优缺点，为我国合理准确的估算居民生活消费碳排放提供参考借鉴。

前人研究碳排放问题存在三个问题：（1）研究多以定性研究为主，指标量化不完全，不能给人以直观清晰的结果；（2）研究中个人主观臆断问题严重，对于各指标权重的决定不够科学合理。（3）在进行聚类分析中，考虑的指标过少，内容略显单薄，分析不具体不全面。本文在数据来源规范的情况下，从人均收入、人均支出、人均碳排放、能源强度、能源结构、产业结构等方面内容着手，运用聚类分析，更为全面地研究我国各省域的碳排放状况。

二、各省份碳排放样本和指标体系的建立

（一）评价指标的选取

（1）科学系统性，指标要能够全面的反映低碳的发展状况，数据处理要科学，目标设定要合理。（2）实用可操作性，评价指标的选取主要是为低碳的发展研究服务的，所以它必须能够可以量化、准确获得并能够清晰的表明低碳的发展状况。（3）客观独立性，指标数据的得来是不以人的意志为转移的，它是客观存在的，同时指标之间是相互独立的，避免人为的扩大或者缩小研究内容的重要性。

（二）评价指标体系的建立

影响我国各省域碳排放包括人均收入、人均支出、人均碳排放、能源强度、能源结构、产业结构等方面，遵循以上的指标选取原则，本文特选取这6个方面为指标，具体如表1。

（三）样本数据的来源与特别说明

样本数据全部来自2001年―2012年的《中国统计年鉴》。

选取2011年我国内地30 个省市自治区的人均收入、人均支出、人均碳排放、能源强度、能源结构、产业结构作为指标来进行聚类分析。指标中的人均收入、人均支出、能源结构、产业结构、人口数据以及人均碳排放直接来源于2001年―2012年的《中国统计年鉴》。能源结构用煤炭消费占能源消费的比例表示，产业结构用第二产业占国民经济的比重来表示，能源强度是用能源消费除以GDP 算出来的，能源消费和GDP 的数据也来源于《中国统计年鉴》。聚类分析中如果参与聚类的变量的量纲不同会导致错误的聚类结果。例如在本文分析中，能源结构和产业结构都是用百分比表示的，因而绝对值都不会超过1，而人均收入和人均支出的单位是元，具体数值在几千到几万不等，如果不对数据进行无量纲化，那么在最终的聚类结果中，由于产业结构和能源结构的数值绝对值太小，就会完全起不了作用。因此在进行聚类分析之前必须对变量值进行标准正态化，消除量纲的影响。

三、对我国碳排放的具体分析

（一）聚类分析

聚类分析指将物理或抽象对象的集合分组成为由类似的对象组成的多个类的分析过程。聚类分析的目标就是在相似的基础上收集数据来分类。聚类分析是一种很常见的数据挖掘技术，它的主要作用是用于揭示数据库中未知的对象类。简单地说，就是对大量的数据进行分类，使得同一类别的数据之间的相似度尽可能大、相异度尽可能小，而不同类别之间的数据的相似度要尽可能小、相异度尽可能大。聚类分析的本质特征就是按照事物的所有特征来构建组，每组的成员应该显示出尽可能类似的结构。聚类分析来的目的是为了在众多对象中确定对象的同质性。

（二）实证分析过程

标准正态化 由于各项数据指标统计时采取的测量单位不同，不可能直接运用因子分析法，故在分析前要对原始数据进行标准化处理（均值为0，方差为1），消除量纲带来的干扰。用Xi（i=1，2…9）表示标准化后的指标数据。四、总结

通过聚类分析，按照和低碳经济相关的6 个因素――人均收入、人均支出、人均碳排放、能源强度、能源结构和产业结构，可将中国内地（除外）分为五个区域。

第一个区域为北京和上海。该区域是中国最发达的地区，经过这么多年的产业结构调整和升级，该地区已经形成以现代服务业为主的产业结构模式。这些地区人均收入和生活水平较高，促使该地区碳排放增长的主要动力是城市居民消费方式的转变。该类地区实施低碳发展模式的重点在于转变传统工业文明的消费观念，倡导低碳消费方式。具体的举措有：大力推广建筑节能，鼓励使用节能电器，降低单位产品生产和使用的能耗，提倡公交、步行以及骑自行车等绿色出行方式。

第二类区域是广东、天津、浙江、福建、江苏，这些地区的主要特点是能源结构中煤炭的比例非常低，而石油、天然气和电力等比重较大；产业结构中工业比重不大，人均排放量少。广东省一直都是中国改革开放的前沿阵地，经过这么多年的发展，产业逐渐转型升级，逐渐从以前的资源、劳动密集型向技术、智力密集型转换。

第三类有陕西、甘肃、青海，这些地区位于我国的西北地区，经济相对落后，产业结构工业比重非常小，人口密度相对较小，所以人均碳排放也比较少。

第四类有吉林、黑龙江、新疆、湖南、湖北、重庆、安徽、江西、河南、广西、四川、云南、海南 14个省区，它囊括了中国绝大多数省区。这些地区人均收入比较低，正在承接东部发达地区的产业转移，第二产业的比重在将来还会逐渐增加，工业耗能和工业碳排放也将会有较大的增长，这类省区应通过技术进步来调整产值的能源强度，充分发挥科学技术在减排中的作用，同时注意调整优化产业结构，转变生产模式，注重可再生能源的开发和利用，不能重走发达地区先污染再治理的老路。海南作为一个旅游强省和生态农业大省，工业经济比重在全国是最小的省份之一。

第五类有内蒙古、宁夏、辽宁、山东、河北、山西、贵州。这些省份是我国煤炭资源的主要产地，煤炭在能源结构中的比重非常大，同时工业在该地区产业结构中比重非常高，导致这些省份的能源强度非常高。这些地区也是我国减排压力最大的地区，在低碳减排方面最关键的是要努力提升煤炭资源的利用效率、降低能源强度、加大科技投入力度、使资源得到充分利用。通过以上聚类分析可以看出，中国省域间的差异很大，这种差异必然要求采取不同的减排政策和措施。

参考文献：

[1]克劳斯・巴克豪斯，本德・埃里克森，伍尔夫・普林克等.多元统计分析方法―――用SPSS 工具[M].上海：格致出版社、上海人民出版社，2009.

[2]张彬，姚娜，刘学敏.基于模糊聚类的中国分省碳排放初步研究[J].中国人口资源与环境，2011（1）.

[3]Johan Albrecht，Delphine Francois，Koen Schoors. A shapleydecomposition of carbon emissions without residuals [J]. EnergyPolicy，2002（30）.

第3篇：碳排放的影响因素范文

关键词：黑龙江省；农业碳排放；脱钩理论；LMDI模型

中图分类号：F320 文献标志码：A 文章编号：1673-291X（2013）26-0058-03

全球持续变暖成为制约经济社会可持续发展的重要因素，20世纪世界平均气温上升了0.72℃，而目前全球的经济社会发展方式若不发生调整，21世纪世界平均气温将会上升1.78―4℃[1-2]。农业作为基础产业，不断走向现代化、化学化和机械化，大量化肥、农药等农业化学物资和农业柴油等的使用造成农业源的碳排放持续增加。IPCC（2007）报告显示，农业是人为温室气体第二大排放源，占人为温室气体排放的13.5%。FAO指出，农业CH4的排放占人为CH4排放总量的47%，农业N2O排放占到人为排放的58%。我国耕地少、人口多造成我国农业生产严重依赖化肥等化学农业生产资料，农业源温室气体排放占全国人为排放量的17%，其中，CH4（动物反刍、动物粪便和稻田）、N2O（动物粪便和农田）和CO2（放牧、秸秆燃烧、化肥和农药等）的排放当量分别为4.2亿吨、3.0亿吨和2.3亿吨CO2当量[3]。黑龙江省作为重要的商品粮基地为保障国家粮食安全做出了重要贡献，但是由于化肥、农药等的过度使用土地的不合理耕作和黑土流失，在造成农业面源污染日趋严峻的同时，还农业源的碳排放持续增加。本文运用脱钩理论，量化分析黑龙江省粮食产量和农业碳排放之间的关系，并计量其影响因素和实现方式，以期对黑龙江省控制农业源碳排放，实现农业低碳化、可持续发展，进而推动区域整体经济的低碳化发展提供政策参考。

一、研究方法与理论

（一）农业碳排放的测算方法

结合前人研究成果并结合黑龙江省实际，黑龙江省农业碳排放主要为种植业生产过程中所引起的碳排放。本文选取了化肥施用量、农药使用量、农用薄膜和农用柴油消耗量、农业灌溉面积作为测算黑龙江省农业碳排放的主要碳源，其计算公式为：

式中，CE为农业总碳排放量，CEi为第类农业碳源的碳排放量，Ni为第类农业碳源量，δi为第类农业碳源的碳排放系数，化肥的碳排放系数为0.895 6t/t [4]，农膜的碳排放系数为5.18t/t，农药的碳排放系数为4.934 1t/t，农业灌溉的碳排放系数为20.476kg/hm2[2]。

（二）脱钩理论

工业革命以来，经济增长尤其是工业发展带来了严峻的环境问题，使得经济增长与环境状况之间的关系成为学术界重要的研究课题。Kuznets S（1955）认为经济发展和环境质量之间呈现“倒U型曲线”，即随着经济的发展环境质量将会下降，但是发展到一定阶段后环境质量就会逐渐提升[5]。OECD（2002）提出了脱钩理论，用脱钩指数来衡量经济发展的水平，以期打断经济发展与环境质量下降之间的耦合关系[6]。Tapio（2005）在脱钩理论的基础上提出弹性脱钩理论，构建经济发展与环境质量的关系链，并将脱钩指标细化，在克服OECD脱钩理论的误差大等缺陷的同时，使得脱钩理论更具可操作性[7]。国内相关专家和学者在OECD脱钩理论和弹性脱钩理论的基础上分析了国内各个产业和区域经济的脱钩状况。Tapio的弹性脱钩指标根据弹性值t细化为8个指标，即扩张负脱钩、强负脱钩、弱负脱钩、强脱钩、弱脱钩、衰退脱钩、增长连结和衰退连结[8]。

其中弹性值（t）的具体算法为：

（三）农业CO2排放的LMDI分解法

为了探寻黑龙江省农业CO2排放的影响因素，本文利用对数平均权重Divisia指数法（LMDI）从经济发展水平、产出效率和劳动力等因素量化分解影响黑龙江省农业碳排放的相关因素[9]。结合前人研究成果，本文对黑龙江省农业碳排放进行如下分解：

式中，C表示农业源碳排放量，本文采用农业CO2排放，Ci表示第i类碳源的碳排放量，GOT表示粮食产量，MPi表示第类碳源的消耗量，SG表示农业播种面积，P为农业劳动力数量。SCi=Ci/GOT表示第i类碳源的粮食产量碳排放强度，EMi=GOT/MPi表示生产效率，SMi=MPi/SG表示单位面积第类碳源的使用强度，SP=SG/P表示农业生产规模，P表示农业劳动力投入量。

鉴于LMDI的“和分解”和“乘积分解”最终结果的一致性[2]，本文在计算过程中采用“和分解”，即分部门的效应的加和等于总体的效应[10]，分部门的效应分别为农业碳排放强度、生产效率、投入强度、生产规模和劳动力五个部分，其表达式为：

二、数据来源与碳排放测算结果

（一）数据来源

本文使用的数据包括黑龙江省农业生产资料消耗、粮食产量和播种面积的相关数据，具体的数据来自于《黑龙江省统计年鉴2012》。农业生产资料消耗的数据主要包括黑龙江省1993―2011年的化肥、农药、农用柴油、农用薄膜和农田灌溉面积相关数据。

（二）碳排放测算结果

本文运用式（1），根据前文（一）的数据测算了黑龙江省1993―2011年的农业各类碳源的CO2排放量。具体数据见图1。

参考文献：

[1] Jeff S，Holly H.Agriculture，Climate Change and Carbon Sequestration[J/OL].http：//attran.cat .org：2009.

[2] 李俊杰.民族地区农地利用碳排放测算及影响因素研究[J].中国人口・资源与环境，2012，（22）：42-44.

[3] 胡启山.低碳农业任重而道远[J].农药市场信息，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] 肖宏伟，易丹辉，周明勇.中国区域碳排放与经济增长脱钩关系研究[J].山西财经大学学报，2011，34（11）.

第4篇：碳排放的影响因素范文

[关键词]物流业；碳排放；影响因素

[DOI]10.13939/ki.zgsc.2017.15.239

1 引 言

近年来，河北物流业企业数量不断增加，规模不断扩大，服务水平不断提升。物流业的快速发展缘于河北省经济的迅猛发展，两者之间互相促进。然而，河北省物流业发展较为粗放，2014年前三季度社会物流总费用为4.136亿元，同比增长3.41%；社会物流总费用占GDP的比重为19.05%，物流成本明显偏高。《河北省现代物流业“十二五”发展规划》明确提出，要着眼发展低碳经济，以降低物流业资源消耗为重点，构建节能高效、绿色环保的现代物流服务体系。到2015年，物流业碳排放量有所下降，初步建立起节能高效的物流运作模式，但物流业相关行业能耗依然巨大。[1]本文对河北省物流业碳排放量进行测算，并对其影响因素进行分析，为河北省相关部门制定物流业节能减排政策提供理论支持，同时为河北省物流企业的低碳化发展决策提供依据。

2 河北省物流业能源消费分析

物流业是一个复合型的产业，其作为一个生产业，由于其跨行业、跨部门、跨区域和渗透性强等特点。目前，国家尚未建立成熟、统一的指标体系和统计核算方法。根据河北省统计普查中心的统计方法，交通运输、仓储和邮政业可用于代表物流业[2]，本文利用河北省交通运输、仓储和邮政业能源消耗数据进行相关分析与计算。表1给出河北省物流业2005―2014年的能源消费量及比重。

由表1可以看出，2005―2014年，河北省物流业能源消耗总量整体上具有波动性上升的变化特征，除2008年、2009年和2014年外，河北省其余8年的能源消费总量均有所增长，2013年河北省能源消耗总量达到811.76万吨标准煤，为2005年能源消耗量的1.37倍。三种能源中，石油的消耗量一直最大，煤炭的消耗量次之，电力的消耗量最小，其中，石油的消耗量总体呈上升趋势，从2005年的544.85万吨标准煤增长至2014年的705.77万吨标准煤，增长了160.92万吨标准煤，比重由92.12%增加到95.58%；煤炭的消耗量总体上处于下降趋势，从2005年的42.19万吨标准煤减少到2014年的21.92万吨标准煤，减少近一半，比重由7.13%降低到2.97%；电力消耗量比重虽然最低，但一直处于稳定上升趋势，从2005年的4.39万吨标准煤增长到2014年的10.68万吨标准煤，实现了2.43倍的增长，比重由0.74%上升到1.45%。

3 河北省物流业碳排放测算

目前，我国还没有建立统一完善的碳排放监测体系，直接的碳排放量的监测数据还有待测算体系的形成。而根据政府间气候变化专门委员会（IPCC）的评估报告，碳排放量主要来源于化石燃料的燃烧。因此，国内外的碳排放量测算都是由能源消耗量估算而来[3]，估算公式为：

由表2可以看出，2005―2014年，河北省物流业的碳排放总量与能源消费总量变化趋势相似，呈现波动性增长趋势，除2008年、2009年和2014年外，其余8年的碳排放总量均有所增长；分阶段来看，碳排放总量在2008―2010年增长较快，2007―2009年略有下降，2013―2014年下降比较明显，其他时期处于略有增长状态。三种能源中，石油的碳排放量最大，占碳排放总量的90%以上；煤炭的碳排放量次之，碳排放比重由2005年的9.20%减少到2014年的3.87%；电力的碳排放量最少，呈现逐年增长趋势，2014年其碳排放比重增长到1.74%。

4 河北省物流业碳排放影响因素分析

4.1 直接影响因素

由物流业能源消耗碳排放的形成与计算过程可知，河北省物流业碳排放量的直接影响因素是物流业各类能源的消耗量及比重。由表1可以看出，河北省物流业能源消耗量最大的是石油，且石油的碳折算系数较高，所以碳排放最高的是石油。在油类能源消耗中，河北省物流业对柴油消耗量所占比重最大，另外是汽油，它们的消耗主要来自物流运输活动。此外，河北省物流业需求增长和运输方式不均衡是导致碳排放大的原因。[4]物流需求的增长能够推动碳排放量的增长，河北省的货物周转量从2005年的4750.64亿吨公里增长到2014年的12968.8亿吨公里，增长了近3倍。货物周转量的上升势必会带动物流业运输里程与能源消耗的增加，从而提高了物流业的碳排放量，运输方式的不均衡也会影响到物流业的碳排放量。多年来，河北省物流业一直以公路运输为主，相比铁路运输、水运运输，公路运输具有单位里程碳排放大、能源消耗多等特点，进一步促进了河北省物流业碳排放量的增长。

4.2 间接影响因素

物流业是服务业，属于第三产业，服务于人们生产、生活的需要，生产规模的扩大、生活水平的提高都会增大物流服务的需求量，三次产业结构差异导致物流服务需求量和服务结构上的差异。比如，第一产业和第二产I对物流服务中的干线运输与仓储需求量大，而零售业对配送和末端运输服务需求量大，这些结构上的差异都会影响物流业的碳排放量。另外，人口的增长可以引起能源及各种资源的消耗，从而导致碳排放的增加。河北省人口的增长推动了物流行业的发展，增加了对物流的需求，促使物流业的碳排放量增加。

5 结 论

本文测算了河北省物流业的碳排放量，并分析了影响河北省物流业碳排放的因素。结果表明，河北省物流业的碳排放量与能源消费量的变化趋势相似，具有波动性增长特征，其中，石油的碳排放量最大，煤炭的碳排放量次之，电力的碳排放量最少；直接因素与间接因素共同影响着河北省物流业的碳排放量。

参考文献：

[1]赵松岭.河北省物流业节能减排对策研究[J].合作经济与科技，2015（5）.

[2]刘楠.城市物流业碳排放测算及影响因素分析――以天津市为例[D].西安：长安大学，2013.

第5篇：碳排放的影响因素范文

［关键词］城市化；二氧化碳排放；协整分析；Kaya恒等式

［中图分类号］F293　［文献标识码］A　［文章编号］1671-8372（2012）04-0012-04

一、引言

城市化作为一种全球性的经济社会现象，主要发生在工业革命以后。伴随着世界城市化的快速发展，城市人口急剧膨胀，城市规模快速扩张，能源消费迅猛增加，工业污染迅速蔓延，生态环境问题日益严重。在全球十大环境问题中，气候变暖居首位，而全球气候变化主要是由于温室气体排放量的不断增加，尤其以二氧化碳排放的增加为主。近200年来，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趋势。产业革命以来，世界城市化水平在5%左右，大气中二氧化碳浓度在280ppm左右（ppm是气体浓度单位，表示百万分之一），到了2007年，世界城市化水平达到了50%，二氧化碳浓度值上升到了383ppm，而其危险临界值为385　ppm，全球平均地表温度也比工业革命时期升高了0.74℃［1］。

我国城市化进程快速发展的同时带动了以化石燃料为主的能源消耗迅猛增长，使得二氧化碳等环境污染物的排放量逐年增加。根据国际能源署（IEA）公布的统计数据显示，2007年我国化石能源消费产生的二氧化碳排放已经超过美国，成为目前世界上二氧化碳排放总量最大的国家［2］。然而伴随着我国城市化、工业化发展的不断快速推进，以煤为主的能源消费量还将不断增加，由此产生的二氧化碳排放量也会进一步上升，这意味着，我国碳减排面临的国际压力将会日益增加。

随着全球气候变暖问题的日益严峻，越来越多的研究开始关注如何在城市化进程中缓解温室气体排放问题。徐国泉等运用LMDI分解法对中国碳排放进行了因素分解研究，定量分析了经济发展和能源强度对我国碳排放的影响，指出经济发展拉动我国碳排放呈指数增长，而能源强度的贡献率则表现为倒“U”形［3］。王锋对1995-2007年中国碳排放量增长的驱动因素进行了研究，认为人均GDP增长是二氧化碳排放量增加的最大驱动因素［5］。何吉多关于1978-2008年中国城市化与碳排放关系的协整分析表明，我国碳排放量与城市化水平之间存在长期动态均衡关系，且这种长期均衡关系对当前碳排放偏离均衡水平的调整力度较大［5］。日本学者Yoichi　Kaya于IPCC的一次研讨会上提出Kaya恒等式，指出人类活动产生的温室气体排放与经济发展、人口等因素存在联系［6］。Duro和Padilla认为Kaya因素中引起不同国家碳排放差异的重要因素为人均收入、能源消费碳强度和能源强度［7］。林伯强等通过对Kaya恒等式的分解，认为1978-2008年对中国碳排放影响较为显著的因素包括经济发展、能源强度、能源消费碳强度和城市化水平［8］。

人类活动与温室气体排放之间的关系已经成为国际热点之一，研究二者之间的关系有着重要的现实意义。山东省作为我国的人口、经济大省，一直是高能耗、高碳排放区，魏一鸣指出，2005年山东省终端能源消费产生的二氧化碳排放总量居全国首位［9］。同时，山东省城市化进程快速推进，2010年山东省城市化水平为40.04%，正处于诺瑟姆曲线划分的城市化发展阶段中的中期加速发展阶段［10］。虽然山东省城市化发展已取得了可喜的成绩，但与我国49.95%的城市化水平相比还是相差较远。研究山东省城市化进程中的碳排放，不仅对于把握山东省碳减排政策、城市化发展战略、保持经济持续快速发展具有现实意义，而且对于更好地理解我国的整体状况也有重要意义。基于此，本文运用协整分析方法借助VECM模型对山东省城市化水平和二氧化碳排放量之间的长短期关系进行实证分析，并利用Kaya恒等式对山东省城市化进程中的碳排放影响因素进行分解分析，最后提出相应的政策建议。

二、山东省城市化与碳排放关系的协整分析

2．变量的平稳性检验

四、结论及政策建议

本文运用协整分析方法借助VECM模型对山东省城市化水平和二氧化碳排放量之间的长短期关系进行了实证分析，并利用Kaya恒等式对山东省城市化进程中的碳排放影响因素进行了分解分析，从而得出以下结论：

（1）山东省城市化水平和二氧化碳排放量之间的协整方程说明，二者之间存在长期均衡关系，长期弹性系数为1.7120，即城市化水平每提高1%，碳排放量将同步增长1.7120%，这说明城市化是导致山东省碳排放量增长的一个重要因素。

（2）由VECM模型可知，在短期内，山东省碳排放量的波动受到城市化水平和自身滞后量的影响，其中，滞后1期和2期的城市化水平对当期碳排放量变动的影响比较明显，城市化水平提高将导致碳排放量的增加；滞后1期的碳排放量对当期碳排放也有比较显著的影响，然而滞后2期的碳排放量对当期的碳排放有抑制作用，这是因为碳排放持续快速增长会促使政府采取碳减排措施。另外，短期误差项的修正作用并不很强，模型的修正系数仅为-0.0576，表明在短期内山东省碳排放量和城市化水平之间的长期均衡关系对当前碳排放量偏离均衡水平的调整力度不大，说明山东省碳排放量的变动除了受城市化水平影响之外，还受到其他因素的影响。

第6篇：碳排放的影响因素范文

关键词：微电子；碳减排；影响因素；结构方程

中图分类号：F0621 文献标识码：B

20世纪90年代以来，全球变暖在国际社会受到越来越多的重视。我国作为全球CO2第一大排放国，面临的国际碳减排压力越来越大。为此，国家在“十二五”规划中提出2011-2015年单位国内生产总值能源消耗降低16个百分点，单位国内生产总值二氧化碳排放降低17个百分点；党的十更是将生态文明建设同经济建设、政治建设、文化建设、社会建设一道，纳入中国特色社会主义事业总体布局。

在政策层面上，中央及北京市政府对高碳产业制定了一系列的淘汰和控制发展的政策，对低碳且高附加值产业的企业则制定了一系列的鼓励和扶持政策。如2011年1月28日颁发的《国务院关于鼓励软件和集成电路产业发展的通知》中规定，对微电子业在财税、投融资、研究开发、进出口、人才、知识产权以及市场方面给予鼓励和支持。

微电子技术是以大规模集成电路为基础发展起来的新技术领域，是指从晶体管开始的固体原件微型化电子的总称，包括半导体材料及器件物理、集成电路及系统设计原理和技术、芯片加工工艺、功能和特性的测试技术等重要组成部分，其核心是集成电路技术。微电子制造业属于低碳产业。在我国能源结构中煤炭和石油仍占很大比例的情况下，能源消耗水平能够反映碳排放的水平。根据我们对2012年《中国统计年鉴》中微电子制造业和制造业总体的能耗和产值的数据计算发现，2010年我国微电子制造业万元产值能耗仅为00459吨标准煤，而同时期制造业总体万元产值能耗却高达03092吨标准煤。但这并不是说碳减排与微电子制造业无关，美国、日本和加拿大的万元产值能耗在2007年就均已低于002吨标煤[1]，说明该产业仍存在碳减排空间。随着微电子制造业的快速发展，其碳排放问题不容忽视。如何控制微电子制造企业的碳排放，首先需要确定影响企业实施碳减排的因素。为此，本文以北京市微电子制造企业为例，分析影响企业实施碳减排的主要因素，以期为相关决策提供有价值的参考。

一、文献综述与研究假设

（一）文献回顾

在Web of Science文摘数据库中通过检索关键词“carbon emission & influence factor”，发现2005年至今的相关文献924篇，其中制造业60篇。在CNKI数据库中通过检索“碳排放”和“影响因素”两个关键词，发现2008年至今的相关文献426篇，其中制造业14篇。通过对文献的阅读和梳理，我们发现研究者普遍认为政府因素、市场因素、技术因素和结构因素是企业层面的碳减排影响因素。

第一，政府因素与企业实施碳减排的关系。Matthew（2005）通过对英国制造业碳排放情况的分析发现，法律法规对碳排放起到抑制作用[2]；Qinghua Zhu、James Cordeiro和Joseph Sarkis（2013）对苏州、大连和天津的377家制造企业的研究发现，制度压力是发展中国家制造企业实施环境管理的驱动力[3]。

第二，市场因素与企业实施碳减排的关系。Bansal和Roth（2000）认为企业环境管理态度和环境管理行为受市场机会的影响，是企业环境管理的外部动因[4]；秦颖（2008）对大中型工业企业的调研分析发现，企业环境管理是规则因素、市场因素及企业自身属性综合作用的结果[5]。

第三，技术因素与企业实施碳减排的关系。Gavin（2005）分析了1970-1990年英国的14个制造业数据，将技术创新分为本国科技创新与国外技术引进两个指标，发现二者均能抑制碳排放[6]。

第四，结构因素与企业实施碳减排的关系。张传平（2012）分析了人口、城镇化水平、能源结构、产业结构、能源强度、经济发展水平（GDP）和能源价格对我国碳排放的影响，结果表明，能源结构和产业结构均对碳排放有影响，但产业结构的影响在逐渐削弱[7]。

（二）研究假设

根据以上的分析，我们结合文献研究和专家访谈，确定了政府因素、市场因素、结构因素和技术因素作为北京微电子制造企业碳减排的四大影响因素，探讨各影响因素之间的作用路径。本研究提出了以下九个假设。

二、调研设计与研究结果

（一）问卷设计与变量测量

本研究采用问卷调查方法对北京微电子制造企业碳减排影响因素的理论模型进行实证研究。根据文献研究法和专家访谈法，对理论模型中的四大影响因素设计了27个度量指标并由此组成了调查问卷，具体变量所对应的度量指标详见表1。问卷主要通过0-1赋值法和李克特5点量表法（0和1赋值法中0表示没有，1表示有；李克特量表法中，从低到高依次排列，1表示很低或很小，5表示很高或很大）测量政府因素、市场因素、技术因素、结构因素和企业碳减排实践这五个变量。

（二）数据收集

本研究采用了实地调研、对从事微电子制造企业的MBA学生调研、邮件调研和专业的调查公司调研等多种方式，自2012年12月开始发放问卷，截止到2013年4月，历时5个月，共发放问卷345份，回收274份，回收率为794%，其中有效问卷231份，有效率为843%。

第7篇：碳排放的影响因素范文

关键词 碳排放强度；煤炭消耗；EG协整检验；VAR模型；脉冲响应函数

中图分类号 X24 文献标识码 A文章编号 1002-2104（2011）08-0107-06doi:10.3969/j.issn.1002-2104.2011.08.017

自上世纪90年代初期开始，中国经济经历了一个持续的高速发展阶段，随着国内生产总值的逐年增加，一系列资源消耗、环境污染、生态恶化等问题让中国的经济发展与环境问题陷入矛盾局面。进入21世纪以来，中国城市化和工业化发展带来了化石能源，特别是煤炭资源的大量消耗，由“黑色能源”引发的碳排放问题成为温室效应、全球变暖的代名词。相较于天然气、水电、风电消耗而言，煤炭消耗所释放的CO2量平均要高出近50%，虽自1990年以来，我国煤炭消耗比重呈下降态势，然而碳排放总量却逐年上升，由高速经济增长所抵消的环境负面增长促使碳排放强度缓慢降低，但碳排放强度的降低究竟源于煤炭消耗比重的下降还是源于GDP的分母拉动性值得我们为之思考。因此，考察一定年份区间内煤炭消耗与碳排放强度之间的交互冲击效应，有助于从深层次挖掘二者的作用机理，为未来高效控制碳排放量乃至碳排放强度，降低对化石能源的依赖性，提供措施借鉴。

1 文献综述

从已有的研究文献来看，考察碳排放量以及排放强度变化的影响因素的研究较多。其中，徐国泉等人［1］采用Divisia分解法定量分析了能源结构、能源效率和经济发展等因素的变化对中国人均碳排放的影响；冯相昭等人［2］对1971-2005年期间影响中国CO2排放量的因素展开分析，研究发现经济发展、人口增长、能源强度、能源消费结构是影响CO2排放量的主要因素；宋德勇、卢忠宝［3］采用“两阶段”LMDI方法，将能源消费产生的CO2排放的相关影响因素分解为产出规模、能源结构、排放强度和能源强度四个方面；Stephen D-Casler 和 Adamrose［4］运用两阶段KLEM模型对影响美国碳排放量的诸多因素进行实证分析；Christopher Yang和Stephen H- Schneider［5］认为CO2排放量的影响因素可以分解为人口规模、富裕程度、能源强度和单位能源消耗的排碳强度。以上研究只能大体计算出影响因素之间的重要程度，而无法显示单一因素或者某几个重要因素的变动，特别是能源消费结构、能源强度的变动对碳排放量的影响，尽管国内外一些学者已经尝试进行相应的研究，例如帅通、袁雯［6］计量分析了上海市产业结构和能源结构的变动对碳排放量的影响，苏方林等人［7］采用加权最小二乘法与向量自回归方法建立广西碳排放量及影响因素间关系的实证模型，杜官印等人［8］测算了1997-2007年中国分省化石能源碳排放强度变化趋势，邵帅等人［9］基于STIRPAT模型的上海分行业动态面板数据得出煤炭消费比重对碳排放规模和强度均具有显著的促进作用。然而，碳排放量是建立在能源消耗和经济发展基础上产生的，单纯考察碳排放量值的高低或仅仅通过影响因素的模型构建无法更好地将碳排放量与能源消耗和经济发展联系起来。

综上所述，本研究尝试将碳排放量进行数值转换处理，换算成碳排放强度，采用VAR模型与脉冲响应函数方法，对能源消费结构中的煤炭消耗比重与碳排放强度之间的动态冲击关系进行计量研究，进一步考察能源消费中煤炭消耗对碳排放强度的影响，从而为未来如何降低碳排放量乃至碳排放强度提供措施路径导向。

2 实证研究

2-1 模型数据

碳排放强度：本研究采用碳排放量与GDP的比值来衡量，记为CI。其中，碳排放量数据来自于中国统计年鉴（1990-2008）、中国能源统计年鉴（1990-2008）公布的1990-2008年中国能源消费构成中按照万吨标准煤折合计算的煤炭、石油、天然气消耗量，经各类能源的碳排放系数折算而得到的碳排放量；GDP数据来源于中国统计年鉴（1990-2008），根据以1990年为基期的GDP指数和1990年GDP数据计算获得，得到的GDP数据均为1990年不变价格的实际GDP。

煤炭消耗：本研究采用中国统计年鉴（1990-2008）中能源消费构成表中的煤炭消耗比重数据作为煤炭消耗的衡量指标，记为CP。

能源的碳排放系数是在查阅有关权威结构的文件的基础上，取各类机构官方公布的排放系数的平均值作为本研究中能源的碳排放折算系数，具体模型数据经过换算整理后如表1所示。

2-2 ADF单位根检验

在建立VAR模型和进行协整分析之前需要对变量的平稳性进行检验，即没有随机趋势或确定性趋势，否则在进行最小二乘回归时易产生“伪回归”现象，单位根检验是判断数据序列是否平稳的常用方法，例如ADF检验、PP检验等。本研究采用ADF检验法对模型数据的原始

中国人口•资源与环境 2011年 第8期序列进行单位根检验，具体的平稳性检验报告如表2所示。

从表2可知，在5%的显著水平上，零假设(时间序列非平稳)被拒绝，Prob值也远远小于0-05，由此说明，CI、CP两个时间序列都是平稳的。

2-3 序列的EG协整检验

协整检验是通过多个变量的线性组合关系来验证变

量之间具有长期的稳定均衡关系，协整检验的经济意义在于对若干个具有各自长期波动规律的变量，如果它们之间存在协整关系，则也同时具有长期均衡关系。因此，本研究在已经验证模型数据序列具有平稳性的基础上，进一步采用Engle和Granger提出的两步协整方法，对CI、CP两变量序列进行最小二乘回归，然后对模型残差进行平稳性检验，如果残差通过平稳性检验，则证明两变量在长期内存在均衡关系。具体回归方模型残差的单位根检验报告如下所示：

如表3所示，残差序列的ADF单位根检验值小于5%水平上的临界值，由此说明残差序列是平稳的，CI、CP两变量是协整的，碳排放强度与煤炭消耗比重虽在短时间内呈现出逐年波动变化态势，但二者存在长期均衡关系，即煤炭消耗比重变化的一次冲击会使协整变量暂时偏离平衡位置，但煤炭消耗比重变化的长期冲击会使协整变量自动归于平衡位置。

2-4 VAR模型构建

向量自回归模型(VAR)是由西姆斯于1980年提出的，是在模型的每一个方程中用当期内生变量对模型中全部内生变量的滞后值进行回归，从而将单个变量的自回归模型推广至多元时间序列变量组成的“向量”自回归模型。

VAR模型的数学表达式为：

Yt是内生变量向量，Xt是外生变量向量，n是滞后阶数，T是样本数，α1到αn以及β是待估计的系数矩阵，εt是随机扰动向量。通过运用Eviews 6-0计量软件，构建出如下VAR模型。

从表4可知，CI、CP方程的调整后R2值分别为0-916 554、0-888 738，由此说明此向量回归模型方程具有较强的解释力，F检验通过，AIC与Sc值的大小也符合模型基本要求，因而该VAR模型在理论上成立，但需要进一步进行模型的平稳性检验，具体检验结果如图1所示。由图1可知，VAR模型全部特征根在单位圆曲线之内，说明模型是一个平稳系统，可以进行脉冲响应分析。综上所述，建立碳排放强度与煤炭消耗比重的互动关系的VAR模型整体拟合情况较好，解释力较强。

因此，碳排放强度CI与煤炭消耗比重向量CP自回归

由方程（2、（3）可知，碳排放强度受CI其自身滞后一阶变化影响较大，煤炭消耗比重CP受CI滞后一阶变化影响较大，但这种影响关系无法显示出未来变化时期内CI、CP两变量的冲击影响，因而需要借助脉冲响应函数进行具体分析。

2-5 脉冲响应函数分析

脉冲响应函数描述的是系统对冲击扰动在不同滞后期的的动态反应，以衡量来自随机扰动项的一个标准差冲击对内生变量当前和未来取值的影响，即在随机误差项上施加一个标准差大小的新息冲击后对内生变量的当期值和未来值带来的影响，由此来判断变量间的动态关系［10,11］。在VAR模型中，第i个变量的冲击不仅直接影响到第i个变量本身，而且会通过VAR模型的滞后结构传递到其它内生变量。

由于VAR模型的估计系数难以解释，需要根据脉冲响应函数来衡量来自随机扰动项的一个标准差变动是如何影响变量现值以及未来值。因此，在上述检验及模型构建基础上，本研究采用脉冲响应函数，分析煤炭消耗比重与碳排放强度的变化对变量自身以及对对方变量的动态冲击影响。具体冲击函数曲线以及分析如下：

从图2可以看出，碳排放强度对其自身的一个标准差立刻有较强反应，影响率达60%，第二期达到最大值78%，之后呈现出逐渐减弱的趋势。碳排放强度对来自于煤炭消耗比重的波动对碳排放强度的影响在第一期没有响应，第二期则迅速反应，达到最大正影响值18%，从第三期开始呈现出负影响趋势，并于第六期达到最低值。由此可见，煤炭消耗比重的变化对碳排放强度的冲击影响具有滞后性和波动性，煤炭消耗比重的降低短期内不会造成碳排放强度迅速下降，但长期会产生较好的减排效应。

从图3可以看出，对于煤炭消耗来说，煤炭消耗比重对其自身的一个标准差立刻有较强反应，影响率达80%，此后期间逐渐下降，并于第六期开始呈现出负影响态势，之后趋于稳定。煤炭消耗比重对来自于碳排放强度的波动对煤炭消耗比重的影响在第一期就迅速达到62%，此后呈逐渐下降趋势，

并于第六期达到最低值。由此可见，

注：横轴表示冲击的滞后期间（单位：年），纵轴表示响应数，实线表示脉冲响应函数，虚线表示两倍标准差的偏离线。

煤炭消耗比重的变化在初始阶段会受碳排放强度变化的冲击影响，但随着周期推移，这种冲击会逐渐减弱，即扩大GDP的分母拉动性或强制减排措施产生的减排效应在短期可以对能源消费结构产生微调，但持久性较差。

由图4可知，碳排放强度发生增加变化冲击后，煤炭消耗比重的增加也开始出现明显的正向反应，并于第二期达到最大值，此后冲击力度开始衰退，随后煤炭消耗比重的增长率开始出现明显的负向反应，并于第六期达到负向反应最大值。由此说明：碳排放强度对煤炭消耗比重的冲击影响在短期内较剧烈，但不具有长记忆，碳排放强度发生增加变化的初期，煤炭消耗比重也会出现明显的增加反应，但随着冲击周期的推移，在碳排放强度增加的同时，煤炭消耗比重可能出现降低的负向反应，这也验证了模型原始数据中某些年份碳排放强度下降的同时却对应着煤炭消耗比重的增加，因而碳排放强度变化对煤炭消耗比重的冲击影响不明显。

由图5可知，煤炭消耗比重的增长发生冲击后，碳排放强度的增加也开始出现明显的正向反应，并于第一期就达到最大值80%，此后一直保持着较强的冲击力度，直到第六期开始才逐渐转为负向影响，并逐渐趋于稳定。这说明给煤炭消耗比重一个正向冲击，会造成对碳排放强度在很长时间内的同向冲击，即煤炭消耗比重对碳排放强度的影响作用是长期持久的，因而在较长周期变动中，可以通过降低煤炭消耗比重来达到降低碳排放强度的目的。

3 研究结论及启示

与已有的对碳排放影响因素研究的不同，本文将碳排放量转换成万元GDP的强度值，即碳排放强度，基于VAR模型与脉冲响应函数，对我国1990-2008年期间的煤炭消耗比重与碳排放强度之间的相互动态影响进行考察。具体研究结果如下：①碳排放强度与煤炭消耗比重的时间序列数据是平稳协整的，尽管二者在1990-2008年间呈现波动变化态势，但仍旧存在长期均衡关系；②煤炭消耗比重的变化对碳排放强度的冲击影响具有一定滞后性和波动性，但冲击作用长期持久，煤炭消耗比重在一定时期内的变化会带来碳排放强度同方向的冲击变化，即煤炭消耗比重的降低会促使碳排放强度下降；③碳排放强度对煤炭消耗比重的冲击影响在短期内较剧烈，但长期冲击影响不明显，煤炭消耗比重的变化冲击多是来自于变量自身，因而长期内依靠降低碳排放强度来达到降低煤炭消耗比重的目标是不可行的。综上所述，煤炭消耗比重与碳排放强度有很强的关联性，煤炭消耗比重的变化冲击会在长期内带来碳排放强度的同方向变化，并且这种冲击效应是长期持久的，因而降低碳排放强度的有效途径就是降低煤炭消耗比重。

鉴于以上结论，本研究认为降低中国碳排放强度的关键在于降低煤炭消耗比重，在能源刚性需求难以降低的背景下，煤炭消耗比重的下降可以通过结构性降低、产业传导性降低、技术性降低来实现。具体措施如下：①结构性降低：能源消费结构的优化调整对工业碳减排，特别是绝对量的减排具有重要意义，政府部门应该积极鼓励发展构建多样、安全、清洁、高效的能源供应和消费体系，优化能源消费结构，改善传统的以煤为主的能源消费结构，降低煤炭消耗比重，提高风电、水电和核电等清洁能源的替代性消费比重，大力开发生物质能、太阳能、潮汐能等可再生能源，由依靠传统化石能源向新能源和清洁能源转变；②产业传导性降低：推动产业结构演进由增加碳排放向减少碳排放的方向转化，是中国碳减排的产业潜力所在，推进第三产业发展，促进第二产业高耗能部门向低耗能部门转化，重视人为产业政策干预，制定相关政策措施，促使高耗能产业内部煤炭消耗和环境成本内部化，从而达到控制高耗能行业比重、降低煤炭消耗强度的目的；③技术性降低：重视技术植入，大力发展洁净煤技术，贯彻采选源头的优选控制、燃烧过程的洁净控制和污染物排放的达标处理控制等机制，降低开采、生产、消费整个全生命周期链条过程中的煤炭消耗量和损失量，提高单位耗煤的利用效率，从而达到减少耗煤数量、降低碳排放量的最终目的。

参考文献（References）

［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-［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］冯相昭,王雪臣,陈红枫-1971-2005年中国CO2排放影响因素分析［J］-气候变化研究进展,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,卢忠宝-中国碳排放影响因素分解及其周期性波动研究［J］- 中国人口•资源与环境, 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］帅通,袁雯-上海市产业结构和能源结构的变动对碳排放的影响及应对策略［J］-长江流域资源与环境, 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］苏方林,宋帮英,侯晓博-广西碳排放量与影响因素关系的VAR实证分析［J］-西南民族大学学报：人文社会科学版,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,蔡运龙,李双成-1997-2007年中国分省化石能源碳排放强度变化趋势分析［J］- 地理与地理信息科学,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］邵帅,杨莉莉,曹建华-工业能源消费碳排放影响因素研究――基于STIRPAT模型的上海分行业动态面板数据实证分析［J］- 财经研究,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,李钊-中国地区经济增长互动关系的脉冲响应分析［J］-数理统计与管理,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模型框架下房地产业与经济增长关系的实证检验［J］-经济问题,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：碳排放的影响因素范文

【关键词】 城镇化 碳排放 STIRPAT模型 地区差异

一、引言

如今，自然资源日趋紧张，生态环境日趋恶劣，发展低碳经济已成为全世界人民关注的焦点。加速城镇化和促进低碳发展是我国目前经济发展的重点。城镇化不同阶段经济发展水平不同，不同经济发展水平下的能源消费对碳排放量的影响也不同。江苏省不同区域经济发展水平差异显著，苏南、苏中、苏北目前正处于不同的城镇化阶段，因此对比研究具有代表性的三个区域的能源消费碳排放量对我国在城镇化进程中发展低碳经济具有现实的指导意义。

已有学者对城镇化和碳排放之间的关系做了相关研究。卢祖丹基于1995―2008年省域面板数据，通过建立STIRPAT模型对城镇化和碳排放之间的关系进行了相关研究，得出城镇化发展有利于实现碳减排，但未探讨不同的城镇化水平对碳排放的影响因素。林伯强、刘希颖用协整法探讨城市化对碳排放的影响程度，但只针对中国这一主体进行研究，并未对不同区域进行对比分析。宋德勇、徐安采用STIRPAT模型分析了区域差异对碳排放的影响，并未对经济发展水平和碳排放的内在联系进行探讨。

二、研究方法

经济发展是碳排放增长的首要因素，本文结合York等提出的STIRPAT随机回归模型，来分析研究产业结构对碳排放的影响。该模型主要分析P（人口）、A（富裕度）、T（技术）、I（环境影响）之间的关系，公式为：

I■=？琢P■■A■■T■■e■ （1）

其中：？琢是常数项，b、c、d是人口、富裕度、技术的指数，e是误差项。

在实际分析时，将模型先进性对数化处理：

lnIi=ln？琢+blnPi+clnAi+dlnTi+lnei （2）

式（2）中，P代表城镇化水平，用城镇人口占总人口的比重表示（%），用来反映人口向城镇聚集的程度；A代表人均工业生产总值，用工业生产总值与常住人口的比值表示（元/人）；T代表工业能耗强度，选取工业能源消费量与工业生产总值的比重即工业能耗强度来表示（吨标准煤/万元）；I表示工业碳排放量（吨）。相关经济数据均以2000年为基期做了不变价处理。

根据国家统计局编制的《能源统计报表制度》，本文的能源消费指能源的终端消费量。在计算碳排放量时，首先将能源消费量折算成标准煤，然后根据国家发改委能源研究所给出的标准煤的碳排放系数为2.4567吨CO2/吨标准煤进行计算。

文中的能源数据来自江苏省13市各自历年的《统计年鉴》；经济社会数据来自历年《江苏省统计年鉴》。

三、结果与分析

1、研究区域

江苏省位于我国大陆东部沿海中心，地处长江三角洲，经济发展位于全国前列，地区生产总值占全国10%以上。江苏省经济发展区域差异大，苏南、苏中、苏北的城镇化发展处于不同的发展阶段，因此选择江苏省为研究样本，研究其城镇化发展对碳排放的影响，探究城镇化进程中碳排放的影响因素具有很好的代表性。

苏南地区（南京、苏州、无锡、镇江、常州）与上海相邻，经济发展较快，是江苏省经济发展的主力，城镇化发展水平较高，2013年城镇化率已达到73.5%；苏中地区（扬州、泰州、南通）与苏南地区隔江相望，位于长江中下游，经济发展速度适中，城镇化发展水平较落后，2013年城镇化率为59.7%；苏北地区（徐州、宿迁、淮安、连云港、淮安）相对苏南和苏中虽然自然资源丰富，但是接近内陆，经济发展落后，城镇化水平与苏中地区较接近，城镇化率在2013年已达到56.1%。

2、模型回归结果

由于苏中和苏北地区2006年以前能源消费量数据缺失，故本文将主要研究2006―2013年间各区域的碳排放量。对式（2）利用SPSS进行线性回归分析时，首先将数据进行Zscore一致性处理，避免各变量数量级不同对数据分析的影响，然后将处理后的数据带入模型进行分析。结果显示，模型整体通过了一致性检验，但是在95%的置信区间，所有变量的t值都不显著。进一步计算各变量的方差膨胀因子（VIF），三个变量的VIF均远大于10，证明模型中的城镇化水平、人均工业生产总值和工业能耗强度三个变量之间存在严重的多重共线性，因此不适合运用最小二乘法进行无偏估计。

为克服自变量之间的多重共线性问题，本文采用SPSS软件中的有偏估计岭回归函数对模型进行拟合。岭回归是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法。其中k=0时，即为普通最小二乘估计。将式（2）进行岭回归分析，当k=0.1时，苏南模型中各自变量回归系数变化趋于稳定，当k=0.2时，苏中和苏北的模型中各自变量回归系数变化趋于稳定，从而拟合方程分别为：

苏南：lnI=0.2813lnP+0.4407lnA-0.2424lnT （3）

苏中：lnI=0.4607lnP+0.2379lnA-0.2074lnT （4）

苏北：lnI=0.1846lnP+0.3516lnA+0.4007lnT （5）

对岭回归拟合结果进行检验（见表1），结果显示拟合结果能够通过显著性检验。

根据模拟结果可以看出，苏南、苏中和苏北的模型在5%的置信区间都能通过显著性检验，所有变量的t值都大于1.96，R2值和调整的R2值都大于86%，说明P（人口）、A（富裕度）、T（技术）三个变量解释了86%以上的碳排放量变动。

3、结果分析

（1）工业能耗对碳排放的影响。根据回归方程可以看出，城镇化水平和工业生产总值与碳排放量都呈正相关，与实际相符合。工业发展越快，能源消耗越多，碳排放量越大。而城镇化水平的提高并没有导致碳排放的减少，很大程度上是因为城镇化发展仍然离不开工业产业的发展。

苏南是江苏省经济最发达地区，是江苏地区经济发展的主力。结合表2和图1可以看出，2006年以来，苏南地区的城镇化水平较高，至2013年城镇化水平已达到73.50%，且一直持续稳步增长。苏南城镇化水平对碳排放影响的弹性系数为0.28，说明该地区较高水平的城镇化并没有使碳排放量得到减少。相比苏中和苏北地区，苏南地区的工业生产对碳排放的影响更大，弹性系数达0.44，说明该地区在发展工业的同时应提高生产技术水平，提高能源利用效率。

苏中地区的经济发展速度较慢，城镇化水平由2006年的47.3%增长为2013年的59.7%，变动幅度是三个区域中最小的。回归结果显示，苏中地区工业发展对碳排放量的影响较小，弹性系数为0.24，说明该地区工业发展并未造成碳排放量的大幅度增加。但是城镇化对碳排放量影响较大，弹性系数达到0.46，说明该地区在大力发展城镇化的同时必须注重减少碳排放量。

苏北地区城镇化发展较快，至2013年，苏北地区的城镇化水平已达到56.1%，超过苏中地区。相对而言，苏北地区的生产力水平较低，经济发展潜力较大。对苏北地区碳排放量影响较显著的因素是工业能耗强度，弹性系数为0.40，说明该地区节能减排的关键是降低工业能耗强度。城镇化水平弹性系数为0.18，对碳排放影响较弱，说明该地区大力提高城镇化水平不会造成碳排放量的大量增加。

对比三个回归方程，苏南和苏中的能耗强度与碳排放呈负相关，而苏北地区能耗强度与碳排放呈正相关，且能耗强度每增加1%，碳排放量将增加0.4007%，比人均工业生产总值对碳排放量的影响更大，原因在于，苏南和苏中地区的工业技术先进，能源利用效率高，而苏北地区经济落后，对传统化石能源的依赖性较强，能源利用效率较低。

（2）能源消费模式。2010年之前江苏省的家庭能源消费主要是煤气和液化石油气，从2010年开始其家庭能源消费主要是天然气。到2013年，除苏州地区，全省其他12个市都已经不使用煤气。根据IPCC《国家温室气体排放清单指南》提供的碳排放系数可知，天然气的碳排放系数为0.4483×104，煤气的碳排放系数为0.3548×104，液化石油气的碳排放系数为0.5042×104。

由图2可知，随着经济的发展，苏南、苏中、苏北城镇居民家庭消费的碳排放强度都在逐步减弱，且变动趋势接近一致。这主要是由于煤气和液化石油气消费量的减少和天然气消费量的增加，使得能源消耗导致的碳排放增长速度小于经济发展的增长速度。2006―2013年，仅家庭能源消费，苏南地区的碳排放强度下降38.27%，苏中地区的碳排放强度下降38.04%，苏北地区的碳排放强度下降50.46%。

至2007年，天然气还尚未投入使用，而江苏省13市中除苏北的连云港和宿迁两地外，其它各市气化率均达到90%以上。到2013年，江苏省13市的燃气普及率已经达到95%以上，天然气的使用使三大地区家庭能源消费模式趋于一致。不同的城镇化发展水平对于家庭能源消费模式的影响并不显著，从2007年开始，三大地区的能源消费强度就逐渐接近，因此改善能源消费模式也可以大大减少碳排放量。

（3）能源政策。应综合考虑三个地区不同城镇化发展水平下的能源政策对碳排放的影响。从三个地区的经济发展状况和资源禀赋可以看出，苏南地区的能源主要依靠进口，但苏南地区经济发展速度较快，苏中、苏北地区较多人口流入苏南地区，推动苏南地区的城镇化发展。在“十二五”期间，苏南地区基本已经实现能源消耗增长速度低于经济发展速度。苏南地区对于新能源产品和技术的研究和开发，使得苏南地区的碳排放量基本得到了控制。相对于苏南地区，苏中地区城镇化发展速度较慢，且正处于工业化中期向后期过渡阶段，高耗能产业发展较快，在推动新能源发展的同时，重点发展石油化工产业的衍生产品，能源消耗高出全省平均水平，碳排放量持续增长。苏北地区虽然城镇化水平超过苏中地区，但却是江苏省经济发展最落后的地区，能源消耗高，对煤炭等传统能源的依赖性高。但是苏北地区利用自身的地理优势，致力于新能源开发，主要研发太阳能和风能，在大力发展经济的同时注重减少碳排放量。独特的地理优势和能源优势，使苏北地区的城镇化建设发展较快，但同时也抑制了苏北地区的经济发展，促使苏北地区仍停留在重工业为主导的经济发展阶段。

四、结论和建议

1、结论

本文以处于城镇化发展不同阶段的苏南、苏中和苏北三个地区为例，利用STIRPAT模型探讨城镇化发展进程和经济发展水平对碳排放量的影响因素，研究结果表明，不同的城镇化发展进程和经济发展水平对碳排放量的影响不同。城镇化发展和经济发展速度均较快的苏南地区，碳排放量的增长速度（25.8%）已经低于工业经济增长速度（156%），碳排放量基本得到了控制；城镇化发展和经济发展速度适中平稳的苏中地区，城镇化发展是现阶段的发展重点，碳排放量增长速度与经济增长速度一致，持续稳步增长；城镇化发展速度较快但经济发展落后的苏北地区，对传统能源依赖性大，碳排放量增长速度超过经济发展速度。

苏南地区，城镇化水平由2006年的67.1%增长为2013年的73.5%，工业生产对碳排放的影响最大，弹性系数达0.44；城镇化水平对碳排放影响的弹性系数仅为0.28，城镇化建设的推动对碳排放量影响较小。苏中地区，城镇化水平由2006年的47.3%增长为2013年的59.7%，与苏南地区相反，工业发展对碳排放量的影响较小，弹性系数为0.24，工业发展并未造成碳排放量的大幅度增加。但是城镇化对碳排放量影响较大，弹性系数达到0.46，推动城镇化发展的基础设施建设对苏中地区的碳排放影响较大。苏北地区，虽然经济增长速度是三个地区中最快的，2013年苏北地区工业生产总值是2006年的6.31倍，但是苏北地区的城镇化水平和工业生产的弹性系数分别只有0.18和0.35，而能耗强度对碳排放的影响最大，弹性系数为0.40，提高能源利用效率、降低能耗强度才是苏北地区节能减排的关键。

2、政策建议

（1）优化产业结构，促进产业优化升级。虽然苏南地区正在逐步实现产业转型，但是苏中和苏北地区的经济发展仍旧以重工业为主，而且江苏新能源资源匮乏，对传统能源依赖程度大，仅盐城地区风能资源较为丰富。因此加快产业结构优化升级，是减少碳排放量最直接的方法。

（2）提高能源利用效率，优化能源消费模式。提高能源利用效率、降低能耗强度有助于节能减排。家庭能源消费对碳排放的影响体现在衣食住行各方面，应改变能源结构，使用碳排放量较少的新能源替代传统能源。例如，大力发展太阳能、风能发电，减少火力发电；早日实现江苏省13市100%的燃气普及率，减少煤气和液化石油气的使用。

（3）大力实施节能减排政策。政策与实践相结合，在接下来的“十三五”期间，进一步降低碳排放强度，努力实现经济与碳减排的同步发展。结合苏南、苏中和苏北地区不同的地理优势和资源禀赋，制定不同的发展政策，因地制宜，使地区在经济稳步发展的同时减少碳排放。

（注：基金项目：江苏省实践创新指导项目“城镇化不同阶段对区域碳排放影响研究――以江苏省为例”201410299088X。）

【参考文献】

[1] 卢祖丹：我国城镇化对碳排放的影响研究[J].中国科技论坛，2011（7）.

[2] 林伯强、刘希颖：中国城市化阶段的碳排放：影响因素和减排策略[J].经济研究，2010（8）.

[3] 宋德勇、徐安：中国城镇碳排放的区域差异和影响因素[J].中国人口・资源与环境，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：碳排放的影响因素范文

关键词：城市；能源消耗；碳足迹

中图分类号：X703

文献标识码：A文章编号：16749944（2016）12006802

1引言

随着社会经济的快速发展，城市化与工业化建设不断加快，大量的能源消耗产生了大量的温室气体，这些温室气体的排放加快了全球气候变暖的进程，引发了诸多环境问题，海平面上升、冰川面积减小、极端天气等，对人类的生产生活构成严重威胁。CO2等温室气体的产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为了温室效应的主要贡献者。因此，城市能源消耗对温室效应的贡献引发了学术界的广泛关注[1，2]。

当前，中央和地方对生态环境提出了新要求，旨在实现绿色发展，建设美丽中国。要想实现城市的可持续发展，就必须走一条低碳发展的道路，也就是碳足迹要小，衡量其低碳发展的重要指标就是城市碳足迹。而城市碳足迹主要来自能源消耗碳排放，通过对能源消耗碳排放的测算便可得到该城市的能源消耗碳足迹。因此，城市能源消耗碳足迹的相关问题成了时下研究的热点[3，4]。

2碳足迹的定义与解释

碳足迹[4]一词最早源于生态足迹，是由哥伦比亚大学的Rees 和 Wackernagel[5]提出。很快碳足迹这一概念在学界、政界和新闻界得到了广泛关注。对碳足迹的概念而言，国外的学者看法就不一样。Energetics[6]认为碳足迹是人们日常活动产生的全部直接或间接的CO2 排放量；ETAP[7]把碳足迹视为人类活动对环境影响的度量；Druckman[8]则把碳足迹定义为由某种活动直接或间接产生的 CO2 排放量；Post[9]认为碳足迹是指产品从生产到消亡整个生命周期内排放的 CO2 及其他温室气体的总量。综合国外学者对碳足迹的定义，不难看出他们都把最终的研究焦点落在了 CO2 等温室气体上，通过对产生的 CO2 排放量进行分析测算得出相应的碳足迹。

3研究进展与文献综述

2007 年，联合国环境规划署/国际环境毒理学与化学学会召开了主题为“生命周期倡议”的大会，大会设立了碳足迹专项研究小组，旨在讨论碳足迹的具体计算方法 （生命周期法、投入产出法、IPCC 法等）与研究应用[10-11]。就碳足迹的研究程度来看，欧美地区较为深入。美国自然保护协会通过对各州居民平均碳排量的计算，开发出了测算个人碳足迹的计算器。英国爱丁堡大学的巴斯敏和莫里斯对社区的碳足迹计量开展了研究，基于对日常生活圈频繁使用的产品生产与分解过程中碳排放量的分析，建立了评估社区碳排放量大小和主要组成部分的碳足迹模型，指出交通出行方面的碳排放是社区碳足迹的主要组成部分。所以，国外对碳足迹的研究逐步从宏观走向微观，从整体走向局部，测算碳足迹的方法也越来越多样化，应用的领域也越来越广泛，研究的程度也在不断的深入。

我国碳足迹研究始于20世纪90 年代，且研究的理论与方法多借鉴国外的碳足迹研究。就目前国内碳足迹的研究现状来看，彭俊铭、朱婵璎、张约翰等人[12-14]对区域能源消耗碳足迹做了相关研究，构建了碳足迹的计算模型，引入了能源消耗碳足迹产值（VCF值），阐述了能源消耗碳足迹发生动态变化并提出了建议，为区域的低碳发展提供了科学依据；宋宇辰[15]等人对做了能源消耗碳足迹的实证研究，运用 IPCC 法计算了该自治区的能源消耗碳足迹，新引入了能源消耗碳足迹强度指数等相关指标，并基于环境库兹涅茨曲线探究了能源消耗碳足迹与经济发展水平之间的关系，据此得出相关结论；赵涛、郑丹[16，17] 等人对中国能源消耗碳足迹的生态压力做了相关研究，借鉴了IPCC 法[18] 测算了中国能源消耗碳排放量、碳足迹、碳足迹生态压力指数等，又引入经济学中的脱钩理论来研究能源消耗碳足迹与人均GDP二者的关系，据此得出相关结论。卢俊宇、黄贤金[19～24]等人对一些行政区能源消费碳足迹、碳足迹产值、碳足迹强度进行了分析；然后在此基础上，采用岭回归函数对STIRPAT模型进行拟合，研究了人口与人均GDP与能源消费碳足迹的关系及其驱动因素分析。郑丹[25]引入能源碳足迹生态压力（EPICF）的概念，并对区域能源碳足迹生态压力的时空变化进行了定量分析，以测度现有森林和草地的面积是否能够满足区域日益增加的能源碳足迹。纵观我国碳足迹的研究进展，理论与方法正在不断丰富与完善，研究的指标也不断的多样化，多学科的交叉也日益明显，但有关区域差异的相关研究显得有些不足，今后有待加强。

4结语

城市的能源消耗已不再是单纯的能源利用问题，它还关系到整个城市的社会、经济、环境的发展，能源的利用效率反应该地区的科技发展水平，能源的利用结构关系到该地区产业结构的优化及从事不同产业的人口调整，能源的消耗更是对该地区的生态环境造成巨大的压力，危及到城市的生态安全，不利于城市的低碳发展。为了实现城市的低碳发展，走一条低能耗、低污染、高增长的生态城市道路，势必要弄清城市的能源消费状况，测算出城市的能源消耗碳排放量及碳足迹，分析城市的能源碳足迹强度、能源碳足迹产值、能源碳足迹生态压力指数，找出产生能源碳足迹生态压力的原因并提出合理化建议，为城市的生态文明建设提供科学的依据与方法。研究能源消耗碳足迹及其影响因素，计算碳排放指标，总体和人均碳足迹，通过脱钩分析以及灰色关联法等数学模型摸清区域现阶段的能源消费状况及能源利用效率，看清城市能源消耗碳排放、碳足迹的动态变化趋势，有助于我们对城市碳汇的生态压力大小及产生压力的原因有比较清醒地认识，为此我们可以提出相应的对策为城市未来的低碳发展创造有利条件。本文综述了国内外最新的研究成果，可以作为其他城市研究相关问题的借鉴。

参考文献：

[1]

段孟辰，薛科社，薛璐，等.城市能源消耗碳足迹动态变化及影响因素分析――以西安市为例[J].河南科学，2013，31（6）：837～841.

[ 2 ]焦文献，陈兴鹏，贾卓，等.甘肃省能源消费碳足迹变化及影响因素分析[J].资源科学，2012，34（3）：559～565.

[ 3 ]桓汉青，陈冬冬，陈超凡等，.四川省能源消耗碳足迹的分析[J].环境污染与防治， 2014，36（4）：96～101.

[ 4 ]郭运功，汪冬冬，林逢春.上海市能源利用碳排放足迹研究[J].中国人口・资源与环境，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. 气候变化报告 2007[EB/OL].ipcc.ch.

[11]宋宇辰，张静，孟海东.内蒙古能源消费碳足迹研究[J].宁夏大学学报（自然科学版），2013，34（2）：177-181.

[12]彭俊铭， 吴仁海. 基于LMDI的珠三角能源碳足迹因素分解[J]. 中国人口・资源与环境， 2012， 22（2）：69-74.

[13] 张约翰， 张平宇. 长吉都市区能源碳足迹测度及影响因素研究[J]. 地理科学， 2012， 32（9）：1099-1105.

[14] 朱婵璎. 江苏省能源消费的碳足迹特征分析[D]. 南京：南京信息工程大学， 2013.

[15] 宋宇辰，张静，孟海东.内蒙古能源消费碳足迹研究[J].宁夏大学学报（自然科学版），2013，34（2）：177-181.

[16] 赵涛，郑丹.1996-2010 年中国能源碳足迹生态压力研究[J].干旱区资源与环境，2014，28（2）：1-6.

[17] 张清，郑丹，许宪硕.中国能源碳足迹生态压力变动的因素分解研究[J]. 干旱区资源与环境，2015，29（4）：41-46.

[18] IPCC. 2006 IPCC Guidelines for National Greenhouse Gas Inventories - Volume 2 Energy[R].IPCC，2006.

[19]卢俊宇， 黄贤金， 陈逸，等. 基于能源消费的中国省级区域碳足迹时空演变分析[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]. 地理学报（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]卢娜， 曲福田， 冯淑怡，等. 基于STIRPAT模型的能源消费碳足迹变化及影响因素――以江苏省苏锡常地区为例[J]. 自然资源学报， 2011（5）：814-824.

[23]卢娜， 冯淑怡， 曲福田. 基于STIRPAT模型的能源消费碳足迹变化及影响因素分析―― 以无锡市为例[C]∥中国生态经济建设2010太原论坛， 2010.