

低碳经济|京津冀碳排放影响因素分解及碳达峰预测研究

汉斯出版社

2024-02-08

导读：关注汉斯出版社公众号联系小编即可投稿，还可获取最新论文模板！

导读：

京津冀作为中国核心经济区和碳排放的重点区域，尽早达峰对于实现我国碳达峰目标具有十分重要的意义。文章运用灰色关联分析方法，筛选影响碳排放的因子，利用LMDI模型分解影响因子，分析各影响因子对碳排放量的贡献度，设置5种不同情景，针对每种情景采用STIRPAT模型进行碳排放未来趋势预测。研究结果表明：(1) 政府干预、城镇化率、人均GDP、产业结构和能源强度显著影响京津冀城市群碳排放；(2) 能源强度和能源结构变动呈现出抑制碳排放的效应，经济发展与人口增长变动呈现出促进碳排放的效应；(3) 京津冀整体有望在2030年前实现碳达峰。最后针对不同城市提出差异化的建议，从调整能源结构、落实政策制度、优化产业结构来实现京津冀地区碳达峰目标。

基本信息：

京津冀碳排放影响因素分解及碳达峰预测研究

Decomposition of Carbon Emission Factors and Prediction of Carbon Peak in Beijing-Tianjin-Hebei Region

作者：

廖志高*#：广西科技大学经济与管理学院，广西柳州;广西工业高质量发展研究中心，广西柳州；李洁：广西工业高质量发展研究中心，广西柳州

关键词:

京津冀；LMDI模型；灰色关联分析；STIRPAT模型；情景预测

项目基金：

2022年度广西人文社会科学发展研究中心“科学研究工程”专项项目“‘双碳’目标下广西城市群碳达峰预测及差异化减排路径研究”(WKZX2022001)；四川省社会科学重点研究基地系统科学与企业发展研究中心重点项目“‘双碳’目标下我国城市群碳达峰预测及差异化减排路径研究”(XQ22B09)。

原文链接：

https://doi.org/10.12677/JLCE.2024.131002

内容简介：

在汉斯出版社《低碳经济》期刊上，有论文运用灰色关联分析方法，筛选影响碳排放的因子，利用LMDI模型分解影响因子，分析各影响因子对碳排放量的贡献度，设置5种不同情景，针对每种情景采用STIRPAT模型进行碳排放未来趋势预测。

通常情况下，灰色关联系数大于0.8表示自变量与因变量的相关关系较强；在0.5~0.8的范围内，相关系数呈显著相关；小于0.5则呈弱相关。由表2可以看出，政府干预、城镇化率、人均GDP、产业结构和能源强度与碳排放量之间均表现为显著相关性，且相关性城镇化率 > 政府干预 > 人均GDP > 能源强度 > 产业结构。本文选用政府干预、城镇化率、人均GDP、产业结构和能源强度作为预测模型输入变量。

文章首先核算京津冀城市群2005~2020年的碳排放量，采用灰色关联分析量化对碳排放影响，客观选择影响指标，通过LMDI模型从政府干预、城镇化率、人均GDP、产业结构和能源强度五个指标探究京津冀城市群碳排放的主要驱动因素，最后基于STIRPAT对2021~2040年碳排放潜在变化进行动态情景分析，得出以下结论：(1) 灰色关联分析表明，相关度城镇化率 > 政府干预 > 人均GDP > 能源强度 > 产业结构，且这些指标与碳排放相关度高，可以作为预测模型输入变量。(2) LMDI分解结果表明，2006~2020年间京津冀地区能源强度和能源结构对碳排放具有抑制效应，人口增长和经济发展对碳排放具有促进效应。(3) 情景预测结果表明，北京、天津和河北分别在高发展弱低碳情景、低发展强低碳情景下在2030年实现碳达峰目标，京津冀整体可在低发展强低碳情景下通过调整相关政策，实现碳达峰目标，在实现目标的过程中，需要采取差异化积极有效的措施促进碳达峰。