期刊文献+
共找到7篇文章
< 1 >
每页显示 20 50 100
中国物流业碳排放特征及其影响因素分析——基于LMDI分解技术 被引量:39
1
作者 马越越 王维国 《数学的实践与认识》 CSCD 北大核心 2013年第10期31-42,共12页
在对我国物流业碳排放特征进行分析的基础上,运用LMDI分解技术,建立中国物流业人均碳排放的因素分解模型,定量分析了1991-2010年能源结构、能源效率、运输方式、物流发展、经济增长以及人口等6种因素对物流业人均碳排放的影响.分析表明... 在对我国物流业碳排放特征进行分析的基础上,运用LMDI分解技术,建立中国物流业人均碳排放的因素分解模型,定量分析了1991-2010年能源结构、能源效率、运输方式、物流发展、经济增长以及人口等6种因素对物流业人均碳排放的影响.分析表明:经济增长是拉动物流业碳排放增长最主要的动力,在研究期间呈指数增长的趋势.运输方式对碳排放增长也表现出明显的促进作用,能源结构和能源效率虽然表现出拉动作用,但效果微弱.而物流发展因素则对物流业人均碳排放量表现出明显的抑制作用.因此,应大力推进物流业科技水平的提高,进一步发挥物流发展因素对碳排放的抑制作用,同时,优化物流运输体系,形成以铁路为主体,水运和管道为支撑,公路和航空运输为辅的低碳化的综合运输体系. 展开更多
关键词 碳排放 物流业 lmdi技术 因素分解
原文传递
环保投资对中国SO_2减排的影响——基于LMDI的分解结果 被引量:36
2
作者 张平淡 朱松 朱艳春 《经济理论与经济管理》 CSSCI 北大核心 2012年第7期84-94,共11页
本文使用对数平均的迪氏分解法(LMDI),将二氧化硫(SO2)排放强度降低的技术效应分解为能源消费结构效应、能源消耗强度效应和污染排放处理效应。研究发现,1998—2009年,中国SO2排放强度的降低主要归功于污染排放处理效应,其次是能源消耗... 本文使用对数平均的迪氏分解法(LMDI),将二氧化硫(SO2)排放强度降低的技术效应分解为能源消费结构效应、能源消耗强度效应和污染排放处理效应。研究发现,1998—2009年,中国SO2排放强度的降低主要归功于污染排放处理效应,其次是能源消耗强度效应,能源消费结构效应的贡献最小,甚至是反向的,这说明我国能源消费结构并没有得到优化,SO2减排主要依赖于末端治理和过程控制。本文还检验了2005—2009年中国30个地区环保投资对技术效应分解结果的影响,发现环保投资对能源消耗强度效应、污染排放处理效应具有显著的正向影响,而对能源消费结构效应的作用并不显著。 展开更多
关键词 环保投资 SO2 技术效应 lmdi 全过程治理
下载PDF
北京能源消费排放CO_2增量的分解研究——基于IDA法的LMDI技术分析 被引量:20
3
作者 张旺 周跃云 《地理科学进展》 CSCD 北大核心 2013年第4期514-521,共8页
采用IDA法的LMDI技术,全面实证研究了北京1995-2010年经济部门和生活消费因能源消耗排放二氧化碳增长的驱动因素,分析导致6大产业部门和生活消费的碳排放增量的各自效应。结论表明:拉动产业部门碳排放量增长的决定性因素是经济规模扩大... 采用IDA法的LMDI技术,全面实证研究了北京1995-2010年经济部门和生活消费因能源消耗排放二氧化碳增长的驱动因素,分析导致6大产业部门和生活消费的碳排放增量的各自效应。结论表明:拉动产业部门碳排放量增长的决定性因素是经济规模扩大,而促使碳排放减少的主要因素是能源强度降低,产业结构调整和能耗结构变化对产业碳排放变动的贡献较低;就行业而言,工业的碳减排成果最显著,其他服务业及交通运输、仓储与邮政业的增量明显;人口规模的持续扩大是导致生活消费碳排放量增加的主因,人均能耗强度加大紧随其后,但碳排放系数和生活能耗结构的变化却对减碳贡献不大。最后,针对上述分析结果,提出了北京未来节能减碳的简明政策建议。 展开更多
关键词 能源消费 碳排放 lmdi技术 产业部门分解 生活消费分解 北京
原文传递
Change in Carbon Dioxide (CO_2) Emissions From Energy Use in China's Iron and Steel Industry 被引量:17
4
作者 SUN Wen-qiang CAI Jiu-ju +1 位作者 MAO Hu-jun GUAN Duo jiao 《Journal of Iron and Steel Research International》 SCIE EI CAS CSCD 2011年第6期31-36,共6页
As the largest energy consuming manufacturing sector and one of the most important sources of carhon dioxide (CO2) emissions, the China's iron and steel industry has paid attention to the study of changing trend an... As the largest energy consuming manufacturing sector and one of the most important sources of carhon dioxide (CO2) emissions, the China's iron and steel industry has paid attention to the study of changing trend and influencing factors of CO2 emissions from energy use. The logarithmic mean Divisia index (LMD1) technique is used to decompose total change in CO2 emissions into four factors: emission factor effect, energy structure effect, energy consumption effect, and steel production effect. The results show that the steel production effect is the major factor which is responsible for the rise in CO2 emissions; whereas the energy consumption effect contributes most to the reduction in CO2 emissions. And the emission factor effect makes a weak negative contribution to the increase of CO2 emis- sions. To find out the detailed relationship between change in energy consumption or steel production and change in CO2 emissions, the correlation equations are also proposed. 展开更多
关键词 CO2 emissions energy use lmdi technique steel production energy consumption
原文传递
Decomposition analysis of energy-related carbon dioxide emissions in the iron and steel industry in China 被引量:7
5
作者 Wenqiang SUN Jiuju CAI +1 位作者 Hai YU Lei DAI 《Frontiers of Environmental Science & Engineering》 SCIE EI CAS CSCD 2012年第2期265-270,共6页
This work aims to identify the main factors influencing the energy-related carbon dioxide (CO2) emissions from the iron and steel industry in China during the period of 1995-2007. The logarithmic mean divisia index ... This work aims to identify the main factors influencing the energy-related carbon dioxide (CO2) emissions from the iron and steel industry in China during the period of 1995-2007. The logarithmic mean divisia index (LMDI) technique was applied with period-wise analysis and time-series analysis. Changes in energy- related CO2 emissions were decomposed into four factors: emission factor effect, energy structure effect, energy consumption effect, and the steel production effect. The results show that steel production is the major factor responsible for the rise in CO2 emissions during the sampling period; on the other hand the energy consump- tion is the largest contributor to the decrease in C02 emissions. To a lesser extent, the emission factor and energy structure effects have both negative and positive contributions to C02 emissions, respectively. Policy implications are provided regarding the reduction of C02 emissions from the iron and steel industry in China, such as controlling the overgrowth of steel production, improving energy-saving technologies, and introducing low-carbon energy sources into the iron and steel industry. 展开更多
关键词 carbon dioxide (C02) emissions decomposi-tion analysis logarithmic mean divisia index lmditechnique time-series analysis
原文传递
中国人均灰水生态足迹变化驱动效应测度及时空分异 被引量:15
6
作者 张智雄 孙才志 《生态学报》 CAS CSCD 北大核心 2018年第13期4596-4608,共13页
将传统灰水足迹和水生态足迹方法相结合,运用扩展的Kaya恒等式和LMDI指数分解方法对中国各省市的人均灰水生态足迹变化的驱动因素进行测度分析,充分考虑了资本和劳动力因素,选取经济活度效应,资本深化效应,资本效率效应,足迹强度效应,... 将传统灰水足迹和水生态足迹方法相结合,运用扩展的Kaya恒等式和LMDI指数分解方法对中国各省市的人均灰水生态足迹变化的驱动因素进行测度分析,充分考虑了资本和劳动力因素,选取经济活度效应,资本深化效应,资本效率效应,足迹强度效应,环境效率效应5个效应对人均灰水生态足迹变化的影响,结合ISODATA聚类模型对各效应进行空间聚类,从而分析各效应的空间特征。结果显示:中国人均灰水生态足迹产出变化是这5种因素共同作用的结果,资本深化效应和经济活度效应具有增量效应特点,而环境效率效应、足迹强度效应、资本效率效应呈减量效应特点;在各驱动效应的的强弱对比中,资本深化效应和足迹强度效应的特征较为明显。经济发展带动了科技进步也使得用水效率不断提高是足迹强度效应呈减量效应的主要原因;而工业化阶段经济向资本密集型转变是资本效率下降的主要原因。研究对中国灰水生态变化与资本要素之间的关系进行了探讨,对环保政策的调整及水资源可持续利用研究具有一定的参考价值。 展开更多
关键词 灰水生态足迹 Kaya恒等式 lmdi模型 资本因素
下载PDF
基于LMDI分解技术的中国税收增长宏观因素分解分析 被引量:5
7
作者 张斌 《中央财经大学学报》 CSSCI 北大核心 2015年第8期12-17,共6页
经济发展新常态背景下,经济增长速度转向中高速,税收增速必然下滑,因此,提交税收增长质量、探索税收新增长极因素对于确保我国未来税收持续稳定增长至关重要。笔者运用LMDI分解技术综合分解出了影响我国税收增长的宏观因素,并且测算出... 经济发展新常态背景下,经济增长速度转向中高速,税收增速必然下滑,因此,提交税收增长质量、探索税收新增长极因素对于确保我国未来税收持续稳定增长至关重要。笔者运用LMDI分解技术综合分解出了影响我国税收增长的宏观因素,并且测算出了各因素的效应值和贡献率。结果发现:在2005—2012年间,经济产出对税收增长的贡献度最高,带动税收累计增加了48 097.5亿元,累计贡献率为57.2%,但带动效应在下滑;产业税负因素居第二位,带动税收累计增加了27672.7亿元,累计贡献率为32.9%,并且带动效应在增强;税收结构因素居第三位,带动税收累计增加了8 148.9亿元,累计贡献率为9.7%,不过带动效应的波动性较大;产业结构因素对税收产出的贡献度最低,带动税收累计增加了仅仅222.7亿元,累计贡献率为0.3%,但呈现出效应扩大趋势。 展开更多
关键词 税收增长 宏观因素分解 lmdi分解技术
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部