2021年 02期

摘要(Abstract)：

采用STIRPAT模型,通过岭回归方法定量分析山东半岛蓝色经济区的人口数量、人均国内生产总值、能源强度、城镇化水平与碳排放量的关系;设置6种发展模式,分析山东半岛蓝色经济区的碳排放量发展趋势。结果表明:人口数量、人均国内生产总值、能源强度及城镇化水平每变化1%,碳排放量相应变化1.748%、 0.153%、-0.218%、 0.365%;高增长-中减排模式下碳排放量增速最快;结合山东半岛蓝色经济区的发展态势,确定中增长-高减排模式为控制碳排放量的最佳发展模式。

关键词(KeyWords)： 碳排放;STIRPAT模型;岭回归;山东半岛蓝色经济区

基金项目(Foundation): 国家自然科学基金项目(51509149,51379119);; 国家重点研发计划项目(2018YFC0604700);; 山东省重点研发计划项目(2018GSF120009);; 国家安全监管总局安全生产重特大事故防治关键技术科技项目(Gaoxiao-0008-2017AQ,Shangdong-0016-2018AQ);; 山东科技大学矿业工程一流学科建设专项(01GY03403)

作者(Author): 颜伟,黄亚茹,张晓莹,高梦斐

DOI: 10.13349/j.cnki.jdxbn.20201012.002

参考文献(References)：

[1] 唐慧玲.低碳经济背景下绿色供应链中政企博弈的研究:基于企业自主减排的目标[J].当代经济科学,2019,41(6):108-119.

[2] 王宁静,魏巍贤.中国大气污染治理绩效及其对世界减排的贡献[J].中国人口·资源与环境,2019,29(9):22-29.

[3] 仲云云.中国省际能源消费碳排放的区域差异与时空演变特征[J].生态经济,2018,34(4):30-33,39.

[4] 范建双,周琳.中国建筑业碳排放时空特征及分省贡献[J].资源科学,2019,41(5):897-907.

[5] WAHEED R,SARWAR S,WEI C.The survey of economic growth,energy consumption and carbon emission[J].Energy Reports,2019,5:1103-1115.

[6] 韩钰铃,刘益平.基于LMDI的江苏省工业碳排放影响因素研究[J].环境科学与技术,2018,41(12):278-284.

[7] 刘晴川,李强,郑旭煦.基于化石能源消耗的重庆市二氧化碳排放峰值预测[J].环境科学学报,2017,37(4):1582-1593.

[8] 颜伟,孙佳欣,高梦斐,等.山东半岛蓝色经济区碳排放的影响因素[J].济南大学学报(自然科学版),2019,33(6):550-555.

[9] 王新利,黄元生.河北省能源消费碳排放强度影响因素分解[J].数学的实践与认识,2018,48(23):49-58.

[10] HEYDARI A,ASTIASO GARCIA D,KEYNIA F,et al.Renewable energies generation and carbon dioxide emission forecasting in microgrids and national grids using GRNN-GWO methodology[J].Energy Procedia,2019,159:154-159.

[11] 黄蕊,王铮,丁冠群,等.基于STIRPAT模型的江苏省能源消费碳排放影响因素分析及趋势预测[J].地理研究,2016,35(4):781-789.

[12] 兰梓睿,孙振清,靖富营.基于预测时域的碳排放权交易多周期决策[J].统计与决策,2019,35(16):45-49.

[13] 王丹舟,杨德天.中国碳排放权交易价格的驱动因素[J].首都经济贸易大学学报,2018,20(5):87-95.

[14] 方恺,李帅,叶瑞克,等.全球气候治理新进展:区域碳排放权分配研究综述[J].生态学报,2020,40(1):10-23.

[15] 刘翔,陈晓红.我国低碳经济发展效率的动态变化及碳减排潜力分析[J].系统工程,2017,35(5):92-100.

[16] 陈炜,殷田园,李红兵.1997—2015年中国种植业碳排放时空特征及与农业发展的关系[J].干旱区资源与环境,2019,33(2):37-44.

[17] 中国建筑节能协会能耗统计专委会.中国建筑能耗研究报告(2018年)[R/OL].[2019-12-01].https://www.cabee.org/site/content/22960.html.

[18] 渠慎宁,郭朝先.基于STIRPAT模型的中国碳排放峰值预测研究[J].中国人口·资源与环境,2010,20(12):10-15.

[19] 王彩明,李健.一次能源消费结构调整对京津冀碳强度目标的贡献力分析[J].科技管理研究,2017,37(7):226-233.

[20] 任晓松,赵国浩.中国工业碳排放及其影响因素灰色预测分析:基于STIRPAT模型[J].北京交通大学学报(社会科学版),2014,13(4):18-24.

[21] 纪广月.基于灰色关联分析的BP神经网络模型在中国碳排放预测中的应用[J].数学的实践与认识,2014,44(14):243-249.

[22] YORK R,ROSA E A,DIETZ T.STIRPAT,IPAT and Impact:analytic tools for unpacking the driving forces of environmental impacts[J].Ecological Economics,2003,46(3):351-365.

[23] 杜俊慧,张克勇,张雪姣.山西省碳排放影响因素分解及峰值预测[J].中北大学学报(自然科学版),2018,39(3):334-343.

[24] 王琪.基于STIRPAT模型的河北省碳排放峰值预测研究[D].北京:华北电力大学,2019.

[25] 程豪.碳排放怎么算:《2006年IPCC国家温室气体清单指南》 [J].中国统计,2014(11):28-30.

[26] 姜磊,季民河.基于STRIPAT模型的上海市能源消费影响因素研究[J].上海环境科学,2011,30(6):240-244.

[27] 山东省人民政府.山东省人口发展“十三五”规划[R/OL].(2017-03-21)[2019-10-18].http://gb.shandong.gov.cn/art/2017/3/21/art_107851_89566.html.

[28] 中华人民共和国国务院.国家人口发展规划(2016—2030年)[R/OL].(2017-01-25)[2019-01-18].http://www.gov.cn/zhengce/content/2017/01/25/content_5163309.htm.

[29] 山东省人民政府.山东省“十三五”节能减排综合工作方案[R/OL].(2017-07-03)[2019-10-18].http://gb.shandong.gov.cn/art/2017/7/3/art_107851_88809.html.