碳排放的影響因素大全11篇

緒論：寫作既是個人情感的抒發，也是對學術真理的探索，歡迎閱讀由發表云整理的11篇碳排放的影響因素范文，希望它們能為您的寫作提供參考和啟發。

篇（1）

自2005年2月16日《京都議定書》正式生效后，中國在碳排放方面承受著巨大的壓力和嚴峻的挑戰。廣東省作為中國最大的經濟省份，同樣，在中國碳排放方面也占有了重要的地位，因此，為了實現中國碳減排的目標，廣東省的作用更是不能忽視。根據現有的文獻，大部分是采用LMD分解方法對中國的碳排放進行了整體的測度和分解，以及通過關聯系數對經濟發展與碳排放的趨同性進行分析。本文在前人的基礎上，僅針對能源消費引起的碳排放進行研究分析，同樣得出能源結構變化是減少廣東省碳排放的主要途徑。

廣東省碳排放的分解因素分析：

1.能源碳排放系數估計

現階段對各種能源的碳排放系數的權威估計主要包括DOE/EIA、日本能源經濟研究所、國際可為氣候變化項目以及徐國泉等。為了消除各種估計的誤差，本文采取它們的平均值進行計算，經計算可得，煤炭、石油以及天然氣的碳排放系數分別為0.7329t（C）/t、0.5574t（C）/t和0.4226t（C）/t。

2.廣東省碳排放測算的數據來源和說明

各數據來自1991-2009年的《廣東省統計年鑒》，其中生產總值（GDP）以1990年的不變價格進行處理調整。

3.廣東省碳排放測算結果

從圖1可以看出，廣東省人均碳排放量總體上是增加的，只有在1998年和2008年稍有回落。整個時間段可以分為兩個階段，第一個階段是1991-1997年，在這個階段，廣東省碳排放緩慢上升，平均增速為5.7%。以1998年回落為界，1999-2007年，廣東省碳排放快速上升，年平均增速高達8.9%，其中，在2003年和2004年增速高達14%以上。從各影響因素的曲線位置來看，經濟發展因素位于X軸上方，表明經濟發展因素是拉動人均碳排放的增長因素；能源效率和能源結構位于X軸下方，表明這兩者均是抑制人均碳排放增長的因素。從各曲線的變化幅度可知，能源效率在抑制廣東省人均碳排放上起著重要的作用，而能源結構的作用一直沒有得到充分發揮；并且經濟發展變化幅度一直大于能源結構和效率的變化幅度之和，使得人均碳排放總體上處于上升的狀態，在第二個階段，能源效率的抑制作用在近年來明顯趨于緩慢，而經濟的快速增長以及人口的控制促使經濟發展水平得到了快速的提高，增長速度遠遠快于能源結構以及能源效率的優化和提高，從而導致了在第二階段人均碳排放的持續快速增長。因此，為了減緩廣東省碳排放的增長速度，優化能源結構的空間更為巨大。

進一步分析各影響因素對廣東省人均碳排放的貢獻率，為了使得抑制因素和拉動因素直接具有可比性，將抑制因素小于1的貢獻率取倒數，得到圖2。

圖2 1991-2008年各因素對廣東省人均碳排放的貢獻率趨勢圖

從圖2可以看出，廣東省經濟發展水平對人均碳排放的貢獻率呈指數拉動趨勢。而作為抑制因素的能源效率對人均碳排放的貢獻率在第一個階段呈現較快上升狀態，使得其與經濟發展水平的貢獻率曲線之間逐漸收窄，但能源效率在第二個階段則表現平平，在2003年和2004年稍有回落，但卻沒有呈現出明顯的倒“U”型；作為抑制因素的能源結構在整個研究時期對人均碳排放的貢獻率幾乎維持在一個較低的水平。因此，與貢獻值的研究結果一致，要在保持經濟的快速增長前提下，抑制廣東省碳排放的主要辦法就是通過優化廣東省的能源消費結構，由于煤炭主要是消耗在產業結構中的第二產業，所以產業結構的升級，有利于減少煤炭的使用量，調整能源消費結構和減低廣東省的人均碳排放。

參考文獻：

[1]徐國泉,劉則淵,姜照華.中國碳排放的因素分解模型及實證分析:1995-2004[J].中國人口,資源與環境,2006,16(6):158-161.

[2]譚丹,黃賢金.我國東、中、西部地區經濟發展與碳排放的關聯分析及比較[J].中國人口,資源與環境,2008,18(3):54-57.

篇（2）

中圖分類號：F113.3 文獻標識碼：A 文章編號：1001-828X（2014）08-00-01

一、引文

2006年，尼古拉斯?斯特恩牽頭做出的《斯特恩報告》指出：如果現在就開始采取強有力行動，我們可以以大約全球每年GDP的1%為代價，把溫室氣體在大氣中的水平穩定在500-550ppm碳當量，并且認為盡早行動的益處遠遠超過不采取行動的代價，如果沒有任何行動，那么氣候變化帶來的風險大約會增加到至少全球每年GDP的5%，如果考慮到更寬泛的影響，估計損失會達到20%或者更多，足以跟兩次世界大戰和經濟大蕭條比擬[1]。因此，對陜西省碳排放影響因素進行研究，具有重要的理論及現實意義。

本章主要利用陜西省歷史數據，使用LMDI因素分解分析方法，對能源消費進行因素分解分析得出影響陜西省能源消費的主要因素及其歷史貢獻程度[3-6]。

二、碳排放的LMDI分解分析模型

依據LMDI分解分析方法的基本思路，碳排放可分解為如下幾個部分：

其中， 為能源消費總量變化導致的總量變化效應

為能源碳排放系數變化導致的碳排放強度變化效應

為能源消費結構變化導致的結構變化效應

三、數據處理及實證分析

本章使用陜西省1995-2012年碳排放數據及能源消費量等數據，部分數據由推算得出，數據來源于陜西省統計年鑒。在本節中，能源碳排放系數是固定的，因此能源碳排放系數變化導致的碳排放強度變化效應為0。將數據代入公式2-1，可得出碳排放的分解數據，結果如圖3-1所示：

1.能源消費總量效應

能源消費是碳排放的主要來源，并且目前國內對碳排放的估算是基于能源消費數據。從圖3-2中可看出，陜西省碳排放量的變化主要來源于能源消費的變化，能源消費對碳排放變化的累積效應大部分年份超過了100%。此處之所以在對碳排放進行分解分析時納入了能源消費總量的因素是因為，能源消費本身是受到經濟增長、產業結構、人口等因素的影響，這些因素通過對能源消費的影響進一步影響到碳排放。

2.能源消費結構效應

從圖3-1可以看出，從1995年開始，陜西省能源消費結構對碳排放的變化大部分表現為負效應，對減少碳排放的貢獻值在不斷增加。陜西省能源消費中煤炭所占的比重超過了70%，因此能源結構效應對減少中國碳排放的貢獻力不大。從圖3-1可以看出，各年份能源結構的累積效應變化較小，趨于平緩。

四、結論

本文主要采用LMDI分解分析方法，對陜西省能碳排放因素進行分解。主要結論是：在對碳排放進行因素分解分析后得出，碳排放量的變化可分解為能源消費總量變化及能源消費結構變化，通過導入能耗總量及能耗結構的的歷史值，可計算得到各自對碳排放變量的歷史貢獻度。能源消費總量變化對碳排放總量變化貢獻最大，并呈正向關系。能耗結構變化對碳排放總量變化貢獻度相對較低，但呈負向關系，即能耗結構使得碳排放降低。

參考文獻：

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

[2]基于系統動力學的廣東省低碳經濟發展路徑選擇[M].華南理工大學，2011：06.

[3]鞏芳，王芳.基于LMDI分解模型的內蒙古碳排放實證研究，干旱區資源與環境[J].2013：72-77.

篇（3）

中圖分類號：F124.5 文獻標志碼：A 文章編號：1673-291X（2013）21-0292-02

自2001年政府間氣候變化委員會（IPCC）第三次氣候評估報告以來，氣候變暖問題逐漸成為重要的國際政治議題。為了應對氣候變化，世界各國均將發展低碳經濟提上議事日程。中國政府亦于2009年向國際社會承諾到2020年單位GDP碳排放強度比2005年下降40%～45%。因此，研究中國碳排放的變化趨勢及影響因素具有重要的現實意義。本文利用四川省的相關數據來分析四川省三大產業二十年來碳排放的變化趨勢，并從產業結構、能源結構、能源強度、經濟發展等因素來分析導致四川省碳排放增長的主要原因。

一、研究方法和數據整理

（一）研究方法

產業碳排放量，是指產業活動燃燒化石能源（主要包括煤炭、石油及天然氣等）釋放出的二氧化碳量。本文將Kaya恒等式表述為碳排放強度、能源結構、能耗強度、產業結構、生產總值5個因素的乘積。根據Ang提出的LMDI法可將碳排放總量分解為排放因子效應、能源結構效應、能源強度效應、產業結構效應及產出規模效應等因素的乘積，則碳排放由0期到T期的變化可以分解為排放因子效應、能源結構效應、能源強度效應、產業結構效應及產出規模效應五種驅動因素，由于各類能源的碳排放系數通常較為固定，在實際應用中一般取常量，因此，排放因子效應始終等于0，可以不作為考慮因素。則碳排放的變化就表示為能源結構效應、能源效率效應、產業結構效應及產出規模效應四種驅動因素。能源結構對碳排放變化的影響主要體現在不同的能源在碳排放系數方面具有差別，如果用高碳能源替代低碳能源，在其他因素不變的情況下，會導致碳排放的增加，反之，則會減少碳排放。能源強度反映了對能源利用的節約程度。由于不同產業在能源消耗上具有差別，因此，產業結構在一定程度上決定著能源需求和碳排放。從理論上講，調整產業結構可以降低總體能源消耗及碳排放。產出規模效應反映了經濟規模的變化對碳排放的影響，多數研究認為，碳排放與經濟增長之間存在長期平穩的正相關關系，即在其他條件不變的情況下，經濟規模的擴張會引起更多的能源消耗和碳排放。

（二）數據來源和整理

本文將國民經濟分為第一產業、第二產業和第三產業，能源品種分為煤炭、石油、天然氣三類來進行研究。能源消費數據、各產業增加值及比重均來源于1990—2011年《四川省統計年鑒》，其中，產業增加值均按照1978年不變價進行了調整。由于目前中國沒有碳排放量的直接監測數據，當前大部分的碳排放量研究都是基于能源消費量、能源碳排放系數進行估算，即碳排放量等于第i種化石能源的消費量乘以第i種化石能源對標準煤的折算系數乘以第i種化石能源的碳排放系數。化石能源對標準煤的折算系數采用《中國能源統計年鑒》（2009）規定的數值，即1kg原煤折0.7143kg標煤，1kg原油折1.4286kg標煤，1m3天然氣折1.333kg標煤。碳排放系數目前各國采用的數值并不完全相同，本文選用國家發展和改革委員會能源研究所的數據：煤炭、石油、天然氣的碳排放系數分別為0.7476kg碳/kg標煤、0.5825 kg碳/kg標煤、0.4435 kg碳/kg標煤。由于本文主要考察產業結構演變對碳排放量的影響，再加上中國碳排放的主要來源是生產領域而非消費領域，故而本文在研究時省略掉了消費領域的碳排放，只考察三大產業的碳排放。此外，由于受到統計數據的限制，1999—2004年的相關數據缺失，但不影響本文的研究結論。

二、數據分析和研究結果

（一）四川省碳排放的增長趨勢

1990—2011年四川省碳排放量大幅增加，從1990年的3 689.488t增加到2010年的13 057.19t，增幅達253.9%。1990—1998年三大產業碳排放增幅較大，達58.48%，2005—2010年增幅有所下降，達38%。其中，第一產業的碳排放從1990年的26.96t增加到2010年的130.898t，增幅達385.5%。1990—1998年碳排放增幅達56.8%，2005—2010年增幅下降到40%；第二產業的碳排放從1990年的2 284.156t增加到2010年的8 151.758t，增幅達256.88%。1990—1998年碳排放增幅較大，達59.26%，2005—2010年增幅有所下降，達38.13%；第三產業的碳排放從1990年的1 378.371t增加到2010年的4 774.531t，增幅達246.39%。1990—1998年三大產業碳排放增幅達57.2%，2005—2010年增幅下降到37.7%。總起來看，碳排放增幅最大的是第一產業，其次是第二產業，增幅最小的是第三產業。碳排放量最大的是第二產業，最少的是第一產業。

（二）采用LMDI法對碳排放分解表明，產業結構是導致四川省碳排放增長的正向因素

1990—2010年是四川省工業向重型化發展的階段，工業比重從1990年的35.1%提高到2010年的50.5%，工業重型化特征必然導致對化石能源的消耗量增大，進而加大碳排放量。這和國內其他的一些研究成果存在著一定的分歧，部分研究認為，產業結構的調整和優化對碳排放量的增長起負面效應，從理論上講，產業結構的調整和優化，意味著產業結構對資源和能源的依賴程度下降，經濟發展更多的依靠科技進步，因而碳排放量會下降。但是，由于中國目前正處于工業化中期階段，產業結構正在由重工業化階段向高加工度方向發展，因此，產業結構對碳排放量的貢獻率為正且較大。因此，在遵循產業結構演進的客觀規律的基礎上，采取有效措施促進四川省產業結構的進一步高度化，將會導致產業結構對碳排放的貢獻率下降直至變為負。

能源結構也是導致四川省1990—2010年碳排放增長的重要促進因素，表明四川省在發展過程中仍然是維持著高碳能源的消耗比重。1995—2010年，煤炭和石油的消費比例在三大類能源的消費中占了98.86%，其中煤炭的比重高達88%，如果繼續維持目前的高碳能源消費結構，將對四川省節能減排的目標實現帶來很大的困難。因此，轉變能源消費結構，用低碳能源替代高碳能源，對于四川省完成節能減排任務具有重要的意義。

能耗強度的下降即能源利用效率的提高對1990—2010年四川省碳排放量的增長發揮著積極的負面效應，且其抑制效應在逐年增大。1990年四川省的能耗強度為6.66噸標煤/萬元，到2010年能耗強度降為2.75噸標煤/萬元，表明四川省綜合能源利用效率得到了穩步提升，而能源效率的提高又主要得益于各產業的技術進步，今后應當進一步鼓勵企業技術創新，繼續發揮能耗強度對碳排放的抑制效應。

經濟增長對四川省碳排放量的增長發揮著積極的負面效應。1990—2010年四川省實際GDP的增長率達到8.5%，同期碳排放的增長率達到253.9%。經濟的快速發展刺激了能源消費，進而導致了碳排放的增長。這一結論和國內其他的研究成果的結論是一致的，表明經濟增長與碳排放之間存在著直接的正相關關系。

三、結論和建議

本文采用1990—2010年四川省分行業能源消費數據，計算了四川省三大產業的碳排放量，并采用LMDI法將引起四川省1990—2010年碳排放增長的因素分解為四種效應。通過對結果的分析，我們發現：（1）在1990—2010年間，四川省碳排放增長了2.5倍，年均增長率達到12%，高于同期實際GDP的增長率，反映出在四川省工業結構重型化的趨勢下，碳排放總量增長的態勢。分階段來看，2005—2010年各產業碳排放增長的速度比較起1990—1998年均有不同幅度的下降，表明由于抑制因子的作用，四川省碳排放增長的趨勢有所放緩。（2）產出規模和產業結構是導致四川省碳排放增長的正向因素。經濟規模的擴大，及產業結構重型化的發展，都對四川省碳排放起到了積極的促進作用。因此，在經濟發展的同時，應該積極調整產業結構，促進產業結構的高度化，推動低能耗、低排放的高新技術產業及服務業的發展，同時也要重視利用高新技術對傳統工業部門進行更新改造。在這一過程中，要注意尊重產業結構演進的客觀規律性。（3）能源結構亦是導致四川省碳排放增長的正向因素。因此，當前四川省應該加快發展太陽能、風能、核能等清潔能源，用低碳能源替代高碳能源，優化能源結構，發揮能源替代效應對減排的積極作用。（4）能源利用效率是導致四川省碳排放增長的負面因素。而能源利用效率的提高主要得益于各產業的技術進步，因此應當繼續重視發揮技術進步對提高能源利用效率的積極作用。

參考文獻：

[1] 佟新華.中國工業燃燒能源碳排放影響因素分解研究[J].吉林大學社會科學學報，2012，（7）：151-160.

[2] 袁鵬，程施.遼寧省碳排放增長的驅動因素分析——基于LMDI分解法的實證[J].大連理工大學學報：社會科學版，2012，（3）：35-40.

篇（4）

中圖分類號：F061.5 文獻標志碼：A 文章編號： 1001-862X（2012）03－0049－007

一、引 言

目前，全球氣候變暖已嚴重威脅到人類的生存和健康。而大氣層中二氧化碳等溫室氣體的大量積聚是全球變暖的主要原因（IPCC,2000）。除了自然因素以外，更大程度是人類燃燒化石燃料導致的溫室氣體排放。自1992年《聯合國氣候變化框架公約》制定以來，全面控制和減少二氧化碳等溫室氣體的排放已成為各國環境經濟政策的重要導向。2009年的哥本哈根氣候談判會議要求發展中國家承擔減排義務，中國作為目前世界最大的CO2排放國家，面臨著來自國際社會的巨大壓力。為了應對氣候變化，我國提出爭取到2020年，單位國內生產總值CO2排放（碳排放強度）比2005年降低40%—45%，并將其作為約束性指標納入國民經濟和社會發展中長期規劃。因此，分析影響CO2排放的相關因素，最終找出節能減排的內在動力，對減少溫室氣體的排放，實現可持續發展尤為重要。

二、文獻綜述

對二氧化碳排放影響因素的分解研究始于20世紀70年代，Ehrlich和Holden（1971）提出了IPAT模型來分析人類活動對環境的影響，即I=P?A?T方程，該方程將環境影響（I）表示為人口規模（P）、一國的富裕程度（A）、技術水平（T）三個關鍵驅動力乘積的結果。20世紀90年代以來，經濟全球化不斷加劇，國際貿易快速增長，并成為經濟增長的主要驅動力之一，由此帶來的環境質量的急速下降引起了廣泛關注。1991年，G.Grossman和A.Kureger通過42個國家的面板數據分析特定的制度變遷對環境的可能影響時發現并提出了環境庫茲涅茨曲線（EKC），該曲線表明經濟增長和環境污染之間呈現一種倒“U”型的關系，即隨著經濟的增長環境質量呈先惡化后改善的趨勢。近年來，國內外許多學者采用不同的污染指標和方法對經濟增長與環境污染之間的關系進行了深入的研究，發現兩者之間或呈倒“U”型關系（張為付等，2011）、單調遞增關系（Shafik等，1994）、N型曲線（Friedl&Getzner,2003）甚至不相關（Lantz&Feng，2006），得出的拐點相差也很大。1994年，Copeland和Taylor在研究南北貿易和環境的關系時，提出了“污染避難所假說”。該假說認為自由貿易使高污染產業從發達國家轉移至發展中國家，導致污染密集型產品的生產和消費發生分離，產品出口到發達國家而污染卻留在了發展中國家。需要指出的是，當前學術界對“污染避難所假說”尚未達成共識，甚至有的觀點和研究結論截然相反。例如，Antweiler等（2001）將貿易效應引入環境污染的一般均衡理論模型，得到的結論是自由貿易有利于環境質量的改善。

近年來，國內學者對環境效應的分析不斷深入，已延伸至影響經濟發展的各個層面，宋德勇、盧忠寶（2009）采用兩階段迪氏因素分解法，將影響CO2排放的因素分解為產出規模、能源強度、能源結構和能源排放強度四個方面，并引入產出結構效應，對能源強度進行再次分解。結果顯示能源強度的變化主要來自于部門能源強度的變化；林伯強、劉希穎（2010）在Kaya恒等式的基礎上，引入城市化因素，發現城市化的人口轉移對能源和碳排放的沖擊非常明顯，特別是城市化進程中的高耗能特征；李國志、李宗植（2010）將我國30個省份分為低排放、中排放、高排放區域進行比較，結果表明：三個區域的CO2排放存在明顯差異，并且差異性不斷擴大；龍志和、陳青青（2011）認為全國和東部地區EKC曲線呈倒N型，中西部地區則為單調遞增關系。

上述文獻從不同方面考察了CO2排放的影響因素，本文試圖在已有研究的基礎上進行如下改進：首先，在因素選取上，本文結合我國現階段工業化和城市化快速發展的特征，綜合已有研究中影響CO2排放的重要因素，另外考慮到CO2的排放慣性，進一步引入因變量的滯后一期；其次，在技術因素的處理上，現有文獻多數采用因素分解法，選取單因素能源效率指標（能源強度）來衡量，卻忽略了其他相關因素的替代作用。為了彌補這一缺陷，本文采用Hu和Wang（2006） 基于數據包絡法提出的全要素能源效率指標；最后，考慮到我國各省份資源稟賦及經濟發展水平的差異性，在區域劃分上，本文克服簡單的以地理位置為依據的東中西劃分方法，首次采用更為科學的沃德法，以單位GDP的能源消耗量和CO2排放量為依據將全國劃分為五個區域，并對各區域的碳強度進行了對比分析。

三、模型構建及數據說明

（一）模型構建

為了檢驗各因素對CO2排放驅動力的大小，構建了如下模型：

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

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

篇（5）

[中圖分類號]X321

[文獻標識碼]A

[文章編號] 1673-5595（2013）04-0018-05

近年來，隨著經濟高速發展、人口持續膨脹和工業化、城市化進程的進一步推進，能源消費劇增，生態環境日益惡化，特別是溫室氣體排放引起的氣候變暖已嚴重威脅到人類的生存和發展，低碳經濟受到世界各國的普遍關注，成為應對氣候變化、實現經濟可持續發展的首選戰略.[1]。東北老工業基地是中國碳排放的重災區，不可避免地成為全國碳減排的首要對象，而工業又是其能源消費的主力軍，因此，分析東北老工業基地工業碳排放量變化的影響因素，找出控制或降低碳排放量的措施，對于節能減排、促進東北老工業基地低碳經濟發展具有重要的現實意義。本文針對東北老工業基地工業碳排放量變化的影響因素，利用對數平均迪氏指數法（Logarithmic Mean Divisia Index method， LMDI）進行因素分解并對模型展開研究，旨在為東北老工業基地未來的節能減排提供實證參考，據此提出控制碳排放的政策建議，以促進東北老工業基地低碳經濟的發展，實現東北老工業基地的振興和長期可持續發展。

一、分解模型的建立

基于對數平均迪氏指數法對碳排放影響因素分析的優越性（全分解、無殘差、易使用、易理解），本文采用該方法分析東北老工業基地工業碳排放量變化的影響因素，因為LMDI分解法在理論基礎、適用范圍和結果表達等綜合方面相對較優，分解結果有加法和乘法兩種形式，易于轉換且一致，不存在無法分解的殘差，可以用于絕大多數情形的分析，所以，LMDI分解法是目前對能源分析的一種重要分析方法，具有表達性和實用性.[2]。

工業碳排放的影響因素很多，鑒于東北老工業基地的研究重點在人口規模、經濟發展水平、工業化率、能源利用效率、能源消費結構和碳排放系數對工業碳排放量變化的影響，建立下面的工業碳排放影響因素分解模型

由式（2）可知，碳排放總量C的變化取決于P（人口規模因素）、Y（經濟發展水平因素）、L（工業化率因素）、M（能源利用效率因素）、Ni（能源消費結構因素）、Ri的變化（碳排放系數因素）.[3]。

中國石油大學學報（社會科學版）2013年8月

第29卷第4期李紹萍，等：基于LMDI的東北老工業基地工業碳排放影響因素實證分析

第t期相對于基期的碳排放總量變化的影響因素可以分解為6個因素，具體如下：

二、數據來源及處理

東北老工業基地工業增加值和工業能源消費的原始數據來源于1997—2011年東北三省歷年《統計年鑒》和《中國能源統計年鑒》，以原始數據為基礎，按照以下方法進行數據處理：

由于工業總產值中存在固有的雙倍計量問題，本文以工業增加值來計算工業化率和能源利用效率，同時，數據以1997年為基準，根據相應的工業產值指數統一折算成1997年不變價格，不變價工業GDP=基準工業GDP×工業產值指數。因為隨著經濟發展，價格是不斷變化的，所以，以現價工業GDP計算的碳排放總量是不能直接對比的.[5]。

由于能源種類過多，且有些種類消費量較低，本文按照一次能源終端消費的分類將工業能源消費劃分為原煤、原油、天然氣三種能源種類進行碳排放總量的分析。

目前，東北老工業基地還沒有碳排放量的直接檢測數據，本文通過能源消費量來估算碳排放量：C=∑iEiRi。由于原始數據中各種能源消費均為實物統計量，單位各不相同，不便于比較，因此，在進行計算時首先需要將各種能源消費實物量按照一定的系數統一折算成標準煤數量，然后再乘以各自的碳排放系數，即可得到各種能源消費的碳排放量.[6]。各種能源的標準煤折算系數和碳排放系數見表2和表3。

三、實證結果及分析

通過整理得到的基礎數據，根據上述加法和乘法計算公式，對東北老工業基地工業碳排放量進行因素分解，可以得到1998—2011年各影響因素對東北老工業基地工業碳排放量變化的貢獻值和貢獻率及貢獻值和貢獻率趨勢圖，見表5、圖1、圖2。

（一）東北老工業基地工業碳排放量的總體變化趨勢

從表5和圖1中可以看出，東北老工業基地工業碳排放量的總體變化趨勢大致表現為明顯的兩階段特征：第一階段為碳排放減少階段（1997—2002），但整體下降速度變緩，且2000年出現了一個拐點，碳排放量增加了4762萬噸；第二階段為碳排放增加階段（2002—2011），整體增加速度變快，2008年出現了一個拐點，碳排放量減少了5130萬噸，這可能是受綠色奧運等外部因素的影響，使碳排放量有所下降。總體而言，東北老工業基地工業碳排放量是不斷增加的，雖然在1997—2002年期間有所下降，但其后一直呈快速增長的趨勢，這表明近年來隨著振興東北老工業基地戰略的實施和進一步推進，經濟得以迅速發展的同時，能源消耗量劇增，東北老工業基地工業碳排放量也呈現出較快增長的趨勢.[8]。

圖1工業碳排放量變化貢獻值趨勢

圖2工業碳排放量變化貢獻率趨勢

（二）東北老工業基地工業碳排放量的影響因素分析

為了進一步分析東北老工業基地工業碳排放量變化的內在機理，找出控制或降低工業碳排放量的措施，下面對各影響因素進行具體分析。一般而言，貢獻率大于1是碳排放量增加的拉動因素，反之貢獻率小于1是其抑制因素。

1. 人口規模因素分析

由表4可知，2011年東北老工業基地人口數為108155萬人，較1997年增加了3873萬人，說明近年來東北老工業基地人口增長較為緩慢。而根據LMDI分解結果可以看出，人口規模因素對工業碳排放量的貢獻值較小，且其貢獻率大于1，見表5，說明人口規模因素是工業碳排放量增加的拉動因素，但在其變動不大的情況下，貢獻值和貢獻率都比較小，且保持相對穩定的狀態。

2. 經濟發展因素分析

從分解結果中可以看出，經濟發展一直是東北老工業基地工業碳排放量增加的主要貢獻因素，且其貢獻值呈現不斷增加的趨勢，由1998年的2043萬噸增加到2011年的5779萬噸，其貢獻率則由1998年的108增長到112，說明經濟發展始終是推動東北老工業基地工業碳排放量增加的主要因素，對碳排放量的影響最大，且其拉動作用越來越顯著，呈不斷增強的趨勢。

3. 工業化率因素分析

工業化率對東北老工業基地工業碳排放量的貢獻值有正也有負，1997—2004年貢獻值為負，2004—2011年貢獻值除2006年為負外，其他年份都為正，且每階段內具有一定的變化幅度，這是因為自2004年初國家正式實施振興東北老工業基地戰略后，東北老工業基地迅猛發展，工業化率不斷提高，工業能源消耗增加，這在一定程度上導致了工業碳排放量的增加。

4. 能源效率因素分析

能源效率對東北老工業基地工業碳排放量的貢獻值整體為負（除2000、2004和2006年3個拐點外），且其貢獻值的絕對值較大，其中2008年能源效率對工業碳排放量的抑制作用最大，使碳排放量減少了10776萬噸，這說明能源效率是減緩工業碳排放量最重要的因素，是實現碳減排目標最關鍵的可行因素。

5. 能源結構因素分析

能源消費結構對東北老工業基地工業碳排放量的貢獻同時存在正效應和負效應，且其對碳排放量增加的抑制作用較小，其貢獻值基本保持在一定的范圍內，反映了近年來東北老工業基地能源消費結構未能得到有效改善，有待進一步優化，以充分發揮其對工業碳排放量增加的抑制作用。

四、結論

在東北老工業基地工業碳排放影響因素分解的基礎上，通過對各影響因素的實證分析，本文主要得到以下幾點結論：

人口規模、經濟發展和工業化率因素是東北老工業基地工業碳排放量增加的拉動因素，其中經濟發展是工業碳排放量增加的最主要原因，工業化率的貢獻值和貢獻率次之，人口規模對工業碳排放影響的變化不大。

能源利用效率和能源消費結構因素是東北老工業基地工業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費結構因素，能源利用效率是減緩工業碳排放量最重要的因素，能源消費結構對工業碳排放影響的變化不大。

總體來講，東北老工業基地工業碳排放量不斷增加，呈現出較快的增長趨勢，這主要是因為隨著振興東北老工業基地戰略的實施和進一步推進，經濟發展和工業化率因素的拉動作用遠遠大于能源利用效率和能源消費結構因素的抑制作用。

通過以上對影響東北老工業基地工業碳排放量變化因素的分析，筆者認為，在未來的工業發展中，應從以下幾方面來控制或減少東北老工業基地工業碳排放量：一是引進先進的生產技術和高效節能設備，對舊設備進行更新與改造，提高能源利用效率；二是進一步優化能源消費結構，多使用天然氣、太陽能、風能、水能以及地熱能等清潔能源；三是大力發展高新技術產業，適當降低工業化率，特別是降低工業高能耗行業的比重。

綜上所述，東北老工業基地在未來的工業發展中只有堅持走以低能耗、低污染、低排放為基本特征的低碳工業發展模式，才能實現東北老工業基地的可持續發展。

[參考文獻]

[1] 溫景光.江蘇省碳排放的因素分解模型及實證分析[J].華東經濟管理，2010，24（2）：2932.

[2] 郭朝先.中國碳排放因素分解：基于LMDI分解技術[J].中國人口·資源與環境，2010，20（12）：116220.

[3] 徐國泉，劉則淵，姜照華.中國碳排放的因素分解模型及實證分析：1995—2004[J].中國人口·資源與環境，2006，16（6）：158161.

[4] 潘佳佳，李廉水.中國工業二氧化碳排放的影響因素分析[J].環境科學與技術，2011，34（4）：8692.

[5] 張偉，吳文元.基于LMDI的長三角都市圈工業能源強度變動的因素分解——對長三角都市圈1996—2008年工業部門數據的實證分析[J].產業經濟研究，2011，54（5）：6978.

篇（6）

[2]李志強，王寶山.基于因素分解模型的二氧化碳排放影響

因素分析[J].生產力研究，2010（12）.

[3]郭朝先.中國碳排放因素分解：基于LMDI分解技術[J].

中國人口資源環境，2010.，12（20）.

[4]倫丹，張軍以.基于低碳經濟的碳排放與經濟發展的研究[J].重慶師范大學學報，2011，7，28（4）.

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

篇（7）

中圖分類號：X32 文獻標識碼：A 文章編號：1009-914X（2016）28-0146-01

引言

二氧化碳氣體的排放是全球關注的重大環境問題，他直接導致了全球氣候的變暖，嚴重影響著地球的環境，破壞生態平衡。為了應對全球變暖的問題，我國在2009年的常務委員會中結合當前我國二氧化碳的排放狀況，給出了未來的排放指標。指標要求在2020年的時候總排放量要比2009年下降40%。這就要求各地政府要充分做好優化二氧化碳排放的工作，實現二氧化碳的排放目標。根據調查顯示，我國在1952年到2011年間，制造企業的增長速度由原來的19%增加到40%上升了21個百分點。制造企業是我國最大的能源消耗企業，因此要想降低二氧化碳的排放就必須控制好我國制造業能源消耗量。根據2008年的ipcc的第5次評估報告顯示，我國的二氧化碳排放主要是由于化工燃料的燃燒，根據調查顯示，我國的化石燃料燃燒所產生的二氧化碳排放量達到全國總排放量的90%多。

一、 研究方法與數據來源

本篇文章是用“轉換份額分析”（Shift--shareAnalysis）的模式對制造業二氧化碳的排放數據進行分解。

根據以上的公式我們可以看出影響制造業二氧化碳排放指標變化的因素主要可以分為7個。（1）技術進步因素。它主要是反映了制造業個行業的能源消耗變化對制造業二氧化碳排放量的影響。這種影響主要是基于制造業的產品工藝的不同。所以制造業應該努力提高自己產品的生產工藝，開發研究新的產品，讓單位產品在能源消耗上發生變化，這樣就能做到節能減排的效果。（2）行業結構的變化。它主要是反應制造業各個行業的產品結構對二氧化碳排放強度的影響。這種影響主要是外部環境以及內部生產調整的影響。（3）能源結構效應。他主要是指制造業中由于生產使用的能源變化對二氧化碳排放的影響。（4）技術進步與行業結構相互影響的作用。是指由于技術的進步和產業結構的變動對二氧化碳排放強度的影響。（5）技術與能源結構的效應。我國制造產業的的技術不斷改進和能源結構的不斷調整對二氧化碳排放產生的影響。（6）行業結構與能源的相互效應。制造業行業結構的變動與能源變動的綜合變動對二氧化碳排放的影響。（7）技術進步，行業結構與能源結構的相互作用。主要是針對這三者的結合對制造業二氧化碳排放的影響。

二、制造業二氧化碳排放強度變動總體效應分析

在1999到2009年這十年之間，技術的進步是影響二氧化碳排放強度的最大影響因素。接著是行業結構的變動，能源消耗的減少等因素。通過歷年數據的分析我們不難看出各種因素影響對二氧化碳排放的影響比值，其實技術的進步使得二氧化碳的排放量減少了24%左右，行業結構的變動讓二氧化碳減少19%左右，能源消耗的減少使得二氧化的排放量減少了10%左右。由此可見技術的創新和生產工藝的改良對制造業二氧化碳的排放量影響最大。由于制造行業中一般都是以煤炭作為主要的能源，因而能源結構的{整對制造業二氧化碳的排放影響也是極為重要的。

三、行業數據分析

在制造業各個行業的數據分析中我們不難看出對制造業技術進步影響最大的是金屬的冶煉及鍛壓行業，技術進步與改良讓整個行業中的二氧化碳排放量減少了30%多。緊著是非金屬的礦物質制品和化學原料及化學制品企業，由于技術的改良和創新讓二氧化碳的排放量減少了20%多。其原因是這些行業的產品創新和技術工藝的水平發展比較快，使得能源的消耗大量減少。還有一些行業的技術進步比較緩慢。如通信設備，計算機，紡織業，皮毛加工制造業以及木材的加工制造業等等，這些產業的技術進步對能源的消耗影響不大。所以這些行業的技術進步對整個行業中的二氧化碳排放強度影響較小。

在行業結構效應中，對制造業影響最大的是石油化工，煉焦，以及核燃料的加工。他們平均讓二氧化碳的排放強度減少了42%。其次是化學原料及化工制品企業，他們的行業結構調整讓二氧化碳的排放強度減少了33%。這些行業的結構調整使得二氧化碳的排放強度減少。但是制作行業中別的產業的行業調整對二氧化碳強度的排放影響甚微。甚至有些行業的調整沒有讓二氧化碳的排放強度減少卻還在增加。比如黑色金屬的冶煉及壓延，交通運輸設備的制造企業，醫藥制造企業，專用設備的制造企業等。由于這些行業的產出比重增加的速度大大超過了能源消耗的下降速度，所以對制造業二氧化碳的排放強度沒有起到積極的影響。

結論

氣候變暖是如今世界最為關注的問題之一，減少二氧化碳的排放，縮短氣候變暖的程度已經變得刻不容緩。我國制造業是關系國民經濟發展的支柱產業。由于我國的各種原因導致很多高能耗，高污染的企業技術得不到改善。根據本文的研究發現經濟的增長和能源的消耗對制造企業的影響最大。

為了貫徹落實我國節能減排的政策，降低二氧化碳的排放強度，需要從二個方面入手，一方面要切實做好節能減排的具體措施。另一方面要密切關注整個制造行業的減排效果。在減排的手段方面要促進制造業的技術改進，讓企業在優化生產技術的同時節約能源的消耗，以實現減排的目的。具體產業的變動對二氧化碳的排放影響比較小，還存在著很大的改良空間。可以多促進綠色制造，新興制造業，大力開發可持續能源與再生能源。

參考文獻

[1]李晶. 產業政策對產業結構變遷、二氧化碳排放的影響[D].山東大學，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的研討會上提出的。

碳排放量的基本公式C＝∑ci=∑■■■■P①

其中，E為一次能源的消費量；Ei為第i種能源的消費量；Y為（GDP）；P為人口數量。其中，能源結構因素Si=Ei/E，第i種能源在能源消費中的份額；各類能源排放強度Fi=Ci/Ei，即消費單位i能源的碳排放量；能源強度I=E/Y，即單位GDP的能源消耗；經濟發展因素R=Y/P，代表人均收入。

由此碳排放量公式可以寫為

C＝∑ci=∑SiFiIRP②

人均碳排放公式為

A＝C/P=∑SiFiIR

其中，A為人均碳排放量。

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

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

（二）數據整理

由于能源的碳排放系數相對穩定，故ΔAF=0，DF＝1。胡初枝綜合了日本能源經濟研究所、國家科委氣候變化項目、徐國泉等的數據對各種能源的碳排放系數做了簡均。本文引用胡初枝計算的碳排放系數，本文采用煤炭碳排放系數0.7329，石油碳排放系數0.5574，天然氣碳排放系數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規律

從圖1可以發現吉林省人均碳排放的一般規律，大致分為三個階段：1981-1989年間，人均碳排放平穩上升；在1989-2002年間呈現，狀態，甚至某些年份人均碳排放下降，；2003年開始上升出現加速狀態。

（二）能源強度、能源結構和經濟增長對吉林省碳排放的影響分析

根據因素分解法，我們把影響吉林省碳排放的因素歸為3類，分別為能源強度因素、能源結構因素和經濟增長因素。根據公式①-③，本文計算出具體影響數值，如表1所示。

其中，ΔAs為能源結構對碳排放的作用，ΔAI為能源強度對碳排放的作用，ΔAR為經濟增長對碳排放的作用，三者之和為ΔA，即三者人均排放的變化量。由表3的分析結果，繪制相應的曲線圖，如圖2所示。

1.能源強度對碳排放的影響。如圖2所示，1981-2009年，對吉林省人均碳排放起抑制作用的是能源強度的下降。

2.能源結構對碳排放的影響。如圖2所示，1981-2009年，能源結構對人均碳排放的抑制作用不大，對碳排放呈現微弱的減少作用，在某些年份還會促進碳排放的增加。吉林省以煤炭為主的能源結構在近30年內沒有發生顯著變化，煤炭消費占50%以上，很多年份達到70%以上，從2003年開始，煤炭的消費量呈顯著上升趨勢，這加速了吉林省碳排放數量。

3.經濟增長對碳排放的影響。如圖2所示，1981-2009年，對吉林省人均碳排放起促進作用的是經濟增長（人均GDP）。

1981-2009年，能源強度和能源結構對碳排放的抑制作用沒有抵消掉經濟增長對碳排放的增加作用，因此吉林省仍舊顯示出碳排放連年增長的態勢。

三、結論及對策

（一）結論

1.通過以上模型和計算結果，發現吉林省人均碳排放在1980-2003年間呈現比較平穩的狀態，從2004-2009年出現加速狀態。

2.1981-2009年，對吉林省人均碳排放起抑制作用的是能源強度的下降。

3.1981-2009年，能源結構對人均碳排放的抑制作用不大，對碳排放呈現微弱的減少作用，在某些年份還會促進碳排放的增加。

4.1981-2009年，對吉林省人均碳排放起促進作用的是經濟增長（人均GDP）。

5.1981-2009年，能源強度和能源結構對碳排放的抑制作用沒有抵消掉經濟增長對碳排放的增加作用，因此吉林省仍舊顯示出碳排放連年增長的態勢。

（二）對策

針對以上結論，本文提出以下對策：

1.改善能源結構，發達國家如法、德等國近年來碳排放的下降主要源于能源結構的調整，能源結構逐漸向以核能、風能、水電等清潔能源發展，在法國核能的比重較高。針對吉林省的特征，要逐漸降低煤炭的比重，適當增加石油、天然氣的使用，盡量開放風能、水電等清潔能源。

2.加大運用碳減排技術，燃煤的碳排放多，因此應研發和使用碳捕獲技術，特別是煤炭領域，加強清潔煤的使用，以減少對環境的破壞。

3.繼續提升能源強度的作用，能源強度的下降是吉林省碳減排的主要原因。

參考文獻：

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

篇（9）

關鍵詞 沙灘排球 比賽 得失分 訓練方法

據統計，自沙灘排球被列入奧運比賽項目后，每年都有超過八十個國家播放沙灘排球的比賽，收看這個節目的觀眾多達五億人，由此可見，沙灘排球已在全球范圍內流行開來。沙灘排球在我國發展的歷史僅有十幾年，但沙灘排球球隊規模擴大很快，目前也取得了一定的成就。

一、影響沙灘排球比賽得失分的因素

（一）扣球

一般情況下，扣球得分占球隊總得分的一半以上，尤其是在施行了每球得分制之后，扣球得分在球隊總得分中所占的比例更大。在沙灘排球比賽中，主要的得分方法是進攻，扣球是進攻的第一技術。由于扣球是在球網上進行的爭奪，雙方針鋒相對，由于每個運動員身材的不同，彈跳能力的不同，使得其扣球方法和技巧多有變數，對手一般難以應付。因此，扣球得分就成為了球隊主動得分的關鍵方法。在沙灘排球的比賽中，攻防是相互制約的，攻擊中扣球成功了，能有效保障一攻的穩定性，在兩隊防反能力相當的情況下，一攻扣球能否成功就決定了該隊能否得分[1]；與扣球相對應的，另一隊要反擊扣球，同樣，反擊扣球能否成功決定著該隊是得分還是失分。扣球得分還可以有效壓制對手戰術的正常發揮。對一攻來說，扣球可以保證自身的得分，相對地增加對手的失誤，這是符合沙灘排球比賽基本規律的。而且，在沙灘排球比賽中，加強主動進攻，可以有效地減少本隊的失誤，這也是比賽的致勝法寶。

（二）對手或自身失誤

比賽得分的第二大構成部分是對手失誤得分，對手失誤得分大約占總得分的三分之一。在沙灘排球的比賽中，球隊失誤的多少是判斷球隊基本技術高低的重要標準，同時也是衡量球隊是否穩定的主要因素[2]。從沙灘排球自身的特點來看，不同于室內排球，隊員有明確的位置、分工，沙灘排球每隊參賽人員僅兩名，兩人要準備接球、傳球、還要準備二次傳球，扣球。由于人數較少，每一個環節中失誤的可能性就增加了很多，所以，與普通排球比賽相比，沙灘排球中出現失誤的概率本身就比較大。再加上室外比賽環境的影響，使得賽場上偶然性變得更強，隊員對環境的適應和心理調整不當，都會提高失誤率，使對手增加失誤得分，自身也就加大了因失誤造成的失分。

（三）發球

雖然發球在沙灘排球比賽中不是最主要的得分來源，但作為比賽的首次進攻，發球的水平直接影響著整個比賽的過程。沙灘排球發球主要有兩種形式：跳發球和上手飄球。上手飄球的特點是能準確地控制球的落點，目的性強。跳發球的特點是具有極強的攻擊性，球速快。在沙灘排球中，隊員多采用跳發球的發球方式。相比于室內排球來說，難度有所提升：沙灘排球的比賽場地較室內排球的比賽場地短兩米，且受沙灘、室外風力、風向和陽光的影響，隊員的彈跳能力受到限制，會影響發球。隊員要先抑制對手的一攻，就必須增加發球的攻擊性，這樣可以直接得分，而且可以破壞對手的戰術，減輕了本隊的防守壓力。與此同時，由于增加了發球的攻擊性，本隊發球的失誤率也會隨之上升。

（四）攔網

在沙灘排球的比賽中，焦點集中于網上扣球和攔球，可以說，攔網是隊員進行防守的第一關，是得分的手段之一，同時操作不當，也會失分。在現代沙灘排球比賽中，攻擊和防守還不平衡，雖然每隊隊員少，戰術比較簡單，但是當防守方只能一人攔網、一人防守時，進攻方是比較占優勢的。準確地攔網能有效地抑制對手的進攻，降低防守的難度，還可以給進攻一方帶來心理壓力。需要注意的是，沙灘排球的特殊性對隊員提出了更高的要求，要求隊員能準確判斷對手的進攻方法，進行合理地選位，掌握準確的起跳時機。

二、沙灘排球訓練的方法

我國沙灘排球的起步較晚，多數隊員都是由室內排球運動員轉為沙灘排球運動員的，經過十幾年的努力，在訓練中的不斷摸索，我國沙灘排球的訓練水平有了很大的進步，但目前的一些訓練方法仍然存在一些不容忽視的問題，還需對其進行改進。

（一）扣球的訓練

扣球得分是沙灘排球得分的主要來源，這決定了扣球技術在沙灘排球進攻的主導地位[3]。在動作方面，沙灘排球的扣球和室內排球的扣球是一樣的。但由于沙灘排球比賽環境的特殊性，扣球動作不易過大，尤其是在風力影響下，球的受力和方向會發生變化，容易產生失誤。以重扣球為例，訓練時要求隊員把握好扣球力度和速度，可在訓練場地畫出區域，如圖1所示，要求隊員將球扣到指定區域。剛開始訓練的時候，規定運動員扣好球的個數，對沒有扣到指定區域的球數不計入總數。隨著訓練時間的加長，慢慢增加訓練難度，要求運動員扣球的次數和扣好球的數量成正比，這種訓練在一定程度還提高了運動員的心理素質。除了訓練扣球線路，還要求運動員進行遠網訓練，以提高其不同角度扣球的能力。

圖1 重扣球訓練圖示

（二）防守訓練

排球比賽中進攻手段多樣，沙灘排球中一個隊員要去做多種進攻手段下的防守，具有一定的難度。這就需要加強訓練隊員對對手扣球動作的判斷和反應。以雙手擊球為例，這種方法具有把握性高和控球能力強的特點，動作上要求擊球部位在手腕附近，扣球要逐步加大力度和速度，運動員的姿勢逐漸由站立變為跳起，二人在練習的過程中距離也要逐漸由遠及近，不斷提高訓練的難度，從而不斷提高手臂控球的能力。除此之外，還可以采用四人合并式練習，具體方法為：在半場中ABCD四人位置如圖2所示，A扣球后，D墊球至2處，A到2處傳球至B后到3位置，B將球扣到3位置，A將球放起，如此循環進行訓練。

圖2 雙手擊球訓練圖示

（三）發球訓練

發球訓練中，我們主要介紹的是跳發球的訓練，跳發球能給對手帶來巨大的威脅，但同時也存在很大的風險性，失誤率較高，訓練中要不斷加強發球的準確性和穩定性。在逆風的時候，運動員要大力發球，加快球體的旋轉速度，以加強攻擊性，具體訓練的時候，要求隊員連續發球三次，不考慮其落點，不斷加快發球的攻擊速度[4]。在加強發球準確性和穩定性方面，則要求隊員拋好球，因為拋球的好壞在一定程度上決定了發球的準確性，因此，隊員起跳時必須盡全力，還要使身體在空中保持伸展的狀態。

（四）攔網的訓練

首先，需要訓練隊員攔網的步法和起跳方法。訓練隊員攔網的步法，要求隊員在網前橫向走步，保持上身平衡，眼睛正視前方，做好攔網的姿勢；手上動作分為大擺臂和小擺臂兩類，大擺臂用在攔網起跳時間較充裕的情況，小擺臂用于二次扣球和戰術球的攔網。其次，要強化和鞏固隊員攔網的步法和起跳方法，也就是強化第一個練習，這項練習要求三名隊員配合完成。最后，要訓練隊員攔網的選位、時間、手型。前兩個階段的練習是攔網的基礎性練習，這一階段的練習是攔網的對抗練習，要求多人進行，攔網的隊員要根據進攻隊員的拋球位置和扣球動作來判斷其發球路線，從而選擇適當的起跳方法和起跳時間進行攔網。

三、結束語

綜上所述，沙灘排球比賽的輸贏是由得失分來決定的，發球、扣球、攔網、對手或自身失誤等每一項都有得分或者失分的可能，這就需要運動員在平時的訓練中多加努力，不斷提高自身綜合能力。

參考文獻：

[1] 馬京榮.沙灘排球競賽中得失分的主要影響因素分析[J].體育時空.2014（14）：105.

篇（10）

一、引言

湖北是典型的能源輸入型地區，如何在能源缺乏的條件下實現經濟增長、且做到低碳與減排這一目標，是湖北省現階段面臨的重要難題。因此，分析湖北省能源消費碳排放影響因素，有助于找到合適的減排措施，實現湖北經濟的長遠發展。

二、文獻綜述

關于碳排放及其影響因素的關系研究方面，Shi（2003）在基于對93個國家1975―1996年的面板數據的研究，發現發展中國家人口的變化對碳排放變化的作用比發達國家更加明顯。從經濟發展方面來說，Kim、Lee&Nam（2010）利用STAR模型，研究發現韓國的碳排放和經濟增長之間是相互依存的。經濟發展水平影響收入水平，進而影響消費者的消費行為和偏好，從而會導致不同強度的碳排放。Lenzen（1998）和Weber（2000）的研究表明消費者的行為對能源的使用以及溫室氣體的排放有一定的影響。關于碳排放影響因素分解模型的研究方面，Hulten（1973）首次將指數分解方法應用于能源問題的研究。Boyd等（1987、1988）分別提出了算數平均的Divisia指數法的乘法和加法形式。Ang和Liu（2000）提出了對數平均Divisia分解法（LMDI），通過這種方法來計算出來的因素權重不存在殘查，計算結果更加準確。國內學者徐國泉等（2006）采用對數平均權重Divisia分解法，定量分析了我國1995―2004年，能源效率、能源結構及經濟發展等因素對人均碳排放的影響。宋德永等（2009）運用LMDI方法，引入產業結構因素分析了我國1990―2005年的碳排放影響因素。朱勤等（2009）引入了人口因素研究碳排放影響因素。秦翊、侯莉（2013）運用LMDI分解法對廣東省能源消費碳排放進行分解，量化各因素貢獻。許廣月（2011）采用面板數據的計量模型，認為影響我國碳排放的主要因素是產出規模、產業結構域及能源消費結構。綜上分析，本文認為采用LMDI方法分析湖北省能源消費碳排放影響因素是較為合理的。

三、湖北省能源消費與碳排放現狀

1、能源消費

從表1中數據可以看出，隨著湖北經濟的發展，湖北省能源消耗量不斷增長。2012年湖北省能源消耗總量高達18128.09萬噸標準煤，比2005年增加7546.74萬噸，其中煤炭消耗12237.57萬噸、石油112.86萬噸、天然氣389.42萬噸、電力2019.28萬噸，比2005年分別增加77%、42%、164%、89.5%。

由表2中相關數據可知，湖北省主要的消費能源為煤炭，2005―2012年間，煤炭消費在能源消費總量中的比例總體維持在60%到70%之間，有較小幅度的上漲。石油消費所占比例先增后減，總體維持在20%到25%之間。電力消費所占比例總體呈上升趨勢，但增長幅度較小，總體維持在9%到11%之間。天然氣消費所占比例上升趨勢明顯，2012年所占比例比2005年增加了54%，但從整體而言，湖北省天然氣消費規模非常小。由于同等質量條件下的煤炭、石油及天然氣，煤炭提供的熱量少于石油和天然氣，但碳排放要高于石油和天然氣，因此煤炭消費所占比例會直接影響到地區的碳排放水平，能源消費結構的不合理會影響碳排放量。

2、碳排放

在測算湖北省能量消費碳排放量時，采用國際上公認的比較合理的碳排放測算方法――IPCC清單法進行計算。按照煤炭、石油、天然氣三大類能源分類進行計算，將各小類化石能源按照折標準煤系數折算為煤炭、石油、天然氣并分別進行加總，再利用碳排放系數計算碳排放量。關于碳排放系數，采用國家發改委能源所推薦的系數。

由此可以得到湖北省2005―2012年碳排放總量數據如表5。

由表5相關數據可知，從2005―2012年，湖北省碳排放總量總體呈上升趨勢，2008年有所降低。2005年碳排放總量為6665.58萬噸，2012年碳排放總量為11349.7萬噸，是2005年排放量的1.7倍。2011年，湖北省碳排放總量首次突破億萬噸。從表3湖北省能源消費量相關數據可發現，2008年能源消費總量反增為減。這些數據表明，隨著經濟的發展，能源消費總量和碳排放總量不斷增加，三者變動存在一定的相關性。由于2008年爆發的全球金融危機，湖北省經濟形勢受到了影響，導致能源消費總量和碳排放總量出現同向波動的情況。

由圖2可知，2005―2012年間，由煤炭、石油及天然氣的消費產生的碳排放量都不同程度的呈現出上漲趨勢。在各種能源利用中煤炭產生的碳排放量最多，其次是石油，再次是天然氣。煤炭消費量的增加是湖北省能源消費產生的碳排放量增加的主要因素。由于天然氣是一種比較清潔的能源，雖然由天然氣消費產生的碳排放量不斷增加，但在總排放量中所占的比重較低。

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

構建碳排放影響分解模型的目的是分解出碳排放變化的影響因素，并通過計算這些因素的貢獻率來分析其影響程度。根據Johan.A等的分析框架，碳排放量的分解如下：

其中，C為第T年相對于基年的碳排放量的變化值;CT、C0分別指第T年，基年的碳排放量;CK、CS、CI、CR、CP分別為能源排放強度、能源結構、能源強度、人均GDP以及人口等因素變化導致的碳排放量的變化值。

按照LMDI方法，各個因素的分解結果如下：

因此，文中所需的數據有2005―2012年間湖北省碳排放量、各種能源消費量、能源消費總量、湖北省GDP及人口數據。通過計算后構成能源結構、能源強度、人均GDP數據。

各類能源消費量數據均來自于《中國能源統計年鑒2013》，需要說明的是，文中所統計的能源消費量是全社會能源消費量，而不是規模以上工業能源消耗量。此外，為了方便計算與分析，將統計年鑒中的8小類能源消費數據利用折標準煤系數換算后，加總歸類后得到煤炭、石油及天然氣三大類能源消費量;碳排放數據是在能源消費數據的基礎上，采用國家推薦的碳排放系數，利用碳排放量測算公式計算得到。湖北省人口及GDP數據均來源于湖北省統計局網站中公布的湖北統計年鑒。其中，為避免受價格變動因素的影響，2005―2012年的湖北省生產總值數據采用2005年的不變價格。通過計算整理，本文進行實證分析所需的相關基礎數據如表7、8所示。

3、實證分析

（1）數據處理

在表7及表8的相關數據基礎上，利用對數平均指數分解法（LMDI）對湖北省碳排放影響因素進行分解分析。由于能源碳排放強度是固定不變的，根據碳排放分解公式，可知影響湖北省碳排放量的因素為能源結構因素、經濟發展因素、能源強度因素及人口因素，得到各分解因素的貢獻效應值如表9所示。

（2）因素分析

結合相關計算結果和湖北省經濟發展、人口規模、能源消費及能源結構的有關數據，對湖北省2005―2012年碳排放變化的影響因素作進一步分析。由表10可知，能源強度累積效應值為負數，能源結構、經濟發展及人口規模的累積效應為正數。

能源結構因素逐年效應存在較大的波動情況，在2005―2006年、2006―2007年、2007―2008年以及2011―2012年等期間內，能源結構效應為負值，其余期間為正值。由表8可知，2006年、2007年、2008年以及2012年，煤炭消費占能源消費總量的比重均比上一年有所下降，而天然氣及石油消費比重未出現該趨勢，且煤炭的碳排放系數在三種能源中是最高的。因此，能源結構效應與高碳能源消費比重保持同方向的變化，降低高碳能源的消費比重有助于抑制碳排放量的增加。從累積效應值來看，能源結構累積效應為64.65，是湖北省碳排放量變化的正向影響因素，但效應貢獻率較低，僅為1.5%。

由表9可知，能源強度因素逐年效應均為負值。結合表8中能源強度數值變化情況，即單位GDP的能源消耗量可知，能源強度因素逐年積累效應與單位GDP的能源消耗量的變化趨勢一致，因此，能源強度上升，將促使碳排放量上升;能源強度下降，會抑制碳排放量的增長。從貢獻率來看，能源強度因素的貢獻率為-73.13%，對湖北省碳排放量的變化有較強的影響。“十一五”規劃期間（2006―2010年）湖北省能源強度不斷下降，該期間湖北省能源建設顯著，一定程度上抑制了湖北省碳排放的過快增長。

2005―2012年期間，經濟發展因素的逐年效應均為正值，累積效應值不斷增加，據表8中的人均GDP數據可知，經濟發展因素效應與人均GDP的變化趨勢保持一致，不斷上升，隨著經濟的不斷發展，湖北省碳排放量也在不斷增長。經濟發展因素的效應貢獻率高達167%，經濟規模的變化是湖北省碳排放量增加的最主要的原因。

除了2010―2011年期間外，人口規模因素的效應均為正值，根據表7中人口數據可知，2011年湖北省總人口為6164.1萬人，比2010年減少11.9萬人。人口規模因素逐年累積效應不斷上升，由此可知，人口規模對湖北省碳排放量的增加具有拉動作用。人口規模的效應貢獻率為5.3%，相對于經濟發展因素和能源強度因素而言，影響作用較弱。

五、小結

通過運用LMDI方法對湖北省碳排放影響因素進行實證分析，結果如下：在2005―2012年期間內，湖北省碳排放量從2005年的6665.58萬噸，增長到了2012年的11349.7萬噸，年平均增長率為7.9%，低于同期GDP增長速度。在此期間，湖北省碳排放累積效應總體呈上升趨勢，而在2008年有所回落。這一趨勢是經濟發展因素、人口規模因素、能源強度因素以及能源結構因素綜合作用的結果。

四個影響因素中，經濟的不斷發展，經濟規模的擴大是湖北省碳排放量增長的決定性因素，經濟發展效應的貢獻值高達167%。同時，人口規模效應也對湖北省碳排放量增長起到了一定的促進作用，貢獻率為5.3%。雖然人口規模因素不是短期內可以調整的，但如果實施了有效的長期調控戰略，其驅動力也是不容忽視的。能源強度效應在很大的程度上抑制了湖北省碳排放量的增長，貢獻率達到-73.13%。“十一五”規劃期間，能源強度下降趨勢明顯，節能減排工作取得了一定的成效。能源強度由2011年的1.28噸/萬元，下降到2012年的1.15噸/萬元，同時，2011―2012年期間能源強度抑制效應高達-1140.57，這表明《湖北省低碳發展規劃（2011―2015年）》工作取得了一定的進展，是指導今后一個時期湖北省低碳發展的總體藍圖和行動綱領。但從總體累積效應來看，湖北省碳排放量仍然保持著一定的增長速度。因此，湖北省要重視相關技術的開發與應用，來提高能源使用效率，從而減少碳排放量。2005―2009年，能源結構因素對湖北省碳排放量增加起到了一定的抑制，而此后轉變為拉動作用。總體而言，能源結構效應是湖北省碳排放量變化的正向影響因素，但影響效應變化不大，主要原因是湖北省能源消費結構并沒有得到實質性的優化，仍是以煤炭等高碳能源為主。同時這樣說明湖北省通過調整能源結構來減少碳排放量的空間還很大。

因此，對于湖北省碳減排政策提出如下建議：（1）湖北省應增加清潔能源消費比重，整合利用水電資源，推動天然氣快速規范發展、高效利用風能資源、充分發展太陽能、有序開發生物質能，強化低碳能源生產與供應，減少煤炭消費量，逐步調整和優化能源結構，減少碳排放。（2）降低湖北省單位生產總值的能源消耗量，提高能源的使用效率，可采用行政和經濟手段，從而有效地抑制碳排放量的增加。（3）利用科技創新，優化能源結構，提高能源使用效率，能有效地降低湖北省碳排放量。政府應加強在能源領域的研發投入，鼓勵和引導企業增加能源技術研發投入，利用湖北省的人力資源優勢，組織動員產學研相結合進行重點課題攻關。（4）推行碳排放配額制度，建立健全湖北省碳交易市場。這是新時期湖北省發展低碳經濟，實現可持續發展的必然選擇。

篇（11）

1.1研究數據

本文數據來源于相關統計年鑒，數據采集后，對其進行標準化，使不同指標數據之間具有可比性。

1.2研究方法

1.2.1STIRPAT模型York等構建了環境壓力隨機模型，簡稱STIRPAT模型。式中:I、P、A、T分別為排放量、總人口、財富、技術;a為模型系數，b、c、d分別為總人口、財富、技術的驅動指數;e為模型誤差。STIRPAT模型是進行分析環境壓力的一種常用方法，在碳排放、碳足跡等研究中被普遍應用。本文在國內外學者研究成果的基礎上，選擇人口、國內生產總值、人均能耗、第二產業占GDP比重、第三產業占GDP比重、城鎮居民人均可支配收入、城鎮新建住宅面積、能源強度等8個指標作為中國碳排放量衡量對象。其中，人口、人均能耗、城鎮新建住宅面積屬于總人口因素;國內生產總值、城鎮居民人均可支配收入屬于財富因素;第二產業占GDP比重、第三產業占GDP比重、能源強度屬于技術因素。根據STIRPAT模型，建立碳排放計量模型。

1.2.2數理統計方法1)偏相關分析:使用統計分析軟件SPSS13.0中偏相關分析方法，對8個碳排放影響因素和碳排放量的實際數據進行偏相關分析，得出各因素和碳排放量的相關系數，根據顯著性檢驗判斷各因素是否能最終作為碳排放量的影響指標，據此衡量模型的有效性。2)主成分分析:根據主成分分析法，分析篩選各自變量，提取新的綜合變量，并建立各自變量和綜合變量間的線性模型;然后，通過線性回歸分析，找出因變量和綜合變量的線性模型;通過以上兩個模型，可得因變量和自變量間的線性關系，最終基于STIRPAT模型，構建中國碳排放驅動因素模型，并分析各因素的驅動力強弱。

2結果與分析

2.1碳排放總量計算查閱1980—2012年《中國統計年鑒》、《中國能源統計年鑒》和《中國建筑業統計年鑒》，得出相關指標原始數據，并根據煤炭、石油、天然氣等能源的碳排放系數［28］和消費比例，可計算中國碳排放總量，進而得出中國各年度人均碳排放量、碳排放強度、能源強度等指標結果，見表1。由表1可見:1980—2012年中國能源消費總量、碳排放總量和人均碳排放量，除1981年外，都呈逐年遞增趨勢，碳排放強度及能源強度整體呈逐年下降趨勢。隨著中國新型工業化、新型城市化和新型農業現代化的不斷推進，碳排放總量和人均碳排放量日益增長。中國碳排放強度及能源強度整體下降，得益于長期實施的節能減排戰略，構建低碳、綠色、環保的生態文明新常態。

2.2偏相關分析結果以碳排放總量作為因變量，以人口、國內生產總值、人均能耗、第二產業占GDP比重、第三產業占GDP比重、城鎮居民人均可支配收入、城鎮新建住宅面積、能源強度8個指標作為自變量，使用SPSS13.0統計軟件中的偏相關分析方法，結果發現7個指標的相關系數都在0.815以上，其顯著性檢驗在0.01水平(雙側)上顯著相關，因此選擇的8個碳排放影響指標可作為碳排放總量的驅動因素。

2.3主成分分析結果將碳排放總量的8個影響因素原始數據取對數，然后對這些數據進行歸一化處理，將處理后的數據采用主成分分析法進行分析，分析結果見表2、表3。由表2可知，進行主成分分析后，可提取出2個綜合變量，即組分1、組分2，現分別以X1、X2表示。X1、X2對總體方差的累計貢獻率為97.883%，信息損失僅占2.117%。KMO統計量為0.824，且P＜0.001，拒絕單位相關陣的原假設，非常適合做主成分分析。t檢驗的P值＜0.01，擬合度較好。將人口、國內生產總值、能源強度、人均能耗、第二產業占GDP比重、第三產業占GDP比重、城鎮居民人均可支配收入、城鎮新建住宅面積8個指標進行取對數及歸一化處理后分別以SLP、SLG、SLEI、SLEC、SLSP、SLTP、SLDI、SLRA表示。根據主成分分析結果，可得到提取出的2個綜合變量X1、X2與這8個指標之間的得分系數矩陣，見表3。

2.4線性回歸分析結果將碳排放總量進行取對數及歸一化處理，以SLC表示。將SLC、X1、X2時間序列數據進行線性回歸分析，結果發現，R2為0.950，F值為286.435，估計的標準誤差為0.070，P值為0.000，小于0.01，共線性檢驗中的特征根均大于0，條件指數均小于10，方差膨脹因子接近于1且小于10，說明不存在共線性問題，回歸分析模型整體擬合效果較好(表4)。由式(8)可知，人口、國內生產總值、人均能耗、第二產業占GDP比重、第三產業占GDP比重、城鎮居民人均可支配收入、城鎮新建住宅面積這7個影響因素與碳排放總量均呈正相關關系。其中，第三產業占GDP比重的提高、人口數量的增長、國內生產總值的提高、城鎮新建住宅面積的擴大是中國1980—2012年碳排放總量不斷遞增的主要驅動因素，尤其是第三產業占GDP比重對碳排放總量的影響最大，第二產業占GDP比重對碳排放總量的影響最小，顛覆了傳統認為第二產業比第三產業能耗更高的觀點，這也與劉廣為等的研究結論相符［25］，李健等也認為第二產業的增加并不一定帶來高碳排放［26］。歸其原因，主要是在經濟快速發展過程中，發達地區的第三產業比重大幅度增加，其碳排放量占全國碳排放總量的比重較大，同時相關部門往往忽視了第三產業能源利用效率的提升，從而階段性地出現以上局面。此外，能源強度和碳排放總量呈顯著負相關，說明在中國經濟快速發展過程中，大力推進綠色發展戰略，持續優化能源使用水平，有效地抑制了碳排放總量增長的速度。

3結論和建議