我国碳排放预测及省域差异性的空间计量分析

发布时间：2020-09-21 07:39

　　早在2009年,我国就向世界宣布了2020年碳排放的减排目标。如今,2020年将至,即将到来的减排压力给我国带来极大的挑战,而科学合理且有针对性的政策建议是减排目标完成的关键,只有深入分析全国和省域的碳排放情况才能制定合理的政策建议。因此,本文采取从全国层面到省域层面的思路,从全国碳排放整体上把握减排目标完成潜力,并对省域碳排放情况及其影响因素进行详细分析。首先,从总体上把握我国减排目标的预期完成情况。将诱导有序加权平均算子(IOWGA)和Markov链相结合,并以精度最大化筛选准则对组合模型进行改进,提出了基于IOWGA-Markov的新型灰色指数组合预测模型。基于该模型对我国碳排放强度和碳排放总量进行预测,结果表明,按照目前的碳排放走势,我国有很大潜力完成提出的减排目标;但碳排放总量仍未到达峰值,减排任务依旧严峻。因此,对我国碳排放进行省域的细化研究很有必要。其次,进一步测算出省域的碳排放量并对其时空特征进行分析。从横向和纵向两个方面分析省域碳排放基本情况,并分析其时间变化趋势;重点引入社会网络分析技术(SNA),在对引力模型进行修正的基础上,从网络的视角分析其空间关联特征。结果表明,省域碳排放总体呈现上升趋势,关联网络中心自2013年起有所变化,不同省域在网络中的作用不同,省域碳排放空间关联关系日趋复杂。因此,在碳排放建模时,需充分考虑其空间效应。最后,对省域碳排放及其影响因素进行空间模型建模。运用Lasso算法对碳排放影响因素指标进行降维处理;对空间权重矩阵进行改进,基于地区之间的经济灰色关联度刻画地区的经济距离,并综合地理邻近信息构造了灰色引力空间权重矩阵;在模型设定时,基于空间误差模型(SEM)拓展EKC曲线理论;对比地理邻近空间权重矩阵和灰色引力空间权重矩阵,分别从全国范围和东中西区域研究碳排放的影响因素。结果表明,本文构造的空间权重矩阵在空间自相关性检验上和模型拟合上均优于地理邻近空间权重矩阵,体现了良好的适应性;不同区域的碳排放库兹涅茨曲线形态不同,碳排放的显著性因素也不同;最后,针对各区域的建模结果,分别给出相应的政策建议。
【学位单位】：武汉理工大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：X321
【部分图文】：

技术路线图,省域,碳排放,碳排放空间

基于描述性统计分析了省域碳排放的现状及时间变化趋势，重点引入社会网络分析方法(SNA)，通过修正的引力模型构造省域碳排放空间关联网络，从网络的角度分析省域的空间关联特征。基于网络整体特征分析省域碳排放关联关系的整体结构，基于度数中心度分析不同省域在网络中的主要作用，基于块模式聚类分析省域的板块化趋势第 4 章对省域碳排放影响因素进行建模分析。首先查找与碳排放相关的影响因素指标，基于 Lasso 算法进行影响因素的降维筛选；在前人研究的基础上，构造出灰色引力空间权重矩阵；通过改进的空间权重矩阵和地理邻近空间权重矩阵进行对比研究，并加入空间效应拓展环境库兹涅茨曲线(EKC)理论，对全国范围和东中西三个区域进行空间模型建模，针对不同区域的建模结果，分别给出减排建议。第 5 章为本文的结论、创新点与展望。对全文进行总结，基于本文的结论，对各区域给出政策建议，并对未来可以进一研究的问题进行阐述。1.4 技术路线

趋势图,碳排放强度,趋势图,碳排放

图 2-1 我国碳排放强度趋势图图 2-2 我国碳排放总量趋势图和图 2-2 可以直观的看出，我国碳排放强度在 1991 年为 11.79 吨/万元，到 2015 年达到 4.73 吨/万元，除了部分年份有轻

趋势图,碳排放,总量,趋势图

从图2-2 看出我国碳排放总量已趋于饱和。2.2 基于 IOWGA-Markov 的新型灰色指数组合预测模型预测模型在组合建模时，传统的组合方法在确定各预测模型的权重系数后，针对未知期数据的预测也一直保持不变。然而对于某一种固定的预测模型，不同时期得到的预

【相似文献】