安徽省低碳城市评价及建设路径研究
发布时间：2020-12-13 16:13
近年来高速发展的工业文明给全球气候和生态环境带来了巨大压力,最显著的影响就是CO2的排放量日益增加。而城市作为人类生产生活的中心,不可避免地成为碳排放量的主要源头,因此控制城市的碳排放量理所当然地成为了低碳减排工作的重中之重。这也促使建设低碳城市成为世界各国缓解矛盾的重要举措,因此开展区域低碳建设水平评价对研究碳排放水平及改善低碳城市建设现状具有重要意义。本文以安徽省为例,收集相关数据,采用具体的方法对该省2013-2017年间的低碳城市建设水平进行了评价,同时采用情景分析法构建三种发展情景对接下来安徽省能源消费与碳排放进行趋势预测分析,最后根据分析和预测结果提出了相对应的政策建议。本文在对低碳城市建设的相关概念及理论基础的基础上,运用综合系数法对安徽省的碳排放水平进行了测算;采用面板数据模型对该省五年间影响碳排放的主要因素进行了大致分析;构建区域低碳城市发展水平评价指标体系,基于主成分分析、层次分析及聚类分析模型,评价了安徽省16个地级市五年的碳排放建设水平。结果可知安徽省低碳城市建设虽然已初见成效,但也还有产业结构不合理、能源利用率低、地区发展不平衡等问题,总...
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
013-2017五年安徽省各地级市碳排放量对比
图 3.2 霍斯曼检验结果截图Fig 3.2 The result of Hausman test结果差修正项，见式（3-4）。iiecm =Y （-1）-βXviews 操作，得最终个体固定效应模型，软件操作如图 3-3，结-6）。0.182980LNTL(-2.003347)-6.696585-0.046746-0.148306-0.829539(4.644530)-0.0563230.032848(3.575700)3.2900408.0547273.2314540.581009ecm0.296633LNitititit++=++（）（）（）（）LNGLLNISLNPULLNECICELEDLititit
图 3.3 模型建立结果Fig 3.3 The result of model building数据回归分析得调整的拟合优度为约为 1.00，说明方程拟合效果很好，DW 值符存在自相关性，F 值对应 P 小于α=0.05，说明整体关系显著。根l 的 P 值，为 0.41，大于所取显著性水平α=0.05 的要求，判断该项017 年间对碳排放量的影响作用较小，其余 P 值均符合要求，因此碳排放量产生影响。模型可以看出，在 2013-2017 五年的时间段内，变量指标 EDL、指标系数为正值，说明经济水平的提高、能源消费强度的增加以及入对碳排放量具有正向驱动作用，碳排放量随之增大而增大；而指标系数为负，说明产业结构的变化、绿化覆盖率的增加对碳排放用，碳排放量随之增加而减少。总体说明安徽省五年内碳排放影响阶段，因本文涉及年份时间较短，虽进行了误差修正，但总体上建
【参考文献】：
期刊论文
[1]基于结构路径分析的中国居民消费对碳排放的拉动作用研究[J]. 张琼晶,田聿申,马晓明. 北京大学学报(自然科学版). 2019(02)
[2]低碳城市试点政策落实的问题及其对策[J]. 刘天乐,王宇飞. 环境保护. 2019(01)
[3]基于GM(1,1)和因子分解模型的区域能源消费情景分析——以辽宁省为例[J]. 姜璐,陈兴鹏,孔云霄,张子龙,薛冰. 生态学杂志. 2019(01)
[4]低碳城市建设评价:理论基础、分析框架与政策启示[J]. 周枕戈,庄贵阳,陈迎. 中国人口·资源与环境. 2018(06)
[5]中国城市低碳发展水平评估方法研究[J]. 石龙宇,孙静. 生态学报. 2018(15)
[6]可持续框架下的城市低碳社区[J]. 石龙宇,许通,高莉洁,韩林桅,李倩瑜. 生态学报. 2018(14)
[7]世界主要国家碳排放影响因素分析——基于变系数面板模型[J]. 韩梦瑶,刘卫东,唐志鹏,夏炎. 资源科学. 2017(12)
[8]中国居民生活碳排放增长路径研究[J]. 曲建升,刘莉娜,曾静静,李恒吉. 资源科学. 2017(12)
[9]基于熵权-TOPSIS法的低碳城市发展水平评价及障碍度分析——以天津市为例[J]. 王磊,周亚楠,张宇. 科技管理研究. 2017(17)
[10]我国低碳城市发展影响机制研究——基于35个副省级以上城市样本的实证分析[J]. 赵涛,于晨霞,潘辉. 经济问题. 2017(08)
博士论文
[1]资源型城市低碳生态转型的建设路径研究[D]. 苗君强.天津大学 2014
硕士论文
[1]低碳城市评价体系研究[D]. 宋凯.陕西师范大学 2012
[2]湖南省工业行业碳排放估算及影响因素研究[D]. 朱容.湖南大学 2011
[3]低碳城市评价体系研究[D]. 王玉芳.河北大学 2010
[4]计量经济学中的面板数据模型分析[D]. 武大勇.华中科技大学 2006
本文编号：2914816
【文章来源】：合肥工业大学安徽省 211工程院校 教育部直属院校
【文章页数】：84 页
【学位级别】：硕士
【部分图文】：
013-2017五年安徽省各地级市碳排放量对比
图 3.2 霍斯曼检验结果截图Fig 3.2 The result of Hausman test结果差修正项，见式（3-4）。iiecm =Y （-1）-βXviews 操作，得最终个体固定效应模型，软件操作如图 3-3，结-6）。0.182980LNTL(-2.003347)-6.696585-0.046746-0.148306-0.829539(4.644530)-0.0563230.032848(3.575700)3.2900408.0547273.2314540.581009ecm0.296633LNitititit++=++（）（）（）（）LNGLLNISLNPULLNECICELEDLititit
图 3.3 模型建立结果Fig 3.3 The result of model building数据回归分析得调整的拟合优度为约为 1.00，说明方程拟合效果很好，DW 值符存在自相关性，F 值对应 P 小于α=0.05，说明整体关系显著。根l 的 P 值，为 0.41，大于所取显著性水平α=0.05 的要求，判断该项017 年间对碳排放量的影响作用较小，其余 P 值均符合要求，因此碳排放量产生影响。模型可以看出，在 2013-2017 五年的时间段内，变量指标 EDL、指标系数为正值，说明经济水平的提高、能源消费强度的增加以及入对碳排放量具有正向驱动作用，碳排放量随之增大而增大；而指标系数为负，说明产业结构的变化、绿化覆盖率的增加对碳排放用，碳排放量随之增加而减少。总体说明安徽省五年内碳排放影响阶段，因本文涉及年份时间较短，虽进行了误差修正，但总体上建
【参考文献】：
期刊论文
[1]基于结构路径分析的中国居民消费对碳排放的拉动作用研究[J]. 张琼晶,田聿申,马晓明. 北京大学学报(自然科学版). 2019(02)
[2]低碳城市试点政策落实的问题及其对策[J]. 刘天乐,王宇飞. 环境保护. 2019(01)
[3]基于GM(1,1)和因子分解模型的区域能源消费情景分析——以辽宁省为例[J]. 姜璐,陈兴鹏,孔云霄,张子龙,薛冰. 生态学杂志. 2019(01)
[4]低碳城市建设评价:理论基础、分析框架与政策启示[J]. 周枕戈,庄贵阳,陈迎. 中国人口·资源与环境. 2018(06)
[5]中国城市低碳发展水平评估方法研究[J]. 石龙宇,孙静. 生态学报. 2018(15)
[6]可持续框架下的城市低碳社区[J]. 石龙宇,许通,高莉洁,韩林桅,李倩瑜. 生态学报. 2018(14)
[7]世界主要国家碳排放影响因素分析——基于变系数面板模型[J]. 韩梦瑶,刘卫东,唐志鹏,夏炎. 资源科学. 2017(12)
[8]中国居民生活碳排放增长路径研究[J]. 曲建升,刘莉娜,曾静静,李恒吉. 资源科学. 2017(12)
[9]基于熵权-TOPSIS法的低碳城市发展水平评价及障碍度分析——以天津市为例[J]. 王磊,周亚楠,张宇. 科技管理研究. 2017(17)
[10]我国低碳城市发展影响机制研究——基于35个副省级以上城市样本的实证分析[J]. 赵涛,于晨霞,潘辉. 经济问题. 2017(08)
博士论文
[1]资源型城市低碳生态转型的建设路径研究[D]. 苗君强.天津大学 2014
硕士论文
[1]低碳城市评价体系研究[D]. 宋凯.陕西师范大学 2012
[2]湖南省工业行业碳排放估算及影响因素研究[D]. 朱容.湖南大学 2011
[3]低碳城市评价体系研究[D]. 王玉芳.河北大学 2010
[4]计量经济学中的面板数据模型分析[D]. 武大勇.华中科技大学 2006
本文编号：2914816
本文链接：https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/2914816.html
最近更新
教材专著
