基于LMDI的中国碳排放量影响因素分解

合集下载

四川省碳排放增长影响因素的LMDI分解研究

数据、各产业增加值及比重均来源于１９９Ｏ一２Ｏ１１年《四川省
统计年鉴》，其中，产业增加值均按照１９７８年不变价进行了调整。由于目前中国没有碳排放量的直接监测数据，当前大部分的碳排放量研究都是基于能源消费量、能源碳排放系数进行估算，即碳排放量等于第ｉ种化石能源的消费量乘以第ｉ
决定着能源需求和碳排放。从理论上讲，调整产业结构可以
降低总体能源消耗及碳排放。产出规模效应反映了经济规模
的变化对碳排放的影响，多数研究认为，碳排放与经济增长之间存在长期平稳的正相关关系，即在其他条件不变的情况下，经济规模的扩张会引起史多的能源消耗和碳排放。（二）数据来源和整理
关键词：碳排放；因素分解；产业结构；四川省
中图分类号：Ｆ１２４．５
ห้องสมุดไป่ตู้
文献标志码：Ａ文章编号：１６７３ — ２９１Ｘ（２０１３）２１ — ０２９２ — ０２
自２００１年政府问气候变化委员会（ＩＰＣＣ）发布第三次气
放系数。化石能源对标准煤的折算系数采用《中国能源统计年
生产总值５个因素的乘积。根据Ａｎｇ提出的ＬＭＤＩ法可将碳
排放总量分解为排放因子效应、能源结构效应、能源强度效应、产业结构效应及产出规模效应等因素的乘积，则碳排放由０期到Ｔ期的变化可以分解为排放因子效应、能源结构效应、能源强度效应、产业结构效应及产出规模效应五种驱动因素，由于各类能源的碳排放系数通常较为固定，在实际应用中一般取常量，因此，排放因子效应始终等于０，可以不作为考虑因素。则碳排放的变化就表示为能源结构效应、能源效率效应、产业结构效应及产出规模效应四种驱动因素。能源结构对碳排放变化的影响主要体现在不同的能源在碳排

我国工业品出口碳排放效应因素分解实证分析

我国工业品出口碳排放效应因素分解实证分析海鹏[提要] 本文运用LMDI因素分析法，分时间段从规模、结构和技术等方面对中国工业品出口的碳排放效应的各个方面进行分析，得出相关结论：在第一个周期内，出口贸易对碳排放影响的规模效应为正，其余两个效应为负；在第二个周期内，出口贸易对碳排放影响的三个效应指标系数都为负。

我国工业经过两个计算期的优化发展，在第三个计算期（2012～2015年）三种效应带来的减排效应明显，尤其是技术和结构效应。

因此，我国应从结构和技术方面着手，在实现对外贸易增长的情况下，保持工业发展和碳排放的同步发展。

关键词：工业品出口；碳排放效应；因素分解；实证分析基金项目：国家自然科学基金项目：“清洁产业出口扩张与污染天堂规避——基于贸易、环境政策协调的CGE模型研究”（项目编号：71563061）；云南财经大学研究生创新基金特别项目：“基于污染规避的中国出口产业结构优化研究”（项目编号：2017YUFEYC002）F7 ：A收录日期：2017年6月23日一、LDMI因素分解法方法介绍美国经济学者Grossman和Krueger是最早提出贸易环境效应理论的人，在1991年，他们对北美自由贸易协议环境影响问题给予了充分关注与研究，并创造性的提出了贸易自由化环境影响效应理念，其理论中存在着三大效应，具体为技术、结构与规模效应。

本文也将借鉴其研究方法，从三种效应角度定量分析工业行业出口可以对碳排放所产生的影响。

为此，我们引入LMDI因式分解法来分解三种效应，关于碳排放的主要影响因素分解的方法很多，其中指数分解方法是主要使用的分析技术。

指数分解方法是由以往的拉式指数和帕式指数发展而来。

在当时，石油危机对世界的经济发展带来了较大的影响，所以有不少的学者对工业能源消费的变化规律进行了分析，并且提出了多种相应的分析方法，使所有的分析方法得到完善和发展。

经过长时间的筛选和完善，分解技术方法作为一种有效的分析工具在能源、资源、经济与环境等诸多领域的分析工作中，取得了一定的效果。

中国区域能源消费碳排放的因素分解

增长、能源消费与污染物排放之间的内在关系，
一
经济增长与碳排放的脱钩发展，是可持续发展的
重要含义。
中国区域经济发展不平衡，碳排放也存在显著的区域差异，因此，在区域经济与环境协调发
展过程中必须了解中国能源消费碳排放的驱动因
Ｍａｒ．２Ｏ１４
中国区域能源消费碳排放的因素分解
齐亚伟
（江西财经大学，南昌３３００３２）
［摘要］本文测算了２０００～２０１０年中国３Ｏ个省市的能源消费碳排放量，并运用对数平均迪氏分解
法（ＬｏｇａｉｒｔｈｍｉｃＭｅａｎＩ）ｉｖｉｓｉａＩｎｄｅｘ，ＬＭＤＩ）将碳排放总量分解为ＧＤＰ、工业污染物排放强度、产业结构和区
域经济发展不平衡程度等４个因素，以此分析中国区域经济发展过程中规模效应、技术效应、产业结构效应和区域空间结构效应对碳排放的影响。研究结果表明：规模效应是促进碳排放增加的决定因素；技术效
Ｇｒａｎｇｅｒ因果关系【２Ｉ。
碳排放比２００５年下降４０％～４５％，这表明中国正面临日益严峻的减排压力。发展低碳经济，实现
环境库兹涅茨曲线虽然比较直观地反映了经济增长与环境污染之间的关系，但不能揭示经济增长影响环境污染的渠道和机制。为了明确经济
第３期（总第２４５期）
２０１４年３月

基于LMDI分解方法的中国交通运输行业碳排放变化分析_喻洁

ቤተ መጻሕፍቲ ባይዱ
：ＡｂｓｔｒａｃｔＩｎｏｒｄｅｒｔｏｒｏｖｉｄｅｒｅｆｅｒｅｎｃｅｓｆｏｒｔｈｅｅｎｅｒｓａｖｉｎａｎｄｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎｏｌｉｃｉｅｓ－－ｐｇｙｇｐ，ｆｏｒｍｕｌａｔｉｏｎｉｎＣｈｉｎａｓｔｒａｎｓｏｒｔａｔｉｏｎｉｎｄｕｓｔｒａｓｅｄｏｎＬｏａｒｉｔｈｍｉｃＭｅａｎＤｉｖｉｓｉａＩｎｄｅｘｐｙｂｇ（）ｄ，，ＬＭＤＩｅｃｏｍｏｓｉｔｉｏｎｍｅｔｈｏｄｔｒａｎｓｏｒｔａｔｉｏｎｉｎｄｕｓｔｒｉｎＣｈｉｎａｗａｓｄｉｖｉｄｅｄｉｎｔｏｈｉｈｗａｐｐｙｇｙ，ｗａｔｅｒｗａｒａｉｌｗａａｎｄｃｉｖｉｌａｖｉａｔｉｏｎｔｏｕａｎｔｉｔａｔｉｖｅｌａｎａｌｚｅｔｈｅｉｍａｃｔｆａｃｔｏｒｓｏｆｃａｒｂｏｎｙｙｑｙｙｐｅｍｉｓｓｉｏｎｃｈａｎｅｉｎｔｒａｎｓｏｒｔａｔｉｏｎｉｎｄｕｓｔｒｄｕｒｉｎ２００５ｔｏ２０１１．ＴｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｇｐｙｇｉｎｃｒｅａｓｅｏｆｅｒｃａｉｔａＧＤＰａｅａｒｓｔｈｅｍａｉｎｒｏｍｏｔｉｎｆａｃｔｏｒｔｏｃａｒｂｏｎｅｍｉｓｓｉｏｎｉｎｃｒｅｍｅｎｔｉｎｐｐｐｐｐｇｔｒａｎｓｏｒｔａｔｉｏｎｉｎｄｕｓｔｒ．Ｔｈｅｄｒｏｉｎｏｆｅｎｅｒｉｎｔｅｎｓｉｔｏｆｔｒａｎｓｏｒｔａｔｉｏｎａｎｄｔｒａｎｓｏｒｔａｔｉｏｎｐｙｐｐｇｇｙｙｐｐ，ｗ，ｉｎｔｅｎｓｉｔｈｉｃｈｉｎｄｉｃａｔｅｅｎｅｒｕｓｉｎｅｆｆｉｃｉｅｎｃａｎｄｔｒａｎｓｏｒｔａｔｉｏｎｅｆｆｉｃｉｅｎｃｒｅｓｅｃｔｉｖｅｌｙｇｙｇｙｐｙｐｙ，ｈｒｅｓｅｎｔｓｔｈｅｃａｒｂｏｎｅｍｉｓｓｉｏｎｒｅｄｕｃｔｉｏｎｅｆｆｅｃｔ．Ｉｎａｄｄｉｔｉｏｎｉｈｗａｔｒａｎｓｏｒｔａｔｉｏｎｈａｓａｐｇｙｐ，ｓｉｎｉｆｉｃａｎｔｅｆｆｅｃｔｏｎｃａｒｂｏｎｅｍｉｓｓｉｏｎｃｈａｎｅｉｎｔｒａｎｓｏｒｔａｔｉｏｎｉｎｄｕｓｔｒｗｈｉｃｈｉｓｎｏｔｏｎｌｒｅｆｌｅｃｔｅｄｇｇｐｙｙ，ｂｔｈｅｄｒｉｖｉｎｆｏｒｃｅｏｆｈｉｈｗａｔｒａｎｓｏｒｔａｔｉｏｎｓｄｏｍｉｎａｎｃｅｉｎｔｒａｎｓｏｒｔａｔｉｏｎｉｎｄｕｓｔｒｂｕｔａｌｓｏｙｇｇｙｐｐｙｒｅｆｌｅｃｔｅｄｂｔｈｅｒｅｍａｒｋａｂｌｅｉｎｈｉｂｉｔｉｎｅｆｆｅｃｔｏｆｔｈｅｅｎｅｒｉｎｔｅｎｓｉｔｄｅｃｒｅｍｅｎｔｉｎｈｉｈｗａｙｇｇｙｙｇｙ，ｔｒａｎｓｏｒｔａｔｉｏｎ．Ｉｎｔｈｅｆｕｔｕｒｅｔｈｅｃｕｒｂｉｎｅｆｆｅｃｔｓｏｆｅｎｅｒｉｎｔｅｎｓｉｔｓｄｅｃｒｅｍｅｎｔａｎｄｅｎｅｒｐｇｇｙｙｇｙ

基于LMDI方法的中国民航业碳排放因素的指数分解

Index Decomposition of the Factors Influence China Civil Aviation Markets＇ Carbon Emissions Based on
LMDI Method
作者：陈其霆;陆晨婷;周德群
作者机构：南京航空航天大学经济与管理学院,南京211106
出版物刊名：天津大学学报：社会科学版
页码： 397-403页
年卷期： 2014年第5期
主题词：民航业;碳排放;对数平均狄氏指数方法;指数分解分析
摘要：2008年欧盟通过的将航空业纳入EU-ETS的提议草案,使得民航业的碳排放问题成为
碳减排中的热点问题之一。

中国民航业在CO2总排放量占比虽小但是增长迅速,而欧盟的这一政
策如果付诸实施将给中国民航业带来一定的冲击。

文章采用对数平均Divisia分解法建立中国民
航业碳排放因素分解模型,定量分析了1985—2010年间民航业运输总收入、航线结构、单位运
输收入周转量、能源强度、CO2排放系数等五个因素对民航业CO2排放量的影响。

实证分析结
果表明：民航业CO2排放量上升主要由运输总收入的增长引起,单位运输收入周转量和能源强度
的下降则遏制了CO2排放量的上升。

基于上述分析提出了中国民航业实现碳减排的应对策略和
建议。

中国综合交通运输体系碳排放影响因素研究

中国综合交通运输体系碳排放影响因素研究Wang Haiyan;Wang Nan【摘要】建立了基于中国综合交通运输体系碳排放影响因素分解模型的LMDII(Log-Mean Divisia Index Method I)算法,将我国综合交通运输体系划分为公路、铁路、国内水运、国内民航四种方式,利用我国2003-2015年相关数据,对我国综合交通运输体系碳排放变化影响因素进行分解分析.研究结果表明:2003-2015年间,运输强度Y和交通运输结构S为主要的综合交通运输体系碳排放促进因素,交通运输能耗强度R为主要的抑制因素;R自2006年以来对我国综合交通运输体系碳排放有由抑制转为促进的趋势,而Y和S自2006年以来的情况则相反.对我国综合交通运输体系碳排放变化影响因素的分解分析为我国综合交通运输体系碳减排政策和措施的制定提供了依据.【期刊名称】《物流技术》【年(卷),期】2019(038)002【总页数】6页(P78-83)【关键词】综合交通运输体系;碳排放;因素分解【作者】Wang Haiyan;Wang Nan【作者单位】;【正文语种】中文【中图分类】F512;X73;F2051 引言近年来全球气候变暖已经成为广泛共识，气候变暖会给人类的生存带来严重影响，空气中二氧化碳排放的增加是气候变暖的根本原因，而交通运输业的发展则带来了大量的二氧化碳排放。

在此背景下，对我国综合交通运输体系碳排放（碳排放即为CO2排放，下同）影响因素进行研究，可以为制定我国综合交通运输体系碳减排的政策措施提供依据，从而为推进我国交通运输碳减排和缓解全球气候变暖作出贡献。

国内外对交通运输碳排放影响因素进行了一系列研究。

在研究的方法学方面：Forrester J W提出系统动力学模型，并对模型进行了描述[1]；Dietz T等提出随机的IPAT（environmental Impacts equal the multiplicative product of Population,Affluence,and Technology）模型，并通过实例对模型进行了验证[2]；York R等对IPAT模型进行了改进，提出STIRPAT（Sto-chastic Impacts by Regression on Population,Affluence,and Technology）模型，并利用实例对模型的应用效果进行了验证[3]；Tapio P在前人研究的基础上提出了新型脱钩模型，新模型对脱钩指标体系进行了完善，并利用新模型对欧盟15国1970-2001年间交通运输碳排放、交通量和交通运输业GDP三者的关系进行了脱钩分析[4]；Ang B W等对传统的迪式因素分解算法进行了改进，提出LMDI II（Log-Mean Divisia Index Method II）分解算法，后又针对LMDI II算法缺乏聚集一致性的缺点提出了LMDI I算法，LMDI I算法可以完全分解残差，且具有聚集一致性[5-6]。

普惠金融发展可以减少中国碳排放吗———基于LMDI 分解法的时间序列分析

摇摇收稿日期: 2021鄄02鄄26 基金项目: 国家社会科学基金一般项目 “ 稳金融战略下预期引导平抑金融市场波动的机理分析、效应评估与策略优化研究冶 (20BJY258) ; 山西省软科学一般项目 “ 山西省普惠金融监测评价体系研究冶 (2018041058-6) 作者简介: 陈摇啸 (1981 -) , 女, 山西浑源人, 副教授, 博士, 主要从事普惠金融与绿色金融研究。 E鄄mail: cocoflash2000 @ 163郾 com 薛英岚 (1990-) , 男, 辽宁铁岭人, 博士, 主要从事环境管理与绿色金融研究。 E鄄mail: xueyinglan@ mail郾 bnu郾 edu郾 cn
一、问题的提出能源消费和经济发展是影响碳排放的核心因素, 而金融是国家经济产业发展的重要保障和有效调控手段, 因此, 国家金融政策的制定, 也将对能源消费和碳排放产生重大影响。普惠金融 ( Inclusive Finance, IF) 是中国在经济发展新常态背景下提出的重要金融政策之一。根据世界银行扶贫协商小组 ( CGAP) 的定义, 普惠金融指每一位劳动人口都可以从正规金融服务机构有效获取可靠的信贷、储蓄、支付和保险等相关金融服务的一种状态。越来越多的研究表明, 普惠金融可以通过改变个体经济行为和宏观经济表现从而影响社会经济发展中能源消耗所产生的碳排放。一方面, 普惠金融可以有
陈摇啸1, 薛英岚2
(1郾山西财经大学金融学院, 山西摇太原摇 030006; 2郾中国科学院科技战略咨询研究院, 北京摇 100190)
摘摇要: 普惠金融可以通过改变区域经济行为进而深刻影响社会经济发展中能源活动所产生的碳排放。本文将普惠金融变量引入碳排放影响因素中, 选取代表普惠金融发展程度的指标, 基于对数平均迪氏指数 ( LMDI) 分解法, 对 1996—2018 年间中国普惠金融对碳排放的影响进行驱动因素分解, 量化普惠金融对碳减排的贡献。结果显示, 1996— 2018 年中国金融普惠程度大幅提升, 以东南沿海的普惠程度最高。以煤为主的能源结构效应是中国碳排放增长的主要因素, 普惠金融效应在 1996—2001 年间表现为负向影响, 且贡献较低; 2002 年后对中国碳排放具有促进作用, 但随着普惠金融规模的增加, 其引起碳排放增加的趋势放缓。空间差异方面, 2000 年之前, 普惠金融效应在全国绝大部分省份均呈现负向效应, 2001—2005 年转为正向效应, 2006 年之后, 普惠金融效应对碳排放增长贡献的省际差异逐步增大, 随着中国经济发展进入新常态, 东部发达省份的普惠金融效应对碳排放增长的贡献与西部地区相比较低。基于各省驱动因素的聚类分析, 将各省份分为六类, 根据不同区域的普惠金融贡献和产业发展特征, 针对碳减排向每类省份提出了具有区域代表性的普惠金融发展政策建议。关键词: 普惠金融; 碳排放; LMDI 分解法; 聚类分析中图分类号: F830郾 6摇摇文献标识码: A摇摇文章编号: 1000鄄176X(2021)05鄄0059鄄08

基于LMDI和MV模型碳排放因素与预测的低碳城市建设研究的开题报告

基于LMDI和MV模型碳排放因素与预测的低碳城市建设研究的开题报告一、研究背景随着经济的快速发展和工业化进程的加快，全球碳排放问题日益严重，人类社会面临着前所未有的环境挑战。

作为全球最大的碳排放国家之一，中国已经开始加快自身的能源转型和低碳城市建设。

在这种背景下，低碳城市建设已成为国家战略和各地政府的重要工作，也受到了学术界的广泛关注。

低碳城市建设的核心是减少碳排放和节约能源。

而想要实现这个目标，需要对城市碳排放的来源和分布有一个清晰的认识。

传统的研究方法多是基于某些预设假设或统计模型，但由于城市复杂的发展背景和社会经济条件，仅采用传统方法往往难以满足精确分析的需求。

因此本研究将尝试基于LMDI和MV模型进行城市碳排放因素分解和预测，探索低碳城市建设的可行性和突破路径。

二、研究问题和目标本研究将聚焦于以下问题：1.城市碳排放的主要来源和分布特点是什么？2.城市碳排放的因素分解和预测模型如何构建？3.低碳城市建设的实践路径和经验有哪些？本研究的目标是：1.分析城市碳排放的地理分布和主要来源，探讨城市环境的特征和影响因素。

2.构建城市碳排放因素分解和预测模型，深度挖掘碳排放的相关特征。

3.总结低碳城市建设的实践经验和成功案例，为未来低碳城市建设提供参考。

三、研究方法和流程本研究将采用以下方法：1.基于LMDI分解法，分析城市碳排放的影响因素，探讨碳排放的地理分布和主要来源。

2.建立多元线性回归分析和灰色模型，构建城市碳排放因素预测模型，预测未来碳排放和环境质量。

3.通过案例研究和实践经验总结，总结低碳城市建设的实践成果和经验教训，探讨未来低碳城市建设的路线和路径。

本研究将分为以下几个阶段：第一阶段：文献综述和前期调查对于前期研究和相关案例进行综述和归纳，以及对数据的收集和整理，对城市碳排放的现状和发展趋势有一个整体了解。

第二阶段：理论分析和因素分解通过LMDI方法对城市碳排放的影响因素进行分解和归纳，探讨影响碳排放的地理分布和主要来源。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

科技论文与案例交流
171
基于 LM DI的中国碳排放量影响因素分解
武晓斌 ( 天津科技大学天津 300222)
摘要：根据 LMDI法，结合 Kaya方程，对我国 2000- V 单位”(万吨标准煤)。根据 IPCC(2006)等方法构建碳排放量核算
2 0 1 2 年的碳排放量因素分解，结论表明，人均 GDP和单位
且变化幅度不大。单位 GDP能耗是抑制碳排放量的增加的主要控
与碳排放量相关的影响因素主要有人口规模、经济水平、能因素。
源结构、和技术等方面的原因。依据 LMDI分解方法，结合 Kaya方程，排放贡献因子定为以GDP表征经济水平、能源消耗强度表征经济结构、能源排放量表征能源结构等，求驱动因子对碳排放的贡献度。通常情况下，省域技术越先进，单位能源产生的 GDP较高，也就是说大内产值能耗较低，产业结构更合理，第二产业单位能源的碳排放量就越低，本文以碳排放强度和能源强度表示碳排放量的效率性，即技术水平。
势，除了可以有效分析总体指标，同时保持指标之间高度一致性。动因子中最显著的，并且逐年递增的趋势。而人口因素对于碳排减排
结果不会出现不能解释的残差项，模型本身进行较为合理的因素放增量的贡献占 6 . 8 % ，虽然对于排放增加有影响，但影响不大，防
分解，近些年是碳排放分解的最广泛应用方法之一[11。
方法，估算了各省域2000~2012年碳排放量。
GDP能耗分别是导致碳排放正向、负向增长的重要因素。
表 1 中国 2000〜2 0 1 2 年经济能源碳排放数据(部分)
关键词：碳排放；Kaya;LMDI
1 引言日前，研究碳排放因素分解的方法多种多样。Kaya方程是国
动力的对数平均迪氏指数法(LMDI )。
9.43%〇
LMDI是不产生残差、完全的一种分析分解方法。同时在理论
1 3 年间，有 1 1 7 % 的 C0 2排放增量是由于人均 GDP因素带低
基础、操作性、适应性、结果呈现等多方面相比其它分解法都有优来的，意味着经济总量的增长对于〇)2排放量的排放贡献是驱碳
依据 LDMI模型，结合 Kaya等式，以人均经济效应、人口效 [1] Ang B W,Na Liu. Handling zero values in the logarithmic mean
应、单位 GDP能源消耗量效应、单位能源碳排放量效应等影响 Divisia index decomposition approach [JJ.Energy Policy,2007,35:
际上较为认可的一种，指出碳排放量受人口、人均 GDP、能源消费结构和经济结构的综合影响，研究表明其优点是明确影响碳排放的主要影响因素，简单易用。但有局限性，有关碳排放的影响因素
年份
碳排放总 M /万 t
2000 2002 2004 2006 2008 2010 2012
331755 374384 481825 637749 748941 899457 1008044
3 模型结果与分析
人口 /万人
124885 126467 128146 129127 130915 133300 134689
能源消费总量 /万 t 标准煤
年为不变价，人口数据为各地常住人口数量|31。能源品种的消费数 [3] 朱勤•中国人口、消费与碳排放研究[M].复旦大学出版社,2011:
Байду номын сангаас
据自《中国能源统计年鉴》中能源平衡表。能源消费量采用“通用 58-59.
《资源节约与环保》 2 0 1 6 年第 6 期
经过 LMDI分解计算，2000〜2012年间，我国 C0 2排放总量增
结构和能源结构复杂，能源强度和能源效率的影响越发明显，因长了 676288 x 104t，其中人口规模、生活水平、经济结构和能源结
此，结合 Kaya方程，同时运用另一种研究碳排放的影响因素及驱构对碳排放增加的贡献因子分别为 :6.80%、117.94%、-34.17%、
(：0 2排放量的因素分解不同因素对于全国碳排放的贡献度％
238-246.
本文选取 2000〜2012年 1 3 年间的省域面板数据，其中，各省 [2] 邓晓 .基于 LMDI方法的碳排放的因素分解模型及实证研究
域历年 GDP和人口统计量来源于《中国统计年鉴》，GDP以 2005 [D].武汉:华中科技大学,2009.
2 模型与数据
4 结语
近年来能源强度对碳排放的抑制作用加大，说明国家碳排放强度下降的政策已经初见成效，经济发展向 “碳脱钩 ”的方向发展，应继续调整改革能源消费结构。发展 GDP是碳排放增加的重要因素，因此各地发展经济制定政策应考虑绿色低碳，产业升级。优化能源结构，发展低碳经济可以降低碳排放增长的速度，甚至达到碳排放峰值。参考文献
149659 170826 229008 289797 336904 389000 442003
GDP/亿元
113095 137568 175684 226621 290838 367210 452413
仅限人口、能源和经济在宏观层面的量化关系。而我国目前经济