辽宁省碳排放预测及最优情境选择

doi:10.12068/j.issn.1005-3026.2019.08.026

东北大学学报:自然科学版 ›› 2019, Vol. 40 ›› Issue (8): 1211-1216.DOI: 10.12068/j.issn.1005-3026.2019.08.026

• 管理科学 • 上一篇

辽宁省碳排放预测及最优情境选择

侯卉，殷赟，卜曼曼，何杰

(东北大学工商管理学院，辽宁沈阳110169)

收稿日期:2018-07-16 修回日期:2018-07-16 出版日期:2019-08-15 发布日期:2019-09-04
通讯作者: 侯卉
作者简介:侯卉(1970-)，女，辽宁沈阳人，东北大学教授.
基金资助:
国家自然科学基金资助项目(71873027)；辽宁省社会科学基金资助项目(L18BJL011)；东北大学2018教改项目:经济虚拟仿真实验教学中心建设.

Prediction of Carbon Emission and Selection of Optimal Scenario in Liaoning Province

HOU Hui， YIN Yun， BU Man-man， HE Jie

School of Business Administration， Northeastern University， Shenyang 110169， China.

Received:2018-07-16 Revised:2018-07-16 Online:2019-08-15 Published:2019-09-04
Contact: HOU Hui
About author:-
Supported by:
-

摘要/Abstract

摘要： 基于经济发展增速和节能减排约束，结合碳排放影响因素的LMDI分解模型，将经济社会发展变量和节能减排变量的相互不同模式组合为六种情境，运用扩展的SPIRPAT模型对各情境下的辽宁省2016—2040年的碳排放进行预测分析，得出“中增长强减排”情境是辽宁未来发展的最佳选择.在最优情境下，2020年辽宁较2015年的能源消费增量远低于3550万吨标准煤的约束标准;非化石能源比重在2020年完成省规划目标，在2030年完成国家规划目标;碳排放量降幅在2023年达到峰值，2020年和2030年较2005年的碳排放强度降幅超额完成国家规划目标.若能有效转变经济发展方式、调整产业结构尤其是降低工业比重、提升能源利用效率，加大清洁能源的开发利用，辽宁完全可以不以牺牲经济发展为代价而达到节能减排的目的.

关键词: 碳排放, 能源消耗, 情境预测, 经济发展, 节能减排

Abstract: Based on the economic development growth rate，energy-saving and emission-reduction constraints， and LMDI decomposition model of the factors that influence carbon emission， the different models of economic/social development variables and energy-saving/emission-reduction variables were combined into six scenarios. The extended SPIRPAT model is used to predict and analyze the carbon emission of Liaoning from 2016 to 2040， and it is concluded that the ‘medium growth and strong emission-reduction’ scenario is the best choice for Liaoning. Under the optimal scenario， the increase of energy consumption in Liaoning in 2020 over 2015 will be much lower than the constraint standard. The provincial planning target of non-fossil energy sources proportion will be reached in 2020 and the national planning target will be reached in 2030. The drop of carbon emission will reach its peak in 2023， and the reduction in carbon emission intensity in 2020 and 2030 over 2005 will exceed the national planning target. If the government can change the mode of economic development effectively， adjust the industrial structure， and improve the development and utilization of clean energy， Liaoning would be able to achieve the goal of energy-saving and emission-reduction without the expense of economic development.

Key words: carbon emission, energy consumption, scenario prediction, economic development, energy-saving and emission-reduction

中图分类号:

F061.5

侯卉，殷赟，卜曼曼，何杰. 辽宁省碳排放预测及最优情境选择[J]. 东北大学学报:自然科学版, 2019, 40(8): 1211-1216.

HOU Hui， YIN Yun， BU Man-man， HE Jie. Prediction of Carbon Emission and Selection of Optimal Scenario in Liaoning Province[J]. Journal of Northeastern University Natural Science, 2019, 40(8): 1211-1216.

参考文献

[1]Tolmasquim M T，Cohen C，Szklo A S.CO₂ emissions in the Brazilian industrial sector according to the integrated energy planning model(IEPM)［J］.Energy Policy，2001，29(8):641-651.
[2]Shimada K，Tanaka Y，Gomi K，et al.Developing a long-term local society design methodology towards a low-carbon economy:an application to Shiga Prefecture in Japan［J］.Energy Policy，2007，35(9):4688-4703.
[3]Shukla P R，Dhar S，Mahapatra D.Low-carbon society scenario for India［J］.Climate Policy，2008，8(sup1):156-176.
[4]Tun G I，Türüt-As，k S，Akbostanci E.A decomposition analysis of CO₂ emissions from energy use:Turkish case［J］.Energy Policy，2009，37(11):4689-4699.
[5]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.(Qu Shen-ning，Guo Chao-xian.Forecast of China’s carbon emissions based on STIRPAT model［J］.China Population，Resources and Environment，2010，20(12):10-15.)
[6]冯悦怡，张力小.城市节能与碳减排政策情景分析——以北京为例［J］.资源科学，2012，34(3):541-550.(Feng Yue-yi，Zhang Li-xiao.Scenario analysis of urban energy saving and carbon emission reduction policies:a case study of Beijing ［J］.Resources Science，2012，34(3):541-550.)
[7]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.(Huang Rei，Wang Zheng，Ding Guan-qun，et al.Trend prediction and analysis of influencing factors of carbon emissions from energy consumption in Jiangsu Province based on STIRPAT model［J］.Geographical Research，2016，35(4):781-789.)
[8]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.(Liu Qing-chuan，Li Qiang，Zheng Xu-xi.The prediction of carbon dioxide emissions in Chongqing based on fossil fuel combustion［J］.Acta Scientiae Circumstantiae，2017，37(4):1582-1593.)(上接第1210页)
[7]Srensen F，Jensen J F.Value creation and knowledge development in tourism experience encounters［J］.Tourism Management，2015，46:336-346.
[8]Skarmeas D，Zeriti A，Baltas G.Relationship value:drivers and outcomes in international marketing channels［J］.Journal of International Marketing，2016，24(1):22-40.
[9]Homburg C，Wieseke J，Hoyer W D.Social identity and the service-profit chain［J］. Journal of Marketing，2009，73(2):38-54.
[10]Jones C，Volpe E H.Organizational identification:extending our understanding of social identities through social networks［J］.Journal of Organizational Behavior，2011，32(3):413-434.
[11]Zhu X，Woo S E，Porter C，et al.Pathways to happiness:from personality to social networks and perceived support［J］.Social Networks，2013，35(3):382-393.
[12]So K K F，King C，Sparks B A，et al.The influence of customer brand identification on hotel brand evaluation and loyalty development［J］.International Journal of Hospitality Management，2013，34:31-41.
[13]Brown T J，Dacin P A.The company and the products:corporate associations and consumer product responses［J］.Journal of Marketing，1997，61(1):68-84.
[14]Zagenczyk T J，Gibney R，Few W T，et al.Psychological contracts and organizational identification:the mediating effect of perceived organizational support［J］.Journal of Labor Research，2011，32(3):254-281.
[15]Eisenberger R，Armeli S，Rexwinkel B，et al.Reciprocation of perceived organizational support［J］.Journal of Applied Psychology，2001，86(1):42-51.
[16]Chiu H C，Hsieh Y C，Li Y C，et al.Relationship marketing and consumer switching behavior［J］.Journal of Business Research，2005，58(12):1681-1689.
[17]Voss K E，Spangenberg E R，Grohmann B.Measuring the hedonic and utilitarian dimensions of consumer attitude［J］.Journal of Marketing Research，2003，40(3):310-320.
[18]张新安.中国消费者的顾客价值形成机制:以手机为对象的实证研究［J］.管理世界，2010(1):107-121，188.(Zhang Xin-an.The formation mechanism of the value of the customers of China’s consumers:a case study based on users of mobile phones［J］.Management World，2010(1):107-121，188.)

辽宁省碳排放预测及最优情境选择

Prediction of Carbon Emission and Selection of Optimal Scenario in Liaoning Province

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 11

编辑推荐

Metrics

本文评价

[1]	王雨枫，曹洪军. 基于分形理论的辽宁城市群人地关系特征时空演变[J]. 东北大学学报（自然科学版）, 2021, 42(4): 598-603.
[2]	周炳海，费芊然. 考虑能耗的混流装配线物料配送多目标调度方法[J]. 东北大学学报:自然科学版, 2020, 41(2): 258-264.
[3]	周炳海，顾佳颖. 考虑多资源约束的非等效并行机节能调度算法[J]. 东北大学学报:自然科学版, 2019, 40(3): 403-408.
[4]	杨沫，陈凯. 基于STIRPAT及解耦模型的河北省碳排放影响因素分析[J]. 东北大学学报:自然科学版, 2017, 38(2): 300-304.
[5]	李小玲，孙文强，赵亮，蔡九菊. 典型钢铁企业物能消耗与烟粉尘排放分析[J]. 东北大学学报:自然科学版, 2016, 37(3): 352-356.
[6]	佟昕，李学森，佟琳，陈凯. 中国碳排放空间格局的时空演化——基于动态演化及空间集聚的视域[J]. 东北大学学报:自然科学版, 2016, 37(11): 1668-1672.
[7]	佟昕，陈凯，李刚. 中国碳排放影响因素分析和趋势预测——基于STIRPAT 和GM(1，1)模型的实证研究[J]. 东北大学学报:自然科学版, 2015, 36(2): 297-300.
[8]	杨培颖，唐加福，于洋. 低碳型机场接送服务的改进二维扫描算法[J]. 东北大学学报(自然科学版), 2013, 34(4): 478-481.
[9]	蔡九菊，叶竹，孙文强. 1995~2010年中国钢铁工业能源消耗影响因素分析[J]. 东北大学学报(自然科学版), 2013, 34(10): 1438-1441.
[10]	张琦;姚彤辉;蔡九菊;沈峰满;. 高炉炼铁过程多目标优化模型的研究及应用[J]. 东北大学学报(自然科学版), 2011, 32(2): 270-273.
[11]	曾宪龄;孙永杰. 省级经济计量模型的建立与预测分析[J]. 东北大学学报(自然科学版), 1999, 20(5): 544-547.