前言：中文期刊網精心挑選了二氧化碳排放影響范文供你參考和學習，希望我們的參考范文能激發你的文章創作靈感，歡迎閱讀。
二氧化碳排放影響范文1
［中圖分類號］F293?。畚墨I標識碼］A?。畚恼戮幪枺?671-8372（2012）04-0012-04
一、引言
城市化作為一種全球性的經濟社會現象，主要發生在工業革命以后。伴隨著世界城市化的快速發展，城市人口急劇膨脹，城市規?？焖贁U張，能源消費迅猛增加，工業污染迅速蔓延，生態環境問題日益嚴重。在全球十大環境問題中，氣候變暖居首位，而全球氣候變化主要是由于溫室氣體排放量的不斷增加，尤其以二氧化碳排放的增加為主。近200年來，世界城市化水平和二氧化碳排放量保持同步上升，目前二者均有加速的趨勢。產業革命以來，世界城市化水平在5%左右，大氣中二氧化碳濃度在280ppm左右（ppm是氣體濃度單位，表示百萬分之一），到了2007年，世界城市化水平達到了50%，二氧化碳濃度值上升到了383ppm，而其危險臨界值為385 ppm，全球平均地表溫度也比工業革命時期升高了0.74℃［1］。
我國城市化進程快速發展的同時帶動了以化石燃料為主的能源消耗迅猛增長，使得二氧化碳等環境污染物的排放量逐年增加。根據國際能源署（IEA）公布的統計數據顯示，2007年我國化石能源消費產生的二氧化碳排放已經超過美國，成為目前世界上二氧化碳排放總量最大的國家［2］。然而伴隨著我國城市化、工業化發展的不斷快速推進，以煤為主的能源消費量還將不斷增加，由此產生的二氧化碳排放量也會進一步上升，這意味著，我國碳減排面臨的國際壓力將會日益增加。
隨著全球氣候變暖問題的日益嚴峻，越來越多的研究開始關注如何在城市化進程中緩解溫室氣體排放問題。徐國泉等運用LMDI分解法對中國碳排放進行了因素分解研究，定量分析了經濟發展和能源強度對我國碳排放的影響，指出經濟發展拉動我國碳排放呈指數增長，而能源強度的貢獻率則表現為倒“U”形［3］。王鋒對1995-2007年中國碳排放量增長的驅動因素進行了研究，認為人均GDP增長是二氧化碳排放量增加的最大驅動因素［5］。何吉多關于1978-2008年中國城市化與碳排放關系的協整分析表明，我國碳排放量與城市化水平之間存在長期動態均衡關系，且這種長期均衡關系對當前碳排放偏離均衡水平的調整力度較大［5］。日本學者Yoichi Kaya于IPCC的一次研討會上提出Kaya恒等式，指出人類活動產生的溫室氣體排放與經濟發展、人口等因素存在聯系［6］。Duro和Padilla認為Kaya因素中引起不同國家碳排放差異的重要因素為人均收入、能源消費碳強度和能源強度［7］。林伯強等通過對Kaya恒等式的分解，認為1978-2008年對中國碳排放影響較為顯著的因素包括經濟發展、能源強度、能源消費碳強度和城市化水平［8］。
人類活動與溫室氣體排放之間的關系已經成為國際熱點之一，研究二者之間的關系有著重要的現實意義。山東省作為我國的人口、經濟大省，一直是高能耗、高碳排放區，魏一鳴指出，2005年山東省終端能源消費產生的二氧化碳排放總量居全國首位［9］。同時，山東省城市化進程快速推進，2010年山東省城市化水平為40.04%，正處于諾瑟姆曲線劃分的城市化發展階段中的中期加速發展階段［10］。雖然山東省城市化發展已取得了可喜的成績，但與我國49.95%的城市化水平相比還是相差較遠。研究山東省城市化進程中的碳排放，不僅對于把握山東省碳減排政策、城市化發展戰略、保持經濟持續快速發展具有現實意義，而且對于更好地理解我國的整體狀況也有重要意義?；诖耍疚倪\用協整分析方法借助VECM模型對山東省城市化水平和二氧化碳排放量之間的長短期關系進行實證分析，并利用Kaya恒等式對山東省城市化進程中的碳排放影響因素進行分解分析，最后提出相應的政策建議。
二、山東省城市化與碳排放關系的協整分析
2．變量的平穩性檢驗
四、結論及政策建議
本文運用協整分析方法借助VECM模型對山東省城市化水平和二氧化碳排放量之間的長短期關系進行了實證分析，并利用Kaya恒等式對山東省城市化進程中的碳排放影響因素進行了分解分析，從而得出以下結論：
（1）山東省城市化水平和二氧化碳排放量之間的協整方程說明，二者之間存在長期均衡關系，長期彈性系數為1.7120，即城市化水平每提高1%，碳排放量將同步增長1.7120%，這說明城市化是導致山東省碳排放量增長的一個重要因素。
（2）由VECM模型可知，在短期內，山東省碳排放量的波動受到城市化水平和自身滯后量的影響，其中，滯后1期和2期的城市化水平對當期碳排放量變動的影響比較明顯，城市化水平提高將導致碳排放量的增加；滯后1期的碳排放量對當期碳排放也有比較顯著的影響，然而滯后2期的碳排放量對當期的碳排放有抑制作用，這是因為碳排放持續快速增長會促使政府采取碳減排措施。另外，短期誤差項的修正作用并不很強，模型的修正系數僅為-0.0576，表明在短期內山東省碳排放量和城市化水平之間的長期均衡關系對當前碳排放量偏離均衡水平的調整力度不大，說明山東省碳排放量的變動除了受城市化水平影響之外，還受到其他因素的影響。
二氧化碳排放影響范文2
關鍵詞：面板數據；長三角城市；工業碳排放；影響因素
基金項目：本文受教育部人文社會科學研究規劃基金項目“碳排放約束下長三角經濟轉型軌跡及其區域聯動效果研究”（編號：12YJAZH160）資助
中圖分類號：F407.2 文獻標識碼：A
原標題：基于面板數據對長三角工業碳排放影響因素的實證分析
收錄日期：2013年9月24日
一、引言
中國最大的經濟圈——長三角地區，位于長江下游和東海之濱，集“黃金水道”與“黃金海岸”于一體，主要包括上海市，江蘇8市（南京、蘇州、無錫、常州、揚州、鎮江、南通、泰州），浙江6市（杭州、寧波、湖州、嘉興、紹興、舟山、臺州），共16個城市。由于其優越的自然條件和地理區位，一直是我國經濟最為發達的地區，2012年長三角地區實現規模以上工業總產值17.35萬億元，增長6.9%。《長江三角洲地區區域規劃》（以下簡稱《規劃》），是跨省級行政區的區域發展規劃，國家“十一五”規劃的重要組成部分，長三角地區區域協調發展的綱領?！兑巹潯诽岢?，在各個城市的詳細定位中，上海仍然是“核心”，南京和杭州則是上海的“兩翼”，同時將進一步提升南京、蘇州、無錫、杭州、寧波等區域性中心城市的綜合承載能力和服務功能。所以，本文選取上海、南京、蘇州、無錫、杭州、寧波這6個城市作為長三角城市的代表進行研究，分析其碳排放的影響因素，從而提出對策和建議，為整個長三角城市甚至全國范圍內的城市工業碳減排提供借鑒和參考。
CO2主要來自于工業部門的能源消耗，所以研究工業部門二氧化碳排放量的變化，對于減少二氧化碳排放和制定未來的能源戰略是至關重要的。近年來，許多學者都致力于研究影響二氧化碳排放量的因素，主要有人口規模、經濟發展、工業部門內部結構、能源結構、能源效率、產業結構等。張慶民等（2012），基于我國1995～2009年統計數據計算了第一、二、三產業經濟結構與碳排放總量碳排放增長率和碳排放強度的動態演化過程。結果表明，第一產業碳排放總量與碳排放強度遠低于其他產業，但碳排放量增長率高于其GDP增長率；第二產業碳排量總量最高，且波動幅度較大，碳排放強度呈現明顯下降趨勢；第三產業碳排放總量卻遠低于第二產業，碳排放強度與第一產業相似，但其碳排放增長率較高。孫慧宗（2010），采用1978～2006年的相關統計數據對中國城市化與含碳能源消費發生的二氧化碳排放量進行協整分析，同時建立誤差修正模型，并運用Granger因果關系檢驗方法，結果顯示：城市化與二氧化碳排放量之間存在著長期穩定的均衡關系，但不具有理論上的雙向因果關系。二期滯后時，城市化是二氧化碳排放量的Granger原因，但后者不是前者的原因，對其不具有反饋效應。Karnjana Sanglimsuwan（2012）通過83個國家從1980年到2007年的數據，分析二氧化碳排放量與人口以及其他相關因素之間的關系。結果表明：人口壓力對二氧化碳排放量的增長的關鍵因素。此外，二氧化碳排放量和經濟增長之間的關系顯示了一個倒U形。B.Davidsdottir，M.Fisher（2011）采用面板分析碳排放強度和發展之間的實證關系，并考察了兩個變量之間的因果關系。分析數據覆蓋從1980年到2000年的美國48個州，但不包括夏威夷、阿拉斯加、華盛頓特區。結果表明：碳排放強度和國家的經濟之間存在顯著的雙向關系。
二、模型的選取與構建
（一）模型的選取。面板數據是指在時間序列上取多個截面，同時在這些截面上選取樣本觀測值所構成的樣本數據。與時間序列模型相比較，它可以降低各經濟變量之間的多重共線性，且能提供更多的樣本信息、更高的自由度和估計效率；與截面數據模型相比較，它可以控制由不可觀測的經濟變量所引發的OLS估計的偏差，使得模型的設定更加合理，提供更準確的參數樣本估計量。因此，本文采用面板數據來構建模型。
面板數據模型的一般形式如下：
Yit=Ci+βiTXit+εit i=1，2，…，N；t=1，2，…，T
其中，N表示個體數，T表示時間序列個數。若t固定不變，Yi（i=1，2，…，N）是橫截面上的N個隨機變量；若i固定不變，Yt（t=1，2，…，T）是縱剖面上的一個時間序列。
面板數據模型常用的包括混合估計模型、固定效應模型和隨機效應模型三大類。通常我們使用極大似然比來確定該建立混合模型還是固定效應模型，即當F=■>Fα/2（N-1，NT-N-k）時，應當建立固定效應模型，反之則建立混合模型；使用豪斯曼（Hausman）檢驗法來確定該建立固定效應模型還是隨機效應模型，即當H=■>？字■■（k）時，應當建立固定效應模型；反之，則建立隨機效應模型。
（二）模型的構建及變量的選取。國內外利用面板數據模型對工業碳排放的影響因素進行研究的文獻眾多，目前最主要方法集中于環境庫茲涅茨曲線（EKC），其最早的模型為庫茲涅茨曲線（KC），是由庫茲涅茨（1955）在收入不均的問題研究中發現，收入差距與經濟增長呈現倒U型的曲線關系。到了20世紀九十年代初，Crossman與Krueger（1991）在墨西哥加入北美自由貿易協定的環境影響報告中首次提出，環境與經濟發展也呈現倒U型的曲線關系。于是，Panayotou（1993）首次把環境與經濟之間的這種倒U型曲線關系稱為環境庫茲列茨曲線（EKC）。
另外，也有學者基于Ehrlich，Holdren （1971）提出的IPAT等式，研究了人口規模（P）、富裕程度（A）和技術水平（T）對于環境（I）的影響，后來Waggoner、Ausubel（2002）和Schulze（2002）分別進行了I= PACT和I=PBAT的兩次修改，但都不能解決各影響因素不同比例變化的問題，但在1994年，Dietz等提出過的人口規模、富裕程度和技術水平的隨機回歸影響模型STIRPAT，為各因素的計量研究提供了可能，它是將IPAT等式轉變成一種隨機模型，即I=aPbAcTde。本文選用第二個模型，并根據研究的內容對等式的變量進行了修改和增加。由于本文研究的對象是工業部門，所以環境壓力I用工業部門的碳排放總量C來替代，人口規模P用工業部門的平均從業人數來表示，富裕程度A用工業經濟規模Y（即單位從業人員的工業總產值）來替代，技術水平T用能源效率E（即單位能源消費的工業總產值）來替代。另外，本文還增加了和工業碳排放密切相關的兩個變量——工業部門內部結構S和能源消費結構M。S用工業各行業總產值與工業總產值的比重來度量，M用各行業的煤炭消費與能源消費的比來表示，因為產生碳排放的各種能源種類很多，但是煤炭類的碳排放系數較石油和天然氣類的高?？紤]到各個變量的經濟意義、可對比性以及在計量分析中可能出現的異方差等因素，我們對各個變量分別取了自然對數，α1、α2、α3、α4、α5表示人口規模、工業經濟規模、能源效率、工業部門內部結構和能源消費結構的彈性。根據以上的分析及結合相關的經濟理論，我們可得到工業碳排放的面板數據模型如下：
lnC=α0+α1（lnP）+α2（lnY）+α3（lnE）+α4（lnS）+α5（lnM）+ε （1）
（三）數據來源。長三角6個城市的工業平均從業人員、單位從業人員的工業生產總值、能源效率、工業部門內部結構和能源消費結構的數據來源于2005～2009年的《上海工業能源交通統計年鑒》和2010年的《上海能源統計年鑒》、2001～2012年的《南京統計年鑒》、2004～2012年的《蘇州統計年鑒》、2004～2012年的《無錫統計年鑒》、2001～2012年的《杭州統計年鑒》、2003～2012年的《寧波統計年鑒》。
三、實證分析
（一）單位根檢驗。只有面板數據是平穩的才可以進行回歸，否則會產生虛假回歸。為了避免出現偽回歸現象的發生，必須對面板數據進行單位根檢驗，以確定其平穩性，檢驗方法主要有修正的DW統計量方法、GLS估計方法，、LLC檢驗方法、IPS檢驗方法、ADF-Fisher和PP-Fisher檢驗。本文選擇LLC檢驗方法，分別對各個城市的各變量進行了單位根檢驗，結果如表1所示。從表中可以看出，6個城市的6個變量分別通過了1%、5%和10%水平上的顯著性檢驗，不存在單位根，數據具有平穩性，可以進行最小二乘估計。（表1）
（二）模型的確定。使用EVIEWS6.0對長三角6個城市的工業分行業面板數據進行模型的回歸，通過極大似然比檢驗，結果如表2每個城市的第一列數據所示，它們的相伴概率P值均為0，F統計值均在1%的水平上顯著，所以拒絕原假設，應當建立固定效應模型而不是混合效應模型。再通過豪斯曼檢驗，即表中第二列數據所示的檢驗結果可以看出，它們的統計值也均在1%的顯著水平上通過，所以拒絕隨機效應模型的原假設，建立固定效應模型。上述兩種檢驗方法都認為應當建立固定效應模型，為問題的分析提供了可靠的依據，因此本文采用固定效應模型進行最小二乘法估計。（表2）
（三）結果分析。由模型的回歸結果可以看出：從總體上來看，上海、蘇州、無錫、杭州和寧波工業分行業的人口規模P、經濟規模Y、能源效率E、工業部門內部結構S和能源消費結構M這五個因素對碳排放量C都有顯著的影響，但各自的影響程度隨城市而有所變化。它們的回歸模型的擬合優度達到0.98～0.99，這表明方程中的解釋變量至少解釋了98%～99%的因變量變化，回歸的結果與前期的判斷保持一致，并且所有變量都取了對數，所以系數大小將代表彈性。
從上海的模型結果來看，工業的人口規模P、經濟規模Y、能源效率E、工業部門內部結構S和能源消費結構M都通過了1%顯著性水平的檢驗，說明這5個因素對碳排放的影響都是顯著的。其中，影響最大的因素是人口規模P和經濟規模Y，其次為工業部門內部結構S，而能源效率E和能源消費結構M的影響較小。人口規模的回歸彈性系數為0.4758，與碳排放呈正效應，這表明工業平均從業人員每增加1個百分點，將會增加0.4758個百分點的碳排放；經濟規模，即單位從業人員的生產總值的影響系數為0.4250，表明人均產出每增加1%，將會多排放0.4250%的二氧化碳；兩者的彈性系數都小于1說明碳排放的增長速度低于人口規模和經濟規模的增加速度，但相對其他影響因素，它們的彈性系數比較大；能源效率的影響系數為-0.3654，這體現了能源效率對工業碳排放的影響為負，當工業各行業的能源效率提高的時候，工業碳排放將會降低，每單位的能源使用效率的提高會降低0.3654個百分點的碳排放；工業部門內部結構和能源消費結構對碳排放的影響效應也為正，其中工業部門內部結構對碳排放的正向影響稍大于能源消費結構。
其他5個城市南京、蘇州、無錫、杭州和寧波的人口規模P、經濟規模Y、能源效率E這3個因素對碳排放的影響都很大，而工業部門內部結構S和能源消費結構M的影響就相對比較小，且它們的彈性系數與前三者的差別也比較大。具體來看，南京、無錫和杭州工業分行業對碳排放影響最大的因素都是能源效率，它們通過了1%顯著性水平的檢驗，影響的彈性系數分別為-0.6914、-1.2595和-1.6553，通過比較不難發現，杭州的能源效率對碳排放的影響最大，這說明當3個城市的工業分行業的能源效率提高的時候，它們的工業碳排放量都將會減低，但是杭州的降低幅度將達到最大，每單位的能源使用效率的提高會降低1.6553個百分點的碳排放。其他兩個因素人口規模和經濟規模工業碳排放呈正相關關系，影響的彈性系數稍低于能源效率，但也不容忽視，因為人口規模的膨脹和工業經濟的不斷發展將會增加大量的工業二氧化碳排放。對于蘇州和寧波的工業碳排放影響最大的是人口規模，每增加1個百分點的人口，將分別增加0.8956、1.2589個百分點的碳排放。另外，寧波的能源效率對碳排放的影響也較大，彈性系數達-1.0613，略低于人口規模的影響力，因此繼續提高能源的使用效率將會促使碳排放的大幅度下降。南京、蘇州、無錫、杭州和寧波這5個城市的工業部門內部結構和能源消費結構對碳排放的影響相對其他幾個因素要小的多，彈性系數均在0.5以下，它們的能源消費結構雖然都通過了1%顯著水平的檢驗，但影響的彈性系數都較低，南京、蘇州和寧波的工業部門內部結構也只在5%的顯著水平上通過檢驗，這說明長期以來以煤炭為主的能源消費結構對碳排放的影響雖沒有其他因素那么大，但也不能忽視。
四、小結
通過對長三角6個城市工業分行業的數據建立面板模型進行實證分析，研究了工業碳排放的各個影響因素，我們可以得到如下結論：
能源使用效率、人口規模、工業經濟規模、能源消費結構和工業部門內部結構這5個因素都不同程度地對碳排放產生了影響，能源使用效率與碳排放呈現負相關關系，在很大程度上減少了二氧化碳排放量，而后4個因素則表現為正相關，在不同水平上促進了二氧化碳排放量的增加。
上海、蘇州和寧波的人口規模對碳排放的影響系數最大，由回歸的結果表明，這3個城市的人口每增加1%，將會分別增加0.48%、0.90%和1.26%的工業碳排放量，而南京、無錫和杭州的能源效率對碳排放的影響系數最大，且表現為抑制作用，能源使用效率每提高1%，工業碳排放量將會分別減少0.69%、1.26%和1.66%。由此可見，長三角6個城市減少工業二氧化碳排放量應當著重從人口規模和能源效率入手，繼續控制人口的不斷膨脹和提高能源的使用效率。
工業經濟規模、能源消費結構和工業部門內部結構對于碳排放的影響顯著程度隨城市不同而不同，上海、蘇州、無錫和杭州的工業經濟規模是其工業碳排放增加的第二大促進因素，單位人均產出每增加1%，將會分別使碳排放增加0.43%、0.80%、0.98%和1.41%。長三角6個城市的能源消費結構和工業部門內部結構都在一定程度上促進了碳排放量的增加，但它們的影響系數明顯小于其他因素，均在0.5以下。因此，我們應當轉變經濟發展方式，改變一直以煤炭為主的能源消費結構，更加重視發展新能源和可再生能源，降低傳統化石能源，尤其是煤炭在一次能源消費總量中的比重，促進光伏、風電、核電等新能源的發展，強調創新驅動、依靠科學技術，關注產業結構調整。
主要參考文獻：
[1]張慶民，葛世龍，吳春梅.三次產業結構演化與碳排放機制研究——基于面板數據模型的實證分析[J].科技與經濟，2012.1.
二氧化碳排放影響范文3
關鍵詞：化工行業；二氧化碳；兩階段核算模型；減排潛力；
作者簡介：顧佰和(1987-)，男(滿族)，遼寧丹東市人，中國科學院科技政策與管理科學研究所，博士研究生，研究方向：綠色低碳發展戰略與政策分析.
1引言
化工行業是經濟社會發展的支柱產業，同時也是耗能和溫室氣體排放大戶。國際石油和化工聯合會的統計數據顯示，2005年世界二氧化碳排放量約為460億噸，其中化學工業的二氧化碳排放為33億噸，約占7.1%[1]。中國是世界上最大的化工制品國之一。其中合成氨、電石、硫酸、氮肥和磷肥的產量均排名世界第一[2]。2000年到2010年，中國的化工行業工業產值增長迅速，其中幾種主要化工制品例如：乙烯、電石、燒堿、硫酸、甲醇、硝酸等產品的產量在此期間增長了50%以上。2000-2010年化學原料及化學制品制造業能源消費量逐年上升，年均增長8.86%[3]，占全社會能源消費總量的比重基本保持在10%左右。
我國化工行業產品結構不合理，高消耗、粗加工、低附加值產品的比重偏高，精細化率偏低。美國、西歐和日本等發達國家和地區的化工行業精細化率已經達到60%~70%，而目前我國化工行業的精細化率不到40%。且我國化工行業工藝技術落后，高耗能基礎原材料產品的平均能耗比國際先進水平要高20%左右，因此我國化工行業存在較大的節能減排空間[4]。那么我國化工行業到底有多大的減排潛力，如何預測化工行業的溫室氣體減排潛力成為決策者和研究人員關注的焦點之一。
國內外學者圍繞行業溫室氣體減排潛力評估展開了一系列研究，但研究集中于鋼鐵行業[5-6]、電力行業[7-8]、交通行業[9-10]、水泥行業[11-12]等產品結構較為單一的行業。而由于化工行業的產品種類繁多，且工藝流程各不相同，目前對于化工行業的溫室氣體減排潛力研究，從研究對象上主要集中于少數幾種產品和部分工藝流程。Zhou[13]等全面細致的核算了中國合成氨生產帶來的二氧化碳排放和未來的減排潛力，并據此提出了促進減排的政策措施。Neelis[14]等學者從能量守恒的角度研究了西歐和新西蘭化工行業的68種主要工藝流程理論上的節能潛力。IEA[15-16]在八國集團的工作框架下，評估了化學和石油工業中49個工藝流程應用最佳實踐技術(BestPracticeTechnology)短期內所帶來的能效改善潛力。Patel[17]針對化學中間體和塑料等有機化學品給出了累積能源需求和累積二氧化碳排放量的核算流程和核算結果。
就關注的減排影響要素而言，主要涉及技術和成本兩方面。技術層面上，Park[18]等通過調查五種節能減排的新技術，使用混合的SD-LEAP模型評估了韓國石油煉制行業的二氧化碳減排潛力；Zhu[19]從技術進步的視角采用情景分析方法從整個行業的層面研究了中國化工行業的二氧化碳減排潛力，并提出一系列促進化工行業碳減排的措施；盧春喜[20]重點概述了氣-固環流技術在石油煉制領域中的研究與應用進展；王文堂[21]分析了目前化工企業節能技術進步所遇到的障礙，并對促進企業采取節能減排技術提出建議。成本方面，Ren[22]等對蒸汽裂解制烯烴和甲烷制烯烴兩種方式的節能和碳減排成本進行了對比；戴文智等[23]將環境成本作為石油化工企業蒸汽動力系統運行總成本的一部分，構建了混合整數非線性規劃(MINLP)模型，優化了多周期運行的石油化工企業蒸汽動力系統；高重密等[24]從綜合效益角度出發提出了化工行業實施碳減排的相關建議以及化工園區實施碳減排的管理模式；何偉等[25]設計了節能績效-減排績效關系圖及節能績效、減排績效與經濟效益協調關系三角圖。
在研究方法上，通過對以上文獻的歸納，不難發現情景分析已成為行業溫室氣體減排潛力的主流分析框架。已有的國內外大部分相關研究都采用情景分析方法[5-12，13，18，19]。情景分析方法是在對經濟、產業或技術的重大演變提出各種關鍵假設的基礎上，通過對未來詳細地、嚴密地推理和描述來構想未來各種可能的方案[26]。相比彈性系數法、趨勢外推法、灰色預測法等傳統的定量預測方法，情景分析法以多種假定情景為基礎，強調定性與定量分析相結合。情景分析法在進行預測時，不僅可根據預測對象的內在產生機理從定量方法上進行推理與歸納，還可對各不確定因素(自變量)的幾種典型的可能情況采取人為決策，從而更為合理地模擬現實。因此，情景分析法更加適用于影響因素眾多、未來具有高度不確定性的問題的分析。此外，情景分析法與傳統預測法還有一點顯著不同。傳統預測法試圖勾繪被預測對象未來的最可能發生狀況，以及這種可能程度的大小。而情景分析法采取的是一種多路徑式的預測方式，研究各種假設條件下的被預測對象未來可能出現何種情況。在情景分析中，各種假設條件不一定會自然出現，但通過這樣的分析，可幫助人們了解若要被研究對象出現某種結果需要采取哪些措施以及需要何種外部環境。
綜觀國內外學者的研究，有以下特點：從研究對象上來說，更多側重于化工行業產品層面二氧化碳減排潛力的研究，而鮮有從行業整體層面的研究；從研究要素上來說，一般只考慮單一要素對二氧化碳減排的貢獻，鮮有綜合考慮化工行業內部結構調整、技術進步、政策變動等多因素的研究。鑒于此，本文結合化工行業的產品結構特點構建了一套化工行業二氧化碳減排潛力綜合分析模型：首先結合化工行業產品種類繁多的特點，分別從行業和產品視角構建了一種兩階段二氧化碳排放核算模型；在此基礎上，綜合考慮化工行業的發展規模、結構調整、技術進步等因素，建立了化工行業二氧化碳減排潛力的情景分析方法，探索不同情景下化工行業的減排潛力和路徑。最后運用該方法以中國西部唯一的直轄市、國家首批低碳試點城市———重慶市的化工行業為例進行應用分析。最后提出了我國化工行業低碳轉型的對策建議。
2模型與分析方法
2.1核算邊界
化工行業的二氧化碳排放包括兩部分：一部分是由燃料燃燒產生的排放，另外一部分是工業過程和產品使用產生的排放。其中燃料燃燒產生的排放又分為化石燃料產生的直接排放以及電力、熱力消耗產生的間接排放，為了體現化工行業對區域二氧化碳減排的貢獻，本文將電力和熱力消耗產生的間接排放也計算在內。此外，一些化工產品在生產活動中是吸碳的，例如尿素的生產，這部分被吸收的二氧化碳需要在計算中扣除。
2.2化工行業二氧化碳排放兩階段核算模型
為了能夠得到化工行業全行業的二氧化碳排放量，同時能夠綜合考慮多種因素探索其二氧化碳減排潛力，本文針對化工行業特點構建了一種兩階段二氧化碳排放核算模型。模型中的主要參數名稱及其含義見表1。
2.2.1基于全行業視角的核算方法
行業視角核算方法主要針對化工行業二氧化碳排放的歷史和現狀。本文所研究的化工行業包括國民經濟行業分類中的化學原料及化學制品制造業、化學纖維制造業和橡膠制品業?；ば袠I是終端能源消費部門，通過能源平衡表，可以得到化工行業分能源品種的能源消耗量，根據2006年IPCC國家溫室氣體清單指南推薦的方法二，化工行業由燃料燃燒引起的二氧化碳排放量為：
部分產品在工業過程和產品使用中會產生二氧化碳排放，這部分排放量為：
此外，一些產品在生產過程中會吸收二氧化碳，被吸收的二氧化碳量為：
因此，基于行業視角核算的化工行業溫室氣體排放量為：
表1主要參數名稱及其含義下載原表
表1主要參數名稱及其含義
2.2.2基于產品視角的核算方法
化工行業產品種類雖多，但能耗相對集中在少數幾種高耗能產品上，2007年，合成氨、乙烯、燒堿、純堿、電石、甲醇這6種高耗能產品的能源消耗量占中國化工行業的54%[19]。現有的化工行業節能減排政策大部分集中在幾種主要的高耗能產品上，因此從產品層面探討化工行業的二氧化碳排放核算更具有現實意義。本文建立一種基于產品視角的核算方法來預測化工行業未來的二氧化碳排放。首先將化工行業由燃料燃燒引起的二氧化碳排放分為高耗能產品和其他產品兩部分。某種高耗能產品的二氧化碳排放量為：
其中EMi為第i種高耗能產品單位產品的二氧化碳排放量，計算方法見式(6)：
由于除主要耗能產品外的其他產品種類多，單個產品的能源消耗量不大，能源利用效率數據難以獲得，所以難以從單位產品能耗的角度對這部分產品的二氧化碳排放進行核算，本文將這部分產品作為一個整體來考慮，引入單位產值的二氧化碳排放來解決這一問題。其他產品合計的二氧化碳排放量為：
工業過程和產品使用排放以及產品對二氧化碳的吸收同基于行業視角的核算方法。
因此，基于產品視角核算的化工行業溫室氣體排放量為：
2.3減排潛力情景分析模型
2.3.1減排潛力的定義
潛力就是存在于事物內部尚未顯露出來的能力和力量。而減排潛力即存在于某一溫室氣體排放主體內尚未發掘的減排能力。為了能夠量化表達，本文將減排潛力進一步定義為某一溫室氣體排放主體通過努力可以實現的減排量。
本文所關注的是化工行業未來的二氧化碳減排潛力，這里為化工行業設置多種不同的發展情景。不同情景下的行業內部結構、技術水平、所面臨的宏觀和微觀政策各不相同，相應的會得到不同的二氧化碳排放路徑。其中一種情景稱之為BAU(BusinessAsUsual)情景，也叫照常發展情景，該情景下化工行業現有的能源消費和經濟發展趨勢與當前的發展趨勢基本保持一致，沿用既有的節能減排政策和措施，不特別采取針對氣候變化的對策。其他情景中化工行業分別針對氣候變化做不同程度的努力。所謂化工行業的二氧化碳減排潛力，針對關注的指標不同，有兩類不同的含義。一是絕對二氧化碳減排潛力，即目標年份中其他各情景的二氧化碳排放量相比BAU情景的減少量；二是相對二氧化碳減排潛力，即目標年份的二氧化碳排放強度相比基準年份降低的百分比。
通過同一年份各情景與BAU情景二氧化碳排放總量的橫向比較，以及同一情景不同年份間二氧化碳排放強度的縱向比較，便可分別得到化工行業的絕對和相對二氧化碳減排潛力。
2.3.2情景分析模型
根據減排潛力的定義，y年份化工行業的絕對二氧化碳減排潛力為：
其中CEyBAU為y年份化工行業BAU情景的二氧化碳排放總量，CEly為y年份化工行業情景l下的二氧化碳排放總量。
相對二氧化碳減排潛力是針對二氧化碳排放強度設置的指標，化工行業的二氧化碳排放強度為：
，其中V為化工行業的工業增加值。由此可以得到，y年份化工行業的相對二氧化碳減排潛力為：
其中，為基準年化工行業的二氧化碳排放強度，CEIly為y年份化工行業在情景l下的二氧化碳排放強度。
3案例分析
3.1對象描述
本文應用上述模型方法以重慶市化工行業為例展開分析?；ば袠I是重慶市重要的支柱產業之一。2011年重慶市化工行業實現工業總產值902億元，占重慶市工業總產值的比重達到7.6%。重慶市缺煤少油，但天然氣資源豐富，重慶市是國內門類最齊全、產品最多，綜合技術水平最高的天然氣化工生產基地。但重慶市化工行業部分產品的工藝技術路線落后，產品結構有待調整優化。2009年重慶市化工行業的精細化率僅約20%，低于全國的30%-40%的平均水平，更低于發達國家的60%-70%的水平。
根據重慶市化工行業發展現狀和趨勢，本文選取了合成氨、燒堿、純堿、甲醇、石油加工、乙烯和鈦白粉這七種產品作為重慶市化工行業的主要耗能產品。其中，2005年合成氨、燒堿、純堿、甲醇和鈦白粉這五種產品合計的二氧化碳排放占化工行業總體排放的46.5%，而石油加工、乙烯將是重慶市化工行業“十二五”期間重點發展的石油化工產業鏈中的上游產品。本文利用前文所述的化工行業二氧化碳減排潛力分析模型，分析了重慶市化工行業分別到2015年和2020年的二氧化碳排放變化情況，并通過不同情景間的比較得到其減排潛力。
3.2情景設置
化工行業的能源消耗和二氧化碳排放主要由以下幾方面因素決定：產業發展規模，產業內部結構，高耗能產品的產量，技術結構的調整，產品的技術進步率等。本文根據以上這些因素為重慶市化工行業設計了三個發展情景。
在這三種情景中，重慶化工行業未來經濟發展變化的基本趨勢保持一致。2005—2011年重慶市化學工業總產值年均增長29.5%，未來重慶化工行業將繼續保持比較高的經濟增長速度。根據《重慶市化工行業三年振興規劃》，到2015年重慶市化工行業總產值將達到2000億元。由此本文設定2011-2015年重慶市化學工業總產值的年均增長率為23.0%，2015-2020年年均增長率降低到20.0%。與此不同的是，為了支持這種經濟的發展需求，三種情景分別設定了不同的能源消費增長和利用模式，具體描述如下。
表2情景定性描述表下載原表
表2情景定性描述表
3.3數據來源及處理過程
重慶市化工行業總產值和增加值現狀數據來自《重慶市統計年鑒》(2005-2012)，化工行業未來總產值數據來自《重慶市化工行業三年振興規劃》；行業內部結構現狀數據來自《重慶市化工行業統計公報》(2005-2010)；化工行業分能源品種能源消耗量數據來自《中國能源統計年鑒》(2005-2012)；各主要耗能產品產量數據來自《重慶市統計年鑒》(2005-2012)；各主要高耗能產品綜合能耗參照《中國化學工業年鑒》、《中國低碳發展報告2011~2012》、高耗能產品能耗限額標準(由國家標準化管理委員會制定和頒布)和《能效及可再生能源項目融資指導手冊(2008)》，各主要高耗能產品未來所采用的工藝比例和能源消耗參考《2050中國能源和碳排放報告》中的設置，不同的情景將設置不同的技術參數；各種一次能源的二氧化碳排放因子以及各主要耗能產品工業過程與產品使用的排放因子均來自《省級溫室氣體清單編制指南》，電力的二氧化碳排放因子參考中國國家發改委每年公布的“中國區域電網基準線排放因子的公告”，蒸汽的二氧化碳排放因子通過重慶市的能源平衡表間接計算得到，單位尿素吸收的二氧化碳量用尿素的碳含量(12/60)乘以二氧化碳與碳的轉換因子(44/12)得到。主要耗能產品的單價參照中國化工產品網的報價。
3.4結果分析
3.4.1絕對減排潛力
(1)行業總體排放情況
通過模擬計算，重慶市化工行業未來的二氧化碳排放量如下圖1所示。
圖1重慶化工行業各情景二氧化碳排放總量
圖1重慶化工行業各情景二氧化碳排放總量下載原圖
隨著石油化工的引進，未來重慶化工行業將進入一個飛速發展的階段。三個情景的二氧化碳排放總量都呈明顯的上升趨勢，但由于所采取的結構調整和技術改進措施不同，二氧化碳排放總量上升的幅度有所不同。
BAU情景中，由于精細化工比例不高，到2020年只為45%，技術進步率有限，二氧化碳排放上升幅度最大。2015年和2020年的二氧化碳排放量分別為2005年的7.5和13.3倍。
節能情景中，化工行業的精細化工比例相比BAU情景有所提高，到2020年達到50%，工藝設備的技術進步也更顯著。2015和2020年二氧化碳排放總量比BAU情景分別低492萬噸和1338萬噸。
低碳情景中，化工行業的精細化比例進一步提高，到2020年達到55%左右，主要耗能產品的技術水平達到或接近國際先進水平。2015年和2020年二氧化碳排放總量比BAU情景分別低985萬噸和2644萬噸。
(2)主要耗能產品排放情況
2005年，合成氨、燒堿、純堿、甲醇和鈦白粉這五種主要耗能產品合計的二氧化碳排放量占重慶市化工行業總體二氧化碳排放的46.5%。未來由于化工行業產品結構的調整，高能耗產品產出占化工行業的比例越來越低，加上化工行業工藝技術的改善，尤其對主要耗能產品進行的技術改造，使得主要耗能產品的二氧化碳排放量在重慶化工行業二氧化碳排放總量中所占的比重越來越低，見下圖2：
圖2八種主要耗能產品合計二氧化碳排放占化工行業總體比重
圖2八種主要耗能產品合計二氧化碳排放占化工行業總體比重下載原圖
BAU情景中，2015年八種主要耗能產品占化工行業總體二氧化碳排放的比重為29.7%，到2020年降低到18.4%。
節能情景中，2015年八種主要耗能產品占化工行業總體二氧化碳排放的比重降至26.2%，到2020年進一步降低到16.7%。
低碳情景中，2015年八種主要耗能產品占化工行業總體二氧化碳排放的比重為22.0%，到2020年進一步降低到15.2%。
雖然未來各情景主要耗能產品的二氧化碳排放占化工行業總體的比重有所下降，但仍在化工行業中占有重要的地位，未來在進行產品結構調整的同時，主要耗能產品的節能減排仍將是化工行業實現二氧化碳減排的重要方面。
3.4.2相對減排潛力
(1)行業總體相對減排潛力
重慶市化工行業未來的二氧化碳排放強度(萬元GDP二氧化碳排放量)如下圖3所示。
圖3重慶化工行業各情景二氧化碳排放強度
圖3重慶化工行業各情景二氧化碳排放強度下載原圖
與排放總量顯著上升形成鮮明對比的是，重慶化工行業的二氧化碳排放強度下降明顯。原因在于重慶化工行業在未來十年將進入一個飛速發展的階段，2020年重慶化工行業的增加值相比2005年將增加30倍。而由于對高耗能產品規模的控制，精細化工比例的大幅提高，化工行業內部結構得到不斷優化；同時由于化工行業的能效水平不斷提高，到2020年逐步接近或達到國際先進水平，使得三個情景中，2020年重慶化工行業的二氧化碳排放總量相比2005年分別只增加了13.3、11.6和9.9倍。從而導致三個情景化工行業的二氧化碳排放強度均有較大幅度的下降。各情景二氧化碳排放強度相比2005年降低幅度見下表3。
表3重慶化工行業各情景二氧化碳排放強度相比2005年降低百分比下載原表
表3重慶化工行業各情景二氧化碳排放強度相比2005年降低百分比
(2)主要耗能產品相對減排潛力
隨著節能減排技術的不斷改進和推廣，未來重慶市化工行業各主要耗能產品的單位二氧化碳排放量將不斷降低，由于篇幅有限，本文僅以合成氨為例進行分析。
重慶市合成氨均以天然氣為原料，2005年重慶市大型天然氣制合成氨的比重僅為3.8%。單位合成氨二氧化碳排放量為3.0噸。若扣除末端尿素固碳量，則2005年單位合成氨二氧化碳排放量為2.7噸。未來由于大型天然氣制合成氨所占比重越來越高，使得重慶市未來單位合成氨二氧化碳排放顯著降低，見下圖4和圖5。
圖4單位合成氨二氧化碳排放量
圖4單位合成氨二氧化碳排放量下載原圖
圖5單位合成氨二氧化碳凈排放量(去除尿素固碳)
圖5單位合成氨二氧化碳凈排放量(去除尿素固碳)下載原圖
BAU情景中，2015年大型天然氣制合成氨的比重達到50%，合成氨二氧化碳排放總量占化工行業總排放的6.7%，單位合成氨二氧化碳排放降低到2.2噸；2020年大型天然氣制合成氨的比重達到80%，合成氨二氧化碳排放只占化工行業總排放量的3.8%，單位合成氨二氧化碳排放進一步降低到1.8噸。
節能情景中，2015年大型天然氣制合成氨的比重達到60%，合成氨二氧化碳排放總量占化工行業總排放的5.3%，單位合成氨二氧化碳排放降低到2.0噸；2020年大型天然氣制合成氨的比重達到90%，合成氨二氧化碳排放總量占化工行業總排放的2.9%，單位合成氨二氧化碳排放進一步降低到1.6噸。若扣除末端尿素固碳量，2015年和2020年重慶市合成氨的二氧化碳排放量分別可減少117.3萬噸和146.7萬噸，單位合成氨二氧化碳排放分別降低到1.1噸和0.7噸。
低碳情景中，2015年大型天然氣制合成氨的比重達到70%，合成氨二氧化碳排放總量占化工行業總排放的3.8%，單位合成氨二氧化碳排放降低到1.8噸；2020年大型天然氣制合成氨的比重將達到100%，合成氨二氧化碳排放總量僅占化工行業總排放的2.3%，噸合成氨二氧化碳排放進一步降低到1.5噸。
4結語
二氧化碳排放影響范文4
【關鍵詞】能源；碳排放；城市規劃
0 引言
城市是消費最為集中的地域，消費了能源的75%，排放了全球溫室氣體的80%，為應對日益嚴重的氣候變化壓力及能源安全壓力，提出了低碳城市的建設構想，重視城市發展過程中碳排放量的最小化，實現城市的可持續發展。
1我國我國二氧化碳排放現狀與特征
1.1我國二氧化碳排放現狀與特征
按購買力平價計算，我國2008年單位GDP的排放強度為每美元0.59kg二氧化碳，高于同期世界碳強度平均水平的每美元0.46kg二氧化碳。我國碳強度一直高于世界平均水平；2000年以后，我國的碳強度大約為日本的兩倍。
從更長的時間尺度看，我國的能源消耗強度以及碳排放強度在20世紀50年代末和60年代初達到頂峰，之后開始下降；在20世紀70年代中后期又開始上升達到另一個高峰，只不過峰值點低于上一個峰值，呈現比較明顯的雙峰曲線特征。從總體上看，中國在收入很低的情況下，跨越了能源消耗或碳排放的強度高峰，相遇于發達國家不能不說是一個奇跡。
1.2工業是主要的碳排放源
《人類發展報告2009/10》的計算結果顯示，按照中國的通行行業劃分，在工業部門內部，排放量排前五位的行業分別是電力、熱力生產和供應業業，石油加工、煉焦及核燃料加工，黑色金屬冶煉及壓延加工業，非金屬礦物制品業，化學原料及化學制品制造業。這五大行業占工業二氧化碳排放的比例超過75%。
隨著我國經濟發展對電力需求的快速增長，電力成為二氧化碳激增的 主要原因。據IEA統計，中國在1990-2008年來自發電行業的排放量基本源于燃煤發電。世界能源展望（2009）參考情景預測，到2030年，我國交通部門的排放量將占到總排放量的12%。
2城市碳排放影響因素
2.1能源結構分析
能源結構之能源總生產量或總消費量中各類一次能源、二次能源的構成及其比例關系。能源結構是能源系統工程研究的重要內容，它直接影響國民經濟各部門的最終用能方式，并反映人民的生活水平。
研究能源的生產結構和消費結構，可以掌握能源的生產和消費狀況，為能源供需平衡奠定基礎。不同國家能源的生產結構和消費結構各不相同。能源生產的資源條件，人們對環境的要求、能源貿易以及社會的技術經濟發展水平等因素的影響，都會使能源結構變化相應的變化。
目前，我國能源消費結構與世界能源消費結構相比存在較大的調整空間。在一次能源消費中，石油在中國的消費比例為18.8%。世界平均水平為34.8%，中國比世界低16個百分點；天然氣占中國的消費比例為3.6%，低于世界平均水平（24.1%）20個百分點以上，而中國的煤炭消費比例高達70.2%，高于世界平均水平（29.2%）41個百分點；中國的核電只占不到1%，而世界平均水平達到了5.5%。我國能源消費結構差異巨大，可以調整的空間也很大。
2.2產業結構分析
產業的低碳化，只要是以低能耗低污染為基礎的產業，是同能源、交通、建筑、農業、工業、服務、消費等領域有密切關系的產業。產業的低碳化主要核心的兩部分，一是清潔能源，即包括太陽能、風能、生物能、水、電、潮汐、地熱等，也包括延伸出來的清潔煤炭技術等；另一個就是節能減排技術，主要是提高能源利用效率的各種技術，涉及供應、交通、建筑等。
除了兩個核心部分，還有衍生出來的低碳金融，包括碳排放交易、投資低碳的基金、信貸等衍生品。
2.3人口因素分析
人口是經濟和社會系統的核心，是發展的原動力和最終受益者，因此，人口問題是人類社會生存發展的基本問題。20世紀下半葉，全球范圍內的經濟穩定的發展，人口出生率大于死亡率，人口快速增長。人口過多必然必然造成資源的過度需求，導致資源過度消耗，從而加重資源危機。目前由于人類技術遠遠趕不上人口增長和消費需求的增長，而不可再生資源的儲量是有限的，在一定的歷史時期和一定的科學技術水平上，資源是有限的，人口過多必然加劇資源的利用危機，降低人均資源量。
3結論
城市低碳發展是一個涉及人口、資源、技術、制度等因素，各個因素之間是相互影響的動態進程，人口因素是傳統因素分析的必然研究內容，而能源結構和產業結構是傳統分析較少涉及的，本文對以上的幾種因素進行了簡單的分析概況，為碳排放驅動因素進行多角度、多層次的分析。
【參考文獻】
[1]徐筑燕.發展經濟學[M]清華大學出版社，2012，4
[2]婁偉.低碳經濟規劃[M]社會科學文獻出版社，2011，1
二氧化碳排放影響范文5
（華北電力大學（保定） 經濟管理學院，河北 保定 071003）
摘要：基于灰色理論和馬爾科夫理論,建立傳統的灰色馬爾科夫預測模型;對傳統灰色馬爾科夫預測模型初始預測值的構造存在的一定誤差進行改進,并用改進后的新模型計算全國碳排放量，然后將全國碳排放量預測結果與傳統的灰色馬爾科夫模型進行對比;預測結果表明:改進后的灰色馬爾科夫模型預測精度有了進一步的提高并驗證了算法的有效性.
關鍵詞 ：碳排放量；二氧化碳排放量；灰色理論模型；馬爾科夫鏈；新陳代謝
中圖分類號：F224文獻標識碼：A文章編號：1673-260X（2015）05-0071-03
1 引言
中國作為世界上最重要的發展中國家之一，多種因素促成碳的排放量始終高于其他國家.目前中國是全球最大的碳消費國和第二大的石油消費國，對世界環境和自身發展都造成了不利影響.因此針對碳排放量的先進準確預測變得尤為重要，它能夠使得政府或相關部門在碳排放量情況變得更加嚴峻之前調整能源方針，提出更加行之有效的節能低碳方案并付諸行動.
文獻[1]中擬建立關于能源消費碳排放量的多因素灰色預測模型,并對GM(1,N)和GM(0,N)模型預測能源消費碳排放量的精度進行了檢驗和對比分析.文獻[2]中利用灰色關聯分析原理,對中國碳排放影響因素進行篩選,再利用BP神經網絡模型對中國碳排放進行預測,從而大大地提高了神經網絡的訓練速度,并且達到了良好的預測效果.
2 傳統的灰色馬爾科夫建模
2.1 灰色系統理論
設原始時間序列：X(0)={x(0)(1),x(0)(2),…,x(0)(n)}；經過一次累加得新的時間序列：X(1)={x(1)(1),x(1)(2),…,x(1)(n)}，其中x(1)(k)=x(0)(i)，則GM(1,1)模型的原始形式為：
x(0)(k)+ax(1)(k)=b
若為參數列，且其中:
z(1)(k)=1/2[x(1)(k-1)+x(1)(k)]；
則GM(1,1)模型x(0)(k)+ax(1)(k)=b的最小二乘估計參數列滿足等式：
=(BTB)-1Y
推出關于x(0)(k)預測模型預測值表達式為：
x(0)(+1)=(1-ea)x(0)(1)-b/ae(-ak)；k=0,1,2,…，n
2.2 馬爾科夫過程
假設{X(t),t∈T}是定義在概率空間(?贅,f,P)上的隨機過程，狀態空間S，若對于任意n>0狀態i1，i2，in+1∈S均有：
P{Xn+1=in+1|X1=i1，X2=i2,…,Xn=in}=P{Xn+1=in+1|Xn=in}
則稱{X(t)，t∈T}為馬爾科夫鏈，此種概率所表示現象稱為無后效性，即在當前情況下，系統未來的變化不受過去影響，只依賴于目前所處的狀態，此過程為馬爾科夫過程.
對Pij(n)(m)=P{Xm+n=j|Xm=i}，且i,j∈S進行定義為系統在m時刻所處i狀態下經過n步轉移后處于j狀態的n步轉移概率，在齊次馬爾科夫鏈下，記Pij(n)=Pij(n)(m)，i,j∈S,n≥1，稱為馬爾科夫鏈的n步轉移概率；
設Pij={pij}=為系統狀態的轉移概率矩陣.n步轉移概率矩陣P(n)={Pijn}，矩陣元素具有如下性質：
2.3 傳統灰色馬爾科夫模型
現實生活中的各種不確定因素使得轉移概率難以實現確切地表達，只能得到一個轉移概率取值的灰色區間集pij().
若有限狀態灰色馬爾科夫鏈的初始分布為PT(0)={p1,p2,…,pn}，轉移矩陣為p()=[pij()]均已知情況下，我們可以對未來任取某一時期系統的分布進行預測.即：
PT(s)=PT(0)Ps().
定義Qij(m)為從灰色狀態i經m步后轉移到灰色狀態j的原始數據樣本數，Qi為所處灰色狀態i的原始樣本數，得到：pij(m)=；i=1,2,…,n為狀態轉移概率.
通常只考慮一步狀態概率矩陣，若預測對象處于k狀態，若狀態概率矩陣中第k行滿足：，則認為系統下一時間點最有可能由k轉移到l狀態.若存在兩個或兩個以上最大值，就需要對兩步或兩步以上的轉移概率矩陣進行考察，以便確定狀態未來走向.
3 傳統模型對全國碳排放預測
3.1 數據提取與轉化
由中國統計年鑒得到2005年至2014年各年能源消費總量及煤炭、石油、天然氣以及電能等所占能源消耗比例，見表3-1.
由于計算各年二氧化碳排放量過程中需要進行系數轉化，因此給出各能源二氧化碳轉化系數，見表3-2.
因此，各年二氧化碳排放量，如下表3-3所示.
3.2 模型預測結果及分析
將所得各年CO2排放量數據帶入傳統灰色預測模型，得到各年CO2排放量的預測數值，計算出實際值與預測值之間的誤差以及誤差相對值，然后將其與馬爾科夫鏈模型相結合，對所得誤差相對值進行排序，并按照順序分為三組，進行三種灰色狀態劃分，記1=（-6.9%，-1.54%]，2=(-1.54%，-0.01%]，3=（-0.01%，2.55%],具體各年預測值、誤差、相對誤差及所屬狀態見表3-4.
由表3-4可知，相對誤差的狀態轉移矩陣P為：
P=
2005年處于狀態1，則狀態向量表示為x0=（1,0,0），則對2006年狀態預測為：
P(1)=x0P=(1,0,0)=(1/2,0,1/2)
則預測2006年可能處于第一狀態或者是第三狀態，即相對的誤差范圍處于（-6.9%，-1.54%]或3=（-0.01%，2.55%]，每個狀態區間可能預測值可認定為該狀態區間的中點，由于未來狀態預測值表達式為：
因此2006年的二氧化碳排放量預測修正值為：
同單純灰色預測模型相比，灰色馬爾科夫模型的預測值更為準確，同理通過灰色馬爾科夫預測模型得出各年二氧化碳預測值.見表3-5.
4 改進的灰色馬爾科夫預測模型
為了能夠更準確地了解系統未來的發展動態和走向，我們引入了新陳代謝的GM(1,1)模型.新陳代謝的GM(1,1)模型作為灰GM(1,1)模型的一種特殊的優化模型，它充分利用了灰色GM(1,1)模型對“少數據”進行預測的這一優點.在將舊的信息去掉的同時不斷填充新的數據信息，及時地反應系統當前的狀態特征，有利于更好地掌握系統的未來發展走向.
首先將由灰色模型得到的2014預測值記為x(0)(10)，然后舍棄最早的2005年數據，則得到新的X(0)={x(0)(2),x(0)(3),……,x(0)(10)}，然后得到新模型的預測值、殘差、相對誤差及所屬狀態，見表4-1.
同理，對所得誤差相對值進行排序，并按照順序分為三組，進行三種灰色狀態劃分，記1=（-2.94%，-0.79%]，2=(-0.79%，0.15%)，3=[0.62%，2.41%],由表4-1可知，相對誤差的狀態轉移矩陣P為：
同理，通過狀態轉移矩陣，得出各年預測值，見表4-2.
5 改進后模型的預測結果分析比較
通過前面四章分析計算，可以分別得出三種方法的平均絕對誤差、平均相對誤差以及均方差，見表5-1：
由表5-1可知，改進后的灰色馬爾科夫模型具有更為客觀的平均絕對誤差和相對誤差值，同時也具有較為優秀的均方差值，尤其是在2014年的預測中，表現的尤為優秀，表明同新陳代謝相結合的灰色馬爾科夫改進后模型能夠準確預測全國二氧化碳排量總量，因此用這種方法改進的模型具有可行性，提高了預測的準確性.
6 結論
本文在理論、方法、以及技術上對全國二氧化碳的排放量預測進行了研究.本文首先簡單介紹了馬爾科夫過程和灰色系統理論的一些基礎知識；然后分別運用傳統灰色模型和灰色馬爾科夫預測模型對二氧化碳排放量進行了初步預測；最后，用新城代謝方法對灰色馬爾科夫預測模型做了改進，并將改進后的模型再次用于對全國郵電業務總量的預測.由最終的預測結果可以得出，改進后的預測模型能相對準確地對全國二氧化碳排放量的數據進行預測，預測的精度和準確度相對于傳統模型有了很大的提升.
參考文獻：
〔1〕張勇，劉嬋，姚亞平.GM(1,N)與GM（0,N）模型在能源消費碳排放預測中的比較研究[J].數學的實踐與認識,2014(3):72-79.
〔2〕季廣月.基于灰色關聯分析的BP神經網絡模型在中國碳排放預測中的應用[J].數學的實踐與認識,2014(7):243-249.
〔3〕鄧聚龍.灰色理論基礎[M].武漢：華中科技大學出版社，2002.
〔4〕鄧聚龍.灰色系統基本方法[M].武漢：華中科技大學出版社，1998.
〔5〕劉思峰，黨耀國，方志耕，等.灰色系統理論及應用（第三版）[M].北京：科學出版社，2004.
〔6〕孫榮恒.隨機過程及其應用[M].北京：清華大學出版社，2004.
〔7〕李龍鎖，王勇.隨機過程[M].北京：科學出版社，2011.
〔8〕牛東曉..粒子群優化灰色模型在電力負荷中的應用[J].中國管理科學，2007.
二氧化碳排放影響范文6
一、碳排放的研究內容和研究方法
碳排放量主要是根據二氧化碳產生的化學原理，制定出最優化的碳排放量的估算方法，工作人員應該分析當前中國碳排放和經濟發展的現狀，并由此確定二者之間相互影響的作用方向；還可以通過抽樣調查，從中探究碳排量和農業經濟增長的關系[1]。碳排放的研究方法可分為以下兩種：
1碳排放測算方法
碳排放量可以按照生產者和消費者的責任原則進行計算，計算的公式為：碳排（29.27MJ/kg）×燃料含碳量×氧化率×C轉化為CO2的系數44/12。
2彈性分析法
在對經濟增長和碳排放的關系進行分析時，應采用彈性分析法對CO2排放量的GDP彈性進行計算，該公式為：碳排放量的GDP彈性=CO2排放量變化的百分比/GDP變化的百分比。
二、中國碳排放的現狀
要知道，只有消耗能源才能促進國家的經濟增長，那么，在消耗能源的背后就是對環境的危害，尤其是碳排放，對生態環境造成了很大的威脅，就近幾年中國的碳排放量進行分析[2]，總結出：隨著時間的變化，碳排放量的增長率在逐年增長。由此可見，碳排放在促進增長的建設中扮演著重要的角色。
三、中國經濟增長與碳排放脫鉤狀況
近20年來，中國的碳排放量和GDP增長的脫鉤狀態分為以下三個階段：第一階段呈現弱脫鉤的狀態；第二階段主要表現為擴張性負脫鉤；第三階段又回到了弱脫鉤的狀態，這三個階段呈現的是低-高-低的趨勢，由此可見，經濟的增長速度越快，碳排放量就越多，也就是說，碳排放量是隨著經濟增長的多少決定的。
四、經濟增長與碳排放之間關系的宏觀背景
由于碳排放所帶來的環境問題已經被越來越多的人們關注，這主要是因為人們在追求經濟增長的同時，嚴重的破壞了自然環境，實際上，這不僅破壞了環境還給人們的生活造成了影響?，F今，全球氣候變暖已經變成了事實，為了控制這一情況的繼續發展，低碳經濟作為一種新型的經濟發展形態應運而生。那么，如何發展低碳經濟呢？首先，要確定發展低碳經濟的途徑，其途徑是：調整經濟結構、改變生活方式以及發展可再生能源技術，當然除此之外還要充分地發揮政府的職能，提高政府的管理水平。低碳經濟從表面上看是為了應對溫室氣體排放而制定的新型經濟發展形態，實際上，它也包含很多內容[3]，它不僅是企業發展的主體，還是現代市場經濟發展的主要模式，實行低碳經濟模式，必須要從多方面進行節能減排，要知道，節能減排是構建低碳文明的基礎，它可以促使環境和經濟增長同時發展，所以，低碳經濟是國家可持續發展的必由之路，與此同時，低碳經濟也成為了國家可持續發展的指南，為可持續發展提供了可操作性路徑，主要包括：低碳能源系統、低碳產業系統、低碳技術系統等。碳排放與經濟增長的關系是低碳經濟發展持續的關鍵之處，只有處理好碳排放與經濟增長的關系，才可以順利推進國家的可持續發展。
五、碳排放影響因素的實證研究
要想讓中國的經濟更快更好地發展,就要明確以下幾個問題:碳排放影響因素的問題？不同區域的碳排放影響相同嗎？這些因素是如何影響碳排放的？這些問題都對國家的經濟增長有著重要的影響。根據眾多的專家研究，可以得出影響碳排放的主要因素是：產業的規模、結構以及能源消費結構和技術管理水平等。通過對影響碳排放的主要因素進行分析[4]，可以得出：在國家經濟增長的同時，農業的產業規模也在不斷擴大，由此可得出，在能源消費的過程中，碳排放的數量是隨著煤炭的碳排量系數升高而增大的，為控制碳排放量的增大，要做到以下幾點：
1加快產業結構的調整
目前，中國正處在工業化發展時期，二氧化碳的排放給中國的環境帶來了很大的壓力，因此，要對產業結構進行調整，完成中國產業結構的升級，以促進低碳經濟的發展，減少碳排放。
2加快技術創新
無論是任何一項工作都應該要求有技術上的創新，所以，在控制碳排放上也要加強技術創新，通過先進的技術減少污染物的排放，從而推動國家的經濟發展。
3增加潔凈能源
要知道，中國是一個將煤炭作為主要能源的國家，所以，大量的碳排放都是因為煤炭的燃燒而產生的，為控制碳排放，應加大利用可再生能源，以此來改變能源結構，達到控制碳排放的目的?？傊?，中國要減少碳排放，就要對農業的產業結構進行調整，與此同時，提升清潔生產水平，這對控制碳排放也很重要，只有這樣，才能實現經濟增長和碳排放之間的協調發展。
結束語：