為了量化探究人口、經(jīng)濟(jì)和科技等因素對城市交通碳排放的影響,緩解交通業(yè)所帶來的能源消耗和客環(huán)運(yùn)境量壓、城力市,文化章率首、客先運(yùn)選及用貨能物源周終轉(zhuǎn)端量消等費(fèi)7測個(gè)算因法素計(jì)變算量了,通200過5構(gòu)—2建01可6拓年展西的安隨市機(jī)的性交環(huán)通境碳影排響放評量估,（然S后TIR引P入AT地）鐵模型,采用偏最小二乘（PLS）回歸方法,對選取的影響因素進(jìn)行量化分析。結(jié)果顯示,經(jīng)濟(jì)發(fā)展對西安市交通碳排放起促進(jìn)作用,科技水平的提高起抑制作用,且兩者均為關(guān)鍵因素;人口規(guī)模的擴(kuò)張效應(yīng)影響較小;西安市交通碳排放存在環(huán)境庫茲涅茨曲線,表明經(jīng)濟(jì)發(fā)展與環(huán)境保護(hù)初步協(xié)同。 

【文章來源】：統(tǒng)計(jì)與決策. 2020,36(04)北大核心CSSCI

【文章頁數(shù)】：5 頁

【部分圖文】：

可看出，西安市經(jīng)濟(jì)穩(wěn)定增長趨勢明顯，交通碳排放量呈現(xiàn)出先增后降的趨勢，而碳排放強(qiáng)度則呈現(xiàn)出

彩薪煌?運(yùn)輸業(yè)能源消費(fèi)量，乘以2006年IPCC公布的各能源標(biāo)準(zhǔn)煤系數(shù)算出西安市交通業(yè)各能源終端消費(fèi)量（標(biāo)準(zhǔn)煤）。圖2顯示西安市交通運(yùn)輸業(yè)各類能源最終消費(fèi)量極不平衡，主要消耗為柴油、汽油。其中，污染較大的一次能源，在2013年以前消耗量逐年增加，2013年以后則呈現(xiàn)顯著降低趨勢。隨著科研技術(shù)的提高和低碳政策的實(shí)施，西安市能源消耗結(jié)構(gòu)發(fā)生改變，清潔能源逐漸進(jìn)入市常200520062007200820092010201120122013201420152016年份原煤天然氣汽油煤油柴油燃料油1009080706050403020100萬噸圖2能源標(biāo)準(zhǔn)煤終端消費(fèi)量趨勢圖2西安市交通碳排放的測算2.1碳排放測算模型建立借鑒多數(shù)學(xué)者對交通碳排放量的測算方法，結(jié)合實(shí)際數(shù)據(jù)的采集情況，本文采用基于交通能源消耗的“自上而下”的碳排放量算法，即把范疇內(nèi)各類能源標(biāo)準(zhǔn)煤的終端消耗量與相應(yīng)的各能源碳排放系數(shù)（噸碳/噸標(biāo)準(zhǔn)煤）（見表1）相乘構(gòu)建測算模型：C=Qi×Ki（1）式（1）中，C定義為交通碳排放量，Qi為第i種能源標(biāo)準(zhǔn)煤的終端消費(fèi)量，Ki為第i種能源的碳排放系數(shù)，i=1?2???6，分別表示原煤、天然氣、汽油、煤油、柴油、燃料油。2.2碳排放測度及分析2.2.1交通碳排放總量與人均量變化分析經(jīng)過上述測算方法，計(jì)算得出的西安市交通碳排放量，結(jié)合2005—2016年西安市年末人口數(shù)，計(jì)算出人均交通碳排放量。由圖3可知：2005—2016年西安市交通運(yùn)輸業(yè)碳排放總量呈現(xiàn)出先緩增后微降的趨勢，2005—2013年逐年上升，9年時(shí)間增長了2.51倍。但隨著2014年國家低碳政策的實(shí)施，西安市的交通碳排放量逐漸控制減少，三年內(nèi)降低了33.24%。人均交通碳排放量與交通碳排放總量大致呈現(xiàn)出同步變化，說明西安?

咕榷嘀毓蠶咝緣姆椒ㄓ瀉芏啵?疚難≡?集主成分分析、典型相關(guān)分析和線性回歸分析基本功能于一體的偏最小二乘回歸（PLS）法。3.2.2PLS回歸結(jié)果對原始變量序列進(jìn)行對數(shù)轉(zhuǎn)換后，應(yīng)用SIMCA14.1，采用PLS回歸能夠有效地降低多重相關(guān)性的危害，從而得出可信的回歸結(jié)果。首先，通過th/uh散點(diǎn)圖和T2橢圓圖兩種方式判斷PLS擬合的優(yōu)劣。在PLS回歸中提取的成分具有明顯的典型成分特征，繪制th/uh平面圖來觀測th與uh的線性關(guān)系，進(jìn)而判斷自變量與因變量之間的關(guān)系。圖5t1/u1的平面圖圖5中除了個(gè)別點(diǎn)外，大部分被提取的t1和u1顯現(xiàn)出較強(qiáng)的線性關(guān)系，初步判斷采用PLS建立Y對X的線性模型是合理的。在PLS中提取的th雖然不是主成分分析中的主成分，但卻帶有明顯的主成分特征，通過觀察T2橢圓圖在t1/t2平面圖上樣本點(diǎn)所在高維空間的分布特征以及各樣本點(diǎn)的相似性結(jié)構(gòu)，用于發(fā)現(xiàn)取值遠(yuǎn)離樣本點(diǎn)集合平均水平的特異點(diǎn)。從圖6可以看出，模型中只有個(gè)別數(shù)據(jù)比較偏離中心，但都在橢圓內(nèi)部，本文研究模型中樣本的取值是合理的。圖6T2橢圓圖其次，SIMCA14.1會根據(jù)變量R2Y（累積解釋能力）和Q2（交叉有效性）等指標(biāo)選取最佳的成分個(gè)數(shù)進(jìn)行PLS的自動擬合，結(jié)果如表4所示。表4模型提取成分信息ModelM1TypePLSA3N12R2X(cum)0.994R2Y(cum)0.938Q2(cum)0.872由表4可知，系統(tǒng)從自變量集合中提取了3個(gè)成分，它們對自變量集合的概括精度達(dá)到87.2%，方程對西安市交通碳排放的解釋能力達(dá)到93.38%，精度較高。表4中R2X(cum)、R2Y(cum)和Q2(cum)三者均大于0.85，一般來說，如果三個(gè)指標(biāo)的值均大于0.8，則認(rèn)為回歸結(jié)

【參考文獻(xiàn)】：
期刊論文
[1]中國不同城鎮(zhèn)化發(fā)展區(qū)域的城鎮(zhèn)化率對碳排放影響研究[J]. 石芳芳,王輝,郭名媛.  甘肅科學(xué)學(xué)報(bào). 2017(06)
[2]基于IEA統(tǒng)計(jì)視角的我國交通碳排放測度與修正[J]. 周銀香,李蒙娟.  綠色科技. 2017(12)
[3]居民生活消費(fèi)碳排放影響分析與動態(tài)模擬預(yù)測[J]. 劉云鵬,王泳璇,王帆,丁哲,趙文晉.  生態(tài)經(jīng)濟(jì). 2017(06)
[4]區(qū)域交通碳排放相關(guān)指標(biāo)測算及影響因素分析[J]. 陳亮,何濤,李巧茹,田曉勇,魏瑋.  北京工業(yè)大學(xué)學(xué)報(bào). 2017(04)
[5]基于LMDI模型的貴陽市交通碳排放及其影響因素分析[J]. 曹甲威,趙翠薇.  貴州科學(xué). 2017(01)
[6]中國客運(yùn)交通的碳排放地理特征與展望[J]. 李琳娜,Becky P.Y.Loo.  地理研究. 2016(07)
[7]二氧化碳排放強(qiáng)度預(yù)測與“十三五”減排路徑分析——基于STIRPAT模型的構(gòu)建[J]. 李虹,婁雯.  科技管理研究. 2016(05)
[8]江蘇省交通運(yùn)輸業(yè)能源消費(fèi)碳排放及脫鉤效應(yīng)[J]. 楊良杰,吳威,蘇勤,杜志鵬,蔣曉威.  長江流域資源與環(huán)境. 2014(10)
[9]上海市交通能源消費(fèi)碳排放的測算與分解分析[J]. 吳開亞,何彩虹,王桂新,張浩.  經(jīng)濟(jì)地理. 2012(11)
[10]城市交通碳排放影響因素實(shí)證研究——來自京津滬渝面板數(shù)據(jù)的證據(jù)[J]. 蘇濤永,張建慧,李金良,倪穎.  工業(yè)工程與管理. 2011(05)



本文編號：3617944