伴隨著全球氣候變暖問題的日益嚴峻,越來越多的研究者認為二氧化碳排放是影響全球氣候變化的重要因素。利用1995-2017年安徽省的九種能源消耗量和IPCC核算辦法來估算安徽省二氧化碳排放量,在對安徽省的能源消耗結構、二氧化碳排放強度分析認識的基礎上,利用ARIMA模型對十三五后期安徽省的二氧化碳排放量進行預測。研究表明:安徽省目前在能源結構上過于依賴原煤,但近年來安徽省二氧化碳排放強度逐漸下降,因此,安徽省有很大可能性完成"十三五"節(jié)能減排規(guī)劃目標。 

【文章來源】：科技經濟導刊. 2020,28(25)

【文章頁數】：3 頁

【部分圖文】：

研究程序圖

3.2 能源結構分析從核算安徽省二氧化碳排放量的八種能源上來看(因天然氣占比小且單位與其他能源不同,在此不予考慮),除燃料油以外,其他七種能源消耗量與安徽省的二氧化碳排放量呈現(xiàn)正向相關的演變趨勢,根據圖2可以看出,在各個能源消耗量上,安徽省對原煤、焦炭、原油、柴油的消耗量較大,特別是原煤的消耗需求,各年份原煤消耗量占比平均高達80%左右,這表明原煤的消耗對安徽省的二氧化碳排放量有著巨大的影響。

從2000-2017年來看,安徽省在二氧化碳排放強度方面呈現(xiàn)出不斷下降的趨勢,尤其是從2000年到2011年,安徽省在此期間的二氧化碳排放強度下降趨勢非常明顯,高達53.9%,而從2012年到2017年,安徽省的二氧化碳排放強度的下降趨勢相較于之前逐漸趨于緩慢。這表明安徽省每單位GDP所要消耗的二氧化碳排放量在不斷減少,但近年來隨著國家對于節(jié)能減排方面的改革進入深水區(qū),安徽省的二氧化碳排放強度趨勢在逐漸向好的同時也面臨著越來越嚴峻的挑戰(zhàn)。3.4 ARIMA模型分析

【參考文獻】：
期刊論文
[1]供給側視角下中國碳排放關鍵部門的識別[J]. 鄧光耀.  統(tǒng)計與決策. 2020(05)
[2]中國農業(yè)碳排放特征及影響因素研究[J]. 胡婉玲,張金鑫,王紅玲.  統(tǒng)計與決策. 2020(05)
[3]基于粗糙集—神經網絡方法的陜西省碳排放預測研究[J]. 仇國芳,蔡卓珉.  生態(tài)經濟. 2019(10)
[4]基于建筑信息模型的全生命周期碳排放測算及對策[J]. 馬彩云,賴芨宇,潘杰,陳靜怡,孫華威.  牡丹江大學學報. 2019(08)
[5]基于節(jié)能減排目標的能源替代空間測算模型研究[J]. 李斯吾,張維,陳熙,萬靖,陳夢,別芳玫.  湖北電力. 2018(04)
[6]中國建筑業(yè)優(yōu)化升級對其碳排放影響的分階段研究[J]. 樊琳梓,李爽,裴志海.  技術經濟. 2018(08)
[7]山西省碳排放影響因素分解及峰值預測[J]. 杜俊慧,張克勇,張雪姣.  中北大學學報(自然科學版). 2018(03)
[8]安徽省農業(yè)碳排放測算及其影響因素分析[J]. 李穎.  農村經濟與科技. 2017(19)
[9]溫室氣體排放總量目標制定研究方法述評[J]. 黃煒,王誠.  價值工程. 2017(12)
[10]基于投入產出模型的建筑業(yè)碳排放效應測算[J]. 王連,華歡歡,王世偉.  統(tǒng)計與決策. 2016(21)



本文編號：3025282