搜索到825 篇“ LMDI模型 “的相关文章
基于LMDI 模型 的安徽省物流业碳排放影响因素分析 2025年 LMDI 模型 ,对2012—2021年安徽省物流行业的碳排放总量进行分解,定量分析各个影响因素对总量变化的贡献程度。研究发现:1)能源结构对物流业碳排放的影响基本为正向,促进物流业的碳排放。2)能源效率对物流业碳排放的影响总体上呈波动下降趋势。3)产业结构在前期对物流业碳排放具有抑制作用,2019年后起促进作用。4)收入水平对碳排放的贡献率对碳排放的促进作用较大并呈稳步上升趋势。5)人口规模对碳排放具有持续正向作用,但影响较小。基于文中的研究结果,为安徽省物流业的节能减排提出相关建议。关键词：LMDI模型 碳排放 基于LMDI 模型 的辽宁省农业碳排放效率及驱动因素分析 2025年 模型 测算辽宁省农业碳排放效率及其投入指标松弛量;进一步运用LMDI 模型 分解农业碳排放主要的驱动因素:农业生产效率、农业产业结构、农业经济发展水平、城镇化水平和农业劳动力规模,计算其贡献值并探究其碳排放的效益值。结果表明:1)22年间辽宁省农业碳排放总量在前11年持续增长,后11年波动降低,农业碳排放强度波动降低。2)农用物资投入、农地利用、土壤碳排放、水稻种植、畜禽养殖导致的农业碳排放量年平均占比依次为36.72%、0.23%、11.36%、5.12%和46.58%。3)22年间,农业碳排放效率由0.19提升至1.04,主要因为投入指标的持续优化,具体表现为农业从业人数、农作物播种面积、农业机械总动力、有效灌溉面积、化肥施用量、农膜使用量和农药使用量等松弛量均逐渐减少。4)农业碳排放增长的驱动因素为农业经济发展水平和农业劳动力规模,其累计碳排放效应分别为8712.01万和266.98万t,其占比分别为46.02%和1.41%;碳减排的驱动因素为农业生产效率、农业产业结构和城镇化水平,其累计碳排放效应分别为−9596.30万、−238.09万和−116.33万t,占比分别为50.69%、1.26%和0.61%。建议通过减少种植业化肥使用、优化畜禽养殖管理、提升农业技术效率、合理调整经营规模和推动农业产业结构调整,实现辽宁省农业低碳化高质量发展。关键词：农业碳排放 碳排放效率 LMDI模型 基于LMDI 模型 的北京市智能制造关键技术创新驱动效应分析 2025年 LMDI 模型 ,包括特定智能制造装备优先序、智能制造装备专利份额以及研发活动规模的智能装备制造分解模型 ,利用区间分解和时间序列分解相结合的方式对北京市智能制造装备专利数量变化的影响因素进行分析。研究结果表明,北京市智能制造装备专利申请量的变化规律与研发活动规模效应的变化有着密切联系,研发份额效应反映出北京市在智能装备与制造各领域不同的驱动效果,研发优先序指标可以反映出研发活动的侧重点。关键词：LMDI 基于LMDI 模型 的四川盆地作物水足迹时空演变及驱动因素分析 2025年 LMDI 模型 从技术、环境和社会维度识别了作物水足迹变化的驱动因素,并从全局与局部视角探讨了不同驱动因素的差异性。结果表明:2001—2021年四川盆地作物水足迹呈现先上升后下降的趋势;各市作物水足迹在空间上表现为北高南低的分布特征;从全局看,不同驱动因素对作物水足迹变化的影响程度由大到小依次为经济效应、人口变化效应、技术效应、水足迹强度效应、节水效应、生产效应,经济效应和人口变化效应是最强的促进和抑制因素,贡献值分别为82.90亿m^(3)和-51.55亿m^(3);从局部看,技术效应与人口变化效应在空间上存在错位现象,生产效应、节水效应和水足迹强度效应在空间上表现为双向驱动作用。关键词：LMDI模型 四川盆地 中国淡水养殖业碳排放与经济增长脱钩关系及驱动因素研究——基于Tapio脱钩和LMDI 模型 2025年 模型 和LMDI 分解模型 ,分别从中国整体层面及区域层面对2011—2021年淡水养殖碳排放与经济增长的脱钩指数进行核算并探究其脱钩状态的驱动因素。【结果】(1)从宏观层面上,研究期间我国淡水养殖碳排放呈现先增再减后增的态势;全国淡水养殖碳排放与经济增长的耦合状态较稳定。(2)从区域层面看,耦合关系分为稳定型、改善型、衰退型、无序型,各省级行政区差异显著。(3)从影响因素来看,生产效率和劳动力强度对淡水养殖碳减排有促进作用;经济发展强度和产业结构会增加碳排放。【结论】各省级行政区之间淡水养殖碳排放与经济增长的耦合关系发展不平衡,提高生产效率和劳动力强度有助于改善其耦合关系。应从政府部门、科研人员、从业人员等多途径出发,助力淡水养殖碳减排以及经济增长,加快推动产业转型,促进渔业现代化发展,为实现“双碳”目标作出贡献。关键词：淡水养殖业 碳排放 经济增长 LMDI模型 基于LMDI 模型 的贵州省碳排放影响因素研究 2024年 LMDI 分解模型 ,探究贵州省碳排放的影响因素,旨在为贵州省节能减排和碳减目标的实现提供依据。结果表明:(1)贵州省2001—2021年主要能源消费碳排放总量呈现上升趋势,未达到峰值;(2)通过LMDI 模型 ,文章将贵州省碳排放影响因素分解为能源消费结构的变化模块ΔC_(e)、能源强度的变化模块ΔC_(g)、经济发展水平的变动模块ΔC_(β)、人口规模的变动模块ΔC_(p)和能源消费碳排放系数的变动模块ΔC_(α);(3)影响贵州省碳排放的主要因素是起抑制作用的能源强度和促进作用的经济发展水平。最后提出了贵州省实现节能减排和碳减目标的对策建议。关键词：LMDI模型 碳排放 基于LMDI 模型 的内蒙古交通碳排放驱动因素分析 被引量：2 2024年 LMDI )模型 对内蒙古交通运输碳排放驱动因素及其驱动效果进行定量分析,提出内蒙古交通运输低碳发展的相关建议。研究结果表明,内蒙古交通运输能源消耗产生的碳排放量总趋势是不断上升的,其间出现先增后减的波动增长阶段。能源消耗结构因素、交通运输发展水平因素对内蒙古交通运输碳排放的增长具有正向的驱动效应;能源消耗强度因素、交通运输强度因素、人口规模因素对内蒙古交通运输碳排放的增长具有负向的驱动效应。关键词：LMDI模型 能源消耗 基于LMDI 模型 的辽宁省农业碳排放影响因素研究 2024年 LMDI 模型 因素分解法识别农业碳排放主要驱动因素,并利用STIRPAT模型 定向定量分析各变量数量关系。通过LMDI 模型 因素分解方法将辽宁省农业碳排放分解为农业碳排放系数、能源强度、农业产业结构、农业经济发展水平及人口规模,其中农业碳排放系数、能源强度和人口规模对农业碳排放存在负向影响,农业产业结构和农业经济发展水平存在正向影响;STIRPAT模型 显示,当其他因素保持不变时,农业碳排放系数、能源强度、农业产业结构、农业经济发展水平和人口规模分别变化1%,辽宁省农业碳排放分别变化0.4997%、0.0140%、-0.0735%、-0.0241%和0.2418%,并且模型 分析与LMDI 模型 因素分解呈现相同结果。在“双碳”目标背景下,建议控制化肥施用量、改善农村人口生活环境、稳定保持农村经济持续增长及促进辽宁省农业有效碳减排。关键词：农业碳排放 LMDI模型 节能减排 基于LMDI 模型 的高铁客运站碳排放关键驱动因素研究 2024年 LMDI 铁路客运站碳排放驱动模型 和计算方法,分析了高铁客运站碳排放驱动因素的碳排放。结果表明:LMDI 模型 可良好地解释各驱动因素的碳排放量,暖通空调系统为高速铁路客运站最大的碳排放驱动因素;暖通空调系统、热水和开水系统、照明系统、自动扶梯系统、通信信息系统对铁路客运站碳排放具有促进作用,建筑设备更换、可再生能源系统及建筑碳汇系统碳排放具有抑制作用;暖通空调系统、自动扶梯系统受客流增加的影响,碳排放随时间的增加,两者增幅较大;热水和开水系统的碳排放量变化不大,可再生能源系统及建筑碳汇系统不受客流的影响,3年的减碳量基本一致;照明系统的设备更新减碳量明显。关键词：碳排放 LMDI模型 基于LMDI 模型 的江西省建筑业碳排放影响因素分析 被引量：2 2024年 LMDI )将江西省建筑业碳排放增量进行分解,分析能源结构强度、能源消费强度、间接碳排放强度及建筑业经济规模对碳排放变化的贡献量和贡献率,探讨各因素对碳排放趋势的影响。结果显示:2004—2019年,江西建筑业碳排放量总体呈上升趋势。驱动因素中,建筑业经济规模效应和能源消费强度效应分别是促进和抑制江西省建筑业碳排放增长的主要因素。而能源结构强度效应、间接碳排放强度效应对碳排放也呈促进作用,但影响程度比建筑业经济规模效应低。基于实证结论,为推动江西省建筑业低碳发展提出相关建议。关键词：建筑业 碳排放
相关作者
田云 作品数：101 被引量：2,421 H指数：33 供职机构：中南财经政法大学工商管理学院 研究主题：农业碳排放 碳排放 中国农业 农业 碳 刘玉 作品数：269 被引量：4,369 H指数：32 供职机构：北京市农林科学院 研究主题：土地利用 土地整治 影响因素 乡村 县域 高秉博 作品数：73 被引量：269 H指数：9 供职机构：中国科学院地理科学与资源研究所 研究主题：采样点 数据库 布设 地理空间 LMDI模型 王迪 作品数：82 被引量：388 H指数：11 供职机构：中国矿业大学 研究主题：经济增长 技术进步 能源消费 碳排放 低碳经济 张俊飚 作品数：583 被引量：8,314 H指数：53 供职机构：华中农业大学经济管理学院 研究主题：农户 农业 农业碳排放 食用菌 中国农业
