CN109508849A - 一种基于城市统计数据的城市碳排放影响因素分析方法 - Google Patents
一种基于城市统计数据的城市碳排放影响因素分析方法 Download PDFInfo
- Publication number
- CN109508849A CN109508849A CN201810940103.4A CN201810940103A CN109508849A CN 109508849 A CN109508849 A CN 109508849A CN 201810940103 A CN201810940103 A CN 201810940103A CN 109508849 A CN109508849 A CN 109508849A
- Authority
- CN
- China
- Prior art keywords
- city
- carbon emission
- urban
- energy
- total
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2219/00—Indexing scheme relating to application aspects of data processing equipment or methods
- G06F2219/10—Environmental application, e.g. waste reduction, pollution control, compliance with environmental legislation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Organic Low-Molecular-Weight Compounds And Preparation Thereof (AREA)
Abstract
本发明公开了一种基于城市统计数据的城市碳排放影响因素分析方法,包括以下步骤:构建城市碳排放影响因素公式,确定城市碳排放影响因素;建立城市能耗历史数据集;构建城市碳排放影响因素效应贡献计算模型;将城市能耗历史数据集导入城市碳排放影响因素效应贡献计算模型,基于计算结果对城市碳排放影响因素进行分析。本发明的基础数据主要来自城市以及所在省份历年统计数据,容易获取且可保证数据的完整性和准确性,可在一定程度上降低碳排放影响因素分析的成本和工作量。
Description
技术领域
本发明属于城市能耗分析技术领域,尤其是涉及一种基于城市统计数据的城市碳排放影响因素分析方法。
背景技术
城市发展过程中,低碳城市建设是不可忽视的重要一环,在急需实现可持续发展的当下变得越发迫切。在此背景下,针对性的采取节能减排的措施,避免各类资源的浪费,从而有效的降低城市碳排具有非常重要的意义,而这又依靠于对城市碳排放影响因素的分析。通过城市碳排放影响因素分析,可以得出导致碳排放量增加的因素以及其中对碳排放量增加贡献量最大的主要因素,从而采取对应的有效措施,保证城市低碳建设的效率。
当前,碳排放影响因素的分析方法主要有分解法、系数法、方程法、因果法等,分解法包括因素分解法、相关性分析法,系数法包括灰色关联度分析法、回归分析法,方程法包括构造协整方程法、向量误差修正模型,因果法包括Granger因果检验法。目前常用的几种方法都需要有较大的样本量,且对基础数据的完整性、连续性有较高要求。
发明内容
本发明的目的在于提供一种基于城市统计数据的城市碳排放影响因素分析方法,以解决上述存在的技术问题。本发明通过运用因素分解法可降低碳排放影响因素分析对数据完整性、连续性的要求。
为达到上述目的,本发明采用以下技术方案:
一种基于城市统计数据的城市碳排放影响因素分析方法,包括以下步骤:
步骤1,确定城市碳排放的影响因素为城市碳强度、城市能源强度、城市人均国民生产总值以及城市人口数量,基于Kaya恒等式构建城市碳排放影响因素公式;城市碳排放影响因素公式为:
C=CI·EI·GDPpc·Pop
其中,C为城市碳排放总量;CI为碳强度,为城市碳排放总量与城市能源消费总量之比;EI为能源强度,为城市能源消费总量与城市国民生产总值之比;GDPpc为城市人均国民生产总值,Pop为城市人口数量;
步骤2,建立城市能耗历史数据集;城市能耗历史数据集包括历年城市的一次能源消费量、城市国民生产总值、城市人口数量、城市碳排放总量、城市能源消费总量、城市碳强度、城市能源强度以及城市人均国民生产总值;
步骤3,基于对数平均迪氏分解模型构建城市碳排放影响因素效应贡献计算模型,城市碳排放影响因素效应贡献计算模型公式为:
ΔC=ΔCCI+ΔCEI+ΔCGDPpc+ΔCPop
ΔC=Ct-C0
其中,ΔC为碳排放变化量,ΔCCI为碳强度效应,ΔCEI为能源强度效应,ΔCGDPpc为人均国民生产总值效应,ΔCPop为人口效应;C0、Ct为两个不同年份的城市碳排放总量,CI0、CIt为两个不同年份的碳强度,EI0、EIt为两个不同年份的能源强度,GDPpc0、GDPpct为两个不同年份的城市人均国民生产总值,Pop0、Popt为两个不同年份的城市人口数量;
步骤4,将步骤2建立的城市能耗历史数据集导入步骤3获得城市碳排放影响因素效应贡献计算模型,基于效应贡献计算结果获得城市碳排放影响因素排序。
进一步的,步骤2中,一次能源包括原煤、原油和天然气。
进一步的,步骤2中,历年城市一次能源消费量、城市国民生产总值以及城市人口数量通过城市及其所在省份历年统计数据获取。
进一步的,城市能源消费总量为各类能源发热量之和。
进一步的,步骤2中,城市碳排放总量采用IPCC碳排放计算公式进行计算,其中E为各一类能源消费总量,F为各类能源对应的碳排放系数;一类能源包括原煤、原油和天然气,三种一类能源的碳排放系数分别为0.7561t/tce、0.5854t/tce和0.4478t/tce。
进一步的,步骤4具体为,将历年城市碳排放总量、城市碳强度、城市能源强度、城市人均国民生产总值、城市人口数量导入城市碳排放影响因素效应贡献计算模型,通过模型计算得出城市碳强度、城市能源强度、城市人均国民生产总值以及城市人口数量四项影响因素对一定时间段内城市碳排放总量变化的效应贡献量,通过对比同时段不同影响因素效应贡献量及不同时段相同影响因素效应贡献量,获得城市碳排放影响因素排序。
与现有技术相比,本发明具有以下有益效果:
本发明的城市碳排放影响因素分析方法基于城市统计的基础数据,基础数据来自城市以及所在省份的历年统计数据,相较于实测数据,各省市统计局每年发布的统计数据对使用者来说更容易获取,且历年统计数据种类统一,具有延续性,可保证研究所用数据的完整性和准确性,可在一定程度上降低碳排放影响因素分析的成本和工作量。
附图说明
图1是本发明的一种基于城市统计数据的城市碳排放影响因素分析方法的操作流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明作进一步详细说明。这些实施例仅是范例性的,并不对本发明的范围构成任何限制。本领域技术人员应该理解的是,在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改和替换,但这些修改和替换均属于本发明的保护范围内。
请参考图1,本发明的一种基于城市统计数据的城市碳排放影响因素分析方法,包括以下步骤:
1)构建城市碳排放影响因素公式,确定城市碳排放影响因素;
基于Kaya恒等式构建城市碳排放影响因素公式,将城市碳排放分解为城市碳强度、城市能源强度、城市人均国民生产总值、城市人口数量四项影响因素。城市碳排放影响因素公式具体如下:
C=CI·EI·GDPpc·Pop
其中,C为城市碳排放总量,CI为碳强度,为城市碳排放总量与城市能源消费总量之比,EI为能源强度,为城市能源消费总量与城市国民生产总值之比,GDPpc为城市人均国民生产总值,Pop为城市人口数量。城市碳强度为城市碳排放总量与城市能源消费总量之比,定义为单位能耗碳排放量,反映城市消耗能源的燃料组合;城市能源强度为城市能源消费总量与城市国民生产总值之比,定义为单位国民生产总值消耗能源量,反映能源效率;城市人均国民生产总值为城市国民生产总值与城市人口数量之比,反映生活水平。
2)建立城市能耗历史数据集;
建立分析城市碳排放影响因素所需的城市能耗历史数据集,包括历年城市各类一次能源消费量、城市国民生产总值、城市人口数量、城市碳排放总量、城市能源消费总量、城市碳强度、城市能源强度、城市人均国民生产总值。
其中,历年城市各类一次能源消费量、城市国民生产总值以及城市人口数量通过城市及其所在省份历年统计数据获取;城市碳排放总量采用IPCC碳排放计算公式进行计算,其中E为各一类能源消费总量,F为各类能源对应的碳排放系数,如表1所示,表1为一类能源碳排放系数;城市能源消费总量为各类能源发热量之和,单位为GJ;碳强度为城市碳排放总量与城市能源消费总量之比;能源强度为城市能源消费总量与城市国民生产总值之比;城市人均国民生产总值为城市国民生产总值与城市人口数量之比。
表1、一类能源碳排放系数
能源类型 | 原煤 | 原油 | 天然气 |
碳排放系数(t/tce) | 0.7561 | 0.5854 | 0.4478 |
3)构建城市碳排放影响因素效应贡献计算模型;
基于对数平均迪氏分解模型(LMDI)构建城市碳排放影响因素效应贡献计算模型,城市碳排放影响因素效应贡献计算模型公式具体如下:
ΔC=ΔCCI+ΔCEI+ΔCGDPpc+ΔCPop
ΔC=Ct-C0
其中,ΔC为碳排放变化量,ΔCCI为碳强度效应,ΔCEI为能源强度效应,ΔCGDPpc为人均国民生产总值效应,ΔCPop为人口效应;C0、Ct为每次计算的前后两个年份的城市碳排放总量,同理,CI0、CIt为每次计算的前后两个年份的碳强度,EI0、EIt为每次计算的前后两个年份的能源强度,GDPpc0、GDPpct为每次计算的前后两个年份的城市人均国民生产总值,Pop0、Popt为每次计算的前后两个年份的城市人口数量。
4)将城市能耗历史数据集导入城市碳排放影响因素效应贡献计算模型,基于计算结果对城市碳排放影响因素进行分析;
将历年城市碳排放总量、城市碳强度、城市能源强度、城市人均国民生产总值、城市人口数量导入城市碳排放影响因素效应贡献计算模型,通过模型计算得出城市碳强度、城市能源强度、城市人均国民生产总值、城市人口数量四项影响因素对一定时间段内城市碳排放总量变化的效应贡献量。通过对比同时段不同影响因素效应贡献量及不同时段相同影响因素效应贡献量对城市碳排放影响因素进行分析。
目前,缺乏针对城市层面的碳排放影响因素分析方法,对碳排放影响因素的分析多集中在国家及省域层面,主要原因为分析模型计算需要较大样本量,对基础数据的完整性、连续性要求高,而城市层面数据与国家及省域层面数据相比较难获得,因此原有方法无法直接运用于城市碳排放影响因素分析,本发明通过对城市统计数据的整合与处理,可获得分析所需的城市能耗历史数据集,同时,进一步构建的城市碳排放影响因素效应贡献计算模型不再对数据的连续性有强制性要求,从而保证在数据有个别年份缺失或无法采用的情况下仍可进行分析。
本发明的一种基于城市统计数据的城市碳排放影响因素分析方法,基于Kaya恒等式构建城市碳排放影响因素公式,将城市碳排放分解为城市碳强度、城市能源强度、城市人均国民生产总值、城市人口数量四项影响因素;建立包括历年城市各类一次能源消费量、城市国民生产总值、城市人口数量、城市碳排放总量、城市能源消费总量、城市碳强度、城市能源强度、城市人均国民生产总值的城市能耗历史数据集;构建城市碳排放影响因素效应贡献计算模型,并将城市能耗历史数据集导入城市碳排放影响因素效应贡献计算模型,基于计算结果对城市碳排放影响因素进行分析;本发明将碳排放影响因素研究范围从国家、省域具体到城市层面,针对城市的特点对现有碳排放影响因素研究方法进行改进,为城市减碳提供实际依据和数据支撑,可解决现有技术中存在的缺乏针对城市层面的碳排放影响因素分析方法等问题;基础数据主要来自城市以及所在省份历年统计数据,容易获取且可保证数据的完整性和准确性。
实施例1:
选取某市作为案例城市,对该城市2011-2016年度进行碳排放影响因素分析,其方法包括:
(1)基于Kaya恒等式构建城市碳排放影响因素公式,将城市碳排放分解为城市碳强度、城市能源强度、城市人均国民生产总值、城市人口数量四项影响因素。城市碳排放影响因素公式具体如下:
C=CI·EI·GDPpc·Pop
其中,C为城市碳排放总量,CI为碳强度,为城市碳排放总量与城市能源消费总量之比,EI为能源强度,为城市能源消费总量与城市国民生产总值之比,GDPpc为城市人均国民生产总值,Pop为城市人口数量。城市碳强度为城市碳排放总量与城市能源消费总量之比,定义为单位能耗碳排放量,反映城市消耗能源的燃料组合;城市能源强度为城市能源消费总量与城市国民生产总值之比,定义为单位国民生产总值消耗能源量,反映能源效率;城市人均国民生产总值为城市国民生产总值与城市人口数量之比,反映生活水平。
(2)建立分析城市碳排放影响因素所需的城市能耗历史数据集,包括2011-2016年城市各类一次能源消费量、城市国民生产总值、城市人口数量、城市碳排放总量、城市能源消费总量、城市碳强度、城市能源强度以及城市人均国民生产总值,如表2所示,表2为某市城市能耗历史数据集。
表2、某市城市能耗历史数据集
其中,2011-2016年城市各类一次能源消费量、城市国民生产总值以及城市人口数量可通过《某市统计年鉴》获取;城市碳排放总量采用IPCC碳排放计算公式进行计算,其中E为各一类能源消费总量,F为各类能源对应的碳排放系数(表1);城市能源消费总量为各类能源发热量之和,单位为GJ;碳强度为城市碳排放总量与城市能源消费总量之比;能源强度为城市能源消费总量与城市国民生产总值之比;城市人均国民生产总值为城市国民生产总值与城市人口数量之比。
(3)基于对数平均迪氏分解模型(LMDI)构建城市碳排放影响因素效应贡献计算模型,城市碳排放影响因素效应贡献计算模型公式具体如下:
ΔC=ΔCCI+ΔCEI+ΔCGDPpc+ΔCPop
ΔC=Ct-C0
其中,ΔC为碳排放变化量,ΔCCI为碳强度效应,ΔCEI为能源强度效应,ΔCGDPpc为人均国民生产总值效应,ΔCPop为人口效应;C0、Ct为每次计算的前后两年的城市碳排放总量,同理,CI0、CIt为每次计算的前后两年的碳强度,EI0、EIt为每次计算的前后两年的能源强度,GDPpc0、GDPpct为每次计算的前后两年的城市人均国民生产总值,Pop0、Popt为每次计算的前后两年的城市人口数量。
(4)将某市2011-2016年城市碳排放总量、城市碳强度、城市能源强度、城市人均国民生产总值、城市人口数量导入城市碳排放影响因素效应贡献计算模型,通过模型计算得出城市碳强度、城市能源强度、城市人均国民生产总值、城市人口数量四项影响因素对一定时间段内城市碳排放总量变化的效应贡献量,如表3所示,表3为城市碳排放影响因素效应贡献量。通过对比同时段不同影响因素效应贡献量及不同时段相同影响因素效应贡献量对城市碳排放影响因素进行分析。
表3、城市碳排放影响因素效应贡献量
通过表3可以看出,在城市碳排放的四项影响因素之中,能源强度为其主导影响因素,人均国民生产总值次之,碳强度和人口数量对其影响较小。对此城市来说,能源强度和人均国民生产总值对其城市碳排放影响明显,但因人均国民生产总值的提高是城市发展的目标,因此减排应从提高能源效率——即降低单位国民生产总值消耗能源量——入手。
Claims (6)
1.一种基于城市统计数据的城市碳排放影响因素分析方法,其特征在于,包括以下步骤:
步骤1,确定城市碳排放的影响因素为城市碳强度、城市能源强度、城市人均国民生产总值以及城市人口数量,基于Kaya恒等式构建城市碳排放影响因素公式;城市碳排放影响因素公式为:
C=CI·EI·GDPpc·Pop
其中,C为城市碳排放总量;CI为碳强度,为城市碳排放总量与城市能源消费总量之比;EI为能源强度,为城市能源消费总量与城市国民生产总值之比;GDPpc为城市人均国民生产总值,Pop为城市人口数量;
步骤2,建立城市能耗历史数据集;城市能耗历史数据集包括历年城市的一次能源消费量、城市国民生产总值、城市人口数量、城市碳排放总量、城市能源消费总量、城市碳强度、城市能源强度以及城市人均国民生产总值;
步骤3,基于对数平均迪氏分解模型构建城市碳排放影响因素效应贡献计算模型,城市碳排放影响因素效应贡献计算模型公式为:
ΔC=ΔCCI+ΔCEI+ΔCGDPpc+ΔCPop
ΔC=Ct-C0
其中,ΔC为碳排放变化量,ΔCCI为碳强度效应,ΔCEI为能源强度效应,ΔCGDPpc为人均国民生产总值效应,ΔCPop为人口效应;C0、Ct为两个不同年份的城市碳排放总量,CI0、CIt为两个不同年份的碳强度,EI0、EIt为两个不同年份的能源强度,GDPpc0、GDPpct为两个不同年份的城市人均国民生产总值,Pop0、Popt为两个不同年份的城市人口数量;
步骤4,将步骤2建立的城市能耗历史数据集导入步骤3获得城市碳排放影响因素效应贡献计算模型,基于效应贡献计算结果获得城市碳排放影响因素排序。
2.根据权利要求1所述的一种基于城市统计数据的城市碳排放影响因素分析方法,其特征在于,步骤2中,一次能源包括原煤、原油和天然气。
3.根据权利要求1所述的一种基于城市统计数据的城市碳排放影响因素分析方法,其特征在于,步骤2中,历年城市一次能源消费量、城市国民生产总值以及城市人口数量通过城市及其所在省份历年统计数据获取。
4.根据权利要求1所述的一种基于城市统计数据的城市碳排放影响因素分析方法,其特征在于,城市能源消费总量为各类能源发热量之和。
5.根据权利要求1所述的一种基于城市统计数据的城市碳排放影响因素分析方法,其特征在于,步骤2中,城市碳排放总量采用IPCC碳排放计算公式进行计算,其中E为各一类能源消费总量,F为各类能源对应的碳排放系数;一类能源包括原煤、原油和天然气,三种一类能源的碳排放系数分别为0.7561t/tce、0.5854t/tce和0.4478t/tce。
6.根据权利要求1所述的一种基于城市统计数据的城市碳排放影响因素分析方法,其特征在于,步骤4具体为,将历年城市碳排放总量、城市碳强度、城市能源强度、城市人均国民生产总值、城市人口数量导入城市碳排放影响因素效应贡献计算模型,通过模型计算得出城市碳强度、城市能源强度、城市人均国民生产总值以及城市人口数量四项影响因素对一定时间段内城市碳排放总量变化的效应贡献量,通过对比同时段不同影响因素效应贡献量及不同时段相同影响因素效应贡献量,获得城市碳排放影响因素排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810940103.4A CN109508849A (zh) | 2018-08-17 | 2018-08-17 | 一种基于城市统计数据的城市碳排放影响因素分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810940103.4A CN109508849A (zh) | 2018-08-17 | 2018-08-17 | 一种基于城市统计数据的城市碳排放影响因素分析方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109508849A true CN109508849A (zh) | 2019-03-22 |
Family
ID=65745626
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810940103.4A Pending CN109508849A (zh) | 2018-08-17 | 2018-08-17 | 一种基于城市统计数据的城市碳排放影响因素分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109508849A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689269A (zh) * | 2019-09-30 | 2020-01-14 | 天津大学 | 基于自回归分布滞后模型及Kaya公式的碳排放评估方法 |
CN111967756A (zh) * | 2020-08-11 | 2020-11-20 | 中国科学院城市环境研究所 | 一种目标驱动源的建筑能耗碳排放确定方法及系统 |
CN113837912A (zh) * | 2021-09-03 | 2021-12-24 | 南京工业大学 | 一种建筑业碳排放影响因素分析方法 |
CN114077970A (zh) * | 2021-11-19 | 2022-02-22 | 中国科学院地理科学与资源研究所 | 一种基于城市形态的碳排放相关因子的确定方法及装置 |
CN114359001A (zh) * | 2022-03-21 | 2022-04-15 | 广东埃文低碳科技股份有限公司 | 一种城市碳盘查智能管理系统及方法 |
CN114626570A (zh) * | 2021-12-07 | 2022-06-14 | 国网天津市电力公司 | 一种电力碳排放轨迹分析方法及装置 |
CN116307244A (zh) * | 2023-04-07 | 2023-06-23 | 交通运输部水运科学研究所 | 一种港口碳排放预测方法、系统、电子设备及介质 |
CN117787574A (zh) * | 2024-02-27 | 2024-03-29 | 江西百电信息产业有限公司 | 一种基于人工智能碳脑的降碳影响因素确定方法及系统 |
CN114626570B (zh) * | 2021-12-07 | 2024-06-07 | 国网天津市电力公司 | 一种电力碳排放轨迹分析方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112698A1 (en) * | 2008-06-12 | 2011-05-12 | Metro Power Company Pty Ltd | Method and apparatus for energy and emission reduction |
CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
-
2018
- 2018-08-17 CN CN201810940103.4A patent/CN109508849A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20110112698A1 (en) * | 2008-06-12 | 2011-05-12 | Metro Power Company Pty Ltd | Method and apparatus for energy and emission reduction |
CN105205466A (zh) * | 2015-09-21 | 2015-12-30 | 广州地理研究所 | 一种基于夜间灯光影像的能源碳排放量遥感估算方法 |
Non-Patent Citations (2)
Title |
---|
李雷鸣等: "碳排放演化规律与驱动因素分析—以山东省为例", 《技术经济与管理研究》 * |
金乐琴等: "中国碳排放的区域异质性及减排对策", 《经济与管理》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110689269A (zh) * | 2019-09-30 | 2020-01-14 | 天津大学 | 基于自回归分布滞后模型及Kaya公式的碳排放评估方法 |
CN111967756A (zh) * | 2020-08-11 | 2020-11-20 | 中国科学院城市环境研究所 | 一种目标驱动源的建筑能耗碳排放确定方法及系统 |
CN113837912A (zh) * | 2021-09-03 | 2021-12-24 | 南京工业大学 | 一种建筑业碳排放影响因素分析方法 |
CN113837912B (zh) * | 2021-09-03 | 2023-09-26 | 南京工业大学 | 一种建筑业碳排放影响因素分析方法 |
CN114077970A (zh) * | 2021-11-19 | 2022-02-22 | 中国科学院地理科学与资源研究所 | 一种基于城市形态的碳排放相关因子的确定方法及装置 |
CN114626570A (zh) * | 2021-12-07 | 2022-06-14 | 国网天津市电力公司 | 一种电力碳排放轨迹分析方法及装置 |
CN114626570B (zh) * | 2021-12-07 | 2024-06-07 | 国网天津市电力公司 | 一种电力碳排放轨迹分析方法及装置 |
CN114359001A (zh) * | 2022-03-21 | 2022-04-15 | 广东埃文低碳科技股份有限公司 | 一种城市碳盘查智能管理系统及方法 |
CN114359001B (zh) * | 2022-03-21 | 2022-06-07 | 广东埃文低碳科技股份有限公司 | 一种城市碳盘查智能管理系统及方法 |
CN116307244A (zh) * | 2023-04-07 | 2023-06-23 | 交通运输部水运科学研究所 | 一种港口碳排放预测方法、系统、电子设备及介质 |
CN117787574A (zh) * | 2024-02-27 | 2024-03-29 | 江西百电信息产业有限公司 | 一种基于人工智能碳脑的降碳影响因素确定方法及系统 |
CN117787574B (zh) * | 2024-02-27 | 2024-05-07 | 江西百电信息产业有限公司 | 一种基于人工智能碳脑的降碳影响因素确定方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109508849A (zh) | 一种基于城市统计数据的城市碳排放影响因素分析方法 | |
Zhang et al. | Digital economy, energy efficiency, and carbon emissions: Evidence from provincial panel data in China | |
Wu et al. | Energy endowment, industrial structure upgrading, and CO2 emissions in China: Revisiting resource curse in the context of carbon emissions | |
Wu et al. | How does energy consumption affect China's urbanization? New evidence from dynamic threshold panel models | |
Liu et al. | Is China's development conforms to the Environmental Kuznets Curve hypothesis and the pollution haven hypothesis? | |
Liu et al. | Regional disparity, spatial spillover effects of urbanisation and carbon emissions in China | |
Chen et al. | Decomposition and decoupling analysis of CO2 emissions in OECD | |
Fan et al. | Environmental governance effects of local environmental protection expenditure in China | |
Song et al. | Review of environmental efficiency and its influencing factors in China: 1998–2009 | |
Li et al. | Spatial effects of economic performance on the carbon intensity of human well-being: The environmental Kuznets curve in Chinese provinces | |
Liu | EKC test study on the relationship between carbon dioxide emission and regional economic growth | |
CN113139151B (zh) | 一种城市化与生态环境近远程耦合协调水平的测度方法 | |
Zhang et al. | Impact of environmental regulations on carbon emissions of transportation infrastructure: China’s evidence | |
Sasana et al. | The impact of CO2 gas emissions on government expenditure of health sector in Indonesia | |
Lu et al. | From global to national scenarios: Exploring carbon emissions to 2050 | |
Sheng et al. | Can interbasin water transfer affect water consumption and pollution? Lessons from China's South–North water transfer project | |
Luo et al. | A hybrid approach for examining the drivers of energy consumption in Shanghai | |
Wang et al. | Policies for enhancing patent quality: Evidence from renewable energy technology in China | |
Ghoddusi et al. | Income elasticity of demand versus consumption: Implications for energy policy analysis | |
Wang et al. | City Size, Urban-rural Income Gap and Environmental Pollution: Empirical Evidence from 283 Cities in China. | |
Gu | Fertility, human capital, and income: The effects of China’s one-child policy | |
Guo et al. | Emergy-based urban ecosystem health evaluation for a typical resource-based city: a case study of Taiyuan, China. | |
Ren et al. | An empirical research on the relationship between foreign direct investment and carbon dioxide emission intensity of China | |
Ding et al. | Large but overlooked carbon differentiations inside China's provinces matters to mitigation strategies design: Evidence from county-level analysis | |
Akbar et al. | Determinants of Variables That Affect Electrical Energy Consumption in Indonesia 2011-2020 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190322 |
|
RJ01 | Rejection of invention patent application after publication |