Please wait a minute...
 首页  期刊介绍 期刊订阅 联系我们 横山亮次奖 百年刊庆
 
最新录用  |  预出版  |  当期目录  |  过刊浏览  |  阅读排行  |  下载排行  |  引用排行  |  横山亮次奖  |  百年刊庆
清华大学学报(自然科学版)  2017, Vol. 57 Issue (4): 443-448    DOI: 10.16511/j.cnki.qhdxxb.2017.25.019
  环境科学与工程 本期目录 | 过刊浏览 | 高级检索 |
公路与铁路交通碳排放影响因素
张宏钧1,2, 王利宁1,2, 陈文颖1,2
1. 清华大学 现代管理中心, 北京 100084;
2. 清华大学 能源环境经济研究所, 北京 100084
Decomposition analysis of CO2 emissions from road and rail transport systems
ZHANG Hongjun1,2, WANG Lining1,2, CHEN Wenying1,2
1. Research Center for Contemporary Management, Tsinghua University, Beijing 100084, China;
2. Institute of Energy, Environment and Economy, Beijing 100084, China
全文: PDF(1345 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 为了探究公路与铁路交通CO2排放的影响因素及其贡献率,该文建立了基于贡献率的残值分配Laspeyres指数分解方法(contribution-based residual distribution Laspeyres index,CRDLI),并选取了中国和其他6个国家为研究对象,构建了公路与铁路CO2排放的二次分解模型。研究发现:周转量是影响各国公路与铁路CO2排放的重要因素,1991—2010年,中国、澳大利亚、德国、日本、印度、英国和美国换算周转量引起的CO2排放量变化分别为4.02、0.65、0.60、-0.12、2.33、0.24和4.84亿t;能耗强度和能源结构的改善是实现减缓CO2排放增长或减少CO2排放的重要途径;人均GDP的增长是推动公路与铁路周转量增长的最主要原因,降低周转量强度是减缓周转量上升进而减少CO2排放的重要途径。为了实现中国交通部门的低碳发展,需要发掘技术节能潜力、调整运输结构、有效管理运输需求。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
张宏钧
王利宁
陈文颖
关键词 碳排放指数分解低碳交通公路交通铁路交通    
Abstract:The road and rail transport sectors are important sources of CO2 emissions. A contribution-based residual distribution Laspeyres index (CRDLI) was developed to analyze the CO2 emissions from road and rail transport systems in China and six other countries. Transport turnover has an important influence on CO2 emissions, while energy intensity and energy structure are keys to mitigating CO2 emissions. GDP per capita is the main driver that increases transport turnover with reducing the turnover rate caused by GDP increases an important way to slow the increase in the transport turnover and further reduce CO2 emissions.
Key wordscarbon emissions    index decomposition    low-carbon transport    road transport    rail transport
收稿日期: 2015-12-02      出版日期: 2017-04-15
ZTFLH:  X24  
通讯作者: 陈文颖,研究员,E-mail:Chenwy@tsinghua.edu.cn     E-mail: Chenwy@tsinghua.edu.cn
引用本文:   
张宏钧, 王利宁, 陈文颖. 公路与铁路交通碳排放影响因素[J]. 清华大学学报(自然科学版), 2017, 57(4): 443-448.
ZHANG Hongjun, WANG Lining, CHEN Wenying. Decomposition analysis of CO2 emissions from road and rail transport systems. Journal of Tsinghua University(Science and Technology), 2017, 57(4): 443-448.
链接本文:  
http://jst.tsinghuajournals.com/CN/10.16511/j.cnki.qhdxxb.2017.25.019  或          http://jst.tsinghuajournals.com/CN/Y2017/V57/I4/443
  表1 各国公路与铁路交通指标比较
  图1 中国公路与铁路CO2排放分解
  图2 各国公路与铁路CO2排放分解
  图3 各国换算周转量分解
  图4 单位GDP周转量与工业份额
[1] IEA. CO<sub>2</sub> Emissions from Fuel Combustion[Z]. Paris: International Energy Agency, 2014.
[2] Wei T. What STIRPAT tells about effects of population and affluence on the environment?[J]. Ecological Economics, 2011, 72(1725): 70-74.
[3] 张佳丽. 基于STIRPAT模型的我国二氧化碳排放研究[D]. 长沙: 湖南大学, 2011.ZHANG Jiali. Research on China's CO<sub>2</sub> Emission Based on STIRPAT Model[D]. Changsha: Hu'nan University, 2011. (in Chinese)
[4] Ang B. Decomposition analysis for policymaking in energy: Which is the preferred method?[J]. Energy Policy, 2004, 32(9): 1131-1139.
[5] Ang B. The LMDI approach to decomposition analysis: A practical guide[J]. Energy Policy, 2005, 33(7): 867-871.
[6] Sun J. Changes in energy consumption and energy intensity: A complete decomposition model[J]. Energy Economics, 1998, 20(1): 85-100.
[7] 邢璐, 单葆国. 基于Kaya公式的中国CO<sub>2</sub>排放影响因素分解[J]. 能源技术经济, 2011, 23(10): 46-50.XING Lu, SHAN Baoguo. Empirical analysis of China's carbon emission based on Kaya identity and decomposition model[J]. Energy Technology and Economics, 2011, 23(10): 46-50. (in Chinese)
[8] 马丁, 陈文颖. 上海市低碳发展状况分析[J]. 中国人口·资源与环境, 2013, 23(8): 26-32.MA Ding, CHEN Wenying. Development status of low-carbon in Shanghai[J]. China Population, Resources and Environment, 2013, 23(8): 26-32. (in Chinese)
[9] 刘小艳. 交通运输业CO<sub>2</sub>排放因素分解及减排潜力研究[D]. 西安: 长安大学, 2013.LIU Xiaoyan. Study on the CO<sub>2</sub> Emissions Factor Decomposition and Reduction Potential of Transportation Industry[D]. Xi'an: Chang'an University, 2013. (in Chinese)
[10] 魏楚, 夏栋. 中国人均CO<sub>2</sub>排放分解: 一个跨国比较[J]. 管理评论, 2010, 22(8): 114-121.WEI Chu, XIA Dong. A decomposition analysis of per capita CO<sub>2</sub> emission of China: Based on cross-country comparison[J]. Management Review, 2010, 22(8): 114-121. (in Chinese)
[11] Andreoni V, Galmarini S. European CO<sub>2</sub> emission trends: A decomposition analysis for water and aviation transport sectors[J]. Energy, 2012, 45(1): 595-602.
[12] Wang L, Ma D, Chen W. A new improved decomposition model based on Laspeyres index: A case of CO<sub>2</sub> emission in China from 1996—2011[J]. Advanced Materials Research, 2013, 734(1): 1797-1803.
[13] 魏一鸣, 廖华. 中国能源报告(2010): 能源效率研究[M]. 北京: 科学出版社, 2010.WEI Yiming, LIAO Hua. China Energy Report (2010): Energy Efficiency Research[M]. Beijing: Science Press, 2010. (in Chinese)
[14] Eom J, Schipper L, Thompson L. We keep on truckin: Trends in freight energy use and carbon emissions in 11 IEA countries[J]. Energy Policy, 2012, 45(45): 327-341.
[1] 王妍, 欧国立. CGE模型在低碳交通政策领域的应用及前景[J]. 清华大学学报(自然科学版), 2023, 63(11): 1693-1706.
[2] 刘依明, 刘念雄, 许沛琪. 寒冷地区住宅建材生产阶段碳排放预测模型[J]. 清华大学学报(自然科学版), 2023, 63(1): 15-23.
[3] 黄跃群, 刘耀儒, 许文彬, 黎军锋. 水利水电工程全生命周期碳排放研究——以犬木塘工程为例[J]. 清华大学学报(自然科学版), 2022, 62(8): 1366-1373.
[4] 麻林巍, 袁园, 李政. 2050年我国低碳能源系统的形态、特征描绘和敏感性分析[J]. 清华大学学报(自然科学版), 2022, 62(4): 802-809.
[5] 李苏辉, 张归华, 吴玉新. 面向未来燃气轮机的先进燃烧技术综述[J]. 清华大学学报(自然科学版), 2021, 61(12): 1423-1437.
[6] 黄晟, 李兴国. 京津冀协同视阈下河北省碳排放和碳交易[J]. 清华大学学报(自然科学版), 2017, 57(6): 655-660.
[7] 马丁, 陈文颖. 基于中国TIMES模型的碳排放达峰路径[J]. 清华大学学报(自然科学版), 2017, 57(10): 1070-1075.
[8] 刘念雄, 莫丹, 王牧洲, 张敬南. 城市家庭居住碳排放的社会-技术分析方法与应用[J]. 清华大学学报(自然科学版), 2015, 55(9): 933-939.
[9] 王利宁, 陈文颖. 不同分配方案下各国碳排放额及公平性评价[J]. 清华大学学报(自然科学版), 2015, 55(6): 672-677,683.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
版权所有 © 《清华大学学报(自然科学版)》编辑部
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn