碳排放论文范文

引言：寻求写作上的突破？我们特意为您精选了4篇碳排放论文范文，希望这些范文能够成为您写作时的参考，帮助您的文章更加丰富和深入。

篇1

1.2聚类分析聚类分析是研究多要素事物分类问题的数量方法，其基本原理是根据样本自身的属性,按照某种相似性或差异性指标,定量确定样本之间的亲属关系,并按这种亲疏关系程度对样本进行聚类[25]。根据分类对象的不同，聚类分析又可以分为两类，一是在变量空间中根据变量特征或者指标性质对样品，即研究对象进行分类，叫做Q型聚类分析；二是在样品空间中根据变量在样品上的观测值对变量进行分类，叫做R型聚类分析[26]。本文着重对各产业进行分类，故采用Q型聚类分析。

1.3数据来源本文采用的数据广州市能源消费总量（万吨标准煤）、广州市国民生产总值GDP（万亿）和广州市年末常住人口数（万人）均来源于历年《广州市统计年鉴》（2004～2013）。

2结果分析

2.1广州市三次产业碳排放特征改革开放以来，广州加快了产业结构调整步伐，产业结构由改革开放初期的“一、二、三”调整为目前的“三、二、一”，第三产业占据了三次产业的主体地位。据统计，2012年广州市实现地区生产总值（GDP）13551.21亿元，按可比价格计算，比上年（下同）增长10.5%，三次产业对经济增长的贡献率分别为0.5%、35.2%和64.3%。形成了以汽车、石油化工、电子信息制造业以及生物医药等产业为支柱的国民经济体系。2012年，第一产业、第二产业和第三产业在碳排放总量中所占比重分别为1.95%、42.05%、42.49和13.50%左右。第一产业的碳排放量趋向稳定，近10年来一直维持在2%左右的低位，这说明第一产业并不是影响广州市碳排放总量的主要因素。另外，第三产业的碳排放量增长迅速，2012年第三产业的碳排放量首次超过第二产业。在广州市碳排放量比例中，以工业部门为主要构成的第二产业所占比重仍然较大，工业结构重型化，制造业仍然处于国际产业链的相对低端，先进制造业、现代服务业和战略性新兴产业发展相对不足。2012年广州规模以上工业总产值中轻重工业比例为32.02:67.98，重工业的能源消费占工业能源消费的71.72%。随着广州城市化、现代化不断发展，能源需求快速增长，碳排放需求将进一步释放。10年来，第三产业的碳排放比重迅速增加，2012年第三产业部门的碳排放量首次超过第二产业，这是由于交通运输业、仓储、邮政业等较耗能第三产业的迅速发展所致，第三产业比重所占比重加大。第一产业所占的比重最小，随着农业现代化水平的提高，农业能耗增加，碳排放比重有所提高。除第一产业外，其他部门碳排放强度呈现逐年下降趋势（图1），其中第二产业部门下降幅度最大，这是由于工业行业内部结构进行了优化调整，部分高能耗企业（印染、造纸等）关停或转移，高附加值低能耗行业（电器机械制造业、医药业等）比重上升。第三产业的碳排放强度最低，但同时应该看到，10年来第三产业碳排放强度下降速度缓慢，第三产业是未来广州经济增长的核心，金融、保险、物流等服务业是发展的重心，而这些行业的碳排放强度小，所以第三产业碳排放强度仍有较大下降空间。第一产业碳排放强度有所上升，这是农业机械化导致能耗上升的结果。

2.2广州工业内部各行业碳排放分析第二产业作为广州重要的支柱产业，低碳指标无疑是重要的，但不能因此而放弃一些碳排放较大，但对国民经济影响较大的部门。进一步优化广州工业结构的关键是甄别出碳排放量小、社会经济效益高的行业。本文将从经济、社会、生态效益三方面提取指标对工业内部各行业进行聚类分析，建立起广州工业内部的分类体系，该体系显示未来广州应该大力发展的行业和重点优化的行业。

2.2.1指标选取对经济、社会、生态效益的衡量分别选取增加值规模、就业系数、碳排放强度这三项指标。增加值规模代表该行业占工业比重，体现了该行业重要程度，增加值规模越大，则该行业对国民经济的拉动力越强。就业系数为行业的就业人数与该行业增加值的比值，反应行业对社会就业的吸纳能力，就业系数越大，则单位增加值吸纳劳动力越多，但同时也说明劳动生产率较低，在目前我国劳动力过剩的情况下需要辩证的看待这项指标。碳排放强度是单位增加值的碳排放量，该项指标反映行业对生态环境的影响程度。

2.2.2聚类分析本文采取聚类分析法对广州市工业内部行业进行聚类分析，根据《广州统计年鉴2013》查得规模以上工业各行业增加值、劳动生产率、单位增加值能耗等数据，从而计算出增加值规模、就业系数和碳排放强度等反应经济、社会和生态的指标（表2），依据指标对各行业进行聚类分区。本文采用的是系统聚类法，运用SPSS19选择ward聚类方法，采用平方Euclidean距离，聚类结果见图2。根据聚类结果，可以将广州的工业部门划分为五大类。第一类，2个，汽车制造业，化学原料及化学制品制造业。增加值规模占总增加值规模比例高达34.18%（为叙述简便，下述指标占比规模未作特别说明皆为该产业占规模以上工业比重），为增加值规模最大的两个产业，是广州的支柱产业，劳动生产率高，就业系数较低，但就业人数较多，就业人数规模为13.95%；同时也是碳排放强度较低的产业，碳排放强度仅为0.11，碳排放量占比为5.98%。上述产业为经济效益很高，同时碳排放强度较低的产业，就业人数较多，是广州今后优先发展的产业。第二类，14个，燃气生产和供应业，烟草制品业，有色金属冶炼和压延加工业，农副食品加工业，计算机、通信和其他电子设备制造业，电气机械及器材制造业，金属制品业，仪器仪表制造业，专用设备制造业，食品制造业，医药制造业，酒、饮料和精制茶制造业，铁路、船舶、航空航天和其他运输设备制造业，通用设备制造业。增加值规模37.09%，就业规模44.82%，碳排放规模8.37%，就业系数0.04234，碳排放强度0.15749，主要为先进制造业和饮食制造业，该类产业产值的增长对碳排放的依赖较小，增长速度快，科技含量较高，吸纳就业能力强的支柱产业，属于典型的低碳行业。造船业，各类设备制造业，通信电子以及生物医药应该作为广州重点发展的先进制造业；对于食品饮料，应健全监测与监控体系，提高产品质量标准，应用各项信息技术改善销售方式和渠道，依靠“广式食品”的传统美誉，做强做大“广式腊味”“广式月饼”，更好地体现岭南美食文化。第三类，8个，皮革、毛皮、羽毛及其制品和制鞋业，印刷业和记录媒介的复制，木材加工及木、竹、藤、棕、草制品业，纺织服装、服饰业，文教、工美、体育和娱乐用品制造业，家具制造业，其他制造业，橡胶和塑料制品业。增加值规模10.78%，就业规模30.93%，碳排放规模4.64%，就业系数0.10587，碳排放强度0.28035吨每万元，大部分属于轻工业，就业系数较高，碳排放强度较低，但经济效益偏低的产业，从现阶段来看，该类产业能够解决部分就业问题，对环境污染较小，关键在于加大研发投入，开发高端产品，提高经济效益，如高端服饰、体育用品、高尚家具品牌的建立。第四类，6个，纺织业，黑色金属冶炼和压延加工业，非金属矿物制品业，造纸及纸制品业，水的生产和供应业，化学纤维制造业。增加值规模4.75%，就业规模8.46%，碳排放规模12.89%，就业系数0.0595，碳排放强度1.37282，属于典型的高碳低效产业，是今后广州发展需要重点控制的产业，关停部分高碳产业，提高技术降低碳排放强度，如通过环保搬迁、园区集聚和技术升级，提高造纸工艺技术水平，开发各类高档新闻纸和高档文化用纸，进一步发展广州特色的高档印刷业。第五类，2个，电力、热力的生产和供应业，石油加工、炼焦和核燃料加工业。碳排放高达68.12%，是工业碳排放的主要来源，同时也是碳排放强度最大的两个产业，碳排放强度高达3.18吨/万元，为平均碳排放强度的5.3倍；增加值规模为13.20%，就业系数低，就业人数仅占1.84%。上述产业为经济效益较高，但碳排放较大的产业，对就业的拉动不大，产业的增长对碳排放的依赖较大，增长方式不够“低碳”，通过技术革新，大力降低碳排放强度的潜力还很大。

3结论与建议

篇2

（二）基于波尔兹曼熵的企业碳排放配额分配模型在区域碳排放量分配给区域内各行业后，将行业碳排放总量分配给行业内各个企业是落实碳分配和碳减排目标的关键。本文基于波尔兹曼分布，将熵最大化的原理应用于同行业下各个企业之间碳排放量的分配。在这里，包含多个企业的单个减排工业行业类比于物质系统，单位分配碳排放量类比于物质颗粒，参与减排企业的历史碳排放量和上报未来碳排放量几何平均类比于物质单态。假设所有的单位碳排放量在同一个企业k内都产生相同的碳排放量，那么企业k的碳排放强度ek即类比于物质单态i的单态能量Ei。在这样的类比下，分配给企业k的单位碳排放量的概率和跟企业k的历史排放量和未来排放量成正比，跟企业k的碳排放强度成反比，既兼顾了历史排放责任、未来发展需求，又鼓励提高排放效率。

二、样本选取与数据来源

昆山市张浦镇位于上海、苏州、昆山之间的黄金三角地带，是“全国经济百强县”之首昆山市的经济强镇。改革开放以来，张浦镇实施外向带动战略，先后成立了德国工业园、海峡两岸食品产业园、N维空间文化产业园等特色园区，累计吸引了3400多家企业注册落户，形成了以加工制造业为主的工业城镇。2012年，张浦镇规模以上工业企业达到220家，其能源消耗占全部企业能源消耗的95%。通过对张浦镇规模以上工业企业碳排放量进行定量分配，给予企业明确碳排放量约束，不但推进了碳交易市场的建立和工作的开展，也促进了张浦镇“十二五”期间节能减排目标的实现。本文选取张浦镇规模以上工业企业为样本，考虑到张浦镇自2012年才进行规模以上工业企业网上能耗统计，本文选取2012年和2013年规模以上工业企业历史排放数据，分配2013年规模以上工业企业碳排放量。2012年张浦镇规模以上工业企业220家，2013年增加至255家，选取张浦镇2012—2013年不变的217家规模以上工业企业作为碳排放权分配企业。通过计算分析，2012—2013年期间，此217家工业企业在政府行政命令下减排11%，完全达到政府规划要求，因此本文直接使用2013年规模以上企业实际排放量作为分配总量，同时也方便对比分析分配结果的满意度。企业能耗和工业产值数据来源于张浦镇经促局统计科提供的《2012年张浦镇规模以上工业企业能耗明细》和《2013年张浦镇规模以上工业企业能耗明细》；碳排放数据以各企业各类能源消费量为依据，根据各类能源发热系数、排放系数和碳氧化率计算得到，相关系数取自《上海市温室气体排放核算与报告技术文件》推荐标准，各个分品种能源的碳排放系数如表2所示。

三、分配结果分析

（一）基于信息熵的行业碳排放配额分配结果分析本文基于信息熵理论，以2012年和2013年张浦镇规模以上工业企业碳排放数据均值，计算各行业碳排放减排系数，进而对2013年张浦镇规模以上工业行业碳排放总量进行分配。通过基于信息熵的行业碳排放分配模型公式的计算，可得各指标的信息熵值、信息量值和熵权重值，这3个参数是计算减排因子的基础。具体减排影响因素指标参数计算值如表3所示。从各个影响因素指标的信息熵值来看，工业产值信息熵值最大，熵值为0.707，说明工业产值信息量较小，行业减排能力对碳总量减排作用较小；能源结构熵值最小，熵值0.470，说明能源结构信息量较大，原煤减少使用对碳总量减排作用较大。其他因素如历史排放量、能源强度和排放强度在碳减排分配中影响越来越小。结合张浦镇2013年规模以上工业碳分配总量，通过信息熵行业碳分配模型计算可得张浦镇2013年规模以上工业各个行业碳排放配额。根据碳减排结果（图1）显示，各行业的碳减排量相对于2012年，各行业减排幅度从17.17%~0.02%不等，全行业碳减排量相对于基期2012年减排了11.01%，基本符合张浦镇发展需求和节能减排形势。如图1所示，一方面，化学原料和化学制品制造业（行业26）分配到碳减排量16.81万吨，减幅17.17%，对以煤为主的化工行业，施以严格的减排约束，有利于促进化工行业调整能源结构。其中，中盐昆山有限公司耗能占总化工行业耗能96.5%，其“十二五”期间实施节能技改可以节能21.45%，所以化工行业的碳排放减排降幅符合了行业节能潜力，该减排量切实可行。另一方面，非金属矿物制品业（行业30）分配到碳减排量8.40万吨，降幅9.27%，这对碳排放强度较高的非金属行业提出较高要求，督促企业节能减排，提高能源效率。其中，台玻集团耗能占总行业耗能81.81%，其能源审计报告显示台玻集团“十二五”期间实施节能技改项目，可以节能8.98%，考虑到中盐锅炉项目实施，台玻集团等企业将使用中盐的锅炉蒸汽，则台玻集团可以进一步节能减排，所以非金属矿物制品业碳排放降幅是合理且可行的。通过对比基于信息熵的碳排放总量行业分配和基于历史排放的碳排放总量行业分配结果如图2所示。以化工行业为例，若是基于历史排放进行碳排放量分配，其可获得87.118万吨的分配量，多出5.207万吨。这种情况下，虽然分配标准考虑到行业发展需求，但是分配存在不公平性，政府仿佛在变相鼓励高排放企业进行碳排放，此碳分配量可能得不到其他企业认同；另外，企业获得高排放权利，其节能减排动力不足，企业不会主动提高能源效率，行业碳排放强度难以下降，难以完成全行业的节能减排目标。基于信息熵的分配方法考虑了化工行业历史责任和行业减排潜力，分配结果使化工行业的碳排放量更加合理。进一步通过对比基于信息熵的碳排放总量行业分配和基于按比例分配的碳排放总量行业分配减排占比，如图3所示。经计算发现，按相同碳减排比例（本文的减排分配比例是11.01%）分配得到的各行业碳排放量和按历史排放分配得到的分配量结果是一致的。在按等减排比例分配情况下，此分配标准没有考虑各个行业的异质性，各个行业的减排能力和减排潜力是不一致的，对于能源效率低下的化工行业和能源效率相对较高的通信电子行业都采取一刀切的分配方法，是粗放不合适的。综上，基于信息熵的碳排放量分配相对于基于历史排放和基于等减排比例的分配更加公平有效，主要是由于信息熵方法基于行业异质性，客观考虑了行业发展需求、减排能力和减排潜力，其分配结果更加符合实际。

（二）基于波尔兹曼熵的企业碳排放配额分配结果分析基于上述行业碳排放配额分配结果，通过玻尔兹曼熵，计算张浦镇规模以上工业企业2013年碳排放量分配额。鉴于数据可得性，C0i使用企业2012年和2013年碳排放量的几何平均；ei使用企业2013年碳排放强度，以体现企业最新排放效率，贴合企业实际需求和要求；β由2012年和2013年历史碳排放量，通过最小二乘法模拟计算取得（即使Y值最小），各个行业β计模拟结果如表4所示。根据各行业的最优β值，进一步计算得出各个行业内企业的碳排放配额。根据各个行业内企业的碳排放量分配结果看出，各个企业获得的碳排放分配量相对于基期2012年排放量，减排幅度不等，不仅由于行业异质性，也考虑行业内企业的发展需求和碳排放效率。对于化学原料和化学制品制造业（行业26），对该行业下15家企业碳排放量的分配中，通过最小二乘法的β模拟最优值为0。通过计算，如图4所示，分配结果与历史排放均值成正比，分配结果相对于企业2013年实际排放值和2012年历史排放值比较没有很大波动。此时β取值为0，企业分配到的碳排放配额基本满足企业自身生产需要，企业之间碳交易成本最低。若适当提高β取值，可以进一步奖励高排放效率企业，惩罚低排放效率企业，不过增加了本行业下企业的碳交易成本。本文此处β取值为0，中盐公司虽然碳排放强度高，但是作为国营企业，已经进行节能改造，能源效率迅速提高，若减排后多出的碳排放配额，既可以用于进一步扩大生产，提高行业高效率产能占比，从而改善了行业的资源配置，提高了整个行业的碳排放效率；也可以通过碳交易市场出售给其他减排成本较高企业，获得利润，进一步改善生产结构。其他化学制品公司碳排放强度不高，在政府部分鼓励和补贴下，可以积极申报政府节能技改项目，以进一步提高碳排放效率。对于橡胶和塑料制品业（行业29），在对该行业下16家企业碳排放量的分配中，通过最小二乘法的β模拟最优值为0.514。通过计算可得各个企业2013年碳排放配额，相对于企业2012年和2013年历史排放几何平均值，分配减排量比从-22.77%~13%不等，由图5所示，在总量控制下，橡胶和塑料制品业下各企业分配到的减排比例和企业排放强度成正向关系，企业碳排放强度越高，企业分配得到减排量越大。此时的β取值，不仅使得企业碳交易成本最低，同时奖励了高排放效率企业，惩罚了低排放效率企业。随着β值取值越小于0.514，则企业分配到的碳排放量更接近历史排放均值；随着β值取值越大于0.514，企业因碳排放强度受到的惩罚和奖励就更大。β取值0.514，企业间碳交易成本最小。分配到较少碳排放配额的企业需要通过提高能源效率，降低碳排放需求，或者通过碳交易市场购买碳排放配额；分配到较多碳排放配额的企业，可以通过碳交易出售给减排成本较高的企业，也可以自己储备用来扩大优质生产力。例如，和进塑胶电子有限公司，2013年碳排放强度为0.686吨CO2/万元，碳排放效率行业最低，分配获得13%的碳排放减量；而贺升电子有限公司，2013年碳排放强度为0.016吨CO2/万元，碳排放效率行业最高，分配获得22.77%的碳排放增量。在此情况下，和进塑胶电子有限公司必须进行节能减排工程项目实施，提高碳排放效率，降低碳交易成本；而贺升电子有限公司则可以出售碳配额获益。综上，在同一个行业下使用基于玻尔兹曼熵的企业碳排放配额分配法，以最小交易成本为目标，考虑了企业未来发展需求，达到奖励高排放效率企业，惩罚低排放效率企业，分配结果更易被企业接受，也推动了张浦镇节能减排工作顺利完成。

篇3

二、文献回顾

目前，国内外关于城市家庭碳排放的研究可以归纳为以下三个方面。一是家庭基本特征和家庭能源消费方式对碳排放的影响。国外学者帕乔里(Pachauri)借助家庭微观调查的研究，结果表明，家庭收入是家庭碳排放的重要影响因素;杰克逊(Jackson)的研究表明，家庭规模、住房面积、成员结构、消费水平等家庭特征是家庭碳排放的主要影响因素。弗林格尔(Vringer)等发现，户主年龄在40－50岁的高收入群体，其家庭能源消耗最大。杨选梅等以南京为例认为常住人口、交通出行、住宅面积是影响家庭碳排放的显著因子。杨瑞华等对全国不同地域9个城市的家庭碳排放情况进行跟踪调查，对城市家庭碳排放特点和不同地域城市碳排放差异进行了实证研究，结果表明，家庭碳排放量与家庭经济文化水平和家庭常住人口数呈正相关，沿海经济发达城市家庭的碳排放量高于内陆城市和经济欠发达城市。威尔森(Wilson)等研究了家庭成员的环境认知、能源消费行为对家庭碳排放的影响。二是家庭碳排放的空间分布差异研究。阿尔蒙德(Almond)等研究发现，在中国，秦岭－淮河以北地区由于需要家庭集中供暖，其碳排放量特别高。卡恩(Kahn)通过使用1993年美国居住能源消费调查数据，研究发现居住郊区化对能源消费的显著影响以及其环境后果。黄茹等通过广州市3个不同区位类型社区家庭的问卷调查，结果发现郊区社区家庭碳排放量最高，市区社区家庭碳排放量居中，城乡结合部家庭碳排放最低。张馨等研究了城乡居民家庭能源消费的碳排放，结果表明，从2000－2007年城镇居民家庭的直接能耗和间接能耗碳排放都呈上升趋势，农村居民家庭的直接能耗碳排放逐年增加而间接能耗碳排放有所下降。三是从时间序列分析家庭规模的变化对碳排放的影响。蒋耒文等认为，相对于个人而言，家庭是消费的主要单位，在人口总量保持稳定的情况下，家庭规模变化导致的家庭户总量的变化有可能对碳排放产生明显的影响。陈佳瑛等就中国1978－2007年家庭模式变化对碳排放的影响情况进行了实证分析，发现家庭规模与总户数对于碳排放具有较大影响力，家庭户单位体现出对人均单位未能包括的家庭消费行为模式的包容，因而可能成为更合适的居民能源消费产生碳排放的分析单位。王钦池认为根据边际效应递减规律，在一定的经济社会条件下，应该存在一个能源利用效率最高的家庭规模，称之为最优家庭规模。当家庭规模大于或者小于最优规模时，都会导致能源利用效率的降低和碳排放量的增加。总体说来，家庭碳排放的研究视角从开始较多地集中在宏观层面逐渐转向家庭微观层面。随着我国新型城市化建设的加速推进，人们生活方式将发生巨大变化，城市居民生活水平也将不断提高，城市生活能耗消费量将不断增长，导致城市家庭能耗碳排放对环境的影响更加明显。因此，有必要对某一区域或省域的家庭碳排放特点及变化特征做详细调查研究，这样可以针对不同研究区域的家庭特征、低碳消费行为分别研究碳排放的影响因素，从而制定更有针对性的区域、社区及微观家庭成员的减排政策。本文将以微观家庭调查数据为基础，以经济发达的东部沿海省份江苏作为研究对象，主要研究江苏城市家庭碳排放的结构特征和区域差异性，并分别对调查城市家庭的基本特征、家庭成员低碳消费行为与家庭碳排放的相关性作回归分析，最后得出江苏城市家庭碳排放的主要影响因素。

三、数据来源与研究方法

1．数据来源

研究采用2013年南京邮电大学大学生实践创新训练计划项目“江苏城市家庭碳排放调查”研究小组对江苏省城市家庭活动的调查数据。该调查按照江苏南北区域经济发达与不发达等特点选取了苏南的南京市、苏中的南通市以及苏北的连云港市，由于三个城市2012年的城镇居民家庭人均消费性支出分别与所在区域的平均水平最接近，且南京市是江苏城市化程度最高的城市，南通市是苏中地区三个市中人口最多的城市，连云港市2012年人均GDP排在江苏13个地级市的倒数第二位，因此，选取这三个城市体现了江苏区域经济发展的差异性和典型代表性，可以代表不同区域的城市家庭碳排放基本情况。研究在每个城市选择三个社区(市区社区)，为了使数据收集更具广泛性和灵活性，并且提高问卷收集速度，在每个社区选择150户家庭采用入户随机发放和现场填写问卷的方式进行调查，要求每个家庭18周岁以上成员填写调查问卷。研究共发放问卷1350份，收回有效问卷1288份，问卷有效率为95.4%。调查问卷包括三个部分:家庭基本特征、家庭低碳消费行为和家庭碳排放结构。家庭基本特征包括家庭的人口统计特征、消费特征(居住面积)、出行特征、文化特征、经济特征(家庭收入)五个方面，其中人口统计特征包括:家庭常住人口数、被调查者的性别、年龄。家庭低碳消费行为包括家庭成员的每周购物频率、在外就餐频率、垃圾分类情况、空调温度调控、自备购物袋以及“一次性”用品的使用六项内容。家庭碳排放结构包括家庭能耗(家庭用电、水、天然气或罐装液化气)、交通出行(飞机、火车(动车)、长途汽车、地铁、公交车、小汽车、电动车)、家庭生活垃圾三个方面。

2．研究方法

比娜等提出了消费者生活方式方法(ConsumerLifestyleApproach，CLA)，该方法是从家庭外部环境、个人决策因素、家庭基本特征、消费者行为以及消费行为产生的后果五个方面研究家庭碳排放。该模型首先被用于美国家庭碳排放研究中，随后该模型被众多学者引用。此模型中消费者是指为满足其生活需要购买产品和服务的个人或家庭的实体;生活方式影响并决定了消费者的个体消费行为。该模型的目的是通过理解消费者的个体行为以便制定出更好的公共政策。由于各种影响因素的相互交织，并且其中一些因素随着环境的变化而不断变化，因此，了解“消费者”变得很复杂。本文在此方法的基础上加以修改和补充，绘制了基于家庭消费行为特征的家庭碳排放影响因素技术路线图。

篇4

1.2Malmquist指数模型Malmquist指数模型是进行动态效率评价的一种典型方法，尤其对于需要测度时间序列上研究对象效率演变的问题十分有效[4]。根据Malmquist模型，不仅可以分析各研究对象生产技术进步变化的路径，还可以将技术效率变化继续分解为规模效率变化和纯技术效率变化，进一步得出全要素生产效率变化，可以分析出更多有意义的信息。该指数与Fisher指数和Tomqvist指数相比，可以把生产率的变化因素分为效率变化与技术变化，可以忽视价格因素，避免由于价格原因导致的效率评价偏差。假设（Xt，Yt）和（Xt+1，Yt+1）分别代表先后连续2个时期的投入与产出的关系（t和t+1），投入产出在2个时期的变化就代表了生产率的变化，生产率的变化原因包括技术水平变化和技术效率的变化。如，Dct（xt，yt）、Dct+1（xt+1，yt+1）代表距离函数，则分别基于两个时期参照技术的Malmquist指数为。TE是纯技术效率变化水平，是规模报酬可变假定下的技术效率变化水平；TC是技术变化水平，代表生产前沿面的变化对生产率改进的影响幅度；SE是规模效率变化水平，代表规模报酬对生产率的作用。如果综合效率指数大于1，则说明综合生产率水平提高；反之，则综合生产率水平降低。如果构成综合效率指数的某一项大于1，则说明该项是综合效率指数提升的因素之一，否则对综合效率指数改善起负面作用。

2指标体系与数据来源

2.1土地利用碳排放效率评价指标体系土地利用碳排放包括2类，即：直接土地碳排放与间接土地碳排放[8]。直接土地碳排放是指土壤内部生物化学活动导致的自然排放过程，长期存在，可控性不强；间接土地碳排放是指由土地所承载的人类活动产生的碳排放，这类碳排放是人类经济社会发展的必然产物，其受到经济增长的影响较大，是可调控的碳排放类型，也是有关碳排放研究的主要研究内容。根据前文建立的碳排放测算体系，承载碳排放的土地利用类型主要有两类，即：农地和建设用地，本文将这两类用地的碳排放强度（单位面积的碳排放量，单位t/hm2）作为投入指标参与计算。经济增长是测度产出最直接、最客观的指标，本文选取地均三次产业产值作为产出指标测度碳排放投入对应的产出情况，建立指标体系如表1所示。

2.2数据来源本文实证分析中的数据均来自于各行业统计年鉴（2000-2011年），具体包括：农业物质投入及水稻播种面积的数据来自历年中国农村统计年鉴，数据缺失省份查找其当年统计年鉴补充完整；能源数据来自历年中国能源统计年鉴给出的各地区能源平衡表；城市垃圾及工业废弃物数据来自国家及各省统计年鉴，参考国研网统计数据库数据补充完整，缺失年份的数据借鉴插值法根据该年份临近数据进行估计；经济数据来自国研网统计数据库的查询结果，由于要进行时序比较，经济数据按2000年不变价参与计算。

2.3处理说明根据《土地利用现状分类》及赵荣钦等学者的研究，承载碳排放的土地利用类型包括耕地、牧草地、城镇居民点及工矿用地、农村居民点用地、交通水利及其他用地。研究将根据碳排放载体将其分解到具体的用地类型，值得说明的是畜牧业按照食物来源将牲畜活动分属于耕地和牧草地，用地类型与碳排放源对应关系如表2所示。

3结果分析

3.1湖南省碳排放测算本文根据IPCC给出指南，结合研究重点和研究区域特征，对湖南省2000-2011年碳排放进行测算，结果如表3所示。（1）碳排放总量快速增加。2000年湖南省碳排放总量为35045999.67t，5年后，翻了一倍多，2005年碳排放总量达76214406.62t，2011年碳排放总量为103777937.56t，较2000年增长近两倍，年均增长率10.37%，增速略低于GDP增速。（2）能源消费碳排放增加构成碳排放总量增加的主要因素。2000年能源消费碳排放总量为27085405.84t，到2005年该项碳排放增加一倍多，总量67139441.27t，2011年能源消费碳排放总量为95300578.70t，较2000年增加多于2倍，增长率为266.62%，年增速13.42%，增速高于GDP增速。（3）种植业碳排放波动较大，呈现先升后降的趋势，具体而言，2000-2006年，种植业碳排放持续上升，且增速较快，这主要得益于2003年后农业政策不断完善尤其是废除农业税等大大激发了农民的种粮积极性，由此引发的农业物质投入飞速增长，碳排放源来源增加，2006年后，种植业碳排放波动较大，整体呈下降态势，到2011年碳排放总量已经下降到2847563.67t，低于研究时序内各年的种植业碳排放，这样大幅的下降究其原因主要有，城市建设用地扩张，大量农田被侵占，种植业的总量减少，可持续发展理念深入人心，农田保护工作落实得力，农业物质过量投入的现象有所缓解，农田污染得到一定治理。（4）畜牧业碳排放持续上升，但增速较慢，2000年畜牧业碳排放为4683184.82t，2011年畜牧业碳排放为5523005.01t，总增长17.93%，远小于碳排放总量及能源消费碳排放增加率。结合研究时序内湖南省农业产业结构调整的特征可以发现，畜牧业在第一产业中的比重不断提高，但就生猪出栏量分析，从2000年的3583.8万头增加到2011年的4044.86万头。（5）废弃物碳排放占总量比例较低，虽然在研究时序内其总量也发生了较大变化，但对碳排放总量的影响很小，2000年废弃物碳排放总量为80030.24t，在研究时序内波动上升，至2011年达到106790.18t，总增长率为33.44%。

3.2湖南省土地利用碳排放动态效率分析根据前文2.3节所述，将碳排放源分解为农地承载碳排放（耕地、牧草地）和建设用地承载碳排放（城镇居民点及工矿用地、农村居民点用地、交通水利及其他用地），分别计算各DMU的2项土地利用碳排放强度，作为Malmquist模型的投入指标测算，按3.1中说明，将地均三次产业产值作为模型产出指标，运用Matlab软件计算得到湖南省2001-2011年间土地利用碳排放效率动态演变路径，结果见表4所示。结果显示，2001-2011年，湖南省土地利用碳排放全要素效率保持稳中有升的趋势，特别是2004年、2007年、2008年、2010年、2011年，全要素效率均显著上升。2008年后受到金融危机等经济环境影响，各效率变化指数显著下降。尽管如此，从均值来看，土地利用碳排放效率仍然保持了年均28.32%的增长。土地利用碳排放效率指数小于1的年份有2002年、2005年、2009年，分析其他效率变化指数可知，这3年的综合技术率变化指数、规模效率变化指数和纯技术效率变化指数均小于1，且综合技术率变化指数均处于其他3类指数的最小值，由此可以推断综合技术率不足是造成湖南省土地利用碳排放效率指数小于1的主要因素。2003-2007年，土地利用碳排放效率指数和技术进步指数均大于1（2005年稍低但接近于1），而同期的规模效率变化指数连续出现小于1的情况，因此，这段时期土地利用碳排放效率进步主要源于技术进步。事实上，随着科技进步和能源利用效率的不断提升，技术效率将不断得到改善。2003年后，废除农业税等利农政策的推出使得农业投入不断加大，化肥、农药等过度使用造成了农地碳排放的陡然上升，而产出效率不足以弥补投入，致使规模效率降低。2008-2010年，土地利用碳排放效率指数呈现先下降后上升的特征。这一时期主要受到金融危机的影响，整体经济效率下降，产能难以削减，市场需求不足导致产出效率较低。技术进步继续维持上升状态，指数大于1，综合技术效率指数2009年小于1。2010年后，经过多轮经济刺激政策，经济状况企稳回升，金融危机对经济系统运行效率的影响渐渐淡化，可持续发展理念与生态文明建设渐入人心，日益严重的全球变化和气候异常也不断提高人们对环境问题的关注，土地利用碳排放效率及其他指数均开始回归大于1的状态。