Python的开源工具PyLMDI来实现LMDI

为有效应对气候变化,必须明确中国能源消耗造成碳排放的驱动因素,指出制定碳减排政策的关键点。一个国家的碳排放情况由该国的能源结构、能源强度、经济水平、人口规模等多种因素共同作用决定。通过LMDI因素分解模型,对我国2000—2015年碳排放情况进行分析,结果表明:我国能源消费碳排放总量呈增长趋势,其中碳排放正向驱动力是经济效应,其次是人口规模和能源结构效应,负向驱动力是技术效应。最后,根据上述结论对我国低碳经济发展提出了相应的政策与建议。

在引入指标分解和扩展的Kaya恒等式分析框架的基础上,将我国碳排放变化的驱动因素分为人口规模效应、经济发展效应、产业结构效应、技术进步效应以及能源结构效应5个部分。通过测算建立了我国长时间序列碳排放数据(2004—2016年),并从国家级、区域级和省市级3个层面分别探讨了各驱动因素的碳排放变动效应。结果表明,经济发展效应是促进我国碳排放增长最主要的驱动因素;而产业结构效应、技术进步效应是抑制我国碳排放增长的两个驱动因素;人口规模效应促进了我国碳排放的增长,能源结构效应抑制了我国碳排放的增长,但这两个驱动因素的影响力相对较小。此外,利用混合回归模型对上述结果进行了检验,验证了分析的合理性。最后,基于实证结果,提出了针对性的建议用于解决我国的碳排放问题。

1、基于公开数据，验证数据的规范性和标准性 2、实现LDMI算法的加法和乘法模式

中国能源消费的LMDI I分解分析，林骋，李娜，中国是能源消费大国，随着经济的增长，能源消费一直处于不断上升趋势，高耗能不但带来能源安全的问题还有环境污染的代价，故本文

山西省重点行业碳排放情况的LMDI分析和聚类评价.pdf

2002-2007-2012年中国部分省域城镇居民隐含碳排放数据集是基于中国30个省区（西藏、香港、澳门和台湾因缺少数据，没有计算）投入产出表和各省统计年鉴相关数据计算得到。为了使投入产出表中包括的产业部门与各省分行业能源消费总量中的部门相对应，将投入产出表中的42个产业部门合并为29个部门，再将相关的行业与居民八大消费相对应，运用投入产出方法，核算出隐含碳排放强度，隐含碳排放强度与居民消费的乘积即为隐含碳排放量。构建隐含碳排放恒等式，运用（Logarithmic Mean Divisia Index）方法，对隐含碳排放变化量进行分解，得出影响隐含碳排放的消费水平效应、人口规模效应、隐含碳排放效应、居民生活方式效应。中国省域城镇居民隐含碳排放数据集包括：（1）中国部分（30个省区）省域城镇居民隐含碳排放量；（2）运用方法分解后得到消费水平效应、人口规模效应、隐含碳排放效应、居民生活方式效应的量和投入产出表中的行业与统计年鉴上的能源消耗行业的对应关系附表。