一种基于多情景析因分析的多区域投入产出评价方法

1.本发明属于碳排放管理领域，特别涉及一种基于多情景析因分析的多区域投入产出评价方法。


背景技术：

2.高速的城市化导致全球能源需求急剧上升，二氧化碳(co2)过度排放，进一步加剧了气候变化。而气候变化正通过对生态系统和社会经济系统的影响威胁着人类的健康和福祉。因此，剖析经济系统与碳排放压力之间的关系对于城市群的可持续发展至关重要。
3.然而，对于由多个城市组成的城市群，其生产技术、资源利用和污染强度的差异性更为复杂。城市群的碳排放特征不仅取决于单个城市的经济活动，也与不同城市、不同部门之间的经济联系密切相关。目前，国内外学者利用投入产出模型在整合生产系统中观察到的经济和技术关系，追踪不同经济体之间的碳排放流动，分析环境和经济影响方面开展了大量工作，但仍存在一定的局限性。例如，缺乏对城际联系和区域贸易网络复杂性的分析，难以量化模型输出对主要因子及其组合的敏感性。所以，亟需更为有力、综合的方法，对碳排放系统进行评价、管理。


技术实现要素：

4.为了解决上述技术问题，本发明提供了一种基于多情景析因分析的多区域投入产出评价方法，包括：
5.步骤a：构建环境拓展的多区域投入产出表；
6.步骤b：根据步骤a建立的多区域投入产出表建立环境拓展的多区域投入产出模型；
7.步骤c：根据步骤b建立的多区域投入产出模型，通过关联度指标，识别关键碳排放部门；
8.步骤d：根据gdp增长率、三次产业结构，通过ras法预估目标年的投入产出数据，核算未来的区域的碳排放及区域间的碳转移；
9.步骤e：根据步骤c识别的关键碳排放部门，基于步骤d预估的投入产出数据，通过2
k-p
部分析因分析，以关键碳排放部门和gdp增长率为因子，模拟不同类型的减排策略，以碳排放及碳强度为指标，评价不同情景的减排效果；
10.步骤f：根据步骤e模拟的多种减排策略，以碳强度为响应变量，量化多因子的主效应及交互效应。
11.优选地，所述步骤b构建的多区域投入产出模型满足以下关系：
[0012][0013]
x＝(i-a)-1
×
(f fe)
[0014]
[0015][0016]
其中，表示区域r部门i的总产出；i为单位矩阵；表示区域s部门j对区域r部门i产品的直接消耗系数；l＝(i-a)-1
表示leontief逆矩阵；表示区域r部门i生产的作为区域s部门i最终需求的产品；表示区域r部门i生产的作为区域s部门i最终需求的产品；表示区域r部门i的出口；c
rs
代表由区域s最终需求驱动的区域r的碳排放；是e的对角矩阵，表示区域r部门i每单位产出的直接碳排放；是fs的对角矩阵，表示区域s部门j的最终需求；是f
se
的对角矩阵，表示区域s部门j的出口。
[0017]
优选地，步骤c中识别关键碳排放部门的具体过程为，利用两种关联度指标(前向关联、后向关联)量化部门在系统中的重要性。当部门的关联度指标均大于1，则其被判定为关键碳排放部门，所述关联度指标的计算公式为：
[0018][0019][0020]
其中，γ＝e(i-a)-1
；δ＝(i-b)-1
e'；e’是e的转置；(i-b)-1
为ghosh逆矩阵；blj＞1代表部门j的最终需求每增加1个单位，就会导致碳排放高于平均水平的增加；fli＞1表示i部门初始投入每增加1个单位，碳排放增加则高于平均水平。
[0021]
优选地，步骤d中预估目标年投入产出数据的ras法的具体过程为，根据gdp增长率、三次产业结构，设置行和列的目标值，再利用实际值与预设目标值间的比例关系，通过迭代实现矩阵的再平衡，所述方法的公式为：
[0022][0023][0024][0025]
其中，a1为目标年的技术系数矩阵；a0为基准年的技术系数矩阵；r和s分别为行迭代系数和列迭代系数；为总产出的对角矩阵；i是一个所有元素都等于1的列向量；u和v分别表示迭代过程中总产出的列向量和总投入的行向量。
[0026]
根据步骤d预估的投入产出数据，未来区域间碳转移的核算方法如下：
[0027][0028][0029]
其中，表示从区域r部门i转移到区域s部门j的co2；是f
ss
的对角矩阵，f
ss
表示满足区域s自身需求的区域s部门j产品；为区域r部门i和区域s部门j之间co2的净转移量。
[0030]
优选地，步骤e的具体过程为，通过2
k-p
部分析因分析，以关键碳排放部门和gdp增
长率为因子，设置因子的高、低水平，模拟不同类型的减排策略(调整直接排放、调整最终需求)，以碳排放及碳强度为指标，评价不同情景的减排效果。
[0031]
所述步骤f中量化多因子的主效应及交互效应的析因分析的公式为：
[0032][0033][0034][0035][0036][0037][0038][0039][0040][0041]
sse＝ss
t-ss
a-ss
b-ss
ab
[0042]
其中，y
ijk
为第k次重复时，因子a在i水平，因子b在j水平时的观测值；μ为总体平均效应；τi为因子a在i水平的效应；ηj为因子b在j水平的效应；τη
ij
为因子a和因子b的交互作用；ξ
ijk
为随机误差的组成部分；ssa，ssb和ss
ab
分别是因子a，因子b和两者交互的平方和；ss
t
和sse分别是总平方和以及随机误差。
[0043]
与现有技术相比，本发明的有益效果为：
[0044]
本发明开发了一种基于多情景析因分析的多区域投入产出评价方法，揭示了不同类型减排策略下，多城市、多部门、多因子之间复杂的互动关系。该发明不仅能够通过构建的环境拓展的多区域投入产出模型，评估多城市、多部门的碳排放特征，通过关联度指标，识别关键碳排放部门，而且能够通过ras法预测未来的投入产出数据，基于此模拟不同类型的减排情景，通过析因分析，量化多因子对响应变量的主效应及交互效应，揭示了系统中不同城市、不同部门之间复杂的互动关系，为区域协同发展目标下制定合适的碳减排集成解决方案提供了科学依据。
附图说明
[0045]
图1是本发明一种基于多情景析因分析的多区域投入产出评价方法实施例的示意
图；
[0046]
图2是本发明实施例中经济部门碳排放的示意图；
[0047]
图3是本发明实施例中不同情景下碳排放及碳强度的示意图；
[0048]
图4是本发明实施例中调整最终需求情景下多因子主效应及交互效应的示意图。
具体实施方式
[0049]
下面结合附图，对实施例作详细说明。
[0050]
如图1所示，本发明提出了一种基于多情景析因分析的多区域投入产出评价方法，包括：
[0051]
步骤a：构建环境拓展的多区域投入产出表；
[0052]
步骤b：根据步骤a建立的多区域投入产出表建立环境拓展的多区域投入产出模型；
[0053]
步骤c：根据步骤b建立的多区域投入产出模型，通过关联度指标，识别关键碳排放部门；
[0054]
步骤d：根据gdp增长率、三次产业结构，通过ras法预估目标年的投入产出数据，核算未来的区域的碳排放及区域间的碳转移；
[0055]
步骤e：根据步骤c识别的关键碳排放部门，基于步骤d预估的投入产出数据，通过2
k-p
部分析因分析，以关键碳排放部门和gdp增长率为因子，模拟不同类型的减排策略，以碳排放及碳强度为指标，评价不同情景的减排效果；
[0056]
步骤f：根据步骤e模拟的多种情景，以碳强度为响应变量，量化多因子的主效应及交互效应。
[0057]
所述步骤b构建的多区域投入产出模型满足以下关系：
[0058][0059]
x＝(i-a)-1
×
(f fe)
[0060][0061][0062]
其中，表示区域r部门i的总产出；i为单位矩阵；表示区域s部门j对区域r部门i产品的直接消耗系数；l＝(i-a)-1
表示leontief逆矩阵；表示区域r部门i生产的作为区域s部门i最终需求的产品；表示区域r部门i生产的作为区域s部门i最终需求的产品；表示区域r部门i的出口；c
rs
代表由区域s最终需求驱动的区域r的碳排放；是e的对角矩阵，表示区域r部门i每单位产出的直接碳排放；是fs的对角矩阵，表示区域s部门j的最终需求；是f
se
的对角矩阵，表示区域s部门j的出口。
[0063]
所述步骤c中识别关键碳排放部门的具体过程为，利用两种关联度指标(前向关联、后向关联)量化部门在系统中的重要性。当部门的关联度指标均大于1，则其被判定为关键碳排放部门，所述关联度指标的计算公式为：
[0064][0065][0066]
其中，γ＝e(i-a)-1
；δ＝(i-b)-1
e'；e’是e的转置；(i-b)-1
为ghosh逆矩阵；blj＞1代表部门j的最终需求每增加1个单位，就会导致碳排放高于平均水平的增加；fli＞1表示i部门初始投入每增加1个单位，碳排放增加则高于平均水平。
[0067]
所述步骤d中预估目标年投入产出数据的ras法的具体过程为，根据高、低gdp增长水平、三次产业占比，设置行和列的目标值，再利用实际值与预设目标值间的比例关系，通过迭代实现矩阵的再平衡，所述方法的公式为：
[0068][0069][0070][0071]
其中，a1为目标年的技术系数矩阵；a0为基准年的技术系数矩阵；r和s分别为行迭代系数和列迭代系数；为总产出的对角矩阵；i是一个所有元素都等于1的列向量；u和v分别表示迭代过程中总产出的列向量和总投入的行向量。
[0072]
根据步骤d预估的投入产出数据，未来区域间碳转移的核算方法如下：
[0073][0074][0075]
其中，表示从区域r部门i转移到区域s部门j的co2；是f
ss
的对角矩阵，f
ss
表示满足区域s自身需求的区域s部门j产品；为区域r部门i和区域s部门j之间co2的净转移量。
[0076]
所述步骤e的具体过程为，基于2
k-p
部分析因分析，以关键碳排放部门和gdp增长率为因子，设置部门直接排放、最终需求减少的高、低水平(-2％、-25％)，以碳排放及碳强度为指标，模拟多种情景的减排效果。
[0077]
所述步骤f的具体过程为，基于模拟的多种情景，以碳强度作为响应变量，量化多因子的主效应及交互效应，所述析因分析的公式为：
[0078][0079][0080][0081]
[0082][0083][0084][0085][0086][0087]
sse＝ss
t-ss
a-ss
b-ss
ab
[0088]
其中，y
ijk
为第k次重复时，因子a在i水平，因子b在j水平时的观测值；μ为总体平均效应；τi为因子a在i水平的效应；ηj为因子b在j水平的效应；τη
ij
为因子a和因子b的交互作用；ξ
ijk
为随机误差的组成部分；ssa，ssb和ss
ab
分别是因子a，因子b和两者交互的平方和；ss
t
和sse分别是总平方和以及随机误差。
[0089]
图2为经济部门的碳排放。由图可知，京津冀的高碳产业主要集中在河北，冶金业、电力热力生产供应业和交通运输业是京津冀的主要碳排放源。随着经济发展和人口增长，总产出增加，碳排放也会增加。
[0090]
图3为不同情景下的碳排放及碳强度。由图可知，调整直接排放情景下，碳排放和碳强度的变化波动明显；调整最终需求情景下，碳排放和碳强度的变化波动较平缓。保持经济中高速增长，适当控制河北、天津高碳行业的直接排放或最终需求，可以实现京津冀碳强度的显著降低。
[0091]
图4为调整最终需求情景下多因子的主效应及交互效应。由图可知，gdp增长率则对系统碳强度具有负效应；天津与河北的电力热力生产供应业、河北的机械制造业的最终需求减少对系统碳强度具有正效应。河北、天津的部分高碳产业与北京的电力热力生产供应业存在显著的交互效应。
[0092]
本发明实施方式中的投入产出评价方法与现有技术不同，现有技术中利用投入产出模型研究碳排放系统大多关注区域间的联系和溢出效应，但没有量化部门之间的互动效应，对多城市、多部门间复杂关系的剖析并不充分，而本发明实施方法在分析碳排放特征的基础上，检测了多城市、多部门、多因子的交互效应，为科学决策提供了依据。
[0093]
本发明实施方式中，考虑城市群的城际联系和贸易网络复杂性，模拟不同类型的减排策略，量化多城市、多部门、多因子的主效应及交互效应，综合分析碳排放系统中部门间的复杂关系，获得具有较好效果的减排方案。
[0094]
此实施例仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。