碳排放影响因素省域聚类分析.docVIP

碳排放影响因素省域聚类分析 　　【摘要】 本文基于Kaya恒等式，找出与碳排放相关的因素，然后以这些因素为指标，对中国省域碳排放进行K均值聚类分析，从而将国内各省市分为4个区域，并根据不同的区域进行具体分析。 　　【关键词】 碳排放 Kaya恒等式 聚类分析 　　一、引言 　　我国幅员辽阔，各地收入水平、产业结构、资源禀赋等存在着很大的差异，因此在倡导节能环保、实施低碳发展时，必须要考虑到影响区域排放的因素差异，从而有目的、有针对性地制定不同的减排目标和策略。 　　二、指标选取 　　在碳排放的因素分解分析中，Kaya恒等式得到推广并被广泛的运用。Kaya恒等式是由日本学者Yoichi Kaya（1990）在联合国政府间气候变化专门委员会的一次研讨会上首次提出的。Kaya恒等式通过一种简单的数学公式把人类活动产生的二氧化碳排放与经济、政策、人口等影响因素联系起来了。其表达式为： 　???C=（C/E）（E/GDP）（GDP/P）P） （1） 　　Kaya恒等式把能源相关的碳排放（C）对能源（E）、产出（GDP，国内生产总值）和人口（P）连接起来了。C/E表示能源的碳排放强度，也就是单位能源碳排放；E/GDP表示单位产出能源消耗（产出的能源强度）；GDP/P表示人均收入；P表示人口总量。 　　根据Johan A.，Delphine F.和Koen S.（2002）的方法，可以在Kaya恒等式的基础上把碳排放按照下面的公式分解。 　　在公式（2）中，C为碳排放总量；Ci为第i种一次能源的碳排放量；E为一次能源的消费量；Ei为i种能源的消费量；Y为国内生产总值（GDP）；P为人口。公式（3）表示的是人均碳排放的Kaya分解。从公式（3）可以看出，人均碳排放与能源结构（）、各种一次能源的碳排放强度（）、产出的能源强度（）和人均收入（）有关。其中各种能源的碳排放强度（）可以看做是一个常数，具体的数值可以参考国家发改委能源所和国家科委气候变化项目组等研究机构给出的数值；产出的能源强度（）与产业结构密切相关。因此，本文选取人均碳排放、能源结构、产业结构、产出的能源强度、人均收入这5个指标作为进行碳排放分析的相关指标。 　　三、聚类分析 　　聚类分析是一种很常见的数据挖掘技术，它的主要作用是用于揭示数据库中未知的对象类。简单地说，就是对大量的数据进行分类，使得同一类别的数据之间的相似度尽可能大、相异度尽可能小，而不同类别之间的数据的相似度要尽可能小、相异度尽可能大。聚类分析的本质特征就是按照事物的所有特征来构建组，每组的成员应该显示出尽可能类似的结构。聚类分析来的目的是为了在众多对象中确定对象的同质性。 　　本文的研究过程中采用了K均值（K-means）聚类算法。K均值算法是以平均值作为类的中心的一种聚类方法。假设有n个对象，把它分为k类。其中，分成的聚类个数k是采用k均值算法必须预先制定的参数。聚类的过程可以通过以下几个步骤来进行：首先，随机选取k个对象，把每个对象作为一个类的中心，分别代表k各类；其次，根据距离中心最近的原则，寻找与各对象最相似的类，将其分配到各相应的类中；再次，在完成分配后重新计算每个类的平均值（中心），作为该类的新中心；接着根据距离中心最近的原则重新进行所有对象的分类；最后，返回步骤3，直到没有变化为止。 　　下面对我国内地各省的碳排放和与碳排放相关的发展情况运用K均值聚类算法进行分类分析。选取2008年我国内地30个省市自治区的人均收入、人均碳排放、能源强度、能源结构、产业结构作为指标来进行聚类分析。由于西藏数据缺失，所以这里没有把西藏纳入到分析过程中。指标中的人均收入、能源结构、产业结构、人口数据直接来源于《新中国六十年统计资料汇编》，能源结构用煤炭消费占能源消费的比例表示，产业结构用第二产业占国民经济的比重来表示，能源强度是用能源消费除以GDP算出来的，能源消费和GDP的数据也来源于《新中国六十年统计资料汇编》，人均碳排放数据是先根据Kaya恒等式算出各省一次能源的碳排放，然后除以各省的人口数得来的。 　　聚类分析中如果参与聚类的变量的量纲不同会导致错误的聚类结果。例如在本文分析中，能源结构和产业结构都是用百分比表示的，因而绝对值都不会超过1，而人均收入的单位是元，具体数值在几千到几万不等，如果不对数据进行无量纲化，那么在最终的聚类结果中，由于产业结构和能源结构的数值绝对值太小，就会完全起不了作用。因此在进行聚类分析之前必须对变量值进行标准化，消除量纲的影响。具体的消除量纲是通过下面公式来进行标准正态化的，结果见表1。 　　在进行聚类分析时，我们初始K值选4，就是说把全国省份分为四类，运用SPSS运算得到表2的聚类结果。 　　四、结论 　　通过K均值聚类分析，按照和低碳经济相关的5个因素——人均收入、人均碳排放