A structural decomposition analysis of global energy footprints

人均 能量强度 能源消耗 足迹 经济 生产(经济) 自然资源经济学 消费(社会学) 货币 投入产出模型 能源供应 人口 能量(信号处理) 业务 地理 宏观经济学 工程类 统计 社会学 考古 人口学 电气工程 社会科学 数学
作者
Jun Lan,Arunima Malik,Manfred Lenzen,Darian McBain,Keiichiro Kanemoto
出处
期刊:Applied Energy [Elsevier]
卷期号:163: 436-451 被引量:237
标识
DOI:10.1016/j.apenergy.2015.10.178
摘要

Understanding the drivers of past and present energy consumption trends is important for a range of stakeholders, including governments, businesses and international development organizations, in order to prepare for impacts on global supply chains caused by changes in future energy price or availability shocks. In this paper we use environmentally-extended input–output tables to: (a) quantify the long-term drivers that have led to diversified energy footprint profiles of 186 countries around the world from 1990 to 2010; (b) identify which countries and sectors recorded an increase or decrease in energy footprints during this time period; (c) highlight the effect of international outsourcing of energy-intensive production processes by decomposing the structural and spatial change in energy footprints; and (d) discuss the implications for national economic policy for the identified drivers. To this end, we use a detailed Multi-Regional Input–Output database and three prevalent structural decomposition analysis methods. To reduce biases in the results due to time lapse and currency variations, we convert input–output tables to common US$ and 1990-constant prices. This study provides a broad overview of the magnitude and distribution of the drivers for energy footprints across countries. The results of this study demonstrate that for almost all countries affluence and population growth are driving energy footprints worldwide, which is in part counteracted by the retarding effect of industrial energy intensity. In particular, this study demonstrates that with increasing per-capita GDP, the total energy footprint of a country is increasingly concentrated on imports or consumption.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
刚刚
青理帅哥完成签到,获得积分10
1秒前
1秒前
1秒前
2秒前
Nozomi完成签到,获得积分10
2秒前
养猫的路飞完成签到,获得积分10
3秒前
3秒前
lc339完成签到,获得积分10
4秒前
4秒前
Lucas应助YoYo采纳,获得10
5秒前
5秒前
无心的薄荷完成签到,获得积分10
6秒前
6秒前
7秒前
风筝发布了新的文献求助10
8秒前
赘婿应助葛根采纳,获得10
8秒前
Anonymity发布了新的文献求助10
8秒前
南庭发布了新的文献求助10
8秒前
拼搏的代玉完成签到,获得积分10
9秒前
科研劝退完成签到,获得积分10
10秒前
YY发布了新的文献求助20
10秒前
CY完成签到,获得积分10
11秒前
出口的胖猪完成签到 ,获得积分10
12秒前
12秒前
12秒前
ossantu发布了新的文献求助10
13秒前
哈尼恒发布了新的文献求助10
14秒前
简.....完成签到,获得积分10
14秒前
欧阳宇完成签到,获得积分10
14秒前
14秒前
14秒前
活力成败完成签到,获得积分10
15秒前
YXYWZMSZ完成签到,获得积分10
15秒前
YY完成签到,获得积分10
16秒前
Ray完成签到,获得积分10
16秒前
英俊钢铁侠完成签到,获得积分10
16秒前
17秒前
17秒前
17秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
Rechtsphilosophie 1000
Bayesian Models of Cognition:Reverse Engineering the Mind 888
Le dégorgement réflexe des Acridiens 800
Defense against predation 800
Very-high-order BVD Schemes Using β-variable THINC Method 568
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3135173
求助须知:如何正确求助?哪些是违规求助? 2786162
关于积分的说明 7775843
捐赠科研通 2442066
什么是DOI,文献DOI怎么找? 1298380
科研通“疑难数据库(出版商)”最低求助积分说明 625112
版权声明 600847