تجزيه و تحليل عوامل مؤثر بر انتشار گازهاي گلخانه‌اي (GHGs) و پتانسيل‌هاي كاهش انتشار در ايران

Decomposition and Analysis of Driving Forces of GHG Emissions and Emission Reduction Potentials in Iran

تغييرات اقليمي جز در سايه كاهش انتشار گازهاي گلخانه‌اي تا سطح امن، قابل كنترل نمي‌باشد. در اين راستا شناسايي عوامل مؤثر بر انتشار و تحليل سناريوهاي ممكن براي تحقق اين هدف اهميت فراواني دارد. در پژوهش حاضر با استفاده از روش ميانگين لگاريتمي شاخص ديويژيا (LMDI) در تلفيق با مدل توسعه‌يافته كايا (EKI) پنج عامل مؤثر شامل جمعيت، سرانه GDP، شدت انرژي، شدت كربن و سهم سوخت‌هاي فسيلي در بازه زماني 2012-1971 براي كشور ايران مورد بررسي قرار گرفته است. ارزيابي و مقايسه دو روش تحليل زنجيره‌اي و غيرزنجيره‌اي و سناريوهاي مختلف كاهش انتشار براساس INDC پيشنهادي از ديگر بخش‌هاي پژوهش است. براساس نتايج، شدت كربن، اثر فعاليت و جمعيت داراي اثر افزايشي و سهم سوخت‌هاي فسيلي مهم‌ترين عامل كاهش انتشارها است. اقدامات آتي دولت بايد براساس تغيير سوخت مصرفي و الگوي رشد اقتصادي كم‌كربن متمركز شود. تحليل زنجيره‌اي به‌عنوان يك واقعه‌نگار، تأثير رويدادها را بر عوامل مؤثر و انتشارها نشان مي‌دهد. درحالي‌كه تحليل غيرزنجيره‌اي با حذف نوسانات، تصويري شفاف از الگوهاي كلي ارائه‌ مي‌دهد، از ميان سناريوهاي پيشنهادي تك‌بُعدي كاهش، بهترين و منطقي‌ترين گزينه كاهش سهم سوخت‌هاي فسيلي (تا 40 درصد نسبت به 2020) و اتكاء بر منابع تجديدپذير است. كاهش شدت كربن و شدت انرژي (هر يك بهميزان 50 درصد نسبت به سال 2020) گزينه‌هاي بعدي به‌شمار مي‌رود. طبقه‌بندي JEL: Q54، Q01

Climate change cannot control unless by reduction of GHG emissions to secure level, therefore it is important to identify driving forces and possible scenarios based on targets. In this research, the Logarithmic Mean Divisia Index decomposition approach in combination with Extended Kaya Identity (EKI) are applied to investigate five factors could affect emissions during 1971-2012 in Iran. These factors include population, GDPcapita, energy and carbon intensity and share of fossil fuels. Chaining, non-chaining methods and three emission reduction scenarios (4, 8 and 12%) based on Iran INDC forms the other parts of research. Based on results, carbon intensity, activity effect, and population contribute to increase and share of fossil fuels has a decreasing effect on emissions. The future targets of government should emphasis on change of fuel type and economic development toward low carbon. Chaining analysis could be used as a calendar, show the effect of events on parameters while non-chaining present a clear image by deleting noises. Among proposed reduction scenarios, the best and logical option emphasize on reduction of fossil fuel share (up to 40% compared to 2020) and development of renewable energies. Improvement of carbon and energy intensity (each as 50% compared to 2020) are the next options. JEL Classification: Q54, Q01