武汉市交通运输业碳排放达峰路径研究

来源 :环境科学与管理 | 被引量 : 0次 | 上传用户:xulei25163974
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
交通运输业由于其高的碳排放逐渐受到人们的关注。以武汉市交通运输业为研究对象,采用IPCC“自下而上”法对2010年-2020年碳排放现状进行了测算和分析,运用情景分析法对2025年-2060年碳排放趋势进行了预测和比较。结果表明:武汉市近十年交通运输业碳排放呈持续上升趋势,私人小汽车碳排放贡献最大;达峰情景下在2030年左右达到峰值,且在2060年碳排放降至1 583.7万吨,公共交通碳减排潜力较大。建议武汉市通过有效提高能效水平、持续优化运输结构等措施推动低碳交通的发展。
其他文献
自然场景图像中丰富的文本内容对场景理解有着重要意义,但自然场景文本往往具有极端横纵比、字体风格多变、背景及形状复杂等特点,而传统的文本检测与端到端识别方法存在着模型设计复杂、效率低、适用性不强且耗费成本高等缺点。随着深度学习技术在图像领域的迅速发展,自然场景文本检测与端到端识别方法取得了突破性的进展,其性能和效率得到了显著提高。针对自然场景文本检测与端到端识别方法,梳理了近年来相关的研究工作。首先
为了解决煤矿掘进面风筒出风口参数不能动态变化,而传统风幕全断面控尘效果不理想引起的粉尘浓度高等问题,通过分析风幕和出风口参数对粉尘分布规律的影响,以此得到合理的出风口风流与风幕综合调控方案,降低粉尘浓度。以陕西神木柠条塔煤矿N1212巷道为研究对象,利用Fluent软件建立出风口风流与风幕综合调控的粉尘场有限元模型,设计出风口风流及风幕综合调控响应曲面实验,得到最佳综合调控方案为:风幕射流出口宽度
语文教学论是汉语言文学教育专业本科生的必修课程,对培养学生的从教能力具有至关重要的作用。全面深化课程改革的需要和职前教师教育的新理念,使我们对课程做出有针对性的改革,注重引导学生反思自我教育经验,进行课例研习和说课练习,开展小组合作、专题探究,并进行充分的线上交流。经过长时间的探索,提炼出学生参与课堂教学的新模式,加深学生对教材的理解和认识,提高学生的微观解读能力,并在文本解读、互动、评价等方面做
企业会计准则规定采用公允价值模式计量的投资性房地产不计提折旧与摊销,其折旧摊销是否可以作为固定资产、无形资产进行所得税处理,在税收实务中存在争议。文章通过对企业所得税法及其实施条例、国家税务总局发布的规范性文件进行解读,从法条理解、税收合理性角度对公允价值模式计量的投资性房地产是否允许在税前扣除折旧摊销进行论证。
为了更精准预测陕西省碳排放量,提出基于二次分解的BAS-LSTM预测模型。二次分解的BAS-LSTM预测模型的均方根误差、平均绝对误差、平均相对误差表明,该模型具有更好的全局寻优能力,解决了LSTM算法自身参数选择的强随机性问题,有效提高了模型的预测精度;更加全面地运用时间序列数据信息来预测碳排放量,解决了碳排放量数据的非线性、不稳定性问题,有效提高了模型的模型预测精度;适用于随机性强的碳排放时间
牙膏作为快速消耗的日化产品,具有生产规模庞大、市场消耗数量多、产品升级更新换代快的特点。在大规模生产模式的背景下,批量、批次的定义及管理有别于药品和化妆品等小规模生产模式下的生产。为了达到上述目的,特制定验证方案,以牙膏为例对日化产品大规模生产模式下批次定义内质量和特征均一性进行研究和验证,并对需要定期检验的项目按本方案要求进行检验。
随着移动互联网当道及5G时代的到来,对各行各业全渠道(线上+线下)融合发展提出了新的挑战。目前,移动互联网技术已在全国各省市地区各级医疗服务机构推行使用,技术在医疗机构的就医挂号时间长、收费时间长、候诊时间长和看病时间短的问题上有了较大的改善,节约了患者的就医时间。提升了医疗机构服务效能。到2017年为止,我国互联网医疗市场规模已经达到了125.3亿,国内市场中有近2550个互联网医疗移动端,大部
基于Google Earth Engine(GEE)云平台,对1986—2021年黄土高原的Landsat地表反射率数据进行去云和融合处理,计算得到归一化植被指数(NormalizedDifference VegetationIndex,NDVI),并利用像元二分模型估算植被覆盖度(Fractional Vegetation Coverage,FVC),在此基础上,辅以趋势分析、偏相关和残差分析等
本文通过分析高职院校工程造价专业学生的学习情况和Revit软件的基本功能与特点,探讨如何在该专业的教学中利用Revit的三维设计功能解决学生空间想象能力差的问题。
为了解建筑碳排放的影响因素,以江苏省2005—2019年的建筑碳排放数据为研究对象,采用STIRPAT模型对影响建筑碳排放因素进行分析,并以常住人口、城镇化率、人均GDP、第三产业增加值、钢材产量、平均运输里程、建筑企业劳动生产率等为建筑全生命周期各阶段的主要影响因素,利用GA-BP神经网络模型对该省2020—2030年的建筑碳排放进行预测.实验结果表明:常住人口、城镇化率、钢材产量、平均运输里程