李 媛，徐 坤，謝應(yīng)忠

（1寧夏大學(xué) 農(nóng)學(xué)院；2寧夏大學(xué) 資源環(huán)境學(xué)院；3寧夏大學(xué) 西北退化生態(tài)系統(tǒng)恢復(fù)與重建教育部重點實驗室，寧夏 銀川750021）

減少碳排放，緩解全球氣候變暖已成為世界各國面臨的共同問題，政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）的統(tǒng)計數(shù)據(jù)顯示，全球大部分人為CO2排放來源于化石燃料的燃燒［1］．工業(yè)是能源消耗的主要部門，因此以往關(guān)于節(jié)能減排的研究大多是圍繞工業(yè)部門進行的［2］．然而，生活中衣食住行的各個方面無不與能源消耗有著密切的聯(lián)系，并且隨著人口數(shù)量及生活水平的提高，生活能源消費對碳排放的貢獻越來越不容忽視［3－4］．

生活能源消費碳排放量可分為直接能源消費和間接能源消費兩部分．前者主要是指居民對能源商品的直接購買和消費，后者是為提供居民生活所需的非能源商品和服務(wù)而消耗的能源［5］．直接能源消費碳排放的計算多采用排放系數(shù)法，該方法操作性強，可以實現(xiàn)時間序列的動態(tài)分析及預(yù)測．間接能源消費碳排放，由于涉及的行業(yè)較多，需要了解各行業(yè)特定商品生產(chǎn)的能耗情況，目前主要是在投入產(chǎn)出表的基礎(chǔ)上展開研究，但是鑒于投入產(chǎn)出表編寫的時間間隔，該方法僅適用于靜態(tài)分析．

在碳排放的影響因素方面，主要是利用不同方法對各因素的影響程度進行定性和定量分析．馮玲［6］、葉紅［7］等使用多元回歸分別對中國城鎮(zhèn)居民能耗碳排放和廈門島區(qū)家庭能耗直接碳排放的影響因素進行了研究．朱勤［8］、宋曉暉［9］等基于STIRPAT模型就人口對碳排放的影響進行了探討．馮相昭［10］、高彩玲［11］等則將指數(shù)分解的方法應(yīng)用于各自的研究區(qū)域．

總體而言，我國居民生活能源消費碳排放的研究尚處于起步階段，且主要集中在國家尺度上，對于?。ㄊ小⒆灾螀^(qū)）一級的研究較少．由于地區(qū)之間在資源稟賦、能源消費結(jié)構(gòu)、居民生活水平等方面都存在較大差異，因此，對地區(qū)生活能源消費碳排放進行定量研究，不僅有利于實現(xiàn)地方經(jīng)濟的可持續(xù)發(fā)展，同時也可以完善和豐富碳減排領(lǐng)域的方法與成果．本文以甘肅省直接生活能源消費為切入點，利用排放系數(shù)法對研究區(qū)域的碳排放展開計算，并分兩階段定量分析各影響因素的貢獻，最后結(jié)合多種方法對未來人均直接生活能源消費碳排放量進行預(yù)測，旨在為地方政府制定節(jié)能減排政策提供參考．

1 研究方法及數(shù)據(jù)來源

1．1 研究方法

1．1．1 碳排放量計算 依據(jù)燃料的來源及性質(zhì)，將生活中涉及的直接能源分為5類，即煤、油品、天然氣、熱力和電力．其中，前3類能源的碳排放量是能源的使用量與碳排放系數(shù)（表1）的乘積．對于熱力和電力，在使用的過程中并不直接產(chǎn)生CO2，但是其在生產(chǎn)的過程中會耗用能源，導(dǎo)致一定的碳排放．該部分碳排放量的計算方法如下：首先，將熱力、電力生產(chǎn)過程中消耗的各種能源量與其碳排放系數(shù)相乘后再加和，分別得到2個過程能源消耗的碳排放量（Wk）；其次，用Wk除以熱力、電力的生產(chǎn)量，即為熱力、電力的碳排放系數(shù)（DIk）；最后，將DIk與居民熱力、電力的實際使用量相乘，則為生活中使用電力、熱力導(dǎo)致的碳排放量．

表1 各能源的碳排放系數(shù)＊Tab．1 Carbon emission coefficient of different energy

1．1．2 LMDI因素分解 對數(shù)平均D氏指數(shù)（Logarithmic Mean Divisia Index，LMDI）分解是定量分析各因素對研究對象影響程度的有效工具，具有不產(chǎn)生殘差，能夠較好地處理0值和負(fù)值等特點［12］．本文運用兩段LMDI分解，較深入地剖析各指標(biāo)對人均直接生活能源碳排放的影響，具體方法如下．

1）第1階段LMDI分解

式中：CP為人均碳排放量；Ci為第i種能源的碳排放量；Ei為第i種能源消費量；E為能源總消費量；T為生活消費總支出，為了便于各年間的比較，此處采用以2000年為基礎(chǔ)的可比價；P為人口數(shù)．令Ci／Ei＝F1，Ei／E＝F2，E／T＝F3，T／P＝F4，它們分別表示碳排放強度、能源結(jié)構(gòu)、能源消費強度和人均消費水平．相應(yīng)的人均碳排放的變化量可表示為

各因素的貢獻值可通過下式計算獲得

式中：ΔFj為第j個影響因素對總變化的貢獻值；CP0i、CPt0分別為第i種能源在起始時期和t時期的人均碳排放量；F0ij、Ftij分別為對于第i種能源j因素在起始時期和t時期的取值．

2）第2階段LMDI分析

對人均碳排放量影響比較大的兩個因素，即能源消費強度（F3）和人均消費水平（F4）進行第2階段LMDI分解，F(xiàn)3可分解為城鄉(xiāng)能源消費強度（FL）和城鄉(xiāng)消費比例（FM）的乘積，具體表示為

其中，E1／T1和E2／T2分別為城鎮(zhèn)和農(nóng)村能源消費強度，用FL1和FL2表示，T1／T和T2／T是城鎮(zhèn)和農(nóng)村消費比例，用FM1和FM2表示．

F4進一步分解為城鄉(xiāng)居民消費水平（FG）和城鄉(xiāng)人口比例（FN）的乘積，可表示為

其中，T1／P1和T2／P2分別表示城鎮(zhèn)和農(nóng)村人均消費水平，用FG1和FG2表示；P1／P和P2／P是城鎮(zhèn)及農(nóng)村人口比例，用FN1和FN2表示．

1．1．3 人均碳排放量預(yù)測方法

（1）GM（1，1）預(yù)測法

以各年的人均碳排放量數(shù)據(jù)作為原始序列X（0），對原始序列進行累加，產(chǎn)生一次累加序列X（1），設(shè)X（1）滿足一階常微分方程，對方程求解，并利用最小二乘法確定解中的參數(shù)，得到序列X（1）的估計值，之后經(jīng)過后減運算獲得各年人均碳排放量的擬合值，并對未來年份進行預(yù)測．

（2）趨勢線擬合法

以時間為橫坐標(biāo)，人均碳排放量為縱坐標(biāo)繪制曲線，分別采用指數(shù)模型、直線模型、三次多項式等模型對曲線進行擬合，選取擬合度最高的一種．

（3）組合模型

在單模型預(yù)測中，常會出現(xiàn)精度不高、預(yù)測結(jié)果不合理等問題，采用組合模型法可以汲取多種模型的優(yōu)點，提高預(yù)測的可信度．組合模型的關(guān)鍵是各模型權(quán)重的確定，本文利用標(biāo)準(zhǔn)差法計算相關(guān)模型的權(quán)重，具體計算公式為Wi＝（σ－σi）／σ，式中σi為第i個模型預(yù)測誤差的標(biāo)準(zhǔn)差，σ為各模型預(yù)測誤差標(biāo)準(zhǔn)差之和．

1．2 數(shù)據(jù)來源

能源消費量數(shù)據(jù)來源于《中國能源統(tǒng)計年鑒》（2001—2011年），居民消費支出、人口數(shù)據(jù)來源于《甘肅發(fā)展年鑒》（2001—2011年）．

2 結(jié)果分析

2．1 居民直接生活能源消費碳排放分析

2．1．1 居民直接生活能源消費碳排放量及結(jié)構(gòu)分析 由表2數(shù)據(jù)可知，甘肅省居民直接生活能源消費碳排放總量在2000—2004年經(jīng)歷了小幅波動之后，呈現(xiàn)出逐年上升的趨勢，2010年達到484．41萬噸，與2000年相比增長55．14%．在各種能源中，煤的碳排放量所占比例最大，年平均為61．62%，其次為電力、熱力、油品和天然氣．隨著能源結(jié)構(gòu)的調(diào)整，各種能源的逐年碳排放比例具有不同程度的變化，煤總體表現(xiàn)下降態(tài)勢，降幅為18．83%；電力則由2000年的17．52%上升為2010年的28．21%；油品和天然氣雖有所增加，但幅度較小，兩項合計不超過碳排放總量的4%；而熱力則在平均值上下波動，變化趨勢不明顯．可以看出，在過去的11年間，煤及其制品的使用是直接生活能源消費碳排放的首要來源．一方面甘肅省的農(nóng)村人口占較大比重，而農(nóng)村家庭日常的炊事、取暖等活動多以燃煤為主；另一方面，與石油制品和天然氣等傳統(tǒng)能源相比，煤的熱值較低，為獲得相同熱量，需要燃燒更多數(shù)量的煤，相應(yīng)會排放更多的碳，這也是在以煤為主的能源消費結(jié)構(gòu)中，很難擺脫高碳排放的原因之一．就城鄉(xiāng)比例而言，農(nóng)村人口的碳排放均高于城鎮(zhèn)人口，平均為后者的1．37倍．

碳排放總量的增加可能部分源自人口數(shù)量的增長，為了進一步反映個體生活中直接能源消費碳排放的實際變化，特引入人均碳排放量指標(biāo)．表2顯示，甘肅省直接生活能源消費的人均碳排放量與碳排放總量具有相似的變化趨勢，也在前期波動后逐步上升，在2010年達到最大值189．23kg／人，漲幅為52．43%．

表2 2000—2010年甘肅省居民商品能源消費碳排放量Tab．2 Carbon emission of direct household energy consumption in Gansu during 2000—2010

2．1．2 城鄉(xiāng)直接生活能源消費及碳排放量的對比分析 由于城鎮(zhèn)和農(nóng)村居民生活方式不同，兩類人群在能源消費結(jié)構(gòu)及人均碳排放量上具有明顯的區(qū)別．城鎮(zhèn)居民煤、熱力、電力的消費比例接近，平均為28．49%～33．34%．而在農(nóng)村，煤及其制品的消費平均占直接生活能源總消費的85%以上．雖然城鎮(zhèn)居民生活中直接消費煤及制品的比例較小，但熱力和電力的供應(yīng)卻很大程度上依賴于煤的燃燒，生活碳排放的絕對量仍很可觀．因此，今后可以通過增加清潔能源的比重、提高燃燒效率、改進凈化技術(shù)等方式減少碳等污染物的排放．農(nóng)村人口由于居住較分散，給集中供能和處置帶來困難，探尋簡單靈活的清潔供能方式是實現(xiàn)農(nóng)村低碳生活的重要途徑．

人均碳排放方面，城鎮(zhèn)人口均高于農(nóng)村人口．農(nóng)村人均碳排放量逐年遞增，由2000年的94．54kg／人增加到2010年的165．70kg／人，原因在于隨著農(nóng)村收入水平的提高以及家用電器的普及，農(nóng)村人均煤和電力消費的碳排放都有明顯增加，分別增長51．29%和319．88%．而城鎮(zhèn)人均碳排放在2002年左右波動較大，整體的變化趨勢不明顯．

2．2 影響因素分析

2．2．1 第1階段LMDI分析 由圖1可知，居民消費水平對于人均碳排放量具有很強的正向拉動作用，以2000年為基期的累積貢獻率為191．42%，且各年的累積貢獻值幾乎呈線性增加．說明隨著收入的增加，直接能源的現(xiàn)有價格對消費的限制作用日漸削弱，對生活質(zhì)量的更高要求促使人們對能源的需求量不斷增大．相反，能源消費強度則有助于抑制人均碳排放量的增加，其累計貢獻率為－91．74%．能源消費結(jié)構(gòu)同樣呈現(xiàn)出抑制效果，但整體作用有限，累計貢獻率僅為－1．56%．因此，立足地區(qū)實際情況，增加清潔能源在居民生活能源消費中的比例，進一步發(fā)揮能源消費結(jié)構(gòu)對碳排放的抑制作用是今后降低生活碳排放的重要途徑．此外，碳排放強度對人均碳排放具有微弱的促進作用，這主要源自各年間熱力、電力單位能耗碳排放量的差異．

圖1 各因素對人均碳排放量的累積貢獻Fig．1 Accumulated contribution of different factorsto per capita carbon emission

2．2．2 第2階段LMDI分析 從城鎮(zhèn)和農(nóng)村兩個方面對上述指標(biāo)再進行分解．能源消費強度分解為城鄉(xiāng)能源消費強度和消費比例兩項指標(biāo)．從圖2可以看出，城鄉(xiāng)能源消費強度和消費比例均起到負(fù)向抑制作用，且前者的貢獻較大，這得益于城鎮(zhèn)能源消費強度的較大下降和城鎮(zhèn)消費在總消費比例的增加（圖3）．

居民消費水平可進一步分解為城鄉(xiāng)居民消費水平和人口比例．由圖4可知，這兩項指標(biāo)對居民消費水平均表現(xiàn)為正向促進作用，主要原因在于城鄉(xiāng)消費水平，特別是城鎮(zhèn)居民消費水平的提高以及城鎮(zhèn)人口比例的逐年上升（圖5）．

圖2 各因素對能源強度累積貢獻Fig．2 Accumulated contribution of different factors to energy intensity

圖3 城鄉(xiāng)能源強度及消費比例的年際變化Fig．3 Inter－annual variation of energy intensity and consumption ratio in the urban and rural

圖4 各因素對消費水平的累積貢獻Fig．4 Accumulated contribution of different factors to consumption level

圖5 城鄉(xiāng)消費水平及人口比例的年際變化Fig．5 Inter－annual variation of consumption level and population proportion in the urban and rural

2．3 居民直接生活能源消費碳排放預(yù)測

以2000—2010年人均碳排放量為原始數(shù)據(jù)，利用多種方法構(gòu)建預(yù)測模型．GM（1，1）預(yù)測模型可表示為：X（1）i＋1＝2 345．876 6e0．04781－2 221．735 8，t＝1，2，…，模型的后驗差比值C＝0．28，小誤差概率P＝1，預(yù)測精度較好．采用指數(shù)模型、直線模型、二次多項式以及三次多項式模型對歷年人均碳排放量進行擬合．其中，三次多項式的精度較高，R2＝0．974 4．模型如下：X＝0．073 9t3－0．544 8t2＋3．133 2t＋119．13，t＝1，2，…．

由于碳排放受多種因素的制約，而上述預(yù)測方法均以現(xiàn)有變化規(guī)律為依據(jù)，若預(yù)測年度過長，可能會存在較大偏差．因此，本文對甘肅省2011—2015年間的人均生活能源消費碳排放量進行了短期預(yù)測（表3）．

預(yù)測結(jié)果表明，“十二五”期間甘肅省人均直接生活能源消費碳排放不斷增加．作為人均碳排放的主要拉動因素，人均消費水平在2000—2010年間幾乎呈現(xiàn)線性增加的趨勢．而作為主要抑制因素的能源強度雖然在持續(xù)下降，但其降速要小于前者的增速．因此，未來5年人均碳排放量仍以增長為主．

值得注意的是，2011年后模型預(yù)測值間的差異愈見顯著．GM（1，1）模型的上升較慢，原因可能在于累加序列的構(gòu)建掩蓋了原始數(shù)據(jù)的波動，特別是2010年人均碳排放量的快速增長，因此，運用該方法擬合的2010年的值比實際低．而后者自2011年后則表現(xiàn)為持續(xù)高速增長．

分析顯示，多年來煤在生活能源中的比例不斷下降，電力的比例則有所上升．今后隨著電力行業(yè)能源利用效率的提高以及太陽能、生物質(zhì)能等清潔能源的使用，能源結(jié)構(gòu)對碳排放的抑制作用會加強，人均碳排放的增速有放緩的可能．鑒于此，可以將以上兩種預(yù)測方法相結(jié)合，通過加權(quán)平均的方式構(gòu)建組合模型，具體表達式為X＝0．360 6 X1＋0．639 4 X2，X1為GM（1，1）預(yù)測值，X2為三次多項式的預(yù)測值．該模型的精度為0．979 6，高于GM（1，1）模型，雖略低于三次多項模型，但精度的標(biāo)準(zhǔn)偏差 最小，說明各年預(yù)測精度普遍較高．

表3 各種模型的預(yù)測結(jié)果及精度Tab．3 Predictive value and accuracy of different model kg／人

3 結(jié)論

通過定量研究，得到如下結(jié)論：

（1）隨著生活水平的提高、人口數(shù)量的增加以及結(jié)構(gòu)的改變，11年來，甘肅省直接生活能源碳排放呈現(xiàn)整體增加的趨勢，特別是在2010年增速較快，因此，如何減少生活能源消費的碳排放將成為節(jié)能減排工作的又一重點．（2）在各種能源中，煤消耗所導(dǎo)致的碳排放比重最大，尤其是在農(nóng)村，平均可占總碳排放的85．10%．因而，提高電力在農(nóng)村能源消費中的比例，大力發(fā)展生物質(zhì)能、太陽能等清潔能源，改善能源消費結(jié)構(gòu)將是減少生活碳排放的有效途徑．（3）LMDI分解結(jié)果顯示，城鎮(zhèn)人均消費水平的提高和城鎮(zhèn)人口比例的逐年上升是導(dǎo)致人均碳排放增加的主導(dǎo)因素，這兩項因素隨年份呈線性變化的特點，未來仍有持續(xù)增加的可能．而城鎮(zhèn)能源消費強度的下降和城鎮(zhèn)消費在總消費比例的增加則對人均碳排放量起到抑制作用．（4）以GM（1，1）預(yù)測模型和三次多項式模型為基礎(chǔ)的組合預(yù)測模型，精度較高，具有一定的應(yīng)用潛力．

［1］Core Writing Team，Pachauri R K，Reisinger A．Climate change 2007：Synthesis report［R］．Geneva：IPCC，2007．

［2］王強，伍世代，李婷婷．中國工業(yè)經(jīng)濟轉(zhuǎn)型過程中能源消費與碳排放時空特征研究［J］．地理科學(xué)，2011，31（1）：36－41．

［3］楊振．農(nóng)戶收入差異對生活用能及生態(tài)環(huán)境的影響——以江漢平原為例［J］．生態(tài)學(xué)報，2011，31（1）：0239－0246．

［4］Annemarie C Kerkhof，Rene′M J Benders，Henri C Moll．Determinants of variation in household CO2emissions between and within countries［J］．Energy Policy，2009，37：1509－1517．

［5］李艷梅，張雷．中國居民間接生活能源消費的結(jié)構(gòu)分解分析［J］．資源科學(xué)，2008，30（6）：890－895．

［6］馮玲，吝濤，趙千鈞．城鎮(zhèn)居民生活能耗與碳排放動態(tài)特征分析［J］．中國人口·資源與環(huán)境，2011，21（5）：93－100．

［7］葉紅，潘玲陽，陳峰，等．城市家庭能耗直接碳排放影響因素——以廈門島區(qū)為例［J］．生態(tài)學(xué)報，2010，30（14）：3802－3811．

［8］朱勤，彭希哲，陸志明，等．人口與消費對碳排放影響的分析模型與實證［J］．中國人口·資源與環(huán)境，2010，20（2）：98－102．

［9］宋曉暉，張裕芬，汪藝梅，等．基于IPAT擴展模型分析人口因素對碳排放的影響［J］．環(huán)境科學(xué)研究，2012，25（1）：109－115．

［10］馮相昭，王雪臣，陳紅楓．1971—2005年中國CO2排放影響因素分析［J］．氣候變化研究進展，2008，4（1）：42－47．

［11］高彩玲，高歌，田采霞．河南省能源消費碳排放的因素分解及減排途徑［J］．中國礦業(yè)，2011，20（3）：46－49．

［12］韓穎，馬萍，劉璐．一種能源消耗強度影響因素分解的新方法［J］．?dāng)?shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2010，27（4）：137－147．