萬文玉,趙雪雁,*,王偉軍, 薛 冰

1 西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院, 蘭州 730070 2 中國科學(xué)院沈陽應(yīng)用生態(tài)研究所, 沈陽 110016

我國農(nóng)村居民生活能源碳排放的時空特征分析

萬文玉1,趙雪雁1,*,王偉軍1, 薛 冰2

1 西北師范大學(xué)地理與環(huán)境科學(xué)學(xué)院, 蘭州 730070 2 中國科學(xué)院沈陽應(yīng)用生態(tài)研究所, 沈陽 110016

隨著生活質(zhì)量的提高,我國農(nóng)村居民生活能源消費呈現(xiàn)大幅增長的趨勢,成為碳排放增長的新源泉。估算了我國30個省區(qū)2001—2013年的農(nóng)村居民生活能源碳排放,采用碳基尼系數(shù)、ArcGIS技術(shù)分析了中國省級尺度農(nóng)村居民生活能源碳排放的時空特征,并利用STIRPAT模型辨明了農(nóng)村居民生活能源碳排放的主要影響因素。結(jié)果表明：(1)2001—2013年農(nóng)村居民直接生活能源碳排放量和間接生活能源碳排放量分別增長了7.65%、9.16%。(2)東部、中部、西部地區(qū)的碳基尼系數(shù)呈下降趨勢,說明各區(qū)域農(nóng)村居民人均生活能源碳排放量的區(qū)域差異總體均呈縮小趨勢。(3)2001—2013年間,處于我國農(nóng)村居民人均直接生活能源碳排放高水平地區(qū)的空間格局分布相對較為穩(wěn)定,而對于人均間接生活能源碳排放來說,處于低水平地區(qū)的空間格局分布較為穩(wěn)定。(4)農(nóng)村人口規(guī)模、農(nóng)民人均純收入、農(nóng)村居民生活消費支出、青壯年人口比重對農(nóng)村居民生活能源碳排放量具有促進(jìn)作用,而農(nóng)村居民能源消費結(jié)構(gòu)對其具有減緩作用,且北方農(nóng)村居民生活能源碳排放量明顯高于南方。(5)從環(huán)境Kuznets曲線假說出發(fā),經(jīng)濟(jì)發(fā)展是促使我國農(nóng)村居民生活能源碳排放Kuznets曲線存在拐點的重要因素。

農(nóng)村居民；生活能源；碳排放；時空特征；影響因素

21世紀(jì)以來,地球開始經(jīng)歷以全球變暖為主要特征的全球氣候變化[1],全球氣候變化作為人類社會面臨的最嚴(yán)峻挑戰(zhàn),已成為全社會關(guān)注的焦點[2]。以IPCC為代表的國際主流觀點認(rèn)為,過去的50年間全球平均氣溫升高,而引起全球變暖的原因則是人類活動導(dǎo)致的地球系統(tǒng)碳循環(huán)變化[3],其中化石燃料被認(rèn)為是引起全球變暖最重要原因之一[4],因此減少碳排放量、建立低碳環(huán)保型社會已成為當(dāng)前應(yīng)對氣候變化的基本共識[5-8]。處于轉(zhuǎn)型期的中國,居民生活消費產(chǎn)生的碳排放成為超過產(chǎn)業(yè)部門的另一個碳排放的增長點[9],其農(nóng)村居民生活能源消費量更是呈現(xiàn)大幅增長的趨勢[10],從而使農(nóng)村居民生活能源消費日益成為碳排放的新源泉,與此同時,其對未來環(huán)境也將造成愈發(fā)強烈的脅迫效應(yīng)[11]。鑒于此,本文在了解農(nóng)村居民生活能源碳排放的時空特征的基礎(chǔ)上,分析了影響碳排放的關(guān)鍵因素,以有助于正確把握我國農(nóng)村居民生活能源消費的特點及地區(qū)的差異,從而尋求減少碳排放的有效措施,以期對中國今后的碳排放政策提供依據(jù)。

近年來,國內(nèi)外學(xué)者逐漸意識到家庭消費帶來的能耗及碳排放對環(huán)境影響的意義重大。自20世紀(jì)90年代起,發(fā)達(dá)國家就開始對家庭和人口的能源消費和碳排放進(jìn)行大量的評估和研究[12]。據(jù)歐盟的數(shù)據(jù)統(tǒng)計,歐盟家庭能源需求在20世紀(jì)90年代就已超過了工業(yè)的能源需求[9]；Wei Yiming[13]等通過利用Consume Lifestyle Approach(CLA)法,對1999—2002年間中國城鄉(xiāng)居民生活方式對能源消費及CO2排放的直接和間接影響進(jìn)行了對比分析,認(rèn)為有30%的碳排放是直接由居民的消費行為產(chǎn)生的；張馨[14]等通過計算我國2000—2007年農(nóng)村居民和農(nóng)村居民生活消費的直接碳排放和間接碳排放發(fā)現(xiàn),農(nóng)村居民生活能源消費的直接碳排放和間接碳排放均呈上升趨勢,農(nóng)村居民生活能源的直接碳排放呈逐年上升趨勢,而間接碳排放呈下降趨勢；Rosa D、Kerkhof A C S[15-16]等分別對居民消費、環(huán)境對碳排放之間的關(guān)系進(jìn)行了研究；Lan-Cui Liu[17]等利用投入產(chǎn)出方法計算了我國1992—2007年城鄉(xiāng)居民生活能源對碳排放量的影響。當(dāng)前,有關(guān)生活能源碳排放的研究多集中在對城鄉(xiāng)居民生活能源碳排放量的估算,而缺乏對農(nóng)村居民生活能源碳排放的空間格局及其影響因素的探討。因此,本文基于人均歷史累積碳排放,采用碳基尼系數(shù)等指標(biāo)揭示了2001—2013年中國農(nóng)村居民生活能源碳排放時空分異的發(fā)展演化過程,并運用ArcGIS技術(shù),描述了2001—2013年我國農(nóng)村居民生活能源碳排放的時空特征,同時,利用STIRPAT模型對影響農(nóng)村居民生活能源碳排放的關(guān)鍵因素進(jìn)行了分析,旨在為我國制定差異化碳減排政策和建設(shè)低碳型社會提供參考和借鑒。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

目前,我國農(nóng)村居民生活能源主要包括煤炭(指原煤、其他洗煤和型煤的總和)、油品(指汽油、煤油、柴油及液化石油氣的總和)、天然氣、電力和熱力[18]。間接碳排放是指衣、食、住、用等過程中的碳排放,主要涉及食品、衣著及日用品、家庭設(shè)備用品、醫(yī)療衛(wèi)生保健、住房、交通通信、教育文化娛樂服務(wù)等方面。數(shù)據(jù)來源于2002—2014年《中國能源統(tǒng)計年鑒》及《中國地區(qū)投入產(chǎn)出表》,其核算參照《IPCC溫室氣體排放清單指南》中的表觀消費量法,并將各能源消費量統(tǒng)一折算成標(biāo)準(zhǔn)煤消耗量。

1.2 研究方法

1.2.1CO2排放量的測算方法

本文通過排放系數(shù)法,結(jié)合《IPCC國家溫室氣體清單指南》中所提供的基準(zhǔn)方法,利用不同化石燃料的消耗量估算農(nóng)村居民生活能源直接碳排放[11]；綜合采用投入產(chǎn)出和消費者生活方式計算農(nóng)村居民生活能源間接碳排放：

(1)

(2)

(3)

式中,CE指農(nóng)村居民生活直接CO2排放量(Gt)；j指燃料品種；ACj指消費的化石燃料實物量(萬t或億m3)；NCVj指各燃料低位熱值(kJ/kg或kJ/m3),低位熱值取自《中國能源統(tǒng)計年鑒》；CCj指燃料含碳量(kg/GJ)；含碳量均采用IPCC參考值；Oj指氧化率,采用IPCC默認(rèn)值100%,均視為完全燃燒；44/12為C轉(zhuǎn)換為CO2的系數(shù)。i表示某種工業(yè)產(chǎn)品或者服務(wù)類別；j表示消費者支出種類；Xi表示第i類產(chǎn)品或服務(wù)的家庭支出(元)；CESTj表示分析目標(biāo)年第j種產(chǎn)品的消費支出(元)；CPIBj和CPITj分別代表基準(zhǔn)年和目標(biāo)年第j種產(chǎn)品或服務(wù)的消費者價格指數(shù)；Tji表示第j種產(chǎn)品消費支出向第i類工業(yè)產(chǎn)品或服務(wù)轉(zhuǎn)換的變換矩陣；Ed表示農(nóng)村居民生活能源間接碳排放量(tCO2)；Cji表示工業(yè)輸出i的CO2排放強度(tCO2/元)。

1.2.2 碳基尼系數(shù)

為了分析我國不同省份農(nóng)村居民對生活能源碳排放空間占有的差異程度[19],根據(jù)國務(wù)院在“七五”計劃報告中對中國國土所作的劃分為依據(jù),將我國30個省份劃分為東、中、西三大區(qū)域*本文依據(jù)慣例將我國分成東中西三大區(qū)域;具體劃分為：東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西和海南等12個省市自治區(qū)；中部地區(qū)包括山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北和湖南等9個省市自治區(qū)；西部地區(qū)包括重慶、四川、貴州、云南、陜西、寧夏、新疆、甘肅、青海和西藏10個省市自治區(qū);我國西藏自治區(qū)、臺灣省、香港和澳門特別行政區(qū)的相關(guān)數(shù)據(jù)缺失,因此本文中不包括,利用碳基尼(GiNi)系數(shù)來衡量農(nóng)村居民生活能源碳排放的區(qū)域差異。GiNi系數(shù)越小,表示農(nóng)村居民生活能源碳排放的區(qū)域差異越小,反之亦反。假設(shè)整個地區(qū)P具有n個子單元,每一個單元的農(nóng)村居民生活能源碳排放為yi(1,2,…,n),將P分成k個區(qū)域Pj(j=1,2,…,k),Pj的規(guī)模、碳排放的均值和累積密度函數(shù)分別為nj、μj和Fj(y),yji表示第j個區(qū)域的第i個單元的碳排放。根據(jù)碳基尼系數(shù)的定義,其公式為：

(4)

式中，G表示碳基尼系數(shù)；n和μ分別表示整個區(qū)域的單元數(shù)量和碳排放的均值；yji-yhr表示任何一對單元碳排放樣本差的絕對值。在進(jìn)行碳基尼系數(shù)分解時,先要依據(jù)地區(qū)內(nèi)農(nóng)村居民生活能源碳排放的均值對地區(qū)進(jìn)行排序。按照Dagum[20-21]的碳基尼系數(shù)分解方法,可以將碳基尼系數(shù)分解為3個部分：地區(qū)內(nèi)差距的貢獻(xiàn)Gw,地區(qū)間凈值差距的貢獻(xiàn)Gb,超變密度的貢獻(xiàn)Gt,它們之間的關(guān)系滿足：

G=Gw+Gb+Gt

(5)

區(qū)域Pj內(nèi)的碳基尼系數(shù)Gjj為：

(6)

則區(qū)域內(nèi)部農(nóng)村居民生活能源碳排放的差異對總體碳基尼系數(shù)的凈貢獻(xiàn)率為：

(7)

式中,Pj=nj/n,Sj=njμj/nμ。

區(qū)域Pj和區(qū)域Ph之間的碳基尼系數(shù)Gjh為：

(8)

區(qū)域間碳基尼系數(shù)可以分解兩部分為：當(dāng)μj>μh時,區(qū)域j和區(qū)域h中yji>yhr的差異,稱為區(qū)域間碳排放凈差異,對總體碳基尼系數(shù)的凈貢獻(xiàn)為：

(9)

當(dāng)μj>μh時,區(qū)域j和區(qū)域h中yji

(10)

式中：Djh=djh-pjh/djh+pjh,為區(qū)域Pj和Ph間單位農(nóng)村居民生活能源碳排放的相對影響,其中：

(11)

(12)

式中,Fj(Fh)分別為j(h)地區(qū)的累積密度分布函數(shù),其中,將djh定義為區(qū)域間農(nóng)村居民生活能源碳排放差值,即理解為j,h地區(qū)中所有yji-yhr>0的樣本值加總的數(shù)學(xué)期望；pjh定義為超變一階矩,即理解為j,h地區(qū)中所有yhr-yji>0的樣本值加總的數(shù)學(xué)期望。

1.2.3 STIRPAT模型

York[22]等在經(jīng)典的IPAT等式基礎(chǔ)上改造而成的人口、富裕和技術(shù)隨機回歸影響模型(STIRPAT模型),由于能較好地衡量人文因素對環(huán)境的影響而得到了廣泛應(yīng)用,本研究采用STIRPAT模型分析影響農(nóng)村居民生活能源碳排放的關(guān)鍵因素：

I=aPbAcTde

(13)

式中,a為該模型的系數(shù)；b、c、d分別為人口數(shù)量、富裕度、技術(shù)等人文驅(qū)動力指數(shù)；e為模型的誤差。為了衡量各因素對農(nóng)村居民生活能源碳排放的影響作用大小,可將式(13)轉(zhuǎn)換成對數(shù)形式：

lnI=a+blnP+clnA+e

(14)

轉(zhuǎn)變?yōu)閷?shù)形式的STIRPAT模型中的估計系數(shù)與經(jīng)濟(jì)學(xué)中彈性的解釋一致。如果估計系數(shù)(b或c)等于1,說明農(nóng)村居民生活能源碳排放與各因素(P或A)存在同比例的單調(diào)變化[23]。

2 結(jié)果與分析

2.1 中國農(nóng)村居民生活能源碳排放的時序演變特征

城鎮(zhèn)化進(jìn)程的加快,使得農(nóng)村人口向城鎮(zhèn)人口快速轉(zhuǎn)變,城鄉(xiāng)人口結(jié)構(gòu)發(fā)生變化。我國農(nóng)村人口數(shù)量不斷下降,從2001年的7.96×104萬人減少到2013年的6.30×104萬人,年增長率為 -1.93%。如圖1所示,農(nóng)村居民直接生活能源碳排放總量由1.71Gt 增加到4.47Gt(1Gt=109t),年增長率為7.65%,人均直接生活能源碳排放量從0.22t/人增加到0.71t/人,年增長率為9.61%；農(nóng)村居民間接生活能源碳排放總量由2.34Gt 增加到7.30Gt(1Gt=109t),年增長率為9.16%,人均間接生活能源碳排放量從0.29t/人增加到1.16t/人,年增長率為11.14%。由此可見,農(nóng)村居民間接生活能源碳排放量的增長幅度遠(yuǎn)大于直接生活能源碳排放。進(jìn)一步分析發(fā)現(xiàn),2001年農(nóng)村居民生活能源消費的碳排放總量為4.05Gt,2002年為4.39Gt,2013年為11.77Gt,可見 2001—2002年間我國農(nóng)村居民生活能源碳排放增長相對平緩,其中生活能源碳排放總量的年增長率為8.32%,人均生活能源碳排放量的年增長率為10.15%；2003—2013年間我國農(nóng)村居民生活能源碳排放快速增長,其中,生活能源碳排放總量年增長率達(dá)9.26%,人均生活能源碳排放量年增長率達(dá)11.46%。

數(shù)據(jù)顯示,2001—2013年我國農(nóng)村居民生活能源直接碳排放量出現(xiàn)逐年遞減的趨勢,究其原因,在于在此期間,農(nóng)村居民生活直接能源消耗量逐年下降；然而,較2001年,2013年我國農(nóng)村居民生活能源間接碳排放量有一定程度上的增加,其在總排放中的比重較高。

圖1 2001—2013年農(nóng)村居民生活能源碳排放量趨勢Fig.1 Trends of energy carbon emission of rural residents′ life energy consumption from 2001 to 2013

圖2 三大區(qū)域農(nóng)村居民生活能源碳排放總量和人均生活能源碳排放量變化趨勢Fig.2 Trends of energy total carbon emissionand carbon emission per capita of three zone rural residents energy consumption from 2001 to 2013

從東、中、西三大區(qū)域來看,東部農(nóng)村居民生活能源碳排放總量、人均生活能源碳排放量增長速度較快,分別為7.65%、10.61%；中部農(nóng)村居民生活能源碳排放總量、人均生活能源碳排放量增長速度分別為5.76%、7.97%；而西部增長速度較慢,分別為2.53%、4.45%。如圖2所示,東部地區(qū)的農(nóng)村居民生活能源碳排放總量歷年來一直居于三大地區(qū)之首,2001—2013年農(nóng)村居民生活能源碳排放總量從0.83 Gt上升到2.00 Gt；而西部地區(qū)的農(nóng)村居民生活能源碳排放總量歷年來一直居于三大區(qū)之末,2001—2013年農(nóng)村居民生活能源碳排放總量僅從0.63 Gt上升到0.84 Gt。從農(nóng)村人均生活能源碳排放量來看,2001—2013年間,東部地區(qū)人均生活能源碳排放量從2001年的0.26t/人上升到2013年的0.86t/人,其增長率為10.61%；中部地區(qū)人均生活能源碳排放量從2001年的0.22t/人上升到2013年的0.54t/人,其增長率為7.97%；而西部地區(qū)人均生活能源碳排放量從2001年的0.31t/人上升到2013年的0.53t/人,其增長率為4.45%。

進(jìn)一步分析發(fā)現(xiàn),2001和2013年河北省農(nóng)村居民生活能源碳排放總量均為最高,分別為0.31 Gt、0.67 t/人,增幅為6.98%。如圖3所示,寧夏、海南省的農(nóng)村居民生活能源碳排放總量增幅最大,分別為25.3%、17.13%；而貴州、新疆省的農(nóng)村居民生活能源碳排放總量增長幅度較小,分別為-1.62%、-0.87%。與此同時,相較2001年,2013年我國農(nóng)村居民生活能源人均碳排放量均呈下降趨勢,而廣西和新疆省呈上升趨勢,其中,廣西省的農(nóng)村居民人均生活能源碳排放量增長幅度最大,增幅達(dá)7.21%；同時,廣東、天津省的增長幅度均較小,如廣東省的農(nóng)村居民人均生活能源碳排放量從2001年的0.63 t/人下降到2013年的0.34 t/人,年均下降4.99%。

圖3 省域農(nóng)村居民生活能源碳排放總量和人均生活能源碳排放量變化趨勢Fig.3 Trends of total energy carbon emission and carbon emission per capita of provencial regions rural residents′life energy consumption in 2001 and 2013

圖4 我國農(nóng)村居民生活能源人均碳排放的碳基尼系數(shù) Fig.4 Gini coefficient of per capita rural residents life energy consumption in China

2.2 農(nóng)村居民人均生活能源碳排放量的區(qū)域差異

根據(jù)公式(4)計算出2001—2013年我國農(nóng)村居民人均生活能源碳排放的碳基尼系數(shù)(圖4),總體上表現(xiàn)為波動性的下降趨勢,從2001年的0.15下降為2013年的0.14,其碳基尼系數(shù)的變化趨勢為0.01/10a,即我國農(nóng)村居民人均生活能源碳排放量的區(qū)域差異總體上呈縮小趨勢。與此同時,從三大區(qū)域的農(nóng)村居民人均生活能源碳排放碳基尼系數(shù)的變化趨勢來看,東部、中部、西部經(jīng)濟(jì)區(qū)的碳基尼系數(shù)均呈下降趨勢,說明東、中、西部地區(qū)農(nóng)村居民人均生活能源碳排放量的區(qū)域差異總體上均呈縮小趨勢。其中,東部地區(qū)從2001年的0.26下降至2013年的0.18；西部地區(qū)從2001年的0.21下降至2013年的0.16；中部地區(qū)從2001年的0.17下降至2013年的0.12,其減幅分別為3.14%、2.10%、3.02%。

通過分解碳基尼指數(shù),可將我國農(nóng)村居民人均生活能源碳排放的總體差異分解為區(qū)域內(nèi)差距的貢獻(xiàn)Gw,區(qū)域間凈值差距的貢獻(xiàn)Gb,以及區(qū)域間凈值逆差距的貢獻(xiàn)Gt。由圖5可知,東、中、西三大區(qū)域內(nèi)部差異變化比較平緩,從2001年的0.09到2013年的0.05,其貢獻(xiàn)率從21.75%下降至13.13%；區(qū)域間凈值逆差異在2001—2013年總體呈下降趨勢,其貢獻(xiàn)率從7.01%下降至1.40%；三大區(qū)域間凈值差異呈波動上升趨勢,由2001年的0.29到2013年的0.31,其貢獻(xiàn)率從71.25%上升到85.47%,因此,我國農(nóng)村居民人均生活能源碳排放的總差異主要表現(xiàn)為三大區(qū)域間的凈值差距。

圖5 農(nóng)村居民人均生活能源碳排放碳基尼系數(shù)的貢獻(xiàn)率Fig.5 The Gini coefficient of the rural residents life energy carbon emissions per capita

2.3 農(nóng)村居民人均生活能源碳排放的空間格局

為更直觀地反映中國農(nóng)村居民生活能源碳排放的空間分布特征,基于2001、2005、2009和2013年的農(nóng)村居民生活能源碳排放量,利用ArcGIS軟件,采用自然段點法將30個省(市、自治區(qū))劃分為高水平、較高水平、中等水平、較低水平和低水平地區(qū)等5種類型。

圖6 中國主要年份農(nóng)村居民直接生活能源人均碳排放空間分布格局Fig.6 Spatial agglomeration pattern of direct energy carbon emission per capita in China

2001—2013年間,處于我國農(nóng)村居民人均直接生活能源碳排放高水平地區(qū)的空間格局分布是相對較為穩(wěn)定的,主要分布于東部的河北、中部的湖北和安徽及西部的貴州、四川和內(nèi)蒙古。其中,2001—2005年間,由高水平向下轉(zhuǎn)移的省份包括北京(高水平轉(zhuǎn)向較低水平)和四川(高水平轉(zhuǎn)向較低水平),而向上轉(zhuǎn)移的省份分別為河北、貴州、湖北、四川、安徽及內(nèi)蒙古(較高水平轉(zhuǎn)向高水平),2005—2009年高水平地區(qū)的省份數(shù)并未發(fā)生改變,2009—2013年間,由高水平向下轉(zhuǎn)移的省份為湖北(高水平地區(qū)轉(zhuǎn)向較高水平),向上轉(zhuǎn)移的省份為四川(較高水平轉(zhuǎn)向高水平)。同時,從2001、2005、2009和2013年的空間分布圖來看,處于我國農(nóng)村居民人均直接生活能源碳排放高水平地區(qū)的省份數(shù)總體呈先增后減的趨勢；而處于我國農(nóng)村居民人均直接生活能源碳排放低水平地區(qū)的省份主要分布于東部的海南、天津和福建,中部的黑龍江及西部的寧夏、新疆等地。其中,2001—2005年間,由低水平向上轉(zhuǎn)移的省份為海南(低水平轉(zhuǎn)向中等水平),而向下轉(zhuǎn)移的省份分別為黑龍江(中等水平轉(zhuǎn)向低水平)、新疆和天津(較高水平轉(zhuǎn)向低水平),2005—2013年間低水平地區(qū)的省份數(shù)并未發(fā)生較大改變；除2007年福建由低水平地區(qū)轉(zhuǎn)向較低水平和江蘇由較低水平轉(zhuǎn)向低水平地區(qū)以外。同時,從2001、2005、2009和2013年的空間分布圖來看,處于我國農(nóng)村居民人均直接生活能源碳排放低水平地區(qū)的省份數(shù)總體呈增加的趨勢。究其原因,我國中部地區(qū)城鎮(zhèn)化水平不斷提升,其生活能源使用方式發(fā)生轉(zhuǎn)變,大幅提高了電力、熱力及天然氣的使用比例,且農(nóng)村能源消費中煤炭所占比例較高,而能源利用效率相對較低,從而使得農(nóng)村居民人均生活能源碳排放量增加；同時,西部地區(qū)農(nóng)村居民對煤炭的依賴程度雖然較高,但其大多地處邊遠(yuǎn)地帶,交通極為不便,是我國貧困人口聚集地帶[24],使得可再生能源的有效獲取存在很大問題。

2001—2013年東部、中部和西部地區(qū)在各個水平上均有分布。東部在高水平地區(qū)的省份數(shù)未發(fā)生改變,而中部、西部地區(qū)均呈先增后減的趨勢,總體來看,我國農(nóng)村居民直接生活能源碳排放處于高水平地區(qū)的省份數(shù)呈先增后減的趨勢,且東、中、西部地區(qū)內(nèi)部的差異較為顯著；就較高水平地區(qū)而言,東部呈先增后減的趨勢,而中部、西部地區(qū)均呈下降趨勢,我國農(nóng)村居民直接生活能源碳排放處于較高水平地區(qū)的省份數(shù)總體上呈下降趨勢；就中等水平地區(qū)來說,東部、西部地區(qū)呈下降趨勢,而中部地區(qū)呈先減后增的趨勢,因此其總體上呈下降趨勢；而較低水平和低水平地區(qū)的省份數(shù)均有所增加,其中,東部在較低水平地區(qū)的省份數(shù)呈先增后減再增的趨勢,中部地區(qū)呈減后增的趨勢。

圖7 中國主要年份農(nóng)村居民間接生活能源人均碳排放空間分布格局Fig.7 Spatial agglomeration pattern of indirect energy carbon emission per capita in China

2001—2013年間,處于我國農(nóng)村居民人均間接生活能源碳排放低水平地區(qū)的空間格局相對較為穩(wěn)定,主要分布于東部和南部經(jīng)濟(jì)區(qū)。同時,受東部和南部經(jīng)濟(jì)區(qū)輻射帶動效應(yīng)的影響,長江中游經(jīng)濟(jì)區(qū)部分省域也呈現(xiàn)出向低值區(qū)發(fā)展的趨勢,如江西、安徽省等。

然而,2001—2013年間我國農(nóng)村居民人均間接生活能源碳排放高水平地區(qū)的變化較大,除2012年廣西有分布以外,其余年份高水平地區(qū)在東北、黃河中游經(jīng)濟(jì)區(qū)均有分布,其中新疆、內(nèi)蒙古和黑龍江省的穩(wěn)定度較高。進(jìn)一步分析發(fā)現(xiàn),2001年高水平地區(qū)主要集中在新疆、青海和寧夏??；而2005年有所增加,其中,內(nèi)蒙古、陜西及黑龍江等省份則均轉(zhuǎn)向高水平地區(qū),其總體趨勢向東部和黃河中游地區(qū)移動；至2009年,高水平地區(qū)趨于減少,主要分布于新疆、黑龍江及湖南省；2012年則主要分布于新疆、內(nèi)蒙古、黑龍江和廣西省,其數(shù)量又趨于增加。究其原因,對于農(nóng)村居民來說,增幅最大的為居住排放,其次為交通通訊、文教娛樂、醫(yī)療保健排放。農(nóng)村居民消費結(jié)構(gòu)的升級,使得農(nóng)村居民的醫(yī)療保險支出誘發(fā)的能耗及碳排放比重起伏不定；教育文化支出誘發(fā)的能耗機碳排放比重則呈現(xiàn)逐年減少的趨勢,農(nóng)村食品支出誘發(fā)的能耗量及碳排放比重有逐年減少的趨勢,家庭設(shè)備用品、居住及食品三項支出是誘使生活能源消耗及碳排放的3個主導(dǎo)因素。

2.4 影響農(nóng)村居民生活能源碳排放的因素

大量研究發(fā)現(xiàn),人口數(shù)量、經(jīng)濟(jì)發(fā)展、居民所選擇的生活方式以及國家政策等均對居民的生活能源消費產(chǎn)生重要影響[25-26]。為進(jìn)一步辨明影響我國農(nóng)村居民生活能源碳排放的主要因素,本文將農(nóng)村人口規(guī)模、農(nóng)村居民可支配收入、農(nóng)村居民生活消費支出、農(nóng)村居民能源消費結(jié)構(gòu)(家庭煤炭消耗占總家庭能耗的比率)、農(nóng)村居民年齡結(jié)構(gòu)(青壯年(15—65歲)人口)比例)、地區(qū)虛擬變量(南方=0；北方=1)等引入模型,從而得到影響農(nóng)村居民生活能源碳排放關(guān)鍵因素的STIRPAT模型見表3。

模型(1)的擬合優(yōu)度達(dá)到0.517,F統(tǒng)計量為19.939,在0.001水平上顯著,Durbin-Watson統(tǒng)計量為2.208,說明農(nóng)村人口規(guī)模、農(nóng)民人均純收入、農(nóng)村居民生活消費支出、農(nóng)村居民能源消費結(jié)構(gòu)、農(nóng)村居民年齡結(jié)構(gòu)、地區(qū)虛擬變量對農(nóng)村居民生活能源碳排放的解釋度達(dá)到51.7%；模型(2)在模型(1)的基礎(chǔ)上增加了農(nóng)民人均純收入的二次項,擬合優(yōu)度為0.521,F統(tǒng)計量達(dá)17.700,在0.001水平上顯著,Durbin-Watson統(tǒng)計量為2.146,方程擬合非常好。

擬合結(jié)果顯示,在模型(1)中,農(nóng)村人口規(guī)模和生活消費支出的非標(biāo)準(zhǔn)化系數(shù)均大于1,分別為1.177、1.837；模型(2)中二者的非標(biāo)準(zhǔn)化系數(shù)分別達(dá)1.207、1.738,說明增加農(nóng)村人口規(guī)模和生活消費支出引起的碳排放量的增加速度超過了其自身的變化速度。模型(1)、模型(2)中的標(biāo)準(zhǔn)化系數(shù)顯示,農(nóng)村人口規(guī)模是影響我國農(nóng)村居民生活能源碳排放的重要因素,其標(biāo)準(zhǔn)化系數(shù)分別為0.501、0.514,因此,有效控制我國農(nóng)村人口規(guī)模對減少農(nóng)村居民生活能源碳排放非常關(guān)鍵。而年齡結(jié)構(gòu)的標(biāo)準(zhǔn)化系數(shù)較低,模型(1)、模型(2)中分別為0.033、0.032,似乎顯得其對碳排放量的影響不大,但實際上年齡結(jié)構(gòu)也是影響農(nóng)村居民生活能源碳排放的重要因子[27-28]。

模型(1)和模型(2)中,地區(qū)虛擬變量、農(nóng)民人均純收入的非標(biāo)準(zhǔn)化系數(shù)均小于1但大于0,說明提高居民富裕水平引起的農(nóng)村居民生活能源碳排放量的增加速度低于其本身的變化速度；同時,地區(qū)虛擬變量的標(biāo)準(zhǔn)化系數(shù)顯示,受地區(qū)差異的影響,北方農(nóng)村居民生活能源碳排放量明顯高于南方。

表3 影響農(nóng)村居民生活能源碳排放關(guān)鍵因素的最小二乘法估計結(jié)果

*顯著性水平為0.1,**顯著性水平為0.05,***顯著性水平為0.001,括號內(nèi)為標(biāo)準(zhǔn)差

模型(1)和模型(2)中,能源消費結(jié)構(gòu)的非標(biāo)準(zhǔn)化系數(shù)均小于0,分別為-0.014、-0.022,表明降低煤炭使用率具有降低農(nóng)村生活居民生活能源碳排放量的作用；其標(biāo)準(zhǔn)化系數(shù)也均小于0,分別為-0.017、-0.027,充分說明合理調(diào)整能源消費結(jié)構(gòu)對減少農(nóng)村居民生活能源碳排放非常重要。

模型(2)在模型(1)的基礎(chǔ)上增加了農(nóng)民人均純收入的二次項,擬合優(yōu)度為0.521,F統(tǒng)計量達(dá)17.700,在0.001水平上顯著,Durbin-Watson統(tǒng)計量為2.146,方程擬合非常好。模型(2)中,農(nóng)民人均純收入二次項的系數(shù)為負(fù)(-0.236),且在0.1水平上顯著不為零,說明現(xiàn)有樣本數(shù)據(jù)支持環(huán)境Kuznets曲線假說,即隨著經(jīng)濟(jì)的發(fā)展,農(nóng)村居民生活能源碳排放量存在轉(zhuǎn)折點,這表明經(jīng)濟(jì)的發(fā)展有助于解決我國農(nóng)村居民生活能源碳排放問題。

3 結(jié)論及建議

3.1 結(jié)論

居民生活能源碳排放問題日益成為國際能源消耗與碳排放研究的前沿與熱點。自20世紀(jì)90年代以來,國內(nèi)外學(xué)者在該領(lǐng)域開展了大量的研究。本文在界定居民生活能源碳排放的基礎(chǔ)上,分析了農(nóng)村居民生活能源碳排放的區(qū)域差異及其空間格局,并探討了影響農(nóng)村居民生活能源碳排放的主要因素。與曲建升[12]、張馨[14]、王莉[18]等人的研究具有較好的可比性,分析發(fā)現(xiàn),居民生活能源碳排放是直接生活能源及其所消費的所有產(chǎn)品與服務(wù)在生產(chǎn)生活過程中所產(chǎn)生的CO2排放量；其次,中國農(nóng)村居民生活能源間接碳排放量高于直接碳排放量；同時,黃芳[27]等人在研究中采用LMDI、結(jié)構(gòu)分解等方法發(fā)現(xiàn)收入水平、地理位置、社會經(jīng)濟(jì)發(fā)展水平等均為影響居民生活能源碳排放的主要因子。主要結(jié)論如下：

(1)2001—2013年農(nóng)村居民直接生活能源碳排放量和間接生活能源碳排放量分別增長了7.65%、9.16%。

(2)東部、中部、西部經(jīng)濟(jì)區(qū)的碳基尼系數(shù)呈下降趨勢,說明各經(jīng)濟(jì)區(qū)農(nóng)村居民人均生活能源碳排放量的區(qū)域差異總體上均呈縮小趨勢。

(3)2001—2013年間,處于我國農(nóng)村居民人均直接生活能源碳排放高水平地區(qū)的空間格局分布是相對較為穩(wěn)定的,主要分布于東部的河北、中部的湖北和安徽及西部的貴州、四川和內(nèi)蒙古；而對于人均間接生活能源碳排放來說,處于低水平地區(qū)的空間格局分布較為穩(wěn)定,主要分布于東部和南部經(jīng)濟(jì)區(qū)。

(4)農(nóng)村人口規(guī)模、農(nóng)民人均純收入、農(nóng)村居民生活消費支出、青壯年人口比重對農(nóng)村居民生活能源碳排放量具有加劇作用,而農(nóng)村居民能源消費結(jié)構(gòu)對其具有減緩作用,且北方農(nóng)村居民生活能源碳排放量明顯高于南方。

(5)從環(huán)境Kuznets曲線假說出發(fā),經(jīng)濟(jì)發(fā)展是促使我國農(nóng)村居民生活能源碳排放Kuznets曲線存在拐點的重要因素。

3.2 建議

基于以上結(jié)論,提出以下建議：“智能、綠色、健康、安全”是“十三五”對未來消費方向的描述,在這樣的大背景下,應(yīng)著眼于強調(diào)居民適度消費、綠色消費,并著力發(fā)展低碳消費方式,倡導(dǎo)低碳消費理念。從我國各省碳排放量與各影響因素相關(guān)關(guān)系的分析來看,伴隨著將來有更多居民由農(nóng)村向城鎮(zhèn)轉(zhuǎn)移,使得農(nóng)村家庭戶規(guī)模的收縮加快,從而增加了人均消費支出,在很大程度上加速了人口總量增長對碳排放的影響,因此,急需在關(guān)注人口數(shù)量變化對碳排放影響的同時,關(guān)注居民消費水平變化的影響作用,爭取以較低的生活能源碳排放成本,實現(xiàn)碳排放量的降低。

此外,在正確認(rèn)識農(nóng)村能源消費空間格局的背景下,我國農(nóng)村居民生活用能的能源結(jié)構(gòu)有待進(jìn)一步改善。人均居民生活能源碳排放量較高的省份大部分位于北方地區(qū)；對于碳排放量較高的地區(qū),尤其是過度依賴煤炭資源的地區(qū),需優(yōu)化能源消費結(jié)構(gòu),提高清潔能源的利用率,降低煤炭使用比重,從而減少農(nóng)村居民生活能源的碳排放量。

同時,農(nóng)村居民生活用能結(jié)構(gòu)的優(yōu)化空間較大,相較于東中部經(jīng)濟(jì)較為發(fā)達(dá)的地區(qū),西北貧困地區(qū)的煤炭消費碳排放比重較高,因此其應(yīng)在國家扶持下,發(fā)展生物質(zhì)能,風(fēng)能、太陽能等分布式能源供應(yīng)系統(tǒng),以緩解農(nóng)村生活能源供應(yīng)緊缺狀況；最后,結(jié)合國家能源規(guī)劃布局,進(jìn)行科學(xué)有效的農(nóng)村生活能源發(fā)展戰(zhàn)略規(guī)劃設(shè)計,促進(jìn)其生活條件和生活環(huán)境的改善,從而降低碳排放,為建設(shè)農(nóng)村資源節(jié)約與環(huán)境友好型社會提供有力保障。

[1] 秦大河. 氣候變化科學(xué)的最新進(jìn)展. 科技導(dǎo)報, 2008, 26(7): 3-3.

[2] IPCC. Climate Change 2007: The Physical Science Basis: Working Group I Contribution to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change. Cambridge: Cambridge University Press, 2007.

[3] 劉強, 劉家麒, 賀懷宇. 溫室氣體濃度變化及其源與匯研究進(jìn)展. 地球科學(xué)進(jìn)展, 2000, 15(4): 454-460.

[4] 魏一鳴, 劉蘭翠, 范英, 吳剛. 中國能源報告(2008): 碳排放研究. 北京: 科學(xué)出版社, 2008.

[5] Soytas U, Sari R, Ewing B T. Energy consumption, income, and carbon emissions in the United States. Ecological Economics, 2007, 62(3-4): 482-489.

[6] 謝鴻宇,陳賢生,林凱榮,胡安焱.基于碳循環(huán)的化石能源及電力生態(tài)足跡.生態(tài)學(xué)報,2008, 28(4): 1729-1735.

[7] 朱永彬, 王錚, 龐麗, 王麗娟, 鄒秀萍. 基于經(jīng)濟(jì)模擬的中國能源消費與碳排放高峰預(yù)測. 地理學(xué)報, 2009, 64(8): 935-944.

[8] World Resources Institute WRI. Climate Analysis Institute Tool(CAIT). (2010-11-05). http://cait.wri.org/.

[9] 陸瑩瑩, 趙旭. 家庭能源消費研究述評. 水電能源科學(xué), 2008, 26(1): 187-191.

[10] 樊杰, 李平星. 基于城市化的中國能源消費前景分析及對碳排放的相關(guān)思考. 地球科學(xué)進(jìn)展, 2011, 26(1): 57-65.

[11] 萬文玉,趙雪雁,王偉軍.中國城市居民生活能源碳排放的時空格局及影響因素分析.環(huán)境科學(xué)學(xué)報,2016,36(9):3445-3455.

[12] 曲建升, 張志強, 曾靜靜, 李燕, 王勤花, 邱巨龍, 劉莉娜, 董利蘋, 唐霞. 西北地區(qū)居民生活碳排放結(jié)構(gòu)及其影響因素. 科學(xué)通報, 2013, 58(3): 260-266.

[13] Wei Y M, Liu L C, Ying F, Wu G. The impact of lifestyle on energy use and CO2emission: An empirical analysis of China’s resident. Energy Policy, 2007, 35(1): 247-257.

[14] 張馨, 牛叔文, 趙春升, 胡莉莉. 中國城市化進(jìn)程中的居民家庭能源消費及碳排放研究. 中國軟科學(xué), 2011, (9): 65-75.

[15] Kerkhof A C S, Nonhebel S, Moll H C. Relating the environmental impact of consumption to household expenditures: An input-output analysis. Ecological Economics, 2009, 68(4): 1160-1170.

[16] Duarte R, Mainar A, Sánchez-Chóliz J. The impact of household consumption patterns on emissions in Spain. Energy Economics, 2010, 32(1): 176-185.

[17] Liu L C, Wu G, Wang J N, Wei Y M. China′s carbon emissions from urban and rural household during 1992-2007. Journal of Cleaner Production, 2011, 19(15): 1754-1762.

[18] 王莉, 曲建升, 劉莉娜, 邊悅. 1995-2011年我國城鄉(xiāng)居民家庭碳排放的分析與比較. 干旱區(qū)資源與環(huán)境, 2015, 29(5): 6-11.

[19] 蔡安寧, 莊立, 梁進(jìn)社. 江蘇省區(qū)域經(jīng)濟(jì)差異測度分析——基于碳基尼系數(shù)分解. 經(jīng)濟(jì)地理, 2011, 31(12): 1995-2000.

[20] Dagum C. Measuring the economic affluence between populations of income receives. Journal of Business & Economic Statislatics, 1987, 5(1): 5-12.

[21] Dagum C. A new approach to the decomposition of the Gini income inequality ratio. Empirical Economics, 1997, 22(4): 515-531.

[22] York R, Rosa E A, Dietz T. STIRPAT, IPAT and ImPACT: Analytic tools for unpacking the driving forces of environmental impacts. Ecological Economics, 2003, 46(3): 351-365.

[23] 趙雪雁. 甘南牧區(qū)人文因素對環(huán)境的影響. 地理學(xué)報, 2010, 65(11): 1411-1420.

[24] 李光全, 聶華林, 楊艷麗, 張培棟. 中國農(nóng)村生活能源消費的空間格局變化. 中國人口資源與環(huán)境, 2010, 20(4): 33-38.

[25] 張咪咪. 中國農(nóng)村居民生活間接能源消耗與碳排放分析. 實證研究, 2010, (7): 34-40.

[26] 李科. 我國城鄉(xiāng)居民生活能源消費碳排放的影響因素分析. 消費經(jīng)濟(jì), 2013, 29(2): 73-80.

[27] 黃芳, 江可申. 我國居民生活消費碳排放的動態(tài)特征及影響因素分析. 系統(tǒng)工程, 2013, 31(1): 52-60.

[28] 彭希哲, 朱勤. 我國人口態(tài)勢與消費模式對碳排放的影響分析. 人口研究, 2010, 34(1): 48-58.

Analysisofspatio-temporalpatternsofcarbonemissionfromenergyconsumptionbyruralresidentsinChina

WAN Wenyu1, ZHAO Xueyan1,*, WANG Weijun1, XUE Bing2

1CollegeofGeographyandEnvironmentalScience,NorthwestNormalUniversity,Lanzhou730070,China2InstituteofAppliedEcology,ChineseAcademyofSciences,Shenyang110016,China

With the development of economy and improvement in the living standard of people, life energy consumption has been increasing with each passing year. The life energy consumption of residents is expected to become a new growth point for carbon emissions. Using GiNi index, a method for spatial autocorrelation analysis, the characteristics, regional disparity, and spatio-temporal pattern of carbon emissions from life energy consumption were analyzed on regional and provincial levels from 2001 to 2013, in China. We used the STIRPAT model to simulate the impact of factors such as population, affluence level, age structure of population, and the proportion of use of electric energy, on carbon emissions. We observed that for the life of rural residents, the direct and indirect energy carbon emissions increased by 7.65% and 9.16%, respectively. The GiNi index analysis indicated that the difference in carbon emissions was shrinking among the three zones of eastern, central, and western regions. The distribution of rural residents′ life energy per capita carbon emissions in provincial China was not completely random. The areas with low levels of direct carbon emissions were mainly distributed in the eastern and western regions, whereas areas with the high levels of direct carbon emissions were relatively stable, and were mainly distributed in Sichuan, Hebei, and Anhui. Population, affluence level, and age structure of population were the main driving factors for the carbon emissions from the life energy consumption of residents, and the change in the rate of carbon emissions from residents′ life energy caused by them exceeded that of themselves. Moreover, the rural residents′ life energy carbon emissions were higher in the north than that in the south. However, the areas with low levels of indirect carbon emissions were relatively stable with respect to their carbon emissions. Within the range of calculated data, the results of the present analysis support the Environmental Kuznets Curve hypothesis, and the economic development has been the important factor for prompting the turning point of the Environmental Kuznets Curve hypothesis.

rural residents; energy consumption; carbon emissions; spatio-temporal pattern; impact factors

國家自然科學(xué)基金(41661115, 41361106, 41471116)；中國科學(xué)院內(nèi)陸河流域生態(tài)水文重點實驗室開放基金

2016- 07- 19;

2017- 05- 10

*通訊作者Corresponding author.E-mail: xbzhaoxy@163.com

10.5846/stxb201607191466

萬文玉,趙雪雁,王偉軍, 薛冰.我國農(nóng)村居民生活能源碳排放的時空特征分析.生態(tài)學(xué)報,2017,37(19):6390- 6401.

Wan W Y, Zhao X Y, Wang W J, Xue B.Analysis of spatio-temporal patterns of carbon emission from energy consumption by rural residents in China.Acta Ecologica Sinica,2017,37(19):6390- 6401.