我國農村居民生活能源碳排放的時空特征分析

萬文玉,趙雪雁,*,王偉軍, 薛 冰

1 西北師范大學地理與環境科學學院, 蘭州 730070 2 中國科學院沈陽應用生態研究所, 沈陽 110016

我國農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 西北師范大學地理與環境科學學院, 蘭州 730070 2 中國科學院沈陽應用生態研究所, 沈陽 110016

隨著生活質量的提高,我國農村居民生活能源消費呈現大幅增長的趨勢,成為碳排放增長的新源泉。估算了我國30個省區2001—2013年的農村居民生活能源碳排放,采用碳基尼系數、ArcGIS技術分析了中國省級尺度農村居民生活能源碳排放的時空特征,并利用STIRPAT模型辨明了農村居民生活能源碳排放的主要影響因素。結果表明：(1)2001—2013年農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、西部地區的碳基尼系數呈下降趨勢,說明各區域農村居民人均生活能源碳排放量的區域差異總體均呈縮小趨勢。(3)2001—2013年間,處于我國農村居民人均直接生活能源碳排放高水平地區的空間格局分布相對較為穩定,而對于人均間接生活能源碳排放來說,處于低水平地區的空間格局分布較為穩定。(4)農村人口規模、農民人均純收入、農村居民生活消費支出、青壯年人口比重對農村居民生活能源碳排放量具有促進作用,而農村居民能源消費結構對其具有減緩作用,且北方農村居民生活能源碳排放量明顯高于南方。(5)從環境Kuznets曲線假說出發,經濟發展是促使我國農村居民生活能源碳排放Kuznets曲線存在拐點的重要因素。

農村居民；生活能源；碳排放；時空特征；影響因素

21世紀以來,地球開始經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峻挑戰,已成為全社會關注的焦點[2]。以IPCC為代表的國際主流觀點認為,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致的地球系統碳循環變化[3],其中化石燃料被認為是引起全球變暖最重要原因之一[4],因此減少碳排放量、建立低碳環保型社會已成為當前應對氣候變化的基本共識[5-8]。處于轉型期的中國,居民生活消費產生的碳排放成為超過產業部門的另一個碳排放的增長點[9],其農村居民生活能源消費量更是呈現大幅增長的趨勢[10],從而使農村居民生活能源消費日益成為碳排放的新源泉,與此同時,其對未來環境也將造成愈發強烈的脅迫效應[11]。鑒于此,本文在了解農村居民生活能源碳排放的時空特征的基礎上,分析了影響碳排放的關鍵因素,以有助于正確把握我國農村居民生活能源消費的特點及地區的差異,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。

近年來,國內外學者逐漸意識到家庭消費帶來的能耗及碳排放對環境影響的意義重大。自20世紀90年代起,發達國家就開始對家庭和人口的能源消費和碳排放進行大量的評估和研究[12]。據歐盟的數據統計,歐盟家庭能源需求在20世紀90年代就已超過了工業的能源需求[9]；Wei Yiming[13]等通過利用Consume Lifestyle Approach(CLA)法,對1999—2002年間中國城鄉居民生活方式對能源消費及CO2排放的直接和間接影響進行了對比分析,認為有30%的碳排放是直接由居民的消費行為產生的；張馨[14]等通過計算我國2000—2007年農村居民和農村居民生活消費的直接碳排放和間接碳排放發現,農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、環境對碳排放之間的關系進行了研究；Lan-Cui Liu[17]等利用投入產出方法計算了我國1992—2007年城鄉居民生活能源對碳排放量的影響。當前,有關生活能源碳排放的研究多集中在對城鄉居民生活能源碳排放量的估算,而缺乏對農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,采用碳基尼系數等指標揭示了2001—2013年中國農村居民生活能源碳排放時空分異的發展演化過程,并運用ArcGIS技術,描述了2001—2013年我國農村居民生活能源碳排放的時空特征,同時,利用STIRPAT模型對影響農村居民生活能源碳排放的關鍵因素進行了分析,旨在為我國制定差異化碳減排政策和建設低碳型社會提供參考和借鑒。

1 數據來源與研究方法

1.1 數據來源

目前,我國農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、家庭設備用品、醫療衛生保健、住房、交通通信、教育文化娛樂服務等方面。數據來源于2002—2014年《中國能源統計年鑒》及《中國地區投入產出表》,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一折算成標準煤消耗量。

1.2 研究方法

1.2.1CO2排放量的測算方法

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

(1)

(2)

(3)

式中,CE指農村居民生活直接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默認值100%,均視為完全燃燒；44/12為C轉換為CO2的系數。i表示某種工業產品或者服務類別；j表示消費者支出種類；Xi表示第i類產品或服務的家庭支出(元)；CESTj表示分析目標年第j種產品的消費支出(元)；CPIBj和CPITj分別代表基準年和目標年第j種產品或服務的消費者價格指數；Tji表示第j種產品消費支出向第i類工業產品或服務轉換的變換矩陣；Ed表示農村居民生活能源間接碳排放量(tCO2)；Cji表示工業輸出i的CO2排放強度(tCO2/元)。

1.2.2 碳基尼系數

為了分析我國不同省份農村居民對生活能源碳排放空間占有的差異程度[19],根據國務院在“七五”計劃報告中對中國國土所作的劃分為依據,將我國30個省份劃分為東、中、西三大區域*本文依據慣例將我國分成東中西三大區域;具體劃分為：東部地區包括北京、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；中部地區包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北和湖南等9個省市自治區；西部地區包括重慶、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;我國西藏自治區、臺灣省、香港和澳門特別行政區的相關數據缺失,因此本文中不包括,利用碳基尼(GiNi)系數來衡量農村居民生活能源碳排放的區域差異。GiNi系數越小,表示農村居民生活能源碳排放的區域差異越小,反之亦反。假設整個地區P具有n個子單元,每一個單元的農村居民生活能源碳排放為yi(1,2,…,n),將P分成k個區域Pj(j=1,2,…,k),Pj的規模、碳排放的均值和累積密度函數分別為nj、μj和Fj(y),yji表示第j個區域的第i個單元的碳排放。根據碳基尼系數的定義,其公式為：

(4)

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

G=Gw+Gb+Gt

(5)

區域Pj內的碳基尼系數Gjj為：

(6)

則區域內部農村居民生活能源碳排放的差異對總體碳基尼系數的凈貢獻率為：

(7)

式中,Pj=nj/n,Sj=njμj/nμ。

區域Pj和區域Ph之間的碳基尼系數Gjh為：

(8)

區域間碳基尼系數可以分解兩部分為：當μj>μh時,區域j和區域h中yji>yhr的差異,稱為區域間碳排放凈差異,對總體碳基尼系數的凈貢獻為：

(9)

當μj>μh時,區域j和區域h中yji

(10)

式中：Djh=djh-pjh/djh+pjh,為區域Pj和Ph間單位農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)地區的累積密度分布函數,其中,將djh定義為區域間農村居民生活能源碳排放差值,即理解為j,h地區中所有yji-yhr>0的樣本值加總的數學期望；pjh定義為超變一階矩,即理解為j,h地區中所有yhr-yji>0的樣本值加總的數學期望。

1.2.3 STIRPAT模型

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

I=aPbAcTde

(13)

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

lnI=a+blnP+clnA+e

(14)

轉變為對數形式的STIRPAT模型中的估計系數與經濟學中彈性的解釋一致。如果估計系數(b或c)等于1,說明農村居民生活能源碳排放與各因素(P或A)存在同比例的單調變化[23]。

2 結果與分析

2.1 中國農村居民生活能源碳排放的時序演變特征

城鎮化進程的加快,使得農村人口向城鎮人口快速轉變,城鄉人口結構發生變化。我國農村人口數量不斷下降,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,農村居民間接生活能源碳排放量的增長幅度遠大于直接生活能源碳排放。進一步分析發現,2001年農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9.26%,人均生活能源碳排放量年增長率達11.46%。

數據顯示,2001—2013年我國農村居民生活能源直接碳排放量出現逐年遞減的趨勢,究其原因,在于在此期間,農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 三大區域農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、西三大區域來看,東部農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,東部地區的農村居民生活能源碳排放總量歷年來一直居于三大地區之首,2001—2013年農村居民生活能源碳排放總量從0.83 Gt上升到2.00 Gt；而西部地區的農村居民生活能源碳排放總量歷年來一直居于三大區之末,2001—2013年農村居民生活能源碳排放總量僅從0.63 Gt上升到0.84 Gt。從農村人均生活能源碳排放量來看,2001—2013年間,東部地區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%。

進一步分析發現,2001和2013年河北省農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,廣西省的農村居民人均生活能源碳排放量增長幅度最大,增幅達7.21%；同時,廣東、天津省的增長幅度均較小,如廣東省的農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 我國農村居民生活能源人均碳排放的碳基尼系數 Fig.4 Gini coefficient of per capita rural residents life energy consumption in China

2.2 農村居民人均生活能源碳排放量的區域差異

根據公式(4)計算出2001—2013年我國農村居民人均生活能源碳排放的碳基尼系數(圖4),總體上表現為波動性的下降趨勢,從2001年的0.15下降為2013年的0.14,其碳基尼系數的變化趨勢為0.01/10a,即我國農村居民人均生活能源碳排放量的區域差異總體上呈縮小趨勢。與此同時,從三大區域的農村居民人均生活能源碳排放碳基尼系數的變化趨勢來看,東部、中部、西部經濟區的碳基尼系數均呈下降趨勢,說明東、中、西部地區農村居民人均生活能源碳排放量的區域差異總體上均呈縮小趨勢。其中,東部地區從2001年的0.26下降至2013年的0.18；西部地區從2001年的0.21下降至2013年的0.16；中部地區從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,可將我國農村居民人均生活能源碳排放的總體差異分解為區域內差距的貢獻Gw,區域間凈值差距的貢獻Gb,以及區域間凈值逆差距的貢獻Gt。由圖5可知,東、中、西三大區域內部差異變化比較平緩,從2001年的0.09到2013年的0.05,其貢獻率從21.75%下降至13.13%；區域間凈值逆差異在2001—2013年總體呈下降趨勢,其貢獻率從7.01%下降至1.40%；三大區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,其貢獻率從71.25%上升到85.47%,因此,我國農村居民人均生活能源碳排放的總差異主要表現為三大區域間的凈值差距。

圖5 農村居民人均生活能源碳排放碳基尼系數的貢獻率Fig.5 The Gini coefficient of the rural residents life energy carbon emissions per capita

2.3 農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)劃分為高水平、較高水平、中等水平、較低水平和低水平地區等5種類型。

圖6 中國主要年份農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,處于我國農村居民人均直接生活能源碳排放高水平地區的空間格局分布是相對較為穩定的,主要分布于東部的河北、中部的湖北和安徽及西部的貴州、四川和內蒙古。其中,2001—2005年間,由高水平向下轉移的省份包括北京(高水平轉向較低水平)和四川(高水平轉向較低水平),而向上轉移的省份分別為河北、貴州、湖北、四川、安徽及內蒙古(較高水平轉向高水平),2005—2009年高水平地區的省份數并未發生改變,2009—2013年間,由高水平向下轉移的省份為湖北(高水平地區轉向較高水平),向上轉移的省份為四川(較高水平轉向高水平)。同時,從2001、2005、2009和2013年的空間分布圖來看,處于我國農村居民人均直接生活能源碳排放高水平地區的省份數總體呈先增后減的趨勢；而處于我國農村居民人均直接生活能源碳排放低水平地區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,由低水平向上轉移的省份為海南(低水平轉向中等水平),而向下轉移的省份分別為黑龍江(中等水平轉向低水平)、新疆和天津(較高水平轉向低水平),2005—2013年間低水平地區的省份數并未發生較大改變；除2007年福建由低水平地區轉向較低水平和江蘇由較低水平轉向低水平地區以外。同時,從2001、2005、2009和2013年的空間分布圖來看,處于我國農村居民人均直接生活能源碳排放低水平地區的省份數總體呈增加的趨勢。究其原因,我國中部地區城鎮化水平不斷提升,其生活能源使用方式發生轉變,大幅提高了電力、熱力及天然氣的使用比例,且農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,從而使得農村居民人均生活能源碳排放量增加；同時,西部地區農村居民對煤炭的依賴程度雖然較高,但其大多地處邊遠地帶,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、中部和西部地區在各個水平上均有分布。東部在高水平地區的省份數未發生改變,而中部、西部地區均呈先增后減的趨勢,總體來看,我國農村居民直接生活能源碳排放處于高水平地區的省份數呈先增后減的趨勢,且東、中、西部地區內部的差異較為顯著；就較高水平地區而言,東部呈先增后減的趨勢,而中部、西部地區均呈下降趨勢,我國農村居民直接生活能源碳排放處于較高水平地區的省份數總體上呈下降趨勢；就中等水平地區來說,東部、西部地區呈下降趨勢,而中部地區呈先減后增的趨勢,因此其總體上呈下降趨勢；而較低水平和低水平地區的省份數均有所增加,其中,東部在較低水平地區的省份數呈先增后減再增的趨勢,中部地區呈減后增的趨勢。

圖7 中國主要年份農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,處于我國農村居民人均間接生活能源碳排放低水平地區的空間格局相對較為穩定,主要分布于東部和南部經濟區。同時,受東部和南部經濟區輻射帶動效應的影響,長江中游經濟區部分省域也呈現出向低值區發展的趨勢,如江西、安徽省等。

然而,2001—2013年間我國農村居民人均間接生活能源碳排放高水平地區的變化較大,除2012年廣西有分布以外,其余年份高水平地區在東北、黃河中游經濟區均有分布,其中新疆、內蒙古和黑龍江省的穩定度較高。進一步分析發現,2001年高水平地區主要集中在新疆、青海和寧夏省；而2005年有所增加,其中,內蒙古、陜西及黑龍江等省份則均轉向高水平地區,其總體趨勢向東部和黃河中游地區移動；至2009年,高水平地區趨于減少,主要分布于新疆、黑龍江及湖南省；2012年則主要分布于新疆、內蒙古、黑龍江和廣西省,其數量又趨于增加。究其原因,對于農村居民來說,增幅最大的為居住排放,其次為交通通訊、文教娛樂、醫療保健排放。農村居民消費結構的升級,使得農村居民的醫療保險支出誘發的能耗及碳排放比重起伏不定；教育文化支出誘發的能耗機碳排放比重則呈現逐年減少的趨勢,農村食品支出誘發的能耗量及碳排放比重有逐年減少的趨勢,家庭設備用品、居住及食品三項支出是誘使生活能源消耗及碳排放的3個主導因素。

2.4 影響農村居民生活能源碳排放的因素

大量研究發現,人口數量、經濟發展、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生重要影響[25-26]。為進一步辨明影響我國農村居民生活能源碳排放的主要因素,本文將農村人口規模、農村居民可支配收入、農村居民生活消費支出、農村居民能源消費結構(家庭煤炭消耗占總家庭能耗的比率)、農村居民年齡結構(青壯年(15—65歲)人口)比例)、地區虛擬變量(南方=0；北方=1)等引入模型,從而得到影響農村居民生活能源碳排放關鍵因素的STIRPAT模型見表3。

模型(1)的擬合優度達到0.517,F統計量為19.939,在0.001水平上顯著,Durbin-Watson統計量為2.208,說明農村人口規模、農民人均純收入、農村居民生活消費支出、農村居民能源消費結構、農村居民年齡結構、地區虛擬變量對農村居民生活能源碳排放的解釋度達到51.7%；模型(2)在模型(1)的基礎上增加了農民人均純收入的二次項,擬合優度為0.521,F統計量達17.700,在0.001水平上顯著,Durbin-Watson統計量為2.146,方程擬合非常好。

擬合結果顯示,在模型(1)中,農村人口規模和生活消費支出的非標準化系數均大于1,分別為1.177、1.837；模型(2)中二者的非標準化系數分別達1.207、1.738,說明增加農村人口規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)中的標準化系數顯示,農村人口規模是影響我國農村居民生活能源碳排放的重要因素,其標準化系數分別為0.501、0.514,因此,有效控制我國農村人口規模對減少農村居民生活能源碳排放非常關鍵。而年齡結構的標準化系數較低,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,但實際上年齡結構也是影響農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,地區虛擬變量、農民人均純收入的非標準化系數均小于1但大于0,說明提高居民富裕水平引起的農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,地區虛擬變量的標準化系數顯示,受地區差異的影響,北方農村居民生活能源碳排放量明顯高于南方。

表3 影響農村居民生活能源碳排放關鍵因素的最小二乘法估計結果

*顯著性水平為0.1,**顯著性水平為0.05,***顯著性水平為0.001,括號內為標準差

模型(1)和模型(2)中,能源消費結構的非標準化系數均小于0,分別為-0.014、-0.022,表明降低煤炭使用率具有降低農村生活居民生活能源碳排放量的作用；其標準化系數也均小于0,分別為-0.017、-0.027,充分說明合理調整能源消費結構對減少農村居民生活能源碳排放非常重要。

模型(2)在模型(1)的基礎上增加了農民人均純收入的二次項,擬合優度為0.521,F統計量達17.700,在0.001水平上顯著,Durbin-Watson統計量為2.146,方程擬合非常好。模型(2)中,農民人均純收入二次項的系數為負(-0.236),且在0.1水平上顯著不為零,說明現有樣本數據支持環境Kuznets曲線假說,即隨著經濟的發展,農村居民生活能源碳排放量存在轉折點,這表明經濟的發展有助于解決我國農村居民生活能源碳排放問題。

3 結論及建議

3.1 結論

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90年代以來,國內外學者在該領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上,分析了農村居民生活能源碳排放的區域差異及其空間格局,并探討了影響農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,分析發現,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品與服務在生產生活過程中所產生的CO2排放量；其次,中國農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、結構分解等方法發現收入水平、地理位置、社會經濟發展水平等均為影響居民生活能源碳排放的主要因子。主要結論如下：

(1)2001—2013年農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、西部經濟區的碳基尼系數呈下降趨勢,說明各經濟區農村居民人均生活能源碳排放量的區域差異總體上均呈縮小趨勢。

(3)2001—2013年間,處于我國農村居民人均直接生活能源碳排放高水平地區的空間格局分布是相對較為穩定的,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,處于低水平地區的空間格局分布較為穩定,主要分布于東部和南部經濟區。

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

(5)從環境Kuznets曲線假說出發,經濟發展是促使我國農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,應著眼于強調居民適度消費、綠色消費,并著力發展低碳消費方式,倡導低碳消費理念。從我國各省碳排放量與各影響因素相關關系的分析來看,伴隨著將來有更多居民由農村向城鎮轉移,使得農村家庭戶規模的收縮加快,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,急需在關注人口數量變化對碳排放影響的同時,關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,實現碳排放量的降低。

此外,在正確認識農村能源消費空間格局的背景下,我國農村居民生活用能的能源結構有待進一步改善。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；對于碳排放量較高的地區,尤其是過度依賴煤炭資源的地區,需優化能源消費結構,提高清潔能源的利用率,降低煤炭使用比重,從而減少農村居民生活能源的碳排放量。

同時,農村居民生活用能結構的優化空間較大,相較于東中部經濟較為發達的地區,西北貧困地區的煤炭消費碳排放比重較高,因此其應在國家扶持下,發展生物質能,風能、太陽能等分布式能源供應系統,以緩解農村生活能源供應緊缺狀況；最后,結合國家能源規劃布局,進行科學有效的農村生活能源發展戰略規劃設計,促進其生活條件和生活環境的改善,從而降低碳排放,為建設農村資源節約與環境友好型社會提供有力保障。

[1] 秦大河. 氣候變化科學的最新進展. 科技導報, 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展. 地球科學進展, 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.基于碳循環的化石能源及電力生態足跡.生態學報,2008, 28(4): 1729-1735.

[7] 朱永彬, 王錚, 龐麗, 王麗娟, 鄒秀萍. 基于經濟模擬的中國能源消費與碳排放高峰預測. 地理學報, 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, 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思考. 地球科學進展, 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.環境科學學報,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. 西北地區居民生活碳排放結構及其影響因素. 科學通報, 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. 中國城市化進程中的居民家庭能源消費及碳排放研究. 中國軟科學, 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年我國城鄉居民家庭碳排放的分析與比較. 干旱區資源與環境, 2015, 29(5): 6-11.

[19] 蔡安寧, 莊立, 梁進社. 江蘇省區域經濟差異測度分析——基于碳基尼系數分解. 經濟地理, 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. 甘南牧區人文因素對環境的影響. 地理學報, 2010, 65(11): 1411-1420.

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

[25] 張咪咪. 中國農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. 我國城鄉居民生活能源消費碳排放的影響因素分析. 消費經濟, 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特征及影響因素分析. 系統工程, 2013, 31(1): 52-60.

[28] 彭希哲, 朱勤. 我國人口態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

國家自然科學基金(41661115, 41361106, 41471116)；中國科學院內陸河流域生態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.我國農村居民生活能源碳排放的時空特征分析.生態學報,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.