甘肃省直接生活能源消费碳排放分析及预测

李 媛，徐 坤，谢应忠

（1宁夏大学 农学院；2宁夏大学 资源环境学院；3宁夏大学 西北退化生态系统恢复与重建教育部重点实验室，宁夏 银川750021）

减少碳排放，缓解全球气候变暖已成为世界各国面临的共同问题，政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）的统计数据显示，全球大部分人为CO2排放来源于化石燃料的燃烧［1］．工业是能源消耗的主要部门，因此以往关于节能减排的研究大多是围绕工业部门进行的［2］．然而，生活中衣食住行的各个方面无不与能源消耗有着密切的联系，并且随着人口数量及生活水平的提高，生活能源消费对碳排放的贡献越来越不容忽视［3－4］．

生活能源消费碳排放量可分为直接能源消费和间接能源消费两部分．前者主要是指居民对能源商品的直接购买和消费，后者是为提供居民生活所需的非能源商品和服务而消耗的能源［5］．直接能源消费碳排放的计算多采用排放系数法，该方法操作性强，可以实现时间序列的动态分析及预测．间接能源消费碳排放，由于涉及的行业较多，需要了解各行业特定商品生产的能耗情况，目前主要是在投入产出表的基础上展开研究，但是鉴于投入产出表编写的时间间隔，该方法仅适用于静态分析．

在碳排放的影响因素方面，主要是利用不同方法对各因素的影响程度进行定性和定量分析．冯玲［6］、叶红［7］等使用多元回归分别对中国城镇居民能耗碳排放和厦门岛区家庭能耗直接碳排放的影响因素进行了研究．朱勤［8］、宋晓晖［9］等基于STIRPAT模型就人口对碳排放的影响进行了探讨．冯相昭［10］、高彩玲［11］等则将指数分解的方法应用于各自的研究区域．

总体而言，我国居民生活能源消费碳排放的研究尚处于起步阶段，且主要集中在国家尺度上，对于省（市、自治区）一级的研究较少．由于地区之间在资源禀赋、能源消费结构、居民生活水平等方面都存在较大差异，因此，对地区生活能源消费碳排放进行定量研究，不仅有利于实现地方经济的可持续发展，同时也可以完善和丰富碳减排领域的方法与成果．本文以甘肃省直接生活能源消费为切入点，利用排放系数法对研究区域的碳排放展开计算，并分两阶段定量分析各影响因素的贡献，最后结合多种方法对未来人均直接生活能源消费碳排放量进行预测，旨在为地方政府制定节能减排政策提供参考．

1 研究方法及数据来源

1．1 研究方法

1．1．1 碳排放量计算 依据燃料的来源及性质，将生活中涉及的直接能源分为5类，即煤、油品、天然气、热力和电力．其中，前3类能源的碳排放量是能源的使用量与碳排放系数（表1）的乘积．对于热力和电力，在使用的过程中并不直接产生CO2，但是其在生产的过程中会耗用能源，导致一定的碳排放．该部分碳排放量的计算方法如下：首先，将热力、电力生产过程中消耗的各种能源量与其碳排放系数相乘后再加和，分别得到2个过程能源消耗的碳排放量（Wk）；其次，用Wk除以热力、电力的生产量，即为热力、电力的碳排放系数（DIk）；最后，将DIk与居民热力、电力的实际使用量相乘，则为生活中使用电力、热力导致的碳排放量．

表1 各能源的碳排放系数＊Tab．1 Carbon emission coefficient of different energy

1．1．2 LMDI因素分解 对数平均D氏指数（Logarithmic Mean Divisia Index，LMDI）分解是定量分析各因素对研究对象影响程度的有效工具，具有不产生残差，能够较好地处理0值和负值等特点［12］．本文运用两段LMDI分解，较深入地剖析各指标对人均直接生活能源碳排放的影响，具体方法如下．

1）第1阶段LMDI分解

式中：CP为人均碳排放量；Ci为第i种能源的碳排放量；Ei为第i种能源消费量；E为能源总消费量；T为生活消费总支出，为了便于各年间的比较，此处采用以2000年为基础的可比价；P为人口数．令Ci／Ei＝F1，Ei／E＝F2，E／T＝F3，T／P＝F4，它们分别表示碳排放强度、能源结构、能源消费强度和人均消费水平．相应的人均碳排放的变化量可表示为

各因素的贡献值可通过下式计算获得

式中：ΔFj为第j个影响因素对总变化的贡献值；CP0i、CPt0分别为第i种能源在起始时期和t时期的人均碳排放量；F0ij、Ftij分别为对于第i种能源j因素在起始时期和t时期的取值．

2）第2阶段LMDI分析

对人均碳排放量影响比较大的两个因素，即能源消费强度（F3）和人均消费水平（F4）进行第2阶段LMDI分解，F3可分解为城乡能源消费强度（FL）和城乡消费比例（FM）的乘积，具体表示为

其中，E1／T1和E2／T2分别为城镇和农村能源消费强度，用FL1和FL2表示，T1／T和T2／T是城镇和农村消费比例，用FM1和FM2表示．

F4进一步分解为城乡居民消费水平（FG）和城乡人口比例（FN）的乘积，可表示为

其中，T1／P1和T2／P2分别表示城镇和农村人均消费水平，用FG1和FG2表示；P1／P和P2／P是城镇及农村人口比例，用FN1和FN2表示．

1．1．3 人均碳排放量预测方法

（1）GM（1，1）预测法

以各年的人均碳排放量数据作为原始序列X（0），对原始序列进行累加，产生一次累加序列X（1），设X（1）满足一阶常微分方程，对方程求解，并利用最小二乘法确定解中的参数，得到序列X（1）的估计值，之后经过后减运算获得各年人均碳排放量的拟合值，并对未来年份进行预测．

（2）趋势线拟合法

以时间为横坐标，人均碳排放量为纵坐标绘制曲线，分别采用指数模型、直线模型、三次多项式等模型对曲线进行拟合，选取拟合度最高的一种．

（3）组合模型

在单模型预测中，常会出现精度不高、预测结果不合理等问题，采用组合模型法可以汲取多种模型的优点，提高预测的可信度．组合模型的关键是各模型权重的确定，本文利用标准差法计算相关模型的权重，具体计算公式为Wi＝（σ－σi）／σ，式中σi为第i个模型预测误差的标准差，σ为各模型预测误差标准差之和．

1．2 数据来源

能源消费量数据来源于《中国能源统计年鉴》（2001—2011年），居民消费支出、人口数据来源于《甘肃发展年鉴》（2001—2011年）．

2 结果分析

2．1 居民直接生活能源消费碳排放分析

2．1．1 居民直接生活能源消费碳排放量及结构分析 由表2数据可知，甘肃省居民直接生活能源消费碳排放总量在2000—2004年经历了小幅波动之后，呈现出逐年上升的趋势，2010年达到484．41万吨，与2000年相比增长55．14%．在各种能源中，煤的碳排放量所占比例最大，年平均为61．62%，其次为电力、热力、油品和天然气．随着能源结构的调整，各种能源的逐年碳排放比例具有不同程度的变化，煤总体表现下降态势，降幅为18．83%；电力则由2000年的17．52%上升为2010年的28．21%；油品和天然气虽有所增加，但幅度较小，两项合计不超过碳排放总量的4%；而热力则在平均值上下波动，变化趋势不明显．可以看出，在过去的11年间，煤及其制品的使用是直接生活能源消费碳排放的首要来源．一方面甘肃省的农村人口占较大比重，而农村家庭日常的炊事、取暖等活动多以燃煤为主；另一方面，与石油制品和天然气等传统能源相比，煤的热值较低，为获得相同热量，需要燃烧更多数量的煤，相应会排放更多的碳，这也是在以煤为主的能源消费结构中，很难摆脱高碳排放的原因之一．就城乡比例而言，农村人口的碳排放均高于城镇人口，平均为后者的1．37倍．

碳排放总量的增加可能部分源自人口数量的增长，为了进一步反映个体生活中直接能源消费碳排放的实际变化，特引入人均碳排放量指标．表2显示，甘肃省直接生活能源消费的人均碳排放量与碳排放总量具有相似的变化趋势，也在前期波动后逐步上升，在2010年达到最大值189．23kg／人，涨幅为52．43%．

表2 2000—2010年甘肃省居民商品能源消费碳排放量Tab．2 Carbon emission of direct household energy consumption in Gansu during 2000—2010

2．1．2 城乡直接生活能源消费及碳排放量的对比分析 由于城镇和农村居民生活方式不同，两类人群在能源消费结构及人均碳排放量上具有明显的区别．城镇居民煤、热力、电力的消费比例接近，平均为28．49%～33．34%．而在农村，煤及其制品的消费平均占直接生活能源总消费的85%以上．虽然城镇居民生活中直接消费煤及制品的比例较小，但热力和电力的供应却很大程度上依赖于煤的燃烧，生活碳排放的绝对量仍很可观．因此，今后可以通过增加清洁能源的比重、提高燃烧效率、改进净化技术等方式减少碳等污染物的排放．农村人口由于居住较分散，给集中供能和处置带来困难，探寻简单灵活的清洁供能方式是实现农村低碳生活的重要途径．

人均碳排放方面，城镇人口均高于农村人口．农村人均碳排放量逐年递增，由2000年的94．54kg／人增加到2010年的165．70kg／人，原因在于随着农村收入水平的提高以及家用电器的普及，农村人均煤和电力消费的碳排放都有明显增加，分别增长51．29%和319．88%．而城镇人均碳排放在2002年左右波动较大，整体的变化趋势不明显．

2．2 影响因素分析

2．2．1 第1阶段LMDI分析 由图1可知，居民消费水平对于人均碳排放量具有很强的正向拉动作用，以2000年为基期的累积贡献率为191．42%，且各年的累积贡献值几乎呈线性增加．说明随着收入的增加，直接能源的现有价格对消费的限制作用日渐削弱，对生活质量的更高要求促使人们对能源的需求量不断增大．相反，能源消费强度则有助于抑制人均碳排放量的增加，其累计贡献率为－91．74%．能源消费结构同样呈现出抑制效果，但整体作用有限，累计贡献率仅为－1．56%．因此，立足地区实际情况，增加清洁能源在居民生活能源消费中的比例，进一步发挥能源消费结构对碳排放的抑制作用是今后降低生活碳排放的重要途径．此外，碳排放强度对人均碳排放具有微弱的促进作用，这主要源自各年间热力、电力单位能耗碳排放量的差异．

图1 各因素对人均碳排放量的累积贡献Fig．1 Accumulated contribution of different factorsto per capita carbon emission

2．2．2 第2阶段LMDI分析 从城镇和农村两个方面对上述指标再进行分解．能源消费强度分解为城乡能源消费强度和消费比例两项指标．从图2可以看出，城乡能源消费强度和消费比例均起到负向抑制作用，且前者的贡献较大，这得益于城镇能源消费强度的较大下降和城镇消费在总消费比例的增加（图3）．

居民消费水平可进一步分解为城乡居民消费水平和人口比例．由图4可知，这两项指标对居民消费水平均表现为正向促进作用，主要原因在于城乡消费水平，特别是城镇居民消费水平的提高以及城镇人口比例的逐年上升（图5）．

图2 各因素对能源强度累积贡献Fig．2 Accumulated contribution of different factors to energy intensity

图3 城乡能源强度及消费比例的年际变化Fig．3 Inter－annual variation of energy intensity and consumption ratio in the urban and rural

图4 各因素对消费水平的累积贡献Fig．4 Accumulated contribution of different factors to consumption level

图5 城乡消费水平及人口比例的年际变化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费碳排放预测

以2000—2010年人均碳排放量为原始数据，利用多种方法构建预测模型．GM（1，1）预测模型可表示为：X（1）i＋1＝2 345．876 6e0．04781－2 221．735 8，t＝1，2，…，模型的后验差比值C＝0．28，小误差概率P＝1，预测精度较好．采用指数模型、直线模型、二次多项式以及三次多项式模型对历年人均碳排放量进行拟合．其中，三次多项式的精度较高，R2＝0．974 4．模型如下：X＝0．073 9t3－0．544 8t2＋3．133 2t＋119．13，t＝1，2，…．

由于碳排放受多种因素的制约，而上述预测方法均以现有变化规律为依据，若预测年度过长，可能会存在较大偏差．因此，本文对甘肃省2011—2015年间的人均生活能源消费碳排放量进行了短期预测（表3）．

预测结果表明，“十二五”期间甘肃省人均直接生活能源消费碳排放不断增加．作为人均碳排放的主要拉动因素，人均消费水平在2000—2010年间几乎呈现线性增加的趋势．而作为主要抑制因素的能源强度虽然在持续下降，但其降速要小于前者的增速．因此，未来5年人均碳排放量仍以增长为主．

值得注意的是，2011年后模型预测值间的差异愈见显著．GM（1，1）模型的上升较慢，原因可能在于累加序列的构建掩盖了原始数据的波动，特别是2010年人均碳排放量的快速增长，因此，运用该方法拟合的2010年的值比实际低．而后者自2011年后则表现为持续高速增长．

分析显示，多年来煤在生活能源中的比例不断下降，电力的比例则有所上升．今后随着电力行业能源利用效率的提高以及太阳能、生物质能等清洁能源的使用，能源结构对碳排放的抑制作用会加强，人均碳排放的增速有放缓的可能．鉴于此，可以将以上两种预测方法相结合，通过加权平均的方式构建组合模型，具体表达式为X＝0．360 6 X1＋0．639 4 X2，X1为GM（1，1）预测值，X2为三次多项式的预测值．该模型的精度为0．979 6，高于GM（1，1）模型，虽略低于三次多项模型，但精度的标准偏差 最小，说明各年预测精度普遍较高．

表3 各种模型的预测结果及精度Tab．3 Predictive value and accuracy of different model kg／人

3 结论

通过定量研究，得到如下结论：

（1）随着生活水平的提高、人口数量的增加以及结构的改变，11年来，甘肃省直接生活能源碳排放呈现整体增加的趋势，特别是在2010年增速较快，因此，如何减少生活能源消费的碳排放将成为节能减排工作的又一重点．（2）在各种能源中，煤消耗所导致的碳排放比重最大，尤其是在农村，平均可占总碳排放的85．10%．因而，提高电力在农村能源消费中的比例，大力发展生物质能、太阳能等清洁能源，改善能源消费结构将是减少生活碳排放的有效途径．（3）LMDI分解结果显示，城镇人均消费水平的提高和城镇人口比例的逐年上升是导致人均碳排放增加的主导因素，这两项因素随年份呈线性变化的特点，未来仍有持续增加的可能．而城镇能源消费强度的下降和城镇消费在总消费比例的增加则对人均碳排放量起到抑制作用．（4）以GM（1，1）预测模型和三次多项式模型为基础的组合预测模型，精度较高，具有一定的应用潜力．

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

［2］王强，伍世代，李婷婷．中国工业经济转型过程中能源消费与碳排放时空特征研究［J］．地理科学，2011，31（1）：36－41．

［3］杨振．农户收入差异对生活用能及生态环境的影响——以江汉平原为例［J］．生态学报，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］李艳梅，张雷．中国居民间接生活能源消费的结构分解分析［J］．资源科学，2008，30（6）：890－895．

［6］冯玲，吝涛，赵千钧．城镇居民生活能耗与碳排放动态特征分析［J］．中国人口·资源与环境，2011，21（5）：93－100．

［7］叶红，潘玲阳，陈峰，等．城市家庭能耗直接碳排放影响因素——以厦门岛区为例［J］．生态学报，2010，30（14）：3802－3811．

［8］朱勤，彭希哲，陆志明，等．人口与消费对碳排放影响的分析模型与实证［J］．中国人口·资源与环境，2010，20（2）：98－102．

［9］宋晓晖，张裕芬，汪艺梅，等．基于IPAT扩展模型分析人口因素对碳排放的影响［J］．环境科学研究，2012，25（1）：109－115．

［10］冯相昭，王雪臣，陈红枫．1971—2005年中国CO2排放影响因素分析［J］．气候变化研究进展，2008，4（1）：42－47．

［11］高彩玲，高歌，田采霞．河南省能源消费碳排放的因素分解及减排途径［J］．中国矿业，2011，20（3）：46－49．

［12］韩颖，马萍，刘璐．一种能源消耗强度影响因素分解的新方法［J］．数量经济技术经济研究，2010，27（4）：137－147．