我国居民居住碳排放系统动力学分析

庞 婕, 焦建玲, 李兰兰

(合肥工业大学 管理学院,安徽 合肥 230009)

我国居民居住碳排放系统动力学分析

庞 婕, 焦建玲, 李兰兰

(合肥工业大学 管理学院,安徽 合肥 230009)

文章运用系统动力学方法构建了居民居住碳排放的人口-经济-环境系统动力学模型,结合地理气候、经济发展水平和人口规模等因素,选取辽宁、青海、北京、甘肃、江苏、湖南、广东、广西和云南9省市,分析了不同发展情景下未来我国居住碳排放情况。研究结果显示,未来5年我国北方居住碳强度明显高于南方,其中辽宁、青海和甘肃3省的居住碳强度处于全国前列。在维持情景下,只有辽宁省呈增长趋势;在规划和政策情景下,各省居住碳强度均有所下降；但总体上辽宁省由增变减,广东省由减变增,其余各省变化不大。

居住碳排放;系统动力学;发展情景;模拟分析

0 引 言

碳排放是导致全球气候恶化的主要影响因素之一,得到世界各国的广泛关注。长期以来,人们关注的焦点主要集中在工业生产领域,却忽视了社会终端消费单元、生产活动原始驱动力的家庭生活消费[1]。家庭作为产品和服务消费的终端主体,是能源消耗以及碳排放的主要来源,因此从家庭的角度推进节能减排,必将有助于社会的良性发展[2]。

关于家庭碳排放范畴,不同学者在内容和形式上有不同的界定,但一般可分为直接碳排放和间接碳排放2类。直接碳排放包括家庭用电碳排放、家庭用气碳排放、家庭集中供暖碳排放以及家庭交通出行碳排放[3],常用碳排放系数法或碳足迹法来进行测算[4-5];间接碳排放则是指与居民的消费环节相挂钩的碳排放,包含整个消费过程中的碳排放量,常用的计算方法有生命周期评价法、投入产出法和消费者生活方式法[6-8]。

因为现有方法并没有考虑影响碳排放相关要素之间的协调关系,所以有学者将系统动力学方法引入到能源环境问题的研究中。文献[9]最先提出了国家能源系统动力学模型FOSSIL2,并从政策成本效益的角度对美国国家能源计划进行了分析；文献[10]构建了全球能源系统动力学模型(global energy modeling-a biophysical approach,GEMBA),从生物物理学和热力学的角度研究发现新能源的发展会带动投资,从而实现节能促进的作用；文献[11]构建了芬兰可再生能源系统动力学模型,从化石能源消耗量、区域经济发展以及环境污染方面评估了芬兰的能源政策。我国学者将该方法运用于区域或行业研究。文献[12-14]分别以山西、吉林和陕西省为研究对象从省际层面构建能源-经济-环境系统动力学模型,并提出了各区域建议；文献[15-16]通过研究建立交通业可持续发展的对策系统动力学模型,为交通行业的低碳发展提供参考依据；文献[17]设计了电力行业碳捕捉与封存技术的产业化复杂系统,发现发电企业的主观减排意愿在系统中至关重要；文献[18]构建了农产品供应链知识共享系统模型,通过不同参数条件下的系统仿真,观察平均知识水平变化,为知识共享时间提供策略依据。

因为系统动力学方法能够反映分析系统中各要素的相互作用,且具有较好的长期趋势预测效果,所以本文参照相关研究成果,以我国居民居住碳排放为研究对象,构建人口、经济以及环境之间的系统动力学模型,探讨在不同发展情景下,我国未来居民居住碳排放量的变化趋势。

1 居住碳排放系统模型构建

1.1 系统边界及因果关系

本文建立时间边界为2005-2020年。根据我国居民居住碳排放的实际情况,内容边界设定在人口、经济和环境3个方面。为拟合系统内部可能出现的各种情形,本文选取人均GDP、用电能耗等作为内生变量,家电补贴等作为外生变量,具体见表1所列。

居住碳排放系统间存在复杂的相互制约和相互促进关系。一方面,随着社会和经济的发展,以及人口的不断增长,居住用能在不断增加,从而导致居住碳排放增加,环境日益恶化;另一方面,日益恶化的环境会引起国家出台相关政策进行干预,从而制约经济和社会的发展。根据居住碳排放系统内各要素的耦合关系,可得居住碳排放系统因果关系如图1所示。图1中正号表示正相关关系,负号表示负相关关系,首尾相接闭合成环的为反馈回路。

表1 居住碳排放变量系统边界表

图1 居住碳排放系统因果关系

在同一回路中,含有偶数条极性为负的因果箭为正反馈回路,含有奇数条极性为负的因果箭为负反馈回路,负反馈回路在系统中起到“内部稳定器”的作用。该系统中包括一个主要的负反馈回路:年碳排放量→+科技进步因子→-用电能耗→+居住能耗→+年碳排放量,表明随着年碳排放量的增加,政府会采取措施促进科技进步,提高家电能效水平,从而降低居住能耗,减少居住年碳排放量。

1.2 系统流图及参数设置

根据系统的结构特点,并考虑变量数据变化的稳定性及变量间依存的关系,本文在参考文[19-20]研究成果的基础上,将参数概况设定为以下3类:

(1) 借助简单线性回归模型确定的参数,包括城市人口、用电能耗等。

(2) 采用表函数确定的参数包括人口自然增长率、GDP增长率、城镇化率、碳排放因子等，其中,碳排放因子为各能源(含煤炭、液化石油气、天然气、电力、热力)折标煤的碳排放系数乘以家庭能耗占比,用以表征家庭用能结构。

(3) 人为设定的参数科技进步因子是通过C-D函数计算得到的,每年的进步率设定为0.02。

在分析系统因果的关系回路的基础上,利用Vensim PLE建立居住碳排放系统,具体如图2所示。

图2 居住碳排放系统模型结构

1.3 模型主要方程式

系统初始值设定为:

INITIAL TIME=2005年，

FINAL TIME=2020年，

SAVEPER=TIME STEP，

TIME STEP=1。

具体方程式如下:

(1) 初始人口=期初人口，单位： 万人。

(2) 总人口=INTRG(人口自然增长量,期初人口)，单位：万人。

(3) 人口自然增长量=总人口×人口自然增长率，单位：万人。

(4) 人口自然增长率=WITH LOOK UP(TIME,([(期初,人口自然增长率下限)-(期末,人口自然增长率上限)],(TIME,当年人口自然增长率)。

(5) 初始GDP=期初GDP，单位：亿元。

(6) GDP=INTRG(GDP年增长量,期初GDP)，单位：亿元。

(7) GDP年增长量=GDP*GDP增长率，单位：亿元。

(8) GDP增长率=WITH LOOK UP(TIME, ([(期初,GDP增长率下限)-(期末,GDP增长率上限)],(TIME,当年GDP增长率))。

(9) 人均GDP=GDP/总人口，单位：万元/人。

(10) 城市人口=总人口×城镇化率，单位：万人。

(11) 每百户大家电拥有量=a+b×城市人口+c×人均GDP，单位：台。

(12) 用电能耗=IF THEN ELSE(Time<2015,a+b×每百户大家电拥有量,(a+b×每百户大家电拥有量)×科技进步因子)，单位：万吨标煤。

(13) 居住能耗=用电能耗/(城镇化率)×a，单位：万吨标煤。

(14) 居住消费支出=a+b×GDP，单位：亿元。

(15) 累积居住碳排放=INTRG(年碳排放量,期初居住碳排放量)，单位：万吨碳。

(16) 年碳排放量=居住能耗×碳排放因子，单位：万吨碳。

(17) 居住碳排放强度=年碳排放量/居住消费支出，单位：吨/万元。

(18) 城镇化率=WITH LOOK UP(TIME, ([(期初,城镇化率下限)-(期末,城镇化率上限)],(TIME,当年城镇化率))。

(19) 碳排放因子=WITH LOOK UP(TIME, ([(期初,碳排放因子下限)-(期末,碳排放因子上限)],(TIME,当年碳排放因子))。

(20) 科技进步因子=IF THEN ELSE(累积居住碳排放<7 000, 0.946, 0.946+0.02×(GDP-30 000)/10 000)。

上述系数a、b是根据2000-2012年各地区历史数据拟合得到。

2 情景设置与分析

2.1 地区选择

中国人民大学经济学院提供的中国家庭能源消费调查数据显示,我国家庭主要能源是热力、天然气以及电力,主要用能活动分别是供暖、炊事、加热水和家电。因为我国幅员辽阔,各个地方的家庭用能情况也不尽相同,所以本文依据地理气候、经济发展状况和人口规模等因素进行区域划分。

2.1.1 地理气候

[21]的研究成果,本文将我国分为5大区域,分别为严寒带(SCZ)、寒冷带(CZ)、夏热冬冷带(HSCWZ)、夏热冬暖带(HSWWZ)和温带(TZ),具体分布如图3所示,各区域的气候特点见表2所列。

图3 我国气候区域分布图 表2 我国气候区域划分

区域气候特点省份SCZ冬季最冷月均气温低于0℃;气温低于5℃多于145d黑龙江、吉林、辽宁、内蒙古、青海、西藏CZ冬季最冷月均气温介于0-10℃;气温低于5℃有90～145d北京、河北、天津、山西、山东、河南、陕西、新疆、甘肃、宁夏HSCWZ冬季最冷月均气温介于0～-10℃;夏季最热月均气温介于25～30℃;气温低于5℃有0～90d;气温高于25℃有40～110d安徽、江苏、湖北、湖南、上海、浙江、江西、四川、重庆HSWWZ冬季最冷月均气温高于10℃;夏季最热月均气温介于25～29℃;气温高于25℃有100～200d福建、广东、广西、海南TZ冬季最冷月均气温介于0～13℃;夏季最热月均气温介于18～25℃;气温低于5℃有0～90d云南、贵州

2.1.2 经济发展水平

从区域上看,我国经济发展水平呈东高西低的状态。东部面向海洋,背靠大陆,人口密集,交通便利,拥有高尖端技术,是我国经济最发达的地域;中部各地地处东西部之间,拥有原材料优势,承担我国经济由东向西转移的任务,是过渡性的经济带;西部地区地域辽阔、自然资源丰富、人口较少,但因区位原因,发展比较滞后,各区域的GDP分布情况如图4所示。。

图4 我国GDP分布图

2.1.3 人口规模

我国人口呈东多西少,平原盆地多,山地、高原少的特点。除自然环境因素外,经济发展水平也是人口集散的重要原因,较多的人口流向经济发达省份,各省份人口规模分布如图5所示。图5数据来源于2014年各省年末总人口数据。

图5 我国人口分布图

2.1.4 目标选定

考虑上述3个因素,本文分别在5个气候带选择样本,同时考虑经济发展水平和人口规模的影响,选取辽宁、青海、北京、甘肃、江苏、湖南、广东、广西和云南(与贵州省情况相似)为研究对象,分析9个地区居民居住的碳排放情况，地区属性特征见表3所列。

表3 地区属性特征

2.2 情景设置

我国承诺实现2020年碳排放强度比2005年下降40%～45%。因此,国家从可持续发展的角度合理规划,并运用政策调控的手段推行节能减排。为了比较和探讨在不同政策环境下我国居住碳排放的变化趋势,本文选择GDP增长率、城镇化率、碳排放因子(用于表征家庭用能结构)、科技进步因子4项指标作为调控变量,通过对变量的不同取值,构建未来不同的人口-经济-环境发展情景。具体方案如下:

(1) 维持情景。保持现有的发展情景不变,对各个调控变量不进行任何调整。

(2) 规划发展情景。根据国家发改委对全国以及各省自己的发展纲要,对GDP增长率、城镇化率以及用能结构等变量进行参数设置。

(3) 政策调控情景。在规划发展情景的基础上,适当调高GDP增长率,并引入科技进步。

2.3 模拟结果分析

2.3.1 模型检验

(1) 模型的历史检验。本文选择居住年碳排放量作为检验变量,依据2005-2012年各省历史数据对模型的有效性进行验证。结果显示,系统模拟结果与实际情况基本一致,各省相对误差均在15%以内,符合模型要求。故本模型能够基本反映我国居住碳排放系统的真实情况,可以作为仿真分析工具。由于文章篇幅所限,具体数据不再列出。

(2) 模型灵敏度分析。在本模型中,科技进步因子是人为设定的参数,因此需要对其做灵敏度分析,具体公式如下:

(1)

其中,s(t)为灵敏度；Y(t)为系统因变量；X(t)为被改变的参数。

本文在维持模式下以参数-3%～3%的变化量来模拟居住年碳排放量变化率,参数的灵敏度分析如图6所示。参数上下浮动3%,居民居住碳排放量变化率不超过13%,均在合理范围内,说明该参数的微小变动未造成模型结果的异常变动,因此模型是可信的。

图6 灵敏度分析

2.3.2 模拟结果

本文运用2005-2012年辽宁、青海、北京、甘肃、江苏、湖南、广东、广西和云南9个地区的相关数据,分析不同区域、不同情景下的居民居住碳排放情况,具体情况如图7所示。

在维持情景下,我国北方居住碳强度高于南方，具体如图7a所示。辽宁、青海、北京、甘肃在秦岭-淮河以北,属于我国冬季供暖带,因此碳排放量较多。从发展趋势看,辽宁呈上升趋势,江苏和广东基本持平,其他各地呈下降趋势。辽宁省一方面地处我国东北地区,冬季时间长且较寒冷,大多家庭采用煤炭供暖;另一方面,辽宁省作为老工业基地,由于经济后劲不足而导致人民生活水平滞后。江苏和广东两地经济发展较快,且两地均以用电为主,在未来一段时间内居住碳排放强度不会有太大变动。分区域看,同一区域内居住碳排放情况相近。辽宁和青海相比,因为青海省人口规模较小,所以居住碳强度小于辽宁省;北京与甘肃相比,甘肃省城镇化水平较低且居民用煤量较多,是导致居住碳强度较高的主要原因。其余5省(或自治区)在数量上相差不大,云南省居民用煤量高是造成数据突出的主要原因。

在规划发展情景下,各地居住碳排放强度变化有所不同，具体如图7b所示。其中,辽宁省由增变减,广东省有小幅增加,其余各省趋势不变。由此可见,居住用能结构的改善是降低辽宁省居住碳强度的有效途径;而对于用电大省广东省而言,影响效果有限。随着广东省经济发展步伐的减缓,居住碳强度不降反增。从绝对量上看,辽宁、青海和甘肃3省仍居前列,其中青海和甘肃居住碳排放强度较高,主要因为这2个省同属不发达地区,该情景下的经济效应高于环境效应,导致两地居住碳强度居高不下。与维持情景相比,其余各地在量上呈先减后增,说明各地在发展前期环境效应强于经济效应,而发展后期经济效应强于环境效应,但总量上相差不大。

在政策调控情景下,各地居住碳强度趋势与规划情景下相同。但受科技进步的影响,各地的碳排放强度与规划发展情景相比均有所下降，具体如图7c所示,说明科技进步在一定程度上改善了居住碳排放。

图7 分情景的居住碳强度

3 结 论

本文从人口、经济、环境3个方面构建了我国居民居住碳排放系统动力学模型,设置描述我国未来经济社会发展的3种情景,并对3种情景下辽宁、青海、北京、甘肃、江苏、湖南、广东、广西和云南9个省的居住排放强度进行了模拟分析,得到如下结论。

(1) 我国居住碳排放强度同时受地理气候、经济发展水平和人口规模等因素影响。其中,地理环境是影响居住碳排放强度的最主要因素。

(2) 在未来5年内,我国北方居住碳强度明显高于南方,辽宁、青海和甘肃3省的居住碳强度仍将处于全国前列。

(3) 在保持现有发展模式不变的情况下,辽宁省居住碳强度呈增长趋势,江苏和广东基本持平,其余地区呈下降趋势。

(4) 对比3种发展情景,辽宁省在各情景下变化幅度最大,广东省对科技进步的响应最大,其余各省各情景下变化不大。

根据上述结论,可见不同地区的居住碳排放强度有所差异,因此各地区在施行居住碳减排时要充分考虑当地的实际情况。最后,因本文在参数设置时只考虑煤炭、液化石油气、天然气、电力、热力这些常规家庭能源,缺少生物质能(薪柴、秸秆、沼气等)、新型清洁能源(太阳能等)的实验数据,故结论中对于各地居住碳排放的影响还有待进一步探讨。

[参 考 文 献]

[1] 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.

[2] 王勤花,张志强,曲建升.家庭生活碳排放研究进展分析[J].地球科学进展,2013,28(12):30-37.

[3] 张艳,秦耀辰,闫卫阳,等.我国城市居民直接能耗的碳排放类型及影响因素[J].地理研究,2012,31(2):345-356.

[4] JONES C M,KAMMEN D M.Quantifying carbon footprint reduction opportunities for U.S.households and communities [J].Environmental Science & Technology,2011,45(9):4088-4095.

[5] 吴燕,王效科,逯非.北京市居民食物消费碳足迹[J].生态学报,2012,32(5):1570-1577.

[7] 张馨,牛叔文,赵春升,等.中国城市化进程中的居民家庭能源消费及碳排放研究[J].中国软科学,2011(9)：65-75.

[8] 杜运伟,黄涛珍,康国定.基于微观视角的城市家庭碳排放特征及影响因素研究:来自江苏城市家庭活动的调查数据[J].人口与经济,2015(2):30-39.

[9] ROGER N F.An analysis of the cost effectiveness of U.S.energy policies to mitigate global warming[J].System Dynamics Review,1992,8(2):111-128.

[10] DALE M,KRUMDIECK S.Global energy modeling: a biophysical approach[J].Ecological Economics,2012,73：152-167.

[11] ASLANI A,HELO P,NAARANOJA M.Role of renewable energy policies in energy dependency in Finland：system dynamics approach [J].Applied Energy,2014,113(6):758-765.

[12] 李玮,杨钢.基于系统动力学的山西省能源消费可持续发展研究[J].资源科学,2010,32(10):1871-1877.

[13] 方恺,沈万斌,董德明.能源足迹核算的改进与预测:以吉林省为例[J].地理研究,2011,30(10):1835-1846.

[14] 宋敏,刘学敏.西北地区能源-环境-经济可持续发展预警研究:以陕西省为例[J].中国人口·资源与环境,2012,22(5):133-138.

[15] 周银香.基于系统动力学视角的城市交通能源消耗及碳排放研究:以杭州市为例[J].城市发展研究,2012,19(9):99-105.

[16] 张建慧,雷星晖,李金良.基于系统动力学城市低碳交通发展模式研究:以郑州市为例[J].软科学,2012,26(4):77-81.

[17] 梁大鹏,徐春林,马东海.基于系统动力学的CCS产业化模型及稳态研究[J].管理科学学报,2012,15(7):36-49.

[18] 徐升华,徐生菊.农产品供应链知识共享系统的动力学建模与仿真[J].合肥工业大学学报(自然科学版),2013,36(11):1381-1387.

[19] 陈书忠,周敬宣,李湘梅,等.城市环境影响模拟的系统动力学研究[J].生态环境学报,2010,19(8)：1822-1827.

[20] 李海燕,陈晓红.基于SD的城市化与生态环境耦合发展研究：以黑龙江省东部煤电化基地为例[J].生态经济,2014,30(12)：109-115.

[21] CHEN M,YANG X D.Situations and challenges of household energy consumption in Chinese small towns[J].Energy & Buildings,2015,107:155-162.

(责任编辑 万伦来)

Analysis of household carbon emissions in China by system dynamics

PANG Jie, JIAO Jianling, LI Lanlan

(School of Management, Hefei University of Technology, Hefei 230009, China)

A model of household carbon emissions in China is constructed by system dynamics from the aspects of population, economy and environment. And considering factors like geographic areas, economic development and population, nine provinces, municipalities and autonomous regions, Liaoning, Qinghai, Beijing, Gansu, Jiangsu, Hunan, Guangdong, Guangxi and Yunnan are selected to predict the situation of the future in three development scenarios: maintaining, planning and policy-making scenarios. The results show that in the next five years, the intensities of household carbon emission in the north of China are significantly higher than those in the south, and Liaoning, Qinghai and Gansu are the top three provinces. In the maintaining scenario, Liaoning is the only province which has a growing trend. In other two scenarios, the intensities of household carbon emission all decrease. The intensity of household carbon emission in Liaoning first increases then decreases and Guangdong has an opposite trend, others almost remain the same.

household carbon emission; system dynamics; development scenario; simulation analysis

2015-09-10；

2016-03-18

国家自然科学基金资助项目(71271074；71573069)

庞 婕(1991-),女,宁夏银川人,合肥工业大学硕士生; 焦建玲(1966-),女,安徽黄山人,博士,合肥工业大学教授,博士生导师.

10.3969/j.issn.1003-5060.2017.02.023

F062.2

A

1003-5060(2017)02-0260-07