劉莉娜，曲建升, ，曾靜靜，李燕，邱巨龍，王莉

1. 蘭州大學西部環(huán)境教育部重點實驗室，西部環(huán)境與氣候變化研究院，甘肅 蘭州 730000；

2. 中國科學院資源環(huán)境科學信息中心，國家科學圖書館蘭州分館，甘肅 蘭州 730000

近百年來的全球氣候變暖現象，被認為是以二氧化碳為主的溫室氣體在大氣中的濃度大幅度上升引起的。主要來自美國橡樹嶺國家實驗室（ORNL/Oak Ridge National Laboratory）CO2信息分析中心（CDIAC/ Carbon Dioxide Information Analysis Center）的數據顯示，1751—2010年全球累計CO2排放量高達13365.85 億t[1]。正確評估和分析人類活動對全球氣候變化的影響，最基本的任務是計算人類活動向大氣排放的溫室氣體排放量，最重要的任務是對碳排放的影響因素進行分析。至今，對溫室氣體的研究往往重視工業(yè)領域的碳排放而忽略家庭的碳排放，因此對于家庭生活方式及個人消費行為產生的碳排放進行評估尤為重要。

近年來，國內外許多學者針對影響二氧化碳排放的因素進行研究。主要包括因素分解法、指數分解法、投入產出法、灰色關聯分析法等。其中，因素分解法主要起源于國外學者Ehrlich[2]于1971年提出的IPAT模型。隨著IPAT模型廣泛的應用，一些學者對IPAT模型提出了質疑，認為該模型適用范圍較窄，不少學者提出了一些改進的方法，最具代表性的是國外學者Thomas等[3]提出的STIRPAT模型，該模型比IPAT模型適用范圍更廣，近年來被國內外許多學者采用。指數分解法最先是由日本學者Kaya[4]提出來的，其核心思想是建立經濟、人口、政策等因素與二氧化碳排放之間的關系。投入產出法是一種定量研究的方法，利用投入產出表來分析碳排放的影響因素。Rhee[5]使用投入產出法對韓國二氧化碳的影響因素進行了實證研究?；疑P聯分析是灰色系統理論的一種分析方法，彌補了采用其他數理統計方法作系統分析所導致的一些缺憾，比如統計數據有限、現有數據灰度較大、人為因素較大等。我國許多學者利用灰色關聯分析法對我國二氧化碳影響因素進行分析。如譚丹等[6]對我國東、中、西部地區(qū)經濟發(fā)展與碳排放進行關聯分析及比較；王卉彤等[7]對中國30省區(qū)碳排放影響因素進行灰色關聯分析，認為在造成碳排放量急速增長、碳排放類型發(fā)生顯著變化的三因素(人均消費、人口總數、碳排放強度)中，人均消費與碳排放量的關聯度最大，對碳排放量的解釋作用最大，人口總數、碳排放強度次之；李健等[8]運用灰色關聯分析方法，研究了我國碳排放強度與第一產業(yè)、第二產業(yè)和第三產業(yè)之間的關聯性，得出第二產業(yè)是影響地區(qū)碳排放強度的主要因素的結論；李炎麗等[9]、陳建宏等[10]、李想等[11]分別運用灰色關聯分析方法對河南、湖南、江蘇的碳排放因子進行研究。

與發(fā)達國家相比，我國的工業(yè)化和城市化水平相對較低，經濟發(fā)展也相對落后，在此背景下，如何實現碳減排就顯得更加緊迫而重要。研究我國碳排放與哪些因素有關，尤其是研究農村家庭碳排放的驅動因素，對于更好地理解碳排放問題，更有效地解決農村碳排放問題提供了參考。因此，對我國農村家庭碳排放現狀進行研究分析，評價影響農村家庭碳排放各因素的關聯性，在當前階段具有重大的理論意義和現實意義，對于農村家庭消費現狀的改善、農村發(fā)展戰(zhàn)略的制定、以及農村居民生活質量的提高提供基礎。

本文根據生活碳排放研究方法，計算了1995—2010年中國大陸31省區(qū)農村人均家庭碳排放量。首先，對農村人均家庭碳排放量的影響因素進行因子分析，剔除不顯著相關因素；其次，利用灰色關聯分析得出不同驅動因子對碳排放的關聯度，以確切分析各因素對農村人均家庭碳排放量的關聯程度；最后，對影響農村家庭碳排放的主要因素進行分析，提出符合我國國情的政策建議。

1 中國31省區(qū)農村人均家庭碳排放現狀

1.1 計算方法與數據來源

家庭碳排放主要包括家庭取暖、照明、烹飪以及私人交通等能源消費過程中產生的直接碳排放以及家庭中衣食住行所需的電力、食品、衣著、醫(yī)療衛(wèi)生、教育、交通、通信和文化娛樂等消費活動所產生的間接碳排放[12]。本文研究的農村人均家庭碳排放主要指中國農村居民在家庭生活消費過程中所產生的間接人均碳排放量。

農村人均家庭碳排放量主要根據IPCC參考方法，生活碳排放研究方法和投入產出基本分析方法[13-15]進行計算，首先根據投入產出基本方法獲得家庭消費各項內容在生產過程中對其他部門的能源消耗量以及該部門總的能源消耗量及其碳排放系數，然后根據農村居民的家庭間接碳排放內容的消費支出量計算得到各省區(qū)農村人均家庭間接碳排放量，如式：

其中：CEi為居民家庭間接碳排放量，單位為t C；CIi為居民家庭各項內容的年消費支出量，單位為千元；CCi為各項內容的CO2排放系數，單位為kg?元-1（以C計）。

農村人均家庭碳排放計算數據主要包括1995—2010年農村家庭平均每天生活消費支出、地區(qū)總人口、農村人口比例、居民消費價格指數。除農村人口比例來自《中國人口統計年鑒1996—2010》[16]（2007年《中國人口統計年鑒》改名為《中國人口和就業(yè)統計年鑒》）外，其他各類數據均來自《中國統計年鑒1996—2011》[17]，其中，2010年農村人口比例數據是通過各省1995—2009年農村人口比例線性趨勢預測計算而得。農村人均家庭碳排放相關影響因素數據主要來自《中國統計年鑒1996—2011》[17]。本文在計算農村各項居民家庭碳排放時，為了使數據具有可比性，將1995—2010年的現價家庭生活消費換算為1995年的不變價，由此計算出可比碳排放強度。

1.2 計算結果

1.2.1 農村家庭碳排放現狀

圖1所示，從時間看，1995—2010年，城市、農村人均家庭碳排放均呈上升趨勢；從空間看，農村對家庭碳排放的貢獻相對較小，城市是家庭碳排放的主要貢獻者[18]。1995年，城市人均家庭碳排放為C 0.402 t?人-1，而農村人均家庭碳排放為C 0.170 t?人-1，占城市人均家庭碳排放的42.15%。1996年，城市人均家庭碳排放為C 0.417 t?人-1，而農村人均家庭碳排放為C 0.186 t?人-1，1995—2010年間，占城市人均家庭碳排放的比例最大，為44.72%。2004年，城市人均家庭碳排放為C 0.899 t?人-1，而農村人均家庭碳排放為C 0.275 t?人-1，占城市人均家庭碳排放的比例在1995—2010年間最小，僅為30.61%。2005—2010年間，農村人均家庭碳排放占城市人均家庭碳排放的比例趨于穩(wěn)定趨勢，所占比例范圍均在34.8%左右。2010年，城市人均家庭碳排放為C 1.436 t?人-1，而農村人均家庭碳排放為C 0.504 t?人-1，占城市人均家庭碳排放的35.07%，與1995年相比，城市人均家庭碳排放同比增長256.83%，農村人均家庭碳排放同比增長196.90%。

1.2.2 農村家庭碳排放區(qū)域特征

圖2所示，從時間看，中國東部、中部、西部、東北（按照《中國統計年鑒》進行劃分）地區(qū)農村人均家庭碳排放均呈上升趨勢，1995—2004年間上升趨勢平緩，2005—2010年間上升趨勢明顯；從空間看，中國東部地區(qū)農村人均家庭碳排放明顯高于東北、中部和西部地區(qū)的農村人均家庭碳排放。1995年中國東部、中部、西部、東北地區(qū)農村人均家庭碳排放分別為C 0.243、0.139、0.121、0.183 t?人-1；2004年中國東部、中部、西部、東北地區(qū)農村人均家庭碳排放分別為C 0.409、0.227、0.197、0.235 t?人-1，與1995年相比，同比增長分別為68.62%、63.49%、63.33%、28.66%；2010年中國東部、中部、西部、東北地區(qū)農村人均家庭碳排放分別為C 0.733、0.417、0.360、0.486 t?人-1，與1995年相比，同比增長分別為202.12%、200.77%、197.89%、165.32%，與2004年相比，同比增長分別為79.17%、83.97%、82.38%、106.22%。

圖1 1995—2010年城市、農村人均家庭碳排放比較 Fig.1 Comparison on the per capita household carbon emissions between urban and rural from 1995 to 2010

圖2 1995—2010中國東部、中部、西部、東北地區(qū)農村人均家庭碳排放比較 Fig.2 Comparison on the rural per capita household carbon emissions among East、Middle、West and Northeast part from 1995 to 2010

1.2.3 農村家庭碳排放地區(qū)差異

以歷年平均人均家庭碳排放為指標，分別選取4個區(qū)域最高人均家庭碳排放的省/市（上海、湖南、內蒙古、遼寧4省/市平均人均家庭碳排放分別為C 0.801、0.280、0.267、0.287 t?人-1）作比較（圖3），上海、湖南、內蒙古、遼寧農村人均家庭碳排放均呈上升趨勢。1995年上海、湖南、內蒙古、遼寧農村家庭碳排放分別為C 0.454、0.169、0.145、0.178 t?人-1，2003年上海、湖南、內蒙古、遼寧農村家庭碳排放分別為C 0.745、0.252、0.222、0.232 t?人-1。與1995年相比，2003年各省農村家庭碳排放量上升幅度分別為64.10%、48.83%、52.69%、30.45%，上升趨勢平緩。2010年上海、湖南、內蒙古、遼寧農村家庭碳排放分別為C 1.351、0.426、0.498、0.502 t?人-1，與2003年相比，2010年各省農村家庭碳排放量上升幅度分別為81.35%、69.22%、124.44%、116.49%，上升趨勢增強。從地區(qū)差異看，均值位于東部的上海農村人均家庭碳排放量最大，而且遠遠高于分別位于中部、東北、西北地區(qū)的湖南、遼寧、內蒙各省農村人均家庭碳排放量。

圖3 1995—2010上海、湖南、內蒙古、遼寧4省農村人均家庭碳排放比較 Fig.3 Comparison on the rural per capita household carbon emissions among Shanghai, Hunan, Inner Mongolia and Liaoning Province from 1995 to 2010

2 農村家庭碳排放影響因素的灰色關聯分析

2.1 農村家庭碳排放影響因素的因子分析

基于統計數據，計算1995—2010年中國農村家庭碳排放量，各影響因素指標和各年數據分別見圖4、表1。以農村家庭碳排放量為因變量（Y），以X1、X2、X3、X4、X5、X6、X7、X8、X9、X10、X11、X12、X13為自變量，利用SPSS 17.0軟件進行因子分析，最終提取1個綜合因子，結果顯示，主成分的特征值為11.195，主成分累積方差貢獻率為86.114%。農村家庭碳排放影響因素的因子成分矩陣見表2。

由表2可知，主成分低載荷的分別為農林牧漁總產值指數（X11）、居民消費水平指數（X12）、年底總人口（X3）、人均生產總值（X6），主要反映了這4個因素對農村人均家庭碳排放的影響呈不顯著相關。其他因素的相關性均大于0.95，成了農村人均家庭碳排放的主要影響因素。

2.2 灰色關聯分析的基本原理

灰色關聯分析是用灰關聯順序來描繪因素間相關程度的方法，強調了因素間相關程度的順序，屬于灰色系統理論提出的一種系統分析方法[19]。二氧化碳排放量主要受自然、社會、經濟、技術等多方面的影響，是一個隨機變化的灰色量，非常適合灰色關聯分析?；诖?，對農村人均家庭碳排放的主要影響因素進行灰色關聯分析。

圖4 農村人均家庭碳排放相關驅動因素指標 Fig.4 Indicators for the related driving factors of the rural per capita household carbon emissions

2.3 灰色關聯分析數學模型

2.3.1 初始化操作（確定參考序列和比較序列）

把農村的人均家庭碳排放量（單位：t?人-1·a-1）作為參考序列，用X0（k）表示，以家庭人均純收入X1（k）/元、家庭平均每天消費支出X2（k）/元、農村人口比例X4（k）/%、地區(qū)平均生產總值X5（k）/元、農村固定資產X7(k)/元、農林牧漁總產值X8(k)/億元、生活消費結構多元化指數X9（k）、產業(yè)結構多元化指數X10（k）、碳排放強度X13（k）/[t?萬元-1（以CO2計）]作為比較序列，用Xi（k）表示。

表1 1995—2010年農村人均家庭碳排放原始數據 Table 1 Source data of the rural per capita carbon emissions from 1995—2010

表2 農村人均家庭碳排放影響因素成分矩陣 Table 2 The feature matrix of the rural per capita carbon emissions influence factors

式（2）為參考序列；式（3）為比較序列；i為比較序列個數，i=1，2，...，m；k為觀測值數，k=1，2，...，n。

2.3.2 序列的初值像（指標值規(guī)范化處理）

由于系統中各因素的物理意義不同，導致數據的量綱也不一定相同，必須對它們進行指標值規(guī)范化處理，加強各因素間的接近性，增強可比性[10]。指標值規(guī)范化處理的方法通常用的是初值化與均值化方法。本文采用初值化法，即用每列數據除以第一個數據，得到一組定基發(fā)展速度序列。指標值規(guī)范化處理后對應新的參考序列為X0'(k)，比較序列為Xi'(k)(i=1，2，...，m；k=1，2，...，n)。1995—2010年中國農村家庭碳排放與各因素指標規(guī)范化處理后的數據如表3所示。

2.3.3 序列的始點零化像（求各比較序列與參考序列的絕對差）

由計算式

得出各比較序列與參考序列的絕對差。計算結果如表4所示。

2.3.4 計算|s0'|,|si'|,|si'-s0'|

表3 1995—2010年中國農村家庭碳排放與各因素指標規(guī)范化處理數據 Table 3 The data of the rural per capita household carbon emissions and different factors for standardization of data processing from 1995 to 2010

表4 各比較序列與參考序列的絕對差 Table 4 The absolute difference between the compare sequence and reference sequence

2.3.5 求相關度

根據公式：

有oir為X0與Xi的灰色相對關聯度。經計算，農村家庭碳排放與各影響因子的關聯度如表5。

r01、r02、r04、r05、r07、r08、r09、r10、r13分別為1995—2010年參考序列農村人均家庭碳排放與比較序列家庭人均純收入、家庭平均每天生活消費支出、農村人口比例、地區(qū)平均生產總值、農村固定資產、農林牧漁總產值、生活消費結構多元化指數、產業(yè)結構多元化指數、碳排放強度的關聯度。

根據關聯度大小，如表5所示，經濟水平指標中的農林牧漁總產值與農村人均家庭碳排放的關聯度最大，為0.9824，對其農村家庭碳排放的影響最大；生活水平指標中的家庭平均每天生活消費支出與農村人均家庭碳排放的關聯度為0.9465，對其農村家庭碳排放的影響次之；接下來為結構規(guī)劃指標中的碳排放強度，與農村人均家庭碳排放的關聯度為0.8649；人口指標中的農村人口比例與農村人均家庭碳排放的關聯度最小，為0.5703，對其農村家庭碳排放的影響最小。

3 結論與建議

3.1 主要結論

（1）1995—2010年，城市、農村人均家庭碳排放均呈上升趨勢；中國東部、中部、西部、東北地區(qū)及代表省份農村人均家庭碳排放均也上升趨勢。

（2）中國東部地區(qū)農村人均家庭碳排放明顯高于東北、中部和西部地區(qū)的農村人均家庭碳排放。

（3）城市家庭碳排放要高于農村家庭碳排放；位于東部地區(qū)的上海市農村人均家庭碳排放量要遠遠高于分別位于中部、東北、西北地區(qū)的湖南、遼寧、內蒙古各省農村人均家庭碳排放量。

表5 1995—2010年農村家庭碳排放與各影響因子的關聯度 Table 5 The relational degree between the rural per capita household carbon emissions and each factor

（4）利用灰色關聯分析，對農村人均家庭碳排放的顯著相關因素進行分析表明：經濟水平指標中的農林牧漁總產值對農村人均家庭碳排放的影響最大，生活水平指標中的家庭平均每天生活消費支出對農村人均家庭碳排放的影響次之，人口指標中的農村人口比例對農村人均家庭碳排放的影響最小。

3.2 對策建議

（1）生活方式低碳化。建設兩型社會是構建和諧社會的重要內容，是貫徹落實科學發(fā)展觀的內在要求。這就需要社會共同參與，政府部門應該倡導這種適應人口、自然與環(huán)境協調發(fā)展的消費模式，將低碳文化引入生活，逐步實現生活方式低碳化。

（2）經濟結構合理化。合理發(fā)展農村經濟，促進經濟的可持續(xù)發(fā)展，提高農村居民的生活水平，充分考慮經濟發(fā)展和人均收入水平，兼顧區(qū)域和省級碳排放的特征，引導農戶合理利用各類能源，制定合理有效的減排目標和計劃[21-23]，大力發(fā)展綠色經濟、循環(huán)經濟和低碳經濟，走高效率、低能耗之路。

（3）消費結構最優(yōu)化?！笆濉逼陂g，提高居民消費能力、擴大內需是我國調整經濟結構的首要任務，居民消費對碳排放的影響力必然將進一步增大，這就要求我們樹立低碳消費理念，抑制消費主體的高消費方式，實現消費結構最優(yōu)化。

[1] BODEN T A, MARLAND G, ANDRES R J. Global, regional and national fossil-fuel CO2emissions[R]. Carbon Dioxide Information Analysis Center, Oak Ridge National Laboratory, US Department of Energy, Oak Ridge, Tenn., USA. 2011.

[2] EHRLICH P R, HOLDREN J P. Impact of population growth[J]. Science, 1971(171): 1212-1217.

[3] Thomas Dietz, Eugene A Rosa. Effects of population and affluence on CO2 emissions[J]. Ecology, 1997(94): 175-179.

[4] Kaya Yoichi. Impact of Carbon Dioxide Emission on GNP Growth: Interpretation of Proposed Scenarios [R]. Presentation to the Energy and Industry Subgroup, Response Strategies Working Group, IPCC, Paris, 1989.

[5] Rhee hae-chun, Chung Hyun-sik. Change in CO2emissions and its transmission between Korea and Japan using international input-output analysis[J]. Ecological Economics, 2006, 58: 788-800.

[6] 譚丹, 黃賢金. 我國東、中、西部地區(qū)經濟發(fā)展與碳排放的關聯分析及比較[J]. 中國人口·資源與環(huán)境, 2008, 18(3): 54-57.

[7] 王卉彤, 王妙平. 中國30省區(qū)碳排放時空格局及其影響因素的灰色關聯分析[J]. 中國人口·資源與環(huán)境, 2011, 21(7): 140-145.

[8] 李健, 周慧. 中國碳排放強度與產業(yè)結構的關聯分析[J]. 中國人口·資源與環(huán)境, 2012, 22(1): 7-14.

[9] 李炎麗, 梁浩, 梁保松. 河南省碳排放因素分解及關聯分析[J]. 河南農業(yè)大學學報, 2011, 45(5): 605-610.

[10] 陳建宏, 王文哲, 熊漢富. 湖南省CO2排放因素的灰色關聯分析[J]. 地域研究與開發(fā), 2010, 29(4): 131-134.

[11] 李想, 王仲智. 基于灰色關聯分析的江蘇省碳排放驅動研究[J]. 中國人口·資源與環(huán)境, 2010( 20): 149-153.

[12] 王琴, 曲建升, 曾靜靜. 生存碳排放評估方法與指標體系研究[J].開發(fā)研究, 2010(146): 17-21.

[13] 徐建華. 現代地理學中的數學方法[M]. 北京: 高等教育出版社, 2002: 179-182.

[14] 魏一鳴, 劉蘭翠, 范英, 等. 中國能源報告(2008): 碳排放研究[M]. 北京: 科學出版社, 2008.

[15] 劉啟運, 陳璋, 蘇汝稢. 投入產出分析[M]. 北京: 中國人民大學出版社, 2006: 5.

[16] 中國社會科學院《中國人口年鑒》編輯部. 1995—2009中國人口統計年鑒[M]. 北京: 中國社會科學出版社, 1996—2010.

[17] 中華人民共和國統計局. 1995—2010年中國統計年鑒[M]. 北京: 中國統計出版社, 1996—2011.

[18] 劉莉娜, 曲建升, 邱巨龍, 等. 1995—2010年居民家庭生活消費碳排放軌跡[J]. 開發(fā)研究, 2012(4) : 117-121.

[19] 劉思峰, 郭天榜, 黨耀國等.灰色系統理論及其應用[M]. 北京: 科學出版社, 1999: 33-5.

[20] 國家統計局. 2007年中國投入產出表[M]. 北京: 中國統計出版社, 2008.

[21] 國家統計局能源統計司. 中國能源統計年鑒2008[M]. 北京: 中國統計出版社, 2009.

[22] 王琴, 曲建升. 1999—2009年我國不同收入水平下的碳排放差異分析[J]. 生態(tài)環(huán)境學報, 2012, 21(4): 635-640.

[23] 曾靜靜, 張志強, 曲建升, 李燕, 劉莉娜, 董麗蘋. 家庭碳排放計算方法分析評價[J]. 地理科學進展, 2012, 31(10):1341-1352.