龐 婕, 焦建玲, 李蘭蘭

(合肥工業(yè)大學(xué) 管理學(xué)院,安徽 合肥 230009)

我國居民居住碳排放系統(tǒng)動力學(xué)分析

龐 婕, 焦建玲, 李蘭蘭

(合肥工業(yè)大學(xué) 管理學(xué)院,安徽 合肥 230009)

文章運(yùn)用系統(tǒng)動力學(xué)方法構(gòu)建了居民居住碳排放的人口-經(jīng)濟(jì)-環(huán)境系統(tǒng)動力學(xué)模型,結(jié)合地理氣候、經(jīng)濟(jì)發(fā)展水平和人口規(guī)模等因素,選取遼寧、青海、北京、甘肅、江蘇、湖南、廣東、廣西和云南9省市,分析了不同發(fā)展情景下未來我國居住碳排放情況。研究結(jié)果顯示,未來5年我國北方居住碳強(qiáng)度明顯高于南方,其中遼寧、青海和甘肅3省的居住碳強(qiáng)度處于全國前列。在維持情景下,只有遼寧省呈增長趨勢;在規(guī)劃和政策情景下,各省居住碳強(qiáng)度均有所下降；但總體上遼寧省由增變減,廣東省由減變增,其余各省變化不大。

居住碳排放;系統(tǒng)動力學(xué);發(fā)展情景;模擬分析

0 引 言

碳排放是導(dǎo)致全球氣候惡化的主要影響因素之一,得到世界各國的廣泛關(guān)注。長期以來,人們關(guān)注的焦點(diǎn)主要集中在工業(yè)生產(chǎn)領(lǐng)域,卻忽視了社會終端消費(fèi)單元、生產(chǎn)活動原始驅(qū)動力的家庭生活消費(fèi)[1]。家庭作為產(chǎn)品和服務(wù)消費(fèi)的終端主體,是能源消耗以及碳排放的主要來源,因此從家庭的角度推進(jìn)節(jié)能減排,必將有助于社會的良性發(fā)展[2]。

關(guān)于家庭碳排放范疇,不同學(xué)者在內(nèi)容和形式上有不同的界定,但一般可分為直接碳排放和間接碳排放2類。直接碳排放包括家庭用電碳排放、家庭用氣碳排放、家庭集中供暖碳排放以及家庭交通出行碳排放[3],常用碳排放系數(shù)法或碳足跡法來進(jìn)行測算[4-5];間接碳排放則是指與居民的消費(fèi)環(huán)節(jié)相掛鉤的碳排放,包含整個(gè)消費(fèi)過程中的碳排放量,常用的計(jì)算方法有生命周期評價(jià)法、投入產(chǎn)出法和消費(fèi)者生活方式法[6-8]。

因?yàn)楝F(xiàn)有方法并沒有考慮影響碳排放相關(guān)要素之間的協(xié)調(diào)關(guān)系,所以有學(xué)者將系統(tǒng)動力學(xué)方法引入到能源環(huán)境問題的研究中。文獻(xiàn)[9]最先提出了國家能源系統(tǒng)動力學(xué)模型FOSSIL2,并從政策成本效益的角度對美國國家能源計(jì)劃進(jìn)行了分析；文獻(xiàn)[10]構(gòu)建了全球能源系統(tǒng)動力學(xué)模型(global energy modeling-a biophysical approach,GEMBA),從生物物理學(xué)和熱力學(xué)的角度研究發(fā)現(xiàn)新能源的發(fā)展會帶動投資,從而實(shí)現(xiàn)節(jié)能促進(jìn)的作用；文獻(xiàn)[11]構(gòu)建了芬蘭可再生能源系統(tǒng)動力學(xué)模型,從化石能源消耗量、區(qū)域經(jīng)濟(jì)發(fā)展以及環(huán)境污染方面評估了芬蘭的能源政策。我國學(xué)者將該方法運(yùn)用于區(qū)域或行業(yè)研究。文獻(xiàn)[12-14]分別以山西、吉林和陜西省為研究對象從省際層面構(gòu)建能源-經(jīng)濟(jì)-環(huán)境系統(tǒng)動力學(xué)模型,并提出了各區(qū)域建議；文獻(xiàn)[15-16]通過研究建立交通業(yè)可持續(xù)發(fā)展的對策系統(tǒng)動力學(xué)模型,為交通行業(yè)的低碳發(fā)展提供參考依據(jù)；文獻(xiàn)[17]設(shè)計(jì)了電力行業(yè)碳捕捉與封存技術(shù)的產(chǎn)業(yè)化復(fù)雜系統(tǒng),發(fā)現(xiàn)發(fā)電企業(yè)的主觀減排意愿在系統(tǒng)中至關(guān)重要；文獻(xiàn)[18]構(gòu)建了農(nóng)產(chǎn)品供應(yīng)鏈知識共享系統(tǒng)模型,通過不同參數(shù)條件下的系統(tǒng)仿真,觀察平均知識水平變化,為知識共享時(shí)間提供策略依據(jù)。

因?yàn)橄到y(tǒng)動力學(xué)方法能夠反映分析系統(tǒng)中各要素的相互作用,且具有較好的長期趨勢預(yù)測效果,所以本文參照相關(guān)研究成果,以我國居民居住碳排放為研究對象,構(gòu)建人口、經(jīng)濟(jì)以及環(huán)境之間的系統(tǒng)動力學(xué)模型,探討在不同發(fā)展情景下,我國未來居民居住碳排放量的變化趨勢。

1 居住碳排放系統(tǒng)模型構(gòu)建

1.1 系統(tǒng)邊界及因果關(guān)系

本文建立時(shí)間邊界為2005-2020年。根據(jù)我國居民居住碳排放的實(shí)際情況,內(nèi)容邊界設(shè)定在人口、經(jīng)濟(jì)和環(huán)境3個(gè)方面。為擬合系統(tǒng)內(nèi)部可能出現(xiàn)的各種情形,本文選取人均GDP、用電能耗等作為內(nèi)生變量,家電補(bǔ)貼等作為外生變量,具體見表1所列。

居住碳排放系統(tǒng)間存在復(fù)雜的相互制約和相互促進(jìn)關(guān)系。一方面,隨著社會和經(jīng)濟(jì)的發(fā)展,以及人口的不斷增長,居住用能在不斷增加,從而導(dǎo)致居住碳排放增加,環(huán)境日益惡化;另一方面,日益惡化的環(huán)境會引起國家出臺相關(guān)政策進(jìn)行干預(yù),從而制約經(jīng)濟(jì)和社會的發(fā)展。根據(jù)居住碳排放系統(tǒng)內(nèi)各要素的耦合關(guān)系,可得居住碳排放系統(tǒng)因果關(guān)系如圖1所示。圖1中正號表示正相關(guān)關(guān)系,負(fù)號表示負(fù)相關(guān)關(guān)系,首尾相接閉合成環(huán)的為反饋回路。

表1 居住碳排放變量系統(tǒng)邊界表

圖1 居住碳排放系統(tǒng)因果關(guān)系

在同一回路中,含有偶數(shù)條極性為負(fù)的因果箭為正反饋回路,含有奇數(shù)條極性為負(fù)的因果箭為負(fù)反饋回路,負(fù)反饋回路在系統(tǒng)中起到“內(nèi)部穩(wěn)定器”的作用。該系統(tǒng)中包括一個(gè)主要的負(fù)反饋回路:年碳排放量→+科技進(jìn)步因子→-用電能耗→+居住能耗→+年碳排放量,表明隨著年碳排放量的增加,政府會采取措施促進(jìn)科技進(jìn)步,提高家電能效水平,從而降低居住能耗,減少居住年碳排放量。

1.2 系統(tǒng)流圖及參數(shù)設(shè)置

根據(jù)系統(tǒng)的結(jié)構(gòu)特點(diǎn),并考慮變量數(shù)據(jù)變化的穩(wěn)定性及變量間依存的關(guān)系,本文在參考文[19-20]研究成果的基礎(chǔ)上,將參數(shù)概況設(shè)定為以下3類:

(1) 借助簡單線性回歸模型確定的參數(shù),包括城市人口、用電能耗等。

(2) 采用表函數(shù)確定的參數(shù)包括人口自然增長率、GDP增長率、城鎮(zhèn)化率、碳排放因子等，其中,碳排放因子為各能源(含煤炭、液化石油氣、天然氣、電力、熱力)折標(biāo)煤的碳排放系數(shù)乘以家庭能耗占比,用以表征家庭用能結(jié)構(gòu)。

(3) 人為設(shè)定的參數(shù)科技進(jìn)步因子是通過C-D函數(shù)計(jì)算得到的,每年的進(jìn)步率設(shè)定為0.02。

在分析系統(tǒng)因果的關(guān)系回路的基礎(chǔ)上,利用Vensim PLE建立居住碳排放系統(tǒng),具體如圖2所示。

圖2 居住碳排放系統(tǒng)模型結(jié)構(gòu)

1.3 模型主要方程式

系統(tǒng)初始值設(shè)定為:

INITIAL TIME=2005年，

FINAL TIME=2020年，

SAVEPER=TIME STEP，

TIME STEP=1。

具體方程式如下:

(1) 初始人口=期初人口，單位： 萬人。

(2) 總?cè)丝?INTRG(人口自然增長量,期初人口)，單位：萬人。

(3) 人口自然增長量=總?cè)丝凇寥丝谧匀辉鲩L率，單位：萬人。

(4) 人口自然增長率=WITH LOOK UP(TIME,([(期初,人口自然增長率下限)-(期末,人口自然增長率上限)],(TIME,當(dāng)年人口自然增長率)。

(5) 初始GDP=期初GDP，單位：億元。

(6) GDP=INTRG(GDP年增長量,期初GDP)，單位：億元。

(7) GDP年增長量=GDP*GDP增長率，單位：億元。

(8) GDP增長率=WITH LOOK UP(TIME, ([(期初,GDP增長率下限)-(期末,GDP增長率上限)],(TIME,當(dāng)年GDP增長率))。

(9) 人均GDP=GDP/總?cè)丝冢瑔挝唬喝f元/人。

(10) 城市人口=總?cè)丝凇脸擎?zhèn)化率，單位：萬人。

(11) 每百戶大家電擁有量=a+b×城市人口+c×人均GDP，單位：臺。

(12) 用電能耗=IF THEN ELSE(Time<2015,a+b×每百戶大家電擁有量,(a+b×每百戶大家電擁有量)×科技進(jìn)步因子)，單位：萬噸標(biāo)煤。

(13) 居住能耗=用電能耗/(城鎮(zhèn)化率)×a，單位：萬噸標(biāo)煤。

(14) 居住消費(fèi)支出=a+b×GDP，單位：億元。

(15) 累積居住碳排放=INTRG(年碳排放量,期初居住碳排放量)，單位：萬噸碳。

(16) 年碳排放量=居住能耗×碳排放因子，單位：萬噸碳。

(17) 居住碳排放強(qiáng)度=年碳排放量/居住消費(fèi)支出，單位：噸/萬元。

(18) 城鎮(zhèn)化率=WITH LOOK UP(TIME, ([(期初,城鎮(zhèn)化率下限)-(期末,城鎮(zhèn)化率上限)],(TIME,當(dāng)年城鎮(zhèn)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,當(dāng)年碳排放因子))。

(20) 科技進(jìn)步因子=IF THEN ELSE(累積居住碳排放<7 000, 0.946, 0.946+0.02×(GDP-30 000)/10 000)。

上述系數(shù)a、b是根據(jù)2000-2012年各地區(qū)歷史數(shù)據(jù)擬合得到。

2 情景設(shè)置與分析

2.1 地區(qū)選擇

中國人民大學(xué)經(jīng)濟(jì)學(xué)院提供的中國家庭能源消費(fèi)調(diào)查數(shù)據(jù)顯示,我國家庭主要能源是熱力、天然氣以及電力,主要用能活動分別是供暖、炊事、加熱水和家電。因?yàn)槲覈鶈T遼闊,各個(gè)地方的家庭用能情況也不盡相同,所以本文依據(jù)地理氣候、經(jīng)濟(jì)發(fā)展?fàn)顩r和人口規(guī)模等因素進(jìn)行區(qū)域劃分。

2.1.1 地理氣候

[21]的研究成果,本文將我國分為5大區(qū)域,分別為嚴(yán)寒帶(SCZ)、寒冷帶(CZ)、夏熱冬冷帶(HSCWZ)、夏熱冬暖帶(HSWWZ)和溫帶(TZ),具體分布如圖3所示,各區(qū)域的氣候特點(diǎn)見表2所列。

圖3 我國氣候區(qū)域分布圖 表2 我國氣候區(qū)域劃分

區(qū)域氣候特點(diǎn)省份SCZ冬季最冷月均氣溫低于0℃;氣溫低于5℃多于145d黑龍江、吉林、遼寧、內(nèi)蒙古、青海、西藏CZ冬季最冷月均氣溫介于0-10℃;氣溫低于5℃有90～145d北京、河北、天津、山西、山東、河南、陜西、新疆、甘肅、寧夏HSCWZ冬季最冷月均氣溫介于0～-10℃;夏季最熱月均氣溫介于25～30℃;氣溫低于5℃有0～90d;氣溫高于25℃有40～110d安徽、江蘇、湖北、湖南、上海、浙江、江西、四川、重慶HSWWZ冬季最冷月均氣溫高于10℃;夏季最熱月均氣溫介于25～29℃;氣溫高于25℃有100～200d福建、廣東、廣西、海南TZ冬季最冷月均氣溫介于0～13℃;夏季最熱月均氣溫介于18～25℃;氣溫低于5℃有0～90d云南、貴州

2.1.2 經(jīng)濟(jì)發(fā)展水平

從區(qū)域上看,我國經(jīng)濟(jì)發(fā)展水平呈東高西低的狀態(tài)。東部面向海洋,背靠大陸,人口密集,交通便利,擁有高尖端技術(shù),是我國經(jīng)濟(jì)最發(fā)達(dá)的地域;中部各地地處東西部之間,擁有原材料優(yōu)勢,承擔(dān)我國經(jīng)濟(jì)由東向西轉(zhuǎn)移的任務(wù),是過渡性的經(jīng)濟(jì)帶;西部地區(qū)地域遼闊、自然資源豐富、人口較少,但因區(qū)位原因,發(fā)展比較滯后,各區(qū)域的GDP分布情況如圖4所示。。

圖4 我國GDP分布圖

2.1.3 人口規(guī)模

我國人口呈東多西少,平原盆地多,山地、高原少的特點(diǎn)。除自然環(huán)境因素外,經(jīng)濟(jì)發(fā)展水平也是人口集散的重要原因,較多的人口流向經(jīng)濟(jì)發(fā)達(dá)省份,各省份人口規(guī)模分布如圖5所示。圖5數(shù)據(jù)來源于2014年各省年末總?cè)丝跀?shù)據(jù)。

圖5 我國人口分布圖

2.1.4 目標(biāo)選定

考慮上述3個(gè)因素,本文分別在5個(gè)氣候帶選擇樣本,同時(shí)考慮經(jīng)濟(jì)發(fā)展水平和人口規(guī)模的影響,選取遼寧、青海、北京、甘肅、江蘇、湖南、廣東、廣西和云南(與貴州省情況相似)為研究對象,分析9個(gè)地區(qū)居民居住的碳排放情況，地區(qū)屬性特征見表3所列。

表3 地區(qū)屬性特征

2.2 情景設(shè)置

我國承諾實(shí)現(xiàn)2020年碳排放強(qiáng)度比2005年下降40%～45%。因此,國家從可持續(xù)發(fā)展的角度合理規(guī)劃,并運(yùn)用政策調(diào)控的手段推行節(jié)能減排。為了比較和探討在不同政策環(huán)境下我國居住碳排放的變化趨勢,本文選擇GDP增長率、城鎮(zhèn)化率、碳排放因子(用于表征家庭用能結(jié)構(gòu))、科技進(jìn)步因子4項(xiàng)指標(biāo)作為調(diào)控變量,通過對變量的不同取值,構(gòu)建未來不同的人口-經(jīng)濟(jì)-環(huán)境發(fā)展情景。具體方案如下:

(1) 維持情景。保持現(xiàn)有的發(fā)展情景不變,對各個(gè)調(diào)控變量不進(jìn)行任何調(diào)整。

(2) 規(guī)劃發(fā)展情景。根據(jù)國家發(fā)改委對全國以及各省自己的發(fā)展綱要,對GDP增長率、城鎮(zhèn)化率以及用能結(jié)構(gòu)等變量進(jìn)行參數(shù)設(shè)置。

(3) 政策調(diào)控情景。在規(guī)劃發(fā)展情景的基礎(chǔ)上,適當(dāng)調(diào)高GDP增長率,并引入科技進(jìn)步。

2.3 模擬結(jié)果分析

2.3.1 模型檢驗(yàn)

(1) 模型的歷史檢驗(yàn)。本文選擇居住年碳排放量作為檢驗(yàn)變量,依據(jù)2005-2012年各省歷史數(shù)據(jù)對模型的有效性進(jìn)行驗(yàn)證。結(jié)果顯示,系統(tǒng)模擬結(jié)果與實(shí)際情況基本一致,各省相對誤差均在15%以內(nèi),符合模型要求。故本模型能夠基本反映我國居住碳排放系統(tǒng)的真實(shí)情況,可以作為仿真分析工具。由于文章篇幅所限,具體數(shù)據(jù)不再列出。

(2) 模型靈敏度分析。在本模型中,科技進(jìn)步因子是人為設(shè)定的參數(shù),因此需要對其做靈敏度分析,具體公式如下:

(1)

其中,s(t)為靈敏度；Y(t)為系統(tǒng)因變量；X(t)為被改變的參數(shù)。

本文在維持模式下以參數(shù)-3%～3%的變化量來模擬居住年碳排放量變化率,參數(shù)的靈敏度分析如圖6所示。參數(shù)上下浮動3%,居民居住碳排放量變化率不超過13%,均在合理范圍內(nèi),說明該參數(shù)的微小變動未造成模型結(jié)果的異常變動,因此模型是可信的。

圖6 靈敏度分析

2.3.2 模擬結(jié)果

本文運(yùn)用2005-2012年遼寧、青海、北京、甘肅、江蘇、湖南、廣東、廣西和云南9個(gè)地區(qū)的相關(guān)數(shù)據(jù),分析不同區(qū)域、不同情景下的居民居住碳排放情況,具體情況如圖7所示。

在維持情景下,我國北方居住碳強(qiáng)度高于南方，具體如圖7a所示。遼寧、青海、北京、甘肅在秦嶺-淮河以北,屬于我國冬季供暖帶,因此碳排放量較多。從發(fā)展趨勢看,遼寧呈上升趨勢,江蘇和廣東基本持平,其他各地呈下降趨勢。遼寧省一方面地處我國東北地區(qū),冬季時(shí)間長且較寒冷,大多家庭采用煤炭供暖;另一方面,遼寧省作為老工業(yè)基地,由于經(jīng)濟(jì)后勁不足而導(dǎo)致人民生活水平滯后。江蘇和廣東兩地經(jīng)濟(jì)發(fā)展較快,且兩地均以用電為主,在未來一段時(shí)間內(nèi)居住碳排放強(qiáng)度不會有太大變動。分區(qū)域看,同一區(qū)域內(nèi)居住碳排放情況相近。遼寧和青海相比,因?yàn)榍嗪Ｊ∪丝谝?guī)模較小,所以居住碳強(qiáng)度小于遼寧省;北京與甘肅相比,甘肅省城鎮(zhèn)化水平較低且居民用煤量較多,是導(dǎo)致居住碳強(qiáng)度較高的主要原因。其余5省(或自治區(qū))在數(shù)量上相差不大,云南省居民用煤量高是造成數(shù)據(jù)突出的主要原因。

在規(guī)劃發(fā)展情景下,各地居住碳排放強(qiáng)度變化有所不同，具體如圖7b所示。其中,遼寧省由增變減,廣東省有小幅增加,其余各省趨勢不變。由此可見,居住用能結(jié)構(gòu)的改善是降低遼寧省居住碳強(qiáng)度的有效途徑;而對于用電大省廣東省而言,影響效果有限。隨著廣東省經(jīng)濟(jì)發(fā)展步伐的減緩,居住碳強(qiáng)度不降反增。從絕對量上看,遼寧、青海和甘肅3省仍居前列,其中青海和甘肅居住碳排放強(qiáng)度較高,主要因?yàn)檫@2個(gè)省同屬不發(fā)達(dá)地區(qū),該情景下的經(jīng)濟(jì)效應(yīng)高于環(huán)境效應(yīng),導(dǎo)致兩地居住碳強(qiáng)度居高不下。與維持情景相比,其余各地在量上呈先減后增,說明各地在發(fā)展前期環(huán)境效應(yīng)強(qiáng)于經(jīng)濟(jì)效應(yīng),而發(fā)展后期經(jīng)濟(jì)效應(yīng)強(qiáng)于環(huán)境效應(yīng),但總量上相差不大。

在政策調(diào)控情景下,各地居住碳強(qiáng)度趨勢與規(guī)劃情景下相同。但受科技進(jìn)步的影響,各地的碳排放強(qiáng)度與規(guī)劃發(fā)展情景相比均有所下降，具體如圖7c所示,說明科技進(jìn)步在一定程度上改善了居住碳排放。

圖7 分情景的居住碳強(qiáng)度

3 結(jié) 論

本文從人口、經(jīng)濟(jì)、環(huán)境3個(gè)方面構(gòu)建了我國居民居住碳排放系統(tǒng)動力學(xué)模型,設(shè)置描述我國未來經(jīng)濟(jì)社會發(fā)展的3種情景,并對3種情景下遼寧、青海、北京、甘肅、江蘇、湖南、廣東、廣西和云南9個(gè)省的居住排放強(qiáng)度進(jìn)行了模擬分析,得到如下結(jié)論。

(1) 我國居住碳排放強(qiáng)度同時(shí)受地理氣候、經(jīng)濟(jì)發(fā)展水平和人口規(guī)模等因素影響。其中,地理環(huán)境是影響居住碳排放強(qiáng)度的最主要因素。

(2) 在未來5年內(nèi),我國北方居住碳強(qiáng)度明顯高于南方,遼寧、青海和甘肅3省的居住碳強(qiáng)度仍將處于全國前列。

(3) 在保持現(xiàn)有發(fā)展模式不變的情況下,遼寧省居住碳強(qiáng)度呈增長趨勢,江蘇和廣東基本持平,其余地區(qū)呈下降趨勢。

(4) 對比3種發(fā)展情景,遼寧省在各情景下變化幅度最大,廣東省對科技進(jìn)步的響應(yīng)最大,其余各省各情景下變化不大。

根據(jù)上述結(jié)論,可見不同地區(qū)的居住碳排放強(qiáng)度有所差異,因此各地區(qū)在施行居住碳減排時(shí)要充分考慮當(dāng)?shù)氐膶?shí)際情況。最后,因本文在參數(shù)設(shè)置時(shí)只考慮煤炭、液化石油氣、天然氣、電力、熱力這些常規(guī)家庭能源,缺少生物質(zhì)能(薪柴、秸稈、沼氣等)、新型清潔能源(太陽能等)的實(shí)驗(yàn)數(shù)據(jù),故結(jié)論中對于各地居住碳排放的影響還有待進(jìn)一步探討。

[參 考 文 獻(xiàn)]

[1] 馮玲,吝濤,趙千鈞.城鎮(zhèn)居民生活能耗與碳排放動態(tài)特征分析[J].中國人口·資源與環(huán)境,2011,21(5):93-100.

[2] 王勤花,張志強(qiáng),曲建升.家庭生活碳排放研究進(jìn)展分析[J].地球科學(xué)進(jìn)展,2013,28(12):30-37.

[3] 張艷,秦耀辰,閆衛(wèi)陽,等.我國城市居民直接能耗的碳排放類型及影響因素[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] 吳燕,王效科,逯非.北京市居民食物消費(fèi)碳足跡[J].生態(tài)學(xué)報(bào),2012,32(5):1570-1577.

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

[8] 杜運(yùn)偉,黃濤珍,康國定.基于微觀視角的城市家庭碳排放特征及影響因素研究:來自江蘇城市家庭活動的調(diào)查數(shù)據(jù)[J].人口與經(jīng)濟(jì),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] 李瑋,楊鋼.基于系統(tǒng)動力學(xué)的山西省能源消費(fèi)可持續(xù)發(fā)展研究[J].資源科學(xué),2010,32(10):1871-1877.

[13] 方愷,沈萬斌,董德明.能源足跡核算的改進(jìn)與預(yù)測:以吉林省為例[J].地理研究,2011,30(10):1835-1846.

[14] 宋敏,劉學(xué)敏.西北地區(qū)能源-環(huán)境-經(jīng)濟(jì)可持續(xù)發(fā)展預(yù)警研究:以陜西省為例[J].中國人口·資源與環(huán)境,2012,22(5):133-138.

[15] 周銀香.基于系統(tǒng)動力學(xué)視角的城市交通能源消耗及碳排放研究:以杭州市為例[J].城市發(fā)展研究,2012,19(9):99-105.

[16] 張建慧,雷星暉,李金良.基于系統(tǒng)動力學(xué)城市低碳交通發(fā)展模式研究:以鄭州市為例[J].軟科學(xué),2012,26(4):77-81.

[17] 梁大鵬,徐春林,馬東海.基于系統(tǒng)動力學(xué)的CCS產(chǎn)業(yè)化模型及穩(wěn)態(tài)研究[J].管理科學(xué)學(xué)報(bào),2012,15(7):36-49.

[18] 徐升華,徐生菊.農(nóng)產(chǎn)品供應(yīng)鏈知識共享系統(tǒng)的動力學(xué)建模與仿真[J].合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版),2013,36(11):1381-1387.

[19] 陳書忠,周敬宣,李湘梅,等.城市環(huán)境影響模擬的系統(tǒng)動力學(xué)研究[J].生態(tài)環(huán)境學(xué)報(bào),2010,19(8)：1822-1827.

[20] 李海燕,陳曉紅.基于SD的城市化與生態(tài)環(huán)境耦合發(fā)展研究：以黑龍江省東部煤電化基地為例[J].生態(tài)經(jīng)濟(jì),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.

(責(zé)任編輯 萬倫來)

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

國家自然科學(xué)基金資助項(xiàng)目(71271074；71573069)

龐 婕(1991-),女,寧夏銀川人,合肥工業(yè)大學(xué)碩士生; 焦建玲(1966-),女,安徽黃山人,博士,合肥工業(yè)大學(xué)教授,博士生導(dǎo)師.

10.3969/j.issn.1003-5060.2017.02.023

F062.2

A

1003-5060(2017)02-0260-07