陳菡+於世為

摘要 家庭能源消費(fèi)在我國碳減排戰(zhàn)略中的地位日益突出，但作為改善室內(nèi)外大氣污染和人群健康的重要抓手，其全面評估和系統(tǒng)對策卻仍十分缺乏。為此，本文以PM2.5、SO2和NOx這3種決定霧霾形成的關(guān)鍵污染物為研究對象，建立1992—2014年我國城鄉(xiāng)居民生活部門的排放清單。在此基礎(chǔ)上利用對數(shù)平均迪氏分解（LMDI）模型分別對全國排放總量的動態(tài)變化和各省人均排放的空間差異進(jìn)行驅(qū)動因素分析，從家庭（收入、消費(fèi)意愿和能耗開支）、社會（能源價格和城市化率）和技術(shù)（排放因子）不同層面識別居民生活用能影響大氣污染物排放的短板所在。結(jié)果顯示：①22年間PM2.5的減排量有限，SO2和NOx的排放量分別增加12.5%和122.7%。城市居民的人均排放降幅明顯，而農(nóng)村居民2012年3種污染物人均排放為前者的1.2—8.2倍，仍面臨很高的暴露風(fēng)險。②人均排放高值區(qū)集中在華北和東北，北京、四川、重慶、江蘇和福建的農(nóng)村排放突出，而新疆和黑龍江的城市SO2和NOx排放水平高于農(nóng)村，表現(xiàn)出較明顯的城鄉(xiāng)差異。③家庭收入和能源平均價格分別是排放的最主要正向和負(fù)向驅(qū)動力，人口的增排作用不斷下降而城市化率和排放因子的減排效應(yīng)日益明顯。城市生活排放的價格彈性相較于農(nóng)村排放更明顯，而后者對收入變化更敏感。④城鄉(xiāng)協(xié)同減排需要厘清多污染物的減排側(cè)重點(diǎn)并體現(xiàn)區(qū)域特征。本文根據(jù)決定排放空間差異的主導(dǎo)因素將各省農(nóng)村和城市各自劃分為清潔均衡型、能源價格主導(dǎo)型和高污染型等6種類型，并從優(yōu)化能源消費(fèi)結(jié)構(gòu)和生活用能價格體系、提高用能效率和農(nóng)民收入等多方面提出針對性減排建議。

關(guān)鍵詞 生活能源；污染物排放；LMDI模型；驅(qū)動因素；減排策略

中圖分類號 X196 文獻(xiàn)標(biāo)識碼 A 文章編號 1002-2104（2017）12-0040-12 DOI：10.12062/cpre.20170512

面對《巴黎協(xié)定》我國的自主減排承諾，節(jié)能已成為全社會各部門的共識并集中體現(xiàn)在《能源發(fā)展“十三五”規(guī)劃》中。生產(chǎn)部門一直是落實(shí)總量和強(qiáng)度控制的重點(diǎn)，就其產(chǎn)業(yè)規(guī)劃布局和低碳發(fā)展路徑都有相當(dāng)豐富的研究成果[1]。而生活部門的能源消費(fèi)僅次于工業(yè)，作為居民進(jìn)行采暖、炊事和照明等一系列日?；顒拥幕颈ＷC，在全國終端用能中占11.6%。隨著后工業(yè)化進(jìn)程中城市發(fā)展和居民生活水平的不斷提升，預(yù)計(jì)人均生活能源消費(fèi)量將以約2.5%的年平均增長率保持上升[2]，建筑節(jié)能正成為減緩排放的新抓手。然而，長期以來我國并未將家庭能源消費(fèi)納入嚴(yán)格的環(huán)境管理體系內(nèi)，存在著過于依賴缺乏宣傳教育和補(bǔ)貼、指導(dǎo)效果不明顯等問題[3]。環(huán)保部于2015年頒布了《民用煤燃燒污染綜合治理技術(shù)指南（試行）》，特別強(qiáng)調(diào)了散煤使用對污染物排放總量和局地空氣質(zhì)量不可忽視的負(fù)面影響。同時，農(nóng)村清潔能源比例雖有所提高但步伐緩慢，低品低效傳統(tǒng)燃料的使用造成的嚴(yán)重室內(nèi)污染亟待改善[4]。因此，很有必要從大氣污染物排放的視角探討民用能源建設(shè)的著力點(diǎn)。

1 文獻(xiàn)梳理

作為家庭能源消費(fèi)的直接后果，CO2等溫室氣體和其他大氣污染物的排放雖具有一定同源性，但在產(chǎn)生機(jī)理和控制措施上都存在較大差異。借助化石燃料的消耗統(tǒng)計(jì)數(shù)據(jù)和投入產(chǎn)出分析即可對前者的直接排放和內(nèi)涵排放進(jìn)行核算，且很少有研究對生活用能的另一重要組成部分——生物質(zhì)排放進(jìn)行專門探討。然而在我國廣大農(nóng)村及城鄉(xiāng)結(jié)合地區(qū)，超過一半的廢棄農(nóng)作物以粗放形式被用于直接燃燒供能，造成的一次氣溶膠排放占全國總量的15%—40%[5]。近年來全國各地頻發(fā)的霧霾污染事件引起了公眾和學(xué)界的廣泛關(guān)注，使得民用燃料的分散燃燒對室內(nèi)外空氣質(zhì)量和人群健康的負(fù)面影響受到了空前的重視。Li等發(fā)現(xiàn)貴州等欠發(fā)達(dá)省份的家庭固體燃料排放量占比遠(yuǎn)高于上海等地，并指出社會經(jīng)濟(jì)發(fā)展對生活排放影響方面的還很不足[6]。Zhang and Smith[7]將涉及到我國室內(nèi)生活燃料污染和健康效應(yīng)的個案研究進(jìn)行匯總，認(rèn)為2007年我國居民用能排放導(dǎo)致42萬過早死亡數(shù)，但該數(shù)值在快速下降。即使在挪威等北歐發(fā)達(dá)國家，木材仍然是城市居民的重要供暖能源，其污染物排放不容忽視且不確定性也很高[8]。即便如此，鑒于在排放基礎(chǔ)數(shù)據(jù)的搜集和統(tǒng)一清單體系的建立等方面的難度，生活部門的SO2、NOx和煙粉塵等代表性污染物的排放研究在深度和廣度上仍然遠(yuǎn)不及CO2等溫室氣體。

家庭為滿足日?；顒佣M(fèi)的能源以及各能源類型的排放特征是生活部門大氣污染物排放的根源。對于能源消費(fèi)而言，其影響因素可大致分為社會經(jīng)濟(jì)條件、自然地理氣候條件、行為習(xí)慣和政策四方面。Hass[9]根據(jù)生活能源消費(fèi)提供的終端服務(wù)類型將民用能耗歸納為代表性指標(biāo)的金字塔體系，且大部分驅(qū)動力歸屬于人口、氣候、技術(shù)、生活方式和結(jié)構(gòu)五大因素。其他間接影響因子包括經(jīng)濟(jì)水平和個體特征等，前者的非直接驅(qū)動作用最突出。OECD的研究指出收入水平的提高一方面帶動了能源消費(fèi)，另一方面則有助于居民消費(fèi)結(jié)構(gòu)和整體能源結(jié)構(gòu)的低碳化，即通過影響生活方式而作用于能源使用效率[10]。Acho and Schaeffer[11]還探討了發(fā)展中國家的能源政策對家庭電力普及、能源效率提高的直接和間接作用。各種能源的使用技術(shù)和排放特征是污染物排放的另一重要驅(qū)動力，例如Shen等[12]指出市場發(fā)展和財(cái)政支持是居民選擇清潔燃料和爐灶的重要影響因素，而能源價格可通過抑制用能選擇和強(qiáng)度[13]，從而間接作用于上述三個因素。同時，污染物排放帶來的生活環(huán)境質(zhì)量下降也會對社會綜合經(jīng)濟(jì)發(fā)展產(chǎn)生負(fù)面效應(yīng)。氣候、地理和資源稟賦等自然環(huán)境因素則在很大程度上決定了排放的空間異質(zhì)性。在研究方法上，F(xiàn)umo等[14]和Zhang等[15]分別從統(tǒng)計(jì)回歸和因素分解兩個角度歸納了影響因子的常見分析方法，包括STIRPAT宏觀分析模型、面板回歸計(jì)量和分解分析等。國內(nèi)學(xué)者還將兩種方法結(jié)合以適應(yīng)我國實(shí)際情況，并在城市化、人口密度、政策影響和協(xié)整分析中得到了充分應(yīng)用。近年來分解分析法被廣泛應(yīng)用于家庭碳排放動態(tài)變化的內(nèi)因研究，包括基于投入產(chǎn)出分析的結(jié)構(gòu)分解（SDA）和基于Kaya恒等式的指數(shù)分解（IDA）模型[16]。Su and Ang[17]對近十年來使用兩種方法的相關(guān)研究進(jìn)行對比，認(rèn)為IDA更適用于靈活分析直接效應(yīng)，并指出對數(shù)迪氏分解（LMDI）在分解完全度、零值處理和因子數(shù)目限制上的優(yōu)勢。然而，除碳排放外，驅(qū)動力的定量研究在其他污染物排放上的拓展有限，一般集中于工業(yè)和貿(mào)易，或者是多部門綜合分析。如Guan等[18]采用SDA法對我國1997—2010年一次PM2.5排放進(jìn)行了環(huán)境投入產(chǎn)出分析，認(rèn)為工業(yè)生產(chǎn)效率提升等技術(shù)進(jìn)步效應(yīng)對PM2.5的減排作用可抵消經(jīng)濟(jì)進(jìn)步造成的排放增加。Lyu等[19]將污染物的種類范圍擴(kuò)大，利用LMDI法從部門角度探討了排放強(qiáng)度和效率等五因素對國家排放總量變化的影響。Zhang等[20]以北京這一特大城市的多種污染物排放為研究對象，識別了高能耗工業(yè)部門和產(chǎn)業(yè)結(jié)構(gòu)的關(guān)鍵影響。針對民用污染物排放的研究僅見于意大利[21]等個別發(fā)達(dá)國家。

基于以上文獻(xiàn)評述，可知當(dāng)前針對我國居民生活用能引起的污染物排放及其時空特征的研究較少，結(jié)合我國鮮明的地域和城鄉(xiāng)差異而開展的多層次分析則未見報道，不利于有的放矢地開展民用能源、環(huán)境管理。因此，本文針對我國城市和農(nóng)村生活能源消費(fèi)建立了霧霾關(guān)鍵污染物種的（PM2.5、SO2和NOx）排放清單，并運(yùn)用LMDI模型分別對國家級排放總量的時間動態(tài)和省級人均排放的空間差異進(jìn)行驅(qū)動因素分解。與前人研究相比，本研究有以下深入和創(chuàng)新：第一，將一般生活能源的分解模型擴(kuò)展到八因素，同時區(qū)分了化石燃料和電、熱等商品能源和生物質(zhì)非商品能源，并考慮了污染物排放因子的時空差異；第二，立足于城市化背景下城、鄉(xiāng)居民的排放特征，從時間、空間和污染物類型上對排放驅(qū)動因子進(jìn)行了多層次的系統(tǒng)分析，有助于明確城鄉(xiāng)統(tǒng)籌規(guī)劃、多污染物共減排的方向和途徑；第三，依據(jù)排放空間差異的分解結(jié)果對各省區(qū)的城、鄉(xiāng)污染類型進(jìn)行劃分，為生活部門節(jié)能降污的區(qū)域策略提供針對性建議。

2 研究方法

2.1 污染物排放量計(jì)算

污染物的排放量常采用排放因子法進(jìn)行測算（公式（1））。生活能源包括一次能源（化石燃料和生物質(zhì)）和二次能源（電、熱），其排放因子的數(shù)據(jù)搜集和處理有以下幾方面的說明：第一，電、熱消耗的間接排放只考慮以化石能源為原料的排放。計(jì)算時根據(jù)火電廠的發(fā)電燃料結(jié)構(gòu)和發(fā)電量確定發(fā)電效率，綜合各燃料的電廠排放因子，最終以單位用電/熱量排放的形式表示。第二，秸稈作為農(nóng)

村家用燃料時的排放因子與主要農(nóng)作物類型有關(guān)，結(jié)合農(nóng)作物產(chǎn)量和草谷比等參數(shù)可估算其平均排放因子[22]。第三，考慮到技術(shù)水平的提高對電廠和家庭用車排放因子的影響較顯著，而民用部門其他能源的排放并無標(biāo)準(zhǔn)和限值，且家用爐灶的改進(jìn)情況缺乏數(shù)據(jù)，因此只考慮前兩者的排放因子動態(tài)變化。第四，在進(jìn)行排放量計(jì)算并與文獻(xiàn)對比時，采用蒙特卡洛法估計(jì)不確定性。認(rèn)為排放因子服從對數(shù)正態(tài)分布，生活能耗服從均勻分布，運(yùn)行5 000次后以四分位數(shù)范圍表示排放量的不確定性區(qū)間。分布參數(shù)選取見Shen等[23]。

2.3 數(shù)據(jù)來源與處理

2.3.1 能耗和其他社會經(jīng)濟(jì)數(shù)據(jù)

本文中城市和農(nóng)村居民生活的商品能源消費(fèi)數(shù)據(jù)來自于《中國能源統(tǒng)計(jì)年鑒》（1993—2015）[24]。生物質(zhì)燃料包括秸稈、薪柴和沼氣，前兩者來自于《中國農(nóng)業(yè)統(tǒng)計(jì)資料》（1993—2015）[25]《中國農(nóng)村能源年鑒》（1997—2008）[26]《中國新能源與可再生能源年鑒》（2009）[27]，以及與仇煥廣等[28]的研究結(jié)果整合。考慮到煤炭類型對污染物排放特征的影響，將煤炭分為塊煤和蜂窩煤，具體方法參照Wang等[22]。城市居民的能源開支數(shù)據(jù)來自于《中國統(tǒng)計(jì)年鑒》，以“水電燃料及其他”條目中的現(xiàn)金消費(fèi)表示[29]。農(nóng)村居民的能源開支數(shù)據(jù)根據(jù)《中國農(nóng)村住戶調(diào)查年鑒》（1993—2010），并結(jié)合《中國統(tǒng)計(jì)年鑒》中“居民消費(fèi)價格分類指數(shù)”整理得到。生活消費(fèi)、城市居民人均可支配收入、農(nóng)村居民人均純收入以及城鄉(xiāng)人口數(shù)量均來自于《中國統(tǒng)計(jì)年鑒》，都以1992年不變價格計(jì)算。

2.3.2 排放因子

由于民用各燃料的排放因子與燃料質(zhì)量、燃燒條件和污染控制技術(shù)的實(shí)施等多種因素有關(guān)，且目前并沒有相應(yīng)的燃燒技術(shù)規(guī)范和強(qiáng)制標(biāo)準(zhǔn)，因此本文中的排放因子主要來自于《民用煤大氣污染物排放清單編制技術(shù)指南》和國內(nèi)文獻(xiàn)搜集[30]，并以幾何均值表示（表1）。此外，采用技術(shù)分類S曲線法對電熱生產(chǎn)和機(jī)動車用油的排放因子進(jìn)行動態(tài)處理，相關(guān)參數(shù)選取參考Shen等[23]，代表性年份的排放因子見表2。

3 結(jié)果分析

3.1 全國城鄉(xiāng)居民生活用能排放的時間動態(tài)及驅(qū)動因素分析

3.1.1 生活能耗的演變

能源的使用是污染物排放的根本原因，對排放特征起決定性作用。1992—2014年我國居民生活用能總量和人均用量變化見圖1。2000年以前居民能源消費(fèi)總量保持平穩(wěn)，城、鄉(xiāng)人均能耗分別下降26.1%和5.3%。這可能是因?yàn)?995—2000年國家原煤產(chǎn)量有所縮減，尤其是受到亞洲金融危機(jī)的影響，我國暫停了一些地方電廠和煤礦的審批。22年間秸稈、薪柴和煤炭在農(nóng)村居民用能中始終占據(jù)重要地位，但其供能比相比于1992年仍有15%的下降，取而代之的是電能、LPG和沼氣；與散煤相比更加清潔的蜂窩煤的使用率也從2000年的13.5%持續(xù)上升至37%。但與日益多元均衡的城市居民用能格局相比，農(nóng)村住戶的人均商品能源用量雖以5%的增速逐步拉近與其之間的距離，但其中約60%為煤炭（2014年），即低品質(zhì)、低成本和低效率的固體燃料仍然是導(dǎo)致廣大農(nóng)村家庭能耗水平居高不下的重要原因。

3.1.2 污染物排放量的演變

建立相對準(zhǔn)確的排放清單是開展排放現(xiàn)狀和控制研究的基礎(chǔ)。為此將本文計(jì)算結(jié)果與已有文獻(xiàn)中生活部門排放進(jìn)行對比，并采用蒙特卡洛法估計(jì)不確定性區(qū)間，結(jié)果見圖2。需要注意的是，由于居民電力、熱力消費(fèi)引起的排放產(chǎn)生于火電廠發(fā)電，而非家庭所在地，所以已有的排放清單文獻(xiàn)中“民用部門”排放不包括電、熱這類二次能源使用造成的間接排放，因此僅比較一次能源使用造成的排放。比較結(jié)果顯示了可接受偏差范圍內(nèi)較高的吻合度。

PM2.5、SO2和NOx城、鄉(xiāng)排放總量及組成的動態(tài)變化見表2。對于PM2.5排放而言，農(nóng)村地區(qū)經(jīng)歷了先下降后上升而后再下降的過程，但始終占據(jù)全國總排放的80%左右。這是因?yàn)槊禾孔鳛榈蜋n燃料自2000年后迅速退出城市居民的生活，轉(zhuǎn)而成為農(nóng)村家庭最重要的商品能源。此后隨著“十二五”期間農(nóng)村居民能源建設(shè)的深化，顆粒物的減排成效逐漸顯現(xiàn)，因此22年間其排放總量僅增長了9.1%。同時，城市居民的排放持續(xù)下降，但后期電力間接排放使得降幅變緩。對于SO2而言，城市和農(nóng)村家庭排放量接近，都在前期的小幅下降后開始增長至2006年（225.6萬t和205.8萬t）。隨后城市排放逐漸減少，農(nóng)村排放的增速也放緩，但煤炭和電力消耗的同步增加使得其人均排放量仍難以下降。城、鄉(xiāng)NOx排放在研究時間段內(nèi)都持續(xù)增加，但前者更快的增速使得二者差距不斷減小，最終2014年排放量分別達(dá)138.6萬t和172.2萬t，是1992年的4.0和1.7倍。其中固體燃料的排放占比由78.2%降至33.6%，而電、熱等二次能源則增至49.2%，家庭交通用油更成為城市居民的第二大排放源。綜上，居民直接能源消費(fèi)活動產(chǎn)生的PM2.5在22年間的減排量比較有限，且基本得益于城市家庭的能源構(gòu)成轉(zhuǎn)變，農(nóng)村居民的污染暴露量仍然很高。此外，需求端的電能替代并不能保證多種污染物的協(xié)同減排，需輔以電、熱供給側(cè)的配套改善才能有效控制生活用能的間接污染。因此，民用部門在節(jié)能和減排降污上仍存在很大潛力。

3.1.3 污染物排放時間變化的驅(qū)動因素分析

定量評估各因素對污染物排放的作用是設(shè)計(jì)減排方案的基礎(chǔ)。為此，利用LMDI模型分解出各指標(biāo)對3種污染物排放變動的貢獻(xiàn)量（圖3）。人均收入和能源消費(fèi)強(qiáng)度（平均價格）分別是影響生活用能排放最重要的促進(jìn)和抑制因素，其中SO2和NOx的排放更多受正向驅(qū)動作用，所以在研究時間段內(nèi)都有不同程度的增長。而對于PM2.5 而言，這兩種主導(dǎo)作用的部分抵消決定了其排放量變化較小。

在收入方面，1992—2014年我國城市和農(nóng)村居民的人均收入分別提高4.6和3.9倍，由此引起的PM2.5、SO2和NOx排放增量分別為787.2、570.8和363.1萬t。利用該排放增量值可進(jìn)一步估算城、鄉(xiāng)排放的收入彈性，結(jié)果顯示城市NOx排放對收入的敏感度高于農(nóng)村，而農(nóng)村PM2.5和SO2排放受收入影響程度大于城市。結(jié)合各污染物的排放源貢獻(xiàn)可知，該現(xiàn)象說明收入的提高使城市居民傾向于增加用電量以滿足舒適度要求，而農(nóng)村居民則以增加煤炭等固體商品燃料消費(fèi)為主。

人口是僅次于收入水平的第二大排放驅(qū)動力，但其增長率由1992年的1.2%持續(xù)降至2014年的0.5%，即對民用排放的推動效應(yīng)將進(jìn)一步弱化。與人口相關(guān)的另一因素是城市化率，農(nóng)村勞動力向城市的大批遷移造成用能強(qiáng)度的增加和生活方式的轉(zhuǎn)變，對城市供能系統(tǒng)和大氣環(huán)境質(zhì)量都造成了相當(dāng)大的壓力。2014年城鎮(zhèn)人口占比為54.8%，比1992年翻了近一番，因此該因素將加速城市污染物排放而降低農(nóng)村排放。對于城市居民而言，該因素造成的PM2.5和SO2排放增量自1996年開始減緩并趨于穩(wěn)定，但對NOx的排放促進(jìn)作用卻有所增強(qiáng)。說明城市化進(jìn)程中公共資源更加充分合理的利用、高質(zhì)高效燃料的普及可在一定程度上緩解能耗總量上升導(dǎo)致的PM2.5和SO2排放，但對NOx排放的抑制還并不明顯。人口的流出對農(nóng)村居民PM2.5、SO2和NOx的減排效應(yīng)都逐年加強(qiáng)，22年間分別累積削減202.3、89.1和66.0萬t。

能源消費(fèi)強(qiáng)度表示單位能源支出所能獲取的能量，即家庭能源平均價格的倒數(shù)。22年間能源平均價格在城市和農(nóng)村分別上漲了4.1和1.0倍，一方面反映出商品能源比重的不斷提高，另一方面則起到抑制能源消費(fèi)的作用，且在各負(fù)向因子中具有最強(qiáng)的減排效應(yīng)。3種污染物的城市排放價格彈性（-0.33，-0.42，-0.71）高于農(nóng)村（-0.25，-0.26，-0.32），說明城市家庭對商品能源依賴程度普遍更高，因此能源消費(fèi)和排放對價格的變動更加敏感。然而隨時間推移該影響在不斷減弱，這與城市居民逐漸穩(wěn)定的用能結(jié)構(gòu)和不斷推進(jìn)的水、電、氣價格改革有關(guān)。

污染物的排放因子隨技術(shù)進(jìn)步和能耗結(jié)構(gòu)優(yōu)化而不斷下降，是控制民用排放的重要因素，總體上對城市和農(nóng)村減排總量的貢獻(xiàn)分別為6.5%（PM2.5）、35.6%（SO2）和11.7%（PM2.5）、28.6%（SO2）。燃煤電廠煙氣脫硫系統(tǒng)（FGD）的安裝使用率從2000年的2.0%快速提高至2010年的85.8%[49]。因此相比于農(nóng)村，電力消費(fèi)水平更高的城市家庭的平均排放因子降幅更顯著，尤其是PM2.5和SO2。但因脫硝工作的開展晚于脫硫，因此對NOx的減排效應(yīng)相對較弱。

消費(fèi)意愿以人均開支與收入的比值表示。研究期間內(nèi)城市家庭的消費(fèi)傾向逐年緩慢下降，使得PM2.5、SO2和NOx的排放量分別下降10.7%、17.8%和41.4%。消費(fèi)意愿的減弱反映出消費(fèi)者對經(jīng)濟(jì)環(huán)境的信心和消費(fèi)動力不足。這主要是由于我國正處于深化改革階段，地區(qū)、行業(yè)間的收入差距仍在增大，低收入人群的購買能力低而高收入人群的消費(fèi)潛力并未被全面開發(fā)。工作和收入的不確定性使得居民更傾向于將收入用于儲蓄和投資。農(nóng)村家庭的消費(fèi)意愿則經(jīng)歷了先降后升的過程，并從2004年起開始超越城市，說明廣大農(nóng)民在消費(fèi)觀念和消費(fèi)能力上都有較大提升，導(dǎo)致3種污染物的減排效果（2.5%、3.6%和3.2%）低于城市。

消費(fèi)結(jié)構(gòu)以能耗開支在家庭總開支中所占比例表示。對于城市居民而言，燃料價格指數(shù)的增速高于同期的CPI，但隨著收入和消費(fèi)水平的提升，能源開支占比經(jīng)初期的增長后自2004年開始下降，即對污染物排放的影響力在不斷變?nèi)酰罱K分別使PM2.5、SO2和NOx的總排放增加24.1、40.6和16.8萬t。農(nóng)村居民的消費(fèi)結(jié)構(gòu)在研究階段前期對排放的影響為負(fù)值，且能源價格變幅小于城市；隨著2004年之后燃料價格的較明顯上漲，能源開銷在生活費(fèi)中所占比重顯著提高，即正向影響逐漸凸顯，所以最終并未使污染物排放量發(fā)生明顯變化。

對于PM2.5一類以傳統(tǒng)固體燃料不完全燃燒為主要排放源的污染物而言，能源消費(fèi)結(jié)構(gòu)的優(yōu)化具有顯著的減排效果。但由于農(nóng)村家庭中生物質(zhì)和燃煤的供能主體地位并未發(fā)生明顯轉(zhuǎn)變，該因素對農(nóng)村排放量的影響力低于城市。對于SO2而言，城市地區(qū)煤炭用量削減的降排作用超過電力消費(fèi)的正效應(yīng)，因此造成5.2%的降幅；而農(nóng)村家庭用電的顯著增加使得該因素引起56.0%的增幅，對NOx排放的影響甚至高達(dá)60.8%。

3.2 城鄉(xiāng)居民污染物排放強(qiáng)度的空間異質(zhì)性分析

我國各地在地理氣候、資源稟賦、社會經(jīng)濟(jì)發(fā)展條件和居民用能習(xí)慣上的差異充分反映在上述指標(biāo)中，決定了居民用能及排放特征的空間異質(zhì)性。鑒于目前卻無法搜集到各省分能源類型的連續(xù)多年排放因子數(shù)據(jù)，分省的非商品燃料統(tǒng)計(jì)數(shù)據(jù)更是缺乏，本文以2013年（具有分省生活能耗年鑒統(tǒng)計(jì)數(shù)據(jù)的最近一年）為代表，估算我國30個省份（港澳臺和西藏由于缺乏數(shù)據(jù)而未納入統(tǒng)計(jì)范圍）城市和農(nóng)村居民3種污染物的人均排放量，并通過因素分解（此時影響因素為6個，不包括城市化率和人口）探明其空間格局差異的成因。

3.2.1 人均排放的空間分布

2013年各省城鄉(xiāng)3種污染物的城、鄉(xiāng)人均排放情況見表4。可見PM2.5的農(nóng)村家庭排放水平遠(yuǎn)高于城市，而SO2和NOx的城、鄉(xiāng)人均排放量基本可比。城市和農(nóng)村3種污染物的排放強(qiáng)度高值區(qū)都主要集中于東北和華北，尤其是能源大省內(nèi)蒙古。農(nóng)村的排放熱點(diǎn)更加分散并延伸到部分東部和南部省份，而城市生活用能的排放強(qiáng)度則呈現(xiàn)出較明顯的北高南低、西高東低梯度特征。SO2的排放分布與煤炭資源較接近，而PM2.5和NOx還與農(nóng)作物資源分布具有一致性。就城、鄉(xiāng)差異而言，海南、四川、重慶等地的農(nóng)村PM2.5人均排放與城市相比較突出，而北京、福建和江蘇等發(fā)達(dá)地區(qū)的SO2和NOx排放也存在類似不均衡現(xiàn)象，反映出這些省份的城市作為核心功能區(qū)在家用清潔能源和電力生產(chǎn)達(dá)標(biāo)排放上的優(yōu)先性。與之相反的是，新疆和黑龍江的城市家庭人均SO2、NOx排放甚至高于農(nóng)村，反映出前者對集中供熱的普遍依賴造成的高能耗。此外，農(nóng)村居民3種污染物的單位支出排放高達(dá)城市水平的數(shù)十倍，反映出其消費(fèi)水平的不足和消費(fèi)結(jié)構(gòu)的高污染傾向。

3.2.2 排放強(qiáng)度的因素分解

以城、鄉(xiāng)居民人均排放量的全國均值為基準(zhǔn)，利用LMDI模型對全國7大區(qū)域與其之間的差異進(jìn)行分解，各因子的相對貢獻(xiàn)見圖4?？梢姼髦笜?biāo)對農(nóng)村排放的影響與污染物和區(qū)域有關(guān)，因此協(xié)同減排的實(shí)現(xiàn)需在協(xié)調(diào)不同污染物減排重點(diǎn)的基礎(chǔ)上充分體現(xiàn)區(qū)域特征。例如，相比于各因素貢獻(xiàn)的絕對值之和，華北地區(qū)居民的消費(fèi)結(jié)構(gòu)對人均排放的影響占的33.3%—49.4%，以煤炭為主的用能結(jié)構(gòu)對SO2的排放強(qiáng)度影響尤為突出。東北和西北、西南地區(qū)的改善重點(diǎn)都在于完善民用能源價格體系，但后兩者還存在著收入水平偏低對清潔商品能源推進(jìn)的阻礙。華中地區(qū)較重的能源開支負(fù)擔(dān)在一定程度上（25.6%—38.0%）抑制了排放水平，但也對經(jīng)濟(jì)活力產(chǎn)生了一定的負(fù)面影響。

然而考慮到僅以地理分區(qū)為依據(jù)提出的區(qū)域生活污染物減排建議過于粗略，本文根據(jù)各指標(biāo)對省際人均排放差異的貢獻(xiàn)率進(jìn)一步對30個省區(qū)進(jìn)行聚類探討。由上文分析可知，農(nóng)村地區(qū)的PM2.5排放現(xiàn)狀嚴(yán)峻，而城市居民則在SO2和NOx的排放上較突出，因此本文分別以PM2.5和SO2、NOx的排放特征作為各省農(nóng)村和城市排放類型的劃分依據(jù)，采用K均值法進(jìn)行聚類（見表5），并提出對應(yīng)的政策建議。

3.2.2.1 農(nóng)村排放（PM2.5）的主導(dǎo)因素聚類

（1）均衡清潔型。集中在長三角和珠三角地區(qū)。特點(diǎn)是較高的家庭收入削弱了對傳統(tǒng)固體燃料的依賴，促進(jìn)了家庭供能系統(tǒng)的現(xiàn)代化。對這類經(jīng)濟(jì)較發(fā)達(dá)地區(qū)可進(jìn)一步強(qiáng)化居民的節(jié)能意識，大力推廣沼氣、太陽能等可再生能源建設(shè)以及節(jié)能家電下鄉(xiāng)。

（2）排放因子主導(dǎo)型。包括河南和湖南兩個中部省份。特點(diǎn)是對商品和非商品能源的需求較平衡，因此能源均價對排放的影響較弱，取而代之的是排放因子。作為農(nóng)業(yè)大省，河南的小麥產(chǎn)量和湖南的水稻產(chǎn)量分別占其2014年糧食總產(chǎn)量的58.4%和92.7%，因此河南需加速秸稈轉(zhuǎn)化加工技術(shù)的應(yīng)用以降低綜合排放因子，而湖南的低人均排放在很大程度上是由農(nóng)民較低的收入造成的，能源扶貧是改善其環(huán)境和經(jīng)濟(jì)條件的有效舉措。

（3）能源價格和消費(fèi)結(jié)構(gòu)主導(dǎo)型I。包括京津冀地區(qū)以及山東和新疆。這些地區(qū)的農(nóng)村家庭人均商品能源用量較高，例如華北地區(qū)和山東的農(nóng)村生活人均耗電量比全國均值高52%，前者的煤炭供能占比更高達(dá)全國平均水平的2.68倍，能源價格和能耗開支占比都較高。因此改善重點(diǎn)在于通過降低能耗緩解居民用能負(fù)擔(dān)。建議一方面嚴(yán)控散煤燃燒，另一方面通過推廣高效家用爐具等方式切實(shí)提高供能效率，并在條件較好的地區(qū)結(jié)合補(bǔ)貼擴(kuò)大煤改電/氣和組合采暖等方式的應(yīng)用。

（4）能源價格和消費(fèi)結(jié)構(gòu)主導(dǎo)型II。包括中西部大部分糧食主產(chǎn)省區(qū)。這些地區(qū)農(nóng)作物殘余被大量用作廉價能源直接燃燒，因此能源均價偏低，能源消費(fèi)負(fù)擔(dān)不重。

以湖北為例，雖然較低的能源開銷使其人均PM2.5排放比全國均值低48.7%，但同時偏低的能源平均價又造成68.2%的增量，因此減排重點(diǎn)在于提高商品能源普及率。建議一方面加強(qiáng)農(nóng)村電網(wǎng)改造、液化氣服務(wù)站等基礎(chǔ)設(shè)施建設(shè)力度，另一方面加大對生物質(zhì)成型燃料鍋爐供熱、秸稈沼氣生產(chǎn)等技術(shù)的扶持，從而實(shí)現(xiàn)家庭能源的商品化和清潔化。

（5）高污染型I。涵蓋大部分西北省份以及山西和貴州。此類地區(qū)多為資源型省份，經(jīng)濟(jì)狀況在全國處于下游水平，居民的消費(fèi)能力不足但煤炭和生物質(zhì)燃料的使用水平都較高。因此減排初期以限制散煤為主，同時補(bǔ)貼清潔爐灶和優(yōu)質(zhì)煤。之后要加快對農(nóng)村太陽能、沼氣、小水電等替代能源的開發(fā)和投資力度，打破煤炭的優(yōu)勢地位。

（6）高污染型Ⅱ。包含東北三省。傳統(tǒng)生物質(zhì)的供能份額高達(dá)80%左右，人均麥稈燃燒量是全國平均水平的1.5倍，因此家用能源價格偏低是造成高污染的首要原因。一方面要充分利用其自然資源優(yōu)勢推動生物質(zhì)能的有效清潔利用，另一方面需利用其農(nóng)村家庭的收入相對優(yōu)勢推廣節(jié)能炕/爐和沼氣、電力供熱，從而提高采暖效率，實(shí)現(xiàn)人均能耗的進(jìn)一步下降。

3.2.2.2 城市排放（SO2和NOx）的主導(dǎo)因素聚類

（1）均衡清潔型。包括華東大部分省份以及北京、天津和海南。大部分地區(qū)人均收入高于全國均值，較高的城市化水平使得居民消費(fèi)能力強(qiáng)、清潔燃料覆蓋度高。電熱生產(chǎn)企業(yè)排放標(biāo)準(zhǔn)嚴(yán)格、末端處理和技術(shù)創(chuàng)新水平較高。但同時人均用電和家用車油耗也顯著高于其他地區(qū)。海南雖然發(fā)展水平不及此類別其他省市，但作為地處熱帶、缺乏煤炭資源的旅游觀光海島，對化石燃料依賴較小，發(fā)電結(jié)構(gòu)相對均衡。建議打造節(jié)能社區(qū)、控制私家車數(shù)量并鼓勵使用新能源汽車。

（2）能源價格主導(dǎo)型。包括廣西、江西和湖南。收入和消費(fèi)水平較低，但能源平均價格卻顯著高于其他同等發(fā)展層次的省市。人均電力和煤炭用量比全國均值低10.5%和51.2%，因此排放強(qiáng)度不高。然而考慮到這種被動式減排引起的經(jīng)濟(jì)負(fù)擔(dān)會在一定程度上造成能源貧困，從而影響居民生活質(zhì)量，因此建議采用錯峰用電、分時段計(jì)價等方式，在保持或適當(dāng)下調(diào)當(dāng)前價格的基礎(chǔ)上注重能效提升。還需加強(qiáng)對節(jié)能建筑和低碳社區(qū)的投入，通過提高收入和綠色消費(fèi)意愿促進(jìn)主動減排。

（3）排放因子和能耗結(jié)構(gòu)主導(dǎo)型I。四川、重慶和青海作為我國西部重要的能源戰(zhàn)略地區(qū)，天然氣儲量豐富且價格相對較低，在城市居民的日常用能中約占62%。社會發(fā)展水平還有待提高，減排技術(shù)仍然是制約其城市居民人均排放進(jìn)一步下降的短板。尤其是四川和重慶，火電的SO2平均排放因子（5.97g/kwh）約為全國平均水平的2倍。因此，在電力供給側(cè)，需加強(qiáng)企業(yè)的末端處理技術(shù)，同時提高水電、光伏、風(fēng)電等可再生電力在居民用電結(jié)構(gòu)中占比；在電力需求端，通過階梯電價等方式抑制過度消費(fèi)、鼓勵使用高能效電器。

（4）排放因子和能耗結(jié)構(gòu)主導(dǎo)型II。包括中部的河南、湖北兩省及西部的貴州、云南和陜西省。特點(diǎn)是相對落后的經(jīng)濟(jì)發(fā)展水平不利于先進(jìn)治理措施的投資、引入和實(shí)施。此外在清潔能源資源稟賦上的劣勢一方面使得散煤燃燒更多，另一方面導(dǎo)致煤電的市場份額大，特別是在貴州、河南和陜西這樣的富煤省份。建議立足于家庭能源消費(fèi)結(jié)構(gòu)的優(yōu)化，淘汰劣質(zhì)煤，并從管網(wǎng)鋪設(shè)等基礎(chǔ)設(shè)施建設(shè)和燃?xì)庋a(bǔ)貼等方面大力推進(jìn)天然氣入戶。同時提高電力行業(yè)排放標(biāo)準(zhǔn)并保證除塵脫硫脫硝的嚴(yán)格落實(shí)。

（5）高污染型I。包括河北、山西、甘肅和東北三省。人均煤炭、柴油能耗量大，同時電、熱需求量大但控排力度不足。能源價格雖偏低，但不合理的能源結(jié)構(gòu)仍造成該類型城市居民一定的經(jīng)濟(jì)負(fù)擔(dān)。改善重點(diǎn)是在降低居民用能成本的基礎(chǔ)上限制散煤燃燒，即通過完善補(bǔ)貼機(jī)制推動燃煤的清潔能源改造、提升煤質(zhì)和油品，同時通過產(chǎn)業(yè)綠色升級提高居民收入。

（6）高污染型Ⅱ。集中在華北和西北地區(qū)。該類型省份的主要污染源是集中供熱導(dǎo)致的間接排放，家用能源平均價格顯著低于其他北方省份，因此開支負(fù)擔(dān)并不重。建議適當(dāng)減少對居民供暖補(bǔ)貼，以公平和節(jié)能為原則建立健全居民用電用熱的價格機(jī)制，并通過余熱利用、供熱管網(wǎng)改造等措施提高供熱效率。

4 結(jié)論與討論

4.1 結(jié)論

當(dāng)前我國居民的直接生活能源消費(fèi)在總量上快速增加但在質(zhì)量和結(jié)構(gòu)上仍存在明顯短板，導(dǎo)致的大氣污染物排放對區(qū)域空氣質(zhì)量的影響日趨顯著，存在較大的節(jié)能減排空間。在“十三五”期間關(guān)于開展城鄉(xiāng)住戶散煤治理、加速發(fā)展農(nóng)村可再生能源等一系列重大規(guī)劃的背景下，本文核算了1992—2014年我國城、鄉(xiāng)居民直接生活用能引起的PM2.5、SO2和NOx排放的變化趨勢，從時間和空間、城市和農(nóng)村，以及國家和區(qū)域等不同層面，以效應(yīng)分解的視角定量識別排放驅(qū)動力，以期為提高生活部門大氣污染排放治理政策的有效性和科學(xué)性提供參考依據(jù)。主要結(jié)論如下：

（1）1992—2014年我國城鄉(xiāng)居民直接用能導(dǎo)致的PM2.5排放量中超過80%來自于農(nóng)村傳統(tǒng)固體燃料燃燒，22年間僅下降5.2%，且主要減排貢獻(xiàn)來自城市；SO2和NOx排放量分別增加28.7和175.9萬t。華北和東北地區(qū)3種污染物的人均排放分別是全國均值的1.7、2.5和2.3倍，是未來生活供能系統(tǒng)改造的重點(diǎn)。農(nóng)村居民的排放強(qiáng)度遠(yuǎn)高于城市，能源和消費(fèi)結(jié)構(gòu)亟待改善。

（2）基于LMDI模型將城、鄉(xiāng)居民生活用能的大氣污染物排放量變化分解為排放因子、能耗結(jié)構(gòu)、能源消費(fèi)強(qiáng)度（平均價格）、消費(fèi)結(jié)構(gòu)、消費(fèi)意愿、人均收入、城市化率和總?cè)丝?個因素。其中人均收入和能源平均價格是首要驅(qū)動因素，在22年間使得PM2.5、SO2和NOx排放量累積改變787.2、570.8、363.2萬t和-425.7、-404.6、-192.6萬t。其中城市生活排放的價格彈性相較于農(nóng)村排放更明顯，而后者對收入變化更敏感。人口數(shù)量的正影響不斷削弱。城市化率在增加城市居民排放量的同時減少了農(nóng)村排放，促進(jìn)了城市要素的集聚和用能方式的高效清潔轉(zhuǎn)變，因此總體減排效應(yīng)日益突出。消費(fèi)結(jié)構(gòu)的升級有助于同時提高環(huán)境和生活質(zhì)量，需配合居民增收和能效提升；消費(fèi)意愿的不足雖然使得3種污染物的排放下降2.4%—9.1%，但并不利于長期可持續(xù)減排。排放因子和能耗結(jié)構(gòu)的影響與污染物類型有關(guān)，對于PM2.5可通過爐灶的改進(jìn)和燃料的清潔化利用降低其排放因子，而在今后以商品能源為主的能源結(jié)構(gòu)下，NOx的排放量仍將持續(xù)一段時間的增長。

（3）我國城、鄉(xiāng)居民生活用能的污染物排放存在明顯地域差異。分別依據(jù)各影響因素對鄉(xiāng)村PM2.5人均排放，以及城市SO2和NOx人均排放空間差異的貢獻(xiàn)，對各省進(jìn)行污染類型聚類并提出針對性減排建議。城市和農(nóng)村地區(qū)可被分別歸為清潔均衡型、能源價格主導(dǎo)型和高污染型等六種類型，減排政策的制定和實(shí)施需根據(jù)主導(dǎo)因素類型因地制宜。總體上在經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)以政府補(bǔ)貼、降低清潔能源使用成本為主，結(jié)合能源扶貧優(yōu)化能源需求結(jié)構(gòu)；在經(jīng)濟(jì)較發(fā)達(dá)地區(qū)以提高能源利用率為主，可深入推廣節(jié)能家電，提高沼氣和分布式發(fā)電等可再生能源的使用率和認(rèn)可度，提高自主節(jié)能減排意識。

4.2 討論

已有的污染物減排研究大多以工業(yè)和貿(mào)易等經(jīng)濟(jì)部門或多部門整體為研究對象，并直接使用《中國環(huán)境統(tǒng)計(jì)年鑒》的排放數(shù)據(jù)進(jìn)行分析。本文則立足于居民生活部門，在建立城、鄉(xiāng)能源消費(fèi)和3種霧霾關(guān)鍵污染物排放清單的基礎(chǔ)上，從國家和省域角度分別分析排放總量動態(tài)變化和人均排放空間差異的作用因素，從而為科學(xué)評估并實(shí)現(xiàn)《大氣污染防治行動計(jì)劃》中民用源的減排奠定基礎(chǔ)。然而，由于LMDI方法和數(shù)據(jù)連續(xù)性、可得性方面的限制，本文在研究深度上還可以從以下兩方面進(jìn)行拓展：第一，結(jié)合國內(nèi)相關(guān)研究組的家庭能源調(diào)查和污染物排放因子的實(shí)地測量結(jié)果，盡可能構(gòu)建省級多年排放的面板數(shù)據(jù)，繼而構(gòu)建空間計(jì)量模型進(jìn)行空間相關(guān)分析和排放彈性系數(shù)估計(jì)，深化因素分解分析的理論價值。第二，結(jié)合結(jié)構(gòu)分解（SDA）和投入產(chǎn)出分析計(jì)算內(nèi)涵污染物排放，將居民生活的間接排放考慮入內(nèi)，從而從完全排放的角度探討居民類型及其消費(fèi)結(jié)構(gòu)對污染的影響。

參考文獻(xiàn)（References）

[1]CHEN Y C， SHENG F， LIUW J， et al. Field measurement and estimate of gaseous and particle pollutant emissions from cooking and space heating processes in rural households， northern China[J]. Atmospheric environment， 2016， 125， Part A： 265-271.

[2]張曉娣. 增長、就業(yè)及減排目標(biāo)約束下的產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化研究[J].中國人口·資源與環(huán)境， 2014，24（5）： 57-65.[ZHANG Xiaodi. Optimal industrial structure with carbon emission， GDP growth and employment targets[J]. China population， resources and environ-ment， 2014， 24（5）： 57-65.]

[3]樊杰， 李平星. 基于城市化的中國能源消費(fèi)前景分析及對碳排放的相關(guān)思考[J].地球科學(xué)進(jìn)展， 2011， 26（1）：57-65.[FAN Jie， LI Pingxing. Analysis on the future energy consumption and preliminary discussion on carbon emission of China from the perspective of urbanization[J]. Advances in earth science， 2011， 26（1）： 57-65.]

[4]崔一瀾，劉毅，諸葛承祥. 城市居民生活能源消費(fèi)研究進(jìn)展綜述[J]. 中國人口·資源與環(huán)境，2016，26（12）： 117-124.[CUI Yilan， LIU Yi， ZHUGE Chengxiang. Review of studies on energy consumption of urban households[J]. China population， resources and environment， 2016， 26（12）： 117-124.]

[5]LEI Y， ZHANG Q， HE K B， et al. Primary anthropogenic aerosol emission trends for China， 1990-2005[J]. Atmospheric chemistry and physics， 2011， 11（3）： 931-954.

[6]LI J B， HUANG X， YANG H， et al. Situation and determinants of household carbon emissions in Northwest China[J]. Habitat international， 2016， 51： 178-187.

[7]ZHANG J J， SMITH K R. Household air pollution from coal and biomass fuels in China： measurements， health impacts， and interventions[J].Environmental health perspectives， 2007， 115（6）： 848-55.

[8]LPEZ-APARICIO S， GUEVARA M， THUNIS P， et al. Assessment of discrepancies between bottom-up and regional emission inventories in Norwegian urban areas[J]. Atmospheric environment， 2017， 154： 285-296.

[9]HAAS R. Energy efficiency indicators in the residential sector[J]. Energy policy， 1997， 25（7）： 789-802.

[10]Organization for Economic Co-operation and Development （OECD）. Household behavior and the environment： reviewing the evidence （2008b）[R]. Paris： OECD， 2008.

[11]ACHO C， SCHAEFFER R. Decomposition analysis of the variations in residential electricity consumption in Brazil for the 1980-2007 period： measuring the activity， intensity and structure effects[J]. Energy policy， 2009， 37（12）： 5208-5220.

[12]SHEN G F， LIN W W， CHEN Y C， et al. Factors influencing the adoption and sustainable use of clean fuels and cookstoves in China-a Chinese literature review[J]. Renewable and sustainable energy reviews， 2015， 51： 741-750.

[13]MIAO L. Examining the impact factors of urban residential energy consumption and CO2 emissions in China： evidence from city-level data[J]. Ecological indicators， 2017， 73： 29-37.

[14]FUMO N， RAFE B M A. Regression analysis for prediction of residential energy consumption[J]. Renewable and sustainable energy reviews， 2015， 47： 332-343.

[15]ZHANG M， GUO F Y. Analysis of rural residential commercial energy consumption in China[J]. Energy， 2013， 52： 222-229.

[16]ZHANG M，SONG Y， LI P， et al. Study on affecting factors of residential energy consumption in urban and rural Jiangsu[J]. Renewable and sustainable energy reviews， 2016， 53： 330-337.

[17]SU B， ANG B W. Multi-region comparisons of emission performance： The structural decomposition analysis approach[J]. Ecological indicators， 2016， 67： 78-87.

[18]GUAN D B， SU X， ZHANG Q， et al. The socioeconomic drivers of Chinas primary PM2.5 emissions[J]. Environmental research letters， 2014， 9（2）.

[19]LYU W， LI Y， GUAN D B， et al. Driving forces of Chinese primary air pollution emissions： an index decomposition analysis[J]. Journal of cleaner production， 2016， 133： 136-144.

[20]ZHANG Y， WANG H， LIANG S， et al. A dual strategy for controlling energy consumption and air pollution in Chinas metropolis of Beijing[J]. Energy， 2015， 81： 294-303.

[21]CELLURA M， LONGO S， MISTRETTA M. Application of the structural decomposition analysis to assess the indirect energy consumption and air emission changes related to Italian households consumption[J]. Renewable and sustainable energy reviews， 2012， 16（2）： 1135-1145.

[22]WANG R， TAO S， WANG W T， et al. Black carbon emissions in China from 1949 to 2050[J]. Environmental science & technology， 2012， 46（14）： 7595-7603.

[23]SHEN H Z， TAO S， WANG R， et al. Global time trends in PAH emissions from motor vehicles[J]. Atmospheric environment， 2011， 45（12）： 2067-2073.

[24]國家統(tǒng)計(jì)局能源統(tǒng)計(jì)司. 中國能源統(tǒng)計(jì)年鑒（1993-2013）[M]. 北京： 中國統(tǒng)計(jì)出版社， 1993-2013.[Department of Energy Statistics， National Bureau of Statistics of China. China energy statistics yearbook （1993-2013）[M]. Beijing： China Statistics Press， 1993-2013.]

[25]中華人民共和國農(nóng)業(yè)部. 中國農(nóng)業(yè)統(tǒng)計(jì)資料（1993-2013）[M]. 北京： 中國農(nóng)業(yè)出版社， 1993-2013.[The Ministry of Agriculture of the Peoples Republic of China. China agriculture statistical report （1993-2013）[M]. Beijing： China Agriculture Press， 1993-2013.]

[26]農(nóng)業(yè)部科技教育司. 中國農(nóng)村能源年鑒（1997-2008）[M]. 北京： 中國農(nóng)業(yè)出版社， 1997-2008.[The Ministry of Agriculture， Department of Scientific Education. China rural energy statistics yearbook （1997-2008）[M]. Beijing： China Agriculture Press， 1997-2008.]

[27]中國可再生能源協(xié)會. 中國新能源與可再生能源年鑒（2009）[M]. 北京： 中國可再生能源協(xié)會， 2009.[Chinese Renewable Energy Industry Association. China new energy and renewable energy yearbook （2009）[M]. Beijing： Chinese Renewable Energy Industry Association， 2009.]

[28]仇煥廣， 嚴(yán)健標(biāo)， 江穎， 等. 中國農(nóng)村可再生能源消費(fèi)現(xiàn)狀及影響因素分析[J].北京理工大學(xué)學(xué)報（社會科學(xué)版）， 2015， 17（3）： 10-15.[QIU Huanguang， YAN Jianbiao， JIANG Ying， et al.Renewable energy consumption in rural China： current situation and major driven factors[J]. Journal of Beijing Institute of Technology（social sciences edition）， 2015， 17（3）： 10-15.]

[29]中華人民共和國國家統(tǒng)計(jì)局. 中國統(tǒng)計(jì)年鑒（1993-2013）[M]. 北京： 中國統(tǒng)計(jì)出版社， 1993-2013.[National Bureau of Statistics of the Peoples Republic of China. China statistical yearbook （1993-2013）[M].Beijing： China Statistics Press， 1993-2013.]

[30]HUANG Y， SHEN H Z， CHEN H， et al. Quantification of global primary emissions of PM2.5， PM10， and TSP from combustion and industrial process sources[J]. Environmental science & technology， 2014， 48（23）： 13834-13843.