中國生活能源消費的典型污染物排放及驅動因素研究

陳菡+於世為

摘要 家庭能源消費在我國碳減排戰略中的地位日益突出，但作為改善室內外大氣污染和人群健康的重要抓手，其全面評估和系統對策卻仍十分缺乏。為此，本文以PM2.5、SO2和NOx這3種決定霧霾形成的關鍵污染物為研究對象，建立1992—2014年我國城鄉居民生活部門的排放清單。在此基礎上利用對數平均迪氏分解（LMDI）模型分別對全國排放總量的動態變化和各省人均排放的空間差異進行驅動因素分析，從家庭（收入、消費意愿和能耗開支）、社會（能源價格和城市化率）和技術（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險。②人均排放高值區集中在華北和東北，北京、四川、重慶、江蘇和福建的農村排放突出，而新疆和黑龍江的城市SO2和NOx排放水平高于農村，表現出較明顯的城鄉差異。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向驅動力，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日益明顯。城市生活排放的價格彈性相較于農村排放更明顯，而后者對收入變化更敏感。④城鄉協同減排需要厘清多污染物的減排側重點并體現區域特征。本文根據決定排放空間差異的主導因素將各省農村和城市各自劃分為清潔均衡型、能源價格主導型和高污染型等6種類型，并從優化能源消費結構和生活用能價格體系、提高用能效率和農民收入等多方面提出針對性減排建議。

關鍵詞 生活能源；污染物排放；LMDI模型；驅動因素；減排策略

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

面對《巴黎協定》我國的自主減排承諾，節能已成為全社會各部門的共識并集中體現在《能源發展“十三五”規劃》中。生產部門一直是落實總量和強度控制的重點，就其產業規劃布局和低碳發展路徑都有相當豐富的研究成果[1]。而生活部門的能源消費僅次于工業，作為居民進行采暖、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%。隨著后工業化進程中城市發展和居民生活水平的不斷提升，預計人均生活能源消費量將以約2.5%的年平均增長率保持上升[2]，建筑節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納入嚴格的環境管理體系內，存在著過于依賴缺乏宣傳教育和補貼、指導效果不明顯等問題[3]。環保部于2015年頒布了《民用煤燃燒污染綜合治理技術指南（試行）》，特別強調了散煤使用對污染物排放總量和局地空氣質量不可忽視的負面影響。同時，農村清潔能源比例雖有所提高但步伐緩慢，低品低效傳統燃料的使用造成的嚴重室內污染亟待改善[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的著力點。

1 文獻梳理

作為家庭能源消費的直接后果，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，但在產生機理和控制措施上都存在較大差異。借助化石燃料的消耗統計數據和投入產出分析即可對前者的直接排放和內涵排放進行核算，且很少有研究對生活用能的另一重要組成部分——生物質排放進行專門探討。然而在我國廣大農村及城鄉結合地區，超過一半的廢棄農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的霧霾污染事件引起了公眾和學界的廣泛關注，使得民用燃料的分散燃燒對室內外空氣質量和人群健康的負面影響受到了空前的重視。Li等發現貴州等欠發達省份的家庭固體燃料排放量占比遠高于上海等地，并指出社會經濟發展對生活排放影響方面的還很不足[6]。Zhang and Smith[7]將涉及到我國室內生活燃料污染和健康效應的個案研究進行匯總，認為2007年我國居民用能排放導致42萬過早死亡數，但該數值在快速下降。即使在挪威等北歐發達國家，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，鑒于在排放基礎數據的搜集和統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不及CO2等溫室氣體。

家庭為滿足日常活動而消費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。對于能源消費而言，其影響因素可大致分為社會經濟條件、自然地理氣候條件、行為習慣和政策四方面。Hass[9]根據生活能源消費提供的終端服務類型將民用能耗歸納為代表性指標的金字塔體系，且大部分驅動力歸屬于人口、氣候、技術、生活方式和結構五大因素。其他間接影響因子包括經濟水平和個體特征等，前者的非直接驅動作用最突出。OECD的研究指出收入水平的提高一方面帶動了能源消費，另一方面則有助于居民消費結構和整體能源結構的低碳化，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和排放特征是污染物排放的另一重要驅動力，例如Shen等[12]指出市場發展和財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境質量下降也會對社會綜合經濟發展產生負面效應。氣候、地理和資源稟賦等自然環境因素則在很大程度上決定了排放的空間異質性。在研究方法上，Fumo等[14]和Zhang等[15]分別從統計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、面板回歸計量和分解分析等。國內學者還將兩種方法結合以適應我國實際情況，并在城市化、人口密度、政策影響和協整分析中得到了充分應用。近年來分解分析法被廣泛應用于家庭碳排放動態變化的內因研究，包括基于投入產出分析的結構分解（SDA）和基于Kaya恒等式的指數分解（IDA）模型[16]。Su and Ang[17]對近十年來使用兩種方法的相關研究進行對比，認為IDA更適用于靈活分析直接效應，并指出對數迪氏分解（LMDI）在分解完全度、零值處理和因子數目限制上的優勢。然而，除碳排放外，驅動力的定量研究在其他污染物排放上的拓展有限，一般集中于工業和貿易，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排放進行了環境投入產出分析，認為工業生產效率提升等技術進步效應對PM2.5的減排作用可抵消經濟進步造成的排放增加。Lyu等[19]將污染物的種類范圍擴大，利用LMDI法從部門角度探討了排放強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，識別了高能耗工業部門和產業結構的關鍵影響。針對民用污染物排放的研究僅見于意大利[21]等個別發達國家。

基于以上文獻評述，可知當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，結合我國鮮明的地域和城鄉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、環境管理。因此，本文針對我國城市和農村生活能源消費建立了霧霾關鍵污染物種的（PM2.5、SO2和NOx）排放清單，并運用LMDI模型分別對國家級排放總量的時間動態和省級人均排放的空間差異進行驅動因素分解。與前人研究相比，本研究有以下深入和創新：第一，將一般生活能源的分解模型擴展到八因素，同時區分了化石燃料和電、熱等商品能源和生物質非商品能源，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、鄉居民的排放特征，從時間、空間和污染物類型上對排放驅動因子進行了多層次的系統分析，有助于明確城鄉統籌規劃、多污染物共減排的方向和途徑；第三，依據排放空間差異的分解結果對各省區的城、鄉污染類型進行劃分，為生活部門節能降污的區域策略提供針對性建議。

2 研究方法

2.1 污染物排放量計算

污染物的排放量常采用排放因子法進行測算（公式（1））。生活能源包括一次能源（化石燃料和生物質）和二次能源（電、熱），其排放因子的數據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。計算時根據火電廠的發電燃料結構和發電量確定發電效率，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

村家用燃料時的排放因子與主要農作物類型有關，結合農作物產量和草谷比等參數可估算其平均排放因子[22]。第三，考慮到技術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準和限值，且家用爐灶的改進情況缺乏數據，因此只考慮前兩者的排放因子動態變化。第四，在進行排放量計算并與文獻對比時，采用蒙特卡洛法估計不確定性。認為排放因子服從對數正態分布，生活能耗服從均勻分布，運行5 000次后以四分位數范圍表示排放量的不確定性區間。分布參數選取見Shen等[23]。

2.3 數據來源與處理

2.3.1 能耗和其他社會經濟數據

本文中城市和農村居民生活的商品能源消費數據來自于《中國能源統計年鑒》（1993—2015）[24]。生物質燃料包括秸稈、薪柴和沼氣，前兩者來自于《中國農業統計資料》（1993—2015）[25]《中國農村能源年鑒》（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]的研究結果整合?？紤]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據來自于《中國統計年鑒》，以“水電燃料及其他”條目中的現金消費表示[29]。農村居民的能源開支數據根據《中國農村住戶調查年鑒》（1993—2010），并結合《中國統計年鑒》中“居民消費價格分類指數”整理得到。生活消費、城市居民人均可支配收入、農村居民人均純收入以及城鄉人口數量均來自于《中國統計年鑒》，都以1992年不變價格計算。

2.3.2 排放因子

由于民用各燃料的排放因子與燃料質量、燃燒條件和污染控制技術的實施等多種因素有關，且目前并沒有相應的燃燒技術規范和強制標準，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指南》和國內文獻搜集[30]，并以幾何均值表示（表1）。此外，采用技術分類S曲線法對電熱生產和機動車用油的排放因子進行動態處理，相關參數選取參考Shen等[23]，代表性年份的排放因子見表2。

3 結果分析

3.1 全國城鄉居民生活用能排放的時間動態及驅動因素分析

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總量保持平穩，城、鄉人均能耗分別下降26.1%和5.3%。這可能是因為1995—2000年國家原煤產量有所縮減，尤其是受到亞洲金融危機的影響，我國暫停了一些地方電廠和煤礦的審批。22年間秸稈、薪柴和煤炭在農村居民用能中始終占據重要地位，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%持續上升至37%。但與日益多元均衡的城市居民用能格局相比，農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、低成本和低效率的固體燃料仍然是導致廣大農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

建立相對準確的排放清單是開展排放現狀和控制研究的基礎。為此將本文計算結果與已有文獻中生活部門排放進行對比，并采用蒙特卡洛法估計不確定性區間，結果見圖2。需要注意的是，由于居民電力、熱力消費引起的排放產生于火電廠發電，而非家庭所在地，所以已有的排放清單文獻中“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。比較結果顯示了可接受偏差范圍內較高的吻合度。

PM2.5、SO2和NOx城、鄉排放總量及組成的動態變化見表2。對于PM2.5排放而言，農村地區經歷了先下降后上升而后再下降的過程，但始終占據全國總排放的80%左右。這是因為煤炭作為低檔燃料自2000年后迅速退出城市居民的生活，轉而成為農村家庭最重要的商品能源。此后隨著“十二五”期間農村居民能源建設的深化，顆粒物的減排成效逐漸顯現，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NOx排放在研究時間段內都持續增加，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，居民直接能源消費活動產生的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成轉變，農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同減排，需輔以電、熱供給側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動因素分析

定量評估各因素對污染物排放的作用是設計減排方案的基礎。為此，利用LMDI模型分解出各指標對3種污染物排放變動的貢獻量（圖3）。人均收入和能源消費強度（平均價格）分別是影響生活用能排放最重要的促進和抑制因素，其中SO2和NOx的排放更多受正向驅動作用，所以在研究時間段內都有不同程度的增長。而對于PM2.5 而言，這兩種主導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一步估算城、鄉排放的收入彈性，結果顯示城市NOx排放對收入的敏感度高于農村，而農村PM2.5和SO2排放受收入影響程度大于城市。結合各污染物的排放源貢獻可知，該現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，而農村居民則以增加煤炭等固體商品燃料消費為主。

人口是僅次于收入水平的第二大排放驅動力，但其增長率由1992年的1.2%持續降至2014年的0.5%，即對民用排放的推動效應將進一步弱化。與人口相關的另一因素是城市化率，農村勞動力向城市的大批遷移造成用能強度的增加和生活方式的轉變，對城市供能系統和大氣環境質量都造成了相當大的壓力。2014年城鎮人口占比為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定，但對NOx的排放促進作用卻有所增強。說明城市化進程中公共資源更加充分合理的利用、高質高效燃料的普及可在一定程度上緩解能耗總量上升導致的PM2.5和SO2排放，但對NOx排放的抑制還并不明顯。人口的流出對農村居民PM2.5、SO2和NOx的減排效應都逐年加強，22年間分別累積削減202.3、89.1和66.0萬t。

能源消費強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。22年間能源平均價格在城市和農村分別上漲了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的作用，且在各負向因子中具有最強的減排效應。3種污染物的城市排放價格彈性（-0.33，-0.42，-0.71）高于農村（-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定的用能結構和不斷推進的水、電、氣價格改革有關。

污染物的排放因子隨技術進步和能耗結構優化而不斷下降，是控制民用排放的重要因素，總體上對城市和農村減排總量的貢獻分別為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（FGD）的安裝使用率從2000年的2.0%快速提高至2010年的85.8%[49]。因此相比于農村，電力消費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的減排效應相對較弱。

消費意愿以人均開支與收入的比值表示。研究期間內城市家庭的消費傾向逐年緩慢下降，使得PM2.5、SO2和NOx的排放量分別下降10.7%、17.8%和41.4%。消費意愿的減弱反映出消費者對經濟環境的信心和消費動力不足。這主要是由于我國正處于深化改革階段，地區、行業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潛力并未被全面開發。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。農村家庭的消費意愿則經歷了先降后升的過程，并從2004年起開始超越城市，說明廣大農民在消費觀念和消費能力上都有較大提升，導致3種污染物的減排效果（2.5%、3.6%和3.2%）低于城市。

消費結構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，燃料價格指數的增速高于同期的CPI，但隨著收入和消費水平的提升，能源開支占比經初期的增長后自2004年開始下降，即對污染物排放的影響力在不斷變弱，最終分別使PM2.5、SO2和NOx的總排放增加24.1、40.6和16.8萬t。農村居民的消費結構在研究階段前期對排放的影響為負值，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生明顯變化。

對于PM2.5一類以傳統固體燃料不完全燃燒為主要排放源的污染物而言，能源消費結構的優化具有顯著的減排效果。但由于農村家庭中生物質和燃煤的供能主體地位并未發生明顯轉變，該因素對農村排放量的影響力低于城市。對于SO2而言，城市地區煤炭用量削減的降排作用超過電力消費的正效應，因此造成5.2%的降幅；而農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60.8%。

3.2 城鄉居民污染物排放強度的空間異質性分析

我國各地在地理氣候、資源稟賦、社會經濟發展條件和居民用能習慣上的差異充分反映在上述指標中，決定了居民用能及排放特征的空間異質性。鑒于目前卻無法搜集到各省分能源類型的連續多年排放因子數據，分省的非商品燃料統計數據更是缺乏，本文以2013年（具有分省生活能耗年鑒統計數據的最近一年）為代表，估算我國30個省份（港澳臺和西藏由于缺乏數據而未納入統計范圍）城市和農村居民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3種污染物的城、鄉人均排放情況見表4。可見PM2.5的農村家庭排放水平遠高于城市，而SO2和NOx的城、鄉人均排放量基本可比。城市和農村3種污染物的排放強度高值區都主要集中于東北和華北，尤其是能源大省內蒙古。農村的排放熱點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度則呈現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還與農作物資源分布具有一致性。就城、鄉差異而言，海南、四川、重慶等地的農村PM2.5人均排放與城市相比較突出，而北京、福建和江蘇等發達地區的SO2和NOx排放也存在類似不均衡現象，反映出這些省份的城市作為核心功能區在家用清潔能源和電力生產達標排放上的優先性。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，農村居民3種污染物的單位支出排放高達城市水平的數十倍，反映出其消費水平的不足和消費結構的高污染傾向。

3.2.2 排放強度的因素分解

以城、鄉居民人均排放量的全國均值為基準，利用LMDI模型對全國7大區域與其之間的差異進行分解，各因子的相對貢獻見圖4?？梢姼髦笜藢r村排放的影響與污染物和區域有關，因此協同減排的實現需在協調不同污染物減排重點的基礎上充分體現區域特征。例如，相比于各因素貢獻的絕對值之和，華北地區居民的消費結構對人均排放的影響占的33.3%—49.4%，以煤炭為主的用能結構對SO2的排放強度影響尤為突出。東北和西北、西南地區的改善重點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的阻礙。華中地區較重的能源開支負擔在一定程度上（25.6%—38.0%）抑制了排放水平，但也對經濟活力產生了一定的負面影響。

然而考慮到僅以地理分區為依據提出的區域生活污染物減排建議過于粗略，本文根據各指標對省際人均排放差異的貢獻率進一步對30個省區進行聚類探討。由上文分析可知，農村地區的PM2.5排放現狀嚴峻，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村和城市排放類型的劃分依據，采用K均值法進行聚類（見表5），并提出對應的政策建議。

3.2.2.1 農村排放（PM2.5）的主導因素聚類

（1）均衡清潔型。集中在長三角和珠三角地區。特點是較高的家庭收入削弱了對傳統固體燃料的依賴，促進了家庭供能系統的現代化。對這類經濟較發達地區可進一步強化居民的節能意識，大力推廣沼氣、太陽能等可再生能源建設以及節能家電下鄉。

（2）排放因子主導型。包括河南和湖南兩個中部省份。特點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。作為農業大省，河南的小麥產量和湖南的水稻產量分別占其2014年糧食總產量的58.4%和92.7%，因此河南需加速秸稈轉化加工技術的應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民較低的收入造成的，能源扶貧是改善其環境和經濟條件的有效舉措。

（3）能源價格和消費結構主導型I。包括京津冀地區以及山東和新疆。這些地區的農村家庭人均商品能源用量較高，例如華北地區和山東的農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。因此改善重點在于通過降低能耗緩解居民用能負擔。建議一方面嚴控散煤燃燒，另一方面通過推廣高效家用爐具等方式切實提高供能效率，并在條件較好的地區結合補貼擴大煤改電/氣和組合采暖等方式的應用。

（4）能源價格和消費結構主導型II。包括中西部大部分糧食主產省區。這些地區農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，能源消費負擔不重。

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，因此減排重點在于提高商品能源普及率。建議一方面加強農村電網改造、液化氣服務站等基礎設施建設力度，另一方面加大對生物質成型燃料鍋爐供熱、秸稈沼氣生產等技術的扶持，從而實現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。此類地區多為資源型省份，經濟狀況在全國處于下游水平，居民的消費能力不足但煤炭和生物質燃料的使用水平都較高。因此減排初期以限制散煤為主，同時補貼清潔爐灶和優質煤。之后要加快對農村太陽能、沼氣、小水電等替代能源的開發和投資力度，打破煤炭的優勢地位。

（6）高污染型Ⅱ。包含東北三省。傳統生物質的供能份額高達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勢推動生物質能的有效清潔利用，另一方面需利用其農村家庭的收入相對優勢推廣節能炕/爐和沼氣、電力供熱，從而提高采暖效率，實現人均能耗的進一步下降。

3.2.2.2 城市排放（SO2和NOx）的主導因素聚類

（1）均衡清潔型。包括華東大部分省份以及北京、天津和海南。大部分地區人均收入高于全國均值，較高的城市化水平使得居民消費能力強、清潔燃料覆蓋度高。電熱生產企業排放標準嚴格、末端處理和技術創新水平較高。但同時人均用電和家用車油耗也顯著高于其他地區。海南雖然發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，發電結構相對均衡。建議打造節能社區、控制私家車數量并鼓勵使用新能源汽車。

（2）能源價格主導型。包括廣西、江西和湖南。收入和消費水平較低，但能源平均價格卻顯著高于其他同等發展層次的省市。人均電力和煤炭用量比全國均值低10.5%和51.2%，因此排放強度不高。然而考慮到這種被動式減排引起的經濟負擔會在一定程度上造成能源貧困，從而影響居民生活質量，因此建議采用錯峰用電、分時段計價等方式，在保持或適當下調當前價格的基礎上注重能效提升。還需加強對節能建筑和低碳社區的投入，通過提高收入和綠色消費意愿促進主動減排。

（3）排放因子和能耗結構主導型I。四川、重慶和青海作為我國西部重要的能源戰略地區，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%。社會發展水平還有待提高，減排技術仍然是制約其城市居民人均排放進一步下降的短板。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，需加強企業的末端處理技術，同時提高水電、光伏、風電等可再生電力在居民用電結構中占比；在電力需求端，通過階梯電價等方式抑制過度消費、鼓勵使用高能效電器。

（4）排放因子和能耗結構主導型II。包括中部的河南、湖北兩省及西部的貴州、云南和陜西省。特點是相對落后的經濟發展水平不利于先進治理措施的投資、引入和實施。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結構的優化，淘汰劣質煤，并從管網鋪設等基礎設施建設和燃氣補貼等方面大力推進天然氣入戶。同時提高電力行業排放標準并保證除塵脫硫脫硝的嚴格落實。

（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，但不合理的能源結構仍造成該類型城市居民一定的經濟負擔。改善重點是在降低居民用能成本的基礎上限制散煤燃燒，即通過完善補貼機制推動燃煤的清潔能源改造、提升煤質和油品，同時通過產業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。該類型省份的主要污染源是集中供熱導致的間接排放，家用能源平均價格顯著低于其他北方省份，因此開支負擔并不重。建議適當減少對居民供暖補貼，以公平和節能為原則建立健全居民用電用熱的價格機制，并通過余熱利用、供熱管網改造等措施提高供熱效率。

4 結論與討論

4.1 結論

當前我國居民的直接生活能源消費在總量上快速增加但在質量和結構上仍存在明顯短板，導致的大氣污染物排放對區域空氣質量的影響日趨顯著，存在較大的節能減排空間。在“十三五”期間關于開展城鄉住戶散煤治理、加速發展農村可再生能源等一系列重大規劃的背景下，本文核算了1992—2014年我國城、鄉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、城市和農村，以及國家和區域等不同層面，以效應分解的視角定量識別排放驅動力，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性提供參考依據。主要結論如下：

（1）1992—2014年我國城鄉居民直接用能導致的PM2.5排放量中超過80%來自于農村傳統固體燃料燃燒，22年間僅下降5.2%，且主要減排貢獻來自城市；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改造的重點。農村居民的排放強度遠高于城市，能源和消費結構亟待改善。

（2）基于LMDI模型將城、鄉居民生活用能的大氣污染物排放量變化分解為排放因子、能耗結構、能源消費強度（平均價格）、消費結構、消費意愿、人均收入、城市化率和總人口8個因素。其中人均收入和能源平均價格是首要驅動因素，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村排放更明顯，而后者對收入變化更敏感。人口數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村排放，促進了城市要素的集聚和用能方式的高效清潔轉變，因此總體減排效應日益突出。消費結構的升級有助于同時提高環境和生活質量，需配合居民增收和能效提升；消費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減排。排放因子和能耗結構的影響與污染物類型有關，對于PM2.5可通過爐灶的改進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構下，NOx的排放量仍將持續一段時間的增長。

（3）我國城、鄉居民生活用能的污染物排放存在明顯地域差異。分別依據各影響因素對鄉村PM2.5人均排放，以及城市SO2和NOx人均排放空間差異的貢獻，對各省進行污染類型聚類并提出針對性減排建議。城市和農村地區可被分別歸為清潔均衡型、能源價格主導型和高污染型等六種類型，減排政策的制定和實施需根據主導因素類型因地制宜。總體上在經濟欠發達地區以政府補貼、降低清潔能源使用成本為主，結合能源扶貧優化能源需求結構；在經濟較發達地區以提高能源利用率為主，可深入推廣節能家電，提高沼氣和分布式發電等可再生能源的使用率和認可度，提高自主節能減排意識。

4.2 討論

已有的污染物減排研究大多以工業和貿易等經濟部門或多部門整體為研究對象，并直接使用《中國環境統計年鑒》的排放數據進行分析。本文則立足于居民生活部門，在建立城、鄉能源消費和3種霧霾關鍵污染物排放清單的基礎上，從國家和省域角度分別分析排放總量動態變化和人均排放空間差異的作用因素，從而為科學評估并實現《大氣污染防治行動計劃》中民用源的減排奠定基礎。然而，由于LMDI方法和數據連續性、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行拓展：第一，結合國內相關研究組的家庭能源調查和污染物排放因子的實地測量結果，盡可能構建省級多年排放的面板數據，繼而構建空間計量模型進行空間相關分析和排放彈性系數估計，深化因素分解分析的理論價值。第二，結合結構分解（SDA）和投入產出分析計算內涵污染物排放，將居民生活的間接排放考慮入內，從而從完全排放的角度探討居民類型及其消費結構對污染的影響。

參考文獻（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、就業及減排目標約束下的產業結構優化研究[J].中國人口·資源與環境， 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前景分析及對碳排放的相關思考[J].地球科學進展， 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研究進展綜述[J]. 中國人口·資源與環境，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]國家統計局能源統計司. 中國能源統計年鑒（1993-2013）[M]. 北京： 中國統計出版社， 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]中華人民共和國農業部. 中國農業統計資料（1993-2013）[M]. 北京： 中國農業出版社， 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]農業部科技教育司. 中國農村能源年鑒（1997-2008）[M]. 北京： 中國農業出版社， 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， 嚴健標， 江穎， 等. 中國農村可再生能源消費現狀及影響因素分析[J].北京理工大學學報（社會科學版）， 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計局. 中國統計年鑒（1993-2013）[M]. 北京： 中國統計出版社， 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.