后疫情時期家庭碳排放變化特征及影響因素分析

王一帆，毛貝寧，梁天寧，郭麗思，杜淑盼，廖丹琦，陳操操 ，張 珺，范振林，劉耕源，4

（1. 北京師范大學環境學院 環境模擬與污染控制國家重點聯合實驗室，北京 100875；2. 北京市生態環境局，北京 100048；3. 中國自然資源經濟研究院，北京 101149；4. 北京市流域環境生態修復與綜合調控工程技術研究中心，北京 100875）

21世紀初，全球就確定了在本世紀中葉前后達成碳中和目標的共同約定，但降碳仍是世界性難題。隨著新冠肺炎疫情暴發，深刻改變了全球生產生活方式，聯合國環境規劃署《2020碳排放差距報告》指出，后疫情時代的綠色復蘇有望大幅降低全球碳排放量，并有助于減緩氣候變化進程[1]。2020年年底，能源與清潔空氣研究中心發表的報告認為，中國的停工和工業生產的下降，已使中國的碳排放量減少了至少1/4，全社會處于被動低碳生活模式[2]。而2021年河北省政府工作報告也指出，在河北省碳達峰行動方案中，單位GDP二氧化碳排放量下降4.2%，并將堅持綠色發展列入2021年及“十四五”期間需要重點抓好的工作[3]。家庭碳排放是碳排放的重要組成部分，對家庭能源消費結構和碳排放情況進行分析研究，可以為更好地達成碳中和目標提供參考和依據，促進該目標的早日實現。

對家庭能耗和碳排放分析的研究可以追溯到20世紀70年代，這些研究把生產和居民對產品的需求聯系起來，并對某一產品的生產和消費過程進行追蹤，精確計算能源投入與碳排放量。例如，基于Leontief投入產出模型[4]，Bullard和Herendeen建立了能源投入產出分析模型，在此基礎上，對美國經濟各部門的能源強度進行了分析[5]。Noorman建立了家庭代謝分析法，側重于分析家庭消費活動[6]。隨后，Weber和 Perrels又對家庭代謝法進行了擴展，提出了投入產出-生命周期評價（EIO-LCA）模型，使得研究不再局限于居民能源消費的某一部分[7]。而EIO-LCA分析法也進一步拓展到居民消費品分析，進行家庭生活消費分析[8]。在影響因素的分析上，人口方面考慮了人口、家庭規模、受教育程度、家庭人口年齡和家庭結構等。Lenzen等研究發現，規模較大的家庭消費更低的人均能源，家庭的收入與家庭端直接、間接能源消耗都有強相關性[9]；Vringer和Blok研究得出40～50歲的居民在家庭中消費的能源最多[10]。經濟方面考慮了宏觀層面上的經濟增長，以及產業結構，微觀層面上的家庭收入及消費支出等。消費品的能源消耗強度是技術進步的主要體現，這與經濟增長在相互促進的同時又相互矛盾。雖然技術進步提高了能源利用效率，但卻被“反彈效應”所抵消，這一現象在直接和間接的能源消耗上均有反映[11]。生活方式包括消費商品和時間分配兩大類，Jalas通過研究芬蘭人的生活方式而發現，20世紀80—90年代，人們的活動時間分配發生了變化，這一點導致了家庭能源需求的增加[12]。

近年來，國內學者對上述問題也進行了深入研究。2010年，王文秀分別選取能源商品消費、食品消費和居民間接能源消費碳排放的影響因素及相關指標，采用Pearson乘積相關分析法進行分析[13]。2011年，張小洪等運用因素分解法（LMDI）得到了相關因素對家庭碳排放的影響程度[14]。2015年，陳豹則從家庭的視角出發，以北京市為研究對象，拓展了碳排放的研究思路，為系統地研究家庭碳排放奠定了理論與實踐基礎[15]。2018年，陳卓夫通過核算天津市城鎮地區居民的直接和間接碳排放，深入探究了該地區家庭碳排放的影響機理，在此基礎上提出了蒙特卡洛動態預測模型，用來預測2030年時天津市所有家庭的碳排放量[16]。2020年，李順成等對山東省各城市數據進行分析，基于PLS結構方程模型將客觀存在的物理性環境因素考慮在內[17]。此外，2020年，劉曉瑞等研究了技術進步對家庭能源消費的影響，將消費習慣效應納入模型中[18]。吳文昊從能源匱乏視角出發，結合中外研究進展，從能源服務可獲得性和生活能源可支付性兩大維度出發，聚焦于全國家庭清潔能源消費現狀及城鄉間差異性[19]。

目前的研究對家庭碳排放的主要影響因素進行了綜合分析，但研究數據往往存在延遲性，忽略了在某些突發場景，如在新冠肺炎疫情下家庭碳排放的差異。后疫情時期，家庭因收入水平、生活習慣、思想觀念等均發生重大變化，進一步影響碳排放，僅以年鑒統計數據進行分析，針對突發情況制定有針對性的家庭節能減排政策是困難的。因此，本研究以后疫情時期河北省典型區域為例，采用了社會問卷調查和線上訪談的方式來獲取河北省家庭各項消費數據，在核算家庭直接碳排放量的基礎上，分析疫情前后家庭碳排放的變化及規律，為疫情時期家庭節能減排措施的制定提供具有時效性的科學依據。

1 研究方法

1.1 研究區域及數據來源

河北省具有交通樞紐的功能，連接北京與全國各地[20]。后疫情時期，江蘇、黑龍江以及河北等多地出現了疫情的聚集性暴發[21]。根據河北省衛健委提供的數據，截至2021年1月17日，河北省出現54例新冠疫情確診病例；2月17日，河北省確診病例302例；3月中旬河北省疫情得到控制，不再有新增確診病例。

本文結合文獻調研結果，設計了“河北省后疫情時期家庭能源消費及影響因素調查問卷”，設置后疫情時期（2021年2月底），以及全面復工（2021年3月底）兩個時間點，每次取樣選取1周作為調研時段，且兩次取樣采用統一樣本，以便更好地分析疫情對家庭碳排放結構的影響。調研內容包括四部分：住宅特點、家庭屬性、私家車使用，以及生活用品一周使用量。通過網絡隨機選取樣本，采用問卷和線上訪談的方式對河北省居民進行調研，共收集有效問卷131份。問卷中插入誠信問題，用以刪除無效問卷，最大程度地保證數據真實性和代表性。

以不同種類的能源消費導致的碳排放量為因變量Y，可能影響直接碳排放量的微觀因素為自變量X。根據已有研究[22-28]，假設影響直接碳排放的因素包括住宅特征、家庭屬性以及私家車使用三個類別。

1.2 家庭碳排放核算

1.2.1 核算范圍

本研究確定的核算邊界包括：直接碳排放與間接碳排放。直接碳排放是指家庭化石能源消耗所產生的碳排放；間接碳排放是指家庭所購買的各類非能源產品與服務在生產運輸、使用及處置等環節中所產生的碳排放，包括外購的二次能源（電力及熱力等），以及非能源產品與服務消費產生的碳排放（涉及醫療衛生保健、食品、住房、服裝、交通、通信、教育文化娛樂服務等方面）（圖1）。

圖1 家庭碳排放核算范圍

為使核算過程盡可能嚴謹和全面，本研究主要選取家庭消耗的電量、燃油、燃氣等直接能源，以及所消耗的水量作為家庭碳排放的表征，即本研究家庭碳核算范圍包括家庭用電消費、燃氣消費、自來水消費及汽油消費四個方面。

1.2.2 核算方法

本文采用《IPCC國家溫室氣體清單指南》中的碳排放系數法計算直接碳排放（表1），計算公式如下：

表1 碳排放系數表

式中，Ei為家庭周均i能源消耗產生的碳排放量，Fi為i能源的消耗量，EFi為i能源消耗的碳排放因子，i為能源類型。

1.3 家庭碳排放影響因素分析

偏最小二乘回歸（PLS回歸）是一種可以解決共線性問題、多個因變量同時分析、處理小樣本時影響關系研究的多元統計方法。從原理上看，PLS回歸集合是多元線性回歸、典型相關分析和主成分分析等三種研究方法的集合運用。多元線性回歸用于研究影響關系，典型相關分析用于研究多個X和多個Y之間的關系，主成分分析用于對多個X或者多個Y進行信息濃縮。本文采用PLS回歸進行分析。

2 結果與分析

2.1 家庭碳排放核算結果與分析

根據2021年2月底河北省家庭問卷調查報告數據，河北省后疫情期間家庭周平均碳排放參考量為219.4 kg（表2）。平均值體現了河北省居民家庭因消費產生的碳排放需求的一般情況。其中，燃氣消耗（37.61 %）、用電消耗（30.29 %）和汽油消耗（31.61 %）為碳排放的主要來源。

表2 2021年2月底河北省家庭平均能耗和碳排放核算結果

根據2021年3月底河北省家庭問卷調查報告數據，河北省后疫情期間家庭周平均碳排放參考量為299.6 kg，相較于2月底增長了36.55%（表3）。在家庭部門總碳排放中，燃氣消耗產生的碳排放占比最大（53.65%），用電消耗（23.47%）及汽油消耗（22.74%）次之。

表3 2021年3月底河北省家庭平均能耗和碳排放核算結果

2021年，除張家口、承德、秦皇島三市外，河北省其他地區供暖時間延長至3月31日，而張家口供暖時間延長至4月7日，因此本研究不存在停止供暖造成的偏差。河北地區此次新冠肺炎疫情聚集性暴發前后，用電消耗產生的碳排放量小幅增加，燃氣消耗產生碳排放量大幅上漲，自來水消耗產生的碳排放量減少，汽油消耗量基本保持不變。基于以上結論可以得出：①在疫情暴發期間，居民更注重衛生的保障，因而清潔用水量相較于疫情穩定期更大，從而造成更多的碳排放。②疫情暴發期由于外出購物較為困難、外賣飲食增加，以及焦慮情緒等因素均可能使得居民飲食結構轉變，對比其他調研結果發現，疫情期間水果攝入量增多的人數占40.65%，蔬菜攝入量增多的人數占34.22%，而零食攝入量減少的人數占23.05%[32]（羅澤延等，2021）；55.88%的調查人群增加了飲食量，相對于睡眠及鍛煉，飲食營養方面的改善則相對較少[33]（陳磊等，2021）。而疫情情況平穩后，短時間內可能會形成家庭飲食恢復，從而使得家庭燃氣消耗量大幅增加，燃氣消耗導致的碳排放也相應增加。 疫情后較疫情聚集性暴發期間燃氣消耗增加引起的碳排放增加量遠大于自來水消耗下降引起的碳排放減少量，因而整體表現出家庭碳排放增加的趨勢。

2.2 家庭碳排放回歸結果與分析

為了探索疫情暴發時影響家庭直接碳排放總量Y1，以及各種能源消耗導致的碳排放量Y2—Y5的主要因素，分別以X1—X12為自變量，根據2021年2月底問卷調研數據進行PLS回歸。表4顯示了碳排放結構模型的變量與各類能源的人均排放量之間相關關系。

表4 碳排放結構模型的變量與各類能源的人均排放量之間相關關系

當PLS回歸模型有7個主成分時，因變量每戶合計消耗、每戶用電消耗、每戶燃氣消耗、每戶自來水消耗及每戶汽油消耗R2值分別為0.188、0.198、0.187、0.187、0.141，說明以上自變量的解釋力分別為18.8%、19.8%、18.7%、18.7%、14.1%。對回歸系數進行檢驗，若p值小于0.05，則說明X對Y呈現出顯著性影響。由此可知（括號內為對應回歸系數）：

（1）每戶合計消耗產生碳排放量：家庭規模（0.072），是否有節能節水措施（0.186），每周外出就餐/外賣次數（0.213），每周接收快遞數（0.121），汽車保有數量（-0.239）對每戶合計消耗產生碳排放量有顯著影響。其中，每戶居民每周外出就餐/接外賣次數，以及接收快遞數每增加10次，碳排放量分別增加2.13kg及1.21kg。

（2）每戶用電消耗產生碳排放量：每周外出就餐/外賣次數（0.256），每周接收快遞數（-0.070），汽車保有數量（-0.069）對每戶用電消耗產生碳排放量有顯著影響。其中僅每周外出就餐/外賣次數對其具有顯著正影響，其余均為顯著負影響。

（3）每戶燃氣消耗產生碳排放量：房屋獲得情況（-0.153），平均年齡（0.172），是否有節能節水措施（0.255），每周外出就餐/外賣次數（0.161），每周接收快遞數（0.119）對每戶燃氣消耗產生碳排放量有顯著影響；可以說明若家庭采取節能節水措施，其碳排放量會減少。而房屋獲得情況有顯著負影響，即通過購買、租賃、公司借住獲取的住宅其碳排放量依次減少。

（4）每戶自來水消耗產生碳排放量：這些影響因素均不對每戶自來水消耗產生的碳排放量有顯著影響。

（5）每戶汽油消耗產生碳排放量：平均年齡（-0.180），月平均支出水平（0.186），每周外出就餐/外賣次數（0.066），每周接收快遞數（0.160），汽車保有數量（-0.318）以及每周私家車行駛距離（-0.153）對每戶汽油消耗產生碳排放量有顯著影響。其中家庭月平均支出水平每增加1000元，碳排放量增加約186kg。

3 討論

3.1 疫情聚集性暴發前后居民用水消費變化

根據2月底問卷調查結果，河北省家庭每戶每月平均用水約為15.12t，每月人均用水量為3.76t。其中河北省家庭平均每周使用洗衣機6.66次，每次使用洗衣機時長39.92 min；平均每周手洗衣服5.89次，每次手洗衣服時長29.52 min；平均每戶擁有汽車1.02輛；平均每人每周淋浴次數為5.92次，每次淋浴時長 22.61 min。

根據3月底問卷調查結果，河北省家庭3月每戶每月平均用水約為7.34 t，每月人均用水量為1.81t。河北省家庭平均每周使用洗衣機6.20次，每次使用洗衣機時長39.27 min；平均每周手洗衣服4.32次，每次手洗衣服時長25.55 min；平均每戶擁有汽車1.15輛；平均每人每周淋浴次數為5.59次，每次淋浴時長 20.00 min。

對比兩次問卷調研結果，聚集性疫情暴發后河北省家庭每戶每月平均用水量明顯減少，減少了51.46%，且洗衣機、手洗衣服、私家車清洗、洗浴次數等清潔性用水行為均有所減少。與上一節中所述疫情期間因防疫與衛生需要清潔性用水增加，導致自來水消耗產生碳排放量減少的結論相吻合。

3.2 疫情聚集性暴發前后居民食物消費變化

2月底河北省家庭食物結構如表5所示，其中谷類食品（大米、面粉、高粱、小米、紅薯等）食用量及蔬菜食用量所占比例最高，分別占食物總體結構的23.24%、22.71%；其次是水果（17.11%）、肉制品（15.99%）；最少的為奶制品（18.94%）、蛋類（2.00%）。

表5 2021年2月底與3月底家庭食物戶周均食用量與結構

3月底河北省家庭食物結構如表4所示，其中谷類食品和蔬菜占比最高，分別占總體食物結構的32.55%、21.71%；其次是水果（20.07%）、肉制品（13.88%）；最少的為奶制品（10.67%）、蛋類（1.12%）。

2021年3月底與2月底相比，谷類、蔬菜、水果與肉制品一周戶均消費量均明顯增加，而蛋類、奶制品則略有減少。其原因可能是蛋類與奶制品易于儲存，因此在疫情暴發期間，食物獲取不便時，仍然能夠得到很好的保障；而疫情平緩期，其他需要保鮮類食物供應充足，居民們對蛋類與奶制品的攝入就相應減少。疫情前后的食物結構相比，各類食物所占比例大小的先后次序并無變化，而占比最大的谷類食品所占比重有了較大提升（9.31%），蔬菜和水果比重無較大變化，奶制品減少最大（8.27%），蛋類略微減少（0.88%）。

3.3 供暖對家庭碳排放的定量影響

住宅供暖廣泛采用的方法包括電采暖（家用分體式空調、電采暖器、電加熱地板輻射供暖系統）、燃煤采暖（家用燃煤爐、小區燃煤鍋爐房）以及燃用薪柴采暖。對進行研究的131戶家庭的問卷結果進行統計分析，發現河北省研究區域家庭以電采暖為主，占樣本總量的80.92%；少部分家庭采用燃煤采暖，占樣本總量的16.03%。

電加熱地板輻射供暖系統是家庭最常用的采暖方式，占樣本總數的34.35%。采用電采暖器供暖的也不在少數，占樣本總數的26.72%。此外，有19.85%的家庭采用家用分體式空調供暖，16.03%的家庭采用小區燃煤鍋爐房供暖。

基于調研數據，計算人均采暖二氧化碳排放量（周排放量）。由于最新數據暫時無法獲得，用2018年的數據近似替代2021年供暖季數據。首先通過《中國城鄉建設統計年鑒2018》[34]獲得河北省2018年蒸汽、熱水供熱總量，熱電廠、鍋爐的分別供熱量，以及住宅和總的供熱面積，通過下式計算兩種不同方式的人均采暖二氧化碳排放量：

式中，EC，P，W為熱電廠供熱方式下，人均每周采暖CO2排放量，kg/（人·周）；EB，P，W為鍋爐房供熱方式下，人均每周采暖CO2排放量，kg/（人·周）；EP，W為總人均每周采暖CO2排放量，kg/（人·周）。Cs為熱電廠供熱量（蒸汽介質）；Bs為鍋爐房供熱量（蒸汽介質）；Ch為熱電廠供熱量（熱水介質）；Bh為鍋爐房供熱量（熱水介質）；EFe為電能碳排放系數，kgCO2/ kWh；EFc為煤炭碳排放系數，kgCO2/kg；HA為總供熱面積，萬平方米；HH為住宅供熱面積，萬平方米；20為供暖季5個月份的總周數；P為人口數。

經計算可得，熱電廠供熱總量為34.68萬GJ/（人·周），對應CO2排放量為33.64 kg/（人·周）；鍋爐房供熱總量為1.27萬GJ/（人·周），對應CO2排放量為2.51 kg/（人·周）；總人均每周采暖CO2排放量為36.15 kg/（人·周）。

4 結論與建議

為了解疫情對河北省家庭能源消費結構及影響因素的影響，本文通過問卷調查法、偏最小二乘回歸法（PLS回歸）等方法對疫情前后河北省家庭碳排放進行核算，并分析其能源消費結構的影響因素及變化情況，得出以下結論。

（1）后疫情時代與疫情期間相比，河北省家庭直接碳排放量增長了36.55%，其中燃氣消耗產生的碳排放量漲幅最大（94.84%）。這種變化主要是因為疫情期間居民減少外出購物頻率，外賣飲食方式增加，使得居民飲食結構發生變化，而疫情平緩后，食品供應更加充足，加之促進消費等政策，居民短時間內形成家庭飲食恢復，從而使燃氣消耗產生的碳排放量大幅上漲，并很大程度上導致了家庭整體碳排放量的上升。這可能與早期疫情期間對于家庭突發事件應對的引導性政策不足有關，實際則造成了生活品質下降和碳排放上升。

（2）家庭直接碳排放涉及的不同能源類型中，除漲幅最大的燃氣消耗外，用電消耗產生的碳排放量小幅增加（5.84%），自來水消耗產生的碳排放量減少（61.31%），而汽油消耗量基本保持不變。其中自來水消耗降低幅度較大的主要原因是疫情期間居民的恐慌情緒以及防疫的需要，導致居民清潔用水頻率增加，而后疫情時代時家庭用水則相對較少。

（3）此外，在能源消費影響因素上，家庭人口規模、節能節水意識、外出就餐/外賣頻率、接收快遞數量對家庭部門直接碳排放量有顯著正影響，而私家車保有量則有顯著負影響。

基于以上結論和河北實際情況，提出以下的建議：①做好危機事件應急預案，把疫情常態化作為建立家庭智能監測的契機，引導多平臺多學科多技術的融合，建立統一的家庭部門產品消費數據庫，協調供電局、自來水公司、天然氣公司等提供家庭端數據庫接口，從而實現實時自動計算家庭端相應碳排放量，通過實時監測，從而更好地進行危機預警和危機干預。②在家庭碳減排上，加強政府的宣傳教育職能，通過政策引導，開發家庭碳排放計算器等方式強化居民對減排的重視程度，從而促進家庭碳減排，并結合碳交易等政策措施，推動碳達峰、碳中和目標的早日實現。