農(nóng)村用電碳排放變化驅(qū)動因素研究

盧曉晴，方 媛，梁澤奇

（1. 廣東工業(yè)大學(xué) 土木與交通工程學(xué)院，廣東 廣州 510006；2. 肇慶市供電局，廣東 肇慶 526300）

能源使用引起的全球變暖已經(jīng)成為人類發(fā)展面臨的重大挑戰(zhàn)之一。遏制碳排放增長已經(jīng)成為應(yīng)對全球氣候變化的重要課題。中國承諾2030年的單位國內(nèi)生產(chǎn)總值碳排放比2005年的單位國內(nèi)生產(chǎn)總值碳排放下降60%～65%，并在2030年達到碳排放峰值，非化石能源消費占比達到能源消費的50%。然而，在全面建設(shè)小康社會和鄉(xiāng)村振興的背景下，農(nóng)村產(chǎn)業(yè)不斷發(fā)展，農(nóng)村人口收入不斷增加，農(nóng)村地區(qū)城市化水平不斷提高，城鄉(xiāng)差距逐步縮小，這些都會導(dǎo)致農(nóng)村能源消耗尤其是電能源使用量的不斷增加，碳排放增長問題隨之產(chǎn)生。因此，有必要從電能源角度分析農(nóng)村地區(qū)碳排放的驅(qū)動因素，并據(jù)此探討農(nóng)村發(fā)展的低碳之路。

1 研究背景

自20世紀(jì)80年代開始，二氧化碳被認為是一種大氣污染物以來，人們對其排放進行了大量的研究。由于碳排放與社會經(jīng)濟發(fā)展密切相關(guān)，碳減排與經(jīng)濟發(fā)展的牽連成為人們經(jīng)常討論的話題。目前關(guān)于碳排放影響因素的研究中，大多數(shù)學(xué)者從不同產(chǎn)業(yè)部門的角度進行分析。例如Pan等[1]評估了2003年至2016年中國六個行業(yè)的二氧化碳(CO2)排放驅(qū)動因素，Wu等[2]探討了中國建筑業(yè)碳排放的影響機制。此外，也有學(xué)者從國家層面(Ma 等[3])或者省級層面(Wang 等[4]; Wang 等[5])對碳排放影響因素進行分析。

現(xiàn)有農(nóng)村碳排放研究主要涉及農(nóng)業(yè)生產(chǎn)和農(nóng)村居民生活兩個方面。對于農(nóng)業(yè)生產(chǎn)而言，碳排放影響因素主要包括農(nóng)業(yè)生產(chǎn)總值、農(nóng)業(yè)技術(shù)發(fā)展、人口規(guī)模、收入水平、農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)等(Xu和Lin[6]；Chen等[7]；Liu等[8])。例如，Xiong等[9]，Han等[10]和Li等[11]基于對數(shù)平均迪氏指數(shù)(Logarithmic Mean Divisia Index，LMDI)方法，發(fā)現(xiàn)經(jīng)濟因素(單位勞動投入的農(nóng)業(yè)總產(chǎn)值)是促使農(nóng)業(yè)碳排放增加的關(guān)鍵因素，而效率因素(單位作物生產(chǎn)總值產(chǎn)生的碳排放量)對減少農(nóng)業(yè)碳排放起著關(guān)鍵作用。此外，城市化也是推動農(nóng)業(yè)碳排放增長的重要原因之一(Zhen等[12]；Xiong等[13])。

關(guān)于農(nóng)村居民生活方面碳排放的研究中，學(xué)者選取了多個因素來分析農(nóng)村家庭碳排放(Yang等[14]；Wang和Yang[15]；Chen等[16]；Zha等[17]；Fan等[18])。例如，Wang等[19]通過能源強度、收入水平、人口規(guī)模、城鎮(zhèn)化率和產(chǎn)業(yè)結(jié)構(gòu)等指標(biāo)對農(nóng)村家庭碳排放進行調(diào)查和預(yù)測，結(jié)果發(fā)現(xiàn)，收入水平被認為是農(nóng)村家庭碳排放不斷增長的關(guān)鍵因素。Dong和Zhao[20]利用格蘭杰因果關(guān)系檢驗方法探討了中國農(nóng)村家庭人均收入(Per Capita Income，PI)和人均二氧化碳排放(Carbon Emission，CE)之間的關(guān)系。結(jié)果發(fā)現(xiàn)PI和CE存在單向因果關(guān)系。除了收入水平，還有一些學(xué)者認為城市化水平也是農(nóng)村家庭碳排放增長的重要影響因素。Chen等[16]通過研究發(fā)現(xiàn)，四川省的城鎮(zhèn)化率和非農(nóng)就業(yè)率對農(nóng)村家庭碳排放量產(chǎn)生積極影響。然而，Yang等[14]卻發(fā)現(xiàn)城市化效應(yīng)是江西省農(nóng)村居民能源相關(guān)二氧化碳排放的抑制因素。究其原因，是由于同一因素對農(nóng)村碳排放的影響會因所處地理位置不同而有差異。因此，為了確保農(nóng)村低碳發(fā)展政策能夠有效實施，需要針對不同省份的特點進行詳細分析。本文以廣東省農(nóng)村地區(qū)作為研究對象，將農(nóng)村生產(chǎn)因素和家庭生活因素進行綜合，從整體角度分析農(nóng)村發(fā)展對農(nóng)村地區(qū)碳排放的影響。

廣東省農(nóng)村地區(qū)主要集中在粵東、粵西和粵北地區(qū)。這些地區(qū)的人均國內(nèi)生產(chǎn)總值不到珠三角地區(qū)人均國內(nèi)生產(chǎn)總值的一半。城鄉(xiāng)發(fā)展不平衡和農(nóng)村發(fā)展不足成為制約廣東省經(jīng)濟發(fā)展的最大障礙。為了把“短板”變成“潛力板”，廣東省近年將粵港澳大灣區(qū)建設(shè)與鄉(xiāng)村振興戰(zhàn)略相結(jié)合，通過現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)和鄉(xiāng)村旅游，大力發(fā)展粵東、粵西和粵北地區(qū)。但隨著農(nóng)業(yè)和農(nóng)村現(xiàn)代化的發(fā)展，農(nóng)業(yè)和農(nóng)村的能源消耗逐漸增加，尤其是電能源的使用。為了促進農(nóng)村經(jīng)濟發(fā)展，廣東省對農(nóng)村電網(wǎng)進行了升級改造，提高了農(nóng)村電氣化水平，這在一定程度上也進一步刺激了農(nóng)村用電量的增長。從2005年至2018年，廣東省農(nóng)村用電量增長了約88%，年均增長6.77%。Qiu等[21]認為農(nóng)村經(jīng)濟的發(fā)展加快了農(nóng)村傳統(tǒng)生物質(zhì)能向電力、太陽能等商業(yè)能源的轉(zhuǎn)變。Salahuddin等[22]通過研究發(fā)現(xiàn)電力消耗量、經(jīng)濟增長和碳排放量之間存在著長期的積極關(guān)系。

目前，識別碳排放影響因素的兩種最常用方法是對數(shù)平均迪氏指數(shù)LMDI(Ang[23])和STIRPAT模型(York等[24])。然而，有學(xué)者認為對數(shù)平均迪氏指數(shù)無法適應(yīng)負值(Ang等[25])以及現(xiàn)有算法在“貢獻率”方面存在缺陷(Li等[26])。與LMDI方法相比，STIRPAT模型沒有上述缺點，并且可以探討更多的影響因素，產(chǎn)生的結(jié)論也更可靠(Wang等[4]；Wang 等[5])。因此本文將從電能源碳排放角度整體分析農(nóng)村發(fā)展對廣東省農(nóng)村用電碳排放的影響，并利用改進的STIRPAT模型確定影響廣東省農(nóng)村用電碳排放的驅(qū)動因素。本文將幫助政策制定者更深入地了解農(nóng)村發(fā)展對廣東省農(nóng)村用電碳排放的影響，進而確定有助于實現(xiàn)農(nóng)村低碳發(fā)展目標(biāo)的相關(guān)政策。

2 數(shù)據(jù)來源和研究方法

2.1 數(shù)據(jù)來源

本文使用的數(shù)據(jù)包括廣東省2005年至2018年的城鎮(zhèn)人口數(shù)量、農(nóng)村人口數(shù)量，農(nóng)林牧漁業(yè)總產(chǎn)值，有效灌溉面積、農(nóng)業(yè)機械總動力、農(nóng)林牧漁業(yè)固定資產(chǎn)投資(不含農(nóng)戶)、農(nóng)村居民人均住房面積、農(nóng)村居民人均可支配收入和農(nóng)村用電量。上述數(shù)據(jù)均來自廣東省統(tǒng)計年鑒(2006～2019年)。

2.2 農(nóng)村電力消耗產(chǎn)生的碳排放測算

本文主要采用碳排放因子法測算電力能源消耗碳排放量，如式(1)所示。

式中，C為電能源碳排放量，Q為農(nóng)村年耗電量，單位為kW·h，EF為單位電力能源消耗所產(chǎn)生的碳排放，即碳排放因子。本文采用區(qū)域電網(wǎng)平均排放因子來評價區(qū)域電網(wǎng)的碳排放。2012年國家發(fā)展和改革委員會發(fā)布的中國南方地區(qū)電網(wǎng)的二氧化碳排放系數(shù)為0.5271kgCO2/kW·h。

2.3 STIRPAT模型

STIRPAT模型可以分析人口、技術(shù)和經(jīng)濟指標(biāo)對碳排放量產(chǎn)生的非等比例影響。傳統(tǒng)的STIRPAT模型如式(2)所示。

其中I為環(huán)境影響，P、A和T分別代表人口規(guī)模、富裕程度和技術(shù)水平。a是模型系數(shù)，b、c和d代表每個變量的指數(shù)，e代表模型的誤差。

為了確定STIRPAT模型的系數(shù)，需要對相關(guān)變量進行對數(shù)處理，得到式(3)。

在式(3)中，b、c、d可以看作是在其他影響因素不變的情況下，一個影響因素變化1%所引起的環(huán)境影響的變化幅度，相當(dāng)于經(jīng)濟學(xué)上的彈性系數(shù)。

在本文研究中，基于式(3)采用擴展的STIRPAT模型，擴展后的模型，如式(4)所示。式中，C為農(nóng)村用電量碳排放量，UR為城市化水平，PAV為農(nóng)業(yè)經(jīng)濟發(fā)展水平，IA為有效灌溉面積，AMP為農(nóng)業(yè)機械化水平，F(xiàn)AI為農(nóng)業(yè)固定資產(chǎn)投資，PDI表示收入水平以及HCA表示住房條件。上述變量的具體解釋見表1。上述變量在2005～2018年的變化趨勢，見圖1～圖4。

圖1 廣東省2005～2018年人口和城鎮(zhèn)化率的變化趨勢Fig.1 Changes of population and urbanization in Guangdong from 2005 to 2018

圖4 廣東省2005～2018年IA和AMP的變化趨勢Fig.4 Changes of IA and AMP in Guangdong from 2005 to 2018

表1 變量定義Table 1 Variable definitions

2.4 Tapio脫鉤分析模型

為了進一步對廣東省農(nóng)村用電碳排放與農(nóng)業(yè)經(jīng)濟發(fā)展的關(guān)系進行研究，本文構(gòu)建了農(nóng)村用電碳排放和農(nóng)業(yè)總產(chǎn)值的脫鉤分析模型。本文選取Tapio脫鉤模型(Tapio[27])進行分析。該模型劃分出8種脫鉤狀態(tài)，能對具體的脫鉤關(guān)系進行準(zhǔn)確反映。其模型見式(5)。

式中，ρ為廣東省農(nóng)村用電量碳排放與農(nóng)業(yè)經(jīng)濟發(fā)展的脫鉤彈性值，ΔCt是廣東省農(nóng)村用電量碳排放的增長率，Δ GDPt是農(nóng)業(yè)總產(chǎn)值的增長率。C0和G DP0是基期值，分別表示2005年廣東省農(nóng)村用電量碳排放和農(nóng)業(yè)總產(chǎn)值。

圖2 廣東省2005～2018年P(guān)DI和HCA的變化趨勢Fig.2 Changes of PDI and HCA in Guangdong from 2005 to 2018

圖3 廣東省2005～2018年P(guān)AV和FAI的變化趨勢Fig.3 Changes of PAV and FAI in Guangdong from 2005 to 2018

3 結(jié)果分析與討論

3.1 廣東省農(nóng)村用電碳排放量測算

采用式(1)計算廣東省2005～2018年農(nóng)村用電量產(chǎn)生的碳排放量。農(nóng)村用電量及其產(chǎn)生的碳排放變化趨勢，見圖5。根據(jù)圖5，可知廣東省農(nóng)村用電碳排放量逐年增加，從2005年的4039萬t增加到2018年的7606萬t，年增長率為5.038%。

圖5 廣東省2005～2018年農(nóng)村用電量及其碳排放變化趨勢Fig.5 Changes of rural electricity consumption and carbon emissions in Guangdong Province from 2005 to 2018

3.2 多重共線性分析

由于STIRPAT模型的因素之間容易產(chǎn)生高度相關(guān)，會使得回歸模型存在多重共線性。這會降低回歸估計系數(shù)的準(zhǔn)確性，并可能導(dǎo)致得出錯誤的結(jié)論。因此，本文對影響因素進行相關(guān)性分析時用普通最小二乘法進行回歸，檢驗變量之間的多重共線性。根據(jù)表2可以發(fā)現(xiàn)，變量之間高度相關(guān)，得到的回歸模型可能存在嚴(yán)重的多重共線性。表3總結(jié)了普通最小二乘法的回歸分析結(jié)果，其中，回歸模型的方差膨脹系數(shù)(Variance Inflation Factor，VIF)遠高于10，這表明影響因素之間存在嚴(yán)重的多重共線性。因此，采用普通最小二乘法進行回歸所得到的回歸系數(shù)不可靠，不能有效準(zhǔn)確地解釋廣東省農(nóng)村用電量碳排放的影響因素。因此，本文選擇采用嶺回歸來克服多重共線性對回歸分析結(jié)果的影響。

表2 相關(guān)性測試結(jié)果1)Table 2 Correlation test results

表3 普通最小二乘法回歸結(jié)果Table 3 OLS regression results

3.3 嶺回歸分析

嶺回歸是常用的一種解決自變量多重共線性的方法。嶺回歸的關(guān)鍵步驟是確定合適的嶺參數(shù)，即K值。由于本文采用了14年的時間序列數(shù)據(jù)，因此采用7次交叉驗證以確定最優(yōu)嶺參數(shù)K，進而得到最優(yōu)的嶺回歸結(jié)果。通過7次交叉驗證后，當(dāng)K=0.3時，嶺回歸模型的均方誤差最小，R2幾乎是穩(wěn)定的。R2和K之間的關(guān)系如圖6所示。因此，本文選取K值等于0.3來進行嶺回歸。

圖6 R方與嶺參數(shù)K的變化關(guān)系Fig.6 Change relation between R square and Ridge parameter (K)

表4總結(jié)了嶺回歸的結(jié)果。從表4可以觀察到，所有的回歸系數(shù)都是顯著的(顯著性<0.05)?；貧w方程的R2為0.978，調(diào)整R2為0.952，表示回歸方程整體擬合良好，F(xiàn)統(tǒng)計量(34.582)也在0.01水平上顯著。綜上所述，得到的嶺回歸方程如式(6)所示。

表4 嶺回歸結(jié)果1)Table 4 Ridge regression results

由式(6)系數(shù)的符號可以發(fā)現(xiàn)，廣東省農(nóng)村用電碳排放與各影響因素之間呈正相關(guān)。根據(jù)這7個影響因素對于農(nóng)村用電量碳排放的影響從大到小排列為：農(nóng)村居民人均可支配收入>農(nóng)業(yè)經(jīng)濟發(fā)展水平>住房條件>農(nóng)業(yè)固定資產(chǎn)投資>城鎮(zhèn)化水平>農(nóng)業(yè)機械化水平>有效灌溉面積。

收入水平(lnPDI)是農(nóng)村用電碳排放的首要促進因素。如果農(nóng)村居民人均可支配收入增加1%，相應(yīng)的碳排放量將增加0.193%。收入水平對農(nóng)村用電量碳排放產(chǎn)生的影響可能是因為農(nóng)村居民人均可支配收入增長，提高了居民購買力，使得農(nóng)村居民對冰箱、空調(diào)、電動車等電器設(shè)備的需求大幅增長。Li等[28]認為，生活水平的提高極大地促進了用電量的增長。其次，農(nóng)村居民可支配收入的增加也促使農(nóng)民采用排灌設(shè)施來提高農(nóng)業(yè)生產(chǎn)效率，從而導(dǎo)致農(nóng)業(yè)用電量的增加。

同樣，住房條件(lnHCA)對二氧化碳排放也有相當(dāng)顯著的積極影響。其彈性系數(shù)為0.162，這意味著農(nóng)村家庭人均住房面積每增加1%，碳排放量將增加0.162%。隨著人均住房面積的增加，為了滿足人們的舒適性要求，電器的數(shù)量或電器功率需求增加，從而導(dǎo)致農(nóng)村居民家庭用電量增加。

農(nóng)業(yè)經(jīng)濟發(fā)展水平(lnPAV)和農(nóng)業(yè)固定資產(chǎn)投資(lnFAI)對碳排放也有相當(dāng)顯著的積極影響。人均農(nóng)業(yè)產(chǎn)值和農(nóng)業(yè)固定資產(chǎn)投資每增加1%，相應(yīng)的碳排放量將分別增加0.172%和0.133%。近年來，廣東實施高標(biāo)準(zhǔn)農(nóng)田建設(shè)規(guī)劃，改善農(nóng)業(yè)生產(chǎn)條件和農(nóng)田基礎(chǔ)設(shè)施。其中，農(nóng)田輸配電設(shè)施的建設(shè)提高了電能質(zhì)量，滿足了農(nóng)民的用電需求，為農(nóng)業(yè)用電的增加提供了可能。

城市化水平(lnU)也是增加農(nóng)村用電量碳排放的一個因素，其影響指數(shù)為0.125。如圖1所示，2005～2018年間，廣東省城市化率從60.6%穩(wěn)步上升至70.7%。城市與農(nóng)村之間的差距正在逐漸縮小。大多數(shù)農(nóng)村居民的生活方式發(fā)生了極大的改變，傾向于增加高碳商品的消費。但是，當(dāng)現(xiàn)代化達到一定水平，采用節(jié)能技術(shù)可以消除城市化的影響(Miao等[29])。灌溉面積(lnIA)和農(nóng)業(yè)機械化水平(lnAMP)對農(nóng)村用電量碳排放的影響程度較小。灌溉面積和農(nóng)機總功率每增加1%，相應(yīng)的碳排放量將增加約0.1%。

3.4 農(nóng)村用電碳排放與農(nóng)業(yè)經(jīng)濟增長的脫鉤分析

根據(jù)上述Tapio脫鉤分析模型，以及2005～2018年廣東省農(nóng)村用電量碳排放和農(nóng)業(yè)總產(chǎn)值，得到2005～2018年廣東省農(nóng)村用電量碳排放與農(nóng)業(yè)經(jīng)濟發(fā)展的脫鉤彈性值，結(jié)果如圖7所示。

圖7 2006～2018年脫鉤指數(shù)變化Fig.7 Change of decoupling index from 2006 to 2018

圖7顯示，2005～2018年廣東省農(nóng)村用電量碳排放共出現(xiàn)了兩次擴張性負脫鉤(脫鉤彈性值>1.2)，分別為2006年和2007年。在這兩年時間里，農(nóng)村用電碳排放和農(nóng)業(yè)GDP均呈現(xiàn)增長態(tài)勢，但是碳排放的增長率高于農(nóng)業(yè)GDP的增長速率。而在后11年中，除了2009年呈現(xiàn)擴張性脫鉤(0.8<脫鉤彈性值<1.2)，其余10年時間，農(nóng)村用電量碳排放增長率低于農(nóng)業(yè)GDP的增長率，呈現(xiàn)出弱脫鉤的態(tài)勢(0<脫鉤彈性值<0.8)。這可能與農(nóng)業(yè)采用節(jié)能設(shè)備，引進新技術(shù)增加農(nóng)業(yè)的產(chǎn)值，提高電能的利用率有著密切關(guān)系。

4 政策建議

根據(jù)以上結(jié)論，對廣東省農(nóng)村低碳發(fā)展提出以下建議：

(1) 農(nóng)村低碳發(fā)展，不能只關(guān)注于農(nóng)業(yè)或居民生活這一個方面，需要綜合考慮農(nóng)業(yè)和農(nóng)村居民生活對農(nóng)村用電碳排放的影響，提高農(nóng)業(yè)和居民用電效率。

(2) 在農(nóng)村居民用電方面，政府需要向農(nóng)村居民宣傳節(jié)能知識。鼓勵農(nóng)村居民采用綠色低碳的能源消費模式和生活方式，節(jié)約用電。此外，政府應(yīng)推動節(jié)能家電等產(chǎn)品消費政策措施的落實，鼓勵農(nóng)村居民購買節(jié)能家電。

(3) 在農(nóng)業(yè)用電方面，鼓勵農(nóng)民使用節(jié)能設(shè)備，優(yōu)化農(nóng)田用電管理。此外，應(yīng)進一步加強節(jié)能灌溉和供氧技術(shù)的研究。在加快農(nóng)業(yè)高標(biāo)準(zhǔn)建設(shè)的同時，需要注重節(jié)能環(huán)保，可以將智能技術(shù)和農(nóng)業(yè)相結(jié)合，應(yīng)用智能照明技術(shù)、智能灌溉技術(shù)等智能控制技術(shù)，提高生產(chǎn)效率和用電效率，實現(xiàn)農(nóng)業(yè)現(xiàn)代化。

5 結(jié)語

為了研究農(nóng)村各項發(fā)展指標(biāo)對廣東省農(nóng)村用電碳排放的影響，本文采用STRIPAT模型和嶺回歸分析對廣東省農(nóng)村用電碳排放的影響機制進行研究，進而分析了農(nóng)村用電碳排放與農(nóng)業(yè)經(jīng)濟發(fā)展的脫鉤關(guān)系。結(jié)果發(fā)現(xiàn)，廣東省農(nóng)村用電碳排放與城市化水平、農(nóng)業(yè)經(jīng)濟發(fā)展水平、有效灌溉面積、農(nóng)業(yè)機械化水平、農(nóng)業(yè)固定資產(chǎn)投資、收入水平以及住房條件等因素均呈現(xiàn)正相關(guān)關(guān)系。其中，農(nóng)村居民人均可支配收入是主要的影響因素。廣東省農(nóng)村用電碳排放和農(nóng)業(yè)經(jīng)濟發(fā)展經(jīng)歷了3種狀態(tài)：擴張性負脫鉤、擴張性脫鉤和弱脫鉤。這說明，廣東省農(nóng)業(yè)經(jīng)濟發(fā)展對農(nóng)村用電量有一定依賴性。但是，隨著農(nóng)業(yè)技術(shù)的發(fā)展，農(nóng)村用電碳排放與農(nóng)業(yè)經(jīng)濟發(fā)展之間的關(guān)系會越來越弱。

本文在一定程度上揭示了影響農(nóng)村電力消耗產(chǎn)生的碳排放的關(guān)鍵因素，為政府制定碳減排政策提供數(shù)據(jù)支持。然而，由于現(xiàn)有數(shù)據(jù)的局限性，本文僅對農(nóng)業(yè)生產(chǎn)用電量和農(nóng)村居民用電量進行了分析，而沒有考慮農(nóng)村其他行業(yè)的用電影響。這可能遺漏了其他重要的影響因素。因此，今后應(yīng)繼續(xù)將農(nóng)村第二產(chǎn)業(yè)和第三產(chǎn)業(yè)對農(nóng)村碳排放的影響納入研究之中。