文献阅读 | 人口变化和二氧化碳排放

题目

Demographic change and carbon dioxide emissions

作者

Brian C O’Neill, Brant Liddle, Leiwen Jiang, Kirk R Smith, Shonali Pachauri, Michael Dalton, Regina Fuchs

期刊

The Lancet

时间

July 2012

一作

单位

National Center for Atmospheric Research, Boulder, CO, USA

链接

https://doi.org/10.1016/S0140-6736(12)60958-1

摘要

已有研究对人口变化与主要温室气体二氧化碳(CO₂)排放之间的关系从不同的角度进行了分析，但大多数对未来排放的预测只部分地考虑到了人口的影响。本研究说明了化石燃料产生的二氧化碳排放如何较为全面地受到人口因素的影响，如人口增长或减少、老龄化、城市化和家庭规模的变化。

首先，对历史趋势的实证分析表明，能源使用的二氧化碳排放几乎与人口规模的变化成正比，而与老龄化和城市化的关系虽然不成正比，但在统计学上具有显著性。其次，情景分析表明，替代性的人口增长路径可能会对几十年后的全球二氧化碳排放产生重大影响，而老龄化和城市化会对特定的区域产生重要影响。这些结果意味着，减缓人口增长的政策可能也会带来气候相关的益处。

引言

人口既影响到气候变化，也受到气候变化的影响。人口变化，包括人口规模、城市化、家庭规模和年龄构成的变化，影响到社会适应气候变化的能力以及消费和生产活动的模式和增长，从而影响到推动气候变化的排放和土地利用。虽然人类是气候变化的驱动因素和气候变化对社会影响的核心，但大多数关于人类人口变化和温室气体排放的研究都集中在特定的人口变量(如总人口数量)和特定活动或部门(如能源使用或土地使用)的特定污染物排放(如二氧化碳)上。 

在此，本研究评估了人口变化对推动气候变化的排放影响，主要集中在能源相关二氧化碳排放上。对气候变化驱动因素的解释如果只考虑一种人口变化，如人口规模的变化，这可能会忽略与人口相关的变量的重要性。本研究从两方面说明了能源部门的二氧化碳排放如何受到人口因素的影响，如人口增长或减少、老龄化、城市化和家庭规模的变化。首先，作者通过对历史数据的统计分析说明过去的二氧化碳排放趋势如何与人口规模和其他人口变量的变化相关。其次，基于模型探讨了不同情景中，人口规模将如何影响未来排放。

历史数据分析

20世纪70年代初，研究者们引入了IPAT方程来研究环境变化的驱动因素：

I代表环境影响，P代表人口，A代表富裕程度或人均消费，T代表技术或每单位消费的影响，将环境影响的历史数据分解为三种驱动力的贡献。IPAT方程是在关于美国人口增长和技术变化在环境退化中的相对作用的辩论中应用而生的。随后，这个方程被用于许多环境问题的分析，包括能源使用和温室气体排放。

在过去的几年里，该分析框架有了较大改进。假设人口增长对二氧化碳排放的影响不是成比例的，STIRPAT（STochastic Impacts by Regression on Population, Affluence, and Technology）方程形式如下：

其中下标i表示截面单位（如国家），常数a和指数b、c、d是待估参数，e是残余误差项。I、P和A项与IPAT方程中的描述相同；不过，T项为使用强度变量，有时用城市化或经济结构等变量来衡量（例如，制造业或工业在国内生产总值GDP中的份额）。在过去几十年中，这些研究利用覆盖许多国家的大数据集，估计出所谓的弹性 (STIRPAT方程中的指数b、c和d)，定义为右侧变量增加1%所带来的排放变化的百分比，因此b、c和d分别代表与人口、富裕程度和技术有关的弹性。

总体上，一些研究的结果表明，人口确实对排放有成比例的影响，但也有一些研究估计的人口弹性小于1，也就是人口增加1%将导致排放量增加不到1%；相反，其他研究表明人口增加1%将导致排放量增加超过1%。

Dietz和Rosa等人的研究覆盖了更多污染物，并包括了更多的人口变量，如家庭规模、城市化和年龄结构。不过这些研究只用到了1年的截面数据。如果人口规模与另一个变量相关，而这个变量是实际导致效应的变量（所谓的未观察到的或潜在变量），那么基于横断面数据的结果可能会产生误导。纵向数据(即在不同时间点记录的同一组国家或观察单位的横向数据)允许研究者通过使用固定效应来控制一些被忽略的变量--即可能影响特定国家排放的因素，而不是回归模型中指定的变量所捕获的因素，如经济冲击、人口政策的变化或其他特定国家的发展途径。

尽管使用纵向数据有利于结果的解释，但这种变化带来了非稳定数据的统计困难。例如，时间不变的平均数是回归模型中的标准假设，但显然不适合STIRPAT分析，因为在STIRPAT分析中，几个变量（包括人口）可能会随着时间的推移而产生显著的变化趋势。一些STIRPAT研究已经解决或减轻了这些缺点，方法是估计所有变量以第一差值表示的模型，或使用较少时间点的数据。然而，到目前为止，只有一项研究使用了充分考虑变量的时间序列特性及其随时间的共同运动的方法。关于使用时间相关数据或处理时间特性的方法对弹性结果的影响，还不能得出可靠的结论。

除了人口规模外，其他人口变量也会影响排放。在一些研究中，城市化程度与二氧化碳排放呈正相关。一些研究者认为，城市化是发展的代表，另一些研究者认为，城市化是活动（人口）密度的指标。原则上，城市化可以通过生产结构的变化，伴随着劳动生产率的变化，以及能源密集型商品消费的增加来影响排放。然而，城市化和经济增长之间的相互关系实际上并不清楚，至少在上个世纪的OECD（经济合作与发展组织）国家中是如此。例如，两个发展相似的国家奥地利和比利时的城市化率相差甚远（68%和97%），且自1950年以来变化不大。此外，城市化是否真正衡量了可能影响能源消耗或排放的活动类型的密度还不清楚。

一些研究考虑了年龄结构或家庭规模是否会影响排放。一般来说，年龄结构很重要，因为经济活动和能源消费因年龄或生活阶段不同而不同，而且户主的年龄与家庭规模有关（小于30岁或大于55岁的成年人的家庭规模通常比中年人小）。家庭规模很重要，因为大户人家比小户人家总的能源消耗量大，但人均消耗量少。在一项考察家庭规模的STIRPAT跨国研究中，家庭平均规模的减少与人均排放量的增加有关。在考虑工作年龄人口比例的STIRPAT研究中(即根据世界银行的流行定义，15-64岁)，这个变量通常与二氧化碳排放没有显著关联。然而，第一项对工作年龄人口进行分类的研究14发现，年轻人(20-34岁)的弹性为正，老年人(35-64岁)的弹性为负。同样，一项将运输业的二氧化碳排放量视为因变量的研究估计，20-34岁的人的弹性为正，而其他年龄组的弹性为负。

总的来说，首先，人口对排放的大致比例效应并不奇怪。原则上，如果控制了对排放的所有其他影响，并排除了人口通过其他变量对排放的间接影响，人口只能作为一个规模因素，因此其弹性应该是1。因此，弹性如果与1不同，就意味着模型中没有考虑到影响排放的其他变量，或者存在间接效应。其次，对排放的大致比例影响并不意味着人口是最重要或唯一的驱动因素。事实上，所有的研究都表明，富裕程度(人均GDP)和技术(当考虑到这一点时)是排放的实质性驱动因素。因此，历史数据显示，许多情况下，排放量的增长速度高于人口增长速度。第三，结果只包括直接影响，排除了可能通过其他变量起作用的人口变化的间接影响。例如，如果人口增长(或老龄化或城市化)影响到人均收入的增长，进而影响到排放，那么这种影响就没有体现在分配给这个人口变量的弹性中。只有一项研究11隐含地考虑了变量之间的这种关系。因此，充分和明确地表达变量之间潜在的相互反馈的方法可能是有用的。第四，对国家样本进行划分的分析(通常是按收入划分)显示，弹性因子样本而异，尽管关于弹性如何因子组而精确变化的结论各不相同。最后，老龄化和城市化的弹性，虽然在统计学上有显著性，但比人口规模的弹性小（表1）。为了深入了解对排放的潜在影响程度，需要在特定国家模拟城市化和老龄化的合理变化，并计算排放的隐含变化。

表1：STIRPAT研究中人口变化对二氧化碳排放的影响

未来情景分析

在一个结构化的模型框架内，模拟人口规模和组成的预测变化对排放量的影响，是对历史数据统计分析的一种补充办法。原则上，这种方法的优点是能够同时纳入人口变化的若干直接和间接影响。目前已有许多关于未来温室气体排放情景的研究发表。基本上，所有量化的排放情景都将人口规模的变化作为一个驱动力。然而，很少有情景包含其他人口变量，如年龄分布和城市化程度，以测试人口变化对排放结果的净影响。

排放情景研究中对人口变化影响的评估对人口学的作用几乎没有深入了解，因为影响被情景不同的其他方式（可能是大量的）所混淆，例如对经济增长和技术变化率的假设。在情景研究中，有两种不同的一般趋势是显而易见的，尽管这些情景的目的不是明确地量化这种关系。首先，从整体上看，情景显示，较快的人口增长比较慢的人口增长有更大的排放增加。然而，特定的人口增长路径可能与广泛的排放相关联——使用其他排放驱动因素(如技术变化率)的假设的情景变体所显示的结果。

一些分析旨在通过改变人口假设，同时控制其他排放驱动因素的影响来确定人口效应。从20世纪90年代开始的分析仅限于比较不同的未来人口情景的排放量的简单练习，或不区分不同区域的全球模型。少数分析用简单的模型量化一个特定的世界区域内的一次出生对排放的影响，同时考虑到这个人的未来后代活动的排放量。

本研究评估了人口变化对二氧化碳排放的影响，重点是能源生产中燃烧化石燃料的排放。不过其他类型的排放也很重要，包括二氧化碳以外的温室气体、气溶胶（悬浮在大气中的固体或液体颗粒）和土地使用（如砍伐森林）产生的二氧化碳。然而，由于人类活动的结果，能源使用产生的二氧化碳是造成大气净变暖(辐射强迫)的主要因素(约占三分之二)，预计在整个世纪内其重要性将增加。任何一种气候改变污染物（气体或气溶胶）对气候变化的确切贡献百分比都不容易确定，因为它们之间的不确定性、相互作用和寿命差异很大。

简单来说，该模型将世界划分为九个区域，每个区域由家庭部门、最终产品生产者和中间产品生产者组成。家庭决定消费多少和储蓄多少。最终产品产业用资本（家庭拥有的）和劳动力（家庭成员拥有的）生产这些消费品，能源和材料由中间产品生产者提供。中间产品包括材料工业、发电、化石燃料工业（即煤炭、石油和天然气），以及可再生能源和核能部门。在模型中，化石燃料的能源生产会产生二氧化碳排放。

本研究用年龄、规模以及城市/农村家庭改进了这类模型中通常的假设。根据对消费品（如住宅能源、交通或食品）和劳动力供应偏好的不同，各类家庭的行为也不同。我们为每个国家计算了新的家庭预测，代表了生活在不同年龄（定义为户主年龄）、规模（成员数量）、城市或农村地位的家庭中的人口数量。本研究根据这些不同的类别预测人口组成的变化，然后放入经济模型中，并影响排放情景的结果。

结果显示，人口增长率的下降可以导致全球排放量的大幅减少，特别是在长期内。例如，如图1A所示，如果世界人口走低速而非中速增长的道路，那么2050年全球排放量每年将减少1.4千兆吨碳(GtC)，2100年每年将减少5.1千兆吨碳，或分别减少约15%和40%。然而，如果人口遵循高增长预测而不是中等预测，则2050年每年将增加1.7千兆吨碳，2100年每年将增加7.3千兆吨碳，或分别增加约17%和60%以上。在这一分析中，我们使用了联合国2004年所作的长期世界人口预测，在低、中、高情景下，2050年世界人口分别达到74亿、89亿和106亿，2100年分别达到55亿、91亿和140亿。这些预测没有考虑到资源限制或环境退化对人口增长造成的可能限制。

图1：根据人口增长率计算的化石燃料使用的二氧化碳排放量

从区域来看，这些排放变化的最主要部分来自发展中国家；但是，工业化国家的贡献也不小。例如，美国的人口增长对排放有明显的影响，尽管它对全球人口结果差异的贡献不大，因为在这种情景下，人均排放量很高(图1B)。

 这些结果对社会经济发展路径的假设很敏感，并且发生在经济增长、技术变革和能源系统转变速度适中的情景中(以政府间气候变化专门委员会B2情景为模式)。我们做了同样的分析，但假设经济增长率和与能源有关的技术变化率较低，但人口增长率高于前次分析中使用的发展路径（与A2情景一致）。全世界的结果在比例上与B2情景相似，但在绝对值上更大：人口增长从高路径减少到中路径导致到2050年每年减少2.5 GtC，到2100年每年减少10.9 GtC。

除了人口数量变化的影响外，人口构成的变化也会对特定区域的排放产生重大影响。老龄化在长期内可以减少20%的排放量，特别是在工业化地区。在PET模型中，老龄化主要通过影响劳动力供应来影响排放。在该模型中，老龄化人口的劳动生产率或劳动力参与率低于年轻人口，这（在其他条件不变的情况下）导致经济增长放缓。

相比之下，城市化会导致预计排放量增加25%以上，特别是在发展中地区，也主要是通过对劳动力供应的影响。从家庭调查中可以看出，城市劳动生产率很高，这意味着城市化倾向于提高经济增长。尽管在控制收入后，城市生活比农村生活更节能，城市家庭由于收入效应，导致排放增加。

城市化会影响二氧化碳排放以外的其他结果，这些结果与家庭福利方面的预测有关。例如，PET模型和其他模型的结果一致，即南亚的快速城市化与未来情景中住宅能源使用中快速脱离固体燃料（如传统的生物质和煤炭）相关联（图2）。城市化可以加速发展中国家的能源结构向清洁燃料过渡，从而改善未来人口的社会和健康结果。亚洲建模工作中所研究的情景并没有改变减缓技术或政策的部署程度或具体的准入政策的实施。对实现电力和天然气等现代能源普及所需行动进行评估的其他分析表明，今后需要制定政策和投资扩大能源基础设施，并可大大改变家庭能源使用模式。

图2：不同城市化程度下测2050年印度住宅能源使用中固体燃料的比例

编辑：刘晓瑞

排版：刘晓瑞

相关阅读

点击“阅读原文”浏览小组主页