新疆農(nóng)村居民生活消費(fèi)碳排放及影響因素研究

王志強(qiáng) 唐琪

摘要：構(gòu)建新疆農(nóng)村居民碳排放影響因素分析模型，探求各影響因素的實(shí)際貢獻(xiàn)，為實(shí)現(xiàn)新疆人口、消費(fèi)、環(huán)境協(xié)調(diào)發(fā)展目標(biāo)提出具有針對性的對策建議。文章運(yùn)用IPCC碳排放系數(shù)法和CLA法對2002—2017年新疆農(nóng)村居民生活消費(fèi)的碳排放進(jìn)行核算，并從環(huán)境、人口、技術(shù)3個(gè)方面選取新疆人均年可支配收入、能源強(qiáng)度、生活消費(fèi)碳排放強(qiáng)度、農(nóng)村人口比重4個(gè)影響指標(biāo)，基于擴(kuò)展的STIRPAT模型結(jié)合嶺回歸分析對各影響因素進(jìn)行實(shí)證研究。結(jié)果表明：（1）新疆農(nóng)村居民生活消費(fèi)碳排放的發(fā)展整體呈現(xiàn)遞增趨勢，其中居民直接碳排放增幅較大，增速較快，在碳排放總量中占比較大，間接碳排放量占比逐年增加，但增速和增幅相對緩慢；（2）各自變量的彈性系數(shù)分別為0.09、-0.19、0.89、-0.2，新疆人均年可支配收入、生活消費(fèi)碳排放強(qiáng)度為碳排放量帶來正效應(yīng)，新疆農(nóng)村人口比重、能源強(qiáng)度為碳排放量帶來負(fù)效應(yīng)。（3）從影響程度來看，生活消費(fèi)碳排放強(qiáng)度對新疆農(nóng)村居民生活消費(fèi)碳排放的拉動(dòng)作用最大；能源強(qiáng)度對新疆農(nóng)村居民生活消費(fèi)碳排放的抑制作用最大。提出建議：（1）優(yōu)化農(nóng)村能源系統(tǒng)：調(diào)整農(nóng)村能源結(jié)構(gòu)，推進(jìn)農(nóng)村生物質(zhì)轉(zhuǎn)化，提高農(nóng)村居民資源利用率；（2）提倡科技興農(nóng)：引進(jìn)低碳技術(shù)，提高農(nóng)村市場供給力，改變農(nóng)村地區(qū)粗放式經(jīng)濟(jì)的發(fā)展，實(shí)現(xiàn)節(jié)能產(chǎn)業(yè)和循環(huán)經(jīng)濟(jì)雙向發(fā)展；（3）推進(jìn)新型生態(tài)農(nóng)業(yè)建設(shè)：加大農(nóng)村“綠色宣傳”力度，改革“綠色供給”，加強(qiáng)“綠色治理”，強(qiáng)化“綠色監(jiān)管”。

關(guān)鍵詞：STIRPAT模型；嶺回歸；影響因素；農(nóng)村居民生活消費(fèi)；碳排放

中圖分類號(hào)：X196；X24文獻(xiàn)標(biāo)志碼：A論文編號(hào)：cjas2020-0250

Carbon Emission of Xinjiang Rural Residents’Living Consumption and Influencing Factors： Based on the SITRPAT Model

WANG Zhiqiang， TANG Qi

（School of Public Administration， Xinjiang Agricultural University， Urumqi 830052， Xinjiang， China）

Abstract： The study aims to construct an analysis model of factors affecting carbon emission of rural residents in Xinjiang， explore the actual contribution of each influencing factor， and put forward targeted countermeasures for realizing the coordinated development of population， consumption and environment. We used the IPCC carbon emission coefficient method and the CLA method to calculate the carbon emission of rural residents’living consumption in Xinjiang from 2002 to 2017， and selected 4 influencing factors of per capita annual disposable income， energy intensity， carbon emission intensity of living consumption， and the proportion of rural population from three aspects： environment， population and technology. Based on the extended STIRPAT model combined with ridge regression analysis， the empirical research on each influencing factor was carried out. The results showed that： （1） the overall development of carbon emission from the living consumption of rural residents in Xinjiang had an increasing trend， among them， the direct carbon emission of residents increased significantly， and the growth rate was relatively fast， accounting for a relatively large proportion of the total carbon emission， and the proportion of indirect carbon emission increased year by year， but the growth rate and growth range were relatively slow； （2） the elastic coefficients of the 4 variables were 0.09， -0.19， 0.89 and -0.2， respectively， Xinjiang’s per capita annual disposable income and carbon emission intensity of living consumption had positive effects on carbon emission， the proportion of rural population and energy intensity in Xinjiang had a negative effect on carbon emission； （3） from the perspective of the degree of impact， the carbon emission intensity of living consumption had the greatest pulling effect on the carbon emission of rural residents’living consumption in Xinjiang， while the energy intensity had the greatest restraint effect. Suggestions were put forward as： （1） optimizing the rural energy system by adjusting the rural energy structure， promoting the conversion of rural biomass and increasing the resource utilization rate of rural residents； （2） advocating agriculture development through science and technology by introducing low-carbon technologies， increasing rural market supply， changing regional extensive economic development in rural areas， and realizing the two-way development of energy-saving industries and circular economy； （3） promoting the construction of new ecological agriculture by intensifying rural‘green propaganda’， reforming‘green supply’， strengthening‘green governance’， and enhancing‘green supervision’.

Keywords： STIRPAT Model； ridge regression； influencing factors； rural residents’living consumption； carbon emission

0引言

自2000年以來，中國的居民能源消耗一直在不斷增長，與此同時(shí)，居民消費(fèi)所導(dǎo)致的碳排放年增長率是8.7%，是超過工業(yè)部門的三大主要來源之一，因此中國居民生活碳排放是社會(huì)碳排放的一個(gè)著重關(guān)注點(diǎn)[1]。目前學(xué)者大多將碳排放劃分為直接和間接兩類，基于IPCC法、CLA法、I-O法、LCA法對碳排放進(jìn)行核算[2-3]，國內(nèi)學(xué)者主要從碳排放核算、減排潛力、區(qū)域范圍、空間形態(tài)、影響因素、能耗預(yù)測等層面進(jìn)行有關(guān)居民生活消費(fèi)碳排放的研究[4-9]，但研究范圍大多著眼于中國省域、市縣級(jí)和城鄉(xiāng)間。在居民碳排放影響因素研究方面，傅京燕[10]、湯嫣嫣[11]、史琴琴[12]引用STIRPAT模型考慮了多種影響因素，對中國居民生活用能碳排放的影響進(jìn)行了定量分析，研究結(jié)果表明，消費(fèi)結(jié)構(gòu)、能源強(qiáng)度對生活消費(fèi)碳排放產(chǎn)生負(fù)效應(yīng)，消費(fèi)水平、城鎮(zhèn)化率產(chǎn)生正效應(yīng)，碳排放強(qiáng)度、人口規(guī)模影響方向存在差異，其中能源強(qiáng)度和能源結(jié)構(gòu)是居民消費(fèi)碳排放的主要驅(qū)動(dòng)因素。參照以往研究成果，運(yùn)用IPCC法、CLA法、擴(kuò)展的STIRPAT模型，結(jié)合多元線性回歸法等實(shí)證分析使因素分析有據(jù)可依，探求新疆農(nóng)村居民消費(fèi)的碳排放機(jī)理。

新疆農(nóng)村經(jīng)濟(jì)發(fā)展迅速，居民在家庭生活各方面產(chǎn)生了巨大的能源消耗，由于農(nóng)村地區(qū)經(jīng)濟(jì)發(fā)展水平相對落后，在利用能源資源的過程中粗放現(xiàn)象較為突出[13-14]，但是，中國在對碳排放問題進(jìn)行研究時(shí)，主要將目光投放在國家和省域?qū)用?，研究范圍多著眼于城市，缺乏以農(nóng)村居民為主體的研究成果，介于此，對新疆農(nóng)村居民生活消費(fèi)碳排放影響因素進(jìn)行實(shí)證研究，因地制宜地制定節(jié)能減排政策，期望能夠推進(jìn)新疆乃至全國農(nóng)村居民碳減排工作的開展和綠色低碳生活的實(shí)現(xiàn)，為中國相關(guān)領(lǐng)域?qū)W者的研究提供參考。

1數(shù)據(jù)來源與研究方法

1.1碳排放測算方法

1.1.1居民消費(fèi)直接碳排放核算居民直接碳排放指居民生活直接能源消耗產(chǎn)生的碳排放，農(nóng)村居民生活消費(fèi)產(chǎn)生的直接碳排放主要來自：（1）原煤、焦炭、焦?fàn)t煤氣、其他煤氣、汽油、煤油、天然氣等11種化石能源消耗所產(chǎn)生的CO2排放；（2）電力和熱力屬于二次能源，在其生產(chǎn)和使用的過程中會(huì)消耗大量的化石燃料，因此其碳排放歸為居民生活直接碳排放[15-16]。另外太陽能、風(fēng)能、潮汐能、沼氣等通常視為零碳能源，在能源消耗過程中不產(chǎn)生CO2的排放，不需計(jì)算碳排放量[17]。

根據(jù)IPCC清單核算法直接碳排放計(jì)算方法如式（1）所示。

1.3數(shù)據(jù)來源

本研究數(shù)據(jù)以2002年為基期，時(shí)間跨度為2002—2017年，其中生活能源碳排放強(qiáng)度、能源強(qiáng)度數(shù)據(jù)來源于《國家統(tǒng)計(jì)年鑒》地區(qū)能源平衡表；農(nóng)村人口比重、人均可支配收入、人均能源消費(fèi)支出來自《新疆統(tǒng)計(jì)年鑒》、《能源統(tǒng)計(jì)年鑒》，變量數(shù)據(jù)均通過數(shù)據(jù)處理得到。

2實(shí)證分析

2.1農(nóng)村居民生活碳排放總量分析

2002—2017年新疆農(nóng)村居民碳排放量總體呈上升趨勢，年均增速4.04%，2002年新疆農(nóng)村生活碳排放總量為663.16萬t，其中直接碳排放占總排放量的91.91%，間接碳排放占總排放量的8.09%，人均碳排放量為526.12 kg/人。2017年新疆農(nóng)村生活碳排放總量為1154.85萬t，其中直接碳排放占總排放量的90.76%，間接碳排放占總排放量的9.24%，人均碳排放量為933.22 kg/人。

從增量看，2017年新疆農(nóng)村居民生活碳排放總量較2002年增加了521.69萬t，年均增長32.78萬t。2017年人均碳排放量933.22 kg/人，較2002年增加了407.10 kg/人，年均增長27.14 kg/人。2002—2017年農(nóng)村居民生活碳排放變化趨勢詳見圖1。

從增速看，2017年新疆農(nóng)村居民生活碳排放總量較2002年的663.16萬t，增長了1.74倍，年均增長3.77%；2017年人均碳排放量較2002年的526.12 kg/人，增長了1.77倍，年均增長6.42%。從年度環(huán)比增長速度來看，2002—2017年雖波動(dòng)幅度較大，但總體上呈上升趨勢。以整體分為3段，2002—2005年較為平穩(wěn)，2006—2015年稍有回落，但仍保持上升趨勢，2016—2017年迅速上升，整體呈現(xiàn)“U”型趨勢，與中國西部經(jīng)濟(jì)發(fā)展?fàn)顟B(tài)相呼應(yīng)。其中2016年環(huán)比增長速度最大，農(nóng)村生活碳排放總量較上一年增長速度為69.48%，人均碳排放較上一年增長70.39%；2006年環(huán)比增長速度最小，農(nóng)村生活碳排放總量較上一年增長速度為-49.17%，人均碳排放較上一年增長-49.52%。

2.2新疆農(nóng)村居民消費(fèi)碳排放結(jié)構(gòu)及彈性分析

從碳排放結(jié)構(gòu)看，2002—2017年新疆農(nóng)村居民消費(fèi)碳直接碳排放和間接碳排放趨勢見圖2，農(nóng)村居民消費(fèi)碳排放中的直接碳排放是重要來源，平均占比81.46%以上。2002年新疆農(nóng)村居民生活直接碳排放占總排放量的91.91%，間接碳排放占排放總量的8.09%；2002—2017年新疆農(nóng)村居民消費(fèi)碳直接碳排放和間接碳排放趨勢見圖2，農(nóng)村居民消費(fèi)碳排放中的直接碳排放是重要來源，平均占比81.46%以上。居民生活間接碳排放量呈現(xiàn)增加趨勢，但增速緩慢。隨著農(nóng)村經(jīng)濟(jì)水平的提高，居民對高水平生活質(zhì)量的需求逐漸顯現(xiàn)，間接碳排放的比重會(huì)隨著農(nóng)村居民可支配收入和消費(fèi)支出的增加而增加。

農(nóng)村人口碳排放彈性是指單位農(nóng)村人口增加農(nóng)村人口碳排放量變化幅度。計(jì)算公式如式（7）所示。

2.3模型分析

2.3.1變量描述根據(jù)模型需要的指標(biāo)找到相應(yīng)數(shù)據(jù)，數(shù)據(jù)來源于2003—2018年《新疆統(tǒng)計(jì)年鑒》，詳細(xì)數(shù)據(jù)如表1所示。

人口用新疆農(nóng)村人口比重來衡量，由于中國衡量口徑不一致，僅用常駐人口或農(nóng)業(yè)人口代表農(nóng)村人口，存在一定的片面性，為了提高數(shù)據(jù)的精準(zhǔn)度和指標(biāo)的優(yōu)化度，選取《新疆統(tǒng)計(jì)年鑒》農(nóng)村人口的比重作為最終變量。

能源強(qiáng)度也稱萬元GDP能耗，用新疆能源消耗量與新疆生產(chǎn)總值之比表示，新疆是一個(gè)富集煤炭、石油以及天然氣的地域，煤炭在消費(fèi)總量中所占的比重仍處于一半以上，綜合反映新疆經(jīng)濟(jì)對能源利用效率的重要指標(biāo)，因此具有一定代表性。

生活消費(fèi)碳排放強(qiáng)度是新疆生活消費(fèi)碳排放總量與新疆農(nóng)村居民生活消費(fèi)支出的比值，單位為t/萬元，碳排放強(qiáng)度能反應(yīng)農(nóng)村居民消費(fèi)模式，碳排放強(qiáng)度降低是有效實(shí)現(xiàn)低碳消費(fèi)的舉措，在減排中有著舉足輕重的作用。

能源強(qiáng)度和生活消費(fèi)碳排放強(qiáng)度通過新疆生活消費(fèi)總量、能源消費(fèi)總量、生活消費(fèi)碳排放總量和新疆生產(chǎn)總值折算得出。在多指標(biāo)評價(jià)體系中，為消除價(jià)格變化的影響，新疆生產(chǎn)總值、人均年可支配收入和居民生活消費(fèi)支出等相關(guān)數(shù)值均折算成2010年不變價(jià)。另外，由于各評價(jià)指標(biāo)的具有不同的量綱和數(shù)量級(jí)，需要對原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，本章節(jié)利用極差標(biāo)準(zhǔn)化（Min-max normalization）去除數(shù)據(jù)的單位限制，將碳排放總量、新疆農(nóng)村人口比重、人均年可支配收入、人均能源消費(fèi)、能源強(qiáng)度、生活消費(fèi)碳排放強(qiáng)度6個(gè)指標(biāo)均轉(zhuǎn)化為無量綱的純數(shù)值，同時(shí)為了消除異方差帶來的影響，應(yīng)用時(shí)還需要對其進(jìn)行對數(shù)化處理，對數(shù)化處理后得到結(jié)果如表2所示。

2.3.2回歸擬合結(jié)果對上述解釋變量進(jìn)行相關(guān)系數(shù)檢驗(yàn)，其結(jié)果如表3所示。

將對數(shù)化數(shù)據(jù)進(jìn)行多元回歸分析，R2等于0.998，F(xiàn)=482.537，說明回歸方程是高度顯著的，但模型中大部分系數(shù)沒有通過顯著性檢驗(yàn)，且方差擴(kuò)大因子均大于10，說明該回歸方程存在多重共線性。

表4有3個(gè)特征值都接近0，2個(gè)條件指數(shù)遠(yuǎn)大于100，再次說明具有多重共線性，從條件指數(shù)283.531這一行可以看出，lnA2、lnT2的方差比例同時(shí)比較大，說明/2個(gè)自變量之間一定存在多重共線性的關(guān)系，對我們消除多重共線性有很大作用。

2.3.3嶺回歸估計(jì)表從表4可以看出，5個(gè)變量之間存在很強(qiáng)的共線性，如果多重共線性存在，則線性回歸就無法使用最小二乘法來求解，或者求解會(huì)出現(xiàn)偏差。在處理解釋變量之間的多重共線性問題時(shí)，主要有逐步回歸法、主成分分析法、嶺回歸法，而嶺回歸無疑比最小二乘法更穩(wěn)定，可以解決特征變量間的精確相關(guān)關(guān)系導(dǎo)致的最小二乘法無法使用的問題，可以保證回歸系數(shù)穩(wěn)定的正常數(shù)矩陣，因此，本章節(jié)采用嶺回歸的方法，將嶺回歸系數(shù)K的值定在0～1之間，運(yùn)用SPSS26.0軟件進(jìn)行編程對參數(shù)進(jìn)行估計(jì)，嶺回歸估計(jì)如表5所示。

圖4可以看出變量lnT2的回歸系數(shù)，隨著K值增大迅速下降，變量lnA2的系數(shù)隨著K值增大迅速上升，表現(xiàn)不穩(wěn)定但其他大致穩(wěn)定，而且lnT2與lnA2的相關(guān)系數(shù)為0.722，只需保留一個(gè)就可以，我們選擇剔除lnA2，用其余4個(gè)自變量與因變量做嶺回歸。

圖5可以看出剔除lnA2之后嶺回歸系數(shù)變化幅度減小，將嶺回歸系數(shù)K值的范圍定在0.0～0.3之間，步長更改為0.02進(jìn)行取值。發(fā)現(xiàn)，各系數(shù)在K=0.1已經(jīng)相對穩(wěn)定，于是我們給定K=0.1建立嶺回歸模型，得到嶺回歸分析結(jié)果見表7、8。。

方差分析結(jié)果中，Sig.≈0.000，回歸方程是高度顯著的，各自變量顯著性Sig.值都小于0.05，R2≈0.986，經(jīng)過嶺回歸處理后，各系數(shù)之間均顯著，模型的整體擬合效果較好，且符合實(shí)際意義，最終得到標(biāo)準(zhǔn)化后的STIRAPT模型表達(dá)式如（8）所示。

3結(jié)論

（1）從碳排放總量來看，2002—2017年新疆農(nóng)村居民碳排放量波動(dòng)上升，2002—2005年較為平穩(wěn)，2006—2015年稍有回落，但仍保持上升趨勢，2016年以后迅速上升，整體呈現(xiàn)出“U”型變化趨勢。究其原因，新疆農(nóng)村居民的能源消費(fèi)大量提高，由于“西部大開發(fā)戰(zhàn)略”的實(shí)施，新疆經(jīng)濟(jì)全面發(fā)展，大大加劇了新疆地區(qū)鋼鐵、化工等重化工業(yè)企業(yè)的攀升，對能源的依賴增加了很多，導(dǎo)致直接碳排放總量直線上升；隨著農(nóng)村經(jīng)濟(jì)的發(fā)展，居民生活正在由完全的物質(zhì)需求向物質(zhì)與精神需求并舉轉(zhuǎn)變，對耐用品和交通通信的需求明顯提升，教育和健康的要求也越來越高，消費(fèi)需求的擴(kuò)大對地區(qū)碳排放有重要驅(qū)動(dòng)作用。

（2）從碳排放結(jié)構(gòu)來看，新疆長期以來由煤炭消耗所致的碳排放在直接能源消費(fèi)中占比最大，雖引進(jìn)了清潔能源和零碳能源，增加了直接能源消費(fèi)種類的多樣性，但由于化石能源消費(fèi)居高不下，使得農(nóng)村居民直接碳排放增幅較大，增速較快，在碳排放總量中占比較大，成為居民碳排放的重要來源；農(nóng)村生活變富裕，對物質(zhì)品的需求逐漸增加，使得居民生活間接碳排放量占比逐年增加，但居民在生活過程中引起碳排放的增速和增幅相對一次能源消費(fèi)所帶來的直接碳排放緩慢。

（3）從貢獻(xiàn)度可以看出，各自變量的彈性系數(shù)分別為0.09、-0.19、0.89、-0.2，表明，人均年可支配收入、碳排放強(qiáng)度每增加1%會(huì)導(dǎo)致碳排放量分別增加0.09%和0.89%；能源強(qiáng)度、農(nóng)村人口占有率每減少1%，碳排放量減少0.19%、0.20%。

（4）從影響程度來看，新疆人均年可支配收入、生活消費(fèi)碳排放強(qiáng)度的增長為碳排放量的增加帶來的是正效應(yīng)，新疆農(nóng)村人口占有率、能源強(qiáng)度為碳排放量的增加帶來的是負(fù)效應(yīng)。其中，生活消費(fèi)碳排放強(qiáng)度對新疆農(nóng)村居民生活消費(fèi)碳排放的影響最強(qiáng)，其次是農(nóng)村人口占有率、人均可支配收入水平、能源強(qiáng)度。

4建議

（1）優(yōu)化農(nóng)村能源系統(tǒng)：一是發(fā)展農(nóng)村清潔能源和可再生能源。發(fā)展新疆具有優(yōu)勢的風(fēng)能、太陽能等清潔能源，運(yùn)用現(xiàn)代先進(jìn)技術(shù)替代傳統(tǒng)的高碳化工能源，減少火力發(fā)電的供能方式等。二是推進(jìn)農(nóng)村生物質(zhì)轉(zhuǎn)化。高效開發(fā)農(nóng)村地區(qū)可再生綠色能源，通過生物質(zhì)轉(zhuǎn)換和壓縮技術(shù)，保障地區(qū)能源安全，減少農(nóng)村廢棄物堆積和污染，做到地盡其利、物盡其用。三是調(diào)整農(nóng)村能源結(jié)構(gòu)，降低農(nóng)村地區(qū)煤炭消費(fèi)比重，鼓勵(lì)對零碳能源、清潔能源開發(fā)和利用。

（2）提倡科技興農(nóng)：一是發(fā)展農(nóng)村清潔煤技術(shù)。加強(qiáng)煤炭綜合利用，以先進(jìn)的煤炭轉(zhuǎn)化技術(shù)和現(xiàn)代煤化工技術(shù)改造傳統(tǒng)煤化工產(chǎn)業(yè)，使煤改造技術(shù)完整貫穿于煤炭開發(fā)、加工、燃燒、轉(zhuǎn)化的過程。二是提高農(nóng)村市場供給力。用新疆當(dāng)?shù)佚堫^企業(yè)，深化生態(tài)農(nóng)產(chǎn)品品牌效應(yīng)，將生態(tài)與經(jīng)濟(jì)相結(jié)合，推動(dòng)新疆特色農(nóng)產(chǎn)品和農(nóng)業(yè)現(xiàn)代化技術(shù)的研發(fā)與應(yīng)用。三是引進(jìn)低碳技術(shù)。重點(diǎn)對一些高污染、高能耗、高排放的傳統(tǒng)技術(shù)進(jìn)行改造，降低碳排放強(qiáng)度，改變農(nóng)村地區(qū)粗放式經(jīng)濟(jì)的發(fā)展，實(shí)現(xiàn)節(jié)能產(chǎn)業(yè)和循環(huán)經(jīng)濟(jì)雙向發(fā)展。

（3）推進(jìn)新型生態(tài)農(nóng)業(yè)建設(shè)：首先，加大農(nóng)村“綠色宣傳”力度。開展多種宣傳形式，強(qiáng)調(diào)技術(shù)更新進(jìn)步的宣傳，通過多種方式如：廣播電視、期刊讀物、互聯(lián)網(wǎng)資訊等媒介，進(jìn)行生態(tài)文明建設(shè)和環(huán)境衛(wèi)生知識(shí)的普及。動(dòng)員居民廣泛參與紀(jì)念性活動(dòng)，如：“世界低碳日”、“中國植樹節(jié)”、“世界無煙日”等，潛移默化帶動(dòng)農(nóng)村居民的環(huán)保意識(shí)，養(yǎng)成健康合理的生產(chǎn)生活方式和消費(fèi)模式。其次，改革“綠色供給”。提高農(nóng)村產(chǎn)業(yè)對經(jīng)濟(jì)增長的貢獻(xiàn)率，以農(nóng)業(yè)工程、生態(tài)工程為重點(diǎn)，完成“新疆百項(xiàng)技術(shù)改造升級(jí)示范工程”，培育和壯大綠色金融生態(tài)圈、“互聯(lián)網(wǎng)+農(nóng)業(yè)”等產(chǎn)業(yè)，實(shí)現(xiàn)互聯(lián)網(wǎng)三次產(chǎn)業(yè)融合發(fā)展。第三，加強(qiáng)“綠色治理”。推進(jìn)農(nóng)村生活垃圾治理，開展農(nóng)村“廁所革命”，梯次推進(jìn)農(nóng)村生活污水治理，加強(qiáng)村莊規(guī)劃管理，加大綜合治理，全面開展環(huán)境整治。第四，強(qiáng)化“綠色監(jiān)管”。提高綠化保護(hù)工作水平，完善系統(tǒng)監(jiān)測、管理、維護(hù)、預(yù)警體系，提高棚戶區(qū)改造、污水處理、常態(tài)管理、結(jié)合實(shí)際情況，因地制宜對新疆農(nóng)村生態(tài)環(huán)境進(jìn)行多元化的綠色低碳監(jiān)管機(jī)制。

參考文獻(xiàn)

[1]FAN J L， LIAO H， LIANG Q， Residential carbon emission evolutions in urban-rural divided China：An end-us and behavior analysis[J].Applied Energy，2013，101（1）：323-332.

[2]李繼峰，郭焦鋒，高世楫，等.國家碳排放核算工作的現(xiàn)狀、問題及挑戰(zhàn)[J].發(fā)展研究，2020（06）：9-14.

[3]劉明達(dá)，蒙吉軍，劉碧寒.國內(nèi)外碳排放核算方法研究進(jìn)展[J].熱帶地理，2014，34（02）：248-258.

[4]樊靜麗，李佳，晏水平，等.我國生物質(zhì)能-碳捕集與封存技術(shù)應(yīng)用潛力分析[J].熱力發(fā)電，2021，50（1）：7-17.

[5]呂迎.甘肅省農(nóng)業(yè)碳排放綜合測算及驅(qū)動(dòng)力分析[J].合作經(jīng)濟(jì)與科技，2020（20）：14-17.

[6]孫義，劉文超，徐曉宇.基于STIRPAT模型的遼寧省碳排放影響因素研究[J].環(huán)境保護(hù)科學(xué)，2020，46（5）：43-46.

[7]李莉，董棒棒，敬盼.環(huán)境規(guī)制背景下新疆能源碳排放峰值預(yù)測與情景模擬研究[J].生態(tài)與農(nóng)村環(huán)境學(xué)報(bào)，2020，36（11）：1444-145.

[8]熊薇.面向低碳的城市空間結(jié)構(gòu)優(yōu)化評價(jià)研究——以南京市為例[J].華中建筑，2020，38（6）：90-94.

[9]王世進(jìn)，馬妍妍，夢雯.城鎮(zhèn)化背景下江蘇省區(qū)域碳排放的影響因素研究[J].資源開發(fā)與市場，2017，33（12）：1444-1448.

[10]傅京燕，李存龍.中國居民消費(fèi)的間接用能碳排放測算及驅(qū)動(dòng)因素研究——基于STIRPAT模型的面板數(shù)據(jù)分析[J].消費(fèi)經(jīng)濟(jì)， 2015，31（2）：92-97.

[11]湯嫣嫣，李爽，夏青.中國居民生活用能碳排放影響因素分析——基于STIRPAT模型[J].生態(tài)經(jīng)濟(jì)，2017，33（5）：42-47.

[12]史琴琴，魯豐先，陳海，等.中原經(jīng)濟(jì)區(qū)城鎮(zhèn)居民消費(fèi)間接碳排放時(shí)空格局及其影響因素[J].資源科學(xué)，2018，40（6）：1297-1306.

[13]JING L F， HAO Y， YI M W， Residential energy- related carbon emissions in urban and rural China during 1996–2012： From the perspective of five end-use activities[J].Energy & Buildings，2015（96）：201-209.

[14]YAO C S， CHEN C Y， LI Ming. Analysis of rural residential energy consumption and corresponding carbon emissions in China[J].Energy Policy，2012（41）： 445-450.

[15]陳慧.區(qū)域能源消費(fèi)碳排放及影響因素分析[D].南昌：江西財(cái)經(jīng)大學(xué)，2020.

[16]李穎.安徽省農(nóng)村居民生活消費(fèi)碳排放與居民收入關(guān)系研究[J].農(nóng)村經(jīng)濟(jì)與科技，2019，30（19）：98-100.

[17]王瓏.人口、消費(fèi)與碳排放問題的文獻(xiàn)綜述[J].廣西質(zhì)量監(jiān)督導(dǎo)報(bào)，2019（3）：53-55.

[18]馬翠梅，李士成，葛全勝.省級(jí)電網(wǎng)溫室氣體排放因子研究[J].資源科學(xué)，2014，36（5）：1005-1012.

[19]PAUL R ehalich， GARY Wolff， GRETCHEN C. Daily， et al. Knowledge and the environment[J].Ecological Economics，1999（2）：267-284.

[20]RICHARD York， EUGENE A Rosa， THOMAS Dietz. Bridging Environmental Science with Environmental Policy：Plasticity of Population，Affluence，and Technology[J].Social Science Quarterly， 2002，83（1）：18-23.