引言

人类活动已经极大地改变了地球环境^[1]，城镇作为人口流与物质流的汇集地^[2]，其CO₂排放量已占到全球总量的80% 以上^[3]。随着城镇化进程的加快，大量的农村人口向城镇转移，居民食物消费已经对城镇生态系统产生重要影响^{[4, 5]}。食物消费涉及生产、加工、运输、流通、处理等环节，这些过程均伴随着能源的投入和温室气体的排放^{[6, 7]}。有研究显示，与食物消费相关的温室气体的排放量已达到人类活动产生的温室气体的25% 左右^[8]。随着经济发展和居民生活水平的提高，居民的食物消费行为和方式发生了重大变化^[9]，相应地引起了食物碳排放结构的改变。因此，清晰地了解城镇居民食物消费碳排放量、结构构成和变化趋势，有利于提高居民节约食物保护环境意识，也有助于针对性改善食物消费对生态环境的影响。

1 文献综述

国内外诸多学者对食物消费碳排放的研究主要集中在碳排放测度上，从生产和消费两个视角进行计算，基于生产角度的较多^[10-12]，而基于消费角度的较少^[13-15]。基于消费角度测算的食物消费碳排放可分为直接碳排放和间接碳排放。食物消费直接碳排放指消耗食物本身产生的碳排放，主要采用碳折算系数法计算，Weber等^[16]运用碳折算系数法测算了美国不同食物类型的碳排放，认为红肉消费产生的碳排放是蔬菜类消费碳排放的将近4倍，Tilman等^[17]得到每单位肉类消费产生的碳排放是谷物类消费碳排放的10倍，曹志宏等^[18]运用碳折算系数法测算了不同食物类型的碳排放，认为中国居民食物消费以粮食、蔬菜和猪肉为主，三者共占2016年全国食物碳排放总量的65.71%。食物间接碳排放指食物生产、加工、运输、流通、储藏等环节消耗能源产生的碳排放，主要基于生命周期角度采用碳折算系数法和投入产出模型计算，Pelletier等^[19]基于生命周期角度，测算了食物生产、加工、运输、流通等消费过程产生的间接碳排放，国内学者也较多基于生命周期过程测算食物消费间接碳排放^{[20, 21]}；部分学者运用投入产出模型测算食物消费间接碳排放^[22-24]。基于生命周期角度的碳排放系数法能够测算生产、加工、运输等各阶段消耗能源产生的碳排放，计算简便，较为实用^[25]；但在中国，省级食物消费能源数据难以获取，且碳排放系数法假设能源碳排放因子不发生改变，难以反映技术进步，而投入产出模型不仅可以反映技术进步，还可以测度部门间碳排放的转移，计算较为准确^[26]。食物消费碳排放在研究尺度上，涉及宏观、中观和微观层次，宏观层次主要基于全国数据测算碳排放，如高晶等^[27]对中国城乡居民食物消费产生的碳排放进行对比测算，认为城镇居民食物消费碳排放总量高于农村居民；中观层次上基于省级、市级数据对食物消费碳排放进行测算，余广霞等^[28]、谢晟宇等^[29]分别对安徽省、昆明市的食物消费碳排放进行测算；微观层次上主要基于微观调研数据测算行业碳排放，朱强等^[30]基于微观调研数据研究了高校食堂浪费及外卖的碳足迹，认为高校餐饮食物消费碳足迹较高。

综上所述，国内外学者运用不同的方法从不同尺度对食物消费碳排放进行测算，取得了诸多成果。但仍可以从以下几点深入：一是目前宏观和中观尺度的研究主要基于截面数据分析中国城乡或某个省（区、市）的食物消费碳排放，而省（区、市）之间横向和纵向对比分析较为缺乏，因此，难以反映食物消费产生的碳排放在时空上的差异；二是在研究方法上，较多基于生命周期角度运用碳折算系数测算食物消费的间接碳排放，忽略了技术进步，而投入产出模型不仅可以反映经济发展和技术进步，且计算结果较为准确，涵盖了行业间转移的碳排放；三是在研究内容上，较多分析时间序列上城乡饮食行为产生的差异，较少考虑食物消费碳排放的结构和空间分布特征，而明确碳排放的结构特征，针对性减少碳排放，对低碳城市建设具有重要参考价值。因此，本文在采用碳折算系数和投入产出模型计算中国城镇居民1990—2018年食物消费碳排放的基础上，运用探索性空间数据分析（ESDA）方法，借助Geoda1.4.6软件，对中国除西藏、香港、澳门、台湾外的30个省（区、市）城镇居民食物消费碳排放的时空演变特征进行分析。

2 研究方法与数据来源 2.1 中国城镇居民食物消费碳排放的测算方法

本文研究对象为食物消费碳排放，由食物直接碳排放、家庭间接碳排放和产业间接碳排放三部分组成。食物直接碳排放指食物本身所含有的碳排放；家庭间接碳排放指烹饪和储藏食物消耗能源产生的碳排放；产业间接碳排放指食物消费过程中生产、加工、流通等不同环节和不同行业间转移产生的碳排放。

2.1.1 人均食物碳排放

人均食物直接碳排放测算采用综合碳折算系数法，计算见下面公式：

(1)

(2)

(3)

(4)

式中，W_it为i地区第t年的人均食物消费直接碳排放；W_cj为第j种食物的直接碳排放量；R_j为第j种食物的综合碳折算系数；K_j为第j种食物的料肉转化比；r₁为粮食的直接碳排放系数；r_j为第j种食物的直接碳折算系数；C_fj、C_pj、C_cj分别为第j种食物中所含有的脂肪、蛋白质以及碳水化合物量；f_j、p_j、c_j分别为第j种食物脂肪、蛋白质和碳水化合物所对应的含碳量，其含量数据来源于食物成分表。根据智静等^[31]计算的不同食物直接碳折算系数和动物产品的料肉转化比，得到各种食品的综合碳折算系数（表 1）。

2.1.2 家庭间接碳排放测算

人均家庭的间接碳排放主要用于食物冷藏和炊事所消耗能源产生的碳排放。由于研究区大部分地区缺乏炊事消耗的能源数据，根据各省（区、市）统计年鉴数据可知，城镇地区家庭常住人口多为三口之家，因此，炊事耗能的碳排放可借鉴曹志宏等^[20]的碳折算系数法进行计算（表 2），记为E_it，表示i地区第t年食物烹饪阶段碳排放。

居民家庭用于冷藏食物所消耗的电能产生的碳排放计算见下式：

(5)

式中，S_it为i地区第t年储藏食物消耗电力产生的碳排放；根据冰箱电耗限定值及能量效率等级中的相关规定，每台电冰箱的年耗电量为507.37 kW· h，电力的碳消耗折算系数为0.23 kgC/kg^[20]，折合116.70 kgC/ kg；N_it为i地区每百户家庭拥有的电冰箱数量；n_it为i地区第t年的平均户规模。

2.1.3 产业间接碳排放测算

投入产出法根据投入产出表计算产品的直接消耗系数和完全消耗系数，从而测算行业的直接和间接碳排放，主要适用于研究碳排放在区域间、行业间的转移，通过编制投入产出表和建立相应的线性代数方程体系，构建一个模拟现实的国民经济结构和社会再生产过程的经济数学模型。测算人均食物消费产业间接碳排放的投入产出模型如下^[23]：

(6)

(7)

式中，C_it为i地区第t年产业间接碳排放；CI_it为投入产出表中四大产业（农林牧渔业、食品加工业、交通运输业和邮政仓储业、住宿餐饮业和批发零售业）对应的能源碳排放强度，即产业碳排放量αE_it（α为标准煤碳排放系数，E_it为四大产业消耗的标准煤矩阵）和该产业总产出X_it的比值；Ait为投入产出表中的直接消耗系数矩阵；I为对应维度的单位矩阵；(I–A_it)^-1是列昂惕夫逆矩阵，表示各个产业单位产出所需的所有产品的完全投入；Y_it为城镇居民与食品相关的最终消费支出。

2.1.4 人均食物消费碳排放测算

人均食物消费碳排放是由人均食物直接碳排放、人均家庭间接碳排放和人均产业间接碳排放3部分组成，计算见下式：

(8)

式中，F_it为i地区第t年人均食物消费碳排放。

各省（区、市）总碳排放计算见下式：

(9)

式中，T_it为i地区第t年食物消费总碳排放（万t），P_it为i地区第t年城镇常住人口（万人）。

2.2 空间探索性分析

我国不同省（区、市）之间的碳排放存在较大的空间流动性，导致区域间存在潜在的空间相关性，本文运用ESDA对我国各省（区、市）城镇居民食物消费总碳排放的空间相关性进行研究。空间自相关研究某一属性值在相关区域空间上的关联集聚程度，分为描述指定属性在整个空间聚集性的全局空间自相关，和进一步分析具体局部单元属性与周边相邻空间集聚性的局域空间自相关^[32]。

2.2.1 全局空间自相关

全局相关性检验应用于研究整个区域空间单元之间的关联性，常用莫兰指数（Moran’s I）表示。全局Moran’s I指数见下式^[33]：

(10)

式中，n为研究对象的个数，本文中n=30；X_i与X_j分别表示i、j区域的观测值；W_ij为空间权重矩阵；X为观测值的平均值。在显著性水平下，若Moran’s I值为正，表示城镇居民食物消费总碳排放整体呈显著空间集聚；若Moran’s I值为负，表示碳排放整体呈显著空间分异。对于空间是否存在自相关性，常采用统计检验的方式，即Z检验，Z值为正且显著时，表明存在正的空间自相关，Z值为负且显著时，表明存在空间分异，Z值为零时，观测值呈独立随机分布。检验见下式^[32]：

(11)

式中，Z（I）为标准化统计量；E（I）为期望值；VAR（I）为方差。

2.2.2 局部空间自相关

全局Moran’s I指数仅从整体分析区域城镇居民食物消费总碳排放的空间差异，不能有效阐述局部的空间集聚强度，还需要进一步进行局部空间自相关分析，常用统计量Local Moran’s I指数表示。Local Moran’s I见下式：

(12)

式中，I_i为Local Moran’s I指数，其余指标含义同式（10）。

2.3 数据来源及处理

本文中城镇居民食物消费的种类主要包括：粮食、蔬菜、植物油、瓜果、猪肉、牛羊肉、禽肉、鲜蛋、水产品、酒、奶及奶制品共11类。具体指标和数据来源见表 3。

食品加工业能源消耗根据食品加工业产值占工业产值比例，从工业能源消耗量中剥离出来；直接消耗系数根据《中国地区投入产出表》中的计算方法（直接消耗系数=直接投入/ 总投入）测算，直接投入和总投入数据来源于《中国地区投入产出表》；1990— 2002年、2003—2007年、2008—2018年分别运用2002年、2007年、2012年《中国地区投入产出表》计算的直接消耗系数，其中，2002年、2007年《中国地区投入产出表》中交通运输业及仓储业和邮政业部门分离，批发和零售贸易业、住宿和餐饮业分离，在数据处理中将两者加总合并为交通运输和邮政仓储业、住宿餐饮和批发零售业，2012年将批发和零售、住宿和餐饮部门数据合并为住宿餐饮和批发零售业。个别缺省数据采用数据平滑处理的方法进行补充。与食物消费相关的支出以1990年为不变价，运用居民消费价格平减指数法消除价格影响。

3 实证分析 3.1 城镇居民食物消费碳排放的时间演变分析

受于篇幅限制，本文选取1990年、2000年、2010年和2018年对30个省（区、市）的人均食物、人均家庭、人均产业、人均碳排放和总碳排放的时空演变趋势进行分析（表 4和表 5）。

从表 4可以看出，各省（区、市）的人均间接碳排放在研究期内呈增长趋势，其中人均家庭间接碳排放增长幅度居中，人均产业间接碳排放增长幅度最大且始终处于主导地位；大部分地区的人均直接碳排放在研究期内呈增长趋势，但增长较为缓慢，北京、江苏、广东增长幅度较大，而上海、浙江、河南、陕西、甘肃、青海、宁夏地区呈下降趋势。北京、江苏、广东地区人均直接碳排放增长幅度较大的原因可从食物消费量的原始数据探知，北京、江苏、广东地区粮食消费数量有所下降，但蔬菜、鲜瓜果和动物性食物消费数量显著增长，总体上人均直接碳排放显著增多，这些地区经济发达，居民对肉类、瓜果、蔬菜类的需求增多，反映了该地区饮食结构的改变；上海、浙江、河南、陕西、甘肃、青海、宁夏地区粮食、蔬菜消费量显著下降，动物性食物的消费增长不显著，只有瓜果、鲜奶类消费增长幅度较大，总体上人均直接碳排放呈下降趋势，但产生机理不同，上海、浙江地区经济发达，外来务工人员较多，居民收入偏高，外出就餐较多；而河南、陕西、甘肃、青海、宁夏处于内陆地区，水资源相对缺乏，水产品消耗偏少，城镇居民体力消耗量有所下降，因此，粮食、蔬菜消费量下降，且由于地区经济发展较为落后，即使随着经济发展，居民收入增多，但随着其他消费的增长和通货膨胀，居民在动物性食物的消费上仍然较为节俭。

人均家庭间接碳排放是由烹饪和储藏食物消耗能源导致的，而烹饪消耗的能源与食物消耗数量有关，依据上文分析，人均食物消费数量增长幅度较小，因此，炊事能源产生的碳排放增长也相对不显著；人均家庭间接碳排放的增长主要是由储藏食物消耗电能导致的，经济发展使得居民购买冰箱（冰柜）的数量显著增加，而随着居民生活观念的转变，父母与子女分居现象增多，居民家庭平均户规模呈下降趋势，根据式（5）计算的人均家庭间接碳排放呈增长趋势。

经过计算，30个省（区、市）的能源利用强度（能源消耗量/ 产业产值）皆呈下降趋势，反映出经济发展带动了技术进步。但是，大部分地区的人均产业碳排放呈几何倍数增长，北京、上海、宁夏地区的人均产业碳排放在大多年份始终处于前列。其中北京、上海地区经济发达，第三产业占比最高，与食物消费相关的基础设施投入较为完善，四大产业产值始终处于前列，且居民在食物消费上的支出也处于前列；而宁夏地区人均产业碳排放偏高的可能原因是当地技术水平相对落后，能源利用不充分，第三产业发展较为薄弱，与食物消费相关的基础设施投入比例相对偏低，产出相对偏低。大部分地区人均产业碳排放的剧烈增长期是在2010年以后，主要是因为中国经济处于中高速发展期，对基础设施建设的重视、交通运输的便利、互联网经济的快速发展等，使得居民与食物相关的支出增多，人均产业间接碳排放增多。海南地区的人均产业间接碳排放始终处于全国较低水平，海南地区虽然四大产业产值相对偏低，但能源消耗量相对偏低，且第三产业较为发达，产出效率高。安徽、福建、江西、山东、河南、湖北、湖南、广西、云南、陕西等地区的人均产业间接碳排放大多数年份处于较低水平，这与当地经济发展水平偏低，居民食物相关支出也相对偏低有关。

从表 5可以看出，中国30个省（区、市）人均碳排放和总碳排放皆呈显著增长趋势，人均碳排放的增长幅度宁夏＞新疆＞上海＞浙江＞青海＞北京，增长幅度最小的是甘肃地区。宁夏、新疆增长幅度大主要是人均产业碳排放显著增加导致的，两地的能源消耗强度虽呈下降趋势，但由于其原本的能源消耗水平就都处于全国较高水平，且两地的第三产业发展较为落后，与食物消费相关的基础设施投入较低，产出较低，技术水平较为落后。因此，宁夏、新疆、青海等经济发展较为落后、地广人稀地区的首要任务是加快人口城镇化建设，在集中建设、节约资源的同时，促进当地经济发展。上海、浙江、北京地区经济发达，技术较为先进，能源利用强度较低，人均碳排放增长幅度却较高可能与这些地区居民在与食物消费相关支出过高有关。甘肃地区人均碳排放增长幅度最小，与人均产业碳排放增长最小密切相关，甘肃地区在1990年能源消耗强度偏高，随着经济发展和技术进步，能源利用强度呈下降趋势，与食品消费相关的支出虽然呈增长趋势，但与其他地区相比，消费支出偏低，直接能源消耗系数处于较高水平且变化不显著，总体来说，人均产业碳排放变化不显著。总碳排放增长幅度广东＞浙江＞山东＞江苏＞河北＞上海，增长幅度最小的是吉林地区，总碳排放与人均碳排放变化趋势不一致的主要原因是城镇常住人口的变动，广东、浙江、山东、江苏、上海等经济发达地区更能吸引人口的流入，人口集聚能进一步促进经济增长，因此，经济发达地区城镇常住人口增长较快，总碳排放变化较多。吉林、甘肃、青海地区总碳排放变化较小，除与人均碳排放变化较小有关之外，还与当地经济发展较为落后，无法吸引人流的集聚，且人口流失较为严重密切相关。因此，这些地区首要任务是提高当地经济发展水平，政府应出台政策吸引外来投资，同时鼓励校企合作，解决人口就业、社会保障等问题，留存人才。

3.2 城镇居民食物消费碳排放的空间格局演变分析 3.2.1 总体空间格局演变特征

本文基于4阶邻接矩阵，利用Geoda1.4.6分析软件，计算1990—2018年中国省际城镇居民食物消费总碳排放的全局Moran’s I指数，分析总体格局演化特征（表 6）。从表 6可以看出，除2003年、2004年、2005年、2006年、2007年和2009年外，其余年份总碳排放Moran’s I指数均在10% 或5% 的水平上通过显著性检验，说明城镇居民食物消费总碳排放大部分年份呈现正的空间相关性、高（低）相邻省际单元相对集聚模式。从整体上看，食物消费总碳排放Moran’s I指数值呈“M”形趋势，并根据其数值的波动情况，空间集聚趋势可大致分为三个阶段。1990— 2000年Moran’s I指数大体呈上升趋势，表明食物消费总碳排放的空间集聚效应呈增强趋势；2001—2009年Moran’s I指数呈下降趋势，且大部分年份未通过显著性水平检验，不存在显著的空间集聚效应，省域食物消费总碳排放的Moran’s I指数既受邻近省份的影响，也与当地居民饮食消费习惯、当地基础设施便利程度相关，两者综合效应导致Moran’s I指数不显著。2010—2018年Moran’s I指数呈下降趋势，但皆通过了显著性水平检验，表明存在正的空间集聚效应，但空间关联性减弱。

3.2.2 局部空间格局演化特征

本文进一步对其局部空间集聚格局演化特征进行探究。选取1990年、2000年、2010年和2018年4个典型年份对中国城镇居民食物消费总碳排放的局部Moran’s I指数进行计算（表 7）。从表 7可以看出，1990年、2000年、2010年和2018年4个年份仅存在高高型和低高型两种类型。1990年高高集聚区主要集中在东北和东部偏北沿海地区，这些地区当年为资源大省（区、市），能源利用强度偏高，经济较为发达，与食物消费相关的工业制造、交通运输、餐饮住宿等基础设施投入较多，人均食物消费碳排放偏高，同时经济发展存在集聚效应，经济发达地区吸引人口集聚，进一步提高了碳排放。上海处于低高型区，碳排放低值被周围高值包围，上海食物消费碳排放在1990年处于低值的可能原因是能源利用强度偏低，与食物消费相关的基础设施投入比例偏低，且当年上海人口相对较少，虽然居民在食物消费相关上的支出偏高，综合作用导致总体碳排放偏低。2000年、2010年和2018年，随着经济的发展，经济发达地区在发生变化，总碳排放高高型区域一直集中在上海、江苏、浙江地区，这些地区处于东部沿海，经济发达，吸引众多外来人口的集聚，人口集聚进一步促进经济增长，虽然随着技术进步，能源利用强度降低，但居民在食物消费上的需求增多，与食物消费相关的基础设施投入比例增多，与食物消费相关的支出显著增长，因此，这些地区自2000年以后始终处于高高区；而天津在2000年以后始终处于低高型区，天津的食物消费总碳排放在2000年以后处于较低水平，除了与技术进步，还与北京的发展吸引人口的流入有关。安徽、福建与周围地区相比，皆处于经济相对不发达区域，周围地区人口的集聚造成当地人口的流失。

4 研究结论与政策建议 4.1 研究结论

本文运用碳折算系数法和投入产出模型分别测度了1990—2018中国城镇居民食物消费的直接碳排放、家庭间接碳排放和产业间接碳排放，并利用空间探索性分析方法对总碳排放的空间特征进行分析，主要结论如下：

（1）中国30个省（区、市）的人均间接碳排放在研究期内呈增长趋势，人均家庭间接碳排放增长幅度居中，人均产业间接碳排放增长幅度最大且始终处于主导地位；大部分地区的人均直接碳排放增长较为缓慢。

（2）各省（区、市）人均碳排放和总碳排放皆呈显著增长趋势，人均碳排放的增长幅度宁夏＞新疆＞上海＞浙江＞青海＞北京，甘肃最小；总碳排放增长幅度广东＞浙江＞山东＞江苏＞河北＞上海，吉林最小。

（3）中国城镇居民食物消费的总碳排放在大部分年份呈正的空间相关性，1990—2000年显著性呈上升趋势，2001—2009年显著性下降，且该区间大部分年份不显著，2010—2018年显著性呈下降趋势，整体上呈“M”形波动。局部空间相关性结果表明，1990年、2000年、2010年和2018年4个典型年份的食物消费总碳排放存在高高型和低高型两种，且2000年及以后高高型稳定在上海、江苏、浙江地区。

4.2 政策建议

根据以上研究结果，本文对减少城镇居民食物消费碳排放的政策建议如下：

（1）鼓励大家庭集聚生活，合理搭配膳食结构。从食物消费的直接碳排放结果可以看出，居民的饮食结构在发生变化，由以“植物性消费”为主向“植物性+ 动物性消费”方式转变，在动物性食物消费上的数量显著增加，不仅增加了食物消费的碳排放，也会带来肥胖、高血脂等问题，损害人体健康。因此，应该在生活中荤素结合，合理搭配膳食结构。大家庭集聚生活不仅可以形成家庭规模优势，减少炊事能源消耗和冰箱个数，降低家庭间接碳排放，且大家庭集聚生活可以培养感情，相互照顾，在一定程度上可以缓解我国目前面临的“少无所养，老无所依”的问题。

（2）促进产业结构升级，加快技术进步。从城镇居民食物消费的产业碳排放分析可以发现，能源利用强度高的地区食物消费碳排放偏高，因此应该提高当地技术水平。政府在加大科研投入力度的同时，可以鼓励外来企业在当地建厂，鼓励厂商引入先进设备，提倡校企合作，提高人才待遇等手段促进当地技术水平的提高。在结果分析中可以发现，宁夏、新疆等经济发展较为落后的地区，居民食物消费的人均产业碳排放也相对偏高，除因当地技术水平有限外，也与当地城镇规划布局相关建设投入有关，更深层次原因是与当地产业结构相关，第二产业基础设施投入比重较大，第三产业发展落后。

（3）缩小地区经济发展水平差距，加强区域经济合作，促进资源流转。根据食物消费总碳排放和空间相关性分析结果可以发现，总碳排放高的地区一般为经济较为发达的地区，且高高集聚区也为经济发达区域，经济发展优势可以吸引人口流入，带动当地经济发展，同时也具有一定的空间溢出效应，对周围地区的经济发展产生影响。经济发展可以提高技术水平，目前主要是经济发展决定了人口的流动方向。因此，经济落后地区应该结合自身优势，加强与周围优势地区的经济合作，促进资源要素如资金、技术、资源等的空间流转，缓解经济发达地区的人口压力。