第1章 时间利用与低碳管理概述
　　能源安全和气候变化等问题日益加剧，应对气候变化迫在眉睫。气候变化主要是人类活动燃烧化石能源产生大量碳排放所引起的，因此急需实现能源系统绿色转型以降低碳排放。能源系统的绿色转型不仅依赖于供给侧的技术创新和能源结构调整，还急需需求侧的行为低碳转型。时间作为绝对稀缺的资源(一天只有24小时)，不会因为社会环境、经济地位、年龄、家庭类型、人种差异等因素而不同。因此，时间利用可以提供一个相对更为公平和全面的视角来分析人类行为。
　　基于上述考虑，本章着重回答以下基本问题：
　　(1)世界能源消耗和碳排放现状如何？
　　(2)时间利用研究是什么？
　　(3)时间利用行为与能源排放、幸福感之间的联系是什么？
　　(4)时间利用视角下人类行为低碳转型面临的问题有哪些？
　　1.1 应对气候变化问题迫在眉睫
　　能源安全和气候变化等问题日益加剧，是当前全球共同面临的重大问题(魏一鸣等，2018)。IPCC指出，目前有明确的证据表明地球正逐渐变暖(IPCC，2014)。美国国家科学院(National Academy of Sciences，NAS)的“气候变化科学：若干关键问题分析”指出，地球大气层中温室气体正在累积，导致地表空气温度和地下海洋温度升高(Council，2001)。气候变暖和气候不稳定的影响包括极端天气事件增多、水资源短缺、海平面上升、海洋酸化、生物多样性受损等(Fitzgerald et al.，2018)，而这些自然生态环境的变化越来越威胁人类生存。
　　应对气候变化问题迫在眉睫。IPCC第六次评估报告指出，从1850～1900年至2010～2018年，人类活动导致的全球地表温度上升了0.8～1.3℃，如图1-1所示；除非在未来几十年里采取深度减排措施，否则全球1.5℃温控目标乃至2℃目标将无法实现(IPCC，2021)。为了应对气候变化问题，以及控制二氧化碳(CO2)等温室气体排放，世界各国政府一直积极致力于通过全球合作的方式来减缓和适应气候变化，并因此形成一系列雄心勃勃的气候变化协定，包括1992年的《联合国气候变化框架公约》、1997年的《京都议定书》、2015年的《巴黎协定》等。
　　图1-1 全球平均地表温度变化(1850～2018年)黑线代表平均温度变化的中位数，灰线代表95%置信区间的上限和下限。数据来源是 Ritchie和 Roser(2020)
　　随着工业化和城镇化进程的加快，中国面临的挑战更为严峻。中共十八届五中全会提出“创新、协调、绿色、开放、共享”五大发展理念，将绿色发展作为关系我国发展全局的一个重要战略。自2006年以来，能源强度和总量、碳排放强度和总量、二氧化硫和氮氧化物排放总量等指标已被纳入国家和各级政府的经济和社会发展规划中，并作为约束性指标予以重点考察(黄雨萌等，2018)。2020年9月，习近平主席在第七十五届联合国大会一般性辩论上指出中国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和(新华社，2020)。绿水青山就是金山银山，以较低的能源消耗、较小的环境影响来实现经济快速稳定增长，已成为我国高质量发展的基本要求。
　　1.2 能源消耗和碳排放是气候变化的主要诱因
　　人类活动是导致气候变化的重要原因之一(Akpan and Akpan，2012)。由于人为产生的温室气体(包括二氧化碳、甲烷(CH4)、氧化亚氮(N2O)、氢氟碳化物(HFCs)、全氟化碳(PFCs)、六氟化硫(SF6)，以二氧化碳为主)在大气中积累，它们通过加强自然的“温室效应”产生气候变化。而温室气体的产生又主要源自化石能源的使用。具体来说，各种能源类商品的生产、转化、处理和消费产生的排放占全球人为温室气体的80%以上。农业部门的温室气体排放所占比例较小，农业主要通过与能源无关的工业过程产生 CH4和 N2O。能源部门的温室气体排放主要来自化石燃料的直接燃烧，这一过程会导致大量的二氧化碳排放(IEA，2010)。因此，减缓气候变化的关键在于控制能源消费总量，减少化石能源使用。
　　然而，能源是实现全球各国经济发展的“血液”。随着各国经济增长，世界能源消耗总量持续攀升，由1990年的86亿吨油当量增长至2019年的140亿吨油当量，年均增速为1.7%(Enerdata，2021)，形势十分严峻(图1-2)。亚洲地区能源消费总量*多，1990～2019年由21亿吨油当量增长至60亿吨油当量，年均增速为3.7%，占全球能源消费总量的比重为24%～43%；其次是北美地区，1990～2019年能源消费总量由21亿吨油当量增长至23亿吨油当量，年均增速为0.3%，占全球能源消费总量的比重为16%～24%；欧洲地区能源消耗总量由1990年的17.8亿吨油当量增长至2019年的18.1亿吨油当量，年均增速为0.1%，占全球能源消费总量的比重为13%～21%。相对来说，其他地区[包括独立国家联合体(以下简称独联体)、拉丁美洲、大洋洲、非洲和中东]的能源消费总量相对较小但增速较快，占全球能源消费总量的比重之和为28%～30%，年均增速为1.4%。由于新型冠状病毒肺炎疫情封锁措施和交通限制，2020年全球能源消费总量相对于2019年下降了3.6%，达135亿吨油当量。欧洲、北美和拉丁美洲下降了7%，独联体下降了5%，大洋洲、非洲和中东(特别是沙特阿拉伯)的能源消费也出现了萎缩。相对来说，亚洲地区的能源消费受影响较小。就能源消费结构而言，2020年石油、天然气、一次电力、煤炭、生物质和地热能的比重分别约为29.6%、24%、10%、26%、10%和0.4%。
　　图1-2 世界能源消费总量及结构数据来源于《全球能源统计年鉴(2021)》(Enerdata，2021)
　　美国和中国是能源消费大国，两国能源消耗量之和占全球能源消耗量的33%～40%，如图1-3所示。2009年之前，美国一直是能源消耗量*大的国家，1990～2008年，美国能源消耗量由19.1亿吨油当量增长至22.8亿吨油当量，而2009～2019年，美国能源消耗量则由21.7亿吨油当量增至22.1亿吨油当量。2009年之后，中国超过美国，成为全球能源消耗量*大的国家，1990～2019年，中国能源消耗量由8.7亿吨油当量增至33.1亿吨油当量。能源消耗量*大的前12个国家还包括印度、俄罗斯、日本、巴西、韩国、加拿大、德国、伊朗、印度尼西亚和法国。尽管中国能源消耗总量较多，但从人均能源消耗量和人均累积能源消耗量来看，中国显著低于发达国家，如图1-4所示。例如，在2020年，中国人均能源消耗量为2.4吨油当量/人，分别仅是美国、日本、韩国、加拿大、德国和法国的39%、79%、44%、33%、73%和75%；1990～2020年，中国人均累积能源消耗人均累积能源消耗量等于1990～2020年各个国家累积的能源消耗量求和，除以该国2020年人口数。能源消耗数据来源于《全球能源统计年鉴(2021)》(Enerdata，2021)，人口数据来源于世界银行(世界银行，2021)量为42.5吨油当量/人，分别仅为美国、日本、韩国、加拿大、德国和法国的21%、36%、33%、20%、35%和37%。从能源强度(单位国内生产总值(gross domestic product， GDP)的能源消耗)来看，中国的能源强度逐年下降，2000～2020年下降了43%，而同期发达国家(美国、日本、韩国、加拿大、德国和法国)的能源强度仅下降了27%～36%，如图1-5所示。
　　图1-3 部分国家的能源消耗数据来源于《全球能源统计年鉴(2021)》(Enerdata，2021)
　　图1-4 能源消耗*高的12个国家的人均能源消耗量和人均累积能源消耗量
　　图1-5 能源消耗*高的12个国家的能源强度
　　GDP数据使用购买力平价并调整为2017年不变价国际元(国际元是多边购买力平价比较中，将不同国家的货币转换为统一货币的方法)。能源消耗数据来源于《全球能源统计年鉴(2021)》(Enerdata，2021)，GDP数据来源于世界银行(世界银行，2021)全球对化石燃料的高度依赖是全球二氧化碳排放呈现上升趋势的主要原因。世界碳排放总量由1990年的203亿吨增长至2019年的327亿吨，年均增速为1.7%，如图1-6所示。其中，亚洲地区的碳排放总量*高，1990～2019年由48亿吨增长至159亿吨，占全球碳排放总量的24%～49%，年均增速达4.2%；其次，北美地区碳排放总量由1990年的53亿吨增长至2019年的55亿吨，占全球碳排放总量的比重为17%～26%，年均增速为0.1%；欧洲地区的碳排放总量占比较大但近年来逐年下降，由1990年的44亿吨下降至2019年的37亿吨，占全球碳排放总量的比重为11%～22%。其他地区(包括独联体、拉丁美洲、大洋洲、非洲和中东)的碳排放总量占比较小但增速较快，1990～2019年由58亿吨增长至76亿吨，占全球碳排放总量的比重为23%～29%，年均增速为0.9%。2020年，新型冠状病毒肺炎疫情对二氧化碳排放产生了巨大影响，全球碳排放总量相对于2019年下降了4.9%，特别是在上半年，当时广泛的封锁措施、运输限制和经济放缓显著降低了运输部门的石油消费。电力部门的碳排放量也有所减少，原因是电力需求降低，碳排放因子(每千瓦时产生的碳排放量)持续下降。碳排放因子下降的主要原因是燃料从煤炭转向天然气，以及可再生能源在全球电力结构中所占的份额不断上升。就碳排放来源而言，石油、天然气和煤炭的碳排放分别占31%、25%和44%。
　　图1-6 世界碳排放总量及结构数据来源于《全球能源统计年鉴(2021)》(Enerdata，2021)
　　美国和中国是碳排放较高的国家，如图1-7所示。2006年之前，美国是全球碳排放量*大的国家，1990～2005年，美国的碳排放由48.7亿吨增长至58.0亿吨。而2006年之后，美国碳排放呈现下降趋势，2006～2019年，美国碳排放由57.0亿吨降至49.3亿吨。中国自2006年之后超过美国成为全球碳排放*高的国家，1990～2019年，中国碳排放由22.6亿吨持续增长至95.6亿吨。全球碳排放*高的12个国家，除美国和中国外，还包括印度、俄罗斯、日本、伊朗、德国、韩国、印度尼西亚、加拿大、沙特阿拉伯和南非，这些国家的碳排放之和占全球碳排放的35%～45%。然而，从人均碳排放量和人均累积碳排放量来看，中国仍然显著低于大多数发达国家，如图1-8所示。在2020年，中国人均碳排放量为6.9吨 CO2/人，仅是美国、日本、德国和韩国的52%、89%、58%、46%；1990～2020年，中国人均累积碳排放量为127吨 CO2/人，仅为美国、日本、德国和韩国的25%、46%、26%和32%。从碳强度(单位 GDP的碳排放)来看，中国的碳强度持续下降，2000～2020年下降了41%；同期，发达国家(美国、日本、德国、韩国和加拿大)的碳强度下降了21%～46%，如图1-9所示。
　　图1-7 碳排放*高的12个国家的 CO2排放(1990～2020年)数据来源于《全球能源统计年鉴(2021)》(Enerdata，2021)

目录
前言
PREFACE
缩写和缩略语
第1章 时间利用与低碳管理概述 1
1.1 应对气候变化问题迫在眉睫 2
1.2 能源消耗和碳排放是气候变化的主要诱因 3
1.3 人类行为转变是控制能源消耗和碳排放的重要途径 7
1.4 时间利用视角能够更为公平和全面地分析人类行为 8
1.5 时间利用研究简介 9
1.5.1 什么是时间利用研究？9
1.5.2 时间利用研究的历史发展 9
1.6 时间利用和能源环境的关联 12
第2章 典型国家时间利用模式特征识别 15
2.1 基本介绍 16
2.2 时间利用调查 16
2.2.1 中国时间利用调查 16
2.2.2 发达国家时间利用调查 17
2.3 中国居民时间利用模式 18
2.3.1 不同社会经济群体的活动时长 18
2.3.2 不同社会经济群体的活动参与程度 24
2.3.3 不同地区居民的时间利用模式与活动参与情况 35
2.4 中国和典型发达国家时间利用模式对比 39
2.4.1 中国与发达国家时间利用模式整体比较 39
2.4.2 中国与发达国家工作时间比较 39
2.4.3 中国与发达国家个人必要活动时间比较 41
2.4.4 中国与发达国家无酬家务劳动时间比较 42
2.4.5 中国与发达国家学习时间比较 43
2.4.6 中国与发达国家休闲娱乐时间比较 44
2.4.7 中国与发达国家出行时间比较 47
2.5 本章小结 48
第3章 时间利用行为阈值分析 50
3.1 基本介绍 51
3.2 时间利用前沿估计方法和数据 51
3.2.1 时间利用前沿分析框架 51
3.2.2 时间利用前沿估计方法 52
3.2.3 数据 54
3.3 中国居民 2008年活动时间和典型发达国家居民活动时间上限 59
3.3.1 中国居民 2008年活动时间 59
3.3.2 典型发达国家居民的活动时间上限 59
3.4 中国居民时间利用前沿 61
3.4.1 中国居民时间利用前沿的影响因素 61
3.4.2 中国居民时间利用前沿结果分析 68
3.5 本章小结 70
第4章 时间利用和物质消费的替代关系 71
4.1 基本介绍 72
4.2 商品-时间替代弹性估计方法和数据 73
4.2.1 商品-时间替代弹性的估计方法 73
4.2.2 时间利用与物质消费之间的对应关系 74
4.2.3 数据 76
4.3 商品-时间替代弹性表现 76
4.3.1 商品-时间替代弹性的结果分析 76
4.3.2 讨论 80
4.4 本章小结 81
第5章 时间利用行为对居民能源消费的链式影响 82
5.1 基本介绍 83
5.2 基于时间利用的居民能源消费核算方法 84
5.2.1 研究框架 84
5.2.2 基于时间利用行为的能源消费核算模型 86
5.3 时间利用调查 88
5.3.1 调查设计 88
5.3.2 描述性统计 91
5.4 时间利用—能源消费的传导链 97
5.4.1 从时间利用行为到居民能源消费的过程链 98
5.4.2 家庭年均直接能源消耗量 102
5.4.3 中国居民节能潜力 103
5.5 本章小结 105
第6章 引入时间利用行为的碳排放变化驱动因素分析 107
6.1 基本介绍 108
6.2 数据和方法 109
6.2.1 数据来源 109
6.2.2 时间利用行为和消费行为匹配原则 110
6.2.3 二氧化碳排放核算方法 110
6.2.4 碳排放变化驱动因素分解方法 112
6.3 居民活动相关碳排放驱动因素解析 113
6.3.1 多因素效果评估 113
6.3.2 家庭类型变化影响 113
6.3.3 各类活动的时间效应 115
6.3.4 各类活动的碳排放强度效应 117
6.4 本章小结 120
第7章 非工作时间利用行为与碳排放 122
7.1 基本介绍 123
7.2 非工作时间利用活动的二氧化碳排放核算框架和方法 123
7.2.1 非工作时间利用活动的二氧化碳排放核算框架 123
7.2.2 非工作时间利用活动的二氧化碳排放核算方法 124
7.3 数据 128
7.3.1 数据来源 128
7.3.2 数据匹配 129
7.4 中国居民非工作时间利用模式与二氧化碳强度 130
7.5 非工作时间利用模式变化对二氧化碳排放的影响 133
7.5.1 不同国家间非工作时间利用模式及活动CO 2强度差异 133
7.5.2 中国居民未来非工作时间利用活动的二氧化碳排放 137
7.6 本章小结 141
第8章 时间投入产出分析方法及其在环境领域的应用 144
8.1 基本介绍 145
8.2 时间投入产出分析方法 146
8.2.1 时间投入产出分析框架 146
8.2.2 时间投入产出表的编制方法 149
8.2.3 时间投入产出表的平衡方法 151
8.2.4 人类行为变化对碳排放影响的估计方法 153
8.2.5 数据需求 158
8.3 中国时间投入产出表 161
8.4 中国居民低碳时间利用活动模式 167
8.4.1 中国居民时间利用模式变化情景设计 167
8.4.2 中国居民时间利用行为变化对二氧化碳排放的影响 169
8.4.3 引入时间利用行为活动之间内在联系的重要性 171
8.5 本章小结 173
第9章 基于时间利用视角的人口转型环境影响评估 176
9.1 基本介绍 177
9.2 人口转型、时间利用行为和能源排放影响之间的传导机制 178
9.3 行为-经济-技术-能源-排放耦合模型 179
9.4 时间利用调查数据及模型假设 183
9.4.1 时间利用调查数据 183
9.4.2 情景设计 184
9.4.3 参数设定 188
9.5 人口转型对能源消耗和碳排放的影响 190
9.5.1 能源消耗和碳排放预测 190
9.5.2 不同人口转型程度的碳排放变化归因 191
9.5.3 碳排放变化驱动因素解析 194
9.6 本章小结 195
第10章 远程办公模式的节能潜力评估 197
10.1 基本介绍 198
10.2 时间利用行为与能源消费行为的多维交互机理 199
10.2.1 时间—能源交互作用 199
10.2.2 时间—时间交互作用 200
10.2.3 能源—能源交互作用 200
10.2.4 家庭内部交互作用 200
10.2.5 行为交互作用建模 201
10.3 多元行为综合建模方法 202
10.3.1 家庭效用函数 202
10.3.2 家庭成员效用函数 203
10.3.3 模型估计 204
10.4 调查设计和数据处理 207
10.4.1 调查内容设计 207
10.4.2 调查实施 207
10.4.3 数据处理 208
10.5 模型优度及主要参数估计结果 210
10.5.1 模型整体表现 213
10.5.2 多维交互作用 213
10.5.3 效用组成 215
10.5.4 社会经济环境属性的影响 215
10.6 远程办公的节能减排潜力 216
10.7 本章小结 218
第11章 缩短工作时间政策的设计与选择 219
11.1 基本介绍 220
11.2 不同政策对经济、就业和环境影响的分析方法 221
11.2.1 时间政策对经济、就业和环境影响的分析思路 221
11.2.2 时间政策对经济、就业和环境影响的建模 221
11.2.3 缩短工作时间政策设计 225
11.2.4 缩短工作时间政策与生产情景 226
11.2.5 数据 229
11.3 不同时间政策对经济、就业和环境的影响差异显著 232
11.3.1 时间利用与消费模式变化 232
11.3.2 缩短工作时间政策对经济的影响 235
11.3.3 缩短工作时间政策对社会的影响 236
11.3.4 缩短工作时间政策对二氧化碳排放的影响 239
11.3.5 缩短工作时间政策的选择 239
11.3.6 旅游需求对经济和碳排放的影响 241
11.4 本章小结 243
第12章 时间利用与物联网：智能家居参与电力需求响应 246
12.1 基本介绍 247
12.2 物联网参与需求响应的研究现状 248
12.3 智能家居综合管理优化方法 250
12.3.1 研究框架 250
12.3.2 智能家居综合管理模型 251
12.3.3 调查与数据 255
12.4 智能家居对居民用电成本和需求侧负荷的影响 257
12.4.1 居民用电负荷在时间尺度上的转移特征 258
12.4.2 智能家居对居民用电成本和负荷波动的影响 260
12.5 智能家居参与电力需求响应的潜在效果评估 263
12.6 本章小结 264
第13章 基于时间利用的幸福度评估 266
13.1 基本介绍 267
13.2 幸福度评估方法 268
13.2.1 模型构建 269
13.2.2 影响因素设置 270
13.2.3 数据来源 271
13.3 时间利用方式影响 272
13.4 个人属性和外界环境属性影响 272
13.5 居民幸福感变化 275
13.5.1 总体幸福感变化 275
13.5.2 幸福感的差异分析 275
13.6 本章小结 279
第14章 总结 281
参考文献 285
后记 299