城市家庭日常出行氮排放影響因素分析
——以杭州市為例

呂 越，陳忠清*

(1.紹興文理學(xué)院 土木工程學(xué)院，浙江 紹興 312000；2 紹興文理學(xué)院 巖石力學(xué)與地質(zhì)災(zāi)害實(shí)驗(yàn)中心，浙江 紹興 312000)

城市家庭日常出行氮排放影響因素分析
——以杭州市為例

呂 越1,2，陳忠清1,2*

(1.紹興文理學(xué)院 土木工程學(xué)院，浙江 紹興 312000；2 紹興文理學(xué)院 巖石力學(xué)與地質(zhì)災(zāi)害實(shí)驗(yàn)中心，浙江 紹興 312000)

基于2015年杭州“低氮城市家庭日常出行”調(diào)查問卷，選取家庭成員年齡、收入水平、受教育度、就業(yè)單位性質(zhì)、戶籍和汽車保有量等因素，通過相關(guān)和最優(yōu)尺度回歸分析，研究杭州市家庭成員屬性對(duì)日常出行排氮量的影響.結(jié)果表明：(1)家庭成員屬性對(duì)日常出行排氮量有影響：成員一和二均在31～50歲時(shí)排氮量最大，家庭月收入超過15 001元時(shí)排氮量陡增，成員二的受教育程度對(duì)排氮量的影響大于成員一，成員一和二的最大和最小排氮量對(duì)應(yīng)的就業(yè)性質(zhì)不同，杭州城市戶口的排氮量是農(nóng)村戶口的2.6倍，有車家庭出行排氮量是無車家庭的16倍；(2)按對(duì)出行排氮量的影響大小排序，依次為：家庭汽車保有量、出行方式、成員二受教育度、就業(yè)單位、年齡等.

日常出行氮排放；影響因素；相關(guān)分析；回歸分析；杭州

The influence factors of daily travel of urban families to nitrogen emission—A case study in Hangzhou city. Journal of Zhejiang University(Science Edition), 2017,44(1):121-126

隨著全球環(huán)境的日益惡化，低氮理念已受到國際社會(huì)的關(guān)注[1]. 城市是能耗和排氮的主要場(chǎng)所，如何實(shí)現(xiàn)城市低氮狀態(tài)的可持續(xù)發(fā)展已成為各國正在解決的問題[2-3].家庭是城市的基本單元，家庭排氮量占城市排氮總量的30%～50%，而家庭排氮量的主要構(gòu)成部分是日常出行排氮量[4].其中，非空間屬性是影響日常出行排氮量最本質(zhì)的因素.目前，關(guān)于家庭日常出行排氮量的非空間屬性影響因素包括以下幾方面：家庭成員人數(shù)、年齡、收入、受教育程度、工作單位、汽車保有量等.具體而言，通勤人數(shù)、家庭收入水平與日常出行排氮量成正比；年輕人會(huì)首選適于低氮發(fā)展的綠色公交出行；因職業(yè)和家庭汽車保有量而導(dǎo)致的交通方式改變直接影響排氮量；受教育程度對(duì)出行方式也有一定影響.在家庭成員人數(shù)方面，ALLISON等[5]利用居民出行行為的問卷數(shù)據(jù)，研究了家庭成員數(shù)與日常出行排氮量的關(guān)系，指出家庭人數(shù)與排氮量成正比.在家庭成員年齡方面，NGUYEN等[6]指出,年齡與日常出行排氮量呈倒U型，并在31～40歲時(shí)達(dá)到最大值.在家庭收入方面，BRAND等[7]認(rèn)為，收入與日常出行排氮量成正相關(guān)，月收入高于1萬元時(shí)排氮量達(dá)到最大.在受教育程度方面，BOADH等[8]指出，家庭成員受教育程度與日常出行排氮量呈倒U型，其中，大專學(xué)歷家庭成員的日常出行排氮量高于本科學(xué)歷.在工作單位性質(zhì)方面，BUTENHOFF等[9]發(fā)現(xiàn)，就業(yè)性質(zhì)對(duì)日常出行排氮量有不同程度的影響.在汽車保有量方面，KOUPAL等[10]和OLIVERA等[11]指出，選擇公交出行的概率降低了29.1%.以上研究大多數(shù)從單一角度出發(fā)，鮮有從非空間屬性進(jìn)行全面深入分析.本文對(duì)上述各因素進(jìn)行了集中研究，旨在為降低家庭排氮量和建設(shè)低氮城市提供理論參考.

有關(guān)研究表明，家庭日常排氮量較大的城市一般經(jīng)濟(jì)發(fā)達(dá)、人口密集.杭州是中國經(jīng)濟(jì)最活躍的城市之一，地處長(zhǎng)江三角洲南翼，面積16 596 km2，2014年常住人口889.2萬，GDP位于全國前茅.近幾十年，杭州市人口和機(jī)動(dòng)車數(shù)量的迅速增加帶來了排氮量的增加，因此，研究杭州家庭日常出行氮排放的影響因素，控制排氮量、構(gòu)建低氮城市將是杭州實(shí)現(xiàn)可持續(xù)發(fā)展的關(guān)鍵問題.

1 研究方法

1.1 問卷調(diào)查

隨機(jī)預(yù)調(diào)查時(shí)間為2015年2～4月，調(diào)查區(qū)域基于杭州市空間格局、居住街區(qū)和人口密度分布等特點(diǎn)確定，在杭州市主城區(qū)(兼顧城郊區(qū))發(fā)放“低氮城市家庭日常出行”問卷共500份，回收有效問卷469份；正式調(diào)查時(shí)間為2015年7月6～9日，發(fā)放問卷共1 500份，回收有效問卷1 400份.調(diào)查問卷內(nèi)容包括：家庭成員屬性、居住環(huán)境、日常出行方式、家庭生活能耗種類、居民降耗意識(shí)，用此數(shù)據(jù)計(jì)算杭州市家庭日常出行排氮量.

1.2 家庭日常出行排氮量估算

對(duì)于家庭成員日常交通出行排氮量估算有2種方法，主要參照機(jī)動(dòng)車排氮量:

基于機(jī)動(dòng)車消耗燃料：

A1=R×n，

(1)

其中，A1為機(jī)動(dòng)車排氮量，R為耗燃量，n為排氮因子[12].

出行距離：

A2=S×n，

(2)其中，A2為排氮量，S為行駛里程，n為排氮因子[13].

式(1)中不同區(qū)域、氣候、路況等的差異均會(huì)直接影響交通能耗以致影響氮排放量的估算精確度，而式(2)因考慮了出行距離計(jì)算排氮量，可較好地彌補(bǔ)式(1)的不足.因此，本文采用不同方法計(jì)算不同出行方式的氮排放量.具體為(1)居民私家車出行，(2)出租車、摩托車等出行.

以一個(gè)家庭為例，氮排放量A=Ai×m，式中A為排氮量，m為人數(shù).

當(dāng)成員一與成員二分別開車上班時(shí)，i=1，m=2；當(dāng)成員一或成員二開車上班時(shí)，i=1，m=1；當(dāng)成員一與成員二以其他方式上班時(shí)，i=2，m=2；當(dāng)成員一或成員二以其他方式上班時(shí)，i=2，m=1.

1.3 相關(guān)分析和回歸分析

對(duì)表征家庭成員屬性的變量與家庭出行排氮量做相關(guān)分析，本研究選用最優(yōu)尺度(OS)回歸分析，自動(dòng)將分類變量轉(zhuǎn)換為數(shù)值型研究變量間的影響機(jī)制和因果關(guān)系.即利用SPSS17.0，分2次建立多元回歸模型.第1次，以家庭日常出行排氮量為因變量，家庭成員屬性為自變量，分析二者的相關(guān)關(guān)系，以確定排氮量在統(tǒng)計(jì)水平上的影響.第2次，研究家庭成員屬性對(duì)居民日常出行排氮量的影響.

2 研究結(jié)果

2.1 家庭成員屬性與日常出行排氮量

2.1.1 年齡與出行排氮量

圖1為家庭成員年齡段與出行排氮量的關(guān)系，成員一和二分別指丈夫和妻子(下同).

各年齡段排氮量均表現(xiàn)為成員一大于成員二，同時(shí)，最大排氮量組為31～40和41～50歲.

圖1 年齡與日常出行排氮量Fig.1 The age and daily travel nitrogen emission

2.1.2 月收入與出行排氮量

由圖2可知，對(duì)不同月收入的家庭出行排氮均量趨勢(shì)進(jìn)行預(yù)測(cè)，R2=0.990 8，曲線擬合效果非常好.表明家庭月收入與日常出行排氮量呈顯著的非線性正相關(guān)，其中，收入在15 001～20 000元和20 000元以上時(shí)斜率最大，排氮量陡增.

圖2 月收入與日常出行排氮量Fig.2 The income per month and daily travel nitrogen emission

2.1.3 受教育度與出行排氮量

如圖3所示，成員一和二為碩士時(shí)，排氮量均為最大值；為博士時(shí)，排氮量有所下降.其中，成員一和二的排氮量分別為大專和本科、本科和碩士時(shí)陡增.

圖3 受教育度與日常出行排氮量Fig.3 The education level and daily travel nitrogen emission

2.1.4 就業(yè)單位與出行排氮量

圖4顯示，成員一的日常出行排氮量最大值和最小值分別出現(xiàn)在政府機(jī)關(guān)和國有企業(yè)，成員二分別對(duì)應(yīng)外企和個(gè)體.

圖4 就業(yè)單位與日常出行排氮量Fig.4 The employment occupation and dailytravel nitrogen emission

2.1.5 戶籍與出行排氮量

圖5顯示，杭州城市戶口的家庭出行排氮量是農(nóng)村戶口的2.6倍，杭州農(nóng)村戶口的家庭出行排氮量低于平均值.

圖5 戶籍與日常出行排氮量Fig.5 The family households and daily travelnitrogen emission

2.1.6 汽車保有量與出行排氮量

由圖6可知，有車家庭的出行排氮量是無車家庭的16倍，有車和無車家庭的出行排氮量分別是平均值的4.1倍和0.25倍，汽車所產(chǎn)生的排氮量顯著大于其他交通工具.

圖6 汽車保有量與日常出行排氮量Fig.6 The family cars ownership and dailytravel nitrogen emission

2.2 相關(guān)分析

由表1可知，日常出行排氮量與汽車保有量呈強(qiáng)顯著相關(guān)(r=0.895)，與其他變量的相關(guān)系數(shù)從高到低依次為：家庭月收入(r=0.370)、成員二受教育度(r=0.241)、成員一受教育度(r=0.192)、成員二就業(yè)單位(r=0.118)、戶籍(r=0.091)、人數(shù)(r=0.086).

表1 家庭成員屬性變量與日常出行排氮量的相關(guān)分析

注**在p<0.01水平上顯著相關(guān)，*在p<0.05水平上顯著相關(guān).

2.3 回歸分析

2.3.1 OS回歸分析

表征家庭成員屬性的變量經(jīng)最優(yōu)尺度轉(zhuǎn)換后(見表2)，最終模型表達(dá)式為Y=0.106a1+0.197a2+0.007x1+0.011x2+0.033x3+0.033x4+0.064x5+0.033x6+0.079x7+0.033x8+0.083x9+0.969x10.由F檢驗(yàn)Sig值可知(見表3)，除成員一和二出行方式、家庭月收入、成員一年齡、成員一和二就業(yè)單位、成員一和二受教育度(p<0.001)外，其他2項(xiàng)未達(dá)顯著水平(p>0.05).

表2 變量最優(yōu)尺度轉(zhuǎn)換后的分值分布

同時(shí)，按照自變量詮釋日常出行排氮量的貢獻(xiàn)度排序，依次為家庭汽車保有量、成員二和一出行方式、成員二受教育度、就業(yè)單位、年齡. 即家庭汽車保有量對(duì)日常出行排氮量影響最大；成員二和成員一的標(biāo)準(zhǔn)系數(shù)相比，成員二的受教育度(B=0.083)、就業(yè)單位(0.079)和年齡段(B=0.064)均分別大于成員一的受教育度(B=0.033)、就業(yè)單位(0.033)和年齡段(B=0.033).

2.3.2 OS零階相關(guān)性和容差分析

如表4所示，家庭汽車保有量表現(xiàn)出最大的偏相關(guān)性(0.801)，說明若忽略其他變量的影響，家庭汽車保有量詮釋了因變量(0.801)2=64.1%的差異.其次，成員二受教育度(0.122)、出行方式(0.112)、成員一出行方式(0.109)也有較大的偏相關(guān)性，說明若忽略其他變量影響，成員二受教育度、出行方式、成員一出行方式可分別詮釋因變量(0.122)2=1.46%，(0.112)2=1.29%，(0.109)2=1.26%的差異.同時(shí)，在回歸分析中，變量對(duì)其重要性大小依次為：家庭汽車保有量(0.855)、成員一和二出行方式(0.075和0.017)、家庭月收入(0.015)等.

表3 最優(yōu)尺度回歸模型參數(shù)

表4 最優(yōu)尺度回歸模型中變量相關(guān)性和容差分析

3 結(jié)論與討論

本研究以杭州為例，通過相關(guān)性和回歸分析，研究了家庭日常出行排氮量與家庭成員屬性的關(guān)系.就城市角度而言：嚴(yán)格執(zhí)行相關(guān)法律法規(guī)，通過技術(shù)手段和調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，改變生產(chǎn)和生活方式，高效利用能源.就家庭和個(gè)人角度而言，應(yīng)倡導(dǎo)“綠色出行、公交優(yōu)先”，將低氮理念融入生活.

3.1 不同年齡家庭成員的日常出行排氮量存在差異.成員一和二均在31～40歲和41～50歲的排氮量最大，與NGUYEN等[6]的研究結(jié)論基本一致.主要原因是在此年齡段的主要家庭成員需要保持工作出行.同時(shí)，家庭收入水平與日常出行排氮量成正比，這與一些學(xué)者如BRAND等[7]的研究結(jié)果一致.當(dāng)月收入超過15 001元時(shí)，排氮量陡增.這可能是因?yàn)檫_(dá)到這一收入水平的家庭有能力選擇宜居的城郊生活環(huán)境，且傾向于更多的戶外活動(dòng)和出行，因而更易選擇私家車方式出行.

3.2 家庭成員受教育程度、就業(yè)單位對(duì)日常出行排氮量也有影響.其中，成員二對(duì)其影響大于成員一.成員一無論是否受教育，一般是社會(huì)的主力和家庭的主要經(jīng)濟(jì)來源，出行頻率高；成員二受教育程度越高，就業(yè)率越高.成員一和二為碩士時(shí)，排氮量均為最大值.這是因?yàn)楂@得碩士學(xué)歷的多為事業(yè)有為人士，出勤率較高.而博士的排氮量有所下降，因?yàn)槠渚蜆I(yè)單位一般為高校和研究機(jī)構(gòu)，家庭和工作地點(diǎn)較近.同時(shí)，在就業(yè)單位性質(zhì)方面，成員一的日常出行排氮量最大值對(duì)應(yīng)的就業(yè)性質(zhì)為政府機(jī)關(guān)，這是由于政府機(jī)關(guān)的外勤工作主要是由成員一承擔(dān)，文職工作主要由成員二承擔(dān).

3.3 家庭戶籍與日常出行排氮量也有關(guān)聯(lián).杭州城市戶口的家庭出行排氮量是農(nóng)村戶口的2.6倍，杭州農(nóng)村戶口的家庭出行排氮量則低于平均值.同時(shí)，汽車保有量與日常出行排氮量存在顯著正相關(guān).有車家庭的出行排氮量是無車家庭的16倍，有車和無車家庭的出行排氮量分別是平均值的4.1倍和25%，汽車所產(chǎn)生的排氮量顯著大于其他交通工具.由此可知，城市和農(nóng)村、有車和無車在能耗總量方面均存在較大差異.

[1] ANGRISANI G, ROSATO A, ROSELLI C, et al. Influence of climatic conditions and control logic on NOxand CO emissions of a micro-cogeneration unit serving an Italian residential building [J]. Applied Thermal Engineering,2014,71(2):858-871.

[2] CHAN K L, HARTL A, LAM Y F. Observations of troposphere NO2using ground based MAX-DOAS and OMI measurements during the Shanghai world expo 2010 [J]. Atmospheric Environment,2015,119:45-58.

[3] 陳成忠，葛緒廣，孫琳，等．物種急劇喪失·生態(tài)嚴(yán)重超載·跨越“地球邊界”·區(qū)域公平失衡·“一個(gè)地球”生活-《地球生命力報(bào)告2014》解讀[J]．生態(tài)學(xué)報(bào)，2016,36(9)：2779-2785. CHEN C Z, GE X G, SUN L, et al. Rapid species loss, severe ecological overshoot, crossed planetary boundaries, unfair regional consumption, one planet living-“main results of the living planet report 2014” [J]. Acta Ecologica Sinica,2016,36(9)：2779-2785.DOI:10.5846/stxb201501250196.

[4] 賴敏，王偉力.社會(huì)經(jīng)濟(jì)系統(tǒng)氮素流動(dòng)及其環(huán)境負(fù)荷[J/OL].中國人口·資源與環(huán)境,2015，25(12)：15-24.http://www.cnki.net/kcms/detail/37.1196.N.20151208.1308.006.html. LAI M, WANG W L. Environmental loading of anthropogenic nitrogen flow: A case study of urban agglomeration on the middle-lower Yangtze River Belt [J/OL]. China Population, Resources and Environment,2015，25(12)：15-24. http://www.cnki.net/kcms/detail/37.1196.N.20151208.1308.006.html.

[5] ALLISON M L, JAMES N G, ALBERT B, et al. A N footprint model to help consumers understand their role in N losses to the environment [J]. Environmental Development,2012,1(1):40-66.

[6] NGUYEN H T, KIM K H, PARK C. Long-term trend of NO2in major urban areas of Korea and possible consequences for health [J]. Atmospheric Environment,2015,106:347-357.

[7] BRAND C ， PRESTON J M. “60-20 emission”-The unequal distribution of greenhouse gas emissions from personal, non-business travel in the UK [J].Transport Policy,2010(1):9-19.

[8] BOADH R, SATYANARAYANA A N V, RAMA KRISHNA T V B P S. Sensitivity of PBL parameterization schemes of weather research forecasting model and coupling with AERMOD in the dispersion of NOxover Visakhapatnam (India) [J]. Asia-Pacific Journal of Chemical Engineering,2015,10(3):356-368.

[9] BUTENHOFF C L, KHALIL M A K, PORTER W C. Evaluation of ozone, N dioxide, and carbon monoxide at nine sites in Saudi Arabia during 2007 [J]. Journal of the Air and Waste Management Association,2015,65(7):871-886.

[10] KOUPAL J, DEFRIES T, PALACIOS C. Motor vehicle emissions simulator input data: Evaluation and sensitivity analysis of data submitted for 2011 national emissions inventory [J]. Transportation Research Record,2014,2427:63-72.

[11] OLIVERA A C, GARCI′A-NIETO J M, ALBA E. Reducing vehicle emissions and fuel consumption in the city by using particle swarm optimization [J]. Applied Intelligence,2015,42(3):389-405.

[12] WANG H K, FU L X, CHEN J C. Developing a high-resolution vehicular emission inventory by integrating an emission model and a traffic model: Part 2-A case study in Beijing [J]. Journal of the Air and Waste Management Association,2010,60(12):1471-1475.

[13] AIT-HELAL W, BEELDENS A, BOONEN E. On-road measurements of NMVOCs and NOx: Determination of light-duty vehicles emission factors from tunnel studies in Brussels city center [J]. Atmospheric Environment,2015,122:799-807.

LYU Yue1, 2, CHEN Zhongqing1, 2

(1.SchoolofCivilEngineering,ShaoxingUniversity，Shaoxing312000，ZhejiangProvince,China； 2.CentreofRockMechanicsandGeologicalDisaster，ShaoxingUniversity，Shaoxing312000，ZhejiangProvince,China)

A questionnaire of “How the daily travels of urban families affect the nitrogen emission in 2015” was carried out in Hangzhou, including factors related to family members’ age, income, education, occupation, type of family households and family cars ownership. Methods of correlation analysis and optimal scaling regression analysis were used in this study. The results obtained are as follows: (1) all the attributes of the family members have impact on the amount of nitrogen emission in daily travel, e.g. ,families with both members aged between 31-50 incur the largest amount compared with other ages , and when the family income was in 15 001-20 000 yuan or above, the amount increased dramatically, the education level of the second member affects the amount more than that of the first member , and the amount of nitrogen emission also depends significantly on the occupations of both members, Furthermore, the total amount of nitrogen emission of urban households accounts for 2.6 times compared with rural households, and that of families with cars accounts for 16 times than otherwise; (2) influence factors in a descending order are as follows: family cars ownership, transportation manner, educational level of the second member , occupation and family members’ age, respectively. This study could provide a useful reference for the construction of urban with low nitrogen emission.

nitrogen emission in daily travel; influence factors; correlation analysis; regression analysis; Hangzhou

2016-01-04.

浙江省公益技術(shù)研究項(xiàng)目(2016C33052);紹興市公益技術(shù)研究項(xiàng)目(2015B70034，2015B70035).

呂 越(1982-)，ORCID:http://orcid.org/0000-0002-6505-6422,女，博士，講師，主要從事生態(tài)環(huán)境與可持續(xù)發(fā)展研究，E-mail:53048830@qq.com.

*通信作者，ORCID:http://orcid.org/0000-0002-8672-0329,E-mail：723823066@qq.com.

10.3785/j.issn.1008-9497.2017.01.017

X 24

A

1008-9497(2017)01-121-06