中國交通碳排放驅(qū)動(dòng)因素分析
——基于脫鉤理論與GFI 分解法

宋德勇，宋沁穎，張 麒

（華中科技大學(xué)經(jīng)濟(jì)學(xué)院，湖北武漢 430074）

1 研究背景

加快實(shí)現(xiàn)碳達(dá)峰碳中和目標(biāo)，已成為應(yīng)對(duì)氣候變化的全球共識(shí)，也是中國對(duì)國際社會(huì)的莊嚴(yán)承諾。2020 年，黨中央、國務(wù)院提出了戰(zhàn)略性的“雙碳”目標(biāo)（2030 年前實(shí)現(xiàn)碳達(dá)峰，2060 年前實(shí)現(xiàn)碳中和），并將之納入生態(tài)文明建設(shè)的整體布局。然而，中國作為全球第一碳排放大國，其交通部門不僅是溫室氣體的主要排放部門之一，也是碳排放增長最為迅猛的部門之一。以道路運(yùn)輸為例，2018 年中國道路運(yùn)輸產(chǎn)生的CO2占全國能源相關(guān)總排放量的10%，2010—2018 年道路運(yùn)輸碳排放量則增長了61%［1］。交通運(yùn)輸部門的碳減排，已成為中國實(shí)現(xiàn)“雙碳”目標(biāo)的必由之路。

那么，中國交通部門碳排放的歷史變化趨勢如何？各個(gè)地區(qū)的交通碳減排處于何種發(fā)展階段？在不同階段下，交通碳排放的驅(qū)動(dòng)的因素是什么？從現(xiàn)有研究來看，仍缺乏系統(tǒng)分析。為解決以上問題，本文基于脫鉤理論和廣義費(fèi)雪指數(shù)方法（GFI），對(duì)中國整體及各地區(qū)的交通碳排放時(shí)空趨勢、脫鉤狀態(tài)以及背后的驅(qū)動(dòng)因素進(jìn)行深入分析。這不僅有利于更好地掌握當(dāng)前交通行業(yè)碳排放情況，也能從中探索適用于不同地區(qū)交通碳減排的經(jīng)驗(yàn)和教訓(xùn)，為交通碳排放政策的制定提供參考。

碳排放因素分解已成為研究區(qū)域、行業(yè)碳排放影響因素的重要方法［2-3］，是影響碳排放變動(dòng)因素量化分析基礎(chǔ)。但現(xiàn)有中國交通行業(yè)碳排放驅(qū)動(dòng)因素分析研究主要存在三個(gè)方面局限：（1）大量研究使用LMDI 模型，但在Ang 等［3］的檢驗(yàn)中，廣義費(fèi)雪指數(shù)（GFI）方法比前者的因素分解特性更好、結(jié)果更精確，而在中國交通碳排放因素分解分析方面，未有研究使用GFI 方法進(jìn)行分析，使已有研究結(jié)論存在誤差；（2）大多研究將碳排放影響因素分解為行業(yè)內(nèi)部能源結(jié)構(gòu)、能源使用效率、行業(yè)核心指標(biāo)特征及單一城市化因素，很少有研究細(xì)化城市化的不同層面對(duì)交通碳排放的影響程度；（3）針對(duì)中國交通碳排放驅(qū)動(dòng)因素分析的文章仍較少，分地區(qū)探究不同脫鉤類型下中國交通碳排放驅(qū)動(dòng)因素分解分析的研究空白仍待填補(bǔ)。如能使用脫鉤分析法對(duì)中國交通碳排放發(fā)展演變趨勢進(jìn)行分析和分類，進(jìn)而使用GFI 方法分解分析影響中國交通碳排放變動(dòng)的因素和方向，就能更具針對(duì)性地采取交通碳減排措施，助力交通碳達(dá)峰更早實(shí)現(xiàn)。

相比以往研究，本文的邊際貢獻(xiàn)在于，第一，使用與現(xiàn)有研究不同的GFI 法，對(duì)交通碳排放影響因素進(jìn)行分解。該方法的優(yōu)勢是能消除計(jì)算殘值、對(duì)排放量完全分解，相比于其他因素分解方法的穩(wěn)健性檢驗(yàn)更好，使得分解結(jié)果更精確，但被較少使用。第二，將交通碳排放驅(qū)動(dòng)因素在城市化層面進(jìn)行擴(kuò)展，增加經(jīng)濟(jì)城市化、人口城市化、土地城市化三個(gè)維度，探究不同城市化方式對(duì)交通碳排放的影響程度及路徑。第三，針對(duì)經(jīng)濟(jì)城市化、土地城市化和交通能源強(qiáng)度三大促進(jìn)交通碳排放增長的三大驅(qū)動(dòng)因素，提出構(gòu)建“高效、緊湊、智能”城市交通體系建設(shè)建議。

2 文獻(xiàn)綜述

2.1 交通碳排放研究

針對(duì)交通碳排放，國內(nèi)外學(xué)者圍繞交通碳排放的核算、與經(jīng)濟(jì)發(fā)展的關(guān)系、影響因素、增長預(yù)測等方面做了大量研究。

（1）核算交通的能源消費(fèi)和碳排放量。由于交通碳排放核算體系尚未得到統(tǒng)一，歐陽斌等［4］、徐龍等［5］、左大杰等［6］、陶玉國等［7］學(xué)者使用“自上而下”的投入產(chǎn)出法、“自下而上”的過程分析法、生命周期模型法等對(duì)交通運(yùn)輸能源消費(fèi)和碳排放進(jìn)行測算?！白陨隙隆狈ㄖ饕诮煌▊?cè)各種燃料消耗量和燃料CO2排放因子乘積的總和進(jìn)行計(jì)算。范育潔等［8］采用“自上而下”的方法測算西北5 省區(qū)的交通碳排放，發(fā)現(xiàn)寧夏是其中能源強(qiáng)度最大的省份。“自下而上”法通過不同交通方式的車型、保有量、行駛里程、單位行駛里程燃料消耗等數(shù)據(jù)計(jì)算總?cè)剂舷模俑鶕?jù)各燃料類型的CO2排放因子計(jì)算交通碳排放量。歐陽斌等［4］使用“自下而上”法核算江蘇省能耗強(qiáng)度和碳排放強(qiáng)度，發(fā)現(xiàn)江蘇交通能耗和碳排放總量持續(xù)上升，應(yīng)重點(diǎn)關(guān)注公路貨運(yùn)部門的節(jié)能減排，大力發(fā)展公共交通。生命周期模型考慮了交通運(yùn)輸系統(tǒng)從制造、建設(shè)、運(yùn)營、維護(hù)以及回收處理各階段的碳排放。張秀媛等［9］對(duì)北京市公共交通系統(tǒng)進(jìn)行全生命周期能耗和碳排放總量和強(qiáng)度的核算，提出建設(shè)以大容量公共交通為主，以縮短出行舉例為目的的多層次公共交通體系。由于“自上而下”方法數(shù)據(jù)可獲數(shù)據(jù)區(qū)域、時(shí)間范圍更廣，本文采用以該方法為基礎(chǔ)進(jìn)行核算的CEADS中國交通碳排放數(shù)據(jù)庫［10］。

（2）研究交通碳排放與經(jīng)濟(jì)發(fā)展的關(guān)系。最常見的包括能源、環(huán)境與經(jīng)濟(jì)增長（3E）理論［11］、低碳經(jīng)濟(jì)理論［12］、環(huán)境庫茲茨曲線理論以及脫鉤理論［13］。相比于前三者，脫鉤理論能量化二者關(guān)系，可作為衡量區(qū)域、行業(yè)碳排放是否達(dá)峰的支撐理論和抓手［14-15］，同時(shí)，也被廣泛應(yīng)用在衡量工業(yè)［16］、建筑業(yè)［17-18］、貿(mào)易［19］、水足跡與經(jīng)濟(jì)發(fā)展關(guān)系等方面的全國總體或某一省份的研究中［20］。韓夢(mèng)瑤等［21］采用泰爾指數(shù)和脫鉤模型，分析中國各省整體碳排放與經(jīng)濟(jì)發(fā)展關(guān)系，發(fā)現(xiàn)多數(shù)地區(qū)經(jīng)歷擴(kuò)張脫鉤、擴(kuò)張連接和弱脫鉤的歷程，但部分地區(qū)脫鉤穩(wěn)定性低。李明煜等［22］核算中國鋼鐵、電力和水泥行業(yè)的碳排放，并分析其達(dá)峰情況和脫鉤狀態(tài)，發(fā)現(xiàn)各省份電力和水泥行業(yè)碳排放與產(chǎn)量間逐步脫鉤，而各省鋼鐵碳排放的脫鉤狀態(tài)各有差別。Wang等［23］使用脫鉤模型分析20 個(gè)OECD 成員國ICT 投資與碳排放強(qiáng)度脫鉤狀態(tài)，發(fā)現(xiàn)其ICT 投資的脫鉤狀態(tài)逐步好轉(zhuǎn)。但針對(duì)交通經(jīng)濟(jì)增長與交通碳排放的脫鉤分析中較少涉及區(qū)域、省際對(duì)比。

（3）識(shí)別并分析交通碳排放影響因素。主要方法包括因素分解法［2,24］、計(jì)量經(jīng)濟(jì)模型等［25-27］?；赟TIRPAT 模型擴(kuò)展的回歸模型以及空間計(jì)量模型是研究交通碳排放影響因素的常用計(jì)量經(jīng)濟(jì)模型，但計(jì)量經(jīng)濟(jì)建模主要是研究變量間規(guī)律性聯(lián)系，無法獲取因素分解分析方法中對(duì)交通碳排放從結(jié)構(gòu)上完全分解的效果［28］。因素分解模型主要包括結(jié)構(gòu)分解法（SDA）和指數(shù)分解方法（IDA），二者均是由Kaya 模型拓展而來，前者雖能對(duì)各影響因素進(jìn)行較詳細(xì)的分析，但由于所需的投入產(chǎn)出表數(shù)據(jù)規(guī)模大，無法做到逐年更新［29］，后者以使用產(chǎn)業(yè)水平總和數(shù)據(jù)為主，能進(jìn)行跨時(shí)間、跨區(qū)域?qū)Ρ?。IDA方法主要包括Laspeyres 指數(shù)分解、Divisia 指數(shù)分解、LMDI 和廣義費(fèi)雪指數(shù)分解，Ang 等［3］通過對(duì)包括上述IDA方法在內(nèi)的6種因素分解法進(jìn)行檢驗(yàn)發(fā)現(xiàn)，有且僅有廣義費(fèi)雪指數(shù)能通過除總量檢驗(yàn)以外的所有檢驗(yàn)，故本文使用廣義費(fèi)雪指數(shù)方法能夠得出更加準(zhǔn)確的分解結(jié)果。在使用廣義費(fèi)雪指數(shù)的現(xiàn)有研究中，主要是針對(duì)某一地區(qū)［30］、能源與工業(yè)行業(yè)碳排放的分解［31］，鮮少有對(duì)中國各省份交通碳排放因素分解與對(duì)比分析的研究，本文的研究能填補(bǔ)該方向的空缺。

（4）預(yù)測交通碳排放變化趨勢?；谇榫胺治龅腖EAP 模型是主要預(yù)測方法，其是基于經(jīng)濟(jì)、行業(yè)、技術(shù)等政策和發(fā)展目標(biāo)做情景假設(shè)，再通過各行業(yè)終端能源強(qiáng)度和活動(dòng)水平，結(jié)合碳排放因子預(yù)測和分析各部門未來的能源需求［32］。馬海濤等［33］基于機(jī)動(dòng)車燃料消耗數(shù)據(jù)對(duì)京津冀公路客運(yùn)交通源排放進(jìn)行了測算和分析，并通過設(shè)定基準(zhǔn)情景、比例控制、總量控制三種情景以及“自下而上”的LEAP模型預(yù)測京津冀地區(qū)客運(yùn)交通碳排放情況，發(fā)現(xiàn)各種情景下區(qū)域排放總量均保持增長趨勢，建議在公路客運(yùn)交通調(diào)控設(shè)計(jì)方面加大力度。Fan 等［34］使用LEAP 模型預(yù)測北京市公共交通溫室氣體排放情況，發(fā)現(xiàn)優(yōu)先發(fā)展公共交通、緩解道路交通和使用新能源汽車發(fā)展情景下，能源需求和GHG 排放量將呈現(xiàn)下降趨勢。

本文重點(diǎn)聚焦對(duì)交通碳排放因素的分析，國內(nèi)外有不少相關(guān)研究采取先探究碳排放與區(qū)域、行業(yè)經(jīng)濟(jì)發(fā)展的脫鉤關(guān)系，隨后根據(jù)不同脫鉤類型分解碳排放驅(qū)動(dòng)因素的研究范式［35-36］。但對(duì)中國各省份交通碳排放進(jìn)行脫鉤分析，并使用GFI 方法進(jìn)行因素分解和對(duì)比分析的研究較少，這也是本文的貢獻(xiàn)。

2.2 交通碳排放影響因素研究

2.2.1 交通碳排放的影響因素

影響交通碳排放的因素涉及經(jīng)濟(jì)、社會(huì)、行業(yè)發(fā)展等多個(gè)方面，本文結(jié)合已有研究［36-38］，充分考慮各因素間關(guān)系，從交通碳排放的產(chǎn)生來源、使用及外部環(huán)境影響三個(gè)角度，選取能源、交通行業(yè)、城市化三類因素對(duì)交通碳排放進(jìn)行因素分解。

選取交通能源結(jié)構(gòu)和能源強(qiáng)度兩個(gè)指標(biāo)代表能源影響因素。交通能源結(jié)構(gòu)反映了交通運(yùn)輸部門能源供給端各類能源的比例關(guān)系，清潔、低碳能源占比越高，單位能源消耗量產(chǎn)生的交通碳排放越少［39］；反之，占比越低，單位能源消費(fèi)量的交通碳排放越多。交通能源強(qiáng)度代表交通運(yùn)輸部門運(yùn)營過程中的能源使用效率，單位交通增加值中所需能源消耗量越高，則產(chǎn)生越多的交通碳排放，能源使用效率越低；反之所需能源消費(fèi)量越少，交通碳排放越小。借鑒已有的通過Kaya［40］模型對(duì)碳排放分解的研究，本文使用單位交通能源的碳排放量、單位交通增加值的能源消耗量來分別衡量交通能源結(jié)構(gòu)和交通能源強(qiáng)度。

交通因素是交通能源的需求方，是產(chǎn)生交通碳排放的最直接因素。參考Fan 等［41］的方法，使用單位交通增加值的交通周轉(zhuǎn)量表示交通行業(yè)因素對(duì)交通碳排放的貢獻(xiàn)，并定義為交通強(qiáng)度。一方面，在交通增加值增長率不變的情況下，交通周轉(zhuǎn)量增速提高，則說明交通運(yùn)輸效率提高，使得交通碳排放量下降；另一方面，在交通周轉(zhuǎn)量不變的情況下，交通運(yùn)輸部門增加值增速加快，這主要是運(yùn)輸效率降低或基礎(chǔ)設(shè)施在建規(guī)模過大，導(dǎo)致交通碳排放加快增長。

城市化進(jìn)程加快，帶來人口、產(chǎn)業(yè)的聚集和土地的擴(kuò)張，從而刺激交通碳排放的增長。現(xiàn)有的關(guān)于交通碳排放因素分解研究中，僅發(fā)現(xiàn)經(jīng)濟(jì)發(fā)展對(duì)交通碳排放增長起主要促進(jìn)作用，而缺乏更進(jìn)一步討論。同時(shí)，證明城市化是推動(dòng)經(jīng)濟(jì)增長速度和質(zhì)量的主要因素的研究汗牛充棟［42］，因此在對(duì)交通碳排放驅(qū)動(dòng)因素研究中，對(duì)經(jīng)濟(jì)增長進(jìn)行更細(xì)致的城市化視角分解是十分必要的。本文將城市化因素具體分解為經(jīng)濟(jì)、人口、土地城市化三個(gè)方面，其對(duì)交通碳排放的影響路徑在下一節(jié)詳述。

2.2.2 城市化對(duì)交通碳排放影響的路徑分析

在現(xiàn)有的針對(duì)中國交通碳排放因素分解的研究中，沒有考慮到城市化對(duì)交通碳排放的影響。但城市化帶來的產(chǎn)業(yè)集聚、人口規(guī)模膨脹、土地?cái)U(kuò)張等都會(huì)帶來人員流動(dòng)增加、商品運(yùn)輸量和速度的增長，促進(jìn)交通運(yùn)輸周轉(zhuǎn)量，導(dǎo)致更多的交通能源消耗和碳排放量增加。本文參考王班班等［43］對(duì)城市化過程的表現(xiàn)方式，對(duì)GFI 法中交通碳排放的影響因素從城市化層面做人口、經(jīng)濟(jì)、土地三方面的分解。

產(chǎn)業(yè)集聚帶來的經(jīng)濟(jì)快速增長是城市化的重要特征之一，從物流規(guī)模、商務(wù)出行需求等方面影響交通碳排放。為促進(jìn)經(jīng)濟(jì)發(fā)展，我國大力推進(jìn)工業(yè)化進(jìn)程發(fā)展，從而帶來產(chǎn)業(yè)結(jié)構(gòu)的轉(zhuǎn)變，帶動(dòng)城市化程度的提高［44］，在此過程中，企業(yè)選擇產(chǎn)業(yè)集聚的方式提升生產(chǎn)效率。一方面，產(chǎn)業(yè)聚集帶來物流量的增加，帶來運(yùn)輸規(guī)模擴(kuò)大，產(chǎn)生更多交通碳排放，同時(shí)，為促進(jìn)貿(mào)易往來更加頻繁的商務(wù)出行需求也增加了交通碳排放的增加；另一方面，相對(duì)于更加分散的產(chǎn)業(yè)分布方式，產(chǎn)業(yè)集聚帶來的規(guī)模效應(yīng)，使得單位產(chǎn)品從生產(chǎn)到銷售全流程中交通運(yùn)輸效率更高，能降低交通碳排放的增長。

人口規(guī)模膨脹是產(chǎn)業(yè)集聚的產(chǎn)物，進(jìn)一步推動(dòng)了人們出行需求的增加。產(chǎn)業(yè)規(guī)模擴(kuò)張吸引大量農(nóng)村勞動(dòng)力向城鎮(zhèn)轉(zhuǎn)移，城市涌入大量流動(dòng)人口，促進(jìn)城市人口增長。一方面，城市人口增長伴隨著更旺盛的交通出行需求，帶來更多交通碳排放［27］；同時(shí)，人口密度增加加劇了交通擁堵問題，制約交通運(yùn)輸效率的提升，增加單位運(yùn)輸周轉(zhuǎn)量的能源消費(fèi)量和碳排放量。另一方面，由于流動(dòng)人口更多集中在產(chǎn)業(yè)集聚區(qū)，空間分布較為集中，相對(duì)于農(nóng)村分散式聚居模式，城市人口長距離出行需求較少，能有效促進(jìn)交通運(yùn)輸效率的提高，進(jìn)而帶來交通碳排放的下降。

土地規(guī)模擴(kuò)張是城市化的另一大特征。一方面，經(jīng)濟(jì)發(fā)展和人口規(guī)模膨脹不可避免帶來城市所需生存空間的擴(kuò)張，使得城市土地規(guī)模擴(kuò)大，而分散性城市發(fā)展方式增加交通運(yùn)輸、通勤距離，增加交通碳排放；另一方面，土地?zé)o限擴(kuò)張會(huì)造成土地利用效率降低，因此有城市通過緊湊型發(fā)展的方式，合理規(guī)劃城市利用空間，降低土地規(guī)模擴(kuò)張的速度，同時(shí)提升交通運(yùn)輸效率，抑制交通碳排放的增長速度。

綜上，本文使用脫鉤理論對(duì)中國各區(qū)域、省份交通碳排放的脫鉤狀態(tài)進(jìn)行分類和時(shí)空對(duì)比分析，運(yùn)用分解更加完全、無殘差項(xiàng)的廣義費(fèi)雪指數(shù)因素分解方法，并對(duì)分解因素在城市化層面上進(jìn)行經(jīng)濟(jì)、人口、土地城市化三方面的拓展，研究交通碳排放驅(qū)動(dòng)因素如何影響交通碳排放的變化，以期獲得更精確、有政策指導(dǎo)意義的結(jié)論。

3 方法與數(shù)據(jù)

3.1 研究方法

3.1.1 脫鉤分析法

本文參考Tapio［45］構(gòu)建的彈性脫鉤模型，利用對(duì)應(yīng)指標(biāo)變化率之比測度環(huán)境經(jīng)濟(jì)脫鉤狀態(tài)，具體如式（1）所示：

式中，e表示脫鉤彈性系數(shù)，C表示環(huán)境壓力，Y表示經(jīng)濟(jì)發(fā)展水平，ΔC、ΔY分別表示對(duì)應(yīng)指標(biāo)的研究期變化量，n代表年份n∈（2001,2019）。本文使用交通碳排放表征交通給各省帶來的環(huán)境壓力，使用人均交通部門增加值表征各省交通行業(yè)發(fā)展水平。二者之間的脫鉤關(guān)系根據(jù)分為8 個(gè)種類，如表1 所示，其中考慮避免過度識(shí)別問題，對(duì)彈性e取得1 及其±20%的偏移區(qū)域內(nèi)的數(shù)值。

表1 脫鉤程度及劃分標(biāo)準(zhǔn)

參考曲艷敏等［46］的處理辦法，對(duì)各省份交通行業(yè)發(fā)展與交通碳排放壓力的脫鉤狀態(tài)進(jìn)行賦值排序，越好的狀態(tài)，賦值越高。由于全國各省份交通行業(yè)增加值年增長率均高于+3%，因此只存在強(qiáng)脫鉤（8）、弱脫鉤（7）、擴(kuò)張連接（5）和擴(kuò)張負(fù)脫鉤（3）4 種狀態(tài)的。

3.1.2 廣義費(fèi)雪指數(shù)（GFI）方法

本文使用廣義費(fèi)雪指數(shù)方法來分析中國各省份2001—2019 年交通運(yùn)輸部門碳排放的驅(qū)動(dòng)因素。

該方法是由擴(kuò)展的Kaya 模型發(fā)展而來，能有效分析碳排放的驅(qū)動(dòng)因素。Laspeyres 和Divisia 方法是最常見的指數(shù)分解方法，但兩種方法都不能解決分解過程中的余值問題，這影響了結(jié)果中對(duì)于碳排放變化的解釋，而GFI 方法能很好地解決該問題。Ang等［3］通過將GFI 方法與其他五類方法進(jìn)行了因素反轉(zhuǎn)、時(shí)間反轉(zhuǎn)、比例反轉(zhuǎn)、總數(shù)、零值穩(wěn)健性及負(fù)值穩(wěn)健性檢驗(yàn)，發(fā)現(xiàn)GFI 方法通過了除總數(shù)檢驗(yàn)外的所有檢驗(yàn)，相比于其他因素分解方式，該方法的檢驗(yàn)穩(wěn)健性更好。因此本文采用GFI 方法來完成對(duì)中國交通運(yùn)輸碳排放的因素分解更為恰當(dāng)。首先，Kaya 恒等式如式（2）所示：

式（2）將碳排放C與能源E、經(jīng)濟(jì)增長水平即地區(qū)生產(chǎn)總值（GDP）和人口P聯(lián)系起來，結(jié)構(gòu)簡潔易懂，但其只探討了國家層面的碳排放、能源結(jié)構(gòu)、能源強(qiáng)度、經(jīng)濟(jì)增長與人口之間的數(shù)量關(guān)系。

由于本文研究視角聚焦交通運(yùn)輸行業(yè)，因此加入交通行業(yè)周轉(zhuǎn)量將恒等式擴(kuò)展為式:

其中，C代表總體交通碳排放，Ci代表第i種燃料產(chǎn)生的交通碳排放，Ei代表第i種燃料產(chǎn)生的能源消費(fèi)量，E代表總的一次能源消費(fèi)量，V代表交通周轉(zhuǎn)量，GDP 代表國民 生產(chǎn)總值，P代表地區(qū)常住人口。Ci/Ei是第i種燃料的碳排放系數(shù)，Ei/E代表交通能源結(jié)構(gòu)（ES）；E/V代表每單位交通周轉(zhuǎn)量帶來的能源消費(fèi)量；V/GDP 代表每單位GDP 帶來的交通周轉(zhuǎn)量；GDP/P 是人均GDP，代表經(jīng)濟(jì)發(fā)展水平；P代表人口規(guī)模。

本文還考慮城市化給交通部門碳排放的影響。本文在式的基礎(chǔ)上將經(jīng)濟(jì)發(fā)展水平進(jìn)一步擴(kuò)展，參考王班班等 ［43］城市化水平的分類，加入城鎮(zhèn)人口數(shù)、建成區(qū)面積等指標(biāo)，得到交通碳排放擴(kuò)展見式(4)：

各驅(qū)動(dòng)因素（對(duì)數(shù)值）對(duì) 一段時(shí)間（從0 到T）交通碳排放變化量（對(duì)數(shù)值）增長率 的貢獻(xiàn)分別記為ES、EI、TI、EG、PD、BA，如式（8）所示：

3.2 數(shù)據(jù)及處理說明

本文 對(duì)30 個(gè)省、自治區(qū)、直轄市（未 含西藏和港澳臺(tái)地區(qū)）的交通碳排放量和交通能源消費(fèi)量的測算數(shù)據(jù)主要來自CEADs 數(shù)據(jù)庫和2002—2020 年《中國能源統(tǒng)計(jì)年鑒》。為保證數(shù)據(jù)統(tǒng)計(jì) 口徑的一致性，核算碳排放所需的碳排放因子采用大多數(shù)文獻(xiàn)使用的《2006 年IPCC 國家溫室氣體清單指南》移動(dòng)源數(shù)據(jù)［48］?！吨袊茉唇y(tǒng)計(jì)年鑒》依據(jù)國民經(jīng)濟(jì)行 業(yè)分類與代碼（GB/T 4754—2017），將交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)加總統(tǒng)計(jì)，考慮到倉儲(chǔ)和郵政業(yè)產(chǎn)生的能 源消費(fèi)量在整個(gè)部門中占比較小及數(shù)據(jù)的可獲性［49］，本文使用交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)所產(chǎn)生的碳排放間接代表交通運(yùn)輸碳排放，已有多項(xiàng)研究證明該估算對(duì)結(jié)果的影響可以忽略［50］。

由于數(shù)據(jù)基于中國統(tǒng)計(jì)體系，交通運(yùn)輸業(yè)僅包含運(yùn)營交通，私家車、機(jī)構(gòu)用車等非營運(yùn)交通未包含在內(nèi)。交通碳排放量及化石能源消費(fèi)量核算考慮原煤、洗精煤、其他洗煤、型煤、焦炭、焦?fàn)t煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、天然氣13 種化石能源（按《中國能源統(tǒng)計(jì)年鑒》劃分，國民經(jīng)濟(jì)行業(yè)中共有17 種化石燃料產(chǎn)生碳排放。由于其他煤氣、其他焦化產(chǎn)品、煉廠干氣、其他石油制品的碳排放系數(shù)難以獲取，且研究期內(nèi)多年無數(shù)據(jù)，因此本文只分析其余13 種交通源化石燃料）。

其他指標(biāo)數(shù)據(jù)來源如下：交通行業(yè)增加值、GDP、人口數(shù)據(jù)來自《中國統(tǒng)計(jì)年鑒》，交通周轉(zhuǎn)量來自《中國交通年鑒》，建成區(qū)面積來自《中國宏觀經(jīng)濟(jì)數(shù)據(jù)庫》［51］。GDP 和交通行業(yè)增加值均以2001 年為基年做不變價(jià)處理。本文選取數(shù)據(jù)時(shí)間跨度為2001—2019 年，跨越四個(gè)五年規(guī)劃時(shí)期，最新可獲數(shù)據(jù)截止到2019 年。

4 中國交通碳排放的趨勢與脫鉤分析

基于以上方法與數(shù)據(jù)，本部分對(duì)中國交通碳排放的時(shí)空趨勢與人均排放水平進(jìn)行分析，并進(jìn)一步探討中國各?。▍^(qū)、市）交通碳排放與行業(yè)經(jīng)濟(jì)增長的脫鉤情況。

4.1 中國交通碳排放的趨勢演變

4.1.1 中國交通總碳排放趨勢演變

根據(jù)中國2001—2019 年交通化石燃料碳排放數(shù)據(jù)，本文分析了全國交通部門碳排放總量的趨勢變化，并考慮中國不同地區(qū)在經(jīng)濟(jì)發(fā)展水平、交通基礎(chǔ)設(shè)施、能源消費(fèi)結(jié)構(gòu)等方面的較大差異，探討東、中、西、東北4 大區(qū)域的交通碳排放的相對(duì)強(qiáng)弱1），如圖1。

圖1 中國交通碳排放趨勢

一方面，從總體來看，中國30 個(gè)省份交通部門總體碳排放呈波動(dòng)增長趨勢。根據(jù)圖1，從2001 年的164 MtCO2增長到2019 年的734.39 Mt CO2，增長約4.5 倍。2001—2011 年全國交通碳排放持續(xù)增長，2005 年增速出現(xiàn)小幅增長，主要與國務(wù)院于2004 年年底通過的中國第一個(gè)高速公路網(wǎng)規(guī)劃《國家高速公路網(wǎng)規(guī)劃》有關(guān)［52］；2013 年由于交通運(yùn)輸業(yè)經(jīng)濟(jì)統(tǒng)計(jì)專項(xiàng)調(diào)查，公路水路客貨運(yùn)輸數(shù)據(jù)統(tǒng)計(jì)范圍口徑有所調(diào)整，使得交通碳排放量出現(xiàn)明顯下降；2016 年是統(tǒng)計(jì)口徑調(diào)整后，全國交通碳排放增長率下降的第一年，這主要與高速鐵路的快速發(fā)展、全國統(tǒng)籌的鐵路運(yùn)行圖的調(diào)整與優(yōu)化、私家車保有量持續(xù)增長、網(wǎng)約車行業(yè)快速發(fā)展有關(guān)。

另一方面，從區(qū)域分布格局來看，交通碳排放總量呈現(xiàn)“東部＞西部＞中部＞東北”的特征。以2019 年為例，東部地區(qū)的碳排放總量達(dá)327.1 Mt CO2，遠(yuǎn)高于其他地區(qū)，其主要原因在于2019 年東部地區(qū)GDP 為51 萬億元，比其他三地區(qū)GDP 總和還高，經(jīng)濟(jì)發(fā)展推動(dòng)的交通行業(yè)發(fā)展，帶來交通能源消費(fèi)和碳排放增加。

中部、西部交通碳排放與交通行業(yè)增加值出現(xiàn)背離現(xiàn)象。具體而言，2019 年，西部地區(qū)交通總碳排放量為179.3 Mt CO2，比中部高10.7%；同年，西部交通行業(yè)增加值為9 175 億元，比中部地區(qū)低15.2%，這表明西部交通運(yùn)輸效率低于中部。

東北地區(qū)總碳排放量小，主要原因是該區(qū)域只包括3 個(gè)省份，經(jīng)濟(jì)規(guī)模較小，從而帶來的交通運(yùn)輸行業(yè)活力偏低，交通碳排放量低。

4.1.2 中國交通人均碳排放趨勢演變

就人均水平而言，全國30 個(gè)省份碳排放與各地區(qū)排放呈現(xiàn)不同的趨勢，具體如圖2 所示。人均交通碳排放與總量趨勢相似，呈波動(dòng)增長特征。從2001 的131 kg CO2/人增長到2019 年524 kgCO2/人，增長約3 倍，低于總體交通碳排放增長速率，說明人口規(guī)模增長和交通能源利用效率提升，分別對(duì)交通碳排放產(chǎn)生正向、負(fù)向驅(qū)動(dòng)效應(yīng)。2001—2019 年全國30 個(gè)省份總體和人均交通碳排放增長速率逐步放緩，這與中國不斷加大減排技術(shù)投入，調(diào)整能源結(jié)構(gòu)，完善減排措施有關(guān)。

圖2 中國人均交通碳排放趨勢

從區(qū)域來看，東北地區(qū)逐步取代東部成為人均交通碳排放最高地區(qū)，且遠(yuǎn)高于中西部。如圖2 所示，在2003—2010 年東部人均交通碳排放最高，而東北、西部、中部分別次之。

自2011 年起，東北人均交通碳排放超越東部，達(dá)到最高，西、中部次之，到2019 年，東北、東、西、中部的人均碳排放量分別達(dá)到611.9 kg CO2/人、603.9kg CO2/人、474.0 kgCO2/人、434.7 kgCO2/人。這一相對(duì)分布格局變化主要原因在于，一方面東部交通基礎(chǔ)設(shè)施建設(shè)速度和規(guī)模遠(yuǎn)高于東北地區(qū)，另一方面東北地區(qū)人口基數(shù)小，使東北人均交通碳排放量大。

而當(dāng)企業(yè)啟動(dòng)并購戰(zhàn)略后，如何選擇合適的企業(yè)進(jìn)行兼并和收購，從而實(shí)現(xiàn)企業(yè)的利益最大化，的確也是需要思考的事情。

4.2 交通碳排放與行業(yè)經(jīng)濟(jì)增長的脫鉤分析

便于動(dòng)態(tài)比較，本文將樣本區(qū)間劃分為四個(gè)階段（2001—2006 年、2006—2011 年、2011—2016 年、2016—2019 年），并對(duì)各省份交通碳排放與交通行業(yè)經(jīng)濟(jì)增長的脫鉤關(guān)系進(jìn)行分析，如圖3 所示。其中C表示交通總碳排放量，Y表示交通行業(yè)增加值。

圖3 中國各省份交通碳排放脫鉤情況

研究期內(nèi)，30 個(gè)省份交通碳排放與交通行業(yè)增加值關(guān)系經(jīng)歷了從擴(kuò)張負(fù)脫鉤到弱脫鉤的趨勢?？傮w來看，交通行業(yè)發(fā)展方向趨向低碳，其對(duì)化石燃料的依賴逐步減弱，能源利用效率不斷提高。

分階段來看，2001—2006 年，大多數(shù)省份（18個(gè)，60%）呈現(xiàn)擴(kuò)張負(fù)脫鉤狀態(tài)，這表明此時(shí)多數(shù)省份交通處于粗放式擴(kuò)張方式。山東、河北、內(nèi)蒙古、重慶、陜西、新疆、云南的交通碳排放量的增速是交通行業(yè)增加值增速的2 倍以上。具體原因主要是：（1）山東是煉油大省，能源生產(chǎn)的高碳化結(jié)構(gòu)和高產(chǎn)量，使得交通運(yùn)輸部門對(duì)高碳化能源依賴度高；（2）河北、內(nèi)蒙古、陜西作為重工業(yè)大省，貨物運(yùn)輸量大，在早期交通供給不清潔的背景下，導(dǎo)致其交通行業(yè)的碳排放量增速快；（3）重慶是西部重要交通樞紐，連接?xùn)|南西北各地的區(qū)位優(yōu)勢使其成為重要交通樞紐，交通運(yùn)輸規(guī)模較大；（4）新疆雖不是交通大省份，但該時(shí)期，國家對(duì)其交通基礎(chǔ)設(shè)施建設(shè)投資巨大，僅2005 年在公路建設(shè)方面的投資就達(dá)到100 億元，形成以烏魯木齊為中心，輻射至天山南北的公路網(wǎng)，單位GDP 帶來的運(yùn)輸量增大；（5）云南抓住西部大開發(fā)戰(zhàn)略和中國-東盟自由貿(mào)易區(qū)等區(qū)域合作發(fā)展機(jī)遇，構(gòu)建陸水空立體交通網(wǎng)，相伴而生的旅游、貨運(yùn)產(chǎn)業(yè)促進(jìn)了交通運(yùn)輸產(chǎn)業(yè)發(fā)展。這些使得各?。▍^(qū)、市）在促進(jìn)交通運(yùn)輸行業(yè)增加值提升的同時(shí)也提升了能源消費(fèi)，進(jìn)而推動(dòng)碳排放增長。另外，天津和江西、甘肅、青海、寧夏呈現(xiàn)弱脫鉤狀態(tài)，說明這些?。▍^(qū)、市）的交通發(fā)展方式呈現(xiàn)資源節(jié)約與環(huán)境友好的狀態(tài)。

2006—2011 年，大多數(shù)省份（19 個(gè)，63%）進(jìn)入脫鉤發(fā)展階段（弱脫鉤），但彈性較小，即交通行業(yè)發(fā)展對(duì)碳排放增長的促進(jìn)作用減弱。這主要是由于各?。▍^(qū)、市）逐步重視和推動(dòng)交通運(yùn)輸行業(yè)低碳轉(zhuǎn)型，從能源結(jié)構(gòu)上向電驅(qū)動(dòng)等清潔動(dòng)力方式轉(zhuǎn)變，從行業(yè)結(jié)構(gòu)上推動(dòng)跨區(qū)域、跨城際高速鐵路網(wǎng)等公共交通設(shè)施建設(shè)，提升交通運(yùn)輸效率；但山西、海南、青海卻出現(xiàn)從擴(kuò)張連接到擴(kuò)張負(fù)脫鉤的反彈，說明其交通運(yùn)輸部門清潔化政策效果不明顯，反而對(duì)化石能源的依賴度增強(qiáng)。

2011—2016 年是30 個(gè)省份總體交通發(fā)展與碳排放之間關(guān)系轉(zhuǎn)為合理的階段（弱脫鉤）?？傮w來看，交通碳排放與行業(yè)增加值間關(guān)系逐步從擴(kuò)張負(fù)脫鉤關(guān)系，逐步轉(zhuǎn)弱脫鉤關(guān)系，符合EKC 曲線達(dá)峰前特征，到2016 年，有26 個(gè)省份（87%）呈現(xiàn)脫鉤狀態(tài)。這一時(shí)段，30 個(gè)省份開始表現(xiàn)出4 種脫鉤狀態(tài)：（1）強(qiáng)脫鉤的?。▍^(qū)、市）包括北京、天津、內(nèi)蒙古、山東、海南、陜西，各?。▍^(qū)、市）脫鉤狀態(tài)發(fā)展過程符合EKC 曲線特征；（2）弱脫鉤的?。▍^(qū)、市）包括河北、山西、遼寧、黑龍江、上海、江蘇、浙江、福建、江西、河南、湖北、湖南、廣東、廣西、重慶、貴州、云南、甘肅、青海、寧夏，各?。▍^(qū)、市）脫鉤狀態(tài)發(fā)展過程僅符合EKC 曲線達(dá)峰前特征；（3）擴(kuò)張連接的省份包括吉林、四川；（4）安徽、新疆兩省份脫鉤進(jìn)程出現(xiàn)反復(fù)，呈現(xiàn)擴(kuò)張負(fù)脫鉤狀態(tài)。

2016—2019 年，30 個(gè)省份范圍內(nèi)二者關(guān)系在弱脫鉤狀態(tài)下呈現(xiàn)波動(dòng)特征。到2019 年，24 個(gè)省份（80%）呈現(xiàn)脫鉤狀態(tài)，其中，所有強(qiáng)脫鉤?。▍^(qū)、市）（河北、山西、吉林、黑龍江、浙江、重慶、甘肅、寧夏）均為首次進(jìn)入，而上一階段（2011—2016 年）為強(qiáng)脫鉤的6 個(gè)省份均退回弱脫鉤狀態(tài)，這符合碳達(dá)峰后存在較長平臺(tái)期的科學(xué)規(guī)律，因此實(shí)施更為有力的交通節(jié)能減排政策尤為關(guān)鍵。

5 基于GFI 模型的中國交通碳排放驅(qū)動(dòng)因素分解

5.1 中國交通碳排放驅(qū)動(dòng)因素分解

從以上分析中發(fā)現(xiàn)，30 個(gè)省份交通碳排放與行業(yè)增加值的脫鉤趨勢逐步顯著，那么，是哪些因素對(duì)脫鉤趨勢起關(guān)鍵作用？為解決這一問題，本文基于GFI 模型，從能源結(jié)構(gòu)（ES）、能源強(qiáng)度（EI）、交通強(qiáng)度（TI）、經(jīng)濟(jì)城市化（EG）、城市人口密度（PD）、城市土地規(guī)模（BA）六個(gè)角度，對(duì)30個(gè)省份不同時(shí)段上的交通碳排放（C）進(jìn)行驅(qū)動(dòng)因素分解，得到圖4。

圖4 中國交通碳排放驅(qū)動(dòng)因素增長率

總體來說，除人口城市化（PD）外，各項(xiàng)指標(biāo)整體呈現(xiàn)增長趨勢。其中，2002—2005 年和2012—2019 年一些指標(biāo)增長率變動(dòng)較為顯著，前者處在“十五”規(guī)劃和相關(guān)交通規(guī)劃發(fā)布的時(shí)間點(diǎn)，促進(jìn)了中國交通運(yùn)輸粗放式發(fā)展方式；后者為自黨的“十八大”以來，更注重高質(zhì)量發(fā)展的新時(shí)期，交通行業(yè)發(fā)展在考慮擴(kuò)大規(guī)模的同時(shí)，貫徹落實(shí)新發(fā)展理念，鼓勵(lì)低碳化發(fā)展。

具體而言，在2001—2019 年，城市化帶來的經(jīng)濟(jì)增長（EG）和城市土地規(guī)模（BA）持續(xù)增長，城市化進(jìn)程不斷加快，但增長率出現(xiàn)一定下降；交通強(qiáng)度（TI）、（交通）能源強(qiáng)度（EI）在2006 年前和2012 年后增長率波動(dòng)較大，主要原因與前述交通總碳排放變動(dòng)趨勢相同。但總體增長呈現(xiàn)先增長，后下降趨勢，表明中國交通發(fā)展強(qiáng)度正從流量增長轉(zhuǎn)變?yōu)榇媪吭鲩L；城市人口密度（PD）僅在2006 年和2010 年正增長，其余年份均下降，表明中國城市及交通規(guī)劃呈現(xiàn)擴(kuò)張式發(fā)展特征；交通能源結(jié)構(gòu)（ES）在研究期內(nèi)整體變動(dòng)不大。

由于GFI 是乘型因素分解方法，為使結(jié)果呈現(xiàn)更直觀，本文對(duì)結(jié)果進(jìn)行了對(duì)數(shù)化處理，雖壓縮了變量尺度，但數(shù)據(jù)結(jié)果的大小對(duì)應(yīng)關(guān)系不變，得到中國交通碳排放的GFI 因素分解圖（見圖5）。其中，條柱C表示該區(qū)域當(dāng)年交通碳排放的對(duì)數(shù)值。各年份刻度間，不同圖案的條柱（ES，EI，TI，EG，PD，BA），分別表示各因素對(duì)該期間內(nèi)交通碳排放（對(duì)數(shù)值）變動(dòng)貢獻(xiàn)大小，其上標(biāo)簽表示對(duì)碳排放增長率的拉動(dòng)。各因素貢獻(xiàn)總和等于該期間交通碳排放（對(duì)數(shù)值）的變化率（±1%）。

圖5 中國交通碳排放及驅(qū)動(dòng)因素趨勢

30 個(gè)省份交通碳排放在研究期內(nèi)呈現(xiàn)持續(xù)上升趨勢，但增長率不斷下降，從第一個(gè)階段（2001—2006 年）的129%下降到第四階段（2016—2019 年）的7.5%。

從驅(qū)動(dòng)因素看，經(jīng)濟(jì)城市化、土地城市化對(duì)交通碳減排的阻礙作用最大。人口城市化、交通強(qiáng)度、交通能源結(jié)構(gòu)則促進(jìn)了交通碳減排，（交通）能源強(qiáng)度的正負(fù)影響波動(dòng)較大。說明城市化帶來的經(jīng)濟(jì)活力、城市土地規(guī)模增長是驅(qū)動(dòng)交通碳排放的主要原因，城市人口密度的下降、交通運(yùn)輸效率提升驅(qū)動(dòng)交通碳減排；能源結(jié)構(gòu)清潔化進(jìn)程有效加快了交通碳減排進(jìn)程；能源強(qiáng)度作用波動(dòng)大主要來源于交通運(yùn)輸周轉(zhuǎn)量變動(dòng)，《國家高速公路網(wǎng)規(guī)劃》《國家公路網(wǎng)規(guī)劃（2013—2030）》等頂層設(shè)計(jì)文件的出臺(tái)極大地促進(jìn)了客貨運(yùn)由長途向短途運(yùn)輸?shù)母锩行嵘私煌ㄟ\(yùn)輸效率，而作為響應(yīng)，運(yùn)輸需求的提升存在滯后性，使得交通運(yùn)輸周轉(zhuǎn)量形成脈沖震蕩，對(duì)交通碳排放的影響方向波動(dòng)較大，但隨著交通運(yùn)輸網(wǎng)的完善，周轉(zhuǎn)量提升導(dǎo)致的交通碳排放變動(dòng)減小。

從時(shí)間趨勢維度看，經(jīng)濟(jì)城市化、土地城市化對(duì)交通碳排放正向驅(qū)動(dòng)的作用逐步降低，（交通）能源強(qiáng)度、交通強(qiáng)度、能源結(jié)構(gòu)對(duì)碳排放的增長先促進(jìn)后抑制，人口城市化持續(xù)抑制交通碳排放增長。經(jīng)濟(jì)、土地城市化起促進(jìn)作用，說明經(jīng)濟(jì)活力、土地規(guī)模擴(kuò)張的速度放緩直接影響交通碳排放的增長；能源消費(fèi)量，但交通能源強(qiáng)度的增長率逐步降低，說明前期交通運(yùn)輸效率提升速度相比能源消費(fèi)增長較低，后逐步提升；交通強(qiáng)度先小幅促進(jìn)，后大幅抑制碳排放增長，說明與其他行業(yè)相比，交通行業(yè)對(duì)經(jīng)濟(jì)增長的貢獻(xiàn)占比逐步降低，作為與國民經(jīng)濟(jì)息息相關(guān)的行業(yè)，在基礎(chǔ)設(shè)施不斷發(fā)展的背景下，說明交通效率得到了極大的提升；中國交通行業(yè)的化石能源結(jié)構(gòu)呈現(xiàn)從以油品為主轉(zhuǎn)向天然氣這類低碳化石能源的趨勢，但轉(zhuǎn)變趨勢較小。

5.2 區(qū)域交通碳排放驅(qū)動(dòng)因素時(shí)空分解

對(duì)中國四大經(jīng)濟(jì)區(qū)域交通碳排放驅(qū)動(dòng)因素進(jìn)行時(shí)空分析，重點(diǎn)分析與30 個(gè)省份交通碳排放驅(qū)動(dòng)因素時(shí)空分解分析的不同，得到圖6。其中，僅東北地區(qū)交通碳排放增長出現(xiàn)先增長后下降的倒“U”型增長趨勢，這主要是由于，東北地區(qū)經(jīng)濟(jì)發(fā)展對(duì)物流運(yùn)輸依賴較大，隨著鐵路網(wǎng)優(yōu)化、高鐵的規(guī)劃建設(shè)加速，該地區(qū)由公路運(yùn)輸轉(zhuǎn)為鐵路運(yùn)輸?shù)奈锪鲙淼倪\(yùn)輸效率提升高于其他地區(qū)，從而節(jié)省了交通能源消耗。

圖6 中國區(qū)域交通碳排放驅(qū)動(dòng)因素

對(duì)四大經(jīng)濟(jì)區(qū)域交通碳排放產(chǎn)生不同驅(qū)動(dòng)效果因素主要是（交通）能源強(qiáng)度、交通強(qiáng)度。

能源強(qiáng)度對(duì)各地區(qū)交通碳排放影響的不同體現(xiàn)在時(shí)間趨勢上，其對(duì)東部交通碳排放的增長先促進(jìn)后抑制（與對(duì)30 個(gè)省份交通碳排放的影響相同），對(duì)中部、西部、東北先促進(jìn)后抑制，而后又轉(zhuǎn)為促進(jìn)。這主要是由于，各區(qū)域前期發(fā)展交通運(yùn)輸行業(yè)時(shí)消耗大量能源，而后逐漸注重技術(shù)投入，提升交通運(yùn)輸效率，使得單位交通周轉(zhuǎn)量產(chǎn)生的碳排放下降，中部、西部、東北地區(qū)在交通低碳技術(shù)逐漸進(jìn)步、結(jié)構(gòu)布局日趨合理的同時(shí)，其優(yōu)化速度無法跟上交通規(guī)模擴(kuò)張速度帶來的能源消費(fèi)量的增長，使能源強(qiáng)度對(duì)東部碳排放整體呈現(xiàn)促進(jìn)作用，而對(duì)其他三地區(qū)后期由抑制作用轉(zhuǎn)為促進(jìn)作用。

對(duì)于交通強(qiáng)度，從整體看，其對(duì)各地區(qū)交通碳排放影響方向波動(dòng)性較大，而除對(duì)東北地區(qū)交通碳排放變動(dòng)影響逐步增大外，對(duì)其他三地區(qū)影響均有所減小。

具體來看，2001—2016 年，交通強(qiáng)度對(duì)東部、東北交通碳排放的增長均為先促進(jìn)后抑制（與對(duì)30個(gè)省份交通碳排放影響相同），但2016 年后，其對(duì)東部轉(zhuǎn)為增長促進(jìn)作用。這主要是由于，一方面，在交通基礎(chǔ)設(shè)施規(guī)模滿足各地區(qū)經(jīng)濟(jì)發(fā)展需要后，其建設(shè)增速放緩，另一方面，高鐵的快速布局替代了過去高速公路的旅客運(yùn)輸需求，提升了交通運(yùn)輸效率，由此帶來的交通運(yùn)輸周轉(zhuǎn)量增長速度低于相應(yīng)時(shí)期的各地區(qū)經(jīng)濟(jì)增長速度，使交通強(qiáng)度帶來的交通碳排放先促進(jìn)后抑制，而東部隨著近年來在電子商務(wù)、智慧物流等方面的快速發(fā)展，利用交通運(yùn)輸效率提升這一優(yōu)勢，推動(dòng)短途物流供需量提升，從而激發(fā)了運(yùn)輸周轉(zhuǎn)運(yùn)輸活力，增大了交通碳排放。

2001—2016 年，交通強(qiáng)度對(duì)中部、西部先抑制后促進(jìn)，而后又轉(zhuǎn)為抑制。這是由于中部、西部在早期因交通基礎(chǔ)設(shè)施建設(shè)滯后，客貨運(yùn)周轉(zhuǎn)量低，交通行業(yè)增加值在區(qū)域經(jīng)濟(jì)增加值的占比偏低，從而抑制兩區(qū)域交通碳排放的增長，而隨著高速公路、高鐵的快速布局，帶來運(yùn)輸供需量提升，促進(jìn)交通碳排放增長，隨著基礎(chǔ)運(yùn)輸需求被滿足后，運(yùn)輸效率的提升又轉(zhuǎn)化為對(duì)交通碳排放增長的抑制作用。

綜上，經(jīng)濟(jì)城市化、土地城市化仍是阻礙各地區(qū)交通減排的主要驅(qū)動(dòng)因素，交通強(qiáng)度對(duì)交通碳排放增長的貢獻(xiàn)波動(dòng)性較大。當(dāng)前高速和高鐵網(wǎng)的規(guī)劃布局有利于交通減排，而智慧物流則會(huì)驅(qū)動(dòng)?xùn)|部交通碳排放增長，中、西、東北地區(qū)交通運(yùn)輸結(jié)構(gòu)優(yōu)化能力有待加強(qiáng)。

5.3 不同脫鉤狀態(tài)下中國各省份交通碳排放驅(qū)動(dòng)因素分析

為進(jìn)一步探究不同脫鉤狀態(tài)下交通碳排放的驅(qū)動(dòng)特點(diǎn)，本節(jié)從驅(qū)動(dòng)因素的角度討論各省份在最新年份（2019 年）呈現(xiàn)不同脫鉤狀態(tài)的原因，重點(diǎn)分析與30 個(gè)省份總體層面驅(qū)動(dòng)因素的不同，具體如圖7 所示。

圖7 中國交通碳排放各類脫鉤狀態(tài)的驅(qū)動(dòng)因素

從總趨勢來看，除強(qiáng)脫鉤省份，其他類型省份交通碳排放在研究期內(nèi)不斷增長，而強(qiáng)脫鉤區(qū)域交通碳排放變動(dòng)先上升后下降，呈現(xiàn)倒“U”型曲線關(guān)系。說明強(qiáng)脫鉤省份經(jīng)濟(jì)發(fā)展正從數(shù)量增長轉(zhuǎn)為質(zhì)量增長發(fā)展。

從驅(qū)動(dòng)因素來看，除（交通）能源強(qiáng)度、交通強(qiáng)度外，其他因素對(duì)交通碳排放變動(dòng)的影響大小及方向與30 個(gè)省份總體層面（可類比弱脫鉤省份情況）相似。

能源強(qiáng)度、交通強(qiáng)度是造成各?。▍^(qū)、市）形成4 種不同脫鉤類型的主要原因，同時(shí)，能源強(qiáng)度是促進(jìn)脫鉤較差?。▍^(qū)、市）碳排放增長的關(guān)鍵因素。第一，對(duì)于強(qiáng)脫鉤、弱脫鉤、擴(kuò)張連接省（區(qū)、市），能源強(qiáng)度、交通強(qiáng)度在早期對(duì)交通碳排放起促增長作用，后期轉(zhuǎn)向促減排作用，其中，兩因素對(duì)處于過渡狀態(tài)的擴(kuò)張連接?。▍^(qū)、市），帶來的影響波動(dòng)性更大，需對(duì)清潔化能源轉(zhuǎn)型政策持續(xù)發(fā)力，鞏固政策效果；第二，對(duì)于擴(kuò)張負(fù)脫鉤?。▍^(qū)、市），能源強(qiáng)度在后期對(duì)交通碳排放的促增作用反彈程度高于擴(kuò)張連接?。▍^(qū)、市）；第三，對(duì)比兩因素對(duì)交通碳排放的驅(qū)動(dòng)方向和大小，能源強(qiáng)度是使得強(qiáng)脫鉤?。▍^(qū)、市）后期碳排放降低的最關(guān)鍵因素，也是造成擴(kuò)張負(fù)脫鉤省（區(qū)、市）后期碳排放增長率出現(xiàn)反彈上升的最重要因素。

深入探究強(qiáng)脫鉤省份經(jīng)驗(yàn)發(fā)展，曾經(jīng)作為能源大省份的河北、山西、黑龍江、寧夏、甘肅，在推進(jìn)能源轉(zhuǎn)型，分別建立配合京津冀協(xié)同發(fā)展的“低碳化、網(wǎng)絡(luò)化”區(qū)域綜合交通運(yùn)輸體系、實(shí)施國家資源型城市經(jīng)濟(jì)轉(zhuǎn)型和能源革命系列行動(dòng)［53］、推動(dòng)能源替代戰(zhàn)略、建設(shè)寧夏國家新能源綜合示范區(qū)、構(gòu)建現(xiàn)代能源產(chǎn)業(yè)體系等政策和行動(dòng)影響后，大幅降低了化石能源生產(chǎn)消費(fèi)量，能源結(jié)構(gòu)逐步清潔化，從而降低了交通碳排放。

吉林、浙江省均在2018 年分別發(fā)布《吉林省煤炭消費(fèi)總量控制規(guī)劃（2016—2020）》［54］、《2018年浙江省煤炭消費(fèi)總量控制方案》［55］，兩省是“十三五”時(shí)期為數(shù)不多針對(duì)全行業(yè)煤炭消費(fèi)總量控制發(fā)布頂層設(shè)計(jì)文件，且有效控制其他化石能源消費(fèi)代償性增長的省份。

重慶通過構(gòu)建智能汽車與智慧交通運(yùn)用示范區(qū)，推動(dòng)車聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展在解決交通擁堵的同時(shí)，科學(xué)調(diào)度城市交通秩序，引導(dǎo)綠色用車，大大提升了道路運(yùn)輸效率，降低能源消費(fèi)。

綜上，經(jīng)濟(jì)城市化、土地城市化是造成各脫鉤類型地區(qū)交通碳排放增長的主要驅(qū)動(dòng)因素，交通能源強(qiáng)度是影響交通碳排放與交通增加值脫鉤的關(guān)鍵因素。推動(dòng)能源大省全面清潔化、網(wǎng)絡(luò)化轉(zhuǎn)型，在對(duì)特定化石能源品種消費(fèi)總量控制攻堅(jiān)的同時(shí)，防止其他化石能源代償式反彈增長，推動(dòng)交通行業(yè)智能化發(fā)展將有助于該行業(yè)快速實(shí)現(xiàn)與碳排放的脫鉤。

6 結(jié)論及建議

6.1 主要結(jié)論

本文對(duì)2001—2019 年中國30 個(gè)省（區(qū)、市）交通碳排放與交通行業(yè)增加值進(jìn)行脫鉤分析，使用廣義費(fèi)雪指數(shù)（GFI）因素分解分析方法對(duì)各區(qū)域交通碳排放變動(dòng)的影響因素進(jìn)行研究，主要得到以下結(jié)論：

（1）2001—2016 年30 個(gè)省份交通碳排放整體呈現(xiàn)不斷上升趨勢，在區(qū)域上呈現(xiàn)東高、中西次之、東北低的特征。大多數(shù)?。▍^(qū)、市）交通碳排放與行業(yè)增加值間呈現(xiàn)從擴(kuò)張負(fù)脫鉤到弱脫鉤再到強(qiáng)脫鉤的趨勢，具有理想脫鉤關(guān)系的省份從2001—2006年從0 個(gè)上升到2016—2019 年的8 個(gè)，表明中國交通低碳化趨勢顯著。在第四階段（2016—2019 年），共有8 個(gè)?。▍^(qū)、市）實(shí)現(xiàn)強(qiáng)脫鉤：河北、山西、吉林、黑龍江、浙江、重慶、甘肅、寧夏，有1 省仍處于擴(kuò)張負(fù)脫鉤狀態(tài)：青海；已實(shí)現(xiàn)強(qiáng)脫鉤的省份存在碳達(dá)峰后的平臺(tái)期波動(dòng)現(xiàn)象。

（2）從30 個(gè)省份來看，經(jīng)濟(jì)城市化、土地城市化是抑制交通碳減排最大的阻礙因素，人口城市化、交通強(qiáng)度、能源結(jié)構(gòu)促進(jìn)了交通碳減排，能源強(qiáng)度的正負(fù)影響波動(dòng)較大。

（3）從脫鉤狀態(tài)角度來看，（交通）能源強(qiáng)度、交通強(qiáng)度是造成各省份形成4 種不同脫鉤類型的主要原因。對(duì)于脫鉤情況較好的強(qiáng)脫鉤、弱脫鉤和處于過渡狀態(tài)的擴(kuò)張連接?。▍^(qū)、市），能源強(qiáng)度、交通強(qiáng)度對(duì)交通碳排放先促增長，后促減排，符合EKC 曲線特征。對(duì)于脫鉤情況亟待優(yōu)化的擴(kuò)張負(fù)脫鉤省份，能源強(qiáng)度在后期對(duì)交通碳排放的促增作用反彈程度高于擴(kuò)張連接?。▍^(qū)、市），且上升為促使交通碳排放反彈增長的主要因素。

6.2 政策建議

我國交通運(yùn)輸系統(tǒng)應(yīng)著力建設(shè)更加“高效、緊湊、智能”的城市交通體系，通過經(jīng)濟(jì)發(fā)展效率變革、優(yōu)化城市空間利用方式、構(gòu)建智能化交通網(wǎng)絡(luò)等方式，降低由經(jīng)濟(jì)增長、土地?cái)U(kuò)張、交通能源強(qiáng)度推動(dòng)的交通排放增長，實(shí)現(xiàn)交通碳減排目的，具體措施如下：

（1）促進(jìn)城市經(jīng)濟(jì)高效化轉(zhuǎn)型。城市發(fā)展規(guī)劃應(yīng)優(yōu)先設(shè)定包括交通部門在內(nèi)的“雙碳”目標(biāo)，再以此為約束設(shè)定經(jīng)濟(jì)增速目標(biāo)。我國“十四五”規(guī)劃中設(shè)定未來5 年全國能耗強(qiáng)度下降13.5%、碳排放強(qiáng)度下降18%目標(biāo)，鼓勵(lì)有條件的地區(qū)和行業(yè)率先達(dá)峰。因此，各地區(qū)經(jīng)濟(jì)發(fā)展必須由過去追求單一維度的經(jīng)濟(jì)增長指標(biāo)，轉(zhuǎn)向視角更全面的經(jīng)濟(jì)高質(zhì)量發(fā)展，在經(jīng)濟(jì)發(fā)展的同時(shí)，考慮交通碳減排約束目標(biāo)，倒逼經(jīng)濟(jì)發(fā)展效率的提升。

（2）加快城市空間緊湊化變革。優(yōu)化低效土地利用方式，統(tǒng)籌推進(jìn)功能復(fù)合、公共交通有限的集約緊湊型城市發(fā)展方式，減少通勤距離，提升物流運(yùn)輸效率。北京作為擴(kuò)散性發(fā)展的超大城市，城市空間不斷擴(kuò)張，建成區(qū)面積從2000 年的488 km2增加到2019 年的1 469 km2，城市功能分區(qū)明顯，居民在郊區(qū)居住卻在城區(qū)工作的表現(xiàn)明顯［56］。根據(jù)住房和城鄉(xiāng)建設(shè)部發(fā)布的《中國主要城市通勤檢測報(bào)告》［57］，2020 年，北京單程平均通勤距離和通勤時(shí)耗分別高達(dá)11.1 km、47 分鐘，而其城市萬人單程通勤交通碳排放達(dá)8.7 t，均位居全國第一。因此，注重城市功能規(guī)劃，充分利用立體空間，減少擴(kuò)張型發(fā)展，側(cè)重舊城改造設(shè)計(jì)有助于城市交通碳排放下降，人民生活水平提升。

（3）實(shí)現(xiàn)交通智能化發(fā)展。運(yùn)用信息化科技手段提升交通運(yùn)輸、管理效率，降低規(guī)劃與建造成本。一方面，通過能源系統(tǒng)動(dòng)態(tài)模型，優(yōu)化城市行車組織與節(jié)能運(yùn)營技術(shù)，提升網(wǎng)線能源調(diào)度管理、交通能源使用效率和方式［58］；另一方面，通過交通引擎構(gòu)建基于自動(dòng)駕駛、車路系統(tǒng)等智能交通科技，提升城市實(shí)時(shí)感知、快速響應(yīng)與智慧決策能力，為更智慧、更低排放地治理“城市病”賦能。

釋注：

1）各區(qū)域劃分依據(jù)《中共中央、國務(wù)院關(guān)于促進(jìn)中部地區(qū)崛起的若干意見》《國務(wù)院發(fā)布關(guān)于西部大開發(fā)若干政策措施的實(shí)施意見》以及黨的十六大報(bào)告的精神，東部包含北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南，中部包含山西、安徽、江西、河南、湖北、湖南，西部包含內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆，東北包括：遼寧、吉林和黑龍江。