基于LMDI的長(zhǎng)江經(jīng)濟(jì)帶交通碳排放變化分析

楊紹華,張宇泉*,耿 涌 (.上海交通大學(xué)中英國(guó)際低碳學(xué)院,上海 0306；.上海交通大學(xué)環(huán)境科學(xué)與工程學(xué)院,上海 0040)

國(guó)民經(jīng)濟(jì)的持續(xù)增長(zhǎng)、人民生活水平的日益提高以及交通運(yùn)輸業(yè)效率的提升,在促使交通運(yùn)輸業(yè)蓬勃發(fā)展的同時(shí),也帶來與日俱增的能源消耗和環(huán)境負(fù)荷壓力.自2000年以來,交通運(yùn)輸業(yè)的能源消耗量和碳排放增速始終保持在各行業(yè)前列,目前已成為我國(guó)僅次于工業(yè)的碳排放部門[1-3].

當(dāng)前,國(guó)內(nèi)外學(xué)者主要從社會(huì)經(jīng)濟(jì)效益和環(huán)境影響[4-5]、碳排放與環(huán)境污染的協(xié)同治理[6]以及碳排放情景分析等角度對(duì)交通運(yùn)輸業(yè)碳排放進(jìn)行研究[7-8].其中,對(duì)數(shù)平均迪氏指數(shù)(LMDI)分解方法由于其分解結(jié)果殘差為零、易于分析、具有加法特性等優(yōu)點(diǎn)[9-10],被廣泛應(yīng)用于交通運(yùn)輸業(yè)能源消耗和環(huán)境污染強(qiáng)度變化的研究中[11-12].模型設(shè)置方面,多數(shù)研究主要考慮經(jīng)濟(jì)產(chǎn)出、人口規(guī)模、能源結(jié)構(gòu)、能源強(qiáng)度、城鎮(zhèn)化率、工業(yè)化水平、產(chǎn)業(yè)結(jié)構(gòu)等因素[13-14]對(duì)交通碳排放的影響,而缺少對(duì)能源使用效率、運(yùn)輸結(jié)構(gòu)等因素的考慮;從分解結(jié)果來看,大多研究發(fā)現(xiàn)社會(huì)經(jīng)濟(jì)因素通常正向驅(qū)動(dòng)碳排放增長(zhǎng),而能源類因素則作用相反.例如,Wei等[15]、吳振信等[16]識(shí)別出經(jīng)濟(jì)水平是促進(jìn)交通碳排放增長(zhǎng)的重要驅(qū)動(dòng)因素,其次是人口規(guī)模;Liang等[17]、喻潔等[18]發(fā)現(xiàn)能源效率的提升能夠有效抑制碳排放的增加;具體到區(qū)域?qū)用?張克勇等[19]發(fā)現(xiàn)人均收入和交通強(qiáng)度高等因素是導(dǎo)致北京交通碳排放遠(yuǎn)多于天津和河北的原因.此外,一些社會(huì)經(jīng)濟(jì)因素也發(fā)揮抑制作用,例如郝晴等[20]發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變能負(fù)向驅(qū)動(dòng)交通碳排放量的變化.隨著研究的深入,更多學(xué)者也開始關(guān)注運(yùn)輸結(jié)構(gòu)[18,21].

一些學(xué)者也側(cè)重研究區(qū)域差異,針對(duì)不同區(qū)域的交通碳排放問題展開分析并提出政策建議[22-24],或基于空間數(shù)據(jù)探索和空間計(jì)量方法來分析交通運(yùn)輸部門碳排放的空間特征[25-27].相比基尼指數(shù)等衡量地區(qū)差異的測(cè)度方法,泰爾指數(shù)的優(yōu)勢(shì)在于其可以將總體差異變動(dòng)分解為組內(nèi)差距變動(dòng)和組間差距變動(dòng),由此可較深入研究地區(qū)發(fā)展不平衡問題.因此其被廣泛應(yīng)用到衡量區(qū)域碳排放差異的研究中[22].

總體上看,已有研究缺乏聚焦我國(guó)關(guān)鍵區(qū)域交通運(yùn)輸業(yè)特別是水路運(yùn)輸?shù)奶寂欧乓蛩胤纸饧捌鋮^(qū)域差異性研究.同時(shí),現(xiàn)有研究考慮的驅(qū)動(dòng)因素有限,對(duì)能源使用效率、運(yùn)輸結(jié)構(gòu)等因素在交通碳排放中的貢獻(xiàn)的考量較少.長(zhǎng)江經(jīng)濟(jì)帶作為我國(guó)經(jīng)濟(jì)發(fā)展最為活躍且潛力巨大的區(qū)域之一,各省市之間在產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平、資源稟賦等方面差異較大,這些因素極可能促成了長(zhǎng)江經(jīng)濟(jì)帶交通碳排放的不平衡格局.此外,獨(dú)特的地理和航運(yùn)條件使得長(zhǎng)江經(jīng)濟(jì)帶在水路運(yùn)輸上具有天然優(yōu)勢(shì)和減排潛力.研究長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)碳排放有助于規(guī)劃我國(guó)關(guān)鍵區(qū)域的短期和中長(zhǎng)期交通部門脫碳路徑.鑒于此,本文基于雙層 LMDI分解法和泰爾指數(shù),對(duì)長(zhǎng)江經(jīng)濟(jì)帶各區(qū)域之間的碳排放差異進(jìn)行量化分析;并構(gòu)造交通能源效率變量引入到 LMDI分解模型中,旨在識(shí)別量化各驅(qū)動(dòng)因素對(duì)長(zhǎng)江經(jīng)濟(jì)帶交通碳排放變化的貢獻(xiàn)程度及其時(shí)空特征,并探究不同運(yùn)輸方式下其對(duì)交通碳排放的影響.

1 數(shù)據(jù)與方法

1.1 交通運(yùn)輸業(yè)LMDI模型

本文重點(diǎn)關(guān)注交通運(yùn)輸部門服務(wù)碳密度、運(yùn)輸結(jié)構(gòu)、能源效率、能源強(qiáng)度、經(jīng)濟(jì)結(jié)構(gòu)、經(jīng)濟(jì)增長(zhǎng)水平等驅(qū)動(dòng)因素對(duì)二氧化碳排放的影響,在傳統(tǒng)研究二氧化碳排放驅(qū)動(dòng)因素分解方程中引入交通周轉(zhuǎn)率 T,并參考王海林等[28]觀點(diǎn),將交通運(yùn)輸業(yè)周轉(zhuǎn)量來代替公路行駛里程作為交通能源服務(wù)的度量指標(biāo),同時(shí)定義交通周轉(zhuǎn)量與能源消耗量的比值為“交通能源效率”.由此根據(jù)11個(gè)省份和2種交通運(yùn)輸結(jié)構(gòu)構(gòu)建了長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)碳排放雙層LMDI指數(shù)分解模型,如式(1)所示.

式中:CT為長(zhǎng)江經(jīng)濟(jì)帶 11省市交通運(yùn)輸部門二氧化碳排放總量,百萬(wàn) t;CTi為各個(gè)省市交通運(yùn)輸部門碳排放量,百萬(wàn)t, i從1～11分別代表上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州;CTik為第i個(gè)省市第k種交通運(yùn)輸方式的碳排放量,k取1,2時(shí)分別代表水路運(yùn)輸和陸路航空運(yùn)輸; TTik為第i個(gè)省市第 k種交通運(yùn)輸方式的換算周轉(zhuǎn)量;TTi為第2個(gè)省市交通運(yùn)輸部門周轉(zhuǎn)量,億tkm; ETi為第i個(gè)省市交通運(yùn)輸部門能源消耗量,百萬(wàn) t標(biāo)準(zhǔn)煤;QTi為第i個(gè)省市交通運(yùn)輸部門增加值,億元; Qi為第i個(gè)省市國(guó)民生產(chǎn)總值,億元;Pi為第i個(gè)省市常住人口數(shù)量,萬(wàn)人.CTi為第i個(gè)省市交通運(yùn)輸部門單位周轉(zhuǎn)量碳排放,百萬(wàn) t/億 t·km;TSi為第i個(gè)省市交通運(yùn)輸部門的運(yùn)輸結(jié)構(gòu),%;TEi為第i個(gè)省市交通運(yùn)輸部門單位能耗周轉(zhuǎn)量,億 t·km/百萬(wàn)t標(biāo)準(zhǔn)煤;EQi為第i個(gè)省市交通運(yùn)輸部門能源強(qiáng)度,百萬(wàn)t標(biāo)準(zhǔn)煤/億元;ESi為第i個(gè)省市交通運(yùn)輸部門增加值占國(guó)民生產(chǎn)總值比重,%;GPi為第i個(gè)省市人均GDP,元/人.

對(duì)式(1)兩邊進(jìn)行對(duì)數(shù)變換,可得出年 t相對(duì)于基準(zhǔn)年0的二氧化碳變化值的對(duì)數(shù)等于各驅(qū)動(dòng)因素變化值的對(duì)數(shù)之和,如公式(2)所示:

根據(jù) LMDI加法分解法模型,上式右邊的每一項(xiàng)可以表示為式(3)～(9),分別代表了服務(wù)碳密度、運(yùn)輸結(jié)構(gòu)、能源效率、能源強(qiáng)度、經(jīng)濟(jì)結(jié)構(gòu)、經(jīng)濟(jì)水平對(duì)長(zhǎng)江經(jīng)濟(jì)帶二氧化碳排放增量的影響程度.

1.2 泰爾指數(shù)

泰爾指數(shù)是廣義熵(GE)指標(biāo)體系的一種特殊形式,被廣泛應(yīng)用于區(qū)域環(huán)境負(fù)荷、能源消耗等差異分析領(lǐng)域.其取值范圍一般為0～1之間,數(shù)值越大說明地區(qū)差異越大.本文基于Shorrocks等[29]對(duì)長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)碳排放泰爾指數(shù)測(cè)算公式進(jìn)行改進(jìn),如公式(10～13).

式中:T代表長(zhǎng)江經(jīng)濟(jì)帶二氧化碳排放的總體泰爾指數(shù);i分別代表11個(gè)省市;X代表GDP或者人口規(guī)模;C代表交通碳排放量.同時(shí)根據(jù)地理位置將長(zhǎng)江經(jīng)濟(jì)帶11省市劃分為3個(gè)區(qū)域:長(zhǎng)江下游地區(qū)、中游地區(qū)以及上游地區(qū).j代表3個(gè)不同的區(qū)域,Twj代表各區(qū)域內(nèi)部基本單元碳排放的泰爾指數(shù),而區(qū)域內(nèi)的泰爾指數(shù)(Tw)和以及區(qū)域間的泰爾指數(shù)(Tb)分別代表長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)碳排放的區(qū)域內(nèi)部以及區(qū)域間差異.

當(dāng) X代表人口規(guī)模時(shí),T(P)表示人均碳排放泰爾指數(shù);而當(dāng)X代表GDP時(shí),T(GDP)則代表碳強(qiáng)度泰爾指數(shù).同時(shí),為了更有效地衡量不同區(qū)域內(nèi)外差異對(duì)總體碳排放差異的影響,本文需計(jì)算區(qū)域內(nèi)貢獻(xiàn)率 Wb、區(qū)域間貢獻(xiàn)率 Ww,如式(14)～(16).此外,本文還可計(jì)算區(qū)域內(nèi)差異中各區(qū)域貢獻(xiàn)率Wj如式(17).

1.3 數(shù)據(jù)來源及說明

本文研究數(shù)據(jù)主要使用2000～2019年長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省、市的數(shù)據(jù),包括常住人口數(shù)量、國(guó)民生產(chǎn)總值、交通運(yùn)輸部門增加值、交通客運(yùn)周轉(zhuǎn)量、交通貨運(yùn)周轉(zhuǎn)量以及交通運(yùn)輸部門的各類一次能源消耗量、二氧化碳排放量等.其中常住人口數(shù)量、國(guó)民生產(chǎn)總值、交通運(yùn)輸部門增加值、交通客運(yùn)周轉(zhuǎn)量、交通貨運(yùn)周轉(zhuǎn)量等數(shù)據(jù)來自《中國(guó)統(tǒng)計(jì)年鑒》,而交通部門一次能源消耗和二氧化碳排放量數(shù)據(jù)來自中國(guó)碳核算數(shù)據(jù)庫(kù)(CEADs)[30-31].目前我國(guó)交通運(yùn)輸部門體系主要包含公路、水路、航空、鐵路以及管道運(yùn)輸,由于管道運(yùn)輸?shù)奶寂欧艛?shù)據(jù)難以獲取和界定,因此本文重點(diǎn)關(guān)注公路、水路、鐵路以及航空運(yùn)輸?shù)奶寂欧?鑒于長(zhǎng)江經(jīng)濟(jì)帶水路運(yùn)輸?shù)木薮髢?yōu)勢(shì),本文主要將運(yùn)輸方式分為水路運(yùn)輸及陸路航空(包括公路、鐵路、航空運(yùn)輸)兩大類.

由于 CEADs中只有各省市交通運(yùn)輸部門的不同能源種類消費(fèi)量(煤、焦炭、煤油、柴油、天然氣、電力、熱力等),需要將各種能源根據(jù)最新《中國(guó)能源統(tǒng)計(jì)年鑒》所附的“各種能源折標(biāo)準(zhǔn)煤參考系數(shù)”(見表1)折算成標(biāo)準(zhǔn)煤并進(jìn)行匯總,并參考《2006年IPCC國(guó)家溫室氣體清單指南》和文獻(xiàn)[32-33]等觀點(diǎn)對(duì) 2000～2019年碳排放數(shù)據(jù)進(jìn)行估算,見公式(18).

表1 各種能源折標(biāo)準(zhǔn)煤參考系數(shù)及碳排放系數(shù)Table 1 Standard coal conversion coefficient and carbon emission coefficient for different energy types

式中:j表示11種能源,CTj, ETj, FTj分別代表交通運(yùn)輸業(yè)第j種能源的碳排放量、能源消耗量以及排放系數(shù);而 NCVT j, CEFT j, COFTj則分別表示第 j種能源的平均低位發(fā)熱值、單位熱值含碳量以及碳氧化率,具體參數(shù)見表2.

表2 各種能源碳排放系數(shù)計(jì)算相關(guān)參數(shù)Table 2 Parameter specifications for calculating carbon emission coefficients of different energy types

此外,由于長(zhǎng)江經(jīng)濟(jì)帶地理位置賦予水路運(yùn)輸巨大的天然優(yōu)勢(shì),本文參考蔡博峰等[34]觀點(diǎn),采用“自上而下”的方法對(duì)2000～2019年水路運(yùn)輸交通碳排放量進(jìn)行估算,旨在進(jìn)一步探究水路、陸路航空等運(yùn)輸方式的不同對(duì)整體交通碳排放的貢獻(xiàn),具體見式(19).

式中:CWT代表長(zhǎng)江經(jīng)濟(jì)帶水路運(yùn)輸交通碳排放總量;m表示水路運(yùn)輸下細(xì)分的2種運(yùn)輸方式,m取 1和 2分別為內(nèi)河運(yùn)輸及海洋運(yùn)輸;Tm,ETm分別為在此運(yùn)輸方式下的換算周轉(zhuǎn)量及單位換算周轉(zhuǎn)量能耗;Fm則代表當(dāng)前運(yùn)輸方式下的排放系數(shù).

此外,由于交通運(yùn)輸部門的服務(wù)周轉(zhuǎn)量可分為客運(yùn)周轉(zhuǎn)量和貨運(yùn)周轉(zhuǎn)量,本文借鑒了王靜靜等[35]在2016確定的換算標(biāo)準(zhǔn),按照1t·km=7.1人·km的轉(zhuǎn)換系數(shù)將客運(yùn)周轉(zhuǎn)量換算成貨運(yùn)周轉(zhuǎn)量并進(jìn)行了匯總;為了減少價(jià)格因素對(duì)分解結(jié)果的影響,保證數(shù)據(jù)的可比性,本文所采用的GDP和交通部門增加值均以1978年不變價(jià)進(jìn)行折算.

2 結(jié)果與討論

2.1 長(zhǎng)江經(jīng)濟(jì)帶交通碳排放差異性分析

從 2000～2019年,長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸部門碳排放總量由59.7百萬(wàn)t增長(zhǎng)至330.8百萬(wàn)t,年平均增長(zhǎng)率為9.59%,且各省市間表現(xiàn)出了明顯的差異性.其中 2019年上海市交通運(yùn)輸業(yè)碳排放達(dá) 51.85百萬(wàn) t,其次是江蘇省的 47.43百萬(wàn) t以及湖北省的40.87百萬(wàn)t,貴州省最少為16.2百萬(wàn)t.圖1根據(jù)2019年交通運(yùn)輸業(yè)人均碳排放量對(duì)長(zhǎng)江經(jīng)濟(jì)帶 11省市進(jìn)行劃分,其中上海市人均交通碳排放量為2.09t,屬于高人均碳排放區(qū)域(大于 1t),而江蘇省(0.59t)、湖北省(0.69t)、重慶市(0.59t)、云南省(0.55t)屬于次高人均碳排放區(qū)域(0.5～1t),其他省份為低人均碳排放區(qū)域(0～0.5t).

圖1 2000～2019年長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)人均碳排放Fig.1 Per capita CO2 emissions of the transportation sector in the Yangtze River Economic Belt over the period of 2000 to 2019

2.1.1 基于人均交通碳排放的泰爾指數(shù) 如表3所示,基于人均碳排放的泰爾指數(shù)Theil(P)一直保持在0.1以上,平均值為0.205,且峰值出現(xiàn)在2004年.從2000～2004年,泰爾指數(shù)從0.264增加到了0.315;而從 2004年開始,泰爾指數(shù)逐年下降到 2019年的0.123,其值不及2004年的一半.可以看出,2000～2019年長(zhǎng)江經(jīng)濟(jì)帶交通人均碳排放表現(xiàn)出了較明顯的區(qū)域差異性,但整體上差異在減弱.在人均交通碳排放區(qū)域差異中,區(qū)域內(nèi)差異大于區(qū)域間差異且這種趨勢(shì)逐漸增強(qiáng).2000年人均交通碳排放中區(qū)域內(nèi)差異貢獻(xiàn)率與區(qū)域間的比值為66.5%: 33.5%,在2019年增加至76.6%:23.4%,說明長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)人均碳排放總體差異主要是由區(qū)域內(nèi)差異產(chǎn)生,這與康曉娟等學(xué)者研究我國(guó)能源消費(fèi)差異時(shí)表現(xiàn)一致[36-37].在區(qū)域內(nèi)差異中,三個(gè)地區(qū)對(duì)總體差異的影響也存在差異性,其中下游地區(qū)的貢獻(xiàn)率最高,平均貢獻(xiàn)了29.5%,中部和西部地區(qū)則分別貢獻(xiàn)了22.1%和 18%的區(qū)域內(nèi)部差異.其中,下游江、浙、滬人均交通碳排放差異性較大,2019年上海市的人均碳排放量(2.1t)約為浙江省(0.5t)的4倍.21世紀(jì)以來,上海市經(jīng)濟(jì)的蓬勃發(fā)展和航運(yùn)業(yè)的巨大需求可能是造成下游地區(qū)人均交通碳排放巨大差異的原因.

表3 基于人均交通碳排放的泰爾指數(shù)Table 3 Theil index derived based on per capita carbon emissions of the transportation sector

2.1.2 基于交通碳排放強(qiáng)度的泰爾指數(shù) 相比于人均交通碳排放區(qū)域差異,長(zhǎng)江經(jīng)濟(jì)帶交通碳強(qiáng)度區(qū)域差異性表現(xiàn)得較弱.如表4所示,2000～2019年基于碳排放強(qiáng)度的泰爾指數(shù)值Theil(GDP)一直保持在0.01到0.12之間,峰值出現(xiàn)在2006年的0.1178.在交通碳排放強(qiáng)度區(qū)域差異中,區(qū)域內(nèi)差異遠(yuǎn)遠(yuǎn)大于區(qū)域間差異.2000～2019年其區(qū)域內(nèi)差異貢獻(xiàn)率與區(qū)域間的比值平均為90.5%:9.5%,這一比例高于基于人均交通碳排放差異中的相關(guān)比值.同時(shí),區(qū)域內(nèi)差異貢獻(xiàn)率由 2000年的 94.1%逐漸下降至 2019年的90.25%,而同時(shí)期的區(qū)域間貢獻(xiàn)率則由 5.9%上升到了9.75%,呈現(xiàn)出了“組內(nèi)趨同而組間趨異”的俱樂部趨同現(xiàn)象[38-40].與基于人均交通碳排放的泰爾指數(shù)結(jié)果相似的是,區(qū)域內(nèi)差異中,下游地區(qū)的貢獻(xiàn)率仍是最高,2019年貢獻(xiàn)了38.46%,中部和西部地區(qū)分別貢獻(xiàn)了22.1%和18%.但下游地區(qū)的貢獻(xiàn)率在逐漸減小,而上游地區(qū)在增長(zhǎng),這表明了上游地區(qū)云南省、貴州省、四川省和重慶市之間交通碳強(qiáng)度的差異性在逐漸凸顯.

表4 基于交通碳排放強(qiáng)度的泰爾指數(shù)Table 4 Theil index derived based on carbon emission intensity of the transportation sector

總體而言,基于人均碳排放的泰爾指數(shù)遠(yuǎn)遠(yuǎn)高于基于碳強(qiáng)度的泰爾指數(shù),這從一定程度上說明了長(zhǎng)江經(jīng)濟(jì)帶各省市交通運(yùn)輸業(yè)碳排放量與 GDP的匹配程度要高于其與人口規(guī)模的匹配度.因此,在實(shí)施長(zhǎng)江經(jīng)濟(jì)帶各省、市交通部門協(xié)同脫碳減排的路徑中,選擇以人均碳排放為指標(biāo)比選擇碳強(qiáng)度更具挑戰(zhàn)性.

2.2 基于 LMDI模型的長(zhǎng)江經(jīng)濟(jì)帶交通碳排放實(shí)證分析

2.2.1 長(zhǎng)江經(jīng)濟(jì)帶 LMDI模型分解結(jié)果概況 利用LMDI分解模型分別對(duì)長(zhǎng)江經(jīng)濟(jì)帶2000～2019年交通運(yùn)輸業(yè)碳排放量進(jìn)行完全分解.如表5所示.經(jīng)濟(jì)水平、交通碳密度、人口規(guī)模及能源效率對(duì)長(zhǎng)江經(jīng)濟(jì)帶交通碳排放的增加呈現(xiàn)正向驅(qū)動(dòng)效應(yīng),累積效應(yīng)分別為315.37、51.03、18.72和 14.24百萬(wàn) t,其對(duì)碳排放的貢獻(xiàn)率分別為116.33%、18.82%、6.91%和 5.52%.而運(yùn)輸結(jié)構(gòu)、經(jīng)濟(jì)結(jié)構(gòu)、以及能源強(qiáng)度則抑制了碳排放的增長(zhǎng),負(fù)向累積效應(yīng)分別達(dá)到了-70.973、-44.04和-13.19百萬(wàn)t,貢獻(xiàn)率分別達(dá)到了-26.18%、-16.25%及-4.78%.

表5 2000～2019年各驅(qū)動(dòng)因素累積驅(qū)動(dòng)效應(yīng)及其貢獻(xiàn)率Table 5 Cumulative effects and contribution rates of different driving factors over the period of 2000 to 2019

數(shù)據(jù)結(jié)果表明,經(jīng)濟(jì)規(guī)模持續(xù)擴(kuò)張是長(zhǎng)江經(jīng)濟(jì)帶交通碳排放增長(zhǎng)的第一主導(dǎo)因素,Jiang等[41]、Timilsina等[42]學(xué)者也同樣發(fā)現(xiàn)經(jīng)濟(jì)產(chǎn)出是地區(qū)碳排放增長(zhǎng)的主要驅(qū)動(dòng)力.2000～2019年長(zhǎng)江經(jīng)濟(jì)帶GDP始終保持著高速增長(zhǎng),年平均增長(zhǎng)率達(dá)到了13.69%,且其在全國(guó)所占比重不斷擴(kuò)大,從2000年的40.4%提升到了 2019年的 46.4%;在運(yùn)輸結(jié)構(gòu)中,其水路運(yùn)輸周轉(zhuǎn)量在交通運(yùn)輸周轉(zhuǎn)量中所占比重從2000年的55.52%增加到了69.99%,是抑制交通碳排放增長(zhǎng)的關(guān)鍵因素,這與喻潔等[18]的發(fā)現(xiàn)類似.而從不同運(yùn)輸方式下交通碳密度對(duì)碳排放的驅(qū)動(dòng)效應(yīng)來看,陸路航空運(yùn)輸隨著交通碳密度的增長(zhǎng)比水路運(yùn)輸對(duì)交通碳排放表現(xiàn)出了更強(qiáng)的正向促進(jìn)作用,未來通過降低陸路航空運(yùn)輸碳密度的方式來緩解交通碳排放的潛力巨大;經(jīng)濟(jì)結(jié)構(gòu)的轉(zhuǎn)變同樣對(duì)交通碳排放的增加表現(xiàn)出負(fù)向驅(qū)動(dòng)效應(yīng),其交通運(yùn)輸業(yè)增加值在GDP中的比重由2000年的5.57%下降到了2019年的4.14%,對(duì)交通碳排放產(chǎn)生了-16.25%的負(fù)向驅(qū)動(dòng)貢獻(xiàn);此外,與 Achour等[11]相似的是,長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)能源強(qiáng)度的提升抑制了碳排放的增加.能源強(qiáng)度由2000年的4.7kg標(biāo)準(zhǔn)煤/元上升到了2019年7.2kg標(biāo)準(zhǔn)煤/元,同期對(duì)交通碳排放表現(xiàn)出了-4.87%的負(fù)向驅(qū)動(dòng)貢獻(xiàn)率.

2.2.2 長(zhǎng)江經(jīng)濟(jì)帶 LMDI分解結(jié)果時(shí)空差異 從時(shí)間和空間維度上看,長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)碳排放受各驅(qū)動(dòng)因素的影響均表現(xiàn)出了較大的差異性.由圖2可得,經(jīng)濟(jì)水平和人口規(guī)模始終對(duì)長(zhǎng)江經(jīng)濟(jì)帶交通碳排放起到了正向驅(qū)動(dòng)作用,且 2010～2019年正向驅(qū)動(dòng)的累積效應(yīng)也較2000～2010年有了顯著的提升.經(jīng)濟(jì)結(jié)構(gòu)中,交通增加值在GDP中比重對(duì)交通碳排放由正向驅(qū)動(dòng)效應(yīng)轉(zhuǎn)變?yōu)樨?fù)向驅(qū)動(dòng)效應(yīng),而運(yùn)輸結(jié)構(gòu)對(duì)碳排放的驅(qū)動(dòng)效應(yīng)貢獻(xiàn)率則由 2000～2010年的8.2%轉(zhuǎn)變?yōu)?010～2019年的-68.1%,近10年來水路運(yùn)輸?shù)目焖侔l(fā)展對(duì)長(zhǎng)江經(jīng)濟(jì)帶交通碳排放起到了較好的抑制作用.

圖2 2000～2019年不同驅(qū)動(dòng)因素對(duì)長(zhǎng)江經(jīng)濟(jì)帶交通碳排放的階段性影響(百萬(wàn)t)Fig.2 Effects of different driving factors on carbon emissions of the transportation sector in the Yangtze River Economic Belt in different stages over the period of 2000 to 2019(Million tons)

從交通運(yùn)輸業(yè)技術(shù)水平的角度來看,交通碳密度、能源效率和能源強(qiáng)度 3個(gè)驅(qū)動(dòng)因素對(duì)長(zhǎng)江經(jīng)濟(jì)帶交通碳排放的驅(qū)動(dòng)效應(yīng)產(chǎn)生了顯著變化.其中交通碳密度對(duì)長(zhǎng)江經(jīng)濟(jì)帶交通碳排放的貢獻(xiàn)由 2000～2010年的抑制轉(zhuǎn)為2010～2019年的正向驅(qū)動(dòng),而能源效率和能源強(qiáng)度則恰好相反,這從一定程度上反映了長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)技術(shù)水平的進(jìn)步和能源效率的提升正在逐漸緩解碳排放增長(zhǎng),通過技術(shù)進(jìn)步來緩解交通碳排放增加的政策取得了初步的成效.

如表6所示,長(zhǎng)江經(jīng)濟(jì)帶基于三區(qū)域劃分的各驅(qū)動(dòng)因素對(duì)交通碳排放的貢獻(xiàn)率影響表現(xiàn)出顯著的區(qū)域差異性.其中三區(qū)域經(jīng)濟(jì)水平對(duì)碳排放的正向驅(qū)動(dòng)力均保持在100%以上的貢獻(xiàn)率.但長(zhǎng)江下游地區(qū)低于中上游地區(qū);而下游地區(qū)人口規(guī)模的正向驅(qū)動(dòng)效應(yīng)更強(qiáng),貢獻(xiàn)率為12.27%,遠(yuǎn)高于上游和中游地區(qū)的3.48%和4.55%.從技術(shù)水平上來看,中游地區(qū)能源效率、能源強(qiáng)度和交通碳密度對(duì)交通碳排放的正向驅(qū)動(dòng)力強(qiáng)于下游和上游地區(qū),且經(jīng)濟(jì)結(jié)構(gòu)和運(yùn)輸結(jié)構(gòu)的負(fù)向驅(qū)動(dòng)效應(yīng)更顯著,因此中游地區(qū)通過提升技術(shù)水平和調(diào)整產(chǎn)業(yè)結(jié)構(gòu)來提升能源效率、提高能源強(qiáng)度以及降低交通碳密度,從而實(shí)現(xiàn)交通部門脫碳的潛力最大.

表6 長(zhǎng)江經(jīng)濟(jì)帶各區(qū)域2000～2019年各驅(qū)動(dòng)因素交通碳排放貢獻(xiàn)率對(duì)比(%)Table 6 Comparison of contribution rates of different driving factors for carbon emissions of the transportation sector in the Yangtze River Economic Belt over the period of 2000 to 2019(%)

相比于長(zhǎng)江上中下游之間的區(qū)域差異,各省市之間的驅(qū)動(dòng)效應(yīng)表現(xiàn)出了更顯著的差異性.如圖3所示,驅(qū)動(dòng)貢獻(xiàn)率大于 100%的為高驅(qū)動(dòng)效應(yīng)區(qū)域,50%～100%的為次高驅(qū)動(dòng)效應(yīng)區(qū)域,小于 50%的為低驅(qū)動(dòng)效應(yīng)區(qū)域.其中能源強(qiáng)度表現(xiàn)出了明顯的地區(qū)差異性,云南省、安徽省分別展現(xiàn)-49.4%、-45.5%的負(fù)向驅(qū)動(dòng)效應(yīng),而江蘇省和湖南省分別表現(xiàn)26.5%和24.2%的正向驅(qū)動(dòng)作用;貴州省交通碳排放受經(jīng)濟(jì)水平影響最大,緊接著是浙江省和湖北省;相比其他省市,上海市交通碳排放受人口增長(zhǎng)的正向驅(qū)動(dòng)效應(yīng)最明顯.

圖3 長(zhǎng)江經(jīng)濟(jì)帶11省市交通運(yùn)輸業(yè)2000～2019驅(qū)動(dòng)因素驅(qū)動(dòng)效應(yīng)分析Fig.3 Effects of different driving factors on carbon emissions of the transportation sector across the 11provinces or municipalities of the Yangtze River Economic Belt from 2000～2019

從運(yùn)輸結(jié)構(gòu)的角度來看,11省市中水路運(yùn)輸周轉(zhuǎn)量占比的提高均抑制了交通碳排放的增長(zhǎng),且浙江省、安徽省及湖南省的負(fù)向驅(qū)動(dòng)效應(yīng)更強(qiáng),長(zhǎng)江經(jīng)濟(jì)帶獨(dú)特的區(qū)位優(yōu)勢(shì)使得水路運(yùn)輸在其各省市交通減排中均發(fā)揮了顯著作用;從經(jīng)濟(jì)結(jié)構(gòu)角度看,大部分省市交通部門增加值在 GDP中占比的提升均抑制了碳排放的增加,而安徽省和云南省則促進(jìn)了碳排放的增長(zhǎng);從能源效率的角度看,上海市、浙江省、湖北省以及重慶市能源效率的增加促進(jìn)了碳排放的增長(zhǎng),表現(xiàn)出了能效回彈效應(yīng)[43-45],而剩余大部分省份則起到了負(fù)向驅(qū)動(dòng)作用,說明能源效率的提升在交通部門節(jié)能減排中取得了初步成效.

2.3 政策建議

基于長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)碳排放的測(cè)算分析,并結(jié)合《“十四五”長(zhǎng)江經(jīng)濟(jì)帶綜合交通運(yùn)輸體系規(guī)劃》以及國(guó)內(nèi)外交通運(yùn)輸節(jié)能減排經(jīng)驗(yàn)[46-47],分別從產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平、區(qū)域協(xié)調(diào)、宣傳引導(dǎo)等角度對(duì)“十四五”時(shí)期長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸體系低碳發(fā)展提出以下政策建議:

2.3.1 調(diào)整交通運(yùn)輸結(jié)構(gòu),優(yōu)化產(chǎn)業(yè)結(jié)構(gòu) 2000～2019年產(chǎn)業(yè)結(jié)構(gòu)和交通結(jié)構(gòu)的調(diào)整是抑制長(zhǎng)江經(jīng)濟(jì)帶交通碳排放增加的關(guān)鍵因素.“十四五”時(shí)期,可深度優(yōu)化長(zhǎng)江經(jīng)濟(jì)帶產(chǎn)業(yè)結(jié)構(gòu),擴(kuò)大包括交通倉(cāng)儲(chǔ)運(yùn)輸和郵政在內(nèi)的服務(wù)業(yè)占GDP的比重.同時(shí),充分發(fā)揮長(zhǎng)江經(jīng)濟(jì)帶地理和運(yùn)輸資源優(yōu)勢(shì),增加水路運(yùn)輸?shù)鹊蛦魏乃竭\(yùn)輸方式在交通運(yùn)輸結(jié)構(gòu)中的比重,推進(jìn)建設(shè)綠色高效的交通運(yùn)輸體系.

2.3.2 提升技術(shù)水平,提高能源效率 2000～2019年,長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)能源強(qiáng)度從2000年的4.8萬(wàn)t標(biāo)準(zhǔn)煤/億元提升至2019年的7.2萬(wàn)t標(biāo)準(zhǔn)煤/億元,同時(shí)交通運(yùn)輸業(yè)清潔能源占比由 2000年的9.24%提升至2019年的14.22%,技術(shù)水平提升緩解了交通碳排放增加.同時(shí),能源效率對(duì)碳排放的影響也由正向逐步轉(zhuǎn)為負(fù)向驅(qū)動(dòng).“十四五”時(shí)期,要繼續(xù)提升交通運(yùn)輸業(yè)技術(shù)水平,尤其注重降低陸路航空業(yè)單位周轉(zhuǎn)量碳排放水平,加快陸運(yùn)交通工具清潔化電氣化替代[48].

2.3.3 加快區(qū)域互聯(lián),實(shí)現(xiàn)交通一體化發(fā)展 長(zhǎng)江經(jīng)濟(jì)帶覆蓋11個(gè)省市及數(shù)個(gè)世界級(jí)城市群,是連接中國(guó)東中西、協(xié)調(diào)南北方的重要紐帶.基于泰爾指數(shù)的分析和LMDI分解結(jié)果均表明其交通經(jīng)濟(jì)產(chǎn)出和環(huán)境污染都呈現(xiàn)顯著的區(qū)域差異性.“十四五”時(shí)期,要加快區(qū)域互聯(lián),推動(dòng)各省市交通運(yùn)輸業(yè)協(xié)調(diào)發(fā)展,建立以碳排放強(qiáng)度為約束導(dǎo)向的降碳協(xié)同治理機(jī)制,實(shí)現(xiàn)長(zhǎng)江經(jīng)濟(jì)帶交通運(yùn)輸業(yè)的協(xié)調(diào)發(fā)展.

2.3.4 加大宣傳力度,引導(dǎo)公眾綠色出行 長(zhǎng)江經(jīng)濟(jì)帶人口密集、交通運(yùn)輸業(yè)需求量巨大、環(huán)境承載力承壓等特點(diǎn)決定了必須加快形成資源節(jié)約型和環(huán)境友好型的居民交通消費(fèi)模式.“十四五”時(shí)期,可充分利用報(bào)紙、調(diào)查問卷、公益廣告等媒介,提高公眾低碳出行意識(shí),調(diào)動(dòng)綠色出行積極性,倡導(dǎo)使用自行車、公共交通、新能源汽車等低碳出行的方式,從而促使公眾交通消費(fèi)方式的轉(zhuǎn)變.

3 結(jié)論

3.1 基于人均碳排放和碳排放強(qiáng)度的泰爾指數(shù)均表明長(zhǎng)江經(jīng)濟(jì)帶各省市在碳排放方面存在明顯的差異,且區(qū)域內(nèi)差異遠(yuǎn)大于區(qū)域間差異.其中,下游地區(qū)的貢獻(xiàn)率最高,其次是中部和西部地區(qū).同時(shí),基于碳排放強(qiáng)度的區(qū)域內(nèi)差異貢獻(xiàn)率由 2000年的94.1%逐漸下降至2019年的90.25%,且同時(shí)期的區(qū)域間貢獻(xiàn)率則由5.9%上升到9.75%,呈現(xiàn)出“組內(nèi)趨同而組間趨異”特點(diǎn)的俱樂部趨同現(xiàn)象.

3.2 經(jīng)濟(jì)的蓬勃發(fā)展極大程度地驅(qū)動(dòng)了長(zhǎng)江經(jīng)濟(jì)帶交通碳排放的增長(zhǎng),其次是人口規(guī)模和交通碳密度;運(yùn)輸結(jié)構(gòu)和經(jīng)濟(jì)結(jié)構(gòu)的調(diào)整是抑制碳排放增長(zhǎng)的關(guān)鍵因素,其對(duì)碳排放的負(fù)向驅(qū)動(dòng)效應(yīng)分別達(dá)-26.18%、-16.25%.

3.3 經(jīng)濟(jì)水平和人口規(guī)模對(duì)碳排放增長(zhǎng)的正向驅(qū)動(dòng)效應(yīng)在逐漸提升,而能源效率對(duì)碳排放的影響由正向驅(qū)動(dòng)逐漸轉(zhuǎn)化為了負(fù)向驅(qū)動(dòng).其中,長(zhǎng)江中游地區(qū)能源效率和能源強(qiáng)度對(duì)交通碳排放的正向驅(qū)動(dòng)力更強(qiáng),且經(jīng)濟(jì)結(jié)構(gòu)和交通碳密度的負(fù)向驅(qū)動(dòng)效應(yīng)更顯著;而下游地區(qū)人口規(guī)模的正向驅(qū)動(dòng)效應(yīng)更強(qiáng),貢獻(xiàn)率為12.27%,遠(yuǎn)高于上游和中游地區(qū)的 3.48%和4.55%.