中國交通運(yùn)輸業(yè)碳排放影響因素分解與情景預(yù)測研究

牛玉平 齊亞偉

關(guān)鍵詞：交通運(yùn)輸碳排放；LMDI；STIRPAT；嶺回歸

前言

2020年習(xí)主席提出了“雙碳”目標(biāo)，并講到要支持重點(diǎn)行業(yè)率先實(shí)現(xiàn)碳達(dá)峰。交通運(yùn)輸業(yè)作為國民經(jīng)濟(jì)支柱型產(chǎn)業(yè)，促進(jìn)經(jīng)濟(jì)發(fā)展的同時所帶來的大量碳排放同樣不容忽視。因此，探討交通運(yùn)輸業(yè)能源消耗與碳排放間關(guān)系是具有時效性和緊迫性的。

對于交通運(yùn)輸碳排放的研究，國內(nèi)外學(xué)者主要從碳排放影響因素和碳排放預(yù)測兩方面進(jìn)行了積極探索。在碳排放影響因素方面，劉妍慧等（2022）發(fā)現(xiàn)交通運(yùn)輸強(qiáng)度的改善會有效抑制碳排放增長。Sun等（2022）基于三維灰色關(guān)聯(lián)模型研究了人口、GDP、第三產(chǎn)業(yè)能源結(jié)構(gòu)和物流規(guī)模等因素與交通碳排放間的灰色關(guān)聯(lián)度。田澤等（2023）分析了人口、土地、經(jīng)濟(jì)多維度城鎮(zhèn)化對交通運(yùn)輸業(yè)碳排放水平長期和短期的影響機(jī)制。呂雁琴等（ 2023）通過GTWR模型考察各驅(qū)動因素對交通運(yùn)輸碳排放效率的影響及時空異質(zhì)性。在碳排放預(yù)測方面，張國興等（2020）和胡茂峰等（2022）利用STIR-PAT模型結(jié)合情景分析法分別對黃河流域和湖北省交通運(yùn)輸業(yè)未來碳排放趨勢進(jìn)行了預(yù)測，并基于預(yù)測結(jié)果給定了相應(yīng)的發(fā)展策略。戢曉峰等（2022）利用STIRPAT模型對交通運(yùn)輸業(yè)碳排放進(jìn)行了預(yù)測，并在碳達(dá)峰情景下對碳配額進(jìn)行了分配。

現(xiàn)階段交通運(yùn)輸業(yè)的發(fā)展需要消耗大量的化石能源，不可避免的會產(chǎn)生大量C02。因此想要踐行低碳發(fā)展理念，實(shí)現(xiàn)雙碳目標(biāo)，就要充分掌握影響交通運(yùn)輸業(yè)碳排放的影響因素。本文通過測算中國2005年-2019交通運(yùn)輸業(yè)產(chǎn)生的碳排放量，分解其驅(qū)動因素，預(yù)測其增長趨勢，以期為交通運(yùn)輸業(yè)的低碳可持續(xù)發(fā)展提供理論參考。

1研究方法及數(shù)據(jù)來源

1.1碳排放核算方法

IPCC于2006年針對能源消耗碳排放的核算提出了兩種方法，分別是“自上而下法”和“自下而上法”。由于“自下而上法”需要統(tǒng)計各種運(yùn)輸方式的保有量、運(yùn)輸里程、單位行駛能耗等數(shù)據(jù)，而中國現(xiàn)有的統(tǒng)計體系中不包括這些數(shù)據(jù)，所以文章采用“自上而下”的宏觀測量方法來核算中國交通運(yùn)輸業(yè)的碳排放量：

1.2LMDI分解模型

LMDI分解模型在IPAT模型的基礎(chǔ)上，進(jìn)一步發(fā)展出的用于分析碳排放量變化的分析方法，表現(xiàn)為鏈?zhǔn)匠朔e的形式，表達(dá)式為式（2）：

式（3）中引入運(yùn)輸周轉(zhuǎn)量T；其中P為從業(yè)人口數(shù)量；GDP為交通運(yùn)輸業(yè)產(chǎn)值；D=C/E為交通能源強(qiáng)度，即交通運(yùn)輸單位能源消費(fèi)所釋放的碳排量，該比值與行業(yè)能源結(jié)構(gòu)密切相關(guān)；B=E/T為單位周轉(zhuǎn)量的能耗，反映行業(yè)節(jié)能減排技術(shù)水平；H=T/GDP為交通運(yùn)輸強(qiáng)度，即單位交通運(yùn)輸產(chǎn)值的周轉(zhuǎn)量，反映交通運(yùn)輸效率的高低。J=GDP/P表示人均交通運(yùn)輸產(chǎn)值。

運(yùn)用LMDI因素分解法對公式進(jìn)行無殘差分解：

1.3擴(kuò)展的STIRPAT模型

STIRPAT模型的標(biāo)準(zhǔn)形式為：

為使模型更加貼合交通運(yùn)輸業(yè)發(fā)展情況，提高模型的分析解釋能力，并跟前文交通運(yùn)輸業(yè)碳排放的因素分解效應(yīng)相對應(yīng)，文章從人口水平、經(jīng)濟(jì)水平和技術(shù)水平三個角度對STIRPAT模型進(jìn)行拓展。擴(kuò)展STIRPAT模型為：

其中，城市化率以城鎮(zhèn)人口與常住人口的比值表示，主要通過影響居民出行方式與出行率，從而影響交通運(yùn)輸強(qiáng)度；交通運(yùn)輸結(jié)構(gòu)以公路客貨周轉(zhuǎn)量與客貨周轉(zhuǎn)總量的比值表示，其與運(yùn)輸周轉(zhuǎn)能耗關(guān)聯(lián)緊密；交通能源結(jié)構(gòu)以電力、天然氣等清潔能源消耗量占總能源消耗量的比重表示，與交通能源強(qiáng)度相對應(yīng)。

1.4數(shù)據(jù)來源

目前中國的能源統(tǒng)計系統(tǒng)是將交通運(yùn)輸業(yè)與倉儲、郵政業(yè)進(jìn)行合并統(tǒng)計，而倉儲和郵政業(yè)能源消耗較少，因此，文章采用交通運(yùn)輸、倉儲和郵政業(yè)的合并統(tǒng)計數(shù)據(jù)代表交通運(yùn)輸業(yè)的能源消費(fèi)量。由于缺乏港澳臺和西藏地區(qū)的相關(guān)數(shù)據(jù)，因此文章選取2005年-2019年中國30個省市的交通運(yùn)輸業(yè)作為研究對象，并采用常用的7種能源，包括原煤、汽油、煤油、柴油、燃料油、電力、天然氣進(jìn)行交通運(yùn)輸碳排放核算，其終端消費(fèi)量來自于《中國能源統(tǒng)計年鑒》，各類能源的碳排放系數(shù)和能源折算標(biāo)準(zhǔn)煤系數(shù)，文章以《省級溫室氣體清單編制指南》為標(biāo)準(zhǔn)。碳排放驅(qū)動因素分解中所涉及的交通運(yùn)輸業(yè)從業(yè)人口來自于《中國人口與就業(yè)統(tǒng)計年鑒》，客貨周轉(zhuǎn)量、交通運(yùn)輸業(yè)產(chǎn)值及城市化率來自于《中國統(tǒng)計年鑒》。鐵路、公路、水路、航空客運(yùn)周轉(zhuǎn)量換算為貨運(yùn)周轉(zhuǎn)量的系數(shù)參考張克勇等（2019）的研究，分別取1、0.2、0.3、0.083。

2實(shí)證結(jié)果及分析

2.1碳排放影響因素分析

根據(jù)中國交通運(yùn)輸碳排放核算結(jié)果可知，2005年- 2019年交通運(yùn)輸碳排放量呈現(xiàn)“持續(xù)上升一快速下降一持續(xù)上升”趨勢。2005年-2012年碳排放量持續(xù)上升，2012年-2013年碳排放量快速下降，2013年-2017年雖呈持續(xù)上升趨勢，但增速放緩。

為了分析交通運(yùn)輸碳排放的影響因素，文章根據(jù)LMDI因素分解法對中國2005年-2019年交通運(yùn)輸碳排放量進(jìn)行分解，結(jié)果如表1所示。人均產(chǎn)值、從業(yè)人口規(guī)模和交通能源強(qiáng)度對交通運(yùn)輸碳排放起促進(jìn)作用。人均產(chǎn)值作為最主要的促碳因素，使得交通運(yùn)輸碳排放量增加了88397.45萬噸。由于原煤比重的降低以及天然氣、電力等清潔能源使用比重的增加，交通能源強(qiáng)度對于碳排放的促進(jìn)作用得以削弱。單位周轉(zhuǎn)能耗和交通運(yùn)輸強(qiáng)度作為抑碳因素，分別導(dǎo)致交通運(yùn)輸碳排放減少13472.84萬噸和46036.15萬噸，其中交通運(yùn)輸強(qiáng)度是最主要的抑碳因素，這說明中國交通運(yùn)輸效率正在不斷提高，從而抑制了碳排放量的不斷提高。

2.2STIRPAT模型的確定

文章通過普通最小二乘法對模型系數(shù)進(jìn)行估計，結(jié)果如表2所示。由結(jié)果可知，除交通運(yùn)輸結(jié)構(gòu)外其余四項(xiàng)變量的VIF值均大于10，表明變量間存在多重共線性問題，普通最小二乘法的回歸結(jié)果不可信。為解決模型中變量間存在的多重共線性問題，文章采用嶺回歸對數(shù)據(jù)進(jìn)行再次分析，確定k值為0.01，嶺回歸結(jié)果見表2。

由表2可知：自變量系數(shù)都通過5%的顯著性水平檢驗(yàn)，R2為0.994，表明模型有較強(qiáng)解釋力，交通運(yùn)輸碳排放量與從業(yè)人口、城市化率、人均產(chǎn)值以及交通運(yùn)輸結(jié)構(gòu)呈正相關(guān)關(guān)系，與交通能源結(jié)構(gòu)呈負(fù)相關(guān)關(guān)系，當(dāng)從業(yè)人口、城市化率、人均產(chǎn)值、交通能源結(jié)構(gòu)和交通運(yùn)輸結(jié)構(gòu)每變化1%將會引起中國交通運(yùn)輸業(yè)碳排放量分別變化0.196%、0.811%、0.433%、-0.262%、0.082%，由于因變量與自變量存在長期穩(wěn)定的關(guān)系，即可預(yù)測未來中國交通運(yùn)輸業(yè)碳排放的變化趨勢。

3交通運(yùn)輸碳排放情景預(yù)測

3.1碳排放情景設(shè)置

采取情景分析法對未來中國交通運(yùn)輸碳排放量進(jìn)行預(yù)測，將人口規(guī)模、經(jīng)濟(jì)水平和技術(shù)水平等三項(xiàng)影響因素劃分為高低兩種發(fā)展速率，并進(jìn)行排列組合，從而得到8種不同的發(fā)展情景（見表3）。

以中國“十三五”期間社會經(jīng)濟(jì)發(fā)展的實(shí)際情況為基礎(chǔ)，參照《綠色交通“十四五”發(fā)展規(guī)劃》和《綜合運(yùn)輸服務(wù)“十四五”發(fā)展規(guī)劃》等相關(guān)政策規(guī)劃以及李雪松等（2020）的研究，分別對中國2021年-2025年、2026年-2030年和2031年-2035年期間的人口規(guī)模（從業(yè)人口規(guī)模、城市化率）、經(jīng)濟(jì)水平（人均產(chǎn)值）和技術(shù)水平（清潔能源占比、交通運(yùn)輸結(jié)構(gòu)）等各項(xiàng)影響因素進(jìn)行高低變化率的設(shè)置，以此反映未來交通運(yùn)輸發(fā)展趨勢。不同情景下模型相關(guān)參數(shù)增長率設(shè)置見表4。

3.2碳排放預(yù)測結(jié)果及分析

8種情景下中國交通運(yùn)輸業(yè)的碳排放量預(yù)測結(jié)果（如圖1所示），不同情景下交通運(yùn)輸業(yè)碳排放增長存在較大差異，其中情景2的碳排放預(yù)測量高于其他7種情形，人口因素和經(jīng)濟(jì)水平的高速增長使得碳排放量增速加快，而技術(shù)水平的低增長導(dǎo)致能源結(jié)構(gòu)和運(yùn)輸結(jié)構(gòu)優(yōu)化緩慢，對碳排放增長的抑制作用減弱。情景7與情景5均可在2030年實(shí)現(xiàn)碳達(dá)峰，但由于節(jié)能減排的同時應(yīng)當(dāng)兼顧經(jīng)濟(jì)水平的穩(wěn)定發(fā)展，故此，情景5中人口因素低增長，經(jīng)濟(jì)水平和技術(shù)水平高增長比較符合未來的發(fā)展趨勢，同時應(yīng)當(dāng)將技術(shù)水平的提高作為降低碳排放增長的關(guān)鍵。

4結(jié)束語

對中國交通運(yùn)輸碳排放的驅(qū)動因素進(jìn)行分解并預(yù)測其增長趨勢，有利于針對性制定節(jié)能減排政策，實(shí)現(xiàn)行業(yè)碳達(dá)峰。中國交通運(yùn)輸業(yè)碳排放量整體上仍呈現(xiàn)出一種上升趨勢，人均產(chǎn)值、從業(yè)人口規(guī)模和交通能源強(qiáng)度對交通運(yùn)輸碳排放起促進(jìn)作用，單位周轉(zhuǎn)能耗和交通運(yùn)輸強(qiáng)度對交通運(yùn)輸碳排放增長起到抑制作用，在不同情景下交通運(yùn)輸業(yè)碳排放增長存在較大差異?；诖?，文章認(rèn)為優(yōu)化交通運(yùn)輸結(jié)構(gòu)，提高運(yùn)輸效率是抑制碳排放增長的重要舉措，要降低公路運(yùn)輸在交通運(yùn)輸結(jié)構(gòu)中所占的比重，積極推進(jìn)“公轉(zhuǎn)水”，“公轉(zhuǎn)鐵”政策的落地實(shí)施，同時應(yīng)積極調(diào)整能源結(jié)構(gòu)，加快新能源和清潔能源應(yīng)用，不斷提高交通運(yùn)輸業(yè)智能化、信息化水平。