公路交通碳排放影响因素实证研究

韩洁平，张宪丽，周 晶

(1.东北电力大学经济管理学院，吉林 吉林 132012;2.黑龙江省电力有限公司双鸭山电业局，黑龙江 双鸭山 155100)

交通行业作为重要的化石燃料消耗的主要行业之一，其二氧化碳的排放已成为国家二氧化碳排放控制的重点。根据国际能源署计算，2008年全球交通部门排放66.05亿t CO2，占能源活动CO2排放的22.48%，是 l990年45.74亿t的1.44倍，2030年预计将比2007年增长41%，达到93亿 t[1]。在我国，交通行业的能耗约占全社会能耗的7%到8%，是仅次于制造业的第二大油品消费行业，是我国节能减排的重点行业[2]。近年来，随着我国公路交通行业的迅速发展，机动车保有量的高速增长，公路交通业的二氧化碳排放成为了日益突出的问题。

目前，国内已有一些学者进行了相关方面的研究。沈满洪和池熊伟[3]通过扩展Kaya恒等式，运用对数平均迪氏分解法(LMDI)，把1991－2009年中国交通部门的CO2排放量分解为9种因素的加权贡献，并对每个时间段和每个驱动因素进行了研究。蔡闻佳等[4]以我国的公路交通业为对象，基于构建的交通行业2000－2010年的CO2排放情景分析的信息，评估了交通行业的减排潜力、减排成本及减排技术战略。徐雅楠和杜志平[5]利用STIRPAT模型，对碳排放量进行因素分解，分析了人口因素和经济因素对我国交通行业碳排放的影响。苏涛永等[6]为了识别影响城市交通碳排放的关键因素，以京、津、沪、渝的面板数据对城市交通碳排放影响因素进行实证研究。

本文以公路交通业为研究对象，以我国1997－2010年相关数据为样本，通过构建公路交通碳排放模型，对公路交通碳排放的影响因素进行实证研究。

1 计算方法和数据来源

根据《2006年IPCC国家温室气体清单指南》[7]，本文采用自上而下的方法，即基于交通工具各类能源消耗量、能源的单位换算及能源的碳排放系数的乘积之和来计算。根据历年交通、仓储及邮政的各类能源消耗量，交通行业的二氧化碳排放量的计算公式为:

式中:C为二氧化碳排放量;Ei为第i种能源的消耗量;Fi为第i种能源的单位换算;Ki为第i种能源的碳排放系数，i=1，2，…，9，分别为煤，原油，汽油，煤油，柴油，燃料油，液化石油气，天然气，电力。

本文选取的1997－2010年能源消耗数据来源于《中国能源统计年鉴》(1998－2011)。各类能源单位换算，即转换为标准煤时，采用2011年《中国统计年鉴》中给出的数据，具体如表1所示。各类能源的碳排放系数采用了赵敏等[8]和徐亚楠等[5]研究中的数据，具体如表2所示。

表1 能源的单位换算

表2 各类能源的碳排放系数

根据上述的计算方法，可计算出1997－2010年交通行业碳排放量，具体如图1所示。从图1可以看出，我国交通业的碳排放量是逐年递增的，从1997年的5967.11万吨增长到2010年的14920.58万吨，增长了约2.5倍。从1997到2002年，碳排放量的增长相对来讲还是缓慢的，2002年的碳排放量达到7151.46万吨，年均增长率为5.70%。从2003年到2010年，碳排放量比前几年增长要快一些，年均增长率达到9.74%，高于前者 4.04%。

图1 1997－2010年我国交通部门碳排放量

2 实证研究

本文假设选取影响公路交通碳排放量的人口、GDP、民用汽车保有量、客运周转量和货运周转量等因素作为自变量，来研究公路交通碳排放问题，各因素分别用x1，x2，x3，x4，x5表示，交通碳排放量作为因变量，用表示。根据上述分析，构建如下的公路交通碳排放模型，并假设模型成立:

根据表3所示的回归方程的显著性检验，t值的绝对值不都大于2，显著性概率不都小于0.05，该模型的系数不是显著的，所以自变量与因变量之间不存在明显的线性关系，所以假设不成立。根据分析，出现这种情形是由于自变量之间存在一定的相关性，一些因素之间存在交互作用，使得人口、GDP、民用汽车保有量、客运周转量和货运周转量这5个因素与交通碳排放量之间的线性关系不明显。

2.1 模型的构建

通过上述分析，本文在不考虑自变量之间存在的相关性的基础上，选取影响公路交通碳排放的的客运周转量和货运周转量2个因素作为决定因素，分别用走向x1，x2表示，并构建如下的公路交通碳排放模型:

2.2 结果分析

公路交通碳排放模型中各变量的相关性分析如表4所示。客运周转量、货运周转量与交通碳排量之间存在较显著的相关性，且客运周转量对公路交通碳排放的影响程度要比货运周转量的影响程度大。

表3 回归方程的显著性检验

表4 各变量的相关性分析

公路交通碳排放回归方程的显著性检验和回归方程系数的显著性检验结果如表5和表6所示。R2=0.988非常接近于1，说明该模型的拟合程度非常好。根据t检验，常量、x1和x2的t值的绝对值均大于2，显著性概率均小于0.05，该模型的系数也是显著的。

本模型说明了客运周转量和货运周转量与公路交通碳排放量之间呈正相关关系，即随着客运周转量和货运周转量的增加，公路交通碳排放量将逐渐增加。由表6可知，客运周转量的系数为1.342，即当客运周转量增长1% 时，公路交通的碳排放量将增长1.342%;货运周转量的系数为0.076，即当货运周转量减少1%时，公路交通碳排放量将减少0.076%。由此可见，客运周转量的影响程度大于货运周转量的影响程度。

根据上述分析，本文建立的公路交通碳排放的模型是可取的，对研究公路交通碳排放的影响因素问题有一定的实际意义。

表5 回归方程的显著性检验

表6 回归方程系数的显著性检验

3 结 论

为了分析公路交通碳排放的影响因素，本文以1997－2010年的相关数据为样本，对公路交通碳排放的影响因素进行实证研究。结果表明:客运周转量和货运周转量与公路交通二氧化碳的排放量之间存在正相关的关系，而且客运周转量的影响程度大于货运周转量的影响程度。因此，降低客运周转量和货运周转量是控制公路交通碳排放的重要措施。与此同时，大力发展公共交通，提高路网密度，优化路网结构，加大宣传公交出行力度也是减少公路交通碳排放量的有效措施。

[1]蔡博峰，曹东，刘兰翠，等.中国道路交通二氧化碳排放研究[J].中国能源，2011，33(4):26－30.

[2]沈俊.交通运输业节能减排国际管理手段及启示[J].武汉理工大学学报，2010，32(4):137－140.

[3]沈满洪，池熊伟.中国交通部门碳排放增长的驱动因素分析[J].江淮论坛，2012，20(1):31－38.

[4]蔡闻佳，王灿，陈吉宁.中国公路交通业CO2排放情景与减排潜力[J].清华大学学报，2007，47(12):2142－2145.

[5]徐雅楠，杜志平.我国交通运输业的碳排放测度及因素分解[J].物流技术，2011，30(6):16－18.

[6]苏涛永，张建慧，李金良，等.城市交通碳排放影响因素实证研究[J].工业工程与管理，2011，16(5):134－138.

[7]IPCC.2006 IPCC guidelines for national greenhouse gas inventories[R].2006.

[8]赵敏，张卫国，俞立中.上海市能源消费碳排放分析[J].环境科学研究，2009，22(8):984－989.