上海市交通碳排放驱动因素分析

周 岸, 吴开亚

(1.合肥工业大学 资源与环境工程学院,安徽 合肥 230009; 2.复旦大学 公共管理与公共政策研究国家哲学社会科学创新基地上海 200433)

随着全球变暖和海平面上升等气候现象的出现,温室效应逐渐引起国际社会的广泛关注。温室效应给社会经济发展带来较大影响,并成为制约全球发展的重要因素之一。温室气体排放(简称碳排放)主要是由石油类能源燃烧引起的,其中交通部门在全球石油消耗占比中位列第一,并呈持续增长趋势[1]。中国作为世界上最大的发展中国家,中国的碳排放状况一直备受关注。由于交通是中国三大碳排放行业之一,因此研究交通运输行业碳排放(下文简称交通碳排放总量)的驱动因素及其效应,对实现可持续发展有着重要的意义。文献[2]对中国未来交通碳排放总量的预测表明中国交通碳排放总量将保持目前增长速度一直到2030年,2030年后增速将逐渐放缓；文献[3]研究表明私家车的碳排放量在交通碳排放中占较大；文献[4]在传统指标基础上加入客运周转量和货运周转量,基于1996—2009年面板数据对京津沪渝4地交通碳排放进行研究,结果表明，客运周转量和货运周转量与交通碳排放总量呈正相关；文献[5]运用情景分析法对北京市未来交通碳排放总量的预测表明，能源结构的优化能显著降低交通碳排放总量；文献[6]运用LMDI法对上海市2000—2010年交通碳排放总量进行分解,结果表明，人口和经济因素对其具有正向影响,并对能源结构和能源强度具有负向影响；文献[7]运用STIRPAT模型对1995—2008中国交通碳排放总量的驱动因素进行分解,结果表明对交通碳排放总量贡献最大的人群年龄介于15～64岁；文献[8]对2000—2013年甘肃省交通碳排放驱动因素的研究表明，城镇化水平的上升是甘肃省交通碳排放总量的重要驱动因素。

环境库兹涅茨曲线(environmental Kuznets curve,EKC)最早是由文献[9]提出的，该理论对环境影响和经济发展之间关系作出如下假设:在经济发展过程中,对环境造成的影响呈现先增大后减小的趋势,环境影响与经济发展呈倒U型曲线。文献[10]对1975—2005年中国居民收入与碳排放间关系的研究表明，两者存在单向格兰仕因果关系且符合倒U型EKC曲线；文献[11]研究表明1970—2000年加拿大GDP与碳排放间并不存在EKC曲线；EKC曲线并不总是倒U型曲线,文献[12-14]研究表明中国碳排放与经济增长之间符合N型曲线,倒U型曲线并不适用；文献[15]将EKC理论上的拐点和实证预测进行对比,得出研究期内中国EKC并不存在,交通碳排放驱动因素众多,经济增长并非碳排放的唯一驱动因素。

本文以2001—2015年为考察时期,基于自上而下法对上海市交通碳排放总量进行核算,在此基础上进行驱动因素分解和EKC模型研究,具体包括研究人口规模、人均GDP、货运周转量、客运周转量、第二产业比重、第三产业比重对交通碳排放量的影响及交通碳排放量和人均GDP是否符合EKC。国内关于EKC的研究多集中在国家和省级层面,较少涉及城市层面;多涉及全行业碳排放,较少针对单一细分行业进行分析。对于早已突破2 400万人(2013年)，年人均GDP突破10 000元/人(2015年)的中国经济中心上海市,厘清其交通碳排放驱动因素将能为国内其他省市研究提供思路和参考。

1 研究方法和数据来源

1.1 交通碳排放总量核算

交通碳排放总量核算主要有如下2种方法[16]:① “自上而下”核算方法,即用所研究区域范围内各种能源实物消耗量乘以该能源对应的折标煤系数和碳排放系数;② “自下而上”核算方法,即用所研究区域范围各种交通运输方式的行车里程与公里能源实物消耗量相乘,再乘以该能源对应的折标煤系数和碳排放系数。由于上海市各种交通运输方式行驶里程、公里能源消耗、总消耗量等未能有详尽的统计口径,鉴于数据的可获取性和可靠性,本文采用“自上而下”的碳排放量核算方法计算该市交通碳排放总量,即

(1)

其中,C为交通碳排放总量;Ai为第i类能源对应的实物消耗量;Fi为第i类能源对应的折标煤系数;Ki为第i类能源对应的碳排放系数；i为能源类型,包括原油、燃油、汽油、煤油、柴油、天然气、电力、液化石油气和其他石油能源共9类能源。

1.2 STIRPAT模型

文献[17]在假设人口、富裕度和技术因素共同影响环境的基础上提出了IPAT模型评估环境污染。考虑IPAT模型的局限性,文献[18]对IPAT模型进行扩展,将人口、富裕度和技术因素进行分解进而提出STIRPAT模型。STIRPAT模型表达式为:

I=aPbAcTde

(2)

其中,I为环境污染水平;a为模型参数;P为常住人口;A为经济发展水平;T为技术因素;e为误差项;b、c、d分别为常住人口、经济发展水平、技术的指数。

将(2)式两边同时对数化，公式改写为:

lnI=lna+blnP+clnA+dlnT+lne

(3)

对STIRPAT模型进行扩展得:

lnI=lna+flnF+g1lnG+g2(lnG)2+

hlnH+klnK+mlnM+nlnN+lne

(4)

其中,F为人口规模;G为人均GDP;H为客运周转量;K为货运周转量;M为第二产业比重;N为第三产业比重;f、g1、g2、h、k、m、n为对应变量的变化系数。

1.3 EKC模型

考虑到一元三次方程具备同时拟合倒U型曲线和N型曲线的优点,因此本文以交通碳排放总量表征环境影响,以人均GDP表征经济发展,利用一元三次方程建立EKC拟合方程为:

y=α3x3+α2x2+α1x+β

(5)

其中,y为交通碳排放总量;x为按2001年不变价折算后的人均GDP;β为常数项;α1、α2、α3为方程待求参数。曲线形状随α1、α2、α3变化而变化,当满足α3≠0时,曲线形状为N型或倒N型,记为模型1;当满足α3=0且α2≠0时,曲线形状为U型或倒U型,记为模型2;当满足α3=0、α2=0且α1≠0,曲线形状为直线,记为模型3。

1.4 数据来源

本文折标煤系数来源于文献[19],碳排放系数基于文献[20]中缺省值计算,能源实物消耗量数据来源于文献[21-22],统计范围为交通运输、仓储和邮政业,具体分类标准参考文献[23]。上海市人口规模、人均GDP、货运周转量、客运周转量、第二产业比重、第三产业比重数据来源于文献[24]。为消除物价波动对结果可能造成的影响,GDP按2001年不变价折算。

2 实证分析

2.1 交通碳排放总量分析

基于上海市交通碳排放能源实物消耗量数据,使用(1)式对上海市交通碳排放总量进行核算,结果见表1所列。从表1可以看出,2001—2015年间上海市交通碳排放总量整体呈现增长趋势,由2001年的399.43×104t增长到2015年的1 288.86×104t,年均增长率为8.73%,其中仅有2010—2011年间出现微幅下跌。依据年均增长速度可将上海市交通碳排放总量变化趋势分为2个阶段：第1阶段为2001—2008年,该阶段交通碳排放总量快速增长,由399.43×104t增长至1 151.98×104t,年均增长率为16.34%,燃油和煤油碳排放量的逐年稳步增长是上海市交通碳排放量不断增长的主要因素;第2阶段为2008—2015年,交通碳排放总量稳步增长,由1 151.98×104t增长至1 288.86×104t,年均增长率为1.62%,燃油碳排放量开始出现下滑,煤油碳排放量不断增长,这一阶段煤油碳排放量的增长是上海市交通碳排放量继续增长的主要因素。

表1 上海市历年交通碳排放量 104t

2.2 STIRPAT模型实证分析

考虑STIRPAT模型中可能存在变量间彼此关联、彼此影响，因此变量间存在多重共线性，先使用最小二乘法对变量进行多元线性回归，采用SPSS软件,结果见表2所列。

回归结果表明，模型中的可决系数R2(0.795)、F统计量(52.301)和F统计量对应的Sig值(0.000)通过显著性检验,但在单个变量的检验中,6个变量的VIF值均超过10,Sig值远大于0.05,这表明变量间多重共线性严重。岭回归法是在最小二乘法基础上改进的一种有偏估计方法,该方法能放弃部分精确性来降低多重共线性对回归结果的影响[25]。

表2 最小二乘法回归结果

注:F统计量为52.301时对应的Sig值为0.000,R2=0.975,

(lnG)2与lnG相关度极高,被模型排除

采用岭回归法对STIRPAT模型进行再次回归,当k=0.06时,回归结果中各变量随k值变化逐渐放缓,趋向平稳,对应的可决系数R2为0.968,通过显著性检验，回归参数见表3所列。

表3 岭回归模型回归参数

表明F统计量(5 088.159)对应的Sig值(0.000)显著,具有经济学意义，具体公式如下：

lnI=-6.241+0.577lnF+0.143lnG+

0.071(lnG)2+0.261lnH+0.354lnK+

0.512lnM-0.374lnN

(6)

从(6)式中各变量回归系数来看,人口规模、人均GDP、货运周转量、客运周转量和第二产业比重均与交通碳排放总量呈正相关,第三产业比重与交通碳排放总量呈负相关。

人口规模对交通碳排放总量的正效应最为显著,弹性系数达到0.577，即人口规模每增长1%,交通碳排放总量增长0.577%。上海市常住人口逐年稳步增长,2001—2015年间由1 668万人增加到2 415万人,年平均增长率2.68%,其中户籍人口仅增加123万人,外来人口增加624万人。上海市的户籍人口并没有出现较大增长，外来人口是上海市常住人口不断增长的主要因素。经济水平高的地区相对于经济水平低的地区更容易吸引外来人口入驻，外来人口的涌入在推动城市化发展的同时，也对出行需求和物资运输提出更高的要求，带来交通碳排放总量的不断增加。2013—2015年间人口增长逐渐放缓，交通碳排放总量的增速有望进一步放缓。

货运周转量和客运周转量对交通碳排放总量的正向影响也较为显著,弹性系数分别为0.261、0.354。上海市货运结构以水运运输为主,其中远洋运输在水运运输中占有较高比例,一度达到75%。上海市拥有全中国最大的港口即上海港及上海自由贸易区，优越的地理优势和经济环境造就水运运输为主的货运结构。与货运结构有所不同，客运结构中以民用航空为主，铁路、公路、水运比重较低，研究表明铁路运输和水力运输的碳排放强度要显著低于航空运输和公路运输[26]。水力运输和铁路运输具有运量大、节能环保、单位运费低廉的特点。在不影响时效性的前提下提倡以高铁等运输方式替代民用航空，降低民用航空在客运结构中的比重，有利于抑制上海市交通碳排放的增长。

第二产业比重对交通碳排放总量表现为正效应，第三产业比重对交通碳排放总量表现为负效应，弹性系数分别为0.517、-0.374。2001—2015年间第二产业比重总体呈下降趋势，由42.8%下降到32.2%，年均下降率为2.02%；第三产业比重总体呈上涨趋势，由50.7%上升到67.4%，年均增长率为2.05%，第二产业比重的下降和第三产业比重的上升共同抑制交通碳排放总量的增长。早在2001年上海市第三产业比重就高于第二产业比重，上海市在发展经济的同时也注重产业结构的优化，不断推动产业布局优化，努力致力于发展先进行业(如先进制造业)，淘汰落后及高耗能产业，不断提升现代服务业在国民经济中的占比，构建第三产业为主、第二产业为辅的产业结构。上海市应继续现有产业政策，不断优化产业结构，进一步抑制交通碳排放总量的增长。

人均GDP对交通碳排放总量的正效应较弱，弹性系数仅为0.143，经济效应促进作用有限。2001—2015年上海市人均GDP增速较快，由31 799元/人增长到92 798元/人，年平均增长率为7.95%。人均GDP是衡量经济发展状况的指标，经济水平较高的地区出行需求、资源消耗要显著高于经济水平低的地区，交通运输行业与经济发展密切相关，经济发展推动交通运输行业的增长，带来交通碳排放总量的增长。人均GDP的高速增长和对交通碳排放总量的低促进作用也间接表明，随着上海市人均GDP的逐年稳步增长，交通碳排放总量并没有继续高速增长的趋势。这是由于2010年世博会前后上海市为迎接世博会的到来及实现低碳化出台一系列法律法规，这些法律法规很好贯彻并执行，上海市逐渐由粗放式发展向可持续发展转变。lnG和(lnG)2的系数同为正，意味着在本文研究期内交通碳排放并不符合倒U型EKC或拐点尚未出现，要实现交通碳排放和经济的协调发展仍然任重道远。

2.3 EKC分析

为进一步验证EKC的存在性,本文使用SPSS对2001—2015年间交通碳排放总量和人均GDP时间序列数据进行回归,结果见表4所列。回归参数表明3种模型的Sig值均为0.000,通过显著性检验。从可决系数R2来看,模型2和模型3的拟合精度均达到要求,模型3对EKC拟合最优,能达到对数据98.9%的解释度。模型2的参数表明人均GDP达到83 000元/人左右时出现拐点,即交通碳排放量随人均GDP的上升而下降,2013年底上海市人均GDP已经达到83 000元/人,但其后的数年并没有出现交通碳排放总量的下降,这与现实相违背,模型2并不适用,因此选用模型3对EKC进行拟合。文献[12-14]对中国交通碳排放量和经济增长间关系进行研究均得出两者之间呈N型曲线,这与本文结论相近。这也意味着虽然上海市作为中国经济中心,各行各业发展位居全国前列,但仍未实现交通碳排放量和经济增长的协调发展。

表4 3种模型的回归参数

为揭示EKC的特征，本文绘出EKC拟合曲线如图1所示。

图1 EKC拟合曲线

图1表明交通碳排放总量与人均GDP的EKC呈现N型曲线,不存在拐点,交通碳排放总量随人均GDP的增长呈现快速—缓慢—继续增长的变化趋势。当人均GDP突破70 000元/人时交通碳排放总量进入缓慢增长期,在突破100 000元/人将脱离缓慢增长期开始新一轮的增长。2001—2015年间上海市经济蓬勃发展，人均GDP以年均8.31%的增速逐年增长，发展初期粗放的经济增长模式、人口的不断增长以石油类能源为主的运输行业能源结构等因素不断推动上海市交通碳排放总量快速增长；2010年世博会前后上海市政府出台一系列节能减排措施，随着国民环保意识的提高和节能减排措施的付诸实施，交通碳排放总量在2008年后的增速有所放缓。N型EKC表明交通碳排放总量并不会随经济发展到一定程度而逐渐下降，想要控制交通碳排放总量的进一步上涨，须实施行之有效的措施。

3 结 论

为了实现上海市交通碳排放总量进一步减排及早日低碳化的迫切需求，本文基于交通运输行业能源实物消耗量采用自上而下法对上海市交通碳排放总量进行核算，在此基础上建立EKC模型，并对交通碳排放总量进行影响因素分解，得出结论如下：

(1) 人口规模对交通碳排放总量的正效应最显著，人口的涌入尤其是优秀人才的引进对上海市的经济有着巨大的提振作用，但也被迫增加环境的承载能力，带来交通碳排放总量的上涨。货运周转量和客运的正效应也较为显著，改善客运结构，以同等高效的运输方式如高铁等替代民用航空使交通碳排放总量增速放缓。人均GDP的正效应较弱，交通碳排放总量增长与人均GDP并不同步，伴随着世博会的举办，上海市为实现低碳化实施诸多举措，意味着上海市逐渐由粗放式发展开始向可持续发展转变。产业结构的不断优化对交通碳排放总量增长有抑制作用，持续优化产业结构有助于抑制交通碳排放总量的增长。

(2) EKC研究表明,交通碳排放总量和人均GDP间存在N型EKC关系，且不存在拐点，交通碳排放总量随着GDP增长呈现快速增长-缓慢增长-继续增长的变化趋势。这一实证研究表明随着经济的不断发展，上海市交通碳排放总量不会自然出现下滑，而是会一直上涨下去，倒U型EKC不适用于上海市交通碳排放总量与人均GDP。为促进低碳化交通和实现全行业的进一步节能减排，应当实施行之有效的举措。

为实现上海市交通碳排放总量的减排和低碳化交通，本文提出以下建议：① 在不影响上海市经济发展增速的基础上可以通过不断优化产业结构实现低碳化交通。上海市应对第二产业中的产能落后和高耗能企业实行限期治理或搬迁改造，对使用传统工艺的部分企业实施工艺升级换代；将劳动密集型、资本密集型企业向周边省市转移，鼓励技术密集型企业落户及发展；优先发展第三产业中占据主导地位的现代服务业和金融业，不断扩大现代服务业和金融业的影响力。 ② 碳排放主要由石油类能源燃烧引起，提高能源利用效率并逐步以风能、太阳能等新能源替代可以有效抑制交通碳排放量的增长。上海市大量私家车和部分出租车、公交车仍以汽油、柴油为主要燃烧方式，可通过不断改进燃烧工艺、使用清洁燃料、避免不充分燃烧等方式提高能源利用效率，在此基础上进一步出台政策鼓励更加低碳化的电力、天然气、热力、液化石油气等能源的使用。