基于GDIM法的福建省交通碳排放驱动因素分析

戈秋虞, 张兰怡, 邱荣祖, 胡喜生, 张园园

(福建农林大学交通与土木工程学院，福建 福州 350002)

气候变化已成为人类社会发展不可回避的重要问题[1-5].由于各类交通运输方式的终端能源消耗大多以石油制品为主，交通已经成为二氧化碳排放增量最快的行业.据预测，我国交通运输业碳排放总量将在2030年达到2000年的4倍多，节能减排的任务迫在眉睫[6-7].2021年国务院提出加快推进绿色低碳发展，使交通领域二氧化碳排放尽早达峰[8].目前国内外学者开展了以对数平均指数分解法(logarithmic mean divisia index, LMDI)为主的大量碳排放影响因素研究[9-12].LMDI法能够较好地解决分解残差问题，也能适用于零值数据[13,14].但随着指数分解学术研究的不断深入，LMDI的缺陷也逐渐显现，如模型中不能同时包含多个相对因素和绝对因素，分解的结果很大程度上依赖分解因素之间的联系，可能会导致与经济常识不符的结果.在此基础上，Vaninsky[15]提出的广义分类指数分解法(generalized divisia index decomposition model, GDIM)可以同时包含多个绝对变量和相对变量，解决了LMDI法存在的问题，更准确、客观地分析了各影响因素对碳排放变化的贡献.目前，该方法已逐渐应用于国家和省域尺度下的工业、农业、旅游业等诸多领域的碳排放研究[16-19]，然而少有涉及到省域尺度的交通碳排放研究.本研究利用GDIM法对福建省交通碳排放的影响因素进行分析，探究节能减排路径，为早日实现交通碳达峰[20]，以及探索福建省绿色发展道路提供依据.

1 材料与方法

1.1 福建省交通碳排放测算方法

目前，交通碳排放的测算主要采用“自下而上”和“自上而下”两种方法[21].其中，“自下而上”法需要利用研究区域内各种交通工具的数量、行驶里程数、单位行驶里程耗能等来核算交通能耗.该方法能得到各类交通工具或不同交通运输方式的碳排放量，但所需要的数据获取难度较大.而“自上而下”法仅需要能源消耗量数据和能源的碳排放系数，该方法操作简单且数据获取难度低，适用于全领域的碳排放测算.

“自上而下”法公式表示如下：

C=∑Qi·Fi·Ki

(1)

式中：C表示交通碳排放量(t)；Qi表示i能源消耗量(t)；Fi表示i能源的折标准煤系数；Ki表示i能源的碳排放系数.

目前，交通碳排放数据主要来源于统计年鉴中的运营性数据，缺少非营运性的私人交通数据，且近年来由私家车引起的环境问题也越发受到社会关注.因此，本研究选择“自上而下”法，从能源消费终端测算包含私家车在内的碳排放量.为了便于分析各因素对碳排放的影响，按照每4 a一个时间跨度，将福建省交通碳排放量变化分为2007—2010年、2011—2014年和2015—2018年3个阶段.

1.2 碳排放影响因素的分解模型

GDIM法是基于KAYA恒等式建立的多维因式分解模型，包含多个相对变量和绝对变量，弥补了LMDI法的缺陷，更准确客观地分析了各驱动因素对碳排放的影响程度[15].本文基于GDIM法构建的模型表示如下：

(2)

(3)

(4)

式中：C表示交通碳排放量(t)；G表示交通运输业产值(元)；E表示能源消耗量(tce)；P表示客货运周转量(t·km)；C/G表示产值碳强度(t·元-1)；C/E表示能耗碳强度(t·tce-1)；C/P表示周转碳强度(t·t-1·km-1)；G/P表示单位周转量产值(元·t-1·km-1)；E/G表示单位产值能耗(tce·元-1).

为了简化公式，令X1=G，X2=C/G，X3=E，X4=C/E，X5=P，X6=C/P，X7=G/P，X8=E/G.

将式(2)～式(4)整理后得到如下式子：

C=X1X2

(5)

X1X2-X3X4=0

(6)

X1X2-X5X6=0

(7)

X1-X5X7=0

(8)

X3-X1X8=0

(9)

对式(6)～式(9)分别求8个影响因素的偏导，构造出相关因素的雅可比矩阵φ(X)：

(10)

根据GDIM原理，将碳排放的变化量△C分解为各个影响因素的贡献之和：

(11)

式中：△C[X|φ]表示8个影响因素的变化量；L表示时间跨度；C表示梯度向量，C=(X2X10 0 0 0 0 0)T；I表示单位矩阵；“+”表示广义逆矩阵计算符号.

1.3 数据来源

福建省交通能源消耗数据[22]包括原煤、汽油、煤油、柴油、燃料油、液化石油气、天然气和电力.各种能源的折标准煤系数和碳排放系数来自文献[23].交通运输业产值、客货运周转量数据来自文献[24].货运周转量和旅客周转量因单位不同无法直接相加，因此引入换算周转量的概念，表示如下：

换算周转量=货运周转量+(旅客周转量×客货换算系数)

(12)

中国交通运输客货换算系数参考文献[25].私人交通的能耗数据参考文献[26]的方法，用生活消费中的汽油和柴油消耗量近似代替.

2 结果与分析

2.1 福建省交通碳排放量

利用IPCC发布的碳排放系数测算出2006—2018年福建省交通碳排放量(图1).从图1可知，碳排放量呈现逐年递增趋势，从2006年的988.74万t增长至2018年的3 142.65万t，年平均增长率高达10.12%.从增长率角度看，2006—2008年碳排放增长率呈快速增长趋势，最高值达到29.5%；随后呈现波动下降趋势，逐步稳定在6%左右.

图1 2006—2018年福建省交通碳排放量

2.2 福建省交通碳排放的影响因素

依据GDIM分解原理，利用R语言编程得出交通运输业产值、产值碳强度、能源消耗量、能耗碳强度、客货运周转量、周转碳强度、单位周转量产值和单位产值能耗8个因素对福建省交通碳排放的贡献率和贡献值(表1、2).贡献率为正值，表示对碳排放量变化起到正向驱动作用；贡献率为负值，则表示对碳排放量起到负向驱动作用.

从表1、2可以看出交通运输业产值(G)、能源消耗量(E)和客货运周转量(P)对碳排放的增加有明显的促进作用，是碳排放量的主要贡献者.单位周转量产值(G/P)、单位产值消耗能源(E/G)和能耗碳强度(C/E)对碳排放变化起到的作用较小.产值碳强度(C/G)和周转碳强度(C/P)对碳排放的贡献量正负值均有出现，从总体贡献值来看，周转碳强度对碳排放的增加有较明显的抑制作用.

表1 2007—2018年福建省交通碳排放影响因素贡献率

2.2.1 福建省交通碳排放影响因素的贡献值 根据所划分的碳排放3个阶段，得到3个阶段各个影响因素的贡献值，结果如图2所示.交通运输业产值、能源消耗量和客货运周转量在3个阶段均对碳排放变化起到正向驱动作用.其中，客货运周转量的正向驱动作用最强，总计贡献了998.16万t的碳排放量，占绝对因素全部贡献量的42.46%，其在3个阶段分别贡献了218.53、354.25和425.38万t.从第一阶段的年均贡献量(54.63万t)增加到第三阶段的106.34万t，增长率达39.52 %，表明正向驱动作用不断增强.其次，能源消耗量因素总计贡献了720.12万t的碳排放量，占绝对因素全部贡献量的30.63%.其在第一阶段贡献的碳排放量为330.87万t，大于周转量的碳排放贡献量(218.53万t)；但能源消耗量在第二阶段的贡献量降至141.47万t，这主要和交通发展模式的转变有关；第三阶段能源消耗贡献的碳排放量小幅度回升到217.79万t.从总体趋势上看，能源消耗量对碳排放量的正向驱动作用有所下降，但仍然是影响碳排放增加的主要因素.再次，交通运输业产值的碳排放总贡献量为632.66万t，占绝对因素全部贡献值的26.91%，表明正向驱动作用同样明显.其在3个阶段的碳排放贡献量分别为154.93、220.10和254.47万t，呈稳定上升趋势.

表2 2007—2018年福建省交通碳排放影响因素贡献值

图2 福建省交通碳排放影响因素贡献值的阶段性分析结果

在产值碳强度、能耗碳强度、周转碳强度、单位周转量产值和单位产值能耗5个相对因素中，周转碳强度和产值碳强度均出现正负向驱动作用.首先，周转量碳强度在第一阶段促使碳排放增加了98.41万t，而在第二阶段实现碳减排175.07万t，第三阶段实现减排183.45万t，两个阶段的减排量占全部减排量的75.78%，减排效果最为显著.其次，产值碳强度在第一阶段促使碳排放增加了161.37万t，在后两个阶段减少的碳排放分别达到52.76和22.80万t，减排量占全部减排量的15.97%，但后两个阶段的减排量未能抵消第一阶段的增加量，减排效果有所减弱.再次，单位周转量产值和单位产值能耗从分解结果和阶段性效应来看均对碳排放变化起到减排作用，二者在3个阶段的碳减排总量分别为14.35和13.01万t，分别占全部减排量的3.03%和2.75%，减排力度不大.能耗碳强度前两个阶段分别减排8.35和3.63万t，第三阶段碳排放增加了16.37万t，是唯一一个从负向驱动作用转为正向驱动作用的因素.

2.2.2 福建省交通碳排放影响因素贡献值的积累量 以2007年为基准期，将各个因素对碳排放的贡献值逐年累加，获得各个影响因素对碳排放的积累贡献值，结果如图3、4所示.

图3 绝对因素贡献值的积累量

从图3可看出，交通运输业产值、客货运周转量和能源消耗量3个因素的积累贡献值均呈现逐年增加的趋势，对碳排放的增加起到明显的促进作用.首先，客货运周转量的碳排放积累量在2013年大于交通运输业产值和能源消耗量的碳排放积累量，从2008年的58.77万t增加到2018年的947.43万t，年均增长率高达32.05%.其次，能源消耗量和交通运输业产值到2018年的碳排放积累量分别为666.83和599.20万t，年均增长率分别为18.64%和34.00%.

从图4可看出，周转碳强度的积累贡献值呈先增加后减少的变化趋势，在2012年积累量变为负值，从2012的27.75万t累计减排增加到2018年的279.68万t，年均增长率为46.97%，减排效果显著.产值碳强度的积累贡献值同样表现为先增加后减少的趋势，从2011年的158.80万t降低到2018年的69.08万t，但积累量并未成负值.单位产值能耗和单位周转量产值的减排积累量逐年增加，2018年二者的积累减排量分别为12.46和14.32万t，对碳排放变化起到负向驱动作用.能源碳强度积累贡献值呈现出先下降后上升的趋势，2015年达到最大的减排积累量(10.74万t)，2018年积累值由负值转为正值，累计贡献了6.94万t的碳排放量.

图4 相对因素贡献值的积累量

3 讨论

本文根据“自上而下”法测算出福建省2006—2018年交通碳排放量，并基于GDIM法从阶段性、积累性两个角度对福建省交通碳排放的影响因素进行分析，得出以下结论：

(1)客货运周转量、能源消耗量和交通运输业产值是福建省交通碳排放量增加的主要因素.其中，客货运周转量是最主要因素，这和吴雯等[27]的研究结果有所不同.这主要是由两省的地理位置和交通运输结构导致的.(2)周转碳强度是促使福建省交通碳排放减少的主要因素，这和王勇等[28]的研究结果相似.(3)能源强度、单位周转量产值和单位产值能耗对碳排放量变化的影响较弱.