中国交通运输业碳排放影响因素分解与情景预测研究

牛玉平 齐亚伟

关键词：交通运输碳排放；LMDI；STIRPAT；岭回归

前言

2020年习主席提出了“双碳”目标，并讲到要支持重点行业率先实现碳达峰。交通运输业作为国民经济支柱型产业，促进经济发展的同时所带来的大量碳排放同样不容忽视。因此，探讨交通运输业能源消耗与碳排放间关系是具有时效性和紧迫性的。

对于交通运输碳排放的研究，国内外学者主要从碳排放影响因素和碳排放预测两方面进行了积极探索。在碳排放影响因素方面，刘妍慧等（2022）发现交通运输强度的改善会有效抑制碳排放增长。Sun等（2022）基于三维灰色关联模型研究了人口、GDP、第三产业能源结构和物流规模等因素与交通碳排放间的灰色关联度。田泽等（2023）分析了人口、土地、经济多维度城镇化对交通运输业碳排放水平长期和短期的影响机制。吕雁琴等（ 2023）通过GTWR模型考察各驱动因素对交通运输碳排放效率的影响及时空异质性。在碳排放预测方面，张国兴等（2020）和胡茂峰等（2022）利用STIR-PAT模型结合情景分析法分别对黄河流域和湖北省交通运输业未来碳排放趋势进行了预测，并基于预测结果给定了相应的发展策略。戢晓峰等（2022）利用STIRPAT模型对交通运输业碳排放进行了预测，并在碳达峰情景下对碳配额进行了分配。

现阶段交通运输业的发展需要消耗大量的化石能源，不可避免的会产生大量C02。因此想要践行低碳发展理念，实现双碳目标，就要充分掌握影响交通运输业碳排放的影响因素。本文通过测算中国2005年-2019交通运输业产生的碳排放量，分解其驱动因素，预测其增长趋势，以期为交通运输业的低碳可持续发展提供理论参考。

1研究方法及数据来源

1.1碳排放核算方法

IPCC于2006年针对能源消耗碳排放的核算提出了两种方法，分别是“自上而下法”和“自下而上法”。由于“自下而上法”需要统计各种运输方式的保有量、运输里程、单位行驶能耗等数据，而中国现有的统计体系中不包括这些数据，所以文章采用“自上而下”的宏观测量方法来核算中国交通运输业的碳排放量：

1.2LMDI分解模型

LMDI分解模型在IPAT模型的基础上，进一步发展出的用于分析碳排放量变化的分析方法，表现为链式乘积的形式，表达式为式（2）：

式（3）中引入运输周转量T；其中P为从业人口数量；GDP为交通运输业产值；D=C/E为交通能源强度，即交通运输单位能源消费所释放的碳排量，该比值与行业能源结构密切相关；B=E/T为单位周转量的能耗，反映行业节能减排技术水平；H=T/GDP为交通运输强度，即单位交通运输产值的周转量，反映交通运输效率的高低。J=GDP/P表示人均交通运输产值。

运用LMDI因素分解法对公式进行无残差分解：

1.3扩展的STIRPAT模型

STIRPAT模型的标准形式为：

为使模型更加贴合交通运输业发展情况，提高模型的分析解释能力，并跟前文交通运输业碳排放的因素分解效应相对应，文章从人口水平、经济水平和技术水平三个角度对STIRPAT模型进行拓展。扩展STIRPAT模型为：

其中，城市化率以城镇人口与常住人口的比值表示，主要通过影响居民出行方式与出行率，从而影响交通运输强度；交通运输结构以公路客货周转量与客货周转总量的比值表示，其与运输周转能耗关联紧密；交通能源结构以电力、天然气等清洁能源消耗量占总能源消耗量的比重表示，与交通能源强度相对应。

1.4数据来源

目前中国的能源统计系统是将交通运输业与仓储、邮政业进行合并统计，而仓储和邮政业能源消耗较少，因此，文章采用交通运输、仓储和邮政业的合并统计数据代表交通运输业的能源消费量。由于缺乏港澳台和西藏地区的相关数据，因此文章选取2005年-2019年中国30个省市的交通运输业作为研究对象，并采用常用的7种能源，包括原煤、汽油、煤油、柴油、燃料油、电力、天然气进行交通运输碳排放核算，其终端消费量来自于《中国能源统计年鉴》，各类能源的碳排放系数和能源折算标准煤系数，文章以《省级温室气体清单编制指南》为标准。碳排放驱动因素分解中所涉及的交通运输业从业人口来自于《中国人口与就业统计年鉴》，客货周转量、交通运输业产值及城市化率来自于《中国统计年鉴》。铁路、公路、水路、航空客运周转量换算为货运周转量的系数参考张克勇等（2019）的研究，分别取1、0.2、0.3、0.083。

2实证结果及分析

2.1碳排放影响因素分析

根据中国交通运输碳排放核算结果可知，2005年- 2019年交通运输碳排放量呈现“持续上升一快速下降一持续上升”趋势。2005年-2012年碳排放量持续上升，2012年-2013年碳排放量快速下降，2013年-2017年虽呈持续上升趋势，但增速放缓。

为了分析交通运输碳排放的影响因素，文章根据LMDI因素分解法对中国2005年-2019年交通运输碳排放量进行分解，结果如表1所示。人均产值、从业人口规模和交通能源强度对交通运输碳排放起促进作用。人均产值作为最主要的促碳因素，使得交通运输碳排放量增加了88397.45万吨。由于原煤比重的降低以及天然气、电力等清洁能源使用比重的增加，交通能源强度对于碳排放的促进作用得以削弱。单位周转能耗和交通运输强度作为抑碳因素，分别导致交通运输碳排放减少13472.84万吨和46036.15万吨，其中交通运输强度是最主要的抑碳因素，这说明中国交通运输效率正在不断提高，从而抑制了碳排放量的不断提高。

2.2STIRPAT模型的确定

文章通过普通最小二乘法对模型系数进行估计，结果如表2所示。由结果可知，除交通运输结构外其余四项变量的VIF值均大于10，表明变量间存在多重共线性问题，普通最小二乘法的回归结果不可信。为解决模型中变量间存在的多重共线性问题，文章采用岭回归对数据进行再次分析，确定k值为0.01，岭回归结果见表2。

由表2可知：自变量系数都通过5%的显著性水平检验，R2为0.994，表明模型有较强解释力，交通运输碳排放量与从业人口、城市化率、人均产值以及交通运输结构呈正相关关系，与交通能源结构呈负相关关系，当从业人口、城市化率、人均产值、交通能源结构和交通运输结构每变化1%将会引起中国交通运输业碳排放量分别变化0.196%、0.811%、0.433%、-0.262%、0.082%，由于因变量与自变量存在长期稳定的关系，即可预测未来中国交通运输业碳排放的变化趋势。

3交通运输碳排放情景预测

3.1碳排放情景设置

采取情景分析法对未来中国交通运输碳排放量进行预测，将人口规模、经济水平和技术水平等三项影响因素划分为高低两种发展速率，并进行排列组合，从而得到8种不同的发展情景（见表3）。

以中国“十三五”期间社会经济发展的实际情况为基础，参照《绿色交通“十四五”发展规划》和《综合运输服务“十四五”发展规划》等相关政策规划以及李雪松等（2020）的研究，分别对中国2021年-2025年、2026年-2030年和2031年-2035年期间的人口规模（从业人口规模、城市化率）、经济水平（人均产值）和技术水平（清洁能源占比、交通运输结构）等各项影响因素进行高低变化率的设置，以此反映未来交通运输发展趋势。不同情景下模型相关参数增长率设置见表4。

3.2碳排放预测结果及分析

8种情景下中国交通运输业的碳排放量预测结果（如图1所示），不同情景下交通运输业碳排放增长存在较大差异，其中情景2的碳排放预测量高于其他7种情形，人口因素和经济水平的高速增长使得碳排放量增速加快，而技术水平的低增长导致能源结构和运输结构优化缓慢，对碳排放增长的抑制作用减弱。情景7与情景5均可在2030年实现碳达峰，但由于节能减排的同时应当兼顾经济水平的稳定发展，故此，情景5中人口因素低增长，经济水平和技术水平高增长比较符合未来的发展趋势，同时应当将技术水平的提高作为降低碳排放增长的关键。

4结束语

对中国交通运输碳排放的驱动因素进行分解并预测其增长趋势，有利于针对性制定节能减排政策，实现行业碳达峰。中国交通运输业碳排放量整体上仍呈现出一种上升趋势，人均产值、从业人口规模和交通能源强度对交通运输碳排放起促进作用，单位周转能耗和交通运输强度对交通运输碳排放增长起到抑制作用，在不同情景下交通运输业碳排放增长存在较大差异。基于此，文章认为优化交通运输结构，提高运输效率是抑制碳排放增长的重要举措，要降低公路运输在交通运输结构中所占的比重，积极推进“公转水”，“公转铁”政策的落地实施，同时应积极调整能源结构，加快新能源和清洁能源应用，不断提高交通运输业智能化、信息化水平。