交通运输碳排放强度时空特征分析——以“一带一路”沿线中国西北地区为例

李 灵 杰，　吴 群 琪

(长安大学 经济与管理学院， 陕西 西安 710064)

一、引　言

2015年3月28日，国家发展改革委员会、外交部、商务部联合发布了《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》[1-2]，其中划定内蒙古、青海、宁夏、甘肃、陕西、新疆等西北地区为重点发展省份。另外，在“西部大开发”、统筹城乡经济发展等政策的助推下，中国西北地区交通必将会迎来一定程度的快速发展，进而导致能源消耗和碳排放量的快速增加。因此，一方面，为促进国家“2030年单位国内生产总值CO2排放比2005年下降60%到65%”碳减排目标的实现，保障西北地区交通经济的可持续发展；另一方面，为推动“一带一路”倡议、“低碳交通”、“绿色出行”协同建设，需要从碳排放强度(单位交通行业产值CO2排放量)视角，重点分析目前西北地区交通碳排放的时空演变过程，同时探索其空间相关性和异质性，以期为制定具有针对性的减排策略提供依据，为“一带一路”沿线省份或国家联合减排工作提供后续支撑。

国外学者对交通碳排放进行了大量研究，如Nag Barnali等采用Divisia指数定量分析了印度1980年及以后的能源碳排放强度变化，得出碳排放强度提升的主要原因是人均收入的变动[3]。Lisa Ryan等运用面板数据分析了欧盟车辆能源税与碳排放强度间的关系，认为客车销售与碳排放强度受车辆和能源税的影响十分明显[4]。Obas等采用Laspeyres模型分析了碳强度与经济结构、能源类型以及能源消耗强度之间的相关性。[5]Margarita与Victor运用LMDI法分解了葡萄牙1996～2009年期间的碳排放强度[6]。Simone Gingrich等以捷克斯洛伐克和奥地利1830～2000年碳排放强度为研究对象，运用KAYA恒等式与对数比较分析法分析了两国碳排放强度的影响因素，得出产业结构和能源强度变化对碳排放强度有重要影响[7]。Sun等基于SRIO模型从交通视角测度了CO2排放量及碳排放强度[8]。

我国学者何建武等以2002年碳排放强度和人均GDP为指标，将中国划分为碳排放强度较低—经济发展水平较低，碳排放强度较高—经济发展水平落后，碳排放强度较低—人均GDP水平较高的3大地区[9]。赵雲泰运用Theil指数法定量分析了1999～2007年期间省际、区域以及国家整体层面能源碳排放强度与差异水平等特征[10]。张志强对比分析了美、英、法、德、日等7个主要工业化发达国家以及中、印、巴等5个新兴经济体国家的人均GDP变化趋势、碳排放强度变化趋势以及产业结构与单位GDP碳排放强度关系、人均GDP与单位GDP碳排放强度关系[11]。刘广为修正改进了KAYA恒等式模型，并将其运用到碳排放强度的因素分解中，得出产业结构、能源结构、能源强度以及碳排放因子4个影响因素[12]。谢守红以1995～2010年为时间跨度，测算了该期间中国各行业的碳排放强度，并运用行业分解法进一步研判了各行业对中国碳排放强度的影响程度[13]。林伯强等探索性地划分了中国1985～2006年期间的碳排放强度演变过程，并分析了每一阶段碳排放强度的变化特征[14]。胡宗义以PS收敛模型为基础，定性与定量相结合地分析了中国30个省市区的1986～2010年碳排放强度的收敛特征[15]。张翠菊等利用传统空间计量分析工具测度研究了中国省域碳排放强度的聚集效应和辐射效应[16]。乔建等利用经济重心模型对中国碳排放强度整体演变进行了分析，同时采用KAYA恒等式研究了重心演变的影响因素[17]。颜艳梅等基于基尼系数、Theil系数、对数利差均值等多种方法测度研究了碳排放强度的空间差异性及其影响因素[18]。袁长伟利用标准差、变异系数分析了交通碳排放强度的变动规律及空间差异性[19]。魏庆琦等基于时序数据，采用层级回归法研究了能源价格对交通碳排放的影响[20]。

以往文献对交通碳排放强度做了深入的研究，其中，国外学者多侧重于对碳排放强度变动原因、相关影响因素进行定量分析，而国内学者则侧重依赖于选取各种参数来表征碳排放强度变化的时间序列特征，或是测度碳排放强度的影响因素及影响程度。目前，交通领域的碳排放研究主要集中于碳排放总量测度、影响因素研究、碳排放总量时空分析等方面[21]，但是从交通碳排放强度角度探究空间相关及异质性的研究较少，同时针对“一带一路”沿线省份交通碳排放强度的文献鲜有涉及。因此，本文以“一带一路”倡议划定的中国西北地区6个省份交通碳排放强度为研究对象，利用Moran’s I值、Theil值以及半变异函数等模型，从时间序列和空间分布上定量地分析2006～2015年期间“一带一路”沿线西北地区的交通碳排放强度变化态势与特征，为西北地区交通碳减排政策的制定提供参考，为“一带一路”绿色生态建设、沿线联合减排提供有利的数据支撑。

二、模型构建及数据处理

1.模型构建

(1)相关性

空间相关性分析能够有效表征中国西北地区交通强度空间分布特性及其依赖性，反映整个区域的空间聚集状态[22]，一般采用莫兰指数(Global Moran’s I)进行衡量。同时，需要计算Z得分来检验测算结果的显著性。根据刘佳骏的研究，Global Moran’s I公式[23]如下：

(1)

(2)

Z得分表示标准差的倍数，其公式为：

(3)

(4)

V[I]=E[I2]-E[I]2

(5)

在实际计算中，各参数被视为具有统计学上的显著性的聚类。│Z│>1.65将被视为具有统计显著性，其统计显著性的置信度设置为90%。如果Z得分通过显著性检验，当Moran’s I 指数值为正时表示聚类趋势，即西北地区交通碳排放强度具有包含同等低或者同等高的属性值的邻近要素；当Moran’s I 指数值为负时表示离散趋势，即西北地区交通碳排放强度具有包含不同数值的邻近要素。

(2)异质性

①变异系数

变异系数是指西北地区交通碳排放强度偏离该区域平均值的相对差距，反映的是交通碳排放强度的空间相对差，即西北各省交通碳排放强度的标准差与该区域平均值的比值。其具体公式如下：

(6)

②Theil指数模型

Theil指数又称为泰尔指数，是衡量区域间相对差异的重要指标[24]。基于收入不平等Theil指数模型[25]，建立交通碳排放强度Theil指数模型如下：

(7)

式(7)中，将交通业增加值GDPi视为权重，反映“一带一路”沿线西北地区交通发展水平对交通碳排放强度差异的影响作用。其中，xi为省份i的交通碳排放强度值；GDPti表示省份i的交通运输业增加值。T(xi)t介于0到1之间，表示第t年西北各省交通碳排放强度的Theil指数值，其值越大，则该地区交通发展水平对交通碳排放强度状况差异的影响作用越大。

③半变异函数

变异系数及Theil指数仅能反映整体区域的差异特征，但对于各省间实际距离情况反映不足，而半变异函数作为地学统计的有效工具，能够将相关性作为距离函数进行测度，有效表示空间异质性的整体变动与各地区间距离，同时反映变动的方向性[26-27]。

半变异函数的参数包括主变程、次变程、各向异性、步长大小、块金值以及偏基台值等[28-29]，其中变程表示交通碳排放强度空间相关性的作用范围，包含主变程与次变程，其范围内，各省份交通碳排放强度空间距离越小，表示相关性越大；各向异性指的是交通碳排放强度随着时间变动，其在变动方向及变动趋势上呈现不同的态势。半变异函数的具体公式为：

(8)

式(8)中，var为方差，pi、pj为省份i、j的质心，Z(pi)-Z(pj)为省份i、j的质心空间位置的差值。如果pi、pj在d(pi,pj)的测度距离相对较近，差值Z(pi)-Z(pj)较小，则表明在空间矢量位置上相似，反之则异质性增大，如图1与图2所示。

图1　典型半变异函数的解析

图2　半变异函数变程分析

2.数据处理

为探究“一带一路”沿线中内蒙古、陕西、甘肃、青海、宁夏及新疆6省份交通碳排放强度的空间相关性及异质性，选取2006～2015年作为研究期间。具体指标及数据来源说明如下：

(1)交通碳排放量测算。交通碳排放量的测算根据IPCC 2006年编写的《国家温室气体排放清单指南》第2卷中提供的参考方法[30]进行测算，其具体公式为：

(9)

其中，Cti为第t年省份i的交通碳排放量；n为交通运输业燃料消耗种类，且n=1，…，17，具体包括天然气、炼厂干气、煤油、汽油、原油、柴油、液化石油气、燃料油、其他石油、原煤、型煤、洗精煤、其他洗煤、焦炭、焦炉煤气、其他煤气、其他焦化产品共17种主要能源；CO2tin为第t年省份i的第n种能源燃料消耗所产生的CO2排放量；Ftin为第t年省份i的第n种燃料消耗量；Sn为第n种燃料中非燃烧使用但却作为原材料计入产品所占比重，在本文的数据处理中，并未将工业生产过程中被用作原料的能源列入研究范围内，即Sn=0；CFn为第n种燃料的平均低位发热量，即转换因子；CCn为第n种燃料单位热量的碳排放量，即碳排放系数；COFn为第n种燃料的氧化因子；44/12为将C转化为CO2的摩尔质量比的转换系数。

(2)交通碳排放强度。其表示一定时间区间内，某地区交通CO2排放量与其对应运输产值的比值，即交通行业内单位运输产值的CO2排放量，其中未剔除价格因素影响，交通产值数据折合为2000年为基期的不变价格数据。具体测算公式如下：

(10)

式(10)中，Etic为第t年省份i的交通碳排放强度；GDPtit为第t年省份i的交通GDP值。

表1　各种能源的低位发热值、碳排放系数及碳氧化率

其中，交通产值数据来源于《中国统计年鉴》；Ftin数据来源于EA、《中国统计年鉴》、《营运货车燃料消耗量限值及测量方法(JT719)》；CFn、CCn、COFn等数据来源于《各种能源平均低位发热量及折算标准煤的系数表》、《节能低碳技术推广管理暂行办法》(发改环资[2014]19号文件)以及《各种能源的低位发热值与碳排放系数》，具体见表1。同时，需要说明的是，空间特征分析中所采用的地理坐标系为GCS Krasovsky 1940坐标。

三、“一带一路”沿线西北地区交通碳排放强度时空分析

1.时间分析

根据公式(10)，计算2006～2015年“一带一路”沿线内蒙古、陕西、甘肃、青海、宁夏及新疆6省交通碳排放强度，具体结果见表2。

表2　2006～2015年“一带一路”沿线中国西北地区交通碳排放强度(万吨·亿元-1)

由表2可知，在2006～2013年期间，西北地区交通碳排放总强度整体呈现下降趋势，在2014年与2015年略有回升，但变动幅度不大，因此，从整体来看，西北地区的交通行业所造成的CO2排放量的增长幅度小于行业内部经济增长的幅度。

其中，新疆在2007年交通碳排放强度达到最值5.27万吨·亿元-1，但是2007～2015年其交通碳排放强度一直持续下降，并于2015年下降至2.62万吨·亿元-1，低于6省的平均值，其可能原因在于随着新疆新能源推广、乌鲁木齐国家节能减排综合示范城市等措施政策的落实，交通效率有所提升，进而交通碳排放强度下降。在2006～2013年期间，宁夏交通碳排放强度的变化特征与新疆相似，尽管在2014年与2015年出现小幅度的回升，但依旧保持在西北地区最低交通碳排放强度水平，其原因可能在于宁夏相对其他西北省份，地域面积较小，交通资源投入较少，产出效率较高，因而交通碳排放强度呈现相对较低水平。内蒙古在2006～2012年期间交通碳排放强度稳步下降，但是2013～2015年回弹幅度较大，2015年数值甚至近乎接近2006年数值，可见，其交通行业内部对CO2排放量的管控力度欠佳，以至于出现大幅的增长。甘肃与青海两省的交通碳排放强度变化特征较为相似，两省均低于西北地区均值，并呈现出“W”型上下波动，波动幅度缓慢降低，碳排放强度值逐渐减小。青海、甘肃两省强度较低的原因可能在于，受其地理环境的影响，基础设施等资源投入相对较少，进而能源消耗较少，同时受其自然环境特殊和相对注重环保措施的影响，青海、甘肃交通产值平均增长率明显低于6省碳排放量的平均增长率。陕西在2006～2015年期间，交通碳排放强度虽然呈现上下波动与增减趋势，但是整体并未出现明显改观迹象，由此可见，陕西省的交通行业对CO2排放力度的管控和实施仍存在需要改进的空间。

2.空间分析

由图3和图4可以发现，2006～2015年期间， “一带一路”沿线中国西北地区交通碳排放强度的递变方向逐渐呈现“西低东高”的态势，即高碳排放强度逐渐转移到陕西和内蒙古两省。其中，内蒙古逐渐成为西北地区高交通碳排放强度省份，这主要是由于煤炭工业发展受限，导致以煤炭为拉动的内蒙古交通产业发展速度在近几年明显放缓，同时碳排放量持续较大幅度增加，两者共同作用使得内蒙古的交通碳排放强度显著增强。而陕西，作为西北地区重要的对外联通通道，交通行业发展较为迅速，相应地带动了其CO2排放量平均增长率高达10.56%，明显高于经济的发展速度。而青海省交通碳排放强度低于6省的平均值，主要是由于青海省地处高原，交通人员短缺，能源消耗量较少，产出效率较高，同时由于地理环境脆弱，在发展的同时更加注重环境生态的保护，能够相对地把控好交通—能源—环境3者之间的关系。

因此，整体来看，西北地区交通发展水平、碳减排管控等均存在不同程度的差异，使得2006～2015年期间内蒙古、陕西、甘肃、青海、宁夏及新疆6省的交通碳排放强度最值、均值产生不同幅度的变动。

图3　2006～2010年“一带一路”沿线中国西北地区交通碳排放强度

图4　2011～2015年“一带一路”沿线中国西北地区交通碳排放强度

四、“一带一路”沿线西北地区交通碳排放强度相关性与异质性分析

1.相关性分析

为进一步分析“一带一路”沿线中国西北地区交通碳排放强度在空间维度上的相关性，根据公式(1)～(5)，分别计算莫兰指数与相应的数理统计量，结果见表3。

由表3可知，尽管2006～2015年期间“一带一路”沿线中国西北地区交通碳排放强度Moran’s I均为负值，即彼此呈现出离散趋势的相关性，但是，由于│Z│<1.65(一个标准差)，即未通过显著性检验，“一带一路”沿线中国西北地区交通碳排放强度之间存在空间相关性的假设不能成立，因此，接下来需要对西北地区交通碳排放强度进行空间异质性分析。

表3　2006～2015年“一带一路”沿线中国西北地区空间相关指标

2.异质性分析

(1)变异系数与Theil指数分析

为定量分析2006～2015年期间“一带一路”沿线中国西北地区交通碳排放强度空间差异的具体特征，根据公式(6)～(8)，采用最值、差值、变异系数、Theil指数等指标对其进行量化计算与分析，结果见表4。

表4　2006～2015年“一带一路”沿线中国西北地区交通碳排放强度差异比较

由表4可以直观地发现，2006～2015年期间“一带一路”沿线西北地区交通碳排放强度的最大值与最小值均呈现出上下波动的态势，但是回弹幅度较小，因此，整体上差值呈“M”型波动态势，波动幅度逐渐降低，差值逐渐缩小，即在2006～2015年期间，西北地区交通碳排放强度的差异性略有降低，虽在相关性分析未通过显著性检验，但整体已出现协同性收敛的迹象。变异系数在2006～2015年期间虽表现出上下浮动，但是基本稳定于0.29与0.37之间，表明西北地区交通碳排放强度数据的离散程度并不大，由此验证了未通过显著性检验的离散趋势相关性分析。所以，通过最大值与最小值的差值以及变异系数比较，说明2006～2015年期间“一带一路”沿线西北地区交通碳排放强度的离散程度较低，并逐渐显示出协同性收敛的态势。其协同收敛的原因可能在于2009年以来新能源推广、淘汰黄标车等政策的陆续实施使得交通碳排放效率相对提升，因而交通碳排放强度普遍出现下降趋势。

由上文模型构建可知，Theil指数值表示的是“一带一路”沿线西北地区交通发展水平对交通碳排放强度状况差异的影响作用。由表4可知，Theil指数值在2007年与2008年有所增加，原因可能在于：在2000～2008年期间，中国经济的快速发展，各地区由于地理位置、资源禀赋等原因，交通发展呈现明显差异性。从西北地区的交通产值增长率来看，2007年和2008年其标准差分别为0.28和0.12，明显大于2009～2015年的平均值0.07，而其碳排放量增长速度差异性并不明显。但是2008年之后，一方面，由于中国经济逐渐进入稳步增长、产业结构调整的“新常态”，交通行业发展差异性明显降低；另一方面，由于“低碳交通”“绿色交通”等政策的实施，西北地区注重运输结构的优化与完善，严控CO2排放量的增加。所以，在2008～2015年期间，Theil指数值在稳步下降，该变化也表明西北地区经济与交通行业的快速发展对环境的影响作用已显著降低，交通—能源—环境3者之间的关系维持良好态势。

(2)半变异函数分析

根据公式(8)计算2006～2015年“一带一路”沿线西北地区交通碳排放强度半变异函数基台等参数，并利用ArcGIS软件可视化分析，求得主变程、次变程、各向异性角度、步长大小、块金值以及偏基台值等半变异函数参数，如表5所示，并将主次变程、各向异性角度进行可视化呈现如图5所示。

通过探索性趋势面分析可知，在不同的时间点上，西北地区交通碳排放强度的各向异性是不同的。在2006年，西北地区各省份均在各向异性角度为29.18°、主变程3626.26km、次变程2209.85km的半变异函数范围内，即北偏东29.18°的方向上、以长轴为3623km、短轴为2210km的范围内，表明范围内相距较近的省份的相关性要大于范围内距离较远的省份。2007年，次变程未发生改变，而主变程显著增大，

表5　2006～2015年“一带一路”沿线中国西北地区交通碳排放强度半变异函数参数比较

图5　2006～2015年“一带一路”沿线中国西北地区交通碳排放强度半变异函数图

各向异性角度相比于2006年继续东偏约10°，即在北偏东38.32°的方向上，长轴增加，异质性范围增大。这种变动原因可能在于西北地区交通产业发展所需资源禀赋等均呈现不同状态，且随着交通的粗放式发展，不同省份间差异性逐渐突显。2008年，各向异性角度继续东偏增加约2°，但是主变程减小至2210km，次变程增加至3912km，整体异质性范围缩小，由此表明在小范围内，西北地区彼此之间的交通碳排放强度的差异性、离散型相对明显。发展至2009年，其空间异质性与2006年大致相同，2010～2013年的空间异质性基本呈现相同状态，其各向异质性角度介于46°～51°，次变程维持不变，而主变程略有增减，由此说明，在此4年之间，西北地区的交通碳排放强度虽有不同程度的增减变动，但基本是趋于一致性的改变，即各地区交通碳排放强度呈现收敛特性，其可能原因在于交通领域节能减排措施的广泛有效实施与经济“新常态”下交通产值增长速度放缓。2014年与2015年，其主、次变程基本与2010～2013年维持一致，但是，这两年的各向异质性角度却显著增加至北偏东113°～115°，由此也反映出了西北地区交通碳排放强度值的递变方向发生了改变，从而在一定程度上验证了空间分析中西北地区交通高碳排放强度逐渐转移到陕西和内蒙古两省的变动规律。

五、结　语

以“一带一路”沿线中国西北地区交通碳排放强度为研究对象，利用Gobal Moran’s I、变异系数、Theil指数以及半变异函数模型，对内蒙古、陕西、甘肃、青海、宁夏、新疆等西北地区的交通碳排放强度的时空格局变动、空间自相关性及异质性特征进行了定性分析与定量测度。

从时间维度来看，在2006～2015年期间，“一带一路”沿线中国西北地区的交通碳排放强度基本呈现下降趋势，其中2014年和2015年呈现小幅回升趋势，这说明西北地区交通发展所造成的CO2排放量的增长幅度基本小于行业内部经济增长的幅度；从空间维度来看，西北地区各省交通碳排放强度基本处于相对稳定状态，但其交通碳排放强度最大省份由新疆变为内蒙古。在此基础上，加大内蒙古煤炭产业等高能源产业转型升级改造，提升第三产业比重，多方面拉动经济，带动经济发展，同时推行节能减排措施，两方面共同作用，有效降低交通碳排放强度。同时，西北地区交通碳排放强度小幅回升的原因也在于经济“新常态”使得交通产业经济发展放缓，而交通碳排放效率依旧未能明显改善，因而，需要继续大力推行新的能源替代、能源消耗技术革新等节能减排政策。

西北地区交通碳排放强度之间的空间相关性并未通过显著性检验，且其存在空间差异性，但程度较小，同时地区内存在趋同及收敛趋势；2006～2015年期间，各向异质性角度在29°～115°之间变动，次变程增减幅度较小，主变程变动较大，从而改变着空间异质性范围，同时验证了空间维度交通碳排放强度转移的定性分析。从收敛趋势可以看出，可以尝试对西北地区交通碳排放强度相近地区实行联合减排政策；对于差异性明显省份，分别针对性实行不同交通减排策略；对碳排放强度较大省份，应积极向区域内部低排放强度省份交流学习，以促进该省份交通节能减排工作有序推进。

由于研究对象为“一带一路”沿线中国西北地区的交通碳排放强度，进行空间分析的样本数量较小，可能影响结论的普适性，因此，今后可以扩大研究范围，进一步分析区域内部的交通碳排放及碳减排等问题。