长江经济带交通运输业碳排放驱动效应研究

李芳娟 张 慧

（云南民族大学 社会学院，昆明 650540）

根据国际能源署发布的《世界能源展望2019》，全球能源发展依然严重依赖石油供应。根据国际可再生能源署的相关统计，从能源消耗量看，2020年受全球疫情影响煤炭消耗量呈现下降后逐步恢复的状态；从《中国统计年鉴》中可知交通运输业将成为中国能源消耗的主导行业之一。从碳排放量的角度看，2019年全球能源相关的碳排放量中，交通运输业（包括交通运输业、仓储和邮政业）碳排放量占比为23%，交通运输业中96%的能耗仍是燃油。交通运输业的能源消耗量占比为1/3，已经成为第二大能耗产业[1]。从国网能源研究院的报告中可以看出中国能源消耗的二氧化碳排放量占全球的比重为29%，随着中国物流总额从2010年125.4万亿元攀升至2020年的300万亿元，呈增长态势的社会物流需求进一步增加了交通运输业的能源消耗，交通运输业以其高比例的能源消耗，已成为影响全球气候变暖的高碳排放行业，低碳发展任重道远。

横跨中国东中西三大地带的长江经济带，是国家重点发展战略区域，其面积占全国总面积的21.4%，国民生产总值占全国的45.6%。《长江经济带综合立体交通走廊规划（2014-2020年）》（简称《规划》）指出，要全力推动长江经济带综合立体交通走廊建设，该规划的实施短期内将进一步增加长江经济带的碳排放量。节能减排作为绿色发展的重要标志[2]，交通运输业的低碳发展是实现长江经济带绿色发展的重要措施，是贯彻五位一体发展战略的可行性方案。在此背景下，开展长江经济带交通运输业碳排放量时空差异特征及其驱动效应研究，探索影响交通运输业碳排放量的内在机制及减排途径，对促进长江经济带绿色高质量发展具有现实意义。

国内外学者基于不同的视角开展能源消耗碳排放量测算及其驱动效应研究，主要采用指标分解法（Index Decomposition Analysis,IDA）和结构分解法（Structural Decomposition Analysis,SDA）。IDA方法自1998年Ang和Zhang改进以来，不断被应用到能源消耗及其碳排放领域，主要包括对能源消耗量或碳排放量、能源消耗强度或碳排放强度的分解研究[2-5]。以对数平均迪氏分解法（Logarithmic Mean Divisia Index,LMDI）为代表的IDA方法，因计算过程简便且无残差项，计算结果易于解读，被国际能源署、联合国环境规划署、欧盟委员会、世界银行、各政府组织用于分析能源利用可持续性问题，并形成正式报告或规范发布，如《世界能源展望2012》《能源效率市场报告2014》《欧盟产业竞争力研究2012》《城市区域能源2017》等[6-9]。在理论研究方面，LMDI方法因权重确定方法不同，演变为LMDI-I和LMDI-II，二者再因采用加法分解或乘法分解的不同，LMDI方法演化为8种模型（Model-（1）-Model-（8）），8种模型均可通过因子互换检验、时间颠倒测试、零值和负值检验[8-10]。其中，经过实例验证，Model-（1）最适合于对能源消耗量或碳排放量的分解研究，Model-（8）最适合于对能源消耗强度或碳排放强度的分解研究[11-13]。SDA方法是基于I-O表的分解，它不是IDA方法的拓展，而是另一种有效分解方法，在进口数据、分解形式、I-O表选取、GDP测算等方面不同，但该方法使用具有一定滞后性的I-O表数据，影响分解的时效性[14-16]。

目前，在交通运输业碳排放分解方面代表成果如下：Timilsina（2009）通过分析1980年-2005年亚洲国家交通运输业潜在碳排放因素，指出在亚洲国家中，交通能源强度对碳减排具有负向驱动效应[17]。Mittal（2016）等人通过评估中国和印度类似城市的交通情况，预测两国在2050年的碳排放量，结果显示，两国交通运输业若采取如包括燃油经济性、低碳燃料组合等措施，可有效降低交通运输业碳排放量[18]。Li Wei（2016）等人通过对中国交通运输业碳排放特点因子分解，得出收入效应是驱动碳排放量增加的主要因素，碳排放强度是驱动碳排放量降低的主要因素[19]。喻洁（2015）等借鉴LMDI对中国交通运输业碳排放量进行分解，得出我国公路运输业对该行业碳排放量影响显著，增加清洁能源的使用和优化能源消耗结构，可有效降低碳排放量[20]。

综上所述，目前国内外有关碳排放量或碳排放强度的分解研究，研究范围主要集中在国家或地区，研究行业集中在电力、工业等传统高碳排放行业，系统分析长江经济带交通运输业碳排放时空差异特征及其驱动效应研究较少[21-28]。因此，为了推进长江经济带绿色综合立体交通走廊建设，促进长江经济带高质量发展，本文利用2004年-2017年长江经济带各省市交通运输业能源消耗数据，测算各省市交通运输业碳排放量，并借鉴LMDI-Model-（1）模型，研究长江经济带交通运输业碳排放量时空差异特征及其驱动效应，并据此提出促进长江经济带高质量发展的政策建议。

1 模型设定及数据来源

1.1 模型设定

Ang（1998）提出的 LMDI-I-Model-（1）如下[31]

其中，ΔEtot为能源消耗总量差值，ET为第T年能源消耗总量，E0为基年能源消耗总量，ΔEact为经济发展效应，ΔEstr为能源结构效应，ΔEint为能源强度效应。

该模型适用于总量指标的加法分解，能够有效的消除残差，此外通过引入标准实物量的转换系数，进一步满足化石能源碳排放系数估计的前提假设。本文借鉴Model-（1），乘以碳排放系数，同时增加人均交通产值效应和人口规模效应，将式（1）转化为：

其中，i表示能源种类，i=1,2,...,n，Xi=Ei/E表示能耗结构效应，即第i种能源消耗量占长江经济带能源消耗总量的比重，Ei为第i种能源消耗量，单位为万吨碳，E为能源消耗总量，单位为万吨碳；X2=E/Y为能源强度效应，单位为标准煤/万元；Y为长江经济带交通运输业产值，单位为万元；X3=Y/P为人均交通产值效应，单位为万元/人；X4=P为人口规模效应，单位为人；Fi=Ci/E为第i种能源的碳排放系数；Ci为第i种能源的碳排放量，单位为万吨碳。

1.1.1 时间角度碳排放量分解模型

其中，C为交通运输业碳排放总量，单位为万吨碳，ΔC为第T年相对于基年交通运输业碳排放的变化量，CT、C0为第T年和基年的交通运输业碳排放量，其中，Fi因保持基本不变，不做考虑。ΔCX1、ΔCX2、ΔCX3和ΔCX4分别为能耗结构效应、能源强度效应、人均交通产值效应和人口规模效应所引起的碳排放量的变化，根据式（3）将以上四种效应引起碳排放量的变化分解如下：

此时模型中权数Wi为：

1.1.2 空间角度碳排放量分解模型

假定存在m个地区，（a=1,2…m），u表示长江经济带交通运输业碳排放量的平均值u=average(R1,R2,R3…Rm)，以省市Ra为例，该省市碳排放量与流域平均碳排放量u之间的碳排放量差异ΔCa-uX1的分解过程，见图1。

图1 多地区空间分解过程[11]

为有效消除地区Ra碳排放量与平均碳排放量u的差异所引起的交通运输业碳排放量在能耗结构效应、能源强度效应、人均交通产值效应和人口规模效应的残差项，将式（3）变形如下：

此时模型中权数Wi为：

如果以上四种效应的计算结果为正值，则表示该效应在变动期内使得碳排放量增加，呈现正向驱动作用；如果计算结果为负值，则表示该效应在变动期内抑制交通运输业碳排放量增长，呈现负向驱动作用。

1.2 数据说明

本文研究时间范围为2004年-2017年，数据来源《中国统计年鉴2004-2017年》《中国交通运输统计年鉴2004-2017年》《中国能源统计年鉴2017》。其中交通运输业经济产出数据为2004年-2017年交通运输、仓储和邮政业增加值数据，为表述方便，简称为交通运输业增加值。为消除价格因素的影响，GDP数据均以价值指数调整为2004年为基期的平减价值。在碳排放测算中，为方便计算，其中能源实物终端消耗量为“0”的数据均用1×10-50极小值代替[28]，缺失数据则用均值补全法补全，折标准煤系数和碳排放系数主要来源于2017年《综合能耗计算通则》[29-31]。

2 实证分析

长江经济带作为我国综合实力最强，战略支撑作用最大的区域之一，区域内各省市交通运输业发展差别较大，由于目前在《中国能源统计年鉴》及《中国统计年鉴》等数据库中并没有关于交通运输业碳排放量的直接统计数据，因此，只能通过《中国统计年鉴》中能源消费数据间接测算获得。其中，碳排放量是指“每种能源的消耗量×每种能源的碳排放系数”的求和，计算公式为，44、12分别为二氧化碳的分子量和碳的原子量，C为各种能源消耗所产生的碳排放量，Ai为交通运输业中第i种能源的消耗量，Fi为第i种能源的碳排放系数，Ki为第i种能源的折标准煤系数。其中各种能源的碳排放系数如表1所示：

表1 各种能源的碳排放系数（单位：吨碳/吨标煤）

2.1 时间差异分析

2004年-2017年长江经济带交通运输业整体碳排放量及其环比增速见图2。据图可知，长江经济带交通运输业能源消耗产生的碳排放量总体呈现上升的趋势，碳排放量从2004年的3 229.56万吨碳增长到2017年的11 017.57万吨碳，增加了7 788.01万吨碳。碳排放量的变化大致经历了3个阶段，高速增长时期（2004年-2007年），稳定增长时期（2008年-2015年），新常态时期（2016年-2017年），2004年-2007年长江经济带经济高速发展，交通运输产业产值快速增长，导致碳排放量也随之增长。其中，2006年的环比增速最快，环比增速高达80.40%，2008年碳排放量急剧下降，与2007年相比2008年下降2 522.53万吨碳，2009年后碳排放量稳步提升。2012年后，长江经济带经济发展进入新常态时期，增长速度放缓，交通运输业碳排放量依旧稳步增加，但是其增加速度随之放缓，新常态时期我国不断追求经济高质量发展，不断加快产业结构和能源消费结构优化升级的步伐，2016年长江经济带交通运输业碳排放量的增速出现下降。

图2 2004年-2017年长江经济带交通运输业碳排放量环比增速

长江经济带交通GDP总量、能源消耗总量以及碳排放量的变化趋势见图3，长江经济带交通运输业发展对二氧化碳排放量存在正向驱动作用。长江经济带能源消耗与碳排放量的变动可以分为三个阶段，第一个阶段是2004年-2007年，能源消耗总量与碳排放量都随GDP的增长保持持续增长的态势；第二个阶段是2007年-2009年，GDP保持缓增长，但是能源消耗和碳排放量总体成迅速下降的趋势，追其原因是受全球金融危机的影响，经济发展动力相比前几年有所下降，国家对环境规制力度及汽车尾气排放标准不断加强。第三个阶段是2009年以后，交通运输业碳排放增长率为7.12%，随着交通运输业的发展，交通运输业能源消耗量和碳排放量高速增加。

图3 2004年-2017年长江经济带交通GDP增长、能源消耗量及碳排放量的变化趋势

2.2 空间差异分析

同理，测算2004年-2017年长江经济带各省市交通运输业碳排放量，具体见图4。

图4 2004年-2017年长江经济带各省市交通运输业碳排放量

长江经济带各省市交通运输业碳排放量存在显著差异。从2004年-2017年，11个省市的交通运输业碳排放量可分为以下4个阶梯，浙江省、江苏省、上海市属于高碳排放区域，其交通运输业碳排放量居于前列，平均值分别在13 258.60～14 896.93万吨之间，其碳排放量占比为44.29%；四川省、湖南省、湖北省为较高碳排放区域，其碳排放量平均值介于9 560.24～10 448.70万吨之间，其碳排放量占比为31.8%；安徽省、云南省属于中碳排放区域，地区碳排放量平均值介于5 068.35～5 726.16万吨碳之间，其碳排放量占比为11.3%；贵州省、重庆市、江西省属于低碳排放区域，该类地区的碳排放量平均值介于3 644.54～4 209.04万吨碳之间，其碳排放量占比为12.58%。下游地区安徽、江苏、浙江、上海交通运输业碳排放量占比为49.6%。中游湖北、湖南、江西交通运输业碳排放量占比为25.37%，上游云南、四川、重庆、贵州交通运输业碳排放量占长江经济带交通运输业碳排放量的25%。

长江经济地带各省市的交通运输业碳排放量整体表现出波动上升的趋势，浙江省、江苏省、上海市交通运输业碳排放量的增速居于长江经济带前列，分别达到14.14%、14.07%、14.19%。长三角流域经济发达，交通基础设施完善，交通运输产业发展以及物流产业的迅速崛起，进一步加速交通运输业碳排放量的增长。其中上海交通运输业碳排放量始终保持在最高水平的位置上，其碳排放量由2004年527.18万吨碳增长到2017年的1 215.69万吨碳，除2008年、2017年上海交通运输业碳排放量出现负增长，其余年份均保持平稳增长。江苏省增速呈现出前期上升后期下降的趋势，在2013年后增速明显放缓，浙江省碳排放量的增长率呈前期较快、后期缓慢，但总体是增长趋势。

四川省、云南省、湖北省、湖南省、安徽省交通运输业碳排放量的增速次之，分别达到13.83%、13.25%、13.83%、13.75%、13.14%，可能与交通基础设施建设和持续扩大物流业务规模有关，四川省的碳排放量波动较大，湖南省在2008年和2012年出现负增长，2008年湖南省遭遇特大雪灾使交通严重受阻，交通运输业中的汽油、柴油消耗量大量减少，而在2012年国家清洁能源使用与节能减排等政策落实则进一步抑制了能源消耗量的增长。

重庆、贵州、江西等省市的交通运输业碳排放量增长较为缓慢，其增速分别为12.95%、12.83%、12.96%。江西省交通运输业碳排放量在2010和2013年达到峰值，分别为33.52%和21.78%。

3 驱动效应研究

根据式（3）-（5），得出长江经济带交通运输业碳排放驱动因素分别为能源结构效应（Energy Structure forces，ES）、能源强度效应（Energy Intensity forces，EI），人均交通产值效应（Per Capital Traffic Output forces，PO）、人口规模效应（Population forces，P）和总效应（Total Forces，TF）。以下是分别从时间维度和空间维度测算的碳排放驱动效应。

3.1 驱动效应时间差异分析

中国一直提倡节能减排，积极推动技术创新减少交通运输业的碳排放量，但总体上交通运输业碳减排效果不太明显，在运用灰色关联方法对原始数据进行处理的基础上得出人均交通产值效应与碳排放量的灰色关联度的平均值为0.97，说明人均交通产值效应对碳排放量的影响最大，其次是能源强度效应，其灰色关联度为0.94，能源结构效应和人口规模效应的灰色关联度分别为0.85和0.83。可见4种影响因素的灰色关联度平均值均大于0.8，对碳排放量具有较强的关联性。

能源强度是指交通运输业能源消耗量与其行业发展的比重，用于衡量交通运输业能源综合利用效率，是长江经济带交通运输业碳排放驱动因素中的首要负向驱动效应，是抑制碳排放增长的主要驱动因素。如表2所示，2004年-2017年，长江经济带交通运输业能源强度效应逐渐下降，从2004年2 284.43万吨碳标准煤/万元下降到2015年1 297.52万吨碳标准煤/万元，呈现负向驱动，对碳排放量的贡献率为-1.003%，累计减少碳排放量5 322.5万吨碳。能源强度的抑制性作用主要体现在两个方面，首先是交通运输产业发展效率与质量要求以及长江经济带绿色高质量发展的政策支持与推广，其次是产业技术进步和能源结构调整。其中技术进步是碳排放量减少的主要动力，长江经济带交通运输业能源综合利用效率不断提高，交通运输结构不断优化，不断强化不同运输方式间的衔接，高新技术引入机制不断建立健全，有效促进交通运输产业的节能减排。

表2 2004年-2017年长江经济带交通运输业碳排放量驱动效应（单位：万吨碳）

人均交通产值效应是2004年-2017年长江经济带交通运输业碳排放驱动因素中的首要正向驱动效应。人均交通产值效应对碳排放量的贡献率高达97.55%。人均交通产值效应其变化趋势分为两个阶段，第一阶段是2004年-2015年，人均交通产值效应的贡献率为正，对长江经济带交通运输业碳排放起倒“U”型的正向驱动作用，第二阶段是2015年-2017年，人均交通产值效应的贡献率为负，在一定程度上对交通运输业的碳排放量具有抑制作用，自2015年人均交通产值效应的驱动作用达到峰值后，正向驱动作用开始逐年减弱。

能源结构效应对交通运输业碳排放具有正向驱动效应，长江经济带交通运输业中不同能源消耗对碳排放量的驱动效应差异显著。其中，汽油、煤油、柴油、燃料油等能源消耗量持续增加，从2004年3 526.50万吨碳增加到2015年9 846.43万吨碳，年均增长率为16.29%；煤炭消耗量持续降低，从2004年309.40万吨碳下降到2015年159.24万吨碳；天然气、电力消耗量增速较快，平均增长率为15.79%，但基数太小，2004年仅为84.07万吨碳。尽管我国高度重视提高能源利用效率，优化能源消耗结构，逐渐减少燃油、煤炭和焦炭等在交通运输业中的消耗量，提高天然气、电力等能源的消耗比重，但是燃油消耗比重仍然较大，且各种能源消耗占比情况在研究期内相对稳定，能源结构升级效果不佳，交通运输行业需要进一步减少对化石能源等高碳排放能源的依赖。

长江经济带人口基数较大，人口在研究期内增长率为3.36%，人口增加将会导致更多的交通需求，因此人口规模效应也是增加交通运输业碳排放的重要驱动因素。

3.2 驱动效应的空间差异

根据式（7）-（8），针对以上交通运输业碳排放空间差异驱动的分解结果，将2004年-2017年分为5个时间段，将年份的平均水平确定为比较对象，对11个省市的碳排放空间差异驱动效应进一步分解，分解结果如图5所示。

图5 2004年-2017年长江经济带各省市碳排放驱动效应（单位；万吨碳）

从图5（a）可知，2004年-2007年，总体能源强度对碳排放量的驱动作用成正向驱动效应，2008年-2017年后，除长三角浙江、江苏、上海能源强度明显成负效应外，其余8省（市）能源强度效应多为正值，2017年四川、贵州省份的能源强度效应较大。这说明对于四川，贵州等地区仍有很大的能源利用效率提升空间，提高科技发展水平，将对交通运输产业的碳排放效率有较大提升，能够有效落实资源节约、环境保护。

从图5（b）可知，2004年-2017年，总体人均交通产值效应对碳排放量的的驱动作用为正值。2005年-2016年其正向驱动效应不断增强，且区域之间存在明显差异，2004年-2016年交通运输业碳排放增长速度大于交通运输产业的发展速度，2017年人均交通产值对碳排放的正向驱动作用明显减弱。2016年浙江、江苏、上海的人均产值效应达到峰值，对碳排放的贡献率分别达到549.28万吨碳、689.86万吨碳，316.19万吨碳。中游地区湖南省碳排放量的人均交通产值效应最大，在2015年贡献额高达935.60万吨碳，江西省人均交通产值效应对碳排放量的贡献额最小。川渝经济圈作为上游区域的经济重点发展区域，人均交通产值效应对交通运输业碳排放的驱动效应不断加强。

从图5（c）可知，2004年-2017年长江经济带各省市交通运输业碳排放量的能耗结构效应呈正负向驱动交替现象，上中下游差异显著。2004年-2007年，能源结构效应对碳排放量的驱动效应不断增强，而浙江、江苏、上海能源结构效应均高于平均水平，长三角地区在“十五”及“十一五”期间交通运输产业发展对高碳排放化石能源的依赖程度较高，2008年-2016年，能源结构效应对交通运输业的碳排放驱动效应总体稳定。长三角地区出现负向驱动效应，这是由于长三角拥有发达的海陆、公路、铁路、水路、航空等交通运输，交通运输产业的发展使能源需求集聚上升，从而导致部分能源需要进口，进口能源中大部分是碳排放系数较低的石油。2004年-2017年，上游四川、重庆、云南、贵州等省份的能源结构对交通运输业碳排放量的正向驱动作用不断增强。湖北、湖南、江西、安徽等地的能源结构对碳排放的驱动效果相对稳定。2017年湖南省能源结构对碳排放的驱动作用呈现明显的负向驱动效应，湖南省全面实施《低碳发展五年行动方案》（2016年-2020年），通过机制创新和技术进步，加快能源消费模式转型升级。同时随着中国西气东输、川气东送等重要天然气长输管道的建设，中下游地区的天然气消费量逐渐上升，进一步强化区域内能源结构对碳排放的负向驱动。

从图5（d）可知，浙江、江苏、上海人口规模效应对区域内碳排放量的驱动效应最强，且不断增强。江苏、浙江作为人口大省，净流入人口规模较大。贵州省和安徽省的人口规模效应为负值。贵州省人口密度较低，2004年常住人口规模为3 904万人，2015年减少至3 530万人，年均减少34万人。安徽省人口流失严重，2017年全国流动人口大数据显示，安徽省人口净流出量全国第一，自2007年-2017年，人口流失962.3万人，主要流向江苏省、浙江省和上海市，这需要进一步强化自身产业基础和城市建设。

4 结论与相关建议

长江经济带实现交通运输产业与碳排放协调发展的形式仍然面临巨大挑战。2004年-2017年长江经济带交通运输业能源消耗量持续增加，年均增长13.46%，其中，下游地区能源消耗量最多，其能源消耗量占能源消耗总量的37.32%。从能源消耗构成来看，燃油消耗占据主导地位，其消耗量占能源消耗总量的92.72%，煤炭占比3.16%，且消耗量在逐年减少，天然气和电力能耗量占比逐年提高，但其占比依然很小，仅为4.13%。因此，要调整交通运输业能源消耗结构，加大新型能源使用力度。降低煤油、汽油、柴油等燃油在交通能耗中的比重，提高燃油的市场准入标准，推广天然气、电力、混合动力等在交通运输业中的使用。利用长江经济带水资源丰富的天然优势，加大对区域水资源的开发和利用，建设生态友好的绿色航运基础设施、推广清洁低碳的绿色航运技术装备，在提高航运能力的同时，发展铁水联运和江海直达为主的多式联运，强化交通能耗的检测与大数据分析。

从时间维度分析，2004年-2017年长江经济带交通运输业能源强度效应从2008年开始呈现负效应，能耗结构效应呈现正负向驱动效应交替；人均交通产值效应为正值，是驱动碳排放量增长的首要因素，对碳排放量贡献率高达97.5%且逐年增强；人口规模效应对碳排放量贡献率为0.57%。因此，要加强能源强度负向驱动效应，提高能源综合利用效率，鼓励交通节能技术和管理技术研发，加快车辆税费制度改革，抑制燃油消耗过多，进一步利用互联网信息技术，大力推进智慧交通建设，建立高效的交通信息平台，加强交通智能化管理，增强交通运输产业信息的交互性和共享性，通过RFID（无线射频识别）交通信息，结合GPS和GIS上的城市路线信息，提高能耗结构和能源强度对碳排放的负向驱动力，逐步实现交通运输产业数字化建设。

从空间维度分析，四川、湖南、湖北、浙江、江苏、上海碳排放量均高于平均水平，重庆、云南、贵州、江西、安徽等省份则低于平均水平。从驱动效应来看，上海、浙江、江苏能源结构效应均高于平均水平，人均交通产值效应对各省市交通运输业碳排放量的驱动作用最强。能源强度效应对下游地区碳排放量的抑制效应最大，人口规模效应和能耗结构效应贡献较小。可见能源强度是抑制碳排放量增长的最主要因素，且抑制效果不断增强，因此除长三角地区之外的其他省市要积极引进长三角区域内的先进技术。在制定产业发展政策时，不但要考虑各省市的人均交通产值、资源禀赋，而且要考虑区域间的联合效应，促进交通区域协同发展，加快长江经济带绿色综合交通走廊建设，推进多式联用示范工程建设，如推进重庆潼南综合换乘枢纽、合肥城东客运中心客运枢纽及四川西部现代物流西部铁路物流园等综合货运枢纽建设，统筹业务板块整合，大力发展水水直达、江海联运、水铁联运、打造长江高效物流带，形成省市之间的联动机制。加快推进绿色低碳城市建设，开展上海、南京、武汉、重庆等重点城市的公交都市创建活动。