中国航空碳排放及其效率时空演化特征分析

李玲玲,韩瑞玲,,*,张晓燕

1 河北师范大学地理科学学院, 石家庄 050024 2 河北师范大学家政学院, 石家庄 050024

航空碳排放主要源自于航空燃油在燃烧时与空气混合后排出的CO2、SO2、CO、氮氧化物(Nitrogen Oxide,NOx)、未燃碳氢化合物(Unburned Hydrocarbons,UHC)、碳烟颗粒(Soot)、细颗粒物(Fine Particulate Matter,PM)、飞行尾迹以及形成的卷云(Aviation Induced Cloudiness,AIC)等污染物[1],不仅影响空气质量且可造成温室效应,其中CO2排放量占总排放量的87%[2]。基于国际民用航空组织(International Civil Aviation Organization,ICAO)标准碳排放模型发现,1990年以来国际航空碳排放呈增长趋势；基于欧洲环境署(European Environment Agency,EEA)公布的碳排放量计算方法,预计到2025年,国际航空碳排放量将比2005年水平高出110%以上[3]。对中国而言,随着空中交通需求扩展以及民用航空器数量增长,航空碳排放还将处于持续增长态势[4]。航空运输碳排放占全球人为排放碳总量的2.0%—2.5%[5],中国航空碳排放量占全球人为碳排放量的0.22%,航空碳排放问题备受关注[6]。中国民航一直致力于低碳绿色发展,为2060年前国家实现碳中和目标做努力。

针对航空碳排放进行有效减排探索是学者们一直努力的方向。具体分为3点：①使用替代能源促进航空碳减排。使用高效率替代燃料或生物燃料是民航业普遍承认的减排措施,但是尚未发挥作用且未来发展趋势不明朗[7]。Staples[8]指出使用可持续替代航空燃料可以在2050年之前将航空全生命周期的温室气体排放量最多减少68.1%,但造价昂贵、实现周期较长[9],并且受到生物生产性土地资源[10]的限制而可行性较低[11]。Marais也表明新技术和可持续燃料需要更多努力和时间来发展和实施[12]。②有效利用交通结构因素的影响,在航线规划、设计、管理等方面促进结构优化,对航空碳减排将大有裨益。调整终端区资源分配[13]和机场的操作程序、设计最佳飞机航线以及优化特定跑道和航线的分配等措施尽管效用较小,但可以在短期内进行操作更改,是目前实现航空碳减排的有效措施,一般“最清洁”的航线为短途、直达航线[14]。③政策措施促进航空碳减排。Fukui等研究了美国航空燃油税增加4.3美分[15],将在短期内(增税后1年)减少约0.14%—0.18%碳排放量,González等也证实了该方法的有效性[16]。2019年,ICAO开始执行国际航空碳抵消和减排计划(Carbon Offsetting and Reduction Scheme for International Aviation,CORSIA)[17],要求所有重要的航空公司强制记录国际航班的碳排放量,并从2021年开始执行超过排放基准的碳增长付款政策。

相较而言,在目前的技术水平条件下,提高航空碳排放效率可行性高于全面使用替代能源,复杂程度小于航线结构的调整和减排政策的制定,是行之有效的促进航空碳减排手段[18]。航空碳排放效率是影响航空碳排放的重要因素,其主要通过提高飞行器能源消费强度而降低碳排放[19]。测度航空碳排放效率的定量研究方法有成本函数评估(Cost Function)[20]、随机前沿模型(Stochastic Frontier Model,SFA)[21]和数据包络分析方法(Data Envelopment Analysis,DEA)。其中,DEA使用数学规划模型评价航空碳排放输入和输出单位间的相对有效性,经不断演变,现以基于松弛变量模型(Slack Based Measure,SBM)使用最为广泛[22]。Schefczvk首先将DEA方法引入航空领域效率研究[23]。Arjomandi等[24]应用DEA模型,研究了2007—2010年世界48家主要航空公司的环境和技术效率,发现中国和北亚的航空公司技术效率最高,欧洲的航空公司环保效率表现最好；低成本航空公司更注重环保效率,并在技术上实现规模收益递增。Cui等[25]提出了一种基于虚拟边界的动态SBM模型,克服了传统动态SBM模型在识别有效决策单元方面的不足,并认为人均GDP、飞机平均使用年限、平均运输距离对航空公司能源效率有显著影响。Wang等[4]采用考虑非期望输出的全局松弛变量模型(Global Slack Based Measure,GSBM)计算航空碳排放的静态效率,利用全局马姆奎斯特-卢恩伯格(Global Malmquist-Luenberger,GML)生产率指数结合分析了2009—2013年中国13家航空公司的航空碳排放效率,结果表明中国航空公司碳排放静态效率呈倒U型,且碳排放动态效率各不相同。Liu等[26]采用DEA和GML指数计算了中国12家航空公司2007—2013年的民航碳排放绩效指数,其碳排放效率通过技术进步提高了11.93%,并认为航线分布也影响碳排放效率。

可见,已有的宏观航空碳排放研究多是针对其减排措施及具体影响因素开展的,碳排放效率研究则多集中于微观的航空公司视角,且多是将研究单元视为独立均质的个体,忽略了研究单元碳排放的异质性和关联性。中国幅员辽阔,各区域民航产业发展不均衡,航空碳排放在各省域表现也不尽相同。因此有效分析中国航空碳排放及其效率的时空分异特征,并针对性的提供碳减排方略是需要积极探索的议题。为此,本文首先利用可拓展随机性环境影响评估模型(Stochastic Impacts by Regression on Population Affluence and Technology,STIRPAT)计算中国航空碳排放总量,并对碳排放量的时空演化特征进行了判定,进而探明不同尺度区域航空碳排放的空间差异与空间关联表现。在此基础上,充分考虑空间异质性,利用基于非期望产出的超效率SBM模型和标准差椭圆(Standard Deviational Ellipse,SDE)分析法,对中国省域航空碳排放效率进行了时空演变特征分析,并对各省域航空碳排放效率的空间分布及空间格局演化过程进行定量描述,进而提出差异化的航空碳减排方略。从全国、区域、省域3个尺度进行航空碳排放及效率时空差异研究,为构建资源消耗低、环境污染少的民航绿色产业结构和生产方式,实现民航绿色循环低碳发展,减少中国航空碳排放做积极努力。

1 研究方法与数据来源

1.1 STIRPAT模型

STIRPAT模型是研究碳排放问题的常用方法,是IPAT等式经过多次改进形成的随机形式,其允许各影响因素非单调、不同比例地变化[27],可实现对各种驱动因素影响程度的分析[28]。本文构建的中国航空碳排放总量的STIRPAT模型如下：

(1)

式中,Ii表示第i年中国国内航空碳排放总量(t),Pik表示第i年k省的航空运输总量(t),Ai表示第i年每千吨航空运输量运送的距离(km),Ti表示第i年每千吨公里油耗(t/103km),e为航空煤油的碳排放因子(kg/kg)。

1.2 区域碳排放指数模型

区域碳排放指数模型可在考虑外部条件下对各省域航空碳排放区域差异进行分析。通过计算由人均碳排放指数(Wp)和单位面积的碳排放指数(Wa)2个概念构建的区域碳排放指数模型得到区域碳排放指数[29],公式如下：

(2)

式中,W为碳排放指数；Wp为人均碳排放指数,Wp=c/cg；Wa为单位面积的碳排放指数,Wa=Ca/Cg；c和Ca分别为人均和单位面积的碳排放量(t,t/km2),cg和Cg分别为应对全球气候变化目标的人均、单位面积碳排放量(t,t/km2),按照温室气体浓度限制在500 mL/m3当量的碳排放轨迹以及全球人居面积8.58×107km2进行测算,分别取值2 t、2.33 t/km2；Wp.max、Wa.max是全球人均温室气体排放指数、单位面积温室气体排放指数最大值,基于世界资源研究所(World Resources Institute,WRI)公布的全球温室气体排放数据,为使结果区分度更明显,将Wp.max、Wa.max定为15和35；区域碳排放等级评估按照W<0.20、0.20≤W<0.50、W≥0.50的划分标准对应低排放、中排放、高排放3个等级[29]。

1.3 Moran′s I指数

Moran′s I指数分析方法可用于统计分析航空碳排放空间分布特征和揭示空间分布差异,包括全局Moran′s I指数和局部Moran′s I指数。全局Moran′s I指数能有效反应区域整体集聚情况。局部Moran′s I指数能识别局部区域集聚特性,结合局部Moran′s I散点图或集聚图等形式揭示空间异质性规律[30]。公式如下：

(3)

(4)

(5)

其中,

(6)

Ii为第i个空间单元的局部Moran′s I指数,wij为空间权重值,a为空间单元总数。

1.4 基于非期望产出的超效率SBM模型

在计算得到中国航空碳排放总量的基础上,选择考虑非期望产出的超效率SBM模型对中国航空碳排放效率进行测算。SBM模型在目标函数中加入松弛变量,有效解决了将航空碳排放总量作为非期望产出时,在效率评价中投入、产出的松弛性问题[31],但是存在着决策单元同时为1的情况,不利于决策单元的相互比较。为此,超效率SBM模型通过修正松弛变量可解决该问题[32]。具体公式如下：

(7)

式中,ρ*为目标效率值；x、yd和yu分别为投入、期望产出和非期望产出；向量x-、y-d和y-u分别为投入松弛量、期望的产出松弛量和非期望产出的松弛量；λ为权重向量；k表示被评价的决策单元(DMU)。ρ*=1表示决策单元完全有效,否则表明存在效率损失,需要对投入、产出量进行调整。效率值具体又分为4个级别：极低效率(0<ρ*≤0.3),低效率(0.3<ρ*≤0.6),中效率(0.6<ρ*≤0.9),高效率(ρ*>0.9)[32]。

1.5 标准差椭圆分析法

标准差椭圆分析法是空间统计分析中研究方向分布的经典方法之一。本文使用该方法计算中国航空碳排放效率的空间中心点、扁率、长轴和短轴、方位角等核心参数,探究其空间格局演化过程,其中中心点的移动代表中国航空碳排放效率空间分布中心的变化,扁率、长轴和短轴分别代表中国航空碳排放效率的空间分布强度、分布范围,方位角代表中国航空碳排放效率的空间分布主要发展趋势方向[33],其公式分别为：

(8)

(9)

(10)

式中,SEDx和SEDy分别是(xi,yi)距离分布重心的相对坐标；θ是椭圆由正北顺时旋转的角度。

(11)

(12)

式中,σx和σy分别为x轴和y轴的标准差。

1.6 研究区域与研究数据

本文选择全国31个省级行政单元(尚未对中国港澳台地区数据进行统计)为基本研究范围。由于统计资料在2004年前未单独统计航空碳排放效率所需的资本投入数据,为保持指标统一性和数据分析连贯性,本文的研究期定为2004—2019年。基于STIRPAT模型进行的中国航空碳排放总量研究所需指标主要包括“国内航空运输总量、每千吨运输量运送的距离、每千吨公里油耗”,其中国内航空运输总量指标为国内旅客运输总量与货邮运输总量之和,每千吨运输量运送的距离和每千吨公里油耗指标由国内运输总周转量、运输总量和航空煤油消耗量计算得出。数据来源于《从统计看民航》《民航行业发展统计公报》《民航机场生产统计公报》,航空煤油的碳排放因子e参照中国民航航空局发布的《民用航空企业(航空公司)温室气体排放报告补充数据表》,其缺省值定为3.15 kg/kg。基于非期望产出的超效率SBM模型进行的航空碳排放效率研究主要包括投入和产出指标2个方面。其中投入指标一般选取资本投入和劳动力投入指标[34]。本文资本投入指标选取交通运输固定资产投入数据作为各省域航空碳排放效率的投入数据,来源于《中国第三产业统计年鉴》；劳动力投入指标选取航空运输业从业人数数据,来源于《中国人口和就业统计年鉴》。产出指标选取航空运输总量作为期望产出、航空碳排放总量作为非期望产出,数据来源于《民航机场生产统计公报》及航空碳排放的计算结果。

2 航空碳排放时空演变特征分析

2.1 航空碳排放总量时序特征分析

2004—2019年,中国航空碳排放总量持续增长,由2.48×107t增至11.60×107t,年均排放量为6.09×107t(图1)。航空碳排放增长主要受到航空运输量增长的影响,全行业运输周转量由2014年的230.99×109t/km增至2019年的1293.25×109t/km,增长了4.6倍,年均增长11.37%。2004—2019年,中国航空碳排放增长率波动下降,由30.4%降至6.38%,年均增长率为12.10%。2004年增长率在研究期内最高,主要是受到2003年非典事件的滞后影响。其他增长率较低的年份分别受到不同事件影响,如2008年全球金融危机及燃油税调整、2011年日本地震与叙利亚战争等突发事件以及全球通胀压力加大导致国内航空需求变弱；2017年主要受萨德事件影响严重,中国客货运多条航线运力投放下降20%；2019年受到波音737MAX飞机停飞事件影响,各航空公司的运力安排也相应减少,航空运输量增速放缓使得航空碳排放量增速放缓。

2004—2019年,中国航空碳排放强度(航空碳排放量与GDP比值)波动下降,由153.5 t/108元降至117.1 t/108元,年均强度为121.03 t/108元(图2),年均增长率为-0.88%。其中,2004—2013年航空碳排放强度主要呈现明显下降趋势；2014—2019年航空碳排放强度主要呈现明显增长趋势,仅2017、2019年有小幅下降。但总体上看,中国航空业节能减排效果明显。一方面是因为研究期内航空燃油单位能耗逐年降低(0.51降至0.44),有效抑制了航空碳排放强度的快速增长,这与前人研究结果一致[7]。另外一方面,是因为2008年欧洲碳排放交易体系(EU-ETS)[35]将中国33家航空公司纳入后,中国为应对减排压力制定了多项措施,如2014年,国家发改委印发《国家应对气候变化规划(2014—2020年)》指出中国将致力于航空产业低碳发展；2017年,中国民航局发布《中国民用航空发展第十三个五年规划》,提出到2020年中国计划实现碳强度降低40%—50%,并建成绿色民航标准体系；2018年,中国民航局发布《关于深入推进民航绿色发展的实施意见》,进一步促进民航航空器节能减排等,均对抑制碳排放过快增长发挥了作用。

图1 2004—2019年中国航空碳排放总量及增长率变化图 Fig.1 Changes in China′s aviation carbon emissions and growth rate during 2004 to 2019

图2 2004—2019年中国航空碳排放强度及油耗变化图 Fig.2 Changes in China′s aviation carbon emission intensity and growth rate during 2004 to 2019

2.2 航空碳排放总量空间演变特征分析

2.2.1空间分异分析

图3 2004—2019年四大经济区占全国总碳排放量的比例变化 Fig.3 The proportion of the four economic zones in the country′s total carbon emissions during 2004 to 2019

2004—2019年,航空碳排放总量在中国四大经济区的分布总体表现为“东部>西部>中部>东北”的格局(图3)。其中各地区碳排放总量占全国比重呈现差异性变化特征：东部地区下降(66.38%降至54.31%)、西部地区上升(21.36%升至28.63%)、中部地区上升(6.78%升至11.13%)、东北地区变化不大(5.48%升至5.94%)。可见,东部仍是中国航空碳排放的主要发生区域。

根据2004—2019年中国航空碳排放总量计算结果,使用区域碳排放指数模型进一步评价经济、人口等条件对中国31个省域的航空碳排放总量的影响并进行等级分区,借助ArcGIS 10.6软件,选取了2004、2007、2010、2013、2016和2019年的数据绘制中国航空碳排放区域等级分布图(图4)。结果显示：2004—2019年,高排放、中排放等级区数量持续增加,高排放等级区数量由2个增至8个,中排放等级区数量由3个增至6个,在东部地区、少数中部地区聚集,且越到研究后期,分布越广泛。低排放等级区由26个降至16个,主要集中于西部、东北、中部地区。据《中国统计年鉴》数据统计可得,2004—2019年东部地区经济、人口总量占全国的平均比重分别为53.04%、37.59%,2019年广东、江苏、山东、浙江、福建、上海的经济规模位列全国经济前十位,北京、天津作为直辖市,经济总量不容小觑；西部地区经济、人口总量占全国的平均比重分别为19.01%、27.41%,陕西省经济规模位列全国14位,云南、重庆的经济发展速度异军突起,位居全国前5位；中部地区经济、人口总量占全国的平均比重分别为19.99%、26.89%,研究后期河南、湖北、湖南省跻身全国经济前十位；东北地区经济、人口总量占全国的平均比重分别为7.98%、8.11%,辽宁省近年来经济规模位列全国15位。经济与人口规模大,相应的则民航运输规模也旗鼓相当,如2010—2019年,东部、西部、中部、东北四大经济区机场旅客吞吐量占全国的比重分别为：55.61%、28.09%、10.16%、6.17%,机场货邮吞吐量占全国的比重分别为：76.02%、14.84%、5.63%、3.50%,可见,区域经济、人口发展情况与区域航空碳排放总量总体呈正向相关,说明其对区域航空碳排放总量有突出影响。

图4 2004—2019年中国航空碳排放区域等级分布图Fig.4 Distribution of aviation carbon emission levels in China from 2004 to 2019

2.2.2空间关联分析

使用Moran′s I指数分析中国航空碳排放总量的省域差异化变化情况,以识别中国航空碳排放集聚分布及演化特征。具体为,2004—2019年中国航空碳排放量全局Moran′s I指数航空碳排放总体保持正向空间相关性,空间响应指数由0.014提高到0.029,增幅达115.56%,表明中国航空碳排放空间集聚状态越来越突出。进一步,使用ArcGIS 10.6软件计算出2004等6个年份的航空碳排放空间响应指数的局部Moran′s I值,对各个省域航空碳排放空间响应的空间关联关系判定(图5)。结果显示：①低低集聚,指自身与周边航空碳排放空间响应程度均较低且空间差异较小的省域,二者呈正相关关联特征。研究期内该类区域由4个增至7个,主要呈现向西部→西北→东北逐步扩大的集聚趋势,形成了航空碳排放空间弱响应的扩展区域,与图4的研究结果一致。②低高集聚,是指自身航空碳排放空间响应程度较低,而周边较高,且空间差异较大的省域,二者呈负相关关联特征。研究期内该类省域主要在上海周边分布,因为上海较其周边省域航空碳排放差异最高,因此在其周围形成了低高聚集区。研究期内无高高集聚区、高低集聚区,说明中国高碳排放区较分散,还未形成省域之间连片的碳排放高值区。

图5 2004—2019年中国局部航空碳排放集聚及演化特征图Fig.5 Agglomeration and evolution of carbon emissions from local aviation in China from 2004 to 2019

3 航空碳排放效率时空格局演变分析

3.1 航空碳排放效率时序演变特征分析

2004—2019年,中国航空碳排放效率总体呈现“M”型波动上升趋势(图6),经历了由低效率向中效率级别的转变。2004—2011年,中国航空碳排放效率处于[0.3,0.5]区间,整体处于低效率级别。其中“M”的第一个高值出现在2008年,全球金融危机导致航空运力的下降反倒提升了航空碳排放效率,说明航空碳排放投入的降低减少了碳排放,使得投入和产出之间的比例更协调,提高了航空碳排放效率。2009—2011年处于低谷期,主要因为资本投入增加但产出持续增加导致。第二个高值出现在2012年,主要因为投入降低回调导致。2012—2019年,中国航空碳排放效率集中于[0.6,0.8]区间,进入中效率等级。到2019年,效率值又有下降,源于投入和产出的双下调。

2004—2019年,四大区域的航空碳排放效率走势与全国一致。东部地区的航空碳排放效率在2004年为低效率,之后除2009—2012年外均处于中效率水平；西部地区航空碳排放效率经历了低效率(2004—2011年)—高效率(2012—2017年)—低效率(2018—2019年)的转变；中部地区航空碳排放效率波动变化较大,除2017—2019年处于中效率水平,其他年份均处于极低效率、低效率水平；东北地区航空碳排放效率除2018—2019年处于中效率水平外,其他年份均处于极低效率、低效率水平。研究期内虽然部分年份西部地区航空碳排放效率高于东部地区,整体上呈现东部>西部>中部>东北地区的态势,与上文的航空碳排放的区域排名结果一致。主要是因为东部地区经济发达、人口密集,航空运输总量大但是规模效应突出,且很多城市的作为全国核心的航空枢纽,承载了中国民航运输的重要任务,如北京首都国际机场是中国最重要、运输生产最繁忙的大型国际航空港,自2008年开始年旅客吞吐量就位居全球第2位；广州白云国际机场、上海虹桥国际机场等重要机场也均位于东部地区,因此东部地区民航运输产业投入产出比高,航空碳排放效率高。西部地区近年来受到西部大开发战略、一带一路战略影响,多数城市经济发展速度高于全国平均水平,且部分城市如乌鲁木齐、西安、成都的机场本身就是中国西部地区重要的航空枢纽,民航规模位居中国前列。中部地区、东北地区因缺少枢纽机场的中转任务,因此民航运输总规模相对较弱,航空碳排放效率较低,还需要进一步协调投入与产出比例。

图6 2004—2019年中国航空碳排放效率变化趋势Fig.6 The variation trend of China′s aviation carbon emission efficiency from 2004 to 2019

3.2 航空碳排放效率空间格局演化特征分析

3.2.1空间分布特征分析

根据2004—2019年中国航空碳排放效率计算结果,绘制中国航空碳排放效率空间分布图(图7)。具体看：2004 年,仅有上海、海南、云南3地航空碳排放效率为高等级水平,北京、湖南2地为中等级水平,辽宁、福建、广东等11地为低等级水平,黑龙江、吉林、甘肃等15地为极低等级水平,东部地区整体高于其他区域。2007年,仅有黑龙江、吉林、河北、内蒙古、安徽、江西6地为极低等级水平；西部地区效率提升较快,如甘肃、贵州、青海、陕西、新疆由极低级向低级演化；东部地区广东、浙江2地由低级向中级转变。2010年,陕西由中级向高级演变,其他如山西、海南、北京等地航空碳排放效率等级有短期下滑。2013年,仅河北保持了极低效率水平,其他各地效率提升较为明显,中部地区6省域全部进阶低级效率水平,西部地区7省域进入中级效率水平,平均效率(0.71)超过东部地区(0.66)成为全国效率最高的区域。2016年,北京、上海、浙江、甘肃、内蒙古、陕西、西藏为航空碳排放高等级区域,江苏、新疆、湖北等14地为中等级区域,剩余吉林等10地为低等级区域,无极低等级区域；西部地区效率仍然最高,区域间效率差异减小。2019年,全国碳排放效率有不同程度下降,其中西藏降低为极低等级区域,低效率区域有山东等13地,中等级区域北京等12地,高等级区域仅有上海等5地；东部地区效率仍保持较高水平,东北地区效率水平高于西部和中部地区。

2004—2019年,各省域航空碳排放效率均存在不同程度的提高：①极低效率区由15个降至1个,其集聚区由中国北部地区向西部地区转移。②低效率区由11个增至13个,中国绝大多数地区属于该类型区,其集聚区由西北部向东南区发展。③中效率区数量大幅增长,由2个增至12个,其集聚区由中国东南部地区向中部和北部拓展。④高效率区数量呈现先增加后下降的趋势,2004—2016年由3个增长到7个,2016—2019年数量下降为5个,大部分由内陆地区转移到沿海地区,主要为上海、浙江等地。因此,中国省域航空碳排放效率仍以低效率、中效率为主要类型,未来还有待进一步提高中国整体航空碳排放效率。

图7 2004—2019年中国航空碳排放效率区域差异分布图Fig.7 Regional distribution map of China′s aviation carbon emission efficiency from 2004 to 2019

3.2.2空间格局演化特征分析

以2004—2019年31个省域碳排放效率值为权重,应用ArcGIS 10.6软件绘制中国航空碳排放效率的标准差椭圆图,以描述中国航空碳排放效率的空间分布格局(图8),并基于计算所得的中心点移动方向、椭圆展布性(长轴、短轴与扁率)、椭圆方向性(移动方向和距离)等参数变化情况分析其演化特征(图9)。

图8 2004—2019年中国航空碳排放效率分布方向性与演化Fig.8 The direction distribution and evolution of Aviation carbon emission efficiency from 2004 to 2019

(1)空间分布中心变化。从椭圆中心点位置看,2004—2019年中国航空碳排放效率的中心集中分布于中国几何中心(103.30°E,36.64°N)[36]的东、南方向,说明中国东部、南部地区的航空碳排放效率较高。其中,2004—2013年中心点自东南向西北方向偏移,此阶段西部地区省域的经济发展速度逐步增加,航空运输需求增长,促使航空碳排放效率的提高。2014—2019年中国航空碳排放效率中心不断向东部、北部迁移,表明中国东部和北部的航空碳排放效率在这一时期增长较为明显。但研究期内中国整体航空碳排放区域发展不平衡性突出,其空间格局表现出由东北—西南的方向分布,从椭圆的扁率看,以2013年为节点,中国航空碳排放效率空间分布的方向性经历了弱化到明显的过程,表明各省域之间的航空碳排放效率差异性由逐渐减小到逐步增大。

(2)空间分布范围变化。中国航空碳排放效率标准差椭圆分布范围在2004—2019年呈先增长后小幅下降增长趋势,标准差椭圆平均面积为6.02×106km2。其中,2004—2013年标准差椭圆面积持续增长,由7.11×105km2增至7.48×106km2,长轴与短轴分别由2004年的1043.36 km、1216.85 km变化至2013年的1307.51 km、1067.91 km,表明此阶段中国航空碳排放效率的空间分布较为分散,期间航空碳排放效率增高的省域增多；长轴变长、短轴变短,中国航空碳排放效率空间分布格局虽以南—北方向为主导,但东—西方向的发展也愈加明显。2013—2019年,标准差椭圆面积由7.48×106km2降至6.88×106km2,长轴与短轴分别变化至2019年的1064.61 km、1124.38 km,说明该阶段中国航空碳排放效率的空间分布格局变化不大、较为稳定,其效率的空间溢出效应尚不明显,空间分布格局仍以南—北方向为主导,东—西方向的影响较弱。

(3)空间旋转角变化。研究期内旋转角θ在43°～80°之间变化,其中2004—2013年椭圆的方位角θ由43°逐渐增加至80°,反映中国航空碳排放效率空间分布格局在东—西方向分布的趋势逐渐明显,主要因为各省域碳排放效率差异逐步缩小,区域分布的均衡性逐步凸显；2013年之后椭圆的方位角θ由80°降至44°,反映中国航空碳排放效率空间分布格局又逐步回到南—北方向分布为主的类型,且空间分布格局基本保持稳定,主要由于研究后期东部、东北地区航空碳排放效率提高拉大了与东—西方向格局的差距。

图9 中国航空碳排放效率标准差椭圆核心参数演化图Fig.9 Evolution diagram of standard deviation ellipse core parameters of China aviation carbon emission efficiency

4 结论与讨论

4.1 结论

本文对2004—2019年中国航空碳排放的总量的时空演化特征进行了分析,并基此对2004—2019年航空碳排放效率时空格局演变过程进行了研究。结果显示：

(1)中国航空碳排放总量持续增长,主要受到航空客运量增长的影响；同期,中国航空碳排放增长率和航空碳排放强度均呈波动下降趋势,说明中国航空业节能减排效果明显。一方面是因为研究期内航空燃油单位能耗逐年降低,另外一方面,反映了中国为应对减排压力制定的多项措施均对抑制碳排放过快增长发挥了作用。

(2)航空碳排放总量在中国四大经济区的分布总体表现为“东部>西部>中部>东北”的格局,各地区碳排放总量占全国比重呈现差异性变化特征,东部仍是中国航空碳排放的主要区域。中国航空碳排放总体保持正向空间相关性,主要呈现低低集聚、低高集聚状态,中国高碳排放区较分散,还未形成省域之间连片的碳排放高值区。

(3)中国航空碳排放效率总体呈现“M”型波动上升趋势,四大区域的航空碳排放效率走势与全国一致,也呈现东部>西部>中部>东北地区的态势,主要是因为东部地区经济发达、人口密集,航空航空运输总量大且规模效应突出,西部地区近年来受到西部大开发战略、一带一路战略影响,多数城市经济发展速度高于全国平均水平,部分枢纽城市民航规模位居中国前列,带动了航空碳排放效率提高。

(4)各省域航空碳排放效率均存在不同程度的提高,极低效率区、高效率区数量不同程度减少,但低效率区、中效率区仍是主要类型。中国东部、南部地区的航空碳排放效率较高,各省域之间的航空碳排放效率差异性由逐渐减小到逐步增大。中国航空碳排放效率空间分布格局以南—北方向为主导。

4.2 讨论

2004—2019年,中国31个省域中,经济发达区域的航空碳排放还处于不断增长趋势中,且航空重要枢纽的碳排放呈现点状快速增长,各省域航空碳排效率以低、中水平为主。因此,提高航空碳排放效率是当今促进航空碳减排的最主要措施。根据未来中国航空碳排放空间分布格局演变趋势,及前文关于航空碳排放效率成因的探讨,建议从以下几方面提升中国各区域航空碳排放效率：①对于重要区域航空枢纽,则需要突出其地域辐射功能,充分带动区域航空发展的同时,保障机场终端区空域的航空流疏解与畅通,提高航班正常率,并减少机场拥堵的区域传导,提高空域利用效率以减少航班绕行与复飞带来的碳增加。②各省域机场在积极提高民航运输服务能力的同时,应统筹协调,明确各地机场特色与分工、区分各地航空目标市场,优化航线结构、提高上座率,减少区域同质性竞争以提质增效。③四大区域航空减排措施如下：东部地区应继续完善绿色低碳民航运输服务体系；西部地区应继续利用国内、国际航空枢纽的优势发挥规模效应；中部地区应利用自身经济发展优势积极更新民航交通运输产品以提高市场竞争力降低替代性；东北地区应加快经济振兴,提振民航人气,通过提高运输规模达到碳排放优化。④全国总体发展应该统筹一致、共同进步。虽然,各区域航空低碳减排策略各有不同,但全国总体上应通过新技术分享、人才队伍建设等,促进民航绿色产业累积的迭代优势；积极构建科技含量高、资源消耗低、环境污染少的民航绿色产业结构和生产方式,实现民航绿色循环低碳发展,形成民航绿色经济发展新的增长点。

尽管本文综合考虑了中国航空碳排放及其效率的各项影响因素,如航空运输总量、每千吨运输量运送的距离、每千吨公里油耗、航空燃油消耗量等,对中国航空碳排放及效率的区域差异特征和时空演化过程进行了深入分析。但由于数据获取难度较大,有些资本投入和劳动力投入等部分因素等未能全面考虑。未来随着更全面的航空统计数据库的完善和出行调查的实施,可以对中国航空碳排放做更加精确的模拟和预测。进一步,随着新技术实施和新能源的充分应用,以及更加严苛的航空碳减排政策的实施,中国航空碳排放将呈现更多的新的趋势,为全球碳减排的有效推进和学术研究提供了重要方向。