中国交通碳排放驱动因素分析——基于脱钩理论与GFI 分解法

宋德勇，宋沁颖，张 麒

（华中科技大学经济学院，湖北武汉 430074）

1 研究背景

加快实现碳达峰碳中和目标，已成为应对气候变化的全球共识，也是中国对国际社会的庄严承诺。2020 年，党中央、国务院提出了战略性的“双碳”目标（2030 年前实现碳达峰，2060 年前实现碳中和），并将之纳入生态文明建设的整体布局。然而，中国作为全球第一碳排放大国，其交通部门不仅是温室气体的主要排放部门之一，也是碳排放增长最为迅猛的部门之一。以道路运输为例，2018 年中国道路运输产生的CO2占全国能源相关总排放量的10%，2010—2018 年道路运输碳排放量则增长了61%［1］。交通运输部门的碳减排，已成为中国实现“双碳”目标的必由之路。

那么，中国交通部门碳排放的历史变化趋势如何？各个地区的交通碳减排处于何种发展阶段？在不同阶段下，交通碳排放的驱动的因素是什么？从现有研究来看，仍缺乏系统分析。为解决以上问题，本文基于脱钩理论和广义费雪指数方法（GFI），对中国整体及各地区的交通碳排放时空趋势、脱钩状态以及背后的驱动因素进行深入分析。这不仅有利于更好地掌握当前交通行业碳排放情况，也能从中探索适用于不同地区交通碳减排的经验和教训，为交通碳排放政策的制定提供参考。

碳排放因素分解已成为研究区域、行业碳排放影响因素的重要方法［2-3］，是影响碳排放变动因素量化分析基础。但现有中国交通行业碳排放驱动因素分析研究主要存在三个方面局限：（1）大量研究使用LMDI 模型，但在Ang 等［3］的检验中，广义费雪指数（GFI）方法比前者的因素分解特性更好、结果更精确，而在中国交通碳排放因素分解分析方面，未有研究使用GFI 方法进行分析，使已有研究结论存在误差；（2）大多研究将碳排放影响因素分解为行业内部能源结构、能源使用效率、行业核心指标特征及单一城市化因素，很少有研究细化城市化的不同层面对交通碳排放的影响程度；（3）针对中国交通碳排放驱动因素分析的文章仍较少，分地区探究不同脱钩类型下中国交通碳排放驱动因素分解分析的研究空白仍待填补。如能使用脱钩分析法对中国交通碳排放发展演变趋势进行分析和分类，进而使用GFI 方法分解分析影响中国交通碳排放变动的因素和方向，就能更具针对性地采取交通碳减排措施，助力交通碳达峰更早实现。

相比以往研究，本文的边际贡献在于，第一，使用与现有研究不同的GFI 法，对交通碳排放影响因素进行分解。该方法的优势是能消除计算残值、对排放量完全分解，相比于其他因素分解方法的稳健性检验更好，使得分解结果更精确，但被较少使用。第二，将交通碳排放驱动因素在城市化层面进行扩展，增加经济城市化、人口城市化、土地城市化三个维度，探究不同城市化方式对交通碳排放的影响程度及路径。第三，针对经济城市化、土地城市化和交通能源强度三大促进交通碳排放增长的三大驱动因素，提出构建“高效、紧凑、智能”城市交通体系建设建议。

2 文献综述

2.1 交通碳排放研究

针对交通碳排放，国内外学者围绕交通碳排放的核算、与经济发展的关系、影响因素、增长预测等方面做了大量研究。

（1）核算交通的能源消费和碳排放量。由于交通碳排放核算体系尚未得到统一，欧阳斌等［4］、徐龙等［5］、左大杰等［6］、陶玉国等［7］学者使用“自上而下”的投入产出法、“自下而上”的过程分析法、生命周期模型法等对交通运输能源消费和碳排放进行测算。“自上而下”法主要基于交通侧各种燃料消耗量和燃料CO2排放因子乘积的总和进行计算。范育洁等［8］采用“自上而下”的方法测算西北5 省区的交通碳排放，发现宁夏是其中能源强度最大的省份。“自下而上”法通过不同交通方式的车型、保有量、行驶里程、单位行驶里程燃料消耗等数据计算总燃料消耗，再根据各燃料类型的CO2排放因子计算交通碳排放量。欧阳斌等［4］使用“自下而上”法核算江苏省能耗强度和碳排放强度，发现江苏交通能耗和碳排放总量持续上升，应重点关注公路货运部门的节能减排，大力发展公共交通。生命周期模型考虑了交通运输系统从制造、建设、运营、维护以及回收处理各阶段的碳排放。张秀媛等［9］对北京市公共交通系统进行全生命周期能耗和碳排放总量和强度的核算，提出建设以大容量公共交通为主，以缩短出行举例为目的的多层次公共交通体系。由于“自上而下”方法数据可获数据区域、时间范围更广，本文采用以该方法为基础进行核算的CEADS中国交通碳排放数据库［10］。

（2）研究交通碳排放与经济发展的关系。最常见的包括能源、环境与经济增长（3E）理论［11］、低碳经济理论［12］、环境库兹茨曲线理论以及脱钩理论［13］。相比于前三者，脱钩理论能量化二者关系，可作为衡量区域、行业碳排放是否达峰的支撑理论和抓手［14-15］，同时，也被广泛应用在衡量工业［16］、建筑业［17-18］、贸易［19］、水足迹与经济发展关系等方面的全国总体或某一省份的研究中［20］。韩梦瑶等［21］采用泰尔指数和脱钩模型，分析中国各省整体碳排放与经济发展关系，发现多数地区经历扩张脱钩、扩张连接和弱脱钩的历程，但部分地区脱钩稳定性低。李明煜等［22］核算中国钢铁、电力和水泥行业的碳排放，并分析其达峰情况和脱钩状态，发现各省份电力和水泥行业碳排放与产量间逐步脱钩，而各省钢铁碳排放的脱钩状态各有差别。Wang等［23］使用脱钩模型分析20 个OECD 成员国ICT 投资与碳排放强度脱钩状态，发现其ICT 投资的脱钩状态逐步好转。但针对交通经济增长与交通碳排放的脱钩分析中较少涉及区域、省际对比。

（3）识别并分析交通碳排放影响因素。主要方法包括因素分解法［2,24］、计量经济模型等［25-27］。基于STIRPAT 模型扩展的回归模型以及空间计量模型是研究交通碳排放影响因素的常用计量经济模型，但计量经济建模主要是研究变量间规律性联系，无法获取因素分解分析方法中对交通碳排放从结构上完全分解的效果［28］。因素分解模型主要包括结构分解法（SDA）和指数分解方法（IDA），二者均是由Kaya 模型拓展而来，前者虽能对各影响因素进行较详细的分析，但由于所需的投入产出表数据规模大，无法做到逐年更新［29］，后者以使用产业水平总和数据为主，能进行跨时间、跨区域对比。IDA方法主要包括Laspeyres 指数分解、Divisia 指数分解、LMDI 和广义费雪指数分解，Ang 等［3］通过对包括上述IDA方法在内的6种因素分解法进行检验发现，有且仅有广义费雪指数能通过除总量检验以外的所有检验，故本文使用广义费雪指数方法能够得出更加准确的分解结果。在使用广义费雪指数的现有研究中，主要是针对某一地区［30］、能源与工业行业碳排放的分解［31］，鲜少有对中国各省份交通碳排放因素分解与对比分析的研究，本文的研究能填补该方向的空缺。

（4）预测交通碳排放变化趋势。基于情景分析的LEAP 模型是主要预测方法，其是基于经济、行业、技术等政策和发展目标做情景假设，再通过各行业终端能源强度和活动水平，结合碳排放因子预测和分析各部门未来的能源需求［32］。马海涛等［33］基于机动车燃料消耗数据对京津冀公路客运交通源排放进行了测算和分析，并通过设定基准情景、比例控制、总量控制三种情景以及“自下而上”的LEAP模型预测京津冀地区客运交通碳排放情况，发现各种情景下区域排放总量均保持增长趋势，建议在公路客运交通调控设计方面加大力度。Fan 等［34］使用LEAP 模型预测北京市公共交通温室气体排放情况，发现优先发展公共交通、缓解道路交通和使用新能源汽车发展情景下，能源需求和GHG 排放量将呈现下降趋势。

本文重点聚焦对交通碳排放因素的分析，国内外有不少相关研究采取先探究碳排放与区域、行业经济发展的脱钩关系，随后根据不同脱钩类型分解碳排放驱动因素的研究范式［35-36］。但对中国各省份交通碳排放进行脱钩分析，并使用GFI 方法进行因素分解和对比分析的研究较少，这也是本文的贡献。

2.2 交通碳排放影响因素研究

2.2.1 交通碳排放的影响因素

影响交通碳排放的因素涉及经济、社会、行业发展等多个方面，本文结合已有研究［36-38］，充分考虑各因素间关系，从交通碳排放的产生来源、使用及外部环境影响三个角度，选取能源、交通行业、城市化三类因素对交通碳排放进行因素分解。

选取交通能源结构和能源强度两个指标代表能源影响因素。交通能源结构反映了交通运输部门能源供给端各类能源的比例关系，清洁、低碳能源占比越高，单位能源消耗量产生的交通碳排放越少［39］；反之，占比越低，单位能源消费量的交通碳排放越多。交通能源强度代表交通运输部门运营过程中的能源使用效率，单位交通增加值中所需能源消耗量越高，则产生越多的交通碳排放，能源使用效率越低；反之所需能源消费量越少，交通碳排放越小。借鉴已有的通过Kaya［40］模型对碳排放分解的研究，本文使用单位交通能源的碳排放量、单位交通增加值的能源消耗量来分别衡量交通能源结构和交通能源强度。

交通因素是交通能源的需求方，是产生交通碳排放的最直接因素。参考Fan 等［41］的方法，使用单位交通增加值的交通周转量表示交通行业因素对交通碳排放的贡献，并定义为交通强度。一方面，在交通增加值增长率不变的情况下，交通周转量增速提高，则说明交通运输效率提高，使得交通碳排放量下降；另一方面，在交通周转量不变的情况下，交通运输部门增加值增速加快，这主要是运输效率降低或基础设施在建规模过大，导致交通碳排放加快增长。

城市化进程加快，带来人口、产业的聚集和土地的扩张，从而刺激交通碳排放的增长。现有的关于交通碳排放因素分解研究中，仅发现经济发展对交通碳排放增长起主要促进作用，而缺乏更进一步讨论。同时，证明城市化是推动经济增长速度和质量的主要因素的研究汗牛充栋［42］，因此在对交通碳排放驱动因素研究中，对经济增长进行更细致的城市化视角分解是十分必要的。本文将城市化因素具体分解为经济、人口、土地城市化三个方面，其对交通碳排放的影响路径在下一节详述。

2.2.2 城市化对交通碳排放影响的路径分析

在现有的针对中国交通碳排放因素分解的研究中，没有考虑到城市化对交通碳排放的影响。但城市化带来的产业集聚、人口规模膨胀、土地扩张等都会带来人员流动增加、商品运输量和速度的增长，促进交通运输周转量，导致更多的交通能源消耗和碳排放量增加。本文参考王班班等［43］对城市化过程的表现方式，对GFI 法中交通碳排放的影响因素从城市化层面做人口、经济、土地三方面的分解。

产业集聚带来的经济快速增长是城市化的重要特征之一，从物流规模、商务出行需求等方面影响交通碳排放。为促进经济发展，我国大力推进工业化进程发展，从而带来产业结构的转变，带动城市化程度的提高［44］，在此过程中，企业选择产业集聚的方式提升生产效率。一方面，产业聚集带来物流量的增加，带来运输规模扩大，产生更多交通碳排放，同时，为促进贸易往来更加频繁的商务出行需求也增加了交通碳排放的增加；另一方面，相对于更加分散的产业分布方式，产业集聚带来的规模效应，使得单位产品从生产到销售全流程中交通运输效率更高，能降低交通碳排放的增长。

人口规模膨胀是产业集聚的产物，进一步推动了人们出行需求的增加。产业规模扩张吸引大量农村劳动力向城镇转移，城市涌入大量流动人口，促进城市人口增长。一方面，城市人口增长伴随着更旺盛的交通出行需求，带来更多交通碳排放［27］；同时，人口密度增加加剧了交通拥堵问题，制约交通运输效率的提升，增加单位运输周转量的能源消费量和碳排放量。另一方面，由于流动人口更多集中在产业集聚区，空间分布较为集中，相对于农村分散式聚居模式，城市人口长距离出行需求较少，能有效促进交通运输效率的提高，进而带来交通碳排放的下降。

土地规模扩张是城市化的另一大特征。一方面，经济发展和人口规模膨胀不可避免带来城市所需生存空间的扩张，使得城市土地规模扩大，而分散性城市发展方式增加交通运输、通勤距离，增加交通碳排放；另一方面，土地无限扩张会造成土地利用效率降低，因此有城市通过紧凑型发展的方式，合理规划城市利用空间，降低土地规模扩张的速度，同时提升交通运输效率，抑制交通碳排放的增长速度。

综上，本文使用脱钩理论对中国各区域、省份交通碳排放的脱钩状态进行分类和时空对比分析，运用分解更加完全、无残差项的广义费雪指数因素分解方法，并对分解因素在城市化层面上进行经济、人口、土地城市化三方面的拓展，研究交通碳排放驱动因素如何影响交通碳排放的变化，以期获得更精确、有政策指导意义的结论。

3 方法与数据

3.1 研究方法

3.1.1 脱钩分析法

本文参考Tapio［45］构建的弹性脱钩模型，利用对应指标变化率之比测度环境经济脱钩状态，具体如式（1）所示：

式中，e表示脱钩弹性系数，C表示环境压力，Y表示经济发展水平，ΔC、ΔY分别表示对应指标的研究期变化量，n代表年份n∈（2001,2019）。本文使用交通碳排放表征交通给各省带来的环境压力，使用人均交通部门增加值表征各省交通行业发展水平。二者之间的脱钩关系根据分为8 个种类，如表1 所示，其中考虑避免过度识别问题，对弹性e取得1 及其±20%的偏移区域内的数值。

表1 脱钩程度及划分标准

参考曲艳敏等［46］的处理办法，对各省份交通行业发展与交通碳排放压力的脱钩状态进行赋值排序，越好的状态，赋值越高。由于全国各省份交通行业增加值年增长率均高于+3%，因此只存在强脱钩（8）、弱脱钩（7）、扩张连接（5）和扩张负脱钩（3）4 种状态的。

3.1.2 广义费雪指数（GFI）方法

本文使用广义费雪指数方法来分析中国各省份2001—2019 年交通运输部门碳排放的驱动因素。

该方法是由扩展的Kaya 模型发展而来，能有效分析碳排放的驱动因素。Laspeyres 和Divisia 方法是最常见的指数分解方法，但两种方法都不能解决分解过程中的余值问题，这影响了结果中对于碳排放变化的解释，而GFI 方法能很好地解决该问题。Ang等［3］通过将GFI 方法与其他五类方法进行了因素反转、时间反转、比例反转、总数、零值稳健性及负值稳健性检验，发现GFI 方法通过了除总数检验外的所有检验，相比于其他因素分解方式，该方法的检验稳健性更好。因此本文采用GFI 方法来完成对中国交通运输碳排放的因素分解更为恰当。首先，Kaya 恒等式如式（2）所示：

式（2）将碳排放C与能源E、经济增长水平即地区生产总值（GDP）和人口P联系起来，结构简洁易懂，但其只探讨了国家层面的碳排放、能源结构、能源强度、经济增长与人口之间的数量关系。

由于本文研究视角聚焦交通运输行业，因此加入交通行业周转量将恒等式扩展为式:

其中，C代表总体交通碳排放，Ci代表第i种燃料产生的交通碳排放，Ei代表第i种燃料产生的能源消费量，E代表总的一次能源消费量，V代表交通周转量，GDP 代表国民 生产总值，P代表地区常住人口。Ci/Ei是第i种燃料的碳排放系数，Ei/E代表交通能源结构（ES）；E/V代表每单位交通周转量带来的能源消费量；V/GDP 代表每单位GDP 带来的交通周转量；GDP/P 是人均GDP，代表经济发展水平；P代表人口规模。

本文还考虑城市化给交通部门碳排放的影响。本文在式的基础上将经济发展水平进一步扩展，参考王班班等 ［43］城市化水平的分类，加入城镇人口数、建成区面积等指标，得到交通碳排放扩展见式(4)：

各驱动因素（对数值）对 一段时间（从0 到T）交通碳排放变化量（对数值）增长率 的贡献分别记为ES、EI、TI、EG、PD、BA，如式（8）所示：

3.2 数据及处理说明

本文 对30 个省、自治区、直辖市（未 含西藏和港澳台地区）的交通碳排放量和交通能源消费量的测算数据主要来自CEADs 数据库和2002—2020 年《中国能源统计年鉴》。为保证数据统计 口径的一致性，核算碳排放所需的碳排放因子采用大多数文献使用的《2006 年IPCC 国家温室气体清单指南》移动源数据［48］。《中国能源统计年鉴》依据国民经济行 业分类与代码（GB/T 4754—2017），将交通运输、仓储和邮政业加总统计，考虑到仓储和邮政业产生的能 源消费量在整个部门中占比较小及数据的可获性［49］，本文使用交通运输、仓储和邮政业所产生的碳排放间接代表交通运输碳排放，已有多项研究证明该估算对结果的影响可以忽略［50］。

由于数据基于中国统计体系，交通运输业仅包含运营交通，私家车、机构用车等非营运交通未包含在内。交通碳排放量及化石能源消费量核算考虑原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、天然气13 种化石能源（按《中国能源统计年鉴》划分，国民经济行业中共有17 种化石燃料产生碳排放。由于其他煤气、其他焦化产品、炼厂干气、其他石油制品的碳排放系数难以获取，且研究期内多年无数据，因此本文只分析其余13 种交通源化石燃料）。

其他指标数据来源如下：交通行业增加值、GDP、人口数据来自《中国统计年鉴》，交通周转量来自《中国交通年鉴》，建成区面积来自《中国宏观经济数据库》［51］。GDP 和交通行业增加值均以2001 年为基年做不变价处理。本文选取数据时间跨度为2001—2019 年，跨越四个五年规划时期，最新可获数据截止到2019 年。

4 中国交通碳排放的趋势与脱钩分析

基于以上方法与数据，本部分对中国交通碳排放的时空趋势与人均排放水平进行分析，并进一步探讨中国各省（区、市）交通碳排放与行业经济增长的脱钩情况。

4.1 中国交通碳排放的趋势演变

4.1.1 中国交通总碳排放趋势演变

根据中国2001—2019 年交通化石燃料碳排放数据，本文分析了全国交通部门碳排放总量的趋势变化，并考虑中国不同地区在经济发展水平、交通基础设施、能源消费结构等方面的较大差异，探讨东、中、西、东北4 大区域的交通碳排放的相对强弱1），如图1。

图1 中国交通碳排放趋势

一方面，从总体来看，中国30 个省份交通部门总体碳排放呈波动增长趋势。根据图1，从2001 年的164 MtCO2增长到2019 年的734.39 Mt CO2，增长约4.5 倍。2001—2011 年全国交通碳排放持续增长，2005 年增速出现小幅增长，主要与国务院于2004 年年底通过的中国第一个高速公路网规划《国家高速公路网规划》有关［52］；2013 年由于交通运输业经济统计专项调查，公路水路客货运输数据统计范围口径有所调整，使得交通碳排放量出现明显下降；2016 年是统计口径调整后，全国交通碳排放增长率下降的第一年，这主要与高速铁路的快速发展、全国统筹的铁路运行图的调整与优化、私家车保有量持续增长、网约车行业快速发展有关。

另一方面，从区域分布格局来看，交通碳排放总量呈现“东部＞西部＞中部＞东北”的特征。以2019 年为例，东部地区的碳排放总量达327.1 Mt CO2，远高于其他地区，其主要原因在于2019 年东部地区GDP 为51 万亿元，比其他三地区GDP 总和还高，经济发展推动的交通行业发展，带来交通能源消费和碳排放增加。

中部、西部交通碳排放与交通行业增加值出现背离现象。具体而言，2019 年，西部地区交通总碳排放量为179.3 Mt CO2，比中部高10.7%；同年，西部交通行业增加值为9 175 亿元，比中部地区低15.2%，这表明西部交通运输效率低于中部。

东北地区总碳排放量小，主要原因是该区域只包括3 个省份，经济规模较小，从而带来的交通运输行业活力偏低，交通碳排放量低。

4.1.2 中国交通人均碳排放趋势演变

就人均水平而言，全国30 个省份碳排放与各地区排放呈现不同的趋势，具体如图2 所示。人均交通碳排放与总量趋势相似，呈波动增长特征。从2001 的131 kg CO2/人增长到2019 年524 kgCO2/人，增长约3 倍，低于总体交通碳排放增长速率，说明人口规模增长和交通能源利用效率提升，分别对交通碳排放产生正向、负向驱动效应。2001—2019 年全国30 个省份总体和人均交通碳排放增长速率逐步放缓，这与中国不断加大减排技术投入，调整能源结构，完善减排措施有关。

图2 中国人均交通碳排放趋势

从区域来看，东北地区逐步取代东部成为人均交通碳排放最高地区，且远高于中西部。如图2 所示，在2003—2010 年东部人均交通碳排放最高，而东北、西部、中部分别次之。

自2011 年起，东北人均交通碳排放超越东部，达到最高，西、中部次之，到2019 年，东北、东、西、中部的人均碳排放量分别达到611.9 kg CO2/人、603.9kg CO2/人、474.0 kgCO2/人、434.7 kgCO2/人。这一相对分布格局变化主要原因在于，一方面东部交通基础设施建设速度和规模远高于东北地区，另一方面东北地区人口基数小，使东北人均交通碳排放量大。

而当企业启动并购战略后，如何选择合适的企业进行兼并和收购，从而实现企业的利益最大化，的确也是需要思考的事情。

4.2 交通碳排放与行业经济增长的脱钩分析

便于动态比较，本文将样本区间划分为四个阶段（2001—2006 年、2006—2011 年、2011—2016 年、2016—2019 年），并对各省份交通碳排放与交通行业经济增长的脱钩关系进行分析，如图3 所示。其中C表示交通总碳排放量，Y表示交通行业增加值。

图3 中国各省份交通碳排放脱钩情况

研究期内，30 个省份交通碳排放与交通行业增加值关系经历了从扩张负脱钩到弱脱钩的趋势。总体来看，交通行业发展方向趋向低碳，其对化石燃料的依赖逐步减弱，能源利用效率不断提高。

分阶段来看，2001—2006 年，大多数省份（18个，60%）呈现扩张负脱钩状态，这表明此时多数省份交通处于粗放式扩张方式。山东、河北、内蒙古、重庆、陕西、新疆、云南的交通碳排放量的增速是交通行业增加值增速的2 倍以上。具体原因主要是：（1）山东是炼油大省，能源生产的高碳化结构和高产量，使得交通运输部门对高碳化能源依赖度高；（2）河北、内蒙古、陕西作为重工业大省，货物运输量大，在早期交通供给不清洁的背景下，导致其交通行业的碳排放量增速快；（3）重庆是西部重要交通枢纽，连接东南西北各地的区位优势使其成为重要交通枢纽，交通运输规模较大；（4）新疆虽不是交通大省份，但该时期，国家对其交通基础设施建设投资巨大，仅2005 年在公路建设方面的投资就达到100 亿元，形成以乌鲁木齐为中心，辐射至天山南北的公路网，单位GDP 带来的运输量增大；（5）云南抓住西部大开发战略和中国-东盟自由贸易区等区域合作发展机遇，构建陆水空立体交通网，相伴而生的旅游、货运产业促进了交通运输产业发展。这些使得各省（区、市）在促进交通运输行业增加值提升的同时也提升了能源消费，进而推动碳排放增长。另外，天津和江西、甘肃、青海、宁夏呈现弱脱钩状态，说明这些省（区、市）的交通发展方式呈现资源节约与环境友好的状态。

2006—2011 年，大多数省份（19 个，63%）进入脱钩发展阶段（弱脱钩），但弹性较小，即交通行业发展对碳排放增长的促进作用减弱。这主要是由于各省（区、市）逐步重视和推动交通运输行业低碳转型，从能源结构上向电驱动等清洁动力方式转变，从行业结构上推动跨区域、跨城际高速铁路网等公共交通设施建设，提升交通运输效率；但山西、海南、青海却出现从扩张连接到扩张负脱钩的反弹，说明其交通运输部门清洁化政策效果不明显，反而对化石能源的依赖度增强。

2011—2016 年是30 个省份总体交通发展与碳排放之间关系转为合理的阶段（弱脱钩）。总体来看，交通碳排放与行业增加值间关系逐步从扩张负脱钩关系，逐步转弱脱钩关系，符合EKC 曲线达峰前特征，到2016 年，有26 个省份（87%）呈现脱钩状态。这一时段，30 个省份开始表现出4 种脱钩状态：（1）强脱钩的省（区、市）包括北京、天津、内蒙古、山东、海南、陕西，各省（区、市）脱钩状态发展过程符合EKC 曲线特征；（2）弱脱钩的省（区、市）包括河北、山西、辽宁、黑龙江、上海、江苏、浙江、福建、江西、河南、湖北、湖南、广东、广西、重庆、贵州、云南、甘肃、青海、宁夏，各省（区、市）脱钩状态发展过程仅符合EKC 曲线达峰前特征；（3）扩张连接的省份包括吉林、四川；（4）安徽、新疆两省份脱钩进程出现反复，呈现扩张负脱钩状态。

2016—2019 年，30 个省份范围内二者关系在弱脱钩状态下呈现波动特征。到2019 年，24 个省份（80%）呈现脱钩状态，其中，所有强脱钩省（区、市）（河北、山西、吉林、黑龙江、浙江、重庆、甘肃、宁夏）均为首次进入，而上一阶段（2011—2016 年）为强脱钩的6 个省份均退回弱脱钩状态，这符合碳达峰后存在较长平台期的科学规律，因此实施更为有力的交通节能减排政策尤为关键。

5 基于GFI 模型的中国交通碳排放驱动因素分解

5.1 中国交通碳排放驱动因素分解

从以上分析中发现，30 个省份交通碳排放与行业增加值的脱钩趋势逐步显著，那么，是哪些因素对脱钩趋势起关键作用？为解决这一问题，本文基于GFI 模型，从能源结构（ES）、能源强度（EI）、交通强度（TI）、经济城市化（EG）、城市人口密度（PD）、城市土地规模（BA）六个角度，对30个省份不同时段上的交通碳排放（C）进行驱动因素分解，得到图4。

图4 中国交通碳排放驱动因素增长率

总体来说，除人口城市化（PD）外，各项指标整体呈现增长趋势。其中，2002—2005 年和2012—2019 年一些指标增长率变动较为显著，前者处在“十五”规划和相关交通规划发布的时间点，促进了中国交通运输粗放式发展方式；后者为自党的“十八大”以来，更注重高质量发展的新时期，交通行业发展在考虑扩大规模的同时，贯彻落实新发展理念，鼓励低碳化发展。

具体而言，在2001—2019 年，城市化带来的经济增长（EG）和城市土地规模（BA）持续增长，城市化进程不断加快，但增长率出现一定下降；交通强度（TI）、（交通）能源强度（EI）在2006 年前和2012 年后增长率波动较大，主要原因与前述交通总碳排放变动趋势相同。但总体增长呈现先增长，后下降趋势，表明中国交通发展强度正从流量增长转变为存量增长；城市人口密度（PD）仅在2006 年和2010 年正增长，其余年份均下降，表明中国城市及交通规划呈现扩张式发展特征；交通能源结构（ES）在研究期内整体变动不大。

由于GFI 是乘型因素分解方法，为使结果呈现更直观，本文对结果进行了对数化处理，虽压缩了变量尺度，但数据结果的大小对应关系不变，得到中国交通碳排放的GFI 因素分解图（见图5）。其中，条柱C表示该区域当年交通碳排放的对数值。各年份刻度间，不同图案的条柱（ES，EI，TI，EG，PD，BA），分别表示各因素对该期间内交通碳排放（对数值）变动贡献大小，其上标签表示对碳排放增长率的拉动。各因素贡献总和等于该期间交通碳排放（对数值）的变化率（±1%）。

图5 中国交通碳排放及驱动因素趋势

30 个省份交通碳排放在研究期内呈现持续上升趋势，但增长率不断下降，从第一个阶段（2001—2006 年）的129%下降到第四阶段（2016—2019 年）的7.5%。

从驱动因素看，经济城市化、土地城市化对交通碳减排的阻碍作用最大。人口城市化、交通强度、交通能源结构则促进了交通碳减排，（交通）能源强度的正负影响波动较大。说明城市化带来的经济活力、城市土地规模增长是驱动交通碳排放的主要原因，城市人口密度的下降、交通运输效率提升驱动交通碳减排；能源结构清洁化进程有效加快了交通碳减排进程；能源强度作用波动大主要来源于交通运输周转量变动，《国家高速公路网规划》《国家公路网规划（2013—2030）》等顶层设计文件的出台极大地促进了客货运由长途向短途运输的革命，有效提升了交通运输效率，而作为响应，运输需求的提升存在滞后性，使得交通运输周转量形成脉冲震荡，对交通碳排放的影响方向波动较大，但随着交通运输网的完善，周转量提升导致的交通碳排放变动减小。

从时间趋势维度看，经济城市化、土地城市化对交通碳排放正向驱动的作用逐步降低，（交通）能源强度、交通强度、能源结构对碳排放的增长先促进后抑制，人口城市化持续抑制交通碳排放增长。经济、土地城市化起促进作用，说明经济活力、土地规模扩张的速度放缓直接影响交通碳排放的增长；能源消费量，但交通能源强度的增长率逐步降低，说明前期交通运输效率提升速度相比能源消费增长较低，后逐步提升；交通强度先小幅促进，后大幅抑制碳排放增长，说明与其他行业相比，交通行业对经济增长的贡献占比逐步降低，作为与国民经济息息相关的行业，在基础设施不断发展的背景下，说明交通效率得到了极大的提升；中国交通行业的化石能源结构呈现从以油品为主转向天然气这类低碳化石能源的趋势，但转变趋势较小。

5.2 区域交通碳排放驱动因素时空分解

对中国四大经济区域交通碳排放驱动因素进行时空分析，重点分析与30 个省份交通碳排放驱动因素时空分解分析的不同，得到图6。其中，仅东北地区交通碳排放增长出现先增长后下降的倒“U”型增长趋势，这主要是由于，东北地区经济发展对物流运输依赖较大，随着铁路网优化、高铁的规划建设加速，该地区由公路运输转为铁路运输的物流带来的运输效率提升高于其他地区，从而节省了交通能源消耗。

图6 中国区域交通碳排放驱动因素

对四大经济区域交通碳排放产生不同驱动效果因素主要是（交通）能源强度、交通强度。

能源强度对各地区交通碳排放影响的不同体现在时间趋势上，其对东部交通碳排放的增长先促进后抑制（与对30 个省份交通碳排放的影响相同），对中部、西部、东北先促进后抑制，而后又转为促进。这主要是由于，各区域前期发展交通运输行业时消耗大量能源，而后逐渐注重技术投入，提升交通运输效率，使得单位交通周转量产生的碳排放下降，中部、西部、东北地区在交通低碳技术逐渐进步、结构布局日趋合理的同时，其优化速度无法跟上交通规模扩张速度带来的能源消费量的增长，使能源强度对东部碳排放整体呈现促进作用，而对其他三地区后期由抑制作用转为促进作用。

对于交通强度，从整体看，其对各地区交通碳排放影响方向波动性较大，而除对东北地区交通碳排放变动影响逐步增大外，对其他三地区影响均有所减小。

具体来看，2001—2016 年，交通强度对东部、东北交通碳排放的增长均为先促进后抑制（与对30个省份交通碳排放影响相同），但2016 年后，其对东部转为增长促进作用。这主要是由于，一方面，在交通基础设施规模满足各地区经济发展需要后，其建设增速放缓，另一方面，高铁的快速布局替代了过去高速公路的旅客运输需求，提升了交通运输效率，由此带来的交通运输周转量增长速度低于相应时期的各地区经济增长速度，使交通强度带来的交通碳排放先促进后抑制，而东部随着近年来在电子商务、智慧物流等方面的快速发展，利用交通运输效率提升这一优势，推动短途物流供需量提升，从而激发了运输周转运输活力，增大了交通碳排放。

2001—2016 年，交通强度对中部、西部先抑制后促进，而后又转为抑制。这是由于中部、西部在早期因交通基础设施建设滞后，客货运周转量低，交通行业增加值在区域经济增加值的占比偏低，从而抑制两区域交通碳排放的增长，而随着高速公路、高铁的快速布局，带来运输供需量提升，促进交通碳排放增长，随着基础运输需求被满足后，运输效率的提升又转化为对交通碳排放增长的抑制作用。

综上，经济城市化、土地城市化仍是阻碍各地区交通减排的主要驱动因素，交通强度对交通碳排放增长的贡献波动性较大。当前高速和高铁网的规划布局有利于交通减排，而智慧物流则会驱动东部交通碳排放增长，中、西、东北地区交通运输结构优化能力有待加强。

5.3 不同脱钩状态下中国各省份交通碳排放驱动因素分析

为进一步探究不同脱钩状态下交通碳排放的驱动特点，本节从驱动因素的角度讨论各省份在最新年份（2019 年）呈现不同脱钩状态的原因，重点分析与30 个省份总体层面驱动因素的不同，具体如图7 所示。

图7 中国交通碳排放各类脱钩状态的驱动因素

从总趋势来看，除强脱钩省份，其他类型省份交通碳排放在研究期内不断增长，而强脱钩区域交通碳排放变动先上升后下降，呈现倒“U”型曲线关系。说明强脱钩省份经济发展正从数量增长转为质量增长发展。

从驱动因素来看，除（交通）能源强度、交通强度外，其他因素对交通碳排放变动的影响大小及方向与30 个省份总体层面（可类比弱脱钩省份情况）相似。

能源强度、交通强度是造成各省（区、市）形成4 种不同脱钩类型的主要原因，同时，能源强度是促进脱钩较差省（区、市）碳排放增长的关键因素。第一，对于强脱钩、弱脱钩、扩张连接省（区、市），能源强度、交通强度在早期对交通碳排放起促增长作用，后期转向促减排作用，其中，两因素对处于过渡状态的扩张连接省（区、市），带来的影响波动性更大，需对清洁化能源转型政策持续发力，巩固政策效果；第二，对于扩张负脱钩省（区、市），能源强度在后期对交通碳排放的促增作用反弹程度高于扩张连接省（区、市）；第三，对比两因素对交通碳排放的驱动方向和大小，能源强度是使得强脱钩省（区、市）后期碳排放降低的最关键因素，也是造成扩张负脱钩省（区、市）后期碳排放增长率出现反弹上升的最重要因素。

深入探究强脱钩省份经验发展，曾经作为能源大省份的河北、山西、黑龙江、宁夏、甘肃，在推进能源转型，分别建立配合京津冀协同发展的“低碳化、网络化”区域综合交通运输体系、实施国家资源型城市经济转型和能源革命系列行动［53］、推动能源替代战略、建设宁夏国家新能源综合示范区、构建现代能源产业体系等政策和行动影响后，大幅降低了化石能源生产消费量，能源结构逐步清洁化，从而降低了交通碳排放。

吉林、浙江省均在2018 年分别发布《吉林省煤炭消费总量控制规划（2016—2020）》［54］、《2018年浙江省煤炭消费总量控制方案》［55］，两省是“十三五”时期为数不多针对全行业煤炭消费总量控制发布顶层设计文件，且有效控制其他化石能源消费代偿性增长的省份。

重庆通过构建智能汽车与智慧交通运用示范区，推动车联网产业发展在解决交通拥堵的同时，科学调度城市交通秩序，引导绿色用车，大大提升了道路运输效率，降低能源消费。

综上，经济城市化、土地城市化是造成各脱钩类型地区交通碳排放增长的主要驱动因素，交通能源强度是影响交通碳排放与交通增加值脱钩的关键因素。推动能源大省全面清洁化、网络化转型，在对特定化石能源品种消费总量控制攻坚的同时，防止其他化石能源代偿式反弹增长，推动交通行业智能化发展将有助于该行业快速实现与碳排放的脱钩。

6 结论及建议

6.1 主要结论

本文对2001—2019 年中国30 个省（区、市）交通碳排放与交通行业增加值进行脱钩分析，使用广义费雪指数（GFI）因素分解分析方法对各区域交通碳排放变动的影响因素进行研究，主要得到以下结论：

（1）2001—2016 年30 个省份交通碳排放整体呈现不断上升趋势，在区域上呈现东高、中西次之、东北低的特征。大多数省（区、市）交通碳排放与行业增加值间呈现从扩张负脱钩到弱脱钩再到强脱钩的趋势，具有理想脱钩关系的省份从2001—2006年从0 个上升到2016—2019 年的8 个，表明中国交通低碳化趋势显著。在第四阶段（2016—2019 年），共有8 个省（区、市）实现强脱钩：河北、山西、吉林、黑龙江、浙江、重庆、甘肃、宁夏，有1 省仍处于扩张负脱钩状态：青海；已实现强脱钩的省份存在碳达峰后的平台期波动现象。

（2）从30 个省份来看，经济城市化、土地城市化是抑制交通碳减排最大的阻碍因素，人口城市化、交通强度、能源结构促进了交通碳减排，能源强度的正负影响波动较大。

（3）从脱钩状态角度来看，（交通）能源强度、交通强度是造成各省份形成4 种不同脱钩类型的主要原因。对于脱钩情况较好的强脱钩、弱脱钩和处于过渡状态的扩张连接省（区、市），能源强度、交通强度对交通碳排放先促增长，后促减排，符合EKC 曲线特征。对于脱钩情况亟待优化的扩张负脱钩省份，能源强度在后期对交通碳排放的促增作用反弹程度高于扩张连接省（区、市），且上升为促使交通碳排放反弹增长的主要因素。

6.2 政策建议

我国交通运输系统应着力建设更加“高效、紧凑、智能”的城市交通体系，通过经济发展效率变革、优化城市空间利用方式、构建智能化交通网络等方式，降低由经济增长、土地扩张、交通能源强度推动的交通排放增长，实现交通碳减排目的，具体措施如下：

（1）促进城市经济高效化转型。城市发展规划应优先设定包括交通部门在内的“双碳”目标，再以此为约束设定经济增速目标。我国“十四五”规划中设定未来5 年全国能耗强度下降13.5%、碳排放强度下降18%目标，鼓励有条件的地区和行业率先达峰。因此，各地区经济发展必须由过去追求单一维度的经济增长指标，转向视角更全面的经济高质量发展，在经济发展的同时，考虑交通碳减排约束目标，倒逼经济发展效率的提升。

（2）加快城市空间紧凑化变革。优化低效土地利用方式，统筹推进功能复合、公共交通有限的集约紧凑型城市发展方式，减少通勤距离，提升物流运输效率。北京作为扩散性发展的超大城市，城市空间不断扩张，建成区面积从2000 年的488 km2增加到2019 年的1 469 km2，城市功能分区明显，居民在郊区居住却在城区工作的表现明显［56］。根据住房和城乡建设部发布的《中国主要城市通勤检测报告》［57］，2020 年，北京单程平均通勤距离和通勤时耗分别高达11.1 km、47 分钟，而其城市万人单程通勤交通碳排放达8.7 t，均位居全国第一。因此，注重城市功能规划，充分利用立体空间，减少扩张型发展，侧重旧城改造设计有助于城市交通碳排放下降，人民生活水平提升。

（3）实现交通智能化发展。运用信息化科技手段提升交通运输、管理效率，降低规划与建造成本。一方面，通过能源系统动态模型，优化城市行车组织与节能运营技术，提升网线能源调度管理、交通能源使用效率和方式［58］；另一方面，通过交通引擎构建基于自动驾驶、车路系统等智能交通科技，提升城市实时感知、快速响应与智慧决策能力，为更智慧、更低排放地治理“城市病”赋能。

释注：

1）各区域划分依据《中共中央、国务院关于促进中部地区崛起的若干意见》《国务院发布关于西部大开发若干政策措施的实施意见》以及党的十六大报告的精神，东部包含北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南，中部包含山西、安徽、江西、河南、湖北、湖南，西部包含内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆，东北包括：辽宁、吉林和黑龙江。