中国交通运输业碳达峰时间预测研究

朱长征，杨莎，刘鹏博，王萌

(1.西安邮电大学，a.现代邮政学院，b.经济与管理学院，西安 710061；2.西安建筑科技大学，管理学院，西安 710055)

0 引言

中国是目前全球碳排放量最大的经济体，根据英国石油公司(BP)计算，2020年中国CO2排放量达到98.94 亿t，占全球碳排放量的比重提升至30.7%。2020 年9 月22 日，中国在第七十五届联合国大会上宣布“中国CO2排放力争于2030年前达到峰值，努力争取2060年前实现碳中和”。根据本文测算，近20 年间，中国交通运输业CO2排放量增长了2.97 倍，2019 年达到了8.04 亿t，约占全行业1/10。交通运输业碳达峰对实现中国总体碳达峰具有十分重要的作用，因此，预测中国交通运输业CO2达峰时间具有重要意义。

现阶段，国内外对碳达峰的研究已取得了一定成果。研究显示，短期内中国能源消耗量和CO2排放量将持续增长[1]，未来区域交通碳排放增长趋势逐渐变缓，但总量将继续呈上升趋势，社会仍然面临较大的温室气体减排压力[2]。通过分析经济、技术及能源和碳排放之间的相关性，可见经济增长对碳排放有明显的促进作用[3]，且只有在CO2与经济增长之间实现强脱钩的情况下，CO2排放才能实现达峰[4]。以此为基础，相关学者分析了影响CO2排放的主要驱动因素[5]，构建碳排放预测模型，研究多种情景下碳排放峰值[6]。MI等[7]认为最可行的情景下，中国CO2排放将在2025—2035 年间达到峰值，且2030年是中国实现碳达峰的最佳时间点[8]。

综上所述，目前，对碳达峰的研究主要集中在国家层面上，针对交通运输业碳达峰的研究较少。为分析中国交通运输业碳达峰情况，本文构建了拓展的STIRPAT(Stochastic Impacts by Regression on Population,Affluence,and Technology)模型，并利用岭回归构建碳达峰预测模型，基于情景分析预测5种情景下中国交通运输业碳达峰时间。

1 研究方法与数据

1.1 碳排放测算模型

本文采用联合国政府间气候变化专门委员会(Intergovernmental Panel on Climate Change，IPCC)[9]提供的方法，计算中国交通运输业碳排放为

式中：C1为中国交通运输业一次能源CO2排放量(万t)；Ci为中国交通运输业i能源消耗产生的CO2排放量；i为各能源种类(石油、煤炭及天然气)；Ei为交通运输业第i类能源的消耗量；Fi为第i类能源的平均低位发热量；Vi为碳氧化因子，即能源燃烧时的碳氧化率；Ri为第i类能源的碳排放系数；44和12分别为CO2和碳的分子量。

电力等二次能源在交通运输业中的占比较大，因此，在计算中国交通运输业碳排放时，需要将电力间接产生的CO2排放量包括在内，其中，电力产生的CO2排放主要来源于火电。中国交通运输业电力CO2排放为

式中：C2为交通运输业中电力产生的CO2排放量；Ee为交通运输业电力转化所消耗的能源；K为火电发电装机占总装机容量的比重；M为电力折标煤系数；L为煤炭的碳排放系数。

式中：C为中国交通运输业CO2排放总量。

1.2 拓展的STIRPAT模型

IPAT模型(人类活动对环境影响的定量关系模型)是美国生态学家埃里奇(Ehrlich)和康默纳(Comnoner)于20世纪70年代提出的评估人类活动对环境影响的定量关系模型，可以具体分析人口(P)、富裕程度(A) 和技术(T)这3因素对环境的影响程度[10]。STIRPAT模型是对IPAT模型的拓展，是识别与能源相关的碳排放背后的社会、经济和技术驱动因素的有效方法。

STIRPAT模型为

式中：I为环境指标；a为模型的系数；P为中国人口数量；b、c、d为变量的系数；e为随机误差项。对式(4)进行变形，可得

本文在对交通运输业碳排放驱动因素的众多文献进行梳理的基础上，认为人口规模、经济增长、城镇化水平、能源强度、交通运输业产业增加值及能源结构是影响交通运输业碳排放的重要因素。因此，本文选择以上6个变量对STIRPAT模型进行拓展，即

式中：f、v、m为变量的系数；G为中国GDP；U为中国城镇化率；Q为中国交通运输业能源强度；S为中国交通运输业产业增加值；W为交通运输业传统能源占比。

岭回归相关理论由Hoerl 和Kennard 提出。岭回归是改进的最小二乘法，可通过偏置-方差权衡解决共线性问题，提高参数估计的准确性和可靠性。为消除式(6)变量中存在的共线性问题，本文选择岭回归估计各变量系数。关于碳排放影响因素的相关文献如表1所示。

表1 关于碳排放影响因素的相关文献Table 1 Literature on influencing factors of carbon dioxide emissions

1.3 数据来源及参数确定

1.3.1 数据来源

本文中人口数量、GDP、交通运输业增加值及能源消费等主要数据来源于《中国统计年鉴2001—2020》《中国能源统计年鉴2001—2020》。其中，能源强度为交通运输业能源消耗量与交通运输业增加值的比值，能源结构为交通运输业传统能源消耗量(煤炭和石油消耗量)占总能源消耗量的比重，交通运输产业规模为交通运输业增加值与国内生产总值的比值，城镇化水平为城镇人口与总人口的比值。

1.3.2 参数确定

本文在用岭回归解决线性回归分析中自变量共线性问题时，需先结合岭迹图确定岭参数k。k值的选择原则是各个自变量的标准化回归系数趋于稳定时的最小k值，k值越小则偏差越小。交通运输业碳排放影响因素岭迹如图1所示。可知，当k值为0.01 时，自变量的标准化回归趋于稳定，因此，本文选取最佳k值为0.01。

图1 交通运输业碳排放影响因素岭迹Fig.1 Ridge trace map of influencing factors of carbon emission from transportation industry

本文对交通运输业碳达峰预测模型进行岭回归ANOVA 检验(也称F 检验)，结果通过F 检验(F=542.96,p=0.000 ＜0.05)，如表2所示。本文利用SPSS软件得到岭回归分析结果，其中，人口、GDP、城镇化水平、能源强度、交通运输业增加值及传统能源占比等变量皆通过了显著性检验，即均会对交通运输业碳排放产生显著影响。

表2 岭回归分析结果Table 2 Results of ridge regression analysis

将中国交通运输业CO2排放影响因素数据进行对数化处理后，输入拓展的STIRPAT 模型，得到中国交通运输业CO2预测模型。本文根据该模型模拟2000—2019年中国交通运输业CO2排放量，结果如图2所示。

图2 中国交通运输业CO2排放量拟合度分析Fig.2 Analysis of fit degree of carbon dioxide emissions in transportation industry in China

2000—2019年间，中国交通运输业CO2实际排放量与模型模拟排放量拟合度达到了99.6%，可见模型预测结果具有可行性。

2 情景设置

2.1 碳达峰情景设置

通过分析中国经济与交通运输业发展状况，碳达峰相关政策以及相关文献，本文设置5种发展情景：强化低碳情景、一般低碳情景、基准情景、一般高碳情景及绝对高碳情景。

(1) 基准情景(BAU)，即延续现阶段交通运输业发展趋势，分析经济增长、能源消费及人口规模等影响因素的历史变化情况，并以此为基础，设置各影响因素增长水平。

(2)一般低碳情景(L)，即以实现交通运输业尽早碳达峰为目标，更加注重经济发展质量，经济增长进入中低速阶段，能源系统效率有所提高，能源消费总量维持在合理水平。相较于基准情景，各影响因素增长率均有所下降。

(3)强化低碳情景(DL)，即采取超常规减排政策与措施，能源系统效率大幅度提升，能源消费总量保持较低水平，各影响因素增长缓慢。相较于基准情景，各影响因素增长率下降幅度较大。

(4)一般高碳情景(H)，即较少考虑新技术的采纳和进一步的减排政策，能源效率的提高、产业结构的调整和能源结构的优化主要依赖于社会经济发展驱动。相较于基准情景，各影响因素的增长率均有所上升。

(5)绝对高碳情景(DH)，即以经济增长为主要目标，较少关注污染排放和气候变化，交通运输业发展较为粗放，各影响因素数值均处于较高水平。相较于基准情景，各影响因素增长率增加幅度较大。

2.2 不同情景下影响因素增长率设置

(1) 人口。根据第七次人口普查数据，中国2020 年人口数为14.12 亿人，2010—2020 年间，中国人口年平均增长率为0.53%。国务院《国家人口发展规划(2016—2030 年)》和联合国《世界人口展望2019》文件中分别预测了中国2020—2050 年间的总和生育率约在1.6～1.8区间内。《人口与劳动绿皮书》指出，中国人口预计将在2029 年达到峰值14.42亿人，从2030年开始进入持续的负增长，2050年减少到13.64亿人。

综上所述，预计2021—2035 年间，基准情景下，中国人口增长率增长速度变缓，人口数量将在2031年达到峰值；强化低碳情景、一般低碳情景、一般高碳情景及绝对高碳情景下，人口将分别在2027年，2029年，2032年，2034年达到峰值。

(2)GDP。2012—2019 年，中国GDP 年增速均保持在6%～8%区间内。中国社会科学院经济研究所课题组认为2021—2030年间中国GDP增长率将保持在5.4%～6.3%区间内。HSBC(The Hongkong and Shanghai Banking Corporation Limited) 和OECD(Organization for Economic Co-operation and Development)等机构分别预测了2020—2050 年中国GDP增长情况，结果显示，在2040年前后中国经济将趋于稳定，潜在GDP 增长率约为4%，且中国将在2045年前迈入高收入国家。

综上，预计2021—2040 年间，基准情景下，中国GDP 增长率将保持在4%～6%区间内，且在2040年后趋于稳定；一般低碳情景和强化低碳情景下，中国GDP增长率相较于基准情景分别减少0.2%和0.5%；一般高碳情景和绝对高碳情景下，中国GDP增长率相较于基准情景分别增加0.3%和0.5%。

(3)城镇化水平。近40 年，中国城镇化率伴随经济增长呈现较为明显的线性增长特征，2020年城镇化水平达到63.89%。与国际经验一致，中国城镇化率在达到60%后，整体将呈现趋缓增长态势。国务院发展中心和世界银行等机构预测2030年中国城镇化率将达到66%～73%，2050 年城镇化率将收敛于76%～80%。

综上，预计2020—2050 年间，基准情景下中国城镇化率将保持在0.55%～1.1%区间内，呈缓慢增长趋势，2050 年城镇化率将达到81%；强化低碳情景、一般低碳情景、一般高碳情景及绝对高碳情景下，2050 年中国城镇化率将分别达到78.95%，80.14%，81.34%，82.56%，83.80%。

(4)能源强度。国务院印发《2030 年前碳达峰行动方案》指出，到2025年单位国内生产总值能源消耗将比2020 年下降13.5%。《中国应对气候变化的政策与行动》白皮书中指出，2025年单位GDP的CO2排放较2020 年会降低18%。IEA(International Energy Agency)预测新政策情景下，2040 年中国运输业一次能源消耗量将达到5.13亿t油当量。《2050世界与中国能源展望》预测，相比于2015 年，2050年中国能源强度将下降76%。

综上，预计2021—2050 年间，基准情景下，交通运输业技术水平将不断提升，交通运输业能源强度增长率将保持在-2.8%～-1.5%区间内，能源强度呈不断下降趋势；一般低碳情景和强化低碳情景下，交通运输业能源强度增长率相较于基准情景分别减少0.3%和0.5%；一般高碳情景和绝对高碳情景下，交通运输业能源强度增长率相较于基准情景分别增加0.2%和0.5%。

(5)交通运输产业规模。2000—2019 年间，中国交通运输业增加值年均增长率高达11.37%。“十四五”交通运输发展规划编制中强调，中国将由交通大国向交通强国迈进。预计未来中国交通运输业增加值将呈稳定上升趋势，2021—2050年增长率将保持在5%～8%区间内。

综上，预计2021—2050 年间，基准情景下，交通运输产业增加值增长率保持在5.5%～8%区间内，产业增加值在2050 年达到263769 亿元；强化低碳情景、一般低碳情景、一般高碳情景及绝对高碳情景下，2050 年交通运输业产业增加值将分别达到225668亿，241590亿，305183亿，371530亿元。

(6)能源结构。2000—2019 年间，中国交通运输业传统能源占比稳定下降，由95.79%减少至84.10%。中国《能源生产和消费革命战略(2016—2030)》《2030年前碳达峰行动方案》中指出，到2025年和2030 年，非化石能源消耗占比将分别达到20%和25%左右。《2050年世界与中国能源展望》指出，中国能源需求结构将顺应全球发展趋势，天然气占比将呈稳定上升趋势，预计在2040 年超过石油占比，在2050 年可达到17.6%，且分别预测了2020—2050 年中国交通运输业参考情景和氢能社会情景下的石油消费占比。众多学者预测2021—2030 年中国交通运输业石油制品消费量年增长率达到7.62%，2019—2050 年煤炭消费量将稳步下降。

综上，预计2021—2050 年间，基准情景下，传统能源消耗占总能耗比重将不断下降，预计占比将由83%下降至58%；强化低碳情景、一般低碳情景、一般高碳情景及绝对高碳情景下，2050年交通运输业传统能源占比将分别为52.27%，55.20%，61.52%，63.79%。

5 种情景下，交通运输业各影响因素的增长率设定值如表3所示。

表3 不同情景下各影响因素的增长率设定值Table 3 Growth rate data of various influencing factors under different scenarios (%)

3 研究结果分析

3.1 中国交通运输业碳排放趋势分析

2000—2019年间，中国交通运输业能源消耗由1.14亿吨标准煤逐年增加至4.39亿吨标准煤，增长率高达283.59%。中国交通运输业能源消耗如图3所示。

由图3可知，煤炭消费量占比小且呈逐年递减趋势，由2000 年的1139.94 万t 下降至283 万t；石油、天然气和电力的消费量呈上升趋势，研究区间内分别增长了3.01，57.78，5.23 倍，其中，石油消耗量在总能源消耗量中占据了最大比重，20年间石油消耗量占总能源消耗量比重均大于85%。由此可见，中国交通运输业仍处于快速发展阶段。

图3 中国交通运输业能源消耗Fig.3 Energy consumption of transportation industry in China

中国交通运输业CO2排放量趋势如图4 所示。研究区间内，中国交通运输业CO2排放量增长趋势明显，由2000 年的2.03 亿t 增加至2019 年的8.04亿t，增长了2.97倍。其中，交通运输业石油消耗产生的CO2为中国交通运输业最主要的碳排放源，2018 年达到峰值7.09 亿t。中国交通运输业煤炭消耗产生的CO2排放量占比较小，且随着煤炭消耗量的下降而不断减少。近20 年，交通运输业天然气和电力消耗产生的CO2排放量均呈逐年上升趋势，分别由2000年的0.013亿t和0.07亿t增加至2019 年的0.75 亿t 和0.35 亿t，年均增长率高达23.9%和8.8%。

图4 中国交通运输业CO2排放趋势Fig.4 Carbon dioxide emission trend of transportation industry in China

3.2 碳达峰情景分析

本文基于5种发展情景，分析2021—2050年中国交通运输业CO2达峰情况，如图5，图6 和表4所示。

表4 中国交通运输业碳达峰情景分析Table 4 Scenario analysis of carbon dioxide peak of transport industry in China

图5 5种情景下中国交通运输业碳达峰预测Fig.5 Forecast of carbon emissions in transportation in five scenarios in China

图6 2021—2050年期间中国交通运输业CO2变化量Fig.6 Carbon dioxide changes of transport industry from 2021 to 2050 in China

(1) 基准情景下，中国交通运输业CO2排放将在2035 年达到峰值12.35 亿t，约为2019 年CO2排放量的1.54 倍。若中国交通运输业按基准情景中的趋势发展，对中国实现2030 年碳达峰的目标十分不利。

(2) 一般低碳情景下，中国交通运输业CO2排放将在2032 年达到11.00 亿t 的峰值，峰值量低于基准情景1.35亿t。

(3) 强化低碳情景下，中国交通运输业CO2将在2030 年达到峰值，峰值量为10.31 亿t。2030 年后，中国交通运输业CO2累计排放量负增长趋势明显。

(4) 一般高碳情景下，中国交通运输业CO2达峰时间为2040 年，峰值量为14.01 亿t，超过基准情景下的CO2峰值量1.66亿t。

(5) 绝对高碳情景下，中国交通运输业CO2峰值时间为2043 年，峰值水平为16.47 亿t，超过基准情景下的碳排放量4.12亿t。若中国交通运输业按照高碳情景下的趋势发展，碳排放增速更快且峰值过高，CO2累计排放量远超其他4种情景。显然，单方面追求经济增长而忽视碳减排的行为阻碍了中国“双碳”目标的实现。

4 结论

本文构建了拓展的STIRPAT模型，预测5种情景下中国交通运输业碳排放峰值，得到结论如下：

(1) 2000—2019 年间，中国交通运输业CO2总体上呈不断上升趋势，20 年间由2.03 亿t 增加至8.04亿t，增速较快。研究区间内，中国交通运输业石油消耗量占能源消耗总量比重保持在85%以上，石油制品产生的碳排放为交通运输业主要碳排放源。天然气和电力消耗量呈逐年递增趋势，但在交通运输业中的占比较小。中国交通运输业能源消费结构仍需进一步改善。

(2)本文设置了5 种情景预测中国交通运输业碳达峰情况。强化低碳情景下，中国交通运输业将在2030 年最早实现碳达峰，峰值量为10.31 亿t；一般低碳、基准及一般高碳情景下，中国交通运输业将在2031—2040 年期间实现达峰，在此时间区间内，中国交通运输业最有可能实现碳达峰，3种情景下CO2累计排放量均呈明显负增长趋势；绝对高碳情景下中国交通运输业CO2将在2043年实现达峰，该情景下CO2达峰晚且峰值大，CO2累计排放量远超其他情景，对中国实现“双碳”目标十分不利。