李心怡 趙瑞嘉 高成男 謝新連#

(1.大連海事大學(xué)綜合運(yùn)輸研究所，遼寧 大連 116026；2.中國民用航空東北地區(qū)管理局，遼寧 沈陽 110043)

2030年實現(xiàn)碳達(dá)峰是中國當(dāng)前的重要工作之一。交通行業(yè)碳排放總量控制是中國能夠?qū)崿F(xiàn)2030年碳達(dá)峰的重要因素[1]。民航運(yùn)輸作為主要交通運(yùn)輸方式之一，對其進(jìn)行系統(tǒng)分析和達(dá)峰預(yù)測是十分必要的。

近年來，一些學(xué)者對未來民航運(yùn)輸碳排放的達(dá)峰情況進(jìn)行了研究，文獻(xiàn)[2]、[3]使用情景分析法得出中國民航運(yùn)輸業(yè)將分別在2041、2049年出現(xiàn)碳排放峰值；文獻(xiàn)[4]運(yùn)用可拓展的STIRPAT模型得出存在兩種情景可使中國民航運(yùn)輸業(yè)分別在2041、2048年實現(xiàn)碳達(dá)峰的結(jié)論；文獻(xiàn)[5]使用蒙特卡羅模擬對中國2016—2030年民航運(yùn)輸碳排放做出趨勢預(yù)測。以上峰值預(yù)測研究均未能給出實現(xiàn)2030年民航運(yùn)輸碳達(dá)峰的情景及對策。

為此，選取2012—2019年中國民航運(yùn)輸碳排放相關(guān)數(shù)據(jù)作為樣本，對該階段進(jìn)行影響因素分解和解耦狀態(tài)分析，進(jìn)而做出碳排放預(yù)測，設(shè)計出促進(jìn)中國民航運(yùn)輸業(yè)2030年碳達(dá)峰的可能途徑，并為其未來減排方向提出建議。

1 研究方法

1.1 民航運(yùn)輸碳排放影響因素分解方法

傳統(tǒng)的Kaya恒等式將碳排放因素分解為人口、經(jīng)濟(jì)和能源因素，并且建立關(guān)系將以上因素聯(lián)系起來。但這種方法沒有涉及民航運(yùn)輸碳排放中關(guān)于運(yùn)輸方面的因素，為此對傳統(tǒng)的Kaya方法做出調(diào)整，具體計算見式(1)。

(1)

式中：C為民航運(yùn)輸中產(chǎn)生的碳排放量(即能源消費(fèi)直接碳排放，根據(jù)聯(lián)合國政府間氣候變化專門委員會給出的估算移動源中化石能源燃燒排放的“自上而下”方法得出)，t；T為民航運(yùn)輸收入，元；Q為民航總運(yùn)輸量，t；R為民航總運(yùn)輸周轉(zhuǎn)量，t·km；E為航空燃油消耗量，t；EE為民航運(yùn)輸業(yè)的經(jīng)濟(jì)強(qiáng)度，t/元；TD為民航運(yùn)輸業(yè)的平均運(yùn)距，km；EI為航空燃油的能源強(qiáng)度，t/(t·km)；EF為航空燃油的碳排放系數(shù)，取值為3.15。

對以上因素采用ANG[6]提出的對數(shù)平均迪氏指數(shù)分解法(LMDI)將式(1)分解成式(2)。其中，運(yùn)輸收入效應(yīng)(ΔCT，t)按照式(3)計算，同理計算經(jīng)濟(jì)強(qiáng)度效應(yīng)(ΔCEE，t)、運(yùn)距效應(yīng)(ΔCTD，t)、能源強(qiáng)度效應(yīng)(ΔCEI，t)和替代燃料效應(yīng)(ΔCEF，t)。

ΔC=Cn-Cm=ΔCT+ΔCEE+ΔCTD+ΔCEI+ΔCEF

(2)

(3)

式中：ΔC為總效應(yīng)，t；Cm、Cn分別為基準(zhǔn)年m、目標(biāo)年n的碳排放量，t；Tm、Tn分別為基準(zhǔn)年m、目標(biāo)年n的民航運(yùn)輸收入，元。

運(yùn)輸收入效應(yīng)貢獻(xiàn)(DT，%)計算方法見式(4)，同理計算經(jīng)濟(jì)強(qiáng)度效應(yīng)貢獻(xiàn)(DEE，%)、運(yùn)距效應(yīng)貢獻(xiàn)(DTD，%)、能源強(qiáng)度效應(yīng)(DEI，%)和替代燃料效應(yīng)貢獻(xiàn)(DEF，%)。

(4)

1.2 民航運(yùn)輸碳排放解耦分析方法

(5)

(6)

(7)

表1 民航運(yùn)輸碳排放和運(yùn)輸收入(或運(yùn)輸周轉(zhuǎn)量)解耦狀態(tài)分析

1.3 民航運(yùn)輸碳排放峰值預(yù)測方法

STIRPAT模型在環(huán)境壓力控制(IPAT)模型的基礎(chǔ)上被提出，能克服其“各因素同比例對碳排放造成影響”的不足[8]?；赟TIRPAT模型和1.1節(jié)，將STIRPAT模型中原有影響因素修改為民航運(yùn)輸碳排放影響因素，改進(jìn)后公式見式(8)。

lnC=lna+blnT+clnQ+dlnR+flnE+lnr

(8)

式中：a為模型系數(shù)；b、c、d、f分別為T、Q、R、E的彈性系數(shù)；r為隨機(jī)誤差。

2 實證研究

本研究涉及的中國民航運(yùn)輸業(yè)交通及經(jīng)濟(jì)數(shù)據(jù)主要來源于中國民用航空局發(fā)展計劃司編著的2012—2019年《從統(tǒng)計看民航》和中國民用航空局官方網(wǎng)站上公布的2012—2019年《民航行業(yè)發(fā)展統(tǒng)計公報》。

2.1 民航運(yùn)輸碳排放影響因素分解

民航運(yùn)輸碳排放影響因素效應(yīng)分解及其貢獻(xiàn)的計算結(jié)果見表2和表3。對碳排放量增加貢獻(xiàn)最大的是運(yùn)輸收入效應(yīng)，創(chuàng)造更多運(yùn)輸收入的代價是運(yùn)輸過程中產(chǎn)生了大量的碳排放；經(jīng)濟(jì)強(qiáng)度和運(yùn)距效應(yīng)影響力稍弱。對碳排放量有抑制作用的是能源強(qiáng)度效應(yīng)，中國民航噸公里油耗(以標(biāo)準(zhǔn)煤計)從2012年的0.293 kg/(t·km)降至2019年的0.285 kg/(t·km)，這與中國民航運(yùn)輸業(yè)近年來不斷優(yōu)化飛機(jī)滑行線路和調(diào)整飛機(jī)飛行程序等措施息息相關(guān)。中國生物燃油尚未正式投入民航使用，所以2012—2019年的替代燃料效應(yīng)一直為0 t，也正是日后發(fā)展的潛力所在。

表2 民航運(yùn)輸碳排放影響因素效應(yīng)分解

表3 民航運(yùn)輸碳排放影響因素效應(yīng)貢獻(xiàn)

2.2 民航運(yùn)輸碳排放解耦分析

表4 民航運(yùn)輸碳排放和運(yùn)輸收入解耦狀態(tài)分析

表5 民航運(yùn)輸碳排放和運(yùn)輸周轉(zhuǎn)量解耦狀態(tài)分析

由以上分析可知，中國民航運(yùn)輸碳排放和運(yùn)輸收入、運(yùn)輸周轉(zhuǎn)量的解耦狀態(tài)不理想，至今尚未穩(wěn)定出現(xiàn)良性解耦狀態(tài)。這一態(tài)勢十分嚴(yán)峻，不能長期以犧牲環(huán)境作為代價發(fā)展民航運(yùn)輸業(yè)，需盡快找到解決辦法。

2.3 民航運(yùn)輸碳排放峰值預(yù)測

2.3.1 多元線性回歸結(jié)果及檢驗

利用SPSS軟件得出lnC、lnT、lnQ、lnR和lnE之間的相關(guān)系數(shù)均為0.970～1.000，表明各變量之間相關(guān)性顯著，且可能存在多重共線性關(guān)系。對以上變量進(jìn)行多重共線性診斷，結(jié)果顯示，各變量的方差膨脹系數(shù)(VIF)均遠(yuǎn)超過10，變量間存在嚴(yán)重的多重共線性，所以采用嶺回歸法消除多重共線性。

通過分析得出，當(dāng)嶺參數(shù)(k)為0.3時，4個自變量嶺跡逐漸趨于穩(wěn)定，故取k=0.3。在此情況下，該模型的相關(guān)系數(shù)為0.990，意味著運(yùn)輸收入、總運(yùn)輸量、總運(yùn)輸周轉(zhuǎn)量、航空燃油消耗量可以解釋民航運(yùn)輸碳排放量99.0%的變化原因。

對嶺回歸模型進(jìn)行ANOVA檢驗，計算結(jié)果表明，檢驗統(tǒng)計量F=75.917，其對應(yīng)的顯著性系數(shù)p=0.002<0.05，所以該模型有意義。嶺回歸分析結(jié)果中各變量的p均小于0.01，說明各自變量均會對因變量碳排放量產(chǎn)生顯著的正向影響關(guān)系。由此得到多元線性回歸模型，見式(9)。

lnC=-1.433+0.264lnT+0.262lnQ+0.235lnR+0.251lnE

(9)

為驗證模型準(zhǔn)確性，運(yùn)用式(9)計算得到2012—2019年民航運(yùn)輸碳排放量預(yù)測值，與實際值進(jìn)行比較，結(jié)果見圖1。2012—2019年的碳排放量預(yù)測值與實際值誤差較小，均為-5%～5%，模型擬合效果較好，可用于后期預(yù)測。

圖1 2012—2019年民航運(yùn)輸碳排放量預(yù)測值與實際值對比

2.3.2 不同情景下的碳排放量預(yù)測

考慮到未來30年中國民航運(yùn)輸收入、運(yùn)輸量、運(yùn)輸周轉(zhuǎn)量和航空燃油消耗量的增長以及生物燃油的發(fā)展和替換，設(shè)置6種情景，詳細(xì)參數(shù)見表6。其中，基準(zhǔn)情景指各影響因素增長平緩的情景；發(fā)展情景指各影響因素增長較基準(zhǔn)情景更快的情景；遠(yuǎn)距情景指增加遠(yuǎn)距離運(yùn)輸占總運(yùn)輸?shù)谋壤那榫?；?jié)能情景指提升能源效率，即每噸公里能耗降低的情景；淺綠情景指在遠(yuǎn)距且節(jié)能情景基礎(chǔ)上，生物燃油緩慢發(fā)展并替換傳統(tǒng)煤油的情景；深綠情景指在淺綠情景基礎(chǔ)上，生物燃油發(fā)展速度更快，以更大比例替換傳統(tǒng)煤油的情景。

表6 各情景參數(shù)設(shè)置1)

運(yùn)用改進(jìn)后的STIRPAT模型對未來民航運(yùn)輸碳排放量進(jìn)行預(yù)測，結(jié)果見圖2。遠(yuǎn)距和節(jié)能情景的碳排放量較基準(zhǔn)情景有所下降，說明增加遠(yuǎn)距離運(yùn)輸比重和提升能源效率是減排的有效措施，但并不能促使碳排放量在2050年前出現(xiàn)峰值，只有深綠情景在2045年可以達(dá)到峰值，這與國家2030年碳達(dá)峰的要求依舊相差甚遠(yuǎn)，所以建議基于深綠情景增加購買碳匯的方式，盡可能提前民航運(yùn)輸碳達(dá)峰的時間。

圖2 不同情景下的2021—2050年碳排放量預(yù)測

2.3.3 碳匯方案對碳達(dá)峰的影響

中國碳匯容量不斷增長，2013年結(jié)束的第八次森林清查數(shù)據(jù)顯示，中國森林蓄積量為1.513 7×1010m3，較第一次清查的8.556×109m3增加了76.9%。森林每生長1 m3木材，可吸收1.83 t二氧化碳[9]。所以，民航運(yùn)輸業(yè)可通過適量購買碳匯的方式提前實現(xiàn)行業(yè)碳達(dá)峰。

2021年兩會期間提出民航運(yùn)輸業(yè)要統(tǒng)籌碳市場機(jī)制，推進(jìn)民航運(yùn)輸業(yè)碳市場建設(shè)。以“實現(xiàn)2030年民航運(yùn)輸業(yè)碳達(dá)峰”的結(jié)果為導(dǎo)向(即從2030年后碳排放量曲線保持平緩或下降)設(shè)置4種碳匯方案進(jìn)行對比分析：碳匯方案1、2在預(yù)測期間購買碳匯總量相同，但分別從2030、2021年開始購買，以驗證購買碳匯起始時間是否能影響碳達(dá)峰狀態(tài)；碳匯方案3、4與碳匯方案2相比，購買的碳匯總量依次遞增，以驗證碳匯購買量和碳達(dá)峰之間的關(guān)系(碳匯方案的每年具體數(shù)值設(shè)置可有較多種方案，在此舉例設(shè)置4種碳匯方案)。4種碳匯方案每年新購買的森林蓄積量見圖3。

圖3 4種碳匯方案每年新購買的森林蓄積量

基于深綠情景的4種碳匯方案下2021—2050年碳排放量預(yù)測見圖4。4種碳匯方案均可將民航運(yùn)輸碳達(dá)峰的年份提前至2030年，但達(dá)峰狀態(tài)不同。

結(jié)合圖3、圖4和表7，比較碳匯方案1、2，預(yù)測期間新增碳匯購買量一定的情況下提早開始購買碳匯可降低碳排放峰值；碳匯方案2、3、4在預(yù)測期間購買新增碳匯森林蓄積量依次遞增，碳排放凈增長量、碳排放峰值和2050年碳排放量依次遞減。所以，從長遠(yuǎn)考慮，在實現(xiàn)碳達(dá)峰的過程中購買更多的碳匯有利于減輕未來實現(xiàn)碳中和時面臨的壓力。

圖4 基于深綠情景的4種碳匯方案下2021—2050年碳排放量預(yù)測

表7 4種碳匯方案的比較

3 結(jié) 語

中國近年來民航運(yùn)輸碳排放與運(yùn)輸收入、運(yùn)輸周轉(zhuǎn)量之間的耦合關(guān)系嚴(yán)重，解耦狀態(tài)不樂觀；在提升能源效率、增加遠(yuǎn)距離運(yùn)輸比重和生物燃油快速發(fā)展的情況下民航運(yùn)輸業(yè)可于2045年碳達(dá)峰；如果考慮通過購買碳匯的方式保護(hù)環(huán)境，則可推動民航運(yùn)輸業(yè)于2030年實現(xiàn)碳達(dá)峰。

中國民航運(yùn)輸業(yè)現(xiàn)階段依舊在以犧牲環(huán)境為代價謀求發(fā)展，形勢較嚴(yán)峻。要盡快實現(xiàn)民航運(yùn)輸?shù)木G色節(jié)能發(fā)展，就要采取提高能源效率、優(yōu)化民航運(yùn)輸結(jié)構(gòu)和加大生物燃油技術(shù)研發(fā)力度等方式。此外，在實現(xiàn)碳達(dá)峰的過程中，提早購買碳匯可優(yōu)化達(dá)峰狀態(tài)，而且購買盡可能多的碳匯可減輕未來實現(xiàn)碳中和時面臨的壓力。