肖 紅,鄧梓浩,任艷娟, 任曉紅

(1. 重慶交通大學(xué) 經(jīng)濟(jì)與管理學(xué)院,重慶 400074; 2. 重慶航天職業(yè)技術(shù)學(xué)院 航空與旅游管理學(xué)院,重慶 400021)

0 引 言

根據(jù)國際能源署數(shù)據(jù),2020 年交通運(yùn)輸?shù)奶寂欧耪既蛱寂欧帕康?6%,且隨著社會(huì)經(jīng)濟(jì)發(fā)展,全球交通碳排放仍在持續(xù)增長。2019年中國交通運(yùn)輸業(yè)的碳排放量達(dá)到9.1×108t,占全國碳排放總量的9.17%,交通運(yùn)輸行業(yè)是能源消耗及碳排放三大行業(yè)之一, 是應(yīng)對氣候變化的重點(diǎn)領(lǐng)域。同時(shí), 作為國民經(jīng)濟(jì)發(fā)展的先導(dǎo)性和基礎(chǔ)性行業(yè), 交通運(yùn)輸行業(yè)在 2030 年前仍將保持快速發(fā)展態(tài)勢, 交通運(yùn)輸行業(yè)碳排放總量控制將是我國 2030 年碳排放達(dá)峰的重要影響因素[1]。

目前關(guān)于交通運(yùn)輸業(yè)低碳減排研究,主要集中于碳排放影響因素分析和碳排放量預(yù)測研究。

梳理已有文獻(xiàn)將交通運(yùn)輸系統(tǒng)低碳減排影響因素分為4大類:社會(huì)經(jīng)濟(jì)發(fā)展、交通運(yùn)輸系統(tǒng)、能源結(jié)構(gòu)及消費(fèi)和環(huán)境控制4大類。姚宇等[2]和徐雪藝[3]利用Kaya恒等式研究交通運(yùn)輸系統(tǒng)的低碳減排,考慮經(jīng)濟(jì)水平、產(chǎn)業(yè)結(jié)構(gòu)、周轉(zhuǎn)量、碳排放和碳稅等影響因素;鐘興菊等[4]和張琳翌[5]分別運(yùn)用IPAT和Laspeyres研究交通運(yùn)輸系統(tǒng)低碳減排,考慮經(jīng)濟(jì)水平、人口、產(chǎn)業(yè)結(jié)構(gòu)等因素;卞利花等[6]和陳亮等[7]運(yùn)用STIRPAT對經(jīng)濟(jì)水平、人口、城鎮(zhèn)(城市)化、周轉(zhuǎn)量等因素進(jìn)行分析;高標(biāo)等[8]運(yùn)用STIRPAT模型,揭示了人口總數(shù)、人均 GDP、單位 GDP 能耗、交通運(yùn)輸投資額、城市化率、私家車數(shù)量等因素進(jìn)行了分析;高標(biāo)等[8],G.R.TIMILSINA等[9],魏慶琦等[10]利用LMDI分析了經(jīng)濟(jì)水平、能源結(jié)構(gòu)、能源強(qiáng)度和碳排放等因素。

國內(nèi)外交通碳排放量預(yù)測研究方法。M.ICHINOHE等[11]利用MARKAL模型對日本汽車行業(yè)的二氧化碳排放進(jìn)行分析;H. LIIMATAINEN等[12]使用德爾菲法預(yù)測2030 年芬蘭公路貨運(yùn)碳排放情景;楊巖等[13]構(gòu)建基于系統(tǒng)動(dòng)力學(xué)(system dynamics,SD)的北京城市客運(yùn)交通能源消耗模型,模擬包含經(jīng)濟(jì)、人口、城市交通和交通能耗4個(gè)子系統(tǒng)。

考慮到交通運(yùn)輸?shù)吞紲p排系統(tǒng)是一個(gè)高階的動(dòng)態(tài)復(fù)雜系統(tǒng),與地區(qū)經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)發(fā)展、交通運(yùn)輸結(jié)構(gòu)等一系列因素都有著密不可分的聯(lián)系。系統(tǒng)動(dòng)力學(xué)正是擅長處理強(qiáng)非線性、高階次、多變量、多重反饋、復(fù)雜時(shí)變、周期性大系統(tǒng)問題的方法,重慶作為國家首批低碳經(jīng)濟(jì)發(fā)展試點(diǎn)城市之一,在積極承擔(dān)起節(jié)能減排的重任。

以重慶的交通運(yùn)輸系統(tǒng)為研究對象,在對交通運(yùn)輸系統(tǒng)與經(jīng)濟(jì)、能源和環(huán)境進(jìn)行相關(guān)關(guān)系分析的基礎(chǔ)上,構(gòu)建基于系統(tǒng)動(dòng)力學(xué)的交通運(yùn)輸碳排放預(yù)測模型,利用ARIMA模型進(jìn)行時(shí)間序列對模型的表函數(shù)預(yù)測,建立量化系統(tǒng)因素之間的關(guān)系;模擬不同發(fā)展模式下的碳排放特征以設(shè)定相應(yīng)的情景,對其能耗與碳排放進(jìn)行測算,從而找到最優(yōu)策略以減少交通運(yùn)輸能源消耗與碳排放。

1 交通運(yùn)輸?shù)吞紲p排系統(tǒng)分析

1.1 系統(tǒng)界限確定

通過研究運(yùn)輸子系統(tǒng)、經(jīng)濟(jì)子系統(tǒng)、能源子系統(tǒng)、環(huán)境子系統(tǒng)相互關(guān)系與反饋,以測算交通運(yùn)輸系統(tǒng)能耗和碳排放,如圖1。

圖1 交通運(yùn)輸碳排放預(yù)測系統(tǒng)結(jié)構(gòu)

1.2 模型假設(shè)

為了將現(xiàn)實(shí)系統(tǒng)簡單化和抽象化,做如下假設(shè):

1)交通系統(tǒng)與經(jīng)濟(jì)、能源與環(huán)境子系統(tǒng)關(guān)聯(lián)緊密,因此模型主要假設(shè)交通系統(tǒng)受經(jīng)濟(jì)、能源與環(huán)境3個(gè)子系統(tǒng)的影響[14]。

2)由于重慶管道運(yùn)輸周轉(zhuǎn)量低,且運(yùn)輸?shù)奈锲窙]有可替代性,筆者只考慮鐵路、公路、航空、水運(yùn)4種運(yùn)輸方式構(gòu)成的交通系統(tǒng)。

3)根據(jù)重慶市及我國的經(jīng)濟(jì)增長狀況,假設(shè)重慶市的經(jīng)濟(jì)增長、交通運(yùn)輸系統(tǒng)發(fā)展、能源消耗量和人口增長保持穩(wěn)定發(fā)展,各種能源價(jià)格和運(yùn)價(jià)維持穩(wěn)定。

4)統(tǒng)一運(yùn)輸子系統(tǒng)計(jì)量單位,將客運(yùn)周轉(zhuǎn)量按照一定的比例轉(zhuǎn)換為貨運(yùn)周轉(zhuǎn)量。

5)由于筆者選取的是自下而上的二氧化碳計(jì)算方式,能源子系統(tǒng)中能源消費(fèi)量指標(biāo)只計(jì)算移動(dòng)端,不計(jì)算設(shè)施設(shè)備等固定端的能源消耗[15]。

1.3 系統(tǒng)因果關(guān)系

基于1.2節(jié)中假設(shè),利用Vensim軟件對交通系統(tǒng)與經(jīng)濟(jì)、能源與環(huán)境子系統(tǒng)之間的因果關(guān)系和內(nèi)部邏輯結(jié)構(gòu)進(jìn)行分析,如圖2～圖4。

圖2 交通運(yùn)輸與經(jīng)濟(jì)子系統(tǒng)因果關(guān)系

其中主要反饋如下:

1)圖2是一個(gè)正反饋回路,社會(huì)經(jīng)濟(jì)的發(fā)展使得人均GDP不斷提升,人們在交通上的花費(fèi)增加,帶來出行需求和出行距離的增加,從而提高交通運(yùn)輸周轉(zhuǎn)量,帶來運(yùn)輸產(chǎn)值的增加,從而促進(jìn)經(jīng)濟(jì)發(fā)展。

2)圖3是一個(gè)正反饋回路,能源是為交通運(yùn)輸子系統(tǒng)提供各種動(dòng)力物資。交通運(yùn)輸產(chǎn)業(yè)的發(fā)展,造成能源消耗量增加,在能源價(jià)格的調(diào)控下使得能源成本呈上升趨勢,增加了交通運(yùn)輸業(yè)的產(chǎn)值。這就需要通過提高能源使用效率與節(jié)能技術(shù)來減少能耗。

圖3 交通運(yùn)輸與能源子系統(tǒng)因果關(guān)系

3)圖4是一個(gè)正反饋回路,依靠政府制定的減排政策如:交通運(yùn)輸環(huán)保投資來提高能源效率,從而約束交通運(yùn)輸業(yè)的排放行為,達(dá)到減排的目的。

圖4 交通運(yùn)輸與環(huán)境子系統(tǒng)因果關(guān)系

2 交通運(yùn)輸碳排放預(yù)測SD模型構(gòu)建

2.1 碳排放系統(tǒng)存量流量圖

基于1.2節(jié)假設(shè)和1.3節(jié)系統(tǒng)因果關(guān)系,構(gòu)建交通運(yùn)輸碳排放系統(tǒng)動(dòng)力學(xué)模型,碳排放系統(tǒng)存量流量圖如圖5。系統(tǒng)動(dòng)力學(xué)SD模型中時(shí)間間隔為年份的一組時(shí)間序列,稱之為表函數(shù)。在模型中,針對表函數(shù)引用ARIMA模型對其中GDP增長率、交通工具單位能耗進(jìn)行時(shí)間序列分析。

圖5 碳排放系統(tǒng)存量流量

2.2 模型主要參數(shù)說明

模型主要數(shù)據(jù)來源于《中國鐵道年鑒》、《重慶統(tǒng)計(jì)年鑒》、《中國機(jī)動(dòng)車污染防治年報(bào)》等、以及交通碳減排的相關(guān)文獻(xiàn)和權(quán)威網(wǎng)站等,主要參數(shù)說明如下。

2.2.1 GDP增長率

SD模型模擬時(shí)間為2000—2030年。差分整合移動(dòng)平均自回歸模型(autoregressive integrated moving average model,ARIMA)模型是一種計(jì)量經(jīng)濟(jì)模型,通過深度分析數(shù)據(jù)間歷史性因素的聯(lián)系,來預(yù)測數(shù)據(jù)演變,采取ARIMA預(yù)測GDP增長率。由于筆者考慮到交通運(yùn)輸產(chǎn)值對區(qū)域經(jīng)濟(jì)產(chǎn)生的影響,因此,GDP受到交通運(yùn)輸產(chǎn)值(TP)與經(jīng)濟(jì)增長量(GD)的雙重影響,模型中經(jīng)濟(jì)增長率需剔除原始數(shù)據(jù)中交通運(yùn)輸產(chǎn)值對其貢獻(xiàn):

(1)

筆者以《重慶統(tǒng)計(jì)年鑒2019》中的1950—2018年經(jīng)濟(jì)增長率剔除交通運(yùn)輸產(chǎn)值后的重慶市GDP增長率作為樣本數(shù)據(jù)(圖6),利用SPSS軟件進(jìn)行模擬計(jì)算。選取1950—2014年的經(jīng)濟(jì)增長率構(gòu)建ARIMA模型,并用統(tǒng)計(jì)年鑒2015—2018年的數(shù)據(jù)對模型進(jìn)行檢驗(yàn)與評價(jià)。

圖6 重慶GDP增長率(1950—2018)

利用SPSS軟件,為符合ARIMA模型要求,對季節(jié)性因素和平穩(wěn)性數(shù)據(jù)進(jìn)行分析,結(jié)果表明其受歷史因素影響大,無需對季節(jié)性分析,可通過改變差分進(jìn)行預(yù)測。根據(jù)SC準(zhǔn)則、AIC準(zhǔn)則、H-Q信息準(zhǔn)則判斷其最符合的模型為ARIMA(0,1,0)模型,預(yù)測結(jié)果如圖7。

圖7 模型預(yù)測結(jié)果(SPSS)

從圖7中可以看出,預(yù)測數(shù)據(jù)Observed與原始數(shù)據(jù)Fit存在一年錯(cuò)峰時(shí)間,除特殊年份的峰值波動(dòng)外的模型返回的模擬結(jié)果較好,將其所求結(jié)果帶入SD模型。

2.2.2 能源CO2排放系數(shù)

能源排放系數(shù)根據(jù)不同運(yùn)輸方式的能源消耗量和與其對應(yīng)的二氧化碳排放系數(shù)進(jìn)行計(jì)算。在計(jì)算中,由于煤炭在交通運(yùn)輸移動(dòng)端沒有使用量,因此不予考慮;各類能源二氧化碳排放系數(shù)如表1。電力在使用過程中不產(chǎn)生碳排放,計(jì)算如式(2):

表1 構(gòu)成二氧化碳排放系數(shù)的各類能源參數(shù)

(2)

2.2.3 能源消耗折算系數(shù)

由于不同能源的相關(guān)數(shù)據(jù)統(tǒng)計(jì)單位是不同的,不能進(jìn)行直接比較,因此需將按照標(biāo)準(zhǔn)煤折算系數(shù)轉(zhuǎn)換為以標(biāo)準(zhǔn)煤(SCE)為單位的數(shù)據(jù)。標(biāo)準(zhǔn)煤折算系數(shù)如表2。

表2 標(biāo)準(zhǔn)煤折算系數(shù)

2.2.4 新能源汽車單位能耗

新能源汽車的衡量指標(biāo),我國在2015年4月公布的《關(guān)于2016—2020年新能源汽車推廣應(yīng)用財(cái)政支持政策的通知》中,文中引入“噸百公里電耗”作為衡量標(biāo)準(zhǔn)。

2.2.5 天然氣船舶單位能耗

天然氣船舶的燃油能耗依據(jù)《中國船舶大氣污染物排放清單報(bào)名》,公式為:

Y=(?×Zk+Zh)×YZ/10 000 000

(3)

式中:Y為船舶燃油消耗量,104t; ?為客貨換算系數(shù);Zk為客運(yùn)周轉(zhuǎn)量,萬人/km;Zh為貨運(yùn)周轉(zhuǎn)量,104t/km;YZ為船舶消耗系數(shù),kg/104km。

以《重慶統(tǒng)計(jì)年鑒2018》中的數(shù)據(jù)進(jìn)行計(jì)算,將得到的結(jié)果進(jìn)行單位轉(zhuǎn)換后,除以客貨換算量,再通過燃料油與LNG熱值換算,天然氣船舶的單位能耗為0.038 04 104t/108t·km。

2.3 模型主要方程說明

2.3.1 客運(yùn)周轉(zhuǎn)量

利用SPSS軟件對整理后的數(shù)據(jù)進(jìn)行OLS回歸分析,得到變量之間的回歸方程。客運(yùn)周轉(zhuǎn)量(PT)回歸分析的結(jié)果如表3。

表3 OLS回歸分析結(jié)果

由表3可知,將PG(人均GDP)和PC(人均交通消費(fèi)量)作為因變量進(jìn)行線性回歸分析,得到模型公式如(4),其中10 000為單位換算。

PT=134.151+0.122×PC-0.009×PG×10 000

(4)

2.3.2 貨運(yùn)周轉(zhuǎn)量

利用Vensim軟件自帶的IF THEN ELSE函數(shù)來描述貨運(yùn)周轉(zhuǎn)量(FT)的總值,當(dāng)運(yùn)輸效率FI<1,說明供小于求;當(dāng)運(yùn)輸效率FI>1說明供大于求。貨運(yùn)需求量需減去供給缺口FG(交通運(yùn)輸基礎(chǔ)設(shè)施的供給能力增量TI×轉(zhuǎn)換系數(shù)TT),方程描述如式(5):

FT=FD-FG

(5)

2.3.3 二氧化碳排放增加量

二氧化碳排放增加量=內(nèi)燃機(jī)車能耗×內(nèi)燃機(jī)車排放系數(shù)+天然氣船能耗×天然氣船排放系數(shù)+天然氣車能耗×天然氣車排放系數(shù)+柴油車能耗×柴油車排放系數(shù)+汽油車能耗×汽油車排放系數(shù)+燃料油船能耗×燃料油船排放系數(shù)+電力機(jī)車能耗×電力機(jī)車排放系數(shù)+新能源汽車能耗×新能源汽車排放系數(shù)+航空能耗×航空排放系數(shù)

3 交通運(yùn)輸碳排放預(yù)測SD模型檢驗(yàn)

為了驗(yàn)證文中所建立的模型模擬結(jié)果的可靠性和有效性,需要對模型進(jìn)行檢驗(yàn)。筆者借助系統(tǒng)動(dòng)力學(xué)軟件Vensim進(jìn)行3個(gè)方面的檢驗(yàn)。

3.1 模型結(jié)構(gòu)適合性檢驗(yàn)

3.1.1 量綱一致性檢驗(yàn)

模型數(shù)據(jù)均來自于對歷史數(shù)據(jù)的整理與統(tǒng)計(jì),利用Vensim模擬,結(jié)果顯示模型通過了模型結(jié)構(gòu)檢驗(yàn)與單位檢驗(yàn)。

3.1.2 極端條件檢驗(yàn)

極端條件檢驗(yàn)的主要對象是速率方程,如對GDP速率方程檢驗(yàn),在僅有交通運(yùn)輸產(chǎn)值的作用下,當(dāng)GDP增長率(GR)為0時(shí),模擬的GDP曲線Test 1,增長幅度減緩,并不斷趨于平穩(wěn),模擬值與實(shí)際情況一致,因此模型通過極端條件檢驗(yàn)。模擬結(jié)果如圖8。

圖8 模型極端條件檢驗(yàn)

3.2 模型行為適合性檢驗(yàn)

文中對參數(shù)靈敏度測試是將交通消費(fèi)比重(TC)分別提高10%(Test 2)及20%(Test 3),以觀察客運(yùn)周轉(zhuǎn)量(PT)的變化,模擬結(jié)果如圖9。結(jié)果顯示:隨著TC不斷增加,PT呈現(xiàn)遞增的趨勢,數(shù)據(jù)趨勢平緩。因此,模型通過靈敏度檢驗(yàn)。

圖9 PT參數(shù)靈敏度檢驗(yàn)

3.3 模型實(shí)際一致性檢驗(yàn)

由于交通運(yùn)輸業(yè)的二氧化碳排放量數(shù)據(jù),重慶市沒有官方的數(shù)據(jù)口徑統(tǒng)計(jì),在模型數(shù)據(jù)檢驗(yàn)這里選擇3個(gè)指標(biāo)即:人口(CQ)、國民生產(chǎn)總值(GD)、能源消耗量(EC)進(jìn)行一致性對比,對比結(jié)果如表4。除個(gè)別年份外,2000—2018年重慶市這3個(gè)指標(biāo)數(shù)據(jù)誤差值均在合理范圍內(nèi):重慶市總?cè)丝诘哪M值誤差在4%以內(nèi),重慶市GDP模擬值的誤差在5%～7%,重慶能源消耗總量的模擬值誤差在10%以內(nèi),模型的模擬結(jié)果與實(shí)際的結(jié)果擬合程度較高,因此,模型通過數(shù)據(jù)檢驗(yàn)。

表4 GD與CQ模擬結(jié)果

4 碳減排模擬策略分析

2017年1月,國務(wù)院發(fā)布《“十三五”節(jié)能減排綜合工作方案》,指出交通運(yùn)輸業(yè)低碳減排方案包括交通運(yùn)輸結(jié)構(gòu)改革、優(yōu)化產(chǎn)業(yè)與能源結(jié)構(gòu)、節(jié)能減排技術(shù)支撐等。將這三方面分別進(jìn)行策略模擬分析,以確定不同減排方案的減排效果。

4.1 優(yōu)化產(chǎn)業(yè)與能源結(jié)構(gòu)

產(chǎn)業(yè)結(jié)構(gòu)方面。考慮到2017—2020年重慶市第三產(chǎn)業(yè)占GDP的比重發(fā)展趨勢,可以看出:重慶市第三產(chǎn)業(yè)的比重應(yīng)該有很大的上升空間,所以分別將重慶市第三產(chǎn)業(yè)比重提升5%(情景1)和10%(情景2),計(jì)算結(jié)果如圖10,說明產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整比例,能夠起到碳減排的作用。

圖10 產(chǎn)業(yè)結(jié)構(gòu)調(diào)整模擬結(jié)果

能源結(jié)構(gòu)方面。根據(jù)國務(wù)院2020年10月頒布《新能源汽車產(chǎn)業(yè)發(fā)展規(guī)劃(2021—2035年)》,規(guī)劃指出到2025年,新能源汽車新車銷售量達(dá)到汽車新車銷售總量的20%左右;到2035年,純電動(dòng)汽車成為新銷售車輛的主流。設(shè)置情景如下:情景3:柴油車比重降低5%,電力機(jī)車比重上升5%,汽油車比重降低10%;情景4在情景3基礎(chǔ)上降低燃料油船的比重15%;情景5在情景4的基礎(chǔ)上將燃料油船的比重再降低10%,汽油車和柴油車的比重再降低5%,結(jié)果如圖11。對比情景3和情景4,僅通過降低燃料油船的比重和增加LNG船舶的比重,帶來的減排率達(dá)到1.170%,因此通過推動(dòng)清潔能源在交通領(lǐng)域的應(yīng)用,是后續(xù)策略模擬研究的重點(diǎn)。

圖11 能源結(jié)構(gòu)調(diào)整模擬結(jié)果

4.2 交通運(yùn)輸結(jié)構(gòu)改革

貨運(yùn)方面:依據(jù)《重慶市推進(jìn)運(yùn)輸結(jié)構(gòu)調(diào)整三年行動(dòng)實(shí)施方案(2018—2020年)》以及我國的“一帶一路”戰(zhàn)略、重慶渝新歐鐵路建設(shè)和西部陸海新通道的建設(shè)和完善,將導(dǎo)致重慶市公路運(yùn)輸?shù)谋戎叵陆?鐵路和水運(yùn)的比重將上升。設(shè)置情景如下:情景6貨運(yùn)方面上升鐵路比重3%,上升水運(yùn)比重2%,降低公路比重5%?？瓦\(yùn)方面:根據(jù)《重慶鐵路樞紐規(guī)劃(2016—2030年)》,到2030年,重慶主城將形成重慶北站、重慶西站、重慶東站、重慶站四大客運(yùn)站,銜接18條干線鐵路的特大型鐵路樞紐。因此,重慶市將大大提高鐵路的比重?？瓦\(yùn)方面上升鐵路比重3%,降低公路比重5%,提高航空比重2%。情景7調(diào)整客運(yùn)方面公路比重降低、鐵路比重增加一倍,貨運(yùn)方面上升鐵路比重6%,上升水運(yùn)比重4%,降低公路比重10%。客運(yùn)方面上升鐵路比重6%,降低公路比重10%,航空比重調(diào)整至3%。

由圖12可見調(diào)整公路比重帶來的結(jié)果較為顯著。

圖12 交通運(yùn)輸結(jié)構(gòu)調(diào)整模擬結(jié)果

4.3 節(jié)能減排技術(shù)

節(jié)能減排技術(shù)主要從能源強(qiáng)度和排放強(qiáng)度兩方面著手。基于此設(shè)立情景:情景8降低航空單耗10%,情景9在情景8的基礎(chǔ)上分別降低汽油車和柴油車單耗10%,情景10在情景9的基礎(chǔ)上考慮降低內(nèi)燃機(jī)車單耗10%,情景11在情景10的基礎(chǔ)上增加5%。計(jì)算結(jié)果如圖13,比較情景8和情景9發(fā)現(xiàn)降低公路單位能耗,可帶來節(jié)能率和減排率的迅速提升,效果顯著。比較情景10和情景11,發(fā)現(xiàn)節(jié)能減排邊際效率遞減。由于鐵路運(yùn)輸中內(nèi)燃機(jī)車運(yùn)輸比重較低,情景10的模擬效果不甚明顯。需要從調(diào)整柴油和汽油的能源強(qiáng)度入手,在實(shí)際中通過促進(jìn)研發(fā)汽柴油運(yùn)輸工具和創(chuàng)新發(fā)動(dòng)機(jī)技術(shù)等方面來提高產(chǎn)品能效。

圖13 能源強(qiáng)度調(diào)整模擬結(jié)果

排放強(qiáng)度方面基于目前能源消耗量比重最大的是汽油,其次是燃料油、煤油、柴油,設(shè)置情景如下:情景12降低柴油排放系數(shù)10%;情景13在情景12的基礎(chǔ)上降低煤油10%;情景14在情景13的基礎(chǔ)上降低燃料油10%;情景15在情景14的基礎(chǔ)上降低汽油10%,模擬結(jié)果如圖14。調(diào)整汽油排放系數(shù)后,碳排放量可以大幅度降低。

圖14 排放強(qiáng)度調(diào)整模擬結(jié)果

基于上述分析,節(jié)能減排效果的強(qiáng)弱排序?yàn)?產(chǎn)業(yè)結(jié)構(gòu)調(diào)整>排放強(qiáng)度調(diào)整>能源結(jié)構(gòu)調(diào)整>運(yùn)輸結(jié)構(gòu)調(diào)整>能源消耗強(qiáng)度。

5 結(jié) 論

得到的主要結(jié)論如下:

1)利用ARIMA模型對模型的表函數(shù)進(jìn)行時(shí)間序列預(yù)測,可以提高模型參數(shù)的準(zhǔn)確性。

2)以2000—2018年重慶市的相關(guān)數(shù)據(jù)為基礎(chǔ),構(gòu)建基于經(jīng)濟(jì)子系統(tǒng)、運(yùn)輸子系統(tǒng)、能源子系統(tǒng)和環(huán)境子系統(tǒng)的碳排放系統(tǒng)預(yù)測模型,并對具體的碳排放策略進(jìn)行場景設(shè)計(jì)。從優(yōu)化產(chǎn)業(yè)與能源結(jié)構(gòu)、交通運(yùn)輸結(jié)構(gòu)改革、節(jié)能減排技術(shù)支撐等3個(gè)方面策略綜合模擬分析,得出節(jié)能減排效果強(qiáng)弱排序?yàn)?產(chǎn)業(yè)結(jié)構(gòu)調(diào)整>排放強(qiáng)度調(diào)整>能源結(jié)構(gòu)調(diào)整>運(yùn)輸結(jié)構(gòu)調(diào)整>能源消耗強(qiáng)度。

3)降低重慶的碳排放可以采用優(yōu)化產(chǎn)業(yè)與能源結(jié)構(gòu)、交通運(yùn)輸結(jié)構(gòu)改革及使用節(jié)能減排技術(shù)等方面綜合調(diào)整途徑入手。