吳偉業(yè) 高小龍 班遠(yuǎn)沖*，3 吳鋒 朱娟，3 賈振宇

［1.深圳市環(huán)境科學(xué)研究院，廣東 深圳 518000；2.深圳市景泰榮環(huán)?？萍加邢薰?，廣東 深圳 518000；3.深港產(chǎn)學(xué)研基地（北京大學(xué)香港科技大學(xué)深圳研修院），廣東 深圳 518000］

1 引言

交通運(yùn)輸業(yè)是經(jīng)濟(jì)社會(huì)發(fā)展的支柱性產(chǎn)業(yè)，具有連接社會(huì)生產(chǎn)生活、刺激社會(huì)經(jīng)濟(jì)活動(dòng)的重要作用。隨著我國(guó)經(jīng)濟(jì)的高速發(fā)展，交通運(yùn)輸業(yè)蓬勃發(fā)展，但能源消耗劇增、環(huán)境負(fù)荷過重等問題也隨之而來。在我國(guó)六大行業(yè)中，交通運(yùn)輸業(yè)是石油消耗最快、碳排放增速最快的行業(yè)［1］，現(xiàn)已成為我國(guó)第二大碳排放行業(yè)，僅次于工業(yè)［2］。推動(dòng)實(shí)現(xiàn)交通運(yùn)輸業(yè)減排降碳已成為構(gòu)建生態(tài)文明體系、實(shí)現(xiàn)“雙碳”目標(biāo)的重要一步。同時(shí)，在當(dāng)前復(fù)雜多變的國(guó)際形勢(shì)下，如何在國(guó)際碳市場(chǎng)及新能源競(jìng)爭(zhēng)中保有優(yōu)勢(shì)對(duì)我國(guó)經(jīng)濟(jì)發(fā)展至關(guān)重要，而交通運(yùn)輸業(yè)作為新能源競(jìng)爭(zhēng)中的先行者，勢(shì)必在新一輪國(guó)際能源競(jìng)爭(zhēng)中起到關(guān)鍵作用。因此，探明交通運(yùn)輸業(yè)碳排放情況，推動(dòng)實(shí)現(xiàn)經(jīng)濟(jì)社會(huì)全面綠色轉(zhuǎn)型已勢(shì)在必行。

目前，有關(guān)交通運(yùn)輸業(yè)碳排放的研究大多集中于碳排放核算［3-4］、碳排放預(yù)測(cè)［5-6］、不同運(yùn)輸方式下能源消耗及碳排放強(qiáng)度比較［7-8］、碳排放因素分解［9-10］等方面。國(guó)內(nèi)有關(guān)交通運(yùn)輸業(yè)碳排放的研究起步較晚，且分布不均，相關(guān)研究大多集中于京津冀［11-12］、長(zhǎng)江經(jīng)濟(jì)帶［2，13-14］等區(qū)域，研究基礎(chǔ)仍相對(duì)薄弱［15］。2010 年以后，國(guó)內(nèi)有關(guān)交通運(yùn)輸業(yè)碳排放的研究才逐漸興起，學(xué)者們以全國(guó)尺度及多區(qū)域范圍進(jìn)行了大量研究，但目前仍未形成統(tǒng)一的碳排放核算及溯源分析體系，部分區(qū)域相關(guān)研究仍處于空白狀態(tài)，如何準(zhǔn)確測(cè)定交通運(yùn)輸業(yè)碳排量并確定其影響因素，依舊是當(dāng)前區(qū)域碳排放研究的重點(diǎn)內(nèi)容。

廣東省作為我國(guó)經(jīng)濟(jì)大省，其GDP 連續(xù)多年排名全國(guó)第一，交通運(yùn)輸業(yè)作為其經(jīng)濟(jì)發(fā)展的重要基石，是維持廣東經(jīng)濟(jì)長(zhǎng)效發(fā)展的重要保障，但同時(shí)也成為碳排放的主要源頭之一。據(jù)統(tǒng)計(jì)，2000—2015年廣東省交通運(yùn)輸業(yè)碳排量占全國(guó)交通運(yùn)輸業(yè)碳排量的9.5%，是全國(guó)交通運(yùn)輸業(yè)碳排量最高的省份［16-17］。明確廣東省交通運(yùn)輸業(yè)碳排放情況，探明影響碳排量的主要驅(qū)動(dòng)因素，對(duì)推動(dòng)實(shí)現(xiàn)廣東省以及全國(guó)減排降碳，加快推進(jìn)構(gòu)建新能源交通運(yùn)輸體系具有重要意義。因此，本文通過2013—2020 年廣東省交通運(yùn)輸業(yè)能源消費(fèi)數(shù)據(jù)，對(duì)樣本期內(nèi)廣東省交通運(yùn)輸業(yè)碳排量進(jìn)行測(cè)算，結(jié)合區(qū)域GDP、人口、森林面積等數(shù)據(jù)，基于LMDI 分解模型對(duì)廣東省交通運(yùn)輸業(yè)碳排放影響因素進(jìn)行分析，探討了廣東省交通運(yùn)輸業(yè)碳排放發(fā)展態(tài)勢(shì)和驅(qū)動(dòng)因素，以期為加快推進(jìn)廣東省交通運(yùn)輸業(yè)全面綠色轉(zhuǎn)型，建立綠色低碳發(fā)展模式提供數(shù)據(jù)支持。

2 研究方法與數(shù)據(jù)分析

2.1 碳排放核算方法

本文借鑒IPCC 提供的碳排放測(cè)算方法，采用“自上而下”的碳排放系數(shù)計(jì)算法則對(duì)廣東省交通運(yùn)輸業(yè)碳排放量進(jìn)行計(jì)算［14］，通過對(duì)廣東省交通運(yùn)輸業(yè)使用的燃料進(jìn)行分類，計(jì)算燃料消耗量與碳排放系數(shù)的乘積，進(jìn)而得到交通運(yùn)輸業(yè)碳排放量。公式如下：

式中，C 表示交通運(yùn)輸業(yè)消耗的碳排放總量；Ci表示第i 種能源的碳排放量，其中i 表示能源種類；Ni表示第i 種能源消費(fèi)量；Si表示第i 類能源標(biāo)準(zhǔn)煤折算系數(shù)；fi表示第i 類能源的碳排放系數(shù)。

依據(jù)地區(qū)能源平衡表（實(shí)物量）中交通運(yùn)輸業(yè)耗能統(tǒng)計(jì)情況，參考劉妍慧等［14］、閆樹熙等［18］測(cè)算交通運(yùn)輸業(yè)碳排放量時(shí)采用的能源消費(fèi)種類，選取原煤、汽油、煤油、柴油、燃料油、液化石油氣、天然氣和電力這8 類能源進(jìn)行廣東省交通運(yùn)輸業(yè)碳排放總量測(cè)算（見表1）。同時(shí)，根據(jù)國(guó)內(nèi)能源核算分類常用方法，將交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)統(tǒng)一作為交通運(yùn)輸業(yè)能耗進(jìn)行計(jì)算［19］。考慮到碳排放過程及能源實(shí)際使用情況，忽略熱力和潤(rùn)滑油在交通運(yùn)輸業(yè)碳排放中的測(cè)算。

表1 能源折算標(biāo)準(zhǔn)煤參考系數(shù)與碳排放系數(shù)

2.2 碳排放因素分解模型

常用的碳排放因素分解模型有指數(shù)分解分析（IDA）和結(jié)構(gòu)分解分析（SDA）兩種［20］，其中IDA 方法中的Laspeyres 和Divisia（LMDI）是最常用的兩種分解模式。由于LMDI 在滿足因素可逆的同時(shí)還可以消除殘差項(xiàng)［21］，所以本文選用LMDI 模型對(duì)廣東省交通運(yùn)輸業(yè)碳排放量進(jìn)行因素分解分析，以此確定影響廣東省交通運(yùn)輸業(yè)碳排放量的主要驅(qū)動(dòng)因素。

國(guó)內(nèi)主要以碳排放強(qiáng)度、能源結(jié)構(gòu)、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)產(chǎn)出、人口規(guī)模等因素分析碳排放驅(qū)動(dòng)因素［22］，本文結(jié)合廣東省交通運(yùn)輸業(yè)實(shí)際發(fā)展情況，同時(shí)考慮植被固碳等因素影響，參考王杰等［23］的研究，添加公共交通參與度、公共交通密度和土地利用結(jié)構(gòu)、植被覆蓋率4 個(gè)因素，將式（1）按乘法形式進(jìn)行如下分解：

式中，Cn表示第n 年的碳排放量；表示第i 種能源在第n 年的碳排放量；表示第i 種能源在第n 年的能源消耗量；En表示第n 年的能耗總量；Yn表示第n 年交通運(yùn)輸業(yè)的增加值；Gn表示第n 年的國(guó)內(nèi)生產(chǎn)總值；Pn表示第n 年的人口總量；Dn表示第n年的城市公共交通車輛標(biāo)準(zhǔn)運(yùn)營(yíng)數(shù)量；Hn表示研究區(qū)總面積；Vn表示第n 年的森林面積。

以2013 年數(shù)據(jù)為基數(shù)，假設(shè)2013 年廣東省交通運(yùn)輸業(yè)的碳排放總量為C0，則第n 年的碳排放變化量ΔC=Cn-C0，即ΔC 為廣東省交通運(yùn)輸業(yè)碳排放影響因素的總效應(yīng)值。根據(jù)LMDI 分解法，用x 表示10 種不同的驅(qū)動(dòng)因子，ΔCx可表達(dá)為：

式中，wi表示權(quán)重系數(shù)。設(shè)ΔCCI，ΔCEI，ΔCM，ΔCS，ΔCE，ΔCT，ΔCN，ΔCU，ΔCR，ΔCP分別表示碳排放強(qiáng)度、能源結(jié)構(gòu)、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)、公共交通參與度、公共交通飽和度、土地利用結(jié)構(gòu)、植被覆蓋和人口的效應(yīng)值，則ΔC 可用加法形式表示為：

由于碳排放系數(shù)為定值，所以碳排放強(qiáng)度ΔCCI的值為0。

2.3 數(shù)據(jù)來源及處理

本文使用的能源消耗、經(jīng)濟(jì)、人口等基礎(chǔ)數(shù)據(jù)全部來自歷年《中國(guó)能源統(tǒng)計(jì)年鑒》及《廣東統(tǒng)計(jì)年鑒》，所選交通運(yùn)輸業(yè)能源消耗均為《中國(guó)能源統(tǒng)計(jì)年鑒》地區(qū)能源平衡表（實(shí)物量）中交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)所消耗能源，由于2012 年及以前天然氣與液化石油氣數(shù)據(jù)缺失，因此統(tǒng)計(jì)研究了2013—2020 年能耗情況。能源折標(biāo)準(zhǔn)煤參考系數(shù)來自2021 年發(fā)布的《中國(guó)能源統(tǒng)計(jì)年鑒》，碳排放系數(shù)來自IPCC《國(guó)家溫室氣體排放清單指南》。另外，2017 年廣東省森林面積數(shù)據(jù)缺失，因此通過研究區(qū)總面積與森林覆蓋率計(jì)算而得。

3 結(jié)果分析

3.1 廣東省交通運(yùn)輸業(yè)碳排放量及變化趨勢(shì)分析

3.1.1 2013—2020 年廣東省交通運(yùn)輸業(yè)能源消耗情況

根據(jù)《中國(guó)能源統(tǒng)計(jì)年鑒》廣東省能源平衡表（實(shí)物量）具體數(shù)值，統(tǒng)計(jì)2013—2020 年間廣東省交通運(yùn)輸業(yè)耗能情況（2012 年及以前液化石油氣和天然氣數(shù)據(jù)缺失），見表2。交通運(yùn)輸業(yè)能耗主要集中在汽油、煤油、柴油、燃料油及電力方面，2013—2019年間各項(xiàng)能耗均呈上升趨勢(shì)，2020 年則較2019 年普遍降低。

表2 2013—2020 年廣東省交通運(yùn)輸業(yè)能源消耗情況

為統(tǒng)一反映不同能源消耗情況，根據(jù)表1 數(shù)據(jù)，將不同類型能耗統(tǒng)一折算為標(biāo)準(zhǔn)煤耗（見表3），8 年間柴油能耗最多，占到交通運(yùn)輸業(yè)總能耗的49.77%，其余依次為汽油、煤油、燃料油、電力、液化石油氣、天然氣及原煤，能耗占比分別為20.70%，12.97%，9.20%，3.93%，2.26%，1.07%及0.10%。

表3 2013—2020 年廣東省交通運(yùn)輸業(yè)能源消耗標(biāo)準(zhǔn)煤折算情況104 t

3.1.2 2013—2020 年廣東省交通運(yùn)輸業(yè)碳排放量

依據(jù)廣東省能源平衡表（實(shí)物量）中交通運(yùn)輸、倉(cāng)儲(chǔ)和郵政業(yè)能耗統(tǒng)計(jì)數(shù)據(jù)及公式（1），計(jì)算得出2013—2020 年廣東省交通運(yùn)輸業(yè)碳排放量，見圖1。由圖1 可知，除2020 年外，樣本期內(nèi)交通運(yùn)輸業(yè)碳排放量總體呈明顯上升趨勢(shì)，2017—2019 年上升趨勢(shì)減緩，到2020 年則出現(xiàn)斷崖式下跌現(xiàn)象，這可能是由于新冠疫情影響，全行業(yè)交通運(yùn)輸整體較2019 年大幅減少?？傮w來看，廣東省交通運(yùn)輸業(yè)碳排放量仍處于上升階段，同時(shí)疫情對(duì)交通運(yùn)輸業(yè)影響較大。

圖1 2013—2020 年廣東省交通運(yùn)輸業(yè)碳排放量

3.1.3 不同能源類型對(duì)碳排放量影響占比

根據(jù)2013—2020 年廣東省不同能源利用情況，計(jì)算得出各能源碳排放量占比，見表4。

表4 2013—2020 年廣東省交通運(yùn)輸業(yè)不同能源類型碳排放占比%

由表4 可以看出，樣本期內(nèi)汽油、煤油、柴油、燃料油及電力在交通運(yùn)輸業(yè)總碳排放中占到97.38%的比例，原煤、液化石油氣和天然氣僅占2.62%?？紤]到汽油、煤油、柴油、燃料油以及電力在交通運(yùn)輸業(yè)基礎(chǔ)能源中的主導(dǎo)地位，將這5 種能源整體進(jìn)行比較，見圖2。由圖2 可以看出，交通運(yùn)輸業(yè)碳排量柴油＞汽油＞電力＞煤油＞燃料油，除2020 年外，柴油碳排量逐年穩(wěn)定升高；汽油碳排量變幅較大，呈先增后減的趨勢(shì)；煤油和燃料油碳排量變化相對(duì)平穩(wěn)，2013—2020 年間變化不大；除2016 年外，電力在交通運(yùn)輸業(yè)中的碳排量持續(xù)增加，2020 年受疫情影響，較2019 年相對(duì)平穩(wěn)，2020 年電力產(chǎn)生的碳排量較2013 年增加了104%，而電力折合標(biāo)準(zhǔn)煤參考系數(shù)僅為0.123，可見隨著新能源汽車的崛起，電力在交通運(yùn)輸業(yè)中所占比例正在迅速增加。

圖2 2013—2020 年廣東省交通運(yùn)輸業(yè)主要能源碳排放情況

3.2 廣東省交通運(yùn)輸業(yè)碳排放影響因素分析

3.2.1 2014—2020 年廣東省交通運(yùn)輸業(yè)碳排放影響因素分解結(jié)果

基于LMDI 分解方法，以廣東省2013 年交通運(yùn)輸業(yè)及相關(guān)數(shù)據(jù)為基礎(chǔ)，對(duì)2014—2020 年廣東省交通運(yùn)輸業(yè)碳排放影響因素進(jìn)行分解，得到各因素產(chǎn)生的影響效應(yīng)，見表5。表5 中正值表示某一影響因素與碳排放量間呈正相關(guān)關(guān)系，負(fù)值表示負(fù)相關(guān)關(guān)系，且數(shù)值的絕對(duì)值越大表示形成這種影響關(guān)系的程度越大［14］。不同年份間能源結(jié)構(gòu)、能源強(qiáng)度及植被覆蓋均呈現(xiàn)負(fù)相關(guān)關(guān)系，即其絕對(duì)值越大，碳排量越少，Houda 等［24］通過LMDI 模型對(duì)突尼斯交通運(yùn)輸業(yè)碳排量的研究表明，提高能源強(qiáng)度可有效降低交通碳排放；劉妍慧等［14］對(duì)湖北省交通運(yùn)輸業(yè)碳排放的研究亦表明，能源結(jié)構(gòu)與能源強(qiáng)度對(duì)碳排放起抑制作用。經(jīng)濟(jì)和人口則均呈正相關(guān)關(guān)系，對(duì)碳排量起促進(jìn)作用。吳開亞等［20］對(duì)上海交通能源消費(fèi)碳排放的研究亦得出相似結(jié)論。由于基數(shù)年數(shù)值，產(chǎn)業(yè)結(jié)構(gòu)、公共交通參與度起初為正值，隨著交通運(yùn)輸業(yè)增加值與GDP 比值不斷降低以及公共交通車輛的增加（2013 年公共交通車輛數(shù)大于2014 年、2015 年），其效應(yīng)值才逐漸降低，并變?yōu)樨?fù)值。公共交通飽和度和土地利用結(jié)構(gòu)則由負(fù)值逐漸變?yōu)檎?，這是由于相對(duì)于基數(shù)年，公共交通車輛數(shù)量直到2016 年才大于2013 年，森林植被面積2013—2016 年逐漸增加，而2017—2020 年則出現(xiàn)下降趨勢(shì)。

表5 2014—2020 年廣東省交通運(yùn)輸業(yè)碳排放影響因素分解結(jié)果

3.2.2 各因素對(duì)廣東省交通運(yùn)輸業(yè)碳排放的影響分析

圖3 反映了不同因素對(duì)2014—2020 年廣東省交通運(yùn)輸業(yè)碳排放的貢獻(xiàn)率變化情況。由圖3 可以看出，經(jīng)濟(jì)發(fā)展對(duì)碳排放正向影響最大，其貢獻(xiàn)率在所有影響因素中也最大，區(qū)域碳排放隨人均GDP 的不斷增加，表現(xiàn)出明顯的正相關(guān)關(guān)系。由于基數(shù)年公共交通數(shù)較大，隨后又呈先減少后增大的趨勢(shì)變化，所以導(dǎo)致前期公共交通參與度對(duì)碳排放的正向貢獻(xiàn)率較大，后期則逐漸降為負(fù)值，因此增加公共交通車數(shù)量對(duì)碳減排影響較大。相較于公共交通參與度，公共交通飽和度表現(xiàn)出相反的貢獻(xiàn)效果，可見公共交通車輛數(shù)并非越多越好，應(yīng)隨人口變化適當(dāng)調(diào)整，保證公共交通參與度才是實(shí)現(xiàn)碳減排的有效措施。人口對(duì)交通運(yùn)輸業(yè)碳排放亦表現(xiàn)出明顯的正貢獻(xiàn)效果，說明隨著人口數(shù)量增長(zhǎng)，交通運(yùn)輸業(yè)碳排量也相應(yīng)增加。另外，能源強(qiáng)度與植被覆蓋對(duì)碳排放有明顯的負(fù)貢獻(xiàn)效果，其中能源強(qiáng)度貢獻(xiàn)效果最明顯，這是由于單位交通運(yùn)輸業(yè)增加值的能源消耗量越少，能源強(qiáng)度越大，說明能效最好，減排效果最優(yōu)。

圖3 2014—2020 年各因素對(duì)廣東省交通運(yùn)輸業(yè)碳排放的貢獻(xiàn)率

4 結(jié)論與建議

本文以廣東省為例，基于“自上而下”的碳排放量計(jì)算方法對(duì)交通運(yùn)輸業(yè)碳排放量進(jìn)行測(cè)算，并通過LMDI 分解模型分析了影響交通運(yùn)輸業(yè)碳排放的主要因素，并提出針對(duì)性建議：

2013—2020 年廣東省交通運(yùn)輸業(yè)能耗以柴油為主，占到總能耗的49.77%；2013—2019 年廣東省交通運(yùn)輸業(yè)碳排放量總體呈明顯上升趨勢(shì)，2020 年出現(xiàn)下跌?？傮w來看，除去疫情影響，樣本期內(nèi)廣東省交通運(yùn)輸業(yè)碳排量處于不斷上升趨勢(shì)，結(jié)合當(dāng)前經(jīng)濟(jì)發(fā)展?fàn)顩r及“雙碳”目標(biāo)建設(shè)成效，短期內(nèi)廣東省交通運(yùn)輸業(yè)碳排量仍將繼續(xù)升高。因此，加快建設(shè)新能源發(fā)展體系，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，減少化石能源消耗，提高電能、氫能等清潔能源在交通運(yùn)輸業(yè)中的比重是當(dāng)前亟須解決的問題，也是減少交通運(yùn)輸業(yè)碳排量的主要途徑。

2013—2020 年汽油、煤油、柴油、燃料油及電力在廣東省交通運(yùn)輸業(yè)總碳排放中占到97.38%的比例，其中柴油占比高達(dá)45.74%，化石能源占比達(dá)到86.49%。因此，加快普及新能源汽車及供給政策，加大新能源關(guān)鍵技術(shù)研發(fā)力度，加強(qiáng)全省清潔能源基礎(chǔ)設(shè)施建設(shè)，大力推廣電能、氫能替代，以此減少化石能源消耗，是盡快實(shí)現(xiàn)廣東省交通運(yùn)輸業(yè)“碳達(dá)峰”目標(biāo)的必要之舉。

經(jīng)濟(jì)和人口與交通運(yùn)輸業(yè)碳排量之間呈明顯的正相關(guān)關(guān)系，能源結(jié)構(gòu)、能源強(qiáng)度及植被覆蓋與碳排量則呈明顯負(fù)相關(guān)關(guān)系。首先，為優(yōu)化經(jīng)濟(jì)社會(huì)發(fā)展與碳排量之間的關(guān)系，應(yīng)提升綠色交通治理水平，基于大數(shù)據(jù)建立交通運(yùn)輸業(yè)智慧管理體系，制定科學(xué)的監(jiān)測(cè)網(wǎng)絡(luò)體系和排放清單；同時(shí)，加大宣傳綠色低碳理念，增強(qiáng)居民低碳出行意識(shí)。其次，需加強(qiáng)能源結(jié)構(gòu)優(yōu)化調(diào)整，提高能源利用效率（強(qiáng)度）與植被覆蓋度，持續(xù)增大能源結(jié)構(gòu)、能源強(qiáng)度及植被覆蓋對(duì)碳排量負(fù)效應(yīng)的貢獻(xiàn)度。