广东省交通运输业碳排放测算与驱动因素分析

吴伟业 高小龙 班远冲*，3 吴锋 朱娟，3 贾振宇

［1.深圳市环境科学研究院，广东 深圳 518000；2.深圳市景泰荣环保科技有限公司，广东 深圳 518000；3.深港产学研基地（北京大学香港科技大学深圳研修院），广东 深圳 518000］

1 引言

交通运输业是经济社会发展的支柱性产业，具有连接社会生产生活、刺激社会经济活动的重要作用。随着我国经济的高速发展，交通运输业蓬勃发展，但能源消耗剧增、环境负荷过重等问题也随之而来。在我国六大行业中，交通运输业是石油消耗最快、碳排放增速最快的行业［1］，现已成为我国第二大碳排放行业，仅次于工业［2］。推动实现交通运输业减排降碳已成为构建生态文明体系、实现“双碳”目标的重要一步。同时，在当前复杂多变的国际形势下，如何在国际碳市场及新能源竞争中保有优势对我国经济发展至关重要，而交通运输业作为新能源竞争中的先行者，势必在新一轮国际能源竞争中起到关键作用。因此，探明交通运输业碳排放情况，推动实现经济社会全面绿色转型已势在必行。

目前，有关交通运输业碳排放的研究大多集中于碳排放核算［3-4］、碳排放预测［5-6］、不同运输方式下能源消耗及碳排放强度比较［7-8］、碳排放因素分解［9-10］等方面。国内有关交通运输业碳排放的研究起步较晚，且分布不均，相关研究大多集中于京津冀［11-12］、长江经济带［2，13-14］等区域，研究基础仍相对薄弱［15］。2010 年以后，国内有关交通运输业碳排放的研究才逐渐兴起，学者们以全国尺度及多区域范围进行了大量研究，但目前仍未形成统一的碳排放核算及溯源分析体系，部分区域相关研究仍处于空白状态，如何准确测定交通运输业碳排量并确定其影响因素，依旧是当前区域碳排放研究的重点内容。

广东省作为我国经济大省，其GDP 连续多年排名全国第一，交通运输业作为其经济发展的重要基石，是维持广东经济长效发展的重要保障，但同时也成为碳排放的主要源头之一。据统计，2000—2015年广东省交通运输业碳排量占全国交通运输业碳排量的9.5%，是全国交通运输业碳排量最高的省份［16-17］。明确广东省交通运输业碳排放情况，探明影响碳排量的主要驱动因素，对推动实现广东省以及全国减排降碳，加快推进构建新能源交通运输体系具有重要意义。因此，本文通过2013—2020 年广东省交通运输业能源消费数据，对样本期内广东省交通运输业碳排量进行测算，结合区域GDP、人口、森林面积等数据，基于LMDI 分解模型对广东省交通运输业碳排放影响因素进行分析，探讨了广东省交通运输业碳排放发展态势和驱动因素，以期为加快推进广东省交通运输业全面绿色转型，建立绿色低碳发展模式提供数据支持。

2 研究方法与数据分析

2.1 碳排放核算方法

本文借鉴IPCC 提供的碳排放测算方法，采用“自上而下”的碳排放系数计算法则对广东省交通运输业碳排放量进行计算［14］，通过对广东省交通运输业使用的燃料进行分类，计算燃料消耗量与碳排放系数的乘积，进而得到交通运输业碳排放量。公式如下：

式中，C 表示交通运输业消耗的碳排放总量；Ci表示第i 种能源的碳排放量，其中i 表示能源种类；Ni表示第i 种能源消费量；Si表示第i 类能源标准煤折算系数；fi表示第i 类能源的碳排放系数。

依据地区能源平衡表（实物量）中交通运输业耗能统计情况，参考刘妍慧等［14］、闫树熙等［18］测算交通运输业碳排放量时采用的能源消费种类，选取原煤、汽油、煤油、柴油、燃料油、液化石油气、天然气和电力这8 类能源进行广东省交通运输业碳排放总量测算（见表1）。同时，根据国内能源核算分类常用方法，将交通运输、仓储和邮政业统一作为交通运输业能耗进行计算［19］。考虑到碳排放过程及能源实际使用情况，忽略热力和润滑油在交通运输业碳排放中的测算。

表1 能源折算标准煤参考系数与碳排放系数

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数分解分析（IDA）和结构分解分析（SDA）两种［20］，其中IDA 方法中的Laspeyres 和Divisia（LMDI）是最常用的两种分解模式。由于LMDI 在满足因素可逆的同时还可以消除残差项［21］，所以本文选用LMDI 模型对广东省交通运输业碳排放量进行因素分解分析，以此确定影响广东省交通运输业碳排放量的主要驱动因素。

国内主要以碳排放强度、能源结构、能源强度、产业结构、经济产出、人口规模等因素分析碳排放驱动因素［22］，本文结合广东省交通运输业实际发展情况，同时考虑植被固碳等因素影响，参考王杰等［23］的研究，添加公共交通参与度、公共交通密度和土地利用结构、植被覆盖率4 个因素，将式（1）按乘法形式进行如下分解：

式中，Cn表示第n 年的碳排放量；表示第i 种能源在第n 年的碳排放量；表示第i 种能源在第n 年的能源消耗量；En表示第n 年的能耗总量；Yn表示第n 年交通运输业的增加值；Gn表示第n 年的国内生产总值；Pn表示第n 年的人口总量；Dn表示第n年的城市公共交通车辆标准运营数量；Hn表示研究区总面积；Vn表示第n 年的森林面积。

以2013 年数据为基数，假设2013 年广东省交通运输业的碳排放总量为C0，则第n 年的碳排放变化量ΔC=Cn-C0，即ΔC 为广东省交通运输业碳排放影响因素的总效应值。根据LMDI 分解法，用x 表示10 种不同的驱动因子，ΔCx可表达为：

式中，wi表示权重系数。设ΔCCI，ΔCEI，ΔCM，ΔCS，ΔCE，ΔCT，ΔCN，ΔCU，ΔCR，ΔCP分别表示碳排放强度、能源结构、能源强度、产业结构、经济、公共交通参与度、公共交通饱和度、土地利用结构、植被覆盖和人口的效应值，则ΔC 可用加法形式表示为：

由于碳排放系数为定值，所以碳排放强度ΔCCI的值为0。

2.3 数据来源及处理

本文使用的能源消耗、经济、人口等基础数据全部来自历年《中国能源统计年鉴》及《广东统计年鉴》，所选交通运输业能源消耗均为《中国能源统计年鉴》地区能源平衡表（实物量）中交通运输、仓储和邮政业所消耗能源，由于2012 年及以前天然气与液化石油气数据缺失，因此统计研究了2013—2020 年能耗情况。能源折标准煤参考系数来自2021 年发布的《中国能源统计年鉴》，碳排放系数来自IPCC《国家温室气体排放清单指南》。另外，2017 年广东省森林面积数据缺失，因此通过研究区总面积与森林覆盖率计算而得。

3 结果分析

3.1 广东省交通运输业碳排放量及变化趋势分析

3.1.1 2013—2020 年广东省交通运输业能源消耗情况

根据《中国能源统计年鉴》广东省能源平衡表（实物量）具体数值，统计2013—2020 年间广东省交通运输业耗能情况（2012 年及以前液化石油气和天然气数据缺失），见表2。交通运输业能耗主要集中在汽油、煤油、柴油、燃料油及电力方面，2013—2019年间各项能耗均呈上升趋势，2020 年则较2019 年普遍降低。

表2 2013—2020 年广东省交通运输业能源消耗情况

为统一反映不同能源消耗情况，根据表1 数据，将不同类型能耗统一折算为标准煤耗（见表3），8 年间柴油能耗最多，占到交通运输业总能耗的49.77%，其余依次为汽油、煤油、燃料油、电力、液化石油气、天然气及原煤，能耗占比分别为20.70%，12.97%，9.20%，3.93%，2.26%，1.07%及0.10%。

表3 2013—2020 年广东省交通运输业能源消耗标准煤折算情况104 t

3.1.2 2013—2020 年广东省交通运输业碳排放量

依据广东省能源平衡表（实物量）中交通运输、仓储和邮政业能耗统计数据及公式（1），计算得出2013—2020 年广东省交通运输业碳排放量，见图1。由图1 可知，除2020 年外，样本期内交通运输业碳排放量总体呈明显上升趋势，2017—2019 年上升趋势减缓，到2020 年则出现断崖式下跌现象，这可能是由于新冠疫情影响，全行业交通运输整体较2019 年大幅减少。总体来看，广东省交通运输业碳排放量仍处于上升阶段，同时疫情对交通运输业影响较大。

图1 2013—2020 年广东省交通运输业碳排放量

3.1.3 不同能源类型对碳排放量影响占比

根据2013—2020 年广东省不同能源利用情况，计算得出各能源碳排放量占比，见表4。

表4 2013—2020 年广东省交通运输业不同能源类型碳排放占比%

由表4 可以看出，样本期内汽油、煤油、柴油、燃料油及电力在交通运输业总碳排放中占到97.38%的比例，原煤、液化石油气和天然气仅占2.62%。考虑到汽油、煤油、柴油、燃料油以及电力在交通运输业基础能源中的主导地位，将这5 种能源整体进行比较，见图2。由图2 可以看出，交通运输业碳排量柴油＞汽油＞电力＞煤油＞燃料油，除2020 年外，柴油碳排量逐年稳定升高；汽油碳排量变幅较大，呈先增后减的趋势；煤油和燃料油碳排量变化相对平稳，2013—2020 年间变化不大；除2016 年外，电力在交通运输业中的碳排量持续增加，2020 年受疫情影响，较2019 年相对平稳，2020 年电力产生的碳排量较2013 年增加了104%，而电力折合标准煤参考系数仅为0.123，可见随着新能源汽车的崛起，电力在交通运输业中所占比例正在迅速增加。

图2 2013—2020 年广东省交通运输业主要能源碳排放情况

3.2 广东省交通运输业碳排放影响因素分析

3.2.1 2014—2020 年广东省交通运输业碳排放影响因素分解结果

基于LMDI 分解方法，以广东省2013 年交通运输业及相关数据为基础，对2014—2020 年广东省交通运输业碳排放影响因素进行分解，得到各因素产生的影响效应，见表5。表5 中正值表示某一影响因素与碳排放量间呈正相关关系，负值表示负相关关系，且数值的绝对值越大表示形成这种影响关系的程度越大［14］。不同年份间能源结构、能源强度及植被覆盖均呈现负相关关系，即其绝对值越大，碳排量越少，Houda 等［24］通过LMDI 模型对突尼斯交通运输业碳排量的研究表明，提高能源强度可有效降低交通碳排放；刘妍慧等［14］对湖北省交通运输业碳排放的研究亦表明，能源结构与能源强度对碳排放起抑制作用。经济和人口则均呈正相关关系，对碳排量起促进作用。吴开亚等［20］对上海交通能源消费碳排放的研究亦得出相似结论。由于基数年数值，产业结构、公共交通参与度起初为正值，随着交通运输业增加值与GDP 比值不断降低以及公共交通车辆的增加（2013 年公共交通车辆数大于2014 年、2015 年），其效应值才逐渐降低，并变为负值。公共交通饱和度和土地利用结构则由负值逐渐变为正值，这是由于相对于基数年，公共交通车辆数量直到2016 年才大于2013 年，森林植被面积2013—2016 年逐渐增加，而2017—2020 年则出现下降趋势。

表5 2014—2020 年广东省交通运输业碳排放影响因素分解结果

3.2.2 各因素对广东省交通运输业碳排放的影响分析

图3 反映了不同因素对2014—2020 年广东省交通运输业碳排放的贡献率变化情况。由图3 可以看出，经济发展对碳排放正向影响最大，其贡献率在所有影响因素中也最大，区域碳排放随人均GDP 的不断增加，表现出明显的正相关关系。由于基数年公共交通数较大，随后又呈先减少后增大的趋势变化，所以导致前期公共交通参与度对碳排放的正向贡献率较大，后期则逐渐降为负值，因此增加公共交通车数量对碳减排影响较大。相较于公共交通参与度，公共交通饱和度表现出相反的贡献效果，可见公共交通车辆数并非越多越好，应随人口变化适当调整，保证公共交通参与度才是实现碳减排的有效措施。人口对交通运输业碳排放亦表现出明显的正贡献效果，说明随着人口数量增长，交通运输业碳排量也相应增加。另外，能源强度与植被覆盖对碳排放有明显的负贡献效果，其中能源强度贡献效果最明显，这是由于单位交通运输业增加值的能源消耗量越少，能源强度越大，说明能效最好，减排效果最优。

图3 2014—2020 年各因素对广东省交通运输业碳排放的贡献率

4 结论与建议

本文以广东省为例，基于“自上而下”的碳排放量计算方法对交通运输业碳排放量进行测算，并通过LMDI 分解模型分析了影响交通运输业碳排放的主要因素，并提出针对性建议：

2013—2020 年广东省交通运输业能耗以柴油为主，占到总能耗的49.77%；2013—2019 年广东省交通运输业碳排放量总体呈明显上升趋势，2020 年出现下跌。总体来看，除去疫情影响，样本期内广东省交通运输业碳排量处于不断上升趋势，结合当前经济发展状况及“双碳”目标建设成效，短期内广东省交通运输业碳排量仍将继续升高。因此，加快建设新能源发展体系，优化产业结构，减少化石能源消耗，提高电能、氢能等清洁能源在交通运输业中的比重是当前亟须解决的问题，也是减少交通运输业碳排量的主要途径。

2013—2020 年汽油、煤油、柴油、燃料油及电力在广东省交通运输业总碳排放中占到97.38%的比例，其中柴油占比高达45.74%，化石能源占比达到86.49%。因此，加快普及新能源汽车及供给政策，加大新能源关键技术研发力度，加强全省清洁能源基础设施建设，大力推广电能、氢能替代，以此减少化石能源消耗，是尽快实现广东省交通运输业“碳达峰”目标的必要之举。

经济和人口与交通运输业碳排量之间呈明显的正相关关系，能源结构、能源强度及植被覆盖与碳排量则呈明显负相关关系。首先，为优化经济社会发展与碳排量之间的关系，应提升绿色交通治理水平，基于大数据建立交通运输业智慧管理体系，制定科学的监测网络体系和排放清单；同时，加大宣传绿色低碳理念，增强居民低碳出行意识。其次，需加强能源结构优化调整，提高能源利用效率（强度）与植被覆盖度，持续增大能源结构、能源强度及植被覆盖对碳排量负效应的贡献度。