城市轨道交通二氧化碳排放量化及其影响因素分析*

袁振洲 袁晓敬 杨 洋 吉祥雨 吴先宇

(1.北京交通大学交通运输学院, 100044, 北京;2.北京航空航天大学交通科学与工程学院, 100191, 北京;3.北京航空航天大学车路协同与安全控制北京市重点实验室, 100191, 北京;4.铁科院(北京)工程咨询有限公司, 100081, 北京∥第一作者, 教授)

对我国城市轨道交通(以下简称“城轨”)系统的二氧化碳排放当量进行量化与评估,有利于政府和决策者制定碳减排政策,从而促进城轨可持续发展。考虑电网碳排放因子的动态变化特征,建立一套适应于我国城轨系统二氧化碳排放量化及其影响因素分解的评价体系和方法,对精准把握我国城轨系统节能减排进程,针对性地制定低碳交通措施,以及实现2030年碳达峰和2060年碳中和的目标具有重要的现实意义。

学术界从不同的研究角度和范围出发,对交通运输业二氧化碳排放测算及其影响因素进行了分析。在宏观层面:文献[1]通过建立考虑社会经济变量和货运特征变量的最小二乘回归模型,分析了不同工况下的货运结构优化碳减排效益,结果表明社会经济因素相较其他因素具有显著影响作用。文献[2]基于全生命周期理论构建了不同城市的城轨碳减排测算模型。文献[3]测算了2015—2021年的城轨二氧化碳排放量,分析了二氧化碳排放效率的差异化态势及其影响因素,结果表明城轨二氧化碳排放效率与网络规模呈正相关,影响城轨二氧化碳排放效率的因素包括规模效率、技术进步及发电结构等。在微观层面:文献[4]对襄阳市的城市公共交通工具的二氧化碳排放效率进行了分析,结果表明不同交通工具的二氧化碳排放效率不同,同时得出了改善交通工具二氧化碳排放效率的具体措施。文献[5]在构建基于速度的碳排放因子的基础上,测算了不同城市交通运行状况下的二氧化碳排放量,结果表明不同的交通运行状况会形成不同的机动车二氧化碳排放量,改善交通运行状况对降低机动车二氧化碳排放具有促进作用。文献[6]应用累积局部效应图,分析了绕路率、合乘数等因素对网约车合乘出行碳排放状态的影响。文献[7]从能效、车重、节能技术和新技术应用等4个方面分析了城轨车辆节能降耗的实现路径。文献[8]对高速铁路进行了考虑全生命周期的节能减排研究,为全面科学研究城轨减碳提供了理论依据。

综上,上述研究较为全面地分析了城市公共交通系统二氧化碳排放测算及其影响因素,但主要是从区域整体的视角分析二氧化碳排放量的影响因素效应,而缺乏考虑交通系统内部的作用机理,同时对电网碳排放因子的动态性亦考量不足。本研究考虑了公共交通运输系统内部作用机理,社会经济环境发展,以及电网碳排放因子的时变特性,建立了城轨二氧化碳排放量测算模型与二氧化碳排放量影响因素分解模型,揭示了我国城轨二氧化碳排放影响因素机理,并对电网碳排放因子的时空差异性进行了分析。

1 我国城轨系统及相关社会经济发展数据

鉴于2020年新型冠状病毒肺炎疫情大规模爆发,我国社会经济发展信息以及城轨能耗可能存在异常数据,从而导致得出缺乏普适性的研究规律。为保障研究数据的可靠性及相应结果的合理性,研究数据选取2010—2019年的城轨系统能源消耗、旅客周转量等数据。其中:我国城轨系统二氧化碳排放量影响因素分解模型涉及的各类能源折标准煤系数来自于《中国能源统计年鉴2022》;旅客周转量、人均GDP,以及交通运输、仓储与邮政业增加值等指标来自于中华人民共和国国家统计局、中华人民共和国交通运输部、中国民用航空局等。我国城轨系统能源消耗数据源自中国城市轨道交通协会,且能源消耗量统计数据的少量缺失值通过回归拟合(拟合模型为指数模型,拟合优度R2为0.978 4)进行数据预处理。由于仓储业和邮政业终端能源消费量占比较少,故本研究采用交通运输业、仓储业和邮政业的终端能源消费量作为交通运输业能源消耗数据。

研究期选取2010—2019年,采用中华人民共和国生态环境部提供的研究期内碳排放因子历年平均值作为计算二氧化碳排放量依据[9]。我国区域电网基准线碳排放因子的时空特性如表1所示。

表1 我国区域电网基准线碳排放因子的时空特性

由表1可见,我国区域电网基准线碳排放因子在时空特性上表现为两个特征:在时间维度上,由于技术水平提高,电网碳排放因子呈现逐年下降的趋势;在空间维度上,电网碳排放因子存在明显的区域异质性,受电力生产结构与地区经济水平发展等因素的影响表现为北方地区(华北区域、东北区域和西北区域)碳排放因子整体低于南方地区(华东区域、华中区域和南方区域)。

2 二氧化碳排放量测算模型和对数平均迪式指数分解模型的构建

2.1 二氧化碳排放量测算模型

各能源消耗行业针对二氧化碳排放量的计算普遍采用二氧化碳当量,即为所有污染物排放量折算得到的二氧化碳排放量之和,本文亦采用二氧化碳排放当量作为碳排放量。交通运输业二氧化碳排放量测算模型主要为自上而下法和自下而上法,其中自上而下法适宜各项能耗已知的情况,其优势在于对较宏观的研究范围有较好的适应性。基于城轨系统二氧化碳排放在宏观尺度上的适用性,本研究采用自上而下法构建城轨系统二氧化碳排放量测算模型[1]。

(1)

Kj=10-6ALV,jCEF,jCOF,ja

(2)

式中:

C——城轨二氧化碳排放量,单位万t;

Ej——第j种能源终端消耗实物量,单位万t;

Kj——第j种能源碳排放因子;

ALV,j——第j种能源平均低位发热量,单位kJ/kg;

CEF,j——第j种单位热值含碳量,单位t/TJ;

COF,j——第j种能源碳氧化率;

a——碳转化为二氧化碳的系数,即二氧化碳相对分子质量和碳相对原子质量之比,取44/12。

根据城轨系统二氧化碳排放量测算模型结构可发现,能源消耗量与碳排放因子是二氧化碳排放量测算的重要部分,也是直接影响二氧化碳排放量测算结果的主要因素。

2.2 二氧化碳排放量影响因素分解模型

2.2.1 对数平均迪氏指数分解模型

在现有研究中,定量研究能源环境因素分析的方法主要包括分解模型和回归模型[1]。其中,分解模型主要为IDA(指数分解)模型与SDA(结构分解)模型。相较IDA模型,SDA模型对数据要求较高,例如需要投入产出数据。LMDI(对数平均迪氏指数)分解方法属于IDA方法,在各领域均有相关研究应用。该方法分解结果无残差且分解完全,可有效避开伪回归问题,在能源相关领域中被广泛应用[10],且对于影响因素的解释性强。相较其他分解方法,LMDI方法的操作性和适应性较强,可有效分析总体指标,保持各分解指标间的高度一致性,在各领域温室气体排放影响因素研究中都具有较好的适应性[11],故本研究应用LMDI方法建立我国城轨二氧化碳排放量影响因素分解模型。建立上述模型时,首先需构造扩展的Kaya恒等式(见式(3))。

(3)

式中:

Cij——第i市城轨系统的第j种能源二氧化碳排放量;

Eij——第i市的第j种能源消耗量;

Ti——第i市旅客周转量;

GDPJ,i——第i市交通运输、仓储和邮政业增加值;

GDP,i——第i市地区生产总值;

POP,i——第i市区域人口数量。

(4)

式中:

Sij——第i市的第j种交通运输业二氧化碳排放量与能源消耗总量的比值,即交通运输业能源结构强度因素;

Hij——第i市的第j种能源消耗总量与交通运输业客货周转量之比,即能源消耗强度因素;

Fi——第i市交通运输业客货周转量与交通运输业生产总值之比,即交通运输业的生产效率因素;

Ii——第i市交通运输业生产总值占区域生产总值的比重,即交通运输业发展因素;

Di——第i市的人均GDP,即经济发展因素;

Pi——第i市的人口总量,即人口规模因素。

由于二氧化碳排放量影响因素分解模型主要体现为城轨系统二氧化碳排放量与区域社会和交通系统之间的耦合交互作用,同时考虑到我国城轨在早期研究水平较低,存在数据缺失等问题,因此,在未来的进一步研究中可以考虑对城轨模型进行定义。

2.2.2 LMDI分解

对两个比较年份的二氧化碳排放量的变换量进行分解。假设第t年的城轨系统二氧化碳排放量为Ct,基年的二氧化碳排放量为C0,则第t年与基年的二氧化碳排放量的差值如下:

(5)

式中:

ΔC——二氧化碳排放变化量;

Cj,t——第j种能源的第t年二氧化碳排放量;

Cj,0——第j种能源的基年二氧化碳排放量;

ΔCS、ΔCH、ΔCF、ΔCI、ΔCD、ΔCP——各影响因素加法分解子项。

各因素效应的分解结果如式(6)—式(11)所示。

(6)

(7)

(8)

(9)

(10)

(11)

式中:

Si,t、Si,0——第i市的第t年和基年的交通运输业能源结构强度因素;

Hi,t、Hi,0——第i市的第t年和基年的能源消耗强度因素;

Fi,t、Fi,0——第i市的第t年和基年的交通运输业的生产效率因素;

Ii,t、Ii,0——第i市的第t年和基年的交通运输业发展因素;

Di,t、Di,0——第i市的第t年和基年的经济发展因素;

Pi,t、Pi,0——第i市的第t年和基年的人口规模因素。

3 案例分析

以我国城轨系统为实例,对其进行二氧化碳排放量测算模型和LMDI分解模型的应用求解,以验证研究模型的可行性与科学性。

3.1 二氧化碳排放量测算模型结果分析

根据第2.1节中城轨二氧化碳排放量测算模型,计算得到2010—2019年我国城轨二氧化碳排放量变化曲线,如图1所示。由于本文考虑了电网碳排放因子的动态时变特性,因此测度结果精度更高。

图1 2010—2019年我国城轨二氧化碳排放量变化曲线

由图1可见:从2010—2019年期间,我国城轨系统二氧化碳排放量的演变总体呈上升趋势,且在2019年二氧化碳排放量达到1 366.20万t(相较2010年增长了2.88倍)。由上可见:我国城轨二氧化碳排放量与增长率整体较为平稳,但还需进一步对其进行控制。在宏观层面上,可加大力度推广规划设计节能措施,同时为企业和研究机构开展城轨节能技术研发提供政策引导;在微观角度上,可通过优化城轨列车运营管理、提高列车满载率等措施,实现城轨碳减排效应的最大化。

3.2 LMDI分解模型结果分析

基于第2.2节中我国城轨系统二氧化碳排放量影响因素分解模型,应用STATA软件分析得到LDMI分解结果,如图2所示。

图2 我国城轨二氧化碳排放量的影响因素贡献度

由图2可见:交通运输业能源结构强度、能源消耗强度、人口规模和经济发展等因素对我国城轨系统二氧化碳排放影响表现为正效应,该结果与文献[11]相符;而交通运输业生产效率和行业发展因素对我国城轨系统二氧化碳排放影响表现为负效应。经济发展因素对我国城轨系统二氧化碳排放影响最为显著,其整体影响效应均值达到81.77万t;其他各影响因素的效应值根据贡献率绝对值大小依次为:交通运输业能源结构强度、生产效率、能源消耗强度、交通运输业发展和人口规模因素,其影响效应值分别为67.53万t、-53.82万t、12.64万t、-6.09万t和4.92万t。

综上,我国城轨系统二氧化碳排放量各影响因素在整体上存在一定的影响效应规律。同时,不同的影响因素在同一时期存在不同的效应强度,而同一影响因素在不同时期的影响效应也存在差异,此种情况在一定程度上与当时的社会经济背景、城轨行业的发展水平等因素存在关联。因此,相关部门在分析城轨碳排放影响效应的基础上制定相应的城轨碳减排策略时,需要考虑当年的实际情况,并根据不同影响因素的作用效应采取有针对性、有侧重点的措施。

4 结语

1) 2010—2019年研究期内,我国城轨系统二氧化碳排放量的演变总体呈上升趋势,2019年二氧化碳排放量达到1 366.20万t,较2010年增长了2.88倍。此外,我国电网碳排放因子在交通运输业存在显著的时空差异性,体现为南方城市电网碳排放因子整体低于北方;随着电力生产结构的优化以及科技水平的提高,电网碳排放因子呈现平稳下降的趋势。

2) 经济发展因素对我国城轨系统二氧化碳排放影响效应最为显著,且体现为正效应。其他各影响因素效应值由强到弱依次为:交通运输业能源结构强度、生产效率、能源消耗强度、交通运输业发展和人口规模因素,其影响效应值分别为67.53万t、-53.82万t、12.64万t、-6.09万t和4.92万t。这表明为了有效控制我国城轨系统的二氧化碳排放,有必要转变经济发展对环境的负面影响,实现经济发展与环境负效应的脱钩,促进交通运输业在国民经济体系中的发展,提高交通运输业的生产效率,持续优化交通运输业能源结构强度,调节人口规模和结构,降低交通运输业能源消耗强度。

3) 该研究成果有利于我国城轨系统碳达峰、碳中和目标的稳健实现。可依据交通运输业二氧化碳排放发展趋势、二氧化碳排放影响因素效应差异,以及各省市的具体区域情况,针对性地制定城轨系统碳减排措施,以推动交通运输业整体减碳目标的实现。