中國海洋交通運輸業的碳排放與行業經濟增長的關系及其驅動因素

鄒樂 曹俐

摘要：為進一步減少中國海洋交通運輸業的碳排放 ，促進海洋交通運輸業的綠色高質量發展 ， 文章基于中國沿海地區海洋交通運輸業的相關數據 ， 測算中國海洋交通運輸業的碳排放量 ， 并運用脫鉤彈性模型分析海洋交通運輸業的碳排放與行業經濟增長的脫鉤關系;利用 LMDI模型 ， 從碳排放強度、產業結構和行業規模3個方面研究中國海洋交通運輸業碳排放的驅動因素。研究結果表明：2001-2017年中國海洋交通運輸業的碳排放與行業經濟增長的脫鉤狀態持續動態變化 ， 其中2008年和2013年為強脫鉤狀態即最理想狀態 ， 2009年和2016年為強負脫鉤狀態即最不理想狀態;中國海洋交通運輸業的碳排放量整體呈現增長趨勢 ， 碳排放強度促進碳排放量的增長但影響不大 ，行業規模是碳排放量增長的主要驅動因素 ，產業結構是碳排放量減少的主要驅動因素。

關鍵詞：海洋交通運輸業;碳排放;節能減排;產業結構;行業規模

中圖分類號：F552;U6-9;P74????? 文獻標志碼：A?????? 文章編號：1005-9857（2021）12-0011-07

The Relationship Between the Carbon Emissions of China's Marine Transportation Industry and the Economic Growth of the Industry and Its Driving Factors

ZOU Le， CAO Li

（College of Economics and Management， Shanghai Ocean University， Shanghai 201306，China）

Abstract： In order to further reduce the carbon emissions of China's marine transportation industry and promote the green and high-quality development of the marine transportation industry， this paper calculated the carbon emissions of China's marine transportation industry based on the relevant data of the marine transportation industry in coastal areas of China， and used the decoupling elastic model to analyze the decoupling relationship between the carbon emissions of the marine transportation industry and the economic growth of the industry. By using the LMDI model， the driving factors of China's marine transportation industry carbon emissions were studied from 3 aspects： carbon emission intensity， industrial structure and industry scale. The results showed that the decoupling of carbon emissions from China's marine transportation industry from 2001 to 2017 had continued to change dynamically. The strong decoupling states in 2008 and 2013 were the most ideal state， and the strong negative decoupling states in 2009 and 2016 were the most unsatisfactory state. The overall carbon emissions of China's marine transportation industry had shown an increasing trend. The intensity of carbon emissions had promoted the growth of carbon emissions but with little effect. The scale of the industry was the main driving factor for the growth of carbon emissions， and the industrial structure was the main driving factor for the reduction of carbon emissions.

Keywords： Marine transportation， Carbon emissions， Energy saving and emission reduction， Industrial structure， Industry scale

0 引言

海洋交通運輸業是海洋經濟的支柱產業，對進出口貿易和濱海旅游業的發展具有重要的支撐作用。根據國際海事組織（IMO）第四次溫室氣體研究報告結果 ，2012—2018年國際海運溫室氣體排放量從9.77億 t增加到10.76億 t，預計2050年二氧化碳排放量將比2018年增長約50%[1]。經濟發展需求的增加導致海洋交通運輸業的碳排放量不斷增長，隨著中國提出碳達峰和碳中和的目標，綠色、低碳、循環和可持續的經濟發展方式逐漸深入人心[2]。因此，深入研究中國海洋交通運輸業碳排放與行業經濟增長的關系，進一步探究海洋交通運輸業碳排放的驅動因素，對中國海洋交通運輸業的綠色高質量發展具有重要意義。

目前學者們在碳排放領域已取得一定的研究成果。①海洋交通運輸業的碳排放測算。在測算方法方面 ， Hao等[3]基于貨運周轉量、發動機運行和船舶活動的3種方法，估算2006—2012年中國內河、沿海和海洋貨運的二氧化碳排放量，提出海洋貨運是水運二氧化碳排放量的最大來源;在預測碳排放趨勢方面，周玲玲等[4]建立碳排放量測算和預測模型，對2010—2050年中國海運碳排放量進行預測;在碳排放效率方面，董夢如等[5]在測算中國海洋交通運輸業的碳排放量后，又對碳排放效率進行分析，提出中國海洋交通運輸業的碳排放效率整體處于低效率狀態;在貿易自由化對碳排放的影響方面，Le等[6]分析貿易自由化對海洋交通運輸業碳排放量的影響，提出貿易規模效應促使亞洲發展中國家海洋交通運輸業的碳排放量出現較大增長。②碳排放與經濟增長的關系及其驅動因素。碳排放主要來自能源消費，孫葉飛等[7]利用脫鉤模型和 LMDI分解模型分析中國能源消費的碳排放與經濟增長的脫鉤關系及其驅動因素，提出脫鉤關系主要呈現 M型波動特點，能源強度和經濟發展是主要的驅動因素;在海水養殖業方面，曹俐等[8]利用脫鉤模型研究中國海水養殖的凈碳匯量與經濟發展的脫鉤關系，提出中國沿海地區的脫鉤狀態參差不齊 ， 且以“強脫鉤”和“弱脫鉤”為主;在交通運輸業方面，吳雯等[9]通過 LMDI分解模型研究中國中部地區交通運輸業碳排放的驅動因素，提出碳排放量增加的主要驅動因素是經濟增長，而能源強度降低有利于減少碳排放量。③海洋交通運輸業的碳減排措施。在降低航速方面 ， Corbet等[10]基于利潤最大化方程研究船舶降低航速對實施碳減排的成本效益，提出降低航速是船舶運營商減少二氧化碳排放量的合適選擇。在優化航線配船方面， 薛穎霞等[11]建立雙目標規劃模型，并求解得到優化的航線配船方案。在岸電利用方面，吳俊妮等[12]構建博弈模型研究靠港船舶使用岸電產生的環境和經濟效益。除港口和船舶運營外，有學者從市場規制和政策激勵視角開展相關研究。趙悅[13]通過碳稅分擔模型研究航海碳稅對海洋交通運輸業的影響，提出航海碳稅能夠有效減少碳排放量;周鑫等[14]分析碳排放交易機制對港口節能減排的影響，提出碳排放交易政策將顯著減少港口的碳排放量;朱壽成[15]針對將中國海洋航運業碳排放交易納入上海市碳交易試點進行政策模擬評估，提出當航運業免費配額高于97%時可獲得相應的減排盈利。

綜上所述 ， 目前的研究多集中于海洋交通運輸業的碳排放測算和碳減排措施 ， 在研究碳排放與經濟增長的關系及其驅動因素方面也較少涉及海洋交通運輸業。因此 ，本研究基于中國沿海11?。ㄗ灾螀^、直轄市）海洋交通運輸業的相關數據 ，測算中國海洋交通運輸業的碳排放量 ，并運用脫鉤彈性模型分析海洋交通運輸業的碳排放與行業經濟增長的脫鉤關系;進一步利用 LMDI模型 ， 從碳排放強度、產業結構和行業規模3個方面研究海洋交通運輸業碳排放的驅動因素 ，并提出對策建議。

1 中國海洋交通運輸業的碳排放與行業經濟增長的脫鉤關系

1.1 海洋交通運輸業的碳排放量

由于無法直接獲得中國海洋交通運輸業的各類能源消耗量和碳排放量 ，本研究參考董夢如等[5]的測算方法 ，首先測算沿海地區交通運輸業的碳排放總量 ，然后以海洋交通運輸貨物和旅客周轉量在交通運輸貨物和旅客周轉總量中的占比為權重 ，測算海洋交通運輸業的碳排放量。

基于政府間氣候變化專門委員會（IPCC）的碳排放量測算方法 ，本研究采用自上而下的碳排放量測算方法。根據數據的可獲得性 ，選取原煤、汽油、煤油、柴油、燃料油和天然氣6種能源測算沿海地區交通運輸業的碳排放總量 ，測算公式為：

式中：TC表示沿海地區交通運輸業的碳排放總量; Xij表示沿海地區i第j種能源的最終消耗實物量; Kj表示第j種能源折算成標準煤的參考系數; Fj 表示第j種能源的碳排放系數。

海洋交通運輸業的碳排放量測算公式為：

式中：C 表示中國海洋交通運輸業的碳排放量; Ci 表示沿海地區i海洋交通運輸業的碳排放量; Fi 、 Pi 和Ti分別表示沿海地區i的海洋貨物周轉量、海洋旅客周轉量和交通運輸周轉總量;λ表示將旅客周轉量折算為貨物周轉量的折算系數 ， 取值為0.125[5]。

能源消耗數據和各種能源折算成標準煤的參考系數來自《中國能源統計年鑒》，碳排放系數來自 IPCC公布的《國家溫室氣體排放清單指南》， 海洋貨物周轉量和海洋旅客周轉量數據來自《中國海洋統計年鑒》，交通運輸周轉總量數據來自《中國交通年鑒》。

1.2 脫鉤的概念和理論模型

脫鉤理論最早源自物理學領域 ， 表示2個或多個物理量相互關系的弱化或消失[7]。 2002年經濟合作與發展組織（OECD）將其引入經濟發展和環境污染的研究領域。 2005年芬蘭教授Tapio提出脫鉤彈性的概念并構建脫鉤彈性模型為：

式中：δ表示脫鉤彈性;C 和 G分別表示碳排放量和地區生產總值;%ΔC 和%ΔG分別表示碳排放量和地區生產總值的變化率;ΔC 和ΔG分別表示碳排放量和地區生產總值的變化量。

根據數值范圍 ， Tapio進一步將脫鉤狀態細分為8個類型（表1）。

由表1可以看出：最理想狀態為強脫鉤狀態 ，表示在經濟增長的同時碳排放量減少 ， 即經濟發展和環境保護達到良性協調;最不理想狀態為強負脫鉤狀態 ，表示在經濟衰退的同時碳排放量增加 ， 即碳減排壓力持續上升。

本研究借鑒上述脫鉤彈性模型 ， 構建中國海洋交通運輸業的碳排放與行業經濟增長的脫鉤彈性模型：

式中：6表示脫鉤彈性;MC表示海洋交通運輸業的碳排放量;Y 表示海洋交通運輸業的總產值;ΔMC 和%ΔMC分別表示海洋交通運輸業碳排放量的變化量和變化率;ΔY 和%ΔY分別表示海洋交通運輸業總產值的變化量和變化率。

海洋交通運輸業的總產值數據來自《中國海洋統計年鑒》。為剔除通貨膨脹因素的影響 ， 以2000年為基期的 GDP平減指數對海洋交通運輸業的總產值數據進行平滑處理。

1.3 實證結果

計算2001—2017年中國海洋交通運輸業的碳排放與行業經濟增長的脫鉤彈性 ，并確定其脫鉤狀態（表2）。

2001—2017年中國海洋交通運輸業的碳排放與行業經濟增長的脫鉤狀態持續動態變化。2008年和2013年為強脫鉤狀態即最理想狀態 ， 表明海洋交通運輸業的總產值增加而碳排放量減少;2001年、2012年和2015年為弱脫鉤狀態 ，表明海洋交通運輸業的總產值增加但碳排放量也在增長 ，且碳排放量增速較慢;2002年、2007年和2010年為增長連結狀態 ，表明海洋交通運輸業的碳排放量增速加快 ， 并逐漸與總產值增速相當;2003—2006年、2011年、2014年和2017年為增長負脫鉤狀態 ，表明隨著海洋交通運輸業的總產值增加 ，碳排放量也不斷增長 ， 且碳排放量增速已超過總產值增速;2009年和2016年為強負脫鉤狀態即最不理想狀態 ，表明海洋交通運輸業的總產值減少但碳排放量增加 ，行業碳減排壓力持續上升。

根據2001—2017年中國海洋交通運輸業的碳排放與行業經濟增長的脫鉤狀態變化趨勢 ， 可將該時期大致劃分為5個時間段。①2001—2006年。由2001年的弱脫鉤狀態轉變為2002年的增長連結狀態 ，2003—2006年惡化到持續的增長負脫鉤狀態。2001年中國加入世界貿易組織后 ，外向型經濟高速發展 ，進出口貿易持續繁榮 ， 進而逐漸增加對海洋交通運輸業的需求 ，使海洋交通運輸業的碳排放量不斷增長;而此時中國社會發展的主線是促進經濟增長 ，在交通運輸工具能效和碳減排方面的改善較慢 ，導致海洋交通運輸業的碳排放與行業經濟增長的脫鉤狀態由弱脫鉤狀態轉變為增長連結狀態又轉變為增長負脫鉤狀態。②2007—2008年。2007年美國次貸危機和全球金融危機對中國進出口貿易的影響較大 ，相應減少對海洋交通運輸業的需求 ，使海洋交通運輸業的碳排放量不斷減少 ， 至2008年改善為強脫鉤狀態。③2009—2011年。2009年全球經濟開始復蘇 ， 中國進出口貿易也逐漸回暖 ，刺激海洋交通運輸業的發展 ， 使海洋交通運輸業的碳排放量不斷增長 ，至2011年惡化為增長負脫鉤狀態。④2012—2015年。2011年交通運輸部和財政部發布《公路水路交通運輸節能減排“十二五”規劃》和《交通運輸節能減排專項資金管理暫行辦法》，鼓勵交通運輸業的節能減排 ，促進海洋交通運輸業提高碳排放效率 ，使脫鉤狀態整體呈現弱脫鉤狀態 ， 部分年份甚至出現強脫鉤狀態。⑤2016—2017年。受海外市場復蘇乏力和中國綜合生產成本不斷提升的影響 ，2016年中國進出口貿易總額的負增長導致對海洋交通運輸業的需求減少 ， 然而海洋交通運輸業的減排速度卻不及產業調整速度 ，使脫鉤狀態轉變為強負脫鉤和增長負脫鉤狀態 ，海洋交通運輸業的節能減排工作面臨更大的挑戰。

2 中國海洋交通運輸業碳排放的驅動因素

根據上述分析結果 ， 2001—2017年中國海洋交通運輸業的碳排放與行業經濟增長的脫鉤關系并不穩定 ， 隨著時間的推移在弱脫鉤、增長連結、增長負脫鉤、強脫鉤和強負脫鉤狀態持續動態變化。本研究引入 Kaya模型和 LMDI模型 ， 探究中國海洋交通運輸業碳排放的驅動因素。

2.1 Kaya模型

日本教授YoichiKaya于1989年在 IPCC會議上提出 Kaya恒等式的概念 ， 主要用于研究人口、政策和經濟等因素與碳排放之間的聯系。模型表達式為：

式中：C 表示碳排放量;E表示能源消耗量;G表示經濟產值;P表示人口數量。

本研究根據海洋交通運輸業的實際情況 ，參考 Kaya恒等式構建分解模型：

式中： Ct 表示t 時期海洋交通運輸業的碳排放量; Yt表示t時期海洋交通運輸業的總產值; Qt 表示t時期海洋交通運輸業的周轉量 ， 反映海洋交通運輸業的行業規模; CIt =Ct/Yt? ，表示 t 時期海洋交通運輸業單位產值的碳排放量 ， 反映海洋交通運輸業的碳排放強度; ISt =Yt/Qt? ，表示 t 時期海洋交通運輸業單位周轉量的產值 ， 反映海洋交通運輸業的產業結構。

由于無法直接獲得海洋交通運輸業的周轉量數據 ，使用《中國海洋統計年鑒》中的海洋貨物周轉量和海洋旅客周轉量數據 ，經加權折算得到[5]。

2.2 LMDI模型

根據 LMDI模型 ， 對式（6）進行計算 ， 得到從 t+1時期到 t 時期的碳排放量變化量。計算公式為：

ΔC=Ct+1- Ct =ΔCci +ΔCis +ΔCq???? （7）

式中：ΔC 表示海洋交通運輸業的碳排放量變化量（總效應）; Ct+1和 Ct 分別表示t+1時期和 t 時期海洋交通運輸業的碳排放量;ΔCci、ΔCis 和ΔCq分別表示由碳排放強度效應、產業結構效應和行業規模效應引起的碳排放量變化量。

參考 Ang[16]的方法 ，使用對數平均權重Divisia分解法可得：

經計算 ， 2001—2017年碳排放強度、產業結構和行業規模對中國海洋交通運輸業碳排放的貢獻值和貢獻率如表3和圖1所示。

2001—2017年中國海洋交通運輸業的碳排放總效應除2008年和2013年為負值外，其他年份均為正值。2001—2013年整體呈現 M 型波動趨勢， 2013—2017年主要呈現 N 型波動趨勢，表明海洋交通運輸業的碳排放量整體呈現增長趨勢，碳減排工作任重道遠。①碳排放強度效應。碳排放強度效應的貢獻值有8個年份為負值，累計貢獻值為正值， 累計貢獻率僅為15.27%，表明碳排放強度促進海洋交通運輸業碳排放量的增長但影響不大，海洋交通運輸業的碳排放強度有待進一步提高。②行業規模效應。行業規模效應僅有3個年份為負值，累計貢獻值超過總效應，累計貢獻率達106.58%，表明海洋交通運輸業的行業規模是碳排放量增長的主要驅動因素， 且超過另外2個驅動因素之和。③產業結構效應。產業結構效應有10個年份為負值，累計貢獻值為負值，累計貢獻率為-21.85%，表明海洋交通運輸業的產業結構是碳排放量減少的主要驅動因素。近年來中國海洋交通運輸業的產業結構升級為行業節能減排作出積極貢獻，未來仍須加大政策扶持和推進技術進步，助力產業結構持續快速升級，充分發揮其碳減排的潛力，進一步減少海洋交通運輸業的碳排放量。

3 結語

本研究基于中國沿海11省（自治區、直轄市）海洋交通運輸業的相關數據，測算中國海洋交通運輸業的碳排放量，并運用脫鉤彈性模型分析海洋交通運輸業的碳排放與行業經濟增長的脫鉤關系;進一步利用 LMDI模型，從碳排放強度、產業結構和行業規模3個方面研究中國海洋交通運輸業碳排放的驅動因素。研究結果表明：2001—2017年中國海洋交通運輸業的碳排放與行業經濟增長的脫鉤狀態持續動態變化 ， 3個驅動因素的影響各不相同。①中國海洋交通運輸業的碳排放與行業經濟增長的脫鉤狀態2008年和2013年為強脫鉤狀態即最理想狀態 ，表明海洋交通運輸業的總產值增加而碳排放量減少;2009年和2016年為強負脫鉤狀態即最不理想狀態 ，表明海洋交通運輸業的總產值減少但碳排放量增加 ，行業碳減排壓力持續上升。 2016—2017年中國海洋交通運輸業的減排速度不及產業調整速度 ，使脫鉤狀態轉變為強負脫鉤和增長負脫鉤狀態 ，海洋交通運輸業的節能減排工作面臨更大的挑戰。②中國海洋交通運輸業的碳排放量整體呈現增長趨勢 ，碳減排工作任重道遠。碳排放強度促進海洋交通運輸業碳排放量的增長但影響不大 ， 海洋交通運輸業的碳排放強度有待進一步提高;海洋交通運輸業的行業規模是碳排放量增長的主要驅動因素 ，且超過另外2個驅動因素之和;海洋交通運輸業的產業結構是碳排放量減少的主要驅動因素 ，產業結構升級為行業節能減排作出積極貢獻。

基于研究結果 ， 提出3項建議。①加快節能減排技術創新 ，推廣清潔能源普及利用。鼓勵和支持海洋交通運輸業的節能減排技術創新 ， 積極推廣電力、天然氣和生物質能等低碳清潔能源在港口集裝箱卡車和船舶中的普及利用 ，減少海洋交通運輸業的能源消耗和碳排放。②加強部門協調聯動 ， 提高能源使用效率。加強船舶、港口和海關等多部門的協調聯動 ，縮短船舶靠港時間;推進岸電技術在靠港船舶中的應用 ， 盡可能減少非生產性的能源消耗;加快改造或淘汰高耗能和高排放的老舊集裝箱卡車和船舶 ，進一步提高海洋交通運輸業的能源使用效率。③加強節能減排制度建設 ， 引導行業低碳綠色發展。積極推進海洋交通運輸業節能減排長期規劃的制定 ，采用資金補貼的經濟激勵手段和政策法規的行政約束手段共同引導行業低碳綠色發展;鼓勵金融機構在聯合國《可持續藍色經濟金融倡議》下為海洋交通運輸業提供綠色金融服務 ， 探索碳稅和碳排放交易在海洋交通運輸業節能減排中的應用;促進產業結構持續快速升級 ， 進一步減少海洋交通運輸業的碳排放量 ， 推進海洋交通運輸業的綠色高質量發展。

參考文獻

[1]? IMO. FourthIMO GHG study[M]. Delft：MEPC 75，2020.

[2] 張友國 ，竇若愚 ， 白羽潔.中國綠色低碳循環發展經濟體系建設水平測度[J].數量經濟技術經濟研究 ，2020，37（8）：83-102.

[3]? HAO H ， GENG Y， OU X. Estimating CO2 emisions fromwater transportation of freight in China [J]. International Journal of Shipping & Transport Logistics， 2015， 7（6）：676-694.

[4] 周玲玲 ，顧阿倫 ， 葉薇倩 ， 等.中國未來國際海運 CO2排放量預測[J].清華大學學報（自然科學版） ，2012，52（8）：1125-1129.

[5] 董夢如 ，韓增林 ，郭建科.中國海洋交通運輸業碳排放效率測度及影響因素分析[J].海洋通報 ，2020，39（2）：169-177.

[6]? LEE T C， LAM J S L， LEE T W. Asian economic integrationand maritimeCO2 emisions[J]. Transportation Research Part D：Transportand Environment，2016，43（3）：226-237.

[7] 孫葉飛 ，周敏.中國能源消費碳排放與經濟增長脫鉤關系及驅動因素研究[J].經濟與管理評論 ，2017，33（6）：21-30.

[8] 曹俐 ，王瑩.海水養殖的碳匯潛力估算及其與經濟發展的脫鉤分析：以三大沿海地區為例[J].海洋經濟 ， 2020， 10（5）：48-56.

[9] 吳雯 ，李瑋.中部六省交通運輸業碳排放影響因素分析[J].管理現代化 ，2019，39（1）：62-65.

[10]CORBETT J J，WANG H， WINEBRAKEJ J. The efectivenes and costs of sped reductions on emisions from international shipping[J]. Transportation ResearchPartD：TransportandEnvi- ronment，2009，14（8）：593-598.

[11]薛穎霞 ， 邵俊崗.低碳經濟背景下班輪航線配船[J].中國航海 ，2014，37（4）：115-119.

[12]吳俊妮 ， 呂靖 ，林驛.基于三階段博弈模型的船舶使用岸電條件下港口減排策略研究[J].數學的實踐與認識 ，2020， 50（7）：27-37.

[13]趙悅.歐盟航海碳稅對中國班輪業的影響研究[D].大連：大連海事大學 ，2015.

[14] 周鑫 ， 真虹 ， 趙楠.基于系統動力學的上海港節能減排政策仿真[J].中國航海 ，2020，43（2）：86-91，97.

[15] 朱壽成.碳排放權交易機制對中國國際航運業影響研究[D].廈門：廈門大學 ，2019.

[16]? ANG B W. Decomposition analysisfor policymaking in energy：which isthepreferedmethod？[J]. Energy Policy，2004，32（9）：1131-1139.