廣東省交通運輸業碳排放測算與驅動因素分析

吳偉業 高小龍 班遠沖*，3 吳鋒 朱娟，3 賈振宇

［1.深圳市環境科學研究院，廣東 深圳 518000；2.深圳市景泰榮環保科技有限公司，廣東 深圳 518000；3.深港產學研基地（北京大學香港科技大學深圳研修院），廣東 深圳 518000］

1 引言

交通運輸業是經濟社會發展的支柱性產業，具有連接社會生產生活、刺激社會經濟活動的重要作用。隨著我國經濟的高速發展，交通運輸業蓬勃發展，但能源消耗劇增、環境負荷過重等問題也隨之而來。在我國六大行業中，交通運輸業是石油消耗最快、碳排放增速最快的行業［1］，現已成為我國第二大碳排放行業，僅次于工業［2］。推動實現交通運輸業減排降碳已成為構建生態文明體系、實現“雙碳”目標的重要一步。同時，在當前復雜多變的國際形勢下，如何在國際碳市場及新能源競爭中保有優勢對我國經濟發展至關重要，而交通運輸業作為新能源競爭中的先行者，勢必在新一輪國際能源競爭中起到關鍵作用。因此，探明交通運輸業碳排放情況，推動實現經濟社會全面綠色轉型已勢在必行。

目前，有關交通運輸業碳排放的研究大多集中于碳排放核算［3-4］、碳排放預測［5-6］、不同運輸方式下能源消耗及碳排放強度比較［7-8］、碳排放因素分解［9-10］等方面。國內有關交通運輸業碳排放的研究起步較晚，且分布不均，相關研究大多集中于京津冀［11-12］、長江經濟帶［2，13-14］等區域，研究基礎仍相對薄弱［15］。2010 年以后，國內有關交通運輸業碳排放的研究才逐漸興起，學者們以全國尺度及多區域范圍進行了大量研究，但目前仍未形成統一的碳排放核算及溯源分析體系，部分區域相關研究仍處于空白狀態，如何準確測定交通運輸業碳排量并確定其影響因素，依舊是當前區域碳排放研究的重點內容。

廣東省作為我國經濟大省，其GDP 連續多年排名全國第一，交通運輸業作為其經濟發展的重要基石，是維持廣東經濟長效發展的重要保障，但同時也成為碳排放的主要源頭之一。據統計，2000—2015年廣東省交通運輸業碳排量占全國交通運輸業碳排量的9.5%，是全國交通運輸業碳排量最高的省份［16-17］。明確廣東省交通運輸業碳排放情況，探明影響碳排量的主要驅動因素，對推動實現廣東省以及全國減排降碳，加快推進構建新能源交通運輸體系具有重要意義。因此，本文通過2013—2020 年廣東省交通運輸業能源消費數據，對樣本期內廣東省交通運輸業碳排量進行測算，結合區域GDP、人口、森林面積等數據，基于LMDI 分解模型對廣東省交通運輸業碳排放影響因素進行分析，探討了廣東省交通運輸業碳排放發展態勢和驅動因素，以期為加快推進廣東省交通運輸業全面綠色轉型，建立綠色低碳發展模式提供數據支持。

2 研究方法與數據分析

2.1 碳排放核算方法

本文借鑒IPCC 提供的碳排放測算方法，采用“自上而下”的碳排放系數計算法則對廣東省交通運輸業碳排放量進行計算［14］，通過對廣東省交通運輸業使用的燃料進行分類，計算燃料消耗量與碳排放系數的乘積，進而得到交通運輸業碳排放量。公式如下：

式中，C 表示交通運輸業消耗的碳排放總量；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 種能源消費量；Si表示第i 類能源標準煤折算系數；fi表示第i 類能源的碳排放系數。

依據地區能源平衡表（實物量）中交通運輸業耗能統計情況，參考劉妍慧等［14］、閆樹熙等［18］測算交通運輸業碳排放量時采用的能源消費種類，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 類能源進行廣東省交通運輸業碳排放總量測算（見表1）。同時，根據國內能源核算分類常用方法，將交通運輸、倉儲和郵政業統一作為交通運輸業能耗進行計算［19］。考慮到碳排放過程及能源實際使用情況，忽略熱力和潤滑油在交通運輸業碳排放中的測算。

表1 能源折算標準煤參考系數與碳排放系數

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分解分析（IDA）和結構分解分析（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還可以消除殘差項［21］，所以本文選用LMDI 模型對廣東省交通運輸業碳排放量進行因素分解分析，以此確定影響廣東省交通運輸業碳排放量的主要驅動因素。

國內主要以碳排放強度、能源結構、能源強度、產業結構、經濟產出、人口規模等因素分析碳排放驅動因素［22］，本文結合廣東省交通運輸業實際發展情況，同時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構、植被覆蓋率4 個因素，將式（1）按乘法形式進行如下分解：

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 年交通運輸業的增加值；Gn表示第n 年的國內生產總值；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準運營數量；Hn表示研究區總面積；Vn表示第n 年的森林面積。

以2013 年數據為基數，假設2013 年廣東省交通運輸業的碳排放總量為C0，則第n 年的碳排放變化量ΔC=Cn-C0，即ΔC 為廣東省交通運輸業碳排放影響因素的總效應值。根據LMDI 分解法，用x 表示10 種不同的驅動因子，ΔCx可表達為：

式中，wi表示權重系數。設ΔCCI，ΔCEI，ΔCM，ΔCS，ΔCE，ΔCT，ΔCN，ΔCU，ΔCR，ΔCP分別表示碳排放強度、能源結構、能源強度、產業結構、經濟、公共交通參與度、公共交通飽和度、土地利用結構、植被覆蓋和人口的效應值，則ΔC 可用加法形式表示為：

由于碳排放系數為定值，所以碳排放強度ΔCCI的值為0。

2.3 數據來源及處理

本文使用的能源消耗、經濟、人口等基礎數據全部來自歷年《中國能源統計年鑒》及《廣東統計年鑒》，所選交通運輸業能源消耗均為《中國能源統計年鑒》地區能源平衡表（實物量）中交通運輸、倉儲和郵政業所消耗能源，由于2012 年及以前天然氣與液化石油氣數據缺失，因此統計研究了2013—2020 年能耗情況。能源折標準煤參考系數來自2021 年發布的《中國能源統計年鑒》，碳排放系數來自IPCC《國家溫室氣體排放清單指南》。另外，2017 年廣東省森林面積數據缺失，因此通過研究區總面積與森林覆蓋率計算而得。

3 結果分析

3.1 廣東省交通運輸業碳排放量及變化趨勢分析

3.1.1 2013—2020 年廣東省交通運輸業能源消耗情況

根據《中國能源統計年鑒》廣東省能源平衡表（實物量）具體數值，統計2013—2020 年間廣東省交通運輸業耗能情況（2012 年及以前液化石油氣和天然氣數據缺失），見表2。交通運輸業能耗主要集中在汽油、煤油、柴油、燃料油及電力方面，2013—2019年間各項能耗均呈上升趨勢，2020 年則較2019 年普遍降低。

表2 2013—2020 年廣東省交通運輸業能源消耗情況

為統一反映不同能源消耗情況，根據表1 數據，將不同類型能耗統一折算為標準煤耗（見表3），8 年間柴油能耗最多，占到交通運輸業總能耗的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 年廣東省交通運輸業能源消耗標準煤折算情況104 t

3.1.2 2013—2020 年廣東省交通運輸業碳排放量

依據廣東省能源平衡表（實物量）中交通運輸、倉儲和郵政業能耗統計數據及公式（1），計算得出2013—2020 年廣東省交通運輸業碳排放量，見圖1。由圖1 可知，除2020 年外，樣本期內交通運輸業碳排放量總體呈明顯上升趨勢，2017—2019 年上升趨勢減緩，到2020 年則出現斷崖式下跌現象，這可能是由于新冠疫情影響，全行業交通運輸整體較2019 年大幅減少。總體來看，廣東省交通運輸業碳排放量仍處于上升階段，同時疫情對交通運輸業影響較大。

圖1 2013—2020 年廣東省交通運輸業碳排放量

3.1.3 不同能源類型對碳排放量影響占比

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

表4 2013—2020 年廣東省交通運輸業不同能源類型碳排放占比%

由表4 可以看出，樣本期內汽油、煤油、柴油、燃料油及電力在交通運輸業總碳排放中占到97.38%的比例，原煤、液化石油氣和天然氣僅占2.62%。考慮到汽油、煤油、柴油、燃料油以及電力在交通運輸業基礎能源中的主導地位，將這5 種能源整體進行比較，見圖2。由圖2 可以看出，交通運輸業碳排量柴油＞汽油＞電力＞煤油＞燃料油，除2020 年外，柴油碳排量逐年穩定升高；汽油碳排量變幅較大，呈先增后減的趨勢；煤油和燃料油碳排量變化相對平穩，2013—2020 年間變化不大；除2016 年外，電力在交通運輸業中的碳排量持續增加，2020 年受疫情影響，較2019 年相對平穩，2020 年電力產生的碳排量較2013 年增加了104%，而電力折合標準煤參考系數僅為0.123，可見隨著新能源汽車的崛起，電力在交通運輸業中所占比例正在迅速增加。

圖2 2013—2020 年廣東省交通運輸業主要能源碳排放情況

3.2 廣東省交通運輸業碳排放影響因素分析

3.2.1 2014—2020 年廣東省交通運輸業碳排放影響因素分解結果

基于LMDI 分解方法，以廣東省2013 年交通運輸業及相關數據為基礎，對2014—2020 年廣東省交通運輸業碳排放影響因素進行分解，得到各因素產生的影響效應，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關系，負值表示負相關關系，且數值的絕對值越大表示形成這種影響關系的程度越大［14］。不同年份間能源結構、能源強度及植被覆蓋均呈現負相關關系，即其絕對值越大，碳排量越少，Houda 等［24］通過LMDI 模型對突尼斯交通運輸業碳排量的研究表明，提高能源強度可有效降低交通碳排放；劉妍慧等［14］對湖北省交通運輸業碳排放的研究亦表明，能源結構與能源強度對碳排放起抑制作用。經濟和人口則均呈正相關關系，對碳排量起促進作用。吳開亞等［20］對上海交通能源消費碳排放的研究亦得出相似結論。由于基數年數值，產業結構、公共交通參與度起初為正值，隨著交通運輸業增加值與GDP 比值不斷降低以及公共交通車輛的增加（2013 年公共交通車輛數大于2014 年、2015 年），其效應值才逐漸降低，并變為負值。公共交通飽和度和土地利用結構則由負值逐漸變為正值，這是由于相對于基數年，公共交通車輛數量直到2016 年才大于2013 年，森林植被面積2013—2016 年逐漸增加，而2017—2020 年則出現下降趨勢。

表5 2014—2020 年廣東省交通運輸業碳排放影響因素分解結果

3.2.2 各因素對廣東省交通運輸業碳排放的影響分析

圖3 反映了不同因素對2014—2020 年廣東省交通運輸業碳排放的貢獻率變化情況。由圖3 可以看出，經濟發展對碳排放正向影響最大，其貢獻率在所有影響因素中也最大，區域碳排放隨人均GDP 的不斷增加，表現出明顯的正相關關系。由于基數年公共交通數較大，隨后又呈先減少后增大的趨勢變化，所以導致前期公共交通參與度對碳排放的正向貢獻率較大，后期則逐漸降為負值，因此增加公共交通車數量對碳減排影響較大。相較于公共交通參與度，公共交通飽和度表現出相反的貢獻效果，可見公共交通車輛數并非越多越好，應隨人口變化適當調整，保證公共交通參與度才是實現碳減排的有效措施。人口對交通運輸業碳排放亦表現出明顯的正貢獻效果，說明隨著人口數量增長，交通運輸業碳排量也相應增加。另外，能源強度與植被覆蓋對碳排放有明顯的負貢獻效果，其中能源強度貢獻效果最明顯，這是由于單位交通運輸業增加值的能源消耗量越少，能源強度越大，說明能效最好，減排效果最優。

圖3 2014—2020 年各因素對廣東省交通運輸業碳排放的貢獻率

4 結論與建議

本文以廣東省為例，基于“自上而下”的碳排放量計算方法對交通運輸業碳排放量進行測算，并通過LMDI 分解模型分析了影響交通運輸業碳排放的主要因素，并提出針對性建議：

2013—2020 年廣東省交通運輸業能耗以柴油為主，占到總能耗的49.77%；2013—2019 年廣東省交通運輸業碳排放量總體呈明顯上升趨勢，2020 年出現下跌。總體來看，除去疫情影響，樣本期內廣東省交通運輸業碳排量處于不斷上升趨勢，結合當前經濟發展狀況及“雙碳”目標建設成效，短期內廣東省交通運輸業碳排量仍將繼續升高。因此，加快建設新能源發展體系，優化產業結構，減少化石能源消耗，提高電能、氫能等清潔能源在交通運輸業中的比重是當前亟須解決的問題，也是減少交通運輸業碳排量的主要途徑。

2013—2020 年汽油、煤油、柴油、燃料油及電力在廣東省交通運輸業總碳排放中占到97.38%的比例，其中柴油占比高達45.74%，化石能源占比達到86.49%。因此，加快普及新能源汽車及供給政策，加大新能源關鍵技術研發力度，加強全省清潔能源基礎設施建設，大力推廣電能、氫能替代，以此減少化石能源消耗，是盡快實現廣東省交通運輸業“碳達峰”目標的必要之舉。

經濟和人口與交通運輸業碳排量之間呈明顯的正相關關系，能源結構、能源強度及植被覆蓋與碳排量則呈明顯負相關關系。首先，為優化經濟社會發展與碳排量之間的關系，應提升綠色交通治理水平，基于大數據建立交通運輸業智慧管理體系，制定科學的監測網絡體系和排放清單；同時，加大宣傳綠色低碳理念，增強居民低碳出行意識。其次，需加強能源結構優化調整，提高能源利用效率（強度）與植被覆蓋度，持續增大能源結構、能源強度及植被覆蓋對碳排量負效應的貢獻度。