中國航空碳排放及其效率時空演化特征分析

李玲玲,韓瑞玲,,*,張曉燕

1 河北師范大學地理科學學院, 石家莊 050024 2 河北師范大學家政學院, 石家莊 050024

航空碳排放主要源自于航空燃油在燃燒時與空氣混合后排出的CO2、SO2、CO、氮氧化物(Nitrogen Oxide,NOx)、未燃碳氫化合物(Unburned Hydrocarbons,UHC)、碳煙顆粒(Soot)、細顆粒物(Fine Particulate Matter,PM)、飛行尾跡以及形成的卷云(Aviation Induced Cloudiness,AIC)等污染物[1],不僅影響空氣質量且可造成溫室效應,其中CO2排放量占總排放量的87%[2]。基于國際民用航空組織(International Civil Aviation Organization,ICAO)標準碳排放模型發現,1990年以來國際航空碳排放呈增長趨勢；基于歐洲環境署(European Environment Agency,EEA)公布的碳排放量計算方法,預計到2025年,國際航空碳排放量將比2005年水平高出110%以上[3]。對中國而言,隨著空中交通需求擴展以及民用航空器數量增長,航空碳排放還將處于持續增長態勢[4]。航空運輸碳排放占全球人為排放碳總量的2.0%—2.5%[5],中國航空碳排放量占全球人為碳排放量的0.22%,航空碳排放問題備受關注[6]。中國民航一直致力于低碳綠色發展,為2060年前國家實現碳中和目標做努力。

針對航空碳排放進行有效減排探索是學者們一直努力的方向。具體分為3點：①使用替代能源促進航空碳減排。使用高效率替代燃料或生物燃料是民航業普遍承認的減排措施,但是尚未發揮作用且未來發展趨勢不明朗[7]。Staples[8]指出使用可持續替代航空燃料可以在2050年之前將航空全生命周期的溫室氣體排放量最多減少68.1%,但造價昂貴、實現周期較長[9],并且受到生物生產性土地資源[10]的限制而可行性較低[11]。Marais也表明新技術和可持續燃料需要更多努力和時間來發展和實施[12]。②有效利用交通結構因素的影響,在航線規劃、設計、管理等方面促進結構優化,對航空碳減排將大有裨益。調整終端區資源分配[13]和機場的操作程序、設計最佳飛機航線以及優化特定跑道和航線的分配等措施盡管效用較小,但可以在短期內進行操作更改,是目前實現航空碳減排的有效措施,一般“最清潔”的航線為短途、直達航線[14]。③政策措施促進航空碳減排。Fukui等研究了美國航空燃油稅增加4.3美分[15],將在短期內(增稅后1年)減少約0.14%—0.18%碳排放量,González等也證實了該方法的有效性[16]。2019年,ICAO開始執行國際航空碳抵消和減排計劃(Carbon Offsetting and Reduction Scheme for International Aviation,CORSIA)[17],要求所有重要的航空公司強制記錄國際航班的碳排放量,并從2021年開始執行超過排放基準的碳增長付款政策。

相較而言,在目前的技術水平條件下,提高航空碳排放效率可行性高于全面使用替代能源,復雜程度小于航線結構的調整和減排政策的制定,是行之有效的促進航空碳減排手段[18]。航空碳排放效率是影響航空碳排放的重要因素,其主要通過提高飛行器能源消費強度而降低碳排放[19]。測度航空碳排放效率的定量研究方法有成本函數評估(Cost Function)[20]、隨機前沿模型(Stochastic Frontier Model,SFA)[21]和數據包絡分析方法(Data Envelopment Analysis,DEA)。其中,DEA使用數學規劃模型評價航空碳排放輸入和輸出單位間的相對有效性,經不斷演變,現以基于松弛變量模型(Slack Based Measure,SBM)使用最為廣泛[22]。Schefczvk首先將DEA方法引入航空領域效率研究[23]。Arjomandi等[24]應用DEA模型,研究了2007—2010年世界48家主要航空公司的環境和技術效率,發現中國和北亞的航空公司技術效率最高,歐洲的航空公司環保效率表現最好；低成本航空公司更注重環保效率,并在技術上實現規模收益遞增。Cui等[25]提出了一種基于虛擬邊界的動態SBM模型,克服了傳統動態SBM模型在識別有效決策單元方面的不足,并認為人均GDP、飛機平均使用年限、平均運輸距離對航空公司能源效率有顯著影響。Wang等[4]采用考慮非期望輸出的全局松弛變量模型(Global Slack Based Measure,GSBM)計算航空碳排放的靜態效率,利用全局馬姆奎斯特-盧恩伯格(Global Malmquist-Luenberger,GML)生產率指數結合分析了2009—2013年中國13家航空公司的航空碳排放效率,結果表明中國航空公司碳排放靜態效率呈倒U型,且碳排放動態效率各不相同。Liu等[26]采用DEA和GML指數計算了中國12家航空公司2007—2013年的民航碳排放績效指數,其碳排放效率通過技術進步提高了11.93%,并認為航線分布也影響碳排放效率。

可見,已有的宏觀航空碳排放研究多是針對其減排措施及具體影響因素開展的,碳排放效率研究則多集中于微觀的航空公司視角,且多是將研究單元視為獨立均質的個體,忽略了研究單元碳排放的異質性和關聯性。中國幅員遼闊,各區域民航產業發展不均衡,航空碳排放在各省域表現也不盡相同。因此有效分析中國航空碳排放及其效率的時空分異特征,并針對性的提供碳減排方略是需要積極探索的議題。為此,本文首先利用可拓展隨機性環境影響評估模型(Stochastic Impacts by Regression on Population Affluence and Technology,STIRPAT)計算中國航空碳排放總量,并對碳排放量的時空演化特征進行了判定,進而探明不同尺度區域航空碳排放的空間差異與空間關聯表現。在此基礎上,充分考慮空間異質性,利用基于非期望產出的超效率SBM模型和標準差橢圓(Standard Deviational Ellipse,SDE)分析法,對中國省域航空碳排放效率進行了時空演變特征分析,并對各省域航空碳排放效率的空間分布及空間格局演化過程進行定量描述,進而提出差異化的航空碳減排方略。從全國、區域、省域3個尺度進行航空碳排放及效率時空差異研究,為構建資源消耗低、環境污染少的民航綠色產業結構和生產方式,實現民航綠色循環低碳發展,減少中國航空碳排放做積極努力。

1 研究方法與數據來源

1.1 STIRPAT模型

STIRPAT模型是研究碳排放問題的常用方法,是IPAT等式經過多次改進形成的隨機形式,其允許各影響因素非單調、不同比例地變化[27],可實現對各種驅動因素影響程度的分析[28]。本文構建的中國航空碳排放總量的STIRPAT模型如下：

(1)

式中,Ii表示第i年中國國內航空碳排放總量(t),Pik表示第i年k省的航空運輸總量(t),Ai表示第i年每千噸航空運輸量運送的距離(km),Ti表示第i年每千噸公里油耗(t/103km),e為航空煤油的碳排放因子(kg/kg)。

1.2 區域碳排放指數模型

區域碳排放指數模型可在考慮外部條件下對各省域航空碳排放區域差異進行分析。通過計算由人均碳排放指數(Wp)和單位面積的碳排放指數(Wa)2個概念構建的區域碳排放指數模型得到區域碳排放指數[29],公式如下：

(2)

式中,W為碳排放指數；Wp為人均碳排放指數,Wp=c/cg；Wa為單位面積的碳排放指數,Wa=Ca/Cg；c和Ca分別為人均和單位面積的碳排放量(t,t/km2),cg和Cg分別為應對全球氣候變化目標的人均、單位面積碳排放量(t,t/km2),按照溫室氣體濃度限制在500 mL/m3當量的碳排放軌跡以及全球人居面積8.58×107km2進行測算,分別取值2 t、2.33 t/km2；Wp.max、Wa.max是全球人均溫室氣體排放指數、單位面積溫室氣體排放指數最大值,基于世界資源研究所(World Resources Institute,WRI)公布的全球溫室氣體排放數據,為使結果區分度更明顯,將Wp.max、Wa.max定為15和35；區域碳排放等級評估按照W<0.20、0.20≤W<0.50、W≥0.50的劃分標準對應低排放、中排放、高排放3個等級[29]。

1.3 Moran′s I指數

Moran′s I指數分析方法可用于統計分析航空碳排放空間分布特征和揭示空間分布差異,包括全局Moran′s I指數和局部Moran′s I指數。全局Moran′s I指數能有效反應區域整體集聚情況。局部Moran′s I指數能識別局部區域集聚特性,結合局部Moran′s I散點圖或集聚圖等形式揭示空間異質性規律[30]。公式如下：

(3)

(4)

(5)

其中,

(6)

Ii為第i個空間單元的局部Moran′s I指數,wij為空間權重值,a為空間單元總數。

1.4 基于非期望產出的超效率SBM模型

在計算得到中國航空碳排放總量的基礎上,選擇考慮非期望產出的超效率SBM模型對中國航空碳排放效率進行測算。SBM模型在目標函數中加入松弛變量,有效解決了將航空碳排放總量作為非期望產出時,在效率評價中投入、產出的松弛性問題[31],但是存在著決策單元同時為1的情況,不利于決策單元的相互比較。為此,超效率SBM模型通過修正松弛變量可解決該問題[32]。具體公式如下：

(7)

式中,ρ*為目標效率值；x、yd和yu分別為投入、期望產出和非期望產出；向量x-、y-d和y-u分別為投入松弛量、期望的產出松弛量和非期望產出的松弛量；λ為權重向量；k表示被評價的決策單元(DMU)。ρ*=1表示決策單元完全有效,否則表明存在效率損失,需要對投入、產出量進行調整。效率值具體又分為4個級別：極低效率(0<ρ*≤0.3),低效率(0.3<ρ*≤0.6),中效率(0.6<ρ*≤0.9),高效率(ρ*>0.9)[32]。

1.5 標準差橢圓分析法

標準差橢圓分析法是空間統計分析中研究方向分布的經典方法之一。本文使用該方法計算中國航空碳排放效率的空間中心點、扁率、長軸和短軸、方位角等核心參數,探究其空間格局演化過程,其中中心點的移動代表中國航空碳排放效率空間分布中心的變化,扁率、長軸和短軸分別代表中國航空碳排放效率的空間分布強度、分布范圍,方位角代表中國航空碳排放效率的空間分布主要發展趨勢方向[33],其公式分別為：

(8)

(9)

(10)

式中,SEDx和SEDy分別是(xi,yi)距離分布重心的相對坐標；θ是橢圓由正北順時旋轉的角度。

(11)

(12)

式中,σx和σy分別為x軸和y軸的標準差。

1.6 研究區域與研究數據

本文選擇全國31個省級行政單元(尚未對中國港澳臺地區數據進行統計)為基本研究范圍。由于統計資料在2004年前未單獨統計航空碳排放效率所需的資本投入數據,為保持指標統一性和數據分析連貫性,本文的研究期定為2004—2019年。基于STIRPAT模型進行的中國航空碳排放總量研究所需指標主要包括“國內航空運輸總量、每千噸運輸量運送的距離、每千噸公里油耗”,其中國內航空運輸總量指標為國內旅客運輸總量與貨郵運輸總量之和,每千噸運輸量運送的距離和每千噸公里油耗指標由國內運輸總周轉量、運輸總量和航空煤油消耗量計算得出。數據來源于《從統計看民航》《民航行業發展統計公報》《民航機場生產統計公報》,航空煤油的碳排放因子e參照中國民航航空局發布的《民用航空企業(航空公司)溫室氣體排放報告補充數據表》,其缺省值定為3.15 kg/kg。基于非期望產出的超效率SBM模型進行的航空碳排放效率研究主要包括投入和產出指標2個方面。其中投入指標一般選取資本投入和勞動力投入指標[34]。本文資本投入指標選取交通運輸固定資產投入數據作為各省域航空碳排放效率的投入數據,來源于《中國第三產業統計年鑒》；勞動力投入指標選取航空運輸業從業人數數據,來源于《中國人口和就業統計年鑒》。產出指標選取航空運輸總量作為期望產出、航空碳排放總量作為非期望產出,數據來源于《民航機場生產統計公報》及航空碳排放的計算結果。

2 航空碳排放時空演變特征分析

2.1 航空碳排放總量時序特征分析

2004—2019年,中國航空碳排放總量持續增長,由2.48×107t增至11.60×107t,年均排放量為6.09×107t(圖1)。航空碳排放增長主要受到航空運輸量增長的影響,全行業運輸周轉量由2014年的230.99×109t/km增至2019年的1293.25×109t/km,增長了4.6倍,年均增長11.37%。2004—2019年,中國航空碳排放增長率波動下降,由30.4%降至6.38%,年均增長率為12.10%。2004年增長率在研究期內最高,主要是受到2003年非典事件的滯后影響。其他增長率較低的年份分別受到不同事件影響,如2008年全球金融危機及燃油稅調整、2011年日本地震與敘利亞戰爭等突發事件以及全球通脹壓力加大導致國內航空需求變弱；2017年主要受薩德事件影響嚴重,中國客貨運多條航線運力投放下降20%；2019年受到波音737MAX飛機停飛事件影響,各航空公司的運力安排也相應減少,航空運輸量增速放緩使得航空碳排放量增速放緩。

2004—2019年,中國航空碳排放強度(航空碳排放量與GDP比值)波動下降,由153.5 t/108元降至117.1 t/108元,年均強度為121.03 t/108元(圖2),年均增長率為-0.88%。其中,2004—2013年航空碳排放強度主要呈現明顯下降趨勢；2014—2019年航空碳排放強度主要呈現明顯增長趨勢,僅2017、2019年有小幅下降。但總體上看,中國航空業節能減排效果明顯。一方面是因為研究期內航空燃油單位能耗逐年降低(0.51降至0.44),有效抑制了航空碳排放強度的快速增長,這與前人研究結果一致[7]。另外一方面,是因為2008年歐洲碳排放交易體系(EU-ETS)[35]將中國33家航空公司納入后,中國為應對減排壓力制定了多項措施,如2014年,國家發改委印發《國家應對氣候變化規劃(2014—2020年)》指出中國將致力于航空產業低碳發展；2017年,中國民航局發布《中國民用航空發展第十三個五年規劃》,提出到2020年中國計劃實現碳強度降低40%—50%,并建成綠色民航標準體系；2018年,中國民航局發布《關于深入推進民航綠色發展的實施意見》,進一步促進民航航空器節能減排等,均對抑制碳排放過快增長發揮了作用。

圖1 2004—2019年中國航空碳排放總量及增長率變化圖 Fig.1 Changes in China′s aviation carbon emissions and growth rate during 2004 to 2019

圖2 2004—2019年中國航空碳排放強度及油耗變化圖 Fig.2 Changes in China′s aviation carbon emission intensity and growth rate during 2004 to 2019

2.2 航空碳排放總量空間演變特征分析

2.2.1空間分異分析

圖3 2004—2019年四大經濟區占全國總碳排放量的比例變化 Fig.3 The proportion of the four economic zones in the country′s total carbon emissions during 2004 to 2019

2004—2019年,航空碳排放總量在中國四大經濟區的分布總體表現為“東部>西部>中部>東北”的格局(圖3)。其中各地區碳排放總量占全國比重呈現差異性變化特征：東部地區下降(66.38%降至54.31%)、西部地區上升(21.36%升至28.63%)、中部地區上升(6.78%升至11.13%)、東北地區變化不大(5.48%升至5.94%)。可見,東部仍是中國航空碳排放的主要發生區域。

根據2004—2019年中國航空碳排放總量計算結果,使用區域碳排放指數模型進一步評價經濟、人口等條件對中國31個省域的航空碳排放總量的影響并進行等級分區,借助ArcGIS 10.6軟件,選取了2004、2007、2010、2013、2016和2019年的數據繪制中國航空碳排放區域等級分布圖(圖4)。結果顯示：2004—2019年,高排放、中排放等級區數量持續增加,高排放等級區數量由2個增至8個,中排放等級區數量由3個增至6個,在東部地區、少數中部地區聚集,且越到研究后期,分布越廣泛。低排放等級區由26個降至16個,主要集中于西部、東北、中部地區。據《中國統計年鑒》數據統計可得,2004—2019年東部地區經濟、人口總量占全國的平均比重分別為53.04%、37.59%,2019年廣東、江蘇、山東、浙江、福建、上海的經濟規模位列全國經濟前十位,北京、天津作為直轄市,經濟總量不容小覷；西部地區經濟、人口總量占全國的平均比重分別為19.01%、27.41%,陜西省經濟規模位列全國14位,云南、重慶的經濟發展速度異軍突起,位居全國前5位；中部地區經濟、人口總量占全國的平均比重分別為19.99%、26.89%,研究后期河南、湖北、湖南省躋身全國經濟前十位；東北地區經濟、人口總量占全國的平均比重分別為7.98%、8.11%,遼寧省近年來經濟規模位列全國15位。經濟與人口規模大,相應的則民航運輸規模也旗鼓相當,如2010—2019年,東部、西部、中部、東北四大經濟區機場旅客吞吐量占全國的比重分別為：55.61%、28.09%、10.16%、6.17%,機場貨郵吞吐量占全國的比重分別為：76.02%、14.84%、5.63%、3.50%,可見,區域經濟、人口發展情況與區域航空碳排放總量總體呈正向相關,說明其對區域航空碳排放總量有突出影響。

圖4 2004—2019年中國航空碳排放區域等級分布圖Fig.4 Distribution of aviation carbon emission levels in China from 2004 to 2019

2.2.2空間關聯分析

使用Moran′s I指數分析中國航空碳排放總量的省域差異化變化情況,以識別中國航空碳排放集聚分布及演化特征。具體為,2004—2019年中國航空碳排放量全局Moran′s I指數航空碳排放總體保持正向空間相關性,空間響應指數由0.014提高到0.029,增幅達115.56%,表明中國航空碳排放空間集聚狀態越來越突出。進一步,使用ArcGIS 10.6軟件計算出2004等6個年份的航空碳排放空間響應指數的局部Moran′s I值,對各個省域航空碳排放空間響應的空間關聯關系判定(圖5)。結果顯示：①低低集聚,指自身與周邊航空碳排放空間響應程度均較低且空間差異較小的省域,二者呈正相關關聯特征。研究期內該類區域由4個增至7個,主要呈現向西部→西北→東北逐步擴大的集聚趨勢,形成了航空碳排放空間弱響應的擴展區域,與圖4的研究結果一致。②低高集聚,是指自身航空碳排放空間響應程度較低,而周邊較高,且空間差異較大的省域,二者呈負相關關聯特征。研究期內該類省域主要在上海周邊分布,因為上海較其周邊省域航空碳排放差異最高,因此在其周圍形成了低高聚集區。研究期內無高高集聚區、高低集聚區,說明中國高碳排放區較分散,還未形成省域之間連片的碳排放高值區。

圖5 2004—2019年中國局部航空碳排放集聚及演化特征圖Fig.5 Agglomeration and evolution of carbon emissions from local aviation in China from 2004 to 2019

3 航空碳排放效率時空格局演變分析

3.1 航空碳排放效率時序演變特征分析

2004—2019年,中國航空碳排放效率總體呈現“M”型波動上升趨勢(圖6),經歷了由低效率向中效率級別的轉變。2004—2011年,中國航空碳排放效率處于[0.3,0.5]區間,整體處于低效率級別。其中“M”的第一個高值出現在2008年,全球金融危機導致航空運力的下降反倒提升了航空碳排放效率,說明航空碳排放投入的降低減少了碳排放,使得投入和產出之間的比例更協調,提高了航空碳排放效率。2009—2011年處于低谷期,主要因為資本投入增加但產出持續增加導致。第二個高值出現在2012年,主要因為投入降低回調導致。2012—2019年,中國航空碳排放效率集中于[0.6,0.8]區間,進入中效率等級。到2019年,效率值又有下降,源于投入和產出的雙下調。

2004—2019年,四大區域的航空碳排放效率走勢與全國一致。東部地區的航空碳排放效率在2004年為低效率,之后除2009—2012年外均處于中效率水平；西部地區航空碳排放效率經歷了低效率(2004—2011年)—高效率(2012—2017年)—低效率(2018—2019年)的轉變；中部地區航空碳排放效率波動變化較大,除2017—2019年處于中效率水平,其他年份均處于極低效率、低效率水平；東北地區航空碳排放效率除2018—2019年處于中效率水平外,其他年份均處于極低效率、低效率水平。研究期內雖然部分年份西部地區航空碳排放效率高于東部地區,整體上呈現東部>西部>中部>東北地區的態勢,與上文的航空碳排放的區域排名結果一致。主要是因為東部地區經濟發達、人口密集,航空運輸總量大但是規模效應突出,且很多城市的作為全國核心的航空樞紐,承載了中國民航運輸的重要任務,如北京首都國際機場是中國最重要、運輸生產最繁忙的大型國際航空港,自2008年開始年旅客吞吐量就位居全球第2位；廣州白云國際機場、上海虹橋國際機場等重要機場也均位于東部地區,因此東部地區民航運輸產業投入產出比高,航空碳排放效率高。西部地區近年來受到西部大開發戰略、一帶一路戰略影響,多數城市經濟發展速度高于全國平均水平,且部分城市如烏魯木齊、西安、成都的機場本身就是中國西部地區重要的航空樞紐,民航規模位居中國前列。中部地區、東北地區因缺少樞紐機場的中轉任務,因此民航運輸總規模相對較弱,航空碳排放效率較低,還需要進一步協調投入與產出比例。

圖6 2004—2019年中國航空碳排放效率變化趨勢Fig.6 The variation trend of China′s aviation carbon emission efficiency from 2004 to 2019

3.2 航空碳排放效率空間格局演化特征分析

3.2.1空間分布特征分析

根據2004—2019年中國航空碳排放效率計算結果,繪制中國航空碳排放效率空間分布圖(圖7)。具體看：2004 年,僅有上海、海南、云南3地航空碳排放效率為高等級水平,北京、湖南2地為中等級水平,遼寧、福建、廣東等11地為低等級水平,黑龍江、吉林、甘肅等15地為極低等級水平,東部地區整體高于其他區域。2007年,僅有黑龍江、吉林、河北、內蒙古、安徽、江西6地為極低等級水平；西部地區效率提升較快,如甘肅、貴州、青海、陜西、新疆由極低級向低級演化；東部地區廣東、浙江2地由低級向中級轉變。2010年,陜西由中級向高級演變,其他如山西、海南、北京等地航空碳排放效率等級有短期下滑。2013年,僅河北保持了極低效率水平,其他各地效率提升較為明顯,中部地區6省域全部進階低級效率水平,西部地區7省域進入中級效率水平,平均效率(0.71)超過東部地區(0.66)成為全國效率最高的區域。2016年,北京、上海、浙江、甘肅、內蒙古、陜西、西藏為航空碳排放高等級區域,江蘇、新疆、湖北等14地為中等級區域,剩余吉林等10地為低等級區域,無極低等級區域；西部地區效率仍然最高,區域間效率差異減小。2019年,全國碳排放效率有不同程度下降,其中西藏降低為極低等級區域,低效率區域有山東等13地,中等級區域北京等12地,高等級區域僅有上海等5地；東部地區效率仍保持較高水平,東北地區效率水平高于西部和中部地區。

2004—2019年,各省域航空碳排放效率均存在不同程度的提高：①極低效率區由15個降至1個,其集聚區由中國北部地區向西部地區轉移。②低效率區由11個增至13個,中國絕大多數地區屬于該類型區,其集聚區由西北部向東南區發展。③中效率區數量大幅增長,由2個增至12個,其集聚區由中國東南部地區向中部和北部拓展。④高效率區數量呈現先增加后下降的趨勢,2004—2016年由3個增長到7個,2016—2019年數量下降為5個,大部分由內陸地區轉移到沿海地區,主要為上海、浙江等地。因此,中國省域航空碳排放效率仍以低效率、中效率為主要類型,未來還有待進一步提高中國整體航空碳排放效率。

圖7 2004—2019年中國航空碳排放效率區域差異分布圖Fig.7 Regional distribution map of China′s aviation carbon emission efficiency from 2004 to 2019

3.2.2空間格局演化特征分析

以2004—2019年31個省域碳排放效率值為權重,應用ArcGIS 10.6軟件繪制中國航空碳排放效率的標準差橢圓圖,以描述中國航空碳排放效率的空間分布格局(圖8),并基于計算所得的中心點移動方向、橢圓展布性(長軸、短軸與扁率)、橢圓方向性(移動方向和距離)等參數變化情況分析其演化特征(圖9)。

圖8 2004—2019年中國航空碳排放效率分布方向性與演化Fig.8 The direction distribution and evolution of Aviation carbon emission efficiency from 2004 to 2019

(1)空間分布中心變化。從橢圓中心點位置看,2004—2019年中國航空碳排放效率的中心集中分布于中國幾何中心(103.30°E,36.64°N)[36]的東、南方向,說明中國東部、南部地區的航空碳排放效率較高。其中,2004—2013年中心點自東南向西北方向偏移,此階段西部地區省域的經濟發展速度逐步增加,航空運輸需求增長,促使航空碳排放效率的提高。2014—2019年中國航空碳排放效率中心不斷向東部、北部遷移,表明中國東部和北部的航空碳排放效率在這一時期增長較為明顯。但研究期內中國整體航空碳排放區域發展不平衡性突出,其空間格局表現出由東北—西南的方向分布,從橢圓的扁率看,以2013年為節點,中國航空碳排放效率空間分布的方向性經歷了弱化到明顯的過程,表明各省域之間的航空碳排放效率差異性由逐漸減小到逐步增大。

(2)空間分布范圍變化。中國航空碳排放效率標準差橢圓分布范圍在2004—2019年呈先增長后小幅下降增長趨勢,標準差橢圓平均面積為6.02×106km2。其中,2004—2013年標準差橢圓面積持續增長,由7.11×105km2增至7.48×106km2,長軸與短軸分別由2004年的1043.36 km、1216.85 km變化至2013年的1307.51 km、1067.91 km,表明此階段中國航空碳排放效率的空間分布較為分散,期間航空碳排放效率增高的省域增多；長軸變長、短軸變短,中國航空碳排放效率空間分布格局雖以南—北方向為主導,但東—西方向的發展也愈加明顯。2013—2019年,標準差橢圓面積由7.48×106km2降至6.88×106km2,長軸與短軸分別變化至2019年的1064.61 km、1124.38 km,說明該階段中國航空碳排放效率的空間分布格局變化不大、較為穩定,其效率的空間溢出效應尚不明顯,空間分布格局仍以南—北方向為主導,東—西方向的影響較弱。

(3)空間旋轉角變化。研究期內旋轉角θ在43°～80°之間變化,其中2004—2013年橢圓的方位角θ由43°逐漸增加至80°,反映中國航空碳排放效率空間分布格局在東—西方向分布的趨勢逐漸明顯,主要因為各省域碳排放效率差異逐步縮小,區域分布的均衡性逐步凸顯；2013年之后橢圓的方位角θ由80°降至44°,反映中國航空碳排放效率空間分布格局又逐步回到南—北方向分布為主的類型,且空間分布格局基本保持穩定,主要由于研究后期東部、東北地區航空碳排放效率提高拉大了與東—西方向格局的差距。

圖9 中國航空碳排放效率標準差橢圓核心參數演化圖Fig.9 Evolution diagram of standard deviation ellipse core parameters of China aviation carbon emission efficiency

4 結論與討論

4.1 結論

本文對2004—2019年中國航空碳排放的總量的時空演化特征進行了分析,并基此對2004—2019年航空碳排放效率時空格局演變過程進行了研究。結果顯示：

(1)中國航空碳排放總量持續增長,主要受到航空客運量增長的影響；同期,中國航空碳排放增長率和航空碳排放強度均呈波動下降趨勢,說明中國航空業節能減排效果明顯。一方面是因為研究期內航空燃油單位能耗逐年降低,另外一方面,反映了中國為應對減排壓力制定的多項措施均對抑制碳排放過快增長發揮了作用。

(2)航空碳排放總量在中國四大經濟區的分布總體表現為“東部>西部>中部>東北”的格局,各地區碳排放總量占全國比重呈現差異性變化特征,東部仍是中國航空碳排放的主要區域。中國航空碳排放總體保持正向空間相關性,主要呈現低低集聚、低高集聚狀態,中國高碳排放區較分散,還未形成省域之間連片的碳排放高值區。

(3)中國航空碳排放效率總體呈現“M”型波動上升趨勢,四大區域的航空碳排放效率走勢與全國一致,也呈現東部>西部>中部>東北地區的態勢,主要是因為東部地區經濟發達、人口密集,航空航空運輸總量大且規模效應突出,西部地區近年來受到西部大開發戰略、一帶一路戰略影響,多數城市經濟發展速度高于全國平均水平,部分樞紐城市民航規模位居中國前列,帶動了航空碳排放效率提高。

(4)各省域航空碳排放效率均存在不同程度的提高,極低效率區、高效率區數量不同程度減少,但低效率區、中效率區仍是主要類型。中國東部、南部地區的航空碳排放效率較高,各省域之間的航空碳排放效率差異性由逐漸減小到逐步增大。中國航空碳排放效率空間分布格局以南—北方向為主導。

4.2 討論

2004—2019年,中國31個省域中,經濟發達區域的航空碳排放還處于不斷增長趨勢中,且航空重要樞紐的碳排放呈現點狀快速增長,各省域航空碳排效率以低、中水平為主。因此,提高航空碳排放效率是當今促進航空碳減排的最主要措施。根據未來中國航空碳排放空間分布格局演變趨勢,及前文關于航空碳排放效率成因的探討,建議從以下幾方面提升中國各區域航空碳排放效率：①對于重要區域航空樞紐,則需要突出其地域輻射功能,充分帶動區域航空發展的同時,保障機場終端區空域的航空流疏解與暢通,提高航班正常率,并減少機場擁堵的區域傳導,提高空域利用效率以減少航班繞行與復飛帶來的碳增加。②各省域機場在積極提高民航運輸服務能力的同時,應統籌協調,明確各地機場特色與分工、區分各地航空目標市場,優化航線結構、提高上座率,減少區域同質性競爭以提質增效。③四大區域航空減排措施如下：東部地區應繼續完善綠色低碳民航運輸服務體系；西部地區應繼續利用國內、國際航空樞紐的優勢發揮規模效應；中部地區應利用自身經濟發展優勢積極更新民航交通運輸產品以提高市場競爭力降低替代性；東北地區應加快經濟振興,提振民航人氣,通過提高運輸規模達到碳排放優化。④全國總體發展應該統籌一致、共同進步。雖然,各區域航空低碳減排策略各有不同,但全國總體上應通過新技術分享、人才隊伍建設等,促進民航綠色產業累積的迭代優勢；積極構建科技含量高、資源消耗低、環境污染少的民航綠色產業結構和生產方式,實現民航綠色循環低碳發展,形成民航綠色經濟發展新的增長點。

盡管本文綜合考慮了中國航空碳排放及其效率的各項影響因素,如航空運輸總量、每千噸運輸量運送的距離、每千噸公里油耗、航空燃油消耗量等,對中國航空碳排放及效率的區域差異特征和時空演化過程進行了深入分析。但由于數據獲取難度較大,有些資本投入和勞動力投入等部分因素等未能全面考慮。未來隨著更全面的航空統計數據庫的完善和出行調查的實施,可以對中國航空碳排放做更加精確的模擬和預測。進一步,隨著新技術實施和新能源的充分應用,以及更加嚴苛的航空碳減排政策的實施,中國航空碳排放將呈現更多的新的趨勢,為全球碳減排的有效推進和學術研究提供了重要方向。