中國交通碳排放驅動因素分析
——基于脫鉤理論與GFI 分解法

宋德勇，宋沁穎，張 麒

（華中科技大學經濟學院，湖北武漢 430074）

1 研究背景

加快實現碳達峰碳中和目標，已成為應對氣候變化的全球共識，也是中國對國際社會的莊嚴承諾。2020 年，黨中央、國務院提出了戰略性的“雙碳”目標（2030 年前實現碳達峰，2060 年前實現碳中和），并將之納入生態文明建設的整體布局。然而，中國作為全球第一碳排放大國，其交通部門不僅是溫室氣體的主要排放部門之一，也是碳排放增長最為迅猛的部門之一。以道路運輸為例，2018 年中國道路運輸產生的CO2占全國能源相關總排放量的10%，2010—2018 年道路運輸碳排放量則增長了61%［1］。交通運輸部門的碳減排，已成為中國實現“雙碳”目標的必由之路。

那么，中國交通部門碳排放的歷史變化趨勢如何？各個地區的交通碳減排處于何種發展階段？在不同階段下，交通碳排放的驅動的因素是什么？從現有研究來看，仍缺乏系統分析。為解決以上問題，本文基于脫鉤理論和廣義費雪指數方法（GFI），對中國整體及各地區的交通碳排放時空趨勢、脫鉤狀態以及背后的驅動因素進行深入分析。這不僅有利于更好地掌握當前交通行業碳排放情況，也能從中探索適用于不同地區交通碳減排的經驗和教訓，為交通碳排放政策的制定提供參考。

碳排放因素分解已成為研究區域、行業碳排放影響因素的重要方法［2-3］，是影響碳排放變動因素量化分析基礎。但現有中國交通行業碳排放驅動因素分析研究主要存在三個方面局限：（1）大量研究使用LMDI 模型，但在Ang 等［3］的檢驗中，廣義費雪指數（GFI）方法比前者的因素分解特性更好、結果更精確，而在中國交通碳排放因素分解分析方面，未有研究使用GFI 方法進行分析，使已有研究結論存在誤差；（2）大多研究將碳排放影響因素分解為行業內部能源結構、能源使用效率、行業核心指標特征及單一城市化因素，很少有研究細化城市化的不同層面對交通碳排放的影響程度；（3）針對中國交通碳排放驅動因素分析的文章仍較少，分地區探究不同脫鉤類型下中國交通碳排放驅動因素分解分析的研究空白仍待填補。如能使用脫鉤分析法對中國交通碳排放發展演變趨勢進行分析和分類，進而使用GFI 方法分解分析影響中國交通碳排放變動的因素和方向，就能更具針對性地采取交通碳減排措施，助力交通碳達峰更早實現。

相比以往研究，本文的邊際貢獻在于，第一，使用與現有研究不同的GFI 法，對交通碳排放影響因素進行分解。該方法的優勢是能消除計算殘值、對排放量完全分解，相比于其他因素分解方法的穩健性檢驗更好，使得分解結果更精確，但被較少使用。第二，將交通碳排放驅動因素在城市化層面進行擴展，增加經濟城市化、人口城市化、土地城市化三個維度，探究不同城市化方式對交通碳排放的影響程度及路徑。第三，針對經濟城市化、土地城市化和交通能源強度三大促進交通碳排放增長的三大驅動因素，提出構建“高效、緊湊、智能”城市交通體系建設建議。

2 文獻綜述

2.1 交通碳排放研究

針對交通碳排放，國內外學者圍繞交通碳排放的核算、與經濟發展的關系、影響因素、增長預測等方面做了大量研究。

（1）核算交通的能源消費和碳排放量。由于交通碳排放核算體系尚未得到統一，歐陽斌等［4］、徐龍等［5］、左大杰等［6］、陶玉國等［7］學者使用“自上而下”的投入產出法、“自下而上”的過程分析法、生命周期模型法等對交通運輸能源消費和碳排放進行測算。“自上而下”法主要基于交通側各種燃料消耗量和燃料CO2排放因子乘積的總和進行計算。范育潔等［8］采用“自上而下”的方法測算西北5 省區的交通碳排放，發現寧夏是其中能源強度最大的省份。“自下而上”法通過不同交通方式的車型、保有量、行駛里程、單位行駛里程燃料消耗等數據計算總燃料消耗，再根據各燃料類型的CO2排放因子計算交通碳排放量。歐陽斌等［4］使用“自下而上”法核算江蘇省能耗強度和碳排放強度，發現江蘇交通能耗和碳排放總量持續上升，應重點關注公路貨運部門的節能減排，大力發展公共交通。生命周期模型考慮了交通運輸系統從制造、建設、運營、維護以及回收處理各階段的碳排放。張秀媛等［9］對北京市公共交通系統進行全生命周期能耗和碳排放總量和強度的核算，提出建設以大容量公共交通為主，以縮短出行舉例為目的的多層次公共交通體系。由于“自上而下”方法數據可獲數據區域、時間范圍更廣，本文采用以該方法為基礎進行核算的CEADS中國交通碳排放數據庫［10］。

（2）研究交通碳排放與經濟發展的關系。最常見的包括能源、環境與經濟增長（3E）理論［11］、低碳經濟理論［12］、環境庫茲茨曲線理論以及脫鉤理論［13］。相比于前三者，脫鉤理論能量化二者關系，可作為衡量區域、行業碳排放是否達峰的支撐理論和抓手［14-15］，同時，也被廣泛應用在衡量工業［16］、建筑業［17-18］、貿易［19］、水足跡與經濟發展關系等方面的全國總體或某一省份的研究中［20］。韓夢瑤等［21］采用泰爾指數和脫鉤模型，分析中國各省整體碳排放與經濟發展關系，發現多數地區經歷擴張脫鉤、擴張連接和弱脫鉤的歷程，但部分地區脫鉤穩定性低。李明煜等［22］核算中國鋼鐵、電力和水泥行業的碳排放，并分析其達峰情況和脫鉤狀態，發現各省份電力和水泥行業碳排放與產量間逐步脫鉤，而各省鋼鐵碳排放的脫鉤狀態各有差別。Wang等［23］使用脫鉤模型分析20 個OECD 成員國ICT 投資與碳排放強度脫鉤狀態，發現其ICT 投資的脫鉤狀態逐步好轉。但針對交通經濟增長與交通碳排放的脫鉤分析中較少涉及區域、省際對比。

（3）識別并分析交通碳排放影響因素。主要方法包括因素分解法［2,24］、計量經濟模型等［25-27］。基于STIRPAT 模型擴展的回歸模型以及空間計量模型是研究交通碳排放影響因素的常用計量經濟模型，但計量經濟建模主要是研究變量間規律性聯系，無法獲取因素分解分析方法中對交通碳排放從結構上完全分解的效果［28］。因素分解模型主要包括結構分解法（SDA）和指數分解方法（IDA），二者均是由Kaya 模型拓展而來，前者雖能對各影響因素進行較詳細的分析，但由于所需的投入產出表數據規模大，無法做到逐年更新［29］，后者以使用產業水平總和數據為主，能進行跨時間、跨區域對比。IDA方法主要包括Laspeyres 指數分解、Divisia 指數分解、LMDI 和廣義費雪指數分解，Ang 等［3］通過對包括上述IDA方法在內的6種因素分解法進行檢驗發現，有且僅有廣義費雪指數能通過除總量檢驗以外的所有檢驗，故本文使用廣義費雪指數方法能夠得出更加準確的分解結果。在使用廣義費雪指數的現有研究中，主要是針對某一地區［30］、能源與工業行業碳排放的分解［31］，鮮少有對中國各省份交通碳排放因素分解與對比分析的研究，本文的研究能填補該方向的空缺。

（4）預測交通碳排放變化趨勢。基于情景分析的LEAP 模型是主要預測方法，其是基于經濟、行業、技術等政策和發展目標做情景假設，再通過各行業終端能源強度和活動水平，結合碳排放因子預測和分析各部門未來的能源需求［32］。馬海濤等［33］基于機動車燃料消耗數據對京津冀公路客運交通源排放進行了測算和分析，并通過設定基準情景、比例控制、總量控制三種情景以及“自下而上”的LEAP模型預測京津冀地區客運交通碳排放情況，發現各種情景下區域排放總量均保持增長趨勢，建議在公路客運交通調控設計方面加大力度。Fan 等［34］使用LEAP 模型預測北京市公共交通溫室氣體排放情況，發現優先發展公共交通、緩解道路交通和使用新能源汽車發展情景下，能源需求和GHG 排放量將呈現下降趨勢。

本文重點聚焦對交通碳排放因素的分析，國內外有不少相關研究采取先探究碳排放與區域、行業經濟發展的脫鉤關系，隨后根據不同脫鉤類型分解碳排放驅動因素的研究范式［35-36］。但對中國各省份交通碳排放進行脫鉤分析，并使用GFI 方法進行因素分解和對比分析的研究較少，這也是本文的貢獻。

2.2 交通碳排放影響因素研究

2.2.1 交通碳排放的影響因素

影響交通碳排放的因素涉及經濟、社會、行業發展等多個方面，本文結合已有研究［36-38］，充分考慮各因素間關系，從交通碳排放的產生來源、使用及外部環境影響三個角度，選取能源、交通行業、城市化三類因素對交通碳排放進行因素分解。

選取交通能源結構和能源強度兩個指標代表能源影響因素。交通能源結構反映了交通運輸部門能源供給端各類能源的比例關系，清潔、低碳能源占比越高，單位能源消耗量產生的交通碳排放越少［39］；反之，占比越低，單位能源消費量的交通碳排放越多。交通能源強度代表交通運輸部門運營過程中的能源使用效率，單位交通增加值中所需能源消耗量越高，則產生越多的交通碳排放，能源使用效率越低；反之所需能源消費量越少，交通碳排放越小。借鑒已有的通過Kaya［40］模型對碳排放分解的研究，本文使用單位交通能源的碳排放量、單位交通增加值的能源消耗量來分別衡量交通能源結構和交通能源強度。

交通因素是交通能源的需求方，是產生交通碳排放的最直接因素。參考Fan 等［41］的方法，使用單位交通增加值的交通周轉量表示交通行業因素對交通碳排放的貢獻，并定義為交通強度。一方面，在交通增加值增長率不變的情況下，交通周轉量增速提高，則說明交通運輸效率提高，使得交通碳排放量下降；另一方面，在交通周轉量不變的情況下，交通運輸部門增加值增速加快，這主要是運輸效率降低或基礎設施在建規模過大，導致交通碳排放加快增長。

城市化進程加快，帶來人口、產業的聚集和土地的擴張，從而刺激交通碳排放的增長。現有的關于交通碳排放因素分解研究中，僅發現經濟發展對交通碳排放增長起主要促進作用，而缺乏更進一步討論。同時，證明城市化是推動經濟增長速度和質量的主要因素的研究汗牛充棟［42］，因此在對交通碳排放驅動因素研究中，對經濟增長進行更細致的城市化視角分解是十分必要的。本文將城市化因素具體分解為經濟、人口、土地城市化三個方面，其對交通碳排放的影響路徑在下一節詳述。

2.2.2 城市化對交通碳排放影響的路徑分析

在現有的針對中國交通碳排放因素分解的研究中，沒有考慮到城市化對交通碳排放的影響。但城市化帶來的產業集聚、人口規模膨脹、土地擴張等都會帶來人員流動增加、商品運輸量和速度的增長，促進交通運輸周轉量，導致更多的交通能源消耗和碳排放量增加。本文參考王班班等［43］對城市化過程的表現方式，對GFI 法中交通碳排放的影響因素從城市化層面做人口、經濟、土地三方面的分解。

產業集聚帶來的經濟快速增長是城市化的重要特征之一，從物流規模、商務出行需求等方面影響交通碳排放。為促進經濟發展，我國大力推進工業化進程發展，從而帶來產業結構的轉變，帶動城市化程度的提高［44］，在此過程中，企業選擇產業集聚的方式提升生產效率。一方面，產業聚集帶來物流量的增加，帶來運輸規模擴大，產生更多交通碳排放，同時，為促進貿易往來更加頻繁的商務出行需求也增加了交通碳排放的增加；另一方面，相對于更加分散的產業分布方式，產業集聚帶來的規模效應，使得單位產品從生產到銷售全流程中交通運輸效率更高，能降低交通碳排放的增長。

人口規模膨脹是產業集聚的產物，進一步推動了人們出行需求的增加。產業規模擴張吸引大量農村勞動力向城鎮轉移，城市涌入大量流動人口，促進城市人口增長。一方面，城市人口增長伴隨著更旺盛的交通出行需求，帶來更多交通碳排放［27］；同時，人口密度增加加劇了交通擁堵問題，制約交通運輸效率的提升，增加單位運輸周轉量的能源消費量和碳排放量。另一方面，由于流動人口更多集中在產業集聚區，空間分布較為集中，相對于農村分散式聚居模式，城市人口長距離出行需求較少，能有效促進交通運輸效率的提高，進而帶來交通碳排放的下降。

土地規模擴張是城市化的另一大特征。一方面，經濟發展和人口規模膨脹不可避免帶來城市所需生存空間的擴張，使得城市土地規模擴大，而分散性城市發展方式增加交通運輸、通勤距離，增加交通碳排放；另一方面，土地無限擴張會造成土地利用效率降低，因此有城市通過緊湊型發展的方式，合理規劃城市利用空間，降低土地規模擴張的速度，同時提升交通運輸效率，抑制交通碳排放的增長速度。

綜上，本文使用脫鉤理論對中國各區域、省份交通碳排放的脫鉤狀態進行分類和時空對比分析，運用分解更加完全、無殘差項的廣義費雪指數因素分解方法，并對分解因素在城市化層面上進行經濟、人口、土地城市化三方面的拓展，研究交通碳排放驅動因素如何影響交通碳排放的變化，以期獲得更精確、有政策指導意義的結論。

3 方法與數據

3.1 研究方法

3.1.1 脫鉤分析法

本文參考Tapio［45］構建的彈性脫鉤模型，利用對應指標變化率之比測度環境經濟脫鉤狀態，具體如式（1）所示：

式中，e表示脫鉤彈性系數，C表示環境壓力，Y表示經濟發展水平，ΔC、ΔY分別表示對應指標的研究期變化量，n代表年份n∈（2001,2019）。本文使用交通碳排放表征交通給各省帶來的環境壓力，使用人均交通部門增加值表征各省交通行業發展水平。二者之間的脫鉤關系根據分為8 個種類，如表1 所示，其中考慮避免過度識別問題，對彈性e取得1 及其±20%的偏移區域內的數值。

表1 脫鉤程度及劃分標準

參考曲艷敏等［46］的處理辦法，對各省份交通行業發展與交通碳排放壓力的脫鉤狀態進行賦值排序，越好的狀態，賦值越高。由于全國各省份交通行業增加值年增長率均高于+3%，因此只存在強脫鉤（8）、弱脫鉤（7）、擴張連接（5）和擴張負脫鉤（3）4 種狀態的。

3.1.2 廣義費雪指數（GFI）方法

本文使用廣義費雪指數方法來分析中國各省份2001—2019 年交通運輸部門碳排放的驅動因素。

該方法是由擴展的Kaya 模型發展而來，能有效分析碳排放的驅動因素。Laspeyres 和Divisia 方法是最常見的指數分解方法，但兩種方法都不能解決分解過程中的余值問題，這影響了結果中對于碳排放變化的解釋，而GFI 方法能很好地解決該問題。Ang等［3］通過將GFI 方法與其他五類方法進行了因素反轉、時間反轉、比例反轉、總數、零值穩健性及負值穩健性檢驗，發現GFI 方法通過了除總數檢驗外的所有檢驗，相比于其他因素分解方式，該方法的檢驗穩健性更好。因此本文采用GFI 方法來完成對中國交通運輸碳排放的因素分解更為恰當。首先，Kaya 恒等式如式（2）所示：

式（2）將碳排放C與能源E、經濟增長水平即地區生產總值（GDP）和人口P聯系起來，結構簡潔易懂，但其只探討了國家層面的碳排放、能源結構、能源強度、經濟增長與人口之間的數量關系。

由于本文研究視角聚焦交通運輸行業，因此加入交通行業周轉量將恒等式擴展為式:

其中，C代表總體交通碳排放，Ci代表第i種燃料產生的交通碳排放，Ei代表第i種燃料產生的能源消費量，E代表總的一次能源消費量，V代表交通周轉量，GDP 代表國民 生產總值，P代表地區常住人口。Ci/Ei是第i種燃料的碳排放系數，Ei/E代表交通能源結構（ES）；E/V代表每單位交通周轉量帶來的能源消費量；V/GDP 代表每單位GDP 帶來的交通周轉量；GDP/P 是人均GDP，代表經濟發展水平；P代表人口規模。

本文還考慮城市化給交通部門碳排放的影響。本文在式的基礎上將經濟發展水平進一步擴展，參考王班班等 ［43］城市化水平的分類，加入城鎮人口數、建成區面積等指標，得到交通碳排放擴展見式(4)：

各驅動因素（對數值）對 一段時間（從0 到T）交通碳排放變化量（對數值）增長率 的貢獻分別記為ES、EI、TI、EG、PD、BA，如式（8）所示：

3.2 數據及處理說明

本文 對30 個省、自治區、直轄市（未 含西藏和港澳臺地區）的交通碳排放量和交通能源消費量的測算數據主要來自CEADs 數據庫和2002—2020 年《中國能源統計年鑒》。為保證數據統計 口徑的一致性，核算碳排放所需的碳排放因子采用大多數文獻使用的《2006 年IPCC 國家溫室氣體清單指南》移動源數據［48］。《中國能源統計年鑒》依據國民經濟行 業分類與代碼（GB/T 4754—2017），將交通運輸、倉儲和郵政業加總統計，考慮到倉儲和郵政業產生的能 源消費量在整個部門中占比較小及數據的可獲性［49］，本文使用交通運輸、倉儲和郵政業所產生的碳排放間接代表交通運輸碳排放，已有多項研究證明該估算對結果的影響可以忽略［50］。

由于數據基于中國統計體系，交通運輸業僅包含運營交通，私家車、機構用車等非營運交通未包含在內。交通碳排放量及化石能源消費量核算考慮原煤、洗精煤、其他洗煤、型煤、焦炭、焦爐煤氣、原油、汽油、煤油、柴油、燃料油、液化石油氣、天然氣13 種化石能源（按《中國能源統計年鑒》劃分，國民經濟行業中共有17 種化石燃料產生碳排放。由于其他煤氣、其他焦化產品、煉廠干氣、其他石油制品的碳排放系數難以獲取，且研究期內多年無數據，因此本文只分析其余13 種交通源化石燃料）。

其他指標數據來源如下：交通行業增加值、GDP、人口數據來自《中國統計年鑒》，交通周轉量來自《中國交通年鑒》，建成區面積來自《中國宏觀經濟數據庫》［51］。GDP 和交通行業增加值均以2001 年為基年做不變價處理。本文選取數據時間跨度為2001—2019 年，跨越四個五年規劃時期，最新可獲數據截止到2019 年。

4 中國交通碳排放的趨勢與脫鉤分析

基于以上方法與數據，本部分對中國交通碳排放的時空趨勢與人均排放水平進行分析，并進一步探討中國各省（區、市）交通碳排放與行業經濟增長的脫鉤情況。

4.1 中國交通碳排放的趨勢演變

4.1.1 中國交通總碳排放趨勢演變

根據中國2001—2019 年交通化石燃料碳排放數據，本文分析了全國交通部門碳排放總量的趨勢變化，并考慮中國不同地區在經濟發展水平、交通基礎設施、能源消費結構等方面的較大差異，探討東、中、西、東北4 大區域的交通碳排放的相對強弱1），如圖1。

圖1 中國交通碳排放趨勢

一方面，從總體來看，中國30 個省份交通部門總體碳排放呈波動增長趨勢。根據圖1，從2001 年的164 MtCO2增長到2019 年的734.39 Mt CO2，增長約4.5 倍。2001—2011 年全國交通碳排放持續增長，2005 年增速出現小幅增長，主要與國務院于2004 年年底通過的中國第一個高速公路網規劃《國家高速公路網規劃》有關［52］；2013 年由于交通運輸業經濟統計專項調查，公路水路客貨運輸數據統計范圍口徑有所調整，使得交通碳排放量出現明顯下降；2016 年是統計口徑調整后，全國交通碳排放增長率下降的第一年，這主要與高速鐵路的快速發展、全國統籌的鐵路運行圖的調整與優化、私家車保有量持續增長、網約車行業快速發展有關。

另一方面，從區域分布格局來看，交通碳排放總量呈現“東部＞西部＞中部＞東北”的特征。以2019 年為例，東部地區的碳排放總量達327.1 Mt CO2，遠高于其他地區，其主要原因在于2019 年東部地區GDP 為51 萬億元，比其他三地區GDP 總和還高，經濟發展推動的交通行業發展，帶來交通能源消費和碳排放增加。

中部、西部交通碳排放與交通行業增加值出現背離現象。具體而言，2019 年，西部地區交通總碳排放量為179.3 Mt CO2，比中部高10.7%；同年，西部交通行業增加值為9 175 億元，比中部地區低15.2%，這表明西部交通運輸效率低于中部。

東北地區總碳排放量小，主要原因是該區域只包括3 個省份，經濟規模較小，從而帶來的交通運輸行業活力偏低，交通碳排放量低。

4.1.2 中國交通人均碳排放趨勢演變

就人均水平而言，全國30 個省份碳排放與各地區排放呈現不同的趨勢，具體如圖2 所示。人均交通碳排放與總量趨勢相似，呈波動增長特征。從2001 的131 kg CO2/人增長到2019 年524 kgCO2/人，增長約3 倍，低于總體交通碳排放增長速率，說明人口規模增長和交通能源利用效率提升，分別對交通碳排放產生正向、負向驅動效應。2001—2019 年全國30 個省份總體和人均交通碳排放增長速率逐步放緩，這與中國不斷加大減排技術投入，調整能源結構，完善減排措施有關。

圖2 中國人均交通碳排放趨勢

從區域來看，東北地區逐步取代東部成為人均交通碳排放最高地區，且遠高于中西部。如圖2 所示，在2003—2010 年東部人均交通碳排放最高，而東北、西部、中部分別次之。

自2011 年起，東北人均交通碳排放超越東部，達到最高，西、中部次之，到2019 年，東北、東、西、中部的人均碳排放量分別達到611.9 kg CO2/人、603.9kg CO2/人、474.0 kgCO2/人、434.7 kgCO2/人。這一相對分布格局變化主要原因在于，一方面東部交通基礎設施建設速度和規模遠高于東北地區，另一方面東北地區人口基數小，使東北人均交通碳排放量大。

而當企業啟動并購戰略后，如何選擇合適的企業進行兼并和收購，從而實現企業的利益最大化，的確也是需要思考的事情。

4.2 交通碳排放與行業經濟增長的脫鉤分析

便于動態比較，本文將樣本區間劃分為四個階段（2001—2006 年、2006—2011 年、2011—2016 年、2016—2019 年），并對各省份交通碳排放與交通行業經濟增長的脫鉤關系進行分析，如圖3 所示。其中C表示交通總碳排放量，Y表示交通行業增加值。

圖3 中國各省份交通碳排放脫鉤情況

研究期內，30 個省份交通碳排放與交通行業增加值關系經歷了從擴張負脫鉤到弱脫鉤的趨勢。總體來看，交通行業發展方向趨向低碳，其對化石燃料的依賴逐步減弱，能源利用效率不斷提高。

分階段來看，2001—2006 年，大多數省份（18個，60%）呈現擴張負脫鉤狀態，這表明此時多數省份交通處于粗放式擴張方式。山東、河北、內蒙古、重慶、陜西、新疆、云南的交通碳排放量的增速是交通行業增加值增速的2 倍以上。具體原因主要是：（1）山東是煉油大省，能源生產的高碳化結構和高產量，使得交通運輸部門對高碳化能源依賴度高；（2）河北、內蒙古、陜西作為重工業大省，貨物運輸量大，在早期交通供給不清潔的背景下，導致其交通行業的碳排放量增速快；（3）重慶是西部重要交通樞紐，連接東南西北各地的區位優勢使其成為重要交通樞紐，交通運輸規模較大；（4）新疆雖不是交通大省份，但該時期，國家對其交通基礎設施建設投資巨大，僅2005 年在公路建設方面的投資就達到100 億元，形成以烏魯木齊為中心，輻射至天山南北的公路網，單位GDP 帶來的運輸量增大；（5）云南抓住西部大開發戰略和中國-東盟自由貿易區等區域合作發展機遇，構建陸水空立體交通網，相伴而生的旅游、貨運產業促進了交通運輸產業發展。這些使得各省（區、市）在促進交通運輸行業增加值提升的同時也提升了能源消費，進而推動碳排放增長。另外，天津和江西、甘肅、青海、寧夏呈現弱脫鉤狀態，說明這些省（區、市）的交通發展方式呈現資源節約與環境友好的狀態。

2006—2011 年，大多數省份（19 個，63%）進入脫鉤發展階段（弱脫鉤），但彈性較小，即交通行業發展對碳排放增長的促進作用減弱。這主要是由于各省（區、市）逐步重視和推動交通運輸行業低碳轉型，從能源結構上向電驅動等清潔動力方式轉變，從行業結構上推動跨區域、跨城際高速鐵路網等公共交通設施建設，提升交通運輸效率；但山西、海南、青海卻出現從擴張連接到擴張負脫鉤的反彈，說明其交通運輸部門清潔化政策效果不明顯，反而對化石能源的依賴度增強。

2011—2016 年是30 個省份總體交通發展與碳排放之間關系轉為合理的階段（弱脫鉤）。總體來看，交通碳排放與行業增加值間關系逐步從擴張負脫鉤關系，逐步轉弱脫鉤關系，符合EKC 曲線達峰前特征，到2016 年，有26 個省份（87%）呈現脫鉤狀態。這一時段，30 個省份開始表現出4 種脫鉤狀態：（1）強脫鉤的省（區、市）包括北京、天津、內蒙古、山東、海南、陜西，各省（區、市）脫鉤狀態發展過程符合EKC 曲線特征；（2）弱脫鉤的省（區、市）包括河北、山西、遼寧、黑龍江、上海、江蘇、浙江、福建、江西、河南、湖北、湖南、廣東、廣西、重慶、貴州、云南、甘肅、青海、寧夏，各省（區、市）脫鉤狀態發展過程僅符合EKC 曲線達峰前特征；（3）擴張連接的省份包括吉林、四川；（4）安徽、新疆兩省份脫鉤進程出現反復，呈現擴張負脫鉤狀態。

2016—2019 年，30 個省份范圍內二者關系在弱脫鉤狀態下呈現波動特征。到2019 年，24 個省份（80%）呈現脫鉤狀態，其中，所有強脫鉤省（區、市）（河北、山西、吉林、黑龍江、浙江、重慶、甘肅、寧夏）均為首次進入，而上一階段（2011—2016 年）為強脫鉤的6 個省份均退回弱脫鉤狀態，這符合碳達峰后存在較長平臺期的科學規律，因此實施更為有力的交通節能減排政策尤為關鍵。

5 基于GFI 模型的中國交通碳排放驅動因素分解

5.1 中國交通碳排放驅動因素分解

從以上分析中發現，30 個省份交通碳排放與行業增加值的脫鉤趨勢逐步顯著，那么，是哪些因素對脫鉤趨勢起關鍵作用？為解決這一問題，本文基于GFI 模型，從能源結構（ES）、能源強度（EI）、交通強度（TI）、經濟城市化（EG）、城市人口密度（PD）、城市土地規模（BA）六個角度，對30個省份不同時段上的交通碳排放（C）進行驅動因素分解，得到圖4。

圖4 中國交通碳排放驅動因素增長率

總體來說，除人口城市化（PD）外，各項指標整體呈現增長趨勢。其中，2002—2005 年和2012—2019 年一些指標增長率變動較為顯著，前者處在“十五”規劃和相關交通規劃發布的時間點，促進了中國交通運輸粗放式發展方式；后者為自黨的“十八大”以來，更注重高質量發展的新時期，交通行業發展在考慮擴大規模的同時，貫徹落實新發展理念，鼓勵低碳化發展。

具體而言，在2001—2019 年，城市化帶來的經濟增長（EG）和城市土地規模（BA）持續增長，城市化進程不斷加快，但增長率出現一定下降；交通強度（TI）、（交通）能源強度（EI）在2006 年前和2012 年后增長率波動較大，主要原因與前述交通總碳排放變動趨勢相同。但總體增長呈現先增長，后下降趨勢，表明中國交通發展強度正從流量增長轉變為存量增長；城市人口密度（PD）僅在2006 年和2010 年正增長，其余年份均下降，表明中國城市及交通規劃呈現擴張式發展特征；交通能源結構（ES）在研究期內整體變動不大。

由于GFI 是乘型因素分解方法，為使結果呈現更直觀，本文對結果進行了對數化處理，雖壓縮了變量尺度，但數據結果的大小對應關系不變，得到中國交通碳排放的GFI 因素分解圖（見圖5）。其中，條柱C表示該區域當年交通碳排放的對數值。各年份刻度間，不同圖案的條柱（ES，EI，TI，EG，PD，BA），分別表示各因素對該期間內交通碳排放（對數值）變動貢獻大小，其上標簽表示對碳排放增長率的拉動。各因素貢獻總和等于該期間交通碳排放（對數值）的變化率（±1%）。

圖5 中國交通碳排放及驅動因素趨勢

30 個省份交通碳排放在研究期內呈現持續上升趨勢，但增長率不斷下降，從第一個階段（2001—2006 年）的129%下降到第四階段（2016—2019 年）的7.5%。

從驅動因素看，經濟城市化、土地城市化對交通碳減排的阻礙作用最大。人口城市化、交通強度、交通能源結構則促進了交通碳減排，（交通）能源強度的正負影響波動較大。說明城市化帶來的經濟活力、城市土地規模增長是驅動交通碳排放的主要原因，城市人口密度的下降、交通運輸效率提升驅動交通碳減排；能源結構清潔化進程有效加快了交通碳減排進程；能源強度作用波動大主要來源于交通運輸周轉量變動，《國家高速公路網規劃》《國家公路網規劃（2013—2030）》等頂層設計文件的出臺極大地促進了客貨運由長途向短途運輸的革命，有效提升了交通運輸效率，而作為響應，運輸需求的提升存在滯后性，使得交通運輸周轉量形成脈沖震蕩，對交通碳排放的影響方向波動較大，但隨著交通運輸網的完善，周轉量提升導致的交通碳排放變動減小。

從時間趨勢維度看，經濟城市化、土地城市化對交通碳排放正向驅動的作用逐步降低，（交通）能源強度、交通強度、能源結構對碳排放的增長先促進后抑制，人口城市化持續抑制交通碳排放增長。經濟、土地城市化起促進作用，說明經濟活力、土地規模擴張的速度放緩直接影響交通碳排放的增長；能源消費量，但交通能源強度的增長率逐步降低，說明前期交通運輸效率提升速度相比能源消費增長較低，后逐步提升；交通強度先小幅促進，后大幅抑制碳排放增長，說明與其他行業相比，交通行業對經濟增長的貢獻占比逐步降低，作為與國民經濟息息相關的行業，在基礎設施不斷發展的背景下，說明交通效率得到了極大的提升；中國交通行業的化石能源結構呈現從以油品為主轉向天然氣這類低碳化石能源的趨勢，但轉變趨勢較小。

5.2 區域交通碳排放驅動因素時空分解

對中國四大經濟區域交通碳排放驅動因素進行時空分析，重點分析與30 個省份交通碳排放驅動因素時空分解分析的不同，得到圖6。其中，僅東北地區交通碳排放增長出現先增長后下降的倒“U”型增長趨勢，這主要是由于，東北地區經濟發展對物流運輸依賴較大，隨著鐵路網優化、高鐵的規劃建設加速，該地區由公路運輸轉為鐵路運輸的物流帶來的運輸效率提升高于其他地區，從而節省了交通能源消耗。

圖6 中國區域交通碳排放驅動因素

對四大經濟區域交通碳排放產生不同驅動效果因素主要是（交通）能源強度、交通強度。

能源強度對各地區交通碳排放影響的不同體現在時間趨勢上，其對東部交通碳排放的增長先促進后抑制（與對30 個省份交通碳排放的影響相同），對中部、西部、東北先促進后抑制，而后又轉為促進。這主要是由于，各區域前期發展交通運輸行業時消耗大量能源，而后逐漸注重技術投入，提升交通運輸效率，使得單位交通周轉量產生的碳排放下降，中部、西部、東北地區在交通低碳技術逐漸進步、結構布局日趨合理的同時，其優化速度無法跟上交通規模擴張速度帶來的能源消費量的增長，使能源強度對東部碳排放整體呈現促進作用，而對其他三地區后期由抑制作用轉為促進作用。

對于交通強度，從整體看，其對各地區交通碳排放影響方向波動性較大，而除對東北地區交通碳排放變動影響逐步增大外，對其他三地區影響均有所減小。

具體來看，2001—2016 年，交通強度對東部、東北交通碳排放的增長均為先促進后抑制（與對30個省份交通碳排放影響相同），但2016 年后，其對東部轉為增長促進作用。這主要是由于，一方面，在交通基礎設施規模滿足各地區經濟發展需要后，其建設增速放緩，另一方面，高鐵的快速布局替代了過去高速公路的旅客運輸需求，提升了交通運輸效率，由此帶來的交通運輸周轉量增長速度低于相應時期的各地區經濟增長速度，使交通強度帶來的交通碳排放先促進后抑制，而東部隨著近年來在電子商務、智慧物流等方面的快速發展，利用交通運輸效率提升這一優勢，推動短途物流供需量提升，從而激發了運輸周轉運輸活力，增大了交通碳排放。

2001—2016 年，交通強度對中部、西部先抑制后促進，而后又轉為抑制。這是由于中部、西部在早期因交通基礎設施建設滯后，客貨運周轉量低，交通行業增加值在區域經濟增加值的占比偏低，從而抑制兩區域交通碳排放的增長，而隨著高速公路、高鐵的快速布局，帶來運輸供需量提升，促進交通碳排放增長，隨著基礎運輸需求被滿足后，運輸效率的提升又轉化為對交通碳排放增長的抑制作用。

綜上，經濟城市化、土地城市化仍是阻礙各地區交通減排的主要驅動因素，交通強度對交通碳排放增長的貢獻波動性較大。當前高速和高鐵網的規劃布局有利于交通減排，而智慧物流則會驅動東部交通碳排放增長，中、西、東北地區交通運輸結構優化能力有待加強。

5.3 不同脫鉤狀態下中國各省份交通碳排放驅動因素分析

為進一步探究不同脫鉤狀態下交通碳排放的驅動特點，本節從驅動因素的角度討論各省份在最新年份（2019 年）呈現不同脫鉤狀態的原因，重點分析與30 個省份總體層面驅動因素的不同，具體如圖7 所示。

圖7 中國交通碳排放各類脫鉤狀態的驅動因素

從總趨勢來看，除強脫鉤省份，其他類型省份交通碳排放在研究期內不斷增長，而強脫鉤區域交通碳排放變動先上升后下降，呈現倒“U”型曲線關系。說明強脫鉤省份經濟發展正從數量增長轉為質量增長發展。

從驅動因素來看，除（交通）能源強度、交通強度外，其他因素對交通碳排放變動的影響大小及方向與30 個省份總體層面（可類比弱脫鉤省份情況）相似。

能源強度、交通強度是造成各省（區、市）形成4 種不同脫鉤類型的主要原因，同時，能源強度是促進脫鉤較差省（區、市）碳排放增長的關鍵因素。第一，對于強脫鉤、弱脫鉤、擴張連接省（區、市），能源強度、交通強度在早期對交通碳排放起促增長作用，后期轉向促減排作用，其中，兩因素對處于過渡狀態的擴張連接省（區、市），帶來的影響波動性更大，需對清潔化能源轉型政策持續發力，鞏固政策效果；第二，對于擴張負脫鉤省（區、市），能源強度在后期對交通碳排放的促增作用反彈程度高于擴張連接省（區、市）；第三，對比兩因素對交通碳排放的驅動方向和大小，能源強度是使得強脫鉤省（區、市）后期碳排放降低的最關鍵因素，也是造成擴張負脫鉤省（區、市）后期碳排放增長率出現反彈上升的最重要因素。

深入探究強脫鉤省份經驗發展，曾經作為能源大省份的河北、山西、黑龍江、寧夏、甘肅，在推進能源轉型，分別建立配合京津冀協同發展的“低碳化、網絡化”區域綜合交通運輸體系、實施國家資源型城市經濟轉型和能源革命系列行動［53］、推動能源替代戰略、建設寧夏國家新能源綜合示范區、構建現代能源產業體系等政策和行動影響后，大幅降低了化石能源生產消費量，能源結構逐步清潔化，從而降低了交通碳排放。

吉林、浙江省均在2018 年分別發布《吉林省煤炭消費總量控制規劃（2016—2020）》［54］、《2018年浙江省煤炭消費總量控制方案》［55］，兩省是“十三五”時期為數不多針對全行業煤炭消費總量控制發布頂層設計文件，且有效控制其他化石能源消費代償性增長的省份。

重慶通過構建智能汽車與智慧交通運用示范區，推動車聯網產業發展在解決交通擁堵的同時，科學調度城市交通秩序，引導綠色用車，大大提升了道路運輸效率，降低能源消費。

綜上，經濟城市化、土地城市化是造成各脫鉤類型地區交通碳排放增長的主要驅動因素，交通能源強度是影響交通碳排放與交通增加值脫鉤的關鍵因素。推動能源大省全面清潔化、網絡化轉型，在對特定化石能源品種消費總量控制攻堅的同時，防止其他化石能源代償式反彈增長，推動交通行業智能化發展將有助于該行業快速實現與碳排放的脫鉤。

6 結論及建議

6.1 主要結論

本文對2001—2019 年中國30 個省（區、市）交通碳排放與交通行業增加值進行脫鉤分析，使用廣義費雪指數（GFI）因素分解分析方法對各區域交通碳排放變動的影響因素進行研究，主要得到以下結論：

（1）2001—2016 年30 個省份交通碳排放整體呈現不斷上升趨勢，在區域上呈現東高、中西次之、東北低的特征。大多數省（區、市）交通碳排放與行業增加值間呈現從擴張負脫鉤到弱脫鉤再到強脫鉤的趨勢，具有理想脫鉤關系的省份從2001—2006年從0 個上升到2016—2019 年的8 個，表明中國交通低碳化趨勢顯著。在第四階段（2016—2019 年），共有8 個省（區、市）實現強脫鉤：河北、山西、吉林、黑龍江、浙江、重慶、甘肅、寧夏，有1 省仍處于擴張負脫鉤狀態：青海；已實現強脫鉤的省份存在碳達峰后的平臺期波動現象。

（2）從30 個省份來看，經濟城市化、土地城市化是抑制交通碳減排最大的阻礙因素，人口城市化、交通強度、能源結構促進了交通碳減排，能源強度的正負影響波動較大。

（3）從脫鉤狀態角度來看，（交通）能源強度、交通強度是造成各省份形成4 種不同脫鉤類型的主要原因。對于脫鉤情況較好的強脫鉤、弱脫鉤和處于過渡狀態的擴張連接省（區、市），能源強度、交通強度對交通碳排放先促增長，后促減排，符合EKC 曲線特征。對于脫鉤情況亟待優化的擴張負脫鉤省份，能源強度在后期對交通碳排放的促增作用反彈程度高于擴張連接省（區、市），且上升為促使交通碳排放反彈增長的主要因素。

6.2 政策建議

我國交通運輸系統應著力建設更加“高效、緊湊、智能”的城市交通體系，通過經濟發展效率變革、優化城市空間利用方式、構建智能化交通網絡等方式，降低由經濟增長、土地擴張、交通能源強度推動的交通排放增長，實現交通碳減排目的，具體措施如下：

（1）促進城市經濟高效化轉型。城市發展規劃應優先設定包括交通部門在內的“雙碳”目標，再以此為約束設定經濟增速目標。我國“十四五”規劃中設定未來5 年全國能耗強度下降13.5%、碳排放強度下降18%目標，鼓勵有條件的地區和行業率先達峰。因此，各地區經濟發展必須由過去追求單一維度的經濟增長指標，轉向視角更全面的經濟高質量發展，在經濟發展的同時，考慮交通碳減排約束目標，倒逼經濟發展效率的提升。

（2）加快城市空間緊湊化變革。優化低效土地利用方式，統籌推進功能復合、公共交通有限的集約緊湊型城市發展方式，減少通勤距離，提升物流運輸效率。北京作為擴散性發展的超大城市，城市空間不斷擴張，建成區面積從2000 年的488 km2增加到2019 年的1 469 km2，城市功能分區明顯，居民在郊區居住卻在城區工作的表現明顯［56］。根據住房和城鄉建設部發布的《中國主要城市通勤檢測報告》［57］，2020 年，北京單程平均通勤距離和通勤時耗分別高達11.1 km、47 分鐘，而其城市萬人單程通勤交通碳排放達8.7 t，均位居全國第一。因此，注重城市功能規劃，充分利用立體空間，減少擴張型發展，側重舊城改造設計有助于城市交通碳排放下降，人民生活水平提升。

（3）實現交通智能化發展。運用信息化科技手段提升交通運輸、管理效率，降低規劃與建造成本。一方面，通過能源系統動態模型，優化城市行車組織與節能運營技術，提升網線能源調度管理、交通能源使用效率和方式［58］；另一方面，通過交通引擎構建基于自動駕駛、車路系統等智能交通科技，提升城市實時感知、快速響應與智慧決策能力，為更智慧、更低排放地治理“城市病”賦能。

釋注：

1）各區域劃分依據《中共中央、國務院關于促進中部地區崛起的若干意見》《國務院發布關于西部大開發若干政策措施的實施意見》以及黨的十六大報告的精神，東部包含北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南，中部包含山西、安徽、江西、河南、湖北、湖南，西部包含內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆，東北包括：遼寧、吉林和黑龍江。