基于LMDI的長江經(jīng)濟帶交通碳排放變化分析

楊紹華,張宇泉*,耿 涌 (.上海交通大學(xué)中英國際低碳學(xué)院,上海 0306；.上海交通大學(xué)環(huán)境科學(xué)與工程學(xué)院,上海 0040)

國民經(jīng)濟的持續(xù)增長、人民生活水平的日益提高以及交通運輸業(yè)效率的提升,在促使交通運輸業(yè)蓬勃發(fā)展的同時,也帶來與日俱增的能源消耗和環(huán)境負(fù)荷壓力.自2000年以來,交通運輸業(yè)的能源消耗量和碳排放增速始終保持在各行業(yè)前列,目前已成為我國僅次于工業(yè)的碳排放部門[1-3].

當(dāng)前,國內(nèi)外學(xué)者主要從社會經(jīng)濟效益和環(huán)境影響[4-5]、碳排放與環(huán)境污染的協(xié)同治理[6]以及碳排放情景分析等角度對交通運輸業(yè)碳排放進(jìn)行研究[7-8].其中,對數(shù)平均迪氏指數(shù)(LMDI)分解方法由于其分解結(jié)果殘差為零、易于分析、具有加法特性等優(yōu)點[9-10],被廣泛應(yīng)用于交通運輸業(yè)能源消耗和環(huán)境污染強度變化的研究中[11-12].模型設(shè)置方面,多數(shù)研究主要考慮經(jīng)濟產(chǎn)出、人口規(guī)模、能源結(jié)構(gòu)、能源強度、城鎮(zhèn)化率、工業(yè)化水平、產(chǎn)業(yè)結(jié)構(gòu)等因素[13-14]對交通碳排放的影響,而缺少對能源使用效率、運輸結(jié)構(gòu)等因素的考慮;從分解結(jié)果來看,大多研究發(fā)現(xiàn)社會經(jīng)濟因素通常正向驅(qū)動碳排放增長,而能源類因素則作用相反.例如,Wei等[15]、吳振信等[16]識別出經(jīng)濟水平是促進(jìn)交通碳排放增長的重要驅(qū)動因素,其次是人口規(guī)模;Liang等[17]、喻潔等[18]發(fā)現(xiàn)能源效率的提升能夠有效抑制碳排放的增加;具體到區(qū)域?qū)用?張克勇等[19]發(fā)現(xiàn)人均收入和交通強度高等因素是導(dǎo)致北京交通碳排放遠(yuǎn)多于天津和河北的原因.此外,一些社會經(jīng)濟因素也發(fā)揮抑制作用,例如郝晴等[20]發(fā)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變能負(fù)向驅(qū)動交通碳排放量的變化.隨著研究的深入,更多學(xué)者也開始關(guān)注運輸結(jié)構(gòu)[18,21].

一些學(xué)者也側(cè)重研究區(qū)域差異,針對不同區(qū)域的交通碳排放問題展開分析并提出政策建議[22-24],或基于空間數(shù)據(jù)探索和空間計量方法來分析交通運輸部門碳排放的空間特征[25-27].相比基尼指數(shù)等衡量地區(qū)差異的測度方法,泰爾指數(shù)的優(yōu)勢在于其可以將總體差異變動分解為組內(nèi)差距變動和組間差距變動,由此可較深入研究地區(qū)發(fā)展不平衡問題.因此其被廣泛應(yīng)用到衡量區(qū)域碳排放差異的研究中[22].

總體上看,已有研究缺乏聚焦我國關(guān)鍵區(qū)域交通運輸業(yè)特別是水路運輸?shù)奶寂欧乓蛩胤纸饧捌鋮^(qū)域差異性研究.同時,現(xiàn)有研究考慮的驅(qū)動因素有限,對能源使用效率、運輸結(jié)構(gòu)等因素在交通碳排放中的貢獻(xiàn)的考量較少.長江經(jīng)濟帶作為我國經(jīng)濟發(fā)展最為活躍且潛力巨大的區(qū)域之一,各省市之間在產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平、資源稟賦等方面差異較大,這些因素極可能促成了長江經(jīng)濟帶交通碳排放的不平衡格局.此外,獨特的地理和航運條件使得長江經(jīng)濟帶在水路運輸上具有天然優(yōu)勢和減排潛力.研究長江經(jīng)濟帶交通運輸業(yè)碳排放有助于規(guī)劃我國關(guān)鍵區(qū)域的短期和中長期交通部門脫碳路徑.鑒于此,本文基于雙層 LMDI分解法和泰爾指數(shù),對長江經(jīng)濟帶各區(qū)域之間的碳排放差異進(jìn)行量化分析;并構(gòu)造交通能源效率變量引入到 LMDI分解模型中,旨在識別量化各驅(qū)動因素對長江經(jīng)濟帶交通碳排放變化的貢獻(xiàn)程度及其時空特征,并探究不同運輸方式下其對交通碳排放的影響.

1 數(shù)據(jù)與方法

1.1 交通運輸業(yè)LMDI模型

本文重點關(guān)注交通運輸部門服務(wù)碳密度、運輸結(jié)構(gòu)、能源效率、能源強度、經(jīng)濟結(jié)構(gòu)、經(jīng)濟增長水平等驅(qū)動因素對二氧化碳排放的影響,在傳統(tǒng)研究二氧化碳排放驅(qū)動因素分解方程中引入交通周轉(zhuǎn)率 T,并參考王海林等[28]觀點,將交通運輸業(yè)周轉(zhuǎn)量來代替公路行駛里程作為交通能源服務(wù)的度量指標(biāo),同時定義交通周轉(zhuǎn)量與能源消耗量的比值為“交通能源效率”.由此根據(jù)11個省份和2種交通運輸結(jié)構(gòu)構(gòu)建了長江經(jīng)濟帶交通運輸業(yè)碳排放雙層LMDI指數(shù)分解模型,如式(1)所示.

式中:CT為長江經(jīng)濟帶 11省市交通運輸部門二氧化碳排放總量,百萬 t;CTi為各個省市交通運輸部門碳排放量,百萬t, i從1～11分別代表上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州;CTik為第i個省市第k種交通運輸方式的碳排放量,k取1,2時分別代表水路運輸和陸路航空運輸; TTik為第i個省市第 k種交通運輸方式的換算周轉(zhuǎn)量;TTi為第2個省市交通運輸部門周轉(zhuǎn)量,億tkm; ETi為第i個省市交通運輸部門能源消耗量,百萬 t標(biāo)準(zhǔn)煤;QTi為第i個省市交通運輸部門增加值,億元; Qi為第i個省市國民生產(chǎn)總值,億元;Pi為第i個省市常住人口數(shù)量,萬人.CTi為第i個省市交通運輸部門單位周轉(zhuǎn)量碳排放,百萬 t/億 t·km;TSi為第i個省市交通運輸部門的運輸結(jié)構(gòu),%;TEi為第i個省市交通運輸部門單位能耗周轉(zhuǎn)量,億 t·km/百萬t標(biāo)準(zhǔn)煤;EQi為第i個省市交通運輸部門能源強度,百萬t標(biāo)準(zhǔn)煤/億元;ESi為第i個省市交通運輸部門增加值占國民生產(chǎn)總值比重,%;GPi為第i個省市人均GDP,元/人.

對式(1)兩邊進(jìn)行對數(shù)變換,可得出年 t相對于基準(zhǔn)年0的二氧化碳變化值的對數(shù)等于各驅(qū)動因素變化值的對數(shù)之和,如公式(2)所示:

根據(jù) LMDI加法分解法模型,上式右邊的每一項可以表示為式(3)～(9),分別代表了服務(wù)碳密度、運輸結(jié)構(gòu)、能源效率、能源強度、經(jīng)濟結(jié)構(gòu)、經(jīng)濟水平對長江經(jīng)濟帶二氧化碳排放增量的影響程度.

1.2 泰爾指數(shù)

泰爾指數(shù)是廣義熵(GE)指標(biāo)體系的一種特殊形式,被廣泛應(yīng)用于區(qū)域環(huán)境負(fù)荷、能源消耗等差異分析領(lǐng)域.其取值范圍一般為0～1之間,數(shù)值越大說明地區(qū)差異越大.本文基于Shorrocks等[29]對長江經(jīng)濟帶交通運輸業(yè)碳排放泰爾指數(shù)測算公式進(jìn)行改進(jìn),如公式(10～13).

式中:T代表長江經(jīng)濟帶二氧化碳排放的總體泰爾指數(shù);i分別代表11個省市;X代表GDP或者人口規(guī)模;C代表交通碳排放量.同時根據(jù)地理位置將長江經(jīng)濟帶11省市劃分為3個區(qū)域:長江下游地區(qū)、中游地區(qū)以及上游地區(qū).j代表3個不同的區(qū)域,Twj代表各區(qū)域內(nèi)部基本單元碳排放的泰爾指數(shù),而區(qū)域內(nèi)的泰爾指數(shù)(Tw)和以及區(qū)域間的泰爾指數(shù)(Tb)分別代表長江經(jīng)濟帶交通運輸業(yè)碳排放的區(qū)域內(nèi)部以及區(qū)域間差異.

當(dāng) X代表人口規(guī)模時,T(P)表示人均碳排放泰爾指數(shù);而當(dāng)X代表GDP時,T(GDP)則代表碳強度泰爾指數(shù).同時,為了更有效地衡量不同區(qū)域內(nèi)外差異對總體碳排放差異的影響,本文需計算區(qū)域內(nèi)貢獻(xiàn)率 Wb、區(qū)域間貢獻(xiàn)率 Ww,如式(14)～(16).此外,本文還可計算區(qū)域內(nèi)差異中各區(qū)域貢獻(xiàn)率Wj如式(17).

1.3 數(shù)據(jù)來源及說明

本文研究數(shù)據(jù)主要使用2000～2019年長江經(jīng)濟帶11個省、市的數(shù)據(jù),包括常住人口數(shù)量、國民生產(chǎn)總值、交通運輸部門增加值、交通客運周轉(zhuǎn)量、交通貨運周轉(zhuǎn)量以及交通運輸部門的各類一次能源消耗量、二氧化碳排放量等.其中常住人口數(shù)量、國民生產(chǎn)總值、交通運輸部門增加值、交通客運周轉(zhuǎn)量、交通貨運周轉(zhuǎn)量等數(shù)據(jù)來自《中國統(tǒng)計年鑒》,而交通部門一次能源消耗和二氧化碳排放量數(shù)據(jù)來自中國碳核算數(shù)據(jù)庫(CEADs)[30-31].目前我國交通運輸部門體系主要包含公路、水路、航空、鐵路以及管道運輸,由于管道運輸?shù)奶寂欧艛?shù)據(jù)難以獲取和界定,因此本文重點關(guān)注公路、水路、鐵路以及航空運輸?shù)奶寂欧?鑒于長江經(jīng)濟帶水路運輸?shù)木薮髢?yōu)勢,本文主要將運輸方式分為水路運輸及陸路航空(包括公路、鐵路、航空運輸)兩大類.

由于 CEADs中只有各省市交通運輸部門的不同能源種類消費量(煤、焦炭、煤油、柴油、天然氣、電力、熱力等),需要將各種能源根據(jù)最新《中國能源統(tǒng)計年鑒》所附的“各種能源折標(biāo)準(zhǔn)煤參考系數(shù)”(見表1)折算成標(biāo)準(zhǔn)煤并進(jìn)行匯總,并參考《2006年IPCC國家溫室氣體清單指南》和文獻(xiàn)[32-33]等觀點對 2000～2019年碳排放數(shù)據(jù)進(jìn)行估算,見公式(18).

表1 各種能源折標(biāo)準(zhǔn)煤參考系數(shù)及碳排放系數(shù)Table 1 Standard coal conversion coefficient and carbon emission coefficient for different energy types

式中:j表示11種能源,CTj, ETj, FTj分別代表交通運輸業(yè)第j種能源的碳排放量、能源消耗量以及排放系數(shù);而 NCVT j, CEFT j, COFTj則分別表示第 j種能源的平均低位發(fā)熱值、單位熱值含碳量以及碳氧化率,具體參數(shù)見表2.

表2 各種能源碳排放系數(shù)計算相關(guān)參數(shù)Table 2 Parameter specifications for calculating carbon emission coefficients of different energy types

此外,由于長江經(jīng)濟帶地理位置賦予水路運輸巨大的天然優(yōu)勢,本文參考蔡博峰等[34]觀點,采用“自上而下”的方法對2000～2019年水路運輸交通碳排放量進(jìn)行估算,旨在進(jìn)一步探究水路、陸路航空等運輸方式的不同對整體交通碳排放的貢獻(xiàn),具體見式(19).

式中:CWT代表長江經(jīng)濟帶水路運輸交通碳排放總量;m表示水路運輸下細(xì)分的2種運輸方式,m取 1和 2分別為內(nèi)河運輸及海洋運輸;Tm,ETm分別為在此運輸方式下的換算周轉(zhuǎn)量及單位換算周轉(zhuǎn)量能耗;Fm則代表當(dāng)前運輸方式下的排放系數(shù).

此外,由于交通運輸部門的服務(wù)周轉(zhuǎn)量可分為客運周轉(zhuǎn)量和貨運周轉(zhuǎn)量,本文借鑒了王靜靜等[35]在2016確定的換算標(biāo)準(zhǔn),按照1t·km=7.1人·km的轉(zhuǎn)換系數(shù)將客運周轉(zhuǎn)量換算成貨運周轉(zhuǎn)量并進(jìn)行了匯總;為了減少價格因素對分解結(jié)果的影響,保證數(shù)據(jù)的可比性,本文所采用的GDP和交通部門增加值均以1978年不變價進(jìn)行折算.

2 結(jié)果與討論

2.1 長江經(jīng)濟帶交通碳排放差異性分析

從 2000～2019年,長江經(jīng)濟帶交通運輸部門碳排放總量由59.7百萬t增長至330.8百萬t,年平均增長率為9.59%,且各省市間表現(xiàn)出了明顯的差異性.其中 2019年上海市交通運輸業(yè)碳排放達(dá) 51.85百萬 t,其次是江蘇省的 47.43百萬 t以及湖北省的40.87百萬t,貴州省最少為16.2百萬t.圖1根據(jù)2019年交通運輸業(yè)人均碳排放量對長江經(jīng)濟帶 11省市進(jìn)行劃分,其中上海市人均交通碳排放量為2.09t,屬于高人均碳排放區(qū)域(大于 1t),而江蘇省(0.59t)、湖北省(0.69t)、重慶市(0.59t)、云南省(0.55t)屬于次高人均碳排放區(qū)域(0.5～1t),其他省份為低人均碳排放區(qū)域(0～0.5t).

圖1 2000～2019年長江經(jīng)濟帶交通運輸業(yè)人均碳排放Fig.1 Per capita CO2 emissions of the transportation sector in the Yangtze River Economic Belt over the period of 2000 to 2019

2.1.1 基于人均交通碳排放的泰爾指數(shù) 如表3所示,基于人均碳排放的泰爾指數(shù)Theil(P)一直保持在0.1以上,平均值為0.205,且峰值出現(xiàn)在2004年.從2000～2004年,泰爾指數(shù)從0.264增加到了0.315;而從 2004年開始,泰爾指數(shù)逐年下降到 2019年的0.123,其值不及2004年的一半.可以看出,2000～2019年長江經(jīng)濟帶交通人均碳排放表現(xiàn)出了較明顯的區(qū)域差異性,但整體上差異在減弱.在人均交通碳排放區(qū)域差異中,區(qū)域內(nèi)差異大于區(qū)域間差異且這種趨勢逐漸增強.2000年人均交通碳排放中區(qū)域內(nèi)差異貢獻(xiàn)率與區(qū)域間的比值為66.5%: 33.5%,在2019年增加至76.6%:23.4%,說明長江經(jīng)濟帶交通運輸業(yè)人均碳排放總體差異主要是由區(qū)域內(nèi)差異產(chǎn)生,這與康曉娟等學(xué)者研究我國能源消費差異時表現(xiàn)一致[36-37].在區(qū)域內(nèi)差異中,三個地區(qū)對總體差異的影響也存在差異性,其中下游地區(qū)的貢獻(xiàn)率最高,平均貢獻(xiàn)了29.5%,中部和西部地區(qū)則分別貢獻(xiàn)了22.1%和 18%的區(qū)域內(nèi)部差異.其中,下游江、浙、滬人均交通碳排放差異性較大,2019年上海市的人均碳排放量(2.1t)約為浙江省(0.5t)的4倍.21世紀(jì)以來,上海市經(jīng)濟的蓬勃發(fā)展和航運業(yè)的巨大需求可能是造成下游地區(qū)人均交通碳排放巨大差異的原因.

表3 基于人均交通碳排放的泰爾指數(shù)Table 3 Theil index derived based on per capita carbon emissions of the transportation sector

2.1.2 基于交通碳排放強度的泰爾指數(shù) 相比于人均交通碳排放區(qū)域差異,長江經(jīng)濟帶交通碳強度區(qū)域差異性表現(xiàn)得較弱.如表4所示,2000～2019年基于碳排放強度的泰爾指數(shù)值Theil(GDP)一直保持在0.01到0.12之間,峰值出現(xiàn)在2006年的0.1178.在交通碳排放強度區(qū)域差異中,區(qū)域內(nèi)差異遠(yuǎn)遠(yuǎn)大于區(qū)域間差異.2000～2019年其區(qū)域內(nèi)差異貢獻(xiàn)率與區(qū)域間的比值平均為90.5%:9.5%,這一比例高于基于人均交通碳排放差異中的相關(guān)比值.同時,區(qū)域內(nèi)差異貢獻(xiàn)率由 2000年的 94.1%逐漸下降至 2019年的90.25%,而同時期的區(qū)域間貢獻(xiàn)率則由 5.9%上升到了9.75%,呈現(xiàn)出了“組內(nèi)趨同而組間趨異”的俱樂部趨同現(xiàn)象[38-40].與基于人均交通碳排放的泰爾指數(shù)結(jié)果相似的是,區(qū)域內(nèi)差異中,下游地區(qū)的貢獻(xiàn)率仍是最高,2019年貢獻(xiàn)了38.46%,中部和西部地區(qū)分別貢獻(xiàn)了22.1%和18%.但下游地區(qū)的貢獻(xiàn)率在逐漸減小,而上游地區(qū)在增長,這表明了上游地區(qū)云南省、貴州省、四川省和重慶市之間交通碳強度的差異性在逐漸凸顯.

表4 基于交通碳排放強度的泰爾指數(shù)Table 4 Theil index derived based on carbon emission intensity of the transportation sector

總體而言,基于人均碳排放的泰爾指數(shù)遠(yuǎn)遠(yuǎn)高于基于碳強度的泰爾指數(shù),這從一定程度上說明了長江經(jīng)濟帶各省市交通運輸業(yè)碳排放量與 GDP的匹配程度要高于其與人口規(guī)模的匹配度.因此,在實施長江經(jīng)濟帶各省、市交通部門協(xié)同脫碳減排的路徑中,選擇以人均碳排放為指標(biāo)比選擇碳強度更具挑戰(zhàn)性.

2.2 基于 LMDI模型的長江經(jīng)濟帶交通碳排放實證分析

2.2.1 長江經(jīng)濟帶 LMDI模型分解結(jié)果概況 利用LMDI分解模型分別對長江經(jīng)濟帶2000～2019年交通運輸業(yè)碳排放量進(jìn)行完全分解.如表5所示.經(jīng)濟水平、交通碳密度、人口規(guī)模及能源效率對長江經(jīng)濟帶交通碳排放的增加呈現(xiàn)正向驅(qū)動效應(yīng),累積效應(yīng)分別為315.37、51.03、18.72和 14.24百萬 t,其對碳排放的貢獻(xiàn)率分別為116.33%、18.82%、6.91%和 5.52%.而運輸結(jié)構(gòu)、經(jīng)濟結(jié)構(gòu)、以及能源強度則抑制了碳排放的增長,負(fù)向累積效應(yīng)分別達(dá)到了-70.973、-44.04和-13.19百萬t,貢獻(xiàn)率分別達(dá)到了-26.18%、-16.25%及-4.78%.

表5 2000～2019年各驅(qū)動因素累積驅(qū)動效應(yīng)及其貢獻(xiàn)率Table 5 Cumulative effects and contribution rates of different driving factors over the period of 2000 to 2019

數(shù)據(jù)結(jié)果表明,經(jīng)濟規(guī)模持續(xù)擴張是長江經(jīng)濟帶交通碳排放增長的第一主導(dǎo)因素,Jiang等[41]、Timilsina等[42]學(xué)者也同樣發(fā)現(xiàn)經(jīng)濟產(chǎn)出是地區(qū)碳排放增長的主要驅(qū)動力.2000～2019年長江經(jīng)濟帶GDP始終保持著高速增長,年平均增長率達(dá)到了13.69%,且其在全國所占比重不斷擴大,從2000年的40.4%提升到了 2019年的 46.4%;在運輸結(jié)構(gòu)中,其水路運輸周轉(zhuǎn)量在交通運輸周轉(zhuǎn)量中所占比重從2000年的55.52%增加到了69.99%,是抑制交通碳排放增長的關(guān)鍵因素,這與喻潔等[18]的發(fā)現(xiàn)類似.而從不同運輸方式下交通碳密度對碳排放的驅(qū)動效應(yīng)來看,陸路航空運輸隨著交通碳密度的增長比水路運輸對交通碳排放表現(xiàn)出了更強的正向促進(jìn)作用,未來通過降低陸路航空運輸碳密度的方式來緩解交通碳排放的潛力巨大;經(jīng)濟結(jié)構(gòu)的轉(zhuǎn)變同樣對交通碳排放的增加表現(xiàn)出負(fù)向驅(qū)動效應(yīng),其交通運輸業(yè)增加值在GDP中的比重由2000年的5.57%下降到了2019年的4.14%,對交通碳排放產(chǎn)生了-16.25%的負(fù)向驅(qū)動貢獻(xiàn);此外,與 Achour等[11]相似的是,長江經(jīng)濟帶交通運輸業(yè)能源強度的提升抑制了碳排放的增加.能源強度由2000年的4.7kg標(biāo)準(zhǔn)煤/元上升到了2019年7.2kg標(biāo)準(zhǔn)煤/元,同期對交通碳排放表現(xiàn)出了-4.87%的負(fù)向驅(qū)動貢獻(xiàn)率.

2.2.2 長江經(jīng)濟帶 LMDI分解結(jié)果時空差異 從時間和空間維度上看,長江經(jīng)濟帶交通運輸業(yè)碳排放受各驅(qū)動因素的影響均表現(xiàn)出了較大的差異性.由圖2可得,經(jīng)濟水平和人口規(guī)模始終對長江經(jīng)濟帶交通碳排放起到了正向驅(qū)動作用,且 2010～2019年正向驅(qū)動的累積效應(yīng)也較2000～2010年有了顯著的提升.經(jīng)濟結(jié)構(gòu)中,交通增加值在GDP中比重對交通碳排放由正向驅(qū)動效應(yīng)轉(zhuǎn)變?yōu)樨?fù)向驅(qū)動效應(yīng),而運輸結(jié)構(gòu)對碳排放的驅(qū)動效應(yīng)貢獻(xiàn)率則由 2000～2010年的8.2%轉(zhuǎn)變?yōu)?010～2019年的-68.1%,近10年來水路運輸?shù)目焖侔l(fā)展對長江經(jīng)濟帶交通碳排放起到了較好的抑制作用.

圖2 2000～2019年不同驅(qū)動因素對長江經(jīng)濟帶交通碳排放的階段性影響(百萬t)Fig.2 Effects of different driving factors on carbon emissions of the transportation sector in the Yangtze River Economic Belt in different stages over the period of 2000 to 2019(Million tons)

從交通運輸業(yè)技術(shù)水平的角度來看,交通碳密度、能源效率和能源強度 3個驅(qū)動因素對長江經(jīng)濟帶交通碳排放的驅(qū)動效應(yīng)產(chǎn)生了顯著變化.其中交通碳密度對長江經(jīng)濟帶交通碳排放的貢獻(xiàn)由 2000～2010年的抑制轉(zhuǎn)為2010～2019年的正向驅(qū)動,而能源效率和能源強度則恰好相反,這從一定程度上反映了長江經(jīng)濟帶交通運輸業(yè)技術(shù)水平的進(jìn)步和能源效率的提升正在逐漸緩解碳排放增長,通過技術(shù)進(jìn)步來緩解交通碳排放增加的政策取得了初步的成效.

如表6所示,長江經(jīng)濟帶基于三區(qū)域劃分的各驅(qū)動因素對交通碳排放的貢獻(xiàn)率影響表現(xiàn)出顯著的區(qū)域差異性.其中三區(qū)域經(jīng)濟水平對碳排放的正向驅(qū)動力均保持在100%以上的貢獻(xiàn)率.但長江下游地區(qū)低于中上游地區(qū);而下游地區(qū)人口規(guī)模的正向驅(qū)動效應(yīng)更強,貢獻(xiàn)率為12.27%,遠(yuǎn)高于上游和中游地區(qū)的3.48%和4.55%.從技術(shù)水平上來看,中游地區(qū)能源效率、能源強度和交通碳密度對交通碳排放的正向驅(qū)動力強于下游和上游地區(qū),且經(jīng)濟結(jié)構(gòu)和運輸結(jié)構(gòu)的負(fù)向驅(qū)動效應(yīng)更顯著,因此中游地區(qū)通過提升技術(shù)水平和調(diào)整產(chǎn)業(yè)結(jié)構(gòu)來提升能源效率、提高能源強度以及降低交通碳密度,從而實現(xiàn)交通部門脫碳的潛力最大.

表6 長江經(jīng)濟帶各區(qū)域2000～2019年各驅(qū)動因素交通碳排放貢獻(xiàn)率對比(%)Table 6 Comparison of contribution rates of different driving factors for carbon emissions of the transportation sector in the Yangtze River Economic Belt over the period of 2000 to 2019(%)

相比于長江上中下游之間的區(qū)域差異,各省市之間的驅(qū)動效應(yīng)表現(xiàn)出了更顯著的差異性.如圖3所示,驅(qū)動貢獻(xiàn)率大于 100%的為高驅(qū)動效應(yīng)區(qū)域,50%～100%的為次高驅(qū)動效應(yīng)區(qū)域,小于 50%的為低驅(qū)動效應(yīng)區(qū)域.其中能源強度表現(xiàn)出了明顯的地區(qū)差異性,云南省、安徽省分別展現(xiàn)-49.4%、-45.5%的負(fù)向驅(qū)動效應(yīng),而江蘇省和湖南省分別表現(xiàn)26.5%和24.2%的正向驅(qū)動作用;貴州省交通碳排放受經(jīng)濟水平影響最大,緊接著是浙江省和湖北省;相比其他省市,上海市交通碳排放受人口增長的正向驅(qū)動效應(yīng)最明顯.

圖3 長江經(jīng)濟帶11省市交通運輸業(yè)2000～2019驅(qū)動因素驅(qū)動效應(yīng)分析Fig.3 Effects of different driving factors on carbon emissions of the transportation sector across the 11provinces or municipalities of the Yangtze River Economic Belt from 2000～2019

從運輸結(jié)構(gòu)的角度來看,11省市中水路運輸周轉(zhuǎn)量占比的提高均抑制了交通碳排放的增長,且浙江省、安徽省及湖南省的負(fù)向驅(qū)動效應(yīng)更強,長江經(jīng)濟帶獨特的區(qū)位優(yōu)勢使得水路運輸在其各省市交通減排中均發(fā)揮了顯著作用;從經(jīng)濟結(jié)構(gòu)角度看,大部分省市交通部門增加值在 GDP中占比的提升均抑制了碳排放的增加,而安徽省和云南省則促進(jìn)了碳排放的增長;從能源效率的角度看,上海市、浙江省、湖北省以及重慶市能源效率的增加促進(jìn)了碳排放的增長,表現(xiàn)出了能效回彈效應(yīng)[43-45],而剩余大部分省份則起到了負(fù)向驅(qū)動作用,說明能源效率的提升在交通部門節(jié)能減排中取得了初步成效.

2.3 政策建議

基于長江經(jīng)濟帶交通運輸業(yè)碳排放的測算分析,并結(jié)合《“十四五”長江經(jīng)濟帶綜合交通運輸體系規(guī)劃》以及國內(nèi)外交通運輸節(jié)能減排經(jīng)驗[46-47],分別從產(chǎn)業(yè)結(jié)構(gòu)、技術(shù)水平、區(qū)域協(xié)調(diào)、宣傳引導(dǎo)等角度對“十四五”時期長江經(jīng)濟帶交通運輸體系低碳發(fā)展提出以下政策建議:

2.3.1 調(diào)整交通運輸結(jié)構(gòu),優(yōu)化產(chǎn)業(yè)結(jié)構(gòu) 2000～2019年產(chǎn)業(yè)結(jié)構(gòu)和交通結(jié)構(gòu)的調(diào)整是抑制長江經(jīng)濟帶交通碳排放增加的關(guān)鍵因素.“十四五”時期,可深度優(yōu)化長江經(jīng)濟帶產(chǎn)業(yè)結(jié)構(gòu),擴大包括交通倉儲運輸和郵政在內(nèi)的服務(wù)業(yè)占GDP的比重.同時,充分發(fā)揮長江經(jīng)濟帶地理和運輸資源優(yōu)勢,增加水路運輸?shù)鹊蛦魏乃竭\輸方式在交通運輸結(jié)構(gòu)中的比重,推進(jìn)建設(shè)綠色高效的交通運輸體系.

2.3.2 提升技術(shù)水平,提高能源效率 2000～2019年,長江經(jīng)濟帶交通運輸業(yè)能源強度從2000年的4.8萬t標(biāo)準(zhǔn)煤/億元提升至2019年的7.2萬t標(biāo)準(zhǔn)煤/億元,同時交通運輸業(yè)清潔能源占比由 2000年的9.24%提升至2019年的14.22%,技術(shù)水平提升緩解了交通碳排放增加.同時,能源效率對碳排放的影響也由正向逐步轉(zhuǎn)為負(fù)向驅(qū)動.“十四五”時期,要繼續(xù)提升交通運輸業(yè)技術(shù)水平,尤其注重降低陸路航空業(yè)單位周轉(zhuǎn)量碳排放水平,加快陸運交通工具清潔化電氣化替代[48].

2.3.3 加快區(qū)域互聯(lián),實現(xiàn)交通一體化發(fā)展 長江經(jīng)濟帶覆蓋11個省市及數(shù)個世界級城市群,是連接中國東中西、協(xié)調(diào)南北方的重要紐帶.基于泰爾指數(shù)的分析和LMDI分解結(jié)果均表明其交通經(jīng)濟產(chǎn)出和環(huán)境污染都呈現(xiàn)顯著的區(qū)域差異性.“十四五”時期,要加快區(qū)域互聯(lián),推動各省市交通運輸業(yè)協(xié)調(diào)發(fā)展,建立以碳排放強度為約束導(dǎo)向的降碳協(xié)同治理機制,實現(xiàn)長江經(jīng)濟帶交通運輸業(yè)的協(xié)調(diào)發(fā)展.

2.3.4 加大宣傳力度,引導(dǎo)公眾綠色出行 長江經(jīng)濟帶人口密集、交通運輸業(yè)需求量巨大、環(huán)境承載力承壓等特點決定了必須加快形成資源節(jié)約型和環(huán)境友好型的居民交通消費模式.“十四五”時期,可充分利用報紙、調(diào)查問卷、公益廣告等媒介,提高公眾低碳出行意識,調(diào)動綠色出行積極性,倡導(dǎo)使用自行車、公共交通、新能源汽車等低碳出行的方式,從而促使公眾交通消費方式的轉(zhuǎn)變.

3 結(jié)論

3.1 基于人均碳排放和碳排放強度的泰爾指數(shù)均表明長江經(jīng)濟帶各省市在碳排放方面存在明顯的差異,且區(qū)域內(nèi)差異遠(yuǎn)大于區(qū)域間差異.其中,下游地區(qū)的貢獻(xiàn)率最高,其次是中部和西部地區(qū).同時,基于碳排放強度的區(qū)域內(nèi)差異貢獻(xiàn)率由 2000年的94.1%逐漸下降至2019年的90.25%,且同時期的區(qū)域間貢獻(xiàn)率則由5.9%上升到9.75%,呈現(xiàn)出“組內(nèi)趨同而組間趨異”特點的俱樂部趨同現(xiàn)象.

3.2 經(jīng)濟的蓬勃發(fā)展極大程度地驅(qū)動了長江經(jīng)濟帶交通碳排放的增長,其次是人口規(guī)模和交通碳密度;運輸結(jié)構(gòu)和經(jīng)濟結(jié)構(gòu)的調(diào)整是抑制碳排放增長的關(guān)鍵因素,其對碳排放的負(fù)向驅(qū)動效應(yīng)分別達(dá)-26.18%、-16.25%.

3.3 經(jīng)濟水平和人口規(guī)模對碳排放增長的正向驅(qū)動效應(yīng)在逐漸提升,而能源效率對碳排放的影響由正向驅(qū)動逐漸轉(zhuǎn)化為了負(fù)向驅(qū)動.其中,長江中游地區(qū)能源效率和能源強度對交通碳排放的正向驅(qū)動力更強,且經(jīng)濟結(jié)構(gòu)和交通碳密度的負(fù)向驅(qū)動效應(yīng)更顯著;而下游地區(qū)人口規(guī)模的正向驅(qū)動效應(yīng)更強,貢獻(xiàn)率為12.27%,遠(yuǎn)高于上游和中游地區(qū)的 3.48%和4.55%.