城市軌道交通二氧化碳排放量化及其影響因素分析*

袁振洲 袁曉敬 楊 洋 吉祥雨 吳先宇

(1.北京交通大學交通運輸學院, 100044, 北京;2.北京航空航天大學交通科學與工程學院, 100191, 北京;3.北京航空航天大學車路協同與安全控制北京市重點實驗室, 100191, 北京;4.鐵科院(北京)工程咨詢有限公司, 100081, 北京∥第一作者, 教授)

對我國城市軌道交通(以下簡稱“城軌”)系統的二氧化碳排放當量進行量化與評估,有利于政府和決策者制定碳減排政策,從而促進城軌可持續發展?？紤]電網碳排放因子的動態變化特征,建立一套適應于我國城軌系統二氧化碳排放量化及其影響因素分解的評價體系和方法,對精準把握我國城軌系統節能減排進程,針對性地制定低碳交通措施,以及實現2030年碳達峰和2060年碳中和的目標具有重要的現實意義。

學術界從不同的研究角度和范圍出發,對交通運輸業二氧化碳排放測算及其影響因素進行了分析。在宏觀層面:文獻[1]通過建立考慮社會經濟變量和貨運特征變量的最小二乘回歸模型,分析了不同工況下的貨運結構優化碳減排效益,結果表明社會經濟因素相較其他因素具有顯著影響作用。文獻[2]基于全生命周期理論構建了不同城市的城軌碳減排測算模型。文獻[3]測算了2015—2021年的城軌二氧化碳排放量,分析了二氧化碳排放效率的差異化態勢及其影響因素,結果表明城軌二氧化碳排放效率與網絡規模呈正相關,影響城軌二氧化碳排放效率的因素包括規模效率、技術進步及發電結構等。在微觀層面:文獻[4]對襄陽市的城市公共交通工具的二氧化碳排放效率進行了分析,結果表明不同交通工具的二氧化碳排放效率不同,同時得出了改善交通工具二氧化碳排放效率的具體措施。文獻[5]在構建基于速度的碳排放因子的基礎上,測算了不同城市交通運行狀況下的二氧化碳排放量,結果表明不同的交通運行狀況會形成不同的機動車二氧化碳排放量,改善交通運行狀況對降低機動車二氧化碳排放具有促進作用。文獻[6]應用累積局部效應圖,分析了繞路率、合乘數等因素對網約車合乘出行碳排放狀態的影響。文獻[7]從能效、車重、節能技術和新技術應用等4個方面分析了城軌車輛節能降耗的實現路徑。文獻[8]對高速鐵路進行了考慮全生命周期的節能減排研究,為全面科學研究城軌減碳提供了理論依據。

綜上,上述研究較為全面地分析了城市公共交通系統二氧化碳排放測算及其影響因素,但主要是從區域整體的視角分析二氧化碳排放量的影響因素效應,而缺乏考慮交通系統內部的作用機理,同時對電網碳排放因子的動態性亦考量不足。本研究考慮了公共交通運輸系統內部作用機理,社會經濟環境發展,以及電網碳排放因子的時變特性,建立了城軌二氧化碳排放量測算模型與二氧化碳排放量影響因素分解模型,揭示了我國城軌二氧化碳排放影響因素機理,并對電網碳排放因子的時空差異性進行了分析。

1 我國城軌系統及相關社會經濟發展數據

鑒于2020年新型冠狀病毒肺炎疫情大規模爆發,我國社會經濟發展信息以及城軌能耗可能存在異常數據,從而導致得出缺乏普適性的研究規律。為保障研究數據的可靠性及相應結果的合理性,研究數據選取2010—2019年的城軌系統能源消耗、旅客周轉量等數據。其中:我國城軌系統二氧化碳排放量影響因素分解模型涉及的各類能源折標準煤系數來自于《中國能源統計年鑒2022》;旅客周轉量、人均GDP,以及交通運輸、倉儲與郵政業增加值等指標來自于中華人民共和國國家統計局、中華人民共和國交通運輸部、中國民用航空局等。我國城軌系統能源消耗數據源自中國城市軌道交通協會,且能源消耗量統計數據的少量缺失值通過回歸擬合(擬合模型為指數模型,擬合優度R2為0.978 4)進行數據預處理。由于倉儲業和郵政業終端能源消費量占比較少,故本研究采用交通運輸業、倉儲業和郵政業的終端能源消費量作為交通運輸業能源消耗數據。

研究期選取2010—2019年,采用中華人民共和國生態環境部提供的研究期內碳排放因子歷年平均值作為計算二氧化碳排放量依據[9]。我國區域電網基準線碳排放因子的時空特性如表1所示。

表1 我國區域電網基準線碳排放因子的時空特性

由表1可見,我國區域電網基準線碳排放因子在時空特性上表現為兩個特征:在時間維度上,由于技術水平提高,電網碳排放因子呈現逐年下降的趨勢;在空間維度上,電網碳排放因子存在明顯的區域異質性,受電力生產結構與地區經濟水平發展等因素的影響表現為北方地區(華北區域、東北區域和西北區域)碳排放因子整體低于南方地區(華東區域、華中區域和南方區域)。

2 二氧化碳排放量測算模型和對數平均迪式指數分解模型的構建

2.1 二氧化碳排放量測算模型

各能源消耗行業針對二氧化碳排放量的計算普遍采用二氧化碳當量,即為所有污染物排放量折算得到的二氧化碳排放量之和,本文亦采用二氧化碳排放當量作為碳排放量。交通運輸業二氧化碳排放量測算模型主要為自上而下法和自下而上法,其中自上而下法適宜各項能耗已知的情況,其優勢在于對較宏觀的研究范圍有較好的適應性?；诔擒壪到y二氧化碳排放在宏觀尺度上的適用性,本研究采用自上而下法構建城軌系統二氧化碳排放量測算模型[1]。

(1)

Kj=10-6ALV,jCEF,jCOF,ja

(2)

式中:

C——城軌二氧化碳排放量,單位萬t;

Ej——第j種能源終端消耗實物量,單位萬t;

Kj——第j種能源碳排放因子;

ALV,j——第j種能源平均低位發熱量,單位kJ/kg;

CEF,j——第j種單位熱值含碳量,單位t/TJ;

COF,j——第j種能源碳氧化率;

a——碳轉化為二氧化碳的系數,即二氧化碳相對分子質量和碳相對原子質量之比,取44/12。

根據城軌系統二氧化碳排放量測算模型結構可發現,能源消耗量與碳排放因子是二氧化碳排放量測算的重要部分,也是直接影響二氧化碳排放量測算結果的主要因素。

2.2 二氧化碳排放量影響因素分解模型

2.2.1 對數平均迪氏指數分解模型

在現有研究中,定量研究能源環境因素分析的方法主要包括分解模型和回歸模型[1]。其中,分解模型主要為IDA(指數分解)模型與SDA(結構分解)模型。相較IDA模型,SDA模型對數據要求較高,例如需要投入產出數據。LMDI(對數平均迪氏指數)分解方法屬于IDA方法,在各領域均有相關研究應用。該方法分解結果無殘差且分解完全,可有效避開偽回歸問題,在能源相關領域中被廣泛應用[10],且對于影響因素的解釋性強。相較其他分解方法,LMDI方法的操作性和適應性較強,可有效分析總體指標,保持各分解指標間的高度一致性,在各領域溫室氣體排放影響因素研究中都具有較好的適應性[11],故本研究應用LMDI方法建立我國城軌二氧化碳排放量影響因素分解模型。建立上述模型時,首先需構造擴展的Kaya恒等式(見式(3))。

(3)

式中:

Cij——第i市城軌系統的第j種能源二氧化碳排放量;

Eij——第i市的第j種能源消耗量;

Ti——第i市旅客周轉量;

GDPJ,i——第i市交通運輸、倉儲和郵政業增加值;

GDP,i——第i市地區生產總值;

POP,i——第i市區域人口數量。

(4)

式中:

Sij——第i市的第j種交通運輸業二氧化碳排放量與能源消耗總量的比值,即交通運輸業能源結構強度因素;

Hij——第i市的第j種能源消耗總量與交通運輸業客貨周轉量之比,即能源消耗強度因素;

Fi——第i市交通運輸業客貨周轉量與交通運輸業生產總值之比,即交通運輸業的生產效率因素;

Ii——第i市交通運輸業生產總值占區域生產總值的比重,即交通運輸業發展因素;

Di——第i市的人均GDP,即經濟發展因素;

Pi——第i市的人口總量,即人口規模因素。

由于二氧化碳排放量影響因素分解模型主要體現為城軌系統二氧化碳排放量與區域社會和交通系統之間的耦合交互作用,同時考慮到我國城軌在早期研究水平較低,存在數據缺失等問題,因此,在未來的進一步研究中可以考慮對城軌模型進行定義。

2.2.2 LMDI分解

對兩個比較年份的二氧化碳排放量的變換量進行分解。假設第t年的城軌系統二氧化碳排放量為Ct,基年的二氧化碳排放量為C0,則第t年與基年的二氧化碳排放量的差值如下:

(5)

式中:

ΔC——二氧化碳排放變化量;

Cj,t——第j種能源的第t年二氧化碳排放量;

Cj,0——第j種能源的基年二氧化碳排放量;

ΔCS、ΔCH、ΔCF、ΔCI、ΔCD、ΔCP——各影響因素加法分解子項。

各因素效應的分解結果如式(6)—式(11)所示。

(6)

(7)

(8)

(9)

(10)

(11)

式中:

Si,t、Si,0——第i市的第t年和基年的交通運輸業能源結構強度因素;

Hi,t、Hi,0——第i市的第t年和基年的能源消耗強度因素;

Fi,t、Fi,0——第i市的第t年和基年的交通運輸業的生產效率因素;

Ii,t、Ii,0——第i市的第t年和基年的交通運輸業發展因素;

Di,t、Di,0——第i市的第t年和基年的經濟發展因素;

Pi,t、Pi,0——第i市的第t年和基年的人口規模因素。

3 案例分析

以我國城軌系統為實例,對其進行二氧化碳排放量測算模型和LMDI分解模型的應用求解,以驗證研究模型的可行性與科學性。

3.1 二氧化碳排放量測算模型結果分析

根據第2.1節中城軌二氧化碳排放量測算模型,計算得到2010—2019年我國城軌二氧化碳排放量變化曲線,如圖1所示。由于本文考慮了電網碳排放因子的動態時變特性,因此測度結果精度更高。

圖1 2010—2019年我國城軌二氧化碳排放量變化曲線

由圖1可見:從2010—2019年期間,我國城軌系統二氧化碳排放量的演變總體呈上升趨勢,且在2019年二氧化碳排放量達到1 366.20萬t(相較2010年增長了2.88倍)。由上可見:我國城軌二氧化碳排放量與增長率整體較為平穩,但還需進一步對其進行控制。在宏觀層面上,可加大力度推廣規劃設計節能措施,同時為企業和研究機構開展城軌節能技術研發提供政策引導;在微觀角度上,可通過優化城軌列車運營管理、提高列車滿載率等措施,實現城軌碳減排效應的最大化。

3.2 LMDI分解模型結果分析

基于第2.2節中我國城軌系統二氧化碳排放量影響因素分解模型,應用STATA軟件分析得到LDMI分解結果,如圖2所示。

圖2 我國城軌二氧化碳排放量的影響因素貢獻度

由圖2可見:交通運輸業能源結構強度、能源消耗強度、人口規模和經濟發展等因素對我國城軌系統二氧化碳排放影響表現為正效應,該結果與文獻[11]相符;而交通運輸業生產效率和行業發展因素對我國城軌系統二氧化碳排放影響表現為負效應。經濟發展因素對我國城軌系統二氧化碳排放影響最為顯著,其整體影響效應均值達到81.77萬t;其他各影響因素的效應值根據貢獻率絕對值大小依次為:交通運輸業能源結構強度、生產效率、能源消耗強度、交通運輸業發展和人口規模因素,其影響效應值分別為67.53萬t、-53.82萬t、12.64萬t、-6.09萬t和4.92萬t。

綜上,我國城軌系統二氧化碳排放量各影響因素在整體上存在一定的影響效應規律。同時,不同的影響因素在同一時期存在不同的效應強度,而同一影響因素在不同時期的影響效應也存在差異,此種情況在一定程度上與當時的社會經濟背景、城軌行業的發展水平等因素存在關聯。因此,相關部門在分析城軌碳排放影響效應的基礎上制定相應的城軌碳減排策略時,需要考慮當年的實際情況,并根據不同影響因素的作用效應采取有針對性、有側重點的措施。

4 結語

1) 2010—2019年研究期內,我國城軌系統二氧化碳排放量的演變總體呈上升趨勢,2019年二氧化碳排放量達到1 366.20萬t,較2010年增長了2.88倍。此外,我國電網碳排放因子在交通運輸業存在顯著的時空差異性,體現為南方城市電網碳排放因子整體低于北方;隨著電力生產結構的優化以及科技水平的提高,電網碳排放因子呈現平穩下降的趨勢。

2) 經濟發展因素對我國城軌系統二氧化碳排放影響效應最為顯著,且體現為正效應。其他各影響因素效應值由強到弱依次為:交通運輸業能源結構強度、生產效率、能源消耗強度、交通運輸業發展和人口規模因素,其影響效應值分別為67.53萬t、-53.82萬t、12.64萬t、-6.09萬t和4.92萬t。這表明為了有效控制我國城軌系統的二氧化碳排放,有必要轉變經濟發展對環境的負面影響,實現經濟發展與環境負效應的脫鉤,促進交通運輸業在國民經濟體系中的發展,提高交通運輸業的生產效率,持續優化交通運輸業能源結構強度,調節人口規模和結構,降低交通運輸業能源消耗強度。

3) 該研究成果有利于我國城軌系統碳達峰、碳中和目標的穩健實現?？梢罁煌ㄟ\輸業二氧化碳排放發展趨勢、二氧化碳排放影響因素效應差異,以及各省市的具體區域情況,針對性地制定城軌系統碳減排措施,以推動交通運輸業整體減碳目標的實現。