浙江省交通運輸業碳排放脫鉤研究

邵可盈 劉利民

摘 要：在世界經濟迅速發展的浪潮下，浙江省交通運輸業發展迅猛，但也不可避免地產生碳排放問題。本文根據2002—2021年的數據對碳排放量進行估算，并建立Tapio模型以及LMDI分解模型對浙江省交通運輸業的碳排放脫鉤狀態及其碳排放驅動因素進行分析。結果表明：浙江省交通運輸業脫鉤狀態處于反復過程中，僅在2014—2015年出現過強脫鉤狀態，2003年、2006—2008年及2021年均為弱脫鉤狀態；經濟規模對碳排放的影響較大，能源強度及人口規模對于碳排放屬于正向影響。據此，本文建議浙江省交通運輸業可通過加強新能源轉型、完善社會參與機制以及發揮人口規模的正向影響作用來進行優化。

關鍵詞：交通運輸業；碳排放；碳脫鉤；Tapio模型；LMDI分解模型

本文索引：邵可盈，劉利民.<變量 2>[J].中國商論，2024（08）：-140.

中圖分類號：F542 文獻標識碼：A 文章編號：2096-0298（2024）04（b）--05

21世紀，全球經濟發展迅速，經濟發展建立在化石能源消耗上，2023年3月2日，國際能源署發布的數據顯示，即使清潔能源技術等部署避免了5.5億噸的能源相關碳排放，再生能源、電車、熱泵及節能技術的應用使得全球二氧化碳排放量并未因能源危機而大幅增長，2022年全球與能源相關的二氧化碳排放量仍達368億噸以上，同比增長0.9%，增加3.21億噸，創下歷史新高，這一現象與干旱、熱浪等極端天氣事件及不少核電站停運所導致二氧化碳排放量增加有關。作為世界范圍內的發展強國，我國承諾助力節能減排，并將此承諾納入國民經濟和社會發展的中長期規劃[1-2]，且于2020年超額完成了目標——2020年較2005年碳排放強度下降48.4%。2020年9月，習近平總書記提出“3060目標”，2030年碳排放量達到峰值，2060年碳排放中和[3]的“雙碳”目標。

在“雙碳”目標下，中共浙江省委、浙江省人民政府發布實施意見，致力做到2025年單位二氧化碳排放降低率均完成國家下達目標；至2030年，浙江省單位GDP碳排需比2005年下降65%以上。物流行業是我國國民經濟中作為支柱產業的存在，其在國家能源消耗的總排行中位于前列，能源消耗量大，與此同時碳排放量巨大。從國內及國際的角度來看，交通運輸的碳排放都是該行業減排的關鍵領域[4-8]。根據國家數據統計局公布的信息，我國公路貨運量呈波浪上升趨勢。浙江省在東部沿海地區快遞量僅次于廣東，近20年的公路貨運量呈穩步上升趨勢。因此，本文針對浙江省的交通運輸進行碳排放脫鉤研究，對浙江省交通運輸與區域經濟的關系以及碳排放驅動因素進行分析，旨在探尋實現“3060目標”的方法。

1 文獻綜述

碳排放脫鉤理論于20世紀六十年代由經濟合作與發展組織（OECD）提出，其中包含絕對脫鉤與相對脫鉤[9]，絕對脫鉤是指即使能源消耗總量越來越大而經濟發展中資源利用與環境壓力的增長率仍然持續減小；相對脫鉤指在經濟快速發展狀態下，資源利用與環境壓力的增長率處于降低的情形，經濟發展與能源消耗、環境壓力之間的距離逐漸變寬。溫室氣體濃度升高加劇了極端天氣的發生頻次及極端天氣后的危害程度，應對溫室效應及能源危機現象需進行低碳發展，碳排放脫鉤理論則可用以判斷生產模式過程中是否符合低碳發展要求[9-10]，該理論能夠測量經濟增長與環境壓力之間的聯系[9]。侯麗朋等（2022）表示OECD模型雖然能夠對于碳排放脫鉤關系進行判斷但無法對兩者之間碳排放脫鉤狀態進行測量，Tapio脫鉤模型比OECD模型細化了對脫鉤狀態的判斷標準，因此基于Tapio進行碳排放脫鉤能得到更清晰的判斷[11]。

LMDI法是除建立Tapio脫鉤模型之外另一種會被主要使用到的碳排放脫鉤研究工具，是從Kaya恒等式的基礎之上發展而來的[12]。Kaya恒等式建立了因人類活動而產生的碳排放與政策、經濟以及人口之間的數學關系，由此擴展而來的LMDI模型因其計算過程更為簡便、分解結果直觀等特點而被廣泛應用于能源研究領域[11-12]。

陳誠等（2017）基于投入產出法及過程分析法對2004—2013年的福建省面板數據進行碳排放測算模型分析以測算期內交通運輸業碳排放量進行分析[13]。李健等（2022）運用Tapio脫鉤模型及LMDI分解模型對京津冀區域2004—2019年的能源消耗面板數據進行分析，估算物流業碳排量及脫鉤效應，研究發現經濟產出效應、人口規模效應及能源結構模型對碳排量起拉升作用，而能源強度效應則起抑制作用[14]。梁雯等（2017）運用LMDI分解法和Tapio脫鉤理論對1998—2013年國內物流業經濟增長及碳排放面板數據進行脫鉤研究，結果表明1995—1999年呈強脫鉤，2000—2004年呈現擴張性負脫鉤，2005—2013年為弱脫鉤，說明提高能源效率的同時調整能源結構是實現脫鉤的關鍵[15]。穆曉央等（2020）對2011—2017年西部各省物流業碳排面板數據進行估算，通過Tapio脫鉤模型及LMDI分解模型分析西部物流業碳排放脫鉤情況[16]。

國內外相關學者已針對物流業碳排放測算及區域行業碳脫鉤問題進行了深度研究，研究對象主要集中于區域內行業整體，針對省域內交通運輸業碳脫鉤研究較少，因此筆者將采用兩種主流模型對浙江省交通運輸業碳排放脫鉤進行研究。

2 數據來源及研究方法

2.1 數據來源

由于省份統計年鑒缺少列出交通運輸業的相關數據，筆者采用自下而上的方式進行計算。基于數據可得性，本文中浙江省交通運輸業本地參數通過國家數據網，中國能源統計年鑒，政府發布意見等獲得。貨車車型分類如表1所示；浙江省交通運輸業近20年的各類貨車保有量選自國家統計局公布數據；柴油參數選自國標排放標準；交通運輸中各類型貨車行駛里程選自《道路機動車大氣污染物排放清單編制技術指南（試行）》。

2.2 碳排放測算模型

當前，浙江省無交通運輸業碳排放量直觀統計，本文利用近20年浙江省公布的貨車數據通過自下而上的計算方法，以浙江省不同交通類型行駛里程、單位行駛能耗及浙江省不同道路貨運車輛持有量等數據來進行碳排放量估算。

本文通過對比Tapio脫鉤模型分析浙江省交通運輸2002—2021年的面板數據，獲得碳排放脫鉤情況，使用LMDI模型分解浙江省交通運輸業碳排放影響因素，致力為浙江省未來低碳物流發展提供有針對性的建議。

浙江省交通運輸業碳排放量估算構建模型：

其中，CEL為基于自下而上進行估算的碳排放總量；i為使用能源；j為車輛類型；Pij為使用能源i車輛類型j的車輛數量；Qij為使用能源i車輛類型j年均行駛里程；Nij為使用能源i車輛類型j單位行駛里程的消耗量；EMi為能源類型i的CO2排放因子。CO2排放因子參考所使用能源在2006年IPCC所發布的數據。

2.3 Tapio脫鉤模型構建

作為環境領域研究脫鉤狀態的通用模型，Tapio脫鉤模型更加細化了脫鉤狀態的判斷標準，更能獲得清晰的脫鉤狀態判斷，從而通過數據的不同更為詳細表述道路運輸業產業經濟發展過程中的碳排放變動，體現在一整段周期中的趨勢變化，構建模型如式（2）：

式（2）中，t為彈性指數，R為浙江省交通運輸業碳排放總量（萬噸），GDP為浙江省交通運輸業產值，為碳排放的變化率，為GDP的變化率，根據彈性指數的不同，可得出8種脫鉤狀態，如表3所示。

2.4 LMDI分解模型

LMDI分解模型通過將消費變化分解為各個因素的貢獻數值，從而更好地幫助分析能源消費變化及影響因素。本文通過LMDI模型對浙江省交通運輸業碳排放各影響因素進行分解，構建模型：

式（3）中，Ct為浙江省交通運輸業第t年碳排放總量；Cti為浙江省交通運輸業第t年消耗i類能源所產生的碳排放量；Eti為浙江省交通運輸業第t年i類能源的消耗量；Et為浙江省交通運輸業在第t年消耗的能源總量；Yt為浙江省第t年道路與貨運業的產值；Pt為第t年浙江省公路運輸就業人口數。

設，CEti為第t年使用i類能源的碳排放系數；設，EEti為第t年使用i類能源占省交通運輸業總消耗能源的比例，即浙江省交通運輸業的能源結構；設，EYt為第t年浙江省交通運輸業每生產一單位產值消費的能源總量，即浙江省交通運輸業能源強度；設，YPt為第t年人均GDP，即經濟規模；Pt為從業人數，即人口規模。得式（4）：

式（5）中，表示碳排放系數，表示能源結構，表示能源強度，表示經濟規模，表示人口規模。

各種能源的碳排放系數默認為恒定，因此；浙江省交通運輸業中，假設所使用的運輸工具默認只有貨車且貨車的燃料默認為柴油，因此。借鑒Ang加權平均的研究方法，將上式進行加權平均處理，得到分解結果如下：

式（6）～（9）中，Ki表示權數變量。

3 浙江省交通運輸業碳排放與行業產值關系分析

3.1 交通運輸業單位生產總值、交通運輸業能源消耗量與碳排放量變化趨勢

本文對浙江省交通運輸業各年物流業行業產值、能源碳排放量、從業人口規模及能源消耗量進行統計，并將幾個變量以統計圖的方式進行比較，具體如圖1所示。

由圖1可得，隨著2002年我國加入世貿組織，浙江省交通運輸、倉儲、郵政業隨之提升，2002—2021年浙江省交通運輸、倉儲、郵政業產量呈不斷上行趨勢。其中，2008—2009年增速有所放緩，2019—2010年產值有所下降，同比下降3.25%，與新冠疫情爆發交通受限時間吻合。2015年，作為我國交通運輸中堅力量的重型卡車累計下降25.98%，在此期間，浙江省交通運輸碳排放量呈現負增長的趨勢。在產業發展進程中，因行業需求，道路運輸業呈現出運輸工具大型化的趨勢，重型貨車以及輕型貨車擁有量增長迅速，中型貨車以及微型貨車呈現出擁有量大幅下降的趨勢。截至2021年，載貨微型貨車擁有量僅1200輛，而輕型貨車從2002年11.95萬輛增至2021年97.98萬輛。整體來看，交通運輸、倉儲、郵政業的產值增速較道路運輸業碳排放量低。

3.2 交通運輸業碳排放量與其經濟增長脫鉤效應分析

本文通過Tapio模型構建計算，獲得2003—2021年浙江省交通運輸、倉儲及郵政業貨車產值增長與道路運輸業碳排放脫鉤彈性系數變化，如表4所示。浙江省道路運輸行業脫鉤狀態在整個浙江省交通運輸、倉儲及郵政業產值增長過程中，劃分并不明確。在2003年、2006—2008年及2021年交通運輸業處于弱脫鉤狀態，2014—2015年屬于強脫鉤狀態。2016—2019年，環境壓力反復，雖然經濟增長相對穩定，但依然導致交通運輸業脫鉤狀態在擴張連接中徘徊。2020年，新冠疫情爆發，產值下降，因此在20年間唯一出現了強負脫鉤的情況，但2021年又恢復到弱脫鉤的趨勢，能夠看出在道路運輸層面對于碳排放的治理十分重要，維持弱脫鉤狀態，爭取早日達到穩定的強脫鉤迫在眉睫。

3.3 LMDI法下浙江省交通運輸業碳排放驅動因素分解

本文針對2003—2021年浙江省交通運輸業面板數據進行式（5）-（9）LMDI模型分解，交通運輸業能源強度、經濟規模、人口規模等因素及其各因素造成的總效應，結果表明從開始的人口規模因素產生正向影響較大轉變為經濟規模因素正向影響更大。2015年，能源強度因素造成的正向影響有所下降，次年又恢復到原來的影響水平。浙江省交通運輸主要消費的燃料為柴油，能源結構因素對于碳排放的影響忽略不計。人口規模對于浙江省交通運輸碳排放增長有拉動效應，且貢獻率逐漸升高，公路貨運從業人員絕大多數參與貨物運輸，因此公路貨運人員的增多一定程度會導致碳排放增加。2003年以來，經濟規模對浙江省交通運輸業碳排放一致表現為正向驅動作用，物流業產業發展對浙江省交通運輸業碳排放增長貢獻程度最大，因此經濟規模是浙江省交通運輸業碳排放增加的主導因素。

4 結論與對策

4.1 結論

本文基于浙江省交通運輸業2002—2021年面板數據，對發展過程中的交通運輸、倉儲及郵政業產值、公路運輸就業人員數量、能源消耗以及碳排放量趨勢進行分析，發現浙江省交通運輸業碳排放量持續走高。通過建立Tapio模型，對浙江省2003—2021年交通運輸業碳排量與交通運輸、倉儲郵政業產值增長之間的脫鉤關系進行實證，發現在浙江省交通運輸業中碳排放脫鉤狀態依然不穩定。通過LMDI分解模型對浙江省交通運輸業驅動因素進行分析，其中經濟產出對交通運輸業碳排放正向驅動最大。

4.2 對策與建議

4.2.1 加強新能源轉型

目前，浙江省道路運輸消費能源結構主要為柴油，從各國碳減排研究中得知，能源結構對產業碳排放具有抑制作用，因此對現有浙江省道路運輸消耗能源結構來說，開發新能源及調整運輸車輛消耗的能源類型，能推動碳脫鉤未來平穩進行。浙江政府應加強可再生能源及清潔能源開發的扶持力度，推進浙江省交通運輸業與環境保護之間的紐帶；加強有關政策體制，使企業在產業發展過程中，秉持節能環保的理念自覺推進綠色貨運發展，統籌規劃交通運輸，綜合高效協調發展。

4.2.2 完善社會參與機制

浙江省交通運輸業脫鉤關系并不穩定，僅于2014—2015年達到強脫鉤，因此在深入貫徹發展理念的同時處理行業與大自然的關系。強化交通運輸業中企業低碳發展責任，鼓勵日常生產環節對資源節約及環境友好的企業發展模式進行探索。著重低碳經濟發展的同時，鼓勵行業低碳發展監督及公眾參與，推動創新，通過科技進步減少溫室氣體的產生。

4.2.3 發揮人口規模的正向影響作用

浙江省在進行交通運輸業發展過程中，日常生活生產中積極調整企業對高能耗、高污染源的使用。提高從業人員綠色貨運意識及環境保護社會責任感。通過從業的市場企業有序競爭，實現交通運輸業優勝劣汰。

參考文獻

苑清敏，張文龍，寧寧寧.京津冀物流業碳排放驅動因素及脫鉤效應研究[J].科技管理研究，2016（5）：222-226.

劉妤.開放經濟條件下物流產業碳排放驅動因素分解及脫鉤效應研究： 以陜西省為例[J].生態經濟，2018（11）：84-70.

新華社.強化應對氣候變化行動： 中國國家自主貢獻[EB/OL].2015[2016-03-02].https：//www.gov.cn/xinwen/2015-06/ 30/content_2887330.htm.

朱長征.基于協整分析的我國交通運輸業碳排放影響因素研究[J].公路交通科技，2015，32（1）：153-158.

熊楊，王娟.雙碳政策下長江經濟帶物流業碳排放影響因素分析[J].物流工程與管理，2022，44（10）：89-93.

肖杰，胡曉丹，楊文茂，等.雙碳目標下鐵路貨運發展策略[J].綜合運輸，2023，45（8）：25-27+57.

楊琦，朱容輝，趙小強.中國交通運輸業的碳排放情景預測模型[J].長安大學學報（自然科學版），2014，34（5）：77-83.

蔡博峰，曹東，劉蘭翠，等.中國交通二氧化碳排放研究[J].氣候變化研究進展，2011，7（3）：197-203.

OECD. Indicators to measure decoupling of environmental pressures from economic growth[R]. Paris：OECD，2002.

Baker， Hugh S Millar， Richard J.Karoly， Higher CO2 concentrations increase extreme event risk in a 1.5 degrees C world[J]. Nature Climate Change，2018，8（7）：604.

侯麗朋，王琳，錢瑤，等.“雙碳”目標下閩三角碳排放脫鉤狀態及驅動機制分析[J].生態學報，2022，42（23）：9663-9676.

李健，王堯，王穎.天津市碳排放脫鉤態勢及碳減排潛力分析： 基于2007—2016年的面板數據[J].生態經濟，2019，35（4）： 26-32.

陳誠，洪雅玲，方玲娜，等.福建省道路運輸業碳排放測算與分析[J].重慶交通大學學報（自然科學版），2017，36（9）：98-103.

李健，白子毅，李柏桐.雙碳背景下京津冀物流業碳排放脫鉤及影響因素研究[J].城市問題，2022（5）：69-76.

梁雯，張勤，陳廣強.中國物流業經濟發展與能源碳排放的脫鉤研究[J].廣西社會科學，2017（4）：61-67.

穆曉央，王力，徐蓉，等.西部省域物流業碳排放脫鉤及影響因素研究[J].環境科學與技術，2020，43（4）：214-219.