环境科学学报  2016, Vol. 36 Issue (12): 4555-4562
引用本文
袁长伟, 张倩, 芮晓丽, 等. 2016. 中国交通运输碳排放时空演变及差异分析[J]. 环境科学学报, 36(12): 4555-4562.
Yuan C W, Zhang Q, Rui X L, et al. 2016. Spatiotemporal evolution and difference of transport carbon emissions in China[J]. Acta Scientiae Circumstantiae, 36(12): 4555-4562.
中国交通运输碳排放时空演变及差异分析    [PDF全文]
袁长伟 , 张倩, 芮晓丽, 焦萍    
长安大学经济与管理学院, 西安 710064
收稿日期: 2016-02-19; 修回日期: 2016-05-01; 录用日期: 2016-05-23
基金项目: 国家自然科学基金（No.51278057）；霍英东教育基金（No.151075）；中央高校基本科研业务费专项资金项目（No.310823151006，310823160103）
通讯作者（责任作者）: 袁长伟(1981-), 男, 教授, 研究生导师, 主要研究方向为交通-能源-环境复杂作用机制.E-mail:yuanchangwei@126.com
摘要: 核算了2003-2012年间中国30个省域的交通运输碳排放量和碳排放强度，分析了交通运输碳排放时空演变规律，分别计算了中国东、中、西部的交通运输碳排放量和碳排放强度的标准差和变异系数以定量分析其差异.结果表明：2003-2012年10年间，中国30个省域交通运输碳排放量呈逐年增长趋势，并整体呈现"西低东高"的特征，其中，湖北、广东和山东三省的总量居前3位，而内蒙古、吉林和重庆这3个省份（直辖市）的增速最快；交通运输碳排放强度整体上全国呈增长趋势，呈现出"西高东低"的非均衡变化特征；交通运输碳排放强度绝对差异增速趋缓，自2008年后三大区域的标准差和变异系数都呈现明显趋同效应.
关键词: 交通运输     碳排放量     碳排放强度     时空演变    
Spatiotemporal evolution and difference of transport carbon emissions in China
YUAN Changwei , ZHANG Qian, RUI Xiaoli, JIAO Ping    
College of Economic and Management, Chang'an University, Xi'an 710064
Received 19 Feb 2016; received in revised from 1 May 2016; accepted 23 May 2016
Supported by the National Natural Science Foundation of China (No.51278057), the Huo Yingdong Educational Foundation (No.151075) and the Fundamental Research Funds for the Central Universities (No.310823151006, 310823160103)
*Corresponding author: YUAN Changwei (1981-), male, professor, E-mail:yuanchangwei@126.com
Abstract: This paper estimates the transport carbon emission and carbon intensity of 30 provinces in China from 2003 to 2012, and further analyses the spatiotemporal evolution of transport carbon emissions. The standard deviations and variation coefficients of transport carbon emissions and carbon intensity are calculated for the eastern, central and western region, respectively, and the differences of transport carbon emissions among these regions are quantified. The results show that between 2003 and 2012, there is a consistent growing trend on transport carbon emissions for all 30 provinces in China. Overall, the increase in western region is lower than that of the eastern. In terms of total growth over the ten years, Hubei, Guangdong and Shandong are the top three provinces, while Inner Mongolia, Jilin and Chongqing are the top three provinces for the growth rate. In addition, transport carbon intensity also shows a growing trend. The unbalanced variation is observed with western region having higher growth rate than eastern region. The absolute difference in growth rate is decreasing. The absolute difference and relative difference convergence since 2008.
Key words: transportation     carbon emission     carbon intensity     spatial evolution    
1 引言(Introduction)

随着中国社会经济的持续快速增长, 能源消费量和碳排放量大幅增加, 2006年中国碳排放总量居世界第一.根据国际环保组织“全球碳计划”估计, 中国2013年的人均CO2排放达到7.2 t, 超过欧盟的6.8 t.中国政府曾作出承诺：“到2020年, CO2排放相对于2005年下降40%~45%”.在可预见的一段时期内, 中国的碳排放量还将持续增长, 这给经济和生态环境带来了巨大压力(Greening et al., 1999；Jalil et al., 2009；Stern, 2004).在所有利用能源的活动中, 交通运输由于高度依赖石油燃料, 且活动总量持续快速增加, 成为碳排放量第二大的部门, 但同时又是最难找到政策以降低碳排放的部门.因此, 研究中国的交通运输碳排放现状, 探索其发展规律与趋势, 对于交通运输行业开发有效的碳减排工具, 寻求适合中国国情的碳减排政策具有重大意义.

在交通运输碳排放量的测算上, Weber等(2008)利用消费者支出调查和生命周期评估报告分析了美国家庭交通运输碳排放；Brown等(2009)基于能源消费量测算并探讨了美国主要城市交通运输碳排放量；Ross Morrow等(2010)运用全生命周期法核算了美国运输部门碳排放量；吴玉鸣等(2013)以煤炭、石油和天然气的消费量分别乘以这3种能源对应的折算成“吨标准煤”的系数, 求和以估算碳排放总量；程叶青等(2013)采用2006年IPCC提供的估算方法, 以选取的天然气、柴油、煤油、汽油、燃料油、原油、焦炭和煤炭等8类主要化石能源消耗量乘以它们对应的平均低位发热量与CO2排放系数得到碳排放量.而在进一步的交通运输碳排放影响因素的探讨中, Gallagher等(2010)探索了碳减排政策对美国交通部门的碳减排的效应；徐雅楠等(2011)通过运用STIRPAT模型对碳排放量进行因素分解, 得出人口和经济是影响碳排放的显著因素的结论；Wang等(2011)基于LMDI法探讨拉动和抑制碳排放增长的因素；Johannes等(2012)提出, 德国的基础环境设施与私人交通碳排放之间有着错综复杂的关系；谢守红等(2016)采用回归模型分析得出, 产业比重和从业人口增长拉动碳排增长, 能源效率抑制碳排增长.

整体上看, 一方面, 目前我国大多数文献是基于能源消费量计算得出交通运输碳排放量, 其涉及的消耗能源种类有限, 难以全面反映交通运输碳排放实际情况；另一方面, 对于中国而言, 在广袤的国土上, 不同地域空间的交通运输碳排放演变特征和规律迥异, 尚缺乏深入探讨.因此, 本文以我国30个省域为研究单元, 核算2003-2012年间中国30个省域(不包含台湾、香港、澳门及西藏的数据)的交通运输碳排放量和碳排放强度数据, 在此基础上结合空间统计学方法, 分析其空间变化特征和差异性以探索其时空演变规律, 开发适应于各地区的有效碳减排工具, 设计适合于各地区具体特点的碳减排政策.

2 研究方法(Methodology) 2.1 交通运输碳排放量计算

交通运输碳排放主要是5种运输方式(陆路运输、水路运输、航空运输、管道运输和装卸搬运)完成产品运输过程从而产生的排放.IPCC (Intergovernmental Panel on Climate Change)提出能源消耗引起的碳排放是大气中的最主要来源, 据此, 本文研究的是基于能源消耗的交通运输碳排放, 本文参考《中国能源统计年鉴》中各类能源折算成吨标准煤的折算系数和郑长德等(2011)提出的每吨标准煤对应碳排放系数(2.499), 用2003-2012年间我国各省域交通运输业消耗的多种能源(原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、其他焦化产品、原油、汽油、煤油、柴油)折算成吨标准煤后的消费总量再乘以2.499, 以估算2003-2012年间我国各省域的交通运输碳排放量.估算公式表达如下：

(1)

式中, Ci代表第i个省域的交通运输碳排放总量(万t), Eim代表第i个省域第m类能源的消费量(万t, 以标准煤计), Sm为第m类能源折算成吨标准煤的折算系数, D代表每万t标煤对应的碳排放系数，此处为2.499.

2.2 交通运输碳排放强度计算

交通运输碳排放强度指单位交通运输生产总值的增长带来的排放的增长, 用以说明交通运输经济与交通运输碳排放的关系, 公式表达如下：

(2)

式中, CI为交通运输碳排放强度(万t·亿元-1), CE为交通运输碳排放总量(亿元), Y为交通运输生产总值(亿元).

2.3 标准差计算

在本文中, 标准差用以描述交通运输碳排放量和碳排放强度在空间上的绝对差异.计算公式如下：

(3)

式中, Si表示第i个省域对应的标准差, ci表示第i个省域测算的交通运输碳排放量或碳排放强度的指标值, c是对应测算指标的均值.

2.4 变异系数计算

变异系数体现了各省域的样本值相对于全部区域均值的偏离水平.变异系数消除了用标准差比较离散程度时由于测量尺度和量纲带来的影响, 可用以描述交通运输碳排放量和碳排放强度在空间上的相对差异.计算公式如下:

(4)

式中, CV为交通运输碳排放变异系数, ci表示第i个省域测算的交通运输碳排放量或碳排放强度的指标值, c是对应测算指标的均值.

2.5 数据来源

本文以我国除了台湾、香港、澳门及西藏之外的30个省域作为研究单元, 研究2003-2012年间我国各省域的交通运输碳排放时空演变和差异性.这10年间我国各省域对应的交通运输业各种能源(原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、其他焦化产品、原油、汽油、煤油、柴油)消费量数据来自历年的《中国能源统计年鉴》及各省统计年鉴.

在中国现有统计中, 交通运输与仓储、邮政生产总值属同一行业进行统计, 一方面本文重点在于考察碳排放的时空前后期的演变特征与规律；另一方面, 仓储与邮政占比较小, 因此, 本文用统计年鉴中的“交通运输与仓储、邮政”生产总值近似代替交通运输生产总值.以1978为基期计算不变价格的交通运输生产总值.基本数据来自历年的《中国能源统计年鉴》及各省统计年鉴.

3 结果与分析(Results and analysis) 3.1 指标计算结果 3.1.1 交通运输碳排放量

通过计算得出了2003-2012年这10年间中国30个省域的交通运输碳排放量, 结果如表 1所示.

表 1 2003-2012年中国交通运输碳排放量 Table 1 Transport carbon emission of China from 2003 to 2012
3.1.2 交通运输碳排放强度

根据表 1估算出的结果, 进一步计算相应的交通运输碳排放强度, 结果如表 2所示.

表 2 2003-2012年中国交通运输碳排放强度 Table 2 Transport carbon intensity of China from 2003 to 2012
3.1.3 交通运输碳排放量差异

按照东、中、西部分别计算2003-2012年中国交通运输碳排放量的标准差和变异系数, 以定量分析交通运输碳排放量的差异情况, 结果如表 3所示.

表 3 2003-2012年中国交通运输碳排放量差异 Table 3 Difference of transport carbon emission between different regions in China from 2003 to 2012
3.1.4 交通运输碳排放强度差异

按照东、中、西部分别计算2003-2012年中国交通运输碳排放强度的标准差和变异系数, 以定量分析交通运输碳排放强度的差异情况, 结果如表 4所示.

表 4 2003-2012年中国交通运输碳排放强度差异 Table 4 Difference of transport carbon intensity between different regions in China from 2003 to 2012
3.2 时空演变特征

基于以上2003-2012年间交通运输碳排放量和碳排放强度数据, 运用Arcgis软件, 分别对其省际空间格局演变特征进行研究.

3.2.1 交通运输碳排放量的时空演变

2003-2012年我国各省域交通运输碳排放量的时空演变如图 1所示.由图 1可以看出, 2003-2012年这10年间全国30个省域的交通运输碳排放量呈逐年增长趋势, 呈现出“西低东高”的特征.东部地区的广东、山东和中部地区的湖北这3个省域碳排放量最高.

图 1 2003、2006、2009、2012年交通运输碳排放量省级时空演变 Fig. 1 Provincial spatiotemporal evolution of transport carbon emissions in 2003, 2006, 2009 and 2012

在增长速度上, 计算2003-2012年间我国30个省域(直辖市)的交通运输碳排放量增长率, 归纳后见表 5.从速度上看, 2003-2012年间, 我国内蒙古、吉林和重庆这3个省域的交通运输碳排放量增速最快, 增长率分别为9.25%、5.18%和5.03%.这一方面与这3个省份(直辖市)的经济快速增长有关, 10年间内蒙古、重庆的经济增长率居全国前列；另一方面, 与地区的经济结构、交通运输结构有关, 吉林重工业占比较高、道路运输占交通运输比重较高, 这使得吉林交通运输碳排放量增速较快.

表 5 2003-2012年中国各省域交通运输碳排放量增长率 Table 5 Growth rate of transport carbon emission in provinces of China from 2003 to 2012
3.2.2 交通运输碳排放强度的时空演变

我国2003-2012年的交通运输碳排放强度的时空演变如图 2所示.由图 2可以看出, 从全国层面而言, 2003-2012间我国交通运输碳排放强度总体呈缓慢增长趋势, 呈现出“西高东低”的非均衡变化特征.这是因为伴随着我国工业化、城镇化进程的快速推进, 长期以来制约我国社会经济发展的交通运输行业也得到长足发展.为了解决“运得了, 走得动”的问题, 各种运输方式尤其是道路运输全力发展, 这使得交通运输碳排放强度持续增长, 尤其是在中西部, 高速铁路、轨道交通等碳排放强度较低的运输方式发展相对较慢, 占比较低.

图 2 2003、2006、2009、2012年交通运输碳排放强度省级时空演变 Fig. 2 Provincial spatiotemporal evolution of transport carbon intensity in 2003, 2006, 2009 and 2012

碳排放强度的极值出现在2008年, 这是由于自2008年后, 国家对碳减排逐渐重视, 各项碳减排政策逐步推行落实, 在交通运输行业内, 能源利用效率稳步提高, 低碳交通得以大力发展, 交通运输转型升级成效显著.

从交通运输碳排放强度增长率看, 按省域分类归纳后可得表 6.从表 6可以看出, 河南、青海这两个省域增速最快, 增长率分别为2.49%和2.08%, 表示这两省交通运输碳排放效率有待进一步提升, 而全国绝大部分省份增速基本稳定甚至开始下降, 表示由于技术进步、交通运输结构的优化带来碳排放强度下降、碳排放效率提升.

表 6 2003-2012年我国各省域交通运输碳排放强度增长率分类归纳表 Table 6 Classification of growth rate of transport carbon intensity for provinces of China from 2003 to 2012
3.3 差异性分析

为了进一步分析我国交通运输碳排放强度的空间差异性, 计算其标准差和变异系数, 具体变化趋势如图 3所示.图 3结果表明, 2003-2012年间标准差总体增速缓慢, 其中, 东、西部地区缓慢增大, 中部地区在2003-2008年间明显增大, 在2008-2012年间缓慢减小；变异系数变化总体相对平稳, 中部地区最大且高于全国水平.

图 3 标准差(a)和变异系数(b)变化趋势图 Fig. 3 Variation of standard deviation (a) and coefficient of variation (b)

自2008年开始, 我国三大地理区域的标准差和变异系数各自都具有明显的趋同效应, 这与相关政策的引导及交通运输节能减排政策的逐步推行密切相关.随着相关政策落实并取得良好成效, 我国各地区碳排放强度差异变化逐渐实现同步发展.

3.4 政策建议

基于以上对于中国交通运输碳减排的时空演变特征与趋势分析, 整体上, 对于快速发展中的中国交通运输而言, 应加快新能源技术的开发与应用, 推进交通方式结构优化, 提高轨道交通、新能源汽车等绿色交通方式在交通中的比重, 逐步降低以煤炭、汽油、柴油为主的高污染能源消费比例, 加快天然气、新能源交通工具的推广应用, 着力提高交通运输能源利用效率, 通过财政、税收、补贴等技术引导低碳交通发展, 促进交通运输碳减排.

具体于各省份, 由于经济发展阶段、城镇化阶段、交通运输结构等各有差异, 交通运输碳减排重点也不同.国家应依据各省自身状况, 因地制宜制定节能减排政策.对于东部沿海地区, 其碳减排职责更重, 需控制私家车数量迅猛增长, 大力促进公共交通、新能源汽车、高速铁路等交通方式发展, 加快建设绿色交通运输体系.对于中西部地区而言, 由于处于快速工业化、城镇化进程当中, 在交通运输总量快速增长的同时, 需注重交通运输结构的优化, 积极争取国家财政、税收等政策倾斜, 制定有效的产业政策引导, 促进交通运输的转型升级发展.

4 结论(Conclusions)

1) 中国交通运输碳排放量持续增长, 年均增长率为12.46%, 高于同期GDP发展速度.从空间分布上看, 碳排放量较高的区域主要集中在东部地区, 呈现出“西低东高”的变化特征.其中, 广东、山东和湖北三省总量最高, 内蒙古、重庆和吉林三省(直辖市)增速最快, 这与这些省份的经济状况和运输结构有密切关系.

2) 中国交通运输碳排放强度增速趋缓, 在空间分布上呈现出“西高东低”的非均衡变化特征, 其中, 云南和吉林两省强度最大, 河南、青海这两个省域增速最快, 大部分省份增速基本稳定并开始下降, 这与这些省份的产业结构、交通运输结构有密切关系.

3) 中国交通运输碳排放强度绝对差异增速缓慢, 相对差异变化平稳, 略有浮动.自2008年起, 由于交通运输节能减排的相关政策的实施取得显著成效, 三大地理区域的标准差和变异系数都出现了明显的趋同效应.

4) 随着我国各项交通运输碳减排政策的逐步落实, 交通运输行业的碳排放量和碳排放强度在可预见的一段时期内仍会呈现增长趋势, 但增速将逐渐变缓；但随着交通运输结构的不断优化、新技术的持续应用推广、经济发展方式的转型升级, 中国交通运输的碳排放总量和碳排放强度有望逐步稳定并最终实现下降.

参考文献
[${referVo.labelOrder}] Brown M A, Southworth F, Sarzynski A. 2009. The geography of metropolitan carbon footprints[J]. Policy and Society, 27(4) : 285–304. DOI:10.1016/j.polsoc.2009.01.001
[${referVo.labelOrder}] 程叶青, 王哲野, 张守志, 等. 2013. 中国能源消费碳排放强度及其影响因素的空间计量[J]. 地理学报, 2013, 68(10) : 1419–1421.
[${referVo.labelOrder}] Greening L A, Ting M, Davis W B. 1999. Decomposition of aggregate carbon emission intensity for freight:Trends from 100 ECD countries for the period 1971-1993[J]. Energy Economics, 21(4) : 331–361. DOI:10.1016/S0140-9883(99)00010-9
[${referVo.labelOrder}] Jalil A, Mahmud S F. 2009. Environment Kuznets curve for CO2 emissions:Acointegration analysis for China[J]. Energy Policy, 37(12) : 5167–5172. DOI:10.1016/j.enpol.2009.07.044
[${referVo.labelOrder}] Johannes S, Tobias W. 2012. The effects of social and physical concentration on carbon emissions in rural and urban residential areas[J]. Settlement Structures and Carbon Emissions in Germany, 23(1) : 188–193.
[${referVo.labelOrder}] Ross Morrow W, Gallagher K S, Collantes, et al. 2010. Analysis of policies to reduce oil consumption and greenhouse-gas emissions from the US transportation sector[J]. Energy Policy, 38(3) : 1305–1320. DOI:10.1016/j.enpol.2009.11.006
[${referVo.labelOrder}] Stern D I. 2004. The rise and fall of the environmental Kuznets curve[J]. World Development, 32 : 1419–1439. DOI:10.1016/j.worlddev.2004.03.004
[${referVo.labelOrder}] Wang S J, Fang C L, Ma H T, et al. 2014. Spatial differences and multi-mechanism of carbon footprint based on GWR model in provincial China[J]. Journal of Geographical Sciences, 24(4) : 612–630. DOI:10.1007/s11442-014-1109-z
[${referVo.labelOrder}] Weber C L, Matthews H S. 2008. Quantifying the global and distributional aspects of American household carbon footprint[J]. Ecological Economics, 66(2) : 379–391.
[${referVo.labelOrder}] 吴玉鸣, 吕佩蕾. 2012. 空间效应视角下中国省域碳排放总量的驱动因素分析[J]. 经济学研究, 2012, 29(1) : 41–42.
[${referVo.labelOrder}] 谢守红, 蔡海亚, 夏刚祥. 2016. 交通运输业碳排放的测算及影响因素[J]. 干旱区资源与环境, 2016, 30(5) : 6–13.
[${referVo.labelOrder}] 徐雅楠, 杜志平. 2011. 我国交通运输业的碳排放测度及因素分解[J]. 物流技术, 2011, 30(6) : 16–18.
[${referVo.labelOrder}] 郑长德, 刘帅. 2011. 基于空间计量经济学的碳排放与经济增长分析[J]. 中国人口·资源与环境, 2011, 21(5) : 80–86.