邵可盈 刘利民

摘 要：在世界经济迅速发展的浪潮下，浙江省交通运输业发展迅猛，但也不可避免地产生碳排放问题。本文根据2002—2021年的数据对碳排放量进行估算，并建立Tapio模型以及LMDI分解模型对浙江省交通运输业的碳排放脱钩状态及其碳排放驱动因素进行分析。结果表明：浙江省交通运输业脱钩状态处于反复过程中，仅在2014—2015年出现过强脱钩状态，2003年、2006—2008年及2021年均为弱脱钩状态；经济规模对碳排放的影响较大，能源强度及人口规模对于碳排放属于正向影响。据此，本文建议浙江省交通运输业可通过加强新能源转型、完善社会参与机制以及发挥人口规模的正向影响作用来进行优化。

关键词：交通运输业；碳排放；碳脱钩；Tapio模型；LMDI分解模型

本文索引：邵可盈，刘利民.<变量 2>[J].中国商论，2024（08）：-140.

中图分类号：F542 文献标识码：A 文章编号：2096-0298（2024）04（b）--05

21世纪，全球经济发展迅速，经济发展建立在化石能源消耗上，2023年3月2日，国际能源署发布的数据显示，即使清洁能源技术等部署避免了5.5亿吨的能源相关碳排放，再生能源、电车、热泵及节能技术的应用使得全球二氧化碳排放量并未因能源危机而大幅增长，2022年全球与能源相关的二氧化碳排放量仍达368亿吨以上，同比增长0.9%，增加3.21亿吨，创下历史新高，这一现象与干旱、热浪等极端天气事件及不少核电站停运所导致二氧化碳排放量增加有关。作为世界范围内的发展强国，我国承诺助力节能减排，并将此承诺纳入国民经济和社会发展的中长期规划[1-2]，且于2020年超额完成了目标——2020年较2005年碳排放强度下降48.4%。2020年9月，习近平总书记提出“3060目标”，2030年碳排放量达到峰值，2060年碳排放中和[3]的“双碳”目标。

在“双碳”目标下，中共浙江省委、浙江省人民政府发布实施意见，致力做到2025年单位二氧化碳排放降低率均完成国家下达目标；至2030年，浙江省单位GDP碳排需比2005年下降65%以上。物流行业是我国国民经济中作为支柱产业的存在，其在国家能源消耗的总排行中位于前列，能源消耗量大，與此同时碳排放量巨大。从国内及国际的角度来看，交通运输的碳排放都是该行业减排的关键领域[4-8]。根据国家数据统计局公布的信息，我国公路货运量呈波浪上升趋势。浙江省在东部沿海地区快递量仅次于广东，近20年的公路货运量呈稳步上升趋势。因此，本文针对浙江省的交通运输进行碳排放脱钩研究，对浙江省交通运输与区域经济的关系以及碳排放驱动因素进行分析，旨在探寻实现“3060目标”的方法。

1 文献综述

碳排放脱钩理论于20世纪六十年代由经济合作与发展组织（OECD）提出，其中包含绝对脱钩与相对脱钩[9]，绝对脱钩是指即使能源消耗总量越来越大而经济发展中资源利用与环境压力的增长率仍然持续减小；相对脱钩指在经济快速发展状态下，资源利用与环境压力的增长率处于降低的情形，经济发展与能源消耗、环境压力之间的距离逐渐变宽。温室气体浓度升高加剧了极端天气的发生频次及极端天气后的危害程度，应对温室效应及能源危机现象需进行低碳发展，碳排放脱钩理论则可用以判断生产模式过程中是否符合低碳发展要求[9-10]，该理论能够测量经济增长与环境压力之间的联系[9]。侯丽朋等（2022）表示OECD模型虽然能够对于碳排放脱钩关系进行判断但无法对两者之间碳排放脱钩状态进行测量，Tapio脱钩模型比OECD模型细化了对脱钩状态的判断标准，因此基于Tapio进行碳排放脱钩能得到更清晰的判断[11]。

LMDI法是除建立Tapio脱钩模型之外另一种会被主要使用到的碳排放脱钩研究工具，是从Kaya恒等式的基础之上发展而来的[12]。Kaya恒等式建立了因人类活动而产生的碳排放与政策、经济以及人口之间的数学关系，由此扩展而来的LMDI模型因其计算过程更为简便、分解结果直观等特点而被广泛应用于能源研究领域[11-12]。

陈诚等（2017）基于投入产出法及过程分析法对2004—2013年的福建省面板数据进行碳排放测算模型分析以测算期内交通运输业碳排放量进行分析[13]。李健等（2022）运用Tapio脱钩模型及LMDI分解模型对京津冀区域2004—2019年的能源消耗面板数据进行分析，估算物流业碳排量及脱钩效应，研究发现经济产出效应、人口规模效应及能源结构模型对碳排量起拉升作用，而能源强度效应则起抑制作用[14]。梁雯等（2017）运用LMDI分解法和Tapio脱钩理论对1998—2013年国内物流业经济增长及碳排放面板数据进行脱钩研究，结果表明1995—1999年呈强脱钩，2000—2004年呈现扩张性负脱钩，2005—2013年为弱脱钩，说明提高能源效率的同时调整能源结构是实现脱钩的关键[15]。穆晓央等（2020）对2011—2017年西部各省物流业碳排面板数据进行估算，通过Tapio脱钩模型及LMDI分解模型分析西部物流业碳排放脱钩情况[16]。

国内外相关学者已针对物流业碳排放测算及区域行业碳脱钩问题进行了深度研究，研究对象主要集中于区域内行业整体，针对省域内交通运输业碳脱钩研究较少，因此笔者将采用两种主流模型对浙江省交通运输业碳排放脱钩进行研究。

2 数据来源及研究方法

2.1 数据来源

由于省份统计年鉴缺少列出交通运输业的相关数据，笔者采用自下而上的方式进行计算。基于数据可得性，本文中浙江省交通运输业本地参数通过国家数据网，中国能源统计年鉴，政府发布意见等获得。货车车型分类如表1所示；浙江省交通运输业近20年的各类货车保有量选自国家统计局公布数据；柴油参数选自国标排放标准；交通运输中各类型货车行驶里程选自《道路机动车大气污染物排放清单编制技术指南（试行）》。

2.2 碳排放测算模型

当前，浙江省无交通运输业碳排放量直观统计，本文利用近20年浙江省公布的货车数据通过自下而上的计算方法，以浙江省不同交通类型行驶里程、单位行驶能耗及浙江省不同道路货运车辆持有量等数据来进行碳排放量估算。

本文通过对比Tapio脱钩模型分析浙江省交通运输2002—2021年的面板数据，获得碳排放脱钩情况，使用LMDI模型分解浙江省交通运输业碳排放影响因素，致力为浙江省未来低碳物流发展提供有针对性的建议。

浙江省交通运输业碳排放量估算构建模型：

其中，CEL为基于自下而上进行估算的碳排放总量；i为使用能源；j为车辆类型；Pij为使用能源i车辆类型j的车辆数量；Qij为使用能源i车辆类型j年均行驶里程；Nij为使用能源i车辆类型j单位行驶里程的消耗量；EMi为能源类型i的CO2排放因子。CO2排放因子参考所使用能源在2006年IPCC所发布的数据。

2.3 Tapio脱钩模型构建

作为环境领域研究脱钩状态的通用模型，Tapio脱钩模型更加细化了脱钩状态的判断标准，更能获得清晰的脱钩状态判断，从而通过数据的不同更为详细表述道路运输业产业经济发展过程中的碳排放变动，体现在一整段周期中的趋势变化，构建模型如式（2）：

式（2）中，t为弹性指数，R为浙江省交通运输业碳排放总量（万吨），GDP为浙江省交通运输业产值，为碳排放的变化率，为GDP的变化率，根据弹性指数的不同，可得出8种脱钩状态，如表3所示。

2.4 LMDI分解模型

LMDI分解模型通过将消费变化分解为各个因素的贡献数值，从而更好地帮助分析能源消费变化及影响因素。本文通过LMDI模型对浙江省交通运输业碳排放各影响因素进行分解，构建模型：

式（3）中，Ct为浙江省交通运输业第t年碳排放总量；Cti为浙江省交通运输业第t年消耗i类能源所产生的碳排放量；Eti为浙江省交通运输业第t年i类能源的消耗量；Et为浙江省交通运输业在第t年消耗的能源总量；Yt为浙江省第t年道路与货运业的产值；Pt为第t年浙江省公路运输就业人口数。

设，CEti为第t年使用i类能源的碳排放系数；设，EEti为第t年使用i类能源占省交通运输业总消耗能源的比例，即浙江省交通运输业的能源结构；设，EYt为第t年浙江省交通运输业每生产一单位产值消费的能源总量，即浙江省交通运输业能源强度；设，YPt为第t年人均GDP，即经济规模；Pt为从业人数，即人口规模。得式（4）：

式（5）中，表示碳排放系数，表示能源结构，表示能源强度，表示经济规模，表示人口规模。

各种能源的碳排放系数默认为恒定，因此；浙江省交通运输业中，假设所使用的运输工具默认只有货车且货车的燃料默认为柴油，因此。借鉴Ang加权平均的研究方法，将上式进行加权平均处理，得到分解结果如下：

式（6）～（9）中，Ki表示权数变量。

3 浙江省交通运输业碳排放与行业产值关系分析

3.1 交通运输业单位生产总值、交通运输业能源消耗量与碳排放量变化趋势

本文对浙江省交通运输业各年物流业行业产值、能源碳排放量、从业人口规模及能源消耗量进行统计，并将几个变量以统计图的方式进行比较，具体如图1所示。

由图1可得，随着2002年我国加入世贸组织，浙江省交通运输、仓储、邮政业随之提升，2002—2021年浙江省交通运输、仓储、邮政业产量呈不断上行趋势。其中，2008—2009年增速有所放缓，2019—2010年产值有所下降，同比下降3.25%，与新冠疫情爆发交通受限时间吻合。2015年，作为我国交通运输中坚力量的重型卡车累计下降25.98%，在此期间，浙江省交通运输碳排放量呈现负增长的趋势。在产业发展进程中，因行业需求，道路运输业呈现出运输工具大型化的趋势，重型货车以及轻型货车拥有量增长迅速，中型货车以及微型货车呈现出拥有量大幅下降的趋势。截至2021年，载货微型货车拥有量仅1200辆，而轻型货车从2002年11.95万辆增至2021年97.98万辆。整体来看，交通运输、仓储、邮政业的产值增速较道路运输业碳排放量低。

3.2 交通运输业碳排放量与其经济增长脱钩效应分析

本文通过Tapio模型构建计算，获得2003—2021年浙江省交通运输、仓储及邮政业货车产值增长与道路运输业碳排放脫钩弹性系数变化，如表4所示。浙江省道路运输行业脱钩状态在整个浙江省交通运输、仓储及邮政业产值增长过程中，划分并不明确。在2003年、2006—2008年及2021年交通运输业处于弱脱钩状态，2014—2015年属于强脱钩状态。2016—2019年，环境压力反复，虽然经济增长相对稳定，但依然导致交通运输业脱钩状态在扩张连接中徘徊。2020年，新冠疫情爆发，产值下降，因此在20年间唯一出现了强负脱钩的情况，但2021年又恢复到弱脱钩的趋势，能够看出在道路运输层面对于碳排放的治理十分重要，维持弱脱钩状态，争取早日达到稳定的强脱钩迫在眉睫。

3.3 LMDI法下浙江省交通运输业碳排放驱动因素分解

本文针对2003—2021年浙江省交通运输业面板数据进行式（5）-（9）LMDI模型分解，交通运输业能源强度、经济规模、人口规模等因素及其各因素造成的总效应，结果表明从开始的人口规模因素产生正向影响较大转变为经济规模因素正向影响更大。2015年，能源强度因素造成的正向影响有所下降，次年又恢复到原来的影响水平。浙江省交通运输主要消费的燃料为柴油，能源结构因素对于碳排放的影响忽略不计。人口规模对于浙江省交通运输碳排放增长有拉动效应，且贡献率逐渐升高，公路货运从业人员绝大多数参与货物运输，因此公路货运人员的增多一定程度会导致碳排放增加。2003年以来，经济规模对浙江省交通运输业碳排放一致表现为正向驱动作用，物流业产业发展对浙江省交通运输业碳排放增长贡献程度最大，因此经济规模是浙江省交通运输业碳排放增加的主导因素。

4 结论与对策

4.1 结论

本文基于浙江省交通运输业2002—2021年面板数据，对发展过程中的交通运输、仓储及邮政业产值、公路运输就业人员数量、能源消耗以及碳排放量趋势进行分析，发现浙江省交通运输业碳排放量持续走高。通过建立Tapio模型，对浙江省2003—2021年交通运输业碳排量与交通运输、仓储邮政业产值增长之间的脱钩关系进行实证，发现在浙江省交通运输业中碳排放脱钩状态依然不稳定。通过LMDI分解模型对浙江省交通运输业驱动因素进行分析，其中经济产出对交通运输业碳排放正向驱动最大。

4.2 对策与建议

4.2.1 加强新能源转型

目前，浙江省道路运输消费能源结构主要为柴油，从各国碳减排研究中得知，能源结构对产业碳排放具有抑制作用，因此对现有浙江省道路运输消耗能源结构来说，开发新能源及调整运输车辆消耗的能源类型，能推动碳脱钩未来平稳进行。浙江政府应加强可再生能源及清洁能源开发的扶持力度，推进浙江省交通运输业与环境保护之间的纽带；加强有关政策体制，使企业在产业发展过程中，秉持节能环保的理念自觉推进绿色货运发展，统筹规划交通运输，综合高效协调发展。

4.2.2 完善社会参与机制

浙江省交通运输业脱钩关系并不稳定，仅于2014—2015年达到强脱钩，因此在深入贯彻发展理念的同时处理行业与大自然的关系。强化交通运输业中企业低碳发展责任，鼓励日常生产环节对资源节约及环境友好的企业发展模式进行探索。着重低碳经济发展的同时，鼓励行业低碳发展监督及公众参与，推动创新，通过科技进步减少温室气体的产生。

4.2.3 发挥人口规模的正向影响作用

浙江省在进行交通运输业发展过程中，日常生活生产中积极调整企业对高能耗、高污染源的使用。提高从业人员绿色货运意识及环境保护社会责任感。通过从业的市场企业有序竞争，实现交通运输业优胜劣汰。

参考文献

苑清敏，张文龙，宁宁宁.京津冀物流业碳排放驱动因素及脱钩效应研究[J].科技管理研究，2016（5）：222-226.

刘妤.开放经济条件下物流产业碳排放驱动因素分解及脱钩效应研究： 以陕西省为例[J].生态经济，2018（11）：84-70.

新华社.强化应对气候变化行动： 中国国家自主贡献[EB/OL].2015[2016-03-02].https：//www.gov.cn/xinwen/2015-06/ 30/content_2887330.htm.

朱长征.基于协整分析的我国交通运输业碳排放影响因素研究[J].公路交通科技，2015，32（1）：153-158.

熊杨，王娟.双碳政策下长江经济带物流业碳排放影响因素分析[J].物流工程与管理，2022，44（10）：89-93.

肖杰，胡曉丹，杨文茂，等.双碳目标下铁路货运发展策略[J].综合运输，2023，45（8）：25-27+57.

杨琦，朱容辉，赵小强.中国交通运输业的碳排放情景预测模型[J].长安大学学报（自然科学版），2014，34（5）：77-83.

蔡博峰，曹东，刘兰翠，等.中国交通二氧化碳排放研究[J].气候变化研究进展，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.

侯丽朋，王琳，钱瑶，等.“双碳”目标下闽三角碳排放脱钩状态及驱动机制分析[J].生态学报，2022，42（23）：9663-9676.

李健，王尧，王颖.天津市碳排放脱钩态势及碳减排潜力分析： 基于2007—2016年的面板数据[J].生态经济，2019，35（4）： 26-32.

陈诚，洪雅玲，方玲娜，等.福建省道路运输业碳排放测算与分析[J].重庆交通大学学报（自然科学版），2017，36（9）：98-103.

李健，白子毅，李柏桐.双碳背景下京津冀物流业碳排放脱钩及影响因素研究[J].城市问题，2022（5）：69-76.

梁雯，张勤，陈广强.中国物流业经济发展与能源碳排放的脱钩研究[J].广西社会科学，2017（4）：61-67.

穆晓央，王力，徐蓉，等.西部省域物流业碳排放脱钩及影响因素研究[J].环境科学与技术，2020，43（4）：214-219.