中国交通部门碳排放分析8篇

中国交通部门碳排放分析8篇中国交通部门碳排放分析　交通节能与环保TransportEnergyConservation&EnvironmentalProtection第17卷第下面是小编为大家整理的中国交通部门碳排放分析8篇,供大家参考。

篇一：中国交通部门碳排放分析

通 节 能 与 环 保Transport Energy Conservation & Environmental Protection第 17 卷 第 82 期2021 年 4 月Vol. 17 No.2April . 2021我国水路运输碳排放现状及减碳路径分析李庆祥（交通运输部水运科学研究院，北京 100088）摘要：本文在阐述我国水路运输碳排放现状的基础上，分析了水路运输减少碳排放过程中存在的主要问题，提出了水路运输减碳主要路径和政策建议，为相关部门开展碳减排工作提供参考。关键词：水路运输；碳排放；问题；减碳路径中图分类号：X820.1 文献标识码：A 文章编号：1673-6478（2021）02-0001-04Carbon Emission Status and Carbon Reduction Path Analysis ofWaterway Transport in ChinaLI Qingxiang（ China Waterborne Transport Research Institute，Beijing 100088，China）Abstract：On the basis of describing the current situation of carbon emission from waterway transport in China，this paperanalyzes the main problems existing in the process of reducing carbon emission from waterway transport，puts forward themain path and policy suggestions for reducing carbon emission from waterway transport，and provides reference for relevantdepartments to carry out carbon emission reduction work.Key words：waterway transport；carbon emission；problem；carbon reduction path0 引言近期，2030年“碳达峰”和2060年“碳中和”问题已成为我国的热点问题，并引起全社会的高度关注。交通运输业是社会主要碳源之一，备受全社会持续瞩目，发展低碳交通势在必行。水路运输是我国综合运输体系中的重要组成部分，由港口和航运两部分组成，承担了我国90%以上外贸货物的运输工作 [1] ，在有力保障国民经济发展的同时，也消耗大量化石能源，排放了大量二氧化碳，是交通运输业碳排放主要贡献者之一。因此，有必要对水路运输碳排放现状和减碳路径进行分析研究。1 水路运输碳排放现状1.1 水路运输发展现状2019年，我国拥有水上运输船舶13.16万艘，比上年下降 4.0%；净载重量 25 684.97 万吨，增长2.3%；集装箱箱位 223.85 万标准箱，增长 13.8%。全年完成货运量74.72亿吨，增长6.3%，完成货物周转量10万亿吨公里，增长5.0%。2019年，全国港口拥有万吨级及以上泊位2 520个，其中，沿海港口万吨级及以上泊位2 076个，内河港口万吨级及以上泊位444个。全国港口完成货物吞吐量139.51亿吨，比上年增长5.7%。其中，沿海港口完成91.88亿吨，增长4.3%；内河港口完成47.63亿吨，增长9.0%。具体全国水上运输船舶构成情况和港口情况分别见表1、表2所示 [2] 。1.2 水路运输面临的减碳压力“十三五”期，国内交通领域年能耗量已突破5 亿吨标准煤，公路水路油耗占全国石油制品消耗量30%以上，交通能耗年增速6.4% [3] 。水路运输领域，2018年消耗2 730万吨燃料油和柴油；2019年消耗 2 870 万吨燃料油和柴油，能耗年增速为5.1% [4] 。粗略估算，2018年和2019年两年的二氧化doi: : 10. 3969/j. issn. 1673 - 6478. 2021. 02. 001收稿日期：2021-04-16作者简介：李庆祥（1967-），男，江苏盐城人，研究员，研究方向为水运行业节能环保.（921047186@qq.com）

　交 通 节 能 与 环 保 第 17 卷碳排放量分别为：88 13万吨和9 261万吨，二氧化碳排放总量可观。我国碳排放存量较高（2019年能源碳排放量为98 亿吨碳当量），按期实现碳达峰和碳中和具有很大的挑战性 [5，6] 。水路运输业主要消耗石油制品，每年碳排放量近亿吨，要为国家实现碳达峰和碳中和目标做出应有的贡献，显然面临着较大的减碳压力，必须统筹好发展和减碳两者之间的关系。2 水路运输减少碳排放存在的主要问题水路运输业的碳排放主要在航运领域。相对于航运而言，港口的碳排放量较小，但由于港口是对外开放的窗口，减碳工作不可小视。经过调研分析，本文表1 2019年全国水上运输船舶构成（按航行区域分）Tab.1 Composition of national water transport vessels in2019（by navigation area）指标运输船舶数量净载重量载客量集装箱箱位运输船舶数量净载重量载客量集装箱箱位运输船舶数量净载重量载客量集装箱箱位计量单位万艘万吨万客位万TEU万艘万吨万客位万TEU万艘万吨万客位万TEU实绩11.9513 080.0862.7239.1710 3647 079.9823.4963.261 6645 524.912.37121.41比上年增长/%-3.91.3-12.415.8-0.12.83.611.7-26.14.014.914.2内河运输船舶沿海运输船舶远洋运输船舶表2 2019年全国港口万吨级及以上泊位数量Tab.2 The number of berths of 10,000-ton class and abovein China"s ports in 2019比上年增加145362176沿海港口6702977034062 076比上年增加-25-7泊位吨级1~3万吨级（不含3万）3~5万吨级（不含5万）5~10万吨级（不含10万）10万吨级以上合计全国港口8594218224182 520比上年增加143312169沿海港口18912411912444对水路运输碳减排存在的主要问题进行了归纳分析。2.1 航运方面我国的运输船舶具有量大面广、流动性强、单价高、管理难度大等行业特点，主要消耗燃料油和柴油等能源品种。近年来，行业在内河运输推广应用了部分天然气燃料船，但由于所占比重很低，可以忽略。在减少碳排放方面存在以下问题：（1）运力结构需要进一步调整近年来，行业大力推行内河船型标准化工作，修订了《老旧运输船舶管理规定》、对进口二手船也规定了环保要求等，使得我国水路运输运力结构有较大的改观。从交通运输部历年的统计公报来看，船舶总量在逐年减少，但总载重吨在逐年提升，表明船舶大型化趋势明显。但是，由于种种原因，内河船队结构没有得到根本改观，内河船型标准化推行工作仍然任重道远；对于进口二手船虽然设置了环保要求，但由于没有设置能效指标，能耗高的船舶进入营运市场不可避免；对于老旧船舶的管理，重点关注的是船龄和船舶安全性能，船舶能效指标也未做规定；另外，还存在部分新造劣质船舶投入运营的现象。因此，继续推行内河船型标准化，大力淘汰老旧船，控制劣质船、二手船投放市场，是今后水路运输运力结构调整的重要内容。（2）运输组织水平需要进一步提高运输组织水平直接影响船舶实载率，进而影响船舶能效水平。当前市场经济形势下，航运市场存在着市场混乱、竞争无序的情况。航运企业为追求经济效益，争相揽货，实载率较低，存在交叉放空的现象。目前，国内小型航运企业众多，尤其在内河运输领域，存在大量以家庭为单位的航运个体，给航运管理和运输组织造成了较大困难。近年来，航运企业通过兼并、重组，成立了中远海运为代表的大型航运企业，集团化、规模化、集约化效益已经显现，运输组织水平有大幅提高，但仍有较大改进空间。继续做好控制运力投放、提高运输组织水平工作，可以大幅度提高船舶实载率，从而有效降低船舶单耗，减少碳排放。（3）相关法规、标准需要完善《营运船舶燃料消耗限值及验证方法 （JT/T826）》 及 《营运船舶 CO 2 排放限值及验证方法（JT/T827）》两项标准已发布多年，在内河航运得到了局部应用，但由于两项标准均为推荐性标准，缺乏强制性，应用效果总体不够理想，未能充分发2

　第 2 期挥应有的作用。在当前“碳达峰”和“碳中和”形势下，尽快修订并强制实施这两项标准已势在必行，以便从源头把住船舶准入关，有效控制高能耗船舶的建造和投放，进而逐步改善我国船队结构；另外，尚需考虑船舶强制退出标准。目前，国内采用根据船舶船龄标准的办法，强制淘汰老旧船舶。采用船龄标准控制的手段，操作方便、简单易行，但要求不够严格，可以通过科学制订船舶退出能耗限值的办法，促使能耗偏高的老旧船加速淘汰。制定实施营运船舶燃料消耗量限值标准，是落实《节约能源法》的要求，也是提高船舶能效、降低碳排放的重要手段。2.2 港口方面港口分为沿海港口和内河港口两大类。港口的能源消耗品种主要是电力、柴油及少量煤炭等其他类型的能源。近年来，国内众多港口持续开展绿色港口创建工作，已建立了良好的基础和环境，但在减少碳排放方面仍然存在一些问题：（1）港口货物集疏运方式需要优化目前，国内有相当数量的港口由于建港条件等因素限制，大宗货物采用公路运输方式集疏港，不仅能源单耗高，而且严重污染道路周边环境。针对上述现象，国家加大了整治力度，印发了相关文件 [7] ，重点以京津冀及周边地区、长三角地区、汾渭平原等区域为主战场，以推进大宗货物运输“公转铁”、“公转水”为主攻方向，完善综合运输网络，提高运输组织水平，减少公路运输量，增加铁路运输量。（2）港口装卸工艺有改进空间港口装卸由于货种繁多，会采用不同的装卸工艺。如果装卸工艺选择不当，会出现增加装卸工艺环节、装卸设备“大马拉小车”、装卸流程不够顺畅等各种情况，从而大大增加了装卸作业能源单耗。较为典型的案例如下：某港大宗干散货需要进行“水水中转”作业，由于沿海码头（卸船码头）与内河码头（装船码头）之间有数公里间隔，传统做法是通过汽车短途倒运作业，作业能耗大、污染严重。工艺改进推荐方法是：由于码头转水量较大，如果考虑在两个码头之间修建带式输送机廊道，采用皮带机输送作业工艺，可以大幅度降低能耗和碳排放。（3）港口能源消费结构需要调整港口直接用于装卸生产作业的能源品种主要是电力和柴油。根据相关调研材料测算：目前，港口每年直接用于装卸生产作业的总能耗大约200万吨标准煤，其中柴油消耗大约60万吨，折合87.4万吨标准煤，占比43.7%，直接排放二氧化碳190万吨。调整港口能源消费结构，使港口用能尽量向电动化方向发展，从而大幅度降低港口二氧化碳直接排放，是港口实现碳达峰和碳中和的重要手段之一。港口耗油装卸机械，主要包括集卡、正面吊、单斗装载机、挖掘机、牵引车等作业机械，用途不同、种类繁多、数量庞大。将港口耗油装卸机械电动化或清洁能源化，是港口调整能源消费结构的主要途径，但是目前存在技术不够成熟、配套设施跟不上、投资改造成本高等一系列难题需要克服。另外，在港口大力发展风力发电、光伏发电，争取做到“自发自用”，也是港口实现碳达峰和碳中和的重要手段，但是也存在着港口风能、太阳能资源不均衡现象，不能做到普遍推广，只能因地制宜、灵活应用；再有，储能设施的建设，由于存在容量小、投资高，不能充分满足港口实际生产需要的问题，需要在今后工作中，依靠科技进步，克服上述难题。（4）节能能力有提升空间技术层面，港口经过多年绿色港口创建，节能减排效果显著的节能技术和产品，如轮胎式集装箱门式起重机“油改电”技术，基本上得到了广泛应用。目前，需要研发出更多、更好的节能技术和产品，并应用于港口企业，以便促进港口进一步降低装卸能源单耗。管理层面，目前港口企业经营模式形式多样，有相当数量的港口企业水平运输作业分包给社会上运输企业，其能源管理意识和节能减碳意识均相对薄弱。港口企业对其进行能源管理的主动性、积极性和创造性，有待提高。3 水路运输减碳总体思路及主要路径3.1 总体思路水路运输减碳工作应以调整行业能源消费结构和提高交通装备能效为核心 [8] ，通过提高清洁能源和可再生能源比例、推进节能低碳技术应用、优化运输组织和工艺等措施，大幅度降低碳排放，抵减碳足迹，实现碳达峰和碳中和战略目标。在研究确定减碳路径时，应考虑遵循以下原则：（1）系统谋划、统筹兼顾。水路运输碳减排是一项系统工程，涉及面广、难度大，需要结合水路运输特点和实际情况，做好顶层设计，统筹好发展和减碳李庆祥，我国水路运输碳排放现状及减碳路径分析3

　交 通 节 能 与 环 保 第 17 卷的关系，因地制宜地采取切实有效措施，将减碳工作抓好做实，避免出现一窝蜂、一刀切的现象。（2）创新驱动、供需互促。技术创新、模式创新、管理创新，均是推动减碳工作的强大驱动力，能够有效促进能效提升和碳排放下降。供给侧和需求侧双方应有充分的沟通、交流，在充分了解需求侧一方的需求时，供给侧一方才能做到有的放矢，提供合适的节能技术和产品。供需双方相互促进，可以起到事半功倍的效果。（3）分类施策、突出重点。水路运输包括航运和港口，航运又可分为海洋运输和内河运输；同样，港口按货种又可分为集装箱码头、干散货码头、件杂货码头等不同类型码头。不同类型船舶和码头，其耗能品种和数量有较大差异；甚至同类型码头，由于所处地理位置不同，也会在风能、太阳能等自然条件上存在不小差异，因此，分类施策、突出重点十分必要。（4）示范引领、以点带面。港航企业经营主体存在多元化现象，导致港航企业对节能减碳的认识水平有较大差异；又由于节能减碳工作经济效益近期不够显著，导致港航企业参与这项工作的积极性有较大差异，因此，需要选取理念先进、基础条件好、积极性高的港航企业进行碳达峰碳中和试点示范，从中凝练可复制、可推广的经验，形成示范效应，进而带动全行业开展碳达峰碳中和工作。3.2 主要路径（1）调整能源消费结构推广清洁低碳的港作机械和运输装备，既有港口作业机械加大电气化改造力度，新购置或淘汰更新的港口作业机械要优先使用电力、新能源或清洁能源驱动；加强节能减碳技术研发，提升港口“油改电”作业机械的技术成熟度；鼓励港航企业进行氢能试点应用。推动可再生和清洁能源基础设施建设。加强港区供电、加气或加氢等配套基础设施建设，以便满足港口和船舶的充电、加气或加氢的需求；港口根据区域条件和规划，因地制宜启动分布式风力发电、光伏发电基础设施的建设；加快港口储能技术研发推广，鼓励港口分布式发电项目安装储能设施，提升供电灵活性和稳定性，达到港口可再生能源发电“自发自用”，达到“自平衡”。（2）提...

篇二：中国交通部门碳排放分析

/p>

　境

　科

　学

　学

　报 Acta Scientiae Circumstantiae DOI: 10.13671/j.hjk**b.2016.0206 中国交通运输碳排放时空演变及差异分析

　袁长伟，张倩* ，芮晓丽，焦萍 长安大学经济与管理学院，陕西 西安 710064 摘要: :核算 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，分析交通运输碳排放时空演变规律，分别计算中国东、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 至 2012 这 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三位，而内蒙古、吉林和重庆这三省的增速最快；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

　文章编号：

　中图分类号：

　 文献标识码（A）

　S S patial- - temporal Evolution

　and D D ifference of

　Transport Carbon Emission s in China   

　 Yuan Changwei, Zhang Qian* , Rui Xiaoli，Jiao Ping College of Economic and Management, Chang"an University, Shaanxi Xi"an 710064 Abstract: This paper

　estimated the transport carbon emission and carbon intensity of 30 provinces in China from 2003 to 2012, and further analyses the spatial-temporal 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. Based on these, we can quantify the difference of transport carbon emissions among these regions. The results show that: between 2003 and 2012, there is a growing trend on transport carbon emissions of 30 provinces in China consistently. Overall, the increase of the transport carbon emission in western region is lower than that of the eastern. Among the 30 provinces, Hubei, Guangdong and Shandong is the top three in the total growth of transport carbon emissions.

　基金项目：国家自然科学基金项目（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, No.310823160103）。

　S S upported by the National Natural Science Foundation of China（No.51278057）,

　Huo Yingdong Educational Foundation（No.151075）and

　the Fundamental Research Funds for the Central Universities（No.310823151006, No.310823160103）

　作者简介：袁长伟（1981-），男，教授； E-mail:yuanchangwei@126.com；*通讯作者（责任作者），E-mail: 374751966@qq.com Biography: Yuan Changwei（1981-）, male, the professor and master tutor of Chang"an University, E-mail:yuanchangwei@126.com; * Corresponding author, E-mail: 374751966@qq.com 网络出版时间：2016-05-24 10:16:50网络出版地址：http://www.cnki.net/kcms/detail/11.1843.X.20160524.1016.001.html

　环

　境

　科

　学

　学

　报 Acta Scientiae Circumstantiae The growth rate on transport carbon emission in Inner Mongolia, Jilin and Chongqing are faster than others. In addition, there is a growing trend on transport carbon intensity in China. The unbalanced variation is also observed in transport carbon intensity, which shows that the increase rate of western region is higher than that of the eastern region. The growth rate on the absolute difference of transport carbon intensity is gradually slowing down. The absolute difference and relative difference of it gradually appear convergence effect respectively since 2008. Keywords: transportation; carbon emission; carbon intensity; spatial evolution 1.引言(Introduction) 中国社会经济持续快速增长，能源消费量和碳排放量随之大幅增加，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 吨，超过欧盟的 6.8吨。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巨大压力（Greening L A 等，1999；Jalil A 等，2009；Stern DI，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有很大意义。

　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 W 等（2010）运用全生命周期法核算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三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 Schubert 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，以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。

　环

　境

　科

　学

　学

　报 Acta Scientiae Circumstantiae 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五种运输方式（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为 2.499，用 2003-2012 年间我国各省域交通运输业消耗的 17 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）

　（1）式中，代表第个省域的交通运输碳排放总量，代表第个省域第 m 类能源的消费量，为第 m 类能源折算成吨标准煤的折算系数，，，。

　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，用表示，公式表达如下：

　 （2）

　式（2）中，为第个省域的交通运输碳排放强度，为第个省域交通运输碳排放总量，为第各省域交通运输生产总值，。

　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（3）中，代表第个省域对应的标准差，是第个省域测算的交通运输碳排放量或碳排放强度，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，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。

　（4）

　式（4）中，为第个省域对应的变异系数，为第个省域测算的交通运输碳排放总量或碳排放强度，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、澳门以及西藏之外的 30 个省域作为研究单元，研究 2003-2012 年间我

　环

　境

　科

　学

　学

　报 Acta Scientiae Circumstantiae 国各省域的交通运输碳排放时空演变和差异性。这十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，一方面论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，因此论文用统计年鉴中的“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 年这十年间中国 30 个省域的交通运输碳排放量（万吨），如表 1。

　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

　 （万吨）

　2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 北京 856.4656 1106.9339 1156.0568 1453.3398 1695.2921 1935.0019 2010.0304 2162.8165 2294.7448 2352.0427 天津 695.2773 780.0689 779.9713 805.0611 791.6441 885.1478 956.9557 1039.4885 1095.6285 1136.7780 河北 451.7060 766.0962 1494.4636 1554.9085 1650.7521 1653.9156 1649.2874 1925.5072 2110.6914 2153.5481 山西 575.9783 687.3733 850.7280 922.8038 934.2529 1803.3412 1817.4100 1867.0651 1942.0586 2050.7546 内蒙古 364.9635 744.3140 1513.8142 1738.7834 2002.6736 2318.5419 2635.3223 3021.0964 3307.1367 3741.8044 辽宁 1434.6258 1512.8249 2732.5770 3042.1676 3348.2330 3329.8230 3496.7523 3604.3157 3898.5251 4132.2903 吉林 770.5981 727.8839 1324.4743 1809.7839 3150.9541 3824.1823 3913.1132 4006.6998 4246.9225 4649.4349 黑龙江 763.2092 801.1044 1067.1667 1236.5737 1254.1371 1057.6641 1251.9977 1244.0811 2049.2793 2175.4498 上海 2197.9152 2926.4005 3308.6068 3879.7123 4420.7374 4560.8007 4629.0615 4761.6861 4617.8531 4701.2529 江苏 1663.7782 2055.2409 2101.8278 2254.4339 2464.4144 2839.2059 2953.5755 3348.5005 3734.5193 4017.1379 浙江 1359.3920 1530.3747 1783.9964 2037.9540 2252.2328 2439.3247 2508.9135 2710.8335 3593.8642 3884.2610 安徽 525.5946 618.0693 697.6957 786.1882 963.2640 1009.1068 1051.3435 1184.2408 1379.0539 1968.2844 福建 728.7225 927.4371 935.5619 1006.6144 1131.6568 1499.6271 1638.5069 1820.0890 1966.5384 2033.7734 江西 1001.1893 780.0725 774.0302 816.6859 833.6553 839.4797 866.4880 1051.0866 1145.3110 1196.3614 山东 1578.7306 1701.0037 4018.7561 4459.9560 4891.6872 5120.4449 5650.5684 5950.5214 6551.0645 7292.6750

　环

　境

　科

　学

　学

　报 Acta Scientiae Circumstantiae 河南 514.8470 1219.4963 1279.7333 1342.0245 1583.6368 1672.5359 1851.3637 2104.4020 2374.3181 2610.2493 湖北 3183.5001 3332.0125 4021.6823 4224.2869 4424.9643 4953.1605 4415.5347 4271.7605 4960.0695 5095.9581 湖南 1056.3730 1255.4457 1428.1454 1516.9875 1665.7212 1407.9669 1804.0601 2080.1059 2289.6849 2074.3130 广东 2970.5769 3370.5110 4525.7894 4656.4578 5133.4830 5532.9462 5798.5566 6400.3526 65...

篇三：中国交通部门碳排放分析

29 卷2012 年 3 月第 3 期公路交通科技Journal of Highway and Transportation Research and DevelopmentVol. 29No. 3Mar． 2012收稿日期：

　2011 － 11 － 03基金项目 ：

　上海交通大学海洋工程国家重点实验室项目 （ GKZD010027）

　； 国家自然科学基金项目 （ 51078232 /E0807）

　； 上海交通大学文理交叉专项研究课题 （ 11JCY06）作者简介：

　苏城元 （ 1985 － ）

　， 男， 云南保山人， 硕士研究生 . （ superbsu@ 126. com）doi：

　10. 3969 /j. issn. 1002 － 0268. 2012. 03. 025城市交通碳排放分析及交通低碳发展模式— — —以上海为例苏城元， 陆键， 徐萍（ 上海交通大学交通研究中心， 上海200240）摘要：

　为了 有效减缓我国城市交通因 城市化、 机动化的快速推进所导致的 CO2等温室气体排放量不断急剧增加的趋势， 构建以 低碳、 绿色、 环 保、 高 效、 低耗、 安全为 特征的 城市 低碳交通发展模式。

　以 上 海市 为 例， 采用 了IPCC2006 中的碳排放计算公式， 及运用 基于我国燃烧热值的 CO2排放因 子， 统计分析了 城市交通 CO2排放现状， 并将其结合城市交通结构进行了 相应的分析。

　研究结果表明：

　私家车是城市交通能源消耗的较大增长源， 同 时也是城市交通 CO2排放的较大贡献者。

　最后， 为了 短期内 尽快转变城市交通发展方式， 快速有效地构建城市交通低碳发展模式， 以减少能源消耗及 CO2排放， 提出 了 以慢行交通、 公共交通替代私家车出 行的减排途径； 并通过情景分析评估了 不同 减排策略的减排效果， 为发展以公共交通为主导的交通模式、 及节能减排的实施提供了 理论依据。关键词：

　交通工程； 低碳模式； 碳排放； 城市交通； 情景分析中图分类号：

　X734. 01； U491. 1+2文献标识码：

　A文章编号：

　1002 － 0268 （ 2012）

　03 － 0142 － 07Analysis of Urban Transport Carbon Emissions and Low-carbon Development Mode— — —A Case Study of ShanghaiSU Chengyuan， LU Jian， XU Ping（ Transportation Research Center， Shanghai Jiaotong University， Shanghai 200240， China）Abstract：

　In order to effectively slow down the constantly and quickly increasing trend of China"s urbantransport emissions of carbon dioxide and other greenhouse gases due to the rapid progressing of theurbanization and motorization， we need to build a low-carbon urban transport development mode， whosecharacteristics are low carbon emission， green， environmental friendly， efficient， low energy consumption andsafe． Taken Shanghai as an example， by using the carbon dioxide emissions" calculation formula of the IPCC2006 and carbon dioxide emission factors based on China"s combustion heat values， the status of urbantransport"s carbon dioxide emissions was analyzed statistically．Then this emission status was analyzedcombined with urban traffic structure． The results show that private car is a larger growth source of urbantraffic energy consumption and a larger contributor of carbon dioxide emissions in the urban transport．Finally， in order to change the urban transport development mode as soon as possible in the short term toachieve the low-carbon urban transport development mode rapidly and to reduce energy consumption andcarbon emissions， it is proposed to replace private cars with slow traffic and public transport as effective waysto reduce carbon emission． The effects of the different emission reduction policies were also evaluated byscenario analysis． The research provided a theoretical basis for developing public transport as the leadingtraffic mode and implementing energy saving and emission reduction．

　第 3 期苏城元， 等：

　城市交通碳排放分析及交通低碳发展模式Key words：

　traffic engineering； low-carbon mode； carbon emission； urban transport； scenario analysis0前言随着我国经济的快速发展， 伴随而来的是快速的城市化与机动化， 我国城市交通的发展正面临着严峻的挑战：

　曾经的自 行车王国正在慢慢的逝去，机动化的快速推进降低了自 行车、 步行等慢行交通方式出行的安全性， 越来越多的人们正在放弃选择慢行交通出行。

　同时， 随着化石燃料等资源的大量消耗， 城市污染、 环境恶化、 能源危机、 全球变暖等一系列环境问题正向我们逼近。

　是仍然坚持传统的发展模式， 继续不断的延长道路， 加宽路面呢？ 还是改变传统的发展理念， 发展以公共交通为主导的交通模式呢？现如今， 世界上超过一半的人生活在城市， 他们所排放的温室气体占据了总的人为产生的温室气体排放量的 80%［1］。

　英国、 日 本等国均制定了相应的减排计划， 尤其将交通部门作为重点的减排部门，以减少 CO2等温室气体的排放。

　英国作为世界上第一个提出低碳经济理念的国家年发布的 《低碳交通创新战略》［3］一文中又提出了今［2］， 其交通部在 2007后实现低碳交通的各种低碳创新技术及政府政策方面的一系列导向 措施， 其中分别针对公路、 航空、铁路、 水运提出了近期可以实现的技术及未来的低碳交通技术的研究方向。

　并且建立了完善的减排政策措施体系， 包括制定了 《气候变化方案》； 制订气候变化税等经济政策， 推动建立全球碳交易市场；加大对可再生能源和低碳技术的投入； 同时强调建筑和交通等重点部门的减排社会模式及其可行性研究》［5］中提出 了 到 2050 年CO2排量将在 1990 年水平上降低 70% 为目 标的低碳［4］。

　日 本在 《日 本低碳社会发展模式， 其中在城市交通领域方面提出了通过提高土地利用率， 强化城市功能， 将交通结构转向以公共交通为主导模式的城市交通发展模式。

　构建城市交通的低碳发展模式已经成为当今世界各国研究的热点。城市交通碳排放量将随着社会经济活动的不断增多、 城市空间的日 益扩张及汽车保有量的持续增长而快速增加。

　节能减排是我国作为负责任大国的义务， 同时也是落实可持续科学发展观的需要， 更为重要的是可以通过节能减排， 转变我国能源结构，提高能源安全水平。

　城市交通在有效减少 CO2排放方面将有很大的发展空间。

　首先， 当前我国交通行业能源利用效率与世界先进水平相比明显偏低， 例如载货汽车百吨公里油耗比国外先进水平高 30% 左［6］， 我们可以通过采用新技术提高交通工具的能右源利用效率； 其次， 在我国 城市化推进的过程中，优化城市布局， 提高土地利用率， 及转变传统的城市交通发展模式方面也大有可为。

　此外， 我国大中城市空气质量不断恶化与机动车保有量迅速增加有直接关系， 机动车所排放的尾气引 起的污染已成为大中城市空气污染的重要污染源［7］。

　因此， 构建以低碳、 绿色、 环保、 高效、 低耗、 安全为特征的低碳交通发展模式是我国城市交通发展的必然选择之一。本文将通过对城市交通 CO2排放量的统计分析， 试图找出最大的碳排放源； 并针对其提出行之有效的低碳发展路径， 以构建我国城市交通的低碳发展模式。1碳排放统计方法1. 1碳排放计算公式构建低碳交通体系， 首先需要统计出城市交通的碳排放量， 并以此作为分析未来城市交通低碳发展的相关依据。

　在 IPCC 2006［8］中给出了 “由上而下” 的统计各个部门 （ 或行业）

　所排放的 CO2计算公式：TCO2=∑ni = 1FiEi，（ 1）式中， TCO2为 CO2的排放量； Fi为第 i 种燃料的 CO2排放因子； Ei为第 i 种燃料消耗量； n 为某 CO2排放部门 （ 或行业）

　总共消耗了 n 种燃料。式 （ 1）

　通过对每种燃料总的消耗量乘以该种燃料的 CO2排放因子获得单一燃料所排放的 CO2量后，再将某部门总共消耗的 n 种燃料的 CO2排放量进行求和， 便可获得该部门总的 CO2排放量。

　这种计算方法简便， 明晰， 易于操作， 已经广泛的被国际社会所认可。

　上式中 Fi的值可以从 IPCC 推荐的碳排放因子表中获得， 见表 1。

　表 1 中每种燃料均有不同的 CO2排放因子置信区间是因为每种燃料在相同的燃烧条件下， 会受到随机因素的干扰表现出不同的燃烧特性， 从而服从一定的分布特征。

　从其频率直方图中可以看出其中值， 及一定的置信区间。

　为了便于计算， 我们选用中值作为计算过程中的缺省值。另外一种统计 CO2排放量的方法便是 “由下而上” 的测算方法。

　例如， 针对城市交通部门， IPCC2006［8］中也给出了相应的计算公式：341

　公路交通科技第 29 卷TCO2=∑i，j，tVehi，j，tDi，j，tCi，j，tFi，j，t，（ 2）式中， TCO2为交通部门的 CO2排放量； Vehi，j，t为车辆类型 i 的数量， 对于道路类型 t 使用燃料 j； Di，j，t为每种车辆类型 i 某段时间内行驶的距离， 对于道路类型t 使用燃料 j； Ci，j，t为车辆类型 i 的平均燃料消耗， 对于道路类型 t 使用燃料 j； Fi，j，t为车辆类型 i 的的 CO2排放因子， 对于道路类型 t 使用燃料 j； i 为车辆类型（ 如小汽车、 公共汽车、 摩托车等）

　； j 为燃料类型（ 如汽油， 柴油， 天燃气等）

　； t 为道路类型 （ 如城市、 农村等）

　。表 1IPCC 推荐的 CO2排放因子表［ 8 ］Tab. 1Carbon dioxide emission factors recommended by IPCC 2006排放气体燃料类型缺省净发热值/（ TJ· Gg－ 1）碳排放因子 /（ kg· GJ－ 1）缺省氧化碳因子有效 CO2排放因子/（ kgCO2· TJ－ 1）缺省 CO2排放因子95% 置信区间下限95% 置信区间上限CO2原煤28． 225． 8194 60087 300101 000燃料油40． 421． 1177 40075 50078 800（ 车用）

　汽油44． 318． 9169 30067 50073 000（ 航空）

　煤油44． 119． 5171 50069 70074 400柴油43． 020． 2174 10072 60074 800其他石油制品40． 220． 0173 30072 20074 4001. 2适用于我国燃烧热值的碳排放因子由于目前我国交通部门的能源利用效率与国外存在一定的差距， 故不宜直接采用表 1 中的数据测算我国交通部门的 CO2排放量。

　应用 IPCC 2006 介绍的方法， 并结合收集到的我国能源统计方面的数据，主要参阅 2010 年中国统计年鉴， 推算出了基于我国能源平均低位发热量的不同燃料的碳排放因子。

　然而， 国内统计年鉴中的相关能源消耗量的数据中并未指明具体燃料种类， 只是粗略地列出了原煤、 燃料油、 汽油、 柴油、 煤油等， 并未具体指明是航空汽油， 还是车用汽油等小的分类。

　但是原煤、 燃料油主要是用于渡轮等市内 水路运输所消耗的能源；汽油、 柴油主要是公路运输所消耗的能源； 煤油主要是航空运输所消耗的能源。

　因此， 在测算我国交通部门 CO2排放量时， 本文将默认选取车用汽油、 车用柴油、 航空煤油的 CO2排放因子为我国统计年鉴中汽油、 柴油、 煤油等燃料的 CO2排放因子， 如表 2 所示。表 2适用于我国燃烧热值的 CO2排放因子表Tab. 2Carbon dioxide emission factors based onChina"s combustion heat values排放气体燃料类型中国热值平均低位发热量 /（ kJ· kg－ 1）折标准煤系数/（ kgce· kg－ 1）CO2排放因子/（ kg CO2·tce－ 1）CO2原煤20 9080． 714 3198． 04燃料油41 8161． 428 6324． 06（ 车用）

　汽油43 0701． 471 4298． 84（ 航空）

　煤油43 0701． 471 4308． 33柴油42 6521． 457 1316． 44其他石油制品40 200＊1． 200 0257． 79注：

　＊ 取 IPCC 中缺省值； 中国热值来源于 2010 年中国统计年鉴， 其他数据根据表 1 计算所得。2碳排放现状分析2. 1交通部门能源消耗统计在统计测算上海市交通部门的 CO2排放的数据中存在一些问题， 比如国内的能源统计年鉴分类标准跟国外的不一样， 国内往往仅将交通运输、 仓储与邮电的能源消耗统计在一起， 因此推算出来的碳排放数据也仅仅是统计了从事社会营运的交通运输企业的能源消耗数据。

　通过查看国民经济行业分类标准［9］， 其中仓储业指专门从事货物仓储、 货物运输中转仓储， 以及以仓储为主的物流送配活动； 邮政业包括国家邮政 （ 指国家邮政系统提供的邮政服务）

　及其他寄递服务 （ 指国家邮政系统以外的单位所提供的包裹、 小件物品的收集、 运输、 发送服务。所以针对我国能源统计年鉴中的交通部门能源消耗数据， 可以理解为狭义的交通部门的能源消耗及相应的 CO2统计量， 即国内能源统计年鉴中交通部门的能源消耗仅仅统计了从事交通运输企业的能源消耗量， 未包括其他非交通运输企业及社会非营运车辆的能源消耗量［10 － 11］。

　因此， 在应用 “自 上而下”的碳排放统计计算公式 （ 1）

　来进行测算某城市整个交通部门 CO2排放量的前提是需要获得相对准确的能源消耗量统计数据， 故除了从统计年鉴中获取该城市交通能源消耗量外， 还需参考其他相关文献资料。2. 2交通部门碳排放统计依据 1. 1 节中的 CO2排放统计换算公式 （ 1 ）

　，1. 2 节中的适用于我国燃烧热值的碳排放因子， 及上海市统 计 年 鉴 中 的 相 关 数 据 （图 1， 资 料 来 源：441

　第 3 期苏城元， 等：

　城市交通碳排放分析及交通低碳发展模式1998—2006 年上海统计年鉴）

　， 并结合历年上海市综［12］中的能源消耗量， 获得了上海市历年交通部门 CO2排放量， 如图 2 所示。

　为了检验相合交通年度报告关数据计算结果的有效性， 可以参阅其他文献进行比较。

　以 2005 年上海市交通部门的 CO2排放量为例，本文计算结果为近 700 万 t 与文献 ［ 10］ 中的 741 万t 接近， 说明统计结果是相对准确的。城市交通是城市经济发展的基础， 是人与物流动的基石。

　同时， 也不可避免地因交通需求的增加，人与物的流动所导致的 CO2排放量...

篇四：中国交通部门碳排放分析

环境科学

　2020,40(10)：4304~4313 China

　Environmental

　Science

　中国交通碳排放及影响因素时空异质性

　曾晓莹,邱荣祖,林丹婷,侯秀英,张兰怡,胡喜生 *

　(福建农林大学交通与土木工程学院,福建 福州 350108)

　 摘要：选取 30 个省级行政单位作为空间单元,采用探索性空间数据分析(ESDA)方法对交通碳排放时空分布格局进行研究,同时考虑空间单元的差异性,构建地理加权回归(GWR)模型分析交通碳排放影响因素的时空异质性.研究发现:2000~2015 年交通碳排放量呈现显著的空间聚类特征,聚类趋势逐年加强.双变量空间自相关指数为 0.165~0.274,显著性水平介于 0.016~0.045,表明交通碳排放同机动车保有量、GDP、货运周转量及客运周转量之间存在显著的空间正相关关系.GWR 模型的 R 2 在 0.783~0.865 之间,而 OLS 模型的 R 2 在 0.675~0.844 之间,且 GWR 模型的 AICc 值均低于 OLS 模型的,说明GWR 模型的拟合结果明显优于 OLS 模型,可以更好地解释交通碳排放的影响机制.GWR 的回归结果表明碳排放的影响因素存在明显的时空异质性特征,其中 GDP 是主要的推动因素,部分地区回归系数高达 0.91,2000 年影响程度由东向西递减,而 2005、2010 和 2015 年由北向南递减.客运周转量起到关键的抑制作用,影响程度由东北向西南递减.因此建议应当充分考虑碳排放影响因素的时空异质性特征,制定差异化的碳减排政策.

　关键词：探索性空间数据分析；地理加权回归；交通碳排放；时空异质性

　中图分类号：X511

　文献标识码：A

　文章编号：1000-6923(2020)10-4304-10

　Spatio-temporal heterogeneity of transportation carbon emissions and its influencing factors in China. ZENG Xiao-ying, QIU Rong-zu, LIN Dan-ting, HOU Xiu-ying, ZHANG Lan-yi, HU Xi-sheng *

　(School of Transportation and Civil Engineering, Fujian Agriculture and Forestry University, Fuzhou 350108, China). China Environmental Science, 2020,40(10)：4304~4313 Abstract：Taking the 30 provinces in Mainland China as spatial analysis unit, the exploratory spatial data analysis (ESDA) method was employed to explore the spatio-temporal pattern of the transportation carbon emissions. Moreover, considering the spatial non-stationary, the geographically weighted regression (GWR) model was applied to analyze the spatio-temporal heterogeneity in the influencing factors of the transportation carbon emissions. The results indicated a significant spatial agglomeration in the transportation carbon emissions, and showing a gradual upward trend across time during the studied period 2000~2015. The Moran’s I indices of the Bivariate spatial autocorrelation were 0.165~0.274 and the statistical significance levels were 0.016~0.045, indicating that there was a significant spatial positive correlation between the transportation carbon emissions and the variables, such as motor vehicle population, GDP, freight turnover and passenger turnover. The R 2

　of the GWR models were between 0.783 and 0.865, while the R 2

　of the OLS models were between 0.675 and 0.844; moreover, the AICc values of the GWR model were lower than those of the OLS models’, demonstrating the goodness of the GWR models compared to the OLS models. This indicates that we can use the outcomes of the GWR models to better explain the impact mechanism of the transportation carbon emissions. The analysis of the GWR revealed that the influencing factors of the transportation carbon emissions had obvious spatio-temporal heterogeneity. GDP was among the major driving factors, with regression coefficient as high as 0.91 in some areas. The impact of GDP decreased from east to west in 2000, while decreasing from north to south in 2005, 2010, and 2015. The passenger turnover played a key inhibitory role, with its influence decreasing from northeast to southwest in all of the study years. In this context, the spatio-temporal heterogeneity of carbon emission influencing factors should be fully understood to formulate differentiated carbon emission reduction policies. Key words：exploratory spatial data analysis；geographically weighted regression；transportation carbon emissions；spatio-temporal heterogeneity

　交通运输业已成为我国仅次于工业的第二大碳排放行业 [1] .根据国际能源署的预测,到 2035 年中国交通碳排放量将占世界交通碳排放量的三分之一以上 [2] .国内外学者对交通碳排放做了大量研究.研究尺度主要集中在全国、省域以及市域.研究内容主要集中在碳排放量和碳排放强度的测算及时空分布特征等方面 [3- 5] .如袁长伟等 [6] 发现中国省域交通全要素碳排放效率存在明显的聚集状态,变动趋势符合典型的环境库兹涅茨曲线;Li 等 [7] 分析了中国341个城市交通碳排放量的空间格局演变,发现城市一级的交通碳排放存在巨大的地区差异.还有不少学者从人口规模、经济发展、产业结构、能耗水 收稿日期：2020-03-09

　基金项目：国家自然科学基金资助项目(31971639);福建省自然科学基金面上项目(2019J01406);福建省社会科学规划一般项目(FJ2017B090) * 责任作者, 教授, xshu@fafu.edu.cn

　10 期 曾晓莹等：中国交通碳排放及影响因素时空异质性 4305

　平等角度分析交通碳排放影响因素,研究方法主要采用 LMDI 模型、空间计量模型、STIRPAT 模型、灰色关联度分析法等.如李若影 [8] 基于空间计量模型,研究人口规模、富裕程度、交通技术水平等因素和交通碳排放量在空间上的相互影响;Bai 等 [9] 采用LMDI 法分解并比较了“十一五”和“十二五”期间交通碳排放的影响因素;吕倩 [10] 构建 STIRPAT 模型对京津冀地区汽车运输碳排放进行影响因素分析. 交通碳排放规律的研究多数都是基于时间序列的全局分析,忽略了研究单元之间的相互作用以及空间异质性 [11- 12] .中国地域辽阔,省域之间的经济发展、资源禀赋、交通基础设施存在显著差异,导致地区之间的交通碳排放水平差异很大.地理加权回归(GWR)模型具有较强的空间数据局部分析能力,能够很好的揭示空间异质性条件下的空间关系,广泛的运用于地理学、经济学等领域,但在交通碳排放方面应用较少 [13] .本研究采用探索性空间数据分析(ESDA)方法分析省域交通碳排放量的时空分布特征;采用 GWR 模型对省域交通碳排放的影响因素进行空间异质性分析,揭示其时空分布特征及影响规律. 1

　研究方法 1.1

　碳排放测算方法 对于移动排放源,有 2 种主要的碳排放量计算方法.一种是“自下而上”法 [14] ,主要基于汽车行驶里程计算碳排放量,在道路运输领域得到了广泛的应用.另一种是“自上而下”法 [15] ,可根据消耗的燃料量测算碳排放量.由于中国各类机动车行驶里程、单位里程燃料消耗量等数据可获性较差,而燃料消耗数据以及计算参数获取方便.因此,本文使用“自上而下”法来估算中国除西藏、香港、澳门、台湾以外30 个省(自治区、直辖市)的交通碳排放总量. 化石燃料碳排放量计算公式如式(1):

　9144CF FC ALC12i i i iiC R== × × × ×∑ (1) 式中:CF表示化石燃料消耗产生的交通碳排放量,kg CO 2 ;i 表示燃料种类,包括原煤、焦炭、原油、汽油、煤油、柴油、燃料油、液化气、天然气 9 种化石燃料;FC 表示化石燃料消耗量,kg;ALC 表示能源平均低热值,kJ/kg;C 表示碳含量,t/TJ;R 表示碳氧化率,%. 电力碳排放量计算公式如式(2):

　CE EC EF = ×

　(2) 式中:CE 表示电力消耗产生的交通碳排放量,kg CO 2 ;EC 表示电力消耗量,kWh;EF 表示电力碳排放因子,kg CO 2 /kWh. 省域交通碳排放总量计算如式(3):

　CT CF CE = + (3) 式中:CT 表示省域交通运输碳排放总量,kg CO 2 . 表 1

　计算化石燃料碳排放量所需参数 Table 1

　Parameters of fossil fuels used to calculate the carbon emissions 燃料种类 能源平均低热值 碳含量 碳氧化率 i ALC (kJ/kg) C (t/TJ) R 原煤 20908 26.37 0.94 焦炭 28435 29.42 0.93 原油 41816 20.08 0.98 汽油 43070 18.90 0.98 煤油 43070 19.60 0.98 柴油 42652 20.20 0.98 燃料油 41816 21.10 0.98 液化气 44200 17.20 0.98 天然气 38931 15.32 0.99

　表 2

　各省电力碳排放因子 Table 2

　Carbon emission factors of electricity in different provinces 电力碳排放因子 省(自治区、直辖市) EF (kg CO 2 /kWh) 北京、天津、河北、山西、山东、内蒙古 1.246 辽宁、吉林、黑龙江 1.096 上海、江苏、浙江、安徽、福建 0.928 河南、湖北、湖南、江西、四川、重庆 0.801 陕西、甘肃、青海、宁夏、** 0.977 广东、广西、云南、贵州 0.714 海南 0.917

　由于电力生产和燃料消耗的碳排放因子受燃料数量和消耗技术水平的影响,在短期内相对稳定,同时因无法获得有关中国电力生产和燃料消耗碳排放因子的年度数据,因此本研究采用碳排放因子的标准值计算.化石燃料的碳含量、碳氧化率(表 1)和电力碳排放因子(表 2)均来自《省级温室气体清单编制指南(试行)》 [16] ,化石燃料消耗数据、电力消耗数据和能源平均低热值均来自《中国能源统计年鉴》 [17] . 1.2

　ESDA

　4306 中

　国

　环

　境

　科

　学 40 卷

　1.2.1

　热点分析

　热点分析(Getis-Ord G i * )通过计算数据集中每一个要素的Z值和P值,获得高值或低值要素在空间上发生聚类的位置,从而能够直观的了解高值或低值要素在何处发生了聚类以及聚集程度.其表达式为:

　( ) ( )*1 1n ni ij i ii iG d w d x x= == ∑∑ (4)

　( )( )( )Vari iiiG E GZ GG∗ ∗∗∗−=

　(5) 式中:( )iE G ∗ 、( )VariG ∗ 分别为iG ∗ 的期望和方差, ( )iZ G∗为式(4)标准化的结果.( )iZ G∗值越大,表示该区域存在高值空间聚类,属于热点区域;( )iZ G∗越小,表示该区域存在低值空间聚类,属于冷点区域. 1.2.2

　双变量空间自相关

　为了刻画多个变量之间的空间相关性,Anselin [18] 在 Moran’s I 指数的基础上提出了双变量空间自相关,为探讨不同变量的空间分布特征提供了可行方法.双变量空间自相关在描述 2 个变量的空间关联和分布特征上具有较高的适用性,公式如式(6)~式(8):

　1ni i jkl k ij ljI Z W Z==∑ (6)

　( )i ik k k kZ X X σ = −

　(7)

　( )j jl l l lZ X X σ = −

　(8) 式中:ikX 为空间单元 i 属性 k 的值;jlX 是空间单元 j属性 l 的值;kX 、lX 分别是属性 k、l 的平均值;kσ 、lσ 分别是属性 k、l 的方差. 1.3

　时空异质性分析 1.3.1

　地理加权回归

　GWR 模型将数据的空间位置引入回归参数中,通过对样本点赋予不同的权重进行局部回归估计,即回归参数随着地理空间位置的不同而不同,从而克服了普通最小二乘法忽略空间效应、回归系数基于区域平均的缺陷.其模型表达如下:

　( ) ( )01nk ik ikβ β ε== + +∑ i i i i iy u ,v u ,v x

　(9) 式中,y i 为 n×1 维解释变量;x ik 为 n×k 维解释变量矩阵 ; ( )i iu ,v 为 第 i 个 观 测 点 的 空 间 位 置 坐标; ( )kβi iu ,v 为影响因素k在回归点i的回归系数;ε i为独立分布的随机误差项,服从正态分布. 1.3.2

　变量选取与数据来源

　交通碳排放的影响机制复杂,影响因素众多.大部分学者利用LMDI方法进行因素分解,或者根据 STIRPAT 模型从人口、富裕程度、技术因素角度进行研究.本文在参考前人的研究结果的基础上 [19- 23] ,主要以交通运输行业发展水平为研究视角,首先利用 ArcGIS 软件对道路网密度、城镇化水平、人口密度等 10 个候选变量进行探索性回归,筛选出影响程度大的变量,最大化提高模型的解释能力,并对回归结果进行频数统计.同时由于 GWR 模型对变量间是否存在多重共线性要求较高,变量的选取应尽可能精简.选取机动车保有量(VP)、GDP、货运周转量(FT)以及客运周转量(PT)4 个影响因素,考察其对 2000~ 2015年省域交通碳排放量(CT)影响的时空差异.为消除量纲不同带来的影响,对变量进行归一化处理,模型构建如下: ( ) ( ) ( )0 1 2CT VP GDPiβ β β = + +i i i i i iu ,v u ,v u ,v

　( ) ( )3 4FT PTiβ β ε + + +i i i iu ,v u ,v

　(10) 各省(自治区、直辖市)机动车保有量、GDP、货运周转量、客运周转量数据均来源于《中国统计年鉴》 [24] . 2

　结果与分析 2.1

　碳排放空间相关性分析 2.1.1

　碳排放热点分析

　采用自然间断点分级法将式(1)算出的各年份( )iZ G∗值按从大到小顺序分为高值聚类区、次高值聚类区、次低值聚类区、低值聚类区.由于省域交通碳排放高低值空间聚类特征随时间变化不大,故等间距抽取 2000、2005、2010和 2015 年的聚...

篇五：中国交通部门碳排放分析

交通部 门碳排放增长的驱动因素分析 沈满洪池 熊伟 ( 浙江理工大学经济管理学院， 杭州310018) 摘要：

　交通部门 c0 排放量约 占 c0 排放总量的四分之一。发展低碳交通是低碳发展的重要内 容。通过扩展 Kaya恒等式， 运用对数平均迪氏分解法( LMDI) ， 把 t991 —2009 年中国交通部门的 c 02 排放量分解为 9 种因素的加权贡献 ， 并对每个时间段和每个驱动因素进行了研究。结果表明：

　( 1) 交通 部门 c 0， 排放量的主要正向驱动因素为城镇化水平 、 第三产业总值占二三产业总值的比重、 人 口总量，

　主要负向驱动因素为单位 GDP 交通周转量 、 单位交通周转量能耗、 单位城镇人口的二三产业总值 、 第三 产业对 GDP 的贡献度 ； (2)通过深化资源税 、 燃油税等税制改革， 加大低碳技术的补贴力度， 调整燃油 经济性标准等管制政策， 加快燃料结构“ 低碳化” 调整 ， 在一定程度上可以减缓 CO 排放 ； (3) 交通部门 CO， 排放量增 加的深层原因是交通基础设施投入不 足和运输 企业 的管理 水平较低 ， 因此 增加 交通基础 设施投入 ， 平衡区域问的交通设施投资， 加快运输企业的市场化改革是 CO 减排的有效途径； (4) 单位 城镇人 口的二三产业总值、 第三产业的占比、 单位交通周转量能耗是抑制 CO：

　排放的主要因素， 因此，

　从长期看加快经济结构调整和发展方式转变， 在短期内降低单位交通周转量能耗 ， 是实现 CO：

　减排的 关键 。

　关键词：

　交通部门； CO 排放； 驱动因素 中图分类号 ：

　1 750 文献标志码 ：

　A 文章编号 ：

　1001—862X (2012)01—0031— 008 一、 引言 交通部门是仅次于能源部门、 工业 部门的第 三大 CO， 排放部门。根据 IEA 的研究报告 ， 2008 年交通部 门 CO 排放量 占全球 CO 排放 总量 的 22． 5％。而在发达国家 ， 交通部门 CO 排放量 占 CO， 排放 总量 的 25％以上¨’ 。中国作 为发展 中 国家 ， 工业化 尚处于 中期 ， 虽然交通 部 门的碳排 放比例相对较小 ， 但是随着工业化和城市化进程 的推进 ， 交通部 门的碳排放 呈现不断 上升趋势。

　因此 ， 必须推动交 通部 门的 CO 减排 ， 大力发展 低碳交通。为 了有 针对性地促进低 碳交通 的发 展 ， 必须找出导致交通部门碳排放增长的驱动因 素及其影响大小。

　二 、 文献 综述 对交通部 门 CO， 排放 的驱动因素研究 ， 可 以 追溯到 Scholl 等的文献。他们 以 1973 —1992 年 OECD 国家客运交通碳排放量为研究对象 ， 在假 设其他因素不变的情况下 ， 考虑单因素对 于碳排 放的影响 ， 得出影响客运交通碳排放量 的主要 因 素是 交 通 量 、 交 通 结 构、 能 源 强 度 和 能 源 结 构⋯ " 。

　。该方法的缺陷是没有考虑各因素一起 作用对交通碳排放的影 响， 对于政策制定缺乏参 考价值。Schipper 等研究了 1973 —1992 年 OECD 国家货运交通碳排放量增长的影 响因素 ， 得 出经 济活力因素是决定货运交通 CO， 排放 量上升 的 主要驱动因素 。而 Lakshmanan & Han 则考虑 基金项 目：

　教育部新世纪优秀人才支持计划( NCET 一 08 —0487) ； 中国经济改革研究基金会 2010 年招标项 目“ 资源价格及财税体 系改革与低碳经济的发展” ； 浙江理工大学研究生创新 基金项 目( YCX —S11029 ) ； 2010 年浙江 大学生科 技创新活 动计划 ( 新 苗人 才计 划 ) 大学生创新创业孵化项 目( 2010R406060 ) 作者简介 ：

　沈满洪 ( 1963 一) ， 男 ， 浙江东 阳人 ， 浙江理工大学教授 ， 博士生导师 ， 主要研究方向 ：

　资源与环境 经济学 、 生态理论 与政策 、

　低碳经济 与能源经济 ； 池熊伟 ( 1986 一) ， 男 ， 浙江理工大学经济管理学 院， 主要研究方 向：

　资源与环境经济学 、 低碳 交通 、 产业升级 。

　3 1

　弘 淮端理 201 2． 1

　了交通客货运的差异性 ， 运用 因素分解法研究 了 1970 —1991 年美 国交通部 门的 CO 排放量 。结 论表 明， 人们 出行偏好 、 人 口增 长和经济增 长对 交通部门的碳排放增长具有正 向作用 ， 而能源效 率和能源强度起着负向作用 ， 货运交通增加的碳 排放量多于客运的增加量 ¨ 。

　关 于发展 中 国家交 通部 门的碳 排放驱 动因 素研究 ， 对于中国具有重要的参考价值 。Timilsi na & Shrestha 运用对数平均迪 氏分解法 ( LMDI) 对部分亚洲 国家交通部 门 CO，排放量进行 了研 究 。其结论表明 ， 人均 GDP 变化 、 人 口增 长和交 通能源强度是交通碳排放增长的主要 因素 ， 财政 政策 、 燃油经济性和鼓励转 向清洁能源和节能车 辆 的 政 策 也 对 抑 制 碳 排 放 起 到 了 正 面 的作 用 _ 4

　。Timilsina & Shrestha运用对数平均迪 氏 分解法 ( LMDI) 研究 了拉丁美洲的20 个 国家交通 部 门 CO：排放 量 ， 其 研 究 结论 表 明， 除 了人 均 GDP、 人 口增长 、 能源强度外 ， 能源结构 和排放效 率也是影响碳排放 的主要因素 Wu 等基于中国各省的数据 ， 运用“ 三层完全 分解法 ” ， 研究 了中国 1996 —1999 年与能源利用 有关的 CO：

　排放量的变化及其潜在 的驱动因素 。

　研究发现 ， 交通部 门的碳排放增长的驱动冈素是 交通能源强度 、 平均行驶距离和机动车数量 此文献涉及 的经济和人 口等 因素是从整体层 面 对 CO， 排放量的影响进行分析 ， 并不能反映 出对 交通部 门的碳 排 放 的真实 影 响。Lu 等 比较 了 1990 — 2002 年德 国、 日本 、 韩 国和 台湾地 区高速 公路车辆 CO 排放量 ， 运用迪 氏分解法研究 了高 速公路 车辆 CO，排放量增 长的驱动 因素。结论 表明， 机动车排放效率 、 机动车燃料强度 、 机动车 保有量 、 人 口密度 和经济增长是影 响其碳排放 的 驱动 因素H 。

　以上文 献 中， Timilsina & Shrestha 对 于交通 部门的碳排放的驱动 因素研究较 为全面 ， 但是 以 部分发展中国家为研究对象 ， 并不能完全解释 中 国的实际情况 ， 比如城镇化 _8

　和工业化 _ 9

　对交通 需求的拉动作用 。Wu 等虽然考虑 了交通部 门的 驱动因素 ， 但 只是停 留于表 面， 没有给 出人 口增 长和经济发展对 于交 通部 门的碳排放影 响。Lu 等对于高速公路的碳排放研究 ， 只是从子部 门的 某个方面分析了交通碳排放增 长的因素 。因此 ，

　。

　” 。

　32 本文 在对 Kaya 恒 等式 进行改 造 和扩展 的基 础 上， 运 用对数 平均 迪 氏分 解法 ( LMDI ) ， 对 中国 1991 — 2009 年间交通部 门 CO 排放 的影 响因素 进行分解 ， 本文 的研究将 覆盖 13 种能源 ， 涉及 9 个影响因素。

　三、 模型构建与数据说明 ( 一 ) 模型构建 Kaya 恒等式是 Y oichi Kaya 在 IPCC 的研讨 会上提出的， 通常用 于宏观层面上的二氧化碳排 放量 变 化 的驱 动 因子 分 析。表 达 式 如 ( 1) 式 所示 ：

　C O

　：

　P o P×

　×淼×

　其 中， CO， 、 POP 、 GDP 和 E 分别代表二氧化 碳排放量 、 国内人 口总数 、 国内生产 总值 和一 次 能源消耗 总量 。GDP／ POP 、 E ／ GDP 、 CO， ／ E 分别 表示人均 GDP 、 能耗强度和能源碳强度。

　城镇化和工业化在推动经济增长 的同时 ， 交 通运输量及其 相应 的碳排放 也相应地增 加。因 此 ， 将 城镇 化 和 工业 化 变量 引 入模 型， 对 人 均 GDP 进行扩展 ， 有助于深入分析碳排放 的影响因 子 。扩展后 的人 均 GDP 表 达式 可 以用 ( 2) 式 表示 ：

　(1 ) GD P

　一P OP

　P OP

　一 P OPGD P ，GD P

　^ GD P

　／

　( z

　、

　× × × — GD P—,hi rd其 中， POP ／ POP 代表城镇人 口占总人 口的 比例 ， 表示 城镇化率 ； GDP， ／ POP 代 表单位城 镇 人 口的二三产业生产 总值 ， 表示工业化带来的产 业结构变化 ； GDP ，

　／ GDP 代表第 三产业生产总 值 占二三产业总值的比重 ， 表示产业结构调整的 经济影 响 因素 ； GDP／ GDP 总值 占国内生产总值 的倒数 ， 表示第三产业对于 GDP 的贡献度。

　公式 ( 1) 中能耗 强度过 于笼统 ， 不 能表示 出 交通部门燃 料构成变化对 于碳排 放 的影 响。并 且交通周转 量能耗 的变化能 够更好地代表 技术 进步 ， 因此本文 将能 耗强 度扩 展 为燃 料 能耗 强 度 ， 扩展后 的单位 GDP 能耗表达式可以用 ( 3) 式 表示 ：

　代表第 三产业 生产 E T s 一 GD P × E E

　一 一GD P × ( j )

　中国交通部门碳排放增长的驱动因素分析 其 中， TS／ GDP 代表单 位 GDP 交通周 转量 ；

　代表单位交 通周转量能耗 ； E ／ E 代表燃料 消耗量 占交通总能耗的比重 ， 表示燃料结构 ； i 代 表燃料 的类 型 ， 分 别为原煤 、 洗精煤 、 其他洗煤 、

　焦炭 、 焦炉煤气 、 其他煤气 、 原油、 汽油 、 柴油 、 煤 油 、 燃料油 、 液化石油气 、 天然气。

　将( 2) 、 ( 3) 代入 ( 1) 可得扩 展的 Kaya 恒等 式 ， 表达式如 (4) 式所示 ：

　P O P

　C O ：

　P OP× GDP ，

　GDP

　× × × GD P

　瓦GDPTS GDP ×一E

　TS ×一 E × E E

　C O 2

　⋯

　(4 ×一t ， ^

　^

　^

　^

　叶／

　公式 (4) 可以进一步简写为( 5) 式 ：

　CO2= Z POP X Urb × Mon × Ser × Thi × Tra × Int ×Str ×Em f／

　其 中， POP 代表人 口总量 ， Urb 代表城 镇化 率 ， Mon 代 表单位 城镇 人 口的二三 产业生 产 总 值 ， Ser 代表第 三产业生产 总值 占二三产业 总值 的比重 ， rI"}li 代 表第 三产业 生产 总值 对国 内生产 总值的贡献度 ， Tra 代 表单位 GDP 交 通周转量 ，

　Int 代表单位交通周转量能耗 ， Str 代表燃料结构 ，

　Emf 代表燃料碳强度。

　本文能源类型的分类 中， 没有包括 电力和热 力 。因为电力和热力的使用 ， 并不直接产生 CO ，

　其碳排放在其他部门中测算。

　公式( 4) 将 CO 排放的变化分解为 9 种影响 因素及其贡献。本文采用 Ang 提 出的对数平 均 迪 氏分解法 ， 此分解法可 以对所有 因素进行无残 差分解 ， 结果不包括不能解释的残差项 从 0 年 到 t 年 的二氧化碳差值 称为总效应 AC( AC = CO 一CO：

　。

　) 。A C 有 9 部分组成 ：

　人 口

　数量变化引起的人 口效应 △C ， 城镇化水平引起 的城镇化效应 AC ， 单位城镇人 口的二三产业总 值变化引起 的经济结构 效应 ACm o

　， 产业结构变 化引起 的经济结构效应 A C ， 第三产业生产总值 对 GDP 贡献度 的变化引起 的经济效应 A C ， 单 位 GDP 交 通周 转量 变化 引起 的能源 强度 效应 AC⋯ 单位交通周转量能耗变化 引起 的能源强度 效应 A C ， 燃料结 构变化 引起 的能源 强度效 应 AC ， 燃料碳强度效应 AC m ， 。LMDI 加法分解表 达式如( 6) 式所示 ， 其 中各个变量 的具体表达式 如式 ( 7) 至( 15) 所示 ：

　( 5) 。

　A C = A C p叩 + A C urb + A C M o + A C s~r + A C rhi + AC‰+AC +A C跏+ACEm f ( 6) 其中 ：

　△c = 1 3

　L( C02i t ,C02 io) 凡 ( Pop, ) (7) (8 ) (9 ) (9 ) (1 0) (1 1 ) △ c =荤

　(C 02 it,C 02 i o ) U rb ,) △ c =莩

　( 2 it,C 02 i o ) M o r ttC O

　C O

　L n

　△ C

　=∑

　△ c 莩

　(C 02 it,C 02 i o ) S e rt) △ c 举 L(C 0 2 i t,C 02 i o ) T h i,)) ) ( △c = 1 3L( C02i t ,C02 io) ( TT at) ( 12) △ c = 1 3， J( C02it ,C02 io) ( Intt) ( 13) =晕

　(C 0 2 i t,C 0 2 i o ) S tri t) (1 4) ==

　13 (( } 2it, C02ioCO A C m f i CO) Ln( ))) ( 15) (( ) ( 二) 数据说明 1． CO 排放量数据的计算 发达国家在测算交通部门的 CO：

　排放量时，

　其测算范围包 括除 了国际远洋运输 和国际航 空 运输 以外 的所有交通工具 。而 中国是将交 通运 输 、 仓储和邮电业作为一个行业纳人 能源消费统 计的 ， 并且没有包括非运 营运 输所消费 的能源。

　因此本文采用油品分摊法 能源消费统计缺失 的部分。根据 IPCC ( 2006) 给 出的估算 固定源和移动源 中化石燃料燃烧 排放 的方法 ， 采用“ 方法 1” 来计算中国交通运输、 仓储 和邮电业 的 CO 排放量。能耗数 据全部来 自于 1991—2010 年 的《 中国统计年鉴》和《 中国能源 年鉴》 。电力 和热力不直 接产生 CO ， 因此本 文 不考虑电力和热力的 CO 排放‘ 。

　图 1是本文估算 出的 1991 —2009 年 中国交 通运输 、 仓储 和邮 电业的 CO 排放量 ， 并与世界 资源研究所 ( WRI) 发布的数据进行 比较。从 图 1

　可知 ， 本文测算的交通运输 、 仓储 和邮电业 的 CO 排放量在 1998 年 之前 年均增 长率 为 9． 8％ ， 与 WRI 的数据相差不大， 而 1998 年开始 ， CO 排放 量年均增长率 为 12． 7％ ， 与 WRI 的数据差距扩 修正 了非运营运输

　弘淮端理 201 2． 1

　大。究其原因是本文测算 的范 围还包括 交通运 输 、 仓储和邮电业 的非机动化 CO 排放量。从增 长率角度看 ， 去除非机动化 的 CO，排放量 ， 本文 测算 的交通部门 CO 排放量与 WRI 的数据 比较 接近 ， 因此本文估算 的结果是可 以接受 的。考虑 到交通部门的基础性数据不完备 ， 与该行业 的能 耗研究相对 接等原 因， 本文使用交通运 输 、 仓储 和邮电业 的 CO 排放量作为交通部 门的 CO， 排 放量。从图 1 中还可以发现中国交通部门的 CO，

　排放量增速明显。这表 明， 对于正处于工业化中 期 的中国来说 ， 交通部 门的碳减排意义重大。

　，一 ⋯

　一 I 一_| _¨ Ⅲ l■ ～ll_ 一一 “一⋯ 7- C 一 二一

　一“__

　。

　一 ⋯⋯ 图 1

　本文估算 的交通 运输、 仓储和 邮电业 CO：

　排放量 与 WRI 的数据 比较 2．其他变量的数据来源 城镇人 口、 人 口总量 、 三大产业 的生产总值 和 国内生产总值的数据直接来 自 199...

篇六：中国交通部门碳排放分析

琴，王兆峰． 中国交通碳排放效率的空间关联网络结构及其影响因素［J］． 中国人口·资源与环境，2021，31( 4) : 32 － 41．［SHAOHaiqin，WANG Zhaofeng． Spatial network structure of transportation carbon emissions efficiency in China and its influencing factors［J］． Chinapopulation，resources and environment，2021，31( 4) : 32 －41．］收稿日期:2020 －05 －06 修回日期:2020 －09 －14作者简介: 邵海琴，博士生，主要研究方向为低碳经济、旅游地理。E-mail: 15974242503@163． com。通信作者: 王兆峰，博士，教授，博导，主要研究方向为旅游地理。E-mail: jdwzf@126． com。基金项目: 国家自然科学基金项目“城际交通与都市圈旅游空间格局协同演化机制研究”( 批准号: 41771162) ; 湖南省国内一流培育学科建设项目“地理学”( 批准号: 5010002) 。中国交通碳排放效率的空间关联网络结构及其影响因素邵海琴 王兆峰( 湖南师范大学旅游学院，湖南 长沙 410081)摘要 准确把握交通碳排放效率空间关联结构及其影响因素对促进交通运输业乃至区域高质量协调发展具有重要意义。在利用基于理想决策单元参照的交叉效率模型对中国省域交通碳排放效率进行科学测度的基础上，运用社会网络分析法探究中国省域交通碳排放效率的空间关联网络结构及其影响因素。研究表明: ①研究期间中国省域交通碳排放效率已形成较为复杂的、多线程的网络关联关系，但其网络关联结构仍较疏松，且呈现出“东密西疏”的等级梯度特征。②中国交通碳排放效率关联关系在空间上形成了以区域为边界的“条块分割”，派系结构较为明显。其中，东部地区与中部地区联系较为紧密，与西部和东北地区联系一般; 中部地区则主要表现出与东部和西部地区较强的连接状态，与东北地区的联系相对较少; 而东北地区与西部地区的联系较弱。③上海、北京、浙江、广东、江苏、天津等发达省份在交通碳排放效率关联网络中处于核心主导地位，对交通碳排放效率空间关联性的影响显著; 而黑龙江、吉林、**、青海等东北和西北偏远省份在网络中则处于绝对边缘位置，对交通碳排放效率空间关联性的影响较弱。④省区距离、经济发展水平差异、交通运输强度差异和交通运输结构差异对中国省域交通碳排放效率空间关联网络产生显著负向影响; 节能技术水平差异则对其产生显著正向影响，而交通能源结构差异和环境规制差异的回归系数为正但不显著，其响应机制和响应效果仍有待完善和增强。关键词 交通碳排放效率; 空间网络结构; 影响因素; 社会网络分析中图分类号 X322; F512 文献标识码 A 文章编号 1002 －2104( 2021) 04 －0032 －10 DOI:10． 12062/cpre．20200917全球气候变暖已成为制约经济社会可持续发展的重要障碍，如何有效控制与降低以二氧化碳为主的温室气体排放成为摆在人类面前的重大课题。作为国民经济和社会发展的基础载体和战略先导产业，交通运输业是重要的碳排放来源，其行业碳排放量约占全社会碳排放总量的 24．34%，是实现减排目标的关键产业［1 －2］ 。2019 年国务院印发的《交通强国建设纲要》明确提出，要推动交通发展由追求速度规模向注重质量效益转变，并对低碳交通发展提出新的要求。碳排放效率是评估低碳经济发展水平的重要指标之一，其本质上是考虑了碳排放的生产技术效率，可以反映生产活动的能源利用效率。提高交通碳排放效率是交通碳减排的重要途径［3 －4］ 。随着网络化交通体系的逐渐形成和互联网信息技术的不断发展，以及区域经济一体化进程的不断推进，交通运输业生产要素之间的空间联系越来越紧密，地区间交通碳排放效率也呈现出显著的空间相关性［5］ 。因此，从网络关联视角考察中国交通碳排放效率的空间关联结构及其影响因素，甄别各地区交通碳排放效率在空间关联网络中的地位和作用，对经济新常态下构建跨区域交通碳排放效率协同提升机制，制定兼顾针对性和区域化的交通碳减排政策具有重要的理论意义和应用价值。随着交通碳排放问题的日益严峻，学者们开始针对交通碳排放相关问题进行研究，研究涵盖了不同尺度交通碳排放的测算［6 －8］ 、空间分布异质性 ［9 －10］ 和空间聚集与收敛性［11］ 等空间特性分析、交通碳排放峰值预测 ［12］ 及减排潜力分析［13］ 、影响因素探究 ［14 －16］ 、交通减排政策及情景模拟分析［17 －18］ 等多方面内容。此外，部分学者从效率角度对公路［19］ 、铁路 ［20］ 、航空 ［21 －22］ 等不同交通方式以及整体交通运输部门［23］ 的碳排放绩效及其影响因素进行了测度与分析。其中，有关交通碳排放效率的测度指标主要包括单位交通运输行业增加值的碳排放量［24］ 和单位运输周转量的碳排放量［25］ 等单要素指标，以及基于 DEA 方法的全要素交通碳排放效率指标［5］ ; 而交通碳排放效率影响因素· 2 3 ·中国人口·资源与环境 2021 年 第 31 卷 第 4 期 CHINA POPULATION，ＲESOUＲCES AND ENVIＲONMENT Vol．31 No．4 2021

　指标则主要包括收入水平、能源消费结构、交通运输结构、交通运输强度、节能技术水平和政府管理措施等［5，26］ 。研究尺度涉及国家［10］ 、经济带 ［7］ 、省 ( 市) 区 ［27 －28］ 、城市群［29］ 、社区 ［30］ 等。研究方法主要有生命周期法 ［31］ 、数据包络分析法( DEA)［26］ 、计量经济学方法 ［5］ 、对数平均分解指数( LMDI)［32］ 、拉斯佩尔指数( Laspeyres Index) ［33］ 、系统动力学模型［34］ 、STIＲPAT 模型 ［29］ 等。综合来看，目前学术界对交通碳排放问题的研究成果较为丰富，但有关交通碳排放效率的研究仍有待进一步补充和完善。首先，现有文献大多采用传统的基于自我评估体系的 DEA 模型测量交通碳排放效率，容易形成夸大自身优势，造成效率虚高的结果; 其次，已有交通碳排放效率的研究多基于“属性数据”，忽略了对关系数据的考察和应用; 最后，目前针对交通碳排放效率空间效应的研究往往仅停留于探究相邻或相近地区交通碳排放效率的空间关系，其研究结果较为“局部”，难以从全局上勾勒出网络化社会背景下，各地区交通碳排放效率复杂的空间关联等级结构和嵌套关系。鉴于此，作者利用同时考虑自评和他评体系的基于理想决策单元参照的交叉效率( ideal pointcross efficiency，简称 IPCE) 模型来衡量交通碳排放效率，以避免人为地提高效率并获得准确的效率排名。同时，基于交通碳排放效率“关系数据”，利用社会网络分析法从全局网络视角考察中国交通碳排放效率的空间关联网络结构，并进一步探究其影响因素，以期有效补充交通碳排放效率的空间关系研究，为充分发挥中国交通碳排放效率的空间溢出效应，推动跨区域交通碳减排协同机制建设，实现交通高质量发展提供有益的政策启示。1 研究方法与数据来源1． 1 研究方法1． 1． 1 IPCE 模型交叉效率 DEA 方法是一种基于互评体系的效率评价方法，主要包括中立型、激进型、仁慈型、博弈交叉效率模型和 IPCE 模型。其中，李春好等［35］ 提出的 IPCE 模型可以更好地坚持 DEA 最有利于被评价决策单元的基本思想，同时能规避决策者策略选择的困境，具有一定的公平性与综合性。因此，作者参照 Liu 等［36］ 的研究，选用基于理想决策单元参照的交叉效率模型对 2003—2018 年中国省域交通碳排放效率进行测度。假设将理想决策单元( DUM h ) 定义为使用投入向量 X h 获得产出向量 Y h 的决策单元，其中: X h = ( min( x 1j ) ，…，min( x mj ) ) = ( x 1h ，…，x mh ) ，Y h = ( max( y 1j ) ，…，max( y sj ) ) = ( y 1h ，…，y sh ) ，则基于理想决策单元参照的交叉效率模型可以表示为:minθ h，d = ∑sr =1 μ rd y rhs． t．∑sr =1 μ rd y rd－ E *dd ∑mi =1 w id x id= 0∑sr =1 μ rd y rj－ ∑mi =1 w id x ij≤ 0，j = 1，…，n，j ≠ d∑mi =1 w id x ih= 1μ rd ≥ ε ＞ 0，r = 1，…，sw id ≥ ε ＞ 0，r = 1，…，m( 1)式中，θ h，d 表示 DUM d 基于理想决策单元参照的交通碳排放效率值，主要借助 Matlab 2016a 软件进行测度; m 为投入变量 ( x i ) 的个数，s 为产出变量 ( y r ) 的个数，n 为决策单元数量，μ rd 为相对于 DUM d 的第 r 种产出的虚拟权重; w id 为相对于 DUM d 的第 i 种投入的虚拟权重; E *dd 为基于 CCＲ 模型测算的 DUM d 自评效率;∑sr =1 μ rd y rd和 ∑mi =1 w id x id分别为DUM d 的虚拟产出和虚拟投入。1． 1． 2 VAＲ 模型关系的确定既是构建空间关联网络的基础，也是确定省域交通碳排放效率空间关联网络结构特征的关键。现有研究主要采用 VAＲ Granger 因果检验方法和引力模型来确定节点间的关联关系。由于 VAＲ 框架下的 Granger 因果检验无须过多先验约束，即可得到一组变量能否提高另一组变量预测能力的信息［37］ ，因此，选择 VAＲ Granger 因果检验方法来确定中国省域交通碳排放效率之间的关联关系。具体步骤如下: ①定义两个省份的交通碳排放效率时间序列分别为{ x t } 和{ y t } ; ②构造两个 VAＲ 模型来检验两省份间的交通碳排放效率是否存在 Granger 因果关系:x t = a 1 + ∑mi =1β 1，i x t－i + ∑ni =1γ 1，i y t－i+ ε1，ty t = a 2 + ∑pi =1β 2，i x t－i + ∑qi =1γ 2，i y t－i+ ε2，t( 2)式中，α i、βi、γi ( i = 1，2) 为待估参数; { ε i，t } ( i = 1，2)为残差项; m、n、p、q 为自回归项的滞后阶数，根据 LＲ、PＲE、AIC、SC、HQ 五种方法选取最优滞后阶数。如果检验结果为A 省份交通碳排放效率是 B 省份交通碳排放效率的 Granger原因，则表示 A 省份交通碳排放效率对 B 省份交通碳排放效率存在显著的空间关联效应，取值为 1; 反之，则表明两者不存在关联关系，取值为 0。由此类推构建中国 30 个省份( 因数据可得性等原因，研究不包括港澳台和西藏) 交通碳排放效率空间关联的二值矩阵。1． 1． 3 社会网络分析法社会网络分析法( Social Network Analysis，简称 SNA) 是一种研究网络成员之间关联关系的重要研究范式，主要通过对网络成员关系的分析，反映网络成员之间的关联结构及其属性特征，可以有效弥补单纯个体研究、属性研究以及传统计量研究的缺陷［38 －39］ ，已在心理学、经济学、管理学、社会学· 3 3 ·邵海琴等: 中国交通碳排放效率的空间关联网络结构及其影响因素

　等诸多领域中得到广泛应用。利用该方法中的网络关联度、网络密度、网络效率和网络等级度四个指标来考察中国交通碳排放效率空间关联网络的整体特征，运用 E － I 分派指数探究其空间关联网络的区域网络关联特征，采用中心度指标分析各省份在交通碳排放效率关联网络中的角色和地位，并借助二次指派程序( Quadratic Assignment Procedure，QAP) 对中国交通碳排放效率空间关联网络的影响因素进行探究，具体指标测算方法见文献［39］。1． 2 指标选取与数据来源由于西藏、香港、澳门及台湾数据缺失较多，故选取除该四省区以外的中国 30 个省份为研究单元。借鉴陈思茹等［40］的研究，选取交通运输业从业人员数、能源消耗量、资本存量作为交通碳排放效率投入指标。其中，交通运输能源消耗量采用标准煤系数将交通运输业煤炭、汽油、柴油、天然气等 8种主要能源的消耗量统一折合成标准煤表示; 交通运输资本存量参考李杰伟等［41］ 的研究，采用永续盘存法进行估算。在交通碳排放效率产出指标方面，选取交通运输产业增加值、交通运输综合换算周转量和交通运输 CO 2 排放量作为产出要素。其中，交通运输 CO 2 排放量为非期望产出，根据运输行业中的主要燃料( 煤炭、柴油、汽油、煤油、燃料油、天然气、液化石油气、电力等) 和《2006 年 IPCC 国家温室气体清单指南》通过等式计算得到。相关数据来源于《中国统计年鉴》《中国交通年鉴》《中国能源统计年鉴》《中国环境年鉴》以及国家统计局数据库( http: / /data． stats． gov． cn/) ，省会城市之间的地理距离用 ArcGIS 计算而得。2 中国省域交通碳排放效率的空间关联网络特征2． 1 空间分布格局为考察中国交通碳排放效率的空间分布格局，运用Matlab 2016a 软件刻画了 2003—2018 年度中国交通碳排放效率的空间分布趋势( 图 1) 。由图 1 可知，中国省际交通碳排放效率在空间上存在显著的区域差异，呈现出明显的非均衡分布特征。具体来看，在东西方向上，拟合曲线整体呈现出“东部凸起 － 中部隆起 － 西部塌陷”状，表明研究期间中国东部地区交通碳排放效率整体要高于中部和西部地区; 在南北方向上，拟合曲线呈现出北凸南凹的“S”型，表明研究期间北部地区交通碳排放效率整体要高于南部地区。从拟合曲面来看，2003—2018 年中国省域交通碳排放效率呈“东部凸起 － 西部凹陷 － 尾部翘起”的波浪型，表明该时期中国省域交通碳排放效率整体呈现出东高西低的空间分布格局。但西部部分省份如**的交通碳排放效率要略高于其周边地区，这主要是因为东部地区经济条件优越，低碳技术与创新水平相对较高; 同时，交通基础设施发展较为完善，从而拥有较高的交通碳排放效率。而**则由于严酷的气候和地形条件影响，交通站点网络密度较低，交通人力资源投入相对较少; 同时，随着“一带一路”倡议的深入实施，其派生的过境、中转等客货运输需求规模扩大，使得交通产出/投入综合水平相对周边地区略高，进而使得交通碳排放效率水平相对周边地区略高。2． 2 整体网络结构特征为了直观展示中国交通碳排放效率空间关联网络的结构形态，作者对 2003—2018 年中国省域交通碳排放效率的空间关联网络进行了可视化( 图 2) 。由图 2 可知，中国省域交通碳排放效率空间关联网络结构呈现“东密西疏”特征，且其空间关联已经突破传统的地理空间限制，不再囿于对其邻近省份的交通碳排放效率产生溢...

篇七：中国交通部门碳排放分析

方数据

　1

　 万方数据

　I 交通运输业碳排放时空差异与影响因素研究 摘 要 随着中国经济社会的快速发展，交通运输业逐渐成为仅次于能源和工业部门的主要碳排放源。由于各地区之间经济发展水平差距较大，碳减排政策设计需针对具体的地方特性区别实施。因此，通过对中国交通运输业碳排放的时空差异特征的探讨，识别碳排放的关键影响因素对于制定低碳交通运输碳排放政策，推进碳减排具有重要的意义。

　本文运用 IPCC 推荐的“自上而下”法测算 2000-2016 年来我国 30 个省份（除港澳台西藏地区）的交通运输业碳排放总量、人均碳排放和碳强度，并以碳排放量为主要研究对象，利用 ArcGIS、Geoda 等地统计学软件和 Eviews 等计量经济学软件，分别从空间格局分布特征和其在时间轴上的发展演变趋势特征两方面测算、比较交通运输业碳排放的时空特征差异。最后，基于 Kaya 恒等式的 LMDI 因素分解法和地理加权回归分析法，对交通运输业碳排放建立影响因素模型，从时空二维视角，解析不同区域、不同时间段交通碳排放的正、负关键影响因素，从而提出我国交通运输节能减排政策建议。

　本文主要研究结论为：（1）我国交通运输行业碳排放存在显著的全局和局域空间正自相关性特征，Moran 散点图将各省交通碳排放主要分布在 H-H 和 L-L 两个象限内，且集聚特征明显；（2）全国、东北地区、北部沿海地区、南部沿海地区、长江中游地区和大西北地区的交通碳排放在 2000-2006、2006-2011、2011-2016 三个连续时间段内分解差距持续增加，东部沿海地区、黄河中游地区以及大西南地区的交通碳排放分解差距表现为先增后减。（3）经济发展水平、人口规模和能源强度是我国交通运输业碳排放的关键影响因素，其中，前两个是正向因素，能源结构产生负向抑制作万方数据

　 II 用；经济发展水平是八大经济区在三个时间段内共同的关键正向因素，而其余因素的增减或正负变动，则进一步引起了各区域在不同阶段交通业碳排放量的变化。

　综上所述，为实现我国交通运输业健康绿色稳定发展，应加快转变经济发展方式，优化产业经济结构，提高能源技术水平，加大对清洁能源的使用，最后完善交通体系，在全社会营造出低碳节能交通的氛围。

　 关键词：交通碳排放；空间自相关性；动态收敛；LMDI 因素分解；地理加权回归

　 万方数据

　III Research on Spatial and Temporal Differences and Influencing Factors of Carbon Emissions in Transportation Industry Abstract: With the rapid development of China"s economy and society, the transportation industry has gradually become the main carbon emission source next only to the energy and industrial sectors. Due to the large gap in the level of economic development between different regions, carbon emission reduction policy design needs to be implemented according to specific local characteristics. Therefore, it is of great significance to identify the key influencing factors of carbon emissions for the formulation of low-carbon transport carbon emission policies and the promotion of carbon emission reduction through the discussion of the time-space difference characteristics of carbon emissions of China"s transport industry. This paper uses the IPCC recommended "top-down" method is calculated in 2000-2016 years of China"s 30 provinces (except Tibet, Hong Kong, Macao and Taiwan regions) transport carbon emissions, per capita carbon emissions and carbon intensity, and carbon emissions as the main research object, using the ArcGIS, Geoda statistical software and Eviews econometric software, respectively from the characteristics of spatial pattern of distribution and its development trends in the timeline feature both calculation and comparison of the transport of carbon emissions characteristics of space and time difference. Finally, based on the LMDI index decomposition method of Kaya identity and the Geographical Weighted Regression analysis method, the paper establishes the influencing factor model for the carbon emissions of transportation industry, analyzes the positive and negative key influencing factors of the traffic carbon emissions in different regions and different time periods from the perspective of space and time, and puts forward the policy suggestions for the energy conservation and emission reduction of transportation in China. 万方数据

　 IV The main research conclusions of this paper are as follows :(1) there are significant global and local spatial positive autocorrelation characteristics of carbon emissions in China"s transportation industry. (2) the north, northeast, coastal areas, the southern coastal region, the Yangtze river middle reaches and traffic in northwest area of carbon emissions in 2000-2006, 2006-2011, 2011-2016 three consecutive period decomposition gap continues to increase, the eastern coastal areas, areas in the middle reaches of the Yellow River and the southwest region traffic carbon decomposition gap first increase after decreases. (3) the level of economic development, population size and energy intensity are the key influencing factors for the carbon emissions of China"s transportation industry. The level of economic development is the key positive factor shared by the eight economic zones in three time periods, while the increase, decrease or positive and negative changes of other factors further lead to the changes of carbon emissions of transportation in different stages in each region. To sum up, in order to realize the healthy, green and stable development of China"s transportation industry, we should accelerate the transformation of economic development mode, optimize the industrial economic structure, improve the level of energy technology, increase the use of clean energy, and finally improve the transportation system to create a low-carbon and energy-saving atmosphere in the whole society.

　Keywords:

　Transport Carbon Emissions; Spatial Autocorrelation; Dynamic Convergence; LMDI Index Decomposition; Geographically Weighted Regression万方数据

　V 目录

　1 绪论 ....................................................................................................................................... 1 1.1 研究背景 ..................................................................................................................... 1 1.2 研究意义 ..................................................................................................................... 2 1.2.1 理论意义 ........................................................................................................... 3 1.2.2 现实意义 ........................................................................................................... 3 1.3 国内外研究综述 ......................................................................................................... 3 1.3.1 交通运输业碳排放测算 ................................................................................... 4 1.3.2 交通运输业碳排放时空特征分析 ................................................................... 5 1.3.3 交通运输业碳排放影响因素分析 ................................................................... 6 1.3.4 研究现状总结 ................................................................................................... 7 1.4 研究内容与框架 ......................................................................................................... 8 1.4.1 研究内容 ........................................................................................................... 8 1.4.2 研究框架 ........................................................................................................... 9 1.5 研究方法 ..................................................................................................................... 9 2 相关理论基础 ..................................................................................................................... 11 2.1 低碳交通理论 ........................................................................................................... 11 2.2 空间计量经济学理论 ............................................................................................... 11 2.3 因素分解理论 ........................................................................................................... 12 3 交通运输业碳排放的测算和现状分析 ............................................................................. 15 3.1 交通运输业发展现状 ............................................................................................... 15 3.2 交通运输行业碳排放的测算 ................................................................................... 16 3.2.1 数据来源与处理 ............................................................................................. 16 3.2.2 碳排放的测算模型选取 ................................................................................. 16 3.3 交通运输行业碳排放的测算结果及分析 ............................................................... 18 3.3.1 交通运输行业碳排放总量分析 ..................................................................... 18 3.3.2 交通运输行业人均碳排放量分析 ................................................................. 20 3.3.3 交通运输行业碳强度分析 ............................................................................. 21 3.3.4 交通运输行业能源结构分析 ......................................................................... 23 万方数据

　 VI 3.4 本章小结 ................................................................................................................... 25 4 交通运输业碳排放时空特征分析 ..................................................................................... 27 4.1 模型选取 .................................................................................................................... 27 4.1.1 建立空间权重矩阵 ......................................................................................... 27 4.1.2 全局空间自相关性分析方法 ......................................................................... 28 4.1.3 局部空间自相关性分析方法 ......................................................................... 28 4.2 实证分析 ................................................................................................................... 29 4.2.1 全局空间自相关性分析 ................................................................................. 29 4.2.2 局部空间自相关性分析 ................................................................................. 30 4.3 动态收敛分析 ........................................................................................................... 34 4.4 本章小结 ................................................................................................................... 36 5 交通运输业碳排放影响因素分析 ...........................................

篇八：中国交通部门碳排放分析

展望 2016/33简论几种交通运输方式的碳排放分析比较———“低碳运输”背景下运输方式的选择徐玮晨(成都树德中学(外国语校区)，四川 成都 610000)【摘 要】该文旨在简要分析研究“低碳经济”背景下发展“低碳运输”的不同运输方式合理选择问题，通过分析不同运输方式的特点及不同运输方式下的能源消耗量和碳排放强度，并根据其各自特点和碳排放强度提出选择不同运输方式的建议。【关键词】低碳运输 运输方式1 背景目前人类面临全球气候变暖，空气质量日益变差等环境问题，为解决危机，提出了“低碳经济”的概念。人们从 1992 年的《联合国气候变化框架公约》和 1997 年的《京都协议书》开始系统谈论低碳经济，中国在 2009 年的“哥本哈根全球气候大会”上，对其他国家和组织做出庄严承诺:到 2020 年单位 GDP 碳排放较 2005 年下降 40% －45%。要实现这个承诺，发展“低碳经济”，一个重要方面是减少现有能源条件下的碳排放。运输业作为二氧化碳排放大户，发展低碳节能的运输方式，对实现节能减排意义重大。本文通过研究不同运输方式下的能源消耗量，分析不同运输方式的特点和使用场所。交通运输行业作为能源消费增长最快的行业，对控制温室气体排放具有重要的影响，根据资料显示，2012 年，我国交通运输业的终端能耗为 31524． 71 万吨标准煤，占我国终端能源消耗的8. 2%;中国交通运输行业碳排放总量在 2005 年 － 2010 年之间呈现持续增加，由原本的 1． 9 亿吨增长至 5． 2 亿吨，“十一五”期间，交通运输行业的碳排放量占到了 6． 6%。因此，大力发展以低能耗、低碳排放为特征的交通运输体系，探究节能环保低碳的运输组织方式，应当是当下交通运输行业节能减排的重点工作。低碳经济有三个基本特点:低能耗、低排放、低污染。目前我国主要由公路运输、铁路运输、航空运输、水路运输、管道运输构成的交通运输系统。一般来说，公路运输和航空运输的能耗和碳排放强度最高，铁路运输和水路运输的能耗和碳排放强度最低，所以不同的运输方式组合模式，不同的运输网络的选择决定了能源消耗以及碳排放量的不同。如釆取联合联运、多式联运、将公路货流转移到铁路等。这种低碳运输发展途径可实施性强，可控制性强，是快速、有效实现低碳运输发展的最直接、最有效的途径。2 不同运输方式的特点分析不同的运输方式适合于不同的运输情况，选择合理的运输方式不仅能提高运输效率、降低运输成本，对于运输的节能减排也有十分重大的意义。公路运输特点:公路运输主要是指汽车货物运输，货物通过汽车运输实现其空间场所的移动。公路运输的时速与其他运输方式相比优势并不明显，但在一定条件下途中不中转，特别是短途运输的整个过程中，其货物运输平均速度比其他运输方式快，可实现“门到门”的运输。铁路运输特点:铁路运输在社会大宗货物运输和中长距离货物运输中具有独特优势，在社会物流网络系统体系中占有重要地位。铁路运输能力大，远比公路和航空运输大得多。尽管机车车辆的能耗很大，但是它牵引的重量比汽车高 10 倍，相比而言单位周转量的能耗要少得多。水路运输特点:水路运输运输能力强，有着其他运输方式都不可比拟的载重能力;与其他运输方式相比，水路运输以江河湖海作为天然航道，投资少，能耗省;水运还可以实现长程、巨量运输，非常适合大宗货物的运输。水路运输作为一种最环保的运输方式，越来越受到重视。航空运输特点:航空运输是指以航空器作为运输工具，运送旅客或者货物。它具有速度快，航线辐射范围广的优势，运输距离越长越节约时间，其快速优势越是显著。3 不同运输方式能耗比较分析3． 1 交通运输行业的终端能耗比较交通运输业依赖于能源消耗，是能源消费的大户，目前而言，占据交通能耗的主要来源依然是石化燃料，这是交通能耗的主要来源，也是交通运输业碳排放的主要来源。由于我国经济逐年增长，导致公路运输的能耗以平均每年5. 38%的增长速度增加;而铁路运输的能耗变化很小，维持在16. 5百万吨标准煤 －17． 5 百万吨标准煤的能耗;水路运输的能耗也是处于每年不断增长的状态，平均增长速度达到 12． 48%;航空运输的能一直保持着高增长速率，平均增长率达到 18． 16%。通过时间的纵向比较，发现交通运输业的耗能占全国终端能源消费量的比例基本维持恒定，说明交通行业的货物周转量随着社会需求的增加也在不断的增加。而每种运输方式的能源消耗也相应的增加。3． 2 不同运输方式碳排放强度比较(1)通过收集资料，可知不同运输方式所消耗的能源类型主要有以下几类:公路运输:道路运输使用的能源包括柴油、汽油、电力、液化石油气、压缩天然气，甲醉、乙醇等。随着科学技术的发展，使用太阳能等更为清洁高效的能源驱动的汽车己经在研发使用。铁路货运:目前铁路机车有内燃机车和电力机车两种类型，分别采用燃油(主要是柴油)、电力作为驱动能源。航空货运:目前航空使用的燃料主要是上个世纪随着飞机的诞生而出现的，航空燃料包括供点燃式活塞发动机用的航空汽油和供燃气涡轮发动机用的喷气燃料(俗称航空煤油)。水路货运:主要消耗的能源种类有汽油、柴油、重油、煤炭、电力。后来所使用的电力能源比例上升，柴油维持稳定，而汽油和煤炭消耗比例下降。(2)从不同交通方式的能耗强度看，据清华大学中国车用能源研究中心以及中国铁路统计公报所提供的相关数据，我们看到，铁路货运的能耗强度很低，而公路运输的能耗强度仅仅次于航空运输，其单位能耗是铁路运输的十多倍，属于高耗能的运输方式，由于公路运输也是以化石燃料为主，所以其单位碳排放量必定远高于铁路运输。水运的能耗强度和铁路的能耗强度差不多。因此在长距离和大运量运输中国家应该鼓励选择铁路和水运，并给予相应鼓励政策。4 结论公路运输的能耗强度逐年增长，而铁路运输和航空运输的能耗强度呈现下降趋势，根据各个运输方式的特点来看，铁路运输和航空运输能耗强度下降的原因可能是运量增大或者是运距增大，使单位周转量的能耗强度降低;由于公路运输的能耗强度逐年增长，是运输排放的主力，我们应该采取相应措施引导公路运输主要完成短距离、小运量的运输，以减少整个运输业的碳排放。参考文献:［1］纪念． 交通运输业发展“低碳经济”之路怎样走［J］． 环境保护，2010，29(10):62 ～63．［2］解天荣，王静． 交通运输业碳排放量比较研究［J］． 综合运输，2011(08):20 ～24．［3］池熊伟． 中国交通部门碳排放分析［J］． 鄱阳湖学刊，2012(4):56 ～62．［4］苗秋林． 中国铁路运输［M］． 北京:中国铁道出版社，1994．— 8 6 2 —

推荐访问:中国交通部门碳排放分析 交通部门 排放 中国