交通运输业碳排放的时空变化特征及影响因素

交通运输业碳排放的时空变化特征及影响因素

——基于全国与经济区域层面

黄 羿1，李冬梅1，李永田2，徐 建2

（1. 广州大学环境科学与工程学院，广东 广州 510006；

2. 光伏科学与技术国家重点实验室，江苏 常州 213031）

摘 要： 根据“自上而下”的方法测算了2005～2017年全国30个省级行政区交通运输业的碳排放量，结合基尼系数分析了全国及4大经济区域交通运输业碳排放的时空变化特征，并运用LMDI 分解方法对碳排放影响因素及其作用进行了探讨。结果表明：研究期间全国及4大经济区域交通运输业碳排放量均呈现上升趋势，上升速度总体有所减缓；全国交通运输业碳排放整体表现为“东高西低”的空间分布状态，虽然空间分布的均衡程度稍有增加，却显著低于各经济区域的均衡程度；经济发展水平、能耗强度、行业比重、人口密度、碳排放强度和能源结构对全国交通运输业碳排放的累积影响依次递减，但是各项因素对4大经济区域交通运输业碳排放的影响作用存在差异。

关键词： 碳排放；交通运输业；分布特征；基尼系数；影响因素中图分类号： X321文献标志码： A DOI ：10.16803/j.cnki.issn.1004 − 6216.2021.04.010

Spatiotemporal change characteristics and influencing factors of

carbon emissions in transportation industry

——Based on the national and economic regional aspect

HUANG Yi 1，LI Dongmei 1，LI Yongtian 2，XU Jian 2

（1. School of Environmental Science and Engineering, Guangzhou University, Guangzhou 510006, China ；

2. State Key Laboratory of Photovoltaic Science and Technology, Changzhou 213031, China ）

Abstract ： According to the “top to down ” method, the carbon emissions of the transportation industry in 30 Chinese provincial-level administrative regions from 2005 to 2017 were calculated. Considering the Gini coefficient, the spatiotemporal change characteristics of the carbon emissions in the transportation industry in China and the four main economic regions were analyzed. The influencing factors and their impacts on the carbon emissions were investigated by the LMDI decomposition method.The results indicated that the carbon emissions of the transportation industry in China and the four main economic regions all had an upward trend during the study period, but their growth indicated a slow trend. The carbon emissions in China had presented a spatial distribution of “higher in the east and lower in the west ”. Although the difference of the spatial distribution in China had slightly decreased, the difference was still higher than that of every economic region. The cumulative impact on carbon emission of the transportation industry in China, decreased in sequence of the economic development level, the energy consumption intensity, the industry proportion, the population density, the carbon emission intensity and the energy structure. However, these factors had different impacts on the carbon emissions in the transportation industry in the four main economic regions.

Keywords ： carbon emission ；transportation industry ；distribution characteristics ；Gini coefficient ；influencing factors CLC number ： X321

在减少温室气体排放应对全球气候变化的过程中，我国已取得了较为显著的成效。《中国应对

气候变化的与行动2018年度报告》指出，2017年我国单位国内生产总值二氧化碳排放比

收稿日期：2020 − 07 − 31

基金项目：广东省自然科学基金项目（2015A030310413）；教育部人文社会科学研究青年基金项目（18YJC630225）作者简介：黄　羿（1988 − ），女，博士、讲师。研究方向：资源环境与区域可持续发展。E-mail ：huangyi@gzhu.edu.cn 通信作者：李冬梅（1977 − ），女，硕士、讲师。研究方向：环境教育与管理。E-mail ：ldmhrl@163.com

引用格式：黄 羿，李冬梅，李永田，等. 交通运输业碳排放的时空变化特征及影响因素——基于全国与经济区域层面[J ]. 环

境保护科学，2021，47（4）：

62 − 70.

一般而言，研究交通运输业碳排放相关问题的基础在于碳排放量测算，而进一步分析其影响因素则是推进碳减排工作的关键内容[3 − 4]。在相关研究中，以全国为研究范围对交通运输业开展的碳排放量测算包括省域、经济区域和国家3个层面[5 − 7]，且较多地采用了IPCC“自上而下”的排放系数法，即由不同类型能源的消耗量与对应碳排放系数的乘积加总求得交通运输业碳排放量[8]。基于交通运输业碳排放测算结果，部分学者采用统计学和探索性空间数据分析等方法，对交通运输业碳排放空间分布的差异性、集聚性以及关联性等内容进行了分析，探讨了区域交通运输业碳排放时空分布特征及演变过程[9 − 13]。在研究交通运输业碳排放的影响因素及其作用方面，常用的研究方法主要包括LMDI 分解方法和基于STIRPAT等模型的回归分析法[14 − 16]，也有少量研究在交通运输业碳排放空间分布特征研究基础上，将空间滞后模型、空间误差模型和地理加权回归模型等空间计量经济学方法用于分析省域交通运输业碳排放影响因素及其作用的差异性[3 − 4,17 − 18]，而常见的影响因素可以概括为人口规模与密度、经济发展水平以及交通运输规模、结构与效率等内容。

综合已有研究发现，多数研究在测算交通运输业碳排放量时，存在能源核算种类不全面的问题[9]，尤其是对不直接产生碳排放的电力与热力考虑较少，影响了碳排放测算结果的准确性。在交通运输业碳排放影响因素研究的过程中，因与交通运输需求密切相关的人口密度因素对碳排放产生的影响较为复杂，而被间接考虑在通过其他因素产生的影响作用中，其直接产生的影响作用鲜少被量化[18 − 19]。另外，我国省域交通运输业碳排放存在显著的空间集聚性，且各因素对相邻省份的影响具有一定的相似性，应在碳减排方面考虑区域协同的制定[17 − 18]。然而，在全国范围内以社会经济发展水平相近的相邻省份作为区域整体，量化分析交通运输业碳排放影响因素的研究却少之又少。因此，从经济区域角度对交通运输业碳排放的影响因素进行量化与对比，可以为提升区域低碳交通发展的协同性提供重要的实证依据。

根据数据的统一性与可获取性，本文选取2005～2017年作为研究时段，以全国30个省级行政区（本次研究不含我国特别行政区、澳门特别行政区、地区和自治区）为研究对象，测算各省份交通运输业碳排放量，从全国与4大经济区域2个层面，分析交通运输业碳排放的时空变化特征，并在一般影响因素的基础上增加考虑人口密度因素，综合分析各项因素对交通运输业碳排放量变化的影响。其中4大经济区域为东部、东北、中部和西部地区，东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南省（市）；东北地区包括辽宁、吉林和黑龙江省；中部地区包括山西、安徽、江西、河南、湖北和湖南省；重庆、四川、贵州、云南、陕西、甘肃、青海省（市）以及内蒙古自治区、广西壮族自治区、宁夏回族自治区和维吾尔自治区属于西部地区[20]。

1 研究方法与数据来源

1.1 碳排放测算

基于IPCC“自上而下”测算碳排放量的思路，结合《省级温室气体清单编制指南（试行）》及相关文献中的测算方法[8,21 − 22]，并根据《中国能源统计年鉴》将交通运输业消耗的能源归纳为19种类型，则能源碳排放量的计算过程，见式（1）。

式（1）中，C T为各省份交通运输业碳排放量,万t；C i和C j分别表示交通运输业消耗第i种与第j种能源产生的碳排放量，其中能源i包括原煤、洗精

第 4 期黄羿　等：交通运输业碳排放的时空变化特征及影响因素——基于全国与经济区域层面63煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、原油、汽油、煤油、柴油、燃料油、液化石油气、其他石油制品、天然气、液化天然气和其他能源，能源j包括电力和热力；E i为第i种能源终端消耗的实物量,万t、亿m3或万tce；NCV i为第i种能源的单位热值,GJ/t、GJ/万m3或GJ/tce；EC i为第i种能源的单位热值含碳量，tC/GJ；OE i为第i种能源燃烧的碳氧化率，%；以上三者的乘积即为第i种能源的碳排放系数，tC/t、tC/万m3或tC/tce；E j表示电力与热力终端消耗的实物量，亿kW·h或万GJ；ST j为供电标准煤耗或供热标准煤耗，万tce/（亿kW·h）或万tce/万GJ；SI为标准煤的碳排放系数，tC/tce；由于生产电力和热力的主要燃料是煤炭，因此可以通过ST j将E j转换为标准煤耗量，并与SI相乘估算对应的碳排放量。计算中，考虑数据可获取性以及仓储和邮政业在交通运输、仓储和邮政业中所占比重较小的原因[23]，E i与E j为2006～2018年《中国能源统计年鉴》中各地交通运输、仓储和邮政业的能源消耗数据，NCV i取值于《综合能耗计算通则：GB/T 25—2008》[24]和《能源消耗引起的温室气体排放计算工具指南》[25]中各种能源的平均低位发热量，EC i和OE i来源于《省级温室气体清单编制指南（试行）》[21]，ST j取自2006～2018年《中国电力年鉴》《2007中国电力工业统计数据分析》《2010中国电力工业统计数据分析》，SI取值国家建议的标准煤碳排放系数0.67 tC/tce[26]。

1.2 基尼系数

基尼系数最初是基于洛伦茨曲线评价居民收入分配公平程度的指标，近年来在碳排放区域差异研究方面得到了较为广泛的应用[27 − 28]。参考相关研究[29]，在此将衡量交通运输业碳排放空间分布均衡程度的交通碳排放基尼系数G定义为式（2）。

在计算过程中，首先以各省份交通运输业碳排放量与区域面积的比值按从小到大的顺序排列，并分别对应地将其定义为第n个地区，n=1，2，…，30。式（2）中，Y n为n个地区交通运输业碳排放量占研究区交通运输业碳排放量比重的累计值，%；X n为n个地区区域面积占研究区总面积比重的累计值，%；Y0和X0均为0。当G值越小时，表明交通运输业碳排放在空间上的分布越均衡，区域之间交通运输业碳排放的差异越小，反之亦然。

1.3 LMDI分解方法

LMDI分解方法即对数平均迪氏指数法，常用在基于Kaya恒等式的能源碳排放因素分解中[14,30]。运用LMDI分解方法分析交通运输业碳排放影响因素时，人口规模、经济发展水平、行业比重、能源结构、能耗强度和碳排放系数等因素常被考虑在内[31 − 33]。为了更好地体现区域交通的需求情况，本文增加考虑与区域面积相关的人口密度因素，并在Kaya恒等式的基础上将省域交通运输业碳排放影响因素分解为式（3）[34]。为便于分解，将交通运输业能耗类型归纳为煤炭及制品与油气及制品两类，其中煤炭及制品类能源包括原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、电力和热力，油气及制品类能源包括原油、汽油、煤油、柴油、燃料油、液化石油气、其他石油制品、天然气和液化天然气。因绝大部分地区无其他能源消耗故在能源结构中暂不考虑。

式（3）中，k表示煤炭及制品与油气及制品，C为各省份交通运输业消耗第k类能源所产生的碳排放量C k之和，万t；E k为k类能源中各种能源消耗量折算成标准煤耗量后的总和，万tce；能源折算标准煤的系数为能源平均低位发热量与标准煤低位发热量的比值[24]；C k与E k的比值CI k即为单位能源的碳排放量，记作碳排放强度因素CI，tC/tce；以ES k表示E k占能源消耗总量E的比例，记作能源结构因素ES，%；将交通运输业能耗总量E与行业增加值GDP T的比值EG作为能耗强度因素，tce/万元；将交通运输业增加值GDP T与地区生产总值GDP的比值定义为行业比重因素GS，%；由地区生产总值GDP除以当地常住人口总量P计算得到人均GDP，作为经济发展水平因素GP，万元/人；常住人口P与区域面积S的比值记作PS，表示人口密度因素，万人/万hm2；S为区域面积因素，万hm2。各地GDP、GDP T和P的数据来源于2006～2018

环境保护科学第 47 卷

年《中国统计年鉴》，其中GDP T 取自《中国统计年鉴》中的交通运输、仓储和邮政业增加值，且与GDP 数据均已按2005年可比价进行了调整，各地区域面积数据来源于全国行政区划信息查询平台。

在式（3）的基础上，可将t 时期交通运输业碳排放量C t 相对于基期碳排放量C 0的变化量ΔC 分解，见式（4）。

式（4）中，ΔC CI 、ΔC ES 、ΔC EG 、ΔC GS 、ΔC GP 、ΔC PS 和ΔC S 分别表示碳排放强度、能源结构、能耗强度、行业比重、经济发展水平、人口密度和区域面积7项因素引起的碳排放变化量，其计算式分别为式（5～11）

[3,35]

。其中，研究期内各区域面积不

变因而对碳排放量的变化无影响。

2 交通运输业碳排放变化与空间分布特征

2.1 碳排放量变化

根据上述交通运输业碳排放量的测算方法，计

算得到2005～2017年研究范围内全国省域交通运输业的碳排放量。其中，2005、2009、2013和2017年的碳排放量以及研究期间各地累计碳排放量等数据，见表1。

表 1 2005～2017年中国省域交通运输业碳排放量测算结果

地区碳排放量/万t

2005～2017 a

2005 a 2009 a 2013 a 2017 a 累计碳排

放量/万t 碳排放年均增长率/%

单位面积碳排放量均值/t·hm −2

广东1 101.661 416.651 655.162 083.6220 460.48 5.450.903 3山东985.751 394.361 138.711 421.3817 144.76 3.100.833 5上海816.921 144.901 201.631 506.1815 278.00 5.2318.539 7辽宁687.680.241 065.951 242.1012 999.90 5.050.675 3江苏520.99720.141 048.481 322.6011 761.278.070.883 7湖北546.41711.19862.051 114.0910 707.51 6.120.443 4浙江435.33619.61819.75960.5 335.18 6.820.693 9河南369.08513.29842.201 101.278 944.809.540.412 5内蒙古396.47686.03734.69553.278 566.94 2.820.055 1湖南372.54478.47745.84991.118 274.458.500.300 5四川352.16634.74470.29955.768 127.968.680.127 2北京300.08582.00671.08806.417 990.108.59 3.745 0河北437.274.96675.78717.527 654.24 4.210.314 6山西279.18514.45597.13691.306 720.247.850.329 9云南333.01411.47553.41657.526 633.91 5.830.129 5陕西

287.39

507.38

514.83

582.79

6 376.

6.07

0.238 6

第 4 期黄羿　等：交通运输业碳排放的时空变化特征及影响因素——基于全国与经济区域层面

65

地区

碳排放量/万t2005～2017 a

2005 a2009 a2013 a2017 a

累计碳排

放量/万t

碳排放年均

增长率/%

单位面积碳排

放量均值/t·hm−2

黑龙江274.12316.05630.81704.916 352.008.190.111 1福建241.80410.66530.90690.586 110.849.140.382 6广西269.39403.25407.05618.265 733.807.170.185 8安徽172.69269.60534.74659.455 286.2011.810.291 3232.12273.846.41637.525 063.548.780.023 7重庆200.52276.35467.76593.094 940.829.460.461 4吉林179.13299.62435.21474.544 563.838.460.184 5贵州158.81274.74391.40448.954 380.259.050.191 3江西188.98224.12385.15475.114 075.187.990.187 6甘肃172.63222.21362.21363.983 565.59 6.410.060 3天津200.41253.73271.84327.393 526.09 4.17 2.278 7海南77.74157.39170.54177.1 943.767.130.482 8宁夏72.5387.12110.04131.271 316.78 5.070.152 5青海23.0858.82.32122.823.3414.960.010 2东部地区5 117.957 1.418 183.8710 013.92101 204.74 5.750.851 8东北地区1 140.931 505.902 131.972 421.5623 915.73 6.470.236 5中部地区1 928.882 711.103 967.125 032.3444 008.398.320.329 4西部地区2 498.123 836.074 540.405 665.2955 629.837.060.075 9全国10 685.8815 242.4718 823.3623 133.10224 758.68 6.650.206 8

2005～2017年，全国交通运输业碳排放量以6.65%的年均增长率由10 685.88上升至23 133.10万t，除2013年交通运输业碳排放量相比上一年下降以外，其余年份均呈现持续增长的态势，但增长率总体有所下降。各省份交通运输业碳排放量总体均呈现上升趋势，但年均增长率存在较大差异。青海省的年均增长率最高，内蒙古自治区的年均增长率最低，分别为14.96%与2.82%。除内蒙古自治区以外，甘肃、湖北、陕西、云南、广东、上海市（省）以及宁夏回族自治区和辽宁、河北、天津、山东省（市）的交通运输业碳排放年均增长率也低于全国水平，其年均增长率依次递减。其中，广东、山东、上海和辽宁省（市）的交通运输业累计碳排放量却居于全国前4，且广东省累计碳排放量占全国累计总量比重的9.10%。4个经济区域交通运输业碳排放的年增长率也均呈现总体下降趋势，然而，中部与西部地区碳排放年均增长率高于全国水平，虽然东部地区的年均增长率最低，但其研究期间累计碳排放量占全国累计总量的比重最高，为45.03%。

单位区域面积产生的交通运输碳排放方面，研究期间全国单位面积碳排放量由0.127 8增至0.276 7 t/hm2，年均值为0.206 8 t/hm2。上海市单位面积碳排放量的年均值为18.539 7 t/hm2，远高于其他省份及全国平均水平，北京和天津市单位面积碳排放水平次之，其年均值分别为3.745 0和2.278 7 t/hm2。单位面积碳排放量年均值低于全国水平的省份有：中部地区的江西省，东北地区的吉林与黑龙江省，西部地区的贵州、云南、四川、甘肃、青海省以及广西壮族自治区、宁夏回族自治区、内蒙古自治区与维吾尔自治区。可见，西部地区仅有重庆市与陕西省单位面积碳排放量年均值高于全国水平，使得西部地区的单位面积碳排放水平在4大经济区域中最低，而其他3个区域按单位面积碳排放水平高低排序依次为东部、中部和东北地区。

综合交通运输业碳排放变化特征发现，研究期间东部地区累计碳排放量最大，单位面积碳排放水平最高，但其碳排放年均增长速度最低，说明东部地区在通过控制增长速度放缓碳排放量的增长；西部地区累计碳排放量较高且碳排放年均增速较快，但受区域面积较大的影响，其单位面积碳排放水平最低，且是唯一低于全国平均水平的地区；累计碳排放量较低的中部地区，其碳排放年均增长速度最

66环境保护科学第 47 卷快；东北地区累计碳排放量最低，其碳排放年均增长速度和单位面积碳排放量均处于相对较低的水平。

2.2 碳排放空间分布特征

计算结果显示，研究期间全国交通运输业碳排放在空间上整体呈现出“东高西低”的分布状态，且随着时间的推移高排放量地区逐渐由东部向东北、中部和西部地区扩展。在研究范围内，2005年碳排放量高于400 万t的省份仅有8个，其碳排放量之和占全国碳排放总量的51.77%，即超过全国碳排放总量的一半，且其中东部地区的广东、山东和上海省（市）的碳排放量均超过800 万t，处于全国碳排放量的最高水平；2009年碳排放量高于400 万t的省份增加到18个，其中广东、山东、上海、辽宁、江苏、湖北、四川、浙江省（市）和内蒙古自治区的碳排放量之和占全国碳排放量的53.91%，分布范围涵盖了4大经济区域；2013年，除贵州、江西、甘肃、天津、海南、青海省（市）和宁夏回族自治区以外，其他省份的碳排放量均高于400 万t，虽然山东省的碳排放量相对于2009年有所下降，但仍处于全国较高水平。2017年仅有甘肃、天津、海南、青海省（市）和宁夏回族自治区的碳排放量低于400 万t，而碳排放量高于800 万t的省份数量超过了总数的1/3，其中属于东部、中部、东北和西部地区贡献的碳排放量分别占这些地区碳排放总量的59.98%、23.74%、9.20%和7.08%。

为了进一步衡量交通运输业碳排放在空间分布上的均衡程度，测算研究期间全国及4大经济区域交通碳排放基尼系数得到其变化情况，见图1。

图 1 2005～2017年全国及4大经济区域交通

碳排放基尼系数变化

其中，全国以及东部、东北和中部地区的交通碳排放基尼系数均呈现总体下降的趋势，说明其交通运输业碳排放空间分布的均衡程度得到改善，区域差异有所减小。西部地区交通碳排放基尼系数在2005～2010年间出现了一定的增长，随后虽波动变化但总体呈现下降趋势，由此可见西部地区交通运输业碳排放空间分布的均衡程度并不稳定，区域差异总体先增加后减小。

全国交通碳排放基尼系数显著高于4大经济区域的基尼系数，反映交通运输业碳排放的全国性差异显著高于区域性差异。在4大经济区域中，西部地区的交通碳排放基尼系数最高，中部地区的基尼系数最低且年均下降速度最快，说明西部地区交通运输业碳排放空间分布的均衡程度最低，而中部地区碳排放空间分布最为均衡。东北地区基尼系数年均下降速度快于东部地区，因而自2013年起相对于东部地区，东北地区交通运输业碳排放空间分布的均衡程度更高，其原因在于碳排放量占比较低的吉林和黑龙江省碳排放年均增长速度较快，使得东北地区碳排放的空间分布均衡程度有所上升。

3 交通运输业碳排放影响因素

3.1 全国交通运输业碳排放影响因素

根据式（4～11），可将2005～2017年全国交通运输业碳排放变化量分解成表2中各因素的影响效应。研究期间，经济发展水平和人口密度对各年份碳排放量的变化均起到了促进作用，尤其是表示经济发展水平的人均GDP，由2005年的1.55 万元/人增至2017年4.80 万元/人，导致碳排放量累计增加18 670.90 万t，成为了对全国交通运输业碳排放贡献最大的因素。全国交通运输业消耗的能源以油气及制品为主，虽然能源结构略有波动使其对碳排放的影响并不稳定，但能源结构变化仍然导致碳排放量累计增加了69.01 万t，其贡献程度在所有因素的影响效应中最小。能耗强度、行业比重和碳排放强度的变化均对交通运输业碳排放产生了抑制作用，且累积影响效应依次递减。其中，能耗强度和行业比重因在部分年份稍有上升而引起了碳排放量的增加，但在2005～2017年间二者分别以1.84%和1.71%的年均速度下降，累计分别减少碳排放量4 253.22和3 219.43 万t。煤炭及制品与油气及制品的碳排放强度总体均出现下降的趋势，年均下降速度分别为0.09%和0.08%，共引起碳排放量累计减少209.66万t。

3.2 4大经济区域交通运输业碳排放影响因素

将4大经济区域交通运输业碳排放逐年变化量分解成各因素的影响效应，得到各地区各因素在研究期间的累积影响效应，见表3。

第 4 期黄羿　等：交通运输业碳排放的时空变化特征及影响因素——基于全国与经济区域层面67

表 2 2005～2017年全国交通运输业碳排放变化量分解结果万t

t/a 碳排放强度

效应ΔC CI

能源结构

效应ΔC ES

能耗强度

效应ΔC EG

行业比重

效应ΔC GS

经济发展

水平效应ΔC GP

人口密度

效应ΔC PSΔC

2005～2006−5.26−14.86−411.5465.901 380.79.351 094.22 2006～200718.27−18.001.60−546.021 615.2283.161 342.23 2007～200811.90−5.61194.70−512.191 441.69109.341 239.83 2008～2009−7.18−10.88−133.−611.101 514.57112.958.48 2009～2010−17.5311.99−23.43−366.801 857.19112.851 574.28 2010～2011 3.7750.71138.26−584.491 865.1386.371 559.75 2011～2012−13.59−8.33−691.7577.781 743.72104.781 212.60 2012～2013−37.3855.81−2 401.46−132.931 626.16102.93−786.86 2013～2014−44.31−12.5547.09−495.421 425.59103.081 023.48 2014～2015−24.5317.75−624.8339.581 399.31123.79931.06 2015～2016−53.83−27.33237.08−450.551 369.44138.631 213.45 2016～2017−40.0030.29−773.06296.821 432.26137.321 083.63累计变化量−209.6669.01−4 253.22−3 219.4318 670.901 294.5512 352.16

表 3 2005~2017年4大经济区域交通运输业碳排放变化量分解结果万t

地区碳排放强度

效应ΔC CI

能源结构

效应ΔC ES

能耗强度

效应ΔC EG

行业比重

效应ΔC GS

经济发展

水平效应ΔC GP

人口密度

效应ΔC PSΔC

东部−67.2943.62−2 751.19−1 127.577 811.70985.674 4.94东北−7.4817.20−475.93−185.001 852.7.191 208.86中部−20.7431.5232.01−940.803 807.95171.263 081.19西部−100.75−36.10−1 231.19−918.845 230.223.403 167.17

3.2.1 经济发展水平 在4个地区中，经济发展水平是对交通运输业碳排放累积影响效应最大的因素，且表示经济发展水平的人均GDP因逐年持续增长引起了各地区各年份碳排放量的增加。研究期间，虽然人均GDP水平由高到低排序依次为东部、东北、中部和西部地区，但4大经济区人均GDP 年均增长速度却依次增加。其中，东部地区以9.01%的年均增速由2.365 4上升至6.659 5 万元/人，而西部地区人均GDP由0.949 5 上升至3.387 4 万元/人，年均增速为11.18%。

3.2.2 能耗强度 在交通运输业能耗强度方面，研究期间东部、中部、东北和西部地区年均能耗强度分别为1.298 7、1.475 4、1.785 2和1.980 1 tce/万元。然而，东部、西部和东北地区的能耗强度以依次递减的年均速度呈现出总体下降的趋势，导致能耗强度变化对碳排放产生了负向的累积效应，且影响程度仅次于经济发展水平因素。虽然中部地区能耗强度先增加后有所下降，但交通运输业能源消耗年均增长速度高于行业增加值的年均增长速度，使得能耗强度以0.41%的年均速度表现出总体增长的态势，从而为碳排放带来了正向的累积效应。由此可见，在低碳交通相关的实施下，各地区交通运输业能源利用效率均有所提升，但与东部地区相比，中部、东北和西部地区在降低能耗强度方面仍有较大的空间。

3.2.3 行业比重 由于各地交通运输业增加值的年均增速均小于地区生产总值的年均增速，4大经济区均因行业比重总体下降而对各地碳排放产生了负向的累积效应。虽然4大经济区按行业比重的年均下降速度由高到底排序依次为：中部、西部、东北和东部地区，但各地区行业比重平均值的差别较小，说明作为国民经济先导行业的交通运输业，在带动经济发展方面的作用更加显著并趋于稳定。其中，中部地区行业比重以2.87%的年均速度由6.36%下降至

4.48%，对碳排放带来的累积影响程度仅次于经济发展水平因素，其他3个经济区行业比重变化对碳排放的累积影响程度均小于经济发展水平和能耗强度。

3.2.4 人口密度 研究期间，4大经济区的人口密度均呈现总体增长的趋势，对各地碳排放均产生了正向的累积效应。其中，东部、中部、东北和西部地区的人口密度依次递减，人口密度年均值分别为5.527 2、3.492 9、1.401 8和0.2 4 万人/万hm2。东部地区人口密度的增长速度最大，且东部与中部

68环境保护科学第 47 卷地区的人口密度逐年持续增长，促进了各年份碳排放量的增加。西部地区人口密度的年均增长率与中部地区相近，除2010年人口密度相比上一年下降外，其余年份人口密度的增加均对碳排放产生了促进作用。东北地区人口密度的年均增长速度最小，且2015～2017年人口密度不断下降，抑制了碳排放的增加，使得其对碳排放的累积影响虽为正向效应，但影响程度在各项因素中最小。

3.2.5 能源结构 除东北地区以外，碳排放强度和能源结构是对碳排放影响程度最低的两项因素。在能源结构方面，各地区油气及制品消耗比例显著高于煤炭及制品，东部、西部、中部和东北地区油气及制品消耗比例的年均值依次递减，分别为.66%、8

4.35%、83.31%和79.19%。其中，仅有西部地区油气及制品消耗比例以0.47%的年均速度呈现出微弱的上升趋势，其他3个经济区油气及制品消耗比例均有所下降。由于煤炭及制品消耗比例较低，其在增加时会表现出更高的变化率，因此东部、中部和东北地区煤炭及制品消耗比例上升增加的碳排放量大于其油气及制品消耗比例下降而减少的碳排放量。

3.2.6 碳排放强度 研究期间，东北地区煤炭及制品碳排放强度总体稍有增加，其年均值为0.702 9 tC/tce，略高于其他3个经济区煤炭及制品的年均碳排放强度，而东部、西部和中部地区煤炭及制品的碳排放强度均有所下降，且年均下降速度依次递减。4大经济区油气及制品碳排放强度均出现总体下降的趋势，其中西部地区下降速度最快，由0.5 1下降至0.553 0 tC/tce，且其碳排放强度年均值在4大经济区中最小，而东部地区油气及制品碳排放强度的年均值最大，为0.569 6 tC/tce。由于东北地区煤炭及制品碳排放强度的年均增加幅度小于其油气及制品碳排放强度的年均下降幅度，因此东北地区碳排放强度的变化对碳排放产生了负向的累积影响效应，其他3个经济区两类能源碳排放强度均下降则对碳排放也起到了抑制作用。

4 结论与讨论

本文测算了2005～2017年全国30个省级行政区（本次研究不含我国特别行政区、澳门特别行政区、地区和自治区）的交通运输业碳排放量，并在全国和4大经济区域2个层面，分析了碳排放的时空变化特征及其影响因素，研究主要结论如下。

（1）全国及4大经济区域交通运输业的碳排放量均呈现上升趋势，而上升速度总体有所下降。其中，东部地区累计碳排放量最大，其次依次为西部、中部和东北地区；中部地区碳排放量的年均增长速度最快，西部和东北地区次之，东部地区年均增长速度最慢；东部地区单位面积交通运输业碳排放量远高于其他3个经济区，而西部地区单位面积碳排放量最低且低于全国平均水平。

（2）全国交通运输业碳排放整体呈现出“东高西低”的空间分布状态，高排放量地区由东部向其他3个经济区逐渐扩展。在交通运输业碳排放空间分布的均衡程度方面，全国及东部、东北和中部地区的均衡程度有所提升，而西部地区的均衡程度总体呈现先下降后上升的趋势。同时，全国的均衡程度明显低于各个地区，中部地区的均衡程度显著高于其他3个经济区，而西部地区的均衡程度最低。

（3）在全国层面上，总体而言，经济发展水平、人口密度和能源结构的变化引起了交通运输业碳排放量的增加，能耗强度、行业比重和碳排放强度对交通运输业碳排放起到了抑制作用，且各因素按累积影响程度的大小排序依次为经济发展水平、能耗强度、行业比重、人口密度、碳排放强度和能源结构。

（4）在4大经济区域中，经济发展水平是对各地交通运输业碳排放累积影响最大的因素。能耗强度变化对东部、东北和西部地区碳排放起到了抑制作用，其影响程度仅次于经济发展水平。然而在中部地区，对碳排放累积影响效应仅次于经济发展水平的因素是行业比重，且各地区均因行业比重总体下降而对碳排放产生了负向的累积效应。与此同时4大经济区的人口密度均呈现总体增长的趋势，对碳排放起到了促进作用。除东北地区外，碳排放强度和能源结构是对碳排放累计影响作用最小的两项因素，其中能耗结构的变化仅造成了西部地区碳排放量的下降，而碳排放强度的变化使得各地碳排放量均有所减少。

综上可知，全国和各经济区域交通运输业碳排放的增长速度均得到了一定的控制。然而，西部、中部和东北地区与东部地区的经济发展水平具有较大的差距，且此差距总体呈现不断扩大的趋势，因此各地由经济发展引起的碳排放量仍会持续增加。由此可见，提高能源利用效率，推广使用清洁能源，并降低煤炭及制品的能耗比例，减小能源综

第 4 期黄羿　等：交通运输业碳排放的时空变化特征及影响因素——基于全国与经济区域层面69合碳排放强度，依然是推进全国交通运输业可持续发展的有效途径。同时，交通运输业碳排放空间分布的区域差异较大，各区域应根据碳排放特征及其影响因素，聚焦节能减排的重点工作，发挥区域协同作用，进一步推动交通运输业节能减排进程。具体而言，人口密度对东部地区碳排放的累积影响显著大于其他地区，且东部地区人口密度及其增长速度远高于其他地区，但是东部地区能耗强度在4大经济区中最低、下降速度最快，因此合理控制人口规模是东部地区应关注的重点。相对于东部地区，东北和西部地区的能耗强度在下降空间与速度方面均存在一定的潜力，东北地区还应在发展交通运输业的同时加快缩小碳排放强度的空间差异。碳排放年均增长速度最快的中部地区，因交通运输业增加值年均增速小于能耗年均增速而导致能耗强度有所增加，从而促进了碳排放量的增长，因此提升能源利用效率是中部地区减缓碳排放增长速度的关键。

参 考 文 献

[1] 生态环境部. 中国应对气候变化的与行动2018年度报告

[EB/OL]. (2018-11-29)[2020-06-05]. http://www.mee.gov.cn/ ywgz/ydqhbh/qhbhlf/201811/P020181129539211385741.pdf. [2] International Energy Agency. CO2 emissions from fuel combustion

highlights 2019[R]. Paris: International Energy Agency, 2019. [3] 潘秀. 我国交通运输业碳排放影响因素及预测研究[D]. 徐州:

中国矿业大学, 2018.

[4] 李若影. 基于空间计量模型的中国交通运输业碳排放影响因素

分析[D]. 西安: 长安大学, 2017.

[5] 王文琳. 中国省域交通运输碳排放强度的影响因素及空间收敛

性研究[D]. 西安: 长安大学, 2019.

[6] 赵小曼. 交通运输碳排放与行业经济关系的空间计量分析[D].

西安: 长安大学, 2019.

[7] 谢守红, 蔡海亚, 夏刚祥. 中国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）: 13 − 18.

[8] IPCC. 2006 IPCC guidelines for national greenhouse gas

inventories[R]. Hayama: Institute for Global Environmental Strategies, 2006.

[9] 袁长伟, 张倩, 芮晓丽, 等. 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, 2016, 36（12）: 4555 − 4562.

[10] 李玮, 孙文. 省域交通运输业碳排放时空分布特征[J]. 系统工

程, 2016, 34（11）: 30 − 38.

[11] 张陶新, 曾熬志. 中国交通碳排放空间计量分析[J]. 城市发展

研究, 2013, 20（10）: 14 − 20.

[12] 杨彬, 宁小莉. 新型城镇化视角下中国交通运输碳排放测度及

其空间格局分析[J]. 内蒙古师范大学学报(自然科学汉文版),

2015, 44（5）: 667 − 673.

[13] 宋京妮, 吴群琪, 袁长伟, 等. 基于地统计分析的中国省域交通

运输系统碳排放时空特征研究[J]. 气候变化研究进展, 2017,

13（5）: 502 − 511.

[14] 喻洁, 达亚彬, 欧阳斌. 基于LMDI分解方法的中国交通运输

行业碳排放变化分析[J]. 中国公路学报, 2015, 28（10）: 112 − 119.

[15] 年江. 中国交通运输行业碳排放影响因素研究[D]. 厦门: 厦门

大学, 2014.

[16] 高洁. 交通运输碳排放时空特征及演变机理研究[D]. 西安: 长

安大学, 2013.

[17] 张诗青, 王建伟, 郑文龙. 中国交通运输碳排放及影响因素时

空差异分析[J]. 环境科学学报, 2017, 37（12）: 4787 − 4797. [18] 闫紫薇. 中国交通碳排放的测算及其影响因素的空间计量分

析[D]. 北京: 北京交通大学, 2018.

[19] 黄羿, 常向阳. 低碳经济与交通运输业发展——基于国家中心

城市数据的实证研究[J]. 社会科学家, 2019（11）: 67 − 73. [20] 国家统计局. 东西中部和东北地区划分方法[EB/OL]. (2011-

06-13)[2020-4-20]. http://www.stats.gov.cn/ztjc/zthd/sjtjr/dejtj kfr/tjkp/201106/t20110613_71947.htm.

[21] 国家发展和改革委员会. 省级温室气体清单编制指南(试

行)[EB/OL]. (2014-01-13)[2020-04-20]. http://www.

cbcsd.org.cn/sjk/nengyuan/standard/home/20140113/download/s hengjiwenshiqiti.pdf.

[22] 赵荣钦, 黄贤金. 基于能源消费的江苏省土地利用碳排放与碳

足迹分析[J]. 地理研究, 2010, 29（9）: 10 − 19.

[23] 张帅. 基于RAM模型的交通运输碳排放及经济效率测度研

究[D]. 西安: 长安大学, 2018.

[24] 国家标准化管理委员会. 综合能耗计算通则: GB/T 25-

2008[S]. 北京: 中国质检出版社, 2008.

[25] 宋然平, 杨抒. 能源消耗引起的温室气体排放计算工具指

南[R]. 北京: 世界资源研究所, 2011.

[26] 陈飞, 诸大建. 低碳城市研究的内涵、模型与目标策略确定[J].

城市规划学刊, 2009（4）: 7 − 13.

[27] GINI C. Sulla misura della concentrazione e della variabilità dei

caratteri[J]. Atti Regio Istituto Veneto Tomo Parte II, 1914（260）: 1203 − 1248.

[28] 周思明. 公路运输业碳排放差异与减排评估[D]. 长沙: 湖

南大学, 2018.

[29] 欧元明. 中国省域碳排放比较研究[D]. 武汉: 华中科技大学,

2015.

[30] 杨丽杰, 宗刚, 焉华. 基于LMDI模型的北京交通碳排放驱动

因素研究[J]. 中国商贸, 2014（8）: 166 − 168.

[31] 曹甲威, 赵翠薇. 基于LMDI模型的贵阳市交通碳排放及其影

响因素分析[J]. 贵州科学, 2017, 35（1）: 55 − 61.

[32] 庄颖, 夏斌. 广东省交通碳排放核算及影响因素分析[J]. 环境

科学研究, 2017, 30（7）: 1154 − 1162.

[33] SOLAYMANI S. CO2 emissions patterns in 7 top carbon emitter

economies: the case of transport sector[J]. Energy, 2019, 168: 9 − 1001.

[34] KAYA Y. Impact of carbon dioxide emission control on GNP

growth: interpretation of proposed scenarios[R]. Paris: IPCC Energy and Industry Subgroup, Response Strategies Working Group, 19.

[35] ANG B W, LIU F L, CHEW E P. Perfect decomposition

techniques in energy and environmental analysis[J]. Energy Policy, 2003, 31（14）: 1561 − 156.

70环境保护科学第 47 卷