基于lmdi的区域交通运输能源发展研究.docx

基于lmdi的区域交通运输能源发展研究 摘要：协调黄河流域交通能源消耗与碳排放间关系，是具有重要时效性和紧迫性的问题。为探讨区域交通碳排放影响因素和趋势，本文运用LMDI法对各项驱动因素进行分解，构建扩展STIRPAT模型预测不同情景下碳排放趋势。结果表明:1998—2017年区域交通运输碳排放呈现“持续上升—快速下降—波动上升”趋势;人均GDP和人口规模对碳排放起促进作用，交通运输强度、单位周转量能耗和交通能源强度对碳排放增长起抑制作用;不同情景下交通运输碳排放存在明显差异，保持人口低增长、经济水平高增长和技术水平高增长情景可能最符合未来发展趋势。因此，优化产业结构、加快新能源汽车推广和改进交通运输标准化等应当作为未来流域交通运输碳减排的主要路径。 引言GCP (全球碳计划组织)发布《2019年全球碳预算》显示，2009—2018年中国碳排放量以连续世界第一和年均2.2%的增长速度主导着全球变暖趋势黄河流域在全国经济发展格局中具有重要地位，同时是全球变暖的重要典型区域1、交通运输碳排放影响因素经以往学者研究发现，交通运输碳排放影响因素主要有人口规模、城市规划、城市化水平、经济增长、人均GDP、交通运输结构、交通能源强度和单位周转量能耗等方面，但不同区域受影响程度和方向有所差异。Zhu和Gao从方法论角度看，以上研究通常结合IPAT模型、Kaya模型构造扩展新恒等式，建立交通碳排放量与影响因素间的数量关系，进而运用对数平均权重分解法(LMDI)模型、投入产出结构分解(IOSDA)模型、自回归分布滞后(ARDL)模型、STIRPAT模型进行分析。其中，对数平均权重的LMDI因素分解法不仅可以解决零值和残差的问题，而且满足“完美分解方法”其他条件2、交通运输碳排放预测学术界采取的主要方法有LEAP(长期能源替代计划系统)模型和STIRPAT模型两种。除此之外，情景分析作为辅助预测方法，通过设计不同的情景来确定最优碳减排情景，常常与LEAP模型或STIRPAT模型结合。Ma等3、现有研究存在的不足当前研究可能依然存在以下局限:(1)在核算范围上，交通运输能源消费核算存在一定偏差，相当多的文献对交通运输能源消耗核算局限于煤炭、柴油、原油和天然气等几种能源，由于不同年份各省份交通运输能源消费品种存在不同差异，以往研究在核算上可能不准确或存在低估。(2)在研究方法上，LMDI方法能对各影响因素进行精确分解，但当某项影响因素变化时，不能具体反映碳排放与其影响因素间变动响应关系。(3)在研究区域上，当前对长江经济带交通运输碳排放关注较多本文研究建立在以往文献基础上，为弥补LMDI方法无法度量弹性的不足和补充区域交通碳排放影响因素的具体作用机制，引入STIRPAT模型来揭示碳排放与更深层次影响因素间变动响应关系。因此，本文使用能源平衡表测算1998—2017年黄河流域交通运输碳排放量，运用LMDI法对碳排放量各项驱动因素进行分解，构建扩展STIRPAT模型对影响因素进一步分析和预测不同情景下碳排放趋势，以期为调控黄河流域交通运输碳排放提供科学的决策支持。研究设计1、碳排放的核算方法交通部门碳排放测算方法分为“自上而下”投入产出的宏观方法和“自下而上”过程分析的微观方法。自下而上的测算方法需考虑不同交通类型的行驶里程与单位行驶能耗等数据，这些数据并不包含在中国现有的统计体系内，且不同省份交通运输能源消费品种有较大差异。为保证评估结果的准确性，本文采用自上而下的方法测算交通运输能源消费碳排放量:式中，E2、IPAT与KAYA模型IPAT模型将环境问题与人为驱动力因素相结合，体现出人口规模、经济水平和技术水平三项水平对生态环境所影响的程度区域环境生态系统的影响I归因于人口规模P和经济水平A，并被支持这种经济水平的特定技术水平T所破坏，学术界常将碳排放量作为测量环境影响I的重要指标之一KAYA模型在IPAT的基础上，通过构造链式乘积的形式将碳排放与人口规模、人均GDP和能源强度等因素互相联系式中，C、E、GDP和P分别表示碳排放量、能源消耗量、国内生产总值以及人口规模。3、LMDI分解模型本研究在KAYA模型基础上将交通运输碳排放影响因素扩展为:式中，TT为折算后的运输周转量;C/E为交通能源强度，即交通运输单位能源消费所释放碳排量，该比值与行业能源结构密切相关;E/TT为单位周转量能耗，即交通运输总周转量单位能耗，反映行业节能减排技术水平;TT/GDP为交通运输强度，即单位GDP交通运输总周转量，反映交通运输效率的高低;GDP/P为地区人均GDP;P为人口数量。根据Ang等ΔC由5个部分组成:交通能源强度效应ΔCE、单位周转量能耗效应ΔET、交通运输