中国城市化进程中的城市道路交通碳排放研究

中国城市化进程中的城市道路交通碳排放研究

中国城市化进程中的碳排放具有增长快速的特征。中国城市正处于快速发展时期，经济的快速发展，人民生活水平日益提高，城镇居民人均交通消费支出占总消费性支出的比重不断增长（2009年比1990年就增加了十多倍②），居民出行需求和强度越来越大。城市人口的迅速膨胀，居民出行需求总量又会快速增加，将导致城市交通客运量的快速上涨。随着城镇化进程的加快，城市建成区面积不断扩大由此带来我国城镇居民出行距离的加大。私人汽车增长率居高不下（1999-2009年年均增长率为23.96%），使居民出行结构发生显著变化，越来越多私人汽车的出现，导致城市道路交通能源消耗越来越多。随着城市道路交通需求的不断增加，即使城市交通人均能耗目前仍远低于发达国家水平，但是增量快，增幅大，由此而产生的碳排放量将迅速增长。

许多学者对交通部门碳排放问题进行了研究。江玉林、姜克隽等指出如果不采取有效措施，2020年城市交通的终端能源消耗将占交通行业能耗量的46%［4］。吴文化预计交通领域将成为能源消费增长最快的终端用能领域［5］。国家发展和改革委员会能源研究所课题组的研究结论是交通部门将逐渐成为未来能源需求和碳排放增长的主要贡献者［6］。张陶新等的研究表明，2002-2007 年中国城市交通部门碳排放量的年均增长率明显高出高于同期全国碳排放量；中国各城市人均碳排放增长速度快慢不一，但总体上，中国城市交通碳排放量的增加很快，碳减排形势不容乐观［7］。牛文元认为中国应该在交通领域坚持走低碳发展之路［8］。蔡博峰等呼吁在清晰把握全国和区域碳排放水平的基础上，针对交通模式、燃料类型、发动机效率等方向提出交通领域的系统减排方案［3］。张陶新等对城市低碳交通的概念进行了剖析，并提出了中国城市低碳交通建设的三大战略方向和五项主要措施［7］。本文在已有文献基础上，进一步对中国城市化进程中影响城市道路交通碳排放的机制进行深入的考察，并对不同经济社会发展情景下城市道路交通碳排放进行预测分析，为政府制定城市交通碳减排政策提供理论依据。

1 研究方法

1.1 模型

1.1.1 基本模型

从城市化、经济发展、技术进步（广义）三方面选取城市化率、人均GDP、城市居民消费水平及交通能源强度（平均每车的化石能源消费量）等指标为自变量，以城市道路交通碳排放（后文简称碳排放）量为因变量，并分别以字母P、A、X、T、I表示，建立模型进行研究。

Ehrlich等人提出IPAT模型来分析人类活动对环境的影响［9］，随后又被进一步扩展为STIRPAT模型用于对碳排放影响的研究［10］：

I=aPbAcTde（1）

式中：a是模型系数， b、c和d分别为参数，e表示误差项，误差项包含了除P、A和T等自变量外的所有影响碳排放量的因素（如贸易能力、管理制度、消费行为等）。

在实际应用中，可根据需要在STIRPAT模型中增加社会或其它控制因素来分析它们对环境的影响［11］。因此，本文将模型（1）扩展为下面的形式：

I=aPαAβXγTδe

对上式两边取自然对数后就得到如下的基本模型：

LI=αLP+βLA+γLX+δLT+m+u（2）

其中：LI、LP、LA、LX、LT、m、u分别是变量I、P、A、X、T及系数a与误差项e的自然对数，α、β、γ、δ分别为长期均衡状态下城市化率、人均GDP、城市居民消费水平及交通能源强度对碳排放的弹性或生态弹性［11］。 （1）城市化率。城市化本质上是农村人口向城市转移集聚。第六次人口普查显示，2010年中国城市人口达到66 557.5万人，城市化率为49.68%，同2000年相比，城镇人口增加20 713.7万人，乡村人口减少13 323.7万人，相当于新产生了10.56个北京市大小的城市。人口大规模地迁入城市后,对城市交通运输需求快速增加，从而要消耗更多的化石燃料，导致碳排放量增加。本文将城市化率作为反映中国城市化进程的量http://wWW.LWlm.Com的指标纳入模型。

（2）城市居民消费水平。2009年城市居民消费水平是2000年的1.8倍多，随着城市居民消费水平的提高，越来越多的汽车进入家庭，对碳排放产生了直接的促进作用。

（3）人均GDP。人均GDP可以代表一个经济体的经济规模，大致反映经济体的经济发展水平。本文将人均GDP作为一个表征经济发展的指标纳入模型之中。

（4）交通能源强度。城市道路车辆每人公里或每吨公里化石能源消耗是用来度量城市道路交通化石能源强度较好的方法，但是目前获取中国城市道路车辆行驶里程、能耗、载客量或载货量等基础数据非常困难，本文用城市道路交通部门平均每车的化石能源消费量来度量城市道路交通能源强度，简称交通能源强度。同样数量的车辆，平均每车消耗的化石能源越少，相应的碳排放量就越少。降低道路交通领域碳排放的技术进步都能使交通能源强度降低，本文将它作为表征广义的技术进步的指标纳入模型。 本文运用协整方法考察碳排放量与各变量之间的长期均衡关系：

It=f(Pt,At,Xt,Tt) 第t年的碳排放It=Ct×N1t。这里Ct表示第t年中国化石能源消耗产生的CO2排放量，其数据来源于CDIAChttp://cdiac.ornl.gov/trends/emis/tre_coun.html；N1t表示第t年中国城市道路交通能源消耗占中国总能耗的百分比，其数据来源于世界银行

http://data.worldbank.org/indicator/IS.ROD.ENGY.ZS。由于到目前为止，中国城市道路交通所消耗的非化石能源数量相对极小，本文将城市道路交通的能源消耗量等同于化石能源消耗量，本文碳排放仅考虑城市道路交通部门因化石能源消耗产生的碳排放。 其它数据来源于《中国统计年鉴2010》

除了特别说明之外，GDP、人均GDP、城市居民消费水平等均以1978年的不变价格计算。。

本文采用向量自回归和向量误差修正理论，利用脉冲响应函数考察各经济与社会因素对碳排放的影响机制，并对碳排放进行预测。采用情景分析的方法，通过设定不同的经济社会发展情景，分析不同政策选择对城市交通部门未来碳排放的影响。 2 实证分析

2.1 数据处理

变量间的相关性。用SPSS17.0软件计算各变量之间的Pearson相关系数，结果表明，碳排放量与各变量之间都呈极强正线性相关。

变量间的因果关系。为防止出现伪相关问题，用Eviews6.0软件进行Granger因果关系检验，检验结果表明在5%的显著性水平上，P、A、X、T都是I的Granger原因。

由此可知，如下的函数关系式成立：

I=f(P, A, X, T)

2.2 弹性分析

本部分依据基本模型（2），对各变量之间的长期均衡关系进行考察，为了避免出现伪回归，应用协整方法进行分析。 使用SPSS17.0软件对自变量LA、LT、LX、LP进行共线性诊断，结果显示自变量之间存在严重的共线性。为了解决变量之间共线性问题，用因子分析法提取两个主成分Z1和Z2（Z1和Z2特征值的累积贡献率达到99.694%），代替原有4个指标变量进行回归，得到： R2=0.995，调整的R2=0.995，F=2 951.211，方差分析概率值为0.000。因此，模型（3）整体拟合很好，有统计学意义。对序列Z1和Z2以及模型（3）的残差用Eniews6.0进行单位根检验，检验的结果表明在1%的检验水平下，序列Z1和Z2以及模型（3）的残差是平稳的，方程（3）是协整方程。 LI=0.734 1LT+0.928 8LP+0.675 6LX+0.441 8LA-5.320 2+u（4）

从建模的各种检验结果可知模型（4）的模拟能力十分强，模型中各自变量回归系数均符合经济学意义检验，能够比较客观地反映碳排放与城市化率、人均GDP、交通能源强度、城市居民消费水平之间的长期均衡关系。 方程（4）表明，在长期均衡路径上要减少碳排放量，着力点首先应放在控制城市化的发展速度上，其次是降低交通能源强度，再就是降低城市居民消费水平增长和经济发展的速度。

尽管控制某一因素的增长速度可能显著减少碳排放量，但这并不意味着碳排放量一定会减少，还要取决于其它因素对碳排放量所起的作用。城市道路交通碳减排的战略制定或政策调整不能仅关注个别因素的静态影响，还应从动态的角度统筹考虑。

2.3 影响碳排放的机制

2.3.1 VAR模型

由前面对变量LI、LA、LT、LX、LP的有关检验可知，可以建立有意义的VAR模型，因篇幅所限，下面仅列出VAR模型中LI的方程： +0.750 4LI(-2)+2.469 5LP(-1)-1.261 5LP(-2) VAR模型估计结果的特征根都位于单位圆内，因此模型是稳定的。AIC与SC都很小，滞后阶数恰当。方程的R2以及调整的R2都在0.996以上，另外，对VAR模型的滞后排除检验结果表明，VAR模型里的每一个方程中，所有的第1阶滞后内生变量是联合显著的，而且VAR模型5个方程（另外4个方程未能列出）中，所有的第1阶滞后内生变量也是联合显著的。从建模的各种检验结果可知，模型模拟能力非常强。

2.3.2 碳排放影响机制

通过VAR模型，利用脉冲响应函数来了解各因素的动态作用机制。由于本文主要分析各因素对碳排放量的作用机制，因此下面重点讨论各因素对碳排放的作用机制。

图1显示了LI对变量LX、LP、LA、LT、LI的冲击的响应，其横轴表示冲击作用的滞后期数（单位：年），纵轴表示脉冲响应函数值的大小（单位：%）。

城市化率与碳排放。图1显示，如果给城市化率一个

图1 LI对变量LI、LP、LT、LA、LX的一个Cholesky标准差新息的响应①

Fig.1 Response for LI to Cholesky S.D.Innovations of LI, LP, LT, LA, LX

正向冲击，将导致城市化率对碳排放量的弹性在随后2年内上升，接下来的2年有所下降，然后是逐年上升。因此，随着城市化进程的加快，碳排放也会快速上升。

交通能源强度与碳排放。从图1可以看出，对来自LT的冲击，LI的响应首先是逐渐减弱的，在第6年后趋于稳定。这一结果的经济含义是，如果给交通能源强度增长率一个正向冲击，会导致交通能源强度对碳排放量的弹性在随后三年内上升，但上升幅度是逐渐降低的，在第4年不升反降，随后碳排放量的增长率有所上升并逐渐保持稳定。因此，交通能源强度增长率的提高，其效果是使碳排放有较大的即时提高，但持续性较弱。降低交通能源强度的长期战略的总体效果将使其对碳排放的弹性降低，使碳排放量增长速度得到抑制。 人均GDP与碳排放。图1显示，对来自LA的冲击，LI的响应首先是负向逐渐增强，在第4期达到负向最大，然后负向减少。这一结果表明，如果给人均GDP一个正向冲击，那么人均GDP对碳排放量的弹性在随后各年逐年下降，这有利于保持较高的人均GDP增长率而不使碳排放增长率增加。

各变量的冲击不仅对碳排放量会产生即期和后期的影响，而且不同冲击的重要性也不一样。下面通过方差分解的方法来分析各因素对碳排放量变动的贡献大小。

图2中，横轴表示方差分解的时期数（单位：年），纵轴表示各变量对LI变化的贡献率。图2显示，除了碳排放自身外，交通能源强度对碳排放量的贡献最大。此外，在前5期，城市居民消费水平较大，第6期开始，城市化率的贡献仅次于交通能源强度，人均GDP对碳排放的贡献率总体来说较小。由此可知，短期内，城市化率并不是导致碳排放增长的主要因素，但在长期将对碳排放产生最为重要的影响。因此，如何稳步推进城市化从而有利于中国城市道路交通碳减排战略目标的实现，值得人们思考。交通能源强度虽然是碳排放的重要影响因素，但从长期来看没有超过碳排放本身所起的作用，意味着在没有外界冲击的情况下，碳排放在长期内将会按其自身规律发展，产生碳排放量增加的强化效应，这说明选择什么样的宏观政策将对中国城市道路碳减排起重要的作用。

2.3.3 各因素对碳排放的短期动态影响

根据前面的有关检验可知，由VAR模型可以导出有意义的VEC模型，在VEC模型的5个方程中提取△LI方程如下: 碳排放的短期变动分为两部分：一部分是由于短期滞后1期的各变量变动的影响；另一部分是由前一期碳排放偏离长期均衡关系（即ECM(-1)）的影响。

城市居民消费水平滞后1期的波动对当期碳排放的弹性为-0.041 8，说明前期通过政府干预，调整城市居民消费结构而降低城市居民消费水平将会提高当期碳排放量，这与长期均衡下能明显降低碳排放的效果不同。

人均GDP滞后1期的波动对当期碳排放的弹性为0.710 3，比起其长期均衡弹性0.441 8，人均GDP滞后1期对当期碳排放极富弹性，前一期人均GDP增长率的提高，将极大地促使当期碳排放量的上升。 3 预测与情境分析

3.1 预测

以2005年的实际数据为基础， 根据模型（5），运用Matlab软件编写相应的程序对2006-2008年的中国城市道路交通碳排放量及其影响因素的值进行模拟，并对2009-2030年的值进行预测。由一切照常情景（BAU）下预测的结果碳排放量预测值见图3，其它因素的预测值未能详细列出（仅在后文需要时用到），读者可向作者索取。可知，如果继续延续中国2008年以前的经济社会发展模式（BAU情景），碳排放及其影响因素按其原有规律发展，那么，到2030年，中国城市道路交通碳排放量达到7.72亿 t，是2008年的7.54倍，而且其增长趋势十分强劲。显然，这是不可持续的。下面根据前文的分析，对碳排放的各影响因素进行设定，考察在外力干预下的中国城市道路交通碳排放变化情况。

3.2 情景分析 人均GDP。根据实证分析结果，综合已有的研究［6,13］，设定节能情形下各区间人均GDP的年均增长率分别为7.84%、7.19%、6.95%、5.0%、3.67%。与文献［14］类似，为使计算简便，在此基础上分别向下浮动1与1.5个百分点得到低碳与强化低碳情景下的人均GDP的年均增长率。 交通能源强度。1978-2008年的交通能源强度年均降低3%，根据BAU下的预测结果，BAU情形中2010-2015年的交通能源强度年均降低4.9%，2016-2020年的交通能源强度年均降低3.8%，结合前面的实证分析，设定节能情景下，各区间的交通能源强度年均下降率分别为5.9%、5.4%、4.9%、4.5%、4.0%。在此基础上，分别向下浮动1与2个百分点作为低碳与强化低碳情景中相应年份的交通能源强度年均下降率。 根据上面对各因素增长率的设定，以及协整模型（4），运用Matlab软件编写相应的程序运算，得到各情景中2009-2050年各年的中国城市道路交通碳排放量（见图3）。 低碳情景下的中国城市交通碳排放量分别为9.015 8、4.812 6、2.787 1亿t碳，强化低碳情景下的中国城市交通碳排放量大约相当于美国1989年的碳排放量。 4 结论与启示

本文以1978年以来的数据为基础，运用协整与VAR及VEC方法分析了中国人均GDP、城市化率、城市居民消费水平、交通能源强度及碳排放等变量之间的长期均衡关系和动态作用机制，并进行模拟预测和碳排放情景分析。在没有外界冲击的情况下，碳排放将遵循自身的发展规律，中国经济社会无法可持续地发展；外界冲击的强弱不同，中国道路交通碳排放水平差异很大。基于本文的研究，可以得到如下结论与启示： （2）不同的发展理念和政策与技术的组合，可以使城市道路交通碳排放发生重大变化。本文通过对城市化率、交通能源强度、城市居民消费水平和人均GDP的增长幅度作不同的组合，强化低碳情景下的中国城市道路交通碳排放量年均增长率不到节能情形下的一半。

（3）政府的主导，广大居民的碳减排意识及其行动是城市道路交通碳减排的关键。城市化率、交通能源强度、城市居民消费水平和人均GDP是影响城市道路交通碳排放的主要因素，靠市场本身的发展来转变这些因素的发展方式从而达到碳减排，其过程漫长代价巨大，需要发挥政府的主导作用，进行积极干预和调整。从各因素对碳排放量变动的贡献来看，中短期政策调整的重点应放在交通能源强度对碳排放的影响上，长期战略调整的重点应放在城市化率和交通能源强度对碳排放量的影响上。 政府通过加大政策创新力度和推进技术进步，采取提高燃油经济性标准、开发车用替代燃料、融合协调城市土地利用与交通规划、发展智能交通系统、引导私人汽车使用等等基于机动车、燃料、道路和出行需求的政策措施，可以有效降低城市道路交通车均化石能源消耗量（交通能源强度），交通能源强度每变动1%，城市道路交通碳排放会同向变动0.734 1%。 在城市居民消费水平刚性增长的情况下，培育居民合理的消费理念和低碳出行习惯，调整消费结构，降低交通消费占消费支出的比重，广大居民都能将减少碳排放的意识转化为行动，多走路、多骑自行车、多使用公交车，改善汽车驾驶习惯等等，将使城市道路交通碳排放量大大降低。