中国海洋交通运输业的碳排放与行业经济增长的关系及其驱动因素

邹乐 曹俐

摘要：为进一步减少中国海洋交通运输业的碳排放 ，促进海洋交通运输业的绿色高质量发展 ， 文章基于中国沿海地区海洋交通运输业的相关数据 ， 测算中国海洋交通运输业的碳排放量 ， 并运用脱钩弹性模型分析海洋交通运输业的碳排放与行业经济增长的脱钩关系;利用 LMDI模型 ， 从碳排放强度、产业结构和行业规模3个方面研究中国海洋交通运输业碳排放的驱动因素。研究结果表明：2001-2017年中国海洋交通运输业的碳排放与行业经济增长的脱钩状态持续动态变化 ， 其中2008年和2013年为强脱钩状态即最理想状态 ， 2009年和2016年为强负脱钩状态即最不理想状态;中国海洋交通运输业的碳排放量整体呈现增长趋势 ， 碳排放强度促进碳排放量的增长但影响不大 ，行业规模是碳排放量增长的主要驱动因素 ，产业结构是碳排放量减少的主要驱动因素。

关键词：海洋交通运输业;碳排放;节能减排;产业结构;行业规模

中图分类号：F552;U6-9;P74      文献标志码：A       文章编号：1005-9857（2021）12-0011-07

The Relationship Between the Carbon Emissions of China's Marine Transportation Industry and the Economic Growth of the Industry and Its Driving Factors

ZOU Le， CAO Li

（College of Economics and Management， Shanghai Ocean University， Shanghai 201306，China）

Abstract： In order to further reduce the carbon emissions of China's marine transportation industry and promote the green and high-quality development of the marine transportation industry， this paper calculated the carbon emissions of China's marine transportation industry based on the relevant data of the marine transportation industry in coastal areas of China， and used the decoupling elastic model to analyze the decoupling relationship between the carbon emissions of the marine transportation industry and the economic growth of the industry. By using the LMDI model， the driving factors of China's marine transportation industry carbon emissions were studied from 3 aspects： carbon emission intensity， industrial structure and industry scale. The results showed that the decoupling of carbon emissions from China's marine transportation industry from 2001 to 2017 had continued to change dynamically. The strong decoupling states in 2008 and 2013 were the most ideal state， and the strong negative decoupling states in 2009 and 2016 were the most unsatisfactory state. The overall carbon emissions of China's marine transportation industry had shown an increasing trend. The intensity of carbon emissions had promoted the growth of carbon emissions but with little effect. The scale of the industry was the main driving factor for the growth of carbon emissions， and the industrial structure was the main driving factor for the reduction of carbon emissions.

Keywords： Marine transportation， Carbon emissions， Energy saving and emission reduction， Industrial structure， Industry scale

0 引言

海洋交通運输业是海洋经济的支柱产业，对进出口贸易和滨海旅游业的发展具有重要的支撑作用。根据国际海事组织（IMO）第四次温室气体研究报告结果 ，2012—2018年国际海运温室气体排放量从9.77亿 t增加到10.76亿 t，预计2050年二氧化碳排放量将比2018年增长约50%[1]。经济发展需求的增加导致海洋交通运输业的碳排放量不断增长，随着中国提出碳达峰和碳中和的目标，绿色、低碳、循环和可持续的经济发展方式逐渐深入人心[2]。因此，深入研究中国海洋交通运输业碳排放与行业经济增长的关系，进一步探究海洋交通运输业碳排放的驱动因素，对中国海洋交通运输业的绿色高质量发展具有重要意义。

目前学者们在碳排放领域已取得一定的研究成果。①海洋交通运输业的碳排放测算。在测算方法方面 ， Hao等[3]基于货运周转量、发动机运行和船舶活动的3种方法，估算2006—2012年中国内河、沿海和海洋货运的二氧化碳排放量，提出海洋货运是水运二氧化碳排放量的最大来源;在预测碳排放趋势方面，周玲玲等[4]建立碳排放量测算和预测模型，对2010—2050年中国海运碳排放量进行预测;在碳排放效率方面，董梦如等[5]在测算中国海洋交通运输业的碳排放量后，又对碳排放效率进行分析，提出中国海洋交通运输业的碳排放效率整体处于低效率状态;在贸易自由化对碳排放的影响方面，Le等[6]分析贸易自由化对海洋交通运输业碳排放量的影响，提出贸易规模效应促使亚洲发展中国家海洋交通运输业的碳排放量出现较大增长。②碳排放与经济增长的关系及其驱动因素。碳排放主要来自能源消费，孙叶飞等[7]利用脱钩模型和 LMDI分解模型分析中国能源消费的碳排放与经济增长的脱钩关系及其驱动因素，提出脱钩关系主要呈现 M型波动特点，能源强度和经济发展是主要的驱动因素;在海水养殖业方面，曹俐等[8]利用脱钩模型研究中国海水养殖的净碳汇量与经济发展的脱钩关系，提出中国沿海地区的脱钩状态参差不齐 ， 且以“强脱钩”和“弱脱钩”为主;在交通运输业方面，吴雯等[9]通过 LMDI分解模型研究中国中部地区交通运输业碳排放的驱动因素，提出碳排放量增加的主要驱动因素是经济增长，而能源强度降低有利于减少碳排放量。③海洋交通运输业的碳减排措施。在降低航速方面 ， Corbet等[10]基于利润最大化方程研究船舶降低航速对实施碳减排的成本效益，提出降低航速是船舶运营商减少二氧化碳排放量的合适选择。在优化航线配船方面， 薛颖霞等[11]建立双目标规划模型，并求解得到优化的航线配船方案。在岸电利用方面，吴俊妮等[12]构建博弈模型研究靠港船舶使用岸电产生的环境和经济效益。除港口和船舶运营外，有学者从市场规制和政策激励视角开展相关研究。赵悦[13]通过碳税分担模型研究航海碳税对海洋交通运输业的影响，提出航海碳税能够有效减少碳排放量;周鑫等[14]分析碳排放交易机制对港口节能减排的影响，提出碳排放交易政策将显著减少港口的碳排放量;朱寿成[15]针对将中国海洋航运业碳排放交易纳入上海市碳交易试点进行政策模拟评估，提出当航运业免费配额高于97%时可获得相应的减排盈利。

综上所述 ， 目前的研究多集中于海洋交通运输业的碳排放测算和碳减排措施 ， 在研究碳排放与经济增长的关系及其驱动因素方面也较少涉及海洋交通运输业。因此 ，本研究基于中国沿海11省（自治区、直辖市）海洋交通运输业的相关数据 ，测算中国海洋交通运输业的碳排放量 ，并运用脱钩弹性模型分析海洋交通运输业的碳排放与行业经济增长的脱钩关系;进一步利用 LMDI模型 ， 从碳排放强度、产业结构和行业规模3个方面研究海洋交通运输业碳排放的驱动因素 ，并提出对策建议。

1 中国海洋交通运输业的碳排放与行业经济增长的脱钩关系

1.1 海洋交通运输业的碳排放量

由于无法直接获得中国海洋交通运输业的各类能源消耗量和碳排放量 ，本研究參考董梦如等[5]的测算方法 ，首先测算沿海地区交通运输业的碳排放总量 ，然后以海洋交通运输货物和旅客周转量在交通运输货物和旅客周转总量中的占比为权重 ，测算海洋交通运输业的碳排放量。

基于政府间气候变化专门委员会（IPCC）的碳排放量测算方法 ，本研究采用自上而下的碳排放量测算方法。根据数据的可获得性 ，选取原煤、汽油、煤油、柴油、燃料油和天然气6种能源测算沿海地区交通运输业的碳排放总量 ，测算公式为：

式中：TC表示沿海地区交通运输业的碳排放总量; Xij表示沿海地区i第j种能源的最终消耗实物量; Kj表示第j种能源折算成标准煤的参考系数; Fj 表示第j种能源的碳排放系数。

海洋交通运输业的碳排放量测算公式为：

式中：C 表示中国海洋交通运输业的碳排放量; Ci 表示沿海地区i海洋交通运输业的碳排放量; Fi 、 Pi 和Ti分别表示沿海地区i的海洋货物周转量、海洋旅客周转量和交通运输周转总量;λ表示将旅客周转量折算为货物周转量的折算系数 ， 取值为0.125[5]。

能源消耗数据和各种能源折算成标准煤的参考系数来自《中国能源统计年鉴》，碳排放系数来自 IPCC公布的《国家温室气体排放清单指南》， 海洋货物周转量和海洋旅客周转量数据来自《中国海洋统计年鉴》，交通运输周转总量数据来自《中国交通年鉴》。

1.2 脱钩的概念和理论模型

脱钩理论最早源自物理学领域 ， 表示2个或多个物理量相互关系的弱化或消失[7]。 2002年经济合作与发展组织（OECD）将其引入经济发展和环境污染的研究领域。 2005年芬兰教授Tapio提出脱钩弹性的概念并构建脱钩弹性模型为：

式中：δ表示脱钩弹性;C 和 G分别表示碳排放量和地区生产总值;%ΔC 和%ΔG分别表示碳排放量和地区生产总值的变化率;ΔC 和ΔG分别表示碳排放量和地区生产总值的变化量。

根据数值范围 ， Tapio进一步将脱钩状态细分为8个类型（表1）。

由表1可以看出：最理想状态为强脱钩状态 ，表示在经济增长的同时碳排放量减少 ， 即经济发展和环境保护达到良性协调;最不理想状态为强负脱钩状态 ，表示在经济衰退的同时碳排放量增加 ， 即碳减排压力持续上升。

本研究借鉴上述脱钩弹性模型 ， 构建中国海洋交通运输业的碳排放与行业经济增长的脱钩弹性模型：

式中：6表示脱钩弹性;MC表示海洋交通运输业的碳排放量;Y 表示海洋交通运输业的总产值;ΔMC 和%ΔMC分别表示海洋交通运输业碳排放量的变化量和变化率;ΔY 和%ΔY分别表示海洋交通运输业总产值的变化量和变化率。

海洋交通运输业的总产值数据来自《中国海洋统计年鉴》。为剔除通货膨胀因素的影响 ， 以2000年为基期的 GDP平减指数对海洋交通运输业的总产值数据进行平滑处理。

1.3 实证结果

计算2001—2017年中国海洋交通运输业的碳排放与行业经济增长的脱钩弹性 ，并确定其脱钩状态（表2）。

2001—2017年中国海洋交通运输业的碳排放与行业经济增长的脱钩状态持续动态变化。2008年和2013年为强脱钩状态即最理想状态 ， 表明海洋交通运输业的总产值增加而碳排放量减少;2001年、2012年和2015年为弱脱钩状态 ，表明海洋交通运输业的总产值增加但碳排放量也在增长 ，且碳排放量增速较慢;2002年、2007年和2010年为增长连结状态 ，表明海洋交通运输业的碳排放量增速加快 ， 并逐渐与总产值增速相当;2003—2006年、2011年、2014年和2017年为增长负脱钩状态 ，表明随着海洋交通运输业的总产值增加 ，碳排放量也不断增长 ， 且碳排放量增速已超过总产值增速;2009年和2016年为强负脱钩状态即最不理想状态 ，表明海洋交通运输业的总产值减少但碳排放量增加 ，行业碳减排压力持续上升。

根据2001—2017年中国海洋交通运输业的碳排放与行业经济增长的脱钩状态变化趋势 ， 可将该时期大致划分为5个时间段。①2001—2006年。由2001年的弱脱钩状态转变为2002年的增长连结状态 ，2003—2006年恶化到持续的增长负脱钩状态。2001年中国加入世界贸易组织后 ，外向型经济高速发展 ，进出口贸易持续繁荣 ， 进而逐渐增加对海洋交通运输业的需求 ，使海洋交通运输业的碳排放量不断增长;而此时中国社会发展的主线是促进经济增长 ，在交通运输工具能效和碳减排方面的改善较慢 ，导致海洋交通运输业的碳排放与行业经济增长的脱钩状态由弱脱钩状态转变为增长连结状态又转变为增长负脱钩状态。②2007—2008年。2007年美国次贷危机和全球金融危机对中国进出口贸易的影响较大 ，相应减少对海洋交通运输业的需求 ，使海洋交通运输业的碳排放量不断减少 ， 至2008年改善为强脱钩状态。③2009—2011年。2009年全球经济开始复苏 ， 中国进出口贸易也逐渐回暖 ，刺激海洋交通运输业的发展 ， 使海洋交通运输业的碳排放量不断增长 ，至2011年恶化为增长负脱钩状态。④2012—2015年。2011年交通运输部和财政部发布《公路水路交通运输节能减排“十二五”规划》和《交通运输节能减排专项资金管理暂行办法》，鼓励交通运输业的节能减排 ，促进海洋交通运输业提高碳排放效率 ，使脱钩状态整体呈现弱脱钩状态 ， 部分年份甚至出现强脱钩状态。⑤2016—2017年。受海外市场复苏乏力和中国综合生产成本不断提升的影响 ，2016年中国进出口贸易总额的负增长导致对海洋交通运输业的需求减少 ， 然而海洋交通运输业的减排速度却不及产业调整速度 ，使脱钩状态转变为强负脱钩和增长负脱钩状态 ，海洋交通运输业的节能减排工作面临更大的挑战。

2 中国海洋交通运输业碳排放的驱动因素

根据上述分析结果 ， 2001—2017年中国海洋交通运输业的碳排放与行业经济增长的脱钩关系并不稳定 ， 随着时间的推移在弱脱钩、增长连结、增长负脱钩、强脱钩和强负脱钩状态持续动态变化。本研究引入 Kaya模型和 LMDI模型 ， 探究中国海洋交通运输业碳排放的驱动因素。

2.1 Kaya模型

日本教授YoichiKaya于1989年在 IPCC會议上提出 Kaya恒等式的概念 ， 主要用于研究人口、政策和经济等因素与碳排放之间的联系。模型表达式为：

式中：C 表示碳排放量;E表示能源消耗量;G表示经济产值;P表示人口数量。

本研究根据海洋交通运输业的实际情况 ，参考 Kaya恒等式构建分解模型：

式中： Ct 表示t 时期海洋交通运输业的碳排放量; Yt表示t时期海洋交通运输业的总产值; Qt 表示t时期海洋交通运输业的周转量 ， 反映海洋交通运输业的行业规模; CIt =Ct/Yt  ，表示 t 时期海洋交通运输业单位产值的碳排放量 ， 反映海洋交通运输业的碳排放强度; ISt =Yt/Qt  ，表示 t 时期海洋交通运输业单位周转量的产值 ， 反映海洋交通运输业的产业结构。

由于无法直接获得海洋交通运输业的周转量数据 ，使用《中国海洋统计年鉴》中的海洋货物周转量和海洋旅客周转量数据 ，经加权折算得到[5]。

2.2 LMDI模型

根据 LMDI模型 ， 对式（6）进行计算 ， 得到从 t+1时期到 t 时期的碳排放量变化量。计算公式为：

ΔC=Ct+1- Ct =ΔCci +ΔCis +ΔCq     （7）

式中：ΔC 表示海洋交通运输业的碳排放量变化量（总效应）; Ct+1和 Ct 分别表示t+1时期和 t 时期海洋交通运输业的碳排放量;ΔCci、ΔCis 和ΔCq分别表示由碳排放强度效应、产业结构效应和行业规模效应引起的碳排放量变化量。

参考 Ang[16]的方法 ，使用对数平均权重Divisia分解法可得：

经计算 ， 2001—2017年碳排放强度、产业结构和行业规模对中国海洋交通运输业碳排放的贡献值和贡献率如表3和图1所示。

2001—2017年中国海洋交通运输业的碳排放总效应除2008年和2013年为负值外，其他年份均为正值。2001—2013年整体呈现 M 型波动趋势， 2013—2017年主要呈现 N 型波动趋势，表明海洋交通运输业的碳排放量整体呈现增长趋势，碳减排工作任重道远。①碳排放强度效应。碳排放强度效应的贡献值有8个年份为负值，累计贡献值为正值， 累计贡献率仅为15.27%，表明碳排放强度促进海洋交通运输业碳排放量的增长但影响不大，海洋交通运输业的碳排放强度有待进一步提高。②行业规模效应。行业规模效应仅有3个年份为负值，累计贡献值超过总效应，累计贡献率达106.58%，表明海洋交通运输业的行业规模是碳排放量增长的主要驱动因素， 且超过另外2个驱动因素之和。③产业结构效应。产业结构效应有10个年份为负值，累计贡献值为负值，累计贡献率为-21.85%，表明海洋交通运输业的产业结构是碳排放量减少的主要驱动因素。近年来中国海洋交通运输业的产业结构升级为行业节能减排作出积极贡献，未来仍须加大政策扶持和推进技术进步，助力产业结构持续快速升级，充分发挥其碳减排的潜力，进一步减少海洋交通运输业的碳排放量。

3 结语

本研究基于中国沿海11省（自治区、直辖市）海洋交通运输业的相关数据，测算中国海洋交通运输业的碳排放量，并运用脱钩弹性模型分析海洋交通运输业的碳排放与行业经济增长的脱钩关系;进一步利用 LMDI模型，从碳排放强度、产业结构和行业规模3个方面研究中国海洋交通运输业碳排放的驱动因素。研究结果表明：2001—2017年中国海洋交通运输业的碳排放与行业经济增长的脱钩状态持续动态变化 ， 3个驱动因素的影响各不相同。①中国海洋交通运输业的碳排放与行业经济增长的脱钩状态2008年和2013年为强脱钩状态即最理想状态 ，表明海洋交通运输业的总产值增加而碳排放量减少;2009年和2016年为强负脱钩状态即最不理想状态 ，表明海洋交通运输业的总产值减少但碳排放量增加 ，行业碳减排压力持续上升。 2016—2017年中国海洋交通运输业的减排速度不及产业调整速度 ，使脱钩状态转变为强负脱钩和增长负脱钩状态 ，海洋交通运输业的节能减排工作面临更大的挑战。②中国海洋交通运输业的碳排放量整体呈现增长趋势 ，碳减排工作任重道遠。碳排放强度促进海洋交通运输业碳排放量的增长但影响不大 ， 海洋交通运输业的碳排放强度有待进一步提高;海洋交通运输业的行业规模是碳排放量增长的主要驱动因素 ，且超过另外2个驱动因素之和;海洋交通运输业的产业结构是碳排放量减少的主要驱动因素 ，产业结构升级为行业节能减排作出积极贡献。

基于研究结果 ， 提出3项建议。①加快节能减排技术创新 ，推广清洁能源普及利用。鼓励和支持海洋交通运输业的节能减排技术创新 ， 积极推广电力、天然气和生物质能等低碳清洁能源在港口集装箱卡车和船舶中的普及利用 ，减少海洋交通运输业的能源消耗和碳排放。②加强部门协调联动 ， 提高能源使用效率。加强船舶、港口和海关等多部门的协调联动 ，缩短船舶靠港时间;推进岸电技术在靠港船舶中的应用 ， 尽可能减少非生产性的能源消耗;加快改造或淘汰高耗能和高排放的老旧集装箱卡车和船舶 ，进一步提高海洋交通运输业的能源使用效率。③加强节能减排制度建设 ， 引导行业低碳绿色发展。积极推进海洋交通运输业节能减排长期规划的制定 ，采用资金补贴的经济激励手段和政策法规的行政约束手段共同引导行业低碳绿色发展;鼓励金融机构在联合国《可持续蓝色经济金融倡议》下为海洋交通运输业提供绿色金融服务 ， 探索碳税和碳排放交易在海洋交通运输业节能减排中的应用;促进产业结构持续快速升级 ， 进一步减少海洋交通运输业的碳排放量 ， 推进海洋交通运输业的绿色高质量发展。

参考文献

[1]  IMO. FourthIMO GHG study[M]. Delft：MEPC 75，2020.

[2] 张友国 ，窦若愚 ， 白羽洁.中国绿色低碳循环发展经济体系建设水平测度[J].数量经济技术经济研究 ，2020，37（8）：83-102.

[3]  HAO H ， GENG Y， OU X. Estimating CO2 emisions fromwater transportation of freight in China [J]. International Journal of Shipping & Transport Logistics， 2015， 7（6）：676-694.

[4] 周玲玲 ，顾阿伦 ， 叶薇倩 ， 等.中国未来国际海运 CO2排放量预测[J].清华大学学报（自然科学版） ，2012，52（8）：1125-1129.

[5] 董梦如 ，韩增林 ，郭建科.中国海洋交通运输业碳排放效率测度及影响因素分析[J].海洋通报 ，2020，39（2）：169-177.

[6]  LEE T C， LAM J S L， LEE T W. Asian economic integrationand maritimeCO2 emisions[J]. Transportation Research Part D：Transportand Environment，2016，43（3）：226-237.

[7] 孙叶飞 ，周敏.中国能源消费碳排放与经济增长脱钩关系及驱动因素研究[J].经济与管理评论 ，2017，33（6）：21-30.

[8] 曹俐 ，王莹.海水养殖的碳汇潜力估算及其与经济发展的脱钩分析：以三大沿海地区为例[J].海洋经济 ， 2020， 10（5）：48-56.

[9] 吴雯 ，李玮.中部六省交通运输业碳排放影响因素分析[J].管理现代化 ，2019，39（1）：62-65.

[10]CORBETT J J，WANG H， WINEBRAKEJ J. The efectivenes and costs of sped reductions on emisions from international shipping[J]. Transportation ResearchPartD：TransportandEnvi- ronment，2009，14（8）：593-598.

[11]薛颖霞 ， 邵俊岗.低碳经济背景下班轮航线配船[J].中国航海 ，2014，37（4）：115-119.

[12]吴俊妮 ， 吕靖 ，林驿.基于三阶段博弈模型的船舶使用岸电条件下港口减排策略研究[J].数学的实践与认识 ，2020， 50（7）：27-37.

[13]赵悦.欧盟航海碳税对中国班轮业的影响研究[D].大连：大连海事大学 ，2015.

[14] 周鑫 ， 真虹 ， 赵楠.基于系统动力学的上海港节能减排政策仿真[J].中国航海 ，2020，43（2）：86-91，97.

[15] 朱寿成.碳排放权交易机制对中国国际航运业影响研究[D].厦门：厦门大学 ，2019.

[16]  ANG B W. Decomposition analysisfor policymaking in energy：which isthepreferedmethod？[J]. Energy Policy，2004，32（9）：1131-1139.