解码中国省级交通领域2012—2019年二氧化碳排放--世界能源研究所.pdf

工作论文 | 2023年4月 | 1 工作论文 解码中国省级交通领域 2012—2019 年二氧化碳排放 薛露露 刘岱宗 DECIPHERING CHINA’S PROVINCIAL TRANSPORT CARBON EMISSIONS: STATUS QUO AND GROWTH TRENDS 引用建议： 引用建议： 薛露露、 刘岱宗著.解码中国省级交通领域 2012—2019年二氧化碳排放. 2023. 工作 论文， 北京： 世界资 源研究所. https://doi.org/10.46830/wriwp.22.00109 “工作论文” 包括初步的研究、 分析、 结果和意见。 “工作论 文 ”用 于 促 进 讨 论 ， 征求反馈， 对新事物的争论施加影响。 工作论文最终可能以其他形式进行发表， 内容可能会修改。 目录 执行摘要 . 1 Executive Summary . 2 1. 背景 . 4 2. 研究方法 6 3. 结果 8 4. 省级交通碳排放不确定性讨论 21 5. 关于本文主要结论的政策讨论 23 附录1. 交通领域低碳行动目标汇总 . 24 附录2. 东部、 西部、 中部、 东北地区及经济人口特点 27 附录3. 跨边界交通碳排放归属划分方法 28 附录4. 各省份交通碳排放增长动因的实证回归分析 29 附录5. Tapio脱钩指数 . 35 参考文献 . 37 致谢 39 执行摘要 主要结论 ■ 为协助各地区了解各自交通碳排放的异同， 制定 “差异化” 交通领域减排行动方案， 本研究通过 “自上而下法” 计算了 2012—2019年中国省级交通直接碳排放。 ■ 全国2/3省份2019年省级交通碳排放占能源活动碳排放的 比例呈增长态势。 在经济发达或第三产业占比较大的省份， 交通碳排放在全行业碳排放中的占比已超过20%，成 为 主 要排放源之一。 ■ 2019年， 东部地区交通碳排放最高； 2012—2019年 ，中 部 和西部交通碳排放增速最快。 多数省份交通碳排放增长与 经济增长呈弱脱钩。 ■ 省级交通领域化石燃料消费结构、 排放驱动因素等指标在 2012—2019存在较大区域差异。 在上海市、 北京市和海南 省， 2019年交通碳排放以航空煤油为主， 其他省份以汽油 和柴油为主。 ■ 受核算方法、 统计数据制约， 省级交通碳排放核算的部分 结果存在不确定性， 应统一与明确核算方法并完善统计数 据基础， 并定期编制地方交通碳排放清单。 研究问题 为实现碳达峰与碳中和目标， 从中央到地方正在积极制定交 通领域低碳行动方案。 由于中国各地社会经济发展阶段差异大、 交通运输需求增速不同， 交通碳排放水平各异， 地方交通领域低2 | 碳行动方案的编制， 既要确保国家目标的达成， 也要兼顾地方的 差异性。 然而， 由于交通碳排放核算统计体系不完善、 核算方法不一致， 地方政府无论在交通碳排放清单核算， 还是交通领域减排目标设置 及减排政策制定方面， 仍面临挑战。 例如， 由于统计数据基础薄弱， 地方交通碳排放核算存在不确定性， 地方政府难以识别交通领域主 要排放源， 设定减排目标， 并有针对性地制定本地化的减排政策。 此 外， 由于各省份对交通碳排放源及核算方法的选用存在差异， 这也影 响国家政府追踪与比较各地交通碳排放情况。 本文采用公开数据及统一的交通碳排放核算方法， 对国内各省 份2012—2019年交通直接碳排放进行摸底， 以支持 “差异化” 交通 领域减排行动方案制定。 同时， 为提升地方交通碳排放核算结果的 确定性， 本文也对省级交通领域碳排放核算方法及统计数据基础提 出了完善建议。 结论 本文开创性地计算了 2012—2019年中国省级交通碳排放， 结果 显示： ■ 2019年， 中国多数省份的交通碳排放在全行业 （能源活 动相关） 碳排放中的占比正在增加， 交通领域逐渐成为重 要排放源。 在经济发达或第三产业占比较大的省份， 交通 碳排放在全行业碳排放中的占比甚至已超过20%。 ■ 2019年， 东部地区交通碳排放最高；2012―2019年 ，中 部和西部交通碳排放增速最快。 交通碳排放最高的5个省 份为广东省、 江苏省、 山东省、 辽宁省和四川省， 占全国交 通碳排放的1/3。 增速最快的省份为贵州省、 青海省、 湖南 省和江西省。 ■ 交通领域化石燃料消费结构存在较大区域差异。 在上海 市、 北京市和海南省， 2019年交通碳排放以航空煤油为主。 在 广 东 省 、浙 江 省 等 14个 省 份（以 东 部 地 区 为 主 ），交 通 碳 排放以汽油为主。 在山东省、 江西省等13个 省 份（以中西 部 地区为主） ， 交通碳排放则以柴油为主。 ■ 拉动各省份交通碳排放增长的动因不同。 虽然各省份的交 通碳排放主要受经济发展、 人口增长、 产业结构升级与城 镇化多重因素影响， 但中部地区交通碳排放增长更多由经 济增长拉动， 而西部地区和东北地区主要则由城镇化和人 口变化带动。 ■ 25个省份交通碳排放增长与经济增长开始呈现弱脱钩。 但在交通碳排放增速快的中西部地区， 不仅人均交通碳排 放在快速上升 ， 单位GDP交通碳排放也未明显下降， 交通 碳排放与经济增长呈现较强的增长耦合关系。 为协助各省份更好地核算交通碳排放， 制定减排措施， 本文建 议国家和各省份的有关部门： ■ 统一与明确核算方法并完善统计数据基础。 在核算方法方 面， 明确核算对象与排放源、 明确跨边界交通碳排放的归 属地划分方法及统一核算方法。 在统计数据方面， 增加对 非营运交通的能耗统计 ， 完善企业上报数据的要求 （如区分 国际交通、 生物燃料与子行业的能耗 ） ， 加强交通能耗统计 的验证工作。 在交通碳排放清单编制方面， 地方政府 （至少 省级政府） 应自某一基准年起， 定期编制交通领域碳排放 清单， 便于其了解交通领域排放现状， 识别主要排放源， 并 有针对性地制定相关减排政策。 ■ 对交通已经逐渐成为主要排放源的省份， 碳达峰方案编制 应更侧重交通领域的低碳行动。 ■ 全国交通领域减排的重点地区， 既需侧重现有交通碳排 放较大的东部省份， 也需关注增速快且仍处在增长耦合阶 段的中西部省份。 ■ 在制定交通低碳行动路线时， 应根据排放源构成、 碳排放 量与增速的不同， 差异化地制定减排施策。 EXECUTIVE SUMMARY Highlights ▪ To help subnational governments understand the magnitude of transport carbon dioxide (CO 2 ) emissions and support their development of CO 2 peaking actions, this study uses the “top-down” method to quantify direct transport CO 2 emissions for 30 Chinese provinces during 2012 and 2019. ▪ In two-thirds of China’s provinces in 2019, the share of transport CO 2 emissions was larger than the share on the national level. For provinces where the transport sector has risen to the top emissions source, their emissions peaking action plans should place more emphasis on the transport sector. ▪ In 2019, provinces in the eastern region had the highest levels of transport CO 2 emissions, and provinces in the western and central regions were characterized by the most rapid transport emissions growth during 2012 and 2019. ▪ Provincial transport emissions differ by sources of emissions: in Beijing and Shanghai, domestic 解码中国省级交通领域2012—2019 年二氧化碳排放 工作论文 | 2023年4月 | 3 aviation emissions represented the largest shares, whereas in the eastern provinces, passenger car emissions consisted of the largest shares. ▪ Estimates for provincial transport CO 2 emissions are uncertain. We recommend improving statistical data collection and standardizing the transport emissions accounting method. Likewise, official subnational transport emissions inventories should be required and updated annually from a base year. Research question To decarbonize the transport sector to attain China’s goals of carbon peaking before 2030 and carbon neutrality before 2060, the national and subnational governments in China are actively developing action plans for CO 2 peaking before 2030 for key sectors, including transport. It is crucial that subnational governments understand the current magnitude of their (particularly provincial) transport sector emissions, the historic trends, and the sources of emissions when developing contextualized transport decarbonization action plans; as the saying goes, “you can’t improve what you don’t measure.” However, like in many emerging economies, the lack of reliable statistical data and consistent emissions accounting methods causes subnational governments to hit roadblocks when developing transport emissions inventories and sectoral decarbonization road maps. For example, without reliable statistics and consistent emissions accounting methods in China, estimates of subnational transport CO 2 emissions are uncertain and inconsistent. Therefore, it is challenging for provincial governments to evaluate the current magnitude of transport emissions, identify major emissions sources, and develop localized transport decarbonization plans. It is also difficult for national governments to understand and compare transport emissions across provinces. Our approach This study uses the top-down emissions accounting method to quantify direct transport CO 2 emissions for 30 Chinese provinces during 2012 and 2019. The estimated provincial emissions, emissions intensity in terms of gross domestic product (GDP), emissions per capita, sources of emissions, and driving forces of emissions growth are used to inform the development of tailored local transport decarbonization plans and to provide recommendations to improve the certainty of subnational transport emissions estimations. The top-down accounting method employs the apportioning ratios from the Guidelines on the Development of Provincial Carbon Emission Peak Action Plans (consultation version) (Ministry of Ecology and Environment 2021), which reclassifies a certain percentage of fuel consumption (from private cars, light-duty trucks, and some heavy-duty trucks) from the nontransport sectors to the transport sector. The input data are provincial energy balances (National Statistical Bureau 2013–2020) and localized carbon emissions factors. The possible causes of the uncertainty associated with provincial transport emissions estimations are also analyzed Policy implications Based on estimates of transport CO 2 emissions for 30 provinces between 2012 and 2019, this study reveals the following findings: ▪ During 2012 and 2019, most of China’s provinces witnessed growing shares of transport CO 2 emissions in the total provincial direct emissions, and the transport sector became an important source of CO 2 emissions on the provincial level. For economically advanced provinces or provinces with large shares of tertiary industry, the transport sector rose to the top emissions source. ▪ In 2019, the eastern region had the highest transport CO 2 emissions, and the western and central regions witnessed the most rapid emissions growth. The top five provinces with the largest transport emissions were Guangdong, Jiangsu, Shandong, Liaoning, and Sichuan; together, they represented one-third of China’s transport CO 2 emissions. On the other hand, the central and western provinces experiencing the most rapidly growing emissions were Guizhou, Qinghai, Hunan, and Hubei. ▪ Provinces have different transport emissions breakdowns. In Shanghai and Beijing, domestic aviation was the largest source of transport emissions. In Guangdong, Zhejiang, and 12 other provinces (mainly eastern regions), passenger cars were the major contributor of transport emissions, whereas trucks were the primary contributor of transport emissions in the central and western regions. 4 | ▪ The driving forces behind transport CO 2 emissions growth vary across regions. On the national level, increases in transport CO 2 emissions were attributable to multiple factors, including economic and population growth, economic structural shift, and urbanization. However, on the regional level, the growth in transport emissions in the central region was driven primarily by economic growth, whereas in the western and northeastern regions it was fueled by urbanization and population changes. ▪ Although transport emissions intensity (in terms of GDP) had been declining in most of the provinces, transport emissions per capita had increased rapidly. The only exceptions were the central and western provinces: transport CO 2 emissions per capita had increased rapidly, and transport CO 2 emissions per unit of GDP also showed no signs of decreases To help different provinces better quantify transport CO 2 emissions and inform the development of transport decarbonization action plans, this study recommends the following actions: ▪ National government should create unified transport emission accounting methodology for provincial transport emission accounting, expanding the coverage of transport fuel consumption statistics, distinguishing among domestic and international transport fuel consumptions as well as transport biofuel consumptions, and mandate the quality assurance and quality control process. Official subnational transport emissions inventories should be required and be annually updated from a base year. ▪ For provinces where the transport sector has become the largest source of CO 2 emissions, their action plans for carbon dioxide peaking before 2030 should place greater emphasis on the transport sector. ▪ National government should not only pay attention to the east provinces with largest transport CO 2 emissions, but also provide resources and build capacities in the central and west provinces with the most rapid emission growth. ▪ Provincial governments should have differentiated treatments on transport sector decarbonization, based on sources of transport emissions and growth paces. . 背景 虽然根据最新国家温室气体排放清单，2014年中国交通领 域二氧化碳排放（以下或简称“碳排放”）仅占能源活动排放 的9.2%（生态环境部 2018），但根据美国与欧盟的经验，随着 电力与工业领域碳排放的达峰与逐渐下降，交通领域碳排放在 能源活动排放的占比将持续增加（EEA 2020；EPA 2020）。 所以，减少交通领域的碳排放，扭转不断增长的排放曲线，对 中国实现碳达峰和碳中和目标至关重要。 为化解这一挑战，从中央到地方正在积极制定碳达峰碳中 和的政策体系，包括《关于完整准确全面贯彻新发展理念做 好碳达峰碳中和工作的意见》（中共中央和国务院 2021）、 《2030年前碳达峰行动方案》（国务院 2021）等总体指导方 针及具体领域的行动方案，包括交通领域的绿色低碳行动方案 （见附录1）。 由于交通碳排放核算统计体系不完善、核算方法不一致， 地方政府无论在交通碳排放清单核算，还是交通领域减排目标 设置及减排政策制定方面，仍面临挑战，包括： ■ 地方交通碳排放核算及清单编制： 由于统计数据基础薄 弱， 地方交通碳排放核算存在不确定性， 且地方政府没有 定编制交通领域二氧化碳排放清单、 追踪评价减排目标落 实情况的机制。 ■ 地方交通领域减排目标设置及减排政策制定： 由于缺乏交 通碳排放的核算数据基础， 地方政府难以识别交通领域主 要排放源， 设定本地化减排目标， 并有针对性地制定减排 政策。 此外，由于各省份对交通碳排放源及核算方法的选用不 一，存在明显差异（专栏一），这也影响国家政府追踪与比较 各地交通碳排放情况。 事实上，中国各地社会经济发展阶段差异大、运输需求增 速不同，交通碳排放水平也存在差异，因而有必要制定“差异 化”交通领域减排行动方案。本文采用公开数据及统一的交通 碳排放核算方法，对国内各省份2012—2019年交通直接碳排放 进行“摸底”，分析省份交通碳排放量及增速的异同以及对国 家交通碳排放的贡献。同时，为提升地方交通碳排放核算结果 的确定性，本文也对省级交通领域碳排放核算方法及统计数据 基础提出了完善建议。解码中国省级交通领域2012—2019 年二氧化碳排放 工作论文 | 2023年4月 | 5 为了解各地交通碳排放采用的排放源与核算方法， 作者以 问卷形式对国内10个省 市 了解 本 地 交 通 碳 排 放 核 算 的 机 构（ 共27位受访者）开展调研。 调研采用 “便利抽样” 法， 涉及东、 中、 西部不同发展阶段的省市 ， 调研问题主要为交通碳排放源 与核算方 法 选 取（见专 栏 图 1）。其 中，4名受访者表示本省/市 尚未开展交通碳排放核算工作， 其余已开展交通碳排放核算 的省/市中： ■ 除 道 路 与 城 市 轨 道 交 通 外 ， 被 调查 地 区 在 交 通 碳 排放 核 算 过 程 中，较 少 涉 及 航 空 、铁 路 、水 运 、上 游 发 电 、基 础 设施 与 非 道路 机 械 的 排 放 。 ■ 位 受 访 者（占比 为 % ）表 示 ，所 在 地 区 在 开 展 交 通 碳 排 放 核 算 时多采 用 “自上 而下法” 与 “自下而上 法” 相 结 合 的方 法。 ■ 在 跨 边 界交 通 碳 排 放 归 属 地 划分 方 面 ， 半 数以 上 受 访 者表示会 采 用 多 种 方法 进 行 划分 ， 如 地 理 边 界法 、 自 上 而 下 （ 能源 平衡表 ） 法与 居民活 动法 。 所以， 本文结论只适于第2节 的 核 算 排 放 源 与 方 法 ，也 是 现 有公开数据能支持的结论。 若核算的排放源或方法发生变化， 交 通碳排放结果可能与本文不一致。 专栏 1 | 交通碳排放源与核算方法讨论 说明： 百分比代表所有受访者中，对该领域开展碳排放核算的受访者数量。“ ”表示本文覆盖的行业，“ ”表示不在本文范围内的行业，“ ”表示无法确认 是否包含非道路机械。 来源：作者调研整理。 专栏图 1 | 部分省市交通碳排放核算的排放源与本研究的对比 道路交通 本文范围 城市轨道 国内航空 城际铁路 国内水运 机场、枢纽等基础设施 上游发电/制氢 非道路机械 0 20% 60% 100% 40% 80%6 | . 研究方法 本文聚焦省级与地区级交通领域二氧化碳排放量（简称 “交通碳排放”）的分析，其中： ■ “ 省 份 ”包 括 30个省、 自治区、 直辖市， 不含香港特别行政 区和澳门特别行政区、 台湾省及西藏自治区。 在省份基础 上， 本文也聚类到地区层面进行分析 （ 地区分类见附录2， 国家统计局 2011） 。 由于市县级统计数据可得性差， 本文不 涉及该层级的分析。 ■ 时间跨度为2012— 2019年。 2019年为能源平衡表最新年 份 。由 于 第 三 次 经 济 普 查 后 对 2000—2013 年国家能源平 衡表进行修订 （全国能源消费上调约10% ）时 ，未 同 步 修 订省份能源平衡表 （ 国家统计局能源统计司 2014， Liao等 2019），所 以 ，本 文 各 省 份 2012—2013年交通碳排放与后 续年份可能不一致。 本文涉及的交通领域碳排放源包括国内道路、铁路、水运和航 空等领域营运及非营运交通工具在燃料燃烧过程中产生的碳排放， 不包括： ■ 尾气净化和润滑油燃烧产生的碳排放 1 。由 于 缺 乏 各 省 份 尿 素和润滑油消费量统计数据， 且该部分排放通常较小， 因 而可忽略不计。 ■ 发电与制氢、 燃料炼化产生的碳排放。 根据《政府间气候变 化专门委员会 （IPCC ）国 家 温 室 气 体 清 单 指 南（2006版 ）》 （ IPCC 2006 ） ， 该排放属于电力与工业领域排放； 同时， 目 前国内能源平衡表中较难识别或尚未统计各地新能源汽车 的耗电量/耗氢量 （ 薛露露和刘岱宗 2022 ）。 ■ 国际航空、 航海产生的碳排放以及管道运输产生的碳排 放。 国际航空、 航海产生的碳排放不计入国家碳排放总量， 而 是 作 为“ 备 忘 ”条 目 单 独 报 告（ IPCC 2006 ）。管 道 运 输 产 生的碳排放量小， 本文暂不将其纳入研究范围。 最后， 虽然 非道路机械排放属于交通碳排放， 但本文是否包括非道路 机械仍是未知， 取决于中国交通能耗统计与能源平衡表拆 分系 数（生 态 环 境 部 2021 ）是 否 计入 非 道 路 机 械 。 本文主要基于“自上而下”法，通过各类交通燃料消耗 量、燃料低位发热量与碳排放因子计算碳排放（公式1）。这也 是IPCC唯一推荐的国家交通碳排放核算方法（IPCC 2000）。 E 燃烧-CO 2 = ∑FC i ×NCV i ×EF i （公式1） 式中： E 燃烧-CO 2 为燃烧化石燃料产生的碳排放，单位为吨； FC i 为交通燃料i的消费量，单位为吨或万立方米； NCV i 为交通燃料i 的低位平均发热量，单位为百万千焦/吨 或百万千焦/万立方米； EF i 为交通燃料i的碳排放因子，单位为吨二氧化碳/百万千焦。 其中，交通燃料消耗量来自《中国能源统计年鉴》国家/ 省份能源平衡表（实物量）（国家统计局能源统计司2013— 2020）。由于能源平衡表中“交通运输、仓储和邮政业”仅 涉及营运交通的能耗统计，不含私家车等非营运车辆能耗，为 获得完整的交通燃料消费量，本文采用目前常见做法，用《省 级二氧化碳排放达峰行动方案编制指南（征求意见稿）》（生 态环境部2021a）中提出的划分系数将其他领域的部分能耗拆 分到交通领域 2 。低位发热量与碳排放因子来自《省级温室气 体清单编制指南（试行）》（国家发展改革委 2011）。本地 车辆与异地车辆的跨边界出行排放在排放归属地的划分上，采 用“本地运输企业燃料消耗法”，即根据交通燃料的终端用户 （如道路运输企业）注册地划分碳排放归属地（薛露露和刘岱 宗 2022，见附录3）。 值得注意的是，由于省份能源平衡表没有扣减国际航空和 航海的能耗，且国内仍缺乏各省份国际燃料舱的公开能耗统计 数据（见表1） ， 本研究将上述方法得到的交通能耗再减去“境内 飞机和轮船在境外的加油量” ， 以消除国际燃料舱对各省份交通 碳排放的影响。但由于该方法并不准确 3 ，可能会导致省级交通 碳排放的不确定性。 在各省份2012—2019年交通碳排放基础上，本文对交通碳 排放在全行业碳排放中的占比、与经济的脱钩情况，以及交通 碳排放增长的驱动因素一一进行了分析。分析方法与数据说明 如下： ■ 交通碳排放在全行业碳排放中的占比分析 这一占比为交通碳排放占全行业碳排放的比例。其中，全 行业碳排放为能源活动产生的直接排放（省级层面范围一排 放）。本文采用直接排放的原因是交通碳排放为直接排放（不 计入电力、氢气排放），为保持口径一致，全行业能源活动碳 排放也相应地采用直接排放。 全行业碳排放的计算方法参照奚文怡等（2017）的分行 业、分能源品种的核算方法。能源活动数据基于各省份能源平 衡表；各行业排放因子基于《2005中国温室气体清单研究》、 《省级温室气体清单编制指南（试行）》、折标准煤系数等来 源。该方法计算的国家2005年和2012年能源活动碳排放与官方 数据（国家发展改革委2012；生态环境部2018）仅差1.3%和 2.2%（奚文怡等2017）。 ■ 交通碳排放与经济的脱钩情况分析 基于Tapio脱钩模型（Tapio2005），并以2012—2019年各省 份2012年不变价GDP（国家统计局2012—2019）为衡量经济增长 的指标，本文进一步分析了各省份交通碳排放与经济增长的脱钩 指数（e） 。 由于脱钩指数与基准年选取有关，本文分别计算了两解码中国省级交通领域2012—2019 年二氧化碳排放 工作论文 | 2023年4月 | 7 表 1 | 交通运输对应的能源平衡表拆分情况 交通能耗 能源平衡表拆分情况 汽油 汽油 = 四（1 ）× 80%+ 四（ 2）× 79%+ 四（4 ） + 四（5 ）× 98%+ 四（6 ）× 98%+ 四（7）× 99% 柴油 柴油 = 四（1）×10%+ 四（2）×26%+ 四（4）+ 四（7）×95% 电力热力 电力热力 不考虑 其他能源类型 其他能源类型 = 四（4） 说明： 表中数字对应能源平衡表中序号如下，（1）为“农林牧渔水利业”，（2）为“工业”，（3）为“建筑业”，（4）为“交通运输仓储业”，（5）为“批发和零售业”， （6）为“生活消费”，（7）为“其他”。 来源：生态环境部（2021a）。 个基准年（2012年、目标年上一年）的脱钩指数（公式2）： e= %∆CO2 = (CO2 t -CO2 n )/CO2 n （公式2） 式中： e为脱钩指数，基于数值的分类见附录5-表1； CO2 n 为基准年（2012年或t-1）的交通碳排放, CO2 t 为目标 年（t）的交通碳排放，单位为吨； GDP n 和GDP t 分别为基准年（2012年或t-1年）与目标年 （t）的GDP，单位为亿元。 ■ 交通碳排放增长的驱动因素分析 交通碳排放增长受多重驱动因素影响。第一，Liu和Feng （2020）及Marrero等（2021）指出，经济发展与人口增长 都会带来交通碳排放的增长，但当经济发展到一定阶段，交通 碳排放会与经济增长脱钩（Shuai等2019；Foster等 2021）。 第二，与电力和工业不同，交通碳排放不会随产业结构升级而 减少，相反，第三产业比重提高有可能拉高其排放（冯旭杰等 2012；孙岩等 2020；L