北方寒冷地区交通碳排放驱动因素分析

Driving Factor Analysis of Traffic Carbon Emissions in Cold Regions of North China

摘要

北方地区气候寒冷，交通工具燃油效率低、车内加热需求增加及路面积雪结冰等复杂道路条件导致交通碳排放增加。因此，有必要针对寒冷地区的交通碳排放驱动因素进行分析，识别关键因素，并有针对性地降低碳排放。以典型北方寒冷地区黑龙江省为例，采用Tapio脱钩测度模型及GDIM因素分解法对2006—2021年黑龙江省交通行业碳排放驱动因素展开分析，分解得到8个驱动因素并发现其脱钩状态呈现“强脱钩-扩张负脱钩-强脱钩”，其中交通产值碳强度和单位交通行业产值的能耗促进脱钩，交通行业总产值和总周转量阻碍脱钩；另外交通行业总产值、能源消耗量对碳排放有较强的促进作用，交通产值碳强度和单位交通行业产值的能耗对碳排放有较强的抑制作用。

Abstract

In the northern region of China, the low fuel efficiency of vehicles, increased heating demand in vehicles, and complex road conditions such as snow and ice on the road surface caused by the cold climate lead to an increase in traffic carbon emissions. Therefore, it is necessary to analyze the driving factors of transportation carbon emissions in cold regions, identify key factors, and reduce carbon emissions in a targeted manner. Taking the typical northern cold region of Heilongjiang as an example, this paper adopted the Tapio decoupling measurement model and the GDIM method to analyze the driving factors of carbon emissions in the transportation industry of Heilongjiang from 2006 to 2021. Then, eight driving factors were decomposed and found to be in a state of "strong decoupling-expansion negative decoupling-strong decoupling". Specifically, the carbon intensity of transportation output and the energy consumption per unit of transportation industry output promote decoupling, and the total output of the transportation industry and the total turnover hinder decoupling. Additionally, the total output of the transportation industry and the energy consumption exert a strong effect on promoting carbon emissions, while the carbon intensity of transportation output and the energy consumption per unit of transportation industry output have a powerful effect on inhibiting carbon emissions.

Graphical abstract

关键词

寒冷地区 / 交通碳排放 / Tapio脱钩模型 / 广义迪氏指数分解法 / 驱动因素分析

Key words

Cold Areas / Traffic Carbon Emissions / Tapio Decoupling Model / Generalized Divisia Index Method / Driving Factor Analysis

碳排放增加导致气候变暖问题日益加剧，我国也面临着巨大的减排压力，2020年9月我国在第75届联合国大会上正式提出2030年实现碳达峰、2060年实现碳中和的目标。交通运输是中国能源消耗的主要行业之一，也是碳排放^[1]增长最快的领域，近几年交通运输行业碳排放平均增速保持在5%以上，因此交通运输行业碳减排对双碳目标的实现至关重要。北方寒冷地区低温气候条件下，交通工具的燃油效率低，低温使燃油燃烧不完全，交通工具耗油量增加。保持车辆在低温环境下正常运行及车内加热需求等因素进一步增加了寒冷地区交通工具的碳排放。此外，寒冷地区道路更容易出现路面结冰积雪现象，导致了更高水平的能源消耗和碳排放。因此，有必要针对寒冷地区交通碳排放展开深入研究。

脱钩理论自2001年提出后，逐渐广泛应用于建筑业^[2]、制造业^[3]、工业^[4]等行业，伴随着脱钩理论在交通行业^[5]的应用，交通行业碳排放影响因素研究也逐渐受到重视。喻洁等^[6]通过对数平均迪氏指数(Logarithmic Mean Divisia Index，LMDI)法将中国交通行业碳排放影响因子进行分解；王靖添等^[7］建立中国交通行业碳排放量及强度层次影响因素模型，发现经济发展决定碳排放量水平，交通运输结构对碳排放有较大影响；Solaymani^[8]运用LMDI法分析7个国家交通运输碳排放的影响因素；周岸等^[9]运用STIRPAT模型分析上海市交通碳排放，发现产业结构优化有助于抑制碳排放；胡怀敏等^[10]运用LMDI法得出经济增长及能源强度效应是影响长江经济带脱钩的主要因素。

目前交通碳排放的计算仅考虑主要的能源消耗，且绝大部分研究没有考虑因素关联性，因此以黑龙江省为例，对其交通碳排放进行全面计算，并综合Tapio模型及GDIM法将各驱动因素对碳排放和脱钩指数的贡献值量化，丰富碳排放脱钩及因素分析的系统研究框架，对双碳目标的实现有重大意义。

1　研究方法及模型构建

1.1　交通行业碳排放测算模型

采取“自上而下”碳排放测算方法，按照地区范围内的交通行业能源消耗量乘燃料碳排放系数计算交通碳排放量，对黑龙江省交通行业碳排放进行全面计算，依据《IPCC国家温室气体清单指南》(2019年修订版)^[11]提供的计算指南，公式如下。

C=\sum P_i\times A_i\times B_i⑴

式中：C为交通行业碳排放量，t；P_i 为第i种能源的消耗量，t；A_i 为第i种能源的标准煤折算系数；B_i 为第i种能源的碳排放系数。

各类能源的标准煤折算系数及碳排放系数如表1所示。

1.2　Tapio脱钩测度模型

脱钩理论最初用于资源环境的研究，逐渐发展为衡量经济发展和环境压力之间的解耦关系。基于Tapio模型^[12]，测算黑龙江省交通行业总产值与其碳排放之间的脱钩关系，公式如下。

t=\frac{\mathrm{\Delta }{T}_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}/T_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}}{\mathrm{\Delta }\mathrm{G}\mathrm{D}{\mathrm{P}}_j/\mathrm{G}\mathrm{D}{\mathrm{P}}_j}⑵

式中：t为脱钩弹性系数；T_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}为基期交通行业碳排放量，t；GDP _j 为基期交通行业产值，元；ΔT_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}为与基期相比，现期交通行业碳排放变化量，t；ΔGDP _j 为与基期相比，现期交通行业产值变化量，元。

Tapio将脱钩状态分为弱脱钩到扩张负脱钩8种，并将弹性变化定义在1\pm20%范围内，避免出现过度识别，脱钩状态划分标准如表2所示。

1.3　GDIM因素分解模型

广义迪氏指数分解法^[13](Generalized Divisia Index Decomposition Model，GDIM)是Vaninsky提出的因素分解法，在kaya恒等式的基础上建立多维因素分解模型，更精准客观地分析相关因素对碳排放的动态影响，弥补了其他模型重复计算和因素相互依赖的缺点。交通碳排放驱动因素分解表达式如下。

CE=\frac{CE}{\mathrm{G}\mathrm{D}{\mathrm{P}}_j}\times \mathrm{G}\mathrm{D}{\mathrm{P}}_j=\frac{CE}{E}\times E=\frac{CE}{TO}\times TO⑶

\frac{\mathrm{G}\mathrm{D}{\mathrm{P}}_j}{TO}=\left(\frac{CE}{TO}\right)/\left(\frac{CE}{\mathrm{G}\mathrm{D}{\mathrm{P}}_j}\right)⑷

\frac{E}{\mathrm{G}\mathrm{D}{\mathrm{P}}_j}=\left(\frac{CE}{\mathrm{G}\mathrm{D}{\mathrm{P}}_j}\right)/\left(\frac{CE}{E}\right)⑸

式中各变量及含义如表3所示。

整理公式⑶—⑸并求偏导，构造雅可比矩阵Φ\left(x\right)。

\mathrm{\Phi }\left(x\right)={\left(\begin{array}{cccccccc}GCI& \mathrm{G}\mathrm{D}{\mathrm{P}}_j& -ECI& -E& \mathrm{0}& \mathrm{0}& \mathrm{0}& \mathrm{0}\\ GCI& \mathrm{G}\mathrm{D}{\mathrm{P}}_j& \mathrm{0}& \mathrm{0}& -TCI& -TO& \mathrm{0}& \mathrm{0}\\ \mathrm{1}& \mathrm{0}& \mathrm{0}& \mathrm{0}& -TOV& \mathrm{0}& -TO& \mathrm{0}\\ -GE& \mathrm{0}& \mathrm{1}& \mathrm{0}& \mathrm{0}& \mathrm{0}& \mathrm{0}& -\mathrm{G}\mathrm{D}{\mathrm{P}}_j\end{array}\right)}^{\mathrm{T}}⑹

\mathrm{\Delta }CE\left[x\left|\mathrm{\Phi }\right.\right]={\int }_Q\nabla C{E}^{\mathrm{T}}\left(E-{\mathrm{\Phi }}_x{\mathrm{\Phi }}_x^{+}\right)\mathrm{d}\mathrm{x}⑺

若{\Phi }_x线性无关，则

{\mathrm{\Phi }}_x^{+}={\left({\mathrm{\Phi }}_x^{\mathrm{T}}{\mathrm{\Phi }}_x\right)}^{-\mathrm{1}}{\mathrm{\Phi }}_x^{\mathrm{T}}⑻

式中：ΔCE\left[x|\Phi \right]为各驱动因素贡献量；Q为时间跨度；▽CE^T为梯度向量▽CE的转置，\nabla CE=\left(\begin{array}{cccccccc}GCI& \mathrm{G}\mathrm{D}{\mathrm{P}}_j& \mathrm{0}& \mathrm{0}& \mathrm{0}& \mathrm{0}& \mathrm{0}& \mathrm{0}\end{array}\right)；E为单位矩阵；{\Phi }_x^{+}为{\Phi }_x的广义逆矩阵。

分解出的8个驱动因素碳排放贡献量分别为ΔC_GDPj，ΔC_E，ΔC_TO，ΔC_GCI，ΔC_ECI，ΔC_TCI，ΔC_TOV，ΔC_GE。为继续深入了解各因素对于脱钩弹性指数的贡献值，将因素分解所得贡献量代入公式⑵，推导得出。

t=\frac{\mathrm{\Delta }{C}_{\mathrm{G}\mathrm{D}{\mathrm{P}}_j}/T_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}}{\mathrm{\Delta }\mathrm{G}\mathrm{D}\mathrm{P}/\mathrm{G}\mathrm{D}\mathrm{P}}+\frac{\mathrm{\Delta }{C}_E/T_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}}{\mathrm{\Delta }\mathrm{G}\mathrm{D}\mathrm{P}/\mathrm{G}\mathrm{D}\mathrm{P}}+\frac{\mathrm{\Delta }{C}_{TO}/T_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}}{\mathrm{\Delta }\mathrm{G}\mathrm{D}\mathrm{P}/\mathrm{G}\mathrm{D}\mathrm{P}}+\frac{\mathrm{\Delta }{C}_{GCI}/T_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}}{\mathrm{\Delta }\mathrm{G}\mathrm{D}\mathrm{P}/\mathrm{G}\mathrm{D}\mathrm{P}}+\frac{\mathrm{\Delta }{C}_{ECI}/T_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}}{\mathrm{\Delta }\mathrm{G}\mathrm{D}\mathrm{P}/\mathrm{G}\mathrm{D}\mathrm{P}}+\frac{\mathrm{\Delta }{C}_{TCI}/T_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}}{\mathrm{\Delta }\mathrm{G}\mathrm{D}\mathrm{P}/\mathrm{G}\mathrm{D}\mathrm{P}}+\frac{\mathrm{\Delta }{C}_{TOV}/T_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}}{\mathrm{\Delta }\mathrm{G}\mathrm{D}\mathrm{P}/\mathrm{G}\mathrm{D}\mathrm{P}}+\frac{\mathrm{\Delta }{C}_{GE}/T_{\mathrm{C}{\mathrm{O}}_{\mathrm{2}}}}{\mathrm{\Delta }\mathrm{G}\mathrm{D}\mathrm{P}/\mathrm{G}\mathrm{D}\mathrm{P}}=t_{\mathrm{G}\mathrm{D}{\mathrm{P}}_j}+t_E+t_{TO}+t_{GCI}+t_{ECI}+t_{TCI}+t_{TOV}+t_{GE}⑼

式中：t_GDPj，t_E，t_TO，t_GCI，t_ECI，t_TCI，t_TOV，t_GE 分别为各因素对脱钩弹性指数的贡献值，当驱动因素贡献值大于0时，对脱钩起阻碍作用；小于0时，对脱钩正向推动，促进碳排放和经济向脱钩状态发展。

2　黑龙江省交通碳排放测算及脱钩效应分析

2.1　数据来源及处理

黑龙江省能耗量数据来自2006—2021年《黑龙江省能源平衡表》，交通行业总产值、旅客周转量、货物周转量等数据来自《中国统计年鉴》，其中总周转量TO的计算公式如下。

TO=F+P\times p⑽

式中：TO为总周转量，t·km；F为货物周转量，t·km；P为旅客周转量，人公里；p为换算系数，具体总周转量换算系数^[14]如表4所示。

2.2　交通碳排放变化趋势

计算得到2006—2021年黑龙江省交通行业碳排放量如图1所示。从图1可以看出，黑龙江省交通行业碳排放量整体呈增长趋势，由327.865万t增长至582.399万t，平均年增长率为3.9%。

根据《中华人民共和国国民经济和社会发展五年规划纲要》划分出“十一五”时期、“十二五”时期及“十三五”时期，并据此将研究期分为3个阶段：2006—2010年、2011—2015年、2016—2021年，由于2021年交通碳排放变化符合“十三五”时期波动下降规律，因此将其与“十三五”时期合并分析。“十一五”期间，黑龙江省交通行业稳步发展，碳排放呈微弱上升趋势。“十二五”期间，黑龙江省大力推动旅游客运及物流园区发展，扩大运输企业规模及服务范围，黑龙江省内交通行业能源消耗量大幅增加，碳排放量快速增长，迎来高峰期，年增长率保持在5.97%左右，碳排放逐年递增。“十三五”时期，国家推进资源节约集约利用，交通行业的节能减排也成为工作重点，黑龙江省出台《“十三五”节能减排综合工作实施方案》，实施清洁柴油机行动，全面推进移动源排放控制，加快推进综合交通运输体系建设，大力推广新能源、天然气清洁能源使用，逐步淘汰高能耗、高排放运输设备，碳排放呈负增长趋势。

2.3　交通碳排放脱钩效应分析

根据公式⑵计算黑龙江省交通运输业碳排放脱钩弹性系数及状态如表5所示。由表5可知，黑龙江省交通运输业碳排放的脱钩关系状态波动。2006—2010年黑龙江省扩大矿产生产规模并加大对外供给力度，交通行业呈现高附加值、低运输密度的特点，交通碳排放微弱负增长，而总产值快速增加，呈现强脱钩，但2008—2009年一度发展成强负脱钩的不利状态，交通行业总产值略微下降但碳排放有所增加。2011—2015年，在“十二五”规划的带动下，黑龙江省内发展循环经济，重视对环境的保护，发展低碳技术，提高交通行业能源效率，但同时扩大物流运输规模，脱钩状态整体呈扩张负脱钩。2016—2021年，由于“十三五”时期黑龙江省内大力推广天然气等清洁能源，向绿色交通转型，减少能源开采及使用，优化能源结构，交通碳排放出现负增长，经济发展也逐渐向高质量转变，黑龙江省交通碳排放整体基本保持强脱钩，有良好的发展趋势。

3　黑龙江省交通行业碳排放驱动因素分解分析

3.1　交通行业碳排放驱动因素分解

运用R语言编程，根据GDIM原理以2006年为基准期，得到交通行业总产值(GDP _j )、能源消耗量(E)、总周转量(TO)、交通产值碳强度(GCI)、能源消耗碳强度(ECI)、周转量碳强度(TCI)、单位周转量的产值(TOV)及单位交通行业产值的能耗(GE)8个驱动因素，其中GCI，ECI及TCI为相对驱动因素，体现碳排放强度；TOV及GE为相对因素，体现碳排放效率；GDP _j，E及TO为绝对驱动因素。黑龙江省交通行业驱动因素碳排放贡献率如表6所示。

分析表6数据，交通行业总产值、能源消耗量及总周转量除个别年份外，贡献率均为正值，对碳排放起到明显的正向促进作用，为碳排放做出了主要贡献，其中交通行业总产值的促进作用相对稳定；单位周转量的产值及单位交通行业产值的能耗均对碳排放有抑制作用，但影响程度小，对碳减排作用较小；交通产值碳强度、能源消耗碳强度以及周转量碳强度对碳排放的贡献相对波动，既有促进增长，又有负向抑制，其中交通产值碳强度对碳减排有明显作用。

根据公式⑼得到各驱动因素对脱钩弹性系数的贡献值如表7所示。由表7可知交通产值碳强度和单位交通行业产值的能耗2个因素大多数年份的脱钩贡献值为负数，有利于促进交通行业脱钩；交通行业总产值每年保持正值且贡献值稳定，总周转量基本为正值且脱钩贡献均值达0.678，对脱钩起阻碍作用。

3.2　碳排放驱动因素贡献值阶段分析

黑龙江省交通行业碳排放驱动因素阶段性贡献值如图2所示，从图2可以看出，碳排放变化量(ΔCE)呈先增长后降低的态势，“十二五”时期碳排放增加量最多，约为143.741 2万t，“十三五”时期碳排放降低近177.730 8万t。

碳排放的8个驱动因素中，只有交通行业总产值(ΔGDP _j )对3个阶段碳排放均起到了促增作用，和碳排放量的变化趋势一样先增后降，总贡献量达126.674 7万t，主要伴随三个时期黑龙江省经济结构转型的快速发展，交通运输路线长度不断增加，导致碳排放量增加，是主要的碳排放驱动因素。能源消耗量(ΔE)对碳排放的影响是先促进后抑制，“十二五”时期黑龙江省大力推动能源的开发利用，增加了2 300.218 3万t标煤能耗，且高能耗交通运输方式所占比重不断提高，碳排放量快速升高，“十三五”时期开始大力推广天然气等清洁能源及电力的使用，减少了高碳能源的使用量，由于能源使用量减少，碳排放阶段性减排53.038 9万t，产生减排效应。总周转量(ΔTO)对碳排放呈“促进—抑制—促进”作用，总周转量变化量不断增加，增强了对交通运输的刚性需求，导致碳排放不断增加，而在“十二五”时期省内大力开展构建综合交通运输体系，总周转量有所下降，产生减排效果。

交通产值碳强度(ΔGCI)及周转量碳强度(ΔTCI)均表现出先抑制再增长后抑制碳排放的效应。周转量碳强度的影响程度更加明显，其中“十一五”时期减排41.165 1万t，是该阶段最主要的减排因素，在“十二五”时期促增效应最大，达146.062 2万t，最终于“十三五”时期碳减排57.723 8万t。由于“十二五”时期黑龙江省制定《黑龙江省“十二五”交通运输发展规划》，强化交通运输与“八大经济区”建设紧密结合，发展煤炭、石油化工等专业物流，经济发展低碳程度不够高，这两个因素的驱动效应有所体现，而“十三五”时期，黑龙江省进一步加强并重视绿色交通理念，节约利用能源，根据《推进运输结构调整三年行动计划(2018—2020年)》加快实施“公转铁”“公转水”，因此这两个因素的减排效用有明显体现。能源消耗碳强度(ΔECI)对碳排放的影响并不明显，是由于黑龙江省交通行业已经在大力发展清洁能源并推广“电代油”模式，能源效率还有待提高，减排力度不大，呈先促进后抑制的作用。单位周转量的产值(ΔTOV)和单位交通行业产值的能耗(ΔGE)始终对碳排放都是抑制效用，且单位交通行业产值能耗的减排效应相对明显，在“十二五”时期达到16.248万t的减排量，意味着提高单位产值的能耗将是碳减排的有效途径。

结合上述分析发现，各阶段碳排放贡献量最高的驱动因素分别为总周转量、周转量碳强度及交通行业总产值，由于黑龙江省气候寒冷，导致路面积雪结冰，受到路面湿滑影响，各交通工具燃油效率降低，大大增加了耗油量，单位总周转量及周转量碳强度产生的碳排放量增多，因此是北方寒冷地区交通碳排放阶段贡献的关键因素。同时随着经济发展，交通行业总产值对碳排放正向驱动慢慢凸显。

3.3　碳排放驱动因素累积贡献值效用分析

为了更清楚地分析各驱动因素的动态变化和贡献强度，将其碳排放贡献值逐年累加，黑龙江省交通行业碳排放驱动因素累计贡献值如图3所示。由图3可知，累积效应表现出碳排放促增效果的驱动因素ΔGDP _j >ΔE>ΔTCI>ΔTO>ΔECI，促进碳排放降低效果的驱动因素ΔGCI>ΔGE>ΔTOV。

交通行业总产值是促进碳排放的主要因素，累计贡献量由17.044 7万t上升至143.809 2万t，平均年增长率15.28%，贡献率高达60.97%，对碳排放有稳定促增作用；受到寒冷气候的影响，各类交通工具为满足车内加热需求并维持低温条件下的正常运行，消耗大量的能源，能源消耗量成为寒冷地区碳排放的关键因素，平均年增长率达37.34%，对于碳排放一直正向促进，并与其变化趋势吻合。2011年能源消耗量骤增，带动交通产值碳强度、周转量碳强度升高，导致碳排放总量异常升高，但在个别年份贡献量出现负增长，说明能源消耗量的减少对碳减排有一定作用。总周转量累计贡献量于2015年和2020年出现负增长，作为交通碳排放供给方，总周转量减少，对能源需求降低，碳排放量相对减少，因此二者变化趋势大致相同，最终表现为促增效应。周转量碳强度前期表现碳减排效应，伴随着交通运输结构的转型，从2011年开始促进碳排放，2016年出现拐点，最终累计增加48.156 6万t。以上2个驱动因素表明，交通运输结构的低碳化转型也对碳排放有促降效应，但伴随着寒冷气候，车辆低速行驶，单位总周转量能源消耗增加，其碳排放量也随之增加，再次证明总周转量及周转量碳强度是寒冷地区交通碳排放的主要因素。能源消耗碳强度在2006—2021年间总计增加了5.460 5万t碳排放量，对碳排放的影响相对较弱，而单位交通行业产值的能耗减排效果较为明显，累计减排27.159 7万t，平均年增长率为26.12%，这2个驱动因素的变化体现出黑龙江省能源结构在逐步调整，但仍具有很大的改善空间。交通产值碳强度的减排效率最高，累计贡献量呈“W”型变化，减排量由15.742 5万t上升至44.362 8万t，减排贡献率17.42%，体现出经济的低碳循环发展及能源处理的低碳技术对碳减排有很大影响。单位周转量的产值起到碳排放抑制作用，累计碳减排8.560 1万t，抑制作用较微弱。

4　结论

基于2006—2021年相关能耗数据，利用Tapio脱钩模型及GDIM法对黑龙江交通运输行业碳排放与交通运输经济发展的脱钩关系及驱动因素进行分解分析，研究结论如下。

（1）2006—2021年，黑龙江省交通运输行业碳排放量呈先快速增长后波动下降趋势，交通运输行业经济和碳排放脱钩状态呈“强脱钩-扩张负脱钩-强脱钩”的波动变化，其中交通产值碳强度和单位交通行业产值的能耗促进交通行业脱钩，交通行业总产值和总周转量阻碍交通行业脱钩。

（2）从阶段碳排放贡献值看，各阶段碳排放贡献量最高的驱动因素分别为总周转量、周转量碳强度及交通行业总产值，是北方寒冷地区交通碳排放阶段性贡献的关键因素。

（3）从碳排放累计贡献量绝对值看，各个驱动因素的影响力大小为ΔGDPj>ΔE>ΔTCI>ΔGCI>ΔTO>ΔGE>ΔTOV>ΔECI。交通行业总产值对碳排放的促进作用显著，能源消耗量及总周转量是北方寒冷地区交通碳排放增加的主要因素；交通产值碳强度是主要的促进碳减排因素。因此要加强交通行业经济低碳化发展、大力推广清洁能源，提高客货运运输效率，继续推动“公转水”“公转铁”，加强城市轨道交通建设，降低北方寒冷地区交通工具单位周转量的能耗及碳排放。

（4）从碳排放变化趋势看，能源消耗量、周转量碳强度及交通产值碳强度累计贡献值的变化趋势和碳排放量变化趋势呈动态吻合，并受寒冷气候影响较大，说明这3个驱动因素对北方寒冷地区交通碳排放的管控有重要作用。

参考文献

[1] 李铭泓，黄 羿，朱伟俊，等.中国交通运输业碳排放全要素生产率研究：基于Global Malmquist-Luenberger指数[J].科技管理研究，2021，41(9)：203-211.

[2] LI Minghong， HUANG Yi， ZHU Weijun， et al. Research on Total Factor Productivity of Carbon Emission in China’s Transportation Industry： Based on the Global Malmquist-Leuenberger Index[J].Science and Technology Management Research，2021，41(9)：203-211.

[3] WU Y， CHAU KW， LU W，et al. Decoupling Relationship between Economic output and Carbon Emission in the Chinese Construction Industry[J].Environmental Impact Assessment Review，2018(71)：60-69.

[4] XU W H， XIE Y L， XIA D H，et al. A multi-sectoral Decomposition and Decoupling Analysis of Carbon Emissions in Guangdong Province，China[J].Journal of Environmental Management，2021(298)：113485.

[5] ZHANG X L， ZHAO Y， WANG C J，et al. Decoupling Effect and Sectoral Attribution Analysis of Industrial Energy-Related Carbon Emissions in Xinjiang，China[J].Ecological Indicators，2019(97)：1-9.

[6] 白 娟.交通运输业碳排放脱钩效应及其脱钩路径分析[D].西安：长安大学，2017.

[7] 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.

[8] YU Jie， Yabin DA， OUYANG Bin. Analysis of Carbon Emission Changes in China's Transportation Industry Based on LMDI Decomposition Method[J].Journal of China Highway，2015，28(10)：112-119.

[9] 王靖添，马晓明.中国交通运输碳排放影响因素研究：基于双层次计量模型分析[J].北京大学学报(自然科学版)，2021，57(6)：1133-1142.

[10] WANG Jingtian， MA Xiaoming. Research on the Influencing Factors of Carbon Emissions from Transportation in China：Based on a Two-Level Econometric Model Analysis[J].Journal of Peking University(Natural Science Edition)，2021，57(6)：1133-1142.

[11] SOLAYMANI S.CO₂ Emissions Patterns in 7 Top Carbon Emitter Economies： the Case of Transport Sector-Science Direct[J].Energy，2019(168)：989-1001.

[12] 周 岸，吴开亚.上海市交通碳排放驱动因素分析[J].合肥工业大学学报(自然科学版)，2020，43(2)：264-269.

[13] ZHOU An， WU Kaiya. Analysis of Driving Factors of Carbon Emissions from Transportation in Shanghai[J].Journal of Hefei University of Technology(Natural Science Edition)，2020，43(2)：264-269.

[14] 胡怀敏，左 薇，徐士元.长江经济带交通能源碳排放脱钩效应及驱动因素研究[J].长江流域资源与环境，2022，31(4)：862-877.

[15] HU Huaimin， ZUO Wei， XU Shiyuan. Study on the Decoupling Effect and Driving Factors of Carbon Emissions from Transportation Energy in the Yangtze River Economic Belt[J].Yangtze River Basin Resources and Environment，2022，31(4)：862-877.

[16] 胡艳麟，朱齐艳.《IPCC 2006年国家温室气体清单指南》(2019年修订版)废弃物卷修订浅析[J].低碳世界，2021，11(9)：49-50.

[17] TAPIO P. Towards a Theory of Decoupling： Degrees of Decoupling in the EU and the Case of Road Traffic in Finland between 1970 and 2001[J].Transport Policy，2005，12(2)：137-151.

[18] 钱 敏，高 璐.基于GDIM的陕西省工业碳排放影响因素研究[J].资源与产业，2020，22(2)：18-24.

[19] QIAN Min， GAO Lu. Research on the Factors Affecting Industrial Carbon Emissions in Shaanxi Province Based on GDIM[J].Resources and Industry，2020，22(2)：18-24.

[20] 张国兴，苏钊贤.黄河流域交通运输碳排放的影响因素分解与情景预测[J].管理评论，2020，32(12)：283-294.

[21] ZHANG Guoxing， SU Zhaoxian. Decomposition of Influencing Factors and Scenario Prediction of Carbon Emissions from Transportation in the Yellow River Basin[J].Management Review，2020，32(12)：283-294.

基金资助

黑龙江省自然科学基金项目(YQ2020G001)

龙建路桥股份有限公司企业项目(HFW230500018)