基于全生命周期的轨道交通产业集群供应链碳排放测算与影响因素分析

Carbon Emission Estimation and Influencing Factors Analysis of Supply Chain of Rail Transit Industry Clusters Based on Life Cycle

摘要

在“碳达峰”和“碳中和”的背景下，根据全生命周期理论，对轨道交通产业集群供应链全生命周期碳排放的边界进行界定，将轨道交通产业全生命周期划分为上中下游3个阶段。在此基础上，计算出四川省轨道交通产业集群供应链在2020年产生的碳排放总量为1 149.63万t·CO₂，引入Kaya等式，综合考虑碳排放强度、能源结构、能源强度等影响因素，使用LMDI分解法处理四川省轨道交通产业集群供应链2010—2020年的碳排放数据，结果表明：能源强度、经济产出和人口因素的影响大多为正效应，能源结构和产业结构大多为负效应且是最大的影响因素。从优化能源结构和能源强度、调整产业结构、建立碳排放监测与评估机制3个方面为助力轨道交通产业集群供应链的低碳转型提供对策建议。

Abstract

Against the backdrop of carbon peak and carbon neutrality, the boundary of the carbon emissions throughout the life cycle of the supply chain of rail transit industry clusters was defined based on the life cycle theory, and the life cycle of the supply chain of rail transit industry clusters was divided into upstream, midstream, and downstream stages. On this basis, the total CO₂ emissions of the supply chain of rail transit industry clusters in Sichuan Province in 2020 were calculated to be 11.496 3 million tons. The Kaya identity was introduced, and influencing factors such as carbon emission intensity, energy structure, and energy intensity were comprehensively considered. The LMDI decomposition method was used to process the carbon emission data of the supply chain of rail transit industry clusters in Sichuan Province from 2010 to 2020. The results show that energy intensity, economic output, and population factors mostly have positive effects on total carbon emission, and energy intensity and industrial structure mostly have negative effects and are the biggest influencing factors. Therefore, the paper provides countermeasures and suggestions for supporting the low-carbon transition of the supply chain of rail transit industry clusters from three aspects: optimizing the energy structure and energy intensity, adjusting the industrial structure, and establishing a carbon emission monitoring and evaluation mechanism.

Graphical abstract

关键词

轨道交通产业 / 集群供应链 / 全生命周期 / 碳排放测算 / LMDI分解法

Key words

Rail Transit Industry / Supply Chain of Cluster / Life Cycle / Carbon Emission Estimation / LMDI

0　引言

随着我国城市化进程的加快，城市的货物运输需求和出行需求日益多元化，交通运输业已经成为我国能源消费、城市大气污染、碳排放等重要影响因素之一。轨道交通具有运能大、能源效率高、土地利用率高等特点，是实现节能减排的重要途径^[1]。近年来，我国出台了一系列的政策与措施，以促进轨道交通产业向低碳绿色方向发展，《国家综合立体交通网规划纲要》中提到，要将绿色交通作为未来交通运输业的主要发展目标和重点建设内容。各地方政府积极响应，如四川省在《四川省轨道交通产业发展规划(2016—2025年)》中对轨道交通产业提出了提升科技研发能力、扩大勘察设计优势、拓宽工程建设市场、完善运营维护体系、提升装备制造业实力5项核心任务，以建成行业领先、国际一流水平的轨道交通产业高地。

国内外学者针对轨道交通产业、产业集群供应链、产业低碳转型的研究取得了一定的成果。Morrow等^[2]通过分析印度各行业\mathrm{C}{\mathrm{O}}_{\mathrm{2}}排放，得出建筑业和制造业排放的\mathrm{C}{\mathrm{O}}_{\mathrm{2}}在总碳排放量中占比最高；黎继子等^[3]阐明集群式供应链为产业集群和供应链的耦合；徐建中等^[4]提出市场拉力、政府推力、技术驱动力是制造业低碳转型的三大方向；Long等^[5]创造性地提出了一个包含垂直研发溢出、有效信息和政府研发补贴的两阶段集群供应链博弈模型；徐铭辰等^[6]提出了全球轨道交通产业链供应链的变革趋势；薛锋等^[7]构建了Logistic曲线模型，以揭示轨道交通产业集群的演化特征；薛蕊等^[8]提出应充分发挥轨道交通产业的集群优势、效率优势和技术创新优势，以扩大轨道交通产业链供应链的竞争力；李煜华等^[9]结合了文献研究法和DEMATEL-ISM法，构建模型厘清了影响制造业供应链低碳转型因素之间的关系并分析相应的低碳转型机制。

综上所述，目前集群供应链、产业低碳转型升级等方面的研究成果比较丰富，而以轨道交通产业集群供应链为研究对象的成果比较匮乏。因此，在“双碳”目标背景下，亟需对轨道交通产业集群供应链的结构特征进行分析，探讨集群供应链碳排放情况及影响因素，明确低碳转型发展水平与实施路径，为轨道交通产业低碳转型升级提供理论支撑。

1　轨道交通产业集群供应链定义

产业集群是指在相对集中的一个地理位置上，一个由企业和其他相关机构组成的群体，且这些机构间存在合作与竞争的关系。从某种程度上来说，产业集群在空间上是一种新的经济组织形式，其在市场和等级制度之间取得平衡。在商品生产及流通过程中，将产品或服务从生产企业提供给最终消费者的整个过程中，涉及到从上游、中游至下游的整体性网链结构，称为供应链，即由物料获取、物料加工、并将成品送到用户手中这一过程所涉及的企业和企业部门组成的一个网络^[10]。集群供应链是产业集群和供应链的耦合，这种耦合关系客观地存在于很多地域的产业集群^[11-12]。

轨道交通产业是指以铁路、地铁、轻轨等轨道交通系统为核心，涵盖轨道交通基础设施建设、车辆制造和系统集成、运营管理等环节的一个综合性产业，由工程勘察设计、建设施工、监理验收、运营管理等环节的多个产业交织而成。轨道交通产业有以下特点：①基础设施建设与装备制造等环节需要的投资巨大，是典型的资本密集型产业；②涉及通信、电子、控制等多领域的最新技术，需要大量且持续的研发投入和创新；③轨道交通的建设与运营具有较强的公益性与社会性；④轨道交通产业的规模巨大，规模经济显著。在国家政策的大力支持下，轨道交通建设规模逐步扩大，以此形成了一条集群供应链，轨道交通产业集群供应链是指围绕轨道交通核心产品和服务，由相关上下游企业、科研机构、金融机构等组成的协作网络。

轨道交通产业是链条组织结构，包括轨道交通建设乃至运营管理的全过程，由多个产业、多个环节交织而成，大体可以按照集群供应链将其分为上中下游，上游为规划建设与装备制造，中游为运营维护，下游为轨道交通的后市场延伸。

2　碳排放计量方法构建及影响因素

2.1　研究边界界定

轨道交通产业集群供应链全生命周期是指轨道交通项目从规划建设与装备制造，到运营维护，再到轨道交通的后市场延伸等整个过程。明确碳排放量的计算边界，是进行轨道交通产业集群供应链全生命周期碳排放测算的第一步^[13]。碳排放计算边界应包括轨道交通基础设施建设所需材料的生产、施工建设、运营、衍生服务等，按上中下游区分^[14]。轨道交通产业集群供应链的全生命周期如图1所示。

2.2　理论研究与计量方法

轨道交通产业集群供应链是一个复杂的系统，由于轨道交通的规划设计与建设涉及到多个领域，工程量繁复，难以精确统计。生命周期评价(LCA)是一种系统化评估产品或服务全生命周期各阶段潜在环境影响的方法，通过LCA能全面地评估供应链各个环节及相关影响，并识别和分析产业集群中不同环节的协同作用。精简型LCA在方法论上更为简化，通常不需要进行详尽的数据收集和建模，而是侧重于快速评估和决策支持，适用于资源有限的情况。因此选用精简型的LCA方法，以全生命周期过程中产生的碳排放量作为对环境产生影响的评价指标，选用轨道交通产业集群供应链为研究对象，对轨道交通产业集群供应链全生命周期的碳排放情况进行定量测算，同时阐释说明评估结果的科学性和合理性。

2.3　分阶段碳排放模型

基于轨道交通产业集群供应链全生命周期图，构建出轨道交通产业集群供应链的碳排放模型，如公式⑴所示。

C=C_s+C_z+C_x⑴

式中：C为轨道交通产业集群供应链全生命周期的碳排放量^[13]，\mathrm{k}\mathrm{g}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}；C_s，C_z，C{}_x{}^{}分别代表轨道交通产业集群供应链的上、中、下游阶段的碳排放量，\mathrm{k}\mathrm{g}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}。

2.3.1　上游——规划建设与装备制造阶段碳排放强度和水平

轨道交通产业集群供应链的上游阶段包括轨道交通产业的规划设计、工程建设和装备制造阶段。但由于规划设计阶段所产生的碳排放量相对于建设阶段来说，可以忽略不计，故不考虑此阶段的碳排放量。因此，分阶段进行上游的碳排放测算，如公式⑵所示。

C_s=C_j+C_b⑵

式中：C_j为工程建设阶段的碳排放量，\mathrm{k}\mathrm{g}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}；C_b为装备制造阶段的碳排放量，\mathrm{k}\mathrm{g}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}。

（1）工程建设阶段。交通运输基础设施在建造过程中需要消耗大量的建设材料。轨道交通基础设施，包括线桥隧、车站、机车车辆、牵引供电、通信信号设备、信息化装备等，在建造阶段对建设材料的消耗量巨大，而生产这些材料需要消耗能源，从而产生大量的\mathrm{C}{\mathrm{O}}_{\mathrm{2}}，在其生产过程中矿物原料的分解也会产生大量\mathrm{C}{\mathrm{O}}_{\mathrm{2}}。同时需要将建设材料和施工机械设备运输至施工地点，运输这些材料和机械设备时也会排放大量\mathrm{C}{\mathrm{O}}_{\mathrm{2}}。此外在轨道交通建设过程中使用消耗能源的施工机械和设备也会产生并排放大量\mathrm{C}{\mathrm{O}}_{\mathrm{2}}。因此工程建设阶段的碳排放测算模型如公式⑶所示。

C_j={\displaystyle \sum _{i=\mathrm{1}}^{n_{\mathrm{1}}}}{m}_i\times E_{i,\mathrm{1}}⑶

式中：n_{\mathrm{1}}为轨道交通工程建设过程中需要的材料种类数；U_i为在轨道交通工程建设过程中第i种材料的用量，\mathrm{k}\mathrm{g}；E_{i,\mathrm{1}}为第i种材料的碳排放系数，\mathrm{k}\mathrm{g}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}/\mathrm{k}\mathrm{g}。

（2）装备制造阶段。轨道交通产业的装备大体分为车辆制造、通信信号及供电两大类。车辆制造及新材料包括车体、转向架、制动系统、通风空调等；通信信号及供电设备包括ATP系统、ATS系统、ATO系统、信号系统、广播系统等。装备制造阶段产生的碳排放量，如公式⑷所示。

C_b={\displaystyle \sum _{i=\mathrm{1}}^{n_{\mathrm{2}}}}{E}_{i,\mathrm{2}}⑷

式中：n_{\mathrm{2}}为装备制造中生产的轨道交通产业装备种类数量；E_{i,\mathrm{2}}为生产第i种轨道交通产业装备所产生的碳排放量，\mathrm{k}\mathrm{g}\cdot \mathrm{C}{\mathrm{O}}_{\mathrm{2}}。

2.3.2　中游——运营维护阶段碳排放强度和水平

轨道交通产业的运营阶段持续时间最长，碳排放量也相对较多。运营阶段的能耗分为车站设备运行消耗和动车组运行消耗2部分。现阶段由于技术的进步，轨道交通产业运营过程的能源消耗主要是电力消耗。为此，本阶段仅考虑电力消耗产生的碳排放。动车组运行耗电包括车辆牵引耗电、动车组信号系统耗电等。车站耗电设备包括照明系统、监控系统、自动扶梯系统等。

因此，主要通过耗电量进行轨道交通产业运营阶段的碳排放测算，如公式⑸所示。

C_b=(U_d+U_c)\times E_{i,\mathrm{3}}⑸

式中：U_d为动车组运行耗电量，\mathrm{k}\mathrm{W}·\mathrm{h}；U_c为车站耗电设备耗电量，\mathrm{k}\mathrm{W}·\mathrm{h}；E_{i,\mathrm{3}}为电力碳排放系数，\mathrm{k}\mathrm{g}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}/(\mathrm{k}\mathrm{w}·\mathrm{h})。

2.3.3　下游——后市场延伸阶段碳排放强度和水平

后市场延伸是轨道交通产业集群供应链的重要部分，包括但不限于综合开发TOD、维护保养、服务经济等多种要素，是一种全新关联经济形态。其中，综合开发TOD包含规划设计、开发建设、运营管理等内容，维护保养包括科技创新、智慧工地、智能运维、智能维保等内容，服务经济包括教育培训、金融服务、文化旅游等内容^[15]。后市场延伸阶段的碳排放测算如公式⑹所示。

C_x=C_{xz}+C_{xw}+C_{xf}⑹

式中：C_{xz}为综合开发TOD所产生的碳排放量，\mathrm{k}\mathrm{g}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}；C_{xw}为维护保养所产生的碳排放量，\mathrm{k}\mathrm{g}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}；C_{xf}为服务经济所产生的碳排放量，\mathrm{k}\mathrm{g}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}。

2.4　测算结果与分析

选取四川省作为轨道交通产业集群供应链碳排放测算的研究对象，具体原因在于：①四川省出台了一系列碳减排目标和措施，加快“双碳”目标的推进与落实；②截至2023年年底，四川省轨道交通运营里程已经超过6 000 km，在全国排名前列，且四川省处于西部内陆，具有一定的地域代表性；③四川省轨道交通产业集群已基本成型，具备完整的轨道交通产业上中下游的各级企业，产业链完善，轨道交通产业集群供应链发展数据可得性、完整性与公开性高。因此，选择四川省轨道交通产业作为样本进行碳排放测算。

数据来源于《四川省统计年鉴》和《中国能源统计年鉴》，由于在各种官方统计年鉴和统计信息中，并没有对轨道交通产业数据进行统计，因此基于数据可得性和数据相关性，使用交通运输、仓储和邮政业的统计数据代替轨道交通产业集群供应链所产生的能源消耗数据。《中国能源统计年鉴》提供了标准煤折算系数，IPCC指南则给出了相应的碳排放系数^[16]。2020年能源折标煤系数、碳排放系数与碳排放量如表1所示。

以四川省轨道交通产业集群供应链为例，参照建立的全生命周期碳排放的测算方法，结合四川省轨道交通产业集群供应链2020年上中下游的基础数据，测算碳排放量，可得到在全生命周期内各个阶段碳排放。根据公式⑶得出2020年轨道交通产业集群供应链在上游的工程建造阶段的碳排放量为796.86万\mathrm{t}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}。

四川省位于华中地区，根据《中国城市温室气体清单编制指南》，电力的折标准煤系数为0.122 9千克标准煤/(kW·h)，碳排放系数取2.213 2 t碳/吨标准碳。轨道交通运营阶段的碳排放从《中国铁道年鉴》中获取中国铁路成都局集团有限公司(以下简称“成都局集团公司”) 2020年运营所需的各种能源的消耗量，包括供水量、牵引供电量和供电量的消耗量，基于数据可得性，使用“成都局集团公司运营能源”作为四川省轨道交通产业运营阶段碳排放量计算的数据来源，其中供水量取1 097.9万{\mathrm{m}}^{\mathrm{3}}，牵引供电量取6.23亿\mathrm{k}\mathrm{W}·\mathrm{h}，其他供电量取85 642.0万\mathrm{k}\mathrm{W}·\mathrm{h}。根据公式⑸计算得出轨道交通产业集群供应链中游在2020年的碳排放量为192.83万\mathrm{t}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}。

下游为轨道交通的延伸服务，包括综合开发、维护保养、服务经济3部分，但由于囊括内容众多，无法一一计量，且综合开发和维护保养所产生的碳排放量相较于服务经济较少，故选取服务经济中一个有代表性的具体领域，如旅游业中由轨道交通带来的碳排放，作为案例进行碳排放计量如公式⑺所示。

C_{Tt}=Q_t\times f\times \alpha⑺

式中：C_{Tt}为第i年旅游轨道交通\mathrm{C}{\mathrm{O}}_{\mathrm{2}}排放量，\mathrm{k}\mathrm{g}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}；Q_t为第i年轨道交通的旅客周转量，人公里；f为使用轨道交通的客流量的旅游者比例，取值为31.6%；\alpha为轨道交通的碳排放因子，取值为137g/人公里。

由公式⑺计算出轨道交通产业集群供应链下游在2020年的碳排放为159.94万\mathrm{t}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}。将上述所求轨道交通产业上中下游的碳排放求和，得出2020年四川省轨道交通产业集群供应链产生的碳排放为1 149.63万\mathrm{t}·\mathrm{C}{\mathrm{O}}_{\mathrm{2}}。

2.5　影响因素分析

2.5.1　模型构建与指标设置

随着温室效应的加剧，如何科学有效地减少碳排放量成为了当前研究的重点。近年来，国内外学者对碳排放影响因素分解的研究也越来越多，其中结构分解法和指数分解法是应用较多的2种分解方法。但由于在应用结构分解法时，涉及到的数据的获取难度较大，因此目前的应用研究并不多。指数分解法由于其只需要使用产业的加总数据，数据较易获取且适合用于时间序列的分析，目前应用较多。

LMDI分解法是一种将发生在某一经济或社会现象上的总体变化，分解到引起这种变化的多个因素上的方法，广泛应用于环境科学、能源管理和经济研究等领域。Kaya等式是分析碳排放影响因素的经典模型，一般只考虑人口、人均GDP和碳强度几个因素。在综合前人研究的基础上，采用LMDI分解法，并对Kaya等式进行扩展，选取碳排放强度、能源结构、能源强度、产业结构、经济产出、人口因素^[17-18]作为影响因素分析其对碳排放量的作用，原因如下：①碳排放强度：高碳排放强度通常意味着在生产过程中使用了较高比例的化石燃料或低效能的技术，因此，分析碳排放强度可以帮助识别和改善高排放行业或生产环节，从而推动减排政策和技术改进；②能源结构：不同的能源具有不同的碳排放特性，因此，优化能源结构可以显著降低整体碳排放；③能源强度：较高的能源强度意味着生产过程不够高效，评估能源强度有助于鼓励行业实施更高效的技术和管理措施，以减少资源消耗；④产业结构：不同产业的碳排放特征差异明显，通常重工业碳排放较高，而服务业的排放则相对较低，合理的产业结构有助于平衡经济发展与环境保护的关系；⑤经济产出：经济产出代表总体经济活动水平，通常会影响碳排放量的多少，深入分析其关系将有助于实现高质量的经济增长；⑥人口因素：人口规模和分布会影响能源消费模式和生活方式，人口增长会直接导致能源需求和碳排放量的增加。

扩展后的Kaya等式模型如公式⑻所示。

C=\sum _i\frac{C_i}{E_i}\times \frac{E_i}{E}\times \frac{E}{A_{\mathrm{G}\mathrm{D}{\mathrm{P}}_{tran}}}\times \frac{A_{\mathrm{G}\mathrm{D}{\mathrm{P}}_{tran}}}{A_{\mathrm{G}\mathrm{D}\mathrm{P}}}\times \frac{A_{\mathrm{G}\mathrm{D}\mathrm{P}}}{P}\times P⑻

式中：\frac{C_i}{E_i}，\frac{E_i}{E}，\frac{E}{A_{\mathrm{G}\mathrm{D}{\mathrm{P}}_{tran}}}，\frac{A_{\mathrm{G}\mathrm{D}{\mathrm{P}}_{tran}}}{A_{\mathrm{G}\mathrm{D}\mathrm{P}}}，\frac{A_{\mathrm{G}\mathrm{D}\mathrm{P}}}{P}，P分别代表碳排放强度、能源结构、能源强度、产业结构、经济产出、人口因素，C_i为消耗第i类能源而产生的碳排放总量，万\mathrm{t}\cdot \mathrm{C}{\mathrm{O}}_{\mathrm{2}}；E_i为第i类能源消耗量，万t；E为四川省轨道交通产业能源消耗总量，万t；A_{\mathrm{G}\mathrm{D}{\mathrm{P}}_{tran}}为四川省轨道交通产业增加值，亿元；A_{\mathrm{G}\mathrm{D}\mathrm{P}}为四川省的总\mathrm{G}\mathrm{D}\mathrm{P}，亿元；P为四川省常住人口，人。由此可以将公式进一步简化，如公式⑼所示。

C={\sum }_i{a}_i\times j_i\times q\times t\times e\times p⑼

式中：a_i，j_i，q，t，e，p分别代表\frac{C_i}{E_i}，\frac{E_i}{E}，\frac{E}{A_{\mathrm{G}\mathrm{D}{\mathrm{P}}_{tran}}}，\frac{A_{\mathrm{G}\mathrm{D}{\mathrm{P}}_{tran}}}{A_{\mathrm{G}\mathrm{D}\mathrm{P}}}，\frac{A_{\mathrm{G}\mathrm{D}\mathrm{P}}}{P}，P。

以2010年为基期，设基期的四川省轨道交通产业集群供应链的碳排放总量为C^{\mathrm{0}}，T为研究年份，T期轨道交通产业集群供应链对应的碳排放总量为 C^T，∆C为总效应值，单个影响因素产生的效应值表达式如公式⑽所示。

∆C_n={\sum }_i{\omega }_i\times ln\frac{n^{\mathrm{T}}}{n^{\mathrm{0}}}⑽

式中：n为a_i，j_i，q，t，e，p这6种影响因素；{\omega }_i表达式为{\omega }_i=\frac{C_i^{\mathrm{T}}-C_i^{\mathrm{0}}}{ln{C}_i^T-ln{C}_i^{\mathrm{0}}}，是权重系数；∆C_a，∆C_j，∆C_q，∆C_t，∆C_e，∆C_p分别代表各个效应值。

在本研究中，每年的碳排放系数取同一固定值，故∆C_a的值为0。把各个效应值加总得到分解结果的总效应值，如公式⑾—⑿所示。

∆C=C^{\mathrm{T}}-C^{\mathrm{0}}⑾

∆C=∆C_a+∆C_j+∆C_q+∆C_t+∆C_e+∆C_p⑿

2.5.2　实证结果与分析

根据已知数据计算出四川省2010—2020年轨道交通产业集群供应链的人均碳排放量和各类能源产生的碳排放量情况，四川省2010—2020年轨道交通产业集群供应链碳排放情况如表2所示。产生较少碳排放的能源忽略不计，在表2中不显示，如原煤、燃料油、焦炭等。根据公式⑼和公式⑿，得到四川省2010—2020年轨道交通产业集群供应链碳排放LMDI分解结果如表3所示，揭示了各个因素在碳排放方面所起正负效应作用。

分析表3可知，总体来看，能源强度、经济产出和人口因素对四川省轨道交通产业集群供应链碳排放产生的影响较多是正向的，有较多负向影响的是能源结构和产业结构，效应值越大产生的碳排放量相应地就越多。每个效应值如何影响四川省轨道交通产业集群供应链碳排放的分析如下。

（1）能源结构分析。从表3来看，能源结构的影响大多数情况下都为负。根据表2中碳排放量测算结果可知，汽油、煤油、柴油等石油制品产生的碳排放量，在四川省轨道交通产业集群供应链的碳排放中占据了很大部分，而石油制品在轨道交通产业中发挥着不可替代的作用，且近年来，民众对轨道交通产业的需求还在不断增长，这导致了在一定时期内，石油制品在轨道交通产业集群供应链中的使用仍将保持较高的占比，不利于绿色低碳的践行。

（2）能源强度分析。表3的分解结果表明，能源强度大多数情况下呈现明显的正效应，但需要注意的是，近年来能源强度呈现了较大的负效应。研究发现，能源强度效应值的正负和能源强度的增减总是保持一致，可见通过改进能源强度如提高能源效率、增加可再生能源的使用比例、使用节能技术等措施能有效降低四川省轨道交通产业集群供应链碳排放量，使经济发展的增速高于能源消耗总量的增速。

（3）产业结构分析。从LMDI分解结果发现，产业结构的效应值虽然大多数为负值，但其正值效应值绝对值整体高于负值的绝对值，反映了四川省轨道交通产业集群供应链增加值和GDP增速的大小对比情况。当四川省GDP增速更大时，效应值为负值，当四川省轨道交通产业集群供应链增加值增速更大时，效应值为正值。四川省轨道交通产业集群供应链产业结构的优化和升级不仅能使得经济发展在一个相对平衡的状态，更有利于碳排放量的整体降低。

（4）经济产出效应。从结果来看，经济产出对碳排放起着明显的推动作用。2011年到2020年间，经济发展对应的碳排放量的增加值从9.97万t增长到了82.29万t，四川省的人均GDP也从21 412元增长至58 056元，可见造成四川省碳排放持续上升的主要原因之一就是经济产出的持续增长。四川省经济快速发展引发了能源消费，带来了大量的碳排放量，因此需要实现经济、环境和社会效益之间的平衡。

（5）人口规模效应。人类的各种活动产生了碳排放，从表2中可以看出，碳排放总量和人均碳排放量的变化趋势高度一致。但因为四川省常住人口的增幅并不明显，同时老龄化程度的加剧也在产生影响，所以人口规模对四川省轨道交通产业集群供应链碳排放产生的正效应较小。

3　结论及建议

3.1　结论

（1）利用生命周期评价方法，计算出四川省轨道交通产业集群供应链在2020年的碳排放总量。利用LCA界定研究边界，分阶段构建轨道交通产业集群供应链的碳排放模型，并以2020年四川省轨道交通产业集群供应链为例，计算出当年的四川省轨道交通产业集群供应链产生的碳排放为1 149.63万t·CO₂。

（2）通过LMDI分解法计算出各影响因素对轨道交通产业集群供应链碳排放量的影响。对Kaya等式进行扩展，以碳排放强度、能源结构、能源强度、产业结构、经济产出、人口因素作为影响因素进行LMDI分解，以2010年为基期，计算了四川省轨道交通产业集群供应链在2011—2020年间各影响因素的效应值。结果表明：能源结构负效应值最大，其他因素大多为正效应，因此，要实现“双碳”目标，需牢牢把握能源结构的优化，减少石油制品等不可再生资源的使用。

（3）提出轨道交通产业集群供应链的低碳转型升级路径。在分析计算的基础上，分别从优化能源结构和能源强度、调整产业结构、建立碳排放监测与评估机制3个方面提出了轨道交通产业集群供应链的低碳转型升级路径。

3.2　建议

为实现碳达峰与碳中和这2个目标，低碳转型升级成为必由之路。随着对轨道交通的需求增大，通过减少轨道交通产业集群供应链的碳排放、提升能源利用效率能有效推进双碳目标的顺利实现^[19-20]。

（1）优化能源结构和能源强度。推动轨道交通产业集群供应链向可再生能源转型，大力推广绿色节能技术装备的研发与应用，提升移动装备能效水平，增加清洁能源的使用比例。同时，推动电力系统的智能化，提升能源使用效率。采用高效的电动机和制动系统，优化列车运行和维护，降低能源消耗。

（2）调整产业结构。鼓励轨道交通产业集群供应链内的企业进行绿色转型，发展低碳技术和产品。支持研发新材料、新工艺，提升轨道交通设备的环保性能，减少生产过程中的碳排放。在推动经济增长的同时，注重低碳发展。鼓励企业之间、行业之间的合作，共享低碳技术和经验，形成合力，共同推动低碳发展。通过政策引导和财政支持，鼓励企业在追求经济效益的同时，关注环境保护，推动绿色经济的发展。

（3）建立碳排放监测^[21-22]与评估机制。建立完善的碳排放监测体系，定期评估轨道交通产业集群的碳排放情况。通过数据分析，识别高排放环节，制定针对性的减排措施，推动产业集群的持续低碳转型。积极调整环境、社会和经济三者之间关系，使其尽量保持稳定平衡，控制人口规模在合理范围内。

参考文献

[1] 陈坤阳，周　鼎，粟月欢，等. 城市轨道交通生命周期碳排放强度与碳减排潜力研究[J]. 铁道标准设计，2022，66(5)：1-7.

[2] CHEN Kunyang， ZHOU Ding， SU Yuehuan，et al. Research on Carbon Emission Intensity and Reduction Potentials of Urban Rail Transit Life Cycle[J]. Railway Standard Design，2022，66(5)：1-7.

[3] MORROW W R， HASANBEIGI A， SATHAYE J，et al. Assessment of Energy Efficiency Improvement and CO₂ Emission Reduction Potentials in India’s Cement and Iron & Steel Industries[J]. Journal of Cleaner Production，2014，65：131-141.

[4] 黎继子，刘春玲. 集群式供应链：产业集群和供应链的耦合[J]. 现代经济探讨，2006(5)：5-9.

[5] LI Jizi， LIU Chunling. The Supply Chain of Cluster Type：Coupling between Industry Cluster and Supply Chain[J]. Modern Economic Research，2006(5)：5-9.

[6] 徐建中，张楠 ．低碳经济背景下黑龙江省制造业低碳转型发展研究[J]．商业研究，2019(4)：90-96．

[7] XU Jianzhong， ZHANG Nan.Research on Manufacturing Industry Low-Carbon Transformation Development in Heilongjiang Province under the Background of Low Carbon Economy[J]. Commercial Research，2019(4)：90-96．

[8] LONG J J， WANG F L. Complexity of a Two-Stage R&D Game within a Cluster Supply Chain Considering Vertical R&D Spillovers，Effective Information，and Government Subsidies[J]. Mathematics and Computers in Simulation，2024，221：606-621.

[9] 徐铭辰，刘　衡. 强化轨道交通产业自主可控面向未来提前谋划布局[J]. 科技中国，2024(5)：40-44.

[10] 薛　锋，梁洁林，任子兰，等. 轨道交通产业集群识别及时空演变特征分析[J]. 管理现代化，2024，44(2)：91-100.

[11] XUE Feng， LIANG Jielin， REN Zilan，et al. Identification and Spatial-Temporal Evolution Characteristics of Rail Transit Industry Clusters[J]. Modernization of Management，2024，44(2)：91-100.

[12] 薛　蕊，李　育，武　芳. 推动我国轨道交通产业高质量“走出去”[J]. 中国外资，2024(5)：76-81.

[13] 李煜华，袁亚雯. 碳中和目标下制造企业闭环供应链低碳转型机制研究：基于DEMATEL-ISM模型[J]. 科技管理研究，2022，42（23）：226-234.

[14] LI Yuhua， YUAN Yawen. Research on the Low-Carbon Transformation Mechanism of Closed-Loop Supply Chain of Manufacturing Enterprises under the Carbon Neutrality Goal：Based on the DEMATEL-ISM Model[J]. Science and Technology Management Research，2022，42(23)：226-234.

[15] 崔恩栓. 依托供应链集成拓展机车车辆装备配套供应领域提升铁路装备业务总体实力[J]. 铁路采购与物流，2012，7(9)：30-31.

[16] 李　莉. 集群式供应链风险形成机理与评估研究[D]. 成都：西南交通大学，2010.

[17] 鲁　衎. 电子商务模式下集群供应链战略合作决策研究[J]. 商业经济研究，2018(8)：63-65.

[18] LU Kan. Research on Strategic Cooperative Decision-Making of Cluster Supply Chain in E-Commerce Mode[J]. Journal of Commercial Economics，2018(8)：63-65.

[19] 陈进杰，王兴举，王祥琴，等. 高速铁路全生命周期碳排放计算[J]. 铁道学报，2016，38(12)：47-55.

[20] CHEN Jinjie， WANG Xingju， WANG Xiangqin，et al. Calculation of Carbon Dioxide Emissions in the Life Cycle of High Speed Railway[J]. Journal of the China Railway Society，2016，38(12)：47-55.

[21] 付延冰，刘恒斌，张素芬. 高速铁路生命周期碳排放计算方法[J]. 中国铁道科学，2013，34(5)：140-144.

[22] FU Yanbing， LIU Hengbin， ZHANG Sufen. Calculation Method for Carbon Dioxide Emission in the Life Cycle of High Speed Railway[J]. China Railway Science，2013，34(5)：140-144.

[23] 罗桂蓉. 轨道交通产业合作创新的演化博弈研究[D]. 成都：西南交通大学，2020.

[24] 刘妍慧，栗　洋. 湖北省交通运输业碳排放测算及影响因素分解[J]. 统计与决策，2022，38(15)：88-92.

[25] 张　纯. “双碳”背景下安徽省工业碳排放减排对策研究[D]. 淮南：安徽理工大学，2021.

[26] 左大杰，戴文涛. 基于通径分析的四川省交通碳排放驱动机理研究[J]. 交通运输系统工程与信息，2018，18(2)：230-235.

[27] ZUO Dajie， DAI Wentao. Driving Mechanism of Traffic Carbon Emissions in Sichuan Province Based on Path Analysis[J]. Journal of Transportation Systems Engineering and Information Technology，2018，18(2)：230-235.

[28] 施仲衡，丁树奎. 城市轨道交通绿色低碳发展策略[J]. 城市轨道交通，2022(9)：14-17.

[29] 孟凡强. 铁路实现绿色发展的路径探讨[J]. 铁路节能环保与安全卫生，2019，9(5)：14-17.

[30] MENG Fanqiang. Discussion on the Path of Realizing Green Development of Railway[J]. Railway Energy Saving & Environmental Protection & Occupational Safety and Health，2019，9(5)：14-17.

[31] 袁振洲，袁晓敬，杨洋，等. 城市轨道交通低碳效应研究综述[J]. 铁道运输与经济，2024，46(8)：8-23，57.

[32] YUAN Zhenzhou， YUAN Xiaojing， YANG Yang，et al. Review on Research of Low-Carbon Effects in Urban Rail Transit[J]. Railway Transport and Economy，2024，46(8)：8-23，57.

[33] 陈猛，谈晓勇. 西部陆海新通道物流业碳排放特征及驱动因素研究[J]. 铁道运输与经济，2024，46(12)：100-107.

[34] CHEN Meng， TAN Xiaoyong. Carbon Emission Characteristics and Driving Factors of Logistics Industry in New International Land sea Trade Corridor[J]. Railway Transport and Economy，2024，46(12)：100-107.

基金资助

四川省哲学社会科学基金项目(SCJJ24ND067)

成都市软科学研究项目(2023-RK00-00166-ZF)

四川省社会科学重点研究基地——系统科学与企业发展研究中心规划项目(Xq23C09)