我国民航业碳排放脱钩状态分析及预测研究

Analysis and Prediction of Carbon Emission Decoupling State in China's Civil Aviation Industry

摘要

随着我国民航业快速发展，碳减排压力持续增大。为探究民航业发展与碳排放之间的脱钩关系，基于IPCC碳排放系数法测算了民航业历史碳排放量，利用TAPIO脱钩模型和LMDI法分析了民航业碳排放脱钩状态及驱动因素，最后评估和预测了民航业碳排放变化趋势和脱钩进程。结果表明：2000—2019年民航业碳排放总量持续上升且保持较高增速；研究期内经济水平效应是促进行业扩张的首要动力，运输强度效应是推动碳排放脱钩的首要因素；“粗放情景”下民航业不会有碳排放峰值，其余5种情景均可在2035年之前出现碳达峰，但只有“绿色情景”可望如期实现碳达峰目标；在预测期内“绿色情景”脱钩状况最佳，“低碳节能情景”次之，“粗放情景”脱钩状况最差且无法达到强脱钩状态，其余3种情景均能在一定程度上优化脱钩趋势。

Abstract

With the rapid development of China's civil aviation Industry, the pressure to reduce carbon emissions continues to increase. To explore the decoupling relationship between the development of the civil aviation industry and carbon emissions, historical carbon emissions were calculated based on the IPCC carbon emission coefficient method. The decoupling state and driving factors of carbon emissions in the civil aviation industry were analyzed by using the TAPIO decoupling model and LMDI method. Finally, the trend and decoupling process of carbon emissions in the civil aviation industry were evaluated and predicted. The results indicate that the total carbon emissions in the civil aviation industry have continued to rise and maintained a high growth rate from 2000 to 2019. The economic level effect during the research period is the primary driving force for promoting industry expansion, while the transportation intensity effect is the primary factor driving carbon emission decoupling. Under the "extensive scenario", the civil aviation industry will not have a peak in carbon emissions. The other five scenarios can all achieve a peak in carbon emissions before 2035, but only the "green scenario" is expected to achieve the carbon peak target as scheduled. The "green scenario" has the best decoupling situation during the prediction period, while the "extensive scenario" has the worst decoupling situation and cannot achieve a strong decoupling state. The other three scenarios can optimize the decoupling trend to a certain extent.

Graphical abstract

关键词

民航业 / 碳排放 / 脱钩状态 / 驱动因素 / 碳达峰

Key words

Civil Aviation Industry / Carbon Emission / Decoupling State / Driving Factor / Carbon Peak

0　引言

民航业既是综合运输体系的重要组成部分，也是国民经济和社会发展的重要支撑。随着人民生活水平的提高和出行需求的增加，民航业持续保持着快速发展态势，机队规模、航线数量、运输周转量等指标连年上升，我国也一跃成为了全球第二大民航市场，能源消耗和碳排放不断增长，降碳减排压力持续增大。据国际能源署报告显示，2013—2019年全球民航业碳排放量已经超过预测值的70%，若不及时采取有效措施，到2050年民航业将会产生全球25%的碳排放量^[1]。当前，我国高度重视生态文明建设，民航业绿色转型面临着新的机遇和挑战。因此，探究民航业发展与碳排放增长的脱钩关系及其变化趋势，对于完成“双碳”目标和实现民航业高质量可持续发展具有重要意义。

经济快速增长往往伴随着资源大量消耗和环境负荷加重，经济合作与发展组织(OECD)在此基础上提出了脱钩理论，用以讨论经济活动与资源环境变化之间的关联。碳排放脱钩是指经济发展与能源之间的关系不断弱化，即实现经济增长的同时，能源消费量逐渐减少，环境影响不断降低，则呈现为脱钩状态^[2]。Tapio在此基础上进一步优化了脱钩模型，细化了脱钩指标，使其能够根据弹性系数变化来判定脱钩状态类型，让结果更加稳定、准确^[3]。后来学者们开始广泛使用该模型，用于研究不同国家^[4-6]经济发展与碳排放的脱钩关系，或对各行业的脱钩状态进行讨论^[7-9]。石振武等^[10]发现2006—2021年黑龙江省交通行业碳排放脱钩状态表现为“强脱钩-扩张负脱钩-强脱钩”；Engo^[11]研究得出1990—2016年喀麦隆交通部门与碳排放之间的脱钩关系表现出弱脱钩、强脱钩、弱负脱钩和强负脱钩4种状态；Abam等^[12]通过分析1988—2019年尼日利亚交通部门的碳排放脱钩状况，确定了弱负脱钩、弱脱钩和强脱钩3种状态。在民航业脱钩研究方面，刘笑^[13]提出我国民航部门碳排放与运输周转量在1996—2015年主要表现为扩张负脱钩状态，能源强度和产业结构效应是影响脱钩趋势的关键因素；Yu等^[14]研究发现2000年后我国民航部门运输量增长与碳排放的脱钩关系以扩张连接为主，预计至2050年碳排放量可能增加1.6~3.9倍；Han等^[15]从省级层面分析了我国31个省份民航碳排放与运输收入的脱钩进程，证明两者之间的脱钩状态主要为扩张负脱钩，其中民航运输强度效应的脱钩作用较强；田利军等^[16]探讨了民航碳排放与周转量、行业收入的脱钩关系，得出经济水平、运输强度和人口规模因素会对脱钩产生负面作用，能耗强度促进了碳排放和周转量脱钩。

既有文献成果大多将驱动因素与脱钩研究相结合，用以评估环境政策的影响程度^[16]。然而，目前在民航业内分析其碳排放脱钩效应及驱动因素的文献还相对较少，进一步预测行业碳排放脱钩趋势的研究更是匮乏。因此，结合LMDI分解法和Tapio脱钩模型分析民航业发展与碳排放之间的脱钩关系以及影响各阶段脱钩状态的驱动因素，运用碳排放预测模型和情景分析法评估民航业2020—2025年的碳排放变化和脱钩进程，并预测2026—2035年的碳排放趋势和脱钩效应，以期为民航业实现“双碳”目标提供经验借鉴和理论支撑。

1　研究方法及数据来源

1.1　研究方法

1.1.1　碳排放因子法

民航业碳排放来源通常包括了飞行燃油消耗、地面配套服务、相关电力使用3部分^[1]，但直接获取全过程的碳排放数据是难以实现的，而燃油消耗又是民航业碳排放的最主要因素，因此选择目前适用范围广泛的温室气体排放核算法：IPCC碳排放系数法来进行研究。其通过将各类能源消耗的实物量转化为标准单位，并乘以对应的排放因子，从而计算出碳排放总量，具体如公式⑴所示。

C=E\times I⑴

式中：C为民航业碳排放总量，万t；E为民航燃油消耗总量，万t；I为民航燃油碳排放系数，参照中国民用航空局发布的《民用航空企业(航空公司)温室气体排放报告补充数据表》，取值3.15。

1.1.2　碳排放脱钩解耦模型

2005年Tapio将弹性系数法引入脱钩理论，并细致界定了强脱钩、弱脱钩、衰退脱钩等8种脱钩状态，从而能够更好地分析经济增长与碳排放之间的关系，同时他还研究了欧洲运输业与碳排放的脱钩关系^[3]，具体如公式⑵所示。

di=\frac{\frac{\mathrm{\Delta }c}{c_{\mathrm{0}}}}{\frac{\mathrm{\Delta }v}{v_{\mathrm{0}}}}=\frac{\frac{c_T-c_{\mathrm{0}}}{c_{\mathrm{0}}}}{\frac{v_T-v_{\mathrm{0}}}{v_{\mathrm{0}}}}⑵

式中：di为弹性脱钩指数；Δc为研究期内碳排放变化量，万t；c₀为基期碳排放量，万t；c_T 为末期碳排放量，万t；Δv为研究期内运输周转变化量，万t·km；v₀为基期运输周转量，万t·km；v_T 为末期运输周转量，万t·km。

根据Tapio划分的8种脱钩状态，得出运输业脱钩状态判断表如表1所示。

1.1.3　碳排放脱钩分解模型

1989年日本经济学家Yoichi提出了KAYA恒等式，用于评估碳排放量与能源、经济、人口等因素之间的影响和关系。表达式如公式⑶所示。

c=\frac{c}{e}\times \frac{e}{g}\times \frac{g}{p}\times p⑶

式中：c为二氧化碳排放总量，万t；e为能源消费总量，万t；g为国民经济生产总值，亿元；p为国家人口总量，万人。

由于原有的KAYA等式分解因子较为简单，一些学者开始结合行业特性对等式进行变型，如考虑到技术、能源结构等要素的作用，同时使用LMDI模型对目标变量做出无残差分解，定量评估各因素对整体变化的贡献^[17]。通过对相关文献的整理和参考^[18-20]，在原式基础上引入运输周转量和运输收入2个代表性指标，民航业碳排放总量C如公式⑷所示。

C=\frac{C}{E}\times \frac{E}{V}\times \frac{V}{R}\times \frac{R}{G}\times \frac{G}{P}\times P=CE\times EV\times VR\times RG\times GP\times P⑷

式中：C为民航业碳排放总量，万t；E为民航燃油消耗总量，万t；V为民航运输总周转量，万t·km；R为民航运输总收入，万元；G为国民经济生产总值，亿元；P为国家人口总量，万人。CE为单位油耗产生的碳排放，反映碳排放系数，万tCO₂/万t；EV为单位周转量所消耗油量，反映能源强度，万t/(万t·km)；VR为单位运输收入产生的周转量，反映运输强度，万t·km/万元；RG为民航运输总收入占国民经济生产总值的比重，反映产业规模，万元/亿元；GP为国家人均生产总值，反映经济发展水平，亿元/万人；P为人口规模，万人。

运用LMDI模型的加法形式计算民航业从初期C₀到末期C_T 的碳排放变化量，可将其表示为6项驱动效应的共同作用，如公式⑸所示。

\mathrm{\Delta }{C}_T=C_T-C_{\mathrm{0}}=\mathrm{\Delta }{C}_{CE}+\mathrm{\Delta }{C}_{EV}+\mathrm{\Delta }{C}_{VR}+\mathrm{\Delta }{C}_{RG}+\mathrm{\Delta }{C}_{GP}+\mathrm{\Delta }{C}_P⑸

式中：ΔC_T 为从第0年到T年时期内民航业碳排放的变化量，ΔC_CE 为碳排放系数效应对民航业碳排放变化量的影响；ΔC_EV 为能源强度效应对民航业碳排放变化量的影响；ΔC_VR 为运输强度效应对民航业碳排放变化量的影响；ΔC_RG 为产业规模效应对民航业碳排放变化量的影响；ΔC_GP 为经济发展水平效应对民航业碳排放变化量的影响；ΔC_P 为人口规模效应对民航业碳排放变化量的影响。

具体计算如公式⑹至⑾所示。

\mathrm{\Delta }{C}_{CE}=\left[\frac{(C_T-C_{\mathrm{0}})}{(\mathrm{l}\mathrm{n}{C}_T-\mathrm{l}\mathrm{n}{C}_{\mathrm{0}})}\right]\times \mathrm{l}\mathrm{n}\left(C{E}_T-C{E}_{\mathrm{0}}\right)⑹

\mathrm{\Delta }{C}_{EV}=\left[\frac{(C_T-C_{\mathrm{0}})}{(\mathrm{l}\mathrm{n}{C}_T-\mathrm{l}\mathrm{n}{C}_{\mathrm{0}})}\right]\times \mathrm{l}\mathrm{n}\left(E{V}_T-E{V}_{\mathrm{0}}\right)⑺

\mathrm{\Delta }{C}_{VR}=\left[\frac{(C_T-C_{\mathrm{0}})}{(\mathrm{l}\mathrm{n}{C}_T-\mathrm{l}\mathrm{n}{C}_{\mathrm{0}})}\right]\times \mathrm{l}\mathrm{n}\left(V{R}_T-V{R}_{\mathrm{0}}\right)⑻

\mathrm{\Delta }{C}_{RG}=\left[\frac{(C_T-C_{\mathrm{0}})}{(\mathrm{l}\mathrm{n}{C}_T-\mathrm{l}\mathrm{n}{C}_{\mathrm{0}})}\right]\times \mathrm{l}\mathrm{n}\left(R{G}_T-R{G}_{\mathrm{0}}\right)⑼

\mathrm{\Delta }{C}_{GP}=\left[\frac{(C_T-C_{\mathrm{0}})}{(\mathrm{l}\mathrm{n}{C}_T-\mathrm{l}\mathrm{n}{C}_{\mathrm{0}})}\right]\times \mathrm{l}\mathrm{n}\left(G{P}_T-G{P}_{\mathrm{0}}\right)⑽

\mathrm{\Delta }{C}_P=\left[\frac{(C_T-C_{\mathrm{0}})}{(\mathrm{l}\mathrm{n}{C}_T-\mathrm{l}\mathrm{n}{C}_{\mathrm{0}})}\right]\times \mathrm{l}\mathrm{n}\left(P_T-P_{\mathrm{0}}\right)⑾

联立公式⑵和⑸，可将影响民航业发展与碳排放之间脱钩关系的Tapio模型分解为公式⑿和⒀。

DI=\frac{\frac{\mathrm{\Delta }{C}_{CE}}{C}}{\frac{\mathrm{\Delta }V}{V}}+\frac{\frac{\mathrm{\Delta }{C}_{EV}}{C}}{\frac{\mathrm{\Delta }V}{V}}+\frac{\frac{\mathrm{\Delta }{C}_{VR}}{C}}{\frac{\mathrm{\Delta }V}{V}}+\frac{\frac{\mathrm{\Delta }{C}_{RG}}{C}}{\frac{\mathrm{\Delta }V}{V}}+\frac{\frac{\mathrm{\Delta }{C}_{GP}}{C}}{\frac{\mathrm{\Delta }V}{V}}+\frac{\frac{\mathrm{\Delta }{C}_P}{C}}{\frac{\mathrm{\Delta }V}{V}}⑿

DI=D{I}_{CE}+D{I}_{EV}+D{I}_{VR}+D{I}_{RG}+D{I}_{GP}+D{I}_P⒀

式中：DI为民航业弹性脱钩指数；DI_CE 为碳排放系数效应弹性脱钩指数；DI_EV 为能源强度效应弹性脱钩指数；DI_VR 为运输强度效应弹性脱钩指数；DI_RG 为产业规模效应弹性脱钩指数；DI_GP 为经济发展水平效应弹性脱钩指数；DI_P 为人口规模效应弹性脱钩指数。

1.1.4　碳排放预测模型

为探讨2020—2035年民航业碳排放及脱钩状态的变化趋势，对基于LMDI模型分解出的影响民航业碳排放的6项因素以及相关参数的变化率进行设置，同时结合情景分析法和预测模型，以求较为全面准确地预测出在不同发展情景下可能出现的结果，碳排放预测公式如下所示^[13，19]：

C^T={\sum \left(CE\right)}^T\times {\left(EV\right)}^T\times {\left(VR\right)}^T\times {\left(RG\right)}^T\times {\left(GP\right)}^T\times {\left(P\right)}^T⒁

C^T={\sum C^{\mathrm{0}}\times \left[(\mathrm{1}+a)\times (\mathrm{1}+b)\times (\mathrm{1}+c)\times (\mathrm{1}+d)\times (\mathrm{1}+e)\times (\mathrm{1}+f)\right]}^T⒂

式中：C^{\mathrm{0}}和C^T分别为期初和期末的民航业碳排放量；T为第T年；a为碳排放系数年均变化率；b为能源强度年均变化率；c为运输强度年均变化率；d为产业规模年均变化率；e为经济发展水平年均变化率；f为人口规模年均变化率。

1.2　数据说明

为探究民航业常态化发展的一般性规律，剔除2020—2022年由于新冠肺炎疫情造成的非常态化影响，将2000—2019年作为民航业历史碳排放脱钩状态的研究年份，评估2020—2025年民航业发展与碳排放之间的脱钩进程，并预测2026—2035年的变化趋势。

研究所需民航燃油消耗总量、民航运输总周转量、民航运输总收入3项数据来源于《民航行业发展统计公报》《从统计看民航》。国民经济生产总值、国家人口总数2项数据来源于《中国统计年鉴》。民航煤油碳排放系数来源于《民用航空企业(航空公司)温室气体排放报告补充数据表》。

2　实证与分析

2.1　民航业2000—2019年碳排放脱钩状态分析

2.1.1　民航业碳排放测算及分析

根据公式⑴计算出2000—2019年民航业碳排放量和增长率发展态势如图1所示。

自21世纪以来，我国经济的高速腾飞也推动了民航业的快速发展。由图1可见，民航业碳排放总量持续上升，从2000年的1 556.51万t增长至2019年的11 620.95万t，涨幅高达646.60%。其中，大多数年份的碳排放增长率都保持在10%~20%之间，而2003年和2008年受金融危机等因素影响导致民航业发展出现较大波动，碳排放增长率分别降低至0.8%和3.95%，但同时也体现出民航业恢复能力强和恢复速度快的特点，在短短一年内便迅速回升至正常水平。期间，我国先后发布了《民航节能减排“十三五”规划》《关于深入推进民航绿色发展的实施意见》《“十四五”民航绿色发展专项规划》等文件，旨在积极推动行业绿色低碳转型。民航业碳排放增长率自2015年开始逐渐呈现下降趋势并维持在10%左右，说明民航相关部门开展的减排工作取得了一定成效。时至今日，经济发展和科技进步仍在推动我国民航业快速发展，虽然这些节能减排政策和措施能够在一定程度上减缓行业碳排放增长率的上升趋势，却很难在短时间内改变碳排放总量持续增长的现状。因此，如何调整民航业发展模式以适应新发展阶段并实现高质量可持续健康发展，是未来需要深入考虑的问题。

2.1.2　民航业整体碳排放脱钩状态分析

根据公式⑵计算出2000—2019年民航业碳排放脱钩指数如表2所示。

从整体情况来看，2000—2019年民航业碳排放脱钩状况呈现波动反复的特点，大致经历了“脱钩”“扩张”“连接”3个阶段。2003年以前民航业发展与碳排放之间的脱钩关系主要表现为“弱脱钩”状态，尽管行业运输周转量和碳排放均保持增长，但前者增速略高于后者，说明此时行业发展对能源消耗的依赖程度低，是较理想的发展状况，但这种状态持续时间较短且不稳定。

2003—2012年，民航业碳排放量和运输周转量持续增长，脱钩指数较2003年以前出现明显上升，并且开始表现出“扩张连接”状态，甚至在中后期达到了“扩张负脱钩”状态，这表明行业发展进入到了快速扩张时期，此时行业发展与能源消耗的连接关系相对密切，对环境产生的负面影响也最显著。

2013年以后，民航业发展与碳排放之间的扩张连接状态进一步加强并且逐渐稳固，虽然脱钩指数比上一阶段有所下降，但平均值仍保持在0.9左右，说明这一时期行业发展方式仍然相对依赖能源消耗，面临着较大碳减排压力。总体而言，我国民航业碳排放至今仍未表现出向脱钩解耦状态转变的趋势，形势十分严峻，不容乐观。

2.1.3　民航业各驱动因素的碳排放脱钩效应分析

根据公式⑿和⒀可计算出影响碳排放脱钩效应的各驱动因素脱钩弹性值，反映了该种因素在民航业碳排放脱钩进程中的作用。

（1）由于民航运输使用的能源结构比较单一，ΔC_CE 的变化量为0，因此碳排放系数效应脱钩指数DI_CE 几乎恒为0，累计占比0%，在此不做过多研究。

（2）能源强度效应在研究期内表现出比较稳定的脱钩状态，尽管脱钩弹性值DI_EV 经历了由负到正再到负的变化过程，但累计脱钩弹性值为-2.04，累计占比-12.18%，表明单位运输周转量能源消耗对应的产出效益有所提高，促进了碳排放脱钩。

（3）运输强度效应除2008—2009年(扩张连接)、2012—2013年(衰退连接)、2014—2015年(扩张负脱钩)外，其余时期均呈现为“强脱钩”或“弱脱钩”状态，且研究期间运输强度效应的累计脱钩弹性值为-7.94，占比达-47.3%，是推动民航业碳排放脱钩的最强动力。

（4）产业规模效应指数DI_RG 在研究期内总是表现为正负交替，2000—2019年整体脱钩弹性值累计1.39，占比8.26%，仍然发挥了对碳排放脱钩进程的阻碍作用，但还不太稳定，且效果比较微弱。

（5）经济水平效应是研究期内制约民航业碳排放脱钩的最主要因素，累计脱钩弹性值为24.2，累计占比甚至达到了144.2%，对行业碳排放增长的贡献也最大，经济快速增长虽然促进了民航业发展，使其生产规模扩大，但同时也带来了更大的能源需求，因此极大地阻碍了碳排放脱钩进程。

（6）相比其他因素，人口规模效应对民航业碳排放脱钩的影响最小，累计脱钩弹性值为1.18，仅占整体的7.02%，2000—2019年一直表现为“弱脱钩”状态，对于行业发展与碳排放的脱钩关系发挥出了稳定的抑制作用。

2.2　民航业2020—2035碳排放脱钩效应分析

基于影响民航业碳排放的驱动因素，结合历史数据，参考相关规划文件以及现有文献成果，设置各驱动因素的低、中、高3种变化速率(分别指变化率绝对值最小、中等和最大)，以及6种发展情景，评估民航业2020—2025年碳排放变化和脱钩进程，并预测2026—2035年碳排放趋势和脱钩效应。

2.2.1　情景设定

根据对民航业各驱动因素的碳排放脱钩效应分析，运输强度、经济发展水平以及人口规模效应所对应变化率的增加均会促进碳排放，能源强度和产业规模效应对应变化率的增加则会抑制碳排放，而碳排放系数效应本身虽然不具备影响，但在此处设置了更清洁的替代燃料，所以把混合碳排放系数对应的变化率也视作能够降低碳排放的因素之一。同时，由于碳排放系数效应与能源强度效应均与能源相关，因此在研究能源因素的影响时将两者一起进行研究。由此可得2020—2035年民航业发展情景设定如表3所示。

（1）绿色情景：将抑制碳排放的各变化率都选为最高值，促进碳排放的变化率都选为低值，是一种高度重视绿色低碳、实施节能减排、忽视经济、行业等要素发展的情景。

（2）基准情景：指各项碳排放驱动因素的变化率均选择中值，反映民航业的发展大致遵守人口、经济、行业等相关政策规划，旨在研究未来最可能出现的情况。

（3）粗放情景：将抑制碳排放的各变化率都选为最低值，促进碳排放的变化率都选为高值，反映民航业的发展以经济增长为最主要目标，对碳排放、环境污染等问题关注较少，对可再生能源使用率最低。

（4）低碳节能情景：将碳排放系数和能源强度变化率选择高值，其余的驱动因素变化率选择中值，反映民航业的发展在遵守现有政策的基础上，积极开展节能减排、调整能源结构，旨在探讨能源相关因素对碳排放的影响。

（5）运输强度提高情景：指运输强度变化率选择高值，其余的驱动因素变化率选择中值，反映由于技术提升、运营管理等因素使得单位运输收入产生的周转量提高情景下民航业的发展趋势。

（6）产业结构优化情景：指产业规模变化率选择高值，其余的驱动因素变化率选择中值，反映在遵守现有政策发展的基础上，进一步优化升级产业结构，实现行业可持续发展。

2.2.2　参数变化率设定

（1）碳排放系数：假定传统燃油碳排放系数不变，但考虑到目前国际上主流的可持续民航燃料(SAF)技术以及欧盟提出的SAF最低份额规划^[21]，设定中速变化率情况下至2025年、2030年、2035年时SAF燃料替代率为2%，6%，20%，低速情况下替代率为1%，3%，10%，高速情况下替代率为3%，9%，30%。由于SAF燃料在生命周期内可降低80%以上的碳排放，假定其碳排放系数为传统燃油的20%，由此可以计算出混合碳排放因子的年均变化率。

（2）能源强度：国际民航组织在加拿大蒙特利尔召开的第37届大会协议提出截至2050年燃油效率每年提升2%，同时参考刘笑^[13]的研究设定，将低速、中速和高速变化率情况下2020—2035年的能源强度年均下降比例设置为1%，1.5%和2%，且在此基础上每5年下降0.2%。

（3）运输强度：根据《“十四五”民用航空发展规划》，以2019年为基年至2025年的年均运输周转量增长率为5.2%。在运输收入方面，根据国际航空运输协会对航空业的收入预测^[22]，同时参考刘笑的研究设定，假设中速变化率情景下2020—2035年的年均运输收入增长率为3%，由此可以计算出运输强度的变化率，高速和低速变化率情况下在此基础上分别浮动±0.5%，且每5年下降0.3%。

（4）产业规模：运输强度参数变化率中已假设民航业2020—2035年运输收入年均增长率为3%，同时根据中国科学院预测科学研究中心对2021—2050年我国经济增长速度的预测结果^[23]，假设中速变化率情况下2020—2025年、2026—2030年、2031—2035年的年均增速分别为5.5%，5%，4.5%，由此可以计算出产业规模的年均变化率，高速和低速变化率情况下在此基础上分别浮动±0.5%。

（5）经济发展水平：已假设2020—2025年、2026—2030年、2031—2035年的我国经济增长年均增速分别为5.5%，5%，4.5%。同时假设中速变化率情况下2020—2025年的年均人口增长率0.1%，2026—2030年为-0.1%，2031—2035年为-0.3%^[24-25]，由此可以计算出经济发展水平年均变化率，高速和低速变化率情况下在此基础上分别浮动±0.3%。

（6）人口规模：根据联合国人口司在《世界人口展望2022》中以低、中、高3种方案对我国未来人口增长趋势的预测^[24]，结合陈卫的研究成果^[25]和实际情况，假定低速、中速、高速变化率情景下分别于2020年、2025年和2030年达到人口峰值，中速情景下2020—2025年、2026—2030年、2031—2035年的年均人口增长率分别为0.1%，-0.1%，-0.3%，高速和低速情景在此基础上分别浮动±0.2%。

2020—2035年参数变化率设定如表4所示。

2.2.3　碳排放发展结果分析

依据公式⒁和⒂计算出2020—2035年我国民航业碳排放发展结果如图2所示。

“绿色情景”中人口和经济都处于缓慢增长状态，由于民航相关部门的经营管理和政策调控，客货运输需求得到了有效控制与合理分配，但运输周转量和行业运输收入增长率偏低。另一方面，民航业把发展重心放在了应用可持续燃料和研发节能技术上，因此碳排放系数和能源强度指标显著下降。从图2可见，“绿色情景”下民航业将于2029年达到碳排放峰值12 858.85万t，既能最早实现“碳达峰”，同时峰值也最小。此后逐步回落，至2035年下降至11 270.37万t，甚至低于初始水平。

“基准情景”是基于当前权威机构发布的有关人口增速、经济增速、运输收入增速、运输周转量增速、燃油效率、可持续燃油替代率等信息做出的分析和假设，与其他情景相比更加贴合实际，因此通常被视作未来最有可能发生的情况。在该情景下，民航业将会于2034年出现碳排放峰值17 197.59万t。由此说明，如果不采取更及时有效的降碳减排措施，民航业极有可能无法于2030年按时完成“碳达峰”目标。

“粗放情景”中人口和经济都处于高速增长状态，民航业的发展以规模扩张为主，具体表现为运输周转量和行业运输收入增长速率最快，然而却忽视了对于节能减排技术和可持续燃料的开发和应用，因此碳排放系数和能源强度指标只出现了微小的降幅。这种粗放无序的发展方式将不可避免地造成环境污染，最终导致民航业碳排放量持续上升，不仅在研究期内没有峰值，甚至从长期变化趋势来看也不会出现峰值，是最不理想的发展状态。

“低碳节能情景”下，碳排放系数和能源强度指标下降率较快，因此对于碳排放增长产生了一定抑制作用，此时民航业将于2032年达到碳排放峰值15 256.04万t。尽管该情景下行业既相对较早达到碳达峰年份又降低了碳排放峰值，但仍无法按时完成“双碳”目标，因此民航相关部门还需加大政策调控及监管力度，积极实施节能减排措施，使用清洁燃料，助力行业的可持续健康发展。

“运输强度提高情景”是指在遵循现有发展政策保持中等增速的基础上，民航相关部门更加注重票价收益管理、航班时刻资源配置、地面服务保障等运营能力的提升，使得运输周转量和运输收入都处于高速增长状态，运输活动更活跃。在此情景下，民航业将于2034年达到碳排放峰值18 508.05万t，是6种情景中除“粗放情景”以外峰值最大的一种，说明运输强度提高导致的行业规模扩张是影响碳排放增长的重要因素。

“产业结构优化情景”下人口、经济以及能源强度、运输强度等指标均处于中速发展状态，但行业运输收入增速小于经济增速，因此民航业在全部产业中所占比重逐步下降且降幅较大。此时民航业的碳排放增长出现了减缓状况，并将于2033年达到碳排放峰值15 957.5万t，这说明民航业产业结构优化能够在一定程度上抑制碳排放增长，但还需加大力度才能满足我国行业发展的“双碳”目标的需要。

2.2.4　碳排放脱钩效应结果分析

6种情景下计算出2020—2035年民航业碳排放脱钩效应结果如表5所示，2020—2035年民航业碳排放脱钩指数变化态势如图3所示。

其中，“绿色情景”在研究期内的整体脱钩状况最好，累计脱钩弹性值最小，仅为1.84，同时下降幅度最大，下降速率也最快。此后脱钩趋势向强脱钩靠拢且更加稳定，在2029—2030年即可达到强脱钩状态。结合2.2.3的计算结果，“绿色情景”下民航业碳排放峰值最小，同时还能最早实现碳达峰以及民航业发展与碳排放之间的强脱钩状态，是具有可行性的发展路径。

“基准情景”下累计脱钩弹性值7.11，影响民航业碳排放的各项因素均保持中等增长速度，能源强度效应和运输强度效应对碳排放的抑制作用不强，尽管开始呈现出弱脱钩趋势，但后续下降速率较慢，降幅较小，直到2034—2035年才实现强脱钩状态。由此可见，如果按照基准情景发展下去，未来民航业不仅无法按时实现“碳达峰”目标，碳排放脱钩趋势也相对较差。

“粗放情景”下民航业发展与碳排放的脱钩状况最差，累计脱钩弹性值高达11.73，曲线变化幅度最平缓。两者在2020—2029年均表现为扩张连接状态，直到2029—2030年才转变为弱脱钩状态，也是唯一没能达到强脱钩状态的设定情景。这表明如果选择“粗放”式发展情景，尽管能够最大限度地完成经济增长目标，但是对生态环境造成的影响是难以估量的，也不符合可持续发展理念。

“低碳节能情景”下民航业能够较早实现强脱钩状态，累计脱钩弹性值3.45，仅仅高于“绿色情景”，这表明改进后的碳排放系数效应和能源强度效应对碳排放抑制作用更强，使得行业脱钩状态更好。相较于“绿色情景”，其并非盲目追求节能减排，而是在兼顾自身发展的同时，针对性地采取一些有助于可持续发展的措施，实现双赢，这才是最理想的发展路径。

“运输强度提高情景”下民航运输周转量增加，且运输周转量增速大于碳排放增速，因此表现为弱脱钩状态。该情景下累计脱钩弹性值为6.59，与“基准情景”相比，前期脱钩状态更佳，后期却逐渐变差，且脱钩弹性值变化速率更慢，直到2034—2035年才实现强脱钩目标。这说明提高运输强度会在一定程度上抑制碳排放脱钩趋势，也从侧面印证了想要同时实现民航运输周转量增加和碳排放脱钩是困难的。

“产业结构优化情景”下民航业碳排放脱钩趋势进一步加强，并将于2033—2034年实现碳达峰和强脱钩状态。其累计脱钩弹性值5.51，较“基准情景”和“运输强度提高情景”而言更低，下降速率更快，脱钩趋势更稳定。但调整产业结构对于民航业发展与碳排放脱钩状况的作用效果比较微弱，影响程度有限，仍然无法在2030年之前完成“碳达峰”和“强脱钩”目标。

3　结论

在测算民航业历史碳排放量的基础上，分析了民航业碳排放脱钩状态及驱动因素，评估和预测了民航业碳排放变化趋势和脱钩进程，得出主要结论如下。

（1）我国民航业碳排放总量呈现逐年增加趋势。民航业经历了快速发展、市场规模不断扩大的过程，因而碳排放总量持续上升，从2000年的1 556.51万t增长至2019年的11 620.95万t，涨幅达646.60%。近年来民航业碳排放增长率逐渐下降并维持在10%左右，说明相关部门开始重视节能减排工作并取得了一定成效。然而，目前我国民航业仍处于快速发展阶段，碳排放总量仍呈不断上升态势，因此未来还需采取更积极有效的措施来抑制碳排放。

（2）2000—2019年民航业发展与碳排放主要表现为“扩张连接”状态，大致经历了“脱钩”“扩张”“连接”3个发展阶段。2003年以前两者间呈现出微弱的脱钩趋势，2004—2012年转变为扩张连接和扩张负脱钩，2013年以后扩张连接状态进一步加强并逐渐稳固，这说明随着我国民航业的快速发展，碳排放量持续增长，环境压力也不断上升。其中，能源强度和运输强度效应是推动碳排放脱钩的两大因素，而产业规模、经济水平、人口效应则会抑制碳排放脱钩进程。

（3）未来我国民航业仍面临较大减排压力。经计算，6种情景中仅“绿色情景”可望在2030年之前实现碳达峰且峰值最小，“粗放情景”下碳排放总量将持续上升甚至无峰值出现。“低碳节能情景”下将于2032年达到峰值15 256.04万t，“产业结构优化情景”下将于2033年达到峰值15 957.5万t，“基准情景”下将于2034年达到峰值17 197.59万t，“运输强度提高情景”下将于2034年达到峰值18 508.05万t，均无法按时完成碳达峰目标。预测期间，“绿色情景”的脱钩状况最好，脱钩指数下降最快且最稳定，“低碳节能情景”次之，“产业结构优化情景”、“基准情景”和“运输强度提高情景”的脱钩趋势相近但“产业结构优化情景”脱钩指数下降速率更快，“粗放情景”下碳排放脱钩状态最差且未能实现强脱钩目标。

参考文献

[1] 王轶辰.啃下民航碳排放“硬骨头”[N].经济日报，2022-05-26(6).

[2] OECD. Indicators to Measure Decoupling of Environmental Pressure and Economic Growth [R]. Paris：OECD，2002.

[3] 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.

[4] KOUYAKHI N R. CO2 Emissions in the Middle East： Decoupling and Decomposition Analysis of Carbon Emissions， and Projection of its Future Trajectory[J]. Science of the Total Environment，2022，845：157182.

[5] OZTURK I， MAJEED M T， KHAN S. Decoupling and Decomposition Analysis of Environmental Impact from Economic Growth： a Comparative Analysis of Pakistan， India， and China[J]. Environmental and Ecological Statistics，2021，28(7)：793-820.

[6] ROMÁN-COLLADO R， JOSÉ M， CANSINO A， B C B. How Far is Colombia from Decoupling？ Two-Level Decomposition Analysis of Energy Consumption Changes[J]. Energy，2018，148：687-700.

[7] ROMÁN-COLLADO R， SANZ-DÍAZ MT， BLANCO L Y. Key Drivers of the Textile and Clothing Industry Decarbonisation within the EU-27[J]. Journal of Environmental Management，2023，334：117438.

[8] 付昱铭，蒋惠园，唐勇平.我国物流业碳排放脱钩状态及影响因素研究[J].铁道运输与经济，2024，46(11)：62-70.

[9] FU Yuming， JIANG Huiyuan， TANG Yongping. Research on the Decoupling Status and Influencing Factors of Carbon Emissions in China’s Logistics Industry[J]. Railway Transport and Economy，2024，46(11)：62-70.

[10] RAZA M Y， LUND H， KAISER M J. Analysis of Electricity Consumption in Pakistan Using Index Decomposition and Decoupling Approach[J]. Energy，2021，214(C)：118888.

[11] 石振武，李 琳，王金茹.北方寒冷地区交通碳排放驱动因素分析[J].铁道运输与经济，2024，46(5)：219-226.

[12] SHI Zhenwu， LI Lin， WANG Jinru. Analysis of Driving Factors for Carbon Emissions from Transportation in Cold Northern Regions[J]. Railway Transportation and Economy，2024，46(5)：219-226.

[13] ENGO J. Decoupling Analysis of CO2 Emissions from Transport Sector in Cameroon[J]. Sustainable Cities and Society，2019，51：101731.

[14] ABAM F I， EKWE E B， DIEMUODEKE O E，et al. Environmental Sustainability of the Nigeria Transport Sector through Decomposition and Decoupling Analysis with Future Framework for Sustainable Transport Pathways[J]. Energy Reports，2021，7(6)：3238-3248.

[15] 刘 笑.航空部门碳排放驱动因素及减排路径研究[D].南京：南京航空航天大学，2018.

[16] YU J， SHAO C， XUE C，et al. China’s Aircraft-Related CO₂ Emissions： Decomposition Analysis， Decoupling Status， and Future Trends[J]. Energy Policy，2020，138：111215.

[17] HAN R， LI L， ZHANG X，et al. Spatial-Temporal Evolution Characteristics and Decoupling Analysis of Influencing Factors of China’s Aviation Carbon Emissions[J]. Chinese Geographical Science，2021，32：218-236.

[18] 田利军，徐森雨.基于LMDI-TAPIO模型的中国民航碳排放驱动因素与脱钩效应研究[J/OL].北京航空航天大学学报(社会科学版)，1-14[2025-01-15].

[19] ANG B W， ZHANG F Q. A survey of Index Decomposition Analysis in Energy and Environmental Studies[J]. Energy，2000，25 (12)：1149-1176.

[20] 石钰婷.民航运输碳排放演变特征及驱动因素研究[D].南京：南京航空航天大学，2021.

[21] LIU X， HUANG Y， WANG Q，et al. Flying into the Future：A Scenario-Based Analysis of Carbon Emissions from China’s Civil Aviation [J]. Journal of Air Transport Management，2020，85：101793.

[22] LOO B P Y， LI L. Carbon Dioxide Emissions from Passenger Transport in China Since 1949： Implications for Developing Sustainable Transport [J]. Energy Policy，2012，50：464-476.

[23] ICCT. 欧盟在“Fit for 55”政策计划下出台最终版交通燃料管理法规[EB/OL].(2024-04-23)[2025-01-15].

[24] 中华人民共和国国家邮政局. IATA发布明年航空货运业情况研究[EB/OL].(2024-12-20)[2025-01-15].

[25] 陈锡康，杨翠红，祝坤福，等.2023年中国经济增长速度的预测分析与政策建议[J].中国科学院院刊，2023，38(1)：81-90.

[26] CHEN Xikang， YANG Cuihong， ZHU Kunfu，et al. Forecast Analysis and Policy Recommendations on China’s Economic Growth Rate in 2003[J]. Journal of the Chinese Academy of Sciences，2023，38(1)：81-90.

[27] United Nations.World Population Prospects 2022[EB/OL].(2022-07-11)[2025-01-10].

[28] 陈 卫.中国人口负增长与老龄化趋势预测[J].社会科学辑刊，2022，5：133-144.

[29] CHEN Wei.Prediction of China’s Negative Population Growth and Aging Trend[J].Social Sciences Series，2022，5：133-144.

基金资助

中国民用航空局安全能力项目(MHAQ2024011)

中国民用航空局教育科学研究项目(MHJY2024039)

大学生创新训练项目(S202310624188)