从1992年巴西里约热内卢《联合国气候变化框架公约》达成至2018年德国波恩新一轮气候谈判“塔拉诺阿对话”开启, 气候问题早已成为全球共同关注与环境科学研究的热点.截至2018年末, 我国一次能源消耗总量达37.7亿t标准煤, 占全球消费总量的23.6%, 超排名第二的美国7个百分点, 其中交通运输业是社会碳排放流动的重要源头之一^{[1, 2]}.随着经济水平的提高和城市化进程的深入推进, 我国交通运输业保持高速发展, 私人汽车由2000年的625.33万辆增长至2017年的18 515.11万辆；另外, 全社会对铁路、航空等交通运输的需求亦大大增加, 导致其能源消耗呈不断上升的趋势.目前, 交通运输业能源消费量已占到全国9%以上.因此, 在“一带一路”倡议和长江经济带建设不断推进的背景下, 剖析交通碳排放效率格局及其时空演化规律, 可为我国经济社会可持续发展提供科学依据和战略支撑.

国内外学者围绕交通碳排放的研究主要集中在如下4个方面：其一, 考虑到国内外尚未建立统一的交通碳排放核算指标体系, 学者们尝试采用多重方法对交通碳排放强度进行间接测度, 如左大杰等^[3]和陶玉国等^[4]先后运用“自上而下”法和“自下而上”法进行区域交通碳排放强度测算；Sim^[5]基于系统动力学模型构建了集装箱码头交通碳排放的测度模型, 并以韩国釜山港的某码头为案例进行验证和预测；另还有郝旭等^[6]以上海市为例, 研究了基于插电式混合电动汽车实际运行数据的碳排放估计方法.其二, 关于交通碳排放影响因素的研究, 最常见的是运用LMDI分解及相关定量方法分析不同尺度交通碳排放的影响因素^[7~13], Kimbrough等^[14]通过实验数据和多元回归模型研究发现交通量、风速、气温以及日期等因素对美国高速公路碳排放有显著性影响, 张宏钧等^[15]基于贡献率残值分配的Laspeyres指数法研究中国和澳大利亚等其他6国公路与铁路交通碳排放的影响因素；其三, 关于碳排放与经济、环境的关系的研究成果也较丰富, 如Raza等^[16]利用小波分析技术研究美国交通碳排放与能源消费、经济增长之间的关系, 认为技术投入和适度规制有利于交通碳排放减少, 盖美等^[17]运用三元耦合系统研究碳排放效率、经济及环境的耦合协调关系；其四, 探讨碳排放的效率问题, 如华坚等^[18]将Fried提出的三阶段DEA模型运用到中国碳排放效率中, 更加客观地反映了我国各省级行政单元能源碳排放绩效^{[19, 20]}, 王白雪等^[21]利用超效率SBM模型分析北京市公共交通碳排放效率, 并基于ML指数研究碳排放效率的动态变化；Cucchiella等^[22]使用ZSG-DEA模型对欧盟国家能源效率进行测度, 并分配各国的二氧化碳的排放限额, 以期提高欧盟整体的能源消费效率.综上所述, 目前学术界对于交通碳排放的研究侧重于强度测算、因素分析或效率评价等单方面评价, 缺乏将三者纳入统一的分析框架；同时, 从空间视角对评价结果进一步挖掘的分析文献仍较少^[23~27]；另外, 现有研究对象多为发达地区, 鲜有对横贯我国东西部的长江经济带的大尺度研究.为此, 本文基于省域单元尺度, 首先测算出长江经济带1985~2016年各省域单元的交通碳排放强度, 分析其时空演化特征；其次建立考虑非期望产出的DEA_BCC模型测算碳排放的初始效率值；然后分析影响交通碳排放效率的外部环境因素, 剔除外部环境和随机干扰项的影响, 得出最终效率值并进行空间异质性分析；最后在全文小结的基础上提出相关政策建议.

1 研究区范围

长江经济带自西向东横贯重庆至上海11个省市, 是我国的经济重心所在和中华民族发展的生命河, 在长江经济带经济实力快速提升的同时, 必须从长远利益考虑, 把环境保护摆在压倒性位置.与此同时, 交通运输是长江经济带的重要职能和长久发展的关键保障, 研究长江经济带交通碳排放强度以及在既定投入条件下增加期望产出、降低非期望产出的碳排放效率, 不论在理论还是实践上都显得刻不容缓.长江经济带交通碳排放强度有何分布规律和演化趋势？其效率具有何种空间分布特征？哪些外部因素会影响交通碳排放效率值？回答这些问题对我国推进长江经济带环境保护和经济高质量发展具有重要价值.

2 材料与方法 2.1 交通碳排放测算

由于二氧化碳主要由煤炭等一次能源消耗而产出, 我国目前尚没有直接体现碳排放量的指标数据, 因此关于碳排放量的测度方法主要是通过对能源消费的计算间接推算获取, 学界目前主要采用如下四类方法进行度量：“自上而下”法、“自下而上”法、生命周期评估法和“总量-结构”法.其中, “自下而上”法需要确定各种交通方式的车辆保有量及其行驶里程数、燃料单位耗量等, 目前统计很难做到如此有效细分；生命周期法则统计各种交通工具整个有效寿命中的能源消耗, 计算异常复杂；“总量-结构”法需获取交通年出行方式及总量, 其数据量十分庞大.因此, 综合考虑数据的可获取性及操作的可行性, 本文采用“自上而下”的方法来测算长江经济带交通碳排放量, 具体计算公式为：

(1)

式中, C为交通碳排放总量, 万t；E_i为第i类能源的实物消费量, 万t；F_i为第i类能源折算标准煤系数, t·t^-1；K_i为第i类能源碳排放系数, t·t^-1; i=1, 2, …, 7, 分别为原煤、汽油、煤油、柴油、燃料油、天然气和电力.其中, 折算标准煤系数参照最新版文献[28]中附录(表 1)；各类能源的碳排放系数主要借鉴吴开亚等^[29]的研究结果(表 2).

2.2 三段DEA模型

DEA(data envelopment analysis)测度模型由美国著名运筹学家Charnes等^[30]于1978年提出, 在处理多指标投入和产出方面体现了良好的效果, 被各行业广泛应用.本文在传统DEA模型的基础上, 引入随机前沿分析模型(stochastic frontier analysis, SFA)来剔除环境因素及随机误差带来的影响, 通过多阶段分析得出更准确的结果.具体做法如下.

第一阶段：传统DEA模型.将原始投入和产出数据输入模型进行初始的效率评价, 同时得出相应的投入松弛变量.考虑到投入要素相对于产出要素更加容易控制, 本文选择投入导向、规模报酬可变的BCC模型进行分析.在此基础上, 将综合技术效率(TE)分解为纯技术效率(PTE)和规模效率(SE)进行进一步分析.由于该模型是DEA模型中的成熟模型, 其原理和数学公式本文不再赘述.

第二阶段：SFA回归模型.根据Fried等^[31]的方法, 第一阶段计算出的松弛变量受管理无效率、环境因素和统计噪声的共同影响, 因此可以借助SFA模型分离出环境因素和随机误差的影响, 即构建松弛变量与环境因素、随机因素以及管理无效率项的回归方程：

式中, S_ni是长江经济带第i个省级行政单元第n项投入的松弛值；Z_i是环境变量, β_n是环境变量的系数；v_ni+μ_ni是混合误差项, v_ni表示随机干扰项且服从v~N(0, σ_v²)分布；μ_ni是管理无效率项且服从在零点截断的正态分布, 即μ_ni~N(μ, σ_μ²)；v_ni和μ_ni独立不相关.这里, 当γ=σ_μ²/(σ_μ²+σ_v²)趋向于1时, 说明管理因素的影响占主导地位；当γ=σ_μ²/(σ_μ²+σ_v²)趋向于0时, 说明随机误差占主导地位.

进一步利用SFA模型的回归结果对原始省域单元的投入进行调整, 将所有省域单元调整到相同的环境条件下, 同时考虑随机干扰项的影响.调整方式如下：

式中, X_ni^*是调整后的投入；X_ni是调整前的投入；是对外部环境因素进行调整；[max(v_ni)-v_ni]是将所有省域单元置于相同外部环境下.

第三阶段：调整后的DEA模型.第二阶段已将环境因素及随机误差的影响剔除, 此时用调整后的投入数据代替原始的投入数据, 再次构建DEA模型计算相对效率值, 得到的结果能更加客观准确地反映各决策单元的效率状况.

2.3 数据来源与处理

长江经济带的交通能源消耗数据来源于文献[28]；用于SFA随机前沿分析的经济数据来源于11个省级行政单元相应年份的统计年鉴.考虑到数据收集的连续性和1997年前重庆隶属四川管辖, 本文在分析长江经济带交通碳排放的效率格局时, 主要测度了1997~2016年的效率值.在第一和第三阶段DEA模型中, 选取资本、劳动力、能源作为3个投入变量, 分别将交通运输业生产总值、二氧化碳排放量作为期望产出和非期望产出变量.其中, 资本要素采用张军等^[32]的研究方法, 由固定资本形成量表征；对非期望产出的处理, 本文参考华坚等^[18]的研究方法, 用线性数据转换函数法进行处理.线性数据转换法是通过一种线性的数据转化函数f(x)=v-x将非期望产出转化为期望产出的方法：为保证v是一个足够大的量使得所有转化得出的期望产出均为正数, 设第i个决策单元在第j年的二氧化碳排放量为C_ij, 记作：C_ij=(C_i1, C_i2, …, C_ij)^T>0, (i=1, 2, …, n), 设, 其中γ为任意大于零的常数.很明显, 转换后得到的新期望产出可以表示为C′_ij=-C_ij+v, 不难发现C′_ij必定为正数, 转变为同国内生产总值一样越大越好的期望产出.

另外, 在第二阶段SFA模型中, 为使研究更具针对性, 本文在参考已有文献的基础上, 主要考虑两方面的外部环境因素, 即产业结构和政府影响.一般认为, 产业结构优化程度越高, 越有利于交通碳排放效率提升.关于政府影响方面, 一种观点是以新古典经济学思想为基础的传统学派, 认为政府干预会导致企业环境治理成本增高, 不利于交通碳排放效率提升, 即“遵循成本”效应；另一种观点是以波特为代表的修正学派, 合适的政府干预不仅能弥补企业环境治理成本, 还能激发企业的创新能力、提高企业生产率和竞争力, 即著名的“波特假说”或称为“创新补偿”效应^[33].借鉴已有研究的做法, 本研究的产业结构由第三产业占GDP比重表示^[34], 政府影响由各地区财政支出占GDP比重表示^[35], 数据来自1998~2017年国家及地方统计年鉴.

3 结果与讨论 3.1 交通碳排放强度格局及演化特征

由公式(1)测算1985~2016年长江经济带11省市交通碳排放强度(表 3), 结果表明, 1985~2016年长江经济带的交通碳排放总量总体上呈显著的增长趋势, 由1985年的570.27万t增加到2016年的7 744.88万t, 年均涨幅12.58%.其中, 一次能源中石油类能源消耗产生的碳排放量最大, 天然气产生的碳排放量最小.从时序演化看(图 1), 长江经济带交通碳排放大体上可分为3个时期：第一阶段为1985~2003年, 碳排放量呈现波动上升的趋势, 这一时期我国长江经济带所在地区处于快速工业化发展阶段, 各个行业领域在不断开发且尚处于以煤炭为主的能源结构, 同时交通运输业得到空前的发展, 因此交通碳排放量逐年增长, 增速在2003年达到最大值.这其中1997年增速的减缓主要与我国“九五”期间实行的限期达标排放措施, 强制整改甚至关闭了一批能耗高和污染大的工业企业有关.第二阶段为2003~2013年, 碳排放量仍然在不断增加, 但是增速开始明显放缓, 期间国家先后出台了《中华人民共和国清洁生产促进法》和《能源中长期发展规划纲要》等, 强调大力调整和优化能源结构, 综合考虑能源生产、运输和消费的合理配置, 促进能源与交通运输协调发展, 使得排放增速在2003年后开始不断下降.第三阶段为2013年以后, 尽管受环境规制强化、“不搞大开发”、“绿水青山就是金山银山”等理念的深刻影响, 长江经济带交通碳排放增速处于近20年的低值区间, 但随着私家车等交通工具的普及化, 尤其对经济相对富裕的长江经济带而言, 2013年以来交通碳排放总量又呈现增长态势, 此现象应引起国家及长江沿岸地区相关部门的注意.

为了清晰揭示长江经济带交通碳排放强度的空间格局, 本文基于ArcGIS软件平台对1985~2016年各省级行政区的交通碳排放强度进行可视化表达, 并运用自然断裂点法将各省市划分为低碳排放区、中碳排放区、较高碳排放区和高碳排放区4种类型(图 2).

由图 2看出, 长江经济带下游的苏浙沪地区、中游的两湖地区以及上游四川的交通碳排放量始终较大, 在空间上形成3个明显的高值区域.苏浙沪地区历来人口众多、经济发达和路网密集, 尽管各级政府十分重视减排工作并取得了一定效果, 但由交通运输业产生的碳排放总量在长江经济带仍然处于前列.湖南、湖北两省位于长江中游, 具有天然的航运优势, 交通便利且地势平坦、区位良好、工农业发达, 很多高耗能、高污染和高耗水的大型工业企业及其配套物流体系分布在该地区, 同时在中部崛起战略和长江中游城市群建设等重大区域战略的影响下, 两湖地区的交通碳排放总量也一直处于较高水平.作为中国西部地区的经济强省和人口大省, 四川具备门类齐全的工业体系和优势突出的物流业、旅游业和商贸零售业等, 随着西部大开发、长江经济带等国家战略先后深入推进, 四川在其交通运输优势得到明显提升的同时, 交通碳排放压力也在相应增加, 不论重庆是否归其管辖, 四川交通碳排放量始终位居西部地区的首位.另外, 安徽、江西、重庆和贵州这4个省份的交通碳排放强度始终较为稳定, 总体上在长江经济带处在较低排放水平.

以每个年份交通碳排放强度值为权重, 运用标准差椭圆法分析长江经济带交通碳排放的方向分布特征及其演化规律.可以发现：①从椭圆中心性看, 交通碳排放的重心集中分布在长江经济带的东部区域；1985~2005年椭圆中心自西北向东南方向偏移, 说明该时期交通碳排放中心仍在不断地向东迁移, 同时也表明南部的云南和贵州等省份的交通碳排放量增长得更明显; 2005年以后, 椭圆中心开始向西回移, 表征中西部地区的交通碳排放量开始更快增长.②从椭圆展布性看, 椭圆的长轴逐渐变长、短轴不断变短、分布面积缩小, 表明交通碳排放的空间分布更加集中, 空间上越来越倾向于在长江沿岸地区分布.③从椭圆方向性看, 椭圆的转角由1985年的79.2°逐渐减小至2016年的78.4°, 反映其正由南-北方向分布往东-西方向分布转型, 也进一步证实了长江经济带交通碳排放空间分布的临江区位指向不断增强.

3.2 交通碳排放效率分析及时空分异

首先, 利用Deap2.1软件对1997~2016年长江经济带11省级行政单元交通碳排放效率值进行初步测算(表 4), 并把整个区域交通碳排放的效率值进行均值化处理；然后, 将投入变量的松弛变量作为被解释变量, 将政府影响力和产业结构2个环境变量作为解释变量, 运用Frontier4.1软件进行SFA回归分析, 考虑到文章篇幅及可比较性, 这里仅列出2007年和2016年的回归结果(表 5)；最后, 依据SFA分析结果调整投入变量值, 将所有研究单元置于相同的环境因素和相同外部环境下, 并再次对长江经济带交通碳排放的效率值及其规模报酬状态进行估计(表 6).

在不考虑环境和随机误差的影响下, 从第一阶段的测度结果看出, 长江经济带交通碳排放平均技术效率在20年间呈现先递增后递减的趋势, 综合技术效率的年平均值为0.943, 即与生产前沿面相差约6个百分点, 仍有较大的提升空间.另外, 还可以发现, 不论2007还是2016年, 各省域单元规模效率均值明显高于纯技术效率均值, 说明纯技术效率可能是引起长江经济带效率损失的主要原因.

然而, 不考虑外部环境及随机误差的干扰是无法反映效率的真实情境, 因此需经过第二阶段SFA回归进行调整, 由表 5可知, γ值均大于0.9且2个环境因素对投入松弛的影响都较为显著, 说明对环境与随机误差进行剔除很有必要.进一步分析环境变量对投入松驰的影响, 发现在2007年产业结构和政府影响力对3个因变量的影响都为负向, 即产业结构的优化和政府对交通运输业上的财政支出会减少不变产量的投入浪费, 有利于提高交通碳排放效率；而到了2016年, 产业结构对3个因变量的负向抑制作用不变, 但政府影响力的作用变为显著正向, 即由“创新补偿”效应转为“遵循成本”效应, 此时政府影响力的提升会导致交通运输业在资本、劳动力和能源消费投入上的浪费, 不利于交通碳排放效率的提高, 这让“波特假说”在中国是否成立的疑点凸现, 即当环境规制水平超过一定的范围, 其对交通碳排放效率的提升反而会起抑制作用^{[36, 37]}.

在剔除环境影响和随机误差的干扰后, 可以发现, 调整后的交通碳排放效率值与第一阶段的效率值之间存在显著差异(表 6)：长江经济带交通碳排放的纯技术效率和规模效率普遍得到提高, 其中综合技术效率的均值由原来的0.943上升为0.951, 纯技术效率由0.957到0.965, 规模效率从0.981上升为0.985.由此可见, 在未剔除环境影响和随机因素的情况下, 长江经济带的纯技术效率值和规模效率值被低估.同样考虑到文章篇幅和可对比性, 表 6仅列出2007年和2016年长江经济带第三阶段交通碳排放效率的测算结果及其规模报酬状态.从具体省域看, 调整后的效率值中, 除了浙江2016年的规模效率有所降低以外, 其他各项效率值均在提高或保持不变, 说明外部环境和随机误差总的来说对长江经济带交通碳排放效率产生负向干扰.从效率结构变动看, 2007年规模效率均值为0.995, 明显高于纯技术效率均值的0.969, 这与第一阶段分析的结论一致；但2016年规模效率均值降为0.959, 低于纯技术效率的0.986, 表明2016年除了纯技术效率影响效率损失之外, 规模不经济也成为掣肘长江经济带交通碳排放效率的另一重要因素.

以第三阶段的测算结果为最终效率值, 进一步分析长江经济带交通碳排放的效率格局.从东、中、西三大地区分异看, 2007年长江经济带交通碳排放效率均值在空间上呈现东部＞中部＞西部的特征, 这与东、中、西三大地带的经济发展水平相匹配, 表征2007年长江经济带经济系统与交通碳排放系统具有高度的相关性；但到了2016年, 东部地区的交通碳排放效率依然最高, 而中部地区由于规模效率相对较低而使得其综合技术效率均值小于西部地区.

从省域单元分异看, 2007~2016年江苏、江西、重庆和贵州四省的交通碳排放效率始终处于效率前沿面, 这些省份十分重视环境保护和减排工作, 并将交通运输业作为碳排放重点治理行业；同时, 在长江经济带“共抓大保护, 不搞大开发”的发展理念下, 结合自身发展现状, 从省级层面先后颁布了一系列政策文件^[38~41], 为推动其交通碳排放效率提升起到积极效果.上海和湖北由于规模效率下降导致它们综合技术效率偏离随机前沿面, 规模报酬递增表明它们仍存在进一步增加规模投入的空间.浙江、安徽和湖南的纯技术效率与规模效率同步下降, 其中安徽和湖南作为中部地区省份, 两省先后成立了国家级产业转移示范区, 在承接了东部沿海地区大量转移产业的同时, 也促进交通运输相关行业的迅猛发展, 然而面对交通运输业发展所带来的大量碳排放, 两省采取的限制技术及相关制度安排均不能迅速适应这一形势变化, 进而导致纯技术效率和规模效率双双下降；而浙江交通碳排放效率下降与人口增长、私家车拥有量持续上升以及近年浙江沿海、内河航运的快速发展等多种因素密切相关.四川和云南的各类效率均呈明显的增长态势, 它们的主导产业不局限于非耗能最大的第二产业, 农业与旅游业在其国民生产总值中占重要份额, 加上对碳排放控制工作的重视以及减排技术的进步, 四川和云南两省的交通碳排放效率得到了有效地提升.

4 结论

(1) 长江经济带交通碳排放强度上升趋势明显, 其中石油类能源消耗产生的碳排放贡献最大, 长江上、中、下游排放高值区分别是四川、两湖以及苏浙沪地区；交通碳排放分布中心呈先东后西移动规律, 并且越来越集中于长江沿岸分布.

(2) 交通碳排放效率存在明显的空间分异, 其中东部地区的效率值始终高于中西部地区, 中部地区的效率值在2007年高于西部地区, 但2016年较西部地区低.

(3) 外部环境因素影响交通碳排放效率, 其中产业结构优化总是有利于效率提升, 但政府干预的影响则由正向效应转向负向作用.

(4) 鉴于研究结果, 从以下4个方面提出政策建议：①建立交通碳排放协同调控机制.从国家层面做好顶层设计, 强化长江经济带治理的全局意识.②优化综合运输结构和产业结构.一方面大力推行公共交通先行政策或电动汽车的使用, 另一方面进一步升级产业结构, 加强交通减排技术研发和推广.③提升政府引导和服务职能.发挥政府的舆论宣传和科学引导作用, 避免直接规制带来的“遵循成本”效应, 大力践行绿色出行理念, 完善长江经济带物流网络建设.④注重交通碳排放差异化治理.结合本地实际有针对性地制定科学减排政策, 特别要加快“高排放、低效率”地区的治理工作, 注重“低排放、高效率”地区治理模式推广, 强化区域之间交通碳排放信息共享和治理经验交流.