摘 要

设计以中国交通运输业2006年-2016年的面板数据为基础，结合IPCC推荐的“自上而下”的碳排放计算方法，通过查找的碳排放系数计算出我国除去西藏于和港澳台地区后的各个省份交通运输业碳排放指标。计算的指标以交通运输业碳排放总量为首，人均碳排放量和碳排放强度为辅助，并针对碳排放总量，通过SPSS软件，运用岭回归模型分析交通运输业增加值、交通运输业能源消耗和人口数量三个因素对碳排放量的影响。同时运用聚类分析方法分析中国交通运输业碳排放的区域分布特征并进行分类，用因子分析方法建立区碳排放综合评估模型，分析和评估各个省份的碳排放情况。

论证结果表明：（1）我国碳排放量与人均碳排放随着交通运业发展逐年增加，空间整体碳排放量呈现东部到中部再到西部三个区域的递减，碳排放强度在西北和西南与东北部较高，中部交通枢纽省份和沿海经济发达地区反而较低。（2）影响交通运输业碳排放的因素中按影响贡献度大小一次为人口数量、交通运输业能源消耗量、交通运输业增加值，三个因素对碳排放均有正向的强相关性。

碳排放量和人口因素成为区域碳排放出现差异的主要影响因素，交通运输业发展水平和人口因素则是评价区域碳排放的主要标准。

设计的特色：运用聚类分析将区域之间按照交通运输业发展的差异和共同点进行分类，通过分类来观测区域之间出现碳排放分布特点的因素和联系，并运用因子分析建立评估模型来排序各区域得分情况。

关键词：碳排放；岭回归；聚类分析；因子分析

Abstract

Based on the panel data of China's transportation industry from 2006 to 2016, combined with the "top-down" carbon emission calculation method recommended by the IPCC, the carbon emission indexes of transportation industry in various provinces excluding Tibet, Hong Kong, Macao and Taiwan are calculated by the carbon emission coefficient. The calculated index is led by the total carbon emission of transportation industry, with the per capita carbon emission and carbon emission intensity as the auxiliary. Aiming at the total carbon emission, the paper analyzes the impact of three factors on the carbon emission, i.e. the added value of transportation industry, energy consumption of transportation industry and population by using the ridge regression model through SPSS software. At the same time, cluster analysis method is used to analyze the regional distribution characteristics of carbon emissions of China's transportation industry and classify them. Factor analysis method is used to establish a comprehensive evaluation model of regional carbon emissions and analyze and evaluate the carbon emissions of each province.

The results show that: (1) with the development of transportation industry, the carbon emission and per capita carbon emission in China are increasing year by year, and the overall carbon emission in the space is decreasing from the east to the middle and then to the West. The carbon emission intensity is higher in the northwest, Southwest and northeast, but lower in the central transportation hub provinces and coastal economic developed areas. (2) According to the contribution degree, the three factors that affect the carbon emission of transportation industry are population, energy consumption and added value of transportation industry, which have a strong positive correlation with carbon emission. (3) Carbon emission and population factors are the main influencing factors of regional carbon emission differences, while the development level of transportation industry and population factors are the main criteria to evaluate regional carbon emission.

Features of the design: cluster analysis is used to classify the regions according to the differences and common points of the development of transportation industry. The factors and links of the distribution characteristics of carbon emissions between regions are observed through classification, and factor analysis is used to establish an evaluation model to rank the scores of each region.

Key words: carbon emission; ridge regression; cluster analysis; factor analysis

目 录

第1章 绪论 1

1.1 选题背景和意义 1

1.2 国内外现状 2

1.3 设计说明书 4

1.3.1 设计目标与基本要求 4

1.3.2 主要设计内容 5

1.3.3 技术方案 5

第2章 中国交通运输业碳排放现状 7

2.1 中国交通运输业发展现状 7

2.2 中国各省份交通运输业发展水平 8

2.2.1 各省份公路与铁路发展水平 8

2.2.2 全国水路与航空发展现状 10

2.2.3 运输网络整体发展现状分析 12

2.3 中国交通运输业碳排放现状分析 12

2.3.1 中国交通运输业区域碳排放总量、人均碳排放量现状分析 12

2.3.2 中国交通运输业区域碳排放强度分析 18

2.4 本章小结 20

第3章 中国交通运输业碳排放影响因素分析模型设计 21

3.1 建模方案 21

3.1.1 线性回归模型原理 21

3.1.2 岭回归模型原理 21

3.1.3 指标数据选取 21

3.2 线性回归模型算法设计及结果 22

3.2.1 算法设计 22

3.2.2 结果分析 23

3.3 岭回归模型算法程序及结果 28

3.3.1 算法程序 28

3.3.2 结果分析 29

3.3 本章小结 31

第4章 碳排放区域分布特征分析模型设计 32

4.1 建模方案 32

4.1.1 系统聚类模型原理 32

4.1.2 k-均值聚类模型原理 32

4.1.3 数据指标选取 32

4.2 系统聚类模型算法设计及结果 33

4.2.1 算法设计 33

4.2.2 结果分析 34

4.3 k-均值聚类模型算法设计及结果 36

4.3.1 算法设计 36

4.3.2 结果分析 37

4.4 本章小结 41

第5章 碳排放区域分布综合评估模型设计 42

5.1 建模方案 42

5.2 因子模型算法程序及运行结果 42

5.2.1 模型算法程序 42

5.2.2 结果分析 42

5.3 本章小结 47

第6章 总结 48

6.1 节能减排建议 48

6.2 全文总结归纳 49

参考文献 52

附录A 54

附A.1线性回归散点图代码如下 54

附A.2线性回归代码 54

附A.3岭回归调用代码 54

附录B 55

附B.1系统聚类的程序代码 55

附B.2 K-均值聚类的程序代码 55

附录C 56

附C.1因子分析模型的SPSS程序代码 56

第1章 绪论

1.1 选题背景和意义

自从人类进入工业时代，温室气体的排放就开始引发各种环境、社会甚至政治方面的问题，而经济全球化的快速发展更是让这些矛盾日益凸显，例如仅在20世纪的100年中，全球平均气温就升高了0.8摄氏度，同时，全球范围内的温度升高迫使两极冰川加速消融，在2020年更是让南极的夏季温度首次突破了20℃。由此导致的海平面上升加剧了海难的发生，让沿海地区的气候变得更加反复无常，更让本就日渐稀缺的土地被海水淹没，出现了如图瓦卢等被迫迁移的国家。如何降低碳排放已经成为全世界共同面临的难题之一。为此，各国也做出了许多努力。1992年，《联合国气候变化框架公约》在联合国的初次发表；1997年，各国政府在日本东京协商构建《京都议定书》，并承诺尽己所能来做好本国的节能减排，共同应对因温室气体的排放而导致的全球气候问题，加强对欧美发达国家要重点控制自身二氧化碳以及其他温室气体的排放的要求；2015年《联合国框架公约》中的绝大多数缔约国一致同意通过了《巴黎协定》，该项协定的区别在于它具有法律效应与约束力并且适用于各国的节能减排政策；2016年，巴黎气候大会通过新的协定，至此开启了应对21世纪20年代之后全新能源消耗与碳排放的策略；2018年，联合国气候变化专门委员会（IPCC）更是发表报告：若是不能将全球气温的增长幅度控制在1.5摄氏度以下，未来的20年之后将面临事关人类生存的巨大灾难^[1] 。

温室气体的排放同时关系到能源问题，目前全球范围内还普遍以化石燃料为主要的能源，尽管陆续开发出了不少清洁能源，但其使用程度不高加之利用技术还不够成熟，随着全球经济，科技，工业的飞速发展，未来相当长的一段时间，石油等能源的需求还将持续增长。英国石油集团就曾在《BP世界能源展望》（2016年版）中预测2035年世界的能源需求还将增长35%^[2]。在工业之后，交通运输业已然成为首要的能源消耗部门，消耗着世界上大量的化石能源。全世界交通运输业的高速发展将会刺激化石能源的需求增长，进而导致碳排放量与日俱增且难以扭转的局面。毋庸置疑，中国目前在全世界版图中已然是头号发展中超级大国，各行各业都离不开对煤炭以及其他化石能源的使用，不可避免的成为了碳排放大国。为了兑现向国际承诺的节能减排任务，也为了实现我国能源使用的安全和能源战略，我国在“十二五”规划中首次将规划的首要目标转向低碳发展应对气候变化，并发布了《“十二五”控制温室气体排放工作方案》^[3]。中国政府在《十三五规划纲要》中重申了控制温室气体，实行低碳社会发展的重要性，指出到2020年，在能源方面，全国万元GDP能源消耗同比2015年要下降15%，能源消费总量控制在50亿吨以内的同时，实现二氧化碳排放量下降18%。虽然中国政府为了节能减排制订了一系列措施政策，但是效果并不显著。为此了解中国交通运输业发展的区域差异性与省份地区之间碳排放分布的特点变换，对当地政府因地制宜制订调整节能减排规定是十分重要的。