基于情景模拟的上海港脱碳路径研究：STIRPAT-Tapio-Monte Carlo模型框架下的关键排放驱动因素分析

本文构建了扩展的STIRPAT-Tapio-Monte Carlo模型框架，首次对上海港碳排放进行动静态双重情景模拟。研究发现：特殊集装箱码头泊位数（方差贡献率78.43%）和码头企业数量（49.45%）是主导碳排放达峰的关键驱动因素；静态模拟显示达峰时间为2027年（峰值417万吨，概率3.7%），动态模拟显示达峰时间为2028.56年（峰值397万吨，概率46.26%）。研究为港口低碳转型提供了可扩展的决策支持工具。

　　

核心挑战

港口作为多式联运的交通枢纽，在创造经济效益的同时也排放大量温室气体。要实现尽早碳达峰目标，港口需应对日益严峻的排放问题。高质量达峰需要多维度分解目标，不仅要关注达峰时间点，更要聚焦技术效应、经济因素、人工智能（AI）等要素的影响。

研究方法与数据

以上海港为案例研究对象，探索港口有效减排路径。图1展示了扩展的STIRPAT-Tapio-Monte Carlo模型框架。基于2009-2022年上海港碳排放核算数据，采用扩展STIRPAT-Tapio双筛选模型识别港口碳排放关键影响因素，结合静态模拟和包含不确定性分析的蒙特卡洛动态模拟，预测未来碳排放达峰路径。

上海港碳排放测算结果

我们利用2009-2022年上海港数据，估算了三个排放源的碳排放量，并确定了总碳排放量变化率。结果如图3所示：船舶排放占比最大（约80%）。虽然港口船舶碳排放占海运总排放比例较小，但却是港口碳排放的主要来源（B. Wang等，2023）。运营设备碳排放...

研究结论

港口是现代交通运输业的关键组成部分，虽创造巨大经济价值，但其碳排放不容忽视。本研究采用扩展STIRPAT-Tapio-Monte Carlo方法分析港口行业碳排放并进行实证研究。通过扩展STIRPAT-Tapio模型筛选出对上海港碳排放影响最大的四个因素，确定了...