《Journal of Environmental Sciences》：Analysis of driving mechanisms and prospective decarbonization pathways for life cycle carbon emissions of China’s passenger vehicle fleet
编辑推荐：
•尽管出现了相对脱钩，但车队总排放量仍增加了74.6%。•在中国不断增长的市场中，车队扩张的速度超过了燃油效率提升带来的收益。•电动化将碳排放的负担转移到了制造业和电力供应领域。•到2030年代初，更环保的制造工艺可能使电动汽车在整个生命周期内的环境影响达到与传统内燃机车辆相当的
- •
尽管出现了相对脱钩，但车队总排放量仍增加了74.6%。
- •
在中国不断增长的市场中，车队扩张的速度超过了燃油效率提升带来的收益。
- •
电动化将碳排放的负担转移到了制造业和电力供应领域。
- •
到2030年代初，更环保的制造工艺可能使电动汽车在整个生命周期内的环境影响达到与传统内燃机车辆相当的水平。
- •
电网和制造业的脱碳措施可能使排放量在2040年降至6.91亿吨。
引言
交通领域的脱碳对于减少碳排放至关重要。作为世界上最大的汽车生产和消费国，中国的低碳转型对其实现碳中和目标以及全球汽车供应链都具有重要意义（Liu等人，2022年）。中国的乘用车市场仍处于存量积累阶段。尽管汽车保有量增长迅速，但人均汽车拥有量仍低于许多发达国家，且许多中国城市仍处于汽车普及的早期阶段（Duan等人，2024年）。这给减排工作带来了特殊挑战：在汽车保有量持续增加的同时，必须减少整个生命周期的排放。应对这一挑战需要从车队层面的角度出发，综合考虑汽车普及和技术转型对碳排放的影响。
车辆电动化是减少交通排放的重要途径。在2013年至2023年间，受政策激励和技术进步的推动，中国电动汽车（EV）市场发生了快速增长（Han等人，2025年）。从生命周期的角度来看，电动化改变了排放的位置，而不仅仅是简单地消除了排放。虽然电动汽车减少了尾气排放，但由于电池和车辆的生产过程，其整个生命周期的排放量相对于内燃机车辆（ICEVs）有所增加（Chen等人，2024年；Li等人，2019年；Maselli等人，2025年）。电动汽车相关的排放量还取决于电力生产的碳强度（Alexander和Abraham，2024年；Tang等人，2022年）。已有研究探讨了车辆生命周期评估中排放负担的转移问题（Onat和Kucukvar，2022年；Yang等人，2021年；Zhang等人，2023年）。对于快速扩张的汽车车队来说，一个亟待解决的问题是量化这种生命周期内的排放负担转移如何与车队增长和电动化进程相互作用，而不仅仅是从使用阶段来评估电动汽车的减排效果。
分解分析是一种识别排放变化驱动因素的有效方法。对数平均分解指数（LMDI）方法被广泛用于此目的，因为它可以将其归因于规模、结构、强度和排放因子的影响，而不会留下残差项（Ang，2015年；Li等人，2024年）。现有的LMDI研究主要关注经济整体、行业或交通层面的排放情况，通常依赖Kaya模型来评估经济活动、人口、能源强度和燃料结构的影响（Achour和Belloumi，2016年；Rivera-Niquepa等人，2025年；Shui等人，2024年；Xu等人，2016年；Zhao等人，2026年）。这些研究为了解交通排放的驱动因素提供了有益的依据。然而，许多研究基于汇总的交通数据或运行排放数据，并未充分区分乘用车的各个生命周期阶段。在电动化背景下，这一局限性尤为关键，因为生产过程中的排放、上游电力生产过程中的排放、使用阶段的排放以及报废阶段的排放受不同因素影响。因此，需要逐阶段进行生命周期分解，以明确规模、结构、效率及排放因子的变化如何影响各个生命周期阶段。
为了满足这一需求，生命周期评估（LCA）提供了一个成熟的框架，用于量化车辆整个生命周期内的环境负担，并识别生产、能源供应、使用和报废阶段之间的排放变化（Desreveaux等人，2023年；Shet K和Moholkar，2025年）。车队层面的应用需要动态活动数据，因为销售、保有量、报废和能源使用存在时间变化。系统动力学（SD）模型非常适合这一目的，因为它们能够有效捕捉车队内的存量-流动动态，从而获得一致的年度活动和排放数据（Gómez-Vilchez和Jochem，2020年；McAvoy等人，2021年）。最近的研究还将SD建模与生命周期评估相结合，用于评估乘用车车队脱碳的动态环境影响（Ginster等人，2025年）、替代燃料车辆（Zhou等人，2026年）以及汽车行业政策（Cai和Liu，2025年）。基于这些动态车队评估方法，本研究使用SD-LCA作为中国乘用车车队的一致核算基础，并结合逐阶段分解分析，研究车队演变如何影响特定生命周期阶段的排放驱动因素。
具体而言，本研究旨在分析2013年至2023年中国乘用车车队的历史排放情况，并预测截至2040年的潜在脱碳路径。为了评估电动汽车普及带来的生产阶段负担，该框架进一步引入了“碳平衡里程”作为衡量更高制造排放与使用阶段减排效益之间权衡的指标。
本研究有三个主要贡献。首先，通过量化快速汽车普及和电动化期间车辆保有量增长与动力系统转型之间的相互作用，证明了规模增长和电动化共同影响了车队层面的碳排放。其次，构建了一个基于LCA的四阶段LMDI分解模型，将车辆生产、燃料/电力生产、车辆使用和报废视为独立的分解组成部分。该模型量化了保有量增长、车队更新、市场结构、车辆组成、燃料/电力消耗、电网强度和生产排放强度的相对贡献。第三，它将历史驱动因素的归因与情景分析和碳平衡里程相结合，评估电网脱碳和制造业脱碳如何减少与车队电动化相关的上游排放负担转移。
章节摘录
综合框架
本研究采用了一个综合SD、LCA和LMDI模型的分析框架，如图1所示。首先，使用基于车队的SD模型重建了中国乘用车车队的年度存量-流动演变。在数据可用的情况下，利用历史销售、保有量和市场份额数据；同时推导出依赖于存量-流动的变量，包括报废率、更换需求、车队周转率、能源需求和特定阶段的排放量
乘用车车队的历史生命周期碳排放
2013年至2023年间，中国乘用车行业的总生命周期碳排放量呈持续上升趋势，从5.19亿吨二氧化碳增加到9.06亿吨二氧化碳，累计增长了74.6%（图4a）。虽然内燃机车辆一直是主要排放源，但自2020年以来其每年碳排放量基本保持稳定。与此同时，由电动化驱动的结构性变化尤为明显。电动汽车的排放量有所增加
前景情景分析
基于LMDI的研究结果，本研究进行了前瞻性评估，探讨了多种脱碳策略的减排潜力。由于人均车辆保有量仍然是主要的正向驱动因素，本节利用SD框架模拟了四种未来情景。模拟时间范围定为2013年至2040年，主要是依据最新的“节能与新能源汽车技术路线图”（中国汽车工程学会，2025年）
结论与讨论
本研究采用了一个综合分析框架，结合了系统动力学、基于LCA的LMDI模型和前景情景分析，来研究中国乘用车车队的碳排放情况。根据历史数据，车队显示出与汽车普及指标的相对脱钩。2013年至2023年间，人均车辆保有量增长了113.0%，而生命周期碳排放量增长了74.6%，从5.19亿吨二氧化碳增加到9.06亿吨二氧化碳。这意味着排放量
作者声明他们没有已知的利益冲突或个人关系可能影响本文的研究结果。
CRediT作者贡献声明
郭志伟：撰写——审阅与编辑、原始草稿撰写、软件开发、方法学研究、数据分析、概念框架构建。李涛：撰写——审阅与编辑、原始草稿撰写、方法学研究、数据分析、概念框架构建。张洪超：撰写——审阅与编辑、方法学研究、数据分析、概念框架构建。
作者声明他们没有已知的利益冲突或个人关系可能影响本文的研究结果。
本研究得到了河南科技大学博士科研启动基金（编号：2023BS075）的支持。
郭志伟|李涛|张洪超
