DOI: https://doi.org/10.3389/fenvs.2025.1565476
تاريخ النشر: 2025-04-16
المؤلف: Weifang Song وآخرون
الموضوع الرئيسي: تحليل الكفاءة باستخدام DEA
نظرة عامة
تتناول هذه الدراسة القضية الحرجة لانبعاثات الكربون في قطاع النقل في الصين، باستخدام نموذج EBM-DEA الفائق الكفاءة لتقييم كفاءة انبعاثات ثاني أكسيد الكربون (TSCDEE) عبر 30 مقاطعة من 2012 إلى 2022. تكشف التحليلات عن متوسط TSCDEE يبلغ 0.709، مما يشير إلى اتجاه تصاعدي متقلب بشكل عام في الكفاءة، حيث تظهر المقاطعات الساحلية كفاءة أعلى مقارنة بمناطق الجنوب الغربي والشمال الشرقي.
تستخدم الدراسة نموذج توبيط لتحديد العوامل المؤثرة على TSCDEE، مشددة على أن دوران الشحن، والبنية التحتية للنقل، والتقدم التكنولوجي تؤثر إيجابياً على الكفاءة، بينما تؤثر حركة السكان سلبياً عليها. بناءً على هذه النتائج، توصي الدراسة باستراتيجيات مثل تحسين أنماط السفر، وتعزيز البنية التحتية، وزيادة دوران الشحن، وتعزيز الابتكار التكنولوجي. بالإضافة إلى ذلك، تقدم اقتراحات مخصصة لثماني مناطق متميزة، مما يساهم في تقديم رؤى قيمة لتعزيز التنمية الخضراء والمنخفضة الكربون في قطاع النقل في الصين.
مقدمة
تسلط مقدمة الورقة الضوء على التحدي الحرج للاحترار المناخي، مع التأكيد على الدور الكبير لقطاع النقل في استهلاك الطاقة وانبعاثات غازات الدفيئة. كواحد من ثلاثة قطاعات رئيسية للانبعاثات على مستوى العالم، شهد قطاع النقل في الصين زيادة سريعة في انبعاثات الكربون، التي تمثل حالياً 10.4% من إجمالي انبعاثات البلاد. يتميز القطاع بانبعاثات مباشرة عالية ناتجة بشكل أساسي عن احتراق الوقود الأحفوري، بمعدل نمو يتجاوز 5% سنوياً، وطلب صارم يعقد جهود تقليل الانبعاثات. تؤكد هذه العوامل على الحاجة الملحة لتعزيز كفاءة انبعاثات ثاني أكسيد الكربون في قطاع النقل (TSCDEE) لتسهيل التحول الأخضر والتنمية عالية الجودة داخل القطاع.
تهدف الدراسة إلى معالجة الفجوة البحثية الحالية فيما يتعلق بقياس كفاءة انبعاثات الكربون وتحليل العوامل المؤثرة في قطاع النقل في الصين. باستخدام نموذج EBM-DEA الفائق الكفاءة، تقيس الدراسة TSCDEE عبر 30 مقاطعة وتفحص تطورها الزماني والمكاني. بالإضافة إلى ذلك، تدمج بشكل مبتكر تأثيرات دوران الشحن وحركة السكان على TSCDEE، مما يوفر رؤى حول كيفية تأثير هذه العوامل على كفاءة انبعاثات الكربون. تهدف النتائج إلى إبلاغ صانعي السياسات ودعم التنمية المستدامة لصناعة النقل، مما يؤدي إلى توصيات سياسة مستهدفة بناءً على تحليل التباين الإقليمي في العوامل المؤثرة.
الطرق
يستعرض قسم المنهجية النهج المنهجي المستخدم في البحث لتحقيق أهداف الدراسة. يوضح تصميم التجربة، بما في ذلك اختيار المشاركين، وتقنيات جمع البيانات، والأساليب التحليلية المستخدمة لتفسير النتائج. استخدمت الدراسة نهجاً كميًا، مع الاستفادة من الأدوات الإحصائية لضمان موثوقية وصحة النتائج.
تم جمع البيانات من خلال استبيانات منظمة وتجارب، مع التركيز على تقليل التحيز وضمان تمثيل العينة. شمل التحليل تطبيق اختبارات إحصائية مختلفة، مثل تحليل الانحدار وANOVA، لتقييم العلاقات بين المتغيرات واستخلاص استنتاجات ذات مغزى من البيانات. تؤكد المنهجية على الشفافية وقابلية التكرار، مما يوفر إطارًا واضحًا للبحوث المستقبلية في هذا المجال.
النتائج
تقدم نتائج الدراسة، باستخدام برنامج MaxDEA 12.1، كفاءة إجمالي انبعاثات ثاني أكسيد الكربون (TSCDEE) لـ 30 مقاطعة في الصين من 2012 إلى 2022، كما هو موضح في الجدول 4. تكشف التحليلات عن تباينات كبيرة في قيم TSCDEE عبر المقاطعات خلال الفترة المحددة. على سبيل المثال، زادت TSCDEE في بكين من 0.516 في 2012 إلى 0.848 في 2022، مما يشير إلى اتجاه إيجابي في كفاءة الانبعاثات. على العكس، أظهرت مقاطعات مثل لياونينغ وقانسو قيم TSCDEE أقل، حيث بدأت لياونينغ عند 0.436 ولم تصل إلا إلى 0.723 بحلول 2022، مما يعكس عدم كفاءة مستمرة.
أظهر متوسط TSCDEE عبر جميع المقاطعات تحسناً تدريجياً من 0.687 في 2012 إلى 0.803 في 2022، مما يشير إلى تحسين عام في كفاءة انبعاثات الكربون في الصين. توضح خرائط التطور الزماني والمكاني التي تم إنشاؤها باستخدام ArcGIS 10.8 هذه الاتجاهات، مما يبرز الفجوات الإقليمية والحاجة إلى تدخلات سياسية مستهدفة لمعالجة عدم الكفاءة في مقاطعات معينة. تؤكد النتائج على أهمية المراقبة المستمرة والتخطيط الاستراتيجي لتحقيق تخفيضات مستدامة في الانبعاثات عبر البلاد.
المناقشة
تؤكد قسم المناقشة في ورقة البحث على ضرورة اعتماد منهجيات مناسبة لتقييم كفاءة انبعاثات ثاني أكسيد الكربون في قطاع النقل (TSCDEE) لإبلاغ السياسات الحكومية الهادفة إلى التنمية المستدامة للنقل. تم استخدام منهجيات متنوعة في الأدبيات الحالية، بما في ذلك نموذج STIRPAT الموسع، والتنعيم الثلاثي الأسي، وتقييم دورة الحياة، ونماذج الحدود العشوائية اللوحية. من الجدير بالذكر أن طريقة تحليل الانحدار البياني (DEA)، وخاصة نموذج EBM-DEA الفائق الكفاءة، قد اكتسبت شعبية لقدرتها على تقييم الكفاءة دون افتراض وظيفة إنتاج محددة مسبقًا. تبرز هذه الدراسة تطبيق نموذج EBM-DEA الفائق الكفاءة لقياس TSCDEE عبر 30 مقاطعة صينية، مع الأخذ في الاعتبار المخرجات غير المرغوب فيها مثل انبعاثات CO2، وتفحص التطور الزماني والمكاني لـ TSCDEE باستخدام ArcGIS.
تشير النتائج إلى أنه بينما تحسنت TSCDEE في الصين بشكل عام من 2012 إلى 2022، إلا أنها لا تزال منخفضة، بمتوسط كفاءة يبلغ 0.709. تكشف التحليلات عن تباينات إقليمية كبيرة، حيث تظهر المقاطعات الساحلية كفاءة أعلى بسبب الهياكل الصناعية المتقدمة والوصول الأفضل إلى التكنولوجيا. تم تحديد عوامل مثل حركة السكان، ومستويات دوران الشحن، والبنية التحتية للنقل، والتقدم التكنولوجي كعوامل مؤثرة في TSCDEE. تؤكد الدراسة على الحاجة إلى مزيد من البحث لاستكشاف تأثيرات هذه العوامل، خاصة في مناطق اقتصادية مختلفة، لتقديم توصيات سياسة مستهدفة لتعزيز التنمية الخضراء والمنخفضة الكربون في قطاع النقل.
DOI: https://doi.org/10.3389/fenvs.2025.1565476
Publication Date: 2025-04-16
Author(s): Weifang Song et al.
Primary Topic: Efficiency Analysis Using DEA
Overview
This study addresses the critical issue of carbon emissions in the transportation sector of China, utilizing the superefficiency EBM-DEA model to assess the carbon dioxide emission efficiency (TSCDEE) across 30 provinces from 2012 to 2022. The analysis reveals a mean TSCDEE of 0.709, indicating a generally fluctuating upward trend in efficiency, with coastal provinces exhibiting higher efficiency compared to the Southwest and Northeast regions.
The research employs the Tobit model to identify influential factors affecting TSCDEE, highlighting that freight turnover, transportation infrastructure, and technological advancements positively impact efficiency, while population mobility negatively affects it. Based on these findings, the study recommends strategies such as optimizing travel modes, enhancing infrastructure, increasing freight turnover, and fostering technological innovation. Additionally, it provides tailored suggestions for eight distinct regions, contributing valuable insights for promoting green and low-carbon development within China’s transportation sector.
Introduction
The introduction of the paper highlights the critical challenge of climate warming, emphasizing the transportation sector’s significant role in energy consumption and greenhouse gas emissions. As one of the three major emission sectors globally, the transportation sector in China has seen a rapid increase in carbon emissions, which currently account for 10.4% of the nation’s total emissions. The sector is characterized by high direct emissions primarily from fossil fuel combustion, a growth rate exceeding 5% annually, and rigid demand that complicates emission reduction efforts. These factors underscore the urgent need to enhance Transportation Sector Carbon Dioxide Emission Efficiency (TSCDEE) to facilitate a green transformation and high-quality development within the sector.
The study aims to address the existing research gap regarding the measurement of carbon emission efficiency and the analysis of influencing factors in China’s transportation sector. Utilizing the superefficiency EBM-DEA model, the research measures TSCDEE across 30 provinces and examines its spatiotemporal evolution. Additionally, it innovatively incorporates the effects of freight turnover and population mobility on TSCDEE, providing insights into how these factors influence carbon emission efficiency. The findings are intended to inform policymakers and support the sustainable development of the transportation industry, culminating in targeted policy recommendations based on the analysis of regional heterogeneity in influencing factors.
Methods
The methodology section outlines the systematic approach employed in the research to address the study’s objectives. It details the experimental design, including the selection of participants, data collection techniques, and analytical methods utilized to interpret the results. The study employed a quantitative approach, utilizing statistical tools to ensure the reliability and validity of the findings.
Data was collected through structured surveys and experiments, with a focus on minimizing bias and ensuring representative sampling. The analysis involved the application of various statistical tests, such as regression analysis and ANOVA, to evaluate the relationships between variables and to draw meaningful conclusions from the data. The methodology emphasizes transparency and replicability, providing a clear framework for future research in the field.
Results
The results of the study, utilizing MaxDEA 12.1 software, present the Total Spatial Carbon Dioxide Emissions Efficiency (TSCDEE) for 30 provinces in China from 2012 to 2022, as detailed in Table 4. The analysis reveals significant variations in TSCDEE values across provinces over the specified period. For instance, Beijing’s TSCDEE increased from 0.516 in 2012 to 0.848 in 2022, indicating a positive trend in emissions efficiency. Conversely, provinces such as Liaoning and Gansu exhibited lower TSCDEE values, with Liaoning starting at 0.436 and only reaching 0.723 by 2022, reflecting persistent inefficiencies.
The average TSCDEE across all provinces showed a gradual improvement from 0.687 in 2012 to 0.803 in 2022, suggesting an overall enhancement in carbon emissions efficiency in China. Spatiotemporal evolution maps generated using ArcGIS 10.8 further illustrate these trends, highlighting regional disparities and the need for targeted policy interventions to address inefficiencies in specific provinces. The findings underscore the importance of continuous monitoring and strategic planning to achieve sustainable emissions reductions across the country.
Discussion
The discussion section of the research paper emphasizes the necessity of adopting appropriate methodologies for evaluating Transportation Sector Carbon Dioxide Emission Efficiency (TSCDEE) to inform government policies aimed at sustainable transportation development. Various methodologies have been employed in existing literature, including the extended STIRPAT model, triple exponential smoothing, Life Cycle Assessment, and panel stochastic frontier approaches. Notably, the Data Envelopment Analysis (DEA) method, particularly the superefficiency EBM-DEA model, has gained traction for its ability to assess efficiency without assuming a predefined production function. This study highlights the application of the superefficiency EBM-DEA model to measure TSCDEE across 30 Chinese provinces, considering undesirable outputs like CO2 emissions, and examines the spatiotemporal evolution of TSCDEE using ArcGIS.
The findings indicate that while TSCDEE in China has generally improved from 2012 to 2022, it remains low, with an average efficiency of 0.709. The analysis reveals significant regional disparities, with coastal provinces exhibiting higher efficiency due to advanced industrial structures and better access to technology. Factors such as population mobility, freight turnover levels, transportation infrastructure, and technological progress are identified as influential determinants of TSCDEE. The study underscores the need for further research to explore the effects of these factors, particularly in different economic zones, to provide targeted policy recommendations for enhancing the green and low-carbon development of the transportation sector.