Emission Dynamics in Maritime Transport within the Blue Economy Framework: Decoupling and Causality Analysis for European Nations

Abstract

Under the pressure of tightening carbon regulations such as the EU Monitoring, Reporting, and Verification (MRV) framework, this study investigates the environmental adaptation and decarbonization processes of maritime supply chains from a Blue Economy perspective, utilizing a panel dataset of 25 nations encompassing European countries and Türkiye (2008–2024). Accounting for cross-sectional dependence and slope heterogeneity, the analyses (the CCEMG estimator, the Dumitrescu-Hurlin test, and the Tapio index) suggest empirical evidence that the assumptions of the Environmental Kuznets Curve (EKC) hypothesis may not hold within this specific sectoral domain, indicating that economic growth does not spontaneously mitigate maritime emissions. Conversely, the long-run coefficients indicate that port cargo volume growth tends to decouple from emission increases, with the emission growth rate lagging behind sectoral volumetric expansion. This trajectory is consistent with operational efficiency improvements reported in the literature, such as scale economies of ultra-large vessels and slow steaming practices. The bidirectional feedback loop obtained from the panel causality test suggests that environmental performance may increasingly function as an important component of ports’ commercial competitiveness. While a structural divide is observed within the European maritime landscape separating traditional carbon-dependent ports from green-oriented nations, the case of Türkiye displays potential toward becoming a critical low-carbon regional transit corridor, supported by its negative elasticity trend and temporary absolute decoupling performance in 2020. Sustaining these observed decoupling pathways over the longer term may require by strategic steps aligned with the findings. In this regard, establishing a national emission monitoring infrastructure compatible with the EU acquis and mobilizing blue finance mechanisms can be evaluated as a strategic necessity.

Keywords

• Maritime emissions
• Green port
• Blue economy
• Decoupling analysis
• Panel data analysis

Mavi Ekonomi Ekseninde Deniz Yolu Taşımacılığında Emisyon Dinamikleri: Avrupa Ülkeleri İçin Bir Ayrışma ve Nedensellik Analizi

Abstract

Bu çalışma, Avrupa Birliği İzleme, Raporlama ve Doğrulama çerçevesi gibi sıkılaşan karbon düzenlemelerinin baskısı altında, 25 Avrupa ülkesi ve Türkiye’yi içeren bir panel veri setiyle (2008–2024), deniz yolu tedarik zincirlerinin çevresel adaptasyon ve karbonsuzlaşma süreçlerini Mavi Ekonomi perspektifinden incelemektedir. Yatay kesit bağımlılığı ve eğim heterojenliğini dikkate alan analizler (CCEMG tahmincisi, Dumitrescu-Hurlin testi ve Tapio endeksi), ekonomik büyümenin emisyonları kendiliğinden azaltacağını varsayan Çevresel Kuznets Eğrisi hipotezinin bu alan özelinde geçerli olmayabileceğine yönelik ampirik bulgular öne sürmektedir. Buna karşılık uzun dönemli katsayılar, liman kargo hacmindeki büyümenin emisyon artışından ayrışma eğiliminde olduğuna ve emisyon artış hızının sektörel hacim genişlemesinin gerisinde kaldığına işaret etmektedir. Bu eğilim, literatürde belirtilen büyük tonajlı gemilerin ölçek ekonomileri ve yavaş seyir uygulamaları gibi operasyonel verimlilik artışlarıyla tutarlılık göstermektedir. Panel nedensellik testinden elde edilen çift yönlü geri besleme döngüsü, çevresel performansın, limanların ticari rekabet gücünün giderek daha önemli bir bileşeni olarak işlev görebileceğine işaret etmektedir. Avrupa denizcilik alanında geleneksel karbon bağımlılığını aşamayan limanlarla yeşil yönelimli ülkeler arasında yapısal bir bölünme gözlemlenirken; Türkiye örneği, 2020'deki geçici mutlak ayrışma performansı ve negatif esneklik eğilimiyle kritik bir düşük karbonlu bölgesel geçiş koridoru olma yönünde potansiyel barındırmaktadır. Gözlemlenen bu ayrışma eğilimlerinin uzun vadede sürdürülebilmesi ise bulgularla uyumlu birtakım stratejik adımları gerektirebilir. Bu doğrultuda, Avrupa Birliği müktesebatıyla uyumlu ulusal emisyon izleme altyapısının tesisi ile mavi finansman mekanizmalarının harekete geçirilmesi stratejik bir politika önceliği olarak değerlendirilebilir.

Keywords

• Denizcilik Emisyonları
• Yeşil Liman
• Mavi Ekonomi
• Ayrışma Analizi
• Panel veri analizi

References

1. Adamowicz, M. (2022). Decarbonisation of maritime transport – European Union measures as an inspiration for global solutions? Marine Policy, 145, 105085. doi:10.1016/j.marpol.2022.105085.
2. Akkaya, A. (2025). Denizcilik Sektörüne Yönelik Avrupa Birliği̇ Yeşi̇l Mutabakat Düzenlemeleri̇: Emisyon İzleme, Raporlama, Doğrulama ve Emisyon Ticaret Sistemi̇. Dokuz Eylül Üniversitesi Denizcilik Fakültesi Dergisi, 17(1), 1–47.
3. Bouanani, O., Sandabad, S., Mabchour, H., El Houssine Ech-Chhibat, M. (2026). Evolution of Maritime CO₂ Performance Under the EU MRV Framework (2018–2023): Emission Patterns and a Baseline for Policy Assessment. Emission Control Science and Technology, 12(1), 4. doi: 10.1007/s40825-026-00285-y.
4. Bouazza, S., Benmamoun, Z., Hachimi, H. (2024). Strategic Analysis of Hub Port Competitiveness in the Mediterranean and Northern Europe: A Focus on Sustainability and Efficiency. AIMS Environmental Science, 11(2), 184–220. doi:10.3934/environsci.2024010.
5. De Beukelaer, C. (2022). Tack to the future: Is wind propulsion an ecomodernist or degrowth way to decarbonise maritime cargo transport? Climate Policy, 22(3), 310–319. doi:10.1080/14693062.2021.1989362.
6. Dumitrescu, E.-I., Hurlin, C. (2012). Testing for Granger non-causality in heterogeneous panels. Economic Modelling, 29(4), 1450–1460. doi:10.1016/j.econmod.2012.02.014.
7. Eken, A. A., Yazıcı, D. (2024). Sınırda Karbon Düzenlemesi Mekanizmasının Türkiye’nin AB İhracatına Olası Etkileri. Başkent Üniversitesi Ticari Bilimler Fakültesi Dergisi, 8(1), 1–15.
8. Gengenbach, C., Urbain, J.-P., Westerlund, J. (2016). Error Correction Testing in Panels with Common Stochastic Trends. Journal of Applied Econometrics, 31(6), 982–1004. doi: 10.1002/jae.2475.

9. Guo, X., Ren, D., Shi, J. (2016). Carbon emissions, logistics volume and GDP in China: Empirical analysis based on panel data model. Environmental Science and Pollution Research, 23(24), 24758–24767. doi:10.1007/s11356-016-7615-z.
10. Hsiao, C., Lahiri, K., Lee, L., Pesaran, M. (1999). Analysis of Panels and Limited Dependent Variable Models. Cambridge University Press.
11. Islam, S., Toma, L. T., Bhowmik, R.C., Ridwan, M., Hossain, Md. E., Esquivias, M.A. (2025). From ports to power grids: Evaluating the environmental implications of shipping activity, electrification, and human capital in G-20 countries. Transportation Research Interdisciplinary Perspectives, 34, 101719. doi:10.1016/j.trip.2025.101719.
12. Kapetanios, G., Pesaran, M.H., Yamagata, T. (2011). Panels with non-stationary multifactor error structures. Journal of Econometrics, 160(2), 326–348. doi:10.1016/j.jeconom.2010.10.001.
13. Kurniawan, S. B., Ahmad, M.M., Pambudi, D.S.A., Alfanda, B.D., Imron, M.F. (2026). From Smart Green Ports to Blue Economy: A Review of Sustainable Maritime Infrastructure and Policy. Sustainability, 18(8), 4038. doi:10.3390/su18084038.
14. Liu, C., Kang, L. (2026). Extraterritoriality controversy of EU shipping carbon legislation: Multilateral governance tensions and China’s dual responses. Frontiers in Marine Science, 13, 1804712. doi:10.3389/fmars.2026.1804712.
15. Liu, Z., Wang, C. (2023). Impact of logistics agglomeration on environmental quality in China: Aggravating pollution effect or emission reduction effect? Environmental Science and Pollution Research, 30(41), 93629–93651.doi:10.1007/s11356-023-28914-x.
16. M’raihi, R., Mraihi, T., Harizi, R., Taoufik Bouzidi, M. (2015). Carbon emissions growth and road freight: Analysis of the influencing factors in Tunisia. Transport Policy, 42, 121–129. doi:10.1016/j.tranpol.2015.05.018.
17. Özel, M. (2026). Küresel Deni̇z Ti̇careti̇ndeki̇ Dönüşüm ve Türki̇ye’ni̇n Loji̇sti̇k Merkez Olma Strateji̇si̇ni̇n Değerlendi̇ri̇lmesi̇. Florya Chronicles of Political Economy, 12(1), 1–23.
18. Peng, Z., Wu, Q., Li, M. (2019). Spatial Characteristics and Influencing Factors of Carbon Emissions from Energy Consumption in China’s Transport Sector: An Empirical Analysis Based on Provincial Panel Data. Polish Journal of Environmental Studies, 29(1), 217–232. doi:10.15244/pjoes/102369.
19. Pesaran, M.H. (2004). General Diagnostic Tests for Cross Section Dependence in Panels. SSRN Electronic Journal. doi:10.2139/ssrn.572504.
20. Pesaran, M.H. (2006). Estimation and Inference in Large Heterogeneous Panels with a Multifactor Error Structure. Econometrica, 74(4), 967–1012. doi:10.1111/j.1468-0262.2006.00692.x.
21. Pesaran, M.H. (2007). A simple panel unit root test in the presence of cross-section dependence. Journal of Applied Econometrics, 22(2), 265–312. doi:10.1002/jae.951.
22. Pesaran, M.H., Smith, R. (1995). Estimating long-run relationships from dynamic heterogeneous panels. Journal of Econometrics, 68(1), 79–113. doi:10.1016/0304-4076(94)01644-F.
23. Swamy, P. A. V. B. (1970). Efficient Inference in a Random Coefficient Regression Model. Econometrica, 38(2), 311–323. doi:10.2307/1913012.
24. Tapio, P. (2005). Towards a theory of decoupling: Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001. Transport Policy, 12(2), 137–151. doi:10.1016/j.tranpol.2005.01.001.
25. Toprakçı, O., Arıcan, O.H. (2025). Deni̇zyolu Ve Kiyi Yapilarinda Yeni̇ Yaklaşimlarin Çevresel Sürdürülebi̇li̇rli̇k Perspekti̇fi̇nden Değerlendi̇ri̇lmesi̇. Ulaştırma ve Altyapı, (3), 1–17.
26. Wang, H., Han, J., Su, M., Wan, S., Zhang, Z. (2021). The relationship between freight transport and economic development: A case study of China. Research in Transportation Economics, 85, 100885. doi:10.1016/j.retrec.2020.100885.
27. Xing, H., Chang, S., Ma, R., Wang, K. (2025). EU MRV Data-Based Review of the Ship Energy Efficiency Framework. Journal of Marine Science and Engineering, 13(8), 1437. doi:10.3390/jmse13081437.
28. Xu, B., Lin, B. (2015). Factors affecting carbon dioxide (CO2) emissions in China’s transport sector: A dynamic nonparametric additive regression model. Journal of Cleaner Production, 101, 311–322. doi:10.1016/j.jclepro.2015.03.088.
29. Yang, H., Ma, X. (2019). Uncovering CO2 Emissions Patterns from China-Oriented International Maritime Transport: Decomposition and Decoupling Analysis. Sustainability, 11(10), 2826. doi:10.3390/su11102826.
30. Yazıcı, S. (2022). Investigating the Maritime Freight-Induced EKC Hypothesis: The Case of Scandinavian Countries. Frontiers in Environmental Science, 10, 727830. doi: 10.3389/fenvs.2022.727830.
31. Yıldırım, A., Özbey, S., Tıkız, İ. (2024). Deniz Taşımacılığında Çevresel Etki: Konteyner Limanı Hacimleri ile Karbon Emisyonları Arasındaki İlişkinin Analizi. Denizcilik Araştırmaları Dergisi: Amfora, 3(6), 117–140.
32. Zhang, B., Chen, X., Liu, H., Ye, L., Zhang, R., Zhao, Y. (2025). Assessing the Impacts of the Israeli–Palestinian Conflict on Global Sea Transportation: From the View of Mass Tanker Trajectories. Journal of Marine Science and Engineering, 13(2), 311. doi:10.3390/jmse13020311.
33. Zhang, X., Zhang, L., Xi, H., Shao, Z., Bell, M. G. H. (2026). Shore power adoption strategies of shipping companies and pricing decisions of the port under subsidies and carbon taxes: A game theoretical analysis. Transportation Research Part E: Logistics and Transportation Review, 205, 104490. doi:10.1016/j.tre.2025.104490.
34. Zhu, F., Wu, X., Gao, Y. (2020). Decomposition analysis of decoupling freight transport from economic growth in China. Transportation Research Part D: Transport and Environment, 78, 102201. doi:10.1016/j.trd.2019.12.003.