欧易OKX下载
欧易OKX交易所，是世界领先的数字资产交易所，主要面向全球用户提供比特币、莱特币、以太币等数字资产的现货和衍生品交易服务，通过使用区块链技术为全球交易者提供高级金融服务。
摘 要：西部大开发、长江经济带高质量发展战略中关于物流业现代化发展的推进加剧了行业碳排放问题。本文以长江上游地区的云贵川渝四省市为例，通过估算2005至2020年物流业碳排放量及碳排放强度，利用Tapio脱钩模型分析各省市物流业碳排放的脱钩状态，最后对物流业碳排放影响因素进行LMDI分解。结果表明，观察期内长江上游整体物流业碳脱钩状态以弱脱钩为主；分解因素中能源结构、区域经济、人口规模对物流业的碳排放起到促进作用，能源强度和产业结构均呈现抑制作用。基于此，提出构建高质量的现代物流体系、调整物流业能源结构、合理利用区位优势和资源优势等相关建议。
关键词：长江上游、碳排放、脱钩状态、影响因素
一、引言
2010年以来，长江上游地区城市扩张速度显著高于中下游，上游地区所占长江经济带物流业整体生产总值比例由2005年的21.38%提高到2020年的24.54%[1]。据统计，长江上游物流业能源消费总量占长江经济带的比重，由2005年的23.93%上升到2020年的27.93%[2]，由此带来的能源消耗及碳排放量增加已影响到区域绿色发展。
刘丙泉等[3]、王丽萍等[4]、Burchart-Korol[5]分别采用不同测算方法对国家和省域层面的物流业碳排放进行了测算。碳排放脱钩是指碳排放量的变化与经济增长之间关系问题，主要衡量各地区的低碳状况。Tapio脱钩模型能更全面地反映出经济增长与环境压力的脱钩状态，已成为研究经济增长与碳排放依赖关系的主要方法[6]。如刘茂辉等[7]运用Tapio模型对天津市碳排放的脱钩状态进行分析，结果表明天津市在2060年之前难以实现碳中和。Ang[8]于1998年提出的LMDI分解法被广泛运用在碳排放影响因素研究中。如杨绍华等[9]、De Freitas等[10]基于LMDI模型，对影响交通运输业碳排放的因素进行了探讨。
综上所述，国内外关于碳排放测算、脱钩及影响因素的研究范围多集中于国家和省域层面，有关区域经济带物流业碳排放的研究较少。因此，本文通过计算2005至2020年长江上游四个省市的物流业碳排放量，分析长江上游地区物流业碳排放脱钩状态及影响因素，旨在为长江上游地区物流业绿色低碳发展提供参考。
二、数据选取、研究方法与模型构建
1.数据选取
由于各省份统计年鉴不直接包含物流业的相关数据，所以参考刘渝等[11]学者的研究方法，文章选取交通运输、仓储和邮政业的有关数据进行分析。本文以原煤、焦炭、汽油、煤油、柴油、燃料油、天然气、液化石油气和电力等9种能源作为物流业碳排放直接消耗的能源，各类能源消耗数据来源于中国碳核算数据库(CEADs)和《中国能源统计年鉴》。文中物流业生产总值、各地区GDP和常住年末人口总数等数据均来自《中国统计年鉴》、各省市统计年鉴和公报。
2.研究方法与模型构建
（1）物流业碳排放计算方法
参考IPCC评估报告，建立碳排放测算公式如下：
式（1）中，i表示能源种类，t表示年份，C表示物流业碳排放总量，Ci、ai、βi、Ei分别为各能源的碳排放量、碳排放系数、折标准煤系数、消耗量。各类能源折标准煤系数和碳排放系数依据《省级温室气体清单编制指南（试行）》（发改办气候[2011]1041号）[12]开展碳排放量（以二氧化碳计）核算，其中能源活动化石燃料燃烧温室气体清单编制采用以详细技术为基础的部门方法[7]。
（2）Tapio脱钩模型
借鉴刘战豫等[13]、孙睿等[14]的研究成果，建立脱钩模型公式如下：
式（2）中，e表示物流业碳排放与物流业总产值之间的脱钩指数，ΔC为当期物流业碳排放量与前一期之差，ΔL为当期物流业总产值与前一期之差，C0和L0分别为基期物流业的碳排放总量和产值。根据弹性值范围，Tapio脱钩指数e分为8种状态[15]，如表1所示。
（3）LMDI模型分解
结合李健[16]、包耀东等[17]学者的研究，对长江上游地区物流业碳排放影响因素进行LMDI分解，公式如下：
式（3）、式（4）中，Ct、Et、Cit、Eit、Lt、Gt、Pt分别表示为第t年的碳排放总量、能源消耗总量、各类能源碳排放量、能源消耗量、物流业产值、GDP、常住年末人口数。以
为第i种能源的碳排放系数；以
表示第t年能源结构和能源强度的变化；以
分别表示第t年物流产业规模、经济发展水平和人口规模。
根据LMDI方法，令C0为基期碳排放量，令Ct为第t期碳排放量，将物流业碳排放量变化分解成6种影响因素变化的贡献之和，即：
式（5）中，ΔCCE、ΔCET、ΔCEL、ΔCEG、ΔCEN、ΔCPX分别表示为碳排放系数、能源结构、能源强度、产业结构、区域经济和人口规模效应。鉴于各类能源碳排放系数是固定不变的，所以有ΔCCE=0。对其他5种效应进行分解如下：
式（6）中，Wi为权数变量，
，若CitxCi0=0 ，则ΔC=0 。将物流业碳排放分解为6种因素之积，即：
对式（7）左右两边取对数，结合式（5）可得：
假设
，则有：
其中ΔCCE、ΔCET 、ΔCEL 、ΔCEG 、ΔCEN 、ΔCPX分别表示有单位的物流业碳排放各效应累加贡献值，DCE、DET 、DEL 、
DEG 、DEN 、DPX 分别表示没有单位的物流业各效应碳排放贡献率。若各效应的贡献值和贡献率大于0，表明该效应会促进物流业的碳排放；反之，则会抑制物流业碳排放。
三、实证分析
1.长江上游地区物流业碳排放脱钩状态分析
根据公式（2）计算出长江上游地区各省市物流业碳排放与物流业发展的脱钩状况，结合表1对各地不同年份的脱钩状态进行标注。分别从区域和省市尺度进行比较分析，如表2和表3所示。
（1）区域尺度碳排放脱钩状态分析
从表2结果来看，在2005至2020年间，长江上游整个地区分别出现11次脱钩、1次负脱钩和3次连接，反映出长江上游整体物流业的发展趋势较好。分时间段来看，2005-2008年，长江上游地区的脱钩状态由弱脱钩逐渐转变为扩张负脱钩，可见这一阶段脱钩状态并不理想。这可能与我国物流业初期发展形势比较粗放有关，“十一五”期间，长江经济带大力发展经济，以工业为中心，导致了“高投入、高能耗、高排放”的局面。2008至2020年，长江上游地区主要以弱脱钩状态为主，表明在此期间，长江上游在发展经济的同时，注重节能减排措施的实施，遵循生态优先，实现经济发展与资源环境相适应。
（2）省市尺度碳排放脱钩状态分析
从空间角度来看，云贵川在2007至2008年间均呈现负脱钩状态，表明在此期间的物流业碳排放增速大于物流业产值增速。可能是因为受到2008年国际金融危机的波动影响以及国内发生重大自然灾害影响，为了促进经济的复苏，大力发展建筑业和运输业等资源消耗型产业，从而导致碳排放的增长速率加快。云贵川在2012至2013年间均处于强脱钩状态，在此期间，云贵川三省协同发展，牢牢抓住了我国物流业在“十二五”时期的发展机遇，加快推进交通运输、现代物流等生产性物流业向中、高端发展，科技水平和服务效率的提升间接影响了碳排放，从而实现理想的脱钩状态。
分时间段来看，贵州、四川、重庆各省市在2005-2016年间脱钩状态波动性较强，脱钩状态交替出现，没有规律性，表明各省市需要建立物流业节能减排长效机制，并使节能减排工作常态化[18]。在2016至2020年间，云贵川渝四地都呈现出脱钩状态，表明这几年各地物流业发展状况良好。其中四川、重庆各出现一次衰退脱钩状态，可能是因为以成渝经济圈为主体，发展优势产业，带动周围地区经济的同时，忽略了自身发展，从而造成了短期内的经济低迷状态。
2.长江上游地区物流业碳排放影响因素分析
脱钩状态分析只限于研究物流业经济发展与碳排放二者之间的同步关系，无法准确说明碳排放量变化的原理。因此基于LMDI模型，运用公式（3)-(9)，计算出各省市的影响因素对碳排放的贡献率，结果如图1至图5所示。
（1）能源结构因素
从省份的能源结构影响程度来看，仅贵州省物流业能源结构效应在2013年和2014年表现出对碳排放的抑制作用。通过数据追溯发现，贵州省在此期间内的汽油、柴油能源消耗量有所下降，天然气消耗量大幅上升。根据《贵州省燃气发展“十二五”规划》，管道天然气顺利入黔，中贵、中缅两条天然气管道在贵州省形成T字形，彻底改变了全省油气资源匮乏的局面，优化了贵州省能源结构。
从整个长江上游地区来看（图1），能源结构因素对物流业碳排放的增加起促进作用，但影响程度微弱。表明长江上游地区能源结构有待进一步优化。根据表 4可以看出，2005至2020年间汽油、煤油等高碳能源消耗占比持续处于主导地位，其中柴油的消耗量始终占比最大。尽管原煤年消耗占比逐渐减少，天然气年消耗比重逐渐升高，但不足以改变以高碳能源消耗为主的局面，还需进一步减少对高碳化石能源的依赖。
（2）能源强度因素
从整个长江上游区域来
看（图2），能源强度因素对物流业碳排放的抑制作用逐渐增强。长江上游区域三省一市中，云南、重庆能源强度因素在观察期内持续保持抑制碳排放作用，而贵州、四川则是表现出先促进，后抑制，且两省份能源强度因素的贡献率在观察期内均高于平均水平。这说明对于贵州、四川地区来说仍有很大的能源利用效率提升空间。
（3）产业结构因素
由图3可知，产业结构因素在观察期内的均值对物流业碳排放表现出抑制作用。2006至2020年期间，贵州和重庆的产业结构因素对物流业碳排放的负向驱动不断增强。表明在此期间贵州省和重庆市的物流业经济发展态势良好，在降本增效的同时，注重对生态的保护。四川省产业结构虽总体呈现抑制作用，但期间内却有回升，应加强产业间的统筹协调，摆脱碳排放的约束。云南省在2006至2020年物流业碳排放的产业结构效应呈正负向驱动交替现象，与其它省市差异显著。云南作为我国西南边陲的欠发达省份，又是生态环境比较脆弱敏感的地区，产业发展基础薄弱，所以在大力推动物流业发展的同时，更应加强对生态文明的建设。
（4）区域经济因素和人口因素
从整个研究区域来看，区域经济和人口因素在观察期内对物流业碳排放增加起到正向驱动作用。其中，区域经济因素呈现高速增长的态势，侧面说明我国物流业的发展对高耗能高排放的发展路径仍有较强的依赖性。经济发展水平的提升在一定程度上提高了居民生活水平，电子商务、网络消费等新兴业态快速发展，但同时也导致了物流需求快速增长，碳排放的压力难以一时得到缓解。
从均值上看，人口规模因素在观察期内一直为正效应，表现出对碳排放的促进，但影响程度微弱，且贵州省部分年份出现其抑制碳排放增长现象。可能是因为贵州省人口密度较低，加上计划生育政策的影响，导致了人口因素在部分年份出现抑制碳排放作用。而重庆作为中心城市以及长江上游地区经济中心，高速发展的同时，加上外来人口的集聚，致使人口规模效应呈现增长态势。因此，需要重视人口增长所导致碳排放增加给生态环境带来的影响和压力。
四、结论及建议
1.结论
从时间角度看，经计算2005至2020年期间长江上游物流业整体碳排放量年均增长率为6.75%，其中，2005至2012年期间年均增长率为10.29%；2013至2020年期间年均增长率为5.55%，碳排放增速虽有所放缓，但仍不可忽视增量的影响。从空间角度分析，云南和贵州在观察期内的物流业碳排放强度均高于年均水平，相较于四川和重庆地区，云贵地区因其物流枢纽多未建成投入使用，所以物流设施群辐射效应并不理想，导致碳排放久升不降。
观察期内长江上游物流业碳排放与经济增长脱钩状态从区域尺度分析来看，整体以弱脱钩为主，但连接类型也交替出现，脱钩状态并不稳定。从各省市尺度分析中，可以看出负脱钩类型也占据一定比例，且没有明显的规律，这表明长江上游整体及各省市物流业的发展与碳排放之间并不协调。
能源结构因素、区域经济因素、人口规模因素对长江上游地区整体物流业碳排放有促进作用。其中区域经济因素的影响程度最高，是驱动碳排放量增长的首要因素。能源强度和产业结构因素对长江上游地区整体物流业碳排放均呈现抑制作用，且逐年增强。从省域层面分析，各省市碳排放影响因素的促进和抑制程度各有所不同，其中，贵州省的区域经济因素和重庆市的人口规模因素对碳排放的影响程度最高。
2.建议
（1）调整物流业能源结构，提高能源利用效率。
由表4可以看出，近些年的各类能源消耗以燃油为主，因此要降低燃油在能源消耗中的比重，大力推广新能源车的使用，发展铁水、公铁、公水等多式联运。利用其丰富的自然资源优势，打造水风光一体化新能源基地，利用特高压电网实现清洁电力就地消纳，满足当地物流业及其他高耗能企业的基本用电需求。
（2）践行差异化战略，促进区域物流和经济融合发展。
研究中发现，长江上游地区无论整体还是各省市碳排放的脱钩状态都并不理想，需要根据长江上游各省市区域特征制定个性化策略。如提高云贵地区物流基础设施的使用效率，完善“通道+枢纽+网络”的运行体系，加深物流业与农业、制造业、商贸业、旅游业等相关产业融合发展程度。以数字化、智能化、信息化为牵引，融入大数据、云计算、区块链等技术，推动四川、重庆现代物流业高端化、高效化发展。
欧易OKX下载
欧易OKX交易所，是世界领先的数字资产交易所，主要面向全球用户提供比特币、莱特币、以太币等数字资产的现货和衍生品交易服务，通过使用区块链技术为全球交易者提供高级金融服务。
