摘要：西部大開發(fā)、長江經(jīng)濟(jì)帶高質(zhì)量發(fā)展戰(zhàn)略中關(guān)于物流業(yè)現(xiàn)代化發(fā)展的推進(jìn)加劇了行業(yè)碳排放問題。本文以長江上游地區(qū)的云貴川渝四省市為例，通過估算2005至2020年物流業(yè)碳排放量及碳排放強(qiáng)度，利用Tapio脫鉤模型分析各省市物流業(yè)碳排放的脫鉤狀態(tài)，最后對(duì)物流業(yè)碳排放影響因素進(jìn)行LMDI分解。結(jié)果表明，觀察期內(nèi)長江上游整體物流業(yè)碳脫鉤狀態(tài)以弱脫鉤為主；分解因素中能源結(jié)構(gòu)、區(qū)域經(jīng)濟(jì)、人口規(guī)模對(duì)物流業(yè)的碳排放起到促進(jìn)作用，能源強(qiáng)度和產(chǎn)業(yè)結(jié)構(gòu)均呈現(xiàn)抑制作用?；诖?，提出構(gòu)建高質(zhì)量的現(xiàn)代物流體系、調(diào)整物流業(yè)能源結(jié)構(gòu)、合理利用區(qū)位優(yōu)勢(shì)和資源優(yōu)勢(shì)等相關(guān)建議。

關(guān)鍵詞：長江上游、碳排放、脫鉤狀態(tài)、影響因素

作者：姜巖1 張英彥2

1為安徽理工大學(xué)經(jīng)濟(jì)與管理學(xué)院，2為宿州學(xué)院

引言

2010年以來，長江上游地區(qū)城市擴(kuò)張速度顯著高于中下游，上游地區(qū)所占長江經(jīng)濟(jì)帶物流業(yè)整體生產(chǎn)總值比例由2005年的21.38%提高到2020年的24.54%[1]。據(jù)統(tǒng)計(jì)，長江上游物流業(yè)能源消費(fèi)總量占長江經(jīng)濟(jì)帶的比重，由2005年的23.93%上升到2020年的27.93%[2]，由此帶來的能源消耗及碳排放量增加已影響到區(qū)域綠色發(fā)展。

劉丙泉等[3]、王麗萍等[4]、Burchart-Korol[5]分別采用不同測(cè)算方法對(duì)國家和省域?qū)用娴奈锪鳂I(yè)碳排放進(jìn)行了測(cè)算。碳排放脫鉤是指碳排放量的變化與經(jīng)濟(jì)增長之間關(guān)系問題，主要衡量各地區(qū)的低碳狀況。Tapio脫鉤模型能更全面地反映出經(jīng)濟(jì)增長與環(huán)境壓力的脫鉤狀態(tài)，已成為研究經(jīng)濟(jì)增長與碳排放依賴關(guān)系的主要方法[6]。如劉茂輝等[7]運(yùn)用Tapio模型對(duì)天津市碳排放的脫鉤狀態(tài)進(jìn)行分析，結(jié)果表明天津市在2060年之前難以實(shí)現(xiàn)碳中和。Ang[8]于1998年提出的LMDI分解法被廣泛運(yùn)用在碳排放影響因素研究中。如楊紹華等[9]、De Freitas等[10]基于LMDI模型，對(duì)影響交通運(yùn)輸業(yè)碳排放的因素進(jìn)行了探討。

綜上所述，國內(nèi)外關(guān)于碳排放測(cè)算、脫鉤及影響因素的研究范圍多集中于國家和省域?qū)用?，有關(guān)區(qū)域經(jīng)濟(jì)帶物流業(yè)碳排放的研究較少。因此，本文通過計(jì)算2005至2020年長江上游四個(gè)省市的物流業(yè)碳排放量，分析長江上游地區(qū)物流業(yè)碳排放脫鉤狀態(tài)及影響因素，旨在為長江上游地區(qū)物流業(yè)綠色低碳發(fā)展提供參考。

一 數(shù)據(jù)選取、研究方法與模型構(gòu)建

1.數(shù)據(jù)選取

由于各省份統(tǒng)計(jì)年鑒不直接包含物流業(yè)的相關(guān)數(shù)據(jù)，所以參考劉渝等[11]學(xué)者的研究方法，文章選取交通運(yùn)輸、倉儲(chǔ)和郵政業(yè)的有關(guān)數(shù)據(jù)進(jìn)行分析。本文以原煤、焦炭、汽油、煤油、柴油、燃料油、天然氣、液化石油氣和電力等9種能源作為物流業(yè)碳排放直接消耗的能源，各類能源消耗數(shù)據(jù)來源于中國碳核算數(shù)據(jù)庫(CEADs)和《中國能源統(tǒng)計(jì)年鑒》。文中物流業(yè)生產(chǎn)總值、各地區(qū)GDP和常住年末人口總數(shù)等數(shù)據(jù)均來自《中國統(tǒng)計(jì)年鑒》、各省市統(tǒng)計(jì)年鑒和公報(bào)。

2.研究方法與模型構(gòu)建

（1）物流業(yè)碳排放計(jì)算方法

參考IPCC評(píng)估報(bào)告，建立碳排放測(cè)算公式如下：

式（1）中，i表示能源種類，t表示年份，C表示物流業(yè)碳排放總量，Ci、ai、βi、Ei分別為各能源的碳排放量、碳排放系數(shù)、折標(biāo)準(zhǔn)煤系數(shù)、消耗量。各類能源折標(biāo)準(zhǔn)煤系數(shù)和碳排放系數(shù)依據(jù)《省級(jí)溫室氣體清單編制指南（試行）》（發(fā)改辦氣候[2011]1041號(hào)）[12]開展碳排放量（以二氧化碳計(jì)）核算，其中能源活動(dòng)化石燃料燃燒溫室氣體清單編制采用以詳細(xì)技術(shù)為基礎(chǔ)的部門方法[7]。

（2）Tapio脫鉤模型

借鑒劉戰(zhàn)豫等[13]、孫睿等[14]的研究成果，建立脫鉤模型公式如下：

式（2）中，e表示物流業(yè)碳排放與物流業(yè)總產(chǎn)值之間的脫鉤指數(shù)，ΔC為當(dāng)期物流業(yè)碳排放量與前一期之差，ΔL為當(dāng)期物流業(yè)總產(chǎn)值與前一期之差，C0和L0分別為基期物流業(yè)的碳排放總量和產(chǎn)值。根據(jù)彈性值范圍，Tapio脫鉤指數(shù)e分為8種狀態(tài)[15]，如表1所示。

（3）LMDI模型分解

結(jié)合李健[16]、包耀東等[17]學(xué)者的研究，對(duì)長江上游地區(qū)物流業(yè)碳排放影響因素進(jìn)行LMDI分解，公式如下：

式（3）、式（4）中，Ct、Et、Cit、Eit、Lt、Gt、Pt分別表示為第t年的碳排放總量、能源消耗總量、各類能源碳排放量、能源消耗量、物流業(yè)產(chǎn)值、GDP、常住年末人口數(shù)。以 

為第i種能源的碳排放系數(shù)；以

表示第t年能源結(jié)構(gòu)和能源強(qiáng)度的變化；以

分別表示第t年物流產(chǎn)業(yè)規(guī)模、經(jīng)濟(jì)發(fā)展水平和人口規(guī)模。

根據(jù)LMDI方法，令C0為基期碳排放量，令Ct為第t期碳排放量，將物流業(yè)碳排放量變化分解成6種影響因素變化的貢獻(xiàn)之和，即：

式（5）中，ΔCCE、ΔCET、ΔCEL、ΔCEG、ΔCEN、ΔCPX分別表示為碳排放系數(shù)、能源結(jié)構(gòu)、能源強(qiáng)度、產(chǎn)業(yè)結(jié)構(gòu)、區(qū)域經(jīng)濟(jì)和人口規(guī)模效應(yīng)。鑒于各類能源碳排放系數(shù)是固定不變的，所以有ΔCCE=0。對(duì)其他5種效應(yīng)進(jìn)行分解如下：

式（6）中，Wi為權(quán)數(shù)變量，

 ，若CitxCi0=0 ，則ΔC=0 。將物流業(yè)碳排放分解為6種因素之積，即：

對(duì)式（7）左右兩邊取對(duì)數(shù)，結(jié)合式（5）可得：

假設(shè)

，則有：

其中ΔCCE、ΔCET 、ΔCEL 、ΔCEG 、ΔCEN 、ΔCPX分別表示有單位的物流業(yè)碳排放各效應(yīng)累加貢獻(xiàn)值，DCE、DET 、DEL 、DEG 、DEN 、DPX 分別表示沒有單位的物流業(yè)各效應(yīng)碳排放貢獻(xiàn)率。若各效應(yīng)的貢獻(xiàn)值和貢獻(xiàn)率大于0，表明該效應(yīng)會(huì)促進(jìn)物流業(yè)的碳排放；反之，則會(huì)抑制物流業(yè)碳排放。

二 實(shí)證分析

1.長江上游地區(qū)物流業(yè)碳排放脫鉤狀態(tài)分析

根據(jù)公式（2）計(jì)算出長江上游地區(qū)各省市物流業(yè)碳排放與物流業(yè)發(fā)展的脫鉤狀況，結(jié)合表1對(duì)各地不同年份的脫鉤狀態(tài)進(jìn)行標(biāo)注。分別從區(qū)域和省市尺度進(jìn)行比較分析，如表2和表3所示。

表1 Tapio脫鉤狀態(tài)分類

表2 2005至2020年長江上游物流業(yè)碳排放脫鉤指數(shù)及脫鉤狀態(tài)

表3 2005至2020年云貴川渝物流業(yè)碳排放脫鉤指數(shù)及脫鉤狀態(tài)

（1）區(qū)域尺度碳排放脫鉤狀態(tài)分析

從表2結(jié)果來看，在2005至2020年間，長江上游整個(gè)地區(qū)分別出現(xiàn)11次脫鉤、1次負(fù)脫鉤和3次連接，反映出長江上游整體物流業(yè)的發(fā)展趨勢(shì)較好。分時(shí)間段來看，2005-2008年，長江上游地區(qū)的脫鉤狀態(tài)由弱脫鉤逐漸轉(zhuǎn)變?yōu)閿U(kuò)張負(fù)脫鉤，可見這一階段脫鉤狀態(tài)并不理想。這可能與我國物流業(yè)初期發(fā)展形勢(shì)比較粗放有關(guān)，“十一五”期間，長江經(jīng)濟(jì)帶大力發(fā)展經(jīng)濟(jì)，以工業(yè)為中心，導(dǎo)致了“高投入、高能耗、高排放”的局面。2008至2020年，長江上游地區(qū)主要以弱脫鉤狀態(tài)為主，表明在此期間，長江上游在發(fā)展經(jīng)濟(jì)的同時(shí)，注重節(jié)能減排措施的實(shí)施，遵循生態(tài)優(yōu)先，實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展與資源環(huán)境相適應(yīng)。

（2）省市尺度碳排放脫鉤狀態(tài)分析

從空間角度來看，云貴川在2007至2008年間均呈現(xiàn)負(fù)脫鉤狀態(tài)，表明在此期間的物流業(yè)碳排放增速大于物流業(yè)產(chǎn)值增速。可能是因?yàn)槭艿?008年國際金融危機(jī)的波動(dòng)影響以及國內(nèi)發(fā)生重大自然災(zāi)害影響，為了促進(jìn)經(jīng)濟(jì)的復(fù)蘇，大力發(fā)展建筑業(yè)和運(yùn)輸業(yè)等資源消耗型產(chǎn)業(yè)，從而導(dǎo)致碳排放的增長速率加快。云貴川在2012至2013年間均處于強(qiáng)脫鉤狀態(tài)，在此期間，云貴川三省協(xié)同發(fā)展，牢牢抓住了我國物流業(yè)在“十二五”時(shí)期的發(fā)展機(jī)遇，加快推進(jìn)交通運(yùn)輸、現(xiàn)代物流等生產(chǎn)性物流業(yè)向中、高端發(fā)展，科技水平和服務(wù)效率的提升間接影響了碳排放，從而實(shí)現(xiàn)理想的脫鉤狀態(tài)。

分時(shí)間段來看，貴州、四川、重慶各省市在2005-2016年間脫鉤狀態(tài)波動(dòng)性較強(qiáng)，脫鉤狀態(tài)交替出現(xiàn)，沒有規(guī)律性，表明各省市需要建立物流業(yè)節(jié)能減排長效機(jī)制，并使節(jié)能減排工作常態(tài)化[18]。在2016至2020年間，云貴川渝四地都呈現(xiàn)出脫鉤狀態(tài)，表明這幾年各地物流業(yè)發(fā)展?fàn)顩r良好。其中四川、重慶各出現(xiàn)一次衰退脫鉤狀態(tài)，可能是因?yàn)橐猿捎褰?jīng)濟(jì)圈為主體，發(fā)展優(yōu)勢(shì)產(chǎn)業(yè)，帶動(dòng)周圍地區(qū)經(jīng)濟(jì)的同時(shí)，忽略了自身發(fā)展，從而造成了短期內(nèi)的經(jīng)濟(jì)低迷狀態(tài)。

2.長江上游地區(qū)物流業(yè)碳排放影響因素分析

脫鉤狀態(tài)分析只限于研究物流業(yè)經(jīng)濟(jì)發(fā)展與碳排放二者之間的同步關(guān)系，無法準(zhǔn)確說明碳排放量變化的原理。因此基于LMDI模型，運(yùn)用公式（3)-(9)，計(jì)算出各省市的影響因素對(duì)碳排放的貢獻(xiàn)率，結(jié)果如圖1至圖5所示。

（1）能源結(jié)構(gòu)因素

從省份的能源結(jié)構(gòu)影響程度來看，僅貴州省物流業(yè)能源結(jié)構(gòu)效應(yīng)在2013年和2014年表現(xiàn)出對(duì)碳排放的抑制作用。通過數(shù)據(jù)追溯發(fā)現(xiàn)，貴州省在此期間內(nèi)的汽油、柴油能源消耗量有所下降，天然氣消耗量大幅上升。根據(jù)《貴州省燃?xì)獍l(fā)展“十二五”規(guī)劃》，管道天然氣順利入黔，中貴、中緬兩條天然氣管道在貴州省形成T字形，徹底改變了全省油氣資源匱乏的局面，優(yōu)化了貴州省能源結(jié)構(gòu)。從整個(gè)長江上游地區(qū)來看（圖1），能源結(jié)構(gòu)因素對(duì)物流業(yè)碳排放的增加起促進(jìn)作用，但影響程度微弱。表明長江上游地區(qū)能源結(jié)構(gòu)有待進(jìn)一步優(yōu)化。根據(jù)表 4可以看出，2005至2020年間汽油、煤油等高碳能源消耗占比持續(xù)處于主導(dǎo)地位，其中柴油的消耗量始終占比最大。盡管原煤年消耗占比逐漸減少，天然氣年消耗比重逐漸升高，但不足以改變以高碳能源消耗為主的局面，還需進(jìn)一步減少對(duì)高碳化石能源的依賴。

圖1 三省一市2006至2020年能源結(jié)構(gòu)因素影響程度對(duì)比分析圖

表4 2005至2020年長江上游物流業(yè)各類能源終端消耗量占比

（2）能源強(qiáng)度因素

從整個(gè)長江上游區(qū)域來看（圖2），能源強(qiáng)度因素對(duì)物流業(yè)碳排放的抑制作用逐漸增強(qiáng)。長江上游區(qū)域三省一市中，云南、重慶能源強(qiáng)度因素在觀察期內(nèi)持續(xù)保持抑制碳排放作用，而貴州、四川則是表現(xiàn)出先促進(jìn)，后抑制，且兩省份能源強(qiáng)度因素的貢獻(xiàn)率在觀察期內(nèi)均高于平均水平。這說明對(duì)于貴州、四川地區(qū)來說仍有很大的能源利用效率提升空間。

圖2 三省一市2006至2020年能源強(qiáng)度因素影響程度對(duì)比分析圖

（3）產(chǎn)業(yè)結(jié)構(gòu)因素

由圖3可知，產(chǎn)業(yè)結(jié)構(gòu)因素在觀察期內(nèi)的均值對(duì)物流業(yè)碳排放表現(xiàn)出抑制作用。2006至2020年期間，貴州和重慶的產(chǎn)業(yè)結(jié)構(gòu)因素對(duì)物流業(yè)碳排放的負(fù)向驅(qū)動(dòng)不斷增強(qiáng)。表明在此期間貴州省和重慶市的物流業(yè)經(jīng)濟(jì)發(fā)展態(tài)勢(shì)良好，在降本增效的同時(shí)，注重對(duì)生態(tài)的保護(hù)。四川省產(chǎn)業(yè)結(jié)構(gòu)雖總體呈現(xiàn)抑制作用，但其間內(nèi)卻有回升，應(yīng)加強(qiáng)產(chǎn)業(yè)間的統(tǒng)籌協(xié)調(diào)，擺脫碳排放的約束。云南省在2006至2020年物流業(yè)碳排放的產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)呈正負(fù)向驅(qū)動(dòng)交替現(xiàn)象，與其它省市差異顯著。云南作為我國西南邊陲的欠發(fā)達(dá)省份，又是生態(tài)環(huán)境比較脆弱敏感的地區(qū)，產(chǎn)業(yè)發(fā)展基礎(chǔ)薄弱，所以在大力推動(dòng)物流業(yè)發(fā)展的同時(shí)，更應(yīng)加強(qiáng)對(duì)生態(tài)文明的建設(shè)。

圖3 三省一市2006至2020年產(chǎn)業(yè)結(jié)構(gòu)因素影響程度對(duì)比分析圖

（4）區(qū)域經(jīng)濟(jì)因素和人口因素

從整個(gè)研究區(qū)域來看，區(qū)域經(jīng)濟(jì)和人口因素在觀察期內(nèi)對(duì)物流業(yè)碳排放增加起到正向驅(qū)動(dòng)作用。其中，區(qū)域經(jīng)濟(jì)因素呈現(xiàn)高速增長的態(tài)勢(shì)，側(cè)面說明我國物流業(yè)的發(fā)展對(duì)高耗能高排放的發(fā)展路徑仍有較強(qiáng)的依賴性。經(jīng)濟(jì)發(fā)展水平的提升在一定程度上提高了居民生活水平，電子商務(wù)、網(wǎng)絡(luò)消費(fèi)等新興業(yè)態(tài)快速發(fā)展，但同時(shí)也導(dǎo)致了物流需求快速增長，碳排放的壓力難以一時(shí)得到緩解。從均值上看，人口規(guī)模因素在觀察期內(nèi)一直為正效應(yīng)，表現(xiàn)出對(duì)碳排放的促進(jìn)，但影響程度微弱，且貴州省部分年份出現(xiàn)其抑制碳排放增長現(xiàn)象。可能是因?yàn)橘F州省人口密度較低，加上計(jì)劃生育政策的影響，導(dǎo)致了人口因素在部分年份出現(xiàn)抑制碳排放作用。而重慶作為中心城市以及長江上游地區(qū)經(jīng)濟(jì)中心，高速發(fā)展的同時(shí)，加上外來人口的集聚，致使人口規(guī)模效應(yīng)呈現(xiàn)增長態(tài)勢(shì)。因此，需要重視人口增長所導(dǎo)致碳排放增加給生態(tài)環(huán)境帶來的影響和壓力。

圖4 三省一市2006至2020年區(qū)域經(jīng)濟(jì)因素影響程度對(duì)比分析圖

圖5 三省一市2006至2020年人口規(guī)模因素影響程度對(duì)比分析圖

三 結(jié)論及建議

1.結(jié)論

從時(shí)間角度看，經(jīng)計(jì)算2005至2020年期間長江上游物流業(yè)整體碳排放量年均增長率為6.75%，其中，2005至2012年期間年均增長率為10.29%；2013至2020年期間年均增長率為5.55%，碳排放增速雖有所放緩，但仍不可忽視增量的影響。從空間角度分析，云南和貴州在觀察期內(nèi)的物流業(yè)碳排放強(qiáng)度均高于年均水平，相較于四川和重慶地區(qū)，云貴地區(qū)因其物流樞紐多未建成投入使用，所以物流設(shè)施群輻射效應(yīng)并不理想，導(dǎo)致碳排放久升不降。

觀察期內(nèi)長江上游物流業(yè)碳排放與經(jīng)濟(jì)增長脫鉤狀態(tài)從區(qū)域尺度分析來看，整體以弱脫鉤為主，但連接類型也交替出現(xiàn)，脫鉤狀態(tài)并不穩(wěn)定。從各省市尺度分析中，可以看出負(fù)脫鉤類型也占據(jù)一定比例，且沒有明顯的規(guī)律，這表明長江上游整體及各省市物流業(yè)的發(fā)展與碳排放之間并不協(xié)調(diào)。

能源結(jié)構(gòu)因素、區(qū)域經(jīng)濟(jì)因素、人口規(guī)模因素對(duì)長江上游地區(qū)整體物流業(yè)碳排放有促進(jìn)作用。其中區(qū)域經(jīng)濟(jì)因素的影響程度最高，是驅(qū)動(dòng)碳排放量增長的首要因素。能源強(qiáng)度和產(chǎn)業(yè)結(jié)構(gòu)因素對(duì)長江上游地區(qū)整體物流業(yè)碳排放均呈現(xiàn)抑制作用，且逐年增強(qiáng)。從省域?qū)用娣治?，各省市碳排放影響因素的促進(jìn)和抑制程度各有所不同，其中，貴州省的區(qū)域經(jīng)濟(jì)因素和重慶市的人口規(guī)模因素對(duì)碳排放的影響程度最高。

2.建議

（1）調(diào)整物流業(yè)能源結(jié)構(gòu)，提高能源利用效率。

由表4可以看出，近些年的各類能源消耗以燃油為主，因此要降低燃油在能源消耗中的比重，大力推廣新能源車的使用，發(fā)展鐵水、公鐵、公水等多式聯(lián)運(yùn)。利用其豐富的自然資源優(yōu)勢(shì)，打造水風(fēng)光一體化新能源基地，利用特高壓電網(wǎng)實(shí)現(xiàn)清潔電力就地消納，滿足當(dāng)?shù)匚锪鳂I(yè)及其他高耗能企業(yè)的基本用電需求。

（2）踐行差異化戰(zhàn)略，促進(jìn)區(qū)域物流和經(jīng)濟(jì)融合發(fā)展。

研究中發(fā)現(xiàn)，長江上游地區(qū)無論整體還是各省市碳排放的脫鉤狀態(tài)都并不理想，需要根據(jù)長江上游各省市區(qū)域特征制定個(gè)性化策略。如提高云貴地區(qū)物流基礎(chǔ)設(shè)施的使用效率，完善“通道+樞紐+網(wǎng)絡(luò)”的運(yùn)行體系，加深物流業(yè)與農(nóng)業(yè)、制造業(yè)、商貿(mào)業(yè)、旅游業(yè)等相關(guān)產(chǎn)業(yè)融合發(fā)展程度。以數(shù)字化、智能化、信息化為牽引，融入大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等技術(shù)，推動(dòng)四川、重慶現(xiàn)代物流業(yè)高端化、高效化發(fā)展。