摘要：西部大開發、長江經濟帶高質量發展戰略中關于物流業現代化發展的推進加劇了行業碳排放問題。本文以長江上游地區的云貴川渝四省市為例，通過估算2005至2020年物流業碳排放量及碳排放強度，利用Tapio脫鉤模型分析各省市物流業碳排放的脫鉤狀態，最后對物流業碳排放影響因素進行LMDI分解。結果表明，觀察期內長江上游整體物流業碳脫鉤狀態以弱脫鉤為主；分解因素中能源結構、區域經濟、人口規模對物流業的碳排放起到促進作用，能源強度和產業結構均呈現抑制作用。基于此，提出構建高質量的現代物流體系、調整物流業能源結構、合理利用區位優勢和資源優勢等相關建議。

關鍵詞：長江上游、碳排放、脫鉤狀態、影響因素

作者：姜巖1 張英彥2

1為安徽理工大學經濟與管理學院，2為宿州學院

引言

2010年以來，長江上游地區城市擴張速度顯著高于中下游，上游地區所占長江經濟帶物流業整體生產總值比例由2005年的21.38%提高到2020年的24.54%[1]。據統計，長江上游物流業能源消費總量占長江經濟帶的比重，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域綠色發展。

劉丙泉等[3]、王麗萍等[4]、Burchart-Korol[5]分別采用不同測算方法對國家和省域層面的物流業碳排放進行了測算。碳排放脫鉤是指碳排放量的變化與經濟增長之間關系問題，主要衡量各地區的低碳狀況。Tapio脫鉤模型能更全面地反映出經濟增長與環境壓力的脫鉤狀態，已成為研究經濟增長與碳排放依賴關系的主要方法[6]。如劉茂輝等[7]運用Tapio模型對天津市碳排放的脫鉤狀態進行分析，結果表明天津市在2060年之前難以實現碳中和。Ang[8]于1998年提出的LMDI分解法被廣泛運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，對影響交通運輸業碳排放的因素進行了探討。

綜上所述，國內外關于碳排放測算、脫鉤及影響因素的研究范圍多集中于國家和省域層面，有關區域經濟帶物流業碳排放的研究較少。因此，本文通過計算2005至2020年長江上游四個省市的物流業碳排放量，分析長江上游地區物流業碳排放脫鉤狀態及影響因素，旨在為長江上游地區物流業綠色低碳發展提供參考。

一 數據選取、研究方法與模型構建

1.數據選取

由于各省份統計年鑒不直接包含物流業的相關數據，所以參考劉渝等[11]學者的研究方法，文章選取交通運輸、倉儲和郵政業的有關數據進行分析。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種能源作為物流業碳排放直接消耗的能源，各類能源消耗數據來源于中國碳核算數據庫(CEADs)和《中國能源統計年鑒》。文中物流業生產總值、各地區GDP和常住年末人口總數等數據均來自《中國統計年鑒》、各省市統計年鑒和公報。

2.研究方法與模型構建

（1）物流業碳排放計算方法

參考IPCC評估報告，建立碳排放測算公式如下：

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、折標準煤系數、消耗量。各類能源折標準煤系數和碳排放系數依據《省級溫室氣體清單編制指南（試行）》（發改辦氣候[2011]1041號）[12]開展碳排放量（以二氧化碳計）核算，其中能源活動化石燃料燃燒溫室氣體清單編制采用以詳細技術為基礎的部門方法[7]。

（2）Tapio脫鉤模型

借鑒劉戰豫等[13]、孫睿等[14]的研究成果，建立脫鉤模型公式如下：

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

（3）LMDI模型分解

結合李健[16]、包耀東等[17]學者的研究，對長江上游地區物流業碳排放影響因素進行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、物流業產值、GDP、常住年末人口數。以 

為第i種能源的碳排放系數；以

表示第t年能源結構和能源強度的變化；以

分別表示第t年物流產業規模、經濟發展水平和人口規模。

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

式（5）中，ΔCCE、ΔCET、ΔCEL、ΔCEG、ΔCEN、ΔCPX分別表示為碳排放系數、能源結構、能源強度、產業結構、區域經濟和人口規模效應。鑒于各類能源碳排放系數是固定不變的，所以有ΔCCE=0。對其他5種效應進行分解如下：

式（6）中，Wi為權數變量，

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

對式（7）左右兩邊取對數，結合式（5）可得：

假設

，則有：

其中ΔCCE、ΔCET 、ΔCEL 、ΔCEG 、ΔCEN 、ΔCPX分別表示有單位的物流業碳排放各效應累加貢獻值，DCE、DET 、DEL 、DEG 、DEN 、DPX 分別表示沒有單位的物流業各效應碳排放貢獻率。若各效應的貢獻值和貢獻率大于0，表明該效應會促進物流業的碳排放；反之，則會抑制物流業碳排放。

二 實證分析

1.長江上游地區物流業碳排放脫鉤狀態分析

根據公式（2）計算出長江上游地區各省市物流業碳排放與物流業發展的脫鉤狀況，結合表1對各地不同年份的脫鉤狀態進行標注。分別從區域和省市尺度進行比較分析，如表2和表3所示。

表1 Tapio脫鉤狀態分類

表2 2005至2020年長江上游物流業碳排放脫鉤指數及脫鉤狀態

表3 2005至2020年云貴川渝物流業碳排放脫鉤指數及脫鉤狀態

（1）區域尺度碳排放脫鉤狀態分析

從表2結果來看，在2005至2020年間，長江上游整個地區分別出現11次脫鉤、1次負脫鉤和3次連接，反映出長江上游整體物流業的發展趨勢較好。分時間段來看，2005-2008年，長江上游地區的脫鉤狀態由弱脫鉤逐漸轉變為擴張負脫鉤，可見這一階段脫鉤狀態并不理想。這可能與我國物流業初期發展形勢比較粗放有關，“十一五”期間，長江經濟帶大力發展經濟，以工業為中心，導致了“高投入、高能耗、高排放”的局面。2008至2020年，長江上游地區主要以弱脫鉤狀態為主，表明在此期間，長江上游在發展經濟的同時，注重節能減排措施的實施，遵循生態優先，實現經濟發展與資源環境相適應。

（2）省市尺度碳排放脫鉤狀態分析

從空間角度來看，云貴川在2007至2008年間均呈現負脫鉤狀態，表明在此期間的物流業碳排放增速大于物流業產值增速。可能是因為受到2008年國際金融危機的波動影響以及國內發生重大自然災害影響，為了促進經濟的復蘇，大力發展建筑業和運輸業等資源消耗型產業，從而導致碳排放的增長速率加快。云貴川在2012至2013年間均處于強脫鉤狀態，在此期間，云貴川三省協同發展，牢牢抓住了我國物流業在“十二五”時期的發展機遇，加快推進交通運輸、現代物流等生產性物流業向中、高端發展，科技水平和服務效率的提升間接影響了碳排放，從而實現理想的脫鉤狀態。

分時間段來看，貴州、四川、重慶各省市在2005-2016年間脫鉤狀態波動性較強，脫鉤狀態交替出現，沒有規律性，表明各省市需要建立物流業節能減排長效機制，并使節能減排工作常態化[18]。在2016至2020年間，云貴川渝四地都呈現出脫鉤狀態，表明這幾年各地物流業發展狀況良好。其中四川、重慶各出現一次衰退脫鉤狀態，可能是因為以成渝經濟圈為主體，發展優勢產業，帶動周圍地區經濟的同時，忽略了自身發展，從而造成了短期內的經濟低迷狀態。

2.長江上游地區物流業碳排放影響因素分析

脫鉤狀態分析只限于研究物流業經濟發展與碳排放二者之間的同步關系，無法準確說明碳排放量變化的原理。因此基于LMDI模型，運用公式（3)-(9)，計算出各省市的影響因素對碳排放的貢獻率，結果如圖1至圖5所示。

（1）能源結構因素

從省份的能源結構影響程度來看，僅貴州省物流業能源結構效應在2013年和2014年表現出對碳排放的抑制作用。通過數據追溯發現，貴州省在此期間內的汽油、柴油能源消耗量有所下降，天然氣消耗量大幅上升。根據《貴州省燃氣發展“十二五”規劃》，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，優化了貴州省能源結構。從整個長江上游地區來看（圖1），能源結構因素對物流業碳排放的增加起促進作用，但影響程度微弱。表明長江上游地區能源結構有待進一步優化。根據表 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處于主導地位，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，還需進一步減少對高碳化石能源的依賴。

圖1 三省一市2006至2020年能源結構因素影響程度對比分析圖

表4 2005至2020年長江上游物流業各類能源終端消耗量占比

（2）能源強度因素

從整個長江上游區域來看（圖2），能源強度因素對物流業碳排放的抑制作用逐漸增強。長江上游區域三省一市中，云南、重慶能源強度因素在觀察期內持續保持抑制碳排放作用，而貴州、四川則是表現出先促進，后抑制，且兩省份能源強度因素的貢獻率在觀察期內均高于平均水平。這說明對于貴州、四川地區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年能源強度因素影響程度對比分析圖

（3）產業結構因素

由圖3可知，產業結構因素在觀察期內的均值對物流業碳排放表現出抑制作用。2006至2020年期間，貴州和重慶的產業結構因素對物流業碳排放的負向驅動不斷增強。表明在此期間貴州省和重慶市的物流業經濟發展態勢良好，在降本增效的同時，注重對生態的保護。四川省產業結構雖總體呈現抑制作用，但其間內卻有回升，應加強產業間的統籌協調，擺脫碳排放的約束。云南省在2006至2020年物流業碳排放的產業結構效應呈正負向驅動交替現象，與其它省市差異顯著。云南作為我國西南邊陲的欠發達省份，又是生態環境比較脆弱敏感的地區，產業發展基礎薄弱，所以在大力推動物流業發展的同時，更應加強對生態文明的建設。

圖3 三省一市2006至2020年產業結構因素影響程度對比分析圖

（4）區域經濟因素和人口因素

從整個研究區域來看，區域經濟和人口因素在觀察期內對物流業碳排放增加起到正向驅動作用。其中，區域經濟因素呈現高速增長的態勢，側面說明我國物流業的發展對高耗能高排放的發展路徑仍有較強的依賴性。經濟發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、網絡消費等新興業態快速發展，但同時也導致了物流需求快速增長，碳排放的壓力難以一時得到緩解。從均值上看，人口規模因素在觀察期內一直為正效應，表現出對碳排放的促進，但影響程度微弱，且貴州省部分年份出現其抑制碳排放增長現象。可能是因為貴州省人口密度較低，加上計劃生育政策的影響，導致了人口因素在部分年份出現抑制碳排放作用。而重慶作為中心城市以及長江上游地區經濟中心，高速發展的同時，加上外來人口的集聚，致使人口規模效應呈現增長態勢。因此，需要重視人口增長所導致碳排放增加給生態環境帶來的影響和壓力。

圖4 三省一市2006至2020年區域經濟因素影響程度對比分析圖

圖5 三省一市2006至2020年人口規模因素影響程度對比分析圖

三 結論及建議

1.結論

從時間角度看，經計算2005至2020年期間長江上游物流業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的物流業碳排放強度均高于年均水平，相較于四川和重慶地區，云貴地區因其物流樞紐多未建成投入使用，所以物流設施群輻射效應并不理想，導致碳排放久升不降。

觀察期內長江上游物流業碳排放與經濟增長脫鉤狀態從區域尺度分析來看，整體以弱脫鉤為主，但連接類型也交替出現，脫鉤狀態并不穩定。從各省市尺度分析中，可以看出負脫鉤類型也占據一定比例，且沒有明顯的規律，這表明長江上游整體及各省市物流業的發展與碳排放之間并不協調。

能源結構因素、區域經濟因素、人口規模因素對長江上游地區整體物流業碳排放有促進作用。其中區域經濟因素的影響程度最高，是驅動碳排放量增長的首要因素。能源強度和產業結構因素對長江上游地區整體物流業碳排放均呈現抑制作用，且逐年增強。從省域層面分析，各省市碳排放影響因素的促進和抑制程度各有所不同，其中，貴州省的區域經濟因素和重慶市的人口規模因素對碳排放的影響程度最高。

2.建議

（1）調整物流業能源結構，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，發展鐵水、公鐵、公水等多式聯運。利用其豐富的自然資源優勢，打造水風光一體化新能源基地，利用特高壓電網實現清潔電力就地消納，滿足當地物流業及其他高耗能企業的基本用電需求。

（2）踐行差異化戰略，促進區域物流和經濟融合發展。

研究中發現，長江上游地區無論整體還是各省市碳排放的脫鉤狀態都并不理想，需要根據長江上游各省市區域特征制定個性化策略。如提高云貴地區物流基礎設施的使用效率，完善“通道+樞紐+網絡”的運行體系，加深物流業與農業、制造業、商貿業、旅游業等相關產業融合發展程度。以數字化、智能化、信息化為牽引，融入大數據、云計算、區塊鏈等技術，推動四川、重慶現代物流業高端化、高效化發展。