中國物流業碳排放影響因素的區域差異

(武漢工程大學 管理學院,湖北 武漢 430205)

中國物流業碳排放影響因素的區域差異

劉 渝,李 萊,宋 陽
(武漢工程大學 管理學院,湖北 武漢 430205)

物流業是碳排放的主要行業之一,分析物流業碳排放和影響因素的區域差異可為分區域制定減排措施提供科學依據。基于Panel data,利用IPCC方法測算我國30個省區2007—2014年物流業的碳排放量,運用LMDI模型將碳排放影響效應分解為能源結構、能源強度、經濟發展和人口規模效應,并將全國劃分為東、中、西三個區域,挖掘三個區域碳排放影響因素的差異。結果顯示,就全國平均水平而言,經濟發展效應是物流業碳排放最主要的正向效應,人口規模效應次之,能源強度效應是主要的負向效應,其次是能源結構效應;就區域差異而言,能源強度效應在東部地區的表現最明顯,人口規模效應對西部地區的影響相對較大,經濟發展效應對東部與西部地區的影響高于中部地區。

物流業;碳排放;區域差異; LMDI因素分解;影響因素

1 引言

2015年,中國政府在紐約聯合國氣候變化問題會議上強調,已將應對氣候變化全面融入到國家經濟社會發展總戰略中。未來,中國將進一步加大溫室氣體排放的控制力度,力爭到2020年實現碳排放強度降低40%—45%的目標。

我國物流業發展迅速,各行業中的碳排放量急劇上升，因此為了實現我國2020年碳減排目標,必須大力控制物流業的碳排放量。2014年9月我國發布的《物流業發展中長期規劃(2014—2020年)》中明確指出,“節能減排、綠色環保的低碳物流”是未來物流業的發展方向。在此背景下,核算我國各地區物流業碳排放量,分析物流業碳排放影響因素的區域差異是當前迫切需要解決的理論問題。

碳排放領域的研究方向集中在核算方法、因素分解和區域差異等方面。對碳排放量的核算,學界普遍采用IPCC核算方法,孫建衛、李丹丹、張翠菊等采用該方法估算了我國各省區的碳排放總量[1-3]。對碳排放的影響因素分解,主要應用LMDI方法。在工業領域內,Ang BW 等利用LMDI分析了我國8個工業部門CO2排放的主要影響因素,得出工業增加值與行業能源強度是影響碳排放的主要因素[4];Chunbo Ma等利用LMDI技術分解了我國1980—2003年期間能源強度的變化,發現技術革新是導致能源強度下降的主因[5];Claudia Sheinbaum-Pardo分析了制造業CO2排放變化趨勢,利用LMDI分析了制造業碳排放的影響因素,得出能源結構與能源強度是影響墨西哥制造業碳排放的主要因素[6]。國內學者考察的影響因素主要包括能源強度效應、能源結構效應、產業結構效應、人均收入、產出規模效應和能源排放強度效應[7,8]。針對物流行業的研究,張立國將影響因素分解為碳排放因子、能源結構、能源強度、經濟發展、物流產出、人口規模等六個效應[9];馬越越、王維國基于LMDI分析了1991—2010年全國物流業碳排放的影響因素,結果表明經濟增長是物流業的主要拉動力[10];苑清敏、張文龍研究發現,能源結構和能源強度效應對經濟發達地區的碳排放有抑制作用[11]，且碳排放的區域差異顯著；劉占成、王安健發現,1998—2008年我國東部地區的碳排放量占比例最大,西部地區呈現出逐步增加趨勢,是以后的重點減排區[12];張雷、黃園淅等通過分析中國碳排放區域特征,得出東部地區碳排放量始終占據主導地位,中部地區碳排放較穩定,西部地區碳排放量較少但保持著持續上升的趨勢[13];鄧吉祥、劉曉歸納了1995—2010年全國八大區域的碳排放影響效應差異,能源結構效應對經濟發達地區的碳排放具有抑制作用[14]。

綜上所述,我國各地物流產業發展程度不均衡,區域間碳排放量呈現顯著的差異。物流業作為高能耗和高排放產業,碳排放下降有利于實現我國節能減排目標。本文將我國30個省、自治區和直轄市劃分為傳統的東、中、西三大區域(由于西藏自治區、香港和澳門特別行政區、臺灣地區缺乏統計數據,不在本文研究范圍內),估算了三大區域2007—2014年物流業的碳排放量,利用LMDI模型分解碳排放的影響因素,把握物流業碳排放的區域特征,以期為分區域制定物流業的低碳發展戰略提供科學依據。

2 研究方法與模型構建

2.1 碳排放的IPCC測算方法

根據聯合國政府間氣候變化專門委員會(IPCC)提供的估算方法,采用式(1)測算我國30個省區物流業的碳排放量:

(1)

式中,c表示碳排放總量;ci為第i種能源的碳排放量;θi為第i種能源的碳排放系數;βi為第i種能源的折標準煤系數;Ei為第i種能源的消耗量。其中,βi采用《中國能源統計年鑒》規定的折算數值。

2.2 LMDI因素分解法

碳排放影響因素的分解方法主要包括指數分解法和結構分解法,其中指數分解法又分為拉式指數分解法和迪氏指數分解法。在前期的大量研究中,學者們大多采用的是對數平均迪氏指數分解法(LMDI)分解碳排放影響因素[15-17],該方法分解時無殘差項,計算簡潔方便并且將加法分解與乘法分解聯系起來。本文運用LMDI方法分解了30個省區的物流業碳排放,根據Wang[18]等的研究成果,并結合物流業碳排放的特點,將物流業的碳排放量影響因素分解為能源碳排放強度效應、能源強度效應、能源結構效應、經濟發展效應和人口規模效應，建立分解模型:

(2)

若Ct表示第t年物流業的碳排放量,則物流業第t+1年碳排放量相對于第t年的變化為:

△C=Ct+1-Ct=△CF+△CS+△Cl+△CM+△Cp

(3)

2.3 數據來源及說明

目前統計數據中沒有專門設置“物流業”口徑。根據2006年的《中國第三產業統計年鑒》數據,交通運輸、倉儲和郵政業占物流業生產總值的83%以上,在很大程度上代表了物流業的發展狀況，前者研究大多[20-22]以交通運輸業、倉儲和郵政業的碳排放總量來代表物流業。鑒于數據的可獲取性,本文沿用此法,碳排放量來源于8種能源消耗(原煤、煤油、柴油、汽油、燃料油、液化石油氣、天然氣、電力等)。數據源于相關年份的《中國能源統計年鑒》和《中國統計年鑒》,碳排放系數以《2006年IPCC國家溫室氣體清單指南目錄》中的標準確定。

3 實證分析

3.1 三大區域物流業碳排放量特征分析

2007—2014年我國三大區域物流業生產總值呈現逐年上升趨勢(圖1),東部顯著高于中、西部地區,與張晶、蔡建峰的研究結論相吻合。2009年以后,我國物流業發展速度加快,其中東部地區表現最為突出。我國三大地區碳排放量變動規模與行業發展態勢基本同步(圖2),從2009年開始三大區域的碳排放量增幅加大。東部地區的碳排放量在2013年出現了明顯下滑,可能是我國出臺《關于促進物流業健康發展政策措施的意見》(國辦發〔2011〕38號),即“物流國九條”的第六條提出將綠色物流提上議事日程,各地紛紛響應并開展物流業減排措施,東部地區的實施效果最好。

圖1 2007—2014年我國三大區域物流業生產總值

圖2 2007—2014年我國三大區域物流業碳排放量

3.2 物流業碳排放影響因素分析

根據估算的2007—2014年30個省物流業碳排放量數據,運用式(2)、式(3)將各省碳排放的影響因素進行分解(表1)。就全國水平而言,2007—2014年我國碳排放年均增長1.118萬t。其中,經濟發展是最主要的正向效應,使碳排放增加了2.293萬t;能源強度效應是最主要的負向影響,使碳排放降低了1.045萬t。

表1 2007—2014年中國30個省物流業碳排放的影響因素分解

從省級層面分析碳排放的分解效應,各省物流業的經濟發展效應均在總效應中占有絕對比重,是碳排放增長的最主要因素;經濟發展效應對經濟發達地區的正效應弱于其他地區,而對交通相對落后地區的正向影響更大,說明此類地區物流業發展造成的環境代價更嚴重。該現象符合環境庫茲涅茨假說,經濟處于不發達階段時,行業發展與環境污染成正比關系；經濟發展到更高階段時,環境污染的壓力相應釋放。能源強度效應對碳排放呈主要負向影響,對經濟發達地區抑制效果更好,天津、河北、上海、遼寧等7個省份總效應水平未達到全國的1/2,這些省份經濟發達,減排技術優于其他省份,能源強度效應的貢獻較大,碳排放總效應較小。能源結構呈現微弱的負效應,我國能源消費結構較單一,主要是煤和石油,發達地區能源需求增長速度放緩,但能源消費總量大、耗能高的結構短期內難以改變;落后地區能源結構甚至呈現正向影響,山西、新疆、甘肅、陜西4個省的總效應高于全國平均水平,主要受能源結構效應的正向影響,能源消耗主要以一次能源(原煤、石油)為主,碳排放量較大。

3.3 三大區域碳排放的影響因素分析

結合圖3—6可見,三大區域碳排放的影響因素存在顯著差異。能源強度效應波幅較大,主要為負向影響,東部地區表現最顯著。三大區域物流業能源強度曲線分別在2008—2009年、2011—2012年兩次出現拐點(圖3),第一次拐點受2008年國際金融危機影響,物流業產值大幅下降;第二次拐點出現的原因是“物流國九條”的實施增強了能源強度抑制效應。東部地區能源強度效應曲線波動幅度最大,2009年強度效應大幅下降,此后一直處于負效應,2012年以后東部地區的效應水平低于中、西部地區。東部地區城鎮化程度較高,碳減排技術推廣迅速,有效地發揮了抑制作用。苑清敏分析京津冀地區物流業碳排放驅動的因素,發現2006—2012年京津冀地區能源效率的負向貢獻程度逐年增大;而中、西部地區物流業發展落后于東部,減排技術普及率不高,影響幅度小,對碳排放的抑制作用有限。

圖3 2007—2014年三大區域物流業碳排放能源強度效應

人口規模效應為正向影響,西部地區的效應高于東、中部地區。人口規模效應的影響總體較小,對西部地區的影響高于東、中部地區(圖4)。主要受經濟發展程度和教育水平的影響,東部地區人口思想較為開放,人口增長速度緩慢；西部地區與之相反,人口增長速度較快。

圖4 2007—2014年三大區域物流業碳排放人口規模效應

能源結構效應負向影響不明顯:物流業屬于能源密集型行業,能源結構效應受宏觀經濟形式與能源政策影響。2009年以前的行業發展初期,能源結構效應抑制作用表現較差(圖5)。2008—2009年能源結構效應出現拐點,從2009年開始我國政府著重強調碳減排目標,并在2009年哥本哈根大會上提出 “單位GDP碳排放降低40%—50%的目標”,能源結構效應開始出現下行趨勢,說明能源宏觀政策發揮了結構調整效果。但2010年以后,我國三大地區的能源結構效應曲線均圍繞在橫軸周圍,負向影響不明顯。主要是因為在能源結構效應中占主導地位的分別為煤炭和柴油,物流業對柴油、煤油等石油燃料的依賴性強,暫時沒有其他清潔能源替代。

圖5 2007—2014年三大區域物流業碳排放能源結構效應

經濟發展效應是最主要的正向影響,對東、西部地區的影響高于中部地區。我國三大區域的經濟發展效應基本為正向影響,且是最主要的影響,該結論與前期相關研究結論一致。經濟發展效應曲線在2008—2009年出現峰值,且東、西部地區效應明顯高于中部地區(圖6)。隨著經濟水平的提高,人們追求快捷物流方式所帶來的高質量生活,使貨運周轉顯著增加。東部地區物流業發達,行業規模較大,對一次能源的需求旺盛;西部地區物流業發展以能源依賴型為導向,導致東、西部地區經濟發展效應較高。2009年效應曲線大幅下降,2011年后趨于平緩并維持在較低水平,出現這種現象的原因是:“十二五”規劃強調要實現“單位GDP碳排放降低17%的目標”,致使各地區開始重視低碳綠色物流業發展,對碳排放起到了抑制作用。

圖6 2007—2014年三大區域物流業碳排放經濟發展效應

4 結論與政策啟示

4.1 結論

本文測算了2007—2014年中國30個省區物流業的碳排放量,采用LMDI分解技術,將碳排放的影響因素分解為碳排放能源強度效應、能源結構效應、經濟發展效應和人口規模效應四個方面。本文研究發現我國東、中、西三大區域的碳排放具有區域特征,上述影響因素在三大區域的效應存在明顯的差異,主要結論為：①物流業碳排放規模和行業產值在2007—2014年間都呈現增長趨勢,但各地區碳減排能力差異大。東部地區通過加強減排力度來降低碳排放量,已取得初步效果,對比中、西部地區,東部地區的碳排放量在2013年出現了明顯下降。②經濟發展效應是碳排放最顯著的正向貢獻因素,但降低經濟發展速度來減少碳排放是不可能的。物流業能源強度效應和能源結構效應對碳排放產生負向影響,但抑制效果不明顯。我國物流業能源消費仍以煤油、汽油、柴油和燃料油等高碳能源為主,能源消費結構單一，因此通過優化能源結構來降低物流業碳排放量的潛力巨大。③我國東、中、西三大區域物流業碳排放量的影響因素存在顯著差異,能源強度效應在東部地區表現最明顯,人口規模效應對西部地區影響高于東、中部地區,經濟發展效應對東、西部地區構成正向影響,且高于中部地區,能源結構效應在三大地區均未發揮明顯的抑制效應。

4.2 政策啟示

基于前文研究結論,得出以下政策啟示:①提高物流業碳減排能力,縮小區域差距。西部地區物流業發展仍然處于粗放型發展階段,減排潛力大,是未來物流業碳排放控制的重點區域。東部地區低碳物流業的發展初顯成效,可進一步發揮能源強度效應和能源結構效應對物流業碳排放的抑制作用;西部地區應借鑒東部地區的行業發展模式、公共管理措施、技術減排策略,加快行業向綠色物流業轉型。②改善物流業能源消費結構。我國應加強運輸交通工具的節能技術攻關,實現能源的充分燃燒,提高車輛的能源使用效率;鼓勵采用太陽能等清潔型新型能源交通工具,推行實施車輛稅費制度,加快淘汰交通運輸市場中的老式高能耗車輛,從而引導物流業能源消耗結構向新能源、低碳化方向發展;合理規劃城市基礎交通,降低物流業車輛的無效行駛和碳排放;把公路、鐵路、水路、航空等運輸方式有機聯系在一起,完善城際高速鐵路建設,聯結中心城市與城鎮的高速鐵路網,充分利用鐵路的低碳排放優勢,降低了公路運輸在物流中的比例,搭建多式聯運的運輸體系。③加快產業結構轉型和升級。當前我國物流業分散程度高、系統規劃不合理,導致行業運營效率低下。未來物流業需要提升科技水平,降低單位GDP的綜合周轉量,積極推動交通運輸領域的技術性節能減排;通過政策引導物流業向綠色低碳轉型,加強物流業共同化、信息化、一體化建設,構建配貨信息平臺,整合配送資源,合理規劃物流節點,提高物流業的聯動效率。

[1]孫建衛,趙榮欽,黃賢金,等. 1995—2005年中國碳排放核算及其因素分解研究[J].自然資源學報,2010,25(8)∶1284-1295.

[2]李丹丹,劉銳,陳動.中國省域碳排放及其驅動因子的時空異質性研究[J].中國人口·資源與環境,2013,23(7)∶84-92.

[3]張翠菊,張宗益.能源稟賦與技術進步對中國碳排放強度的空間效應[J].中國人口·資源與環境,2015,25(9)∶37-43.

[4]Ang BW.Decomposition Analysis for Policy Making in Energy：Which Is the Preferred Method?[J].Energy Policy,2004,32 (9)∶1131-1139.

[5]Chunbo Ma,David I Stern.China′s Changing Energy Intensity Trend：A Decomposition Analysis[J].Energy Economics,2008,30(3)∶1037-1053.

[6]Claudia Sheinbaum-Pardo,Sergio Mora-Pérez,Guillermo Robles-Morales.Decomposition of Energy Consumption and CO2Emissions in Mexican Manufacturing Industries:Trends Between 1990 and 2008[J].Energy for Sustainable Development,2012,16(1)∶57-67.

[7]林伯強,蔣竺均.中國二氧化碳的環境庫茲涅茨曲線預測及影響因素分析[J].管理世界,2009,(4)∶27-36.

[8]董軍,張旭.中國工業部門能耗碳排放分解與低碳策略研究[J].資源科學,2010,32(10)∶1856-1862.

[9]張立國.中國物流業二氧化碳排放變化驅動因素分析[J].中國流通經濟,2016,30(12)∶29-39.

[10]馬越越,王維國.中國物流業碳排放特征及其影響因素分析——基于LMDI分解技術[J].數學的實踐與認識,2013,43(10)∶31-42.

[11]苑清敏,張文龍,寧寧寧.京津冀物流業碳排放驅動因素及脫鉤效應研究[J].科技管理研究,2016,(5)∶222-226.

[12]劉占成,王安建,于汶加,等.中國區域碳排放研究[J].地球學報,2010,31(5)∶727-732.

[13]張雷,黃園淅,李艷梅,等.中國碳排放區域格局變化與減排途徑分析[J].資源科學,2010,32(2)∶211-217.

[14]鄧吉祥,劉曉,王錚.中國碳排放的區域差異及演變特征分析與因素分解[J].自然資源學報,2014,29(2)∶189-200.

[15]張偉,張金鎖,鄒紹輝,等.基于LMDI的陜西省能源消費碳排放因素分解研究[J].干旱區資源與環境,2013,27(9)∶26-31.

[16]宋杰鯤.基于LMDI的山東省能源消費碳排放因素分解[J].資源科學,2012,34(1)∶35-41.

[17]史安娜,李淼.基于LMDI的南京市工業經濟能源消費碳排放實證分析[J].資源科學,2011,33(10)∶1890-1896.

[18]Wang Y,Zhu Q,Geng Y.Trajectory and Driving Factors for GHG Emissions in the Chinese Cement Industry[J].Journal of Cleaner Production,2013,53(8)∶252-260.

[19]劉龍政,劉佩.物流業發展與碳排放、能源消耗之間的關聯研究——以福建省為例[J].市場論壇,2014,(12)∶34-37.

[20]張立國,李東,周德群.中國物流業二氧化碳排放績效的動態變化及區域差異——基于省級面板數據的實證分析[J].系統工程,2013,31(4)∶95-102.

[21]劉丙泉,程凱,馬占新.城鎮化對物流業碳排放變動影響研究[J].中國人口·資源與環境,2016,26(3)∶54-60.

[22]張晶,蔡建峰.我國物流業碳排放區域差異測度與分解[J].中國流通經濟,2014,28(8)∶25-30.

RegionalDisparitiesofInfluencingFactorsofLogisticsIndustries′CarbonEmissionsinChina

LIU Yu,LI Lai,SONG Yang
(School of Management,Wuhan Institute of Technology,Wuhan 430205,China)

Logistics industry was one of the main industry responsible for carbon emission.Analysis of regional differences in carbon emissions and impact factors in the logistics industry could provide a scientific basis for the development of mitigation measures.Based on the panel data,analysis of regional differences in carbon emissions and impact factors in the logistics industry could provide a scientific basis for the development of mitigation measures.This paper used the IPCC method to measure the carbon emissions of the logistics industry in 30 provinces in China during 2007-2014.The LMDI model was used to decompose the carbon emission effect into energy structure effect,energy intensity effect,economic development effect and population scale effect.And the 30 provinces in China were divided into three regions:Eastern,central and western regions,to excavate the regional differences in carbon emissions and the impact of carbon emission factors.For the national average,the results showed that economic development effect was the most main positive factor to carbon emission of logistics industry,followed by the population scale effect.Energy intensity effect was the main negative impact on carbon emissions,followed by the energy structure effect,but the inhibition was not obvious.The regional differences of carbon emissions were obvious,the eastern region was obviously higher than the middle and western regions.There were significant differences among the three regional carbon emission factors.Energy intensity effect was the most influential factor of carbon emission in the eastern region.The significant influencing factor in western China was population scale effect.Economic development effect on middle and western regions was higher than that in the central region.

logistics industry;carbon emission;regional differences;LMDI;influencing factors

10.3969/j.issn.1005-8141.2017.12.006

X823.3

A

1005-8141(2017)12-1439-05

2017-10-20；

2017-11-19

武漢工程大學“企業與環境協調發展研究中心”重點項目(編號:qy1501);湖北省高等學校人文與社會科學重點研究基金“湖北人才發展研究中心項目”(編號:rcfz201602);武漢工程大學研究生教育創新基金項目(編號:CX2016117)。

及通訊作者簡介：劉渝(1981-),女,湖北省武漢人,博士,副教授,研究方向為資源與環境經濟。