基于LMDI 的中國城市群物流業碳排放變動驅動因素研究

史千禾 SHI Qian-he

（天津大學環境科學與工程學院，天津 300000）

0 引言

物流業是國民經濟的先導性行業，尤其伴隨數字經濟的發展，中國物流業取得了長足發展。2022 年，中國社會物流總額達到347.6 萬億元，按可比價格計算，同比增長3.4%。然而，物流業同樣也是中國高能源消耗、高碳排放的行業，2016-2019 年，中國物流業能源消耗占全國能源消耗總量的比重一直在9%以上，且呈現逐年上漲趨勢，2019年達到43909 萬噸標準煤，2020 年在疫情影響下，物流業能源消耗總量依然達到41309 萬噸標準煤，占中國能源消耗總量的8.3%。伴隨大量化石能源的消耗，物流業二氧化碳排放量持續攀升，2019 年達到73248 萬噸，占全國二氧化碳排放量的7.5%[1]。2020 年，中國明確提出到2030 年實現“碳達峰”，2060 年實現“碳中和”，加快物流業碳減排已經成為實現“雙碳”目標的重要措施。

在特定地理范圍內以核心城市帶動衛星城市從而形成功能分工清晰、經濟聯系緊密、空間組織緊湊的城市群，已經成為中國新型城鎮化發展的新特點和未來重要趨勢[2]。國家《“十四五”新型城鎮化實施方案》明確提出要“提升城市群一體化發展和都市圈同城化發展水平”，可以預見城市群、都市圈將是未來城鎮化發展的重要推動力量。然而，與此伴生的是中國很多城市群發展過程中出現大量“交通擁堵”“空氣質量堪憂”等“大城市病”，并且為滿足大量人群涌入產生的物流需求，城市群物流業發展迅猛，二氧化碳排放問題日漸突出[3]。

1 文獻述評

為解決上述問題，諸多學者開始關注城市化過程中物流業碳排放問題，首先，部分學者開始關注低碳物流概念的界定問題。Harvey 提出交通運輸業的低碳化是物流業低碳化的關鍵[4]。Hua Huang 強調物流業各環節低碳行為是促進物流業低碳化發展的重要舉措[5]。王長瓊提出了綠色物流的概念，并分析了綠色物流的特點[6]。范璐認為低碳物流需要優化物流系統達到整體的低碳化[7]。其次，討論物流業碳排放的影響因素是找到物流業低碳化的關鍵，并逐漸成為學界關注的焦點。De Oliveira 等發現澳大利亞碳排放定價政策對物流業碳排放具有重要的作用[8]。歐陽強斌則認為碳排放稅收政策、物流業市場結構和市場機制對中國物流業碳減排具有一定的促進作用[9]。鐘娟和魏彥杰則發現經濟集聚對物流業碳排放具有一定的抑制作用[10]。

由此可以看出，物流業碳排放問題已經逐漸成為學界關注的焦點，為本研究的開展奠定了一定的基礎。但是，一方面當前的研究更多將研究視角聚焦在普通省市或者國家層面，而從物流業發展的實際情況看，由于大量人群涌入城市群區域并產生了大量的物流服務需求，城市群物流業發展迅猛，并造成了大量的二氧化碳排放，城市群物流業碳排放問題已經成為新型城鎮化發展的焦點問題。另一方面，從城鎮化發展的視角，挖掘城鎮化發展要素對城市群物流業碳排放變動的作用機理，對新型城鎮化建設更具現實意義。

2 模型構建

1989 年，日本學者Yoichi Kaya 在IPCC 研討會上提出，人類活動產生的二氧化碳由人口變動、經濟發展等多重因素影響，并應用簡潔的數學公式對二氧化碳排放的影響進行了刻畫[11]，如式（1）所示：

其中，CO2指二氧化碳排放量，POP 指人口總量，GDP指經濟總量，E 指能源消耗總量。因此，GDP/POP 代表區域經濟發展水平，E/GDP 代表區域能耗水平，CO2/E 代表單位能源碳排放強度。

城市群物流業二氧化碳排放的變動與其發展過程緊密相關，首先，伴隨城市群的不斷發展，大量人員因為城市群就業機會多、工作環境好、就業薪酬高而不斷涌入，城市群人口數量的變化引發大量物流業新需求，造成物流業碳排放的變動。其次，伴隨大量人口涌入城市群核心城市及其衛星城市，大量物流業的基礎設施、交通工具等亟需配備，城市群物流業不斷拓展，行業能源消費結構也將發生顯著變動，進而影響城市群物流業碳排放的變動。第三，伴隨城市群的不斷發展，其產業結構不斷優化，經濟發展不斷提速，而物流業又是區域經濟社會發展的先導性行業，城市群經濟發展速度的不斷提升勢必對物流業發展產生強大的拉動力量，從而影響城市群物流業碳排放的變動。基于此，本文將城市群物流業碳排放變動驅動因素模型優化為式（2）所示：

與式（1）不同，式（2）將伴隨城市群發展帶來的能源結構變動考慮其中，從而從人口增長、經濟發展、能源結構變動和能耗變動四個方面度量城市群物流業的碳排放變動。由 此 ， 令，則式（2）可以表示為：

Ang 和Liu（2000）首次提出對數平均迪式分解法（Logarithmic Mean Divisia Index ,LMDI）[12]，該方法具有分解形式簡單，變換方便以及分解無殘差等優點也被廣泛應用于碳排放驅動因素分解領域。因此，本文將應用LMDI對城市群物流業碳排放變動進行分解分析，根據LMDI 的分解原理，具體分解因子如式（4）-式（8）所示：

人口增長效應：

經濟發展效應：

能源強度效應：

能源結構效應：

排放因子效應：

由此，本文將城鎮化發展對城市群物流業碳排放變動的影響分解為人口變動、經濟發展、能源強度和能源結構變動四大因素，從而能夠更加清晰地發現伴隨城市群發展物流業碳排放變動的關鍵驅動因素。

3 實證研究

3.1 數據來源說明

考慮數據可得性，本文研究對象主要包括京津冀城市群、長三角城市群、珠三角城市群、山東半島城市群、川渝城市群、長江中游城市群等中國發展迅猛的6 大城市群，數據主要來源于各省統計年鑒、中國碳核算數據庫、中國統計年鑒以及中國能源統計年鑒。其中各城市群物流碳排放數據取自中國碳核算數據庫。部分缺失數據采取插值方法獲得。

3.2 總體分析

根據式（4）-式（8），中國城市群物流業碳排放驅動因素計算結果如圖1 所示。

圖1 中國城市群物流業碳排放變動驅動因素

總體上看，僅有能源強度效應一直對中國城市群物流業碳排放起到抑制作用，能源結構效應僅在2017、2019 及2020 年起到抑制作用，其他時段均促進了城市群物流業的碳排放。人口增長和經濟發展對城市群物流業碳排放增長始終產生顯著的促進作用，尤其經濟發展一直是中國城市群物流業碳排放增長的最關鍵因素。所以，如何推進經濟高質量發展，降低因為經濟增長而帶來的物流業碳排放對城市群實現物流業碳減排意義顯著。

從發展趨勢看，經濟發展一直是中國城市群物流業碳排放增長的重要推動力量，在2012-2016 年間，這種推動力量處于不斷增強的過程，而2016 年后，經濟增長對城市群物流業碳排放的增長推動力量呈現持續下降的趨勢，這說明近年來中國實施的經濟高質量發展策略對碳減排起到了一定的作用。人口增長對中國城市群物流業碳排放的推動作用比較穩定，所以提升城市功能，合理分流人口到中小型城市，降低中心城市人口密度對降低物流業碳排放具有一定的作用。能源結構對城市群物流業碳排放的增長呈現波動下降的態勢，自2019 年后，該因素從推動者轉變為抑制者，這說明在人工智能、大數據等新興信息技術的推動下，物流業能源消費結構實現了一定的優化，對物流業碳排放增長起到了抑制作用，下一步應加大新興技術對物流業各環節的賦能。能源強度一直是中國城市群物流業碳排放增長的抑制力量，并在2016 年達到最佳狀態，這可能主要得益于各地方政府環境規制政策在“十二五”尾期的發力。

3.3 區域分析

根據式（4）-式（8），本文對各城市群物流業碳排放變動驅動因素情況進行分解分析，結果如圖2-圖7 所示。

圖2 長三角物流業碳排放變動驅動因素

圖3 京津冀物流業碳排放變動驅動因素

圖4 珠三角物流業碳排放變動驅動因素

圖5 山東半島物流業碳排放變動驅動因素

圖6 川渝物流業碳排放變動驅動因素

圖7 長江中游物流業碳排放變動驅動因素

從圖2-圖7 可以看出，經濟發展對各城市群物流業碳排放變動均具有推動作用，但作用機理并不完全相同。經濟發展對長三角、京津冀、珠三角、川渝物流業碳排放增長的推動作用呈現先上升后下降的趨勢，尤其對長三角物流業碳排放變動作用比較顯著。而對山東半島物流業碳排放增長的推動作用較小且呈現逐年下降的趨勢，對長江中游物流業碳排放增長的推動作用呈現波動上升的態勢。此外，人口增長也一直是各城市群物流業碳排放增長的推動因素，但相比較經濟發展其作用較小，而且僅對長三角、珠三角這些人口吸引力強的城市群產生了比較大的推動作用，而對京津冀、川渝、長江中游、山東半島等人口吸引力弱的城市群作用較小。

能源強度效應一直是各城市群物流業碳排放增長的抑制因素，但通過圖2 的對比分析可以清楚地發現，能源強度對山東半島、川渝兩大城市群物流業碳排放的抑制作用比較穩定且較小，而對長三角、珠三角、長江中游、京津冀等城市群的作用比較顯著，且波動較大。能源結構效應對各城市群物流業碳排放變動的作用呈現顯著的差異性，從圖2 可以看出，能源結構對珠三角城市群物流業碳排放增長始終起到推動作用，對長三角和京津冀而言，能源結構逐漸從推動因素轉變為抑制因素，對長江中游、山東半島以及川渝城市群而言，能源結構總體上表現為推動作用，但波動巨大。

4 結論

文章基于Kaya 恒等式，將城市群發展對物流業碳排放變動的作用分解為人口增長效應、經濟發展效應、能源強度效應和能源結構效應，應用LMDI 構建了各因素作用機理的分解分析模型，并應用構建的模型對中國六大城市群2012-2020 年物流業碳排放變動情況進行了系統分析。研究發現：

①總體上，能源強度效應是中國城市群物流業碳排放增長的關鍵抑制因素，在考察期內一直對碳排放增長起到抑制作用，而人口增長和經濟發展對城市群物流業碳排放增長始終產生顯著的促進作用。

②從各城市群看，各大要素對不同城市群具有異質性作用。經濟發展對長三角、珠三角、京津冀、川渝物流業碳排放增長推動作用明顯，對其他城市群推動作用較小，人口增長對長三角、珠三角物流業碳排放增長推動作用顯著，能源強度對長三角、珠三角、長江中游、京津冀等城市群的作用比較顯著，且波動較大，能源結構對各城市群物流業碳排放增長作用差異明顯。