基于LMDI 的物流業碳排放脫鉤及其影響因素分析

嚴桂琴，徐夢月（蘇州工業園區服務外包職業學院，江蘇 蘇州 215123）

0 引 言

近年來，氣候變化問題日益突出，引起了世界各國的高度重視。氣候變化主要由溫室氣體過度排放導致，而溫室氣體則是由燃燒大量原煤、石油和天然氣等化石燃料產生的廢氣構成的，其主要成份是CO2。2022年，我國能源燃燒和工業生產過程中的CO2排放量高達121億噸，約占全球CO2排放總量的32.88%。碳減排是世界各國面臨的共同難題，我國面臨的碳減排壓力也日趨嚴峻。2020年9月，我國將努力在2030年前實現碳達峰、2060年前實現碳中和（簡稱“雙碳”目標），表明了我國堅定走綠色低碳發展道路的決心。2021年，我國物流業的能源消費量為4.03億噸標準煤，約占全國能源消費總量的10.78%；CO2排放量約為9.13億噸，僅次于電力和工業部門。因此，研究物流業的碳減排方案，對推動物流業綠色低碳發展、實現“雙碳”目標具有重要意義。江蘇省地處長三角經濟區，地區生產總值和物流業增加值位居前列。本文以江蘇省為例，分析不同時期物流業碳排放與行業發展的脫鉤關系，探索適用于物流業實現碳排放脫鉤的有效措施，并試圖在全國范圍內推廣應用，有力支撐全省乃至全國“雙碳”目標的如期實現。

1 研究現狀

學術界針對物流業碳排放的研究主要集中于碳排放核算、碳排放脫鉤及碳排放的影響因素等方面。在核算物流業的碳排放量時，通常會限定區域，如某國家、某區域和某省等，且多采用聯合國政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change,IPCC）提供的碳排放系數法[1-2]。碳排放脫鉤研究指界定物流業碳排放與行業發展間的關系，不同地區物流業的脫鉤狀態存在顯著差異，常用的分析方法包括Tapio脫鉤模型[3-4]和OECD脫鉤模型[5]。針對物流業碳排放的影響因素展開研究，不同研究人員選取的影響因素存在較大的差異，同一影響因素對不同地區的影響程度及方向也有所不同。物流業碳排放常見的驅動因素包括能源強度、經濟產出和人口規模等。目前采用的主要方法是：基于IPAT模型或Kaya恒等式，建立物流業碳排放量與影響因素間的數量關系，運用回歸分析和指數因素分解法進行研究。本文選用指數因素分解法中的對數平均迪氏指數法（Logarithmic Mean Divisia Index，LMDI）分析物流業碳排放脫鉤的驅動因素，因為該方法具有分解公式形式簡單、分解過程無殘差等優點[6]，且能有效處理零值問題。

2 研究方法與數據說明

2.1 碳排放核算

借鑒IPCC的核算方法，即使用能源消費量乘以對應的CO2排放系數，見公式（1）。其中，C表示CO2排放總量，i表示能源類型，Ci表示能源i的CO2排放量，FCi表示能源i消費的實物量，fi表示能源i的CO2排放系數。本文選取物流業8種常用的能源進行分析，依據相關資料綜合得出的計算參數見表1。

表1 8 種常用能源的計算參數

2.2 碳排放脫鉤模型

Tapio脫鉤指數θ的計算公式如（2）所示。其中，△C表示物流業碳排放變化量，△GDPL表示物流業增加值變化量，GDPL為物流業增加值，Cn和C0、和分別表示第n年和基準年的碳排放量和行業增加值。結合行業碳排放、增加值的變化情況及脫鉤指數的差異，可將脫鉤狀態分為8類，分類標準見表2。其中，強脫鉤是最理想的狀態，即物流業實現綠色低碳發展；強負脫鉤是最差的狀態，即犧牲環境也無法推動行業高速發展。

表2 2005—2021 年江蘇省物流業碳排放脫鉤狀態

表2 碳排放脫鉤分類標準

2.3 碳排放脫鉤因素分解

Kaya恒等式將碳排放量分解為4個因素，分別為能源碳排放強度、能源強度、經濟產出和人口規模。本文結合物流業的行業特征，引入運輸周轉量因素對Kaya恒等式進行合理拓展，見公式（3）和（4）。其中，E為能源消費的標準量；T為運輸周轉量；GDP表示地區生產總值；P是常住人口數；CE=C/T表示單位周轉量的碳排放水平，即碳排放效率效應；EE=T/E為單位能源周轉量，即能源效率效應；EI=E/GDPL為單位產值能耗，即能源強度效應；IS=GDPL/GDP為行業增加值占地區生產總值的比重，即產業結構效應；EO=GDP/P為人均GDP，即經濟產出效應；P表示人口規模效應。

根據LMDI加法分解模型[6]，△C可分解為各驅動因素的貢獻值之和，見公式（5）。

其中，△CCE、△CEE、△CEI、△CIS、△CEO、△CP，分別代表6個驅動因素對物流業碳排放變化的貢獻值，計算公式如下。

其中，w為權重系數，見公式（6）。

為測算各驅動因素對江蘇省物流業碳排放與行業經濟發展脫鉤指數的影響程度，將公式（5）代入公式（2），得到公式（7），并分別用θCE、θEE、θEI、θIS、θEO和θp表示碳排放效率、能源效率、能源強度、產業結構、經濟產出及人口規模對行業碳排放脫鉤的影響指數。

2.4 數據說明

物流業能源消費實物量來自《中國能源統計年鑒》（2006—2022年），相關能源的折標準煤系數來自《綜合能耗計算通則》（GB/T 2589-2020）。地區生產總值、物流業增加值、運輸周轉量和常住人口數等數據均來自《江蘇省統計年鑒》（2006—2022年）。為減小價格因素的影響，地區生產總值和物流業增加值均以2005年為基期做不變價處理。

3 實證分析

3.1 物流業碳排放變化趨勢分析

如圖1所示，2005—2019年期間，江蘇省物流業能源消費總量整體呈上升趨勢，且以汽油和柴油兩種油品消費為主。2015年，兩種油品消費的比重之和為87.07%；2019年，下降為71.78%，降幅明顯，但二者依舊是物流業能源消費的主要來源。碳排放總量的變化趨勢與能源消費總量變化趨勢基本一致，一直呈現高速增長態勢。2020年，物流業能源消費總量約為2 475.61萬噸標準煤，同比增長0.26%；CO2排放總量約為5 703.05萬噸，同比增長0.63%。較2019年增幅明顯下降，主要原因是受特殊時期因素影響，居民生活、經濟活動的開展受到不同程度的限制。2021年，物流業能源消費總量和碳排放總量均處于負增長狀態，可能是因為物流業還沒有恢復發展。

圖1 2005—2021 年江蘇省物流業能源消費量和碳排放量

3.2 物流業碳排放脫鉤狀態分析

2005—2020年，從逐年尺度來看，江蘇省物流業的碳排放與行業經濟發展只存在弱脫鉤和擴張連接兩種狀態，分別出現了7次和8次（見表2）。弱脫鉤狀態下，行業經濟發展的增速大于碳排放增速，是物流業綠色低碳發展較理想的狀態；而擴張連接狀態下，行業經濟發展增速與碳排放增速相近，說明物流業發展對能源碳排放的依賴度相對較高。最近三個“五年計劃”期間，脫鉤指數值分別為0.62、0.80、0.64，說明江蘇省物流業碳排放與行業經濟發展整體呈弱脫鉤狀態，但脫鉤指數值偏高，距離實現強脫鉤狀態依舊任重道遠。2020—2021年，脫鉤指數小于0，首次出現強脫鉤。其中存在的原因可能為，2016—2019年物流業增加值的年均增長率為8.13%，盡管2021年物流業增加值的增幅高達7.70%，但仍舊沒有恢復到以前的發展水平。

3.3 物流業碳排放脫鉤驅動因素分析

運用LMDI模型對物流業碳排放脫鉤因素進行分解，計算結果見表3。

表3 2005—2021 年江蘇省物流業碳排放脫鉤各驅動因素影響指數

3.3.1 阻礙因素

3.3.1.1 經濟產出

影響指數都為正數且均值為0.86，是物流業實現碳排放脫鉤的最大阻力。2005年，我國人均GDP為2.40萬元/人，2021年增加至9.38萬元/人，CO2排放量累計增加4 821.44萬噸。2011年起，江蘇省人均GDP穩居全國第三，居民人均消費支出則從2005年的0.65萬元增加至2021年的3.15萬元，增長了3.85倍。隨著經濟產出水平的提升，居民消費支出也隨之增加。消費需求增加又帶動了商品流通，結果引起物流業能源消費和碳排放量的增加。然而，以抑制經濟發展為代價來減少物流業碳排放量的做法，有悖于提升人民生活水平的目標，所以有必要推動經濟綠色低碳轉型，鼓勵居民適度消費、綠色消費。

3.3.1.2 能源效率

導致物流業CO2累積增排978.46萬噸，同時影響指數多為正數，對物流業碳排放脫鉤的阻礙作用僅次于經濟產出效應。研究期內，單位能耗的產出水平從3.89萬噸公里/噸標準煤上升至5.22萬噸公里/噸標準煤，整體呈波動式上升態勢。雖然物流業的能源使用效率大幅提升，但其能源結構仍以油品消費為主。2021年，汽油、柴油等油品消費總量約為2 076.59萬噸標準煤，約占該行業能源消費總量的86.82%。盡管電力、天然氣等低碳能源的消費比重有所提升，但占比仍較低，對能源結構的影響極其有限。在“雙碳”目標的約束下，有必要加快推進能源結構調整，以抑制能源結構的增排作用。

3.3.1.3 人口規模

影響指數介于0.03～0.17之間，對物流業碳排放脫鉤的阻力相對較小。2011—2014年，人口規模效應指數（≥0.1）普遍較高，與其他年份相比，脫鉤阻力較大。經分析，2011—2014年，江蘇省常住人口數年增長率均超過了1%；2015年及以后，增長率呈下降趨勢，人口規模效應的脫鉤阻力也逐漸降低。2011年開始的“雙獨二孩”政策、2013年“單獨二孩”政策的全面實施，使江蘇省人口規模出現小幅上升，但2015年“全面二孩”政策的實施，對江蘇省人口增長的刺激作用則略有下降。研究表明，人口規模對物流業碳排放脫鉤具有阻礙作用，但若通過縮減人規模來實現脫鉤目標，可能又會帶來一些社會問題，如勞動力短缺等，不利于社會經濟穩定。

3.3.1.4 行業結構

對物流業碳排放脫鉤的影響指數以正數居多，導致CO2累計增排328.44萬噸。研究期間，江蘇省地區生產總值、物流業增加值和年增長率均在波動式下降。產業結構效應指數的正負，取決于物流業增加值增速與地區生產總值增速的差值，差值為正時，呈正效應，且差值越大，阻礙作用越顯著；差值為負時，呈負效應，但推動作用十分有限。此外，江蘇省物流業增加值從2005—2021年擴大了3.81倍，但物流業增加值占地區生產總值的比重，卻從2005年的4.40%，增加至2021年的4.82%，僅變化了0.42%。這說明近16年來，江蘇省物流業的規模占比基本保持穩定，導致產業結構效應對碳排放脫鉤僅存在微弱的阻礙作用，通過大幅調整產業結構達成江蘇省物流業碳排放脫鉤的目標極其困難。

3.3.2 推動因素

3.3.2.1 能源強度

影響指數變化趨勢與脫鉤指數變化趨勢基本保持一致，是江蘇省物流業實現碳排放脫鉤的最大推動力。2005—2021年間，江蘇省物流業的能源消費總量從858.38萬噸標準煤增加至2 391.85萬噸標準煤。單位GDP能耗整體呈下降態勢，從1.08噸標準煤/萬元下降至0.62噸標準煤/萬元，降幅達42.05%。經計算，江蘇省物流業單位GDP能耗（最低值為0.62，均值為0.83）遠低于全國行業平均水平（最低值為1.27，均值為1.65），但明顯高于全省平均水平（最低值為0.45，均值為0.67），且差距呈擴大趨勢，這表明江蘇省物流業的單位GDP能耗仍存在很大的提升空間。通過對比，江蘇省物流業單位GDP能耗在2008、2010、2019年度有略微上升，對應的碳排放脫鉤影響指數均為正數。但由于數值較低，所以阻礙作用不明顯；其余年份，單位GDP能耗的細微下降，表現出明顯的推動作用。可見，降低單位GDP能耗，是江蘇省物流業低碳綠色發展的關鍵。

3.3.2.2 碳排放效率

影響指數均值為-0.15，引起CO2累計減排632.15萬噸。碳排放效率影響指數的正負，取決于碳排放效率值的變化趨勢，碳排放效率值上升，影響指數為正值；反之，為負值。研究期內，江蘇省物流業的碳排放效率值從0.62噸CO2/萬噸公里波動式下降至0.46噸CO2/萬噸公里，主要得益于物流業運輸結構的不斷優化。就碳排放而言，水路運輸和鐵路運輸較公路運輸更低碳環保。2021年，江蘇省公路貨運量占全省貨運總量的60.78%，較2015年下降5.25%。為充分發揮碳排放效率的推動作用，江蘇省應從需求側出發，積極推動大宗貨物運輸“公轉水”“公轉鐵”，持續優化物流業的運輸結構。

4 結論與建議

4.1 主要結論

通過上述分析，可以得出如下幾個結論。

2005—2019年，江蘇省物流業能源消費總量和碳排放總量均呈持續增長狀態。能源消費總量從858.38萬噸標準煤增加至2 469.27萬噸標準煤，CO2排放總量從1 905.23萬噸增加至5 655.24萬噸。2020—2021年，CO2排放增速急劇下降，但隨著社會經濟復蘇，CO2排放總量還會持續增加。

整體而言，江蘇省物流業的發展增速高于碳排放增速，處于綠色低碳的較為理想的發展狀態。但是，目前脫鉤指數值仍較高，距離強脫鉤的目標，仍存在較大的差距。同時，經濟產出、能源效率、人口規模和行業結構對物流業碳排放脫鉤起阻礙作用，且阻力依次遞減；提高能源強度和碳排放效率對物流業碳排放脫鉤具有推動作用。持續降低物流業的能源強度，是進入強脫鉤狀態的關鍵。

4.2 主要建議

一是積極增加清潔能源供給。物流業對化石能源過度依賴，主要以汽油和柴油為主。大力發展非化石能源，加快構建風、光、水、核等可再生能源供應體系，積極推進新型電力系統建設，促進物流業能源結構從以油品為主向多元化轉變。依據《江蘇省碳達峰實施方案》要求，“十四五”“十五五”期間，非化石能源的消費比重持續提升，到2025年，非化石能源消費比重將達18%。通過加快能源結構調整進程，引導行業能源結構向清潔和高效的方向發展，為物流業“雙碳”目標的實現奠定基礎。

二是積極推進物流業運輸結構調整。當前的貨運方式以公路運輸和水路運輸為主，而公路運輸碳排放占比最高，是物流業碳減排的重點領域。積極推動物流運輸工具綠色低碳轉型，加快新能源汽車研發和應用，完善充電樁、換電站等配套設施的建設，大幅提升新能源汽車市場占有率。同時，加快構建江河海多式聯運體系，促進大宗貨物運輸“公轉水”“公轉鐵”，充分發揮內河的航道資源優勢構建內河集裝箱運輸體系，持續優化物流運輸結構。

三是積極引導生產生活方式的綠色轉型。以抑制經濟發展和人口增長速度為代價來緩解物流業的碳排放壓力，與我國以發展為第一要務的理念相悖。江蘇省應深入貫徹新發展理念，積極推進綠色低碳循環發展經濟體系的建設，嚴格限制高能耗、高排放項目的發展。同時，物流業碳減排與每一位物流參與者息息相關。倡導綠色健康生活方式，提升居民環保意識，鼓勵居民適度消費、理性消費，為順利實現物流業“雙碳”目標做貢獻。