武漢市物流業碳排放及影響因素研究

摘 要：物流是產生碳排放最重要的產業之一，在“雙碳”戰略目標下，物流業低碳發展成為備受關注的焦點問題?；?010—2022年武漢市物流業能源消耗的數據，文章估算了武漢市物流業的碳排放量，運用LMDI模型探究能源結構效應、能源強度效應、物流產出效應、經濟發展水平效應、人口規模效應對武漢市物流業碳排放的影響。結果表明武漢市物流業碳排放量持續增長；能源強度效應、物流產出效應和能源結構效應對物流業碳排放的抑制作用依次為顯著、較顯著和一般；經濟發展效應是促進物流業碳排放的最重要因素，人口規模效應具有較小的正向驅動作用。

關鍵詞：物流業碳排放；影響因素；LMDI模型；武漢市

中圖分類號：F062.2；X705 文獻標志碼：A DOI：10.13714/j.cnki.1002-3100.2025.02.008

Abstract： The logistics industry is one of the most important industries that produce carbon emissions. Under the strategic goals of \"double carbon\"， the low-carbon development of the logistics industry has become the focus of attention. Based on the energy consumption data of Wuhan logistics industry from 2010 to 2022， this paper estimated the carbon emissions of Wuhan logistics industry， and used LMDI model to explore the influence of energy structure effect， energy intensity effect， logistics output effect， economic development level effect and population size effect on carbon emissions of Wuhan logistics industry. The results show that the carbon emissions of Wuhan's logistics industry is showing a continuous growth trend， that the inhibitory effects of energy intensity， logistics output and energy structure on "carbon emissions are significant， relatively significant and average respectively， and that economic development has an obvious positive driving effect on the growth of carbon emissions， and population size has a certain promoting effect on carbon emissions.

Key words： logistics carbon emissions; influencing factors; LMDI model; Wuhan City

0 " "引 " "言

黨的二十大報告強調“推動經濟社會發展綠色化、低碳化是實現高質量發展的關鍵環節”，物流業在國民經濟發展中發揮著先導性、基礎性和戰略性作用，包含運輸、倉儲和配送等多個耗能排碳環節，是產生碳排放最重要的產業之一，因而物流業的低碳發展成為全球關注的核心問題。

作為我國中部地區水陸空交通的重要鏈接節點、素有“九省通衢”之稱的武漢市一直重視物流業的發展。近十年來，武漢市物流業增加值占GDP的比重保持9%以上，占第三產業增加值比重保持15%左右，物流業是武漢市經濟發展的支柱產業之一。在雙循環的新發展格局下，武漢市提出要建設國家商貿物流中心，在“十四五”規劃中再次明確提出重點發展物流產業，顯然，物流業已成為武漢市經濟發展的核心力量。那么，武漢市物流業碳排放情況如何，哪些因素對武漢市物流業碳排放產生作用，只有明確了這些，采取相應的對策，才能實現武漢市物流業的高質量發展。

1 " "文獻綜述

關于物流業碳排放的研究主要集中于碳排放的測算和碳排放影響因素兩方面。碳排放的測算主要探討了碳排放效率和碳排放量，采用的方法主要包括SBM、DEA、投入產出模型、《2006年IPCC國家溫室氣體清單指南》提供的方法等，研究范圍主要包括國際層面、國家層面、區域層面和省份層面等。如Mariano等[1]運用DEA-SBM對104個國家物流低碳發展的績效進行了測算。馬飛等[2]基于2008—2017我國30個省份的數據，運用DEA-Malmquist指數模型測算了物流業碳排放績效。朱桃杏等[3]運用SBM模型分析2014—2018年我國各省區物流發展效率。林秀群等[4]運用包含非期望產出的超效率SBM與Malmquist指數模型研究了長江經濟帶的物流業碳排放效率。黃超然等[5]運用Super-SBM模型測算了我國30個省份的物流能源效率。何景師等[6]采用SBM-DEA模型測算了我國沿海五大城市群的物流低碳效率。韓麗萍等[7]以投入產出模型為理論基礎，運用結構分解分析法和產業關聯效應分析法，研究了物流業碳排放問題。胡小飛等[8]采用IPCC提供的方法測算了長江經濟帶11省市物流業2006—2016年的碳排放量。耿立艷等[9]運用IPCC碳排放系數，構建碳排放強度與能源結構和能源效率關聯測度模型，對2008—2018年京津冀地區的相關數據進行靜態和動態特征分析。梁晶等[10]采用IPCC提供的方法測算了環渤海地區1994—2017年物流集聚水平與碳排放量，通過空間相關性分析，發現區域物流碳排放在空間上有顯著的相關性。

關于碳排放影響因素的研究，常用的方法有 IPAT模型[11]、STIRPAT 模型[12-14]、ISM模型[15-16]、LMDI分解模型[17-19]、Kaya 公式[20]等。LMDI 分解模型以日本學者Kaya提出的Kaya恒等式[21]為基礎，因具有滿足因素可逆且無殘差等優勢而被廣泛應用。Ang[22]首次提出用LMDI模型進行因素的分解。朱桃杏等[3]運用LMDI模型的研究表明，交通基礎設施、經濟發展程度等因素對區域碳排放的影響差異性較大。曹俊文等[23]采用LMDI分解模型探討了長三角地區物流業碳排放驅動因素。穆曉央等[24]運用Tapio脫鉤模型和LMDI模型分別研究了西部各省物流業碳排放的脫鉤狀態和影響因素。李健等[25]運用LMDI 模型對京津冀物流業的碳排放驅動因素進行分解研究。

物流業碳排放問題引起了學者的高度關注，但現有研究主要基于全國、區域或者省份層面，城市層面的研究較少。基于此，本文選擇視物流業為支柱產業的武漢市為研究對象，在測算物流業碳排放量的基礎上，運用LMDI分解模型探討物流業碳排放的影響因素及其效應，為武漢市物流業低碳發展提出建議。

2 " "數據和方法

2.1 " "數據來源

借鑒大多數文獻的做法，本文用交通運輸、倉儲和郵政業的相關數據表示物流業的數據。目前我國物流業的碳排放監測體系尚未完善，無法直接獲得碳排放的數據，只能通過測算物流業能源消耗量得到。結合武漢市物流業能源消耗的實際情況，選取能源消耗量占比較多的原煤、汽油、煤油、柴油、燃燒油、天然氣6種化石燃料。根據《綜合能耗計算通則》（GB/T 2589—2008）提供的各能源折標準煤系數，將物流業各種能源消耗量折算成標準煤消耗量。武漢市2010—2022年物流業各類化石能源數據來源于《中國能源統計年鑒》，GDP和人口規模數據來源于《武漢統計年鑒》。

2.2 " "碳排放量的測算

根據《2006年IPCC國家溫室氣體清單指南》和《省級溫室氣體清單編制指南》，物流業能源消耗的碳排放量測算方法見公式（1）。

（1）

其中：表示能源消耗碳排放總量；表示能源類型；表示第類能源的消耗量；表示第類能源凈發熱值；表示第類能源的CO2排放因子。

根據IPCC指南提供的方法以及《中國能源統計年鑒》發布的數據，確定各種能源的能源凈發熱值和有效CO2排放因子，見表1。

2.3 " "碳排放影響因素的分解模型

參考學者的研究[3，17-19，23-24]，本文認為武漢市物流業碳排放是能源結構（ES）、能源強度（EI）、物流產出（LO）、經濟發展水平（ED）、人口規模（PS）五方面共同作用的結果。其中，能源結構用各種能源消耗量占能源消耗總量的比值表示，能源結構變化是引起碳排放變化的重要原因之一[26]；能源強度用單位產出所消耗的能源量表示，能源強度是衡量能源利用效率的經濟指標，能源強度越小，表明運用的能源技術越先進和成熟[27]，越能控制能源系統的碳排放量；物流產出用物流業產值占生產總值的比例表示，物流產出表明了物流業在地區經濟發展中的地位，直接關系到物流業碳排放；經濟發展水平用人均GDP表示，人均GDP表明區域國民富裕程度和購買力，人民購買力和消費水平越高，能源消耗總量越大；人口規模用總人口數表示，人口越多，生產和生活需求越多，物流服務需求也越多，進而對物流業碳排放產生重要影響。Kaya恒等式擴展模型如下。

（2）

其中，表示物流業第年的二氧化碳排放量；表示物流業第年第種能源的二氧化碳排放量；表示物流業第年第種能源的消耗量（折算成標準煤）；表示物流業第年能源消耗總量（折算成標準煤）；表示第年的物流業產值；表示第年該地區的生產總值；表示第年該地區的人口總數。

公式進一步表示如下。

（3）

其中，，表示第年消耗每單位的能源所釋放的二氧化碳量，即第種能源的碳排放系數；，表示第年消耗第種能源占總能源消耗量的比重，用于反映能源結構；，表示第年每單位的物流產值所消耗的能源總量，用于反映能源強度；，表示第年該地區的物流產值占生產總值的比重，用于反映物流產出；，表示人均GDP，用于反映經濟發展水平；表示第年該地區人口總數，反映人口規模。

運用LMDI模型對物流業碳排放因素進行分解，本文采用加法分解，將期初到期末物流業的總碳排放量變化用表示，它等于各種影響因素的變化值之和，C0表示基期（2010年）碳排放量，進一步分解，表示如下。

（4）

其中，0表示期初，t表示期末。由于各能源的碳排放系數基本保持不變，因此為0，而各因素貢獻值如下。

能源結構效應：；能源強度效應：；物流產出效應：

；經濟發展效應：；人口規模效應：。

不同分解因素的貢獻率如下。

；；；； 。

3 " "實證分析

3.1 " "武漢市物流業碳排放量測算及分析

基于武漢市2010—2022年的物流業能源消耗數據，根據公式（1），計算得到武漢市2010—2022年物流業碳排放量，如表2、圖1所示。

從總體趨勢看，2010—2022年武漢物流業碳排放總量呈上升趨勢。其中2011—2013年小幅降低，后續每年持續上升。2010—2012年間，原煤、汽油和柴油的碳排放量為“三大主力”，2013年，由于武漢市嚴格控制原煤消耗量，物流業原煤的碳排放量隨之大幅降低，從而導致全市物流業碳排放量降低，2013—2022年武漢市物流業碳排放量則一路上揚。從圖1可以看出，2013—2022年間汽油和柴油一直是物流業碳排放的“兩大主力”，原煤碳排放量則持續降低。

3.2 " "武漢物流業碳排放影響因素分析

基于武漢市2010—2022年的時間序列數據，運用LMDI 模型實證分析能源結構、能源強度、物流產出、經濟發展水平和人口規模五種因素對武漢市物流業碳排放的影響效應，結果見圖2。

3.2.1 " "能源結構效應

2011—2022年能源結構效應對武漢市物流業碳排放的貢獻率范圍為-69.78%～11.88%，平均貢獻率為-16.53%，累積效應為-98.626，總體看，能源結構效應對物流業碳排放具有負向抑制作用。但其中2011—2012年能源結構效應為正值，反映該階段能源結構效應對物流業碳排放具有正向驅動作用。2011—2012年武漢市物流業原煤消耗量較大，而原煤是碳排放系數最高的能源，這階段的原煤高消耗導致物流業化石能源效應對物流業碳排放產生了較大驅動影響。在2013年后，由于國家對原煤使用的限制，武漢物流業原煤消耗量大幅降低，從而直接改變了武漢市物流業的能源結構，也促使能源效應對物流業碳排放呈現出負向的抑制作用。但從總體來看，能源結構效應對武漢市物流業碳排放的抑制作用并不明顯（累積效應和貢獻率都較低）。這是由于汽油和柴油使用的比例始終處于高位，清潔能源、新能源的使用面不廣。隨著清潔能源在運輸、倉儲、配送、裝卸搬運等諸多物流環節應用的推廣，未來能源結構效應對武漢市物流業碳排放的抑制效應將進一步加大。

3.2.2 " "能源強度效應

2011—2022年能源強度效應對武漢市物流業碳排放的平均貢獻率為-67.43%，累積效應為-686.219。雖然在2011—2012年能源強度效應對武漢市物流業碳排放的影響表現為正向驅動作用，但2013年后均表現出顯著負向抑制作用。從累積效應來看，能源強度效應是抑制武漢市物流業碳排放增長最關鍵的要素。特別是2017—2018和2018—2019年，能源強度效應對物流業碳排放的抑制作用明顯增強，主要源于武漢市出臺了《武漢市能源發展“十三五”規劃》等一系列文件，并制定了相應措施，促進了節能環保設備在物流領域的應用。“雙碳”目標提出后，武漢對物流行業提出了更高的低碳要求，未來能源強度效應對武漢市物流業碳排放的抑制效應有望繼續加大。

3.2.3 " "物流產出效應

2011—2022年武漢市物流產出效應對武漢市物流業碳排放的貢獻率范圍為-299.02%～5.67%，平均貢獻率為-82.24%，累計效應為-452.563，除個別年份外，物流產出效應呈現顯著負向抑制作用。物流產出反映了物流業在地區經濟中的發展水平，物流產出值越高，說明該地區物流業越發達。武漢市正在打造國家商貿物流中心，物流業未來有望進一步快速發展。發達的物流業有利于促進形成統一的市場、統一的產業體系，充分發揮規模效應和產業集聚效應，更有效地配置物流資源，減少行業內耗能增碳的運營。在龍頭企業的帶領下，武漢物流企業正積極探索物流低碳發展路徑，通過企業間的合作交流，促進低碳環保觀念在企業發展戰略和日常管理中的滲透，從而降低物流業的碳排放。因此，物流產出效應對武漢市物流業碳排放的抑制效應在未來有望持續增強。

3.2.4 " "經濟發展效應

2011—2022年間，經濟發展效應對武漢市物流業碳排放始終呈現出正向驅動作用，在所有因素中貢獻度一直處于最高位，是驅動武漢市物流業碳排放增長的最重要因素，研究年度內平均貢獻率為242.43%。圖2顯示，經濟發展水平的驅動效應與能源強度效應的抑制作用形成了鮮明的對比，兩者的抵消才導致武漢市物流業碳排放的增長趨勢并未同步線性跟隨經濟的快速增長。武漢經濟發展水平在全國城市中一直處于前位，始終位列我國GDP十強城市之列，當前武漢正在采取積極措施提升重點產業的供應鏈韌性和安全，優化營商環境，希望在雙循環發展格局下進一步實現高質量發展經濟。因此，經濟發展效應對武漢市物流業碳排放的正向驅動作用會持續，但由于整個區域經濟隨我國戰略的調整，從重“量”轉向重“質”，這種正向驅動作用會有所減緩。

3.2.5 " "人口規模效應

2011—2022年武漢人口規模效應對物流業碳排放具有正向驅動作用，但貢獻度較小，平均貢獻度為35.63%，累積效應為373.142。武漢人口規模在我國城市中一直位居前列，2022年末全市常住人口達1 373.90萬人。為促進地區經濟高質量發展，高校林立的武漢采取了鼓勵高校畢業生留漢就業創業的一攬子“硬核”舉措，吸引了眾多人才。隨著武漢吸引力的增強和“三孩生育”政策的實施，武漢人口規模有望進一步擴大，從而導致人口規模效應對武漢市物流業碳排放依然具有正向驅動作用，但隨著綠色環保理念的深入和踐行、《武漢市“無廢城市”建設實施方案》等政策的落地，會削弱人口規模效應對武漢市物流業碳排放的正向驅動作用。

4 " "結 " "論

研究結果表明，物流產出效應和能源強度效應對武漢市物流業碳排放具有顯著的抑制作用，能源結構效應也呈現出抑制作用，但作用不明顯；經濟發展效應和人口規模效應都對武漢市物流業碳排放具有正向驅動作用，但前者的作用明顯高于后者。

基于以上結論，提出發展建議如下。武漢市要進一步深化物流業與其他產業的融合發展，加強區域合作，拓展武漢物流業的廣度和深度，擴大物流產業規模，增強物流產出效應。加速發展多式聯運，改善運輸結構，提高能源強度。研發和應用新技術，推廣清潔能源在物流領域的應用，優化能源結構。武漢市要充分利用全國碳排放權注冊登記系統（簡稱“中碳登”）落戶承載地的優勢，積極推進碳交易，促進地區經濟的高質量發展。倡導人們的綠色低碳理念，鼓勵綠色消費行為，如快遞包裝盒的回收再利用、快遞包裝垃圾的分類處理等，從而減少能源的使用成本。

參考文獻：

[1] MARIANO E B，GOBBO J A Jr.，DE CASTRO CAMIOTO F，et al. CO2 emissions and logistics performance：A composite

index proposal[J]. Journal of Cleaner Production，2017，163：166-178.

[2] 馬飛，胡江艷，孫啟鵬，等.中國省際物流業碳排放績效測度及驅動因素研究[J].生態經濟，2021，37（9）：27-33，39.

[3] 朱桃杏，頊玉卿，暴斌碩.區域物流發展特征和效率解析——基于碳排放和LMDI方法的分析[J].技術經濟與管理研究，

2021（6）：104-108.

[4] 林秀群，李嘉新，李陽，等.長江經濟帶物流業碳排放效率的測度及時空演化特征研究[J].生態經濟，2022，38（12）：31-38.

[5] 黃超然，周國華.碳約束下省域物流能源效率空間關聯效應及其影響因素[J].科技管理研究，2022，42（24）：184-191.

[6] 何景師，張智勇，葉善椿.基于三階段超效率SBM-DEA模型的我國沿海五大城市群低碳物流效率研究[J].上海海事大學

學報，2023，44（3）：55-63.

[7] 韓麗萍，李明達，劉炯.中國物流業碳排放影響因素及產業關聯研究[J].北京交通大學學報（社會科學版），

2022，21（1）：86-93.

[8] 胡小飛，王秀慧，吳爽.長江經濟帶物流業碳排放測算及其驅動要素研究[J].生態經濟，2019，35（7）：49-55.

[9] 耿立艷，張楠，張占福.京津冀地區物流業碳排放與能源消費關系的實證研究[J].商業經濟，2022（1）：52-55，63.

[10] "梁晶，盛慧敏，呂靖.環渤海地區物流產業集聚對物流碳排放影響的實證研究[J].生態經濟，2020，36（9）：38-43.

[11] "CHONTANAWAT J. Decomposition analysis of CO2 emission in ASEAN：An extended IPAT model[J]. Energy Procedia，

2018，153：186-190

[12] "YU Shiwang，ZHANG Qi，HAO Jianli，et al. Development of an extended STIRPAT model to assess the driving factors of

household carbon dioxide emissions in China[J/OL]. Journal of Environmental Management，2023，325.[2024-07-25].https：//doi.

org/10.1016/j.jenvman.2022.116502.

[13] "廖祖君，張劍宇，陳詩薇.碳排放影響因素及達峰路徑研究——基于四川省的分析[J].軟科學，2023，37（9）：95-101.

[14] "高國力，文揚，王麗，等.基于碳排放影響因素的城市群碳達峰研究[J].經濟管理，2023，45（2）：39-58.

[15] "李宗活，劉枚蓮.基于ISM和ANP的物流企業低碳發展影響要素分析[J].系統科學學報，2017，25（4）：105-109.

[16] "李煜華，袁亞雯.碳中和目標下制造企業閉環供應鏈低碳轉型機制研究——基于DEMATEL-ISM模型[J].科技管理研究，

2022，42（23）：226-234.

[17] "MOHAMMAD M H，WU Chongbo. Estimating energy-related CO2 emission growth in Bangladesh：The LMDI decomposition

method approach[J/OL]. Energy Strategy Reviews，2020，32.[2024-07-25].https：//doi.org/10.1016/j.esr.2020.100565.

[18] "王世進，蒯樂伊.中國交通運輸業碳排放驅動因素與達峰路徑[J].資源科學，2022，44（12）：2415-2427.

[19] "劉妍慧，栗洋.湖北省交通運輸業碳排放測算及影響因素分解[J].統計與決策，2022，38（15）：88-92.

[20] "ESKANDER S M S U，NITSCHKE J. Energy use and CO2 emissions in the UK universities：An extended Kaya identity

analysis[J/OL].Journal of Cleaner Production，2021，309.[2024-07-30].https：//doi.org/10.1016/j.jclepro.2021.127199.

[21] "KAYA Y. Impact of carbon dioxide emission control on GNP growth：Interpretation of proposed scenarios[C/OL]//IPCC Response

Strategies Working Group Memorandum 1989. IPCC Energy and Industry Subgroup，Response Strategies Working Group，1990.

http：//refhub.elsevier.com/S0301-4215（19）30228-9/sref28.

[22] "ANG B W. The LMDI approach to decomposition analysis：A practical guide[J]. Energy Policy，2005，33（7）：867-871.

[23] "曹俊文，周麗.長三角地區物流業碳排放時空分布及其影響因素研究[J].統計與決策，2021，37（10）：79-83.

[24] "穆曉央，王力，徐蓉，等.西部省域物流業碳排放脫鉤及影響因素研究[J].環境科學與技術，2020，43（4）：214-219.

[25] "李健，白子毅，李柏桐.雙碳背景下京津冀物流業碳排放脫鉤及影響因素研究[J].城市問題，2022（5）：69-76.

[26] "MUNGUIA M. Renewable energy investment in Chile：Make hay while the sun shines[J]. Renewable Energy Focus，

2016，17（6）：234-236.

[27] "陳軍華，李喬楚.成渝雙城經濟圈建設背景下四川省能源消費碳排放影響因素研究——基于LMDI模型視角[J].生態經濟，

2021，37（12）：30-36.