基于LMDI的物流业碳排放脱钩及其影响因素分析

0  引  言 

气候变化问题日益突出，引起了各国政府的高度重视。气候变化主要是由温室气体造成的，而温室气体则是由燃烧大量的原煤、石油和天然气等化石燃料所产生的废气构成的，其主要成份是CO2。2022年，我国能源燃烧和工业过程产生的CO2排放量高达121亿吨，约占全球CO2排放总量的32.88%。碳减排是世界各国面临的共同难题，作为碳排放大国，我国面临的碳减排压力日趋严峻。2020年9月，我国在联合国会议上郑重承诺，努力在2030年前实现碳达峰、2060年前实现碳中和（简称“双碳”目标），表明了我国坚定走绿色低碳发展道路的决心。2021年，我国物流业的能源消费量为4.03亿吨标准煤，约占全国能源消费总量的10.78%；CO2排放量约为9.13亿吨，仅次于电力和工业部门。因此，研究物流业的碳减排方案，对推动物流业绿色低碳发展，实现“双碳”目标具有重要意义。江苏省地处长三角经济区，地区生产总值稳居全国第二，物流业增加值位居全国第三。本文以江苏省为例，分析不同时期物流业碳排放与行业发展的脱钩关系，探索适用于物流业实现碳排放脱钩的有效措施，并试图在全国范围内推广应用，有力地支撑全省乃至全国“双碳”目标的如期实现。

1  研究现状

学术界针对物流业碳排放的研究主要集中在碳排放核算、碳排放脱钩以及碳排放影响因素等方面。（1）在核算物流业碳排放量时，通常限定区域，如某国家、某区域和某省等，且多采用联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change, IPCC）提供的碳排放系数法[1-2]。（2）碳排放脱钩研究是界定物流业碳排放与行业发展间的关系，不同地区物流业的脱钩状态存在显著差异，常用的分析方法包括Tapio脱钩模型[3-4]和OECD脱钩模型[5]。（3）针对物流业碳排放影响因素的研究，不同研究人员选取的影响因素会有较大差异，同一影响因素对不同地区的影响程度及方向也有所不同。物流业碳排放常见的驱动因素有能源强度、经济产出和人口规模等。目前采用的主要方法是：基于IPAT模型或Kaya恒等式，建立物流业碳排放量与影响因素间的数量关系，运用回归分析和指数因素分解法进行研究。本文选用指数因素分解法中的对数平均迪氏指数法（Logarithmic Mean Divisia Index, LMDI）来分析物流业碳排放脱钩的驱动因素，因为该方法具有分解公式形式简单、分解过程无残差等优点[6]，且能有效地处理零值问题。

2  研究方法与数据说明

2.1  碳排放核算

借鉴IPCC的核算方法，即使用能源消费量乘以对应的CO2排放系数，计算公式见（1）。其中，C表示CO2排放总量，i表示能源类型，Ci表示能源i的CO2排放量，FCi表示能源i消费的实物量，fi表示能源i的CO2排放系数，本文选取了物流业8种常用的能源进行分析，依据相关资料综合得出的计算参数见表1。

                  （1）

表1  8种常用能源的计算参数

能源类型 CO2排放系数 折标准煤系数

原煤 1.90 tCO2/t 0.71 tce/t

汽油 2.93 tCO2/t 1.47 tce/t

煤油 3.04 tCO2/t 1.47 tce/t

柴油 3.10 tCO2/t 1.46 tce/t

燃料油 3.17 tCO2/t 1.43 tce/t

液化石油气 3.11 tCO2/t 1.71 tce/t

天然气 2.16 tCO2/103m³ 1.33 tce/103m³

电力 9.28 tCO2/104kWh 1.23 tce/104kWh

2.2  碳排放脱钩模型

Tapio脱钩指数θ的计算公式如（2）所示。其中，△C表示物流业碳排放变化量，△GDPL表示物流业增加值变化量，GDPL为物流业增加值，Cn和C0、GDPLn和GDPL0分别表示第n年和基准年的碳排放量、行业增加值。结合行业碳排放、增加值的变化情况及脱钩指数的不同，可将脱钩状态分为8类，分类标准见表2。其中，强脱钩是最理想的状态，即物流业实现绿色低碳化发展；强负脱钩是最差的状态，即牺牲环境也无法推动行业高速发展。

                 （2）

表2  碳排放脱钩分类标准

状态 △C △GDPL θ 含义

强脱钩 <0 >0 <0 行业增加值增加且碳排放下降 

弱脱钩 >0 >0 ［0,0.8］ 行业增加值增幅略高于碳排放增幅

衰退脱钩 <0 <0 >1.2 行业增加值降幅远低于碳排放降幅

扩张连接 >0 >0 ［0.8,1.2］ 行业增加值增幅与碳排放增幅相当

衰退连接 <0 <0 ［0.8,1.2］ 行业增加值降幅与碳排放降幅相当

扩张负脱钩 >0 >0 >1.2 行业增加值增幅远小于碳排放增幅

弱负脱钩 <0 <0 ［0,0.8］ 行业增加值降幅略高于碳排放降幅

强负脱钩 >0 <0 <0 行业增加值下降而碳排放增加

2.3  碳排放脱钩因素分解

Kaya恒等式将碳排放量分解成4个因素，分别为能源碳排放强度、能源强度、经济产出和人口规模。本文结合物流业的行业特征，引入运输周转量因素对Kaya恒等式进行合理拓展，公式见（3）和（4）。其中，E为能源消费的标准量；T为运输周转量；GDP表示地区生产总值；P是常住人口数；CE=C/T表示单位周转量碳排放水平，即碳排放效率效应；EE=T/E为单位能源周转量，即能源效率效应；EI=E/GDPL为单位产值能耗，即能源强度效应；IS=GDPL/GDP为行业增加值占地区生产总值的比重，即产业结构效应；EO=GDP/P为人均GDP，即经济产出效应；P表示人口规模效应。

                （3）

                （4）

根据LMDI加法分解模型[6]，△C可分解为各驱动因素的贡献值之和，见公式（5）。

    （5）

其中，△CCE、△CEE、△CEI、△CIS、△CEO、△CP，分别代表6个驱动因素对物流业碳排放变化的贡献值，计算公式如下：

                       （5.1）

                       （5.2）

                        （5.3）

                        （5.4）

                       （5.5）

                         （5.6）

其中，w为权重系数，见公式（6）。

                       （6）

为测算各驱动因素对江苏省物流业碳排放与行业经济发展脱钩指数的影响程度，将公式（5）代入公式（2），得到公式（7），并分别用θCE、θEE、θEI、θIS、θEO和θp表示碳排放效率、能源效率、能源强度、产业结构、经济产出以及人口规模对行业碳排放脱钩的影响指数。