基于LMDI 的物流业碳排放脱钩及其影响因素分析

严桂琴，徐梦月（苏州工业园区服务外包职业学院，江苏 苏州 215123）

0 引 言

近年来，气候变化问题日益突出，引起了世界各国的高度重视。气候变化主要由温室气体过度排放导致，而温室气体则是由燃烧大量原煤、石油和天然气等化石燃料产生的废气构成的，其主要成份是CO2。2022年，我国能源燃烧和工业生产过程中的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，我国面临的碳减排压力也日趋严峻。2020年9月，我国将努力在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，地区生产总值和物流业增加值位居前列。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于碳排放核算、碳排放脱钩及碳排放的影响因素等方面。在核算物流业的碳排放量时，通常会限定区域，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]。碳排放脱钩研究指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]。针对物流业碳排放的影响因素展开研究，不同研究人员选取的影响因素存在较大的差异，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包括能源强度、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）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，见公式（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。

表1 8 种常用能源的计算参数

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、和分别表示第n年和基准年的碳排放量和行业增加值。结合行业碳排放、增加值的变化情况及脱钩指数的差异，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。

表2 2005—2021 年江苏省物流业碳排放脱钩状态

表2 碳排放脱钩分类标准

2.3 碳排放脱钩因素分解

Kaya恒等式将碳排放量分解为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，见公式（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表示单位周转量的碳排放水平，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。

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）。

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。

其中，w为权重系数，见公式（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、经济产出及人口规模对行业碳排放脱钩的影响指数。

2.4 数据说明

物流业能源消费实物量来自《中国能源统计年鉴》（2006—2022年），相关能源的折标准煤系数来自《综合能耗计算通则》（GB/T 2589-2020）。地区生产总值、物流业增加值、运输周转量和常住人口数等数据均来自《江苏省统计年鉴》（2006—2022年）。为减小价格因素的影响，地区生产总值和物流业增加值均以2005年为基期做不变价处理。

3 实证分析

3.1 物流业碳排放变化趋势分析

如图1所示，2005—2019年期间，江苏省物流业能源消费总量整体呈上升趋势，且以汽油和柴油两种油品消费为主。2015年，两种油品消费的比重之和为87.07%；2019年，下降为71.78%，降幅明显，但二者依旧是物流业能源消费的主要来源。碳排放总量的变化趋势与能源消费总量变化趋势基本一致，一直呈现高速增长态势。2020年，物流业能源消费总量约为2 475.61万吨标准煤，同比增长0.26%；CO2排放总量约为5 703.05万吨，同比增长0.63%。较2019年增幅明显下降，主要原因是受特殊时期因素影响，居民生活、经济活动的开展受到不同程度的限制。2021年，物流业能源消费总量和碳排放总量均处于负增长状态，可能是因为物流业还没有恢复发展。

图1 2005—2021 年江苏省物流业能源消费量和碳排放量

3.2 物流业碳排放脱钩状态分析

2005—2020年，从逐年尺度来看，江苏省物流业的碳排放与行业经济发展只存在弱脱钩和扩张连接两种状态，分别出现了7次和8次（见表2）。弱脱钩状态下，行业经济发展的增速大于碳排放增速，是物流业绿色低碳发展较理想的状态；而扩张连接状态下，行业经济发展增速与碳排放增速相近，说明物流业发展对能源碳排放的依赖度相对较高。最近三个“五年计划”期间，脱钩指数值分别为0.62、0.80、0.64，说明江苏省物流业碳排放与行业经济发展整体呈弱脱钩状态，但脱钩指数值偏高，距离实现强脱钩状态依旧任重道远。2020—2021年，脱钩指数小于0，首次出现强脱钩。其中存在的原因可能为，2016—2019年物流业增加值的年均增长率为8.13%，尽管2021年物流业增加值的增幅高达7.70%，但仍旧没有恢复到以前的发展水平。

3.3 物流业碳排放脱钩驱动因素分析

运用LMDI模型对物流业碳排放脱钩因素进行分解，计算结果见表3。

表3 2005—2021 年江苏省物流业碳排放脱钩各驱动因素影响指数

3.3.1 阻碍因素

3.3.1.1 经济产出

影响指数都为正数且均值为0.86，是物流业实现碳排放脱钩的最大阻力。2005年，我国人均GDP为2.40万元/人，2021年增加至9.38万元/人，CO2排放量累计增加4 821.44万吨。2011年起，江苏省人均GDP稳居全国第三，居民人均消费支出则从2005年的0.65万元增加至2021年的3.15万元，增长了3.85倍。随着经济产出水平的提升，居民消费支出也随之增加。消费需求增加又带动了商品流通，结果引起物流业能源消费和碳排放量的增加。然而，以抑制经济发展为代价来减少物流业碳排放量的做法，有悖于提升人民生活水平的目标，所以有必要推动经济绿色低碳转型，鼓励居民适度消费、绿色消费。

3.3.1.2 能源效率

导致物流业CO2累积增排978.46万吨，同时影响指数多为正数，对物流业碳排放脱钩的阻碍作用仅次于经济产出效应。研究期内，单位能耗的产出水平从3.89万吨公里/吨标准煤上升至5.22万吨公里/吨标准煤，整体呈波动式上升态势。虽然物流业的能源使用效率大幅提升，但其能源结构仍以油品消费为主。2021年，汽油、柴油等油品消费总量约为2 076.59万吨标准煤，约占该行业能源消费总量的86.82%。尽管电力、天然气等低碳能源的消费比重有所提升，但占比仍较低，对能源结构的影响极其有限。在“双碳”目标的约束下，有必要加快推进能源结构调整，以抑制能源结构的增排作用。

3.3.1.3 人口规模

影响指数介于0.03～0.17之间，对物流业碳排放脱钩的阻力相对较小。2011—2014年，人口规模效应指数（≥0.1）普遍较高，与其他年份相比，脱钩阻力较大。经分析，2011—2014年，江苏省常住人口数年增长率均超过了1%；2015年及以后，增长率呈下降趋势，人口规模效应的脱钩阻力也逐渐降低。2011年开始的“双独二孩”政策、2013年“单独二孩”政策的全面实施，使江苏省人口规模出现小幅上升，但2015年“全面二孩”政策的实施，对江苏省人口增长的刺激作用则略有下降。研究表明，人口规模对物流业碳排放脱钩具有阻碍作用，但若通过缩减人规模来实现脱钩目标，可能又会带来一些社会问题，如劳动力短缺等，不利于社会经济稳定。

3.3.1.4 行业结构

对物流业碳排放脱钩的影响指数以正数居多，导致CO2累计增排328.44万吨。研究期间，江苏省地区生产总值、物流业增加值和年增长率均在波动式下降。产业结构效应指数的正负，取决于物流业增加值增速与地区生产总值增速的差值，差值为正时，呈正效应，且差值越大，阻碍作用越显著；差值为负时，呈负效应，但推动作用十分有限。此外，江苏省物流业增加值从2005—2021年扩大了3.81倍，但物流业增加值占地区生产总值的比重，却从2005年的4.40%，增加至2021年的4.82%，仅变化了0.42%。这说明近16年来，江苏省物流业的规模占比基本保持稳定，导致产业结构效应对碳排放脱钩仅存在微弱的阻碍作用，通过大幅调整产业结构达成江苏省物流业碳排放脱钩的目标极其困难。

3.3.2 推动因素

3.3.2.1 能源强度

影响指数变化趋势与脱钩指数变化趋势基本保持一致，是江苏省物流业实现碳排放脱钩的最大推动力。2005—2021年间，江苏省物流业的能源消费总量从858.38万吨标准煤增加至2 391.85万吨标准煤。单位GDP能耗整体呈下降态势，从1.08吨标准煤/万元下降至0.62吨标准煤/万元，降幅达42.05%。经计算，江苏省物流业单位GDP能耗（最低值为0.62，均值为0.83）远低于全国行业平均水平（最低值为1.27，均值为1.65），但明显高于全省平均水平（最低值为0.45，均值为0.67），且差距呈扩大趋势，这表明江苏省物流业的单位GDP能耗仍存在很大的提升空间。通过对比，江苏省物流业单位GDP能耗在2008、2010、2019年度有略微上升，对应的碳排放脱钩影响指数均为正数。但由于数值较低，所以阻碍作用不明显；其余年份，单位GDP能耗的细微下降，表现出明显的推动作用。可见，降低单位GDP能耗，是江苏省物流业低碳绿色发展的关键。

3.3.2.2 碳排放效率

影响指数均值为-0.15，引起CO2累计减排632.15万吨。碳排放效率影响指数的正负，取决于碳排放效率值的变化趋势，碳排放效率值上升，影响指数为正值；反之，为负值。研究期内，江苏省物流业的碳排放效率值从0.62吨CO2/万吨公里波动式下降至0.46吨CO2/万吨公里，主要得益于物流业运输结构的不断优化。就碳排放而言，水路运输和铁路运输较公路运输更低碳环保。2021年，江苏省公路货运量占全省货运总量的60.78%，较2015年下降5.25%。为充分发挥碳排放效率的推动作用，江苏省应从需求侧出发，积极推动大宗货物运输“公转水”“公转铁”，持续优化物流业的运输结构。

4 结论与建议

4.1 主要结论

通过上述分析，可以得出如下几个结论。

2005—2019年，江苏省物流业能源消费总量和碳排放总量均呈持续增长状态。能源消费总量从858.38万吨标准煤增加至2 469.27万吨标准煤，CO2排放总量从1 905.23万吨增加至5 655.24万吨。2020—2021年，CO2排放增速急剧下降，但随着社会经济复苏，CO2排放总量还会持续增加。

整体而言，江苏省物流业的发展增速高于碳排放增速，处于绿色低碳的较为理想的发展状态。但是，目前脱钩指数值仍较高，距离强脱钩的目标，仍存在较大的差距。同时，经济产出、能源效率、人口规模和行业结构对物流业碳排放脱钩起阻碍作用，且阻力依次递减；提高能源强度和碳排放效率对物流业碳排放脱钩具有推动作用。持续降低物流业的能源强度，是进入强脱钩状态的关键。

4.2 主要建议

一是积极增加清洁能源供给。物流业对化石能源过度依赖，主要以汽油和柴油为主。大力发展非化石能源，加快构建风、光、水、核等可再生能源供应体系，积极推进新型电力系统建设，促进物流业能源结构从以油品为主向多元化转变。依据《江苏省碳达峰实施方案》要求，“十四五”“十五五”期间，非化石能源的消费比重持续提升，到2025年，非化石能源消费比重将达18%。通过加快能源结构调整进程，引导行业能源结构向清洁和高效的方向发展，为物流业“双碳”目标的实现奠定基础。

二是积极推进物流业运输结构调整。当前的货运方式以公路运输和水路运输为主，而公路运输碳排放占比最高，是物流业碳减排的重点领域。积极推动物流运输工具绿色低碳转型，加快新能源汽车研发和应用，完善充电桩、换电站等配套设施的建设，大幅提升新能源汽车市场占有率。同时，加快构建江河海多式联运体系，促进大宗货物运输“公转水”“公转铁”，充分发挥内河的航道资源优势构建内河集装箱运输体系，持续优化物流运输结构。

三是积极引导生产生活方式的绿色转型。以抑制经济发展和人口增长速度为代价来缓解物流业的碳排放压力，与我国以发展为第一要务的理念相悖。江苏省应深入贯彻新发展理念，积极推进绿色低碳循环发展经济体系的建设，严格限制高能耗、高排放项目的发展。同时，物流业碳减排与每一位物流参与者息息相关。倡导绿色健康生活方式，提升居民环保意识，鼓励居民适度消费、理性消费，为顺利实现物流业“双碳”目标做贡献。