中国省域物流作业的碳排放量测评及区域差异化分析

房艳君，吴梦娜

(山东师范大学商学院，济南 山东 250014)



中国省域物流作业的碳排放量测评及区域差异化分析

房艳君，吴梦娜

(山东师范大学商学院，济南 山东 250014)

给出了省域物流作业CO2排放量测量模型，测算了不同能源的CO2排放因子及排放系数。以物流作业直接能耗法核算我国各省域2003—2012年10年间的物流作业CO2排放指标，包括各省域的CO2排放量和单位货物周转CO2排放量，通过数据分析发现，我国物流作业的CO2排放量呈增长趋势，但是单位货物周转碳排放量在波动变化的过程中，呈现整体下降趋势。利用泰尔指数测算区域间和区域内的差异大小发现，我国东、中、西部地区之间的单位货物碳排放存在显著的差异性，差异性主要来自于区间内的差异，说明各省之间物流作业的碳排放量差异较大。

物流作业；碳排放量；测评；泰尔指数；区域差异

0　引言

21世纪，人口、资源与环境三者之间的矛盾日益凸显，要求制造业提高其活动与环境的相容性，随着可持续发展战略的提出，温室气体的减排受到我国政府的密切关注。2009年的世界气候峰会上，中国承诺到2020年实现单位GDP二氧化碳排放量比2005年的排放量下降40%～45%，同时将CO2排放量作为约束性指标纳入国民经济和社会发展中长期规划。在2014年的世界气候峰会上，中国呈现的数据报告显示，为确保实现到2020年前碳强度下降40%～45%的应对气候变化行动目标，2013年已实现单位GDP二氧化碳排放比2005年累计下降28.56%。同时，2014峰会展示的资料显示，世界银行做了一个测算，从节能的角度看，1990—2010年，中国累计节能量占了全球总节能量的58%，这说明全世界节能量当中中国占了一半以上。在经济发展的各领域内，现代物流业既是经济构成的重要组成行业之一，同时又是能源消耗大户、主要的碳排放源之一，因此，关注物流作业的碳排放，是实现温室气体减排、缓解气候变化的有效途径之一。2009年国际能源署(IEA)出版的《运输、能源与二氧化碳：迈向可持续发展》报告表明，全球CO2排放量约有25%来自交通运输，预计到2050年全球交通运输业的能源消费品量将翻一番[1]。为此，英国、欧盟、日本、美国等发达国家以及国际能源署、经济合作与发展组织、世界银行(WB)、亚洲开发银行(ADB)、国际运输论坛(ITF)、国际民航组织(ICAO)、国际海事组织(IMO)等国际组织或咨询机构，纷纷将发展低碳交通运输作为关注的焦点、研究的热点与实践的重点；此外，联合国政府间气候变化专门委员会(IPCC)、全球环境基金(GEF)、气候组织(Climate Group)、世界自然基金(WWF)、世界可持续发展工商理事会(WBCSD)、世界资源研究所(WRI)、麦肯锡等国际组织或咨询机构也高度关注低碳交通发展[2]。因此，发展低碳物流是大势所趋。如果能够降低物流作业的能源消耗，一方面，可以促进碳排放的进一步控制和减少；另一方面，可以推动先进物流技术的发展，实现行业的运作方式的转变，进而推动区域经济向低碳经济增长方式的转变。从全国省域层面对我国物流作业的10年碳排放量和排放趋势进行核算和比较分析，有利于剩余物流作业比较分析，同时为省域制定物流作业的减排目标提供数据支持，为各省制定省域物流减排的政策制度提供理论依据和基础。本文以省域物流作业直接耗能法来核算CO2排放量，依据国家统计局公布的相关统计数据，核算出各省域2003—1012年的CO2排放量及相关数据，通过比较分析来了解各省域的能源消耗和CO2排放的差距，同时比较分析各省域在10年内的能源消耗和CO2排放的变化趋势。

1　相关研究综述

进行碳排放的测算分析，是通过能源消耗的数量进行估算得到的。每种能源消耗的总量可以由统计部门进行统计得到，但是每种能源碳排放量的排放系数需要进行估算才能得到。联合国政府间气候变化专门委员会IPCC在2006年提供了碳排放量估算的参考方法，如公式(1)所示。同时提供了各种类型能源的碳含量和有效碳排放系数，如表1所示。

(1)

式中：CO2表示要估算的CO2排放量；i表示各种燃料，包括煤炭、焦炭、汽油、煤油、柴油、燃料油和天然气；E表示初级燃料的消耗量；NCV表示平均低位发热量；CEF为IPCC(2006)提供的各种燃料的碳排放系数，如表1所示。

表1　IPCC计算方法中初级燃料的平均低位发热量及碳排放系数表

注：NCV数据来源于《中国能源统计年鉴》；CEF数据来源于2006年的IPCC。

在物流碳排放量测算的方法研究方面，参考已有的国内外相关文献，现阶段的测算研究方法主要有基于油料消耗测算[3]和基于运距测算[4]两种测算方法。Woensel T. V.[3]等构建一个以恒定车速为基本假定的动态测度模型，在特定的路面上，假设车辆以恒定的车速运行，以此为基准，运用车辆的油料消耗来测算CO2的排放量。Palmer A．[4]构建了一个基于路径选择的运距计算模型，在模型中考虑综合的运输影响因素和环境模型，然后运用计算机算法，测算基于运距的CO2排放量。同时，Piecyk 运用Delphi调查方法，将对货物运输需求、车辆燃料消耗和对应碳排放产生影响的因素进行辨识和分析，并根据不同层次的物流决策分成6类，构建三种场景对2020年公路运输碳排放量进行评估[5]。Ubeda 以西班牙的食品配送公司Eroski为例进行了绿色物流的相关研究，估计测算了物流对环境的影响、为减少碳排放而进行的线路优化和配送模式优化的分析[6]。Hickman 以伦敦市为原型，基于计算机技术，构建了一个运输和物流碳排放的仿真模型，该模型的设定可适用于帮助分析不同政策下的碳排放约束效果，为降低碳排放量的政策制定提供参考[7]。国内的周叶等依据IPCC的碳排放核算方法，构建了一个省域物流作业CO2排放量测量模型，测算了不同能源的CO2排放因子及排放系数，利用2008年的数据对省域之间的物流碳排放情况进行了对比分析，最后提出低碳物流的发展对策[8]。本文即是在周叶等人的研究基础上利用2003—2012年的面板数据进行省域物流碳排放的对比分析，以此为各省域进行低碳物流的发展提供数据参考和依据。

2　省域物流作业CO2排放量的测量

2.1省域物流作业CO2排放量的测量模型

已有的统计数据显示，现阶段我国还未进行物流业能耗数据的直接统计，物流业直接碳排放量的检测数据也就无从下手，因此物流业能源消耗碳排放量的测算只能通过其他相关行业的统计数据进行间接的统计、测算而得到。在物流业的能源消耗过程中，主要消耗方式为运输和仓储，因此进行物流业能耗数据的测算，可以采用国家能源统计数据中的交通运输、仓储及邮电通信业能耗的统计数据来近似代替。在进行物流业CO2的测算过程中，我们采用如前面公式(1)所示的测评方式为基本依据进行省域物流的CO2排放量测评模型的构建，但是因为物流行业能耗数据的测算过程中，发现能源的种类比表1给出的能源种类更多，因此，对能源种类进行合并和划分，参考周叶等在《中国省域物流作业的CO2排放量测评及低碳化对策研究》中建立的省域物流业碳排放测量模型，构建具体计算模型描述如下：

Qc=Qpc+Qcc+Qgc+Qec+Qhc+Qoc

(2)

式中：Qc为省域物流作业的CO2总排放量；Qpc为消耗石油类燃料产生的CO2排放量的测算值；Qcc为消耗煤炭类燃料产生的CO2排放量的测算值；Qgc为消耗燃气类燃料产生的CO2排放量的测算值；Qec为消耗电能进行折算的CO2排放量；Qhc为消耗热能进行折算的CO2排放量；Qoc为消耗其他能源而产生的CO2排放量的测算值。不同燃料种类中CO2排放量的计算方式为：

Qic=Σ(i中的不同能源消耗品×CO2排放系数)

其中，i=p,c,g。

(3)

2.2省域物流作业CO2排放量的测量数据分析

电能、热能和其他能源的CO2排放量的测算方式按照对应能源转化为标准煤的数量统一进行CO2排放量的测算(数据来源：中国能源统计年鉴，2003—2012年)。2003—2012年，东、中、西部地区各省物流作业的碳排放量和单位货物周转碳排放量的测算值如图1、图2所示。

从图1(a)可以看出，2003—2012年的10年间，在中国的东部地区，各省物流作业的CO2排放总量中，基本排列趋势从高至低依次为：广东、山东、上海、辽宁、江苏、浙江、北京、河北、福建、广西、天津和海南(中间个别年份略有变动)；从图1(b)可以看出，2003—2012年的10年间，在中国的中部地区，各省物流作业的CO2排放总量中，基本排列趋势从高至低依次为：湖北、内蒙古、河南、湖南、山西、黑龙江、吉林、安徽和江西(中间个别年份略有变动)；从图1(c)可以看出，2003—2012年的10年间，在中国的西部地区，各省物流作业的CO2排放总量中，基本排列趋势从高至低依次为：四川、陕西、云南、新疆、重庆、贵州、甘肃、宁夏和青海(中间个别年份略有变动)。综合图1(a)、(b)、(c)来看，各省份物流作业的CO2排放总量在10年间都呈现增长趋势。在总量的核算中，东部地区的广东省和山东的排放总量峰值达到7000*104kg以上，东部地区的其余省份总量的峰值在5000*104kg以下，中部地区的各省份排放总量峰值在4000*104kg以下，中部地区的各省份排放总量峰值在3000*104kg以下，因此，广东省、山东省和上海市物流作业的CO2排放总量在全国排在前三位。

从图2(a)可以看出，2003—2012年的10年间，在中国的东部地区，各省单位货物周转的CO2排放量核算中，基本排列趋势从高至低依次为：北京、广东、广西、江苏、山东、辽宁、海南、福建、浙江、河北、上海和天津(中间个别年份有变动)；从图2(b)可以看出，2003—2012年的10年间，在中国的中部地区，各省单位货物周转的CO2排放量核算中，基本排列趋势从高至低依次为：湖北、吉林、内蒙古、黑龙江、湖南、山西、江西、河南和安徽(中间个别年份有变动)；从图2(c)可以看出，2003—2012年的10年间，在中国的西部地区，各省单位货物周转的CO2排放量核算中，基本排列趋势从高至低依次为：云南、四川、贵州、新疆、陕西、重庆、青海、宁夏和甘肃(中间个别年份有变动)。综合图2(a)、(b)、(c)来看，各省单位货物周转的CO2排放量在10年间整体呈现下降趋势。在单位货物周转CO2排放量的核算中，东部地区的北京市单位货物周转的CO2排放量峰值达到3t/104t·km，西部地区云南省的峰值达到2t/104t·km，其余省份的单位周转碳排放值基本在1.5 t/104t·km以下。综合图1和图2中的所有图来看，虽然广东省和山东省物流作业的CO2排放总量最多，但因为物流作业量也足够大，所以单位货物周转的CO2排放量反而不高；北京市物流作业的CO2排放总量虽然居中，但因为物流作业量的数量有限，反而出现单位货物周转的CO2排放量最高，在10年间，北京市单位货物周转的CO2排放量一直排在首位。

3　泰尔指数分析区域间的物流CO2的差异性

3.1省域物流作业CO2排放量的泰尔指数

对于省域CO2排放量的存在差异，本文沿用杨骞和刘华军在《中国二氧化碳排放的区域差异分解及影响因素》中衡量CO2的区域差异的泰尔指数来衡量省域物流CO2排放的区域差异。泰尔熵标准或称泰尔指数是泰尔(Theil,1967)利用信息理论中的熵概念来计算收入不平等而得名。它最初用来计算国家间的收入差异，之后被广泛应用于研究不同层次区域的收入差异。泰尔指数最大的优点是它可以衡量组内差距和组间差距对总差距的贡献。泰尔指数为0～1，数值越小，说明地区差异越小；数值越大，说明地区差异越大。本文借鉴杨骞和刘华军在《中国CO2排放的区域差异分解及影响因素-基于1995—2009年省际面板数据的研究》对泰尔指数及其结构分解的方法论述[9]，将省域物流业CO2排放的泰尔指数及其结构分解的测算公式调整如下：

(4)

(5)

(6)

(7)

(8)

式(4)测算的是全国物流业碳排放的总体泰尔指数T；式(5)测算的是区域内部的泰尔指数；式(6)、式(7)分别测算的是区域内物流业碳排放的泰尔指数和区域间物流业碳排放的泰尔指数Tb，分别代表碳排放的区域内部差异和区域间差异；式(8)表示泰尔指数的可加分解特性，即总体差异等于区域内差异加上区域间差异。C代表各省份碳排放总量之和，Cj代表各区域碳排放总量和，Ci代表各省份碳排放总量；X代表各省份物流业的货物周转量之和，Xj代表各区域物流业的货物周转量，Xi代表各省份物流业的货物周转量，T为单位货物周转的碳排放泰尔指数。

3.2省域物流作业CO2排放量的泰尔指数分析

按照东、中、西三区域的划分，依照公式(4)测算出2003—2012年全国30个省市物流作业碳排放的总体泰尔指数如表2和图3所示。

表2　中国单位货物周转碳排放的泰尔指数：2003—2012年

注：三区域划分包括的省份：东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西共11省份；中部地区包括山西、内蒙古、吉林、黑龙江、安徽、江西、河南、湖北、湖南共9个省份；西部地区包括云南、四川、重庆、贵州、山西、甘肃、青海和新疆7个省份。

由表2和图3可看出：2003—2012年，我国单位货物周转碳排放存在显著的区域差异。其中，泰尔指数最大值(0.3034)出现在2007年，最小值(0.1817)出现在2008年。同时，总泰尔指数的构成中，区域间差异较小，区域内差异较大，说明各区域内各省份的单位货物周转碳排放差异较大，在下一步进行物流行业的碳排放控制时，应以各省作为治理单位，针对各省的实际情况，进行相关政策的制定，而不应以东、中、西区域的划分进行区域政策的统一制定和管理。

按照公式(6)(7)计算东、中、西部各区域的单位货物周转碳排放泰尔指数如表3和图4所示。

表3　东、中、西地区单位货物周转碳排放的泰尔指数：2003—2012年

从表3和图4可以看出：2003—2012年，东、中、西部区域内单位货物周转碳排放的泰尔指数是东部地区明显高于中部地区，中部地区明显高于西部地区，说明东部区域内的各省之间单位货物周转碳排放的差异最大，中部区域内的各省之间单位货物周转碳排放的差异次之，西部区域内的各省之间单位货物周转碳排放的差异最小。同时，从图表还可以看出，2003—2012年的10年间，东部地区的单位货物周转碳排放的泰尔指数有逐渐缩小的趋势，说明东部地区各省份之间的单位货物周转碳排放有趋同形式，中西部地区的变化不是十分明显。

4　结论

对中国物流业CO2排放量的区域性分析，对于我国推进绿色物流和绿色供应链的发展具有重要的现实意义。本文首先测算了各省域物流作业2003—2012年10年间的CO2排放量和单位货物周转碳排放量；同时根据测算出的这两类数据，进一步测算了各区域在10年间的单位货物周转碳排放的泰尔指数，分析了区域之间存在的单位周转货物碳排放差异性。研究结果发现：

第一，从总量上看，我国物流作业的CO2排放量呈增长趋势，但是单位货物周转碳排放量在波动变化的过程中，整体呈现下降趋势。对东、中、西三区域的分指标比较显示，东部地区的排放总量指标和单位货物周转碳排放指标较中西部地区稍高，特别是广东省的排放总量和单位货物周转碳排放指标排名都十分靠前，北京的碳排放总量虽然居中，但是单位货物周转碳排放指标名列前茅。从数据分析也可以看出，因为货物周转总量的大幅增加，虽然碳排放总量增加，单位货物周转碳排放量有整体下降趋势。随着经济的不断发展，货物周转总量会继续增加，因此，为实现绿色物流的发展，如何在降低单位货物周转碳排放量的同时亦能逐步控制物流作业碳排放总量应是下一步绿色物流推进过程中重点考虑的问题。

第二，从单位货物周转碳排放的泰尔指数看，我国东、中、西部地区之间的单位货物碳排放存在显著的差异性。同时，总泰尔指数的构成中，区域间差异较小，区域内差异较大，说明各区域内各省份的单位货物周转碳排放差异较大，在下一步进行物流行业的碳排放控制时，应以各省作为治理单位，针对各省的实际情况，进行相关政策的制定，而不应以东、中、西区域的划分进行区域政策的统一制定和管理。根据各区域内的泰尔指数分析，东部地区各省份之间的差异较大，中西部地区内各省份之间的差异小一些，所以在东部地区的治理过程中更应该依省治理。

[1]董锋, 杨庆亮, 龙如银,等. 中国碳排放分解与动态模拟[J]. 中国人口·资源与环境, 2015, 25(4): 1-8.

[2]欧阳斌, 李忠奎, 凤振华. 低碳交通运输规划研究现状、问题及展望[J]. 中国流通经济, 2014(9):13-20.

[3]Woensel T V，Creten R，Vandaele N． Managing the Environmental Externalities of Traffic Logistics: The Issue of Emissions [J]．Production and Operations Management, 2001(10): 207-223.

[4]Palmer A． An Integrated Routing Model to Estimate Carbon Dioxide Emissions from Freight Vehicles[C]. Logistics Research Network 2007 Conference Proceedings, University of Hull,2007: 27-32.

[5]Piecyk M I，McKinnon A C． Forecasting the Carbon Footprint of Road Freight Transport in 2020[J]. International Journal of Production Economics, 2009(9):1-12.

[6]Ubeda S，Arcelus F J，Faulin J． Green Logistics at Eroski: A Case Study[J]. International Journal of Production Economics, 2010(3): 1-8.

[7]Hickman R，Ashiru O，Banister D． Transport and Climate Change: Simulating the Options for Carbon Reduction in London[J]. Transport Policy, 2010, 17(2): 110-125.

[8]周叶, 王道平, 赵耀. 中国省域物流作业的CO2排放量测评及低碳化对策研究[J]. 中国人口·资源与环境, 2011, 21(9): 81-87.

[9]杨骞, 刘华军.中国二氧化碳排放的区域差异分解及影响因素——基于1995～2009年省际面板数据的研究[J]. 数量经济技术经济研究, 2012(5): 36-49.

Analysis on the CO2Emission Evaluation of the Provincial Logistics Operation and Regional Difference in China

FANG Yan-jun; WU Meng-na

(Business School, Shandong Normal University, Jinan Shandong 250014 ,China)

Being one of the main sources of carbon emissions, logistics activity is an important sector of greenhouse gas emissions reduction and climate change mitigation. It is significant to carry out the accounting and comparing analysis on the carbon emissions of the logistics operation in the provincial level for macroscopically controlling the carbon emissions and determining the energy saving and emission reduction targets of the logistics operation in China's province. This paper firstly gave the measurement model on CO2emissions of the logistics operation based on province and calculated the CO2emission factor and emission coefficient of different kinds of energies. Then, it calculated the CO2emission indices of the logistics operation using the Direct Energy Consumption Method based on statistic data from 2003 to 2012. The indices included the CO2emission volume and the CO2emission volume per freight ton-kilometers. The carbon emissions volume of the logistics operation in China showed an increasing trend. However, the CO2emission volume per freight ton-kilometers showed fluctuate declining trend. Obvious regional differences were found, which meant that there were obvious differences among the provinces according to the Theil index.

logistics operation; carbon emission volume; test and evaluate; Theil index; regional difference

2016-03-09

教育部人文社科青年基金项目(15YJC6301134)；山东师范大学青年教师科研项目(15SQR019)；山东省优秀中青年科学家奖励基金(BS2015SF018)。

房艳君(1983-)，女，博士，研究方向为绿色供应链网络。

X38

A

1673-9655(2016)05-0042-08