基于LMDI 及Tapio 模型的河北省物流业碳排放驱动因素研究★

董福贵， 靳博文

（华北电力大学经济与管理学院， 北京 102206）

0 引言

近年来，全球变暖所引起的问题逐渐加剧，严重威胁人类命运共同体的发展，减少二氧化碳排放已经成为全球关注的重点问题。为了应对气候变暖的挑战，中国提出了“双碳”目标，该目标的提出，为整个社会经济发展指明了方向，如何有效落实节能减排，促进整个社会在高速发展的前提下更加符合绿色、低碳、循环的期望，成为新时代生态文明建设的焦点问题。

在“双碳”目标背景下，各行各业都应该为实现这一目标作出努力。物流作为一个耗能较大的行业，节能减排刻不容缓。因此，明确不同驱动因素对物流业碳排放的带来的影响，研究分析物流业碳排放总量与经济增长能力之间的相互脱钩关系，对于推动河北省低碳物流发展有着重要意义。

1 文献综述

一些国内外的学者对LMDI 因素分解法和Tapio脱钩模型有所研究。Muhammad 等[1]采用LMDI 因素分解法和Tapio 脱钩模型对1990—2019 年巴基斯坦电力行业二氧化碳排放的驱动因素进行了研究。Chi Zhang 等[2]本文采用LMDI 因素分解法和Tapio 脱钩模型，探讨了1990—2016 年中国电力消费的影响因素，并分析了经济增长与电力消费之间的脱钩状况以及影响因素。张中秋等[3]首先对土地利用的碳排放量进行了测算，其次利用LMDI 因素分解法和Tapio 模型分析了碳排放影响因素以及其与经济发展之间的关系。张乘玮等[4]利用LMDI 分解方法来研究连云港市2010—2019 年电力行业碳排放量变化的原因。

一些学者聚焦于物流业的碳排放影响因素研究。苑清敏等[5]首先对京津冀物流业碳排放量进行测算，然后采用LMDI 因素分解法对京津冀1998—2012 年物流业碳排放驱动因素进行分解，并采用与OECD 的脱钩模式测算了碳排放量的脱钩系数，对京津冀物流业碳排放与经济发展状况进行分析。Timilsina.G.R等[6]研究了部分亚洲国家1980—2005 年运输部门碳排放情况，发现经济增长、人口规模和能源强度是导致交通运输行业碳排放量增加的重要原因。

2 碳排放测算

由于碳排放量难以被精确计算，目前物流业碳排放没有准确的碳排放数据。本文采取IPCC 推荐的“自上而下”碳排放量估算方法，估算公式如下：

式中：C为物流业的碳排放量；i为不同的能源种类；Ci为不同种类能源的碳排放量；Ei为不同能源的消耗量；θi为不同能源种类的折标准煤参考系数；δi为不同能源种类的碳排放系数。根据《中国能源统计年鉴》发表的能源数据，结合河北省的实际情况，本文选择原煤、汽油、煤油、柴油、燃料油、天然气和电力七种能源来估算河北省物流业碳排放量。具体的折标准煤参考系数和碳排放系数如表1 所示。

表1 各种能源折标准煤系数和碳排放系数

3 碳排放驱动因素分析

3.1 模型建立

在现在的研究中，指数分解方法中的迪氏分解法（LMDI）没有残差，是一种比较受到研究者青睐的分解方法。为进一步研究河北省物流业碳排放的驱动因素，本文根据河北省物流业实际发展情况，构建了由碳排放强度、能源结构、能源效率、产业结构、人均GDP 和人口规模六个驱动因素构成的LMDI 分解模型如下：

式中：Ct为物流业的碳排放量；Ct，i为不同能源种类的碳排放量；Et，i为不同能源种类的能源消耗量；Et为物流业的能源消耗总量；Yt为物流生产总值；Gt为河北省生产总值；Pt为河北省总人口。

设定IC，i=Ct，i/Et，i为碳排放强度，代表不同能源的碳排放系数；IE，i=Et，i/Et为能源结构指数，代表能源结构对物流业碳排放的影响；EE=Et/Yt为能源效率，代表单位物流业生产总值所消耗的能源量；IS=Yt/Gt为产业结构指数，代表河北省物流业的行业发展水平；GP=Gt/Pt为人均GDP，为为河北省生产总值与河北省总人口的比值。根据LMDI 加法模型，上述碳排放公式还可以分解如下：

式中：ΔCCI、ΔCEM、ΔCEE、ΔCIS、ΔCGP、ΔCP分别为碳排放强度、能源结构、能源效率、产业结构、人均GDP和人口规模对物流业碳排放的贡献。

由于IC，i为不同能源的碳排放系数，而在本文的设定中碳排放系数是不变的，所以变量ΔCCI为0。根据LMDI 分解模型，假设用A来代表其他五个驱动因素，其他的碳排放变量可以统一为为：

式中：A同时代表CI、EM、EE、IS、GP、P 这些碳排放驱动因素。

3.2 结果分析

根据前文建立的模型，以2005 年为基准年计算得出河北省物流业的碳排放各个碳排放量影响因素的分解结果，最终的分析结果如表2 所示。

表2 河北省物流业的碳排放各个影响因素碳排放变化量

在五个影响因素中，能源结构、人均GDP 和人口规模这三个影响因素累积为正值，表明在所研究的年份中这三个影响因素对河北省的碳排放起到了助推作用，即人均GDP 越高、人口规模越大随之物流业碳排放量也会增加，同时可见碳排放对能源结构也有一定的依赖程度，其中人均GDP 的累积影响值是最大的；能源效率和产业结构这两个影响因素累积为负值，表明这些影响因素对物流业碳排放起到了抑制的作用，能源效率的抑制作用累积最强。也就是说，河北省在能源结构、人均GDP 和人口规模这三个影响因素方面需要改善，这是未来减排的着力点。而通过进一步优化产业结构和能源效率，可以有效地改善物流业碳排放量大的问题。

能源效率驱动因素影响下的碳排放变化量随时间变化较为剧烈，而能源结构、人口规模驱动因素影响下的碳排放变化量随时间变化较为缓慢。这说明，能源效率这一驱动因素是相对可变化的，是可以较为容易的通过优化能源效率而达到减少碳排放量目的。随着时间的推移，碳排放量主要呈现逐年上升的趋势。而在2020 年，碳排放量出现了明显的下滑，主要是因为这一年新冠疫情的爆发影响了物流业的发展。将碳排放量和碳排放变化量的变化趋势对比，可以发现二者的变化趋势基本一致，说明LMDI 因素分解法对碳排放影响因素的分解是可靠有效的。

4 物流业发展与碳排放脱钩效应研究

4.1 模型建立

近几年来，国内一些学者用“脱钩”概念及其指标来反映经济增长与二氧化碳排放之间的关系。依据Tapio 脱钩模型测度方法，脱钩指数的计算公式如下：

式中：T为脱钩指数；Yt为t年的物流业生产总值；ΔY=Yt-Yt-1，为t年的物流生产总值与t-1 年的物流生产总值之差；Ct为t年的碳排放总量；TEM、TEE、TIS、TGP、TP分别为能源结构脱钩系数、能源效率脱钩系数、产业结构脱钩系数、人均GDP 脱钩系数以及人口规模脱钩系数。根据弹性指数不同，物流业碳排放变化量与物流业生产总值变化量之间的关系可以划分为不同的脱钩状态。

4.2 结果分析

随着河北物流业的不断发展，根据上文建立的模型，通过计算可得河北省碳排放的Tapio 脱钩指数与脱钩状态如表3 所示。

表3 河北省物流业碳排放脱钩状态

据表3 所示，2006 年与2007 年脱钩状态均为弱脱钩，弱脱钩状态表明物流行业二氧化碳排放变化量与物流行业生产总值变化量均呈增加趋势且二氧化碳排放增加速度慢于生产总值增加速度。2008 年与2009 年则表现为强脱钩的状态，表明生产总值呈增加趋势但二氧化碳排放呈降低趋势，是最为理想的社会发展情态。2010 年、2016 年与2018 年的脱钩状态依次表现为扩张连接、扩张负脱钩和扩张负脱钩，这些状态都表明物流行业的发展与二氧化碳排放量的增长有很强的正相关性，是不理想的社会发展情态。

可以在表中数据分析可得，从2006—2020 年物流业生产总值稳步上升，即ΔY/Y总是大于0；而碳排放变化量，即ΔC在2008、2009、2014、2015、2017和2020 年这些年份实现了碳排放变化量下降，所以在这些年份中脱钩状态均为强脱钩，即社会最希望的碳排放减少而生产总值增加。结合表2 分析可知，导致ΔC为负的重要影响因素为能源效率，根据数学公式可得EEt

5 结论

通过上述分析可得，河北省物流行业的碳排放量呈现逐年上升趋势，在六个驱动因素中，能源结构、人均GDP 和人口规模对河北省物流业的碳排放规模不断扩大起到了一定助推作用，其中人均GDP 对物流行业的碳排放量的影响更为显著；而能源结构和能源效率这些驱动因素对河北省物流业碳排放起到了一定的抑制作用。此外，在所研究的年度中，河北省物流业的经济发展和碳排放的脱钩状态除个别年份以外，更多地表现为弱脱钩所以物流业还应继续制定相应的针对性政策以推动物流产业向低碳环保的方向发展，并尽早完成节能减排和碳排放与经济增长真正意义上的脱钩。据此给出一些建议。

5.1 优化能源结构

可以根据收集的数据可知，河北省物流行业主要使用的能源为各种油类燃料，其他占比相对较小。为了减少物流行业碳排放量，应该致力于开发新型清洁能源、提高使用清洁能源的使用率、增加一些碳排放系数低的能源的使用。

5.2 提高能源效率

能源效率对物流业碳排放变化起到了很强的抑制作用，所以提高能源效率对物流业的低碳绿色发展是有效果的。一方面，实现“开源”，提高清洁能源在物流整个过程的利用率，如使用新能源汽车来实现运输配送，同时也要提高清洁能源的转化率。另一方面，实现“节流”，减少物流运营过程中的不必要能源浪费，如支持物流仓储、包装低碳化，较少物流作业过程中的废气、废物排放。

5.3 改善产业结构

产业结构也是抑制物流业碳排放的重要驱动因素，改善产业结构是减少物流行业碳排放量的有效途径。要改善产业结构就需要创新，而技术创新又是一个产业的发展命脉。在运输管理方面必须不断创新，以降低甚至避免空返运送和迂回运输所带来的能源浪费问题。