基于LMDI 的中国城市群物流业碳排放变动驱动因素研究

史千禾 SHI Qian-he

（天津大学环境科学与工程学院，天津 300000）

0 引言

物流业是国民经济的先导性行业，尤其伴随数字经济的发展，中国物流业取得了长足发展。2022 年，中国社会物流总额达到347.6 万亿元，按可比价格计算，同比增长3.4%。然而，物流业同样也是中国高能源消耗、高碳排放的行业，2016-2019 年，中国物流业能源消耗占全国能源消耗总量的比重一直在9%以上，且呈现逐年上涨趋势，2019年达到43909 万吨标准煤，2020 年在疫情影响下，物流业能源消耗总量依然达到41309 万吨标准煤，占中国能源消耗总量的8.3%。伴随大量化石能源的消耗，物流业二氧化碳排放量持续攀升，2019 年达到73248 万吨，占全国二氧化碳排放量的7.5%[1]。2020 年，中国明确提出到2030 年实现“碳达峰”，2060 年实现“碳中和”，加快物流业碳减排已经成为实现“双碳”目标的重要措施。

在特定地理范围内以核心城市带动卫星城市从而形成功能分工清晰、经济联系紧密、空间组织紧凑的城市群，已经成为中国新型城镇化发展的新特点和未来重要趋势[2]。国家《“十四五”新型城镇化实施方案》明确提出要“提升城市群一体化发展和都市圈同城化发展水平”，可以预见城市群、都市圈将是未来城镇化发展的重要推动力量。然而，与此伴生的是中国很多城市群发展过程中出现大量“交通拥堵”“空气质量堪忧”等“大城市病”，并且为满足大量人群涌入产生的物流需求，城市群物流业发展迅猛，二氧化碳排放问题日渐突出[3]。

1 文献述评

为解决上述问题，诸多学者开始关注城市化过程中物流业碳排放问题，首先，部分学者开始关注低碳物流概念的界定问题。Harvey 提出交通运输业的低碳化是物流业低碳化的关键[4]。Hua Huang 强调物流业各环节低碳行为是促进物流业低碳化发展的重要举措[5]。王长琼提出了绿色物流的概念，并分析了绿色物流的特点[6]。范璐认为低碳物流需要优化物流系统达到整体的低碳化[7]。其次，讨论物流业碳排放的影响因素是找到物流业低碳化的关键，并逐渐成为学界关注的焦点。De Oliveira 等发现澳大利亚碳排放定价政策对物流业碳排放具有重要的作用[8]。欧阳强斌则认为碳排放税收政策、物流业市场结构和市场机制对中国物流业碳减排具有一定的促进作用[9]。钟娟和魏彦杰则发现经济集聚对物流业碳排放具有一定的抑制作用[10]。

由此可以看出，物流业碳排放问题已经逐渐成为学界关注的焦点，为本研究的开展奠定了一定的基础。但是，一方面当前的研究更多将研究视角聚焦在普通省市或者国家层面，而从物流业发展的实际情况看，由于大量人群涌入城市群区域并产生了大量的物流服务需求，城市群物流业发展迅猛，并造成了大量的二氧化碳排放，城市群物流业碳排放问题已经成为新型城镇化发展的焦点问题。另一方面，从城镇化发展的视角，挖掘城镇化发展要素对城市群物流业碳排放变动的作用机理，对新型城镇化建设更具现实意义。

2 模型构建

1989 年，日本学者Yoichi Kaya 在IPCC 研讨会上提出，人类活动产生的二氧化碳由人口变动、经济发展等多重因素影响，并应用简洁的数学公式对二氧化碳排放的影响进行了刻画[11]，如式（1）所示：

其中，CO2指二氧化碳排放量，POP 指人口总量，GDP指经济总量，E 指能源消耗总量。因此，GDP/POP 代表区域经济发展水平，E/GDP 代表区域能耗水平，CO2/E 代表单位能源碳排放强度。

城市群物流业二氧化碳排放的变动与其发展过程紧密相关，首先，伴随城市群的不断发展，大量人员因为城市群就业机会多、工作环境好、就业薪酬高而不断涌入，城市群人口数量的变化引发大量物流业新需求，造成物流业碳排放的变动。其次，伴随大量人口涌入城市群核心城市及其卫星城市，大量物流业的基础设施、交通工具等亟需配备，城市群物流业不断拓展，行业能源消费结构也将发生显著变动，进而影响城市群物流业碳排放的变动。第三，伴随城市群的不断发展，其产业结构不断优化，经济发展不断提速，而物流业又是区域经济社会发展的先导性行业，城市群经济发展速度的不断提升势必对物流业发展产生强大的拉动力量，从而影响城市群物流业碳排放的变动。基于此，本文将城市群物流业碳排放变动驱动因素模型优化为式（2）所示：

与式（1）不同，式（2）将伴随城市群发展带来的能源结构变动考虑其中，从而从人口增长、经济发展、能源结构变动和能耗变动四个方面度量城市群物流业的碳排放变动。由 此 ， 令，则式（2）可以表示为：

Ang 和Liu（2000）首次提出对数平均迪式分解法（Logarithmic Mean Divisia Index ,LMDI）[12]，该方法具有分解形式简单，变换方便以及分解无残差等优点也被广泛应用于碳排放驱动因素分解领域。因此，本文将应用LMDI对城市群物流业碳排放变动进行分解分析，根据LMDI 的分解原理，具体分解因子如式（4）-式（8）所示：

人口增长效应：

经济发展效应：

能源强度效应：

能源结构效应：

排放因子效应：

由此，本文将城镇化发展对城市群物流业碳排放变动的影响分解为人口变动、经济发展、能源强度和能源结构变动四大因素，从而能够更加清晰地发现伴随城市群发展物流业碳排放变动的关键驱动因素。

3 实证研究

3.1 数据来源说明

考虑数据可得性，本文研究对象主要包括京津冀城市群、长三角城市群、珠三角城市群、山东半岛城市群、川渝城市群、长江中游城市群等中国发展迅猛的6 大城市群，数据主要来源于各省统计年鉴、中国碳核算数据库、中国统计年鉴以及中国能源统计年鉴。其中各城市群物流碳排放数据取自中国碳核算数据库。部分缺失数据采取插值方法获得。

3.2 总体分析

根据式（4）-式（8），中国城市群物流业碳排放驱动因素计算结果如图1 所示。

图1 中国城市群物流业碳排放变动驱动因素

总体上看，仅有能源强度效应一直对中国城市群物流业碳排放起到抑制作用，能源结构效应仅在2017、2019 及2020 年起到抑制作用，其他时段均促进了城市群物流业的碳排放。人口增长和经济发展对城市群物流业碳排放增长始终产生显著的促进作用，尤其经济发展一直是中国城市群物流业碳排放增长的最关键因素。所以，如何推进经济高质量发展，降低因为经济增长而带来的物流业碳排放对城市群实现物流业碳减排意义显著。

从发展趋势看，经济发展一直是中国城市群物流业碳排放增长的重要推动力量，在2012-2016 年间，这种推动力量处于不断增强的过程，而2016 年后，经济增长对城市群物流业碳排放的增长推动力量呈现持续下降的趋势，这说明近年来中国实施的经济高质量发展策略对碳减排起到了一定的作用。人口增长对中国城市群物流业碳排放的推动作用比较稳定，所以提升城市功能，合理分流人口到中小型城市，降低中心城市人口密度对降低物流业碳排放具有一定的作用。能源结构对城市群物流业碳排放的增长呈现波动下降的态势，自2019 年后，该因素从推动者转变为抑制者，这说明在人工智能、大数据等新兴信息技术的推动下，物流业能源消费结构实现了一定的优化，对物流业碳排放增长起到了抑制作用，下一步应加大新兴技术对物流业各环节的赋能。能源强度一直是中国城市群物流业碳排放增长的抑制力量，并在2016 年达到最佳状态，这可能主要得益于各地方政府环境规制政策在“十二五”尾期的发力。

3.3 区域分析

根据式（4）-式（8），本文对各城市群物流业碳排放变动驱动因素情况进行分解分析，结果如图2-图7 所示。

图2 长三角物流业碳排放变动驱动因素

图3 京津冀物流业碳排放变动驱动因素

图4 珠三角物流业碳排放变动驱动因素

图5 山东半岛物流业碳排放变动驱动因素

图6 川渝物流业碳排放变动驱动因素

图7 长江中游物流业碳排放变动驱动因素

从图2-图7 可以看出，经济发展对各城市群物流业碳排放变动均具有推动作用，但作用机理并不完全相同。经济发展对长三角、京津冀、珠三角、川渝物流业碳排放增长的推动作用呈现先上升后下降的趋势，尤其对长三角物流业碳排放变动作用比较显著。而对山东半岛物流业碳排放增长的推动作用较小且呈现逐年下降的趋势，对长江中游物流业碳排放增长的推动作用呈现波动上升的态势。此外，人口增长也一直是各城市群物流业碳排放增长的推动因素，但相比较经济发展其作用较小，而且仅对长三角、珠三角这些人口吸引力强的城市群产生了比较大的推动作用，而对京津冀、川渝、长江中游、山东半岛等人口吸引力弱的城市群作用较小。

能源强度效应一直是各城市群物流业碳排放增长的抑制因素，但通过图2 的对比分析可以清楚地发现，能源强度对山东半岛、川渝两大城市群物流业碳排放的抑制作用比较稳定且较小，而对长三角、珠三角、长江中游、京津冀等城市群的作用比较显著，且波动较大。能源结构效应对各城市群物流业碳排放变动的作用呈现显著的差异性，从图2 可以看出，能源结构对珠三角城市群物流业碳排放增长始终起到推动作用，对长三角和京津冀而言，能源结构逐渐从推动因素转变为抑制因素，对长江中游、山东半岛以及川渝城市群而言，能源结构总体上表现为推动作用，但波动巨大。

4 结论

文章基于Kaya 恒等式，将城市群发展对物流业碳排放变动的作用分解为人口增长效应、经济发展效应、能源强度效应和能源结构效应，应用LMDI 构建了各因素作用机理的分解分析模型，并应用构建的模型对中国六大城市群2012-2020 年物流业碳排放变动情况进行了系统分析。研究发现：

①总体上，能源强度效应是中国城市群物流业碳排放增长的关键抑制因素，在考察期内一直对碳排放增长起到抑制作用，而人口增长和经济发展对城市群物流业碳排放增长始终产生显著的促进作用。

②从各城市群看，各大要素对不同城市群具有异质性作用。经济发展对长三角、珠三角、京津冀、川渝物流业碳排放增长推动作用明显，对其他城市群推动作用较小，人口增长对长三角、珠三角物流业碳排放增长推动作用显著，能源强度对长三角、珠三角、长江中游、京津冀等城市群的作用比较显著，且波动较大，能源结构对各城市群物流业碳排放增长作用差异明显。