物流业碳减系统协同路径及其共治研究

唐建荣 李晓静 杜聪

摘要：借助生态学Lotka-Volterra竞争捕食者模型，以我国30省域物流业碳减复合系统为研究对象，测算其发展水平及协同竞争指数进而确定协同竞争关系类型。结果表明：就发展水平而言，东中西部物流业发展水平呈阶梯式分布，碳减排水平则表现出异质性特点，全国物流业碳减复合系统普遍处于中低水平；就协同竞争关系而言，辽宁、山东、广东等14省域的物流业发展及碳减排协同共生，河北、上海、福建及湖北4省属偏利寄生关系，北京、天津、海南等12省域物流业及碳减恶性抗生。最后，结合实证研究结果提出共治对策。

关键词：物流业碳减复合系统；Lotka-Volterra模型；协同路径

DOI：10.13956/j.ss.1001-8409.2016.04.20

中图分类号：F250；F124.5 文献标识码：A 文章编号：1001-8409（2016）04-0093-05

Abstract：By LotkaVolterra model， carbon reduction of logistics industry in our country 30 provincial composite system as the research object， measure the development level and synergetic competition index to determine collaborative competition relationship type. The results show that in terms of development level， degree distribution is stepwise from the east to the Midwest of logistics industrys level， carbon reduction show heterogeneity characteristic， the complex system in low and middle level. In terms of synergetic competition relations， Liaoning， Shandong， Guangdong these 14 provincial are collaborative symbiosis. Hebei， Shanghai， Fujian and Hubei provincial dominance parasitic relationship. Beijing， Tianjin， Hainan the remaining 12 provincial are malignant antibiotic. Finally， based on research results put forward countermeasures for the collegiality.

Key words：logistic industry and carbon reduction system； LotkaVolterra Model； Synergy path

引言

物流碳減是低碳经济在物流业的具象化表现，近年来国内外关于物流业碳控制的研究主要集中于碳足迹驱动因素识别和碳减排绩效测度两个方面：区域物流产业碳足迹驱动因素的研究，主要通过不同驱动因素[1]、情景模拟[2]及结构区别[3]的角度探索碳减路径；物流碳减排绩效测度的研究，主要通过绩效测度函数[4]及情景仿真模型[5]等方法测算碳排放绩效选择最佳生产模式。通过物流碳减研究现状的梳理发现，目前的研究主要侧重于物流业二氧化碳排放量与碳排放绩效的静态测算，缺少其动态演化趋势评价及协同关系差异的分析。本研究基于生态学Lotka-Volterra（L-V）模型的种群间关系（共生、寄生、抗生，见表1），对物流产业及碳减力度的协调关系进行比较研究，创新定位了二者动态协同竞争关系。

表1L-V模型两物种关系

α12α21竞争关系竞争结果

++恶性抗生双方皆有损失

+-偏利寄生物种1是物种2的猎物

-+偏利寄生物种2是物种1的猎物

--互利共生双赢

注：①表1中α12为物种2对物种1的作用关系，α12为物种1对物种2的作用关系；

②+表示物种1随着物种2的增加而增加，-表示物种1随着物种2的减少而减少

L-V模型最初由美国生态学家Lotka和意大利数学家Volterra提出[6，7]，很多学者将其广泛应用于生产性服务业发展机理[8]、林业产业生态安全[9]、省域产业经济生态化[10]]等领域；Lifeng Wu进一步研究了两物种竞争关系L-V模型的演化特征[11]。本质上，物流业快速发展与碳排放有效控制是相悖的：物流产业经济规模扩张过程中能源资源消耗排放大量二氧化碳，企业为履行社会责任，必须增加对碳减排的资本和技术投入；另一方面碳排标准的提升又将抑制产业经济的发展势头，二者在新常态经济发展过程中彼此制约、相生相克。本文关于物流产业发展与碳排放控制的内在逻辑规律及其碳减复合系统的协同研究，对于物流产业的健康成长及其碳排放的非线性约束将具有很好的理论价值和实践意义。

1模型构建与关系评判

11指标体系构建与数据预处理

因物流业子系统及碳减子系统指标的选取会直接影响测度结果，根据L-V模型研究成果并充分考虑指标重要性和可获得性，构建物流业发展水平和碳排放控制评价指标体系，见表2。

（1）物流水平指标。选取产业发展水平、产业发展质量以及交通运输、仓储和邮电具体业务指标准则层，以交通运输、仓储及邮政业统计值来替代物流产业值，对我国30省域（西藏统计数据缺失较多予以剔除）物流发展进行综合评价。

（2）碳减水平指标。选取物流业能源消耗、物流业能源消耗占总能源消耗的比重、物流业碳排放量以及物流业碳排强度指标准则层。相关基础数据来源于2004～2013年《中国统计年鉴》、《中国能源统计年鉴》及各省市统计年鉴，参照周叶等对省域物流二氧化碳排放量测评方法 [12]，采用IPCC（2006）以及国家发改委能源研究所（2007）的标准参数（1吨原煤=07143噸标准煤，1吨原煤排放约07559吨碳），计算以原煤为基准单位的物流业能源消耗所排放的二氧化碳量。

在物流业碳减排实际问题中，为了避免指标因不同量纲引起的评价失真，应将数据进行归一化处理，并采用熵权法进行赋权，结果见表3。

12L-V仿生模型构建

物流业及碳减力度间耦合关系基于L-V模型的一般表达式为：

LS′=r1LS1-LSK1-αLCCSK1=a1LS-b1LS2-c1LSCS（1）

CS′=r2CS1-CSK2-αCLLSK2=a2CS-b2CS2-c2LSCS （2）

其中，LS、CS分别表示物流产业发展水平和物流产业碳减水平，ri表示系统的发展水平增长率，Ki表示系统的最高发展水平，其中i=1、2分别表示物流子系统和碳减子系统，αLC、αCL 分别表示碳减子系统对物流子系统和物流子系统对碳减子系统的协同竞争系数，若α<0表示促进作用，否则表示抑制作用。a1、a2表示复合系统只存在LS（CS）情形下物流产业（碳减水平）增长速度，b1、b2表示由LS（CS）子系统自身增长带来的阻滞作用，c1、c2表示CS对LS增长和LS对CS增长的阻滞作用。由于实际物流产业与碳减的指标体系均为离散数据，需要将上面的连续L-V模型转化为离散时间条件下的模型。Leslie证明了上面的偏微分方程可以转化为公式（3）、公式（4）的形式[13]。

LSt+1=1LSt1+β1LSt+γ1CSt（3）

CSt+1=2CSt1+β2CSt+γ2LSt（4）

公式（3）和公式（4）中，i和βi分别表示仅存在LS或CS时的特征参数，γi的符号表示两子系统之间相互作用的关系，如果γ1、γ2均为负，物流业碳减系统呈互惠共生、协同发展局面；若γ1、γ2符号相反，表示物流业碳减复合系统为偏利寄生关系，即一方为“捕食者”，另一方为“猎物”；若γ1和γ2符号均为正，说明两子系统之间是恶性抗生关系。进一步可以推出连续时间模型和离散时间模型之间的对应关系：

αLC=γ12-1β21-1， αCL=γ21-1β12-1（5）

13协同关系评判

基于物流子系统及碳减子系统进行复合系统水平综合评判。参考王文平和周甜甜对产业生态L-V的研究[10]，在物流业及碳减两子系统发展水平测度值范围内进行聚类分析。物流产业及碳减子系统取值范围分别为LSmin，LSmax和CSmin，CSmax，对物流水平LSt选取两点A1、A2且A1>A2，将LSt划分为I1=A1，LSmax、I2=A2，A1和I3=LSmin，A23个水平依次降低等级。同理，碳减水平CSt也划分为J1=B1，CSmax、J2=B2，B1和J3=CSmin，B2三个等级。物流业碳减复合系统综合水平包括物流产业发展水平和碳减水平两个维度，将全国30省域综合水平划分为3个等级，具体见表4，其中IpJq表示两个集合的交集，p，q=1，2，3。

表4物流业碳减复合系统发展水平划分标准

发展水平等级划分标准解释说明

高水平X=I1J1 物流产业及碳减水平都为Ⅰ级水平

中水平Y=I1J2∪I2J1∪I2J2两者都不是Ⅲ级水平，并且至多一个为Ⅰ级水平

低水平Z=I1J3∪I2J3∪I3J1∪I3J2∪I3J3 两者至少一个为Ⅲ级水平

通过研究构造协同竞争关系指数函数fαLC，αCL来表征两者协同竞争关系，定义协同竞争关系指数表示为：

C=fαLC，αCL=αLC+αCLα2LC+α2CL（6）

根据函数性质可知，C∈-2，2，结合发展水平及协同竞争指数，进行全国30省域间物流碳减复合系统协同竞争关系评判和归类，如表5所示。

表5物流业碳减复合系统分类协同竞争关系评判标准

序号竞争系数协同竞争关系指数协同关系分类

1αLC<0，αCL<0C∈[-2，1]互利共生

2αLC<0，αCL>0C∈[-1，0]偏利寄生

3αLC>0，αCL<0C∈[0，1]偏利寄生

4αLC>0，αCL>0C∈[1，2]恶性抗生

2实证研究与结果分析

21发展水平分类

通过物流子系统与碳减子系统各指标加权求和对各省域间物流业碳减水平值进行测算：

LSt=∑nj=1Wj×LSijt（7）

CSt=∑nj=1Wj×CSijt（8）

采用统计学软件SPSS190系统聚类组内连接法，得到各省域物流业发展水平高、中、低聚类结果范围分别为[3，5]、（19，3）和[1，19]；碳减水平高、中、低聚类结果分别为[4，5]、（17，4）和[1，17]。基于聚类结果对各省域物流业及碳减发展水平等级进行归类，结果见表6。

从表6可知，物流产业发展水平东部显著高于中、西部，但碳减水平却没有明显表现出类似物流产业阶梯分布规律，总体基本符合我国物流业碳减的真实情况：①总览全国物流业碳减复合系统发展现状，没有达到高水平的省域，其中，河北、安徽、江苏、山西等省因某一子系统达到高水平，但发展不均衡使得复合系统处于中水平；②其余省份则由于某一子系统或所有子系统均处于低水平导致复合系统整体处于低水平阶段，其中青海和宁夏的高碳减水平主要是由于物流产业欠发达导致能源资源消耗较少，而中东部地区的碳减水平普遍处于中低水平，原因在于区域物流产业发展大量消耗能源资源和粗放低效的使用方式所致。

表6全国30省域物流业、碳减及物流业碳减复合系统发展水平划分

物流发展水平碳减排水平物流业碳减复合系统共生协同水平

高水平广东、山东青海、宁夏无

中水平河北、安徽、江苏、河南、山西、湖南、浙江、四川、内蒙古、北京、辽宁、上海河北、安徽、江苏、河南、吉林、江西、天津、海南、黑龙江、甘肃、福建、山西、贵州、湖南、浙江、四川河北、安徽、江苏、河南、山西、湖南、浙江、四川

低水平青海、宁夏、吉林、江西、天津、海南、黑龙江、甘肃、福建、贵州、重庆、广西、新疆、陕西、云南、湖北重庆、广西、新疆、内蒙古、陕西、广东、北京、山东、云南、湖北、辽宁、上海青海、宁夏、吉林、江西、天津、海南、黑龙江、甘肃、福建、贵州、重庆、广西、新疆、陕西、云南、湖北、内蒙古、广东、北京、山东、辽宁、上海

22协同竞争指数估算

本研究使用Eviews71计量软件对数据进行了实证分析，首先对L-V模型联立方程分别进行线性化处理，并进行LS（Least Squares and AR）回归分析并通过检验，Hausman设定检验结果选择固定个体效应模型，具体协同竞争指数结果见表7。

观察表7发现，全国30省域间物流业碳减复合系统协同竞争关系差异明显：

（1）辽宁、山东、广东、浙江等省域協同竞争指数在互利共生区间内，即物流产业经济发展规模的扩大增加碳减技术资本的投入，促进碳减水平的提升，同时大气生态环境的改善也将更进一步促进物流产业的发展。

（2）河北、上海以及湖北省协同竞争指数在偏利寄生区间内，且物流子系统处于“捕食者”地位，产业发展过程中排放大量的二氧化碳给大气生态带来巨大安全隐患，进而加剧复合系统不协调的“偏利”现状。

（3）福建省协同竞争指数在偏利寄生区间内，表现为碳减占据有利地位，追根究底在于轻工业主导的产业结构使福建省物流业能源消耗相对较少，而经济技术优势导致碳排放控制强度相对较高。

（4）北京、海南、安徽等省域协同竞争指数在恶性抗生区间内，意味着该省域为满足可持续发展，采取高碳排标准淘汰未达标排放物流企业。

23协同竞争关系分类

根据协同竞争指数及发展水平，对各省域物流业碳减复合系统协同竞争关系进行归类，结果见表8。

结合物流业碳减作用关系及协同关系综合评判结果分析：

（1）共生作用—互利共生

辽宁、山东、广东等14省域物流业碳减复合系统处于协调平稳发展状态，物流产业及整体大气生态存在可持续发展可能性。其中江苏、河南、山西、浙江、湖南、四川省域的物流业碳减复合系统处于中等水平，即物流产业获得发展同时一定程度兼顾了碳减排实施；吉林、黑龙江、江西、广东各省域由于省域产业的发展条件及生产技术落后，处于低水平。

（2）抑制作用&消极作用—偏利寄生

河北、上海、福建及湖北四省域物流业碳减复合系统内存在竞争“捕食”关系，即偏利寄生。上海、河北、湖北三省域物流业占据“捕食者”地位，物流业发展对碳减力度提升的抑制效应远高于碳减力度对物流业扩展的竞争作用。虽然物流产业获得一定程度的发展，但是粗放式经营和低效高排的能源消耗对大气生态安全造成巨大压力。反之，福建省碳减处于“捕食者”地位，表明相对于物流产业碳减力度则表现出较高的发展水平和更好的发展态势。其中河北省处于中水平阶段的偏利寄生，福建、上海、湖北三省处于低水平起步阶段。

（3）抗生作用—恶性抗生

北京、天津、海南等12省域物流业碳减复合系统内部统一表现为相互抑制的抗生关系，即发展物流产业经济的同时却没有增加碳减技术投入，相应在碳减排实施中也抑制了产业经济规模的提升。其中安徽省的物流业碳减复合系统发展处于中水平，其余各省域则处于低水平的恶性循环关系中。

3结论与共治对策

本文基于生物学种间竞争关系类型，分析了物流业发展和碳排放控制间相互作用关系，借助L-V模型对全国30省域的物流产业和碳减力度发展水平及协同竞争指数进行测算和比较研究。研究结果表明：①从发展水平角度看，东中西部物流业发展呈阶梯式分布，碳排放控制表现出异质性特点，全国物流业碳减复合系统普遍处于中低水平；②从协同竞争关系角度看，辽宁、山东、广东、浙江等14省域物流业发展和碳排放控制相互协同共生，河北、上海、福建和湖北4省属偏利寄生关系，北京、天津、海南等12省域物流业发展和碳排放控制相互恶性抗生。

结合我国2020年碳减排目标，在坚持低碳和发展共进的原则下，针对各省域物流产业及碳减之间协同竞争关系现状，提出以下共治对策：

（1）植根资源禀赋，“量身定制”区域物流体系

为扭转物流业碳减普遍处于中低水平不利形势，当务之急应加速传统运输业和仓储业向现代物流业转型，逐步完善现代物流服务体系。充分考虑各省域特征，定位物流发展核心优势，定制省域物流产业特色发展模式。例如，广东、山东等东部省域积极通过推广智能物流发展理念，提升物流业信息化和智能化水平；安徽、湖北等中部地区发挥承东启西、贯通南北的区位优势，构建服务于产业转移、资源输送和南北区域合作的物流网络；青海、宁夏等西部省份要结合一路一带建设，打造物流通道，发展具有特色优势的物流产业。

（2）创新减碳技术，“双管齐下”驱动产业发展

偏利寄生关系结果分析中，上海、河北、湖北三省作为碳减“捕食者”的物流产业，应创新减碳技术，转变高碳物流低碳化，设定行业碳排放量，倒逼企业实现规范化排放，利用市场筛选机制，淘汰高碳排物流企业。福建省物流产业沦为碳减的“猎物”，应在秉承低碳理念下充分挖掘物流业经济发展潜力，优化物流硬件基础设施和软环境的发展条件进一步突出港口省份优势，兼顾“碳总量减排”与“碳强度减排”双项目标，打好政府宏观调控与市场调节的“组合拳”，驱动物流产业持续发展。

（3）盘查碳排源头，“抓大放小”构建碳减机制

北京、重庆等处于恶性抗生阶段的省域政府应发挥积极引导作用，变末端治理为管端预防，协助企业进行物流活动各环节直接或间接二氧化碳排放的“碳盘查”，了解各环节排放现状、识别出关键排放源，并有针对地制定减排措施。采取“抓大放小”的市场节能减排方针，“抓”广东、山东等高碳排省域，实行碳排放交易机制，“铁腕式”控制排放总量；“放”青海、宁夏等低碳排省域，适度征收碳税，“软约束”鼓励自愿减排。多重探索低碳物流业隧穿路径，尽早达到排放峰值。

参考文献：

[1]Yan Xiao， Yun Kang Cheng， Qiu Hong Jia. Application of SLP in Plant Layout Based on Low Carbon Logistics[J].Advanced Materials Research，2012，（3）：424-425.

[2]王倩倩.基于系统动力学的吉林省物流行业碳足迹研究[D].吉林大学，2014.

[3]刘佩.福建省物流业碳排放驱动因素及碳排放结构变化研究[D].厦门大学，2014.

[4]张立国，李东，周德群.中国物流业二氧化碳排放绩效的动态变化及区域差异——基于省级面板数据的实证分析[J].系统工程，2013，（04）：95-102.

[5]方健，徐丽群.考虑碳排放的物流网络库存成本控制模型研究[J].科技管理研究，2012，（23）：232-235.

[6]Lotka A J. Elements of Physical Biology[M]. Philadelphia： Williams and Wilkins Company， 1925.

[7]Volterra V. Variazionie Fluttuazionidel Numerod Individual in Specie Animali Conviventi[J]. Memorie Ricerca dell Academ，ia Nazio-nale dei Lincei，Serie，1926，6（2）：31-113.

[8]卞曰瑭，何建敏，庄亚明. 基于Lotka-Volterra模型的生产性服务业发展机理研究[J]. 软科学，2011，01：32-36.

[9]张智光.林业生态安全的共生耦合测度模型与判据[J].中国人口·资源与环境，2014，（08）：90-99.

[10]周甜甜，王文平.基于Lotka-Volterra模型的省域产业生态经济系统协调性研究[A].中国管理科学，2014.

[11]Lifeng Wu， Yinao Wang.Estimation the Parameters of Lotka-Volterra Model Based on Grey Direct Modelling Method and its Application[J].Expert Systems with Application，2011，41（23）：108-113.

[12]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].中國人口·资源与环境，2011， （09）：81-87.

[13]P H LESLIE. A Stochastic Model for Studying the Properties of Certain Biological Systems by Numerical Methods[J].Biometrika，1958，（46）：16-31.

（责任编辑：何彬）