中国物流业碳排放影响因素的区域差异

(武汉工程大学 管理学院,湖北 武汉 430205)

中国物流业碳排放影响因素的区域差异

刘 渝,李 莱,宋 阳
(武汉工程大学 管理学院,湖北 武汉 430205)

物流业是碳排放的主要行业之一,分析物流业碳排放和影响因素的区域差异可为分区域制定减排措施提供科学依据。基于Panel data,利用IPCC方法测算我国30个省区2007—2014年物流业的碳排放量,运用LMDI模型将碳排放影响效应分解为能源结构、能源强度、经济发展和人口规模效应,并将全国划分为东、中、西三个区域,挖掘三个区域碳排放影响因素的差异。结果显示,就全国平均水平而言,经济发展效应是物流业碳排放最主要的正向效应,人口规模效应次之,能源强度效应是主要的负向效应,其次是能源结构效应;就区域差异而言,能源强度效应在东部地区的表现最明显,人口规模效应对西部地区的影响相对较大,经济发展效应对东部与西部地区的影响高于中部地区。

物流业;碳排放;区域差异; LMDI因素分解;影响因素

1 引言

2015年,中国政府在纽约联合国气候变化问题会议上强调,已将应对气候变化全面融入到国家经济社会发展总战略中。未来,中国将进一步加大温室气体排放的控制力度,力争到2020年实现碳排放强度降低40%—45%的目标。

我国物流业发展迅速,各行业中的碳排放量急剧上升，因此为了实现我国2020年碳减排目标,必须大力控制物流业的碳排放量。2014年9月我国发布的《物流业发展中长期规划(2014—2020年)》中明确指出,“节能减排、绿色环保的低碳物流”是未来物流业的发展方向。在此背景下,核算我国各地区物流业碳排放量,分析物流业碳排放影响因素的区域差异是当前迫切需要解决的理论问题。

碳排放领域的研究方向集中在核算方法、因素分解和区域差异等方面。对碳排放量的核算,学界普遍采用IPCC核算方法,孙建卫、李丹丹、张翠菊等采用该方法估算了我国各省区的碳排放总量[1-3]。对碳排放的影响因素分解,主要应用LMDI方法。在工业领域内,Ang BW 等利用LMDI分析了我国8个工业部门CO2排放的主要影响因素,得出工业增加值与行业能源强度是影响碳排放的主要因素[4];Chunbo Ma等利用LMDI技术分解了我国1980—2003年期间能源强度的变化,发现技术革新是导致能源强度下降的主因[5];Claudia Sheinbaum-Pardo分析了制造业CO2排放变化趋势,利用LMDI分析了制造业碳排放的影响因素,得出能源结构与能源强度是影响墨西哥制造业碳排放的主要因素[6]。国内学者考察的影响因素主要包括能源强度效应、能源结构效应、产业结构效应、人均收入、产出规模效应和能源排放强度效应[7,8]。针对物流行业的研究,张立国将影响因素分解为碳排放因子、能源结构、能源强度、经济发展、物流产出、人口规模等六个效应[9];马越越、王维国基于LMDI分析了1991—2010年全国物流业碳排放的影响因素,结果表明经济增长是物流业的主要拉动力[10];苑清敏、张文龙研究发现,能源结构和能源强度效应对经济发达地区的碳排放有抑制作用[11]，且碳排放的区域差异显著；刘占成、王安健发现,1998—2008年我国东部地区的碳排放量占比例最大,西部地区呈现出逐步增加趋势,是以后的重点减排区[12];张雷、黄园淅等通过分析中国碳排放区域特征,得出东部地区碳排放量始终占据主导地位,中部地区碳排放较稳定,西部地区碳排放量较少但保持着持续上升的趋势[13];邓吉祥、刘晓归纳了1995—2010年全国八大区域的碳排放影响效应差异,能源结构效应对经济发达地区的碳排放具有抑制作用[14]。

综上所述,我国各地物流产业发展程度不均衡,区域间碳排放量呈现显著的差异。物流业作为高能耗和高排放产业,碳排放下降有利于实现我国节能减排目标。本文将我国30个省、自治区和直辖市划分为传统的东、中、西三大区域(由于西藏自治区、香港和澳门特别行政区、台湾地区缺乏统计数据,不在本文研究范围内),估算了三大区域2007—2014年物流业的碳排放量,利用LMDI模型分解碳排放的影响因素,把握物流业碳排放的区域特征,以期为分区域制定物流业的低碳发展战略提供科学依据。

2 研究方法与模型构建

2.1 碳排放的IPCC测算方法

根据联合国政府间气候变化专门委员会(IPCC)提供的估算方法,采用式(1)测算我国30个省区物流业的碳排放量:

(1)

式中,c表示碳排放总量;ci为第i种能源的碳排放量;θi为第i种能源的碳排放系数;βi为第i种能源的折标准煤系数;Ei为第i种能源的消耗量。其中,βi采用《中国能源统计年鉴》规定的折算数值。

2.2 LMDI因素分解法

碳排放影响因素的分解方法主要包括指数分解法和结构分解法,其中指数分解法又分为拉式指数分解法和迪氏指数分解法。在前期的大量研究中,学者们大多采用的是对数平均迪氏指数分解法(LMDI)分解碳排放影响因素[15-17],该方法分解时无残差项,计算简洁方便并且将加法分解与乘法分解联系起来。本文运用LMDI方法分解了30个省区的物流业碳排放,根据Wang[18]等的研究成果,并结合物流业碳排放的特点,将物流业的碳排放量影响因素分解为能源碳排放强度效应、能源强度效应、能源结构效应、经济发展效应和人口规模效应，建立分解模型:

(2)

若Ct表示第t年物流业的碳排放量,则物流业第t+1年碳排放量相对于第t年的变化为:

△C=Ct+1-Ct=△CF+△CS+△Cl+△CM+△Cp

(3)

2.3 数据来源及说明

目前统计数据中没有专门设置“物流业”口径。根据2006年的《中国第三产业统计年鉴》数据,交通运输、仓储和邮政业占物流业生产总值的83%以上,在很大程度上代表了物流业的发展状况，前者研究大多[20-22]以交通运输业、仓储和邮政业的碳排放总量来代表物流业。鉴于数据的可获取性,本文沿用此法,碳排放量来源于8种能源消耗(原煤、煤油、柴油、汽油、燃料油、液化石油气、天然气、电力等)。数据源于相关年份的《中国能源统计年鉴》和《中国统计年鉴》,碳排放系数以《2006年IPCC国家温室气体清单指南目录》中的标准确定。

3 实证分析

3.1 三大区域物流业碳排放量特征分析

2007—2014年我国三大区域物流业生产总值呈现逐年上升趋势(图1),东部显著高于中、西部地区,与张晶、蔡建峰的研究结论相吻合。2009年以后,我国物流业发展速度加快,其中东部地区表现最为突出。我国三大地区碳排放量变动规模与行业发展态势基本同步(图2),从2009年开始三大区域的碳排放量增幅加大。东部地区的碳排放量在2013年出现了明显下滑,可能是我国出台《关于促进物流业健康发展政策措施的意见》(国办发〔2011〕38号),即“物流国九条”的第六条提出将绿色物流提上议事日程,各地纷纷响应并开展物流业减排措施,东部地区的实施效果最好。

图1 2007—2014年我国三大区域物流业生产总值

图2 2007—2014年我国三大区域物流业碳排放量

3.2 物流业碳排放影响因素分析

根据估算的2007—2014年30个省物流业碳排放量数据,运用式(2)、式(3)将各省碳排放的影响因素进行分解(表1)。就全国水平而言,2007—2014年我国碳排放年均增长1.118万t。其中,经济发展是最主要的正向效应,使碳排放增加了2.293万t;能源强度效应是最主要的负向影响,使碳排放降低了1.045万t。

表1 2007—2014年中国30个省物流业碳排放的影响因素分解

从省级层面分析碳排放的分解效应,各省物流业的经济发展效应均在总效应中占有绝对比重,是碳排放增长的最主要因素;经济发展效应对经济发达地区的正效应弱于其他地区,而对交通相对落后地区的正向影响更大,说明此类地区物流业发展造成的环境代价更严重。该现象符合环境库兹涅茨假说,经济处于不发达阶段时,行业发展与环境污染成正比关系；经济发展到更高阶段时,环境污染的压力相应释放。能源强度效应对碳排放呈主要负向影响,对经济发达地区抑制效果更好,天津、河北、上海、辽宁等7个省份总效应水平未达到全国的1/2,这些省份经济发达,减排技术优于其他省份,能源强度效应的贡献较大,碳排放总效应较小。能源结构呈现微弱的负效应,我国能源消费结构较单一,主要是煤和石油,发达地区能源需求增长速度放缓,但能源消费总量大、耗能高的结构短期内难以改变;落后地区能源结构甚至呈现正向影响,山西、新疆、甘肃、陕西4个省的总效应高于全国平均水平,主要受能源结构效应的正向影响,能源消耗主要以一次能源(原煤、石油)为主,碳排放量较大。

3.3 三大区域碳排放的影响因素分析

结合图3—6可见,三大区域碳排放的影响因素存在显著差异。能源强度效应波幅较大,主要为负向影响,东部地区表现最显著。三大区域物流业能源强度曲线分别在2008—2009年、2011—2012年两次出现拐点(图3),第一次拐点受2008年国际金融危机影响,物流业产值大幅下降;第二次拐点出现的原因是“物流国九条”的实施增强了能源强度抑制效应。东部地区能源强度效应曲线波动幅度最大,2009年强度效应大幅下降,此后一直处于负效应,2012年以后东部地区的效应水平低于中、西部地区。东部地区城镇化程度较高,碳减排技术推广迅速,有效地发挥了抑制作用。苑清敏分析京津冀地区物流业碳排放驱动的因素,发现2006—2012年京津冀地区能源效率的负向贡献程度逐年增大;而中、西部地区物流业发展落后于东部,减排技术普及率不高,影响幅度小,对碳排放的抑制作用有限。

图3 2007—2014年三大区域物流业碳排放能源强度效应

人口规模效应为正向影响,西部地区的效应高于东、中部地区。人口规模效应的影响总体较小,对西部地区的影响高于东、中部地区(图4)。主要受经济发展程度和教育水平的影响,东部地区人口思想较为开放,人口增长速度缓慢；西部地区与之相反,人口增长速度较快。

图4 2007—2014年三大区域物流业碳排放人口规模效应

能源结构效应负向影响不明显:物流业属于能源密集型行业,能源结构效应受宏观经济形式与能源政策影响。2009年以前的行业发展初期,能源结构效应抑制作用表现较差(图5)。2008—2009年能源结构效应出现拐点,从2009年开始我国政府着重强调碳减排目标,并在2009年哥本哈根大会上提出 “单位GDP碳排放降低40%—50%的目标”,能源结构效应开始出现下行趋势,说明能源宏观政策发挥了结构调整效果。但2010年以后,我国三大地区的能源结构效应曲线均围绕在横轴周围,负向影响不明显。主要是因为在能源结构效应中占主导地位的分别为煤炭和柴油,物流业对柴油、煤油等石油燃料的依赖性强,暂时没有其他清洁能源替代。

图5 2007—2014年三大区域物流业碳排放能源结构效应

经济发展效应是最主要的正向影响,对东、西部地区的影响高于中部地区。我国三大区域的经济发展效应基本为正向影响,且是最主要的影响,该结论与前期相关研究结论一致。经济发展效应曲线在2008—2009年出现峰值,且东、西部地区效应明显高于中部地区(图6)。随着经济水平的提高,人们追求快捷物流方式所带来的高质量生活,使货运周转显著增加。东部地区物流业发达,行业规模较大,对一次能源的需求旺盛;西部地区物流业发展以能源依赖型为导向,导致东、西部地区经济发展效应较高。2009年效应曲线大幅下降,2011年后趋于平缓并维持在较低水平,出现这种现象的原因是:“十二五”规划强调要实现“单位GDP碳排放降低17%的目标”,致使各地区开始重视低碳绿色物流业发展,对碳排放起到了抑制作用。

图6 2007—2014年三大区域物流业碳排放经济发展效应

4 结论与政策启示

4.1 结论

本文测算了2007—2014年中国30个省区物流业的碳排放量,采用LMDI分解技术,将碳排放的影响因素分解为碳排放能源强度效应、能源结构效应、经济发展效应和人口规模效应四个方面。本文研究发现我国东、中、西三大区域的碳排放具有区域特征,上述影响因素在三大区域的效应存在明显的差异,主要结论为：①物流业碳排放规模和行业产值在2007—2014年间都呈现增长趋势,但各地区碳减排能力差异大。东部地区通过加强减排力度来降低碳排放量,已取得初步效果,对比中、西部地区,东部地区的碳排放量在2013年出现了明显下降。②经济发展效应是碳排放最显著的正向贡献因素,但降低经济发展速度来减少碳排放是不可能的。物流业能源强度效应和能源结构效应对碳排放产生负向影响,但抑制效果不明显。我国物流业能源消费仍以煤油、汽油、柴油和燃料油等高碳能源为主,能源消费结构单一，因此通过优化能源结构来降低物流业碳排放量的潜力巨大。③我国东、中、西三大区域物流业碳排放量的影响因素存在显著差异,能源强度效应在东部地区表现最明显,人口规模效应对西部地区影响高于东、中部地区,经济发展效应对东、西部地区构成正向影响,且高于中部地区,能源结构效应在三大地区均未发挥明显的抑制效应。

4.2 政策启示

基于前文研究结论,得出以下政策启示:①提高物流业碳减排能力,缩小区域差距。西部地区物流业发展仍然处于粗放型发展阶段,减排潜力大,是未来物流业碳排放控制的重点区域。东部地区低碳物流业的发展初显成效,可进一步发挥能源强度效应和能源结构效应对物流业碳排放的抑制作用;西部地区应借鉴东部地区的行业发展模式、公共管理措施、技术减排策略,加快行业向绿色物流业转型。②改善物流业能源消费结构。我国应加强运输交通工具的节能技术攻关,实现能源的充分燃烧,提高车辆的能源使用效率;鼓励采用太阳能等清洁型新型能源交通工具,推行实施车辆税费制度,加快淘汰交通运输市场中的老式高能耗车辆,从而引导物流业能源消耗结构向新能源、低碳化方向发展;合理规划城市基础交通,降低物流业车辆的无效行驶和碳排放;把公路、铁路、水路、航空等运输方式有机联系在一起,完善城际高速铁路建设,联结中心城市与城镇的高速铁路网,充分利用铁路的低碳排放优势,降低了公路运输在物流中的比例,搭建多式联运的运输体系。③加快产业结构转型和升级。当前我国物流业分散程度高、系统规划不合理,导致行业运营效率低下。未来物流业需要提升科技水平,降低单位GDP的综合周转量,积极推动交通运输领域的技术性节能减排;通过政策引导物流业向绿色低碳转型,加强物流业共同化、信息化、一体化建设,构建配货信息平台,整合配送资源,合理规划物流节点,提高物流业的联动效率。

[1]孙建卫,赵荣钦,黄贤金,等. 1995—2005年中国碳排放核算及其因素分解研究[J].自然资源学报,2010,25(8)∶1284-1295.

[2]李丹丹,刘锐,陈动.中国省域碳排放及其驱动因子的时空异质性研究[J].中国人口·资源与环境,2013,23(7)∶84-92.

[3]张翠菊,张宗益.能源禀赋与技术进步对中国碳排放强度的空间效应[J].中国人口·资源与环境,2015,25(9)∶37-43.

[4]Ang BW.Decomposition Analysis for Policy Making in Energy：Which Is the Preferred Method?[J].Energy Policy,2004,32 (9)∶1131-1139.

[5]Chunbo Ma,David I Stern.China′s Changing Energy Intensity Trend：A Decomposition Analysis[J].Energy Economics,2008,30(3)∶1037-1053.

[6]Claudia Sheinbaum-Pardo,Sergio Mora-Pérez,Guillermo Robles-Morales.Decomposition of Energy Consumption and CO2Emissions in Mexican Manufacturing Industries:Trends Between 1990 and 2008[J].Energy for Sustainable Development,2012,16(1)∶57-67.

[7]林伯强,蒋竺均.中国二氧化碳的环境库兹涅茨曲线预测及影响因素分析[J].管理世界,2009,(4)∶27-36.

[8]董军,张旭.中国工业部门能耗碳排放分解与低碳策略研究[J].资源科学,2010,32(10)∶1856-1862.

[9]张立国.中国物流业二氧化碳排放变化驱动因素分析[J].中国流通经济,2016,30(12)∶29-39.

[10]马越越,王维国.中国物流业碳排放特征及其影响因素分析——基于LMDI分解技术[J].数学的实践与认识,2013,43(10)∶31-42.

[11]苑清敏,张文龙,宁宁宁.京津冀物流业碳排放驱动因素及脱钩效应研究[J].科技管理研究,2016,(5)∶222-226.

[12]刘占成,王安建,于汶加,等.中国区域碳排放研究[J].地球学报,2010,31(5)∶727-732.

[13]张雷,黄园淅,李艳梅,等.中国碳排放区域格局变化与减排途径分析[J].资源科学,2010,32(2)∶211-217.

[14]邓吉祥,刘晓,王铮.中国碳排放的区域差异及演变特征分析与因素分解[J].自然资源学报,2014,29(2)∶189-200.

[15]张伟,张金锁,邹绍辉,等.基于LMDI的陕西省能源消费碳排放因素分解研究[J].干旱区资源与环境,2013,27(9)∶26-31.

[16]宋杰鲲.基于LMDI的山东省能源消费碳排放因素分解[J].资源科学,2012,34(1)∶35-41.

[17]史安娜,李淼.基于LMDI的南京市工业经济能源消费碳排放实证分析[J].资源科学,2011,33(10)∶1890-1896.

[18]Wang Y,Zhu Q,Geng Y.Trajectory and Driving Factors for GHG Emissions in the Chinese Cement Industry[J].Journal of Cleaner Production,2013,53(8)∶252-260.

[19]刘龙政,刘佩.物流业发展与碳排放、能源消耗之间的关联研究——以福建省为例[J].市场论坛,2014,(12)∶34-37.

[20]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,2013,31(4)∶95-102.

[21]刘丙泉,程凯,马占新.城镇化对物流业碳排放变动影响研究[J].中国人口·资源与环境,2016,26(3)∶54-60.

[22]张晶,蔡建峰.我国物流业碳排放区域差异测度与分解[J].中国流通经济,2014,28(8)∶25-30.

RegionalDisparitiesofInfluencingFactorsofLogisticsIndustries′CarbonEmissionsinChina

LIU Yu,LI Lai,SONG Yang
(School of Management,Wuhan Institute of Technology,Wuhan 430205,China)

Logistics industry was one of the main industry responsible for carbon emission.Analysis of regional differences in carbon emissions and impact factors in the logistics industry could provide a scientific basis for the development of mitigation measures.Based on the panel data,analysis of regional differences in carbon emissions and impact factors in the logistics industry could provide a scientific basis for the development of mitigation measures.This paper used the IPCC method to measure the carbon emissions of the logistics industry in 30 provinces in China during 2007-2014.The LMDI model was used to decompose the carbon emission effect into energy structure effect,energy intensity effect,economic development effect and population scale effect.And the 30 provinces in China were divided into three regions:Eastern,central and western regions,to excavate the regional differences in carbon emissions and the impact of carbon emission factors.For the national average,the results showed that economic development effect was the most main positive factor to carbon emission of logistics industry,followed by the population scale effect.Energy intensity effect was the main negative impact on carbon emissions,followed by the energy structure effect,but the inhibition was not obvious.The regional differences of carbon emissions were obvious,the eastern region was obviously higher than the middle and western regions.There were significant differences among the three regional carbon emission factors.Energy intensity effect was the most influential factor of carbon emission in the eastern region.The significant influencing factor in western China was population scale effect.Economic development effect on middle and western regions was higher than that in the central region.

logistics industry;carbon emission;regional differences;LMDI;influencing factors

10.3969/j.issn.1005-8141.2017.12.006

X823.3

A

1005-8141(2017)12-1439-05

2017-10-20；

2017-11-19

武汉工程大学“企业与环境协调发展研究中心”重点项目(编号:qy1501);湖北省高等学校人文与社会科学重点研究基金“湖北人才发展研究中心项目”(编号:rcfz201602);武汉工程大学研究生教育创新基金项目(编号:CX2016117)。

及通讯作者简介：刘渝(1981-),女,湖北省武汉人,博士,副教授,研究方向为资源与环境经济。