中國物流業(yè)碳排放影響因素的區(qū)域差異

(武漢工程大學 管理學院,湖北 武漢 430205)

中國物流業(yè)碳排放影響因素的區(qū)域差異

劉 渝,李 萊,宋 陽
(武漢工程大學 管理學院,湖北 武漢 430205)

物流業(yè)是碳排放的主要行業(yè)之一,分析物流業(yè)碳排放和影響因素的區(qū)域差異可為分區(qū)域制定減排措施提供科學依據(jù)。基于Panel data,利用IPCC方法測算我國30個省區(qū)2007—2014年物流業(yè)的碳排放量,運用LMDI模型將碳排放影響效應分解為能源結(jié)構(gòu)、能源強度、經(jīng)濟發(fā)展和人口規(guī)模效應,并將全國劃分為東、中、西三個區(qū)域,挖掘三個區(qū)域碳排放影響因素的差異。結(jié)果顯示,就全國平均水平而言,經(jīng)濟發(fā)展效應是物流業(yè)碳排放最主要的正向效應,人口規(guī)模效應次之,能源強度效應是主要的負向效應,其次是能源結(jié)構(gòu)效應;就區(qū)域差異而言,能源強度效應在東部地區(qū)的表現(xiàn)最明顯,人口規(guī)模效應對西部地區(qū)的影響相對較大,經(jīng)濟發(fā)展效應對東部與西部地區(qū)的影響高于中部地區(qū)。

物流業(yè);碳排放;區(qū)域差異; LMDI因素分解;影響因素

1 引言

2015年,中國政府在紐約聯(lián)合國氣候變化問題會議上強調(diào),已將應對氣候變化全面融入到國家經(jīng)濟社會發(fā)展總戰(zhàn)略中。未來,中國將進一步加大溫室氣體排放的控制力度,力爭到2020年實現(xiàn)碳排放強度降低40%—45%的目標。

我國物流業(yè)發(fā)展迅速,各行業(yè)中的碳排放量急劇上升，因此為了實現(xiàn)我國2020年碳減排目標,必須大力控制物流業(yè)的碳排放量。2014年9月我國發(fā)布的《物流業(yè)發(fā)展中長期規(guī)劃(2014—2020年)》中明確指出,“節(jié)能減排、綠色環(huán)保的低碳物流”是未來物流業(yè)的發(fā)展方向。在此背景下,核算我國各地區(qū)物流業(yè)碳排放量,分析物流業(yè)碳排放影響因素的區(qū)域差異是當前迫切需要解決的理論問題。

碳排放領(lǐng)域的研究方向集中在核算方法、因素分解和區(qū)域差異等方面。對碳排放量的核算,學界普遍采用IPCC核算方法,孫建衛(wèi)、李丹丹、張翠菊等采用該方法估算了我國各省區(qū)的碳排放總量[1-3]。對碳排放的影響因素分解,主要應用LMDI方法。在工業(yè)領(lǐng)域內(nèi),Ang BW 等利用LMDI分析了我國8個工業(yè)部門CO2排放的主要影響因素,得出工業(yè)增加值與行業(yè)能源強度是影響碳排放的主要因素[4];Chunbo Ma等利用LMDI技術(shù)分解了我國1980—2003年期間能源強度的變化,發(fā)現(xiàn)技術(shù)革新是導致能源強度下降的主因[5];Claudia Sheinbaum-Pardo分析了制造業(yè)CO2排放變化趨勢,利用LMDI分析了制造業(yè)碳排放的影響因素,得出能源結(jié)構(gòu)與能源強度是影響墨西哥制造業(yè)碳排放的主要因素[6]。國內(nèi)學者考察的影響因素主要包括能源強度效應、能源結(jié)構(gòu)效應、產(chǎn)業(yè)結(jié)構(gòu)效應、人均收入、產(chǎn)出規(guī)模效應和能源排放強度效應[7,8]。針對物流行業(yè)的研究,張立國將影響因素分解為碳排放因子、能源結(jié)構(gòu)、能源強度、經(jīng)濟發(fā)展、物流產(chǎn)出、人口規(guī)模等六個效應[9];馬越越、王維國基于LMDI分析了1991—2010年全國物流業(yè)碳排放的影響因素,結(jié)果表明經(jīng)濟增長是物流業(yè)的主要拉動力[10];苑清敏、張文龍研究發(fā)現(xiàn),能源結(jié)構(gòu)和能源強度效應對經(jīng)濟發(fā)達地區(qū)的碳排放有抑制作用[11]，且碳排放的區(qū)域差異顯著；劉占成、王安健發(fā)現(xiàn),1998—2008年我國東部地區(qū)的碳排放量占比例最大,西部地區(qū)呈現(xiàn)出逐步增加趨勢,是以后的重點減排區(qū)[12];張雷、黃園淅等通過分析中國碳排放區(qū)域特征,得出東部地區(qū)碳排放量始終占據(jù)主導地位,中部地區(qū)碳排放較穩(wěn)定,西部地區(qū)碳排放量較少但保持著持續(xù)上升的趨勢[13];鄧吉祥、劉曉歸納了1995—2010年全國八大區(qū)域的碳排放影響效應差異,能源結(jié)構(gòu)效應對經(jīng)濟發(fā)達地區(qū)的碳排放具有抑制作用[14]。

綜上所述,我國各地物流產(chǎn)業(yè)發(fā)展程度不均衡,區(qū)域間碳排放量呈現(xiàn)顯著的差異。物流業(yè)作為高能耗和高排放產(chǎn)業(yè),碳排放下降有利于實現(xiàn)我國節(jié)能減排目標。本文將我國30個省、自治區(qū)和直轄市劃分為傳統(tǒng)的東、中、西三大區(qū)域(由于西藏自治區(qū)、香港和澳門特別行政區(qū)、臺灣地區(qū)缺乏統(tǒng)計數(shù)據(jù),不在本文研究范圍內(nèi)),估算了三大區(qū)域2007—2014年物流業(yè)的碳排放量,利用LMDI模型分解碳排放的影響因素,把握物流業(yè)碳排放的區(qū)域特征,以期為分區(qū)域制定物流業(yè)的低碳發(fā)展戰(zhàn)略提供科學依據(jù)。

2 研究方法與模型構(gòu)建

2.1 碳排放的IPCC測算方法

根據(jù)聯(lián)合國政府間氣候變化專門委員會(IPCC)提供的估算方法,采用式(1)測算我國30個省區(qū)物流業(yè)的碳排放量:

(1)

式中,c表示碳排放總量;ci為第i種能源的碳排放量;θi為第i種能源的碳排放系數(shù);βi為第i種能源的折標準煤系數(shù);Ei為第i種能源的消耗量。其中,βi采用《中國能源統(tǒng)計年鑒》規(guī)定的折算數(shù)值。

2.2 LMDI因素分解法

碳排放影響因素的分解方法主要包括指數(shù)分解法和結(jié)構(gòu)分解法,其中指數(shù)分解法又分為拉式指數(shù)分解法和迪氏指數(shù)分解法。在前期的大量研究中,學者們大多采用的是對數(shù)平均迪氏指數(shù)分解法(LMDI)分解碳排放影響因素[15-17],該方法分解時無殘差項,計算簡潔方便并且將加法分解與乘法分解聯(lián)系起來。本文運用LMDI方法分解了30個省區(qū)的物流業(yè)碳排放,根據(jù)Wang[18]等的研究成果,并結(jié)合物流業(yè)碳排放的特點,將物流業(yè)的碳排放量影響因素分解為能源碳排放強度效應、能源強度效應、能源結(jié)構(gòu)效應、經(jīng)濟發(fā)展效應和人口規(guī)模效應，建立分解模型:

(2)

若Ct表示第t年物流業(yè)的碳排放量,則物流業(yè)第t+1年碳排放量相對于第t年的變化為:

△C=Ct+1-Ct=△CF+△CS+△Cl+△CM+△Cp

(3)

2.3 數(shù)據(jù)來源及說明

目前統(tǒng)計數(shù)據(jù)中沒有專門設置“物流業(yè)”口徑。根據(jù)2006年的《中國第三產(chǎn)業(yè)統(tǒng)計年鑒》數(shù)據(jù),交通運輸、倉儲和郵政業(yè)占物流業(yè)生產(chǎn)總值的83%以上,在很大程度上代表了物流業(yè)的發(fā)展狀況，前者研究大多[20-22]以交通運輸業(yè)、倉儲和郵政業(yè)的碳排放總量來代表物流業(yè)。鑒于數(shù)據(jù)的可獲取性,本文沿用此法,碳排放量來源于8種能源消耗(原煤、煤油、柴油、汽油、燃料油、液化石油氣、天然氣、電力等)。數(shù)據(jù)源于相關(guān)年份的《中國能源統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》,碳排放系數(shù)以《2006年IPCC國家溫室氣體清單指南目錄》中的標準確定。

3 實證分析

3.1 三大區(qū)域物流業(yè)碳排放量特征分析

2007—2014年我國三大區(qū)域物流業(yè)生產(chǎn)總值呈現(xiàn)逐年上升趨勢(圖1),東部顯著高于中、西部地區(qū),與張晶、蔡建峰的研究結(jié)論相吻合。2009年以后,我國物流業(yè)發(fā)展速度加快,其中東部地區(qū)表現(xiàn)最為突出。我國三大地區(qū)碳排放量變動規(guī)模與行業(yè)發(fā)展態(tài)勢基本同步(圖2),從2009年開始三大區(qū)域的碳排放量增幅加大。東部地區(qū)的碳排放量在2013年出現(xiàn)了明顯下滑,可能是我國出臺《關(guān)于促進物流業(yè)健康發(fā)展政策措施的意見》(國辦發(fā)〔2011〕38號),即“物流國九條”的第六條提出將綠色物流提上議事日程,各地紛紛響應并開展物流業(yè)減排措施,東部地區(qū)的實施效果最好。

圖1 2007—2014年我國三大區(qū)域物流業(yè)生產(chǎn)總值

圖2 2007—2014年我國三大區(qū)域物流業(yè)碳排放量

3.2 物流業(yè)碳排放影響因素分析

根據(jù)估算的2007—2014年30個省物流業(yè)碳排放量數(shù)據(jù),運用式(2)、式(3)將各省碳排放的影響因素進行分解(表1)。就全國水平而言,2007—2014年我國碳排放年均增長1.118萬t。其中,經(jīng)濟發(fā)展是最主要的正向效應,使碳排放增加了2.293萬t;能源強度效應是最主要的負向影響,使碳排放降低了1.045萬t。

表1 2007—2014年中國30個省物流業(yè)碳排放的影響因素分解

從省級層面分析碳排放的分解效應,各省物流業(yè)的經(jīng)濟發(fā)展效應均在總效應中占有絕對比重,是碳排放增長的最主要因素;經(jīng)濟發(fā)展效應對經(jīng)濟發(fā)達地區(qū)的正效應弱于其他地區(qū),而對交通相對落后地區(qū)的正向影響更大,說明此類地區(qū)物流業(yè)發(fā)展造成的環(huán)境代價更嚴重。該現(xiàn)象符合環(huán)境庫茲涅茨假說,經(jīng)濟處于不發(fā)達階段時,行業(yè)發(fā)展與環(huán)境污染成正比關(guān)系；經(jīng)濟發(fā)展到更高階段時,環(huán)境污染的壓力相應釋放。能源強度效應對碳排放呈主要負向影響,對經(jīng)濟發(fā)達地區(qū)抑制效果更好,天津、河北、上海、遼寧等7個省份總效應水平未達到全國的1/2,這些省份經(jīng)濟發(fā)達,減排技術(shù)優(yōu)于其他省份,能源強度效應的貢獻較大,碳排放總效應較小。能源結(jié)構(gòu)呈現(xiàn)微弱的負效應,我國能源消費結(jié)構(gòu)較單一,主要是煤和石油,發(fā)達地區(qū)能源需求增長速度放緩,但能源消費總量大、耗能高的結(jié)構(gòu)短期內(nèi)難以改變;落后地區(qū)能源結(jié)構(gòu)甚至呈現(xiàn)正向影響,山西、新疆、甘肅、陜西4個省的總效應高于全國平均水平,主要受能源結(jié)構(gòu)效應的正向影響,能源消耗主要以一次能源(原煤、石油)為主,碳排放量較大。

3.3 三大區(qū)域碳排放的影響因素分析

結(jié)合圖3—6可見,三大區(qū)域碳排放的影響因素存在顯著差異。能源強度效應波幅較大,主要為負向影響,東部地區(qū)表現(xiàn)最顯著。三大區(qū)域物流業(yè)能源強度曲線分別在2008—2009年、2011—2012年兩次出現(xiàn)拐點(圖3),第一次拐點受2008年國際金融危機影響,物流業(yè)產(chǎn)值大幅下降;第二次拐點出現(xiàn)的原因是“物流國九條”的實施增強了能源強度抑制效應。東部地區(qū)能源強度效應曲線波動幅度最大,2009年強度效應大幅下降,此后一直處于負效應,2012年以后東部地區(qū)的效應水平低于中、西部地區(qū)。東部地區(qū)城鎮(zhèn)化程度較高,碳減排技術(shù)推廣迅速,有效地發(fā)揮了抑制作用。苑清敏分析京津冀地區(qū)物流業(yè)碳排放驅(qū)動的因素,發(fā)現(xiàn)2006—2012年京津冀地區(qū)能源效率的負向貢獻程度逐年增大;而中、西部地區(qū)物流業(yè)發(fā)展落后于東部,減排技術(shù)普及率不高,影響幅度小,對碳排放的抑制作用有限。

圖3 2007—2014年三大區(qū)域物流業(yè)碳排放能源強度效應

人口規(guī)模效應為正向影響,西部地區(qū)的效應高于東、中部地區(qū)。人口規(guī)模效應的影響總體較小,對西部地區(qū)的影響高于東、中部地區(qū)(圖4)。主要受經(jīng)濟發(fā)展程度和教育水平的影響,東部地區(qū)人口思想較為開放,人口增長速度緩慢；西部地區(qū)與之相反,人口增長速度較快。

圖4 2007—2014年三大區(qū)域物流業(yè)碳排放人口規(guī)模效應

能源結(jié)構(gòu)效應負向影響不明顯:物流業(yè)屬于能源密集型行業(yè),能源結(jié)構(gòu)效應受宏觀經(jīng)濟形式與能源政策影響。2009年以前的行業(yè)發(fā)展初期,能源結(jié)構(gòu)效應抑制作用表現(xiàn)較差(圖5)。2008—2009年能源結(jié)構(gòu)效應出現(xiàn)拐點,從2009年開始我國政府著重強調(diào)碳減排目標,并在2009年哥本哈根大會上提出 “單位GDP碳排放降低40%—50%的目標”,能源結(jié)構(gòu)效應開始出現(xiàn)下行趨勢,說明能源宏觀政策發(fā)揮了結(jié)構(gòu)調(diào)整效果。但2010年以后,我國三大地區(qū)的能源結(jié)構(gòu)效應曲線均圍繞在橫軸周圍,負向影響不明顯。主要是因為在能源結(jié)構(gòu)效應中占主導地位的分別為煤炭和柴油,物流業(yè)對柴油、煤油等石油燃料的依賴性強,暫時沒有其他清潔能源替代。

圖5 2007—2014年三大區(qū)域物流業(yè)碳排放能源結(jié)構(gòu)效應

經(jīng)濟發(fā)展效應是最主要的正向影響,對東、西部地區(qū)的影響高于中部地區(qū)。我國三大區(qū)域的經(jīng)濟發(fā)展效應基本為正向影響,且是最主要的影響,該結(jié)論與前期相關(guān)研究結(jié)論一致。經(jīng)濟發(fā)展效應曲線在2008—2009年出現(xiàn)峰值,且東、西部地區(qū)效應明顯高于中部地區(qū)(圖6)。隨著經(jīng)濟水平的提高,人們追求快捷物流方式所帶來的高質(zhì)量生活,使貨運周轉(zhuǎn)顯著增加。東部地區(qū)物流業(yè)發(fā)達,行業(yè)規(guī)模較大,對一次能源的需求旺盛;西部地區(qū)物流業(yè)發(fā)展以能源依賴型為導向,導致東、西部地區(qū)經(jīng)濟發(fā)展效應較高。2009年效應曲線大幅下降,2011年后趨于平緩并維持在較低水平,出現(xiàn)這種現(xiàn)象的原因是:“十二五”規(guī)劃強調(diào)要實現(xiàn)“單位GDP碳排放降低17%的目標”,致使各地區(qū)開始重視低碳綠色物流業(yè)發(fā)展,對碳排放起到了抑制作用。

圖6 2007—2014年三大區(qū)域物流業(yè)碳排放經(jīng)濟發(fā)展效應

4 結(jié)論與政策啟示

4.1 結(jié)論

本文測算了2007—2014年中國30個省區(qū)物流業(yè)的碳排放量,采用LMDI分解技術(shù),將碳排放的影響因素分解為碳排放能源強度效應、能源結(jié)構(gòu)效應、經(jīng)濟發(fā)展效應和人口規(guī)模效應四個方面。本文研究發(fā)現(xiàn)我國東、中、西三大區(qū)域的碳排放具有區(qū)域特征,上述影響因素在三大區(qū)域的效應存在明顯的差異,主要結(jié)論為：①物流業(yè)碳排放規(guī)模和行業(yè)產(chǎn)值在2007—2014年間都呈現(xiàn)增長趨勢,但各地區(qū)碳減排能力差異大。東部地區(qū)通過加強減排力度來降低碳排放量,已取得初步效果,對比中、西部地區(qū),東部地區(qū)的碳排放量在2013年出現(xiàn)了明顯下降。②經(jīng)濟發(fā)展效應是碳排放最顯著的正向貢獻因素,但降低經(jīng)濟發(fā)展速度來減少碳排放是不可能的。物流業(yè)能源強度效應和能源結(jié)構(gòu)效應對碳排放產(chǎn)生負向影響,但抑制效果不明顯。我國物流業(yè)能源消費仍以煤油、汽油、柴油和燃料油等高碳能源為主,能源消費結(jié)構(gòu)單一，因此通過優(yōu)化能源結(jié)構(gòu)來降低物流業(yè)碳排放量的潛力巨大。③我國東、中、西三大區(qū)域物流業(yè)碳排放量的影響因素存在顯著差異,能源強度效應在東部地區(qū)表現(xiàn)最明顯,人口規(guī)模效應對西部地區(qū)影響高于東、中部地區(qū),經(jīng)濟發(fā)展效應對東、西部地區(qū)構(gòu)成正向影響,且高于中部地區(qū),能源結(jié)構(gòu)效應在三大地區(qū)均未發(fā)揮明顯的抑制效應。

4.2 政策啟示

基于前文研究結(jié)論,得出以下政策啟示:①提高物流業(yè)碳減排能力,縮小區(qū)域差距。西部地區(qū)物流業(yè)發(fā)展仍然處于粗放型發(fā)展階段,減排潛力大,是未來物流業(yè)碳排放控制的重點區(qū)域。東部地區(qū)低碳物流業(yè)的發(fā)展初顯成效,可進一步發(fā)揮能源強度效應和能源結(jié)構(gòu)效應對物流業(yè)碳排放的抑制作用;西部地區(qū)應借鑒東部地區(qū)的行業(yè)發(fā)展模式、公共管理措施、技術(shù)減排策略,加快行業(yè)向綠色物流業(yè)轉(zhuǎn)型。②改善物流業(yè)能源消費結(jié)構(gòu)。我國應加強運輸交通工具的節(jié)能技術(shù)攻關(guān),實現(xiàn)能源的充分燃燒,提高車輛的能源使用效率;鼓勵采用太陽能等清潔型新型能源交通工具,推行實施車輛稅費制度,加快淘汰交通運輸市場中的老式高能耗車輛,從而引導物流業(yè)能源消耗結(jié)構(gòu)向新能源、低碳化方向發(fā)展;合理規(guī)劃城市基礎(chǔ)交通,降低物流業(yè)車輛的無效行駛和碳排放;把公路、鐵路、水路、航空等運輸方式有機聯(lián)系在一起,完善城際高速鐵路建設,聯(lián)結(jié)中心城市與城鎮(zhèn)的高速鐵路網(wǎng),充分利用鐵路的低碳排放優(yōu)勢,降低了公路運輸在物流中的比例,搭建多式聯(lián)運的運輸體系。③加快產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型和升級。當前我國物流業(yè)分散程度高、系統(tǒng)規(guī)劃不合理,導致行業(yè)運營效率低下。未來物流業(yè)需要提升科技水平,降低單位GDP的綜合周轉(zhuǎn)量,積極推動交通運輸領(lǐng)域的技術(shù)性節(jié)能減排;通過政策引導物流業(yè)向綠色低碳轉(zhuǎn)型,加強物流業(yè)共同化、信息化、一體化建設,構(gòu)建配貨信息平臺,整合配送資源,合理規(guī)劃物流節(jié)點,提高物流業(yè)的聯(lián)動效率。

[1]孫建衛(wèi),趙榮欽,黃賢金,等. 1995—2005年中國碳排放核算及其因素分解研究[J].自然資源學報,2010,25(8)∶1284-1295.

[2]李丹丹,劉銳,陳動.中國省域碳排放及其驅(qū)動因子的時空異質(zhì)性研究[J].中國人口·資源與環(huán)境,2013,23(7)∶84-92.

[3]張翠菊,張宗益.能源稟賦與技術(shù)進步對中國碳排放強度的空間效應[J].中國人口·資源與環(huán)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]林伯強,蔣竺均.中國二氧化碳的環(huán)境庫茲涅茨曲線預測及影響因素分析[J].管理世界,2009,(4)∶27-36.

[8]董軍,張旭.中國工業(yè)部門能耗碳排放分解與低碳策略研究[J].資源科學,2010,32(10)∶1856-1862.

[9]張立國.中國物流業(yè)二氧化碳排放變化驅(qū)動因素分析[J].中國流通經(jīng)濟,2016,30(12)∶29-39.

[10]馬越越,王維國.中國物流業(yè)碳排放特征及其影響因素分析——基于LMDI分解技術(shù)[J].數(shù)學的實踐與認識,2013,43(10)∶31-42.

[11]苑清敏,張文龍,寧寧寧.京津冀物流業(yè)碳排放驅(qū)動因素及脫鉤效應研究[J].科技管理研究,2016,(5)∶222-226.

[12]劉占成,王安建,于汶加,等.中國區(qū)域碳排放研究[J].地球?qū)W報,2010,31(5)∶727-732.

[13]張雷,黃園淅,李艷梅,等.中國碳排放區(qū)域格局變化與減排途徑分析[J].資源科學,2010,32(2)∶211-217.

[14]鄧吉祥,劉曉,王錚.中國碳排放的區(qū)域差異及演變特征分析與因素分解[J].自然資源學報,2014,29(2)∶189-200.

[15]張偉,張金鎖,鄒紹輝,等.基于LMDI的陜西省能源消費碳排放因素分解研究[J].干旱區(qū)資源與環(huán)境,2013,27(9)∶26-31.

[16]宋杰鯤.基于LMDI的山東省能源消費碳排放因素分解[J].資源科學,2012,34(1)∶35-41.

[17]史安娜,李淼.基于LMDI的南京市工業(yè)經(jīng)濟能源消費碳排放實證分析[J].資源科學,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]劉龍政,劉佩.物流業(yè)發(fā)展與碳排放、能源消耗之間的關(guān)聯(lián)研究——以福建省為例[J].市場論壇,2014,(12)∶34-37.

[20]張立國,李東,周德群.中國物流業(yè)二氧化碳排放績效的動態(tài)變化及區(qū)域差異——基于省級面板數(shù)據(jù)的實證分析[J].系統(tǒng)工程,2013,31(4)∶95-102.

[21]劉丙泉,程凱,馬占新.城鎮(zhèn)化對物流業(yè)碳排放變動影響研究[J].中國人口·資源與環(huán)境,2016,26(3)∶54-60.

[22]張晶,蔡建峰.我國物流業(yè)碳排放區(qū)域差異測度與分解[J].中國流通經(jīng)濟,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

武漢工程大學“企業(yè)與環(huán)境協(xié)調(diào)發(fā)展研究中心”重點項目(編號:qy1501);湖北省高等學校人文與社會科學重點研究基金“湖北人才發(fā)展研究中心項目”(編號:rcfz201602);武漢工程大學研究生教育創(chuàng)新基金項目(編號:CX2016117)。

及通訊作者簡介：劉渝(1981-),女,湖北省武漢人,博士,副教授,研究方向為資源與環(huán)境經(jīng)濟。