武漢市物流業(yè)碳排放及影響因素研究

摘 要：物流是產(chǎn)生碳排放最重要的產(chǎn)業(yè)之一，在“雙碳”戰(zhàn)略目標(biāo)下，物流業(yè)低碳發(fā)展成為備受關(guān)注的焦點(diǎn)問題?；?010—2022年武漢市物流業(yè)能源消耗的數(shù)據(jù)，文章估算了武漢市物流業(yè)的碳排放量，運(yùn)用LMDI模型探究能源結(jié)構(gòu)效應(yīng)、能源強(qiáng)度效應(yīng)、物流產(chǎn)出效應(yīng)、經(jīng)濟(jì)發(fā)展水平效應(yīng)、人口規(guī)模效應(yīng)對武漢市物流業(yè)碳排放的影響。結(jié)果表明武漢市物流業(yè)碳排放量持續(xù)增長；能源強(qiáng)度效應(yīng)、物流產(chǎn)出效應(yīng)和能源結(jié)構(gòu)效應(yīng)對物流業(yè)碳排放的抑制作用依次為顯著、較顯著和一般；經(jīng)濟(jì)發(fā)展效應(yīng)是促進(jìn)物流業(yè)碳排放的最重要因素，人口規(guī)模效應(yīng)具有較小的正向驅(qū)動作用。

關(guān)鍵詞：物流業(yè)碳排放；影響因素；LMDI模型；武漢市

中圖分類號：F062.2；X705 文獻(xiàn)標(biāo)志碼：A DOI：10.13714/j.cnki.1002-3100.2025.02.008

Abstract： The logistics industry is one of the most important industries that produce carbon emissions. Under the strategic goals of \"double carbon\"， the low-carbon development of the logistics industry has become the focus of attention. Based on the energy consumption data of Wuhan logistics industry from 2010 to 2022， this paper estimated the carbon emissions of Wuhan logistics industry， and used LMDI model to explore the influence of energy structure effect， energy intensity effect， logistics output effect， economic development level effect and population size effect on carbon emissions of Wuhan logistics industry. The results show that the carbon emissions of Wuhan's logistics industry is showing a continuous growth trend， that the inhibitory effects of energy intensity， logistics output and energy structure on "carbon emissions are significant， relatively significant and average respectively， and that economic development has an obvious positive driving effect on the growth of carbon emissions， and population size has a certain promoting effect on carbon emissions.

Key words： logistics carbon emissions; influencing factors; LMDI model; Wuhan City

0 " "引 " "言

黨的二十大報告強(qiáng)調(diào)“推動經(jīng)濟(jì)社會發(fā)展綠色化、低碳化是實(shí)現(xiàn)高質(zhì)量發(fā)展的關(guān)鍵環(huán)節(jié)”，物流業(yè)在國民經(jīng)濟(jì)發(fā)展中發(fā)揮著先導(dǎo)性、基礎(chǔ)性和戰(zhàn)略性作用，包含運(yùn)輸、倉儲和配送等多個耗能排碳環(huán)節(jié)，是產(chǎn)生碳排放最重要的產(chǎn)業(yè)之一，因而物流業(yè)的低碳發(fā)展成為全球關(guān)注的核心問題。

作為我國中部地區(qū)水陸空交通的重要鏈接節(jié)點(diǎn)、素有“九省通衢”之稱的武漢市一直重視物流業(yè)的發(fā)展。近十年來，武漢市物流業(yè)增加值占GDP的比重保持9%以上，占第三產(chǎn)業(yè)增加值比重保持15%左右，物流業(yè)是武漢市經(jīng)濟(jì)發(fā)展的支柱產(chǎn)業(yè)之一。在雙循環(huán)的新發(fā)展格局下，武漢市提出要建設(shè)國家商貿(mào)物流中心，在“十四五”規(guī)劃中再次明確提出重點(diǎn)發(fā)展物流產(chǎn)業(yè)，顯然，物流業(yè)已成為武漢市經(jīng)濟(jì)發(fā)展的核心力量。那么，武漢市物流業(yè)碳排放情況如何，哪些因素對武漢市物流業(yè)碳排放產(chǎn)生作用，只有明確了這些，采取相應(yīng)的對策，才能實(shí)現(xiàn)武漢市物流業(yè)的高質(zhì)量發(fā)展。

1 " "文獻(xiàn)綜述

關(guān)于物流業(yè)碳排放的研究主要集中于碳排放的測算和碳排放影響因素兩方面。碳排放的測算主要探討了碳排放效率和碳排放量，采用的方法主要包括SBM、DEA、投入產(chǎn)出模型、《2006年IPCC國家溫室氣體清單指南》提供的方法等，研究范圍主要包括國際層面、國家層面、區(qū)域?qū)用婧褪》輰用娴?。如Mariano等[1]運(yùn)用DEA-SBM對104個國家物流低碳發(fā)展的績效進(jìn)行了測算。馬飛等[2]基于2008—2017我國30個省份的數(shù)據(jù)，運(yùn)用DEA-Malmquist指數(shù)模型測算了物流業(yè)碳排放績效。朱桃杏等[3]運(yùn)用SBM模型分析2014—2018年我國各省區(qū)物流發(fā)展效率。林秀群等[4]運(yùn)用包含非期望產(chǎn)出的超效率SBM與Malmquist指數(shù)模型研究了長江經(jīng)濟(jì)帶的物流業(yè)碳排放效率。黃超然等[5]運(yùn)用Super-SBM模型測算了我國30個省份的物流能源效率。何景師等[6]采用SBM-DEA模型測算了我國沿海五大城市群的物流低碳效率。韓麗萍等[7]以投入產(chǎn)出模型為理論基礎(chǔ)，運(yùn)用結(jié)構(gòu)分解分析法和產(chǎn)業(yè)關(guān)聯(lián)效應(yīng)分析法，研究了物流業(yè)碳排放問題。胡小飛等[8]采用IPCC提供的方法測算了長江經(jīng)濟(jì)帶11省市物流業(yè)2006—2016年的碳排放量。耿立艷等[9]運(yùn)用IPCC碳排放系數(shù)，構(gòu)建碳排放強(qiáng)度與能源結(jié)構(gòu)和能源效率關(guān)聯(lián)測度模型，對2008—2018年京津冀地區(qū)的相關(guān)數(shù)據(jù)進(jìn)行靜態(tài)和動態(tài)特征分析。梁晶等[10]采用IPCC提供的方法測算了環(huán)渤海地區(qū)1994—2017年物流集聚水平與碳排放量，通過空間相關(guān)性分析，發(fā)現(xiàn)區(qū)域物流碳排放在空間上有顯著的相關(guān)性。

關(guān)于碳排放影響因素的研究，常用的方法有 IPAT模型[11]、STIRPAT 模型[12-14]、ISM模型[15-16]、LMDI分解模型[17-19]、Kaya 公式[20]等。LMDI 分解模型以日本學(xué)者Kaya提出的Kaya恒等式[21]為基礎(chǔ)，因具有滿足因素可逆且無殘差等優(yōu)勢而被廣泛應(yīng)用。Ang[22]首次提出用LMDI模型進(jìn)行因素的分解。朱桃杏等[3]運(yùn)用LMDI模型的研究表明，交通基礎(chǔ)設(shè)施、經(jīng)濟(jì)發(fā)展程度等因素對區(qū)域碳排放的影響差異性較大。曹俊文等[23]采用LMDI分解模型探討了長三角地區(qū)物流業(yè)碳排放驅(qū)動因素。穆曉央等[24]運(yùn)用Tapio脫鉤模型和LMDI模型分別研究了西部各省物流業(yè)碳排放的脫鉤狀態(tài)和影響因素。李健等[25]運(yùn)用LMDI 模型對京津冀物流業(yè)的碳排放驅(qū)動因素進(jìn)行分解研究。

物流業(yè)碳排放問題引起了學(xué)者的高度關(guān)注，但現(xiàn)有研究主要基于全國、區(qū)域或者省份層面，城市層面的研究較少?；诖?，本文選擇視物流業(yè)為支柱產(chǎn)業(yè)的武漢市為研究對象，在測算物流業(yè)碳排放量的基礎(chǔ)上，運(yùn)用LMDI分解模型探討物流業(yè)碳排放的影響因素及其效應(yīng)，為武漢市物流業(yè)低碳發(fā)展提出建議。

2 " "數(shù)據(jù)和方法

2.1 " "數(shù)據(jù)來源

借鑒大多數(shù)文獻(xiàn)的做法，本文用交通運(yùn)輸、倉儲和郵政業(yè)的相關(guān)數(shù)據(jù)表示物流業(yè)的數(shù)據(jù)。目前我國物流業(yè)的碳排放監(jiān)測體系尚未完善，無法直接獲得碳排放的數(shù)據(jù)，只能通過測算物流業(yè)能源消耗量得到。結(jié)合武漢市物流業(yè)能源消耗的實(shí)際情況，選取能源消耗量占比較多的原煤、汽油、煤油、柴油、燃燒油、天然氣6種化石燃料。根據(jù)《綜合能耗計算通則》（GB/T 2589—2008）提供的各能源折標(biāo)準(zhǔn)煤系數(shù)，將物流業(yè)各種能源消耗量折算成標(biāo)準(zhǔn)煤消耗量。武漢市2010—2022年物流業(yè)各類化石能源數(shù)據(jù)來源于《中國能源統(tǒng)計年鑒》，GDP和人口規(guī)模數(shù)據(jù)來源于《武漢統(tǒng)計年鑒》。

2.2 " "碳排放量的測算

根據(jù)《2006年IPCC國家溫室氣體清單指南》和《省級溫室氣體清單編制指南》，物流業(yè)能源消耗的碳排放量測算方法見公式（1）。

（1）

其中：表示能源消耗碳排放總量；表示能源類型；表示第類能源的消耗量；表示第類能源凈發(fā)熱值；表示第類能源的CO2排放因子。

根據(jù)IPCC指南提供的方法以及《中國能源統(tǒng)計年鑒》發(fā)布的數(shù)據(jù)，確定各種能源的能源凈發(fā)熱值和有效CO2排放因子，見表1。

2.3 " "碳排放影響因素的分解模型

參考學(xué)者的研究[3，17-19，23-24]，本文認(rèn)為武漢市物流業(yè)碳排放是能源結(jié)構(gòu)（ES）、能源強(qiáng)度（EI）、物流產(chǎn)出（LO）、經(jīng)濟(jì)發(fā)展水平（ED）、人口規(guī)模（PS）五方面共同作用的結(jié)果。其中，能源結(jié)構(gòu)用各種能源消耗量占能源消耗總量的比值表示，能源結(jié)構(gòu)變化是引起碳排放變化的重要原因之一[26]；能源強(qiáng)度用單位產(chǎn)出所消耗的能源量表示，能源強(qiáng)度是衡量能源利用效率的經(jīng)濟(jì)指標(biāo)，能源強(qiáng)度越小，表明運(yùn)用的能源技術(shù)越先進(jìn)和成熟[27]，越能控制能源系統(tǒng)的碳排放量；物流產(chǎn)出用物流業(yè)產(chǎn)值占生產(chǎn)總值的比例表示，物流產(chǎn)出表明了物流業(yè)在地區(qū)經(jīng)濟(jì)發(fā)展中的地位，直接關(guān)系到物流業(yè)碳排放；經(jīng)濟(jì)發(fā)展水平用人均GDP表示，人均GDP表明區(qū)域國民富裕程度和購買力，人民購買力和消費(fèi)水平越高，能源消耗總量越大；人口規(guī)模用總?cè)丝跀?shù)表示，人口越多，生產(chǎn)和生活需求越多，物流服務(wù)需求也越多，進(jìn)而對物流業(yè)碳排放產(chǎn)生重要影響。Kaya恒等式擴(kuò)展模型如下。

（2）

其中，表示物流業(yè)第年的二氧化碳排放量；表示物流業(yè)第年第種能源的二氧化碳排放量；表示物流業(yè)第年第種能源的消耗量（折算成標(biāo)準(zhǔn)煤）；表示物流業(yè)第年能源消耗總量（折算成標(biāo)準(zhǔn)煤）；表示第年的物流業(yè)產(chǎn)值；表示第年該地區(qū)的生產(chǎn)總值；表示第年該地區(qū)的人口總數(shù)。

公式進(jìn)一步表示如下。

（3）

其中，，表示第年消耗每單位的能源所釋放的二氧化碳量，即第種能源的碳排放系數(shù)；，表示第年消耗第種能源占總能源消耗量的比重，用于反映能源結(jié)構(gòu)；，表示第年每單位的物流產(chǎn)值所消耗的能源總量，用于反映能源強(qiáng)度；，表示第年該地區(qū)的物流產(chǎn)值占生產(chǎn)總值的比重，用于反映物流產(chǎn)出；，表示人均GDP，用于反映經(jīng)濟(jì)發(fā)展水平；表示第年該地區(qū)人口總數(shù)，反映人口規(guī)模。

運(yùn)用LMDI模型對物流業(yè)碳排放因素進(jìn)行分解，本文采用加法分解，將期初到期末物流業(yè)的總碳排放量變化用表示，它等于各種影響因素的變化值之和，C0表示基期（2010年）碳排放量，進(jìn)一步分解，表示如下。

（4）

其中，0表示期初，t表示期末。由于各能源的碳排放系數(shù)基本保持不變，因此為0，而各因素貢獻(xiàn)值如下。

能源結(jié)構(gòu)效應(yīng)：；能源強(qiáng)度效應(yīng)：；物流產(chǎn)出效應(yīng)：

；經(jīng)濟(jì)發(fā)展效應(yīng)：；人口規(guī)模效應(yīng)：。

不同分解因素的貢獻(xiàn)率如下。

；；；； 。

3 " "實(shí)證分析

3.1 " "武漢市物流業(yè)碳排放量測算及分析

基于武漢市2010—2022年的物流業(yè)能源消耗數(shù)據(jù)，根據(jù)公式（1），計算得到武漢市2010—2022年物流業(yè)碳排放量，如表2、圖1所示。

從總體趨勢看，2010—2022年武漢物流業(yè)碳排放總量呈上升趨勢。其中2011—2013年小幅降低，后續(xù)每年持續(xù)上升。2010—2012年間，原煤、汽油和柴油的碳排放量為“三大主力”，2013年，由于武漢市嚴(yán)格控制原煤消耗量，物流業(yè)原煤的碳排放量隨之大幅降低，從而導(dǎo)致全市物流業(yè)碳排放量降低，2013—2022年武漢市物流業(yè)碳排放量則一路上揚(yáng)。從圖1可以看出，2013—2022年間汽油和柴油一直是物流業(yè)碳排放的“兩大主力”，原煤碳排放量則持續(xù)降低。

3.2 " "武漢物流業(yè)碳排放影響因素分析

基于武漢市2010—2022年的時間序列數(shù)據(jù)，運(yùn)用LMDI 模型實(shí)證分析能源結(jié)構(gòu)、能源強(qiáng)度、物流產(chǎn)出、經(jīng)濟(jì)發(fā)展水平和人口規(guī)模五種因素對武漢市物流業(yè)碳排放的影響效應(yīng)，結(jié)果見圖2。

3.2.1 " "能源結(jié)構(gòu)效應(yīng)

2011—2022年能源結(jié)構(gòu)效應(yīng)對武漢市物流業(yè)碳排放的貢獻(xiàn)率范圍為-69.78%～11.88%，平均貢獻(xiàn)率為-16.53%，累積效應(yīng)為-98.626，總體看，能源結(jié)構(gòu)效應(yīng)對物流業(yè)碳排放具有負(fù)向抑制作用。但其中2011—2012年能源結(jié)構(gòu)效應(yīng)為正值，反映該階段能源結(jié)構(gòu)效應(yīng)對物流業(yè)碳排放具有正向驅(qū)動作用。2011—2012年武漢市物流業(yè)原煤消耗量較大，而原煤是碳排放系數(shù)最高的能源，這階段的原煤高消耗導(dǎo)致物流業(yè)化石能源效應(yīng)對物流業(yè)碳排放產(chǎn)生了較大驅(qū)動影響。在2013年后，由于國家對原煤使用的限制，武漢物流業(yè)原煤消耗量大幅降低，從而直接改變了武漢市物流業(yè)的能源結(jié)構(gòu)，也促使能源效應(yīng)對物流業(yè)碳排放呈現(xiàn)出負(fù)向的抑制作用。但從總體來看，能源結(jié)構(gòu)效應(yīng)對武漢市物流業(yè)碳排放的抑制作用并不明顯（累積效應(yīng)和貢獻(xiàn)率都較低）。這是由于汽油和柴油使用的比例始終處于高位，清潔能源、新能源的使用面不廣。隨著清潔能源在運(yùn)輸、倉儲、配送、裝卸搬運(yùn)等諸多物流環(huán)節(jié)應(yīng)用的推廣，未來能源結(jié)構(gòu)效應(yīng)對武漢市物流業(yè)碳排放的抑制效應(yīng)將進(jìn)一步加大。

3.2.2 " "能源強(qiáng)度效應(yīng)

2011—2022年能源強(qiáng)度效應(yīng)對武漢市物流業(yè)碳排放的平均貢獻(xiàn)率為-67.43%，累積效應(yīng)為-686.219。雖然在2011—2012年能源強(qiáng)度效應(yīng)對武漢市物流業(yè)碳排放的影響表現(xiàn)為正向驅(qū)動作用，但2013年后均表現(xiàn)出顯著負(fù)向抑制作用。從累積效應(yīng)來看，能源強(qiáng)度效應(yīng)是抑制武漢市物流業(yè)碳排放增長最關(guān)鍵的要素。特別是2017—2018和2018—2019年，能源強(qiáng)度效應(yīng)對物流業(yè)碳排放的抑制作用明顯增強(qiáng)，主要源于武漢市出臺了《武漢市能源發(fā)展“十三五”規(guī)劃》等一系列文件，并制定了相應(yīng)措施，促進(jìn)了節(jié)能環(huán)保設(shè)備在物流領(lǐng)域的應(yīng)用?！半p碳”目標(biāo)提出后，武漢對物流行業(yè)提出了更高的低碳要求，未來能源強(qiáng)度效應(yīng)對武漢市物流業(yè)碳排放的抑制效應(yīng)有望繼續(xù)加大。

3.2.3 " "物流產(chǎn)出效應(yīng)

2011—2022年武漢市物流產(chǎn)出效應(yīng)對武漢市物流業(yè)碳排放的貢獻(xiàn)率范圍為-299.02%～5.67%，平均貢獻(xiàn)率為-82.24%，累計效應(yīng)為-452.563，除個別年份外，物流產(chǎn)出效應(yīng)呈現(xiàn)顯著負(fù)向抑制作用。物流產(chǎn)出反映了物流業(yè)在地區(qū)經(jīng)濟(jì)中的發(fā)展水平，物流產(chǎn)出值越高，說明該地區(qū)物流業(yè)越發(fā)達(dá)。武漢市正在打造國家商貿(mào)物流中心，物流業(yè)未來有望進(jìn)一步快速發(fā)展。發(fā)達(dá)的物流業(yè)有利于促進(jìn)形成統(tǒng)一的市場、統(tǒng)一的產(chǎn)業(yè)體系，充分發(fā)揮規(guī)模效應(yīng)和產(chǎn)業(yè)集聚效應(yīng)，更有效地配置物流資源，減少行業(yè)內(nèi)耗能增碳的運(yùn)營。在龍頭企業(yè)的帶領(lǐng)下，武漢物流企業(yè)正積極探索物流低碳發(fā)展路徑，通過企業(yè)間的合作交流，促進(jìn)低碳環(huán)保觀念在企業(yè)發(fā)展戰(zhàn)略和日常管理中的滲透，從而降低物流業(yè)的碳排放。因此，物流產(chǎn)出效應(yīng)對武漢市物流業(yè)碳排放的抑制效應(yīng)在未來有望持續(xù)增強(qiáng)。

3.2.4 " "經(jīng)濟(jì)發(fā)展效應(yīng)

2011—2022年間，經(jīng)濟(jì)發(fā)展效應(yīng)對武漢市物流業(yè)碳排放始終呈現(xiàn)出正向驅(qū)動作用，在所有因素中貢獻(xiàn)度一直處于最高位，是驅(qū)動武漢市物流業(yè)碳排放增長的最重要因素，研究年度內(nèi)平均貢獻(xiàn)率為242.43%。圖2顯示，經(jīng)濟(jì)發(fā)展水平的驅(qū)動效應(yīng)與能源強(qiáng)度效應(yīng)的抑制作用形成了鮮明的對比，兩者的抵消才導(dǎo)致武漢市物流業(yè)碳排放的增長趨勢并未同步線性跟隨經(jīng)濟(jì)的快速增長。武漢經(jīng)濟(jì)發(fā)展水平在全國城市中一直處于前位，始終位列我國GDP十強(qiáng)城市之列，當(dāng)前武漢正在采取積極措施提升重點(diǎn)產(chǎn)業(yè)的供應(yīng)鏈韌性和安全，優(yōu)化營商環(huán)境，希望在雙循環(huán)發(fā)展格局下進(jìn)一步實(shí)現(xiàn)高質(zhì)量發(fā)展經(jīng)濟(jì)。因此，經(jīng)濟(jì)發(fā)展效應(yīng)對武漢市物流業(yè)碳排放的正向驅(qū)動作用會持續(xù)，但由于整個區(qū)域經(jīng)濟(jì)隨我國戰(zhàn)略的調(diào)整，從重“量”轉(zhuǎn)向重“質(zhì)”，這種正向驅(qū)動作用會有所減緩。

3.2.5 " "人口規(guī)模效應(yīng)

2011—2022年武漢人口規(guī)模效應(yīng)對物流業(yè)碳排放具有正向驅(qū)動作用，但貢獻(xiàn)度較小，平均貢獻(xiàn)度為35.63%，累積效應(yīng)為373.142。武漢人口規(guī)模在我國城市中一直位居前列，2022年末全市常住人口達(dá)1 373.90萬人。為促進(jìn)地區(qū)經(jīng)濟(jì)高質(zhì)量發(fā)展，高校林立的武漢采取了鼓勵高校畢業(yè)生留漢就業(yè)創(chuàng)業(yè)的一攬子“硬核”舉措，吸引了眾多人才。隨著武漢吸引力的增強(qiáng)和“三孩生育”政策的實(shí)施，武漢人口規(guī)模有望進(jìn)一步擴(kuò)大，從而導(dǎo)致人口規(guī)模效應(yīng)對武漢市物流業(yè)碳排放依然具有正向驅(qū)動作用，但隨著綠色環(huán)保理念的深入和踐行、《武漢市“無廢城市”建設(shè)實(shí)施方案》等政策的落地，會削弱人口規(guī)模效應(yīng)對武漢市物流業(yè)碳排放的正向驅(qū)動作用。

4 " "結(jié) " "論

研究結(jié)果表明，物流產(chǎn)出效應(yīng)和能源強(qiáng)度效應(yīng)對武漢市物流業(yè)碳排放具有顯著的抑制作用，能源結(jié)構(gòu)效應(yīng)也呈現(xiàn)出抑制作用，但作用不明顯；經(jīng)濟(jì)發(fā)展效應(yīng)和人口規(guī)模效應(yīng)都對武漢市物流業(yè)碳排放具有正向驅(qū)動作用，但前者的作用明顯高于后者。

基于以上結(jié)論，提出發(fā)展建議如下。武漢市要進(jìn)一步深化物流業(yè)與其他產(chǎn)業(yè)的融合發(fā)展，加強(qiáng)區(qū)域合作，拓展武漢物流業(yè)的廣度和深度，擴(kuò)大物流產(chǎn)業(yè)規(guī)模，增強(qiáng)物流產(chǎn)出效應(yīng)。加速發(fā)展多式聯(lián)運(yùn)，改善運(yùn)輸結(jié)構(gòu)，提高能源強(qiáng)度。研發(fā)和應(yīng)用新技術(shù)，推廣清潔能源在物流領(lǐng)域的應(yīng)用，優(yōu)化能源結(jié)構(gòu)。武漢市要充分利用全國碳排放權(quán)注冊登記系統(tǒng)（簡稱“中碳登”）落戶承載地的優(yōu)勢，積極推進(jìn)碳交易，促進(jìn)地區(qū)經(jīng)濟(jì)的高質(zhì)量發(fā)展。倡導(dǎo)人們的綠色低碳理念，鼓勵綠色消費(fèi)行為，如快遞包裝盒的回收再利用、快遞包裝垃圾的分類處理等，從而減少能源的使用成本。

參考文獻(xiàn)：

[1] MARIANO E B，GOBBO J A Jr.，DE CASTRO CAMIOTO F，et al. CO2 emissions and logistics performance：A composite

index proposal[J]. Journal of Cleaner Production，2017，163：166-178.

[2] 馬飛，胡江艷，孫啟鵬，等.中國省際物流業(yè)碳排放績效測度及驅(qū)動因素研究[J].生態(tài)經(jīng)濟(jì)，2021，37（9）：27-33，39.

[3] 朱桃杏，頊玉卿，暴斌碩.區(qū)域物流發(fā)展特征和效率解析——基于碳排放和LMDI方法的分析[J].技術(shù)經(jīng)濟(jì)與管理研究，

2021（6）：104-108.

[4] 林秀群，李嘉新，李陽，等.長江經(jīng)濟(jì)帶物流業(yè)碳排放效率的測度及時空演化特征研究[J].生態(tài)經(jīng)濟(jì)，2022，38（12）：31-38.

[5] 黃超然，周國華.碳約束下省域物流能源效率空間關(guān)聯(lián)效應(yīng)及其影響因素[J].科技管理研究，2022，42（24）：184-191.

[6] 何景師，張智勇，葉善椿.基于三階段超效率SBM-DEA模型的我國沿海五大城市群低碳物流效率研究[J].上海海事大學(xué)

學(xué)報，2023，44（3）：55-63.

[7] 韓麗萍，李明達(dá)，劉炯.中國物流業(yè)碳排放影響因素及產(chǎn)業(yè)關(guān)聯(lián)研究[J].北京交通大學(xué)學(xué)報（社會科學(xué)版），

2022，21（1）：86-93.

[8] 胡小飛，王秀慧，吳爽.長江經(jīng)濟(jì)帶物流業(yè)碳排放測算及其驅(qū)動要素研究[J].生態(tài)經(jīng)濟(jì)，2019，35（7）：49-55.

[9] 耿立艷，張楠，張占福.京津冀地區(qū)物流業(yè)碳排放與能源消費(fèi)關(guān)系的實(shí)證研究[J].商業(yè)經(jīng)濟(jì)，2022（1）：52-55，63.

[10] "梁晶，盛慧敏，呂靖.環(huán)渤海地區(qū)物流產(chǎn)業(yè)集聚對物流碳排放影響的實(shí)證研究[J].生態(tài)經(jīng)濟(jì)，2020，36（9）：38-43.

[11] "CHONTANAWAT J. Decomposition analysis of CO2 emission in ASEAN：An extended IPAT model[J]. Energy Procedia，

2018，153：186-190

[12] "YU Shiwang，ZHANG Qi，HAO Jianli，et al. Development of an extended STIRPAT model to assess the driving factors of

household carbon dioxide emissions in China[J/OL]. Journal of Environmental Management，2023，325.[2024-07-25].https：//doi.

org/10.1016/j.jenvman.2022.116502.

[13] "廖祖君，張劍宇，陳詩薇.碳排放影響因素及達(dá)峰路徑研究——基于四川省的分析[J].軟科學(xué)，2023，37（9）：95-101.

[14] "高國力，文揚(yáng)，王麗，等.基于碳排放影響因素的城市群碳達(dá)峰研究[J].經(jīng)濟(jì)管理，2023，45（2）：39-58.

[15] "李宗活，劉枚蓮.基于ISM和ANP的物流企業(yè)低碳發(fā)展影響要素分析[J].系統(tǒng)科學(xué)學(xué)報，2017，25（4）：105-109.

[16] "李煜華，袁亞雯.碳中和目標(biāo)下制造企業(yè)閉環(huán)供應(yīng)鏈低碳轉(zhuǎn)型機(jī)制研究——基于DEMATEL-ISM模型[J].科技管理研究，

2022，42（23）：226-234.

[17] "MOHAMMAD M H，WU Chongbo. Estimating energy-related CO2 emission growth in Bangladesh：The LMDI decomposition

method approach[J/OL]. Energy Strategy Reviews，2020，32.[2024-07-25].https：//doi.org/10.1016/j.esr.2020.100565.

[18] "王世進(jìn)，蒯樂伊.中國交通運(yùn)輸業(yè)碳排放驅(qū)動因素與達(dá)峰路徑[J].資源科學(xué)，2022，44（12）：2415-2427.

[19] "劉妍慧，栗洋.湖北省交通運(yùn)輸業(yè)碳排放測算及影響因素分解[J].統(tǒng)計與決策，2022，38（15）：88-92.

[20] "ESKANDER S M S U，NITSCHKE J. Energy use and CO2 emissions in the UK universities：An extended Kaya identity

analysis[J/OL].Journal of Cleaner Production，2021，309.[2024-07-30].https：//doi.org/10.1016/j.jclepro.2021.127199.

[21] "KAYA Y. Impact of carbon dioxide emission control on GNP growth：Interpretation of proposed scenarios[C/OL]//IPCC Response

Strategies Working Group Memorandum 1989. IPCC Energy and Industry Subgroup，Response Strategies Working Group，1990.

http：//refhub.elsevier.com/S0301-4215（19）30228-9/sref28.

[22] "ANG B W. The LMDI approach to decomposition analysis：A practical guide[J]. Energy Policy，2005，33（7）：867-871.

[23] "曹俊文，周麗.長三角地區(qū)物流業(yè)碳排放時空分布及其影響因素研究[J].統(tǒng)計與決策，2021，37（10）：79-83.

[24] "穆曉央，王力，徐蓉，等.西部省域物流業(yè)碳排放脫鉤及影響因素研究[J].環(huán)境科學(xué)與技術(shù)，2020，43（4）：214-219.

[25] "李健，白子毅，李柏桐.雙碳背景下京津冀物流業(yè)碳排放脫鉤及影響因素研究[J].城市問題，2022（5）：69-76.

[26] "MUNGUIA M. Renewable energy investment in Chile：Make hay while the sun shines[J]. Renewable Energy Focus，

2016，17（6）：234-236.

[27] "陳軍華，李喬楚.成渝雙城經(jīng)濟(jì)圈建設(shè)背景下四川省能源消費(fèi)碳排放影響因素研究——基于LMDI模型視角[J].生態(tài)經(jīng)濟(jì)，

2021，37（12）：30-36.