“双碳”目标下中国物流业碳排放影响因素与发展路径——基于扩展的Kaya恒等式和LMDI分解模型

“双碳”目标的提出标志着我国进入深度调整产业结构、加快推进产业绿色低碳转型的发展阶段。物流业作为第三产业中碳排放量最大的行业,是产业发展绿色化转型的重中之重。本文采用扩展的Kaya恒等式分解影响碳排放的因素,并以2011-2020年数据为样本,运用LMDI模型分析各因素的影响程度。研究结果表明,碳排放的影响因素可分解为碳排放强度、低碳技术、行业收入水平、从业人口规模和总人口规模。其中,低碳技术和碳排放效率对物流业碳排放起抑制作用,贡献量均值分别达到-3461.23万吨和-213.58万吨,而行业收入、从业人口规模和总人口规模对碳排放具有促进作用,均值分别是7630.76万吨、1725.07万吨和604.83万吨。因此,不断提高碳排放效率,特别是加大低碳技术发展力度,是促进中国物流业减排的有效发展路径。同时,政府和企业需要通过调整产业结构,加快推进产业绿色低碳转型,实现产业可持续发展。

中部地区物流业碳排放时空差异及驱动效应研究

应用LMDI模型和M-R模型从时间和空间两个维度对2006—2020年间中部地区物流业碳排放差异及驱动效应进行分析,结果表明,中部地区物流业碳排放总体呈逐步上升的趋势,2020年首次出现了下降,经济发展水平、能源效率和人口规模对中部地区物流业碳排放具有较强的拉动效应,碳密度、能源强度和物流产业结构占比则是抑制中部地区物流业碳排放的有效因素;较高的碳密度和能源强度以及领先的经济发展水平使得湖北成为中部六省中物流业碳排放最高的省份,安徽省物流业得益于其超低的碳密度水平从而一直保持较低的碳排放,江西省基本处于中部六省中物流业碳排放最低水平,主要原因在于其经济发展水平和人口规模都远低于中部其他省份.文章最后对中部六省物流业低碳发展提出了相关建议.

“双碳”背景下长三角物流业碳排放脱钩效应及影响因素研究

文章以“双碳”背景下长三角地区为研究对象,利用碳排放计算公式测算2007—2021年物流业碳排放量。基于Tapio脱钩模型探究长三角物流业碳排放和产业生产值之间的关系,并运用LMDI分解法分析影响物流碳排放的因素。研究表明:物流业碳排放与产业经济发展的脱钩状态呈现增长连结—弱脱钩—强脱钩。LMDI分解后的因子能源结构和能源消耗强度对于长三角物流业碳排放具有负向阻碍作用,反之物流业产值和物流就业人员规模的增加,影响二氧化碳的排放。

长江经济带物流业碳排放效率非均衡性及驱动因素分析

研究长江经济带物流业碳排放效率对推进物流业高质量发展、完成物流业“双碳”目标具有政策理论指导意义。基于2004—2019年长江经济带11省市数据,运用SBM-undesirable模型、Dagum基尼系数和参数最优地理探测器对物流业碳排放效率非均衡性及驱动因素进行分析。研究发现:2004—2019年,长江经济带物流业碳排放效率处于持续改善过程,长江经济带上中下游的物流业碳排放效率有显著非均衡性,超变密度是长江经济带物流业碳排放效率非均衡性的主要来源,长江经济带物流业碳排放效率空间分异是物流运输强度、运输结构、对外开放水平等多个驱动因子共同作用的结果。因此,应缩小长江经济带物流业碳排放效率超变密度贡献率,利用各驱动因子间的协同驱动效应,因地制宜地采取差异化政策,实现从资源优先到效率优先的转变。

华东地区物流业碳排放量影响因素分析

运用灰色矩阵相似模型,基于绿色可持续发展的角度,探讨华东地区物流业碳排放量的影响因素。结果表明:城镇化率、物流业能源强度和物流业生产总值是物流业碳排放的主要影响因素,以石油类为主的物流业能源结构和物流业产出则是物流业的次要影响因素。在此基础上,提出控制城镇化率速度、提高能源的利用效率、优化物流业的能源结构和调整物流业产出等措施抑制物流业碳排放量。

城镇化对物流业碳排放变动影响研究

通过对Kaya恒等式的扩展,应用LMDI将城镇化对物流业碳排放变动的影响分解为人口城镇化、空间城镇化、收入城镇化和产业城镇化四种效应,对我国29个省市2007-2013年物流业碳排放变动的机理进行分析。结果表明:考察期内城镇化对我国各省市物流业碳排放变动的促进作用远超非城镇化要素,城镇化已成为推动各省市物流业碳排放的关键因素;且物流业各要素对处于不同城镇化阶段的省市影响并不一致。对成熟城镇化省市而言,收入城镇化和空间城镇化是物流业碳排放的稳定推动因素,人口城镇化则是稳定的抑制因素,产业城镇化刚刚由推动因素转变为抑制因素;对初级和中级城镇化省市而言,人口城镇化的抑制作用和收入城镇化的推动作用依然显著,但空间城镇化和产业城镇化的推动作用正在增强。从城镇化各要素对物流业碳排放变动的贡献来看,收入城镇化的推动作用最大,且对广东等经济大省的推动作用更明显;人口城镇化的抑制作用最大,且对山东、四川等人口大省的抑制作用更显著,但波动剧烈;空间城镇化对东部经济大省的推动作用已趋稳定,但对中西部省市的推动作用持续增强;产业城镇化对各省市的作用差异显著,且均较小。研究认为避免"一刀切"的物流业碳减排政策和城镇化规划、引导居民绿色生活和解决职住分离对我国实现物流业碳减排和新型城镇化建设具有重要帮助。

长三角地区物流业碳排放时空分布及其影响因素研究

文章在测算2008—2018年长三角地区物流业碳排放量的基础上分析其时空分布特征,进而分别运用LMDI分解模型和M-R分解模型分析碳排放时间分布和空间分布的影响因素。结果表明:长三角地区物流业碳排放呈现逐渐递增的态势,各省份物流业碳排放平均水平为上海>江苏>浙江>安徽;物流产出和从业规模对物流业碳排放具有拉动作用,能源强度和能源结构则具有抑制作用;上海碳排放高于平均水平主要由于较高的物流产出和能源强度,江苏则主要由于其较高的物流产出和从业规模,浙江碳排放低于平均水平主要归功于较低的从业规模和能源强度,安徽则主要归功于较低的物流产出和能源结构。

基于AHP的河源市物流业碳排放影响因素研究

近年来物流业发展迅猛,物流业碳排放量持续增加。文章从政府、行业、企业三个方面出发,建立河源市物流业碳排放影响因素评价体系,利用层次分析法对河源市物流业碳排放的影响因素进行分析,并依据权重的大小提出物流业碳减排的对策,以期促进河源市物流业低碳化的发展。

浙江省经济增长与物流业碳排放脱钩关系研究

基于可获取的近十五年省级面板数据对浙江省物流业碳排放量变化情况进行了测算,对浙江省物流业造成的环境压力与经济增长之间的差异进行了比较。同时,建立Tapio模型,对浙江省经济增长与物流业碳排放之间的脱钩关系进行了实证,最后通过LMDI分解模型对浙江省碳排放的驱动因素进行分析。研究结果表明:浙江省经济发展的增速高于物流业碳排放量与能源消耗的增速;浙江省的经济增长与物流业碳排放的脱钩状态完成了由扩张连结—弱脱钩—强脱钩的转变,说明这两者之间的增长关联正向完全脱钩的阶段发展;经济产出强度、从业人口规模是浙江省碳排放的主要正向驱动因素,而能源结构与能源强度则抑制了浙江省物流业的碳排放;较高的经济水平与人均碳排放水平对脱钩具有明显的影响,而经济结构的变化对脱钩关系的影响则比较有限。因此,从优化能源结构与能源效率、加强物流企业新能源转型、构建物流业发展与环境保护的良性互动长效机制等方面提出了相应的对策建议。

中国省际物流业碳排放的空间效应及其传导机制

物流业是我国仅次于工业、建筑业的第三大碳排放源,研究省际物流资源要素的空间效应及其传导机制可以为物流业低碳转型发展提供科学依据。运用GeoDa软件分析我国2013—2020年30个省物流业碳排放时空关联性及其局部空间差异波动性,将STIRPAT模型和EKC模型相结合探究我国省际物流业碳排放影响因素对碳排放的空间效应并明晰其传导机制。结果表明,我国物流业碳排放量呈现出“东高西低”的空间分布特征;省际物流业碳排放聚集分布的二元结构明显,呈现“高—高”和“低—低”集聚为主的空间分布特征;我国省际物流业碳排放存在空间溢出性特征,对本地区物流业碳排放产生正向促进作用的影响因素由强至弱依次为物流业的能源消耗量、产业规模、基础设施,毗邻地区对其产生正向影响的因素是物流业基础设施;物流业基础设施在直接效应与间接效应下对碳排放均产生显著的正向影响,物流业的产业规模和能源消耗量仅在直接效应下对碳排放产生正向影响。我国物流业碳排放的空间集聚、区域差异的形成与演变是在省际物流业的产业规模、能源消耗量、基础设施等多种物流业资源要素协同作用下产生的结果,据此提出省际物流业“协同降碳”建议,推动我国物流业的低碳转型。

碳中和目标下物流业低碳转型发展路径研究

党中央、国务院于2020年提出的“双碳”目标,是中国迈向高质量发展的重要举措。物流业是高能源消耗和高碳排放行业,随着物流规模不断扩大,“降碳”刻不容缓。本文计算了2013-2019年全国30个省域物流业碳排放量,基于省级面板数据,运用逐步回归法探究我国物流业碳排放影响因素,采用固定效应模型进一步探究东中西部地区物流业碳排放影响因素。研究发现:第一,导致物流业碳排放量增加的因素按影响程度依次为:能源消耗量、产业规模和货物周转量;第二,物流业基础设施和碳排放量之间的关系是非线性的;第三,物流业能源消耗量是促使东中西部地区物流业碳排放量增加的主要影响因素,影响程度依次为西部、中部和东部地区。基于此,提出实现我国物流业低碳转型发展的路径。

基于LMDI方法的广东省物流业碳排放影响因素分析

在对2005—2014年间广东省物流业碳排放进行测算的基础上,基于LMDI分解方法,对广东省物流业碳排放的影响因素进行分析,发现物流业的经济发展对碳排放增长的推动作用最显著,能源结构对碳排放的增长有一定的推动作用,但效果不明显;而能源效率对碳排放的增长呈现明显的抑制作用。从而得出要从优化能源结构、提高能源效率等方面来实现广东省物流业低碳发展的结论.