房艷君，吳夢娜

(山東師范大學(xué)商學(xué)院，濟南 山東 250014)

?

中國省域物流作業(yè)的碳排放量測評及區(qū)域差異化分析

房艷君，吳夢娜

(山東師范大學(xué)商學(xué)院，濟南 山東 250014)

給出了省域物流作業(yè)CO2排放量測量模型，測算了不同能源的CO2排放因子及排放系數(shù)。以物流作業(yè)直接能耗法核算我國各省域2003—2012年10年間的物流作業(yè)CO2排放指標(biāo)，包括各省域的CO2排放量和單位貨物周轉(zhuǎn)CO2排放量，通過數(shù)據(jù)分析發(fā)現(xiàn)，我國物流作業(yè)的CO2排放量呈增長趨勢，但是單位貨物周轉(zhuǎn)碳排放量在波動變化的過程中，呈現(xiàn)整體下降趨勢。利用泰爾指數(shù)測算區(qū)域間和區(qū)域內(nèi)的差異大小發(fā)現(xiàn)，我國東、中、西部地區(qū)之間的單位貨物碳排放存在顯著的差異性，差異性主要來自于區(qū)間內(nèi)的差異，說明各省之間物流作業(yè)的碳排放量差異較大。

物流作業(yè)；碳排放量；測評；泰爾指數(shù)；區(qū)域差異

0　引言

21世紀(jì)，人口、資源與環(huán)境三者之間的矛盾日益凸顯，要求制造業(yè)提高其活動與環(huán)境的相容性，隨著可持續(xù)發(fā)展戰(zhàn)略的提出，溫室氣體的減排受到我國政府的密切關(guān)注。2009年的世界氣候峰會上，中國承諾到2020年實現(xiàn)單位GDP二氧化碳排放量比2005年的排放量下降40%～45%，同時將CO2排放量作為約束性指標(biāo)納入國民經(jīng)濟和社會發(fā)展中長期規(guī)劃。在2014年的世界氣候峰會上，中國呈現(xiàn)的數(shù)據(jù)報告顯示，為確保實現(xiàn)到2020年前碳強度下降40%～45%的應(yīng)對氣候變化行動目標(biāo)，2013年已實現(xiàn)單位GDP二氧化碳排放比2005年累計下降28.56%。同時，2014峰會展示的資料顯示，世界銀行做了一個測算，從節(jié)能的角度看，1990—2010年，中國累計節(jié)能量占了全球總節(jié)能量的58%，這說明全世界節(jié)能量當(dāng)中中國占了一半以上。在經(jīng)濟發(fā)展的各領(lǐng)域內(nèi)，現(xiàn)代物流業(yè)既是經(jīng)濟構(gòu)成的重要組成行業(yè)之一，同時又是能源消耗大戶、主要的碳排放源之一，因此，關(guān)注物流作業(yè)的碳排放，是實現(xiàn)溫室氣體減排、緩解氣候變化的有效途徑之一。2009年國際能源署(IEA)出版的《運輸、能源與二氧化碳：邁向可持續(xù)發(fā)展》報告表明，全球CO2排放量約有25%來自交通運輸，預(yù)計到2050年全球交通運輸業(yè)的能源消費品量將翻一番[1]。為此，英國、歐盟、日本、美國等發(fā)達國家以及國際能源署、經(jīng)濟合作與發(fā)展組織、世界銀行(WB)、亞洲開發(fā)銀行(ADB)、國際運輸論壇(ITF)、國際民航組織(ICAO)、國際海事組織(IMO)等國際組織或咨詢機構(gòu)，紛紛將發(fā)展低碳交通運輸作為關(guān)注的焦點、研究的熱點與實踐的重點；此外，聯(lián)合國政府間氣候變化專門委員會(IPCC)、全球環(huán)境基金(GEF)、氣候組織(Climate Group)、世界自然基金(WWF)、世界可持續(xù)發(fā)展工商理事會(WBCSD)、世界資源研究所(WRI)、麥肯錫等國際組織或咨詢機構(gòu)也高度關(guān)注低碳交通發(fā)展[2]。因此，發(fā)展低碳物流是大勢所趨。如果能夠降低物流作業(yè)的能源消耗，一方面，可以促進碳排放的進一步控制和減少；另一方面，可以推動先進物流技術(shù)的發(fā)展，實現(xiàn)行業(yè)的運作方式的轉(zhuǎn)變，進而推動區(qū)域經(jīng)濟向低碳經(jīng)濟增長方式的轉(zhuǎn)變。從全國省域?qū)用鎸ξ覈锪髯鳂I(yè)的10年碳排放量和排放趨勢進行核算和比較分析，有利于剩余物流作業(yè)比較分析，同時為省域制定物流作業(yè)的減排目標(biāo)提供數(shù)據(jù)支持，為各省制定省域物流減排的政策制度提供理論依據(jù)和基礎(chǔ)。本文以省域物流作業(yè)直接耗能法來核算CO2排放量，依據(jù)國家統(tǒng)計局公布的相關(guān)統(tǒng)計數(shù)據(jù)，核算出各省域2003—1012年的CO2排放量及相關(guān)數(shù)據(jù)，通過比較分析來了解各省域的能源消耗和CO2排放的差距，同時比較分析各省域在10年內(nèi)的能源消耗和CO2排放的變化趨勢。

1　相關(guān)研究綜述

進行碳排放的測算分析，是通過能源消耗的數(shù)量進行估算得到的。每種能源消耗的總量可以由統(tǒng)計部門進行統(tǒng)計得到，但是每種能源碳排放量的排放系數(shù)需要進行估算才能得到。聯(lián)合國政府間氣候變化專門委員會IPCC在2006年提供了碳排放量估算的參考方法，如公式(1)所示。同時提供了各種類型能源的碳含量和有效碳排放系數(shù)，如表1所示。

(1)

式中：CO2表示要估算的CO2排放量；i表示各種燃料，包括煤炭、焦炭、汽油、煤油、柴油、燃料油和天然氣；E表示初級燃料的消耗量；NCV表示平均低位發(fā)熱量；CEF為IPCC(2006)提供的各種燃料的碳排放系數(shù)，如表1所示。

表1　IPCC計算方法中初級燃料的平均低位發(fā)熱量及碳排放系數(shù)表

注：NCV數(shù)據(jù)來源于《中國能源統(tǒng)計年鑒》；CEF數(shù)據(jù)來源于2006年的IPCC。

在物流碳排放量測算的方法研究方面，參考已有的國內(nèi)外相關(guān)文獻，現(xiàn)階段的測算研究方法主要有基于油料消耗測算[3]和基于運距測算[4]兩種測算方法。Woensel T. V.[3]等構(gòu)建一個以恒定車速為基本假定的動態(tài)測度模型，在特定的路面上，假設(shè)車輛以恒定的車速運行，以此為基準(zhǔn)，運用車輛的油料消耗來測算CO2的排放量。Palmer A．[4]構(gòu)建了一個基于路徑選擇的運距計算模型，在模型中考慮綜合的運輸影響因素和環(huán)境模型，然后運用計算機算法，測算基于運距的CO2排放量。同時，Piecyk 運用Delphi調(diào)查方法，將對貨物運輸需求、車輛燃料消耗和對應(yīng)碳排放產(chǎn)生影響的因素進行辨識和分析，并根據(jù)不同層次的物流決策分成6類，構(gòu)建三種場景對2020年公路運輸碳排放量進行評估[5]。Ubeda 以西班牙的食品配送公司Eroski為例進行了綠色物流的相關(guān)研究，估計測算了物流對環(huán)境的影響、為減少碳排放而進行的線路優(yōu)化和配送模式優(yōu)化的分析[6]。Hickman 以倫敦市為原型，基于計算機技術(shù)，構(gòu)建了一個運輸和物流碳排放的仿真模型，該模型的設(shè)定可適用于幫助分析不同政策下的碳排放約束效果，為降低碳排放量的政策制定提供參考[7]。國內(nèi)的周葉等依據(jù)IPCC的碳排放核算方法，構(gòu)建了一個省域物流作業(yè)CO2排放量測量模型，測算了不同能源的CO2排放因子及排放系數(shù)，利用2008年的數(shù)據(jù)對省域之間的物流碳排放情況進行了對比分析，最后提出低碳物流的發(fā)展對策[8]。本文即是在周葉等人的研究基礎(chǔ)上利用2003—2012年的面板數(shù)據(jù)進行省域物流碳排放的對比分析，以此為各省域進行低碳物流的發(fā)展提供數(shù)據(jù)參考和依據(jù)。

2　省域物流作業(yè)CO2排放量的測量

2.1省域物流作業(yè)CO2排放量的測量模型

已有的統(tǒng)計數(shù)據(jù)顯示，現(xiàn)階段我國還未進行物流業(yè)能耗數(shù)據(jù)的直接統(tǒng)計，物流業(yè)直接碳排放量的檢測數(shù)據(jù)也就無從下手，因此物流業(yè)能源消耗碳排放量的測算只能通過其他相關(guān)行業(yè)的統(tǒng)計數(shù)據(jù)進行間接的統(tǒng)計、測算而得到。在物流業(yè)的能源消耗過程中，主要消耗方式為運輸和倉儲，因此進行物流業(yè)能耗數(shù)據(jù)的測算，可以采用國家能源統(tǒng)計數(shù)據(jù)中的交通運輸、倉儲及郵電通信業(yè)能耗的統(tǒng)計數(shù)據(jù)來近似代替。在進行物流業(yè)CO2的測算過程中，我們采用如前面公式(1)所示的測評方式為基本依據(jù)進行省域物流的CO2排放量測評模型的構(gòu)建，但是因為物流行業(yè)能耗數(shù)據(jù)的測算過程中，發(fā)現(xiàn)能源的種類比表1給出的能源種類更多，因此，對能源種類進行合并和劃分，參考周葉等在《中國省域物流作業(yè)的CO2排放量測評及低碳化對策研究》中建立的省域物流業(yè)碳排放測量模型，構(gòu)建具體計算模型描述如下：

Qc=Qpc+Qcc+Qgc+Qec+Qhc+Qoc

(2)

式中：Qc為省域物流作業(yè)的CO2總排放量；Qpc為消耗石油類燃料產(chǎn)生的CO2排放量的測算值；Qcc為消耗煤炭類燃料產(chǎn)生的CO2排放量的測算值；Qgc為消耗燃氣類燃料產(chǎn)生的CO2排放量的測算值；Qec為消耗電能進行折算的CO2排放量；Qhc為消耗熱能進行折算的CO2排放量；Qoc為消耗其他能源而產(chǎn)生的CO2排放量的測算值。不同燃料種類中CO2排放量的計算方式為：

Qic=Σ(i中的不同能源消耗品×CO2排放系數(shù))

其中，i=p,c,g。

(3)

2.2省域物流作業(yè)CO2排放量的測量數(shù)據(jù)分析

電能、熱能和其他能源的CO2排放量的測算方式按照對應(yīng)能源轉(zhuǎn)化為標(biāo)準(zhǔn)煤的數(shù)量統(tǒng)一進行CO2排放量的測算(數(shù)據(jù)來源：中國能源統(tǒng)計年鑒，2003—2012年)。2003—2012年，東、中、西部地區(qū)各省物流作業(yè)的碳排放量和單位貨物周轉(zhuǎn)碳排放量的測算值如圖1、圖2所示。

從圖1(a)可以看出，2003—2012年的10年間，在中國的東部地區(qū)，各省物流作業(yè)的CO2排放總量中，基本排列趨勢從高至低依次為：廣東、山東、上海、遼寧、江蘇、浙江、北京、河北、福建、廣西、天津和海南(中間個別年份略有變動)；從圖1(b)可以看出，2003—2012年的10年間，在中國的中部地區(qū)，各省物流作業(yè)的CO2排放總量中，基本排列趨勢從高至低依次為：湖北、內(nèi)蒙古、河南、湖南、山西、黑龍江、吉林、安徽和江西(中間個別年份略有變動)；從圖1(c)可以看出，2003—2012年的10年間，在中國的西部地區(qū)，各省物流作業(yè)的CO2排放總量中，基本排列趨勢從高至低依次為：四川、陜西、云南、新疆、重慶、貴州、甘肅、寧夏和青海(中間個別年份略有變動)。綜合圖1(a)、(b)、(c)來看，各省份物流作業(yè)的CO2排放總量在10年間都呈現(xiàn)增長趨勢。在總量的核算中，東部地區(qū)的廣東省和山東的排放總量峰值達到7000*104kg以上，東部地區(qū)的其余省份總量的峰值在5000*104kg以下，中部地區(qū)的各省份排放總量峰值在4000*104kg以下，中部地區(qū)的各省份排放總量峰值在3000*104kg以下，因此，廣東省、山東省和上海市物流作業(yè)的CO2排放總量在全國排在前三位。

從圖2(a)可以看出，2003—2012年的10年間，在中國的東部地區(qū)，各省單位貨物周轉(zhuǎn)的CO2排放量核算中，基本排列趨勢從高至低依次為：北京、廣東、廣西、江蘇、山東、遼寧、海南、福建、浙江、河北、上海和天津(中間個別年份有變動)；從圖2(b)可以看出，2003—2012年的10年間，在中國的中部地區(qū)，各省單位貨物周轉(zhuǎn)的CO2排放量核算中，基本排列趨勢從高至低依次為：湖北、吉林、內(nèi)蒙古、黑龍江、湖南、山西、江西、河南和安徽(中間個別年份有變動)；從圖2(c)可以看出，2003—2012年的10年間，在中國的西部地區(qū)，各省單位貨物周轉(zhuǎn)的CO2排放量核算中，基本排列趨勢從高至低依次為：云南、四川、貴州、新疆、陜西、重慶、青海、寧夏和甘肅(中間個別年份有變動)。綜合圖2(a)、(b)、(c)來看，各省單位貨物周轉(zhuǎn)的CO2排放量在10年間整體呈現(xiàn)下降趨勢。在單位貨物周轉(zhuǎn)CO2排放量的核算中，東部地區(qū)的北京市單位貨物周轉(zhuǎn)的CO2排放量峰值達到3t/104t·km，西部地區(qū)云南省的峰值達到2t/104t·km，其余省份的單位周轉(zhuǎn)碳排放值基本在1.5 t/104t·km以下。綜合圖1和圖2中的所有圖來看，雖然廣東省和山東省物流作業(yè)的CO2排放總量最多，但因為物流作業(yè)量也足夠大，所以單位貨物周轉(zhuǎn)的CO2排放量反而不高；北京市物流作業(yè)的CO2排放總量雖然居中，但因為物流作業(yè)量的數(shù)量有限，反而出現(xiàn)單位貨物周轉(zhuǎn)的CO2排放量最高，在10年間，北京市單位貨物周轉(zhuǎn)的CO2排放量一直排在首位。

3　泰爾指數(shù)分析區(qū)域間的物流CO2的差異性

3.1省域物流作業(yè)CO2排放量的泰爾指數(shù)

對于省域CO2排放量的存在差異，本文沿用楊騫和劉華軍在《中國二氧化碳排放的區(qū)域差異分解及影響因素》中衡量CO2的區(qū)域差異的泰爾指數(shù)來衡量省域物流CO2排放的區(qū)域差異。泰爾熵標(biāo)準(zhǔn)或稱泰爾指數(shù)是泰爾(Theil,1967)利用信息理論中的熵概念來計算收入不平等而得名。它最初用來計算國家間的收入差異，之后被廣泛應(yīng)用于研究不同層次區(qū)域的收入差異。泰爾指數(shù)最大的優(yōu)點是它可以衡量組內(nèi)差距和組間差距對總差距的貢獻。泰爾指數(shù)為0～1，數(shù)值越小，說明地區(qū)差異越??；數(shù)值越大，說明地區(qū)差異越大。本文借鑒楊騫和劉華軍在《中國CO2排放的區(qū)域差異分解及影響因素-基于1995—2009年省際面板數(shù)據(jù)的研究》對泰爾指數(shù)及其結(jié)構(gòu)分解的方法論述[9]，將省域物流業(yè)CO2排放的泰爾指數(shù)及其結(jié)構(gòu)分解的測算公式調(diào)整如下：

(4)

(5)

(6)

(7)

(8)

式(4)測算的是全國物流業(yè)碳排放的總體泰爾指數(shù)T；式(5)測算的是區(qū)域內(nèi)部的泰爾指數(shù)；式(6)、式(7)分別測算的是區(qū)域內(nèi)物流業(yè)碳排放的泰爾指數(shù)和區(qū)域間物流業(yè)碳排放的泰爾指數(shù)Tb，分別代表碳排放的區(qū)域內(nèi)部差異和區(qū)域間差異；式(8)表示泰爾指數(shù)的可加分解特性，即總體差異等于區(qū)域內(nèi)差異加上區(qū)域間差異。C代表各省份碳排放總量之和，Cj代表各區(qū)域碳排放總量和，Ci代表各省份碳排放總量；X代表各省份物流業(yè)的貨物周轉(zhuǎn)量之和，Xj代表各區(qū)域物流業(yè)的貨物周轉(zhuǎn)量，Xi代表各省份物流業(yè)的貨物周轉(zhuǎn)量，T為單位貨物周轉(zhuǎn)的碳排放泰爾指數(shù)。

3.2省域物流作業(yè)CO2排放量的泰爾指數(shù)分析

按照東、中、西三區(qū)域的劃分，依照公式(4)測算出2003—2012年全國30個省市物流作業(yè)碳排放的總體泰爾指數(shù)如表2和圖3所示。

表2　中國單位貨物周轉(zhuǎn)碳排放的泰爾指數(shù)：2003—2012年

注：三區(qū)域劃分包括的省份：東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東、廣西共11省份；中部地區(qū)包括山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南共9個省份；西部地區(qū)包括云南、四川、重慶、貴州、山西、甘肅、青海和新疆7個省份。

由表2和圖3可看出：2003—2012年，我國單位貨物周轉(zhuǎn)碳排放存在顯著的區(qū)域差異。其中，泰爾指數(shù)最大值(0.3034)出現(xiàn)在2007年，最小值(0.1817)出現(xiàn)在2008年。同時，總泰爾指數(shù)的構(gòu)成中，區(qū)域間差異較小，區(qū)域內(nèi)差異較大，說明各區(qū)域內(nèi)各省份的單位貨物周轉(zhuǎn)碳排放差異較大，在下一步進行物流行業(yè)的碳排放控制時，應(yīng)以各省作為治理單位，針對各省的實際情況，進行相關(guān)政策的制定，而不應(yīng)以東、中、西區(qū)域的劃分進行區(qū)域政策的統(tǒng)一制定和管理。

按照公式(6)(7)計算東、中、西部各區(qū)域的單位貨物周轉(zhuǎn)碳排放泰爾指數(shù)如表3和圖4所示。

表3　東、中、西地區(qū)單位貨物周轉(zhuǎn)碳排放的泰爾指數(shù)：2003—2012年

從表3和圖4可以看出：2003—2012年，東、中、西部區(qū)域內(nèi)單位貨物周轉(zhuǎn)碳排放的泰爾指數(shù)是東部地區(qū)明顯高于中部地區(qū)，中部地區(qū)明顯高于西部地區(qū)，說明東部區(qū)域內(nèi)的各省之間單位貨物周轉(zhuǎn)碳排放的差異最大，中部區(qū)域內(nèi)的各省之間單位貨物周轉(zhuǎn)碳排放的差異次之，西部區(qū)域內(nèi)的各省之間單位貨物周轉(zhuǎn)碳排放的差異最小。同時，從圖表還可以看出，2003—2012年的10年間，東部地區(qū)的單位貨物周轉(zhuǎn)碳排放的泰爾指數(shù)有逐漸縮小的趨勢，說明東部地區(qū)各省份之間的單位貨物周轉(zhuǎn)碳排放有趨同形式，中西部地區(qū)的變化不是十分明顯。

4　結(jié)論

對中國物流業(yè)CO2排放量的區(qū)域性分析，對于我國推進綠色物流和綠色供應(yīng)鏈的發(fā)展具有重要的現(xiàn)實意義。本文首先測算了各省域物流作業(yè)2003—2012年10年間的CO2排放量和單位貨物周轉(zhuǎn)碳排放量；同時根據(jù)測算出的這兩類數(shù)據(jù)，進一步測算了各區(qū)域在10年間的單位貨物周轉(zhuǎn)碳排放的泰爾指數(shù)，分析了區(qū)域之間存在的單位周轉(zhuǎn)貨物碳排放差異性。研究結(jié)果發(fā)現(xiàn)：

第一，從總量上看，我國物流作業(yè)的CO2排放量呈增長趨勢，但是單位貨物周轉(zhuǎn)碳排放量在波動變化的過程中，整體呈現(xiàn)下降趨勢。對東、中、西三區(qū)域的分指標(biāo)比較顯示，東部地區(qū)的排放總量指標(biāo)和單位貨物周轉(zhuǎn)碳排放指標(biāo)較中西部地區(qū)稍高，特別是廣東省的排放總量和單位貨物周轉(zhuǎn)碳排放指標(biāo)排名都十分靠前，北京的碳排放總量雖然居中，但是單位貨物周轉(zhuǎn)碳排放指標(biāo)名列前茅。從數(shù)據(jù)分析也可以看出，因為貨物周轉(zhuǎn)總量的大幅增加，雖然碳排放總量增加，單位貨物周轉(zhuǎn)碳排放量有整體下降趨勢。隨著經(jīng)濟的不斷發(fā)展，貨物周轉(zhuǎn)總量會繼續(xù)增加，因此，為實現(xiàn)綠色物流的發(fā)展，如何在降低單位貨物周轉(zhuǎn)碳排放量的同時亦能逐步控制物流作業(yè)碳排放總量應(yīng)是下一步綠色物流推進過程中重點考慮的問題。

第二，從單位貨物周轉(zhuǎn)碳排放的泰爾指數(shù)看，我國東、中、西部地區(qū)之間的單位貨物碳排放存在顯著的差異性。同時，總泰爾指數(shù)的構(gòu)成中，區(qū)域間差異較小，區(qū)域內(nèi)差異較大，說明各區(qū)域內(nèi)各省份的單位貨物周轉(zhuǎn)碳排放差異較大，在下一步進行物流行業(yè)的碳排放控制時，應(yīng)以各省作為治理單位，針對各省的實際情況，進行相關(guān)政策的制定，而不應(yīng)以東、中、西區(qū)域的劃分進行區(qū)域政策的統(tǒng)一制定和管理。根據(jù)各區(qū)域內(nèi)的泰爾指數(shù)分析，東部地區(qū)各省份之間的差異較大，中西部地區(qū)內(nèi)各省份之間的差異小一些，所以在東部地區(qū)的治理過程中更應(yīng)該依省治理。

[1]董鋒, 楊慶亮, 龍如銀,等. 中國碳排放分解與動態(tài)模擬[J]. 中國人口·資源與環(huán)境, 2015, 25(4): 1-8.

[2]歐陽斌, 李忠奎, 鳳振華. 低碳交通運輸規(guī)劃研究現(xiàn)狀、問題及展望[J]. 中國流通經(jīng)濟, 2014(9):13-20.

[3]Woensel T V，Creten R，Vandaele N． Managing the Environmental Externalities of Traffic Logistics: The Issue of Emissions [J]．Production and Operations Management, 2001(10): 207-223.

[4]Palmer A． An Integrated Routing Model to Estimate Carbon Dioxide Emissions from Freight Vehicles[C]. Logistics Research Network 2007 Conference Proceedings, University of Hull,2007: 27-32.

[5]Piecyk M I，McKinnon A C． Forecasting the Carbon Footprint of Road Freight Transport in 2020[J]. International Journal of Production Economics, 2009(9):1-12.

[6]Ubeda S，Arcelus F J，F(xiàn)aulin J． Green Logistics at Eroski: A Case Study[J]. International Journal of Production Economics, 2010(3): 1-8.

[7]Hickman R，Ashiru O，Banister D． Transport and Climate Change: Simulating the Options for Carbon Reduction in London[J]. Transport Policy, 2010, 17(2): 110-125.

[8]周葉, 王道平, 趙耀. 中國省域物流作業(yè)的CO2排放量測評及低碳化對策研究[J]. 中國人口·資源與環(huán)境, 2011, 21(9): 81-87.

[9]楊騫, 劉華軍.中國二氧化碳排放的區(qū)域差異分解及影響因素——基于1995～2009年省際面板數(shù)據(jù)的研究[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究, 2012(5): 36-49.

Analysis on the CO2Emission Evaluation of the Provincial Logistics Operation and Regional Difference in China

FANG Yan-jun; WU Meng-na

(Business School, Shandong Normal University, Jinan Shandong 250014 ,China)

Being one of the main sources of carbon emissions, logistics activity is an important sector of greenhouse gas emissions reduction and climate change mitigation. It is significant to carry out the accounting and comparing analysis on the carbon emissions of the logistics operation in the provincial level for macroscopically controlling the carbon emissions and determining the energy saving and emission reduction targets of the logistics operation in China's province. This paper firstly gave the measurement model on CO2emissions of the logistics operation based on province and calculated the CO2emission factor and emission coefficient of different kinds of energies. Then, it calculated the CO2emission indices of the logistics operation using the Direct Energy Consumption Method based on statistic data from 2003 to 2012. The indices included the CO2emission volume and the CO2emission volume per freight ton-kilometers. The carbon emissions volume of the logistics operation in China showed an increasing trend. However, the CO2emission volume per freight ton-kilometers showed fluctuate declining trend. Obvious regional differences were found, which meant that there were obvious differences among the provinces according to the Theil index.

logistics operation; carbon emission volume; test and evaluate; Theil index; regional difference

2016-03-09

教育部人文社科青年基金項目(15YJC6301134)；山東師范大學(xué)青年教師科研項目(15SQR019)；山東省優(yōu)秀中青年科學(xué)家獎勵基金(BS2015SF018)。

房艷君(1983-)，女，博士，研究方向為綠色供應(yīng)鏈網(wǎng)絡(luò)。

X38

A

1673-9655(2016)05-0042-08