林秀群，李嘉新，李陽，唐向陽

（1.昆明理工大學(xué) 管理與經(jīng)濟(jì)學(xué)院，云南 昆明 650093；2.云南昆船環(huán)保技術(shù)有限公司，云南 昆明 650051）

作為我國經(jīng)濟(jì)增長極之一的長江經(jīng)濟(jì)帶，有著區(qū)域廣闊、人口眾多和經(jīng)濟(jì)體量大的顯著特點(diǎn)，其已成為我國覆蓋面廣、功能豐富、集聚輻射能力較強(qiáng)的重要區(qū)域。長江經(jīng)濟(jì)帶覆蓋了9 省2 市，其上游、中游和下游橫跨我國東中西部三大板塊，對我國區(qū)域發(fā)展規(guī)劃起著至關(guān)重要的戰(zhàn)略拉動(dòng)作用[1]。而物流產(chǎn)業(yè)作為區(qū)域經(jīng)濟(jì)發(fā)展的優(yōu)勢黃金產(chǎn)業(yè)，是長江經(jīng)濟(jì)帶當(dāng)前朝著高質(zhì)量發(fā)展目標(biāo)前進(jìn)的主要保障之一。長江經(jīng)濟(jì)帶物流業(yè)能源消費(fèi)強(qiáng)度在行業(yè)中持續(xù)處于較高水平，油品消費(fèi)量更是居行業(yè)首位，碳排放量也是行業(yè)中增長速度最快的[2]。2005—2019年，長江經(jīng)濟(jì)帶物流業(yè)能源消耗量由6 660.16 萬噸標(biāo)準(zhǔn)煤上升到23 311.42 萬噸標(biāo)準(zhǔn)煤，增長了250.01%。2019年，長江經(jīng)濟(jì)帶物流業(yè)碳排放量為33 810.77 萬噸，相比2015年的13 761.17 萬噸增長了20 049.6 萬噸，增速達(dá)145.70%。自2003年以來，相比較于我國五大行業(yè)，物流業(yè)是其中唯一碳強(qiáng)度升高的部門，且表現(xiàn)出穩(wěn)定增長的趨勢[3]?！笆奈濉敝刑岢鲐瀼亍?030年氣候變化國家自主貢獻(xiàn)目標(biāo)”，將清潔能源高效利用在工業(yè)等領(lǐng)域，實(shí)現(xiàn)能源結(jié)構(gòu)調(diào)整。習(xí)近平主席在2020年9月和12月兩次提出并明確中國要在2030年前實(shí)現(xiàn)“碳達(dá)峰”，2060年實(shí)現(xiàn)“碳中和”。由此可見，作為以化石燃料為主的碳排放重點(diǎn)行業(yè)，物流業(yè)要想實(shí)現(xiàn)2030年的達(dá)峰目標(biāo)，需要在明確行業(yè)碳排放總量目標(biāo)的基礎(chǔ)上，建立碳排放效率提升的目標(biāo)。因此，對長江經(jīng)濟(jì)帶物流業(yè)碳排放效率進(jìn)行測算，并分析其時(shí)序特征和空間特征，對于綠色長江經(jīng)濟(jì)帶的實(shí)現(xiàn)具有一定的指導(dǎo)意義。

關(guān)于碳排放效率方面的研究，學(xué)者們從碳排放效率的理論探討到如何有效提升碳排放效率展開了多維度的研究。碳排放效率是在生產(chǎn)率的大框架下，對碳排放進(jìn)行闡述的指標(biāo)。學(xué)術(shù)界關(guān)于碳排放效率的定義主要是以能源效率為依據(jù)，主要分為兩種，一種是采用單個(gè)要素的指標(biāo)來對碳排放效率進(jìn)行評價(jià)，如Kaya & Yokobori[4]提出的碳生產(chǎn)率概念，Mielnik & Goldemberg[5]提出的碳指數(shù)概念，Jobert 等[6]提出的碳強(qiáng)度概念等。另外一種是學(xué)者們開始從全要素的角度來對碳排放效率展開測度。如Zofio & Proeto[7]構(gòu)建了DEA 模型對OECD 國家的制造業(yè)碳排放效率進(jìn)行了測算；Ramanathan[8]將碳排放量整合到經(jīng)濟(jì)系統(tǒng)中對碳排放效率進(jìn)行較為全面地評價(jià)；Zhou 等[9]將松弛變量納入對30 個(gè)OECD 國家的全要素碳排放效率中。在碳排放效率的靜態(tài)研究中，由于DEA 模型無須對決策單元內(nèi)部的生產(chǎn)關(guān)系預(yù)先判斷得到了廣泛使用，如使用BCC-DEA 模型[2]、SBM-DEA模型[10]、兩階段Super SBM模型[11]、超效率SBM模型[12]、三階段DEA 模型[13]等。與碳排放效率的靜態(tài)研究相比，動(dòng)態(tài)研究的開展仍比較少，如Lin & Fei[14]、吳賢榮等[15]、王兆峰和杜瑤瑤[16]、歐國立和許暢然[17]、邵海琴和王兆峰[18]、李銘泓等[19]分別用Malmquist 模型對不同行業(yè)的碳排放效率進(jìn)行了動(dòng)態(tài)變化的測度。松弛變量對效率測度的改變在傳統(tǒng)DEA 模型中無法體現(xiàn)，并且相對于傳統(tǒng)DEA 模型只考慮了投入和產(chǎn)出的等比例縮短或增加，SBM 模型正好能夠解決面臨的這個(gè)難題。另外，在使用傳統(tǒng)DEA 模型時(shí)無法將非期望的產(chǎn)出作為投入要素，就要使用距離函數(shù)法、數(shù)據(jù)轉(zhuǎn)換函數(shù)法或曲線測度評價(jià)法，而使用SBM 模型則無須另作處理，且能夠解決多個(gè)在生產(chǎn)前沿面決策單元效率為1 無法進(jìn)行比較的問題。

基于此，本文將在全要素生產(chǎn)率框架下采用包含非期望產(chǎn)出的超效率SBM 模型和Malmquist 指數(shù)對2005—2019年長江經(jīng)濟(jì)帶的物流業(yè)碳排放效率進(jìn)行靜態(tài)和動(dòng)態(tài)分析，并利用探索性空間分析法探討其空間演化特征，探索效率分析工具在物流業(yè)領(lǐng)域的適用性。

1 研究方法及數(shù)據(jù)說明

1.1 研究方法

1.1.1 碳排放量估算模型

《2006年IPCC 國家溫室氣體清單指南》中介紹的能源消費(fèi)碳排放計(jì)算的方法包括以下三種：（1）分部門計(jì)算的一般方法，將不同行業(yè)和類型的消費(fèi)以“自下而上”的形式統(tǒng)計(jì)；（2）分部門計(jì)算的優(yōu)良方法，以實(shí)際測量的排放因子替換原有的排放因子進(jìn)行計(jì)算；（3）能源表觀消費(fèi)量的參考方法，以“自上而下”的形式通過能源消費(fèi)量的數(shù)據(jù)進(jìn)行統(tǒng)計(jì)。本文參照多數(shù)學(xué)者[20-22]對碳排放量估算中基于能源表觀消費(fèi)量的方法，依據(jù)各個(gè)決策單元能源的消費(fèi)量計(jì)算碳排放量，8 種能源的平均低位發(fā)熱量、單位熱值含碳量、碳氧化率和二氧化碳排放系數(shù)由表1所示，碳排放量的計(jì)算見式（1）。

表1 能源的平均低位發(fā)熱量、單位熱值含碳量、碳氧化率

1.1.2 帶有非期望產(chǎn)出的超效率SBM模型

傳統(tǒng)的DEA 模型存在無法區(qū)分最大效率值同為1的多個(gè)決策單元效率差異的缺陷。SBM 模型屬于非角度、非徑向的效率測度模型，雖然U-SBM 模型[23]考慮了非期望產(chǎn)出，但無法對等于1 的DMU 進(jìn)行評價(jià)，仍屬于標(biāo)準(zhǔn)效率模型；SE-SBM 模型實(shí)現(xiàn)了對超效率DMU 的評價(jià)，但卻忽視了非期望產(chǎn)出[24]。因此，為了完成對碳排放效率更加準(zhǔn)確的測度，本文使用的模型為包含非期望產(chǎn)出的超效率SBM 模型。假設(shè)物流業(yè)碳排放生產(chǎn)過程中有n個(gè)決策單元，每個(gè)決策單元包含m個(gè)生產(chǎn)投入要素、q1個(gè)期望產(chǎn)出要素和q2個(gè)非期望產(chǎn)出要素。本文中，n表示長江經(jīng)濟(jì)帶11 個(gè)省份，投入要素為物流業(yè)固定資產(chǎn)、勞動(dòng)力、能源消耗，期望產(chǎn)出為物流業(yè)增加值，非期望產(chǎn)出為物流業(yè)碳排放量，則測度物流業(yè)碳排放效率的非期望產(chǎn)出超效率SBM 模型為：

式中：ρ為測度的物流業(yè)碳排放效率；i、r、t分別代表投入、期望產(chǎn)出和非期望產(chǎn)出決策單元；為松弛變量；λj為權(quán)重向量。

1.1.3 Malmquist指數(shù)模型

DEA-Malmquist 指數(shù)方法通過t期到t+1 期效率的變化測算動(dòng)態(tài)碳排放效率。將每個(gè)省份看作一個(gè)決策單元，（xt,yt）、（xt+1,yt+1）分別表示第t年、第t+1年的投入量和產(chǎn)出量，碳排放效率變化的Malmquist 指數(shù)可以表示為：

F?re 等[25]將Malmquist 指數(shù)分解為效率變化（Effch）和技術(shù)變化（Techch）。其中，技術(shù)變化是源于決策單元生產(chǎn)技術(shù)的變化；效率變化是源于決策單元可利用的技術(shù)能力。

其中，效率變化為規(guī)模報(bào)酬可變且要素隨機(jī)處理?xiàng)l件下的相對效率變化指數(shù)，可將效率變化進(jìn)一步分解為純技術(shù)效率變化（Pech）和規(guī)模效率變化（Sech）。

1.1.4 莫蘭指數(shù)

空間自相關(guān)主要用來檢驗(yàn)?zāi)骋嘏c其鄰近要素屬性值在不同空間單元上的顯著程度，也可以用來衡量研究對象空間聚集程度和關(guān)聯(lián)度。全局自相關(guān)分析主要是描述觀測變量在整個(gè)區(qū)域內(nèi)的空間集體集聚程度，其計(jì)算公式為：

式中：xi為省份i的觀測值，n為省份總數(shù)，wij是空間矩陣；，表示方差；表示平均值。

局部自相關(guān)空間分析主要揭示區(qū)域之間的空間聚集程度，用來描述局部單元與鄰近空間單元的自相關(guān)程度，其計(jì)算公式為：

1.2 指標(biāo)選取與數(shù)據(jù)來源

縱觀國內(nèi)外產(chǎn)業(yè)分類體系，未有對物流業(yè)進(jìn)行專門的數(shù)據(jù)統(tǒng)計(jì)，參考張立國[26]的研究方法，使用物流業(yè)年度增加值比重達(dá)到80%以上的交通運(yùn)輸、倉儲和郵政業(yè)的行業(yè)數(shù)據(jù)表示長江經(jīng)濟(jì)帶物流業(yè)的特征。本文選取了2005—2019年四川、重慶、貴州、云南、湖北、湖南、安徽、江西、江蘇、浙江、上海11 個(gè)省份相關(guān)要素的面板數(shù)據(jù)，每1 個(gè)省份作為1 個(gè)獨(dú)立的決策單元，由此作為研究長江經(jīng)濟(jì)帶物流業(yè)碳排放效率的依據(jù)。

研究行業(yè)碳排放效率首先要選取合理有效的投入與產(chǎn)出指標(biāo)，現(xiàn)有文獻(xiàn)中，多以行業(yè)固定資產(chǎn)投資額、能源消費(fèi)量和相關(guān)從業(yè)人員數(shù)等作為投入指標(biāo)，以行業(yè)生產(chǎn)總值和溫室氣體排放量作為產(chǎn)出指標(biāo)。具體來說，在投入指標(biāo)方面：本文參考劉秉鐮和李清彬[27]、鄧學(xué)平等[28]的研究，選取物流業(yè)固定資產(chǎn)投資額作為資本投入，同時(shí)將固定資產(chǎn)投資額平減為2004年不變價(jià)格。除資本要素之外，選取物流業(yè)從業(yè)人員數(shù)作為勞動(dòng)力投入，能源投入選取物流業(yè)主要消耗能源量表示。在產(chǎn)出指標(biāo)方面：期望產(chǎn)出為平減為2004年價(jià)格不變的物流業(yè)增加值，將碳排放量作為非期望產(chǎn)出。本文數(shù)據(jù)均整理自《中國能源統(tǒng)計(jì)年鑒》和《中國統(tǒng)計(jì)年鑒》，具體指標(biāo)的相關(guān)解釋如表2所示。

表2 物流業(yè)碳排放效率指標(biāo)體系

2 結(jié)果與分析

2.1 長江經(jīng)濟(jì)帶物流業(yè)能源碳排放量評估

如圖1所示，2005—2019年長江經(jīng)濟(jì)帶11 個(gè)省份物流業(yè)的能源消費(fèi)碳排放總量呈穩(wěn)定增長的走向，從13 761.17 萬噸增加到33 810.77 萬噸，增長了20 049.6 萬噸，增長率達(dá)到145.69%。樣本期內(nèi)，增長態(tài)勢逐漸放緩，2005—2009年年平均增長率為7.11%，2010—2014年年平均增長率為4.40%，2015—2019年年平均增長率為4.09%。長江經(jīng)濟(jì)帶三個(gè)區(qū)域的物流業(yè)碳排放量基本逐年增長（圖1），只有在2013年，上游地區(qū)的碳排放量出現(xiàn)了下降，降幅為7.52%。下游地區(qū)碳排放量最高。樣本期內(nèi)，長江經(jīng)濟(jì)帶下游、中游、上游碳排放量平均值分別為9 856.11 萬噸、6 423.40 萬噸和7 654.99 萬噸。上游地區(qū)和中游地區(qū)的碳排放量在2012年前基本接近，之后逐漸拉開差距。上游地區(qū)、中游地區(qū)和下游地區(qū)樣本期內(nèi)年平均增長率相比較，上游地區(qū)增速最快，達(dá)7.13%，中游地區(qū)次之，為6.76%，下游地區(qū)增長最慢，僅為5.12%。

圖1 2005—2019年長江經(jīng)濟(jì)帶分區(qū)域物流業(yè)碳排放量

2.2 長江經(jīng)濟(jì)帶物流業(yè)碳排放效率的時(shí)序特征分析

2.2.1 基于SBM模型的碳排放效率靜態(tài)變化分析

根據(jù)包含非期望產(chǎn)出的超效率SBM 模型測算出2005—2019年長江經(jīng)濟(jì)帶各省份的物流業(yè)碳排放效率值，測算結(jié)果如圖2所示。

圖2 2005—2009年、2010—2014年、2015—2019年長江經(jīng)濟(jì)帶物流業(yè)碳排放效率均值

從整體上來看，2005—2019年長江經(jīng)濟(jì)帶11 個(gè)省份物流業(yè)碳排放效率的波動(dòng)較為平緩，均值為0.671，仍和生產(chǎn)前沿面有較大距離。其中，2010年的物流業(yè)碳排放效率達(dá)到最低，為0.531，2014年升至最高，為0.768；2005—2006年和2010—2014年總體呈上升的變化趨勢，平均年增長率依次為1.31%和9.64%，其中2013—2014年增長率最高，達(dá)到17.61%，2006—2010年和2014—2019年呈總體下降的趨勢，平均年增長率依次為-6.37%和-1.38%，2014—2019年碳排放效率的變化幅度相對較小。

從區(qū)域?qū)用鎭砜?，物流業(yè)碳排放效率較高的省份較為集中地分布在長江經(jīng)濟(jì)帶中下游地區(qū)，三個(gè)區(qū)域相比，下游地區(qū)碳排放效率最高，為0.899；中游地區(qū)次之，為0.708；上游地區(qū)最低，為0.463。上游地區(qū)和下游地區(qū)的物流業(yè)碳排放效率均呈現(xiàn)先波動(dòng)上升后緩慢下降的趨勢，而中游地區(qū)的物流業(yè)碳排放效率先在2011年降至最低值0.530 后緩慢上升至0.866。三個(gè)區(qū)域中，下游、中游和上游地區(qū)的年平均增長率依次為1.14%、0.22%和-0.66%。

從省域?qū)用鎭砜矗瑯颖酒趦?nèi)長江經(jīng)濟(jì)帶物流業(yè)碳排放效率最高的3 個(gè)省份分別為江蘇（1.046）、江西（0.893）和浙江（0.888）。2005—2009年，物流業(yè)碳排放效率最高的3 個(gè)省份為安徽（1.027）、江蘇（1.006）和浙江（0.902）；2010—2014年，物流業(yè)碳排放效率最高的3 個(gè)省份為江蘇（1.166）、湖北（0.935）和安徽（0.827）；2015—2019年，物流業(yè)碳排放效率最高的3 個(gè)省份為安徽（1.055）、浙江（1.053）和江蘇（1.041），可見，長江經(jīng)濟(jì)帶物流業(yè)碳排放效率達(dá)到生產(chǎn)前沿面的省份逐步增加。2005—2009年、2010—2014年和2015—2019年三個(gè)階段，長江經(jīng)濟(jì)帶物流業(yè)碳排放效率最低的省份均為云南，其碳排放效率在2005—2017年一直穩(wěn)定在(0.1,0.3)的范圍，2018—2019年出現(xiàn)上升分別達(dá)到0.498 和0.495。這表明，長江經(jīng)濟(jì)帶地區(qū)物流業(yè)的碳排放效率整體上有進(jìn)步的趨勢，但除江蘇外的其他省份仍和生產(chǎn)前沿面有著較大的差距，說明長江經(jīng)濟(jì)帶物流業(yè)節(jié)能減排的問題仍然需要進(jìn)一步地監(jiān)控和改善。

2.2.2 基于Malmquist模型的碳排放效率動(dòng)態(tài)變化分析

由表3所示，從總體水平來看，2005—2019年長江經(jīng)濟(jì)帶物流業(yè)碳排放效率平均提高了3.6%，純技術(shù)效率、規(guī)模效率和技術(shù)進(jìn)步變化分別提高了2.5%、1.9%和1.0%，表明長江經(jīng)濟(jì)帶純技術(shù)效率和規(guī)模效率不同程度的增強(qiáng)對物流業(yè)碳排放效率有積極作用。整體來看，樣本期內(nèi)碳排放效率呈現(xiàn)增減交替態(tài)勢，2005—2015年，除了3 個(gè)年度有短暫提升外，主要呈現(xiàn)連續(xù)下降的趨勢；在2015年后則呈現(xiàn)連續(xù)增長的走向，平均年增長率為24.58%，其中2015—2016年增長幅度達(dá)到最高值54.6%。技術(shù)進(jìn)步效率與碳排放效率在樣本期內(nèi)變動(dòng)情況基本一致，在2014年前波動(dòng)下降后呈現(xiàn)持續(xù)提升的趨勢，在2015—2016年間增長了57.6%，是碳排放效率提升的本質(zhì)原因。2005—2019年純技術(shù)效率和規(guī)模效率均呈增長的變化趨勢，增長幅度分別為2.5%和1.9%，二者在樣本期內(nèi)的變化幅度都相對較小。

表3 分時(shí)段長江經(jīng)濟(jì)帶物流業(yè)碳排放效率Malmquist指數(shù)及其分解

由表4所示，從區(qū)域角度來看，長江經(jīng)濟(jì)帶上、中、下游地區(qū)的碳排放效率均呈現(xiàn)一定幅度的提升，分別為4.6%、2.1%和4.2%。相比較而言，經(jīng)濟(jì)相對落后的上游地區(qū)的碳排放效率增長最為明顯。對于純技術(shù)效率而言，中游、下游地區(qū)的提升幅度明顯高于上游，說明中游、下游地區(qū)生產(chǎn)、管理方式的效率獲得了提高。對于規(guī)模效率而言，上游、下游地區(qū)有更為明顯的提升，分別提升了2.1%和3.8%，中游地區(qū)則只有0.3%的小幅度提升，說明上、下游地區(qū)的運(yùn)營規(guī)模得到了較強(qiáng)力度的優(yōu)化。而對于技術(shù)進(jìn)步，上游、下游地區(qū)的提升幅度分別為1.5%和2.2%，中游地區(qū)則下降了0.4%，說明中游地區(qū)物流業(yè)的技術(shù)變化無法滿足實(shí)際的生產(chǎn)活動(dòng)。

表4 2005—2019年長江經(jīng)濟(jì)帶分省份物流業(yè)碳排放效率變化

由表4所示，從省域角度來看，云南省物流業(yè)碳排放效率增長幅度最大，其增長率達(dá)到11.7%，其中純技術(shù)效率增長了12.2%是主要原因，說明云南省可利用的技術(shù)能力得到了較大的提升。長江經(jīng)濟(jì)帶實(shí)現(xiàn)物流業(yè)碳排放效率增長的共有9 個(gè)省份，其中實(shí)現(xiàn)純技術(shù)效率、規(guī)模效率和技術(shù)進(jìn)步三者共同增長的省份包括上海、浙江和安徽。湖南和四川兩個(gè)省份的碳排放效率呈現(xiàn)負(fù)增長的趨勢，分別降低了2.6%和0.3%。純技術(shù)效率下降了2.2%是湖南碳排放效率降低的主要原因，而四川的碳排放效率降低主要是純技術(shù)下降了1.2%和規(guī)模效率下降了1.2%導(dǎo)致的。從分解情況來看，長江經(jīng)濟(jì)帶11個(gè)省份的技術(shù)進(jìn)步變化指數(shù)只有江西小于1，說明長江經(jīng)濟(jì)帶低碳物流業(yè)的生產(chǎn)技術(shù)發(fā)展處于良好的態(tài)勢。

2.3 長江經(jīng)濟(jì)帶物流業(yè)碳排放效率的空間格局分析

2.3.1 長江經(jīng)濟(jì)帶物流業(yè)碳排放效率全局空間自相關(guān)分析

為了分析各省份之間物流業(yè)碳排放效率的相關(guān)性，以2005—2019年各省份物流業(yè)碳排放效率值為數(shù)據(jù)基礎(chǔ)，通過GeoDa 軟件得出Moran’s I 指數(shù)，計(jì)算結(jié)果見表5。Moran’s I 指數(shù)取值范圍一般在-1～1 之間，指數(shù)絕對值體現(xiàn)了局域空間的集聚狀態(tài)。由表5可知，樣本期內(nèi)，長江經(jīng)濟(jì)帶整體碳排放效率水平表現(xiàn)出了較為顯著的空間正相關(guān)性，整體上呈現(xiàn)波動(dòng)后顯著上升的格局。除2009年、2011年和2013年的Moran’s I 指數(shù)為負(fù)值外，且指數(shù)絕對值相對較小，負(fù)相關(guān)的特征不突出。2018年、2019年的Moran’s I 指數(shù)明顯升高，其中，2018年的Moran’s I 指數(shù)達(dá)到樣本期內(nèi)的最高值，為0.659，說明在2018年，長江經(jīng)濟(jì)帶地區(qū)間的正相關(guān)性最強(qiáng)。整體上來看，長江經(jīng)濟(jì)帶地理鄰近區(qū)域的物流業(yè)碳排放效率值呈相對集聚的現(xiàn)象，說明長江經(jīng)濟(jì)帶物流業(yè)碳排放效率之間具有集聚性。

表5 2005—2019年長江經(jīng)濟(jì)帶碳排放效率的全局Moran’s I指數(shù)

2.3.2 長江經(jīng)濟(jì)帶物流業(yè)碳排放效率局部空間自相關(guān)分析

全局自相關(guān)分析主要是觀察長江經(jīng)濟(jì)帶地區(qū)物流業(yè)碳排放效率的整體聚集程度，為了進(jìn)一步測算局部區(qū)域在鄰近空間的聚集程度，本文采用局部空間自相關(guān)對2005年、2012年和2019年長江經(jīng)濟(jì)帶物流業(yè)碳排放效率水平進(jìn)行空間異質(zhì)性分析。莫蘭散點(diǎn)圖可以判斷各個(gè)城市之間物流業(yè)碳排放效率水平的空間相關(guān)程度，由四個(gè)象限組成，其中第一象限為物流業(yè)碳排放效率水平高—高（H-H 型）集聚地區(qū)，該地區(qū)與鄰近地區(qū)的物流業(yè)碳排放效率均呈現(xiàn)較高的水平，空間內(nèi)部的差異性相對較??；第二象限為物流業(yè)碳排放效率水平低—高（L-H 型）集聚地區(qū)，該地區(qū)本身呈現(xiàn)較低的物流業(yè)碳排放效率，但鄰近地區(qū)則呈現(xiàn)較高的碳排放效率，空間內(nèi)部的差異性相對較大；第三象限為物流業(yè)碳排放效率水平低—低（L-L 型）集聚地區(qū)，該地區(qū)不僅本身碳排放效率低，鄰近地區(qū)碳排放效率也表現(xiàn)出較低水平，空間內(nèi)部的差異性相對較??；第四象限為物流業(yè)碳排放效率水平高—低（H-L 型）集聚地區(qū)，該地區(qū)本身呈現(xiàn)較高的碳排放效率，但鄰近地區(qū)卻顯現(xiàn)偏低的碳排放效率，空間內(nèi)部的差異性相對較大。

由圖3可知，2005—2019年長江經(jīng)濟(jì)帶物流業(yè)碳排放效率的局域空間集聚狀態(tài)發(fā)生了較為顯著的變化。2005年分布在H-H 型、L-H 型、L-L型和H-L 型區(qū)域的省份個(gè)數(shù)分別為3 個(gè)、3 個(gè)、4 個(gè)和1 個(gè)，主要集中分布在第一、第二、第三象限；2012年分布在H-H 型、L-H 型、L-L 型和H-L 型區(qū)域的省份個(gè)數(shù)分別為2 個(gè)、3 個(gè)、3 個(gè)和3 個(gè)，較為均勻地分布在四個(gè)象限；2019年分布在H-H 型、L-H 型、L-L 型和H-L 型區(qū)域的省份個(gè)數(shù)分別為4 個(gè)、2 個(gè)、5 個(gè)和0 個(gè)，大部分省份分布在第一、第三象限。在樣本期內(nèi)，物流業(yè)碳排放效率呈H-H 型或L-L 型集聚形態(tài)的省份由7 個(gè)升至9 個(gè)，占比由63.6%增至81.8%；物流業(yè)碳排放效率呈H-L 型或L-H 型集聚的省份由4 個(gè)降至2 個(gè)，占比由36.4%降至18.2%。這說明在2005—2019年間物流業(yè)碳排放效率的空間同質(zhì)性不斷增強(qiáng)，異質(zhì)性逐漸減弱，空間差異有進(jìn)一步縮小的趨勢。具體來看，江西和上海從2005年的L-H 型由于物流業(yè)碳排放效率的提升逐步成為2019年的H-H 型，江蘇和湖南則由于物流業(yè)碳排放效率的降低分別從2005年的H-H 型和H-L 型變化為2019年的L-H 型和L-L 型。在樣本期內(nèi)，安徽和浙江穩(wěn)定保持在H-H 型區(qū)域內(nèi)，兩個(gè)省份低碳物流業(yè)均有較高的發(fā)展水平，在區(qū)域內(nèi)起到積極拉動(dòng)的帶頭作用；湖北保持在L-H 型區(qū)域內(nèi)，應(yīng)優(yōu)化自身物流業(yè)的運(yùn)營規(guī)模，加強(qiáng)與安徽和江西的區(qū)域合作，進(jìn)一步提升碳排放效率；貴州、云南、四川和重慶穩(wěn)定保持在L-L 型區(qū)域內(nèi)，應(yīng)充分發(fā)展和使用可再生能源和清潔能源，盡快改進(jìn)能源結(jié)構(gòu)，依據(jù)自身發(fā)展需要適當(dāng)引進(jìn)先進(jìn)技術(shù)和人才以提高碳排放效率。

圖3 2005年、2012年和2019年長江經(jīng)濟(jì)帶物流業(yè)碳排放效率局部莫蘭散點(diǎn)圖

3 結(jié)論與建議

本研究基于包含非期望產(chǎn)出的超效率SBM 模型與ML 指數(shù)，對2005—2019年長江經(jīng)濟(jì)帶物流業(yè)碳排放效率及其分解進(jìn)行了時(shí)序特征的分析，再利用莫蘭指數(shù)對其進(jìn)行空間特征的分析，主要結(jié)論如下：

（1）2005—2019年，長江經(jīng)濟(jì)帶整體物流業(yè)碳排放量表現(xiàn)出增長率逐步放緩的上升趨勢。碳排放效率總體波動(dòng)平緩，均值為0.671，呈“上游＜中游＜下游”的局面，其中除江蘇外，其他省份仍和生產(chǎn)前沿面有較大差距。

（2）樣本期內(nèi)，長江經(jīng)濟(jì)帶物流業(yè)碳排放效率平均提高了3.6%，主要?dú)w功于純技術(shù)效率的提高和規(guī)模效率的增長，上、中、下游地區(qū)的碳排放效率均呈現(xiàn)一定幅度的提升。云南物流業(yè)碳排放效率由于其可利用技術(shù)能力的明顯進(jìn)步而增長幅度最大，而湖南和四川因純技術(shù)效率的下降呈現(xiàn)負(fù)增長的趨勢。

（3）2005—2019年，長江經(jīng)濟(jì)帶地理鄰近區(qū)域物流業(yè)碳排放效率呈現(xiàn)由弱到強(qiáng)的正向空間關(guān)聯(lián)格局，發(fā)展模式以L-L 型集聚為主，H-H 型集聚次之。局部空間集聚狀態(tài)變化顯著，異質(zhì)性不斷減弱，空間差異不斷縮小。

根據(jù)以上研究結(jié)論，結(jié)合長江經(jīng)濟(jì)帶低碳物流業(yè)的發(fā)展情況，提出以下建議：

（1）降低能源消耗，助推低碳物流產(chǎn)業(yè)深層次的轉(zhuǎn)型升級。通過新型能源的應(yīng)用從源頭減少能源消耗帶來的碳排放，包括增加生物燃料在物流業(yè)的使用范圍、推廣使用合成燃料和提高運(yùn)輸電氣化程度。采用多式聯(lián)運(yùn)的舉措，通過比如集裝化運(yùn)輸?shù)确绞?，降低物流需求的投入成本進(jìn)一步提升物流效能，同時(shí)公鐵聯(lián)運(yùn)、鐵江聯(lián)運(yùn)能有效減少能源消耗和環(huán)境污染，進(jìn)一步推進(jìn)物流業(yè)節(jié)能降碳。

（2）引入低碳技術(shù)，通過市場化手段將科技成果轉(zhuǎn)化到產(chǎn)業(yè)升級。拓寬新能源設(shè)備在物流行業(yè)的使用渠道，具體表現(xiàn)在提高以新能源車為代表的低能耗、低排放的新能源設(shè)備在物流配送、港口作業(yè)等領(lǐng)域的應(yīng)用。將大數(shù)據(jù)、人工智能、貨物跟蹤定位等新興技術(shù)應(yīng)用在物流行業(yè)，通過智能倉儲、共享運(yùn)輸、共享倉儲等方式來提升碳排放效率，實(shí)現(xiàn)物流業(yè)低碳化發(fā)展。

（3）加強(qiáng)區(qū)域合作，實(shí)現(xiàn)長江經(jīng)濟(jì)帶上、中、下游三大區(qū)域優(yōu)勢互補(bǔ)。長江經(jīng)濟(jì)帶三大區(qū)域內(nèi)物流企業(yè)應(yīng)與實(shí)時(shí)物流需求緊密關(guān)聯(lián)，在積極對接供應(yīng)鏈運(yùn)作和管理模式的基本條件下，同時(shí)優(yōu)化企業(yè)流程、提升企業(yè)效率和創(chuàng)新企業(yè)模式，起到協(xié)同倍增的作用。下游地區(qū)可以充分發(fā)揮自身物流業(yè)高水平發(fā)展的優(yōu)勢，與云南、四川等中上游地區(qū)構(gòu)建相應(yīng)的產(chǎn)業(yè)協(xié)作和對口幫扶機(jī)制，推進(jìn)長江經(jīng)濟(jì)帶物流產(chǎn)業(yè)的低碳化發(fā)展。中游地區(qū)與長三角城市群相鄰，應(yīng)發(fā)揮“中心—外圍”的空間優(yōu)勢，推動(dòng)物流業(yè)產(chǎn)業(yè)協(xié)作，并將此視為經(jīng)濟(jì)發(fā)展和物流低碳化創(chuàng)新能力進(jìn)一步提高的重要?jiǎng)恿Α?/p>