中圖分類號(hào)：F259.27 文獻(xiàn)標(biāo)志碼：A DOI： 10.13714/j.cnki.1002-3100.2025.12.002

Abstract：AlongwiththerapiddevelopmentofChina'seconomy，itsenvironmentalproblemshavegraduallatractedgreat attention.HenanProvince，asanimportantpartoftheCentralPlainsregion，itscarbonemisionsfromthelogisticsindustryare increasingyearbyyearbringinggreatchalengestoHenan'sgrenandhealthydevelopmentmodel，soitisofgreatsigniicance tocarryoutastudyonthepredictionofcarbonemisionsfromthelogisticsindustryinHenanProvinceandthefactorsffecting themforthehigh-qualitydevelopmentof HenanProvince.Inthisstudythetotalcarbonemissionsofthelogisticsindustryare obtainedthroughthetotalcarbonemisionsformula，predictedwiththehelpofBPNeuralNetwork，andSTIRPATmodelis introducedtodecomposethetotalcarbonemisionsofthelogisticsindustryintothefactorsofpopulationsize，economiclevel， energyintensity，energystructureandindustriallevel，andthelikeforempiricalanalyses.Theresultsofthestudyareas follows.WiththehelpofBPNeuralNetwork，thetotalcarbonemisionoflogisticsindustryinHenanProvinceispredictedto notreachthepeak in2O3Oandshows anupwardtrend;thefivefactorsof ppulationsize，economic level，energyintensity，nergy structurendindustriallevelhvepositivecorelationtothetotalcarbonemissonofhelogisticsindustryinHenanProvince andhaveapositiveroleinpromotingit.Therefore，inordertoachievedual-carbongoalsandpromotethehealthyandsustainable developmentof HenanProvince，itisproposedthatmacro-controlshouldbeimplementedtoformulate thedevelopmentstrategy oflow-carbonlogsticsindustry，regulatethepopulationsizetooptimizethepopulationmanagement，andpromotethestructural adjustment of the logistics industry to optimize the upgrading of the logistics industry.

KeyWords：carbon peaking;carbonemision from logistics industryin Henan Province;BPNeural Network;STRPATmodel

0引言

伴隨著全球氣候變化問題日益突出及全球溫室氣體排放量持續(xù)增加，氣候變化對(duì)人類社會(huì)及生態(tài)環(huán)境造成了嚴(yán)重的影響。為應(yīng)對(duì)這個(gè)全球挑戰(zhàn)，各國逐漸積極探索低碳發(fā)展路徑，其中，中國提出“雙碳”目標(biāo)，即碳達(dá)峰、碳中和，力爭在2030年前后實(shí)現(xiàn)二氧化碳排放總量達(dá)到峰值目標(biāo)，碳中和是在碳達(dá)峰基礎(chǔ)上進(jìn)一步提高要求，即在2060年前后達(dá)到二氧化碳排放總收稿日期：2024-11-13作者簡介：郭鎂霆（1998—），女，河南安陽人，商學(xué)院碩士研究生，研究方向：區(qū)域低碳經(jīng)濟(jì)。引文格式：郭鎂霆，碳達(dá)峰背景下河南省物流業(yè)碳排放預(yù)測及影響因素研究[J].物流科技，2025，48（12）：6-10.

量與大氣中二氧化碳吸收儲(chǔ)存保持平衡水平，實(shí)現(xiàn)經(jīng)濟(jì)和生態(tài)保持可持續(xù)化健康發(fā)展而河南省作為中部地區(qū)的重要組成部分，其物流業(yè)碳排放總量問題備受關(guān)注，根據(jù)統(tǒng)計(jì)數(shù)據(jù)，伴隨著河南省經(jīng)濟(jì)的高速發(fā)展，河南省物流業(yè)碳排放總量呈現(xiàn)上升趨勢[2]。故借助BP神經(jīng)網(wǎng)絡(luò)對(duì)河南省物流業(yè)碳排放總量進(jìn)行預(yù)測，并引人STIRPAT模型分解河南省物流業(yè)碳排放總量影響因素。研究結(jié)果能夠豐富及完善河南省物流業(yè)碳排放影響因素理論體系，有助于深入了解河南省物流業(yè)碳排放總量變化趨勢，為后期的科學(xué)指導(dǎo)及提出相應(yīng)的減排措施提供導(dǎo)向作用。

1文獻(xiàn)綜述

1.1物流業(yè)碳排放預(yù)測研究

不同地區(qū)的經(jīng)濟(jì)結(jié)構(gòu)、能源資源稟賦及發(fā)展水平存在明顯差異，碳排放預(yù)測可以為各地區(qū)制定符合自身特點(diǎn)的減排政策提供參考，使其采取具有針對(duì)性的措施完善發(fā)展規(guī)劃，繼而吸引了大量學(xué)者研究區(qū)域低碳經(jīng)濟(jì)。例如何柳林等借助我國碳排放核算數(shù)據(jù)庫中1970—2020年的碳排放量、國內(nèi)生產(chǎn)總值（GDP）、人口數(shù)量等數(shù)據(jù)，探究全國碳排放時(shí)空特征，并借助LSTM模型對(duì)2030年全國碳排放峰值進(jìn)行科學(xué)預(yù)測。李思瑤等借助可拓展隨機(jī)性環(huán)境影響評(píng)估模型探究陜西省碳排放量驅(qū)動(dòng)因素，并驗(yàn)證出陜西省在高碳、基準(zhǔn)、低碳3種情景下均可實(shí)現(xiàn)碳達(dá)峰并進(jìn)行系統(tǒng)預(yù)測。崔艷芳等5選取黃河流域資源型城市2000一2020年數(shù)據(jù)，運(yùn)用擴(kuò)展STIRPAT模型分析其碳排放影響因素，并基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建碳排放預(yù)測模型，分析了不同情景下碳排放趨勢。李俊杰等通過LMDI模型研究寧夏物流業(yè)二氧化碳排放量及其影響因素，并對(duì)未來碳排放總量進(jìn)行科學(xué)預(yù)測，研究結(jié)果驗(yàn)證出寧夏碳排放量總體呈現(xiàn)上升趨勢。余博等借助STIRPAT模型和LASSO回歸篩選影響物流行業(yè)碳排放關(guān)鍵因素，并利用全局搜索策略鯨魚優(yōu)化算法優(yōu)化KELM模型以提高預(yù)測精度，繼而構(gòu)建出LASSO-GSWOA-KELM模型，驗(yàn)證出該模型精度較好，能夠精準(zhǔn)預(yù)測物流行業(yè)碳排放，預(yù)測我國物流行業(yè)碳排放將繼續(xù)增長，但增速放緩，繼而在2029年達(dá)到碳達(dá)峰，并提出相應(yīng)減排策略。

1.2 碳排放影響因素研究

隨著全球變暖及氣候變化，研究碳排放影響因素具有重要作用，其中碳排放水平與經(jīng)濟(jì)因素、人口規(guī)模、能源因素、技術(shù)水平等關(guān)系緊密，繼而也吸引了大量學(xué)者展開研究8。Gao etal.借助LMDI模型分析SDG地區(qū)碳排放水平，將1999—2022年該地區(qū)的經(jīng)濟(jì)活動(dòng)分解為經(jīng)濟(jì)水平、實(shí)際密度、能源強(qiáng)度及郊區(qū)效應(yīng)等關(guān)鍵因素，研究結(jié)果表明該地區(qū)經(jīng)濟(jì)水平、實(shí)際密度、能源強(qiáng)度都是碳排放的主要因素，降低這幾種因素對(duì)環(huán)境可持續(xù)發(fā)展具有重要意義，并提出相應(yīng)可持續(xù)化發(fā)展模式。時(shí)朋飛等以長江經(jīng)濟(jì)帶為研究對(duì)象，借助拓展STIRPAT模型分析旅游業(yè)碳排放影響因素并剖析外生變量的交互作用，還利用旅游業(yè)碳排放預(yù)測模型和情景分析法對(duì)該區(qū)域旅游業(yè)碳達(dá)峰時(shí)間及峰值進(jìn)行預(yù)測，結(jié)果驗(yàn)證出長江經(jīng)濟(jì)帶旅游業(yè)總體呈現(xiàn)先跌落后增長趨勢。騰飛等以華中地區(qū)為研究對(duì)象測算華中三省2000—2019年碳排放量，并對(duì)STIRPAT模型進(jìn)行拓展，運(yùn)用STIRPAT模型分析的方法探究碳排放影響因素，研究結(jié)果得出湖北省在產(chǎn)業(yè)升級(jí)情景下將在2027年實(shí)現(xiàn)碳達(dá)峰，湖南省將在2031年完成碳達(dá)峰，河南省在產(chǎn)業(yè)升級(jí)情景下碳達(dá)峰最早且峰值額最低，研究具有一定的借鑒價(jià)值。

綜上所述，眾多學(xué)者在研究碳排放預(yù)測及影響因素過程中使用的模型基本類似，均是以機(jī)器學(xué)習(xí)及計(jì)量經(jīng)濟(jì)學(xué)STIRPAT模型為主。這些研究加深了對(duì)不同地區(qū)及行業(yè)碳排放量預(yù)測及驅(qū)動(dòng)因素的理解，借助不同模型及方法，研究者們能夠較為客觀地分析碳排放的未來趨勢及影響因素，為制定減排政策和實(shí)現(xiàn)碳減排目標(biāo)提供科學(xué)依據(jù)，故展開對(duì)河南省物流業(yè)碳排放的研究具有重要研究意義。

2模型介紹

2.1碳排放計(jì)算公式

2006年中國頒布了《IPCC國家溫室氣體清單指南》，在指南中詳細(xì)介紹了碳排放量計(jì)算公式，如式（1）所示。

其中 C 表示碳排放總量， E 表示不同能源消耗量， I 表示不同能源碳排放系數(shù)， F 表示不同能源的標(biāo)準(zhǔn)煤系數(shù)，在此次研究中將選取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣8種能源，并從《IPCC國家溫室氣體清單指南》中獲得各類能源的碳排放系數(shù)及標(biāo)準(zhǔn)煤系數(shù)，如表1所示。

2.2 BP神經(jīng)網(wǎng)絡(luò)輸入層 隱藏層 隱藏層 輸出層

BP神經(jīng)網(wǎng)絡(luò)主要用于處理非線性、高維度數(shù)據(jù)，具有良好非線性及泛化優(yōu)勢，被廣泛應(yīng)用于預(yù)測領(lǐng)域。其中BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示，包括輸入層、a隱藏層及輸出層，其運(yùn)行原理是數(shù)據(jù)先進(jìn)入輸入層中，輸入層中每個(gè)神經(jīng)元和附近層神經(jīng)元相互聯(lián)系，進(jìn)入隱藏層進(jìn)行反饋調(diào)節(jié)，繼而通過輸出層輸出結(jié)果。

2.3 STIRPAT模型

STIRPAT模型主要是分析人類活動(dòng)對(duì)環(huán)境壓力（特別是碳排放環(huán)境指標(biāo)）等的影響，能夠分析出技術(shù)水平等因素對(duì)環(huán)境的作用機(jī)制，如式（2）所示。

I=αP^bA^cT^de

其中1表示碳排放環(huán)境值， P 表示人口規(guī)模，A表示經(jīng)濟(jì)發(fā)展水平， T 表示科學(xué)技術(shù)發(fā)展水平， α_a 、b、 ！ d 均為模型參數(shù)，e 表示模型的隨機(jī)誤差項(xiàng)。為深入分解模型增加兩個(gè)新解釋變量，即產(chǎn)業(yè)水平（ IS） 和能源結(jié)構(gòu)（ ?_ES） ，并將公式兩邊取對(duì)數(shù)得到新的拓展公式如式（3）所示。

LnC=Lnα+β₁LnP+β₂LnA+β₃LnT+β₄LnIS+β₅LnES+Lne

3實(shí)證分析

3.1指標(biāo)選取及數(shù)據(jù)來源

本研究主要分析河南省物流業(yè)碳排放未來排放趨勢及影響因素，故選擇以下具有代表性的指標(biāo)。其中碳排放量用 C 來表示，人口規(guī)模用 P 來表示，經(jīng)濟(jì)水平用A來表示，指河南省人均GDP數(shù)值，能源強(qiáng)度用 T 來表示，指在單位GDP下所消耗的能源，能源結(jié)構(gòu)用ES來表示，指在能源總量中煤炭的占比，產(chǎn)業(yè)水平用 IS 來表示，指第三產(chǎn)業(yè)在GDP數(shù)值中占比，其具體變量含義如表2所示。

本研究所使用的樣本數(shù)據(jù)為1995—2019年的河南面板數(shù)據(jù)，其中碳排放數(shù)據(jù)則是依據(jù)《中國能源統(tǒng)計(jì)年鑒》中8種能源的歷年消費(fèi)量數(shù)據(jù)計(jì)算所得，而人口規(guī)模、經(jīng)濟(jì)發(fā)展水平、技術(shù)發(fā)展水平、能源結(jié)構(gòu)、產(chǎn)業(yè)水平數(shù)據(jù)則是從《河南省統(tǒng)計(jì)年鑒》中獲取，具體數(shù)據(jù)如表3所示。

3.2BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測

3.2.1 模型設(shè)定

本研究主要是借助非線性BP神經(jīng)網(wǎng)絡(luò)來預(yù)測河南省物流業(yè)碳排放量，并將1995—2014年近20年的河南省物流業(yè)碳排放量導(dǎo)入BP神經(jīng)網(wǎng)絡(luò)，以2015—2019年河南省物流業(yè)碳排放量作為檢驗(yàn)數(shù)據(jù)繼而預(yù)測，其中具體的神經(jīng)網(wǎng)絡(luò)參數(shù)如表4所示。

其中，借助Sigmoid作為激活函數(shù)、并將循環(huán)迭代次數(shù)設(shè)置為 1000 次、學(xué)習(xí)率為0.01、隱藏層中含有12個(gè)神經(jīng)元及將MSE作為損失函數(shù)。

3.2.2 模型預(yù)測

借助BP神經(jīng)網(wǎng)絡(luò)預(yù)測2020—2030年河南省物流業(yè)碳排放總量，其中具體數(shù)據(jù)如圖2所示。

如圖2所示，河南省2020—2030年物流業(yè)碳排放總量預(yù)測值總體呈現(xiàn)緩慢增長的趨勢，且短期內(nèi)未達(dá)到碳達(dá)峰的目標(biāo)，這給河南省未來發(fā)展帶來諸多挑戰(zhàn)，因此為保障河南省能盡快實(shí)現(xiàn)雙碳目標(biāo)，將采用STIRPAT模型分析河南省物流業(yè)碳排放影響因素。

3.3STIRPAT模型影響因素

3.3.1數(shù)據(jù)共線性

根據(jù)表3河南面板數(shù)據(jù)，將其取對(duì)數(shù)化得到相應(yīng)的 LnC 、 LnP 、LnA、 LnT_? LnES及 LnIS 數(shù)值，并以此導(dǎo)入模型中進(jìn)行初步擬合，驗(yàn)證數(shù)據(jù)共線性，得到如表5所示的最小二乘法系數(shù)。

表5為模型的系數(shù)矩陣，繼而驗(yàn)證出 LnP 、LnA、 LnT， LnES及 LnIS 的方差擴(kuò)大因子（VIF）分別為24.971、31.919、98.020、45.291及23.610，全部都大于10，故說明5個(gè)變量之間存在顯著多重共線性。其中 LnP 系數(shù)為0.979、 LnA 系數(shù)為0.985、LnT系數(shù)為0.827、LnES系數(shù)為-0.045、LnIS系數(shù)為-1.161及常量為-10.444，因此模型表示為如式（4）所示。

表6是借助用SPSS27軟件判斷數(shù)據(jù)是否存在診斷變量和多重共線性問題，從結(jié)果看到4個(gè)特征值與0非常接近且最大條件指標(biāo)數(shù)為2030.121，故驗(yàn)證出變量之間存在顯著的多重共線性。

3.3.2 STIRPAT模型

當(dāng)方差膨脹因子數(shù)值（VIF）大于10時(shí)便可以認(rèn)為數(shù)據(jù)存在多重共線性，其中STIRPAT模型通過 K 值的變動(dòng)能夠有限地降低多元回歸模型中數(shù)據(jù)共現(xiàn)性問題，故采用STIRPAT模型來分析碳排放影響因素，其中數(shù)據(jù)結(jié)果如表7所示。

表7是在 K=0.05 時(shí)STIRPAT模型得到的結(jié)果，結(jié)果顯示調(diào)整后R值為0.999282、F統(tǒng)計(jì)量值為2230.4448及F檢驗(yàn)顯著性為0.000 015小于顯著水平0.05，即表示該模型顯著且擬合效果較好。其中回歸平方和（SS）為5.986及殘差平方和（MS）為11.194，即驗(yàn)證出符合STIRPAT擬合模型。

表8表示模型的系數(shù)矩陣，其中 LnP 系數(shù)為0.20129190、LnA系數(shù)為0.20177383、 LnT 系數(shù)為0.19591966、LnES系數(shù)為0.19584976、LnIS系數(shù)為0.19615340及常量為 0.03406993 ，故建立該模型如式5所示。LnC=0.201 391 9LnP+0.201 773 83LnA+0.195 91966LnT+0.196 1534LnIS+0.195 849 76LnES+0.034 069 93 （5）

3.3.3 回歸結(jié)果

通過上述借助STIRPAT模型來研究河南省物流業(yè)碳排放影響因素，結(jié)果顯示5種變量對(duì)河南省物流業(yè)碳排放均呈現(xiàn)正向相關(guān)性，即均促進(jìn)碳排放量的增加。其中5種變量對(duì)河南省物流業(yè)碳排放量影響最大的是人均GDP且相對(duì)影響值為0.201773 83、人□規(guī)模的相對(duì)影響值為 0.201 291 90 、產(chǎn)業(yè)水平的相對(duì)影響值為 0.1965340 、能源強(qiáng)度的相對(duì)影響值為0.19591966、最小影響能源結(jié)構(gòu)數(shù)值為 0.19584976 （2號(hào)

4結(jié)論與建議

4.1結(jié)論

本文以碳達(dá)峰背景下河南省物流業(yè)碳排放為研究對(duì)象，借助BP神經(jīng)網(wǎng)絡(luò)及STIIPAT模型來分析河南省物流業(yè)碳排放未來趨勢及影響因素水平。研究結(jié)果發(fā)現(xiàn)河南省物流業(yè)在2030年時(shí)未能達(dá)到碳達(dá)峰且有進(jìn)一步增長趨勢，并引入STIRPAT模型分析影響河南省物流業(yè)碳排放因素，回歸結(jié)果顯示模型與各變量的系數(shù)均通過顯著性檢驗(yàn)，且驗(yàn)證出人口規(guī)模、人均GDP、能源結(jié)構(gòu)、能源強(qiáng)度及產(chǎn)業(yè)水平均對(duì)河南省物流業(yè)碳排放量產(chǎn)生正向相關(guān)性，其中人均GDP對(duì)河南省物流業(yè)碳排放量的促進(jìn)作用最為顯著，能源結(jié)構(gòu)因素為最低。

4.2建議

第一，實(shí)施宏觀調(diào)控以制定物流業(yè)低碳發(fā)展戰(zhàn)略?？茖W(xué)構(gòu)建涵蓋明確目標(biāo)與詳細(xì)時(shí)間表的低碳發(fā)展戰(zhàn)略框架，配套制定具有針對(duì)性與可操作性政策措施，全面系統(tǒng)地推動(dòng)河南省物流業(yè)向低碳經(jīng)濟(jì)轉(zhuǎn)型。例如，可設(shè)定階段性物流業(yè)碳減排目標(biāo)，并依據(jù)目標(biāo)制定物流產(chǎn)業(yè)調(diào)整等具體實(shí)施路徑與監(jiān)管考核機(jī)制。

第二，調(diào)控人口規(guī)模以優(yōu)化人口管理。制定并嚴(yán)格執(zhí)行契合河南省情況的人口政策與相關(guān)法律法規(guī)，通過多種政策工具引導(dǎo)合理的生育行為與家庭規(guī)劃。例如，設(shè)立專項(xiàng)經(jīng)濟(jì)激勵(lì)機(jī)制，對(duì)延遲生育年齡及控制生育數(shù)量的家庭給予生育津貼、子女教育補(bǔ)貼等優(yōu)惠政策，從而有效減緩人口增長對(duì)物流業(yè)碳排放的促進(jìn)作用。加強(qiáng)人口素質(zhì)提升與人口結(jié)構(gòu)優(yōu)化相關(guān)舉措，促進(jìn)人口與資源環(huán)境的協(xié)調(diào)發(fā)展。

第三，推動(dòng)省物流產(chǎn)業(yè)結(jié)構(gòu)調(diào)整以優(yōu)化物流產(chǎn)業(yè)升級(jí)。積極鼓勵(lì)并扶持物流低碳產(chǎn)業(yè)及第三產(chǎn)業(yè)發(fā)展，逐步降低高碳物流產(chǎn)業(yè)在經(jīng)濟(jì)結(jié)構(gòu)中的占比。例如制定物流產(chǎn)業(yè)扶持政策，對(duì)低碳物流產(chǎn)業(yè)給予稅收優(yōu)惠、財(cái)政補(bǔ)貼、土地優(yōu)先供應(yīng)等支持措施，促進(jìn)其快速發(fā)展壯大。加強(qiáng)對(duì)高碳物流產(chǎn)業(yè)的監(jiān)管與引導(dǎo)，推動(dòng)其實(shí)施深度技術(shù)改造，提高資源利用效率與清潔生產(chǎn)水平，實(shí)現(xiàn)產(chǎn)業(yè)結(jié)構(gòu)綠色低碳化轉(zhuǎn)型。

參考文獻(xiàn)：

[1]袁璨，劉林青．碳達(dá)峰、碳中和背景下環(huán)境規(guī)制與制造業(yè)綠色轉(zhuǎn)型關(guān)系研究[J].工程管理科技前沿，2024，43（1）：39-45.

[2]郭永芹，碳達(dá)峰碳中和目標(biāo)下河南產(chǎn)業(yè)水平優(yōu)化研究[J].河南教育學(xué)院學(xué)報(bào)（自然科學(xué)版），2023，32（2）：28-33.

[3]何柳林，張麗麗，李帥，等．“雙碳”目標(biāo)下全國碳排放特征與預(yù)測研究[J].科技創(chuàng)新與應(yīng)用，2024，14（28）：26-30.

[4]李思瑤，汪紅梅．陜西省碳排放驅(qū)動(dòng)因素分析及預(yù)測[J]．中國資源綜合利用，2024，42（9）：224-228.

[5]崔艷芳，張國興．黃河流域資源型城市碳排放影響因素與達(dá)峰預(yù)測研究[J].人民黃河，2023，45（2）：9-14.

[6]李俊杰，劉湘．寧夏碳排放影響因素與碳達(dá)峰預(yù)測[J].中南民族大學(xué)學(xué)報(bào)（人文社會(huì)科學(xué)版），2022，42（7）：116-124，185-186.

[7]余博，王尹，柴俊松，等．基于LASSO-GSWOA-KELM模型的石化行業(yè)碳排放預(yù)測研究[J].現(xiàn)代化工，2024，4（S2）：378-385.

[8]梁力軍，馮江林，孫玉璇．區(qū)域碳排放達(dá)峰預(yù)測模型構(gòu)建與實(shí)現(xiàn)路徑研究[J]．生態(tài)經(jīng)濟(jì)，2024，40（8）：30-36.

[9]GAOQi，AZAN，SUDananetal.Energyandsocialfactordecompositiontoidentifydriversimpedingsustanablevi-ronmentaltransitioninemergingcountries：SDGs-2O30progressassessmentusingLMDIanalysis[J]EnvironmentalScienceandPollution Research International， 2024，31（16）：24599-24618.

[10]時(shí)朋飛，王夢君，陶春艷，等．長江經(jīng)濟(jì)帶旅游業(yè)碳排放影響因素與峰值預(yù)測[J].統(tǒng)計(jì)與決策，2023，39（12）：90-95.

[11]滕飛，谷馨雨，平冰宇，等．華中三省碳排放影響因素與碳達(dá)峰預(yù)測研究[J].通化師范學(xué)院學(xué)報(bào)，2023，44（6）：27-38.