中圖分類號：F259.27文獻標志碼：ADOI： 10.13714/j.cnki.1002-3100.2025.15.019

Abstract： The logistics industry runs through all fields of social and economic activities. It has always been a big energy consumer and a big carbon emitter. Analyzing the carbon emission and influencing factors of the logistics industryin

Hubei Province can provide a scientific basis for the formulation of emission reduction measures. Based on the availability ofdata，the carbon emissionsof the logistics industry in Hubei Province during 2O11 to 202O were estimated according to the methods provided by IPCC. On this basis，the Tapio decouplingmodel was used to analyze the decoupling status of carbon emissions from the logistics industry in Hubei Province， and the LMDI model was used to decompose the influencing factors of carbon emissions from the logistics industry. Data show that the carbon emissions decoupling index of Hubei logistics industry has been basically in a decoupling state since 2012，indicating that the growth rate of carbon emissions of Hubei logistics industry is slower and slower than its economic development. The decomposed energy structure effect， economic output effect and population size effect all play arole in boosting carbon emissions of Hubei logistics industry. The effectof economic output isthe most important，while theeffect of energy intensity plays a inhibitory role.

Key words： Hubei logistics industry; carbon emissions; Tapio decoupling; LMDI decomposition

0引言

受人類活動和自然因素的共同影響，世界正經歷著以全球變暖為顯著特征的氣候變化。氣候變暖對人類當代及未來生存發(fā)展造成嚴重威脅和挑戰(zhàn)，中國作為負責任大國，采取積極措施、高度重視碳減排工作，中國政府在第七十五屆聯合國大會一般性辯論上鄭重宣布：“中國二氧化碳排放力爭于 2030年前達到峰值，努力爭取 2060年前實現碳中和\"（以下簡稱“雙碳\"），此后又連續(xù)6次在重大國際場合就這一目標發(fā)表重要講話。可見，實現碳中和已成為我國的戰(zhàn)略性目標，要堅定不移、科學有序的推進?！吨袊G色物流發(fā)展報告（2023）》指出物流行業(yè)是能源密集型行業(yè)，溫室氣體排放量顯著。當前，我國物流業(yè)碳排放占全國碳排放總量的 9% 左右，據測算，貨物運輸及配送活動、裝卸搬運及倉儲活動、輔助物流活動是物流業(yè)碳排放的三大來源，其中貨物運輸及配送碳排放占比高達 85% 左右，交通運輸領域更是四大碳排放行業(yè)之一。基于此，在“雙碳”背景下，如何促進湖北物流業(yè)的低碳發(fā)展、綠色發(fā)展，落實行業(yè)“雙碳”行動是急需解決的關鍵問題。

1研究方法與模型構建

1.1數據來源

當前，查閱中國統(tǒng)計年鑒及各省份統(tǒng)計年鑒中都沒有專門的“物流業(yè)”相關數據統(tǒng)計，因此本文參考李健2、初麗霞等學者的數據來源，選取交通運輸、倉儲和郵政業(yè)來代表物流業(yè)的整體發(fā)展，而其碳排放能源消耗主要確定為原煤、汽油、煤油、柴油、燃料油、液化石油氣、天然氣和電力8種能源。文中數據來源于《中國統(tǒng)計年鑒》、《中國能源統(tǒng)計年鑒》和《湖北統(tǒng)計年鑒》。能源折標準煤系數及碳排放系數來源于 ??2006 年IPCC國家溫室氣體清單指南目錄》。因部分統(tǒng)計年鑒數據尚未更新，本文研究時間截至2020年。

1.2碳排放的IPCC 測算方法

依據國際上通行的聯合國政府間氣候變化專門委員會（IPCC）提供的估算方法，運用式（1）來測算湖北物流業(yè)2010—2020年間的碳排放量。

式中：i為能源種類， c 為碳排放總量， C_i 為第 i 種能源的碳排放量， α_i 為第 i 種能源的碳排放系數， η_i 為第 i 種能源的折標準煤系數， E_i 為第 i 種能源的消耗量。其中，各種能源折標準煤的折算系數選用《中國能源統(tǒng)計年鑒》中規(guī)定的數值如表1所示。

表1各種能源折標準煤系數及碳排放系數

1.3Tapio脫鉤模型構建

Tapio 脫鉤模型側重于個體年份上的分析，在基期選擇上減少了敏感性且對脫鉤狀態(tài)的劃分更具精確性和精細度，被廣大學者廣泛應用于環(huán)境經濟研究中，依據現有研究 ^[4-5] ，本文構建Tapio脫鉤模型：

式中： ΔC 為當期物流業(yè)碳排放量與前一期物流業(yè)碳排放量之差， c 為基期物流業(yè)碳排放量（萬噸）， ΔC/C 為碳排放的變化率， ΔGDP 為當期物流業(yè)總產值與前一期物流業(yè)總產值之差， GDP 為基期物流業(yè)總產值（億元），△GDP/GDP為 GDP 的變化率， e 為物流業(yè)碳排放與物流業(yè)總產值之間的脫鉤指數，分為8種狀態(tài)如表2所示。

表2Tapio脫鉤的8種狀態(tài)

1.4LMDI因素分解模型構建

目前，在指數分解方法中，對數平均迪氏指數法（LMDI）是較為主流的分解方法，因其具有完全分解、無殘差且加乘法一致等優(yōu)點被學者們廣泛使用。參考牛玉平等、韓麗萍等的研究，結合物流業(yè)碳排放的特點，本文將湖北物流業(yè)碳排放的驅動因素分解為能源結構效應、能源強度效應、經濟產出效應和人口規(guī)模效應，建立LMDI因素分解模型如式（3）所示，公式中各指標含義見表3。

表3LMDI分解模型各指標含義

式中：令 CE_i^t=C_i^t/E_i^t 表示第 i 種能源的碳排放系數，令 ET_i^t=E_i^t/E^t 表示第 Φ_t 年能源結構的變化，即第 χ_t 年消耗的第 i 種能源占湖北物流業(yè)能源消耗總量的比例；令 EY^'=E^'/Y^' 表示第 χ_t 年的能源強度，即第 χ_t 年生產1單位產值所消耗的能源總量；令 EO^t=Y^t/P^t 表示經濟產出，即第 χ_t 年的人均GDP；令 PS^'=P^' ，表示第 χ_t 年湖北從事物流業(yè)人口規(guī)模，因此式（3）可進一步表示為：

若 χ⁰ 表示基期的二氧化碳排放強度，則物流業(yè)碳排放量變化可表示為：

ΔC^'=C^'-C^'=ΔC_CE+ΔC_ET+ΔC_EY+ΔC_E0+ΔC_PS

式中： ΔC_cε 表示碳排放系數，因各類能源的碳排放系數在一定時期內是固定不變的，所以 ΔC_cE=0 . ΔC_ET 表示能源結構效應， ΔC_EY 表示能源強度效應， ΔC_EO 表示經濟產出效應， ΔC_PS 表示人口規(guī)模效應。對以上效應進行分解如下：

式（6）至式（9）中的 W_i 表達式為：

2實證分析

2.1湖北物流業(yè)碳排放量分析

由圖1可知，湖北經濟總量在2010—2020年間總體呈快速上升趨勢，運行態(tài)勢良好，除2019一2020年經濟受疫情影響有所下降外，其余年經濟增速幾乎均超過 8% （2014—2015年經濟增速為7.4% ）。此外，湖北物流業(yè)碳排放量變動趨勢與湖北經濟發(fā)展態(tài)勢走向也基本一致，整體都呈現上升趨勢?？傮w而言，湖北省GDP的變化曲線斜率大于湖北物流業(yè)碳排放量與湖北物流業(yè)能源消耗量的曲線斜率，說明湖北經濟發(fā)展增速整體上來看高于后兩者的增速。

2.2湖北物流業(yè)碳排放的脫鉤狀態(tài)分析

脫鉤理論是經濟合作與發(fā)展組織（OECD）提出的形容阻斷經濟增長與資源消耗或環(huán)境污染之間聯系的基本理論，以“脫鉤”這一術語表示二者關系的阻斷，即使得經濟增長與資源消耗或環(huán)境污染脫鉤，實現二者脫鉤發(fā)展。以2010年為基準年，對2011—2020年湖北省物流業(yè)可得數據進行Tapio脫鉤分析，得到其碳排放脫鉤指數及脫鉤狀態(tài)，見表4。從表4中數據可得：（1）在2011、2016 和2019年分別呈現出增長連接、增長負脫鉤以及強負脫鉤狀態(tài)，即湖北省這三年的碳排放速度遠大于經濟發(fā)展的速度，說明這三年間湖北物流業(yè)在快速發(fā)展的同時對環(huán)境造成了較大的消極影響，環(huán)境的惡化程度遠遠超過其帶來的經濟效益。（2）黨的十八大召開以來，湖北省積極響應國家號召，先后印發(fā)了《湖北省現代物流業(yè)發(fā)展十二五規(guī)劃》、《湖北省現代物流業(yè)發(fā)展“十三五”規(guī)劃》和《湖北省推進運輸結構調整實施方案》等政策文件，提出要利用好湖北交通區(qū)位渾然天成，水運得天獨厚的優(yōu)勢，大力發(fā)展多式聯運工程，加快多式聯運樞紐設施建設，實現多種運輸方式間的無縫銜接。從碳排放脫鉤結果來看，自2012年起，湖北物流業(yè)碳排放脫鉤指數基本已處于弱脫鉤狀態(tài)，特別是在2020年呈現出強脫鉤狀態(tài)，說明湖北省物流業(yè)的碳排放量增長速度相較于其經濟發(fā)展的速度越來越慢，湖北省低碳物流、綠色物流的工作取得了一定成效。（3）通過表4可知，湖北省物流業(yè)的碳排放脫鉤指數并不穩(wěn)定，仍處在波動狀態(tài)，未來幾年的發(fā)展狀態(tài)依舊無法準確預測。因此，這就需要湖北省物流業(yè)繼續(xù)努力，在保持現有良好狀態(tài)下，進一步大力發(fā)展綠色物流、低碳物流，加強運輸結構轉型，為我國“雙碳”目標的達成貢獻出行業(yè)力量。

圖12010—2020年湖北省GDP、湖北物流業(yè)碳排放量及能源消耗量變化趨勢

2.3湖北物流業(yè)碳排放影響因素分析

依據LMDI分解模型，采用式（3）至式（10）對湖北物流業(yè)碳排放影響因素進行分解，總效應被分解為能源結構效應 ΔC_ET ）能源強度效應 ΔC_EY 、經濟產出效應 ΔC_EO 和人口規(guī)模效應 ΔC_PS ，如表5所示。

表5和圖2呈現了2011—2020年間，每年各驅動因素對湖北物流業(yè)碳排放的影響數據，從中可得出以下結論：

（1）湖北物流業(yè)LMDI分解模型（表5）和Tapio脫鉤指數分析結果（表4）基本一致，即湖北物流業(yè)碳排放速度雖整體而言逐步減緩但仍存在不穩(wěn)定的波動狀態(tài)，湖北物流業(yè)仍舊需要通過進一步的碳減排措施穩(wěn)定碳排放的持續(xù)減緩趨勢。

（2）湖北物流業(yè)能源結構效應僅在2011—2012年為負效應，自 2013—2020年一直為正效應，且效應值偏高，意味著雖然湖北省物流業(yè)的電力、天然氣能源消費比重有所增加，但其能源結構依舊以煤炭、汽油、柴油為主，且對這些能源的依賴仍舊較強。而湖北物流業(yè)能源強度效應在2011—2020年間一直為負效應且呈現總體下降趨勢，意味著能源強度抑制效果明顯。

表42010一2020年湖北物流業(yè)碳排放脫鉤指數及脫鉤狀態(tài)

（3）湖北物流業(yè)碳排放經濟產出效應在2011—2020年間一直為正效應，除2019—2020年受疫情影響數值有所下降外，總體而言成逐步上升趨勢，且對湖北物流業(yè)碳排放貢獻占比影響最大，是湖北省碳排放增加的主要驅動因素，其帶來的碳排放量也顯示出與十年間總碳排放量和總效益一致的，在2019年達到峰值的跡象。同樣，湖北物流業(yè)碳排放人口規(guī)模效應在2011—2020年期間也一直為正效應，且效應值增長快速，說明湖北物流業(yè)從業(yè)人員占比較高，物流業(yè)從業(yè)人員規(guī)模的擴大、從業(yè)人數的增加會促進碳排放的增長。

3結論與建議

3.1結論

首先，本文對2010一2020年湖北物流業(yè)碳排放量進行了測算，并基于此對湖北物流業(yè)造成的環(huán)境壓力與經濟增長之間的差異進行了比較，發(fā)現湖北經濟發(fā)展增速整體上高于湖北物流業(yè)碳排放量與湖北物流業(yè)能源消耗量。

圖32011—2020年湖北物流業(yè)碳排放能源結構效應與能源強度效應

表52011—2020年湖北物流業(yè)碳排放影響因素LMDI分解表

圖22011一2020年湖北物流業(yè)碳排放影響因素LMDI分解圖

圖42011—2020年湖北物流業(yè)碳排放經濟產出效應與人口規(guī)模效應

其次，基于Tapio脫鉤模型對湖北物流業(yè)碳排放脫鉤狀態(tài)進行了實證分析，發(fā)現湖北物流業(yè)碳排放脫鉤指數自 2012年起已基本處于脫鉤狀態(tài)，特別是在2020年呈現出強脫鉤狀態(tài)，說明湖北省物流業(yè)的碳排放量增長速度相較于其經濟發(fā)展的速度越來越慢，但是其脫鉤指數在2011、2016和2019年又分別呈現出增長連接、增長負脫鉤以及強負脫鉤狀態(tài)，意味著湖北物流業(yè)的發(fā)展與碳排放之間的關系仍存在不平衡，也還無法確切預測未來幾年的發(fā)展情形，因此湖北物流業(yè)仍需在現有狀態(tài)下進一步堅持綠色物流、低碳物流道路。

最后，依據LMDI分解模型，發(fā)現能源結構效應、經濟產出效應和人口規(guī)模效應對湖北物流業(yè)碳排放有拉升作用，其中經濟產出效應的影響最強，能源強度效應對湖北物流業(yè)碳排放起到抑制作用。

3.2建議

基于以上結論，為促進湖北物流業(yè)節(jié)能減排，達到湖北省“雙碳”目標，為行業(yè)“碳減排”做出貢獻，本文提出以下建議：

（1）優(yōu)化湖北物流業(yè)能源消費結構，提高能源利用效率。近年來，雖然湖北省物流業(yè)在電力、天然氣能源消費比重有所增加，但煤炭、汽油、柴油依舊是物流業(yè)碳排放的主要驅動力，占能源總消耗的比重居高不下，因此，應促進能源結構多元化發(fā)展，減少煤炭及油類能源的使用，加大電力、天然氣等清潔能源的使用，改善能源消費結構。同時，湖北省要合理運用好其教育優(yōu)勢，強化物流業(yè)人才培養(yǎng)、提供人才保障，促進能源技術的發(fā)展與創(chuàng)新，從源頭上加速能源效率的提升。

（2）促進湖北物流業(yè)高質量發(fā)展。深入貫徹創(chuàng)新、協(xié)調、綠色、開放、共享的新發(fā)展理念，高度重視低碳物流、綠色物流的發(fā)展。湖北應依托其長江黃金水道和南北大通道的中心樞紐區(qū)域優(yōu)勢，明確實施鐵路運能提升、水運升級、道路貨運提質、多式聯運提速、城市綠色配送和信息資源整合六大工程，因地制宜地調整運輸結構，大力發(fā)展多式聯運，提高鐵路、水路承擔的大宗貨物運輸量，降低公路運輸占比，加快建設現代綜合交通運輸體系。此外，合理運用大數據、云計算、AI智能等先進技術手段大力打造互聯網 + 湖北現代物流生態(tài)圈，建設湖北省物流信息共享平臺，積極推進智慧交通、智能線路優(yōu)化的發(fā)展，從而減少迂回運輸、無效運輸所帶來的碳排放，以智能、智慧、智造助力湖北物流行業(yè)碳減排。

（3）加快湖北物流產業(yè)結構轉型、升級。當前湖北物流業(yè)分散程度仍舊較高且系統(tǒng)規(guī)劃不合理，致使行業(yè)運營效率低下、行業(yè)人員冗雜，急需加快其物流產業(yè)結構轉型、升級，促進產業(yè)集群的發(fā)展。湖北省應繼續(xù)依照其構建現代物流的總體規(guī)劃方案，積極建設好武漢、宜荊、襄陽等三大物流圈，建設好武漢、宜昌、荊州、襄樊、十堰等六大物流樞紐城市，并逐步建成以物流圈一物流樞紐城市一物流基地園區(qū)一專業(yè)物流中心為網絡框架的全省現代物流產業(yè)體系，從而提升湖北物流業(yè)的聯動效率，最終達成行業(yè)“雙碳”目標。

參考文獻：

[1]錢中兵．習近平在第七十五屆聯合國大會一般性辯論上的講話[Z].2020.

[2]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.

[3]初麗霞，黃夢瑤．山東省碳排放脫鉤效應及影響因素研究——基于Tapio脫鉤指數和LMDI模型分析[J].環(huán)境科學與管理，2022（9）：20-25.

[4]胡懷敏，左薇，徐士元．長江經濟帶交通能源碳排放脫鉤效應及驅動因素研究[J].長江流域資源與環(huán)境，2022（4）：862-877.

[5]劉茂輝，鄧小文，劉勝楠，等．基于LMDI法和Tapio 脫鉤模型的天津市碳排放分析[J].環(huán)境污染與防治，2022，44（10）：1397-1401.

[6]牛玉平，齊亞偉．中國交通運輸業(yè)碳排放影響因素分解與情景預測研究[J].環(huán)境科學與管理，2023，48（6）：32-37.

[7]韓麗萍，李明達，劉炯．中國物流業(yè)碳排放影響因素及產業(yè)關聯研究[J].北京交通大學學報（社會科學版），2022，21（1）：86-93.（上接第46頁）2020，36（3）：279-286.

[10]MAOD，WANGF，HAOZ，etal.Creditevaluationsystembasedonblockchainformultiplestakeholdersinthefoodsupplychain[J].International Journal of Environmental Research and Public Health，2O18，15（8）：1627.

[11]LEI YANG，GANGSHU（GEORGE）CAI，JIANCHEN.Push，pull，andsuppychainrisk-averseatitude[J].ProductionandOperations Management，2018，27（8）：1534-1552.

[12]蔡維德，郁蓮，王榮．基于區(qū)塊鏈的應用系統(tǒng)開發(fā)方法研究[J].軟件學報，2017，28（6）：1474-1487.

[13]李婕，白志宏，于瑞云，等．基于PSO優(yōu)化的移動位置隱私保護算法[J].計算機學報，2018，41（5）：1037-1051.

[14]QIANKUNWANG，QIAO SHI.The incentive mechanismof knowledgesharing intheindustrialconstructionsupplychainbasedonasupervisorymechanism[J].Enginering，ConstructionandArchitectural Management，2O19，26（6）：989-1003.

[15]廖盛浪，吳偉婷，鄺慧芝，等．基于區(qū)塊鏈的生鮮電商供應鏈合作模式選擇與信息共享策略[J].時代經貿，2024，21（6）：30-38.

[16]高琪娟，楊春節(jié)，武咸春，等．基于區(qū)塊鏈的茶葉質量安全溯源系統(tǒng)研究[J].安徽農業(yè)大學學報，2021，48（2）：299-303.

[17]陳玥婧，周愛蓮，謝能付，等．基于區(qū)塊鏈和物聯網的農產品質量安全追溯系統(tǒng)[J]．農業(yè)大數據學報，2020，2（3）：61-67.

[18]LIUZ，LIZ.Ablockchain-basedframeworkofcross-bordere-commercesupplychain[J].InternationalJournalofInformation Management，2019，52：102059.

[19]于麗娜，張國鋒，賈敬敦，等．基于區(qū)塊鏈技術的現代農產品供應鏈[J]．農業(yè)機械學報，2017，48（S1）：387-393.

[20]阿布都熱合曼·卡的爾，陳茜，申炳豪．基于區(qū)塊鏈的生鮮農產品冷鏈可追溯性研究[J].佛山科學技術學院學報（社會科學版），2021，39（2）：49-56.

[21]徐晨．區(qū)塊鏈技術現存問題和未來發(fā)展趨勢[J]．電子元器件與信息技術，2022，6（6）：17-21.

[22]程實，袁毅，崔峰.計算機安全與加密算法分析[J].網絡安全技術與應用，2024（6）：35-37.

[23]張凈，唐恒睿，劉曉梅．基于區(qū)塊鏈及IPFS的農產品多鏈追溯系統(tǒng)研究[J].中國農機化學報，2024，45（7）：127-134.

[24]呂敬蘭.數據加密技術在計算機網絡信息安全中的應用[J].科技創(chuàng)新與應用，2024，14（18）：185-188.

[25]THAKALIA，MACRAEJD.Areviewofchemicalandmicrobialcontaminationinfod：Whatarethethreatstoacircularfood system？[J]. Environmental Research，2021，194：110635.

[26]張玉．區(qū)塊鏈技術在智慧農業(yè)物聯網中的應用[J].農業(yè)工程技術，2024，44（9）：28-29，33.