物流业是一个综合性服务产业, 涵盖了运输、仓储、货代和信息等多个领域, 是国民经济的重要组成部分, 它在促进产业结构调整、推动经济发展方式转变及提高国民经济竞争力等方面发挥着关键作用. 2023年, 全国社会物流总额为352.4万亿元, 同比增长5.2%. 尽管这一稳定增长的物流需求推动了行业发展, 但同时也加剧了物流业的碳排放. 根据相关统计数据, 交通运输行业所产生的碳排放约占全国所有行业碳排放总量的10%^[1], 且占全球温室气体排放量的23%^[2], 使其成为第三大温室气体排放源^{[3, 4]}. 这一现象与碳中和的新发展理念形成了鲜明对比, 凸显了物流行业在实现碳中和目标上所面临的挑战. 为了应对这一挑战, 近年来国家相继出台了《城市绿色货运配送示范工程管理办法》《“十四五”现代物流发展规划》《碳达峰碳中和标准体系建设指南》等文件, 体现了国家对物流行业低碳化发展的重视. 这些政策措施的出台, 旨在推动物流行业向低碳、绿色和可持续的方向发展, 以解决日益增长的物流需求与碳减排之间的矛盾.

合理的碳排放责任分配原则对于有效降低二氧化碳排放至关重要. 不当的责任分配不仅无法改善排放问题, 反而可能会加剧二氧化碳的排放. 目前, 国际上广泛认可的碳排放责任分配原则主要有3种：生产者责任原则、消费者责任原则和责任共担原则. 生产者责任原则又称“领土责任原则”, 主张生产国应当对其行政范围内生产产品和提供服务所产生的所有碳排放承担责任^[5], 早期研究如Schaeffer等^[6]、Olivier等^[7]、Rhee等^[8]和魏本勇等^[9], 均采用这一原则. 然而, 生产者责任原则未考虑到跨区域贸易导致的碳转移问题, 从而产生了“碳泄漏”问题^[10]. 一些发达国家将污染密集型产业转移到环境规制和标准相对较低的发展中国家和地区^[11], 然后将其产品进口回国, 导致了污染转移和隐含碳的转移, 这种现象被称为“污染天堂假说”. 因此, 生产者责任原则的合理性受到质疑^[12], 消费者责任原则应时而生^[13]. 消费者责任原则通过测算贸易产品的碳排放量, 有效解决了生产者责任原则下的碳泄漏问题^[14], 相关研究包括Proops等^[15]、Zhou等^[16]、Li等^[17]、韩中等^[18]和孟凡鑫等^[19]. 然而, 这一原则将贸易隐含碳责任从生产者转移至消费者, 减弱了对生产者的约束力^[20], 不利于推动产品生产地提高生产技术^[21]和提高能源使用效率. 此外, 消费者责任原则需要多个国家共同履行碳减排政策才能达到减排目标, 这种乌托邦式的理想很难实现^[22]. 因此, 消费者责任共担原则提出生产者和消费者应共同分担贸易碳排放责任, 克服了前两种原则的零和思维, 在公平性上更进一步^[23]. 目前, 责任共担原则的测算方法应用主要分为两类：一是针对国家间碳排放责任的核算, 如Zhang等^[24]、Wang等^[25]、Gao等^[26]、王育宝等^[27]、陈楠等^[28]和王文治^[29]的研究；二是针对省域或城市群碳排放责任的核算, 如Wang等^[30]、Xiang等^[31]、汪燕等^[32]、王文治等^[33]、刘晓宇等^[34]、陈传龙等^[35]和杨军等^[36]的研究.

近年来, 针对物流业碳排放问题, 研究重点逐渐转向区域碳排放的时空异质性及影响因素分析. 在时空异质性方面, 国内外学者对交通碳排放进行了广泛研究. 研究尺度涉及国家^[37]、省域^[38~42]以及市域^[43~45]多个层面. 研究内容主要围绕碳排放量和碳排放强度的测算及时空分布特征^[46~48]. 此外, 学者们分析了人口规模、经济发展、能源强度、交通运输强度、物流产出和GDP等因素对交通碳排放的影响. 如曾晓莹等^[49]研究机动车保有量、GDP、货运周转量等因素和交通碳排放量在空间上的相互影响；张兰怡等^[40]探究了货物周转量、物流业人均生产总值和基础设施水平等因素对交通碳排放的影响程度；Bai等^[50]分析比较了“十一五”和“十二五”期间交通碳排放的影响因素.

综上, 现有的研究主要关注的是物流行业碳排放的时空分布, 而在分析排放驱动力时, 往往只考虑了直接碳排放, 未能充分考虑责任与受益主体差异对排放的影响. 本研究在考虑责任与受益主体差异的基础上, 利用多区域投入产出模型, 分析了2012年、2015年和2017年中国省域物流业的碳排放量及其变化特征, 对责任共担原则下中国省域物流业碳排放及其组成部分进行空间相关性分析, 并评估了多个因子对我国省域物流业碳排放的重要程度. 本研究的结果有助于揭示责任共担视角下中国省域物流业碳排放的时空分异特征, 以期为制定省域物流业碳排放差异化减排政策提供理论依据.

1 材料与方法 1.1 研究方法 1.1.1 多区域投入产出（multi-region input-output, MRIO）模型

MRIO模型因其能够反映出区域之间和部门之间的投入和产出关系, 成为跨区域经济活动的重要分析手段, 被应用于区域间的碳排放流动问题, 是投入产出法进行研究的主流模型. 本研究采用的MRIO模型为非竞争型MRIO模型.

投入产出表反映了部门间的中间投入和最终需求, 其包含两个基本的平衡关系：

行向平衡关系为：中间产品+最终产品+出口=总产出（总产品）, 其基本的表达为：

(1)

式中, X_i^r为r区域i部门的总产出, X_ij^rs为s区域j部门对r区域i部门的中间产品需求量, Y_i^rs为s区域对r区域i部门的最终需求量, E_i^r为r区域i部门的出口量.

列向平衡关系为：中间投入+最终投入=总投入, 其表达式为：

(2)

式中, X_j^s为s区域j部门的总投入, M_j^s为s区域j部门的进口量, V_j^s为s区域j部门的增加值.

1.1.2 责任共担视角测算方法

在责任共担原则下, 产品在非产地贸易中获利越多, 就应该承担越多的碳排放责任^[51]. 参考Koopman等^[52]的研究经验, 构建省域流出贸易价值分解框架.

(3)

式中, Z^r*表示省域r对其他省份中间产品和最终需求的总流出.

省域产品流出增加值矩阵表达式为：

(4)

式中, V为直接产出增加值系数矩阵, L为Leontief逆矩阵, Z为产品总流出矩阵.

由投入产出理论可知, 矩阵对角元素表示省域r总流出的省内增加值, 记DV^r=V^rL^rrZ^r*；V^rL^rrZ^r*表示省域r总流出中包含省域s的增加值, 即OV^sr；将矩阵V·L·Z各列非对角元素加总, 省域r总流出中的国内其他省份的增加值总额为：

(5)

进一步, 以本地增加值占比为责任分担因子, 省域r净碳转移责任分担因子用α^r表示, 则：

(6)

式中, DV^r、OV^r和Z^r为省域r国内流出贸易的省内增加值、省域r国内流出贸易的省外增加值和省域r国内流出贸易的价值总额.

借鉴Xie等^[53]和王育宝等^[27]针对国际碳排放责任分配思路, 构建国内省域r碳排放责任分担标准核算公式：

(7)

式中, α^r和α^s为省域r和s的责任分担因子. α^r=0和α^r=1分别表示流出贸易隐含碳责任完全由生产地和消费地共担；当0 < ɑ^r < 1时, 表示流出贸易隐含碳责任由生产地和消费地共担. CE_PRO1^r为内需碳排放, α^r·CE_PRO2+PRO3^r为流出贸易隐含碳承担部分, 为流入贸易隐含碳承担部分, CE_Export^r为出口隐含碳.

1.1.3 热点分析方法

热点分析（Getis-Ord G_i^*）通过计算数据集中的每一个要素的Z值和P值, 获得高值或低值要素在空间上发生聚类的位置, 从而能够直观地了解高值或低值要素在何处发生了聚类以及聚类程度. 公式如下：

(8)

(9)

式中, E（G_i^*）为G_i^*的期望, Var（G_i^*）为G_i^*的方差. Z（G_i^*）为式（8）标准化的结果, 其值越大, 表示该区域存在高值空间聚类, 属于热点区域；其值越小, 表示该区域存在低值空间聚类, 属于冷点区域.

1.1.4 局部空间自相关方法

局部空间自相关指标（local indicators of spatial association, LISA）可以揭示局部空间内的空间参考单元与邻接单元间的空间的联系特征, 使用局部Moran's I指数衡量. 公式如下：

(10)

(11)

式中, ω_ij为要素i和要素j之间的空间权重矩阵；x_i和x_j分别为要素i和要素j的属性值, x为所有要素属性值的平均值；S²为要素属性值的方差；n为要素总数.

局部Moran's I指数的取值范围为[-1, 1], 其数值为正表示该区域周边相似值趋于聚集（即高-高聚集或低-低聚集）, 其数值为负表示该区域及其周边不相似值趋于聚集（即高-低聚集或低-高聚集）.

1.1.5 地理加权回归分析方法

地理加权回归（geographically weighted regression, GWR）模型是驱动力研究的经典模型. GWR模型将数据的空间位置引入回归参数中, 通过对样本点赋予不同的权重进行局部回归估计, 即回归参数随着地理空间位置的不同而不同, 从而克服了普通最小二乘法忽略空间效应、回归系数基于区域平均的缺陷. 公式如下：

(12)

式中, y_i为第i个样本点的因变量, x_ik为第k个自变量在第i个样本点处的观测值, （u_i, v_i）为第i个样本点的空间位置坐标, β_k（u_i, v_i）为第k个自变量在第i个样本点处的回归系数, ε_i为独立分布的随机误差项, 服从正态分布.

1.2 数据来源

物流业碳排放数据和多区域投入产出表数据均来源于中国碳排放账户CEADs（carbon emission accounts and datasets）和数据集（https://www.ceads.net.cn/）. 本研究选取了2012年、2015年和2017年中国30个省份（中国香港、澳门、台湾和西藏资料暂缺）的投入产出表（42部门）和碳排放数据（45部门, 不包括城市和农村居民消费碳排放）. 需要说明的是, 多区域投入产出表通常情况下每5 a公布一次, 而当前最新的多区域投入产出表为2017年的数据（2021年公布）. 此外, 各年份投入产出表与碳排放数据部门存在差异, 为便于碳排放核算和分析, 将各省碳排放部门和多区域投入产出表部门合并为22个, 如表 1所示. 由于最新的国民经济行业分类没有对“物流业”进行专门划分, 根据《中国第三产业统计年鉴》的相关数据, 其中“交通运输、仓储和邮政业”在物流业中的产业占比达到了83%以上, 能够较大程度地反映出物流业的发展现状及趋势^[54].

在物流碳排放影响因素选取方面, 周转货运量、物流业生产总值和物流业从业人员、物流业GDP数据取自相关年份的《中国统计年鉴》（http://www.stats.gov.cn/）. 其中, 物流业人均生产总值（物流业生产总值/物流业从业人数）和物流业能源强度（单位产值消耗）均由计算所得, 所有数据均已取自然对数.

2 结果与分析 2.1 责任分担因子测算

以本地增加值占比作为责任分担因子, 对2012年、2015年和2017年中国30个省份碳排放转移责任分担因子进行核算, 结果如表 2所示.

根据受益原则, 国内省域物流业流出贸易的本地增加值是流出贸易的主要构成, 这意味着生产地应承担较大的碳转移责任, 消费地承担的碳转出责任较小. 2012年、2015年和2017年国内省域物流业流出贸易本地增加值占比均值分别为78.03%、75.05%和78.72%, 根据“受益原则”, 生产地应分别承担流出贸易隐含碳责任的78.03%、75.05%和78.72%, 表明省域物流业碳转入责任主要由生产地承担. 消费地应承担的流入贸易隐含碳占比分别为21.97%、24.95%和21.28%, 占省域物流业碳转移比例相对较小.

比较2012年、2015年和2017年责任共担因子, 8个省份责任共担因子持续高于全国平均水平, 应承担的区域流出贸易隐含碳责任较大；15个省份责任共担因子连续低于全国平均水平, 应承担的区域流出贸易隐含碳责任较小.

2.2 碳排放空间相关性分析 2.2.1 碳排放时空变化特征分析

本研究采用自然间断分类方法将各省碳排放初步划分为轻型、中型、重型和超重型这4类（图 1）. 2012~2017年间中国省域物流业碳排放在空间上呈现由东向西递减的趋势. 从时间上来看, 各省的碳排放都在不断增加. 2012年全国属于轻型碳排放的省份有5个, 主要集中在西北区域；属于中型碳排放的省份有11个, 主要集中在中部地区和北部地区, 属于重型碳排放的省份有8个且分布较为分散. 属于超重型碳排放的省份有6个, 大多数为沿海城市并逐渐向内地辐射. 2015年甘肃物流业碳排放由轻型转为中型, 湖北和湖南物流业碳排放由重型变为超重型, 而内蒙古物流业碳排放由重型变为中型. 2017年物流业碳排放属于超重型碳排放省份增加了四川和湖南, 属于轻型碳排放省份的数量始终为4个, 分别为天津、海南、宁夏和青海；其中, 青海的物流业碳排放量占总排放量的比例最小, 2012年、2015年和2017年分别占比0.40%、0.46%和0.56%.

本研究发现, 超重型碳排放省份主要集中在经济强省和工业大省, 其中沿海地区是主要代表；轻型和中型碳排放省份多集中在经济欠发达省份, 主要包括西北区域和中部内陆地区. 由于中国经济持续增长, 居民收入提高, 内需不断扩大, 促进了物流行业的快速发展. 《国务院关于深化流通体制改革加快流通产业发展的意见》《国务院办公厅关于印发降低流通费用提高流通效率综合工作方案的通知》《物流业发展中长期规划（2014-2020年）》的相继发布, 为物流业的发展提供了有力的政策支持, 也在很大程度上推动了物流业的发展.

2.2.2 碳排放热点分析

为了探究中国省域物流业碳排放在空间上的聚类以及聚类程度, 通过热点分析计算了相关数据, 将其结果Z（G_i^*）按照从大到小顺序分为高值聚类区、次高值聚类区、次低值聚类区和低值聚类区, 如图 2~4所示.

从物流业碳排放看, 2012~2017年中国省域物流业碳排放高低值聚类演变在空间上呈现秦岭-淮河线以北递减、秦岭-淮河线以南递增的趋势. 低值聚类区由西北地区向北部转移, 主要集中在新疆、青海、甘肃和宁夏；碳排放高值聚类区主要集中在江苏、浙江、上海、安徽和江西, 由于地区人口外迁, 吉林和辽宁的物流业碳排放逐步降低. 从物流业内需碳排放来看, 2012~2017年中国省域物流业内需碳排放高低值聚类演变在空间上呈现由南向北递减的趋势；低值聚类区由西北地区逐渐向东北地区转移；南方省份在周围省份的带动下, 经济不断发展, 使物流业碳排放不断增加. 从物流业流出贸易隐含碳排放来看, 2012~2017年中国省域物流业流出贸易隐含碳排放在高低值聚类演变在空间上呈现由东向西递减趋势；山东、天津和辽宁等北部沿海城市由于其优越的地理位置, 对外贸易隐含碳排放量一直居高不下. 从流入贸易隐含碳排放来看, 2012~2017年中国省域物流业流入贸易隐含碳排放高低值聚类演变从由东向西递减趋势转变为由东南向西北递减. 物流业流入贸易隐含碳排放高值聚类区主要集中在浙江、江苏和福建；京津地区和北部沿海由高值聚类区变为次高值聚类区得益于该地区, 控车减油、高污染企业有限期退出等政策的推出. 物流业流入贸易隐含碳低值聚类区主要集中在西北区域, 并向东北区域延展. 该区域以能源工业、有色冶金等传统产业为支柱产业, 对外依存度低, 限制了物流业流入贸易隐含碳的排放.

2.2.3 局部自相关分析

2012~2017年中国省域物流业局部空间关联性, 将Moran's I指数按照数值类型分类为“高-高”聚集、“低-低”聚集、“高-低”聚集和“低-高”聚集, 结果如图 5~7所示.

从物流业碳排放看, 约26%的省域物流业碳排放在空间上具有聚集特征. 在本研究期间内, “低-低”聚集区域分布在西北地区, 其中新疆和宁夏处于该聚集区域, 而江苏和浙江在统计期内一直处于“高-高”聚集区域, 这两个省份地处沿海经济带和长江经济带的“T”形交汇点, 工业商贸发达；江西在统计期内的碳排放一直属于“低-高”聚集, 福建自2012年的聚类不显著到2015年的“低-高”聚集最后到2017年的“高-高”聚集. 从内需碳排放来看, 江西在研究时期内一直属于“低-高”聚集, 形成了碳排放虹吸效应, 主要是由于该地的产业结构以农业和轻工业为主；随着西部大开发战略的推进, 甘肃加强了交通基础设施建设, 公路、铁路等交通网络的完善提升了物流业的活跃度, 增加了内需碳排放, 甘肃从2012年的“低-低”聚集区域, 逐渐变化为不显著区域；而内蒙古由2012年的不显著区域变为2017年的“低-低”聚集区域, 湖南内需碳排放由2012年的不显著区域转变为2017年的“高-高”聚集. 从流出贸易隐含碳来看, 2012年“低-低”聚集区域主要分布在西北地区和南部沿海地区, 自2015年起“低-低”聚集区域逐渐减少, 至2017年仅剩四川、青海和甘肃依旧为“低-低”聚集区域；重庆由2012年的“高-低”聚集发展为2015年的“低-低”聚集最后发展为2017年的不显著, 这得益于该地汽车和电子制造业的快速发展；“高-高”聚集区域主要分布在东部沿海沿海地区, 属于工业大省, 带动了流出贸易隐含碳排放；安徽由2012年和2015年的“高-高”聚集变为2017年的“低-高”聚集, 其流出贸易隐含碳逐渐降低直至低于周围省份, 形成了碳排放虹吸效应. 从流入贸易隐含碳来看, 西北区域（除内蒙古）流入贸易隐含碳属于“低-低”聚集, 这些省份经济发展水平和交通网络相对落后, 低资源需求量伴生的物流业流入贸易隐含碳较少；2012年东部沿海地区和安徽的流入贸易隐含碳属于“高-高”聚集, 2017年“高-高”聚集区域仅剩浙江与上海；与之相反的是“低-高”聚集区域由2012年的1个省份逐渐增加为2017年的3个省份, 其中福建一直属于“低-高”聚集区域, 主要原因是由于该省地形复杂内部多为山地, 且该省经济以轻工业、服务业和出口导向型产业为主.

2.2.4 碳排放影响因素分析

通过上述的空间相关性分析可知, 各省域交通碳排放量在空间上并非随机分布, 而是具有显著的空间聚集性, 并且省域交通碳排放量与各影响因素之间也存在较为显著的空间正相关性. 为体现GWR模型的优越性, 利用相同的变量构建普通最小二乘回归（OLS）模型和GWR模型并进行比较, 回归结果如表 3所示. GWR模型的R²均大于OLS模型的R², 说明所构建的GWR模型对省域交通碳排放的解释能力更强.

基于GWR模型的回归结果, 对省域交通碳排放3个影响因素的时空差异化逐一分析. 由图 8可知, 物流业能源强度回归系数全为正值, 表明对省域物流业碳排放的影响起到促进作用, 其影响程度总体上呈现出由东北向西南递减的趋势, 西南部地区交通基础设施较差, 物流活动较为稀少, 能源强度对碳排放的影响较小, 东北地区制造业和重工业集中地区较为发达, 而这些产业更加依赖能源发展, 所以能源强度对东北地区影响大.

由图 9可知, 周转货运量回归系数全为正值, 说明周转货运量促进了省域物流业的碳排放. 受“十二五”时期实时西部大开发政策影响, 西部地区和中部城市在这一时期经济发展较快, 物流需求增长迅速. 由于新疆地区基础设施相对落后, 物流运输效率较低, 导致周转货运量的增加显著提升了物流业碳排放, 2012~2015年周转货运量的变化影响程度总体上呈现出由中部向南北递减的趋势. 随着经济的发展, 东北地区产业结构转型, 重工业数量减少, 向轻工业、服务业发展, 运输产品开始向轻量化产品转换, 东北地区碳排放增加. 由于政策调整, 西南地区物流需求增速放缓, 2015~2017年周转货运量的变化影响程度呈现出由东北向西南递减的趋势.

由图 10可知, 物流业人均生产总值对省域物流业碳排放呈现正相关关系, 其影响程度总体上由西向东递减. 随着时间的推移, 青海在新疆的辐射下物流业人均生产总值对碳排放影响加剧. 广西发布的《改善城市环境空气质量若干措施》《2015~2017年鼓励提前淘汰黄标车和老旧车奖励补贴指导意见》和海南发布的《海南省2015年主要污染物总量减排工作计划》等若干政策, 推动低碳物流发展.

3 讨论

针对货运周转量促进省域物流业的碳排放的研究结论, 应积极引进智能调度系统和优化路线规划技术, 优化物流运输路线, 减少不必要的绕行和空驶. 引入先进的物流技术, 提高物流信息的透明度和共享程度, 及时应对突发状况. 充分考虑地区产业结构与产业布局, 制定地区差别化货物周转方式和物流业减排政策, 以降低碳排放量.

针对物流业人均生产总值促进省域物流业的碳排放的研究结论, 应推广智能化设备, 采用智能化仓储、自动化装卸等技术, 提高物流作业效率, 减少人力成本. 加强对物流从业人员的环保培训和教育, 提升从业人员素质. 精简物流业从业人员, 有助于减少碳排放量.

针对能源强度促进省域物流业的碳排放的研究结论, 需要加强对物流业碳排放的管控, 特别是对经济强省和工业大省的碳排放进行更为严格的监管. 同时, 还应该鼓励这些省份采取更加环保的措施, 降低物流业碳排放量. 物流业碳排放的降低主要得益于节能减排措施的有力推行和节能减排技术的广泛使用, 在未来物流业要逐渐替代传统化石燃料为主的能源结构, 提高一次电力（水电、风电、光伏发电、核电）在能源结构中的比例, 实现物流业碳达峰、碳中和目标. 与此同时, 要加大绿色技术研发投入, 提高绿色技术创新水平, 引进高端技术人才, 打破技术壁垒, 提高绿色技术创新水平, 降低物流业能源强度, 实现经济发展与环境保护的良性循环.

4 结论

（1）中国各省域物流业碳排放量存在显著差异, 两级分化依旧显著. 2012~2017年, 物流业碳排放位居前5的省份, 其碳排放量总量占全国排放总量的30%以上, 而排名后5的省份的碳排放总和仅占全国总量的5%左右. 责任共担下物流业碳排放量较大的省份集中在经济强省和工业大省, 而物流业碳排放量较低的省份则多分布西北区域和西南区域等经济欠发达省份.

（2）在空间分布上, 超重型碳排放省份的数量在逐步增加, 轻型碳排放省份的数量趋于稳定；中型碳排放省份由西向东移动；重型碳排放省份则由中部向四周离散. 在空间自相关性分析中, “高-高”聚集主要在长三角等地, 而“低-低”聚类主要集中在新疆和甘肃等地.

（3）GWR模型的回归结果表明物流业碳排放影响因素存在显著的时空异质性. 3个影响因素均呈现正相关性, 能源强度的降低是推动省域物流业碳排放减少的主要驱动因素；物流业人均生产总值的提高是导致省域物流业碳排放增加的重要因素；货物周转量的增加对省域物流业碳排放的增加有一定的影响.