环境科学  2026, Vol. 47 Issue (4): 2145-2152   PDF    
引用本文
肖红, 刘兰云, 李玥, 周小祥. 长江经济带物流业碳排放和经济增长协调性：耦合与脱钩视角[J]. 环境科学, 2026, 47(4): 2145-2152.
XIAO Hong, LIU Lan-yun, LI Yue, ZHOU Xiao-xiang. Coupling and Decoupling Effects of Carbon Emissions and Economic Growth in the Logistics Industry of the Yangtze River Economic Belt[J]. Environmental Science, 2026, 47(4): 2145-2152.
长江经济带物流业碳排放和经济增长协调性：耦合与脱钩视角
肖红1,2, 刘兰云1,2, 李玥1,2, 周小祥1     
1. 重庆交通大学经济与管理学院，重庆 400074;
2. 重庆口岸物流与航运发展研究中心，重庆 400074
收稿日期: 2025-02-15; 修订日期: 2025-05-27
基金项目: 国家社会科学基金项目（22BJL069）；重庆市自然科学基金项目（CSTB2023NSCQ-MSX0046）；重庆交通大学欧洲研究中心课题项目（2022ESC13，2023ESC09）
作者简介: 肖红（1969~），女，博士，教授，主要研究方向为低碳物流，E-mail：158564498@qq.com
通信作者: 周小祥，E-mail：zhouxxjs@126.com
摘要: 为探究长江经济带物流业碳排放与经济增长的协调关系，以实现经济发展与物流业碳减排的良性互动，基于2010~2022年长江经济带11个省市的面板数据对物流业碳排放进行测算，利用耦合协调度模型与脱钩模型分析物流业碳排放和经济增长之间的关系. 研究结果表明：①长江经济带物流业碳排放和经济增长耦合协调度的均值相对较低，但呈现逐年上升趋势，且同一年份，经济较为发达省份的耦合协调度更高. ②长江经济带各省市物流业碳排放和经济增长的弱脱钩状态和强脱钩状态的数量逐渐增加，表明长江经济带各省市近些年在物流业碳减排工作上取得了一定成效. ③长江经济带东、中、西部地区物流业碳排放和经济增长的耦合协调度呈现“东高西低”的格局；长江经济带东、中、西部地区物流业碳排放和经济增长的脱钩状态中强脱钩状态逐渐增多，其脱钩状态逐渐明显.
关键词: 物流业碳排放      经济增长      协调性      耦合      脱钩     
Coupling and Decoupling Effects of Carbon Emissions and Economic Growth in the Logistics Industry of the Yangtze River Economic Belt
XIAO Hong1,2 , LIU Lan-yun1,2 , LI Yue1,2 , ZHOU Xiao-xiang1     
1. School of Economics and Management, Chongqing Jiaotong University, Chongqing 400074, China;
2. Chongqing Port Logistics and Shipping Research Center, Chongqing 400074, China
Abstract: In order to explore the coordinated relationship between logistics industry carbon emissions and economic growth in the Yangtze River Economic Belt, with the goal of achieving the positive interaction between economic development and carbon emission reduction in logistics, this study calculated the carbon emissions of the logistics industry based on panel data from 11 provinces in the Yangtze River Economic Belt from 2010 to 2022 and analyzed the dynamic relationship between logistics industry carbon emissions and economic growth using the coupling coordination model and Tapio decoupling model. The results showed that: ① The average coordination between carbon emissions and economic growth in the logistics industry of the Yangtze River Economic Belt was relatively low, but it showed an increasing trend year by year, while provinces with higher economic levels exhibited higher coupling coordination levels in the same year. ② The number of provinces in the Yangtze River Economic Belt exhibiting weak and strong decoupling states between logistics industry carbon emissions and economic growth has gradually increased, indicating that these provinces have made progress in reducing logistics industry carbon emissions in recent years. ③ In heterogeneity analysis, the coordination degree between logistics carbon emissions and economic growth in the eastern, central, and western regions of the Yangtze River Economic Belt showed an "east-high, west-low" structure. Meanwhile, the proportion of strong decoupling states between logistics industry carbon emissions and economic growth in these regions has gradually increased, and the decoupling trend has become increasingly evident.
Key words: logistics industry carbon emissions      economic growth      coordination      coupling      decoupling     

长江经济带人口和生产总值均超过全国的40%，是联系东部和中西部地区的重要纽带，推动长江经济带发展，是关系国家发展全局的重大战略. 2000年长江经济带GDP为37 000亿元，交通运输、仓储和邮政业产值为2 400.7亿元；2023年其GDP为584 274.2亿元，交通运输、仓储和邮政业产值为21 794.22亿元. 经济发展推动了交通运输及物流业的快速发展，由此也带来了交通运输的碳排放问题. 据统计，交通运输产生的碳排放约占所有行业碳排放的10%[1]. 根据国际能源署数据，2023年全球交通运输的碳排放量增加近2.4亿t，占全球碳排放量的24%[2]. 交通碳排放问题已成为国内外关注的焦点[3~12]. 我国经济的发展很大程度上依赖于制造业的生产，经济的增长需要物流业的支撑. 长江经济带面临的问题是一方面确保经济增长的同时，另一方面又面临“双碳”目标的压力. 因此，长江经济带物流业碳排放与经济增长的关系甄别是低碳交通发展的关键.

物流业碳排放测算是研究物流业碳排放的基础. 目前使用最广泛的是IPCC（联合国政府间气候变化专门委员会）提供的“自上而下”法和“自下而上”法测算物流业碳排放量. “自上而下”法是一种宏观层面的测算方法，该方法依据不同能源的消耗量和碳排放系数计算碳排放量，用于较为宏观层面的碳排放量核算[13~20]. “自下而上”法则更侧重于微观层面，从企业、设施或具体活动入手，来估算二氧化碳排放量[21~24]. 还有的学者通过分析运输环节和运输流程，计算运输过程中产生的碳排放量[25]. 有的学者以投入产出模型为理论基础，从物流业自身和产业关联两个角度，计算物流业的碳排放[26]. 随着对物流业碳排放量的研究深入，学者们发现仅仅研究物流业碳排放量，不能解决“双碳”目标问题，于是研究低碳物流和区域经济两个系统耦合协调关系[27，28]，以及研究某区域的物流-经济-环境系统耦合协调度[29，30]，还有的学者通过构建碳排放-经济-物流业三元耦合协调模型，研究这3个系统耦合协调度及空间特征[31]. 随着我国运输量的增加，物流业能源的消耗增大，物流业产值和物流业碳排放的关系，也成为学者们研究的热点，如：运用环境库兹涅茨曲线（environmental Kuznets curve，EKC）假说[32，33]、Granger因果关系检验方法[34]、VAR模型[35，36]研究物流业产值和物流业碳排放的互动关系. 当碳排放没有随着经济发展而同步增大时，就产生了“脱钩”[37]. 脱钩理论是经济合作与发展组织（OECD）提出的形容经济增长和资源消耗或环境污染之间耦合关系破裂的基本理论[38]. 其中，Tapio[39]提出的Tapio脱钩模型建立了脱钩、连接和负脱钩这3种脱钩类型和8种细分脱钩状态. 学者们对物流业碳排放和经济的脱钩分析，主要应用脱钩理论研究物流业碳排放和物流业产值的脱钩关系[40~44]，以及物流业碳排放的脱钩效应[45，46]. 从以上的研究可以看出，学者们运用耦合协调模型研究低碳物流和经济间的耦合协调关系，或是研究省市物流业、经济和省市碳排放（省市环境系统）间耦合协调关系；以及通过研究物流业碳排放和物流业产值的关系来反映物流业碳排放和经济增长的关系.

中国的经济很大程度上依赖于制造业，制造业的生产需要物流业的支撑才能完成. 从系统角度看，物流业碳排放和经济增长是复杂的非线性指标，两指标之间相互影响和相互作用. 仅仅研究物流业碳排放和物流业产值的关系并不能全面反映物流业碳排放和经济增长的关系. 因此，本文运用耦合协调及脱钩理论，研究二者量的关系和二者增速的关系，分析物流业碳排放和经济增长之间的协调等级和脱钩状态；在此基础上进一步提出促进长江经济带物流业碳排放和经济增长协调发展的相关建议.

1 材料与方法 1.1 物流业碳排放量测算

本文采用“自上而下”法对长江经济带物流业碳排放量进行测算，其公式为：

C=∑i=1nEi×CFi×CCi×COFi×4412 (1)

式中，C为物流业能源消耗的碳排放总量，i为能源各类，E为物流业能源消费量. CF为能源的净发热值，CC为碳排放系数，COF为碳氧化因子，默认为1. 4412为碳原子质量转换的碳相对分子质量系数.

1.2 耦合协调度的计算和评价标准

耦合度反映物流业碳排放和经济增长间相互作用程度，建立耦合度模型如下所示：

W=2×X×Y/(X+Y) (2)

式中，W为耦合度，X为物流业碳排放量，Y为经济增长值. 为进一步分析物流业碳排放和经济增长的协调能力，在耦合度基础上，构建耦合协调度模型，如下所示：

S=aX+bY (3)
A=W×S (4)

式中，A为耦合协调度，X为物流业碳排放量，Y为经济增长值，S为物流业碳排放和经济增长的复合发展程度. 由于碳排放和经济发展的重要程度通常一致，故本文的a和b取值皆为0.5.

耦合协调度A∈[0，1]，A越接近于1，系统之间的协调发展越好. 参考肖红等[47]的研究，耦合协调度评价标准如表 1所示.

表 1 耦合协调度评价标准 Table 1 Evaluation criteria for coupling coordination degree

1.3 脱钩模型

由于耦合协调度模型更倾向于分析物流业碳排放和经济增长的整体协调性，本文构建Tapio脱钩模型，用以分析物流业碳排放变化对经济增长变化的敏感程度，以明晰二者之间的脱钩状态，具体表达式如下：

D=ΔC/C0ΔG/G0=GtC0×ΔG×(Ct-C0) (5)

式中，D为脱钩指数，t为年份，Ct为第t年的物流业碳排放量. C0和G0分别为基期长江经济带物流业碳排放量和经济总产值. ΔC和ΔG为长江经济带物流业碳排放量和经济总产值的变化值，ΔC /C0和ΔG /G0分别为长江经济带物流业碳排放速率以及经济增长速率. 参考邵志国等[48]的研究，脱钩状态划分如表 2所示.

表 2 脱钩状态划分 Table 2 Division of decoupling status

1.4 数据来源

本文的研究对象为长江经济带的上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、贵州和云南等11个省市，由于现有统计年鉴并未对“物流业”进行单独划分，参照韩嵩等[49]对物流业的划分，本文用“交通运输、邮政和仓储业”来反映物流业的状况. 考虑到：①2010年中国的GDP总量首次成为全球第二大经济体，且2010年是中国经济发展由高速增长向高质量增长的历史性转变的关键年份[50]；②江西、湖南、重庆、四川、云南和贵州2023年分行业能源消耗数据截至本文完成还暂未公布. 考虑到数据的可得性及完整性，本文研究的时间跨度定为2010~2022年，相关数据来源为2011~2023年《中国统计年鉴》，以及2011~2023年长江经济带11个省市的统计年鉴和统计公报. 本文根据地理位置界定，划分上海、江苏和浙江为长江经济带东部地区；安徽、江西、湖北和湖南属于中部地区；重庆、四川、贵州和云南属于西部地区.

2 结果与分析 2.1 物流业碳排放和经济增长发展综合评价结果分析 2.1.1 物流业碳排放量和经济增长评价分析

根据式（1）对长江经济带11个省市的物流业碳排放量进行测算，并计算长江经济带11个省市的GDP增长量，相关结果如图 1所示.

图 1 长江经济带物流业碳排放和经济增长折线图 Fig. 1 Line chart of carbon emissions and economic growth from the logistics industry in the Yangtze River Economic Belt

从图 1可以看出：①随着时间的推移，2010~2022年长江经济带物流业碳排放和经济增长都呈上升的趋势. 2010~2015年两者的增长趋势大致相同，2015~2020年物流业碳排放增长比经济增长要慢. 2022年其经济在稳步增长，但其物流业碳排放量呈现下降趋势. 可以看出，2010~2022年长江经济带物流业碳排放和经济增长非同步关系. ②2019~2020年，由于新冠疫情影响，长江经济带经济增长和物流业碳排放有所下降. 在疫情期间，经济活动和物流业的活动受到影响，造成经济增长和物流业碳排放的降低.

2.1.2 物流业碳排放和经济增长耦合协调度分析

通过式（2）~（4）计算出2010~2022年长江经济带各省市物流业碳排放和经济增长的耦合协调度，如表 3所示.

表 3 2010~2022年长江经济带物流业碳排放和经济增长的耦合协调度 Table 3 Coupling distribution of carbon emissions and economic growth in logistics in the Yangtze River Economic Belt from 2010 to 2022

从表 3可以看出：①2010~2022年，长江经济带物流业碳排放和经济增长耦合协调度均值处于较低水平，但呈现逐年上升趋势，其均值由2010年的0.365 4上升至2022年的0.510 3，由轻度失调阶段上升至勉强协调阶段. ②2010~2022年，长江经济带各省市物流业碳排放和经济增长的耦合协调度呈上升趋势，说明：随着长江经济带各省市经济规模的扩大，其物流业碳排放也在同步增长，且呈现出了不同的协调等级. 且同一年份，经济较为发达省份的耦合协调度更高，说明：随着长江经济带各省市经济的增长，其物流业碳排放也在增长，且呈现出了不同的协调等级. 我国铁路、水路和公路运输单位周转量能耗比约为1∶0.7∶5.2，碳排放比约为1∶1.3∶10.9[48]，公路运输对能源消耗和碳排放的影响显著高于其他运输方式. 基于2011~2023年《中国统计年鉴》数据测算显示，长江经济带货物周转量从2010年的53 298.46亿t·km增至2022年的95 120.44亿t·km，净增量达41 821.98亿t·km. 其中，水路运输的周转量增加了32 712.38亿t·km，占比从35.1% 上升至41.8%；铁路运输的周转量增加了611.38亿t·km，其占比从25.2%下降至17.4%；公路运输的周转量增加了8 498.26亿t·km，占比从38.1%上升至40.8%. 长江经济带沿海省市水路运输周转量显著增长，主要原因在于外贸运输需求的扩张，2010~2022年，上海、宁波和连云港港口吞吐量（集装箱）共增加了4 876.19万TEU. 由此可见，长江经济带2010~2022年各省市物流业碳排放和经济增长的耦合协调度趋势上升的主要原因在于公路运输周转量太大，且其单位周转量的高碳排特性（碳排放强度为铁路运输的10.9倍），造成了长江经济带物流业碳排放量的增长.

2.1.3 物流业碳排放和经济增长脱钩分析

通过式（5）并利用Stata 15.1软件对长江经济带物流业碳排放和经济增长进行脱钩分析，将研究周期划分为2010~2014年、2014~2018年和2018~2022年这3个时间段，相关结果如表 4所示.

表 4 2010~2022 年长江经济带物流业碳排放和经济增长脱钩状况 Table 4 Decoupling of carbon emissions and economic growth in logistics in the Yangtze River Economic Belt from 2010 to 2022

从表 4可以看出：①从2010~2014年、2014~2018年和2018~2022年这3个时间段来看，长江经济带各省市物流业碳排放和经济增长的弱脱钩状态和强脱钩状态的数量逐渐增加，说明随着各省市经济增长速度不断加快，物流业碳排放增速逐步放缓，部分地区甚至出现负增长，长江经济带经济发展与生态环境呈现协调共进的积极转变. ②2018~2022年江西、四川、云南和贵州物流业碳排放和经济增长呈现弱脱钩状态；上海、江苏、浙江、安徽、湖北和重庆等省市的物流业碳排放和经济增长则呈现强脱钩状态，长江经济带各省市物流业碳排放和经济增长之间的强脱钩状态逐渐明显. 这表明这些省市在实现经济高速增长的同时，成功推动物流业碳排放增速由正转负，区域绿色发展成效逐步显现. 2012年国务院印发《节能与新能源汽车产业发展规划（2012~2020年）》，大力推动新能源汽车产业化进程；2016年中共中央政治局审议通过《长江经济带发展规划纲要》，明确要求沿江11省市严格控制高耗能、高排放项目，加速能源结构优化；2017年交通运输部制定《交通运输部关于推进长江经济带绿色航运发展的指导意见》，支持在长江干线开展液化天然气加注码头建设，积极推广新能源和清洁能源车船应用；2019年交通运输部印发《交通运输部关于推进长江航运高质量发展的意见》，提出到2025年，基本建立发展绿色化、设施网络化、船舶标准化、服务品质化、治理现代化的长江航运高质量发展体系. 这些政策在长江经济带的持续推进与深化落实取得了一定的成效，推动了长江经济带各省市的脱钩进程.

2.2 分地区物流业碳排放和经济增长异质性分析

从2.1节可以看出，长江经济带的物流业碳排放和经济增长的协调性呈现区域性. 因此，本节进一步以长江经济带东部、中部和西部三大地区来具体分析不同地理位置的省市内物流业碳排放和经济增长之间的协调发展问题.

2.2.1 分地区物流业碳排放和经济增长的评价分析

利用式（1）及相关面板数据，长江经济带东、中、西部三大地区及长江经济带整体的物流业碳排放和经济增长的测算结果见表 5.

表 5 分地区物流业碳排放和经济增长评价分析结果 Table 5 Evaluation and analysis results of carbon emissions and economic growth in logistics industry by region

从表 5可以得知：①长江经济带各地区物流业碳排放和经济增长皆存在区域异质性，西部地区的物流业碳排放量和经济增长值均为最低. ②2010~2019年，长江经济带东、中、西部和整体的物流业碳排放量呈现上升趋势，在2020~2022年间其呈现波动下降趋势. ③长江经济带中部、西部和整体的经济增长值呈现上升趋势，但其东部地区的经济增长值在2020年和2022年存在回落迹象.

2.2.2 分地区物流业碳排放和经济增长耦合分析

进一步将物流业碳排放和经济增长作为一个综合系统，对物流业碳排放和经济增长系统进行耦合协调分析，探究其系统内部两者之间的关系. 利用式（2）~（4）计算出2010~2022年长江经济带东、中、西部地区物流业碳排放和经济增长的耦合协调度，如表 6所示.

表 6 分地区物流业碳排放和经济增长的耦合协调度 Table 6 Coupling distribution of carbon emissions and economic growth in logistics by region

从表 6可知：①2010~2022年，长江经济带东、中、西部地区和整体的物流业碳排放和经济增长的耦合协调度均呈现上升趋势，但在2020年和2022年存在回落迹象. ②分地区来看，2010~2022年，长江经济带东部地区物流业碳排放和经济增长的耦合协调度从0.472 5上升至0.607 5，协调等级从濒临失调过渡到初级协调；其中部地区物流业碳排放和经济增长的耦合协调度从0.353 9上升至0.510 3，协调等级从轻度失调向勉强协调演进；其西部地区物流业碳排放和经济增长的耦合协调度从0.296 6上升至0.437 3，协调等级从中度失调转向濒临失调. 据统计，东部地区运输周转量规模庞大且增长显著，运输周转量从2010年的31 624.79亿t·km大幅跃升至2022年的57 743.89亿t·km，其中公路运输周转量从2 713.7亿t·km上升至6 702.43亿t·km，增幅达3 988.73亿t·km，占比从2010年的13.4%上升至2022的16.4%；而铁路运输周转量从2010年的712.74亿t·km下降至2022年的689.29亿t·km，下降23.45亿t·km，占比也从2010的3.7%下降至2022年的1.8%，铁路运输周转量占比过低. 由于东部地区运输周转量非常大，公路运输周转量占比一直占据高位，导致东部地区物流业碳排放量居高不下，造成长江经济带东、中、西部地区物流业碳排放和经济增长耦合协调度呈现“东高西低”的格局.

2.2.3 分地区物流业碳排放和经济增长脱钩分析

通过式（5）并利用Stata 15.1软件对物流业碳排放和经济增长进行脱钩指数测算，长江经济带东、中、西部地区物流业碳排放和经济增长的脱钩指数及状态划分见表 7.

表 7 分地区物流业碳排放和经济增长脱钩状况 Table 7 Decoupling of carbon emissions and economic growth in logistics by region

从表 7可知：①从2010~2014年、2014~2018年和2018~2022年这3个时间段来看，长江经济带东、中、西部地区物流业碳排放和经济增长的脱钩状态中强脱钩状态数量逐渐增多. ②东部地区物流业碳排放和经济增长脱钩状态呈现弱脱钩-弱脱钩-强脱钩的变动趋势，说明随着时间的推移，东部地区经济增速的同时，其物流业碳排放增速为负. 这表明长江经济带东部地区在政策的实施上取得了一定的成效. 此外，“十三五”期间，随着“一带一路”倡议对西部大开发的引领作用不断增强，东部地区的制造业向西部地区转移. 这种产业结构调整显著降低了区域经济发展对物流业的依赖程度，进而有效抑制了东部地区物流业碳排放的增速. ③中部地区物流业碳排放和经济增长始终保持弱脱钩状态，而西部地区物流业碳排放和经济增长的脱钩状态则呈现弱脱钩-扩张负脱钩-弱脱钩的波动趋势，说明随着经济增速的提高，其物流业碳排放增速呈现放慢的趋势.

3 讨论

（1）2010~2022年，长江经济带物流业碳排放与经济增长耦合协调度呈整体上升态势，但区域内不均衡特征显著. 长江经济带是位列全球四大港口的上海港和宁波港的腹地，且其东部地区产业基础发达，造成了大量的运输需求. 此外，长江经济带2010年到2022年公路运输周转量居高不下且呈现增长态势. 与此同时，由于生鲜产品（如鲜花、海鲜）、高附加值产品（如医疗器械）等的航空物流需求不断增长，造成航空运输的周转量似乎也有上升趋势，使得低碳运输方式发展空间受限. 因此，需构建“铁路+水路”为主导的综合运输体系：一方面，加大长江经济带铁路基础设施投资，强化公-铁-水多式联运组织能力，推动铁路运输周转量占比提升，这将是实现低碳发展的长期战略；另一方面，依托第三产业尤其是电子商务蓬勃发展的契机，充分运用人工智能、大数据等先进技术优化物流配送网络，减少空载与重复运输. 此外，长江经济带还可出台新能源货车购置补贴等相关政策，加速物流运输工具绿色化转型. 总之，长江经济带各省市可通过优化运输结构、提高物流效率及增加新能源货车的使用，从而降低其物流业碳排放量，以实现长江经济带各省市物流业碳排放和经济增长进一步脱钩.

（2）长江经济带东、西部地区物流业碳排放与经济增长呈现差异化脱钩趋势：东部地区物流业碳排放和经济增长呈现从弱脱钩向强脱钩的跨越，而西部地区则呈现弱脱钩-扩张负脱钩-弱脱钩的波动趋势. 说明随着经济增速的提高，东部地区降低物流业碳排放的速度更快，在低碳转型中处于领先地位；对于西部地区，2019年国家发展改革委印发《西部陆海新通道总体规划》，随着规划的深入实施，2017~2022年间，经通道与东盟的进出口额从3.56亿元激增至35.55亿元，集装箱运输量从1 022标箱增至53 379标箱，可以看出我国与东盟国家的经贸发展非常快，物流需求潜力巨大. 重庆处于“一带一路”和长江经济带的联结点上，为降低西部地区的物流业碳排放增长率，重庆需发挥枢纽作用，一方面应强化西部陆海新通道与中欧班列和长江黄金水道高效衔接，进一步系统推进新通道布局建设；另一方面应加强重庆与四川、贵州和云南的铁路网络建设，实现通道资源开发利用有度、运输服务保障有力、物流运营组织高效. 具体而言，应完善铁路网络、创新多式联运组织模式，打造创新通道、绿色通道，从而实现西部地区物流业碳排放增速降低，缩小东西部低碳发展差距.

4 结论

（1）2010~2022年，长江经济带物流业碳排放和经济增长耦合协调度的均值相对偏低，但呈现逐年上升趋势，且同一年份，经济较为发达省份的耦合协调度更高；从2010~2014年、2014~2018年和2018~2022年这3个时间段来看，长江经济带各省市物流业碳排放和经济增长的弱脱钩状态和强脱钩状态的数量增多，表明其物流业碳减排工作取得了一定成效.

（2）长江经济带东、中、西部地区物流业碳排放和经济增长的耦合协调度呈现“东高西低”的格局；长江经济带东、中、西部地区物流业碳排放和经济增长的脱钩状态中强脱钩状态数量逐渐增多，其脱钩状态逐渐明显. 长江经济带东部地区物流业碳排放和经济增长脱钩状态呈现弱脱钩-弱脱钩-强脱钩的变动趋势，实现了由弱脱钩向强脱钩的跨越；而西部地区物流业碳排放和经济增长的脱钩状态则呈现弱脱钩-扩张负脱钩-弱脱钩的波动趋势.

参考文献
[1] 中华人民共和国生态环境部. 中华人民共和国气候变化第二次两年更新报告[EB/OL]. https://www.mee.gov.cn/ywgz/ydqhbh/wsqtkz/201907/P020190701765971866571.pdf, 2024-05-16.
[2] IEA. CO2 emissions in 2023[EB/OL]. https://www.iea.org/reports/co2-emissions-in-2023, 2024-03-01.
[3] 张晨, 汪秀婷, 杨青, 等. 中国交通碳排放关联网络的时空动力学与驱动机制[J]. 环境科学, 2026, 47(1): 23-35.
Zhang C, Wang X T, Yang Q, et al. Spatiotemporal dynamics and driving mechanism of China's transport carbon emission correlation network[J]. Environmental Science, 2026, 47(1): 23-35. DOI:10.13227/j.hjkx.202411298
[4] 陈艺骋, 李祥龙, 张园园. 责任共担视角下中国省域物流业碳排放时空演变分析[J]. 环境科学, 2025, 46(5): 2874-2885.
Chen Y C, Li X L, Zhang Y Y. Analysis of the temporal and spatial evolution of carbon emissions in the provincial logistic industry in China from the perspective of shared responsibility[J]. Environmental Science, 2025, 46(5): 2874-2885. DOI:10.13227/j.hjkx.202405050
[5] 巩红禹, 倪椿, 曹昱亮. 数字经济与碳生产率: 基于物流业的证据[J]. 环境科学, 2025, 46(9): 5065-5074.
Gong H Y, Ni C, Cao Y L. Digital economy and carbon productivity: based on the evidence in the logistics industry[J]. Environmental Science, 2025, 46(9): 5065-5074. DOI:10.13227/j.hjkx.202406049
[6] 周凌云, 王宇航, 马骏, 等. 基于全生命周期评价的铁路物流基地碳排放测算及减排策略研究[J]. 铁道运输与经济, 2024, 46(10): 25-33.
Zhou L Y, Wang Y H, Ma J, et al. Carbon emission calculation and emission reduction strategies for railway logistics base based on full life cycle assessment[J]. Railway Transport and Economy, 2024, 46(10): 25-33.
[7] 刘帅. 数字物流促进物流业碳排放效率提升的机制与效应[J]. 中国流通经济, 2024, 38(6): 54-65.
Liu S. The mechanism and impact of digital logistics in enhancing the efficiency of carbon emissions in the logistics industry[J]. China Business and Market, 2024, 38(6): 54-65.
[8] 邓梦杰, 李义华, 徐贝, 等. 考虑碳排放和客户满意度的医药冷链物流配送路径优化[J]. 铁道科学与工程学报, 2025, 22(5): 2100-2113.
Deng M J, Li Y H, Xu B, et al. Optimization of pharmaceutical cold chain logistics distribution path considering carbon emission and customer satisfaction[J]. Journal of Railway Science and Engineering, 2025, 22(5): 2100-2113.
[9] 宋永朝, 舒秦, 金程容, 等. 中国区域交通碳排放预测与碳达峰路径规划[J]. 环境科学, 2025, 46(4): 1995-2008.
Song Y C, Shu T, Jin C R, et al. Regional transport carbon emission forecasting and peak carbon pathway planning in China[J]. Environmental Science, 2025, 46(4): 1995-2008. DOI:10.13227/j.hjkx.202403152
[10] Sporkmann J, Liu Y, Spinler S. Carbon emissions from European land transportation: a comprehensive analysis[J]. Transportation Research Part D: Transport and Environment, 2023, 121. DOI:10.1016/j.trd.2023.103851
[11] Liu Z H, Xiong H T, Yang G L. Transportation sector's carbon emission pressure in Chinese provinces during carbon peak[J]. Transportation Research Part D: Transport and Environment, 2025, 141. DOI:10.1016/j.trd.2025.104606
[12] 曹猛, 袁振洲, 杨洋, 等. 京雄城际铁路全生命周期能耗及碳排放研究[J]. 交通运输系统工程与信息, 2024, 24(5): 37-44, 55.
Cao M, Yuan Z Z, Yang Y, et al. Research on energy consumption and carbon emissions in the whole life cycle of Beijing-Xiong'an Intercity Railway[J]. Journal of Transportation Systems Engineering and Information Technology, 2024, 24(5): 37-44, 55.
[13] 梁毅, 徐超飞, 高子涵. "一带一路"倡议下中国沿线区域物流业碳排放时空演变及驱动因素分析[J]. 环境工程技术学报, 2025, 5(3): 798-810.
Liang Y, Xu C F, Gao Z H. Spatial and temporal evolution and driving factors of carbon emissions in regional logistics industry in China under the Belt and Road Initiative[J]. Journal of Environmental Engineering Technology, 2025, 5(3): 798-810.
[14] 刘琦, 范鑫坤. 中国省际物流业碳排放的空间效应及其传导机制[J]. 环境工程学报, 2024, 18(1): 298-308.
Liu Q, Fan X K. Spatial effects and transmission mechanism of carbon emissions from interprovincial logistics industry in China[J]. Chinese Journal of Environmental Engineering, 2024, 18(1): 298-308.
[15] 曹俊文, 周丽. 长三角地区物流业碳排放时空分布及其影响因素研究[J]. 统计与决策, 2021, 37(10): 79-83.
[16] 赵松岭, 杨子夜. 京津冀物流业碳排放量测算及低碳协同发展机制研究[J]. 生态经济, 2019, 35(10): 42-45.
Zhao S L, Yang Z Y. Research on carbon emission measurement and low carbon synergy development mechanism of Beijing-Tianjin-Hebei logistics industry[J]. Ecological Economy, 2019, 35(10): 42-45.
[17] 钟文, 杨俊, 郑明贵, 等. 中国城市数字经济对物流业碳排放的影响效应及传导机制[J]. 中国环境科学, 2024, 44(1): 427-437.
Zhong W, Yang J, Zheng M G, et al. The impact and transmission mechanism of China's urban digital economy on carbon emissions in the logistics industry[J]. China Environmental Science, 2024, 44(1): 427-437.
[18] 杨俊, 钟文. 数字赋能与物流业碳减排: 内在机制与经验证据[J]. 统计与决策, 2023, 39(20): 174-178.
[19] 姜晓红, 陈莎, 张毅. 物流企业碳排放总量与效率测算方法[J]. 交通运输系统工程与信息, 2022, 22(2): 313-321.
Jiang X H, Chen S, Zhang Y. Calculation method of total carbon emission and efficiency of logistics enterprises[J]. Journal of Transportation Systems Engineering and Information Technology, 2022, 22(2): 313-321.
[20] 肖红, 李鑫汝, 许荟珍, 等. 成渝城市群物流业集聚对物流业碳排放的时空异质性影响研究[J]. 铁道运输与经济, 2025, 47(1): 53-60, 81.
Xiao H, Li X R, Xu H Z, et al. Spatial-temporal heterogeneity impact of logistics industry agglomeration on carbon emissions from logistics industry in Chengdu-Chongqing urban agglomeration[J]. Railway Transport and Economy, 2025, 47(1): 53-60, 81.
[21] 田佩宁, 毛保华, 童瑞咏, 等. 我国交通运输行业及不同运输方式的碳排放水平和强度分析[J]. 气候变化研究进展, 2023, 19(3): 347-356.
Tian P N, Mao B H, Tong R Y, et al. Analysis of carbon emission level and intensity of China's transportation industry and different transportation modes[J]. Climate Change Research, 2023, 19(3): 347-356.
[22] 张晔, 宋国华, 尹航, 等. 综合交通运输系统碳排放预测的不确定性分析[J]. 交通运输工程与信息学报, 2023, 21(1): 64-79.
Zhang Y, Song G H, Yin H, et al. Uncertainty analysis of future carbon emissions of integrated transportation system[J]. Journal of Transportation Engineering and Information, 2023, 21(1): 64-79.
[23] 时超, 孙海燕, 魏统锋, 等. 碳达峰时点下渤海通道对区际城市群公路物流碳排放及减排潜力的影响[J]. 地理科学, 2024, 44(3): 391-399.
Shi C, Shun H Y, Wei T F, et al. Influence of the Bohai Strait Cross-sea Channel on carbon emission and emission reduction potential of road logistics in interregional urban agglomerations at the time of the Carbon Peak[J]. Scientia Geographica Sinica, 2024, 44(3): 391-399.
[24] Lin H J, Chen P C, Lin H P, et al. Quantifying carbon emissions in cold chain transport: a real-world data-driven approach[J]. Transportation Research Part D: Transport and Environment, 2025, 142. DOI:10.1016/j.trd.2025.104679
[25] 魏海蕊, 郭思嘉. 中欧集装箱多式联运物流碳排放量测算研究[J]. 铁道科学与工程学报, 2025, 22(9): 3880-3893.
Wei H R, Guo S J. Calculation of carbon emissions of China-Europe container multimodal transportlogistics[J]. Journal of Railway Science and Engineering, 2025, 22(9): 3880-3893.
[26] 韩丽萍, 李明达, 刘炯. 中国物流业碳排放影响因素及产业关联研究[J]. 北京交通大学学报(社会科学版), 2022, 21(1): 86-93.
Han L P, Li M D, Liu J. On the influencing factors of carbon emission of China's logistics industry and its industrial linkage[J]. Journal of Beijing Jiaotong University (Social Sciences Edition), 2022, 21(1): 86-93.
[27] 杨扬, 李燕. 低碳物流与区域经济耦合协调研究——以云南省为例[J]. 生态经济, 2023, 39(6): 86-92, 142.
Yang Y, Li Y. Study on the coupling and coordination of low carbon logistics and regional economy: a case study of Yunnan Province[J]. Ecological Economy, 2023, 39(6): 86-92, 142.
[28] Jiang J D, Wang X B, Xu G Y, et al. Exploring the coupling coordination and spatial correlation of logistics industry and regional economy in the context of sustainable development: evidence from the Yangtze River Delta Region[J]. Sustainability, 2023, 15(2). DOI:10.3390/su15020992
[29] 何波, 殷旅江, 贾静, 等. 长江经济带物流-经济-环境系统耦合协调度评价及时空效应[J]. 中国流通经济, 2023, 37(7): 29-39.
He B, Yin L J, Jia J, et al. Evaluation of the coupling coordination degree of the logistics-economy-environment system in the Yangtze River Economic Belt and its spatiotemporal effects[J]. China Business and Market, 2023, 37(7): 29-39.
[30] Zhang W, Zhang X X, Zhang M Y, et al. How to Coordinate Economic, Logistics and Ecological Environment? Evidences from 30 Provinces and Cities in China[J]. Sustainability, 2020, 12(3). DOI:10.3390/su12031058
[31] 赵京成, 何叶荣, 王向前. 长江经济带碳排放-经济-物流业耦合协调发展研究[J]. 黑龙江工业学院学报(综合版), 2022, 22(3): 95-102.
Zhao J C, He Y R, Wang X Q. On the coupling and coordinated development of carbon emission－economy－logistics industry in Yangtze River Economic Belt[J]. Journal of Heilongjiang University of Technology (Comprehensive Edition), 2022, 22(3): 95-102.
[32] 叶翀, 郑艳红, 邵博. 经济复杂性与物流业碳减排关系研究[J]. 价格理论与实践, 2024(5): 140-145.
Ye C, Zheng Y H, Shao B. Study on the relationship between economic complexity and carbon emission reduction in the logistics industry[J]. Price: Theory & Practice, 2024(5): 140-145.
[33] 左大杰, 戴文涛, 熊巧, 等. 基于EKC视角的四川省交通碳排放与行业增长关系的实证研究[J]. 公路交通科技, 2018, 35(4): 129-136.
Zuo D J, Dai W T, Xiong Q, et al. Empirical study on relationship between traffic carbon emission and industry growth in Sichuan Province based on EKC perspective[J]. Journal of Highway and Transportation Research and Development, 2018, 35(4): 129-136.
[34] 王丽萍. 物流业碳排放与能源消耗、经济增长关系的实证研究——以河南省为例[J]. 系统科学学报, 2017, 25(2): 112-116.
Wang L P. An empirical study on the relationship between carbon emission and energy consumption and economic Growth in the logistics industry——a case study of Henan Province[J]. Chinese Journal of Systems Science, 2017, 25(2): 112-116.
[35] 梁雯, 方韶晖. 物流产业增长、城镇化与碳排放动态关系研究[J]. 江汉学术, 2019, 38(4): 73-81.
Liang W, Fang S H. The dynamic relationship between logistics industry growth, urbanization and carbon emission[J]. Jianghan Academic, 2019, 38(4): 73-81.
[36] 梁雯, 秦胜杰, 张伟. 基于VAR模型的物流业与碳排放动态关系研究——以安徽省为例[J]. 资源开发与市场, 2016, 32(9): 1042-1046.
Liang W, Qin S J, Zhang W. Research on dynamic relationship of logistics industry and carbon emissions based on VAR Model——Taking Anhui Province as an example[J]. Resource Development & Market, 2016, 32(9): 1042-1046.
[37] 杨浩哲. 低碳流通: 基于脱钩理论的实证研究[J]. 财贸经济, 2012(7): 95-102.
Yang H Z. Low-carbon circulation: an empirical analysis based on decoupling theory[J]. Finance & Trade Economics, 2012(7): 95-102.
[38] OECD. Indicators to measure decoupling of environmental pressure from economic growth[R]. Paris: OECD, 2002.
[39] Tapio P. Towards a theory of decoupling: degrees of decoupling in the EU and the case of road traffic in finland between 1970 and 2001[J]. Transport Policy, 2005, 12(2): 137-151. DOI:10.1016/j.tranpol.2005.01.001
[40] 李健, 白子毅, 李柏桐. 双碳背景下京津冀物流业碳排放脱钩及影响因素研究[J]. 城市问题, 2022(5): 69-76.
[41] 穆晓央, 王力, 徐蓉, 等. 西部省域物流业碳排放脱钩及影响因素研究[J]. 环境科学与技术, 2020, 43(4): 214-219.
Mu X Y, Wang L, Xu R, et al. Study on carbon emission decoupling and influencing factors of logistics industry in western provinces[J]. Environmental Science & Technology, 2020, 43(4): 214-219.
[42] 梁雯, 张勤, 陈广强. 中国物流业经济发展与能源碳排放的脱钩研究[J]. 广西社会科学, 2017(4): 61-67.
Liang W, Zhang Q, Chen G Q. Decoupling analysis on economic development of logistics industry and energy carbon emissions in China[J]. Social Sciences in Guangxi, 2017(4): 61-67.
[43] 付昱铭, 蒋惠园, 唐勇平. 我国物流业碳排放脱钩状态及影响因素研究[J]. 铁道运输与经济, 2024, 46(11): 62-70.
Fu Y M, Jiang H Y, Tang Y P. Decoupling status and influencing factors of carbon emissions in China's logistics industry[J]. Railway Transport and Economy, 2024, 46(11): 62-70.
[44] Ding H P, Wu X, Guo Y X, et al. Carbon emissions in the logistics industry: driving factors and decoupling effects[J]. Environmental Science and Pollution Research, 2024, 31(17): 25721-25735. DOI:10.1007/s11356-024-32817-w
[45] Bi H L, Zhang S Y, Lu F Q. Analysis of decoupling effects and influence factors in transportation: evidence from Guangdong Province, China[J]. ISPRS International Journal of Geo-Information, 2024, 13(11). DOI:10.3390/ijgi13110404
[46] 苑清敏, 张文龙, 宁宁宁. 京津冀物流业碳排放驱动因素及脱钩效应研究[J]. 科技管理研究, 2016, 36(5): 222-226.
Yuan Q M, Zhang W L, Ning N N. Driving factors and decoupling effect of carbon emissions: study from logistics industry of Beijing-Tianjin-Hebei region[J]. Science and Technology Management Research, 2016, 36(5): 222-226.
[47] 肖红, 胡宇航, 王孝坤, 等. 西部陆海新通道区域经济-交通运输-生态环境耦合协调发展及障碍度研究[J]. 铁道运输与经济, 2022, 44(7): 1-7.
Xiao H, Hu Y Y, Wang X K, et al. Coupling and coordinated development and obstacle degree of regional economy, transportation, and ecological environment of New Western Land-Sea Corridor[J]. Railway Transport and Economy, 2022, 44(7): 1-7.
[48] 邵志国, 李可心, 李梦笛. 中国交通基础设施、经济增长与碳排放的脱钩效应及互动关系分析[J]. 环境科学, 2025, 46(8): 4813-4825.
Shao Z G, Li K X, Li M D. Decoupling effect and interactive relationship among transportation infrastructure, economic growth, and carbon emissions in China[J]. Environmental Science, 2025, 46(8): 4813-4825. DOI:10.13227/j.hjkx.202408256
[49] 韩嵩, 朱杰. 中国现代物流业与国民经济联系研究[J]. 统计与决策, 2010(17): 128-131.
[50] 张金梦. 交通节能降碳困局待解[EB/OL]. https://www.cnenergynews.cn/csny/2021/12/10/detail_20211210113101.html, 2021-12-10.