-PAGE1-城市群物流業(yè)碳排放驅(qū)動因素分析計算案例目錄TOC\o"1-3"\h\u14575城市群物流業(yè)碳排放驅(qū)動因素分析計算案例 14832（一）分解模型 130541（二）分解結(jié)果 330141（三）驅(qū)動因素時空演進特征 5（一）分解模型中國五大城市群的碳排放驅(qū)動因素分解，利用LMDI方法對物流產(chǎn)業(yè)的碳排放量進行因素分解，從具體運輸方式的能源效率、具體運輸方式的能源結(jié)構(gòu)，具體運輸方式的服務(wù)產(chǎn)出效率，運輸結(jié)構(gòu)，產(chǎn)業(yè)結(jié)構(gòu)和人均生產(chǎn)值和人口7個方面進行分解。對公式（4-1）可進一步分解為： 公式（4-1）公式（4-1）中，，，分別代表能源種類，運輸方式和年份。為該地區(qū)第年的物流業(yè)碳排放量，為第年種運輸方式使用種能源的碳排放總量；為第年種運輸方式使用種能源的能源消耗量（單位：萬噸標(biāo)準(zhǔn)煤），為第年種運輸方式的能源消耗量，為第年種運輸方式的運輸服務(wù)量（單位：噸公里），為第年的統(tǒng)計范圍內(nèi)所有運輸方式的運輸服務(wù)量，為第年的該地區(qū)國民生產(chǎn)總值，為第年該地區(qū)的總?cè)丝?。但由于各省市運輸服務(wù)數(shù)據(jù)統(tǒng)計不完善，不適用于本文擬考慮運輸結(jié)構(gòu)的研究。故本文結(jié)合已有研究，對因素進行遴選，如表4-1所示，并使用公式（4-2）作為替代方法。表4-1因素遴選及解釋因式因素名稱因素解釋=/碳排因子二氧化碳排放量與能源消耗量之比，表示單位能耗產(chǎn)生的二氧化碳=/能源結(jié)構(gòu)表示具體能源在總消耗中的占比，反映能源消費和使用結(jié)構(gòu)=/節(jié)能技術(shù)水平表示單位物流設(shè)備專利數(shù)的能源消耗量=/物流技術(shù)水平表示單位物流產(chǎn)值的物流設(shè)備專利數(shù)=/運輸經(jīng)濟效益每投入一單位的具體運輸方式的貨運量帶來的物流業(yè)增加值=/運輸結(jié)構(gòu)具體運輸方式的貨運量占總貨運量的比重=/運輸強度每單位物流產(chǎn)業(yè)增加值所需要的投入的運力物流業(yè)增加值社會物流總產(chǎn)業(yè)的增長量資料來源：作者通過碳排放因素分解研究整理得到 公式（4-2）公式（4-1）可進一步分解為： 公式（4-3）將碳排放的變化分解成6種影響因素變化的貢獻之和，即： 公式（4-4）由于具體能源碳排放系數(shù)確定，其排放強度為0，將每一年碳排放相對于上一年的增長量除以其對數(shù)的增長量得到碳排放指數(shù)增長率的倒數(shù)，如公式（4-5），再將此倒數(shù)分別與每個因素當(dāng)年的數(shù)值和上一年的數(shù)值之比相乘，得到公式（4-4）：，，，，， 公式（4-5）公式（4-4）中， 公式（4-6）為了觀察某一年碳排放的變化中，各因素的相對變化幅度，即各個因素的貢獻度。將物流業(yè)的碳排放第年與初始年份的值之比，即第年碳排放相對于初始年份的擴大倍數(shù)，分解為7種因素之積，即： 公式（4-7）對公式（4-6）左右兩邊同取對數(shù)，聯(lián)立公式（4-4）得： 公式（4-8）令，則有：=1，，，，，，=1 公式（4-9）其中，、、、、、、、分別表示五大城市群物流業(yè)碳排放各因素的增加值，、、、、、、、分別表示五大城市群物流業(yè)各因素碳排放貢獻率。（二）分解結(jié)果根據(jù)分解方法，由公式計算出年中國五大城市群的物流業(yè)碳排放強度的變化因素分解值。由于數(shù)據(jù)繁冗，本文正文部分只展示京津冀城市群的物流業(yè)碳排放分解結(jié)果，其余城市群的分解結(jié)果請參考附錄。表4-2京津冀城市群物流業(yè)2010-2018年碳排放強度LMDI分解結(jié)果因素名稱指標(biāo)2010年2011年2012年2013年2014年2015年2016年2017年2018年能源結(jié)構(gòu)126761564942603594121.001.021.051.011.051.071.21.31.34節(jié)能技術(shù)-989-1745-2309-2407-3118-3678-2168-3867-40610.480.290.20.180.110.080.220.060.06物流技術(shù)957176623542456311637233965385738662.053.565.245.618.8513.0615.5516.2515.42運輸經(jīng)濟效益-333-551-680-803-835-898-1081-1091-11290.780.670.620.570.560.540.470.450.45運輸結(jié)構(gòu)41467882892899610461252132214261.361.631.791.922.012.062.382.62.74運輸強度4674981181451561781841901.031.051.071.091.111.111.131.141.14物流增加值811271481251611481712312971.1951.341.431.5051.561.5851.7551.871.94數(shù)據(jù)來源：作者通過LMDI分解法計算得到從五大城市群的物流業(yè)碳排放因素分解來看，能源結(jié)構(gòu)因素對物流業(yè)碳排放增加總體上起抑制作用，并且促進程度逐年增加。五大城市群中，京津冀城市群的能源結(jié)構(gòu)對碳排放影響從2010年的1.00升至2018年的1.34，長三角城市群也從2010年的1.01降至2018年的1.05，珠三角城市群從2010年的1.01增至2018年的1.29，成渝城市群則是從2010年的1.47減至2018年的1.32，而長江中游城市群從2010年的1.04降至2018年的1.08。因此京津冀城市群和珠三角城市群在能源結(jié)構(gòu)方面領(lǐng)先于其他城市群，而清潔能源的使用是它們同其他3個城市群在能源結(jié)構(gòu)因素上產(chǎn)生差異的主要原因。據(jù)《中國能源統(tǒng)計年鑒》，2009-2018年，其他3個城市群汽油、煤油、柴油、燃料油的消耗量逐年增加，天然氣使用的增長卻頗為緩慢，這也是3個城市群能源結(jié)構(gòu)對碳排放的促進作用更明顯的原因。能源效率因素在觀察期內(nèi)對物流業(yè)碳排放增加起抑制作用。中國五大城市群中，珠三角城市群和成渝城市群能源效率抑制物流業(yè)碳排放的程度逐年增加，而其余3個城市群的抑制程度逐漸減小。說明從2010年的1.02減至2018年的1.1，成渝城市群市從2010年的0.75增至2018年的0.97，長江中游城市群市從2010年的0.69減至2018年的0.56。所有城市群觀察期內(nèi)能源效率因素對物流業(yè)碳排放增加都起到了抑制作用，但成渝城市群逐漸轉(zhuǎn)變?yōu)榇龠M作用。中國五大城市群中長江中原城市群省能源效率因素促進碳排放最為顯著，而長三角城市群的能源效率因素抑制碳排放增加量最為顯著。物流業(yè)中能源效率的高低，如物流設(shè)備的先進水平、運輸模式與管理水平等，長三角城市群作為科技信息極度發(fā)達的地區(qū)，研究所和人才集聚，有對于能源效率提升進而減少碳排放。長江中原城市群在中國五大城市群中發(fā)展滯后，這就造成了能源效率因素長江中原城市群表現(xiàn)最差。運輸經(jīng)濟效益因素在觀察期內(nèi)的平均值為0.77，除長江中游城市群外，其余4個城市群運輸經(jīng)濟效益對物流業(yè)碳排放增加起到抑制作用，且抑制的程度隨著觀察期內(nèi)年份而減少。運輸經(jīng)濟效益因素反映物流業(yè)在經(jīng)濟總量中的比重，這個比值上下浮動與趨勢表達出中國五大城市群中國五大城市群運輸經(jīng)濟效益優(yōu)化的問題。對于五大城市群這個比值都呈下降趨勢，尤其是長江中原城市群，中國五大城市群中，京津冀城市群和長三角城市群物流業(yè)運輸經(jīng)濟效益變化并不大，而其余城市群的運輸經(jīng)濟效益在逐年優(yōu)化。中國五大城市群中，珠三角城市群的運輸經(jīng)濟效益因素優(yōu)化最好，其物流業(yè)增加值占GDP比重從15.27%減少至6.9%。運輸結(jié)構(gòu)因素方面，在觀察期內(nèi)的平均值分別為2.08和1.08，對物流業(yè)碳排放增加起到促進作用，而運輸結(jié)構(gòu)因素的促進程度逐年遞增，運輸強度的促進效果則穩(wěn)定在一定水平。中國五大城市群中，長江中原城市群運輸結(jié)構(gòu)因素對自身物流業(yè)碳排放增加的促進作用最為顯著，說明長江中游城市群的運輸結(jié)構(gòu)不合理帶來的環(huán)境影響正在逐年增大。中國五大城市群運輸結(jié)構(gòu)的不合理，一方面是由于經(jīng)濟水平的提升，汽車擁有量、外出旅行、流通包裝等居民方面的因素與產(chǎn)業(yè)產(chǎn)能持續(xù)增加等經(jīng)濟因素導(dǎo)致。運輸強度方面，五大城市群群皆表現(xiàn)出促進物流業(yè)碳排放的增加，且促進程度都在逐年遞增。（三）驅(qū)動因素時空演進特征1.空間特征分析方法本文采用標(biāo)準(zhǔn)差橢圓法展示要素在空間上的分布。其主要參數(shù)有橢圓中心、長軸、短軸和方位角，用于描述相關(guān)指標(biāo)在空間分布上的整體特征。首先以本文的研究要素——各碳排放因子貢獻率的平均空間分布中心為中心，然后計算x軸坐標(biāo)、y軸坐標(biāo)、長軸標(biāo)準(zhǔn)差和短軸標(biāo)準(zhǔn)差，即橢圓的長短軸；橢圓的中心反映一般分布在空間中的位置，分布范圍反映聚焦顯示區(qū)域，方位角顯示空間分布的方向，長軸是方向的分散程度；橢圓法的標(biāo)準(zhǔn)差在數(shù)量上直觀地說明了研究要素空間分布的時空演化特征，如中心性、擴散性、方向性等[52]。主要參數(shù)計算步驟如下：首先，計算標(biāo)準(zhǔn)差橢圓的平均中心（，）。， 公式（4-10）公式（4-10）中，和分別表示研究對象ｉ的橫坐標(biāo)值與縱坐標(biāo)值，表示研究對象的空間區(qū)位；和分別表示研究對象的橫坐標(biāo)與縱坐標(biāo)平均值，以此作為平均中心；ｎ則表示研究對象的總個數(shù)。利用公式（4-11）計算橢圓圓心（，）。， 公式（4-11）公式（4-11）中，和分別表示全體研究對象形成的標(biāo)準(zhǔn)差橢圓圓心的橫坐標(biāo)值和縱坐標(biāo)值。然后，計算標(biāo)準(zhǔn)差橢圓的方位角。 公式（4-12）公式（4-12）中，為方位角，用橢圓的正北方與長軸間的夾角表示；和分別表示研究城市區(qū)位到平均中心坐標(biāo)（，）的偏差情況。最后，計算標(biāo)準(zhǔn)差橢圓的橫坐標(biāo)軸（ｘ軸）和縱坐標(biāo)軸（ｙ軸）的標(biāo)準(zhǔn)差和，如公式（4-13）。， 公式（4-13）2.驅(qū)動因素時空演進本文根據(jù)標(biāo)準(zhǔn)差橢圓法對中國五大城市群各驅(qū)動因素的時空變遷進行分析，為直觀地呈現(xiàn)其變化情況，本文以4年為間隔作圖，利用ArcGIS軟件，分別以7個因素的貢獻度為權(quán)重字段繪制了2010年、2014年和2018年中國五大城市群碳排放驅(qū)動因素標(biāo)準(zhǔn)差橢圓的變化情況。圖4-1中實線橢圓、軌道線橢圓、虛線橢圓分別代表2010年、2014年和2018年中國五大城市群物流業(yè)碳排放因素的標(biāo)準(zhǔn)差橢圓。201020142018201020142018201020142018201020142018201020142018201020142018201020142018201020142018201020142018201020142018201020142018201020142018（f）運輸強度因素標(biāo)準(zhǔn)差橢圓（d）運輸經(jīng)濟效益因素標(biāo)準(zhǔn)差橢圓（e）運輸結(jié)構(gòu)因素標(biāo)準(zhǔn)差橢圓（b）節(jié)能技術(shù)水平因素標(biāo)準(zhǔn)差橢圓（c）物流技術(shù)水平因素標(biāo)準(zhǔn)差橢圓（a）能源結(jié)構(gòu)因素標(biāo)準(zhǔn)差橢圓201020142018（e）物流業(yè)增加值因素標(biāo)準(zhǔn)差橢圓201020142018（e）物流業(yè)增加值因素標(biāo)準(zhǔn)差橢圓各因素的標(biāo)準(zhǔn)差橢圓如圖4-1，橢圓的中心代表具體年份該因素影響碳排放增加的程度較大的區(qū)域，即該因素的嚴重程度在五大城市群中較大的大致分布位置。橢圓的長軸代表該因素的地理方位走向，短軸代表該因素嚴重程度較輕的方向。五大城市群的各因素的分布方向基本都保持東北-西南走向或東-西走向，但具體時空演進情況有所不同。能源結(jié)構(gòu)這一因素在五大城市群中的分布最初主要集中在中國南部，說明一開始能源結(jié)構(gòu)個較為嚴重的地區(qū)為珠三角城市群。后向北擴張，接著向北略微偏移，總體上呈南-北走向，說明2010-2014年北部的京津冀城市群能源結(jié)構(gòu)因素對物流業(yè)碳排放影響程度逐漸加劇，2014-2018年珠三角能源結(jié)構(gòu)有所改善，而京津冀城市群能源結(jié)構(gòu)問題相對而言更突出。相比之下，成渝城市群、長江中游城市群和長三角城市群在能源結(jié)構(gòu)方面沒有較大的變化，且影響環(huán)境的嚴重程度相當(dāng)。節(jié)能技術(shù)因素最初在五大城市群中近似圓形分布，但呈逐年“橢圓化”的趨勢，說明最初節(jié)能技術(shù)對碳排放的削弱程度較為均衡，但因節(jié)能技術(shù)研發(fā)投入力度的不一致，各個地區(qū)逐漸拉開差距。分布中心逐漸向東偏移，且沿東西方向向中部收斂，南北方向的分布沒有較大變化，最終呈南北走向。說明京津冀、長三角和珠三角城市群的節(jié)能技術(shù)水平相對穩(wěn)定，持續(xù)保持較高水平，而成渝城市群和長江中游城市群的節(jié)能技術(shù)水平對環(huán)境改善的貢獻度逐漸減小。物流技術(shù)對物流業(yè)碳排放的影響力最初呈東北-西南走向，后略微向南部偏移，接著沿東西方向向中部收斂，最終呈南北走向。說明物流技術(shù)對碳排放的促進作用隨時間變化情況和節(jié)能技術(shù)類似，京津冀、長三角和珠三角城市群的物流技術(shù)水平基本保持較高水平，而成渝城市群和長江中游城市群在此方面略顯不足，且相對而言呈逐漸降低的趨勢。運輸經(jīng)濟效益因素對城市群物流業(yè)碳排放的影響力最初呈東北-西南走向，后沿東北方向略微向外擴張，接著