城市群物流業(yè)碳排放測算計算案例目錄TOC\o"1-3"\h\u24996（一）測算方法與數據來源 18848（二）測算結果分析 3（一）測算方法與數據來源1.數據來源為了便于研究，本文選取中國五大城市群中經濟、人口和交通具有代表性的102座城市進行研究。其中，因長江中游城市群數據缺失問題較為嚴重，且物流業(yè)呈現(xiàn)一強多差的狀況，故將該城市群所含35個城市納入統(tǒng)計范圍。表3-1各種能源折標準煤參考系數能源折標準煤系數原油0.7143千克標準煤/千克汽油1.4714千克標準煤/千克表3-1各種能源折標準煤參考系數能源折標準煤系數原油0.7143千克標準煤/千克汽油1.4714千克標準煤/千克煤油1.4714千克標準煤/千克柴油1.4571千克標準煤/千克燃料油1.4286千克標準煤/千克液化石油氣1.7143千克標準煤/千克數據來源：《中國能源統(tǒng)計年鑒》，中國統(tǒng)計出版社表3-2各種能源碳排放系數能源折標準煤系數原油0.7559噸碳/噸標準煤汽油0.5538噸碳/噸標準煤煤油0.5714噸碳/噸標準煤柴油0.5821噸碳/噸標準煤燃料油0.6185噸碳/噸標準煤液化石油氣0.5042噸碳/噸標準煤數據來源：IPCC，《國家溫室氣體碳排放清單指南》2.測算結果碳排放測算方面，由于各省市統(tǒng)計年鑒中并沒有物流業(yè)二氧化碳監(jiān)測的數據，本文擬以各省市統(tǒng)計年鑒中的交通運輸、倉儲和郵政業(yè)能源消耗量作為物流業(yè)的碳排放量，以IPCC碳排放測算法測算二氧化碳排放量，公式如下： 公式（3-1）如公式（3-1）所示，為能源種類，為碳排放總量，為第種能源的碳排放量；是物流業(yè)各生產過程中所消耗量第種能源的碳排放系數，是第種能源的標準煤換算系數；為物流業(yè)中第種能源的消耗量。據此計算出2009-2018年中國五大城市群的碳排放量。由于數據過于冗長，本文將各城市的物流業(yè)碳排放進行整合，以城市群為單位呈現(xiàn)物流業(yè)碳排放，如表3-3所示。表3-3城市群物流業(yè)碳排放（單位：萬噸）年份京津冀城市群長三角城市群珠三角城市群成渝城市群長江中游城市群20091294.842744.591453.231131.231447.8520101379.463001.951614.38957.411616.0020111494.253170.481682.11934.241809.6920121555.533446.411750.051038.041824.0120131561.553626.061709.91954.061964.8420141572.993784.411791.361100.922107.7020151614.403959.561876.251171.082422.8620161606.004159.692083.131451.242674.4720171475.954468.522173.881546.722666.8220181538.244553.032251.801523.302824.36均值1509.3213691.471838.611180.8242135.86數據來源：作者通過IPCC法計算得到（二）測算結果分析1.城市群間分析圖3-1反映了中國五大城市群的CO2排放量，從2009-2018年五大城市群物流業(yè)碳排放總體為上升趨勢，并且增長率逐漸減小，但中間出現(xiàn)不同程度的波動。其中京津冀城市群物流業(yè)碳排放在觀察期間處于較低水平，且增長最緩慢，在2017年位列五大城市群最低。長三角城市群物流業(yè)碳排放排名在觀察期間一直位于五大城市群最高，增長最迅速，但在2017-2018年間增速放緩。珠三角城市群在觀察期間處于五大城市群中間水平，增長速度經歷了“放緩-加速-放緩”的變化。成渝城市群物流業(yè)碳排放排名在觀察期間一直位于五大城市群最低，增速緩慢，但在2015-2018年增長并接近京津冀城市群。長江中游城市群物流業(yè)碳排放在觀察期間持續(xù)位列第二，增長迅速，但在2016-2017年間增速放緩。然而單獨觀察物流業(yè)CO2排放數據并不足以表明物流業(yè)的排放效率，故本文用單位物流產業(yè)增加值的碳排放——碳排放和物流業(yè)比值來反映物流業(yè)的排放效率。圖3-12009-2018年中國五大城市群物流業(yè)CO2排放量（單位：萬噸）如表3-4所示，從總體上看，五大城市群的碳排放強度均呈下降趨勢；從中國五大城市群物流業(yè)2009-2018年碳排放強度的均值水平上看，碳排放強度最低的是京津冀城市群，最高的是長江中游城市群。此外，長三角和成渝城市群的碳排放強度下降速度最快。表3-4中國五大城市群物流業(yè)2009-2018年碳排放強度（單位：萬噸/億元）年份京津冀長三角珠三角成渝長江中游20090.41001.09651.13621.68851.327220100.40130.88280.89360.97100.992820110.41570.82180.82690.78730.928120120.42180.82430.80200.79100.855020130.42310.80070.86190.67340.851320140.40940.77040.69550.73220.855520150.42170.75050.63110.75040.945320160.41330.72480.68610.86620.978020170.36370.70930.64730.85620.931520180.36520.67710.62470.80520.9320均值0.40450.80580.78050.89210.9596數據來源：作者根據各城市群物流業(yè)碳排放和物流業(yè)增加值計算得到物流業(yè)碳排放層級 第一層級 第二層級 物流業(yè)碳排放層級 第一層級 第二層級 第三層級 第四層級物流業(yè)碳排放層級 第一層級 第二層級 第三層級 第四層級（b）2012年（b）2012年（a）2009年物流業(yè)碳排放層級 第一層級 第二層級 物流業(yè)碳排放層級 第一層級 第二層級 第三層級 第四層級物流業(yè)碳排放層級 第一層級 第二層級 第三層級 第四層級（c）2015年（d）2018年圖3-2中國五大城市群物流業(yè)碳排放空間格局從圖中可以發(fā)現(xiàn)時空演進的2個特點：第一，中國五大城市群中，京津冀、長三角和成渝城市群的物流業(yè)碳排放量一直保持相對較高水平，物流業(yè)碳排放的重心沒有顯著的遷移，說明國內近10年的物流發(fā)展穩(wěn)??；第二，部分城市群顯現(xiàn)出該城市與周邊城市物流業(yè)碳排放均呈現(xiàn)較高水平的特征，且該城市是該物流業(yè)碳排放高高聚集的核心區(qū)域，隨著時間的推移逐漸對周圍城市產生溢出效應。如2009年廊坊市的物流業(yè)碳排放處于第二層級，2012年以后，逐漸和北京、天津等周邊碳排放較高的核心城市趨同，到達第三層級。2.城市群內分析從上述分析中可以發(fā)現(xiàn)，某城市群內的某一城市的物流業(yè)運輸碳排放可能會由于碳排放在空間上的溢出效應空間相關性，即某一地區(qū)的某一指標與鄰近地區(qū)在空間上有一定聯(lián)系，使得該地區(qū)受到影響。故本文通過局部莫蘭指數（GlobalMoran’sI）指標來研究各城市群內部的空間相關性，其公式為： 公式（3-2）公式（3-2）中，為空間權重矩陣，本文因研究對象為中國五大城市群，其中各城市皆有接壤，故選取鄰接空間權重矩陣選Queen鄰接——有鄰接城市的對象為1，沒有鄰接城市的對象為0；為包含的地區(qū)數量；和分別表示和地區(qū)的物流業(yè)碳排放總量，為物流業(yè)碳排放的平均值。局部莫蘭指數值域為[-1,1]，其值為-1時，反映物流業(yè)運輸碳排放在空間上相互存在完全抑制作用，一個地區(qū)的物流業(yè)碳排放升高會帶來其他地區(qū)物流業(yè)碳排放下降，反之亦然，即物流業(yè)運輸碳排放呈現(xiàn)完全負相關性；其值為0時，表示各地區(qū)物流業(yè)運輸碳排放間不存在相互作用關系；其值為-1時，表示物流業(yè)運輸碳排放在空間上存在完全的正向依賴關系。莫蘭散點圖的橫軸表示的是標準化的物流業(yè)運輸碳排放量，縱軸表示的是空間權重加權下的物流業(yè)運輸碳排放量，稱為物流業(yè)運輸碳排放的空間滯后項，數值之間的聚集情況——低低聚集、低高聚集、高低聚集和高高聚集四個象限。2.計算結果局部莫蘭指數分析可以很明確地辨識出各城市群物流業(yè)碳排放的空間分布狀況，因此，本文采用GeoDa軟件計算得到2009-2018年的局部莫蘭指數，如表3-5。表3-5中國五大城市群物流業(yè)碳排放局部莫蘭指數值年份京津冀長三角珠三角成渝長江中游2009-0.2460.2480.1450.3940.3562010-0.2520.2530.1560.4090.3642011-0.4870.2580.1670.4260.3772012-0.1780.2520.1780.4310.3882013-0.2700.2770.1890.4660.4192014-0.2870.2820.1800.4620.4162015-0.3520.2960.1910.4870.4422016-0.1630.3410.2330.5750.5292017-0.1740.3860.2540.6400.5932018-0.2440.3900.2430.6340.588數據來源：作者通過局部莫蘭指數法計算得到如表3-5所示，除京津冀城市群具有輕微的空間負相關性，其余城市群的物流業(yè)碳排放皆存在空間正相關。進一步對2009年、2012年、2014年和2018年的物流業(yè)碳排放數據進行局部莫蘭指數分析和LISA聚類分析，將城市劃分為4個不同的組。由于數據繁冗，難以一一詳述，故本文以長三角城市群的分布狀況為例，如圖3-3所示。（a）2009年（b）2012年（a）2014年（b）2018年圖3-3長三角城市群物流業(yè)碳排放局部莫蘭指數散點圖根據圖3-3，長三角城市群總體呈空間負相關，負相關性隨年份略微波動，但變化不明顯。在LISA聚類分析中，如圖3-4，有兩組城市群需要被特別關注。首先，在H-H組中，上海市、泰州市、蘇州市、無錫市、南通市等這些高碳排的城市，其相鄰城市也大多呈現(xiàn)出較高碳排的態(tài)勢，因此這類區(qū)域應優(yōu)先考慮減排。其次，在H-L組中，此類城市相鄰城市的物流業(yè)碳排放量目前處于較低值，但是由于空間溢出效應的存在，這些相鄰省域可能會受到波及，因此此類地區(qū)也屬于減排重點區(qū)。同理可知，L-L組是對立于H-H組的存在，主要有安徽省的蚌埠市、阜陽市、淮北市、豪州市和宿州市，屬于碳排放冷點區(qū)；而L