0 引言
学术界已对碳排放测算、碳排放脱钩及其驱动因素开展了相关研究。在碳排放测算方面，联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change, IPCC）公布的碳排放因子法是适用范围最广、最普遍采用的一种碳核算办法。林秀群等[3]、包耀东等[4]、Mishra等[5]运用该方法计算了不同地区物流业的碳排放量。关于碳排放脱钩的研究，常用模型主要有OECD脱钩模型和Tapio脱钩模型两种。其中，OECD脱钩模型缺乏动态性，且过于简化了碳排放与经济增长之间的关系[6]。相较而言，Tapio脱钩模型[7]不仅划分了8种脱钩类型，且能动态分析脱钩状态，因而在研究中得到广泛应用。葛青秀等[8]、宋德勇等[9]使用Tapio脱钩模型探究了我国省域交通运输业碳排放脱钩情况及驱动因素。胡怀敏等[10]将Tapio脱钩模型和对数平均迪氏指数法（Logarithmic Mean Divisia Index, LMDI）相结合，分析了长江经济带2004—2018年交通运输业经济发展与交通能源碳排放之间的脱钩情况及脱钩的驱动因素。Han等[11]利用Tapio脱钩模型研究发现，1995—2014年我国交通运输业碳排放与经济增长之间脱钩状态并不稳定，且整体上呈现出复杂的阶段性特征。Gómez等[12]基于3组变量研究了1996—2018年墨西哥、西班牙和美国交通运输业碳排放脱钩趋势。Engo[13]对1990—2016年喀麦隆交通运输业碳排放和行业增加值进行了脱钩分析，结果显示，研究期间共出现了弱脱钩、强脱钩、弱负脱钩和强负脱钩4种脱钩状态。Wang等[14]分析了亚欧物流通道沿线国家的交通运输业与碳排放之间的关系，并识别出发达国家和发展中国家促进碳减排因素的差异性。樊梦薇等[15]测算了黄河中游地区物流业碳排放量及其关键驱动因素，分析得出该地区物流业碳排放与经济增长之间整体存在弱脱钩现象。陈猛等[16]研究了2015—2020年西部陆海新通道沿线区域物流业的碳排放脱钩情况，结果表明，沿线呈现出地带性不均衡分布态势。关于碳排放脱钩影响因素的研究，学者们大多使用空间计量模型[17]、LMDI模型[18-19]、拓展的环境负荷模型（Stochastic Impacts by Regression on Population, Affluence, and Technology, STIRPAT）[20]、时空地理加权回归模型[21]等。其中，LMDI模型可以消除残差并完全分解变量，因此应用最广泛。
总体来看，脱钩理论能量化碳排放和经济发展之间的关系，在经济分析中应用广泛。然而，目前针对京津冀物流业的碳排放脱钩研究相对较少。此外，既有研究大多聚焦于碳排放影响因素，关于碳排放脱钩驱动因素的研究尚存不足，且在有限的驱动因素选择方面，大多考虑能源因素，尚未纳入物流效率、运输强度、人口等变量，而这些因素会对物流业碳排放产生重要影响。鉴于此，本文将以京津冀物流业为研究对象，采用LMDI模型将物流业碳排放Tapio脱钩模型分解为能源结构效应、能源消费强度效应、物流效率效应、运输强度效应、经济增长效应和人口规模效应，综合分析2005—2022年京津冀物流业碳排放特征、碳排放与经济增长之间的脱钩状态及6种驱动因素对京津冀物流业碳排放脱钩的贡献值，揭示脱钩状态变化趋势及内在驱动机理，以期为京津冀物流业节能减排政策制定提供依据，促进物流业绿色低碳转型升级。
1 研究方法与数据来源
1.1 碳排放核算方法
本文根据IPCC公布的碳排放因子法分两步计算京津冀物流业碳排放量。其中，物流业能源消耗直接产生的碳排放量计算公式如下：
式（1）中：C1为物流业能源消耗直接产生的碳排放量，由各能源消耗量与其碳排放系数相乘加总得出，单位tC；Ai为第i种能源的平均低位发热值（固体或液体能源，单位GJ/t；气体能源，单位GJ/万Nm3）；Bi为第i种能源的净消耗量（固体或液体能源，单位t；气体能源，单位万Nm3）；Di为第i种能源的单位热值含碳量，单位tC/GJ；Ei为第i种能源的碳氧化率（%）。
电力是应用较为广泛的二次能源，因此在计算物流业碳排放时，将电力消耗间接产生的CO2排放计入其中，即：
式（2）~式（3）中：C2为消耗电力产生的碳排放量，单位tC；F为电力消耗量，单位MWh；G为电力的碳排放因子，单位tC/MWh；C为京津冀物流业碳排放量总和，为物流业能源消耗直接产生的碳排放量与消耗电力产生的碳排放量之和。
1.2 Tapio脱钩模型
2005年，Tapio[7]首次将弹性引入脱钩理论，并细化了脱钩类型。Tapio脱钩模型能够衡量环境压力与经济增长之间的脱钩弹性关系，具体模型如下：
式（4）中：T为物流业碳排放与经济增长的脱钩指数；Ct为第t时期物流业碳排放量，即目标年物流业碳排放量；Ct-1为第t-1时期物流业碳排放量，即基准年物流业碳排放量；ΔC为物流业碳排放变化量；Ht为第t时期物流业增加值，即期末值；Ht-1为第t-1时期物流业增加值，即期初值；ΔH为期末与期初物流业增加值的差值，即经济增长变化 。
Tapio脱钩模型主要有8种脱钩类型，判断标准见表1。
表1 脱钩状态分类及判断标准 |
| 脱钩 类型 | 脱钩状态 | 经济增长 变化ΔH | 碳排放增长 变化ΔC | 脱钩弹性 指数T |
|---|---|---|---|---|
| 脱钩 | 强脱钩 | 0 | 0 | T0 |
| 弱脱钩 | 0 | 0 | 0T≤0.8 | |
| 衰退脱钩 | 0 | 0 | T1.2 | |
| 负脱钩 | 扩张负脱钩 | 0 | 0 | T1.2 |
| 强负脱钩 | 0 | 0 | T0 | |
| 弱负脱钩 | 0 | 0 | 0T≤0.8 | |
| 连接 | 衰退连接 | 0 | 0 | 0.8T≤1.2 |
| 增长连接 | 0 | 0 | 0.8T≤1.2 |
当处于强脱钩、弱脱钩和衰退脱钩3种状态时，经济增长速度大于碳排放增长速度，表明碳排放污染状况开始好转，其中强脱钩是脱钩的最理想状态，这种情况下经济增长很大程度上已经摆脱了对环境的依赖，处于绿色低碳发展状态；扩张负脱钩、强负脱钩和弱负脱钩则表明碳排放速度大于经济增长速度，负脱钩状态下，碳排放污染相对严重；增长连接和衰退连接是碳排放量和经济增长同升同降且增速降速相当的状态。
1.3 LMDI脱钩分解
以Kaya恒等式为基础，采用LMDI模型将京津冀物流业碳排放影响因素分解为能源结构、能源消费强度、物流效率、运输强度、经济增长和人口规模。具体公式如下：
式（5）中：C为二氧化碳排放量；I为能源消耗量；H为物流业增加值；J为物流业货运周转量；K为京津冀GDP；P为人口规模。
令 $c=\frac{C}{I}$ ， $e=\frac{I}{H}$ ， $l=\frac{H}{J}$ ， $f=\frac{J}{K}$ ， $g=\frac{K}{P}$ ，p=P，得：
式（6）中：c为单位能耗的碳排放量，表示能源结构；e为单位物流业增加值的能耗，表示能源消费强度；l为单位货运周转量带来的经济效益，表示物流效率；f为单位GDP的货运周转量，表示运输强度；g为人均GDP，表示经济增长；p为区域总人口，表示人口规模。根据LMDI因式分解加法形式运算，得到如下公式：
联立式（4）得：
$\begin{aligned}T= & \frac{H_{t-1} \Delta c}{C_{t-1} \Delta H}+\frac{H_{t-1} \Delta e}{C_{t-1} \Delta H}+\frac{H_{t-1} \Delta l}{C_{t-1} \Delta H}+ \\& \frac{H_{t-1} \Delta f}{C_{t-1} \Delta H}+\frac{H_{t-1} \Delta g}{C_{t-1} \Delta H}+\frac{H_{t-1} \Delta p}{C_{t-1} \Delta H}\end{aligned}$
为简化模型，将式（8）的6个部分依次用Tc（能源结构效应），Te（能源消费强度效应），Tl（物流效率效应），Tf（运输强度效应），Tg（经济增长效应），Tp（人口规模效应）表示。因此，物流业碳排放与经济增长的脱钩指数如下：
1.4 数据来源
表2 不同能源碳排放测算相关系数 |
| 能源 种类 | 低位 发热值 | 单位热值含 碳量/（tC/GJ） | 碳氧化 率（%） | 碳排放因子 |
|---|---|---|---|---|
| 原煤 | 20.908 GJ/t | 0.026 4 | 94 | 1.9025 tC/t |
| 汽油 | 43.07 GJ/t | 0.018 9 | 98 | 2.9251 tC/t |
| 煤油 | 43.07 GJ/t | 0.019 6 | 98 | 3.0334 tC/t |
| 柴油 | 42.652 GJ/t | 0.020 2 | 98 | 3.0959 tC/t |
| 燃料油 | 41.816 GJ/t | 0.021 1 | 98 | 3.1705 tC/t |
| 液化 石油气 | 50.179 GJ/t | 0.017 2 | 98 | 3.1013 tC/t |
| 天然气 | 389.31 GJ/万Nm3 | 0.015 3 | 99 | 21.6219 tC/万Nm3 |
| 电力 | — | — | — | 9.8255 tC/MWh |
2 京津冀物流业碳排放量及其脱钩状态
2.1 京津冀物流业碳排放量
利用式（1）~式（3）计算2005—2022年京津冀物流业碳排放量，结果如图1所示。
由图1可以看出：
1）2005—2019年，北京市物流业碳排放量总体呈现上升趋势，但增速在2013年后显著放缓。2019年后受疫情特殊时期管控、产业结构升级及运输结构调整等多重因素叠加影响，碳排放量骤降，继而转入波动变化。
2）研究期间，天津市物流业碳排放量呈现小幅波动上升态势。2005—2012年经济的快速增长使得物流需求不断增加，导致物流业碳排放量持续增长；之后因产业结构调整，天津市淘汰了部分高能耗、高污染企业，加之节能减排政策落地实施，2013年物流业碳排放量出现下降；2014年以后由于环保政策的收紧以及能源利用效率提升的共同作用，物流业碳排放增长速度明显低于2005—2012年。
3）河北省物流业碳排放量在研究期间的变化趋势是先上升后波动变化。2005—2019年，全省经济快速发展，工业生产和基础设施建设等活动持续增加，使得物流需求不断增长，导致物流业碳排放量不断上升；在强力节能减排政策、产业结构与能源结构优化，以及疫情特殊时期等因素的综合作用下，2020年碳排放量出现下降；此后，社会经济恢复常态化运行，物流业碳排放量开始波动变化。
2.2 京津冀物流业碳排放脱钩分析
表3 2005—2022年京津冀物流业碳排放脱钩指数及脱钩状态 |
| 年份 | 北京市 | 天津市 | 河北省 | 京津冀 | ||||
|---|---|---|---|---|---|---|---|---|
| 脱钩指数 | 脱钩状态 | 脱钩指数 | 脱钩状态 | 脱钩指数 | 脱钩状态 | 脱钩指数 | 脱钩状态 | |
| 2005—2006 | 2.327 5 | 扩张负脱钩 | 0.270 5 | 弱脱钩 | 0.118 7 | 弱脱钩 | 0.481 8 | 弱脱钩 |
| 2006—2007 | 2.262 8 | 扩张负脱钩 | 0.105 9 | 弱脱钩 | 0.377 0 | 弱脱钩 | 0.710 6 | 弱脱钩 |
| 2007—2008 | 20.039 6 | 扩张负脱钩 | 1.418 8 | 扩张负脱钩 | 0.095 4 | 弱脱钩 | 1.011 4 | 增长连接 |
| 2008—2009 | 0.926 8 | 增长连接 | 0.184 8 | 弱脱钩 | 0.067 8 | 弱脱钩 | 0.305 6 | 弱脱钩 |
| 2009—2010 | 0.224 5 | 弱脱钩 | 0.463 1 | 弱脱钩 | 1.080 5 | 增长连接 | 0.566 1 | 弱脱钩 |
| 2010—2011 | 0.715 7 | 弱脱钩 | 0.821 8 | 增长连接 | 0.615 8 | 弱脱钩 | 0.649 8 | 弱脱钩 |
| 2011—2012 | 4.8957 | 扩张负脱钩 | 1.116 4 | 增长连接 | 0.317 2 | 弱脱钩 | 0.704 4 | 弱脱钩 |
| 2012—2013 | -0.631 5 | 强脱钩 | -2.606 1 | 强脱钩 | 0.680 9 | 弱脱钩 | -0.433 4 | 强脱钩 |
| 2013—2014 | 0.690 3 | 弱脱钩 | -11.387 3 | 强负脱钩 | -5.872 2 | 强脱钩 | 0.600 2 | 弱脱钩 |
| 2014—2015 | 0.729 8 | 弱脱钩 | 6.789 4 | 扩张负脱钩 | 0.484 4 | 弱负脱钩 | 13.349 7 | 扩张负脱钩 |
| 2015—2016 | 0.654 4 | 弱脱钩 | -7.688 8 | 强负脱钩 | 35.738 7 | 扩张负脱钩 | 4.362 3 | 扩张负脱钩 |
| 2016—2017 | 0.407 2 | 弱脱钩 | 0.436 9 | 弱脱钩 | -0.676 3 | 强脱钩 | 0.172 5 | 弱脱钩 |
| 2017—2018 | 0.624 3 | 弱脱钩 | 0.727 6 | 弱脱钩 | 1.380 1 | 扩张负脱钩 | 0.953 0 | 增长连接 |
| 2018—2019 | -0.095 1 | 强负脱钩 | -1.209 4 | 强负脱钩 | 0.546 3 | 弱脱钩 | -5.104 1 | 强负脱钩 |
| 2019—2020 | 1.561 5 | 衰退脱钩 | -2.501 7 | 强脱钩 | 28.368 2 | 衰退脱钩 | 5.989 3 | 衰退脱钩 |
| 2020—2021 | 0.583 6 | 弱脱钩 | 1.229 3 | 扩张负脱钩 | 2.009 0 | 扩张负脱钩 | 1.278 4 | 扩张负脱钩 |
| 2021—2022 | 3.365 2 | 衰退脱钩 | 0.335 8 | 弱脱钩 | 1.393 7 | 衰退脱钩 | -12.015 7 | 强脱钩 |
2.2.1 北京市物流业碳排放脱钩分析
2005—2022年北京市物流业碳排放与经济增长的脱钩状态有6种。其中，弱脱钩状态出现频率最高，该状态下碳排放和经济均出现增长，但碳排放增速低于经济增速。该状态与应用节能减排技术、优化能源结构有关，其出现对于政策制定者来说是一个积极的信号，表明当前实施的政策是有效的，也提示未来需继续加强政策引导以向强脱钩目标持续推进；出现频率次之的是扩张负脱钩状态，这种状态下碳排放和经济均增加，但碳排放增速大于经济增速，这一现象主要归因于能源结构仍偏重传统化石能源、物流业部分技术设备更新滞后，以及环保政策在执行与监督层面面临实际困难。从时序演进看，脱钩状态呈现明显的阶段性变化：2005—2008年为扩张负脱钩，之后出现增长连接、弱脱钩状态，2012—2013年出现最理想状态，却未能稳固持续，这与北京市产业结构升级可能存在一定关系，2013—2014年起北京市大力疏解非首都功能，向高端制造业、现代服务业等低物流依赖产业转型，随着转型的深入，强脱钩难以维持。
综上，研究期内北京市物流业总体上呈现出从高碳依赖型增长向低碳协同增长的演进态势。尽管曾实现强脱钩的短期突破，但因产业转型等多重因素未能形成稳态。弱脱钩作为主导状态，印证了当前政策的有效性，但长期仍需以实现经济增长且碳排放绝对下降的强脱钩为根本方向，着力化解转型期的不稳定性问题。
2.2.2 天津市物流业碳排放脱钩分析
2005—2022年，天津市物流业碳排放与经济增长的脱钩状态有5种。与北京市相似，弱脱钩是天津市出现频率最高的脱钩状态，表明其在多数时期，物流业在实现经济增长的同时，碳排放增速得到了相对有效的控制。从时序演进看，脱钩状态呈现明显的阶段性波动：2005—2007年，随着物流业务量增加及环保理念逐步兴起，碳排放增长速度低于经济增长速度，呈现弱脱钩状态。2008年受国际金融危机等外部因素的冲击，经济增长放缓，呈现扩张负脱钩状态。2008—2010年，因在刺激经济增长的同时兼顾环保政策的落实，状态回至弱脱钩。2010—2012年呈现增长连接状态，这表明该段时间天津市物流业的经济增长和碳排放增长处于一种相对同步的状态，无明显的节能减排成效，也未出现碳排放过度增长的情况。天津市通过深入落实强有力的节能减排政策，对物流企业的碳排放进行严格管控，使得2012—2013年和2019—2020年出现最理想状态。2013—2014年、2015—2016年和2018—2019年呈现强负脱钩状态，这可能得益于节能设备与技术的引进降低了能耗与排放，同时也与相关部门加强碳排放监测和执法力度有关。2014—2015年和2020—2021年因物流需求大幅增加，短期内无法控制碳排放，导致碳排放增长速度高于经济增长速度，出现扩张负脱钩。
总体而言，在研究期内，天津市的物流业碳排放脱钩状态与北京市类似，同样是以弱脱钩状态为主，呈现阶段性变化、稳定性不足的特征。大部分时期，天津市物流业在经济增长中能相对控制碳排放增速。未来，天津市物流业需在维持弱脱钩的基础上，强化政策的持续性和应对波动的能力，推动天津市向强脱钩状态发展，减少扩张负脱钩的出现频率。
2.2.3 河北省物流业碳排放脱钩分析
2005—2022年，河北省物流业碳排放与经济增长的脱钩关系主要有6种状态。研究期内该省有一半时间处于弱脱钩状态，表明政策发挥了减排调控作用。若政府能继续加强政策引导和对绿色产业的扶持力度，将有利于降低经济增长对资源和环境的依赖。2013—2014年与2016—2017年，随着物流智能化水平提升，通过优化配送路径、缩短运输里程与降低车辆空驶等方式，能源消耗得以降低；同时，环保监管部门加强对物流企业的环境监管，通过增加对车辆尾气排放的抽检频率、要求不达标车辆立即整改等措施，实现了强脱钩这一最理想状态。然而，2015—2016年、2017—2018年和2020—2021年，二者呈现扩张负脱钩状态，即碳排放增长速度大于经济增长速度，对整体发展不利。
综上，河北省物流业在研究期间约半数时段处于弱脱钩状态，这一结果表明政策对于控制碳排放增速方面起到了积极作用。但多次出现的扩张负脱钩则表明，其物流业碳排放管控存在波动，未来需建立更长效的低碳机制，减少高碳增长的反复。
2.2.4 京津冀物流业碳排放脱钩分析
综上，2005—2022年京津冀物流业整体碳排放与经济增长的脱钩状态不稳定，且无明显的变化趋势。在研究的前半段时期，主要呈现弱脱钩状态，且脱钩态势相对稳定。长时间处于弱脱钩状态也从侧面反映出京津冀当时实施的政策是有利于持续发展的。该阶段政府重视环境问题，积极推进节能降耗，提高能源效率，优化产业结构，推动区域内污染排放状况逐步改善。
2012—2013年，北京市和天津市处于强脱钩状态，京津冀区域整体上也处于强脱钩状态，经济保持增长态势，物流业碳排放量降低，是最理想的状态。但这种状态并没有持续，此后连续两年出现扩张负脱钩，环境污染开始严重。2007—2008年和2017—2018年，京津冀物流业的技术水平和运营模式保持稳定，物流业碳排放量与经济增长速度基本同步，呈现增长连接状态。2020年受新冠疫情的冲击，经济活动受限，致使物流需求降低，呈现衰退脱钩状态。
京津冀物流业整体脱钩状态频繁波动，侧面反映出了区域协同管控的不稳定性。研究前期，长时间维持弱脱钩状态，印证了初期节能降耗相关政策的有效性，但不时出现的扩张负脱钩始终是影响区域整体低碳转型的问题。鉴于整体状态受三地共同影响，未来需强化三地协同，平衡内部发展差异，减少局部高碳排放对区域整体的冲击。
3 京津冀物流业碳排放脱钩驱动因素
Tapio脱钩模型只能得出物流业碳排放与经济增长之间的关系，无法解释其脱钩原理。为深入分析京津冀物流业碳排放脱钩驱动机制，本文利用LMDI模型，从能源结构、能源消费强度、物流效率、运输强度、经济增长和人口规模等六大效应展开分析。
3.1 能源结构效应
根据式（8）和式（9）计算京津冀物流业能源结构效应，结果如图2所示。
由图2可知，研究期间，能源结构效应对北京市、天津市和河北省物流业碳排放脱钩均以正向促进作用为主。
“十一五”时期，京津冀为实现低碳经济实施了一系列节能减排措施，包括压缩煤炭生产规模、关停小火电机组、鼓励使用清洁能源、推广节能产品等。通过不断优化能源结构，碳排放强度增长速度放缓，扭转了“十五”后期碳排放强度和污染物排放量大幅上升的态势，同时也为实现“十二五”时期节能减排目标奠定了基础。
随着工业化和城镇化发展进程加快，“十二五”时期能源需求上升，资源环境约束日益增强，京津冀地区开始加大环境治理力度，大力控制燃煤和机动车出行，积极推广低碳经济，加快产业结构调整，使得碳排放强度持续下降，非化石能源占比不断提高。2012—2015年，京津冀物流业碳排放年均增长率约为1.5%，增长速度放缓，原煤消耗量降低了24.7%，年均降率约为9%。
京津冀能源结构效应在2013年、2016年和2020年均出现由正转负的阶段性波动，但是2013年和2016年并非所有地区的能源结构效应都是负值。2013年，仅北京市的能源结构效应为负值，该时期北京市物流业煤油和柴油消耗量大幅上升，同时非化石能源消耗量下降；2016年，天津市和河北省物流业化石能源消耗量占比增加，导致两地能源结构效应由正转负；2020年，受疫情影响，京津冀物流业能源消耗量大幅度下降，非化石能源消耗量占比降低，全域能源结构效应由正转负。进一步对比发现，2013年北京单一地区负向波动未改变整体良性趋势，而2016年天津、河北协同负向及2020年全域负向，则直接导致区域整体效应转负，说明多地区协同恶化对整体的影响远大于单一地区波动，区域协同优化能源结构的重要性显著。
总体而言，能源结构效应对京津冀物流业碳排放脱钩的长期影响以正向促进为主，“十一五”“十二五”时期的持续优化为脱钩状态改善提供了基础，但2013年、2016年、2020年的阶段性负向波动，反映出能源结构优化的脆弱性。从驱动因素看，正向效应主要源于主动政策调控，负向效应则与政策执行力度减弱、外部突发因素相关。因此，稳定的政策执行与应对外部冲击的弹性机制对维持能源结构正向效应至关重要。
3.2 能源消费强度效应
根据式（8）和式（9）计算京津冀物流业能源消费强度效应，结果如图3所示。
由图3可知，研究期间，能源消费强度效应对北京市、天津市和河北省物流业碳排放脱钩作用以抑制为主。具体可分为3个阶段：2005—2014年，京津冀能源消费强度效应对碳排放脱钩起负向作用。该阶段京津冀经济增长处于高速发展阶段，物流业处于转型期，尽管产业结构持续调整，物流需求结构不断变化且非化石能源消耗量占比增加，但因能源利用效率提升相对滞后，整体效应仍为负向。2015—2016年，京津冀物流业化石能源消耗量占比大幅增加，致使能源消费强度效应贡献率由负值变为正值。2017—2019年，随着京津冀协同发展战略深入推进，绿色低碳理念广泛普及，物流业降本增效的诉求推动能源利用效率持续改善，能源消费强度效应再次转为负向，恢复抑制作用。这一转变体现了政策引导的关键影响，但也说明其效果需长期坚持方能巩固。
从区域差异看，河北省在各阶段受能源消费强度效应影响相对更显著，与该地区物流业对化石能源依赖度较高、产业结构转型较慢有关；北京市则因政策执行到位、绿色发展基础好，能源消费强度效应波动相对平稳。
总体而言，能源消费强度效应对京津冀物流业碳排放脱钩的长期作用以抑制为主，2005—2014年、2017—2019年均为负向效应，仅2015—2016年短暂转为正向，这一特征反映出能源利用效率提升的波动性和艰巨性。
3.3 物流效率效应
根据式（8）和式（9）计算京津冀物流业物流效率效应，结果如图4所示。
由图4可知，研究期间，物流效率效应对北京市、天津市和河北省物流业碳排放脱钩作用均以促进为主。
整体而言，物流效率效应对京津冀物流业碳排放脱钩主要起到促进作用。但在2007年、2009年及2014年，该效应表现为抑制作用。这主要是因为：上述年份物流业投资增长，交通基础设施逐步完善，物流网络与运输资源配置不断优化，降本增效成效明显；同时，京津冀地区电商与快递行业快速发展，物流需求规模持续扩大，导致货运周转量增速超过物流总产值增速，从而在特定阶段对物流业碳排放脱钩形成抑制。
从区域差异看，河北省因工业物流占比较高，在上述抑制年份所受影响更为显著；北京市依托较为成熟的电商与快递体系，物流效率效应表现相对稳定；天津市受港口物流发展波动及产业转型影响，物流效率效应波动略大于北京市。这表明，各地需结合自身产业结构与物流发展特征，制定差异化的物流效率提升路径。
综上，物流效率效应对京津冀物流业碳排放与经济增长脱钩长期以促进为主，仅少数年份出现抑制作用。这一波动特征反映出，在物流效率提升过程中，受基础设施建设节奏、需求增长速度与资源配置优化程度的匹配关系等因素影响，其效应存在阶段性起伏。物流投资与设施完善是提升效率的基础，但当物流需求增长速度超过资源配置优化速度时，则可能暂时抑制脱钩进程。因此，在推动物流效率持续提升时，应注重协调投资节奏与需求增长，实现资源配置与市场需求变化的动态适配，以持续发挥其对碳排放脱钩的促进作用。
3.4 运输强度效应
根据式（8）和式（9）计算京津冀物流业运输强度效应，结果如图5所示。
由图5可知，运输强度效应对京津冀物流业碳排放脱钩的影响呈现区域分化与阶段性特征。北京市与河北省呈现阶段性波动，但整体变化幅度相对平缓；而天津市则以持续稳定的抑制作用为主。
从长期趋势看，运输强度效应对京津冀物流业碳排放脱钩总体呈现抑制作用。然而，在2009、2014、2017、2018及2020年，京津冀协同发展战略进入推进的关键节点，跨区域物流资源整合加速，重复运输、低效运输减少，运输强度的量增与效升形成平衡，该效应阶段性转为促进。具体而言：天津市因港口运输强度长期偏高，通过多式联运等措施降低单位产值货运量后，效应反转最为明显；河北省在2017—2018年环保攻坚期间，受钢铁、煤炭等大宗货物“公转铁”“公转水”政策推动，运输结构调整成效显著，成为效应转促的关键；北京市则依托电商总部经济优势，在2014年后快递业务量爆发式增长的背景下，通过前置仓、共享配送等模式控制了运输强度，使效应在波动中始终保持转为促进的潜力。上述多重因素的共同作用，使得这些年份物流业货运周转量的变化幅度超过生产总值的变化幅度，最终促使运输强度效应转为促进。
综上，通过区域协同、模式创新与结构调整，运输强度效应可实现由抑制向促进的转化。当前，运输强度效应仍长期抑制脱钩进程，其中天津市因港口物流属性抑制作用最为稳定，北京市与河北省则因城市功能调整与产业转型呈现阶段性波动。这一区域差异根本上源于三地物流需求结构与发展模式的不同。未来，持续推进多式联运、优化电商物流网络、深化跨区域资源整合，是推动该效应由短期抑制转向长期稳定趋势的关键。
3.5 经济增长效应
根据式（8）和式（9）计算京津冀物流业经济增长效应，结果如图6所示。
由图6可知，研究期间，经济增长效应对北京市、天津市和河北省物流业碳排放脱钩均以促进作用为主。
整体而言，经济增长效应对京津冀地区物流业碳排放脱钩在多数时期起到促进作用。2005—2013年，京津冀地区固定资产投资持续扩大，新建与扩建项目拉动了经济增长。2015年《京津冀协同发展生态环境保护规划》发布后，该区域在保持经济增长的同时，传统高耗能行业转型与节能减排创新也得到协同推进，进一步强化了经济增长效应的正向贡献。
然而，受经济结构调整、能源消费结构转型，以及技术创新与应用相对不足等因素的影响，2019—2020年经济增长效应对京津冀地区碳排放脱钩的贡献值由正转负，出现抑制作用。这主要源于：传统产业仍占重要地位，高附加值、低碳排放的现代服务业发展尚不充分；能源消费中化石能源占比依然较高，且受基础设施依赖与能源消费习惯的影响，化石能源需求短期内难以大幅降低；清洁能源推广与技术投入不均衡，低碳转型进程缓慢。这些结构性因素共同导致经济增长的低碳效益未能充分释放，出现由正转负现象。
从区域差异看，北京市因现代服务业发达，经济增长效应的促进作用相对更稳定，在效应转负阶段所受影响也较小；天津市受工业转型进程影响，该效应波动较为明显；河北省因传统工业占比高，在经济增长效应转为负向时受到的冲击最为显著。
综上，经济增长效应对京津冀物流业碳排放与经济增长脱钩长期以促进为主，但其作用效果受区域经济增长模式影响显著——当经济增长依赖传统高耗能路径时，易对脱钩产生抑制。因此，持续优化产业结构、深入推进能源消费结构转型、加大绿色技术创新与应用，是维持并强化经济增长效应促进作用的关键。
3.6 人口规模效应
根据式（8）和式（9）计算京津冀物流业人口规模效应，结果如图7所示。
由图7可知，研究期间，人口规模效应对京津冀物流业碳排放脱钩整体以正向作用为主。
2005—2017年，人口规模效应对京津冀物流业碳排放与经济增长脱钩发挥了显著的促进作用。一方面，人口聚集能使生产消费需求得到提升，促使物流需求集中，助力物流业形成规模经济；另一方面，充足的劳动力供给有助于物流企业以相对较低的成本扩大业务规模，同时可通过优化劳动力配置，减少运输过程中的延误、空载等，提高物流效率，降低单位货物运输产生的碳排放强度。在此阶段，北京、天津的外省流入人口显著增加，京津冀物流业总产值增长了2倍多，年均增长率约为10.6%，人口规模效应有力推动了京津冀物流业碳排放与经济增长脱钩。
自2018年起，人口规模效应的作用由正转负，转为抑制脱钩。这一转变主要源于以下结构性变化：北京市常住人口转为净流出，河北省常住人口先小幅上升后于2021年出现负增长，天津市相关数据未公布；同时，京津冀地区人口老龄化趋势日益显著，劳动年龄人口占比持续下降。加之京津冀地区经济增长整体放缓，共同导致人口规模效应对碳排放脱钩的贡献转为负向。对比2005—2017年与2018年后的变化可见，人口聚集带来的需求集中与劳动力优势是前期促进脱钩的核心动力；而后期人口流动放缓、老龄化加剧与经济增速回落则共同引发了效应逆转。这一变化进一步表明，维持合理的人口规模、优化人口年龄与流动格局，对稳定人口规模效应的促进作用至关重要。
从区域差异看，北京市因人口净流出最早且幅度相对明显，加之物流业对人口集聚效应的依赖较高，其效应转负最早、抑制作用最强；河北省因常住人口负增长与老龄化叠加，抑制作用逐步累积；天津市虽数据有限，但受区域人口趋势影响，效应转负趋势已较为明确。
4 对策建议
根据以上研究结果可知，能源消费强度效应和运输强度效应会抑制物流业碳排放与经济增长脱钩；能源结构效应、物流效率效应和经济增长效应会促进脱钩；2005—2017年人口规模效应对京津冀物流业碳排放与经济增长的脱钩起到促进作用，2018年开始人口规模效应由正转负。为推动京津冀物流业碳排放与经济增长之间尽快脱钩，提出如下建议。
1）优化能源消费结构
一方面，构建智慧化清洁能源消费体系。突破单一供能模式，打造“光伏+储能+智能调度”一体化物流能源生态，推动清洁能源富集地区的企业有序建设“制氢+用氢”一体化项目。另一方面，打造全链条能源管理闭环。推动物流企业部署“数字孪生+AI能耗优化”系统，整合运输、仓储、分拣全环节能耗数据，建立动态预测模型。例如通过货物流量预测，提前调度充电车辆、调整仓储温湿度参数，结合实时路况优化运输路线，实现能源消耗“事前预测、事中调控、事后追溯”的全周期管理，从而降低综合能耗。
2）构建多维驱动的能源转型生态，强化区域供应韧性
一方面，创新政策激励与市场联动机制。建立“绿色能源积分”制度，对物流企业使用可再生能源的比例进行量化考核，积分可跨区域流通、抵扣碳排放配额或兑换政策补贴，鼓励企业加大清洁能源设备研发与应用，同时搭建能源交易平台，支持物流园区之间开展绿电交易、余电共享，形成“政策引导+市场运作”的双轮驱动模式。另一方面，构建多元互补的能源供应网络。布局“光伏充电站+氢能补给站”综合能源服务站，实现货运车辆“续航零焦虑”。探索“虚拟电厂”模式，整合分散的物流企业储能资源，参与电网调峰调频，提升区域能源系统的灵活性与抗风险能力。
3）深化产业-人口-物流协同布局，推动低碳化增长
一方面，打造“产业+物流”绿色融合生态，聚焦高端制造业、现代服务业等低耗能产业，构建“精准配送+逆向物流”一体化服务体系。另一方面，实施人口与物流设施的动态适配规划。在人口集聚区域规划“微型智慧配送中心”，采用新能源配送车开展短距离运输；在人口分散区域推广“共享物流站点”，整合多家企业配送资源，减少空驶里程。同时推动物流园区与城市轨道交通、城际铁路无缝衔接，降低跨区域运输的碳排放。
5 结论
本文采用IPCC公布的碳排放因子法，测算2005—2022年京津冀物流业碳排放量及碳排放强度，运用Tapio脱钩模型分析其与经济增长的脱钩关系。在此基础上，通过LMDI模型分解能源结构、能源消费强度、物流效率、运输强度、经济增长及人口规模等六大效应对碳排放脱钩的贡献，进而从优化能源结构、构建多维驱动的能源转型生态以及深化产业-人口-物流协同布局等方面提出了对策建议，主要研究结论如下。
1）研究期间，京津冀物流业碳排量与物流业增加值之间的变化趋势基本一致，物流业碳排放强度总体上呈现下降趋势。
2）京津冀物流业碳排放与经济增长之间主要呈现弱脱钩状态，脱钩状态并不稳定，且未表现出明显的变化趋势。
3）各效应对京津冀物流业碳排放与经济增长脱钩的贡献存在区域差异，且各效应的贡献值始终在波动变化。从各效应贡献值的变化来看，能源结构效应、物流效率效应和经济增长效应能够促进京津冀物流业碳排放与经济增长脱钩；能源消费强度效应和运输强度效应对碳排放脱钩起到抑制作用。
本文虽系统探讨了京津冀物流业碳排放与经济增长的脱钩状态及其驱动因素，但受数据可得性局限，与物流业实际情况可能存在偏差，且未深入分析各驱动因素之间复杂的交互作用。未来研究将致力于整理更精准的物流业数据，并考虑从碳税、碳交易等视角，结合大数据、人工智能等新兴技术，运用更具针对性的模型，深入探究各驱动因素对碳排放与经济增长脱钩的影响及其交互机制，以期为实现“双碳”目标、推动京津冀物流业的绿色低碳高质量发展提供理论支撑。
