导语： 在《iScience》杂志上，厦门大学环境与生态学院的吕永龙研究团队联合其他机构，发表了一项关于中国大陆地面物流运输温室气体排放的研究。通过多源大数据方法，他们构建了一个大陆尺度的空间网络，精确量化了物流运输相关的温室气体排放。研究指出，运输距离短和道路基础设施发达的地区，物流排放效率相对较高。此外，商品的潜在价值流与物流碳流在供应链中相伴而行。这些发现对于理解物流运输对全球气候变化的影响，以及制定有效的减排策略具有重要意义。
概要
发达经济体和新兴经济体蓬勃发展的物流业导致了大量温室气体（GHG）排放，但这些排放流量仍然控制不足。我们基于多源大数据构建了大陆尺度上的物流温室气体排放空间网络。物流运输相关的温室气体排放达到了1.1214亿吨二氧化碳当量（CO2e），其中七大城市群贡献了总排放量的63%。运输距离较短且道路基础设施较为发达的地区具有相对较高的排放效率。商品的价值流动伴随着供应链上的物流碳流动。影响温室气体排放的主要驱动因素是行驶速度和国内生产总值。如果采用多种能源组合或适当的行驶速度（65-70公里/小时），在15年内可减排27.50至1162.75百万吨二氧化碳当量。这些估算对于制定全球物流行业的综合管理政策具有重要意义。
引言
运输部门的脱碳是气候缓解计划的关键。运输部门约占全球化石燃料CO2排放的16%至24%。国际能源署（IEA）预测，到2050年，全球交通能源使用和CO2排放将增加约80%。公路运输在全球大部分国家的温室气体排放中占重要地位，占运输部门总碳排放量的60%以上。物流（货运）主要依赖公路运输，占全球人为碳排放的13%。过去三十年中，美国的货运量增加了一倍多，地面物流约占运输总能源消耗的25%。研究表明，卡车是欧盟道路运输温室气体排放的第二大来源，约占20%至30%。2019年，中国地面运输总碳排放量排名世界第二，但国内排放量仅约占8%，未来地面物流温室气体排放可能增加，对中国的碳中和目标构成挑战。
国际社会越来越关注物流排放。欧洲委员会的目标是到2030年将运输温室气体排放量比2008年减少20%。法国的国家低碳战略宣称未来30年货物运输的直接排放应减少97%。研究和估计的进展缓慢。G20和东南亚国家的大量证据表明，经济增长和城市化是影响物流碳排放的重要因素。转换运输模式和提高卡车效率是减少排放最有效的方法，网络设计和车辆路线优化也可减少温室气体排放。然而，缺乏针对地面物流温室气体排放的综合政策机制。
物流与供应链整合导致区域贸易中的温室气体转移。通过提高排放估算的准确性，建立排放与区域贸易之间的联系，并明确物流车队行为和排放驱动因素，可以促进运输部门长期脱碳。缺乏区域贸易物流排放空间模式的研究。之前的物流排放模型受限于真实世界数据，导致巨大不确定性。大数据时代的“TrackATruck”模型提高了准确性，但未考虑区域碳排放转移。
在细化的空间尺度上核算物流运输碳流动至关重要。基于实地调查和大数据挖掘，构建了自下而上的模型，以2019年为目标年，研究中国334个地级市的物流温室气体排放。通过起点方向分析，量化了城市间物流温室气体排放流动网络，确定了排放效率和主要驱动因素，并提出了减排政策。未来结合时间序列大数据和温室气体排放模型，可以更准确地衡量全球物流排放表现，强化综合管理。中国的减排将产生重大影响，但研究见解同样适用于全球物流行业。
结果
地面物流温室气体排放的时空变化
2019年，我们估算出中国地面物流运输部门的温室气体排放量为1.1214亿吨二氧化碳当量（CO2e），远高于之前仅关注快递行业的研究（1,370万吨CO2e）。在物流运输相关的等效二氧化碳排放中，CO2、CH4和N2O分别贡献了98.29%、0.56%和1.15%。中国各地区的总温室气体排放量差异显著，从0.10到2,875.18千吨CO2e不等，人均排放量从22.1到133.8吨CO2e不等（图1），大部分排放量来自经济发达和人口密集的地区。总体而言，四大关键城市群和人口密集中心的排放量排名第一，如长三角（YRD）、京津冀（BTH）、珠三角（PRD）和成渝（CC），这些地区占全国人口的 30%，贡献了全国排放量的 34%（图 1A）。局部 Moran’s 指数（I）表明温室气体排放具有显著的空间自相关（图 1B）。
区域尺度上的高温室气体排放量出现在发达省份，如山东和江苏，以及依赖矿产资源的省份，如新疆和内蒙古。相反，区域温室气体排放量较低的省份主要是西部地区最不发达的省份，如青海、宁夏和甘肃。广州、重庆、上海和杭州是排放量排名前四的城市，占全国排放量的7.6%。值得注意的是，排放量排名前十的城市占总排放量的16.1%；这些城市位于中国经济发展的前沿。在这些城市中，临沂与其他城市的经济水平差距明显，但临沂位于长三角和京津唐经济圈的交汇点，2019年平均日货运量为4.0787亿吨，货运周转量为1,438.9亿吨公里。东北地区大部分区域被归类为排放冷点，但哈尔滨和长春相比周边城市是排放热点。
通过地面物流运输的区域间温室气体流动
中国地面物流运输的温室气体排放流动显示出显著的区域特征。经过40多年的改革开放，中国逐渐形成了以七大城市群为核心的物流网络：京津冀（BTH）、珠三角（PRD）、长三角（YRD）、成渝（CC）、中部长江、中部中国和关中平原（表S2）。这些地区的温室气体排放量在2019年为28.90百万吨CO2e，占全国国内物流相关排放总量的63%以上。长三角与其他地区之间的物流路线最为繁荣，占七个区域温室气体排放量的30%（图2）。温室气体排放网络轴心由七个关键城市形成。总排放网络以“双三角”框架为特征，横跨东南沿海和西南中国，呈现出条状形态。在主排放框架外分支线的细化和扩展过程中，东西部的发展存在显著差异，东部地区表现出强烈的分散效应。广州、深圳、上海、北京和天津是东部地区的关键枢纽，而成都、重庆和昆明则在西南地区起到主导作用。
温室气体流动效率是区域物流可持续发展的重要指标。总温室气体排放量和其效率在空间上是一致的。物流路线高排放效率的地理中心位于长江中下游地区。重力中心位置和运动轨迹显示效率从东向西递减。最高排放效率的地区主要包括“长三角-京津冀”、“京津冀-山东半岛”、“珠三角-长三角”、“成渝-珠三角”和“成渝-云南”，以及东北三省（黑龙江、吉林和辽宁）的城市内物流（图3）。这些地区的排放效率高达0.13–51.50吨CO2e每辆车。其中，排放效率最高的线路是曲靖-南京。这些地区的物流主要通过城市内运输和区域短距离连接实现，这些线路高速公路覆盖率高，发动机燃烧更高效。最低排放效率集中在长途运输的地区。几条线路横跨整个东西部或南北中国，平均行驶里程为1.0743亿公里。“喀什-无锡”线路的效率最低，每辆车的年温室气体排放为49.95千吨CO2e。
供应链温室气体排放
2019 年，中国物流运输产生的温室气体中约有 26.1%来自最终在不同省份或国外进行深加工或直接消费的商品。大多数与东部沿海省份消费相关的排放来自较贫穷的西部省份，西北地区通过提供碳密集但附加值低的产品支持发达省份的经济发展。
高排放流量的路线主要在西部贫困地区，而高净排放流量的路线主要在东部富裕地区。西部省份主要出口高碳密集型产品，进口低碳密集型产品。在西部（陕西、甘肃、宁夏、青海和新疆），超过60%的温室气体排放来自商品运输，新疆是西部的净排放中心，主要供应能源和农产品。贵州和西藏的排放量相对较低，主要来自建筑材料运输。东部省份如山东、福建和广西的温室气体排放主要来自农产品、快递和建筑材料运输。北京、天津和上海的排放类型较为平衡，由服务业和高科技产业驱动。重庆主要是小件货物运输。
技术发达的东部省份的物流碳排放强度低于西部省份。北京和江苏的物流温室气体排放强度分别为0.36和0.5 g/RMB元，而天津和山东的排放强度最高，是北京的2.4倍和2.2倍。物流排放效率在不同地区也显著不同（0.37–1961.84吨CO2e）。京津冀、长三角、珠三角和成渝的排放效率最高，因为这些地区经济发达，物流和运输基础设施完善，交通拥堵少。北疆、西藏南部和辽宁省的大多数城市也有高排放效率，尽管这些地区物流基础设施较落后。相比之下，海南、江西、广西和陕西由于地形和道路运输相关的能源消耗高，导致排放效率低。宁夏和甘肃的河西走廊因运输里程长、运输能力差，导致高速公路物流的碳排放效率低。
温室气体排放的驱动机制和基于情景的减排措施
研究表明，物流运输的温室气体排放与社会经济、产业结构、运输结构和燃料消耗显著相关。总排放量与GDP、快递量、货运周转量和燃料消耗呈正相关。人均排放量与城市化率、家庭消费水平、人均快递量和货运周转量正相关，表明城市化和财富水平对排放有显著影响。车辆燃料消耗与平均行驶速度相关，合理速度（65-70公里/小时）和优化路线可以减少排放。在业务照旧（BAU）情景下，到2035年，重型货运卡车将增加到约1,905万辆，物流运输排放将达2.31亿吨CO2e。
为减少物流排放，提出以下情景策略：1. 适当行驶速度：减少燃料消耗；2. 短途电动卡车：降低排放强度；3. 多种能源组合：提高燃油经济性；4. 液化天然气替代：减少总排放。模拟结果显示，情景1和情景3分别可减排1.6795亿吨和1.0355亿吨CO2e，情景2可减排2750万吨CO2e，情景4可实现最大减排，未来15年内减少约1.162亿吨CO2e，但依赖先进技术。
讨论
物流碳流动分析揭示了区域间贸易和排放的转移，基于大数据的排放网络地图比小样本的更具操作性，有助于协同减排。然而，缺乏每秒采集车辆位置数据的系统是当前模拟排放的主要瓶颈。我们的研究基于多源大数据，构建了大陆尺度的物流温室气体排放流动图，估算了不同地区的运输结构和排放效率，并识别了关键驱动因素，以指导政府实现物流的低碳目标。2019年，中国物流运输温室气体排放量约占全球的15.3%。排放热点主要集中在长三角和珠三角等大城市群，而西部省份和东北地区则成为排放冷点。东部发达地区的消费和国际出口主要依赖于西部欠发达地区的初级产品排放，未来从东向西的物流量可能进一步增加，仅有8%的排放与国内市场相关。
未来十年是中国碳峰值的关键时期，物流行业将快速增长。为实现绿色物流，需优化运输模式，通过补贴和税收支持多式联运和新能源卡车，提高碳税率惠及零排放卡车，合理设定区域减排目标，重点在长三角和珠三角等物流枢纽。选择新能源卡车并提高铁路货运能力，建立高效便捷的运输系统，合理规划驾驶路线，通过合作货运系统减少里程和燃料消耗，共享仓库资源，以降低成本和外部性，实现经济、环境和社会目标的平衡。
本研究主要关注重型卡车运输阶段，而私人汽车、国际配送、包装、最后一公里服务和消费者行为的排放无疑会影响温室气体排放，需要在未来的研究中纳入。此外，卡车的车龄分布、维护状况和发动机燃烧效率也会对温室气体排放产生影响，导致总排放的不确定性。这种方法适用于具有先进信息技术和车辆监控系统的国家。如果企业更加具有社会责任感，与温室气体排放模型结合使用，可以获得更多动态排放信息，用于精确衡量全球物流碳排放绩效。
方法
数据来源、收集和分析
我们使用多种数据源分析物流量、物流运输特征和温室气体（GHG）排放因子，数据主要来自车辆、路线和货物三个维度，包括车辆位置、行驶路线、进出口区域、燃料消耗和货物类型。随机收集了约180万辆卡车和40万张电子运单的数据。卡车载重量超过12000公斤，配备GPS信号接收器，数据通过实地调查验证。
GPS用于实时定位，确定车辆行驶距离，通过发动机管理系统（EMS）传感器获取燃料消耗数据，信号收集频率为10秒。数据存储在数据库中，并经过预处理以提高计算性能。我们将时间分辨率设置为按月，空间分辨率为地级市。数据清洗后输入Spark 2.4并行框架，通过Map-Reduce模型高效计算地方温室气体排放和卡车燃料消耗。空间分析使用ArcMap 10.6，相关和回归分析使用SPSS 22.0，不确定性分析使用MATLAB 2018a。
物流运输温室气体排放
我们使用IPCC指南量化CO2、CH4和N2O排放。首先，收集每辆卡车的每日轨迹、行驶距离和燃料消耗数据。然后，整合每个月的轨迹和燃料消耗数据，以获取每条线路的行驶距离、卡车数量和燃料消耗。根据这些数据，计算单条路线和城市的温室气体排放量。通过将燃料消耗与排放因子结合，确定各类温室气体的总排放量。
最后，计算单条线路和区域内单件货物的排放效率，以识别低效碳排放区域并分析区域发展问题。
不确定性分析
使用多源大数据构建了年度物流温室气体排放的高分辨率清单。主要不确定性来源于排放因子、采样误差和GPS定位不准确。蒙特卡罗模拟和Bootstrap抽样分析用于识别这些参数的不确定性和概率分布。
