碳達峰背景下河南省物流業碳排放預測及影響因素研究

中圖分類號：F259.27 文獻標志碼：A DOI： 10.13714/j.cnki.1002-3100.2025.12.002

Abstract：AlongwiththerapiddevelopmentofChina'seconomy，itsenvironmentalproblemshavegraduallatractedgreat attention.HenanProvince，asanimportantpartoftheCentralPlainsregion，itscarbonemisionsfromthelogisticsindustryare increasingyearbyyearbringinggreatchalengestoHenan'sgrenandhealthydevelopmentmodel，soitisofgreatsigniicance tocarryoutastudyonthepredictionofcarbonemisionsfromthelogisticsindustryinHenanProvinceandthefactorsffecting themforthehigh-qualitydevelopmentof HenanProvince.Inthisstudythetotalcarbonemissionsofthelogisticsindustryare obtainedthroughthetotalcarbonemisionsformula，predictedwiththehelpofBPNeuralNetwork，andSTIRPATmodelis introducedtodecomposethetotalcarbonemisionsofthelogisticsindustryintothefactorsofpopulationsize，economiclevel， energyintensity，energystructureandindustriallevel，andthelikeforempiricalanalyses.Theresultsofthestudyareas follows.WiththehelpofBPNeuralNetwork，thetotalcarbonemisionoflogisticsindustryinHenanProvinceispredictedto notreachthepeak in2O3Oandshows anupwardtrend;thefivefactorsof ppulationsize，economic level，energyintensity，nergy structurendindustriallevelhvepositivecorelationtothetotalcarbonemissonofhelogisticsindustryinHenanProvince andhaveapositiveroleinpromotingit.Therefore，inordertoachievedual-carbongoalsandpromotethehealthyandsustainable developmentof HenanProvince，itisproposedthatmacro-controlshouldbeimplementedtoformulate thedevelopmentstrategy oflow-carbonlogsticsindustry，regulatethepopulationsizetooptimizethepopulationmanagement，andpromotethestructural adjustment of the logistics industry to optimize the upgrading of the logistics industry.

KeyWords：carbon peaking;carbonemision from logistics industryin Henan Province;BPNeural Network;STRPATmodel

0引言

伴隨著全球氣候變化問題日益突出及全球溫室氣體排放量持續增加，氣候變化對人類社會及生態環境造成了嚴重的影響。為應對這個全球挑戰，各國逐漸積極探索低碳發展路徑，其中，中國提出“雙碳”目標，即碳達峰、碳中和，力爭在2030年前后實現二氧化碳排放總量達到峰值目標，碳中和是在碳達峰基礎上進一步提高要求，即在2060年前后達到二氧化碳排放總收稿日期：2024-11-13作者簡介：郭鎂霆（1998—），女，河南安陽人，商學院碩士研究生，研究方向：區域低碳經濟。引文格式：郭鎂霆，碳達峰背景下河南省物流業碳排放預測及影響因素研究[J].物流科技，2025，48（12）：6-10.

量與大氣中二氧化碳吸收儲存保持平衡水平，實現經濟和生態保持可持續化健康發展而河南省作為中部地區的重要組成部分，其物流業碳排放總量問題備受關注，根據統計數據，伴隨著河南省經濟的高速發展，河南省物流業碳排放總量呈現上升趨勢[2]。故借助BP神經網絡對河南省物流業碳排放總量進行預測，并引人STIRPAT模型分解河南省物流業碳排放總量影響因素。研究結果能夠豐富及完善河南省物流業碳排放影響因素理論體系，有助于深入了解河南省物流業碳排放總量變化趨勢，為后期的科學指導及提出相應的減排措施提供導向作用。

1文獻綜述

1.1物流業碳排放預測研究

不同地區的經濟結構、能源資源稟賦及發展水平存在明顯差異，碳排放預測可以為各地區制定符合自身特點的減排政策提供參考，使其采取具有針對性的措施完善發展規劃，繼而吸引了大量學者研究區域低碳經濟。例如何柳林等借助我國碳排放核算數據庫中1970—2020年的碳排放量、國內生產總值（GDP）、人口數量等數據，探究全國碳排放時空特征，并借助LSTM模型對2030年全國碳排放峰值進行科學預測。李思瑤等借助可拓展隨機性環境影響評估模型探究陜西省碳排放量驅動因素，并驗證出陜西省在高碳、基準、低碳3種情景下均可實現碳達峰并進行系統預測。崔艷芳等5選取黃河流域資源型城市2000一2020年數據，運用擴展STIRPAT模型分析其碳排放影響因素，并基于BP神經網絡構建碳排放預測模型，分析了不同情景下碳排放趨勢。李俊杰等通過LMDI模型研究寧夏物流業二氧化碳排放量及其影響因素，并對未來碳排放總量進行科學預測，研究結果驗證出寧夏碳排放量總體呈現上升趨勢。余博等借助STIRPAT模型和LASSO回歸篩選影響物流行業碳排放關鍵因素，并利用全局搜索策略鯨魚優化算法優化KELM模型以提高預測精度，繼而構建出LASSO-GSWOA-KELM模型，驗證出該模型精度較好，能夠精準預測物流行業碳排放，預測我國物流行業碳排放將繼續增長，但增速放緩，繼而在2029年達到碳達峰，并提出相應減排策略。

1.2 碳排放影響因素研究

隨著全球變暖及氣候變化，研究碳排放影響因素具有重要作用，其中碳排放水平與經濟因素、人口規模、能源因素、技術水平等關系緊密，繼而也吸引了大量學者展開研究8。Gao etal.借助LMDI模型分析SDG地區碳排放水平，將1999—2022年該地區的經濟活動分解為經濟水平、實際密度、能源強度及郊區效應等關鍵因素，研究結果表明該地區經濟水平、實際密度、能源強度都是碳排放的主要因素，降低這幾種因素對環境可持續發展具有重要意義，并提出相應可持續化發展模式。時朋飛等以長江經濟帶為研究對象，借助拓展STIRPAT模型分析旅游業碳排放影響因素并剖析外生變量的交互作用，還利用旅游業碳排放預測模型和情景分析法對該區域旅游業碳達峰時間及峰值進行預測，結果驗證出長江經濟帶旅游業總體呈現先跌落后增長趨勢。騰飛等以華中地區為研究對象測算華中三省2000—2019年碳排放量，并對STIRPAT模型進行拓展，運用STIRPAT模型分析的方法探究碳排放影響因素，研究結果得出湖北省在產業升級情景下將在2027年實現碳達峰，湖南省將在2031年完成碳達峰，河南省在產業升級情景下碳達峰最早且峰值額最低，研究具有一定的借鑒價值。

綜上所述，眾多學者在研究碳排放預測及影響因素過程中使用的模型基本類似，均是以機器學習及計量經濟學STIRPAT模型為主。這些研究加深了對不同地區及行業碳排放量預測及驅動因素的理解，借助不同模型及方法，研究者們能夠較為客觀地分析碳排放的未來趨勢及影響因素，為制定減排政策和實現碳減排目標提供科學依據，故展開對河南省物流業碳排放的研究具有重要研究意義。

2模型介紹

2.1碳排放計算公式

2006年中國頒布了《IPCC國家溫室氣體清單指南》，在指南中詳細介紹了碳排放量計算公式，如式（1）所示。

其中 C 表示碳排放總量， E 表示不同能源消耗量， I 表示不同能源碳排放系數， F 表示不同能源的標準煤系數，在此次研究中將選取煤炭、焦炭、原油、汽油、煤油、柴油、燃料油、天然氣8種能源，并從《IPCC國家溫室氣體清單指南》中獲得各類能源的碳排放系數及標準煤系數，如表1所示。

2.2 BP神經網絡輸入層 隱藏層 隱藏層 輸出層

BP神經網絡主要用于處理非線性、高維度數據，具有良好非線性及泛化優勢，被廣泛應用于預測領域。其中BP神經網絡結構如圖1所示，包括輸入層、a隱藏層及輸出層，其運行原理是數據先進入輸入層中，輸入層中每個神經元和附近層神經元相互聯系，進入隱藏層進行反饋調節，繼而通過輸出層輸出結果。

2.3 STIRPAT模型

STIRPAT模型主要是分析人類活動對環境壓力（特別是碳排放環境指標）等的影響，能夠分析出技術水平等因素對環境的作用機制，如式（2）所示。

I=αP^bA^cT^de

其中1表示碳排放環境值， P 表示人口規模，A表示經濟發展水平， T 表示科學技術發展水平， α_a 、b、 ！ d 均為模型參數，e 表示模型的隨機誤差項。為深入分解模型增加兩個新解釋變量，即產業水平（ IS） 和能源結構（ ?_ES） ，并將公式兩邊取對數得到新的拓展公式如式（3）所示。

LnC=Lnα+β₁LnP+β₂LnA+β₃LnT+β₄LnIS+β₅LnES+Lne

3實證分析

3.1指標選取及數據來源

本研究主要分析河南省物流業碳排放未來排放趨勢及影響因素，故選擇以下具有代表性的指標。其中碳排放量用 C 來表示，人口規模用 P 來表示，經濟水平用A來表示，指河南省人均GDP數值，能源強度用 T 來表示，指在單位GDP下所消耗的能源，能源結構用ES來表示，指在能源總量中煤炭的占比，產業水平用 IS 來表示，指第三產業在GDP數值中占比，其具體變量含義如表2所示。

本研究所使用的樣本數據為1995—2019年的河南面板數據，其中碳排放數據則是依據《中國能源統計年鑒》中8種能源的歷年消費量數據計算所得，而人口規模、經濟發展水平、技術發展水平、能源結構、產業水平數據則是從《河南省統計年鑒》中獲取，具體數據如表3所示。

3.2BP神經網絡模型預測

3.2.1 模型設定

本研究主要是借助非線性BP神經網絡來預測河南省物流業碳排放量，并將1995—2014年近20年的河南省物流業碳排放量導入BP神經網絡，以2015—2019年河南省物流業碳排放量作為檢驗數據繼而預測，其中具體的神經網絡參數如表4所示。

其中，借助Sigmoid作為激活函數、并將循環迭代次數設置為 1000 次、學習率為0.01、隱藏層中含有12個神經元及將MSE作為損失函數。

3.2.2 模型預測

借助BP神經網絡預測2020—2030年河南省物流業碳排放總量，其中具體數據如圖2所示。

如圖2所示，河南省2020—2030年物流業碳排放總量預測值總體呈現緩慢增長的趨勢，且短期內未達到碳達峰的目標，這給河南省未來發展帶來諸多挑戰，因此為保障河南省能盡快實現雙碳目標，將采用STIRPAT模型分析河南省物流業碳排放影響因素。

3.3STIRPAT模型影響因素

3.3.1數據共線性

根據表3河南面板數據，將其取對數化得到相應的 LnC 、 LnP 、LnA、 LnT_? LnES及 LnIS 數值，并以此導入模型中進行初步擬合，驗證數據共線性，得到如表5所示的最小二乘法系數。

表5為模型的系數矩陣，繼而驗證出 LnP 、LnA、 LnT， LnES及 LnIS 的方差擴大因子（VIF）分別為24.971、31.919、98.020、45.291及23.610，全部都大于10，故說明5個變量之間存在顯著多重共線性。其中 LnP 系數為0.979、 LnA 系數為0.985、LnT系數為0.827、LnES系數為-0.045、LnIS系數為-1.161及常量為-10.444，因此模型表示為如式（4）所示。

表6是借助用SPSS27軟件判斷數據是否存在診斷變量和多重共線性問題，從結果看到4個特征值與0非常接近且最大條件指標數為2030.121，故驗證出變量之間存在顯著的多重共線性。

3.3.2 STIRPAT模型

當方差膨脹因子數值（VIF）大于10時便可以認為數據存在多重共線性，其中STIRPAT模型通過 K 值的變動能夠有限地降低多元回歸模型中數據共現性問題，故采用STIRPAT模型來分析碳排放影響因素，其中數據結果如表7所示。

表7是在 K=0.05 時STIRPAT模型得到的結果，結果顯示調整后R值為0.999282、F統計量值為2230.4448及F檢驗顯著性為0.000 015小于顯著水平0.05，即表示該模型顯著且擬合效果較好。其中回歸平方和（SS）為5.986及殘差平方和（MS）為11.194，即驗證出符合STIRPAT擬合模型。

表8表示模型的系數矩陣，其中 LnP 系數為0.20129190、LnA系數為0.20177383、 LnT 系數為0.19591966、LnES系數為0.19584976、LnIS系數為0.19615340及常量為 0.03406993 ，故建立該模型如式5所示。LnC=0.201 391 9LnP+0.201 773 83LnA+0.195 91966LnT+0.196 1534LnIS+0.195 849 76LnES+0.034 069 93 （5）

3.3.3 回歸結果

通過上述借助STIRPAT模型來研究河南省物流業碳排放影響因素，結果顯示5種變量對河南省物流業碳排放均呈現正向相關性，即均促進碳排放量的增加。其中5種變量對河南省物流業碳排放量影響最大的是人均GDP且相對影響值為0.201773 83、人□規模的相對影響值為 0.201 291 90 、產業水平的相對影響值為 0.1965340 、能源強度的相對影響值為0.19591966、最小影響能源結構數值為 0.19584976 （2號

4結論與建議

4.1結論

本文以碳達峰背景下河南省物流業碳排放為研究對象，借助BP神經網絡及STIIPAT模型來分析河南省物流業碳排放未來趨勢及影響因素水平。研究結果發現河南省物流業在2030年時未能達到碳達峰且有進一步增長趨勢，并引入STIRPAT模型分析影響河南省物流業碳排放因素，回歸結果顯示模型與各變量的系數均通過顯著性檢驗，且驗證出人口規模、人均GDP、能源結構、能源強度及產業水平均對河南省物流業碳排放量產生正向相關性，其中人均GDP對河南省物流業碳排放量的促進作用最為顯著，能源結構因素為最低。

4.2建議

第一，實施宏觀調控以制定物流業低碳發展戰略。科學構建涵蓋明確目標與詳細時間表的低碳發展戰略框架，配套制定具有針對性與可操作性政策措施，全面系統地推動河南省物流業向低碳經濟轉型。例如，可設定階段性物流業碳減排目標，并依據目標制定物流產業調整等具體實施路徑與監管考核機制。

第二，調控人口規模以優化人口管理。制定并嚴格執行契合河南省情況的人口政策與相關法律法規，通過多種政策工具引導合理的生育行為與家庭規劃。例如，設立專項經濟激勵機制，對延遲生育年齡及控制生育數量的家庭給予生育津貼、子女教育補貼等優惠政策，從而有效減緩人口增長對物流業碳排放的促進作用。加強人口素質提升與人口結構優化相關舉措，促進人口與資源環境的協調發展。

第三，推動省物流產業結構調整以優化物流產業升級。積極鼓勵并扶持物流低碳產業及第三產業發展，逐步降低高碳物流產業在經濟結構中的占比。例如制定物流產業扶持政策，對低碳物流產業給予稅收優惠、財政補貼、土地優先供應等支持措施，促進其快速發展壯大。加強對高碳物流產業的監管與引導，推動其實施深度技術改造，提高資源利用效率與清潔生產水平，實現產業結構綠色低碳化轉型。

參考文獻：

[1]袁璨，劉林青．碳達峰、碳中和背景下環境規制與制造業綠色轉型關系研究[J].工程管理科技前沿，2024，43（1）：39-45.

[2]郭永芹，碳達峰碳中和目標下河南產業水平優化研究[J].河南教育學院學報（自然科學版），2023，32（2）：28-33.

[3]何柳林，張麗麗，李帥，等．“雙碳”目標下全國碳排放特征與預測研究[J].科技創新與應用，2024，14（28）：26-30.

[4]李思瑤，汪紅梅．陜西省碳排放驅動因素分析及預測[J]．中國資源綜合利用，2024，42（9）：224-228.

[5]崔艷芳，張國興．黃河流域資源型城市碳排放影響因素與達峰預測研究[J].人民黃河，2023，45（2）：9-14.

[6]李俊杰，劉湘．寧夏碳排放影響因素與碳達峰預測[J].中南民族大學學報（人文社會科學版），2022，42（7）：116-124，185-186.

[7]余博，王尹，柴俊松，等．基于LASSO-GSWOA-KELM模型的石化行業碳排放預測研究[J].現代化工，2024，4（S2）：378-385.

[8]梁力軍，馮江林，孫玉璇．區域碳排放達峰預測模型構建與實現路徑研究[J]．生態經濟，2024，40（8）：30-36.

[9]GAOQi，AZAN，SUDananetal.Energyandsocialfactordecompositiontoidentifydriversimpedingsustanablevi-ronmentaltransitioninemergingcountries：SDGs-2O30progressassessmentusingLMDIanalysis[J]EnvironmentalScienceandPollution Research International， 2024，31（16）：24599-24618.

[10]時朋飛，王夢君，陶春艷，等．長江經濟帶旅游業碳排放影響因素與峰值預測[J].統計與決策，2023，39（12）：90-95.

[11]滕飛，谷馨雨，平冰宇，等．華中三省碳排放影響因素與碳達峰預測研究[J].通化師范學院學報，2023，44（6）：27-38.