长三角地区多情景下物流碳排放预测与碳减排策略研究

为解决沿海发达地区物流业高碳排放与生态承载力的矛盾，苏州科技大学与天津大学联合团队基于"核算-分析-预测"框架，采用GTWR模型和系统动力学(SD)方法，首次量化了长三角四省市2010-2021年物流碳排放(LCE)与碳承载力(LCC)，发现经济水平(EL)和技术水平(TL)对LCE影响显著且存在时空异质性。研究通过六种情景模拟预测2030年前碳平衡状态，证实S5(减排优先)可使LCE平均降低11.192%，而S6(可持续发展)能在保持3.915%经济增速下实现LCP降低6.185%，为区域物流低碳转型提供了公路转铁路改革、清洁能源应用等可行路径。该成果发表于《Carbon Balance and Management》，为沿海发达地区实现"双碳"目标提供了重要决策依据。

　　

在全球气候变化加剧的背景下，物流业作为能源密集型产业贡献了我国约9%的碳排放总量。长三角地区作为中国经济最活跃的沿海发达区域，其物流运输高度依赖公路等高耗能方式，2021年交通运输仓储邮政业能耗达5900万吨标准煤，导致物流碳排放(LCE)持续攀升。与此同时，不同区域的碳吸收能力存在显著差异，这种"排放-吸收"失衡严重制约区域绿色协同发展。如何精准预测物流碳平衡状态并制定差异化减排策略，成为实现《巴黎协定》1.5℃温控目标的关键课题。

苏州科技大学与天津大学的研究团队创新性地构建了"基础核算-因子分析-预测模拟"三位一体的研究框架。通过整合IPCC排放因子法与生物固碳模型，首次系统测算了2010-2021年长三角四省市（上海、江苏、浙江、安徽）的物流碳排放(LCE)和物流碳承载力(LCC)。研究发现长三角物流碳赤字问题突出，其中上海LCE最高（2021年达4649万吨），而浙江和安徽表现出较强的碳吸收能力（年均LCC分别为341.7万和327.3万吨）。研究进一步采用地理时空加权回归(GTWR)模型揭示影响因素，发现经济水平(EL)和技术水平(TL)对LCE的影响具有显著时空异质性——EL的回归系数从2010年1.847降至2021年0.945，而TL的抑制作用在2020年后出现饱和趋势。

研究的关键创新在于构建了包含经济-人口、能源、环境三大子系统的系统动力学(SD)模型，首次将LCC参数纳入预测体系以反映实际碳污染量。通过设置六种发展情景（S1-S6），模拟显示：单纯追求经济发展的S2会导致LCE年均增长3.644%；而S5（减排优先）虽能实现LCE最大降幅（江苏达11.192%），但会牺牲3.62%的经济增长；最优的S6方案则证明，在保持3.915%经济增速的同时，通过优化能源结构（清洁能源占比提升）和运输结构（铁路货运比例提高），可使LCP平均降低6.185%。值得注意的是，研究发现了"安徽悖论"现象——当碳吸收增速无法匹配经济驱动的LCE增长时，单纯追求发展反而会加剧碳污染。

在技术方法层面，研究主要采用：1) IPCC排放因子法计算八种能源的LCE；2) 基于森林/耕地/草地的NEP（净生态系统生产力）参数构建生物固碳模型；3) 通过逐步回归和方差膨胀因子(VIF)检验筛选GTWR模型的五个核心变量(POP/EL/IS/TL/TS)；4) 运用Vensim软件建立含78个变量的SD模型，并设置高/中/低三档参数进行情景模拟。

研究结论部分提出了四大实施路径：一是推进"公转铁"运输改革，当前长三角铁路货运占比仅4.24%，通过建设专用线、标准化联运可发挥其能耗仅为公路1/7的优势；二是保障清洁能源供给，利用长三角氢能产业集群发展氢燃料物流装备；三是建立跨省碳补偿机制，避免"碳泄漏"和恶性竞争；四是同步建设生态（如滨海蓝碳）与人工碳汇（CCUS技术），弥补城市群生态空间碎片化的短板。这些发现为沿海发达区域平衡经济发展与碳中和目标提供了理论依据和实践范式，其创新的"时空异质性分析-多目标情景模拟"方法论也可拓展应用于其他高排放行业的减排政策制定。