EN中文

地理研究 >

2022 , Vol. 41 >Issue 1: 92 - 110

DOI: https://doi.org/10.11821/dlyj020210446

“环境经济地理学的创新与发展”专辑

电商快递包装箱的碳足迹空间分解和隐含碳转移研究

  • 余金艳 , 1, 2 ,
  • 张英男 1, 2 ,
  • 刘卫东 , 3, 4, 5 ,
  • 王垚 1, 2 ,
  • 姜懿轩 1, 2 ,
  • 张亚辉 1, 2
展开
  • 1. 北京第二外国语学院中国“一带一路”战略研究院,北京 100024;
  • 2. 一带一路数据分析与决策支持北京市重点实验室,北京 100024
  • 3. 中国科学院地理科学与资源研究所,北京 100101
  • 4. 中国科学院区域可持续发展分析与模拟重点实验室,北京 100101
  • 5. 中国科学院大学资源环境学院,北京 100049;
刘卫东（1967-）,男,河北隆化人,博士,研究员,博士生导师,主要从事经济地理和区域发展研究。E-mail:

余金艳（1986-）,女,四川资中人,博士,副教授,硕士生导师,研究方向为经济地理、区域发展和信息化等。E-mail:

收稿日期: 2021-05-26

  录用日期: 2021-08-27

  网络出版日期: 2022-03-10

基金资助

国家自然科学基金项目(42101180)

北京市教育委员会科研计划一般项目(SM202110031001)

版权

版权所有,未经授权,不得转载、摘编本刊文章,不得使用本刊的版式设计。
收起

Study on the spatial decomposition of carbon footprint and the embodied carbon emission transfer of the e-commerce express box

  • YU Jinyan , 1, 2 ,
  • ZHANG Yingnan 1, 2 ,
  • LIU Weidong , 3, 4, 5 ,
  • WANG Yao 1, 2 ,
  • JIANG Yixuan 1, 2 ,
  • ZHANG Yahui 1, 2
Expand
  • 1. China Academy of the Belt and Road Initiative, Beijing International Studies University, Beijing 100024,China
  • 2. Beijing Key Laboratory of the Belt and Road Data, Beijing 100024, China
  • 3. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China
  • 4. Key Laboratory of Regional Sustainable Development Modeling, CAS, Beijing 100101, China
  • 5. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049, China

Received date: 2021-05-26

  Accepted date: 2021-08-27

  Online published: 2022-03-10

Copyright

Copyright reserved © 2021.
Fold

摘要

伴随电子商务等新兴消费业态的迅猛发展,其碳排放量已不容忽视。本研究从空间分解和隐含碳转移的角度,基于对电商快递包装箱全生命周期的碳足迹研究,识别其在原料、生产、利用各环节与电商行为的地理空间耦合,分析各阶段及总排放的省域尺度格局特征,以及伴随快递流的隐含碳转移网络格局。研究发现：原料阶段的碳排放多在木材原料商区位,生产阶段的碳排放和快递发货区位高度耦合,利用阶段的碳排放和快递收货区位相耦合。全国电商快递包装箱各阶段的碳排放在空间上高度集聚,原料阶段集中在广西,生产和利用阶段集中在广东、浙江、江苏,整体呈现出“东多西少、南多北少”的空间特征。碳排放总量较高的省区多由生产驱动,碳排放总量越少的省区则利用驱动越明显。隐含碳转移网络呈现出“少数省区净流出、多数省区净流入”的“轴辐式”结构特征,浙江、广东两省承担了80%左右的净流出,是绝大多数省区隐含碳流入的最大来源地,北京是净流入最大的省区。基于隐含碳转移进行碳排放责任辨析,是相关决策需要考虑的重要因素;绿色包装的减排贡献较大,亟待寻求技术突破;新兴消费业态的碳排放值得长期关注。

关键词： 电子商务; 快递; 包装箱; 碳足迹; 隐含碳转移

本文引用格式

余金艳 , 张英男 , 刘卫东 , 王垚 , 姜懿轩 , 张亚辉 . 电商快递包装箱的碳足迹空间分解和隐含碳转移研究[J]. 地理研究, 2022 , 41(1) : 92 -110 . DOI: 10.11821/dlyj020210446

Abstract

E-commerce and other new forms of consumption have developed rapidly in recent years, and their impact on carbon emissions can not be ignored. In terms of the spatial decomposition and the embodied carbon transfer, based on the research of the carbon footprint in the e-commerce express box life cycle, we study the geographic spatial couplings between the e-commerce behavior and carbon footprint in the raw material production, manufacture and consumption stages, and analyse the pattern characteristics of the emissions by stage and aggregate at provincial level, and the network layout of the embodied carbon emission transfer with the express flow. The results show that the carbon emissions in the raw material stage are mostly in the location of wood raw material suppliers, while the carbon emissions in the production stage are highly coupled with the location of express delivery, and the carbon emissions in the utilization stage are coupled with the location of express receiving area. The carbon emissions of e-commerce express box cartons in China of every stage are highly concentrated. The carbon emissions in the raw material stage are mainly concentrated in Guangxi, while in the production and consumption stages are concentrated in Guangdong, Zhejiang and Jiangsu, showing a general distribution pattern of "more in the eastern region and less in the western region; more in the southern region and less in the northern region". Provinces with higher total carbon emissions are mostly driven by production, while provinces with lower total carbon emissions are mostly driven by consumption. The embodied carbon emission transfer network presents a "hub-and-spoke" structure of "net outflow in few provinces, while net inflow in most provinces". Zhejiang and Guangdong, accounting for about 80% of the net outflow, are the largest places of departure of the embodied carbon emission inflow of most provinces, while Beijing is the sample with the largest net inflow. The division of responsibilities based on the embodied carbon emission transfer is an important factor of management decision, while the green packaging has made a great contribution to emission reduction, so it is urgent to seek technological breakthrough, and the carbon emissions of new consumption forms deserve long-term attention.

Key words： electronic commerce; express; packing box; carbon footprint; embodied carbon emission transfer

1 引言

随着电子商务、社区团购、共享式消费、在线教育培训、直播带货、长租公寓等新兴消费业态的规模不断扩大,其在经济社会发展中的重要性也日益突出,尤其在全球抗击新冠疫情中发挥了重要作用。作为新兴消费业态的代表,中国的电子商务在2019年零售额已达10.63万亿元,占比全国社会消费品零售额的20.7%,网络零售平台及店铺数量为1946.6万家,从业人员5125.65万[1]。根据碳阻迹公司的估测[2]36,中国电商行业的碳排放量从2016年的3300万t CO2e增至2020年的6800万t CO2e,占全国碳排放总量的0.66%,占第三产业碳排放总量的3.4%;电商行业碳排放的年均增长率高达21%（对比同期全国碳排放年均增长率为6%）。与此同时,全球范围内正经历一场低碳经济和低碳生产方式的巨大变革,中国承诺实现从碳达峰到碳中和的时间,远远少于发达国家所用时间。中国的碳达峰工作已进入关键期[3],这对中国各行各业的生产方式都提出了更高要求,发展迅猛的电商行业更不容忽视。
学者对电商碳排放的相关研究,经历了由浅入深、从定性到定量的过程。在发展初期,因其“无纸化交易”以及减少了购物出行的特征[4],电商被认为是符合“低碳”理念的,相关研究也主要集中在优化物流组织模式、减少退货率等强化低碳发展方面[5,6,7];随着电商规模的迅猛扩张,其大量包装废弃物所造成的环境污染[8,9,10]、温室气体排放[11,12],以及“最后一公里”运输的高排放[13,14,15]等关键问题开始受到学者关注,尤其是近年来数据中心的强耗电[16,17,18]、快递员生存环境[19]等问题更是引起热议。
本研究的关注点集中在电商碳足迹对应的空间区位,以及基于消费者责任的隐含碳转移。碳足迹由“生态足迹”概念衍生而来,其关注侧重点相比早期已泛化。生态足迹评价模型最早由Rees W E和Wackernagel等提出并完善[20,21],核心思路是以生物生产性土地面积来量化一定人口生产消费活动对自然资源的需求,以此反映人类活动造成的生态影响[22]。泛化后的概念主要将碳足迹视为人类活动过程中排放的温室气体总量,侧重于对某产品或活动全生命周期分阶段碳排放量的考察,本研究也基于这种理解。国际标准PAS2050[23]中提出,对从原材料,到生产制造、分销、零售,以及消费者使用、最终处置或再生利用整个过程碳排放的测算是一类重要的碳足迹评价模式。碳足迹的实际计算过程非常复杂,不同产品差异很大,现实中多由专业机构针对具体产品、活动调研完成。在对电商行业的碳足迹评估中[2,24,25,26,27,28,29,30],各研究报告、论文的结论相差不大,其中碳阻迹公司的系列研究报告[2,27]以中国电商为研究案例,样本量大且时效性较强。其研究表明：每单线上购物的碳排放约为1094.92 g CO2e,比线下购物（1360.24 g CO2e/单）减少约20%左右;如图1所示,线下购物的排放多集中在交通和办公（含仓储）部分,是线上的2倍多;线上购物的排放多集中在信息（数据中心）和包装部分,而线下这两部分的排放几乎可以忽略不计;快递包装可分为六大类,其中包装箱的排放量最大（占比79.6%）。据此粗算,电商快递包装箱的碳排放占全国总排放的0.10%左右。
图1 线上线下购物碳足迹比例示意

注：数据来源,根据碳阻迹公司的研究报告（https://www.carbonstop.net/reports/）计算。

Fig. 1 Carbon footprint scale of online and offline shopping

“隐含碳转移”主要指在产品生产到利用的垂直分工过程中,某环节所在区域生产的原料、半成品或成品在供应区域内需之余,有很大一部分通过经济活动转移至其他区域,以满足下游环节生产或利用的需求;在此转移过程中,上游生产环节承担的碳排放实则用于下游生产或利用环节,产生了“隐含”的碳排放区位由下游向上游的迁移[31]。已有研究主要关注国际贸易、产业及省（市）际间的隐含碳转移。国际贸易碳转移方面,学者们证实随着中国低端制造品国际贸易规模的扩大,碳排放责任向中国净转移,而对外出口将引致区域碳排放产生系列空间效应[32,33,34];产业碳转移方面,学者通过构建产业转移模型,分析了伴随产业区位转移[35]、产业链传导[36]带来的碳转移;省（市）际碳转移方面,学者认为中国存在从能源富集区域和重化工基地分布区域向其他区域的碳排放空间转移[32]1656,以及城市碳排放存在空间溢出效应[37]779、马太效应等[38]。在碳排放空间机理上,能源强度、能源结构、产业结构、城市化率、人口密度、人均GDP及经济增长等因素[39,40,41]的作用是被普遍证实的,技术进步的作用效果仍存在争议[37,42]。已有研究对新兴消费业态、尤其是对电商交易过程中的碳转移研究涉猎较少,但随着电商规模的扩大尤其是跨境电商的兴起,此类研究亟待开展。
本研究则是基于以上基础,对电商快递包装箱全生命周期碳足迹进行计算,将原料、生产、运输、利用、处理各阶段与电商行为进行空间耦合,进而将碳排放区位进行空间分解,以此分析碳排放的空间格局及隐含碳空间转移,以期为划分相关区域碳减排责任、制定差异化政策提供科学依据,助力中国的低碳经济发展。

2 数据与方法

2.1 数据来源

本研究所需的核心数据来源于快递运单,主要借助大数据挖掘和清洗技术,批量追踪物流运单获取。具体方法为通过梳理快递运单编号规律,利用Python依次实现：① 运单编号批量生成。② 调用“51tracking.com”网站的API接口获得追踪数据,并筛选其中的真实有效订单号。③ 对运单追踪数据的关键信息进行文本解析,从而获得本研究所需的发货地、收货地、寄送时间等关键信息。④ 根据解析信息计算各省区的快递发货量、收货量等。
本研究的区域选取为中国除香港特别行政区、澳门特别行政区、台湾地区以外的省级行政区（以下简称为“省区”）,包括22个省、5个自治区、4个直辖市。当前快递量的统计数据是基于发货地的[43],仅有各省区的发货总量统计数据,本研究分析隐含碳转移的核心数据是省区间的快递流量比例,主要通过对快递进行抽样获取,并通过以下三个原则保证样本具有代表性：① 选取规模大、覆盖面广的快递,以较准确反映不同尺度的快递网络格局。② 抽取同一时间段、尽量全备的样本,以控制时间变量带来的抽样误差。③ 对抽样数据进行验证,分析其与统计数据的相关性,以验证抽样数据的解释力。
基于以上原则及可行性,本研究数据选取样本为：① 选取处于中国快递业第一方阵的韵达快递,其2020年全国市场排名第2,占有率17%[44]（第1名中通20%）,在全国有67个分拨中心,32624个网点,2500条陆运主干线,600余条陆运支干线,800余条航空直发线路,快递网络覆盖面广。② 获取了韵达2020年12月12日寄送的3281071件快递,删除无法解析的追踪记录后,还余3034331件。根据韵达快递年报披露,其2020年的快递业务量为141.44亿件,据此计算其日均快递量为3946万件,本样本量约为其日均量的7.7%,已具备统计学意义。③ 计算样本中各省区的发件数与对应的发件总量统计数据[43]的相关系数达0.96;计算样本中各省区的收件数与各省区网民量[45]（统计数据基于发货地[43],无收货地统计数据）的相关系数达0.97,由此验证抽样数据的解释力较强。
本研究所需的其他数据主要来源于各类统计年鉴,不再赘述。根据国家邮政局的统计,电商快递量约为总快递量的80%[43],故本研究计算碳排放总量的包裹数据,为统计总量的80%。

2.2 研究方法

2.2.1 碳足迹计算 包装箱属于纸制品,核心成分是瓦楞纸,原材料主要是植物纤维,尤其木材占比95%以上。对包装箱碳足迹的认知主要参照纸制品类相关研究,基于对过程阶段及排放区位的关注,其全生命周期大体可分为原料阶段、生产阶段、利用阶段及贯穿其中的运输阶段（图2）。对比论文、研究报告、产品标记等的计算结果（表1）,可以看到,虽然不同类型纸制品有一定差异,但阶段特征十分明显：生产阶段的碳排放比例最高,至少占到一半以上,多则达到80%以上;其次是利用阶段,10%~30%不等;原料阶段一般在10%以下;运输阶段比例相对较少,多在1%左右。本研究中,对各阶段的碳足迹比例划分,原料、生产、利用阶段分别按10%、60%、30%计算,运输阶段暂不计入。
图2 包装箱全生命周期流程

Fig. 2 Flow chart of packaging box life cycle

表1 包装箱碳足迹各阶段比例

Tab.1 Proportion of each stage of packing box carbon footprint

原料阶段（%） 生产阶段（%） 利用阶段（%） 运输阶段（%） 参考来源
9.17 56.31 34.52 未计入 文献[46]
未计入 99.65 未计入 未计入 文献[47]
7.80 82.10 10.10 未计入 文献[48]
85.54 14.46 分别计入各阶段 文献[49]
13.00 81.00 5.00 1.00 产品1碳标字第1004818001号
23.40 73.40 2.00 1.20 产品2碳标字第1304818001号
10.00 60.00 30.00 未计入 本文计算标准

注：文献[49]中,85.54%为原料阶段和生产阶段之和;产品1和2的标记数据来源（网址：cfp.epa.gov.tw）。

综上,本研究中包装箱碳足迹的计算公式为：
E 总 = E 原料 + E 生产 + E 利用 = F × N
E 原料 = 10 % × E 总 , E 生产 = 60 % × E 总 , E 利用 = 30 % × E 总
式中：E总为包装箱全生命周期的碳排放总量;E总、E总、E总分别为其在原料、生产、利用阶段的碳排放;F为排放因子,即平均每个包装箱全生命周期的排放量（已考虑回收等因素）;N为包装箱使用量。参照碳阻迹公司的研究报告[2,27],本研究中包装箱使用量按占电商快递量的27.49%计算,排放因子按571.5878g CO2e计算。
2.2.2 区域隐含碳净流量计算 伴随电商快递包装箱运输的空间移动,其原料、生产、利用各阶段的排放区位可能不同。基于消费者责任角度,某区域本地消费者使用的包装箱对应的全生命周期碳排放总量（定义为“本应排放”）,实际排放区位可能是利用时在本地产生,也可能是原料、生产阶段时在外地产生;换个角度而言,某区域实际承担的碳排放可能是本地消费者责任对应的,也可能是外地消费者责任对应的。实际排放与本应排放的差值,就是区域的隐含碳净流量。具体计算公式如下：
E r 实际 = E r 原料 + E r 生产 + E r 利用
E r 本应 = E r 本地 + E r 外地
E r 净 = E r 实际 - E r 本应
式中：Er实际为区域承担的实际排放,其与公式（1）中E总的差别在于E总是从包装箱的排放阶段角度计算,不同阶段的排放区位可能不同;Er实际是从区域内承担排放的角度计算,不同阶段的排放主体（包装箱）可能不同;Er原料、Er生产、Er利用分别为区域承担的原料、生产、利用阶段的实际排放;Er本应为区域本地消费者责任对应的本应排放;Er本地、Er外地分别为排放区位在本地、和外地的本应排放;Er净为隐含碳净流量;Er净>0表明隐含碳排放净流出,本区域承担了其他区域消费者责任的碳排放,Er净<0表明隐含碳排放净流入,本地消费者责任的碳排放转移至其他区域。

3 碳足迹空间分解

3.1 排放区位与电商行为的空间耦合

原料阶段中森林种植、砍伐发生在原料商生产原料的空间区位,废纸分拣、收集多发生在消费者区位。由于缺乏木材、废纸等与生产商的流向、流量数据,以及考虑多次回收利用带来的复杂区位变化,本研究对原料阶段的区位进行一定程度的“溯源”简化——认为在国内交通便利、大范围循环的情况下,包装箱原料最终溯源至木材产地,因此将包装箱原料阶段的碳排放,对应为木材产地区位,如表2所示。需要说明的是,虽然中国木材1/3左右源于进口,但进口木材用于包装箱制造的比例微乎其微,因此本研究中只关注国内木材产地。
表2 碳足迹与电商行为空间耦合

Tab.2 Spatial coupling between carbon footprint and e-commerce behavior

主体空间行为 碳足迹区位
原料阶段 原料商生产原料 原料商静态区位
生产阶段 生产商生产纸箱 生产商静态区位
运输阶段 销售商购买纸箱
销售商发货消耗纸箱		 生产商到销售商动态区位（B2B、B2C）
销售商到消费者动态区位（B2C、C2C）
利用阶段 消费者最终处置 消费者静态区位

注：B2B是Business-to-Business的缩写,是指企业与企业之间;B2C是Business-to- Consumer的缩写,是指企业与个人之间;C2C是Consumer-to-Consumer的缩写,是指个人与个人之间。

生产阶段的造纸生厂商的空间区位,在碳足迹中和快递发货区位高度耦合,其主要原因是瓦楞纸箱的单价较低,对运输成本较为敏感,纸箱的运输半径一般在300 km范围以内[50],满足当地需求是瓦楞纸箱企业实现产能扩张的主要方式。同时,依据《中国造纸年鉴2020》[51]数据计算,中国各省区纸制品产量和快递发货量的相关系数达0.85。因此,本研究将生产阶段的碳排放区位对应为快递发货地。
利用阶段的使用、回收包装箱的空间区位,在碳足迹中和快递收货区位相耦合,因为电商消费者的分布将直接影响包装纸箱的最终处置区位。据统计,中国目前快递纸箱回收率不到20%[52]。消费者收到包装纸箱后,大部分包装纸箱被运往附近的垃圾处理场进行焚烧或填埋处置。因此,本研究中将利用阶段的碳排放区位对应为快递收货地。

3.2 各阶段碳足迹空间格局

结合以上对电商快递包装箱碳足迹与电商行为的空间耦合,可以基于木材产地、快递发货地、快递收货地的分布,对碳足迹进行空间分解,并对其时空特征进行阐释。
3.2.1 原料阶段 电商快递包装箱在原料阶段的碳排放格局,主要基于木材产地区位的计算。如图3所示,中国的木材产量经历了一个短暂减少后平稳增长的过程,2019年时木材产量已达到10046万m3。空间分布呈现出“南多北少,东多西少”的格局：西南、华南地区成为中国木材生产的绝对主力,广西2019年木材产量达到3500万m3,占比34.8%,是中国木材的最大产地;广东、云南、福建年产量也达600万m3以上,三省占比共23.2%;安徽、山东省在东部地区产量相对较高,各占比5%左右;西部、北部地区产量相对较少,宁夏、青海产量几乎为0。近年来木材产量格局呈向西南地区集中趋势,南方产量增长较快尤其是西南地区增幅较大（广西增幅年均10%左右）,北方各省区产量几乎不变或下降;此外江苏因大力推广种植速生杨树林,2019年木材产量激增73.9%。形成这一大格局的主要原因是自然条件差异,以及国家林业局的“东扩、西治、南用、北休”战略。值得注意的是2015年国家林业局全面停止天然林商业性采伐,中国木材产量主要来源是人工林,占比达98%以上[53]。由此,包装箱在原料阶段的碳排放,也呈现出相同的格局,西南、华南地区承担了原料阶段的大部分碳排放。
图3 木材产量-原料阶段碳足迹格局

注：该图基于自然资源部地图技术审查中心标准地图（审图号为GS(2019)1697号）制作,底图无修改;数据来源于《中国统计年鉴》（2011—2020）。受图幅限制,b图仅选木材产量前10名省份展示,其余省份木材产量数据在0~279万m3之间。

Fig. 3 Spatial pattern of timber production and carbon footprint in raw material stage

3.2.2 生产阶段 电商快递包装箱在生产阶段的碳排放格局,主要基于快递发货地区位的计算。如图4所示,中国各省区快递发货量近年来迅猛增长,这主要是由于中国居民收入增长、新兴消费模式兴起带来的电商业务增长。整体而言,生产阶段的碳排放,集中在“胡焕庸线”以东的省区,呈现出以粤港澳大湾区、长三角经济带和京津冀城市群为核心的聚集分布,东部省区工业基础相对雄厚,制造业发达,区域产业布局完整,参与电子商务销售的中小企业更是不计其数。尤其广东、浙江和江苏三省不仅在快递发货总量上稳居前三,其年增长率也保持在20%以上,尤其广东年发货量高达220亿件以上,此三省作为中国最主要的轻工业生产地,每年将成千上万的日用品、服饰、电子产品等商品通过电商平台销往全国各地。山东、河北的发货量在2020年排名4、5,也是北方最活跃的电商创业省区,尤其山东曹县有151个淘宝村,仅次于义乌,已形成“超大型淘宝村集群”[54]。西部地区仅四川省发货量超过10亿件,全国排名11,其他省市皆未进入前50%排名。相较而言,西藏、甘肃、青海、宁夏、黑龙江和新疆等省区快递包裹业务数量较少,增长率低,在个别年份甚至出现下降,这些省区工业发展相对落后,发货商品主要是农产品。这也使得生产阶段的碳排放,高度集中在东部尤其是广东、浙江、江苏三省。从时间尺度来看,快递发货量的省际分异进一步加深,广东、江苏和浙江的包裹量总占比从2012年的49%增至2020年的57%,新疆、宁夏、青海、甘肃、西藏和贵州总占比则从1.62％降至0.77％,这背后的主要原因还是经济发展的循环累积效应,东部各省区凭借政策支持和雄厚的工业基础不断吸引人口和产业流入,快递发货量的增速也远高于西部各省区,这使得包装箱生产阶段的碳排放在时间尺度上也呈逐渐聚集趋势。
图4 快递发货量-生产阶段碳足迹格局

注：该图基于自然资源部地图技术审查中心标准地图（审图号为GS(2019)1697号）制作,底图无修改;数据来源于《邮政行业发展统计公报》2012—2020（http://www.spb.gov.cn/sj/tjxx_1/）。受图幅限制,b图仅选快递发货量前10名省份展示,其余省份快递发货量数据在0.02867亿~21.51589亿件之间。

Fig. 4 Spatial pattern of express delivery volume and carbon footprint in production stage

3.2.3 利用阶段 电商快递包装箱在利用阶段的碳排放格局,主要基于快递收货地区位的计算。如图5所示,与生产阶段相比,利用阶段的碳排放集聚程度有所降低,也即各省区收货量相对发货量更均衡——除西藏外,各省区的快递包裹年收货量都在1.8亿件以上。其中,广东的碳排放依然最多,收货量高达119亿,浙江、江苏、山东依然位居2、3、4名,收货量均在50亿件以上;河南、安徽、四川、河北、湖南、等人口大省,以及北京、福建的收货量均在30亿件以上。收货量较少的省区依然集中在西部,尤其是西藏、青海、新疆、宁夏,收货量在5亿件以下,其原因除了人口较少、收入水平较低外,物流成本较高带来的“不在包邮区”也带来了需求量的减少。快递收货量的分散使得利用阶段产生的碳排放量也相对分散,广东、浙江和山东三省总占比27％,不及生产碳排放占比的一半。这也说明了其碳排放的很大一部分,是服务于其他省的需求的。
图5 快递收货量-利用阶段碳足迹格局

注：该图基于自然资源部地图技术审查中心标准地图（审图号为GS(2019)1697号）制作,底图无修改;数据来源于快递收货量无统计数据,根据本研究样本收货比例估算而来。网民数量数据主要来源于中国互联网络信息中心（CNNIC）的《中国互联网络发展状况统计报告》（http://www.cnnic.net.cn/hlwfzyj/hlwxzbg/）;2017年及以后的网民数据结合百度统计（https://tongji.baidu.com/research/site#profile）估算。受图幅限制,b图仅选网民数量前10名省份展示,其余省份网民数量数据在0.0053亿~0.3545亿人之间。

Fig. 5 Spatial pattern of express receipt volume and carbon footprint in utilization stage

因邮政统计数据没有收货地统计,本研究中收货量数据均基于样本比例估算所得,仅有2020年数据,因此,对快递收货量数据的时间尺度变化,主要基于对网民数量的计算（2020年网民数量与快递收货量的相关系数达0.97）。整体而言,近10年来各省区网民规模均迅速扩张,尤其广东、浙江和江苏不仅在数量上遥遥领先,而且年增长率也远超全国平均水平,属于快递发货、收货量双高的省区。中西部的网民数量虽一直保持着较高的增长速度,但其常驻人口数量基数相对较小,整体规模仍然较小,和东部、南部的省区差距仍在增大。

3.3 碳排放总量空间格局

结合以上对各阶段碳排放的空间分解,可以计算各省区的碳排放总量;同时对比本地电商消费者对应的全生命周期排放量（简称“本应排放”）,可以计算各省区随着电商快递包装箱的隐含碳排放转移,如表3所示。
表3 2020年分省快递包装箱碳排放量汇总（万t CO2e）

Tab.3 Summary of carbon emissions of express packaging boxes in 2020 (104 t CO2e)

省区 E r 原料 E r 生产 E r 利用 E r 实际 E r 本应 E r 净
安徽 5.32 16.61 15.68 37.61 52.28 -14.67
北京 0.18 17.97 15.72 33.87 52.42 -18.54
福建 6.76 25.89 12.15 44.80 40.52 4.28
甘肃 0.06 1.04 3.40 4.50 11.33 -6.82
广东 9.86 166.56 44.96 221.37 149.85 71.52
广西 36.51 5.87 9.29 51.67 30.96 20.71
贵州 3.22 2.12 7.34 12.69 24.47 -11.78
海南 2.18 0.83 1.90 4.91 6.33 -1.42
河北 1.12 27.93 12.93 41.98 43.11 -1.13
河南 2.67 23.38 16.14 42.19 53.80 -11.60
黑龙江 1.62 3.43 6.67 11.72 22.24 -10.52
湖北 3.17 13.46 10.46 27.09 34.86 -7.77
湖南 3.45 11.10 11.60 26.15 38.65 -12.51
吉林 2.14 3.37 5.36 10.87 17.86 -6.99
江苏 2.43 52.62 19.50 74.55 65.00 9.56
江西 2.89 8.45 8.08 19.42 26.95 -7.53
辽宁 1.12 8.45 10.16 19.72 33.86 -14.14
内蒙古 0.89 1.48 2.83 5.19 9.43 -4.24
宁夏 0.00 0.55 1.34 1.89 4.46 -2.57
青海 0.00 0.18 0.87 1.04 2.89 -1.84
山东 5.38 31.32 19.43 56.13 64.77 -8.64
山西 0.27 4.04 5.96 10.27 19.86 -9.59
陕西 0.22 6.92 8.96 16.10 29.86 -13.76
上海 0.00 25.37 8.63 34.00 28.78 5.22
四川 2.54 16.23 13.31 32.09 44.38 -12.29
天津 0.32 7.00 4.11 11.43 13.71 -2.27
西藏 0.10 0.09 0.03 0.22 0.10 0.12
新疆 0.66 0.87 0.89 2.41 2.96 -0.55
云南 7.77 4.75 6.79 19.31 22.65 -3.33
浙江 1.29 135.36 22.89 159.54 76.28 83.26
重庆 0.66 5.51 6.99 13.16 23.31 -10.15
合计 105 629 314 1047.91 1047.91 0.00
由表3、图6可以看出,2020年全国快递包装箱碳排放总量约1047.91万t CO2e,整体仍呈现出“东多西少”的特征,碳排放总量最大的省区位于东南沿海地区,由东南向西北方向呈现出不断减少的趋势,西北地区各省区的碳排放均位于全国最低的水平,“胡焕庸线”仍起到一定的地理特征分界作用。各省区间差异也较大,前5名排放全国占比共54%,而后7名占比共不到2%,碳排放总量呈现出相对集中的空间特征。
图6 碳排放总量空间格局

注：该图基于自然资源部地图技术审查中心标准地图（审图号为GS(2019)1697号）制作,底图无修改。

Fig. 6 Spatial pattern of total carbon emissions

碳排放总量最大的省区是广东,高达221.37万t CO2e（原料、生产、利用阶段贡献比5:75:20）,其作为全国快递发货量最多、收货量最多、木材产量第二的省区,碳排放总量占全国总量21%;总排放量第2至4名的省区分别是浙江、江苏、山东,分别占比全国的15%,7%,5%,此3省均是全国快递收货量、发货量的2至4名,碳排放主要集中于生产、利用阶段,尤其生产阶段的排放贡献比均达0.55以上;第5名是广西,其主要碳排放量来源于原料阶段（贡献比为0.71）。总排放量最低的西藏,总排放量0.22万t CO2e（原料、生产、利用阶段贡献比47:39:14）,约为广东排放量的千分之一,全国排放量的0.02%。总排放最低的4个省区为西藏、青海、宁夏、新疆,均位于西部地区,其原料产量低、生产和利用快递纸箱的数量也较少,各阶段排放量均较少,以利用阶段的排放量为主,4省排放量之和不到6万t CO2e,全国占比低于0.2%;新疆3个阶段排放相对均衡（原料、生产、利用阶段贡献比27:36:37）,而宁夏、青海在利用阶段的排放贡献比达0.7以上。内蒙古、海南、甘肃3省的总排放量也相对较低,均为5万t CO2e左右,海南的原料阶段排放贡献比较大（0.44）,而内蒙古、甘肃则以利用阶段的排放为主。
其他各省区排放量差异不大,全国占比1%至4%不等。排放量大于20万t CO2e的省区包括福建、河南、河北、安徽、上海、北京、四川、湖北、湖南9个省区,其中安徽、湖南的生产和利用阶段的排放贡献比均在0.4至0.5之间,排放结构类型为“生产利用型”,其他7个省则为“生产驱动型”,生产阶段的排放贡献比高于0.5。排放量10至20万t CO2e的省区有10个,其中云南、贵州两个西南省区为“原料驱动型”,原料阶段的排放贡献比分别为0.4和0.25;江西生产利用排放相当,为“生产利用型”,而东北三省（黑龙江、吉林、辽宁）以及陕西、重庆、天津、山西则为“利用驱动型”,利用阶段的排放贡献比大于0.5。对各省区的排放结构进行类型划分,如表4所示。
表4 各省区排放结构分类

Tab. 4 Classification of emission structure of each provincial-level region

排放量
(万t CO2e)		 原料驱动型 生产驱动型 生产利用型 利用驱动型 均衡型
>50
广西
广东 浙江 江苏、山东
(20,50] 福建 河南 河北上海 北京 四川 湖北 安徽 湖南
(10,20]
 云南 贵州
天津
江西
辽宁 陕西 重庆
黑龙江 吉林 山西
(3,10] 海南 内蒙古 甘肃
≤3 西藏 宁夏 青海 新疆

注：原料驱动型在原料阶段的碳排放贡献占比（以下简称占比）大于0.25,生产驱动型在生产阶段占比大于0.5,利用驱动型在利用阶段占比大于0.5,生产利用型在生产、利用阶段占比均在0.4至0.5之间,均衡型在原料、生产、利用阶段均占比在0.25至0.4之间。

4 碳转移网络分析

4.1 碳转移量空间格局

由表3、图7可以看出,整体而言,隐含碳净流出的省区较少,只有7个（浙江、广东、广西、江苏、上海、福建、西藏）,且多集中在东南沿海地区;其他24个省区均净流入隐含碳,且流入量呈现出东多西少的格局。碳排放净转移的总量为194.66万t,占7个净流出省区总量的33.21%,即这7个省区约1/3的碳排放最终是用于其他省区消费者的。
图7 碳转移净流量空间格局

注：该图基于自然资源部地图技术审查中心标准地图（审图号为GS(2019)1697号）制作,底图无修改。

Fig. 7 Spatial pattern of net flow of embodied carbon transfer

其中,浙江、广东的净流出量最大,分别为83.26、71.52万t CO2e,分别承担了43%、37%的净转移。浙江虽然总排放量第2,但净转移量却高过了广东,主要原因是浙江快递收货量仅是广东的一半左右,且浙江和西藏是唯二的、碳排放用于其他区域消费者多于用于本地的省区。广东本地消费者数量庞大,因而净转移量略低于浙江,用于其他区域和本地的比例约为1:2。广西的净流出量为20.71万t CO2e,主要是由于承担了全国高比例的原料碳排放。江苏、上海、福建也是隐含碳净流出的省区,主要原因也是生产阶段为其他区域承担的碳排放,高于本地消费者应承担的碳排放。
其他24个省区均为隐含碳净流入,即本地消费者应承担的电商快递包装箱碳排放,多于本地的实际排放。其中,净流入量最大的是北京,达18.54万t CO2e,占本应排放量的35%左右;排名第2的安徽的净流入量也达14.67万t CO2e,占本应排放量的28%;这两个省区均是快递收货量大区（收货量排名6、7）,消费者数量众多,无形之中将本应承担的碳排放转移至其他省区。辽宁、陕西、湖南、四川、贵州、河南、黑龙江、重庆8省的净流入量也较大,均在10万t CO2e以上。净流入量相对较少的省区有新疆、河北、海南,均少于1.5万t CO2e。相较隐含碳流出而言,流入的省区间差异更小,集中度更低。

4.2 快递流的隐含碳转移网络格局

由上,电商快递包装箱在省域尺度的隐含碳转移总体特征为,少数省区净流出,多数省区净流入,即由少数省区承担了大部分碳排放。生产-利用阶段的省区间隐含碳转移,可以基于快递发货-收货的网络格局展开分析。
4.2.1 隐含碳转移网络格局 经测算,各省区内部快递量总占比约15.45%,即约84.55%的隐含碳排放通过快递在省区间转移。通过Gephi软件绘制各省区间电商快递包装箱隐含碳排放转移网络,如图8所示。整体而言,省区间碳转移递连接数较多,网络密度达92.8%,仅西藏和少数省区间无连接,其他省区间均有连接,即几乎所有省区间均有隐含碳转移。其中,单向连接仅有67条,主要集中于西藏、海南、新疆,其他省区间均为双向连接。虽然连接数众多,但各连接的流量差异较大,东南部省市间碳排放双向连接数量多、流量大,区域组团特征明显,区域内部流量大、外部流量小;东北、西部地区网络连接数少、区域内部和外部无明显差异,流入流量大、流出流量小。
图8 隐含碳排放转移网络

Fig. 8 Network of embodied carbon emission transfer

具体到省区对而言,浙江至广东的隐含碳转移量最多,达1.49万t CO2e,占所有隐含碳转移2.8%;第二大的是广东至浙江的隐含碳转移量,达1.00万t CO2e,占比1.9%,浙江、广东间的流量和也是所有省区对间最大的。除此之外,隐含碳转移量前10的省区对均由广东或浙江发出,还包括广东-山东、浙江-江苏、广东-北京、浙江-山东、广东-河南、浙江-河南、广东-江苏、广东-安徽这8组,此前10的隐含碳转移量占隐含碳转移总量的6.86%,是隐含碳转移网络的骨干。从首位度而言,各省区的最大流入量均来自于广东或浙江,广东为22个省区的首位流入量来源地,浙江为9个省区的首位流入量来源地。与此同时,全国25个省区的首位流出量目的地也均为广东,主要来自于浙江、江苏、福建、山东等省区。快递量小于的1000物流集中于西藏、青海、宁夏、新疆、甘肃、海南、内蒙古与其他绝大多数省区之间,这些省区所连接的快递网络十分稀疏,全国影响范围及影响力均较弱。
4.2.2 净转移网络格局 对省区对而言,隐含碳排放转移是双向的,但最终净流量的方向,才能判定最终哪方更多承担了对方的消费者责任碳排放。经测算,净流量总量为24.81万t CO2e,约占包装箱总排放的24%。绘制各省区间电商快递包装箱隐含碳排放净转移网络,如图9所示。整体而言,净转移网络呈现出更加明显的“轴辐式”网络结构：即形成了以少量省区为轴核心,向其他省区形成辐射,圆弧方向相同（流出为顺时针方向的圆弧、流入为逆时针）的网络结构。最明显的轴心依然是东南沿海的浙江、广东、江苏,其流向多为净流出,且连接多、流量大,辐射距离远;在上海、福建、河北、山东也形成了流量略小的净流出轴辐,围绕这六个省区形成了净转移网络的骨干。随着向西部、北部推移,网络的连接数和流量都在减少,到西北地区已呈现出简单的散射状分布特征。此外值得注意的是,除了净流出形成了“轴辐式”结构,围绕着贵州、甘肃、宁夏、青海、内蒙古,也形成了流量较小的净流入的“轴辐式”结构,主要因为这些省区发往其他省区的快递量较少。
图9 隐含碳排放净转移网络

Fig. 9 Net transfer network of embodied carbon emissions

结合在生产-利用阶段,各省区的本地消费者“本应排放”,分析典型省区的流量构成,如图10所示。广东和浙江为生产-利用阶段隐含碳净转出最大省。具体来看,浙江（图10a）对其他所有省区均为隐含碳净流出,且碳排放中总量的大部分（56.6%）用于其他省区的消费者,自身本应排放量占比43.4%,其他隐含碳排放主要流向山东（3.9%）、河南（3.9%）、四川（3.5%）、安徽（3.5%）、江苏（3.4%）、北京（3.2%）等地。广东（图10b）除了对浙江是隐含碳净转入外,对其他所有省区均为隐含碳净转出,但自身本应排放量占较大比例,达63.8%,其他36.2%的隐含碳排放主要流向山东（2.9%）、北京（2.9%）、河南（2.4%）、安徽（2.3%）、四川（2.1%）等地。其他净流出省区用于自身本应的碳排放比例相对较高,均在75%以上。
图10 典型省区碳排放区域构成解析

Fig. 10 Analysis of regional composition of carbon emissions in typical provinces

净流入的省区中,具有典型性的是北京和贵州。北京（图10c）的本应碳排放中,71.4%来源于本地,且连接数较少,仅有9个省区净流入北京,其中大部分来源于广东（11.5%）和浙江（9.0%）,其他7省江苏（2.8%）、河北（2.0%）、上海（1.2%）、福建（1.1%）、天津（0.5%）、山东（0.3%）、河南（0.1%）等共流入8.1%,整体区域构成结构较为简单。相较而言,贵州的结构（图10d）则比较复杂,本应排放中的本地来源仅占43.0%,其他1/3左右来源于浙江（16.1%）和广东（14.7%）,还有26.2%则广泛来源于其他26个省区,呈现出典型的“长尾”特征。

5 结论与讨论

5.1 结论

由上,本研究的核心结论为：
（1）电商快递包装箱碳排放各阶段的空间分解,在中国呈现出高度集聚的特征。包装箱全生命周期可以分解为原料、生产、利用三个阶段,并以木材产地、快递发货地、快递收货地对其进行空间分解。中国木材产地主要集中在广西,而快递收发地均集中在广东、浙江、江苏,首位度均较高,且呈现出“东多西少、南多北少”的空间特征。
（2）电商快递包装箱碳排放总量在空间上相对集中,排放量较高的省区多由生产驱动,排放量越少的省区则利用驱动越明显。广东、浙江、江苏、山东、广西5省排放量最大,除广西是原料驱动型,其他4省均是生产驱动型。海南、内蒙古及西北地区排放量相对较少,多为利用驱动。安徽、湖南、江西3省的生产和利用驱动比例相对均衡。
（3）电商快递包装隐含碳转移呈现出“少数净流出、多数净流入”的“轴辐式”结构特征。浙江、广东两省承担了80%左右的净流出,是绝大多数省区隐含碳流入的最大来源地,尤其浙江对所有省区都是净流出。北京是净流入量最大的省区,占全国净流入的9.5%左右,主要由广东、浙江、江苏、河北流入。流入贵州的省区数量最多,除海南、西藏外,其他省区都有隐含碳净流入贵州。

5.2 讨论

（1）碳排放责任辨析。伴随电商快递包装箱的隐含碳流,发货地承担了更多的碳排放,而这部分碳排放责任,本应由消费者承担。这部分碳排放的比例并不低,在国内省际间净转移量约占快递包装箱碳排放总量的1/4。伴随跨境电商的发展,中国发往全球的跨境包裹在全球份额达40%左右,远高于广东、浙江占全国的比例,中国所承担的他国碳排放量只会更大,已经成为不可忽视的因素。当前碳排放责任的划定主要是基于直接碳排放,建议管理者在划定区域环境责任、制定排放政策时,应将隐含碳纳入评估,使得决策更具公平性;建立基于消费责任视角的碳排放责任划定、由收货地对发货地进行隐含碳对应的生态补偿机制;在国际碳排放责任划定中勇敢发声,强调跨境电商发货地消耗自身资源环境对全球经济的贡献。
（2）绿色包装的减排贡献。快递包装箱制造在中国行业分类中属于2239其他纸制品制造,这个已细化至四级门类（共1382个四级门类）且被归为“其他”的行业,看似不起眼,实则碳排放的比例已占全国总排放约0.1%,且和社会生产生活的联系愈发紧密。事实上,中国邮政快递业已经在绿色包装上有所突破,如电子运单已于2019年实现全覆盖。对于电商快递包装箱而言,废纸回收再生产虽然能够一定程度上解决原料短缺的问题,但其制造过程依然耗能巨大。建议进一步减排更多应从制造环节优化、包装用料减量、配送过程放损坏、环境友好新材料新材料、仓储运输新技术、最大限度增加循环利用、建立“生态责任包装”制度等方面寻求突破。
（3）新兴消费业态的碳排放关注。电商是新兴消费业态的一个代表,共享式消费、在线教育培训等发展同样迅猛,已逐步成为主流生活方式,尤其中国在世界范围内位于发展前列。正如电商发展初期被普遍认知其是“低碳”的一样,新兴业态虽然普遍被认为减少了出行、提升了资源利用效率,但对其伴随的“新排放”,学界也应敏锐捕捉。信息技术发展带来的时空压缩、时空异位,是经济地理学解读的重要角度,也是经济地理学对此类问题研究的独特优势。建议政府、学者、社会各界提升对新兴消费业态的碳排放关注,及时发现可能存在的碳排放隐患,尤其是数据运算量指数增长、虚拟货币“挖矿”强耗电等;在产业层面建立管控措施,在生活层面建立“消费碳信用额度”制度等,引导低碳的新兴业态生产、生活方式。
综上,本研究通过对电商快递物流包装箱的碳足迹进行空间分解,讨论了各环节的排放区位,以及隐含碳在区域间的流动特征,以期为碳排放责任辨析决策、绿色包装的减排贡献提供理论支撑,为新兴消费业态的碳排放关注抛砖引玉。
致谢：真诚感谢匿名评审专家在论文评审中所付出的时间和精力,评审专家对本研究的理论辨析、研究方法阐述、文字表达等方面提出了宝贵的修改意见,使本文更加充实完善,作者受益匪浅,在此表示衷心感谢！

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
商务部电子商务和信息化司. 中国电子商务报告2019. 北京: 中国商务出版社, 2020: 2-8.

[Department of Electronic Commerce and Information. E-commerce in China 2019. Beijing: China Commerce and Trade Press, 2020: 2-8.]

[2]
碳阻迹公司. 中国电子商务企业温室气体排放总量研究报告. https://www.carbonstop.net/reports, 2021-05-23.

[Canbonstop Corporation. The GHG emmisions of e-commerce enterprises in China. https://www.carbonstop.net/reports, 2021-05-23.]

[3]
刘卫东. “中国碳达峰研究”专栏序言. 资源科学, 2021, 43(4):637-638.

[ Liu Weidong. Preface to the column of research on carbon peak in China. Resources Science, 2021, 43(4):637-638.]

[4]
Edwards J B, Mckinnon A . Shopping trip or home delivery: Which has the smaller carbon footprint?. Logistics & Transport Focus, 2009, 11(7):20-24.

[5]
杨会菊. 基于低碳经济的电子商务服务提供商物流配送问题的研究. 物流技术, 2012, 31(15):314-315.

[ Yang Huiju. Study on e-commerce service provider distribution problem based on low-carbon economy. Logistics Technology, 2012, 31(15):314-315.]. DOI: 10.3969/j.issn.1005-152X.2012.08.104.

DOI

[6]
Dekkera R, Mallidis I. Operations research for green logistics: An overview of aspects, issues, contributions and challenges. European Journal of Operational Research, 2012, 219(3):671-679. DOI: 10.1016/j.ejor.2011.11.010.

DOI

[7]
侯旭晖. 低碳经济下的中小型茶企业电子商务物流新模式研究. 福建茶叶, 2016, 38(9):66-67.

[ Hou Xuhui. Research on the new e-commerce logistics mode of small and medium-sized tea enterprises under the low carbon economy. Tea in Fujian, 2016, 38(9):66-67.]. DOI: 10.3969/j.issn.1005-2291.2016.09.042.

DOI

[8]
Suzuki Y. A dual-objective metaheuristic approach to solve practical pollution routing problem. International Journal of Production Economics, 2016, 176(6):143-153. DOI: 10.1016/j.ijpe.2016.03.008.

DOI

[9]
刘苏奕, 吴思思, 王欣妍, 等. 电商快递包装垃圾造成的污染及回收方案研究: 以北京为例. 现代商业, 2019, 14(15):33-34.

[ Liu Suyi, Wu Sisi, Wang Xinyan, et al. Research on pollution caused by express packaging waste from e-commerce and recycling scheme: A case study of Beijing. Modern Business, 2019, 14(15):33-34.].DOI: 10.14097/j.cnki.5392/2019.15.013.

DOI

[10]
魏传立, 宗维佳. 黑龙江省快递包装污染问题治理研究. 经济研究导刊, 2021, 17(8):48-50.

[ Wei Chuanli, Zong Weijia. Study on pollution control of express package in Heilongjiang province. Economic Research Guide, 2021, 17(8):48-50.]. DOI: 10.3969/j.issn.1673-291X.2021.08.015.

DOI

[11]
Kang P, Song G, Chen D, et al. Characterizing the generation and spatial patterns of carbon emissions from urban express delivery service in China. Environmental Impact Assesment Review, 2020, 80(1):1-10. DOI: 10.1016/j.eiar.2019.106336.

DOI

[12]
王玉燕, 梁佳平, 申亮, 等. 电商平台公平关切下低碳E-CLSC的决策研究. 中国管理科学, 2021, 29(4):115-125.

[ Wang Yuyan, Liang Jiaping, Shen Liang, et al. Research on the decision-making of low-carbon E-CLSC under fairness concern of e-commerce platform. Chinese Journal of Management Science, 2021, 29(4):115-125.]. DOI: 10.16381/j.cnki.issn1003-207x.2018.0761.

DOI

[13]
Song L, Cherrett T, Mcleod F, et al. Addressing the last mile problem: The transport impacts of collection/delivery points. Transportation Research Record Journal of the Transportation Research Board, 2009, 2097(1):9-18. DOI: 10.3141/

DOI

2097-02.

[14]
Palsson H, Pettersson F, Hiselius L W. Energy consumption in e-commerce versus conventional trade channels: Insights into packaging, the last mile, unsold products and product returns. Journal of Cleaner Production, 2017, 164(15):765-778. DOI: 10.1016/j.jclepro.2017.06.242.

DOI

[15]
薛星群, 王旭坪, 詹林敏. 电子商务物流最后一公里配送的碳排放研究. 运筹与管理, 2019, 28(12):118-123.

[ Xue Xingqun, Wang Xuping, Zhen Linmin. Study on the carbon emission of e-logistics "Last Mile" delivery. Operations Research and Management Science, 2019, 28(12):118-123.]. DOI: 10.12005/orms.2019.0280.

DOI

[16]
Dost F, Maier E. E-commerce effects on energy consumption: A multi-year ecosystem-level assessment. Journal of Industrial Ecology, 2017, 22(4):1-14. DOI: 10.1111/jiec.12639.

DOI

[17]
邢宝平, 吕梦圆, 金培权, 等. 面向绿色数据中心的能耗有效查询优化技术. 计算机研究与发展, 2019, 56(9):1821-1831.

[ Xing Baoping, Lv Mengyuan, Jin Peiquan, et al. Energy-efficiency query optimization for green datacenters. Journal of Computer Research and Development, 2019, 56(9):1821-1831.]. DOI: 10.7544?issn1000-1239.2019.20180670.

DOI

[18]
Anusooya G, Vijayakumar V, Narayanan V N. Reducing the carbon emission by early prediction of peak time load in a data center. Journal of Intelligent and Fuzzy Systems, 2019, 36(3):1-8. DOI: 0.3233/JIFS-169990.

DOI

[19]
那军, 耿译航, 蒋莹, 等. 快递员痰液和鼻腔冲洗液中微塑料污染分析. 中国公共卫生, 2021, 37(3):451-454.

[ Na Jun, Geng Yihang, Jiang Ying, et al. Microplastics detected in sputum and nasal lavage fluid of couriers. Chinese Journal of Public Health, 2021, 37(3):451-454.]. DOI: 10.11847/zgggws1134512.

DOI

[20]
Rees W E. Ecological footprint and appropriated carrying capacity: What urban economics eaves out. Environment and Urbanization, 1992, 4(2):121-130. DOI: 10.1177/095624789200400212.

DOI

[21]
Wackernagel M, Rees W E. Our Ecological Footprint: Reducing Human Impact on the Earth. Gabriola Island: New Society Publishers, 1996: 36.

[22]
方恺. 足迹家族:概念、类型、理论框架与整合模式. 生态学报, 2015, 35(6):1647-1659.

[ Fang Kai. Footprint family: Concept, classification, theoretical framework and integrated pattern. Acta Ecologica Sinica, 2015, 35(6):1647-1659.]. DOI: 10.5846/stxb201305211128.

DOI

[23]
英国标准协会. PAS2050:2008 商品和服务在生命周期内的温室气体排放评价规范. https://www.bsigroup.com/zh-CN/pas-2050, 2021-05-23.

[British Standards Institution. PAS2050: 2008Specification for the assessment of greenhouse gas emissions during the life cycle of goods and services. https://www.bsigroup.com/zh-CN/pas-2050, 2021-05-23.]

[24]
Patricia V L, Deketele L, Dewaele J, et al. A comparative analysis of carbon emissions from online retailing of fast moving consumer goods. Journal of Cleaner Production, 2015, 106(1):478-486. DOI: 10.1016/j.jclepro.2014.06.060.

DOI

[25]
Sadegh S, Zoran J N, Steinmann L T, et al. Comparative greenhouse gas footprinting of online versus traditional shopping for fast-moving consumer goods: A stochastic approach. Environmental Science & Technology, 2020, 54(6):3499-3509. DOI: 10.1021/acs.est.9b06252.

DOI

[26]
Carling K. Measuring transport related CO2 emissions induced by online and brick-and-mortar retailing. Transportation Research Part D: Transport and Environment, 2015, 40(10):28-42. DOI: 10.1016/j.trd.2015.07.010.

DOI

[27]
碳阻迹公司. 中国线上线下购物温室气体排放对比研究报告.https://www.carbonstop.net/reports, 2021-05-23.

[Canbonstop Corporation. The GHG emmisions of shopping: E-commerce & bricks and mortar in China. https://www.carbonstop.net/reports, 2021-05-23.]

[28]
Kang P, Song G, Xu M, et al. Low-carbon pathways for the booming express delivery sector in China. Nature Communications, 2021, 12(1):1-7. DOI: 10.1038/s41467-020-20738-4.

DOI

[29]
Duan H, Song G, Qu S, et al. Post-consumer packaging waste from express delivery in China. Resources, Conservation and Recycling, 2019, 144(1):137-143. DOI: 10.1016/j.resconrec.2019.01.037.

DOI

[30]
Yi Y, Wang Z, Wennersten R, et al. Life cycle assessment of delivery packages in China. Energy Procedia, 2017, 105:3711-3719. DOI: 10.1016/j.egypro.2017.03.860.

DOI

[31]
沈鸿锴. 中国对外贸易隐含碳排放及区域间碳转移问题研究, 上海: 复旦大学硕士学位论文, 2014: 12-14.

[ Shen Hongkai. Embodied carbon in trade: Evidence from China. Shanghai: Master Dissertation of Fudan University, 2014: 12-14.]

[32]
张晓平, 王兆红, 孙磊. 中国钢铁产品国际贸易流与碳排放跨境转移. 地理研究, 2010, 29(9):1650-1658.

DOI

[ Zhang Xiaoping, Wang Zhaohong, Sun Lei. Carbon dioxide emission embodied in the international trade flows of iron and steel commodities of China: From the perspective of intra-industry trade. Geographical Research, 2010, 29(9):1650-1658.]

DOI

[33]
唐志鹏, 刘卫东, 公丕萍. 出口对中国区域碳排放影响的空间效应测度: 基于1997-2007年区域间投入产出表的实证分析. 地理学报, 2014, 69(10):1403-1413.

DOI

[ Tang Zhipeng, Liu Weidong, Gong Peiping. Measuring of Chinese regional carbon emission spatial effects induced by exports based on Chinese multi-regional input-output table during 1997-2007. Acta Geographica Sinica, 2014, 69(10):1403-1413.]. DOI: 10.11821/dlxb201410001.

DOI

[34]
姚秋蕙, 韩梦瑶, 刘卫东. “一带一路”沿线省区隐含碳流动研究. 地理学报, 2018, 73(11):2210-2222.

DOI

[ Yao Qiuhui, Han Mengyao, Liu Weidong. Tracking embodied carbon flows in the Belt and Road regions. Acta Geographica Sinica, 2018, 73(11):2210-2222.]. DOI: 10.11821/dlxb201811012.

DOI

[35]
石敏俊, 王妍, 张卓颖, 等. 中国各省区碳足迹与碳排放空间转移. 地理学报, 2012, 67(10):1327-1338.

[ Shi Minjun, Wang Yan, Zhang Zhuoying, et al. Regional carbon footprint and interregional transfer of carbon emissions in China. Acta Geographica Sinica, 2012, 67(10):1327-1338.]. DOI: 10.11821/xb201210004.

DOI

[36]
廖双红, 肖雁飞. 污染产业区域间转移与中部省区碳转移空间特征及启示. 经济地理, 2017, 37(2):132-140.

[ Liao Shuanghong, Xiao Yanfei. Pollution industry transfer and carbon transfer space characteristic in midland of China. Economic Geography, 2017, 37(2):132-140.]. DOI: 10.15957/j.cnki.jjdl.2017.02.018.

DOI

[37]
钟章奇, 吴乐英, 陈志建, 等. 区域碳排放转移的演变特征与结构分解及减排对策分析: 以河南省为例. 地理科学, 2017, 37(5):773-782.

DOI

[ Zhong Zhangqi, Wu Leying, Chen Zhijian, et al. Evolution characteristics and structural decomposition of regional carbon emission transfer and implications for carbon-reduction policy: Taking Henan province as an example. Scientia Geographica Sinica, 2017, 37(5):773-782.]. DOI: 10.13249/j.cnki.sgs.2017.05.015.

DOI

[38]
王少剑, 黄永源. 中国城市碳排放强度的空间溢出效应及驱动因素. 地理学报, 2019, 74(6):1131-1148.

DOI

[ Wang Shaojian, Huang Yongyuan. Spatial spillover effect and driving forces of carbon emission intensity at city level in China. Acta Geographica Sinica, 2019, 74(6):1131-1148.]. DOI: 10.11821/dlxb201906005.

DOI

[39]
刘贤赵, 高长春, 张勇, 等. 中国省域碳强度空间依赖格局及其影响因素的空间异质性研究. 地理科学, 2018, 38(5):681-690.

DOI

[ Liu Xianzhao, Gao Changchun, Zhang Yong, et al. Spatial dependence pattern of carbon emission intensity in China's provinces and spatial heterogeneity of its influencing factors. Scientia Geographica Sinica, 2018, 38(5):681-690.]. DOI: 10.13249/j.cnki.sgs.2018.05.005.

DOI

[40]
程叶青, 王哲野, 张守志, 等. 中国能源消费碳排放强度及其影响因素的空间计量. 地理学报, 2013, 68(10):1418-1431.

DOI

[ Cheng Yeqing, Wang Zheye, Zhang Shouzhi, et al. Spatial econometric analysis of carbon emission intensity and its driving factors from energy consumption in China. Acta Geographica Sinica, 2013, 68(10):1418-1431.]. DOI: 10.11821/dlxb201310011.

DOI

[41]
郭忻怡, 闫庆武, 谭晓悦, 等. 基于DMSP/OLS与NDVI的江苏省碳排放空间分布模拟. 世界地理研究, 2016, 25(4):102-110.

[ Guo Xinyi, Yan Qingwu, Tan Xiaoyue, et al. Spatial distribution of carbon emissions based on DMSP/OLS nighttime light data and NDVI in Jiangsu province. World Regional Studies, 2016, 25(4):102-110.]. DOI: 10.3969/j.issn.1004-9479.2016.04.012.

DOI

[42]
高鸣, 宋洪远. 中国农业碳排放绩效的空间收敛与分异. 经济地理, 2015, 35(4):142-148, 185.

[ Gao Ming, Song Hongyuan. Dynamic changes and spatial agglomeration analysis of the Chinese agricultural carbon emissions performance. Economic Geography, 2015, 35(4):142-148, 185.]. DOI: 10.15957/j.cnki.jjdl.2015.04.020.

DOI

[43]
国家邮政局. 2020 年邮政行业发展统计公报. https://www.mot.gov.cn/tongjishuju/youzheng/202105/t20210519_3594476.html, 2021-05-24.

[State Post Bureau of The People's Repubic of China. Statistical bulletin on the development of the postal industry in 2020. https://www.mot.gov.cn/tongjishuju/youzheng/202105/t20210519_3594476.html, 2021-05-24.]

[44]
韵达控股股份有限公司. 韵达股份:2020. http://data.eastmoney.com/notices/detail/002120/AN202104291488672185.html, 2021-05-24.

45
[ Yunda Holding Co., Ltd. Yunda Holding Co., Ltd.:Annual report for 2020. Ltd. Yunda Holding Co., Ltd.:Annual report for 2020. http://data.eastmoney.com/notices/detail/002120/AN202104291488672185.html, 2021-05-24.]

[45]
中国互联网络信息中心. 网民量中国互联网络发展状况统计报告. http://www.cnnic.net.cn/hlwfzyj/hlwxzbg, 2021-05-24.

[China Internet Network Information Center. Statistical reports on internet development in China. http://www.cnnic.net.cn/hlwfzyj/hlwxzbg, 2021-05-24.]

[46]
武钰淳, 付天琴, 薛亮. 基于碳足迹的快递包装研究. 现代工业经济和信息化, 2017, 7(20):45-47.

[ Wu Yuchun, Fu Tianqin, Xue Liang. Research on express packaging based on carbon footprint. Modern Industrial Economy and Informationization, 2017, 7(20):45-47.]. DOI: 10.16525/j.cnki.14-1362/n.2017.20.18.

DOI

[47]
袁奇. 运输包装的碳足迹计算. 印刷技术, 2013, 57(10):34-35.

[ Yuan Qi. Carbon footprint calculation of transport packaging. Printing technology, 2013, 57(10):34-35.]

[48]
张清文, 陈曦. 100% OCC生产的箱纸板碳足迹评价. 中国造纸, 2015, 34(3):20-24.

[ Zhang Qingwen, Chen Xi. Evaluation of carbon footprint of 100% OCC cardboard. China Paper, 2015, 34(3):20-24.]. DOI: 10.11980/j.issn.0254-508X.2015.03.005.

DOI

[49]
Eriksson E, Karlsson P E, Hallberg L, et al. Carbon Footprint of Cartons in Europe. Stockholm: IVL Swedish Environmental Research Institute Ltd., 2010: 3-39.

[50]
锐观网. 瓦楞纸箱行业概述及发展趋势分析. https://www.reportrc.com/article/20200402/5704.html, 2021-05-23.

[Reportrc.com. Corrugated box industry overview and development trend analysis. https://www.reportrc.com/article/20200402/5704.html, 2021-05-23.]

[51]
中国造纸学会. 中国造纸年鉴2020.北京: 中国轻工业出版社, 2020.

[China Technical Association of Paper Industry. China Papermaking Yearbook: 2020. Beijing: China Light Industry Press, 2020.]

[52]
人民日报. 1年300亿个快递包裹纸箱回收率不到20%. http://www.nbd.com.cn/articles/2016-11-14/1052645.html, 2021-05-23.

[ People's Daily. 30 Billion packages a year, the recovery rate of cartons is less than 20%.http://www.nbd.com.cn/articles/2016-11-14/1052645.html, 2021-05-23.]

[53]
陈水合. 我国木材加工业促进林业生态发展. 中国人造板, 2019, 26(8):36-39.

[ Chen Shuihe. Wood processing industry promotes forestry ecological development in China. China Wood based Panel, 2019, 26(8):36-39]. DOI: 10.3969/j.issn.1673-5064.2019.08.010.

DOI

[54]
阿里研究院. 2020 中国淘宝村研究报告. https://baijiahao.baidu.com/s?id=1681041947207037125, 2021-05-23.

[AliResearch. 2020 Research report on Taobao villages in China. https://baijiahao.baidu.com/s?id=1681041947207037125, 2021-05-23.]

Options
文章导航

/

〈 〉