基于碳排放与经济关联的完全碳排放强度重新测度

北京大学环境科学与工程学院, 北京 100871; †通信作者, E-mail: qiwang@pku.edu.cn

摘要尽管已有研究在测度完全碳排放强度时已经考虑了省际间的碳排放关联, 但由于忽视经济关联, 可能导致测算结果出现偏差。基于该问题, 同时考虑区域间碳排放与经济的双重关联, 使用区域间投入产出模型, 重新测度 2010 和 2015 年中国省际完全碳排放强度, 并分析其时空演变特征。结果表明, 从时间变化看, “十二五”期间我国碳减排成效显著, 各地区完全碳排放强度平均降低 26.25%; 从空间分布看, 2010 和 2015 年, 完全碳排放强度最高的地区分别为山西和内蒙古, 最低的地区均为北京; 但是, 从对外带动强度看, 内蒙古不仅低于北京, 也显著低于全国平均水平。与直接碳排放强度和按照传统方法测算的完全碳排放强度相比, 考虑碳排放与经济双重关联的完全碳排放强度测算和使用, 不但可以避免隐含碳问题对强度测度的干扰, 同时能够实现碳排放控制从属地范围向属地行为约束的转变, 有助于实现全国整体的碳排放控制目标。

关键词 完全碳排放强度; 碳排放关联; 经济关联; 区域间投入产出模型

CO2 等温室气体排放引起的全球气候变暖已成为各国共同关注的问题。2009 年中国政府承诺, 到2020 年, 碳排放强度比 2005 年下降 40%～45%[1–2]; 2015 年进一步明确, 要力争达到 45%的上沿目标, 承诺 2030 年我国碳排放总量达到峰值, 并争取尽早达峰[3]。为实现减排承诺, “十二五”及“十三五”规划纲要分别制定了全国碳排放强度下降17%和 18%的约束性目标, 其中各地区承担不同的碳排放强度下降任务。这种基于属地范围管理的控制机制虽能在某种程度上激励各地区提升碳排放效率, 但也有可能加剧区域间碳转移[4]。一些地区为实现经济收益和碳减排目标, 在减少高碳产品本地生产的同时却增加外地调入, 通过将碳排放“转移”至其他省份来满足本地需求, 导致出现“隐含碳”问题, 表面上实现了碳减排目标, 实际上却增加了其他地区的减排负担, 阻碍全国整体的碳排放控制[5]。

随着国内产业分工体系的完善和省际贸易规模的扩大, 地区间关联对碳排放的影响愈发显著[6–7], 仅凭借基于属地范围的传统碳排放强度核算方法, 难以准确地揭示各地区的碳排放强度特征及其对全国碳排控制成效的影响。为回应这一问题, 学者们提出基于地区间碳排放关联的“完全碳排放强度”概念, 该类研究主要基于 Leontief 模型测度各地区、各行业的完全碳排放量, 并以之为分子, 再将各地区、各行业自身的最终需求量作为分母, 两者相比, 得出完全碳排放强度, 也称为消费侧完全碳排放强度[8–9]。与直接碳排放强度的测算相比, 该方法借助 Leontief 模型, 考虑了地区间碳排放关联, 从而部分地解决了“隐含碳”问题对强度测度的影响。一些学者还借助 Ghosh 模型改进上述方法, 从而得到收益侧完全碳排放量, 并将其与各地区、各行业的增加值相除, 得出收益侧完全碳排放强度, 尝试以此揭示地区间产业分工结构差异对碳排放强度的影响[10–13]。

尽管现有研究在测算完全碳排放强度时, 已经纳入碳排放关联, 考虑了部分省际带动作用的影响, 但较少考虑地区最终需求间的经济关联。因此, 将基于属地行为的碳排放量与基于属地范围的最终需求直接相比, 得出的完全碳排放强度可能存在偏差, 在一定程度上缺乏现实意义。因此, 有必要改进现有方法, 在考察碳排放与经济双重关联的基础上, 重新测度和分析各地区完全碳排放强度及碳排放控制成效, 揭示其对全国碳排放控制效果的影响, 为我国实施地区差异化的碳减排策略提供参考依据。

1 研究方法与数据来源

1.1 研究方法

本文主要运用多地区投入产出模型进行研究。首先核算 r 地区直接碳排放量 width=65.55,height=15.6

, 其中

为 r 地区 i 行业的直接碳排放量。其他计算公式如表 1 所示。

根据 Munksgaard 等[14]的研究, Emcr 为 r 地区的完全碳排放量(也称消费者原则碳排放量), 指 r 地区单位最终需求导致的全国碳排放总量; er 为 r 地区碳排放系数, 指 r 地区单位总产出对应的碳排放量, 有 er=Emcr/Xr, 其中 Xr 为 r 地区的总产出, 为 r 地区所有行业总产出之和; L=(I‒a)‒1为列昂惕夫逆矩阵(Leontief Inverse)[15], I 为单位矩阵, a 为直接消耗系数矩阵, 有 a = zrs/Xs, zrs 为 r 地区供应 S 地区的中间需求量, Leontief 逆矩阵中的各元素 lsr (也称完全消耗系数), 指 S 地区为供应一单位 r 地区的最终需求而产生的总产出数量; Yr 为 r 地区的最终需求。emcr为 r 地区的隐含碳带动量, 指 r 地区的最终需求所带动的 r 地区以外其他地区的碳排放量, 是 r 地区完全碳排放量的一部分, 令其占完全碳排放量比例为 ERr。CYr 为 r 地区的完全最终需求量, 指 r 地区单位最终需求所带动的所有地区最终需求量, yr为 r 地区的最终需求率, 有 yr=Yr/Xr; OCYr 为 r 地区的对外最终需求带动量, 指受 r 地区最终需求带动的各地区最终需求中 r 地区以外的其他地区部分, 是 CYr 的一部分, 令其占完全最终需求量比例为YRr。ERr 与 YRr 均用于描述 r 地区对其他地区的影响和依赖程度。

DEIr 为 r 地区的直接碳排放强度, 指 r 地区一个单位的最终需求对应的本地碳排放量。SEIr 为 r地区的传统完全碳排放强度, 指 r 地区一个单位的最终需求所带动的所有地区碳排放量。CEIr 为 r地区的完全碳排放强度, 指 r 地区的最终需求带动所有地区产生一个单位的最终需求时对应的碳排放量。OEIr 为 r 地区的对外带动强度, 指 r 地区最终需求带动其他地区产生一个单位的最终需求时产生的碳排放量, 用来描述各地区贸易关联结构的碳排放效率。

由上述分析可知, 虽然传统的完全碳排放强度将基于属地范围核算的直接碳排放量拓展为考虑碳排放关联的完全碳排放量, 但只对碳排放量进行处理, 对应的最终需求量却仍以基于属地范围的核算方式进行测度, 使得强度测算的分子与分母之间存在核算口径的差异。本文提出的完全碳排放强度测度方法则充分考虑地区间的碳排放和经济关联, 将碳排放强度的分子与分母同时由“属地化”处理为“完全化”, 是以属地行为而非属地范围为基准的强度测度方法。

1.2 数据说明

本文以刘卫东[16]和 Zheng 等[17]提出的中国多区域投入产出表为基础, 借鉴 Weber 等[18]的研究方法, 剔除竞争型投入产出表中的进口部分, 得到地区口径的 2010 和 2015 年中国 30 个地区(不包含香港、澳门、台湾和西藏)的非竞争型投入产出表。本文采用的碳排放量数据均来源于 CEADs (Chinese Emission Accounts and Datasets)数据库[19]。

2 结果与讨论

2.1 完全碳排放量核算及其变动分析

对我国 2010 和 2015 年各地区的直接碳排放量和完全碳排放量进行核算, 结果如图 1 所示。可以看出, 2010—2015 年我国碳排放总量由 79.86 亿吨升至 91.35 亿吨, 增加 14.39%。其中, 2010 年山东和河北直接碳排放量最高, 山东和江苏完全碳排放量最高, 广东和江苏隐含碳带动量最高。2015 年, 山东和河北直接碳排放量仍居全国前列, 江苏和广东完全碳排放量最高, 浙江、广东隐含碳带动量最高, 江苏则位列第三。由此可见, 部分直接碳排放量较大的地区对其他地区有较强的碳带动能力, 对全国碳排放总量具有重要影响。另一方面, 从 ER角度看, 北京的碳带动能力最突出, 其隐含碳带动量甚至高于本地碳排放量, 并且五年间两者的差异从 50.73%升至 94.83%, 带动能力进一步增强。相比之下, 青海和海南等地区各类碳排放量与碳排放带动能力均相对较小。

对各地区碳排放量的变动情况进行分析, 结果如图 2 所示。图中, 各排放量差值均为 width=8.4,height=7.2

E=E15‒E10; width=8.4,height=7.2

ER%指 ER 的变动率, width=8.4,height=7.2

ER%=100%Í(ER15‒ ER10)/ER10; 文中其他变量的变动率处理与之相同。可以发现, 不同地区三类碳排放量变动情况有所差异, 但总体上呈上升趋势。其中, 直接碳排放量仅云南、湖北、北京和上海有所下降, 完全碳排放量降低的是上海、山东和北京等 6 个地区。同时, 各地区完全碳排放量与直接碳排放量的差异有所扩大, 由 2010 年全国平均相差 21.13%升至 2015 年的24.97%, 大部分地区隐含碳带动量占完全碳排放量的比例也有所上升, 仅新疆、河北和吉林等 9 个地区下降。上述结果表明, “十二五”前后, 我国省际碳排放关联加强, 可能促进了碳排放总量升高, 对全国碳排放强度控制具有一定的负面影响。

各地区碳排放量变动情况也体现差异化的减排机理和产业发展特征。例如, 4 个直接碳排放量下降的地区, 除山东 ER 降低 3.68%外, 其他地区 ER均上升, 其中北京 width=8.4,height=7.2

ER%最大, 达 15.39%, 表明碳密集型产业的转出是驱动该类地区碳减排的主要因素, 而非由于本地生产技术水平的提升。此举不仅无益于实现全国减排目标, 反而可能推动国家整体碳排放增加。在产业发展特征方面, 2010 年海南完全碳排放量比直接碳排放量高0.25%, 五年后进一步升至 13.45%, 表明该地消费需求增长速度显著大于本地工业生产能力增速, 可能与其强化以旅游业为支柱产业的经济发展模式有关。相比之下, 辽宁2010 年时完全碳排放量比直接碳排放量低 0.60%, 2015 年降幅进一步扩大为 14.06%, 表明辽宁碳排放受外省拉动的程度加大, 更多地“承接”了外地“转出”的碳排放, 可能与辽宁以冶金和石化等产业为主的产业结构特征有关。

总而言之, 上述结果均表明我国地区间碳排放关联紧密, 且日趋加深, 对各地区碳排放规模的影响逐渐加大。随着我国地区间产业分工体系日趋成熟, 地区间关联还将加强, 并对我国碳排放格局产生重要影响, 是未来碳减排过程中不可或缺的考量因素。

2.2 完全最终需求量核算及其变动分析

基于地区间经济关联, 对各地区完全最终需求量进行核算和分析, 结果如图 3 所示。图中, Y 与CY 差异度为 100%Í(CY‒Y)/Y, 文中其他变量的差异度处理与之相同。2010—2015 年, 我国最终需求总量由 43.39 万亿元升至 68.09 万亿元, 增加 56.91%, 增速是碳排放量的 3.9 倍, 各地区平均对外最终需求带动量增加 85.26%, 是地区平均隐含碳带动量增速的 2.72 倍, 说明这一时期地区间经济关联大幅加强, 且增速显著大于碳排关联, 在一定程度上促进了我国碳排放强度控制目标的实现。

通过对 Y 与 CY 差异度进行分析, 揭示了各地区在经济关联中的主动特征和被动特征。具体来看, 2015 年内蒙古与陕西、浙江与重庆的 Y 分别相差−25.58%和−11.22%, CY 分别相差 23.59%和17.07%, 说明内蒙古和陕西经济发展动力相对较弱, 经济增长有赖于外地需求拉动, 在经济关联中较为被动, 而浙江和重庆经济带动能力较强, 有效地带动了全国经济增长, 在经济关联中处于相对主动的地位。

2010—2015 年最终需求变动分析结果显示, 我国各地区三类最终需求量均显著上升, 其中 OCY增长最快(平均增长 125.04%), CY 其次(平均增长74.01%), Y最小(平均增长 67.38%)。从地区层面上看, Y, CY 和 OCY 增速最快的均为重庆(164.89%, 235.81%和 451.93%), 可能与该地区先进制造业的不断发展壮大有关。近年来, 重庆已成为全球最大的笔记本电脑生产基地和亚洲最大的电子信息产品生产基地, 也是我国大型汽车生产基地之一, 逐步形成以汽车和电子制造等产业为支柱的先进制造业发展格局, 强劲的经济增长势头为本地区及全国碳排放强度控制提供了有力支撑。

YR 变动分析结果显示, 2010―2015 年各地区YR 平均增长 25.40%, 表明随着我国区域间产业分工体系逐渐成熟, 各地间经济关联逐步强化, 一地的 GDP 增长对其他地区经济发展的影响力有所增大, 各地经济发展也越来越依赖于其他地区的带动作用。尤其是近年来, 我国不断强调“充分发挥超大规模市场优势和内需潜力, 构建国内国际双循环的新发展格局”等发展战略, 激活内需以及完善国内市场已成为促进经济增长的重要手段。这意味着未来地区间经济关联将继续加深, 对地区碳排放强度的影响力也将不断加大。因此, 有必要加强相关研究, 并考虑将其纳入碳减排策略考量。

2.3 完全碳排放强度核算与分析

对 2010 和 2015 年地区直接碳排放强度和完全碳排放强度进行测度和分析, 结果如表 2 所示。2010 和 2015 年, 我国完全碳排放强度最高者为山西(4.93 吨/万元)和内蒙古(4.20 吨/万元), 直接碳排放强度和完全排放强度最低者均为北京(0.97 和0.70 吨/万元)。各地区完全碳排放强度间的最大差异在该时期扩大 20.79%, 至 2015 年最大相差 4.96倍。此外, 各地区的三类强度之间也具有显著的差异, 总体上呈现经济较落后地区 CEI 愈发低于DEI、经济较发达地区 CEI 愈发高于 DEI 的趋势。其中, 2010 年北京 CEI 比 DEI 高 99.59%, 宁夏 CEI比 DEI 低 14.74%, 2015 年两者分别扩大为 147.33%与 22.88%。这一结果表明, 省际关联对碳排放强度的影响愈发显著, 强度测度方式的选择将对各地碳排放特征刻画以及碳减排目标合理分配等发挥重要影响。同时, 地区贸易关联结构的低碳化改造也变得愈发重要, 是未来提升我国碳减排效率的重要途径。

进一步, 对各地 DEI, SEI 与 CEI 进行横向对比。2010 和 2015 年, 宁夏和内蒙古均为三类强度较高地区, 广东和北京则是三类强度较低地区, 依照三项强度对各地区进行排序分析也发现, 尽管位序有所变化, 但没有本质上的区别, 可见基于 3 种方法测算得出的强度较高地区在一定程度上具有一致性, 同时各地区强度的相对位序也比较稳定。这一结果可能由以下两方面原因造成。

第一, 由于我国地区间产业分工体系较为成熟, 经济较落后地区主要以高能耗、低附加值的产业为主, 使得地区整体碳排放量较高, 经济收益较低, 经济较发达地区则大多以低能耗、高附加值的新兴战略产业或高端制造业和服务业为主, 使得地区整体碳排放量较低, 经济收益较高, 因此 DEI, SEI 和CEI 三项强度较高与较低地区的变动不大。

以内蒙古和山东为例, 两地都具有较大的碳排放量, 但碳排放强度却相差悬殊。内蒙古完全碳排放强度比山东高 167.74%, 且这一差距随时间有所扩大。从地区产业特性看, 内蒙古是我国全国性能源供应基地及未来的世界级能源综合利用基地, 能源行业是其支柱行业之一。“十二五”时期, 内蒙古超过山西成为我国第一大产煤地区, 大量向外供应煤炭和电力等能源, 众多煤炭企业和热电厂等使得内蒙古碳排放量较大。另一方面, 虽然内蒙古大量供应其他地区的关键生产投入品, 但对其他地区的拉动能力却很小。2010 年, 内蒙古直接碳排放量比完全碳排放量高 54.57%, 2015 年扩大为 70.64%, 表明内蒙古与外地贸易沟通关联较弱, 基础产品供应地的特点较为突出。

与之相比, 山东经济发展程度和碳排放效率均处于全国领先水平。近年来, 山东明确了以发展新一代信息技术产业集群为主的目标, 提出将数字产业打造成支柱产业, 巩固国家先进制造业大省的核心地位, 碳排放效率有望进一步提高。山东直接排放量与完全排放量均居全国前列, 表明其在全国产业链中具有一定的支柱地位, 向全国输出大量产品。但是, 因为产业碳排放效率较高, 大规模生产并未造成过多的本地CO2 排放。另一方面, 山东通过贸易机制满足本地消费需求, 促进其他地区的经济发展, 有助于全国碳减排目标的实现。由此可见, 山东积累了较为成功的经济发展与碳减排经验, 对内蒙古、河北和山西等地具有启示意义。

第二个原因在于, 虽然我国地区间关联日趋紧密, 但在本文研究时段内, 各地的外地关联仍弱于本地关联。2010—2015 年, 地区平均 ER 由 24.06%升至 29.00%, YR 由 22.33%升至 27.24%, 虽均有所上升, 但最高仍不超过三成, 可见对很多地区而言, 本地关联仍强于外地关联, 地区直接碳排放强度对其完全碳排放强度仍有重要影响, 因此依据不同强度对各地区进行排序时, 位序变动不大。这也说明在未来减排行动中, 除充分将地区关联因素纳入减排规划考量外, 还需继续强化各地的本地碳排放强度控制。

各地对外带动强度分析结果显示, 2010 和 2015年, 我国 OEI 最低的地区均为广西和贵州, 最高者 2010 年为吉林和河北, 2015 年变为山东和江苏。DEI, SEI 和 CEI 较高的宁夏和内蒙古, 在 2010 年的 OEI 从大到小排序中位列第 11 和第 17 位, 北京和上海则位列第 8 和第 19 位。至 2015 年, 4 个地区位序分别变为第 2 位、第 24 位、第 8 位和第 14位。虽然某些经济落后地区自身强度较高, 但可能其省际贸易关联结构的碳排放强度反而较低。虽然经济发达地区自身强度较低, 但由于省际贸易关联结构的碳排放强度较高, 当其经济规模扩大并与外地关联加深时, 反而可能促进全国碳排放强度上升。未来, 我国应加强从全国层面统筹考察和构建各地区低碳、绿色贸易关联结构, 从多方面促进碳减排目标的实现。

2.4 碳排放强度变动分析

对各地区研究期内各类碳排放强度变动进行对比分析, 结果如图 4 所示。2010—2015 年, 我国碳排放强度由 1.84 吨/万元降至 1.34 吨/万元, 降低27.10%, 超额完成 17%的全国减排目标。从各地区减排目标的实现情况看, 辽宁 width=8.4,height=7.2

CEI%达标而

DEI%未达标, 内蒙古、黑龙江、福建、宁夏和新疆则两项强度降低比率均未达标, 其他各地区 width=8.4,height=7.2

DEI%和

CEI%均达到减排目标。再将 width=8.4,height=7.2

DEI%和

CEI%与各地公布的“十二五”期间减排成效进行对比分析, 发现除北京 width=8.4,height=7.2

CEI%以及河北

DEI%未达到公布的减排水平外, 其余大部分地区两项强度变动率均达到官方公布的减排水平。虽然我们使用的 CEADs 碳排放数据库以及最终需求数据等与政府的统计数据存在差异, 使得本研究测度的强度降低比率与官方数据之间可比性有限, 但上述结果均表明“十二五”时期我国各地区减排成效比较显著, 成果值得肯定。同时, 基于不同方法对各地碳减排成效进行评价, 可能得出有差异甚至相反的结果, 无疑将对地区行政效能考核以及国家下一阶段减排任务分配等产生影响。因此, 为有效地提升碳减排效率, 我国应加强对碳排放强度测度方式的多方考量。

各地区

CEI%分析结果显示, 较大者为湖北(51.71%)和云南(50.90%), 2015 年两地 CEI 分别比全国平均完全排放强度低 41.88%和 33.38%, 碳排放效率居全国前列, 但同时其完全碳排放量也分别升高 16.81%和 15.95%, 可能是由于其完全排放最终需求增速过快所致(分别增长 110.77%和 105.79%)。从全国来看, 虽然各地排放强度显著下降, 但碳排放量均或多或少有所上升。虽然“十二五”期间我国碳排放强度控制效果突出, 但由于经济增长速度较快, 当前碳减排力度尚不足以满足碳排放总量控制的需求。为实现 2030 年碳排放达峰目标, 应进一步加大碳排放强度控制力度, 通过科学考察、设计强度测度指标等方式提升减排效率, 平衡经济发展和生态环境质量提升等各项需求, 实现减排承诺。

与其他地区碳排放强度下降不同, 新疆 DEI, SEI 和 CEI 均显著上升, 主要是新疆碳排放量增速太大(直接碳排放量和完全碳排放量增速均居全国首位), 而最终需求增长较慢所致, 背后原因可能在于新疆以煤炭工业和石油石化为支柱产业的经济结构。新疆是我国重要的能源工业基地, 随着近年来我国能源重心西移趋势加强, 新疆进一步提出建设“国家大型油气生产加工和储备基地、大型煤电煤化工基地、国家能源资源陆上大通道”的产业发展目标, 地区碳密集型特征可能进一步增强。国家应考虑加大对新疆碳减排的技术、资金支持力度, 防止其因碳排放强度进一步升高而影响全国的碳减排进程。

依据两项强度变动规律, 可将各地区分为4类: 第一类为上海, width=8.4,height=7.2

DEI%>0>

CEI%, 即两项强度变动方向相反; 第二类为新疆, width=8.4,height=7.2

DEI%>

CEI%>0; 第三类地区主要包括河北、内蒙古和宁夏等中西部地区, 0> width=8.4,height=7.2

CEI%>

DEI%; 第四类地区主要包括北京和广东等东部地区, 0> width=8.4,height=7.2

DEI%>

CEI%。虽然从地区数量上看, 第三和第四类地区各有 14 个, 但从减排率差异的比例总和看, 各地区 width=8.4,height=7.2

CEI%>

DEI%的比例之和显著高于 width=8.4,height=7.2

CEI%>

DEI%的比例之和, 甚至对于上海和新疆两个强度变动情况比较特殊的地区, 基于 CEI 测度的碳减排成果也优于DEI。

进一步, 基于(

CEI%–

DEI%)/

DEI%, 对各地区 width=8.4,height=7.2

DEI%与

CEI%的差异进行分析发现, 北京(−34.27%)和浙江(−20.98%)以及内蒙古(244.81%)和宁夏(136.88%)等地差异最大。其中, 差异大于 0的一般为经济较落后地区, 具有 DEI>CEI, Emc> Emp 和 Y>CY 等特点, 尤以宁夏和内蒙古等国家石油化工和能源基地为代表。此类地区一般聚集较多高能耗产业, 大量供应煤炭和钢铁等碳密集型产品, 碳排放效率较低。由于此类地区的碳排放在很大程度上受外地需求拉动, 自身经济实力较弱, 产业技术升级成本较高, 仅靠自身努力难以降低碳排放强度, 因此基于属地范围的碳排放强度控制效果核算与评价可能低估其减排成效, 增加其达标难度, 使其过多地承担经济发展与碳减排的“双重压力”, 存在一定程度的不公平性。将碳排放关联与经济关联纳入碳减排成效评价考量, 对此类地区尤为重要。

另一方面, 差异为负者多为我国经济发达地区或经济发展势头较为强劲的地区, 如北京、浙江、广东和重庆等。此类地区对其他地区碳排放有较强的拉动作用, 一般 DEI

综合上述分析, 可以得出以下结论。第一, CEI将地区关联纳入碳排放强度测度, 更契合我国地区间紧密关联的现实情况, 是较为符合国家经济发展趋势的碳排放强度测度指标。“十二五”时期, 我国省际贸易与地区间产业分工体系逐渐发展成熟, 地区关联对地区发展的影响愈发重要, 五年间各地区ER 和 YR 的最大值分别由 63.25%和 32.44%升至72.99%和 44.74%, 进一步凸显地区关联日益紧密的发展趋势。尤其在当前我国不断推动“双循环”新发展格局的背景下, 各地区省际贸易参与度将继续深化, 完全碳排放量与直接碳排放量之间、完全最终需求与本地最终需求之间的差距很可能进一步扩大, 因此有必要强化针对完全碳排放强度的有关研究。第二, 基于 CEI 进行强度测度揭示了各地经济拉动贡献, 有助于深度参与省际贸易, 对外消费需求强劲的地区实现强度控制目标, 在一定程度上提升政府减排成效考核的公正性。因此, CEI 也是有利于促进减排成效公平评价的碳排放强度测度指标。第三, CEI 还揭示了本地减排行动以及碳排放转移等对全国碳排放强度的影响, 避免了“本地减排但全国增排”的情况, 对全国碳排放强度是相对有效的强度测度方式。未来, 我国应充分重视碳排放强度测度指标的多方面考量, 综合应用 CEI 等指标, 对各地碳排放特征与碳排放控制成效进行刻画与评价, 以此提升国家的碳减排效率。

OEI%分析结果表明, 2010—2015 年各地区对外带动强度下降 14.89%～40.27%, 有效地减缓省际贸易规模扩大对全国碳排放量增长的推动作用。其中, 湖南 OEI 五年间降低 14.89%, 依照 OEI 从小到大排序, 由 2010 年全国第 7 位变为第 25 位; 辽宁OEI 降低 39.51%, 从 2010 年全国第 25 位升至第 9位。由此可见, 辽宁在省际贸易结构低碳化方面取得突出成果, 经济规模增长不仅对本地有益, 也有助于全国碳排放强度控制; 湖南则应借鉴其他地区贸易关联结构低碳化改造的成功经验, 强化筛选高碳排放效率的贸易伙伴。此外, 在考核各地减排成效时, 也应综合考虑其贸易关联结构的强度控制情况, 激励各地区打造低碳、绿色省际贸易体系。

3 结论与讨论

本文对地区间碳排放关联与经济关联进行考察, 重新测度和分析 2010 和 2015 年我国省际完全碳排放强度及其变动情况, 得出以下结论。

从时间变化看, 2010—2015 年, 我国碳排放强度下降 27.10%, 各地区完全碳排放强度平均降低26.25%, 其中湖北下降最多(51.71%), 上海下降最少(8.33%), 只有新疆上升 17.16%。虽然我国“十二五”期间碳排放强度控制成果显著, 但由于经济增速(56.91%)较高, 全国碳排放量增加 14.38%, 表明当前我国碳减排力度还不能满足碳排放总量控制的目标需求, 应进一步加大碳减排投入。

从空间特征看, 2010 和 2015 年, 我国完全碳排放强度较高者为山西和内蒙古等经济发展较落后地区, 较低者为北京和广东等经济较发达地区。两类地区间的完全碳排放强度差异在本文研究时段内扩大 20.79%, 2015 年最大相差 4.96 倍。但是, 从对外带动强度看, 内蒙古则显著低于全国平均水平。各地产业结构差异以及经济发展与技术水平差距等对其碳排放强度具有决定性作用, 同时地区间贸易关联结构的碳排放特征差异也使其表现出不同的减排潜力。国家应针对性施策, 通过加快提升中西部地区的生产技术水平和强化构建东部地区的低碳贸易关联结构等手段, 提升我国碳减排效率。

与直接碳排放强度和按照传统方法测算的完全碳排放强度相比, 考虑碳排放与经济双重关联的完全碳排放强度体现出地区间碳排放和经济拉动的贡献, 实现了碳排放强度测度从基于属地范围向基于属地行为的转变, 揭示了本地减排行动对全国碳排放控制成效的影响, 避免隐含碳排放问题对强度测度的干扰, 是较为公平、有效且契合我国新发展格局特点的碳排放强度测度指标。本文测度的各地区完全碳排放强度与直接碳排放强度以及按照传统方法测算的完全碳排放强度在 2015 年的最大差异分别达到 147.33%和 34.38%, 且高于 2010 年的水平, 说明碳排放关联与经济关联对地区碳排放强度测度及减排成效评价具有较大的影响, 且该影响呈扩大趋势。在未来规划中, 应考虑将直接碳排放强度和完全碳排放强度同时设置为各地区的碳排放约束指标, 从属地范围和属地行为两个方面加强碳排放控制, 既防止发达地区通过碳排放转移等方式完成本地减排指标, 从整体上提高我国的碳排放控制效率, 也有助于提升各地区碳减排成效评价的公平性。

[1] Qiu J. China’s climate target: is it achievable?. Na-ture, 2009, 462: 550–551

[2] Malakoff D. China’s peak carbon pledge raises pointed questions. Science, 2014, 346: 903

[3] 中华人民共和国国务院新闻办公室. 新时代的中国能源发展. 人民日报, 2020–12–22 (010)

[4] 陈晖, 温婧, 庞军, 等. 基于 31 省 MRIO 模型的中国省际碳转移及碳公平研究. 中国环境科学, 2020, 40(12): 5540–5550

[5] Cole M A, Elliott R J R. Determining the trade-environment composition effect: the role of capital, labor and environmental regulations. Journal of Envi-ronmental Economics and Management, 2003, 46(3): 363–383

[6] Liu H, Liu W, Fan X, et al. Carbon emissions embodied in value added chains in China. Journal of Cleaner Production, 2015, 103: 362–370

[7] 刘巧玲. 我国省际贸易隐含污染核算方法的比较研究. 统计研究, 2016, 33(10): 12–20

[8] 苏玉珠, 宋爽. 中国能源消费 CO2 排放关键部门的识别与减排对策. 统计与信息论坛, 2013, 28(4): 19–24

[9] 徐大丰. 碳生产率的差异与低碳经济结构调整——基于沪陕投入产出表的比较研究. 上海经济研究, 2012, 24(11): 55–64

[10] 刘起运. 关于投入产出系数结构分析方法的研究. 统计研究, 2002(2): 40–42

[11] Jones L P. The measurement of Hirschmanian linkag-es. Quarterly Journal of Economics, 1976, 90: 323–333

[12] Wen W, Qi W. Identification of key sectors and key provinces at the view of CO2 reduction and economic growth in China: linkage analyses based on the MRIO model. Ecological Indicators, 2019, 96: 1–15

[13] Yan X, Ge J P. The economy-carbon nexus in China: a multi-regional input-output analysis of the influence of sectoral and regional development. Energies, 2017, 10(1): 93–121

[14] Munksgaard J, Pedersen K A. CO2 accounts for open economies: producer or consumer responsibility?. Energy Policy, 2001, 29(4): 327–334

[15] Leontief W W. Quantitative input and output relations in the economic systems of the United States. The Review of Economics and Statistics, 1936, 18(3): 105–125

[16] 刘卫东. 2010 年中国 30 省区市区域间投入产出表. 北京: 中国统计出版社, 2014

[17] Zheng H, Zhang Z, Wei W, et al. Regional determi-nants of China's consumption-based emissions in the economic transition. Environmental Research Letters, 2020, 15(7): 74001

[18] Weber C L, Peters G P, Guan D B, et al. The contribution of Chinese exports to climate change. Energy Policy, 2008, 36(9): 3572–3577

[19] Shan Y L, Guan D B, Zheng H R, et al. China CO2 emission accounts 1997–2015. Scientific Data, 2018, 5: 170–201

Re-measurement of Regional Complete Carbon Emission Intensity: Based on the Correlations of Carbon Emission and Economics

College of Environmental Sciences and Engineering, Peking University, Beijing 100871; † Corresponding author, E-mail: qiwang@pku.edu.cn

Abstract Although the inter-provincial correlation of carbon emission has been taken into account in the measurement of complete carbon emission intensity, due to the neglect of economic correlation, the existing measurement could be biased. Considering both the carbon emissions and economy correlation among regions, based on the multi-region input-output model, the paper re-measures the regional complete carbon emission intensity in China in 2010 and 2015 to analyze its spatio-temporal evolution characteristics. The results show that, on the perspective of time evolution, China’s carbon emission reduction during the 12th Five-Year Plan period has achieved significant results, with the total carbon emission intensity of each region reduced by 26.25% on average. From the perspective of spatial characteristics, in 2010 and 2015, the regions with the highest complete carbon emission intensity are Shanxi and Inner Mongolia, and the region with the lowest is Beijing. But from the perspective of external-drive carbon emission intensity, it is not only lower in Inner Mongolia than that in Beijing, but also significantly lower than the national average level. Compared with the direct carbon emission intensity and the complete carbon emission intensity measured by the traditional method, the complete carbon emission intensity considers both the carbon emission and economic correlation, which not only avoids the interference of the embodied carbon problem on the intensity measurement, but also realizes the transformation from the territorial boundary to the territorial behavior constraint. it is helpful to the realization of the national overall carbon emission control target.

Key words complete carbon emission intensity; carbon emission linkage; economic linkage; inter-regional input-output model

国家自然科学基金(42171277)和国家重点研发计划项目(2018YFC0213703)资助