文摘

建立一个协调区域碳排放治理机制是一个重要的方式来达到峰值和碳中立,在省与省之间的碳排放转移的研究的一个重要区域碳排放的协调治理研究的基础。基于multiregional输入-输出(MRIO)模型,本研究计算了碳排放从生产者的角度看,消费者的角度,分析了省与省之间的净碳排放转移的决定。此外,对数平均本指数(LMDI)方法采用分解的因素影响的净碳排放技术作用,结构效应,投入产出效应和规模效应。据透露,投入产出效果的主要影响因素是省级净碳转移。

1。介绍

21世纪以来,中国的经济有了很大的增长。截至2020年,中国首次纪念目标建筑物小康社会在各方面,第二的目标大步前进。然而,二氧化碳的排放(有限公司2)也随着经济总量上升,中国已经成为世界上最大的碳排放国。温室气体排放的问题受到越来越多的关注。2021年3月15日,中国政府表示,碳排放量在2030年达到峰值,到2060年实现碳中和。这是一个重大的决定下的目标建立一个社区所有人类共同的未来。

中国有广阔的领土。资源禀赋的差异和气候环境不同地区不仅带来了不同地区之间的产业结构差异但也有限公司2区域生产活动排放。在区域贸易,生产商品和提供的服务导致碳排放在生产领域,但实际上是商品和服务被消费领域;因此,有限公司2排放转移以及商品和服务的流动。如果碳排放被忽略的地区间转移在促进碳减排,一方面,它可能会导致一些地区从其他地区进口高碳产品的碳减排。它会损害减排政策的有效性,甚至导致部分减少与整体增加(1,2]。另一方面,它可能会导致高污染和高能耗产业从高碳排放的地区迁移到低碳排放的地区。它不利于利用不同地区的资源禀赋,也有利于促进清洁能源的开发和利用,鼓励低碳消费和低碳生活方式。因此,促进碳减排,我们需要从区域协同的角度思考。然而,在科学规划如何促进公平分配的有限公司2减少地区之间,我们需要注意以下两个问题。首先,碳排放转移的区域分布是如何在中国?第二,什么是主要的影响因素之间的碳排放转移在中国地区吗?因此,本研究致力于开展省际的碳排放转移的分析,描述碳排放转移的关系,探讨其影响因素,巩固基础研究碳排放协同治理。

2。文献综述

关于碳排放的计算转移,越来越多的学者采用multiregional近年来输入-输出(MRIO)模型。的一个区域投入产出模型(SRIO)最初是由里昂惕夫(3),然后扩展到多个区域,广泛应用于环境影响评价(EIA) (1,2,4]。

不同学者综合MRIO模型与中国的实际情况。郭et al。5),姚明et al。6张,et al。7]MRIO模型用于计算和分析中国省际的碳排放投入产出的碳足迹居民消费在中国八大区域,碳排放各界投入产出在八大区域,分别揭示显著地区差异(5- - - - - -7]。此外,刘等人。8]使用1997区域间投入产出表分析碳排放转移从行业的角度提出了有限公司2减排模型进行产业结构调整。计算表明,结构调整电力工业的能源消耗,提高能源利用效率的重工业是有效途径减少碳排放8]。苏和盎9,10]探索碳排放转移的空间集聚之间通过计算碳排放转移于2002年在中国主要区域,提出了优化区际碳排放转移从机制层面9,10]。太阳et al。11)计算碳转移从1995年到2009年印度经济部门之间基于SRIO模型。研究发现,反对(建设)转移的最大数量,以及EGW(电、气、水供应)排放占公司的60%2在第二产业11]。基于MRIO模型,陈et al。12)独立编制2012年中国区域间投入产出表,计算跨省区碳排放转移的数量,分析了跨省区碳股票从碳基尼系数(12]。小王和胡13)使用了一个地区间双边贸易碳转移度量模型来衡量省与省之间的需求造成的碳排放,省与省之间的出口在中国2007年,2010年和2012年。研究表明,合作和扩散的减排技术可以有效抑制省与省之间的碳排放转移(13]。汉et al。14]探索中国省份的碳排放和其他经济体从且角度基于嵌套IOA [14]。基于MRIO模型,王et al。15]分析了carbon-neutrality-oriented碳减排模型通过研究基于消费碳排放和碳转移在省和行业水平在中国(15]。刘等人。16]的计算方法推导出价值链体现碳转移根据投入产出表平衡公式,并发现中国地区间转移价值链含碳量和其净值均呈增长趋势16]。

关于碳排放的影响因素分解的转让、流行的学术方法包括结构分解和对数平均本指数(LMDI分解),这两个已经广泛应用于各种研究场景。基于投入产出模型,钱和阳17),以及江(18),工作结构分解方法分解碳排放体现在东亚和金砖国家之间的国际贸易,分别为(17,18]。郭(19],Du和太阳[20.和黄等。21]应用LMDI方法分解碳排放总量、出口体现碳排放量和碳排放体现在省际贸易(19- - - - - -21]。

现有研究已经充分应用MRIO模型计算国际和国内碳排放转移,使用不同的方法来分解的影响因素,并从不同的角度分析省与省之间的碳资产的碳减排并提出相应的建议。在此基础上,本研究使用了MRIO模型来计算碳排放转移省份之间三年数据的基础上,2012年,2015年和2017年,分析了区域碳排放的转移路径通过社交网络,然后分解影响因素的净碳排放转移省级使用LMDI方法。我们旨在提供一个基础建设的协调治理机制对区域碳排放和碳减排计划的成就促进峰值和碳中立。

3所示。省与省之间的碳排放转移

中国不同省市不同的资源禀赋和自然环境。当设计减排计划,这将是不完整的,只考虑省份和城市之间的产业结构差异引起的不同的资源禀赋。在减排计划的实现,因为省与省之间的贸易将推动省与省之间的碳排放的转移,没有限制,部分地区将从其他地区购买高碳排放产品来取代当地生产碳减排的目的,破坏整体减排。由于技术水平的差异,地区之间,甚至可能减少部分排放与碳排放总量增加,所谓的跨区域碳泄漏。出于这个原因,我们试图提供一个依据区域碳排放的协同治理机制通过计算和分析当前省与省之间的碳排放转移,碳转移网络,和碳转移路径。

3.1。省与省之间的碳排放转移计算模型

在目前的研究中,采用MRIO模型计算碳排放从消费者的视角和生产者的角度和开放型碳排放转移在中国31省市之间。

MRIO模型中假设有完全 省市和 行业每个省/市MRIO模型有以下方程: 在哪里 代表行业的总产出 省 , 代表行业的中间输入 省 的行业 省 , 代表了行业的最终使用 省 由省 ,和 代表行业的输出 省 。变换中间输入得到: 在哪里 代表行业的产品和服务 省 直接被每单位产出的行业 省 。

方程的矩阵形式(2)是 在哪里 总输出向量 , 直接消耗系数矩阵吗 , 最后使用向量 ,和 是出口向量 。

变换方程(3)

让 ,在哪里 是总输入消费系数矩阵和元素 代表提供的中间产品和最终产品的产业 省 以满足最终使用的单位 省 。

在政府间气候变化专门委员会(IPCC)的指导方针,本研究计算每个行业的碳排放在每个省/城市使用以下方程: 在哪里 是行业的碳排放总量 省 , 碳排放的行业吗 省 消耗的能源 , 代表的总能量 消费行业 省 , 代表的平均热值较低的能量 , 是每单位碳排放的热量, 是氧化速率。

然后最终消费造成的碳排放总量 在哪里 碳排放强度系数矩阵( ):

从生产者的角度来看,碳排放 代表了公司2在省排放产生的生产活动 :

从消费者的角度来看,碳排放 代表了公司2所有省份的生产活动排放造成的 对产品和服务的需求:

省与省之间的碳排放转移来源于省与省之间的贸易。也就是说,为了满足其他省份和城市的需求的产品和服务,一个省或城市需要进行生产活动。那么碳排放转移的数量 是由生产过程中产生的碳排放。这意味着不同行业的碳排放 最后使用造成的 从省份的碳排放转移 到省 :

3.2。从不同的角度碳排放结果

本研究采用了区际42部门的投入产出表在31个省、市、自治区2012年在中国,2015年和2017年。根据陈的方法等。12),42部门投入产出表合并成16个部门。能源消费的每个部门,每个地区每年被CEADs(从官方公布的数据https://www.ceads.net)。结果如表所示1。

表1
从不同的角度碳排放结果。

2012年、2015年和2017年,碳排放总量最高的从消费者的角度来看是沿海省份人口众多,消费水平高,如山东(5.66亿吨/年),广东(5.28亿吨/年)。较低的地区人口相对较小和较低的消费水平包括西藏(1500万吨/年)和青海(4100万吨/年)。主要的原因是人口的巨大差异和地区之间的消费水平。人口多、消费水平高总最终利用大在这一地区,导致高碳排放从消费者的角度来看。这是相反的方向在人烟稀少的地区消费水平较低。

对趋势的时候,受益于消费水平的增加,经济发展时期,总碳排放从消费者的视角在人口稠密的地区如广东、江苏和河南都上升。而地区,如北京、上海、天津已经有很高的消费水平证明整体减少模式从消费者的角度来看。它表明,消费水平高的地区经济发展带来了低碳消费结构。

从生产者的角度来看,山东等地区高碳排放总量(6.45亿吨)、河北(5.56亿吨/年),和山西(3.79亿吨/年)。这些地区的产业结构首选高污染产业如钢铁和能源。优势产业在山东包括三个高污染和高能耗行业,能源加工(石油、煤炭),有色采掘冶金、化工原料生产,导致碳排放量远高于其它地区。较低的碳排放总量从生产者的角度在第三产业优势的地区,如北京(5800万吨)、海南(3500万吨/年),和西藏(005万吨/年)。

关于时间的趋势,碳排放总量相对稳定的从生产者的角度来看,不同于消费者的角度来看。除了内蒙古和新疆的变化比较大,碳排放总量的变化在其他省份/城市很小。主要原因在于产业结构是稳定的消费水平相比;因此,产业结构造成的碳排放总量的变化很小。

3.3。总净碳排放转移

根据“消费者承担责任,”的原则计算出的净碳排放转移减去生产的碳排放总量消费者的碳排放总量,即方程(9)-方程(8)。

每年净碳排放量高的地区转移出去在2012年,2015年和2017年被省/城市人口众多,消费水平高如广东、浙江和北京。产业结构不能支持他们自己的需求,所以他们购买的产品从其他省份/城市和传输有限公司2应排放地区生产这些产品到其他地区。年度净碳排放量高的地区转入与一个地区产业结构倾向于能源和重工业,如内蒙古、河北和山西。一方面,能源行业,作为生产和生活的重要组成部分,参与该地区的其他行业的生产过程。另一方面,该地区的需求远未释放其生产能力。而大量的这些地区销售的产品,公司2应该发出的其他省份/城市生产这些产品被转移。对趋势的时候,省/城市与消极的年度净碳排放转移相比有更大的波动与积极的年度净碳转移。特别是波动在重庆、云南、上海、河南是巨大的。而上海、河南甚至改变了净碳转移的方向。

由方程(10),我们可以得到省与省之间的碳排放转移矩阵,但是很难显示由于大量的数据。可视化的碳排放转移之间的关系显然省份/城市,碳的数量从一个省/市转移到其他省份/城市按转账总额的比例,和前60%被送往生成省与省之间的碳排放转移的关系矩阵。然后用箭头指出社交网络是公司的方向2转移(见图1)。


图1
省与省之间的碳排放转移的社交网络(2017)。

一般来说,省与省之间的碳排放转移的社交网络表现出了星状。内蒙古(IM)的五个省份,河北省(HB)、山西(SX)、辽宁(LN)、山东(SD)和高净碳转入不仅收到了来自广东大部分转移出去(GD)、浙江(ZJ),北京(BJ)、重庆(CQ),上海(SH)、天津(TJ),净碳高的地区转移出去,还担任的主要转移出去的地方从其他省份/城市碳排放。他们在省与省之间的碳排放转移的中心网络和也占主导地位的地区从生产者的角度来看。从协同的角度治理区域碳排放,减排政策的影响在中部省份可以通过传输网络迅速蔓延,有利于及时调整政策根据实际效果。

尽管净碳转入2015年河南不高,和净碳排放转移出2017年,它仍然是接近碳排放转移的中心网络。这是因为碳排放转移到“分中心”河南远低于数量转移到“中央”省、和碳排放从河南转移到其他省份也高。同样,江苏的净碳转移出去的2017年只有002万吨,而仍接近网络的中心。省的主要原因也如内蒙古、山西、辽宁和收到的大部分碳排放转移,而碳排放从江苏的转移到其他省份也高。

4所示。净碳排放影响因素分解转移

支持建设的协调治理机制对区域碳排放,不仅需要掌握当前省与省之间的碳排放转移和碳转移网络还需要完全理解连续和系统性净碳排放转移的影响因素。因此,本文采用LMDI方法分解影响因素的净碳排放转移省级。

4.1。LMDI模型的建立

为了探索影响净碳排放转移的关键因素在每个省、各种因素对碳排放转移的贡献进行评估。因为本研究专注于碳排放强度的影响,输出结构,demand-output比率,和总碳排放的需求,以下方程用于分析: 在哪里 ,代表的单位碳排放转移输出省份 行业 省 ; ,代表省的产业结构的生产活动 以满足需求的省份 ; ,代表省的输出 由单位的最终需求 ;和 ,代表了最终需求的规模 。 在哪里 ,代表单位输出碳排放转移的产业 省 到省 ; ,代表省的产业结构的生产活动 以满足需求的省份 ; ,代表省的输出 由单位的最终需求 ;和 ,代表了最终需求的规模 。

本文采用LMDI方法影响省净碳排放的因素分解成技术效应、结构效应、投入产出效应和规模效应: 在哪里 。

技术效应反映了生产技术差异省省与省之间的贸易。结构效应的贡献反映了不同n每个省的最终需求结构的转移的净碳排放。投入产出效应反映了各个行业之间的关联程度,在每个省的生产过程。的规模效应反映了贡献的差异最终需求的规模跨省转移的净贸易隐含碳排放。

4.2。LMDI分解结果的分析

本文分解年度净碳转移到技术效应、结构效应,通过LMDI方法投入产出效应和规模效应。积极贡献的影响表明,这种影响区域碳转移出去大于碳转入,和负面贡献值表示更大的碳转入比碳转移出去。分解结果如表所示2。由于大量的数据,只有2017年的数据显示。

表2
2017年LMDI分解结果。

省/市与一个积极的技术效应集中在经济发达地区,如北京、广东、浙江、以及经济发展的区域不依赖于高污染和高排放行业,如江西、云南。的主要原因可能是,北京、广东等地区,拥有先进的技术与发达经济体相比,碳排放交易地区,导致小数量的碳排放相应等价的商品。因此,造成碳转入生产不到消费造成的碳转移出去。省市,不依赖于高污染和高排放行业经济发展江西、云南等优势在碳排放强度交易与重工业的大部分地区,导致净碳排放转移出去。在此基础上,在协调区域碳排放的治理,我们可能会鼓励积极的地区之间的技术交流技术效果和负技术效应的地区加快当前低碳生产技术的传播。此外,我们可以加强对技术创新的支持与负技术效应在区域指导生产技术向低碳的风格。

积极的地区结构效应包括16个省市,如江苏、重庆、上海和天津。主要原因是省市,如江苏、重庆和上海,当与其他地区交易,获得输出在运输和储存等低碳排放的工业和建筑在自己的地区。而省,如内蒙古、山西、宁夏,获得输出高碳排放行业,如煤炭开采和选矿、金属冶炼和紧迫,电力和供热。因此,积极的地区结构效应会更小的碳排放转入从生产的碳排放转移出去消费,因此净碳转移出去。而负的结构效应的地区会有一个更大的碳转入转移出去,因此一个新的碳转入。从合作的角度治理,必须充分考虑省市之间的资源禀赋的差异,指导各区域的产业结构,充分发挥自己的优势,并合理引导高污染和高排量产业地区之间的转移。

积极投入产出效应的地区主要分布在相对不成熟的地区产业链和疲弱的经济体如西北和西南。当负投入产出效应的地区主要分布在东部和北部沿海地区,那里的产业链更加成熟和产业之间的输入输出关系是更复杂的。会议其他省份的需求时,总产量增加相当于所有行业带来的需求从其他省份将高于区域产业间的联系较弱。它可能会导致更大的碳转入生产比碳转移出去消费,因此,净碳转入。投入产出的效果是净碳转移的主导因素。因此,在整个管理过程中,有必要合理考虑增加生产各种产业的经济效益带来的省与省之间的贸易需求和出现的碳排放转移,以提高省与省之间的产业链。优化产业结构和主导产业向低碳之间的投入产出关系可以是一种有效实用的方向促进区域的协调治理碳排放。

区域与积极的规模效应主要分布在沿海发达省份。他们有庞大的人口和消费水平高,和相应的最终消费尺度比其他省份。因此,消费的规模将会更大的规模在省与省之间的贸易、生产和消费的碳排放转移出去将大于转入生产,导致净碳转移出去。从协调地区碳排放治理的角度来看,有必要建立一个合理的水平跨省区碳补偿机制,这样高消费的地区可以假设消费商品的碳排放责任,并建立协调的桥梁碳碳转移出去,转入省市之间的治理。

时间趋势而言,在省大碳排放转移的变化在2012年,2015年和2017年,变化的总效应在内蒙古、辽宁、吉林、黑龙江、湖南和浙江主要是由于规模效应的变化方向相同。福建总效应的下降主要是由于减少了投入产出的效果。尽管为省市剧烈变化的碳排放转移,总效应的变化在上海,江苏,河南主要是由于规模效应的变化方向相同。可以看出,规模效应是主导因素导致碳排放转移的变化。据推测,这是因为最终消费规模反应更迅速变化的环境因素,如消费者的偏好比产业结构及产业政策,技术水平,和行业投入产出关系。

5。结论和建议

本研究构建的区际投入产出模型计算和分析在中国31个省市自治区的省市之间的碳排放转移,碳排放从生产者的角度,从消费者的角度来看。此外,本研究对净碳排放影响因素分解转移使用LMDI方法。是得出以下结论:(1)从消费者的角度高碳排放的地区主要分布在稠密的省份和城市,如山东、广东、江苏、河南,和排放正在上升。而消费水平高的地区,如北京、上海、天津,碳排放量下降从消费者的角度来看。从生产者的角度高碳排放的地区主要分布在地区产业结构偏好对高污染工业如钢铁和能源,包括山东、河北、山西。和碳排放生产商的角度随时间波动小,相对稳定。(2)省与省之间的碳排放转移网络是星形的。五省、内蒙古、河北、山西、辽宁、山东、高净碳转入其它省份的碳排放的主要转移出去的地方,它们都位于碳排放转移的中心网络。(3)投入产出的效果是主要影响净碳转移,表明净碳转移主要是产业链的完整性程度的影响。在东部和北部沿海地区,产业链相对完整,产业之间的投入产出关系更为复杂。他们增加造成的工业产出相同的总需求是高于其他地区。因此,碳转入生产大于碳转移出去消费,产生的净碳转入。规模效应是主要因素确定碳排放转移从2012年到2017年。的原因是与产业结构相比,技术水平,和行业投入产出关系,最终消费规模的反应更加快速变化环境因素包括消费者的偏好和产业政策。

基于上述实证结果和研究结论,以下建议。首先,我们应加强对低碳产业和低碳技术的支持。一方面,提供更多支持清洁能源等低碳产业提高能源效率和加速低碳产业结构的转变。另一方面,鼓励低碳技术创新和铅高污染和高排放行业减少污染和排放。同时,促进低碳消费和低碳生活方式,引导低碳消费理念的转变。我们应该充分利用中心区域与其他区域之间的关系在省与省之间的碳排放转移网络,优化产业升级和转换的金属和非金属加工制造业中心地区,并消除过时的生产能力与高污染和高排放。然后,我们应该提高责任省与省之间的碳转移的机制。我们应充分回顾省份之间的经济发展的差异,综合考虑生产者的原则和消费者的原则,和合理分配碳减排责任重大高碳生产地区和高碳消费地区。最后但并非最不重要的,我们应该考虑资源禀赋的差异不同的省市,完善产业链,促进跨省区产业投入产出结构的低碳转变。

数据可用性

能源消费的每个部门和每个地区每年被CEADs(从官方公布的数据https://www.ceads.net)。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

Y.Q.设计模型和计算框架和分析数据。他写的手稿。Lei进行了实证研究。陆收集相关的期望。Y.P.收集数据。所有作者讨论了结果,导致最后的手稿。所有作者已阅读及同意发布版本的手稿。

确认

这项研究受到了中国国家自然科学基金会(71763010和71763010)和江西财经大学的学生研究项目(20210918091940252)。