基于公平性的CO2排放权分配研究与应用

彭鹃+肖伟+魏庆琦+雷晓玲

摘要：对基于公平性的CO2排放权分配进行了研究。从理论上探讨了公平性评价参数对CO2排放权分配的影响；从实证研究上，基于省级面板数据，采用K-均值聚类分析和基尼系数法对CO2排放现状进行了分析；最后，采用线性规划法设计了一套CO2排放权分配方案，根据分配的结果，与排放现状进行对比分析。结果表明：应用基尼系数法和线性规划法对重庆40个区县的CO2排放进行评估和分配，可使得分配更加公平和合理。

关键词：公平性；CO2排放权分配；基尼系数

中图分类号：F062.2

文献标识码：A文章编号：1001-8409（2014）11-0138-07

CO2 Emission Rights Allocation Research

and Application Based on Equity

PENG Juan1， XIAO Wei1， WEI Qingqi1， 2， LEI Xiaoling3

（1. School of Management， Chongqing Jiaotong University， Chongqing 400074；

2. School of Automation， Northwestern Polytechnical University， Xian 710072；

3. Chongqing Academy of Science and Technology， Chongqing 401123）

Abstract：

CO2 emission right allocation under equity principle is studied in the paper. Firstly， it is discussed how fairness evaluation parameters theoretically influenced CO2 emission right allocation. Secondly， the current condition of CO2 emissions is analyzed with panel data， Kmeans clustering analysis and Gini coefficient method. Finally， an allocation plan of CO2 emission right is designed based on linear programming. Compared to current emission condition， allocation results are analyzed. The results showed that： the application of Gini coefficient and linear programming evaluated and allocated CO2 emissions of Chongqing， and made the allocation schemes more fair and reasonable， providing important reference value for the regional carbon emission trade market.

Key words： equity； CO2 emission right allocation； Gini coefficient

公平性评价作为CO2排放权分配的重要工作，在分配过程中的可操作性方面产生的极化效应促进了本地区和周边地区低碳经济的发展，特别是近年来我国构建碳排放交易市场的急迫性，对怎样公平合理地进行碳排放权分配以及怎样构建全国性碳交易市场等问题进行研究就显得更加重要。CO2排放权分配公平性评价显然是促进碳交易市场建设的重要环节。建立一套完备的CO2排放权分配公平性评价参数和分配方案无论对碳排放交易市场自身的建设，还是政府对其调控和管理都具有一定的参考意义。

国内外众多机构和学者对基于公平性原则的排放权分配研究主要集中在减排效率、社会福利和减排责任分担。国外对碳排放权分配的研究较成熟。比如，Rolf Golomek等运用OBA模型比较了排放权自由分配与拍卖分配分别对社会福利和减排成本的影响，认为两者结合更能实现降低减排成本、最大化社会福利的目的[1]；Eero Paloheimo等从“人人平等”的角度出发，将CO2排放权分配分担到每一个民众，人人参与减排，这种方法兼顾了分配公平性但缺乏精确性[2]；Anthony等提出了一种建立在古诺模型的排放权许可证分配，促进了能源效率提高，限制了CO2排放量的增长[3]。

国内也有学者对碳排放权分配进行研究。陈文颖等提出发达国家逐渐减少人均碳排放，而发展中国家则增加人均碳排放，到某一目标年两者趋同，这种分配方法在某种程度上体现了公平性[4]；苏利阳等选取了排放总量、人均指标、碳排放强度等各种现有指标分析了全球碳排放权分配的公正性，认为没有一个现有的指标能体现所有的公正原则[5]；王文军等以“气候公平”为主旨，对不同国家的“碳预算”方案进行比较，在某种程度，碳排放权逐渐成为一个国家在国际气候谈判的话语权[6]。近年来，随着国家越来越重视CO2排放，一批低碳经济城市试点相继确立，一些学者开始对我国区域性碳排放权分配进行研究。Chu WEI[7]、Ke WANG[8]、Wen-Jing YI[9]分别分析了中国各行政区域的CO2排放现状，从减排能力、责任和潜力角度出发，将中国东、中、西部地区的减排潜力和排放性能进行比较，发现西部地区能源效率和减排成本较低，具有非常大的减排潜力；Qiao-Mei LIANG等研究了碳税对CO2减排以及对缩小中国城乡距离和提高人们生活水平的影响，表明碳税对CO2排放权公平性分配具有积极促进作用[10]。

从以上研究看，关于基于公平性的CO2排放权分配的影响机制和理论相对比较成熟，但存在以下问题：

第一，现有的研究侧重于从宏观视角进行，缺乏区域层面基于公平性的CO2排放权分配微观研究，虽然宏观具有导向性，但不能涵盖所有细节。

第二，理论分析和介绍较多，实证研究比较缺乏，目前为止仅有少数文献，而且主要基于时间序列数据，缺乏对面板数据的研究。

本文基于面板数据，首先从理论上分析了公平性评价参数对CO2排放权分配的影响机制；其次从实证方面，基于面板数据，根据区域划分聚类分析CO2排放现状，并采用基尼系数法全面分析各评价参数的CO2排放公平性；最后在三种情景下进行分配方案实施。

1研究框架

本文从理论和实证两方面研究了基于公平性原则下CO2排放权分配。理论研究主要包含以下内容：首先选择对CO2排放权分配的公平性产生影响的评价参数；其次再逐步分析这些参数分别对基于公平性排放权分配的影响机制。实证研究部分包含排放现状分析和排放分配方案设计与论证两方面，主要有以下内容：基于收集的面板数据采用K-均值聚类分析重庆市40个区县CO2排放现状，探讨重庆市CO2排放区域间存在的差异；针对这些差异，在已选的评价参数下采用基尼系数法分析现有的40个区县CO2排放现状公平性，根据分析结果，在设定的三种不同情景下以各评价参数的基尼系数值之和最小为目的建立线性规划分配方案，并分析分配结果；将求取的各评价参数的基尼系数值与现状基尼系数值进行比较，分析CO2排放权分配的公平性。研究框架如图1所示。

2CO2排放公平性评价参数及影响机制

2.1评价参数选择

考虑到区域的经济发展水平、自然资源坏境和地理条件等因素对CO2排放权分配公平与否的影响，加上这三方面所囊括的具体指标参数繁多，而且针对某些部分指标参数不能找到数据来源或统计不全，无法进行定量分析。根据典型性、科学性、易采集性、合理性原则，选择其中的人口、人均GDP、大气环境容量三个参数构成基尼系数分析过程中的评价参数。

2.2影响机制研究

2.2.1人口对CO2排放权分配的影响机制

人作为社会最基本的单元，直接或间接地参与社会活动，并不断地向空气中排放CO2。近年来，人口增长对资源产生过度需求，增加了能源消耗，导致CO2排放急剧增加，全球人口数量突破70亿大关，CO2排放量也随之达到了340亿吨；其次人口快速增长，更多的土地被征用，改变了其利用方式，森林被破坏，降低了吸收CO2的

能力，间接性地导致CO2排放增加。进行CO2排放权分配时，须考虑不同分配区域人均负荷CO2排放量，若不考虑人口参数，CO2排放权分配难以做到公平、合理。

2.2.2人均GDP对CO2排放权分配的影响机制

人均GDP是地区经济发展水平的重要标志之一。人均GDP值越高，该地区的经济发展水平越好，但同时对能源消费越依赖，特别是在工业化进程中，化石燃料被过度使用，导致CO2排放急剧增加。经济的高速增长在改善了人民生活水平的同时也带来环境破坏、资源消耗严重等问题。所以，在对CO2排放权进行分配时，须将人均GDP因素考虑在内，兼顾经济发展与环境保护同时进行。

2.2.3大气环境容量对CO2排放权分配的影响机制

大气环境容量是指某一环境区域在能承受污染物的有限范围内，所能吸纳污染物的最大容纳量。如果人类活动和污染物排放超过了环境所能承受的最大容纳量，环境就会遭到破坏。由于CO2的特殊性，伴随着空气的流动而不断转移，若CO2排放不加以控制，整个地球的CO2浓度将不断增加，其最终会导致全球气候变化更加恶劣。因此，分配CO2排放权时必须考虑区域的环境容量，从环境总量上控制CO2的排放。

3CO2排放现状分析

根据国家发改委要求，重庆市在2015年“单位地区生产总值二氧化碳排放减少17%”。重庆市将这一减排任务分配到重庆各行政区，从排放强度控制上完成减排，与本文的研究目标一致。因此本文以重庆市40个区县为分配对象，研究基于公平性的行政区CO2排放权分配。

3.1数据来源及CO2排放估算

本文研究数据主要包括重庆市各区县的人口、人均GDP、土地面积，其中人口和人均GDP数据来自《2011年重庆市统计年鉴》，土地面积数据来自2010年各区县公布的统计公报。

同时，由于研究涉及重庆市各区县CO2排放量，于是以《2010年重庆市各区县（自治县）单位能耗公报指标》统计的能源消耗数据为基准值，采用系数法[11]进行计算，公式如下：

ECO2=KE （1）

式（1）中，ECO2表示 CO2排放总量；E按统一标准折算成标准煤后为不同类型能源消耗量；K为碳排放系数，我国采用的能源燃料CO2排放系数一般在242～272之间，这里取的是26[11]。

32基于区域划分的CO2排放聚类分析

表1重庆市各区县碳排放类型

分类地区

高排放—高效率地区江北区、沙坪坝区、南岸区、北碚区、渝北区、巴南区、合川区、永川区、荣昌县、开县

高排放—低效率地区大渡口区、九龙坡区、万州区、涪陵区、江津区、长寿区

低排放—高效率地区双桥区、黔江区、大足区、潼南县、铜梁县、垫江县、武隆县、丰都县、城口县、梁平县、巫溪县、巫山县、奉节县、云阳县、忠县、石柱县、彭水县、酉阳县

低排放—低效率地区渝中区、万盛区、南川区、綦江区、璧山县、秀山县

本文选取与碳排放三个相关的指标，即碳排放量、人均碳排放量、碳排放强度，采用K-均值聚类对2010年重庆市40个区县CO2排放进行聚类分析。人均碳排放量是指每人所负荷的CO2排放量，排放量越高，表明该地区属于高排放区，反之为低排放区；碳排放强度是指单位GDP所承载的CO2排放量，排放强度越小，该分配区域的排放效率越高，反之亦然。这里，根据人均CO2排放量大小和排放强度高低的特征，将重庆市40个区县分成四大类：高排放—高效率地区，高排放—低效率地区，低排放—高效率地区，低排放—低效率地区。运用SPSS180软件对各区县进行K-均值聚类分析。聚类分析结果见表1。

（1）由表1可以看出，重庆市大部分的GDP和半数人口来源于高排放区。其中处于高排放地区的区县个数为16个，碳排放量占全市比重为734%，GDP比重为668%，人口比重为45%。低排放区包括了重庆市60%的区县，但是碳排放量只占全市的266%，GDP仅占332%。充分体现了碳排放量大小与GDP之间呈正相关，另一方面也揭示了占重庆市一半以上人口的区县属于低排放区，且经济发展较为落后。

（2）重庆市处于高效率区的区县有28个，占全市总数的70%。高效率区中，高排放区中的大部分都是主城区，经济发展较好，随着产业结构不断调整，对能源消耗的依赖逐渐降低，导致碳排放强度不断减小；但低排放区域基本上都是县城，经济发展相对落后，GDP总量为 266888亿元，由于不以消耗能源为其发展动力，因而碳排放强度比较小。

（3）以大渡口区和九龙坡区为代表的高排放—低效率地区，属于重庆市碳排放的重排放区，其排放量达到了908025万吨，占全市碳排放总量的40%，表明这些地区存在着大量高耗能企业，使得CO2排放量高居不下。同时，该区域属于重庆市拥有最大减排潜力的地区，如果能够降低这些区域的碳排放强度，则重庆市的CO2排放量将会大大降低。

综上分析，重庆市CO2排放存在不均衡，中心城区排放量较高，县域排放量较低。在以经济发展为前提兼顾公平性原则下，对低排放区域分配较少的CO2排放权，对位居高排放区的区县分配较多的CO2排放权，特别是高排放—低效率区域应加大减排力度，控制CO2排放，同时加快这些地区经济结构转变，提高其减排效率。

33基于基尼系数的CO2排放权公平性分析

331基尼系数与排放权分配的公平性定义

基尼系数作为经济学上衡量收入分配公平程度的重要指标，目前已被广泛应用到污染物排放分配领域，如水污染[12]、大气污染[13]。从环境角度分析，采用基尼系数概念很好地反映了各分配区域的社会水平、经济发展和环境容量所承担CO2排放公平程度，即根据分配区域的人口、人均GDP和大气环境容量进行CO2排放权分配，保证分配的CO2排放权与人口、人均GDP和大气环境容量规模相匹配，基尼系数值越小，分配结果越公平，反之亦然。

332基尼系数相关概念

基尼系数是由意大利经济学家基尼根据劳伦茨曲线提出的，其计算方法有多种，本文采用梯形面积法进行计算[14]，如下：

G=1-na=1（Xa-Xa-1）（Ya+Ya-1） （2）

式中，G为评价参数的基尼系数值；a为分配对象的数量；Xa为评价参数的累计百分比；Ya为CO2排放量的累计百分比；当a=1时，（Xa-1，Ya-1）的值为（0，0）。

333计算各评价参数的基尼系数并绘制洛伦兹曲线

以绘制人口—CO2排放量洛伦兹曲线为例。按人均CO2排放量的大小对各区县从小到大进行排序，然后根据排序对人口数和CO2排放量累计百分比进行统计（见表2），绘制出人口—CO2排放量洛伦兹曲线（见图2）。以同样的方法，分别绘制人均GDP—CO2排放量、大气环境容量—CO2排放量洛伦兹曲线，见图3和图4。

3.3.4各参数基尼系数结果分析

由图2可以看出，云阳县、丰都县、巫溪县、奉节县等地区人均CO2累计排放量较少，而大渡口区、双桥区、九龙坡区、江北区等地区的人均CO2累计排放量很高，特别是大渡口区，以不到07%的人口却有613%的CO2排放量，这对于人均排放量较少的地区来说显然是不公平的。因此，在进行碳排放权分配时，应首先考虑基于人口参数的公平性，其次再兼顾其他参数。

由图3不难看出基于人均GDP的各区县排序与图2有明显不同，比如巴南区、黔江区、城口县。经济发展较好的万州区、长寿区等区县单位人均GDP的CO2排放量很高，表明这些地区的CO2排放量较大；而石柱、丰都等经济较落后的地区单位排放量较少。因此，在保证经济发展的前提下，应向经济落后地区分配较少的CO2排放权，将更多的排放权分配给经济较好的地区。

由图4可以看出，基于大气环境容量的区县排序与图2、图3截然不同，渝中区、大渡口区、江北区、双桥区等地区的土地面积较小，CO2累计排放量很大，巫溪县、酉阳县等地区却相反。若分配过程中不考虑环境容量参数，对这些地区来说是不公平的。

同时不难发现，图3中的CO2实际累计排放量曲线较接近于绝对排放曲线，而图2、图4的实际排放曲线离绝对排放曲线较远，表明基于人均GDP的CO2排放权分配与基于人口、土地面积的排放权分配相比，较为公平、合理。但是，仅仅从曲线图直观判断公平性，过于片面，需进一步分析。

综上所述，由于基于不同评价参数的各区县排序是显然不同的，因此在碳排放权分配时应从多角度考虑各参数才更加公平、合理。可以从这几个评价参数的基尼系数值判断其公平程度。根据公式计算求得基于人口、人均GDP、大气环境容量的基尼系数值分别为041、036、063。通常把04作为分配的“警戒线”，若基尼系数值低于02，表示分配高度平均，位于02～03，表示分配比较平均，位于03～04，表示分配相对合理，位于04～05，表示分配差距较大，位于05以上，表示分配差距悬殊[15]。除了基于人均GDP的CO2排放量基尼系数值处在相对公平范围内，其余两个参数的基尼系数值均在不公平状态，表明重庆市CO2排放情况是不均衡的，并且主要集中在重庆九大主城区和十个中心城区，需要对其进行重点调整。

①曲线从左至右依次为： 云阳县、丰都县、巫溪县、奉节县、巫山县、酉阳县、忠县、彭水县、垫江县、潼南县、梁平县、石柱县、大足县、铜梁县、綦江县、黔江区、开县、武隆县、合川区、璧山县、城口县、秀山县、合川区、南川区、巴南区、万州区、渝中区、荣昌县、渝北区、江津区、沙坪坝区、北碚区、南岸区、涪陵区、长寿区、万盛区、江北区、九龙坡区、双桥区、大渡口区。

②曲线从左至右依次为：双桥区、渝中区、武隆县、江北区、石柱县、南岸区、黔江区、彭水县、丰都县、城口县、巫溪县、渝北区、巫山县、铜梁县、璧山县、沙坪坝区、大渡口区、九龙坡区、垫江县、潼南县、巴南区、梁平县、忠县、大足县、奉节县、北碚区、酉阳县、万盛区、南川区、云阳县、永川区、綦江县、秀山县、荣昌县、涪陵区、合川区、万州区、长寿区、开县、江津区。

③曲线从左至右依次为：巫溪县、酉阳县、彭水县、巫山县、城口县、石柱县、云阳县、丰都县、奉节县、武隆县、黔江区、忠县、梁平县、垫江县、綦江县、潼南县、秀山县、开县、南川区、大足县、铜梁县、合川区、巴南区、万州区、璧山县、永川区、涪陵区、江津区、渝北区、荣昌县、万盛区、长寿区、北碚区、沙坪坝区、南岸区、九龙坡区、双桥区、江北区、大渡口区、渝中区。

4基于公平性的CO2排放权分配方案设计

41CO2排放权分配模型

本文采用线性规划的方法，建立CO2排放权分配模型。设定各评价参数的基尼系数值之和达到最小为目标函数，以各区域的CO2排放削减比例为决策变量，要求分配后的各评价参数的基尼系数值均小于等于现状值，且CO2排放量符合现状单位生产总值排放量的总量削减约束，同时为保障分配方案的公平性和可实施性，确定各区域的CO2排放削减比例的上下限，从而确定区域间CO2排放权分配方案，计算公式见式（3）至式（8）。

min G′=3i=1Gi （3）

s.t.（1-q）IW=（1-Pj）nj=1IjWj （4）

G′i≤Gi （5）

I=E/W0 （6）

Ij=Ej/W0j （7）

P0≤Pj≤P′0 （8）

其中，i表示人口、人均GDP、大气环境容量三个评价参数；j为各区县编号；Gi、G′i分别表示现状和分配后评价参数i的基尼系数值；G′为分配方案实施后各评价参数的基尼系数值之和；W、Wj分别表示2015年重庆市GDP总值及区县j的GDP值；W0、W0j为2010年重庆市GDP总值及区县j的GDP值；I、Ij分别为2010年重庆市碳排放强度及区县j的碳排放强度；q为单位生产总值CO2排放削减率；E、Ej分别为重庆市和区县j的CO2排放量；Pj为分配给区县j的CO2排放削减率；P0、P′0分别为削减率的上下限。

42情景设计

考虑到重庆市各区县社会水平、经济发展、自然环境等存在着显著差异，将分配给各区县的CO2排放削减比例设置为情景1 （差别对待）、情景2（激励型）、情景3（均衡型）3种情景。情景1是根据区县的具体情况分配恰当的削减比例，情景2是为鼓励各区县积极参与减排分配较多的减排量，情景3表示对各区县同等对待分配均衡的削减比例。其取值范围分别为[10%，50%]、[25%，50%]、[35%，45%]，探讨不同类型削减比例分别对各区县的影响。

43分配结果

根据以上要求，采用线性规划分配模型在3种不同情景下，利用Lingo软件进行编程求取最优解，最终分配结果见表3。

根据基尼系数计算公式，求得分别在情景1、2、3下基于人口、人均GDP、大气环境容量的基尼系数值，与现状值进行对比，见表4。

4.4分配结果分析

由表3分析知，基于3种不同情景的分配方案，重庆市9大主城区（除渝中区外）和10个中心城区（除黔江、大足区外）均为重点减排对象，其CO2排放削减比例达到了削减区域上限。而其余县域的CO2排放削减比例较小。綦江区、城口县、开县、石柱县、秀山县在基于情景1

下的削减比例都达到了最大值，而在情景2、3下，削减比

例（除表3 不同情景下的重庆市各区县CO2削减分配方案秀山县外）为削减区域的最小值，这是由于在情景2和3条件下各区县的削减比例都有所上升，总的碳排放量减少。而削减幅度较大的地区大多数属于经济发展较好、高能耗企业（如电力、钢铁、化工等）较多的地区。由此可见，CO2排放量的大小与经济发展呈正相关。

由表4可以看出，三个评价参数在三种不同情景下分配后，其基尼系数值总和达到了最小，与现状相比，分配更加公平、合理。其中，基于情景1的基尼系数值之和最小，表明基于情景1的分配方案优于后两种情景，说明削减比例上下限取值范围差别越大，基尼系数之和越小，分配方案越优。因此，在对重庆40个区县进行碳排放权分配不可能做到一视同仁，必须有区别地分配。基于人口、人均GDP、大气环境容量的基尼系数在分配情景1、2、3排序下逐渐增加，表明在削减上限范围波动不大的情况下，下限范围对分配结果起着非常重要的作用，下限越小，基尼系数值也就越小，反之亦然。虽然基于人口和基于人均GDP的基尼系数值下降幅度很小，但优化后其值处于合理范围内，表明其CO2排放权分配相对公平；虽然基于土地面积的基尼系数值没有降至合理范围内，这是由于重庆市主要的行业发展集中在土地面积有限的九大城区和十个中心城区，要求这些城区在短时期内施行大强度的碳减排，这是与区域经济发展为前提相背离的，同时也不可能实施的。

综上分析，为实现重庆低碳式经济的发展，鼓励那些经济发展比较落后而CO2排放量比较小的地区如巫溪县、巫山县、石柱县等地加快发展，实施低幅度的削减比例；针对CO2排放量较大的城区如九龙坡区、双桥区等区县在鼓励经济发展的同时，分配较高的削减比例，使得基尼系数趋向合理范围。

5结论

在CO2排放日益增加、全球气候不断变暖的背景下，实行节能减排、控制CO2的排放，是实现低碳生活方式的必经之路。公平性原则作为CO2排放权分配的重要前提，必须综合考虑其分配区域的经济发展、社会水平和资源环境容量等现状所负荷的CO2排放量。本文得出以下结论：

（1）重庆市CO2排放存在显著差异

采用K-均值聚类法对重庆市40个区县CO2排放现状进行聚类分析，发现重庆市CO2排放存在中心城区和县域的显著差异，中心城区排放量较高，县域排放较低；另外，运用经济学中衡量分配公平程度的基尼系数法，实现各区县CO2排放公平性的评估，其中基于大气环境容量的基尼系数值严重超过“警戒线”，属于重点调整指标。

（2）基于公平性的CO2排放权分配，实现CO2排放的有效控制

在3种不同的情景下，采用线性规划法实现对CO2排放权的分配。分配后，发现在不同情景下所有指标的基尼系数均小于现状值且总和达到最小，与现状相比分配后的排放结果更加公平，并且有效地控制了CO2排放，为区域碳排放交易市场的建立提供了重要的参考价值。

参考文献：

[1]Rolf Golombek， Sverre A C Kittelsen， Knut Einar Rosendahl. Price and Welfare of Emission Quota Allocation[J].Energy Economics，2013（36）：568- 580.

[2]Eero Paloheimo， Olli Salmi. Evaluating the Carbon Emissions of the Low Carbon City： A Novel Approach for Consumer Based Allocation[J].CITIES，2013，30 （1）：233-29.

[3]Anthony T H Chin， Peng Zhang. Carbon Emission Allocation Methods for the Aviation Sector[J]. Journal of Air Transport Management，2013，28（1）： 70-76.

[4]陈文颖，吴宗鑫，何建坤.全球未来碳排放权“两个趋同”的分配方法[J].清华大学学报（自然科学版），2005，45 （6）：850-857.

[5]苏利阳，王毅，汝醒君，等.面向碳排放权分配的衡量指标的公正性评价[J].生态环境学报，2009，18（4）：1594- 1598.

[6]王文军，庄贵阳.碳排放权分配与国际气候谈判中的气候公平诉求[J].外交评论，2012，1（1）：72-84.

[7]vChu WEI， Jinlan NI， Limin DU. Regional Allocation of Carbon Dioxide Abatement in China[J].China Economic Review，2012，23（1）：552–565.

[8]Ke Wang， Xian Zhang， Yi-Ming Wei， et al. Regional Allocation of CO2 Emissions Allowance Over Provinces in China by 2020[J].Energy Policy，2013， l54（1）：214-229.

[9]Wen-Jing Yi， Le-Le Zou， Jie Guo， et al. How Can China Reach Its CO2 Intensity Reduction Targets by 2020？ A Regional Allocation Based on Equity and Development [J].Energy Policy，2011，39（1）：2407- 2415.

[10]Qiao-Mei Liang， Yi-Ming Wei. Distributional Impacts of Taxing Carbon in China： Results from the CEEPA Model[J].Applied Energy，2012，92（1）：545–551.

[11]娄伟.城市碳排放量测算方法研究——以北京市为例[J].华中科技大学学报（社会科学版），2011，5（3）：104- 110.

[12]柯兴，吴克明，丁倩倩，等.基于基尼系数法的区域水污染分配研究[J].工业安全与环保，2012，238（2）： 53-56.

[13]刘耀，吴仁海，廖瑞雪.大气污染总量分配公平性评价研究[J].环境科学与管理，2007，32（9）：159-162.

[14]刘颖，谢荫，丁勇.对基尼系数计算方法的比较与思考[J].统计与决策，2004，9（1）：15-16.

（责任编辑：杨锐）

采用K-均值聚类法对重庆市40个区县CO2排放现状进行聚类分析，发现重庆市CO2排放存在中心城区和县域的显著差异，中心城区排放量较高，县域排放较低；另外，运用经济学中衡量分配公平程度的基尼系数法，实现各区县CO2排放公平性的评估，其中基于大气环境容量的基尼系数值严重超过“警戒线”，属于重点调整指标。

（2）基于公平性的CO2排放权分配，实现CO2排放的有效控制

在3种不同的情景下，采用线性规划法实现对CO2排放权的分配。分配后，发现在不同情景下所有指标的基尼系数均小于现状值且总和达到最小，与现状相比分配后的排放结果更加公平，并且有效地控制了CO2排放，为区域碳排放交易市场的建立提供了重要的参考价值。

参考文献：

[1]Rolf Golombek， Sverre A C Kittelsen， Knut Einar Rosendahl. Price and Welfare of Emission Quota Allocation[J].Energy Economics，2013（36）：568- 580.

[2]Eero Paloheimo， Olli Salmi. Evaluating the Carbon Emissions of the Low Carbon City： A Novel Approach for Consumer Based Allocation[J].CITIES，2013，30 （1）：233-29.

[3]Anthony T H Chin， Peng Zhang. Carbon Emission Allocation Methods for the Aviation Sector[J]. Journal of Air Transport Management，2013，28（1）： 70-76.

[4]陈文颖，吴宗鑫，何建坤.全球未来碳排放权“两个趋同”的分配方法[J].清华大学学报（自然科学版），2005，45 （6）：850-857.

[5]苏利阳，王毅，汝醒君，等.面向碳排放权分配的衡量指标的公正性评价[J].生态环境学报，2009，18（4）：1594- 1598.

[6]王文军，庄贵阳.碳排放权分配与国际气候谈判中的气候公平诉求[J].外交评论，2012，1（1）：72-84.

[7]vChu WEI， Jinlan NI， Limin DU. Regional Allocation of Carbon Dioxide Abatement in China[J].China Economic Review，2012，23（1）：552–565.

[8]Ke Wang， Xian Zhang， Yi-Ming Wei， et al. Regional Allocation of CO2 Emissions Allowance Over Provinces in China by 2020[J].Energy Policy，2013， l54（1）：214-229.

[9]Wen-Jing Yi， Le-Le Zou， Jie Guo， et al. How Can China Reach Its CO2 Intensity Reduction Targets by 2020？ A Regional Allocation Based on Equity and Development [J].Energy Policy，2011，39（1）：2407- 2415.

[10]Qiao-Mei Liang， Yi-Ming Wei. Distributional Impacts of Taxing Carbon in China： Results from the CEEPA Model[J].Applied Energy，2012，92（1）：545–551.

[11]娄伟.城市碳排放量测算方法研究——以北京市为例[J].华中科技大学学报（社会科学版），2011，5（3）：104- 110.

[12]柯兴，吴克明，丁倩倩，等.基于基尼系数法的区域水污染分配研究[J].工业安全与环保，2012，238（2）： 53-56.

[13]刘耀，吴仁海，廖瑞雪.大气污染总量分配公平性评价研究[J].环境科学与管理，2007，32（9）：159-162.

[14]刘颖，谢荫，丁勇.对基尼系数计算方法的比较与思考[J].统计与决策，2004，9（1）：15-16.

（责任编辑：杨锐）

采用K-均值聚类法对重庆市40个区县CO2排放现状进行聚类分析，发现重庆市CO2排放存在中心城区和县域的显著差异，中心城区排放量较高，县域排放较低；另外，运用经济学中衡量分配公平程度的基尼系数法，实现各区县CO2排放公平性的评估，其中基于大气环境容量的基尼系数值严重超过“警戒线”，属于重点调整指标。

（2）基于公平性的CO2排放权分配，实现CO2排放的有效控制

在3种不同的情景下，采用线性规划法实现对CO2排放权的分配。分配后，发现在不同情景下所有指标的基尼系数均小于现状值且总和达到最小，与现状相比分配后的排放结果更加公平，并且有效地控制了CO2排放，为区域碳排放交易市场的建立提供了重要的参考价值。

参考文献：

[1]Rolf Golombek， Sverre A C Kittelsen， Knut Einar Rosendahl. Price and Welfare of Emission Quota Allocation[J].Energy Economics，2013（36）：568- 580.

[2]Eero Paloheimo， Olli Salmi. Evaluating the Carbon Emissions of the Low Carbon City： A Novel Approach for Consumer Based Allocation[J].CITIES，2013，30 （1）：233-29.

[3]Anthony T H Chin， Peng Zhang. Carbon Emission Allocation Methods for the Aviation Sector[J]. Journal of Air Transport Management，2013，28（1）： 70-76.

[4]陈文颖，吴宗鑫，何建坤.全球未来碳排放权“两个趋同”的分配方法[J].清华大学学报（自然科学版），2005，45 （6）：850-857.

[5]苏利阳，王毅，汝醒君，等.面向碳排放权分配的衡量指标的公正性评价[J].生态环境学报，2009，18（4）：1594- 1598.

[6]王文军，庄贵阳.碳排放权分配与国际气候谈判中的气候公平诉求[J].外交评论，2012，1（1）：72-84.

[7]vChu WEI， Jinlan NI， Limin DU. Regional Allocation of Carbon Dioxide Abatement in China[J].China Economic Review，2012，23（1）：552–565.

[8]Ke Wang， Xian Zhang， Yi-Ming Wei， et al. Regional Allocation of CO2 Emissions Allowance Over Provinces in China by 2020[J].Energy Policy，2013， l54（1）：214-229.

[9]Wen-Jing Yi， Le-Le Zou， Jie Guo， et al. How Can China Reach Its CO2 Intensity Reduction Targets by 2020？ A Regional Allocation Based on Equity and Development [J].Energy Policy，2011，39（1）：2407- 2415.

[10]Qiao-Mei Liang， Yi-Ming Wei. Distributional Impacts of Taxing Carbon in China： Results from the CEEPA Model[J].Applied Energy，2012，92（1）：545–551.

[11]娄伟.城市碳排放量测算方法研究——以北京市为例[J].华中科技大学学报（社会科学版），2011，5（3）：104- 110.

[12]柯兴，吴克明，丁倩倩，等.基于基尼系数法的区域水污染分配研究[J].工业安全与环保，2012，238（2）： 53-56.

[13]刘耀，吴仁海，廖瑞雪.大气污染总量分配公平性评价研究[J].环境科学与管理，2007，32（9）：159-162.

[14]刘颖，谢荫，丁勇.对基尼系数计算方法的比较与思考[J].统计与决策，2004，9（1）：15-16.

（责任编辑：杨锐）