2020和2030年碳强度目标约束下中国碳排放权的省区分解

王 勇,程 瑜,杨光春,董 莹



2020和2030年碳强度目标约束下中国碳排放权的省区分解

王 勇1,2*,程 瑜1,杨光春1,董 莹1

(1.东北财经大学统计学院,辽宁 大连 116025；2.东北财经大学博士后科研流动站,辽宁 大连 116025)

建立了碳排放权省区分配模型,在中国2020年和2030年碳强度目标约束下,分阶段进行碳排放权的省区分配.结果表明:2016~2020年,中国各地区碳排放权分配相差悬殊.碳排放权配额最多的5个省份分别是经济发展水平和历史碳排放量均处于全国前列的广东、江苏、内蒙古、山东和山西地区,配额最少的5个省份依次是安徽、吉林、甘肃、宁夏和贵州.同时,各地区面临不同的减排压力.山西、山东、辽宁和陕西在2016年初始节点的碳空间严重不足,需要承担较大的减排压力.而广东、江苏和上海等地减排压力相对乐观.2021~2030年,各省份的碳排放权分配与第1阶段分配结果大体一致,所有省份在2030年碳排放空间均有盈余.但是部分地区(如新疆、陕西、吉林、青海、甘肃、宁夏和贵州等)截至2030年碳排放剩余空间相对有限,按期完成减排目标仍然存在较大压力.考虑到各省区面临不同的减排任务和压力,制定差异化的减排政策并在政策上给予适当的扶持是保证中国减排目标顺利达成的关键.

碳排放权；省区分配；碳排放强度目标；中国

全球碳项目[1]数据显示,2015年中国排放104亿t CO2,占全球排放总量的29%.中国作为全球最大的能源消费国和碳排放国,探索一条适合经济发展的减排之路是中国亟待解决的重大问题.碳排放权是一种有价值的资产,它可以作为商品在市场上进行交换,如何合理地分配碳排放权是减排工作的关键举措.鉴于中国地域辽阔,复杂多样的经济结构和发展模式决定了区域间在经济、文化、消费等多方面存在差异,造成了不同省份间的碳排放量和减排潜力等方面存在明显差距,从而形成了对碳减排权的不同诉求.

同时,碳排放权省区分配应该兼顾国家宏观层面减排目标的实现.目前,中国最主要的碳强度减排目标包括2020年碳强度目标和2030年碳强度目标.2020年碳排放强度目标:2020年碳排放强度相比2005年下降40%~45%.2030年碳强度目标:在2030年左右二氧化碳排放达到峰值并争取尽早达峰,并计划2030年碳排放强度相比2005年下降60%~65%.公平、合理地碳排放权省区分配,既能不影响国家及各地区的发展,也能够最终实现2020年与2030年的碳排放强度减排目标.因此,如何在国家层面减排目标的约束下进行碳排放权的省区分配是中国现阶段减排工作需要重点解决的关键问题.

目前,碳排放权区域分配方面的研究成果较为丰富.相关研究主要集中于两个方面:(1)基于不同分配原则的研究,如公平性原则[2]、效率性原则[3]、公平性与效率性原则相结合[4]以及分阶段实行公平性与效率性原则[5]等.(2)基于不同分配模型的研究,如建立基尼系数优化模型[6]、DEA,BCC和ZSG-DEA模型[7]、利用指标线性加权构建分配综合指数[8]、零和数据包络分析模型[9]、设立九种不同的分配情景[10]等对中国各省区进行碳排放权分配.

图1 本文研究框架

虽然国内外学者在碳排放权区域分解研究中已经取得了不少成果,但是仍然存在一些不足之处:(1)碳排放权分配研究很少与长远碳排放强度目标结合.绝大多数碳排放权省区分配研究主要集中在基于历史数据对碳排放权的初始分配,并未考虑减排目标下的未来碳排放权分配.(2)碳排放权分配的指标选取不够全面.没有考虑到各地区的减排成本、减排潜力以及产业结构优化等存在的不均衡问题,减排成本和减排潜力将直接决定各地减排工作是否具有实施的可行性.(3)碳排放影响因素权重设置不合理.目前研究多数对碳排放影响因素采取等额权重或人为主观设定指标权重.事实上,各项指标对碳排放的影响并非完全相等,若赋予各项指标等权则会导致分配结果的不可靠.基于已有研究不足,本文建立了碳排放权省区分配的综合指标体系,在2020年和2030年碳排放强度目标约束下,分别对中国2016~2020年和2021~2030年两个时间段的碳排放权进行省区分解.

本文研究框架如图1所示.

1 碳排放权省区分解指标体系的构建

1.1 碳排放权省区分解的综合指标体系

本文基于目前在碳排放权省区分解研究中广泛使用的公平性和效率性原则,增加了可行性原则,建立了碳排放权省区分配的综合指标体系.具体如下:

(1)公平性原则.目前,国内外学者提出的分配方案中使用最多的是公平性原则.本文选择了人口、GDP、历史碳排放量作为代表公平性原则的分解指标.其中,人口数量和GDP都是正向指标,意味着人口数量越大,该地区分配的碳排放权也应该越大,同样,GDP数值越大,理论上该地区分配的碳排放权也应该越大.对于历史碳排放量这个指标,一般而言某地区的历史碳排放量越大,出于当期对历史期责任的角度,得到的碳排放权应该越大,所以历史碳排放量是一个正向指标.

(2)效率性原则.效率性原则就是要求以最小的投入获得最大的回报为基准,实现回报最大化的目标.本文采用碳生产力指标来代表效率性原则,碳生产力是指单位碳排放所引起的GDP的增加量.即希望投入较少的能源来实现期望产出的最大化,因此碳生产力也是一个正向指标.

(3)可行性原则.减排可行性原则指的是各地区是否有能力达到国家规定的碳排放限额要求.本文选择第三产业比重作为可行性原则的代表性指标主要是参考已有研究[11-12].第三产业比重越高,说明产业结构优化效果越明显,该地区今后的减排潜力较小,需要分配较少的碳排放空间.因此,第三产业比重是一个负向指标.当然,除了第三产业比重外,还可以考虑其他指标作为可行性原则的代表性指标,本文将在后续研究过程中尝试加入其它代表性指标.

本文在原则--指标矩阵下建立了包含5项指标的碳排放权分配指标体系,如表1所示.

表1 碳排放权分配的指标体系

注:正向指标表示该指标与碳排放配额成正相关,负向指标表示与碳排放配额成负相关;GDP的计算基期为2011年,用于核算2011~2015年的相关指标值.

1.2 各省历史碳排放量的测算

本文主要考虑了3大化石能源煤、石油和天然气产生的碳排放量,计算方法如式(1):

表2 3大化石能源的碳排放系数

计算步骤:将各种能源的消费量利用折标准煤系数转换为标准煤单位消费量;利用公式(1)计算各种能源燃烧产生的碳排放量.

1.3 基于熵值法确定各指标权重

采用熵值法处理不同指标权重的问题,熵值法是用于多对象多指标体系的综合评价方法,主要根据各指标传递信息量的大小来确定指标权重.通常情况下,熵值法可以反映出指标信息熵值的效用价值,给出的指标权重值比德尔菲法和层次分析法更加可靠和合理.应用熵值法计算指标权重的具体步骤如下:

(1)消除量纲的影响.对于正向指标,x越大越好,所以理想值为该指标的最大值xmax;对于负向指标,x越小越好,记理想值为该指标的最小值xmin.定义x表示某指标下某地区数值x对理想值的接近程度.

对于正向指标,采用公式(2)进行处理:

对于负向指标,采用公式(3)进行处理:

(2)计算指标概率p,计算方法如公式(4):

(3)计算第个指标的信息熵值e

对于第项指标,指标值的差异越大,对决策者提供的有用信息越多,熵值越小.第个指标的信息熵值e计算方法如公式(5):

(4)计算第个指标的信息效用值g,计算方法如公式(6):

(5)求指标权重w,计算方法如公式(7):

由公式(7)计算可得,碳排放量的权重为29.3%,指标占比最大;GDP和人口规模的权重分别为27.7%和20.7%,3类指标累积占比77.7%,说明这3个指标在不同区域存在的差异最明显,能够给决策者提供的信息最多,在进行碳排放权省际分解时应优先考虑这3个指标.同时,这3个指标的选择也反映出公平性原则在分配碳权时是最重要的原则.碳生产力作为效率性原则的代表性指标,占比为21.0%,第三产业比重占比仅为1.4%,与其他指标相比权重较低.

1.4 基于聚类分析的中国省区分类

考虑到我国地区众多,各省区间既相似又相互区别.首先将特征相似的省区划为同一区组,然后确定区组间碳排放权,最后确定区组内各省区最终碳权分配比例.参考已有研究得到的影响碳排放量的因素[11-12],选取人口、GDP、历史碳排放量、碳生产力和第三产业比重5项指标,利用多指标聚类的方法将全国30个省市进行省区分解.在指标数据方面,采用时间降维的思想,将我国30个省市2011~ 2015年的5项指标数据取其年度均值,进行区域划分.采用-均值方法进行聚类分析.为了消除指标量纲的影响,在聚类分析中首先对数据进行标准化处理.

省区对象=30,评价指标=5,x,为第个对象的第个指标的数值(=1,2,…,,=1,2,…,).对于正向指标,数据处理方法如公式(2);对于负向指标,数据处理方法如公式(3).

根据k-均值聚类结果,可以把全国30个省市划分为6类,第1类省区为:北京、上海;第2类省区为:天津、吉林、黑龙江、重庆、云南、陕西、辽宁、浙江、安徽、福建、江西、湖北、湖南、广西;第3类省区为:海南、贵州、甘肃、青海、宁夏、新疆;第4类省区为:河北、河南、四川、山东;第5类省区为:山西、内蒙古;第6类省区为:江苏、广东.

2 碳排放权测算及省区分解模型的构建

2.1 2020年与2030年的碳排放权测算

2.1.1 2020年碳排放权测算 根据2020年碳排放强度比2005年碳排放强度下降40%~45%的减排目标(选择45%作为下降目标),以2015年实际碳排放强度为基准,假定2016~2020年的碳排放强度每年的变化率保持不变.2016~2020年,每年碳排放强度变化率计算方法如公式(8):

式(8)中:为碳排放强度下降目标(45%),2005、2015、2020分别为第2005年、2015年和2020年的碳排放强度.

在新常态GDP年均增长率6.0%的假设下,可以预测出2016~2020年各年份的GDP总量.再根据2016~2020年各年份的碳排放强度与GDP总量,计算得到中国2016~2020各年份的碳排放权总量,计算方法如公式(9):

2.1.2 2030年碳排放权测算 根据2030年达到碳排放峰值并实现2030年碳排放强度比2005年下降60%~65%的减排目标(以65%作为下降目标),以2020年预测的碳排放强度为基准,假设2021~2030年每年的碳排放强度变化率¢保持不变.2021~2030年,每年碳排放强度变化率¢的计算方法如公式(11):

式(11)中:¢为碳排放强度下降目标,2005、2020、2030分别为第2005年、2020年和2030年的碳排放强度.

将2021~2030年各年份的碳排放强度与新常态下预测的GDP数据相结合,计算得到2021~2030各年份的碳排放权,计算方法如公式(12).将2021~2030年各年份的碳排放权加和,得到2021~2030年的全国碳排放权总量¢,如公式(13).

2.2 六大区域间的碳排放权分配方法

式(14)中:n为第类区域所包含的地区个数.

基于熵值法计算出的各指标权重乘以相应的组中心占比即可得到6大区域间的碳排放权分配比重.

2.3 六大区域内部各省碳排放权分配方法

区域内部各省碳排放权分配主要从边际减排成本角度进行.由于污染排放没有明确的价格计量,因此,长期以来环境因素经常被研究者所忽视.为了解决这个难题,我国已有研究理论从测算污染排放影子价格或边际减排环境污染影子价格的方面着手,在实现减排成本最小化的同时合理安排碳排放权的有效分配.

影子价格可以根据所减少的期望产出解释为额外降低1单位非期望产出的机会成本,或者称之为非期望产出的边际减排成本,其数值等于技术前沿上对应点斜率的负数.基于影子成本的计算方法,碳边际减排成本可以定义为在一定经济条件下,每减少单位碳排放量所导致地区GDP的削减量,也就是边际减排成本.本文利用中国各省区2011~2015年的相关数据,采用基于方向性距离函数的影子价格模型对各省区的减排成本指标进行了核算.投入要素选定为资本投入和劳动力两个指标,期望产出要素为GDP指标,非期望产出要素为碳排放量指标.

(,,,1,-1)=max{:(+*1,+a*(-1))Î()} (15)

式(15)中,为不增加投入要素的条件下期望产出扩大的最大比例值,()为环境技术支持的所有可能生产集合.

根据环境技术规定的期望产出与非期望产出的联合弱可处置性,在生产可能性集合()的范围内,降低碳排放的代价要求降低GDP产出,即环境管制对期望产出的边际效应.将GDP产出的变化量与碳排放的变化量两者联系起来,可以得到碳排放的影子价格,其计算方法如公式(16):

…,6 (17)

3 结果分析

3.1 中国碳排放权2阶段省区分解方案

将公式(10)计算出的中国2016~2020年碳排放权总量数值先在区域间分配,再基于减排成本的差异在区域内分配,便得到第1阶段碳排放权的省区分配方案.在第2阶段2021~2030年的碳排放权分配方案中,我们将历史碳排放量指标调整为2016~2020年各省理论分配意义下的碳排放权,并重新测算碳生产力指标,这样保证了后一减排阶段与前一阶段在时间和方法上的连续,然后重新按照上述分配方法进行区域聚类和熵值法确定指标权重,并将公式(13)计算出的中国2021~2030年的碳排放权总量在组间组内作进一步的分配.2016~2020与2021~2030两阶段的碳排放权省区分配结果,如表3所示.

由表3可见,从2016~2020阶段碳排放权配额来看,中国30个省区的碳排放权分配悬殊.配额最多的8个省份依次是广东(15.46%)、江苏(12.83%)、内蒙古(9.11%)、山西(7.71%)、山东(7.65%)、上海(7.43%)、北京(6.91%)和四川(5.48%).这些省份既有经济水平十分发达的北京、上海,也有人口密集的广东、江苏、山东,还有资源禀赋较好的内蒙古、山西省,这些特点促使各省对碳排放权的需求扩大,碳排放权分配不足可能会延缓区域的自身发展速度.配额最少的8个省份依次是陕西(0.66%)、广西(0.60%)、青海(0.60%)、安徽(0.57%)、吉林(0.52%)、甘肃(0.50%)、宁夏(0.47%)和贵州(0.32%).这些省份大都分布在中国贫困偏远的西北地区以及部分东北地区,区域自身发展缓慢,技术落后,人口稀疏,对外往来贫乏,分配的碳排放权也相应较少.

表3 2016~2020与2021~2030两阶段碳排放权的省区分配

从2021~2030阶段碳排放权配额来看,中国各省的分配结果与前一阶段并未发生太大改变.配额较多的地区仍然大部分是分布在中东部经济较发达的地区,如广东(15.3%)、江苏(12.69%)、内蒙古(7.2%)、上海(6.41%)、山西(6.09%)、北京(5.95%)、浙江(5.54%)和山东(5.50%),配额较少的地区有陕西(0.93%)、新疆(0.91%)、广西(0.86%)、吉林(0.73%)、青海(0.35%)、甘肃(0.29%)、宁夏(0.28%)和贵州(0.20%),与减排第1阶段的分配结果基本保持一致.由此看来,作为地域辽阔的国家,中国的各个省区在经济水平、发展速度和资源禀赋上均表现出严重的不平衡现象,正是这种不平衡导致区域发展的差异性将对碳排放权省区分解产生不可小觑的影响.因此在进行碳排放权分配的过程中,为了不影响全国的减排目标实现,碳排放配额应更加偏向于技术手段更先进,经济水平更发达,同时产业结构也更为合理的东部地区,其次是各方面发展阶段略微落后的中部地区,最后才是发展相对落后的西部地区.

从各省动态变化来看,全国30个省区中,大部分省区前后2个阶段的碳排放权分配比例基本稳定,只有少数几个省区如辽宁、安徽、浙江、湖南、湖北省前后两阶段碳排放权的分配比例变化较大,后一阶段碳排放权大约为前一阶段的3倍.这是因为5个省区的历史碳排放量相对较高,经过第1阶段的减排治理,分配到的碳排放权远远小于历史碳排放量,而第2阶段是根据第1阶段相对较低的理论碳排放权指标算出的碳生产力,此时碳生产力数值激增,因此后一阶段分配的碳排放权与前一阶段相比涨幅较大.

3.2 中国各省区碳排放空间余额的对比分析

3.2.1 2016、2016~2020与2021~2030不同省区碳排放空间对比 利用2016~2020阶段理论碳排放权年均值减去各地区2016年的实际碳排放量,差值即为各地区在2016年时间点上的碳排放初始空间余额.如果差值为负值,则说明该地区的实际排放超出其理论排放权利,存在排放赤字;反之,如果差值为正值,则说明该地区存在排放盈余.根据2016年各地区的碳排放初始空间余额,将中国30个地区划分为如图2所示的空间盈余(>0)、轻度匮乏(-8390万t~0)、中度匮乏(-16780~-8390万t)和重度匮乏(<-16780万t)4类区域.用2016年计算的各省区初始空间余额加上各自在2016~2020第1减排阶段分配到的理论碳排放权,即可计算出各省区在2021年节点处的余额.如果某一省区的空间余额为正,说明这部分盈余是未来该省区实际累计排放的控制目标.用2021年各省的余额加上2021~2030第2减排阶段分配的理论碳排放权,得到各省截至2030年末的最终空间.

由图2可见,从碳排放初始空间余额来看,全国只有6个省区出现盈余,而其它24个省区在2016 年的初始时间点碳排放空间出现余额不足.具体来说,经济发展较为迅速的省区(如广东、北京、上海、江苏等)在2016年存在排放盈余;而主要的产煤大省(如山西、内蒙古)、欠发达的偏远地区(如新疆、宁夏、贵州等)、以及以重工业发展为主的东北省区(如黑龙江、吉林和辽宁等)的碳排放空间在2016年节点处出现了碳排放赤字.尤其是像山东、辽宁、陕西和山西省碳排放空间出现明显匮乏,这些省区在过去5年的实际碳排放量远远超出了理论值,以至于不得不通过从其他省份的碳转移来弥补自身的缺乏,这样对其他地区会造成一定的伤害,同时也影响了碳分配的公平性原则.因此,这些省区在2016~ 2020阶段的碳排放权将会有一部分用来弥补初始碳排放账户赤字,这些省区需要进一步加大节能减排的工作力度,加快产业结构的升级和能源结构的优化处理,同时应鼓励减排技术的创新进步,以便尽早消除碳排放空间不足问题.

图2 2016,2016~2020和2021~2030各省区碳排放空间

从2021年与2030年2个时间点的碳排放空间盈余来看:经过2016~2020年和2021~2030年2个阶段的理论碳排放权补给,所有省区在2030年时间点的碳排放空间余额均为正值,尤其是在2021年节点仍然出现碳空间不足的省份,比如辽宁、黑龙江、陕西、安徽和贵州5个省区在2030年碳空间也出现了盈余,这部分盈余就是这些省区在2021~2030年的理论累计排放的控制目标.同时,内蒙古、山西、山东、江苏和广东省的排放空间余量充足.

3.2.2 2016、2016~2020与2021~2030不同省区的年均碳排放量对比 由图3可见,从2016年实际碳排放量与2016~ 2020、2021~2030年均理论碳排放量的对比来看,山西、山东、内蒙古等地区2016年实际碳排放量较高,而在两个减排目标约束阶段2016~2020与2021~2030年的理论碳排放权的分配中配额均小于2016年实际碳排放量,说明上述3个省份面临相对沉重的减排负担,尤其是山西省,两个减排阶段碳排放权理论配额仅仅为历史排放量的50%和40%,减排形势异常严峻,能否在2030年之前顺利达成减排强度目标令人堪忧.

省区编号同表3

相反,北京、青海和海南在2016年的实际碳排放量相对较少,而在其后的减排目标约束阶段的碳排放量却很充足,尤其是北京地区,增排量达到历史碳排放量的6倍左右,说明该地区可以大力发展生产力,加快经济发展步伐,已协调碳权充足的有利条件,充分发挥碳盈余的优势.

而甘肃、宁夏和贵州等地区基于碳强度目标核算出的理论碳排放权十分有限,然而这些省区在2016年的实际碳排放量相对较高,说明这些省区面临的减排任务十分艰巨.同时这些省区主要位于发展缓慢的西部地带,技术条件较为落后,因此,在未来的发展进程中适当降低煤炭等化石能源的使用比例,调整能源结构,并且在减排技术上不断优化创新.

4 讨论

4.1 与其他研究比较

将分配结果与已有研究成果[9-11]进行比较,发现得到的各省区碳排放权配额与其它几项研究结果大体一致,如广东、山东、江苏等省区分配比重均较高;而贵州、宁夏等省区分配比重均较低;其它省区分配比重基本一致,并无明显差异.

然而,在研究内容和研究方法上又与以往研究不同.目前,碳排放权的省区分配大多基于单一目标(如2020年碳强度目标[5]或2030年碳峰值目标[11])约束条件,本文将中国长远的减排目标引入碳排放权分配中,兼顾中国目前最重要的2020年和2030年碳排放强度减排目标约束下进行省区碳排放权分解,既能实现宏观层面的碳排放强度减排目标,又能科学合理的进行碳排放权省区分解.同时,建立了渐近式、动态调整的碳排放权分配方案.本文分2个阶段(2016~2020、2021~2030)对中国碳排放权进行省区分配.其中, 2021~2030年各省区分配方案考虑了2020年碳强度目标达成后碳排放量的实际情况,用前一阶段2016~ 2020理论分配的碳排放量代替历史碳排放量,重新测算2021~2030年各省区碳排放权的分配结果.

与以往基于经济和社会表现的东、中、西地区划分方式或8大经济区域[23]划分方式不同,本文基于多指标体系的聚类分析将中国30个省区重新划分为6大区域,首先将碳排放权在6大区域内划分,然后在各区域内进行省区分配.

4.2 建议

考虑到中国大部分省区碳排放仍处于超标状态,初始碳空间盈余严重不足,提出以下两点建议.

从政府角度:①积极推进碳排放强度管制政策的实施,并提供立法支持.碳排放强度管制政策的实施,能够促使生产部门优化能源供给结构,加大对碳排放因子较低的能源的供应量,从而降低碳排放量的增加.这种政策也会使碳排放因子较高的能源产品的价格上升,使人们更倾向使用清洁能源.但是目前中国主要依靠行政手段来推动碳排放强度管制的实施,缺乏立法支持,应当加紧制定配套的法律制度.②低碳产品贴标政策能够帮助消费者辨别低碳产品,但是这种政策需要辅之宣传和价格优惠机制.因此政府应当加大低碳宣传力度,拓展低碳宣传渠道,借用人们常用的手机app进行宣传是不错的选择.③政府应当进一步加大对购买低能耗产品行为的补贴力度.④阶梯电价政策能够促进形成低碳生活方式,可以将其推广到供热方面.

从市场角度:①进一步完善碳交易市场.碳交易市场的建立能够促进碳排放权得到最优分配,降低中国的减排成本.目前中国已经建立了全国性的碳交易市场,但是中国的碳交易市场建立较晚,一系列的管理和监管政策还不规范.今后,应该选择符合中国发展现状的碳排放交易体系,加强顶层设计的系统性;采用总量交易的运行模式,形成绿色低碳发展机制;采用总量交易的运行模式,形成绿色低碳发展机制.总之,我国碳排放交易市场的建设要注重健全低碳产业体系,形成碳交易、碳金融、碳足迹和碳规划的协调互动,实现经济社会可持续发展与生态环境保护的双赢.②征收碳税.征收碳税也是促进中国尽早完成碳排放达峰的有效举措.从短期政策可行性看,碳税比碳交易机制可能更有效率.今后,政府应通过设立碳税,并根据总体减排目标,设定税率调整的时间表,可以使碳排放的成本变动可预测.而企业也可根据自身情况,明确未来的生产经营.

5 结论

5.1 从2016~2020年与2021~2030年的各省区碳排放权分配结果来看,各省区两阶段的碳排放权配比基本保持稳定,各省区的分配比例变化不大.

5.2 中国30个省区在2016~2030年期间碳排放配额相差悬殊.配额最多的5个省份分别是广东、江苏、内蒙古、山东和山西,而安徽、吉林、甘肃、宁夏和贵州则配额最少.

5.3 山西、山东、辽宁和陕西在2016年初始节点碳空间严重不足,现阶段面临巨大的减排压力;而广东、江苏和上海等地初始碳空间仍有盈余,现阶段的减排压力相对乐观.所有省区在2030年的碳排放空间均有剩余,从总体上看,中国相继完成2020与2030年的减排目标具有较大的可能性.但是部分地区(如新疆、陕西、吉林、青海、甘肃、宁夏和贵州等)碳排放剩余空间十分有限,按期完成减排目标仍然存在一定的压力.通过前后两个阶段碳补给,2030年全国30个省区的碳空间均出现盈余,基本实现了中国宏观层面的碳排放强度减排目标.

[1] http://cnc-fe.cast.org.cn/article/350.html [EB/ZL]. 2016-03-24.

[2] 祁 悦,谢高地.碳排放空间分配及其对中国区域功能的影响 [J]. 资源科学, 2009,31(4):590-597.

[3] 王庆山,李 健.弱关联性约束下中国试点省市碳排放权分配效率研究 [J]. 软科学, 2016,30(3):81-84+107.

[4] Yuan Y, Cai W J, Wang C, et al. Regional allocation of CO2intensity reduction targets based on cluster analysis [J]. Advances in Climate Change Research, 2012,3(4):220-228.

[5] 于 潇,孙 猛.中国省际碳排放绩效及2020年减排目标分解 [J]. 吉林大学社会科学学报, 2015,55(1):57-65+172.

[6] 王慧慧,刘恒辰,何霄嘉,曾维华.基于代际公平的碳排放权分配研究 [J]. 中国环境科学, 2016,36(6):1895-1904.

[7] Wang K, Zhang X, Wei Y, et al. Regional allocation of CO2emissions allowance over provinces in China by 2020 [C]//第十三届中国科协年会第7分会场-实现“2020年单位GDP二氧化碳排放强度下降40-45%”的途径研讨会论文集, 2011:6.

[8] Yi W, Zou L, Guo J, et al. How can China reach its CO2intensity reduction targets by 2020?A regional allocation based on equity and development [J]. Energy Policy, 2011,9(5):2407-2415.

[9] 傅京燕,黄 芬.中国碳交易市场CO2排放权地区间分配效率研究 [J]. 中国人口·资源与环境, 2016,26(2):1-9.

[10] 马海良,张红艳,吴凤平.基于情景分析法的中国碳排放分配预测研究 [J]. 软科学, 2016,30(10):75-78.

[11] 方 恺,张琦峰,叶瑞克,周云亨.巴黎协定生效下的中国省际碳排放权分配研究 [J]. 环境科学学报, 2017,38(10):1-17.

[12] 冯 阳,路正南.差别责任视角下碳排放权区域分配方法研究 [J]. 软科学, 2016,30(11):122-126.

[13] 国家统计局,中国统计年鉴,2012—2016 [M]. 北京:中国统计出版社, 2016.

[14] 国家统计局能源统计司,中国能源统计年鉴,2012—2016 [M]. 北京:中国统计出版社, 2016.

[15] U.S.Energy Information Administration. https://www.eia.gov/ [EB/OL]. 1999-08-09.

[16] Oak Ridge National Laboratory.https://www.ornl.gov/[EB/OL]. 2014- 11-08.

[17] Intergovernmental Panel on Climate Change.https://www.ipcc.ch/ [EB/OL]. 2006-08-04.

[18] 国际科学技术委员会. http://www.most.gov.cn/index.htm [EB/OL]. 2014-06-05.

[19] 国家发展与改革委员会能源研究所. http://www.eri.org.cn/ [EB/OL]. 2014-12-09.

[20] 田中华,杨泽亮,蔡睿贤.广东省能源消费碳排放分析及碳排放强度影响因素研究[J]. 中国环境科学, 2015,35(6):1885-1891.

[21] 赵 敏.上海市终端能源消费的CO2排放影响因素定量分析[J]. 中国环境科学, 2012,32(9):1583-1590.

[22] 涂正革,谌仁俊.中国碳排放区域划分与减排路径--基于多指标面板数据的聚类分析 [J]. 中国地质大学学报(社会科学版), 2012, 12(6):7-13+136.

[23] 陈德湖,潘英超,武春友.中国二氧化碳的边际减排成本与区域差异研究 [J]. 中国人口·资源与环境, 2016,26(10):86-93.

[24] 刘明磊,朱 磊,范 英.我国省级碳排放绩效评价及边际减排成本估计:基于非参数距离函数方法 [J]. 中国软科学, 2011,(3):106-114.

[25] 魏 楚.中国城市CO2边际减排成本及其影响因素[J]. 世界经济, 2014,37(7):115-141.

[26] 王 媛,程 曦,殷培红,等.影响中国碳排放绩效的区域特征研究--基于熵值法的聚类分析 [J]. 自然资源学报, 2013,28(7):1106-1116.

[27] 李 涛,傅 强.中国省际碳排放效率研究 [J]. 统计研究, 2011, 28(7):62-71.

[28] 刘华军,赵 浩.中国二氧化碳排放强度的地区差异分析[J]. 统计研究, 2012,29(6):46-50.

[29] 李科心,张琬淑,徐占军.影响山西省碳排放绩效的区域特征研究--基于熵值法的聚类分析 [J]. 国土与自然资源研究, 2017,(3):39-44.

Provincial decomposition of China's carbon emission rights under the constraint of 2020 and 2030 carbon intensity targets.

WANG Yong1,2*, CHENG Yu1, YANG Guang-chun1, DONG Ying1

(1.School of Statistics, Dongbei University of Finance and Economics, Dalian 116025, China；2.Postdoctoral Research Station, Dongbei University of Finance and Economics, Dalian 116025, China)., 2018,38(8)：3180~3188

A provincial allocation model for carbon emission rights was established in this paper. Under the constraints of China's 2020 and 2030 carbon intensity targets, the provinces' allocation of carbon emission rights was carried out in stages. The results show that the distribution of carbon emission rights varies from region to region in China from 2016 to 2020. The five provinces with the most carbon emission rights quotas are Guangdong, Jiangsu, Inner Mongolia, Shandong and Shanxi, where the economic development level and historical carbon emissions are among the highest in the country. The five provinces with the lowest quota are Anhui, Jilin and Gansu. Ningxia and Guizhou. The pressure on emission reduction varies greatly across regions. Shanxi, Shandong, Liaoning and Shaanxi have serious shortage of carbon space at the initial node in 2016, and they need to bear greater pressures to reduce emissions. Guangdong, Jiangsu and Shanghai have relatively low emission reduction pressures. From 2021 to 2030, the distribution of carbon emission rights in each province is basically the same as that in the first stage. All provinces have surplus in carbon emission space in 2030.As of 2030, some regions (such as Xinjiang, Shaanxi, Jilin, Qinghai, Gansu, Ningxia, Guizhou, etc.) have relatively limited carbon emissions, and there are still significant pressures to meet the emission reduction targets on time. Considering that different provinces and regions face different emission reduction tasks and pressures, formulating differentiated emission reduction policies and giving appropriate support to policies is the key to ensuring the smooth achievement of China's emission reduction targets.

carbon emission rights；provincial distribution；carbon emission intensity targets；China

X196

A

1000-6923(2018)08-3180-09

王 勇(1988-),男,山东临沂人,副教授,博士,主要从事环境-能源-经济分析.发表论文20余篇.

2018-03-19

教育部人文社会科学研究青年项目(18YJC910013);中国博士后科学基金(2016M601318);辽宁省教育厅科研平台项目(LN2016JD020);辽宁省经济社会发展研究课题(2018lslktzd-010);中国博士后科学基金特别资助项目(2017T100180)

* 责任作者, 副教授, ywang@dufe.edu.cn