探索中国能源转型过程中区域间贸易所引发的碳经济不平等现象

《Energy》：Exploring the interregional trade-induced carbon-economic inequality in China’s energy transition

中国能源转型背景下区域碳经济不平等研究（2007-2017） 通过构建环境扩展多区域投入产出模型并运用Theil指数分解，研究发现中国区域碳经济不平等持续加剧，其中省际间差异贡献超过50%的Theil指数。情景模拟表明，战略性的可再生能源转型可显著缓解不平等，推动可持续发展。

　　

徐燕|甄子鸽|魏世张|魏张|冯旺|郭宇涵|蔡北明

南京信息科学与管理大学商学院气候经济与低碳产业研究所，中国南京 210044

摘要

中国设定了雄心勃勃的可再生能源目标，以实现碳排放峰值，这一转变正在重塑区域间贸易网络并改变碳排放的分布。这种转变影响了碳经济不平等现象，即碳排放与经济附加值之间的空间错配。然而，能源转型对这种区域碳经济不平等的具体影响尚未得到充分研究。为了解决这一差距，我们开发了一个环境扩展的多区域投入产出模型，并应用Theil指数分解方法来揭示2007年至2017年间中国碳经济不平等的演变及其驱动因素。研究结果表明，2007年至2017年间中国的碳经济不平等现象明显加剧。通过分解分析发现，区域间的不平等在中国总体碳经济不平等中占主导地位，从生产和消费两个角度来看都贡献了超过一半的Theil指数值。此外，情景模拟表明，战略性能源转型结合稳定的经济发展可以有效缓解碳经济不平等，为可持续区域发展提供了一条路径。

引言

在过去四十年中，中国的温室气体（GHG）排放量随着前所未有的经济发展而迅速增加[1]。全球大气研究排放数据库（EDGAR）的数据显示，中国的GHG排放量从2000年的5.24 Gt CO₂-eq激增至2023年的15.94 Gt CO₂-eq，占全球碳排放总量的30.1%[2]。作为世界上最大的排放国，中国已经提交了2030年和2035年的国家自主贡献（NDCs），承诺在2030年前达到碳排放峰值，并在2035年前将碳排放量减少7-10%，这些目标分别于2020年和2025年正式公布。值得注意的是，2023年中国因化石燃料消费产生的累计CO₂排放量约为13.25 Gt，占全国总GHG排放量的83.1%[3]。这种能源相关排放的主导地位对实现减排目标构成了严峻挑战。为此，中国政府实施了全面的能源转型战略，目标是在2030年前将可再生能源在初级能源消费中的比例提高到25%以上，到2035年提高到30%以上，同时将风能和太阳能的总装机容量分别扩大到1.2 TW和3.6 TW[4]。

能源转型政策有可能重塑与中国区域间贸易相关的碳排放转移模式[5]。通过全球和国家供应链，大量的碳排放实际上从较发达地区转移到了欠发达地区，这一现象在国际[6]、[7]以及次国家级[8]、[9]、[10]、[11]层面都有观察到。在中国，区域间电力传输就是这种动态的例证，与发电相关的碳排放实际上从北部和中部地区转移到了能源需求较大的南部和东部地区[12]。此外，中国的区域碳排放减排和节能目标通常基于各地区经济发展水平、资源禀赋、技术能力等因素的差异而有所不同[13]。在过去几十年中，经济发达地区的减排目标比欠发达地区更为严格[14]。例如，在“十三五”期间，江苏、广东和浙江三省被分配了比2015年水平降低17%的能源强度目标，而内蒙古、广西、贵州和云南三省的目标则较为宽松，为降低14%。这种不对称的政策负担可能导致通过区域间贸易实现碳排放的虚拟转移，甚至高排放产业从监管严格、发达的地区转移到监管宽松的欠发达地区[15]。然而，新提出的能源转型政策预计将显著降低各地区的能源部门碳强度，从而减少通过区域间能源相关商品和服务贸易实现的碳排放虚拟转移的规模。

值得注意的是，区域间能源贸易中碳排放的虚拟转移伴随着经济利益的不对称转移，这可能会加剧区域碳经济不平等，即区域间贸易中碳排放与附加值之间的不匹配。由于经济发展水平或产业结构的差异，欠发达地区往往专门生产高排放但附加值低的产品以满足发达地区的消费需求。因此，这些地区从区域间贸易中获得的经济利益与其承担的碳排放份额不成比例，导致了碳经济不平等的现象。例如，中国东部沿海省份主要向西北部欠发达省份出口低碳高附加值的高科技产品；相反，它们通常从这些欠发达省份进口高排放低附加值的产品。这种模式表明，经济发达地区通过将高排放生产及其相关排放转移到欠发达地区，部分实现了低碳和高质量发展。因此，在这些发展地区实现减排目标可能需要付出更高的碳和经济成本，从而限制了它们自身的低碳和高质量发展路径。此外，如果不采取有效的缓解措施来解决这种碳经济不平等问题，区域发展差距可能会进一步扩大，特别是在中国持续推动国内循环的战略背景下。

在这种情况下，中国的低碳能源转型将为区域间贸易网络带来复杂性，并重塑贸易引发的碳经济不平等[16]。为了实现碳排放峰值，几乎所有省份和直辖市都制定了符合当地产业结构、资源禀赋和能源基础设施的可再生能源发展战略，制定了差异化的区域目标。首先，随着向可再生能源的转变加速，由于对化石燃料或其他非可再生资源的依赖减少，区域碳排放预计将下降。这一转变还将减少与可再生能源相关的区域间贸易碳排放。另一方面，区域能源消费模式的变化将影响依赖化石燃料的产业及相关活动[17]。鉴于能源部门是中国碳排放的最大来源，其低碳转型不仅为区域经济发展提供了新的动力，也是区域产业结构低碳升级的关键驱动力，从而增强了区域经济竞争力。因此，国内供应链和区域间贸易动态可能会发生重组，导致区域间贸易带来的经济利益重新分配。那些通过投资清洁能源技术积极调整生产结构的地区可能会获得显著竞争优势，而那些仍依赖传统高碳产业的地区则会面临更多挑战。总体而言，这一转变预计将引发区域间贸易中碳排放和经济利益的重新分配。

尽管越来越多的人认识到能源转型是可持续发展的关键驱动力，但其对区域碳经济不平等的影响仍不够清楚。现有文献广泛使用多区域投入产出模型探讨了区域间贸易相关的碳排放或经济利益[18]、[19]，一些研究也通过基尼系数[20]、[21]考察了中国碳经济不平等的变化。然而，仍存在显著的研究空白。一个主要局限是将能源部门视为一个整体，从而掩盖了不同发电技术的异质性影响。此外，对于碳经济不平等时间变化背后的驱动因素的系统研究也很缺乏。至关重要的是，低碳能源转型的作用，特别是其在不同地区之间的差异性影响，尚未得到充分关注。这些不足不仅限制了对区域差异演变的理论理解，还可能削弱政策干预的有效性。因此，对能源转型进行更细致的评估，明确区分不同的发电技术，对于制定针对区域不平等的转型策略至关重要。

为了解决这些挑战，本文开发了一个环境扩展的多区域投入产出模型（MRIO），以评估2007年至2017年间区域间贸易中的碳排放和附加值。我们模型的一个关键创新是将电力部门细分为具体的生产技术。此外，应用Theil指数可以评估这一时期中国区域间贸易中碳经济不平等的时间变化，而分解分析则确定了这些动态背后的关键驱动因素。最后，我们设计了多种情景，以揭示能源转型如何影响中国的碳经济不平等，同时考虑区域经济发展和技术进步的潜在变化。这些发现可以为制定能源转型政策提供差异化的解决方案，以减少这种不平等。最终，本研究有助于促进协调发展，并实现中国的碳峰值和中性目标。

部分摘录

文献综述

过去几十年里，国际和区域间贸易中的碳排放一直是学术界关注的焦点。以往的研究使用多区域投入产出模型[22]、[23]，在不同空间和时间尺度上研究了碳排放的虚拟转移。

环境扩展的投入产出模型

为了有效揭示中国贸易引发的碳经济不平等，需要仔细追踪不同地区之间复杂的碳排放和经济利益的区域间转移。多区域投入产出模型以其全面描绘各个行业和地区之间复杂相互作用的能力而闻名，同时能够追踪单一产品沿跨区域价值链的直接和间接影响，已被广泛使用。

2007年至2017年基于生产和消费的碳排放及附加值的变化

从2007年到2017年，中国的总碳排放量大幅增加了约48.5%，从6318.57百万吨增加到9504.42百万吨。在此期间，本文主要关注的全国供应链中的碳排放量增长更快，增加了62.4%，从5048.39百万吨增加到8201.56百万吨。总体而言，富裕地区（如京津冀、东部沿海和南部沿海）的碳排放量持续增加。

结论与政策建议

本文开发了一个环境扩展的MRIO模型，从生产和消费的角度评估了2007年至2017年中国碳排放和附加值的变化，以及区域间碳排放和附加值净虚拟转移模式的变化。通过将Theil指数分解为区域内和区域间两部分，本研究确定了中国碳经济不平等的主要驱动因素。

CRediT作者贡献声明

郭宇涵：方法论、数据整理。冯旺：写作——审稿与编辑、初稿撰写、方法论、数据整理、概念化。魏张：可视化、方法论、数据整理。魏世张：验证、方法论、数据整理。甄子鸽：验证、方法论、数据整理。徐燕：写作——初稿撰写、可视化、方法论、数据整理。蔡北明：写作——审稿与编辑、可视化、方法论、数据整理、概念化

利益冲突声明

? 作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢

本项工作得到了国家自然科学基金（项目编号：72374107、72471173、42101289）、江苏省自然科学基金（项目编号：BK20230062）、中国博士后科学基金会（项目编号：2024M751472、2025T180514）、国家重点研发计划（项目编号：2022YFF0802504）、天津市自然科学基金（项目编号：25JCYBJC00010）以及南京信息科学与管理大学学生创新创业培训计划（项目编号：202310300041Z）的支持。