碳排放的宏观考察、规律总结与数字减排“三大效应”研究|企鹅经济学

|产业互联网(企鹅经济学) 作者:腾讯研究院 2021-06-08
​ 

【研究摘要】

(1)宏观事实考察:自工业革命以来,全球二氧化碳排放量持续增长,21世纪后煤炭成为最主要的碳排放源。1960年代以来,全球碳排放强度呈现出稳定下降趋势,但人均碳排放量呈现出稳定上升特征。碳排放强度和人均碳排放量在发达经济体和新兴经济体之间均存在显著的异质性。自上世纪60年代以来,中国碳排放量从7.81亿吨增长到2020年的105亿吨,规模扩大了约14倍,并且具有明显的高行业集中特征,前四大行业约占碳排放总量的80%,区域集中度也较高。全国整体的碳排放强度在逐步下降,人均碳排放量呈现上升趋势。
(2)基本规律剖析:碳排放演变规律的深层原因在于能源消费量、能源消费结构和产业结构的变迁。对全球面板数据和中国面板数据的考察表明,能源消费量越大、能源消费结构中化石能源所占比重越高、产业结构中工业部门所占比重越高,则碳排放量、碳排放强度和人均碳排放量越高;而能源消费结构中清洁能源所占比重越高,碳排放量、碳排放强度和人均碳排放量就越低。
(3)经济理论假说:“环境库兹涅茨曲线”在全球层面和中国层面都具有一定的合理性,但并非放之四海而皆准的普遍真理。无论在全球层面还是在中国层面,“环境库兹涅茨曲线”在碳排放强度与人均GDP的关系中是成立的,但是在碳排放量、人均碳排放量和人均GDP的关系中却面临挑战,碳排放量和人均碳排放量仍然随人均GDP的增长而增长,但是曲线拐点在全球层面出现之前将率先在中国出现。
(4)数字减排效应:数字技术浪潮的兴起与数字经济蓬勃发展为全球和中国的碳减排提供了巨大的潜力,主要体现为三大效应,分别为:降低数字产业自身碳排放的“直接效应”,推动其他产业减少碳排放的“间接效应”,以及通过构建碳市场等产生的“补充效应”。
(5)数字减排政策:我们的实证研究发现,虽然数字化程度与碳排放量正相关,但却与碳排放强度及人均碳排放量呈显著的负相关关系。数字化程度的提升能够从能源互联网,产业和能源结构转型,智慧城市、交通、生活等多种渠道推动碳减排,因此,数字经济的发展将通过降低碳排放强度及人均碳排放量,对碳减排、碳达峰和碳中和贡献重要的力量。未来在做好碳达峰碳中和的工作中,需要进一步加强对数字技术与碳排放关系的研究,加快推进区域与全球能源互联网建设,促进以数字产业为代表的低碳产业发展,以产业数字化带动传统行业智能化转型发展。

 

全球碳排放的基本事实观察

 

1.全球二氧化碳排放迅速增长

人类的经济活动向大气中排放了大量的二氧化碳,根据挪威国际气候研究中心(CICERO)[1]估算,1850—2017年这167年间,人类的化石能源消费大约已经排放21000亿吨二氧化碳。如图1所示,自工业革命爆发以来,全球二氧化碳排放量持续增长,从1750年的935.05万吨增长到2020年的340.75亿吨,其中绝大多数排放量是在20世纪以来的120年中产生的  

图1  工业革命以来的全球碳排放量(1750—2020年)  

数据来源:Our World in Data.
单位:亿吨二氧化碳。 
 

同时,从图1中也可以看出,碳排放受到经济危机或经济衰退的显著影响。如图中所示,在1929—1933年“大萧条”期间,1980—1982年经济危机,1990—1991美国经济危机,1997—1998年亚洲金融危机,2008—2009年国际金融危机,2019—2020年新冠肺炎疫情期间,经济活动大幅减少,全球碳排放量显著下降。

大量研究机构都对全球二氧化碳排放都进行了测算,较为权威的机构包括国际能源署(International Energy Agency,IEA)、世界银行(World Bank,WB)、全球碳计划(Global Carbon Project,GCP)、欧盟委员会(European Commission)等。虽然各方估计出的二氧化碳排放绝对量存在一定的差异,但是其变化趋势基本保持一致,如图2所示,1960—2020年间绝大多数年份均保持增长状态,1980—1982年、2008—2009年以及2019—2020年经济衰退或危机间则保持一致的下降特征。

图2  全球二氧化碳排放量(1960-2020年) 

数据来源:世界银行(WB),国际能源署(IEA),全球碳项目(GCP),欧盟委员会(EC)

单位: 亿吨二氧化碳 

 

尤其是2019年新冠肺炎疫情大流行以来,导致有史以来全球碳排放量的最大下降。 国际能源署(IEA,2021)[2]估计,2020年全球一次能源消费下降近4%,与能源有关的二氧化碳排放减少了近20亿吨,同比下降了5.8%;全球碳项目(GCP,2021)[3]和联合国环境规划署(2020)[4]则均预计2020年与能源相关的碳排放同比下降了7%,下降幅度超过1929—1933年经济“大萧条”期间的减少量。这主要是由于疫情防控所需的流动限制导致全球运输业碳排放显著下降,在2020年的全球碳减排量中,运输业占比最大,碳排放量同比下降了近一半。但是现在还不能判定2021年的碳排放情况,因为各国为应对疫情采取的经济刺激措施将对全球碳排放的长期趋势产生重要影响,从而使得2021年碳排放量取决于各国经济刺激政策。

2.进入21世纪后煤炭成为最主要的碳排放源

全球二氧化碳排放最主要的来源是化石能源燃烧,主要包括煤炭、石油和天然气,其中煤炭和石油所占的份额最大。在20世纪六十年代末至21世纪初的近40年时间内,石油燃烧所产生的二氧化碳始终大于煤炭燃烧的排放量,但是在2003—2005年前后,煤炭成为化石能源碳排放中最大的排放源。不同种类化石能源的碳排放量如图3所示,其中实线代表国际能源署(IEA)估计数据,虚线代表全球碳项目(GCP)估计数据。2019年新冠肺炎疫情大流行导致全球能源的生产、供应和消费受到全面影响,2020年全球石油消费大幅下降约8.6%,煤炭消费下降约4%,其中石油的年度减排量是有史以来最大的,约使全球碳排放量减少了1100吨(国际能源署,2021)[5]。

图3  全球按燃料类型分的二氧化碳排放量(1959-2020年)  

数据来源:国际能源署(IEA),全球碳项目(GCP)

单位:亿吨二氧化碳 

 

3.碳排放的主要集中在电力、运输和工业部门

1990年以来,在全球的碳排放部门中,始终集中在电力热力、交通运输和工业制造等三个部门。如图4所示,1990—2018年间,电力与热力的生产供应业、交通运输业和工业行业的碳排放量分别从7622吨、4609吨、3955吨增长到13978吨、8258吨、6158吨,占全行业部门排放总量的比重也分别从    37.15%、22.47%、19.28%(三项合计78.89%)上升到2018年的41.71%、24.64%、18.37%(三项合计84.72%),其他行业部门的碳排放量则基本维持在20亿吨以下。

图4  按行业分类全球碳排放量变动情况(1990-2018年) 

数据来源:国际能源署(IEA)

单位:吨二氧化碳 

 

4.全球碳排放格局的深刻变化

工业革命以来,世界主要国家的碳排放量趋势和特征发生明显变化。根据Our World in data网站提供的数据,如图5所示,在第一次产业革命(1750—1850年)时期,由于其核心国家主要集中在英国等欧洲国家,因此,全球碳排放也主要以欧盟28国为主[6],从1750年的935.05万吨增长到1850年的17679.42万吨,占全球的比重长期高于90%。从19世纪中叶开始,随着第二次产业革命的核心国家转移到美国,美国的碳排放量也开始逐步增长,在1916年超过欧盟28国排放总量,成为世界碳排放量最多的国家。20世纪50年代后,随着第二次世界大战结束,第三次产业革命集中在美国爆发,以及新中国成立后开始实施重工业战略,全球碳排放格局发生深刻变化。

一方面,第三次产业革命是以信息通信技术(Information CommunicationTechnology,ICT)部门为主导的,是特征显著的低碳产业,因此,欧美日等发达国家的碳排放在这一时期相继达峰,其中欧盟28国在1979年达峰,美国在2005年达峰,日本在2013年达峰,达峰后发达国家的碳排放量开始负增长。

另一方面,新中国实施重工业战略,碳排放逐渐增加,尤其是在加入世界贸易组织(World Trade Organization,WTO)后,伴随着国际贸易重心转移和产业分工格局变迁,碳排放量迅速增长,分别于1954年、1991年、2003年、2006年超越日本、俄罗斯、欧盟28国、美国,成为世界上碳排放量最大的国家,占全球碳排放的比重也从1950年的1.31%提高到2019年的27.92%;其他新兴经济体如印度和俄罗斯的碳排放量也呈现出稳定的上升趋势。

图5  世界主要国家二氧化碳排放量(1750—2019年)  

数据来源:Our World in Data

单位:亿吨二氧化碳 

 

从碳排放量的国别结构来看,2019年,全球碳排放量前十位的国家分别为中国、美国、印度、俄罗斯、日本、德国、伊朗、韩国、印尼及沙特,如图6所示,前十国碳排放量在全球占比超过2/3,前五国占比接近60%,中、美、印三国占比超过50%。如果将欧盟28国视为整体,排名前四位的排放国(中国、美国、欧盟28国、印度)的二氧化碳排放量(不包括土地利用变化)占全球排放总量的58.6%,前六位的排放国(包括俄罗斯联邦和日本)排放量占全球总量的66.3%。这些数据均表明,全球碳排放的国别集中度较高,控制少数国家的碳排放量,即可有效控制全球碳排放总量。中国的减排政策,对于全球碳排放量的控制至关重要。

图6  全球碳排放量国别结构(2019年) 

数据来源:欧盟委员会《全球碳排放报告》 

 

但是在考虑单位GDP碳排放量和人均排放量时,国家的排名发生了巨大变化。单位GDP碳排放量又称为碳排放强度,用以衡量一国或地区每单位GDP的产出所产生的二氧化碳排放。自上世纪60年代以来,全球碳排放强度呈现出稳定的下降趋势,如图7所示,世界主要国家中,欧美日等发达国家和地区的碳排放强度均低于世界平均水平,表明其每单位GDP产出所排放的二氧化碳更少,而中国、印度和俄罗斯等为代表的新兴经济体的碳排放强度则高于世界平均水平,每单位GDP产出所排放的二氧化碳较高,新兴经济体与发达经济体之间仍存在较大碳排放强度差距。尤其是如美国和欧盟及其与俄罗斯之间的比较,虽然美国和欧盟的碳排放量高于俄罗斯,但是其碳排放强度则远远低于俄罗斯。

图7  世界主要国家碳排放强度(1960—2019年) 

数据来源:碳排放数据来自Our World in Data,GDP数据来自World Bank

单位:吨二氧化碳/现价千美元 

 

图8  全球碳排放强度前十位国家(2019年)  

数据来源:欧盟委员会《全球碳排放报告》 

 

2019年全球碳排放强度最高的十个国家依次是帕劳、新喀里多尼亚、库拉索、叙利亚、土库曼斯坦、蒙古、特立尼达和多巴哥、巴巴多斯、伊朗、波黑,如图8所示,除经济体量很小的岛国(如帕劳)外,强度较高的国家主要为以化石能源为支柱的国家,如叙利亚、土库曼斯坦、伊朗依赖石油开采,蒙古、波黑依赖煤炭开采,特立尼达和多巴哥依赖天然气开采。

人均碳排放量则是指将一国或地区的碳排放量平均到全国人口中所显示出的碳排放情况,如图7所示,1960年以来世界平均水平的人均碳排放量呈现出稳定的上升特征,但是却在发达经济体和新兴经济体之间存在显著的异质性。一方面,以欧盟、美国和日本为代表的发达经济体的人均碳排放量在1960—2019年间呈现出先上升后下降的“倒U型”特征,表明发达经济体不仅在绝对碳排放量上已经达峰,而且在人均碳排放量上也已呈现达峰特征。另一方面,以中国、印度和俄罗斯为代表的新兴经济体的人均碳排放量在1960—2019年间则呈现上升特征,其中俄罗斯由于1991年前苏联解体并对经济采取“休克疗法”,对经济活动产生严重冲击,绝对碳排放量的下降同时引致人均碳排放量的下降,但是自1997年左右开始,俄罗斯的人均碳排放量重新开始呈现稳定的上升趋势。对于中国而言,2001年加入WTO后,外商直接投资和国际贸易扩张均导致碳排放量迅速增长,同时也引致人均碳排放量的显著上升,但是随着中国环境治理能力的不断提升,人均碳排放量的增速在2011年左右开始明显放缓。

图9  世界主要国家人均碳排放量(1960—2019年) 

数据来源:碳排放数据来自Our World in Data,人口数据来自World Bank

单位:吨二氧化碳/人 

 

2019年全球人均碳排放量最高的十个国家依次是帕劳、新喀里多尼亚、卡塔尔、库拉索、特立尼达和多巴哥、科威特、阿联酋、巴林、直布罗陀、阿曼,如图10所示,人均碳排放量的特征与碳排放强度类似,依赖石油的卡塔尔、科威特、阿联酋、巴林、阿曼等中东国家均榜上有名。

图10  全球人均碳排放量前十位国别(2019年) 

数据来源:欧盟委员会《全球碳排放报告》 

 

5.全球碳排放在不同类型国家间的分配存在巨大差异

虽然全球二氧化碳排放量正在放缓,但是正如前文所述,全球二氧化碳在不同类型国家间的分布并不均匀。一方面,长期以来全球碳排放的绝大部分是由富裕国家排放的。根据联合国人类住区规划署(2011)[7]的报告数据,全球18%的人口居住在发达国家,二氧化碳排放量占全球排放总量的47%,而82%的人口居住在发展中国家,二氧化碳排放量则占全球排放总量的53%,发达国家和发展中国家在承载人口和碳排放之间存在严重的不平衡。根据是否为经济合作与发展组织(Organization for EconomicCooperation and Development,OECD)成员国家,可以将全球二氧化碳排放量分为两部分,如图11所示,1971—2018年间OECD经济体和非OECD经济体的累积排放量分别为5447.13亿吨和5119.70亿吨[8],分别占全球累积排放总量的51.55%和48.45%。世界银行通过将全球国家按照收入进行分类,测算数据更加详细地表明二氧化碳排放量在不同富裕程度国家间的分布,如图12所示,1960—2016年间,高收入国家、中高等收入国家、中低等收入国家、低收入国家的累积排放量分别为6359.38亿吨、4730.66亿吨、998.11亿吨、93.01亿吨,分别占全球累积排放总量的52.21%、38.84%、8.19%、0.76%。

图11  按经合组织分类的全球碳排放量(1971—2019年) 

数据来源:国际能源署(IEA)

单位:百万吨二氧化碳 

 

图12  按收入分类的全球碳排放量(1960—2016年) 

数据来源:世界银行(WB)
单位:亿吨二氧化碳 
 

另一方面,中等收入国家的碳排放量在近几年已超越发达国家。 如图11所示,OECD经济体的二氧化碳排放量正在下降,而非OECD经济体的二氧化碳排放量正在增加(联合国环境规划署,2020);如图12所示,在不同收入类型国家之间也存在着类似的现象,高收入国家碳排放正在下降,而中等收入国家和低收入国家的碳排放正在增加。许多OECD经济体或高收入国家的碳排放量已达到峰值,效率的提高和低碳能源的增长远远抵消了经济活动的增长;尽管提高了能源效率并且增加了低碳能源,但是为满足发展需要,能源用量出现强劲增长的非OECD国家或中等收入国家及低收入国家,排放量继续上升,并且同时都在2005年时,非OECD经济体的碳排放量超过OECD经济体,中等收入国家的碳排放量超过高收入国家,而且非OECD国家和OECD国家之间、中等收入国家和高收入国家之间的碳排放差距正在加速扩大。

如果从人均碳排放的视角来看,富裕国家和其他国家之间的不均衡特征将得到进一步强化。如图13和图14所示,一方面,OECD经济体的人均碳排放量远远高于非OECD经济体,高收入国家的人均碳排放量也远远高于中等收入国家和低收入国家。在1971—2018年间,OECD经济体和非OECD经济体的人均碳排放历史均值分别为10.27吨二氧化碳/人和2.24吨二氧化碳/人,两者之间存有近4.58倍的差距。类似地,在1960—2016年间,高收入国家和中等收入国家的人均碳排放历史均值分别为10.94公吨/人和2.52公吨/人,两者之间也存有4.34倍的差距。

另一方面,自上世纪70年代以来,OECD经济体和高收入国家的人均碳排放量呈波动下降的趋势,而非OECD经济体和中等收入国家的人均碳排放量则呈现出波动上升的趋势。根据国际能源署的数据,如图13所示,OECD经济体的人均碳排放量从1971年的10.40吨二氧化碳/人下降到2018年的8.95吨二氧化碳/人,而非OECD经济体的人均碳排放量则从1971年的1.43吨二氧化碳/人上升到2018年的3.27吨二氧化碳/人,两者之间的差距从8.97吨二氧化碳/人缩小到5.68吨二氧化碳/人。世界银行的数据也表明,如图14所示,高收入国家的人均碳排放量从1971年的11.03公吨二氧化碳/人下降到2016年的10.40公吨二氧化碳/人,而中等收入国家的人均二氧化碳排放量则从1971年的2.08公吨二氧化碳/人上升到2016年的3.75公吨二氧化碳/人,两者之间的差距从8.95公吨二氧化碳/人缩小到6.65公吨二氧化碳/人。

但是,根据世界银行的数据,如果将时间跨度进一步延长到1960年,如图14所示,当时高收入国家和中等收入国家的人均碳排放量分别为7.41公吨二氧化碳/人和1.61公吨二氧化碳/人,两者间的差距为5.80公吨二氧化碳/人。因此,如果从更长一点的历史来看,高收入国家与中等收入国家之间的人均碳排放量非但没有缩小,反而是扩大了。不同收入国家群体之间的人均碳排放差距不仅体现在高收入国家和中等收入国家之间,在中等收入国家内部,这一特征变得更加明显。如图14所示,在1960—2016年间,中高等收入国家和中低等收入国家之间的人均碳排放差距从1960年的1.96公吨二氧化碳/人扩大到2016年的4.46公吨二氧化碳/人。

图13  按经合组织分类的全球人均碳排放量(1971—2019年) 

数据来源:国际能源署(IEA)

单位:吨二氧化碳/人

 

图14  按收入分类的全球人均碳排放量(1960—2016年) 

数据来源:世界银行(WB)

单位:公吨二氧化碳/人 

 

如果从碳排放强度的角度来看,全球不同类型的国家之间又将呈现出与碳排放总量和人均碳排放所不同的特征。如图15和图16所示,一方面,在1960—2019年间,OECD经济体的碳排放强度始终低于非OECD经济体,高收入国家的碳排放强度始终低于中等收入国家和低收入国家。对于OECD经济体和高收入国家而言,经济重心多已从“高污染、高耗能”的工业转变为“轻资产、低耗能”服务业,减排技术较成熟,不仅碳排放水平较低,而且碳排放强度也较低;对于非OECD经济体和低收入国家而言,经济多依赖农业及原始生产资料出口,温饱问题尚未解决,基础设施水平不足,能源生产能力较差,碳排放水平和碳排放强度也较低;中收入国家介于二者之间,经济引擎多以工业为主,发展模式较为粗放,减排意识与减排能力不足,因此碳排放量和碳排放强度也相对较高。

另一方面,在1960—2019年间,所有经济体的碳排放强度均呈下降趋势,即使在中低等收入国家的碳排放强度也在1992年以后开始逐步下降。 如图15所示,非OECD经济体与OECD经济体之间的碳排放强度在1990—2018年之间逐渐从0.65千克二氧化碳/美元收敛到0.41千克二氧化碳/美元,但是如果将时间跨度拓展到1971年,两者之间的碳排放强度差异则为0.36千克二氧化碳/美元。从1971—2018年间非OECD经济体和OECD经济体碳排放强度的变化看,两者之间的差距实际上仍然是扩大了的。如图16所示,在高收入国家和中等收入国家之间、高收入国家和低收入国家之间的碳排放强度,呈现不断缩小的趋势,但是在中等收入国家和低收入国家之间,碳排放强度的差距仍然是在扩大的。  

图15  按经合组织分类的全球碳排放强度(1971—2019年) 

数据来源:国际能源署(IEA)

单位:千克二氧化碳/美元(2015年价格) 

 

图16  按收入分类的全球碳排放强度(1960—2019年)  

数据来源:世界银行(WB)

单位:千克二氧化碳/美元(2010年价格) 

 

比较图11—图16的结论可以发现,在不同的指标体系下,不同类型的经济体之间所得出的结论也存在较大差异,即在不考虑累积排放量的情况下,如果采用碳排放量指标或碳排放强度指标进行比较,非OECD经济体或中等收入国家的碳排放量和碳排放强度要高于OECD经济体或高收入国家;但是如果采用人均碳排放量指标,非OECD经济体或中等收入国家的人均碳排放量仍然远低于OECD经济体或高收入国家的水平。这进一步引申出一个具有政策争议的问题,即全球碳减排的目标应该确定为排放总量的减少或是碳排放强度的降低还是人均排放量的减少。不同的政策目标选择,将会在不同的经济体之间造成巨大的差异。如果政策目标确定为减少碳排放总量或降低碳排放强度,那么非OECD经济体或中等收入国家将成为减排的主力,必然面临经济增长和碳减排之间的权衡取舍。如果政策目标确定为降低人均碳排放量,那么OECD经济体或高收入国家将承担绝大部分的减排责任,非OECD经济体或中等及低收入国家将保有相对宽松的发展空间。

不仅如此,还需要引起格外关注的一个问题是,即使政策目标确定为碳排放总量的减少,其所选定的时间跨度也将对碳减排责任在国家间的分配产生深远影响。此处,在确定历史排放量的时间跨度时,是否将2005年的变化纳入讨论范围将成为争议的关键。如果在2005年以后的排放量数据基础上确定减排责任分配,那么非OECD经济体或中等收入国家将承担绝大部分的减排责任;但是如果将时间跨度进一步延长,那么历史上绝大多数的二氧化碳都是OECD经济体或高收入国家排放的,相应的减排责任也应该更多地分配给OECD成员国或高收入国家。因此,全球碳减排政策目标和时间跨度的选择将会对碳减排责任的国家分配产生新的不平等。

6.富裕国家的碳排放通过国际贸易向发展中国家转移

联合国环境规划署(2020)指出,目前存在一种普遍的趋势,即富裕国家基于消费的排放量(排放分配给购买和消费商品的国家,而非生产商品的国家)比基于领土的排放量要高,因为这些国家通常实行清洁生产,服务业更发达,而初级和次级产品往往依靠进口。在21世纪第一个十年里,富裕国家的消费与生产之间的碳排放差距不断扩大,但在2007—2008年全球金融危机之后趋于稳定;尽管在过去的十年里,富裕国家基于消费的排放量高于基于领土的排放量,但两种排放量也均以相近速度下降。由于发达国家和发展中国家之间的环境规则差异,二氧化碳或其他污染物排放存在通过贸易自由化向发展中国家转移可能性,并被Copeland and Taylor(1994)称之为“污染天堂假说”。

中国加入WTO以后与世界经济的联系更加紧密,随着经济全球化的进一步发展,中国与世界各国的进出口贸易量越来越大,技术经济联系也越来越密切。由于各行业产品的生产需要能源作为投入,随之而来的是生产所产生的碳排放,这种因生产所产生的碳排放会通过产品贸易的方式转移到其他国家(地区),因此进出口贸易会引起碳排放转移(芦风英,庞智强,2021)[9]。由于中国逐渐成为世界的生产制造中心,因此,考察中国在国际贸易中的隐含碳转移也就变得十分重要。

关于目前中国是否成为“污染产业的天堂”,学术界中仍然存在着一定的争议。部分学者认为中国并没有通过国际贸易成为发达国家的“污染产业天堂”,主要原因在于发达国家在向中国转移高排放的污染产业的同时,同时也转移了低排放的干净产业,贸易开放对二氧化碳排放具有负向效应,提高贸易开放程度有利于减少二氧化碳排放,或者说中国也不需要为了减少二氧化碳排放而去限制国际贸易等国际经济活动(李小平,卢现祥,2010[10];唐杰英,2012[11])。但是,这些学者们同时也指出,对主要发达国家的出口变量与二氧化碳排放量正相关,这体现了贸易对环境影响的规模效应,增加了国内二氧化碳的排放量;同时,对主要发达国家的进口变量与二氧化碳排放量负相关,表示从主要发达国家的进口替代了部门国内生产,从而节省了国内的二氧化碳排放量(李小平,卢现祥,2010),国际贸易对国内二氧化碳排放的影响应该取决于规模效应和替代效应之间的净效应。不仅如此,外商直接投资的存量规模和参与程度对二氧化碳排放均具有正向效应,外商投资规模的扩大或参与程度的提高会增加我国的环境压力(唐杰英,2012)。

另一部分学者则认为中国实际上已经成为发达国家的“污染产业天堂”,中国在参与国际贸易和产业转移推动经济增长的同时,所产生的碳排放也呈快速增长的态势,发达国家通过国际贸易和投资向中国转移了大量的碳排放。对2007年的测算数据表明,承接国际产业转移所产生的碳排放比2002年增加了近两倍,达到14.29亿吨,占全国碳排放总额22%(杜运苏,张为付,2012)[12];刘竹(2015)[13]也得出,中国进出口贸易中的隐含碳排放在2007年高达19亿吨二氧化碳,相当于全球碳排放第四大国印度一年的碳排放总量,其中,进口产品的隐含排放(2亿吨二氧化碳)远小于出口产品的隐含排放(17亿吨二氧化碳)。芦风英和庞智强(2021)[14]的测算结果也表明,2009—2015年间中国与主要发达国家之间的国际贸易,共向中国转移了9.67亿吨二氧化碳。以上数据均表明,发达国家通过国际贸易向中国转移了大量的二氧化碳,中国是世界上被转移隐含碳排放最多的国家(刘竹,2015)。

承接国际产业转移隐含碳排放集中于少数行业和贸易伙伴。从行业来看,所产生的碳排放70%以上主要集中在化学工业、金属冶炼及压延加工业、金属制品业、通用专用设备制造业、交通运输设备制造业、电气机械及器材制造业、通信设备计算机及其他电子设备等七个行业(杜运苏,张为付,2012)。从流向来看,70%以上集中于欧美日等发达国家,我国承接国际产业转移所产生的碳排放有四分之一到三分之一的部分,是由于生产被西方发达国家消费的产品所造成的,中国生产供其他国家消费的产品所产生的碳排放(出口中的隐含碳)8倍于中国进口其他国家产品的隐含碳排放,欧美日等发达国家从中国快速增长的碳排放中获得了部分利益(杜运苏,张为付,2012;刘竹,2015)。

在中国的出口贸易中,西方发达国家是主要消费国,其中美国消费占中国出口贸易隐含碳排放的24%,其他主要的消费国包括日本(9%)、德国(5%)、韩国(4%)、英国(4%)和俄罗斯(3%)。欧盟国家和其他亚洲国家分别消费了中国贸易隐含排放总量的25%和15%。与之相对应,中国是这些国家进口贸易的主要进口国,进口自中国的产品的隐含碳排放占日本贸易隐含排放的48%,占美国贸易隐含排放的44%,占俄罗斯贸易隐含排放的42%。换言之,这些发达国家通过贸易转移的隐含排放中,有近一半转移至中国(刘竹,2015)。

贸易隐含碳排放的存在,将导致两个明显的政策问题。一是碳减排责任分配问题。 如果在中国的碳减排责任分配时,不考虑发达国家通过国际贸易和产业转移对中国“出口”的碳排放,对中国将是不公平的。二是碳关税的适用性问题。如果发达国家在国际贸易中,对中国进口商品征收碳关税,这不仅违背贸易自由化原则,而且对中国也是极其不公平的。因此,基于领土的“一刀切”式的碳减排责任分配和征收碳关税,并不是解决贸易中碳转移问题的最佳途径,发达国家在资金和技术方面向类似中国的发展中国家进行援助,积极推进可再生能源和固碳技术的扩散,帮助发展中国家降低碳排放强度,这是目前降低全球碳排放的最佳途径之一(王媛等,2011)[15]。

 

全球碳排放与能源、结构及增长的关系

 

本节将以全球196个国家30年时间(1990—2019年)的“国家—年份”面板数据为基础,对能源消费与碳排放的关系进行分析,所有数据均经过对数处理。

7.能源消费量越大,碳排放量、碳排放强度和人均碳排放量越高

能源消费为碳排放主要来源,也是目前碳排放量数据的计算依据,能源消费大国均为碳排放大国,2019年前五位分别为美国、中国、德国、法国及印度,能源消费额分别为17.5万亿美元、7.98万亿美元、2.81万亿美元、2.09万亿美元及2.07万亿美元。由于发展中国家价格水平较低,体现为金额的能源消费额低于发达国家水平。如图17—19所示,全球碳排放与能源消费高度正相关,能源消费量越高的国家,碳排放量、碳排放强度与人均碳排放量等也会较高。比较而言,能源消费与碳排放量之间关系最强(拟合线更陡峭,散点集中分布在拟合线两侧),与碳排放强度之间的关系最弱(拟合线相对平坦),这可能是因为碳排放强度代表碳排放过程中的技术效率,更多地受到技术水平的影响,而受能源消费额的影响相对较小。

图17  全球碳排放量与能源消费量 
数据来源:碳排放数据来自欧盟委员会,能源消费量数据来自世界银行。 
 
图18  全球碳排放强度与能源消费量 
数据来源:碳排放数据来自欧盟委员会,能源消费量数据来自世界银行。 
 
图19  全球人均碳排放量与能源消费量 
数据来源:碳排放数据来自欧盟委员会,能源消费量数据来自世界银行。 

8.清洁能源所占比重越高,碳排放量、碳排放强度和人均碳排放量就越低

由于碳排放的主要来源是化石能源的燃烧,因此,如图20—22所示,碳排放与清洁能源消费占比整体呈负向关系,能源消费结构中化石能源所占比重越低,清洁能源所占比重越高,碳排放量、碳排放强度和人均碳排放量也就越低。但是需要注意的是,能源消费结构与碳排放之间的这种负向关系同时也受到国家体量大小的影响,如2019年,全球清洁能源消费占比最低的国家分别为沙特(0.006%)、文莱(0.015%)、土库曼斯坦(0.041%)、圣马丁岛(0.046%)及阿尔及利亚(0.059%),碳排放量在全球分列第12位、127位、47位、155位及35位,除圣马丁岛因体量较小而依赖外部化石能源输入外,剩余国家均高度依赖石油资源,文莱及圣马丁岛虽然清洁能源占比较低,但由于国家体量较小,故而碳排放量较低。清洁能源消费占比最高的国家分别为刚果金(95.8%)、布隆迪(95.7%)、索马里(94.3%)、埃塞俄比亚(92.2%)及乍得(89.4%),碳排放量在全球分列第148位、189位、171位、94位及173位,上述国家特征为,经济以农业为主,基础设施严重落后,电力严重短缺,缺乏有效的化石能源消费渠道,但太阳能、风能或水能较为丰富,埃塞俄比亚虽清洁能源占比较高,但拥有1.07亿人口,位列全球第12位,碳排放量仍较高。

图20  全球碳排放量与能源消费结构 

数据来源:碳排放数据来自欧盟委员会,能源消费结构数据来自世界银行。 

 

图21  全球碳排放强度与能源消费结构 

数据来源:碳排放数据来自欧盟委员会,能源消费结构数据来自世界银行。 

 

图22  全球碳排放强度与能源消费结构 

数据来源:碳排放数据来自欧盟委员会,能源消费结构数据来自世界银行。 

 

9.工业部门所占比重越高,碳排放量、碳排放强度和人均碳排放量就越高

前文的分析也已经表明,电力生产供应业、钢铁和重化工业等工业部门是能源消费和碳排放的重要来源,因此,如图23—25所示,碳排放与工业部门所占比重整体呈正向关系,在产业结构中工业行业所占比重越高,碳排放量、碳排放强度和人均碳排放量也相应越高。但是需要注意的是,工业部门所占比重与碳排放的负向关系同时也受到国家体量大小的影响,如2019年,工业增加值比重最高的国家为文莱(62.5%)、科威特(57.5%)、卡塔尔(56.9%)、安哥拉(54.4%)及阿曼(53.7%),碳排放量在全球分列第127位、44位、40位、87位及46位,上述国家均具有丰富的石油资源,且国内产业严重依赖石油化工,除文莱因国家体量较小而碳排放量较低外,其他国家碳排放量均较高。有数据统计的工业增加值比重最低的国家为苏丹(0.96%)、塞拉利昂(5.24%)、百慕大群岛(6.39%)、科摩罗(8.85%)及圣卢西亚(9.97%),碳排放量在全球分列第89位、159位、188位、193位及191位,上述国家严重依赖农业,或为海岛区域,缺乏具体产业。

总结来看,全球碳排放主要受到能源消费量、能源结构、产业结构等因素的影响,但该影响需在同一国别体量下考察。

图23  全球碳排放量与产业结构 

数据来源:碳排放数据来自欧盟委员会,产业结构数据来自世界银行。 

 

图24  全球碳排放强度与产业结构 

数据来源:碳排放数据来自欧盟委员会,产业结构数据来自世界银行。 

 

图25  全球碳排放强度与产业结构 

数据来源:碳排放数据来自欧盟委员会,产业结构数据来自世界银行。 

 

10.“库兹涅茨曲线”具有一定合理性

上世纪90年代以来,部分学者研究发现,人均收入与环境恶化程度之间存在“倒U型”关系,即“库兹涅茨曲线”。本文针对碳排放与人均GDP之间的关系进行简单分析,做出碳排放量、碳排放强度、人均碳排放量与人均GDP的散点图,如图26—28所示, 直观来看,碳排放强度与人均GDP之间确实存在一定的“倒U型”关系,但是碳排放量、人均碳排放与人均GDP之间的“倒U型”关系却并不明显。

对碳排放量而言,如图26所示,中国、墨西哥、土耳其及波兰2019年人均GDP分别为1.03亿美元、0.99亿美元、0.91亿美元及1.57亿美元,位居中游,2019年碳排放量分列第1位、15位、18位及21位,位居前列,表明人均GDP处于中部时碳排放量较高。但是整体而言,碳排放量与人均GDP之间仍然呈现出正相关关系,这或许与世界经济格局分化日益严重有关,虽然高收入国家的碳排放量随经济增长先达峰后下降,但是绝大对数中等收入国家和低收入国家仍然处于碳排放量和人均GDP的同步上升通道之中。因此,碳排放量与人均GDP之间的“倒U型”关系需要进一步放到国家异质性的角度下进行考察。

图26  全球碳排放量与人均GDP 

数据来源:碳排放数据来自欧盟委员会,人均GDP数据来自世界银行。 

 

对碳排放强度强度而言,如图27所示,碳排放强度与人均GDP之间存在明显的“倒U型”关系,表明碳排放强度与人均GDP之间的确存在“环境库兹涅茨曲线”,当人均收入水平较低时,碳排放强度随人均收入的增长而提高;当越过拐点后,碳排放强度则随人均收入水平的增长而下降。如帕劳、特立尼达和多巴哥、巴巴多斯及阿曼2019年人均GDP分别为1.49亿美元、1.74亿美元、1.81亿美元及1.53亿美元,位居中游,2019年碳排放强度分列第1位、8位、9位及12位,位居前列。

图27  全球碳排放强度与人均GDP 

数据来源:碳排放数据来自欧盟委员会,人均GDP数据来自世界银行。 

 

对于人均碳排放量而言,如图28所示,人均碳排放量与人均GDP之间体现出的仍然是正相关关系,但是拟合线的斜率逐渐降低,表明虽然人均碳排放量随人均GDP的增长而增加,但是增加的速度逐渐减慢。除此之外,类似于碳排放量和人均GDP关系的原因也可能存在于人均碳排放量与人均GDP的关系中,即对于高收入经济体而言,人均碳排放量随人均收入的增长逐渐减少,但是对于中等收入国家和低收入国家而言,人均碳排放量与人均收入之间仍然存在较为稳定的正相关关系,如人均收入水平位于中等行列的帕劳、特立尼达和多巴哥及阿曼2019年人均碳排放量分列第1位、5位、10位,同样位居前列。因此,人均碳排放量和人均GDP之间的关系同样需要放在国家异质性的框架下进行考察。

上述分析表明,“环境库兹涅茨曲线”在碳排放强度与人均GDP的关系中是成立的,但是在碳排放量、人均碳排放量和人均GDP的关系中却面临挑战。因此,整体而言,环境库兹涅茨曲线并非放之四海而皆准的普遍真理,而是受制于国家异质性的影响,如国家的经济发展阶段和国家的体量规模等。

图28  全球碳排放强度与人均GDP 

数据来源:碳排放数据来自欧盟委员会,人均GDP数据来自世界银行。 

 

 

中国碳排放的基本事实观察

 

11.中国碳排放增速不断下降

自上世纪60年代以来,中国碳排放量从7.81亿吨增长到2020年的105亿吨,规模扩大了约14倍,期间经历了三个显著的变化阶段 ,如图29所示[16],世界银行(WB)、国际能源署(IEA)、中国碳核算数据库(CEAD),郝永达等(2021)等均对中国碳排放量做出估计,虽然在绝对数值上有一定差异,但相差并不大,而且碳排放量变化趋势保持基本一致。第一阶段(1960—2000年)为缓慢增长阶段,在长达40年的时间里基本保持相对稳定的增长速度,有时甚至会出现一定程度的下降,如1960—1963年、1979—1981年、1997—1999年。第二阶段(2001—2012年)为高速增长阶段,2001年中国加入世界贸易组织(World Trade Organization,WTO),经济增长处于出口导向型的工业大发展阶段,这一时期的碳排放增长速度进一步提高且近乎保持线性增长趋势,仅在2008—2009年国际金融危机期间有轻微下降。第三阶段(2013—至今)为低增长阶段,党的十八大以来,随着供给侧结构性改革与经济高质量发展战略的逐步实施,碳排放增速得到逐渐控制。到2019年,我国单位国内生产总值二氧化碳排放比2015年和2005年分别下降约18.2%和48.1%,已超过了中国对国际社会承诺的2020年下降40%—45%的目标,基本扭转了温室气体排放快速增长的局面(胡鞍钢,2021)[17]。

总体而言,“十四五”期间,中国碳排放量增速将持续放缓。 于宏源(2018)[18]测算指出,中国能源利用二氧化碳排放量在2020年后将进入相对稳定平台期,2025年左右可达峰值,单位GDP二氧化碳排放持续下降,2030年比2005年下降70%以上。郝永达等(2021)[19]预测,中国碳排放量将在2021年出现反弹,增速达到3.71%,但在中长期内增速将持续放缓,碳排放增速低于2%,并有负增长态势;预计到2025年,全国二氧化碳总排量接近115亿吨,碳排放量或将提前到达峰值,且峰值量优于130亿吨的预期规划。蔡博峰等(2021)[20]也预测指出,中国碳排放将在2027年左右达峰,二氧化碳排放峰值为106亿吨,达峰后经历5—7年平台期,2030年二氧化碳排放量为105亿吨。

图29  中国二氧化碳排放量(1960-2025年) 

数据来源:世界银行(WB),国际能源署(IEA),中国碳核算数据库(CEAD),郝永达等(2021)。

单位:亿吨。 

 

12.碳排放的行业集中度较高,电力、冶炼、交通为重点排放板块

碳排放量在各行业的分配标准以各行业一次能源终端消费量为基础确定。终端能源消费量分为四类:第一,作为燃料、动力使用的能源。指将能源投入到各种加热、动力等设备,产生光、热、功所消费的能源。第二,作为原料使用的能源。指在工业生产活动中,把能源作为原料投入使用,经过一系列化学反应,逐步转化为另一种新的非能源产品,如化肥厂生产的合成氨、化工厂生产的合成橡胶等产品所消耗的天然气、煤炭、焦炭;生产染料、塑料、轻纺产品所消耗的原料油等。第三,作为材料使用的能源。指一些能源的使用,不构成产品的实体,只起辅助作用的消费。如洗涤用的汽油、柴油、煤油;各种设备所使用的润滑油等。第四,工艺用能。指在生产过程中既不作为原料使用,也不作为燃料、动力使用的工艺用能。如生产电石、电解耗用的能源。需要说明的是,由于碳排放量计算时只涉及一次能源消费,因此电力涉及的碳排放量在发电环节计算,各行业对于电力等二次能源的消费不纳入碳排放量计算。

我国三次产业的碳排放趋势与全国碳排放总量保持一致,在2000—2020年间均呈现稳步增长的特征,如图30所示,三次产业的碳排放量分别由2000年的0.46亿吨、30.23亿吨、5.23亿吨增长到2020年的1.28 亿吨、88.91亿吨、15.02亿吨,CAGR分别为5.3%、5.5%及5.4%。在三次产业中,由于第一产业及第三产业排放能力不高,因此第二产业长期占据排放主流,2000—2020年间第二产业碳排放量占排放总量的比重长期维持在85%左右,第一产业和第三产业则分别仅占1%和14%左右。

图30  中国三次产业碳排放变动情况(2000—2020年) 

数据来源:郝永达等(2021)

单位:亿吨 

 

第二产业和第三产业内部又包含众多的细分行业门类,考察各细分行业的碳排放量,可以更具体地发现碳排放的行业来源。如图31所示,中国碳排放呈现出明显高行业集中度特征。2017年,中国碳排放量最高的行业依次为电力蒸汽热水生产供应业(48%),黑色金属冶炼及压延加工业(14%),非金属矿物制品业(10%),交通运输、仓储及邮电通信业(7%)。第一大行业排放量占比接近50%,前两大行业超过60%,前三大行业超过70%,前四大行业接近80%。电力行业为碳排放量第一大行业,2017年排碳量为第二大行业的3.4倍;矿产品下游产业为碳排放的重要来源,金属矿产品、非金属矿产品、石油产品加工的排碳量合计占比26%。从电力行业入手控制碳排放,是减排政策的关键,但由于电力产业为其他产业发展提供支柱,因此无法“一刀切”地减少发电量,而应提高绿色能源在电力能源消费中的比重。除此之外,城镇生活消费、农村生活消费的碳排放量合计占比5%,也占据较大比重,成为中国碳排放的重要来源之一。

图31  按行业分类的中国碳排放量变动情况(1997—2017年) 

数据来源:CEAD数据库 

单位:亿吨 

 

在1997—2017年间,各行业的碳排放量都呈现出一定程度的增长 ,其中交通运输、仓储及邮电通信业,批发零售贸易和餐饮业的碳排放增速较快,CAGR分别为9.9%和9.0%,这些行业随着经济活动强度的增加、城市规模的扩大而高速发展,逐渐成为新增碳排放的重要来源。同时,碳排放量绝对值较大的行业增速也较大,水电蒸汽供应、金属矿物冶炼及非金属矿物加工CAGR分别为6.5%、8.3%及6.6%。

13.碳排放区域和省份分布不均衡

由于经济发展的不平衡以及能源禀赋结构的差异,我国不同区域之间的二氧化碳排放量也存在较大差异,通常认为碳排放总量和人均碳排放量的区域排序为:东部>中部>西部,而中西部碳强度则远高于东部地区(杜立民,2010[21];岳超等,2010;杨骞等,2012;肖雁飞等,2014)[22]。通过将中国31个省份划分为华东、华北、华中、西北、华南、东北、西南等7个区域[23],可以更深入具体地考察各区域碳排放的变化,如图32所示,1997—2017年间中国各区域的碳排放总量均快速增长,其中年均复合增长率(Compound Annual Growth Rate,CAGR)最高的区域为西北区域(8.3%),其次是华南区域(7.0%),最低的区域为东北地区(4.1%)。碳排放量增速在一定程度上反映了各区域经济活动强弱,即西北及华南地区经济增速较快,东北地区增速较慢。

从各区域的碳排放总量比较来看,如图32—33所示,华东、华北、华中为最大的碳排放量来源地,2017年碳排放量分别为24.9亿吨、20.8亿吨及13.5亿吨,合计占比达60%。各区域碳排放量分布较不均衡,碳排放的区域集中度较高,主要分要分布在工业生产规模较大及城市活动频繁的区域[24]。

图32  按区域分类的中国碳排放量变动情况(1997—2017年) 

数据来源:CEAD数据库

单位:亿吨二氧化碳 

 

图33  中国碳排放量区域结构(2017年) 

数据来源:CEAD数据库 

 

进一步考察各省份的二氧化碳排放量,如图34所示, 1997—2017年间,中国各省份的碳排放总量也都快速增长 ,其中CAGR最高的省份为内蒙古(9.9%),其次为新疆(9.7%),上世纪90年代以来,随着石油、煤炭资源的大规模开发,上述两省份的碳排放量也出现了较大增长;CAGR最低的省份为辽宁(4.4%),由于资源开采速度及经济活动增速相对不足,其碳排放量增速相对较慢。

图34  按省份分类的中国碳排放量变动情况(1997—2017年) 

数据来源:CEAD数据库

单位:亿吨二氧化碳 

 

从各省份碳排放总量比较来看,如图34—35所示,碳排放的省份集中度较高,且高排放省份特征鲜明。碳排放前三位省份合计占比为23%,前五位省份合计35%,前十位合计58%,各省份排放量占比差距较大。高排放省份分为两类:第一,排放型省份,经济发展依赖高排放产业,包括山东(石化)、河北(钢铁)、内蒙古(煤炭)、山西(煤炭)、辽宁(钢铁)、新疆(石化);第二,集群型省份,省内城市群密集,或人口数量较大,经济活动量较大,包括江苏(0.8亿人)、广东(1.2亿人)、浙江(0.6亿人)、河南(1.0亿人)。

图35  中国碳排放量省份结构(2017年) 

数据来源:CEAD数据库 

 

从碳排放强度的角度来看,全国整体的碳排放强度在逐步下降,各省份的碳排放强度也在同步下降,如图36所示,1997—2017年间,全国主要碳排放省份的碳排放强度都呈下降趋势,其中降幅最大的为北京(-90.27%)、湖北(-81.38%)和上海(-80.62%)。随着经济效率与低碳技术的提升,经济增长附加的环境成本持续下降。碳排放强度较高的省份多为传统资源开发型省份,这些省份均以传统资源开发为支柱产业,如煤炭(宁夏、山西、内蒙古、甘肃)、石油(新疆、辽宁、黑龙江)、钢铁(河北)等。

图36  主要碳排放省份排放强度变动(1997—2017年) 

数据来源:CEAD数据库、CEIC数据库 

单位:万吨/元 

 

从人均碳排放的角度来看,各省份的人均碳排放量与全国整体的人均碳排放量保持一致的上升趋势,如图37所示,1997—2017年间,全国主要碳排放省份的人均碳排放量均呈上升趋势,其中增幅较大的省份为宁夏(695.30%)、内蒙古(505.88%)和海南(368.05%)。与碳排放强度的情况类似,化工产业比较发达的省份(如江苏、天津、山东)和传统资源开发型省份(如内蒙古、山西),人均碳排放量也相对较高。在所有省份中,仅有北京的人均碳排放实现下降,从1997年的4.99吨/人上升到2007年的最高点6.14吨/人,然后逐步下降至2017年的3.92吨/人。

图37  主要碳排放省份人均碳排放量变动(1997—2017年) 

数据来源:CEAD数据库、CEIC数据库 

单位:吨/人 

 

14.中国省份之间存在由东部向中西部的碳转移

如前所述,中西部地区碳排放量虽然低于东部地区,但是其碳排放增速则明显高于东部。因此,有学者指出无论是碳排放总量还是碳排放强度,都出现重心向西南方向转移的迹象,而且中、西部地区逐步成为高碳排放与高碳排放强度的集聚区,尤其是华南、西南地区的碳排放量增速明显(刘佳骏等,2013)[25]。不仅如此,学者们还发现,中国省际区域间碳排放转移总量均较大,其中各地区碳排放转入总量要大于碳排放转出总量,且碳排放转移净值为正的地区主要分布在广东省、江苏省和浙江省等东部或中部发达的18个地区,而碳排放转移净值为负的地区主要分布在山西、贵州和云南等西部或中部欠发达的12个地区(孙立成等,2014)[26]。如果同时考察碳排放量和碳排放强度的空间转移,那么北京、天津、吉林、黑龙江、江西、四川和辽宁等9个省份为碳排放规模、强度双外向转移省份,是中国隐含碳排放调出区域,而福建、广西、内蒙古、新疆、海南等13个省份为碳排放规模、强度双内向转移省份,是中国隐含碳排放调入区域(张为付等,2014)。

导致中国省域间碳排放空间转移的因素与前文论述的国际间碳排放转移具有一致性,主要包括发达省份向欠发达省份的产业转移,以及发达省份相对欠发达省份消费水平的提高通过产品贸易的形式间接增加了后者的碳排放量。 在产业转移方面,肖雁飞等(2014)研究发现,中国区域间产业转移表现为以东部沿海产业转出为主、京津和西北地区产业转入为主的特征,但产业转移导致的碳排放转移趋势与产业转移特征并不完全一致,表现为京津地区和北部沿海承接了大量产业转移但碳排放转入并不大,因而这两个区域在产业承接过程中具有减排效应,考察转入与转出行业,发现这两个区域都具有转出高碳行业(如电气热力行业)和转入低碳行业(如其他服务业)的特征,而西北和东北地区承接了相对较少的产业,但碳排放转入比重却很大,同样也与其产业转入行业有关,如西北转入了大量纺织服装业和采选业,东北转入了大量采选业和交通设备制造业,都属于碳排放系数较高的制造业,同时中部地区在产业转移与碳排放转移上表现为承东启西区位作用。由此导致东部沿海产业转移向中部、东北、西北等地区泄漏了2787.92万吨二氧化碳,同时,中部地区又向西北、东北、西南等地区二次泄漏了38.65万吨二氧化碳,碳泄漏现象显然不利于全国和个别区域碳减排目标的实现。

在消费和产品贸易方面,张彩云和张运婷(2014)[27]指出,居民人均消费增长是碳排放增长的重要因素,人均居民消费上升1%,人均碳排放上升0.64%,而且中西部地区碳排放会受到东部地区居民消费的影响,东部地区居民消费所产生的二氧化碳通过产品贸易的方式向中西部地区转移,东部地区居民人均消费上升1%,中西部地区人均碳排放会上升0.29%,即东部居民通过消费将碳排放转移到中西部地区,这意味着我国存在环境不公平现象,相对东部地区而言,中西部地区从经济发展中的代价过大,说明我国地区间存在消费者承担的碳排放责任大小不同的现象。

 

中国碳排放与能源、结构及增长的关系

 

既有研究指出,能源结构、产业结构等因素对中国碳排放具有显著影响(Fan et al,2007[28];岳超等,2010[29];张友国,2010[30];查建平等,2012[31])。因此,本节以我国30个省份(由于西藏数据缺失,故剔除)21年时间(1997—2017年)的“省份—年份”面板数据为基础,对能源消费、能源结构、产业结构与碳排放的关系进行分析,所有数据均经过对数处理。

15.能源消费量越多,碳排放量和人均碳排放量越大,碳排放强度越低

与国际间的碳排放和能源消费量关系相似,中国各省份间也存在相似的经验结论。如图38—40所示,碳排放量、人均碳排放量与能源消费量高度正相关,但却与碳排放强度负相关。这意味着能源消费量的增加导致碳排放量和人均碳排放量的增长,能源消费量较大的省份通常也是碳排放量较高的省份,如广东、江苏、山东等地。同时,需要注意到的是,能源消费量与碳排放强度之间存在反直觉的负向相关关系,这主要是由于能源消费量较高的省份,虽然碳排放量也较高,但是经济发展程度也越高,从而导致碳排放强度的降低。而能源消费量较低的省份往往经济体量也较小,如青海、宁夏、甘肃,该类省份缺乏足够资金实力进行大量减排技术投入,碳排放强度相对较高。

图38  中国碳排放量与能源消费量  

数据来源:CEAD数据库,CEIC数据库 

 

图39  中国碳排放强度与能源消费量 

数据来源:CEAD数据库,CEIC数据库 

 

图40  中国人均碳排放量与能源消费量 

数据来源:CEAD数据库,CEIC数据库 

 

16.能源消费结构中煤炭占比越大,碳排放量、碳排放强度和人均碳排放量就越高

既有文献指出,从二氧化碳的排放结构来看,煤炭消费始终是我国二氧化碳排放的主要来源,占到总排放量的75%左右;石油消费作为第二大排放来源,其比例则要小得多,大致占总排放量的13%左右,而天然气消费的二氧化碳排放比重仅占2%左右(杜立民,2010)。因此,可以认为碳排放将受到能源消费结构中煤炭所占比重的明显影响。

需要详细说明的是,《中国能源统计年鉴》及各类数据库中提供的煤炭消费量通常是以“百万吨”作为量纲进行衡量,而能源消费总量则通常以“百万吨标准煤”进行衡量,因此,在计算能源消费结构时需要将煤炭先折算成标准煤。根据国家标准《GB/T2589-2020 综合能耗计算通则》,原煤的折标准煤系数为0.7143kgce/kg;同时,根据中华人民共和国财政部第66号令《中华人民共和国资源税暂行条例实施细则》的规定,“煤炭,是指原煤,不包括洗煤、选煤及其他煤炭制品”,因此,采用原煤的折标煤系数作为煤炭的折标煤系数具有合理性。

本文的研究表明,如图41—43所示,能源消费结构中煤炭所占的比重越大,碳排放量、碳排放强度和人均碳排放量也都越高。通过与图20—22所得结论相比较可以发现能源消费结构对碳排放的完整结论,即能源消费结构中煤炭为代表的化石能源所占比重越低,或清洁能源所占比重越高,则碳排放量、碳排放强度、人均碳排放量也将越低。此外,比较图42与图39可以发现,虽然碳排放强度与能源消费总量之间存在负向关系,但是却与煤炭所占比重存在正向关系,因此,可以得出一个具有明确的政策指向性的推论:即政府在降低碳排放强度的过程中,控制能源消费结构中的煤炭所占比重比控制能源消费总量更具有效性。

图41  中国碳排放量与能源消费结构 

数据来源:CEAD数据库,CEIC数据库 

 

图42  中国碳排放强度与能源消费结构 

数据来源:CEAD数据库,CEIC数据库 

 

图43  中国人均碳排放与能源消费结构  

数据来源:CEAD数据库,CEIC数据库 

 

17.产业结构中工业部门所占比重越高,碳排放量、碳排放强度、人均碳排放量也越大

与全球碳排放和产业结构的关系类似,中国的碳排放也与产业结构存在明显的正相关关系,如图44—46所示,产业结构中工业部门所占比重越高,碳排放量、碳排放强度、人均碳排放量也越大。第二产业占比较高的省份,如山东、江苏、河北等,碳排放量、碳排放强度和人均碳排放量也相对较高。

图44  中国碳排放量与产业结构  

数据来源:CEAD数据库,CEIC数据库 

 

图45  中国碳排放强度与产业结构 

数据来源:CEAD数据库,CEIC数据库 

 

图46  中国人均碳排放与产业结构 

数据来源:CEAD数据库,CEIC数据库 

 

18.“环境库兹涅茨曲线”在中国具有一定的合理性

既有研究已经表明,我国人均二氧化碳排放量与经济发展水平之间呈现倒U型关系,环境库兹涅兹曲线假说成立(杜立民,2010)。根据全球数据,当人均GDP高于5万美元时,碳排放量、排放强度及人均碳排放量将呈明显下降态势,随着中国人均GDP的增长,碳排放有望出现下降,但距峰值仍有一定距离。如图47—49所示,碳排放量与人均碳排放量均与人均GDP之间呈现出一定的正相关关系,但是从拟合线的趋势来看,随着人均GDP的增长,碳排放量和人均碳排量的增速越来越低,拟合线的顶点即将出现,这也意味着中国将有可能在人均1万美元附近实现碳排放量和人均碳排放量的双达峰。碳排放强度则随着人均GDP的增加,呈现出稳定的下降趋势。总之,“环境库兹涅茨曲线”在中国具有一定的合理性,尤其是在碳排放强度方面,特征更加明显

图47  中国碳排放量与人均GDP 

数据来源:CEAD数据库,CEIC数据库 

 

图48  中国碳排放强度与人均GDP 

数据来源:CEAD数据库,CEIC数据库 

 

图49  中国碳排放强度与人均GDP 

数据来源:CEAD数据库,CEIC数据库 

 

 

数字化与碳排放的关系研究

 

(一)中国碳减排的挑战与方向

对于中国而言,如期实现碳达峰、碳中和的目标,面临着前所未有的多重挑战,其中的关键在于碳排放强度的下降速度要超过经济增长的速度(刘长松,2015)[32]。一方面,全球实现碳排放达峰的国家基本上是发达国家或后工业化国家,但是中国与欧美国家处在不同的发展水平和经济增速阶段,具有不同的产业结构类型、能源消费强度和能源消费结构,而且中国碳排放总量明显超过欧美(胡鞍钢,2021)。因此,国外低碳转型的成功经验无法在中国复制,中国需要寻找一条适合国情的低碳转型道路,实现二氧化碳减排达峰的需求(杨莉莎等,2019)[33]。另一方面,由于能源结构变化的时滞性和产业结构中的碳锁定效应,通过能源结构和产业结构调整在短时期内难以在较大程度促进碳减排(刘佳骏等,2013);而且由于技术进步对于碳排放作用的双重性,中国的技术减排存在反弹效应,技术进步的减排收益有一半以上被抵消,因此仅仅依靠技术进步进行减排,很难在2030年左右达到碳排放峰值(杨莉莎等,2019)。因此,中国需要更加系统全面的筹划碳减排方案,综合考虑技术、结构、制度等因素之间的相互作用,统筹短期目标与长期目标之间的平衡衔接,分步骤有节奏地制定符合行业异质性和区域异质性的减排方案。

近几年来,数字技术浪潮的兴起与发展为全球和中国的碳减排提供了巨大的潜力,主要体现为三大效应,分别为降低数字产业自身碳排放的“直接效应”,推动其他产业减少碳排放的“间接效应”,以及通过构建碳市场等产生的“补充效应”。 GeSI and BCG(2012)在《更加智能2020》(Smarter 2020)报告中提出了数字技术推动碳减排的“变速杆”(change levers)模式,对数字技术减少碳排放的不同方式进行分类,主要包括通过数字化和非物质化替代或消除对排放密集型产品或过程的需求,通过实时的数据收集、分析、沟通、反馈和学习以实现更好的决策,通过系统集成更有效地管理资源的使用,通过仿真提高效率并实现流程的重新设计和功能优化。

已有众多机构和学者对数字技术的碳减排潜力进行实证测算,虽然具体数值方面存在差异,但是结论均一致表明,数字技术具有巨大的碳减排潜力。在全球碳减排潜力方面,国际电信联盟(2008)[34]相对乐观地估计,数字技术能够为全球碳减排提供解决方案,减少产自其他经济部门的97.5%的排放量。GeSI and BCG(2012)[35]也预测,从2011年到2020年,ICT的广泛应用可减少9.1亿吨二氧化碳当量(GtCO2e)的温室气体排放,相当于同期ICT部门碳排放量的7倍以上,约占全球温室气体排放总量的16.5%,总计节省1.9万亿美元的能源和燃料成本。Belkhir and Elmeligi(2018)的研究也表明,到2020年时ICT部门对全球碳足迹的贡献率将从2007年的1—1.6%大约翻一番达到3—3.6%,如果碳排放的年均相对增长率为5.6—6.9%,那么到2040年时ICT部门的相对贡献将超过2016年全球温室气体排放水平的14%。更进一步,在由GeSI andAccenture Strategy(2015)联合更新地《更加智能2030》(Smarter 2030)报告中预测,ICT有望到2030年时将全球二氧化碳排放量减少20%,使其保持在2015年的水平,减排量几乎达到同期ICT部门排放量的10倍,从而使得经济增长与排放增加有效脱钩,意味着我们可以避免经济繁荣和环境保护之间的权衡取舍。GSMA(2020)[36]的研究也发现,2018年移动互联网技术使全球温室气体排放量减少了约21.35亿吨二氧化碳当量,相当于俄罗斯每年的二氧化碳排放总量,节省的排放量几乎是移动互联网行业自身的全球碳足迹的十倍;其中智慧生活、工作与健康约占当年减排量的39%,其次是智慧交通与城市(占30%),智能制造(占11%),智慧建筑(占10%),智慧能源(占7%),智慧农业(占3%)。

在对中国的碳减排潜力方面,预计从2005年到2020年,通过数字技术在其他行业的广泛渗透,将使中国减少14—17亿吨二氧化碳,这相当于全国2020年碳强度减排目标的13—18%,ICT部门的减排总量比同期内ICT直接排放量高出4倍(谢孟哲等,2011)。ICT在中国最具潜力的四个领域是:智能能源、智能制造、智能农业和智能移动解决方案。预计到2030年,中国的二氧化碳减排潜力为2.21亿吨二氧化碳当量,其中智能制造和智能移动的减排潜力超过50%(GeSI,AccentureStrategy,2015)。本文利用腾讯研究院公布的数字中国指数绘制了与中国各省碳排放量、碳排放强度及人均碳排放量之间的相关关系图,如图50—52所示,发现虽然数字中国指数与碳排放量正相关,但却与碳排放强度及人均碳排放量呈显著的负相关关系。这可能是因为数字化程度较高的省份(如广东、北京、上海、江苏、浙江、山东)经济水平较发达,经济活动量较大,因此碳排放总量较高;但数字化程度的提升能够从能源互联网,产业和能源结构转型,智慧城市、交通、生活等多角度反映经济活动效率与低碳化程度,因此,可以认为数字经济的发展将通过降低碳排放强度及人均碳排放量,对碳减排、碳达峰和碳中和贡献重要的力量

图50  各省碳排放量与数字中国指数 

数据来源:腾讯研究院,CEAD数据库,CEIC数据库 

 

图51  各省碳排放强度与数字中国指数 

数据来源:腾讯研究院,CEAD数据库,CEIC数据库 

 

图52  各省人均碳排放量与数字中国指数 

数据来源:腾讯研究院,CEAD数据库,CEIC数据库 

 

(二)能源互联网推动碳减排

既有研究表明,互联网对工业绿色全要素生产率提升具有促进作用(卢福财等,2021)[37],ICT产业对中国二氧化碳减排具有显著贡献,而且对中部地区二氧化碳减排的影响大于东部地区(Zhang,Liu,2015)[38]。二氧化碳减排主要依赖技术进步的推动,CO2减排技术进步变化率、CO2减排技术效率变化率、能源使用技术进步变化率和能源使用技术效率变化率这四个因素对CO2减排效率和CO2减排效率的变化率有较强的正影响(张伟等,2013)[39];技术进步带来的理论减排率为5.66%,在考虑到存在反弹效应的情况下,实际减排率依然高达2.1%(杨莉莎等,2019)。因此,通过技术进步提高能源使用和碳排放的技术效率和技术水平是提升我国全要素碳减排效率的关键因素。

能源互联网作为数字革命和能源行业深度融合的产物,将深刻改变能源的生产、传输、销售方式和人们的生活工作方式,成为推动能源结构转型、提高能源利用效率、实现节能减排和可持续发展的重要途径(孙宏斌等,2015)[40]。陈继东等(2019)[41]总结了能源互联网在能源供给方面的作用。一是在能源生产方面,电力、石油、天然气等传统能源供应商正在加速数字化低碳转型,通过应用天气预测分析、资产及交易管理工具等数字化技术,能源生产者得以更快速地响应市场需求,灵活开展能源生产和储;并通过全球化的运营模式,进一步降低固定成本,改善项目的资本运营表现。二是在能源传输方面,电网、油气管道等能源输送网络运营商正在向数字化、智能化方向转型,能源输送网络运营商通过网络运营模式优化、能源输送能力升级、商业模式创新等方式实现效率提升和服务增值。三是在能源销售方面,多元化的市场参与者为客户提供数字化赋能的零售服务,围绕着消费端的用能需求和生活方式,提供一系列新的运营支持服务、绿色节能服务、数字化生活服务和灵活的产销一体化服务。

除此之外,在能源消费方面,利用数字技术对传统产业进行数字化、网络化、智能化升级,有利于加强不同区域和不同主体之间在能源调度与利用上的协同,推动工业、建筑、交通、消费等领域的数字化节能,提高单位能源的产值增量,逐步降低能源强度,减少二氧化碳排放(邬彩霞,高媛,2020)[42]。通过在更多的生产设备中嵌入智能传感器,结合高级数据分析以优化传统产业的生产制造流程,更加精准和动态地预测用户或企业的能源需求,从而改善能源服务的响应能力,降低能源需求的峰值负载,实现最优的过程控制,对碳减排具有至关重要的作用(IEA,2017)[43]。通过建设全球能源互联网,推动清洁能源对化石能源的消费替代,将有助于减少联网区域的二氧化碳排放量,冯晟昊等(2019)[44]表明,与2011-2017年的基准情景相比,到2050年中国累计排放量将累计下降月1.0%。

(三)产业与能源结构的数字化转型降低碳排放

前文分析已经表明,能源类型来看,如图3所示,碳排放主要来自煤炭能源;分行业类型来看,如图4和图31所示,碳排放主要来自电力、冶炼等重化工业和交通运输行业。现有研究表明,重工业比重每上升一个百分点,我国人均CO2排放量将上升约1%;煤炭消费比重每上升一个百分点,我国人均CO2排放量将上升约0.67%(杜立民,2010)。而第二产业比重每下降1个百分点,碳排放绩效则会提高0.406个百分点,煤炭消费比重每下降1个百分点,碳排放绩效则会上升0.262个百分点(查建平等,2012)[45]。因此,可以通过发展数字经济来推动产业结构和能源结构的优化调整,实现减少二氧化碳排放的目的。

在产业结构优化方面,数字经济将推动产业结构的低碳化转型。一是数字产业化进程的加快,促进了以计算机、通信和其他电子设备制造业等先进制造业和信息技术、软件和信息服务业等生产性服务业的创新与发展,这些产业本身即是低碳排放的行业,随着这些行业在整体经济中所占比重的提高,碳排放量将会逐渐降低,从而推动了产业结构由高碳排放型向低碳排放型的转型升级。根据《͚中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》,2020年我国数字经济核心产业增加值占GDP比重已达到7.8%,到2025年时这一比重将提高到10%,对碳减排做出显著贡献。二是产业数字化进程的加快,促进了传统产业中生产流程、产业组织、价值环节等的解构重组,优化生产经营过程中的能源配置结构,提高清洁能源对化石能源的替代程度,促进传统产业的能源消费效率提升,并降低各行业单位产出的能源消费强度,以此来减少传统产业的碳排放。腾讯研究院发布的“数字中国”指数表明,第二次产业占GDP比重与数字中国指数存在显著的负相关关系。

在能源结构调整方面,数字经济将推动能源结构的低碳化转型。一是重塑能源生产结构。以数字化技术革新化石能源发电过程,投料数字化监测与智能配比,可提高能源利用效率。以数字化带动水、风、光多能互补,对不同清洁能源进行合理匹配,可改善光能、风能等清洁能源发电存在的输出不稳定问题,推动能源生产结构的低碳化转型。二是变革能源消费结构。新能源汽车作为计算机、手机外的第三大上网终端,与数字产业深度融合,并通过与自动驾驶、耗电监测等数字化服务的叠加,持续促进汽车产业颠覆性变革;而移动电源、无线充电等技术的发展,也极大增加了清洁能源使用的便利性与吸引力,从而推动能源消费结构的低碳化转型。三是促进能源供需匹配。以数字技术构建智能电网,更新传感、测量、控制及决策支持系统,可改善电能质量,提高供电灵活性,保护电网安全。数字技术可聚合并优化分布式能源(Distributed Energy Resource,DER),构造虚拟电厂,通过更高层面的软件构架实现多个DER的协调优化运行,提高了DER输出的稳定性,降低了调度难度及对公网的冲击,有利于资源的合理优化配置及利用,从而起到碳减排的作用。

(四)共享出行与智慧交通推动碳减排

前文分析结果已经表明,交通运输行业是二氧化碳排放的重要来源部门,其原因一方面在于目前我国交通运输行业的能源消费量较大,另一方面在在于能源消费结构中化石能源仍占主要部分,而清洁能源所占比重则较低。

共享汽车和滴滴拼车等新型出行方式的发展,推动共享出行成为准公共交通出行,并推动传统交通体系向智慧交通的转型升级,为能源节约与碳减排做出贡献(张雪峰等,2020)[46]。其根本原因就在于数字技术的正外部性,通过应用大数据与人工智能等数字技术,能够提供最优出行方案,提高出行效率,降低空驶率,节约能源消费并减少碳排放,推动传统的先污染后治理的交通模式向从源头上减少碳排放的智慧交通模式转型(许宪春等,2019)。

现有文献已经证实基于数字技术的共享出行和智慧交通新模式对碳减排的重要价值。如许宪春等(2019)[47]研究表明,通过大数据等数字技术在交通运输行业的融合渗透,将因司乘的最优匹配将效率与节能减排提升近33个百分点,因空驶率降低实现效率与节能减排提升30%,因智慧信号灯影响使得效率与节能减排提升10%—20%,因潮汐车道作用提升效率与节能减排约30%,使全国出租车客运行业减少839.85万吨碳排放量,这相当于巴拿马一国的全面排放量。伊文婧(2019)[48]也得出类似的研究结论,2017年共享出行的节能量贡献为690万吨油当量(toe)左右[49],约占我国当年城市客运交通能耗的8%,二氧化碳减排量近2100万吨;其中,共享单车骑行产生的节能量近90万吨油当量,二氧化碳减排量约为260万吨,共享专车和快车使用产生的节能量约600万吨油当量,二氧化碳减排量约为1800万吨,并预测在低共享出行渗透率和高共享出行渗透率情景下,到2035年,共享出行方式的节能量将分别达到2576万吨油当量、3564万吨油当量,分别占届时城市客运能耗比重的20%和28%。丁宁等(2018)[50]也通过对北京市共享单车的研究发现,虽然共享单车在其生命周期内的碳排放比普通单车高出约5倍,但是通过共享单车对私人汽车出行方式的替代,共享单车对北京交通碳排放的每年减排效果达到5.7%。

(五)智慧城市建设推动碳减排

城市既是经济增长的引擎,又是温室气体排放的源泉(麦肯锡,2021)[51]。对中国的研究表明,城市化率每提高1%,在增加0.671%GDP的同时,也将会推动碳强度上升0.274%(林美顺,2016)[52]。联合国人类住区规划署(2011)[53]的一份研究报告发现,在全球层面,从生产端来看,城市活动的温室气体(GHG)约占40%—70%;从消费端来看,城市活动的温室气体排放量所占比重则高达60%—70%。

对于中国而言,城市地区对全国一次能源需求的贡献率为75%,碳排放贡献率则进一步高达85%(Dhakal,2009)[54]。但是这并不意味着碳排放在不同城市类型以及城乡之间是均匀分布的。在城市类型方面,有研究表明,中国的150个主要城市的碳排放总量达到60亿吨,约占全国碳排放总量的70%(刘竹,2015)[55]。中国的35个最大的城市贡献了全国40%的能源消耗和二氧化碳排放,尤其是在四个直辖市中,人均能源使用量和二氧化碳排放量比其他城市平均而言要高出数倍(Dhakal,2009)[56]。在城乡比较方面,由于收入水平和消费需求的差异,城市居民的人均能源消费量是农村居民的约3.5—4倍(林伯强,刘希颖,2010)[57];城市人均二氧化碳排放是农村的1.4倍,尤其是在建筑和交通部门,城市人均二氧化碳排放是农村的1.7倍;在全国31个城市中,城市人口和农村人口大致相当,但城市二氧化碳排放更多,占全国二氧化碳排放的58%(Ohshita et al,2015)[58]。

关于城市如何加快碳减排方面,麦肯锡(2021)从绿色基础设施、区域碳排放核算、地区产业升级、分享最佳做法和政策等四个方面提出了城市脱碳化的思路,但是却在一定程度上忽视了城市数字化转型对碳减排的贡献。虽然目前尚缺少对智慧城市与碳排放的实证检验,但是从理论上可以认为,智慧城市建设将对碳减排发挥巨大的潜力。一是智慧建筑与智慧楼宇建设,通过在建筑物和楼宇空间中嵌入智能电表、智能燃气表等终端设备,加强对建筑物和楼宇空间的用电用能的监测、预测与控制,为建筑物和楼宇空间提供用电用能最优解决方案,动态更新用户节能用能与碳排放报告,提高用电用能效率,减少电力资源等的浪费。二是通过智慧交通体系建设,增强对城市交通的模拟与调度,优化出行路线,合理规划不同时段在不同交通路线的车流量,减少因交通信号灯、交通拥堵等原因导致的汽车碳排放。三是开发智慧停车解决方案,实时显示目的地周边停车场与停车位信息与路线规划,减少因寻找停车位产生的多余碳排放。

六)数字生活与工作方式减少碳排放

联合国环境规划署(2020)[59]在最近的一份报告中指出,改变生活方式是持续减少温室气体排放和缩小排放差距的先决条件,并根据基于消费的数据核算发现,全球约三分之二的排放与私人家庭活动有关,其中最重要的是交通、居住和粮食,每一项都占生活方式排放的近20%。对中国的研究也表明,人均家庭消费的增加推动了碳排放量的增长,1992—2007年间我国居民消费产生的二氧化碳占我国碳排放总量的40%以上(Liu,2011)[60]。因此,改变家庭消费商品和服务的组成结构,促使生活方式和消费模式从高碳密集型产品与服务向低碳密集型产品和服务转变,将对减少二氧化碳排放具有重要作用,而数字技术将在其中具有重要价值。

首先,消费方式从线下到线上的转型,如电子商务、智慧教育和远程医疗等,使购物、教育、医疗等从线下向线上迁移,以远程交易服务替代当面交易服务,集中配送相比分散购买、远程教育与诊疗相比外出学习与就医更能减少因交通出行导致的碳排放。

其次,产品形式从物理向数字的转型,如电子书、数字电影、数字音乐等数字内容为代表的产品形式替代纸质书、胶片或CD电影、磁带或碟片等物理产品,不仅能够降低因出行导致的碳排放,而且能够降低产品生产和消费过程中的碳排放。

再次,工作方式由线下到线上的转型,以远程会议和电子合同等替代差旅会议和纸质合同,减少因公出差与合同邮寄导致的碳排放,如联合国环境规划署(2020)[61]所强调的,放弃一次长途飞行有可能使个人年排放量平均减少1.9吨二氧化碳当量。如腾讯会议产品上线仅245天用户数就突破一亿,成为腾讯近年来用户增速最快的产品,有效满足对远程会议和企业管理的需求。

最后,加强对家庭用电设备的智能监测与管理,更多地使用智能电器,实时了解不同电器产品的电力消耗及其导致的碳排放,及时关闭暂不使用的电器产品,减少对电力资源的浪费。

(七)数字技术支持碳市场及配套制度建设

国家发改委于2011年10月29日发布《关于开展碳排放权交易试点工作的通知》,确定在北京市、天津市、上海市、重庆市、湖北省、广东省及深圳市开展碳排放权交易试点,2013年6月之后陆续启动,并于2017年正式启动全国碳排放权交易。当前,中国正在前期7个省市试点的基础上,加紧筹备全国层面的碳市场建设,已在湖北省、上海市开展全国碳市场的基础设施搭建工作,由湖北牵头承建全国碳排放权注册登记系统,上海承建全国碳排放权交易系统,最早或将于2021年实现交易;全国碳市场建立后,将保持规则统一、互联互通、严格监管,由国家统一制定配额分配方法,省级政府依据分配方法向辖内企业分配配额。

随着碳排放交易市场建设的逐步推进,其对碳减排的政策效应也逐渐显现。研究发现,碳排放权交易政策对试点城市碳排放强度的降低具有显著而持续的推动作用;在时间趋势上,碳市场建设的政策效应将随着时间的推进越发明显;在空间关系上,碳交易政策的实施不仅对政策试点具有直接减排效应,对于邻近地区同样存在抑制碳排放的政策溢出效应(周迪,刘奕淳,2020[62];李治国,王杰,2021[63])。如图53所示,在2011年碳市场试点政策提出之前,试点省份的碳排放总量基本呈逐年上升态势,1997—2011年间的CAGR达7.15%;2011年试点政策实施后,试点省市碳排放总量由2011年15.0亿吨迅速降至2013年的14.0亿吨,并在此后若干年内保持稳定,试点省市碳排放量占全国碳排放量的比重也从2011年16.24%降至2017年14.61%,碳市场已对试点省市减排发挥良好效果。  

图53  碳市场覆盖省市排放量变动(1997—2017年) 

数据来源:CEAD数据库 

 

但是,目前我国的碳排放交易试点仍处于初级阶段,七大试点地区由于政策和技术问题,暂时还没有实现互连,也还是一个碎片形式的市场(李志学等,2014)[64]。建设全国统一的碳排放交易市场需要解决相应的技术问题,包括排放量的监测、报告与核查(MRV)机制以及注册登记系统的技术标准等(庞韬等,2014)[65]。数字技术的广泛应用,将有助于解决一体化碳排放交易市场中的技术问题。

其一,数字化将促进碳市场建设。当前省市层面的碳交易市场试点已实施8年,步入成熟阶段,全国层面的试点即将推开,初步计划以上海、武汉为中心,建设全国碳排放交易所。碳排放交易所为重要的新基建基础设施,对调节并控制全国碳排放具有重要意义,但同时面临参与主体复杂、交易分散等挑战,可依托数字化技术,充分借鉴此前各类交易所的架构经验,搭建高效、灵活、安全的交易市场,促进碳配额资源合理配置,搭载合理的衍生金融产品。

其二,数字化支持碳监测行业发展。在碳市场、碳税等制度搭建过程中,如何快速、准确地度量排放主体的碳排放量,将成为碳排放制度建设的重点难点,可依托广泛的碳监测数据建立信息平台,对不同区域、不同主体的碳排放动态数据进行分析,跟踪碳排放变动趋势,验证数据可靠性。通过数字化技术,将碳排放与碳捕捉、碳封存相连接,可实现对二氧化碳全生命周期变动的监测追踪。

(八)互联网科技行业的碳减排行动

毋庸置疑,数字产业是全球碳排放增加的部分诱因。主要包括全球用户数量的迅速增长,对终端产品使用频率的持续提高,终端产品使用时长的不断增加,存储而非删除旧资料对资源的占用等(国际电信联盟,2008)。赵昕等(2021)[66]则进一步证明,因互联网依赖导致的非理性消费使得家庭碳排放显著增加。

众多研究机构对全球和中国的数字经济产业的碳排放进行了测算。在全球碳排放方面,国际电信联盟(2008)测算结果表明,信息通信技术(Information andCommunication Technology)部门的碳排放量略低于10亿吨二氧化碳,约占全球碳排放的2—2.5%。GeSI and BCG(2012)的测算也显示,全球ICT行业的碳排放量从2002年的0.53亿吨二氧化碳当量(GtCO2e)增长到2011年的0.91亿吨,预计到2020年将增加到1.27亿吨;在全球碳排放总量中所占的份额也有所增加,从2002年的1.3%增加到2011年的1.9%,预计到2020年将达到2.3%。但是不同学者对ICT行业碳排放在不同来源之间分配的划分有所差异,例如国际电信联盟(2008)指出,40%的比重来自终端用户设备,来自通信网络的排放量约占24%,另有23%的排放量来自数据中心。但是Belkhir andElmeligi(2018)[67]则发现,2020年全球ICT碳排放的45%来自数据中心,通信网络占有24%的比重,各类智能终端产品共占31%的份额(其中智能手机占11%,台式机占6%,笔记本电脑占7%,显示器占7%)。

在中国数字产业碳排放方面,随着中国数字经济的发展,信息通信技术行业的直接二氧化碳排放也将增加,将从2011年的1.97亿吨增长到2020年的3.26亿吨,2011—2020年的复合年均增长率为6%,其中虽然数据中心13%的增长率最高,但是到2020年时终端用户设备仍将是最大的贡献者,占整个ICT行业碳排放的68%(GeSI,AccentureStrategy,2015)。绿色和平和华北电力大学(2019)[68]的研究也表明,2018年全中国数据中心使用火电约为1171.81亿千瓦时,产生9855万吨二氧化碳的排放,如果数据中心在未来五年(2019—2023年)不采取额外措施提高可再生能源使用率,到2023年数据中心用电将会造成1.63亿吨二氧化碳排放量,五年内新增6487万吨的二氧化碳排放量。

同时,需要注意到的是,数字产业作为数字经济时代创新最密集的领域,其自身的碳排放增速正在下降,碳排放强度也在逐渐下降。虽然GeSI and BCG(2012)的研究表明2002—2020年间全球ICT产业的碳排放量及其所占比重都有所提升,但是其复合年均增长率从2002—2011年的6.1%下降到2011—2020年的3.8%。更远期的研究则进一步表明,ICT产业的碳排放占全球排放的比重将随着时间的推移而下降,预计将从2020年的2.3%下降到2030年的1.97%(GeSI,AccentureStrategy,2015)。国际能源署(IEA)的数据也表明,如图54所示,如果将2010年全球互联网流量、数据中心工作负载和数据中心能源消费都设定为1,在2010—2019年的十年时间里,全球互联网流量增长了12倍,数据中心工作负载增长了7.5倍,而数据中心的能源消费则基本位置不变,充分说明了数据中心的能源消费和碳排放并未因其数据存储和处理量的增长而变化。

图54  全球互联网流量、数据中心工作负载和数据中心能源消费趋势(2010-2019) 

数据来源:国际能源署(IEA)。

注:2010年=1。  

 

对中国数字产业碳排放的研究也表明,数字产业的碳排放强度正在下降。谢孟哲等(2011)[69]研究指出,虽然ICT部门自身产生的排放量也在增长,但其能源强度和碳排放强度相对较低。2007年,ICT部门碳排放量相当于全国排放总量的2.4%,碳排放强度为190吨二氧化碳/百万元人民币,到2020年时ICT部门的碳排放量缓慢增长到占全国排放总量的3-3.3%,但与此同时该部门的碳排放强度为70吨二氧化碳/百万元人民币,这就意味着ICT部门碳排放强度下降超过60%。

目前,众多互联网科技企业已发布碳减排、碳中和计划并采取相应的行动。在国际上,苹果公司、亚马逊、微软、谷歌、脸书等大型科技企业均已制定明确的碳中和时间节点。在国内,腾讯作为数字化领域的领先企业,已采取实际行动支持碳减排,并于2021年1月宣布启动碳中和计划,成为首批启动碳中和规划的互联网企业之一。近年来,腾讯已经在腾讯滨海大厦和所属各数据中心,通过人工智能和云计算来降低碳排放,研发的节能技术已经迭代到T-Block4.0版本。2017年,腾讯滨海大厦获得国际性绿色建筑认证系统LEED NC金级认证。天津数据中心正根据余热回收原理,研究节能应用方案;贵安七星数据中心极限PUE值(评价能源效率的指标)小于1.1;即将交付的清远数据中心液冷实验室,更将实现极限PUE值低于1.06的高节能效果。此外,腾讯已经在欧洲与部分火电厂开展类似合作,希望能帮助一同打造智能火电厂。

 

以数字经济推动碳减排的政策建议

 

(一)中国碳减排的“三步走”目标

总结近年来国家密集发布的碳排放政策目标来看,我国的碳减排大致有三个阶段性目标,分别是到2020年碳排放强度比2005年下降40%—45%,到2030年实现碳达峰,2060年实现碳中和。

第一步,2020年碳减速。 早在2009年9月22日,时任国家主席胡锦涛在联合国气候变化峰会开幕式上发表《携手应对气候变化挑战》的重要讲话,首次提出中国2020年相对减排目标,即“争取到2020年单位国内生产总值二氧化碳排放比2005年有显著下降”,但当时并没有规定具体减排目标。两个月后,在2009年11月25日召开的国务院常务会议上提出,到2020年时实现“单位国内生产总值二氧化碳排放比2005年下降40%—45%”的具体减排目标,但是却没有及时形成政策文件。直到2014年9月发布《国家应对气候变化规划(2014-2020年)》,对这一减排目标作出了具体明确;并在2015年3月发布的《关于加快推进生态文明建设的意见》中进一步强调。

第二步,2030年碳达峰。 2015年6月30日,中国向《联合国气候变化框架公约》秘书处提交了《强化应对气候变化行动——中国国家自主贡献》(INDC),文件中提出“中国确定了到2030年的自主行动目标:二氧化碳排放2030年左右达到峰值并争取尽早达峰;单位国内生产总值二氧化碳排放比2005年下降60%-65%,非化石能源占一次能源消费比重达到20%左右,森林蓄积量比2005年增加45亿立方米左右”。2015年11月30日,习近平主席在巴黎出席气候变化巴黎大会开幕式并发表题为《携手构建合作共赢、公平合理的气候变化治理机制》的重要讲话,再次重申了这一减排目标。

第三步,2060年碳中和。 2020年9月22日,习近平主席发表《在第七十五届联合国大会一般性辩论上的讲话》,郑重宣布“中国将提高国家自主贡献力度,采取更加有力的政策和措施,力争2030年前二氧化碳排放达到峰值,努力争取2060年前实现碳中和”。此后,习近平总书记相继在联合国生物多样性峰会(2020年9月30日)、第三届巴黎和平论坛(2020年11月12日)、金砖国家领导人第十二次会晤(2020年11月17日)、二十国集团领导人利雅得峰会“守护地球”主题边会(2020年11月22日)、领导人气候峰会(2021年4月22日)上继续重申碳达峰和碳中和目标。2020年12月12日,习近平主席在气候雄心峰会上发表《继往开来,开启全球应对气候变化新征程》的重要讲话,进一步提高国家自主贡献力度的新目标,“到2030年,中国单位国内生产总值二氧化碳排放将比2005年下降65%以上,非化石能源占一次能源消费比重将达到25%左右,森林蓄积量将比2005年增加60亿立方米,风电、太阳能发电总装机容量将达到12亿千瓦以上”。2021年3月,全国两会期间,李克强总理在2021年《政府工作报告》中提出“扎实做好碳达峰、碳中和各项工作。制定2030年前碳排放达峰行动方案”。同期发布的《͚中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中进一步提出,“十四五”期间,“单位国内生产总值能源消耗和二氧化碳排放分别降低13.5%、18%”。

(二)加强对数字技术与碳排放关系的研究

前文分析已经表明,数字技术对碳减排具有显著作用,但是同时也可以发现,目前学术界和研究机构对数字技术与碳排放之间的研究仍处于起步阶段。一方面缺少数字技术与碳减排之间的理论框架,另一方面也缺少数字技术与碳减排之间的经验结论,这可能是由于对数字经济的统计数据的缺失造成的。因此,需要加强对数字技术与碳排放关系的研究,为“十四五”规划和2035年愿景目标纲要中提出的“落实2030年应对气候变化国家自主贡献目标,制定2030年前碳排放达峰行动方案”,提供来自数字经济领域的参考价值。

首先,构建数字技术与碳排放之间的理论体系。融合互联网经济学、能源经济学、环境经济学等学科的基本理论,将以大数据、云计算、人工智能等为代表的新一代数字技术纳入到能源消费、环境治理等理论模型中,在行业异质性甚至企业异质性的基础上,探索数字技术发展对碳排放的作用机制与影响作用。

其次,实证检验数字技术与碳减排之间的量化关系。充分运用计量经济学、数据包络分析、投入产出分析等方法,实证检验数字技术与碳排放之间的因果关系与偏效应。目前亟待解决的一个问题是,需要尽快构建数字经济统计分类与核算数据库,这不仅有助于推动数字经济与碳排放关系的研究,同时将成为研究数字经济与其他重要议题的数据基础,如收入分配、国际贸易、就业与创业等。

最后,模拟预测数字技术发展与碳排放的变动趋势。现有文献基于多种场景对碳排放进行了模式,但是大多数研究结论均忽视了对数字技术的考量,从而导致对数字技术的碳减排潜力的高估或低估。未来,需要在更严谨的理论框架和更坚实的统计数据的基础上,结合系统动力学、可计算一般均衡模型(CGE)等研究方法,准确评估数字技术的碳减排潜力。

(三)加快推进区域与全球能源互联网建设

2015年9月26日,习近平总书记在出席联合国发展峰会时发表题为《谋共同永续发展、做合作共赢伙伴》的重要讲话,提出“倡议探讨构建全球能源互联网,推动以清洁和绿色方式满足全球电力需求”。2016年3月29日,全球能源互联网发展合作组织在北京成立。2017年5月14日,习近平总书记在“一带一路”国际合作高峰论坛开幕式上发表《携手推进“一带一路”建设》的重要演讲,提出“要抓住新一轮能源结构调整和能源技术变革趋势,建设全球能源互联网,实现绿色低碳发展”。哥伦比亚大学教授杰弗里·萨克斯(2018)[70]盛赞“中国的‘全球能源互联网’倡议及行动计划,为实现能源转型目标,描绘了一个激动人心的愿景”。

全球和中国能源资源和能源消费分布的不均衡性以及清洁能源的间歇性、波动性,加快能源互联网建设有助于推动能源供需的协调匹配,以分布式能源网络提高整体的能源利用效率。全球能源互联网发展合作组织主席刘振亚(2017)[71]指出,亚欧非大陆85%的水能、风能、太阳能资源集中在从北非经中亚到俄罗斯远东、与赤道成45度角的能源带上,负荷主要集中在东亚、南亚、欧洲、南部非洲等地区,而且太阳只在白天照耀,风力强度也会不断地起伏变化;我国80%以上的水能、风能和太阳能资源分布在西部和北部地区,70%以上的电力消费集中在东中部地区。

能源互联网实质就是“智能电网+特高压+清洁能源”,是去中心化、以多个能源企业为核心的“星系”型生态系统:每个核心企业都可能形成一个小生态,由核心企业主导的能源平台链接水、电、气、热等各分散主体,提供中介增值服务,共同构成一个多中心而有序的生态(陈继东等,2019)[72],未来能源互联网建设总体可以分为三步走。第一步,构建全国统一的能源互联网。如前所述,我国能源资源与能源消费在地理空间的分布上具有严重的不均衡特征,加快实现省际之间、城市群之间、经济圈之间的互联互通。第二步,构建国际多边能源互联网,加强与“一带一路”沿线国家、东盟国家之间共建能源互联网。第三步,全面融入全球能源互联网,推动能源资源尤其是清洁能源的全球贸易与配置。

从技术角度看,数字技术发展将为能源互联网提供技术支撑。因此,在能源互联网建设过程中需要高度重视数字技术的应用。

首先,提升电网智能化水平,推动大数据、云计算、人工智能等数字技术与电力系统的深度融合,为清洁能源开发和电能替代提供技术支撑与系统解决方案,加强需求侧智能管理,降低用电负荷峰谷差(刘振亚,2020)[73]。

其次,持续推动新型基础设施建设,特别是与信息共享相关的数字化基础设施、移动数据网络和云平台建设(林伯强,2020)[74],为分布式能源生产与供给提供数字基础设施,支撑高频海量数据流通与交易,巩固并提高能源互联网的稳定性。

最后,加快能源类国有企业数字化转型,严格落实《关于推进“上云用数赋智”行动培育新经济发展实施方案》和《关于加快推进国有企业数字化转型工作的通知》中的相关要求,提高能源类国有企业数字化、网络化、智能化水平,促进能源类国有企业能源效率的提升。

(四)促进以数字产业为代表的低碳产业发展

无论对碳排放的产业来源还是对产业结构与碳排放关系的分析都表明,降低产业结构中的高碳行业所占比重,提高低碳行业的占比,将对碳减排产生重要的助推作用。在数字产业的发展过程中,往往并不直接消费一次能源,如煤炭、石油、天然气等通常与数字产业之间并不存在投入产出关系,因此几乎不产生直接的碳排放。数字产业的碳排放一般来自对二次能源如电力的使用,由此导致间接的碳排放。由于投入产出关系的差异,数字产业比传统产业的碳排放量和碳排放强度都更低。通过加快促进以数字产业为代表的低碳产业的发展,推动产业结构调整,将对碳排放量和碳排放强度的降低起到至关重要的作用,相关减排潜力的测算前文已有数据表明。

需要尽快出台数字经济发展的顶层设计。一方面,在战略规划上,2021年全国两会期间发布的《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中已经明确提出,“十四五”时期数字经济核心产业增加值占 GDP 比重要从2020年的7.8%提高到2020年的10%。因此,当前需要紧紧把握当前“十四五”开局之年的关键时期,加快制定数字经济发展的十四五规划,明确中国数字经济发展的时间表、路线图、基本目标和重点任务,促进智慧城市、智慧交通、智慧生活、数字内容等数字产业的发展。另一方面,在法规政策上,浙江省已经制定《浙江省数字经济促进条例》,是全国首部以促进数字经济发展为主题的地方性法规,并于2021年3月1日起正式实施;广东省也于2020年11月3日发布《广东省数字经济促进条例(征求意见稿)》,需要加快制定国家层面的数字经济促进条例,为中国数字经济发展提供法律基础与保障。

(五)以产业数字化带动传统行业智能化转型发展

如前所述,数字技术对碳减排更大的贡献在于通过产业数字化推动传统产业的数字化、网络化、智能化转型,尤其是针对水电燃气生产、金属冶炼、非金属矿物、设备制造等高碳排放行业,更需要加快产业数字化步伐。这这些行业中,火力发电、冬季供暖、金属冶炼等生产环节,需要投入大量的化石能源,这些化石能源的燃烧直接排放了超过一半的碳排放。在非金属矿物制品业中,水泥制造是碳排放的重要来源,其原因在于水泥主要由石灰石高温煅烧而来,而石灰石的主要成分是碳酸钙在煅烧过程中会分解释放出二氧化碳,其排放量占到了总排放量的10%左右,比石油类排放比例略低(杜立民,2010)。

不仅如此,在制造业内部中的很多行业部门并不直接消费化石能源,而是通过电力消费间接排放大量二氧化碳。如有学者发现在汽车制造业中,电力消费排放的二氧化碳占行业排放总量的97.36%,其中涂装环节的排放量在所有生产环节中的占比超过一半(张铁山,陈小双,2014)[75]。但是同时也有学者指出,由于电力、钢铁、建材等高耗能行业本身所具有的碳锁定效应,短时期内很难通过产业结构调整来实现减排,未来中国节能减排工作的关键在于以新型工业化调整能源结构,加快技术改造,淘汰传统落后的生产工艺(刘佳骏等,2013)。产业数字化进程为传统工业部门的智能化转型升级提供了重要的解决方案,通过提高传统产业部门的数字化水平,降低其直接碳排放或间接碳排放。

为此,需要加快出台“十四五”期间的《工业绿色发展规划》。2016年工业和信息化部制定了《工业绿色发展规划(2016—2020年)》,其中明确提出“实施绿色制造+互联网,提升工业绿色智能水平”,未来需要结合《国民经济和社会发展第十四个五年规划和远景目标纲要》和《中国制造2025》等中长期发展战略,尽快制定发布《工业绿色发展规划(2021—2025年)》。

此外,需要坚持以智能制造为主攻方向,加强对传统行业的转型改造。腾讯研究院(2021)[76]提出“数实共生”的理念,认为传统产业要通过数字技术改进设计、研发、生产、制造、物流、销售、服务,创造新业态、新模式,实现产业结构调整和创新升级。腾讯WeMake工业互联网平台旨在成为工业互联网的“连接器”、“工具箱”与“生态共建者”,将强大的云计算、物联网、大数据、人工智能、5G、安全等数字技术以平台化的方式输出给全行业,有助于规模化降低制造企业云化、数字化、移动化与智能化的门槛。

 

企鹅经济学工作坊

【研究组长】

陈维宣    腾讯研究院研究员、博士后

【研究成员】

郑梦圆    腾讯研究院助理研究员、北京大学博士研究生

白惠天    腾讯研究院研究员、博士后

【项目负责人】

吴绪亮    腾讯研究院首席经济学顾问

 

 

参考资料:

[1]数据来源:国际气候研究中心(CICERO),https://cicero.oslo.no/en/carbonbudget-for-dummies.

[2] IEA,“GlobalEnergy Review: CO2 Emissions in 2020”,2021-3-2,https://www.iea.org/articles/global-energy-review-co2-emissions-in-2020.

[3] PierreFriedlingstein,Michael O’Sullivan,MatthewW. Jones,et al,“GlobalCarbon Budget 2020”,Earth SystemScience Data,2020,12(4):3269–3340.

需要注意的是,全球碳项目中提供的碳排放数据是以碳(C)作为计量单位,其与二氧化碳(CO2)之间的转换系数为3.664,即1单位碳等于3.664单位二氧化碳。

[4]联合国环境规划署:《2020年排放差距报告》,2020年。

[5] IEA,“GlobalEnergy Review: CO2 Emissions in 2020”,2021-3-2,https://www.iea.org/articles/global-energy-review-co2-emissions-in-2020.

[6]欧盟28国是指欧盟的28个成员国,包括奥地利、比利时、保加利亚、克罗地亚、塞浦路斯、捷克共和国、丹麦、爱沙尼亚、芬兰、法国、德国、希腊、匈牙利、爱尔兰、意大利、拉脱维亚、立陶宛、卢森堡、马耳他、荷兰、波兰、葡萄牙、罗马尼亚、斯洛伐克、斯洛文尼亚、西班牙、瑞典、英国。英国于2020年1月正式退出欧盟,在本文的统计期间,仍然属于欧盟成员国。

[7]联合国人类住区规划署:《城市与气候变化:全球人类住区报告 2011》,2011年5月12日。

[8]由于国际能源署只公布了2019年OECD经济体的数据,而未公布非OECD经济体数据,因此,本文的计算区间截至到2018年。

[9]芦风英,庞智强:《中国与世界主要国家间碳排放转移的实证分析》,《统计与决策》2021年第3期,第94-97页。

[10]李小平,卢现祥:《国际贸易、污染产业转移和中国工业CO2排放》,《经济研究》2010年第1期,第15-26页。

[11]唐杰英:《产业转移、国际贸易和CO2排放——来自我国工业的实证分析》,《国际贸易问题》2012年第9期,第118-128页。

[12]杜运苏,张为付:《我国承接国际产业转移的碳排放研究》,《南京社会科学》2012年第11期,第22-28页。

[13]刘竹:《哈佛中国碳排放报告 2015》,2015年5月。

[14]芦风英,庞智强:《中国与世界主要国家间碳排放转移的实证分析》,《统计与决策》2021年第3期,第94-97页。

[15]王媛,王文琴,方修琦:《基于国际分工角度的中国贸易碳转移估算》,《资源科学》2011年第33卷第7期,第1331-1337页。

[16]中国碳核算数据库(CEAD)中,2018年数据缺失,本文采用2017年与2019年的两年平均值进行补齐;2020年12月数据缺失,由于2020年下半年新冠肺炎疫情基本控制,与2019年下半年碳排放趋势基本一致,因此,本文以2019年和2020年7—11月碳排放量之比作为系数,对2019年12月碳排放量进行调整,得到2020年12月碳排放数据。

[17]胡鞍钢:《中国实现2030年前碳达峰目标及主要途径》,《北京工业大学学报(社会科学版)》2021年第21卷第3期,第1-15页。

[18]于宏源:《迈向全球能源强国的可持续路径——学习习近平总书记关于能源安全的讲话》,《学术前沿》2018年第4期,第61-69页。

[19]赫永达,文红,孙传旺:《“十四五”期间我国碳排放总量及其结构预测——基于混频数据ADL-MIDAS模型》,《经济问题》2021年第4期,第31-40页。

[20]蔡博峰,曹丽斌,雷宇等:《中国碳中和目标下的二氧化碳排放路径》,《中国人口·资源与环境》2021年第31卷第1期,第7-14页。

[21]杜立民:《我国二氧化碳排放的影响因素:基于省级面板数据的研究》,《南方经济》2010年第11期,第20-33页。

[22]肖雁飞,万子捷,刘红光:《我国区域产业转移中“碳排放转移”及“碳泄漏”实证研究——基于2002年、2007年区域间投入产出模型的分析》,《财经研究》2014年第40卷第2期,第75-84页。

[23]七个区域所包含的省份分别为:华东地区包括山东、江苏、安徽、浙江、上海,华北地区包括北京、天津、河北、山西、内蒙古,华中地区包括湖北、湖南、河南、江西,西北地区包括陕西、甘肃、宁夏、青海、新疆,华南地区包括广东、广西、海南、福建,东北地区包括辽宁、吉林、黑龙江,西南地区包括四川、重庆、贵州、云南等省份。

[24]平新乔,郑梦圆,曹和平.《中国碳排放强度变化趋势与“十四五”时期碳减排政策优化》,《改革》,2020年第11期,第37-52页。

[25]刘佳骏,李雪慧,史丹:《中国碳排放重心转移与驱动因素分析》,《财贸经济》2013年第12期,第112-123页。

[26]孙立成,程发新,李群:《区域碳排放空间转移特征及其经济溢出效应》,《中国人口·资源与环境》2014年第24卷第8期,第17-23页。

[27]张彩云,张运婷:《碳排放的区际比较及环境不公平——消费者责任角度下的实证分析》,《当代经济科学》2014年第36卷第3期,第26-34页。

[28] Fan Ying,LiuLancui,Wu Gang,HaienTang Tsai,Wei Yiming,“Changesin Carbon Intensity in China:EmpiricalFindings from 1980-2013”,EcologicalEconomics,2007(62):683-691.

[29]岳超,胡雪洋,贺灿飞,江玲,王少鹏,方精云:《1995-2007年我国省区碳排放及碳强度的分析——碳排放与社会发展Ⅲ》,《北京大学学报(自然科学版)》2010年第46卷第4期,第510-516页。

[30]张友国:《经济发展方式变化对中国碳排放强度的影响》,《经济研究》2010年第4期,第120-133页。

[31]查建平,唐方方,别念民:《结构性调整能否改善碳排放绩效?——来自中国省级面板数据的证据》,《数量经济技术经济研究》2012年第11期,第18-33页。

[32]刘长松:《我国实现碳排放峰值目标的挑战与对策》,《宏观经济管理》2015年第9期,第46-50页。

[33]杨莉莎,朱俊鹏,贾智杰:《中国碳减排实现的影响因素和当前挑战——基于技术进步的视角》,《经济研究》2019年第11期,第118-132页。

[34]国际电信联盟:《国际电联和气候变化》,2008年10月。

[35] GeSI  and BCG,“GeSI SMARTer 2020:TheRole of ICT in Driving a Sustainable Future”,December 2012.

[36] GSMA,“TheEnablement Effect:The Impact of MobileCommunications Technologies on Carbon Emission Reductions”,Junary2020.

[37]卢福财,刘林英,徐远彬:《互联网发展对工业绿色全要素生产率的影响研究》,《江西社会科学》2021年第1期,第39-50页。

[38] Chuanguo Zhang,CongLiu,“The impact of ICTindustry on CO2 emissions: A regional analysis in China”,Renewableand Sustainable Energy Reviews,2015,44(4):12-19.

[39]张伟,朱启贵,李汉文:《能源使用、碳排放与我国全要素碳减排效率》,《经济研究》2013年第10期,第138-150页。

[40]孙宏斌,郭庆来,潘昭光,王剑辉:《能源互联网:驱动力、评述与展望》,《电网技术》2015年第39卷第11期,第3005-3013页。

[41]陈继东,陈珊,李姝:《如何成为能源互联网中最亮的星?》,埃森哲,《转型的科学》,上海交通大学出版社,2019年版,第96-103页。

[42]邬彩霞,高媛:《数字经济驱动低碳产业发展的机制与效应研究》,《贵州社会科学》2020年第11期,第155-161页。

[43] IEA,“Digitalization& Energy”,2017,https://webstore.iea.org/download/direct/269.

[44]冯晟昊,王健,张恪渝:《基于CGE模型的全球能源互联网经济社会效益分析——以中国及其周边地区为例》,《全球能源互联网》2019年第2卷第4期,第376-383页。

[45]查建平,唐方方,别念民:《结构性调整能否改善碳排放绩效?——来自中国省级面板数据的证据》,《数量经济技术经济研究》2012年第11期,第18-33页。

[46]张雪峰,宋鸽,闫勇:《城市低碳交通体系对能源消费结构的影响研究——来自中国十四个城市的面板数据经验》,《中国管理科学》2020年第28卷第12期,第183-183页。

[47]许宪春,任雪,常子豪:《大数据与绿色发展》,《中国工业经济》2019年第4期,第5-22页。

[48]伊文婧:《共享出行对客运交通能耗的影响研究》,《中国能源》2019年第41卷第5期,第17-22页。

[49]吨油当量(tonoil equivalent),按一吨标准油的热值计算各种能源量的换算指标。

[50]丁宁,杨建新,逯馨华,刘晶茹:《共享单车生命周期评价及对城市交通碳排放的影响——以北京市为例》,《环境科学学报》2018年第6期,第1-15页。

[51]麦肯锡:《2060碳中和:中国如何发挥城市的作用实现这一目标》,2021年3月。

[52]林美顺:《中国城市化阶段的碳减排:经济成本与减排策略》,《数量经济技术经济研究》2016年第3期,第59-77页。

[53]联合国人类住区规划署:《城市与气候变化:全球人类住区报告 2011》,2011年5月12日。

[54] Shobhakar Dhakal,“Urbanenergy use and carbon emissions from cities in China and policy implications”,EnergyPolicy,2009(37):4208–4219.

[55]刘竹:《哈佛中国碳排放报告 2015》,2015年5月。

[56] Shobhakar Dhakal,“Urbanenergy use and carbon emissions from cities in China and policy implications”,EnergyPolicy,2009(37):4208–4219.

[57]  林伯强,刘希颖:《中国城市化阶段的碳排放:影响因素和减排策略》,《经济研究》2010年第8期,第66-78页。

[58] StephanieOhshita,Lynn Price,周南等:《中国城市在温室气体减排中的作用:城镇用能和温室气体排放概述》。2015年9月。

[59]联合国环境规划署:《2020年排放差距报告》,2020年。

[60] Lan-Cui Liu,GangWu,Jin-Nan Wang,Yi-MingWei,“China’scarbon emissions from urban and rural households during 1992-2007”,Journalof Cleaner Production,2011(19):1754-1762.

[61]联合国环境规划署:《2020年排放差距报告》,2020年。

[62]周迪,刘奕淳:《中国碳交易试点政策对城市碳排放绩效的影响及机制》,《中国环境科学》2020年第40卷第1期,第453~464页。

[63]李治国,王杰:《中国碳排放权交易的空间减排效应:准自然实验与政策溢出》,《中国人口·资源与环境》2021 年第31卷第1期,第26-36页。

[64]李志学,张肖杰,董英宇:《中国碳排放权交易市场运行状况、问题和对策研究》,《生态环境学报》2014年第23卷第11期,第1876-1882页。

[65]庞韬,周丽,段茂盛:《中国碳排放权交易试点体系的连接可行性分析》,《中国人口·资源与环境》2014年第24卷第9期,第6-12页

[66]赵昕,曹森,丁黎黎.互联网依赖对家庭碳排放的影响——收入差距和消费升级的链式中介作用.北京理工大学学报(社会科学版).2021年第4期(网络首发版)

[67] Lotfi Belkhir,Ahmed Elmeligi,“Assessing ICT globalemissions footprint: Trends to 2040 & recommendations”,Journalof Cleaner Production,2018(177):448-463.

[68]绿色和平,华北电力大学:《点亮绿色云端:中国数据中心能耗与可再生能源使用潜力研究》,2019年9月。

[69]谢孟哲,玛雅•弗斯塔特,余晓文,约翰•科尼克:《ICT 产业促进中国低碳经济发展》,中国电子学会节能工作推进委员会,2011年3月23日。

[70]杰弗里·萨克斯:《构建“全球能源互联网”》,《中国经济报告》2018年第8期,第52-53页。

[71]刘振亚:《加快建设我国和全球能源互联网,促进能源结构调整和绿色低碳发展》,《中国电力企业管理》2017年第8期,第6-8页。

[72]陈继东,陈珊,李姝:《如何成为能源互联网中最亮的星?》,埃森哲,《转型的科学》,上海交通大学出版社,2019年版,第96-103页。

[73]刘振亚:《建设我国能源互联网推进绿色低碳转型(下)》,《中国能源报》2020年8 月3日,第1 版。

[74]林伯强:《能源互联网助力中国能源绿色低碳转型》,《煤炭经济研究》2020年第40卷第11期,第1页。

[75]张铁山,陈小双:《汽车制造企业生产过程碳排放核算与策略》,《企业经济》2014年第10期,第17-20页。

[76]腾讯研究院、IDC:《数实共生:未来经济白皮书2021》,2021年1月21日。

 

前沿杂志
互联网前沿61

2022年,从引爆AI作画领域的DALL-E 2、Stable Diffusion等AI模型,到以ChatGPT为代表的接近人类水平的对话机器人,AIGC不断刷爆网络,其强大的内容生成能力给人们带来了巨大的震撼。

2023-05-12

全站精选