环境科学研究  2019, Vol. 32 Issue (8): 1264-1274  DOI: 10.13198/j.issn.1001-6929.2019.03.25

引用本文  

翁智雄, 马忠玉, 葛察忠, 等. 差异化碳减排目标对区域产业部门经济与碳减排的影响[J]. 环境科学研究, 2019, 32(8): 1264-1274.
WENG Zhixiong, MA Zhongyu, GE Chazhong, et al. Economic and Mitigating Impacts of Differential Carbon Reduction Targets on Regional Industries[J]. Research of Environmental Sciences, 2019, 32(8): 1264-1274.

基金项目

中国人民大学2017年度拔尖创新人才资助计划成果
Outstanding Innovative Talents Cultivation Funded Programs 2017 of Renmin University of China

责任作者

葛察忠(1965-), 男, 浙江开化人, 研究员, 硕士, 主要从事环境经济政策研究, gecz@caep.org.cn.

作者简介

翁智雄(1989-), 男, 浙江杭州人, wengzx@ruc.edu.cn

文章历史

收稿日期:2018-11-12
修订日期:2019-03-16
差异化碳减排目标对区域产业部门经济与碳减排的影响
翁智雄1 , 马忠玉1,2 , 葛察忠3 , 程翠云3 , 杜艳春3     
1. 中国人民大学环境学院, 北京 100872;
2. 国家信息中心, 北京 100045;
3. 生态环境部环境规划院, 北京 100012
摘要:碳减排目标是实现减排任务的重要保障.为探讨差异化减排目标对区域产业部门经济与碳减排的影响,以在我国具有特定区位条件(“21世纪海上丝绸之路”的重要节点)和经济发展现状(相对较为落后)的广西壮族自治区为主要研究区域,构建包括广西壮族自治区和我国其他地区〔除广西壮族自治区以外的其他省(自治区、直辖市),但不含港澳台地区,下同〕在内的可计算的一般均衡模型,设定P55C65、P75C65、P65C55、P65C65、P65C75(“P”表示广西壮族自治区,“C”表示我国其他地区,“55”“65”“75”分别表示碳减排目标依次为55%、65%、75%)和基准情景(无减排目标),研究区域间宏观经济和微观产业部门指标之间的相互影响.结果表明:①无差异情景(P65C65)下,广西壮族自治区农林牧渔业2030年的产值为741.17×108元,比基准情景下降0.19%;我国其他地区电子设备制造业的产值为33 457.49×108元,比基准情景下降2.00%.对广西壮族自治区碳排放贡献较大的产业部门主要为食品制造业、金属冶炼及压延业和服务业,而我国其他地区碳排放主要受电力热力生产的影响.②差异化情景下,这两个区域的金属冶炼及压延部门受减排约束影响均较明显.相比无差异情景,P75C65情景下,广西壮族自治区2030年金属冶炼及压延部门的出口总值和省际输出分别降至17.55×108和186.32×108元,分别下降了6.80%和1.65%;本地供应和产出分别降至358.72×108和562.59×108元,分别下降了1.85%和1.95%;金属冶炼及压延部门碳排放降至4 997×104 t,下降了12.79%.而我国其他地区2030年P75C65情景下,金属冶炼及压延部门的出口总值、省际输出、本地供应和产出则分别上升了0.05%、2.06%、0.06%和0.06%,分别增至1 283.24×108、28.25×108、26 598.95×108和27 910.43×108元,该部门的碳排放上升了0.05%,增至82 927×104 t.尽管碳减排目标能有效降低广西壮族自治区的碳排放,但也会给其产业部门带来一定的经济损失,该区域的出口、省际输出、本地供应和产出不仅受自身减排目标的影响,也受到我国其他地区减排目标的约束.建议在落实各省(自治区、直辖市)减排任务时,也要实施差异化减排目标,发展当地的优势产业.
关键词碳减排    产业影响    区域间差异    CGE模型    广西壮族自治区    
Economic and Mitigating Impacts of Differential Carbon Reduction Targets on Regional Industries
WENG Zhixiong1 , MA Zhongyu1,2 , GE Chazhong3 , CHENG Cuiyun3 , DU Yanchun3     
1. School of Environmental & Natural Resources, Renmin University of China, Beijing 100872, China;
2. State Information Centre, Beijing 100045, China;
3. Chinese Academy for Environmental Planning, Beijing 100012, China
Abstract: The carbon mitigation target plays a crucial role in achieving carbon dioxide emission reduction. In order to investigate the impacts of implementing differentiated emission targets on industrial economic and carbon reductions, this study takes Guangxi Zhuang Autonomous Region as a research subject. Despite a relatively poor economic performance, Guangxi Zhuang Autonomous Region serves as an essential node to the Maritime Silk Road. We thus constructed a computable general equilibrium model which containing Guangxi Zhuang Autonomous Region and the rest of China (include other provinces except Guangxi Zhuang Autonomous Region, and Hongkong, Macao, Taiwan (due to the unavailable data)) to estimate the mitigation effect. The scenarios of P55C65, P75C65, P65C55, P65C6, P65C75 ('P' represents Guangxi Zhuang Autonomous Region, 'C' represents the rest of China) and baseline (no mitigation target) are set up. The values of '55' '65' '75' represent the carbon reduction targets of 55%, 65% and 75% respectively, which are applied to examine the correlation between the macro economy and micro industries. The results show that despite some industrial economic losses being generated when constraint with carbon reduction targets, substantial reduction gains under different scenarios are yield. (1) Under the no-difference scenario (P65C65), the agricultural output in Guangxi Zhuang Autonomous Region would be 741.17×108 RMB, 0.19% less than the baseline scenario; while the electronic manufacturing's output in the rest of China would be 33, 457.49×108 RMB, 2.00% less than the baseline. The food manufacturing sector, the metal smelting and rolling sector, and the service sector, however, are found to be the main sectors which contribute large amount to carbon dioxide emissions in Guangxi Zhuang Autonomous Region, while the electronic and heating sectors are the main contributors in the rest of China. (2) Under the differentiated scenario, the metal smelting and rolling sector in both regions is supposed to be affected significantly. Comparing with the no-difference scenario, the export value and the provincial export value would decrease respectively to 17.55×108 and 186.32×108 RMB, reducing by 6.80% and 1.65% respectively; the local supply value and the output value would decrease respectively to 358.72×108 and 562.59×108 RMB, with 1.85% and 1.95% less than the no-difference scenario respectively. Consequently, the corresponding CO2 emissions of the metal smelting and rolling sector would decrease by 12.79% to 4, 997×104 t under the scenario of P75C65 in 2030. In contrast, all these indicators would change in the opposite direction in the rest of China under the same scenario of the metal smelting and rolling sector. In 2030, the export value, the provincial export value, the local supply value and the output value would increase by 0.05%, 2.06%, 0.06% and 0.06%, respectively, reaching to 1, 283.24×108, 28.25×108, 26, 598.95×108 and 27, 910.43×108 RMB, respectively, while the corresponding CO2 emissions would increase by 0.05% to 82, 927.00×104 t. Even with substantial reduction of carbon emissions in Guangxi Zhuang Autonomous Region, a certain amount of economic losses on industries still exists. The economic losses of export, provincial export, local supply and output would not only be affected by Guangxi Zhuang Autonomous Region's reduction targets, but also be correlated with the targets in the rest of China. These findings suggest that a comprehensive consideration of differentiated mitigation targets should be taken when implementing the Intended Nationally Determined Contribution plan, as well as developing domestic competitive industries.
Keywords: carbon mitigation    industrial impact    regional heterogeneity    computable general equilibrium model    Guangxi Zhuang Autonomous Region    

气候变化是人类面临的共同挑战,对社会经济发展具有重大影响.我国已成为全球最大的温室气体排放国[1],采取有效的减排措施减缓全球变暖,既是中国作为负责任大国的重要体现,也是加快推进能源供给侧结构性改革、实现绿色发展的重要内容. “十二五”至“十三五”时期, 我国分别制定了碳强度下降17%和18%的减排目标[2],并推动达成了《巴黎协定》,承诺2030年我国的单位国内生产总值CO2排放比2005年下降60%~65%[3].实现我国的减排目标关键在于减排任务的分解, 但由于各地经济发展水平、产业结构、资源禀赋、能源消费存在明显差异, 导致不同减排目标对各地的经济与环境影响有所不同,尤其是对不同产业部门的影响差别较大.

从现有研究来看,国内外学者主要侧重于研究碳减排目标的分解,或从市场化的减排措施角度研究减排对经济与环境的影响.从碳减排目标的分解研究来看,王方军等[4]构建了北京市的边际减排函数,基于减排成本总额最小化原则,测算得到北京市CO2最优减排率,进而得到北京市“十二五”时期碳强度的年度目标分解值.程纪华[5]构建了碳排放总量控制目标分解模型,分别从“偏重公平”“偏重效率”和“偏重可行”等3个方案出发,将浙江省2013—2020年的碳排放总量控制目标分解到各地级市,认为3个方案分别有利于协调区域经济发展差异、最大效率地利用碳排放空间、实现各地市碳减排和经济发展的双赢.韩中合等[6]建立了产业结构调整、技术进步和能源结构优化模型,分析了节能减排目标的实现路径.从减排目标的经济与环境影响来看,较多学者研究如何运用碳税和碳交易两种市场化机制来实现减排目标. BAO等[7]研究认为,50元/t碳税情景下,我国2020年的出口价格将下降0.3%;LIU等[8]研究了100元/t碳税下,我国GDP、居民消费将分别下降1.17%和0.2%;WU等[9]认为减排机制下宏观经济会造成一定的损失,如上海在碳交易情景下GDP将损失1.7%.部分学者将征税目标与碳减排目标挂钩[10],如DONG等[11]认为,120元/t的碳税能使电力部门实现减排目标(19×108 t,以CO2计);WANG等[12]认为,在哥本哈根减排目标下,广东省的碳交易量将在2 000×104~2 700×104 t之间.尽管关于碳减排的研究方法日益呈现多样化的趋势,但指数分解[13-14]、面板回归[15-16]等方法较多运用于碳减排目标的分解和影响因素分析上,不适用于具体量化不同减排政策对宏观经济(如GDP、就业、居民福利、进出口贸易等)与微观产业(如产值变化、产业部门碳排放)的整体影响.可计算一般均衡模型(computable general equilibrium model,简称“CGE模型”)能够在一定程度上弥补一些模型的缺陷,通过刻画生产者与消费者的经济行为,实现资源的有效配置.

综观国内外相关研究,多数集中于分析某个特定区域减排目标的分解或影响,较少从区域间差异化的减排目标角度量化评估其经济与环境影响.同时,多数研究集中于全球[17]、国家[18]和省级[19-20]层面,而从区域间产业影响视角开展的研究仍然不足.鉴于此,该文着重探讨不同区域在设定差异化减排目标情景下,商品与贸易流动、本地供应、产出和出口在区域间的变化情况,并刻画出区域间产业部门的碳排放变化.综合考虑我国各省(自治区、直辖市)的现实情况,选择广西壮族自治区作为研究区域,构建包括广西壮族自治区和我国其他地区〔除广西壮族自治区以外的其他省(自治区、直辖市),但不含港澳台地区,下同〕在内的可计算的一般均衡模型,研究广西壮族自治区和我国其他地区在各自实施差异化的减排目标情景下,区域间宏观经济和微观产业部门指标之间的相互影响.该文重在关注减排目标的区域间影响,以期为全国碳减排任务分解至各省(自治区、直辖市)提供一定依据,同时也可为各地产业部门减排任务的落实提供参考.

1 研究区域概况

广西壮族自治区的土地面积为236 700 km2,约占我国国土总面积的2.5%,与四省毗邻,与一国接壤,临近北部湾,海岸线曲折,是“21世纪海上丝绸之路”的重要节点. 2016年,广西壮族自治区常住人口484×104人,生产总值为18 245.07×108元,在全国各省(自治区、直辖市)中排第17位;三产比重分别为15.34%、45.05%和39.61%,城镇化率为48.1%,低于全国平均水平(57.4%).从经济发展的各项指标来看,广西壮族自治区仍然处于工业化发展的起步阶段,经济发展水平在全国处于相对落后水平.考虑到广西壮族自治区特定的区位条件和经济发展现状,通过比较广西壮族自治区和我国其他地区不同碳减排目标对经济与环境的影响,能够为经济相对落后地区的减排政策制定提供一定参考依据.

2 研究方法与数据来源 2.1 可计算的一般均衡模型

可计算的一般均衡模型是基于一般均衡理论,建立起一个用于经济系统实证分析和政策评估的数值化分析框架[21],已经被广泛应用于评估全球[22]、国家[23]尺度下不同气候政策的经济和环境影响.该文在可计算的一般均衡模型基础上,以2012年我国投入产出表和广西壮族自治区投入产出表为数据基础,将其中的42个产业部门合并为25个产业部门,涵盖了国民经济体系中的所有部门(见表 1).如图 1所示,该文采用多层嵌套形式构建起广西壮族自治区和我国其他地区的经济与能源系统:①第1层采用Leontief生产函数,表示非能源商品、能源商品和初级要素之间是固定替代比例. ②第2层中非能源商品投入为Leontief函数,能源商品和初级要素之间为CES函数. ③第3层电力和化石能源投入之间为CES函数,资本和劳动之间为Cobb-Douglas函数. ④第4层中电力分为化石燃烧产生的电力和非化石燃烧产生的电力,二者之间为完全替代;化石能源分为3类,分别为煤炭、天然气、石油,三者之间为CES函数. ⑤第5层中化石电力分为非能源、初级要素和能源,非化石电力分为非能源和初级要素,化石能源中的煤炭、石油与天然气均会产生CO2排放,该层嵌套均采用Leontief生产函数. ⑥第6层主要包括能源与非能源、初始要素的嵌套结构,除了非能源结构采用Leontief生产函数外,其余均采用CES生产函数. ⑦第7层中化石燃料主要包括煤炭、天然气和石油,采用CES生产函数. ⑧第8层主要为各类化石能源及其CO2排放,均采用Leontief生产函数.

表 1 广西壮族自治区和我国其他地区可计算的一般均衡模型产业部门划分 Table 1 Sectors′ division of CGE model in Guangxi Zhuang Autonomous Region and the rest of China

注:σ表示替代弹性,参数来源于文献[24-25]. 图 1 广西壮族自治区和我国其他地区产业部门的生产嵌套结构 Fig.1 Sectors′ nested producing structure of Guangxi Zhuang Autonomous Region and the rest of China

可计算的一般均衡模型区分了不同的部门主体.其中,居民部门是最终消费者之一,获得初始要素(劳动和资本)的租金收入,以及固定要素(土地和自然资源)和政府的转移支付收入.居民利用得到的收入进行投资或用于最终消费,并在商品价格和预算约束下追求利润最大化.政府部门征收税收,并基于Cobb-Douglas需求函数,向居民提供公共服务和产品.企业部门主要生产各类产品,并进行投资和消费.该研究中的可计算的一般均衡模型是一个小型开放经济体模型,不足以因其政策变化而改变世界价格和收入,故假设出口和进口价格外生给定.考虑各省际之间的商品流通与交易,运用阿明顿(Armington)假设来区分本地(广西壮族自治区)生产的商品和我国其他地区生产的商品.阿明顿假说[26]认为,不同国家生产的商品,其价格变动并不总是一致的,即不同国家生产的商品具有差异性,可以用阿明顿替代弹性反映进口商品与本国商品之间的替代程度,这在很大程度上决定了相对价格变化带来的影响.同时,假设市场完全竞争,即商品市场和要素市场完全出清,投资变量外生,外汇汇率外生,国际收支作为内生变量.

碳减排约束对经济系统的影响是该文的研究重点.基于多层嵌套的生产结构,该文中的CO2排放主要来源于化石能源(煤炭、石油和天然气)的消费.因此,在可计算的一般均衡模型中以外生冲击的方式直接降低广西壮族自治区和我国其他地区的CO2排放量,由于能源消费部门与其他产业部门之间通过嵌套的生产结构产生相互关系,能源消费部门在减排目标作用下的变化将会直接传导至其他产业部门,最终引起整个经济系统中各项经济指标和总体的减排量发生变化.

2.2 情景设定

该研究共设定6个情景,包括1个基准情景和5个碳减排情景(见表 2):①基准情景,即未对碳减排进行约束. ②5个碳减排情景,主要刻画广西壮族自治区和我国其他地区实施差异化减排目标.由于《巴黎协定》建立了国家自主贡献目标机制,我国承诺,到2030年左右,使我国CO2排放达到峰值,并争取尽早实现;同时,承诺2030年的单位国内生产总值CO2排放比2005年下降60%~65%[27].故该文以65%作为核心情景,设定P65C65情景(“P”代表广西壮族自治区地区,“C”代表我国其他地区),即两个区域2030年的单位地区生产总值CO2排放量均比2005年下降65%.为进一步探讨实施更高或更低的减排目标对两个区域产生的影响,该文分别考虑在65%的基准线上下浮动10%的减排目标,即设置P55C65、P65C75、P75C65、P65C55等4个情景,这4个情景可反映出两个区域差异化的减排情况.值得注意的是,该文重点研究实施比国家自主减排贡献目标更高、更低或相等情景对两个区域经济与环境的影响,由于经济系统的复杂性,目前尚难以给出关于每个区域设定多大的减排目标才是最优的答案.

表 2 碳减排情景设定 Table 2 Scenarios setting for carbon mitigation
2.3 数据来源

模型构建的核心数据来自于国家统计局编写的《2012年中国地区投入产出表》[28]和《2012年中国投入产出表》[29]以及《2013年中国能源统计年鉴》[30]中的能源平衡表.

碳排放系数采用林伯强等[31]的研究结果,即煤炭取2.763 kg/kg(以kg标准煤计, 下同),石油取2.145 kg/kg,天然气取1.642 kg/kg,通过CO2排放系数测算出产业部门的CO2排放量.

在对可计算的一般均衡模型动态模块设定时,对广西壮族自治区和我国其他地区未来的经济社会情景做出了假定,所有经济数据的预测时间区分为2个阶段,即2012—2020年和2021—2030年.其中,2012—2017年的相关数据基于历史值获得,其他年份的数据根据预测所得(见表 3):①《广西壮族自治区国民经济和社会发展第十三个五年规划纲要》[32]提出,“十三五”时期,实现地区生产总值年均增长7.5%以上.结合2012—2017年广西壮族自治区的年均GDP增长率约为8.8%[33-34],设定广西壮族自治区2012—2020年的年均GDP增长率为8.3%;而全国的“十三五”规划目标设定GDP年均增长率在6.5%以上[35],结合2012—2017年全国年均GDP增长率约为7.3%[36-37],设定我国其他地区2012—2020年的年均GDP增长率为7.0%.考虑到当前广西壮族自治区经济发展与全国发达地区(如浙江省等)仍然存在一定差异,广西壮族自治区未来的GDP增长率主要参考全国发达地区当前的经济增长率,将2021—2030年广西壮族自治区的GDP增长率设定为7.5%,而我国其他地区则参考林伯强等[31]的预测值,设定为5.0%. ②结合刘兰凤等[38]的判断,将我国其他地区2012—2020年的平均人口增长率设定为1.0%,2021—2030年的年均人口增长率设定为0.5%;而广西壮族自治区受当前人口与产业规模的限制,人口增长的潜力有限,假设其人口增长率略低于全国水平,两个时间段内的平均人口增长率分别设定为0.7%和0.3%. ③结合林伯强等[39]对未来产业结构的假设,设定我国其他地区2012—2020年的三次产业比重分别约为7.5%、40.0%、52.5%.根据发达国家和地区的经验,随着经济发展程度的不断提高,经济增长会表现出一产和二产比重下降、三产比重升高的趋势,故该文将我国其他地区2021—2030年的三次产业比重分别调整为6.0%、35.0%和59.0%;由于目前尚缺乏对广西壮族自治区未来产业结构变化的相关研究、政策规划,该文假设广西壮族自治区的一产比重略高于我国其他地区,二产比重高于我国其他地区,三产比重低于我国其他地区(见表 3).

表 3 广西壮族自治区和我国其他地区各情景下的一般社会经济假设 Table 3 The general social economic hypothesis under different scenarios of Guangxi Zhuang Autonomous Region and the rest of China
3 结果与讨论 3.1 无差异减排对产业部门的经济影响

图 2可见:①两个区域在65%的减排目标下,各产业部门的产值均受到一定的负面影响.如基准情景下,广西壮族自治区2030年农林牧渔业的产值为742.61×108元,而P65C65情景下则降至741.17×108元, 比基准情景下降0.19%;基准情景下,我国其他地区电子设备制造业的产值为34 140.89×108元,而P65C65情景下则降至33 457.49×108元,比基准情景下降2.00%. ②两个区域产业结构有相似之处,也存在一定差异.总体来看,服务业、食品制造及烟草加工业在两个区域均占有较大比重,如P65C65情景下,广西壮族自治区这两个产业部门的产值分别为2 452.91×108和1 267.75×108元,我国其他地区这两个产业部门的产值分别为118 664.45×108和45 005.15×108元.另一方面,电子设备制造业、建筑业在我国其他地区的产值份额较大,但在广西壮族自治区的产值份额较小; 而农林牧渔业在广西壮族自治区的产值份额较大,但在我国其他地区则较小.

图 2 2030年P65C65和基准情景下广西壮族自治区和我国其他地区各产业部门产值变化情况 Fig.2 The industrial output change of Guangxi Zhuang Autonomous Region and the rest of China under P65C65 and baseline scenario in 2030
3.2 无差异减排对产业部门的CO2减排影响

图 3可见:①65%的减排目标能降低产业部门的碳排放.基准情景下,广西壮族自治区金属冶炼及压延业的CO2排放量为7 585×104 t,而P65C65情景下则降至5 730×104 t;基准情景下,我国其他地区金属冶炼及压延业的CO2排放量为102 376×104 t,P65C65情景下则降至82 886×104 t. ②两个区域产业部门对本地的CO2排放“贡献”存在一定差异.对广西壮族自治区CO2排放贡献较大的产业部门主要为食品制造业、金属冶炼及压延业和服务业,而我国其他地区CO2排放主要受电力热力生产的影响.如P65C65情景下,广西壮族自治区2030年食品制造业的CO2排放量为6 442×104 t,约占其排放总量的24.56%,而我国其他地区该部门同期的排放量为86 174×104 t,仅占其排放总量的8.36%.从电力热力生产来看,P65C65情景下,广西壮族自治区电力热力生产的CO2排放微乎其微,而我国其他地区则达到317 218×104 t,约占其排放总量的30.76%.

图 3 2030年P65C65和基准情景下广西壮族自治区和我国其他地区各产业部门CO2排放变化情况 Fig.3 The industrial CO2 emission change of Guangxi Zhuang Autonomous Region under P65C65 and baseline scenario in 2030
3.3 差异化减排对重点产业部门的影响

金属冶炼及压延部门是广西壮族自治区的主要碳排放来源之一.由可计算的一般均衡模型模拟结果可知,2012年(基准年)广西壮族自治区金属冶炼及压延部门的CO2排放量约占其排放总量的30%,由于其长期处于低端产业链,产品附加值低,对环境产生的负面影响较大,已经成为广西壮族自治区的重点减排部门.该文选择广西壮族自治区和我国其他地区金属冶炼及压延部门开展对比分析,分别研究不同减排目标下两个区域金属冶炼及压延部门出口、省际输出、本地供应、产出以及CO2排放的变化情况.

表 4可见:①从各经济指标的绝对量来看,两个区域的产出量均较大,如基准情景下,广西壮族自治区和我国其他地区2030年的产出分别为611.98×108和29 081.42×108元,显著高于同期的其他经济指标. ②从差异化减排的角度来看,当两个区域有任何一方采取最严格的减排目标(75%)时,会使其受到显著的经济损失.相比P65C65情景(无差异情景),P75C65情景下广西壮族自治区的出口总值从18.83×108元降至17.55×108元(下降6.80%),其省际输出总值从189.45×108元降至186.32×108元(下降1.65%),其本地供应从365.47×108元降至358.72×108元(下降1.85%),其产出从573.76×108元降至562.59×108元(下降1.95%);而我国其他地区同期的出口总值从1 282.64×108元增至1 283.24×108元(上升0.05%),省际输出从27.68×108元增至28.25×108元(上升2.06%),本地供应从26 582.95×108元增至26 598.95×108元(上升0.06%),产出从27 893.26×108元增至27 910.43×108元(上升0.06%). ③当两个区域有一方实施较宽松的减排目标(55%)时,会使减排要求低的一方减少经济损失.以我国其他地区为例,相比P65C65情景,P65C55情景下我国其他地区的出口总值则从1 282.64×108元增至1 370.66×108元(上升6.86%),省际输出从27.68×108元增至28.94×108元(上升4.55%),本地供应从26 582.95×108元增至27 197.40×108元(上升2.31%),产出从27 983.26×108元增至28 597.00×108元(上升2.19%).同样,在P55C65情景下,广西壮族自治区的4项经济指标也呈增加趋势(见表 4).

表 4 2030年不同情景下广西壮族自治区和我国其他地区金属冶炼及压延部门的各项经济指标变化情况 Table 4 The general social economic change under different scenarios of metal smelting and rolling sector in Guangxi Zhuang Autonomous Region and the rest of China in 2030

从CO2减排来看,CO2减排量的大小与减排目标的高低直接相关,某地的减排要求越严格,减排量就越大.如相比P65C65情景,P75C65情景下广西壮族自治区2030年的CO2排放量从5 730×104 t降至4 997×104 t(下降12.79%),而我国其他地区的碳排放则从82 886.00×104 t增至82 927.00×104 t(上升0.05%);P65C75情景下,我国其他地区同期的CO2排放量从82 886×104 t降至74 097×104 t(下降10.60%).相反,当广西壮族自治区设定较低的减排目标(55%)时,其同期的CO2排放量将从5 730×104 t (P65C65情景)增至6 479×104 t,增幅为13.07%.

4 结论与展望

a) 设定碳减排目标会对产业部门造成一定损失,但对CO2减排具有明显效果.在P65C65情景(无差异情景)下,如广西壮族自治区2030年农林牧渔业的产值为741.17×108元,比基准情景下降0.19%,我国其他地区电子设备制造业的产值为33 457.51×108元,比基准情景下降2.00%.从CO2减排来看,减排目标能降低产业部门的碳排放,但不同产业部门的排放差异明显.对广西壮族自治区CO2排放贡献较大的产业部门主要为食品制造业、金属冶炼及压延业和服务业,而我国其他地区CO2排放主要受电力热力生产的影响.如P65C65情景下,广西壮族自治区2030年食品制造业的CO2排放量为6 442×104 t,约占其排放总量的24.56%,而我国其他地区该部门同期的排放量为86 174×104 t,仅占其排放总量的8.36%.从电力热力生产来看,P65C65情景下,广西壮族自治区电力热力生产的CO2排放微乎其微,而我国其他地区则达到317 218×104 t,约占其排放总量的30.76%.

b) 金属冶炼及压延部门受减排约束的影响较为明显.金属冶炼及压延部门是广西壮族自治区的主要碳排放来源之一,基准情景下,2030年两个区域金属冶炼及压延部门的产出均较大,分别为611.98×108和29 081.42×108元,显著高于同期的其他经济指标.当两个区域有任何一方采取最严格的减排目标(75%)时,会使其受到显著的经济损失.相比无差异情景(P65C65),P75C65情景下广西壮族自治区的出口总值从18.83×108元降至17.55×108元(下降6.80%),其省际输出总值从189.45×108元降至186.32×108元(下降1.65%),其本地供应从365.47×108元降至358.72×108元(下降1.85%),其产出从573.76×108元降至562.59×108元(下降1.95%).当两个区域有一方实施较宽松的减排目标(55%),会使减排要求低的一方减少经济损失.相比无差异情景(P65C65),P65C55情景下我国其他地区的出口总值从1 282.64×108元增至1 370.66×108元(上升6.86%),省际输出从27.68×108元增至28.94× 108元(上升4.55%),本地供应从26 582.95×108元增至27 197.40×108元(上升2.31%),产出从27 983.26×108元增至28 597.00×108元(上升2.19%).从减排来看,两个区域CO2减排量的大小与减排目标的高低直接相关,某地的减排要求越严格,该地的减排量就大.

c) 由于不同的减排目标对广西壮族自治区和我国其他地区的产业部门经济与减排都有明显影响,建议在落实各省(自治区、直辖市)的减排任务时,应充分考虑各地的差异,制定符合区域现状的差异化减排目标.经济发展程度较高的地区应承担更严格的减排任务,经济发展相对落后的地区承担相对宽松的减排任务,并形成自上而下、分级分类的考核体系.同时,应加快推进经济发展落后地区的产业转型升级,扩大和发展当地具有比较优势和产业竞争力的优势产业,推进优势产业的绿色发展.如推动广西壮族自治区汽车生产制造业的发展,将其从汽车改装加工升级至汽车产业深加工和汽车高新技术研发;升级能源丰富地区的资源利用方式,综合开发具有高科技含量和高附加值的产品,形成全生命周期的绿色产业链条.

d) 尽管该文通过可计算的一般均衡模型构建了广西壮族自治区和我国其他地区之间的相互联系,但在技术上也存在一定局限性:①模型仅考虑我国的社会经济特征, 全球其他经济体的特征并没有充分体现在模型中;②仅考虑了碳强度下降目标,可再生能源发展目标等政策情景并没有考虑在内;③仅分析了广西壮族自治区和我国其他地区之间的关系, 无法刻画国内各省际之间的相互关系.因此,今后应进一步深化可计算的一般均衡模型的技术环节,将模型拓展至中国与全球其他国家、我国各省(自治区、直辖市)的多区域均衡模型,并分析可再生能源发展、CO2排放的总量控制与目标分解等更多政策情景.

参考文献
[1]
GUAN Dabo, LIU Zhu, GENG Yong, et al. The gigatonne gap in China's carbon dioxide inventories[J]. Nature Climate Change, 2012, 2(9): 672-675. DOI:10.1038/nclimate1560 (0)
[2]
李薇, 董艳艳, 卢晗, 等. "十三五"规划碳减排目标下碳交易机制的博弈分析[J]. 中国环境科学, 2016, 16(9): 2857-2864.
LI Wei, DONG Yanyan, LU Han, et al. A game analysis on carbon trade under migration targets during the 13th Five-Year Plan period[J]. China Environmental Science, 2016, 16(9): 2857-2864. DOI:10.3969/j.issn.1000-6923.2016.09.045 (0)
[3]
莫建雷, 段宏波, 范英, 等. 《巴黎协定》中我国能源和气候政策目标:综合评估与政策选择[J]. 经济研究, 2018(9): 168-181.
MO Jianlei, DUAN Hongbo, FAN Ying, et al. China's energy and climate targets in the Paris Agreement:integrated assessment and policy options[J]. Economic Research Journal, 2018(9): 168-181. DOI:10.3969/j.issn.1672-5719.2018.09.151 (0)
[4]
王方军, 王文举. 北京"十二五"时期碳强度年度目标分解研究[J]. 首都经济贸易大学学报, 2013(2): 121-123.
WANG Fangjun, WANG Wenju. Decomposition of annual carbon intensity targets during the 12th Five-Year Plan in Beijing[J]. Journal of Capital University of Economics and Business, 2013(2): 121-123. DOI:10.3969/j.issn.1008-2700.2013.02.018 (0)
[5]
程纪华. 中国省域碳排放总量控制目标分解研究[J]. 中国人口·资源与环境, 2016, 26(1): 23-30.
CHEN Jihua. Decomposition of carbon cap targets at provincial level in China:a case study of Zhejiang[J]. China Population, Resources and Environment, 2016, 26(1): 23-30. DOI:10.3969/j.issn.1002-2104.2016.01.004 (0)
[6]
韩中合, 祁超, 刘明浩. "十三五"规划节能减排目标实现路径研究[J]. 干旱区资源与环境, 2018, 32(3): 23-27.
HAN Zhonghe, QI Chao, LIU Minghao. The route for realizing the 13th Five-Year Plan's objective of energy saving and emission reduction[J]. Journal of Arid Land Resources and Environment, 2018, 32(3): 23-27. (0)
[7]
BAO Qin, TANG Ling, ZHANG Zhongxiang, et al. Impacts of border carbon adjustments on China's sectoral emissions:simulations with a dynamic computable general equilibrium model[J]. China Economic Review, 2013, 24: 77-94. DOI:10.1016/j.chieco.2012.11.002 (0)
[8]
LIU Yu, LU Yingying. The economic impact of different carbon tax revenue recycling schemes in China:a model-based scenario analysis[J]. Applied Energy, 2015, 141: 96-105. DOI:10.1016/j.apenergy.2014.12.032 (0)
[9]
WU Rui, DAI Hancheng, GENG Yong, et al. Achieving China's INDC through carbon cap-and-trade:insights from Shanghai[J]. Applied Energy, 2016, 184: 1114-1122. DOI:10.1016/j.apenergy.2016.06.011 (0)
[10]
TIAN Xu, DAI Hancheng, GENG Yong, et al. The effects of carbon reduction on sectoral competitiveness in China:a case of Shanghai[J]. Applied Energy, 2017, 197: 270-278. DOI:10.1016/j.apenergy.2017.04.026 (0)
[11]
DONG Huijuan, DAI Hanchegn, GENG Yong, et al. Exploring impact of carbon tax on China's CO2 reductions and provincial disparities[J]. Renewable and Sustainable Energy Reviews, 2017, 77: 596-603. DOI:10.1016/j.rser.2017.04.044 (0)
[12]
WANG Peng, DAI Hancheng, REN Songyan, et al. Achieving Copenhagen target through carbon emission trading:economic impacts assessment in Guangdong province of China[J]. Energy, 2015, 79: 212-227. DOI:10.1016/j.energy.2014.11.009 (0)
[13]
王锋, 吴丽华, 杨超. 中国经济发展中碳排放增长的驱动因素研究[J]. 经济研究, 2010(2): 18-29.
WANG Feng, WU Lihua, YANG Chao. Driving factors for China of carbon dioxide emissions during economic development in China[J]. Economic Research Journal, 2010(2): 18-29. (0)
[14]
王雅楠, 谢艳琦, 谢丽琴, 等. 基于LMDI和Q型聚类的中国城镇生活碳排放因素分解分析[J]. 环境科学研究, 2019, 32(4): 539-546.
WANG Yanan, XIE Yanqi, XIE Liqin, et al. Factor decomposition of Chinese urban household emission-empirical analysis based on LMDI and Q-clustering[J]. Research of Environmental Sciences, 2019, 32(4): 539-546. (0)
[15]
陈诗一. 能源消耗、二氧化碳排放与中国工业的可持续发展[J]. 经济研究, 2009(4): 41-55.
CHEN Shiyi. Energy consumption, CO2 emission and sustainable development in Chinese industry[J]. Economic Research Journal, 2009(4): 41-55. (0)
[16]
余明成, 徐占军, 余健. 山西省CO2排放影响因素研究及情景分析[J]. 环境科学研究, 2018, 31(8): 1357-1365.
YU Mingcheng, XU Zhanjun, YU Jian. Influcing factors of CO2 emission and scenario analysis in Shanxi Province[J]. Research of Environmental Sciences, 2018, 31(8): 1357-1365. (0)
[17]
ZHANG Yuejun, WEI Yiming. An overview of current research on EU ETS:evidence from its operating mechanism and economic effect[J]. Applied Energy, 2010, 87: 1804-1814. DOI:10.1016/j.apenergy.2009.12.019 (0)
[18]
谢守红, 王利霞, 邵珠龙. 中国碳排放强度的行业差异与动因分析[J]. 环境科学研究, 2013, 24(11): 1253-1258.
XIE Shouhong, WANG lixia, SHAO Zhulong. Analysis on industrial differences and motivation factor of carbon emission intensity[J]. Research of Environmental Sciences, 2013, 24(11): 1253-1258. (0)
[19]
郭莹, 李进华, 夏东坡, 等. 我国中部六省CO2排放动态变化趋势[J]. 环境科学研究, 2016, 29(9): 1279-1287.
GUO Ying, LI Jinhua, XIA Dongpo, et al. Dynamic changes of carbon dioxide emissions in six provinces of Central China[J]. Research of Environmental Sciences, 2016, 29(9): 1279-1287. (0)
[20]
郭彩霞, 邵超峰, 鞠美庭. 天津市工业能源消费碳排放量核算及影响因素分解[J]. 环境科学研究, 2012, 25(2): 232-239.
GUO Caixia, SHAO Chaofeng, JU Meiting. Carbon emission accounting and decomposition analysis of energy consumption in the industrial sub-sectors of Tianjin City[J]. Research of Environmental Sciences, 2012, 25(2): 232-239. (0)
[21]
DAI Hancheng.Integrated assessment of China's provincial low carbon economy development towards 2030: Jiangxi Province as an example[D].Tokyo: Tokyo Institute of Technology, 2012: 1-150. (0)
[22]
FUJIMORI S, MASUI T, MATSUOKA Y. Gains from emission trading under multiple stabilization targets and technological constraints[J]. Energy Economics, 2015, 48: 306-315. DOI:10.1016/j.eneco.2014.12.011 (0)
[23]
FUJIMORI S, MASUI T, MATSUOKA Y. Development of a global computable general equilibrium model coupled with detailed energy end-use technology[J]. Applied Energy, 2014, 128: 296-306. DOI:10.1016/j.apenergy.2014.04.074 (0)
[24]
李娜.中国多区域CGE模型与区域发展政策模拟研究[D].北京: 中国科学院大学, 2010. http://www.wanfangdata.com.cn/details/detail.do?_type=degree&id=Y2055776 (0)
[25]
武亚军, 宣晓伟. 环境税经济理论及对中国的应用分析[M]. 北京: 经济科学出版社, 2002. (0)
[26]
张哲晰, 穆月英. 我国玉米进口的依赖性及来源分析:基于Armington模型[J]. 国际经贸探索, 2016, 32(10): 16-25.
ZHANG Zhexi, MU Yueying. Analysis of the dependence and source of China's corn import based on Armington model[J]. International Economics and Trade Research, 2016, 32(10): 16-25. (0)
[27]
翁智雄, 马忠玉. 全球气候治理的国际合作进程、挑战与中国行动[J]. 环境保护, 2017, 45(15): 61-67.
WENG Zhixiong, MA Zhongyu. Process, challenge and China's action in global governance cooperation for climate change[J]. Environmental Protection, 2017, 45(15): 61-67. (0)
[28]
国家统计局. 2012年中国地区投入产出表[M]. 北京: 中国统计出版社, 2016. (0)
[29]
国家统计局. 2012年中国投入产出表[M]. 北京: 中国统计出版社, 2015. (0)
[30]
国家统计局. 2013年中国能源统计年鉴[M]. 北京: 中国统计出版社, 2013. (0)
[31]
林伯强, 李江龙. 环境治理约束下的中国能源结构转变:基于煤炭和二氧化碳峰值的分析[J]. 中国社会科学, 2015(9): 84-107.
LIN Boqiang, LI Jianglong. Transformation of China's energy structure under environmental governance constraints:a peak svalue analysis of coal and carbon dioxide[J]. China Academy Journal, 2015(9): 84-107. (0)
[32]
广西壮族自治区人民政府.广西壮族自治区国民经济和社会发展第十三个五年规划纲要[R].南宁: 广西壮族自治区人民政府, 2016. (0)
[33]
广西壮族自治区统计局.2017年广西壮族自治区统计年鉴[R].北京: 中国统计出版社, 2017. (0)
[34]
广西壮族自治区统计局.2018年广西壮族自治区国民经济和社会发展统计公报[R].南宁: 广西壮族自治区统计局, 2018. (0)
[35]
国务院.中华人民共和国国民经济和社会发展第十三个五年规划纲要[R].北京: 国务院, 2016. (0)
[36]
国家统计局.2017年中国统计年鉴[R].北京: 中国统计出版社, 2017. (0)
[37]
国家统计局.中华人民共和国2017年国民经济和社会发展统计公报[R].北京: 国家统计局, 2018. (0)
[38]
刘兰凤, 易行健. 中国能源需求的估计与预测模拟[J]. 上海财经大学学报, 2008, 10(4): 84-91.
LIU Lanfeng, YI Xingjian. An estimation and forecast simulation of energy demand in China[J]. Journal of Shanghai University of Finance and Economics, 2008, 10(4): 84-91. DOI:10.3969/j.issn.1009-0150.2008.04.012 (0)
[39]
林伯强, 吴微. 中国现阶段经济发展中的煤炭需求[J]. 中国社会科学, 2018(2): 141-162.
LIN Boqiang, WU Wei. Demand for coal in current Chinese economic development[J]. Chinse Academic Journal, 2018(2): 141-162. (0)