《碳排放这人核算及影响因素研究的国内外文献综述7000字》

碳排放这人核算及影响因素研究的国内外文献综述目录TOC\o"1-2"\h\u19381碳排放这人核算及影响因素研究的国内外文献综述 1164341.1碳排放责任核算相关研究 1287371.2脱钩模型研究 3129801.3碳排放影响因素研究 516871参考文献 71.1碳排放责任核算相关研究过量碳排放引发的全球气候变化，已成为国际社会关注的具有经济、社会和政治影响的重大问题[12]。为延缓全球变暖，全球170多个国家和地区签订了以“共同但有区别的责任”为原则的《巴黎协定》，确定了将全球气温升高控制在2℃之内等目标，共同承担全球碳排放责任。碳排放责任分配指各国根据不同原则，它具体指分配全球碳排放责任、以实现各自碳排放目标的过程。碳排放责任能否公平分配是各国和地区制定碳排放政策的基础和依据，也是保证碳排放政策高效运行的重要前提。为在国际事务中谋取最大利益，碳排放责任分配也成为了世界各国争议的主要焦点，各利益集团或缔约国之间仍就碳排放责任分配方式等问题进行博弈[13]。“生产者责任”原则最早受到学者关注，该原则指的是产品生产国需要对其生产的产品以及提供服务所产生的碳排放负责任，即核算一个经济系统内部产生的碳排放，不考虑生产的产品和提供的服务流向何处，在现实层面有着最广泛的研究[14-18]。由于该原则基于“谁生产、谁负责”的价值观念，认为碳排放该由生产方负责，而在生产分散化、贸易自由化的背景下，忽视了碳泄漏、碳转移等问题，违背了公平准则[19-20]。例如对中国等以出口为主的发展中国家，通过“生产者责任”原则核算碳排放是非常不公平的。由于“生产者责任”原则的公平性不受认可，且随着居民消费水平的提升，消费行为产生的温室气体占温室气体总量超过65%[21]，因此，学者逐渐重视起对“消费者责任”原则的研究[22-23]，该原则认为影响生产的重要因素是消费，消费者对产品的持续需求鼓励生产方扩大产品的生产，在这个过程中，消费者获得了商品效用，因此需要对碳排放负责。消费者对碳排放负责，表明美国、欧洲等消费产品较多的区域会承担更多的碳排放责任，“消费者责任”原则考虑了碳排放的空间转移或碳泄漏等，有利于降低区域间碳泄漏和碳转移[24]。有些学者从国家层面测算多个国家的消费碳排放量[25-28]，另一些学者则测算了国内的消费碳排放[29-31]。“消费者原则”需要核算贸易隐含碳，其计算方法复杂，结果的准确性遭受质疑[32]。“消费者责任”原则与“收入者责任”分别属于供应链的两端，前者立足于需求侧，后者则基于供给侧[33]。“收入者责任”原则测算上游生产要素的供给者向下游生产者提供生产要素获得收入产生的引致的碳排放，要素提供者即为收入者。收入者虽没有直接产生碳排放，但为碳排放的产生提供了可能，并以工资、利润或租金的方式获得了收入，受益者即获得收入方应承担碳排放责任。“收入者责任”原则提供了碳排放责任核算的新视角，Csutoraet.al提出了基于受益者分担责任的方法，该方法在科学合理性和政治可接受性方面优于以往的方法[34]。采用这种核算方法的主要原因在于排放责任和享受产品之间相互联系。Zhang运用多区域投入产出模型，在生产、收入和消费三个基本原则和收入加权、消费加权、综合加权、加权综合等四个责任分担原则下，比较了我国省级碳排放责任和省级碳乘数[35]。Steiningeret.al测算了2011年全球190多个国家和地区在“收入者责任原则”视角下的碳排放量和碳强度[36]。彭水军采用WIOD数据库，通过多区域投入产出模型从不同视角核算了中国、美国、欧盟等主要经济体的碳排放责任[37]。Liang利用WIOD数据库1995-2009年的全球投入产出数据，核算出全球40个经济体收益侧碳排放责任，并分析收益侧贡献最突出的国家产业部门[38]。余晓泓构建基于区域投入产出模型的戈什模型，以中国为主要研究对象，核算1995—2011年全球40个国家和地区及其他国家的收益侧碳排放及收益侧碳排放转移[39]。丛建军从“生产者责任”、“消费者责任”和“收入者责任”的视角界定碳排放责任，运用多区域投入产出模型构建了三种责任视角下的碳排放责任核算模型，重新核算了中国6个区域的碳排放责任，并对比分析了不同视角下各省人均、地均、部门排放量和碳强度水平[40]。“收入者责任”原则立足于“谁受益、谁负责”的理念，从供给侧角度强调了初始生产要素在供应链中的重要作用，完善了供应链碳排放责任理论，在现实层面，也有利于引导资源配置，从源头上减少碳排放的产生，具有更积极的政策意义。基于上述三种责任原则，Kondoet.al提出碳排放“生产者、消费者共同责任原则”，即各国按一定比例负担自身碳排放的生产者责任与消费者责任[41]，该原则作为一种修正的碳排放责任分担方案，不仅能够有效地解决国际贸易中的“碳泄露”问题，而且还可以激励隐含碳排放出口国和隐含碳排放进口国、碳排放的生产者和消费者一起行动。大部分采用共担责任原则进行碳排放责任分配的研究争议主要在于其权重的分配，基于不同的考量，许多学者提出了各异的权重分配方式。Ferng使用均等分配法，将生产者和消费者的隐含碳责任比例设置为1:1[19]，但该方法忽视了个体间的差异。Bastianoniet.al运用碳排放增加法，分配方式为一个环节承担的碳排放责任比例应该为上游环节和本环节累计碳排放增加值占整条产业链累计总排放量的比值[42]，该方法的缺点在于产业链下游承担的责任会越来越大。Marqueset.al提出了基于技术差异的分配方法，假设输出地区的产品由输入地区按照自身技术生产产生的碳排放由输入地区承担，剩下的部分由输出地区承担[43]，该方法的不足之处是对于技术差异相同的地区无法进行由针对性的责任分配。由于缺乏坚实的学术共识，共担责任原则的权重分配方式尚未出现十分完善并受到一致认可的分配理论，如何设计科学的、共识度高的权重分配方案，成为该原则自提出以来争论的焦点。综上所述，在四种碳排放责任原则中，“生产者责任”原则忽视碳泄漏、碳转移等问题，违背了公平准则；“消费者原则”需要核算贸易隐含碳，计算方法复杂，其结果的准确性遭受质疑；“共担责任”虽然是一种相对更全面、有效的碳排放责任分担原则，但其权重分配方式尚未受到一致认可；“收入者责任”原则立足于“谁受益、谁负责”的理念，提出了基于受益者分担责任的方法，从供给侧角度强调了初始生产要素在供应链中的重要作用，在现实层面，也有利于引导资源配置，从源头上减少碳排放的产生，该方法在科学合理性、可接受性等方面更优。“收入者责任”原则的碳排放责任研究已有一定进展，但在中国省区层面的碳排放责任的研究较少，有待进一步丰富。因此本研究基于“收入者责任”视角，通过多区域投入产出模型核算了中国30个省区的碳排放责任，以期更合理更公平的分配各省区碳排放责任，进一步丰富“收入者责任”原则在中国省区层面的研究。1.2脱钩模型研究经合组织将脱钩理论引入环境领域，该理论用于描述经济发展与环境之间的关联关系。经济发展与环境污染之间的“脱钩”：在经济发展过程中，最初的污染物排放量会随之增长，即经济发展与环境污染间呈“耦合”关系，然后到某一阶段，污染物排放量与经济总量的“耦合”关系不断削弱，甚至出现负向变化，即经济发展伴随着环境污染程度的下降。近年来，许多学者对经济发展与环境资源的关系进行了脱钩分析。TapioP首次提出了弹性脱钩的概念，估算了1970-2001年欧洲的温室气体与交通行业的经济总量、运输量之间的脱钩指数，按照变量以及脱钩指数的大小将脱钩状态细分为强脱钩、弱脱钩等八种状态，完善了之前的脱钩理论[44]。GrayDetal.通过弹性脱钩模型研究了苏格兰地区碳排放量和经济总量、交通运输量之间的脱钩关系[45]。彭佳雯等构建经济与能源碳排放脱钩分析模型，探讨我国经济增长与能源碳排放的脱钩关系及程度，分析二者脱钩发展的时间和空间演变趋势。研究结果表明，总体上我国各区域的脱钩状态不断改善，部分地区由扩张负脱钩状态转变为弱脱钩状态，大部分区域已进入碳排放与经济发展的弱脱钩阶段，能源消费量的下降是脱钩指数降低的主要原因[46]。ZhangandWang分析了江苏省1995-2009年经济活动增长率与能源消费产生的二氧化碳排放量之间的脱钩状态，研究发现江苏经济总体上经历了弱脱钩和强脱钩两个阶段[47]。Wanget.al引入了脱钩指数来检验环境压力与经济增长之间的脱钩关系，分析表明，天津在GDP增长与环境压力脱钩方面取得了一些进展，SO2和CO2这两个污染物在2006年之后都保持了很强的脱钩状态[48]。WangandYang基于两级对数平均分化指数(LMDI)方法和Tapio指数，对京津冀经济带1996-2010年的工业增长与环境压力脱钩指标进行了定量分析研究表明：经济快速增长是产业脱钩受阻的主要原因，能源结构和能源强度对产业脱钩进程做出了重大贡献[49]。Zhanget.al采用Tapio脱钩模型研究了“十五”和“十一五”期间我国30省区的GDP与资源消耗（水资源、能源）和污染物排放（CO2、SO2和废水）之间的脱钩关系，结果表明：研究期间资源脱钩效果不如传统的影响（SO2和废水）脱钩效果，但优于CO2排放效果[50]。胡剑波等借鉴Tapio脱钩理论，构建出中国对外贸易增长与隐含碳排放的脱钩模型，并基于2002-2012年中国对外贸易与进出口隐含碳排放数据，测度中国对外贸易增长与隐含碳排放之间的脱钩关系，结果表明我国对外贸易增长与进出口隐含碳排放脱钩关系主要为弱脱钩，并趋于稳定，这说明对外贸易尤其是出口贸易带来我国经济增长的同时，也使我国以及全球承担了大量的碳排放，对环境承载力的负荷提出重大考验[51]。周彦楠等以中国的29个省区作为研究单元，运用脱钩指数研究经济增长与碳排放动态耦合关系，基于LMDI因素分解法，从经济的规模增长、结构转型和技术升级等3个方面对各省区碳排放变化进行解析，研究发现中国的29个省区主要处于绝对脱钩、相对脱钩和扩张性负脱钩3种状态，不同省区经济发展与碳排放的耦合关系随着时间的变化而发生演化[52]。罗芳等构建长江经济带多区域投入产出表，并基于Tapio脱钩模型和结构分解分析，从生产侧和消费侧视角研究2002-2012年长江经济带各省市分行业碳排放与经济增长的脱钩效应及影响因素，研究发现从消费、投资和出口的角度来看，2007-2012年下游地区出口和投资的脱钩状态趋于好转，中上游地区投资的脱钩状态趋于恶化，出口的脱钩状态好转不明显[53]。总结众多文献，发现经济发展与碳排放之间确实存在着一定的关系，这也为后续研究两者之间相互影响的程度奠定研究基础。1.3碳排放影响因素研究目前脱钩理论的相关研究主要集中在分析碳排放与经济增长关系上，较少从脱钩关系的影响因素角度方面进行分析。研究碳排放影响因素的方法一般包括：（1）因素分解分析法，如指数分解法（IDA）、结构分解法（SDA）、生产分解法（PDA）等；（2）计量模型分析法，如Kaya恒等式、STIRPAT环境压力评价模型等。指数分解模型可以分为拉氏指数分解（LaspeyresIndex）和迪氏指数分解（DivisaIndex），但是这两种分解方法均忽略了剩余项，使得结果存在残差，大大地影响了模型的精度。1998年Ang在迪氏指数分解模型的基础上提出了LMDI分解模型，并通过取对数平均对剩余项进行分配，得到了可消除残差的完全分解模型[54]。Sun在拉氏指数分解模型的基础上提出了RLDM（RedefinedLaspeyresDecompositionModel），根据“联合生产，平均分配”的原则，将剩余项平均分配到各因素中，同样也得到了可消除残差的完全分解模型[55]，此后在能源消费与CO2排放影响因素的研究中，LMDI分解模型和RLDM分解模型得到了广泛的应用。Diakoulakiet.al定义了新的脱钩指数，用政府通过各种手段实现的CO2减排量和经济增长所导致的CO2排放增加量的比值来表示，并将RLDM分解模型应用到脱钩影响因素的研究中，对欧盟制造业的碳排放脱钩影响因素进行了研究[56]。徐盈之等运用改进的拉氏因素分解法，对中国制造业1995-2007年碳排放的驱动因素进行了研究，并基于DPSIR框架构建了碳排放脱钩指数,对制造业部门碳排放的脱钩效应进行了测度[57]。Zhang采用该方法对中国1996-2010年的GDP与能源起源CO2排放之间的脱钩指数进行了分解[58]。在因素分解法研究的较为丰富，同时，也有许多学者从计量模型分析影响碳排放的驱动因素。郝珍珍和李健对Kaya等式进行扩展，引入经济效应影响因子、能源强度影响因子、行业贡献影响因子和碳排放强度影响因子，构建了行业CO2排放增长驱动力模型测算和分析了1990年至2010年我国6个经济部门CO2排放的驱动因素[59]。朱帮助等基于拓展Kaya恒等式,建立终端能源消费碳排放驱动因素的2层7部门对数平均迪氏指数分解模型,依据碳排放年增长率的阶段性变化特点划分为五个阶段,考察1991-2012年我国7个部门14种驱动因素对碳排放变化的影响[60]。宁亚东等基于Tapio脱钩模型和改进的加权因素分解模型,对长江经济带1995-2013年经济发展与能源消费起源CO2排放之间的脱钩关系及其驱动因素进行了研究[61]。Liuet.al将时空加权要素引入STIRPAT模型中以对中国各省的二氧化碳排放因素进行了分析[62]。渠慎宁与郭朝先利用STIRPAT模型对未来中国碳排放峰值进行相关预测。首先，通过对中国30个省市的面板数据分析展示目前我国各地碳排放的基本情况；其次，对中国1980-2008年的时间序列数据进行回归，从中得出我国总体碳排放趋势；然后，在先前回归的基础上对今后我国碳排放的峰值出现时间进行预测[63]。杨骞与刘华军分别以碳排放强度和人均碳排放作为碳排放指标,通过STIRPAT模型对1995-2009年中国碳排放的区域差异进行结构分解,并实证研究不同碳排放水平的影响因素[64]。熊灵和齐绍洲估算了1997-2011年中国30个省区的二氧化碳排放水平，并从总体规模、深化程度、效率水平以及中介发展四个角度对金融发展水平进行测度，在扩展的STIRPAT模型基础上使用动态面板数据模型和广义矩估计方法对金融发展、经济增长与中国省区碳排放的关系进行了系统研究[65]。Maet.al在模型中加入了人均公共建筑面积和城镇化率对中国公共建筑碳排放的影响因素进行了分析[66]。Wanget.al通过加入0-14岁人口比重和性别因素对该模型进行扩展,研究了中国2006-2015年30个省份碳排放的影响因素[67]。孙艳伟等以中国典型海岛城市舟山市为案例区,采用IPCC参考方法,测算2001-2015年间舟山市各部门的碳排放量，并运用STIRPAT扩展模型，定量分析能源强度、人均GDP以及城市化率等关键驱动因子对海岛城市碳排放的影响；在此基础上,结合情景分析技术对舟山市未来的碳排放量进行情景预测[68]。吴青龙等以能源生产区域山西省为例，从山西和全国两个层面选择驱动因素构建开放STIRPAT模型，并运用情景分析方法预测山西省2016-2040年碳排放峰值[69]。陈占明等于最新的城市尺度二氧化碳排放数据库CHRED及CHRED2.0，通过加入产业结构、城市化和气候差异等因素，对传统STIRPAT模型进行扩展,考察了中国地级以上城市二氧化碳排放的影响因素[70]。苏凯等以福建省市域为研究对象，应用扩展型的STIRPAT-PLS模型对2010-2016年福建省市域碳排放影响因子进行实证分析,探讨驱动福建省市域碳排放量增长的主要影响因素和各因素的影响程度,明确碳排放控制的主要领域[71]。综上所述，三种方法都是研究碳排放影响因素的常用方法，但各个方法在适用性上有所不同。Kaya恒等式分解中的各因素需要进行逐年或者分时段的分析，并且受到必须恒等的约束[72]；LMDI方法虽然能够实现无残差分解,量化特定年份各个影响因素的贡献率，但无法考察各因素的弹性，即当其他因素不变时，某一因素的改变所带来的二氧化碳的变动[73]。虽然传统的STIRPAT模型包含人口、经济发展和技术变量，但无法全面地描述社会经济的各方面因素对碳排放带来的影响，但与Kaya恒等式和LMDI方法相比，STIRPAT模型允许将各因素的影响作为参数进行估计，研究者能够根据自身研究目的对模型进行扩展。从研究对象看，主要集中于一国总体或某一具体省域，而基于区域差异分析的研究还较少。已有文献更多地采用因素分解法研究碳排放驱动因素，而STIRPAT等宏观计量分析模型在省区层面的研究不多。参考文献[1]SchmidtG,ArcherD.Toomuchofabadthing[J].Nature,2009,458(7242):1117-1118.[2]黄群慧.中国工业化进程及其对全球化的影响[J].中国工业经济,2017(6):26-30.[3]HartleyTW.Environmentaljustice:anenvironmentalcivilrightsvalueacceptabletoallworldviews[J].EnvironmentalEthics,1995,17(3):277-289.[4]朱力,龙永红.中国环境正义问题的凸显与调控[J].南京大学学报(哲学.人文科学.社会科学版),2012,49(01):48-54+159.[5]杨凯瑞.智慧城市评价研究：投入——产出视角[D].华中科技大学,2015.[6]赵一平，孙启宏，段宁.中国经济发展与能源消费响应关系研究——基于相对“脱钩”与“复钩”理论的实证研究[J].科研管理，2006，27（3）：128-134.[7]CarterAP.Theeconomicsoftechnologicalchange[J].ScientificAmerican,1966,214(4):25-31.[8]钟太洋,黄贤金,韩立,王柏源.资源环境领域脱钩分析研究进展[J].自然资源学报,2010,25(08):1400-1412.[9]MakowskiD,TichitM,GuichardL,etal.Measuringtheaccuracyofagro-environmentalindicators[J].JournalofEnvironmentalManagement,2009,90:S139-S146.[10]EnevoldsenMK,RyelundAV,AndersenMS.DecouplingofindustrialenergyconsumptionandCO2-emissionsinenergy-intensiveindustriesinScandinavia[J].Energyeconomics,2007,29(4):665-692.[11]彭佳雯,黄贤金,钟太洋,赵雲泰.中国经济增长与能源碳排放的脱钩研究[J].资源科学,2011,33(04):626-633.[12]DongC,HuangGH,CaiYP,etal.AninexactoptimizationmodelingapproachforsupportingenergysystemsplanningandairpollutionmitigationinBeijingcity[J].Energy,2012,37(1):673-688.[13]魏本勇,王媛,杨会民,方修琦.国际贸易中的隐含碳排放研究综述[J].世界地理研究,2010,19(02):138-147.[14]PanJ,PhillipsJ,ChenY.China'sbalanceofemissionsembodiedintrade:approachestomeasurementandallocatinginternationalresponsibility[J].OxfordReviewofEconomicPolicy,2008,24(2):354-376.[15]AngBW,SuB.Carbonemissionintensityinelectricityproduction:Aglobalanalysis[J].EnergyPolicy,2016,94:56-63.[16]LiHN,QinQD.ChallengesforChina'scarbonemissionspeakingin2030:adecompositionanddecouplinganalysis[J].JournalofCleanerProduction,2019,207:857-865.[17]GuanD,MengJ,ReinerDM,etal.StructuraldeclineinChina’sCO2emissionsthroughtransitionsinindustryandenergysystems[J].NatureGeoscience,2018,11(8):551-555.[18]LiuLC,LiangQM,WangQ.AccountingforChina'sregionalcarbonemissionsin2002and2007:production-basedversusconsumption-basedprinciples[J].JournalofCleanerProduction,2015,103:384-392.[19]FerngJJ.AllocatingtheresponsibilityofCO2over-emissionsfromtheperspectivesofbenefitprincipleandecologicaldeficit[J].Ecologicaleconomics,2003,46(1):121-141.[20]潘文卿.中国区域经济发展:基于空间溢出效应的分析[J].世界经济,2015(7):120-142．[21]LenzenM.PrimaryenergyandgreenhousegasesembodiedinAustralianfinalconsumption:aninput–outputanalysis[J].Energypolicy,1998,26(6):495-506.[22]WiedmannT.Areviewofrecentmulti-regioninput–outputmodelsusedforconsumption-basedemissionandresourceaccounting[J].EcologicalEconomics,2009,69(2):211-222.[23]邓荣荣，陈鸣．中美贸易的隐含碳排放研究——基于I-OSDA模型的分析[J].管理评论,2014(9):46-57．[24]PetersGP,HertwichEG.Post-Kyotogreenhousegasinventories:productionversusconsumption[J].ClimaticChange,2008,86(1):51-66.[25]MunksgaardJ,