碳排放库兹涅茨效应研究:以江苏省为例

文章选取江苏省1995-2016年相关能源消耗量和人口的平行数据,探究江苏省在城市化过程中,碳排放量与城市化率之间的线性关系。通过建立计量经济学模型,运用MATLAB软件,对江苏省碳排放量与城市化率分别进行一阶、二阶、三阶线性回归拟合和残差值分析。相比较于二阶回归曲线,三阶线性回归曲线拟合度较高且符合环境库兹涅茨倒"N"型曲线。通过观察倒"N"型曲线拐点的位置,给出江苏省能源发展以及生态环境保护的有效性建议。     

不同权力结构下碳税对供应链减排水平的影响

随着我国生态文明建设的不断推进,促进供应链协同减排成为生产和消费领域落实绿色发展理念的重要举措。在绿色供应链的管理实践中,不同类型的供应链核心企业在进行减排决策时会有不同的侧重点,因此供应链权力的结构成为影响供应链减排水平的关键因素。本文在一个由两个制造商和一个零售商组成的两级供应链中研究了不同权力结构下的供应链最优减排和定价决策问题,分别给出了零售商主导和制造商主导的Stackelberg-Nash博弈均衡解,并分析了产品的单位生产成本、单位批发价格、碳税税率等参数对供应链最优决策的影响。本文的研究结果表明：（1）在两种供应链权力结构下,当产品的单位批发价格固定时,降低产品的生产成本都可以促使制造商提高减排水平;但是当产品的单位生产成本固定时,提高产品的批发价格却不一定总是能够激励制造商提高减排水平;（2）在两种供应链权力结构下,对于低排放行业的制造商来说,提高碳税税率可以增加产品的减排水平,但是对于高排放行业的制造商来说,提高碳税税率反而会降低产品的减排水平;（3）一般来说,零售商占主导地位的供应链中产品减排水平和供应链总利润相对较高,供应链碳排放总量相对较低。最后,与供应链集中决策模式相比,随着产品批发价格的增加,两种分散决策模式下的供应链双重边际效应逐渐增强。数值实验结果显示：在碳税税率的一定取值范围内,这种双重边际效应会使得两种分散决策模式下的产品最优减排水平和供应链碳排放总量均优于集中决策模式。本文的研究可为碳税政策下供应链的协同减排提供有益的管理启示。     

兰西城市群能源消费碳排放时空分布特征及影响因素

在全国碳减排目标框架下,从县域尺度开展能源消费碳排放时空演变及其影响因素的研究,对指导城市群实现碳达峰及碳中和目标具有重要意义。探索性空间数据分析可以揭示区域内碳排放的空间差异性,而地理探测器不仅可以识别影响因素对碳排放单独的影响力,还可以识别影响因素交互效应对碳排放空间分异的影响力。因此,文章通过校正融合长时间序列DMSP/OLS与NPP/VIIRS夜间灯光影像,空间化模拟了1995—2019年兰西城市群能源消费碳排放量,并从县域尺度视角出发,利用探索性空间数据分析以及地理探测器等,对碳排放时空分布特征、空间关联特征及影响因素等展开研究。结果表明:（1）碳排放总量从1995年的36.23×106 t上升到2019年的116.61×106 t,增长速度呈先上升后下降的态势,年均增速为4.79%,县域碳排放（104t）区间由1995年的[13.4, 425.4]增长为2019年的[103.2, 1051.4];（2）高碳县区主要集中在兰州市和西宁市主城区以及周围人口密集、经济较发达的县区,空间差异性在不断缩小,空间正自相关性呈现出逐步扩大的趋势,局部自相关比较稳定,以高—高聚集和低—低聚集为主导;（3）碳排放空间分异受多种因素综合作用,经济发展水平对碳排放空间分异的影响力始终最强。     

“双碳”目标背景下农业碳减排的实现路径——基于数字普惠金融之验证

依托数字普惠金融实现农业"双碳"目标是可行的数字化路径。利用2011-2019年中国30个省份的面板数据,验证数字普惠金融能否担起农业碳减排"重任"。结果表明:数字普惠金融发展降低了农业碳排放强度,具有农业碳减排效应;运用解释变量替代法、面板分位数回归和工具变量法进行估计后,结果依然稳健。数字普惠金融的农业碳减排效应可通过农民创业效应和农业技术进步效应实现,而城镇化发展水平对数字普惠金融的农业碳减排效应具有正向调节作用。数字普惠金融覆盖广度、使用深度和数字化程度均具有农业碳减排效应,但效应大小存在差异;相较于"胡焕庸线"以西地区,该线以东地区数字普惠金融具有农业碳减排效应,侧面反映数字普惠金融的农业碳减排效应还未突破"胡焕庸线";与粮食主产区相比,数字普惠金融在非粮食主产区的农业碳减排效应更显著。     

低碳视角下农业集约化、绿色化与资源再生化 的实现机制研究

在实现"碳达峰碳中和"目标的重要历史机遇期,推动实现农业集约化、绿色化和资源再生化,构建资源节约型、绿色低碳型、生态循环型的农业发展模式,对于农业可持续发展具有重要意义。以2000-2018年我国31个省份为研究对象,通过面板向量自回归模型(PVAR),刻画资源消耗、农业产出、农业碳排放之间的动态传导机制。结果表明:(1)东部农业"碳达峰"节点出现较早,东北、西部相对较晚;2018年农业碳排放居前三的省份为湖南、黑龙江、河南,居后三的为北京、天津、上海;(2)资源消耗和农业产出之间呈现"低投入高产出"的农业集约化生产模式,但影响力微弱;农业产出和农业碳排放之间"高产出高排放"的情形长期面临农业绿色化的严峻考验;农业碳排放与资源消耗之间呈现"低排放低投入"的资源再生化现象,影响力短期微弱长期较强;(3)推动实现农业集约化、绿色化、资源再生化的关键在于探索降低农业碳排放的多重路径。因此,应强化农业集约化生产,充分发展资源再生化模式,探索形成农业绿色化格局新路径,以此来加快实现碳减排目标,推动农业可持续发展。     

农产品贸易对农业碳排放的影响——兼议数字乡村发展的门槛效应

基于1999—2019年中国省际面板数据,运用普通面板模型、空间面板模型与面板门槛模型实证分析了农产品贸易对农业碳排放的影响及其空间溢出效应与数字乡村发展门槛效应。研究发现：（1）农产品贸易对农业碳排放具有显著的抑制作用,并且相较于东部地区、粮食主产区以及贸易顺差区间,这种抑制作用在中西部地区、非粮食主产区以及贸易逆差区间更为显著; （2）在三种空间权重矩阵设定下,农产品贸易对本地区和“毗邻地区”农业碳排放均具有显著抑制作用,存在空间溢出效应,且相较于农产品出口贸易,农产品进口贸易抑制农业碳排放的空间溢出效应更为显著;（3）农产品贸易影响农业碳排放的过程中存在数字乡村发展双重门槛,即随着跨越数字乡村发展两道“门槛”,农产品贸易对农业碳排放的抑制作用呈现出边际递增的特征。由此,提出推动农产品贸易深度开放、构建农产品贸易交流协调机制以及增强数字乡村建设力度等政策建议。     

基于EKC的省域物流行业碳排放特征——中国四省域的实证

基于EKC模型,对天津、吉林、安徽和陕西四省域物流行业碳排放特征开展实证研究.以四省域2005～2014年物流行业的相关能耗数据为研究对象,测算其碳排放量并进行EKC曲线拟合,根据EKC曲线特点,分析得出不同生态效率下各省域物流行业的碳排放特征.研究结果表明:物流生态效率较高的天津、安徽省域EKC曲线基本呈现比较完整的倒“N”型;而低物流生态效率的陕西、吉林省域由于空间地理、经济发展水平差异以及物流业发展程度等原因,导致倒“N”型EKC曲线特征不明显,但基本处于第二阶段,并将随着单位周转货物GDP的增加,会逐渐呈现第三阶段的特征.     

城镇居民生活能源碳排放的省域差异及影响因素

利用碳排放系数法,对中国及各省份城镇居民生活能源碳排放进行估算,并利用LMDI模型进行因素分解.结果表明,城镇居民生活能源碳排放从2000年的27784万吨CO 2增加到2014年的91336万吨CO 2,其中内蒙古碳排放增量最大.从全国层面看,收入水平和人口规模是刺激因素,分别增加碳排放78229万吨CO 2和31998万吨CO 2;节能技术、消费倾向和能源结构是抑制因素,分别减少碳排放31122万吨CO 2、9636万吨CO 2和5917万吨CO 2.从省域层面看,能源结构效应最大的是辽宁省,共减少碳排放793万吨CO 2;节能技术效应最大的是辽宁省,共减少碳排放3146万吨CO 2;消费倾向效应最大的是山东省,共减少碳排放907万吨CO 2;收入水平效应最大的是辽宁省,共增加碳排放6153万吨CO 2;人口规模效应最大的是广东省,共增加碳排放4006万吨CO 2.