2025, Vol. 46
现阶段，大规模温室气体导致的气候变化正严重威胁着人类的生存和发展，人类社会对气候问题的重视程度逐步提升[1]. 为应对全球气候变化，世界各国[2]和经济体[3]相继出台政策应对气候威胁. 作为负责任的大国，我国高度重视应对气候变化工作，积极履行降低碳排放的行动方案[4]. 我国将横向生态补偿机制纳入重大生态发展战略提出建立国家碳补偿制度，以市场机制实现最大程度节能减排[5]. 我国地域辽阔，不同地区生态资源存在较大差异，地区经济发展[6]和碳排放不平衡性[7]问题均较为突出，科学确定不同区域碳补偿额度已成为推动区域公平协调发展亟待解决的重要课题.
碳补偿[8]是全球变化和低碳背景下产生的生态补偿研究的新领域. 省域横向碳补偿[9]从生态补偿的视角出发，按照确定的界定方式将各省域划分为碳补偿省与碳受偿省，以区域间转移支付的方式将生态服务外部化效应内化，体现公平公正的原则，以缓解各省域在生态环境建设上的不公平问题. 当前，学者们主要从流域[10, 11]、省域[12]、县域[13]或主要功能区[14]等多个层面，针对农业[15]、旅游业[16]和工业等多个领域，展开对碳补偿问题的深入研究. 例如：Chen等[17]对广东省水稻生产系统的碳封存价值进行量化，提出了科学可行的价值补偿策略，为稳定粮食生产的决策提供依据. 刘宜卓等[18]和马明娟等[19]在“双碳”目标背景下，以黄河流域9个省区为研究对象，确定了区域碳补偿机制的补偿标准. Wang等[20]和夏四友等[21]分别以广东省主要功能区和京津冀城市群为研究对象，构建碳排放计算和碳收支模型，构建碳补偿理论框架.
碳转移是指产品生命周期中的全部隐含碳通过经济活动所发生的排放转移. 目前，对碳转移的研究多考虑区域间贸易中，例如：Zhang等[22]从国家角度，利用多区域投入产出模型，研究了2004~2017年与中国签署合作文件的“一带一路”国家间贸易中的碳转移. Li等[23]从省域角度，采用多区域投入产出和结构分解分析模型，分析山西省与其他省份间的碳转移. 目前，学者已针对区域间的隐含碳转移展开了碳补偿机制的研究. 例如：张永姣等[24]测度了黄河流域九省区2015~2017年隐含碳转移，并明确测算出基于碳转移情况的碳补偿额度. 李德润等[9]考虑到区域间贸易造成的碳排放转移，以中国30个地区为研究对象，基于不同责任分配原则建立横向碳生态补偿机制. 对于碳转移的研究多集中在贸易往来中存在的碳转移，针对电力行业中电力传输[25]造成的省域间碳转移进行碳补偿的研究很少. 本文将以中国31个省（市、自治区）为研究对象（中国香港、澳门和台湾省资料暂缺），测算省域间电力生产和消费导致的碳转移，并以此作为碳补偿依据.
在CO2单位补偿价格的测算方面，现有研究主要有4种方法. 其一是使用碳排放市场价格[26]进行计算，例如：杨军等[27]对全国主要的碳市场发布情况进行统计，将碳价格设定为碳市场成交均价. 其二是使用碳税价格进行计算，如张巍[28]将10~100元·t-1的碳税税率区间（以CO2计）的下限值作为单位碳价格；其三是从生态价值角度考虑，有些学者将碳汇价格[29]和单位碳吸收林地造林成本[30]定义为碳单价. 其四是以碳减排成本[31]作为单位碳补偿价格. 碳减排成本直接反映了实现碳减排目标所需投入的经济资源，以碳减排成本作为碳补偿价格可以完全代表碳排放的实际价值. 在现有研究中，对碳减排成本的测算主要是依靠效率分析模型，以反映边际减少碳排放导致的期望产出损失（边际减排成本）[32]的CO2影子价格代替碳减排成本，基于方向距离函数，将碳排放作为企业的非期望产出，通过参数法[33, 34]或非参数法[35, 36]估计边际减排成本. 相比于参数法需要估计大量的参数，非参数法具有更强的灵活性[37]. 在非参数法中，SBM模型作为一种非径向模型，考虑投入和产出的松弛，使得SBM模型在评估效率时更加全面和细致，同时通过引入松弛变量，降低其对数据准确性的要求. 故本文应用SBM模型测度2021年中国各省域的CO2影子价格作为单位碳单价确定碳补偿的标准.
在进行碳排放管理时，明确公平地分配各个主体所应承担地责任是至关重要的. 目前，对碳排放责任主要的分配方式有3种. 其一是生产者责任制[30]，它强调生产者对其生产产品和提供服务所直接产生的碳排放负担全部责任. 其二是消费者责任制[38]，它认为消费者应对其消费的商品和服务在生产过程中产生的碳排放承担责任. 其三是共担责任制[27]，它强调生产者和消费者共同承担碳排放的责任，以克服单一责任原则带来的不公平性和局限性. 王育宝等[39]对国内省域产品流出增加值进行分解，以省内增加值占比为分担因子，确定中国省域净碳转移责任分担标准. 除此之外，还有生产者碳足迹原则[40]、收入责任原则[41]和技术调整的消费责任原则[42]等. 为避免单一责任原则带来的不公平和局限性，本文采用共担责任制原则，以各省经济贡献系数和生态承载系数对Pearl生长曲线模型进行修正，确定碳补偿系数，并以其归一化值作为碳排放责任分配的依据，科学合理地界定其应承担的责任.
针对现有研究的不足，本文主要贡献和创新点如下：①选择研究较少的电力行业作为研究对象，针对省域电力传输中的碳转移进行碳补偿机制研究，使碳补偿机制的研究领域更加全面；②通过松弛测度模型SBM计算CO2的影子价格并以此作为单位碳单价，差异化体现了各省域边际减排成本，更真实地反映出碳的实际价值；③为避免单一责任原则带来的不公平和局限性，本文采用共担责任制原则，基于各省域的经济发展状况和生态承载能力的综合考量，科学合理地界定其应承担的责任.
1 材料与方法 1.1 数据来源本文以中国31个省（市、自治区）为研究对象，统称省域，基于各省域电力传输过程中产生的碳转移问题，展开碳补偿研究. 其中，各省域发电量和用电量数据来源于中国统计年鉴（2022年）、全国可再生能源电力发展监测评价报告（2021年）和中电联统计数据. 各省域碳汇量测算所需植被面积、作物产量等数据来源于中国环境数据库EPS和中国农村统计年鉴（2022年）. 碳补偿责任分配所需的人均GDP、恩格尔系数等数据来源于中国区域经济数据库EPS和中国统计年鉴（2022年）. 中国基础地理数据（国界、行政区域界线等）来源于国家地理信息公共服务平台（https://www.tianditu.gov.cn）.
CO2影子价格计算所需能源消费、就业人数和期望产出GDP数据来源于中国统计年鉴（2022年）；非期望产出CO2排放数据来源于人类活动大气排放模拟平台MEIC；资本存量数据采用永续盘存法[43]估算. 以2017年全社会固定资产投资额为基期数据，通过以下公式对基期资本存量进行估算.
| $K_0=\frac{I_0}{g_i+\theta}$ | (1) |
式中，K0为资本存量；I0为固定资产投资；gi为固定资产增长率，gi为选定一段时间内实际投资的平均增长率；θ为折旧率，参考单豪杰[44]的做法，将各省域的折旧率统一估算为10.96%. 通过上式求得2017年资本存量，再进一步通过公式（2）得到各省域2021年的资本存量. 所用数据来源于国家统计局、中国和各省统计年鉴.
| $K_t=I_t+(1-\theta) K_{t-1}$ | (2) |
式中，Kt和Kt-1分别为t和t-1年的资本存量；It为t年固定资产投资；θ为折旧率.
1.2 研究方法 1.2.1 碳转移量测算本文考虑以电力为载体，分析各省域之间的碳转移情况，识别碳补偿的主客体. 基于各省域火电、水电和风光发电（全国可再生能源电力发展监测评价报告统计了31个省域可再生能源和非水可再生能源消纳量）等3类电力的发电和消费情况，测算省域间碳转移量. 各省域的碳转移量测算模型如式（3）所示.
| $C_{\mathrm{e}}=C_{\mathrm{t}}+C_{\mathrm{w}}+C_{\mathrm{G}}$ | (3) |
式中，Ce为总碳转移总量；Ct、Cw和CG为分别基于各省域火电、水电和风光电力的生产和消费的碳转移量. 各类的碳转移量计算方法如下.
（1）火电 将各省域火电的生产消费差额转化成标准煤量，利用标准煤的碳排放系数，计算出各省域生产和消费火电对应的碳转移量. 具体计算如式（4）所示.
| $\left\{\begin{array}{l} C_{\mathrm{t}}=Q_{\mathrm{t}} \cdot \phi \cdot \gamma \times \frac{44}{12} \div 92.1 \% \\ Q_{\mathrm{t}}=Q_{\mathrm{c}}^{\mathrm{t}}-Q_{\mathrm{c}}^{\mathrm{b}}-Q_{\mathrm{p}}^{\mathrm{t}} \end{array}\right.$ | (4) |
式中，Ct为基于火电的碳转移量；Qt为各省域火电发电和消费差额；Qct为各省域火电的消费量；Qpt为各省域火电的发电量；Qcb为各省域的生物质发电量，生物质发电量被统计为火电，在本文研究中认为其是可再生能源发电，并且各省域自产自消不存在各省之间的碳转移情况；ϕ为电力折算标准煤系数；γ为标准煤的碳排放系数；44/12为CO2和C的分子量比率；92.1%为碳排放总量和能源消费碳排放量的转换率.
（2）水电和风光发电 根据不同发电技术单位电量对应的碳排放量，对基于水电和风光发电的生产和消费的碳转移量进行测算.
| $\left\{\begin{array}{l} C_{\mathrm{w}}=Q_{\mathrm{w}} \cdot \theta_{\mathrm{w}} \\ Q_{\mathrm{w}}=Q_{\mathrm{c}}^{\mathrm{w}}-Q_{\mathrm{p}}^{\mathrm{w}} \end{array}\right.$ | (5) |
式中，Cw为水电碳转移量；Qw为各省域风电生产和消费差额；θw为水电发电技术的单位发电量碳排放，单位为g·（kW·h）-1；Qcw为各省域水电的消费类；Qpw为各省域水电的发电量.
| $\left\{\begin{array}{l} C_{\mathrm{G}}=Q_{\mathrm{G}} \cdot \theta_{\mathrm{G}} \\ Q_{\mathrm{G}}=Q_{\mathrm{e}}^{\mathrm{G}}-Q_{\mathrm{p}}^{\mathrm{G}} \end{array}\right.$ | (6) |
式中，CG为基于风光发电的碳转移量；QG为各省域风光发电生产和消费差额；θG为风电和光伏发电技术的碳排放，单位为g·（kW·h）-1；QcG为各省域风光发电的消费量；QpG为各省域风光发电量. 参考张福新等[45]关于国内不同发电技术碳排放的对比，本文采用θw为85，θG为7.
1.2.2 CO2影子价格测算CO2边际减排成本的测算包含参数法和非参数法，因其灵活性，非参数法的影子价格模型中的松弛测度模型SBM在近年来得到广泛应用. 参考李江龙等[37]的研究，本文运用边际减排成本模型测度2021年中国各省域的边际减排成本，以此作为单位碳价. 边际减排成本测度模型计算如式（7）所示.
| $\begin{gathered} \operatorname{Min} \rho=\frac{1-\frac{1}{M}\left(\sum\limits_{m=1}^M \frac{S_m^x}{X_{m n}}\right)}{1+\frac{1}{I+J}\left(\sum\limits_{i=1}^I \frac{S_i^d}{D_{i n}}+\sum\limits_{j=1}^J \frac{S_j^u}{U_{j n}}\right)} \\ \text { s.t. }\left\{\begin{array}{l} \sum\limits_{n=1}^N \lambda_n X_{m n}+S_m^x=X_{m n}, \quad m=1, 2, \cdots, M \\ \sum\limits_{n=1}^N \lambda_n D_{i n}-S_i^d=D_{i n}, \quad i=1, 2, \cdots, I \\ \sum\limits_{n=1}^N \lambda_n U_{j n}+S_j^u=U_{j n}, \quad j=1, 2, \cdots, J \\ S_m^x, S_i^d, S_j^u, \lambda_n \geqslant 0, \quad n=1, 2, \cdots, N \end{array}\right. \end{gathered}$ | (7) |
式中，ρ为生产效率值，X=（x1，x2，…，xM）、D=（d1，d2，…，dI）和U=（u1，u2，…，uJ）为投入、期望产出和非期望产出，λn为强度变量. Smx、Sid和Sju为各决策单元相应变量的松弛变量.
本文研究中国2021年各省域的CO2边际减排成本，投入变量为资本存量（K）、就业人员（L）和能源消费（E），期望产出变量为实际GDP（Y），非期望产出变量为碳排放（C），对应的SBM模型如式（8）所示.
| $\begin{array}{c} \operatorname{Min} \rho=\frac{1-\frac{1}{3}\left(\frac{S_K}{K_n}+\frac{S_L}{L_n}+\frac{S_E}{E_n}\right)}{1+\frac{1}{2}\left(\frac{S_Y}{Y_n}+\frac{S_C}{C_n}\right)}\\ \text { s.t. }\left\{\begin{array}{l} \sum\limits_{n=1}^{31} \lambda_n K_n+S_K=K_n, \\ \sum\limits_{n=1}^{31} \lambda_n L_n+S_L=L_n, \\ \sum\limits_{n=1}^{31} \lambda_n E_n+S_E=E_n, \\ \sum\limits_{n=1}^{31} \lambda_n Y_n-S_Y=Y_n, \\ \sum\limits_{n=1}^{31} \lambda_n C_n+S_C=C_n, \\ S_K, S_L, S_E, S_Y, S_C, \lambda_n \geqslant 0 \end{array}\right. \end{array}$ | (8) |
式中，SK、SL和SE分别表示资本存量（K）、就业人员（L）和能源消费（E）这3种投入的松弛变量，SY和SC分别表示期望产出（Y）和非期望产出（C）的松弛变量. 上述模型是一个非线性规划模型，直接求解比较困难，通过查恩斯-库伯变换[46]，把式（8）转化为线性规划形式，如式（9）所示.
| $\begin{aligned} & \operatorname{Min} \rho=T-\frac{1}{3}\left(\frac{S_K^{-}}{K_n}+\frac{S_L^{-}}{L_n}+\frac{S_E^{-}}{E_n}\right) \\ & \text { s.t. }\left\{\begin{array}{l} 1=T+\frac{1}{2}\left(\frac{S_Y}{Y_n}+\frac{S_C}{C_n}\right) \\ K_n T=\sum\limits_{n=1}^{31} \alpha_n K_n+S_K^{-} ,\\ L_n T=\sum\limits_{n=1}^{31} \alpha_n L_n+S_L^{-} ,\\ E_n T=\sum\limits_{n=1}^{31} \alpha_n E_n+S_E^{-} ,\\ Y_n T=\sum\limits_{n=1}^{31} \alpha_n Y_n-S_Y^{-} ,\\ C_n T=\sum\limits_{n=1}^{31} \alpha_n C_n+S_C^{-} , \\ S_K^{-}, S_L^{-}, S_E^{-}, S_Y^{-}, S_C^{-}, \alpha_n \geqslant 0, T>0 \end{array}\right. \end{aligned}$ | (9) |
根据对偶转换，得出其对偶问题如式（10）所示.
| $\begin{aligned} & A^*=\operatorname{Max} A \\ & \text { s.t. }\left\{\begin{array}{l} A+r_K K_n+r_L L_n+r_E E_n-r_Y Y_n+r_C C_n=1, \\ \sum\limits_{n=1}^{31} r_Y Y_n-\sum\limits_{n=1}^{31} r_C C_n-\sum\limits_{n=1}^{31} r_K K_n- \\ \sum\limits_{n=1}^{31} r_L L_n-\sum\limits_{n=1}^{31} r_E E_n=0, \\ r_K \geqslant \frac{1}{3 K_n}, r_L \geqslant \frac{1}{3 L_n}, r_E \geqslant \frac{1}{3 E_n}, r_Y \geqslant \frac{A}{2 Y_n}, r_C \geqslant \frac{A}{2 C_n} \end{array}\right. \end{aligned}$ | (10) |
CO2边际减排成本如式（11）所示.
| $P_C=P_Y \times r_C / r_Y$ | (11) |
式中，PC为非期望产出CO2边际减排成本；PY为期望产出期望实际GDP的价格.
1.2.3 碳汇量测算各省域的碳汇量主要与森林、草地、湿地以及农作物有关. 碳汇量的测算模型如式（12）所示.
| $C_{\mathrm{a}}=C_{\mathrm{f}}+C_{\mathrm{m}}+C_1+C_{\mathrm{cr}}$ | (12) |
式中，Ca为各省域的碳汇总量；Cf、Cm和Cl分别为各省域的森林、草地和湿地的碳吸收量；Ccr为全生命周期内农作物的碳汇量. 各类碳汇计算方法如下.
（1）农作物 本研究参考李波等[47]对农作物碳汇的估算方法，根据不同种类作物的经济系数与碳吸收率对生长期内作物的碳吸收量进行估算. 具体农作物碳汇量测算如式（13）所示.
| $\left\{\begin{array}{l} C_{\mathrm{cr}}=\sum C_i \\ C_i=C_i^{\mathrm{f}} \cdot D_i \\ D_i=Y_i / H_i \end{array}\right.$ | (13) |
式中，Ci为i作物全生长周期对碳的吸收量；Cif为i作物合成1 g有机质所需要吸收的碳；Di为i作物的生物产量（总干物质）；Yi为i作物经济产量；Hi为i作物经济系数. 我国主要农作物的经济系数（Hi）和碳吸收率（Cif）如表 1所示.
|
表 1 主要农作物经济系数和碳吸收率 Table 1 Economic coefficients and carbon sequestration rates for major crops |
（2）森林、草地和湿地 根据不同植被的面积与植被年净初级生产力对各省域植被的碳汇总量进行估算.
| $\left\{\begin{array}{l} C_{\mathrm{f}}=S_{\mathrm{f}} \cdot \sigma_{\mathrm{f}} \times \frac{44}{12}, \\ C_{\mathrm{m}}=S_{\mathrm{m}} \cdot \sigma_{\mathrm{m}} \times \frac{44}{12}, \\ C_1=S_1 \cdot \sigma_1 \times \frac{44}{12} . \end{array}\right.$ | (14) |
式中，Sf、Sm和Sl分别为森林、草地和湿地的面积；σf、σm和σl分别为森林、草地和湿地的年净初级生产力. 参考万伦来等[48]基于相对碳赤字的中国省际碳补偿时空格局研究中其他植被碳汇的计算方法，取σf、σm和σl分别为3.81、0.95和7.
1.2.4 碳排放责任分配本文遵循“利益共享，责任共担，能力越大，责任越大”的核心原则，在碳排放责任的分配上，采用共担责任制. 省域的经济贡献系数越高，其经济发展程度越高，具有更高的补偿意愿和补偿能力；省域的生态承载系数越高，其生态承载能力更强，具有更强的自我调节能力. 省域具备的经济贡献系数越高和生态承载系数越高，越应该承担更多碳排放的责任. 对于补偿省而言，承担更多的责任意味着提供更多的补偿；对于受偿省而言，承担更多的责任意味着减少索取的补偿. 故根据省域的经济贡献系数和生态承载系数对Pearl生长曲线模型进行修正，以确定碳补偿系数. 以归一化的碳补偿系数作为碳排放责任的分配系数. 碳补偿省域和碳受偿省域的碳排放责任分配系数η1和η2分别如式（15）和式（16）所示.
| $\eta_1=\frac{1}{1+a \mathrm{e}^{-b t}} \cdot \frac{G_i}{G_{\mathrm{m}}} \cdot \frac{R_i}{R_{\mathrm{m}}} $ | (15) |
| $\eta_2=\frac{1}{1+a \mathrm{e}^{-b t}} \cdot\left(G-\frac{G_i}{G_{\mathrm{m}}}\right) \cdot\left(R-\frac{R_i}{G_{\mathrm{m}}}\right)$ | (16) |
式中，a和b为常数，通常取1；e为自然常数；t为恩格尔系数的倒数，恩格尔系数由各省域人均食品烟酒消费支出除以各省域人均消费支出总额计算得出；Gi为省域i的人均GDP，Gm为各省域人均GDP的最大值，Gi/Gm为省域i的经济贡献系数；Ri为省域i的碳汇量，Rm为各省域碳汇的最大值，Ri/Rm为省域i的生态承载系数；G为省域经济贡献系数最大值与最小值之和；R为省域生态承载系数最大值与最小值之和.
1.2.5 碳补偿标准对比各省域的电力生产和消费情况，测算以电力为载体各省域间碳转移的情况. 当测算出某省的碳转移量Ce大于0，意味着该省使用它省的电力资源用于本省的经济发展，本应该省承担的碳排放也由他省承担，根据“谁收益，谁补偿的原则”，该省为碳补偿省；反之，则为碳受偿省. 碳补偿额度的确定方法如式（17）所示.
| $V=C_{\mathrm{e}} \cdot P_i$ | (17) |
式中，V为碳生态补偿的货币价值；Pi为i省域单位碳排放的支付价格.
通过碳补偿系数对省域碳补偿模型进行修正，如式（18）所示.
| $V=C_{\mathrm{e}} \cdot P_i \cdot \eta$ | (18) |
式中，η为各省域的碳排放责任分配系数.
然而，由于各省域的碳转移量、经济发展情况和生态承载能力等方面存在较大差异，可能会造成支付补偿的总金额与接受补偿的总金额不相等的问题. 参考李德润等[9]在考虑碳转移的中国省域横向碳生态补偿机制研究中的解决方案：碳支付省的支付金额保持不变，碳受偿省则按照其应接受补偿金额占所有补偿碳受偿省原应接受总金额的比例接受生态补偿.
2 结果与分析 2.1 碳转移量测算结果与分析由碳转移量测算方法测算各省域基于火电生产和消费差额的碳转移量如图 1（a）所示. 内蒙古、山西、新疆、宁夏和陕西是主要的火力发电量输出省域，占全国火电输入碳转移总量的82.62%，内蒙古以5 750万t的火电输入碳转移量位居全国第一. 浙江、河北、山东、江苏和河南为主要的火力发电量输入省域，占全国火电输出碳转移总量的55.65%. 这大致与“西电东送”规划中的北部通道（由内蒙古和陕西等省域向华北电网输电，送往京津唐地区）相符合，将山西和宁夏等省域煤炭资源丰富这一优势转换成经济优势，同时缓解了华北地区电力紧缺的问题.
|
审图号为GS（2024）0650，投影坐标系为：Xian_1980_3_Degree_GK_CM_111E 图 1 各省域碳转移量 Fig. 1 Carbon transfers by province |
基于各省域水力发电和消费平衡的碳转移量如图 1（b）所示. 云南、四川、湖北、贵州和青海为主要水力发电量输出省域，合计输入碳转移量为3 592.95万t，占全国水电输入碳转移总量的97.28%. 广东、上海、江苏、重庆和广西为主要的水力发电量输入省域，占全国水电输出碳转移总量的74.28%，广东以1 368.50万t的水电输出碳转移量位居全国第一. 这大致与“西电东送”规划的南部通道（将贵州、云南和桂、滇、黔三省交界处的水电资源送往华南地区）相符合，将西南地区各省域的水力资源优势转换成经济优势，同时为华南地区提供电力资源，促进华南地区经济发展.
由碳转移量测算方法测算各省域基于风光发电和消费差额的碳转移量如图 1（c）所示. 新疆、内蒙古、宁夏和甘肃为主要的风光发电量输出省域，占全国风光发电输入碳转移总量的79.67%. 山东、河南、浙江、江苏和北京为主要的风光发电量输入省域，占全国风光发电输出碳转移总量的52.82%. 将新疆和内蒙古等省域的风光资源优势转换成经济优势，同时保证东部沿海各省域的电力需求.
综合各省域火力、水力和风光发电的生产和消费差额碳转移量，得到各省域基于电力生产和消费差额的碳转移总量，如图 1（d）所示. 内蒙古、山西、新疆和宁夏为主要的电力输出省域，合计碳转移输入为14 522.15万t，占全国电力碳转移输入总量的62.95%. 河北、江苏、浙江、山东和广东为主要电力输入省域，合计碳转移输出为23 511.57万t，占全国电力碳转移输出总量的66.09%. 基于电力生产和消费差额碳转移量整体呈现出“东正西负”的状态. 这种分布格局得益于我国的“西电东送”计划. 西部省域的煤炭和可再生资源较为丰富，东部省域能源匮乏，用电负荷相对集中，西部省域的能源转化成电力资源输送到电力紧缺的东部沿海地区，将西部的资源优势转化为经济优势，合理配置资源，优化能源结构，促进我国社会经济可持续发展.
2.2 影子价格测算结果与分析目前各省域的碳排放权成交均价均在100元·t-1以下，与本文测算的全国平均碳减排边际成本1 944.84元·t-1相去甚远. 细究其背后原因，参考普通商品的价格形成机制，碳市场价格形成为：碳市场供需双方形成、进行市场交易、生成碳价格和对碳价进行调控这4个方面. 首先，碳市场目前仅包含石化、化工、建材、钢铁和造纸等行业年度CO2-eq排放达到2.6万t及以上的重点企业，行业覆盖面窄，参与主体相对较少，同时碳交易品种有限，缺乏多样化选择，市场的活跃度和灵活性不高；其次，目前我国碳排放配额发放以免费为主且存在潜在配额发放过量的问题，导致市场供大于求，制约了碳市场的交易效率，使得碳排放要素价格发生扭曲，交易价格不能反映碳排放要素的边际产出，使得参与碳交易的市场价格大大低于碳排放要素的内在价格. 最后，政策设定过于宽松. 政府作为碳市场价格调控“看得见”的手，应该完善交易激励方式和强化激励力度，但目前碳交易市场，违约处罚手段单一，存在“清淡交易”等问题. 以上种种原因，使得碳排放要素价格发生扭曲，交易价格不能反映碳排放要素的边际产出，使得参与碳交易的市场价格大大低于碳排放要素的内在价格. 影子价格表示在生产技术和产品价格既定的情况下，各生产要素或产品的真实价值. 影子价格的数值与边际减排成本十分接近，二者可以互相替代.
由图 2可知，在北京、广东、上海和浙江等经济发达省域，CO2平均影子价格为3 457.50元·t-1，而在宁夏、山西和青海等经济欠发达省域，平均影子价格为668元·t-1，仅占经济发达地区影子价格的19.32%，这说明CO2影子价格与地区经济发展水平有着一定的联系. 与经济欠发达地区相比，发达地区重视技术创新不断改进生产技术，能源利用效率较高，产业结构和能源结构等已经相对成熟，进一步进行碳减排所付出的经济代价比欠发达地区要高. 因此，我国在制定碳减排政策时，应根据不同省域的CO2影子价格和减排特点分配相应的减排任务，让低影子价格地区承担更多的减排指标，由发达地区提供补贴.
|
图 2 各省域CO2影子价格 Fig. 2 CO2 shadow price by province |
CO2的影子价格不仅与各地区经济实力有关，还与区域的产业结构和技术创新密切相关. 从整体角度来看，南部地区CO2平均影子价格为2 407.69元·t-1，北方地区CO2平均影子价格仅有1 451.13元·t-1，比南方地区低了39.73%. 归根结底，这与各地区在自身经济发展过程中，顺应国家宏观调控，在经历产业结构不断调整中所面临的高耗能和服务型产业的选择有关. 北部地区偏向于重工业和能源工业，重工业和能源工业很多都是老工业，旧动能，能源消费结构不合理或生产技术不够成熟，导致资源的浪费能源，利用效率还有待提升，进而在碳减排方面还有较大空间. 南方地区以发展轻工业为主，第三产业较为发达，工业在生产总值中所占的比例较小，且南方地区重视对创新的投入，创新能力较强，不断改进生产技术，能源利用效率高，碳减排的空间有限.
2.3 碳汇量测算结果与分析根据碳汇计算方法测算2021年各省域碳汇量如图 3所示. 中国碳汇总量合计为83.83亿t. 碳汇量排在前列的省域分别是内蒙古、西藏、新疆、黑龙江、四川和云南.
|
图 3 2021年各省域碳汇量测算结果 Fig. 3 Results of carbon sink measurements by province in 2021 |
中国31省域森林碳汇总量为33.73亿t，占全国碳汇总量的40.24%，内蒙古、云南、四川、黑龙江、西藏和广西等位于中国东北林区和西南林区，森林面积位居各省域前列，森林碳汇量较高，合计为16.03亿t，占全国森林碳汇总量的47.51%.
中国31省域农作物碳汇总量为22.70亿t，占全国碳汇总量的27.08%，山东、河南和河北位于华北平原地势平坦，气候适宜，玉米小麦等粮食作物产量位居全国前列，广西位于南方，气候湿润，不仅水稻等粮食作物产量较高，甘蔗等经济作物的产量也位居全国前列，故山东、河南、河北以及广西农作物碳汇量较高，合计为8.86亿t.
中国31省域湿地碳汇总量为13.71亿t，占全国碳汇总量的16.36%. 青海、西藏和新疆位于青藏高原，黑龙江和内蒙古位于我国北方地区，气温低、蒸发弱并且地表水丰富，地势低平排水不畅使得上层滞水，易形成湿地，使得青海、西藏、内蒙古、黑龙江和新疆为我国湿地碳汇量最高的5个省域，碳汇量合计为7.64亿t，占全国湿地碳汇总量的55.74%.
中国31省域草原碳汇总量为13.68亿t，占全国碳汇总量的16.32%. 省域之间的绝对量差异较大：草原碳汇量超过1亿t的有西藏、内蒙古、新疆和青海这4个省域，碳汇量合计为8.86亿t，占全国草原碳汇的64.78%；碳汇较低的10个省域碳汇总量为0.44亿t，仅占全国的3.16%.
2.4 碳补偿测算结果与分析2021年各省域碳补偿总金额为542.02亿元. 由图 4可知，碳受偿省域为山西、陕西、安徽、贵州、云南、宁夏、湖北、四川、新疆、甘肃、吉林和内蒙古. 碳受偿省域中补偿额度位居前列的为山西、陕西、安徽、贵州和云南，占全国碳受偿金额的69.34%，这些地区的自然资源较为丰富，通过电力输出将资源优势转换成经济优势. 碳补偿地区为广东、江苏、浙江、山东和福建等19个省域，位居前列的分别是广东、江苏、浙江和山东，占全国碳补偿金额的83.68%. 江苏和浙江属于“长江三角洲”地区，山东位于“环渤海经济圈”，广东位于“珠三角经济圈”区位优势十分突出，人口密集，经济发展水平快，电力负荷较大，为主要的电力输入省. 按照“谁受益，谁补偿”的原则，理应向电力输出省域提供相应的经济补偿，弥补其生产电力对生态环境造成的破坏.
|
审图号为GS（2024）0650，投影坐标系为：Xian_1980_3_Degree_GK_CM_111E 图 4 基于电力数据碳补偿测算结果 Fig. 4 Measured results of carbon compensation based on electricity data |
根据图 4进行碳补偿的空间分析，东部沿海地区因经济发展较快，对电力需求量较大，大都是电力输入省域，其碳转移量大多为正，在生态补偿中，大多处于补偿省位置；西部和东北部因其资源丰富，电力生产量大，大都是电力输出省域，故碳转移量大多为负，在生态补偿中，大多处于受偿省位置；与碳转移量格局相似，碳补偿空间分布整体呈现出“东补西偿”状态，这与袁凯华等[30]的研究结果相一致.
3 讨论结合以上分析，碳补偿建设可以从以下3点进行综合考虑和实施.
（1）加快碳数据库建设，保障碳数据准确性. 本文选择CO2排放量较大，数据基础较好的电力行业进行碳补偿机制研究，而其他行业碳排放核算工作还存在着碳数据不可获取、精确度不佳等问题. 故未来应加快建碳数据库建设，提高碳数据质量，建立企业碳排查，明晰各环节直接间接碳排放，保障碳排放数据准确性，为进一步扩大碳补偿机制的行业范围提供支撑.
（2）引导建立更合理的碳价格评估机制. 本文测算的全国平均碳减排边际成本为1 944.84元·t-1，而碳市场碳排放权交易价格在100元·t-1以下. 碳排放要素价格发生扭曲，参与碳交易的市场价格大大低于碳排放要素的内在价格，长此以往将严重影响国内整体的减排意识，引导建立更为合理的碳价格评估机制也是未来碳补偿机制研究的重要方向.
（3）不断更新完善补偿标准并促使方式多样化. 本文充分考虑地区生态资源和经济发展水平因素，公平制定碳补偿标准. 未来应在现有标准基础上，根据经济发展、技术进步和碳汇增量等情况变化，及时对碳补偿标准进行更新. 在构建多样化补偿方式方面，除了通过财政转移支付的经济补偿之外，可由经济发达区对经济落后区进行技术援助，帮助其减排以抵消自身碳减排.
4 结论（1）碳转移测算结果表明，内蒙古、山西、新疆和宁夏等为主要的电力输出省域，合计碳转移输入为14 522万t，河北、江苏、浙江、山东和广东为主要电力输入省域，合计碳转移输出为23 512万t. 得益于中国“西电东送”计划，全国基于电力行业碳转移情况呈现“东正西负”的状态.
（2）影子价格测算结果表明，全国平均碳减排边际成本为1 944.84元·t-1，CO2影子价格与地区经济发展水平相关，北京和上海等经济发达地区的平均CO2影子价格为3 457.50元·t-1，而宁夏和山西等经济欠发达地区的平均CO2影子价格仅有668元·t-1. 除此之外，CO2影子价格还与区域产业结构和技术创新效益等因素密切相关.
（3）碳汇量测算结果表明，2021年中国碳汇总量合计为83.83亿t. 森林、农作物、湿地和草原碳汇量分别占全国碳汇总量的40.24%、27.08%、16.36%、16.32%. 碳汇量排在前列的省域分别是内蒙古、西藏、新疆、黑龙江、四川和云南. 这很大程度上与森林的分布有关，这些地区地理位置位于中国东北林区和西南林区，森林面积位居我国前列.
（4）生态补偿测算结果表明，2021年各省域碳补偿总金额为542.02亿元. 碳受偿地区主要为山西、陕西、安徽、贵州和云南等12个省域，碳补偿地区主要有广东、江苏、浙江和山东等19个省域. 碳补偿整体呈现“东补西偿”的空间分布格局，经济发达的东部省域主要为碳补偿地区，西部欠发达省域主要为碳受偿地区.
| [1] | Abid N, Ahmad F, Aftab J, et al. A blessing or a burden? Assessing the impact of climate change mitigation efforts in Europe using quantile regression models[J]. Energy Policy, 2023, 178. DOI:10.1016/j.enpol.2023.113589 |
| [2] | Gyeltshen S. Analysis of Bhutan's energy policies in relation to energy security and climate change: policy perspective[J]. Energy Policy, 2022, 170. DOI:10.1016/j.enpol.2022.113223 |
| [3] | Pisoni E, Thunis P, De Meij A, et al. Modelling the air quality benefits of EU climate mitigation policies using two different PM2.5-related health impact methodologies[J]. Environment International, 2023, 172. DOI:10.1016/j.envint.2023.107760 |
| [4] | Huo W D, Qi J, Yang T, et al. Effects of China's pilot low-carbon city policy on carbon emission reduction: a quasi-natural experiment based on satellite data[J]. Technological Forecasting and Social Change, 2022, 175. DOI:10.1016/j.techfore.2021.121422 |
| [5] | Sheng J C, Qiu W G, Han X. China's PES-like horizontal eco-compensation program: combining market-oriented mechanisms and government interventions[J]. Ecosystem Services, 2020, 45. DOI:10.1016/j.ecoser.2020.101164 |
| [6] | Cao K, Zhang W T, Liu S B, et al. Pareto law-based regional inequality analysis of PM2.5 air pollution and economic development in China[J]. Journal of Environmental Management, 2019, 252. DOI:10.1016/j.jenvman.2019.109635 |
| [7] | Wang C, Guo Y, Shao S, et al. Regional carbon imbalance within China: an application of the Kaya-Zenga index[J]. Journal of Environmental Management, 2020, 262. DOI:10.1016/j.jenvman.2020.110378 |
| [8] |
王奕淇, 甄雯青. 基于主体功能区的碳收支时空分异和碳补偿分区: 以黄河流域县域为例[J]. 环境科学, 2024, 45(9): 5015-5026. Wang Y Q, Zhen W Q. Spatiotemporal differentiation of carbon budget and carbon compensation zoning based on the plan for major function-oriented zones: a case study of counties in the Yellow River Basin[J]. Environmental Science, 2024, 45(9): 5015-5026. |
| [9] |
李德润, 彭红军. 考虑碳转移的中国省域横向碳生态补偿机制研究[J]. 管理现代化, 2022, 42(5): 125-131. Li D R, Peng H J. A study on provincial horizontal carbon ecological compensation mechanism considering carbon transfer in China[J]. Modernization of Management, 2022, 42(5): 125-131. |
| [10] |
唐菁, 易露, 曾庆均. 长江经济带农业碳补偿率的时空演进特征及碳补偿潜力预测[J]. 环境科学, 2024, 45(11): 6378-6391. Tang J, Yi L, Zeng Q J. Spatial and temporal evolution characteristics of agricultural carbon offset rate and prediction of carbon offset potential in the Yangtze River Economic Belt[J]. Environmental Science, 2024, 45(11): 6378-6391. |
| [11] |
赵政楠, 茹少峰. 黄河流域生态补偿的时空格局、区域差异及分布动态演进[J]. 环境科学, 2024, 45(10): 5853-5867. Zhao Z N, Ru S F. Spatial-temporal situation, regional differences, and dynamic evolution of the distribution of ecological compensation in the Yellow River Basin[J]. Environmental Science, 2024, 45(10): 5853-5867. |
| [12] |
周嘉, 王钰萱, 刘学荣, 等. 基于土地利用变化的中国省域碳排放时空差异及碳补偿研究[J]. 地理科学, 2019, 39(12): 1955-1961. Zhou J, Wang Y X, Liu X R, et al. Spatial temporal differences of carbon emissions and carbon compensation in China based on land use change[J]. Scientia Geographica Sinica, 2019, 39(12): 1955-1961. |
| [13] |
邓文萍, 朱文博, 张哲, 等. 河南省县域土地利用碳收支时空格局与碳补偿分区[J]. 环境科学, 2025, 46(3): 1517-1534. Deng W P, Zhu W B, Zhang Z, et al. Spatio-temporal variation of landuse carbon budget and carbon compensation zoning at county level in Henan Province[J]. Environmental Science, 2025, 46(3): 1517-1534. |
| [14] | Xia S Y, Yang Y. Examining spatio-temporal variations in carbon budget and carbon compensation zoning in Beijing-Tianjin-Hebei urban agglomeration based on major functional zones[J]. Journal of Geographical Sciences, 2022, 32(10): 1911-1934. DOI:10.1007/s11442-022-2029-y |
| [15] |
曹俊文, 陶强强. 长江经济带农业碳补偿修正测算及分析[J]. 农业资源与环境学报, 2021, 38(4): 693-698. Cao J W, Tao Q Q. Calculation and analysis of agricultural carbon compensation in the Yangtze River economic belt[J]. Journal of Agricultural Resources and Environment, 2021, 38(4): 693-698. |
| [16] |
康宝怡, 朱明芳. 生态旅游视域下旅游者碳补偿支付意愿影响因素研究——以中国大熊猫国家公园为例[J]. 干旱区资源与环境, 2022, 36(7): 16-22. Kang B Y, Zhu M F. Tourists' willingness to pay for carbon offsets in view of ecotourism: case study of China Giant Panda National Park[J]. Journal of Arid Land Resources and Environment, 2022, 36(7): 16-22. |
| [17] | Chen Y, Chen X W, Zheng P, et al. Value compensation of net carbon sequestration alleviates the trend of abandoned farmland: a quantification of paddy field system in China based on perspectives of grain security and carbon neutrality[J]. Ecological Indicators, 2022, 138. DOI:10.1016/j.ecolind.2022.108815 |
| [18] |
刘宜卓, 石悦泽, 荆克迪. "双碳"目标下黄河流域九省区横向区域碳补偿机制构建研究[J]. 生态经济, 2024, 40(1): 29-37. Liu Y Z, Shi Y Z, Jing K D. Research on the construction of horizontal regional carbon compensation mechanism in nine provinces of the Yellow River Basin with the goal of "double carbon"[J]. Ecological Economy, 2024, 40(1): 29-37. |
| [19] |
马明娟, 李强, 周文瑞. 碳中和视域下黄河流域碳生态补偿研究[J]. 人民黄河, 2021, 43(12): 5-11. Ma M J, Li Q, Zhou W R. Study of carbon ecological compensation in Yellow River Basin based on carbon neutrality[J]. Yellow River, 2021, 43(12): 5-11. |
| [20] | Wang W X, Wang W J, Xie P C, et al. Spatial and temporal disparities of carbon emissions and interregional carbon compensation in major function-oriented zones: a case study of Guangdong province[J]. Journal of Cleaner Production, 2020, 245. DOI:10.1016/j.jclepro.2019.118873 |
| [21] |
夏四友, 杨宇. 基于主体功能区的京津冀城市群碳收支时空分异与碳补偿分区[J]. 地理学报, 2022, 77(3): 679-696. Xia S Y, Yang Y. Spatio-temporal differentiation of carbon budget and carbon compensation zoning in Beijing-Tianjin-Hebei Urban Agglomeration based on the plan for major function-oriented zones[J]. Acta Geographica Sinica, 2022, 77(3): 679-696. |
| [22] | Zhang Z J, Chen W M. Embodied carbon transfer between China and the Belt and Road Initiative countries[J]. Journal of Cleaner Production, 2022, 378. DOI:10.1016/j.jclepro.2022.134569 |
| [23] | Li W, Wang Q, Jin B H, et al. Multiregional input-output analysis of carbon transfer in interprovincial trade and sectoral strategies for mitigation: case study of Shanxi province in China[J]. Journal of Cleaner Production, 2023, 391. DOI:10.1016/j.jclepro.2023.136220 |
| [24] |
张永姣, 王耀辉. 基于省际贸易隐含碳排放视角的流域生态补偿测算——以黄河流域为例[J]. 生态经济, 2023, 39(2): 26-33. Zhang Y J, Wang Y H. The Calculation of ecological compensation in the basin based on the perspective of the embodied carbon emissions of inter-provincial trade: taking the Yellow River Basin as an example[J]. Ecological Economy, 2023, 39(2): 26-33. |
| [25] |
张银芽, 李锋, 刘念, 等. 区域中长期合约电量输电路径优化对省内现货市场出清的影响[J]. 广东电力, 2024, 37(5): 43-51. Zhang Y Y, Li F, Liu N, et al. Impact of transmission path optimization of regional medium and long term contracted electricity on provincial spot market clearance[J]. Guangdong Electric Power, 2024, 37(5): 43-51. |
| [26] |
汪燕, 王文治, 马淑琴. 中国省域间碳排放责任共担与碳减排合作[J]. 浙江社会科学, 2020(1): 40-51, 156. Wang Y, Wang W Z, Ma S Q. Responsibility sharing of China's inter-provincial carbon emission and cooperation in carbon reduction[J]. Zhejiang Social Sciences, 2020(1): 40-51, 156. |
| [27] |
杨军, 杨泽, 丛建辉, 等. 责任和收益匹配原则下中国省域碳排放责任共担方案优化[J]. 资源科学, 2022, 44(9): 1745-1758. Yang J, Yang Z, Cong J H, et al. Optimization of China's provincial carbon emission responsibility sharing scheme based on the principle of responsibility and benefit matching[J]. Resources Science, 2022, 44(9): 1745-1758. |
| [28] | 张巍. 区域碳补偿标准及额度研究[J]. 统计与决策, 2019, 35(24): 55-58. |
| [29] | Miao Y, Kong C C, Wang L L, et al. A provincial lateral carbon emissions compensation plan in China based on carbon budget perspective[J]. Science of the Total Environment, 2019, 692: 1086-1096. DOI:10.1016/j.scitotenv.2019.07.174 |
| [30] |
袁凯华, 张苗, 甘臣林, 等. 基于碳减排目标的省域碳生态补偿研究[J]. 长江流域资源与环境, 2019, 28(1): 21-29. Yuan K H, Zhang M, Gan C L, et al. Provincial eco-compensation of carbon based on the target of carbon emission reduction[J]. Resources and Environment in the Yangtze Basin, 2019, 28(1): 21-29. |
| [31] |
钟诗雨, 张晓敏, 吴佳, 等. 基于碳减排成本的我国省域碳补偿机制[J]. 环境科学, 2023, 44(8): 4637-4646. Zhong S Y, Zhang X M, Wu J, et al. Carbon offsetting mechanism of China province based on carbon reduction cost[J]. Environmental Science, 2023, 44(8): 4637-4646. |
| [32] |
周鹏, 周迅, 周德群. 二氧化碳减排成本研究述评[J]. 管理评论, 2014, 26(11): 20-27, 47. Zhou P, Zhou X, Zhou D Q. A survey of studies on estimating CO2 mitigation costs[J]. Management Review, 2014, 26(11): 20-27, 47. |
| [33] |
陈醒, 徐晋涛. 化工企业污染物影子价格的估计——基于参数化的方向性距离函数[J]. 北京大学学报(自然科学版), 2021, 57(2): 341-350. Chen X, Xu J T. Estimation of shadow price of major pollutants in China's chemical firms: an empirical analysis based on directional distance function[J]. Acta Scientiarum Naturalium Universitatis Pekinensis, 2021, 57(2): 341-350. |
| [34] |
沈小波, 张芳菲, 李春霞. 工业污染影子价格的时空分布、影响因素及政策含义[J]. 厦门大学学报(哲学社会科学版), 2023, 73(4): 42-53. Shen X B, Zhang F F, Li C X. The shadow prices of industrial pollutants, determinants, and its policy implications[J]. Journal of Xiamen University (Arts & Social Sciences), 2023, 73(4): 42-53. |
| [35] |
魏丽莉, 侯宇琦. 中国工业二氧化碳边际减排成本测算与行业碳达峰预测[J]. 经济理论与经济管理, 2023, 43(2): 63-77. Wei L L, Hou Y Q. The estimate of China's industrial marginal carbon abatement cost and industry carbon peak prediction[J]. Economic Theory and Business Management, 2023, 43(2): 63-77. |
| [36] |
沈智扬, 白凯璇, 陈雪丽. "一带一路"沿线国家碳排放影子价格与减排潜力[J]. 国外社会科学, 2022(1): 133-143, 199. Shen Z Y, Bai K X, Chen X L. Carbon shadow price and potential reduction in the countries along the belt and road[J]. Social Sciences Abroad, 2022(1): 133-143, 199. |
| [37] |
李江龙, 韩蓉. 中国省际最优碳配额及减排成本研究——基于效率视角下的碳总量控制情景[J]. 环境经济研究, 2022, 7(3): 1-24. Li J L, Han R. China's provincial carbon emission allocation and abatement costs in the context of national carbon capping based on an efficiency analysis[J]. Journal of Environmental Economics, 2022, 7(3): 1-24. |
| [38] | Zhou H J, Ping W Y, Wang Y, et al. China's initial allocation of interprovincial carbon emission rights considering historical carbon transfers: program design and efficiency evaluation[J]. Ecological Indicators, 2021, 121. DOI:10.1016/j.ecolind.2020.106918 |
| [39] |
王育宝, 何宇鹏. 增加值视角下中国省域净碳转移权责分配[J]. 中国人口·资源与环境, 2021, 31(1): 15-25. Wang Y B, He Y P. Responsibility allocation of China's provincial net carbon transfer from the perspective of value-added[J]. China Population, Resources and Environment, 2021, 31(1): 15-25. |
| [40] | Ortiz M, López L A, Cadarso M Á. EU carbon emissions by multinational enterprises under control-based accounting[J]. Resources, Conservation and Recycling, 2020, 163. DOI:10.1016/j.resconrec.2020.105104 |
| [41] |
丛建辉, 石雅, 高慧, 等. "双碳"目标下中国省域碳排放责任核算研究——基于"收入者责任"视角[J]. 上海财经大学学报, 2021, 23(6): 82-96. Cong J H, Shi Y, Gao H, et al. Research on the responsibility accounting of China's provincial carbon emission under the "Double Carbon" goal: based on the perspective of "income responsibility"[J]. Journal of Shanghai University of Finance and Economics, 2021, 23(6): 82-96. |
| [42] |
王文治, 胡雍, 张晓宇. 中国省域碳排放责任分配方法比较与碳补偿设计[J]. 资源科学, 2023, 45(10): 1913-1930. Wang W Z, Hu Y, Zhang X Y. Comparison of carbon emission responsibility allocation methods and carbon compensation design among provinces in China[J]. Resources Science, 2023, 45(10): 1913-1930. |
| [43] |
张宁, 赵玉. 中国能顺利实现碳达峰和碳中和吗?——基于效率与减排成本视角的城市层面分析[J]. 兰州大学学报(社会科学版), 2021, 49(4): 13-22. Zhang N, Zhao Y. Can China achieve peak carbon emissions and carbon neutrality: an analysis based on efficiency and emission reduction cost at the city level[J]. Journal of Lanzhou University (Social Sciences), 2021, 49(4): 13-22. |
| [44] |
单豪杰. 中国资本存量K的再估算: 1952~2006[J]. 数量经济技术经济研究, 2008, 25(10): 17-31. Shan H J. Reestimating the capital stock of China: 1952~2006[J]. Journal of Quantitative & Technological Economics, 2008, 25(10): 17-31. |
| [45] |
张福新, 白锋堂. 中长期煤炭消费碳排放与二氧化碳排放值预测[J]. 中国煤炭, 2022, 48(4): 36-40. Zhang F X, Bai F T. Prediction of medium and long term carbon emission and carbon dioxide emission of coal consumption[J]. China Coal, 2022, 48(4): 36-40. |
| [46] |
宋杰鲲, 曹子建, 张凯新. 我国省域二氧化碳影子价格研究[J]. 价格月刊, 2016(9): 6-11. Song J K, Cao Z J, Zhang K X. Research on provincial shadow price of carbon dioxide in China[J]. Prices Monthly, 2016(9): 6-11. |
| [47] |
李波, 张俊飚. 我国农作物碳汇的阶段特征与空间差异研究[J]. 湖北农业科学, 2013, 52(5): 1229-1233. Li B, Zhang J B. Study on phase characteristics and spatial differences of Chinese agricultural carbon sinks[J]. Hubei Agricultural Sciences, 2013, 52(5): 1229-1233. |
| [48] |
万伦来, 林春鑫, 陈艺. 基于相对碳赤字的中国省际碳补偿时空格局研究[J]. 长江流域资源与环境, 2020, 29(12): 2572-2583. Wan L L, Lin C X, Chen Y. Temporal and spatial patterns of interprovincial carbon compensation in China based on relative carbon deficit[J]. Resources and Environment in the Yangtze Basin, 2020, 29(12): 2572-2583. |