研究背景
碳定价政策是减少CO2排放量和化石燃料燃烧引起的空气污染排放量，带来空气质量协同效益的一种简单有效的方法。然而，中国各地CO2和空气污染物排放的空间分布差异很大，引发了人们对环境质量和环境正义的担忧，对环境政策提出了较大的挑战。另一方面，中国区域发展不平衡导致经济不平等大幅增加的问题也亟待解决，而与当地空气污染相关的边际损害可能会给当地经济带来更大负担。
目前，有关区域差异化碳定价政策的研究大多集中针对于某个特定区域，一些学者发现区域差异化的碳定价政策可能导致非目标区域的排放增加（即排放泄漏）。这项研究考虑了这一问题，将研究范围扩大到中国大陆的30个省份。同时，研究建立了一套基于经济-环境的区域差异化碳定价政策模型，以PM2.5浓度和CO2排放的历史空间聚类数据为基础，探讨了到2060年区域差异化碳定价政策对空气污染、环境正义和收入不平等的协同效益。
模型方法
图1空间相关分析（用于估计2005-2019年期间CO2排放和PM2.5浓度的区域空间相关性）、用于政策模拟的多区域动态CGE模型、用于估计PM2.5浓度的pf-ERSM模型的基本输入和输出。
空间相关性分析
文章利用全局莫兰指数和局部莫兰指数进行了2005-2019年CO2排放和PM2.5浓度的区域空间相关性分析，以确定区域划分，作为用于政策模拟的多区域动态CGE模型和应用pf-ERSM估计PM2.5浓度的基础。
多区域动态CGE模型
研究构建了一个覆盖中国大陆30个省份的多区域动态CGE模型，给出了基于2030年前达到CO2排放峰值和碳强度较2005年降低60%-65%的详细碳减排政策，将模型动态设置为2060年实现碳中和。模型包括七个模块：生产、贸易、制度、动态、平衡与封闭、福利和环境，涵盖了13个部门的生产以及国际和省际贸易活动。
多区域多部门响应曲面模型（pf-ERSM）
基于多区域动态CGE模型在不同碳定价政策情景下模拟的空气污染物排放，利用空气成本效益和绩效评估系统中的pf-ERSM模块估计PM2.5浓度对这些前体排放物的响应。以2017年1月、4月、7月和10月为典型月份，在27km×27km尺度上对中国进行了社区多尺度空气质量（CMAQ）模拟。对755种排放情景进行CMAQ模拟，响应变量为年均PM2.5，控制因素为氮氧化物(NOx)、二氧化硫(SO2)、氨(NH3)、挥发性有机化合物(VOC)和PM2.5的排放率。
政策冲击情景
文章设定了五种情景。“一切如常”（BAU）情景假设到2060年，没有任何碳政策的平衡增长路径。将BAU情景下的经济和环境变量与实现中国2030年碳减排目标的各种碳定价情景下的经济和环境变量进行比较。国家统一碳定价政策（NP）情景假设2020年CO2排放定价为20元/吨，到2060年每年增长7.5%。三种区域差异碳定价政策情景（S1-S3）分别基于2015-2019年PM2.5浓度空间集聚水平、CO2排放空间集聚水平和人均GDP划分为高、中、低三个组别，并均在2020年将碳价格最初分别设定为40、10和5元/吨，到2060年每年分别上涨10%、5%和2.5%。
研究发现
区域CO2和空气污染物排放变化
从2030年到2060年，所有碳定价政策情景下的CO2和空气污染物排放量都在不断减少。在NP情景下，由于所有地区的政策严格程度是一样的，30个省份的CO2和空气污染物减排幅度也较为相似。而三种区域差异的碳定价政策对高区域CO2和污染物的减排贡献大于中、低区域。具体而言，如图2显示，2060年S1将导致大部分地区相对于BAU的CO2减少；减产主要发生在能源密集型行业，如非金属矿物制造、金属冶炼和压延、交通运输和火电等；同时还可以同步减少区域内空气污染物排放，尤其是与燃料燃烧密切相关的SO2和NOx。在政策S2和S3下，各区域的CO2和空气污染物也呈现出不同幅度下降。
此外，研究发现，在S1和S2的CO2排放定价相同的地区，减排量存在差异。例如，河南、河北和山东在S1政策情景下的CO2和大气污染物减排量超过了S2政策情景；北京和天津在S1和S2下都处于高区域，但S1下的减排幅度略高于S2，这是因为在S1情景下，被列为高区域的地区之间的省际贸易具有正向溢出效应，从而减少排放。然而，在S1-S3区域差异的碳定价政策情景下，由高区域负外部性引起的CO2和大气污染物排放泄漏也会发生。这是由于区域差异的碳定价政策导致高区域的燃料使用量大幅减少，而中、低区域的燃料供应量增加。能源价格较以往更低，进一步刺激更多的燃料使用和CO2排放。由于中国已经建立了全国性的碳排放交易体系，应考虑这种区域差异化的碳定价政策和排放交易体系如何相互作用，以打破这一限制。
图2 S1情景下2030年和2060年区域CO2和空气污染物排放相对于BAU情景的变化
PM2.5浓度和空间分布变化
在2060年的BAU情景下，30个省份的PM2.5平均浓度为28.4μg/m3。与2060年BAU相比，NP、S1、S2和S3情景下PM2.5浓度分别下降了12%、14%、10%和8%。2060年，在NP下，各省PM2.5浓度的下降幅度相对于BAU水平为7.6%~18.4%，与区域差异化政策情景相比，变化幅度适中。在区域差异的碳价格政策情景中，中东部地区由于大多位于碳价格较高的高区域内，其空气质量改善程度也高于其他地区。
值得一提的是：①S1政策情景下，2060年湖南、天津、山西等省份的PM2.5浓度改善幅度大于NP情景，但该情景下的碳价却远低于NP情景，这可以解释为，中国各地通过技术溢出、商品流动和劳动力迁移相互联系和作用，导致了溢出效应，而差异化的碳定价政策可能会加剧这种效应。②一些地区的空气质量改善程度在S2情景下低于在S1情景下，尽管它们在S1和S2中被分配了相同的环境责任。例如，河南、河北和山东在S1和S2都属于高区，但在S1下PM2.5浓度分别改善了24.6%、23.5%和15.9%，在S2下分别改善21.7%、19.6%和15.7%。由此证实，区域“溢出效应”提供了空气质量效益，政策制定者可以基于其积极影响，灵活充分地利用差异化的碳政策。对比S1和S3，可以发现S3下各省PM2.5浓度相对于BAU的变化幅度比S1下小得多。这是因为在大多数东部沿海地区省份中，轻工业和服务业占很大份额，且能源利用效率较高，这些地区被纳入S3政策情景下的高区域，限制了来自能源密集型行业的PM2.5减排机会。
从2060年中国的LISA地图可见，NP、S2、S3条件下PM2.5高-高集聚的空间分布基本一致，覆盖了中东部地区的所有省份，而S1下PM2.5高-高集聚的覆盖范围缩小至北京、河北、山西、山东、河南5个地区。这是因为S1基于历史PM2.5浓度集聚水平对地区进行分类和征税，天津、安徽等地区的碳排放面临着高昂的生产成本，燃料使用量、与燃料相关的空气污染物排放减少，进一步降低了PM2.5浓度。同时，S1情景下的低-低集聚组也有所扩大，因为随着S1政策的实施，四川、青海及其邻近地区的PM2.5浓度在2060年大幅下降。
主要结论和政策建议
Ø区域差异化的碳定价政策可以实现中国2030年前的达峰目标，并有助于实现2060年的碳中和目标。与统一的国家政策（NP）相比，区域差异化的碳定价政策（S1-S3）将推动其目标地区的CO2和空气污染物实现更大程度减排。但政策严格程度的无限提高可能会导致负面的政策效应，例如排放泄漏。
Ø在所有政策情景中，基于PM2.5浓度的历史空间集聚水平设计的区域差异化碳定价政策情景（S1）具有更显著的环境和社会经济协同效益，能够以更低成本更大程度地促进区域空气质量改善，产生空气质量协同效益；同时促进了环境正义和地区间收入不平等问题的改善。
Ø研究结果为其他发展中国家，尤其是在经济发展和空气污染方面存在巨大区域差异的国家提供了政策见解。
原文信息
Zhang,Wen-Wen,etal"Co-benefits of regionally-differentiated carbon pricing policies across China."Climate Policy(2022)1-14.
原文链接
https://www.tandfonline.com/doi/full/10.1080/14693062.2022.2119198
转载自 气候变化经济学
转自：“经管学术联盟”微信公众号
如有侵权，请联系本站删除！
