中国省际隐含能源流动及能效冗余解析

删除或更新信息，请邮件至freekaoyan#163.com(#换成@)

本站小编 Free考研考试/2021-12-29

郭珊¹, 韩梦瑶^,²^,³, 杨玉浦⁴

1. 中国人民大学公共管理学院,北京 100872

2. 中国科学院地理科学与资源研究所,北京 100101

3. 中国科学院区域可持续发展分析与模拟重点实验室,北京 100101

4. 中国人民大学应用经济学院,北京 100872

Multiregional embodied energy flows and energy efficiency redundancy in China

GUO Shan¹, HAN Mengyao^,²^,³, YANG Yupu⁴

1. School of Public Administration and Policy, Renmin University of China, Beijing 100872, China

2. Institute of Geographic Sciences and Natural Resources Research, CAS, Beijing 100101, China

3. Key Laboratory of Regional Sustainable Development Modeling, CAS, Beijing 100101, China

4. School of Applied Economics, Renmin University of China, Beijing 100872, China

通讯作者: 韩梦瑶,女,河北沧州人,副研究员,主要研究方向为资源经济与区域发展。E-mail: hanmy@igsnrr.ac.cn

收稿日期:2020-06-4修回日期:2020-12-22网络出版日期:2021-04-25

基金资助:

国家重点研发计划项目.2016YFA0602804
国家自然科学基金项目.72004225
国家自然科学基金项目.41701135
北京市社会科学基金项目.19GLC044

Received:2020-06-4Revised:2020-12-22Online:2021-04-25
作者简介 About authors
郭珊,女,河北石家庄人,讲师,主要研究方向为土地生态经济学。E-mail: shan.guo@ruc.edu.cn

摘要
随着中国各省份间能源生产、消费的关联日益紧密,隐含在商品贸易中的能源流动有助于平衡中国总体能源供需,但跨省能源流动伴随的能效冗余问题也逐渐凸显。本文通过刻画中国2007年和2015年省际隐含能源流动,测度中国隐含能源流动的能效冗余,主要结论如下：①中国区域间隐含能源流动主要从华北、华东、华中、东北地区流向华南、西北、西南地区;②中国大部分省市的隐含能源流动逐渐由消费驱动转向投资驱动,北京、上海、广东等经济发达地区的隐含能源流动仍以消费驱动为主;③中国整体直接能源利用大于完全能源需求,但是近年来部分省份直接能源利用与完全能源需求之间的缺口有所缓解;④中国整体隐含能源冗余情况有所改善,但河北、辽宁、山西等隐含能源供给省份的能源利用效率仍有待提升。本文结果有助于针对性地辨识低能效省份的能源效率、降低全供应链的能效冗余,对中国各省份间的高效能源配置利用具有借鉴意义。
关键词： 隐含能源;投入产出;供需均衡;流动模式;能效冗余;中国

Abstract

With the gradual strengthening of China’s energy production and consumption linkages, the energy flows embodied in commodity trade would balance China’s overall energy supply and demand, but energy efficiency redundancy has gradually emerged along with interprovincial energy flows. This study depicted China’s multiprovincial embodied energy flows and measured the energy efficiency redundancy. The main conclusions are as follows: (1) China’s multiregional embodied energy flows were from North China, East China, Central China, and Northeast China to South China, Northwest China, and Southwest China; (2) The main driver of energy demand in most regions of China was gradually shifting from consumption to investment, but the total energy demand in economically developed provinces/municipalities such as Beijing, Shanghai, and Guangdong was still driven by consumption; (3) China’s direct energy use was greater than total energy demand, but the gap between direct energy use and total energy demand in some provinces have narrowed in recent years; (4) China’s energy efficiency redundancy has improved, but the energy utilization efficiency of Hebei, Liaoning, and Shanxi Provinces, as embodied energy suppliers, still needs to be improved. The results of this study have practical implications for identifying the energy efficiency of targeted provinces and lower the energy efficiency redundancy of the entire supply chain, which is essential for improving multiregional energy allocation and utilization efficiency in China.

Keywords：embodied energy;input-output;supply-demand balance;transfer pattern;efficiency redundancy;China

PDF (1667KB)元数据多维度评价相关文章导出EndNote|Ris|Bibtex 收藏本文
本文引用格式
郭珊, 韩梦瑶, 杨玉浦. 中国省际隐含能源流动及能效冗余解析. 资源科学[J], 2021, 43(4): 733-744 doi:10.18402/resci.2021.04.08
GUO Shan, HAN Mengyao, YANG Yupu. Multiregional embodied energy flows and energy efficiency redundancy in China. RESOURCES SCIENCE[J], 2021, 43(4): 733-744 doi:10.18402/resci.2021.04.08

1 引言

中国各地区能源利用效率不均,供需缺口巨大,各区域能源开采与能源消费的不对称对中国能源供需均衡提出了巨大挑战^[1,2]。考虑到区域能源禀赋的不同,中国能源的生产、消费、供应空间随着社会经济的发展有了巨大的扩展^[3]。已有研究大多从直接能源供应的角度刻画整体能源供给趋势^[4],然而,伴随商品流动的隐含能源流动,在平衡中国总体能源压力,尤其是在解决区域协调发展、大都市的能源供应紧张等问题方面,逐渐展现出巨大潜力。

从能源供需角度,大部分能源从中国西北、中部和北部流向东南沿海地区^[5]。随着高新技术产业向东南沿海地区集聚,中国能源强度呈现东南低、西北高的态势^[6],而且东部地区的能源需求上升快于中部和西部地区^[7]。值得注意的是,跨区域能源流动满足各地能源需求的流动机制相对复杂^[8]：一方面,不同区域的能源资源禀赋决定了区域间能源流动的供需差别;另一方面,不同区域的发展增速差距决定了不同地区对能源需求总量的差异。从中国省域能源供需的视角,揭示隐藏在经济活动中的能源供需流动的内在规律,探究中国区域间不同能源主体供给与需求的合理对接,对于中国缓解能源压力、实现区域协调发展具有重要意义^[9]。

隐含能源（Embodied energy）的概念始于1980年,主要用于分析产品和服务生产过程中直接和间接消耗的能源总量^[10]。为探讨能源生产和消费之间的相对关系,隐含能源逐渐从能源代价（Energy cost）及能值（Emergy）等概念中衍生出来,形成了包括投入产出法、过程分析法在内的诸多研究方法。部分研究以过程分析法为出发点,结合有限过程的末端能源利用量,从“摇篮到坟墓”全过程的能源消费着手,对隐含能源利用开展末端化的估算。相较而言,投入产出法则以能源生产、消费主体的网络关联为关注点,开展不同区域之间的网络关联研究^[11,12,13],更多侧重分析系统内部不同结构之间的耦合机制^[14,15,16]。通过隐含能源流动测算,可以将各省的能源使用分为直接能源利用与完全能源需求,其中直接能源利用指的是区域内直接利用的能源总量,完全能源需求指的是区域内各部门最终需求的能源总量^[17,18]。

具体来看,基于单区域投入产出的隐含能源研究大多针对某一个国家或者一个省市^[19],侧重于分析各行业之间的隐含能源关联^[20,21]。由于不同区域关联程度的紧密性不断增强,多个区域之间的内在关联同样得到广泛分析^[22,23,24]。多区域关联分析主要基于引力模型的基本原理^[25],是投入产出研究领域的重要内容,被应用于多种资源要素的跨区域影响效应分析^[26,27]。此外,中国区域间投入产出表的编制为中国各省市之间的隐含能源流动分析提供了极大的便利^{[28,29,30,31]},成为中国资源环境问题的重要分析工具^[32,33,34]。

截至目前,已有研究以区域关联为主要研究对象,开展了多个国家/地区之间的能源利用关联分析^[35,36,37]。也有研究提出,全球范围内伴随商品贸易的隐含能源流动量达到了直接能源利用总量的1/3以上,对全球不同区域发展的影响越发重要^[38,39]。以中国对外贸易为研究对象,已有研究分析了中国与全球多区域间的能源供需均衡^{[40,41,42,43]}。另外,部分研究对中国国内区域间贸易中的隐含能源开展分析并指出,2007年隐含在国内贸易中的能源使用量较2002年增加了近两倍,亟待更深入、系统的分析^[44]。

具体到中国各区域之间的隐含能源分析,已有研究综合考虑人均能源量、能源强度和能源贸易对中国各省市间能源流动进行分析,将各省市分为能源消费型、能源出口型等^[45]。同时,有****对区域间隐含能源流动开展研究发现,中国能源投入整体呈现出从北向南、从东向西移动;由于西北、中部、西南和东北是中国隐含能源净输出区域,东部、南部、北部沿海地区与京津是中国隐含能源净输入区域,中国逐渐呈现消费重心向东南移动、输出重心向东北移动的趋势^[46,47]。也有研究从耦合的角度着手,分析了典型经济区的资源环境影响及其与能源利用相关的资源环境效应^[48,49,50]。

值得注意的是,能源利用所形成的生产与消费布局存在着明显的空间非对称性,与不同省市间的能源供需结构具有重要关联。随着时间推移,不同省市之间的经济发展及能源供需模式呈现出不同的态势^[51,52,53]。在中国隐含能源流动不均衡的背景下,贸易作为一种机制,有助于将经济相对发达地区的能源消费压力转移到其他区域,实现隐含能源的供需平衡。然而,低效的隐含能源流动有可能会导致经济发展水平及能源效率相对较低区域的能源问题进一步加剧,造成全国能效水平降低,形成伴随隐含能源流动的能效冗余。尽管已有研究通过模拟经济内部的商品流转,逐步开展了隐含能源随商品贸易的流动研究,但上述研究大多着重于区域发展及供需流动之间的相关模式分析,从隐含能源流动角度切入的中国不同省份之间的流动模式、流动效率及能效冗余等相关分析亟待开展。

为了填补隐含能源流动以及冗余领域研究的不足,本文力求对比2007年和2015年中国省际隐含能源流动关联,识别不同区域间协调发展及隐含能源流动模式,从中国省域能源供需的视角测算中国各省份间能源流动的效率及冗余,刻画主要省市间的能源供需平衡及区域发展模式,提出面向不同地域省市的区域协调发展及降低能效冗余的途径,结合各省市的能源利用及流转特征提供可行的能源配置与利用建议,力求为中国各省份间能源高效配置利用、降低全供应链能效冗余提供量化支撑。

2 方法与数据

2.1 隐含能源强度测算

根据Costanza的模型及扩展,能源利用的物质均衡可以表达为：

（1）

d_{i}^{r} + \overset{m}{\sum_{s = 1}} \overset{n}{\sum_{j = 1}} ε_{j}^{s} z_{ji}^{sr} = ε_{i}^{r} x_{i}^{r}

式中：

d_{i}^{r}

代表r区域i部门的直接能源利用,

ε_{j}^{s}

代表s区域j部门的隐含能源强度,

z_{ji}^{sr}

表示从s区域j部门到r区域i部门的商品/服务的中间投入量,

ε_{i}^{r}

表示r区域i部门的隐含能源强度,

x_{i}^{r}

代表r区域i部门的总经济产出。经济流的投入产出均衡可表述为：

（2）

x_{i}^{r} = \overset{m}{\sum_{s = 1}} \overset{n}{\sum_{j = 1}} z_{ij}^{rs} + \overset{m}{\sum_{s = 1}} f_{i}^{rs} + p_{i}^{r}

式中：

z_{ij}^{rs}

表示从r区域i部门到s区域j部门的商品/服务的中间投入量,

f_{i}^{rs}

代表r区域到s区域i部门的商品/服务的最终消费量,其中包括农村居民消费、城市居民消费、政府消费、固定资本形成总额和存货增加,

p_{i}^{r}

是r区域i部门的贸易项及均衡项。

用矩阵D代表直接能源利用,矩阵E代表单元产出强度,矩阵Z代表中间产品投入,矩阵

\overset{?}{X}

代表总产出,矩阵

\overset{?}{F}

代表总需求,则公式（1）和（2）可分别表示为：

（3）

D + EZ = E \overset{?}{X}

（4）

\overset{?}{X} = Z + \overset{?}{F}

对于经济体中的所有部门,隐含能源强度矩阵E可以反映单位最终需求中的隐含能源利用量,强度越高,效率越低,具体公式可表示为：

（5）

E = D {\overset{?}{X}}^{- 1} {(I - A)}^{- 1}

式中：I代表单位矩阵,A代表直接消耗系数矩阵。

2.2 完全能源需求测算

直接能源利用（DEU）指区域内的直接能源使用,完全能源需求（EEU）指区域内最终需求中的能源使用。基于隐含强度矩阵,DEU和EEU可以表示为：

（6）

DE U^{r} = \overset{n}{\sum_{i = 1}} d_{i}^{r}

（7）

EE U^{r} = \overset{m}{\sum_{s = 1}} \overset{n}{\sum_{i = 1}} ε_{i}^{s} f_{i}^{sr}

式中：

d_{i}^{r}

代表r区域i部门的直接能源利用,

ε_{i}^{s}

代表s区域i部门的隐含能源强度,

f_{i}^{sr}

代表s区域到r区域i部门的商品/服务的最终消费量,。

作为最终使用中的能源流入（EEI）及流出（EEE）,可以分别表示为：

（8）

EE I^{r} = \overset{m}{\sum_{s = 1 (s \neq r)}} \overset{n}{\sum_{i = 1}} ε_{i}^{s} \times f_{i}^{sr}

（9）

EE E^{r} = \overset{m}{\sum_{s = 1 (s \neq r)}} \overset{n}{\sum_{i = 1}} ε_{i}^{r} \times f_{i}^{rs}

通过比较EEI和EEE的差额,可以得到区域间最终使用的能源均衡（EEB）。

作为最终使用中的能源消费（EEC）及投资驱动（EEV）可以分别表示为：

（10）

EE C^{r} = \overset{m}{\sum_{s = 1 (s \neq r)}} \overset{n}{\sum_{i = 1}} ε_{i}^{s} \times c_{i}^{sr}

（11）

EE V^{r} = \overset{m}{\sum_{s = 1 (s \neq r)}} \overset{n}{\sum_{i = 1}} ε_{i}^{s} \times v_{i}^{sr}

式中：

c_{i}^{sr}

代表从s区域到r区域i部门的消费需求,

v_{i}^{sr}

代表从s区域到r区域i部门的投资需求。

2.3 隐含能源能效冗余测算

结合隐含流动效率,本文引入能效冗余概念,用于刻画隐含能源流动中,从能效低于全国平均水平的地区供给到其他地区的隐含能源流动。对比能源强度及效率,现有研究通常用单位GDP的能源使用量计算得到直接能源强度。本文采用Leontief逆矩阵计算得到隐含能源强度,用于反映各地区单位生产活动中的隐含能源利用量,能源效率即为能源强度的倒数。通过对比分省域能源流动效率,测度省际能源流动中的能效冗余,有助于识别中国隐含能源流动格局中的低效能源流向,针对性地改善低能效省份的能源效率,进而降低全供应链的能效冗余。结合隐含能源强度及隐含能源流动关联,能效冗余量（δ）可以由如下公式计算得到：

（12）

δ = \{\begin{array}{l} \overset{m}{\sum_{r = 1}} (ε^{r} - ε^{g}) \times f^{rs}, ε^{r} > ε^{g} \\ 0, ε^{r} \leq ε^{g} \end{array}

式中：

ε^{r}

为r区域的隐含能源强度,

ε^{g}

为全国平均隐含能源强度。结合隐含能源流动的冗余量与隐含能源流动趋势,可以计算隐含能源流动的冗余度。其中,能效冗余可以用于反映不同省份之间隐含能源流动的相对效率,能源流动效率越低,能效冗余量越高。

2.4 数据来源以及区域划分

本文主要数据包括中国各省市的直接能源利用数据、GDP数据、常住人口数据和中国区域间投入产出数据,主要来自于《中国统计年鉴》《中国能源统计年鉴》和中国区域间投入产出表^{[28,29,30,31]},各省能源消费的实物量数据通过《中国能源统计年鉴》中的“附录4”（各种能源折标准煤参考系数）换算为各省能源消费的能量数据。结合中国历年区域间投入产出表的编制情况,本文选取2007年和2015年作为重点研究年份。由于统计数据的限制,本文涉及的中国省区市仅包括30个省区市,未包含西藏、香港、澳门、台湾。此外,为了研究中国各地区经济发展及能源消费特征,将中国各省市划分为7个区域（华北、华东、华中、华南、东北、西南、西北）(① 中国各省市区域划分如下：华北（北京、天津、河北、山西、内蒙古）、东北（辽宁、吉林、黑龙江）、华东（上海、江苏、浙江、安徽、福建、江西、山东）、华中（河南、湖北、湖南）、华南（广东、广西、海南）、西南（重庆、四川、贵州、云南）、西北（陕西、甘肃、青海、宁夏、新疆）。)。本文的分析结果基于各省份的能源利用及投入产出数据,对各省区的隐含能源流动及能效冗余情况进行深入研讨。

3 结果与分析

3.1 中国省域能源强度及效率分析

总体来看,能源强度在一定程度上用于反映货币价值和能源使用之间的内在联系,其与能源效率呈现倒数关系,是衡量能源利用水平的重要指标。如图1所示,北京、上海、江苏、广东等省市的能源强度相对较低,即能源利用效率处于较高水平。在2007年和2015年,上海的能源强度分别为1805.79 kJ/元及1092.48 kJ/元,北京的能源强度分别为1817.34 kJ/元及1095.55 kJ/元。而青海、新疆等省区的能源利用效率始终处于相对较低的水平。在2007及2015年,青海的能源强度分别为6183.44 kJ/元及4295.00 kJ/元,新疆的能源强度分别为4505.17 kJ/元及4242.80 kJ/元。

图1

新窗口打开|下载原图ZIP|生成PPT
图12007年和2015年中国各省份隐含能源强度对比

Figure 1Comparison of China’s provincial embodied energy intensities, 2007 and 2015

从各省能源强度变化趋势来看,湖北、贵州的能源强度在2007—2015年间下降幅度最大,分别为53.70%、55.37%;新疆、海南的能源强度下降幅度相对较小,分别为5.82%、23.35%。通过对比各省份能源强度可以发现,2007年全国有11个省份能源强度优于全国平均水平,大多数省份能源利用效率比全国平均能源利用效率低;2015年,山东、湖北、湖南、吉林的能源利用效率从低于全国平均水平变为高于全国平均水平,中国能源整体利用效率有所提升。

结合隐含能源强度及流向,可以对比中国主要省份之间的隐含能源效率情况。中国各省份隐含能源利用效率对比如表1所示。总体来看,能源利用效率相对较低的隐含能源供应省份主要集中在河北、内蒙古、山西、辽宁、四川等地区。中国各省份之间的隐含能源流动效率提升主要得益于各省隐含能源强度的降低,其中江苏、河南、湖北、浙江、重庆、安徽的隐含能源效率提升对总体流动效率提升的贡献相对较高。以2015年为基准年份,降低河北、山西、辽宁、安徽、四川、贵州、宁夏等省份5%的隐含能源强度,可分别降低45.91 PJ、35.86 PJ、43.47 PJ、48.09 PJ、29.45 PJ、13.82 PJ的能源消费量。

Table 1
表1
表12007年和2015年中国各省份隐含能源利用效率对比
Table 1Comparison of China’s provincial embodied energy efficiencies, 2007 and 2015

类别		2007年	2015年
隐含能源供应	效率高	江苏、浙江、安徽	上海、江苏、浙江、江西、山东、湖北
隐含能源供应	效率低	河北、内蒙古、辽宁、山东、湖北、湖南、重庆、四川、陕西	河北、山西、辽宁、安徽、四川、贵州、宁夏
隐含能源需求	效率高	北京、天津、上海、福建、江西、广东,广西、海南	北京、天津、吉林、福建、湖南、广东、广西、海南
隐含能源需求	效率低	山西、吉林,黑龙江、河南、贵州、云南、甘肃、青海、宁夏、新疆	内蒙古、黑龙江、河南、重庆、云南、陕西、青海、新疆

注：能源效率的高与低为与全国平均水平相对比的结果。

新窗口打开|下载CSV

3.2 中国省际隐含能源流向及流量分析

将直接能源利用引入不同省份的贸易关联,可以测算中国不同省份之间的隐含能源流动趋势。从净流量变化来看,中国区域间隐含能源流动多是流入经济发达、生活水平较高的地区,如北京、上海、广东等。近些年,中国部分省市在隐含能源净流动格局中发生了较大转变。2007年—2015年间,河北净流出量从571.80 PJ减少至186.67 PJ,北京净流入量从88.61 PJ减少至17.91 PJ,福建净流入量从94.44 PJ减少至11.71 PJ,上述省市在隐含能源流动中的重要性有所下降。相反地,山东净流出量从178.53 PJ增加至266.44 PJ,辽宁净流出量从286.59 PJ增加至473.20 PJ,广东净流入量从289.10 PJ增加至1276.56 PJ,黑龙江从87.49 PJ增加至312.15 PJ,上述省市在隐含能源省际流动方面展现出更加重要的地位。此外,部分省市在隐含能源供需格局中发生隐含能源流向变化。其中,重庆从净流出（200.74 PJ）转为净流入（326.47 PJ）,甘肃从净流入（28.03 PJ）转为净流出（100.91 PJ）,宁夏从净流入（31.78 PJ）转为净流出（187.74 PJ）。

中国主要的省际间隐含能源净流动情况如表2所示。其中,主要省际间的隐含能源流向及流量呈现出较大的差异。2007年,河北到天津的净流动量为92.46 PJ、浙江到上海的净流动量为88.43 PJ、内蒙古到天津的净流动量为76.28 PJ、浙江到广东的净流动量为66.09 PJ、江苏到上海的净流动量为51.55 PJ,中国隐含能源流动的主要省份集中在京津冀和长三角地区。2015年,江苏到广东的净流动量为174.58 PJ、浙江到重庆的净流动量为85.02 PJ、山东到河南的净流动量为74.52 PJ、浙江到广东的净流动量为68.69 PJ、山西到天津的净流动量为59.43 PJ,中国隐含能源流动的主要省份集中在长三角、珠三角及西部地区。

Table 2
表2
表22007年和2015年中国主要省际隐含能源净流动情况
Table 2China’s main provincial embodied energy transfer flows, 2007 and 2015

2007年			2015年
排名	流向	流量/PJ	排名	流向	流量/PJ
1	河北→天津	92.46	1	江苏→广东	174.58
2	浙江→上海	88.43	2	浙江→重庆	85.02
3	内蒙古→天津	76.28	3	山东→河南	74.52
4	浙江→广东	66.09	4	浙江→广东	68.69
5	江苏→上海	51.55	5	山西→天津	59.43
6	湖南→广东	46.04	6	山西→内蒙古	56.45
7	江苏→河南	45.87	7	河北→黑龙江	40.64
8	河北→黑龙江	40.39	8	江苏→北京	36.26
9	内蒙古→吉林	38.08	9	山东→安徽	36.24
10	内蒙古→北京	29.05	10	江苏→上海	35.59

新窗口打开|下载CSV

对比来看,跨区域能源流动驱动可以进一步分为消费驱动和投资驱动两类。中国各省份能源消费与投资驱动对比如表3所示。其中,消费驱动的能源需求占比较高的地区为北京、上海、广东等地区,且消费驱动占比呈现不断增加的趋势。具体来看,北京、上海等直辖市的消费驱动占比约为60%,广东、浙江、江苏等省份的消费驱动占比也高于50%。该类省市的经济发展程度高,以能源消费为主的驱动模式不断增强。相反,投资驱动的能源需求占比较高的地区为天津、河北、山西等地区,同样也呈现了投资驱动占比不断增强的趋势。其中,天津、内蒙古、吉林、陕西等地区的投资驱动占比逐渐超过60%,而辽宁、广西、山西、山东等省份的投资驱动占比也大多高于50%。对比来看,该类省市的经济增长主要由资源开采加工业带动,其能源需求更侧重依赖投资驱动。

Table 3
表3
表32007年和2015年中国各省份能源消费与投资驱动对比
Table 3China’s provincial consumption and investment driven energy uses, 2007 and 2015

类型	2007年	2015年
能源消费驱动为主	北京、上海、湖南、广东、海南、重庆、四川、贵州	北京、上海、江苏、浙江、广东
能源投资驱动为主	天津、河北、山西、辽宁、吉林、黑龙江、江苏、浙江、福建、河南、广西、云南、陕西、青海	天津、河北、山西、内蒙古、辽宁、吉林、福建、山东、河南、广西、海南、云南、陕西、青海
能源消费驱动≈能源投资驱动	内蒙古、安徽、江西、山东、湖北、甘肃、宁夏、新疆	黑龙江、安徽、江西、湖北、重庆、四川、贵州、甘肃、宁夏、新疆

注：≈表示两个指标之间的差距在±5%范围内浮动,下同。

新窗口打开|下载CSV

3.3 省域直接能源利用与完全能源需求分析

整体来看,中国能源利用总量整体分布呈现东高西低的状况,从2007年的93481.71 PJ增加至2015年的131095.19 PJ,增加了近40.24%。其中,河北、辽宁等省份的直接能源利用量相对较高,2015年分别为8614.79 PJ、6349.95 PJ,海南、青海省份的直接能源利用量较低,2015年分别达到了567.97 PJ、1211.55 PJ。从变化趋势来看,全国各省市均处于上升阶段,新疆、青海等地区的直接能源利用量上升速度较快,年均增长率达到11.45%、8.87%,北京、上海等地区的上升速度较慢,年均仅增长1.09%、2.06%。

完全能源需求综合考虑了能源供需关联过程中用于满足最终需求的能源利用总量。结合隐含能源流动量,可以分析中国各省份的完全能源需求情况。总体来看,全国完全能源需求总量从76777.26 PJ增长至109901.01 PJ,呈现明显上升趋势,但整体比直接能源利用量略低。其中,山东、广东、河南等省份的完全能源需求量较大,2015年分别达到了8029.91 PJ、7935.07 PJ、6582.02 PJ。而海南、青海、宁夏等省份的完全能源需求量较小,2015年仅为610.48 PJ、989.16 PJ、883.85 PJ。从变化趋势来看,新疆、重庆、海南的完全能源需求总量均呈现明显上升趋势,年均增长分别为13.77%、11.05%、10.97%。

中国各省份直接能源利用与完全能源需求的相对关系变化趋势如表4所示。总体来看,北京、河北、山西、内蒙古、辽宁、江苏、山东等地区的本地直接能源利用量与完全能源需求量的差值呈现了扩大的趋势。其中,北京完全能源需求量超出直接能源利用量的缺口显著扩大,从2007年的214.27 PJ增加至2015年的705.30 PJ。

Table 4
表4
表42007年和2015年中国各省份直接能源利用与完全能源需求对比
Table 4Relationship between China’s provincial direct energy use and final energy demand, 2007 and 2015

类型	2007年	2015年
直接能源利用>完全能源需求	河北、山西、内蒙古、辽宁、江苏、山东、河南、广东	河北、山西、内蒙古、辽宁、江苏、福建、山东、宁夏
直接能源利用<完全能源需求	北京、天津、吉林、黑龙江、上海、浙江、安徽、江西、广西、四川、云南、青海	北京、天津、吉林、上海、安徽、河南、湖北、湖南、广西、海南、重庆、四川、云南、陕西
直接能源利用≈完全能源需求	福建、湖北、湖南、海南、重庆、贵州、陕西、甘肃、宁夏、新疆	黑龙江、浙江、江西、广东、贵州、甘肃、青海、新疆

新窗口打开|下载CSV

对比中国各省市的直接能源利用与完全能源需求,中国不同省份可以大致分为3类：第一类省份包括北京、上海等直辖市,该类地区的特征为本地完全能源需求大于本地能源直接使用量,需要通过大量产品的调入和进口来满足,其经济结构偏向轻型第二产业和第三产业,大多从其他省市调入大量产品来满足自身需求;第二类省份包括河北、山西、内蒙古、辽宁、江苏、山东等地区,该类省份的特征为本地完全能源需求量小于本地能源直接使用量,其中河北省、山东省的两者差额最大,分别达到了3148.53 PJ、3090.63 PJ;第三类省份浮动范围较小,主要包括贵州、甘肃、新疆等地区,该类省份特征为本地完全能源需求量与直接能源使用量基本维持平衡,差额在5%范围内浮动,直接能源使用和完全能源需求之间的差距并不显著。

3.4 中国区域内外的能效冗余对比分析

结合隐含能源流动趋势及效率,可以进一步分析不同区域间的能效冗余。中国区域内外能效冗余度对比分析见表5。整体来看,中国能源流动冗余度从2007年的14.28%降低至2015年的11.93%,整体隐含能源流动效率呈现不断升高的趋势。分区域来看,不同地区隐含能源流动的冗余量和冗余度及其变化趋势有所差异。其中,东北地区的隐含能源流入与流出中冗余量均呈现上升趋势,但冗余度呈现下降趋势。华中地区的隐含能源流出中冗余量与冗余度均出现下降趋势。华南地区的隐含能源流入中冗余量呈现上升趋势。华东地区的隐含能源流出和流入中冗余量均呈现了上升趋势。华北地区的隐含能源流入与流出的冗余量均呈现了上升的趋势。西南地区的隐含能源流出和流入中冗余量均呈现了上升趋势。西北地区的隐含能源流入中冗余度有所降低,但隐含能源流出的冗余度呈现了上升趋势,其能源利用效率有待进一步提升。

Table 5
表5
表52007年和2015年中国各区域内外能效冗余度对比
Table 5Comparison of China’s regional energy efficiency redundancies, 2007 and 2015

区域	区域外部流出冗余				区域外部流入冗余				区域内部冗余
	冗余量/PJ		冗余度/%		冗余量/PJ		冗余度/%		冗余量/PJ		冗余度/%
	2007	2015	2007	2015	2007	2015	2007	2015	2007	2015	2007	2015
华北	488.70	895.38	22.72	30.94	222.12	273.15	11.90	7.77	179.45	209.49	29.10	34.90
东北	192.39	364.73	19.14	17.95	117.04	246.14	13.45	11.00	81.39	23.00	19.53	16.83
华东	14.12	37.47	0.63	0.55	506.21	569.89	19.77	19.76	4.90	8.81	0.51	0.68
华中	169.57	57.56	12.95	2.58	140.28	292.85	12.23	11.36	10.15	3.29	13.01	1.42
华南	0.00	0.00	0.00	0.00	195.15	336.22	15.07	12.72	0.00	0.00	0.00	0.00
西南	305.95	330.17	26.89	15.96	78.52	263.28	8.85	11.19	61.57	48.39	25.23	17.29
西北	193.54	492.21	23.09	37.54	104.96	195.98	10.86	9.48	25.20	34.07	32.97	39.43
合计	1364.27	2177.51	14.22	11.91	1364.27	2177.51	14.22	11.91	362.67	327.06	14.50	12.01

新窗口打开|下载CSV

从区域内部层面来看,华北地区主要能源流向为：由山西、内蒙古、河北供给天津、北京,区域内隐含能源流动冗余量从179.45 PJ提高到209.49 PJ,其中山西向河北、内蒙古、天津的低效流动呈现增加趋势;东北地区主要能源流向为：辽宁供给吉林、黑龙江,区域内隐含能源流动冗余量及冗余度均呈现下降趋势;华东地区主要能源流向为：由浙江、江苏、安徽供给上海,区域内隐含能源流动中冗余量略有升高;华南地区主要能源流向为：广西、海南供给广东,区域内隐含能源流动中冗余量基本为0;西南地区主要能源流动为：四川、贵州供给重庆以及重庆供给云南,区域内隐含能源流动冗余量与冗余度均呈现下降趋势,且区域内重庆向云南的低效流动大幅下降。

表6显示了中国各省份隐含能源流动及能效冗余模式。从能源强度的视角看,能源利用效率较高的省份从能源效率较低的省份获取隐含能源,将导致全国能源利用效率进一步降低。具体来看,北京、天津等直辖市的隐含能源主要呈现流入状态,但由于主要隐含能源供应地区的效率提升,冗余量呈现不断降低趋势;对于重庆等直辖市,主要隐含能源供应地区的能效降低,冗余量呈现不断升高趋势。对于能源效率相对较低的省份,河北、山西等地区的能源利用效率一直偏低,同时是主要的隐含能源供应地区,致使对应地区的隐含能源流动冗余量居高不下,且呈现不断升高的趋势;然而,湖北、山东等地区的能源利用效率不断提升,相对应的冗余量呈现不断降低的趋势,总体能源利用效率有所增加。

Table 6
表6
表62007年和2015年中国各省份隐含能源流动及能效冗余对比
Table 6Comparison of China’s provincial embodied energy transfer and energy efficiency redundancies, 2007 and 2015

类型	变化趋势	典型省份	能效对比
能源流出冗余	冗余量增加	甘肃、宁夏、四川、安徽、贵州	高于平均水平
	冗余量增加	河北、山西、辽宁	低于平均水平
	冗余量降低	湖北、山东	低于平均水平
能源流入冗余	冗余量增加	重庆、内蒙古、河南、黑龙江、新疆,陕西、云南、青海	高于平均水平
	冗余量增加	湖南、广东、广西、海南	低于平均水平
	冗余量降低	北京、天津、吉林	低于平均水平

新窗口打开|下载CSV

4 结论与政策建议

4.1 结论

随着中国经济增长进入新常态,经济与贸易结构优化将促使中国能源供给与需求结构进一步优化。中国各省份间的商品贸易流动的不断增加,使得隐含能源流动对平衡中国总体能源供需愈发重要。结合中国省域能源供需均衡,本文刻画了2007年和2015年中国省际隐含能源流动变化趋势,识别了不同省域的能源供需演变,测算了不同区域间的隐含流动的能效冗余,研究结果发现：

（1）中国整体直接能源利用仍然大于完全能源需求,隐含能源流动主要呈现从华北、华东、华中、东北地区向华南、西北、西南地区供应的格局,尤其从具备能源禀赋或者工业基础的地区向相对发达的省市流动。

（2）随着各省能源改革深入、能源体系完善,东南沿海地区逐渐取代北方重工业基地成为重要的隐含能源供给区域之一,中国隐含能源流动的主要省份逐渐从京津冀逐渐向长三角、珠三角及西部地区转移。

（3）消费驱动的能源需求占比较高的地区为北京、上海、广东等地区,且消费驱动占比呈现不断增加的趋势;而天津、山西、内蒙古等地区的投资驱动主要由资源开采及加工业驱动,其能源需求更侧重依赖投资驱动。

（4）中国隐含能源效率在2007年后出现了明显的提高,但能源利用效率相对较低省份向能源利用效率相对较高省份的隐含能源流动有可能造成一定程度的能效冗余,进而降低了中国整体能源效率。

4.2 政策建议

为进一步提高全国能源利用效率、降低能效冗余,本文识别了中国隐含能源供需的关键节点,分析了省际隐含能源流动及其能效冗余。研究结果对于各区域相关政策制定具有一定的借鉴意义,具体来看：

（1）从能源供给视角,隐含能源供给区域主要分布在西北地区、东北地区以及河北、内蒙古、山西。上述地区具有丰富的能源储量或者重工业基础,但其能源加工业的能效相对较低。部分省份生产的低效率能源产品沿着隐含能源供应链传递到其他省份,形成整体低效的能源流动模式,增加全国隐含能能效冗余。由此,精准识别能源供给区域的低能效流动路径,提高当地产业的能源利用效率,淘汰落后产能,建立低效产能退出机制,对于全国能源利用效率提升具有重要意义。

针对山西、河北、内蒙古等低效率隐含能源供给省份,大力推进落后产能退出,有助于提高当地直接能源利用效率,并通过隐含能源链条提高全国隐含能源利用效率;推进能源深度开发利用,对煤炭进行深加工有助于提高煤炭综合利用率、增加产业附加值,从而提高能源利用效率;鼓励本地产业转型、推进相关产业政策落实,规避“资源诅咒”。

（2）从能源需求视角,对于隐含能源需求地区,尤其是东南沿海地区,大多存在着能源资源储量少、能源消费总量高的问题。为保障能源需求地区的能源高效利用,可以进一步优化能源贸易结构、提高能源流动效率。充分发挥需求侧的拉动效应,优化供需结构,完善隐含能源供应效率提升的倒逼机制,有助于实现全产业链的能源利用效率提升。

针对东南沿海地区为主的隐含能源需求地区,一方面推动形成冗余度逐步降低的流动模式,鼓励从高效率的隐含能源供应地区进口产品,对产品的能源利用水平测度需要考虑其全产业链,推动形成“绿色”生产链条;另一方面,推动国家层面需求侧管理,将产业分工局面进行优化调整,推动原料运输成本低、成品运输成本高的产业向成品需求高的地区转移,推动原料运输成本高、成品运输成本低的产业向原料供应充足的地区转移,促使隐含能源流向合理化。

（3）中国已经形成了较固定的区域间隐含能源流动格局,不同类型省市的区域协调发展及能源供需缓解途径有所差别。针对目前中国隐含能源流动空间格局,华北、华东和华南地区等能源生产消费错位严重的区域,有必要进一步保障华北地区能源供给能力与华东、华南地区能源需求协同发展,实现能源供求大体平衡。对于西部地区,尽量避免将西北地区简单作为国家能源平衡保障区域,增强东西部地区的技术转移与产业合作,避免能源供给需求失衡等问题。

总体来看,本文力求刻画中国2007年和2015年省际隐含能源流动趋势,识别中国不同省份间能源供需模式,测算中国各省份间隐含能源流动的效率及冗余,将全国隐含能源流动格局与国家能源战略制定相结合。结合中国不同省份的隐含能源流动及能效冗余的变化趋势,本文的研究结果有助于从国家战略层面完善全国能源供需格局的保障机制,对中国各省份间能源高效配置利用、降低全供应链能效冗余具有借鉴意义。

参考文献原文顺序
文献年度倒序
文中引用次数倒序
被引期刊影响因子

[1]

张雷, 黄园淅. 改革开放以来中国能源供需格局演变
[J] . 经济地理, 2009,29(2):177-184.

[本文引用: 1]

[ Zhang

, Huang Y

. The changing pattern of energy supply-demand in China since reform and opening
[J]. Economic Geography, 2009,29(2):177-184.]

[本文引用: 1]

[2]

Mischke

, Xiong W

. Mapping and benchmarking regional disparities in China’s energy supply, transformation, and end-use in 2010
[J]. Applied Energy, 2015,143:359-369.

DOI:10.1016/j.apenergy.2015.01.011 URL [本文引用: 1]

[3]

Shi X

, Chu J

, Zhao C

. Exploring the spatiotemporal evolution of energy intensity in China by visual technology of the GIS
[J]. Energy, 2021, DOI: 10.1016/j.energy.2021.120650.]

[本文引用: 1]

[4]

成升魁, 徐增让, 沈镭. 中国省际煤炭资源流动的时空演变及驱动力
[J]. 地理学报, 2008,63(6):603-612.

[本文引用: 1]

[ Cheng S

, Xu Z

, Shen

. Spatial-temporal process and driving force of interprovincial coal flowing in China
[J]. Acta Geologica Sinica, 2008,63(6):603-612.]

[本文引用: 1]

[5]

Zhang H

, Lahr M

. China’s energy consumption change from 1987 to 2007: A multi-regional structural decomposition analysis
[J]. Energy Policy, 2014,67:682-693.

DOI:10.1016/j.enpol.2013.11.069 URL [本文引用: 1]

[6]

, Ren Z

. Prediction of energy production and consumption in China and its environmental response based on coupling model
[J]. Journal of Geographical Sciences, 2012,22(1):93-109.

DOI:10.1007/s11442-012-0914-5 URL [本文引用: 1]

[7]

Wang X

, He

, Hong J

, et al. A spatiotemporal investment of energy-driven factors in China: A regional-based structural decomposition analysis
[J]. Energy, 2020, DOI: 10.1016/j.energy.2020.118249.

[本文引用: 1]

[8]

沈镭, 刘晓洁. 资源流研究的理论与方法探析
[J]. 资源科学, 2006,28(3):9-16.

[本文引用: 1]

[ Shen

, Liu X

. Discussion on theories and methods of resources flow
[J]. Resources Science, 2006,28(3):9-16.]

[本文引用: 1]

[9]

Zhang

, Chen Z

, Xia X

, et al. The impact of domestic trade on China’s regional energy uses: A multi-regional input-output modeling
[J]. Energy Policy, 2013,63:1169-1181.

DOI:10.1016/j.enpol.2013.08.062 URL [本文引用: 1]

[10]

Costanza

. Embodied energy and economic valuation
[J]. Science, 1980,210(4475):1219-1224.

DOI:10.1126/science.210.4475.1219 URL [本文引用: 1]

[11]

Leontief

. Input-output Economics[M]. New York: Oxford University Press, 1986.

[本文引用: 1]

[12]

Wiedmann

, Lenzen

. Environmental and social footprints of international trade
[J]. Natural Geoscience, 2018,11:314-321.

[本文引用: 1]

[13]

Chen G

, Guo

, Shao

, et al. Three-scale input-output modeling for urban economy: Carbon emission by Beijing 2007
[J]. Communications in Nonlinear Science and Numerical Simulation, 2013,18(9):2493-2506.

DOI:10.1016/j.cnsns.2012.12.029 URL [本文引用: 1]

[14]

Guo

, Zheng

, Hu

, et al. Embodied energy use in the global construction industry
[J]. Applied Energy, 2019, DOI: 10.1016/j.apenergy.2019.113838.

[本文引用: 1]

[15]

钟章奇, 姜磊, 何凌云, 等. 基于消费责任制的碳排放核算及全球环境压力
[J]. 地理学报, 2018,73(3):442-459.

DOI:10.11821/dlxb201803005PMID:1ED9265A-456B-44F4-8619-8CB7E6F3F780 [本文引用: 1]

因区域间贸易而转移的碳排放对于全球各个国家或者地区的碳排放核算及其减排责任划分具有重要而深远的影响。通过构建多区域投入产出分析模型和基于扩展的STIRPAT模型,本文核算了全球39个主要国家基于消费责任制的碳排放,并在此基础上深入探讨了全球环境压力的影响因素问题。研究发现：首先,从以净流出为主的中国和俄罗斯来看,尽管贸易给这些地区带来了大量的资源,但随之会产生严重的区域生态环境问题。而对于美国和欧盟等地区来说,这些国家或者地区通过全球贸易规避了大量的碳减排责任。此外,在全球贸易中,区域净流出的贸易隐含碳排放越小,基于消费责任制核算的区域碳排放量就越大,故而在全球减排目标分配中承担的减排任务也需相应地增加。全球贸易隐含碳排放净流出量较大的地区主要位于亚洲和东欧等地,而净流出量最小的地区主要是以西欧和北美等高度发达的经济体为主。其次,就基于消费责任制核算下的全球环境压力而言,人口因素和富裕程度是导致全球环境压力不断增加的两个重要因素,而提高生产技术水平以及逐渐提高清洁能源在总能源消费中的比重是推动全球节能减排、缓解全球环境压力的有效途径。

[ Zhong Z

, Jiang

, He L

, et al. Global carbon emissions and its environmental impact analysis based on a consumption accounting principle
[J]. Acta Geographica Sinica, 2018,73(3):442-459.]

PMID:1ED9265A-456B-44F4-8619-8CB7E6F3F780 [本文引用: 1]

[16]

Yang

, Chen

. Energy-water nexus of wind power generation systems
[J]. Applied Energy, 2016,169:1-13.

DOI:10.1016/j.apenergy.2016.02.010 URL [本文引用: 1]

[17]

申俊, 孙涵, 成金华. 中国城镇居民完全能源消费的空间计量分析
[J]. 资源科学, 2016,38(3):439-449.

[本文引用: 1]

[ Shen

, Sun

, Cheng J

. Spatial econometric analysis of the total energy consumption of urban residents in China
[J]. Resources Science, 2016,38(3):439-449.]

[本文引用: 1]

[18]

王妍, 石敏俊. 中国城镇居民生活消费诱发的完全能源消耗
[J]. 资源科学, 2009,31(12):2093-2100.

[本文引用: 1]

[ Wang

, Shi M

. Energy requirement induced by urban household consumption in China
[J]. Resources Science, 2009,31(12):2093-2100.]

[本文引用: 1]

[19]

黄宝荣, 王毅, 张慧智, 等. 北京市分行业能源消耗及国内外贸易隐含能研究
[J]. 中国环境科学, 2012,32(2):377-384.

[本文引用: 1]

[ Huang B

, Wang

, Zhang H

, et al. Energy intensity in different sectors of the economy and energy embodied in trade of Beijing based on an input-output model
[J]. China Environmental Science, 2012,32(2):377-384.]

[本文引用: 1]

[20]

高鹏, 岳书敬. 中国产业部门全要素隐含能源效率的测度研究
[J]. 数量经济技术经济研究, 2020,37(11):61-80.

[本文引用: 1]

[ Gao

, Yue S

. Measurement of total-factor embodied energy efficiency of China’s industry sectors
[J]. The Journal of Quantitative & Technical Economics, 2020,37(11):61-80.]

[本文引用: 1]

[21]

王锋, 高长海. 中国产业部门隐含能源的测度、分解与跨境转移: 基于CRIO模型的研究
[J]. 经济问题探索, 2020, ( 9):1-11.

[本文引用: 1]

[ Wang

, Gao C

. Measurement decomposition and cross-border transfer of embodied energy of China’s industrial sectors: Based on the CRIO model
[J]. Inquiry into Economic Issues, 2020, ( 9):1-11.]

[本文引用: 1]

[22]

Lenzen

, Moran

, Kanemoto

, et al. International trade drives biodiversity threats in developing nations
[J]. Nature, 2012,486(7401):109-112.

DOI:10.1038/nature11145PMID:22678290 [本文引用: 1]

Human activities are causing Earth's sixth major extinction event-an accelerating decline of the world's stocks of biological diversity at rates 100 to 1,000 times pre-human levels. Historically, low-impact intrusion into species habitats arose from local demands for food, fuel and living space. However, in today's increasingly globalized economy, international trade chains accelerate habitat degradation far removed from the place of consumption. Although adverse effects of economic prosperity and economic inequality have been confirmed, the importance of international trade as a driver of threats to species is poorly understood. Here we show that a significant number of species are threatened as a result of international trade along complex routes, and that, in particular, consumers in developed countries cause threats to species through their demand of commodities that are ultimately produced in developing countries. We linked 25,000 Animalia species threat records from the International Union for Conservation of Nature Red List to more than 15,000 commodities produced in 187 countries and evaluated more than 5?billion supply chains in terms of their biodiversity impacts. Excluding invasive species, we found that 30% of global species threats are due to international trade. In many developed countries, the consumption of imported coffee, tea, sugar, textiles, fish and other manufactured items causes a biodiversity footprint that is larger abroad than at home. Our results emphasize the importance of examining biodiversity loss as a global systemic phenomenon, instead of looking at the degrading or polluting producers in isolation. We anticipate that our findings will facilitate better regulation, sustainable supply-chain certification and consumer product labelling.

[23]

Guo

, Shen Q P

, . Multiregional input-output model for China’s farm land and water use
[J]. Environmental Science & Technology, 2015,49(1):403-414.

DOI:10.1021/es503637f URL [本文引用: 1]

[24]

李艳梅, 孙丽云, 张红丽, 等. 京津冀区域间产业转移对能源消费碳排放强度的影响
[J]. 资源科学, 2017,39(12):2275-2286.

[本文引用: 1]

[ Li Y

, Sun L

, Zhang H

, et al. The impact of interregional transfer of industries on carbon emission intensity of energy consumption in Beijing-Tianjin-Hebei
[J]. Resources Science, 2017,39(12):2275-2286.]

[本文引用: 1]

[25]

孟德友, 陆玉麒. 基于引力模型的江苏区域经济联系强度与方向
[J]. 地理科学进展, 2009,28(5):697-704.

[本文引用: 1]

[ Meng D

, Lu Y

. Strength and direction of regional economic linkage in Jiangsu Province based on gravity model
[J]. Progress in Geography, 2009,28(5):697-704.]

[本文引用: 1]

[26]

姚秋蕙, 韩梦瑶, 刘卫东. “一带一路”沿线地区隐含碳流动研究
[J]. 地理学报, 2018,73(11):2210-2222.

DOI:10.11821/dlxb201811012PMID:D919FFCA-5083-4718-9979-4B38622B3021 [本文引用: 1]

随着全球各区域的连通性不断增强,碳流动以及碳泄漏在全球碳减排过程中扮演着越来越重要的角色。伴随全球产业跨境转移的过程,发达国家的高碳行业逐渐转移到发展中国家,并从这些国家进口成品用于自身最终消费。基于多区域投入产出分析,本文测算了“一带一路”沿线地区隐含碳流动,分析了生产碳及消费碳强度在全球的空间分布,并以此为基础探讨了“一带一路”沿线地区的生产者及消费者责任。结果显示,“一带一路”沿线地区的生产碳强度大都高于消费碳强度,且两者的差值大多高于“一带一路”区域外发达地区。全球95%以上的隐含碳净流出发生在“一带一路”沿线地区,美国、西欧等发达国家/地区的消费所引发的“一带一路”沿线主要区域直接碳排放占比约为30%。考虑到跨国贸易中的隐含碳排放,“一带一路”沿线地区整体承受了较大的碳排放压力。从消费者责任着手衡量各国家/地区在全球气候变化中的碳排放责任,并以包容性全球化为基础推进“一带一路”气候治理体系构建,可为长期难以达成协议的全球气候治理问题提供有效思路。

[ Yao Q

, Han M

, Liu W

. Tracking embodied carbon flows in the Belt and Road regions
[J]. Acta Geographica Sinica, 2018,73(11):2210-2222.]

PMID:D919FFCA-5083-4718-9979-4B38622B3021 [本文引用: 1]

[27]

Han M

, Lao J

, Yao Q

, et al. Carbon inequality and economic development across the Belt and Road regions
[J]. Journal of Environmental Management, 2020, DOI: 10.1016/j.jenvman.2020.11

[本文引用: 1]

0250.

[本文引用: 1]

[28]

刘卫东. 中国2007年30省区市区域间投入产出表编制理论与实践[M]. 北京: 中国统计出版社, 2012.

[本文引用: 2]

[ Liu W

. Theory and Practice of Compiling China 2007 Multi-Regional Input-Output Table of 30 Provincial Units[M]. Beijing: China Statistics Press, 2012.]

[本文引用: 2]

[29]

刘卫东, 唐志鹏, 陈杰. 2010年中国30省区市区域间投入产出表[M]. 北京: 中国统计出版社, 2014.

[本文引用: 2]

[ Liu W

, Tang Z

, Chen

. The 2010 China Multi-Regional Input-Output Table of 31 Provincial Units[M]. Beijing: China Statistics Press, 2014.]

[本文引用: 2]

[30]

刘卫东, 唐志鹏, 韩梦瑶. 2012年中国31省区市区域间投入产出表[M]. 北京: 中国统计出版社, 2018.

[本文引用: 2]

[ Liu W

, Tang Z

, Han M

. The 2012 China Multi-Regional Input-Output Table of 31 Provincial Units[M]. Beijing: China Statistics Press, 2018.]

[本文引用: 2]

[31]

Zheng H

, Zhang Z

, Wei W

, et al, 2020. Regional determinants of China’s consumption-based emissions in the economic transition
[J]. Environmental Research Letters, 2020, DOI: 10.1088/1748-9326/ab794f.

[本文引用: 2]

[32]

Liu H

, Liu W

, Fan X

, et al. Carbon emissions embodied in demand-supply chains in China
[J]. Energy Economics, 2015,50:294-305.

DOI:10.1016/j.eneco.2015.06.006 URL [本文引用: 1]

[33]

Liu H

, Liu W

, Fan X

, et al. Carbon emissions embodied in value added chains in China
[J]. Journal of Cleaner Production, 2015,103:362-370.

DOI:10.1016/j.jclepro.2014.09.077 URL [本文引用: 1]

[34]

Li Y

, Chen

, Han M

, et al. Tracking carbon transfers embodied in Chinese municipalities’ domestic and foreign trade
[J]. Journal of Cleaner Production, 2018,192:950-960.

DOI:10.1016/j.jclepro.2018.04.230 URL [本文引用: 1]

[35]

Zhu B

, Su

, Li Y

, et al. Embodied energy and intensity in China’s (Normal and Processing) exports and their driving forces, 2005-2015
[J]. Energy Economics, 2020, DOI: 10.1016/j.eneco.2020.104911.

[本文引用: 1]

[36]

Zhang Z

, Lu

, Su

, et al. Energy, CO₂ emissions, and value added flows embodied in the international trade of the BRICS Group: A comprehensive assessment
[J]. Renewable and Sustainable Energy Reviews, 2019, DOI: 10.1016/j.rser.2019.109432.

[本文引用: 1]

[37]

Song Z

, Zhu Q

, Han M

. Tele-connection of global crude oil network: Comparisons between direct trade and embodied flows
[J]. Energy, 2021, DOI: 10.1016/j.energy.2020.119359.

[本文引用: 1]

[38]

Chen Z

, Chen G

. An overview of energy consumption of the globalized world economy
[J]. Energy Policy, 2011,39(10):5920-5928.

DOI:10.1016/j.enpol.2011.06.046 URL [本文引用: 1]

[39]

Shepard J

, Pratson L

. Hybrid input-output analysis of embodied energy security
[J]. Applied Energy, 2020, DOI: 10.1016/j.apenergy.2020.115806.

[本文引用: 1]

[40]

韩中, 王刚. 基于多区域投入产出模型中美贸易隐含能源、碳排放的测算
[J]. 气候变化研究进展, 2019,15(4):416-426.

[本文引用: 1]

[ Han

, Wang

. Estimation of embodied energy and carbon emissions in Sino-U. S. trade based on Multi-Region Input-Output Model
[J]. Climate Change Research, 2019,15(4):416-426.]

[本文引用: 1]

[41]

郭朝先, 胡雨朦. 全球生产分工体系下隐含能源跨境转移研究
[J]. 中国人口·资源与环境, 2019,29(12):26-35.

[本文引用: 1]

[ Guo C

, Hu Y

. Research on the cross-border transfer of embodied energy under global production division system
[J]. China Population, Resources and Environment, 2019,29(12):26-35.]

[本文引用: 1]

[42]

韩梦瑶, 熊焦, 刘卫东. 中国跨境能源贸易及隐含能源流动对比: 以“一带一路”能源合作为例
[J]. 自然资源学报, 2020,35(11):2674-2686.

[本文引用: 1]

[ Han M

, Xiong

, Liu W

. China’s cross-border energy relations between direct trade and embodied transfers: Based on “the Belt and Road” energy cooperation
[J]. Journal of Natural Resources, 2020,35(11):2674-2686.]

[本文引用: 1]

[43]

韦韬, 彭水军. 基于多区域投入产出模型的国际贸易隐含能源及碳排放转移研究
[J]. 资源科学, 2017,39(1):94-104.

[本文引用: 1]

[ Wei

, Peng S

. Embodied energy and carbon emissions transferred in international trade using a MRIO model
[J]. Resources Science, 2017,39(1):94-104.]

[本文引用: 1]

[44]

Sun X

, Li J

, Qiao

, et al. Energy implications of China’s regional development: New insights from multi-regional input-output analysis
[J]. Applied Energy, 2017,196:118-131.

DOI:10.1016/j.apenergy.2016.12.088 URL [本文引用: 1]

[45]

李方一, 刘卫东, 公丕萍. 中国产业能耗的区域差异与区域联系
[J]. 地理科学, 2015,35(1):38-46.

DOI:10.13249/j.cnki.sgs.2015.01.38PMID:BE85ECB4-8679-462A-BCBB-AD95AA1052B2 [本文引用: 1]

选取能源指标刻画中国区域能耗特征,揭示产业能耗的区域差异,并将30个省市、自治区划分为都市消费型、重型出口型、轻型出口型、能源基地型、中等能耗型和低能耗型6种能源利用类型。通过评估2007年各类型区域之间的隐含能源转移量,明确区域在隐含能源流中的位置,揭示产业能耗的区域联系。基于区域间投入产出分析与地域分工理论,分析中国产业能耗区域差异和区域联系现象的形成机制,可归因于区域产业分工与产业链分工,以及由此产生的最终产品与中间产品贸易,其中,区域参与产业链分工格局与区域间隐含能源流动格局基本匹配。最后为不同类型区域提出政策建议。

[ Li F

, Liu W

, Gong P

. Regional differences and inter-regional linkage of industrial energy consumption in China
[J]. Scientia Geographica Sinica, 2015,35(1):38-46.]

PMID:BE85ECB4-8679-462A-BCBB-AD95AA1052B2 [本文引用: 1]

[46]

Zhang

, Zheng H

, Yang Z

, et al. Multi-regional input-output model and ecological network analysis for regional embodied energy accounting in China
[J]. Energy Policy, 2015,86:651-663.

DOI:10.1016/j.enpol.2015.08.014 URL [本文引用: 1]

[47]

Guo

, Li Y

, Hu Y

, et al. Embodied energy in service industry in global cities: A study of six Asian cities
[J]. Land Use Policy, 2020, DOI: 10.1016/j.landusepol.2019.104264.

[本文引用: 1]

[48]

Li Y

, Chen

, Chen G

, et al. An embodied energy perspective of urban economy: A three-scale analysis for Beijing 2002-2012 with headquarter effect
[J]. Science of The Total Environment, 2020, DOI: 10.1016/j.scitotenv.2020.139097.

[本文引用: 1]

[49]

Zheng H

, Li A

, Meng F

, et al. Energy flows embodied in China’s interregional trade: Case study of Hebei Province
[J]. Ecological Modelling, 2020, DOI: 10.1016/j.ecolmodel.2020.109061.

[本文引用: 1]

[50]

Guo

, Han M

, Yang Y

, et al. Embodied energy flows in China’s economic zones: Jing-Jin-Ji, Yangtze-River-Delta and Pearl-River-Delta
[J]. Journal of Cleaner Production, 2020, DOI: 10.1016/j.jclepro.2020.121710.

[本文引用: 1]

[51]

刘芳. 中国能源隐含流的国际流向和规模分析
[J]. 现代管理科学, 2018, ( 4):54-57.

[本文引用: 1]

[ Liu

. International direction and scale analysis of China’s embodied energy flows
[J]. Modern Management Science, 2018, ( 4):54-57.]

[本文引用: 1]

[52]

马丽, 张博. 中国省际电力流动空间格局及其演变特征
[J]. 自然资源学报, 2019,34(2):348-358.

[本文引用: 1]

[ Ma

, Zhang

. The spatial distribution and evolution of interprovincial electricity flow in China
[J]. Journal of Natural Resources, 2019,34(2):348-358.]

[本文引用: 1]

[53]

Hong J

, Tang M

, Wu Z

, et al. The evolution of patterns within embodied energy flows in the Chinese economy: A multi-regional-based complex network approach
[J]. Sustainable Cities and Society, 2019, DOI: 10.1016/j.scs.2019.101500.

[本文引用: 1]