1 引言(Introduction)

全球气候变化是当前人类社会面临的重大挑战，《巴黎协定》的达成为世界各国共同应对气候危机提供了良好契机.作为全球最大的能源消费国和碳排放国，我国早在2015年《巴黎协定》谈判过程中就宣布了到2030年的碳减排“国家自主贡献行动目标”(简称“2030目标”)：二氧化碳(CO₂)排放在2030年左右达到峰值并争取尽早达峰；单位国内生产总值(GDP)CO₂排放较2005年下降60%~65%；非化石能源占一次能源消费比重提高到20%左右；森林蓄积量较2005年增加45亿m³.要实现这一宏伟目标绝非易事：一方面，我国的经济转型和产业结构升级步入关键时期，新旧动能顺利转换尚需时日，以资源特别是能源为主要驱动力的经济发展模式短期内难以根本改变；另一方面，区域间发展不平衡的问题依然突出，不同省区的经济社会发展水平和自然环境条件各异，减排责任、能力、需求等也存在很大区别，不仅导致区域碳排放强度下降与全国碳排放强度下降不一致(王锋等，2013)，而且意味着各省区碳排放达峰时间的差异化(朱永彬等，2009；柴麒敏等，2015)，这对实现我国“2030目标”提出了巨大挑战.由此可见，未来十余年各省区的碳排放路线图十分关键，全国碳减排目标的分解不能搞“一刀切”，而应从“排放配额”角度统筹推进区域协同减排(丁仲礼等，2009).开展2016—2030年省际碳排放权分配研究，在考虑各地区发展差异的基础上形成“共同但有区别”的省际分配方案，对于推动我国“2030目标”的分解与落实，加快建立区域协同减排机制，具有十分重大而紧迫的理论与现实意义.

在《巴黎协定》正式生效的背景下，碳排放权日益成为事关人类福祉的一种新型发展权.杨泽伟(2011)回顾了碳排放权的概念缘起及其演变历程，论述了碳排放权对维护人类社会持续稳定发展的重要性.何建坤等(2011)将国际排放权分配方案分为两大类：一类由发达国家倡导，以当前排放现状和长期全球减排目标下的人均排放趋同为基础；另一类由部分发展中国家所倡导，以人均累积排放为基础强调历史责任.郑立群(2012)将“平等人权论”和“历史责任论”视为碳排放权分配的两大理论依据.Höhne等(2014)分别从责任、能力和公平3个角度对现有全球和区域碳排放权分配方案进行了分析，评估了各方案的优势与不足.还有学者展望了碳排放权分配研究对后续国际气候外交(Gurbb，2012)、碳交易市场(Wu et al., 2016)和碳金融(Jiang et al.，2016)等领域的深远意义.

与此同时，碳排放权分配应遵循哪些具体原则也成为学界热议的焦点.国务院发展研究中心课题组(2009)将全球温室气体减排归结为“如何界定和分配各国排放权”的问题，认为只有基于人均相等来核算各国的历史累积排放权和未来初始排放权，才不会对他国产生外部性危害.潘家华等(2009)提出应从国际公平和人际公平两个不同视角进行减排责任的划分.祁悦等(2009)对比了基于分配、基于准则和基于结果的公平性原则的定义和分配规则，强调体现历史和人均的公平性原则对中国争取碳排放权最为有利.由此可见，公平性已成为碳排放权分配必须遵循的一项基本原则.

一些学者就如何量化公平性原则进行了实证研究.丁仲礼等(2009)以2050年全球大气CO₂浓度为控制目标，从历史累积排放的角度测度了各国未来的碳排放空间.樊纲等(2010)根据最终消费计算了1950—2005年各国的历史累积碳排放量，建议将“共同但有区别的责任”具体化为“共同但有区别的碳消费权”.Raupach等(2014)基于现状排放、人均排放和混合情景，对全球十大区域累积碳排放的配额分配结果进行了深入比较.Fang等(2015)在构建的足迹-边界框架下，以2 ℃目标为阈值、人均公平为原则，评估了全球主要国家2050年前的碳赤字状况.姚亮等(2013)、庞军等(2017)相继利用多区域投入产出(MRIO)模型，揭示了我国不同区域或省际间的碳转移情况，对科学界定各省区的碳排放责任、合理分配碳排放权意义重大.

虽然公平性原则在碳排放权分配中具有极为重要的作用，但单一分配原则会挫伤某些区域持续减排的积极性，进而导致整体效益受损(王倩等，2016).事实上，各区域对不同原则的偏好程度差异悬殊，在某些单一原则下甚至可能出现极端的分配结果，因此在进行碳排放权分配时应尽量涵盖不同原则(朱潜挺等，2015).如何兼顾效率性原则也日益为学界所重视.Yuan等(2012)基于聚类分析，比较了单一公平性和单一效率性原则下我国各省区2020年的减排潜力，提出应考虑区域间经济发展水平和减排潜力的差异，以实现碳排放权分配公平与效率的结合.于潇等(2015)采用非参数化方向距离函数模型预测了中国2020年的碳排放权分配情景，主张第一阶段根据人均公平原则进行分配，第二阶段根据相对效率优先原则进行分配.王庆山等(2016)通过人口、GDP等指标增量实证分析比较了2013年中国碳排放权交易各试点区域的碳排放权分配效率，提出将效率性视为继公平性之后碳排放权分配的又一基本原则.

确定好分配原则之后，就需要选取对应指标来量化具体原则，据此构建碳排放权分配模型.王金南等(2011)根据我国2020年碳排放强度下降目标(以下简称“2020目标”)，从公平性、效率性和可行性角度出发，选取了人均GDP、人均排放量、工业增加值能耗、工业增加值能耗变化趋势和非化石能源消费占比5项指标，利用中国区域分解模型核算了2020年30省区的碳排放权增量.Yi等(2011)从减排能力、责任和潜力角度选取了人均GDP、累积化石能源碳排放量和单位工业增加值能耗3项指标，分别采用等权和差权方式进行指标整合，核算了2020年我国30省区的碳排放配额.郑立群(2012)选取了人口、GDP和能源消费量3项指标，以公平偏离指数最小化为目标，以国民经济效益指标为约束，构建了碳减排责任分摊的公平与效率权衡模型，据此对2010—2015年我国30省区的碳排放配额进行了核算.傅京燕等(2016)选取了CO₂排放量、GDP和人口3项指标，基于零和数据包络分析模型对2020年我国30省区的碳排放权进行了分配.此外，还有不少学者基于分解分析方法量化了相关因素对碳排放权的影响，如人口(王慧慧等，2016)、能源消费量(Miao et al., 2016)、历史累积排放量(滕飞等，2010)、基尼系数(Groot，2010)等.

综上所述，国内外学者在分配原则和指标选取等方面取得了不少可喜成果，为本文构建碳排放权分配模型提供了重要参考.尽管如此，该领域总体仍处于起步阶段，即便对于同一研究区域，不同文献在研究思路、方案设计、配额核算等方面也存在明显差异，尚未形成共识性的分配理论与方法.由于受欧盟祖父原则(强调历史碳排放)和基准线原则(强调技术水平)的影响，学者们大多只关注碳排放权分配的公平性与效率性问题，鲜有考虑可行性、可持续性等其他分配原则，而且分配指标普遍较少，缺乏系统性和代表性，部分研究甚至脱离分配原则直接选取指标，导致最终分配结果的科学性和合理性有待商榷.此外，由于我国“2030目标”提出不久，而现有研究基本以我国2009年提出的“2020目标”为依据来确定碳排放权总量，存在明显的滞后性.

鉴于此，本文以分解落实我国“2030目标”为切入点，探索构建“共同但有区别”的省际碳排放权分配模型，核算2016—2030年31个省区的碳排放配额，最终根据各省区未来碳排放空间的类型提出差别化的控排政策建议.其中，第二部分论述我国省际碳排放权分配的原则、指标和模型，并介绍主要数据来源及其处理方法；第三部分分析比较各省区的碳排放配额和碳排放空间；第四、五部分分别为本文主要结论和政策建议.

2 研究方法与数据(Methods and data) 2.1 碳排放权分配原则与指标

综合文献分析结果，本文选取公平性、效率性、可行性和可持续性作为我国省际碳排放权分配的基本原则，并结合可持续发展的社会、经济、环境三重维度，分别阐释如下.

公平性原则是指合理无偏向地将碳排放权分配给各省区，体现了人人都享有碳排放的权利.不同学者对公平性的理解各有不同，但总的来说该原则应反映人口规模、经济发展水平和历史责任等因素的差异.本文采用人口、GDP和基尼系数、历史累积碳排放量分别表征社会、经济和环境维度的公平性原则.

效率性原则是指碳排放权作为一种稀缺资源需要优化配置，使有限的投入尽可能获得最大的产出，主要需考虑不同区域在科技研发投入、能源碳排放强度和能源消费结构等方面的差异.以能源碳排放强度为例，该指标越大，表明在当前技术水平下减排潜力相对越大，可以优先对其碳排放量进行削减.本文采用研究与开发(R&D)支出占GDP比重、万元GDP能源消费量、煤炭消费比重分别表征社会、经济和环境维度的效率性原则.

可行性原则是指在不损害人民生活水平的前提下实现减排目标，即需要考虑减排成本和适应性问题.换言之，碳排放权分配受到各省区财政支付能力、经济驱动方式和生态环境质量等因素的制约.本文采用一般公共预算收入、能源消费弹性系数、生态系统恢复力分别表征社会、经济和环境维度的可行性原则.

可持续性原则是指碳减排是一项长期性工作，需要综合考虑社会、经济和环境子系统的结构可持续性.例如，不同省区有着不同的环境容量，因此应将区域实际碳汇能力考虑进来.本文采用城市化率、第三产业比重、森林覆盖率分别表征社会、经济和环境维度的可持续性原则.

综上，本文在“原则-维度”矩阵下系统选取13项指标，构建碳排放权分配指标体系(表 1).

2.2 碳排放权分配模型

根据我国“2030目标”，以2015年实际碳排放强度为基准，在碳排放强度线性下降的假设条件下，分摊2016—2030年各年份碳排放强度下降量，并结合GDP预计增速来估算未来15年我国碳排放权总量，计算公式为：

(1)

(2)

式中，CEA_t表示第t年我国碳排放权；GDP₂₀₁₅表示我国2015年GDP总量；I₂₀₁₅表示第2015年碳排放强度；p表示未来GDP年均增长率；q表示未来碳排放强度年均下降率，根据我国2005、2015和2030年碳排放强度数据得到q=1-=1-；α表示碳排放强度下降目标；CEA表示2016—2030年我国碳排放权总量.

同时，本文收集并整理了2000—2015年全国尺度各分配指标的原始数据并进行了归一化处理，计算公式见式(3).

(3)

式中，P_it表示第t年第i项分配指标的归一化结果；x_it表示第t年第i项分配指标的原始数值；min_i表示15年中第i项分配指标的最小原始数值；max_i表示15年中第i项分配指标的最大原始数值.

同样对我国2000—2015年历年碳排放量也进行归一化处理，分析检验其与各分配指标之间的相关性，计算公式见式(4)、式(5).

(4)

(5)

式中，CE_t表示我国第t年碳排放量；a、a′表示相关系数；b、b′表示纵轴截距；ε、ε′表示残差项；x_i、x_j分别表示第i、j项分配指标.

将与历年碳排放量之间没有通过显著性检验(p>0.05)的指标剔除，以保证最终构建的分配指标体系能够代表我国碳排放量的主要影响因素.同时，观察所选指标间的相关程度，若存在较高的相关性，则继续利用因子分析方法对分配指标进行处理，以消除共线性，计算公式见式(6).

(6)

式中，F_k表示第k个公共因子；x_i表示第i项分配指标, α_ki表示该指标i在公共因子中的系数；提取得到的公共因子互不相关，后续过程将利用上述公式计算各省区公共因子得分.

利用所得各公共因子数据和我国历年碳排放数据，构建回归分析方程，计算公式见式(7).

(7)

式中，β_k表示第k个公共因子的回归系数；F_tk表示第t年第k个公共因子；β表示常数项；ε表示残差项.

结合上述模型的可决系数R²和各因子显著性水平，调整优化分配指标和公共因子数量，结合2015年31个省区分配指标的原始数据，得到各省区2016—2030年预测碳排放量，计算公式见式(8).

(8)

式中，ACE_l表示第l省预测碳排放量，F_lk表示2015年第l省第k个公共因子.

接着对各省区分配指标进行归一化处理，计算公式见式(9).

(9)

式中，P_li表示第l省第i项分配指标的归一化结果；x_li表示第l省第i项指标的原始数值；min′_i表示各省区第i项分配指标的最小值；max′_i表示各省区第i项分配指标的最大值.

在此基础上确定各省区碳排放权分配权重，计算公式见式(10).

(10)

式中，W_l表示第l省所占权重；ACE_l表示第l省预测碳排放量.

最后根据计算所得的碳排放权分配权重和我国2016—2030年碳排放权总量，核算各省区碳排放配额，并通过与各省区当前实际碳排放量进行比较，量化相应碳排放空间，计算公式见式(11)、式(12).

(11)

(12)

式中，CEQ_l表示第l省2016—2030年碳排放配额；CES_l表示第l省2016—2030年碳排放空间；CE_l表示第l省当前的碳排放量.

2.3 数据来源与处理

本文收集整理的全国尺度和省域尺度原始数据均来自2000—2015年《中国统计年鉴》、2015年各省区统计年鉴和统计公报.本文需要收集2000—2015年全国碳排放量和2000—2014年31个省区的碳排放量(31个省区2015年的碳排放量数据不可得).然而我国没有官方公布的碳排放数据，美国橡树岭国家实验室二氧化碳信息中心CDIAC、世界资源研究所WRI等多数国际数据库均未包含省级碳排放数据.鉴于此，本文选取中国碳排放数据库CEADs作为上述所需数据来源(http://www.ceads.net/data/inventory-by-apparent-accounting/)，该数据库利用通过各省能源平衡表中能源本地生产、国内外进出口、库存变化及非能源利用消耗等数据，核算表观能源消费量(Shan et al., 2016)，其排放因子则基于中国上百个矿区的六百余份煤矿样本测算得到(Liu et al., 2015).同时，由于CEADs数据库仅核算能源消费和水泥生产的碳排放数据，未能将土地利用等其他影响因素纳入核算账户，本文根据WRI数据计算得到中国2000—2013年区域碳排放总量约为能源碳排放量的1.22倍，该值与同期全球范围内的测算结果十分接近(Le Quéré et al., 2009)，故在计算省区碳排放量时将上述能源碳排放数据乘以1.22.

为解决CEADs数据库缺少西藏数据的问题，本文在2000—2015年全国指标数据基础上，经相关分析得到人口、GDP与碳排放和能源消费数据的相关系数均在0.9以上，因此根据人口和GDP数据对各省区进行了聚类分析.基于聚类结果，将贵州、西藏、陕西、甘肃4省归为一类，通过组内求平均的方法求得西藏能源碳排放数据.此外，可行性原则下的生态系统恢复力源自生态系统脆弱性，是指生态系统经历干扰并依然保持其原有状态的功能和控制能力(闫海明等，2012)，尽管该指标能够较好体现环境维度的可行性原则，但是评估方法复杂，并且缺乏直接数据来源，因此本文暂不予考虑.

为估算2016—2030年我国碳排放权总量，本文在碳排放强度线性下降假设下，以2015年碳排放强度为基准，利用式(1)计算2016—2030年各年份预计碳排放强度，并在“新常态”背景下将我国未来GDP年均增速p设为6.0%(取6.0%~6.5%的下限)，2005—2030年碳排放强度总下降率q设为65.0%(取60%~65%的上限).尽管这样客观上会增加未来减排目标的实现难度，但考虑到2005—2014年我国碳排放强度(含土地利用)年均实际下降4.1%，经计算得到2015—2030年碳排放强度年均下降率只需要达到2.7%，就可实现2030年我国碳排放强度下降65%的目标，因此认为参数取值在合理范围内.2015年我国GDP总量为68.91万亿元，在6.0%的“新常态”GDP增长率假设下，求得2016—2030年各年份GDP总量.再根据2016—2030年各年份的碳排放强度与GDP总量，计算得到2016—2030年我国碳排放权总量为2531.92 ×10⁸ t.将排除了生态系统恢复力(数据不可得)及基尼系数和煤炭消费比重(原因见下文)之后的10项分配指标的全国和各省区2015年数据代入式(3)，所得结果如表 2所示.

3 结果与讨论(Results and discussion) 3.1 各省区碳排放权分配权重

本文在2000—2015年全国归一化数据基础上，对包括基尼系数和煤炭消费比重在内的12项分配指标与中国历年碳排放量指标进行了相关分析，所得指标相关性结果如表 3所示.该过程的目的在于对所构建的碳排放权分配指标体系进行筛选，使其与历年碳排放量具有较高的相关性，以增强碳排放权分配的客观性和合理性.

基尼系数和煤炭消费比重与历年碳排放量不存在相关性(p＞0.05)，因此首先将两者剔除.由于不少分配指标间存在较高的相关性即指标共线性问题，为了消除对最终回归模型的影响，对其余的10项分配指标进行因子分析，结果表明这些指标可以通过2个公共因子F₁、F₂进行表达且总体解释方差高达89.4%，据此得到F₁、F₂的表达式：

(13)

(14)

根据式(7)对2000—2015年全国碳排放量与公共因子得分数据进行回归分析，结果显示，选取的10项分配指标对历年碳排放量具有较高的解释力，其可决系数R²达0.994，模型整体及各相关系数均显著，得到的回归模型为：

(15)

结果显示，公共因子F₁与碳排放量呈正相关、F₂与碳排放量呈负相关，且F₁影响程度大于F₂，标准化后系数分别为0.929和-0.356.其中，人口、GDP、能源消费弹性系数、万元GDP能源消费量、第三产业比重、一般公共预算收入、森林覆盖率与F₁呈正相关，城市化率、历史累积碳排放量、R & D支出占比与F₁呈负相关；人口、历史累积碳排放量、能源消费弹性系数、第三产业比重、森林覆盖率与F₂呈正相关，城市化率、GDP、万元GDP能源消费量、一般公共预算收入、R & D支出占比与F₂呈负相关.同时，对该回归模型进行稳健性检验，观察残差变化趋势，结果得到时间序列的残差项在0值附近上下波动，呈随机变化，不存在倾向性的增长或降低，即残差项稳定，模型变量之间存在显著的协整关系，可以排除伪回归.根据式(8)~(10)，计算各省区得分并求各自权重，所得结果如图 1所示.

3.2 各省区碳排放配额

将各省区碳排放权分配权重与2016—2030年我国碳排放权总量数据相结合，求得各省区未来15年的碳排放总配额(以CO₂计)(表 4)，并将其年均值与当前各省区实际碳排放量进行比较，得到量化后的各省区碳排放空间(图 2).

从年均碳排放配额核算结果来看，配额最多的5个省区为广东、山东、江苏、浙江和北京，分别为649.4、615.6、609.6、599.0、598.2 Mt ·a^-1(以CO₂计，下同)；配额最少的5个省区为西藏、新疆、青海、宁夏和甘肃，分别为453.0、457.3、471.2、473.7、475.5 Mt·a^-1.31个省区的碳排放权分配权重平均为0.03，年均碳排放配额标准差为47.72，各省区碳排放配额有所差异但差异总体不大.通过将各省区年均碳排放配额与各自当前碳排放规模比较，发现海南、北京和青海未来允许的碳排放增排率最大，分别为611.5%、451.5%和418.5%；西藏、湖南、吉林、湖北、宁夏、福建、甘肃、云南、广西、江西、天津、上海和重庆的增排率在62.1%~204.8%；浙江、四川、黑龙江、安徽和贵州的增排率已不足30%.在需要承担减排任务的省区中，山西、内蒙古和山东的碳排放减排率最大，分别为72.7%、53.9%和49.4%；广东、江苏、辽宁、陕西、河南、河北和新疆的减排率在1.6%~30.8%.

3.3 各省区碳排放空间及其分类

根据各省区碳排放空间收支状况，将31个省区分为收支充分盈余、收支轻微盈余、收支大致相抵、收支轻微赤字、收支严重赤字5类.其中，将碳排放空间盈余≥350 Mt·a^-1的省区归为收支充分盈余，具体包括北京、上海、天津、重庆、海南和青海；将碳排放空间盈余＜350 Mt ·a^-1且≥150 Mt·a^-1的省区归为收支轻微盈余，包括湖南、湖北、福建、广西、江西、吉林、云南、甘肃、宁夏和西藏；将碳排放空间赤字≤50 Mt·a^-1或盈余＜150 Mt·a^-1的省区归为收支大致相抵，包括广东、浙江、四川、安徽、黑龙江和贵州；将碳排放空间赤字＞50 Mt ·a^-1且≤150 Mt ·a^-1的省区归为收支轻微赤字，包括江苏、辽宁和河南；将碳排放空间赤字＞150 Mt ·a^-1的省区归为收支严重赤字，包括山东、陕西、河北、山西、内蒙古和新疆(图 3).将我国2016—2030年碳排放配额与当前碳排放规模相比较，得出未来15年碳排放空间将呈现319.2 ×10⁸ t盈余，可见本文确定的碳排放权总量充分考虑了我国所处的发展阶段，具备较强的可操作性.

3.4 与已有研究结果的比较

将核算结果与目前少数已有研究成果(王金南等，2011；郑立群，2012；于潇等，2015；傅京燕等，2016)进行比较(图 4)，发现本文得到的各省区碳排放配额在5项研究中总体处于中等略偏上水平.究其原因，很大程度上是因为其他4项研究均以2005—2010年间的某一年份为基期对“2020目标”进行碳排放权分解，而本文则是以2015年为基期对“2030目标”进行分解，尽管“2030目标”较“2020目标”总体更为严格，但由于时长上增加了10年，且在过去几年中我国碳排放强度持续较快下降，故“2030目标”对2015年后碳排放强度的年均降幅要求反而有所降低，实际碳排放空间变大.此外，上述4篇文献均因数据原因未将西藏纳入碳排放权分配体系，而本文通过聚类分析和组内求平均的方法较好地克服了这一难题.

对本文所得各省区碳排放配额进一步分析，发现与下列指标显著相关(p < 0.01)：公平性原则下的人口、GDP和历史累积碳排放量，效率性原则下的R & D支出占比、万元GDP能源消费量，可持续性原则下的城市化率和森林覆盖率.可见公平性原则在分配模型中得到较多体现，其次为效率性和可持续性，而可行性相对较少.需要指出的是，这种对不同分配原则重要性的考量是通过建模过程自然呈现的，一定程度上避免了以往人为赋权的主观性和不确定性.与此同时，碳排放配额的省际差异总体不大，各省区占全国的比重均在2.7%~3.8%之间.相比之下，部分已有研究得到的省际碳排放权差异悬殊，某些不发达省区的碳排放权仅有发达省区的1/30，若实施起来可能会遭遇较大阻力.

诚然，本研究尚存在一些不足，主要表现在：①各分配原则之间不具有完全互斥性，构建的分配指标体系也只是相对丰富，难以全面涵盖影响碳排放权的各方面因素；②仍然受到数据可得性的制约，个别所选指标(生态系统恢复力)无法纳入实际核算；③基于CEADs的碳排放数据虽然已经贸易调整考虑了进口并扣除了出口部分，但仍可能在一定程度上忽视电力等二次能源跨省交易导致的隐含碳排放转移问题，因而山西、内蒙古、新疆等省区分得的碳排放配额与当前碳排放规模差距较大，今后应从构建包含中国各省区各部门时间序列数据的MRIO模型入手，提高碳排放核算的精准度.

4 结论(Conclusions)

本文以我国“2030目标”为切入点，估算了2016—2030年碳排放权总量，在分配“原则-维度”矩阵下系统选取了13项指标，通过检验各分配指标与历年碳排放量的相关性，对指标体系进行调整优化.在此基础上，综合运用因子分析、回归分析、相关分析和聚类分析等量化方法构建碳排放权分配模型，计算得到各省区相应权重，据此核算未来15年31个省区的碳排放初始配额，并与当前各省区碳排放规模进行比较，最终分类评估各省区未来碳排放空间.通过研究得到以下两点结论：

1) 2016—2030年我国碳排放空间将呈现319.2×10⁸ t盈余，其中广东、山东、江苏的碳排放配额最多，西藏、新疆、青海最少.总体上实现“2030目标”有较大可能性，但不同省区面临的减排任务和压力有所不同，差别化的控排政策是保证该目标顺利实现的关键.具体而言，北京、上海、天津、重庆、海南和青海6省区碳排放空间盈余充分，今后可继续保持经济发展速度，承担所在区域内的引领作用；湖南、湖北、福建、广西、江西、吉林、云南、甘肃、宁夏和西藏10省区碳排放空间盈余较少，应注意适度控制碳排放增速；广东、浙江、四川、安徽、黑龙江和贵州6省区碳排放空间收支大致相抵，未来应避免转为赤字；江苏、辽宁和河南3省区碳排放空间赤字较少，应运用能源结构调整、产业技术革新等手段尽快扭转赤字状况；山东、陕西、河北、山西、内蒙古和新疆6省区碳排放空间赤字严重，这些省区普遍以能源驱动型产业为主，未来须通过产业转型升级、技术和管理制度创新等等多种手段缓解赤字状况，但完全消除赤字仍存在较大困难.

2) 中国政府提出的2030年碳排放强度下降目标本质上属于碳排放权总量控制目标.本文以此为依据，在深入分析各省区社会、经济和环境要素对历史碳排放量贡献的变化规律的基础上，对未来15年31省区的碳排放权进行了分配.研究成果不仅为分解落实我国“2030目标”提供科学依据，还可为推动建立全国碳排放权交易市场和中长期区域协同减排机制提供基础信息，为“后巴黎”时代我国参与国际气候谈判提供决策参考，因而兼具一定的学术和政策参考价值.此外，本文所提出的省际碳排放权分配方法还具有较高的普适性和可复制性，可以应用到其他尺度区域(如国际、市际)，对总量控制下的各类大气污染物(如SO₂、NO_x)的排放权分配也有一定的借鉴意义.

5 启示(Outlooks)

本文主要关注省际碳排放权的初始分配问题，未来随着全国碳排放权交易市场逐步成熟完善，省际碳排放权分配机制所遵循的分配原则、指标及其权重也应随之改变.根据不同发展阶段对碳排放权分配模型进行动态调整优化将是今后研究的重要方向之一.事实上，早在2011年10月，国家发改委就在湖北、广东、北京等七省市开展碳排放权交易试点，先行探索省级以下碳市场配额确定方法.国务院于2015年10月进一步明确提出2017年将启动全国碳排放权交易市场，采取“两级分工”模式进行碳排放权分配，即国家层面确定碳排放权总量及其分配方法，省级层面负责配额分配、履约监管.2017年12月19日，以电力行业为先导的全国碳排放交易体系正式启动.然而，现行省区层面的政策尝试均基于碳市场配额总量控制目标，其“自下而上”的分配方式固然具有较强的可操作性，但不足之处是只针对区域内重点排放行业及企业，其排放仅占地区碳排放总量的一部分，与我国碳排放权总量控制目标即“2030目标”无法完全对接，不利于全国性协同减排机制的建立.因此，本文“自上而下”探索省际碳排放配额分配有其合理性和必要性，是对现行“自下而上”碳市场配额分配方式的有益补充, 同时也为促进总量控制与产权交易有机结合、政府调控与市场机制相互适应，形成具有中国特色的互补型碳排放权管理制度体系提供科学参考.