《Journal of Cleaner Production》：From production to consumption: Tracking CO
2 emission transfers in global trade over 1990-2019
编辑推荐：
本研究基于EE-MRIO模型和SPA方法，分析1990-2019年全球CO2排放时空动态及贸易中的碳流动模式，揭示能源密集型行业主导生产端排放，建筑和教育行业主导消费端，发展中国家净出口，发达国家净进口，需公平气候策略与国际合作。
张建宁|王晓彤|傅新怡|王瑞芳|张志民|郭秀瑞|周颖|郎建雷|陈东生
北京工业大学北京区域空气污染控制重点实验室，中国北京100124
摘要
随着经济全球化和复杂供应链的不断扩展，理解二氧化碳（CO2）排放的时间动态和传输模式对于有效的气候治理至关重要。本研究采用环境扩展的多区域投入产出（EE-MRIO）模型和结构路径分析（SPA）方法，从生产和消费两个角度考察了1990年至2019年的全球碳排放情况，并追踪了各部门和国家之间的碳流。分析显示，在过去三十年中，全球累计二氧化碳排放量达到了860.7吉吨（Gt），其中中国（22.7%）和美国（19.1%）分别位居生产和消费排放量的首位。行业分析表明，电力、天然气和水（EGW）等能源密集型产业主导了生产过程中的排放（占36.6%），并且在整个研究期间一直作为净排放流出部门。相反，建筑（CON）和教育、健康及其他服务（EHO）由于依赖嵌入碳而成为主要的消费排放部门，建筑部门从净零排放部门转变为净排放流入部门。从国家层面来看，9.7%（83.2吉吨）的全球二氧化碳排放量通过国际贸易中的最终消费体现出来，显示出不同的模式：发展中国家（如中国、印度）一直是净碳出口国，而发达国家（如美国、日本）则是净进口国。全球碳流网络变得更加复杂，传统经济强国（美国、日本、中国）仍保持主导地位，而印度则成为关键的排放国。这些发现强调了需要制定公平的气候策略，以考虑不断变化的供应链并促进国际合作。
引言
在过去三十年中，人类活动导致的全球二氧化碳排放量增加了1.6倍，2022年达到了36.6吉吨（GCP, 2023）。这一增长与全球生产网络的日益紧密整合密切相关，跨国界和跨行业的商品和服务流动重塑了传统的排放生成和分配模式（Xie等人，2020）。通过这些复杂的供应链联系，碳排放被嵌入到交易产品中，并在不同生产阶段和最终消费之间转移——这一过程被称为“碳排放转移”。贸易中的这些嵌入碳排放反映了现代经济系统如何在全球价值链上空间和结构上重新组织环境影响（Davis等人，2011）。为了制定公平的气候政策和有效的脱碳策略，准确追踪全球供应链中的这些嵌入碳流至关重要。
认识到碳排放不仅受生产活动的影响，还受消费模式的影响（Fan等人，2016；Peters，2008），现有研究发展出了两种主要的核算框架：基于生产的核算（PBA）和基于消费的核算（CBA）（Davis等人，2011；Peters等人，2011；Wiedmann，2009）。PBA是最成熟和广泛应用的方法，它衡量直接来自国内生产的排放量（Peters和Hertwich，2008a，2008b），而CBA将排放量归因于最终消费，捕捉了贸易中的嵌入碳，并解决了PBA的关键局限性（Skelton等人，2011）。结合PBA和CBA，可以提供量化碳排放的互补框架，同时捕捉国内生产和消费驱动的全球流动（Dietzenbacher等人，2020）。
基于CBA框架，EE-MRIO模型已成为分析生产和消费驱动的碳排放的核心工具（Kitzes，2013；Leontief，1970）。Peters（2008）为其奠定了理论基础，后续研究量化了贸易中的二氧化碳流动，揭示了大量的排放转移和泄漏风险（Peters，2008；Peters等人，2011；Peters和Hertwich，2008b）。如Eora、EXIOBASE、GTAP和WIOD等全球MRIO数据库的发展进一步增强了追踪国际供应链中碳流的能力（Badri和Walmsley，2008；Lenzen等人，2013；Stadler等人，2018；Timmer等人，2015）。然而，当前的方法仍然受到时间覆盖范围有限（表A.1）的制约——例如，WIOD的数据截止到2014年，GTAP更新频率较低，EXIOBASE的数据始于1995年——以及数据库间方法上的不一致性，包括部门分辨率和系统边界，这些因素阻碍了可比性并削弱了结果的稳健性。这些限制凸显了需要时间上广泛且方法上协调一致的MRIO数据。
为了捕捉复杂的行业间联系并识别由最终消费驱动的供应链路径，结构路径分析（SPA）被广泛用于追踪供应链中的资源使用和环境影响（Defourny和Thorbecke，1984；Llop和Ponce-Alifonso，2015；Meng等人，2015；Wang等人，2018；Yang等人，2018；Zhang等人，2017）。在碳排放的背景下，Skelton等人（2011）开发了一个分析框架，将方法构建与图形表示相结合，系统地绘制了全球生产系统内的嵌入碳流（Skelton等人，2011）。在此基础上，Xu等人（2022）引入了一个部门重要性指标，该指标捕捉了碳转移路径的相对重要性，丰富了排放分析的指标体系（Xu等人，2022）。
尽管在PBA、CBA和全球供应链路径分析方面取得了近期进展，但碳排放研究仍面临几个限制：（1）现有关于供应链中碳排放路径的研究主要集中在单个国家或地区的最终消费上，通常只分析单年的转移情况。（2）很少有研究同时探讨全球供应链中碳流模式在国家和部门层面的时间演变。这些空间和时间上的限制阻碍了对全球贸易中碳排放动态和年际变化的全面理解。
本研究采用30年的年度时间序列框架（1990–2019年），将EE-MRIO模型与SPA方法相结合，系统地评估了生产和消费视角下的嵌入二氧化碳转移情况，涵盖了国家和部门层面。这种长期视角使我们能够捕捉部门和国家级碳排放结构的变化轨迹，以及全球供应链中嵌入碳传输路径的结构变化，从而比单年度研究提供了更全面的基础，以识别关键国家和地区之间排放量和结构随时间的变化。通过将EE-MRIO模型与SPA方法相结合，它估计了国家和部门层面的年度二氧化碳排放量。经过与现有研究的交叉验证，分析揭示了嵌入排放的时间演变（详细验证统计信息见补充材料表A.2）。SPA方法进一步用于追踪两个基准年份（1990年和2019年）的排放路径，提供了全球碳流历史动态的多维视角。这些发现旨在增进对随时间变化的嵌入排放的理解，并为制定更加公平和有效的气候政策提供依据。
章节摘录
EE-MRIO分析
环境扩展投入产出（EE-IO）方法基于经济学领域的传统投入产出（IO）分析（Leontief，1936）。通过将环境数据纳入IO分析框架，EE-IO能够量化整个经济供应链中的环境影响（Wiedmann，2009）。根据分析规模的不同，EE-IO发展出了两种主要类型：单区域投入产出模型（EE-SRIO）和多区域投入产出模型
比较验证
在完成生产和消费视角下的碳排放估算后，本节通过比较分析验证了结果的合理性。图2比较了不同数据库和本研究得出的全球碳排放数据，展示了1990-2019年的历史趋势。总体而言，不同数据库的全球碳排放估算结果一致，研究期间的数据差异在8%以内。
结论
本研究利用EE-MRIO方法，系统地描述了1990-2019年间部门和国家级碳排放结构的演变。通过应用SPA方法，进一步分解和追踪了全球供应链中的嵌入碳传输路径，并揭示了它们的十年变化。主要发现如下：
在部门层面，从1990年到2019年，能源密集型行业（如EGW，占36.6%）占据了主导地位
不确定性分析
本研究全面考察了30年期间的全球碳流模式和结构演变。尽管我们在分析框架和数据处理上保持了方法上的严谨性，但仍需谨慎考虑一些固有的不确定性。关于数据基础，我们使用Eora26数据库虽然对长期时间分析至关重要，但由于其部门汇总方式，引入了一定的不确定性。
CRediT作者贡献声明
张建宁：撰写——原始草案、方法论、调查、正式分析、数据管理、概念化。王晓彤：撰写——审阅与编辑、验证、资金获取、概念化。傅新怡：撰写——审阅与编辑、调查。王瑞芳：撰写——审阅与编辑、调查。张志民：撰写——审阅与编辑、调查。郭秀瑞：监督。周颖：监督。郎建雷：监督。陈东生：监督、资源提供。
财务支持
本工作得到了国家自然科学基金（编号：42305125）的支持。
利益冲突声明
作者声明他们没有已知的可能会影响本文所述工作的竞争性财务利益或个人关系。
