基于2030年碳减排目标的中国省际碳排放配额研究
时间：2023-01-15 15:50:02 来源：雅意学习网 本文已影响 人 
邵桂兰，王 金，李 晨
(中国海洋大学 经济学院，山东 青岛 266100)
应对气候变化，减少二氧化碳的排放已经成为全世界的共识，中国作为负责任的大国，深入推进低碳发展，积极履行减排承诺，减排内容逐渐细化[1]。2009年，我国政府在哥本哈根气候变化会议上承诺到2020年单位国内生产总值CO2排放比2005年降低40%～45%；
2015年又在巴黎气候变化大会上承诺单位国内生产总值CO2排放比2005年下降60%～65%。在中国经济新常态发展阶段，这一目标的实现需要各省份的共同努力。本文在国家碳减排目标下，提出合理的省际碳排放分配方案，探讨各省份的碳排放压力，为我国实现2030年碳减排目标提供参考。
早些年份，碳减排的研究大多集中于国家层面的碳排放配额。近年来，学者开始把目光集中在省份和产业上，结合各种原则，运用不同的模型进行分析。现阶段的研究大致可以分为三类:
第一类是指标法。在京都议定书通过之前常常采用单一原则方案，公平性原则运用较多，丁仲礼等[2]通过计算人均累计二氧化碳排放量得出发展中国家在今后有更大的排放空间。祁悦和谢高地[3]根据不同的公平分配标准，强调在历史累计和人均排放对当下的中国有利。但这种模式很难在全国范围内推广，因为各地区能源禀赋、地理气候、能源消费、经济发展水平与结构等差别巨大，其分配原则的偏好不同，难以达成一致方案。近些年来，结合多种分配原则的运用，综合加权分配方案较为流行，通过赋予不同原则下指标的权重，进行合理的配额分配。王金南等[4]运用人均排放量、人均GDP、工业能源效率、非化石能源利用比例5个指标，构建了区域CO2排放分解模型CRBDM。王勇等[5]在公平性、效率性、可行性原则下构建了综合指标体系，并利用影子价格的区域差异进行碳排放的空间分配。方恺等[6]选取了公平性、效率性、可行性和可持续性4项原则、13项指标进行分析。
第二类是DEA法。更注重考虑效率因素，进行碳排放绩效评价与减排潜力分析。近些年运用较多。傅京燕和黄芬[7]借助零和DEA模型，通过多次迭代，得到所有省市有效水平的初始分配方案。孙耀华等[8]利用ZSG-DEA模型与传统DEA模型相比，更能实现碳排放配额的优化配置。李小胜和宋马林[9]运用集中分配DEA模型得出初始额度的分配应该以效率为先。宋杰鲲等[10]在考虑社会效应和替代效应基础上，构建零和收益NDV-DEA模型，对碳排放权初次分配方案进行优化。
第三类则是其他模型。于潇和孙猛[11]利用非参数化标准DDF模型，指出减排目标的分配应分为两个阶段进行。冯阳和路正南[12]通过对TOPSIS模型的改进构建出一个合理的碳排放配额的区域分配方案。赵永斌等[13]创新提出历史—基准趋近法，克服了历史法下、基准值法下的选择的两难，消除了“激励陷阱”。吴洁等[14]通过建立通过中国多区域能源-环境-经济CGE模型，指出免费与拍卖相结合的混合分配方式更适合我国能源行业特别是高耗能产业的发展。Zhang Yuejun等[15]采用Shapley值法，得出中部地区通过减少碳排放的合作相比于比其他区域，可以获得更强辐射效应。其余还有基尼系数优化模型[16]、ELC模型[17]等。
以上方案在研究地区碳排放配额方面提供了很好的思路。但由于我国2030年目标提出不久，多数文献基本以2020年减排目标为依据来确定碳排放配额总量及省际分配方案，关于2030年减排目标研究较少；
而且以2020年减排目标来确定2030年的相关情况，也存在着明显的滞后性。公平性原则是省际分配的重要性原则，但如何量化公平目前并没有一致的方案。并且关于各省份目前的碳排放空间与压力的研究方面，绝大多数文献没有考虑碳汇在碳减排中所发挥的作用。
故本文兼顾公平与效率，考虑不同省份间的公平原则和发展效率。先按公平性原则进行初始分配，再运用ZSG-DEA模型进行优化，结合碳汇因素对我国各省份的减排空间作出研究与探讨。
(一)2030年碳排放配额测算
我国提出的碳减排目标，是指碳排放强度减排指标。首先需要在该指标约束下估算2018—2030年的碳排放配额总量。我国在2030年目标中声明:2030年单位国内生产总值CO2排放比2005年下降60%～65%，本文选择65%为碳排放强度约束目标，虽然客观上会增加未来减排目标的实现难度，但考虑到2003—2017年我国碳排放强度年均下降率达3.1%，经计算2018—2030年碳排放强度年均下降只需达到3.0%，就可实现2030年中国碳排放强度下降65%的目标，故认为65%的参数取值在合理范围之内。以2017年碳排放强度和GDP数据为基准，假定GDP预估增速和碳排放强度年均下降率两个指标的演化均遵从惯性模式，即与前期变动规律相一致，没有发生较大变动，以此估算出2018—2030年这未来13年的碳排放配额总量，计算方法为:
其中，C代表2018—2030年碳排放配额总量；
GDP2017代表2017年GDP值；
P代表经济新常态下的GDP年均增长率(取6.5%)；
E2017代表2017年碳排放强度；
q代表未来碳排放强度年均下降率，其定义见式(2):
其中，α为碳排放强度下降目标(65%)；
E2005、E2017、E2030分别为2005年、2017年、2030年碳排放强度。
(二)基于公平原则的碳排放配额初始分配
Rose等[18]从国际视角将碳排放公平原则分为三类，即分配公平原则、结果公平原则和过程公平原则。结果公平原则和过程公平原则需考虑各国的经济发展水平、减排能力等多种因素，目前仍具有较大不确定性；
而分配公平原则在实际研究中使用较为广泛，其包括主权原则、平等主义和支付能力三种原则。
主权原则强调各省份的二氧化碳排放量，在考虑代际因素情况下，本文采用历史累计二氧化碳排放量指标进行衡量。平等主义原则强调每个人都有平等的污染权和免受污染权，该指标用省份人口数指标进行衡量。支付能力原则强调省份的实际经济能力，经济发展水平较高的省份应该承担较大的减排成本[19]，该指标采用地区GDP指标进行衡量。
鉴于目前国内并没有关于二氧化碳排放的准确数据，故本文将二氧化碳排放分为两大部分:一部分是化石能源的燃烧，为了使得核算结果尽可能与现实情况相符，本文选取了原煤、洗精煤、型煤、焦炭、原油、汽油、煤油、柴油、燃料油、其他石油制品、天然气、液化石油气12种代表性化石能源进行二氧化碳排放量的核算。另一部分则是调入调出的火电导致的实际碳排放量的增减，电力部门在我国二氧化碳排放中占较大的比重，而现阶段火力发电仍是我国发电的主要方式。由于各省份发电一次能源禀赋差异显著，电力生产和消费地域分布极不均衡，地区间存在大量的电力交易[20]，输入输出电量就导致了隐含的碳排放流出或流入。
在化石能源燃烧碳排放核算中，采用«2006年IPCC国家温室气体清单指南》的“参考方法”进行核算，其中各省份能源消耗量通过能源平衡表进行计量，计算公式分别为:
公式(3)中，j代表能源；
E1代表化石能源燃烧所释放的二氧化碳排放量；
ECj代表第j种能源消耗量；
CEFj代表第j种能源的碳排放系数。
公式(4)中，LOSSj代表第j种能源损失量；
TFCj代表第j种能源的终端消费量；
NEj代表第j种能源的工业用于原料和材料的能源消耗量；
IOj代表第j种能源的加工转换投入(-)产出(＋)的能源消耗量；
TPj代表第j种能源的火力发电消耗量；
HSj代表第j种能源的供热消耗量。
公式(5)中，Bj代表第j种化石燃料的热值；
Cj代表第j种燃料的单位热值含碳量；
Rj代表第j种燃料燃烧的碳氧化率；
(44/12)代表碳转换系数。
在电力部门的碳排放核算中，采用消费端核算法进行核算，在一省(市、自治区)的能源碳排放框架中，火电已在能源平衡表中统计在内，需要计算的是省(市、自治区)外输送电力的隐含碳排放。我国电力供应由国家统一供应，下分六大区域电网，因此在核算省(市、自治区)外输送电力的二氧化碳排放时需要考虑不同区域电力的构成[21]，鉴于此，本文采用公式(6)对该部分进行分析。
其中，i代表省(市、自治区)，E2代表考虑输入输出电量因素后的二氧化碳排放量；
IMi代表i省(市、自治区)的省外调入电量；
EXi代表i省(市、自治区)的省内调出电量；
TTP代表全国火力发电总量；
TP代表全国总发电量；
TTPi代表i省(市、自治区)的火力发电总量；
TPi代表i省(市、自治区)的总发电量；
w代表六大区域电网；
Fw代表i省(市、自治区)所在区域w的电网供电平均排放因子。
在确定历史累计二氧化碳排放量、人口、地区GDP前提下，本文采用熵权法进行合理的权重分配，得到基于公平原则的碳排放配额初步分配方案。
(三)基于效率原则的碳排放配额优化分配
上面是在公平原则基础上对碳排放配额进行了初次分配，但对效率方面并未进行考量。传统DEA效率模型假定每个决策单元的投入(或产出)之间是相互独立的，但在投入(或产出)总量为一常数的条件下，此假设并不成立。这是因为投入(或产出)之间的相关性，使得决策单位根据原始DEA模型得到的效率值和松弛变量在进行调整时难以达到有效边界[22]。针对这种情况，Estellita Lins和Gomes[23]提出了ZSG-DEA模型，该模型沿用了零和博弈的基本思想，对传统的DEA模型进行了调整，使每一个决策单位都能达到效率最优。
就本文研究对象而言，在国家2030年碳强度减排约束指标下，全国各省份所允许排放的CO2的总量是一定的，一省(市、自治区)的碳排放需求增加，则另一省(市、自治区)减少。传统计算效率最有效的办法就是使用DEA模型，并根据相应效率值和松弛变量进行调整，得到经济上最有效的CO2排放量。但这种方法并没有考虑到各省份自身的经济发展路径、科学技术水平及能源消耗模式等一系列因素，并且忽略了碳排放权交易的市场机制，不具有可行性。因此，只对总的碳排放数量进行硬性约束，允许各省份结合自身实际情况参与市场交易，并运用ZSG-DEA模型进行效率值的测算与相应调整。
本文中将CO2的排放作为非期望产出，选择投入导向型模型，将上一步求出的各省份碳排放配额作为投入变量，将各省份人口、地区GDP以及能源消耗量作为产出变量，ZSG-DEA模型为:
其中，θi代表各省份决策单元的技术效率值，θi越大，分配越有效率；
λi代表各省份相关变量的线性组合系数；
Yi代表各省份GDP；
POPi为各省份人口；
Ei代表各省份能源消耗量；
Ci代表各省份CO2排放配额。
运用DEAP2.1软件和Excel规划求解，进行效率的测算；
并且采用比例调整法对以上分配结果进行调整，使得无效省份通过减少碳排放来提高效率，但其他省份为了提高效率又会使得无效省份增加碳排放，故要通过多次迭代，才能使得所有省份达到DEA有效水平。调整公式为:
其中，i代表省份，为调整后的碳排放配额；
Xnc为尚未调整的碳排放配额；
θi为无效率省份的效率值；
Xic(1-θi)为无效率省份减少的碳排放；
为其他省份提高效率而使得省份i所增加的碳排放。
(四)数据来源与处理
在模型构造的基础上，从公平与效率的角度，对2018—2030年我国各省、直辖市和自治区的目标碳排放配额进行分配。由于缺乏西藏的能源数据，以中国内地除西藏外的其他30个省、自治区和直辖市作为研究对象。
1.碳排放配额总和。依据2030年单位国内生产总值二氧化碳排放比2005年下降60%～65%这一责任总体分摊目标，计算出2018—2030年待分配的碳排放配额总和为13 111 228.16万吨。
2.2003 —2017年的人口、GDP数据来自«中国统计年鉴》，而对于GDP数据，选择以2005年为基期进行调整，以排除通货膨胀因素的影响。而2018—2030年各省份人口数量根据2003—2017年该省人口平均增长率估算得出；
各省份的GDP预测值按照国家经济新常态下的GDP年均增长率(6.5%)估测得到。
3.化石能源消费数据选取2003—2018年的«中国能源统计年鉴》中的各省份能源平衡表。低位发热值取自«中国能源统计年鉴》中的平均低位发热量，而型煤和其他石油制品的低位发热值来自«2006年IPCC国家温室气体清单指南》。碳氧化率、含碳量来自«省级温室气体清单编制指南(试行)》。区域电网供电平均排放因子参考生态环境部应对气候变化司«2017年度减排项目中国区域电网基准线排放因子》的加权平均值。
4.预测能源消耗量，各省份的能源消耗量通过能源消费弹性系数计算得到。现阶段，中国逐渐步入工业化后期，随着技术的进步与能源利用率的提高，能源消费弹性系数逐步下降。近两年基于中国经济和能源利用水平高质量发展和经济恢复性增长等因素，并参考国外发达国家工业化后期能源消费弹性系数水平，预测今后10年内的中国能源消费弹性系数为0.400 0～0.450 0[24]，取中间值0.425 0。人口、GDP和能源消耗量数据最终均以2018—2030年的总和表示。
将相关数据代入模型(8)，得到初始碳排放配额，再运用DEAP2.1软件对原始DEA效率进行求解，可得30个省、直辖市和自治区的均值(0.931 6)，处于一种较高的分配效率水平，但个别省份的效率值明显偏低，并且整体效率离模型的有效边界仍有一定差距。在考虑总量约束条件的情况下，运用ZSG-DEA模型进行效率测算，显示各省份的效率值略有提高，但一半的省份仍呈现出无效率的非最佳效率水平状态。在初始碳排放配额上，故用比例增减的调整公式进行配额调整，经过四次迭代，初始效率由0.954 5提升到1.000 0，得到对于所有省份最有效率的碳排放配额结果，均达到ZSG-DEA模型的统一有效边界。迭代结果见表1。
表1 中国内地各省份碳排放配额的分配效率和调整结果
续表1
从碳排放配额所占比重来看，分配比例较大的省份有山东(9.08%)、广东(8.5%)、江苏(7.67%)、河南(6.22%)、河北(6.29%)，这些省经济发展较为迅速，人口占比在全国前列，历史碳排放量较多，因此碳排放配额需求比重较高；
而分配比例较小的省份有青海(0.38%)、海南(0.49%)、宁夏(0.65%)，这些省(自治区)地处偏于偏远地区，人口稀少，经济总量较小，历史碳排放水平不高，因此碳排放配额需求比重较低。由此可见，碳排放配额的大小，与省份的人口存量、经济发展水平与历史碳排放量均呈现一定程度上的正相关。
从碳排放配额调整的数量来看，北京、河北、上海、浙江、安徽、江西、山东、广东、海南、四川、云南、青海、新疆等省(市、自治区)在初始ZSG-DEA下就已是最有效率水平，经过多次调整后，其碳排放配额都小幅增加；
其余各地区，为了达到模型的有效边界，碳排放配额在一定程度上均有所下降。在某种程度上，ZSG-DEA模型的调配机制是一种效率奖励机制:效率越高的省份将会得到更多的碳排放配额，而效率越低的省份将会得到更少的碳排放配额。这种分配机制将产生贫富差异“马太效应”，将会导致未来低碳经济体制下我国二元经济结构体系的差距进一步拉大，造成新的区域发展不公平[25]，需要引起一定程度上的重视。
本节在前文碳排放配额研究的基础上，从碳排放的供给与需求两方面，进一步分析各省份的碳排放空间，从而研究各省份在2018—2030年间的碳减排压力。
碳排放的需求为2018—2030年各省份的碳排放预测量。碳排放的供给主要来自两个方面:一是基于2030年碳减排目标的各省份碳排放配额，前文已进行了详细分析；
二是各省份在2018—2030年间的碳汇潜力，“碳汇”是指从空气中移走CO2等温室气体的过程或机制，这部分碳汇也可作为碳排放配额的等价物。两者相比，可得出各省份在2018—2030年的碳排放空间及碳减排压力。
(一)各省份碳排放需求量估算
碳排放的需求往往与各省份的能源消费结构和经济增长速度相关，因此，借助“经济-能源”投入产出模型预测2018—2030年各省份的能源消费总量，并通过碳排放系数估算出2018—2030年各省份的碳排放量(表2)。
表2 中国各省份碳排放需求量估算
(二)各省份碳汇数据估算
考虑到数据可获得性与测算方法完善性，本文主要考虑森林碳汇和海洋碳汇两部分。森林是陆地生态系统最大的碳库，在区域碳和全球碳循环中发挥着关键作用[26]。研究表明，中幼龄林的生长具有较强的固碳速度和固碳潜力，森林的新增蓄积可以固定和储存大量的碳从而形成碳汇。中国森林资源丰富，但区域间资源禀赋差异明显。采用蓄积量扩展法对森林碳汇进行测量，森林蓄积量扩展法的基本思路为:以森林蓄积(树干材积)为计算基础，通过蓄积扩大系数计算树木(包括枝枒、树根)生物量，然后通过容积密度(干重系数)计算生物量干重、再通过含碳率计算固碳量[27]。其公式表达为:
碳汇总量C1由三部分组成，分别是树木生物量固碳量、林下植物固碳量和林地固碳量，其中α和β分别代表林下植物碳转换系数和林地碳转换系数；
V代表该区域的森林活立木蓄积量；
δ代表生物量扩展系数；
ρ代表容积密度系数；
γ代表含碳率。相关参数参考IPCC规定的默认值，δ、ρ、γ分别取1.9、0.5、0.5，α和β则取0.195和1.244。以第六次至第九次全国森林资源清查资料为基础，估算出每一个统计年度活立木蓄积量的平均增长速度，进而计算出2018—2030年新增蓄积形成的碳汇量。
海洋碳汇的研究目前尚处于起步阶段，其三种主要形成机制(生物泵、物理泵和碳酸盐泵)的研究并不充分。而2010年唐启升院士提出的“碳汇渔业”的概念，即利用水域中动植物的碳汇功能，吸收并储存水体中的CO2，通过对水生生物产品的收获，将碳转移出水体以缓解水体酸化和气候变暖的渔业活动过程[28]，该理念的提出为海洋碳汇的生物泵方面提供了理论支持。鉴于目前该领域研究的局限性与可行性，人类目前能够进行有效把控和管理的仅在海洋生物的养殖捕捞层面，而出于经济价值、地理水文和管理治理的考量，沿海省份多把目光聚集于海藻、贝类等品种，特别是大型海藻与滤食性贝类。其中藻类的作用机理在于通过光合作用将海水中溶解的无机碳转换为有机碳[29]，而贝类则依靠滤食浮游植物这条食物链将碳转变为自身的外壳和软体组织，这两种生物的生长机制都可以从海水中析出大量溶解于海水中的碳元素，固化在自身体内，减少海水中CO2的溶解量，间接减低了大气中CO2的浓度，达到减缓全球温室效应的作用。
由于同种贝藻类身体组织及贝壳中的含碳量与自身重量的比重基本不会随环境的改变发生明显差异，故基于海水养殖物种“碳汇系数-产量-碳汇量”之间的关系，采取物质量评估法进行测算，其操作性与准确性都可以得到保证。计算公式为:
其中，CW代表藻类产生的海洋碳汇，Px代表第x种藻类产量，Wcx代表第x种藻类体内含碳比重。
其中，CB代表贝壳类产生的海洋碳汇；
Py代表第y种贝类产量；
Rst代表软体组织干重比例；
wCst代表软体组织碳含量；
Rs代表贝壳干重比例；
wCs代表贝壳碳含量。
为了数据的准确性和可区分性，本文分省份、分品种对我国海水养殖碳汇能力进行测算。在地域方面，选取我国沿海9个省份(天津和上海虽属于沿海省份，但在统计年鉴中并无数据可查，加之上述两个省份海域面积不大，养殖规模较小，故将上海与天津从沿海省份中剔除)。在贝藻类品种选择方面，需要对我国贝藻类养殖结构与产量进行分析。藻类养殖方面，选取海带、裙带菜、紫菜、江蓠、麒麟菜、石花菜、羊栖菜和苔菜，上述几类藻类产量年平均可达全国藻类总产量的88%以上；
贝类养殖方面，选取扇贝、牡蛎、贻贝、蛤、鲍、螺、蚶、蛏和江珧，上述几类贝类产量年平均可达全国贝类总产量的94%以上。相关数据均来自«中国渔业统计年检》分地区海水养殖的统计资料，以此可以计算出2017年我国沿海省份贝藻类海水养殖产品的碳汇量，再根据2006—2017年平均增长速度估测2018—2030年沿海省份的海洋碳汇量。
中国各省份森林碳汇和海洋碳汇的最终统计结果如表3所示。
表3 中国各省份碳汇量测算数据
(三)各省份碳排放空间及其分析
通过对中国各省份在2018—2030年碳排放供给与碳排放需求的预测，可计算出各省份在未来一段时间内的碳排放空间及碳减排压力，其最终结果如图1所示。
由图1可知，不同省份碳排放空间差异较为明显。为了更加清晰对碳排放空间进行分析，将碳排放供给与碳排放需求相比较的结果分为盈余、平衡和赤字三种状态。其中平衡状态并不仅指相减恰好为0的情况，因为上述分析皆为预测数值，虽经过科学论证与精密计算，但和现实仍存在一定差异，故以1 000 MtC(百万吨)为基准，将碳排放供需之差在1 000 MtC之内的结果都归为基本平衡类别；
盈余状态下将碳排放供给超过碳排放需求1 000 MtC的结果归为轻度盈余类别；
而针对多数地区存在的赤字现象，需要进行更为详细的分类划分，以赤字2 500 MtC和赤字5 000MtC为基准，将范围在1 000 MtC与2 500 MtC区间的赤字现象划分为轻度赤字，将范围在2 500 MtC与5 00 0MtC区间的赤字现象划分为中度赤字，将超过5 000 MtC的赤字现象划分为重度赤字。基于上述分类标准，可将中国各省份碳排放空间分为以下五个级别(见表4)。
表4 中国各省份碳排放空间分类
图1 2018—2030年中国各省份碳排放空间
从总体来看，我国目前面临的碳排放形势仍较严峻，按照当前经济发展速度和各省份能源消耗量，全国碳排放总缺口额高达36 073 MtC，年均碳排放缺口额约为2 775 MtC，到2030年，我国难以完成既定的碳排放目标。
从省际层面来看，盈余地区数量虽然接近一半，但是盈余额(16 270 MtC)相对并不充裕，只有总赤字额(45 354MtC)的三分之一，且多为北上广等经济发达地区和多数南方省份，表明这些省份可以适当加快经济发展步伐，充分发挥碳排放配额盈余的优势。天津、江苏、河南、重庆等11省市的碳排放空间基本供需相抵，未来应该避免转为赤字。而在碳排放空间赤字地区中，则呈现出较为集中的态势，陕西、宁夏、新疆、内蒙古、山西省(自治区)的赤字额占总碳排放赤字额的70.11%，着重解决上述省份的碳排放问题是今后工作的重中之重。从另一角度看，传统的能源大省(自治区)均在某种程度上面临着碳排放赤字的问题，这些省份预测碳排放量均超过理论值，特别是山西和内蒙古两个省(自治区)，其赤字额均超过了8 000 MtC；
而在其他赤字地区中，欠发达地区如贵州、宁夏、新疆等省(自治区)，传统东北老工业地区，以及山东、陕西等能源较为富裕地区的减排压力较大，这也与我国目前的能源利用现状相契合，化石能源尤其是煤炭的消费比例过高，传统能源仍占主导。
(一)基本结论
本文以碳减排目标为约束，以我国30个省、直辖市和自治区的碳排放配额为研究对象，在2018—2030年的时间跨度上，基于公平原则，考虑人口、地区GDP、历史碳排放量因素，结合熵值法得到初步碳排放配额；
之后依据效率原则，采用ZSG-DEA模型评价初步碳排放配额的效率，并在此基础上调整每个省份的碳排放配额以实现效率的帕累托最优，结合碳汇测算对各省份在2030年前的碳排放空间进行压力分析。通过研究可以得出以下结论:一是从最终碳排放分配额度上看，配额的大小与省份的经济发展水平、人口存量和历史碳排放水平呈现正相关关系，我国30个省份碳排放配额差距较为悬殊，山东、广东、江苏省碳排放配额较多，而青海、宁夏、海南省(自治区)最少。二是在2030年碳减排目标下，我国目前仍面临着较大的减排压力，按照现行各省份能源消耗水平与经济发展速度，部分地区尤其是能源大省(自治区)将面临一定程度上的困难，陕西、宁夏、新疆、内蒙古、山西省(自治区)缓解碳排放赤字的任务还是任重道远。
(二)政策建议
鉴于各省份面临不同的减排压力，应针对不同地域的经济发展与能源环境等实际情况，实施差异化的减排政策，以保证我国2030年碳减排目标顺利实现。
宏观层面:一是积极推进碳排放管制政策，同时为政策实施提供配套的法律制度。碳排放管制政策的实施，可以推动生产部门改进能源供给结构，加大低碳产品的供应，但目前以行政管制为主的手段难以具有强制力，缺乏立法支持。二是加大对低碳产品的推广力度，扩展宣传渠道，施行价格优惠机制，同时对购买低碳产品的行为进行补贴。三是进一步完善我国的碳交易市场，碳交易市场的建立能够促进碳排放配额得到最优分配，目前我国已在北京、上海、武汉等七地建立碳交易试点，随着相关政策的逐步完善，这一经济激励机制在今后会发挥着越来越重要的作用。
微观层面:对于碳排放盈余地区，仍可以沿用当前的经济发展措施与环保管理政策，其富裕排放份额可以参与到我国碳交易市场中创造收益。对于碳排放赤字的地区，尤其是那些赤字较为严重的地区，一方面可以节能减排，通过技术改进与管理政策的调整，加快产业升级和能源结构优化，以降低整体碳排放量；
另一方面则可以通过碳交易市场进行排放权的购买，以弥补碳排放空间的不足。另外，区域间协调发展与国家重大战略的落实对于各地区而言也是一个不小的契机，可借此进行产业升级与结构调整。
