绿色经济之路：长江三角洲绿色经济模型--世界能源研究所.pdf-solarbe文库

资源描述：

技术论文 | 2020年 11月 | 1 技术论文绿色经济之路长江三角洲绿色经济模型杨晓亮寇玥 PATHWAYS TO A GREEN ECONOMY THE CHINA YANGTZE RIVER DELTA GREEN ECONOMY MODEL 引用建议引用建议杨晓亮、寇玥. 绿色经济之路长江三角洲绿色经济模型. 2020 . 技术论文，北京世界资源研究所. https//wri.org.cn/publication “技术论文”阐述出版物、交互式应用程序和工具的研究或分析方法。目录背景介绍 . 1 GEM模型的方法论与搭建 . 2 定制化构建长三角GEM模型 5 长三角GEM模型的底层数据来源 . 8 长三角GEM模型的模拟结果 . 10 总结 14 局限性 . 15 附录 16 附件长三角GEM模型的变量描述 17 参考文献 . 35 背景介绍 1.1 绿色经济与中国区域一体化发展战略绿色发展已成为中国基本的发展理念之一。近年来中国经济一直保持高速增长，目前正面临着从高速增长到高质量发展的转型挑战。绿色发展是构建高质量、现代化经济体系的必然要求。习近平主席于2020年9月22日对全世界做出了中国二氧化碳排放力争于2030年前达到峰值，努力争取2060年前实现碳中和的承诺。这一重要宣示明确指明了中国要通过加快经济发展方式转变和经济结构调整，推进低碳转型，更好地参与、引领包括气候变化在内的全球治理。同时，中国提出了京津冀协同发展、长江经济带发展、粤港澳大湾区建设、长江三角洲区域（以下简称 “长三角”）一体化发展等新的区域发展战略，以形成高质量发展的区域经济格局。党的十九大报告提出坚定实施区域协调发展战略、可持续发展战略。绿色低碳发展是推进协调发展的主要基础。将生态文明和绿色发展理念融入区域经济发展之中，可以更好地协调社会发展与生态环境之间的关系、人与自然环境之间的矛盾，以及经济增长与环境保护之间的平衡，从而实现促进中国经济健康、持续发展的最终目标。放眼全球，绿色经济已经成为国际社会发展的战略重点。根据经济合作与发展组织的定义，“绿色增长指在促进经济增长的同时，确保自然资产能不断提供人类福祉不可或缺的资源和环境服务”。联合国环境规划署（UNEP）提出“绿色经济旨在提高人类福祉和社会公平，同时显著降低环境风险和生态稀缺程度，具有低碳、资源节约和社会包容的特点”（UNEP, 2011）。在全球促进绿色增长的背景下，我们认为以下几个问题亟须思考，也 2 | 亟待探索中国在实现经济繁荣的同时，是否可以实现环境与社会福祉的共赢可实现共赢、可持续的发展道路是怎样的需要怎样的政策对其进行支持如何衡量和评价政策措施的优劣影响以及可持续性区域一体化是否可以加速中国先进地区完成低碳转型长三角、粤港澳大湾区等经济先行区域是否可以成为中国绿色低碳发展的样板经济发展先行地区是否有能力早于国家自主贡献（NDC）承诺目标实现碳排放达峰，并为欠发达地区腾出合理发展空间 2019年，中国政府发布长江三角洲区域一体化发展规划纲要，更是将长三角一体化发展上升为国家战略，长三角是否可以成为绿色低碳发展的先行者在此背景下，世界资源研究所中国办公室（WRI China）基于绿色经济模型（Green Economy Model，以下简称“GEM模型”），以中国经济引擎的长三角作为研究对象，与Knowledge SRL团队共同定制开发搭建了长三角绿色经济模型（GEM-Yangtze River Delta）。此模型以长三角（即上海市、江苏省、浙江省、安徽省）的经济、社会发展历史和现状为基础，考虑长江三角洲区域一体化发展规划纲要等政策措施，分析和探索绿色低碳经济发展路径在中国区域经济中实施的可行性及潜在影响。 1.2 为什么使用GEM 模型在过去40年中，多种科学方法和模型已被用于设计和评估绿色经济，根据UNEP对现有模型的整理（UNEP, 2014），运用最广泛的模型包括一般均衡模型（Computable General Equilibrium models，CGE）、宏观经济计量模型（Macro- Econometric models，ME）、优化模型（Optimization models，如MARKAL）、系统动力学模型（System Dynamic， SD）和其他模型。一般均衡模型涵盖了可持续发展的宏观经济、经济竞争力、社会公平、国民福祉等评估；宏观经济计量模型采用计量经济学方法进行宏观经济特征估算，广泛用于支持短中期的宏观经济政策（如财政政策、货币政策）分析。优化模型通常应用于能源部门以及土地使用的评估，比如 MARKAL模型为决策者提供能源系统的供需预测，同时也提供了相关政策影响和能源技术的评估，但是无法应用于高度动态化和跨部门的系统分析。其他模型，如基于地理信息系统（Geographic Information System, GIS）的InVEST模型，侧重于研究自然资本、分析空间上的土地使用变化，以捕捉生态稀缺和环境风险。由此纵观现有的大多数环境和经济模型，其在设计和研究时都聚焦于一个或两个行业或领域，并对所考虑部门的影响和受其影响的其他部门做出外生假设（Bassi，2016）。这样虽然可以得到详细而全面的某一两个具体部门或行业的模拟结果，但无法有效地涵盖社会与自然界的众多发展动力，有时也会因为追求一到两个部门的快速增长而给其他部门带来严重的负面影响。 GEM模型基于系统动力学方法，可以呈现经济、社会和环境部门内部和之间的内生联系，并得到跨部门综合的模型结果。 GEM模型不仅可以研究不同发展政策的实施对各部门产生的动态交叉影响，也可以帮助研究者和决策者对政策选择进行综合性的分析和评估。因此，GEM模型作为一个宏观而系统的模型，就我们看来，在分析和评估绿色经济方面更具优势。它既可以通过展现各细分系统的联动关系，更好地帮助我们理解经济、社会、环境效益的内在关系，以及实现效益总和最大化的发展路径，也可以对不同的发展政策进行更广泛、更长期的研究，使我们能够预期和探索不同发展路径的潜在优劣势和可持续性。 GEM模型的方法论与搭建 2.1 GEM模型构建的基础系统动力学 GEM模型的构建基于系统动力学，即通过在假设情景下（“What if” scenarios）进行微分运算（Differential equations），分析存量及流量等各变量间的信息反馈，并且将最优化方法（Optimization）与计量经济学（Econometrics）整合其中，以预测政策实施的效果，进一步引导决策者制定有弹性且平衡的策略（Roberts等,1983; Probs World Bank, 2019 变量名称类型变量出处季节降水量时间序列基于 World Bank CCKP, 2019 季节气温量时间序列基于 World Bank CCKP, 2019 存量流入量流出量基准降水量基准降水量的变化基准降水量的变化增长率变动量增长率变动量的变化增长率变动量的变化基准气温年气温的变化年气温的变化 18 | 用于计算年相对气温的变量总结在图 12中。年相对气温是通过在模拟开始时用年平均气温除以初始气温来计算的。年气温为基线气温和气温变动量的和。基线气温根据假设的年气温份额增加而变化，可以自定义。 1.3 土地利用土地利用模块提供土地利用总量和土地利用随时间变化的信息。这一模块有助于评估发展政策对土地利用的影响，以及执行这些政策可能导致的土地转换。土地利用模块包含四种类型林地、农业用地、建设用地和休耕地。五种流量用于记录土地使用随时间的变化。存量和相应的流量如表 7所示。农业用地及其变化是由农业用地转换（从森林到农业）和农业用地退化（从农业到休耕地）引起的。从森林到农业的流量由下面的公式计算。从林地转为农业用地[ 省 ] 最小值（农业用地预期变化量[ 省 ]，林地[ 省 ]/转换时间）模型中的气候影响取决于降水和气温的相对变化（指数，设 2000年时为1）。相对季节降水量即季节（或每月）降水量除以正常季节降水量，用于评估潜在的洪水风险或缺水影响。相对季节降水量最大值（季节降水量/ 正常季节降水量，0.01）在整个季节无降水的情况下，使用最大值函数避免出现零值，使相对季节降水量最小为0.01。计算相对季节性降水的所有变量如图11所示。降水量是基线降水量（模拟为存量）和降水变动量的总和。降水变动量是基于过去观测到的高于或低于正常值的变动量乘以降水变动量的增长率。降水变动量高于正常值变动量低于正常值变动量增长率变动量如果打开气候开关（开关值为“1”），模型可计算降水变动量增长率的变化对于年降水量的影响，从而评估降水变动量的减少对模型中一系列变量的影响（如灌溉用水需求、潜在的洪水对发电能力的损害）。对于基准降水量，有一个类似的假设。如果打开气候开关，基线降水量的变化可增加或减少，这将影响季节降水和相对季节降水量。表 7 | 土地利用模块中的存量和流量概述存量流入量流出量林地从休耕地转为林地从林地转为建设用地从林地转为农业用地农业用地从林地转为农业用地从农业用地转为休耕地建设用地从林地转为建设用地从休耕地转为建设用地无休耕地从农业用地转为休耕地从休耕地转为林地从休耕地转为建设用地图 11 | 相对季节降水量原因树图 12 | 年相对气温的原因树基线气温气温变化性年相对气温平均气温初始气温基线气温气温变化性相对季节性降水平均气温初始气温绿色经济之路长江三角洲绿色经济模型技术论文 | 2020年 11月 | 19 如果农业的预期变化超过可转换的森林面积，则使用最小化函数确保土地转换受到限制。农业的预期变化取决于农业用地的预期数量，以人口和人均农业用地为基础。期望农业用地[ 省 ] 人口[ 省 ] 人均预期农业用地[ 省 ]时间建设用地存量将有两个流入量，即林地和休耕地。建设用地基于预期土地量进行预测，其计算方法是人口乘以人均预期的建设用地。只要有可供转换的休耕土地，即通过休耕地进行土地转换，以下公式计算休耕地向建设用地的转换量。休耕地用于建设[ 省 ] 最大值（0 ，最小值建设用地预期变化量[ 省 ]、休耕地[ 省 ] ）最小和最大函数用于计算从休耕地到建设用地的土地转换。最小函数确保建设用地土地转换不能超过目前可用的休耕地数量（与林地转换为农业用地的方法相同）。如果建设用地存量高于预期的建设用地（表明预期向建设用地的土地转换为负值），将会有从建设用地流回休耕地的情况。最大值函数可确保在发生此类事件时保持当前存量。在将土地转换为建设用地的情况下，林地起到缓冲作用。这意味着，只有当休耕土地的数量低于土地转换所需数量时，才假设将林地转换为建设用地。林地用于建设[ 省 ] 最大值0，最小值（建设用地预期变化量[ 省 ] -休耕至建设用地[ 省 ]，林地[ 省 ] ）转换时间与休耕地用于建设用地情况一样，最小和最大函数用于确保基于可用土地进行土地转换，并且不会减少建设用地。此外，由于修建额外的道路会导致额外的森林砍伐，公路建设（见基础设施模块）导致的年度转换面积也计入这一流量。休耕地和林地是两种主要的土地资源，它们可以转化为农业用地或建设用地。休耕地向林地的流动则基于休耕土地存量变动和平均森林再生时间。 1.4 碳储存碳储存模块提供了关于中国现有土地碳存量和土地转换引起的碳存量变化的信息。该模块用于评估政策引发的土地使用变化如何影响中国的碳存量和土地排放，见表8。碳存量的计算方法是将四种不同的土地利用存量乘以各自的碳系数。四种碳存量的总和即为总碳存量。图 13显示了用于计算总碳存量的变量。表 8 | 碳存量模块数据源概述变量名称类型变量出处林地碳系数常量基于 IPCC, 2013 建设用地碳系数常量基于 IPCC, 2013 农业用地碳系数常量基于 IPCC, 2013 休耕地碳系数常量基于 IPCC, 2013 图 13 | 总碳存量原因树转换时间总碳存量农业用地碳存量农业用地农业碳系数休耕地碳存量休耕地休耕地碳系数建设用地碳存量建设用地建设用地碳系数林地碳存量林地林地碳系数 20 | 图 14 | 来自土地的二氧化碳排放原因树土地年排放量是根据土地转换计算的，基于土地利用模块文件中描述的五种流量和适用于四种土地利用存量的碳系数。图 14 显示了用于计算土地转化产生的碳存量净变化和土地二氧化碳排放量的变量。为了估计土地利用变化引起的碳存量变化，该模型计算了土地转换引起的二氧化碳总量的净变化。这是通过计算转换后的土地利用类别和目标土地利用类别的碳存量差异来实现的。下面的等式是林地转化为农业用地的碳存量变化。林地转换为农业用地碳存量变化[ 省 ] 林地转换为农业用地[ 省 ]农业用地利用计算的调整后碳系数 -农业用地转换为林地[ 省 ] 林地利用计算的调整后碳系数同样的方法也适用于计算其他四种流量的碳存量变化。碳存量的净变化被计算为由土地转换引起的碳存量的个体变化的总和。碳存量从土地转换的净变化[ 省 ] 碳存量从农业用地到林地的变化[ 省 ] 碳存量从农业用地到休耕的变化[ 省 ] 碳存量从林地到建设用地的变化[ 省 ] 碳存量从休耕地到林地的变化[ 省 ] 碳存量从休耕地到建设用地的变化[ 省 ] 1.5 国内生产总值（GDP）和就业国内生产总值模块提供了三省一市实际国内生产总值（具体来说是实际区域生产总值）的发展信息。该模块包括三个部门增加值（农业、工业和服务业）及其分别占实际国内生产总值的份额。这一模块可以通过观察某一部门对实际国内生产总值贡献率的变化，分析评估政策对实际国内生产总值和实际国内生产总值增长的影响，以及对三省一市区域经济的影响。本节将介绍农业、工业和服务业模块。虽然在模型中使用了相同的结构表示工业和服务业，但我们对农业模块做了更细致的描绘，因此用单独章节进行介绍。 1.5.1 农业GDP 该模块提供了一段时间内农业生产率和就业的信息。关键指标是农业实际国内生产总值及其增长率、农业就业和农业指示性投资。该模块允许评估发展政策对农业国内生产总值和就业的影响，例如减少货物运输到市场过程中的损失。农业实际国内生产总值是根据农业总产量和每吨产品的增加值乘数计算的，考虑到运输过程中损失的产品份额。实际国内生产总值农业[ 省 ] 农业总产量[ 省 ] 1 - IF THEN ELSE 政策开关1 ，运输到NCE 市场期间损失的产量份额时间，运输到市场期间损失的产量份额时间每吨产量的增加值[ 省 ] “IF THEN ELSE”函数用于模拟通过建设额外的基础设施（参见农业基础设施模块）来减少运输到市场过程中农产品损失份额的政策。如果政策开关打开（开关值为“1”），则在运输到市场的过程中损失的农产品份额减少，增加到达市场的农产品数量。除了减少损失之外，我们假定改善连通性会增加每吨农产品的附加值，这与增加进入市场的农产品都将提高农业的实际国内生产总值。农业实际国内生产总值的增长率是使用TREND函数计算的，通过每年的农业实际国内生产总值预估变化趋势。农业实际GDP增长率[ 省 ] TREND农业实际国内生产总值[ 省 ]， 1， 0.025 土地二氧化碳排放土地转变带来的净碳存量变化从农业用地到休耕地的碳存量变化从林地到建设用地的碳存量变化从休耕地到建设用地的碳存量变化从农业用地到林地的碳存量变化从休耕地到林地的碳存量变化绿色经济之路长江三角洲绿色经济模型技术论文 | 2020年 11月 | 21 农业就业是基于农业用地总量，通过以下等式进行计算。农业就业[ 省 ] 农业用地[ 省 ]每公顷农业用地就业面板数据[ 省 ]时间 1-可持续耕地比例农业用地[ 省 ] 每公顷农业用地就业面板数据[ 省 ]时间可持续耕地比例 1 可持续耕地的额外就业这一公式表明，农业就业分为传统农业就业和可持续农业就业两部分。这个等式的基本假设是，可持续农业每公顷的劳动强度更高，通过使用可持续农业份额乘以乘子计算。 1.5.1.1 农作物生产传统和可持续耕地的作物产量在农作物生产模块中计算。此外，该模块还计算了收获前的农作物损失量，并允许评估提高农业部门生产率和减少收获前损失的政策影响。作物总产量是传统作物产量和可持续农业用地作物产量的总和。作物总产量[ 省 ] 传统农业生产[ 省 ] 可持续农业生产[ 省 ] 传统农业生产和可持续农业生产的计算方法是，将传统和可持续管理措施下的土地数量乘以各自的产量，再用收获前的损失比例进行修正。我们假定可持续耕地比传统管理的耕地生产力高 10，通过生产力乘数计算可持续耕地的产量。除了“可持续农业的额外生产量”这一参数，图 15对传统农业生产和可持续农业生产都是适用的。可持续管理的耕地数量基于土地总量和可持续耕地比例，通过以下等式进行计算。可持续农业用地[ 省 ] 农作物土地总量[ 省 ]可持续耕地的份额计算传统农业产量的等式中包含“IF THEN ELSE”函数，用以表明政策干预的效果。在GE情景下（开关值为“1”），收获前的损失比例会相较BAU情景相应减少，从而可模拟改进农业实践、减少作物收获前的损失的政策影响。传统农业产量[ 省 ] 传统农业用地[ 省 ]传统农业每公顷产量[ 省 ] 1 - IF THEN ELSE 政策开关 1，“收获前损失比例面板数据NCE ” 时间，“收获前损失比例表” 时间 - 收获前作物损失修正系数传统农业的每公顷产量基于农业部门生产率数据，通过时间序列函数计算。传统农业每公顷产量[ 省 ] 单位公顷产量表[ 省 ]时间 1.5.1.2 施肥农业化肥施用量是根据作物生产所用的总土地数和每公顷肥料相乘计算的。该模型假设，与传统管理方式下的农田相比，可持续管理农田的化肥投入减少了50。化肥施用传统农业用地[ 省 ]每公顷农业用地化肥施用量[ 省 ] 可持续农业用地[ 省 ]每公顷农业用地化肥施用量[ 省 ] 1-可持续农业用地化肥削减量化肥施用用于估算地表水体中的肥料径流。进入水体的化肥年总氮负荷量是基于总肥料施用量和流失系数计算的。农业肥料的年总氮负荷量[ 省 ] 最大值化肥施用量[ 省 ]氮肥流失系数，0 养分的流失被认为取决于季节降水量，换句话说，降水量越大，越多的肥料相关养分到达淡水水体。农业肥料输送系数是根据初始输送系数、相对季节降水量和养分流失系数对降水量的弹性计算的。 1.5.2 工业和服务业GDP 对于工业和服务业模块，使用供应侧方法。在本节中，将以 “工业模块”作为示例说明各等式和变量的含义。图 15 | 传统农业生产原因树传统农业生产平均收获作物损失修正系数每公顷传统农业产量时间收获前损失占比面板数量传统农业用地时间 EPS政策开关 NCE情况下收获前作物损失占比收获前作物损失占比可持续耕地占比时间初始时间总耕地收获前产量面板数据 22 | 该部门的绩效通过资本、劳动和生产率进行衡量，工业资本存量变化通过以下公式进行计算工业资本[ 省 ] t1 工业资本[ 省 ] t0 工业投资[ 省 ] t0 – 工业资本折旧[ 省 ] t0 工业投资为名义投资，其计算方法是私人和政府投资之和乘以工业投资比例。该公式基于的假设是该行业将通过投资资本来维持或扩大生产。工业资本的折旧计算方法是将当前工业资本除以工业资本的平均使用年限。折旧包括使用年限即将到期的机器，或者过时的设施。相对工业资本是一个指标，表明与模拟开始时相比工业资本的变化量，其计算方法是将工业资本的存量除以其初始值。工业就业的计算方法是用工业资本乘以工业部门的资本就业强度，后者表示的是每单位资本产生的就业量。工业部门的相对就业率等于工业部门的就业除以其初始值。工业国内生产总值代表了该部门的经济效益。它的计算方法是将最初的国内生产总值乘以生产乘数，生产乘数考虑了就业、资本分别使用柯布-道格拉斯公式下的弹性进行计算和全要素生产率。以下公式用于计算实际工业国内生产总值实际国内生产总值行业[ 省 ] 工业初始GDP[省 ]相对资本[ 省 ] 工业资本弹性[ 省 ] 工业相对就业水平[ 省 ] 劳动弹性[ 省 ] 工业全要素生产率[ 省 ] 图 16描述了用于计算实际工业国内生产总值和确定工业部门全要素生产率的变量。全要素生产率取决于能源法案、技术、营养负荷和二氧化碳排放的发展情况。表 9 | 构成工业全要素生产率的影响类型影响类型影响等式技术影响[省]技术[省] 工业全要素生产率对技术的弹性[省] 排放影响[省] DELAY3I relative annual energy co2e emissions[province] ELASTICITY OF TFP TO CO2E EMISSIONS[province], 1, 1 能源法案影响[省] DELAY3I relative energy bill as share of GDP [province] ELASTICITY OF ENERGY BILL ON INDUSTRY TFP [province], 1, 1 营养负荷影响[省]向环境中释放氮的相对成本[省] 全要素生产率对向环境中释放氮的弹性道路影响[省] DELAY3relative km of roads[province] ELASTICITY OF INDUSTRY TFP TO ROAD NETWORK[province], 2 交通拥堵影响[省] ADD ONCE OPERATIONALIZED 图 16 | 真实工业GDP原因树真实工业GDP 工业资本工业初始资本工业初始GDP 劳动力弹性工业资本弹性相对资本工业相对就业工业全要素生产率时间工业就业排放对全要素生产率的影响科技对全要素生产率的影响道路对全要素生产率的影响营养负荷对全要素生产率的影响能源账单对工业全要素生产率的影响技术政策开关科技工业初始就业绿色经济之路长江三角洲绿色经济模型技术论文 | 2020年 11月 | 23 1.6 就业与技术这个模块概述了各部门就业、总部门就业以及技术的发展情况。它可以评估政策干预对就业的影响，并分析技术的发展趋势变化。总就业包括了农业、工业、服务业三个部门就业。图 17表示了影响总就业人数的因素。估计各部门就业的公式见上一节。收入的相对值，即当前的实际可支配收入除以其初始值，会影响消费倾向，进而影响私人消费和私人储蓄。消费倾向[ 省份] 初始消费倾向[ 省 ]时间相对私人消费实际可支配收入[ 省 ] 消费倾向收入弹性[ 省 ] 可支配收入乘以消费倾向得到私人总消费。私人储蓄是可支配收入与私人消费之间的差额。私人储蓄[ 省 ] 可支配收入[ 省 ] -私人消费[ 省 ] 私人投资根据私人储蓄、私人储蓄占私人投资的份额确定，并根据与政府融资有关的货币流量进行了修正，后者则基于历史数据。私人投资[ 省 ] 私人储蓄[ 省 ] 1 -私人储蓄占私人投资的份额[ 省 ]时间名义消费和名义投资分别计算为政府和私人消费之和与政府和私人投资之和。图 18概述了用于计算名义消费量的变量。图 19显示了用于计算名义投资的变量。总就业人数和劳动力用于计算失业率。劳动力是通过将总人口乘以劳动参与率得出的。失业率可以使用最大值函数计算，以避免取到负值。失业率[ 省 ] 最大值 1 - 总就业人数[ 省 ] /劳动力[ 省 ]， 0 模型中的“技术”用于影响全要素生产率，建模初始值为 “1”且是年增长率的存量。它是随时间稳定增长的指数，代表着在机械和流程自动化方面的改进。 1.7 家庭账户家庭账户模块计算名义GDP、可支配收入和私人消费、储蓄和投资。它提供了有关变量随时间变化的信息，并允许评估政策对家庭特定关键指标的影响。家庭账户模块包含家庭投资和消费，以及可支配家庭收入和人均实际收入。可支配收入通过名义 GDP减去政府国内总收入得到。可支配收入[ 省 ] 名义国内生产总值[ 省 ] -政府国内总收入[ 省 ] 可支配收入用于计算私人储蓄和消费以及实际人均可支配收入，实际人均收入等于可支配收入除以总人口。人均实际可支配图 17 | 总就业原因树图 18 | 名义消费原因树图 19 | 名义投资原因树时间农业用地资本密集型工业资本密集型服务业劳动力密集型工业劳动力密集型服务业可持续耕地额外就业可持续耕地占比总就业农业就业工业就业服务业就业利息后政府预算可支配收入政府消费占总支出比重消费结构名义消费政府消费私人消费利息后的政府预算资本密集型工业政府消费占比总支出的比重私人储蓄私人投资面板数据占比名义投资政府投资用于私人储蓄的私人投资 24 | 1.8 政府账户政府账户模块核算政府收入和拨款，并提供有关政府总消费和投资的信息。政府总收入以地方税收中政府国内收入的一部分计算。政府国内收入按名义GDP的比例计算。图 20中总结了用于计算政府总收入的变量。政府投资[ 省 ] 除利息之外的政府预算[ 省 ] 1 -政府消费占总支出的份额[ 省 ] 非发展支出是政府预算乘以用于行政目的的政府预算份额。非发展支出[ 省 ] 政府预算[ 省 ]用于行政目的的政府预算份额[ 省 ] 发展支出用于计算医疗健康、教育和资源效率投资等发展支出，等于扣除非发展支出的政府预算。发展支出[ 省 ] 最大值政府预算[ 省 ] -非发展支出[ 省 ]， 0 最大值函数用于避免开发支出变得小于零（这等于负投资）。医疗健康、教育和资源效率方面的投资是通过将政府发展支出乘以分别投资于保健、教育和资源效率方面的发展支出的期望份额来计算的。医疗和教育所需的投资份额需进行校准，以确保产生的投资与历史数据一致。 1.9 能源消费与碳排放该模型预测了按部门和来源划分的国家能源消费量，然后将能源消费乘以温室气体排放系数，得出能源使用所产生的全国总排放量。最终能源消费估算考虑了预测需求（包括GDP、人口和能源效率的影响）、价格作用和替代作用。预测需求项和价格作用项用于估算能源服务需求。能源价格与国家加权平均能源价格之比代表了燃料替代的潜力。这意味着，如果取消补贴，一种能源的价格涨幅低于其他能源，它将变得更有吸引力。该模型假设价格效应需要延迟1年才能影响能源消耗。模型的主要结构假设如图 22所示。图 20 | 政府总收入原因树图 21 | 政府预算使用树图 22 | GEM模型框架假定政府融资决策超出省级决策范围，则政府预算定义为政府总收入。如图 21所示，政府预算用于计算去除利息后政府预算、非发展支出和发展支出之后的政府预算，但模型中仅使用总投资。对于省级模型，假定包含利息的政府预算与政府预算相同。通过使用预算量和政府消费占总支出的份额，可以计算政府消费和政府投资。政府消费是将政府消费占总支出的比例乘以预算（不包括利息）得出的；政府投资是将除利息之外的预算乘以1减去政府消费在总支出中所占的比例得出的，如下式所示。预测需求价格作用替代作用最终需求（消费）预测能源需求（在价格作用下）价格比率能源价格一次能源需求替代品GDP 收入弹性人口人口弹性技术能效排放因子（按能源种类）各能源种类需求比例（在替代作用下）价格弹性二氧化碳排放实际税率教育支出健康支出政府消费发展支出名义GDP 资源效率支出政府投资人均发展支出时间政府总收入政府预算政府国内收入发展性支出非发展性支出地方税收占国内收入的比重去除利息后政府预算绿色经济之路长江三角洲绿色经济模型技术论文 | 2020年 11月 | 25 该模型的主要驱动力之一是能源价格，可以通过两种方式对其进行变动，即设定中长期基准趋势（通过对电力的内生计算）和取消化石燃料补贴。取消补贴会提高能源价格，从而通过两种可能的方式降低能源需求能源价格的提升将减少能源消费以抵消成本的增长；如果还是需要能源服务，就会减少使用（以前）补贴的化石燃料，增加相对便宜的燃料消费。温室气体排放受能源消费量降低和能源结构变化的影响，该模型分别对这些影响进行了分析，并构造了几个变量和方程用于估算能量流（以兆焦/年计量）和排放量（以吨/年计量）。首先，预测的能源需求用基年值计算所示的各部门能源需求（以煤炭为例），将其乘以相对国内生产总值和相对人口（均以基年为指数，并提高到特定弹性系数的幂次方），然后除以相对能源效率即可得到。下标“省”用于区分同一变量内各省份的能源需求。预测煤炭需求[ 省 ] （初始煤炭需求[ 省 ]相对国内生产总值[ 省 ] 煤炭需求对国内生产总值的弹性[ 省 ] 相对人口[ 省 ] 煤炭需求对人口[ 省 ]的弹性 /相对能源效率[ 省 ] 其次，考虑价格效应，只需将预测的需求（如上所示）乘以相对能源价格的价格弹性的幂次方。 “指示煤炭需求（价格效应影响下）”[ 省 ] 预测煤炭需求[ 省 ]相对煤炭价格煤炭需求价格弹性[ 省 ] 再次，考虑替代效应。该公式与考虑价格效应的公式相同，但延迟1年表示价格变化与需求（或消费）变化间的滞后。 “煤炭需求（具有替代效应）”[ 省 ] 延迟 N （（“预测煤炭需求（具有价格效应）”[ 省 ] “煤炭价格- 替代”[ 省 ] 煤炭需求对煤炭价格的弹性[ 省 ] ），需求适应价格变化的时间，（“预测煤炭需求（具有价格效应）”[ 省 ] “煤炭价格- 替代”[ 省 ] 煤炭需求对煤炭价格的弹性[ 省 ] ），3 ）通过使用能源价格（如煤炭）与该省平均能源价格（按所有能源价格的加权平均估计）的比率，将由于价格变化（例如化石燃料补贴取消）而从一种能源替代另一种能源的可能性纳入其中。这个比率也是指数化的，以确保与弹性使用的一致性。 “煤炭价格- 替代”[ 省 ] 延迟 N （（相对煤炭价格/ 相对加权平均能源价格[ 省 ]），1,1,1 ）预测能源需求（包括价格效应）用于估算指示能源总需求（也是能源服务需求），即各省份必须保证的能源总量。替代潜力被用来估算不同能源消费的实际份额，最后将预测的能源需求总量乘以替代效应得到的份额进行归一化（此处的EPS即EPS情景，可参见WRI团队浙江EPS研究成果）。标准化煤炭需求[ 省 ] IF THEN ELSE（ EPS政策开关 1，预测省份能源需求总量[ 省 ]能源需求标准化煤炭份额[ 省 ] 煤炭需求表EPS 效应（时间），预测各省份能源需求总量[ 省 ] 能源需求中标准化的煤炭份额[ 省 ]） “IF THEN ELSE”函数允许模拟能源替代政策（如从煤炭向天然气取暖转换）。如果EPS政策开关处于激活状态（即开关值为“1”的时候），则EPS对煤炭需求的影响适用于标准化煤炭需求。EPS效应是一个用户定义的、基于时间的乘数，允许根据政策雄心随时间增加或减少煤炭需求。一旦对标准化需求（假设与消费量相同）进行了估算，也可以对排放量进行预测。这可以通过将标准化需求乘以其排放因子来实现。煤炭排放量[ 省 ]标准化煤炭需求[ 省 ]每兆焦煤的温室气体排放量 1.10 能源账单在能源账单模块中按使用的能源类型计算能源成本。该模块介绍了省一级的能源成本，并指出了设想的能源部门政策将如何改变总能源成本。能源账单是各省份煤炭、石油、电力和天然气成本的总和。图 23中显示了用于计算构成能源账单的不同燃料的成本的变量。图 23 | 能源账单原因树煤炭价格兆焦向千瓦时转换兆焦向亿立方米兆焦向升转换兆焦向千吨转换电力价格天然气价格石油价格省级总名义煤炭需求省级总名义电力需求省级总名义天然气需求省级总名义石油需求能源账单煤炭使用电力使用天然气使用石油使用 26 | 煤炭、石油、电力和天然气的成本是通过将省级燃料需求乘以燃料价格来计算的。转换因子被应用于将能源需求从兆焦转换为相应的价格单位。煤炭成本方程式用于说明按燃料计算能源成本的方法。煤炭成本[ 省 ] 省内标准化煤炭需求总量[ 省 ]煤炭价格转换兆焦至千吨省级能源成本的变化会影响经济生产率。例如，如果能源成本增加，则消费者需要在收入中支付更多的能源成本，这一影响同样适用于工业（即相同水平的生产的成本较高）。能源成本对全要素生产率的影响（请参阅工业和服务业GDP模块）等于相对能源费用（即能源费用占GDP的比重）的弹性次幂。能源费用占 GDP的比重是通过将能源总成本除以名义GDP来计算的。能源费用占国内生产总值的比例[ 省 ] 能源费用[ 省 ]美元对当地货币的汇率/ 名义国内生产总值[ 省 ] 由于长三角GEM模型中的所有能源价格均为美元，因此美元对人民币的汇率适用于能源费用。相对能源费用占GDP的比例是通过将当前能源费用占GDP的比例除以基年初始值得出。相对能源费用占国内生产总值的比例[ 省 ] 能源费用占国内生产总值的比例[ 省 ]/初始能源费用占国内生产总值的比例[ 省 ] 1.11 电力生产电力生产模块概述了发电装机容量需要、发电量、电力相关的就业和投资。该模块区分可再生和不可再生技术与发电，并允许评估针对发电组合的政策干预措施。电力生产模块有两种发电存量，用于区分传统发电装机量和可再生发电装机量。表 10中列出了库存及其各自的流量。在模型图 24 | 期望发电能力原因树方程式中，所有库存和流量均使用下标[省]，以确保针对三省一市定制发电需求和装机容量。两种存量都根据所需的发电量和可再生能源发电量的比例进行调整。图 24的原因树中汇总了用于计算所需发电量的变量。所需的发电能力由能源消费模块的电力需求和消费驱动，并受平均负荷系数和传输损耗的影响。预测发电装机量[ 省 ] 以兆瓦时衡量的能源需求[ 省 ] 1 传输损耗率[ 省 ]时间/加权平均负载系数[ 省 ] /每年小时数平均负荷系数取决于技术组合，并基于传统发电装机量和可再生发电装机量的总和以及相应的负载系数作为加权平均值进行计算。相同的方法被用来计算传统和可再生发电容量结构，此处以传统容量为例。表 10 | 发电模型存量与流量表存量流入量流出量传统发电装机量传统施工率传统折旧率传统的容量损害可再生发电装机量可再生能源建筑率可再生能源折旧率可再生能源产能受损传统负荷系数可再生负荷系数每兆焦的兆瓦时初始时间地区总名义电力需求传统发电占比其他可再生发电占比期望发电能力时间兆瓦时电力需求小时/年重量平均负荷系数转换损失绿色经济之路长江三角洲