《Sustainable Futures》:Advancing regional product carbon footprint assessment through supply-chain production input-output modeling
编辑推荐:
近年来,对全球变暖问题的日益关注导致需要减少二氧化碳(CO2)排放。为响应到2030年减排46%的国家指导方针,日本地方政府制定了区域CO2减排措施。制定和评估这些措施需要切实有效地评估日本每个县的CO2<
近年来,对全球变暖问题的日益关注导致需要减少二氧化碳(CO2)排放。为响应到2030年减排46%的国家指导方针,日本地方政府制定了区域CO2减排措施。制定和评估这些措施需要切实有效地评估日本每个县的CO2排放因子。本研究提出了供应链生产投入产出(ScPIO)模型,作为现有区域碳足迹方法的实用替代方案。传统的单区域投入产出(SRIO)模型忽略了进口中间投入中的隐含排放,而多区域投入产出(MRIO)模型能够捕捉这些排放,但需要大量区域间贸易数据,这些数据在次国家级层面往往难以获取。ScPIO模型聚焦于生产活动,将国家排放乘数与区域投入产出表相结合,以核算来自转移和进口投入的隐含排放,而无需依赖完整的MRIO数据集。优化版本(ScPIO-opt)进一步提高了计算精度。将该模型应用于日本两个县——爱媛县(上游县)和高知县(下游县)——结果表明,供应链定位的差异显著影响排放因子的敏感性。忽略进口投入会导致上游地区出现较大偏差,而忽略流入则导致下游地区产生更大偏差。总体而言,ScPIO为区域碳核算提供了一个可扩展且以生产为导向的框架,支持促进本地材料使用和优化供应链脱碳策略的政策。
随着全球变暖问题日益受到关注,日本政府承诺到2030年将CO
2排放量较2013年水平减少46%,各地方政府据此制定了区域减排措施。为有效制定和评估这些措施,需要准确评估每个县的CO
2排放因子。然而,现有方法存在局限:单区域投入产出(SRIO)模型忽略进口中间投入中的隐含排放,而多区域投入产出(MRIO)模型虽能捕捉这些排放,却需要大量区域间贸易数据,在次国家级层面往往难以获取。为此,研究人员开展了这项研究,提出了一种平衡计算简便性与区域完整性的新方法——供应链生产投入产出(ScPIO)模型。该模型利用现有排放因子数据库和区域投入产出表,聚焦生产活动,无需依赖完整的MRIO数据集即可核算转移和进口投入的隐含排放。研究将ScPIO模型及其优化版本(ScPIO-opt)应用于日本的两个县——爱媛县(上游县)和高知县(下游县),并与SRIO和MRIO模型进行了比较。结论表明,供应链定位的差异显著影响排放因子的敏感性:忽略进口投入导致上游地区出现较大偏差,而忽略流入则导致下游地区偏差更大。ScPIO模型为区域碳核算提供了一个可扩展且以生产为导向的框架,支持促进本地材料使用和优化供应链脱碳策略的政策。该论文发表在《Sustainable Futures》。
在技术方法方面,研究人员主要运用了以下关键方法:基于投入产出(IO)分析框架,构建了供应链生产投入产出(ScPIO)模型,引入本地输入比例系数矩阵λ
1和转移/进口输入比例系数矩阵λ
2,将区域投入产出表与国家排放乘数相结合。通过使用日本国立环境研究所的3EID数据库(2018年版本)获取直接排放因子E→和国内转移产品排放因子ε
itm,并利用日本各县2015年107部门投入产出表计算技术系数矩阵A和调整矩阵λ
1。优化版ScPIO-opt引入净排放因子ε
itm'剔除重复计算。样本数据来源为日本爱媛县和高知县的2015年投入产出表,其上下游位置基于Antràs等提出的“上游度”指标确定。
研究结果分以下几个部分呈现:
3.1 计算概述:研究人员选取了日本供应链中上游度最高的爱媛县和下游度最低的高知县作为研究对象,利用107部门2015年投入产出表进行碳排放因子计算,并采用偏差率(DR)和欧氏距离(ED)作为评估指标。
3.2 与SRIO模型的比较:通过对两县排放因子的计算,发现SRIO模型结果普遍小于ScPIO模型结果。在爱媛县,平均偏差率为11.98%,最大偏差率为54.57%;在高知县,平均偏差率达24.32%,最大偏差率达78.92%。说明下游区域(高知)中SRIO模型因忽略外部输入导致显著低估,而上游区域(爱媛)偏差较小。
3.3 与MRIO模型的比较:构建了县-国家MRIO框架进行比较。结果显示,在高知县(下游),MRIO结果与ScPIO接近(平均偏差率20.56%);而在爱媛县(上游),偏差增大(平均偏差率21.29%)。原因是基准MRIO模型未包含国际进口,而上游区域依赖进口投入,导致偏差扩大。
3.4 ScPIO相对于传统模型的优势:ScPIO模型在数据需求上少于MRIO,且能更敏感地反映供应链定位差异。其生产导向框架适用于企业层面数据,能够灵活调整输入比例矩阵,支持政策情景分析如本地材料替代。
3.5 潜在局限性:输入输出表固有的静态性可能导致结果滞后于现实;建议使用最新IO表并注意数据分类分辨率与计算效率的权衡。
在讨论部分,研究人员指出ScPIO模型具有结构轻量且分析稳健的特点,特别适用于生产导向和区域精细分析。其矩阵调整机制可完全控制部门间输入比例,为评估区域自给率提供可能。研究结论部分翻译如下:本研究解决了区域碳排放核算的一个核心局限——计算简便性与区域完整性之间的权衡。SRIO模型常忽略外部影响,而MRIO模型需要大量贸易数据。研究人员提出的供应链生产投入产出(ScPIO)模型通过利用现有排放因子数据库和区域投入产出表平衡了这两方面。进一步,对两个日本县的比较表明,排放因子对计算方法的敏感性因区域在产品供应链中的位置而异。上游的爱媛县在忽略进口输入时受较大影响,下游的高知县在忽略转移输入时偏差更大。因此,选择考虑区域或产品在供应链中位置的计算方法至关重要。ScPIO模型能更准确地估计排放因子,更有效地指导促进本地材料使用、优化区域供应链和工业脱碳策略等生产导向政策;而SRIO和MRIO模型更适合消费侧决策。各模型在区域和国家气候政策设计中扮演不同但互补的角色。