EN中文

Tropical Geography >

2025 1 - 14

DOI: https://doi.org/10.13284/j.cnki.rddl.20240590

Influence of Renewable Energy Development on the Export Patterns of China's High Energy-Intensive Products

  • Tianli Gu , 1 ,
  • Canfei He 2 ,
  • Xiangdong Zhu , 3
Expand
  • 1. School of International Trade and Economics, University of International Business and Economics, Beijing 100029, China
  • 2. College of Urban and Environmental Sciences, Peking University, Beijing 100871, China
  • 3. Department of Society and Ecological Civilization, Guangdong Institute of Public Administration, Guangzhou 510053, China

Received date: 2024-09-06

  Revised date: 2024-12-16

  Online published: 2025-09-22

Fold

Abstract

Renewable energy development is critical for advancing energy transitions and addressing climate change, both of which will likely trigger substantial transformations in industrial geography and trade patterns. Previous studies have investigated the impacts of renewable energy on manufacturing sectors from both production and consumption perspectives. In addition, the trade patterns of energy-intensive products have been analyzed in terms of industrial relocation, embodied carbon flows, and carbon leakage mechanisms. However, few studies have explored how renewable energy influences the export of high energy-intensive products. Based on province-product-destination trade data from 2011 to 2020, we used spatial analytical methods to characterize the geographical distribution of China's energy-intensive product exports across origins and destinations. We then applied fixed-effect regression models to empirically assess the impacts of provincial-level renewable energy on these exports. The results indicate that China's renewable energy generation is geographically concentrated in the northwestern provinces, whereas energy-intensive manufacturing exports are predominantly located in eastern coastal regions, revealing a spatial mismatch between the energy supply and industrial demand. While China's high energy-intensive exports remain predominantly destined for developed economies, the growth momentum in recent years has been increasingly propelled by demand from developing countries. In addition, renewable energy development promoted the export of high-energy-intensive products by increasing the proportion of energy-intensive industries in provincial industrial structures. Renewable energy development in China's eastern and central provinces promoted high energy-intensive product exports, whereas no substantial effect was observed in the western provinces. Superior grid infrastructure, stringent low-carbon policies, and higher foreign direct investment levels all enhanced the positive impact of renewable energy on energy-intensive exports, whereas greater agglomeration of energy-intensive industries demonstrated no favorable effect. Carbon mitigation policies in the destination countries strengthened the positive relationship between China's renewable energy and energy-intensive exports, whereas greater renewable energy deployment in these countries exerted a negative moderating effect. Compared with other high energy-intensive products, those subject to the EU's Carbon Border Adjustment Mechanism (CBAM) derived greater benefits from renewable energy development. This study contributes to the literature by establishing a spatial framework for understanding how renewable energy development affects energy-intensive product exports. In addition, this study clarifies the moderating effects of multidimensional factors at the provincial, product, and destination country levels, thereby providing a knowledge foundation for energy-intensive industries to use renewable energy for their green transitions while maintaining export competitiveness. This study demonstrates that the effects of renewable energy on energy-intensive product exports across provinces, product categories, and destination countries are heterogeneous. To maintain export competitiveness, three essential measures must be implemented: electricity market mechanisms and infrastructure improvement, clarification of destination countries' carbon reduction policies, and renewable energy-integrated production model development for energy-intensive industries.

Key words： renewable energy, high energy-intensive product, carbon emissions intensity, Carbon Border Adjustment Mechanism, spatial export pattern; China

Cite this article

Tianli Gu , Canfei He , Xiangdong Zhu . Influence of Renewable Energy Development on the Export Patterns of China's High Energy-Intensive Products[J]. Tropical Geography, 2025 : 1 -14 . DOI: 10.13284/j.cnki.rddl.20240590

改革开放以来，中国高速的工业化导致化石能源消耗激增，带来大规模的二氧化碳排放。随着“耗能双控”“双碳”目标的提出，以及欧盟碳关税（Carbon Border Adjustment Mechanism, CBAM）的实施，中国高耗能行业面临空前的转型压力，因此，使用可再生能源成为其转型的重要途径。然而，早期“耗能双控”政策不区分化石能源和低碳能源，致使低碳能源消耗量也被计入能源消费总量控制目标，从而阻碍了可再生能源在工业生产中的推广应用。党的二十届三中全会明确提出：建立“耗能双控”向“碳排放双控”全面转型新机制（中共中央，2024）。新增可再生能源不纳入能源消费总量控制，为高耗能产业发展提供契机：其一，可再生能源碳排放很低，赋予企业绿色、低碳标签，其高耗能产品事实上不再是高碳产品（Khan et al., 2020; Li et al., 2023）；其二，在可再生能源禀赋优势或化石能源政策严苛地区，可再生能源成本接近甚至低于化石能源，使用可再生能源为企业带来成本优势（Opeyemi et al., 2019; Ilechukwu & Lahiri, 2022）。在新的发展形势下，探讨可再生能源如何影响高耗能产品出口具有重要现实意义。
已有研究多从生产和使用层面探讨可再生能源对制造业的影响（Beylot et al., 2019; Das & Mahalik, 2023），从产业转移、隐含碳、碳泄露等方面剖析高耗能产品贸易特征（Li et al., 2023; Xie et al., 2023; Yang et al., 2024），然而关于可再生能源发展对高耗能产品贸易的影响效应鲜有研讨。充分认知可再生能源发展对高耗能产品出口的作用机制及异质性，一方面，有助于探索中国高耗能产业在绿色发展约束下的转型路径，为政府部门推动“耗能双控”向“碳排放双控”政策转型；另一方面，为高耗能企业应对国际碳关税壁垒，提升其国际可持续竞争力提供新的思路。因此，本文基于2011—2020年省份-产品-目的国维度的贸易数据，以空间分析呈现中国高耗能产品出口源地与目的国格局，采用固定效应面板数据模型，探讨中国各省可再生能源对高耗能产品出口格局的影响机制，并在省份、产品、目的国层面进行异质性分析。

1 文献综述与理论分析

1.1　可再生能源对出口的影响

关于可再生能源是否促进出口，现有文献存在争议。一类研究认为可再生能源能推动出口。生产层面，以光伏、风电为代表的可再生能源技术产业具有制造业属性，其发展壮大提升黑色金属、有色金属等原材料的需求（Beylot et al., 2019；杨宇 等，2024）。如Sokolova等（2024）发现全球能源转型推动俄罗斯金属矿物及制品贸易；陈伟等（2024）发现能源转型背景下，广泛用于合金、电镀、电池等行业的镍，贸易额迅速增长。使用层面，可再生能源降低能源利用成本、为产品赋予绿色标签，进而助力出口（Khan et al., 2020）。如Ilechukwu & Lahiri（2022）基于152个国家的研究发现，可再生能源造成额外成本，总体上不利于出口，然而聚焦到经合组织国家，由于激励政策和化石能源使用约束，使得可再生能源成本反而更低，提升了经合组织国家的出口表现。Das & Mahalik（2023）在行业层面进行分析，证实可再生能源的使用促进多数行业的产品出口。另一类研究指出，能源转型带来的额外成本可能抑制出口。如Hao（2022）指出，现阶段中国可再生能源比重较低，无法满足工业和农业生产与出口需求；Opeyemi等（2019）发现，撒哈拉以南的非洲国家依赖初级产品出口，难以承担能源转型成本，可再生能源对出口是负向影响。综上，可再生能源对出口的影响并未达成共识，基于细分领域的研究仍待展开。

1.2　高耗能产品出口研究

学界一般根据单位产值碳排放量，将黑色金属、化工、金属制品等行业及产品分别定义为高碳产业与高碳产品（李小平 等，2010）。本研究的高耗能产品即为传统意义上的高碳产品。早期高耗能产业研究关注国际产业转移，自加入WTO以来，中国凭借劳动力、土地等比较优势承接发达国家高耗能产业，冶金、化工等行业呈现较强的出口竞争力（Gong et al., 2016）。在政策支持、区位优势等因素的推动下，高耗能产业在东部沿海形成集聚（金煜 等，2006），并通过共享、匹配、学习效应进一步增强出口优势（Duranton & Puga, 2004）。由于发达国家通过进口而非生产的方式满足高耗能产品需求，产品中的隐含碳研究成为热点领域（Xie et al., 2023; Yang et al., 2024）。
随着高耗能产业造成的环境污染、碳排放等问题日益突出（王长建 等，2018；黄永源 等，2020），环境政策也随之加码。“耗能双控”与“双碳”目标增加了化石能源使用成本，降低了中国高耗能产品出口优势（相晨曦 等，2021）。欧盟则意识到自身减排行动导致高耗能产业转移至他国，造成碳泄露，于是设立碳关税，抑制外部高耗能产品流入（Li et al., 2023）。已有研究显示，能源约束给高耗能产业带来成本上升、产业外迁等负面影响（Magacho et al., 2024），那么可再生能源是否能够缓解能源约束，利好高耗能产业发展？这仍需进一步实证分析。

1.3　可再生能源对高耗能产品出口的影响

在低碳发展的国际共识下，高耗能产品将与可再生能源链接，有望重塑产业竞争与国际贸易格局。其一，光照、风力资源丰富，以及化石能源限制严苛的地区，可再生能源价格逐步低于化石能源，节省高耗能企业用能成本（Bogdanov et al., 2021; Verpoort et al., 2024）。其二，欧盟碳关税等绿色贸易规则将碳减排成本引入贸易成本。可再生能源促成耗能与碳排放脱钩，高耗能产品可以不再是高碳产品，降低进入国际市场的碳合规成本（王谋 等，2021）。其三，可再生能源为产品赋予绿色标签，塑造负责任的企业形象，迎合绿色消费偏好，增强出口竞争力（Khan et al., 2020; Lipiäinen, 2022）。由于能源投入占总成本比重的差别，可再生能源对高耗能产业的利好可能多于其他产业，增强高耗能产业竞争优势，提升其经济占比，进而助力出口。
能源与社会经济关系的研究呈现“空间转向”趋势（马诗萍 等，2022），区位特征可能导致可再生能源作用效果的空间分异。在省份层面，东部、中部、西部三大地带在可再生能源禀赋、高耗能产业发展水平等方面存在巨大差异，省份电力基础设施、对外联系水平各不相同，影响可再生能源使用能力和意愿（Wang et al., 2022）。在目的国层面，环境规制严苛的国家，倾向于进口环境友好的产品，可能青睐基于可再生能源生产的高耗能产品。全球可再生能源领域竞争激烈，从能源产品视角看，典型的表现是欧美对中国光伏的贸易保护（朱向东 等，2019），从能源利用视角看，可再生能源规模大的国家自身可能形成高耗能产业+可再生能源生产模式，与外部产品形成竞争，因而减少高耗能产品进口。此外，在产品层面，纳入欧盟碳关税的产品是碳强度高、遭受贸易政策影响深、出口规模大的产品，对于能源低碳化转型理应有更强的动力（王谋 等，2021）。因此，本文以空间分析呈现中国高耗能产品出口源地与目的国格局，并以实证分析对多维因素的作用进行检验。
图1 分析框架

Fig.1 Research framework

2 数据来源与描述性分析

2.1　数据来源

2011—2020年贸易数据源自中国海关贸易数据库，该数据库记录了省份-产品-目的国3个层面的详尽出口信息，实际处理中将产品HS编码统一转换为HS2007版本。各省发电总量、风电和光伏发电量、输电线路回路长度数据源于中国电力企业联合会。识别高耗能产品所需的碳排放数据源于EXIOBASE 3.8.2（Stadler et al., 2018），该数据库提供了世界主要经济体163个行业产业及200种产品类别的碳排放数据，涵盖原料、生产、使用、废弃等多个环节，包括燃烧过程、工业过程、农业泥炭分解等碳排放。由于土地使用相关的碳排放难以通过投入产出模型分解到各产业，参考He & Hertwich（2019），以化石燃料燃烧和工业过程碳排放数据确定高耗能产业和产品。计算过程请见3.2节，最终本文确定了1 042种HS2007代码产品为高耗能产品。
各国碳强度数据源于气候观察组织（Climate Watch） 1。各省碳强度数据源于中国碳核算数据库（Carbon Emission Accounts and Datasets, CEADs） 2，吸引外商直接投资（Foreign Direct Investment, FDI）来自CEIC中国经济数据库 3，进出口总额数据源自EPS中国科技数据库 4，人均GDP数据源自各省统计年鉴。目的国总发电量、风电和光伏发电量数据源自能源研究所（Energy Institute） 5，人均GDP数据源自世界银行 6。为剔除通货膨胀影响，GDP相关数据平减至2010年。对连续变量进行前后1%的缩尾处理，降低极端值的影响。

2.2　描述性分析

2.2.1　中国可再生能源发电量空间格局

分别以各省年均风电与光伏发电量之和及其占发电总量比例，分析中国可再生能源的空间格局（图2）。图2-a显示，从2011—2020年均数据看，中国可再生能源发电量呈现北高南低格局，前8位省份依次为内蒙古、新疆、河北、甘肃、山东、山西、宁夏、江苏，可再生能源发电量在150亿kW·h以上。青海、黑龙江、辽宁、云南可再生能源发电量也较高，在100亿~150亿kW·h，其他省份则在100亿kW·h以下。从图2-b看，各省可再生能源发电量占比呈现西北高东南低的格局，前9位省份依次为甘肃、青海、内蒙古、宁夏、新疆、吉林、河北、西藏、黑龙江，可再生能源年均发电量占比超过10%，其他省份则在10%以下。诸如山东、江苏的东部省份，虽然可再生能源发电量多，但总耗能量也高，导致可再生能源发电占比并不高。而青海、西藏等西部省份，总耗能量低，可再生能源占比较高。
图2 2011—2020年中国可再生能源发电量空间格局 [各省年均风电和光伏发电总量（a）及其占比（b）]

注：该图基于国家测绘地理信息局下载的审图号为GS（2019）1821的标准地图制作，底图无修改；图3同。

Fig.2 Spatial patterns of provincial renewable energy generation (2011—2020) [annual electricity generation from wind and solar PV power (a) and its percentage share of total generation (b) by province]

上述格局分异的成因在于各地不同的资源禀赋、用地成本和用能需求。充裕的太阳能、风能以及广阔的土地资源，使得中西部省份具备大规模建设可再生能源项目的条件。而东南地区由于经济活动密集、土地资源紧张，加之工业用能总量较高，致使可再生能源比例显著低于中西部。需要指出的是，四川和贵州水力发电规模很高，但由于本文选择风电和光伏为研究对象，导致川贵指标相对较低。

2.2.2　中国各省高耗能产品出口格局

分别以各省年均高耗能产品出口额、出口增长额作为观测值，分析中国高耗能产品出口的空间格局。图3-a显示，各省年均高耗能产品出口额自东向西阶梯式递减。年均出口额在50亿美元以上的省市有8个，全部位于东部地带；年均出口额在10亿~50亿美元的省份有6个位于中部地带，外加北京、天津、四川3个省级行政区；其他省份年均出口额在10亿美元以下，青海、西藏、海南3省出口额则在1亿美元以下。从图3-b的增长格局看，与总量格局基本一致，但河北、辽宁、山西、河南的增长态势不如总量格局，原因可能是这些省份的钢铁、电解铝等产业存在产能过剩，出口增长受限。
图3 2011—2020年中国高耗能产品出口空间格局（a. 出口额；b. 出口增减额）

Fig.3 Spatial patterns of provincial high-energy-intensive product export in China during 2011-2020 (a. export value; b. dynamic of export value)

对于中国高耗能产品出口由西向东依次增长的格局，认为东部地区凭借区位条件，深度参与全球价值链，具有高耗能产品出口优势；随着东部沿海地区土地、能源、劳动力成本不断上升，中部省份通过“筑巢引凤”承接东部产业转移，高耗能产品出口份额日益增加；西部省份经济发展和工业基础相对较弱，高耗能产品出口额较低。图2与图3呈现的空间格局亦印证了中国可再生能源资源生产与需求存在空间错配的研究结论（王兵 等，2022）。

2.2.3　中国高耗能产品出口目的国格局

以2011—2020年各国年均从中国进口高耗能产品数额及增长量，绘制中国高耗能产品出口目的国格局（图4）。图4-a显示，中国年均高耗能产品出口额在40亿美元及以上的国家共有11个，分别为美国（268）、韩国（127）、日本（119）、印度（101）、越南（61.5）、德国（60.8）、印尼（49.1）、泰国（48.6）、澳大利亚（42.2）、荷兰（40.1）、马来西亚（40.0），占中国高耗能产品年均出口总额的58.7%。其中，5个为发展中国家，其进口额占到前11国家总进口额的31.4%。欧盟、中东、北美的部分国家从中国进口超过20亿美元，其他国家则在20亿美元以下。图4-b展示了研究时段各国从中国进口高能耗产品的总额的年均增长情况，其中出口增长额在20亿美元及以上的国家共有15个，前11位分别为：美国（152）、越南（81.1）、泰国（46.8）、印度（41.1）、韩国（38）、马来西亚（36.8）、菲律宾（36.5）、印尼（36.3）、英国（29.3）、德国（27.9）、澳大利亚（27.5），占中国高耗能产品出口增长的54.5%，其中6个为发展中国家，占前11位国家进口额年均增长量的50.4%。
图4 中国高耗能产品出口目的国格局（2011—2020年）（a. 出口额；b. 出口增减额）

注：该图基于国家测绘地理信息局下载的审图号为GS（2016）1665号的标准地图制作，底图无修改。

Fig.4 Spatial patterns of China's high-energy-intensive products export (2011—2020) (a. Export value; b. Dynamic of export value)

相较于出口总额的格局分布情况，中国高耗能产品出口增长更加集中于后发国家。究其原因，发达国家产业体系较为成熟，占据价值链中高端，虽然需要长期从中国进口钢铁、有色金属等高耗能产品作为原材料或中间品，但是高耗能产品的总体需求量较为稳定。在此基础上，碳关税等一系列碳排放约束政策的出台，降低了中国高耗能产品在发达国家市场的利润与增长潜力，压缩其对中国高耗能产品的新增需求空间。与之相对，东南亚等后发国家目前正处于快速工业化时期，持续承接中国企业海外投资与工程项目建设，双方在相关产能合作与供应链配套上的协同空间不断扩大，因此对中国高耗能产品的需求增长显著。

3 模型设定与变量说明

3.1　模型设定

为探究各省可再生能源对中国高耗能产品出口格局的影响，检验省份出口产品结构的中介作用，设立如下实证模型：
Y i j p t = α + β R E i t + β x X + p r o v i n c e i + d e s t i n a t i o n j +                p r o d u c t p + ε
H C i j t = α + β R E i t + β x X + p r o v i n c e i + d e s t i n a t i o n j +                   p r o d u c t p + ε
Y i j p t = α + β R E i t + γ H C i t + β x X + p r o v i n c e i +                 d e s t i n a t i o n j + p r o d u c t p + ε
式中：被解释变量Yijpt 为省份i在t年向国家j出口高耗能产品p的额度；RE it 为省份可再生能源指标，以省份i在t年风电和光伏发电量占发电总量的比例代理，同时以RET it，即省份i在t年风电和光伏发电量之和，作为稳健性检验指标；HC ijt 为高耗能产品结构，以省份i在t年向目的国j的出口产品中，高耗能产品的占比衡量；X为控制变量；province i，destination j 和product p 分别为省份、目的国、产品层面的固定效应；α为常数项；β、γ为回归系数；ε为误差项。
控制变量包括：1）省份对外开放程度Open it。对外开放程度高的地区，往往具有交通、产业、贸易便利水平层面的优势，进而影响出口。2）省份发展水平GDPPCP it。发展水平高的地区，产业结构领先、物流网络完善，有助于企业出口。3）省份-目的国贸易联系Import ijt。省份-目的国贸易联系强，表明双方已有较好的贸易基础和条件，可为后续贸易行为提供便利。4）目的国经济发展水平GDPPCD jt。经济发展水平高的目的国，低碳转型的能力和意愿往往更强，有助于中国向其出口绿色产品。
设置如下模型，对省份、产品、目的国层面变量进行调节效应检验。
Y i j p t = α + β R E i t + φ M + δ R E i t × M + β x X +    p r o v i n c e i + d e s t i n a t i o n j + p r o d u c t p + ε
式中：M为调节变量。
调节变量在省份层面包括：1）电网密度Grid it。反映能源基础设施水平，较高的电网密度有助于高效输送可再生能源，降低能源获取与使用成本。2）产业集聚RCA ipt。产业集聚一方面促进能源的节约集约利用，可能强化可再生能源带来的利好。另一方面集聚区已然形成路径依赖式的生产和用能模式，转型成本高，可能难以及时抓住能源转型契机。3）外资利用水平FDI it。欧美对中国的投资项目往往要求配套绿能供应，由此降低高耗能产品的高碳属性，进而助力出口。4）省份碳强度（CEIP it ）。碳强度高的省份，环境规制水平低，高耗能产业发展空间大，影响高耗能产品出口。
在产品层面，设置碳关税CBAM p 变量，参考Magacho等（2024）的研究，包括铝、水泥、钢铁，共145种6位数HS编码产品被纳入欧盟碳关税。这些产品碳强度高、遭受贸易政策影响深，其出口对于能源低碳转型更为敏感。在目的国层面，1）目的国碳强度CEID jt，反映低碳政策力度。低碳政策力度大的国家，可能更为青睐基于可再生能源生产的高耗能产品。2）目的国可再生能源发电量Clean jt，反映其可再生能源发展水平，可再生能源发电多的国家，自身具有生产低碳且高耗能产品的能力，可能与中国形成竞争，抑制向其出口。

3.2　变量设定

3.2.1　高耗能产品的识别

以投入产出模型量化各行业因最终需求产生的实际碳排放（张捷 等，2015）。使用EXIOBASE 3.8.2基于200个产业划分的投入产出表，参考He & Hertwich（2019）的研究，采用以下公式计算：
A X + Y = X
即： X = I - A - 1 Y
式中： X 、 AX 和 Y 分别表示总产出向量、中间使用矩阵和最终需求向量。 A 为直接消耗系数矩阵，表示生产每单位最终产品对所有产业中间产品的消耗， I - A - 1为列昂惕夫（Leontief）逆矩阵。
当直接碳排放系数已知时，可建立如式（8）所示的环境投入产出模型。
s = F / X
E = s I - A - 1 Y
式中： s 为各产业直接碳排放系数向量； F 代表各产业直接二氧化碳排放； X 代表总产出向量； E 为各产业实际碳排放向量。对各产业实际碳排放进行排序，参考Lin & Zhao（2024）的方法，以比例的方式确定高耗能产品。不同于该研究取前30%，本文取前10%，即将碳强度在前20名的EXIOBASE产品确定为高耗能产品。经匹配，得到HS代码下1 042个高耗能产品，占六位数HS代码总数的约20%。

3.2.2　产业集聚的测度

产业集聚采用以下公式测度：
R C A i p t = E X P i p t / ∑ p E X P i p t ∑ i E X P i p t /   ∑ p ∑ i E X P i p t
式中：EXP ipt 为t年省份i出口产品p的出口额。当RCA ipt ＞1时，表示t年省份i在出口产品p上具备显性比较优势，认为产品p在省份i存在产业集聚。实证模型所涉及变量的定义及数据来源请见表1。
表1 实证模型变量定义与数据来源

Table 1 Variable definitions and data sources for the empirical model

变量类型 变量 变量符号 解释 数据来源
因变量 高耗能产品出口额 Yijpt 省份i在t年向国家j出口高耗能产品p的数额 中国海关贸易数据库
自变量 可再生能源 RE it 省份i在t年风电和光伏发电量占发电总量比例 中国电力企业联合会
中介变量 高耗能产品结构 HC ijt 省份i在t年向国家j出口高耗能产品的占比 中国海关贸易数据
省级层面 电网密度 Grid it 省份i在t年的输电线路回路长度/行政区域土地面积 中国电力企业联合
产业集聚 RCA ipt 省份i在t年出口产品p的显著性比较优势 中国海关贸易数据
外资利用水平 FDI it 省份i在t年实际使用外资数额与GDP的比值 中国经济数据库
省份经济发展水平 GDPPCP it 省份i在t年的人均GDP 各省统计年鉴
省份对外开放程度 Open it 省份i在t年的进出口额占GDP比例 中国科技数据库
省份碳强度 CEIP it 省份i在t年的碳强度 中国碳核算数据库
目的国层面 目的国碳强度 CEID jt 国家j在t年的碳强度 气候观察组织
可再生能源发电量 Clean jt 国家j在t年风电和光伏发电量之和 能源研究所
目的国经济发展水平 GDPPCD jt 国家j在t年的人均GDP 世界银行
省份-目的国贸易联系 Import ijt 国家j在t年从省份i进口全部产品总额 中国海关贸易数据
产品层面 是否被纳入碳关税 CBAM p 产品是否被纳入欧盟碳关税 Magacho等（2024）

4 实证结果分析

4.1　可再生能源对高耗能产品出口的影响

表2显示了各省可再生能源影响高耗能产品出口的回归结果，以及区域异质性分析结果。模型1、2分别加入省份可再生能源发电量占比（RE it）和可再生能源发电量（RET it ），两者均显著为正，回归结果稳健，表明可再生能源的使用促进省份高耗能产品出口。高耗能产品主要指生产时能源过程碳排放量高，当使用可再生能源，其能源过程不再具备高碳排放特征，由此规避碳减排约束，获得竞争优势。同时部分地区由于具备优越的禀赋条件，如自然资源、地理位置、政策环境等，使可再生能源成本低于化石能源，能进一步增强使用可再生能源的优势。Hao（2022）基于工业和农业大类的研究指出可再生能源不利于出口，本研究认为可再生能源或许整体上不利于出口，但聚焦到高耗能产品，存在成本与环境双重利好，从而促进该类产品出口。
表2 可再生能源对高耗能产品出口的影响

Table 2 The impact of renewable energy on the export of high-energy-intensive products

变量 模型1 模型2 模型3 模型4 模型5 模型6 模型7
Yijpt Yijpt HC ijt Yijpt 东部 中部 西部
Yijpt Yijpt Yijpt
RE it 0.045***（0.001） 0.177***（0.004） 0.042***（0.001） 0.046***（0.001） 0.023***（0.002） -0.003（0.003）
RET it 0.133***（0.003）
HC ijt 0.019***（0.000 2）
Open it -0.600***（0.016） -0.600***（0.017） -7.436***（0.066） -0.455***（0.016） -0.099***（0.020） 3.167***（0.238） -1.171***（0.179）
GDPPCP it 0.194***（0.015） -0.046**（0.020） -1.202***（0.059） 0.218***（0.015） 0.559***（0.020） 0.165***（0.031） 0.246***（0.036）
Import ijt 0.648***（0.003） 0.649***（0.003） -2.123***（0.014） 0.690***（0.003） 0.788***（0.004） 0.462***（0.008） 0.372***（0.009）
GDPPCD jt 0.689***（0.019） 0.683***（0.019） 4.651***（0.077） 0.599***（0.019） 0.604***（0.021） 0.717***（0.059） 1.107***（0.080）
常数项 -10.20***（0.196） -8.890***（0.224） 30.88***（0.790） -10.80***（0.195） -16.20***（0.243） -6.383***（0.527） -8.370***（0.664）
省份固定效应 控制 控制 控制 控制 控制 控制 控制
产品固定效应 控制 控制 控制 控制 控制 控制 控制
国家固定效应 控制 控制 控制 控制 控制 控制 控制
样本量/个 1 489 178 1 489 178 1 489 178 1 489 178 1 208 705 182 739 97 714
R 2 0.710 0.710 0.801 0.712 0.717 0.684 0.685

注： *、**、***分别表示在10%、5%以及1%的水平上显著。下表同。

Das & Mahalik（2023）的研究认为，可再生能源的影响存在行业异质性，本文推断，可再生能源对高耗能产品出口的利好多于其他产品，由此改变地方出口结构。为此，使用中介效应模型进行检验。模型1、3、4是对省份高耗能产业结构（HC ijt ）的中介效应检验。模型3显示RE it 显著为正，表明省份可再生能源比重增大，高耗能产业比重也将随之增大。模型4显示HC ijt 显著为正，表明高耗能产业比重增大，能够助力高耗能产品出口。对比模型1和模型4，加入HC ijt 变量后，RE it 回归系数由0.045减小到0.042，表明存在中介效应，即可再生能源对不同产业的促进作用并不相同，可再生能源发展可拉动高耗能产业发展进而促进高耗能产品出口。
表2的模型5、6、7展示分区域回归结果，模型5、6中RE it 均显著为正，表明东部和中部省份可再生能源促进高耗能产品出口。模型7中RE it 并不显著，即西部省份可再生能源未能促成高耗能产品出口。本文认为：其一，东部和中部省份拥有雄厚的产业基础和能源技术优势（刘逸 等，2019；叶玉瑶 等，2020），能源利用效率高（封亦代 等，2023），转型成本低，有助于形成以可再生能源为基础的发展模式。西部省份产业基础薄弱，资金技术不足，高耗能行业的能源转型存在更多困难；其二，东部和中部土地资源相对有限，较多以分布式开发风电和光伏，分布式能源能够降低能源输送损耗，有利于支持东部省份高耗能产业转型（Nadeem et al., 2023）。西部省份地广人稀，集中式生产更加常见，加之电网和储能等基础设施配套不全，可再生能源消纳利用成本较高，存在“弃风弃光”问题，未能充分转换为生产与出口优势（薛松 等，2015）。其三，与东部沿海省份相比，西部省份的区位条件和交通物流成本劣势显著，出口经验少，国际贸易网络较为薄弱，未能快速响应国际市场绿色消费趋势。此外，东部省份实际上的环境政策力度高于西部，高耗能企业得以积累低碳技术和转型经验，提升其满足国际市场绿色标准的能力。

4.2　省份异质性分析

为探究省份属性在可再生能源影响高耗能产品中的作用，进行省份异质性分析，结果见表3。
表3 省份异质性分析

Table 3 Provincial heterogeneity analysis

变量 模型1 模型2 模型3 模型4 模型5 模型6 模型7 模型8
Yijpt Yijpt Yijpt Yijpt Yijpt Yijpt Yijpt Yijpt
RE it

0.027***

（0.001）

-0.020***

（0.002）

0.059***

（0.001）

0.100***

（0.002）

0.044***

（0.001）

0.040***

（0.001）

0.060***

（0.001）

0.090***

（0.001）

Grid it 1.378***（0.039） 0.324***（0.051）
RE it ×Grid it 0.087***（0.003）
RCA ipt 0.415***（0.007） 0.436***（0.007）
RE it ×RCA ipt -0.023***（0.001）
FDI it

-1.202***

（0.124）

 -1.999***（0.170）
RE it ×FDI it 0.258***（0.038）
CEIP it 14.825***（0.408） 17.485***（0.411）
RE it ×CEIP it -1.140***（0.024）
Open it

-0.467***

（0.017）

-0.396***

（0.017）

-0.256***

（0.017）

-0.243***

（0.017）

-0.574***

（0.017）

-0.561***

（0.017）

 -0.581***（0.016）

-0.548***

（0.016）

GDPPCP it

-0.023

（0.016）

0.148***

（0.017）

0.337***

（0.015）

0.238***

（0.015）

0.190***

（0.015）

0.179***

（0.015）

 0.386***（0.016）

0.329***

（0.016）

Import ijt

0.658***

（0.003）

0.664***

（0.003）

0.672***

（0.003）

0.660***

（0.003）

 0.650***（0.003） 0.649***（0.003） 0.636***（0.003）

0.628***

（0.003）

GDPPCD jt

0.705***

（0.019）

0.724***

（0.019）

0.675***

（0.019）

0.705***

（0.019）

0.677***

（0.019）

0.680***

（0.019）

 0.740***（0.019）

0.771***

（0.019）

Constant

-9.467***

（0.197）

-10.71***

（0.200）

-12.61***

（0.199）

-11.77***

（0.201）

-10.05***

（0.196）

-9.951***

（0.197）

 -12.52***（0.206）

-12.21***

（0.206）

省份固定效应 控制 控制 控制 控制 控制 控制 控制 控制
产品固定效应 控制 控制 控制 控制 控制 控制 控制 控制
国家固定效应 控制 控制 控制 控制 控制 控制 控制 控制
样本量/个 1 489 178 1 489 178 1 489 178 1 489 178 1 489 168 1 489 168 1 489 158 1 489 158
R 2 0.710 0.710 0.711 0.711 0.710 0.710 0.710 0.711
表3的模型1、2展示对电力基础设施的调节效应检验，模型1中Grid it 显著为正，表明电网密度高，利好高耗能产品出口。模型2中RE it 与Grid it 交互项显著为正，认为电网基础设施提升了可再生能源对高耗能产品出口的正向影响。风电和光伏的随机性、间歇性、波动性特征对能源基础设施水平提出了更高要求（Wang et al., 2022）。一省电网基础设施水平越高，则高耗能工业消纳可再生能源的能力越强，生产过程碳排放越少，相同的碳排放量创造的生产总额增多，将利好高耗能产品出口。西部省份可再生能源比重高但电网建设滞后（薛松 等，2015），难以将可再生能源优势转化为高耗能产品生产与出口优势。
模型3、4检验产业集聚的作用，模型3显示RCA ipt 显著为正，认为产业集聚带来的共享、匹配、学习效应降低企业生产成本、促成技术研发创新，有利于高耗能产品获取竞争优势。模型4中RE it 与RCA ipt 的交互项显著为负，产业集聚减弱了可再生能源对高耗能产品出口的利好。从能源转型看，集聚区的生产模式、技术流程趋于成熟，电力基础设施更多依赖于传统能源体系，转向可再生能源需要巨大的改造投入；从产业链条看，集聚区企业间合作紧密，单一企业转型可能影响整体效能，能源转型成本在产业链上下游间进一步扩大。从政策措施看，集聚区通常对地区经济发展有重要贡献，政府倾向给予宽松的环境政策，削弱企业能源转型动力。由此，高耗能产业集聚水平低，反而“船小好调头”，能够率先转型和利用可再生能源，获取高耗能产品的生产和出口优势。
模型5、6检验了外商直接投资的作用，模型5显示FDI it 显著为负，表明FDI it 不利于高耗能产品出口。研究时段FDI主要利用中国劳动力成本和产业配套优势，涉足高耗能产品领域较少。模型6显示RE it 与FDI it 的交互项显著为正，表明FDI it 增强了可再生能源对高耗能产品出口的利好。随着中国开放领域日益扩大，外资企业对重化工业等高耗能领域涉足增多，带来低碳转型技术与经验，助力可再生能源在工业生产中的应用（Li et al., 2022）。如德国化工材料生产龙头企业巴斯夫，在入驻广东省湛江市生产基地时要求地方供给绿色能源，并主动参与可再生能源电力交易。由此可见，省份可再生能源发展与外商直接投资的交互作用促成高耗能产品出口。
模型7、8是省份低碳政策力度的分析结果。模型7中CEIP it 显著为正，认为碳强度高的省份，低碳政策力度弱，有助于高耗能产品出口。换言之，低碳政策力度强则省份高耗能产品出口受阻（相晨曦 等，2021）。模型8显示RE it 与CEIP it 交互项显著为负，表明省份碳强度高（低碳政策力度低），抑制了可再生能源对高耗能产品出口的正向影响，反之，低碳政策力度越高，则激励省份基于可再生能源，获取高耗能产品竞争优势。低碳政策力度加大通常伴随着更严格的碳排放约束，而可再生能源的使用能够降低减碳成本，促使企业和地区调整能源结构、升级低碳技术和提高能源利用效率（Zhang & Lin， 2024）。

4.3　目的国与产品异质性分析

将目的国碳强度、可再生能源发电量等变量带入模型，结果见表4。
表4 目的国异质性分析

Table 4 Heterogeneity analysis of destination countries

变量 模型1 模型2 模型3 模型4 模型5 模型6
Yijpt Yijpt Yijpt Yijpt Yijpt Yijpt
RE it 0.046***（0.001） 0.047***（0.001） 0.043***（0.001） 0.049***（0.001） 0.039***（0.001） 0.038***（0.001）
CEID it -0.061***（0.007） -0.054***（0.008）
RE it ×CEID it -0.003***（0.001）
Clean jt 0.010***（0.001） 0.023***（0.001）
RE it ×Clean jt -0.002***（0.000 1）
CBAM p 0.603***（0.007） 0.540***（0.010）
RE it ×CBAM p 0.018***（0.002）
Open it -0.598***（0.016） -0.598***（0.016） -0.595***（0.016） -0.578***（0.016） -0.175***（0.026） -0.171***（0.026）
GDPPCP it 0.200***（0.015） 0.199***（0.015） 0.155***（0.015） 0.104***（0.015） 0.302***（0.023） 0.308***（0.023）
Import ijt 0.645***（0.003） 0.645***（0.003） 0.655***（0.003） 0.655***（0.003） 0.301***（0.003） 0.301***（0.003）
GDPPCD jt 0.682***（0.020） 0.687***（0.020） 0.692***（0.019） 0.686***（0.019） 0.800***（0.030） 0.798***（0.030）
Constant -10.09***（0.202） -10.13***（0.203） -10.02***（0.196） -9.528***（0.198） -5.351***（0.313） -5.371***（0.313）
省份固定效应 控制 控制 控制 控制 控制 控制
产品固定效应 控制 控制 控制 控制 未控制 未控制
国家固定效应 控制 控制 控制 控制 控制 控制
样本量/个 1 483 429 1 483 429 1 489 178 1 489 178 1 488 372 1 488 372
R 2 0.71 0.71 0.71 0.71 0.116 0.116
表4中模型1、2纳入目的国碳强度，模型1显示CEID it 显著为负，表明目的国碳强度越低从中国进口高耗能产品越多，这与隐含碳研究结果（Xie et al.，2023）一致。一些国家推动碳减排的重要方式是将高耗能生产环节转出，中国作为全球最大的制造业基地，出口贸易中相当一部分碳排放是为满足他国需求（Xie et al., 2023; Yang et al., 2024）。模型2显示，RE it 与CEID it 的交互项显著为负，即碳强度高的国家，进口中国基于可再生能源生产的产品意愿较低。换言之，目的国推动碳减排，提升了中国可再生能源对高耗能产品出口的正向影响。在全球碳减排的背景下，碳泄露日益成为各国关注的重点议题。欧盟担忧征收碳价格提高本地企业生产成本，导致产能外迁，因而计划根据进口产品碳含量征收额外关税（Magacho et al., 2024）。可再生能源将传统认识上的高耗能产品转变为低碳产品，有效缓解碳泄露问题，符合进口国的碳减排诉求。
模型3、4纳入了目的国可再生能源发电量，模型3中Clean jt 显著为正，表明使用可再生能源较多的国家，从中国进口高耗能产品更多，印证了上文对碳强度的分析，目的国碳强度低则低碳政策力度大，推动使用可再生能源和进口高耗能产品。模型4显示RE it 与Clean jt 的交互项显著为负，表明目的国自身可再生能源发展水平高，削弱中国可再生能源对高耗能产品出口的正向影响。据此可认为，出口国和进口国的可再生能源存在产业竞争，进口国更青睐依托自身可再生能源生产的高耗能产品。可再生能源相关的产业竞争受到诸多学者关注，以光伏为代表的能源产品领域尤为激烈（朱向东 等，2019），本文提供了高耗能产品的实证。
模型5、6对产品是否纳入欧盟碳关税进行分析，模型5显示CBAM p 显著为正，表明被纳入碳关税的高耗能产品更具出口倾向，这也是欧盟将其纳入碳关税的原因之一。模型6显示RE it 与CBAM p 交互项显著为正，表明被纳入碳关税的产品受到RE it 正向影响更多。究其原因：其一，纳入碳关税的产品生产过程碳排放多，受到碳减排约束强，可再生能源的低碳效应和成本效应对其正向影响更大；其二，欧盟碳关税预计于2026年正式征收，如果产品通过某种方式抵消碳排放或缴纳碳价格，已抵扣的部分可获得豁免（Li et al., 2023）。使用可再生能源必然增加豁免的可能性，因此明确被纳入碳关税的产品更有动力利用可再生能源，以此规避碳关税，获取出口竞争优势。

5 结论与政策建议

本文以空间分析呈现2011—2020年中国高耗能产品出口源地与目的国格局，采用固定效应面板数据模型，探究可再生能源对高耗能产品出口的作用机制，结果表明：1）中国高耗能产品出口量呈现由东向西依次递减的空间格局，出口市场主要在发达国家，而出口增长则更集中于发展中国家。2）可再生能源发展对高耗能产品出口的利好多于其他产业，提升高耗能产业占比可助力高耗能产品出口。3）相较于东部和中部省份，西部省份未能充分发挥可再生能源优势，推动高耗能产品出口。4）省份电网基础设施完备、外商直接投资规模大、碳强度低，能提升可再生能源对高能耗产品出口的正向影响，高耗能产业集聚则呈现负向影响。5）出口目的国的碳强度低则会更加青睐中国基于可再生能源生产的产品，目的国可再生能源规模大则对产品出口有负向影响。6）相较于其他高耗能产品，被收取欧盟碳关税的产品的出口活动受到可再生能源发展的正向影响更多。
本研究结论具有以下政策启示：1）提升可再生能源空间配置效率。针对中国高耗能产品出口与可再生能源禀赋的空间错配问题，应统筹优化能源生产力布局，以增加整体出口收益。西部地区应加快可再生能源基础设施建设，在减少“弃风弃光”现象的同时，确保可再生能源有效消纳；在电网基础设施较完备和外资利用水平较高的东部、中部地区，应鼓励进一步提升其可再生能源装机量和输入量，逐步满足大规模高耗能产业的绿色用能需求。2）鼓励重点行业能源转型。对于欧盟拟征收碳关税的钢铁、铝、水泥等行业，应充分保障可再生能源供给，推动高耗能产品向低碳产品转型，弱化跨境碳排放规制带来的出口劣势，为中国在气候和贸易谈判中增加筹码。同时结合碳交易、绿电绿证等政策，促进碳强度高、排放总量大的行业大规模使用可再生能源，探索能源转型的可行路径。3）厘清目的国碳减排进程及影响。整理研判各国碳减排方式、路径、进程，对于可再生能源禀赋弱的国家，可建立深度合作，以中国可再生能源生产的高耗能产品满足其产品及减排需求。对于可再生能源禀赋强的国家，可加强能源转型与产业绿色转型方面的合作，共同应对气候变化议题。
本研究贡献主要有：1）从空间视角出发，构建了可再生能源影响高耗能产品出口的分析框架；2）厘清了省份、产品、目的国多维因素的调节效应，为高耗能产业利用可再生能源实现绿色转型、保持出口优势，提供智力支持。然而，本研究仍存在一些局限：1）囿于数据可得性，仅使用省级数据，无法捕捉城市或企业层面特征的影响。2）未能对高耗能产品的异质性展开分析。高耗能产品隶属不同行业类别、具有不同技术和附加值水平，其用能转型的阶段与力度并不相同。对此，未来可采用更微观的数据，在更精细的尺度展开剖析，强化对产品异质性的分析，呈现更为细致准确的结果。总之，关于可再生能源发展对高耗能产品的影响效应研究，基于不同国家和地区的更多实证亟待开展。

1 https://www.climatewatchdata.org/

2 https://www.ceads.net.cn/data/province/

3 https://www.ceicdata.com/zh-hans/products/china-economic-database

4 https://www.epsnet.com.cn/

5 https://www.energyinst.org/statistical-review/

6 https://data.worldbank.org.cn/indicator

References

Publishing order | Descend order by publishing year | Descend order by cited within
Beylot A, Guyonnet D, Muller S, Vaxelaire S, and Villeneuve J. 2019. Mineral Raw Material Requirements and Associated Climate-Change Impacts of the French Energy Transition by 2050. Journal of Cleaner Production, 208: 1198-1205.

Bogdanov D, Gulagi A, Fasihi M, and Breyer C. 2021. Full Energy Sector Transition Towards 100% Renewable Energy Supply: Integrating Power, Heat, Transport and Industry Sectors Including Desalination. Applied Energy, 283: 116273.

陈伟，蒋益飞，刘志高. 2024. 全球镍贸易网络演化及其韧性研究. 世界地理研究，34（1）：1-15.

Chen Wei, Jiang Yifei, and Liu Zhigao. 2024. Evolution and Resilience of the Global Nickel Trade Network. World Regional Studies, 34(1): 1-15.

Das K C and Mahalik M K. 2023. Renewable Energy Use and Export Performance of Manufacturing Firms: Panel Evidence from Six Industries in India. Energy Economics, 125: 106894.

Duranton G and Puga D. 2004. Micro-Foundations of Urban Agglomeration Economies. Handbook of Regional and Urban Economics, 4: 2063-2117.

封亦代，刘耀彬，程风雨. 2023. 中国城市绿色全要素能源效率的区域差异及空间收敛. 地理研究，42（9）：2343-2368.

Feng Yidai, Liu Yaobin, and Cheng Fengyu. 2023. Regional Differences and Spatial Convergence of Green Total-Factor Energy Efficiency in Chinese Cities. Geographical Research, 42(9): 2343-2368.

Gong P, Tang B, Xiao Y, Lin G, and Liu J. 2016. Research on China Export Structure Adjustment: An Embodied Carbon Perspective. Natural Hazards, 84: 129-151.

Hao Y. 2022. The Relationship between Renewable Energy Consumption, Carbon Emissions, Output, and Export in Industrial and Agricultural Sectors: Evidence from China. Environmental Science and Pollution Research, 29(42): 63081-63098.

He K and Hertwich E G. 2019. The Flow of Embodied Carbon Through the Economies of China, the European Union, and the United States. Resources, Conservation and Recycling, 145: 190-198.

黄永源，朱晟君，王少剑. 2020. 基于制度背景与经济活动交互效应的广东省PM2.5污染驱动因素分析. 热带地理，40（1）：74-87.

Huang Yongyuan, Zhu Shengjun, and Wang Shaojian. 2020. Driving Force behind PM2.5 Pollution in Guangdong Province Based on the Interaction Effect of Institutional Background and Socioeconomic Activities. Tropical Geography, 40(1): 74-87.

Ilechukwu N and Lahiri S. 2022. Renewable-Energy Consumption and International Trade. Energy Reports, 8: 10624-10629.

金煜，陈钊，陆铭. 2006. 中国的地区工业集聚：经济地理、新经济地理与经济政策. 经济研究，（4）：79-89.

Jin Yu, Chen Zhao, and Lu Ming. 2006. Industry Agglomeration in China: Economic Geography, New Economic Geography and Policy. Economic Research Journal, (4): 79-89.

Khan S A R, Yu Z, Belhadi A, and Mardani A. 2020. Investigating the Effects of Renewable Energy on International Trade and Environmental Quality. Journal of Environmental Management, 272: 111089.

Li F, Zhang J, and Li X. 2022. Research on Supporting Developing Countries to Achieve Green Development Transition: Based on the Perspective of Renewable Energy and Foreign Direct Investment. Journal of Cleaner Production, 372: 133726.

Li W, Liu X, and Lu C. 2023. Analysis of China's Steel Response Ways to EU CBAM Policy Based on Embodied Carbon Intensity Prediction. Energy, 282: 128812.

李小平，卢现祥. 2010. 国际贸易、污染产业转移和中国工业CO2排放. 经济研究，45（1）：15-26.

Li Xiaoping and Lu Xianxiang. 2010. International Trade, Pollution Industry Transfer and Chinese Industries' CO2 Emissions. Economic Research Journal, 45(1): 15-26.

Lin B and Zhao H. 2024. Asymmetric Trade Barriers and CO2 Emissions in Carbon-Intensive Industry. Journal of Environmental Management, 349: 119547.

Lipiäinen S, Kuparinen K, Sermyagina E, and Vakkilainen E. 2022. Pulp and Paper Industry in Energy Transition: Towards Energy-Efficient and Low Carbon Operation in Finland and Sweden. Sustainable Production and Consumption, 29: 421-431.

刘逸，杨伟聪. 2019. 全球生产网络视角下珠三角区域经济的战略耦合与产业升级. 热带地理，39（2）：155-169.

Liu Yi and Yang Weicong. 2019. Strategic Coupling and Industrial Upgrading in the Pearl River Delta: A Global Production Network Perspective. Tropical Geography, 39(2): 155-169.

马诗萍，刘倩倩，张文忠. 2022. 空间视角下的能源-经济-环境关系研究进展与展望. 地理科学进展，41（8）：1530-1541.

Ma Shiping, Liu Qianqian, and Zhang Wenzhong. 2022. Progress and Prospect of Energy-Economy-Environment Nexus Research from a Spatial Perspective. Progress in Geography, 41(8): 1530-1541.

Magacho G, Espagne E, and Godin A. 2024. Impacts of the CBAM on EU Trade Partners: Consequences for Developing Countries. Climate Policy, 24(2): 243-259.

Nadeem T B, Siddiqui M, Khalid M, and Asif M. 2023. Distributed Energy Systems: A Review of Classification, Technologies, Applications, and Policies. Energy Strategy Reviews, 48: 101096.

Opeyemi A, Uchenna E, Simplice A, and Evans O. 2019. Renewable Energy, Trade Performance and the Conditional Role of Finance and Institutional Capacity in Sub-Sahara African Countries. Energy Policy, 132: 490-498.

Sokolova Y, Davidson N, and Mariev O. 2024. Global Energy Transition and Foreign Environmental Regulations: Impacts on Russian Regions' Export Volumes. Journal of Environmental Management, 352: 120001.

Stadler K, Wood R, Bulavskaya T, Södersten C J, Simas M, Schmidt S, Usubiaga A, Acosta-Fernández J, Kuenen J, and Bruckner M. 2018. EXIOBASE 3: Developing a Time Series of Detailed Environmentally Extended Multi-Regional Input-Output Tables. Journal of Industrial Ecology, 22(3): 502-515.

Verpoort P C, Gast L, Hofmann A, and Ueckerdt F. 2024. Impact of Global Heterogeneity of Renewable Energy Supply on Heavy Industrial Production and Green Value Chains. Nature Energy, 9(4): 491-503.

王兵，吴英东，刘朋帅，陈思卿. 2022. 可再生能源发展影响因素区域异质性研究——基于生产—输送—消费全产业链视角. 北京理工大学学报（社会科学版），24（1）：39-50.

Wang Bing, Wu Yingdong, Liu Pengshuai, and Chen Siqing. 2022. Regional Heterogeneity Governing Renewable Energy Development From the Perspective of Industrial Chain of Production, Transportation and Consumption. Journal of Beijing Institute of Technology(Social Sciences Edition), 24(1): 39-50.

王长建，张虹鸥，汪菲，叶玉瑶，吴康敏，徐茜，杜志威. 2018. 城市能源消费碳排放特征及其机理分析——以广州市为例. 热带地理，38（6）：759-770.

Wang Changjian, Zhang Hong’ou, Wang Fei, Ye Yuyao, Wu Kangmin, Xu Qian, and Du Zhiwei. 2018. Features and Influencing Factors of Energy-Related Carbon Emissions in Mega City: A Case Study of Guangzhou. Tropical Geography, 38(6): 759-770.

王谋，吉治璇，康文梅，陈迎，张莹. 2021. 欧盟“碳边境调节机制”要点、影响及应对. 中国人口·资源与环境，31（12）：45-52.

Wang Mou, Ji Zhixuan, Kang Wenmei, Chen Ying, and Zhang Ying. 2021. Key Points and Impact of EU's Carbon Border Adjustment Mechanism and China's Responses. China Population, Resources and Environment, 31(12): 45-52.

Wang Y, Xu C, and Yuan P. 2022. Is There a Grid-Connected Effect of Grid Infrastructure on Renewable Energy Generation? Evidence from China's Upgrading Transmission Lines. Energy & Environment, 33(5): 975-995.

相晨曦，陈占明，郑新业. 2021. 环境外部性对出口结构和贸易政策选择的影响——基于中国高耗能产业的证据. 中国人口·资源与环境，31（6）：45-56.

Xiang Chenxi, Chen Zhanming, and Zheng Xinye. 2021. Influence of Environmental Externalities on Export Structure and Trade Policies: Evidence from China's Energy-Intensive Industries. China Population, Resources and Environment, 31(6): 45-56.

Xie H, Yang D, Zhang K, and Yang L. 2023. Structural Evolutionary Analysis of the Embodied Net Carbon Transfer Network of Belt and Road Trade: From the Regional and Sectoral Perspectives. Environmental Science and Pollution Research, 30(18): 54205-54222.

薛松，屠俊明，杨素，张晓萱. 2015. 我国需求侧资源促进大规模间歇可再生能源并网消纳模式. 技术经济与管理研究，（7）：82-86.

Xue Song, Tu Junming, Yang Su, and Zhang Xiaoxuan. 2015. Demand Side Resources Promoting Large-Scale Intermittent Renewable Energy Integration Mode in China. Journal of Technical Economics & Management, (7): 82-86.

Yang S, Zhu Z, Fu W, and Hu S. 2024. Tele-Connection of Embodied Carbon Emissions from Industries in China's Trade: A Complex Network Analysis. Journal of Environmental Management, 366: 121652.

杨宇，郭越，樊杰，刘毅. 2024. 能源地理研究的发展与展望. 地理学报，79（1）：147-170.

Yang Yu, Guo Yue, Fan Jie, and Liu Yi. 2024. Geopolitics of the Energy Transition. Acta Geographica Sinica, 79(1): 147-170.

叶玉瑶，王景诗，吴康敏，杜志威，王洋，何淑仪，刘郑倩. 2020. 粤港澳大湾区建设国际科技创新中心的战略思考. 热带地理，40（1）：27-39.

Ye Yuyao, Wang Jingshi, Wu Kangmin, Du Zhiwei, Wang Yang, He Shuyi, and Liu Zhengqian. 2020. Strategic Thinking Regarding Building an International Science and Technology Innovation Center in the Guangdong-Hong Kong-Macao Greater Bay Area. Tropical Geography, 40(1): 27-39.

张捷，赵秀娟. 2015. 碳减排目标下的广东省产业结构优化研究——基于投入产出模型和多目标规划模型的模拟分析. 中国工业经济，（6）：68-80.

Zhang Jie and Zhao Xiujuan. 2015. The Optimization of Guangdong Province's Industrial Structure under the Objective of Carbon Emissions Reduction: A Simulating Analysis Based on Input-Output Model and Multi-Objective Programming Model. China Industrial Economics, (6): 68-80.

Zhang Q and Lin B. 2024. What Does Clean Energy Attract? Evidence from the Transfer Structure of Energy-Intensive Projects in China. Renewable Energy, 228: 120642.

中共中央. 2024. 中共中央关于进一步全面深化改革推进中国式现代化的决定. （2024-07-21）[2025-09-08]. https://www.gov.cn/zhengce/202407/content_6963770.htm.

The Communist Party of China Central Committee. 2024. Resolution of the Central Committee of the Communist Party of China on Further Deepening Reform Comprehensively to Advance Chinese Modernization. (2024-07-21) [2025-09-08]. https://www.gov.cn/zhengce/202407/content_6963770.htm.

朱向东，贺灿飞，朱晟君. 2019. 贸易保护如何改变中国光伏出口目的国格局？ 地理研究，38（11）：2565-2577.

Zhu Xiangdong, He Canfei, and Zhu Shengjun. 2019. How Does Protectionism Change the Pattern of the Destinations of Chinese Photovoltaic Export? Geographical Research, 38(11): 2565-2577.

Options
Outlines

/

〈 〉