后疫情時期的經(jīng)濟(jì)復(fù)蘇與綠色發(fā)展：對立還是共贏

鄭馨竺 張雅欣 李晉 王燦

摘要 后疫情時期的大規(guī)模經(jīng)濟(jì)刺激計劃引發(fā)了人們對綠色發(fā)展可能讓位于經(jīng)濟(jì)復(fù)蘇的擔(dān)憂。盡管“綠色復(fù)蘇”得到國內(nèi)外廣泛的呼吁和支持，但綠色是否意味著經(jīng)濟(jì)的妥協(xié)？綠色復(fù)蘇可能面臨怎樣的挑戰(zhàn)？這些問題的考量，對我國科學(xué)部署經(jīng)濟(jì)發(fā)展戰(zhàn)略、完善頂層政策設(shè)計至關(guān)重要。基于疫情暴發(fā)以來的出行大數(shù)據(jù)、防疫管控措施等最新信息，構(gòu)建細(xì)化經(jīng)濟(jì)復(fù)蘇過程的全球疫情自適應(yīng)模型，量化模擬不同復(fù)蘇方案對經(jīng)濟(jì)、就業(yè)的拉動效應(yīng)和碳排放影響。研究發(fā)現(xiàn)：以發(fā)展清潔能源和數(shù)字經(jīng)濟(jì)為主的綠色復(fù)蘇方案對經(jīng)濟(jì)體量的拉動效應(yīng)等同，甚至超過以化石能源和重工業(yè)為主的傳統(tǒng)經(jīng)濟(jì)刺激方案;但前者面臨的勞動力轉(zhuǎn)型挑戰(zhàn)可能拖慢經(jīng)濟(jì)復(fù)蘇的進(jìn)程。“綠色復(fù)蘇”方案對我國經(jīng)濟(jì)體量的拉動效應(yīng)比傳統(tǒng)刺激方案高0.3%～14.8%，創(chuàng)造就業(yè)崗位數(shù)量變化-4%～3%，但同時需要近1億人（約為初始就業(yè)人口總量的13%）跨行業(yè)就業(yè)，其中受疫情影響較大的中、低技能勞動者占96%以上。跨行業(yè)就業(yè)門檻和勞動者技能瓶頸可能增加勞動力流轉(zhuǎn)匹配的時間成本，甚至帶來“結(jié)構(gòu)性失業(yè)”問題和社會不平等加劇的次生傷害。認(rèn)為：經(jīng)濟(jì)復(fù)蘇與綠色發(fā)展本質(zhì)上不是對立的單選題，而是存在共贏的可能性。對“綠色復(fù)蘇”在經(jīng)濟(jì)、就業(yè)和環(huán)境三方面正向協(xié)同效益的邊界條件應(yīng)有清醒認(rèn)識和把握，僅僅關(guān)注經(jīng)濟(jì)拉動效應(yīng)和創(chuàng)造就業(yè)崗位總量的潛在效益而忽視實(shí)現(xiàn)該理論效益的現(xiàn)實(shí)條件，可能會造成對經(jīng)濟(jì)刺激方案選擇的誤判。加強(qiáng)勞動力市場的靈活性、推動社會公正轉(zhuǎn)型是提升經(jīng)濟(jì)系統(tǒng)韌性、實(shí)現(xiàn)復(fù)蘇與綠色共贏的前瞻性舉措。

關(guān)鍵詞 新冠疫情;低碳轉(zhuǎn)型;數(shù)字經(jīng)濟(jì);綠色復(fù)蘇

中圖分類號 F205 文獻(xiàn)標(biāo)識碼 A 文章編號 1002-2104（2021）02-0001-13 DOI：10.12062/cpre.20201207

2020年席卷全球的新型冠狀病毒（COVID-19）肺炎疫情直接威脅著人們的生命健康。為了阻斷病毒傳播，世界各國相繼進(jìn)入疫情防控狀態(tài)，采取封鎖等相關(guān)措施，經(jīng)濟(jì)活動大面積中斷。盡管封鎖措施對疫情的有效控制避免了更多的經(jīng)濟(jì)損失[1]，但經(jīng)濟(jì)的停擺仍然給產(chǎn)品供給、消費(fèi)需求以及國際貿(mào)易帶來重創(chuàng)[2-3]。根據(jù)世界銀行[4]和國際貨幣基金組織[5]的數(shù)據(jù)，2020年全球GDP下降了3.5%～4.3%，是自二戰(zhàn)以來最嚴(yán)重的經(jīng)濟(jì)衰退。經(jīng)濟(jì)下行帶來的全球失業(yè)增長、收入減少、數(shù)百萬人陷入貧困等現(xiàn)實(shí)問題[6]，也給我國的經(jīng)濟(jì)發(fā)展帶來了巨大的壓力。為了快速提振經(jīng)濟(jì)，我國及時提出擴(kuò)大內(nèi)需戰(zhàn)略。2020年5月23日，習(xí)近平主席明確指示要加快形成以國內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)的新發(fā)展格局。在新發(fā)展格局的重大戰(zhàn)略部署下，如何加強(qiáng)頂層設(shè)計，充分發(fā)揮復(fù)蘇政策的經(jīng)濟(jì)拉動作用，促進(jìn)高質(zhì)量、可持續(xù)的經(jīng)濟(jì)增長，是關(guān)乎國計民生之大事，也是國際社會關(guān)注的焦點(diǎn)。

與此同時，后疫情時期的經(jīng)濟(jì)復(fù)蘇正值應(yīng)對氣候變化和實(shí)現(xiàn)可持續(xù)發(fā)展的關(guān)鍵時期[7]。2020年9月，習(xí)近平主席在第七十五屆聯(lián)合國大會上宣布我國將提高國家自主貢獻(xiàn)力度，力爭于2030年前二氧化碳排放達(dá)到峰值，努力爭取2060年前實(shí)現(xiàn)碳中和。同年12月12日，習(xí)近平主席在氣候雄心峰會上進(jìn)一步做出“到2030年，中國單位國內(nèi)生產(chǎn)總值二氧化碳排放將比2005年下降65%以上，非化石能源占一次能源消費(fèi)比重將達(dá)到25%左右”等莊嚴(yán)承諾。這些氣候承諾的兌現(xiàn)，與后疫情時期經(jīng)濟(jì)復(fù)蘇戰(zhàn)略的選擇密切相關(guān)。由于基礎(chǔ)設(shè)施投資具有長期的排放鎖定效應(yīng)[8-9]，現(xiàn)階段應(yīng)對疫情的經(jīng)濟(jì)刺激方案會對未來幾十年的碳排放產(chǎn)生深遠(yuǎn)影響，因此堅持“綠色復(fù)蘇”成為推動高質(zhì)量發(fā)展、引領(lǐng)全球氣候治理的必然選擇。國際社會也紛紛意識到這一點(diǎn)，并強(qiáng)烈呼吁各國政府在疫情后的經(jīng)濟(jì)復(fù)蘇階段要兼顧氣候變化和可持續(xù)發(fā)展，支持低污染、更健康、清潔化的復(fù)蘇計劃[10-12]。部分研究機(jī)構(gòu)同步提出“綠色復(fù)蘇”方案[13-15]。但“綠色復(fù)蘇”在多大程度上可以拉動我國經(jīng)濟(jì)？是否會以犧牲經(jīng)濟(jì)為代價實(shí)現(xiàn)綠色發(fā)展？“綠色復(fù)蘇”的過程又將面臨怎樣的挑戰(zhàn)？這些問題的考量，對我國科學(xué)部署經(jīng)濟(jì)發(fā)展戰(zhàn)略、完善頂層政策設(shè)計至關(guān)重要。這些問題的回答，也將豐富重大突發(fā)事件背景下經(jīng)濟(jì)復(fù)蘇與綠色發(fā)展關(guān)系的理論認(rèn)識，為我國乃至全球制定“綠色復(fù)蘇”方案、實(shí)現(xiàn)經(jīng)濟(jì)增長與低碳轉(zhuǎn)型的協(xié)同共贏提供決策支持。

1 細(xì)化經(jīng)濟(jì)復(fù)蘇過程的全球疫情自適應(yīng)模型

基于疫情暴發(fā)以來的出行大數(shù)據(jù)、疫情管控措施等最新信息，構(gòu)建細(xì)化經(jīng)濟(jì)復(fù)蘇過程的全球疫情自適應(yīng)模型，勾勒以清潔能源和數(shù)字經(jīng)濟(jì)為主的“綠色復(fù)蘇”情景和以碳密集型行業(yè)刺激為主的傳統(tǒng)經(jīng)濟(jì)復(fù)蘇情景，量化比較不同刺激方案的短期經(jīng)濟(jì)效益和碳排放影響。

全球疫情自適應(yīng)模型的核心是自適應(yīng)區(qū)域投入產(chǎn)出（adaptive regional input-output，ARIO）方法。ARIO方法常被用來模擬災(zāi)害情境下的短期經(jīng)濟(jì)沖擊[16-17]。與傳統(tǒng)的投入產(chǎn)出模型相比，ARIO方法具有兩項主要的特征：首先，ARIO方法可模擬外部沖擊對生產(chǎn)資料或勞動力的影響，并將這種影響帶來的生產(chǎn)能力受損通過產(chǎn)業(yè)之間的關(guān)系傳導(dǎo)至供應(yīng)鏈上下游，突破了傳統(tǒng)投入產(chǎn)出模型一般只允許最終需求外生變化、模糊生產(chǎn)側(cè)供應(yīng)瓶頸的局限;此外，ARIO方法考慮災(zāi)害情境下的主體自適應(yīng)行為，放松了列昂惕夫生產(chǎn)函數(shù)的“完全剛性”假設(shè)（即商品之間完全不可替代），允許企業(yè)或消費(fèi)者在商品供不應(yīng)求時向其他生產(chǎn)商尋求補(bǔ)貨，增強(qiáng)了對現(xiàn)實(shí)情況下供應(yīng)鏈韌性的模擬能力。

所構(gòu)建的全球疫情自適應(yīng)模型是ARIO方法的延伸。模型在Guan等[1]的工作基礎(chǔ)上，根據(jù)研究問題的需要進(jìn)行了如下三點(diǎn)擴(kuò)展：①模型結(jié)構(gòu)方面，細(xì)化經(jīng)濟(jì)恢復(fù)模塊，開發(fā)可外源輸入各地區(qū)經(jīng)濟(jì)主體在后疫情時期經(jīng)濟(jì)刺激方案的模型接口。②增加環(huán)境和就業(yè)影響模塊，集成災(zāi)害情境下經(jīng)濟(jì)-社會-環(huán)境多維度的系統(tǒng)模擬。③參數(shù)設(shè)置方面，采用出行大數(shù)據(jù)、防疫管控政策等最新可得的疫情信息進(jìn)行參數(shù)校準(zhǔn)，提升模型的現(xiàn)實(shí)貼合度。擴(kuò)展后的模型增強(qiáng)了對后疫情時期多元化經(jīng)濟(jì)復(fù)蘇政策及其社會環(huán)境影響的模擬能力。

值得一提的是，盡管研究聚焦我國的經(jīng)濟(jì)復(fù)蘇政策，但考慮到我國經(jīng)濟(jì)與全球供應(yīng)鏈和終端需求市場的緊密聯(lián)系，疫情全球大流行可能牽制我國經(jīng)濟(jì)復(fù)蘇進(jìn)程，因此模型仍然基于全球尺度進(jìn)行模擬。將疫情大流行可能導(dǎo)致的中間環(huán)節(jié)“斷鏈”，以及各國受疫情影響的時間差異作為重要經(jīng)濟(jì)背景納入分析。盡管模型不能完全精準(zhǔn)地模擬現(xiàn)實(shí)世界的供需動態(tài)，但它符合生產(chǎn)決策與經(jīng)濟(jì)鏈條的基本邏輯，可以捕捉和刻畫疫情沖擊沿著供應(yīng)鏈的傳導(dǎo)過程以及后疫情時期經(jīng)濟(jì)復(fù)蘇策略的拉動效應(yīng)。模型的構(gòu)建方法、數(shù)據(jù)來源和情景設(shè)置如下。

1.4.2 終端需求訂單與經(jīng)濟(jì)刺激接口

終端需求訂單按照初始均衡狀態(tài)的需求比例將t時期的最終需求分配給原供應(yīng)商：

在考慮經(jīng)濟(jì)刺激的情景中，解除封鎖后的經(jīng)濟(jì)刺激通過拉動最終需求中的投資或刺激消費(fèi)等影響經(jīng)濟(jì)產(chǎn)出。經(jīng)濟(jì)刺激政策目標(biāo)部門的最終需求將在“自適應(yīng)”的恢復(fù)水平基礎(chǔ)上，額外增加一定量的經(jīng)濟(jì)刺激MSshi以拉動需求：

1.6 數(shù)據(jù)來源

模型的參數(shù)設(shè)置與數(shù)據(jù)來源如表1所示。其中，全球供應(yīng)鏈數(shù)據(jù)采用最新可得的全球多區(qū)域投入產(chǎn)出數(shù)據(jù)庫EXIOBASE 3.7[18]。該數(shù)據(jù)庫提供了2015年全球49個地區(qū)163個生產(chǎn)部門相互之間以及與最終需求之間的年度貨幣交易量，地區(qū)信息及部門信息見數(shù)據(jù)庫網(wǎng)站（https：//www.exiobase.eu/）。考慮到企業(yè)決策的響應(yīng)時間和疫情發(fā)展規(guī)律，模型以周為步長運(yùn)行。為了匹配運(yùn)行步長，將年度數(shù)據(jù)除以52周，換算成平均每周各個部門的生產(chǎn)水平和交易情況，它反映了生產(chǎn)消費(fèi)的均衡狀態(tài)（即疫情前的初始水平）。此外，各地區(qū)各行業(yè)的直接碳排放數(shù)據(jù)和就業(yè)需求數(shù)據(jù)也來自該數(shù)據(jù)庫。CO2排放的統(tǒng)計口徑包括燃料燃燒和水泥生產(chǎn)等非燃燒過程。EXIOBASE 3.7將勞動力需求按照技能水平劃分為高、中、低三類（按照這一劃分，2015年我國就業(yè)人口中高、中、低勞動力人口的比例分別為7%、75%、18%）。基于這一劃分，進(jìn)一步探討不同政策情景對勞動力需求結(jié)構(gòu)的影響。

為了使疫情對供給側(cè)沖擊的模擬更加貼近現(xiàn)實(shí)，使用各國實(shí)際的封鎖開始和持續(xù)時間數(shù)據(jù)[19]校準(zhǔn)關(guān)于管控范圍和時間的參數(shù)。對于封鎖狀態(tài)下勞動力的可獲得性和運(yùn)輸能力，采用谷歌出行大數(shù)據(jù)[20]中關(guān)于居民工作出行的統(tǒng)計，并參考Guan等[1]的研究對不同部門設(shè)差異化的敏感性系數(shù)。谷歌出行大數(shù)據(jù)[20] 按照目的地將居民出行劃分為六類：零售休閑、雜貨店和藥店、公園、住宅、交通樞紐、工作場所。采用前五類出行數(shù)據(jù)校準(zhǔn)原模型中的對應(yīng)行業(yè)的終端需求變化。其余未匹配行業(yè)的需求變化按出行數(shù)據(jù)的平均水平計算。由于谷歌出行數(shù)據(jù)不包含我國，考慮到我國管控措施的嚴(yán)格程度，我國封鎖階段的出行變化情況按照其他國家在封鎖時期（相同的疫情發(fā)展階段）出行變化的最嚴(yán)格水平計算。

1.7 情景設(shè)置

構(gòu)建了三類經(jīng)濟(jì)復(fù)蘇情景，一是不采取任何經(jīng)濟(jì)刺激方案的基準(zhǔn)情景（Business as usual， BAU），二是以化石燃料和傳統(tǒng)碳密集型行業(yè)刺激為主的傳統(tǒng)復(fù)蘇情景（Traditional economy stimulation， TES），三是以清潔能源和數(shù)字經(jīng)濟(jì)為導(dǎo)向的“綠色復(fù)蘇”情景。其中，第三類情景進(jìn)一步細(xì)分為兩組情景，分別是以發(fā)展清潔能源為主的低碳復(fù)蘇情景（Low carbon stimulation， LCS）和能源清潔化與經(jīng)濟(jì)數(shù)字化并行的疊加情景——低碳數(shù)字經(jīng)濟(jì)情景（Low-carbon & digital economy stimulation， LDS）。除了基準(zhǔn)情景不設(shè)置政策擾動，模擬經(jīng)濟(jì)系統(tǒng)的自行恢復(fù)過程之外，其他三種情景均設(shè)置5×104億元的經(jīng)濟(jì)刺激總量，并假設(shè)在年底前完成資金投放。不同經(jīng)濟(jì)復(fù)蘇方案的差異體現(xiàn)在對不同行業(yè)最終消費(fèi)和投資的刺激上。具體情景設(shè)定如表2所示。

為了驗(yàn)證“綠色復(fù)蘇”情景的低碳效益，對低碳刺激方案的長期排放影響進(jìn)行了說明性的計算。考慮到低碳情景與傳統(tǒng)情景的差異主要體現(xiàn)在能源行業(yè)投資方面，這里采用因子系數(shù)法核算能源投資的長期排放影響。參考Tong等[8]的研究，按照每萬元火電投資長期排放258 tCO2的碳排放系數(shù)和40 a的基礎(chǔ)設(shè)施使用年限計算，并將能源基礎(chǔ)設(shè)施的全生命周期碳排放折算到目標(biāo)年。此外，數(shù)字經(jīng)濟(jì)的長期減排效應(yīng)也得到了已有文獻(xiàn)的支持[21-22]。信息通信技術(shù)通過提升生產(chǎn)效率和轉(zhuǎn)變消費(fèi)模式，助力節(jié)能減排。

除了方案的選擇，經(jīng)濟(jì)復(fù)蘇時間也可能對模型模擬結(jié)果有顯著影響，研究進(jìn)一步對勞動力恢復(fù)速率和經(jīng)濟(jì)刺激時間這兩個關(guān)鍵參數(shù)進(jìn)行敏感性分析。其中，勞動力恢復(fù)速率設(shè)置每周恢復(fù)2%、4%、6%和8%四種可能;經(jīng)濟(jì)刺激時間考慮封鎖解除后立即執(zhí)行、解封4周、解封8周和解封12周執(zhí)行四種可能。情景交叉疊加后每種刺激方案下生成16套子情景，三類經(jīng)濟(jì)復(fù)蘇方案共計48套子情景。

2 不同復(fù)蘇情景的經(jīng)濟(jì)拉動效應(yīng)與碳排放影響

2.1 “綠色復(fù)蘇”具有同等甚至更強(qiáng)的經(jīng)濟(jì)拉動效益

就經(jīng)濟(jì)拉動體量而言，“綠色復(fù)蘇”方案的效果等同甚至超過了傳統(tǒng)復(fù)蘇方案。模擬結(jié)果顯示，若采用以化石燃料和重工業(yè)為主的傳統(tǒng)經(jīng)濟(jì)刺激情景（TES），每百萬元投入可拉動251萬～288萬元的總產(chǎn)出變化和109萬～125萬元的增加值變化。與傳統(tǒng)復(fù)蘇方案相比，以清潔能源發(fā)展及其配套基礎(chǔ)設(shè)施投資為主的低碳刺激情景（LCS）和清潔能源轉(zhuǎn)型與數(shù)字經(jīng)濟(jì)發(fā)展并行的低碳數(shù)字經(jīng)濟(jì)情景（LDS）表現(xiàn)出更優(yōu)的乘數(shù)效應(yīng)。低碳刺激情景（LCS）下，每百萬元的經(jīng)濟(jì)刺激投入可以拉動258萬～300萬元的總產(chǎn)出變化和111萬～130萬元的增加值變化，與傳統(tǒng)情景的差異在0.3%～5.1%左右。此時受拉動效應(yīng)影響最大的五個部門依次為建筑業(yè)、機(jī)械設(shè)備制造業(yè)、電氣和電子設(shè)備制造業(yè)、鋼鐵和鐵合金制造業(yè)、運(yùn)輸設(shè)備制造業(yè)。若采用低碳數(shù)字經(jīng)濟(jì)情景（LDS），每百萬元的經(jīng)濟(jì)刺激可以帶動250萬～324萬元的總產(chǎn)出變化和108萬～140萬元的增加值變化，平均拉動水平比傳統(tǒng)情景高1.1%～14.8%。該情景下，受益最大的五個部門分別是建筑業(yè)、電氣和電子設(shè)備制造業(yè)、通信設(shè)備制造業(yè)、電腦及軟件開發(fā)行業(yè)、鋼鐵和鐵合金制造業(yè)。

進(jìn)一步地核算發(fā)現(xiàn)（圖1），用于擴(kuò)大內(nèi)需和增加投資的直接經(jīng)濟(jì)刺激量如果按照5×104億元計算（占我國2019年GDP總量的5%左右），傳統(tǒng)情景下疫情造成的GDP損失絕對量約5.3×104億～9.7×104億元，“綠色復(fù)蘇”情景下GDP損失與之相近，約為5.1×104億～8.8×104億元，損失量較傳統(tǒng)情景減少了4%～11%。從經(jīng)濟(jì)恢復(fù)時間來看，幾種情景均在7月初恢復(fù)到疫情前的經(jīng)濟(jì)水平。但值得注意的是，這里的模擬隱含著“勞動力完全自由流動”的理想化假設(shè)，這可能使我們高估了經(jīng)濟(jì)刺激情景提振經(jīng)濟(jì)的速率。考慮到現(xiàn)實(shí)情況下勞動力流轉(zhuǎn)匹配的問題，有別于傳統(tǒng)勞動力結(jié)構(gòu)的“綠色復(fù)蘇”情景可能面臨經(jīng)濟(jì)重啟速度的放緩。

2.2 “綠色復(fù)蘇”短期內(nèi)同樣導(dǎo)致碳排放回彈

除了經(jīng)濟(jì)拉動效應(yīng)，大規(guī)模經(jīng)濟(jì)刺激計劃的潛在氣候影響也是關(guān)注的熱點(diǎn)之一[23-24]。盡管疫情期間人類活動的減少顯著抑制了能源使用和溫室氣體排放，但這種由生產(chǎn)消費(fèi)中斷帶來的環(huán)境效益改善只是暫時的[24-27];研究推測，隨著封鎖的解除，工廠的重新開工和龐大經(jīng)濟(jì)刺激計劃的推出，碳排放可能出現(xiàn)報復(fù)性反彈[27]。基于全球疫情自適應(yīng)模型的模擬結(jié)果證實(shí)了這一推測，并量化了不同刺激方案下碳排放報復(fù)性反彈的規(guī)模。從圖2可以看出，三種經(jīng)濟(jì)刺激方案（TES、LCS和LDS）短期內(nèi)都會造成排放回彈，且超過疫情前水平。即使是體現(xiàn)能源清潔化的“綠色復(fù)蘇”情景（LCS和LDS），也未能避免短期內(nèi)碳排放回彈的趨勢。出現(xiàn)這一現(xiàn)象的可能原因是低碳轉(zhuǎn)型短期內(nèi)需要配套基礎(chǔ)設(shè)施建設(shè)，這一過程伴隨著大量的能源需求，從而導(dǎo)致碳排放的增長。

進(jìn)一步地核算發(fā)現(xiàn)，傳統(tǒng)情景的碳排放強(qiáng)度（單位產(chǎn)出的碳排放量）較疫情前出現(xiàn)顯著提升，增幅約9%～11%;“綠色復(fù)蘇”情景的碳排放強(qiáng)度上升幅度有所降低，較疫情前上升4%～6%。在同等經(jīng)濟(jì)刺激量下，“綠色復(fù)蘇”情景的全年碳排放量較傳統(tǒng)復(fù)蘇情景減少5%左右。由此可見，盡管碳排放的短期回彈難以避免，但“綠色復(fù)蘇”情景仍然具有一定的“低碳”特征和優(yōu)勢。這與該情景下重點(diǎn)發(fā)展的行業(yè)大多都是清潔能源或能源效率較高的高端信息技術(shù)產(chǎn)業(yè)相吻合。此外，對傳統(tǒng)情景和“綠色復(fù)蘇”情景的長期排放影響進(jìn)行說明性的計算，結(jié)果發(fā)現(xiàn)：與大力發(fā)展清潔能源的低碳情景相比，傳統(tǒng)高碳行業(yè)投資可能導(dǎo)致2020—2035年額外增加40 Gt的CO2。這一結(jié)果進(jìn)一步驗(yàn)證了“綠色復(fù)蘇”情景的長期減排效益。

2.3 “綠色復(fù)蘇”面臨勞動力轉(zhuǎn)型的挑戰(zhàn)

就業(yè)影響方面（圖3a），三種刺激情景的就業(yè)拉動效應(yīng)相近，均可有效對抗疫情對勞動力市場的沖擊。其中，清潔能源與數(shù)字經(jīng)濟(jì)并行的低碳數(shù)字經(jīng)濟(jì)情景（LDS）可以創(chuàng)造的就業(yè)崗位略高于其他兩個政策情景，每百萬元資金投入可以吸納8.2～9.4人就業(yè)，比傳統(tǒng)情景（TES）對勞動力需求的拉動效應(yīng)高2%～3%。低碳經(jīng)濟(jì)情景（LCS）對就業(yè)的拉動效應(yīng)略低于傳統(tǒng)情景，差距約為1%～4%。低碳數(shù)字經(jīng)濟(jì)情景更優(yōu)的就業(yè)拉動效應(yīng)主要體現(xiàn)在對高技能勞動力需求的拉動上，面向該群體新創(chuàng)造的就業(yè)崗位占其總拉動效應(yīng)的9%，是傳統(tǒng)情景的1.7倍以上。

盡管從創(chuàng)造就業(yè)崗位的數(shù)量來看，“綠色復(fù)蘇”情景具有與傳統(tǒng)復(fù)蘇情景同等強(qiáng)勁的就業(yè)拉動效應(yīng)，但前者在現(xiàn)實(shí)情況下可能受到勞動力供給與需求不匹配的限制。考慮勞動力的行業(yè)屬性可以看出，在低碳數(shù)字經(jīng)濟(jì)情景（LDS）下，近1億人需要跨行業(yè)就業(yè)，約占全國初始就業(yè)水平的13%。在這些需要跨行業(yè)就業(yè)的人群中，中低技能人群占到96%以上，這進(jìn)一步增加了跨行業(yè)就業(yè)帶來的技能挑戰(zhàn)。事實(shí)上，與高技能勞動力需求的波動相比，中低技能群體在此次疫情中受沖擊更大（圖3b）。基準(zhǔn)情景下，中低技能的勞動力需求下降約19%～27%，而高技能勞動力需求僅下降15%～18%。由于中低技能群體在我國體量大（中低技能勞動力數(shù)量占勞動力市場的90%以上），其受疫情影響的就業(yè)人數(shù)是高技能勞動力的18倍，呈現(xiàn)影響大、范圍廣的特點(diǎn)。而受限于技能水平和跨行業(yè)的技術(shù)門檻，中低技能群體面臨巨大的技能升級挑戰(zhàn)。如果這一挑戰(zhàn)在短時間內(nèi)得不到有效解決，則可能出現(xiàn)“結(jié)構(gòu)性失業(yè)”問題，從而拖慢經(jīng)濟(jì)復(fù)蘇的進(jìn)程，加劇社會不平等風(fēng)險。

2.4 模擬結(jié)果對經(jīng)濟(jì)重啟時間的敏感性分析

考慮到經(jīng)濟(jì)重啟時間的早晚可能影響模型模擬的結(jié)果，針對表征經(jīng)濟(jì)重啟時間的兩個重要參數(shù)即勞動力恢復(fù)速率和經(jīng)濟(jì)刺激時間，進(jìn)行了敏感性分析。其中，勞動力恢復(fù)速率反映供給側(cè)的復(fù)蘇情況，經(jīng)濟(jì)刺激時間影響需求側(cè)的復(fù)蘇進(jìn)程。

具體來看（圖4），若勞動力供應(yīng)在2020年10月恢復(fù)到疫情前水平（勞動力平均恢復(fù)速率為每周增加2%），全年的經(jīng)濟(jì)產(chǎn)出損失量在13.5%到24.9%之間。若勞動力供應(yīng)在7月恢復(fù)到疫情前水平（平均恢復(fù)速率達(dá)到每周增幅4%），經(jīng)濟(jì)損失量在8.7%到18.8%之間。此時，進(jìn)一步加快勞動力恢復(fù)速率，雖然也能減少更多的經(jīng)濟(jì)損失，但差異不再顯著。當(dāng)恢復(fù)速率從4%增加至6%，再進(jìn)一步增加至8%時，經(jīng)濟(jì)損失量只分別減少0.8%和1.1%。這種非線性的響應(yīng)關(guān)系主要是由于在勞動力恢復(fù)非常慢時（2%的增長率情景），生產(chǎn)能力不足和供給瓶頸是限制經(jīng)濟(jì)復(fù)蘇的主要因素（2020年9月以前）。而當(dāng)勞動力恢復(fù)速率達(dá)到4%及以上時，國家經(jīng)濟(jì)的主要限制因素在2020年6月下旬之后即從供給側(cè)轉(zhuǎn)向需求側(cè)。此時，需求疲軟是限制經(jīng)濟(jì)增長的主要因素，勞動恢復(fù)速率的進(jìn)一步提高未能直擊經(jīng)濟(jì)復(fù)蘇的痛點(diǎn)，可能出現(xiàn)“復(fù)工不復(fù)市”的局面。經(jīng)濟(jì)刺激時間方面，這種非線性響應(yīng)依然存在。但與勞動力恢復(fù)速率的影響相比，啟動經(jīng)濟(jì)刺激的時間先后對經(jīng)濟(jì)損失的影響不大。

從經(jīng)濟(jì)拉動體量來看，無論是何種情景，三種經(jīng)濟(jì)刺激方案的拉動效應(yīng)相似，但低碳情景和低碳數(shù)字經(jīng)濟(jì)情景表現(xiàn)出更強(qiáng)的低碳效應(yīng)（圖4）。這說明，模擬結(jié)果對于不同的經(jīng)濟(jì)重啟時間而言是穩(wěn)健的。需要說明的是，關(guān)于經(jīng)濟(jì)重啟時間的一些參數(shù)設(shè)置可能與現(xiàn)實(shí)情況差距較遠(yuǎn)（例如2%的勞動力恢復(fù)速率低于我國實(shí)際復(fù)工復(fù)產(chǎn)的速度），這里模型模擬的目的不是為了準(zhǔn)確預(yù)估經(jīng)濟(jì)損失量，而是分析不同的參數(shù)設(shè)置對模型模擬結(jié)果的影響，進(jìn)而探討不同的政策情景對經(jīng)濟(jì)和碳排放的影響。

3 關(guān)于后疫情時期“綠色復(fù)蘇”的政策建議

3.1 長遠(yuǎn)布局，堅定“綠色復(fù)蘇”決心

長久以來，社會經(jīng)濟(jì)指標(biāo)和環(huán)境效益的反差[25]造成了“綠色發(fā)展與經(jīng)濟(jì)復(fù)蘇是對立關(guān)系”的思維定勢。盡管國內(nèi)外政府官員、非政府組織、研究機(jī)構(gòu)和學(xué)術(shù)界強(qiáng)烈呼吁“綠色復(fù)蘇”并達(dá)成廣泛共識，但綠色刺激計劃對我國經(jīng)濟(jì)的短期拉動效應(yīng)究竟如何尚不清楚。綠色是否意味著經(jīng)濟(jì)效益的妥協(xié)？綠色發(fā)展與經(jīng)濟(jì)復(fù)蘇是對立還是共贏？針對這些問題的研究發(fā)現(xiàn)，短期經(jīng)濟(jì)重振和長期綠色轉(zhuǎn)型并不是互斥的單選題，而是存在共贏的可能性。與傳統(tǒng)的刺激碳密集型重工業(yè)和化石燃料行業(yè)的經(jīng)濟(jì)復(fù)蘇方案相比，面向清潔能源和數(shù)字經(jīng)濟(jì)的低碳刺激方案對經(jīng)濟(jì)和就業(yè)具有同等水平、甚至更優(yōu)的拉動效應(yīng)。

這一研究發(fā)現(xiàn)與近日國外的兩項研究成果達(dá)成了初步共識。牛津大學(xué)聯(lián)合諾貝爾經(jīng)濟(jì)學(xué)獎獲得者對來自53個國家/地區(qū)的財政部和中央銀行官員和專家進(jìn)行了訪談，結(jié)果發(fā)現(xiàn)：一些促進(jìn)可再生能源或能效提升的綠色項目在帶來碳減排效益的同時，也能比化石能源投資獲得更多的短期經(jīng)濟(jì)回報，并且創(chuàng)造更多的就業(yè)機(jī)會[11]。麥肯錫對歐洲國家刺激方案的分析表明，調(diào)動750億～1 500億歐元的資本可以產(chǎn)生1 800億～3 500億歐元的總增加值，創(chuàng)造多達(dá)300萬個新的就業(yè)機(jī)會，并能夠使2030年碳排放減少15%～30%[28]。契合我國國情的模擬證實(shí)，單純地就拉動效益的體量而言，綠色刺激方案在經(jīng)濟(jì)、就業(yè)和環(huán)境領(lǐng)域的協(xié)同效益確實(shí)存在。經(jīng)濟(jì)復(fù)蘇與綠色發(fā)展共贏的可能性堅定了我國“綠色復(fù)蘇”的決心。早期謀劃、長遠(yuǎn)布局，加速推進(jìn)能源清潔化，保持?jǐn)?shù)字經(jīng)濟(jì)發(fā)展勢頭，是我國實(shí)現(xiàn)經(jīng)濟(jì)復(fù)蘇和長遠(yuǎn)氣候目標(biāo)的最優(yōu)選擇。

3.2 強(qiáng)化引導(dǎo)，把握綠色投資機(jī)會

認(rèn)識到經(jīng)濟(jì)復(fù)蘇與綠色發(fā)展存在共贏的可能性只是第一步，如何克服阻礙、推動政策落地是關(guān)鍵。受到慣性思維的影響，地方政府在后疫情時期容易走上依賴傳統(tǒng)碳密集型基建投資提振經(jīng)濟(jì)的老路。僅2020年3月，我國獲批的新建燃煤電廠裝機(jī)容量就超過了2019年全年的數(shù)量。盡管中央政府及時叫停了通過投資碳密集型行業(yè)提振經(jīng)濟(jì)的做法，也通過不設(shè)2020年經(jīng)濟(jì)增長目標(biāo)和宣布碳中和愿景傳達(dá)了正確的信號，但真正突破傳統(tǒng)思維慣性，發(fā)揮數(shù)字經(jīng)濟(jì)和清潔能源轉(zhuǎn)型的新動能，還需要國家、地方政府和企業(yè)齊心協(xié)力、統(tǒng)籌規(guī)劃。

不可否認(rèn)，受到經(jīng)濟(jì)復(fù)蘇的影響，短期內(nèi)的能源消費(fèi)增加和碳排放回彈難以避免。即使是低碳情景下的新型基礎(chǔ)設(shè)施投資，也需要消耗大量電力。短時間內(nèi)激增的用電需求很難通過可再生能源滿足，因此仍然需要依賴燃煤發(fā)電保障電力供應(yīng)安全。事實(shí)上，這種由“新基建”驅(qū)動的煤電裝機(jī)規(guī)模擴(kuò)張和碳排放回彈現(xiàn)象在疫情出現(xiàn)之前已經(jīng)初現(xiàn)端倪[29]。為了突破這一困境，一方面需要警惕煤電盲目擴(kuò)張帶來的長期碳排放鎖定[9]，通過優(yōu)化電力供應(yīng)結(jié)構(gòu)和需求側(cè)響應(yīng)等方式解決電力缺口問題[30]。另一方面，需要加快煤電企業(yè)的深度脫碳，爭取實(shí)現(xiàn)燃煤電廠的“近零排放”。電力企業(yè)和投資者需有獨(dú)立的判斷力，把握綠色投資機(jī)會，打破以環(huán)境效益換取經(jīng)濟(jì)利益的短視思維，避免錯誤投資造成資產(chǎn)擱淺。

后疫情時期巨大流量的公共資金為綠色轉(zhuǎn)型提供了重要投資機(jī)遇。國際上，多國政府出臺了大規(guī)模的經(jīng)濟(jì)救助與刺激計劃，涉及數(shù)萬億美元的資金投入。其中，歐盟、德國、英國已經(jīng)明確提出經(jīng)濟(jì)刺激計劃的綠色比例——其刺激計劃資金的10%～38%將用于節(jié)能建筑翻新、電動和鐵路交通、氫能等可再生能源和碳捕獲與封存技術(shù)的研發(fā)等氣候友好型領(lǐng)域。我國經(jīng)濟(jì)復(fù)蘇聚焦的七大新基建領(lǐng)域也蘊(yùn)含著豐富的綠色元素。伴隨著國家綠色發(fā)展基金的成立，更多依托綠色投融資的資金解決方案呼之欲出。但真正打通政策落地的最后一公里，推動綠色產(chǎn)業(yè)的發(fā)展，還需充分發(fā)揮地方政府的引導(dǎo)作用，優(yōu)化資金分配方案，制定綠色項目支持措施，完善風(fēng)險收益共擔(dān)機(jī)制，激發(fā)政府資金帶動社會和民間資本的潛能。

3.3 助力紓困，推動社會公正轉(zhuǎn)型

既然“綠色復(fù)蘇”計劃對經(jīng)濟(jì)的拉動效應(yīng)等同，甚至超過傳統(tǒng)的高碳刺激方案，為何長久以來人們一直有著相反的認(rèn)知？進(jìn)一步的模擬發(fā)現(xiàn)，“綠色復(fù)蘇”面臨的勞動力轉(zhuǎn)型困難和跨行業(yè)技能門檻可能是形成這一認(rèn)知的主要原因之一。經(jīng)濟(jì)的重啟一方面要追求體量的增長，另一方面也要求重振經(jīng)濟(jì)的恢復(fù)速度。盡管綠色復(fù)蘇在經(jīng)濟(jì)體量的拉動效應(yīng)上具有優(yōu)勢，但其對勞動力結(jié)構(gòu)轉(zhuǎn)變的需求可能拖慢經(jīng)濟(jì)恢復(fù)的速度。從傳統(tǒng)的重工業(yè)轉(zhuǎn)向低碳行業(yè)就業(yè)，對勞動者技能和知識提出了更高的要求，從而可能造成企業(yè)人才需求和勞動者技能不匹配的問題，甚至導(dǎo)致“結(jié)構(gòu)性失業(yè)”。由于技能屏障短期內(nèi)難以突破，勞動力流轉(zhuǎn)匹配也需要耗費(fèi)時間，因此“綠色復(fù)蘇”情景在現(xiàn)實(shí)情況下的經(jīng)濟(jì)拉動效果可能受限。

這一問題的存在提醒我們，對“綠色復(fù)蘇”在經(jīng)濟(jì)、就業(yè)和環(huán)境三方面正向協(xié)同效益的邊界條件應(yīng)有清醒認(rèn)識和把握。目前國內(nèi)外對“綠色復(fù)蘇”的呼吁一定程度上弱化了這一過程中可能面臨的勞動力轉(zhuǎn)型挑戰(zhàn)。僅僅關(guān)注經(jīng)濟(jì)拉動效應(yīng)和創(chuàng)造就業(yè)崗位總量的潛在效益而忽視實(shí)現(xiàn)該理論效益的現(xiàn)實(shí)條件，可能會造成對經(jīng)濟(jì)刺激方案選擇的誤判。在后疫情時期和我國脫貧攻堅全面勝利的當(dāng)下，重視并積極解決這一問題尤為重要。疫情的全球蔓延已經(jīng)暴露了社會深層的不平等問題，低收入者和中小企業(yè)舉步維艱，持續(xù)低迷的經(jīng)濟(jì)也降低了人們對社會不平等的容忍度。在此背景下，能源變革帶來的“結(jié)構(gòu)性失業(yè)”無疑雪上加霜。為了維護(hù)國家的穩(wěn)定，保障民生福祉，能源的綠色變革亟須重視潛在的社會不平等隱患。

從短期來看，實(shí)現(xiàn)經(jīng)濟(jì)快速重啟與綠色發(fā)展的共贏需深入分析不同綠色復(fù)蘇方案的勞動力需求結(jié)構(gòu)，優(yōu)選與現(xiàn)階段勞動力供給匹配度高、現(xiàn)有人力資源能夠快速適應(yīng)的發(fā)展方案，嚴(yán)防由于“結(jié)構(gòu)性失業(yè)”而導(dǎo)致的次生傷害。對勞動力結(jié)構(gòu)性需求的考量，是打破關(guān)于綠色復(fù)蘇“呼吁大于行動”局面的突破口，也是回應(yīng)民生關(guān)切，直擊綠色轉(zhuǎn)型痛點(diǎn)，激發(fā)地方政府綠色發(fā)展動力的重要切入點(diǎn)。重視基礎(chǔ)設(shè)施建設(shè)的新老銜接，推動社會公正過渡，是順利度過低碳和數(shù)字轉(zhuǎn)型窗口期的必然要求。

從中長期來看，增強(qiáng)就業(yè)市場靈活性，推動公正轉(zhuǎn)型是化解這一困境的有效途徑。具體做法包括：①加大經(jīng)濟(jì)扶持，通過建立健全綠色金融體系和支付轉(zhuǎn)移機(jī)制，結(jié)合當(dāng)?shù)氐膶?shí)際發(fā)展需要，投資具有地方特色的綠色產(chǎn)業(yè)，拉動當(dāng)?shù)亟?jīng)濟(jì)，創(chuàng)造就業(yè)機(jī)會。②完善制度保護(hù)，完善最低生活保障、失業(yè)保險等社會保障制度，關(guān)注能源轉(zhuǎn)型過程中農(nóng)民工群體的切身利益，彌合城鄉(xiāng)社會保障差異，打破勞動力跨區(qū)域流動的政策壁壘，減少外出務(wù)工人員跨區(qū)域就業(yè)的流動成本。③實(shí)施就業(yè)培訓(xùn)，開展職業(yè)技能培訓(xùn)助力失業(yè)工人轉(zhuǎn)崗再就業(yè)，重啟學(xué)徒計劃，培養(yǎng)企業(yè)家精神，推動人力資源從高碳行業(yè)向綠色部門的“跨界”流動，提升勞動力市場靈活性和對需求變化的適應(yīng)能力。④深化“人才強(qiáng)國”戰(zhàn)略，摸清人才結(jié)構(gòu)與儲備情況，厘清新時代人才能力需求體系和建設(shè)思路，識別人才結(jié)構(gòu)優(yōu)勢與短板，全面部署低碳發(fā)展和數(shù)字人才戰(zhàn)略。勞動力市場的變革，可能需要?dú)v時數(shù)十年。歷時之久意味著需未雨綢繆。推動這一變革是打造更有韌性經(jīng)濟(jì)體的前瞻性舉措，是助力國家更從容地應(yīng)對流行病、地緣爭端、政治動蕩和其他不可預(yù)見事件的提前戰(zhàn)略部署。

4 結(jié)論與展望

長久以來，人們接收或感知到的信息都是“數(shù)字化和低碳轉(zhuǎn)型的短期經(jīng)濟(jì)拉動效應(yīng)不如化石能源和重工業(yè)”，這一認(rèn)識可能讓地方政府在后疫情時期陷入氣候和環(huán)境效益需讓位于經(jīng)濟(jì)復(fù)蘇的思維定式。然而，通過全面的模擬和核算，發(fā)現(xiàn)相反的結(jié)論：低碳化和數(shù)字化轉(zhuǎn)型對經(jīng)濟(jì)的短期拉動效應(yīng)不僅與碳密集型行業(yè)投資的拉動效應(yīng)相當(dāng)，前者的效果甚至超過后者。尤其是體現(xiàn)數(shù)字經(jīng)濟(jì)趨勢的“綠色復(fù)蘇”情景，其對經(jīng)濟(jì)的拉動效應(yīng)比傳統(tǒng)刺激情景高0.3%～14.8%，創(chuàng)造就業(yè)崗位變化-4%～3%。真正可能拖慢經(jīng)濟(jì)恢復(fù)速率的不是低碳化和數(shù)字化的經(jīng)濟(jì)拉動能力，而是這一過程中面臨的勞動力轉(zhuǎn)型等現(xiàn)實(shí)挑戰(zhàn)。在低碳數(shù)字經(jīng)濟(jì)情景下，近1億人需要跨行業(yè)就業(yè)，其中中低技能人群占96%以上。跨行業(yè)就業(yè)門檻和技能瓶頸可能帶來中低技能人群“結(jié)構(gòu)性失業(yè)”的次生傷害，從而增加社會不平等風(fēng)險。

為了應(yīng)對這一挑戰(zhàn)，短期而言，優(yōu)選與勞動力供給結(jié)構(gòu)匹配度高、人才市場能夠快速適應(yīng)的綠色刺激方案是實(shí)現(xiàn)經(jīng)濟(jì)復(fù)蘇與綠色發(fā)展共贏的可行路徑。長遠(yuǎn)來看，全面部署公正轉(zhuǎn)型戰(zhàn)略、加強(qiáng)勞動力市場的靈活性，推動人才培養(yǎng)體系改革，是應(yīng)對突發(fā)性災(zāi)害事件、提升經(jīng)濟(jì)韌性的正確思路。此外，值得警醒的是，盡管“綠色復(fù)蘇”具有積極的長期氣候效益，但短期內(nèi)仍然與傳統(tǒng)刺激方案一樣面臨著能源需求激增和碳排放回彈的問題。提前部署碳排放增長的應(yīng)對策略，加快煤電企業(yè)的深度減排也是當(dāng)前形勢下的緊迫任務(wù)之一。

盡管困難重重，但值得欣喜的是，經(jīng)濟(jì)復(fù)蘇和綠色發(fā)展本質(zhì)上并不互斥。面向清潔能源和數(shù)字經(jīng)濟(jì)的“綠色復(fù)蘇”計劃，可以在拉動經(jīng)濟(jì)體量的同時，引領(lǐng)我國走向更清潔、可持續(xù)的氣候道路。后疫情時期，經(jīng)濟(jì)復(fù)蘇的短期應(yīng)對策略應(yīng)與中長期綠色發(fā)展戰(zhàn)略相統(tǒng)一，提前謀劃，長遠(yuǎn)布局，打造應(yīng)對公共衛(wèi)生突發(fā)事件和氣候變化的雙韌性。“綠色復(fù)蘇”是對生態(tài)文明理念的踐行，契合國家的經(jīng)濟(jì)發(fā)展需求，也為全球經(jīng)濟(jì)的復(fù)蘇提供了參考路標(biāo)。當(dāng)下的中國應(yīng)把握歷史的機(jī)遇，打破傳統(tǒng)思維定式，推動經(jīng)濟(jì)復(fù)蘇與綠色發(fā)展的協(xié)同共贏。

參考文獻(xiàn)

[1]GUAN D， WANG D， HALLEGATTE S， et al. Global supply-chain effects of COVID-19 control measures[J]. Nature human behaviour， 2020， 4（6）： 577-587.

[2]劉世錦， 韓陽， 王大偉. 基于投入產(chǎn)出架構(gòu)的新冠肺炎疫情沖擊路徑分析與應(yīng)對政策[J]. 管理世界， 2020， 36（5）： 1-12，51，263.

[3]DUAN H， WANG S， YANG C. Coronavirus： limit short-term economic damage[J]. Nature， 2020， 578： 515.

[4]The World Bank. Global economic prospects[R]. 2021.

[5]IMF. World economic outlook update [R]. 2021.

[6]ANSER M K， YOUSAF Z， KHAN M A， et al. Does communicable diseases （including COVID-19） may increase global poverty risk： a cloud on the horizon[J]. Environmental research， 2020， 187： 109668.

[7]ROSENBLOOM D， MARKARD J. A COVID-19 recovery for climate[J]. Science， 2020， 368： 447.

[8]TONG D， ZHANG Q， ZHENG Y， et al. Committed emissions from existing energy infrastructure jeopardize 1.5 ℃ climate target[J]. Nature， 2019， 572： 373-377.

[9]張小麗， 崔學(xué)勤， 王克， 等. 中國煤電鎖定碳排放及其對減排目標(biāo)的影響[J]. 中國人口·資源與環(huán)境， 2020， 30（8）： 31-41.

[10]GAWEL E， LEHMANN P. Killing two birds with one stone： green dead ends and ways out of the COVID-19 crisis[J]. Environmental and resource economics， 2020. doi：10.1007/s10640-020-00443-y.

[11]HEPBURN C， OCALLAGHAN B， STERN N， et al. Will COVID-19 fiscal recovery packages accelerate or retard progress on climate change？[J]. Oxford review of economic policy， 2020， 36： S359-S381.

[12]李志青. 以綠色發(fā)展力促進(jìn)經(jīng)濟(jì)綠色復(fù)蘇[N].中國環(huán)境報， 2020-05-07.

[13]Climate Action Tracker. A government roadmap for addressing the climate and post COVID-19 economic crises[R]. 2020.

[14]ALLAN J， DONOVAN C， EKINS P， et al. A net-zero emissions economic recovery from COVID-19[R]. 2020.

[15]IEA. Sustainable recovery[R/OL].（2020-06-18）[2020-08-06].https：//www.iea.org/reports/sustainable-recovery.

[16]HALLEGATTE S. An adaptive regional input-output model and its application to the assessment of the economic cost of Katrina[J]. Risk analysis， 2008， 28（3）： 779-799.

[17]ZENG Z， GUAN D， STEENGE A E， et al. Flood footprint assessment： a new approach for flood-induced indirect economic impact measurement and post-flood recovery[J]. Journal of hydrology， 2019， 579： 124204.

[18]STADLER K， WOOD R， BULAVSKAYA T， et al. Exiobase 3： developing a time series of detailed environmentally extended multi-regional input-output tables[J]. Journal of industrial ecology， 2018 （3）： 502-515.

[19]Aura Vision. Global COVID-19 lockdown tracker[EB/OL]. （2020-06-18）[2020-08-06].https：//auravision.ai/covid19-lockdown-tracker/.

[20]Google. COVID-19 community mobility reports[EB/OL]. （2020-06-18）[2020-08-06].https：//www.google.com/covid19/mobility/.

[21]CHEN X， GONG X， LI D， et al. Can information and communication technology reduce CO2 emission： a quantile regression analysis[J]. Environmental science and pollution research， 2019， 26（32）： 32977-32992.

[22]ULUCAK R， KHAN S U D. Does information and communication technology affect CO2 mitigation under the pathway of sustainable development during the mode of globalization？[J]. Sustainable development， 2020（4）： 1-11.

[23]HANNA R， XU Y， VICTOR D G. After COVID-19， green investment must deliver jobs to get political traction[J]. Nature， 2020， 582： 178-180.

[24]LE QUéRé C， JACKSON R B， JONES M W， et al. Temporary reduction in daily global CO2 emissions during the COVID-19 forced confinement[J]. Nature climate change， 2020， 10（7）： 647-653.

[25]LENZEN M， LI M， MALIK A， et al. Global socio-economic losses and environmental gains from the coronavirus pandemic[J]. Plos One， 2020， 15（7）： e0235654.

[26]LIU Z， CIAIS P， DENG Z， et al. Near-real-time monitoring of global CO2 emissions reveals the effects of the COVID-19 pandemic[J]. Nature communications， 2020， 11（1）： 5172.

[27]GILLINGHAM K T， KNITTEL C R， LI J， et al. The short-run and long-run effects of COVID-19 on energy and the environment[J]. Joule， 2020， 4（7）： 1337-1341.

[28]ENGEL H， ALASTAIR H， SOLVEIGH H， et al. How a post-pandemic stimulus can both create jobs and help the climate[R]. 2020.

[29]ZHANG Y， ZHENG X， CAI W， et al. Key drivers of the rebound trend of chinas CO2 emissions[J]. Environmental research letters， 2020， 15： 104049.

[30]袁家海， 張浩楠， 朱衍磊， 等. 中國電力供應(yīng)安全的經(jīng)濟(jì)分析與保障路徑研究[R]. 綠色和平， 2020.

（責(zé)任編輯：李 琪）