← 最新论文
📈 经济学

The Impact of Digital Economy Development on Marine Fishery Carbon Emission Efficiency: Evidence and Differentiated Policy for Coastal Provinces in China

本研究表明,尽管数字经济发展通过局部改善和正向空间溢出效应显著提升了中国海洋渔业碳排放效率,但其有效性取决于区域生产结构,即在低捕捞依赖度地区获益最为显著,且需要针对沿海各省采取差异化的政策策略。

原作者: Erchun He, HoGeun Jang, Chunfeng Zhang, Ying Luo

发布于 2026-10-23
📖 1 分钟阅读☕ 轻松阅读

原作者: Erchun He, HoGeun Jang, Chunfeng Zhang, Ying Luo

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

海洋是一个巨大的、充满活力的引擎,供养着数十亿人口,但我们用来收获其馈赠的机械往往高耗能且高碳排。几十年来,减少温室气体的焦点一直集中在工厂和发电厂上,然而蓝色经济——即那些依赖海洋的产业——正日益被视为气候拼图中的关键部分。海洋渔业(包括从捕捞野生鱼类到养殖贝类的一切活动)消耗了大量的能源并排放二氧化碳,加剧了威胁其赖以生存的生态系统本身的变暖进程。与此同时,一股新的力量正在重塑全球经济:数字经济。这不仅仅关乎智能手机或社交媒体,而是指互联网技术、数据和数字金融如何深度融入各行业的运作方式。科学家和政策制定者面临的问题是,这股数字浪潮能否帮助渔业变得更清洁、更高效,还是说这两股力量仅仅是在向不同的方向发展。

一个研究团队致力于回答这个问题,他们对中国11个沿海省份进行了研究,该地区占据了中国海洋生产的巨大份额。他们收集了从2011年到2023年的数据,这一时期见证了数字连接与绿色能源推动的快速崛起。为了理解两者之间的关系,他们首先必须衡量一件复杂的事情:这些省份在产鱼量相对于其碳排放量方面的效率如何。他们使用了一种方法,将碳排放视为一种负面结果(类似于废弃物),并计算了每个省份管理资源的得分。随后,他们在各地区构建了一个综合的数字经济评分,结合了互联网接入、创造数字工具的能力以及数字银行业务的可获得性等因素。通过对比不同时间、不同地点这两个评分的变化,他们可以观察数字技术的兴起是否真的让渔业“呼吸得更顺畅”。

结果清晰且令人鼓舞。研究发现,随着一个省份数字经济的发展,其海洋渔业的效率显著提高。简单来说,那些采用了更多数字工具、更好数据追踪和更智能金融系统的地区,能够在单位产出中实现产量更高且碳排放更少。这不仅仅是一个局部现象。研究人员发现,这种益处存在跨界溢出效应。当一个省份升级了其数字基础设施时,其邻近省份的渔业效率也往往随之提升。这表明知识、技术和更好的管理实践正在不同地区间流动,产生了一种积极变化的连锁反应。就好像一个学会了利用某种新数字工具来节省燃料的省份,可以教会其邻居同样的做法,从而提升整个沿海地区的表现。

然而,并非所有地区的故事都是如此。研究人员发现,数字经济降低排放的能力在很大程度上取决于正在进行的捕捞/养殖类型。在那些主要从事贝类和藻类养殖,或者已经拥有现代化水产养殖系统的地区,数字工具发挥了巨大的作用。这些系统更容易通过传感器和数据进行监测和控制,从而实现精准调节以节省能源。但在那些严重依赖从公海捕捞野生鱼类的地区,数字化的推动力则弱得多。这些地区依赖大型、高耗能的船只进行远洋作业。在这种情况下,数字技术往往帮助渔民更容易找到鱼类或航行得更远,这有时反而导致了更多的燃料消耗,而非减少。研究表明,虽然数字工具很强大,但它们不能简单地套用到任何渔业作业中并期望获得同样的结果;产业的底层结构至关重要。

研究结果还显示,数字化的影响因地理位置而异。东部和南部沿海省份通常拥有更先进的经济和基础设施,其从数字增长中获得的收益比北部省份更为显著。这表明,数字工具在拥有强大现有技术和资源基础的支持下效果最佳。研究人员得出结论,要让数字经济真正助力海洋渔业脱碳,政策不能“一刀切”。相反,政府需要因地制宜。在以鱼类养殖为主的地区,重点应放在集成智能传感器和自动化喂养系统上;在以野生捕捞为主的地区,重点必须是将数字追踪与严格的捕捞限额相结合,以确保效率的提升不会导致过度捕捞。通过识别这些差异并促进相邻省份之间的合作,通往世界海洋可持续、低碳未来的路径将变得更加清晰。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →