基于LCA的安徽省低碳农业发展评价与影响因素分析

朱丽君,杨前进,王光宇(安徽省农业科学院 农业经济与信息研究所,安徽 合肥 230031)

基于LCA的安徽省低碳农业发展评价与影响因素分析

朱丽君,杨前进,王光宇
(安徽省农业科学院 农业经济与信息研究所,安徽 合肥 230031)

以生命周期评价(LCA)为基础,选取农业能耗状况(化肥、农药、农膜施用强度)、农业生产低碳绩效(碳生产力、财政支农强度、农业碳排放效率)等评价指标,运用趋势分析法、对比分析法等分析安徽省低碳农业发展现状,并对低碳农业中化肥、农药、农膜使用量等影响因素进行回归分析。结果表明,2000—2014年安徽省农业生产中化肥、农药、农膜等碳排放源的排放强度均呈现逐年下降趋势,碳生产力逐年良性发展,农业碳排放效率逐年提高,农业碳排放总体呈正平衡状态。各因素对农业总产值的影响从大到小依次为化肥施用量、农药施用量、农膜施用量、农用柴油使用量,其各自用量每增加1%,农业总产值就相应地分别增加1.36%、1.14%、-0.70%、0.49%。

低碳农业; 指标评价; 影响因素; 回归分析

低碳农业是当前应对气候恶化、生态危机时低碳经济背景下以低消耗、低污染、低排放、高效益、高碳汇为基础的新型农业发展形态,是农业可持续发展的升华。低碳农业既有别于过度依赖化肥、农药等生产资料的化学农业,又有别于强调回归自然、拒绝化学品的有机农业,也有别于适度使用化学品、鼓励农业机械的生态农业[1]。它不仅可以持续保证较高的粮食生产能力,保证粮食安全,而且能降低化学品投入,实现碳减排,保护生态环境。因此,低碳农业是现代农业发展的必经之路。

国内低碳农业相关研究开展得比较深入,主要集中于发展模式、中外实践、减排机制与技术、碳汇评估、碳排放特征等方面[2-10]。郑恒等[2]从制定发展战略、促进碳交易、创新生产技术等多个方面来探索低碳农业发展模式;李玉梅等[3]从温室气体减排的技术与管理层面和政府宏观调控层面总结美国发展低碳农业的先进经验,并切实分析中国发展低碳农业的现实制约因素,从而针对中国国情提出发展低碳农业的建议;王效科等[4]对农业碳排放与我国粮食生产安全进行了研究,提出了我国未来粮食生产应该采取的技术对策;董红敏等[5]对中国农业源温室气体排放与减排技术进行了研究;漆雁斌等[6]对化肥施用量、机械总动力等碳排放源进行了回归分析,发现化肥施用量对农业总产值的影响最大;胡向东等[7]对我国畜禽养殖业的碳排放量进行了估算与研究,发现黄牛CH4排放量最大;黄祖辉等[8]采用生命周期评价(LCA)法探索了浙江省农业碳排放足迹;田云等[9]基于投入视角,研究了农业碳排放时空特征与因素分解;庞丽[10]对我国农业碳排放区域差异进行评价,并运用LMDI因素分解模型对影响各地区农业碳排放量的主要因素予以实证研究。目前,尚未发现关于安徽低碳农业发展评价与影响因素分析等的报道。

安徽省低碳农业发展总体水平不高,农业碳排放总量逐年缓慢上升,农业碳排放效率呈升高趋势[11],农业耗能大,农业发展仍以牺牲农业生态环境为代价[12]。本研究试图从碳在农业系统的生命周期出发,借助评价指标科学评价安徽省低碳农业的发展现况,并运用计量经济方法剖析其影响因素,提出相应对策以降低其对低碳农业发展的影响程度,为促进安徽省低碳农业发展提供科学依据。

1 材料和方法

1.1 数据来源

本研究主要核算2000—2014年农业生产中农药碳排放量、化肥碳排放量、农膜碳排放量、耕地碳排放量、农用机械碳排放量等,数据来源于2000—2014年《安徽统计年鉴》。

1.2 农业碳排放量的测算

目前安徽省的农业碳排放源主要有化肥施用、农药施用、农膜施用、畜禽养殖、农作物播种、农用机械动力等,排放出的温室气体种类主要为CO2、CH4、N2O,其全球增温潜势(GWP)分别为:GWPCO2=1,GWPCH4=25,GWPN2O=298。本研究采用LCA法测算安徽省农业碳排放量。农业碳排放量计算公式为:

T=∑(Xi×θi×GWP)

式中,T表示农业碳排放总量,X表示每种碳排放源的数量,θ表示各碳排放源的排放系数,i表示各种碳排放源[13]。

1.3 低碳农业发展评价指标的选择

低碳农业评价指标能够客观衡量与评价低碳农业发展水平、发展特点与发展方向。选择安徽省低碳农业评价指标,需综合考虑指标的科学性与适用性、系统性与层次性、可行性与可比性,使之能够真实反映低碳农业发展特点,保证其层次化与条理化,具有较强的可操作性。为此,本研究从众多低碳农业评价指标中重点选择农业能耗状况(化肥施用强度、农药施用强度和农膜施用强度)、农业生产低碳绩效(碳生产力、财政支农强度、农业碳排放效率)等对安徽省低碳农业发展现状进行评价[13]。

1.4 低碳农业发展影响因素分析

运用Eviews 6.0分析软件,选取农业播种面积、化肥施用量、农药施用量、农膜使用量、农用柴油使用量等低碳农业发展影响因素作为自变量,以农业总产值为因变量,构建回归模型,运用普通最小二乘法(OLS)对模型进行估计与拟合、修正。

2 结果与分析

2.1 安徽省低碳农业发展评价

对安徽省2000—2014年农业总产值和农业碳排放总量进行分析(图1)发现,2000—2014年,安徽省农业总产值稳步上升,2000年农业总产值为1 219.96亿元,2014年为4 223.73亿元,增长了246.22%,年均增长17.59%,安徽省农业发展良好。通过农业碳排放总量测算可知,2000—2014年安徽省农业碳排放总量总体呈上升趋势,从2000年8 534.20万t增加至2014年9 458.49万t,增长了10.83%,年均增长0.77%。其中,2000—2007年农业碳排放总量先波动上升后下降,2007年达最低；2008—2013年呈现逐年递增的趋势,但年增幅呈减缓趋势；2014年迅速降低，比2013年减少232.93万t。通过比对发现,总体上农业总产值与农业碳排放总量发展趋势相似,而且农业总产值年均增长幅度略大于碳排放总量,这说明安徽省农业碳排放基本处于正平衡状态[14]。

图1 2000—2014年安徽省农业总产值与碳排放总量变化

2.1.1 化肥施用强度 化肥施用强度,指一年内单位农业产值的化肥施用量,是农业生产方式低碳化水平的重要衡量指标。化肥施用强度越低,意味着低碳农业水平越高。由图2可知,2000—2003年安徽省的化肥施用强度平稳,从2004年开始明显下降,这和国家农业政策引导及财政支持是分不开的。2004年化肥施用强度为0.17 t/万元,2014年化肥施用强度为0.08 t/万元,年均减少3.78%。

图2 2000—2014年安徽省农业化肥施用强度变化

2.1.2 农药施用强度 农药施用强度,指一年内单位农业产值的农药施用量,也是农业生产方式低碳化水平的重要衡量指标,还是反映农产品品质与食品安全的指标。农药施用强度越低,而农业总产值越大,则意味着低碳农业水平越高。由图3可知,2000—2014年安徽省农药施用强度总体呈下降趋势,特别是2004年下降趋势显著,年均下降4.03%。

2.1.3 农膜施用强度 农膜施用强度,指一年内单位农业产值的农膜施用量,也是农业生产方式低碳化水平的重要衡量指标。农膜施用强度越低,意味着低碳农业水平越高。由图4可知,2000—2014年安徽省农膜施用强度总体呈下降趋势,2000年农膜施用强度为0.004 8 t/万元,2014年为0.002 3 t/万元,总体降幅为52.08%,年均下降3.72%。

图3 2000—2014年安徽省农业农药施用强度变化

图4 2000—2014年安徽省农业农膜施用强度变化

2.1.4 碳生产力 碳生产力表示每单位碳排放当量创造的农业产值,是衡量低碳农业效益的重要标准。碳生产力越高,意味着更少的消耗产生更多的农业产值。从图5可以看出,2000—2014年安徽省农业碳生产力总体呈逐渐上升趋势,其中,2000—2003年碳生产力变化比较平缓,2004—2014年碳生产力上升趋势明显,从2000年的0.14万元/t上升到2014年0.45万元/t,年均增长15.82%。

图5 2000—2014年安徽省农业碳生产力变化

图6 2000—2014年安徽省财政支农强度变化

2.1.5 财政支农强度 财政支农强度,表示一年内单位农业产值的财政支农支出,也是农业生产方式低碳化水平的重要衡量指标。财政支农强度越高,意味着低碳农业水平越高。经过农业各利益主体相互之间的平衡与博弈,低碳农业的发展在很长一段时间内、很大程度上仍有赖于财政支农资金投入。财政对农业的投入力度加大,各种先进的低碳农技、农艺与农机具得到充分的资金支持,就会进一步研发与推广,低碳作业效率会提高,农业碳排放效率随之得到改善。由图6可知,2000—2014年安徽财政支农强度总体呈上升趋势,财政支农强度从2000年的0.02上升至2014年的0.12,年均增长率35.71%。

2.1.6 农业碳排放效率 农业碳排放强度和农业碳排放密度均能够反映农业碳排放效率。农业碳排放强度,即每万元农业GDP所产生的碳排放量。农业碳排放密度,即单位播种面积上所产生的农业碳排放量。由图7可知,2000—2014年安徽省农业碳排放强度总体呈下降趋势,由2000年7.00 t/万元降至2014年2.24 t/万元,总降幅达68.00%,年均降幅达4.86%,碳排放强度减势强劲;碳排放密度总体呈先上升后下降再上升再下降的趋势,2007年最低，碳排放密度由2000年的10.14 t/hm2升至2014年10.57 t/hm2,增长幅度达4.24%,年均增幅0.30%。

图7 2000—2014年安徽省农业碳排放效率变化

2.2 安徽省低碳农业发展影响因素分析

本研究选取农业播种面积、化肥施用量、农药施用量、农膜使用量、农用柴油使用量等作为自变量,以农业总产值为因变量,进行回归分析,结果见公式(1)。

y=β0+β1x1+β2x2+β3x3+β4x4+β5x5+ε

(1)

上式中,y表示安徽省农业总产值(亿元),x1表示安徽省农业播种面积(khm2),x2表示安徽省化肥施用量(万t),x3表示安徽省农药施用量(万t),x4表示安徽省农膜施用量(万t),x5表示安徽省农用柴油使用量(万t),β0为回归常数,β1、β2、β3、β4、β5为非标准条件下的偏回归系数,ε为随机误差。样本数据来自1993—2013年《安徽统计年鉴》。

为避免数据剧烈波动,在模型两侧取对数。运用Eviews 6.0分析软件,数据序列经检验是平稳的,接着对模型(1)进行回归分析,回归结果见公式(2)。

lny= 3.265 9-1.418 7lnx1+1.386 3lnx2+

1.273 3lnx3-0.743 8lnx4+0.536 0lnx5

(2)

式(2)中模型回归拟合较好,模型决定系数R2=0.960 0,修正的决定系数R2=0.946 6,F检验(F= 71.915 5)、DW检验(DW=1.232 0)均通过。模型估计结果说明,在假定其他变量不变的情况下,农业播种面积每增加1%,农业总产值就相应减少1.42%;化肥施用量每增加1%,农业总产值就相应增加1.39%;农药施用量每增加1%,农业总产值就相应增加1.27%;农膜施用量每增加1%,农业总产值就相应减少0.74%;农用柴油使用量每增加1%,农业总产值就相应增加0.54%。而农业播种面积变化率与农业总产值变化率呈负相关,与实际不符,故予以剔除。

对方程(2)进行修正,结果见公式(3)。

lny= -8.569 5+1.362 2lnx2+1.143 6lnx3-

0.699 0lnx4+0.491 2lnx5

(3)

式(3)中决定系数R2=0.959 2,修正的决定系数R2=0.949 0,说明模型的回归拟合优度很高。在给定显著水平a=0.05的条件下,F=94.103 2>F(4,21)=2.84,F统计量的收尾概率为0,可知在5%显著性水平内回归方程整体显著。在给定显著水平a=0.15的条件下,x2、x3、x4、x5的t统计量收尾概率分别为0.149 3、0.026 0、0.078 3、0.137 8,均通过了15%的显著性检验(即在85%的水平上显著)。

由公式(3)可知,化肥施用量每增加1%,农业总产值就相应增加1.36%;农药施用量每增加1%,农业总产值就相应增加1.14%;农膜施用量每增加1%,农业总产值就相应减少0.70%;农用柴油量每增加1%,农业总产值就相应增加0.49%。各因素对农业产值的影响从大到小依次为化肥施用量、农药施用量、农膜施用量、柴油使用量。

3 结论与建议

本研究结果表明,安徽省农业生产中化肥、农药、农膜等碳排放源的排放强度均呈现逐年下降趋势,碳生产力逐年良性发展,农业碳排放效率逐年提高,农业碳排放总体呈正平衡状态。各因素对农业总产值的影响从大到小依次为化肥施用量、农药施用量、农膜使用量、农用柴油使用量,其各自用量每增加1%,农业总产值就相应分别增加1.36%、1.14%、-0.70%、0.49%。

鉴于本研究结果,针对安徽省农业碳减排,特提出以下研究性建议。首先,积极推进安徽省低碳农业科研与推广服务工作,尤以化肥和农药减施为推广工作的重点。化肥、农药的使用对农业总产值的影响极大,故而在低碳农业中一定要把握好其施用量,切实提高其利用效率。在针对化肥施用方面,积极推广增施有机肥、测土配方、氮肥深施、精准施肥、水肥一体化等技术,力争化肥减量、减施,提高化肥利用率[12];在农药植保、农机等方面能够有效地进行低碳农技推广与服务[2];在农业生产中推进实施保护性耕作,提倡间歇灌溉、湿润灌溉;加快培育低碳农业技术创新研究平台,并将农技服务体系的后续跟踪、监测服务工作及时有效地做到位。其次,加大财政支农投入,强化财政对低碳农业的支持。加大财政投入力度,推进低碳农业技术的研发投入与农田水利等基础设施建设的资金投入;对采用低碳技术和低碳农机具农作的农户,可以延续或者加强其财政补贴范围与补贴力度;低碳农业固碳减排的监测与碳汇等研究工作,也应施以充分的财政关注[2]。

[1] 谢淑娟.低碳农业发展研究——基于广东省的实证分析[M].北京:经济管理出版社,2013:31-33.

[2] 郑恒,李跃.低碳农业发展模式探析[J].农业经济问题,2011,32(6):26-29.

[3] 李玉梅.美国低碳农业发展及其对中国的借鉴[J].世界农业,2016(1):51-53,58.

[4] 王效科,李长生,欧阳志云.温室气体排放与中国粮食生产[J].生态环境,2003,12(4):379-383.

[5] 董红敏,李玉娥,陶秀萍,等.中国农业源温室气体排放与减排技术对策[J].农业工程学报,2008,24(10):269-273.

[6] 漆雁斌,陈卫洪.低碳农业发展影响因素的回归分析[J].农村经济,2010(2):19-23.

[7] 胡向东,王济民.中国畜禽温室气体排放量估算[J].农业工程学报,2010,26(10):247-252.

[8] 黄祖辉,米松华.农业碳足迹研究——以浙江省为例[J].农业经济问题,2011(11):40-47.

[9] 田云,张俊飚,李波.基于投入角度的农业碳排放时空特征及因素分解研究[J].农业现代化研究,2011,32(6):752-755.

[10] 庞丽.我国农业碳排放的区域差异与影响因素分析[J].干旱区资源与环境,2014,28(12):1-7.

[11] 朱丽君,王光宇,姚升,等.安徽省低碳农业发展的影响因素研究[J].安徽农业科学,2015,43(6):260-262,320.

[12] 刘巽浩.关于提倡低碳的几个问题[J].中国农业资源与区划,2012,33(5):1-7.

[13] 刘巽浩,徐文修,李增嘉,等.农田生态系统碳足迹法:误区、改进与应用[J].中国农业资源与区划,2014,35(1):1-7.

[14] 朱丽君,王光宇,姚升,等.安徽省农业碳排放的总量测算、排放结构与效率研究[J].湖北农业科学,2015,54(14):3546-3548,3585.

Evaluation on Development of Low-carbon Agriculture and Its Influence Factors Based on LCA in Anhui

ZHU Lijun,YANG Qianjin,WANG Guangyu
(Institute of Agricultural Economy and Information,Anhui Academy of Agricultural Sciences,Hefei 230031,China)

Based on life cycle assessment (LCA),the agricultural energy situation (application intensity of fertilizers,pesticides,plastic sheet),the performance of the agricultural production of low-carbon (carbon productivity,the strength of financial support for agriculture,agricultural carbon emission efficiency) were selected as evaluation indexes,the development of Anhui low-carbon agriculture was studied by trend analysis and comparative analysis,and regression analysis of chemical fertilizers,pesticides,plastic sheet application amount was done.The results showed that the carbon emission intensity of fertilizers,pesticides,plastic sheet and other sources in Anhui agricultural production showed a declining trend year after year,and carbon productivity showed the benign development year after year,and the efficiency of agricultural carbon emissions was improved year after year,and agricultural carbon emissions were positivly balanced during 2000—2014.The influence order of various factors on the value of agricultural output was chemical fertilizer application amount>pesticides application amount>plastic sheet application amount>diesel oil application amount,each in amount per 1% increase brought agricultural output corresponding increase of 1.36 %,1.14%,-0.70%,0.49%.

low-carbon agriculture; index evaluation; influencing factors; regression analysis

2016-02-15

安徽省农业科学院宏观农业研究项目(16A1440,15A1440,14A1443)；安徽省发改委长三角合作与发展共同促进基金项目；安徽省农业科学院科技创新团队项目(13C0203)；安徽省农业科学院学科建设项目(14A1334)

朱丽君(1976-),女，安徽固镇人，助理研究员，硕士，主要从事农业经济方面的研究。 E-mail：xiaocaohua@sina.com

F205

A

1004-3268(2016)09-0064-05