安徽省农业碳排放的脱钩效应及影响因素研究*

李　琦，韩亚芬

(宿州学院 环境与测绘工程学院，安徽 宿州 234000)



安徽省农业碳排放的脱钩效应及影响因素研究*

李琦，韩亚芬

(宿州学院 环境与测绘工程学院，安徽 宿州 234000)

摘要：为了深入认识安徽省农业碳排放与农业经济增长之间的相互关系，并为区域低碳农业发展政策措施的制定提供理论依据，采用Tapio与LMDI模型对安徽省农业碳排放的脱钩效应及影响因素进行研究。结果表明：1998—2014年安徽省农业碳排放总量呈波动上升趋势，具体表现为“快速增长-持续下降-缓慢上升”三阶段特征；研究期内农业碳排放与农业经济增长间的脱钩关系以弱脱钩和强脱钩为主，说明安徽省农业低碳减排工作取得一定成效；效率因素、劳动力因素和结构因素均对农业碳排放增长具有抑制作用，它们在研究期内的累计减排贡献量分别为896.51万t，341.62万t和253.67万t，而农业经济发展则是碳排放增长的主要驱动因素，其引发的累计碳排放增量高达1552.29万t。

关键词：安徽省；农业碳排放；脱钩效应；因素分解

农业是国民经济的基础行业，同时也是温室气体的第二大重要来源，其碳排放量约占我国排放总量的17%，如何实现农业的低碳减排已成为政府和学术界关注的热点。国内学术界围绕农业低碳减排开展了大量研究工作，主要集中在农业碳排放的测算、农业碳排放与经济发展的关系、农业碳排放的驱动因素分析及农业碳减排政策等方面。如田云等通过对我国农业碳排量和碳汇量的对比，发现其净碳汇量总体保持上升态势，但亦存在明显的区域差异。有关农业碳排放与经济发展关系的研究主要体现在对二者间定量变动关系的检验，旨在考察其可能存在的协整或因果关系，以及是否符合环境库兹涅茨曲线(EKC)[2-4]，而近年来脱钩理论的引入也为农业碳排放的研究提供了一种全新的思路[5-7]；同时，国内学者还尝试利用Kaya恒等式、LMDI指数分解手段对影响农业碳排放的主要因素及其效应进行探讨[8-9]；张健[10]、郭永奇等[11]则分别从碳税运用和工程技术推广等方面提出了相关的农业碳减排对策。上述成果虽然在一定程度上丰富了我国低碳农业的研究体系，但其选取的研究对象多集中于种植业领域，往往忽视畜牧养殖等对农业碳排放的影响，同时基于小尺度区域层面的研究实例相对较少，致使其成果的实用性和可操作性不足。本文以安徽省为例，从农用物资、土壤、稻田和牲畜养殖四方面测算其农业碳排放，并借助脱钩和LMDI模型分析农业碳排放的脱钩效应及影响因素，以期为安徽省低碳农业发展提供理论支持。

一、数据来源和研究方法

(一)碳排放的测算

本文依据田云等1299-1302、宋德勇等[12]对农业碳源类型的划分，构建出安徽省农业碳排放的测算公式如下：

(1)

式中，C为安徽省农业生产系统碳排放总量(t标准碳)；i为农业碳源类型，其取值为1～4，依次代表农用物资投入、土壤翻耕、稻田CH4排放和牲畜养殖四类；Ci为第i类碳源的碳排放量(t标准碳)；j为不同温室气体种类，取值为1～3，依次代表CO2、CH4和N2O三项；Eij为第i类碳源排放的第j类温室气体的实际测算量(t)；ηj则表示第j类温室气体与标准碳间的折算系数，依据IPCC 第四次评估报告( 2007) ，CO2、CH4和N2O的ηj值分别取1.0、6.818 2和81.272 71300-1301。

1. 农用物资投入的CO2排放

基于智静等[13]的研究成果，并结合实地调研和专家咨询，本文将农用物资碳排放源划分为化肥、农药、农膜、柴油和农业灌溉五类，其碳排放量的计算公式如下：

(2)

式中， E11为农用物资投入引发的CO2排放量(t)，Am代表第m类农用物资的投入使用量(t或hm2)，am1则表示该类农用物资的CO2排放系数，其取值如表1所示。

表1　主要农用物资的CO2排放系数

2. 农业土壤N2O排放

农作物种植和生产过程中由于对土壤表层的破坏，会导致大量温室气体排入大气中，其中以N2O最为显著。不少学者已对我国主要农作物种植过程中N2O的产生和排放情况进行了观测[14]，并给出不同农作物生长周期内土壤N2O的排放系数(见表2)。本文以此为基础，建立土壤N2O排放的测算公式：

(3)

式中，E23是农业土壤N2O的排放量(t)，Bn代表第n类农作物的种植面积(万hm2)，bn3则为第n类农作物土壤的N2O排放系数。

表2　不同农作物土壤的N2O排放系数 (t/万hm2)

3. 稻田CH4排放

蔡祖聪[15]和王明星等[16]曾对我国不同省区主要水稻种类的CH4排放系数进行了测算，本文借用其研究结论中有关安徽省水稻生长周期内的碳排放参数，构建出稻田CH4排放的测算公式：

(4)

式中，E32代表稻田CH4的排放总量(t)，Dp是第p类水稻的种植面积(km2)，dp2为第p类水稻生长周期内的CH4排放系数，其取值见表3所示。

表3　安徽省水稻生长周期内CH4排放系数 (t/km2)

4. 牲畜养殖碳排放

牲畜养殖碳排放主要包括由牲畜肠道发酵导致的CH4排放以及在粪便处理过程中所产生的CH4和N2O的排放，其计算公式如下：

(5)

(6)

式中，E42、E43分别表示牲畜养殖的CH4和N2O排放总量(t)；Fq为第q种牲畜的养殖数量(千头)；fq1、fq2、fq3分别为第q种牲畜所对应的肠道发酵排放CH4系数、粪便排放CH4系数和粪便排放N2O系数。结合安徽省牲畜养殖业现状，选取牛、马、驴、骡、猪、山羊和绵羊七类主要养殖品种进行碳排放测算，各类牲畜的碳排放系数见表4所示。

表4　主要牲畜种类的碳排放系数 (t/千头)

(二)Tapio脱钩评价模型

Tapio指数是反映研究期内变量间脱钩关系的弹性分析方法。以农业碳排放为例，其Tapio脱钩指数是以研究期初和期末间农业碳排放量与农业经济产值的变化率之比进行表征，具体公式如下：

(7)

式中，e(C,G)代表农业碳排放与农业经济发展水平的脱钩弹性指数，ΔC表示研究期内碳排放变化量，C表示研究期初的碳排放量，ΔG表示研究期内农牧业产值的变化量，G为研究期初的农牧业产值。依据e(C,G)、ΔC、ΔG的不同数值组合，可将农业碳排放与农业经济发展水平间的脱钩状态划分为八种类型(见表5)。

表5　脱钩状态分类与评价标准

(三)LMDI分解模型

本文采用LMDI(对数平均权重)指数分解模型对安徽省农业碳排放的影响因素展开分析。依据该模型，农业碳排放可分解如下：

(8)

式中，Ct为第t期的农业碳排放总量(t)，Gt为第t期的农牧业产值(万元)，Nt为第t期的农业总产值(万元)，Lt为第t期的劳动力数量。由此，可将引发农业碳排放变动的因素归为四类：农业效率因素，I=C/G；农业结构因素，S=G/N；农业经济水平因素，T=N/L；劳动力因素L。则式(8)可简化为：

(9)

对于式(9)，两边对时间t求导数可得：

(10)

在式(10)两边同除以Ct可得：

(11)

对式(11)两边同时求积分，并乘以ΔCt(ΔCt代表第t期农业碳排放相对于0期的变动量，即ΔCt= Ct-C0)，则上式可转换为：

(12)

将上式整理后可得：

(13)

根据LMDI模型分解定义，第t期农业碳排放相对于基期(0期)的变动量(ΔCt)可表达为：

(14)

式(14)中，ΔCI、ΔCS、ΔCT和ΔCL分别代表农业效率因素、农业结构因素、农业经济水平因素以及劳动力因素对研究期内(0-t期)农业碳排放的影响变动量，ΔCrsd为分解余量，由于LMDI模型分解完全，不产生残差，因此ΔCrsd=0。

结合式(13)分解结果，上述各要素对农业碳排放的影响变动量可按下式计算：

(四)数据来源

本文相关数据均取自《安徽省统计年鉴》(1999—2015)、《中国农业统计年鉴》(1999—2015)以及安徽省统计公报。考虑到数据的可获得性和完整程度，本研究设定的时间尺度为1998—2014年。为保证农业经济产值数据的纵向可比性，各年农业产值数据均按1990年基准价格换算后使用。

二、安徽省农业碳排放的时序特征

依据公式(1)—(6)测算出1998—2014年各年份的安徽省农业碳排放总量，结果见表6所示。由表6可知，安徽省农业碳排放总体呈现波动上升趋势，由1998年的1 048.85万t增长至2014年的1 109.35万t，年均增长速率约为0.35%。根据碳排放总量的逐年变化特征，可将其划分为三个阶段：1998—2004年为碳排放快速增长阶段，农业碳排放量由1 048.85万t增长至1 209.27万t，年均增长率高达2.40%；2004—2007年为碳排放持续下降阶段，这一时期由于高致病性禽流感疫情和饲料价格大幅度上涨等因素的影响，安徽省牲畜养殖业受到明显冲击，致使农业碳排放总量出现持续降低，由1 209.27万t减少至1 028.60万t，年均下降率为5.25%；2007—2014年为碳排放缓慢上升阶段，该时期随着国家一系列农业惠民政策的不断推出，牲畜养殖业生产水平得以恢复稳定，使得农业碳排放量出现了缓慢上升趋势，碳排放总量由1 028.60万t增长至1109.35万t，年均增长率为1.18%。

从农业碳排放总量的构成来看，稻田CH4排放在碳排放总量所占的比例(多年平均值高达57.85%)最高，是安徽省农业碳排放中最主要的碳源。研究期内，稻田CH4排放占农业碳排放总量的比重呈现出“下降—上升—下降”的波动变化特征，从1998年占总量的55.81%，到2014年已达61.59%；牲畜养殖碳排放在总量中所占的平均比重为25.23%，是引发农业碳排放的第二碳源。其在总量中所占比重在经历了初期的增长(1998—2001年)和快速下降(2001—2007年)后，近年来基本稳定维持在18%左右。而土壤翻耕和农用物资使用所产生的碳排放量相对较小，在农业碳排放总量中所占比重均呈缓慢上升趋势，其平均比重仅分别为8.52%和8.39%。

表6　安徽省1998—2014年农业碳排放量变化情况

三、安徽省农业碳排放的脱钩关系分析

根据上述碳排放测算结果和Tapio脱钩评价模型，本文计算出安徽省农业碳排放与农业经济发展水平间的脱钩弹性指数(见表7)。总体来看，研究期内农业碳排放与农业经济发展间的脱钩关系以弱脱钩和强脱钩为主，即农业碳排放的增长速度明显低于农业经济的发展速度，说明近年来安徽省农业低碳减排工作取得一定的成效。具体来说，二者脱钩状态的演变过程可划分为三个阶段：第一，1998—2004年的脱钩关系处于波动期，该阶段农业碳排放和农业经济均处于增长状态(仅2003年出现短暂下滑)，但二者在个别年份的增长速率却存在明显差异，这也导致期间分别出现了弱脱钩、扩张负脱钩和弱负脱钩三种状态；第二，2004—2007年为强脱钩阶段，该时期受牲畜养殖业的影响，农业碳排放总量出现持续下降，而农业经济产值却保持着上升态势，碳排放弹性特征连续三年保持强脱钩状态；第三，2007—2014年为弱脱钩阶段，该阶段随着牲畜养殖业的恢复，农业碳排放总量趋于缓慢增长，而同期农业经济增长速率也较为稳定，且始终高于碳排放增速，使得这一时段的脱钩关系主要表现为弱脱钩类型。

四、安徽省农业碳排放脱钩影响因素研究

采用LMDI分解模型对1998—2014年安徽省农业碳排放进行分年度的影响因素解析，得出农业效率因素(I)、农业结构因素(S)、农业经济因素(T)与劳动力因素(L)对碳排放总量变动的贡献水平(见表8)。

表8　安徽省农业碳排放驱动因素分解结果 (万t)

由表8可知，农业经济发展是安徽省农业碳排放增长的主要驱动因素，即人均农业产值的提高能够极大地促进碳排放量的增加。研究期内，农业经济因素共累计引发1 552.29万t的碳排放增量(年均增量为97.02万t)，达到同期农业碳排放实际增加量的256 5.77%。农业效率因素、结构因素和劳动力因素对农业碳排放增长具有不同程度的抑制作用。其中，农业效率因素对碳排放的抑制作用最强，1998—2014年间效率因素累计实现碳排放消减量896.51万t(年均消减量为56.03万t)，为同期碳排放实际增加量的1 481.83%。同时可以看出，效率因素的抑制作用具有明显的阶段性特征，具体而言，1998—2005年为第一阶段，该期由于农业经济发展速度整体缓慢，生产效率较低，其对碳排放的抑制效果并不明显；2005—2013年为第二阶段，这一时期随着国家对农业发展的政策倾斜以及农业生产技术水平的不断提升，农业效率对碳排放的抑制作用日益凸显，并逐步成为农业低碳减排中贡献最高的因素。而劳动力非农转移和农业结构优化调整也有助于碳排放的消减，研究期内两因素累计实现的碳排放消减量分别为341.62万t和253.67万t(年均消减量分别为21.35万t和15.85万t)，达到同期碳排放实际增加量的564.66%和419.29%。

综合上述分析，农业碳排放量变动是由农业经济发展水平、农业生产效率、农业生产结构和劳动力等多因素共同影响所产生的结果。虽然农业效率因素、结构因素和劳动力因素均对农业碳排放具有一定的抑制效应，但由于农业经济规模的快速扩张，其引发的农业碳排放增量远高于上述三因素的消减作用，因此安徽省农业碳排放整体仍呈现出增长趋势。同时，考虑到安徽省农业经济发展在保障国家粮食安全方面的重要战略地位，其在今后一段时期内仍将对农业碳排放增长具有较强的驱动作用，因此只有大力发展农业节能减排技术，不断转变农业生产方式和优化生产结构，加快推进向低碳农业转型，并以此从根本上完成农业经济增长与农业碳排放的脱钩才是实现我省农业可持续发展的必由之路。

五、结论

本文通过分析1998—2014年安徽省农业碳排放的时序变化特征、脱钩效应以及影响因素，得出如下结论：安徽省农业碳排放总体呈波动上升趋势，并表现出“快速增长—持续下降—缓慢上升”的阶段性变化特征；稻田CH4排放和牲畜养殖是农业碳排放的两个主要碳源，其产生的碳排放分别占农业碳排放总量的57.85%和25.23%，而土壤翻耕和农用物资使用的碳排放相对较少，仅占总量的8.52%和8.39%；就增长速度而言，研究期内农业碳排放的年均增速约为0.35%，远低于农业经济的发展速度，因而农业碳排放与农业经济发展间的脱钩关系总体以弱脱钩和强脱钩为主，其演变过程经历“波动变化—强脱钩—弱脱钩”三个时期，说明安徽省农业低碳减排工作取得一定的成效；因素分解结果表明，农业效率因素、劳动力因素和结构因素均对农业碳排放增长具有抑制效应，其累计贡献率分别为-1 481.83%，-564.66%和-419.29%，而农业经济因素极大地促进了农业碳排放的增长，其引发的碳排放增量(累计贡献率达2 565.77%)不仅抵消了上述三类因素的减排效果，还导致农业碳排放整体呈现逐年增长的趋势，同时农业经济发展的驱动作用在未来一段时期内仍将主导农业碳排放的增长。

参考文献：

[1] 田云，张俊飚. 中国农业生产净碳效应分异研究. 自然资源学报，2013，28(8)：1298-1309.

[2]李立，周灿，李二玲，等. 基于投入视角的黄淮海平原农业碳排放与经济发展脱钩研究. 生态与农村环境学报，2013，29(5)：551-558.

[3]李波. 经济增长与农业碳排放关系的实证研究. 生态环境学报，2012，21(2)：220-224.

[4]李国志，李宗植，周明. 碳排放与农业经济增长关系实证分析. 农业经济与管理，2011(4)：32-39.

[5]田云，张俊飚，李波. 中国农业碳排放研究：测算、时空比较及脱钩效应. 资源科学，2012，34(11)：2097-2105.

[6]张小平，王龙飞. 甘肃省农业碳排放与经济增长的脱钩研究. 资源开发与市场，2014，30(10)：1226-1231.

[7]李立，周灿，李二玲，等. 基于投入视角的黄淮海平原农业碳排放与经济发展脱钩研究. 生态与农村环境学报，2013，29(5)：551-558.

[8]李波，张俊飚，李海鹏. 中国农业碳排放时空特征及影响因素分解. 中国人口、资源与环境，2011，21(8)：80-86.

[9]韩岳峰，张龙. 中国农业碳排放变化因素分解研究-基于能源消耗与贸易角度的LMDI分解法. 当代经济研究，2013，26(4)：47-52.

[10] 张健，廖胡，梁钦锋，等. 碳税与碳排放权交易对中国各行业的影响. 现代化工，2009，12(6)：77-82.

[11] 郭永奇. 中原经济区低碳农业发展模式与减排对策-以河南省为例. 农业经济，2012，22(12)：58-59.

[12] 宋德勇，卢忠宝. 中国碳排放影响因素分解及其周期性波动研究. 中国人口·资源与环境，2009，19(3)：18-24．

[13] 智静，高吉喜. 中国城乡居民食品消费碳排放对比分析. 地理科学进展，2009，28(3)：429-434.

[14] 江长胜，王跃思，郑循华，等. 川中丘陵区冬灌田甲烷和氧化亚氮排放研究. 应用生态学报，2005，16(3)：539-544.

[15] 蔡祖聪，谢德体，徐华，等. 冬灌田影响水稻生长期甲烷排放量的因素分析. 应用生态学报，2003，14(5)：705-709.

[16] 王明星，李晶，郑循华. 稻田甲烷排放及产生、转化、输送机理. 大气科学，1998，22(4)：600-610.

Decoupling Effect of Agricultural Carbon Emission in Anhui Province and Factors Influencing the Emission

LI Qi，HAN Yafen

(School of Environment and Surveying Engineering, Suzhou University, Suzhou 234000, China)

Abstract:Through the models of Tapio and LMDI, this paper studies the decoupling effect of agricultural carbon emission in Anhui Province and the factors that influence the emission in order to gain a deeper understanding of the correlation between agricultural carbon emission and economic development, and provide a theoretical basis for the formulation of policies and measures concerning the development of regional low carbon agriculture. The results show that agricultural carbon emission in Anhui from 1998 to 2014 underwent a wavelike rise, that is, increasing rapidly in the first phase, declining continuously in the second and rising slowly in the third; the decoupling relationships between agricultural carbon emission and agricultural economic growth are mainly the weak and strong decoupling types, which indicates that low-carbon policy and emission reduction work in the province have achieved a certain amount of success; the factors of producing efficiency, labor force and industrial structure have an inhibiting effect on the increase of emissions, which were reduced respectively by 896.51×104, 341.62×104 and 253.67×104 million tons during the three phases of the period in the province; and agricultural economic growth is a major driving force that caused the increase of emissions, which increased by 1552.29×104 million tons during the three phases of the period.

Key words:Anhui Province; agricultural carbon emission; decoupling effect; factors decomposition

收稿日期：2016-01-07

基金项目：宿州区域发展协同创新中心开放课题(2014SZXTKF15：《宿州市城乡基础设施配置现状及发展途径研究》)；宿州学院安徽省煤矿勘探工程技术研究中心开放课题(2013YKF05：《煤矿区大气降尘的重金属污染特征及其环境风险》)

作者简介：李琦(1982-)，男，宿州学院环境与测绘工程学院讲师，硕士。韩亚芬(1984-)，女，宿州学院环境与测绘工程学院讲师，硕士。

中图分类号：X22

文献标识码：A

文章编号：1009-2463 (2016)02-0029-07