中国农业能源消费碳排放驱动因素及脱钩效应

史常亮，郭 焱，占 鹏，朱俊峰

(中国农业大学经济管理学院，北京 100083)

中国农业能源消费碳排放驱动因素及脱钩效应

史常亮，郭 焱，占 鹏，朱俊峰

(中国农业大学经济管理学院，北京 100083)

根据最新修订的农业能源消费数据，本文测算了中国农业1980—2014年的能耗碳排放情况，并对其变化进行因素分解和脱钩效应分析。结果表明：样本期内农业能耗碳排放量总体上保持了向上增长的趋势，累计排放碳3325.68万吨；产值的增加是推动农业能耗碳排放量增长的主导力量，能源强度的下降虽然在一定程度上抑制了产值增加带来的碳排放增长，但由于以煤为主的能源结构未能发生明显改观，其抑制效应近年来已趋于减弱；过去30多年里，农业部门节能减排努力所达到的“脱钩”效果甚微，总体呈弱脱钩效应，离实现强脱钩的差距越来越大；未来实现农业能耗碳排放“脱钩”，更需要通过优化用能结构和降低碳排放因子来发挥作用。

农业；能源消费；碳排放；因素分解；脱钩效应

1 引言

农业碳排放问题由来已久，但目前有关这方面的研究大多按照IPCC的分类指南，只核算了水稻种植、畜禽养殖和农田N2O等非CO2类温室气体排放[1-3]。随着现代农业的发展，化肥、农药、农业机械等高碳型生产资料开始在农业生产中大量投入使用，农业能源的消费量不断增加，农业能耗的排碳量也逐渐成为农业碳排放的重要来源之一[4]。据有关学者测算，在农业碳排放结构中，按照国际惯例IPCC方法核算的农业碳排放(包括水稻、畜禽肠道发酵CH4排放，粪便自然堆积CH4和N2O排放，秸秆燃烧CH4、N2O、CO、CO2排放)份额并不大[5]，且所占比重正在下降；而由化石能源消耗引起的能耗碳排放份额则在不断上升，其比重已由1985年的28.02%增至2011年的43.66%[6]。基于此事实，本文把研究的重点放在农业能耗碳排放上，包括农业生产使用煤炭、石油等化石能源产生的直接碳排放和电力消费导致的间接碳排放。

由于缺乏直接可用的农业能耗碳排放量数据，学者们通常利用国家统计局公布的各类农业能源消费统计数据来间接测算得到该指标。因此，更准确的能源统计数据是测算农业能耗碳排放量的基础。然而，中国能源数据的修订是一个事实。过去数十年来，根据历次经济普查结果，国家统计局至少进行了三次能源统计数据的修订，历次修订的幅度最高达到37.47%，由此造成的能耗碳排放量测算差异最高达到37.79%。在这种情况下，针对修订后的数据进行更新的情景设计和碳排放估算就显得非常有必要。而已有文献在估算过程中，往往忽视了这一事实，导致得出的研究结论与现实情况相悖[7-8]。

实现农业碳减排，除了要明晰农业碳排放的来源、数量及变化特征外，还需要了解是什么因素导致了碳排放量的快速上升。在这方面，具有全分解、无残余项、数据汇集一致性、结果唯一性等优点的对数平均迪氏指数法(Logarithmic Mean Divisia Index，LMDI)得到了广泛应用。利用该方法，现有文献分别从不同角度，探讨了能源消耗强度、能源消费结构、农业经济规模、农业产业结构、农产品进出口、城镇化、劳动力转移以及人口规模等因素对农业能耗碳排放量变化的影响[7-10]。这些研究无疑有助于我们加深对农业能耗碳排放量变动情况及驱动因素的认识；但是应该看到，LMDI分解仅从表面上反映了农业的碳减排情况，不能反映出政府的一系列节能减排措施在实现农业能耗碳排放“脱钩”方面产生的实际效果[11-12]，从而也就无法对已有节能减排政策的有效性进行客观评价。

鉴于上述不足，本文从以下两个方面对现有文献进行拓展：一是使用最新修订后的能源统计数据，对1980—2014年的农业能耗碳排放量进行核算，以对这一时期的农业能源消费情况及碳排放情况有更清晰的认识和更准确的把握；二是在LMDI分解结果基础上，构造基于因素分解技术的脱钩努力指数，对政府减排努力所达到的实际“脱钩”效果进行量化，以期为实现农业的“低能耗、低排放、低污染”发展提供有益的参考。

2 研究方法和数据来源

2.1 农业能耗碳排放测算

国内目前尚无直接可用的农业能耗碳排放量数据。按照以往文献中的惯常做法，本文通过分类测算农业生产中使用煤炭、石油等化石能源直接燃烧的碳排放和电力消费导致的间接碳排放，加总得到农业能耗碳排放量。在测算时，结合《中国能源统计年鉴》口径，将农业部门能源消费种类划分为煤炭、焦炭、汽油、煤油、柴油、燃料油和电力7类，再根据各自的碳排放系数利用式(1)得到总的农业能耗碳排放量：

(1)

式中：C为农业能耗碳排放总量，Ei为农业部门第i种能源的消耗量，原始数据为实物量，本文根据国家统计局给出的折标准煤系数将其折算成标准量；ηi为各种能源相应的碳排放系数，取值参考已有文献按其平均值计算，见表1。为保证计算口径的一致性，将所有文献中碳排放量的单位统一转换为以标准碳为单位，转换率为1单位碳等于3.667单位的二氧化碳排放量。

表1 标准煤折算系数与碳排放系数

注：电力消费虽不直接产生碳排放，但由于中国的电力主要来自燃煤的火力发电，在此过程中会产生大量碳排放，因此借鉴冉光和等[14]、张广胜等[6]的做法，用电力结构中火电所占比例80%来计算电力消费的碳排放系数。

2.2 碳排放LMDI因素分解模型

本文首先采用LMDI分解法中的加法模型对农业部门能源消耗所导致的碳排放量进行分解。借鉴Kaya恒等式的基本原理[15]，农业能耗碳排放量C可以由式(2)来表示：

(2)

式中：P为国内总人口数量，G为农业总产值，E为农业部门总的能源消耗量，Ei为第i种能源的消耗量，Ci为消耗第i种能源所产生的碳排放量。

对式(2)进行整理，得到式(3)：

(3)

式中：fi为消耗每一单位第i种能源所产生的碳排放量，即碳排放系数，实际计算时考虑为定值，不列入分解项目；m为第i种能源消耗量占农业部门总的能源消耗量的比重，即能源消费结构；e为创造单位农业产值所消耗的能源数量，表示能源消耗强度，其倒数即为能源效率；g为人均农业总产值，衡量产出规模大小；p=P为人口规模。

以0年作为基年，T年作为目标年，并以C0、CT分别代表基年和目标年的碳排放量，则根据LMDI分解法中的加法模型，目标年相对于基年的碳排放变化量ΔC可分解成能源结构效应ΔCm、能源强度效应ΔCe、产出效应ΔCg和人口规模效应ΔCp四个部分：

ΔC=CT-C0=ΔCm+ΔCe+ΔCg+ΔCp

(4)

其中：

2.3 基于因素分解的脱钩努力指数模型

LMDI分解结果虽然有助于我们了解农业部门能耗碳排放量的变动情况及驱动因素，但并不能反映出政府的一系列节能减排努力(如提高能源使用效率、优化能源消费结构以及控制人口增长等)所产生的实际效果。为弥补这一缺陷，我们引入脱钩努力指数[16]：

D=-ΔF/ΔCg

ΔF=ΔC-ΔCg=ΔCm+ΔCe+ΔCp

(5)

利用式(6)，我们可以进一步观察相关减排努力的脱钩效应：

=-(Dm+De+Dp)

(6)

式中：Dm为通过优化用能结构导致的脱钩效应；De为通过降低能源强度导致的脱钩效应；Dp为通过控制人口增长导致的脱钩效应。

2.4 数据来源及说明

本文选取1980—2014年的全国数据进行实证分析。其中，农林牧渔业总产值数据来自《中国农村统计年鉴(2015)》，为1980年不变价格；全国总人口数据来自《中国统计年鉴(2015)》；用于计算农业能耗碳排放量的农、林、牧、渔、水利业能源消费量数据来自《中国能源统计年鉴》中的“全国能源平衡表”。需要说明的是，根据第一、二、三次经济普查结果，2005年、2009年和2014年版的《中国能源统计年鉴》分别对1999—2003年、1996—2007年和2000—2012年的有关能源数据做了修订。历次修订前后的农业能源消费总量变化情况见表2，表中同时列示了根据不同来源数据和公式(1)估算的农业能耗碳排放量。根据最新修订后的数据，农业部门在过去十几年消费了比以往统计更多的能源，相应地产生了更多的碳排放。基于此事实，为确保研究结论更加贴近实际，本文使用修订后的数据进行分析。具体地，1996—1999年使用第二次(2009年)修订后的数据，2000—2012年使用第三次(2014年)修订后的数据。

表2 历次农业能源消费数据修订情况

注：①“原年鉴值”取自历年的《中国能源统计年鉴》；“2005修订”指根据第一次经济普查结果修订后的数据，取自《中国能源统计年鉴(2005)》；“2009修订”指根据第二次经济普查结果修订后的数据，取自《中国能源统计年鉴(2009)》；“2014修订”指根据第三次经济普查结果修订后的数据，取自《中国能源统计年鉴(2014)》。②“2005修订”只调整了农业部门的能源消费总量，而对于各类能源的消费量未做调整。

3 结果分析

3.1 农业能耗碳排放变化情况

图1显示了1980—2014年农业部门能源消费量及根据公式(1)估算的农业能耗碳排放量的变化趋势。从图中可以看出，前后两次的数据修订并没有改变农业能源消费量及能耗碳排放量不断增长的趋势。在整个样本期内，除极个别年份(如1993年、2008年)外，绝大多数年份的农业能源消费量和碳排放量都呈现出逐年递增的态势。最新修订数据显示，2014年，农业部门能源消费量已达到8094.3万吨标准煤，是1980年消费量的2.33倍；与此同时，农业能耗碳排放量也由1980年的2129.74万吨增加到2014年的5098.09万吨，增长2.31倍。由于在计算碳排放量时我们假定各种能源的碳排放系数是恒定不变的，因此，二者几乎完全同步的变化趋势意味着，在过去30多年里，农业部门以高碳能源为主的用能结构并未发生根本性变化，事实上也是如此。1980年，在农业部门消耗的能源中，高碳排放的煤炭、焦炭、柴油消费量占到能源消费总量的84.12%；而到2014年，这一比例仍然高达72.11%，其中煤炭和柴油的消费量一直处于增加状态。

我国最早的民歌基本上是运用纯真声演唱的。在民间戏曲，说唱这几类早期的民族唱法，都可以归于原始的演唱方法。这种演唱方式虽然真实自然，具有地方特色，但是由于呼吸较浅，共鸣较少，故而显得柔美圆润不够。

图1 1980—2014年农业能源消费量及碳排放量变动

图2表明在农业能源消费量及碳排放量快速增加的同时，能源消耗强度和碳排放强度的下降速度却在放缓。在20世纪80年代到90年代末，整个宏观经济进入转型加速期，农业发展也迎来了一个迅速增长期。在国家财政投入的支撑下，农业生产技术得到较大提升，农业生产中能源的利用效率也在提高，碳排放强度得以迅速下降，由1980年的1.11吨碳/万元降至1995年的0.66吨碳/万元，降低了40.41%。但进入21世纪以来，随着能源消费的增长速度超过了农业总产值的增长速度，碳排放强度有所反弹，由1996年的0.39吨碳/万元增至2007年的0.43吨碳/万元，增加了9.3%。近几年来，碳排放强度虽然总体上呈下降趋势，但其下降速度却在减缓，反映出受制于节能技术，农业能源效率的提升空间正变得有限。

图2 1980—2014年农业能源消费强度及碳排放强度变动

研究认为，只有当碳排放强度的下降率大于总产值的增长率时，才能实现碳的绝对减排[17]。计算发现，在1980—1995年和1996—2014年，全国农林牧渔业总产值的年均增长率分别为6.79%、4.93%，而同期农业能耗碳排放强度的年均下降率分别只有3.39%、0.21%，碳排放强度的年均下降率远远小于总产值的年均增长率，意味着过去30多年里农业部门一直没有实现碳绝对减排。

3.2 农业能耗碳排放的驱动因素分析

表3给出了1996—2014年农业能耗碳排放变化量的LMDI分解结果。在此基础上，图3绘制了各因素变化对农业能耗碳排放的累积增量效应。为了避免数据修订对分解结果的潜在影响，在进行分解时，我们以5年为间隔，把1980—2014年划分为7个时段，在每一时段分别计算。分解结果显示，1980—2014年，农业部门能耗碳排放量累计增加了3325.68万吨，其中碳排放增量最大的是2000—2005年，达到了1496.66万吨，占研究期间总排放增量的45%，这与该时期农业能源消耗强度的强劲反弹有很大关系。期间，单位农林牧渔业总产值的可比能耗由2000年的0.61吨标准煤/万元上升至2005年的0.77吨标准煤/万元，增幅为25.51%；相应的由能源强度效应引起的碳排放量增加了701.48万吨，贡献率高达46.87%，几乎与产出效应持平。碳排放增量最少的是1996—1999年，只有88.32万吨，这一方面与当时东南亚金融危机、全国经济增长速度整体放缓等因素有很大关系；另一方面，政府加强了农业领域的节能减排工作力度，农业能源强度得以大幅度降低，也是一个很重要的原因。

表3 农业能耗碳排放变化量及各分解部分

结合表3与图3，分析各效应对中国农业能耗碳排放变化的影响：

(1)产出效应始终是拉动农业能耗碳排放量上升的最主要驱动因素，其前后累计贡献了4236.34万吨标准碳，贡献率高达127.38%。图3显示，由产出效应引致的碳排放变化趋势与综合累积变化趋势具有很高的相关性，进一步说明产出因素对碳排放变动量的影响很大。此外，我们还注意到，除2000—2005年外，其余各阶段的实际碳排放增量均小于产出效应对碳排放量的拉升，这说明倘若不采取有效的节能减排措施，仅是产值规模变化导致的碳排放量就将远远高于实际观测到的水平。因此，如何协调经济增长与碳排放之间的关系是农业现在及未来发展面临的一个重要议题。

(2)与其他研究的发现相一致，人口规模对农业能耗碳排放量变动具有增量效应，前后累计贡献了783.69万吨标准碳。人口增加导致更多的农产品需求和生产，在高能耗的“石油农业”生产模式未发生根本性变革的情况下，将不可避免的导致消耗更多的高碳能源，使碳排放水平增高。但也应该看到，从20世纪90年代以来，随着中国人口出生率的下降和人口增长的放缓，人口规模效应对碳排放量增长的影响在趋于减弱，其贡献率已经由最高峰(1996—1999年)时的70.42%下降为目前的18.47%，在图3中的曲线变化也相对平缓。

(3)由于不同能源品种的碳排放系数有所不同，能源结构的变化也会影响到碳排放量的变动。在其他因素不变的情况下，提高碳排放强度小的能源消费比重、降低碳排放强度大的能源消费比重，将有助于促进碳减排。分解结果表明，能源结构变化对农业能耗碳排放表现为正效应，前后累计贡献了435.38万吨标准碳。这表明，过去30多年里农业能源消费结构总体并没有得到很大的改善。相反，随着以煤炭、柴油为代表的高碳型能源消费量比重的加大，能源结构效应的增排作用当前呈现出增强趋势，其贡献率在2006—2010年和2011—2014年分别达到77.11%、35.38%，已超过人口规模成为拉动碳排放量增长的新增长点，图形中表现为自2005年以后能源结构效应曲线波动开始逐渐明显。

(4)能源强度代表单位产值所消耗的能源，反映了农业生产中能源的利用效率，能源强度低说明实现了低耗增长。从分解结果来看，除2000—2005年外，能源强度效应对农业能耗碳排放量增长总体上起到了比较大的抑制作用，其下降使得碳排放量总共减少了2129.73万吨。然而，由于煤为主的农业用能结构未产生明显改观，可以看到，能源强度对于抑制碳排放的作用近年来在减弱，其贡献率已经由最高峰(1996—1999年)时的-370.01%下降为目前的-91.91%，已逐渐跟不上由产出效应拉动的碳排放量增长，这也反映出目前农业领域的节能减排工作正遭遇到技术瓶颈。

图3 1980—2014年农业能耗碳排放累积增量分解

3.3 农业能耗碳排放的脱钩效应分析

基于LMDI分解结果，表4给出了农业部门节能减排努力所导致的碳减排的实际效果。其中，政府的碳减排努力被定为直接或间接导致碳排放减少的各项政策措施，包括优化农业用能结构、提高农业能源利用效率和控制人口数量增长三个方面。从表中可以看出，研究期内政府促进农业碳减排的努力不够充分，并不能抵消由产值规模扩大导致的碳排放量增加。期间除2000—2005年外，其余各阶段的脱钩努力指数均介于0和1之间，最高只有0.7246，离实现强脱钩仍有不小差距，再次表明农业实现碳绝对减排任重而道远。同时注意到，与1980—1999年相比，2000年以来整体的脱钩指数都在下降，一方面表明了当前农业的发展仍然没有走出高能耗、高排放的老路，农业生产对化石能源的依赖性在增强；另一方面也说明，近年来农业部门的减排政策还明显落后于经济增长的步伐，而这又与过去农业领域的节能减排工作一直未被充分重视有关。

分指数来看，①能源强度对应分脱钩指数与总脱钩指数的变动趋势基本一致，是目前决定农业能耗碳排放“脱钩”的关键因素；不过，随着农业能效水平相对提升空间的不断压缩，其脱钩努力已逐渐呈现出低效状态。②能源结构对应分脱钩指数除了在1986—1999年和2000—2005年介于0和1之间外，在其余各期均小于0，反映出政府在优化农业用能结构上的碳减排努力基本呈无效状态。③人口规模对应分脱钩指数一直为负值，对总脱钩指数的贡献近年来也在不断缩小，说明该因素对实现农业能耗碳排放“脱钩”意义不是很大。

表4 1980—2014年农业部门分阶段脱钩努力指数

4 结论

第一，1980—2014年，农业能耗碳排放量总体上保持了增长的趋势，从1980年的2129.74万吨增加到2014年的5098.09万吨，增长了2.31倍；其中，由煤炭、柴油这两大类高碳能源承载的碳排放量在总碳排放量中的比重一直在50%以上，是目前农业能耗碳排放的主要来源。

第二，产值规模、能源强度和能源结构是目前影响农业能耗碳排放量变化的重要因素。其中，农业总产值规模的迅速扩大是推动农业能耗碳排放量增长的主导力量，若无有效减排措施，仅是产值规模扩张导致的碳排放量就将远远高于实际观测水平；能源结构也是造成目前碳排放量不断增长的因素之一，而且随着以煤炭、柴油为代表的高碳型能源消费量比重的加大，这种正向作用力近年来在逐渐增强；能源强度是碳排放量变动的最大负向驱动因素，但受限于以煤为主的能源消费结构，其抑制效应已越来越难以抵消由产值增加带来的碳排放增长。

第三，研究期内，政府在农业领域的节能减排努力所达到的“脱钩”效果不甚理想，总体呈现出弱脱钩效应。其中，能源强度下降对农业能耗碳排放“脱钩”有较大影响，但是随着能源强度下降速度的放缓，其脱钩努力近年来已逐渐呈现出低效状态；另外一个关键因子——能源结构效应在大多数年份里处于无脱钩努力状态，反映出政府在通过优化用能结构以减少碳排放上的努力很多是低效甚至是无效的，这或许是未来中国农业碳减排的着力点所在。

[1]ZHOU J B,JIANG M M,CHEN G Q.Estimation of methane and nitrous oxide emission from livestock and poultry in China during 1949—2003[J].Energy policy,2007(35):3759-3767.

[2]董红敏,李玉娥,陶秀萍.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(10):269-273.

[3]闵继胜,胡浩.中国农业生产温室气体排放量的测算[J].中国人口·资源与环境,2012(7):21-27.

[4]漆雁斌,毛婷婷,殷凌霄.能源紧张情况下的低碳农业发展问题分析[J].农业技术经济,2010(3):106-115.

[5]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.

[6]张广胜,王珊珊.中国农业碳排放的结构、效率及其决定机制[J].农业经济问题,2014(7):18-26.

[7]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[J].当代经济研究,2013(4):47-52.

[8]戴小文，何艳秋，钟秋波.中国农业能源消耗碳排放变化驱动因素及其贡献研究——基于Kaya恒等扩展与LMDI指数分解方法[J].中国生态农业学报，2015，23(11)：1445-1454.

[9]李国志，李宗植.中国农业能源消费碳排放因素分解实证分析——基于LMDI模型[J].农业技术经济，2010(10)：66-72.

[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]徐盈之,徐康宁,胡永舜.中国制造业碳排放的驱动因素及脱钩效应[J].统计研究,2011(7):55-61.

[12]贺爱忠,刘盼.中国流通业CO2排放的因素分解和脱钩分析[J].中国环境科学,2015(3):953-960.

[13]杨钧.中国农业碳排放的地区差异和影响因素分析[J].河南农业大学学报,2012(3):336-342.

[14]冉光和,王建洪,王定祥.我国现代农业生产的碳排放变动趋势研究[J].农业经济问题,2011(2):32-38.

[15]KAYA Y.Impact of carbon dioxide emission on GNP growth:interpretation of proposed Scenarios[R].Paris:Presentation to the Energy and Industry Subgroup,Response Strategies Working Group,IPCC,1989:1-25.

[16]DIAKOULAKI D,MANDARAKA M.Decomposition analysis for assessing the progress in decoupling industrial growth from CO2emissions in the EU manufacturing sector[J].Energy economics,2007(4):636-664.

[17]何建坤,陈文颖.温室气体减排项目评价方法研究[J].环境科学研究，1999(2):24-27.

(责任编辑 沈蓉)

Driving Factors and Decoupling Effect of Carbon Emissionsfrom Energy Consumption:Evidence from China’s Agricultural Sector

Shi Changliang，Guo Yan，Zhan Peng，Zhu Junfeng

(School of Economics and Management,China Agricultural University,Beijing 100083,China)

According to the latest revision of agriculture energy consuming data,this paper measured and calculated carbon emission of Chinese agriculture from 1980 to 2014,and used factor decomposition and decoupling effect analysis to analyze its variety.The consult shows that the sum of carbon emission of Chinese agriculture energy in sample period has totally maintained an increasing trend,which is 3325.68 million tons in total；the increasing in output value is the main force to push the rising of carbon emission in agriculture energy,though the decreasing of energy intensity controls the rising of carbon emission brought by output value,due to the energy construction dominated by coal,which hasn’t changed for a long period,the inhibitory effect is tend to be weakened in recent years.In the past 30 years,efforts made by agriculture department in saving energy and reducing carbon emission to reach the effect of decoupling didn’t act well,showing weak decoupling effect in total,and the gap to strong decoupling effect is bigger and bigger.To reach the goal of decoupling of agriculture energy carbon emission,we need to optimize our energy construction and lower the effect of carbon emission factor.

Agricultural sector；Energy consumption；Carbon emissions；Factor decomposition；Decoupling effect

国家自然科学基金项目“粮食市场化改革以来农户粮食经营行为对粮食市场的影响研究”(71273262)。

2016-03-25

史常亮(1988-)，男，甘肃张掖人，博士研究生；研究方向：农业经济。

F120.3

A