赵 宇
(江苏理工学院商学院,常州 213001)
减排已成为全球共识,我国作为最大的发展中国家,减排任务迫在眉睫[1]。农业作为我国的基础产业,农业碳排放问题备受关注。据相关数据显示, 2000年以来,我国农业碳排放以3%的增速上涨,约占碳排放量的10%,高碳排放量必然引发环境问题,而正确探索高碳排放因素以及分析其发展趋势是当前首要任务[2],基于此,科学辨识农业碳排放动态变化的影响因素及趋势并提出合理化建议对于我国减排问题具有重要意义,有助于解决环境问题。
农业碳排放与我国的环境问题紧密相连,因此农业碳排放研究一直是各领域学者研究的重点[3-4]。近年来,多数学者从多个方面研究农业碳排放,主要从农业碳排放的测度、时空变化、影响因素、与经济发展的关系4方面进行分析。如吴贤荣等[5]利用DEM模型,基于我国农业的期望产出和非期望产出测算农业碳排放量,结果表明,我国农业碳排放量总体上呈上升趋势; 刘立平[6]以河南省为研究区,研究河南省农业碳排放的时空变化,结果表明,河南省农业碳排放量较高的地区为耕地面积较大、农业在区域经济中占有重要地位的地区; 张小平等[7]以甘肃省为例,基于LMDI模型分析影响农业碳排放的因素,研究结果显示,农业经济发展和农业劳动力能够促进农业碳排放总量的发展,相反,生产效率和产业结构具有抑制作用; 李立[8]揭示了黄淮海平原农业碳排放与经济增长的脱钩关系。总体来看,国内研究农业碳排放着重于单一研究,主要是对于现状和影响因素的研究,但并未揭示未来农业碳排放发展的可能性。基于此,文章基于农业碳排放2000~2015年的面板数据分析其影响因素,揭示2000~2015年江苏省农业碳排放变化规律; 并采用多元回归分析模型分析江苏省碳排放影响驱动力,采用灰色预测模型GM(1, 1)预测2016~2030年江苏省碳排放量,以期为江苏省减排任务提供理论基础。
江苏省位于中国大陆东部沿海,长江下游地区,东临黄海,东南毗邻上海和浙江,西接安徽,北接山东,介于北纬30°45′~35°20′,东经116°18′~121°57′,总面积10.72万km2,共13个市区,总人口为7 998.6万人[11]。江苏属温带亚热带过渡性气候,年均气温13~16℃。江苏省是有名的“鱼米之乡”,农业生产条件得天独厚, 2016年江苏省耕地面积458.3万hm2,人均耕地574m2,农作物播种面积为7 676.9万hm2,其中,有效灌溉面积为405.41万hm2,机耕面积为593.96万hm2,农业机械总动力为4 906.55万kW,化肥施用量312.52万t,占全国5.23%,农药使用量7.62万t,占全国8.89%,农膜使用量11.39万t,占全国6%,粮食产量达3 466万t。江苏省虽然经济发展较快,但其农业发展很大程度上依赖于化肥、农药及薄膜的使用,导致农业生态环境污染严重,农业碳排放量显著增长,制约了农业经济发展。
江苏省作为全国经济发展迅速的省份,同时也是农业大省[9]。2016年江苏省农业总产值达7 235.1亿元,同比增长2.9%。江苏省农业发达,农业碳排放相对较高[10],且江苏政府一直致力于农业减排,但农业减排的首要前提是辨析影响江苏省农业碳排量的因素,因此合理有效解决碳排放问题,正确分析其影响因素及有效模拟是首要前提。
1.2.1 农业碳排放的测算
如何科学的构建农业碳排放测算体系,一直是学术界不断探究的问题之一。农业对净碳排放量的贡献主要包括生命周期内产生的直接或间接的碳排放量、农业碳固定以及生物质能源的减排效应。结合上述考虑以及现有研究成果及数据的可获取性[6-7, 11],该文主要从投入角度计算几个要素使用而产生的碳排放量:化肥施用方面、农药施用方面、地膜使用方面、柴油使用方面、土地灌溉方面、土地翻耕方面。农业碳源数据均来源于《江苏省统计年鉴(2001~2016)》,其中土地翻耕方面用当年农作物耕种面积表示。农业碳排放量计算公式:
C=∑Ci×Δi
(1)
式(1)中,C为农业碳排放量;Ci表示碳源量;Δi表示碳源排放系数。
1.2.2 多元回归分析
多元回归模型是研究多个自变量与一个因变量之间是否存在某种线性或非线性关系的一种统计学分析方法,主要目的在于分析多个自变量与一个因变量之间的数量关系,量化解释变量对因变量的影响程度[12-13],可以很好地满足该文研究需要,因而引入回归模型探寻各影响因素(自变量)对碳排放量(因变量)的贡献程度。因碳排放量由多种因素造成,故其影响因素构成较为复杂,既涉及资源环境、气候等自然条件,同时也涉及社会经济水平、产业结构及消费习惯等社会因素密切相关。综合参考以往学者的研究成果,针对江苏省的区域特性,凝练出江苏省农业碳排放影响因素。鉴于数据的可获取性,该文基于SPSS软件选取单位农业能源消耗(X1)、农业人口人均GDP(X2)、城镇化率水平(X3)、财政支农资金数额(X4)及农业科研人员数量(X5)5个影响因子对江苏省农业碳排放进行影响因素分析。这些影响因子相关数据来源于《江苏省统计年鉴(2001~2016)》。回归模型公式为:
Y=A0+A1X1+A2X2+…+A5X5+B
(2)
式(2)中,A为回归常数,A1,A2,…,A5为回归系数;Y为因变量;B为随机误差。
1.2.3 灰色预测模型 GM(1.1)
灰色预测模型的基本原理是基于对原始数列逐步加大或者减少,以对原始数列在应用过程中累加而生成这样的数据处理方法,在此基础上可以得到一条具有指数增长规律的上升形状数列,它具有所需样本少、不需要计算统计特征量等优点[14-16],是处理小样本预测问题的有效工具。鉴于此,该文引入灰色预测模型模拟2020~2030年江苏省农业碳排放量情况,模型:
x(0)(k+1)=T(1)x(1)(k+1)-x(1)(k)
(3)
式(3)中,T表示转置;当k=1, 2,…,n-1时,x(0)的拟合值是x(0)(k+1); 当k≥N时,可得原始序列x(0)预报值。
图1 2000~2015年江苏省农业碳排放动态变化
2000~2015年江苏省农业碳排放量计算结果如图1。2000~2015年,江苏省农业碳排放量呈现三段式变化。第一段变化期为2000~2003年,表现为小幅度的先增长后下降趋势,可能归因于政府对于农业的扶持力度有所增加造成农民对于农业的短期热度。随着对于生态环境保护的重视,限制农药、化肥施用量及地膜使用量,进一步控制了工业碳排放量; 第二段变化期为2004~2010年,农业碳排放量呈现出快速增长趋势。土地深耕、灌溉已基本实现机械化,故造成碳排放量的大量增加; 2011~2015年,农业碳排放总量开始缓步减少。分析其原因为近年来江苏省大力提高农业机械化水平,据统计, 2011年江苏省农业综合机械化水平高达74%。同时, 2012年,政府加大了柴油型机械的管制力度,大力提倡清洁型能源全面代替不可再生能源,碳排放量开始步入缓步减少状态。
2015年江苏省各地市碳排放量如表1。由表1可以看出, 2015年江苏省农业碳排放量存在显著的空间异质性,且在各碳源排放量方面存在显著差异。从碳排放总量方面来看,徐州市、南京市、南通市、盐城市、宿迁市碳排放总量较高,徐州市经济发展水平处于全省第6位,且基本农田面积高达56.9万hm2,农业碳排放量居全省第1位。碳源方面来看,化肥的施用造成的碳排放量远远高于其他碳源的影响,盐城市、徐州市、南京市施用化肥造成的碳排放量高于25万t。除此之外,也可以发现,经济发展水平相对较好的地区地膜的使用造成的农业碳排放量也相对较高。目前来看,灌溉及机耕对于农业碳排放量的贡献相对较小,未来随着农业技术水平的发展灌溉及机耕的碳源污染将会进一步降低。
通过测算可知,农业碳排放与各影响因子之间的多元回归模型:
(4)
由式(4)可知,江苏省碳排放变化的影响因子中,单位农业能源消耗(X1)影响度最大,偏相关系数为0.843,其次是农业人口人均GDP(X2)及财政支农资金数额(X4),影响值分别为0.655及0.548,最后为城镇化率水平(X3),而农业科研人员数量(X5)对江苏省碳排放的影响为-0.291。说明2000~2015年,在选取的各项指标中,农业能源消耗(X1)、农业人口人均GDP(X2)及财政支农资金数额(X4)对江苏省碳排放的增长起主要推动作用,而城镇化率水平(X3)对江苏省碳排放的影响作用相对较小,农业科研数量(X5)对碳排放的减排起到积极作用。对于江苏省农业碳排放的增长来说,农业能源消耗、农业人口人均GDP、财政支农资金数额为正向影响。盐城、徐州等市农业能源消耗量较大,土壤污染严重,同时,在江苏的矿区和苏南工业发达地区周边农地土壤受重金属及难降解有机物的污染严重,土壤污染直接危及到农产品质量安全、生态安全及人体健康。近年来,江苏省加强环境监测,将粮食主产区的土壤污染修复列为工作重点,并出台相关法律、法规,减少化学肥料施用,引导农民使用有机肥,推行精准科学施药。此外,大力农业废弃发展资源转化技术,扶持沼气治理工程、有机肥加工工程、因地制宜推进秸秆能源化、肥料化、饲料化、基础化、原料化利用,积极拓展秸秆利用渠道。支农资金的投入及农业人均GDP的增加使得农民更愿意进行农业生产,农业快速发展及农业规模的扩大在一定程度上使得农业碳排放量增加,使农业能源消耗也越大,农业碳排放量增加。农业科研人员数量的增长表明以科技发展农业,主要表现为农业机械耗油量的减少、清洁能源的使用,从而减缓碳排放量,故起到积极促进的作用。
经由灰色预测模型GM运算得到2016~2030年江苏省碳排放量的预测值,由表2可知,2016~2030年江苏省碳排放量变化过程整体呈现出逐步下降的趋势,变化区间为453万~445万t。其中, 2016~2030年农业碳排放量平均值约为449.25万t,远远低于2000~2015年农业碳排放的平均值,这是由于近年来江苏省意识到农业碳排放不断上升问题的严重性,长此以往会导致居民生活水平的下降以及更为恶劣的生态污染,故颁布了一系列减少碳排放量、优化生态环境的法案,例如《江苏农业基本现代化指标体系》《江苏农业机械化水平评价指标体系》等,在此基础上开展环境管理行动如人类与生物圈计划、环境研究计划、气候变化研究计划等研究计划。这些措施在近年来已有一定的成效,政策的继续实施将遏制江苏省农业碳排放量,预计将会呈现出缓步下降走势,江苏省在今后的发展过程中还需加大节能减排力度,以顺利达到减排目标。
表2 2016~2030年江苏省碳排放值预测
年份201620172018201920202021202220232024202520262027202820292030碳排放预测值(万t)453.2452.7451.9451.3451.1450452448445447449451447446445
农业碳排放作为全球温室气体的重要来源,对气候造成的威胁已不容忽视,寻求低碳农业经济发展模式,严格监测并控制农业碳排放量,是当前我国农业发展的重要策略。该文对2000~2015年江苏省农业碳排放量进行监测,并预测了2020~2030年碳排放量走势。
(1)2000~2015年江苏省农业碳排放量主要呈现三段式变化。2000~2003年,表现为小幅度的先增长后下降趋势;2004~2010年,农业碳排放量呈现快速增长趋势;2011~2015年,农业碳排放总量开始缓步减少。农业碳排放量变化幅度逐渐趋于稳定,表明江苏农业减排已经取得初步成效。
(2)通过多元回归分析对江苏省碳排放量主要影响因素的预测结果表明,江苏省农业碳排放量的主要正向促进因素依次是单位农业能源消耗、农业人口人均GDP、财政支农资金数额,其影响因子大小依次为0.843、0.655、0.548,结合江苏省现实情况,减少农业能源消耗依然是未来农业减排的首要任务。农业科研人数的增加对抑制碳排放量的增长起到一定的作用。
(3)江苏省农业碳排放呈显著的空间差异,其中,徐州市、南京市、南通市、盐城市、宿迁市碳排放总量较高,是未来农业减排重点关注城市,其他地区农业碳排放相对较低。
(4)由灰色预测模型GM运算得到2016~2030年江苏省农业碳排放量的预测值,表明江苏省农业碳排放量预计不会出现大幅增加趋势,将会呈现出缓步下降趋势。
根据江苏省农业碳排放测算及影响因素研究,基于江苏省农业发展概况,为了减少其农业碳排放量,确保农业可持续发展,该文提出相关的政策和建议:(1)加大农业科技投入,培养农业科技创新人才。从江苏省农业碳排放影响因素分析可知,农业科技人员的增长在很大程度上降低了江苏省农业碳排放,与此同时,农业科技人员的加入也能够为创新农业发展模式提供有力支撑。由于江苏省内区域之间的农业发展差异明显,各地区条件不同,对培育新型农业经营主体的类型要因地制宜、各有侧重:对新型农业经营主体开展定期培训,组织参观考察农业科技先进典型和农业经营模式; 对新型农业经营主体加大财政补助力度,允许新型农业经营主体承担部分财政项目,如现代农业示范和先进农业科技项目; 给予新型农业经营主体贷款、贴息贷款等支持。对于易灾地区和经营风险较大的农业产业,如养殖业、育种业等,应提供更加优惠的保险政策。(2)提高农业人口待遇是降低江苏省农业碳排放的推力。农业人口人均GDP决定了其在农业发展中的积极性,只有GDP的增加才能带动他们对农业的积极投入,以新的创新模式来发展农业,提高农业科技含量,降低农业碳排放量,尤其应给予对降低农业碳排放有突出贡献的农户,让其引领其他农户发展新农业,以达到减排目标。(3)对于江苏省全省而言,加强产业节能减排宣传、大力发展新型能源、优化产业结构及能源结构等对于进一步降低碳排放具有重要作用。
农业碳排放问题是全球学者关注的热点和重点前沿领域,既有评价指标选取及判断的科学问题,同时也存在研究方法的适用性问题。该文运用多元回归模型探究江苏省农业碳排放动态变化影响因素,并基于灰色预测模型GM预测2016~2030年江苏省农业碳排放量。较好地揭示了江苏省农业碳排放强度的影响因子,可为江苏省及我国政府制定碳减排政策提供科学依据。我国目前正处于城镇化与工业化及农业现代化的快速发展阶段,经济增长对能源的消耗等形成较大压力,如何促进我国经济的实质性转型,实现经济发展与生态环境的协调发展是我国当前的重要挑战。江苏省作为我国农业大省之一,对其农业碳排放量影响因素的探究对于我国其他地区开展碳排放相关研究具有借鉴作用。但该文仅从整体层面、宏观角度对江苏省农业碳排放动态变化进行分析,探究影响因素的交互效应,实现经济发展与农业生态环境的耦合协调发展是下一步研究的重点方向。
[1] 田云, 张俊飚,尹朝静,等.中国农业碳排放分布动态与趋势演进——基于31个省(市、区)2002~2011年的面板数据分析.中国人口.资源与环境, 2014, 24(7): 91~98
[2] 孙赫, 梁红梅,常学礼,等.中国土地利用碳排放及其空间关联.经济地理, 2015(3): 154~162
[3] 李秋萍, 李长建,肖小勇,等.中国农业碳排放的空间效应研究.干旱区资源与环境, 2015, 29(4): 30~35
[4] 庞丽. 我国农业碳排放的区域差异与影响因素分析.干旱区资源与环境, 2014, 28(12): 1~7
[5] 吴贤荣, 张俊飚,田云,等.中国省域农业碳排放:测算、效率变动及影响因素研究——基于DEA-Malmquist指数分解方法与Tobit模型运用.资源科学, 2014, 36(1): 129~138
[6] 刘立平. 河南省农业碳排放时空特征及影响因素研究.水土保持研究, 2014, 21(4): 179~183, 189
[7] 张小平, 王龙飞.甘肃省农业碳排放变化及影响因素分析.干旱区地理, 2014, 37(5): 1029~1035
[8] 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
[9] 郭忻怡, 闫庆武,谭晓悦,等.基于DMSP/OLS与NDVI的江苏省碳排放空间分布模拟.世界地理研究, 2016, 25(4): 102~110
[10]陆尤尤. 基于“压力—状态—响应”机制的江苏省农业面源污染研究.南京:南京农业大学, 2012
[11]吴梅. 江苏省碳排放驱动因素的动态特征研究.南京:南京信息工程大学, 2015
[12]廖顺宝, 姬广兴,侯鹏敏,等.面向粮食产量空间化的多元回归分析模型中的两个关键问题探讨.自然资源学报, 2015, 30(11): 1922~1932
[13]梁友嘉, 徐中民.基于GIS的降水多元回归模型在黑河干流山区的应用.草业科学, 2011, 28(9): 1581~1588
[14]卢阳. 基于灰色线性回归组合模型的金融预测方法.统计与决策, 2017(10): 91~93
[15]顾景枝, 余国新,陈文博.新疆林果业生产风险度量与评估——基于GM(1, 1)模型与信息扩散理论的实证分析.中国农业资源与区划, 2015, 36(6): 82~88
[16]张贵军, 朱永明,张蓬涛,等.石家庄市耕地资源人口承载力评价.中国农业资源与区划, 2013, 34(6): 120~126