中国种植业碳补偿率区域差异、动态演进及收敛性分析*

伍国勇,陈 莹,孙小钧

气候变暖是全球性问题,它威胁人类社会的持续稳定发展,二氧化碳浓度升高是气候变暖的重要原因之一。因此,绿色发展成为全球共识[1]。中国作为主要的碳排放国之一,碳排放量占世界的28%[2]。为缓解全球气候变暖的严峻形势,在2018年中国提出,二氧化碳排放在2030年左右达到峰值并争取尽早达峰,单位国内生产总值二氧化碳排放比2005年下降60%～65%的目标,这一目标也是引领全球气候治理和实现美丽中国必须应对的课题[3]。中国2020年第一次提出2060年前实现碳中和的目标[4]。这意味着中国急需采取更有力的政策和措施来控制碳排放。农业系统碳排放超过全球人为温室气体排放总量的30%[5],种植业在中国农业产值中占比超过50%,地位极其重要[6],其碳排放不可忽视,占中国温室气体排放总量的16%左右[7-9]。种植业具有碳汇和碳源双重属性[10],正确识别中国种植业碳吸收和碳排放的净效应是科学管控种植业碳排放的前提。为此,本文以种植业碳补偿率为研究对象,同时考虑农业碳吸收与碳排放的双重效应,为农业清洁生产提供良策。

农业在农资投入过程中会直接或间接导致温室气体排放[11]。当前,中国省际层面碳排放转移整体呈明显的空间集群特征[12]。长期来看,随农业经济发展,中国农业碳排放强度将下降; 空间上,东部沿海和中西部部分地区超过农业经济强度高拐点值,中西部地区则未抵达[13]。由于农业能源消耗是农业碳增量的主要来源[14],减少化肥、农药等施用可有效减少农业碳排放[15]。进一步,学者们测度了农业碳生产率发现[16-18],中国农业碳生产率各省域层面提升趋势、空间上自相关性及溢出效应均明显[16]。其中，经济发展水平影响显著,而农户专业化生产、受教育水平、机械化水平、农作物受灾程度和家庭农地经营规模等也会产生影响[17-18]。此外,在对农作物碳足迹的研究中发现[19-20],播种面积、化肥及农药投入的减少能有效降低农作物碳足迹,实现农业碳减排[19]; 复种水平、种植业规模等抑制碳足迹[20]。减少化肥不合理使用[21]、扶持“低效低排”型地区的发展等将有助于农业碳减排[22]。农业也是碳汇,耕地上农作物通过光合作用能将空气中的二氧化碳固定在土壤中[23]。学者们计算了不同省区净碳汇量发现,农业源的净碳汇量呈现波动递减趋势[24]; 农业净碳汇效率空间差异明显[25],区域间不均衡,且城镇化及经济发展水平对其具有消极的溢出效应[26]。促进农业绿色发展,应当同时从减少碳源和增加碳汇两方面着手。农业碳补偿率是农业碳汇量与碳源量之比,反映了一定区域内生态系统中农作物碳吸收和排放的比例[27]。目前,鲜有关于农业碳补偿率的研究,且主要聚焦于县域层面,以赵荣钦等[28-29]、王刚等[30]、魏燕茹等[31]为主要代表。赵荣钦等[28-29]先后以中原经济区县域单元、河南省为例,通过核算碳收支,发现碳补偿率存在空间差异,经济发达地区碳补偿率低。王刚等[30]以成都市为例,分析碳收支空间分布特征,发现碳排放空间差异明显,分布特征为“东高西低、中心最高”,碳汇吸收补偿率低,区域间差异大。魏燕茹等[31]从不同土地利用方式视角探讨了福建省碳收支的空间差异发现,区域内碳补偿率逐年减小,经济较发达区域低于经济欠发达区域,且空间差异明显。此外,吴昊玥等[32]从全国省域层面对农业碳补偿率的空间效应进行研究,发现农业碳补偿率区域集聚态势显现,正向溢出效应显著。

纵观文献,极少学者采用农业碳补偿率为衡量指标,同时考虑农业碳吸收、碳排放的双重效应来研究农业生产净碳效应,缺乏对种植业碳补偿率的相关分析。同时,学者们对农业碳补偿率的研究仅着眼于农业碳空间效应,未对种植业碳补偿率地区差异来源与收敛性进行探究。因此,为进一步拓展已有研究,本文在测算2002-2018年中国31省种植业碳补偿率基础上,利用Dagum基尼系数分解法、核密度分析以及收敛性分析方法,对种植业碳补偿率地区差异、动态演进以及收敛性进行检验与分析。这对发挥种植业减排潜力,促进农业清洁生产具有重要的理论和实际意义。

1 研究方法与数据来源

1.1 种植业碳补偿率测算

种植业碳补偿率能够衡量区域内生态系统中种植业固碳量占碳排放量的比重。碳补偿率越高,说明该地区种植业碳汇能力越强[27]。计算公式为:

式中:CCR为种植业碳补偿率,CI为种植业碳吸收总量,CT为种植业碳排放总量。

种植业碳汇主要计算农作物光合作用的固碳量,具体公式为:

式中:C为固碳量,k为农作物种类数,Ci为第i种农作物固碳量,Li为作物合成单位有机质的固碳量,Wi为平均含水率,Yi为经济产量,Hi为经济系数。以上数据参考田云等[25]和王梁等[33]的研究,如表1所示。

表1 主要农作物碳吸收率、平均含水量、经济系数和单位碳吸收量Table 1 Carbon absorption rates,average water contents,economic coefficients and carbon absorption rates of major crops

关于种植业碳源,本文采用目前常用且较权威的IPCC(2006)发布的排放因子法。将农药、化肥、农用柴油、农用塑料薄膜、农业播种面积和农业灌溉等投入作为主要碳源以计算种植业碳排放量(CE)。

其公式为:

式中:Qi为第i种碳源使用量,γi为对应排放系数。参考李波等[11]研究,农药、化肥、农用柴油、农用塑料薄膜、农业播种面积和农业灌溉碳排放系数分别为4.9341 kg·kg-1、0.8956 kg·kg-1、0.5927 kg·kg-1、5.1800 kg·kg-1、312.6000 kg·km-2、25.0000 kg·hm-2。然而,考虑到农业灌溉中的能源消耗并非都来自火力发电,故将其排放系数调整为19.8575 kg·hm-2,以避免由非火力发电而高估碳排放[17]。

1.2 Dagum基尼系数分解法

Dagum基尼系数分解法由Dagum于1997年提出[34],相比以往研究地区差异的指标,如基尼系数、泰尔指数及变异系数等,该方法具有结论更精准,且有助于解决地区差异归因问题的优势。因此,本文运用该方法对中国省际种植业碳补偿率的地区相对差异进行测度,进而对其进行分解,以此获知种植业碳补偿率的地区差异构成。Dagum基尼系数模型如下:

式中:i为区域(i=1,2,3; 分别表示东部、中部和西部地区),为省域碳补偿率均值,K为省份数,ymj或ynh为地区m或n内省份j或h的种植业碳补偿率,Km或Kn为地区m或n内省份个数。

Gmm表示地区m的基尼系数:

Gmn则为地区m和地区n之间的基尼系数:

式中:pm为地区m的省份份额;sm为地区m的种植业碳补偿率份额;Dmn为m与n地区间种植业碳补偿率的相对影响;Mmn为地区间种植业碳补偿率差值,即m、n地区中所有ymj-ynh＞0的样本值加总的数学期望;Nmn为超变一阶矩,即m、n地区中所有ymj-ynh＜0的样本值加总的数学期望; 函数Fm(Fn)表示m(n)地区种植业碳补偿率的累积密度分布函数。

基尼系数(G)可分为地区内差距(Gw)、地区间差距(Gnb)和超变密度(Gt)3部分,计算方法如下式:

式中,pn为地区n的省份份额,sn为地区n的种植业碳补偿率份额。

1.3 核密度分析

核密度分析是一种非参数检验法,相比参数估计稳健性强、模型依赖性弱。本文采用核密度估计法分析种植业碳补偿率的动态演进趋势。计算公式为:式中:n为观测数;d为带宽;h(·)为核函数;Xi为独立同分布的观测值,即i省种植业碳补偿率;为观测值的均值。本文采用高斯核函数来分析中国种植业碳补偿率动态演进趋势。为m、n地区内种植业碳补偿率均值。

1.4 随机收敛检验法

1.4.1 σ收敛

σ收敛是指不同区域种植业碳补偿率的离差随时间推移而变化的情况。若离差随时间推移而不断减小,则表明不同地区种植业碳补偿率的离散程度也在减小,即可认为种植业碳补偿率的增长存在σ收敛。参考刘帅[35]研究,σ收敛通常可用变异系数来表示,计算公式为:

式中:yji是地区j内i省份的种植业碳补偿率,为地区j的种植业碳补偿率的均值,nj是j地区的省份总数。

从式(17)可知,标准差和均值的比值为变异系数,能度量样本数据的离散状况。若σ系数逐渐减小,说明该地区不同省份间种植业碳补偿率的差异逐渐减小,从而呈向均值收敛的态势。各变量含义同前。

1.4.2 β收敛

β收敛源自新古典经济学理论,若存在β收敛,则说明低种植业碳补偿率地区的碳补偿率增长速度快于种植业碳补偿率高的地区。β收敛又有绝对和条件β收敛之分,前者仅考虑其自身的收敛状态,后者是对多种因素加以控制之后的收敛状态。

1)绝对β收敛模型为:

2)条件β收敛模型为:

式中:X是各控制变量，δ是其系数。若β＜0且显著,则表明中国种植业碳补偿率存在收敛; 反之,表明存在发散。其中,收敛速度b=-ln(1+β)。条件β收敛模型是将多种影响因素加入原绝对β收敛模型进行控制。本文添加农业财政支出、城镇化率、产业结构、农业机械化、农户文化程度、劳动非农转移、农业经营规模作为控制变量。

1.5 数据来源

文中数据为2002-2018年中国31省(市、自治区)统计数据,鉴于数据可获得性未包括港、澳、台地区。本文选取水稻(Oryza satiνa)、小麦(Triticum aestiνum)、玉米(Zea mays)、高粱(Sorghum bicolor)等主要农作物作为研究对象测算各省种植业碳汇,相应数据来自国家统计局。其中,条件β模型中条件变量包括:农业财政支出,用农林水事务支出占总财政支出的比重表示; 城镇化率,用城镇人口与总人口之比表示; 产业结构,用第一产业增加值与地区生产总产值的比值表示; 农业机械化,用农业机械总动力表示; 农户文化程度,用农户受教育程度表示; 非农劳动力转移,用乡村从业人口数与乡村第一产业从业人口数的差值表示; 农业经营规模,用农作物总播种面积与乡村总人口数的比值表示; 农业经济发展水平,用农林牧渔业增加值与乡村总人口数的比值表示。对应数据主要来自《中国农村统计年鉴》《中国统计年鉴》《中国人口和就业统计年鉴》以及省域统计资料。同时,部分乡村第一产业从业人员数据缺失,用第一产业从业人数替代。此外,文中对部分变量作对数处理。

2 实证结果与分析

2.1 种植业碳补偿率分布特征

根据式(1)-(3)测算了2002-2018年31个省(市、自治区)种植业碳补偿率,考虑篇幅因素,仅呈列部分年份的测算结果。如表2所示,2002-2018年种植业碳补偿率均大于1,表明各省种植业净效应均为碳汇。横向对比2018年各省域种植业碳补偿率发现,广西种植业碳补偿率最高,达到17.45; 吉林位列第2位,其种植业碳补偿率为12.82; 河南、黑龙江和天津则分别位于第3～5位,其种植业碳补偿率分别为12.18、11.48和11.37。 浙江种植业碳补偿率最低,仅为3.09; 倒数第2位为西藏,其种植业碳补偿率为3.49; 倒数第3～5位分别为福建、海南和上海,其种植业碳补偿率分别为3.55、4.16和4.33。在区域层面,2002-2018年中部地区种植业碳补偿率均值最高,西部地区种植业碳补偿率均值略低于中部地区,东部地区最低。这说明我国中部地区和西部地区大部分为种植业碳补偿率高值区,而东部地区主要为种植业碳补偿率低值地区。因此,要重点关注东部地区种植业碳补偿率,及时制定多元化策略,助力实现农业清洁生产。

表2 2002—2018年中国省域种植业碳补偿率Table 2 Carbon compensation rate of crops production in each province(city,autonomous region)of China from 2002 to 2018

2.2 种植业碳补偿率地区差异

2.2.1 地区内差异

本文首先利用Dagum基尼系数及其分解法测度了2002-2018年中国种植业碳补偿率的不平衡和地区差距及演变趋势(表3)。表3显示,在整个研究期内种植业碳补偿率基尼系数均值为0.176,总体基尼系数显示我国种植业碳补偿率区域差距呈逐渐增大趋势,由2002年的0.144逐年上升至2018年的0.215,升幅达49.31%。

表3 2002—2018年中国种植业碳补偿率基尼系数及其分解Table 3 Gini coefficient and decomposition of carbon compensation rate of crops production of China from 2002 to 2018

本文进一步绘制了种植业碳补偿率时序变化趋势(图1)。在地区内差距方面,三大地区内部基尼系数值差异较为明显,内部差距最大者为西部,其次是东部和中部。其中,东部地区基尼系数增长趋势较稳态,由0.136增长为0.223,增幅为63.97%。在中部地区,基尼系数相对较平稳,总体保持较稳态的发展趋势,且中部地区基尼系数相对其他地区较低。西部地区基尼系数总体呈波动上升的态势。综合而言,全国种植业碳补偿率的不平衡性具有扩大的趋势,东、西部地区相对差异扩大,中部地区相对差异无明显变化。因此,在提高种植业碳补偿率的过程中,应该重视区域协调问题。

2.2.2 地区间差异

图2描绘了地区之间的基尼系数的变化态势。不难看出,东、中、西三大地区之间两两组成3对地区间差异曲线,种植业碳补偿率地区之间的差距明显。从差异大小来看,东部-西部地区间种植业碳补偿率差距最大,而且研究期内仅其地区间基尼系数每年大于全国整体水平,其平均基尼系数为0.190; 从2006年开始,中部-西部省际种植业补偿率相对差距次之,其平均基尼系数为0.159; 东部-中部省际种植业补偿率相对差距最小,其平均基尼系数为0.155。从演变趋势来看,东部-西部、东部-中部地区之间相对差异增加,增幅分别为26.67%和16.54%,中部-西部地区之间相对差异缩小,缩减幅度为7.02%,表明我国地区间种植业低碳发展并不均衡。

2.2.3 地区相对差异与贡献率

将全国差距进行分解,可以明晰地区差距的源头及贡献率,如图3所示。研究期内,种植业碳补偿率地区间差距产生的内在动因发生了变化。从图形的特征可知,地区内贡献率基本稳定,超变密度贡献率整体波动下降。地区间贡献率随时间上下波动,总体呈上升态势,且占据主导地位,说明地区间差距是造成种植业碳补偿率差异的主要原因。

2.3 种植业碳补偿率动态演进

本文绘制出2002年、2008年、2013年和2018年全国及东、中、西部区域种植业碳补偿率核密度图,考察种植业碳补偿率随时间动态演进过程,详见图4。

从图4a中可知,2002-2018年全国种植业碳补偿率的核密度曲线逐渐右移,表明各省种植业碳补偿率水平逐渐增大,主峰峰值呈先上升后下降态势。具体而言,2002-2008年主峰峰值上升,表明各省种植业碳补偿率绝对差距有所增大; 2008-2018年主峰峰值下降,表明各省种植业碳补偿率绝对差距有所减小。从曲线形态来看,右拖尾特征明显,说明碳补偿率较高的省份有所增多。

2002-2018年东部地区核密度曲线逐渐右移,表明东部各省种植业碳补偿率在逐渐上升(图4b)。主峰峰值逐渐下降,表明2002-2018年东部地区各省种植业碳补偿率绝对差距有所减少。从波峰来看,东部地区种植业碳补偿率从“双峰”逐渐变为“单峰”,表明东部地区种植业碳补偿率逐渐由两极分化变为单极化。中部地区核密度曲线逐渐右移,表明中部各省种植业碳补偿率在逐渐上升(图4c)。同时,主峰峰值逐渐下降,表明中部各省种植业碳补偿率绝对差距有所减小。从曲线形态来看,右拖尾特征明显,说明省域种植业碳补偿率多数处在低值,少数地区处于高值且这少数高值地区存在显著的地区差异。西部地区核密度曲线基本未移动,表明西部各省种植业碳补偿率较为稳定,变化不大(图4d)。同时,2008-2018年主峰峰值逐渐下降,表明2008-2018年西部地区各省种植业碳补偿率绝对差距有所减少。从曲线形态来看,右拖尾特征同样明显,说明西部地区碳补偿率高值省份仍在增加。

2.4 种植业碳补偿率收敛性分析

2.4.1 σ收敛性检验

依据式(17),测算出2002-2018年全国及东、中及西部区种植业碳补偿率的σ值,如表4所示。整体来看,2002-2018年我国种植业碳补偿率的σ值总体呈现上升态势,说明中国各省份之间种植业碳补偿率的增长存在σ发散态势,随着时间推移内部差异不断增大。从三大地区来看,东部和西部地区种植业碳补偿率的σ值呈不断上升的变化趋势,表明种植业碳补偿率存在发散现象。中部地区即使存在一定幅度的波动,但长期来看变化不大，内部差异较为稳定。

表4 2002—2018年中国不同区域种植业碳补偿率σ收敛系数Table 4 σ convergence coefficient of carbon compensation rate of crops production in different regions of China from 2002 to 2018

2.4.2 绝对β收敛

式(18)检验了全国及东、中、西部地区的绝对β收敛情况。表5显示,全国、中部及西部地区的系数β均在P＜1%水平显著为负,东部地区在P＜5%水平显著为负。这说明无论是全国还是三大地区层面种植业碳补偿率均具有显著的绝对β收敛,也表明种植业碳补偿率较低的省份能够追赶上较高的省份。随时间推进,各省份增速逐渐趋同。从收敛速度来看,中部地区种植业碳补偿率收敛程度最高,东部种植业碳补偿率收敛程度最低。

表5 2002—2018年中国种植业碳补偿率绝对β收敛结果Table 5 Absolutely β convergence results of carbon compensation rate of crops prodcution in China from 2002 to 2018

2.4.3 条件β收敛

进一步,基于式(19)检验了全国及东、中、西部地区是否存在条件β收敛。表6显示,对主要变量进行控制后,全国及三大地区的系数β均在P＜1%水平显著负向通过。这表明种植业碳补偿率条件β收敛在全国及三大区域范围内均存在,也表明各地区种植业碳补偿率的增长呈现趋同态势。同时,农业财政支出、城镇化率、产业结构、农户文化程度、农业机械总动力、劳动力非农转移、农业经营规模、农业经济发展水平对其影响存在明显的异质性。

表6 2002—2018年中国种植业碳补偿率条件β收敛结果Table 6 Conditions β convergence results of crops prodcution in China from 2002 to 2018

农业财政支出仅对东部种植业碳补偿率增长的影响显著为正(P＜5%),对全国及中、西部地区的影响不显著。农业财政支出不断促进农业基础设施的完善及农业技术水平的改进,从而提升农业生产效率,有利于减少农业生产中的碳排放。产业结构显著促进全国和中部地区种植业碳补偿率的增长(P＜1%),对东部和西部地区影响不显著,中部地区主要种植粮食作物,产业结构变迁有利于农业碳减排。农业机械化仅对中部地区种植业碳补偿率增长的影响显著为正(P＜1%),对全国及中、西部地区的影响不显著。农业机械的大量使用能提高作物产出效率,提高农资利用率,有助于低碳农业发展。城镇化率、农户文化程度对全国及三大地区种植业碳补偿率的增长影响不显著。劳动力非农转移对全国(P＜10%)和东部地区(P＜5%)的种植业碳补偿率的增长率有显著的负向影响,对中部和西部影响同为负向但不显著。众多农村劳动力向非农业部门转移会促使农户采取高碳生产行为,不利于农业碳减排。农业经营规模对全国和东部地区的种植业碳补偿率的增长率有显著的正向影响(P＜1%),对中部和西部影响同为正向但不显著。农业经营规模扩大,规模效应不断凸显,这能提高农资要素的利用率,从而减少种植业碳排放。农业经济发展水平对全国和东部地区的种植业碳补偿率的增长率有显著的负向影响(P＜1%),对中部和西部影响同为负向但不显著。这表明农业经济的迅速发展会使得碳排放增加,与许多有关农业经济发展与面源污染的研究结果相符,即我国目前仍处于环境库兹涅拐点左侧,经济越发展环境越恶化。

3 结论及建议

本文利用Dagum基尼系数分解法、核密度以及收敛性分析方法,使用2002-2018年中国(不含港澳台地区)31省面板数据,对种植业碳补偿率地区差异、动态演进及收敛性进行检验与分析。结果显示:1)中国种植业碳补偿率相对差异扩大趋势明显,从地区间差异来看,东部-西部、东部-中部地区之间相对差异增加,中部-西部地区之间相对差异减小,且地区间差距是造成种植业碳补偿率差异的主要原因。2)中国种植业碳补偿率整体呈逐年增大的变动态势。省域种植业碳补偿率逐年增加,差异先减后增,碳补偿率高值省份有所增多。其中,东部和中部地区种植业碳补偿率逐渐上升,但绝对差距有所减少。西部地区种植业碳补偿率较为稳定,变化不大。3)中国种植业碳补偿率存在明显的σ发散,省域间不均衡。同时,中国种植业碳补偿率绝对β收敛明显,省域间的“追赶效应”显现。随着时间推移省域间种植业碳补偿率的增速趋同化,并逐渐收敛于同一稳态均衡值。其中,种植业碳补偿率在中部地区的收敛程度较高。此外,中国种植业碳补偿率还存在显著的条件β收敛,而且地区间碳补偿率增长的趋同态势明显。

对此,本文主要启示如下:第一,基于东部地区种植业碳补偿率相对中西部地区较低的事实,应对其进行重点关注,结合东部地区实际情况充分借鉴中西部种植业碳补偿率高值地区丰富的低碳发展经验。同时,各级政府在制定政策时应当考虑地区间的差异性,深挖差异来源,因地制宜,及时制定多元化的符合本地区发展要求的策略,推进农业生产由高碳逐步向低碳转变。第二,种植业碳补偿率的地区差异制约了当前中国农业的低碳发展。因此,为了有效缓解种植业碳补偿率地区差异及其扩大的演变态势,应立足各地区的种植业低碳发展优势,着力补齐地区种植业碳减排短板,缩小种植业碳补偿率的地区差异,促进农业低碳发展均衡化。第三,在着力推进种植业低碳发展的过程中,注重区域种植业碳补偿率水平的收敛特征。应当重点关注碳补偿率低值地区,挖掘这些地区新的可能增长点。采取积极的政策措施,引导种植业碳补偿率低水平地区学习碳补偿率高水平地区的低碳发展方式,以逐步赶上高水平地区。