中国渔业经济碳排放驱动因素研究

马光辉 张迎春 姚芳斌

摘要：利用2009—2020年中国渔业统计年鉴数据，基于参数调整的Kaya-LMDI模型和Tapio脱钩模型对中国渔业经济碳排放驱动因素和碳排放与渔业经济的脱钩关系进行测算。中国渔业经济的碳排放呈现出先增长后下降的趋势，AEI整体呈下降趋势;在各影响碳排放的因素中，经济增长效应对碳排放增长贡献最大，能源强度效应和产业结构效应为减少碳排放的主要驱动因素;从“十一五”到“十三五”期间，渔业经济的脱钩状态由弱脱钩转变为强脱钩。中国渔业经济应不断提高发展水平，在兼顾短期和长期的新技术、新策略中寻求突破。

关键词：碳排放;Kaya-LMDI模型;脱钩模型;渔业经济

中图分类号：F323.2        文献标志码：A

受全球气候变化影响，发展低碳经济已成为世界各国的共识，控制CO2排放，遏制全球气候变暖成为当下各国政府重点关注的问题。在2016年《巴黎气候变化协定》中，中国政府承诺到2030年将CO2总排放强度降低到2005年水平的60%～65%。碳排放强度（AEI）被定义为经济二氧化碳排放总量与国内生产总值（GDP）的比率[1]，用以反映经济发展的成本。沿海地区在生产和需求方面的减排努力是中国碳强度下降的主要推动力[2]。中国广阔的海洋面积在给渔业经济的发展提供良好地理条件的同时，渔业经济的发展也需要做到经济效益和生态效益两者兼顾，发展低碳渔业经济是实现可持续发展的必由之路。目前对于中国渔业经济碳排放的研究主要围绕在碳排放的核算和低碳渔业发展路径两大范畴。渔业经济碳排放方面，徐皓[3]较早的对中国渔业经济的产业能耗进行了测算，提出了水产品加工过程中不同生产环节和生产方式的碳排放计算方法，为后续研究碳排放提供了合理的计算方法。随着研究的不断深入，碳排放的计算具体到海洋渔船方面，并在渔船改造方面提出减少碳排放的方法[4-5]，如对中国水产养殖的碳排放进行了模型的构建和碳排放的测度[6];用LMDI模型对海洋产业碳排放的核算进行了初步探索并提出海洋产业低碳化的思路[7]。在低碳渔业发展路径方面，通过捕捞限额来消除竞争性捕捞，不仅能够遏制过度捕捞，还能够减轻环境压力，减少碳排放，实现可持续发展[8];低碳化发展是中国经济可持续发展的必由之路，唐启升[9]最早提出了碳汇渔业的概念;或对低碳渔业发展路径和阶段进行了划分，通过从“碳源”和“碳汇”两个方面来降低渔业经济的碳排放[10];渔业本身具有巨大的碳汇功能，因此可以从水生生物碳汇和人工减碳两个方向来进行低碳发展[11];或是利用LMDI模型对海水养殖贝类的碳汇能力进行测度，发现贝类碳汇能力巨大，且碳汇总量呈不断上升趋势[12];Gliber[13]以菲律宾苏禄海（Sulu Sea）通过增加尿素来刺激藻类固碳为例，强调在以生物进行“碳汇”的方法上，还应注重方法的可行性以及环境成本;黄晓南[14]认为低碳路径不仅要依赖海洋生物的碳汇能力，还要提高渔民节能意识，增强对海洋捕捞的管制，压缩传统海洋捕捞业的强度，增加休闲渔业等低排放产业的发展。对渔业低碳化的思路经历了三个阶段：以限制捕捞量来达到限制排放的目的，不过此方法对渔业经济的发展有一定的限制作用，并不能达到使渔业经济高增长低排放的目标;以依靠“碳汇”来降低碳排放的思路，越来越多的学者开始提出从“碳源”、“碳汇”两个方面共同发力的角度以期降低碳排放;到第三阶段，随着研究的进一步深入，过度依赖“碳汇”，刺激藻类、贝类增加固碳能力反而会引发其他环境问题，增加环境成本[15]。在此基础上，本文将“碳源”和“碳汇”作为整体，运用LMDI模型进行分解测度，研究渔业经济碳排放驱动因素的同时，将其GDP（若无特殊标注，文中所提到是GDP为渔业经济相关产业的GDP）与AEI的脱钩程度作为衡量渔业经济是否具有低碳排放特征的重要指标，并对今后中国渔业的发展建言献策。

1 研究方法与指标选取

渔业经济的碳排放顾名思义是渔业生产过程中所排放的CO2。基于对“碳源”和“碳汇”的整体考虑，本文所指的碳排放是海洋渔业直接和间接碳排放量扣除其自身碳汇固碳量后的净碳排放。狭义的渔业碳排放（未提出海洋生物碳汇量的全部碳排放）主要来自机动渔船对柴油消耗所产生的碳排放和水产养殖和水产品加工业电力消耗所产生的间接碳排放，尽管休闲渔业、海洋牧场等产业是中国渔业经济的未来趋势，但本文未将其碳排放列入计算，主要原因是目前围绕其发展而建立的法律法规相对不够健全;规模小，经济占比小;对休闲渔业的统计还没有可靠的数据来源;休闲渔业的生产方式较为环保，仅本文所选行业就可大致反映出渔业经济的碳排放趋势。同时，根据对海洋碳汇的测度，海洋碳汇能力主要来自藻类和贝类。

1.1 碳排放模型设定

（1）碳排放总模型设定。根据《省级温室气体清单编制指南》（2011）的规定，碳排放可以分为化石燃料燃烧产生的CO2和终端部门电力消耗所间接产生的CO2，渔业经济的碳排放

C=Cf +Ch -Cr（1）

其中，C为碳排放总量，Cf为机动渔船消耗柴油所产生的直接碳排放，Ch为养殖业和水产品加工业电力消耗所产生的间接碳排放，Cr为养殖藻类和贝类的碳汇量。

（2）各部分能源消耗设定。渔业经济的能源消耗主要来自渔船的柴油消耗，水产养殖的电力消耗和水产品加工的电力消耗

E1 = ∑Pijθij（2）

E2 = ∑Viηi（3）

E3 = ∑Qiμi（4）

其中，E1、E2、E3分别表示机动渔船、水产养殖业和水产品加工业所消耗的能源。Pij表示第i类渔船第j型渔船的功率，Vi为第i类水产品的养殖体（面）积，Qi为第i種水产品的加工产量，θ、η、μ分别表示相应的各耗能机器的能耗系数。

（3）各部分碳排放设定。根据各部分能量消耗的设定，各部分相应的碳排放设定为

C1 = E1×ρ1（5）

C2 = E2 × ρ2 - ∑qi × λ （6）

C3 = E3 × ρ2（7）

其中，C1、C2、C3分别表示渔业经济不同部门的碳排放量;ρ1、ρ2分别表示柴油和电力的碳排放系数;qi为第i类水产品的水产养殖产量;λi为第i类水产品的碳汇转化系数。

1.2 碳排放影响因素分解模型

（1）Kaya恒等式。Kaya恒等式将碳排放的因素分解为多种不同的驱动因素用以探究温室气体排放的问题[16]。考虑到渔业经济的特点，碳移除是贝类和藻类自发进行而无关乎能源消耗，所以移除了扩展的Kaya恒等式中的能源结构效应[17]，将Kaya恒等式扩展为

C=∑3i=1CiEi·EiGDPi·GDPiGDP·GDPP·P（8）

其中，C为碳排放总量;Ci为渔业经济中第i部分的碳排放量;Ei为第i部分的能源消耗量;GDPi为渔业经济的第i部分产值;GDP为当年价格下渔业经济总产值;P为海洋渔业从业人数。

令，c=C，ki=CiEi，ei=EiGDPi，gi=GDPiGDP，y=GDPP，p=P，则式（8）可以改写成

c=∑3i=1ki·ei·gi·y·p（9）

其中，c表示从事渔业经济人员的人均碳排放，ki、ei、gi、y、p分别表示碳排放系数、能源强度、产业结构、经济产出和人口规模。

（2）Kaya-LMDI碳排放因素分解模型。LMDI分解法将能源消耗分解成诸多的影响因素，更适用于测算能源消耗的碳排放和驱动因素[18-20]，结果能够更加有效的反映真实变动，使结论更加的有效和可行。为了测算碳排放各驱动因素的贡献效应，将扩展的Kaya恒等式运用LMDI模型，对碳排放驱动因素进行分解并加以分析，令Δc=ct-c0，用来表示0～t期人均碳排放的变化量，将Δc分解为

Δc=Δk+Δe+Δg+Δy+Δp（10）

其中，Δc、Δk、Δe、Δg、Δy、Δp分別表示碳排放分解总效应、碳排放系数效应、能源强度效应、产业结构效应、经济产出效应和人口规模效应。各替代效应计算方法相同，以w代替各分解效应，则各替代效应的计算公式为

Δw=∑3i=1Li·lnwtiw0i（11）

Li=cti-c0ilncti-lnc0i      ci>0

-（-cti）-（-c0i）ln（-cti）-ln（-c0i） ci>0（12）

1.3 Tapio脱钩模型

（1）脱钩弹性系数。基于交通容量与GDP的关系提出的Tapio脱钩模型常被用于不用地区或行业碳排放的研究[21]，Tapio脱钩模型为了避免将轻微变化过度解释为显著变化，将弹性值为1处上下浮动20%的区间看作是耦合

ε=ΔE/EΔG/G=（Et-E0）/E0（GDPt-GDP0）/GDP0（13）

其中，ε为脱钩弹性系数;ΔE为能源消耗变化量，E为i时期能源消耗量，ΔGDP为生产总值变化量，GDP为i时期生产总值，Et和E0分别表示i时期能源消耗的末量和始量，同样，GDPt和GDP0表示i时期生产总值的末量和始量。海洋资源消耗量变化率与海洋生产总值变化率之比即表征海洋经济增长与资源消耗的脱钩状态。

（2）脱钩程度等级划分。为了避免脱钩弹性系数在反映海洋资源和生产总值之间关系上的不准确性，需要考虑资源消耗和生产总值变化趋势对脱钩状态的影响，参考变量综合分析法，可以将脱钩状态分为8种：强脱钩、弱脱钩、衰退脱钩、扩张负脱钩、弱负脱钩、强负脱钩、衰退连结、扩张连结[22]。具体判断标准见表1。

1.4 数据来源

本文中渔业经济的变化和测度碳排放所需的机动渔船功率、水产品养殖产量和水产品加工量的数据均来自于相应年份的《中国渔业统计年鉴》。碳排放系数的选取上，各化石燃料的折标准煤系数和碳排放系数来自《中国能源统计年鉴》和《IPCC国家温室气体清单指南》渔船的能耗转化系数和燃油消耗量来自《国内机动渔船油价补助用油量测算参考标准的通知》（2009）来确，由于内陆捕捞船没有进行功能渔船划分统计，本文取内陆捕捞补助用油系数的平均数，即0.206 吨/千瓦。水产养殖及水产品加工中各环节能源消耗的测算根据徐皓对中国渔业经济能源消耗测度来确定[3];根据对贝类和藻类碳汇能力的测度，碳汇系数分别为0.088 8和0.341 3[23-24]。

2 实证分析

2.1 整体碳排放与GDP变化分析

2.1.1 整体碳排放分析 基于碳排放核算模型对中国渔业经济碳排放的测算，中国渔业经济的碳排放总量整体呈先上升后下降的趋势，如图1所示，中国渔业2008—2019年碳排放结果见表2。在2008—2015年中国渔业经济碳排放呈现上升趋势，2015—2019年表现出下降趋势，说明对限制碳排放的措施初见成效，但12年间碳排放量增加了大约12.8%，碳排放量仍然是缓慢但不断的增长说明渔业经济发展所带来的环境压力依然不可小觑。渔业经济持续增长，AEI整体不断下降。2008—2019年AEI下降了约52.3%，表明中国渔业经济发展的低碳化发展模式逐步完善。

2.1.2 各部门能源消耗分析 不同部门能源消耗对碳排放的治理具有重要意义，三部门能源消耗见表3。机动渔船在渔业经济中的能源消耗和碳排放远高于水产养殖和加工两个部门，水产养殖和加工两个部门能源消耗相近，但碳排放量差别较大，原因在于水产养殖过程中的碳汇

2.2 LMDI驱动因素分析

以2008年为基期，通过LMDI模型对渔业经济碳排放总量进行驱动因素分解，计算得到渔业经济各驱动因素的逐年效应和累计效应，见表4和表5。可知，中国渔业经济的碳排放的正向和负向驱动效应较为均衡，拉动和推动因素力量较为对称，经济增长效应是渔业经济碳排放的主要贡献因素，其余驱动因素则对碳排放具有负的拉动作用。

（1）碳排放系数效应。与理论分析相对应，碳排放系数效体现中国渔业经济技术水平的指标，效应方向和贡献与碳排放系数大小无关，仅与其变化率有关，根据模型（11）设定，在单一能源消耗部门，能源排放系数效应为0，因此碳排放系数效应主要来自水产养殖业，对渔业经济的碳排放起着负向拉动的作用。

（2）能源强度效应。能源强度效应是渔业经济碳排放中主要的负向驱动因素，能源强度效应减碳贡献约为52.9%。逐年效应对碳排放变化的影响程度较大且多为负数，表示中国渔业经济对能源消耗的依赖程度不断下降，整体来看，能源强度效应对碳排放的负向拉动不断增加，侧面反映中国渔业经济的发展逐步向低碳发展靠拢。

（3）产业结构效应。产业结构效应体现了渔业经济中的渔业经济和产业规模。产业结构效应对渔业经济碳排放同样起着负向的拉动作用，其中捕捞业产业结构的变动所占比重最大，其波动情况与整个渔业经济的驱动因素逐年变化情况大体一致，原因在于捕捞业的能源消耗和碳排放比例在整个渔业经济中所占比例非常高，且排放后几乎不会有碳汇过程，所以捕捞业的经济的变动对整个渔业经济的影响较大。

（4）经济增长效应。经济增长效应是中国渔业经济碳排放的主要驱动因素，逐年效应均为正值，且总体呈现出逐年变化较为平稳，对渔业经济碳排放贡献最大。2008—2017年中国渔业经济GDP增长了约2.24倍，人均GDP增长了2.4倍，碳排放总量增加了1.15倍，结合表2可知，中国渔业经济的碳排放经历了先增加后下降的过程。

（5）人口效应。人口效应对应的是渔业经济相关的人口规模。人口的逐年效应对渔业经济碳排放的贡献既有正向驱动也有负向拉动，主要波动发生于2009—2012年，但总的累计效应贡献为负值，对渔业经济的碳排放有一定的拉动作用;海洋捕捞业和水产品加工业的人口效应变化随人口变化而同方向变动，水产养殖恰好相反，其中影响最显著的是捕捞业的人口效应，人口的增加带来捕捞渔船和加工设备的增加，使得能源消耗量增加，而水产养殖业人口的增加对产值和耗能影响不大，因此，捕捞和水产品加工两个行业，特别是捕捞业人数的变动，决定了人口效应碳排放贡献的方向。

2.3 脱钩弹性系数分析

结合不同“五年计划”时期，根据Tapio脱钩模型计算了碳排放脱钩弹性系数，具体见表6。可知，中国渔业经济的脱钩弹性不断的下降，“十一五”和“十二五”的碳排放和GDP之间的脱钩状态是弱脱钩状态，“十三五”期间为强脱钩状态。三个时期的脱钩弹性呈下降趋势，综合各时期的要求，各阶段的渔业经济的发展模式均与国家发展计划紧密相关，表明中国渔业经济从一开始以环境为代价换取经济高速增长，到为实现可持续发展而不断进步，再到由高速增长转为高质量增长。

为进一步分析碳排放与GDP的关系，本文计算了逐年脱钩弹性，结果如图2所示，逐年弹性整体呈下降趋势，“十三五”后下降趋势较为明显，表明中国渔业经济对能源的依赖程度不断降低，经济增长的同时减少了对环境的损害。

3 结论

通过实证研究发现，中國渔业经济的碳排放强度不断下降，对能源消耗的依赖程度逐步减轻，渔业经济碳排放管理初见成效。从碳排放驱动因素看，经济增长效应是渔业经济碳排放中最主要的正向驱动因素，能源强度效应和产业结构效应则是主要的负向拉动因素，碳排放系数、人口效应在总体上起到负向拉动作用;结合累计效应可知，诸多效应对渔业经济碳排放的累加贡献是正向的。根据Tapio脱钩模型，中国渔业经济对能源消耗的经历了从弱脱钩到强脱钩的转变，从侧面证明中国渔业经济逐步走向低碳发展。基于以上结论，中国渔业经济应合理有序的推进经济的可持续发展，根据各驱动因素的深层涵义，制定合理的中长期计划，合理安排捕捞、养殖、加工三个部门的生产计划;向第三产业寻找突破口。通过发展休闲渔业，海洋旅游等低排放新兴海洋产业来促进经济的高质量发展;严格执行国家规定，淘汰陈旧渔船等污染大的落后设备等，实现中国渔业的绿色可持续发展。

参考文献

[1]VERA I， LANGLOIS L. Energy indicators for sustainable development[J]. Energy， 2007，32（6）： 875-882.

[2]ZHOU X Y， ZHOU D Q， WANG Q W， et al. Who shapes China's carbon intensity and how？ A demand-side decomposition analysis[J]. Energy Economics， 2020，85： 104600.

[3]徐皓， 刘晃， 张建华， 等. 我国渔业能源消耗测算[J]. 中国水产， 2007（11）： 74-76+78.

[4]张祝利. 我国渔船温室气体排放研究[C]//发展低碳农业，应对气候变化——低碳农业研讨会，北京， 2010：5.

[5]徐皓， 张祝利， 赵平. 我国渔船耗能调查与分析[J]. 中国水产， 2009（9）： 5-7.

[6]陈桥驿， 杨宁生. 水产养殖碳排量计算模型的研究[J]. 中国渔业经济， 2013，31（5）： 63-67.

[7]徐胜， 赵艳香. 我国海洋产业碳排放核算研究[J]. 生态经济， 2012（8）： 102-106.

[8]方芳， 慕永通. 关于捕捞限额制度施行效果的理论预期[J]. 中国渔业经济， 2009，27（1）： 37-40.

[9]唐启升. 碳汇渔业与又好又快发展现代渔业[J]. 江西水产科技， 2011（2）： 5-7.

[10] 岳冬冬， 王鲁民. 中国低碳渔业发展路径与阶段划分研究[J]. 中国海洋大学学报（社会科学版）， 2012（5）： 15-21.

[11] 李丹， 刘龙腾. 我国低碳渔业的发展路径分析[C]// 2013中国渔业经济专家论坛——发展海洋渔业 建设海洋强国， 湛江， 2013：5.

[12] 许国栋， 王萍萍， 纪建悦， 等. 基于LMDI方法的海水养殖贝类碳汇分解研究——山东省2008-2012年的经验数据[J]. 中国渔业经济， 2015，33（1）： 71-76.

[13] GLIBERT P M， AZANZA R， BURFORD M， et al. Ocean urea fertilization for carbon credits poses high ecological risks[J]. Marine Pollution Bulletin， 2008，56（6）： 1049-1056.

[14] 黄晓南. 关于发展低碳渔业经济的思考[J]. 福建农业科技， 2013（Z1）： 139-143.

[15] BERTRAM C. Ocean iron fertilization in the context of the Kyoto protocol and the post-Kyoto process[J]. Energy Policy， 2010，38（2）： 1130-1139.

[16] KAYA Y. Impact of carbon dioxide emission control on GNP growth： interpretation of proposed scenarios[J]. Intergovernmental Panel on Climate Change/Response Strategies Working Group， 1989（13）：20-33.

[17] 邵桂兰， 孔海峥， 于谨凯， 等. 基于LMDI法的我国海洋渔业碳排放驱动因素分解研究[J]. 农业技术经济， 2015（6）： 119-128.

[18] ANG B W. Decomposition analysis for policymaking in energy： which is the preferred method？[J]. Energy Policy， 2004，32（9）： 1131-1139.

[19] GU S， FU B， THRIVENI T， et al. Coupled LMDI and system dynamics model for estimating urban CO2 emission mitigation potential in Shanghai， China[J]. Journal of Cleaner Production， 2019，240： 118034.

[20] YANG J， CAI W， MA M， et al. Driving forces of China′s CO2 emissions from energy consumption based on Kaya-LMDI methods[J]. Science of The Total Environment， 2020，711： 134569.

[21] TAPIO P. Towards a theory of decoupling： Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport Policy， 2005，12（2）： 137-151.

[22] 王越， 趙婧宇， 李志学， 等. 东北三省碳排放脱钩效应及驱动因素研究[J]. 环境科学与技术， 2019，42（6）： 190-196.

[23] 张继红，方建光，唐启升. 中国浅海贝藻养殖对海洋碳循环的贡献[J]. 地球科学进展， 2005（3）： 359-365.

[24] 宋金明， 李学刚， 袁华茂， 等. 中国近海生物固碳强度与潜力[J]. 生态学报， 2008（2）： 551-558.

Study on the Driving Factors of Carbon Emission of Fishery Economy in China

——Dual Perspective Analysis Based on LMDI and Decoupling Model

MA Guang-hui1，ZHANG Ying-chun1， YAO Fang-bin2

（1.School of Economics，Qingdao University，Qingdao 266061，China;

2. Shandong Freshwater Fisheries Research Institute，Jinan 250118，China）

Abstract：

Based on the data of China's fishery statistical yearbook from 2009 to 2020， a parameter adjusted Kaya-LMDI model was constructed， which was used to analysis the driving factors of carbon emission of China's fishery economy.  The Tapio-decoupling model was used to discuss the decoupling relationship between carbon emission and fishery economy. The results show that the carbon emission of China's fishery economy increases first and then decreases， and the AEI shows a downward trend as a whole. Among the factors affecting carbon emissions， the effect of economic growth contributes the most to the growth of carbon emissions， and energy intensity effect and industrial structure effect are the main driving factors to reduce carbon emissions. The decoupling model shows that the dependence of fishery economy on energy has changed from weak decoupling to strong decoupling， China's fishery economy should constantly improve its development level and seek breakthroughs in new technologies and strategies.

Keywords：

carbon emissions; Kaya-LMDI model; decoupling model; fishery economy

收稿日期：2021-08-06

基金项目：

国家社科基金重点项目（批准号：17ATJ002）资助;全国统计科研重点项目（批准号：2019LZ18）资助。

通信作者：

姚芳斌，男，博士，中级统计师，主要研究方向为海洋经济统计。E-mail：m1358581448@163.com