“双碳”目标背景下我国畜牧业碳排放效率实证分析

王维新 李焱求

（1.山东畜牧兽医职业学院，山东 潍坊 261061；2.培材大学，韩国 大田广域 340934）

0 引言

随着全球温室效应的加剧，二氧化碳排放问题逐渐得到重视。全球气候变化危及人类安全和健康，影响所有人赖以生存的自然生态系统和资源。近年来，碳排放问题愈发严峻，除了新型冠状病毒肺炎疫情导致2020年碳排放量下降外，自2015年巴黎缔约方大会召开以来，全球碳排放量每年都在上升。我国作为碳排放的主要国家，2020年承诺实现2030年“碳达峰”与2060年“碳中和”目标，要求全社会科学有序降碳，促进经济社会发展全面绿色转型。党的十八大召开后，我国的发展理念发生了根本性变化，环境保护不再被视为经济发展的负担，而是被视为高质量发展的驱动力。畜牧业是公认的全球气候变暖的贡献者之一，并非传统认知中的“异味产业”，其碳排放量约占全球总排放量的1/7，倡导畜牧业节能减排已达成共识。我国是世界上最大的畜牧生产国，随着城乡居民膳食结构和营养水平的不断升级、农业农村经济发展和农民增收的迫切需求，我国畜牧业的碳排放量正不断向高位趋近，亟待依托产业结构调整和效率变革，加快畜牧经济增长向低碳化转型。因此，开展畜牧业碳排放效率研究对“双碳”目标背景下促进经济社会发展具有一定紧迫性和必要性。

1 研究现状

目前，国内学界对农业碳排放、碳排放效率及其影响因素的研究较多，但针对全国畜牧业碳排放效率实证分析的相关研究报道非常少，且存在一定的不足。例如，实证研究基于我国省域、某一特定区域或地市级视角，全面性不足；研究方法以传统的DEA模型为主，未将非期望产出和环境变量纳入研究范畴，严谨性不足；采用的数据相对较早，科学性不足等。鉴于此，笔者运用非期望产出的三阶段超效率SBMDEA模型和Malmquist指数，分别对2002—2020年国家层面、四大经济带（东部、西部、中部和东北）和31个省（自治区、直辖市）的畜牧业碳排放效率进行测度分析，以期为“双碳”目标下畜牧业减排和畜牧业高质量发展提供实证依据。

2 研究方法

2.1 三阶段超效率SBM-DEA模型

为了解决传统数据包络分析（Data Envelopment Analysis，DEA）的DUM效率值大于1而无法有效评价的情况，笔者采用包含非意愿产出基于松弛变量的三阶段超效率DEA模型（Slacks-Based Measure，SBM）。三阶段超效率SBM模型如公式（1）所示：

2.2 随机前沿（SFA）模型

为剔除随机因素和环境因素对效率值的影响，构建SFA模型，如公式（2）所示：

3 指标选取与数据来源

该研究的实证数据来源为2002—2020年《中国畜牧业统计年鉴》、国家统计局网站、《山东省畜禽养殖场用地参考指标》和市场调研。笔者选取畜牧业从业人员数量、畜牧业固定资产投资额、畜禽饲养土地面积作为投入指标；选取人均畜牧业产值作为意愿产出指标，选取畜牧业碳排放量作为非意愿产出指标；选取产业结构、经济发展水平和区域创新能力作为环境指标（见表1）。

表1 碳排放效率测算指标

依据联合国政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）提出的碳排放因子法，测算《中国畜牧业统计年鉴》中包含的牛、马、家禽、兔、骡、驴、猪和骆驼等畜禽的CO排放当量。测算公式（3）如下：

畜禽具体温室气体排放系数见表2。

表2 畜牧业温室气体排放系数 kg/（头·a）

4 实证分析

运用MaxDEA软件对数据进行第一阶段的效率测算后，在第二阶段纳入产业结构、经济发展水平和科技水平3个环境变量，用Frontier4.1软件对2002—2020年国家、31个省（自治区、直辖市）和4个经济带的投入松弛变量进行SFA回归，利用Excel软件剔除环境因素和管理无效率对松弛变量的影响，并重新调整投入变量的值，将各个DUM置于相同的水平下。第三阶段同样利用超效率SBM模型对第二阶段调整后的投入值运行效率重新进行测度，结果如表3所示。

表3 第三阶段碳排放效率

由表3可知，非期望产出的三阶段超效率SBMDEA模型测算结果显示的畜牧业碳排放效率与该地区畜牧业饲养规模并不完全对应，运算结果代表的是一种投入产出比，并不能体现各个区域在产业发展方面是否具有竞争性。另外，对于测算碳排放效率占优的区域，并不代表其没有改进空间。

为更加清晰地展示2002—2020年国家层面和四大经济带畜牧业碳排放效率，绘制年平均值为单元的折线图（见图1）。

图1 2002—2020年我国年均碳排放效率

从图1整体来看，全国碳排放效率呈现出先降后升趋势，2006—2011年增长趋缓，可能与国家颁布的《节能目标责任和评价考核实施方案》取得一定效果有关；2012—2018年呈平滑下降状态，可能与国家颁布《畜禽规模养殖污染防治条例》和助力畜牧业发展的相关政策导致小规模散养户淘汰，大规模养殖场蓬勃发展相关；2018年到波谷的0.044后开始回暖，可能与2018年起中美贸易战出口受挫，禽畜疾病频发，畜牧业一片萧条，产业结构升级和新旧动能转换开始发力有关。

从各经济带来看，四大经济带的变化趋势与国家层面变化基本一致，东部、中部和西部的碳排放效率都高于国家平均值，东北地区的碳排放效率远低于东部、中部、西部地区和国家平均水平。东部地区研究期内初期碳排放效率领先于其他地区，但2009年后被中部地区追平，甚至在有的年份被超越，在2018年以后其效率值又被西部地区赶超。这可能与东部地区部分产业转移、中西部地区受益沿海产业转移的技术扩散，产业结构调整相关；而东北地区相对土地资源丰富、畜牧业固定资产投资不足和经济发展落后，在一定程度上制约了当地畜牧业碳排放效率的提高。

从省域来看，我国31个省（自治区、直辖市）在研究期间的碳排放效率表现出显著的区域差异性，最高浙江省的效率均值为3.221，最低黑龙江省的效率均值为0.027。从面板数据来看，浙江省和山东省多年的效率值都大于1，是其他省（自治区、直辖市）的追赶目标。效率值低于0.1的辽宁省、宁夏回族自治区、甘肃省、内蒙古自治区、新疆维吾尔自治区、海南省和黑龙江省，受区域创新能力、产业结构和经济发展水平影响，畜牧业发展方式以传统的粗放型为主，发展模式分散且小，产业化、规模化、标准化水平低，污染源点多且面广，且受地理和自然环境等要素禀赋限制，该地区畜牧业碳排放效率一直处于较低水平。但该区域畜牧业碳排放效率提升空间大，可以通过采用饲料新配方、引进新技术和发展养殖新模式等提高畜牧业碳排放效率。

5 结论与建议

笔者基于三阶段超效率SBM-DEA模型测算得到国家层面、四大经济带和31个省（自治区、直辖市）的畜牧业二氧化碳排放效率值。根据结果分析，得出以下结论：①我国畜牧业的二氧化碳排放效率值出现高—低—高的趋势，区域间碳排放效率差异较显著，剔除新型冠状病毒肺炎疫情因素，近年来东部地区、中部地区和西部地区的效率排放基本持平，说明畜牧业的碳排放问题开始出现好转；②2002—2020年，我国畜牧业全国层面碳排放效率偏低，均值为0.134，节能减排潜力较大，而各省（自治区、直辖市）的碳排放效率存在显著差异，其中黑龙江省和海南省效率最低，平均排放效率仅为0.030左右，需要重点关注； ③我国幅员辽阔，各地资源禀赋不一，使得畜牧业产业结构、从业人员规模、地区经济发展水平和城镇化率等成为碳排放率不高的主要影响因素。从上述分析结果可以看出，我国畜牧业碳排放实现2030年达峰这一目标仍任重而道远。

为有效控制畜牧业碳排放量，进一步提高排放效率，争取早日实现“双碳”目标，根据上述结论，笔者提出以下建议。一是各级政府应以《关于完整准确全面贯彻新发展理念做好碳达峰碳中和工作的意见》和《2030年前碳达峰行动方案》为纲领，以《“十四五”全国畜牧兽医行业发展规划》为抓手，结合实际制订和落实区域发展规划。二是各区域畜牧业减排工作的开展要因地而异、因类而异和因地制宜，并以绿色和循环发展理念指导发展畜牧业，实现环境和经济协调发展。三是一方面加大畜牧业财政支出力度，建立支持畜牧业低碳绿色循环发展的长效机制，实施积极的技术补贴措施，对引进、采用和研发新技术的规模化企业给予财政补贴和税收减免；另一方面加大畜牧业固定资产投资力度和畜牧业从业人员培训投资力度，为畜牧业高质量发展 提供支持。