基于新型支持向量回归模型的河北省农业碳排放测算及预测研究

贾敏 陈英伟

(河北经贸大学数学与统计学学院，河北 石家庄 050061)

引言

随着人类社会的进步与发展，环境污染、全球变暖问题越来越严重，极端天气频发，灾难造成的损失也越来越多。联合国政府间气候变化专门委员会(IPCC)第四次评估报告认为，温室气体的大量排放所造成温室效应的加剧可能是全球变暖的基本原因，而温室气体中最主要的是CO2，其中世界农业排放的CO2量约占全球CO2总排放量的34%[1]。英国气候变化委员会曾指出，即使现在的农业排放相比于运输和能源供应这两方面的排放来说较低，但到2050年时极有可能成为最大的排放源之一[2]。随着人们对气候问题关注度的持续提升，农业碳排放问题也越来越受到重视，研究不同农业地点的碳动态和平衡是必不可少的。

国内外许多学者做了农业碳排放的相关研究。在农业碳排放研究区域方面，曾大林等[3]分析了当前中国各省区低碳农业发展存在的问题，同时发现河北省农业碳排放量常年稳居第3。张志高等[4]对河南省碳排放进行预测，而冉景成等[5]研究了新疆农业碳排放峰值预测和影响因素。Prastiyo S E[6]研究了印度尼西亚农业部门碳排放量与经济增长的关系；Ali Basit[7]对印度农业生态系统和二氧化碳排放之间的关系进行研究，发现二氧化碳排放和农业生态系统是共生的。

在探究环境污染与经济发展关系时，有的利用环境成本会计核算方法进行研究，也有的利用脱钩理论、EKC曲线方法对经济发展水平和环境污染关系展开研究[8-10]。

在农业碳排放量预测方面，常采用灰色预测模型、STIRPAT模型等对农业碳排放峰值进行相关预测[4,5]。此外，有采用差分进化灰狼优化改进的支持向量回归[11]对河北省碳排放总量进行预测，但碳排放总量不仅包含能源消费量还有工业林业等部门的排放量，而且在验证预测模型的精确性时仅与神经网络模型进行了对比。

我国不仅是农业大国，也是世界上最大的碳排放国，在第75届联合国大会我国提出了“二氧化碳排放力争于2030年达到峰值，努力争取2060年前实现碳中和”的目标。河北省作为碳排放总量以及碳排放强度双高的省份，控碳工作面临极大的压力，同时作为农业大省，农业现代化水平有待提高。农业生产过程会排放出大量CO2，如何有效降低农业碳排放量是亟待解决的问题，而有关河北省农业碳排放情况的研究甚少，且主要通过灰色预测模型和STIRPAT模型做预测研究，输入变量多为碳排放量的影响因素。因此本文在以下2个方面进行了深入分析：研究视角上，主要研究河北省农业碳排放情况，并将河北省农业碳排放情况与山东省作对比，研究省域上的差异；研究方法上，本文采用差分进化灰狼优化改进的支持向量机回归模型(DE-GWO-SVR)对农业碳排放量进行预测研究，同时改为将各碳源作为输入变量，碳排放量由各碳源排放量求和所得，因此用来预测碳排放量效果会更好。并将结果与多个模型进行对比验证预测优异效果，进一步拓展机器学习在农业碳排放预测的应用。通过对河北省农业碳排放情况的研究，了解当前碳排放省情，为河北省节能减排工作提出合理化建议，加快建设绿色低碳、生态优美的现代化河北新农村。

1 研究方法及数据来源

1.1 IPCC法碳排放估计模型

C=∑Ci=∑Ei×δi

(1)

式中，C为农业生产碳排放总量；Ci为各类农业碳源碳排放量；Ei为各碳排放源投入量；δi为各碳源的碳排放系数，其中各碳源的碳排放系数取值如表1所示。

表1 农业碳排放碳源、系数及参考来源

1.2 农业碳强度计算模型

选取农业碳排放强度作为衡量农业碳排放水平的指标，由地区农业碳排放量与该地区农业生产总值之比得到[12]，用每单位农业生产总值的增长所带来的碳排放量作为碳排放强度更科学，更方便于进行不同地区的对比。具体估算公式：

S=T/B

(2)

式中，S为碳排放强度；T为农业碳排放总量；B为农业生产总值。

1.3 差分进化灰狼优化改进的支持向量机模型

支持向量机(support vector machine,SVM)是最受欢迎的机器学习算法之一，其基本思想是依据统计学习理论，利用核函数将输入样本空间映射到高维特征空间，在这个高维空间中求得一个最优分类面，得到输入与输出变量间的非线性关系[13]。支持向量机用于回归时称为支持向量回归(SVR)，在解决小样本、非线性和高维模式识别等问题方面具有优势，但其超参数设置将直接影响模型预测的稳定性和精确性，因此参数优化尤为重要。

灰狼优化算法(Grey Wolf Optimizer，GWO)是由Mirjalili等于2014年提出来的一种新的群体智能优化算法[14]。该算法模仿了自然界中灰狼的社会等级层次制度和狩猎机制。其中社会等级层次制度是指将灰狼划为4个等级，狩猎机制是将追踪、包围追捕和攻击猎物等捕食任务分配给不同等级的灰狼来完成捕猎行动，从而实现全局优化的目标。灰狼优化算法具有较强的收敛性能、易实现等特点，但由于种群多样性差使得算法有收敛速度不理想，易陷于局部最优和早熟收敛等缺点。

差分进化(Differential Evolution，DE)作为一类基于群体的自适应全局优化算法，由Rainer Storn[15]于1995年提出。其思想来源于遗传算法，主要步骤为变异、交叉和选择3个过程，实践证明是速度最快的进化算法，具有鲁棒性、高效性等优点。

将差分进化和灰狼优化相结合，利用差分进化算法产生的差分变异增加灰狼种群的多样性，可以改善早熟停滞的缺点，同时保留灰狼算法全局最优的搜索能力。用其改进支持向量机回归模型可高效地搜索到全局最优解，提高模型的稳定性和准确性。

1.4 指标选取与数据来源

一般而言，农业碳排放主要来源于6个方面[16]，具体指标如表2所示。

表2 农业碳排放主要来源

本文样本研究时期为2000—2019年，数据来源于《河北统计年鉴》《河北农村统计年鉴》《山东统计年鉴》和《山东农村统计年鉴》等，其中翻耕面积使用当年实际播种面积作替代，灌溉面积以当年节水灌溉面积为准。

2 结果与分析

2.1 农业碳排放量变化及特征

总体来讲，2000—2019年河北省农业碳排放量呈现升降交替的趋势，见表3，分段来看，2000—2005年碳排放量急剧增加，从535.16万t增加757.39万t，年均增长率为7.39%，其中2003—2004年增长最为迅速，增长率为20.12%；2007—2008年碳排放量迅速下降，从785.09万t降到694.28万t，年平均增长率为-11.57%，可见为迎2008年北京夏季奥运会开展的“蓝天计划”行动减碳效果显著。2015—2019年碳排放量迅速下降，从700.66万t降到581.19万t，年平均增长率为-4.55%，说明河北省在“十二五”节能减排目标中取得了可喜的成就。从总体上来看，农业碳排放量处于较高位，说明河北省节能减排工作压力不减，未来还需锲而不舍地打好节能减排攻坚战。

农业碳排放源占比随着时间的推移有所变化，但总体来看，最大的碳排放源化肥和第3大碳排放源农业灌溉，都呈缓慢上升的趋势；第2大碳排放源为农用柴油，总体上呈先降后升的趋势。推进农业现代化发展，减少化肥、农用柴油的使用，提升农业灌溉技术，才能有效降低农业碳排放量。

表3 2000—2019年河北省农业碳排放量及环比增速

2.2 两省农业碳排放总量及碳强度对比

山东作为河北邻近农业大省，其农业机械化、规模化和产业化都走在全国前列，两省气候温差相近，种植农作物种类相似。将河北与山东农业碳排放量及碳排放强度进行对比，以探究有何异同，对研究河北具有重要指导意义。一般来说，农业技术水平低、能源利用效率差会导致农业碳排放强度高，而结果发现虽然山东的农业碳排放量一直高于河北，但山东农业碳排放强度年均为0.3313t·hm-2，河北年均农业碳排放强度为0.3937t·hm-2，两省相差无几，且都呈先上升后下降的趋势，表明两省农业可持续发展政策成效显著，同时说明河北省农业增长方式正由粗放型向低碳节约型的绿色农业转变，农业技术水平以及能源利用效率在逐年提升，向全国前列靠近，省域差距在逐渐减小。

图1 两省农业碳排放总量及碳排放强度

2.3 农业碳排放与经济增长关系分析

2.3.1 模型的构建

库兹涅茨曲线(EKC)常用来研究环境破坏程度和经济发展的关系，其倒U型反映了经济发展对环境改善的有益影响，在考虑污染物流动的短期路径方面更为有效。后经多次验证发现该曲线存在倒U型、U型、倒N等多种形状，为找出最合理EKC曲线，本文构建如下3种模型，并根据结果进行优化选择：

Yt=β0+β1Xt+ε

(3)

Yt=β0+β1Xt+β2(Xt)2+ε

(4)

Yt=β0+β1Xt+β2(Xt)2+β3(Xt)3+ε

(5)

式中，Yt表示第t年农业碳排放量；Xt表示第t年人均农业生产值；β0表示常数项；β1、β2、β3表示待定参数；ε表示随机误差项。

2.3.2 模型的选取与分析

通过SPSS对模型进行拟合，结果如表4所示。

表4 模型结果

由表中ANOVA检验的P值及复相关系数R2可以确定本文选用三次模型对河北省农业库兹涅茨曲线进行分析更合适，模型方程：

Yt=287.191+0.05lnXt-1.718×10-6(Xt)2+

1.679×10-11(Xt)3

(6)

式(6)表明河北省农业碳排放量与人均农业GDP之间呈正N型曲线关系。从图2曲线拟合情况来看，在2007年以前河北省农业碳排放量随着人均农业GDP的增加而增加，二者呈正比关系；2007至今随着人均农业GDP不断上升的过程中，农业碳排放量逐渐下降，两者呈反比关系。与传统的倒U型曲线不同，河北省环境质量随着GDP的增长，环境污染逐渐严重，环境恶化程度随经济的增长而加剧；当GDP发展到达拐点之后，随着治理深入，环境污染的程度减轻，环境质量逐渐改善，但随着经济的继续发展到下一个拐点后，环境污染程度又会逐渐增加。目前来看河北省处于下一个转折点的左侧，接下来一段时间农业碳排放量会随着经济发展逐渐下降，但要注意如果到达极小点后河北省环境质量随着经济发展会有所恶化，应采取有效措施避免拐点再次出现。

图2 河北省碳排放库兹涅茨曲线

2.4 农业碳排放量预测模型测算

本文采用Matlab 2016b的libsvm 3.25工具箱进行模型训练，为了验证DE-GWO-SVR模型对农业碳排放量预测的准确性和有效性，除了与原始SVR模型形成对照外，还与差分进化改进的支持向量机模型、灰狼优化的支持向量机模型进行对比。为使对比公平合理，几种算法采用的主要初始参数都相同，训练集与测试集比例设为7∶3，核函数采用径向基函数，优化算法中种群规模设为10，最大迭代次数设为150，交叉概率为0.5。

图3 模型预测结果对比图

图3描述了4种模型测试集的预测结果，由图3可知，差分进化和灰狼优化相结合改进的支持向量回归模型的预测效果与差分进化改进的支持向量回归模型相差不大。为进一步比较几种模型的预测效果，通过均方误差MSE、决定系数R2和时间提高百分比T 3个指标评价不同预测模型的性能，具体结果如表5所示。

表5 不同算法对比

由表5可知，与原始的SVR模型相比，其他3种优化算法均可以显著提升预测模型的均方误差MSE、决定系数R2和时间提高百分比T。其中DE-GWO-SVR模型多方面高效，均优于其他2种模型，时间效果提高最为明显。由此可见本文选择该模型作为农业碳排放量预测模型是合理的。通过时间序列分析的ARIMA模型对6种碳源未来6a的碳排放量进行预测，然后将预测结果带入DE-GWO-SVR模型得到2020—2025年农业碳排放总量预测值，列于表6。由预测结果可知，2020年以后河北省农业碳排放量在逐渐下降，2025年河北省农业碳排放量为561.7182万t，较2000年增加了4.96%，说明河北省节能减排工作有所成效，但仍需努力。

表6 2020—2025年河北省农业碳排放预测结果

3 结论与建议

3.1 结论

总体来讲，2000—2019年河北省农业碳排放量呈现升降交替的趋势，碳排放量从535.16万t增加到581.19万t，年平均增长率为0.73%。经过对农业主要污染物研究发现，前3大碳排放源分别为化肥、农用柴油和农业灌溉。

碳排放强度变化趋势表明，河北省农业正由粗放型向低碳节约型的绿色农业转变。同时河北农业碳排放强度略低于山东省，也说明河北省农业技术水平以及能源利用效率在逐渐提升，向全国前列靠近，省域间差距在逐年减小。

河北省农业环境污染与农业经济增长呈N型，环境恶化程度随农业人均生产值的增加呈先加剧后减轻再加剧的趋势，且已在2007年到达第1个拐点，目前来看，河北省处于第2个转折点的左侧，接下来一段时间农业碳排放量会随着经济发展逐渐下降，但到达极小点后河北省环境质量随着经济发展会有所恶化，应采取有效措施避免拐点再次出现、协调经济增长与环境质量的关系。

根据模型预测，2020—2025年河北省农业碳排放量逐年下降，由680.47万t下降到561.59万t，但较2000年相比仍上升了4.94%，说明河北省节能减排工作有所成效，但仍需不断发力。

3.2 建议

在降低农业碳排放量方面，从源头出发，提高碳排放源的利用率，同时减少使用量。重点落在前3大碳排放源，具体措施：指导农业生产者利用微生物替代化肥技术降低化肥使用强度，推广水溶肥料、作物专用肥等新型肥料产品；向农民普及农用机械节油驾驶技术的相关知识和方法以减少农用柴油的消耗，同时加大农机购置补贴力度鼓励农民购买新型环保农业机械；推广膜下滴灌、喷灌等节水技术，加快节水农业的发展。

在推动河北省农业现代化方面，仍需不懈努力，缩小与山东的差距，早日迈入全国前列。学习山东先进农业生产技术，发展特色农业，注重产业化和品牌化协同发展，并且加大广告宣传，提高特色农产品的知名度。提高核农业技术、农业生物技术等高新农业技术手段，并将这些技术落实到农业生产地区，以促进河北省农业现代化的发展。

在农业碳排放污染治理方面，发展经济的同时注意保护环境，避免拐点再次出现。因地制宜，根据不同地形不同环境种植污染小、成本低、经济系数高、高附加值的农作物，如蔬菜、玉米等，打造健康农业、低碳农业，使河北省长期保持环境恶化程度随经济增长逐渐减轻的趋势。

保持农业碳排放量逐年下降的趋势，坚持节能减排工作不动摇。加大惠农强农政策支持力度，按标准进行农业生产，建设标准化生产示范基地，推动农业产业结构优化调整，争取实现农业碳排放量零增长甚至负增长。