浅析福州市种植业碳排放影响因素及碳减排措施

摘 要 了解种植业碳排放的特征与影响因素，可推动福建省福州市农业绿色低碳发展。为给福州市种植业碳减排提供新方法、新途径，通过统计年鉴获得相关种植业数据，以国内外常用的农业碳排放公式及碳排放系数来测算福州市种植业碳排放量。以2010年为基期年，运用kaya恒等式和对数平均迪氏指数（Logarithmic Mean Divisia Index，LMDI）模型解析福州市种植业碳排放影响因素。结果表明，2010—2019年，福州市种植业碳排放总量及强度在波动下降；在影响种植业碳排放的4个因素中，可通过提高种植业生产效率来寻求更好的碳减排途径。建议采取改变耕作方式、提高农资使用效率、创新发展低碳农业、加强宣传培训等措施，实现福州市种植业碳减排的目标。

关键词 种植业碳排放；对数平均迪氏指数（LMDI）模型；影响因素；减排措施；福建省福州市

中图分类号：F326.1；X322 文献标志码：A DOI：10.19415/j.cnki.1673-890x.2024.16.004

农业兼具碳源与碳汇功能，对环境产生双向影响，种植业作为农业的重要组成部分，作物的生长周期比林木短、更替快、对土壤的扰动频繁，为了产量还需要配备投入化肥、农药等农用物资，使得种植业碳源和碳汇的定位更加复杂。因此，在保障土地安全、粮食稳产保供的情况下，促进种植业的碳减排成为必然趋势。

目前，国内外众多学者的研究方向集中在农业，主要包含种植业与畜牧业，而对单纯种植业的研究相对较少。已有的文献大致从以下4个方面进行研究。1）碳排放因子分析。主流认为农业碳排放主要来源有农用物资投入包括化肥、农药、农膜等化学制品生产和使用过程中的碳排放；农作物灌溉消耗的电量造成的碳排放；农作物生产过程中排出的温室气体，如水稻种植过程中产出的CH4、N2O等，翻耕造成的温室气体排放[1-2]。2）碳排放的影响因素分析。在研究碳排放影响因素方面，主要方法有对数平均迪氏指数（Logarithmic Mean Divisia Index，LMDI）模型、空间计量模型等[2-4]。由于LMDI模型具有消除残差项、部门效应和总效应保持一致的优势，所以很多学者在进行农业碳排放研究时首选采用LMDI模型[5]。3）碳排放与经济增长的脱钩关系。通过Tapio脱钩模型分析农业碳排放和经济增长的脱钩弹性[6]。4）碳排放趋势预测。主要方法有灰色预测模型、自回归移动平均模型（Autoregressive Integrated Moving Average Model，ARIMA）等[7-8]。

1 材料与方法

1.1 研究区概况

福州市位于我国东南沿海、福建省东部，辖6个区、1个县级市和6个县。地形以山地丘陵为主，属亚热带季风气候，生态资源禀赋优越。目前，福州市永泰县、福清市被列入国家级绿色发展先行区名单，罗源县为省级绿色发展先行区，拥有国家级生态农场5家、省级种养结合示范点16个。

1.2 研究方法

1.2.1 种植业碳排放量的计算

由于目前尚无直接计量农业碳排放的监测手段，国内外研究中也无统一的测算方式，所以采用我国常用的农业碳排放测算公式及美国橡树岭国家实验室（Oak Ridge National Laboratory，ORNL）、南京农业大学农业资源与生态环境研究所（IREEA）、中国农业大学农学与生物技术学院（IABCAU）等机构以及一些研究学者所提供的碳排放系数来测算福州市种植业碳排放量。主要考虑以下3个方面：1）农用物资投入（包括化肥、农药、农膜、农业灌溉用电等）产生的碳排放；2）水稻种植过程中因根系淹水生成的CH4；3）农田土壤利用如农作物种植、土壤翻耕造成的温室气体排放，主要为N2O、CO2。选取水稻、蔬菜、油料、薯类、大豆等种植较多的农作物作为测算对象（见表1）。根据政府间气候变化专门委员会（Intergovernmental Panel on Climate Change，IPCC）第五次评估报告，CH4和N2O转化为CO2的增温潜势系数分别为28和265。具体公式为

E=∑Ei=∑Ti×δi（1）

式中：E为种植业碳排放总量；Ei为各类种植业碳源排放量；Ti为第i类碳源的量；δi为第i类碳源的排放系数。

1.2.2 农业碳排放影响因素及分解模型

根据Kaya恒等式与前人研究，碳排放量计算公式变形后为

（2）

（3）

（4）

（5）

式中：E为种植业碳排放总量；A为农林牧渔业地区生产总值；Q为种植业地区生产总值；P为农业劳动规模，用农林牧渔业从业人员数量表示；W为种植业生产效率；S为农业产业结构；L为农业经济水平，则有

E=W×S×L×P（6）

由于LMDI模型分解后不存在残差项，且加法分解和乘法分解可以相互转化，所以广泛用于碳排放研究中。采用LMDI的加法分解形式对公式（6）进行取对数、加和分解等处理，其中0为基期时间，t为t年时间，ΔE为种植业碳排放从基期到t时间的变化量。ΔW、ΔS、ΔL、ΔP分别为种植业生产效率、农业产业结构、农业经济水平和农业劳动规模从基期到t时间内对碳排放变化量的贡献值，得出各个影响因素的贡献值，计算公式为

（7）

（8）

（9）

（10）

由式（7）～（10）总结可得，种植业碳排放各分解因素贡献的总效应表达式为

ΔE=Et-E0=ΔW+ΔS+ΔL+ΔP（11）

2 结果与分析

所用数据来源于《福州统计年鉴》和《福建统计年鉴》，研究时间为2010—2019年。其中，化肥施用量按折纯量计算、农药使用量、农膜使用量、耕地灌溉面积、农林牧渔业地区生产总值、种植业地区生产总值、农林牧渔业从业人数均以统计年鉴数据为准；翻耕土地面积数据用当年农作物实际播种面积替代；水稻、大豆、蔬菜、油料和薯类以当年实际播种面积为准。

2.1 福州市种植业碳排放情况

2010—2019年，福州市种植业碳排放总量及强度如图1所示，福州市种植业的碳排放总量可分为2个阶段。2010—2015年变化不大，基本保持在220万～227万t；到2016年明显下降，碳排放总量为149.462万t，比2015年减少32.21%；2016—2019年平稳中略有上升。2019年上升至162.044万t，比2016年增长8.42%。同时，碳排放强度波动下降，从2010年的2.626 t·万元-1

降至2019年的0.889 t·万元-1，下降66.15%。这主要得益于近年来发展绿色农业、农业减排固碳等相关政策的出台，伴随农业科技水平的提升，生产效率逐渐提高，化肥减量增效、农药减量控害等措施的实行，引起种植业碳排放总量的减少及碳排放强度的降低。

由图2可知，根据不同碳源类型的划分，农田土壤利用＞稻田CH4排放＞农资投入，年平均碳排放量分别为118.68万t、59.32万t和18.36万t，分别占总量的60.24%、30.36%和9.40%。所有碳源中，农田土壤利用的贡献度最大，2010—2015年缓慢上升，2015—2016年呈下降趋势，主要是由于蔬菜、水稻等播种面积略有下降，随后在2016—2019年缓慢回升。稻田CH4排放在2010—2019年持续缓慢下降。农资投入的碳排放量在2010—2016年缓慢上升，2016年到达顶点，随后缓慢下降，主要原因是自2016年开展化肥农药减量增效工作以来，化肥、农药的使用量大幅度减少，使得农资投入的碳排放量减少。将农资投入细分为化肥、农药、农膜、农田灌溉，由图3可知，在农资投入中，化肥造成的碳排放占比最大，其次是农药、农田灌溉、农膜，所占比重分别为42.74%、21.37%、19.37%和16.52%。

2.2 种植业碳排放影响因素

基于LMDI模型分解的碳排放影响因素，结果如表2所示。与2010年相比，2011—2019年福州市种植业碳排放量累计减少了255.941万t。由表2可知，农业产业结构和农业经济水平对碳排放具有促进作用；种植业生产效率、农村劳动规模对碳排放具有抑制作用。

提高种植业生产效率是种植业碳排放减少的最主要因素。2011—2019年，种植业生产效率对碳减排的累计贡献量为1 078.498万t，年均贡献量为119.833万t，由表2可知，所有年份均持续减排，并且减排贡献值持续增大。这说明农业科技水平提升，生产效率提高，有效抑制了种植业碳排放。

农业劳动规模减小也会导致种植业碳排放减少，2011—2019年，农业劳动规模对碳减排的累计贡献量为82.314万t，年均贡献量为9.146万t。这说明随着农业现代化的发展，所需要的农业劳动人口在逐渐减少，农业规模化、集约化发展有助于实现碳减排。

农业经济水平提高、农业产业结构的变化是造成种植业碳排放增加的主要因素，尤其是农业经济水平的提高对碳增排的贡献较大。2011—2019年，农业经济水平对碳增排的累计贡献量为830.011万t，年均贡献量为92.223万t，并且基本呈逐年上升趋势。农业产业结构对碳增排的累计贡献量为74.860万t，年均贡献量为8.318万t，从早期的碳减排逐渐变成碳增排。种植业作为关系国计民生的基础产业，通过限制其发展来降低碳排放的做法显然不可行。因此，只有从农业生产效率和农业劳动规模等减排因素入手，才能寻求更好的减排方式。

3 讨论

3.1 改变耕作方式

推广保护性耕作，用少耕或免耕的方法减少对土壤的扰动，减少土壤中温室气体的排放，同时利用农作物秸秆或其他残茬覆盖地表，做好杂草控制和病虫害防治，以此来发挥土壤的自然保护功能。水稻种植过程中，强化稻田水分管理，因地制宜缩短稻田厌氧环境时间，抑制稻田甲烷的产生和排放。

3.2 提高农资使用效率

研究数据显示，化肥产生的碳排放在农资投入中占比最大，农药其次。因此，福州市需要持续推进化肥农药减量增效，深入推进化肥投入定额制，用有机肥部分替代化肥，种植绿肥改善土壤肥力。通过统防统治及生物防治技术，减少农药使用量。加快淘汰老旧农机，因地制宜推广低碳节能的农机装备，通过提高农资使用效率实现种植业碳减排。

3.3 创新发展低碳农业

研究表明，农业生产效率和劳动规模对种植业碳排放贡献有负向效果。因此，福州市应加大农业科技投入，将农业减排与人工智能、互联网+等相结合，将智慧农业、数字农业融入低碳农业的发展中，发展特色现代农业，提高农业从业人员的综合素质，强化农业人才支撑。

3.4 加强宣传培训

利用新闻、微信、微博等媒介，积极宣传低碳农业，依托新型职业农民、农村实用技术等培训，提升农民低碳发展意识，传授相关知识，从而实现农业绿色低碳发展。鼓励涉农企业做好碳汇产品开发，如永泰县金蛋发展有限公司开发的蛋鸭粪污资源化利用自愿碳减排核证碳标准（Verified Carbon Standard，VCS）项目，作为全国首个水禽粪污资源化利用碳汇VCS项目，成功将生态价值转化为经济价值，进一步挖掘碳汇产品的可行性，让生态保护者得到实惠，实现生态保护和经济收益良性互动。

参考文献：

[1] 郑博福，梁涵，万炜，等.江西省县域农业碳排放时空格局及影响因素分析[J].农业工程学报，2022，38（23）：70-80.

[2] 胡婉玲，张金鑫，王红玲.中国农业碳排放特征及影响因素研究[J].统计与决策，2020，36（5）：56-62.

[3] 李薇，蒙平珠，李彩弟，等.基于LMDI模型的甘肃省种植业生产碳排放影响因素分析及减排途径[J].作物杂志，2023（5）：264-271.

[4] 周一凡，李彬，张润清.县域尺度下河北省农业碳排放时空演变与影响因素研究[J].中国生态农业学报（中英文），2022，30（4）：570-581.

[5] 冉锦成，苏洋，胡金凤，等.新疆农业碳排放时空特征、峰值预测及影响因素研究[J].中国农业资源与区划，2017，38（8）：16-24.

[6] 刘顺翊，李松青.湖南省农业碳排放脱钩弹性及驱动因素：基于Tapio脱钩模型与LMDI分析[J].四川农业大学学报，2023，41（5）：952-960.

[7] 刘杨，刘鸿斌.山东省农业碳排放特征、影响因素及达峰分析[J].中国生态农业学报（中英文），2022，30（4）：558-569.

[8] 赵琪琛，余敦，王检萍.九江市农地利用碳排放时空演变、影响因素及趋势预测[J].水土保持研究，2023，30（6）：441-451.

[9] 许清涛，李玉波，杨淑杰.吉林省农业现代化进程中碳排放测算与分解[J].中国农机化学报，2018，39（7）：103-109.

[10] 闵继胜，胡浩.中国农业生产温室气体排放量的测算[J].中国人口·资源与环境，2012，22（7）：21-27.

[11] 王智平.中国农田N2O排放量的估算[J].农村生态环境，1997，13（2）：51-55.

[12] 邱炜红，刘金山，胡承孝，等.种植蔬菜地与裸地氧化亚氮排放差异比较研究[J].生态环境学报，2010，19（12）：2982-2985.

[13] 宁静，李亚洁，王震，等.中国粮食主产省区农业碳排放特征及影响因素[J].水土保持研究，2024，31（1）：450-459.

[14] 方志霞，王小梅.基于LMDI模型的青海省农业碳排放时空演变及影响因素研究[J].青海科技，2023，30（5）：35-42.

[15] 熊正琴，邢光熹，鹤田治雄，等.种植夏季豆科作物对旱地氧化亚氮排放贡献的研究[J].中国农业科学，2002，35（9）：1104-1108.

（责任编辑：刘宁宁）