基于LMDI模型的辽宁省农业碳排放影响因素研究

关键词：农业碳排放；LMDI模型；驱动因素；节能减排

0 引言

气候变化不仅是全世界人类共同面临的巨大挑战，也是全球可持续发展面临的巨大挑战。我国作为农业大国，农业碳排放占总碳排放量的17%，是我国第2大碳排放源，因此农业作为基础性产业，实施农业有效碳减排也是实现“双碳”目标的有效路径[1]。

“十一五”期间，辽宁省现代农业建设突显成效，在此期间辽宁省步入全国农业大省行列。“十三五”以来，辽宁省农业生产力持续提升，农民收入不断提高，农业低碳化有所成效，但辽宁省农业依旧存在高耗能、高碳排、低效率的发展情况[2]。《辽宁省“十四五”农业农村现代化规划》强调，构建现代乡村产业，建设宜居宜业乡村，加强生态环境修复，推进美丽绿色乡村建设。所以如何在辽宁省农业产业原有基础上持续推进生产力发展并平衡农业产值和乡村生态环境保护是一项长久且艰难的工作，辽宁省农业碳减排工作任重而道远。

目前，就碳排放情况的研究主要分为两大类：一类对碳排放驱动因素进行分析，识别主导因素，寻找减排路径；另一类则预测未来碳排放趋势，分析研究对象碳减排潜力[3]。在碳排放驱动因素分析研究中，各国研究人员多采用时间序列分析、灰色关联度分析、因素分解分析法及模型分析法等方法[4]。多数研究是基于历史排放数据从人口、经济、能源和技术等多角度分析碳排放影响因素[5]。CANSINOMJ等[6]将1995—2009年西班牙碳排放影响因素分为碳氧化率、能源强度、技术水平、结构需求和消费形式等。MOUTINHOV等[7]以欧洲不同地理分区国家碳排放为研究对象，结果发现，经济增长和人口变化对碳排放量变化呈现显著影响。ZHUB等[8]通过分解1978—2014年中国能源碳排放驱动因素，发现短期内能源结构和产业结构对碳排放具有高影响力，而长期内，人均GDP对碳排放具有高影响力。碳排放影响因素分析是碳排放趋势预测的基础，有效分析历史碳排放的驱动因素使碳排放趋势预测更加精准。

STIRPAT模型作为碳排放问题中广泛使用的一种研究模型，其综合考虑社会、经济及技术等多方面影响因素对碳排放的影响。XURenjing等[9]以中国制造业为研究对象，通过STIRPAT模型分析发现经济增长是行业碳排放的主导因素。ZHANGChuangua等[10]基于STIRPAT模型研究能耗碳排放量与外贸投资的相关性。黄蕊等[11]运用STIRPAT模型定量分析江苏省能耗碳排放影响因素，结果表明，当江苏省处于人口、GDP增长较低、能源强度较高的发展模式时，碳排放可得到有效抑制。

本研究基于2012—2021年辽宁省农业碳排放历史数据，运用LMDI模型分解方法，在明晰辽宁省农业生产碳排放源的基础上，得到影响农业碳排放的显著因素，而后构+wJF0coDY0cd2z9vJJrKoSgBeNvRsaRuxUQXO9IJABI=建辽宁省农业碳排放STIRPAT模型，多角度定性定量分析辽宁省农业碳排放，寻求辽宁省农业碳减排路径，为辽宁省农业碳减排提供理论基础。

1 研究方法

1.1 农业碳排放测算

本研究采用联合国政府间气候变化专门委员会（IPCC）所提供碳排放系数法测算辽宁省农业碳排放量。农业碳排放测算主要考虑化石燃料燃烧和农业生产利用两个方面，化石燃料燃烧主要计算农业消费端能源消耗所产生碳排放，而农业生产利用角度不仅考虑能源消费情况，还考虑了农业生产过程中中间产品消耗情况[12]。本研究基于辽宁省农业生产利用情况测算其农业碳排放总量，参考已有研究[13-15]并考虑数据可获得性，以化肥施用、农药施用、农膜使用、农机和农业灌溉等作为农业生产过程碳排放源。基本计算公式表示为

1.2 农业碳排放驱动因素分解

1989年YoichiKaya首次提出Kaya恒等式作为碳排放影响因素分解研究方法[18]。本研究结合农业生产活动实际情况，对Kaya恒等式进行合理变形，利用LMDI（对数平均迪氏分解）模型因素分解方法的因素可逆和残差项为零等优点，将辽宁省农业碳排放驱动因素分解。即

α、β、γ、δ——农业碳排放系数（农业碳排放系数体现农业生产过程中能源单位消耗量所产生的碳排放量）、能源强度、农业产业结构和农业经济发展水平。

运用LMDI加法分解方式进一步分解后，辽宁省农业碳排放贡献度为ΔC，农业碳排放系数、能源强度、农业产业结构、农业经济发展水平和人口规模对碳排放的贡献度分别为Δα、Δβ、Δγ、Δδ和ΔP。具体可表示为

Δα、Δβ、Δγ、Δδ、ΔP——农业碳排放系数、能源强度、农业产业结构、农业经济发展水平和人口规模对农业碳排放在基年到t年时期内变化量的贡献值研究时期内各影响因素的每年贡献值加总为对应因素的累计贡献度。

1.3 STIRPAT模型基本理论

STIRPAT模型是基于传统IPAT模型改进而来的可拓展的随机性环境影响评估模型，从人口规模、经济发展和技术水平3个角度定性和定量分析各指标对环境的影响程度[19]。本研究在LMDI模型因素分解方法基础上，构建以农业碳排放系数、能源强度、农业产业结构、农业经济发展水平和人口规模为自变量，辽宁省农业碳排放为因变量的STIRPAT模型，描述各变量间的数据关系。模型形式如下

1.4 数据来源

基于数据的最大可获得性，本研究所需数据来源于2012—2021年《辽宁省统计年鉴》与国家统计局公布的辽宁省年度数据，其中农业生产过程化肥、农药、农膜使用均为当年用量，灌溉面积为有效灌溉面积。

2 结果与讨论

2.1 农业碳排放量测算及分析

由表2可知，辽宁省农业碳排放总量由2012年的287.92万t下降至2021年的252.45万t，2012—2015年，农业碳排放总量呈现出大致稳定的趋势，在285万～288万t之间波动；2016—2021年，农业碳排放总量呈现持续下降的变化趋势，年均增长率绝对值均<3.5%。2012—2021年辽宁省农业碳排放强度基本呈下降趋势，由2012年的0.189万t/亿元降至2021年的0.108万t/亿元，在农业经济增长的同时，农业生产碳排放有所下降，辽宁省农业呈现低碳发展状态，农业碳排放效率得到一定程度的提升。2021年各碳源中，化肥施用、农药施用、农膜利用及灌溉产生的碳排放量均有所下降，其中农药施用和农膜利用产生碳排放量下降幅度较大，相比2012年分别下降15.57%、24.86%。使用农用机械产生的碳排放量则保持较稳定变化。在碳源结构方面，化肥施用是最大的农业碳排放源，平均占比为47.56%，其余农业碳排放源由高到低依次为农膜利用、灌溉、农药施用和农用机械使用，平均占比分别为24.41%、15.43%、10.07%和2.53%，因此控制化肥等农用化学制品施用量依旧是辽宁省农业低碳发展的必要选择，按照《东北黑土地保护规划纲要（2017—2030年）》提出的“积极推广资源节约型、环境友好型农耕技术，统筹规划土、肥、水等资源生产要素”，以及农业农村部、财政部推行的2019和2020年重点强农惠农政策，政策的积极引导将持续推进化肥减量增效，加快辽宁省农业低碳化进程[20]。除此之外，使用农用机械与灌溉产生的碳排放量占比持续上涨，表明了辽宁省农业生产规模与机械化程度逐渐提高，因此可以通过提高生产效率、优化施肥和灌溉等方式，促进农业碳减排。

2.2 农业碳排放量驱动因素分析

由表3可知，各影响因素中，农业碳排放系数、能源强度、人口规模负向驱动碳排放增长，可促进辽宁省农业碳减排，在研究期内分别累计减少了48.01万、103.84万和26.20万t碳排放量。其中能源强度的累计贡献度最高，是最显著的负向驱动因素，说明辽宁省农业生产过程中单位能源产生的碳排放下降，单位能源供给创造的产出增加，能源利用的经济效益提升。农业碳排放系数累计贡献度居第2位，研究期内辽宁省农业碳排放系数逐年下降，说明辽宁省农业生产过程中能源利用效率提高，在辽宁省农业综合生产经济发展基础上，农用机械的普及率和使用率的上升，以及“双碳”目标的推进促使能源使用向清洁化、低碳化方向发展。人口规模因素同样为抑制辽宁省农业碳排放量的显著因素，辽宁省农村劳动力人口规模对农业碳排放抑制作用并非来自由于劳动力人口下降对碳减排的直接作用，而是来源于人口流失间接带动农业劳动力综合素质的提高，增强农村劳动力低碳环保意识，政府的积极引导、教育和相关低碳技术生产培训工作的有效展开，低碳生产理念得以普及，农业生产效率提升，从而促进农业碳减排[20]。

农业产业结构和农业经济发展水平正向驱动碳排放增长，研究期内分别累计增加38.79万t、103.79万t碳排放量，其中农业经济发展水平的累计贡献度最高，是最显著的正向驱动因素。经济发展水平提升普遍引发碳排放量上升，现有农业生产模式仍具有较高的环境污染效应，因此碳排放量必然上升，并且未来农业经济发展水平依旧正向驱动农业生产碳排放。农业产业结构对农业碳排放影响程度较小，种植业作为辽宁省农林牧渔业中主要经济来源，并且近年来辽宁省种植业比重逐渐升高，如果在保障粮食安全的基础上合理规划粮食种植结构，优化农林牧渔产业结构，加快优势特色果蔬产业发展如打造辽南、辽西产业带和中北部优势产区的“两带一区多基地”布局，统筹规划海洋牧场建设，也将有效减少农业碳排放[21]。

2.3 STIRPAT模型构建

对各个自变量进行方差膨胀因子（VIF）检验，得到了农业碳排放系数、能源强度、农业产业结构、农业经济发展水平和人口规模的VIF值分别为13.727、384.352、93.829、322.852和23.49，VIF值明显>10，存在严重的多重共线性问题，由此利用岭回归方法构建农业碳排放STIRPAT模型，结果如式（12）所示。

模型调整后拟合R2为0.92，F统计值0.005<0.01，说明在0.01的显著性水平上。通过方差检验，模型显示农业碳排放系数、能源强度、农业产业结构、农业经济发展水平和人口规模的弹性影响系数分别为0.4997、0.0140、−0.0735、−0.0241和0.2418。将2012—2021年辽宁省的α、β、γ、δ和P的实际值带入式（12）。从总体趋势来看，α、β和P逐年递减，因此当其他变量保持不变时，农业碳排放系数、能源强度和人口规模分别减少1%时，辽宁省农业碳排放量分别减少0.4997%、0.0140%和0.2418%。另一方面，γ和δ则呈现逐年递增的趋势，因此当其他变量保持不变时，农业产业结构和农业经济发展水平分别增加1%时，辽宁省农业碳排放量分别增加0.0735%和0.0241%。

结合式（13）和表4可知，农业碳排放系数、能源强度和人口规模的负向驱动了碳排放的增长，促进了辽宁省农业碳减排，农业产业结构和农业经济发展水平的增加促进了农业碳排放，模型结果与LMDI模型因素分解结果相同。

根据STIRPAT模型测算后的拟合值与实际估算值对比如表5所示，2012—2021年辽宁省能源消耗碳排放实际估算值与模型拟合值相对误差较小，模型拟合效果较好，模型拟合值与实际值相对误差绝对值<5%在合理范围内，平均相对误差为−1.07%，在理论上证明此STIRPAT模型用于测算辽宁省农业碳排放具有一定的实证意义。

3 结束语

通过对2012—2021年辽宁省农业碳排放的影响因素分解分析，得到如下结论。

（1）农业碳排放总量，2012—2015年呈现出大致稳定的趋势，2016—2021年呈现持续下降的变化趋势；农业碳排放强度基本呈下降趋势，辽宁省农业呈低碳发展模式，碳排放效率有所提升。化肥等农业化学品的施用是最主要的农业碳源，占比为47.56%，如何有效控制化肥施用仍为辽宁省农业生产碳排放的主要减排路径。

（2）通过LMDI模型因素分解得到农业碳排放系数、能源强度和人口规模对辽宁省农业碳排放呈负向驱动影响，农业产业结构和农业经济发展水平则呈正向驱动影响，在平稳发展农业经济基础上，改善农村人口生活环境，发展优势农业生产模式仍是现阶段发展目标。

（3）利用STIRPAT模型定性定量分析辽宁省农业碳排放，发现当其他变量保持不变时，农业碳排放系数、能源强度、农业产业结构、农业经济发展水平和人口规模分别变化1%，辽宁省农业碳排放分别变化0.4997%、0.0140%、−0.0735%、−0.0241%和0.2418%；农业碳排放系数、能源强度和人口规模的负向驱动碳排放增长，促进了辽宁省农业碳减排，农业产业结构和农业经济发展水平的增加促进了农业碳排放。