東北地區(qū)農(nóng)業(yè)碳排放的脫鉤效應及影響因素研究

王強 張歡歡

（中國石油大學，山東青島 266580）

東北地區(qū)農(nóng)業(yè)碳排放的脫鉤效應及影響因素研究

王強 張歡歡

（中國石油大學，山東青島 266580）

為研究近年來東北地區(qū)農(nóng)業(yè)碳排放與經(jīng)濟增長間關(guān)系，采用Tapio脫鉤模型和LMDI分解方法分析2001—2014年東北地區(qū)及各省農(nóng)業(yè)碳排放脫鉤效應及影響因素。結(jié)果表明：研究期內(nèi)東北地區(qū)農(nóng)業(yè)碳排放總量整體呈上升趨勢；農(nóng)業(yè)碳排放與經(jīng)濟增長間以弱脫鉤效應為主；農(nóng)業(yè)經(jīng)濟因素是農(nóng)業(yè)碳排放最主要促進因素，農(nóng)業(yè)效率因素則是最主要抑制因素。東北各省農(nóng)業(yè)碳排放脫鉤效應和影響因素差異較大。

東北地區(qū)；農(nóng)業(yè)碳排放；脫鉤效應；因素分解

我國是傳統(tǒng)農(nóng)業(yè)大國，農(nóng)業(yè)生產(chǎn)在國民經(jīng)濟中占有重要地位。2015中共中央、國務院在中央1號文件中明確提出“用發(fā)展新理念破解‘三農(nóng)’新難題，加大創(chuàng)新驅(qū)動力度，推進農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革，加快轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式”。目前全球正面臨氣候變化挑戰(zhàn)，中國也面臨保持經(jīng)濟增長和減少碳排放雙重壓力。農(nóng)業(yè)作為我國溫室氣體排放第二大來源，碳排放量約占碳排放總量17%[1]，推進農(nóng)業(yè)低碳發(fā)展對減少碳排總量具有重要意義。東北地區(qū)作為我國重要糧食生產(chǎn)基地，是農(nóng)業(yè)碳排放主要地區(qū)之一，目前東北地區(qū)正處于農(nóng)業(yè)發(fā)展轉(zhuǎn)型關(guān)鍵期，農(nóng)業(yè)低碳減排等問題引起廣泛關(guān)注。因此，分析近年來東北地區(qū)農(nóng)業(yè)經(jīng)濟增長與碳排放間脫鉤關(guān)系，解析農(nóng)業(yè)碳排放量驅(qū)動影響因素，對促進東北地區(qū)農(nóng)業(yè)可持續(xù)發(fā)展、維護我國糧食安全具有重要意義。

國內(nèi)學者對東北地區(qū)農(nóng)業(yè)經(jīng)濟發(fā)展與低碳減排問題的研究主要集中在農(nóng)業(yè)碳排放量測算、農(nóng)業(yè)碳排放影響因素分析及農(nóng)業(yè)低碳減排政策等。如蔣春陽通過分析近年來吉林省農(nóng)業(yè)經(jīng)濟發(fā)展相關(guān)數(shù)據(jù)[2]，發(fā)現(xiàn)吉林省農(nóng)業(yè)碳排放存在排放總量較大等問題。學者普遍認為農(nóng)業(yè)碳排放影響因素包括化肥農(nóng)藥等農(nóng)業(yè)物資使用量、主要農(nóng)作物播種面積以及農(nóng)業(yè)機械擁有量等。如師帥等通過研究東北地區(qū)低碳農(nóng)業(yè)影響因素[3]，發(fā)現(xiàn)化肥、農(nóng)藥投入并不一定使農(nóng)業(yè)產(chǎn)值增長，反而可能增加農(nóng)業(yè)碳排放量。同時，對于如何實現(xiàn)東北地區(qū)農(nóng)業(yè)低碳發(fā)展學者也提出政策建議，主要集中在完善相關(guān)法規(guī)、發(fā)展農(nóng)業(yè)技術(shù)提高生產(chǎn)效率、調(diào)整農(nóng)業(yè)結(jié)構(gòu)以及政府政策扶持等。如陳瑤利用SWOT量化分析方法研究東北三省低碳農(nóng)業(yè)發(fā)展狀況[4]，結(jié)果表明轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式、提高農(nóng)資效率等措施有利于低碳農(nóng)業(yè)發(fā)展。近年來Tapio脫鉤模型的引入為國內(nèi)農(nóng)業(yè)脫碳效應研究提供新方法和思路[5-6]，同時國內(nèi)學者嘗試利用Kaya恒等式、LMDI指數(shù)分解等新方法探討農(nóng)業(yè)碳排放主要影響因素及效應。如李琦和韓亞芬運用LMDI指數(shù)分解方法分析安徽省農(nóng)業(yè)碳排放影響因素[1]。

農(nóng)業(yè)碳排放量受多種因素影響?，F(xiàn)已有研究存在以下局限：一是研究領域大多關(guān)注傳統(tǒng)種植業(yè)，忽略對農(nóng)業(yè)碳排放量影響較大的畜牧業(yè)。二是局限于東北地區(qū)農(nóng)業(yè)碳排放總量的簡單測算和分析，較少運用脫鉤等模型分解該地區(qū)農(nóng)業(yè)發(fā)展脫鉤效應和影響因素，導致部分政策建議缺乏實證支撐。三是較少將東北地區(qū)和各省碳排放情況比較研究，導致研究成果對東北地區(qū)整體農(nóng)業(yè)發(fā)展指導意義不強，無法比較分析東北三省農(nóng)業(yè)碳排放差異性。鑒于此，在現(xiàn)有研究基礎上，運用IPCC溫室氣體排放指南中方法估算東北地區(qū)2001—2014年農(nóng)業(yè)碳排放量，運用Tapio脫鉤模型分析東北地區(qū)和東北各省農(nóng)業(yè)碳排放脫鉤效應，最后運用LMDI方法分解碳排放量影響因素，探討東北地區(qū)和東北各省農(nóng)業(yè)碳排放趨勢及脫鉤效應，針對東北各省農(nóng)業(yè)碳排放間差異性及不同因素影響，為實現(xiàn)東北地區(qū)農(nóng)業(yè)減碳目標提出建議。

一、研究方法與數(shù)據(jù)來源

（一）農(nóng)業(yè)碳排放量估算

在建立脫鉤模型前，測算2001—2014年東北地區(qū)農(nóng)業(yè)碳排放總量。農(nóng)業(yè)包括種植業(yè)和畜牧業(yè)，碳排放指廣義上溫室氣體排放量，為便于計算和衡量，結(jié)果中將不同溫室氣體統(tǒng)一換算成標準碳排放量。根據(jù)IPCC2007年報告公布數(shù)據(jù)，主要溫室氣體CO2、CH4、N2O與標準碳間折算系數(shù)分別取1.0、6.8182、81.2727。借鑒田云等[7-8]、李琦等[1]農(nóng)業(yè)碳源類型劃分方法，構(gòu)建東北地區(qū)農(nóng)業(yè)碳排放總量測算公式如下：

式（1）中，C為農(nóng)業(yè)生產(chǎn)碳排放總量（t標準碳）；i為農(nóng)業(yè)碳源類型，取值1～4，依次代表農(nóng)用物資、土壤、稻田和畜牧業(yè)；Ci為第i類碳源碳排放量（t標準碳）；j為不同溫室氣體種類，取值1～3，依次代表CO2、CH4和N2O；Xij為第i類碳源排放的第j類溫室氣體實際測算量（t），σj表示第j類溫室氣體與標準碳間折算系數(shù)。

選取2017年1月～2018年1月我院收治的行手術(shù)治療符合圍手術(shù)期急性衰傷的患者80例作為研究對象，主要采用回顧分析法對患者的病例治療進行分析、總結(jié)，并對圍手術(shù)期急性腎衰傷患者的預后進行總結(jié)。其中，男40例，年齡22～78歲，平均年齡（51.25±5.66）歲，女40例，年齡20～77歲，平均年齡（50.99±5.84）歲。

1.農(nóng)業(yè)物資CO2排放。農(nóng)業(yè)生產(chǎn)過程中消耗大量農(nóng)業(yè)物資，間接造成農(nóng)業(yè)碳排放。根據(jù)李琦[1]、智靜等[9]研究成果，依據(jù)東北地區(qū)實際情況，將農(nóng)用物資碳排放源劃分為化肥、農(nóng)藥、農(nóng)膜、柴油及農(nóng)業(yè)灌溉。碳排放量計算公式如下：表第m類農(nóng)用物資投入使用量（t或萬hm2），m取值1～5。am1表示第m類農(nóng)用物資CO2排放系數(shù)，取值如表1所示。

表1 主要農(nóng)用物資CO2排放系數(shù)

2.農(nóng)業(yè)土壤N2O排放。農(nóng)作物種植和生產(chǎn)過程中定期翻耕土壤，導致土壤表層破壞，釋放大量溫室氣體，其中以N2O最顯著。依據(jù)李波等研究[10]及東北地區(qū)實際情況，計算不同農(nóng)作物生長周期內(nèi)土壤N2O排放系數(shù)（見表2），其他旱地作物主要包括東北地區(qū)種植面積較大的馬鈴薯、油料作物和花生。建立土壤N2O排放測算公式如下：

第一步，按每條測線導出通過專業(yè)軟件例如RADAN7進行數(shù)據(jù)處理與人機交互解釋后得到的每個翻漿冒泥病害區(qū)域底界離散的邊界控制點的集合信息，生成按測線排列的鐵路線路翻漿冒泥病害區(qū)域底界坐標控制點數(shù)據(jù)文件即離散的邊界控制點的Excel報表。

式（3）中，X23是農(nóng)業(yè)土壤N2O排放量（t），Bn代表第n類農(nóng)作物種植面積（萬hm2），bn3為第n類農(nóng)作物土壤N2O排放系數(shù)，取值如表2所示。

表2 不同農(nóng)作物土壤的N2O排放系數(shù)(t/萬hm2)

2.農(nóng)業(yè)碳排放影響因素LMDI分解。因素分解方法主要原理是分解主分析參數(shù)影響因素，并研究主參數(shù)關(guān)鍵影響因素。由于對數(shù)平均指數(shù)分解法（LMDI）在分解過程和結(jié)果解釋方面具有較好適用性，故運用LMDI分解方法探討東北農(nóng)業(yè)碳排放關(guān)鍵影響因素[12]。根據(jù)LMDI分解模型定義，第t期農(nóng)業(yè)碳排放量（Ct）相當于基期（Co）變動量可表示為：

式（11）中ΔCHt、ΔCIt、ΔCSt、ΔCTt和ΔCPt分別表示農(nóng)業(yè)碳排放結(jié)構(gòu)因素、農(nóng)業(yè)效率因素、農(nóng)業(yè)結(jié)構(gòu)因素、農(nóng)業(yè)經(jīng)濟因素和勞動力因素對研究期內(nèi)農(nóng)業(yè)碳排放的影響變動量。借鑒LMDI分解方法，可將上式影響因素項表示為:

目前應用較廣泛的脫鉤模型主要有兩種：一是OECD提出的基于初期值和末期值的脫鉤因子模型；二是芬蘭未來研究中心Petri Tapio教授提出的基于碳排放與經(jīng)濟產(chǎn)值變化率比的脫鉤指數(shù)模型。Tapio脫鉤模型將研究對象總量變化和相對量變化綜合考慮，并以時間為尺度反映變量間脫鉤關(guān)系變化，準確性和客觀性比OECD模型更佳[11]。依據(jù)Tapio脫鉤模型，針對東北地區(qū)農(nóng)業(yè)經(jīng)濟發(fā)展與碳排放量間脫鉤關(guān)系，構(gòu)建脫鉤模型：

式（4）中，X32是農(nóng)業(yè)稻田CH4排放量（t），Ei代表東北各省中季稻種植面積（km2），i取值1～3。ei2是東三省水稻生長周期內(nèi)CH4排放系數(shù)，具體排放系數(shù)如表3所示。

（5）勞動力因素（Pt）：農(nóng)業(yè)勞動力數(shù)量是農(nóng)業(yè)生產(chǎn)重要影響因素，選取農(nóng)業(yè)總勞動力人數(shù)Pt作為勞動力指標，即勞動力因素Pt=Pt。

表3 東三水稻生長周期內(nèi)CH4排放系數(shù)(t/km2)

1.東北地區(qū)農(nóng)業(yè)碳排放脫鉤效應分析。根據(jù)上述東北地區(qū)農(nóng)業(yè)碳排放量測算結(jié)果，結(jié)合Tapio脫鉤評價模型，計算東北地區(qū)2001—2014年農(nóng)業(yè)碳排放量與農(nóng)業(yè)經(jīng)濟增長間脫鉤彈性指數(shù)，見表8?？傮w而言，研究期內(nèi)東北地區(qū)農(nóng)業(yè)碳排放脫鉤狀態(tài)以弱脫鉤為主，2010—2014年脫鉤彈性指數(shù)維持在0.8以下，即東北地區(qū)農(nóng)業(yè)碳排放增速總體低于農(nóng)業(yè)經(jīng)濟產(chǎn)值增速，說明近年來東北地區(qū)在農(nóng)業(yè)低碳減排方面取得成效。具體而言，東北地區(qū)農(nóng)業(yè)碳排放脫鉤狀態(tài)演變過程可劃分為三個階段：第一階段（2001—2006）為弱脫鉤階段，該階段農(nóng)業(yè)碳排放總量穩(wěn)步增長，與此同時農(nóng)業(yè)經(jīng)濟產(chǎn)值不斷增加，且增速始終高于農(nóng)業(yè)碳排放增速，脫鉤狀態(tài)以弱脫鉤為主。第二階段（2006—2010年）為大幅波動階段。該時期農(nóng)業(yè)碳排放量出現(xiàn)較大幅度波動，而農(nóng)業(yè)經(jīng)濟產(chǎn)值增長較平緩，農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟增長間關(guān)系往往伴隨農(nóng)業(yè)碳排放總量波動而表現(xiàn)為不同脫鉤狀態(tài)，分別出現(xiàn)擴張負脫鉤、強脫鉤、增長連接狀態(tài)。第三階段（2010—2014）為弱脫鉤階段。該階段農(nóng)業(yè)碳排放總量漸趨平穩(wěn)，同時農(nóng)業(yè)經(jīng)濟產(chǎn)值穩(wěn)步增長，且增速始終高于碳排放增速，連續(xù)四年保持弱脫鉤。

式（5）（6）中，X42、X43分別表示牲畜養(yǎng)殖CH4和N2O排放總量（t）；Yf為第f種牲畜養(yǎng)殖數(shù)量（千頭）；yf1、yf2、yf3分別為第f種牲畜腸道發(fā)酵排放CH4系數(shù)、糞便排放CH4系數(shù)和糞便排放N2O系數(shù)。田云等[8]研究畜牧業(yè)主要牲畜CH4和N2O排放系數(shù)，結(jié)合東北地區(qū)牲畜養(yǎng)殖現(xiàn)狀，選取牛、馬、驢、騾、豬、山羊和綿羊七類主要養(yǎng)殖品種測算碳排放，各類牲畜排放系數(shù)如表4所示。

表4 主要牲畜種類CH4和N2O排放系數(shù)(t/千頭)

（二）農(nóng)業(yè)碳排放脫鉤效應分析

脫鉤概念最早出現(xiàn)在物理學領域，表示原本聯(lián)系較密切的變量間關(guān)系逐漸淡化甚至完全脫離現(xiàn)象。世界經(jīng)濟合作與發(fā)展組織（OECD）首次將脫鉤分析方法運用于環(huán)境與經(jīng)濟學研究，分析發(fā)達國家工業(yè)化過程中經(jīng)濟增長與能源消耗間變動關(guān)系[11]，主要使用脫鉤模型分析具體領域的行業(yè)經(jīng)濟增長與能源消耗不同步變化，旨在反映我國碳排放量與經(jīng)濟增長關(guān)系。

抗病品種的選育可以從根本上減少病害的發(fā)生和發(fā)展，分子生物學作為選育抗病品種的主要方法在近些年已經(jīng)得到高度的重視，抗病育種時可以針對不同地區(qū)的氣候特點進行抗病育種，得到針對該地區(qū)的抗病品種?？共∑贩N不僅可以提高蔬菜糧食的產(chǎn)量同時也可以減少農(nóng)藥的污染，但目前分子生物學方法選育的抗病品種仍然存在一些問題。

式（7）中，e（C，G）代表農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟增長間脫鉤彈性指數(shù)，ΔC表示研究期內(nèi)碳排放變化量（萬t），C表示研究初期碳排放量（萬t），ΔG表示研究期內(nèi)農(nóng)業(yè)經(jīng)濟產(chǎn)值變化量（億元），G為研究初期農(nóng)業(yè)經(jīng)濟產(chǎn)值（億元）。依據(jù)e（C，G）、ΔC、ΔG不同數(shù)值組合，將農(nóng)業(yè)碳排放量與農(nóng)業(yè)經(jīng)濟增長間脫鉤狀態(tài)劃分為八種類型，見表5。由表5可知，強脫鉤代表農(nóng)業(yè)經(jīng)濟與碳排放協(xié)調(diào)發(fā)展達到最佳狀態(tài)，強負脫鉤表明在農(nóng)業(yè)經(jīng)濟衰退時，碳排放量反而增加。

（三）農(nóng)業(yè)碳排放影響因素的LMDI分解

上述脫鉤模型主要用于反映東北地區(qū)及東三省農(nóng)業(yè)經(jīng)濟產(chǎn)值變動量與碳排放變動量間脫鉤關(guān)系，但僅從總量上分析農(nóng)業(yè)產(chǎn)值脫碳狀況，因此本文在改進Kaya恒等式基礎上應用LMDI分解方法解析碳排放具體影響因素，進一步說明下列問題：東北地區(qū)及東三省農(nóng)業(yè)經(jīng)濟發(fā)展與碳排放量間脫鉤關(guān)系變動影響因素，是否為促進農(nóng)業(yè)碳排放量增加抑制因素。

1.農(nóng)業(yè)碳排放因素分解的Kaya恒等式。以Kaya恒等式為基礎，建立東北地區(qū)農(nóng)業(yè)碳排放因素分解模型。Kaya恒等式由Yoichi Kaya在IPCC會議上首次提出，表達式為：

其中C、POP與GDP分別代表CO2排放量、國內(nèi)人口總量與國內(nèi)生產(chǎn)總值。依據(jù)東北地區(qū)農(nóng)業(yè)經(jīng)濟和碳排放實際特點，完善Kaya恒等式分析模型，將碳排放結(jié)構(gòu)、農(nóng)業(yè)結(jié)構(gòu)等影響因素加入模型中，使模型更符合東北農(nóng)業(yè)特點，構(gòu)建農(nóng)業(yè)碳排放分解模型如下：

式（9）中，Ct為t期農(nóng)業(yè)碳排放總量（萬t），Cit為t期第i類碳源碳排放總量（萬t），i取值為1～4，Gt為t期農(nóng)牧業(yè)產(chǎn)值（億元），Nt為t期農(nóng)業(yè)總產(chǎn)值（億元），Pt為t期農(nóng)業(yè)勞動力數(shù)量（萬人）。由此，將引發(fā)農(nóng)業(yè)碳排放量變動因素分解為：

對照組（122人）采用傳統(tǒng)的非整合課程教學方法進行授課；觀察組（110人）采用整合后的課程設置，將整合醫(yī)學思維融入到教學中。兩組學生的授課教師、教學大綱相同，教材均為全國高等醫(yī)藥院校規(guī)劃教材。

莫斯科國立大學世界政治學院院長安德烈·科科申認為，北京香山論壇所能作的貢獻，已經(jīng)不局限于亞太地區(qū)安全與合作，中東安全問題出路、恐怖主義威脅與應對、人工智能與戰(zhàn)爭形態(tài)演變等攸關(guān)世界安全格局的熱點，都是大會的議題，“匯集參會代表的觀點和智慧，將有助于提供一些有價值的解決方案”。

則式（9）可簡化為：

2.2.1 我國群眾體育研究的高產(chǎn)作者分析 表1為我國群眾體育研究的高產(chǎn)作者統(tǒng)計表，從表1中可以發(fā)現(xiàn)，我國群眾體育研究發(fā)文量最多的作者是上海大學的楊小明，然而發(fā)文量也僅為6篇，這說明我國學者對于群眾體育的研究力度還遠遠不夠。

表5 脫鉤狀態(tài)分類與評價標準

3.稻田CH4碳排放。根據(jù)田云、張俊飚[7]研究成果測算東北地區(qū)稻田CH4產(chǎn)生和排放情況。根據(jù)東北地區(qū)實際情況，建立稻田CH4排放測算公式如下：

式（2）中，X11為農(nóng)用物資CO2排放量（t），Am代

（四）數(shù)據(jù)來源

本文相關(guān)數(shù)據(jù)均取自國家統(tǒng)計局統(tǒng)計數(shù)據(jù)、《中國農(nóng)業(yè)統(tǒng)計年鑒》以及東北三省統(tǒng)計公報。其中碳排放量測算中各類農(nóng)業(yè)物資消耗量、主要農(nóng)作物播種面積和因素分解中各省農(nóng)業(yè)產(chǎn)值主要取自國家統(tǒng)計局年度數(shù)據(jù)。其余數(shù)據(jù)來自《中國農(nóng)業(yè)統(tǒng)計年鑒》以及東北三省統(tǒng)計公報中相關(guān)數(shù)據(jù)的整理和計算。設定時間尺度為2001—2014年。為保證經(jīng)濟產(chǎn)值數(shù)據(jù)時間可比性，各年農(nóng)牧業(yè)總產(chǎn)值、農(nóng)業(yè)總產(chǎn)值數(shù)據(jù)均以1995年為基準價格換算后使用。

二、研究結(jié)果與分析

（一）農(nóng)業(yè)碳排放量時序特征

1.東北地區(qū)農(nóng)業(yè)碳排放時序特征。依據(jù)公式（1）～（6）測算出2001—2014年東北地區(qū)農(nóng)業(yè)碳排放總量，見表6。

由表6可知，東北地區(qū)農(nóng)業(yè)碳排放量整體呈上升趨勢，除2008年略有減少外，其余年份碳排放量均在增加，從2001年1 908.75萬t增加至2014年2 713.71萬t，年均增加量為61.92萬t。東北地區(qū)農(nóng)牧業(yè)經(jīng)濟產(chǎn)值也從2001年2 381.22億元增至2014 年5 200.40億元，且農(nóng)牧業(yè)碳排放量增速明顯低于農(nóng)牧業(yè)經(jīng)濟產(chǎn)值增速，所以該時期碳排放強度系數(shù)呈下降趨勢，從2001年0.80萬t/億元降低到2014年0.52萬t/億元。表明近年來東北農(nóng)業(yè)每億元經(jīng)濟產(chǎn)值碳排放量不斷降低，主要因該時期國家和地方推出系列農(nóng)業(yè)支持措施，加之東北農(nóng)業(yè)技術(shù)水平和生產(chǎn)效率提高，農(nóng)業(yè)經(jīng)濟發(fā)展狀況總體趨好。

GC-Osme由氣質(zhì)聯(lián)用儀（Agilent 7890A-5975C）與嗅聞裝置（ODP2）共同完成。聞香評價方法采用GC-Osme。實驗由兩名聞香經(jīng)驗豐富的研究人員進行（均為男性），一名為經(jīng)過4年GC-O訓練的專業(yè)人員，一名為有8年以上從事酒類感官分析的研究人員進行GC-Osme分析。實驗過程中記錄每個香氣成分出現(xiàn)的時間、香氣特征和強度。強度采用5分制，其中，1表示微弱氣味、3表示中等強度、5表示非常強烈的氣味，而2和4則表示介于這三者之間的強度，最終強度以兩人的平均值計。

表6 2001—2014年東北地區(qū)農(nóng)業(yè)碳排放量變化情況

從東北地區(qū)農(nóng)業(yè)碳排放總量構(gòu)成而言，在研究期內(nèi)，畜牧養(yǎng)殖排放在農(nóng)業(yè)碳排放總量中占比最高，多年平均占比達41.25%，是東北地區(qū)農(nóng)業(yè)碳排放最主要碳源，但占比總體呈下降趨勢。這是因近年來牲畜市場價格和飼料等養(yǎng)殖成本大幅波動，導致農(nóng)民牲畜養(yǎng)殖積極性下降，牲畜養(yǎng)殖量減少。其他三類碳源排放量在碳排放總量中比重總體呈上升趨勢。農(nóng)業(yè)物資碳排放在總量中占比為39.81%，年均產(chǎn)生碳排放940.24萬t，是農(nóng)業(yè)碳排放第二大碳源，在總量中占比可分為初期波動變化（2001—2005年）和后期持續(xù)增加（2005—2014年）階段。而土壤和稻田CH4產(chǎn)生的碳排放量相對較少，平均占比分別為10.79%和8.15%，年均碳排放量分別為252.86萬t和192.74萬t，兩者在總量中占比在初期下降和波動變化后，近年來總體呈緩慢上升趨勢。

點對多點的傳輸模式實現(xiàn)了雷達鏈路的備份、同時雷達數(shù)據(jù)可以同時傳送至多個網(wǎng)絡中的目標用戶、可以進行服務器間的合理切換，極大的加強了了雷達數(shù)據(jù)的安全保障。

2.東北各省農(nóng)業(yè)碳排放量時序特征。根據(jù)東三省農(nóng)業(yè)碳排放情況，由表7可知，2001—2014年東北三省中黑龍江省農(nóng)業(yè)碳排放量最大，多年累積排放量為13 862.91萬t，占三省總排放量的42.32%，且黑龍江省每類碳源碳排放量均顯著高于其他兩省。吉林省碳排放量居中，多年累積排放量為9 852.69萬t，占三省碳排放總量30.08%。遼寧省碳排放量相對較少，多年累積排放量為9 041.66萬t，占總排放量27.60%，除稻田CH4碳排放外，遼寧省其余碳源碳排放量均為最低。從不同碳源碳排放貢獻值而言，農(nóng)業(yè)物資和畜牧養(yǎng)殖碳源對各省碳排放總量貢獻值較大。黑龍江省最大碳源是農(nóng)業(yè)物資，其次是畜牧養(yǎng)殖，兩者碳排放量分別占全省排放總量38.81%和36.49%。吉林省最大碳源是畜牧養(yǎng)殖，其次為農(nóng)業(yè)物資，兩者占比分別為45.97%和39.56%。遼寧省農(nóng)業(yè)物資和畜牧養(yǎng)殖碳源占比分別達到42.97%和41.67%。土壤和稻田CH4碳源對各省碳排放量貢獻值均較小，兩者在各省碳排放總量中平均占比分別為10.66% 和7.52%。

第一，學生切實體會生活，獲取一手資料。鐘啟泉教授曾經(jīng)說過“要想讓學生學好語言，用好語言，那就得首先讓他們有思想、有情感。否則，就只能是陳詞濫調(diào)或無病呻吟”。怎樣讓學生成為感情豐富的人，最好的辦法就是老師有目的地啟發(fā)學生感知生活，快樂地投入到生活之中，那么生活自然會回饋你真實的情感，是無法被人代替的，因為同一件事，不同的人會有不同的體會，這就是你自己的一手寶貴資源，再加上老師的寫作技巧，有心的學生可以從這些一手資料中悟出深刻的人生哲理，從而進行“生活寫作”。

表7 2001—2014年東三省農(nóng)業(yè)碳排放情況

從農(nóng)業(yè)碳排放量變化趨勢而言，如圖1所示，研究期內(nèi)東北地區(qū)和各省農(nóng)業(yè)碳排放總量均呈不斷上升趨勢，且各省上升速率差異較大。黑龍江農(nóng)業(yè)碳排放量最高，且近年來增長較快，與其他兩省碳排放量差距不斷擴大。吉林和遼寧農(nóng)業(yè)碳排放量低于黑龍江，增速緩慢，近年來兩省碳排放量較接近。

圖1 2001—2014年東北地區(qū)農(nóng)業(yè)碳排放量變化趨勢

（二）農(nóng)業(yè)碳排放脫鉤效應分析

4.牲畜養(yǎng)殖碳排放。牲畜養(yǎng)殖碳排放主要包括牲畜腸道發(fā)酵的CH4排放以及糞便處理過程中CH4和N2O排放[6]，計算公式如下：

2.東北各省農(nóng)業(yè)碳排放脫鉤效應分析。從東北各省脫鉤狀態(tài)而言，如表9，三省農(nóng)業(yè)碳排放脫鉤狀態(tài)差異較大。黑龍江省農(nóng)業(yè)碳排放脫鉤狀態(tài)最不理想，研究期內(nèi)主要呈現(xiàn)“弱脫鉤-波動-弱脫鉤”變化趨勢，平均脫鉤彈性指數(shù)為0.81，平均脫鉤狀態(tài)為增長連接，即從2001—2014年總體而言，黑龍江農(nóng)業(yè)碳排放平均增速與農(nóng)業(yè)經(jīng)濟平均增速接近，未出現(xiàn)明顯脫鉤趨勢。吉林和遼寧農(nóng)業(yè)脫鉤狀況優(yōu)于黑龍江，研究期內(nèi)兩省農(nóng)業(yè)碳排放平均脫鉤彈性指數(shù)分別為0.65和0.54，平均脫鉤狀態(tài)均為弱脫鉤，即2001—2014年吉林和遼寧農(nóng)業(yè)碳排放平均增長率明顯低于農(nóng)業(yè)經(jīng)濟平均增長率，農(nóng)業(yè)低碳減排政策取得一定成效。

表8 東北地區(qū)農(nóng)業(yè)碳排放與彈性脫鉤指數(shù)

表9 東三省農(nóng)業(yè)碳排放脫鉤指數(shù)與狀態(tài)

（三）農(nóng)業(yè)碳排放影響因素分析

綜上所述，對于L5S1椎間盤突出的患者，尤其是在節(jié)段位于椎間孔或椎間孔外型突出者，在應用脊柱內(nèi)鏡經(jīng)椎間孔入路的時候，要在術(shù)前仔細判明髂棘高度以及突出間盤所在的位置，從而決定在術(shù)中是否行椎間孔成形術(shù)以及是否需要進行更確切的“靶點穿刺”。

1.東北地區(qū)農(nóng)業(yè)碳排放影響因素分析。本文在完善Kaya恒等式基礎上，采用LMDI分析方法分解2001—2014年東北地區(qū)農(nóng)業(yè)碳排放影響因素，分別得到研究期內(nèi)農(nóng)業(yè)碳排放結(jié)構(gòu)因素、農(nóng)業(yè)效率因素、農(nóng)業(yè)結(jié)構(gòu)因素、農(nóng)業(yè)經(jīng)濟因素和勞動力因素每年對東北農(nóng)業(yè)碳排放總量的貢獻值，計算結(jié)果如表10所示。

表10 東北地區(qū)農(nóng)業(yè)碳排放驅(qū)動因素分解結(jié)果(萬t)

農(nóng)業(yè)經(jīng)濟因素和碳排放結(jié)構(gòu)因素對東北地區(qū)農(nóng)業(yè)碳排放具有促進作用。其中農(nóng)業(yè)經(jīng)濟因素是農(nóng)業(yè)碳排放最主要促進因素。2001—2014年經(jīng)濟因素引起農(nóng)業(yè)碳排放累計增加量為1 892.86萬t（年均增加145.60萬t），達到該時期農(nóng)業(yè)碳排放實際變動量的235.12%。近年來在國家農(nóng)業(yè)政策支持下，東北地區(qū)農(nóng)業(yè)生產(chǎn)力不斷提高，人均農(nóng)業(yè)經(jīng)濟產(chǎn)值不斷增加，隨著農(nóng)業(yè)經(jīng)濟規(guī)模擴大，農(nóng)業(yè)物資消耗等碳源造成的碳排放量隨之增加。從經(jīng)濟因素變化特征而言，其引發(fā)的碳排放量波幅較大，對總體碳排放量影響較大，且近年來未出現(xiàn)較明顯下降趨勢。碳排放結(jié)構(gòu)因素對農(nóng)業(yè)碳排放量影響較小，研究期內(nèi)對農(nóng)業(yè)碳排放增量累計貢獻值僅0.08萬t（年均增加0.0062萬t），每年碳排放貢獻量較穩(wěn)定。

農(nóng)業(yè)效率因素、農(nóng)業(yè)結(jié)構(gòu)因素和勞動力因素對農(nóng)業(yè)碳排放量抑制作用程度不同。其中，效率因素抑制效果最強，即東北地區(qū)農(nóng)業(yè)生產(chǎn)率提高將極大減少碳排放量。研究期內(nèi)效率因素共減少東北地區(qū)農(nóng)業(yè)碳排放975.12萬t（年均減排75.01萬t），達到該時期農(nóng)業(yè)碳排放實際增加量的121.13%。從效率因素變化特征而言，每年消減的碳排放量波幅很大，有些年份甚至對碳排放總量起促進作用，2011—2014年基本穩(wěn)定在每年減排約70萬t。隨著東北地區(qū)農(nóng)業(yè)科技和先進農(nóng)業(yè)機械大規(guī)模應用，農(nóng)業(yè)生產(chǎn)中單位產(chǎn)值碳排放量呈下降趨勢，伴隨生產(chǎn)效率提升，效率因素對農(nóng)業(yè)減排也產(chǎn)生較大作用。勞動力因素和農(nóng)業(yè)結(jié)構(gòu)因素對農(nóng)業(yè)碳排放量具有一定抑制作用，研究期內(nèi)二者分別減少農(nóng)業(yè)碳排放75.69萬t（年均減排5.82萬t）和37.08萬t（年均減排2.85萬t），達到該時期農(nóng)業(yè)碳排放實際增加量的9.40%和4.61%，在變化趨勢上，二者碳排放貢獻值變化幅度較小，有些年份在正負間交替波動。

2.東三省農(nóng)業(yè)碳排放影響因素分析。根據(jù)各省農(nóng)業(yè)碳排放量分解情況，由表11可知，2001—2014年五類影響因素共引起東北農(nóng)業(yè)碳排放累計增量805.10萬t，其中黑龍江省碳排放增量最大，多年累積增加453.60萬t，占東北地區(qū)累積增量的56.3%。遼寧碳排放增量居中，研究期內(nèi)五類因素共引起碳排放增量185.96萬t，占東北地區(qū)累積增量的23.1%。吉林碳排放增量在三省中相對最少，多年累積增量為165.54萬t，占東北地區(qū)累積增量的20.56%。

表1 12001—2014年東北各省農(nóng)業(yè)碳排放影響因素分析

從各省碳排放影響因素而言，經(jīng)濟因素是農(nóng)業(yè)碳排放增加最主要促進因素，而效率因素是最主要抑制因素。黑龍江研究期內(nèi)經(jīng)濟因素累積增加碳排放量為931.60萬t，而效率因素共實現(xiàn)減少碳排放量400.60萬t，兩者分別達到全省碳排放實際增量的205.40%和88.33%。吉林研究期內(nèi)經(jīng)濟因素累積增加碳排放量為563.06萬t，而農(nóng)業(yè)效率因素共實現(xiàn)減少碳排放389.60萬t，兩者分別達到全省碳排放實際增量的340.14%和235.40%。遼寧研究期內(nèi)經(jīng)濟因素累積增加碳排放451.42萬t，農(nóng)業(yè)效率因素共減少碳排放231.40萬t，兩者在全省碳排放實際增加量中占比分別為242.70%和124.40%。三省碳排放影響因素的共同特征，主要反映隨農(nóng)業(yè)經(jīng)濟規(guī)模不斷擴大，農(nóng)業(yè)物資消耗等碳源碳排放量總體會隨之增加，進而影響農(nóng)業(yè)碳排放總量。提高農(nóng)業(yè)生產(chǎn)效率是農(nóng)業(yè)低碳減排重要途徑。勞動力因素、農(nóng)業(yè)結(jié)構(gòu)因素和農(nóng)業(yè)碳排放結(jié)構(gòu)因素對三省碳排放增量影響均相對較小，三者在各省碳排放實際增量中多年平均占比分別為-6.28%，-7.12%和0.01%，見表11。

綜上所述，東北地區(qū)農(nóng)業(yè)碳排放量變動是碳排放結(jié)構(gòu)、農(nóng)業(yè)效率、農(nóng)業(yè)結(jié)構(gòu)、農(nóng)業(yè)經(jīng)濟和勞動力等多因素共同影響結(jié)果。從東北地區(qū)而言，效率因素、結(jié)構(gòu)因素和勞動力因素對農(nóng)業(yè)碳排放量具有抑制作用，效率因素是最主要抑制因素；碳排放結(jié)構(gòu)因素和經(jīng)濟因素對碳排放量具有促進作用，其中農(nóng)業(yè)經(jīng)濟因素是最主要促進因素。從各省具體情況而言，經(jīng)濟因素是農(nóng)業(yè)碳排放增加最主要促進因素，而效率因素則是最主要抑制因素，其余三類因素影響相對較小，從東北地區(qū)及各省情況而言，碳排放促進因素引發(fā)的碳排放增量均大于抑制因素產(chǎn)生的消減量，因此研究期內(nèi)東北地區(qū)及各省農(nóng)業(yè)碳排放量總體呈上升趨勢，農(nóng)業(yè)低碳減排依然面臨較大壓力。

三、結(jié)論與政策建議

本文測算2001—2014年東北地區(qū)農(nóng)業(yè)碳排放總量，并運用Tapio脫鉤模型和LMDI分解方法，解析東北地區(qū)及各省農(nóng)業(yè)碳排放脫鉤效應和影響因素。主要結(jié)論如下：

2.3 兩組孕婦血脂水平比較 觀察組孕婦血脂指標FPG、TG顯著低于對照組，差異有統(tǒng)計學意義(均P<0.05)；兩組孕婦TC、HDL-C、LDL-C水平比較，差異無統(tǒng)計學意義(均P>0.05)。見表3。

第一，在碳排放總量方面，東北地區(qū)農(nóng)業(yè)碳排放量整體呈上升趨勢，從2001年1 908.75萬t增加至2014年2 713.71萬t，平均年增加61.92萬t。黑龍江農(nóng)業(yè)碳排放量最高，其次是吉林，遼寧碳排放量最低。農(nóng)業(yè)物資和畜牧養(yǎng)殖是農(nóng)業(yè)最主要碳排放源，而土壤翻耕和稻田CH4碳排放量相對較小。

第二，在農(nóng)業(yè)碳排放脫鉤狀態(tài)方面，2001—2014年東北地區(qū)農(nóng)業(yè)經(jīng)濟平均增速6%，明顯高于農(nóng)業(yè)碳排放量增速（3%），農(nóng)業(yè)碳排放脫鉤狀態(tài)總體以“弱脫鉤”為主，演變過程可概括為“弱脫鉤-波動-弱脫鉤”階段，且近年來碳排放脫鉤彈性指數(shù)呈下降趨勢。黑龍江農(nóng)業(yè)碳排放脫鉤狀態(tài)最不理想，平均脫鉤狀態(tài)為增長連接。吉林和遼寧農(nóng)業(yè)脫鉤狀況優(yōu)于黑龍江，平均脫鉤狀態(tài)均為弱脫鉤，三省脫鉤狀態(tài)逐漸趨向穩(wěn)定。

農(nóng)村飲水安全自動化監(jiān)控技術(shù)研究及應用前景分析……………………………………………… 胡 孟，李曉琴(8.66)

第三，在碳排放影響因素方面，從東北地區(qū)而言，農(nóng)業(yè)效率因素、結(jié)構(gòu)因素和勞動力因素對農(nóng)業(yè)碳排放量起抑制作用，農(nóng)業(yè)經(jīng)濟因素和碳排放結(jié)構(gòu)因素對農(nóng)業(yè)碳排放量起促進作用，經(jīng)濟因素是東北地區(qū)農(nóng)業(yè)碳排放最主要驅(qū)動因素。從各省具體情況而言，經(jīng)濟因素是各省農(nóng)業(yè)碳排放增加最主要促進因素，而農(nóng)業(yè)效率因素是最主要抑制因素，其余三類因素貢獻值相對較小。隨農(nóng)業(yè)經(jīng)濟規(guī)模增加，農(nóng)業(yè)碳排放量總體增加，提高農(nóng)業(yè)生產(chǎn)效率是發(fā)展低碳農(nóng)業(yè)重要途徑。

獨活為傘形科植物重齒毛當歸(Angelica pubescens Maxim.f.biserrata Shan et Yuan)的干燥根，被收載于《中國藥典》[1]，被《神農(nóng)本草經(jīng)》列為上品，“久服，輕身、耐老”，具有祛風除濕、通痹止痛之功效。在甘肅、湖北、重慶、四川均有分布，并在湖北省巴東、恩施、資丘、長陽、五峰等地有大面積種植，已有300多年的栽培歷史。現(xiàn)代研究發(fā)現(xiàn)，獨活還具有抗心律失常、抗腫瘤、抗胃潰瘍等作用，具有更遠大的藥用前途；其乙醇提取物具有很好的抑制植物病菌作用，在植物源農(nóng)藥領域的應用前景廣闊；此外獨活油還被應用在化妝、保健等領域[2]。

基于上述研究結(jié)論，同時考慮東北地區(qū)農(nóng)業(yè)經(jīng)濟發(fā)展在維護國家糧食安全、保障地區(qū)經(jīng)濟發(fā)展方面的重要意義，提出以下對策建議：第一，應成立區(qū)域農(nóng)業(yè)減排協(xié)調(diào)機構(gòu)，根據(jù)三省農(nóng)業(yè)生產(chǎn)和減排情況制定減排措施，因地制宜，同時協(xié)調(diào)整個區(qū)域政策實施。第二，提高農(nóng)業(yè)物資使用效率，并根據(jù)市場情況調(diào)整農(nóng)牧業(yè)結(jié)構(gòu)，將畜牧業(yè)碳排放控制在合理范圍內(nèi)，黑龍江應通過生產(chǎn)效率提升改變“高消耗、高排放”農(nóng)業(yè)發(fā)展模式。第三，提高勞動力素質(zhì)，政府應對農(nóng)業(yè)勞動力開展相關(guān)技術(shù)培訓，并加大先進農(nóng)業(yè)生產(chǎn)技術(shù)宣傳和推廣力度。

［1］李琦,韓亞芬.安徽省農(nóng)業(yè)碳排放的脫鉤效應及影響因素研究[J].安徽農(nóng)業(yè)大學學報（社會科學版）,2016(2).

［2］蔣春陽.吉林省低碳農(nóng)業(yè)發(fā)展問題研究[D].長春:吉林大學, 2015.

［3］師帥,陳紅.東北三省發(fā)展低碳農(nóng)業(yè)影響因素研究[J].商業(yè)研究,2013(5).

［4］陳瑤.東北三省低碳農(nóng)業(yè)發(fā)展的SWOT量化分析[J].農(nóng)場經(jīng)濟管理,2013(9).

［5］賀愛忠,劉盼.中國流通業(yè)CO2排放的因素分解和脫鉤分析[J].中國環(huán)境科學,2015(3).

［6］馮博,王雪青.中國各省建筑業(yè)碳排放脫鉤及影響因素研究[J].中國人口·資源與環(huán)境,2015(4).

［7］田云,張俊飚.中國農(nóng)業(yè)生產(chǎn)凈碳效應分異研究[J].自然資源學報,2013(8).

［8］田云,張俊飚,李波.中國農(nóng)業(yè)碳排放研究:測算、時空比較及脫鉤效應[J].資源科學,2012(11).

［9］智靜,高吉喜.中國城鄉(xiāng)居民食品消費碳排放對比分析[J].地理科學進展,2009(3)．

［10］李波,張俊飚,李海鵬.中國農(nóng)業(yè)碳排放時空特征及影響因素分解[J].中國人口·資源與環(huán)境,2011(8).

［11］李晨,遲萍,邵桂蘭.我國遠洋漁業(yè)碳排放與行業(yè)經(jīng)濟增長的響應關(guān)系研究——基于脫鉤理論與LMDI分解的實證分析[J].科技管理研究,2016(6).

［12］苑清敏,張文龍,寧寧寧.京津冀物流業(yè)碳排放驅(qū)動因素及脫鉤效應研究[J].科技管理研究,2016(5).

F327

A

1672-3805(2016)06-0001-10

2016-10-26

王強（1977-），男，中國石油大學（華東）經(jīng)濟管理學院教授，博士生導師，博士，研究方向為能源與區(qū)域發(fā)展、熱點能源與碳排放問題等。