基于LMDI模型的東北地區(qū)農業(yè)碳排放測度與分解

李政通，白彩全，肖薇薇

(1.南昌大學經濟管理學院， 江西 南昌 330031； 2.南昌大學計量經濟研究會， 江西 南昌 330031；3.山東大學經濟研究院， 山東 濟南 250100)

基于LMDI模型的東北地區(qū)農業(yè)碳排放測度與分解

李政通1,2，白彩全3，肖薇薇1

(1.南昌大學經濟管理學院， 江西 南昌 330031； 2.南昌大學計量經濟研究會， 江西 南昌 330031；3.山東大學經濟研究院， 山東 濟南 250100)

通過對東北三省的農業(yè)碳排放進行測度，并基于LMDI(對數(shù)平均迪氏分解)模型將其分解為碳排放強度、農業(yè)收入、就業(yè)結構與人口總量四種驅動效應。研究結果：(1) 從東北地區(qū)的農業(yè)碳排放總量來看，1996—2013年間黑龍江、吉林和遼寧三省的農業(yè)碳排放呈現(xiàn)逐年上升的趨勢，分別增加了0.72、0.63倍和0.52倍，年平均增長率分別為3.23%、2.92%和2.51%，黑龍江碳排放總量和增速最大；(2) 從東北地區(qū)農業(yè)碳排放的內部結構來看，農用資本與農地利用帶來的碳排放是東北地區(qū)的主要碳源，占比58.65%，其次是牲畜養(yǎng)殖碳排放，占比22.59%；(3) 碳排放強度效應對農業(yè)碳排放的影響為負，且表現(xiàn)出黑龍江>遼寧>吉林的特征；1996—2013年間，農業(yè)收入效應推動黑龍江、吉林和遼寧的農業(yè)碳排放分別增加了1480.57、883.17萬t和839.10萬t；就業(yè)結構效應對黑龍江和遼寧的農業(yè)碳排放有正向影響，但對吉林則呈現(xiàn)顯著的負向作用；人口總量效應對農業(yè)碳排放總量的影響均為正，驅動遼寧的農業(yè)碳排放增加了51.02萬t。

農業(yè)碳排放；LMDI模型；驅動效應；東北地區(qū)

隨著人類經濟發(fā)展水平逐步提高，對資源的需求利用也顯著增強，碳排放量已經成為影響世界氣候的重要因素，構建低碳社會成為人類的共同訴求。農業(yè)生產雖然是以種植業(yè)、畜牧業(yè)、水產養(yǎng)殖業(yè)等行業(yè)為主體的基礎性產業(yè)，但是在農業(yè)生產過程中，農業(yè)生產投入直接或間接造成了大量的碳排放[1]。研究表明，農業(yè)發(fā)展與碳排放之間存在協(xié)整關系，兩者有相同的發(fā)展趨勢[2-3]；且我國農業(yè)碳排放存在階梯差異，中東部農業(yè)大省是我國高排放地區(qū)，其次是中西部地區(qū)，而非農業(yè)城市或者西部落后地區(qū)則是我國低排放區(qū)[4]。產生這種階梯差異的原因主要在于地區(qū)的農業(yè)發(fā)展水平，其中中部地區(qū)通過提高農業(yè)生產效率、西部地區(qū)則可以通過優(yōu)化農業(yè)結構和推動農業(yè)勞動力轉移來減少農業(yè)碳排放[5]。近年來，諸如龐麗[5]、張小平[6]等運用LMDI方法對農業(yè)碳排放進行分解，綜合考慮農業(yè)生產結構、效率、勞動力與農業(yè)經濟等多個要素對農業(yè)碳排放的影響。這種方法將農業(yè)碳排放總量劃分為多種要素的影響，一方面突破了只關注總量的局限，另一方面從各要素分析農業(yè)碳排放的演變對如何減少農業(yè)碳排放更具指導作用。從農業(yè)發(fā)展的角度來看，推動農業(yè)經濟發(fā)展是實現(xiàn)糧食安全的必然要求，然而減少農業(yè)發(fā)展過程中的碳排放也是關系人類福祉的必要條件，在保護生態(tài)環(huán)境的基礎上實現(xiàn)農業(yè)生產發(fā)展是社會發(fā)展的必經之路。

黑龍江、吉林和遼寧均是我國重要的糧食主產區(qū)，在我國農業(yè)生產發(fā)展中占據(jù)重要地位。新中國成立以來，東北地區(qū)農業(yè)生產取得了顯著發(fā)展，依靠豐富的黑土資源和科技實力成為我國著名的“北大倉”。數(shù)據(jù)顯示，2013年東北三省稻谷、小麥、玉米、豆類和薯類五大類糧食作物產量占比全國比重為16.16%，0.34%，34.58%，30.73%和5.95%；而牛、馬、驢、騾、豬、山羊和綿羊等常見牲畜年末存欄頭數(shù)占全國比重分別為12.50%、13.52%、23.62%、12.11%、7.25%、5.01%和8.31%；從東北地區(qū)的農業(yè)生產條件來看，化肥、農藥、農膜和柴油使用量分別占全國比重為10.38%、10.82%、21.29%和13.11%。由此可見，東北三省在我國農業(yè)生產中占據(jù)重要地位，是我國重要的種植業(yè)與畜牧業(yè)地區(qū)，但東北三省農業(yè)生產帶來的碳排放如何，各種碳源對碳排放總量的影響如何，東北地區(qū)如何才能實現(xiàn)農業(yè)生產低碳化？這些問題亟待解決。為此，本文基于1996—2013年東北三省的農業(yè)生產相關數(shù)據(jù)，首先對東北三省的農業(yè)生產碳排放總量進行測度，接著運用LMDI方法將其對碳排放強度、農業(yè)收入、就業(yè)結構與人口總量四種效應進行分解。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

所用數(shù)據(jù)均來源于《中國農村統(tǒng)計年鑒(1997—2014)》[7]，其中，農用化肥施用量(按折純計)、農藥使用量、農膜使用量、農用柴油消耗量、農業(yè)灌溉面積、農作物播種面積、水稻種植面積、大豆種植面積、玉米種植面積均以當年實際情況為準；翻耕土地面積數(shù)據(jù)用當年農作物實際總播種面積替代；牛、馬、驢、騾、生豬、羊等牲畜數(shù)量依據(jù)年末存欄量以及出欄率進行修正，參考陳瑤[8]、胡向東[9]等的研究，對于出欄率大于1的牲畜，當年飼養(yǎng)量用出欄量除以365天再乘以其生命周期進行估計；而對于出欄率小于1的牲畜，則其飼養(yǎng)量用相鄰兩年年末存欄量平均數(shù)表示。在本文考慮的牲畜產品中，除生豬外其余牲畜產品出欄率均小于1，生豬的生產周期按照200天計算[9]。在對東北地區(qū)的農業(yè)碳排放進行LMDI分解時，本文首先以1978年為基期，對農業(yè)總產值根據(jù)當年居民消費價格指數(shù)進行除價格影響處理，得到實際的農業(yè)總產值。為保證數(shù)據(jù)的完整性，搜集黑龍江、吉林和遼寧三省1996—2013年的數(shù)據(jù)進行分析。

1.2 研究方法

1.2.1 農業(yè)碳排放總量測度 在對中國農業(yè)碳排放的研究中，張小平和王龍飛[6]、李立[10]、李波[2]、高鳴和陳秋紅[11]、魯釗陽[12]將農業(yè)碳排放的碳源分為化肥、農藥、農膜、農用柴油、農業(yè)灌溉和農地翻耕，而未考慮土壤N2O排放、農作物(如稻田等)的碳排放和牲畜養(yǎng)殖的碳排放；田云等[13]將農業(yè)碳排放源分為化肥、農藥、農膜和農用柴油4個方面，除了沒有考慮土壤N2O排放、農作物的碳排放和牲畜養(yǎng)殖的碳排放之外，對農業(yè)灌溉和土地翻耕引起的碳排放也沒有進行考慮。然而，田云等[14-16]的計算結果顯示，農業(yè)灌溉、土地翻耕、土壤N2O排放、農作物的碳排放和牲畜養(yǎng)殖的碳排放等在農業(yè)碳排放中占有非常大的比重，特別是農作物(如稻田等)和牲畜養(yǎng)殖的碳排放量，其與化肥、農藥、農膜、農用柴油、農業(yè)灌溉和翻耕6個方面的碳排放量總和相差不大甚至超過這6個方面的碳排放量總和。同時，田云等[14-18]和吳賢榮等[19]的研究全面考慮了農業(yè)碳排放的各類碳源，不僅考慮了化肥、農藥、農膜、農用柴油、農業(yè)灌溉和農地翻耕6個方面的碳源，還考慮了土壤N2O排放、農作物的碳排放和牲畜養(yǎng)殖的碳排放3大方面的碳源。因此，參考田云等[14-18]和吳賢榮等[19]對農業(yè)碳排放碳源因子的選取與分類研究，將農業(yè)碳排放碳源因子分為農用物資與農地利用、土壤N2O排放、稻田CH4排放和牲畜養(yǎng)殖四大類：(1) 農用物資與農地利用碳排放主要來源于四個方面：① 化肥、農藥、農膜等農用物質投入直接或間接導致的碳排放；② 農用機械使用耗費的柴油所引發(fā)的碳排放；③ 翻耕破壞土壤表層造成的有機碳流失；④ 農業(yè)灌溉電能耗費所帶來的碳排放。這些碳源因子的碳排放系數(shù)已由學者們計算得出。(2) 農作物種植對土壤表層的破壞易導致大量溫室氣體流失到大氣中，其中以N2O最為突出。相較于其他溫室氣體，由于N2O具有增溫潛勢大、滯留大氣時間長、破壞臭氧層等特點，其負面作用更為嚴重[20]。國內學者已通過大量實驗測算了我國主要農作物品種土壤的N2O排放系數(shù)。具體到東北三省，主要農作物為玉米、水稻和大豆，同時考慮到數(shù)據(jù)的可獲得性，本文只計算這三種農作物土壤的N2O排放。(3) 稻田是溫室氣體CH4(甲烷)的重要排放源之一，閔繼勝等[21]對中國各地區(qū)水稻生長周期內的CH4排放系數(shù)進行了測算，本文根據(jù)該研究結果，對黑龍江省、吉林省和遼寧省稻田的碳排放系數(shù)分別取值8.31gCH4·m-2(約合56.6742 gC·m-2)、5.57 gCH4·m-2(約合37.9874 gC·m-2)和9.24 gCH4·m-2(約合63.0168 gC·m-2)。(4) 牲畜特別是反芻牲畜的養(yǎng)殖是CH4的另一重要排放源，其主要來源于腸道發(fā)酵所造成的CH4排放和糞便管理系統(tǒng)中的CH4排放兩方面。對中國而言，引起CH4排放的牲畜主要有牛、馬、驢、騾、豬、羊等品種，其各自的碳排放系數(shù)同樣也通過借鑒田云等[15]的研究而得到。需要說明的是，為了方便研究，本文對碳排放量進行加總時，將CH4、N2O排放量統(tǒng)一轉換為標準C排放量，根據(jù)IPCC第四次評估報告[22]可知，1 t CH4、1 t N2O所帶來的溫室效應分別相當于25 t CO2(約合6.82 t C)、298 t CO2(約合181.27 t C)所帶來的溫室效應。以上各碳源因子的碳排放系數(shù)如表1所示，表中已按照上述原則，對各碳源因子的碳排放系數(shù)進行了轉換。

借鑒張秀梅等[23]、田云等[15]的研究，本文構建農業(yè)碳排放公式如下：

E=∑Ei=∑Ti×δi

(1)

式中，E為農業(yè)碳排放總量；Ei為各類碳源的碳排放量；Ti為各碳源因子的量；δi為各碳源因子的碳排放系數(shù)。

1.2.2 基于LMDI模型的農業(yè)碳排放分解 YoichiKaya首先構建了碳排放的分解公式[29]，其公式表示為：

(2)

在式(2)中，CO2，E，GDP和P分別表示碳排放總量、能源消費、地區(qū)生產總值與總人口。本文在Yoichi Kaya所構建模型的基礎上，同時借鑒戴小文等[30]的研究構建我國東北地區(qū)農業(yè)碳排放分解公式：

(3)

其中，CO2表示農業(yè)碳排放；Y表示農業(yè)總產值；PR表示農業(yè)從業(yè)人口總數(shù)；P表示人口總數(shù)。令CO2=G，CO2/Y、Y/PR、PR/P和P分別表示G1、G2、G3和G4。則G=G1×G2×G3×G4。其中，G1表示農業(yè)碳排放總量與農業(yè)總產值之比,體現(xiàn)的是農業(yè)生產過程中的碳排放強度效應；G2則表示農業(yè)總產值與從事農業(yè)生產的勞動力之比，表示的是農民收入效應；G3則顯示的是從事農業(yè)勞動人口總數(shù)占總人口數(shù)的比重，體現(xiàn)的是農業(yè)碳排放的就業(yè)結構效應；G4則是地區(qū)的總人口，表示的是農業(yè)碳排放的人口總量效應。為此，本文將農業(yè)碳排放分解為碳排放強度效應、農業(yè)收入效應、就業(yè)結構效應與人口總量效應，也即這4種驅動效應解釋了農業(yè)的碳排放變化。

在對農業(yè)碳排放效應劃分的基礎上，本文運用LMDI方法進行分解。Ang[31]研究認為，LMDI方法在現(xiàn)有的分解方法中具有更加突出的優(yōu)勢。該方法最早由Albrecht[32]提出，其最大的特點是分解后不存在殘差項，且加法分解與乘法分解可以相互轉化，操作簡便。近年來，LMDI模型在農業(yè)碳排放的分解中得到了廣泛應用，龐麗[5]、賀亞亞[33]等將農業(yè)碳排放分解為農業(yè)效率、農業(yè)結構、農業(yè)經濟水平三種驅動效應，而張小平等[6]則進一步考慮了碳排放的勞動力規(guī)模效應。研究表明，現(xiàn)有研究從強度、經濟、結構與人口四個方面對農業(yè)碳排放的驅動效應進行研究，對于建設低碳農業(yè)具有較好的參考價值；諸如田云等[15-16]雖然將農業(yè)碳排放劃分為四種碳源，但并沒有分析各種驅動因素對單個碳源的影響，從而忽視了農業(yè)碳排放內部結構差異。為此，本文運用LMDI方法將碳排放總量及其分碳源排放總量分解為碳排放強度效應、農業(yè)收入效應、就業(yè)結構效應與人口總量效應4種效應。

表1 各碳源因子的碳排放系數(shù)

注：ORNL即為美國橡樹嶺國家實驗室，IREEA即為南京農業(yè)大學農業(yè)資源與生態(tài)環(huán)境研究所，IPCC即為聯(lián)合國政府間氣候變化專門委員會，IABCAU即為中國農業(yè)大學農學與生物技術學院。

Note: the ORNL, IREEA, IPCC and IABCAU respectively refer to Oak Ridge National Laboratory, Institute of Resource, Ecosystem and Environment of Agriculture of Nanjing Agricultural University, Intergovernmental Panel on Climate Change, and College of Agronomy and Biotechnology of China Agricultural University.

首先，設定初始時刻的農業(yè)碳排放為G0，T時期后農業(yè)碳排放變?yōu)镚T。依據(jù)Ang的研究可以得到乘法分解和加法分解[32]，如下：

D=GT/G0=DG1×DG2×DG3×DG4

(4)

ΔG=GT-G0=ΔG1+ΔG2+ΔG3+ΔG4

(5)

(6)

(7)

2 結果與分析

2.1 東北地區(qū)農業(yè)碳排放演變分析

首先，依據(jù)表1可以計算出東北地區(qū)的農業(yè)碳排放量，其演變趨勢如圖1所示。從圖1中可以看出：(1) 東北三省的農業(yè)碳排放呈現(xiàn)逐年上漲的趨勢。研究顯示，黑龍江、吉林和遼寧三省的農業(yè)碳排放分別從1996年的877.91、540.71萬t和519.52萬t增加到2013年的1506.75、882.23萬t和792.24萬t，年平均增長率分別為3.23%、2.92%和2.51%，相比較1996年的農業(yè)碳排放量分別增加了0.72、0.63倍和0.52倍。這表明，隨著東北三省農業(yè)生產發(fā)展，其碳排放量也呈現(xiàn)較為顯著的增長趨勢，對生態(tài)環(huán)境產生的壓力越來越大。(2) 黑龍江是東北三省中碳排放量最大的省份，與其他兩省的差距呈現(xiàn)擴大化趨勢。從三者的碳排放量增速來看，黑龍江>吉林>遼寧，且黑龍江碳排放總量在1996年分別是吉林和遼寧的1.62倍和1.69倍，這一比值在2013年增加到1.71和1.90，這表明黑龍江省不僅是東北三省中農業(yè)碳排放量最大的省份，也是增速最快的省份。

圖1 東北三省農業(yè)碳排放總量/104t

Fig.1 Total agricultural carbon emissions in Northeast China

從農業(yè)碳排放的構成來看，農用物資與農地利用是主要的農業(yè)碳排放來源，其次是牲畜養(yǎng)殖碳排放。表2根據(jù)表1中的劃分顯示了東北三省2013年四個碳源的農業(yè)碳排放量。從東北三省整體來看，農用物資與農地利用帶來的農業(yè)碳排放占比58.65%，牲畜養(yǎng)殖碳排放則占比22.59%，兩者累計占比高達八成，表明農用物資與農地利用帶來的碳排放最高，牲畜養(yǎng)殖也是推高農業(yè)碳排放的重要原因；而分地區(qū)來看，除黑龍江外，吉林與遼寧兩省的牲畜養(yǎng)殖碳排放量占總體碳排量的比重僅次于農用物資與農地利用碳排放，兩者累計占比分別為80.78%和85.91%，是農業(yè)碳排放的主要構成，與東北三省農業(yè)碳排放構成相似；不僅如此，黑龍江的4種碳源所產生的碳排放均高于吉林和遼寧，除牲畜養(yǎng)殖碳排放外其他碳源所帶來碳排放的比重也高于其余2省，而相對于黑龍江和吉林而言，遼寧在牲畜養(yǎng)殖方面碳排放量較多(占比28.62%)。

2.2 東北三省農業(yè)碳排放分解

圖1和表2顯示了我國東北三省的農業(yè)碳排放演變趨勢，在此基礎上，本文運用LMDI模型對東北三省的農業(yè)碳排放進行分解。依據(jù)公式(3)，本文將東北三省的農業(yè)碳排放分解為碳排放強度、農業(yè)收入、就業(yè)結構與人口總量共四種效應。表3顯示了東北三省農業(yè)碳排放分解結果，表4在表3的基礎上顯示了1996—2013年東北三省四種碳源的分解效應。

從表3中可以看出，1996—2013年，黑龍江、吉林和遼寧的碳排放總量分別增加了628.84、341.53萬t和272.72萬t，其中黑龍江的增量最大。依據(jù)公式(3)，東北三省的農業(yè)碳排放可以分解為碳排放強度、農業(yè)收入、就業(yè)結構與人口總量共4種效應。研究顯示：(1) 碳排放強度效應(G1)衡量的是碳排放總量與農業(yè)總產值之比對農業(yè)碳排放總量的影響，當G1增大，表明一單位農業(yè)總產值帶來的碳排放增加，經濟發(fā)展對環(huán)境的破壞加重；與此相反則表示經濟發(fā)展表現(xiàn)出可持續(xù)性。從表3中可以看出，G1對東北三省農業(yè)碳排放的作用為負，且從絕對值來看黑龍江>遼寧>吉林，表明東北三省農業(yè)經濟發(fā)展所帶來的碳排放呈現(xiàn)減少趨勢。不僅如此，表4還表明，碳排放強度效應對各種類型的碳源均呈現(xiàn)主要負向影響，且碳排放強度效應對農用物資與農地利用碳排放的作用是形成碳排放強度效應的主要來源。這是由于碳排放強度減小表明一單位經濟所帶來的碳排放量減少，經濟發(fā)展得到優(yōu)化升級，從而推動農業(yè)科技投入，在保證土地產出的前提下對化肥、柴油、農藥、農膜等農資投入具有很好的削減作用。(2) 農業(yè)收入效應(G2)則是推高農業(yè)碳排放的主要因素，1996—2013年東北三省農業(yè)收入效應對農業(yè)碳排放的影響分別為1480.57、883.17萬t和839.10萬t(表3)，這成為東北地區(qū)農業(yè)碳排放增高的主要驅動效應，而農業(yè)收入效應體現(xiàn)的是從事農業(yè)生產勞動力的平均農業(yè)總產值收入對農業(yè)碳排放的影響。農業(yè)收入對農用物資與農地利用的碳排放驅動效應最大，這是由于農民在收入效應的驅動下，加大農業(yè)投入(尤其是化肥、農藥、農膜、柴油等投入)，在提升自身經濟效益的同時，形成了大量的農業(yè)碳排放。其次，農業(yè)收入效應還顯著地作用于牲畜養(yǎng)殖行業(yè)，這是由于牲畜養(yǎng)殖行業(yè)的產出效益要高于種植業(yè)，因而在經濟收益的驅動下，農業(yè)資本被大量投入到牲畜養(yǎng)殖行業(yè)，從而推高了農業(yè)碳排放。(3) 就業(yè)結構效應(G3)則表示的是從事農業(yè)生產的勞動人口占地區(qū)常住人口的比重，當這一比值較高時，說明當?shù)貜氖罗r業(yè)勞動的人口所占比重大，第一產業(yè)從業(yè)占據(jù)較大的份額。表3顯示，黑龍江、吉林和遼寧的就業(yè)結構效應對農業(yè)碳排放的影響分別是305.52、-87.43萬t和5.81萬t，結合表4可以看出， 就業(yè)結構效應對黑龍江呈現(xiàn)較為顯著的正向作用， 而對吉林則呈現(xiàn)顯著的負向作用， 對遼寧則呈現(xiàn)不明顯的正向作用。其中， 就業(yè)結構效應對黑龍江的農用物資與農地利用碳排放驅動效應最大， 為179.961萬t， 說明黑龍江省就業(yè)結構改善會對碳排放有緩解作用； 而這一指標在吉林則為-47.665萬t， 說明吉林省就業(yè)結構優(yōu)化將會帶來更多的碳排放。(4) 從人口總量效應(G4)來看， 黑龍江、吉林與遼寧三省的人口總量效應對碳排放總量的影響均為正， 其中遼寧最高(51.02萬t)， 黑龍江最小(32.95萬t)。表4顯示， 人口總量對農用物資與農地利用碳排放的驅動作用是該效應的主要組成部分， 其次是牲畜行業(yè)。其原因在于在人口總量的壓力下， 為保障糧食安全， 需要加大農業(yè)資本投入， 提高土地利用效率， 從而成為碳排放增加的驅動力。

表2 東北三省2013年農業(yè)碳排放總量及其分量/104t

注：“%”表示該碳排放分量與總量的比值。 Note:“%” were the ratio of components and total carbon emissions.

表3 1996—2013年東北地區(qū)碳排放總量分解/104t

表4 東北三省分碳源碳排放驅動效應分解/104t

3 結論與建議

3.1 結 論

東北三省在我國農業(yè)生產中占據(jù)重要地位，伴隨著糧食生產重心北移，將在我國農業(yè)生產中的地位日趨凸顯。本文首先對東北三省的農業(yè)碳排放量進行測度，再運用LMDI分解模型對東北三省的農業(yè)碳排放整體及四種碳源排放量進行分解，得出以下主要結論：

(1) 東北地區(qū)的農業(yè)碳排放呈現(xiàn)逐年上漲的趨勢，黑龍江是東北地區(qū)農業(yè)碳排放增速最快也是總量最大的地區(qū)。研究結果顯示，黑龍江、吉林和遼寧三省的農業(yè)碳排放分別從1996年的877.91、540.71萬t和519.52萬t增加到2013年的1506.75、882.23萬t和792.24萬t，年平均增長率分別為3.23%、2.92%和2.51%，相比較1996年的農業(yè)碳排放量分別增加了0.72、0.63倍和0.52倍。這表明，黑龍江的農業(yè)碳排放增速最快，也是東北地區(qū)主要的碳排放省份，遼寧是東北地區(qū)農業(yè)碳排放最少的地區(qū)，但牲畜養(yǎng)殖排放量較其它兩省比重更大。

(2) 農用物資與農地利用帶來的碳排放是東北地區(qū)的主要碳源，其次是牲畜養(yǎng)殖帶來的碳排放，稻田CH4排放帶來的碳排放所占比重最小?？傮w上，東北三省農用物資與農地利用帶來的農業(yè)碳排放與牲畜養(yǎng)殖碳排放分別占比58.65%和22.59%，累計占比高達八成，農用物資與農地利用及牲畜養(yǎng)殖對東北三省農業(yè)碳排放的貢獻最大；其中，牲畜養(yǎng)殖碳排放對吉林與遼寧的農業(yè)碳排放貢獻要大于黑龍江，其中遼寧最大，為28.62%。不僅如此，黑龍江的4種碳源所產生的碳排放均高于吉林和遼寧，除牲畜養(yǎng)殖碳排放外其他碳源所帶來碳排放的比重也高于其余2省。

(3) 碳排放強度效應與農業(yè)收入效應是地區(qū)農業(yè)碳排放的主要效應構成。由于碳排放強度效應具有一定的農業(yè)經濟與技術屬性，地區(qū)的農業(yè)碳排放強度效應越大，表明其經濟發(fā)展水平更高或農業(yè)生產技術得到改進，故碳排放強度效應對東北地區(qū)的碳排放表現(xiàn)為顯著負向作用；與此相反，地區(qū)的農業(yè)收入效應由于能夠刺激地區(qū)從事農業(yè)生產的積極性，導致農業(yè)生產規(guī)模擴大，從而顯著推動農業(yè)碳排放增加。研究結果還顯示，就業(yè)結構效應對吉林的農業(yè)碳排放有減小的作用，而人口總量效應則對地區(qū)農業(yè)碳排放有增大的作用，但就業(yè)結構效應與人口總量效應對地區(qū)農業(yè)碳排放變化的影響作用較小。

3.2 建 議

農業(yè)碳排放是整個農業(yè)生態(tài)系統(tǒng)生產過程中所排放的碳總量，減少農業(yè)碳排放主要是為了減少溫室氣體排放，從而減輕農業(yè)生產對氣候環(huán)境的破壞，形成低能耗、低排放和低污染的生態(tài)農業(yè)是農業(yè)發(fā)展的必然要求[33]。東北三省擁有我國最大的黑土地片區(qū)，一直是我國重要的農業(yè)生產區(qū)域，黑龍江、吉林和遼寧均是我國三大糧食主產區(qū)；不僅如此，東北地區(qū)也是我國重工業(yè)基地，有利于農用機械研發(fā)成果的就地轉化，因而東北地區(qū)也是我國農機化程度最高的地區(qū)。在優(yōu)勢的自然條件和科技條件帶動下，東北地區(qū)在我國農業(yè)生產中占據(jù)重要地位。但是近年來東北農業(yè)生產發(fā)展存在資源環(huán)境意識淡薄、產業(yè)結構不合理和農戶濫用化肥和農藥等問題，導致東北地區(qū)的農業(yè)發(fā)展只注重眼前利益而忽視了長遠利益，對生態(tài)環(huán)境有較大的破壞。在此背景下，為促進東北地區(qū)的農業(yè)生態(tài)發(fā)展，實現(xiàn)東北地區(qū)農業(yè)生產低碳化，根據(jù)研究結果，提出如下政策建議：

(1) 加大農業(yè)科技投入與轉化。研究表明碳排放強度效應對農業(yè)碳排放呈現(xiàn)主要的負向作用，加大農業(yè)科技投入與轉化將推動單位農業(yè)產值帶來的碳排放減少，而這是減少農業(yè)碳排放的主要動因。

(2) 樹立農業(yè)生態(tài)觀念，推動農業(yè)收入可持續(xù)增長。農業(yè)收入效應是拉高農業(yè)碳排放的主要因素，這是由于在經濟利益驅動下，農民通過加大農業(yè)投入以提高經濟收入，從而推動農業(yè)碳排放較大程度的提高。為此，需要樹立生態(tài)農業(yè)觀念，禁止無節(jié)制開發(fā)，注重保護農業(yè)生態(tài)。

(3) 開發(fā)農業(yè)生產技術，調整居民消費結構。研究顯示，農用物資與農地利用是農業(yè)碳排放的主要來源，而農用物資與農地利用則主要包括化肥、農藥、柴油、農膜等物資投入，為此需要加大開發(fā)農業(yè)技術，提高資源使用效率，降低農用物資對農業(yè)碳排放的增量。不僅如此，牲畜養(yǎng)殖也是僅次于農用物資與農地利用的主要碳排放來源，為此需要進一步優(yōu)化居民的食物消費結構，形成更為低碳的農產品消費模式。

[1] 王敬哲,劉志輝,張 波.近20年新疆農田生態(tài)系統(tǒng)碳足跡時空變化[J].干旱地區(qū)農業(yè)研究,2016,34(5):240-248.

[2] 李 波.經濟增長與農業(yè)碳排放關系的實證研究[J].生態(tài)環(huán)境學報,2012,21(2):220-224.

[3] 朱麗君,王光宇,姚 升,等.安徽省農業(yè)碳排放結構與效率研究[J].湖北農業(yè)科學,2015,(14):3546-3548.

[4] 李 波,張俊飚,李海鵬.中國農業(yè)碳排放與經濟發(fā)展的實證研究[J].干旱區(qū)資源與環(huán)境,2011,25(12):8-13.

[5] 龐 麗.我國農業(yè)碳排放的區(qū)域差異與影響因素分析[J].干旱區(qū)資源與環(huán)境,2014,28(12):1-7.

[6] 張小平,王龍飛.甘肅省農業(yè)碳排放變化及影響因素分析[J].干旱區(qū)地理,2014,37(5):1029-1035.

[7] 國家統(tǒng)計局.中國農村統(tǒng)計年鑒[M].北京：中國統(tǒng)計出版社，1997—2014.

[8] 陳 瑤,尚 杰.四大牧區(qū)畜禽業(yè)溫室氣體排放估算及影響因素分解[J].中國人口·資源與環(huán)境,2014,24(12):89-95.

[9] 胡向東,王濟民.中國畜禽溫室氣體排放量估算[J].農業(yè)工程學報,2010,26(10):247-252.

[10] 李 立,周 燦,李二玲,等.基于投入視角的黃淮海平原農業(yè)碳排放與經濟發(fā)展脫鉤研究[J].生態(tài)與農村環(huán)境學報，2013,29(5):551-558.

[11] 高 鳴,陳秋紅.貿易開放、經濟增長、人力資本與碳排放績效——來自中國農業(yè)的證據(jù)[J].農業(yè)技術經濟，2014，(11):101-110.

[12] 魯釗陽.省域視角下農業(yè)科技進步對農業(yè)碳排放的影響研究[J].科學學研究,2013,31(5):674-683.

[13] 田 云,張俊飚,李 波.基于投入角度的農業(yè)碳排放時空特征及因素分解研究——以湖北省為例[J].農業(yè)現(xiàn)代化研究,2011,32(6):752-755.

[14] 田 云,李 波,張俊飚.我國農地利用碳排放的階段特征及因素分解研究[J].中國地質大學學報(社會科學版),2011,11(1):59-63.

[15] 田 云,張俊飚,李 波.中國農業(yè)碳排放研究: 測算、時空比較及脫鉤效應[J].資源科學,2012,34(11):2097-2105.

[16] 田 云,張俊飚.中國農業(yè)生產凈碳效應分異研究[J].自然資源學報,2013,28(8):1298-1309.

[17] 田 云,張俊飚.中國省級區(qū)域農業(yè)碳排放公平性研究[J].中國人口·資源與環(huán)境,2013,23(11):36-44.

[18] 田 云,張俊飚,尹朝靜,等.中國農業(yè)碳排放分布動態(tài)與趨勢演進——基于31個省(市、區(qū))2002—2011年的面板數(shù)據(jù)分析[J].中國人口·資源與環(huán)境,2014,24(7):91-98.

[19] 吳賢榮,張俊飚,田 云,等.中國省域農業(yè)碳排放：測算、效率變動及影響因素研究——基于DEA-Malmquist指數(shù)分解方法與Tobit模型運用[J].資源科學,2014,36(1):129-138.

[20] 齊玉春,董云社.土壤氧化亞氮產生、排放及其影響因素[J].地理學報,1999,54(6):534-542.

[21] 閔繼勝,胡 浩.中國農業(yè)生產溫室氣體排放量的測算[J].中國人口·資源與環(huán)境,2012,22(7):21-27.

[22] IPCC.氣候變化2017：綜合報告[R].日內瓦：政府間氣候變化專門委員會，2017.

[23] 張秀梅,李升峰,黃賢金,等.江蘇省1996年至2007年碳排放效應及時空格局分析[J].資源科學,2010,32(4):768-775.

[24] 伍芬琳,李 琳,張海林,等.保護性耕作對農田生態(tài)系統(tǒng)凈碳釋放量的影響[J].生態(tài)學雜志,2007,26(12):2035-2039.

[25] 段華平,張 悅,趙建波,等.中國農田生態(tài)系統(tǒng)的碳足跡分析[J].水土保持學報,2011,25(5):203-208.

[26] 王智平.中國農田N2O排放量的估算[J].農村生態(tài)環(huán)境,1997,13(2):51-55.

[27] 熊正琴,邢光熹,鶴田治雄,等.種植夏季豆科作物對旱地氧化亞氮排放貢獻的研究[J].中國農業(yè)科學,2002,35(9):1104-1108.

[28] 王少彬,蘇維翰.中國地區(qū)氧化亞氮排放量及其變化的估算[J].環(huán)境科學,1993,14(3):42-46.

[29] Yoichi K. Impact of Carbon Dioxide Emission on GNPGrowth: Interpretation of Proposed Scenarios[R]. Paris:Presentation to the Energy and Industry Subgroup, ResponseStrategies Working Group, IPCC, 1989.

[30] 戴小文,何艷秋,鐘秋波.中國農業(yè)能源消耗碳排放變化驅動因素及其貢獻研究——基于Kaya恒等擴展與LMDI指數(shù)分解方法[J].中國農業(yè)生態(tài)學報,2015,23(1):1445-1454.

[31] Ang BW. Decomposition analysis for policymaking in energy: which is the preferred method?[J]. Energy Policy, 2004,32(9):1131-1139.

[32] Albrecht J, Francois D, Schoors K. A Shapley decomposition of carbon emissions without residuals[J]. Energy Policy, 2002,30(9):727-736

[33] 賀亞亞,田 云,張俊飚.湖北省農業(yè)碳排放時空比較及驅動因素分析[J].華中農業(yè)大學學報(社會科學版),2013，(5):79-85.

[34] Ang B W, Liu F L, Chew E P. Perfect decomposition techniques in energy and environmental analysis[J]. Energy Policy, 2003,31(14):1561-1566.

[35] 何艷芬,張 柏,李 方,等.東北黑土區(qū)農業(yè)生態(tài)環(huán)境問題與對策[J].干旱地區(qū)農業(yè)研究,2004,22(1):191-194.

The measurement and decomposition of agricultural carbon emissions in Northeast China based on LMDI model

LI Zheng-tong1,2, BAI Cai-quan3, XIAO Wei-wei1

(1.SchoolofEconomics&Management,NanchangUniversity,Nanchang,Jiangxi330031,China;2.EconometricResearchInstitute,NanchangUniversity,Nanchang,Jiangxi330031,China;3.TheCenterforEconomicResearch,ShandongUniversity,Shandong,Jinan250100,China)

This study measured the agricultural carbon emissions in Northeast China and adopted LMDI (logarithmic mean Divisia index) model to dissect their driving effects into carbon emission intensity, agricultural income, employment structure and gross population. The results showed that the agricultural carbon emissions in Heilongjiang, Jilin and Liaoning increased year by year during 1996—2013, their growth rates were 72%, 63% and 52% respectively, and average annual growth rates were 3.23%, 2.92% and 2.51% respectively. The total emissions and the growth rate in Heilongjiang were the largest. From the point of internal structure of agricultural carbon emissions, the carbon sources were mainly from agricultural capital and agricultural land use which accounts for 58.65% of total emissions, followed by livestock breeding which accounts for 22.59% of total emissions. In addition, the effect of carbon emission intensity had a negative impact on agricultural carbon emissions and this impact was greatest in Heilongjiang, followed by Liaoning and then Jilin. During the period of 1996 to 2013, the agricultural carbon emissions in Heilongjiang, Jilin and Liaoning driven by agricultural income effect respectively increased by 14.8057,8.8317 and 8.391 million tons. However, the effect of employment structure had a positive impact on agricultural carbon emissions in Heilongjiang and Liaoning, but a significantly negative impact on that in Jilin. The effect of the gross population had a positive effect on agricultural carbon emissions in the three provinces, driving the agricultural carbon emission in Liaoning increased by 510,200 tons.

agricultural carbon emissions; LMDI model; driving effects; northeast China

1000-7601(2017)04-0145-08

10.7606/j.issn.1000-7601.2017.04.22

2016-03-20

國家社會科學基金項目(15CJL029)；國家級大學生創(chuàng)新創(chuàng)業(yè)訓練項目(201510403006)；江西省大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目(201410403067)

白彩全(1989—)，男，甘肅蘭州人，博士研究生，主要從事人口資源環(huán)境經濟學研究。 E-mail: baicaiquan0815@163.com。

F323；X22

A