安徽省農(nóng)業(yè)生產(chǎn)碳排放時空變化及影響因素分析

張博文+崔林麗+史軍+魏培培

摘要：基于安徽省5個基礎(chǔ)碳源數(shù)據(jù)，結(jié)合LMDI模型，測算其農(nóng)業(yè)碳排放量，并分析了2006-2015年安徽省農(nóng)業(yè)碳排放的時空變化及其影響因素。結(jié)果表明，安徽省農(nóng)業(yè)生產(chǎn)碳排放總量逐漸增加，從2006年的356.53萬t增長至2015年的449.03萬t；碳排放強(qiáng)度的變化與總量變化基本保持一致，從2006年的87.28 t/km2增長至2015年的107.37 t/km2；從市域空間來看，2015年安徽省北部地區(qū)的城市碳排放總量高于南方地區(qū)；LMDI模型的因素分解表明，與2006年相比，效率因素和勞動力因素累計(jì)實(shí)現(xiàn)減排527.90萬t，其中效率因素影響力度較強(qiáng)，而結(jié)構(gòu)因素、經(jīng)濟(jì)因素總體上對累積CO2排放量變動存在正向影響，其中經(jīng)濟(jì)因素影響尤為突出。

關(guān)鍵詞：農(nóng)業(yè)碳排放；時空變化；影響因素；LMDI模型；安徽省

中圖分類號：X196 文獻(xiàn)標(biāo)識碼：A 文章編號：0439-8114（2017）21-4051-05

DOI：10.14088/j.cnki.issn0439-8114.2017.21.014

Spatio-temporal Variations Analysis and Influencing Factor in Carbon Emissions of Agricultural Production in Anhui Province

ZHANG Bo-wen1，2，CUI Lin-li3，SHI Jun2，WEI Pei-pei1，2

（1.Ecological Technique and Engineering College， Shanghai Institute of Technology， Shanghai 201418，China；2.Shanghai Climate Center， Shanghai 200030，China； 3.Shanghai Center for Satellite Remote Sensing and Application， Shanghai 200030，China）

Abstract： The research calculated the amount of agricultural carbon emission bases on five kinds of basic carbon source data in Anhui from 2006 to 2015. According to the LMDI model，an analysis on the factors that affect carbon emissions of Anhui agricultural production was made. The results showed that，the total amount of agricultural carbon emissions in Anhui province presented a gradually increasing trend，increased from 3.565 3 million tons in 2006 to 4.490 3 million tons in 2015. Over the same period，the change trend of carbon emissions intensity was almost consistent with total change，increased from 87.28 t/km2 in 2006 to 107.37 t/km2 in 2015. From the point of view of urban spatial scales，the total amount of agricultural carbon emissions of the cities in northern Anhui was higher than the south. Compared with 2006，the LMDI model factor decomposition showed that efficiency factor and labor factor cut 5.279 million tons carbon emission，and the influence strength of efficiency factor was stronger. While structure factor and economy factor had positive influence on overall changes on cumulative CO2 emission， and the influence strength of economic factor was stronger.

Key words： agricultural carbon emissions； temporal and spatial variation； influencing factor； the LMDI model； Anhui province

20世紀(jì)90年代以來，全球變暖的趨勢日益顯著。世界各國政府普遍認(rèn)為，溫室氣體尤其是二氧化碳的大量排放是造成全球變暖的主要原因[1]，因此，控制與減少二氧化碳的排放成為延緩全球變暖的主要手段。2009年中國積極響應(yīng)聯(lián)合國的節(jié)能減排號召，提出了碳減排的量化目標(biāo)，表明了中國保護(hù)全球環(huán)境、降低能耗的決心。而農(nóng)業(yè)既是溫室氣體排放源，也是最易遭受氣候變化影響的產(chǎn)業(yè)[2]。低碳農(nóng)業(yè)是低碳經(jīng)濟(jì)的有機(jī)組成部分，是現(xiàn)代農(nóng)業(yè)未來的發(fā)展趨勢，因此，研究與發(fā)展低碳農(nóng)業(yè)具有重要意義。

農(nóng)業(yè)碳排放是指農(nóng)業(yè)生產(chǎn)過程中由于化肥、農(nóng)藥、能源等消費(fèi)所直接或間接導(dǎo)致的溫室氣體的排放[3]。國際上側(cè)重于農(nóng)業(yè)碳減排的模型建設(shè)與技術(shù)理論研究[4]。如Ruben等[5]分析了不同的土地利用方式對土壤碳排情況的影響；Vleeshouwers等[6]則著重評估與分析了碳足跡在農(nóng)業(yè)生產(chǎn)因素的影響下的匯聚與轉(zhuǎn)移；Johnson[7]則主要研究了農(nóng)業(yè)碳的發(fā)生機(jī)理并分析了碳源。近年來，國內(nèi)學(xué)者針對農(nóng)業(yè)碳排放的研究也逐漸增多，較為典型的是對農(nóng)業(yè)生產(chǎn)模式與農(nóng)業(yè)碳排放間的關(guān)系[8]、農(nóng)業(yè)碳排放變化及影響因素分析[9]等。如李波等[10]利用EKC模型對中國碳排放與經(jīng)濟(jì)的發(fā)展關(guān)系進(jìn)行分析研究；趙奧等[11]利用改進(jìn)的Kaya恒等式與LMDI分解法對中國CO2排放進(jìn)行分解研究；李國志等[12]對中國1981-2007年農(nóng)業(yè)能源消費(fèi)量的CO2排放量進(jìn)行了測算，并利用LMDI模型對其進(jìn)行了分解。安徽省是中國的農(nóng)業(yè)大省，在中國的農(nóng)業(yè)地位中占有舉足輕重的地位。本研究立足安徽省16個地市，分析其農(nóng)業(yè)碳排放的時空變化及影響因素，為制定農(nóng)業(yè)碳減排政策提供依據(jù)，有利于安徽省的生態(tài)建設(shè)及可持續(xù)發(fā)展。endprint

1 研究數(shù)據(jù)與方法

1.1 碳排放數(shù)據(jù)的測算

整理碳排放相關(guān)文獻(xiàn)[7]，分析得出農(nóng)業(yè)碳排放的碳源主要有5個方面：一是化肥在生產(chǎn)和使用過程中所造成的碳排放；二是農(nóng)用塑料薄膜在生產(chǎn)和使用過程中所引起的碳排放；三是農(nóng)藥在生產(chǎn)和使用過程中所導(dǎo)致的碳排放；四是農(nóng)用機(jī)械在使用時所消耗的柴油等化石燃料所產(chǎn)生的碳排放；五是農(nóng)業(yè)耕作進(jìn)行土地翻耕時對土壤有機(jī)碳庫的破壞，致使大量的有機(jī)碳散逸到空中所形成的碳排放[13]。根據(jù)安徽省統(tǒng)計(jì)年鑒提供的數(shù)據(jù)，測算安徽省2006-2015年農(nóng)業(yè)生產(chǎn)5個主要碳排放源的碳排放量，測算公式為：

E=∑Ei=Ti×δi （1）

式中，E為農(nóng)業(yè)的碳排放總量，Ei為各種碳源的碳排放量，Ti為各碳排放源的量，δi為各碳排放的碳排放系數(shù)，具體見表1。

農(nóng)業(yè)碳源數(shù)據(jù)均來自《安徽統(tǒng)計(jì)年鑒（2007-2016）》，其中，翻耕數(shù)據(jù)以當(dāng)年安徽省農(nóng)作物實(shí)際播種面積為準(zhǔn)。

1.2 碳排放強(qiáng)度的測算

CI=■ （2）

式中，CI為農(nóng)業(yè)碳排放強(qiáng)度，E為農(nóng)業(yè)碳排放總量，CL為耕地面積（CL數(shù)據(jù)來源于安徽統(tǒng)計(jì)年鑒）。

1.3 基于LMDI模型對碳排放影響因素進(jìn)行分解

對數(shù)平均D式指數(shù)分解法（Logarithmic mean divisia index，LMDI）是目前主流的分解方法[14]，因分解結(jié)果因素可逆、全分解、乘法分解與加法分解一致性、無殘差等優(yōu)點(diǎn)，更適合發(fā)展中國家進(jìn)行指數(shù)分解，具有很強(qiáng)說服力[15]?；贚MDI模型，并結(jié)合國內(nèi)外文獻(xiàn)所用數(shù)學(xué)方法，針對安徽省省情，碳排放總量及影響因素的分解可采用以下公式表示。

C=■×■×■×AL

EI=■，CI=■，SI=■ （3）

式中，C、PGDP、AGDP、AL分別表示農(nóng)業(yè)碳排放量、種植業(yè)總產(chǎn)值、農(nóng)林牧漁總產(chǎn)值和農(nóng)業(yè)從業(yè)勞動力總量（數(shù)據(jù)來源于安徽統(tǒng)計(jì)年鑒）；EI、CI、SI分別為農(nóng)業(yè)生產(chǎn)資料效率因素、農(nóng)業(yè)結(jié)構(gòu)因素和農(nóng)業(yè)經(jīng)濟(jì)水平因素。對于公式（3）所示模型，設(shè)基期碳排放總量為C0，T期總量為Ct，用標(biāo)tot表示總的變化。采用加和分解，將差分解為：

ΔCtot=Ct-C0 （4）

各分解因素貢獻(xiàn)值表達(dá)式分別為：

ΔEI=∑■ln■

ΔCI=∑■ln■

ΔSI=∑■ln■

ΔAL=∑■ln■ （5）

ΔCtot=Ct-C0=ΔEI+ΔCI+ΔSI+ΔAL （6）

各影響因素對具體年份的貢獻(xiàn)率為■、■、■、■。

2 結(jié)果與分析

2.1 安徽省農(nóng)業(yè)碳排放的時序變化分析

根據(jù)公式（1）、（2），測算2006-2015年安徽省農(nóng)業(yè)碳排放的碳排量及強(qiáng)度。結(jié)果（表2）表明，自2006年以來安徽省農(nóng)業(yè)碳排量一直處于平穩(wěn)增長趨勢，從2006年的356.53萬t增長到2015年的449.03萬t，增長量為92.50萬t，增長了25.94%，年均增長2.66%。其中，化肥、農(nóng)膜、農(nóng)用柴油、農(nóng)藥、翻耕所引發(fā)的碳排放均有不同程度增長，年均增速分別為1.91%、3.39%、4.79%、4.46%、0.70%。

由圖1可以看出，2006-2015年安徽省農(nóng)業(yè)碳排放總量呈波動增長態(tài)勢。2006-2010年是一個快速增長的階段，在2008年達(dá)到4.64%的最高增長速率；2011-2014年為緩慢增長階段，2011年增速最慢，為1.44%；2015年為第三階段，增速在2014年達(dá)到3.13%的增速后，降至2015年的1.50%的增速。對比農(nóng)業(yè)碳排放強(qiáng)度的變化，由于安徽省耕地面積基本保持不變，因此，碳排放強(qiáng)度變化與其碳排放總量變化趨勢基本保持一致，為持續(xù)增長，碳排放強(qiáng)度從2006年的87.28 t/km2增長至2015年的107.37 t/km2，平均增速為2.32%。

2.2 安徽省農(nóng)業(yè)碳排放的空間分布分析

測算2015年安徽省16個地市的農(nóng)業(yè)碳排放量及強(qiáng)度，如表3所示。由表3可以看出，2015年安徽省農(nóng)業(yè)生產(chǎn)碳排放區(qū)域差異明顯，各市在各碳源排放量、碳排放總量、碳排放強(qiáng)度方面均有很大差異。

由圖2可知，安徽省農(nóng)業(yè)生產(chǎn)碳排放分布在總量上具有明顯的地域差異。其中，高碳排放量區(qū)域（40～60萬t）集中于北方，即淮北平原和大別山山區(qū)，中等碳排放量區(qū)域（20～40萬t）集中于江淮之間，長江以南普遍為低碳排放量區(qū)域（0～20萬t），呈較明顯的從北向南逐級遞減的趨勢。從城市減排目標(biāo)上來說，皖北地區(qū)要以減少碳排放總量為主要目標(biāo)。

從農(nóng)業(yè)碳排放強(qiáng)度（表3）來看，淮南、黃山、蚌埠三市位于前三位，分別為167.52、152.40、136.11 t/km2；碳排放強(qiáng)度后三位為滁州、阜陽、亳州市，均低于100 t/km2，其中，亳州市最低，為83.78 t/km2，不足淮南的1/2。依據(jù)碳排放強(qiáng)度進(jìn)行等級劃分，淮南、黃山市為高強(qiáng)度區(qū)域（140～170 t/km2），蚌埠、銅陵、合肥、宿州、池州、宣城、安慶、蕪湖、六安市為中等強(qiáng)度區(qū)域（110～140 t/km2），馬鞍山、淮北、滁州、阜陽、亳州為低強(qiáng)度區(qū)域（80～110 t/km2）。由圖3可以看出，安徽省農(nóng)業(yè)生產(chǎn)碳排放分布在強(qiáng)度上分區(qū)也較明顯，呈現(xiàn)由北向南逐級降低的趨勢，而西北地區(qū)的碳排放強(qiáng)度要低于南方地區(qū)，大體呈現(xiàn)南高北低的格局，即淮南、黃山兩市為高碳排放強(qiáng)度區(qū)域突出，低強(qiáng)度區(qū)域集中于北方市域的格局。從城市減排目標(biāo)上來說，南方城市要以降低碳排放強(qiáng)度為主要目標(biāo)。

2.3 安徽省農(nóng)業(yè)碳排放的因素分解

基于LMDI因素分模型，以每兩個相鄰年份為變化樣本，計(jì)算安徽省2006-2015年農(nóng)業(yè)生產(chǎn)碳排放變化的因素分解值，結(jié)果見表4。endprint

2.3.1 因素變化效應(yīng)分析 由表4可知，安徽省2006-2015年農(nóng)業(yè)生產(chǎn)碳排放量變動值為92.50萬t，總效應(yīng)為增加碳排放量103.4萬t。

效率因素（ΔEI）與勞動力因素（ΔAL）總體上對累積CO2排放量變動存在負(fù)向影響，與2006年相比，累計(jì)實(shí)現(xiàn)減排527.90萬t，并且效率因素影響力度較強(qiáng)，累計(jì)減排419.87萬t，占減排總量的79.54%，表明提高農(nóng)業(yè)生產(chǎn)資料利用效率仍是安徽省農(nóng)業(yè)減排的主要手段。

結(jié)構(gòu)因素（ΔCI）、經(jīng)濟(jì)因素（ΔSI）總體上對累積CO2排放量變動存在正向影響，累積增加碳排放量613.34萬t，且經(jīng)濟(jì)因素影響尤為突出，累積增加碳排放量597.14萬t，占總碳排放量的97.36%。而基于農(nóng)業(yè)是國民經(jīng)濟(jì)的基礎(chǔ)性地位作用以及安徽省中部農(nóng)業(yè)大省的定位，不可能為了降低能耗而放緩與抑制農(nóng)業(yè)經(jīng)濟(jì)的發(fā)展，因此，短期內(nèi)農(nóng)業(yè)經(jīng)濟(jì)因素仍是導(dǎo)致安徽省農(nóng)業(yè)碳排放增加的主導(dǎo)因素。

2.3.2 因素變化貢獻(xiàn)率分析 由表4計(jì)算各影響因素對于各年份碳排放量變化的貢獻(xiàn)率，結(jié)果見表5。由表5可知，2006-2015年，效率因素幾乎一直保持在負(fù)向貢獻(xiàn)率，每年均高于其他因素負(fù)向貢獻(xiàn)值，并且在2007、2011、2015年均達(dá)到階段性極值，成為實(shí)現(xiàn)農(nóng)業(yè)減排的主要方面。而經(jīng)濟(jì)因素貢獻(xiàn)率一直保持正向貢獻(xiàn)率，每年均高于其他正向貢獻(xiàn)值，且也于2007、2011、2015年達(dá)到階段性極值，成為農(nóng)業(yè)碳排放的主要方面。究其原因是2011、2015年國家經(jīng)濟(jì)快速發(fā)展，而農(nóng)業(yè)經(jīng)濟(jì)也“水漲船高”，糧食總產(chǎn)和單產(chǎn)分別創(chuàng)歷史最高水平，因此經(jīng)濟(jì)因素呈現(xiàn)了極大正向貢獻(xiàn)值。同時通過國家重點(diǎn)建設(shè)與政策扶持，萬元GDP能耗同比下降4.21%，單位能耗相對降低，產(chǎn)業(yè)結(jié)構(gòu)得到優(yōu)化，效率因素呈極大負(fù)向貢獻(xiàn)值。

勞動力因素與結(jié)構(gòu)因素貢獻(xiàn)率在2006-2015年間一直保持較為平穩(wěn)的變動率，其中，勞動力因素貢獻(xiàn)率一直處于負(fù)值，結(jié)構(gòu)因素貢獻(xiàn)率處于正負(fù)值波動的情況，但由于貢獻(xiàn)率絕對值較小，因此不足以對碳排放的變化產(chǎn)生巨大影響。

3 結(jié)論與建議

本研究測算了安徽省2006-2015年農(nóng)業(yè)生產(chǎn)碳排放數(shù)據(jù)，分析其變化規(guī)律，并基于LMDI分解法建立CO2排放總量變動的因素分解模型，量化分析了效率、結(jié)構(gòu)、經(jīng)濟(jì)、勞動力因素對CO2排放總量變動的影響，該因素分解模型有助于細(xì)化刺激CO2排放量增加與促進(jìn)CO2排放量降低的影響因素和影響程度。

從時間變化來看，2006-2015年安徽省農(nóng)業(yè)生產(chǎn)碳排放一直處于增長趨勢。從空間分布來看，2015年安徽省16個地市差異巨大；經(jīng)濟(jì)因素是安徽省CO2排放量增加的主要推動因素，對整個CO2排放量變化增長的貢獻(xiàn)率達(dá)898.80%，CO2排放總量仍會隨著同期經(jīng)濟(jì)的增長而升高；效率因素是抑制CO2排放量增加的關(guān)鍵因素，對整個CO2排放量變化增長的貢獻(xiàn)率為-699.10%；勞動力因素對安徽省現(xiàn)階段CO2排放總量的抑制也具有一定的影響，貢獻(xiàn)率達(dá)-199.70%；結(jié)構(gòu)因素也是農(nóng)業(yè)碳排放增長的驅(qū)動因素。

經(jīng)濟(jì)發(fā)展因素是安徽省農(nóng)業(yè)生產(chǎn)碳排放的主導(dǎo)因素，而基于農(nóng)業(yè)是國民經(jīng)濟(jì)的基礎(chǔ)性地位以及安徽省中部農(nóng)業(yè)大省的定位，短期內(nèi)不會放慢農(nóng)業(yè)經(jīng)濟(jì)發(fā)展步伐而轉(zhuǎn)向碳排放的減少。因此，安徽省應(yīng)建立健全農(nóng)業(yè)經(jīng)濟(jì)發(fā)展宏觀調(diào)控機(jī)制，樹立低碳經(jīng)濟(jì)意識，調(diào)整優(yōu)化農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)積極推進(jìn)精準(zhǔn)農(nóng)業(yè)發(fā)展，種植綠肥與秸稈還田，科技興農(nóng)，因地制宜，政府推廣，確立不同的減排目標(biāo)，發(fā)展適合地方生態(tài)農(nóng)業(yè)的類型。且安徽省自然條件差異巨大，因此要因地制宜，根據(jù)地方自然條件與當(dāng)?shù)靥寂欧艔?qiáng)度，開發(fā)與建立符合當(dāng)?shù)氐纳鷳B(tài)農(nóng)業(yè)或循環(huán)農(nóng)業(yè)類型，并加強(qiáng)政策扶持與典型推廣，完善農(nóng)業(yè)生態(tài)減排的績效考察。

參考文獻(xiàn)：

[1] 欒 晏，趙 放.發(fā)達(dá)國家和發(fā)展中國家能源消費(fèi)與碳排放控制研究[D].長春：吉林大學(xué)，2015.

[2] 范鳳巖.北京市碳排放影響因素與減排政策研究[D].北京：中國地質(zhì)大學(xué)，2016.

[3] 張志高，劉青利，劉 雪，等.安陽市農(nóng)業(yè)生產(chǎn)碳排放時序特征及預(yù)測研究[J].南方農(nóng)業(yè)，2017，11（10）：11-16.

[4] 田 云，張俊飚.農(nóng)業(yè)碳排放國內(nèi)外研究進(jìn)展[J].中國農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，18（3）：203-208.

[5] RUBEN N L，ANDREW J P. Land-use change and carbon sinks： Econometric estimation of the carbon sequestration supply function[J].Journal of Environmental Economics and Management，2006，51（2）：135-152.

[6] VLEESHOURWERS L M，VERHAGEN A. Carbon emission and sequestration by agricultural land use：A model study for Europe[J].Global Change Biology，2002，8（6）：519-530.

[7] JOHNSON J M F. Agricultural opportunities to mitigate greenhouse gas emissions[J].Environmental Pollution，2007，150（6）：107-124.

[8] 孔令聰，胡永年，王光宇，等.安徽省循環(huán)農(nóng)業(yè)模式研究[J].中國農(nóng)業(yè)資源與區(qū)劃，2008，29（4）：65-69.

[9] 郭朝先.中國碳排放因素分解：基于LMDI分解技術(shù)[J].中國人口·資源與環(huán)境，2010，20（12）：4-9.

[10] 李 波，張俊飚，李海鵬.中國農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展的實(shí)證研究[J].干旱區(qū)資源與環(huán)境，2011，25（12）：8-13.

[11] 趙 奧，武春友.中國CO2排放量變化的影響因素分解研究[J].軟科學(xué)，2010，24（12）：55-59.

[12] 李國志，李宗植.中國農(nóng)業(yè)能源消費(fèi)碳排放因素分解實(shí)證研究[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2010（10）：66-71.

[13] 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·資源環(huán)境，2011，21（8）：80-86.

[14] ANG B W，LIU N. Energy decomposition analysis：IEA model versus other methods[J].Energy Policy，2007，35：1426-1432.

[15] ANG B W. Decomposition analysis for policy making in energy：Which is the preferred method？[J].Energy Policy，2004， 32：1131-1139.endprint