安徽省農業碳排放的時空特征及影響因素研究

李　琦，韓亞芬，黃淑玲

(宿州學院 環境與測繪工程學院，安徽 宿州 234000)

?

安徽省農業碳排放的時空特征及影響因素研究

李琦，韓亞芬，黃淑玲

(宿州學院 環境與測繪工程學院，安徽 宿州 234000)

[摘要]利用農業碳排放測算方法和因素分解模型，對安徽省農業碳排放的時空分布特征及影響因素進行定量分析，結果顯示：安徽省農業碳排放量逐年增長，農業用電和化肥消耗為其主要碳源，分別占排放總量的30.99%和47.50%，而碳排放強度則呈“波動起伏-穩步下降”兩階段變化特征；碳排放呈現明顯的區域差異，其中碳排放總量分布與區域農業經濟規模關系密切，而碳排放強度高值區主要集中在馬鞍山、銅陵和淮南3個礦產資源型地市；在影響因素方面，農業效率因素、結構因素、勞動力因素對碳排放增長起到抑制作用，其年均減排貢獻量分別為23.23、13.87和3.80萬t，而農業經濟發展因素則極大地驅動碳排放量的增長，年均增排貢獻量達68.00萬t。

[關鍵詞]安徽省；農業碳排放；時空特征；影響因素

面對當前全球氣候變暖和溫室氣體排放對人類社會造成的嚴重威脅，發展低碳經濟成為各國政府及學術界公認的重要戰略選擇。近年來，隨著農業生產中化肥、農藥、農膜等物質投入力度的加大，農業碳排放總量已不容小覷。據統計，我國農業活動產生的溫室氣體已達到全國總量的17%，成為引發碳排放的重要的碳源[1]。圍繞著農業碳排放，國內外學者開展了大量的探索研究：如ACIL Tasman Pty Ltd[2]通過對美國、加拿大、印度以及歐盟等國家碳排放總量構成的對比發現，由于各國間的農業生產方式的不同，其碳排放總量中農業源的比例存在明顯差異；田云等[3]測算了我國1995-2010年期間逐年的農業碳排放量，發現研究期內農業碳排放總量呈“上升-下降-上升”的三階段變化特征，且農業碳排放與農業經濟的關系以弱脫鉤和強脫鉤狀態為主，說明近年來我國的農業低碳減排工作取得成效；李國志等[4]對1981-2007年我國農業碳排放進行的因素分解表明，農業經濟增長是農業碳排放最主要的驅動因素，技術進步具有很強的抑制作用但存在一定的隨機性，而能源消費結構的不斷惡化則在一定程度上促進了農業碳排放。

安徽省作為我國傳統的農業大省和商品糧主產區，其農業低碳減排的有效開展對于實現國家低碳農業經濟發展戰略具有重要意義。故本文以安徽省為例，對其2000年以來的農業相關數據進行收集和測算，分析總結農業碳排放的時間變化及空間分布特征，進而利用因素分解模型定量探討影響安徽省農業碳排放變動的主要因素及貢獻，以期為區域農業低碳減排目標和政策的制定提供參考和依據。

1研究方法與數據來源

1.1　農業碳排放量的測算方法

目前，學術界對于農業碳排放的測算主要是基于農業活動中的各類能源及物質投入，對其生產和使用過程所引起的碳排放量進行匯總加合。結合高標等[5]的研究成果，本文將安徽省農業碳源劃分為農村用電消耗、農用柴油消耗、農藥消耗、農用化肥消耗及農用薄膜消耗五類，農業碳排放總量的測算方法見式(1)：

C=∑Ci=∑Ei×Si

(1)

式(1)中，C為安徽省農業碳排放總量(萬t)；Ci為第i類農業碳源的碳排放量(萬t)；Ei為第i類碳源的物質投入量；Si為第i類碳源的碳排放系數，各類碳源的碳排放系數[6]如表1所示。

表1　各類碳源的碳排放系數

1.2　農業碳排放的影響因素分解模型

在碳排放影響因素及其貢獻率的測度方面，因素分解法作為最常見的分析手段，具有操作簡單、結果可靠、實用性強等特點[7]。其中，由Ang等[8]提出的對數平均權重分解法(LMDI)，因其分解完全、不產生殘差、且允許數據中包含零值等優點，已成為當前碳排放研究領域中應用最為廣泛的一種因素分解方法。該法是將碳排放量的變動分解為各影響因素的變動量之和，以測度各因素對碳排放變動的貢獻量。結合本文農業碳排放測算的實際情況，可將其分解如下：

(2)

式(2)中，PGDP為種植業總產值(萬元)；AGDP為農林牧漁總產值(萬元)；AL為農業從業人數(萬人)。由此，可將農業碳排放的變動影響因素劃分為四類：即農業效率因素EI=C/PGDP、農業結構因素CI=PGDP/AGDP、農業經濟發展因素SI=AGDP/AL、勞動力因素AL。同時可將式(2)簡化為：

C=EI×CI×SI×AL

(3)

根據式(3)簡化公式，可采用LMDI法將各影響因素對農業碳排放變動的貢獻量進行分解。以第t期農業碳排放量(Ct)相對于基期(第0期，碳排放量C0)的變化量(ΔCt)為例，可將其分解為如下分項(見式(4))：

ΔCt=Ct-C0=EIt×CIt×SIt×ALt-EI0×CI0×SI0×AL0

=ΔCEI+ΔCCI+ΔCSI+ΔCAL

(4)

式(4)中，ΔCEI、ΔCCI、ΔCSI和ΔCAL分別代表農業效率因素、農業結構因素、農業經濟發展因素以及勞動力因素對研究期(基期至第t期)內農業碳排放變動的貢獻量，其分解結果分別如下所示：

(5)

1.3　數據來源

本文所用數據均來源于《安徽省統計年鑒》[9]和《中國農村統計年鑒》[10]。其中，時間序列數據的選擇范圍為2000～2013年，首先使用各年份農村用電量、農用柴油量、農藥使用量、農用化肥量及農用薄膜量等數據測算農業碳排放總量，同時收集各年份種植業產值、農林牧漁業產值、農業從業人數等數據用以因素分解分析；截面數據選擇2013年，分別收集該年份安徽省各地市農用能源及物質消耗量，用于農業碳排放區域差異比較。

2安徽省農業碳排放的時空特征分析

2.1　安徽省農業碳排放的時間變化特征

(1)農業碳排放總量及構成的時間變化特征。根據公式(1)測算出2000～2013年各年份安徽省農業碳排放總量，結果見表2所示。由表2可以看出，安徽省農業碳排放總量呈持續上升趨勢，從2000年的419.80萬t增長至2013年的759.04萬t，增長幅度達1.8倍，年平均增長率約為4.66%。而從農業碳排放總量的構成來看，農業用電和農用化肥消耗是引發農業碳排放的兩大最主要的碳源，碳排放量分別平均占到總量的30.99%和47.50%，其次為農藥使用，平均占碳排放總量的8.44%，而農用薄膜和農用柴油的碳排放量最少，分別平均占總量的6.96%和6.12%。

在各類碳源碳排放量的增長速度方面，農業用電碳排放的增長速度最高，由2000年的101.02萬t增長至2013年的305.16萬t，增幅超出3倍，年平均增長率高達8.86%，其產生的碳排放在總量中的比例也由2000年的24.06%迅速增至2013年的40.20%，平均每年比例上升1.24%；農藥使用、農用薄膜和農用柴油碳排放的增長速度大致相同，從2000年至2013年，三者碳排放的增幅分別為1.56、1.63和1.76倍，年平均增長率分別為3.47%、3.85%和4.46%，它們在農業碳排放總量中所占比例則呈現出隨時間波動變化的特征；而農用化肥碳排放的增長速度最低，從2000年的226.72萬t增長至2013年的303.07萬t，增幅為1.34倍，年平均增長率僅為2.26%，其在農業碳排放總量中的比例則呈現明顯的逐年遞減趨勢，由2000年的54.01%下降到2013年的39.93%，平均每年比例下降1.08%。另外，值得注意的是，2013年農業用電在碳排放總量中的比例已首次超越農用化肥，成為安徽省農業碳排放的第一碳源。

表2　2000年～2013年安徽省農業碳排放量及其構成

(2)農業碳排放強度的時間變化特征。農業碳排放強度為農業碳排放總量與農業總產值的比值。圖1為2000年～2013年安徽省農業碳排放強度的逐年變化圖。從圖中可以看出，安徽省農業碳排放強度總體呈現下降態勢，將2013年農業碳排放強度與2000年對比，下降幅度近40%，年平均下降18.68kg/萬元。依據農業碳排放強度隨時間的變化曲線特征，可將其劃分為兩個階段：1)波動起伏階段(2000～2005年)，該階段碳排放強度升降逐年交替，強度值基本維持在630kg/萬元附近，最高值出現在2003年，達777.98kg/萬元；2)穩步下降階段(2005～2013年)，該時期碳排放強度逐年穩定下降，年平均下降率高達6.21%，強度值亦由2005年的632.56kg/萬元，降至2013年僅為378.90kg/萬元。

2.2　安徽省農業碳排放的空間分布特征

對2013年安徽省16個地市的農業碳排放進行測算，測算結果見表3。同時，為了更加清晰地對比安徽省各地市間的碳排放差異，以當年各地市農業碳排放量平均值的1.0倍、1.5倍為分級標準，將16個地市分別劃分為低碳排放區、中碳排放區和高碳排放區三種類型(見圖2)。同時，根據各地市的農業碳排放強度，采用同樣的方法將其劃分為碳排放低強度區、中強度區和高強度區三種類型(見圖3)。

(1)農業碳排放總量的空間分布。從測算結果來看，安徽省16個地市的農業碳排放量差異明顯。其中碳排放量排名前五位的地區分別為阜陽市(79.79萬t)、六安市(79.18萬t)、合肥市(75.97萬t)、宿州市(75.33萬t)和安慶市(70.40萬t)，這五個地區的農業碳排放之和達380.67萬t，占全省農業碳排放總量的50.15%；而碳排放量最少的地市依次為銅陵市(7.38萬t)、黃山市(11.68萬t)、池州市(17.99萬t)、淮北市(18.30萬t)和馬鞍山市(22.45萬t)，這五個地區的農業碳排放之和為77.80萬t，僅占全省總量的10.25%。由此可知，排名前五位地市的農業碳排放量相當于排名后五位地市的近5倍，可見安徽省農業碳排放總量的區域差異較大。

而從碳排放總量的區域分布來看，基本呈現出北高南低的趨勢，這和安徽省農業經濟規模分布較為一致。高碳排放區有阜陽、六安、合肥和宿州4個地市，其農業經濟水平較高，各市平均農業產值達221.45億元，年農業碳排放量均高于75萬t；中碳排放區為安慶、滁州、亳州、蚌埠和蕪湖5個地市，各市的平均農業產值為160.20億元，其年農業碳排放量為45～75萬t；而低碳排放區主要包括淮北、淮南、馬鞍山、銅陵4個礦產資源型地市以及位于皖南山地丘陵區的池州、宣城和黃山市，它們由于受到自然資源基礎條件等因素的制約，農業發展水平相對薄弱，故碳排放量較低。

(2)農業碳排放強度的空間分布。與碳排放總量相比，農業碳排放強度能夠更加清晰地反映各地區碳排放的真實水平。從測算結果上看，碳排放強度最高的馬鞍山市達1100.13kg/萬元，而強度最低的黃山市僅為254.75kg/萬元，區域差異較大。而在區域分布方面，高強度區包括馬鞍山、銅陵和淮南3個地市，其資源相對豐富，能夠大量地進行農業生產物質投入，因此碳排放強度值均高于600kg/萬元；中強度區主要集中在六安、蕪湖、安慶和宣城4個地市，其碳排放強度值為450～600kg/萬元；其余9個地市均處于低強度區，碳排放強度值為250～450kg/萬元。

表3　2013年安徽省各地市農業碳排放量及碳排放強度

3安徽省農業碳排放的影響因素分析

根據農業碳排放的因素分解模型，將4類影響因素對安徽省農業碳排放變動的貢獻量分解如表4所示。由表4可以看出，農業效率因素、結構因素、勞動力因素均從不同程度上制約著農業碳排放總量的增長，2000年～2013年期間，三要素共實現碳減排貢獻量544.697萬t。其中，農業效率因素貢獻量最高，達314.925萬t，平均每年導致碳減排23.225萬t，說明農業生產技術水平的提升對農業碳減排的驅動作用最強；而勞動力非農轉移和農業產業結構優化調整也有助于實現碳減排，研究時段內勞動力因素和結構因素的累積貢獻量分別為180.355萬t和49.417萬t，年均減排量分別達13.87萬t和3.80萬t。農業經濟發展因素則是安徽省農業碳排放增長的主要驅動因素，即人均農業產值的快速提升極大地促進了碳排放量的增長。研究時段內，農業經濟發展因素共引發883.935萬t的碳排放增長，相當于年均68.00萬t的增量。

綜合四類影響因素分析，由于農業經濟發展因素對碳排放的驅動作用遠高于農業效率因素、結構因素及勞動力因素的抑制作用，因此安徽省農業碳排放總量的逐年變動量ΔC均為正值。同時，鑒于農業經濟發展在安徽省的基礎地位不可動搖，其農業碳排放增長的驅動作用在短時期內必定不會消減，因此只有轉變農業生產方式，優化農業生產結構，同時不斷發展農業節能減排技術才是我省農業低碳減排的根本出路。

表4　安徽省農業碳排放的影響因素分解結果

4結論與建議

4.1　主要結論

本文通過數據收集和測算，分析了安徽省農業碳排放的時間變化和空間分布特征，并利用LMDI因素分解法定量探討了影響農業碳排放變動的主要因素及其貢獻，主要結論如下：

(1)在時間序列上，安徽省農業碳排放總量呈持續上升趨勢，農業用電和農用化肥消耗是兩大最主要碳源，其中農業用電碳排放的增長速度較快，已成為安徽省農業碳排放的第一碳源；研究時段內，農業碳排放強度先后經歷了波動起伏和穩步下降兩個階段，到2013年強度值已降至378.90kg/萬元。

(2)在區域分布上，農業碳排放總量和強度均表現出明顯的區域差異。其中，碳排放總量分布呈現北高南低，與各地市農業經濟規模分布較為一致，高排放區主要集中在阜陽、六安、合肥和宿州4個地市；碳排放高強度區主要為礦產資源型地市(馬鞍山、銅陵和淮南)，這與它們資源相對豐富，能夠大量地進行農業生產物質投入有關。

(3)因素分解結果顯示，農業效率因素、結構因素、勞動力因素均從不同程度上制約著安徽省農業碳排放總量的增長，其制約作用大小依次為農業效率因素>勞動力因素>農業結構因素；農業經濟發展因素為碳排放增長的主要驅動因素，其驅動作用抵消了農業效率、結構、勞動力因素的減排效果，進而導致農業碳排放總量逐年增長，而驅動作用還將長期主導農業碳排放的增長。

4.2　政策建議

(1)大力發展農業碳減排技術，提高農業投入產出率。從安徽省農業碳排放的構成來看，農業用電和農用化肥消耗占到總量的80%以上，因此應積極探尋替代能源和新型化肥施用模式。首先要借助農村資源條件發掘清潔能源，如可考慮在適宜地區發展沼氣能源，將牲畜糞便等收集后發酵處理，產生的沼氣可替代部分電能，而其產生的殘渣亦可替代農藥和化肥；另外，還要積極推進測土配方施肥、秸稈還田、作物抗性培育等技術，以提高施用化肥的產出效率。

(2)因地制宜地開展農業低碳減排。從安徽省農業碳排放的區域分布來看，傳統的農業主產地市多為高碳排放區，對于此類區域，應重點提倡農業生產規模化，并積極推進生態循環型和節約型農業發展模式，以促進農業碳減排；而對于中、低碳排放區，則應結合其區域資源、交通和地形等特點，積極調整農業結構，大力建設現代農業產業園、觀光休閑農業區等低碳農業試點工程。

(3)當前我省大部分農村地區對低碳農業還比較陌生，而相關的低碳技術服務體系還沒有建立。因此，應首先積極宣傳低碳農業的意義和理念，提高農民對低碳農業的認識；同時，建立和完善低碳農業教育體系和技術服務體系，定期組織農戶、農業企業員工開展低碳教育和技術培訓，不斷加快農業低碳減排新技術的應用和推廣。

[參考文獻]

[1]何婷婷,張麗瓊.安徽省農業碳排放現狀及低碳農業發展路徑探討[J]. 安徽農業大學學報(社會科學版),2012, 21(5): 30-34.

[2]ACIL Tasman Pty Ltd. Agriculture and GHG mitigation policy: Options in addition to the CPRS[M]. New South Wales: Industry & Investment NSW, 2009.

[3]田云,張俊飚,李波. 中國農業碳排放研究:測算、時空比較及脫鉤效應[J]. 資源科學, 2012, 34(11): 2097-2105.

[4]李國志,李宗植.中國農業能源消費碳排放因素分解實證分析—基于LMDI模型[J]. 農業技術經濟, 2010, (10):66-72.

[5]高標,房驕,許清濤,等.吉林省農業碳排放動態變化及驅動因素分析[J]. 農業現代化研究,2013, 34(5): 617-621.

[6]李波.經濟增長與農業碳排放關系的實證研究[J].生態環境學報, 2012, 21(2): 220-224.

[7]Ang B W. Decomposition analysis for policymaking in energy: What is preferred method[J]. Energy Policy, 2004, 32(9): 1131-1139.

[8]Ang B W, Zhang F Q, Choi K H. Factorizing changes in energy and environmental indicators through decomposition[J]. Energy, 1998, 23(6): 489-495.

[9]安徽省統計局. 安徽統計年鑒[M]. 北京: 中國統計出版社, 2001~2014.

[10]國家統計局農村社會經濟調查司. 中國農村統計年鑒[M]. 北京: 中國統計出版社, 2001~2014.

[責任編輯：D]

Research on Spatial-temporal Characteristics and Affecting Factors of Agriculture Carbon Emission in Anhui Province

LI Qi, HAN Ya-fen, HUANG Shu-ling

(School of Environment and Surveying Engineering, Suzhou University, Suzhou 234000, China)

Abstract:In this paper, spatial-temporal characteristics and affecting factors of agriculture carbon emission in Anhui province form 2000 to 2013 is analyzed by calculation method of agriculture carbon emission and factor decomposition model. The result shows that: During the past fourteen years, agriculture carbon emission in Anhui province showed increased trend, and proportions of electrofarming and chemical fertilizer consumption are 30.99% and 47.50% respectively, while carbon emission intensity displays an obvious “fluctuate-steadily declining” phase-change characteristic, fluctuating form 2000 to 2005 and decreasing from 2006-2013; Agriculture carbon emission in different regions varies wildly. Regional distribution of gross emissions is closely related to agricultural economy scale, and high intensity area is concentrated in the minerals resource type city (Ma-anshan, Tongling and Huainan); Production efficiency, agricultural structure and labor force have inhibitory action on agricultural carbon emissions, with average contributions of 23.23×104、13.87×104and 3.80×104t per annum, while the development of agriculture has a promotive effect, with average contribution of 68.00×104 t per annum.

Key words:Anhui province;Agriculture carbon emission;Spatial-temporal characteristics;Affecting factors

[中圖分類號]X24

[文獻標識碼]A

[文章編號]1671-5330(2015)02-0052-07

[作者簡介]李琦(1982—)，男，安徽省界首市人，講師，主要從事資源環境分析與評價研究。

[基金項目]宿州區域發展協同創新中心開放課題(編號：2014SZXTKF15)；宿州學院安徽省煤礦勘探工程技術研究中心開放課題(編號：2013YKF05)

[收稿日期]2015-03-05