我國糧食生產的碳排放及減排路徑分析

張軍偉，張錦華，吳方衛

（上海財經大學 財經研究所，上海 200433）

0 引言

伴隨著城鎮化推進，城鎮建設用地和農村勞動力城鄉轉移導致土地資源和勞動力資源的稀缺性日益顯現。根據誘致性理論，為緩解這兩種生產要素的稀缺性，我國投入了化肥、農藥、柴油、機械、灌溉等大量的物質要素來彌補資源稟賦的不足，確保了國家糧食安全，同時也產生了大量的碳排放。

許多學者[1-4]從碳排放的角度研究了農業生產要素的投入，對碳排放的規模和減排潛力做了測算，為深入研究農業生產尤其是糧食生產中的碳排放問題提供了參考，但存在一個共同的局限是忽略了從空間維度考慮碳排放對農業生產的影響。中國地域廣闊，農業機械、灌溉設施、科技機構的服務對象在不同地區間并不是相互獨立的，而是存在很強的區域關聯性[5]。因此，一個地區糧食生產可能不僅受本地區域內的碳排放的影響，還可能會受到臨近區域的影響。如果將本地區與周圍地區看作互相獨立，就不能有效控制區域間的空間交互效應，所得結果也可能是有偏的，進而影響對現實情況的解釋。鑒于此，本文設置空間鄰接權重矩陣，利用空間面板隨機前沿的方法，在對糧食生產中碳排放進行測算基礎上，實證分析了各種碳源對糧食生產的影響，最后探討了糧食生產中碳減排的可能路徑。相關結論可以為“新常態”下實現糧食安全和生態安全和諧發展提供智力支持，也可為相關部門決策提供參考和科學依據。

1 糧食生產碳排放的測算

1.1 測算方法

參考國內外相關文獻，糧食生產過程中碳排放主要來源于兩個方面：一是化肥（原料主要是無煙煤）、農藥、農膜生產和使用過程中產生的碳排放；二是由于農用機械所耗柴油、灌溉所耗電能間接耗費化石燃料導致的碳排放。參考文獻[1]測算碳排放公式為:

其中E為糧食的碳排放總量，Ei為各種碳源的碳排放量；αi為各碳排放源的量，βi為各碳排放源的碳排放系數。

在碳排放系數的確定方面，各個機構和學者的標準各不相同，其中影響較大的有政府間氣候變化專門委員會（IPCC）、美國橡樹嶺國家實驗室（ORNL）、南京農業大學農業資源與生態環境研究所（IREEA）、國家科委氣候變化項目等[6]。參考各研究機構和文獻[1,2]，本文采用農業碳排放系數如表1所示。

表1 糧食生產過程中主要碳源排放系數

1.2 測算結果

從全國范圍看，糧食生產碳排放可以明顯的分為三個階段（見下頁圖1）:（1）1999—2005年，糧食碳排放量穩定在4100萬噸左右；（2）2005年以后國家采取了一系列的措施，實現了糧食生產的十三連增，碳排放總量逐年增加，其中2005—2009年碳排放增加速率較快；（3）2009年以后隨著國家對資源環境保護的重視，碳排放增加速率有所減緩。就不同糧食功能區而言，主產區和全國碳排放總量變化趨勢非常一致，且在三大功能區占主要部分，約占70%左右。平衡區碳排放總量緩慢增加，主銷區碳排放總量最少，且增長最慢。

圖11999—2016年糧食生產中碳排放規模

2 模型構建、變量選取和數據說明

2.1 模型構建

經典的隨機前沿模型是基于研究單元的相互獨立性。在技術擴散作用下，空間交互效應在經濟單元之間互相傳播，各單元的經濟存在廣泛的聯系，距離越近的單元聯系越大，相似性越明顯，因此研究單元之間相互獨立的假設與經濟發展實際狀況明顯相悖。新經濟地理學和空間經濟學的研究發現，地理接近性是產生外部性和一系列相鄰效應的關鍵因素，忽略空間效應的隨機前沿模型很可能會導致模型的估計參數有偏[7]。在糧食生產過程，各省的糧食生產技術會在相鄰的省份或“鄰居的鄰居”之間傳播，因此糧食的隨機前沿生產函數應該考慮空間的因素。本文創新之處在于將空間計量經濟學的理論方法和隨機前沿理論方法融合在一起，考慮被解釋變量的空間滯后，將參數估計結果和經典隨機前沿模型的結果進行比較。

本文參考林佳顯（2013）[7]的模型，采用如下形式生產函數的空間自回歸隨機前沿模型：

其中，y=[y1，y2，...，y31]'，表示由31個省份糧食產量（取對數）組成的31×1維向量，X表示由31個省份糧食生產要素投入量（取對數）組成的31×10維向量，β為待估計的10×1維系數向量；u=[u1，u2，...，u31]'是31×1維的技術無效率項向量，代表31個省份糧食生產的技術無效率程度；v=[v1，v2，...，v31]'是31×1維的隨機誤差向量；W是空間權重矩陣，表示不同省份之間的空間相關性；Wy是空間滯后解釋變量，λ為待估空間自回歸系數。

對于空間權重矩陣W的定義，采用常用的距離相鄰方法，矩陣中相鄰省份對應的元素設為1，非相鄰省份和對角線上的元素設為0。依據此定義，空間權重矩陣W是一個31×31階的0-1矩陣（標準化），矩陣元素表達式為：

具體地，本文采用如下空間自回歸隨機前沿生產函數：

其中，Yit表示第i個省份t年的糧食產量；x1it表示第i個省份t年的糧食播種面積；x2it表示第i個省份t年的農村從業人口數量；x3it表示第i個省份t年的化肥投入量；x4it表示第i個省份t年的農藥投入量；x5i表示第i個省份t年的農膜投入量；x6i表示第i個省份t年的農業機械投入量；x7it表示第i個省份t年的灌溉用水投入量；x8it表示第i個省份t年的成災面積；x9it表示第i個省份的主要地形地貌；x10it表示第i個省份的科研人員投入數量；vit是噪音誤差項；uit是技術無效項。數據為1999—2016年31個省級面板數據。地形地貌會影響糧食的生產，參考各省份的主要地形地貌，在模型中采用虛擬變量的形式。

2.2 變量選取

根據空間面板隨機前沿生產函數的要求，一般使用各個變量的對數形式。

（1）被解釋變量采用各省份糧食生產量的對數。

（2）核心解釋變量為糧食生產過程中各投入生產要素的對數。在糧食生產過程中，化肥、農藥、地膜、農用機械（柴油）、灌溉等要素的投入會大幅度提高糧食產量。

（3）控制變量包括：①播種面積，一般情況下糧食的播種面積越大，糧食產量越高。②農村從業勞動力數量會影響糧食的生產。③受災面積會使糧食減產或絕收，是影響產量的因素。④地形地貌，糧食生產會受地理環境的影響，地形地貌采用虛擬變量的形式：平原或盆地地區設為2，丘陵地區設為1，高原或山地設為0。⑤科技推廣人員，我國農業科技成果的1/3沒有轉化為現實生產力，科技推廣人員會促進科技成果在糧食生產過程中落地。

2.3 數據來源與描述性統計

本文采用1999—2016年《中國農村統計年鑒》31個省（市、自治區）的數據。表2報告了變量描述性統計結果。

表2 變量描述性統計

3 模型檢驗及計量結果

3.1 模型設定檢驗

在確定使用空間計量方法之前，首先要考慮數據是否有空間依賴性。本文采用Moran's I指數檢驗數據是否具有相關性,式（1）為Moran's I指數計算公式。如果高值與高值聚集在一起，低值與低值聚集在一起，稱為空間正相關，此時Moran's I指數大于0；如果高值與低值相鄰，稱為空間負相關，此時Moran's I指數小于0；如果高值與低值隨機分布稱為空間不相關，此時Moran's I指數接近0[8]。圖2報告了1999—2016年糧食Moran指數變化情況。可以看出，Moran's I指數值顯著為正，糧食產量具有明顯的空間依賴性。

圖21999—2016年糧食產量Moran's I指數

除了Moran's I指數描述全局的空間相關性，還可以通過繪制Moran散點圖以可視化的直觀圖描述局域空間相關性。Moran散點圖橫坐標為z=xi-空間滯后因子，縱坐標Wz表示對觀測值的空間加權計算。若散點圖中的點(z ，Wz)出現在坐標圖中第一象限表示高值附近出現高值；出現在第二象限表示低值附近出現高值；出現在第三象限表示高值附近出現低值；出現在第四象限表示低值附近出現低值。坐標點出現在第一、三象限表示具有明顯的空間相關性。由于篇幅所限，圖3報告了2016年的糧食產量Moran's I散點圖。圖中有22個省份出現在第一、三象限，說明糧食產量分布具有明顯的局域空間相關性。

3.2 計量結果

圖3 2016年糧食產量Moran's I散點圖

隨機前沿模型的結果在1%水平上顯著為正，說明采用隨機前沿模型是合適的。σu=0.3011且在1%的水平上高度顯著，顯示各省份糧食生產存在著高度顯著的技術無效性，這說明在糧食生產中，部分生產要素的投入是無效的，因此，我國可以在不增加甚至減少碳排放的情況下，通過提高技術效率來提高糧食產量。η取值0.008，在5%水平上顯著，由于，表明隨著時間的推移技術無效率項uit在變小，這也間接顯示了糧食生產過程中技術效率較之以前有了進步。為0.8972大于0.5接近于1，這表明糧食產量偏離前沿面主要是由生產的無效率造成的，這也說明下一步糧食增產穩產的路徑不是加大要素投入，而是提高要素的使用效率。空間自回歸系數λ=0.1301，且在1%的水平上顯著，說明糧食產量在各省份存在較大的空間依賴性，這也契合了國家建立連接成片的糧食主產區來發揮各空間之間的正向溢出效應。而經典的隨機前沿模型忽略了這種溢出效應，這也是本文引入空間因素的重要原因。

表3 隨機前沿模型估計結果

通過表3可以看到，導致碳排放的生產要素化肥、農藥、農膜、機械、灌溉的系數均為正，其中化肥、農藥的系數在1%的水平上顯著為正，農業機械和灌溉在5%的水平上顯著為正，農膜在10%的水平上顯著為正。上述五種投入要素中，化肥對糧食產能的影響最大為0.18，機械和灌溉次之，農藥和農膜相對較小。五種投入要素系數之和為0.25，五種要素投入減少1%會導致糧食產能降低0.25%（取對數以后）。

隨機前沿生產函數可以看作一定投入下的最大產出，根據對偶關系，也可以看作一定產出下的最少投入。進一步計算可以得出，若要保持糧食產能不下降，即保持2016年糧食產量60709.9萬噸，最低碳排放量為3944.1萬噸，即最低碳排放量要至少為2016年碳排放總量的65.5%。這意味著在減少生產要素投入的34.5%的情況下，只要提高糧食生產的技術效率，減少生產要素的無效投入，仍然可以保持2016年的糧食產能。

4 碳減排路徑研究

對糧食生產過程中碳排放的研究，目的在于制定針對性較強的政策措施，降低碳排放的強度。根據上文分析，我國糧食生產中有較大的碳減排潛力，下面探討確保糧食安全情況下糧食生產要素投入的碳減排問題。

4.1 碳排放強度測算

首先計算我國31個省份的碳排放強度，表4報告了測算結果。

表4 我國31個省份糧食生產碳排放強度

2007年排放強度前5位的省份是海南、河北、浙江、天津、福建，其中4個來自主銷區，排名第一的海南省碳排放強度是全國平均的1.91倍，是排放強度最低的西藏的4.4倍。2016年排放強度前5位的省份是海南、浙江、北京、陜西、福建，其中4個來自主銷區，排名第一的海南省碳排放強度是全國平均的2倍，是排放強度最低的黑龍江的3.63倍。在所有年份，主銷區和平衡區碳排放強度較高，主產區和平衡區碳排放強度較低，且這種趨勢越來越明顯，說明碳排放強度具有較大的地區差距。這也提示在制定減排政策時不能忽略地域的異質性。

4.2 碳減排路徑

有學者通過將國內能效水平與國際先進水平差距來衡量節能減排的潛力，但考慮到我國的經濟發展水平、科技創新、相關的法律法規等現實國情，較短期內很難追趕成發達國家先進水平。

本文采用趨同理論來測算節能減排潛力。先采用絕對趨同法測算31個省份的糧食生產碳減排潛力（假設各省份排放強度向全國最低值收斂），再采用條件趨同法測算主產區、平衡區、主銷區碳減排潛力（各省份向各自功能區內的最低值收斂）。

碳減排潛力測算：首先計算糧食生產過程中碳排放強度的最低省份并用表示，然后利用公式(i=1，2，...，31)計算各省市減排潛力。參考王臘芳等（2015）[9]關于減排潛力的分類標準得到表5。

（1）全國層面的糧食生產減排潛力

表5是全國絕對趨同的情況：各省份的碳排放強度向全國最低的西藏靠攏。

表5 2007—2016年31個省份糧食生產平均減排潛力

有25個省份處在中、高減排潛力區域，占了全國省份的80.65%，說明大部分地區糧食生產的碳排放強度比較高，存在很大減排空間，最高的是海南省為74.6%。有12個省份減排潛力超過50%，其中河北、山東來自主產區；山西、陜西、甘肅來自平衡區；其余7個全部來自主銷區（主銷區共7個省份）。減排潛力最低的除了作為標準的西藏外，還有4個省，分別是貴州、黑龍江、湖南、江西來自平衡區，其余均來自主產區。從三大功能區來看主銷區減排潛力最大，主銷區中減排潛力最小的上海其潛力達到56.77%。通過表5可以看出，由于碳減排潛力小于34.5%有10個省份，碳減排潛力大于34.5%有21個省份，占有2/3的比例，所占比例較大，因此全國絕對趨同下的碳減排對糧食安全會產生一定的影響。

（2）俱樂部趨同糧食生產減排潛力

表6是三大功能區俱樂部條件趨同的情況：各省份的碳排放強度會向本地區的最低水平靠攏，即主產區各省份向黑龍江靠攏，平衡區向西藏靠攏，主銷區向上海靠攏。

表6 2007—2016年糧食功能區生產減排潛力 (單位：%)

三大功能區糧食生產減排的潛力依然比較顯著，平衡區減排潛力最大，平均減排潛力為37.08%，不同于全國層面的絕對趨同情況下主銷區減排潛力最大；主產區平均減排潛力為23.34%，低于平衡區；主銷區減排潛力最小，均值只有18.75%。表6中的大多數減排數據小于表5中數據（平衡區相等），說明如果采用俱樂部趨同減排方式，大多數地區減排潛力將減少，減排幅度也將減少，減排壓力也隨之降低。俱樂部趨同情況下的碳減排由于只有平衡區的11個省份的減排潛力大于34.5%，其他20個省（市、自治區）減排潛力均小于34.5%，因此俱樂部趨同下的碳減排不會影響糧食安全。

5 結論與啟示

本文基于糧食生產要素投入的視角，對我國31個省份糧食生產過程中的碳排放總量和強度進行測算。在此基礎上，通過空間面板隨機前沿生產函數測算了各種碳源對糧食產能的影響，并進一步測算了糧食生產過程中碳減排潛力，得出結論：（1）我國碳排放規模較大，各省份的碳排放強度具有較大異質性。（2）在確保糧食安全的前提下，全國有34.5%的碳減排潛力。（3）從碳減排路徑看，全國絕對趨同下的碳減排對糧食安全會產生一定的影響；俱樂部趨同下的碳減排不會影響糧食安全。

當前糧食生產中，生產要素使用效率偏低，存在大量無效投入，因此未來提高農業技術效率是碳減排的關鍵。要強化科技創新和技術推廣，提高低碳農業的科技引領和技術支撐力度，以提高資源利用效率來保護生態環境。積極發展節水灌溉、水土保持、旱作農業技術；發展節能耕作技術、部分地區試驗和推廣壟作免耕；實施測土配方施肥，精準科學施肥、發展農家肥、秸稈還田技術；充分利用生物防治和物理防治病蟲害技術，探索生產農藥替代品。引進低碳農業的各種技術、知識和人才，通過科技創新和技術推廣，既保持糧食產能不下降又擺脫對“石油農業”的依賴，使現代農業科技成為糧食生產過程中實現減少碳排放的重要支撐力。