農業碳排放的EKC檢驗及影響因素研究

梁瀠月 李蘭英

摘 要：依據1995-2019年長三角地區農業相關數據，利用IPCC碳排放系數法計算出該地區農業碳排放量，并對計算結果進行EKC曲線分析，進一步使用LMDI分解法分析農業碳排放的影響因素及其貢獻度。結果表明：長三角地區農業碳排放與農業人均GDP之間存在EKC曲線關系;農業生產效率是長三角地區農業碳減排的主要原因;農業勞動力規模對農業碳減排的作用也尤為重要;長三角地區農業碳排放量不斷增加的首要因素為農業經濟發展水平;農業生產結構一定程度上也造成了農業碳排放量的增長。根據上述研究結論，對長三角地區農業低碳發展提出政策建議：提高農業生產效率;優化農業生產結構;助力農業機械化和規模化的推進;樹立低碳循環發展理念。

關鍵詞：農業碳排放;EKC曲線;LMDI模型;長三角地區

中圖分類號：F323.22? 文獻標志碼：A? 文章編號：0253-2301（2022）01-0072-09

DOI： 10.13651/j.cnki.fjnykj.2022.01.013

Study on the EKC Test and Influencing Factors of Agricultural Carbon Emission

——A Case Study of the Yangtze River Delta Region

LIANG Ying-yue1， LI Lan-ying1， 2*

（1. College of Economics and Management， Zhejiang Agriculture and Forestry University， Hangzhou， Zhejiang

311300， China; 2. Zhejiang Institute of Rural Revitalization， Hangzhou， Zhejiang 311300， China）

Abstract： Based on the agricultural data of the Yangtze River Delta region from 1995 to 2019， the agricultural carbon emissions in the region were calculated by using the IPCC carbon emission coefficient method， and the results were analyzed by EKC curves， and the influencing factors and contribution degree of agricultural carbon emissions were further analyzed by using the LMDI decomposition method. The results showed that there was an EKC curve relationship between agricultural carbon emissions and per capita agricultural GDP in the Yangtze River Delta region. The agricultural production efficiency was the main reason of agricultural carbon emission reduction in the Yangtze River Delta region. The scale of agricultural labor force played an important role in the agricultural carbon emission reduction. The primary factor of increasing the agricultural carbon emissions in the Yangtze River Delta region was the level of agricultural economic development. And the agricultural production structure also caused the increase of agricultural carbon emissions to some extent. According to the above research conclusions， some policy suggestions were put forward for the agricultural low-carbon development in the Yangtze River Delta region， including improving the agricultural production efficiency， optimizing the agricultural production structure， promoting the agricultural mechanization and large-scale development， and establishing the concept of low-carbon and circular development.

Key words： Agricultural carbon emissions; EKC curve; LMDI model; Yangtze River Delta

氣候變暖是當下全球高度關注的重要問題之一，人類生產、生活造成的溫室氣體排放是全球氣候變暖的核心原因[1]。聯合國糧農組織認為，世界約有1/5的溫室氣體來自農業[2]。農業生產中化肥、農藥、農膜等投入，農作物種植和畜牧養殖等是導致溫室氣體排放的主要原因。在資源現狀限制強度逐漸增大的情況下，我國做出莊嚴承諾：2030年前實現“碳達峰”，2060年前實現“碳中和”。到2030年，將實現單位生產總值碳排放比2005年減少60%～65%。

長三角地區（北緯N 31°，東經E 121°）包括上海市、江蘇省、浙江省、安徽省，地處長江下游地區。2019年長三角地區農業總產值約1.6萬億元，占全國農業總產值的13.2%。長三角區域面積35.8萬km2，得天獨厚的地理環境為農業發展提供了有利的客觀條件。長三角地區在我國農業發展總格局中具有重要戰略地位。2019年長三角地區糧食總產量約8448萬t。在農產品產量不斷增加的同時，由此帶來的碳排放量不斷增加的問題也不容小覷。因此分析長三角地區農業碳排放、探究其影響因素，對促進長三角地區發展低碳經濟、加快實現長三角高質量發展、推進綠色生態文明建設具有重要的現實意義。

目前，農業碳排放研究主要集中在農業碳排放測算指標體系構建、農業碳排放影響因素、農業碳匯產生機理與測算、時空演變特征、低碳農業、公平與效率等方面，對農業碳排放的環境庫茲涅茨曲線研究相對較少。Johnson等[3]指出農地利用活動是農業碳排放的主要因素。田云等[4]認為農業碳排放主要來自農地利用、水稻生長、動物養殖。王若梅等[5]、李陽等[6]借助kaya恒等式、LMDI模型等分析了農業碳排放變化的影響因素。馬曉哲等[7]、趙寧等[8]分析測算了農田生態系統碳匯與林業碳匯。陳儒等[9]、鄧悅等[10]相繼分析了中國低碳農業發展水平，發現省域間差異性顯著、大部分區域存在大幅度提升空間。曾琳琳等[11]實證考察了農業種植結構變化對農業生態效率的影響。基于此，本研究在區域農業碳排放研究基礎上，解析農業碳排放影響因素、明晰其內在驅動機理，以期為長三角地區合理制定農業碳減排政策提供決策參考。

1 數據來源與研究方法

1.1 數據來源

本研究的數據來源于長三角地區3省1市的《統計年鑒》《中國統計年鑒》《中國農村統計年鑒》。其中，農膜、化肥、農藥、柴油用量為當年實際使用量;翻耕面積為當年農作物播種面積;灌溉面積為當年有效灌溉面積;農業勞動力為當年年末農村第一產業從業人數。基于對農業碳排放的核算，通過1995-2019年《中國農村統計年鑒》及各地區統計年鑒整理得出種植業總產值、農林牧漁總產值和農業從業勞動力總量。

鑒于家禽、牲畜的飼養周期有差異性，按照出欄率適當調整其年均飼養量，參照閔繼勝等[12]的方法：飼養周期≥1年時，年末存欄量即為年均飼養量;飼養周期<1年時，本研究涉及的家禽、兔和生豬的飼養周期分別為55、105和200 d，年均飼養量為：飼養周期×（年出欄量/365）。

1.2 研究方法

運用IPCC碳排放系數法測算長三角地區的農業碳排放量，并對測算結果進行EKC檢驗，對農業碳排放與農業人均GDP的關系做曲線估計，最后利用LMDI模型分析其主要影響因素。

1.2.1 IPCC碳排放系數法 碳排放沒有統一的測算方法，學者們對模型的分析視具體情況而定。農業碳排放從廣義上被定義為：包含農地利用、植物生長、動物養殖等3個過程產生的碳排放量[13]。本研究選取測算碳排放最常見的IPCC碳排放系數法。據此，構建碳排放測算公式如下：

C= ∑Ci =∑Qi·θi（1）

AI=C/T（2）

式（1）中，C為農業資源投入碳排放總量，Ci 為各類碳源碳排放量，Qi 為各類碳排放源的量，θi為各碳排放源的碳排放系數，AI為碳排放強度，T為農作物總播種面積。

本研究所選的碳源因子包括農業資源投入、農作物種植和畜牧養殖3個方面。其中農業資源投入涵蓋了化肥、農藥、農膜、柴油、灌溉和翻耕（表1）。農作物種植涵蓋了小麥、大豆、水稻、蔬菜、玉米及其他旱地作物（表2）。畜禽養殖涵蓋了腸道發酵和糞便管理系統的排放源（表3、表4），具體到長三角地區，主要涉及牛（水牛、奶牛和黃牛）、豬、羊、家禽、兔等種類。

1.2.2 EKC檢驗 環境庫茲涅茨曲線理論（Environmental Kuznets Curve，EKC）是指一個國家或地區經濟發展水平較低時環境污染程度較輕，當人均收入逐漸上升時環境污染程度加重，當經濟發展達到一定水平后到達頂峰或稱“拐點”，隨著人均收入的進一步增加，環境污染的程度逐漸減輕，環境質量得到改善[18]。環境庫茲涅茨曲線時常用于分析碳排放與經濟增長關系，預測一個地區碳排放發展趨向和“拐點”出現時間。按照EKC曲線的定義，一般將其形式設定為：

Yt=θ+α1Xt+α2Xt2+ε（3）

式（3）中，Yt為二氧化碳排放量，Xt為經濟增長變量，一般用人均GDP表示，待估參數αi（i=0，1，2），其中，EKC曲線的形狀由α2的值決定，當α2數值為正時，碳排放量和經濟增長的曲線形狀呈現為“U”型，當α2數值為負時，碳排放量和經濟增長的曲線形狀呈現為“倒U”型。具體的關系見表5。

1.2.3 對數平均D式指數分解法 本研究采用對數平均D式指數分解法（Logarithmic MeanDivisia Index， LMDI），LMDI方法滿足因素可逆，能消除殘差項[19]。鑒于本研究涉及的各類碳源與種植業、畜牧業不可分割，故本研究分析的農業碳排放為種植業、畜牧業生產中所造成的碳排放量。根據LMDI模型的基本形式及借鑒田云等[20]、胡婉玲等[21]的研究，采用種植業總產值、農林牧漁總產值、農業從業人口、農業碳排放量等指標。農業碳排放總量用以下公式（4）表示：

C=CBGDP×BGDPDGDP×DGDPT×T

AI=CBGDP;FI=BGDPDGDP;GI=DGDPT（4）

式（4）中，C為農業碳排放量，BGDP為種植業總產值，DGDP為農林牧漁總產值，T為農業從業勞動力總量。AI為農業生產資料效率因素、FI為農業結構因素、GI為農業經濟水平因素。

各因素貢獻值為：

△AI=∑Cxt-Cx0InCxt-InCx0InAItAI0;△FI=∑Cxt-Cx0InCxt-InCx0In

FItFI0

△GI=∑Cxt-Cx0InCxt-InCx0InGItGI0;△T=∑Cxt-Cx0InCxt-InCx0In

TtT0（5）

2 結果與分析

2.1 長三角地區農業碳排放特征

2.1.1 長三角地區農業碳排放總量時序特征 根據IPCC碳排放系數法計算出1995-2019年長三角地區農業碳排放總量，見圖1。結果表明，長三角地區農業碳排放量總體呈上升趨勢，由1995年的1091.03萬t增長到2019年的1131.64萬t，年增長率為0.15%，從2015年起，農業碳排放總量呈下降趨勢。從環比增速可知，農業碳排放量的波動較為明顯，2001、2002、2003、2007、2010、2012、2016、2017、2018、2019年呈現負值，即碳排放量相對于上一年有所減少。2003年碳排放量較低可能與當時非典事件有關，而2012年碳排放量下降是因為我國該時期實行節能減排和低碳產業發展、控制溫室氣體排放政策有關。2019年碳排放量下降幅度最大，為-12.67%。其他年份環比增速為正值，即碳排放量相對于上一年有所增加，2013年增加幅度最大，為11.34%。

具體可以劃分為3個階段，第一階段1995-2002年為緩慢增長階段，由1995年的1091.03萬t增長到2002年的1107.82萬t。第二階段2003-2011年為持續增長階段，由2003年的1102.39萬t增長到2011年的1302.89萬t。第三階段2012-2019年為下降階段，由2012年的1187.74萬t下降到2019年的1131.64萬t，在此期間碳排放量于2015年達至峰值1328.70萬t。

2.1.2 長三角地區農業碳排放強度時序特征 農業碳排放強度是指平均每萬元農業GDP所產生的碳排放量[22]，碳排放強度越小表明農業生產越低碳。本研究表明，長三角地區農業碳排放強度總體呈現上升趨勢，由1995年的0.053 t·hm-2上升到2019年的0.061 t·hm-2，于2017年達到最大值（0.070 t·hm-2），見圖2。從環比增速可知，2012年大幅度下降，是因為十二五規劃提出，全國碳排放強度要下降17%。整體來看，長三角地區的碳排放強度大致呈上升狀態，其間略有波動，但整體趨勢不變。

2.1.3 長三角地區農業碳排放結構時序特征 碳源類型中占比最大的是農業資源投入，占96.66%，其次為農作物種植，占2.88%，最后為畜禽養殖，占0.46%，表明長三角地區的農業碳排放以農業資源投入為主。由圖3可知，農業碳排放量位居前4的為翻耕、灌溉、農膜、農藥，這4種碳源年均增速為-0.48%、0.76%、3.60%和-0.46%，在這4種碳源中，翻耕產生的碳排放量逐年下降，農膜產生碳排放相對較少，但其呈現增加狀態，應引起重視。碳排放量較少的為化肥、其他農作物、兔、柴油，總體碳排放量較小，其年均增速分別為0.31%、-6.58%、-0.21%和2.62%，雖然柴油的碳排放量最少，但年均增速較大，在未來農業減源增匯中應引起重視。

2.2 長三角地區農業碳排放EKC檢驗及拐點分析

通過長三角地區農業碳排放與農業人均GDP的擬合分析（圖4）可知，長三角地區農業碳排放與農業人均GDP存在正相關性，農業碳排放隨著農業人均GDP的增長而趨于上升。1995-2007年，長三角地區農業人均GDP在3000元以下，在這段時期內農業碳排量隨農業人均GDP增加而上趨于上升;到2008年，長三角地區農業人均GDP超過3000元，此后農業碳排量隨農業人均GDP增長而上升的速度加快，在2015年開始下降。

利用SPSS軟件分析長三角地區1995-2019年農業碳排放量與農業人均GDP之間的關系，其相關參數見表6。由表6可知，二次曲線模型判定系數R2為0.671，相比線性模型來說，擬合效果更明確，能較好描述長三角農業碳排放與農業人均GDP之間的關系及趨勢，如式（6）：

Y=810.085+0.195X-（1.902×105）X2（6）

由式（6）可以看出，二次曲線模型的一次系數大于0，二次項系數小于0，所以長三角地區農業碳排量與農業人均GDP存在“倒U”型曲線關系，即為EKC曲線關系。

綜上，長三角地區農業碳排量與農業人均GDP之間存在“倒U”型曲線關系，符合EKC曲線。并且，EKC曲線的拐點在2015年出現，農業人均GDP為6267.06元，即2015年長三角地區農業碳排放量達到頂峰，之后隨著收入增長農業碳排放呈下降趨勢。

2.3 農業碳排放影響因素分析

基于長三角地區農業碳排放總量、種植業總產值、農林牧漁總產值、農業從業人口等數據，使用LMDI分解法分析農業碳排放的影響因素，進而對長三角地區農業碳排影響因素的效應進行剖析。

由表7可見，長三角地區農業碳排放降低的主要因素是農業生產效率，總貢獻值約為9622.92萬t;勞動力規模也對碳排放的減少做出了突出貢獻，總貢獻值約為8159.56萬t;農業碳排放增加的主要影響因素為農業經濟水平，增加碳排放量約為38775.28萬t;農業生產結構對農業碳排放有減少作用，貢獻值約為440.38萬t。各影響因素總效應在2015年達到最大值，與前文所述的EKC曲線的拐點時間相同，表明了長三角地區2015年后農業碳排放量達到最大值，此后開始下降，見圖5。

從表7可知，1995-2019年長三角地區農業生產效率年均貢獻率為13.33%，且碳減排效應呈逐年增加，原因可能是近年來農業科技水平、科技創新提升，使得農業生產效率進一步提高;農業勞動力規模一直保持著碳減排效應，且碳減排效應逐年增長，規模僅低于農業生產效率，原因可能是隨著人口城市化和農業現代化的快速發展，長三角地區農業機械化、規模化成效卓著，推進了適度規模經營，因此農業勞動力投入的減少在很大程度上造成了農業碳排放量的降低。

農業生產結構從碳增排效應逐漸轉變為碳減排效應，當中有幾個時期呈現出碳增排效應，波動幅度較大，但總體上保持著碳減排效應。2010年碳增排效應明顯，原因可能是當年自然災害嚴重，農民齊心協力保農業生產，糧食產量創歷史新高。由此可見，長三角地區農業生產結構還存在優化空間，合理調整農業生產結構有助于碳減排;農業經濟水平對農業碳排放增加的年均貢獻率為2.77%，且對農業碳排增加的促進作用逐年增長，其原因可能是長三角地區農業經濟的穩定持續發展導致了農業碳排放的增加，農業經濟發展在一定程度上依舊是長三角農業碳排放量增加的要素，在此期間對農業碳增排的程度也將保持較強狀況。

3 結論與政策建議

3.1 研究結論

長三角地區農業碳排放與農業人均GDP呈現出明顯的EKC曲線關系，拐點出現時間為2015年，這表示隨著農業人均GDP的持續增長，長三角地區2015年農業碳排放量達到頂峰，之后隨著收入增長農業碳排放呈下降趨勢。

長三角地區農業碳排放降低的核心因素為農業生產效率，且減排效應不斷上升;農業勞動力規模對長三角地區農業碳減排也不容忽視;農業經濟發展水平是長三角地區農業碳排放增長最主要的原因，且增排效應逐漸增加;農業生產結構持續性對農業碳排放起到增排效應;碳排放總效應在2015年達到峰值。

3.2 政策建議

基于長三角地區農業碳排放的EKC檢驗及影響因素分析所得出的研究結論，可以為改善農業生態系統管理，減少農業碳排放提供參考。提出以下政策建議。

3.2.1 提高農業生產效率 最重要的途徑是提高長三角的農業科技水平，提升農業科技自主創新能力。上海市應重點推進農業種源創新工程，培育優質高效動植物新品種。同時依靠上海科技創新資源數據中心等機構，建立長三角共享平臺，實現資源共享。浙江省應實施從育種到種植、保護、設施機械、加工、銷售等一體化推廣機制，進一步強化科技創新對農業生產的。江蘇省應大力發展智慧農業，加大農業科技信息服務力度。推進糧食生產機械化，實施機器換人。安徽省則應創新種養方式，加大間種、套種、輪作等方式的推廣應用，推進種養方式創新，突破種養循環堵點。并且要保障創新技術廣泛運用到農業生產中，實現科學種糧的成效，確保糧食高產和農民增效。

3.2.2 優化農業生產結構 帶動長三角農業一體化發展，合理安排產業布局，完善農業產業鏈，整合資源，培養新興模式。截至2019年，長三角地區共有45處村落入選鄉村旅游重點村落，發展基礎良好，可根據實際情況推進生態旅游的發展，推出特色農旅產品。同時完善基礎服務設施，如江蘇省和安徽省應大力發展特色小鎮的建設，浙江省可發展風情小鎮和特色民宿，上海市則致力于鄉村旅游民宿的規范化發展。合理規劃布局觀光、休閑農業等服務業方面，充分利用休閑農業和鄉村旅游的機遇，使農民積極參與，從而增收。

3.2.3 助力農業機械化和規模化的推進 提高長三角農業機械化水平，有助于降低工作強度，提高農業生產效率。引用先進的現代化裝備代替人力，提高生產效率，從而促進農業現代化，保障糧食安全，增加糧食產量。同時，必須加大力度宣傳推廣農機的應用，以大幅提升農機的使用效率。長三角地區的機械化水平較高，都已超過70%。但江蘇省農產品初加工等產業的機械化率不高，可著力于生產環節機械化的協同發展。安徽省和浙江省應著力于設施農業、畜禽糞污資源化利用等機械的研發，推進農業機械化全面發展。上海市可開展新型農機培訓工作，大力宣傳農機農藝協同發展等。

3.2.4 樹立低碳循環發展理念 結合“長江下游農業面源和重金屬污染防控技術示范”，三省一市可利用動物的糞便制成沼氣池，產生的有機肥可再次利用到農地，實行“種養模式”。有效降低化肥農藥、農膜的使用，提高化肥農藥的利用率。各省市應嚴格把控農業面源污染源頭，積極推行綠色防控技術，推廣配方施肥，用有機肥代替化肥，加強配方選藥、精準施藥技術宣傳培訓。穩步推動科學施肥，實現安全可靠、節能環保的可持續發展之路，給予生態環境更堅實的保障。

參考文獻：

[1]IPCC.Climate Change 2007：The Physical Science Basis.Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M].Cambridge：Cambridge University Press，2007.

[2]FAO.The State of Food and Agriculture 2016：Climate Change，Agriculture and Food Security[M].United Nations，2016.

[3]JOHNSON，FRANZLUEBBERS，WEYERS，et al.Agricultural opportunities to mitigate green house gase missions[J].Environments Pollution，2007，150（6）：107-124.

[4]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.

[5]王若梅，馬海良，王錦.基于水—土要素匹配視角的農業碳排放時空分異及影響因素——以長江經濟帶為例[J].資源科學，2019，41（8）：1450-1461.

[6]李陽，陳敏鵬.中國省域農業源非CO2溫室氣體排放的影響因素分析與峰值預測[J].環境科學學報，2021，41（12）：5174-5189.

[7]馬曉哲，王錚.土地利用變化對區域碳源匯的影響研究進展[J].生態學報，2015，35（17）：5898-5907.

[8]趙寧，周蕾，莊杰，等.中國陸地生態系統碳源/匯整合分析[J].生態學報，2021，41（19）：7648-7658.

[9]陳儒，姜志德.中國省域低碳農業橫向空間生態補償研究[J].中國人口·資源與環境，2018，28（4）：87-97.

[10]鄧悅，崔瑜，盧瑋楠，趙敏娟.市域尺度下中國農業低碳發展水平空間異質性及影響因素——來自種植業的檢驗[J].長江流域資源與環境，2021，30（1）：147-159.

[11]曾琳琳，李曉云，孫倩.作物種植專業化程度對農業生態效率的影響[J].中國農業資源與區劃，2021：1-17.

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

[13]張頌心，王輝，徐如濃.科技進步、綠色全要素生產率與農業碳排放關系分析——基于泛長三角26個城市面板數據[J].科技管理研究，2021，41（2）：211-218.

[14]WEST T O，MARLAND G.A Synthesis of Carbon Sequestration，Carbon Emissions，and Net Carbon Flux in Agriculture：Comparing Tillage Practices in the United States[J].AgricultureEcosystems and Environment，2002，91：217-232.

[15]IPCC.IPCC Guidelines for National Greenhouse Gas InventoriesVolume 4：Agriculture，Forestry and other Land Use[R].Geneva，Switzerland：IPCC，2006.

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

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

[18]GROSSMAN，KRUEGER.Economic growth and the environment[J].Journal of Economics，1994，110（2）：353-377.

[19]王歡，喬娟.中國畜牧業溫室氣體排放的脫鉤與預測分析[J].中國生態農業學報（中英文），2019，27（5）：793-802.

[20]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.

[21]胡婉玲，張金鑫，王紅玲.中國農業碳排放特征及影響因素研究[J].統計與決策，2020，36（5）：56-62.

[22]張廣勝，王珊珊.中國農業碳排放的結構、效率及其決定機制[J].農業經濟問題，2014，35（7）：18-26，110.

（責任編輯：柯文輝）

收稿日期：2021-11-20

作者簡介：梁瀠月，女，1997年生，碩士研究生，主要從事農業經濟與政策研究。

通信作者：李蘭英，女，1970年生，博士，教授，主要從事農林經濟管理研究（E-mail：llycds@zafu.edu.cn）。

3006501908293