中國種植業碳排放的測度、脫鉤特征及驅動因素研究*

丁寶根，趙 玉，鄧俊紅

（東華理工大學資源與環境戰略研究中心，江西 南昌 330013）

0 引言

種植業作為農業的最重要組成部分，既是自然生態環境的重要屏障，也是國家糧食安全和經濟安全的重要保障。長久以來，得益于農業機械化和農業化學化，中國種植業的經濟產出效益得到極大的增長，但種植業生產過程中呈現出高耗能、高污染和高排放等普遍現象；即種植業經濟快速發展的同時，也面臨著自然生態環境惡化、耕地資源質量退化等突出問題，種植業可持續發展正遭受嚴峻挑戰。與此同時，中共十八屆五中全會大以來，“綠色發展”成為指導中國當前及未來發展的五大理念之一；中共十九大后，中國經濟發展由“高速增長階段”轉向“高質量發展階段”，而農業由“增產導向”轉向“提質導向”。在此背景下，“種植業低碳化”作為農業綠色發展、農業高質量發展的重要內容，已成為農業高質量發展關注的焦點。可以說，推進種植業低碳化發展既是新時代中國種植業可持續發展的內在需要，也是中央精神的明確要求，更是推動農業供給側改革、種植業綠色發展和農業高質量發展的關鍵。據此，圍繞“種植業低碳化”所開展的種植業碳排放相關研究對促進中國種植業可持續發展以及實現農業高質量發展都具有重大的理論價值和實際價值。

目前，國內外諸多學者已對“農業碳排放問題”進行了大量探索，其主要內容包括：農業碳排放的測度方法以及碳排放效應[1-3]；農業碳排放的時空演化特征[4-8]；農業碳排放的主要驅動因素[9-12]；農業碳排放與其經濟增長之間的關系特征[13-16]；這些現有研究結果表明：碳排放系數法已成為農業碳排放測度的重要方法；我國農業碳排放總量居高不下，但農業碳排放強度趨于下降；我國農業碳排放的地區差異性較為顯著，且主要受自然生態環境、農業資源稟賦、農業生產結構以及經濟社會發展水平等因素的影響；我國農業碳排放與農業經濟增長存在一定關聯性。總體而言，國內外學者在農業碳排放問題上已取得一些卓有成效的研究成果，這很大程度上為中國種植業碳排放問題研究奠定了基礎和提供了參考，然而，已有文獻關于農業碳排放的相關研究多涉及大農業（農林牧漁業），而對種植業碳源、碳排強度、脫鉤特征和影響因素等細化和深入研究相對較少；研究的地域范圍多局限于特定區域、省域或地級市，而對全國范圍種植業碳排放開展省域層面的系統性和全面性研究相對較少；關于種植業碳排放與其經濟增長的脫鉤特征時空差異分析還不夠深入，特別是基于同一時期不同省域的脫鉤特征對比分析并不多見。

基于以上研究背景與研究現狀，文章將在科學編制種植業碳排放測度體系的基礎上，對2001—2018年中國大陸31個省（市，自治區）種植業碳排放進行測度，運用Tapio模型揭示中國種植業碳排放與其經濟增長之間的脫鉤特征，并引入LMDI模型探知中國種植業碳排放的主要驅動因素；基于實證結果和研究結論，提出推進中國種植業低碳化發展的相關政策與建議；從而為實現中國種植業低碳化可持續發展、高質量發展提供決策參考。

1 研究方法與數據來源

1.1 種植業碳排放測度方法

目前學術界對種植業碳排放存在兩種理解：一部分學者認為種植業碳排放僅局限于種植業生產過程中因人類生產活動而直接或間接導致的溫室氣體碳排效應[17]；另一部分學者則認為種植業碳排放還包括了農作物本身的碳匯效應[18]。從李團勝[17]、張俊飚[19]等學者已有的種植業碳排放相關研究來看，大多數研究更側重于第一種理解。結合生產實踐經驗和相關研究成果，并咨詢相關專家，同時考慮到種植業低碳化主要表現為種植業生產過程中減少高碳農用物資的投入以及土壤有機碳的破壞，該研究認為種植業碳排放主要源自于以下幾個方面：①化肥、農藥、農膜等農用物資投入直接或間接引致的碳排放；②農用機械柴油消耗所帶來的碳排放；③灌溉耗費電能引起的碳排放；④翻耕破土引致的有機碳流失。據此，該研究采用IPCC 碳排系數法，并參考李波和張俊飚[14]等諸多學者相關研究，主要考察種植業生產過程中涉及的化肥、農藥、農膜、柴油、灌溉和翻耕等6種碳源直接或間接引致的碳排放，并利用各種碳源的相關碳排系數測算出種植業碳排放量，具體公式為：

式（1）中，E表示種植業的碳排總量，Ti表示第i種碳源投入量，εi表示第i種碳源的碳排放系數，種植業的主要碳排源和碳排系數如表1所示。

表1 種植業主要碳排源和碳排系數

1.2 脫鉤模型

早在20世紀末，德國學者施米特·布雷克Schmidt-Bleek 提出“通過提高全球資源利用效率，可實現經濟增長與資源消耗之間的脫鉤”[24]。20世紀90年代，OECD組織提出了“驅動力—壓力—狀態—影響—反應”框架，描述了經濟驅動因子與環境壓力因子之間的關系，并構建了OECD 脫鉤指數[25]。2005年Tap‐io[26]在探討歐洲經濟增長與二氧化碳排放之間的關系時，引入脫鉤彈性概念，并構建了Tapio 脫鉤指數。依據脫鉤彈性值大小關系，Tapio 定義了8 種脫鉤狀態，分別為負脫鉤（擴張負脫鉤、強負脫鉤、弱負脫鉤）、脫鉤（弱脫鉤、強脫鉤、衰退脫鉤）、連接（增長連接和衰退連接），如表2所示。

表2 Tapio(2005)8種脫鉤狀態劃分

相較于OECD 脫鉤指數，Tapio 脫鉤指數不必受制于基期選擇問題，其采用的“脫鉤彈性”可較好地動態反映兩個變量之間的脫鉤關系，因此，Tapio 脫鉤指數在探析經濟增長與碳排放之間的關系方面更具有優勢[27]。該研究選用Tapio脫鉤指數對中國種植業碳排放脫鉤特征進行分析，構建的脫鉤模型為：

式（2）中，e是脫鉤彈性；C是種植業碳排放；△C是碳排放變化量；G是種植業產值；△G是種植業產值變化量。

1.3 碳排放影響因素分解模型

20世紀80年代末，日本著名學者Yoichi Kaya[28]首次在IPCC國際研討會上提出了Kaya恒等式，該恒等式反映了能源碳排強度、人均GDP、人口規模以及單位GDP 能耗等因素對二氧化碳排放的影響。此后，Kaya恒等式被諸多學者廣泛應用于各區域和各行業的碳排放影響因素研究。

基于Kaya 恒等式，該研究將農業生產效率、產業結構、產出水平、勞動規模等因素與種植業碳排放建立某種關聯，構建LMDI模型[29]定量分解種植業碳排放的驅動因素，其具體表達式為：

式（3）至（6）中，C表示種植業碳排放總量（t）；G表示種植業總產值（元），G大表示農林牧漁業總產值（元），P表示農業勞動規模（人）；β1表示農業生產效率（kg/元），β2表示農業生產結構（%），β3表示農業產出水平（元/人）。

對式（7）采取對數、加減和分解等處理，可得出種植業碳排放各分解因素貢獻值，其表達式分別為：

式（8）至（12）中，△β1表示為農業生產效率因素引致的碳排放效應（t）；△β2表示為農業生產結構因素引致的碳排放效應（t）；△β3表示為農業產出水平因素引致的碳排放效應（t）；△P表示為農業勞動規模因素引致的碳排放效應（t）；△C表示為各影響因素引致的碳排放總效應（t）；CT、、、、PT分別表示第T年的C、β1、β2、β3、P，而C0、、、、P0分別表示基期年的C、β1、β2、β3、P。

1.4 數據來源及說明

該研究實證過程中用到的化肥折純量、農膜用量、農藥用量、農機柴油、農作物播種面積、有效灌溉面積、種植業總產值、農林牧漁業總產值、農業勞動力規模等數據均來源于2001—2019 年各年度《中國農村統計年鑒》以及中國大陸31個省（市、自治區）的省級統計年鑒。其中，種植業產值是指包括糧、棉、油、糖、麻、煙、茶、果、藥等所有種植作物的總產值；化肥表示為當年化肥折純量；農膜表示為當年農膜實際使用量；農藥表示為當年農藥實際使用量；柴油表示為當年農用機械柴油使用量；灌溉表示為當年有效灌溉面積；翻耕表示為當年農作物播種面積；農業勞動力數量則以當年鄉村第一產業從業人口替代。

2 實證結果與分析

2.1 中國種植業碳排放的測度結果及分析

（1）中國種植業碳排放的時序變化。基于式（1）的測算，可知中國種植業碳排放量，如圖1 所示，2018 年中國種植業碳排放總量為7 850.39 萬t，較2001 年5 446.20 萬t 增加了44.14%，年均增長速度為2.45%；而化肥、農膜、農藥、柴油、灌溉、翻耕引致的種植業碳排放量依次為5 246.48 萬t、1 308.58 萬t、815.46萬t、289.72萬t、138.03萬t、52.12萬t，分別占種植業碳排放總量的66.83%、16.68%、10.38%、3.69%、1.76%、0.66%。2001—2018年中國種植業碳排放量總體上呈現出兩階段變化特征：①2001—2016年種植業碳排放量持續增長，化肥、農膜和農藥等農用物資投入的大幅增加是引起種植業碳排放不斷上升的主要原因；②2017—2018 年種植業碳排放量趨于加速下降，這可能得益于種植業節能減排技術的推廣應用以及綠色發展理念在農用生產領域不斷實踐，種植業生產過程中農用化肥、農膜以及農藥等高碳排放物資的投入逐漸減少，從而導致種植業碳排放總量持續減少。

圖1 2001—2018年中國種植業碳排放量及其增速時序變化趨勢

化肥作為種植業碳排放的最主要碳源，其引起的碳排放量占比高達66.83%（2018年）。在過去的十幾年里，農用化肥導致的碳排放總體上經歷了由上升到下降的變化，最高峰值為5 401.81萬t（2016年），但2017 年起呈現下降趨勢。農膜導致的碳排放量占比約16.68%（2018 年），已成為種植業的第二大碳排放源。2001—2016 年農膜引起的碳排放量總體上呈現上升的趨勢，這可能源于為保障糧食增產增效而不斷增加農膜的使用；但2017 年起農膜引起的碳排放呈現下降趨勢，這可能源于農膜高效利用以及低碳種植技術的推廣應用而減少了農膜的使用。農藥引致的碳排放量占比約10.38%（2018 年），2001—2015 年碳排放總體呈現明顯上升，但2016 年起轉入持續下降態勢，從最高峰值2015 的891.55 萬t 跌至2018 年的815.46 萬t，這表明近年來種植業生產過程種農藥的使用量持續減少。柴油使用引起的碳排放量占比約3.69%，其碳排放量總體上呈現“下降—上升—下降”的波動特點，這可能源于不同歷史時期農機推廣政策的變化以及農業生產方式的變化引起柴油使用量和使用效率的波動。自2001 年以來，灌溉引起的碳排放量呈現持續增長的態勢，年均增速約1.40%，這一定程度上表明水利設施的不斷完善導致了有效灌溉面積的持續增加。種植業生產過程種翻耕引起的碳排放量占比最低，僅為0.66%，其碳排放量從2001 年的48.78萬t增加至2018年的52.12萬t，年均增速僅為0.38%，總體上波動幅度較小，這表明近十幾年來翻耕面積保持較穩定的狀態。

（2）中國種植業碳排放的地區差異。從圖2 可知，2018 年中國大陸31 個省（市、自治區）種植業碳排放量存在較大的地區差異，其中，最高的河南碳排放量達815.45萬t，占全國比重約10.38%；最低的西藏碳排放量僅為7.55 萬t，占全國比重約0.09%。從總體區域分布情況來看，中部地區和東部地區的傳統農業大省或糧食主產區是種植業碳排放主要來源地。目前，中部地區和東部地區的一些傳統農業大省擁有較豐富的耕地資源且以種植業為主，耕地資源集約化程度較高，化肥、農膜、農藥、柴油等高碳農用物資投入較多，從而導致種植業碳排放總量居于高位。

因不受資源總量基數的影響，碳排放強度一定程度上能較客觀地反映出某地區種植業低碳化水平，能較好地進行各地區間橫向對比。從圖2可看出，中國種植業碳排放強度總體上呈現“中部>西部>東部”的高低特征，且省際差異顯著，其中，種植業碳排強度最高的是吉林，高達315.39kg/萬元；而種植業碳排放強度最低的省份是貴州，僅63.83kg/萬元，大約是吉林的1/5。

圖2 2018年中國大陸31個省（市、自治區）種植業碳排放量及碳排放強度

中國橫跨的經度緯度較大，不同區域或省域的自然氣候環境、耕地資源稟賦、農業生產結構、農業生產方式和農業經濟發展水平等均存在較大的差異性，這導致耕地集約化水平和利用方式存在較大的不同，進而引起各地區種植業碳源結構的差異性。從圖3可知，中國各地區種植業碳排放源于灌溉和翻耕的比重差異性不大，但源于化肥、農膜、農藥和柴油的比重差異性較大，其中，陜西、河南、湖北和吉林等種植業生產過程中化肥的投入比重相對較高；上海、北京、甘肅和新疆等農膜投入比重相對較高；江西、湖南、海南和浙江等農藥投入的比重相對較高；貴州、黑龍江、內蒙古和青海等農用柴油投入的比重相對較高。

圖3 2018年中國大陸31個省（市、自治區）種植業各碳排放源所占比重

2.2 中國種植業碳排放脫鉤特征分析

（1）中國種植業碳排放脫鉤特征的時序變化。基于式（2）計算，可得知2001—2018年中國種植業碳排放脫鉤特征的時序變化。如表3所示，2001—2018年中國種植業碳排放與其經濟增長之間的脫鉤特征主要以弱脫鉤為主，表明種植業產值保持正增長且增速快于種植業碳排放增速，總體而言，其脫鉤關系特征大致分為3個階段。

表3 2001—2018年中國種植業碳排放脫鉤特征的時序變化

①2001—2003 年中國種植業碳排放量增速經歷了“低—高—低”的波動，而種植業產值的增速一直處于放緩的態勢，甚至2003 年種植業碳排放增速快于種植業產值的增速，從而導致這階段呈現弱脫鉤、增長鏈接和擴張負脫鉤的特征。

②2004—2015 年中國種植業碳排放與其經濟增長均保持正增長態勢，然而，同期碳排放的增速要小于經濟增長的增速，這階段碳排放脫鉤特征集中為弱脫鉤類型。

③2016—2018 年中國種植業碳排放量保持下降態勢，而種植業產值總體呈現增長態勢，但可能由于受農業自然災害、生產結構調整或市場價格等影響，2017 年種植業產值出現了短暫的下降，這階段的碳排放脫鉤特征為強脫鉤和衰退連接。

（2）中國種植業碳排放脫鉤特征的地區差異。為較好呈現中國不同地區碳排放脫鉤程度與脫鉤類型的差異性，同時對比中共十八大前后的變化，基于脫鉤彈性計算式（2），可得知2001—2013 年和2014—2018年兩階段中國大陸31個省（市、自治區）種植業碳排放脫鉤特征，具體如表4所示。

表4 2001—2013年和2014—2018年中國大陸31個省（市、自治區）種植業碳排放脫鉤特征

①2001—2013年僅北京和上海呈現強脫鉤狀態，占整個樣本的6.5%，其余29個省（市、自治區）均呈現弱脫鉤狀態。其中，脫鉤程度最高的是上海，其脫鉤彈性值為-0.486；脫鉤程度最低的是西藏，其脫鉤彈性值為0.743；有20個省（市、自治區）脫鉤彈性值在0～0.2；有6個省（市、自治區）的脫鉤彈性值在0.2～0.4；有2個省份的脫鉤彈性值在0.4～0.6；僅1個省份的脫鉤彈性值在0.6～0.8。

②2014—2018 年江蘇、浙江等12 個省（市、自治區）呈現強脫鉤狀態，廣西、云南等7 個地區呈現弱脫鉤狀態，北京、上海、福建和甘肅呈現衰退脫鉤，天津、遼寧和山東呈現衰退連接，內蒙古呈現擴張負脫鉤，吉林呈現強負脫鉤，河北、山西、湖南呈現弱負脫鉤；其中，脫鉤程度最高的是江蘇，其脫鉤彈性值為-0.462；脫鉤程度最低的是福建，其彈性值為28.605。

從區域層面上看，中國種植業碳排放呈現強脫鉤狀態的省域數量有較快增長，但呈現的脫鉤類型及脫鉤程度趨于差異化。

2.3 中國種植業碳排放驅動因素分析

基于LMDI模型對中國種植業碳排放驅動因素進行分解，可得出2001—2018年農業生產效率、生產結構、產出水平和勞動力規模等驅動因素對中國種植業碳排放的貢獻值及貢獻率（圖4），實證結果如下。

圖4 2001—2018年中國種植業碳排各驅動因素的貢獻值及貢獻率

（1）農業生產效率是中國種植業碳排放減少的最主要驅動因素。2001—2018 年農業生產效率因素累計碳減排效應達7 0031.587 萬t，年均碳減排效應約-3 890.644 萬t，碳減排的貢獻率整體上較高且處于持續上升態勢，對碳排放的抑制效應趨于不斷增強。由此表明，近十幾年來，農業生產效率的提高一定程度上抑制了中國種植業碳排放的增長，因此，提升農業生產效率將成為推進中國種植業低碳化的重要舉措。

（2）農業生產結構是中國種植業碳排放增加的驅動因素之一。2001—2018 年農業生產結構因素累計碳增排效應約3 161.551萬t，年均碳增排效應約175.642萬t，但碳增排的貢獻率整體上偏低且保持較平穩趨勢，碳增排效應不是特別明顯。由此表明，為保障糧食增產和糧食安全，同時受制于有限耕地資源，近十幾年來中國農業特別是種植業的生產規模處于較穩定狀態，通過大幅度調整農業生產結構以降低種植業碳排放的難度較大。

（3）農業產出水平是中國種植業碳排放增加的最主要驅動因素。2001—2018 年農業產出水平因素累計碳增排效應達10.920 707 7 億t，年均碳增排效應約6 067.060 萬t，碳增排的貢獻率整體偏高，2001—2016 年對碳排放的增加效應趨于不斷增強，但2017 年起碳增排效應趨于減弱。由此表明，農業產出水平的提升更多依賴于農業化學化和農業機械化，即依賴于化肥、農膜、農藥、柴油等高碳物資的大量投入，從而成為導致種植業碳排放居于高位的最主要原因，但在農業綠色發展導向下，農業產出水平的碳增排效應正逐漸趨于弱化。

（4）農業勞動力規模是中國種植業碳排放增加的重要驅動因素。2001—2018 年農業勞動力規模因素累計碳增排效應約4.046 969 2 億t，年均碳增排效應約2 248.316 萬t，碳增排的貢獻率整體偏高但處于持續下降趨勢。由此表明，受小農經濟和家庭式耕作方式的影響，中國種植業對勞動力的依賴程度較高，但隨著農業機械化和現代化的發展，種植業對勞動力的依賴程度正逐漸趨于下降。

3 研究結論與政策啟示

3.1 研究結論

該文運用IPCC碳排放系數法測度了2001—2018年中國大陸31個省（市、自治區）種植業碳排放，對中國種植業碳排放的時序變化和地區差異進行了分析，采用Tapio模型揭示了種植業碳排放脫鉤特征，并引入LMDI模型進一步探討了中國種植業碳排放的主要驅動因素，研究所得結論如下。

（1）中國種植業碳排放量的時序變化和地區差異顯著。從時序變化看，2001—2015 年中國種植業碳排放總量持續增長，但自2010 年起碳排放增速趨于持續下降，且于2015 年之后轉入負增長階段；其中，化肥是種植業碳排放的最主要碳源，其引起的碳排放量占比高達67.1%，但2016 年起因化肥導致的碳排放量趨于下降態勢；2001—2018 年中國種植業碳排放強度總體處于持續下降態勢。從區域或省域差異性看，中部地區和東部地區農業大省年均碳排放量較高，而西部地區耕地資源稀少和生態脆弱的省份年均碳排放量較低；相對而言，東部地區碳源農藥和農膜、中部地區碳源農藥和化肥、西部地區碳源農膜和翻耕占全國的比重較高。此外，東部地區的種植業碳排放強度較低，中部地區的種植業碳排放強度較高。

（2）中國種植業碳排放與其經濟增長的脫鉤關系呈現不同特征。從時序變化上看，2001—2003 年中國種植業碳排放脫鉤特征呈現弱脫鉤、增長連接和擴張負脫鉤的脫鉤特征，2004—2015 年呈現弱脫鉤特征為主，2016—2018 年呈現出強脫鉤和衰退連接的脫鉤特征；從省際差異上看，2001—2013 年中國大陸各省域種植業碳排放脫鉤特征呈現“弱脫鉤”為主，僅北京和上海兩地區呈現“強脫鉤”狀態，且大部分省份的脫鉤彈性值集中在0～0.2；2014—2018年中國大陸31個省（市、自治區）種植業碳排放脫鉤特征存在較大的省際差異，其中有12 個省份呈現強脫鉤，7 個省份呈現弱脫鉤，其他省份分別呈現擴張負脫鉤、弱負脫鉤、強負脫鉤、衰退脫鉤和衰退連接等不同脫鉤特征；中國種植業碳排放與其經濟增長在省際層面上呈現“強脫鉤”狀態的省份數量有較快增長，但呈現的脫鉤類型及脫鉤程度趨于差異化。

（3）農業生產效率、生產結構、產出水平和勞動規模等對中國種植業碳排放產生了不同程度的正負影響。從總體上看，生產效率是中國種植業碳排放的最主要抑制因素，其碳減排效應的貢獻率總體較高，并且對種植業碳排放的抑制作用也趨于增強；生產結構對中國種植業碳排放產生了增排效應，但其對種植業的碳排放貢獻率偏低，并且長久保持平穩態勢；產出水平是中國種植業碳排放增加的最主要影響因素，其碳排放的貢獻整體偏高，但2017 年開始農業產出水平的碳增排效應逐漸趨于弱化；勞動力規模是中國種植業碳排放增加的重要影響因素，其碳排放增加效應的貢獻率整體偏高，但其碳排放增加效應長期處于下降趨勢。

3.2 政策啟示

基于中國種植業碳排放的測度、脫鉤特征及驅動因素分析，所得結論可為中國種植業低碳化以及推動中國農業高質量發展的相關政策制定提供重要參考。據此，由實證結果和研究結論可得到以下幾點啟示。

（1）中國種植業低碳化需堅持“科技創新、結構優化”。盡管近年來中國種植業碳排放正趨于下降態勢，但碳排總量仍處于高位，為防止反彈的可能，應持續推進種植業低碳化。實踐經驗證明，農業科技進步是種植業低碳化的重要支撐，政府應強化農業科技創新政策支持，引導科研院校、高科技企業等積極研發低碳環保農業技術，引導農戶和農企在種植業生產過程種積極使用低碳環保農業技術。此外，在保障糧食安全的前提下，發揮優勢資源，不斷優化種植結構和農用物資投入結構，大力發展特種種植業和低碳種植業。

（2）中國種植業低碳化應注重“因地制宜、突出重點”。中國各地區耕地資源稟賦、農業生產效率、農業生產結構以及農業產出水平等存在較大的不同，導致種植業碳排放地區分異顯著，需因地制宜采取差異化的種植業低碳化政策措施，重點關注一些碳排放總量和碳排放強度較高的地區，以期實現各地區資源、經濟、環境和社會的統籌協調發展。此外，種植業的碳排放源絕大多數為農用化肥，應以減少農用化肥的使用作為種植業低碳化的重點。

（3）中國種植業低碳化要著力“提質增效、綠色發展”。在耕地資源較豐富的地區推進供給側改革，積極引導農戶在種植業規模化和產業化的同時，重視農業產品品牌的打造和農產品質量的提升。同時，以有機農產品、綠色農產品和品牌認證為抓手，推廣普及環境友好型種植業方式，減少對化肥、農藥等高碳物資的依賴。此外，在推進農業機械化過程中，積極鼓勵農機生產企業向種植業集聚地區提供節能減排的農機，并建議當地政府相關部門應從財政支農資金中給予適當補貼。