基于新型支持向量回歸模型的河北省農業碳排放測算及預測研究

賈敏 陳英偉

(河北經貿大學數學與統計學學院，河北 石家莊 050061)

引言

隨著人類社會的進步與發展，環境污染、全球變暖問題越來越嚴重，極端天氣頻發，災難造成的損失也越來越多。聯合國政府間氣候變化專門委員會(IPCC)第四次評估報告認為，溫室氣體的大量排放所造成溫室效應的加劇可能是全球變暖的基本原因，而溫室氣體中最主要的是CO2，其中世界農業排放的CO2量約占全球CO2總排放量的34%[1]。英國氣候變化委員會曾指出，即使現在的農業排放相比于運輸和能源供應這兩方面的排放來說較低，但到2050年時極有可能成為最大的排放源之一[2]。隨著人們對氣候問題關注度的持續提升，農業碳排放問題也越來越受到重視，研究不同農業地點的碳動態和平衡是必不可少的。

國內外許多學者做了農業碳排放的相關研究。在農業碳排放研究區域方面，曾大林等[3]分析了當前中國各省區低碳農業發展存在的問題，同時發現河北省農業碳排放量常年穩居第3。張志高等[4]對河南省碳排放進行預測，而冉景成等[5]研究了新疆農業碳排放峰值預測和影響因素。Prastiyo S E[6]研究了印度尼西亞農業部門碳排放量與經濟增長的關系；Ali Basit[7]對印度農業生態系統和二氧化碳排放之間的關系進行研究，發現二氧化碳排放和農業生態系統是共生的。

在探究環境污染與經濟發展關系時，有的利用環境成本會計核算方法進行研究，也有的利用脫鉤理論、EKC曲線方法對經濟發展水平和環境污染關系展開研究[8-10]。

在農業碳排放量預測方面，常采用灰色預測模型、STIRPAT模型等對農業碳排放峰值進行相關預測[4,5]。此外，有采用差分進化灰狼優化改進的支持向量回歸[11]對河北省碳排放總量進行預測，但碳排放總量不僅包含能源消費量還有工業林業等部門的排放量，而且在驗證預測模型的精確性時僅與神經網絡模型進行了對比。

我國不僅是農業大國，也是世界上最大的碳排放國，在第75屆聯合國大會我國提出了“二氧化碳排放力爭于2030年達到峰值，努力爭取2060年前實現碳中和”的目標。河北省作為碳排放總量以及碳排放強度雙高的省份，控碳工作面臨極大的壓力，同時作為農業大省，農業現代化水平有待提高。農業生產過程會排放出大量CO2，如何有效降低農業碳排放量是亟待解決的問題，而有關河北省農業碳排放情況的研究甚少，且主要通過灰色預測模型和STIRPAT模型做預測研究，輸入變量多為碳排放量的影響因素。因此本文在以下2個方面進行了深入分析：研究視角上，主要研究河北省農業碳排放情況，并將河北省農業碳排放情況與山東省作對比，研究省域上的差異；研究方法上，本文采用差分進化灰狼優化改進的支持向量機回歸模型(DE-GWO-SVR)對農業碳排放量進行預測研究，同時改為將各碳源作為輸入變量，碳排放量由各碳源排放量求和所得，因此用來預測碳排放量效果會更好。并將結果與多個模型進行對比驗證預測優異效果，進一步拓展機器學習在農業碳排放預測的應用。通過對河北省農業碳排放情況的研究，了解當前碳排放省情，為河北省節能減排工作提出合理化建議，加快建設綠色低碳、生態優美的現代化河北新農村。

1 研究方法及數據來源

1.1 IPCC法碳排放估計模型

C=∑Ci=∑Ei×δi

(1)

式中，C為農業生產碳排放總量；Ci為各類農業碳源碳排放量；Ei為各碳排放源投入量；δi為各碳源的碳排放系數，其中各碳源的碳排放系數取值如表1所示。

表1 農業碳排放碳源、系數及參考來源

1.2 農業碳強度計算模型

選取農業碳排放強度作為衡量農業碳排放水平的指標，由地區農業碳排放量與該地區農業生產總值之比得到[12]，用每單位農業生產總值的增長所帶來的碳排放量作為碳排放強度更科學，更方便于進行不同地區的對比。具體估算公式：

S=T/B

(2)

式中，S為碳排放強度；T為農業碳排放總量；B為農業生產總值。

1.3 差分進化灰狼優化改進的支持向量機模型

支持向量機(support vector machine,SVM)是最受歡迎的機器學習算法之一，其基本思想是依據統計學習理論，利用核函數將輸入樣本空間映射到高維特征空間，在這個高維空間中求得一個最優分類面，得到輸入與輸出變量間的非線性關系[13]。支持向量機用于回歸時稱為支持向量回歸(SVR)，在解決小樣本、非線性和高維模式識別等問題方面具有優勢，但其超參數設置將直接影響模型預測的穩定性和精確性，因此參數優化尤為重要。

灰狼優化算法(Grey Wolf Optimizer，GWO)是由Mirjalili等于2014年提出來的一種新的群體智能優化算法[14]。該算法模仿了自然界中灰狼的社會等級層次制度和狩獵機制。其中社會等級層次制度是指將灰狼劃為4個等級，狩獵機制是將追蹤、包圍追捕和攻擊獵物等捕食任務分配給不同等級的灰狼來完成捕獵行動，從而實現全局優化的目標。灰狼優化算法具有較強的收斂性能、易實現等特點，但由于種群多樣性差使得算法有收斂速度不理想，易陷于局部最優和早熟收斂等缺點。

差分進化(Differential Evolution，DE)作為一類基于群體的自適應全局優化算法，由Rainer Storn[15]于1995年提出。其思想來源于遺傳算法，主要步驟為變異、交叉和選擇3個過程，實踐證明是速度最快的進化算法，具有魯棒性、高效性等優點。

將差分進化和灰狼優化相結合，利用差分進化算法產生的差分變異增加灰狼種群的多樣性，可以改善早熟停滯的缺點，同時保留灰狼算法全局最優的搜索能力。用其改進支持向量機回歸模型可高效地搜索到全局最優解，提高模型的穩定性和準確性。

1.4 指標選取與數據來源

一般而言，農業碳排放主要來源于6個方面[16]，具體指標如表2所示。

表2 農業碳排放主要來源

本文樣本研究時期為2000—2019年，數據來源于《河北統計年鑒》《河北農村統計年鑒》《山東統計年鑒》和《山東農村統計年鑒》等，其中翻耕面積使用當年實際播種面積作替代，灌溉面積以當年節水灌溉面積為準。

2 結果與分析

2.1 農業碳排放量變化及特征

總體來講，2000—2019年河北省農業碳排放量呈現升降交替的趨勢，見表3，分段來看，2000—2005年碳排放量急劇增加，從535.16萬t增加757.39萬t，年均增長率為7.39%，其中2003—2004年增長最為迅速，增長率為20.12%；2007—2008年碳排放量迅速下降，從785.09萬t降到694.28萬t，年平均增長率為-11.57%，可見為迎2008年北京夏季奧運會開展的“藍天計劃”行動減碳效果顯著。2015—2019年碳排放量迅速下降，從700.66萬t降到581.19萬t，年平均增長率為-4.55%，說明河北省在“十二五”節能減排目標中取得了可喜的成就。從總體上來看，農業碳排放量處于較高位，說明河北省節能減排工作壓力不減，未來還需鍥而不舍地打好節能減排攻堅戰。

農業碳排放源占比隨著時間的推移有所變化，但總體來看，最大的碳排放源化肥和第3大碳排放源農業灌溉，都呈緩慢上升的趨勢；第2大碳排放源為農用柴油，總體上呈先降后升的趨勢。推進農業現代化發展，減少化肥、農用柴油的使用，提升農業灌溉技術，才能有效降低農業碳排放量。

表3 2000—2019年河北省農業碳排放量及環比增速

2.2 兩省農業碳排放總量及碳強度對比

山東作為河北鄰近農業大省，其農業機械化、規模化和產業化都走在全國前列，兩省氣候溫差相近，種植農作物種類相似。將河北與山東農業碳排放量及碳排放強度進行對比，以探究有何異同，對研究河北具有重要指導意義。一般來說，農業技術水平低、能源利用效率差會導致農業碳排放強度高，而結果發現雖然山東的農業碳排放量一直高于河北，但山東農業碳排放強度年均為0.3313t·hm-2，河北年均農業碳排放強度為0.3937t·hm-2，兩省相差無幾，且都呈先上升后下降的趨勢，表明兩省農業可持續發展政策成效顯著，同時說明河北省農業增長方式正由粗放型向低碳節約型的綠色農業轉變，農業技術水平以及能源利用效率在逐年提升，向全國前列靠近，省域差距在逐漸減小。

圖1 兩省農業碳排放總量及碳排放強度

2.3 農業碳排放與經濟增長關系分析

2.3.1 模型的構建

庫茲涅茨曲線(EKC)常用來研究環境破壞程度和經濟發展的關系，其倒U型反映了經濟發展對環境改善的有益影響，在考慮污染物流動的短期路徑方面更為有效。后經多次驗證發現該曲線存在倒U型、U型、倒N等多種形狀，為找出最合理EKC曲線，本文構建如下3種模型，并根據結果進行優化選擇：

Yt=β0+β1Xt+ε

(3)

Yt=β0+β1Xt+β2(Xt)2+ε

(4)

Yt=β0+β1Xt+β2(Xt)2+β3(Xt)3+ε

(5)

式中，Yt表示第t年農業碳排放量；Xt表示第t年人均農業生產值；β0表示常數項；β1、β2、β3表示待定參數；ε表示隨機誤差項。

2.3.2 模型的選取與分析

通過SPSS對模型進行擬合，結果如表4所示。

表4 模型結果

由表中ANOVA檢驗的P值及復相關系數R2可以確定本文選用三次模型對河北省農業庫茲涅茨曲線進行分析更合適，模型方程：

Yt=287.191+0.05lnXt-1.718×10-6(Xt)2+

1.679×10-11(Xt)3

(6)

式(6)表明河北省農業碳排放量與人均農業GDP之間呈正N型曲線關系。從圖2曲線擬合情況來看，在2007年以前河北省農業碳排放量隨著人均農業GDP的增加而增加，二者呈正比關系；2007至今隨著人均農業GDP不斷上升的過程中，農業碳排放量逐漸下降，兩者呈反比關系。與傳統的倒U型曲線不同，河北省環境質量隨著GDP的增長，環境污染逐漸嚴重，環境惡化程度隨經濟的增長而加劇；當GDP發展到達拐點之后，隨著治理深入，環境污染的程度減輕，環境質量逐漸改善，但隨著經濟的繼續發展到下一個拐點后，環境污染程度又會逐漸增加。目前來看河北省處于下一個轉折點的左側，接下來一段時間農業碳排放量會隨著經濟發展逐漸下降，但要注意如果到達極小點后河北省環境質量隨著經濟發展會有所惡化，應采取有效措施避免拐點再次出現。

圖2 河北省碳排放庫茲涅茨曲線

2.4 農業碳排放量預測模型測算

本文采用Matlab 2016b的libsvm 3.25工具箱進行模型訓練，為了驗證DE-GWO-SVR模型對農業碳排放量預測的準確性和有效性，除了與原始SVR模型形成對照外，還與差分進化改進的支持向量機模型、灰狼優化的支持向量機模型進行對比。為使對比公平合理，幾種算法采用的主要初始參數都相同，訓練集與測試集比例設為7∶3，核函數采用徑向基函數，優化算法中種群規模設為10，最大迭代次數設為150，交叉概率為0.5。

圖3 模型預測結果對比圖

圖3描述了4種模型測試集的預測結果，由圖3可知，差分進化和灰狼優化相結合改進的支持向量回歸模型的預測效果與差分進化改進的支持向量回歸模型相差不大。為進一步比較幾種模型的預測效果，通過均方誤差MSE、決定系數R2和時間提高百分比T 3個指標評價不同預測模型的性能，具體結果如表5所示。

表5 不同算法對比

由表5可知，與原始的SVR模型相比，其他3種優化算法均可以顯著提升預測模型的均方誤差MSE、決定系數R2和時間提高百分比T。其中DE-GWO-SVR模型多方面高效，均優于其他2種模型，時間效果提高最為明顯。由此可見本文選擇該模型作為農業碳排放量預測模型是合理的。通過時間序列分析的ARIMA模型對6種碳源未來6a的碳排放量進行預測，然后將預測結果帶入DE-GWO-SVR模型得到2020—2025年農業碳排放總量預測值，列于表6。由預測結果可知，2020年以后河北省農業碳排放量在逐漸下降，2025年河北省農業碳排放量為561.7182萬t，較2000年增加了4.96%，說明河北省節能減排工作有所成效，但仍需努力。

表6 2020—2025年河北省農業碳排放預測結果

3 結論與建議

3.1 結論

總體來講，2000—2019年河北省農業碳排放量呈現升降交替的趨勢，碳排放量從535.16萬t增加到581.19萬t，年平均增長率為0.73%。經過對農業主要污染物研究發現，前3大碳排放源分別為化肥、農用柴油和農業灌溉。

碳排放強度變化趨勢表明，河北省農業正由粗放型向低碳節約型的綠色農業轉變。同時河北農業碳排放強度略低于山東省，也說明河北省農業技術水平以及能源利用效率在逐漸提升，向全國前列靠近，省域間差距在逐年減小。

河北省農業環境污染與農業經濟增長呈N型，環境惡化程度隨農業人均生產值的增加呈先加劇后減輕再加劇的趨勢，且已在2007年到達第1個拐點，目前來看，河北省處于第2個轉折點的左側，接下來一段時間農業碳排放量會隨著經濟發展逐漸下降，但到達極小點后河北省環境質量隨著經濟發展會有所惡化，應采取有效措施避免拐點再次出現、協調經濟增長與環境質量的關系。

根據模型預測，2020—2025年河北省農業碳排放量逐年下降，由680.47萬t下降到561.59萬t，但較2000年相比仍上升了4.94%，說明河北省節能減排工作有所成效，但仍需不斷發力。

3.2 建議

在降低農業碳排放量方面，從源頭出發，提高碳排放源的利用率，同時減少使用量。重點落在前3大碳排放源，具體措施：指導農業生產者利用微生物替代化肥技術降低化肥使用強度，推廣水溶肥料、作物專用肥等新型肥料產品；向農民普及農用機械節油駕駛技術的相關知識和方法以減少農用柴油的消耗，同時加大農機購置補貼力度鼓勵農民購買新型環保農業機械；推廣膜下滴灌、噴灌等節水技術，加快節水農業的發展。

在推動河北省農業現代化方面，仍需不懈努力，縮小與山東的差距，早日邁入全國前列。學習山東先進農業生產技術，發展特色農業，注重產業化和品牌化協同發展，并且加大廣告宣傳，提高特色農產品的知名度。提高核農業技術、農業生物技術等高新農業技術手段，并將這些技術落實到農業生產地區，以促進河北省農業現代化的發展。

在農業碳排放污染治理方面，發展經濟的同時注意保護環境，避免拐點再次出現。因地制宜，根據不同地形不同環境種植污染小、成本低、經濟系數高、高附加值的農作物，如蔬菜、玉米等，打造健康農業、低碳農業，使河北省長期保持環境惡化程度隨經濟增長逐漸減輕的趨勢。

保持農業碳排放量逐年下降的趨勢，堅持節能減排工作不動搖。加大惠農強農政策支持力度，按標準進行農業生產，建設標準化生產示范基地，推動農業產業結構優化調整，爭取實現農業碳排放量零增長甚至負增長。