浙江省農業碳排放影響因素及趨勢預測分析

摘 要 在運用公開數據測算2010—2020年浙江省農業碳排放量的基礎上，運用灰色關聯分析和灰色預測模型對農業碳排放的影響因素進行識別，并對2021—2030年浙江省農業碳排放的趨勢進行預測。研究發現，2010—2020年浙江省農業碳排放量呈下降趨勢，農業從業人員規模和單位能源強度是農業碳排放的重要影響因素，2021—2030年浙江省農業碳排放將繼續呈下降趨勢，其變化區間為724.53萬～451.74萬t。

關鍵詞 農業碳排放；“雙碳”目標；灰色關聯分析；灰色預測模型；浙江省

中圖分類號：F323；X322 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2024.09.007

農業是關系民生的重要產業，同時也是碳排放的大戶。據聯合國糧農組織（FAO）的估計，僅從生產和養殖環節來看，種植業中耕地排放的溫室氣體已超過全球人為溫室氣體排放總量的25%，農業養殖所帶來的溫室氣體排放占全球總排放的比重已達到17%。以目前的趨勢發展，預計到2030年，農業源CH4和N2O排放量比2005年將分別增加60%和35%～60%。2017年我國農業產生67 846.91萬t溫室氣體排放，其中CH4和N2O分別排放1 443.5萬t和121.08萬t，分別占全國排放總量的23.19%和69.38%。同時，我國目前農業碳排放量仍呈現增長趨勢，年均增長約為1.67%。因此，“雙碳”目標的實現，降低農業碳排放是重要的領域之一。浙江省作為我國“兩山理念”的發源地和生態高質量發展先行區，在推進農業實現“碳達峰、碳中和”背景下，深入分析研究農業碳排放的影響因素和趨勢預測，對于加快浙江省農業碳減排步伐、推進農業實現低碳發展具有重要意義。

當前學者圍繞農業碳排放進行了較為深入的研究，尤其是圍繞區域碳排放的影響因素與趨勢預測方面取得了一定的成果。一是部分學者在全國或相關省份農業碳排放測算基礎上，分析其碳排放的驅動因素。如胡中應等[1]、楊小娟等[2]、曹俐等[3]、李政通等[4]、韋沁[5]分別測算分析了安徽、甘肅、山東及全國的農業碳排放量和時空特征，并分別采用LMDI 模型、Kaya 恒等式等分析了農業碳排放的驅動因素。二是農業碳排放影響因素的研究。如陳銀娥等基于1997—2014 年我國26個省份的面板數據，研究發現農業碳排放與農業機械化呈負相關關系，農業碳排放與產業升級呈正相關關系[6]；魏瑋等利用能源—經濟CGE 模型（GTAP-E 模型）構建了2012—2030 年中國經濟增長的情景方案，模擬未來農業生產增長趨勢，研究發現農業全要素技術進步與能源增進型技術進步在控制農業能源增長、減緩碳排放均等方面起到了重要作用[7]；胡川等采用2003—2014年中國30個省份面板數據，實證分析發現農業政策與農業碳排放存在顯著的負向關系[8]；李波等通過測算1993—2017 年湖北省農業碳排放情況，采用Kernel 密度估計和協整理論及誤差修正模型，發現農業經濟增長與農業碳排放存在長期穩定正向關系[9]。三是農業碳排放趨勢預測的研究。如邱子健等[10]、趙宇[11]、曠愛萍等[12]在測度江蘇、廣西等地農業碳排放的基礎上，運用灰色預測模型估計上述地區農業碳排放的趨勢。本研究正是在借鑒相關研究的基礎上，實證分析浙江省農業碳排放的影響因素，并運用灰色預測模型預測2021—2030年浙江省農業碳排放量，以期為浙江省農業碳減排提供理論基礎。

1" 研究區域與研究方法

1.1" 研究區域概況

浙江省地處中國東南沿海，長江三角洲南翼。地跨北緯27°02′～31°11′，東經118°01′～123°10′。下轄11個地級市，截至2022年末，浙江省常住人口為6 577萬人。山地占74.6%，水面占5.1%，平坦地占20.3%，故有“七山一水兩分田”之說。浙江省地處亞熱帶中部，屬季風性濕潤氣候，氣溫適中，年平均氣溫在15～18 ℃，年日照時數在1 100～2 200 h，年均降水量在1 100～2 000 mm。截至2021年，浙江有耕地129.05萬hm2，其中，水田106.28萬hm2，占82.36%；旱地22.76萬hm2，占17.64%。2022年，浙江省糧食播種面積102萬hm2，比上年增長1.4%，總產量621萬t；年末生豬存欄644萬頭，增長0.7%。2022年，全省農林牧漁業產值3 756億元，比上年增長3.4%。

進入21世紀以后，浙江省提出以高效生態農業為農業發展主線，實際上體現了發展低碳農業的方向和要求。近幾年來，通過積極推廣投入節能技術、加強農業副產品和廢棄物的綜合利用、主推3大種養結合生態農業模式等措施，推進農業低碳化生產。

1.2" 研究方法

1.2.1" 碳排放測度

借鑒田云等[13]研究方法，主要從農業能源利用、農用物資投入、水稻種植和畜禽養殖4個方面進行測算。構建農業碳排放公式如下：

[Ec=Ee]+[ER]+[Ea]+[Ej] （1）

[Et=ΣEi=ΣTi×δi]" （2）

其中，[Ec]為農業生產碳排放總量，[Ee]、[ER]、[Ea]、[Ej]分別為農業能源利用碳排放量、農用物資投入碳排放量、水稻種植碳排放量和畜禽養殖碳排放量，[Ti]為各個碳源因子的量，[δi]為各類碳源的碳排放系數，Ei為各類具體碳源所導致的碳排放量，Et為農業碳排放總量。在計算碳排放總量時，將CH4和N2O轉化成CO2當量計算。

1.2.2" 灰色關聯分析

灰色關聯分析是一種多因素統計分析方法，其內在思路是通過確定反映系統特征的參考數列和若干個影響系統行業因素組成的比較序列，進而計算各比較序列與參考序列的關聯度，分析其中的關聯程度[14]。其優勢在于，一是對樣本量的多少沒有過多要求，同時也不需要典型分布。二是比較適用碳排放量影響因素的分析，碳排放量的影響因素相對較多且無明顯的分布規律。

灰色關聯分析的主要處理步驟包括：1）確定分析序列，將因變量數據設置成參考數列，將各自變量因素設置成比較序列。2）對變量序列進行無量綱化處理，以保證分析結果的可靠性。3）求差序列，通過計算各比較序列與最優序列間的絕對差別。4）計算關聯系數，即比較序列與最優參考序列之間的關聯系數。5）計算關聯度，將關聯系數集中化處理，求均值記為關聯度，并將關聯度從大小到排序，關聯度越大，說明比較序列與參考序列變化態勢越一致。

1.2.3" 灰色預測模型

灰色預測模型可針對數量較少、數據完整性較低的數據序列進行有效預測，主要適用于短期預測。其基本原理是基于對原始數列逐步加大或者減少，以對原始數列在應用過程中累加而生成的數據進行處理，在此基礎上可以得到一條具有指數增長規律的上升形狀數列。灰色預測模型是處理小樣本預測問題的有效工具。因此，本研究引入灰色預測模型（GM1.1），利用計算得到的2010—2020年浙江農業碳排放量構建原始數列，對浙江省2021—2030年農業碳排放量進行趨勢預測。

其主要處理步驟如下：1）進行級比值檢驗，用于初步驗證原始數列是否符合規律。2）進行后驗差比檢驗，用于衡量模型的擬合精度情況。3）進行模型擬合和預測，得到未來預測值。4）進行模型殘差檢驗，通過查看相對誤差值和級比偏差值，驗證模型效果。

2" 結果與分析

2.1" 浙江省碳排放量分析

2010年浙江省農業碳排放量為1 224.14萬t，2020年下降到773.86萬t，此間年均農業碳排放量為1 000.65萬t。從碳排放總量的變化趨勢來看，如圖1所示，2010—2020年浙江省農業碳排放總量總體呈現下降的趨勢，尤其是自2016年以后，全省農業碳排放量呈逐年下降。整體碳排放量變化過程可分為3個階段：2010—2012年，速度為緩慢下降；2013—2015年，有所波動，2014年較2013年出現明顯的下降，而2015年又緩慢回升；2016—2020年，逐年下降，2020年達到最低峰773.86萬t。說明近年來浙江省農業碳排放量不但呈下降趨勢，而且下降趨勢逐步穩定。浙江省農業碳排放呈現下降趨勢的原因可能是相關減碳政策的執行和農業生產技術的進步，減少了農業碳排放。

2.2" 碳排放影響因素分析

借鑒相關學者對碳排放影響因素的研究，本研究選擇農業能源使用效率、農業人均GDP、農業從業人員、財政支農資金和城鎮化率作為研究碳排放的影響素因。其中，農業能源使用效率為單位農業GDP的能源強度，用來反映農業低碳技術因素的影響；農業人均GDP用來反映農業人口人均所享受的農業經濟增長成果；農業從業人員用來表示人口規模效應，反映人口變動對農業碳排放的影響；財政支農資金采用一般公共預算中農林水支出，代表社會經濟水平；城鎮化率以城鎮人口占總人口比重來表示。

由表1可知，農業從業人員與農業碳排放量的關聯度最高，其次依次為農業能源使用效率、城鎮化率、農業人均GDP和財政支農資金。農業從業人員與碳排放量的關聯度最高，達到0.88左右，而農業能源使用效率與農業碳排放的關聯度影響作用也較大，其關聯度為大于0.84。財政支農資金對農業碳排放的影響作用最小，其關聯度僅為0.51左右。因此，農業從業人員規模和農業能源使用效率所代表的農業生產技術對全省農業碳排放影響較大，應該作為降低全省農業碳排放的主要方向。

2.3" 碳排放趨勢預測分析

計算級比值，其最大值為1.008，在運用區間范圍內，說明數據適合模型構建。后驗差比值即C值為0.26，小于0.35，說明模型精度等級較好，擬合后的級比偏差值小于0.1，說明模型擬合效果較好。通過灰色預測模型GM計算得到浙江省2021—2030年農業碳排放量的預測值，如表2所示，2021—2030年浙江省農業碳排放量整體呈現下降趨勢，其變化區間為724.53萬～451.74萬t，較2010—2020年農業碳排放量呈現明顯的下降。一方面說明浙江省當前農業碳減排政策和低碳農業技術采用已取得一定的成效，并且為今后一段時間農業領域碳減排和農業低碳化發展奠定了堅實的基礎。另一方面，要實現農業碳排放量的不斷下降，需要進一步強化農業減碳意識，通過多元化的政策組合和多種低碳農業技術應用推廣，形成政策與技術合力，進一步加大農業碳減排力度，以期順利實現農業減碳目標。

3" 結論與對策建議

3.1" 結論

本研究在測度浙江省2010—2020年農業碳排放量的基礎上，運用灰色關聯分析識別農業碳排放的影響因素，并用灰色預測模型對2021—2030年浙江省農業碳排放趨勢進行預測，主要結論如下。

1）浙江農業碳排放量整體呈現下降趨勢，由2010年的1 224.14萬t下降到2020年的773.86萬t。說明浙江省農業低碳技術應用推廣與相關農業減碳政策的實施取得了一定的成效。

2）農業碳排放量關聯度最高的因素是農業從業人員，其次是農業能源使用效率，前者代表的是農業生產的技術類型選擇，后者代表的是以低碳為特征的農業技術特征。結果表明農業從業人員規模和農業能源使用效率將是浙江省農業低碳發展的重要努力方向。

3）通過預測，浙江省2021—2030年農業碳排放量仍呈現下降趨勢，其變化區間為724.53萬～451.74萬t，10年間平均排放量為577.93萬t。

3.2" 對策建議

根據對浙江省農業碳排放量的測度及影響因素的研究，從減少農業碳排放、發展低碳農業的角度出發，提出以下幾點建議。

1）要保持農業碳排放的下降趨勢，需要減碳政策的持續發力，要明確農業減碳的重點領域和重要方向，提升農業碳減排和精準性。同時，要加大低碳農業技術的推廣與應用，以新技術采納實現農業碳排放量的降低。

2）農業從業人員是農業碳排放的重要影響因素，因此，要優化農業從業人員內部結構，提升農業從業人員素質，為加快農業碳減排、實現低碳農業發展奠定良好的基礎。

3）對全省而言，加強農業碳減排宣傳，降低農業能源消耗，優化農業產業結構，對于保持農業減碳的可持續性具有重要作用。

參考文獻：

[1] 胡中應， 胡浩. 低碳農業： 符合農業發展規律的必然選擇[J]. 經濟問題探索， 2015（9）： 169-172.

[2] 楊小娟， 陳耀. 甘肅省農業碳排放時空特征及影響因素分析[J]. 生產力研究， 2020（3）： 52-55.

[3] 曹俐， 王瑩， 雷歲江. 山東省農業碳排放的時空特征與脫鉤彈性研究[J]. 江蘇農業科學， 2020， 48（17）： 250-256.

[4] 李政通， 白彩全， 肖薇薇. 基于LMDI模型的東北地區農業碳排放測度與分解[J]. 干旱地區農業研究， 2017， 35（4）： 145-152.

[5] 韋沁. 我國農牧業碳排放的時空差異和影響因素分析及預測研究[D]. 蘭州： 蘭州大學， 2018.

[6] 陳銀娥， 陳薇. 農業機械化、產業升級與農業碳排放關系研究——基于動態面板數據模型的經驗分析[J]. 農業技術經濟， 2018（5）： 122-133.

[7] 魏瑋， 文長存， 崔琦， 等. 農業技術進步對農業能源使用與碳排放的影響——基于GTAP-E模型分析[J]. 農業技術經濟， 2018（2）： 30-40.

[8] 胡川， 韋院英， 胡威. 農業政策、技術創新與農業碳排放的關系研究[J]. 農業經濟問題， 2018， 39（9）： 66-75.

[9] 李波， 杜建國， 劉雪琪. 湖北省農業碳排放的時空特征及經濟關聯性[J]. 中國農業科學， 2019， 52（23）： 4309-4319.

[10] 邱子健， 靳紅梅， 高南， 等. 江蘇省農業碳排放時序特征與趨勢預測[J]. 農業環境科學學報， 2022， 41（3）： 658-669.

[11] 趙宇. 江蘇省農業碳排放動態變化影響因素分析及趨勢預測[J]. 中國農業資源與區劃， 2018， 39（5）： 97-102.

[12] 曠愛萍， 胡超. 廣西農業碳排放影響因素和趨勢預測[J]. 西南林業大學學報（社會科學）， 2020， 4（2）： 5-13.

[13] 田云， 尹忞昊. 中國農業碳排放再測算： 基本現狀、動態演進及空間溢出效應[J]. 中國農村經濟， 2022（3）： 104-127.

[14] 榮蓉， 王凡. 山東省碳排放現狀及影響因素研究——基于灰色關聯分析[J]. 中外能源， 2021， 26（7）： 92-97.

（責任編輯：敬廷桃）