淺析福州市種植業碳排放影響因素及碳減排措施

摘 要 了解種植業碳排放的特征與影響因素，可推動福建省福州市農業綠色低碳發展。為給福州市種植業碳減排提供新方法、新途徑，通過統計年鑒獲得相關種植業數據，以國內外常用的農業碳排放公式及碳排放系數來測算福州市種植業碳排放量。以2010年為基期年，運用kaya恒等式和對數平均迪氏指數（Logarithmic Mean Divisia Index，LMDI）模型解析福州市種植業碳排放影響因素。結果表明，2010—2019年，福州市種植業碳排放總量及強度在波動下降；在影響種植業碳排放的4個因素中，可通過提高種植業生產效率來尋求更好的碳減排途徑。建議采取改變耕作方式、提高農資使用效率、創新發展低碳農業、加強宣傳培訓等措施，實現福州市種植業碳減排的目標。

關鍵詞 種植業碳排放；對數平均迪氏指數（LMDI）模型；影響因素；減排措施；福建省福州市

中圖分類號：F326.1；X322 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2024.16.004

農業兼具碳源與碳匯功能，對環境產生雙向影響，種植業作為農業的重要組成部分，作物的生長周期比林木短、更替快、對土壤的擾動頻繁，為了產量還需要配備投入化肥、農藥等農用物資，使得種植業碳源和碳匯的定位更加復雜。因此，在保障土地安全、糧食穩產保供的情況下，促進種植業的碳減排成為必然趨勢。

目前，國內外眾多學者的研究方向集中在農業，主要包含種植業與畜牧業，而對單純種植業的研究相對較少。已有的文獻大致從以下4個方面進行研究。1）碳排放因子分析。主流認為農業碳排放主要來源有農用物資投入包括化肥、農藥、農膜等化學制品生產和使用過程中的碳排放；農作物灌溉消耗的電量造成的碳排放；農作物生產過程中排出的溫室氣體，如水稻種植過程中產出的CH4、N2O等，翻耕造成的溫室氣體排放[1-2]。2）碳排放的影響因素分析。在研究碳排放影響因素方面，主要方法有對數平均迪氏指數（Logarithmic Mean Divisia Index，LMDI）模型、空間計量模型等[2-4]。由于LMDI模型具有消除殘差項、部門效應和總效應保持一致的優勢，所以很多學者在進行農業碳排放研究時首選采用LMDI模型[5]。3）碳排放與經濟增長的脫鉤關系。通過Tapio脫鉤模型分析農業碳排放和經濟增長的脫鉤彈性[6]。4）碳排放趨勢預測。主要方法有灰色預測模型、自回歸移動平均模型（Autoregressive Integrated Moving Average Model，ARIMA）等[7-8]。

1 材料與方法

1.1 研究區概況

福州市位于我國東南沿海、福建省東部，轄6個區、1個縣級市和6個縣。地形以山地丘陵為主，屬亞熱帶季風氣候，生態資源稟賦優越。目前，福州市永泰縣、福清市被列入國家級綠色發展先行區名單，羅源縣為省級綠色發展先行區，擁有國家級生態農場5家、省級種養結合示范點16個。

1.2 研究方法

1.2.1 種植業碳排放量的計算

由于目前尚無直接計量農業碳排放的監測手段，國內外研究中也無統一的測算方式，所以采用我國常用的農業碳排放測算公式及美國橡樹嶺國家實驗室（Oak Ridge National Laboratory，ORNL）、南京農業大學農業資源與生態環境研究所（IREEA）、中國農業大學農學與生物技術學院（IABCAU）等機構以及一些研究學者所提供的碳排放系數來測算福州市種植業碳排放量。主要考慮以下3個方面：1）農用物資投入（包括化肥、農藥、農膜、農業灌溉用電等）產生的碳排放；2）水稻種植過程中因根系淹水生成的CH4；3）農田土壤利用如農作物種植、土壤翻耕造成的溫室氣體排放，主要為N2O、CO2。選取水稻、蔬菜、油料、薯類、大豆等種植較多的農作物作為測算對象（見表1）。根據政府間氣候變化專門委員會（Intergovernmental Panel on Climate Change，IPCC）第五次評估報告，CH4和N2O轉化為CO2的增溫潛勢系數分別為28和265。具體公式為

E=∑Ei=∑Ti×δi（1）

式中：E為種植業碳排放總量；Ei為各類種植業碳源排放量；Ti為第i類碳源的量；δi為第i類碳源的排放系數。

1.2.2 農業碳排放影響因素及分解模型

根據Kaya恒等式與前人研究，碳排放量計算公式變形后為

（2）

（3）

（4）

（5）

式中：E為種植業碳排放總量；A為農林牧漁業地區生產總值；Q為種植業地區生產總值；P為農業勞動規模，用農林牧漁業從業人員數量表示；W為種植業生產效率；S為農業產業結構；L為農業經濟水平，則有

E=W×S×L×P（6）

由于LMDI模型分解后不存在殘差項，且加法分解和乘法分解可以相互轉化，所以廣泛用于碳排放研究中。采用LMDI的加法分解形式對公式（6）進行取對數、加和分解等處理，其中0為基期時間，t為t年時間，ΔE為種植業碳排放從基期到t時間的變化量。ΔW、ΔS、ΔL、ΔP分別為種植業生產效率、農業產業結構、農業經濟水平和農業勞動規模從基期到t時間內對碳排放變化量的貢獻值，得出各個影響因素的貢獻值，計算公式為

（7）

（8）

（9）

（10）

由式（7）～（10）總結可得，種植業碳排放各分解因素貢獻的總效應表達式為

ΔE=Et-E0=ΔW+ΔS+ΔL+ΔP（11）

2 結果與分析

所用數據來源于《福州統計年鑒》和《福建統計年鑒》，研究時間為2010—2019年。其中，化肥施用量按折純量計算、農藥使用量、農膜使用量、耕地灌溉面積、農林牧漁業地區生產總值、種植業地區生產總值、農林牧漁業從業人數均以統計年鑒數據為準；翻耕土地面積數據用當年農作物實際播種面積替代；水稻、大豆、蔬菜、油料和薯類以當年實際播種面積為準。

2.1 福州市種植業碳排放情況

2010—2019年，福州市種植業碳排放總量及強度如圖1所示，福州市種植業的碳排放總量可分為2個階段。2010—2015年變化不大，基本保持在220萬～227萬t；到2016年明顯下降，碳排放總量為149.462萬t，比2015年減少32.21%；2016—2019年平穩中略有上升。2019年上升至162.044萬t，比2016年增長8.42%。同時，碳排放強度波動下降，從2010年的2.626 t·萬元-1

降至2019年的0.889 t·萬元-1，下降66.15%。這主要得益于近年來發展綠色農業、農業減排固碳等相關政策的出臺，伴隨農業科技水平的提升，生產效率逐漸提高，化肥減量增效、農藥減量控害等措施的實行，引起種植業碳排放總量的減少及碳排放強度的降低。

由圖2可知，根據不同碳源類型的劃分，農田土壤利用＞稻田CH4排放＞農資投入，年平均碳排放量分別為118.68萬t、59.32萬t和18.36萬t，分別占總量的60.24%、30.36%和9.40%。所有碳源中，農田土壤利用的貢獻度最大，2010—2015年緩慢上升，2015—2016年呈下降趨勢，主要是由于蔬菜、水稻等播種面積略有下降，隨后在2016—2019年緩慢回升。稻田CH4排放在2010—2019年持續緩慢下降。農資投入的碳排放量在2010—2016年緩慢上升，2016年到達頂點，隨后緩慢下降，主要原因是自2016年開展化肥農藥減量增效工作以來，化肥、農藥的使用量大幅度減少，使得農資投入的碳排放量減少。將農資投入細分為化肥、農藥、農膜、農田灌溉，由圖3可知，在農資投入中，化肥造成的碳排放占比最大，其次是農藥、農田灌溉、農膜，所占比重分別為42.74%、21.37%、19.37%和16.52%。

2.2 種植業碳排放影響因素

基于LMDI模型分解的碳排放影響因素，結果如表2所示。與2010年相比，2011—2019年福州市種植業碳排放量累計減少了255.941萬t。由表2可知，農業產業結構和農業經濟水平對碳排放具有促進作用；種植業生產效率、農村勞動規模對碳排放具有抑制作用。

提高種植業生產效率是種植業碳排放減少的最主要因素。2011—2019年，種植業生產效率對碳減排的累計貢獻量為1 078.498萬t，年均貢獻量為119.833萬t，由表2可知，所有年份均持續減排，并且減排貢獻值持續增大。這說明農業科技水平提升，生產效率提高，有效抑制了種植業碳排放。

農業勞動規模減小也會導致種植業碳排放減少，2011—2019年，農業勞動規模對碳減排的累計貢獻量為82.314萬t，年均貢獻量為9.146萬t。這說明隨著農業現代化的發展，所需要的農業勞動人口在逐漸減少，農業規模化、集約化發展有助于實現碳減排。

農業經濟水平提高、農業產業結構的變化是造成種植業碳排放增加的主要因素，尤其是農業經濟水平的提高對碳增排的貢獻較大。2011—2019年，農業經濟水平對碳增排的累計貢獻量為830.011萬t，年均貢獻量為92.223萬t，并且基本呈逐年上升趨勢。農業產業結構對碳增排的累計貢獻量為74.860萬t，年均貢獻量為8.318萬t，從早期的碳減排逐漸變成碳增排。種植業作為關系國計民生的基礎產業，通過限制其發展來降低碳排放的做法顯然不可行。因此，只有從農業生產效率和農業勞動規模等減排因素入手，才能尋求更好的減排方式。

3 討論

3.1 改變耕作方式

推廣保護性耕作，用少耕或免耕的方法減少對土壤的擾動，減少土壤中溫室氣體的排放，同時利用農作物秸稈或其他殘茬覆蓋地表，做好雜草控制和病蟲害防治，以此來發揮土壤的自然保護功能。水稻種植過程中，強化稻田水分管理，因地制宜縮短稻田厭氧環境時間，抑制稻田甲烷的產生和排放。

3.2 提高農資使用效率

研究數據顯示，化肥產生的碳排放在農資投入中占比最大，農藥其次。因此，福州市需要持續推進化肥農藥減量增效，深入推進化肥投入定額制，用有機肥部分替代化肥，種植綠肥改善土壤肥力。通過統防統治及生物防治技術，減少農藥使用量。加快淘汰老舊農機，因地制宜推廣低碳節能的農機裝備，通過提高農資使用效率實現種植業碳減排。

3.3 創新發展低碳農業

研究表明，農業生產效率和勞動規模對種植業碳排放貢獻有負向效果。因此，福州市應加大農業科技投入，將農業減排與人工智能、互聯網+等相結合，將智慧農業、數字農業融入低碳農業的發展中，發展特色現代農業，提高農業從業人員的綜合素質，強化農業人才支撐。

3.4 加強宣傳培訓

利用新聞、微信、微博等媒介，積極宣傳低碳農業，依托新型職業農民、農村實用技術等培訓，提升農民低碳發展意識，傳授相關知識，從而實現農業綠色低碳發展。鼓勵涉農企業做好碳匯產品開發，如永泰縣金蛋發展有限公司開發的蛋鴨糞污資源化利用自愿碳減排核證碳標準（Verified Carbon Standard，VCS）項目，作為全國首個水禽糞污資源化利用碳匯VCS項目，成功將生態價值轉化為經濟價值，進一步挖掘碳匯產品的可行性，讓生態保護者得到實惠，實現生態保護和經濟收益良性互動。

參考文獻：

[1] 鄭博福，梁涵，萬煒，等.江西省縣域農業碳排放時空格局及影響因素分析[J].農業工程學報，2022，38（23）：70-80.

[2] 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.

[3] 李薇，蒙平珠，李彩弟，等.基于LMDI模型的甘肅省種植業生產碳排放影響因素分析及減排途徑[J].作物雜志，2023（5）：264-271.

[4] 周一凡，李彬，張潤清.縣域尺度下河北省農業碳排放時空演變與影響因素研究[J].中國生態農業學報（中英文），2022，30（4）：570-581.

[5] 冉錦成，蘇洋，胡金鳳，等.新疆農業碳排放時空特征、峰值預測及影響因素研究[J].中國農業資源與區劃，2017，38（8）：16-24.

[6] 劉順翊，李松青.湖南省農業碳排放脫鉤彈性及驅動因素：基于Tapio脫鉤模型與LMDI分析[J].四川農業大學學報，2023，41（5）：952-960.

[7] 劉楊，劉鴻斌.山東省農業碳排放特征、影響因素及達峰分析[J].中國生態農業學報（中英文），2022，30（4）：558-569.

[8] 趙琪琛，余敦，王檢萍.九江市農地利用碳排放時空演變、影響因素及趨勢預測[J].水土保持研究，2023，30（6）：441-451.

[9] 許清濤，李玉波，楊淑杰.吉林省農業現代化進程中碳排放測算與分解[J].中國農機化學報，2018，39（7）：103-109.

[10] 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.

[11] 王智平.中國農田N2O排放量的估算[J].農村生態環境，1997，13（2）：51-55.

[12] 邱煒紅，劉金山，胡承孝，等.種植蔬菜地與裸地氧化亞氮排放差異比較研究[J].生態環境學報，2010，19（12）：2982-2985.

[13] 寧靜，李亞潔，王震，等.中國糧食主產省區農業碳排放特征及影響因素[J].水土保持研究，2024，31（1）：450-459.

[14] 方志霞，王小梅.基于LMDI模型的青海省農業碳排放時空演變及影響因素研究[J].青海科技，2023，30（5）：35-42.

[15] 熊正琴，邢光熹，鶴田治雄，等.種植夏季豆科作物對旱地氧化亞氮排放貢獻的研究[J].中國農業科學，2002，35（9）：1104-1108.

（責任編輯：劉寧寧）