基于LMDI模型的遼寧省農業碳排放影響因素研究

關鍵詞：農業碳排放；LMDI模型；驅動因素；節能減排

0 引言

氣候變化不僅是全世界人類共同面臨的巨大挑戰，也是全球可持續發展面臨的巨大挑戰。我國作為農業大國，農業碳排放占總碳排放量的17%，是我國第2大碳排放源，因此農業作為基礎性產業，實施農業有效碳減排也是實現“雙碳”目標的有效路徑[1]。

“十一五”期間，遼寧省現代農業建設突顯成效，在此期間遼寧省步入全國農業大省行列。“十三五”以來，遼寧省農業生產力持續提升，農民收入不斷提高，農業低碳化有所成效，但遼寧省農業依舊存在高耗能、高碳排、低效率的發展情況[2]。《遼寧省“十四五”農業農村現代化規劃》強調，構建現代鄉村產業，建設宜居宜業鄉村，加強生態環境修復，推進美麗綠色鄉村建設。所以如何在遼寧省農業產業原有基礎上持續推進生產力發展并平衡農業產值和鄉村生態環境保護是一項長久且艱難的工作，遼寧省農業碳減排工作任重而道遠。

目前，就碳排放情況的研究主要分為兩大類：一類對碳排放驅動因素進行分析，識別主導因素，尋找減排路徑；另一類則預測未來碳排放趨勢，分析研究對象碳減排潛力[3]。在碳排放驅動因素分析研究中，各國研究人員多采用時間序列分析、灰色關聯度分析、因素分解分析法及模型分析法等方法[4]。多數研究是基于歷史排放數據從人口、經濟、能源和技術等多角度分析碳排放影響因素[5]。CANSINOMJ等[6]將1995—2009年西班牙碳排放影響因素分為碳氧化率、能源強度、技術水平、結構需求和消費形式等。MOUTINHOV等[7]以歐洲不同地理分區國家碳排放為研究對象，結果發現，經濟增長和人口變化對碳排放量變化呈現顯著影響。ZHUB等[8]通過分解1978—2014年中國能源碳排放驅動因素，發現短期內能源結構和產業結構對碳排放具有高影響力，而長期內，人均GDP對碳排放具有高影響力。碳排放影響因素分析是碳排放趨勢預測的基礎，有效分析歷史碳排放的驅動因素使碳排放趨勢預測更加精準。

STIRPAT模型作為碳排放問題中廣泛使用的一種研究模型，其綜合考慮社會、經濟及技術等多方面影響因素對碳排放的影響。XURenjing等[9]以中國制造業為研究對象，通過STIRPAT模型分析發現經濟增長是行業碳排放的主導因素。ZHANGChuangua等[10]基于STIRPAT模型研究能耗碳排放量與外貿投資的相關性。黃蕊等[11]運用STIRPAT模型定量分析江蘇省能耗碳排放影響因素，結果表明，當江蘇省處于人口、GDP增長較低、能源強度較高的發展模式時，碳排放可得到有效抑制。

本研究基于2012—2021年遼寧省農業碳排放歷史數據，運用LMDI模型分解方法，在明晰遼寧省農業生產碳排放源的基礎上，得到影響農業碳排放的顯著因素，而后構+wJF0coDY0cd2z9vJJrKoSgBeNvRsaRuxUQXO9IJABI=建遼寧省農業碳排放STIRPAT模型，多角度定性定量分析遼寧省農業碳排放，尋求遼寧省農業碳減排路徑，為遼寧省農業碳減排提供理論基礎。

1 研究方法

1.1 農業碳排放測算

本研究采用聯合國政府間氣候變化專門委員會（IPCC）所提供碳排放系數法測算遼寧省農業碳排放量。農業碳排放測算主要考慮化石燃料燃燒和農業生產利用兩個方面，化石燃料燃燒主要計算農業消費端能源消耗所產生碳排放，而農業生產利用角度不僅考慮能源消費情況，還考慮了農業生產過程中中間產品消耗情況[12]。本研究基于遼寧省農業生產利用情況測算其農業碳排放總量，參考已有研究[13-15]并考慮數據可獲得性，以化肥施用、農藥施用、農膜使用、農機和農業灌溉等作為農業生產過程碳排放源。基本計算公式表示為

1.2 農業碳排放驅動因素分解

1989年YoichiKaya首次提出Kaya恒等式作為碳排放影響因素分解研究方法[18]。本研究結合農業生產活動實際情況，對Kaya恒等式進行合理變形，利用LMDI（對數平均迪氏分解）模型因素分解方法的因素可逆和殘差項為零等優點，將遼寧省農業碳排放驅動因素分解。即

α、β、γ、δ——農業碳排放系數（農業碳排放系數體現農業生產過程中能源單位消耗量所產生的碳排放量）、能源強度、農業產業結構和農業經濟發展水平。

運用LMDI加法分解方式進一步分解后，遼寧省農業碳排放貢獻度為ΔC，農業碳排放系數、能源強度、農業產業結構、農業經濟發展水平和人口規模對碳排放的貢獻度分別為Δα、Δβ、Δγ、Δδ和ΔP。具體可表示為

Δα、Δβ、Δγ、Δδ、ΔP——農業碳排放系數、能源強度、農業產業結構、農業經濟發展水平和人口規模對農業碳排放在基年到t年時期內變化量的貢獻值研究時期內各影響因素的每年貢獻值加總為對應因素的累計貢獻度。

1.3 STIRPAT模型基本理論

STIRPAT模型是基于傳統IPAT模型改進而來的可拓展的隨機性環境影響評估模型，從人口規模、經濟發展和技術水平3個角度定性和定量分析各指標對環境的影響程度[19]。本研究在LMDI模型因素分解方法基礎上，構建以農業碳排放系數、能源強度、農業產業結構、農業經濟發展水平和人口規模為自變量，遼寧省農業碳排放為因變量的STIRPAT模型，描述各變量間的數據關系。模型形式如下

1.4 數據來源

基于數據的最大可獲得性，本研究所需數據來源于2012—2021年《遼寧省統計年鑒》與國家統計局公布的遼寧省年度數據，其中農業生產過程化肥、農藥、農膜使用均為當年用量，灌溉面積為有效灌溉面積。

2 結果與討論

2.1 農業碳排放量測算及分析

由表2可知，遼寧省農業碳排放總量由2012年的287.92萬t下降至2021年的252.45萬t，2012—2015年，農業碳排放總量呈現出大致穩定的趨勢，在285萬～288萬t之間波動；2016—2021年，農業碳排放總量呈現持續下降的變化趨勢，年均增長率絕對值均<3.5%。2012—2021年遼寧省農業碳排放強度基本呈下降趨勢，由2012年的0.189萬t/億元降至2021年的0.108萬t/億元，在農業經濟增長的同時，農業生產碳排放有所下降，遼寧省農業呈現低碳發展狀態，農業碳排放效率得到一定程度的提升。2021年各碳源中，化肥施用、農藥施用、農膜利用及灌溉產生的碳排放量均有所下降，其中農藥施用和農膜利用產生碳排放量下降幅度較大，相比2012年分別下降15.57%、24.86%。使用農用機械產生的碳排放量則保持較穩定變化。在碳源結構方面，化肥施用是最大的農業碳排放源，平均占比為47.56%，其余農業碳排放源由高到低依次為農膜利用、灌溉、農藥施用和農用機械使用，平均占比分別為24.41%、15.43%、10.07%和2.53%，因此控制化肥等農用化學制品施用量依舊是遼寧省農業低碳發展的必要選擇，按照《東北黑土地保護規劃綱要（2017—2030年）》提出的“積極推廣資源節約型、環境友好型農耕技術，統籌規劃土、肥、水等資源生產要素”，以及農業農村部、財政部推行的2019和2020年重點強農惠農政策，政策的積極引導將持續推進化肥減量增效，加快遼寧省農業低碳化進程[20]。除此之外，使用農用機械與灌溉產生的碳排放量占比持續上漲，表明了遼寧省農業生產規模與機械化程度逐漸提高，因此可以通過提高生產效率、優化施肥和灌溉等方式，促進農業碳減排。

2.2 農業碳排放量驅動因素分析

由表3可知，各影響因素中，農業碳排放系數、能源強度、人口規模負向驅動碳排放增長，可促進遼寧省農業碳減排，在研究期內分別累計減少了48.01萬、103.84萬和26.20萬t碳排放量。其中能源強度的累計貢獻度最高，是最顯著的負向驅動因素，說明遼寧省農業生產過程中單位能源產生的碳排放下降，單位能源供給創造的產出增加，能源利用的經濟效益提升。農業碳排放系數累計貢獻度居第2位，研究期內遼寧省農業碳排放系數逐年下降，說明遼寧省農業生產過程中能源利用效率提高，在遼寧省農業綜合生產經濟發展基礎上，農用機械的普及率和使用率的上升，以及“雙碳”目標的推進促使能源使用向清潔化、低碳化方向發展。人口規模因素同樣為抑制遼寧省農業碳排放量的顯著因素，遼寧省農村勞動力人口規模對農業碳排放抑制作用并非來自由于勞動力人口下降對碳減排的直接作用，而是來源于人口流失間接帶動農業勞動力綜合素質的提高，增強農村勞動力低碳環保意識，政府的積極引導、教育和相關低碳技術生產培訓工作的有效展開，低碳生產理念得以普及，農業生產效率提升，從而促進農業碳減排[20]。

農業產業結構和農業經濟發展水平正向驅動碳排放增長，研究期內分別累計增加38.79萬t、103.79萬t碳排放量，其中農業經濟發展水平的累計貢獻度最高，是最顯著的正向驅動因素。經濟發展水平提升普遍引發碳排放量上升，現有農業生產模式仍具有較高的環境污染效應，因此碳排放量必然上升，并且未來農業經濟發展水平依舊正向驅動農業生產碳排放。農業產業結構對農業碳排放影響程度較小，種植業作為遼寧省農林牧漁業中主要經濟來源，并且近年來遼寧省種植業比重逐漸升高，如果在保障糧食安全的基礎上合理規劃糧食種植結構，優化農林牧漁產業結構，加快優勢特色果蔬產業發展如打造遼南、遼西產業帶和中北部優勢產區的“兩帶一區多基地”布局，統籌規劃海洋牧場建設，也將有效減少農業碳排放[21]。

2.3 STIRPAT模型構建

對各個自變量進行方差膨脹因子（VIF）檢驗，得到了農業碳排放系數、能源強度、農業產業結構、農業經濟發展水平和人口規模的VIF值分別為13.727、384.352、93.829、322.852和23.49，VIF值明顯>10，存在嚴重的多重共線性問題，由此利用嶺回歸方法構建農業碳排放STIRPAT模型，結果如式（12）所示。

模型調整后擬合R2為0.92，F統計值0.005<0.01，說明在0.01的顯著性水平上。通過方差檢驗，模型顯示農業碳排放系數、能源強度、農業產業結構、農業經濟發展水平和人口規模的彈性影響系數分別為0.4997、0.0140、?0.0735、?0.0241和0.2418。將2012—2021年遼寧省的α、β、γ、δ和P的實際值帶入式（12）。從總體趨勢來看，α、β和P逐年遞減，因此當其他變量保持不變時，農業碳排放系數、能源強度和人口規模分別減少1%時，遼寧省農業碳排放量分別減少0.4997%、0.0140%和0.2418%。另一方面，γ和δ則呈現逐年遞增的趨勢，因此當其他變量保持不變時，農業產業結構和農業經濟發展水平分別增加1%時，遼寧省農業碳排放量分別增加0.0735%和0.0241%。

結合式（13）和表4可知，農業碳排放系數、能源強度和人口規模的負向驅動了碳排放的增長，促進了遼寧省農業碳減排，農業產業結構和農業經濟發展水平的增加促進了農業碳排放，模型結果與LMDI模型因素分解結果相同。

根據STIRPAT模型測算后的擬合值與實際估算值對比如表5所示，2012—2021年遼寧省能源消耗碳排放實際估算值與模型擬合值相對誤差較小，模型擬合效果較好，模型擬合值與實際值相對誤差絕對值<5%在合理范圍內，平均相對誤差為?1.07%，在理論上證明此STIRPAT模型用于測算遼寧省農業碳排放具有一定的實證意義。

3 結束語

通過對2012—2021年遼寧省農業碳排放的影響因素分解分析，得到如下結論。

（1）農業碳排放總量，2012—2015年呈現出大致穩定的趨勢，2016—2021年呈現持續下降的變化趨勢；農業碳排放強度基本呈下降趨勢，遼寧省農業呈低碳發展模式，碳排放效率有所提升。化肥等農業化學品的施用是最主要的農業碳源，占比為47.56%，如何有效控制化肥施用仍為遼寧省農業生產碳排放的主要減排路徑。

（2）通過LMDI模型因素分解得到農業碳排放系數、能源強度和人口規模對遼寧省農業碳排放呈負向驅動影響，農業產業結構和農業經濟發展水平則呈正向驅動影響，在平穩發展農業經濟基礎上，改善農村人口生活環境，發展優勢農業生產模式仍是現階段發展目標。

（3）利用STIRPAT模型定性定量分析遼寧省農業碳排放，發現當其他變量保持不變時，農業碳排放系數、能源強度、農業產業結構、農業經濟發展水平和人口規模分別變化1%，遼寧省農業碳排放分別變化0.4997%、0.0140%、?0.0735%、?0.0241%和0.2418%；農業碳排放系數、能源強度和人口規模的負向驅動碳排放增長，促進了遼寧省農業碳減排，農業產業結構和農業經濟發展水平的增加促進了農業碳排放。