中國農(nóng)業(yè)碳排放特征分析及預(yù)測研究

文章編號：1674-6139（2025）08-0027-06

中圖分類號：X22文獻(xiàn)標(biāo)志碼：A

Analysis and prediction of agricultural carbon emission characteristics in China

He Rui，Ren Suling

（LanzhouUniversityofFinanceandEconomics，TheScholofStatisticsandDataSciences，Gansu，Lanzhou73O，China）

Abstract：thisstudybasedontheICCprovidesemissionfactormetod，measuredthecarbonemisiosinO0-2O22，caracter isticanalysisofagiculturalcarbonmissons，asedotheAodelselectedthefactorsofagiculturalcarbonmissios，uild theridgeregresionodel，AAodelndgreypredictiomodelstimatetheourountrygriculturalcarbonmissiosi 203，theresultsshowthat：since2O16ourountryagriculturalcarbonreductionefectisremarkable，totalcarbonemiionsdecreased yearbyyear.Agriculturalpractioners，onurbanizationrate，ruralpercapitadisposableincome，percapiaagriculturaloutputvalue arethemainfactorsaectingChina’sagriculuralcarbonemissionsIispredictedthatcarbonemissosinthenxtdecadewillsowa downward trend and will remainin stable small fluctuations fora long time.

Key words：characteristics of agricultural carbon emission；STIRPAT model；ridge regression；ARIMA model

前言

《2023中國農(nóng)業(yè)農(nóng)村低碳發(fā)展報告》提出農(nóng)業(yè)農(nóng)村領(lǐng)域的碳減排是中國實現(xiàn)碳達(dá)峰、碳中和的重點，是進(jìn)一步加快農(nóng)業(yè)綠色低碳轉(zhuǎn)型，促進(jìn)農(nóng)業(yè)高質(zhì)量發(fā)展的必然要求。中國農(nóng)業(yè)碳排放占中國總碳排放的6.7% ，全球農(nóng)業(yè)總碳排放的 13.6% ，是能源領(lǐng)域、工業(yè)和交通運輸業(yè)后位列第四大碳排放源。農(nóng)業(yè)碳減排存在溫室氣體排放總量大、農(nóng)業(yè)生產(chǎn)方式落后、缺乏低碳農(nóng)業(yè)技術(shù)支持、農(nóng)業(yè)結(jié)構(gòu)不合理等問題[1]

目前，碳排放研究集中在特征分析、影響因素分析和預(yù)測三大方面。在時空特征方面，已有研究從不同地區(qū)、省份來分析碳排放時空變化，張志向、楊思存等學(xué)者利用空間計量模型、莫蘭指數(shù)、核密度估計等方法分析碳排放時空區(qū)域性特征[2-5]。在碳排放預(yù)測方面，機器學(xué)習(xí)和傳統(tǒng)的計量模型是主要的預(yù)測方法，但兩者各有優(yōu)劣，選擇哪一種方法需要根據(jù)研究需求和特性來決定[2]。對于碳排放影響因素的選取，大多數(shù)學(xué)者選擇使用LMDI指數(shù)分解模型[3]、STIRPAT模型[4]、kaya 碳排放恒等式[5]，其中STIRPAT模型相對更加靈活、適用性廣得到更多學(xué)者的青睞[6]

研究測算了農(nóng)業(yè)碳排放總量、結(jié)構(gòu)特征并進(jìn)行預(yù)測，對中國農(nóng)業(yè)碳排放現(xiàn)狀進(jìn)行了刨析，對促進(jìn)農(nóng)業(yè)碳減排，助力農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)轉(zhuǎn)型升級具有重要啟示意義。

1數(shù)據(jù)來源及測算

1.1 數(shù)據(jù)來源

2003年－2022年中國各年份碳排放源和農(nóng)業(yè)碳排放影響因素等數(shù)據(jù)主要來自國家數(shù)據(jù)官網(wǎng)、歷年《中國統(tǒng)計年鑒》《中國農(nóng)村統(tǒng)計年鑒》。其中，化肥施用量采用折純量表示，農(nóng)藥、農(nóng)膜、農(nóng)用柴油采用實際使用量表示。

1.2 農(nóng)業(yè)碳排放量測算

根據(jù)《IPCC2006年國家溫室氣體清單指南》以及碳排放量核算公式，文章借鑒陳睿濤[7、盧奕亨[8]等學(xué)者的研究成果，采用排放因子法測量中國農(nóng)業(yè)碳排放量，一是基于農(nóng)地生產(chǎn)活動中投人的碳排放源：農(nóng)藥、農(nóng)膜、化肥、農(nóng)用柴油、灌溉、農(nóng)業(yè)機械等產(chǎn)生的溫室氣體排放。二是畜牧養(yǎng)殖業(yè)，豬、牛、羊等大型牲畜飼養(yǎng)過程中產(chǎn)生的 CH₄ 和 NO₂ 碳排放，其碳排放系數(shù)參考李綿德[9]等學(xué)者的研究。據(jù)此，構(gòu)建農(nóng)業(yè)碳排放核算式（1）：

其中， C_i 為第 χ_i 個碳源的碳排放量， u_i 為第 χ_i 個碳源當(dāng)年的消耗量， r_i 為對應(yīng)碳源的碳排放系數(shù)。

研究采用的碳排放源、排放系數(shù)以及數(shù)據(jù)來源見表1。

表1碳排放系數(shù)及數(shù)據(jù)來源

2農(nóng)業(yè)碳排放影響因素分析

2.1 STIRPAT模型

在IPAT模型基礎(chǔ)上提出的 STIRPAT模型，又稱可拓展的隨機性的環(huán)境影響評估模型，允許對人口、財富、技術(shù)進(jìn)行分解，在分析環(huán)境影響因素的過程中可以靈活納入不同因素，表達(dá)式為式（2）：

I=a×p^b×A^c×T^d×e

其中， I，P，A，T 分別為環(huán)境、人口、經(jīng)濟和技術(shù)因素， α 為模型的系數(shù)， b_?c?d 為各自變量指數(shù)， e 為隨機誤差項。在農(nóng)業(yè)碳排放預(yù)測方面，一般將 三個變量進(jìn)行分解。

研究對STIRPAT模型進(jìn)行了拓展，從人口、經(jīng)濟、技術(shù)、結(jié)構(gòu)四個方面選取農(nóng)業(yè)碳排放影響因素：

人口維度：農(nóng)業(yè)從業(yè)人口（P，萬人），具體包括境內(nèi)全部農(nóng)村住戶、城鎮(zhèn)農(nóng)業(yè)生產(chǎn)經(jīng)營戶。非城鎮(zhèn)化率 （U，%） ：該指標(biāo)說明當(dāng)?shù)貜氖罗r(nóng)業(yè)人口占總?cè)丝诘谋壤?。?jīng)濟維度：農(nóng)村人均可支配收入（A，千元）是指農(nóng)村住戶獲得的經(jīng)過初次分配與再分配后的收入。人均農(nóng)業(yè)生產(chǎn)總值（V，千元）指一定時期內(nèi)農(nóng)、林、牧、漁產(chǎn)品總產(chǎn)值的人均水平。技術(shù)維度：農(nóng)業(yè)機械化水平 （T，%） ，農(nóng)業(yè)生產(chǎn)活動中使用機械設(shè)備作業(yè)的占比，反映機械使用量。結(jié)構(gòu)維度：農(nóng)業(yè)生產(chǎn)結(jié)構(gòu) （s，%） 是指農(nóng)業(yè)生產(chǎn)中各種農(nóng)產(chǎn)品和農(nóng)業(yè)生產(chǎn)關(guān)系之間的相互關(guān)系、相互作用。研究用農(nóng)業(yè)總產(chǎn)值占農(nóng)林牧漁業(yè)總產(chǎn)值比例來衡量農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)變化。

此時STIRPAT模型加入結(jié)構(gòu)維度影響因素，如式（3）：

等式兩邊經(jīng)對數(shù)化處理后得到式（4）：

InI=Ina+bInP+cInU+dInA+fInV+gInT+hInS+Ine

2.2 灰色關(guān)聯(lián)度、偏相關(guān)性分析

用灰色關(guān)聯(lián)度方法進(jìn)行關(guān)聯(lián)度分析，將碳排放總量作為參考數(shù)列，農(nóng)業(yè)碳排放影響因素作為比較數(shù)列，結(jié)果表明選取因素與碳排放關(guān)聯(lián)度較高。通過相關(guān)系數(shù)分析結(jié)果可知，農(nóng)業(yè)碳排放與農(nóng)業(yè)從業(yè)人員、非城鎮(zhèn)化率呈顯著負(fù)相關(guān)，與農(nóng)村人均可支配收入、人均農(nóng)業(yè)總產(chǎn)值、農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)、農(nóng)業(yè)機械化水平呈顯著正相關(guān)。（見表2）

表2灰色關(guān)聯(lián)度和偏相關(guān)分析結(jié)果

3農(nóng)業(yè)碳排放特征分析

3.1農(nóng)用物質(zhì)投入碳排放特征

2015年之前，中國農(nóng)業(yè)產(chǎn)值產(chǎn)量增長迅速，全國農(nóng)用物質(zhì)投入不斷擴大，這使得農(nóng)藥、化肥、農(nóng)膜等使用量逐年上升，與2003年相比，化肥、農(nóng)藥、農(nóng)膜、農(nóng)用柴油、灌溉、翻耕的碳排放量增加了 36.5% 、34.5% 、 63.5% 、39. 6% ！ 22% 1 9.4% 。2015年之后，農(nóng)業(yè)部頒布實施了“一控兩減三基本”等農(nóng)業(yè)減排措施，加大農(nóng)業(yè)資源與農(nóng)業(yè)生態(tài)環(huán)境的保護，各種農(nóng)業(yè)技術(shù)的推廣以及農(nóng)業(yè)機械化規(guī)?；N植的普及使農(nóng)用物質(zhì)投入的碳排放從2016年開始逐年下降，2022年已降至 14539.76×10⁴ t，降幅達(dá) 8.6% 。

在種植業(yè)的碳排放結(jié)構(gòu)中，翻耕的碳排放貢獻(xiàn)平均為 34.49% ，比例呈現(xiàn)先降后升趨勢，從2003年的 37.86% 降至2014年的 32.69% ，2015年開始上升至2022年的 36.55% ?；实呢暙I(xiàn)，平均為33.087%% ，2003年-2012年呈上升趨勢，從 31.55% 升至 34.21% ;2014年呈下降趨勢，從 34.17% 下降至 31.44% 。之后是灌溉、柴油、農(nóng)膜、農(nóng)藥的貢獻(xiàn)，平均為 11.38%.7.93% 和 7.82% ，其中農(nóng)膜的貢獻(xiàn)從2003年呈增加趨勢，從 6.55% 增至2016年的8.5% ，2017年小幅度下降，趨向于平穩(wěn)。農(nóng)藥的貢獻(xiàn)一直穩(wěn)定在 5.2%～5.8% 左右，2018年跌至4.85% ，并開始逐年下降，2022年降至 3.91% ；柴油的變化幅度在2016年之前 8% 以上，2016年回落至6.9%～7.9% 之間。灌溉的貢獻(xiàn)，呈現(xiàn)出階段性的波動，但幅度不大，2016年最低為 10.85% ，2022年最高為 12.89% 。

3.2 畜牧養(yǎng)殖業(yè)碳排放特征

2003年-2022年，中國畜牧養(yǎng)殖業(yè)碳排放量總體呈先降低后增加的趨勢2003年達(dá)到1029.66×10⁴t ，到2019年呈現(xiàn)下降趨勢，2019年為 885.53×10⁴t ，減少了 14.1% ，2019年之后開始逐年增加，2022年達(dá)到 10⁴0.94×10⁴t 2019年碳排放數(shù)據(jù)落差是受到豬瘟疫情影響，全國生豬出欄數(shù)和存欄數(shù)出現(xiàn)大幅度的下滑，生豬養(yǎng)殖的減少間接影響碳排放量。

畜牧養(yǎng)殖業(yè)碳排放結(jié)構(gòu)，畜禽的胃腸道發(fā)酵影響顯著，占比 65%～70% 之間，平均值為 67.53% ，畜禽糞便管理影響次之，在 30%～33% 之間，平均值為 31.15% 。兩種分類中，牛飼養(yǎng)產(chǎn)生的腸道發(fā)酵碳排放達(dá)到 50% 左右，受到豬疫情的影響，牛肉的消費需求會增加，導(dǎo)致二者的貢獻(xiàn)率走勢相反。羊飼養(yǎng)產(chǎn)生的碳排放在 14%～16% 之間，近年呈現(xiàn)出上升的態(tài)勢。畜禽糞便管理碳排放中，豬的占比在2003年－2013年逐年增加， 18.21% 增長至22.73% ，2014年開始緩慢下降。牛、羊的糞便管理碳排放長期穩(wěn)定在 2%～3% 和 4%～5% 之間，家禽由于飼養(yǎng)數(shù)量的逐年攀升，碳排放總體呈現(xiàn)增長的趨勢，從2003年的 3.39% 到2019年達(dá)到峰值的6.61% ，之后穩(wěn)定在 6% 左右。（僅呈現(xiàn)部分?jǐn)?shù)據(jù)，見表3）

表32003年-2022年中國農(nóng)業(yè)碳排放結(jié)構(gòu)變化

3.3 碳排放總體特征

2003年-2022年中國農(nóng)業(yè)碳排放出現(xiàn)先升后降趨勢，2003年，中國農(nóng)業(yè)碳排放為 13614.02×10⁴ t，到2015 年達(dá)到峰值，為 16881.72×10⁴ t，年均增長率1.81% 。2016年開始，農(nóng)業(yè)碳排放總量開始下降，農(nóng)業(yè)碳減排的政策措施已經(jīng)初見成效，2016年－2019年，農(nóng)業(yè)碳排放總量年均負(fù)增長 1.3% ，從2016年的16789.74×10⁴ t下降到2019年的 15844.12×10⁴t 2020 年開始，農(nóng)業(yè)碳排放降速放緩，2020年-2022年間年均負(fù)增長 0.557% 。

總體來看，農(nóng)用物質(zhì)投入為最主要的農(nóng)業(yè)碳排放源，占到總體的 92%～94% 之間，畜牧養(yǎng)殖業(yè)占5%～7% 之間。農(nóng)用生產(chǎn)投入中農(nóng)藥、化肥、農(nóng)膜、農(nóng)用柴油的碳排放占比在逐年降低，但中國種植耕地面積在緩慢的擴大，翻耕和灌溉的占比逐年增加。農(nóng)用物質(zhì)投入的碳排放量2016年開始逐年下降，但畜牧業(yè)碳排放量在2003年-2019經(jīng)過緩慢的下降后，2020年-2022年間處于增長的趨勢，因此，減少（注：增長率為逐期增長率，即[（本期數(shù)值-上期數(shù)值）/上期數(shù)值] *100% ）畜牧業(yè)碳排放，讓畜牧業(yè)減排處于一個穩(wěn)定的下降 趨勢是當(dāng)下的首要任務(wù)。（見圖1）

圖12003年－2022年中國農(nóng)業(yè)碳排放總量變化

4農(nóng)業(yè)碳排放預(yù)測

4.1 嶺回歸模型

利于STIRPAT模型建立多元線性回歸模型，計算方差膨脹因子VIF，除農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)外，其它解釋變量均大于10，存在嚴(yán)重的多重共線性，為規(guī)避及調(diào)控多重共線性對模型估計結(jié)果的潛在影響，研究棄用傳統(tǒng)多元線性回歸模型，轉(zhuǎn)而采用嶺回歸（RidgeRegression）方法進(jìn)行參數(shù)估計。以C為因變量， P，U，A，V，T，S 為因變量，使用SPSS軟件進(jìn)行嶺回歸，結(jié)果F檢驗的 值為0.0001，證明了模型中自變量和因變量間的相關(guān)性。模型擁有 91.1% 的擬合優(yōu)度，調(diào)整后的 R² 為0.871，模型構(gòu)建合理，表達(dá)式為式（5）：

C=1.373-0.176*P+0.173*U-0.025*A +0.003*V+0.736*T+0.730*S 式（5）

由表達(dá)式可知，農(nóng)業(yè)碳排放影響因素中每變動1個單位，碳排放總量分別變化-0.176、0.173、-0.025.0.003.0.736 和0.730個單位。

4.2 ARIMA模型

構(gòu)建ARIMA模型，ADF檢驗得出t值分別大于顯著性水平 1% 、 5% 、 10% 的檢驗值，并且 p 值為0.501 36gt;0.05 ，因此2003年-2022年中國農(nóng)業(yè)碳排放量為非平穩(wěn)序列。

對被解釋變量進(jìn)行差分，一次差分后ADF檢驗達(dá)到-4.122848，此時 p 值為 0.0063lt;0.05 ，序列平穩(wěn)，同時對平穩(wěn)序列進(jìn)行白噪聲檢驗，得出一次差分的自相關(guān)（ACF）系數(shù)為二階截尾，偏自相關(guān)系數(shù)（PACF）為一階截尾，根據(jù)AIC、SIC準(zhǔn)則選出AR（1，1）預(yù)測模型。預(yù)測模型的擬合優(yōu)度 R² 為0.700981，DW值為 1.899536，p 值通過檢驗，Q統(tǒng)計量檢驗結(jié)果表明殘差序列平穩(wěn)，該殘差序列由無關(guān)的相互獨立的隨機變量組成，擬合效果相對較好，預(yù)測模型為式（6）：

y（t）=0.002+0.854*y（t-1）

4.3 灰色預(yù)測模型

灰色預(yù)測法，主要應(yīng)用于具有少量數(shù)據(jù)或數(shù)據(jù)不完整的情況下，通過對已有數(shù)據(jù)的特征進(jìn)行分析和建模，利用這些特征來預(yù)測未來的趨勢。相比于傳統(tǒng)的時間序列模型，灰色模型對數(shù)據(jù)的要求相對較低。只有很少的歷史數(shù)據(jù)，也能建立有效的模型進(jìn)行預(yù)測。

研究灰色預(yù)測模型中級比值介于區(qū)間[0.847，1.207]說明數(shù)據(jù)適合構(gòu)建灰色預(yù)測模型GM（1，1）。發(fā)展系數(shù) a 為0.058，說明該模型預(yù)測未來十年碳排放總體呈現(xiàn)上升趨勢，灰色作用量 b 為1.4817，后驗差比 c 值0.4064，且小誤差概率 p 值為 0.96 。

4.4模型結(jié)果對比

根據(jù)模型結(jié)果分別計算三個模型向后10年預(yù)測的值，如表4所示，RMSE、MAE和MAPE越小，表明模型的預(yù)測結(jié)果更加精確。

如圖2所示，灰色預(yù)測模型與ARIMA、嶺回歸模型的偏差較大，ARIMA模型預(yù)測2023年－2035年農(nóng)業(yè)碳排放量繼續(xù)保持下降趨勢，之后開始有小幅度的回升，嶺回歸模型預(yù)測碳排放量總體呈現(xiàn)下降趨勢，嶺回歸的RMSE、MAE和MAPE最低，預(yù)測效果最好。

表4不同模型精度對比

圖22023年-2032年不同模型預(yù)測結(jié)果

5結(jié)論

文章通過2003年－2022年的時間序列數(shù)據(jù)，得出以下結(jié)論：中國農(nóng)業(yè)碳排放總量自2003年起逐年遞增至2015年，自2016年開始逐年下降，整體呈現(xiàn)先升后降的趨勢。農(nóng)用物質(zhì)投入是主要碳排放來源，隨著2016年農(nóng)業(yè)生態(tài)環(huán)境保護力度加大，這些生產(chǎn)要素的使用開始降低，顯著減少了碳排放總量，畜牧養(yǎng)殖中牛對碳排放貢獻(xiàn)最大，其次是豬、羊和家禽。在STIRPAT模型基礎(chǔ)上構(gòu)建的嶺回歸模型預(yù)測未來十年中國農(nóng)業(yè)碳排放將繼續(xù)下降趨勢，且變化趨于穩(wěn)定，表明農(nóng)業(yè)碳減排已成為不可逆轉(zhuǎn)的發(fā)展趨勢。

參考文獻(xiàn)：

[1]黃曉慧，楊飛.碳達(dá)峰背景下中國農(nóng)業(yè)碳排放測算及其時空動態(tài)演變[J].江蘇農(nóng)業(yè)科學(xué)，2022，50（14）：232-239.

[2]楊俊祺，范曉軍，趙躍華，等.基于PSO-BP神經(jīng)網(wǎng)絡(luò)的山西省碳排放預(yù)測[J].環(huán)境工程技術(shù)學(xué)報，2023，13（6）：2016-2024.

[3]寧靜，李亞潔，王震，等.中國糧食主產(chǎn)省區(qū)農(nóng)業(yè)碳排放特征及影響因素[J].水土保持研究，2024，31（1）：450-459.

[4]楊思存，霍琳，王成寶，等.基于STIRPAT模型的甘肅省農(nóng)業(yè)碳排放特征分析[J].干旱區(qū)地理，2023，46（9）：1493-1502.

[5]鄧維忠，許中堅.湖南省農(nóng)業(yè)碳排放特征及碳達(dá)峰分析[J].中國生態(tài)農(nóng)業(yè)學(xué)報（中英文），2024，32（2）：206-217.

[6]常青，蔡為民，谷秀蘭，等.河南省農(nóng)業(yè)碳排放時空分異、影響因素及趨勢預(yù)測[J].水土保持通報，2023，43（1）：367-377.

[7]陳睿濤，李薇，燕振剛.甘肅省農(nóng)業(yè)碳排放區(qū)域差異、時空特征及趨勢預(yù)測[J].草業(yè)科學(xué)，2023，40（1）：287-302.

[8]盧奕亨，田云，周麗麗.四川省農(nóng)業(yè)碳排放時空演變特征及其影響因素研究[J].中國農(nóng)業(yè)資源與區(qū)劃，2023，44（11）：1-14.

[9]李綿德，周冬梅，朱小燕，等.河西走廊2000年-2020年農(nóng)業(yè)碳排放時空特征及其影響因素[J].農(nóng)業(yè)資源與環(huán)境學(xué)報，2023，40（4）：940-952.

[10]IPCC.Climate Change 2O23：SynthesisReport[R].Geneva：IPCC，2023：SPM p.15.

基金項目：國家自然科學(xué)基金青年基金項目（No.12101279）；甘肅省自然科學(xué)基金（25JRRA978）；甘肅省教育廳青年博士支持項目（2025QB-057）；蘭州財經(jīng)大學(xué)高等教育研究項目：青年教師科研與教學(xué)能力融合發(fā)展研究（LJZ202304）

作者簡介：何瑞（2002-），男，碩士研究生，研究方向：機器學(xué)習(xí)。通信作者：任蘇靈