2. 中国地质大学(武汉)经济管理学院, 湖北 武汉 430074
2. School of Economics and Management, China University of Geosciences, Wuhan 430074, China
十九大报告提出中国特色社会主义进入了新时代, 其基本特征是中国经济发展由高速增长阶段转向高质量发展阶段。农业作为国民经济基础和关系到国家安全的战略性产业, 也应顺应新时代要求, 向高质量发展阶段迈进。低碳绿色是农业高质量发展的重要内涵特征, 因此, 实现农业低碳绿色发展亦成为推动农业高质量发展的重要内容。当前我国农业生产过程中高消耗、高排放、高污染等现象较为普遍, 农业发展面临缓解资源环境压力等矛盾较为突出。可以说, 推动农业低碳绿色发展既是中央的明确要求, 也是新时代农业自身发展的内在需要, 更是推进农业供给侧结构性改革和实现农业高质量发展的关键和紧迫任务。因此, 围绕着农业低碳绿色发展所开展的农业碳排放问题研究亦成为探索我国农业高质量发展的重要课题。
针对农业碳排放问题, 已有文献从不同视角开展了较丰富的研究, 主要有基于狭义或广义农业的探索与研究[1-3]、基于不同农业碳排放源的探索与研究[4-5]、基于不同农业碳排放测算模型或影响因素分析模型的探索与研究[6-7]、基于不同区域农业碳排放的探索与研究[8-9]。从现有研究看, 因数据不同、模型设定不同以及变量选择不同, 其研究结论存在较大的差异性; 同时, 现有文献对长江经济带区域农业碳排放的系统研究涉足较少, 更是鲜有针对该区域种植业碳排放问题的系统研究。
长江经济带是我国重要的农业生产区, 耕地面积约占全国的1/3, 农林牧渔业总产值约占全国的41%, 粮食产量约占全国的38%, 区内有成都平原、江汉平原、洞庭湖平原、鄱阳湖平原等六大商品粮基地。自2015年长江经济带上升为重大国家战略发展区域以来, “生态优先、绿色发展”理念已成为该区域经济发展的重要指导思想。种植业作为长江经济带最重要的农业生产过程, 不仅是粮食安全的重要保障, 也是生态环境的重要屏障。因此, 探寻长江经济带种植业碳排放时空特征及驱动因素对于实现该区域农业低碳、绿色、协调的高质量发展具有十分重要的现实意义。
1 研究方法与数据来源 1.1 种植业碳排放的测算方法现有文献关于种植业碳排放的测算尚未形成统一的方法, 该研究基于联合国政府间气候变化委员会(IPCC)碳排放系数法[10]来测算长江经济带种植业碳排放。种植业碳排放以人为农地利用活动所导致的直接或间接二氧化碳排放为主要碳源类型, 据相关文献研究、实践考察和数据的可获得性, 借鉴吴传清等[11]的研究成果, 将种植业主要碳排放源确定为灌溉、翻耕、化肥、农药、农膜和农用柴油。种植业碳排放测算公式为
$ C = \sum\limits_{i = 1}^6 {{C_i}} = \sum\limits_{i = 1}^6 {{C_{Si}}} \times {\varepsilon _i}。$ | (1) |
式(1)中, C为种植业碳排放总量, t; Ci为第i种碳源的碳放排量, t; CSi和εi分别为第i类碳源的碳排放量, t和碳排放系数[12-16](表 1)。
YOICHI[17]于1989年在IPCC研讨会上首次提出Kaya恒等式, 此后该恒等式被应用于各行业碳排放影响因素分解研究上。笔者对恒等式进行变形, 将种植业生产活动导致的碳排放与农业生产效率、农业生产结构、农业经济水平以及农业劳动力规模建立联系, 构建LMDI模型定量分解碳排放的驱动因素, 表达式[18]如下:
$ C = \frac{C}{{{G_种}}} \times \frac{{{G_种}}}{{{G_农}}} \times \frac{{{G_农}}}{P} \times P,$ | (2) |
$ {\beta _1} = \frac{C}{{{G_种}}},$ | (3) |
$ {\beta _2} = \frac{{{G_种}}}{{{G_农}}} $ | (4) |
$ {\beta _3} = \frac{{{G_农}}}{P}。$ | (5) |
$ C = {\beta _1} \times {\beta _2} \times {\beta _3} \times P。$ | (6) |
式(2)~(6)中,G种为种植业产值, 元; G农为农牧渔业总产值, 元; P为农业劳动力数量, 人; β1为农业生产效率, kg·元-1; β2为农业生产结构, %; β3为农业经济水平, 元·人-1。
对式(6)采取取对数、加减、分解等处理, 可得到各分解因素贡献值, 其表达式为
$ \Delta {\beta _1} = \frac{{{C_T} - {C_J}}}{{{\rm{In}}{C_T} - {\rm{In}}{C_J}}} \times \left( {{\rm{In}}\;{\beta _{1T}} - {\rm{In }}{\beta _{1J}}} \right),$ | (7) |
$ \Delta {\beta _2} = \frac{{{C_T} - {C_J}}}{{{\rm{In}}{C_T} - {\rm{In}}{C_J}}} \times \left( {{\rm{In}}\;{\beta _{2T}} - {\rm{In}}\;{\beta _{2J}}} \right),$ | (8) |
$ \Delta {\beta _3} = \frac{{{C_T} - {C_J}}}{{{\rm{In}}{C_T} - {\rm{In}}{C_J}}} \times \left( {{\rm{In}}\;{\beta _{3T}} - {\rm{In }}{\beta _{3J}}} \right),$ | (9) |
$ \Delta P = \frac{{{C_T} - {C_J}}}{{{\rm{In}}{C_T} - {\rm{In}}{C_J}}} \times \left( {{\rm{In}}\;{P_T} - {\rm{In}}\;{P_J}} \right),$ | (10) |
$ \Delta C = \Delta {\beta _1} + \Delta {\beta _2} + \Delta {\beta _3} + \Delta P。$ | (11) |
式(7)~(11)中, Δβ1、Δβ2、Δβ3和ΔP分别为T年与基期年相比生产效率、农业结构、农业经济水平和农业劳动力规模变化引起的种植业碳排放变化量, t; ΔC为各影响因素导致的碳排放总效应, t; CT、β1T、β2T、β3T、PT分别表示第T年的C、β1、β2、β3、P, 而CJ、β1J、β2J、β3J、PJ分别表示基期年的C、β1、β2、β3、P。
1.3 数据来源种植业碳排放测算和影响因素分析所需的灌溉、翻耕、化肥、农膜、农药、柴油、农林牧业产值、农业劳动力数量等数据资料来源于2002—2018年《中国农村统计年鉴》和2002—2018年《中国统计年鉴》, 其中灌溉面积为当年有效灌溉面积, 翻耕面积为当年农作物播种面积, 农膜取当年实际使用量, 化肥取当年化肥折纯量, 农药取当年实际使用量, 柴油取当年农用柴油使用量, 农业劳动力取当年年末乡村第一产业从业人数。
2 结果与分析 2.1 长江经济带种植业碳排放时空特征 2.1.1 长江经济带种植业碳排放时序特征如图 1所示, 2001—2014年长江经济带种植业碳排放量呈持续上升趋势, 从2001年的2 960.81万t增加至2014年的3 825.72万t, 年均增速为1.90%;2015—2017年长江经济带种植业碳排放量呈持续下降趋势, 年均增速为-0.14%。2001和2002年种植业碳排放增速稳定在较低水平, 这可能是因这一时期农户负担过重、农民的种粮积极性不高、农用物资投入放缓所导致; 2003和2004年种植业碳排放增速较快, 这可能是因为国家废除了农业税并开始向农户发放农业补贴, 极大地调动了农民种粮积极性; 2005—2017年种植业碳排放增速整体呈下降趋势, 这可能得益于国家对低碳农业发展越来越重视以及农业现代化水平的提高, 特别是2015年后长江经济带上升为国家重大战略区域, “生态优先、绿色发展”理念在该区域农业领域得到不断的贯彻和落实。此外, 2002—2017年长江经济带种植业产值持续增长的同时单位农产品碳排放量保持持续下降趋势(图 2), 特别是2015年后单位农产品碳排放量下降幅度较大, 且这种下降趋势具有较强的可持续性。
从图 3可知, 长江经济带区内11省市中, 2001—2017年种植业碳排放量均值从大到小依次为江苏、安徽、湖北、湖南、四川、云南、浙江、江西、重庆、贵州和上海; 其中, 江苏种植业碳排放量年均值最高, 约549.04万t; 上海最低, 约40.07万t。江苏、安徽和湖北碳排放量年均值大于400万t, 这很大程度上是因为这些省份拥有适合耕种的广阔平原, 耕地面积大, 有较好的农业生产基础条件; 湖南、四川、云南、浙江和江西碳排放量年均值在150万至400万t之间, 这些省份农业资源较丰富, 耕地面积较大, 种植业各具特色、规模; 重庆、上海和贵州碳排放量年均值低于150万t, 这是因为重庆和贵州多山地丘陵, 上海耕地面积少, 这3个省市种植业生产活动都受到不同程度的限制。因此, 种植业碳排放主要集中在有较好农业资源和农业生产条件的大省, 部分省市因耕地较少或地形特征限制了种植业发展。与此同时, 安徽种植业碳排放强度最高, 贵州种植业碳排放强度最低; 安徽、江西、湖北和云南碳排放强度大于区域整体均值, 处于较高水平; 江苏、湖南、四川、重庆、浙江碳排放强度小于区域整体均值, 处于较低水平。
从图 4可知, 2001—2017年长江经济带不同区域种植业碳排放量存在差异。
种植业碳排放主要集中在中游地区, 约占整个区域的46.87%, 且中游的碳排放量在2014年后趋于下降, 这可能是因为长江经济带中游地区拥有大量平原和适于耕种的土地, 导致该区域种植业碳排放量占比较高, 且随着该区域农业现代化水平的提升以及对低碳农业发展的重视, 导致该区域种植业碳排放量自2014年后开始下降; 上游碳排放量处于较低水平, 且一直保持平稳状态; 下游碳排放量持续上涨, 2008年首次超过上游碳排放量, 增长较快并与上游地区的差距持续增大。
2.1.3 长江经济带种植业碳排放源特征从图 5可知, 2001—2017年长江经济带种植业碳源排放量占比从大到小依次为化肥、灌溉、农用柴油、农药、农膜和翻耕, 其中化肥成为种植业碳排放的最主要来源, 比例超过50%。
从图 6可知, 2002—2017年碳排放源中的灌溉、柴油和农膜所占比重整体上处于上升趋势, 其年均增速分别为0.002%、0.817%和1.972%, 化肥、农药和翻耕的碳排放占比整体处于下降趋势, 其年均增速分别为-1.178%、-0.807%和-1.336%;这可能是现代农业发展中人工灌溉的增加、农业机械化水平的提高及农膜培植技术的广泛应用等因素所导致。
基于长江经济带种植业碳排放量、种植业产值、农林渔业产值、农业劳动力规模等相关数据, 通过LMDI模型对碳排放驱动因素进行分解,可计算出长江经济带2001—2017年种植业碳排放驱动因素的贡献值(表 2)和贡献率(图 7)。
从表 2可知, 2001—2017年长江经济带种植业碳排放增加的最主要驱动因素是农业经济发展水平, 累计增排约57 177.67万t, 年均增排约3 363.39万t; 农业生产结构整体上对种植业碳排放增加起促进作用, 累计增排约1 956.54万t; 农业生产效率和农业劳动规模整体上对种植业碳排放起抑制作用, 累计分别减排32 215.11万和12 071.53万t。
从图 7可知, 2002—2017年农业经济水平年均增加碳排放的贡献率约46.17%, 且农业经济水平对碳排放的促进效应趋于下降; 农业生产效率长期对种植业碳排放起抑制作用, 是碳减排的最主要贡献因素, 其年均减少碳排放的贡献率约为20.00%, 且农业生产效率对碳排放的抑制效应趋于上升; 农业生产结构对碳排放的影响较大, 经历了由减排到增排效应的演变, 但整体上保持增排效应; 2002—2007年农业劳动规模对碳排放起促进作用, 但2007年之后农业劳动力规模对种植业碳排放的抑制效应的贡献率每年稳定在12.36%左右。
2.2.2 碳排放驱动因素的具体分析(1) 农业生产效率驱动因素。农业生产效率是长江经济带种植业碳排放的最主要抑制因素, 对长江经济带种植业减排效应逐年增加, 2001—2007年累计碳减排约32 215.12万t, 年均贡献率约20.00%, 且为上升趋势。这表明近十几年来长江经济带农业生产效率的提高已一定程度上抑制了种植业碳排放的增长, 因此提升农业生产效率将成为种植业有效碳减排的重要举措。
(2) 农业生产结构驱动因素。农业生产结构因素对长江经济带种植业碳排放影响经历了从减排效应到增排效应的过程, 整体上起增排效应, 累计增排1 956.54万t左右, 且农业生产结构对种植业的增排效应保持上升趋势。因此农业生产结构是长江经济带农业碳排放的主要驱动因素之一, 要实现该区域种植业碳减排, 必须不断优化农业生产结构, 以实现农业低碳绿色发展。
(3) 农业经济水平驱动因素。农业经济水平成为长江经济带种植业碳排放量增加的最主要驱动因素。2001—2017年农业经济水平对长江经济带种植业增排效应累计贡献值达57 177.67万t, 年均增排量约为3 516.62万t, 但农业经济水平对种植业增排效应趋于下降, 这可能源于农业生产效率的提高。近年来, 农业机械水平的提高释放了大量的农业劳动力, 这些剩余劳动力进入城市逐渐转向二、三产业, 为农业机械化和规模化生产提供了条件, 大大提高了农业生产效率。因此农业经济水平对种植业的增排效应趋于弱化。
(4) 农业劳动规模驱动因素。2001—2006年农业劳动力规模对长江经济带种植业碳排放起增加效应; 2007—2017年农业劳动力规模成为长江经济带种植业碳排放的抑制因素, 其减排效应处于持续稳定状态。这表明自2007年后随着农业机械化水平的提高以及城市化的快速发展, 长江经济带农业劳动规模持续减小, 从而一定程度上导致种植业碳排放量的减少。
3 研究结论与政策建议 3.1 研究结论长江经济带种植业碳排放总量经历了十几年的持续快速增长, 直到2015年才呈现逐渐下降趋势; 长江经济带区内11省市种植业碳排放总量和碳排强度存在较大的差异, 其中安徽省种植业碳排放强度最高, 贵州省种植业碳排放强度最低; 长江经济带上游地区种植业碳排放量较低且保持平稳, 中游地区种植业碳排量较高但呈下降趋势, 而下游地区种植业碳排放呈增长态势; 长江经济带种植业碳排放源的占比从大到小依次为化肥、灌溉、农用柴油、农药、农膜和翻耕, 且化肥占比超过50%, 农业生产过程中灌溉、农业柴油和农膜的投入比例呈上升趋势, 化肥、农药和翻耕的投入比例呈下降趋势。
农业生产效率一直是长江经济带种植业碳排放增加的最重要抑制因素, 且减排效应处于增强趋势; 农业生产结构对长江经济带种植业碳排放的影响较大, 其整体上保持增排效应且呈增强趋势; 农业发展水平是长江经济带种植业碳排放增加的最主要驱动因素, 但增排效应处于弱化趋势; 农业劳动力规模自2007后对长江经济带种植业碳排放起抑制作用。
3.2 政策建议基于长江经济带种植业碳排放的时空特征及驱动因素分析, 所得研究结论可为长江经济带农业低碳绿色发展及推动该区域农业高质量发展的相关政策制定提供重要的参考。据此, 提出以下政策建议:
(1) 因地制宜, 突出重点, 持续推进长江经济带种植业碳减排。长江经济带各省市农业发展水平、农业资源禀赋、农业产业结构等存在较大的差异性, 应因地制宜地采取不同的农业碳减排措施, 以实现区域各省市经济、社会和环境的统筹协调发展; 种植业碳源化肥碳排放量占比超过一半以上, 应以减少化肥施用作为种植业碳减排的重点, 不断优化种植业生产物资投入结构; 尽管长江经济带种植业碳排放整体上呈下降趋势, 但总量仍处于高位且降速缓慢, 应持续强化种植业碳减排措施, 以实现长江经济带农业的高质量发展。
(2) 科技导向, 优化结构, 积极推动长江经济带种植业碳减排。农业生产效率是长江经济带种植业碳减排的最重要驱动因素, 而强化农业科技创新和推广是提升农业生产效率的重要途径, 因此政府应加大农业科技创新的政策支持, 积极引导企业、科研机构等研发低碳环保技术, 积极引导农户在农业生产过程中使用低碳环保技术, 以促进长江经济带种植业低碳发展。长江经济带河流、湖泊、山地等资源丰富, 在保障粮食安全的前提下应积极拓展渔业和林业, 不断优化农业结构, 以实现长江经济带农业的高质量发展。
(3) 提质增效, 绿色发展, 重点推动长江经济带种植业碳减排。在农产品主产区推进供给侧改革, 引导农户在规模化、产业化经营的同时打造农业品牌, 提升农产品质量。以绿色农产品、有机农产品生产和品牌认证为抓手, 普及环境友好型生产方式, 减少化肥、农药等用量。另外, 在推进机械化过程中鼓励农机生产商向主产区提供节能减排的农用机械, 地方政府可从财政支农资金中给予一定补贴。
[1] |
田云, 张俊飚, 李波. 中国农业碳排放研究:测算、时空比较及脱钩效应[J]. 资源科学, 2012, 34(11): 2097-2105. [ TIAN Yun, ZHANG Jun-biao, LI Bo. Agricultural Carbon Emissions in China:Calculation, Spatial-Temporal Comparison and Decoupling Effects[J]. Resources Science, 2012, 34(11): 2097-2105.] (0) |
[2] |
冉锦成, 苏洋, 胡金凤, 等. 新疆畜牧养殖经济效益与碳排放脱钩关系的实证研究[J]. 中国农业资源与区划, 2017, 38(1): 17-23. [ RAN Jin-cheng, SU Yang, HU Jin-feng, et al. Performance and Its Decoupling Relationship With Carbon Emissions in Xinjiang[J]. Chinese Journal of Agricultural Resources and Regional Planning, 2017, 38(1): 17-23.] (0) |
[3] |
陈炜, 殷田园, 李红兵. 1997—2015年中国种植业碳排放时空特征及与农业发展的关系[J]. 干旱区资源与环境, 2019, 33(2): 37-44. [ CHEN Wei, YIN Tian-yuan, LI Hong-bing. Spatio-Temporal Distribution Characteristics of Carbon Emission From Plant Industry and the Relationship With Agriculture Development in China from 1997 to 2015[J]. Journal of Arid Land Resources and Environment, 2019, 33(2): 37-44.] (0) |
[4] |
于伟咏, 漆雁斌, 明辉, 等. 中国农业系统碳汇和碳源的省域差异及影响因素[J]. 西部林业科学, 2016, 45(5): 1-7. [ YU Wei-yong, QI Yan-bin, MING Hui, et al. Provincial Difference and Influence Factors of Carbon Source and Sink of Agricultural System in China[J]. Journal of West China Forestry Science, 2016, 45(5): 1-7.] (0) |
[5] |
张丹, 张卫峰. 低碳农业与农作物碳足迹核算研究述评[J]. 资源科学, 2016, 38(7): 1395-1405. [ ZHANG Dan, ZHANG Wei-feng. Low Carbon Agriculture and a Review of Calculation Methods for Crop Production Carbon Footprint Accounting[J]. Resources Science, 2016, 38(7): 1395-1405.] (0) |
[6] |
高标, 房骄, 李玉波. 基于STIRPAT模型的区域农业碳排放影响因素分析[J]. 环境科学与技术, 2016, 39(10): 190-197. [ GAO Biao, FANG Jiao, LI Yu-bo. Analysis on Influence Factors of Regional Agricultural Carbon Emissions Based on STIRPAT Model[J]. Environmental Science & Technology, 2016, 39(10): 190-197.] (0) |
[7] |
赵先超, 宋丽美, 谭书佳. 基于LMDI模型的湖南省农业碳排放影响因素研究[J]. 环境科学与技术, 2018, 41(1): 177-183. [ ZHAO Xian-chao, SONG Li-mei, TAN Shu-jia. Research on Influential Factors of Agricultural Carbon Emission in Hunan Province Based on LMDI Model[J]. Environmental Science & Technology, 2018, 41(1): 177-183.] (0) |
[8] |
贺亚亚, 田云, 张俊飚. 湖北省农业碳排放时空比较及驱动因素分析[J]. 华中农业大学学报(社会科学版), 2013(5): 79-85. [ HE Ya-ya, TIAN Yun, ZHANG Jun-biao. Analysis on Spatial-Temporal Difference and Driving Factors of Agricultural Carbon Emissions in Hubei Province and Analysis of Driving Factors[J]. Journal of Huazhong Agricultural University (Social Sciences Edition), 2013(5): 79-85.] (0) |
[9] |
李立, 周灿, 李二玲, 等. 基于投入视角的黄淮海平原农业碳排放与经济发展脱钩研究[J]. 生态与农村环境学报, 2013, 29(5): 551-558. [ LI Li, ZHOU Can, LI Er-ling, et al. Decoupling Analysis of Agricultural Carbon Emission and Economic Development From an Input Perspective:A Case Study of Huang-Huai-Hai Plain[J]. Journal of Ecology and Rural Environment, 2013, 29(5): 551-558. DOI:10.3969/j.issn.1673-4831.2013.05.002] (0) |
[10] |
李波, 张俊飚, 李海鹏. 中国农业碳排放与经济发展的实证研究[J]. 干旱区资源与环境, 2011, 25(12): 8-13. [ LI Bo, ZHANG Jun-biao, LI Hai-peng. Empirical Study on China′s Agriculture Carbon Emissions and Economic Development[J]. Journal of Arid Land Resources and Environment, 2011, 25(12): 8-13.] (0) |
[11] |
吴传清. 长江经济带产业发展报告(2017)[M]. 北京: 社会科学文献出版社, 2017: 223-226.
(0) |
[12] |
段华平, 张悦, 赵建波, 等. 中国农田生态系统的碳足迹分析[J]. 水土保持学报, 2011, 25(5): 203-208. [ DUAN Hua-ping, ZHANG Yue, ZHAO Jian-bo, et al. Carbon Footprint Analysis of Farmland Ecosystem in China[J]. Journal of Soil and Water Conservation, 2011, 25(5): 203-208.] (0) |
[13] |
李波, 张俊飚, 李海鹏. 中国农业碳排放时空特征及影响因素分解[J]. 中国人口·资源与环境, 2011, 21(8): 80-86. [ LI Bo, ZHANG Jun-biao, LI Hai-peng. Reasearch on Spatio-Temporal Characteristics and Affecting Factors Decomposition of Agricultural Carbon Emission in China[J]. China Population, Resources and Environment, 2011, 21(8): 80-86. DOI:10.3969/j.issn.1002-2104.2011.08.013] (0) |
[14] |
IPCC.Climate Change 2013: The Physical Science Basis Technical Summary[R].Berlin, Germany: IPCC, 2013.
(0) |
[15] |
马涛. 上海农业碳源碳汇现状评估及增加碳汇潜力分析[J]. 农业环境与发展, 2011, 28(5): 38-41. DOI:10.3969/j.issn.1005-4944.2011.05.009 (0) |
[16] |
王宝义, 张卫国. 中国农业生态效率测度及时空差异研究[J]. 中国人口·资源与环境, 2016, 26(6): 11-19. [ WANG Bao-yi, ZHANG Wei-guo. A Research of Agricultural Eco-Efficiency Measure in China and Space-Time Differences[J]. China Population, Resources and Environment, 2016, 26(6): 11-19. DOI:10.3969/j.issn.1002-2104.2016.06.002] (0) |
[17] |
YOICHI K.Impact of Carbon Dioxide Emission on GNP Growth: Interpretation of Proposed Scenarios[R]//Presentation to the Energy and Industry Subgroup, Response Strategies Working Group.Paris, France: IPCC, 1989.
(0) |
[18] |
郭朝先. 中国碳排放因素分解:基于LMDI分解技术[J]. 中国人口·资源与环境, 2010, 20(12): 4-9. [ GUO Chao-xian. Decomposition of China′s Carbon Emissions:Based on LMDI Method[J]. China Population, Resources and Environment, 2010, 20(12): 4-9. DOI:10.3969/j.issn.1002-2104.2010.12.002] (0) |