安徽省农业碳排放的时空特征及影响因素研究

李　琦，韩亚芬，黄淑玲

(宿州学院 环境与测绘工程学院，安徽 宿州 234000)



安徽省农业碳排放的时空特征及影响因素研究

李琦，韩亚芬，黄淑玲

(宿州学院 环境与测绘工程学院，安徽 宿州 234000)

[摘要]利用农业碳排放测算方法和因素分解模型，对安徽省农业碳排放的时空分布特征及影响因素进行定量分析，结果显示：安徽省农业碳排放量逐年增长，农业用电和化肥消耗为其主要碳源，分别占排放总量的30.99%和47.50%，而碳排放强度则呈“波动起伏-稳步下降”两阶段变化特征；碳排放呈现明显的区域差异，其中碳排放总量分布与区域农业经济规模关系密切，而碳排放强度高值区主要集中在马鞍山、铜陵和淮南3个矿产资源型地市；在影响因素方面，农业效率因素、结构因素、劳动力因素对碳排放增长起到抑制作用，其年均减排贡献量分别为23.23、13.87和3.80万t，而农业经济发展因素则极大地驱动碳排放量的增长，年均增排贡献量达68.00万t。

[关键词]安徽省；农业碳排放；时空特征；影响因素

面对当前全球气候变暖和温室气体排放对人类社会造成的严重威胁，发展低碳经济成为各国政府及学术界公认的重要战略选择。近年来，随着农业生产中化肥、农药、农膜等物质投入力度的加大，农业碳排放总量已不容小觑。据统计，我国农业活动产生的温室气体已达到全国总量的17%，成为引发碳排放的重要的碳源[1]。围绕着农业碳排放，国内外学者开展了大量的探索研究：如ACIL Tasman Pty Ltd[2]通过对美国、加拿大、印度以及欧盟等国家碳排放总量构成的对比发现，由于各国间的农业生产方式的不同，其碳排放总量中农业源的比例存在明显差异；田云等[3]测算了我国1995-2010年期间逐年的农业碳排放量，发现研究期内农业碳排放总量呈“上升-下降-上升”的三阶段变化特征，且农业碳排放与农业经济的关系以弱脱钩和强脱钩状态为主，说明近年来我国的农业低碳减排工作取得成效；李国志等[4]对1981-2007年我国农业碳排放进行的因素分解表明，农业经济增长是农业碳排放最主要的驱动因素，技术进步具有很强的抑制作用但存在一定的随机性，而能源消费结构的不断恶化则在一定程度上促进了农业碳排放。

安徽省作为我国传统的农业大省和商品粮主产区，其农业低碳减排的有效开展对于实现国家低碳农业经济发展战略具有重要意义。故本文以安徽省为例，对其2000年以来的农业相关数据进行收集和测算，分析总结农业碳排放的时间变化及空间分布特征，进而利用因素分解模型定量探讨影响安徽省农业碳排放变动的主要因素及贡献，以期为区域农业低碳减排目标和政策的制定提供参考和依据。

1研究方法与数据来源

1.1　农业碳排放量的测算方法

目前，学术界对于农业碳排放的测算主要是基于农业活动中的各类能源及物质投入，对其生产和使用过程所引起的碳排放量进行汇总加合。结合高标等[5]的研究成果，本文将安徽省农业碳源划分为农村用电消耗、农用柴油消耗、农药消耗、农用化肥消耗及农用薄膜消耗五类，农业碳排放总量的测算方法见式(1)：

C=∑Ci=∑Ei×Si

(1)

式(1)中，C为安徽省农业碳排放总量(万t)；Ci为第i类农业碳源的碳排放量(万t)；Ei为第i类碳源的物质投入量；Si为第i类碳源的碳排放系数，各类碳源的碳排放系数[6]如表1所示。

表1　各类碳源的碳排放系数

1.2　农业碳排放的影响因素分解模型

在碳排放影响因素及其贡献率的测度方面，因素分解法作为最常见的分析手段，具有操作简单、结果可靠、实用性强等特点[7]。其中，由Ang等[8]提出的对数平均权重分解法(LMDI)，因其分解完全、不产生残差、且允许数据中包含零值等优点，已成为当前碳排放研究领域中应用最为广泛的一种因素分解方法。该法是将碳排放量的变动分解为各影响因素的变动量之和，以测度各因素对碳排放变动的贡献量。结合本文农业碳排放测算的实际情况，可将其分解如下：

(2)

式(2)中，PGDP为种植业总产值(万元)；AGDP为农林牧渔总产值(万元)；AL为农业从业人数(万人)。由此，可将农业碳排放的变动影响因素划分为四类：即农业效率因素EI=C/PGDP、农业结构因素CI=PGDP/AGDP、农业经济发展因素SI=AGDP/AL、劳动力因素AL。同时可将式(2)简化为：

C=EI×CI×SI×AL

(3)

根据式(3)简化公式，可采用LMDI法将各影响因素对农业碳排放变动的贡献量进行分解。以第t期农业碳排放量(Ct)相对于基期(第0期，碳排放量C0)的变化量(ΔCt)为例，可将其分解为如下分项(见式(4))：

ΔCt=Ct-C0=EIt×CIt×SIt×ALt-EI0×CI0×SI0×AL0

=ΔCEI+ΔCCI+ΔCSI+ΔCAL

(4)

式(4)中，ΔCEI、ΔCCI、ΔCSI和ΔCAL分别代表农业效率因素、农业结构因素、农业经济发展因素以及劳动力因素对研究期(基期至第t期)内农业碳排放变动的贡献量，其分解结果分别如下所示：

(5)

1.3　数据来源

本文所用数据均来源于《安徽省统计年鉴》[9]和《中国农村统计年鉴》[10]。其中，时间序列数据的选择范围为2000～2013年，首先使用各年份农村用电量、农用柴油量、农药使用量、农用化肥量及农用薄膜量等数据测算农业碳排放总量，同时收集各年份种植业产值、农林牧渔业产值、农业从业人数等数据用以因素分解分析；截面数据选择2013年，分别收集该年份安徽省各地市农用能源及物质消耗量，用于农业碳排放区域差异比较。

2安徽省农业碳排放的时空特征分析

2.1　安徽省农业碳排放的时间变化特征

(1)农业碳排放总量及构成的时间变化特征。根据公式(1)测算出2000～2013年各年份安徽省农业碳排放总量，结果见表2所示。由表2可以看出，安徽省农业碳排放总量呈持续上升趋势，从2000年的419.80万t增长至2013年的759.04万t，增长幅度达1.8倍，年平均增长率约为4.66%。而从农业碳排放总量的构成来看，农业用电和农用化肥消耗是引发农业碳排放的两大最主要的碳源，碳排放量分别平均占到总量的30.99%和47.50%，其次为农药使用，平均占碳排放总量的8.44%，而农用薄膜和农用柴油的碳排放量最少，分别平均占总量的6.96%和6.12%。

在各类碳源碳排放量的增长速度方面，农业用电碳排放的增长速度最高，由2000年的101.02万t增长至2013年的305.16万t，增幅超出3倍，年平均增长率高达8.86%，其产生的碳排放在总量中的比例也由2000年的24.06%迅速增至2013年的40.20%，平均每年比例上升1.24%；农药使用、农用薄膜和农用柴油碳排放的增长速度大致相同，从2000年至2013年，三者碳排放的增幅分别为1.56、1.63和1.76倍，年平均增长率分别为3.47%、3.85%和4.46%，它们在农业碳排放总量中所占比例则呈现出随时间波动变化的特征；而农用化肥碳排放的增长速度最低，从2000年的226.72万t增长至2013年的303.07万t，增幅为1.34倍，年平均增长率仅为2.26%，其在农业碳排放总量中的比例则呈现明显的逐年递减趋势，由2000年的54.01%下降到2013年的39.93%，平均每年比例下降1.08%。另外，值得注意的是，2013年农业用电在碳排放总量中的比例已首次超越农用化肥，成为安徽省农业碳排放的第一碳源。

表2　2000年～2013年安徽省农业碳排放量及其构成

(2)农业碳排放强度的时间变化特征。农业碳排放强度为农业碳排放总量与农业总产值的比值。图1为2000年～2013年安徽省农业碳排放强度的逐年变化图。从图中可以看出，安徽省农业碳排放强度总体呈现下降态势，将2013年农业碳排放强度与2000年对比，下降幅度近40%，年平均下降18.68kg/万元。依据农业碳排放强度随时间的变化曲线特征，可将其划分为两个阶段：1)波动起伏阶段(2000～2005年)，该阶段碳排放强度升降逐年交替，强度值基本维持在630kg/万元附近，最高值出现在2003年，达777.98kg/万元；2)稳步下降阶段(2005～2013年)，该时期碳排放强度逐年稳定下降，年平均下降率高达6.21%，强度值亦由2005年的632.56kg/万元，降至2013年仅为378.90kg/万元。

2.2　安徽省农业碳排放的空间分布特征

对2013年安徽省16个地市的农业碳排放进行测算，测算结果见表3。同时，为了更加清晰地对比安徽省各地市间的碳排放差异，以当年各地市农业碳排放量平均值的1.0倍、1.5倍为分级标准，将16个地市分别划分为低碳排放区、中碳排放区和高碳排放区三种类型(见图2)。同时，根据各地市的农业碳排放强度，采用同样的方法将其划分为碳排放低强度区、中强度区和高强度区三种类型(见图3)。

(1)农业碳排放总量的空间分布。从测算结果来看，安徽省16个地市的农业碳排放量差异明显。其中碳排放量排名前五位的地区分别为阜阳市(79.79万t)、六安市(79.18万t)、合肥市(75.97万t)、宿州市(75.33万t)和安庆市(70.40万t)，这五个地区的农业碳排放之和达380.67万t，占全省农业碳排放总量的50.15%；而碳排放量最少的地市依次为铜陵市(7.38万t)、黄山市(11.68万t)、池州市(17.99万t)、淮北市(18.30万t)和马鞍山市(22.45万t)，这五个地区的农业碳排放之和为77.80万t，仅占全省总量的10.25%。由此可知，排名前五位地市的农业碳排放量相当于排名后五位地市的近5倍，可见安徽省农业碳排放总量的区域差异较大。

而从碳排放总量的区域分布来看，基本呈现出北高南低的趋势，这和安徽省农业经济规模分布较为一致。高碳排放区有阜阳、六安、合肥和宿州4个地市，其农业经济水平较高，各市平均农业产值达221.45亿元，年农业碳排放量均高于75万t；中碳排放区为安庆、滁州、亳州、蚌埠和芜湖5个地市，各市的平均农业产值为160.20亿元，其年农业碳排放量为45～75万t；而低碳排放区主要包括淮北、淮南、马鞍山、铜陵4个矿产资源型地市以及位于皖南山地丘陵区的池州、宣城和黄山市，它们由于受到自然资源基础条件等因素的制约，农业发展水平相对薄弱，故碳排放量较低。

(2)农业碳排放强度的空间分布。与碳排放总量相比，农业碳排放强度能够更加清晰地反映各地区碳排放的真实水平。从测算结果上看，碳排放强度最高的马鞍山市达1100.13kg/万元，而强度最低的黄山市仅为254.75kg/万元，区域差异较大。而在区域分布方面，高强度区包括马鞍山、铜陵和淮南3个地市，其资源相对丰富，能够大量地进行农业生产物质投入，因此碳排放强度值均高于600kg/万元；中强度区主要集中在六安、芜湖、安庆和宣城4个地市，其碳排放强度值为450～600kg/万元；其余9个地市均处于低强度区，碳排放强度值为250～450kg/万元。

表3　2013年安徽省各地市农业碳排放量及碳排放强度

3安徽省农业碳排放的影响因素分析

根据农业碳排放的因素分解模型，将4类影响因素对安徽省农业碳排放变动的贡献量分解如表4所示。由表4可以看出，农业效率因素、结构因素、劳动力因素均从不同程度上制约着农业碳排放总量的增长，2000年～2013年期间，三要素共实现碳减排贡献量544.697万t。其中，农业效率因素贡献量最高，达314.925万t，平均每年导致碳减排23.225万t，说明农业生产技术水平的提升对农业碳减排的驱动作用最强；而劳动力非农转移和农业产业结构优化调整也有助于实现碳减排，研究时段内劳动力因素和结构因素的累积贡献量分别为180.355万t和49.417万t，年均减排量分别达13.87万t和3.80万t。农业经济发展因素则是安徽省农业碳排放增长的主要驱动因素，即人均农业产值的快速提升极大地促进了碳排放量的增长。研究时段内，农业经济发展因素共引发883.935万t的碳排放增长，相当于年均68.00万t的增量。

综合四类影响因素分析，由于农业经济发展因素对碳排放的驱动作用远高于农业效率因素、结构因素及劳动力因素的抑制作用，因此安徽省农业碳排放总量的逐年变动量ΔC均为正值。同时，鉴于农业经济发展在安徽省的基础地位不可动摇，其农业碳排放增长的驱动作用在短时期内必定不会消减，因此只有转变农业生产方式，优化农业生产结构，同时不断发展农业节能减排技术才是我省农业低碳减排的根本出路。

表4　安徽省农业碳排放的影响因素分解结果

4结论与建议

4.1　主要结论

本文通过数据收集和测算，分析了安徽省农业碳排放的时间变化和空间分布特征，并利用LMDI因素分解法定量探讨了影响农业碳排放变动的主要因素及其贡献，主要结论如下：

(1)在时间序列上，安徽省农业碳排放总量呈持续上升趋势，农业用电和农用化肥消耗是两大最主要碳源，其中农业用电碳排放的增长速度较快，已成为安徽省农业碳排放的第一碳源；研究时段内，农业碳排放强度先后经历了波动起伏和稳步下降两个阶段，到2013年强度值已降至378.90kg/万元。

(2)在区域分布上，农业碳排放总量和强度均表现出明显的区域差异。其中，碳排放总量分布呈现北高南低，与各地市农业经济规模分布较为一致，高排放区主要集中在阜阳、六安、合肥和宿州4个地市；碳排放高强度区主要为矿产资源型地市(马鞍山、铜陵和淮南)，这与它们资源相对丰富，能够大量地进行农业生产物质投入有关。

(3)因素分解结果显示，农业效率因素、结构因素、劳动力因素均从不同程度上制约着安徽省农业碳排放总量的增长，其制约作用大小依次为农业效率因素>劳动力因素>农业结构因素；农业经济发展因素为碳排放增长的主要驱动因素，其驱动作用抵消了农业效率、结构、劳动力因素的减排效果，进而导致农业碳排放总量逐年增长，而驱动作用还将长期主导农业碳排放的增长。

4.2　政策建议

(1)大力发展农业碳减排技术，提高农业投入产出率。从安徽省农业碳排放的构成来看，农业用电和农用化肥消耗占到总量的80%以上，因此应积极探寻替代能源和新型化肥施用模式。首先要借助农村资源条件发掘清洁能源，如可考虑在适宜地区发展沼气能源，将牲畜粪便等收集后发酵处理，产生的沼气可替代部分电能，而其产生的残渣亦可替代农药和化肥；另外，还要积极推进测土配方施肥、秸秆还田、作物抗性培育等技术，以提高施用化肥的产出效率。

(2)因地制宜地开展农业低碳减排。从安徽省农业碳排放的区域分布来看，传统的农业主产地市多为高碳排放区，对于此类区域，应重点提倡农业生产规模化，并积极推进生态循环型和节约型农业发展模式，以促进农业碳减排；而对于中、低碳排放区，则应结合其区域资源、交通和地形等特点，积极调整农业结构，大力建设现代农业产业园、观光休闲农业区等低碳农业试点工程。

(3)当前我省大部分农村地区对低碳农业还比较陌生，而相关的低碳技术服务体系还没有建立。因此，应首先积极宣传低碳农业的意义和理念，提高农民对低碳农业的认识；同时，建立和完善低碳农业教育体系和技术服务体系，定期组织农户、农业企业员工开展低碳教育和技术培训，不断加快农业低碳减排新技术的应用和推广。

[参考文献]

[1]何婷婷,张丽琼.安徽省农业碳排放现状及低碳农业发展路径探讨[J]. 安徽农业大学学报(社会科学版),2012, 21(5): 30-34.

[2]ACIL Tasman Pty Ltd. Agriculture and GHG mitigation policy: Options in addition to the CPRS[M]. New South Wales: Industry & Investment NSW, 2009.

[3]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.

[4]李国志,李宗植.中国农业能源消费碳排放因素分解实证分析—基于LMDI模型[J]. 农业技术经济, 2010, (10):66-72.

[5]高标,房骄,许清涛,等.吉林省农业碳排放动态变化及驱动因素分析[J]. 农业现代化研究,2013, 34(5): 617-621.

[6]李波.经济增长与农业碳排放关系的实证研究[J].生态环境学报, 2012, 21(2): 220-224.

[7]Ang B W. Decomposition analysis for policymaking in energy: What is preferred method[J]. Energy Policy, 2004, 32(9): 1131-1139.

[8]Ang B W, Zhang F Q, Choi K H. Factorizing changes in energy and environmental indicators through decomposition[J]. Energy, 1998, 23(6): 489-495.

[9]安徽省统计局. 安徽统计年鉴[M]. 北京: 中国统计出版社, 2001~2014.

[10]国家统计局农村社会经济调查司. 中国农村统计年鉴[M]. 北京: 中国统计出版社, 2001~2014.

[责任编辑：D]

Research on Spatial-temporal Characteristics and Affecting Factors of Agriculture Carbon Emission in Anhui Province

LI Qi, HAN Ya-fen, HUANG Shu-ling

(School of Environment and Surveying Engineering, Suzhou University, Suzhou 234000, China)

Abstract:In this paper, spatial-temporal characteristics and affecting factors of agriculture carbon emission in Anhui province form 2000 to 2013 is analyzed by calculation method of agriculture carbon emission and factor decomposition model. The result shows that: During the past fourteen years, agriculture carbon emission in Anhui province showed increased trend, and proportions of electrofarming and chemical fertilizer consumption are 30.99% and 47.50% respectively, while carbon emission intensity displays an obvious “fluctuate-steadily declining” phase-change characteristic, fluctuating form 2000 to 2005 and decreasing from 2006-2013; Agriculture carbon emission in different regions varies wildly. Regional distribution of gross emissions is closely related to agricultural economy scale, and high intensity area is concentrated in the minerals resource type city (Ma-anshan, Tongling and Huainan); Production efficiency, agricultural structure and labor force have inhibitory action on agricultural carbon emissions, with average contributions of 23.23×104、13.87×104and 3.80×104t per annum, while the development of agriculture has a promotive effect, with average contribution of 68.00×104 t per annum.

Key words:Anhui province;Agriculture carbon emission;Spatial-temporal characteristics;Affecting factors

[中图分类号]X24

[文献标识码]A

[文章编号]1671-5330(2015)02-0052-07

[作者简介]李琦(1982—)，男，安徽省界首市人，讲师，主要从事资源环境分析与评价研究。

[基金项目]宿州区域发展协同创新中心开放课题(编号：2014SZXTKF15)；宿州学院安徽省煤矿勘探工程技术研究中心开放课题(编号：2013YKF05)

[收稿日期]2015-03-05