新疆畜牧业碳排放强度动态演变与驱动力分析*

白妙琴 马文江 彭星琳 阿迪力·艾合买提 马 琼,2#

(1.塔里木大学经济与管理学院,新疆 阿拉尔 843300;2.新疆南疆经济社会发展研究院,新疆 阿拉尔 843300)

以CO2为代表的温室气体排放导致的全球气候变化已经是全世界面临的一项严峻挑战,如何有效地降低温室气体的排放量是亟待解决的重要课题。根据联合国粮食及农业组织(FAO)估计,中国畜牧业产生的CO2排放约占全球CO2排放总量的18%[1]。因此,精确掌握畜牧业碳排放的状况和特征,对于实现畜牧业的绿色、低碳发展有着十分重要的作用。

碳排放强度即单位国内生产总值(GDP)的CO2排放量,是衡量一个国家或地区碳排放量与经济发展之间关系的指标[2]。对于发展中国家来说,以碳排放强度为衡量标准来量化减排目标,而不是以总的碳排放量和人均碳排放量为指标,更有现实意义。近年来,学者对碳排放进行了深入研究,研究内容包括碳排放强度的测度、时空演变特征与规律(包括区域差异、空间集聚性和空间相关性)和驱动因子。1)碳排放量和碳排放强度的测度。以反刍动物为代表的畜禽在肠道发酵和粪便处理过程中,产生了大量的CH4和N2O等温室气体[3]。目前国际上对碳排放的测算方法主要有4种,一是联合国政府间气候变化专门委员会(IPCC)系数法;二是生命周期法;三是投入产出法;四是实测法。其中,张广胜等[4]的研究采用生命周期评价法构建碳排放测算体系,研究表明中国农业碳排放总量呈上升趋势,农业碳排放强度呈下降趋势。郭娇等[5]对中国畜牧业的碳排放量进行了评价,得出新疆、西藏是CH4减排的重点地区,也是畜牧业碳减排的主要区域。2)碳排放时空间演变特征与规律。以往学者主要采用泰尔系数、锡尔系数、变异系数和空间自相关系数(全局Moran’s I指数、局部G系数)等来分析碳排放水平及其空间关联。吴强等[6]67对我国畜牧业碳排放的时间和空间演变进行了分析,结果表明我国畜牧业的碳排放在时间和空间上存在着显著的相关性,并表现出了显著的区域性集聚特点。孙耀华等[7]采用泰尔系数对我国东部、中部、西部和东北各省份的碳排放强度进行了比较,得出不同省份的碳排放强度存在着一定程度上的差别,并且随着时间的推移,各省份之间的差异呈递减趋势。胡玥[8]把全国分成了8个主要的经济圈,并利用泰尔指数、全局Moran’s I指数和冷热点分析等方法,对全国碳排放强度的空间演变特征进行了研究,结果表明不同地区之间碳排放强度有很大的差别,且差异逐渐扩大。3)碳排放驱动因素研究。以往的研究中关于碳排放驱动因素的分析大致集中于经济、人口、制度与技术等因素的考量。程叶青等[9]运用空间计量方法,分析出能源结构、产业结构、城市化水平等因素对我国城市群的碳排放强度变化具有显著影响;颜艳梅等[10]采用夏普里分析法,对我国主要省份的碳排放强度进行了分析,发现经济发展水平对碳排放强度差异贡献最大,且这种影响随时间而递增。周杰琦[11]通过面板回归模型分析碳排放强度的影响因素,得出人均资本水平、城镇化水平、市场化程度、行业结构等是导致我国不同地区之间碳排放强度差异的重要因素。

以往学者在该领域已经开展了大量的相关工作,但尚未开展基于市域层面的畜牧业碳排放的空间分布规律及驱动因子的研究。新疆是全国4个主要畜牧业产区之一,由于畜牧业的持续扩张,畜牧业碳排放量也在持续上升,使得本来就很脆弱的生态系统受到了破坏。为此,本研究选取新疆14个地(州、市)作为研究对象,依据IPCC系数法和空间自相关分析等方法,估算新疆2001—2020年畜牧业的碳排放量,进而探讨新疆各地(州、市)畜牧业的碳排放空间集聚特征与驱动因素,以期为实现新疆畜牧业的低碳可持续发展提供参考。

1 研究方法和数据来源

1.1 畜牧业碳排放量测算方法

畜禽消化、粪肥处理等活动所释放的CH4,粪肥还田所释放的N2O等是我国畜牧业的重要碳源[6]67。本研究从新疆畜牧业生产实际出发,选取反刍动物(牛、羊)和非反刍动物(猪、马、驴)为碳源,参照胡向东等[12]提出的畜牧业生产碳排放核算法,按照《省级温室气体清单编制指南》中的碳排放因子,测算新疆不同地区的畜牧业碳排放量。主要牲畜品种CH4和N2O的排放系数见表1。为方便分析,将CH4、N2O统一转换为CO2当量,也就是1 t CH4折合25 t CO2,1 t N2O折合298 t CO2。

表1 主要牲畜品种的排放系数Table 1 Carbon emission coefficients of major livestock breeds kg/(头·a)

1.2 畜牧业碳排放强度测算方法

畜牧业碳排放强度是指单位农业经济效益所排放的碳,由于反刍动物(牛、羊)和非反刍动物(猪、马、驴)在新疆牲畜养殖中占95%以上,故畜牧业碳排放强度用牛、羊、猪、马、驴的碳排放总量除以畜牧业总产值来计算。

1.3 空间自相关模型

空间自相关分为全局空间自相关和局部空间自相关。采用全局Moran’s I指数对新疆各地(州、市)碳排放强度的整体关联度和空间分布模式进行测算,采用局部Moran’s I指数揭示各地(州、市)的畜牧业碳排放强度与邻近地(州、市)的相似性或相关性,区分不同地区之间的空间集聚与空间孤立特点,检验畜牧业碳排放强度的空间异质性。

1.4 数据来源

采用2002—2021年新疆统计年鉴、中国农村统计年鉴、中国畜牧业年鉴,对新疆各地(州、市)2001—2020年的畜牧业碳排放量和碳排放强度进行分析。将新疆14个地(州、市)按地理位置划分为北疆、东疆和南疆,北疆包括乌鲁木齐市、克拉玛依市、昌吉回族自治州(以下简称昌吉州)、伊犁哈萨克自治州(以下简称伊犁州)、塔城地区、阿勒泰地区和博尔塔拉蒙古自治州(以下简称博州);东疆包括吐鲁番市和哈密市;南疆包括巴音郭楞蒙古自治州(以下简称巴州)、阿克苏地区、克孜勒苏柯尔克孜自治州(以下简称克州)、喀什地区与和田地区。

2 结果与讨论

2.1 新疆畜牧业碳排放量和碳排放强度

由图1可见,2001—2020年新疆畜牧业碳排放量大体呈波动变化趋势,2020年新疆畜牧业碳排放量为2 379.56 万t,相较于2001年增加了139.01万t。2016年畜牧业碳排放量达到峰值,为2 915.76 万t。而2001—2020年新疆畜牧业碳排放强度整体呈下降趋势,由2001年的16.43 t/万元下降至2020年的3.22 t/万元,减少了13.21 t/万元,这表明该时期畜牧业碳减排有一定的有效性,有必要进行系统分析。李娜等[13]基于2000—2020年面板数据,测算了新疆14个地(州、市)畜牧业碳排放量,发现研究期内碳排放量整体呈波动变化趋势,与本研究结果大体一致,但文献[13]未对碳排放强度进行计算,也未对其进行驱动力分析。

图1 2001—2020年新疆畜牧业碳排放量和碳排放强度Fig.1 Carbon emission amount and intensity of animal husbandry in Xinjiang from 2001 to 2020

2.2 新疆各地(州、市)畜牧业碳排放量和碳排放强度

2001—2020年新疆各地(州、市)的畜牧业碳排放量与碳排放强度见表2,碳排放量高值区(大于200万 t/a)主要分布在伊犁州、塔城地区、阿勒泰地区、阿克苏地区和喀什地区;中高值区(150万～200万 t/a)分布在昌吉州与和田地区;中值区(100万～150万 t/a)分布在巴州;中低值区(50万～100 万 t/a)分布在克州;低值区(小于50万 t/a)分布在乌鲁木齐市、克拉玛依市、博州、吐鲁番市和哈密市。有2个地(州、市)的畜牧业碳排放强度属于高强度型(7～10 t/万元),分别为阿勒泰地区和克州;7个地(州、市)属于中强度型(4～7 t/万元),主要分布于伊犁州、塔城地区、博州、巴州、阿克苏地区、喀什地区与和田地区。5个地(州、市)属于低强度型(0～4 t/万元),主要分布于乌鲁木齐市、克拉玛依市、昌吉州、吐鲁番市和哈密市。总体而言,2001—2020年新疆各地(州、市)畜牧业碳排放量高值区多分布于北疆,低值区多分布于东疆;南疆碳排放强度明显高于北疆、东疆,说明南疆畜牧业生产效率远低于其他地区,可能的原因为南疆畜牧业科技水平较低。

表2 2001—2020年新疆各地(州、市)畜牧业碳排放量和碳排放强度Table 2 Carbon emission amount and intensity of animal husbandry in various regions (prefectures,cities) of Xinjiang from 2001 to 2020

2.3 新疆各地(州、市)畜牧业碳排放强度空间集聚特征

采用全局Moran’s I指数对新疆各地(州、市)的畜牧业碳排放强度的动态演变特征进行刻画,并对其时空相关性进行检验。表3显示了研究期间的全局Moran’s I指数变化,除了2017—2020年,其他年份都是正值,大部分年份通过了显著性检验(p<0.1),这说明新疆各地(州、市)之间的畜牧业碳排放强度存在着明显的空间集聚和空间正相关现象。

表3 2001—2020年全局Moran’s I指数Table 3 Global Moran’s I index from 2001 to 2020

由表3可知,在全局Moran’s I指数检验中未通过显著性检验(p<0.1)的年份均处于2010—2020年,为了更好地揭示2010—2020年间新疆畜牧业发展过程中的碳排放空间集聚特征,需要验证其局部空间自相关性,为此,选择2010、2020年新疆畜牧业碳排放强度局部Moran’s I指数散点图进行分析,位于第一象限的地(州、市)数目(均为3个)一致,即“高-高”集聚态势的地(州、市)在数量上相同,位于第二象限和第四象限的地州市分别为由3个演变为5个和2个演变为3个,意味着2010—2020年形成“低-高”集聚和“高-低”集聚态势的地(州、市)数量增多;位于第三象限的地(州、市)由6个演变为3个,意味着2010—2020年形成“低-低”集聚的地(州、市)数量减少。

2.4 新疆畜牧业碳排放的驱动因素

借鉴唐志忠等[14]和杨红娟等[15]的研究,并立足于新疆畜牧业的现实研究新疆畜牧业碳排放的影响因素。将畜牧业碳排放总量和碳排放强度分别作为被解释变量,选取经济发展水平、城镇化水平、畜牧业发展水平、农业机械化水平和工业化发展水平5个因素考察它们对新疆畜牧业碳排放量和碳排放强度的驱动性。其中：经济发展水平采用地区人均GDP来衡量;畜牧业发展水平采用年度畜牧业生产总值来衡量;城镇化水平采用城镇人口占总人口的比例来衡量;农业机械化水平和工业化发展水平选择2001—2020年新疆14个地(州、市)面板数据。构建时空双向固定的固定效应模型(见式(1)),实证分析结果见表4。

表4 实证分析结果1)Table 4 Empirical analysis results

lnCit=α+β1lnPit+β2lnAit+β3lnUit+
β4lnMit+β5lnDit+μit

(1)

式中：Cit为t时区域i的畜牧业碳排放量或碳排放强度;Pit、Ait、Uit、Mit和Dit分别为t时区域i的经济发展水平、畜牧业发展水平、城镇化水平、农业机械化水平和工业化发展水平面板数据;α为常数项;β1、β2、β3、β4、β5为待估系数;μit为时空固定效应系数。

由表4可知,经济发展水平、畜牧业发展水平、城镇化水平、农业机械化水平和工业化发展水平均对新疆畜牧业碳排放强度具有显著影响。经济发展水平每增加1%,畜牧业碳排放强度减少0.534%;畜牧业发展水平每增加1%,畜牧业碳排放强度减少0.470%;城镇化水平每增长1%,畜牧业碳排放强度将增加0.126%;农业机械化水平每增加1%,畜牧业碳排放强度减少0.152%;工业化发展水平每增加1%,畜牧业碳排放强度增加0.264%;经济发展水平、畜牧业发展水平和农业机械化发展水平对畜牧业碳排放强度呈现出负效应,这是由于随着新疆各地区经济水平的发展,生产手段的进步以及机械设备的改进降低了畜牧业碳排放强度,从而提升了畜牧业的生产效率。城镇化水平和工业化发展水平对畜牧业碳排放强度呈现出正效应,很可能是随着城市化程度的加深,农村地区人才的外流速度加快,从而制约了畜牧业生产效率的提升,导致畜牧业碳排放强度提高;各地(州、市)的工业化发展水平的“虹吸”作用造成了畜牧业生产的专业人才大量流失,工业对农业的“反哺”作用不明显,因此导致了畜牧业碳排放强度的提升。

3 结 论

1) 从总体上来看,2001—2020年,新疆畜牧业碳排放量处于波动变化趋势;而畜牧业碳排放强度呈下降趋势。

2) 从各地(州、市)来看,2001—2020年,新疆各地(州、市)畜牧业碳排放量空间分布大致为北疆>南疆>东疆;而畜牧业碳排放强度也表现出明显的

空间差异,其中克州的畜牧业碳排放强度居于首位。

3) 从空间集聚特征来看,新疆各地(州、市)畜牧业碳排放强度呈现明显的空间集聚和空间正相关现象。

4) 从碳排放强度影响因素分析结果来看,城镇化水平和工业化水平提升对新疆各地(州、市)畜牧业碳排放强度降低具有显著的阻碍作用,经济发展水平、畜牧业发展水平和农业机械化水平提升对新疆各地(州、市)畜牧业碳排放强度降低具有显著的推动作用。