东北地区农业碳排放的脱钩效应及影响因素研究

2016-02-07王强张欢欢

东北农业大学学报(社会科学版) 2016年6期

关键词：东北地区排放量因素

王强张欢欢

（中国石油大学，山东青岛 266580）

东北地区农业碳排放的脱钩效应及影响因素研究

王强张欢欢

（中国石油大学，山东青岛 266580）

为研究近年来东北地区农业碳排放与经济增长间关系，采用Tapio脱钩模型和LMDI分解方法分析2001—2014年东北地区及各省农业碳排放脱钩效应及影响因素。结果表明：研究期内东北地区农业碳排放总量整体呈上升趋势；农业碳排放与经济增长间以弱脱钩效应为主；农业经济因素是农业碳排放最主要促进因素，农业效率因素则是最主要抑制因素。东北各省农业碳排放脱钩效应和影响因素差异较大。

东北地区；农业碳排放；脱钩效应；因素分解

我国是传统农业大国，农业生产在国民经济中占有重要地位。2015中共中央、国务院在中央1号文件中明确提出“用发展新理念破解‘三农’新难题，加大创新驱动力度，推进农业供给侧结构性改革，加快转变农业发展方式”。目前全球正面临气候变化挑战，中国也面临保持经济增长和减少碳排放双重压力。农业作为我国温室气体排放第二大来源，碳排放量约占碳排放总量17%[1]，推进农业低碳发展对减少碳排总量具有重要意义。东北地区作为我国重要粮食生产基地，是农业碳排放主要地区之一，目前东北地区正处于农业发展转型关键期，农业低碳减排等问题引起广泛关注。因此，分析近年来东北地区农业经济增长与碳排放间脱钩关系，解析农业碳排放量驱动影响因素，对促进东北地区农业可持续发展、维护我国粮食安全具有重要意义。

国内学者对东北地区农业经济发展与低碳减排问题的研究主要集中在农业碳排放量测算、农业碳排放影响因素分析及农业低碳减排政策等。如蒋春阳通过分析近年来吉林省农业经济发展相关数据[2]，发现吉林省农业碳排放存在排放总量较大等问题。学者普遍认为农业碳排放影响因素包括化肥农药等农业物资使用量、主要农作物播种面积以及农业机械拥有量等。如师帅等通过研究东北地区低碳农业影响因素[3]，发现化肥、农药投入并不一定使农业产值增长，反而可能增加农业碳排放量。同时，对于如何实现东北地区农业低碳发展学者也提出政策建议，主要集中在完善相关法规、发展农业技术提高生产效率、调整农业结构以及政府政策扶持等。如陈瑶利用SWOT量化分析方法研究东北三省低碳农业发展状况[4]，结果表明转变农业生产方式、提高农资效率等措施有利于低碳农业发展。近年来Tapio脱钩模型的引入为国内农业脱碳效应研究提供新方法和思路[5-6]，同时国内学者尝试利用Kaya恒等式、LMDI指数分解等新方法探讨农业碳排放主要影响因素及效应。如李琦和韩亚芬运用LMDI指数分解方法分析安徽省农业碳排放影响因素[1]。

农业碳排放量受多种因素影响。现已有研究存在以下局限：一是研究领域大多关注传统种植业，忽略对农业碳排放量影响较大的畜牧业。二是局限于东北地区农业碳排放总量的简单测算和分析，较少运用脱钩等模型分解该地区农业发展脱钩效应和影响因素，导致部分政策建议缺乏实证支撑。三是较少将东北地区和各省碳排放情况比较研究，导致研究成果对东北地区整体农业发展指导意义不强，无法比较分析东北三省农业碳排放差异性。鉴于此，在现有研究基础上，运用IPCC温室气体排放指南中方法估算东北地区2001—2014年农业碳排放量，运用Tapio脱钩模型分析东北地区和东北各省农业碳排放脱钩效应，最后运用LMDI方法分解碳排放量影响因素，探讨东北地区和东北各省农业碳排放趋势及脱钩效应，针对东北各省农业碳排放间差异性及不同因素影响，为实现东北地区农业减碳目标提出建议。

一、研究方法与数据来源

（一）农业碳排放量估算

在建立脱钩模型前，测算2001—2014年东北地区农业碳排放总量。农业包括种植业和畜牧业，碳排放指广义上温室气体排放量，为便于计算和衡量，结果中将不同温室气体统一换算成标准碳排放量。根据IPCC2007年报告公布数据，主要温室气体CO2、CH4、N2O与标准碳间折算系数分别取1.0、6.8182、81.2727。借鉴田云等[7-8]、李琦等[1]农业碳源类型划分方法，构建东北地区农业碳排放总量测算公式如下：

式（1）中，C为农业生产碳排放总量（t标准碳）；i为农业碳源类型，取值1～4，依次代表农用物资、土壤、稻田和畜牧业；Ci为第i类碳源碳排放量（t标准碳）；j为不同温室气体种类，取值1～3，依次代表CO2、CH4和N2O；Xij为第i类碳源排放的第j类温室气体实际测算量（t），σj表示第j类温室气体与标准碳间折算系数。

选取2017年1月～2018年1月我院收治的行手术治疗符合围手术期急性衰伤的患者80例作为研究对象，主要采用回顾分析法对患者的病例治疗进行分析、总结，并对围手术期急性肾衰伤患者的预后进行总结。其中，男40例，年龄22～78岁，平均年龄（51.25±5.66）岁，女40例，年龄20～77岁，平均年龄（50.99±5.84）岁。

1.农业物资CO2排放。农业生产过程中消耗大量农业物资，间接造成农业碳排放。根据李琦[1]、智静等[9]研究成果，依据东北地区实际情况，将农用物资碳排放源划分为化肥、农药、农膜、柴油及农业灌溉。碳排放量计算公式如下：表第m类农用物资投入使用量（t或万hm2），m取值1～5。am1表示第m类农用物资CO2排放系数，取值如表1所示。

表1 主要农用物资CO2排放系数

2.农业土壤N2O排放。农作物种植和生产过程中定期翻耕土壤，导致土壤表层破坏，释放大量温室气体，其中以N2O最显著。依据李波等研究[10]及东北地区实际情况，计算不同农作物生长周期内土壤N2O排放系数（见表2），其他旱地作物主要包括东北地区种植面积较大的马铃薯、油料作物和花生。建立土壤N2O排放测算公式如下：

第一步，按每条测线导出通过专业软件例如RADAN7进行数据处理与人机交互解释后得到的每个翻浆冒泥病害区域底界离散的边界控制点的集合信息，生成按测线排列的铁路线路翻浆冒泥病害区域底界坐标控制点数据文件即离散的边界控制点的Excel报表。

式（3）中，X23是农业土壤N2O排放量（t），Bn代表第n类农作物种植面积（万hm2），bn3为第n类农作物土壤N2O排放系数，取值如表2所示。

表2 不同农作物土壤的N2O排放系数(t/万hm2)

2.农业碳排放影响因素LMDI分解。因素分解方法主要原理是分解主分析参数影响因素，并研究主参数关键影响因素。由于对数平均指数分解法（LMDI）在分解过程和结果解释方面具有较好适用性，故运用LMDI分解方法探讨东北农业碳排放关键影响因素[12]。根据LMDI分解模型定义，第t期农业碳排放量（Ct）相当于基期（Co）变动量可表示为：

式（11）中ΔCHt、ΔCIt、ΔCSt、ΔCTt和ΔCPt分别表示农业碳排放结构因素、农业效率因素、农业结构因素、农业经济因素和劳动力因素对研究期内农业碳排放的影响变动量。借鉴LMDI分解方法，可将上式影响因素项表示为:

目前应用较广泛的脱钩模型主要有两种：一是OECD提出的基于初期值和末期值的脱钩因子模型；二是芬兰未来研究中心Petri Tapio教授提出的基于碳排放与经济产值变化率比的脱钩指数模型。Tapio脱钩模型将研究对象总量变化和相对量变化综合考虑，并以时间为尺度反映变量间脱钩关系变化，准确性和客观性比OECD模型更佳[11]。依据Tapio脱钩模型，针对东北地区农业经济发展与碳排放量间脱钩关系，构建脱钩模型：

式（4）中，X32是农业稻田CH4排放量（t），Ei代表东北各省中季稻种植面积（km2），i取值1～3。ei2是东三省水稻生长周期内CH4排放系数，具体排放系数如表3所示。

（5）劳动力因素（Pt）：农业劳动力数量是农业生产重要影响因素，选取农业总劳动力人数Pt作为劳动力指标，即劳动力因素Pt=Pt。

表3 东三水稻生长周期内CH4排放系数(t/km2)

1.东北地区农业碳排放脱钩效应分析。根据上述东北地区农业碳排放量测算结果，结合Tapio脱钩评价模型，计算东北地区2001—2014年农业碳排放量与农业经济增长间脱钩弹性指数，见表8。总体而言，研究期内东北地区农业碳排放脱钩状态以弱脱钩为主，2010—2014年脱钩弹性指数维持在0.8以下，即东北地区农业碳排放增速总体低于农业经济产值增速，说明近年来东北地区在农业低碳减排方面取得成效。具体而言，东北地区农业碳排放脱钩状态演变过程可划分为三个阶段：第一阶段（2001—2006）为弱脱钩阶段，该阶段农业碳排放总量稳步增长，与此同时农业经济产值不断增加，且增速始终高于农业碳排放增速，脱钩状态以弱脱钩为主。第二阶段（2006—2010年）为大幅波动阶段。该时期农业碳排放量出现较大幅度波动，而农业经济产值增长较平缓，农业碳排放与农业经济增长间关系往往伴随农业碳排放总量波动而表现为不同脱钩状态，分别出现扩张负脱钩、强脱钩、增长连接状态。第三阶段（2010—2014）为弱脱钩阶段。该阶段农业碳排放总量渐趋平稳，同时农业经济产值稳步增长，且增速始终高于碳排放增速，连续四年保持弱脱钩。

式（5）（6）中，X42、X43分别表示牲畜养殖CH4和N2O排放总量（t）；Yf为第f种牲畜养殖数量（千头）；yf1、yf2、yf3分别为第f种牲畜肠道发酵排放CH4系数、粪便排放CH4系数和粪便排放N2O系数。田云等[8]研究畜牧业主要牲畜CH4和N2O排放系数，结合东北地区牲畜养殖现状，选取牛、马、驴、骡、猪、山羊和绵羊七类主要养殖品种测算碳排放，各类牲畜排放系数如表4所示。

表4 主要牲畜种类CH4和N2O排放系数(t/千头)

（二）农业碳排放脱钩效应分析

脱钩概念最早出现在物理学领域，表示原本联系较密切的变量间关系逐渐淡化甚至完全脱离现象。世界经济合作与发展组织（OECD）首次将脱钩分析方法运用于环境与经济学研究，分析发达国家工业化过程中经济增长与能源消耗间变动关系[11]，主要使用脱钩模型分析具体领域的行业经济增长与能源消耗不同步变化，旨在反映我国碳排放量与经济增长关系。

抗病品种的选育可以从根本上减少病害的发生和发展，分子生物学作为选育抗病品种的主要方法在近些年已经得到高度的重视，抗病育种时可以针对不同地区的气候特点进行抗病育种，得到针对该地区的抗病品种。抗病品种不仅可以提高蔬菜粮食的产量同时也可以减少农药的污染，但目前分子生物学方法选育的抗病品种仍然存在一些问题。

式（7）中，e（C，G）代表农业碳排放与农业经济增长间脱钩弹性指数，ΔC表示研究期内碳排放变化量（万t），C表示研究初期碳排放量（万t），ΔG表示研究期内农业经济产值变化量（亿元），G为研究初期农业经济产值（亿元）。依据e（C，G）、ΔC、ΔG不同数值组合，将农业碳排放量与农业经济增长间脱钩状态划分为八种类型，见表5。由表5可知，强脱钩代表农业经济与碳排放协调发展达到最佳状态，强负脱钩表明在农业经济衰退时，碳排放量反而增加。

（三）农业碳排放影响因素的LMDI分解

上述脱钩模型主要用于反映东北地区及东三省农业经济产值变动量与碳排放变动量间脱钩关系，但仅从总量上分析农业产值脱碳状况，因此本文在改进Kaya恒等式基础上应用LMDI分解方法解析碳排放具体影响因素，进一步说明下列问题：东北地区及东三省农业经济发展与碳排放量间脱钩关系变动影响因素，是否为促进农业碳排放量增加抑制因素。

1.农业碳排放因素分解的Kaya恒等式。以Kaya恒等式为基础，建立东北地区农业碳排放因素分解模型。Kaya恒等式由Yoichi Kaya在IPCC会议上首次提出，表达式为：

其中C、POP与GDP分别代表CO2排放量、国内人口总量与国内生产总值。依据东北地区农业经济和碳排放实际特点，完善Kaya恒等式分析模型，将碳排放结构、农业结构等影响因素加入模型中，使模型更符合东北农业特点，构建农业碳排放分解模型如下：

式（9）中，Ct为t期农业碳排放总量（万t），Cit为t期第i类碳源碳排放总量（万t），i取值为1～4，Gt为t期农牧业产值（亿元），Nt为t期农业总产值（亿元），Pt为t期农业劳动力数量（万人）。由此，将引发农业碳排放量变动因素分解为：

对照组（122人）采用传统的非整合课程教学方法进行授课；观察组（110人）采用整合后的课程设置，将整合医学思维融入到教学中。两组学生的授课教师、教学大纲相同，教材均为全国高等医药院校规划教材。

莫斯科国立大学世界政治学院院长安德烈·科科申认为，北京香山论坛所能作的贡献，已经不局限于亚太地区安全与合作，中东安全问题出路、恐怖主义威胁与应对、人工智能与战争形态演变等攸关世界安全格局的热点，都是大会的议题，“汇集参会代表的观点和智慧，将有助于提供一些有价值的解决方案”。

则式（9）可简化为：

2.2.1 我国群众体育研究的高产作者分析表1为我国群众体育研究的高产作者统计表，从表1中可以发现，我国群众体育研究发文量最多的作者是上海大学的杨小明，然而发文量也仅为6篇，这说明我国学者对于群众体育的研究力度还远远不够。

表5 脱钩状态分类与评价标准

3.稻田CH4碳排放。根据田云、张俊飚[7]研究成果测算东北地区稻田CH4产生和排放情况。根据东北地区实际情况，建立稻田CH4排放测算公式如下：

式（2）中，X11为农用物资CO2排放量（t），Am代

（四）数据来源

本文相关数据均取自国家统计局统计数据、《中国农业统计年鉴》以及东北三省统计公报。其中碳排放量测算中各类农业物资消耗量、主要农作物播种面积和因素分解中各省农业产值主要取自国家统计局年度数据。其余数据来自《中国农业统计年鉴》以及东北三省统计公报中相关数据的整理和计算。设定时间尺度为2001—2014年。为保证经济产值数据时间可比性，各年农牧业总产值、农业总产值数据均以1995年为基准价格换算后使用。

二、研究结果与分析

（一）农业碳排放量时序特征

1.东北地区农业碳排放时序特征。依据公式（1）～（6）测算出2001—2014年东北地区农业碳排放总量，见表6。

由表6可知，东北地区农业碳排放量整体呈上升趋势，除2008年略有减少外，其余年份碳排放量均在增加，从2001年1 908.75万t增加至2014年2 713.71万t，年均增加量为61.92万t。东北地区农牧业经济产值也从2001年2 381.22亿元增至2014 年5 200.40亿元，且农牧业碳排放量增速明显低于农牧业经济产值增速，所以该时期碳排放强度系数呈下降趋势，从2001年0.80万t/亿元降低到2014年0.52万t/亿元。表明近年来东北农业每亿元经济产值碳排放量不断降低，主要因该时期国家和地方推出系列农业支持措施，加之东北农业技术水平和生产效率提高，农业经济发展状况总体趋好。

GC-Osme由气质联用仪（Agilent 7890A-5975C）与嗅闻装置（ODP2）共同完成。闻香评价方法采用GC-Osme。实验由两名闻香经验丰富的研究人员进行（均为男性），一名为经过4年GC-O训练的专业人员，一名为有8年以上从事酒类感官分析的研究人员进行GC-Osme分析。实验过程中记录每个香气成分出现的时间、香气特征和强度。强度采用5分制，其中，1表示微弱气味、3表示中等强度、5表示非常强烈的气味，而2和4则表示介于这三者之间的强度，最终强度以两人的平均值计。

表6 2001—2014年东北地区农业碳排放量变化情况

从东北地区农业碳排放总量构成而言，在研究期内，畜牧养殖排放在农业碳排放总量中占比最高，多年平均占比达41.25%，是东北地区农业碳排放最主要碳源，但占比总体呈下降趋势。这是因近年来牲畜市场价格和饲料等养殖成本大幅波动，导致农民牲畜养殖积极性下降，牲畜养殖量减少。其他三类碳源排放量在碳排放总量中比重总体呈上升趋势。农业物资碳排放在总量中占比为39.81%，年均产生碳排放940.24万t，是农业碳排放第二大碳源，在总量中占比可分为初期波动变化（2001—2005年）和后期持续增加（2005—2014年）阶段。而土壤和稻田CH4产生的碳排放量相对较少，平均占比分别为10.79%和8.15%，年均碳排放量分别为252.86万t和192.74万t，两者在总量中占比在初期下降和波动变化后，近年来总体呈缓慢上升趋势。

点对多点的传输模式实现了雷达链路的备份、同时雷达数据可以同时传送至多个网络中的目标用户、可以进行服务器间的合理切换，极大的加强了了雷达数据的安全保障。

2.东北各省农业碳排放量时序特征。根据东三省农业碳排放情况，由表7可知，2001—2014年东北三省中黑龙江省农业碳排放量最大，多年累积排放量为13 862.91万t，占三省总排放量的42.32%，且黑龙江省每类碳源碳排放量均显著高于其他两省。吉林省碳排放量居中，多年累积排放量为9 852.69万t，占三省碳排放总量30.08%。辽宁省碳排放量相对较少，多年累积排放量为9 041.66万t，占总排放量27.60%，除稻田CH4碳排放外，辽宁省其余碳源碳排放量均为最低。从不同碳源碳排放贡献值而言，农业物资和畜牧养殖碳源对各省碳排放总量贡献值较大。黑龙江省最大碳源是农业物资，其次是畜牧养殖，两者碳排放量分别占全省排放总量38.81%和36.49%。吉林省最大碳源是畜牧养殖，其次为农业物资，两者占比分别为45.97%和39.56%。辽宁省农业物资和畜牧养殖碳源占比分别达到42.97%和41.67%。土壤和稻田CH4碳源对各省碳排放量贡献值均较小，两者在各省碳排放总量中平均占比分别为10.66% 和7.52%。

第一，学生切实体会生活，获取一手资料。钟启泉教授曾经说过“要想让学生学好语言，用好语言，那就得首先让他们有思想、有情感。否则，就只能是陈词滥调或无病呻吟”。怎样让学生成为感情丰富的人，最好的办法就是老师有目的地启发学生感知生活，快乐地投入到生活之中，那么生活自然会回馈你真实的情感，是无法被人代替的，因为同一件事，不同的人会有不同的体会，这就是你自己的一手宝贵资源，再加上老师的写作技巧，有心的学生可以从这些一手资料中悟出深刻的人生哲理，从而进行“生活写作”。

表7 2001—2014年东三省农业碳排放情况

从农业碳排放量变化趋势而言，如图1所示，研究期内东北地区和各省农业碳排放总量均呈不断上升趋势，且各省上升速率差异较大。黑龙江农业碳排放量最高，且近年来增长较快，与其他两省碳排放量差距不断扩大。吉林和辽宁农业碳排放量低于黑龙江，增速缓慢，近年来两省碳排放量较接近。

图1 2001—2014年东北地区农业碳排放量变化趋势

（二）农业碳排放脱钩效应分析

4.牲畜养殖碳排放。牲畜养殖碳排放主要包括牲畜肠道发酵的CH4排放以及粪便处理过程中CH4和N2O排放[6]，计算公式如下：

2.东北各省农业碳排放脱钩效应分析。从东北各省脱钩状态而言，如表9，三省农业碳排放脱钩状态差异较大。黑龙江省农业碳排放脱钩状态最不理想，研究期内主要呈现“弱脱钩-波动-弱脱钩”变化趋势，平均脱钩弹性指数为0.81，平均脱钩状态为增长连接，即从2001—2014年总体而言，黑龙江农业碳排放平均增速与农业经济平均增速接近，未出现明显脱钩趋势。吉林和辽宁农业脱钩状况优于黑龙江，研究期内两省农业碳排放平均脱钩弹性指数分别为0.65和0.54，平均脱钩状态均为弱脱钩，即2001—2014年吉林和辽宁农业碳排放平均增长率明显低于农业经济平均增长率，农业低碳减排政策取得一定成效。

表8 东北地区农业碳排放与弹性脱钩指数

表9 东三省农业碳排放脱钩指数与状态

（三）农业碳排放影响因素分析

综上所述，对于L5S1椎间盘突出的患者，尤其是在节段位于椎间孔或椎间孔外型突出者，在应用脊柱内镜经椎间孔入路的时候，要在术前仔细判明髂棘高度以及突出间盘所在的位置，从而决定在术中是否行椎间孔成形术以及是否需要进行更确切的“靶点穿刺”。

1.东北地区农业碳排放影响因素分析。本文在完善Kaya恒等式基础上，采用LMDI分析方法分解2001—2014年东北地区农业碳排放影响因素，分别得到研究期内农业碳排放结构因素、农业效率因素、农业结构因素、农业经济因素和劳动力因素每年对东北农业碳排放总量的贡献值，计算结果如表10所示。

表10 东北地区农业碳排放驱动因素分解结果(万t)

农业经济因素和碳排放结构因素对东北地区农业碳排放具有促进作用。其中农业经济因素是农业碳排放最主要促进因素。2001—2014年经济因素引起农业碳排放累计增加量为1 892.86万t（年均增加145.60万t），达到该时期农业碳排放实际变动量的235.12%。近年来在国家农业政策支持下，东北地区农业生产力不断提高，人均农业经济产值不断增加，随着农业经济规模扩大，农业物资消耗等碳源造成的碳排放量随之增加。从经济因素变化特征而言，其引发的碳排放量波幅较大，对总体碳排放量影响较大，且近年来未出现较明显下降趋势。碳排放结构因素对农业碳排放量影响较小，研究期内对农业碳排放增量累计贡献值仅0.08万t（年均增加0.0062万t），每年碳排放贡献量较稳定。

农业效率因素、农业结构因素和劳动力因素对农业碳排放量抑制作用程度不同。其中，效率因素抑制效果最强，即东北地区农业生产率提高将极大减少碳排放量。研究期内效率因素共减少东北地区农业碳排放975.12万t（年均减排75.01万t），达到该时期农业碳排放实际增加量的121.13%。从效率因素变化特征而言，每年消减的碳排放量波幅很大，有些年份甚至对碳排放总量起促进作用，2011—2014年基本稳定在每年减排约70万t。随着东北地区农业科技和先进农业机械大规模应用，农业生产中单位产值碳排放量呈下降趋势，伴随生产效率提升，效率因素对农业减排也产生较大作用。劳动力因素和农业结构因素对农业碳排放量具有一定抑制作用，研究期内二者分别减少农业碳排放75.69万t（年均减排5.82万t）和37.08万t（年均减排2.85万t），达到该时期农业碳排放实际增加量的9.40%和4.61%，在变化趋势上，二者碳排放贡献值变化幅度较小，有些年份在正负间交替波动。

2.东三省农业碳排放影响因素分析。根据各省农业碳排放量分解情况，由表11可知，2001—2014年五类影响因素共引起东北农业碳排放累计增量805.10万t，其中黑龙江省碳排放增量最大，多年累积增加453.60万t，占东北地区累积增量的56.3%。辽宁碳排放增量居中，研究期内五类因素共引起碳排放增量185.96万t，占东北地区累积增量的23.1%。吉林碳排放增量在三省中相对最少，多年累积增量为165.54万t，占东北地区累积增量的20.56%。

表1 12001—2014年东北各省农业碳排放影响因素分析

从各省碳排放影响因素而言，经济因素是农业碳排放增加最主要促进因素，而效率因素是最主要抑制因素。黑龙江研究期内经济因素累积增加碳排放量为931.60万t，而效率因素共实现减少碳排放量400.60万t，两者分别达到全省碳排放实际增量的205.40%和88.33%。吉林研究期内经济因素累积增加碳排放量为563.06万t，而农业效率因素共实现减少碳排放389.60万t，两者分别达到全省碳排放实际增量的340.14%和235.40%。辽宁研究期内经济因素累积增加碳排放451.42万t，农业效率因素共减少碳排放231.40万t，两者在全省碳排放实际增加量中占比分别为242.70%和124.40%。三省碳排放影响因素的共同特征，主要反映随农业经济规模不断扩大，农业物资消耗等碳源碳排放量总体会随之增加，进而影响农业碳排放总量。提高农业生产效率是农业低碳减排重要途径。劳动力因素、农业结构因素和农业碳排放结构因素对三省碳排放增量影响均相对较小，三者在各省碳排放实际增量中多年平均占比分别为-6.28%，-7.12%和0.01%，见表11。

综上所述，东北地区农业碳排放量变动是碳排放结构、农业效率、农业结构、农业经济和劳动力等多因素共同影响结果。从东北地区而言，效率因素、结构因素和劳动力因素对农业碳排放量具有抑制作用，效率因素是最主要抑制因素；碳排放结构因素和经济因素对碳排放量具有促进作用，其中农业经济因素是最主要促进因素。从各省具体情况而言，经济因素是农业碳排放增加最主要促进因素，而效率因素则是最主要抑制因素，其余三类因素影响相对较小，从东北地区及各省情况而言，碳排放促进因素引发的碳排放增量均大于抑制因素产生的消减量，因此研究期内东北地区及各省农业碳排放量总体呈上升趋势，农业低碳减排依然面临较大压力。

三、结论与政策建议

本文测算2001—2014年东北地区农业碳排放总量，并运用Tapio脱钩模型和LMDI分解方法，解析东北地区及各省农业碳排放脱钩效应和影响因素。主要结论如下：

2.3 两组孕妇血脂水平比较观察组孕妇血脂指标FPG、TG显著低于对照组，差异有统计学意义(均P<0.05)；两组孕妇TC、HDL-C、LDL-C水平比较，差异无统计学意义(均P>0.05)。见表3。

第一，在碳排放总量方面，东北地区农业碳排放量整体呈上升趋势，从2001年1 908.75万t增加至2014年2 713.71万t，平均年增加61.92万t。黑龙江农业碳排放量最高，其次是吉林，辽宁碳排放量最低。农业物资和畜牧养殖是农业最主要碳排放源，而土壤翻耕和稻田CH4碳排放量相对较小。

第二，在农业碳排放脱钩状态方面，2001—2014年东北地区农业经济平均增速6%，明显高于农业碳排放量增速（3%），农业碳排放脱钩状态总体以“弱脱钩”为主，演变过程可概括为“弱脱钩-波动-弱脱钩”阶段，且近年来碳排放脱钩弹性指数呈下降趋势。黑龙江农业碳排放脱钩状态最不理想，平均脱钩状态为增长连接。吉林和辽宁农业脱钩状况优于黑龙江，平均脱钩状态均为弱脱钩，三省脱钩状态逐渐趋向稳定。

农村饮水安全自动化监控技术研究及应用前景分析……………………………………………… 胡孟，李晓琴(8.66)

第三，在碳排放影响因素方面，从东北地区而言，农业效率因素、结构因素和劳动力因素对农业碳排放量起抑制作用，农业经济因素和碳排放结构因素对农业碳排放量起促进作用，经济因素是东北地区农业碳排放最主要驱动因素。从各省具体情况而言，经济因素是各省农业碳排放增加最主要促进因素，而农业效率因素是最主要抑制因素，其余三类因素贡献值相对较小。随农业经济规模增加，农业碳排放量总体增加，提高农业生产效率是发展低碳农业重要途径。

独活为伞形科植物重齿毛当归(Angelica pubescens Maxim.f.biserrata Shan et Yuan)的干燥根，被收载于《中国药典》[1]，被《神农本草经》列为上品，“久服，轻身、耐老”，具有祛风除湿、通痹止痛之功效。在甘肃、湖北、重庆、四川均有分布，并在湖北省巴东、恩施、资丘、长阳、五峰等地有大面积种植，已有300多年的栽培历史。现代研究发现，独活还具有抗心律失常、抗肿瘤、抗胃溃疡等作用，具有更远大的药用前途；其乙醇提取物具有很好的抑制植物病菌作用，在植物源农药领域的应用前景广阔；此外独活油还被应用在化妆、保健等领域[2]。

基于上述研究结论，同时考虑东北地区农业经济发展在维护国家粮食安全、保障地区经济发展方面的重要意义，提出以下对策建议：第一，应成立区域农业减排协调机构，根据三省农业生产和减排情况制定减排措施，因地制宜，同时协调整个区域政策实施。第二，提高农业物资使用效率，并根据市场情况调整农牧业结构，将畜牧业碳排放控制在合理范围内，黑龙江应通过生产效率提升改变“高消耗、高排放”农业发展模式。第三，提高劳动力素质，政府应对农业劳动力开展相关技术培训，并加大先进农业生产技术宣传和推广力度。

［1］李琦,韩亚芬.安徽省农业碳排放的脱钩效应及影响因素研究[J].安徽农业大学学报（社会科学版）,2016(2).

［2］蒋春阳.吉林省低碳农业发展问题研究[D].长春:吉林大学, 2015.

［3］师帅,陈红.东北三省发展低碳农业影响因素研究[J].商业研究,2013(5).

［4］陈瑶.东北三省低碳农业发展的SWOT量化分析[J].农场经济管理,2013(9).

［5］贺爱忠,刘盼.中国流通业CO2排放的因素分解和脱钩分析[J].中国环境科学,2015(3).

［6］冯博,王雪青.中国各省建筑业碳排放脱钩及影响因素研究[J].中国人口·资源与环境,2015(4).

［7］田云,张俊飚.中国农业生产净碳效应分异研究[J].自然资源学报,2013(8).

［8］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(11).

［9］智静,高吉喜.中国城乡居民食品消费碳排放对比分析[J].地理科学进展,2009(3)．

［10］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(8).

［11］李晨,迟萍,邵桂兰.我国远洋渔业碳排放与行业经济增长的响应关系研究——基于脱钩理论与LMDI分解的实证分析[J].科技管理研究,2016(6).

［12］苑清敏,张文龙,宁宁宁.京津冀物流业碳排放驱动因素及脱钩效应研究[J].科技管理研究,2016(5).