安徽省农业生产碳排放时空变化及影响因素分析

张博文+崔林丽+史军+魏培培

摘要：基于安徽省5个基础碳源数据，结合LMDI模型，测算其农业碳排放量，并分析了2006-2015年安徽省农业碳排放的时空变化及其影响因素。结果表明，安徽省农业生产碳排放总量逐渐增加，从2006年的356.53万t增长至2015年的449.03万t；碳排放强度的变化与总量变化基本保持一致，从2006年的87.28 t/km2增长至2015年的107.37 t/km2；从市域空间来看，2015年安徽省北部地区的城市碳排放总量高于南方地区；LMDI模型的因素分解表明，与2006年相比，效率因素和劳动力因素累计实现减排527.90万t，其中效率因素影响力度较强，而结构因素、经济因素总体上对累积CO2排放量变动存在正向影响，其中经济因素影响尤为突出。

关键词：农业碳排放；时空变化；影响因素；LMDI模型；安徽省

中图分类号：X196 文献标识码：A 文章编号：0439-8114（2017）21-4051-05

DOI：10.14088/j.cnki.issn0439-8114.2017.21.014

Spatio-temporal Variations Analysis and Influencing Factor in Carbon Emissions of Agricultural Production in Anhui Province

ZHANG Bo-wen1，2，CUI Lin-li3，SHI Jun2，WEI Pei-pei1，2

（1.Ecological Technique and Engineering College， Shanghai Institute of Technology， Shanghai 201418，China；2.Shanghai Climate Center， Shanghai 200030，China； 3.Shanghai Center for Satellite Remote Sensing and Application， Shanghai 200030，China）

Abstract： The research calculated the amount of agricultural carbon emission bases on five kinds of basic carbon source data in Anhui from 2006 to 2015. According to the LMDI model，an analysis on the factors that affect carbon emissions of Anhui agricultural production was made. The results showed that，the total amount of agricultural carbon emissions in Anhui province presented a gradually increasing trend，increased from 3.565 3 million tons in 2006 to 4.490 3 million tons in 2015. Over the same period，the change trend of carbon emissions intensity was almost consistent with total change，increased from 87.28 t/km2 in 2006 to 107.37 t/km2 in 2015. From the point of view of urban spatial scales，the total amount of agricultural carbon emissions of the cities in northern Anhui was higher than the south. Compared with 2006，the LMDI model factor decomposition showed that efficiency factor and labor factor cut 5.279 million tons carbon emission，and the influence strength of efficiency factor was stronger. While structure factor and economy factor had positive influence on overall changes on cumulative CO2 emission， and the influence strength of economic factor was stronger.

Key words： agricultural carbon emissions； temporal and spatial variation； influencing factor； the LMDI model； Anhui province

20世紀90年代以来，全球变暖的趋势日益显著。世界各国政府普遍认为，温室气体尤其是二氧化碳的大量排放是造成全球变暖的主要原因[1]，因此，控制与减少二氧化碳的排放成为延缓全球变暖的主要手段。2009年中国积极响应联合国的节能减排号召，提出了碳减排的量化目标，表明了中国保护全球环境、降低能耗的决心。而农业既是温室气体排放源，也是最易遭受气候变化影响的产业[2]。低碳农业是低碳经济的有机组成部分，是现代农业未来的发展趋势，因此，研究与发展低碳农业具有重要意义。

农业碳排放是指农业生产过程中由于化肥、农药、能源等消费所直接或间接导致的温室气体的排放[3]。国际上侧重于农业碳减排的模型建设与技术理论研究[4]。如Ruben等[5]分析了不同的土地利用方式对土壤碳排情况的影响；Vleeshouwers等[6]则着重评估与分析了碳足迹在农业生产因素的影响下的汇聚与转移；Johnson[7]则主要研究了农业碳的发生机理并分析了碳源。近年来，国内学者针对农业碳排放的研究也逐渐增多，较为典型的是对农业生产模式与农业碳排放间的关系[8]、农业碳排放变化及影响因素分析[9]等。如李波等[10]利用EKC模型对中国碳排放与经济的发展关系进行分析研究；赵奥等[11]利用改进的Kaya恒等式与LMDI分解法对中国CO2排放进行分解研究；李国志等[12]对中国1981-2007年农业能源消费量的CO2排放量进行了测算，并利用LMDI模型对其进行了分解。安徽省是中国的农业大省，在中国的农业地位中占有举足轻重的地位。本研究立足安徽省16个地市，分析其农业碳排放的时空变化及影响因素，为制定农业碳减排政策提供依据，有利于安徽省的生态建设及可持续发展。endprint

1 研究数据与方法

1.1 碳排放数据的测算

整理碳排放相关文献[7]，分析得出农业碳排放的碳源主要有5个方面：一是化肥在生产和使用过程中所造成的碳排放；二是农用塑料薄膜在生产和使用过程中所引起的碳排放；三是农药在生产和使用过程中所导致的碳排放；四是农用机械在使用时所消耗的柴油等化石燃料所产生的碳排放；五是农业耕作进行土地翻耕时对土壤有机碳库的破坏，致使大量的有机碳散逸到空中所形成的碳排放[13]。根据安徽省统计年鉴提供的数据，测算安徽省2006-2015年农业生产5个主要碳排放源的碳排放量，测算公式为：

E=∑Ei=Ti×δi （1）

式中，E为农业的碳排放总量，Ei为各种碳源的碳排放量，Ti为各碳排放源的量，δi为各碳排放的碳排放系数，具体见表1。

农业碳源数据均来自《安徽统计年鉴（2007-2016）》，其中，翻耕数据以当年安徽省农作物实际播种面积为准。

1.2 碳排放强度的测算

CI=■ （2）

式中，CI为农业碳排放强度，E为农业碳排放总量，CL为耕地面积（CL数据来源于安徽统计年鉴）。

1.3 基于LMDI模型对碳排放影响因素进行分解

对数平均D式指数分解法（Logarithmic mean divisia index，LMDI）是目前主流的分解方法[14]，因分解结果因素可逆、全分解、乘法分解与加法分解一致性、无残差等优点，更适合发展中国家进行指数分解，具有很强说服力[15]。基于LMDI模型，并结合国内外文献所用数学方法，针对安徽省省情，碳排放总量及影响因素的分解可采用以下公式表示。

C=■×■×■×AL

EI=■，CI=■，SI=■ （3）

式中，C、PGDP、AGDP、AL分别表示农业碳排放量、种植业总产值、农林牧渔总产值和农业从业劳动力总量（数据来源于安徽统计年鉴）；EI、CI、SI分别为农业生产资料效率因素、农业结构因素和农业经济水平因素。对于公式（3）所示模型，设基期碳排放总量为C0，T期总量为Ct，用标tot表示总的变化。采用加和分解，将差分解为：

ΔCtot=Ct-C0 （4）

各分解因素贡献值表达式分别为：

ΔEI=∑■ln■

ΔCI=∑■ln■

ΔSI=∑■ln■

ΔAL=∑■ln■ （5）

ΔCtot=Ct-C0=ΔEI+ΔCI+ΔSI+ΔAL （6）

各影响因素对具体年份的贡献率为■、■、■、■。

2 结果与分析

2.1 安徽省农业碳排放的时序变化分析

根据公式（1）、（2），测算2006-2015年安徽省农业碳排放的碳排量及强度。结果（表2）表明，自2006年以来安徽省农业碳排量一直处于平稳增长趋势，从2006年的356.53万t增长到2015年的449.03万t，增长量为92.50万t，增长了25.94%，年均增长2.66%。其中，化肥、农膜、农用柴油、农药、翻耕所引发的碳排放均有不同程度增长，年均增速分别为1.91%、3.39%、4.79%、4.46%、0.70%。

由圖1可以看出，2006-2015年安徽省农业碳排放总量呈波动增长态势。2006-2010年是一个快速增长的阶段，在2008年达到4.64%的最高增长速率；2011-2014年为缓慢增长阶段，2011年增速最慢，为1.44%；2015年为第三阶段，增速在2014年达到3.13%的增速后，降至2015年的1.50%的增速。对比农业碳排放强度的变化，由于安徽省耕地面积基本保持不变，因此，碳排放强度变化与其碳排放总量变化趋势基本保持一致，为持续增长，碳排放强度从2006年的87.28 t/km2增长至2015年的107.37 t/km2，平均增速为2.32%。

2.2 安徽省农业碳排放的空间分布分析

测算2015年安徽省16个地市的农业碳排放量及强度，如表3所示。由表3可以看出，2015年安徽省农业生产碳排放区域差异明显，各市在各碳源排放量、碳排放总量、碳排放强度方面均有很大差异。

由图2可知，安徽省农业生产碳排放分布在总量上具有明显的地域差异。其中，高碳排放量区域（40～60万t）集中于北方，即淮北平原和大别山山区，中等碳排放量区域（20～40万t）集中于江淮之间，长江以南普遍为低碳排放量区域（0～20万t），呈较明显的从北向南逐级递减的趋势。从城市减排目标上来说，皖北地区要以减少碳排放总量为主要目标。

从农业碳排放强度（表3）来看，淮南、黄山、蚌埠三市位于前三位，分别为167.52、152.40、136.11 t/km2；碳排放强度后三位为滁州、阜阳、亳州市，均低于100 t/km2，其中，亳州市最低，为83.78 t/km2，不足淮南的1/2。依据碳排放强度进行等级划分，淮南、黄山市为高强度区域（140～170 t/km2），蚌埠、铜陵、合肥、宿州、池州、宣城、安庆、芜湖、六安市为中等强度区域（110～140 t/km2），马鞍山、淮北、滁州、阜阳、亳州为低强度区域（80～110 t/km2）。由图3可以看出，安徽省农业生产碳排放分布在强度上分区也较明显，呈现由北向南逐级降低的趋势，而西北地区的碳排放强度要低于南方地区，大体呈现南高北低的格局，即淮南、黄山两市为高碳排放强度区域突出，低强度区域集中于北方市域的格局。从城市减排目标上来说，南方城市要以降低碳排放强度为主要目标。

2.3 安徽省农业碳排放的因素分解

基于LMDI因素分模型，以每两个相邻年份为变化样本，计算安徽省2006-2015年农业生产碳排放变化的因素分解值，结果见表4。endprint

2.3.1 因素变化效应分析 由表4可知，安徽省2006-2015年农业生产碳排放量变动值为92.50万t，总效应为增加碳排放量103.4万t。

效率因素（ΔEI）与劳动力因素（ΔAL）总体上对累积CO2排放量变动存在负向影响，与2006年相比，累计实现减排527.90万t，并且效率因素影响力度较强，累计减排419.87万t，占减排总量的79.54%，表明提高农业生产资料利用效率仍是安徽省农业减排的主要手段。

结构因素（ΔCI）、经济因素（ΔSI）总体上对累积CO2排放量变动存在正向影响，累积增加碳排放量613.34万t，且经济因素影响尤为突出，累积增加碳排放量597.14万t，占总碳排放量的97.36%。而基于农业是国民经济的基础性地位作用以及安徽省中部农业大省的定位，不可能为了降低能耗而放缓与抑制农业经济的发展，因此，短期内农业经济因素仍是导致安徽省农业碳排放增加的主导因素。

2.3.2 因素变化贡献率分析 由表4计算各影响因素对于各年份碳排放量变化的贡献率，结果见表5。由表5可知，2006-2015年，效率因素几乎一直保持在负向贡献率，每年均高于其他因素负向贡献值，并且在2007、2011、2015年均达到阶段性极值，成为实现农业减排的主要方面。而经济因素贡献率一直保持正向贡献率，每年均高于其他正向贡献值，且也于2007、2011、2015年达到阶段性极值，成为农业碳排放的主要方面。究其原因是2011、2015年国家经济快速发展，而农业经济也“水涨船高”，粮食总产和单产分别创历史最高水平，因此经济因素呈现了极大正向贡献值。同时通过国家重点建设与政策扶持，万元GDP能耗同比下降4.21%，单位能耗相对降低，产业结构得到优化，效率因素呈极大负向贡献值。

劳动力因素与结构因素贡献率在2006-2015年间一直保持较为平稳的变动率，其中，劳动力因素贡献率一直处于负值，结构因素贡献率处于正负值波动的情况，但由于贡献率绝对值较小，因此不足以对碳排放的变化产生巨大影响。

3 结论与建议

本研究测算了安徽省2006-2015年农业生产碳排放数据，分析其变化规律，并基于LMDI分解法建立CO2排放总量变动的因素分解模型，量化分析了效率、结构、经济、劳动力因素对CO2排放总量变动的影响，该因素分解模型有助于细化刺激CO2排放量增加与促进CO2排放量降低的影响因素和影响程度。

从时间变化来看，2006-2015年安徽省农业生产碳排放一直处于增长趋势。从空间分布来看，2015年安徽省16个地市差异巨大；经济因素是安徽省CO2排放量增加的主要推动因素，对整个CO2排放量变化增长的贡献率达898.80%，CO2排放总量仍会随着同期经济的增长而升高；效率因素是抑制CO2排放量增加的关键因素，对整个CO2排放量变化增长的贡献率为-699.10%；劳动力因素对安徽省现阶段CO2排放总量的抑制也具有一定的影响，贡献率达-199.70%；结构因素也是农业碳排放增长的驱动因素。

经济发展因素是安徽省农业生产碳排放的主导因素，而基于农业是国民经济的基础性地位以及安徽省中部农业大省的定位，短期内不会放慢农业经济发展步伐而转向碳排放的减少。因此，安徽省应建立健全农业经济发展宏观调控机制，树立低碳经济意识，调整优化农业产业结构积极推进精准农业发展，种植绿肥与秸秆还田，科技兴农，因地制宜，政府推广，确立不同的减排目标，发展适合地方生态农业的类型。且安徽省自然条件差异巨大，因此要因地制宜，根据地方自然条件与当地碳排放强度，开发与建立符合当地的生态农业或循环农业类型，并加强政策扶持与典型推广，完善农业生态减排的绩效考察。

参考文献：

[1] 栾 晏，赵 放.发达国家和发展中国家能源消费与碳排放控制研究[D].长春：吉林大学，2015.

[2] 范凤岩.北京市碳排放影响因素与减排政策研究[D].北京：中国地质大学，2016.

[3] 張志高，刘青利，刘 雪，等.安阳市农业生产碳排放时序特征及预测研究[J].南方农业，2017，11（10）：11-16.

[4] 田 云，张俊飚.农业碳排放国内外研究进展[J].中国农业大学学报，2013，18（3）：203-208.

[5] RUBEN N L，ANDREW J P. Land-use change and carbon sinks： Econometric estimation of the carbon sequestration supply function[J].Journal of Environmental Economics and Management，2006，51（2）：135-152.

[6] VLEESHOURWERS L M，VERHAGEN A. Carbon emission and sequestration by agricultural land use：A model study for Europe[J].Global Change Biology，2002，8（6）：519-530.

[7] JOHNSON J M F. Agricultural opportunities to mitigate greenhouse gas emissions[J].Environmental Pollution，2007，150（6）：107-124.

[8] 孔令聪，胡永年，王光宇，等.安徽省循环农业模式研究[J].中国农业资源与区划，2008，29（4）：65-69.

[9] 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.

[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.

[11] 赵 奥，武春友.中国CO2排放量变化的影响因素分解研究[J].软科学，2010，24（12）：55-59.

[12] 李国志，李宗植.中国农业能源消费碳排放因素分解实证研究[J].农业技术经济，2010（10）：66-71.

[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·资源环境，2011，21（8）：80-86.

[14] ANG B W，LIU N. Energy decomposition analysis：IEA model versus other methods[J].Energy Policy，2007，35：1426-1432.

[15] ANG B W. Decomposition analysis for policy making in energy：Which is the preferred method？[J].Energy Policy，2004， 32：1131-1139.endprint