农业碳排放的EKC检验及影响因素研究

梁潆月 李兰英

摘 要：依据1995-2019年长三角地区农业相关数据，利用IPCC碳排放系数法计算出该地区农业碳排放量，并对计算结果进行EKC曲线分析，进一步使用LMDI分解法分析农业碳排放的影响因素及其贡献度。结果表明：长三角地区农业碳排放与农业人均GDP之间存在EKC曲线关系;农业生产效率是长三角地区农业碳减排的主要原因;农业劳动力规模对农业碳减排的作用也尤为重要;长三角地区农业碳排放量不断增加的首要因素为农业经济发展水平;农业生产结构一定程度上也造成了农业碳排放量的增长。根据上述研究结论，对长三角地区农业低碳发展提出政策建议：提高农业生产效率;优化农业生产结构;助力农业机械化和规模化的推进;树立低碳循环发展理念。

关键词：农业碳排放;EKC曲线;LMDI模型;长三角地区

中图分类号：F323.22  文献标志码：A  文章编号：0253-2301（2022）01-0072-09

DOI： 10.13651/j.cnki.fjnykj.2022.01.013

Study on the EKC Test and Influencing Factors of Agricultural Carbon Emission

——A Case Study of the Yangtze River Delta Region

LIANG Ying-yue1， LI Lan-ying1， 2*

（1. College of Economics and Management， Zhejiang Agriculture and Forestry University， Hangzhou， Zhejiang

311300， China; 2. Zhejiang Institute of Rural Revitalization， Hangzhou， Zhejiang 311300， China）

Abstract： Based on the agricultural data of the Yangtze River Delta region from 1995 to 2019， the agricultural carbon emissions in the region were calculated by using the IPCC carbon emission coefficient method， and the results were analyzed by EKC curves， and the influencing factors and contribution degree of agricultural carbon emissions were further analyzed by using the LMDI decomposition method. The results showed that there was an EKC curve relationship between agricultural carbon emissions and per capita agricultural GDP in the Yangtze River Delta region. The agricultural production efficiency was the main reason of agricultural carbon emission reduction in the Yangtze River Delta region. The scale of agricultural labor force played an important role in the agricultural carbon emission reduction. The primary factor of increasing the agricultural carbon emissions in the Yangtze River Delta region was the level of agricultural economic development. And the agricultural production structure also caused the increase of agricultural carbon emissions to some extent. According to the above research conclusions， some policy suggestions were put forward for the agricultural low-carbon development in the Yangtze River Delta region， including improving the agricultural production efficiency， optimizing the agricultural production structure， promoting the agricultural mechanization and large-scale development， and establishing the concept of low-carbon and circular development.

Key words： Agricultural carbon emissions; EKC curve; LMDI model; Yangtze River Delta

氣候变暖是当下全球高度关注的重要问题之一，人类生产、生活造成的温室气体排放是全球气候变暖的核心原因[1]。联合国粮农组织认为，世界约有1/5的温室气体来自农业[2]。农业生产中化肥、农药、农膜等投入，农作物种植和畜牧养殖等是导致温室气体排放的主要原因。在资源现状限制强度逐渐增大的情况下，我国做出庄严承诺：2030年前实现“碳达峰”，2060年前实现“碳中和”。到2030年，将实现单位生产总值碳排放比2005年减少60%～65%。

长三角地区（北纬N 31°，东经E 121°）包括上海市、江苏省、浙江省、安徽省，地处长江下游地区。2019年长三角地区农业总产值约1.6万亿元，占全国农业总产值的13.2%。长三角区域面积35.8万km2，得天独厚的地理环境为农业发展提供了有利的客观条件。长三角地区在我国农业发展总格局中具有重要战略地位。2019年长三角地区粮食总产量约8448万t。在农产品产量不断增加的同时，由此带来的碳排放量不断增加的问题也不容小觑。因此分析长三角地区农业碳排放、探究其影响因素，对促进长三角地区发展低碳经济、加快实现长三角高质量发展、推进绿色生态文明建设具有重要的现实意义。

目前，农业碳排放研究主要集中在农业碳排放测算指标体系构建、农业碳排放影响因素、农业碳汇产生机理与测算、时空演变特征、低碳农业、公平与效率等方面，对农业碳排放的环境库兹涅茨曲线研究相对较少。Johnson等[3]指出农地利用活动是农业碳排放的主要因素。田云等[4]认为农业碳排放主要来自农地利用、水稻生长、动物养殖。王若梅等[5]、李阳等[6]借助kaya恒等式、LMDI模型等分析了农业碳排放变化的影响因素。马晓哲等[7]、赵宁等[8]分析测算了农田生态系统碳汇与林业碳汇。陈儒等[9]、邓悦等[10]相继分析了中国低碳农业发展水平，发现省域间差异性显著、大部分区域存在大幅度提升空间。曾琳琳等[11]实证考察了农业种植结构变化对农业生态效率的影响。基于此，本研究在区域农业碳排放研究基础上，解析农业碳排放影响因素、明晰其内在驱动机理，以期为长三角地区合理制定农业碳减排政策提供决策参考。

1 数据来源与研究方法

1.1 数据来源

本研究的数据来源于长三角地区3省1市的《统计年鉴》《中国统计年鉴》《中国农村统计年鉴》。其中，农膜、化肥、农药、柴油用量为当年实际使用量;翻耕面积为当年农作物播种面积;灌溉面积为当年有效灌溉面积;农业劳动力为当年年末农村第一产业从业人数。基于对农业碳排放的核算，通过1995-2019年《中国农村统计年鉴》及各地区统计年鉴整理得出种植业总产值、农林牧渔总产值和农业从业劳动力总量。

鉴于家禽、牲畜的饲养周期有差异性，按照出栏率适当调整其年均饲养量，参照闵继胜等[12]的方法：饲养周期≥1年时，年末存栏量即为年均饲养量;饲养周期<1年时，本研究涉及的家禽、兔和生猪的饲养周期分别为55、105和200 d，年均饲养量为：饲养周期×（年出栏量/365）。

1.2 研究方法

運用IPCC碳排放系数法测算长三角地区的农业碳排放量，并对测算结果进行EKC检验，对农业碳排放与农业人均GDP的关系做曲线估计，最后利用LMDI模型分析其主要影响因素。

1.2.1 IPCC碳排放系数法 碳排放没有统一的测算方法，学者们对模型的分析视具体情况而定。农业碳排放从广义上被定义为：包含农地利用、植物生长、动物养殖等3个过程产生的碳排放量[13]。本研究选取测算碳排放最常见的IPCC碳排放系数法。据此，构建碳排放测算公式如下：

C= ∑Ci =∑Qi·θi（1）

AI=C/T（2）

式（1）中，C为农业资源投入碳排放总量，Ci 为各类碳源碳排放量，Qi 为各类碳排放源的量，θi为各碳排放源的碳排放系数，AI为碳排放强度，T为农作物总播种面积。

本研究所选的碳源因子包括农业资源投入、农作物种植和畜牧养殖3个方面。其中农业资源投入涵盖了化肥、农药、农膜、柴油、灌溉和翻耕（表1）。农作物种植涵盖了小麦、大豆、水稻、蔬菜、玉米及其他旱地作物（表2）。畜禽养殖涵盖了肠道发酵和粪便管理系统的排放源（表3、表4），具体到长三角地区，主要涉及牛（水牛、奶牛和黄牛）、猪、羊、家禽、兔等种类。

1.2.2 EKC检验 环境库兹涅茨曲线理论（Environmental Kuznets Curve，EKC）是指一个国家或地区经济发展水平较低时环境污染程度较轻，当人均收入逐渐上升时环境污染程度加重，当经济发展达到一定水平后到达顶峰或称“拐点”，随着人均收入的进一步增加，环境污染的程度逐渐减轻，环境质量得到改善[18]。环境库兹涅茨曲线时常用于分析碳排放与经济增长关系，预测一个地区碳排放发展趋向和“拐点”出现时间。按照EKC曲线的定义，一般将其形式设定为：

Yt=θ+α1Xt+α2Xt2+ε（3）

式（3）中，Yt为二氧化碳排放量，Xt为经济增长变量，一般用人均GDP表示，待估参数αi（i=0，1，2），其中，EKC曲线的形状由α2的值决定，当α2数值为正时，碳排放量和经济增长的曲线形状呈现为“U”型，当α2数值为负时，碳排放量和经济增长的曲线形状呈现为“倒U”型。具体的关系见表5。

1.2.3 对数平均D式指数分解法 本研究采用对数平均D式指数分解法（Logarithmic MeanDivisia Index， LMDI），LMDI方法满足因素可逆，能消除残差项[19]。鉴于本研究涉及的各类碳源与种植业、畜牧业不可分割，故本研究分析的农业碳排放为种植业、畜牧业生产中所造成的碳排放量。根据LMDI模型的基本形式及借鉴田云等[20]、胡婉玲等[21]的研究，采用种植业总产值、农林牧渔总产值、农业从业人口、农业碳排放量等指标。农业碳排放总量用以下公式（4）表示：

C=CBGDP×BGDPDGDP×DGDPT×T

AI=CBGDP;FI=BGDPDGDP;GI=DGDPT（4）

式（4）中，C为农业碳排放量，BGDP为种植业总产值，DGDP为农林牧渔总产值，T为农业从业劳动力总量。AI为农业生产资料效率因素、FI为农业结构因素、GI为农业经济水平因素。

各因素贡献值为：

△AI=∑Cxt-Cx0InCxt-InCx0InAItAI0;△FI=∑Cxt-Cx0InCxt-InCx0In

FItFI0

△GI=∑Cxt-Cx0InCxt-InCx0InGItGI0;△T=∑Cxt-Cx0InCxt-InCx0In

TtT0（5）

2 结果与分析

2.1 长三角地区农业碳排放特征

2.1.1 长三角地区农业碳排放总量时序特征 根据IPCC碳排放系数法计算出1995-2019年长三角地区农业碳排放总量，见图1。结果表明，长三角地区农业碳排放量总体呈上升趋势，由1995年的1091.03万t增长到2019年的1131.64万t，年增长率为0.15%，从2015年起，农业碳排放总量呈下降趋势。从环比增速可知，农业碳排放量的波动较为明显，2001、2002、2003、2007、2010、2012、2016、2017、2018、2019年呈现负值，即碳排放量相对于上一年有所减少。2003年碳排放量较低可能与当时非典事件有关，而2012年碳排放量下降是因为我国该时期实行节能减排和低碳产业发展、控制温室气体排放政策有关。2019年碳排放量下降幅度最大，为-12.67%。其他年份环比增速为正值，即碳排放量相对于上一年有所增加，2013年增加幅度最大，为11.34%。

具体可以划分为3个阶段，第一阶段1995-2002年为缓慢增长阶段，由1995年的1091.03万t增长到2002年的1107.82万t。第二阶段2003-2011年为持续增长阶段，由2003年的1102.39萬t增长到2011年的1302.89万t。第三阶段2012-2019年为下降阶段，由2012年的1187.74万t下降到2019年的1131.64万t，在此期间碳排放量于2015年达至峰值1328.70万t。

2.1.2 长三角地区农业碳排放强度时序特征 农业碳排放强度是指平均每万元农业GDP所产生的碳排放量[22]，碳排放强度越小表明农业生产越低碳。本研究表明，长三角地区农业碳排放强度总体呈现上升趋势，由1995年的0.053 t·hm-2上升到2019年的0.061 t·hm-2，于2017年达到最大值（0.070 t·hm-2），见图2。从环比增速可知，2012年大幅度下降，是因为十二五规划提出，全国碳排放强度要下降17%。整体来看，长三角地区的碳排放强度大致呈上升状态，其间略有波动，但整体趋势不变。

2.1.3 长三角地区农业碳排放结构时序特征 碳源类型中占比最大的是农业资源投入，占96.66%，其次为农作物种植，占2.88%，最后为畜禽养殖，占0.46%，表明长三角地区的农业碳排放以农业资源投入为主。由图3可知，农业碳排放量位居前4的为翻耕、灌溉、农膜、农药，这4种碳源年均增速为-0.48%、0.76%、3.60%和-0.46%，在这4种碳源中，翻耕产生的碳排放量逐年下降，农膜产生碳排放相对较少，但其呈现增加状态，应引起重视。碳排放量较少的为化肥、其他农作物、兔、柴油，总体碳排放量较小，其年均增速分别为0.31%、-6.58%、-0.21%和2.62%，虽然柴油的碳排放量最少，但年均增速较大，在未来农业减源增汇中应引起重视。

2.2 长三角地区农业碳排放EKC检验及拐点分析

通过长三角地区农业碳排放与农业人均GDP的拟合分析（图4）可知，长三角地区农业碳排放与农业人均GDP存在正相关性，农业碳排放随着农业人均GDP的增长而趋于上升。1995-2007年，长三角地区农业人均GDP在3000元以下，在这段时期内农业碳排量随农业人均GDP增加而上趋于上升;到2008年，长三角地区农业人均GDP超过3000元，此后农业碳排量随农业人均GDP增长而上升的速度加快，在2015年开始下降。

利用SPSS软件分析长三角地区1995-2019年农业碳排放量与农业人均GDP之间的关系，其相关参数见表6。由表6可知，二次曲线模型判定系数R2为0.671，相比线性模型来说，拟合效果更明确，能较好描述长三角农业碳排放与农业人均GDP之间的关系及趋势，如式（6）：

Y=810.085+0.195X-（1.902×105）X2（6）

由式（6）可以看出，二次曲线模型的一次系数大于0，二次项系数小于0，所以长三角地区农业碳排量与农业人均GDP存在“倒U”型曲线关系，即为EKC曲线关系。

综上，长三角地区农业碳排量与农业人均GDP之间存在“倒U”型曲线关系，符合EKC曲线。并且，EKC曲线的拐点在2015年出现，农业人均GDP为6267.06元，即2015年长三角地区农业碳排放量达到顶峰，之后随着收入增长农业碳排放呈下降趋势。

2.3 农业碳排放影响因素分析

基于长三角地区农业碳排放总量、种植业总产值、农林牧渔总产值、农业从业人口等数据，使用LMDI分解法分析农业碳排放的影响因素，进而对长三角地区农业碳排影响因素的效应进行剖析。

由表7可见，长三角地区农业碳排放降低的主要因素是农业生产效率，总贡献值约为9622.92万t;劳动力规模也对碳排放的减少做出了突出贡献，总贡献值约为8159.56万t;农业碳排放增加的主要影响因素为农业经济水平，增加碳排放量约为38775.28万t;农业生产结构对农业碳排放有减少作用，贡献值约为440.38万t。各影响因素总效应在2015年达到最大值，与前文所述的EKC曲线的拐点时间相同，表明了长三角地区2015年后农业碳排放量达到最大值，此后开始下降，见图5。

从表7可知，1995-2019年长三角地区农业生产效率年均贡献率为13.33%，且碳减排效应呈逐年增加，原因可能是近年来农业科技水平、科技创新提升，使得农业生产效率进一步提高;农业劳动力规模一直保持着碳减排效应，且碳减排效应逐年增长，规模仅低于农业生产效率，原因可能是随着人口城市化和农业现代化的快速发展，长三角地区农业机械化、规模化成效卓著，推进了适度规模经营，因此农业劳动力投入的减少在很大程度上造成了农业碳排放量的降低。

农业生产结构从碳增排效应逐渐转变为碳减排效应，当中有几个时期呈现出碳增排效应，波动幅度较大，但总体上保持着碳减排效应。2010年碳增排效应明显，原因可能是当年自然灾害严重，农民齐心协力保农业生产，粮食产量创历史新高。由此可见，长三角地区农业生产结构还存在优化空间，合理调整农业生产结构有助于碳减排;农业经济水平对农业碳排放增加的年均贡献率为2.77%，且对农业碳排增加的促进作用逐年增长，其原因可能是长三角地区农业经济的稳定持续发展导致了农业碳排放的增加，农业经济发展在一定程度上依旧是长三角农业碳排放量增加的要素，在此期间对农业碳增排的程度也将保持较强状况。

3 结论与政策建议

3.1 研究结论

长三角地区农业碳排放与农业人均GDP呈现出明显的EKC曲线关系，拐点出现时间为2015年，这表示随着农业人均GDP的持续增长，长三角地区2015年农业碳排放量达到顶峰，之后随着收入增长农业碳排放呈下降趋势。

长三角地区农业碳排放降低的核心因素为农业生产效率，且减排效应不断上升;农业劳动力规模对长三角地区农业碳减排也不容忽视;农业经济发展水平是长三角地区农业碳排放增长最主要的原因，且增排效应逐渐增加;农业生产结构持续性对农业碳排放起到增排效应;碳排放总效应在2015年达到峰值。

3.2 政策建议

基于长三角地区农业碳排放的EKC检验及影响因素分析所得出的研究结论，可以为改善农业生态系统管理，减少农业碳排放提供参考。提出以下政策建议。

3.2.1 提高农业生产效率 最重要的途徑是提高长三角的农业科技水平，提升农业科技自主创新能力。上海市应重点推进农业种源创新工程，培育优质高效动植物新品种。同时依靠上海科技创新资源数据中心等机构，建立长三角共享平台，实现资源共享。浙江省应实施从育种到种植、保护、设施机械、加工、销售等一体化推广机制，进一步强化科技创新对农业生产的。江苏省应大力发展智慧农业，加大农业科技信息服务力度。推进粮食生产机械化，实施机器换人。安徽省则应创新种养方式，加大间种、套种、轮作等方式的推广应用，推进种养方式创新，突破种养循环堵点。并且要保障创新技术广泛运用到农业生产中，实现科学种粮的成效，确保粮食高产和农民增效。

3.2.2 优化农业生产结构 带动长三角农业一体化发展，合理安排产业布局，完善农业产业链，整合资源，培养新兴模式。截至2019年，长三角地区共有45处村落入选乡村旅游重点村落，发展基础良好，可根据实际情况推进生态旅游的发展，推出特色农旅产品。同时完善基础服务设施，如江苏省和安徽省应大力发展特色小镇的建设，浙江省可发展风情小镇和特色民宿，上海市则致力于乡村旅游民宿的规范化发展。合理规划布局观光、休闲农业等服务业方面，充分利用休闲农业和乡村旅游的机遇，使农民积极参与，从而增收。

3.2.3 助力农业机械化和规模化的推进 提高长三角农业机械化水平，有助于降低工作强度，提高农业生产效率。引用先进的现代化装备代替人力，提高生产效率，从而促进农业现代化，保障粮食安全，增加粮食产量。同时，必须加大力度宣传推广农机的应用，以大幅提升农机的使用效率。长三角地区的机械化水平较高，都已超过70%。但江苏省农产品初加工等产业的机械化率不高，可着力于生产环节机械化的协同发展。安徽省和浙江省应着力于设施农业、畜禽粪污资源化利用等机械的研发，推进农业机械化全面发展。上海市可开展新型农机培训工作，大力宣传农机农艺协同发展等。

3.2.4 树立低碳循环发展理念 结合“长江下游农业面源和重金属污染防控技术示范”，三省一市可利用动物的粪便制成沼气池，产生的有机肥可再次利用到农地，实行“种养模式”。有效降低化肥农药、农膜的使用，提高化肥农药的利用率。各省市应严格把控农业面源污染源头，积极推行绿色防控技术，推广配方施肥，用有机肥代替化肥，加强配方选药、精准施药技术宣传培训。稳步推动科学施肥，实现安全可靠、节能环保的可持续发展之路，给予生态环境更坚实的保障。

参考文献：

[1]IPCC.Climate Change 2007：The Physical Science Basis.Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M].Cambridge：Cambridge University Press，2007.

[2]FAO.The State of Food and Agriculture 2016：Climate Change，Agriculture and Food Security[M].United Nations，2016.

[3]JOHNSON，FRANZLUEBBERS，WEYERS，et al.Agricultural opportunities to mitigate green house gase missions[J].Environments Pollution，2007，150（6）：107-124.

[4]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.

[5]王若梅，马海良，王锦.基于水—土要素匹配视角的农业碳排放时空分异及影响因素——以长江经济带为例[J].资源科学，2019，41（8）：1450-1461.

[6]李阳，陈敏鹏.中国省域农业源非CO2温室气体排放的影响因素分析与峰值预测[J].环境科学学报，2021，41（12）：5174-5189.

[7]马晓哲，王铮.土地利用变化对区域碳源汇的影响研究进展[J].生态学报，2015，35（17）：5898-5907.

[8]赵宁，周蕾，庄杰，等.中国陆地生态系统碳源/汇整合分析[J].生态学报，2021，41（19）：7648-7658.

[9]陈儒，姜志德.中国省域低碳农业横向空间生态补偿研究[J].中国人口·资源与环境，2018，28（4）：87-97.

[10]邓悦，崔瑜，卢玮楠，赵敏娟.市域尺度下中国农业低碳发展水平空间异质性及影响因素——来自种植业的检验[J].长江流域资源与环境，2021，30（1）：147-159.

[11]曾琳琳，李晓云，孙倩.作物种植专业化程度对农业生态效率的影响[J].中国农业资源与区划，2021：1-17.

[12]闵继胜，胡浩.中国农业生产温室气体排放量的测算[J].中国人口·资源与环境，2012，22（7）：21-27.

[13]张颂心，王辉，徐如浓.科技进步、绿色全要素生产率与农业碳排放关系分析——基于泛长三角26个城市面板数据[J].科技管理研究，2021，41（2）：211-218.

[14]WEST T O，MARLAND G.A Synthesis of Carbon Sequestration，Carbon Emissions，and Net Carbon Flux in Agriculture：Comparing Tillage Practices in the United States[J].AgricultureEcosystems and Environment，2002，91：217-232.

[15]IPCC.IPCC Guidelines for National Greenhouse Gas InventoriesVolume 4：Agriculture，Forestry and other Land Use[R].Geneva，Switzerland：IPCC，2006.

[16]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.

[17]胡向东，王济民.中国畜禽温室气体排放量估算[J].农业工程学报，2010，26（10）：247-252.

[18]GROSSMAN，KRUEGER.Economic growth and the environment[J].Journal of Economics，1994，110（2）：353-377.

[19]王歡，乔娟.中国畜牧业温室气体排放的脱钩与预测分析[J].中国生态农业学报（中英文），2019，27（5）：793-802.

[20]田云，李波，张俊飚.我国农地利用碳排放的阶段特征及因素分解研究[J].中国地质大学学报（社会科学版），2011，11（1）：59-63.

[21]胡婉玲，张金鑫，王红玲.中国农业碳排放特征及影响因素研究[J].统计与决策，2020，36（5）：56-62.

[22]张广胜，王珊珊.中国农业碳排放的结构、效率及其决定机制[J].农业经济问题，2014，35（7）：18-26，110.

（责任编辑：柯文辉）

收稿日期：2021-11-20

作者简介：梁潆月，女，1997年生，硕士研究生，主要从事农业经济与政策研究。

通信作者：李兰英，女，1970年生，博士，教授，主要从事农林经济管理研究（E-mail：llycds@zafu.edu.cn）。

3006501908293