合肥市农业生产碳排放脱钩分析及峰值预测*

2022-09-14刘鹏凌黄靖辉叶露放

安徽农业大学学报（社会科学版） 2022年4期

刘鹏凌，黄靖辉，叶露放，李想

(安徽农业大学经济管理学院，安徽合肥 230036)

农业生产是农民生活的主要收入来源，在其生产过程中所消耗的农业能源不可避免地造成了大量温室气体的排放。随着温室气体浓度的不断升高，温室效应愈加明显。温室气体通过吸收和释放红外辐射可长期存在于大气之中，使地球表面变得更暖，进而带来愈来愈严重的环境问题，例如各种极端天气、土地荒漠化等。目前，农业已经是第二大温室气体排放源，其碳排放量已达到全球人为排放总量的23%[1]。在“2030碳达峰，2060碳中和”的目标下，低碳生产已经成为未来农业发展的主基调。2020年，合肥市农、林、牧、渔业生产总值为524亿元，占安徽省农、林、牧、渔业总产值的比重为9.2%，远超全省平均水平[2]317。其农业碳排放量对安徽省农业碳排放总量而言具有重大影响。因此，对合肥市农业碳排放开展研究具有重要意义。

一、相关研究综述

近年来农业碳排放研究主要集中在影响因素、空间格局变化、未来碳排放预测等方面。人口数量、人均财富、科技水平、农用物资、农地利用、农地经营规模等因素是农业碳排放的正向影响因素[3-5]。其中,农地翻耕、化肥投入、牛猪养殖的影响最大[6]。农地经营规模通过增加要素投入强度提高农业碳排放水平[7]，而国家财政支农政策可通过调节作用降低农业碳排放[8]。此外，农户兼业经营、农业生产效率、农业结构是农业碳排放的负向影响因素[9，10]，而农业产业集聚与农业碳排放之间呈现正“U”型关系[11]。关于空间格局研究，大部分学者均通过数据大小比较各研究区域农业碳排放量的高低差异。例如湖南省农业碳排放量呈现出东部高、西部低的特征，且集聚效应显著[12]，但各县在空间上有同质性，且在不断增强[13]。在全国范围内，农业碳排放量的相对差异呈现出先扩大后缩小的趋势[10]626。在农业碳排放预测方面，多数学者根据实际情况以及优化情况分别预测未来碳排放量及碳达峰时间[14]，或者根据现状研究未来农业碳排放拐点出现时间以及何时进入下降阶段[15]。

就当下而言，各地区发展现状不同，在农业碳排放领域也面临着各种问题。对合肥市来说，近年来农业经济发展迅速，农、林、牧、渔业总产值从2000年的64亿元上升至2020年的524亿元[2]329，但伴随而来的是碳排放的急剧上升。所以，加快落实绿色农业发展，降低农业碳排放量刻不容缓。对合肥市农业生产碳排放量进行测算和预测，旨在为合肥市农业低碳发展提供参考。

二、合肥市农业碳排放特征

当下，碳排放测算方法主要来自国际环境统计工作中所采用的实测法、物料平衡算法以及碳排放系数法[16]。其中物料平衡法主要用于测算使用化石燃料所产生的碳排放量，而碳排放系数法则更加适合测算农业碳排放[17]。根据《IPCC 2006国家温室气体清单指南(2019年修订版)》，并结合合肥市当地农业发展现状及前人研究成果[18-22]，选取农业资本投入(化肥、农药、农膜、农用柴油、农机耕作面积、有效灌溉面积)、谷物、牲畜(猪、牛、羊)三大类碳源，依据相对应的碳排放系数与转换系数测算研究区域内的农业碳排放量[23](见表1)。测算结果均输出为碳排放当量。具体公式为：

表1 农业碳排放系数及相应的转换系数

C=∑Ci=∑Xi×Yi×Zi

(1)

CI=C/S

(2)

式中，C为农业碳排放量，Ci为来自各类碳源的排放量，Xi表示各碳排放源数量，Yi表示各碳源碳排放系数，Zi表示转换系数，CI表示碳排放强度，S表示农作物总播种面积。

(一)合肥市农业碳排放量与碳排放强度时序特征

根据式(1)、式(2)测算2006—2019年合肥市农业碳排放量与碳排放强度(见图1、图2)，结果表明，合肥市农业碳排放量总体呈现出上升趋势，由2006年的380.55万吨上升至2019年的696.66万吨，年均递增4.41%；同样，农业碳排放强度总体也呈现出上升趋势，由2006年的0.56 kg/m2上升至2019年的1.02kg/m2。以2011年巢湖市市辖区、庐江县划归合肥为分界点，将农业碳排放研究阶段分为第一阶段(2006—2010)与第二阶段(2011—2019)，并且剔除由于行政区域划分造成的异常值情况。从农业碳排放量看，第一阶段合肥市农业碳排放量总体平稳上升，从380.55万吨上升至416.60万吨，涨幅为9.47%，各年度涨幅基本稳定在2%左右，无异常波动。第二阶段合肥市农业碳排放量进一步上升，但增速大幅放缓，8年总体涨幅为5.6%，从672.16万吨上升至696.66万吨。2011—2016年各年涨幅处于1%的水平，而在2017—2018年出现波动，2018年为合肥市农业碳排放量达到近14年来最高点740.89万吨，2019年下降至696.66万吨，涨幅从2.11%减至-3.36%，出现首个转折。从农业碳排放强度看，2006—2007年合肥市碳排放强度从0.56 kg/m2增至0.58 kg/m2，上涨3.4%，而2007—2008年碳排放强度下降0.04 kg/m2，降幅达7.6%。其原因在于，相比2007年，2008年合肥市农作物播种面积大幅提高，之后年份平稳上升但未超越2006年的强度。在第二阶段，2011—2017年碳排放强度基本平稳于0.9 kg/m2， 2018年上升至1.06 kg/m2，涨幅达到13.50%，2019年又出现下降情况。总体而言，2006—2019年合肥市农业碳排放量呈现出先增后减的状态，农业碳排放强度则呈现先上升后下降再上升、最后平缓波动的状态。

图1 第一阶段碳排放量与碳排放强度数据来源：2007—2020年《安徽省统计年鉴》《合肥市统计年鉴》、合肥市统计局官网以及其他相关统计报表。

图2 第二阶段碳排放量与碳排放强度数据来源：2007—2020年《安徽省统计年鉴》《合肥市统计年鉴》、合肥市统计局官网以及其他相关统计报表。

(二)合肥市农业碳排放组成结构

由图3可知，三大碳源中谷物种植占比最大，为78.23%；其次为畜牧养殖，占比为13.86%；最后是农用资本投入，占比为7.91%。尽管谷物种植是合肥市农业碳排放的主要因素，但是由于谷物是重要粮食来源，并且近年来合肥市农业种植结构不断优化，区域布局合理，粮食生产连年丰收，有力保障了地方粮食安全，但若违规使用基本农田，改耕地为非粮作物种植等问题任意发展，必将影响到地方甚至国家的粮食安全。所以，应确保粮食种植面积不减少，粮食产量不下降。在畜牧养殖与农用资本投入方面，碳排放较多的碳源是猪、化肥使用量、农机耕作面积、牛以及农膜使用量五种(见图4)，其中生猪养殖造成的碳排放量一直占比最大，呈现出先上升后下降的倒“U”型趋势，在2015年达到顶峰，为82.54万吨，年均增速仅为0.08%。另外四种碳源年均增速分别是2.2%、9.28%、-1.2%和9.02%。可见在五种主要碳源中，尽管农机耕作与农膜使用产生的碳排放相对较少，但增速较大，理应引起重视。虽然农药、农用柴油、有效灌溉和羊的碳排放量占比不高，对整体影响小，但是其中的农用柴油与有效灌溉的碳排放量年均增速达3.46%与5.8%，增速较大，仍需重点关注。因此，化肥减量增效，减少重污染型农机的使用至关重要，有机肥替代、绿色防控自动化、秸秆还田等技术在未来具有重大意义。

图3 2006—2019合肥市农业碳排放组成(含谷物种植)数据来源：2007—2020年《安徽省统计年鉴》《合肥市统计年鉴》、合肥市统计局官网以及其他相关统计报表。

图4 2006—2019合肥市农业碳排放组成(不含谷物种植)数据来源：2007—2020年《安徽省统计年鉴》《合肥市统计年鉴》、合肥市统计局官网以及其他相关统计报表。

图5 2006—2019合肥市农业碳排放增速(含谷物种植)数据来源：2007—2020年《安徽省统计年鉴》《合肥市统计年鉴》、合肥市统计局官网以及其他相关统计报表。

三、合肥市农业碳排放脱钩弹性

物理学中最早使用“脱钩”一词来描述变量间的耦合关系，后被相关研究者用于能源领域，主要用于解决温室气体排放变化与区域经济增长之间的关系问题。在某一地区实现经济增长的同时，若碳排放增速为负值或小于当地经济增长率即可以认为是脱钩，其实质是衡量区域经济增长是否以环境资源消耗为代价。换个角度看，碳排放脱钩同样可以衡量区域经济发展的可持续性。目前常用的脱钩分析模型有二，一种是OECD脱钩分析模型，另一种是Tapio脱钩分析模型。OECD脱钩分析模型需要将数据划分为基期与终期，以指标的变化量作为判断是否存在脱钩关系的依据。Tapio脱钩分析模型则是在OECD脱钩分析模型的基础上引入“弹性”，从动态的视角反映变量间的脱钩关系。采用Tapio脱钩分析模型对合肥市农业碳排放与农业经济增长(农林牧渔业增加值)的脱钩关系进行研究，构建模型如下：

(3)

式中，e为脱钩弹性，C为农业碳排放量，ΔC/C表示环境压力，GDP以农林牧渔业增加值表示，ΔGDP/GDP表示农业发展增速。在Tapio脱钩分析模型中，根据环境压力与农业发展增速的正负以及脱钩弹性的大小，可以把全部情况细分为8种类型：第一种类型，若环境压力ΔC/C<0，农业发展增速ΔGDP/GDP<0,脱钩弹性e>1.2，则表示环境压力与农业发展增速均降低，环境压力的下降大于农业发展增速的降低，表现为衰退脱钩状态。第二种类型，若环境压力ΔC/C<0，农业发展增速ΔGDP/GDP>0,脱钩弹性e<0，则表示农业发展增速提升，环境压力同时下降，表现为强脱钩状态。第三种类型，若环境压力ΔC/C>0，农业发展增速ΔGDP/GDP>0,脱钩弹性0≤e<0.8，则表示环境压力与农业发展增速均增长，农业发展增速增长率大于环境压力增长率，表现为弱脱钩状态。第四种类型，若环境压力ΔC/C<0，农业发展增速ΔGDP/GDP<0,脱钩弹性0≤e<0.8，则表示环境压力与农业发展增速均降低，环境压力的下降率小于农业发展增速的下降率，表现为弱负脱钩状态。第五种类型，若环境压力ΔC/C>0，农业发展增速ΔGDP/GDP<0,脱钩弹性e<0，则表示农业发展增速降低，环境压力上升，表现为强负脱钩状态。第六种类型，若环境压力ΔC/C>0，农业发展增速ΔGDP/GDP>0,脱钩弹性e>1.2，则表示环境压力与农业发展增速均提升环境压力增长率大于农业发展增速的增长率。第七种类型，若环境压力ΔC/C<0，农业发展增速ΔGDP/GDP<0,脱钩弹性0.8≤e<1.2，则表示环境压力与农业发展增速均降低，表现为衰退连接，在该情况下应防止“数据陷阱”，避免过度解释微小变化。第八种类型，若环境压力ΔC/C>0，农业发展增速ΔGDP/GDP>0,脱钩弹性0.8≤e<1.2，则表示环境压力与农业发展增速均增长，表现为扩张连接，在该情况下环境压力与农业发展增速为不脱钩关系。

根据式(3)计算出合肥市2006—2019年农业碳排放量与农业经济发展之间的脱钩关系(见表2)。在过去14年间，合肥市Tapio脱钩弹性类型主要为弱脱钩、扩张连续、强负脱钩与强脱钩四种状态。其中主要以弱脱钩为主，14年来共出现10次，即农业经济稳定增长，农业碳排放也有所提高，但其增长幅度不及农业经济增速。说明在研究期间，合肥市农业正在逐渐摆脱传统农业重化肥、重农药的生产方式，但农业的总体发展与地方环境之间依旧存在矛盾。由于2016年国家开始加大节能减排力度，合肥市作为安徽省省会积极响应国家号召，所以以2015年为界限，分两阶段进行讨论。

表2 2006—2019年合肥市农业碳排放弹性结果

第一阶段，2006—2015年。2006—2009年与2011—2015年合肥市农、林、牧、渔业增加值一直处于正向增长，即GDP>0。此时，脱钩指数处于(0，0.8)，均呈现为弱脱钩状态，表明此期间农业经济发展与农业碳排放之间趋向于不协调状态，说明当前农业产业比例、产业技术水平、农田灌溉模式还需要进一步优化；此外，合肥市有可能并未关注农业碳排放问题，造成了当地农业碳排放状态一直停滞于弱脱钩状态。而2010年由于行政区域划分问题造成数据异常，故不做讨论。

第二阶段，2016—2019年。该阶段脱钩类型变化巨大，2016年为弱脱钩类型，2017年呈现为扩张负脱钩类型，而2018年又出现强脱钩类型。2016年10月27日，国务院制定了《“十三五”控制温室气体排放工作方案》(下称《方案》)，各地方政府积极响应国家号召，加大低碳绿色发展力度。《方案》指出，到2020年，单位GDP的CO2排放比2015年需下降18%。在此硬性要求下，合肥市作为安徽省GDP最高的城市，低碳行动刻不容缓。在农业投入方面，合肥市化肥投入量从2016年的27.86万吨下降至2019年的23.37万吨，降幅高达16.13%，另外，农药、农用柴油也在短短3年内分别下降了15.06%、3.23%，总体有利于低碳农业的发展。而2017年出现的扩张负脱钩现象，其原因可能主要在于谷物种植规模的增加，当年谷物种植规模增加了4.2%。由于谷物种植基数较大，导致当年农业碳排放量增长明显，造成当年呈现为扩张负脱钩现象。在2018年出现的强脱钩现象，究其原因，一方面可能在于农业科技进步使得农业投入产出比不断扩大，促进了农业生产总值的增加[24]；另一方面，生态农业、绿色农业、循环农业等先进理念逐步深入人心进一步推动了农业碳排放的减少，进而出现强脱钩现象。

四、合肥市农业碳排放驱动因素分析及预测

(一)模型构建与数据指标选取

在农业现代化发展初期和上升期，由于工业资源利用率不高、环保意识不强等原因，农业生产碳排放会呈现不断增长的趋势，但随着碳排放量不断增加以及绿色农业发展需求的上升，农业经济发展到一定程度，碳排放问题逐渐好转。EKC曲线可以较好地描述这一情况[25]。选取2011—2019年的时间序列数据，以环境库兹涅茨曲线理论(EKC)为基础，选取农业碳排放量(P)为被解释变量，选取合肥市农村居民人均可支配收入(IN)为解释变量，结合IPAT模型思想，选取合肥市常住人口、技术水平(由碳排放强度表征)与产业结构(由第二产业占比表征)为控制变量(Control)。构建模型如下：

lnP=β0+β1lnIN+β2(lnIN)2+

β3(lnIN)3+β4Control+ε

(4)

式中，βi(i=1，2，3，4)为各项系数，ε为随机误差项。此外，在控制变量的选择方面，首先选取常住人口作为控制变量。理由是部分学者认为地方人口规模对农业碳排放有促进作用。其次，选择技术水平。原因在于技术进步会对农业碳排放产生巨大的影响。随着我国绿色农业的不断发展，技术水平提高首先会降低农业能源碳排放强度[26]，进而对农业碳排放起到负向影响的作用，即碳排放强度可以反向表示技术水平。最后，选择产业结构。原因在于产业结构的优化对农业碳排放起到一定抑制作用[27，28]。描述性统计见表3。

表3 描述性统计

(二)回归分析

1.岭回归分析

原始数据经过处理后带入式(4)。首先，运用stata16软件检验自变量之间的多重共线性，检验结果如表4所示。方差膨胀因子(VIF)检验显示，除第二产业占比之外的变量VIF值均远大于5，说明上述模型中的变量之间存在多重共线性问题。根据以往研究，在模型中存在多重共线性问题时，可以通过放弃OLS的无偏性限制，从而获得更加可靠的回归系数，而岭回归就是此类改良的OLS估计方法。所以，为避免回归结果失真，采用岭回归估计，探究相关农业碳排放量与农村居民人均可支配收入之间的联系，回归结果如表5所示。由岭回归估计结果可知，调整后可决系数AdjR2=0.982，F值为120.174，sigF<0.000，表明农业碳排放与农村居民人均可支配收入之间存在着回归关系。

表4 方差膨胀因子(VIF)检验结果

表5 岭回归估计结果

从系数的角度看，收入、人口、碳排放强度以及产业结构的提高均会带动合肥市农业碳排放的增加。其中，碳排放强度对合肥市农业碳排放的影响最大，碳排放强度每提高1%，农业碳排放量随之增加0.453%，说明当技术水平抑制碳排放强度时，也会抑制农业碳排放量。农村居民人均可支配收入每增加1%，农业碳排放量随之增加0.032%。其他自变量解释同理。此外，农村居民人均可支配收入的一、二、三次方项均通过了5%的显著性水平检验，说明合肥市农业碳排放与农村居民人均可支配收入之间可能存在三次函数关系。

2．稳健性检验

岭回归分析初步反映了合肥市农业碳排放与农村居民人均可支配收入之间的三次函数关系。为进一步验证岭回归模型结果，使用模型替换法进行稳健性检验。首先，将原有模型替换为OLS进行回归，结果如表6所示。农村居民人均可支配收入的一、二、三次方项均显著，但其系数方向与岭回归输出结果存在差异，其原因可能是模型内的多重共线性影响。不过OLS模型的回归结果依旧可以在一定程度上反映合肥市农业碳排放与农村居民人均可支配收入之间可能存在三次函数关系。

表6 OLS估计结果

其次，与岭回归相比，尽管Lasso回归同样是将正则化项引入损失函数进而解决共线性问题，但是二者最大的区别在于Lasso回归引入的是L1范数惩罚项，而岭回归引入的是L2范数惩罚项。所以Lasso回归的优势是可以使得权重变为0，而不是趋近于0，亦可以表示为在模型相似的情况下，Lasso回归的计算量将远小于岭回归的计算量。因此，通过Lasso回归再一次进行验证。

通过SPSS软件在输出正则化项后合成标准化回归系数的轨迹(见图6)。可见，当惩罚值K为0.2时，自变量的标准化回归系数趋于稳定，因而设置最佳K值为0.2。在确定K值后分析拟合情况，调整后R2为0.989，意味着在一定程度上所选指标可以解释合肥市农业碳排放的98.9%变化原因。Lasso回归结果如表7所示。在控制相关变量的情况下，农村居民人均可支配收入与其平方项对合肥市农业碳排放的影响系数为正，且均在1%的水平上通过显著性检验。农村居民人均可支配收入的三次方项同样对合肥市农业碳排放有正向影响，并通过5%的显著性检验。这进一步验证了合肥市农业碳排放与农村居民人均可支配收入之间可能存在三次函数关系。

图6 Lasso回归轨迹

表7 Lasso回归估计结果

(三)预测模型

根据岭回归结果可知，合肥市农业碳排放与农村居民人均可支配收入之间可能存在三次函数关系。使用Python3软件对农业碳排放量与农村居民人均可支配收入进行三次函数拟合，结果如图7所示，并输出R2= 0.87，拟合程度良好。进一步确定其基本公式为：

图7 合肥市农业碳排放与农村居民人均可支配收入的三次拟合曲线

P=-4.25877534e-11(IN)3+

1.75451167e-06(IN)2-1.90002127e-02(IN)+

7.27065600e+02

(5)

将合肥市2011—2019年的自变量数据带入式(5)，得到模型测算出的各年碳排放预测值，并与实测值进行比较，结果如表8所示。可以看出，数据误差比较小，预测值与实测值基本吻合。误差绝对值均值为0.78%，表明预测模型具有实证意义。

表8 合肥市农业碳排放量实测值与模型预测值比较

(四)农村居民人均可支配收入的未来发展情景

《合肥市国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中提出，未来居民人均可支配收入增长率应高于地区生产总值的增长率，而地区生产总值计划年均或累计增长8%左右，故居民人均可支配收入计划增长率应高于8%[29]。以此为依据提出假设1：合肥市农村居民人均可支配收入增长率为8%。

此外，根据以往合肥市农业碳排放量实测值数据(见表8)，可得出合肥市农村居民人均可支配收入年均增长率为13.77%。以此为根据提出假设2：合肥市农村居民人均可支配收入依旧可以保持原速度(13.77%)增长。

(五)2020—2029年合肥市农业碳排放趋势预测

使用Python3，以2019年农村居民人均可支配收入为基础，分别以8%与13.77%的增长率计算未来农村居民人均可支配收入的预测值，如表9所示，并根据预测模型(式5)，计算两种假设下的模型预测值，结果如表10、图8、图9所示。

图8 农业碳排放量预测(IN增速8%) 数据来源：2007—2020年《安徽省统计年鉴》《合肥市统计年鉴》、合肥市统计局官网以及其他相关统计报表。

图9 农业碳排放量预测(IN增速13.77%) 数据来源：2007—2020年《安徽省统计年鉴》《合肥市统计年鉴》、合肥市统计局官网以及其他相关统计报表。

表9 不同农村居民人均可支配收入增速下农村居民人均可支配收入预测值万吨

表10 不同农村居民人均可支配收入增速下农业碳排放量预测值 (万吨)

根据预测结果，合肥市农业碳排放量逐年下降。若IN增速为8%，合肥市农业碳排放由2020年的690.67万吨下降至2029年的-925.05万吨，10年将减少1 615.72万吨，并且在2026—2027年农业碳排放由正转负，实现“农业碳达峰”。若IN增速为13.77%，合肥市农业碳排放由2020年的676.57万吨下降至2029年的-12 284.3万吨，下降幅度巨大，且在2023—2024年实现“农业碳达峰”。总体而言，无论从什么角度看，农业碳排放峰值都将会在农村居民人均可支配收入达到4万元左右时实现。因此，建议合肥市在未来农村发展中，以居民可支配收入为核心，不断改善农村居民生活质量，坚持低排高产模式，提高农民收入。

五、结论与建议

(一)结论

在对合肥市2006—2019年农业碳排放时序与组成变化分析的基础上，采用Tapio脱钩弹性模型分析合肥市农业碳排放量与农业经济增长的相关性，基于EKC模型原理结合岭回归等统计方法进行相关关系分析，并运用Python3软件拟合三次函数对未来10年合肥市农业碳排放进行科学预测，主要得出以下结论：

第一，2006—2019年合肥市农业碳排放量总体呈上升趋势，由2006年的380.55万吨上升至2019年的696.66万吨，年均递增4.41%；农业碳排放强度总体同样呈现出上升趋势，由2006年的0.56kg/m2上升至2019年的1.02kg/m2。三大碳源中，谷物种植产生的碳排放量占比最大，为78.23%，其次为畜牧养殖，最后是农用资本投入，占比分别是13.86%与7.91%。除谷物种植外，细分畜牧养殖与农用资本投入，碳排放较多的碳源是猪、化肥使用量、农机耕作面积、牛以及农膜使用量五种，其中生猪养殖造成的碳排放量一直占比最大。总之，尽管合肥市农业碳排放量总体上升，但已有下降趋势。

第二，根据式(3)计算出合肥市2006—2019年农业碳排放量与农业经济发展之间的脱钩关系。在过去14年间，合肥市Tapio脱钩弹性类型主要为弱脱钩、扩张连续、强负脱钩与强脱钩4种状态。其中主要以弱脱钩为主，具体分为两个阶段。2006—2015年为第一阶段，脱钩指数处于(0，0.8)，均呈现为弱脱钩状态，表明此期间农业经济发展与农业碳排放之间趋向于不协调状态，说明当前农业产业比例、产业技术水平、农田灌溉模式还需要进一步优化①。2016—2019年为第二阶段，该阶段脱钩类型变化巨大，2016年为弱脱钩类型，2017年呈现为扩张负脱钩类型，而2018年又出现强脱钩类型。可以看出，合肥市可能在农业科技进步方面投入加大，使得农业投入产出比不断扩大，促进了农业生产总值的增加[30]。

第三，根据2011—2019年合肥市碳排放数据，运用stata16进行合肥市农业碳排放的因素分析，得出农村居民人均可支配收入与农业碳排放之间符合EKC模型假说。使用岭回归等统计方法验证农村居民人均可支配收入与农业碳排放之间的三次函数关系，接着运用Python3软件进行三次函数拟合，并根据不同情况下的农村居民人均可支配收入发展趋势，预测未来合肥市农业碳排放量，得出合肥市农业碳排放量将逐年下降的结论。若IN增速为8%，合肥市农业碳排放由2020年的690.67万吨下降至2029年的-925.05万吨，10年将减少1 615.72万吨；若IN增速为13.77%，合肥市农业碳排放将由2020年的676.57万吨下降至2029年的-12 284.3万吨。说明合肥市低碳农业发展良好，并有进一步扩大的趋势。