化肥碳源排放量的时空演化及预测

朱士飞，秦云虎，王鹏程，赵 倩，毛礼鑫*

1. 江苏地质矿产设计研究院，江苏 徐州 221006；2. 中国煤炭地质总局煤系矿产资源重点实验室，江苏 徐州 221006；3. 兖矿能源集团股份有限公司济宁二号煤矿，山东 济宁 272072；4. 江苏省有色金属华东地质勘查局，江苏 南京 210007

发展低碳农业是实现“碳达峰”“碳中和”的重要保障，其中控制农业化肥施用是重要一环。研究表明，包括化肥在内的各类农业物资在提高农业生产的同时，会通过直接或者间接的方式产生温室气体［1］。这些农业碳源在我国温室气体排放量中占比大，呈现逐年递增的趋势，尤其是江苏省农业碳排放量持续居于较高水平［2-3］。我国农业施肥强度整体较高，农业碳源中化肥施用产生的温室气体需要引起格外关注［4］。另一方面，化学肥料在保障粮食安全中具有不可替代的作用［5］，能为作物生长提供必须的N、P、K 等元素，对粮食产量的贡献率可达到40%以上［6-9］。因而，研究化肥施用特点、预测其需求趋势及由此带来农业碳源排放，既是发展低碳农业的现实需求，也是“保粮食安全”的重要组成。

前人对化肥在农业中的碳源排放、增肥效益以及需求方面取得卓有成效的研究，在以下几个方面达成共识：一是化肥是主要的农业碳源之一。尹岩等［10］通过对我国农业碳源的核算认为，江苏省的农业设施碳排放量最高，农业碳源中化肥等农用品的碳排放量占比仅次于土壤碳排放；胡婉玲等［11］通过对农业碳排放因素的研究得出，我国化肥碳排放占农业碳排放的59%，经过笔者计算，近五年江苏省化肥碳排放占省内农业碳排放的比例高达70%。二是农业生产需要合理的施肥强度。农业实践表明不同施肥方式、施肥强度对粮食作物的产量有影响［12-13］，尽管安思羽等［14］研究认为通过合理使用农家肥、有机肥等能提高作物产量［15-17］，但是化肥的作用不能忽视，如孟爱红等［18］的研究结果表明无机化肥的作用不能被有机肥代替，并且随着作物生长对无机元素的消耗，土地需要不断补充新的化学肥料。三是化肥需求与经济发展有紧密联系。化学肥料的生产离不开硫、磷、钾等重要的化工矿产资源，尤其是磷、钾是国家战略性矿产资源［19］，因而从资源消耗的角度对其进行预测的研究较多［20-24］，如马丽娜等［25］在不同的经济发展情景下对磷矿资源需求进行预测，刘卫东等［26］通过能源消费弹性系数分析我国能源需求。

综上可知，化肥施用是江苏省农业碳排放的主要碳源，然而目前以化肥为主体的农业碳排放研究较少。此外，化肥需求定性或定量的预测研究大多采用单一的方法，未能针对研究对象优选合适的方法。例如情景分析、弹性系数等方法由于方法自身的局限性，人为主观因素较大。本文在分析归纳江苏省农业施肥演化趋势及区域特点的基础上，对趋势分析法、神经网络预测法、时间序列模型-弹性系数法等定性与定量的方法的结果进行优选，科学预测化肥需求趋势，以期为低碳农业发展提供参考。

1 化肥碳源排放量

1.1 计算方式及数据来源

碳源排放量一般采用碳排放系数法或实际测量法，本次化肥碳源排放量的计算依据联合国政府间气候变化专门委员会碳排放系数法。即采用化肥实际消耗量（T）与化肥碳排放系数（δ）的乘积得出化肥的碳排放量（E），公式如下：E=T×δ［δ参考美国橡树岭国家实验室数值（0.896 kg/kg），即每千克化肥施用带来0.896 kg 温室气体排放］。

文中2000—2019 年的相关数据来源于《中国统计年鉴》和《江苏统计年鉴》，据此获得人均国内生产总值（gross domestic product，GDP）、化肥施用量、耕地面积等信息。

1.2 江苏省化肥碳排放特点

江苏省地级市可分为苏南、苏中、苏北，其化肥碳源排放量表现出明显的差异性。由表1 可看出，苏北地区化肥碳源排放量远高于苏南和苏中，并且占全省化肥碳源排放量的比重逐年升高，由2001 年的59%增加到2019 年的72%。根据化肥碳源排放量计算公式可知，其数值大小主要与化肥施用量有关，苏北地区农业耕种面积大，施用化肥较多，造成其碳排放量居高不下。

表1 江苏省化肥碳源排放量变化Tab.1 Agricultural carbon emissions from fertilizer 107 kg

从苏南（S）、苏中（M）、苏北（N）地区各选取2 个城市，可以看出同一地区化肥碳源排放量及其变化速率相似，反之，不同地区差异性显著。并且化肥碳源排放量呈现阶段性特征（图1 和图2）。

图1 江苏省化肥碳源排放区域特点Fig.1 Regional characteristics of carbon emissions from fertilizer in Jiangsu Province

图2 江苏省化肥碳源排放量变化速率图Fig.2 Change rates of carbon emissions from fertilizer in Jiangsu Province

（1）区域特点。如图1 所示，江苏省农业生产中单位面积化肥碳源排放量与总排放量表现相似的特点，即苏北地区高，苏南和苏中地区低。其中，苏北地区化肥碳源排放量高于全国平均水平，徐州最高，达到648 kg/hm2，连云港施肥强度稍低（458～523 kg/hm2）；苏中、苏南地区化肥碳源排放量远低于苏北，与全国平均水平差距较小，其中苏中城市单位面积化肥碳源排放量（235～452 kg/hm2）变化曲线整体位于苏南城市（203～490 kg/hm2）的上方。这表明化肥碳源排放量与农业生产中单位面积施肥强度密切相关。

（2）阶段性特点。如图2 所示，单位面积化肥碳源排放量整体表现为先增加后减少的趋势，变化速率也由大幅度波动到逐渐平缓。化肥碳源排放量及其变化率在时序演化上可分为3 个阶段。阶段I（2000-2007 年），单位面积化肥碳源排放量居于较高水平，且排放量不断增加。其中，苏北地区增长幅度较大，苏南和苏中增长较小或者小幅度下降（如泰州）。阶段II（2008-2012 年），单位面积化肥碳源排放量迅速下降。其中，苏北地区下降幅度小，苏南地区下降幅度最大，苏中城市下降速率位于两者之间。阶段III（2013-2019 年），变化速率居于较低水平，降幅稳定，保持在5%以内。与全国相比，整体上江苏省变化幅度较大，在阶段II 开始农业化肥碳源排放量变化率多为负值，即排放量开始下降，而全国在阶段III 开始下降，并且下降幅度逐年增大。这显示国家实施化肥施用“零增长”的政策取得良好成效，同时表明降低化肥施用强度能够显著减少农业化肥碳源排放量。

2 GDP 的预测

2.1 时间序列模型

上述分析表明化肥的消费量直接影响农业碳排放量，通过预测化肥的施用量可计算由此造成的农业碳排放量。化肥消费的基本规律表明经济发展对其变化趋势有显著影响，尽管经济的发展受国家宏观调控及其他多种因素的影响，但是经济的发展是循序渐进的，后期的发展趋势与前期的经济基础密不可分。在统计学上表现为不同年份GDP 数值有明显的先后顺序，即每个数值受其他数据的影响不是独立的个体，因此可以将其看作是时间t的有序数列（t，GDP），运用时间序列模型能够避免多因素变量间复杂关系对观测值GDP的影响，重点研究其在时间域的变化规律［27］。

经过不断完善的现代时间序列与传统时间序列相比有很大发展，借助SPSS 软件强大的数据处理能力完成分析。依据江苏省2000-2018 年的（t，GDP）数据，采用专家建模器的方法系统优选具体模型（指数平滑法或者ARIMA 模型），最终根据Ljung-Box Q 检验结果中残差和离群值判断拟合效果。为了进一步得到江苏省人均GDP，同理根据此方法预测了江苏省人口变化趋势，模型预测值与实际值较小的误差表明该方法预测效果良好（图3），具体预测结果见表2。

图3 时间序列模型预测GDP（a）和人口（b）结果Fig.3 Results of GDP（a）and population（b）forecasting by time series model

表2 时间序列模型预测结果及置信区间Tab.2 Time series model forecasting results and confidence intervals

2.2 政府报告GDP 目标

此外，《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》指出，“十四五”时期我国以高质量发展为主题，更加注重发展的质量问题。江苏省紧扣“强富美高”总目标使经济运行更加稳健，预计2025 年人均GDP 超过15 万元，增长率5.5%左右。图4 显示未来10 年江苏省GDP 增长率在5%上下波动，表明政府工作报告结果在本次预测结果置信区间之内，因此认为上述时间序列模型预测结果可信度高。

图4 江苏省GDP 与增长率预测结果Fig.4 Forecasting results of Jiangsu Province GDP and its growth rates

3 农业施肥碳排放预测

3.1 预测依据

（1）资源消耗规律。一般认为资源消耗与经济发展有密切的关系。在社会快速发展阶段，基础建设亟需大量原材料，随着工业化程度越来越高，对原始材料需求有所减缓，据此总结出人均资源消耗量与经济发展水平呈S 型或倒U 型的规律［22，28］。在相关研究中常用GDP 或者人均GDP指标反映经济发展水平，然而不同国家经济发展速度、产业结构和产业规模等有所不同，造成其“S”型或倒“U”型拐点位置对应的GDP 和人均资源量并不一致。因此在运用资源消耗规律的同时，既要参考先期工业化国家资源需求的变化趋势，更要针对不同的资源种类和地区经济发展程度分析其差异性。

通过研究全球范围内典型国家的化肥需求趋势，发现单位面积施肥量与经济发展表现出相似的规律，即先增后减的倒“U”型变化趋势，这是与其他资源消费趋势的共性。一方面是因为化肥施用之后并不会被完全消耗掉，而是会有部分资源储存在土地中，因而土地种植早期对化肥需求量大，随着长期累积的未被作物吸收的化肥的增多，土地对化肥需求逐渐减少，另一方面是种子质量、肥料的改进、科学管理水平等的提高增加了化肥利用效率进而减少其施用量。然而由于不同地区施肥方式、环保意识等原因，其消费规律有所不同。

（2）施肥强度与GDP 关系。选取2000-2018年江苏省与全国化肥施肥强度为对象，通过曲线拟合可以发现化肥单位消耗量与人均GDP 有良好的二次函数关系（R2分别为0.837 9、0.976 9），与“倒U”型规律保持一致（图5）。整体上看我国施肥强度较高，远超国际建议施肥量（225 kg/hm2），而江苏省施肥强度更高，国家和相关学者对过高的施肥强度极为关注。不同的是江苏省拐点位置对应的GDP 在3.7 万元左右，比全国的值（4.5 万元）低，此外江苏省施肥强度维持较高水平的时间长、下降的幅度小、下降的速率慢，这与化肥碳源排放量的变化规律一致（图1 和图2）。

图5 化肥施用量与人均GDP 关系图Fig.5 Graph of fertilizer consumption and per capita GDP

3.2 3 种预测模型

（1）趋势分析预测。趋势分析法依据样本数据分析变量间的相关性，对目标参数进行预测。根据江苏省历年人均GDP 和单位面积施肥量的数据进行曲线拟合，有较好的拟合效果（R2=0.997 3），这与倒“U”型的化肥消费规律有相似之处（图6）。根据此模型可知，江苏省2025、2030 年农作物单位面积施肥量分别为217.8、55.1 kg/hm2，下降速率分别为11.4%、39.0%。

图6 曲线拟合预测结果Fig.6 Forecasting results from curve fitting

（2）神经网络预测。常规的建模思路中以拟合精准的方程来解决问题，往往忽略了预测结果对模型的调整，而反向传播（back propagation，BP）神经网络方法通过神经元的不断反馈调整，使得输出层的向量与样本因变量差值达到最小，进而达到最佳预测效果［29］。以江苏省人均GDP 为输入层，单位面积施肥量为输出层，建立了含有一个隐含层的模型。通过网络不断学习，能够对类似的问题迅速得到预测结果，绕开建立复杂方程的中间过程。如图7 所示，预测值与原始样本有较好的效果。然而，在2018、2019 年的预测值偏大，即化肥施用强度下降的速率变小。由此造成此方法预测的结果比趋势分析法偏大：2025、2030 年农作物单位面积施肥量分别为385.9、385.4 kg/hm2，下降速率分别为0.08%、0.01%。

图7 神经网络预测结果Fig.7 Results of neural network forecasting

（3）时间序列模型-弹性系数预测。弹性系数法在能源消费需求预测中应用广泛［30-31］，但大多根据弹性系数的变化趋势人为预测未来几年的弹性系数，主观因素较大。本次研究采用时间序列模型-弹性系数相结合的方法进行预测，即首先计算施肥强度对人均GDP 的弹性系数，然后建立时间序列ARIMA（1，1，0）模型预测未来10 年的弹性系数。如图8 所示，江苏省化肥施用强度对人均GDP 的弹性系数整体呈下降趋势，仅在第一阶段（2008 年以前），其弹性系数为正值，其原因可能是经济发展初期，忽视化肥施用对生态、土地、空气等的负面效应，农民收入提高、缺乏科学的施肥指导等原因也进一步加大施肥强度；此后，随着经济发展更加注重质量，国家化肥施用零增长行动的大力开展，弹性系数不断减小至负值；并且随着经济的高质量发展和农业科技水平的提高，未来将保持持续下降。据此预测江苏省2025、2035 年施肥强度分别为340.0、307.5 kg/hm2，下降速率分别为1.86%、2.00%。

图8 时间序列预测弹性系数Fig.8 Elasticity coefficients from time series forecasting

3.3 预测结果讨论

趋势分析法注重已有的样本数据，忽视社会经济发展对资源消耗规律的影响，其预测结果表明施肥强度下降速率越来越大，并且按照此趋势，未来施肥强度将变成负值（图6），显示了该方法的局限性。BP 神经网络预测法注重变量间的隐藏关系，通过反馈机制寻找最优权重，其预测结果与实际值最为接近（图7），但是在学习样本中未出现这些逐渐增大的GDP 数值，忽略资源消耗的规律，造成预测结果变化量极小。时间序列模型-弹性系数法，注重资源消耗与经济发展的弹性系数变化规律，本次采用时间序列模型预测弹性系数的变化与江苏省施肥状况保持一致（图5），仅苏南地区单位面积施肥量变化率稍大，但是考虑到其较低的施肥强度，且2019 年苏南地区化肥消费量仅占全省的9%，因此认为该方法预测结果可信度大。

根据上述对化肥消费的预测结果，在江苏省的农业种植面积不变的情况下可以预测江苏省2025、2030 年农业化肥碳源排放量分别为226.74、205.04 万t（表3）。

表3 江苏省农业化肥碳源排放量预测结果Tab.3 Forecasting results of carbon emissions from fertilizer in Jiangsu Province

3.4 化肥碳源变化原因与建议

从阶段I 到阶段III 江苏省化肥碳源量先增加后减少，受多种因素影响。其中政府引导起主要作用，阶段II 之前，国家免除农业税，对购买农药化肥的补贴不断增加，因此化肥施用量不断增加，随之化肥碳源量增加。阶段II 至今，国家和江苏省政府多次强调减肥增效，如2015 年农业部制定《到2020 年化肥使用量零增长行动方案》，江苏省“十二五”期间投资7.8 亿元大力扶持节肥节药高效设施农业生产机械化项目，近年来又制定《2020年江苏省千村万户百企化肥减量增效行动方案》。此外，农业科技进步促进化肥利用效率的提高。通过建设环保低碳节约型农业示范基地、利用有机肥替代无机肥等手段减少化肥施用量，进而减少化肥碳源排放量。同时，不同区域碳源排放量减少受经济发展水平、土壤差异、农业劳动力数量等多因素影响，例如苏北地区土壤有机质低、农村人口比例高导致化肥施用量多，相反苏南地区土壤肥沃、城镇化高，农业种植集中规模化管理，因此化肥施用量少，由此造成化肥碳源量少。

根据预测结果，在“碳达峰”时间节点江苏省化肥施用强度仍大于国际施肥建议值，造成化肥碳源排放量占比过高，影响江苏省双碳目标的实施进度，因此提出以下建议：①坚持政策引领，加强绿色低碳农业宣传，树立正确的施肥观念，避免“肥力透支”恶性循环；②强化科技创新，通过测土配方因地制宜施肥，提高肥料的利用效率；③利用市场规律，稳定农产品价格，引导分散的土地规模化种植，推动高标准种植基地建设。

4 结 论

（1）江苏省化肥碳源排放在区域上表现为，苏北地区化肥碳排放总量大，占全省碳排放量比例呈增加趋势，单位面积排放量高；苏南、苏中地区较为相似，化肥碳源排放量少，单位面积排放量低。在阶段上表现为，阶段I 化肥碳源排放量大，呈增加趋势；阶段II 排放量由顶峰开始下降，下降幅度波动大；阶段III 继续下降，下降幅度平稳且维持较低水平。

（2）运用时间序列模型预测了江苏省未来10 年的GDP，预测结果和政府工作报告预期目标吻合，可用于化肥的预测研究。采用3 种方法预测江苏省2025、2030 年施肥强度分别为217.8 和55.1 kg/hm2（曲线拟合）、385.9 和385.4 kg/hm2（神经网络预测）、340.0 和307.5 kg/hm2（时间序列模型-弹性系数法）。

（3）农业施肥碳排放量与施肥强度直接相关，后者的变化受政策、区域经济发展、土壤性质、人口等多因素影响。时间序列模型-弹性系数预测法的结果符合资源消耗规律，据此计算2025、2030年江苏省农业生产化肥碳源排放量分别为226.74、205.04 万t。较高的施肥强度影响农业碳排放，建议从政策引领、科技创新、市场规律等方面提高化肥利用效率、降低江苏省化肥碳源排放量，在保证粮食安全的同时实现农业低碳绿色发展。