海洋渔业碳排放效率的时空演变及影响因素——以北部海洋经济圈为例

狄乾斌 ，陈小龙，苏子晓，孙康

（1. 辽宁师范大学 地理科学学院，辽宁 大连 116029；2. 辽宁师范大学 海洋经济与可持续发展研究中心，辽宁 大连 116029）

随着全球气候变暖问题日益严重，各地区逐渐加大对相关产业碳排放与低碳经济发展的重视[1]，海洋渔业作为海洋产业碳排放的重要来源，节能减排作用不可忽视[2]。海洋渔业因涉及海洋生态系统中对二氧化碳的吸收排放效应，海洋渔业活动促进水生生物吸收水中的二氧化碳，能有效地提升碳汇量，改革开放以来，中国海洋渔业生产总体稳定，海水养殖产量稳步增长，在各类海洋经济发展政策实施下，海洋经济规模不断扩大，海洋渔业低碳化发展任务艰巨[3]。发展低碳海洋渔业经济，对提高海洋渔业碳排放效率，推动碳排放达峰目标的实现具有重要意义。

关于海洋渔业发展、碳排放、效率的研究已引起国内外学者的广泛关注，研究主要集中以下几方面：一是海洋渔业碳排放及效率测度与方法讨论。GUIJARRO 等[4]主要是对拖网捕捞渔业的效率进行研究，分析渔业技术和海洋管理对海洋渔业效率的影响；卢昆等[5]利用随机前沿分析法对中国远洋渔业的渔业生产效率分析；狄乾斌等[6]基于“碳排”和“碳汇”计算中国海洋渔业碳排放量，并采用非期望产出超效率SBM 模型测算海洋渔业碳排放效率；陈张磊[7]借助SBM-Global Malmquist 指数对中国沿海11 个省市海洋渔业全要素生产效率及其收敛性进行检验。二是区域海洋渔业碳排放及效率差异性研究。既有国家、区域等大尺度的研究范畴[8-9]，也有省级、城市等小尺度的研究范畴[10-11]；研究内容上邵桂兰等[12]测算2004—2014 年中国沿海海洋渔业碳排放生产效率，借助探索性时空分析法研究其空间关联特征；李纯厚等[13]对碳源和碳汇及海洋固碳机制研究进展综述，并探讨南海碳汇渔业今后发展重点研究方向；张荧楠[14]运用DEA模型测算海洋渔业碳排放效率，然后实证分析产业结构优化对效率的影响；岳冬冬等[15]研究海洋捕捞渔业与海水贝藻养殖碳排放与碳汇，并分析其碳平衡状态；CHEN等[16]在测算海洋渔业碳排放的基础上，运用系统动力学方法对海洋渔业碳排放进行预测。三是海洋渔业碳排放及效率影响因素分析。主要有STIRPAT 模型LMDI 分解法和回归分析法等研究经济、产业、能源、科技等因素对海洋渔业碳排放及效率的影响[17-20]。

现有研究中，虽有部分学者考虑到海洋渔业效率问题，但多集中在海洋生态保护，较少考虑海洋渔业碳排放和碳排放效率及碳排与碳汇整体对海洋渔业碳排放效率驱动因素方面的研究。基于此，本文以北部海洋经济圈三省一市为研究对象，计算海洋渔业碳排放量基础上，采用超效率SBM 模型测算2006—2019 年海洋渔业碳排放效率；借助STIRPAT 模型综合分析海洋经济发展、产业结构、能源结构等对海洋渔业碳排放效率的影响。

1 研究方法与数据来源

1.1 研究区概况

北部海洋经济圈由辽东半岛、渤海湾和山东半岛沿岸及海域组成，主要包括辽宁、河北、天津和山东的海域与陆域（图1）。

图1 北部海洋经济圈范围

由图2 可知，近十多年来海洋养殖业、海洋捕捞业、海洋水产品加工业生产总值不断增加，说明海洋渔业发展迅速。海洋渔业高速发展及能源消耗不断增加，带来碳排放量的快速增长，如何通过海洋渔业产业结构优化升级、能源利用效率提高及海洋生态环境改善等措施，完成海洋渔业碳减排目标并实现海洋经济高质量发展成为北部经济圈当前海洋渔业发展面临的主要问题。本文所采用的各类统计数据来源为各年份《中国渔业统计年鉴》《中国统计年鉴》《中国能源统计年鉴》《中国海洋统计年鉴》、中国海洋统计公报和相关省份统计资料，数据均进行了适当处理，年份缺失数据通过线性插值法得到[21]。

图2 北部海洋经济圈海洋渔业发展现状

1.2 海洋渔业碳排放的测度

海洋渔业碳排放主要指海洋渔业生产发展过程中所造成的碳排放。狭义上是海洋渔业生产过程中直接和间接排放二氧化碳；广义上海洋渔业碳排放不仅包括直接和间接的碳排放，还把海洋渔业碳汇所吸收的部分扣除[6]。本文海洋渔业直接碳排放主要考虑海洋渔船捕捞、养殖等方面的柴油消耗量；海洋渔业的间接排放量考虑海洋渔业各方面生产过程中对电力的消耗量；海洋渔业的碳汇是海洋贝类和海洋藻类对碳排放的吸收和固定，借鉴此思路，通过海洋渔业柴油消耗量、海洋渔业电力消耗量、海水养殖的贝藻类数量来计算海洋渔业碳排放总量，具体模型如下：

式中：C表示海洋渔业碳排放总量；Yi表示各碳排放源的能源消耗量；Ai表示消耗碳排放系数；Di代表贝藻类养殖产量；Bi表示相应的碳汇转化系数（表1）。

表1 海洋渔业碳源（转化）的碳排放系数

1.3 海洋渔业碳排放效率的测度

海洋渔业低碳发展以碳排放效率最大化为核心，通过效率的提高与技术的改进，实现资源利用效率的提高和对海洋环境压力的减小[25]。讨论的海洋渔业碳排放效率是基于资源投入—经济产出—污染产出的角度研究分析，投入要素中劳动力投入指标选取海洋渔业从业人员；资本投入指标选取年末海洋机动渔船总数和水产技术推广业务经费；资源投入指标选取海水养殖面积和海水鱼苗投入量；在产出方面选取海洋渔业总产量作为期望产出；海洋渔业碳排放是实现海洋渔业碳中和碳达峰的重要指标，选取海洋渔业碳排放量作为非期望产出，对投入要素和产出要素的选取见表2。

表2 海洋渔业碳排放效率指标体系

基于指标体系，采用超效率SBM 模型来测算海洋渔业的碳排放效率，模型设定如下：

式中：ρ为海洋渔业碳排放效率值；m为决策单元投入变量个数；n代表决策单元个数；r为决策单元产出变量个数；xik、yrk表示第k个决策单元的投入、产出变量；分别为投入、产出的松弛变量；xij为第j项投入时，第i个的效率值，yij为第j项投入时第r个效率值；λ为约束条件[26]。

1.4 STIRPAT模型

STIRPAT 模型是传统的IPAT 模型基础上提出的，模型具有可拓展性，广泛应用在区域碳排放影响因素研究中，其一般形式可表示为：

式中：I、P、A、T分别表示环境、人口、财富、技术因素，a表示模型系数，b、c、d分别表示人口、财富、技术因素的估计系数，e表示随机误差项[23]。将模型两边分别取对数形式后，可表示为：

参考已有研究的成果对STIRPAT 模型进行扩展[27-28]，本研究的初始模型设计中包含8 种影响因素，拓展后的STIRPAT 面板模型的表达式为：

式中：I为海洋渔业排放量；β为模型系数；e为模型误差项，自变量选取如表3 所示。

表3 模型的影响因素与说明

2 结果分析

2.1 海洋渔业碳排放特征分析

根据上述公式对2006—2019 年北部海洋经济圈三省一市海洋渔业碳排放量进行测算。从图3 可知，研究期内北部海洋经济圈海洋渔业碳排放总量基本保持上升趋势，尽管近几年上升的速度放缓，但区域海洋渔业碳排放的形势依旧较严峻。北部海洋经济圈三省一市拥有不同的海岸线和海域面积，海洋渔业资源占有量差距较大，对海洋资源利用及海洋渔业开发重视程度也不一样，导致各地区间海洋渔业碳排放量差异较大。从海洋渔业碳排放量看，山东的碳排放量最大，研究期超2 万吨，在北部海洋经济圈中占比最大；河北和辽宁海洋渔业碳排放均呈上升趋势，研究期分别由1 000.74 吨上升到3 918.27 吨、2 501.66 吨上升到4 960.27 吨，在北部海洋经济圈海洋渔业碳排放中占比较大；天津海洋渔业碳排放量最小，由2006 年的130.83 吨上升到2019 年的528.77 吨，在北部海洋经济圈海洋渔业碳排放中占有较小比重。海洋渔业碳排放增长率看，北部海洋经济圈三省一市海洋渔业碳排放增长率的变化趋势较为相似，2007—2013 年呈波动下降趋势，2013—2019 年呈下降趋势，海洋经济发展逐渐转向高质量发展，海洋渔业碳排放增长率明显降低。

图3 2006—2019年北部海洋经济圈海洋渔业碳排放演变趋势

2.2 海洋渔业碳排放效率特征分析

借助MaxDEA 软件测算2006—2019 年北部海洋经济圈海洋渔业碳排放规模效率、纯技术效率和综合效率（表4）。总体来看，2006—2019 年北部海洋经济圈海洋渔业碳排放效率水平不高，在一定时间段处于波动下降趋势。2006—2010 年效率处于缓慢下降趋势，2011—2015 年处于波动上升趋势，2016—2019 年处于波动下降趋势，表明北部海洋经济圈海洋渔业碳排放效率水平呈现缓慢下降—波动上升—波动下降的变化态势（图4）。结合海洋渔业经济不断增长、产业规模不断扩大的背景下，海洋渔业建立起低碳化发展与管理的机制，海洋渔业碳排放效率近年来呈现波动下降趋势，可见，海洋渔业碳排放效率的发展趋势与海洋经济发展的整体大环境相关。

表4 2006—2020年北部海洋经济圈海洋渔业碳排放效率表

图4 为北部海洋经济圈海洋渔业碳排放各项效率变化曲线。研究期间三省一市海洋渔业碳排放各项效率指数均具有一定的波动性，其中纯技术效率的波动幅度最大，其次是综合效率，规模效率表现最较为稳定。分地区看，山东2006—2019 年综合效率处于波动下降的趋势，整体明显高于河北、辽宁和天津，表明山东在海洋渔业碳排放效率较其他地区有一定的优势；辽宁和河北的综合效率的波动趋势较为一致，2006—2010 年变化不大，2011—2013 年则明显上升，2014 年之后处于波动下降趋势；而天津处于最低的位置，说明海洋渔业碳排放效率居于末位。纯技术效率除2013 年山东位置均最高，进一步表明山东海洋渔业碳排放效率较高，天津和河北变化缓慢。天津和河北规模效率与纯技术效率变化趋势相对一致，较为平稳，辽宁和山东在研究期间波动变化，交替位置，表明辽宁和山东在海洋渔业碳排放效率方面在逐步完善，进一步提高自身的竞争力。

从图5 可知，2006—2019 年，北部海洋经济圈海洋渔业碳排放效率空间上存在较大差异。2006 年海洋渔业碳排放效率水平均处于较低水平，这主要与海洋渔业发展进程相关，海洋渔业捕捞、养殖技术水平低，造成的能源消耗高；2010 年海洋渔业碳排放效率明显提升，山东表现较为明显，山东在此期间注重海洋渔业养殖的节能减排，开展调查，加强了海水养殖过程中的规范化管理，积极发展生态养殖，技术效率提升拉动海洋渔业碳排放效率。2015 年海洋渔业碳排放效率有下降趋势，这主要因为此时期由于海洋渔业需求增加，相应增加了资源投入和污染产出，海洋渔业加速发展，带来了海洋渔业石油类污染，导致海洋渔业碳排放效率降低，其中山东和辽宁较为明显，天津2015 年海洋渔业碳排放效率与2010 年相比变化不大，河北有所提升。2015—2019 年山东、河北等地区海洋渔业效率持续下滑，辽宁效率也出现下降，主要因为与前期海洋渔业发展相关，山东海洋捕捞资源消耗量增长速度以及水产品加工电耗量增长速度大幅上升，在此背景下加强技术创新和改造，助力海洋渔业绿色健康发展，促进海洋渔业低碳化发展。总的来看海洋渔业碳排放效率：山东＞辽宁＞天津＞河北。

图5 2006—2019年北部海洋经济圈海洋渔业碳排放效率空间格局

3 海洋渔业碳排放效率影响因素分析

以线性STIRPAT 方程为模型，采用普通最小二乘法（OLS）对模型进行检验，运用SPSS 软件对变量进行多元回归分析，结果见表5。其中，模型的回归拟合优度R2=0.927，调整后的R2=0.829，通过了0.001 显著水平F 检验。各变量的方差膨胀因子（VIF）较小，但变量X4、X6和X7高于10，说明变量之间存在多重共线性问题，因此采用偏最小二乘回归模型。偏最小二乘回归模型通过数据标准化、主成分和OLS 回归分析解决变量较少和自由度较低等问题。将海洋渔业碳排放效率作为因变量，8 个影响因素作为自变量做OLS 回归分析，对标准化后数据进行提取主成分，结果见表6。

表5 最小二乘回归模型拟合结果

表6 主成分分析解释的总方差

从表6 可以看出主成分FAC1、FAC2、FAC3的累计贡献率达84.496%，因此提取3 个主成分，对3 个主成分的得分系数矩阵进行展示（表7）。最后将提取的3个主成分作为自变量，海洋渔业碳排放效率作为因变量，利用最小二乘法回归拟合分析，拟合优度R2=0.806，F=15.199，检验sig.=0 小于0.01，说明模型拟合结果良好（表8）。因此，式（6）能较好地解释重海洋渔业碳排放效率与其影响因素之间的关系，具体公式如下：

表7 成分得分系数矩阵

表8 模型系数

根据标准化公式及标准化描述量，可将式（6）转化为：

从扩展的STIRPAT 模型即偏最小二乘回归结果来看，模型的拟合效果显著。从系数来看，北部海洋经济圈海洋渔业碳排放与海洋渔业规模、海洋经济规模、海洋渔业产品结构、海洋渔业科技水平、海洋渔业对外开放程度和海洋渔业灾害损失存在正相关关系，与海洋渔业产业结构和海洋渔业能源强度存在负相关关系；各项系数基本符合实际情况。影响程度存在显著差异，海洋渔业科技水平是海洋渔业碳排放效率最重要的影响因素，海洋渔业科技水平每提高1%，就使得海洋渔业碳排放效率提高0.412%，技术进步会提高资源利用效率，减少能源消耗，增加海洋渔业产值。海洋渔业对外开放程度是影响海洋渔业碳排放效率的另一个重要因素，对外开放程度每提高1%，北部海洋经济圈海洋渔业碳排放效率将增加0.389%，是影响海洋渔业碳排放效率的第二大因素，这是因为北部海洋经济圈区位优势明显，对外开放水平较高。海洋渔业产品结构、海洋渔业规模、海洋经济规模对海洋渔业碳排放效率提高具有重要作用。结果表明，海洋渔业碳排放效率每增加1%，将会使得海洋渔业产品结构、海洋渔业规模、海洋经济规模将分别发生0.307%、0.221%、0.056%的变化。海洋渔业能源强度是另一个引起海洋渔业碳排放效率变化的因素，能源强度每增加 1% ，将会造成碳排放效率降低0.113%，通过对北部海洋经济圈2006—2019 年的能源强度进行计算，发现能源强度是不断下降的，能源强度的降低对碳排放效率起到重要的作用。

4 研究结论

（1）研究期内，北部海洋经济圈海洋渔业碳排放总量基本保持上升趋势；北部海洋经济圈各地区间海洋渔业碳排放量差异较大，山东的碳排放量最大，近年来海洋碳排放量超2 万吨，河北和辽宁海洋渔业碳排放均呈明显的上升趋势，天津海洋渔业碳排放量最小；海洋渔业碳排放增长率的变化趋势较为一致，2007—2013 年呈波动下降的趋势，2013—2019 年呈下降趋势。

（2）2006—2019 年北部海洋经济圈海洋渔业碳排放效率总体水平不高，2006—2010 年效率处于缓慢下降趋势，2011—2015 年处于波动上升趋势，2016—2019年处于波动下降趋势，表明北部海洋经济圈海洋渔业碳排放效率水平呈现缓慢下降—波动上升—波动下降的变化态势；海洋渔业碳排放各项效率指数均具有一定的波动性，其中纯技术效率的波动幅度最大，其次是综合效率，规模效率表现较为稳定；分地区看，山东 综合效率处于波动下降的趋势，整体明显高于河北、辽宁和天津。

（3）海洋渔业科技水平是海洋渔业碳排放效率最重要的影响因素，海洋渔业规模、经济规模、对外开放程度、产业结构每变化1%，北部海洋经济圈海洋渔业碳排放效率将分别发生0.221%、0.056%、0.389%、0.307%的变化；海洋渔业能源强度和海洋渔业产业结构的系数为负，能源强度的降低和产业结构优化对碳排放效率起到重要的作用。