双碳背景下我国农业种植企业碳管理指标体系及低碳等级评价研究

李青青 王若晗 陈思昂

摘要：我国是农业大国，种植业对于国民经济发展有着重要的战略意义。在双碳背景下，如何加强农业种植企业的碳管理以提升该行业的竞争力显得尤为重要。考虑我国农业种植企业的特征，广泛参考国内外文献，咨询专家意见，建立了我国第一套农业种植企业的碳管理指标体系，为企业提供了可落地的低碳等级评定方法。研究结果显示：低碳发展、低碳能源资源、低碳生产和低碳管理是最重要的四大维度，指标层中，资源回收利用、企业能源结构和低碳平台建设等较为重要。

关键词：农业碳管理；评价指标体系；层次分析法；德尔菲法；低碳农业

1 研究背景

近年来，我国的工业化水平不断提高，经济体量跻身国际前列，但仍是一个农业大国，农业碳排放总量已占到全国碳排放总量的16%～17%，高于全球平均水平的13.5%，并且仍以每年5%的速度增长[1-3]。在我国面向国际社会庄严承诺了“碳达峰碳中和”这一重大目标后，如何针对我国国情探索高效有力的管理方式以实践低碳发展成为当前研究的重中之重，这也将是借由低碳发展的契机从农业大国转型农业强国的必经之路。

从国际社会来看，日本早在2008年颁布的《核证减排计划》中提到，构建碳信用交易体系且积极鼓励农村企业参与碳汇、减排项目；德国于2019年颁布《气候保护计划2030》，提出农业农村部门在2020年到2030年间的刚性年度减排目标，且规定了部门减排措施、减排目标调整、减排效果定期评估的法律机制。

从国内来看，我国政府于2018年开始，颁布了《关于推动农业绿色发展技术导则（2018～2030年）》[4]

《农业农村减排固碳十大技术模式》和《农业农村减排固碳实施方案》[5-6] 等一系列政策文件，且提出“以农业农村绿色低碳发展为关键，以实施减污降碳、碳汇提升重大行动为抓手，建立完善监测评价体系，构建政策保障机制，加快形成节约资源和保护环境的农业农村产业结构、生产方式、生活方式、空间格局。”虽然有学者对农村碳排放核算有所研究[7]，但是，面向农业种植企业的碳排放如何精细化管理，我国仍缺乏相关政策和研究，要加上我国农业种植企业的具体情况，即农业种植企业规模大小不一，从业人员对掌握的专业技术知识有限、水平參差不齐，行业受气候等自然条件影响较大等等，这些都将为双碳背景下的农业低碳管理转型带来一定的困难。

本文旨在建立我国第一套面向农业种植企业的碳管理指标体系，协助其增强相关意识，进一步开展科学有效的碳管理工作。

2 国内外研究进展

层析分析法（the analytic hierarchy process，简称AHP）是由Thomas Saaty 在 20 世纪 70 年代早期开发的用来进行多准则决策的方法，在农业管理中得到了广泛应用[8]。

从国内研究情况来看，有学者[9]分析了陕西关中地区休闲农业管理中存在的问题，并应用AHP分析法和德尔菲法，构建了休闲农业管理水平评价体系。根据文献[10]层次分析法，构建了由农村经济发展、农村社会发展、农村碳排放和农村生态环境4个一级指标和

35个二级指标组成的低碳农业评价指标体系，对吉林省2009—2013年来的农业低碳化发展水平进行了评价。Chen[11]使用AHP方法，从社会、经济、农业减排和农业固碳等4个维度对1995—2015年中国低碳农业发展进行了评价。

从国外研究情况来看，国外研究学者多使用AHP方法来选择更合适的农业生产和评价方式，例如，种植地理位置或作物类型，从而确定更科学高效、低碳环保的农业生产方式[12-15]。

3 碳管理指标评价体系模型

本研究基于AHP层次分析法、G-A-S模型及德尔菲法确定了农业种植企业碳排放管理指标体系，建立了双碳背景下科学性与实用性兼备的评价管理体系模型。

3.1 基于AHP和G-A-S模型构建递阶层次结构模型

AHP层次分析法将决策问题分解为层次结构，并通过两两比较不同因素的重要程度来进行权重判断。AHP得分的高低体现了方案对决策总体目标的匹配程度。

目标-路径-保障（G-A-S）模型源自“压力-状态-响应”模型，是一个行之有效的方法：确立一个低碳发展目标（goal）；明确具体可操作的低碳减排路径（approach）和制度管理上的保障（support），以助于实现低碳发展目标。

基于上述两种方法构建的递阶层次结构模型由目标层、准则层和指标层3个部分构成，目标是为低碳农业种植企业提供一个系统科学的碳管理评价体系。准则层从目标、路径和保障3个方面入手，全面地分析、评价其对碳管理的影响。其中，农业种植企业的核心目标是低碳发展，如何在双碳大背景下更科学地实现低碳农业种植企业发展，是本文研究的重点。其次，企业实际生产过程中的能源资源利用情况和低碳生产措施是实现低碳发展的重要途径。此外，健全、完善的低碳管理体系也是实现低碳农业种植企业发展的重要保障。

在准则层的基础上，评价体系的指标层细分为15个指标，从而系统全面地评价农业种植企业的碳管理体系，详见表1。

3.2 基于德尔菲法构造判断矩阵

德尔菲法（Delphi technique）是一种综合多名专家经验与主观判断的直觉预测技术方法。量化结果值采用行业专家使用托马斯·塞蒂（Thomas Saaty）的1-9标度法给出，通过两两比较得到标度量化值，数值越大表示重要程度越高，相反数值越小其重要性程度越低，详见表2。

为确定各层不同要素相较于上层要素的重要程度，避免因个人的主观性判断对评价结果产生影响，本文参考了现有农业种植企业低碳管理的相关文献，同时，咨询多位农业种植企业碳排放管理专家意见，根据指标间标度量化值原则，对准则层指标进行相互比较打分，得到判断矩阵A= 。对比矩阵中的元素：aij表示指标i对指标j的相对标度量化值，且满足如下条件：

aij>0；

当i=j时，aij=1；

当i≠j时，aij=1/aji；

AHP权重计算可分为三步：

第一步，计算判断矩阵的每一行元素得分：

第二步，计算的n次方根：

第三步，归一化处理：

3.3 层次单排序及一致性检验

通过判断矩阵A的最大特征值λmax与矩阵A的阶数n是否相等来判断矩阵的一致性，首先，计算一致性指标，相应的平均一致性指标，RI值可以从平均随机一致性指标表中得到。一致性比例为，当时认为判断矩阵的一致性时可以被接受的；否则，需重新咨询专家意见，对矩阵进行调整，使之满足一致性。

采用上述方法后，得到农业种植企业碳管理评价指标权重如下图1所示。

4 低碳管理等级评价模型

农业种植企业碳管理人员可基于上述农业种植企业碳管理评价指标权重，广泛采纳农业专家的意见，按单项最高100分对农业种植企业各指标层进行打分。通过求和各指标层的得分（）与权重（）的乘积，得到最终的得分（）。

其中，为指标层数。

通过上述评价等级模型，可分别得出低碳发展、低碳能源资源、低碳生产和低碳管理的评分，根据目标层农业种植企业低碳管理评价体系的最终得分，可确定农业种植企业的低碳管理等级，见表3。

5 研究结论

本文基于AHP层次分析法与G-A-S模型，构建了中国第一套完整的农业种植企业（组织）碳排放管理评价体系。且进一步从目标、路径和保障3个方面展开评估，将评价体系分为低碳发展、低碳能源资源、低碳生产、低碳管理4个大准则层。研究结果表明，低碳能源资源对企业碳排放管理评价影响最大；指标层中，资源回收利用权重最高，其次是企业能源结构和低碳平台建设等。

本研究可以帮助企业基于上述农业种植企业碳排放管理指标评价体系，及农业种植企业低碳管理等级评定表科学评定自身碳管理水平，并确定自己的低碳管理等级，从而为下一步开展低碳管理工作明确方向。

6 政策建议

基于上述研究，提出面向农业种植企业碳管理方面的以下建议：

6.1 企业低碳发展方面

应根据现阶段碳排放情况制定合理的减排规划，对单位GDP碳排放强度设定3～5年的科学减排指标；结合企业发展规划，因地制宜购买合适的绿色金融产品，如企业绿色信贷等。

6.2 企业低碳能源资源方面

从改善能源结构的角度：加强能源管理，进一步提升可再生能源和清洁能源的使用比例，企业可以通过铺设光伏发电设备，为生产过程中引入绿电等清洁能源；产线中可投入科学配比的物料，使用智能的节水灌溉系统；企业也应加大对节能技术的开发，从源头进行碳排放控制。

6.3 企業低碳生产方面

应加强资源回收利用，如秸秆和农膜等；通过调整农业肥料占比和生物农药占比转向低碳种植，也可根据农业农作物的碳汇选择农作物。

6.4 低碳管理方面

应建立合理的低碳制度建设，对企业员工、生产技术等开展低碳能力建设，关注最新政策；应搭建规范的数字化低碳管理平台，定期开展企业碳盘查工作，实时监控能源消耗量等，发现问题及时解决；创建属于自己的低碳产品品牌：采用数字化碳足迹管理工具，科学有效地加强公司的碳足迹产品核算、认证和管理工作，实现碳足迹量化管理，考虑低碳农产品的区块链扫码存证，实施产品降碳行动，降低综合管理成本。

参考文献

[1] 曾贤刚，余畅，孙雅琪.中国农业农村碳排放结构与碳达峰分析[J].中国环境科学，2023，43（4）：1906-1918

[2] 王会钧，张婷婷，刘洋.绿色金融支持农业产业升级的国内外经验借鉴[J].金融理论与教学，2023（1）：39-44.

[3] Ozlu E，Arriaga F J，Bilen S，et al.Carbon footprint management by agricultural practices[J].Biology，2022，11（10）：1453.

[4] Li Q，Guo R，Li F，et al.Integrated inventory-based carbon accounting for energy-induced emissions in Chongming eco-island of Shanghai，China[J].Energy policy，2012（49）：173-181.

[5] 许树柏.实用决策方法：层次分析法原理[M].天津：天津大学出版社，1988.

[6] 宋萌萌.陕西关中地区休闲农业管理水平评价指标研究[D].杨凌：西北农林科技大学，2017.

[7] 卢晓萍.吉林省低碳农业综合评价研究[D].长春：吉林大学，2016.

[8] Chen J.Evaluation on the development level of low carbon agriculture in China[J].Ekoloji，2019，28（107）：1529-1537.

[9] Fountas S，Wulfsohn D，Blackmore B S，et al.A model of decision-making and information flows for information-intensive agriculture[J].Agricultural Systems，2006，87（2）：192-210.

[10] Jamaludin N F，Ab Muis Z，Hashim H.An integrated carbon footprint accounting and sustainability index for palm oil mills[J].Journal of Cleaner Production，2019（225）：496-509.

[11] Pažek K，Rozman Č.Application of analytical hierarchy process in agriculture[J].Poljoprivreda，2005，11（2）：67-73.

[12] Toloi R C，Reis J G M，Toloi M N V，et al.Applying analytic hierarchy process（AHP）to identify decision-making in soybean supply chains：a case of Mato Grosso production[J].Revista de Economia e Sociologia Rural，2021（60）：123-124.

[13] Veisi H，Deihimfard R，Shahmohammadi A，

et al.Application of the analytic hierarchy process（AHP）in a multi-criteria selection of agricultural irrigation systems[J].Agricultural Water Management，2022（267）：107619.

[14] 欧阳慧，王丽，刘保奎.国家低碳城（镇）评价指标体系研究[J].宏观经济研究，2016（9）：59-66.

[15] 徐蔼婷.德尔菲法的应用及其难点[J].中国统计，2006（9）：57-59.

作者简介：李青青（1985—），女，首席科学家。