東北地區農業碳排放的脫鉤效應及影響因素研究

王強 張歡歡

（中國石油大學，山東青島 266580）

東北地區農業碳排放的脫鉤效應及影響因素研究

王強 張歡歡

（中國石油大學，山東青島 266580）

為研究近年來東北地區農業碳排放與經濟增長間關系，采用Tapio脫鉤模型和LMDI分解方法分析2001—2014年東北地區及各省農業碳排放脫鉤效應及影響因素。結果表明：研究期內東北地區農業碳排放總量整體呈上升趨勢；農業碳排放與經濟增長間以弱脫鉤效應為主；農業經濟因素是農業碳排放最主要促進因素，農業效率因素則是最主要抑制因素。東北各省農業碳排放脫鉤效應和影響因素差異較大。

東北地區；農業碳排放；脫鉤效應；因素分解

我國是傳統農業大國，農業生產在國民經濟中占有重要地位。2015中共中央、國務院在中央1號文件中明確提出“用發展新理念破解‘三農’新難題，加大創新驅動力度，推進農業供給側結構性改革，加快轉變農業發展方式”。目前全球正面臨氣候變化挑戰，中國也面臨保持經濟增長和減少碳排放雙重壓力。農業作為我國溫室氣體排放第二大來源，碳排放量約占碳排放總量17%[1]，推進農業低碳發展對減少碳排總量具有重要意義。東北地區作為我國重要糧食生產基地，是農業碳排放主要地區之一，目前東北地區正處于農業發展轉型關鍵期，農業低碳減排等問題引起廣泛關注。因此，分析近年來東北地區農業經濟增長與碳排放間脫鉤關系，解析農業碳排放量驅動影響因素，對促進東北地區農業可持續發展、維護我國糧食安全具有重要意義。

國內學者對東北地區農業經濟發展與低碳減排問題的研究主要集中在農業碳排放量測算、農業碳排放影響因素分析及農業低碳減排政策等。如蔣春陽通過分析近年來吉林省農業經濟發展相關數據[2]，發現吉林省農業碳排放存在排放總量較大等問題。學者普遍認為農業碳排放影響因素包括化肥農藥等農業物資使用量、主要農作物播種面積以及農業機械擁有量等。如師帥等通過研究東北地區低碳農業影響因素[3]，發現化肥、農藥投入并不一定使農業產值增長，反而可能增加農業碳排放量。同時，對于如何實現東北地區農業低碳發展學者也提出政策建議，主要集中在完善相關法規、發展農業技術提高生產效率、調整農業結構以及政府政策扶持等。如陳瑤利用SWOT量化分析方法研究東北三省低碳農業發展狀況[4]，結果表明轉變農業生產方式、提高農資效率等措施有利于低碳農業發展。近年來Tapio脫鉤模型的引入為國內農業脫碳效應研究提供新方法和思路[5-6]，同時國內學者嘗試利用Kaya恒等式、LMDI指數分解等新方法探討農業碳排放主要影響因素及效應。如李琦和韓亞芬運用LMDI指數分解方法分析安徽省農業碳排放影響因素[1]。

農業碳排放量受多種因素影響?，F已有研究存在以下局限：一是研究領域大多關注傳統種植業，忽略對農業碳排放量影響較大的畜牧業。二是局限于東北地區農業碳排放總量的簡單測算和分析，較少運用脫鉤等模型分解該地區農業發展脫鉤效應和影響因素，導致部分政策建議缺乏實證支撐。三是較少將東北地區和各省碳排放情況比較研究，導致研究成果對東北地區整體農業發展指導意義不強，無法比較分析東北三省農業碳排放差異性。鑒于此，在現有研究基礎上，運用IPCC溫室氣體排放指南中方法估算東北地區2001—2014年農業碳排放量，運用Tapio脫鉤模型分析東北地區和東北各省農業碳排放脫鉤效應，最后運用LMDI方法分解碳排放量影響因素，探討東北地區和東北各省農業碳排放趨勢及脫鉤效應，針對東北各省農業碳排放間差異性及不同因素影響，為實現東北地區農業減碳目標提出建議。

一、研究方法與數據來源

（一）農業碳排放量估算

在建立脫鉤模型前，測算2001—2014年東北地區農業碳排放總量。農業包括種植業和畜牧業，碳排放指廣義上溫室氣體排放量，為便于計算和衡量，結果中將不同溫室氣體統一換算成標準碳排放量。根據IPCC2007年報告公布數據，主要溫室氣體CO2、CH4、N2O與標準碳間折算系數分別取1.0、6.8182、81.2727。借鑒田云等[7-8]、李琦等[1]農業碳源類型劃分方法，構建東北地區農業碳排放總量測算公式如下：

式（1）中，C為農業生產碳排放總量（t標準碳）；i為農業碳源類型，取值1～4，依次代表農用物資、土壤、稻田和畜牧業；Ci為第i類碳源碳排放量（t標準碳）；j為不同溫室氣體種類，取值1～3，依次代表CO2、CH4和N2O；Xij為第i類碳源排放的第j類溫室氣體實際測算量（t），σj表示第j類溫室氣體與標準碳間折算系數。

選取2017年1月～2018年1月我院收治的行手術治療符合圍手術期急性衰傷的患者80例作為研究對象，主要采用回顧分析法對患者的病例治療進行分析、總結，并對圍手術期急性腎衰傷患者的預后進行總結。其中，男40例，年齡22～78歲，平均年齡（51.25±5.66）歲，女40例，年齡20～77歲，平均年齡（50.99±5.84）歲。

1.農業物資CO2排放。農業生產過程中消耗大量農業物資，間接造成農業碳排放。根據李琦[1]、智靜等[9]研究成果，依據東北地區實際情況，將農用物資碳排放源劃分為化肥、農藥、農膜、柴油及農業灌溉。碳排放量計算公式如下：表第m類農用物資投入使用量（t或萬hm2），m取值1～5。am1表示第m類農用物資CO2排放系數，取值如表1所示。

表1 主要農用物資CO2排放系數

2.農業土壤N2O排放。農作物種植和生產過程中定期翻耕土壤，導致土壤表層破壞，釋放大量溫室氣體，其中以N2O最顯著。依據李波等研究[10]及東北地區實際情況，計算不同農作物生長周期內土壤N2O排放系數（見表2），其他旱地作物主要包括東北地區種植面積較大的馬鈴薯、油料作物和花生。建立土壤N2O排放測算公式如下：

第一步，按每條測線導出通過專業軟件例如RADAN7進行數據處理與人機交互解釋后得到的每個翻漿冒泥病害區域底界離散的邊界控制點的集合信息，生成按測線排列的鐵路線路翻漿冒泥病害區域底界坐標控制點數據文件即離散的邊界控制點的Excel報表。

式（3）中，X23是農業土壤N2O排放量（t），Bn代表第n類農作物種植面積（萬hm2），bn3為第n類農作物土壤N2O排放系數，取值如表2所示。

表2 不同農作物土壤的N2O排放系數(t/萬hm2)

2.農業碳排放影響因素LMDI分解。因素分解方法主要原理是分解主分析參數影響因素，并研究主參數關鍵影響因素。由于對數平均指數分解法（LMDI）在分解過程和結果解釋方面具有較好適用性，故運用LMDI分解方法探討東北農業碳排放關鍵影響因素[12]。根據LMDI分解模型定義，第t期農業碳排放量（Ct）相當于基期（Co）變動量可表示為：

式（11）中ΔCHt、ΔCIt、ΔCSt、ΔCTt和ΔCPt分別表示農業碳排放結構因素、農業效率因素、農業結構因素、農業經濟因素和勞動力因素對研究期內農業碳排放的影響變動量。借鑒LMDI分解方法，可將上式影響因素項表示為:

目前應用較廣泛的脫鉤模型主要有兩種：一是OECD提出的基于初期值和末期值的脫鉤因子模型；二是芬蘭未來研究中心Petri Tapio教授提出的基于碳排放與經濟產值變化率比的脫鉤指數模型。Tapio脫鉤模型將研究對象總量變化和相對量變化綜合考慮，并以時間為尺度反映變量間脫鉤關系變化，準確性和客觀性比OECD模型更佳[11]。依據Tapio脫鉤模型，針對東北地區農業經濟發展與碳排放量間脫鉤關系，構建脫鉤模型：

式（4）中，X32是農業稻田CH4排放量（t），Ei代表東北各省中季稻種植面積（km2），i取值1～3。ei2是東三省水稻生長周期內CH4排放系數，具體排放系數如表3所示。

（5）勞動力因素（Pt）：農業勞動力數量是農業生產重要影響因素，選取農業總勞動力人數Pt作為勞動力指標，即勞動力因素Pt=Pt。

表3 東三水稻生長周期內CH4排放系數(t/km2)

1.東北地區農業碳排放脫鉤效應分析。根據上述東北地區農業碳排放量測算結果，結合Tapio脫鉤評價模型，計算東北地區2001—2014年農業碳排放量與農業經濟增長間脫鉤彈性指數，見表8?？傮w而言，研究期內東北地區農業碳排放脫鉤狀態以弱脫鉤為主，2010—2014年脫鉤彈性指數維持在0.8以下，即東北地區農業碳排放增速總體低于農業經濟產值增速，說明近年來東北地區在農業低碳減排方面取得成效。具體而言，東北地區農業碳排放脫鉤狀態演變過程可劃分為三個階段：第一階段（2001—2006）為弱脫鉤階段，該階段農業碳排放總量穩步增長，與此同時農業經濟產值不斷增加，且增速始終高于農業碳排放增速，脫鉤狀態以弱脫鉤為主。第二階段（2006—2010年）為大幅波動階段。該時期農業碳排放量出現較大幅度波動，而農業經濟產值增長較平緩，農業碳排放與農業經濟增長間關系往往伴隨農業碳排放總量波動而表現為不同脫鉤狀態，分別出現擴張負脫鉤、強脫鉤、增長連接狀態。第三階段（2010—2014）為弱脫鉤階段。該階段農業碳排放總量漸趨平穩，同時農業經濟產值穩步增長，且增速始終高于碳排放增速，連續四年保持弱脫鉤。

式（5）（6）中，X42、X43分別表示牲畜養殖CH4和N2O排放總量（t）；Yf為第f種牲畜養殖數量（千頭）；yf1、yf2、yf3分別為第f種牲畜腸道發酵排放CH4系數、糞便排放CH4系數和糞便排放N2O系數。田云等[8]研究畜牧業主要牲畜CH4和N2O排放系數，結合東北地區牲畜養殖現狀，選取牛、馬、驢、騾、豬、山羊和綿羊七類主要養殖品種測算碳排放，各類牲畜排放系數如表4所示。

表4 主要牲畜種類CH4和N2O排放系數(t/千頭)

（二）農業碳排放脫鉤效應分析

脫鉤概念最早出現在物理學領域，表示原本聯系較密切的變量間關系逐漸淡化甚至完全脫離現象。世界經濟合作與發展組織（OECD）首次將脫鉤分析方法運用于環境與經濟學研究，分析發達國家工業化過程中經濟增長與能源消耗間變動關系[11]，主要使用脫鉤模型分析具體領域的行業經濟增長與能源消耗不同步變化，旨在反映我國碳排放量與經濟增長關系。

抗病品種的選育可以從根本上減少病害的發生和發展，分子生物學作為選育抗病品種的主要方法在近些年已經得到高度的重視，抗病育種時可以針對不同地區的氣候特點進行抗病育種，得到針對該地區的抗病品種?？共∑贩N不僅可以提高蔬菜糧食的產量同時也可以減少農藥的污染，但目前分子生物學方法選育的抗病品種仍然存在一些問題。

式（7）中，e（C，G）代表農業碳排放與農業經濟增長間脫鉤彈性指數，ΔC表示研究期內碳排放變化量（萬t），C表示研究初期碳排放量（萬t），ΔG表示研究期內農業經濟產值變化量（億元），G為研究初期農業經濟產值（億元）。依據e（C，G）、ΔC、ΔG不同數值組合，將農業碳排放量與農業經濟增長間脫鉤狀態劃分為八種類型，見表5。由表5可知，強脫鉤代表農業經濟與碳排放協調發展達到最佳狀態，強負脫鉤表明在農業經濟衰退時，碳排放量反而增加。

（三）農業碳排放影響因素的LMDI分解

上述脫鉤模型主要用于反映東北地區及東三省農業經濟產值變動量與碳排放變動量間脫鉤關系，但僅從總量上分析農業產值脫碳狀況，因此本文在改進Kaya恒等式基礎上應用LMDI分解方法解析碳排放具體影響因素，進一步說明下列問題：東北地區及東三省農業經濟發展與碳排放量間脫鉤關系變動影響因素，是否為促進農業碳排放量增加抑制因素。

1.農業碳排放因素分解的Kaya恒等式。以Kaya恒等式為基礎，建立東北地區農業碳排放因素分解模型。Kaya恒等式由Yoichi Kaya在IPCC會議上首次提出，表達式為：

其中C、POP與GDP分別代表CO2排放量、國內人口總量與國內生產總值。依據東北地區農業經濟和碳排放實際特點，完善Kaya恒等式分析模型，將碳排放結構、農業結構等影響因素加入模型中，使模型更符合東北農業特點，構建農業碳排放分解模型如下：

式（9）中，Ct為t期農業碳排放總量（萬t），Cit為t期第i類碳源碳排放總量（萬t），i取值為1～4，Gt為t期農牧業產值（億元），Nt為t期農業總產值（億元），Pt為t期農業勞動力數量（萬人）。由此，將引發農業碳排放量變動因素分解為：

對照組（122人）采用傳統的非整合課程教學方法進行授課；觀察組（110人）采用整合后的課程設置，將整合醫學思維融入到教學中。兩組學生的授課教師、教學大綱相同，教材均為全國高等醫藥院校規劃教材。

莫斯科國立大學世界政治學院院長安德烈·科科申認為，北京香山論壇所能作的貢獻，已經不局限于亞太地區安全與合作，中東安全問題出路、恐怖主義威脅與應對、人工智能與戰爭形態演變等攸關世界安全格局的熱點，都是大會的議題，“匯集參會代表的觀點和智慧，將有助于提供一些有價值的解決方案”。

則式（9）可簡化為：

2.2.1 我國群眾體育研究的高產作者分析 表1為我國群眾體育研究的高產作者統計表，從表1中可以發現，我國群眾體育研究發文量最多的作者是上海大學的楊小明，然而發文量也僅為6篇，這說明我國學者對于群眾體育的研究力度還遠遠不夠。

表5 脫鉤狀態分類與評價標準

3.稻田CH4碳排放。根據田云、張俊飚[7]研究成果測算東北地區稻田CH4產生和排放情況。根據東北地區實際情況，建立稻田CH4排放測算公式如下：

式（2）中，X11為農用物資CO2排放量（t），Am代

（四）數據來源

本文相關數據均取自國家統計局統計數據、《中國農業統計年鑒》以及東北三省統計公報。其中碳排放量測算中各類農業物資消耗量、主要農作物播種面積和因素分解中各省農業產值主要取自國家統計局年度數據。其余數據來自《中國農業統計年鑒》以及東北三省統計公報中相關數據的整理和計算。設定時間尺度為2001—2014年。為保證經濟產值數據時間可比性，各年農牧業總產值、農業總產值數據均以1995年為基準價格換算后使用。

二、研究結果與分析

（一）農業碳排放量時序特征

1.東北地區農業碳排放時序特征。依據公式（1）～（6）測算出2001—2014年東北地區農業碳排放總量，見表6。

由表6可知，東北地區農業碳排放量整體呈上升趨勢，除2008年略有減少外，其余年份碳排放量均在增加，從2001年1 908.75萬t增加至2014年2 713.71萬t，年均增加量為61.92萬t。東北地區農牧業經濟產值也從2001年2 381.22億元增至2014 年5 200.40億元，且農牧業碳排放量增速明顯低于農牧業經濟產值增速，所以該時期碳排放強度系數呈下降趨勢，從2001年0.80萬t/億元降低到2014年0.52萬t/億元。表明近年來東北農業每億元經濟產值碳排放量不斷降低，主要因該時期國家和地方推出系列農業支持措施，加之東北農業技術水平和生產效率提高，農業經濟發展狀況總體趨好。

GC-Osme由氣質聯用儀（Agilent 7890A-5975C）與嗅聞裝置（ODP2）共同完成。聞香評價方法采用GC-Osme。實驗由兩名聞香經驗豐富的研究人員進行（均為男性），一名為經過4年GC-O訓練的專業人員，一名為有8年以上從事酒類感官分析的研究人員進行GC-Osme分析。實驗過程中記錄每個香氣成分出現的時間、香氣特征和強度。強度采用5分制，其中，1表示微弱氣味、3表示中等強度、5表示非常強烈的氣味，而2和4則表示介于這三者之間的強度，最終強度以兩人的平均值計。

表6 2001—2014年東北地區農業碳排放量變化情況

從東北地區農業碳排放總量構成而言，在研究期內，畜牧養殖排放在農業碳排放總量中占比最高，多年平均占比達41.25%，是東北地區農業碳排放最主要碳源，但占比總體呈下降趨勢。這是因近年來牲畜市場價格和飼料等養殖成本大幅波動，導致農民牲畜養殖積極性下降，牲畜養殖量減少。其他三類碳源排放量在碳排放總量中比重總體呈上升趨勢。農業物資碳排放在總量中占比為39.81%，年均產生碳排放940.24萬t，是農業碳排放第二大碳源，在總量中占比可分為初期波動變化（2001—2005年）和后期持續增加（2005—2014年）階段。而土壤和稻田CH4產生的碳排放量相對較少，平均占比分別為10.79%和8.15%，年均碳排放量分別為252.86萬t和192.74萬t，兩者在總量中占比在初期下降和波動變化后，近年來總體呈緩慢上升趨勢。

點對多點的傳輸模式實現了雷達鏈路的備份、同時雷達數據可以同時傳送至多個網絡中的目標用戶、可以進行服務器間的合理切換，極大的加強了了雷達數據的安全保障。

2.東北各省農業碳排放量時序特征。根據東三省農業碳排放情況，由表7可知，2001—2014年東北三省中黑龍江省農業碳排放量最大，多年累積排放量為13 862.91萬t，占三省總排放量的42.32%，且黑龍江省每類碳源碳排放量均顯著高于其他兩省。吉林省碳排放量居中，多年累積排放量為9 852.69萬t，占三省碳排放總量30.08%。遼寧省碳排放量相對較少，多年累積排放量為9 041.66萬t，占總排放量27.60%，除稻田CH4碳排放外，遼寧省其余碳源碳排放量均為最低。從不同碳源碳排放貢獻值而言，農業物資和畜牧養殖碳源對各省碳排放總量貢獻值較大。黑龍江省最大碳源是農業物資，其次是畜牧養殖，兩者碳排放量分別占全省排放總量38.81%和36.49%。吉林省最大碳源是畜牧養殖，其次為農業物資，兩者占比分別為45.97%和39.56%。遼寧省農業物資和畜牧養殖碳源占比分別達到42.97%和41.67%。土壤和稻田CH4碳源對各省碳排放量貢獻值均較小，兩者在各省碳排放總量中平均占比分別為10.66% 和7.52%。

第一，學生切實體會生活，獲取一手資料。鐘啟泉教授曾經說過“要想讓學生學好語言，用好語言，那就得首先讓他們有思想、有情感。否則，就只能是陳詞濫調或無病呻吟”。怎樣讓學生成為感情豐富的人，最好的辦法就是老師有目的地啟發學生感知生活，快樂地投入到生活之中，那么生活自然會回饋你真實的情感，是無法被人代替的，因為同一件事，不同的人會有不同的體會，這就是你自己的一手寶貴資源，再加上老師的寫作技巧，有心的學生可以從這些一手資料中悟出深刻的人生哲理，從而進行“生活寫作”。

表7 2001—2014年東三省農業碳排放情況

從農業碳排放量變化趨勢而言，如圖1所示，研究期內東北地區和各省農業碳排放總量均呈不斷上升趨勢，且各省上升速率差異較大。黑龍江農業碳排放量最高，且近年來增長較快，與其他兩省碳排放量差距不斷擴大。吉林和遼寧農業碳排放量低于黑龍江，增速緩慢，近年來兩省碳排放量較接近。

圖1 2001—2014年東北地區農業碳排放量變化趨勢

（二）農業碳排放脫鉤效應分析

4.牲畜養殖碳排放。牲畜養殖碳排放主要包括牲畜腸道發酵的CH4排放以及糞便處理過程中CH4和N2O排放[6]，計算公式如下：

2.東北各省農業碳排放脫鉤效應分析。從東北各省脫鉤狀態而言，如表9，三省農業碳排放脫鉤狀態差異較大。黑龍江省農業碳排放脫鉤狀態最不理想，研究期內主要呈現“弱脫鉤-波動-弱脫鉤”變化趨勢，平均脫鉤彈性指數為0.81，平均脫鉤狀態為增長連接，即從2001—2014年總體而言，黑龍江農業碳排放平均增速與農業經濟平均增速接近，未出現明顯脫鉤趨勢。吉林和遼寧農業脫鉤狀況優于黑龍江，研究期內兩省農業碳排放平均脫鉤彈性指數分別為0.65和0.54，平均脫鉤狀態均為弱脫鉤，即2001—2014年吉林和遼寧農業碳排放平均增長率明顯低于農業經濟平均增長率，農業低碳減排政策取得一定成效。

表8 東北地區農業碳排放與彈性脫鉤指數

表9 東三省農業碳排放脫鉤指數與狀態

（三）農業碳排放影響因素分析

綜上所述，對于L5S1椎間盤突出的患者，尤其是在節段位于椎間孔或椎間孔外型突出者，在應用脊柱內鏡經椎間孔入路的時候，要在術前仔細判明髂棘高度以及突出間盤所在的位置，從而決定在術中是否行椎間孔成形術以及是否需要進行更確切的“靶點穿刺”。

1.東北地區農業碳排放影響因素分析。本文在完善Kaya恒等式基礎上，采用LMDI分析方法分解2001—2014年東北地區農業碳排放影響因素，分別得到研究期內農業碳排放結構因素、農業效率因素、農業結構因素、農業經濟因素和勞動力因素每年對東北農業碳排放總量的貢獻值，計算結果如表10所示。

表10 東北地區農業碳排放驅動因素分解結果(萬t)

農業經濟因素和碳排放結構因素對東北地區農業碳排放具有促進作用。其中農業經濟因素是農業碳排放最主要促進因素。2001—2014年經濟因素引起農業碳排放累計增加量為1 892.86萬t（年均增加145.60萬t），達到該時期農業碳排放實際變動量的235.12%。近年來在國家農業政策支持下，東北地區農業生產力不斷提高，人均農業經濟產值不斷增加，隨著農業經濟規模擴大，農業物資消耗等碳源造成的碳排放量隨之增加。從經濟因素變化特征而言，其引發的碳排放量波幅較大，對總體碳排放量影響較大，且近年來未出現較明顯下降趨勢。碳排放結構因素對農業碳排放量影響較小，研究期內對農業碳排放增量累計貢獻值僅0.08萬t（年均增加0.0062萬t），每年碳排放貢獻量較穩定。

農業效率因素、農業結構因素和勞動力因素對農業碳排放量抑制作用程度不同。其中，效率因素抑制效果最強，即東北地區農業生產率提高將極大減少碳排放量。研究期內效率因素共減少東北地區農業碳排放975.12萬t（年均減排75.01萬t），達到該時期農業碳排放實際增加量的121.13%。從效率因素變化特征而言，每年消減的碳排放量波幅很大，有些年份甚至對碳排放總量起促進作用，2011—2014年基本穩定在每年減排約70萬t。隨著東北地區農業科技和先進農業機械大規模應用，農業生產中單位產值碳排放量呈下降趨勢，伴隨生產效率提升，效率因素對農業減排也產生較大作用。勞動力因素和農業結構因素對農業碳排放量具有一定抑制作用，研究期內二者分別減少農業碳排放75.69萬t（年均減排5.82萬t）和37.08萬t（年均減排2.85萬t），達到該時期農業碳排放實際增加量的9.40%和4.61%，在變化趨勢上，二者碳排放貢獻值變化幅度較小，有些年份在正負間交替波動。

2.東三省農業碳排放影響因素分析。根據各省農業碳排放量分解情況，由表11可知，2001—2014年五類影響因素共引起東北農業碳排放累計增量805.10萬t，其中黑龍江省碳排放增量最大，多年累積增加453.60萬t，占東北地區累積增量的56.3%。遼寧碳排放增量居中，研究期內五類因素共引起碳排放增量185.96萬t，占東北地區累積增量的23.1%。吉林碳排放增量在三省中相對最少，多年累積增量為165.54萬t，占東北地區累積增量的20.56%。

表1 12001—2014年東北各省農業碳排放影響因素分析

從各省碳排放影響因素而言，經濟因素是農業碳排放增加最主要促進因素，而效率因素是最主要抑制因素。黑龍江研究期內經濟因素累積增加碳排放量為931.60萬t，而效率因素共實現減少碳排放量400.60萬t，兩者分別達到全省碳排放實際增量的205.40%和88.33%。吉林研究期內經濟因素累積增加碳排放量為563.06萬t，而農業效率因素共實現減少碳排放389.60萬t，兩者分別達到全省碳排放實際增量的340.14%和235.40%。遼寧研究期內經濟因素累積增加碳排放451.42萬t，農業效率因素共減少碳排放231.40萬t，兩者在全省碳排放實際增加量中占比分別為242.70%和124.40%。三省碳排放影響因素的共同特征，主要反映隨農業經濟規模不斷擴大，農業物資消耗等碳源碳排放量總體會隨之增加，進而影響農業碳排放總量。提高農業生產效率是農業低碳減排重要途徑。勞動力因素、農業結構因素和農業碳排放結構因素對三省碳排放增量影響均相對較小，三者在各省碳排放實際增量中多年平均占比分別為-6.28%，-7.12%和0.01%，見表11。

綜上所述，東北地區農業碳排放量變動是碳排放結構、農業效率、農業結構、農業經濟和勞動力等多因素共同影響結果。從東北地區而言，效率因素、結構因素和勞動力因素對農業碳排放量具有抑制作用，效率因素是最主要抑制因素；碳排放結構因素和經濟因素對碳排放量具有促進作用，其中農業經濟因素是最主要促進因素。從各省具體情況而言，經濟因素是農業碳排放增加最主要促進因素，而效率因素則是最主要抑制因素，其余三類因素影響相對較小，從東北地區及各省情況而言，碳排放促進因素引發的碳排放增量均大于抑制因素產生的消減量，因此研究期內東北地區及各省農業碳排放量總體呈上升趨勢，農業低碳減排依然面臨較大壓力。

三、結論與政策建議

本文測算2001—2014年東北地區農業碳排放總量，并運用Tapio脫鉤模型和LMDI分解方法，解析東北地區及各省農業碳排放脫鉤效應和影響因素。主要結論如下：

2.3 兩組孕婦血脂水平比較 觀察組孕婦血脂指標FPG、TG顯著低于對照組，差異有統計學意義(均P<0.05)；兩組孕婦TC、HDL-C、LDL-C水平比較，差異無統計學意義(均P>0.05)。見表3。

第一，在碳排放總量方面，東北地區農業碳排放量整體呈上升趨勢，從2001年1 908.75萬t增加至2014年2 713.71萬t，平均年增加61.92萬t。黑龍江農業碳排放量最高，其次是吉林，遼寧碳排放量最低。農業物資和畜牧養殖是農業最主要碳排放源，而土壤翻耕和稻田CH4碳排放量相對較小。

第二，在農業碳排放脫鉤狀態方面，2001—2014年東北地區農業經濟平均增速6%，明顯高于農業碳排放量增速（3%），農業碳排放脫鉤狀態總體以“弱脫鉤”為主，演變過程可概括為“弱脫鉤-波動-弱脫鉤”階段，且近年來碳排放脫鉤彈性指數呈下降趨勢。黑龍江農業碳排放脫鉤狀態最不理想，平均脫鉤狀態為增長連接。吉林和遼寧農業脫鉤狀況優于黑龍江，平均脫鉤狀態均為弱脫鉤，三省脫鉤狀態逐漸趨向穩定。

農村飲水安全自動化監控技術研究及應用前景分析……………………………………………… 胡 孟，李曉琴(8.66)

第三，在碳排放影響因素方面，從東北地區而言，農業效率因素、結構因素和勞動力因素對農業碳排放量起抑制作用，農業經濟因素和碳排放結構因素對農業碳排放量起促進作用，經濟因素是東北地區農業碳排放最主要驅動因素。從各省具體情況而言，經濟因素是各省農業碳排放增加最主要促進因素，而農業效率因素是最主要抑制因素，其余三類因素貢獻值相對較小。隨農業經濟規模增加，農業碳排放量總體增加，提高農業生產效率是發展低碳農業重要途徑。

獨活為傘形科植物重齒毛當歸(Angelica pubescens Maxim.f.biserrata Shan et Yuan)的干燥根，被收載于《中國藥典》[1]，被《神農本草經》列為上品，“久服，輕身、耐老”，具有祛風除濕、通痹止痛之功效。在甘肅、湖北、重慶、四川均有分布，并在湖北省巴東、恩施、資丘、長陽、五峰等地有大面積種植，已有300多年的栽培歷史?，F代研究發現，獨活還具有抗心律失常、抗腫瘤、抗胃潰瘍等作用，具有更遠大的藥用前途；其乙醇提取物具有很好的抑制植物病菌作用，在植物源農藥領域的應用前景廣闊；此外獨活油還被應用在化妝、保健等領域[2]。

基于上述研究結論，同時考慮東北地區農業經濟發展在維護國家糧食安全、保障地區經濟發展方面的重要意義，提出以下對策建議：第一，應成立區域農業減排協調機構，根據三省農業生產和減排情況制定減排措施，因地制宜，同時協調整個區域政策實施。第二，提高農業物資使用效率，并根據市場情況調整農牧業結構，將畜牧業碳排放控制在合理范圍內，黑龍江應通過生產效率提升改變“高消耗、高排放”農業發展模式。第三，提高勞動力素質，政府應對農業勞動力開展相關技術培訓，并加大先進農業生產技術宣傳和推廣力度。

［1］李琦,韓亞芬.安徽省農業碳排放的脫鉤效應及影響因素研究[J].安徽農業大學學報（社會科學版）,2016(2).

［2］蔣春陽.吉林省低碳農業發展問題研究[D].長春:吉林大學, 2015.

［3］師帥,陳紅.東北三省發展低碳農業影響因素研究[J].商業研究,2013(5).

［4］陳瑤.東北三省低碳農業發展的SWOT量化分析[J].農場經濟管理,2013(9).

［5］賀愛忠,劉盼.中國流通業CO2排放的因素分解和脫鉤分析[J].中國環境科學,2015(3).

［6］馮博,王雪青.中國各省建筑業碳排放脫鉤及影響因素研究[J].中國人口·資源與環境,2015(4).

［7］田云,張俊飚.中國農業生產凈碳效應分異研究[J].自然資源學報,2013(8).

［8］田云,張俊飚,李波.中國農業碳排放研究:測算、時空比較及脫鉤效應[J].資源科學,2012(11).

［9］智靜,高吉喜.中國城鄉居民食品消費碳排放對比分析[J].地理科學進展,2009(3)．

［10］李波,張俊飚,李海鵬.中國農業碳排放時空特征及影響因素分解[J].中國人口·資源與環境,2011(8).

［11］李晨,遲萍,邵桂蘭.我國遠洋漁業碳排放與行業經濟增長的響應關系研究——基于脫鉤理論與LMDI分解的實證分析[J].科技管理研究,2016(6).

［12］苑清敏,張文龍,寧寧寧.京津冀物流業碳排放驅動因素及脫鉤效應研究[J].科技管理研究,2016(5).

F327

A

1672-3805(2016)06-0001-10

2016-10-26

王強（1977-），男，中國石油大學（華東）經濟管理學院教授，博士生導師，博士，研究方向為能源與區域發展、熱點能源與碳排放問題等。