江蘇省農業碳排放動態變化影響因素分析及趨勢預測*

趙 宇

(江蘇理工學院商學院，常州 213001)

0 引言

減排已成為全球共識，我國作為最大的發展中國家，減排任務迫在眉睫[1]。農業作為我國的基礎產業，農業碳排放問題備受關注。據相關數據顯示， 2000年以來，我國農業碳排放以3%的增速上漲，約占碳排放量的10%，高碳排放量必然引發環境問題，而正確探索高碳排放因素以及分析其發展趨勢是當前首要任務[2]，基于此，科學辨識農業碳排放動態變化的影響因素及趨勢并提出合理化建議對于我國減排問題具有重要意義，有助于解決環境問題。

農業碳排放與我國的環境問題緊密相連，因此農業碳排放研究一直是各領域學者研究的重點[3-4]。近年來，多數學者從多個方面研究農業碳排放，主要從農業碳排放的測度、時空變化、影響因素、與經濟發展的關系4方面進行分析。如吳賢榮等[5]利用DEM模型，基于我國農業的期望產出和非期望產出測算農業碳排放量，結果表明，我國農業碳排放量總體上呈上升趨勢； 劉立平[6]以河南省為研究區，研究河南省農業碳排放的時空變化，結果表明，河南省農業碳排放量較高的地區為耕地面積較大、農業在區域經濟中占有重要地位的地區； 張小平等[7]以甘肅省為例，基于LMDI模型分析影響農業碳排放的因素，研究結果顯示，農業經濟發展和農業勞動力能夠促進農業碳排放總量的發展，相反，生產效率和產業結構具有抑制作用； 李立[8]揭示了黃淮海平原農業碳排放與經濟增長的脫鉤關系。總體來看，國內研究農業碳排放著重于單一研究，主要是對于現狀和影響因素的研究，但并未揭示未來農業碳排放發展的可能性。基于此，文章基于農業碳排放2000～2015年的面板數據分析其影響因素，揭示2000～2015年江蘇省農業碳排放變化規律； 并采用多元回歸分析模型分析江蘇省碳排放影響驅動力，采用灰色預測模型GM(1， 1)預測2016～2030年江蘇省碳排放量，以期為江蘇省減排任務提供理論基礎。

1 研究區概況及研究方法

1.1 研究區概況

江蘇省位于中國大陸東部沿海，長江下游地區，東臨黃海，東南毗鄰上海和浙江，西接安徽，北接山東，介于北緯30°45′～35°20′，東經116°18′～121°57′，總面積10.72萬km2，共13個市區，總人口為7 998.6萬人[11]。江蘇屬溫帶亞熱帶過渡性氣候，年均氣溫13～16℃。江蘇省是有名的“魚米之鄉”，農業生產條件得天獨厚， 2016年江蘇省耕地面積458.3萬hm2，人均耕地574m2，農作物播種面積為7 676.9萬hm2，其中，有效灌溉面積為405.41萬hm2，機耕面積為593.96萬hm2，農業機械總動力為4 906.55萬kW，化肥施用量312.52萬t，占全國5.23%，農藥使用量7.62萬t，占全國8.89%，農膜使用量11.39萬t，占全國6%，糧食產量達3 466萬t。江蘇省雖然經濟發展較快，但其農業發展很大程度上依賴于化肥、農藥及薄膜的使用，導致農業生態環境污染嚴重，農業碳排放量顯著增長，制約了農業經濟發展。

江蘇省作為全國經濟發展迅速的省份，同時也是農業大省[9]。2016年江蘇省農業總產值達7 235.1億元，同比增長2.9%。江蘇省農業發達，農業碳排放相對較高[10]，且江蘇政府一直致力于農業減排，但農業減排的首要前提是辨析影響江蘇省農業碳排量的因素，因此合理有效解決碳排放問題，正確分析其影響因素及有效模擬是首要前提。

1.2 研究方法

1.2.1 農業碳排放的測算

如何科學的構建農業碳排放測算體系，一直是學術界不斷探究的問題之一。農業對凈碳排放量的貢獻主要包括生命周期內產生的直接或間接的碳排放量、農業碳固定以及生物質能源的減排效應。結合上述考慮以及現有研究成果及數據的可獲取性[6-7， 11]，該文主要從投入角度計算幾個要素使用而產生的碳排放量：化肥施用方面、農藥施用方面、地膜使用方面、柴油使用方面、土地灌溉方面、土地翻耕方面。農業碳源數據均來源于《江蘇省統計年鑒(2001～2016)》，其中土地翻耕方面用當年農作物耕種面積表示。農業碳排放量計算公式：

C=∑Ci×Δi

(1)

式(1)中，C為農業碳排放量；Ci表示碳源量；Δi表示碳源排放系數。

1.2.2 多元回歸分析

多元回歸模型是研究多個自變量與一個因變量之間是否存在某種線性或非線性關系的一種統計學分析方法，主要目的在于分析多個自變量與一個因變量之間的數量關系，量化解釋變量對因變量的影響程度[12-13]，可以很好地滿足該文研究需要，因而引入回歸模型探尋各影響因素(自變量)對碳排放量(因變量)的貢獻程度。因碳排放量由多種因素造成，故其影響因素構成較為復雜，既涉及資源環境、氣候等自然條件，同時也涉及社會經濟水平、產業結構及消費習慣等社會因素密切相關。綜合參考以往學者的研究成果，針對江蘇省的區域特性，凝練出江蘇省農業碳排放影響因素。鑒于數據的可獲取性，該文基于SPSS軟件選取單位農業能源消耗(X1)、農業人口人均GDP(X2)、城鎮化率水平(X3)、財政支農資金數額(X4)及農業科研人員數量(X5)5個影響因子對江蘇省農業碳排放進行影響因素分析。這些影響因子相關數據來源于《江蘇省統計年鑒(2001～2016)》。回歸模型公式為：

Y=A0+A1X1+A2X2+…+A5X5+B

(2)

式(2)中，A為回歸常數，A1，A2，…，A5為回歸系數；Y為因變量；B為隨機誤差。

1.2.3 灰色預測模型 GM(1.1)

灰色預測模型的基本原理是基于對原始數列逐步加大或者減少，以對原始數列在應用過程中累加而生成這樣的數據處理方法，在此基礎上可以得到一條具有指數增長規律的上升形狀數列，它具有所需樣本少、不需要計算統計特征量等優點[14-16]，是處理小樣本預測問題的有效工具。鑒于此，該文引入灰色預測模型模擬2020～2030年江蘇省農業碳排放量情況，模型：

x(0)(k+1)=T(1)x(1)(k+1)-x(1)(k)

(3)

式(3)中，T表示轉置；當k=1， 2，…，n-1時，x(0)的擬合值是x(0)(k+1)； 當k≥N時，可得原始序列x(0)預報值。

2 結果與分析

2.1 碳排放動態變化分析

圖1 2000～2015年江蘇省農業碳排放動態變化

2000～2015年江蘇省農業碳排放量計算結果如圖1。2000～2015年，江蘇省農業碳排放量呈現三段式變化。第一段變化期為2000～2003年，表現為小幅度的先增長后下降趨勢，可能歸因于政府對于農業的扶持力度有所增加造成農民對于農業的短期熱度。隨著對于生態環境保護的重視，限制農藥、化肥施用量及地膜使用量，進一步控制了工業碳排放量； 第二段變化期為2004～2010年，農業碳排放量呈現出快速增長趨勢。土地深耕、灌溉已基本實現機械化，故造成碳排放量的大量增加； 2011～2015年，農業碳排放總量開始緩步減少。分析其原因為近年來江蘇省大力提高農業機械化水平，據統計， 2011年江蘇省農業綜合機械化水平高達74%。同時， 2012年，政府加大了柴油型機械的管制力度，大力提倡清潔型能源全面代替不可再生能源，碳排放量開始步入緩步減少狀態。

2015年江蘇省各地市碳排放量如表1。由表1可以看出， 2015年江蘇省農業碳排放量存在顯著的空間異質性，且在各碳源排放量方面存在顯著差異。從碳排放總量方面來看，徐州市、南京市、南通市、鹽城市、宿遷市碳排放總量較高，徐州市經濟發展水平處于全省第6位，且基本農田面積高達56.9萬hm2，農業碳排放量居全省第1位。碳源方面來看，化肥的施用造成的碳排放量遠遠高于其他碳源的影響，鹽城市、徐州市、南京市施用化肥造成的碳排放量高于25萬t。除此之外，也可以發現，經濟發展水平相對較好的地區地膜的使用造成的農業碳排放量也相對較高。目前來看，灌溉及機耕對于農業碳排放量的貢獻相對較小，未來隨著農業技術水平的發展灌溉及機耕的碳源污染將會進一步降低。

2.2 碳排放影響因素分析

通過測算可知，農業碳排放與各影響因子之間的多元回歸模型：

(4)

由式(4)可知，江蘇省碳排放變化的影響因子中，單位農業能源消耗(X1)影響度最大，偏相關系數為0.843，其次是農業人口人均GDP(X2)及財政支農資金數額(X4)，影響值分別為0.655及0.548，最后為城鎮化率水平(X3)，而農業科研人員數量(X5)對江蘇省碳排放的影響為-0.291。說明2000～2015年，在選取的各項指標中，農業能源消耗(X1)、農業人口人均GDP(X2)及財政支農資金數額(X4)對江蘇省碳排放的增長起主要推動作用，而城鎮化率水平(X3)對江蘇省碳排放的影響作用相對較小，農業科研數量(X5)對碳排放的減排起到積極作用。對于江蘇省農業碳排放的增長來說，農業能源消耗、農業人口人均GDP、財政支農資金數額為正向影響。鹽城、徐州等市農業能源消耗量較大，土壤污染嚴重，同時，在江蘇的礦區和蘇南工業發達地區周邊農地土壤受重金屬及難降解有機物的污染嚴重，土壤污染直接危及到農產品質量安全、生態安全及人體健康。近年來，江蘇省加強環境監測，將糧食主產區的土壤污染修復列為工作重點，并出臺相關法律、法規，減少化學肥料施用，引導農民使用有機肥，推行精準科學施藥。此外，大力農業廢棄發展資源轉化技術，扶持沼氣治理工程、有機肥加工工程、因地制宜推進秸稈能源化、肥料化、飼料化、基礎化、原料化利用，積極拓展秸稈利用渠道。支農資金的投入及農業人均GDP的增加使得農民更愿意進行農業生產，農業快速發展及農業規模的擴大在一定程度上使得農業碳排放量增加，使農業能源消耗也越大，農業碳排放量增加。農業科研人員數量的增長表明以科技發展農業，主要表現為農業機械耗油量的減少、清潔能源的使用，從而減緩碳排放量，故起到積極促進的作用。

2.3 碳排放趨勢預測分析

經由灰色預測模型GM運算得到2016～2030年江蘇省碳排放量的預測值，由表2可知，2016～2030年江蘇省碳排放量變化過程整體呈現出逐步下降的趨勢，變化區間為453萬～445萬t。其中， 2016～2030年農業碳排放量平均值約為449.25萬t，遠遠低于2000～2015年農業碳排放的平均值，這是由于近年來江蘇省意識到農業碳排放不斷上升問題的嚴重性，長此以往會導致居民生活水平的下降以及更為惡劣的生態污染，故頒布了一系列減少碳排放量、優化生態環境的法案，例如《江蘇農業基本現代化指標體系》《江蘇農業機械化水平評價指標體系》等，在此基礎上開展環境管理行動如人類與生物圈計劃、環境研究計劃、氣候變化研究計劃等研究計劃。這些措施在近年來已有一定的成效，政策的繼續實施將遏制江蘇省農業碳排放量，預計將會呈現出緩步下降走勢，江蘇省在今后的發展過程中還需加大節能減排力度，以順利達到減排目標。

表2 2016～2030年江蘇省碳排放值預測

年份201620172018201920202021202220232024202520262027202820292030碳排放預測值(萬t)453.2452.7451.9451.3451.1450452448445447449451447446445

3 結論與建議

3.1 結論

農業碳排放作為全球溫室氣體的重要來源，對氣候造成的威脅已不容忽視，尋求低碳農業經濟發展模式，嚴格監測并控制農業碳排放量，是當前我國農業發展的重要策略。該文對2000～2015年江蘇省農業碳排放量進行監測，并預測了2020～2030年碳排放量走勢。

(1)2000～2015年江蘇省農業碳排放量主要呈現三段式變化。2000～2003年，表現為小幅度的先增長后下降趨勢；2004～2010年，農業碳排放量呈現快速增長趨勢；2011～2015年，農業碳排放總量開始緩步減少。農業碳排放量變化幅度逐漸趨于穩定，表明江蘇農業減排已經取得初步成效。

(2)通過多元回歸分析對江蘇省碳排放量主要影響因素的預測結果表明，江蘇省農業碳排放量的主要正向促進因素依次是單位農業能源消耗、農業人口人均GDP、財政支農資金數額，其影響因子大小依次為0.843、0.655、0.548，結合江蘇省現實情況，減少農業能源消耗依然是未來農業減排的首要任務。農業科研人數的增加對抑制碳排放量的增長起到一定的作用。

(3)江蘇省農業碳排放呈顯著的空間差異，其中，徐州市、南京市、南通市、鹽城市、宿遷市碳排放總量較高，是未來農業減排重點關注城市，其他地區農業碳排放相對較低。

(4)由灰色預測模型GM運算得到2016～2030年江蘇省農業碳排放量的預測值，表明江蘇省農業碳排放量預計不會出現大幅增加趨勢，將會呈現出緩步下降趨勢。

3.2 建議

根據江蘇省農業碳排放測算及影響因素研究，基于江蘇省農業發展概況，為了減少其農業碳排放量，確保農業可持續發展，該文提出相關的政策和建議：(1)加大農業科技投入，培養農業科技創新人才。從江蘇省農業碳排放影響因素分析可知，農業科技人員的增長在很大程度上降低了江蘇省農業碳排放，與此同時，農業科技人員的加入也能夠為創新農業發展模式提供有力支撐。由于江蘇省內區域之間的農業發展差異明顯，各地區條件不同，對培育新型農業經營主體的類型要因地制宜、各有側重：對新型農業經營主體開展定期培訓，組織參觀考察農業科技先進典型和農業經營模式； 對新型農業經營主體加大財政補助力度，允許新型農業經營主體承擔部分財政項目，如現代農業示范和先進農業科技項目； 給予新型農業經營主體貸款、貼息貸款等支持。對于易災地區和經營風險較大的農業產業，如養殖業、育種業等，應提供更加優惠的保險政策。(2)提高農業人口待遇是降低江蘇省農業碳排放的推力。農業人口人均GDP決定了其在農業發展中的積極性，只有GDP的增加才能帶動他們對農業的積極投入，以新的創新模式來發展農業，提高農業科技含量，降低農業碳排放量，尤其應給予對降低農業碳排放有突出貢獻的農戶，讓其引領其他農戶發展新農業，以達到減排目標。(3)對于江蘇省全省而言，加強產業節能減排宣傳、大力發展新型能源、優化產業結構及能源結構等對于進一步降低碳排放具有重要作用。

農業碳排放問題是全球學者關注的熱點和重點前沿領域，既有評價指標選取及判斷的科學問題，同時也存在研究方法的適用性問題。該文運用多元回歸模型探究江蘇省農業碳排放動態變化影響因素，并基于灰色預測模型GM預測2016～2030年江蘇省農業碳排放量。較好地揭示了江蘇省農業碳排放強度的影響因子，可為江蘇省及我國政府制定碳減排政策提供科學依據。我國目前正處于城鎮化與工業化及農業現代化的快速發展階段，經濟增長對能源的消耗等形成較大壓力，如何促進我國經濟的實質性轉型，實現經濟發展與生態環境的協調發展是我國當前的重要挑戰。江蘇省作為我國農業大省之一，對其農業碳排放量影響因素的探究對于我國其他地區開展碳排放相關研究具有借鑒作用。但該文僅從整體層面、宏觀角度對江蘇省農業碳排放動態變化進行分析，探究影響因素的交互效應，實現經濟發展與農業生態環境的耦合協調發展是下一步研究的重點方向。

[1] 田云， 張俊飚，尹朝靜，等.中國農業碳排放分布動態與趨勢演進——基于31個省(市、區)2002～2011年的面板數據分析.中國人口.資源與環境， 2014, 24(7): 91～98

[2] 孫赫， 梁紅梅，常學禮，等.中國土地利用碳排放及其空間關聯.經濟地理, 2015(3)： 154～162

[3] 李秋萍， 李長建，肖小勇，等.中國農業碳排放的空間效應研究.干旱區資源與環境， 2015, 29(4): 30～35

[4] 龐麗. 我國農業碳排放的區域差異與影響因素分析.干旱區資源與環境， 2014, 28(12): 1～7

[5] 吳賢榮， 張俊飚，田云，等.中國省域農業碳排放：測算、效率變動及影響因素研究——基于DEA-Malmquist指數分解方法與Tobit模型運用.資源科學， 2014, 36(1): 129～138

[6] 劉立平. 河南省農業碳排放時空特征及影響因素研究.水土保持研究， 2014， 21(4)： 179～183， 189

[7] 張小平， 王龍飛.甘肅省農業碳排放變化及影響因素分析.干旱區地理， 2014, 37(5): 1029～1035

[8] 李立， 周燦，李二玲，等.基于投入視角的黃淮海平原農業碳排放與經濟發展脫鉤研究.生態與農村環境學報， 2013, 29(5): 551～558

[9] 郭忻怡， 閆慶武，譚曉悅，等.基于DMSP/OLS與NDVI的江蘇省碳排放空間分布模擬.世界地理研究， 2016, 25(4): 102～110

[10]陸尤尤. 基于“壓力—狀態—響應”機制的江蘇省農業面源污染研究.南京：南京農業大學， 2012

[11]吳梅. 江蘇省碳排放驅動因素的動態特征研究.南京：南京信息工程大學， 2015

[12]廖順寶， 姬廣興，侯鵬敏，等.面向糧食產量空間化的多元回歸分析模型中的兩個關鍵問題探討.自然資源學報， 2015, 30(11): 1922～1932

[13]梁友嘉， 徐中民.基于GIS的降水多元回歸模型在黑河干流山區的應用.草業科學， 2011, 28(9): 1581～1588

[14]盧陽. 基于灰色線性回歸組合模型的金融預測方法.統計與決策, 2017(10)： 91～93

[15]顧景枝， 余國新，陳文博.新疆林果業生產風險度量與評估——基于GM(1， 1)模型與信息擴散理論的實證分析.中國農業資源與區劃， 2015, 36(6): 82～88

[16]張貴軍， 朱永明，張蓬濤，等.石家莊市耕地資源人口承載力評價.中國農業資源與區劃， 2013, 34(6): 120～126