中國農業碳排放經驗分解與峰值預測
——基于動態政策情景視角

褚力其 姜志德* 任天馳

(1.西北農林科技大學 經濟管理學院，陜西 楊凌 712100；2.中國農業大學 經濟管理學院，北京 100101)

農業低碳生產是鄉村振興戰略的重要指示，也是建設美麗中國的內在需要。然而，我國農業生產方式仍是粗放的，存在著諸如地力破壞、面源污染和生態系統退化等的一系列問題，特別是生產要素浪費等原因引發碳排放量的提升，嚴重影響了農業經濟增長質量[1]。一方面，農戶無論是在低碳生產還是生活上都是最廣泛參與主體，農業源碳排放總量巨大，幾乎占據人類活動碳排放總和的30%，農業部門的減排難度較大[2]；另一方面，溫室氣體是導致氣候復雜多變的根源，極端天氣給我國農業的發展轉型帶來了巨大壓力，2016年我國農地受到氣候災害面積高達2 620萬hm2，占到農地總面積的21.1%[3]。2015年，《巴黎協定》的簽署將全球應對氣候變化治理引入了新階段，在國家自主貢獻目標(NDC)的框架下，中國農業部印發了《農業綠色發展技術導則(2018—2030年)》(1)引自農業農村部于2018年7月6日印發的《農業綠色發展技術導則(2018—2030年)》，明確提出在2030年前，單位農業增加值對應的碳排放降低30%以上的減排目標。可以看出，新一輪國家政策實施目的在于對達成農業碳排放的減排目標提供保障，并對農業低碳生產方式轉變進行戰略性指導[4]。因此，準確判斷農業政策何以驅動農業碳排放是中國減排道路上不可忽視的一環，也是農業發展方式轉變的必要條件。

農業碳排放的問題已開展大量研究，但專門以農業政策作為驅動因素的研究仍然較少，且看法不盡相同。關于政策與碳排放的爭論聚焦在其影響路徑上：其一，部分研究運用分解方法進行人口規模、GDP等要素的時間序列分析[5-6]，不同實證得出“技術進步效應”、“規模效應”和“結構效應”等分別為碳排放增長的關鍵因素[7-9]；而政策因素的分析多基于減排效應，并未對政策如何驅動碳排放增長給出合理的解釋[10]。其二，也有文獻將農業政策引申為不同低碳政策的激勵或規制效用[11]，例如農業廢棄物回收補貼抑或是秸稈焚燒處罰。由于我國農業低碳政策通常以試點工程和地方政策的方式推行，所以專門的低碳政策研究難以對全國農業政策進行概括。其三，更多學者通過構建農業政策視域下的子路徑進行論證，吳賢榮等[12]研究發現，政策扶持下的農機使用是促使農業碳排放增加的重要途徑；胡川等[7]通過實證得出，政策規制有利于技術創新，并顯著傳遞于碳減排作用。通過上述結論不難發現，如果財政支出更多被用于低碳工程或減排技術，集約生產所帶來的效率改善會使碳減排優化；如果是以增加輪作次數和擴大投入規模(如化學品和能源再投資)為導向，粗放生產所帶來的投入邊際產出遞減將引致碳減排惡化[13-14]。

政策因素分析有助于對農業碳排放演進歷程進行解釋，更利于設置不同政策情景預測碳排放走勢。國內外對于碳排放預測的研究結論豐富，無論是從變量設置、情景描述和達峰預測均趨于完善[15-17]，但農業部門碳排放預測以趨勢演進為主[18-19]，預測方法通常借用各影響因素不同變化率的設定展開，未考慮是否與政策情景相匹配。在離散值及概率選擇上均來自于經驗判斷，使得研究成果難以為減排決策提供行之有效的信息，并存在變量設置主觀或預測結果偏差的可能[20]。若借助合理預測方法和政策情景搭配，則可以較好彌補上述問題。

綜上所述，本研究采用廣義迪氏指數分解法(Generalized divisia index method，GDIM)考察1985—2017年中國農業碳排放演變的驅動因素，分析了農業政策直接減排效應以及間接效應，并在篩選驅動因素后對2018—2030年的農業碳總量進行預測，旨在為農業碳減排提供量化參考并為低碳政策的合理安排提供理論依據。

1 理論分析框架

本研究通過識別農業政策的技術進步、農產品價格調整和要素替代來構建政策支出對農業碳排放的理論框架。系統分析如下：

首先，農業低碳生產核心是低碳技術的采納和推廣，技術進步對于提高要素使用率、抑制農業碳排放增長有著直接的影響，但在政策推廣的過程中，技術應用往往是緩慢的、不可持續的。一方面，政府先以低碳項目的形式在少部分經營主體內部進行技術示范，繼而采用政策資金扶持等手段激勵農戶應用低碳生產技術，然而，農戶難以成為現代農業技術變革的主體[21-22]，農業技術變革面臨著耕地細碎化和家庭生產單位構成的零碎生產模式，加之農戶自身缺乏創新意識，政策支持對農戶能否產生長時間激勵仍是未知。另一方面，盡管政府應該承擔創新主體的責任，但不少研究認為農業政策帶動技術創新的方式收效甚微，“撒胡椒面”不解決根本問題。通過財政支出項目中可以看出，農業科技費用一直占據較低比重(2008—2016年均3.3%)，綠色低碳生產轉變的程度遠不能滿足當前需求，此外，科技費用的主要目的在于重大科研創新，而改造傳統農業需要一線生產設施投入和教育培訓的跟進與支持，農戶缺乏基層生產技術的引導與支持，農業生產“高能耗、高污染、低效率”的情況難以改觀[23-24]。

其次，農業政策可能間接影響農業碳排放總量。在產品市場，政府以不同手段調控農產品市場價格，通過價格機制穩定農戶收益預期，實現農產品數量有效供給。但農產品價格利潤空間有限，農戶作為理性經濟人難以獲取預期利潤，這無疑刺激生產者增加廉價的要素投入(農用物資和農業能源等消耗品，本研究統稱為農業生產支出(2)部分資料命名為“農村居民家庭生產經營費用”、“農村居民生產費用支出”即包含土地、人工、服務與物質、期間等生產成本支出，本研究只考慮其中非投資類支出(即化肥、農藥、用電等支出)，為方便表達統稱為農業生產支出。)來攫取超額利潤。具體而言，農產品補貼、限價收購和糧食托市等激勵政策強化了農戶收益預期，也達成降低生產風險、確保糧食安全的政策初衷，但同時模糊了市場價格調節作用，在穩定低價的市場環境下，扭曲價格信號刺激農戶“以量持價”心理，引致生產支出過量投入[10]。此外，改革開放以來，各地政府大打“土地財政”牌來緩解財政壓力，加之水土流失、荒漠化等生態退化問題，農地面積不斷遭到擠占。持續惡化的生產條件，造成農業效率虧損和高額碳排產生。

最后，在要素市場，惠農政策通過財政手段調節農資價格，農戶增加農資的購買和儲備。農業生產的人力資本要素缺位、技術支持缺失，導致要素使用率低、使用結構扭曲，促使農用物資過度替代了其他要素投入。具體而言，我國改革開放前實行的趕超戰略導致了要素市場不健全，滯后于產品市場發展的慣性持續至今。2004年以來，農企、合作社等農資供給方享受水電、稅收等優惠政策照顧，間接激活了要素市場供給，但農用物資無法彌補其他要素發揮的效用，合理比例的要素投入平衡被打破。以人力資本為例，后工業時代的農戶傾向于“兼業化、副業化”，大量勞動力流出導致農業生產主體由婦孺老人構成，勞動者文化素質和身體素質均不利于勝任技術變革，農戶傾向于提高農用物資使用來替代人力資本投入。如圖1所示，除2015年外，物質與服務費用(3)“物質與服務費用”還包含“工具材料費”、“技術服務費”等，因占比極小，可近似為農業生產支出。占據了投入成本最大比重，且在人工成本不斷升高的情況下，有替代其作用的趨勢。

圖1 三種主要糧食生產支出情況Fig.1 Expenditure of three main grain production

綜上而論，本研究以農業財政支出為立足點，依據政策功能進行作用路徑討論，考察各因素影響機理，最終落腳于農業碳排放(圖2)。

圖2 農業財政支出與農業碳排放間的作用路徑Fig.2 Path between agricultural fiscal expenditure and agricultural carbon emissions

2 研究方法與數據來源

2.1 模型設計

1)農業碳排放核算。本研究使用Intergovernmental panel on climate change-2006(IPCC)在測算農業碳排放過程中使用的全生命周期評價法(LCA)，將CO2、N2O和CH4列為碳排放測度中主要排放溫室氣體。依據農戶生產生命周期，可以界定農業活動的碳足跡主要來自以下兩方面：一方面來自種養殖自然源、農地利用以及農業能源消耗所產生的直接排放；另一方面來自農用物資生產和農產品運輸等過程中的間接排放。本研究中引入兩條路徑作為N2O間接排放源作為對碳排放核算的修正：一是在農業活動中產生氨揮發和氮氧化物排放導致的大氣沉降氮轉化；二是通過淋溶或徑流匯入水源后發生硝化與反硝化作用[25]，該路徑會通過大氣循環將含氮氣體全部沉降回地面，因而也參與碳排放計算。

在厘清農業生產活動全生命周期中的主要碳足跡后，只需搜集相關排放系數即可進行碳排放的估算，如表1。具體計算碳排放計算模型如式(1)，式中ZCO2為農業碳排放量，Dci為第i類農資投入(i=1,2,3)，Dei為第i類農業能源投入(i=1,2,…,5)，S為三大類糧食作物秸稈焚燒量，DNi為氮肥施用量、大氣沉降氮轉化、淋溶/徑流損失氮轉化(i=1,2,3)，Li為不同品種牲畜飼養量(i=1,2,…,8)，R為水稻種植面積；φci,φni和φmi為不同排放源對應CO2、N2O和CH4的排放系數，GWP為溫室氣體的增溫潛室。

表1 農業生產活動排放源與排放系數Table 1 Emission sources and emission coefficients of agricultural production activities

ZCO2=∑(Dci+Dei+S)×φci+∑[(DNi+Li)×
φni+(R+Li+S)×φmi]×GWP

(1)

2)廣義迪氏指數分解法。為考察農業政策對于農業碳排放的影響路徑，并考慮對數平均迪式分解法(Logarithmic mean divisia index，LMDI)的局限性，本研究擬采用廣義迪氏指數分解法(GDIM)。運用于LMDI的碳排放路徑分解一直是國內外學界效仿的范式，但經實證研究表明，LMDI中存在兩個明顯缺陷。以式(2)中碳排放LMDI分解為例。在此框架內人口規模P為絕對變量，相對于其他變量的改變方式并不對等。式(2)中人口規模P呈現絕對量變動方式，而能源E變化同時引起碳排放強度(ZCO2/E)和投入產出比(E/GDP)的變動，在分析框架中碳排放強度(ZCO2/E)和投入產出比(E/GDP)實質上存在較強依賴性；再者，LMDI的逐級乘積關系，可能導致部分變量難以用理論進行解釋[32-33]。針對LMDI方法的缺陷，Vaninsky[34]提出了一個新的指數分解框架，即廣義迪氏指數分解法(GDIM)，克服了現有指數分解法的缺陷，能夠更加全面準確地量化不同因素對碳排放演變的實際貢獻，將政策下的異質性因素納入同一框架予以考察，且不會出現變量不對等計算。

ZCO2=(ZCO2/E)×(E/GDP)×(GDP/P)×P

(2)

本研究依照Vaninsky[34]做法，構造如下關于未知數X的方程Z，Z(X)中的Xi(i=1,2,…,8)可以看做是時間t的連續可微函數式(3)和(4)，通過對Xi取偏導再取不同時間段的定積分，可得其各因素貢獻加總的形式，例如t0-t1內對Z變化的貢獻率式(5)，可將式(5)進行矩陣形勢變化，改寫為式(6)：

Z=f(X)=f(X1,X2,…,Xn)

(3)

Xi=Xi(t)

(4)

(5)

(6)

在驅動因素選擇方面，基于第一部分理論推導分析，我們先考慮納入農業財政支出作為碳排放驅動因素。其次，財政支出對農業碳排放存在直接和間接的作用，如果財政支出更多被用于低碳項目或減排技術，集約生產所帶來的效率改善會使碳減排優化，而如果是以增加輪作次數和擴大投入規模(如化學品和能源再投資)為導向，粗放生產所帶來的投入邊際產出遞減將引致碳減排惡化。依據上述邏輯，農業生產總值與生產支出是說明農用化學品、農業能源等使用效率的最有力因素，且農業生產支出規模是衡量要素市場農業政策變化的核心變量，因此我們選擇農業生產支出和農業生產總值作為另外兩個驅動因素。

將農業總產出、財政政策支出、農業生產支出及農業碳排放等變量帶入，令X1=Y為農業生產總值，X3=FE為財政支出，X5=AE為農業生產支出；X2=YCI=(ZCO2/Y)為產出碳強度，X4=FCI=(ZCO2/FE)為財政支出碳強度，X6=ACI=(ZCO2/AE)為生產支出碳強度；X7=EFF=(Y/AE)為生產支出效率，X8=FI=(FE/Y)為財政支出強度。

ZCO2=Y(ZCO2/Y)=FE(ZCO2/FE)=
AE(ZCO2/AE)
EFF=(ZCO2/AE)/(ZCO2/Y),
FI=(ZCO2/Y)/(ZCO2/FE)

(7)

由此可見，上述變量可以分解為3個絕對自變量和5個乘積后的相對自變量，通過8個自變量構建不同的單變數函數關系：

Z=X1X2，X1X2-X3X4=0，X1X2-X5X6=0，
X1-X5X7=0，X3-X1X8=0

(8)

依照設定的變量Xi，進行Z(X)的矢量微分計算和雅可比矩陣ΦX的構造，如下所示：

(9)

(10)

式(8)中：可以將農業碳排變化ΔZCO2分解為8類因素變化之和包括：ΔY為產出規模變化；ΔFE為財政支出規模變化；ΔAE為農業生產支出規模變化分別對碳排放變化的影響，上述3類變化稱為絕對量因素的變化。ΔYCI為單位GDP碳強度對碳排放的影響；ΔFCI為各類財政支出低碳程度對碳排放的影響；ΔACI為各類非固定投資類農業生產費用低碳程度對碳排放的影響；ΔEFF為單位農業生產支出對GDP貢獻對碳排放的影響；ΔFI為GDP增長依賴財政支出依賴程度對碳排放的影響，后續5類變化稱為相對量因素的變化。

2.2 數據來源

基于數據的最大可得性，我們選擇1985—2017年中國農業各年數據作為研究樣本，其中農業財政支出(4)由于“財政用于農業支出”與“農林水支出”變更科目名稱后規模相差不大，為尋求統一將兩者統稱為“農業財政支出”來自于《中國財政統計年鑒》[35]；農業總產值、作物種植面積、農業用電(以灌溉消耗量為準)、化肥、農藥、農膜數據來自于《中國農村統計年鑒》[36]、EPS數據庫；農業生產支出通過《全國農產品成本收益資料匯編》[37]中各年份給出比例進行估算得出；柴油、汽油、煤炭和焦油等能源消耗數據來自于《中國能源統計年鑒》[38]；牲畜飼養量來自于《新中國60年農業統計資料》[39]和《中國統計年鑒》[40]。為保證各年度數據估算的可比性，將農業生產總值、農業財政支出均平減至2000年不變價格。

3 農業碳排放經驗分解結果分析

本研究通過R語言進行農業碳排放的廣義迪式指數分解，為清晰識別各驅動因素對農業碳排放的貢獻率，以1985年為基期，將每年各驅動因素額貢獻值累加計算。從圖3可以看出，農業生產總值(Y)、農業財政支出(FE)和農業生產支出(AE)等三者均對農業碳排放增長呈顯著的促進效應；產出碳強度(YCI)、財政支出碳強度(FCI)和農業生產支出碳強度(ACI)則對農業碳排放增長呈現抑制效應；農業生產支出效率(EFF)和財政支出效率(FI)對碳排放變化的影響有限。也就是說，農業生產碳排放的增長呈現出顯著的“規模效應”，規模的擴張意味著更多的農資投入和能源消耗，而“強度效應”和“效率效應”抑制了碳排放增長，意味著更多綠色減排技術和更高效的農資使用方式被推廣到農業生產中。總的來看，2017年的中國農業碳排放總量為13.70億t，相比1985年增長72.03%。在2009年前，僅有兩年的碳排放增量為負，其中，1996年碳排放總量下降0.28億t。在各驅動因素中，產值規模、財政支出規模、生產支出規模和財政支出效率分別起到促進碳排放增長的效用，產值強度、財政支出強度、生產支出強度和生產支出效率起到促降效用。在促增因素中，財政支出規模顯著促進農業碳排放增長，在33年間的總貢獻率達到39.28%。產值規模與生產支出規模的促增效應基本相同(29.65%與30.79%)，分別引致碳排放增長1.69億t和1.75億t，說明兩者的聯動作用明顯。在促降因素中，財政支出強度貢獻率為39.26%，產值強度與生產支出強度在2012年產生斷點，生產支出強度的促降作用明顯小于產值強度，說明單位生產支出的碳排放未起到與產值強度相當促降效果，呈現較低的利用率。

圖3 各驅動因子對農業碳排放變化的累計貢獻Fig.3 Cumulative contribution of various driving factors to changes in agricultural carbon emissions

為方便對比不同時期驅動因素的貢獻，本研究將碳排放變化劃分為4個階段(圖4)。該劃分標準主要依據改革開放以來農業政策經歷的3次方向性調整：1997年前，農業政策主要為解放生產力進行家庭聯產承包責任制改革；1998—2003年，主要聚焦于對農業基礎設施建設進行投資；2004年至今，農業政策轉向多予少取，有序疏解財政支出非增收功能，糧食連續12年增產是政策決策前半段(2004—2015年)中最具代表性的印證[41]。通過觀察碳排放變化率可知，農業碳排放總量與政策方向調整有著緊密聯系，第一階段在1985—1998年間，產出規模貢獻與財政支出規模貢獻率基本相同，這得益于1978年以來，全國改革最先從農村發起，家庭聯產承包責任制的推行極大程度解放了農村的生產力，而相應的統收統支體制變革為包干體制，例如小型農田水利設施包干給地方進行資金處置，消除了其準公共品的“擁擠效應”和過度使用的可能，提升了農業生產的效率，可以說該階段政策對應的財政支出規模和產值規模有較好的聯動效應，碳排放增長處于“財政支出—生產規模擴大—碳排放”的積累期。

第二階段在1998—2003年間，產值規模的碳排放貢獻率逐漸被財政支出規模超越，這歸因于1997年爆發了亞洲金融危機和1998年的特大洪澇災害，國家開始重新審視國民基礎行業的重要性，在各部門采取積極財政政策加大基礎設施建設力度，促使財政支出多被用于水利設施、公路、電網等方面，加之退耕還林、天然林保護項目等生態工程的實行，財政投入效果并未直接體現在農業產出規模上，年平均產出規模和碳排放變化率分別為6.65%和1.5%，結合圖4可以看出第二階段的產出規模(Y)與產出強度(YCI)對碳排放的影響均趨近于平衡，主要排放路徑來自于“財政支出—生產支出增加—碳排放”，而主要減排影響來自于財政支出強度(FI)，總的來說，我國農業碳排放量進入了增長平緩時期。

圖4 政策不同階段各驅動因素分解結果Fig.4 Decomposition results of various driving factors at different stages of policy

第三階段在2004—2009年間，農業碳排放進入另一個高速增長階段，產出規模(Y)的碳排放貢獻率低于生產支出規模(AE)，若除去產出強度(YCI)和生產支出強度(ACI)的減排效應，兩者的凈增長效應分別占總效應的16.5%和33.6%，也就是說農業政策強化了農戶利用農用物資支出進行農業增產的方式，“財政支出增加—生產支出增加—碳排放”的增長模式得到進一步印證。

第四階段在2010—2017年，在此期間農業產值規模仍呈現正向增長，但隨著綠色發展、“兩型社會”等政策提升至國家發展戰略，全國農業碳排放總量年平均降低0.37%。產出強度(YCI)、財政支出強度(FCI)和農業支出強度(ACI)促降效應有所提升，有效緩解了碳排放量的持續增長。特別的，2009年第一次出現碳排放零增長后，之后連續9年碳排放變化率呈現上下波動的特征，通過圖3進一步觀察可知，除2012—2013年增長率基本持平外，碳排放總量呈現增減不斷變化趨勢，這可以解釋為在節能減排政策和綠色低碳技術推廣過程中，落地實施環節存在“一緊一松”的現象，地方政府未將低碳效率提升視為發展轉型的常量，導致了規制強度隨著任務命令不同出現上下波動。

4 動態情景設置和蒙特卡洛模擬

4.1 動態情景設置

通過上述分析可知，中國農業碳排放的促增因素主要集中在財政支出、農業產值和農業生產支出三類因素中。由此可以得到以下3個情景設置思路：第一，農業財政支出在3個促增因素中貢獻率最大，因此農業財政支出應被納入到政策情景中；第二，農業生產支出冗余是導致碳排放量增加的主要原因，農業生產支出過度投入造成農資、能源等利用率低下，可以說農業生產支出碳強度的演變趨勢與減排空間大小密切相關，因此也應被納入政策情景；第三，農業支出效率和財政支出強度在不同時期起到了一定的促降效果，在農業產出規模擴大時期，農業支出效率和財政支出強度分別是體現有效農業生產支出和農業財政支出的關鍵，具有顯著的減排潛力。綜上，本研究選取農業財政支出(FE)、農業生產支出碳強度(ACI)、農業支出效率(EFF)和財政支出強度(FI)等4個變量為基礎來設定動態情景，令4個變量變化率分別表示為α、β、γ、δ，下一期的碳排放變化率可以表示為：

ΔZCO2t+1=FEt(1+α)×ACIt(1+β)×
EFFt(1+γ)×FIt(1+δ)=
FEt+1×ACIt+1×EFFt+1×FIt+1

(11)

碳排放變化率可以表示為：

ΔZCO2t+1=(1+α)×(1+β)×(1+γ)×(1+δ)

(12)

在選取合適驅動因素的基礎上，蒙特卡洛模擬通過以隨機序列的反復采樣為手段，探究不同變量在給定區間內取得特征樣本的概率分布，并識別出符合邏輯推演基礎的演化路徑。現有研究已表明經濟因素的變化通常具有較為明顯的路徑依賴特征，而在中國過去的發展軌跡中，通常時間越近的階段對未來的影響越大，反之，越遠的階段對未來影響越小[42]。由于第一階段和第二階樣本距今年份較長，本研究選擇第三階段和第四階段為2個基準期，并在實證數據基礎上進行3個政策情景的劃分：高速增長情景、政策規制情景和綠色低碳情景。

1)高速增長情景。高速增長情景對應第三階段(2004—2010年)，多予少取、全面減負政策的時期，該時期內歷年的中央一號文件都與“三農問題”緊密相關，國家在制定政策的過程中持續明確以提高農民收入為核心，輔以農業財政支出絕對規模的高速增長。

結合蒙特卡洛模擬的需要(5)蒙特卡洛是基準變量的在取值區間內進行的隨機取值和組合后，計算目標變量的一種方法。必須對驅動因素(即蒙特卡洛模擬中的基準變量)的取值范圍進行估計后，才能符合蒙特卡洛“區間分布式”模擬的要求。，嘗試進行不同驅動因素的變化率設定。首先，選取2018年作為模擬的起始年份，根據《中國住戶調查主要數據—2019》[43]可得，2018年農業生產支出增長速度為8.9%，價格平減后實際增長速度是9.9%，農業增加值實際增長速度是3.5%，計算得出農業支出效率(EFF)為-5.8%。進一步的，由農業財政支出(FE)比上年實際增長9.9%(財政部新聞辦公室，2019)，可以推算出財政支出強度(FI)為6.2%。最后，根據不同環節的農業生產核算可得(6)2018年碳排放數據來源分別為全國各類作物種植面積，豬、羊、牛等牲畜存欄量，新增灌溉面積由《2018年國民經濟和社會發展統計公報》獲得；農業生產能源消耗等數據由《中國住戶調查主要數據-2019》[43]獲得；化肥、農藥等農資施用量由國家統計局相關數據獲得。，2018年農業碳排放增加值為0.9%，繼而算出農業生產支出碳強度(ACI)為-8.2%。在確定起始年份驅動因素變化率后，依據第三階段(2004—2010年)年均變化率設定2018—2030年潛在變化率的中間值，而最大值和最小值分別選取上述7年中各驅動因素出現的最大值和最小值，各驅動因素潛在變化率的設定如表2所示。

2)政策規制情景。政策規制情景對應了多予少取、全面減負政策時期(2011—2017年)，該時期我國工作重點仍在農民增收，但考慮到資源環境承載能力，自2010年起國家開始逐步完善農業政策轉移支付子項目。例如對部分農耕示范區進行耕地輪作休耕、重點生態功能區進行生態補獎，目的是為減少粗放生產、緩解環境壓力。總的來說，政府加強了對農業粗放型生產的干預，通過補償和規制等手段強化了農業低碳生產，農業增加值進入平穩中低速增長階段。本研究對照第四階段各因素增長率變化，設置政策規制情景。具體變化率設定如表3所示。

3)綠色低碳情景。綠色低碳情景是指在政策規制的基礎上，有效提高農資利用率、實現農業低碳生產，尤其是做到節能減排技術的突破。結合Chen[45]在對低碳情景中經濟增速的研究，該情景設定財政支出不變的前提下，農業生產支出碳強度(ACI)相較政策規制情景降低1%，得到其潛在年均變化率分別為-8.3%(2018—2020年)、-7.6%(2021—2025年)和-6.9%(2026—2030年)，在此基礎上分別向上和向下調整1%得到其潛在變化率的最大值和最小值[33]。具體變化設定如表4所示。

在上述三類情景的設置下，每個情景包含了四類變量，一般而言，依據每個變量的均值、標準差與相關系數矩陣，就可以得到多維聯合正態分布。在概率矩陣未知時，可將相關系數矩陣ρ進行Cholesky分解，即ρ=LLT。將分解得到的矩陣乘以向量Y，即為所要求的多維正態分布隨即向量。基于以上操作，本研究使用stata 15.0針對三類情景中的變量進行10萬次模擬，結果以每兩年的碳排放總量的概率密度值呈現。

4.2 蒙特卡洛模擬結果

通過對不同情景模擬顯示，高速發展情景的農業碳排放量未達到峰值，且碳排放持續增長速度較快，由初始期2017年13.62億t，增長至2030年總量概率值高于22億t。依據初始設定的農業總產值增長率，2018—2030年農業碳排放強度相較2017年不降反升，增長了4.1個百分點。該增長模式可以歸結為依靠資源稟賦的粗放型生產方式，在農業部門勢必不會取得可持續性的高額回報，并且極大削弱了環境承載力，威脅著農業的高質量發展。在國務院發展研究中心印發的《綠色發展的源起與內涵》[44]中強調了“綠色發展主要特征是要提高生產效率、市場效率、資源利用率，即實現效率最大化發展。”同時指出現代農業發展應“加速傳統農業向現代農業轉型。加快農業科技進步、調整農業生產結構、轉變農業增長方式，提高農業綜合生產能力。”可以預見的是，轉變農業政策指向是達到減排目標的關鍵。

2018年7月，國家農業農村部印發了《農業綠色發展技術導則(2018—2030年)》，提出在綠色發展制度與低碳模式基本建立的基礎上單位農業增加值溫室氣體排放強度降低30%以上，相比國家自主貢獻目標(碳排放強度下降40%～45%)更為合理。結合Chen[45]對強化低碳情景中經濟增速的研究，在預設經濟增速下，每個時期的年均碳排放增長率分別控制在2.8%(2018—2020年)、2.45%(2021—2025年)、2.1%(2026—2030年)以內，即農業碳排放總量低于15.36億t可達到強度降低30%的標準。

進一步分析可知，政策規制情景在2024—2026年前后的農業碳排放總量已出現峰值，峰值預期達到14.6億～15億t，之后2026—2030年碳排放增長率呈現下降趨勢，在2030年穩定在13.4億～13.8億t，對比高速增長情景減少了9億t左右的碳排放總量。根據農業部門的減排目標要求，可以看出在政策規制情景下，農業碳排放可以較早達到減排標準。在綠色低碳情景下(圖5)，全國農業部門碳排放峰值在2020—2022年達到，相比政策規制情景提前了5年左右，在2030年穩定在12.8億t左右。可以看出，盡管減排的上行空間只有1億t左右，但農業低碳生產轉變方式加快，碳排放峰值在2030年前始終不會觸及15.36億t的紅線。此外，依據國外實踐經驗[46]，綠色低碳情景假設條件下有較好實現農業生產與碳排放的脫鉤的可能，并且可以最大程度上杜絕政策規制“一年緊一年松”的現象，確保了農業碳排目標如期甚至提前實現。

圖5 三類政策情景下不同年份的碳排放總量概率密度演化Fig.5 Probability density evolution of total carbon emissions in different years under three types of policy scenarios

5 結論與啟示

5.1 研究結論

本研究基于GDIM對1985—2017年農業碳排放進行了因素分解，并依據不同因素的貢獻程度設置動態情景對2018—2030年間不同情景下的碳排放進行預測，得到如下結論：1)財政支出規模是引致碳排放增長的首要因素，促增貢獻達到39.28%，而財政支出強度與產出強度為促降貢獻的關鍵因素，促降貢獻分別達到39.26%、29.39%；2)從時間階段來看，1985—2017年的碳排放總量變化可以分為4個政策階段，前三階段碳排放增長表現為由“產值規模效應帶動”到“生產支出效應帶動”，第四階段碳排放量呈現“政策規制效應”下的年際間交替增減變化態勢；3)在動態情景預測中，高速發展情景的碳排放量未達到峰值，政策規制情景和綠色低碳情景分別在2025和2020年前后達到峰值，并始終低于15.36億t的碳排放紅線，高速發展情景和綠色低碳情景在2030年的碳排放總量相差近10億t。

5.2 政策啟示

基于上述結論，本研究得到了以下啟示：

1)優化農業生產投入結構、提高農資消耗品使用率是促進低碳生產的長久之計。農業在各生產部門中不是排放大戶，但根據論證，農業部門具備較強的減排潛力。為此，更應挖掘各方面的農業生產低碳化渠道。一方面通過種養加模式和沼氣等技術的推廣，降低農業生產對于化學肥料的依賴，增加生產要素使用率；另一方面通過秸稈還田、秸稈能源化有效抑制廢棄物處理等環節的粗放生產行為。惟此，才能在根源上實現農業綠色低碳生產的轉型。

2)直接影響低碳農業生產的政策中，國家應注重“蘿卜”與“大棒”的有機結合。不僅要給予低碳生產稅費減免、項目投資和補貼等措施，更要對地力損壞、面源污染等問題采取相應的處罰措施，對不同程度的損害行為提供法律層面的懲治依據。同時，針對政策實施“一年緊一年松”現象，應將低碳生產項目納入干部績效考核體系，嚴格監控管理執行力度和政策資金處置，避免“篩子現象”和“虛投現象”的發生。

3)間接影響低碳農業生產的政策中，政府應借助市場作用激勵農戶開展綠色低碳生產。如果延續當前政策及實施力度，農業碳排放量在2025年達到峰值仍存在不小困難，而單純依賴限價補貼手段可能導致“以量持價”、要素投入失衡的負面影響，因此，政府借助市場進行適當的政策干預將是促進農業產業轉型的現實之選。例如，以農作物收入保險逐步替代價格支持政策可以弱化農戶以量持價的心理，穩定農戶長期的收益預期，解決價格扭曲效應；再如，增加農產品低碳標簽制度，形成綠色低碳生產與財政資金獎勵的閉環，避免出現“撒胡椒面”式的補償機制。