長江經濟帶農業碳補償修正測算及分析

曹俊文，陶強強

（江西財經大學統計學院，南昌 330013）

全球氣候變暖是人類面臨的主要生態問題之一，低碳行動作為全球范圍內應對氣候變化的發展戰略，逐漸深入到各個國家、部門、行業中，然而不同于能源工業領域，農業碳減排行動在實際的農業生產中推行效率低下，主要是由于自然資源條件對農業生產嚴格制約，其作用機理復雜、關鍵來源繁瑣，且碳源和碳匯的雙重效應和核證成本較高[1]。而為了實現農業生產過程中生態保護，生態補償已被認為是調整農業生態環境與各利益主體之間關系的一種有效措施[2]。低碳農業為實現農業生態補償提供了良好的契機，成為關鍵的前沿研究領域。農業碳補償作為農業領域生態補償的一種政策體制，遵循“誰保護、誰受益，誰污染、誰付費”的補償原則，其本質是通過經濟激勵方式對農業生產活動中提供生產效益和保護生態環境的群體所產生的成本或損失進行補償，將農業生產活動相關環境外部性內部化[3-4]。目前，中國農業生態補償在農業生產層面尚未形成很全面成熟的方案[5]，且現有關于農業碳匯功能生態補償的研究較少，主要集中在補償金額的量化方面，李穎等[6]通過對山東省小麥-玉米輪作農田生態系統中糧食作物生長過程碳排放和碳匯的計算，確定了糧食作物凈碳匯功能生態補償額。宋博等[7]通過核算中國各省（市）設施蔬菜生產系統農田單位面積產生的凈碳匯量，并結合我國碳交易市場的碳匯價格，得到設施蔬菜碳匯功能的生態補償額。陳儒等[8]考慮了中國各地區間農業自然稟賦差異對碳匯功能的影響，修正農業碳補償額的計量方法，從而確定更加公平的農業碳補償測算方法。周嘉等[9]采用碳排放系數法，以凈碳排放量作為基準值，通過生態補償系數和經濟貢獻系數對中國省域土地利用進行碳補償價值研究。吳昊玥等[10]認為農業碳源、碳匯具有空間關聯效應，各省份農業活動會對鄰近地區的農業碳總量產生影響，從而引入空間計量方法進行分析，得到碳補償率的空間關聯特征和溢出效應。在此背景下，制定公平的農業碳補償測算標準對調動農業生產積極性和實現低碳減排目標具有重要意義。

長江經濟帶對我國具有戰略意義，但近年來，長江經濟帶農產品產量占全國比例持續下降，糧食供需平衡難度加大，除安徽、江西兩個傳統農業大省外，其他省域地區人均糧食產量均低于全國平均水平，長江經濟帶農業生產積極性不高[11]。另一方面，長江經濟帶的碳排放量高達全國的44.6%，農業已經成為繼工業之后碳排放第二大行業[12]。目前相關研究證實農業生產具有較強的凈碳匯效益，對生態環境具有一定的正外部性[13]，然而人們卻往往重視其經濟價值而忽略其巨大的生態價值，以致長江經濟帶出現許多“產糧大省，財政窮省”，在現行的農業直接補貼難以大幅提高的情況下，亟需尋求其他的農業補貼途徑來提高農業生產積極性。

現有的文獻鮮有針對長江經濟帶農業碳補償進行的研究，部分文獻考慮了農業自然稟賦對碳匯功能的影響，但未考慮農業技術水平對農業碳排放的影響。鑒于此，本研究以長江經濟帶為研究對象，考慮農業技術水平和自然稟賦對農業碳排放和碳匯的影響，修正農業碳補償測算方法，得到2007—2016年長江經濟帶各省（市）的農業碳補償額并進行對比分析，旨在提高農業碳補償標準的公平性。

1 研究方法與測算

1.1 研究方法

1.1.1 農業碳匯測算

農業的碳匯功能主要來自農作物生長過程中對大氣中溫室氣體的吸收，是指農作物進行光合作用形成有機物的過程中對大氣中碳的固定。考慮到不同地區農業生態系統自然稟賦存在差異，處于惡劣農業生態環境的地區農業碳匯功能低下，不利于碳的吸收和積累。為了體現農業碳補償標準的公平性，農業自然稟賦低的地區在測算農業碳補償額時應適量放大，反之適量縮小。計算表達式[14]如下：

式中：Cs為農業碳匯總量；Csi為第i種農作物的吸收總量；Yi為第i種農作物的產量；ci為第i種農作物碳吸收率，即農作物光合作用合成單位有機物所吸收的碳；wi為第i種農作物的含水量；Hi為第i種農作物的經濟系數。碳吸收率、含水量、經濟系數來源于韓召迎等[14]和王修蘭等[15]的研究成果。

式中：εi為第i個省域農業自然稟賦差異的農業碳匯調整系數；ESVT-pua為全國單位面積農田生態系統服務價值；ESVi-pua為第i個省域單位面積農田生態系統服務價值；Cs′為修正后的農業碳匯總量。

1.1.2 農業碳排放測算

農業碳排放主要來源于農業生產過程的兩個方面：一是農業物資投入（包括化肥、農藥、農業薄膜、柴油等）；二是農業土地利用方式（包括灌溉、機耕、農機等）引發的碳排放，據此構建農業碳排放計算公式[14]：

式中：Cf為農業碳排放總量；Cfi為第i種農業投入物產生的碳排放量；Ui為第i種農業投入物的使用量；Ωi為第i種農業投入物的碳排放系數。相關碳排放系數來自曹俊文等[16]的研究成果。

1.2 農業技術水平差異量化方法

運用以農業碳排放為非期望產出指標的超效率SBM模型測算長江經濟帶農業碳排放冗余，以量化農業技術水平差異，超效率SBM 模型是一個非徑向、非角度的線性規劃模型[17]，不僅可對未處于有效生產前沿面上的決策單元進行投影分析，而且可對處于有效生產前沿面的決策單元進行比較，得到更加精確的非期望產出冗余量，模型的表達式如下：

式中：λ為權重向量；k表示被評價單元；x、yg和yb分別表示生產投入要素、期望產出變量和非期望產出變量；m、s1和s2分別表示生產投入要素、期望產出變量和非期望產出變量的個數；s-表示投入冗余；表示期望產出不足表示非期望產出冗余，即農業碳排放冗余量；minρ表達式的分子與分母分別表示生產決策單元實際投入與產出相對于生產前沿的平均可縮減比例與平均可擴張比例，代表投入無效率與產出無效率。

1.3 農業碳補償修正測算

基于前述農業碳匯、碳排放的測算結果，農業碳排放冗余量和碳匯調整系數，調整農業碳補償額計算公式如下：

式中：ACCi表示農業碳補償價值；Cs×εi表示修正后的農業碳匯總量；Cf為農業碳排放總量；PC為碳交易市場價格，通過查閱中國碳交易網（www.tanjiaoyi.com）的資料，2007—2016年中國8個二級碳交易點的碳平均價格為22元·t-1。

2 指標選取與數據處理

運用含非期望產出的超效率SBM 模型測算農業碳排放冗余量前需構建農業生產投入產出指標體系，在查閱相關研究成果的基礎上，根據可得的數據資料選取農業綜合投入得分為投入指標，農業碳匯量為期望產出指標，農業碳排放量為非期望產出指標。農業投入綜合得分由農業固定資產投資、農業勞動力投入、農業土地面積、化肥施用量、農藥使用量、農膜使用量、農業柴油使用量、農業機械總動力、翻耕面積、有效灌溉面積提取主成分得到，其中農業勞動力用第一產業從業人員衡量，農業土地面積用農作物播種面積衡量。考慮到提取結果存在負值和零值，運用極大值標準化法[18]對農業綜合投入得分值進行無量綱處理。公式如下：

式中：Fij和Fij′為變換前后的主成分值；maxFij和minFij分別為每個變量對應主成分得分的最大值和最小值。對主成分得分進行無量綱處理后，所得數據全部處于區間[0.1，1]，既未改變原有指標之間的相關性，又符合超效率SBM 模型指標的條件，使測算的結果更合理。運用MaxDEA 軟件進行數據處理，采用2007—2016 年的長江經濟帶各省域面板數據為研究樣本，所需數據均來源于2008—2017 年《中國統計年鑒》《中國農村統計年鑒》和長江經濟帶各省域的統計年鑒。

3 結果與分析

3.1 農業碳匯、碳排放省際差異分析

運用公式（1）和公式（2）計算2007—2016 年長江經濟帶各省域農業年均碳匯量、年均碳排放量和年均凈碳匯量，測算結果如圖1所示。由圖1可知，2007—2016 年長江經濟帶各省域的農業年均凈碳匯值均為正值，且凈碳匯值大幅高于碳排放值，說明農業生產過程對生態環境具有強大的正向影響。其中江蘇、安徽的年均凈碳匯量較高，分別達到3 141.29 萬t 和3 163.45萬t，上海、浙江的年均凈碳匯量較低，分別為92.68萬t和473.71萬t。

圖1 長江經濟帶各省域年均農業碳匯量、碳排放量、凈碳匯量Figure 1 Annual average agricultural carbon sinks，carbon emissions，and net carbon sinks of each province in the Yangtze River economic belt

3.2 農業技術水平省際差異分析

運用MaxDEA 軟件和非期望產出的超效率SBM模型，測算出2007—2016 年長江經濟帶各省域農業碳排放冗余量，結果見表1。由表1可知，2007—2016年長江經濟帶各省域中僅江西和湖南的農業碳排放冗余量為零值，說明江西和湖南農業技術水平較高，在發展農業經濟的同時合理地考慮了農業資源投入和碳排放。四川在部分年份出現碳排放冗余量，且冗余量較小，年均僅為2.01萬t，說明四川的低碳農業經濟也得到較好的發展。浙江和云南的農業碳排放冗余量較高，均值分別高達237.18 萬t 和175.13 萬t，說明這兩個省域的農業技術水平相對落后，農業生產過程中存在嚴重的資源投入浪費和碳的超額排放。

表1 2007—2016年長江經濟帶農業碳排放冗余量（萬t·a-1）Table 1 Redundant agricultural carbon emissions in the Yangtze River economic belt from 2007 to 2016（104 t·a-1）

3.3 農業自然稟賦省際差異分析

圖2 為長江經濟帶各省域農業自然稟賦差異的碳匯調整系數。由圖2 可知，上海、江蘇、安徽、湖北、湖南、重慶、貴州的年均調整系數大于1，說明該七個省域農業自然資源稟賦低于長江經濟帶整體水平，為了體現碳補償標準的公平性，計算碳補償額時應放大，其中安徽、上海、江蘇放大幅度較高，碳匯調整系數分別高達1.58、1.54 和1.53。浙江、江西、四川、云南年均調整系數小于1，說明該四個省域農業自然資源稟賦高于長江經濟帶整體水平，計算碳補償額時應縮小，其中浙江和云南縮小幅度較大，碳匯調整系數僅為0.13和0.11。

圖2 長江經濟帶各省域農業碳匯調整系數Figure 2 The adjustment coefficient of agricultural carbon sinks in the Yangtze River economic belt

3.4 修正前后農業碳補償額對比分析

以農業凈碳匯量乘以碳交易市場價格得到修正前農業碳補償額，根據公式（5）測算得到修正后的農業碳補償額，結果如圖3所示。由圖3可知，修正前長江經濟帶所有省域均為碳受償地區，其中安徽和江蘇受償額較高，分別高達69 596 萬元和69 108 萬元，上海碳補償額最低，僅為2 039 萬元。修正后浙江和云南從碳受償地區變為碳支付地區，原因在于兩省因農業技術水平低而產生較高的農業碳排放冗余量，并且其農業自然稟賦較高，測算時農業碳補償額被縮小。修正后上海、江蘇、安徽、湖北、湖南、重慶、貴州農業碳補償額相比修正前有所增加，其中安徽和江蘇增加量最大，分別增加45 521 萬元和40 469 萬元，原因在于其農業自然稟賦低，在測算時農業碳補償額被放大。江西和四川農業碳補償額則比修正前減少，分別減少22 529萬元和16 249萬元，原因在于其農業自然稟賦高，在測算時農業碳補償額被縮小。

圖3 修正前后農業碳補償額Figure 3 Agricultural carbon offset before and after revision

4 討論

碳補償作為實現農業領域內生態補償的一種方法，其本質在于將農業生產活動相關環境外部性內部化。以往研究僅考慮農業自然稟賦對碳匯的影響，長江經濟帶全域均為碳支付地區，且碳支付額與修正前差異較大[8]。本研究同時考慮了農業技術水平對農業碳排放的影響，只有浙江和云南為碳支付地區，其他省域碳補償額變化相對不顯著。由此可知修正后的農業碳補償測算方法極大地減輕了地方財政轉移支付的壓力，其測算方式更為科學、合理。本研究主要揭示了3點：

（1）長江經濟帶各省域的農業生產過程對生態環境具有強大的正向影響。

（2）江西和湖南農業技術水平較高，在發展農業經濟的同時考慮了農業資源的投入和碳排放；浙江和云南農業技術水平相對落后，農業生產過程中存在嚴重的資源投入浪費和碳的超額排放。

（3）修正后浙江和云南因農業技術水平低，從碳受償地區變為碳支付地區；安徽和江蘇因農業自然稟賦低，碳補償額增加量最大。江西和四川因農業自然稟賦高，碳補償額減少。

當然，限于數據的可得性以及筆者自身水平的不足，該研究還需要進一步深入，如農業生產碳排、碳匯指標體系構建時仍需進一步細化，農業生產凈碳效應與農業經濟效益仍需有效銜接等。因而開展更有價值的系統分析是下一階段需要討論和解決的問題。

5 結論

本研究在測算農業碳匯、碳排放量的基礎上通過修正碳補償計算方法測算出2007—2016 年長江經濟帶各省域農業碳補償額并進行對比分析，得出以下結論：

（1）2007—2016 年，長江經濟帶各省域的農業凈碳匯值均為正值，農業生產過程對生態環境具有強大的正向影響。其中江西、湖南的農業技術水平較高，發展農業經濟時合理地控制了碳排放，而浙江和云南的農業技術水平相對較低，存在嚴重的資源浪費和額外碳排放現象。

（2）修正后浙江和云南從碳受償地區變為碳支付地區，原因在于兩省因農業技術水平低而產生較高的農業碳排放冗余量，并且其農業自然稟賦較高，測算時農業碳補償額被縮小。上海、江蘇、安徽、湖北、湖南、重慶、貴州農業碳補償額比修正前有所增加，江西和四川農業碳補償額則比修正前減少。