安徽省農(nóng)業(yè)碳排放的脫鉤效應(yīng)及影響因素研究*

李　琦，韓亞芬

(宿州學(xué)院 環(huán)境與測繪工程學(xué)院，安徽 宿州 234000)

?

安徽省農(nóng)業(yè)碳排放的脫鉤效應(yīng)及影響因素研究*

李琦，韓亞芬

(宿州學(xué)院 環(huán)境與測繪工程學(xué)院，安徽 宿州 234000)

摘要：為了深入認識安徽省農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟增長之間的相互關(guān)系，并為區(qū)域低碳農(nóng)業(yè)發(fā)展政策措施的制定提供理論依據(jù)，采用Tapio與LMDI模型對安徽省農(nóng)業(yè)碳排放的脫鉤效應(yīng)及影響因素進行研究。結(jié)果表明：1998—2014年安徽省農(nóng)業(yè)碳排放總量呈波動上升趨勢，具體表現(xiàn)為“快速增長-持續(xù)下降-緩慢上升”三階段特征；研究期內(nèi)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟增長間的脫鉤關(guān)系以弱脫鉤和強脫鉤為主，說明安徽省農(nóng)業(yè)低碳減排工作取得一定成效；效率因素、勞動力因素和結(jié)構(gòu)因素均對農(nóng)業(yè)碳排放增長具有抑制作用，它們在研究期內(nèi)的累計減排貢獻量分別為896.51萬t，341.62萬t和253.67萬t，而農(nóng)業(yè)經(jīng)濟發(fā)展則是碳排放增長的主要驅(qū)動因素，其引發(fā)的累計碳排放增量高達1552.29萬t。

關(guān)鍵詞：安徽??；農(nóng)業(yè)碳排放；脫鉤效應(yīng)；因素分解

農(nóng)業(yè)是國民經(jīng)濟的基礎(chǔ)行業(yè)，同時也是溫室氣體的第二大重要來源，其碳排放量約占我國排放總量的17%，如何實現(xiàn)農(nóng)業(yè)的低碳減排已成為政府和學(xué)術(shù)界關(guān)注的熱點。國內(nèi)學(xué)術(shù)界圍繞農(nóng)業(yè)低碳減排開展了大量研究工作，主要集中在農(nóng)業(yè)碳排放的測算、農(nóng)業(yè)碳排放與經(jīng)濟發(fā)展的關(guān)系、農(nóng)業(yè)碳排放的驅(qū)動因素分析及農(nóng)業(yè)碳減排政策等方面。如田云等通過對我國農(nóng)業(yè)碳排量和碳匯量的對比，發(fā)現(xiàn)其凈碳匯量總體保持上升態(tài)勢，但亦存在明顯的區(qū)域差異。有關(guān)農(nóng)業(yè)碳排放與經(jīng)濟發(fā)展關(guān)系的研究主要體現(xiàn)在對二者間定量變動關(guān)系的檢驗，旨在考察其可能存在的協(xié)整或因果關(guān)系，以及是否符合環(huán)境庫茲涅茨曲線(EKC)[2-4]，而近年來脫鉤理論的引入也為農(nóng)業(yè)碳排放的研究提供了一種全新的思路[5-7]；同時，國內(nèi)學(xué)者還嘗試利用Kaya恒等式、LMDI指數(shù)分解手段對影響農(nóng)業(yè)碳排放的主要因素及其效應(yīng)進行探討[8-9]；張健[10]、郭永奇等[11]則分別從碳稅運用和工程技術(shù)推廣等方面提出了相關(guān)的農(nóng)業(yè)碳減排對策。上述成果雖然在一定程度上豐富了我國低碳農(nóng)業(yè)的研究體系，但其選取的研究對象多集中于種植業(yè)領(lǐng)域，往往忽視畜牧養(yǎng)殖等對農(nóng)業(yè)碳排放的影響，同時基于小尺度區(qū)域?qū)用娴难芯繉嵗鄬^少，致使其成果的實用性和可操作性不足。本文以安徽省為例，從農(nóng)用物資、土壤、稻田和牲畜養(yǎng)殖四方面測算其農(nóng)業(yè)碳排放，并借助脫鉤和LMDI模型分析農(nóng)業(yè)碳排放的脫鉤效應(yīng)及影響因素，以期為安徽省低碳農(nóng)業(yè)發(fā)展提供理論支持。

一、數(shù)據(jù)來源和研究方法

(一)碳排放的測算

本文依據(jù)田云等1299-1302、宋德勇等[12]對農(nóng)業(yè)碳源類型的劃分，構(gòu)建出安徽省農(nóng)業(yè)碳排放的測算公式如下：

(1)

式中，C為安徽省農(nóng)業(yè)生產(chǎn)系統(tǒng)碳排放總量(t標準碳)；i為農(nóng)業(yè)碳源類型，其取值為1～4，依次代表農(nóng)用物資投入、土壤翻耕、稻田CH4排放和牲畜養(yǎng)殖四類；Ci為第i類碳源的碳排放量(t標準碳)；j為不同溫室氣體種類，取值為1～3，依次代表CO2、CH4和N2O三項；Eij為第i類碳源排放的第j類溫室氣體的實際測算量(t)；ηj則表示第j類溫室氣體與標準碳間的折算系數(shù)，依據(jù)IPCC 第四次評估報告( 2007) ，CO2、CH4和N2O的ηj值分別取1.0、6.818 2和81.272 71300-1301。

1. 農(nóng)用物資投入的CO2排放

基于智靜等[13]的研究成果，并結(jié)合實地調(diào)研和專家咨詢，本文將農(nóng)用物資碳排放源劃分為化肥、農(nóng)藥、農(nóng)膜、柴油和農(nóng)業(yè)灌溉五類，其碳排放量的計算公式如下：

(2)

式中， E11為農(nóng)用物資投入引發(fā)的CO2排放量(t)，Am代表第m類農(nóng)用物資的投入使用量(t或hm2)，am1則表示該類農(nóng)用物資的CO2排放系數(shù)，其取值如表1所示。

表1　主要農(nóng)用物資的CO2排放系數(shù)

2. 農(nóng)業(yè)土壤N2O排放

農(nóng)作物種植和生產(chǎn)過程中由于對土壤表層的破壞，會導(dǎo)致大量溫室氣體排入大氣中，其中以N2O最為顯著。不少學(xué)者已對我國主要農(nóng)作物種植過程中N2O的產(chǎn)生和排放情況進行了觀測[14]，并給出不同農(nóng)作物生長周期內(nèi)土壤N2O的排放系數(shù)(見表2)。本文以此為基礎(chǔ)，建立土壤N2O排放的測算公式：

(3)

式中，E23是農(nóng)業(yè)土壤N2O的排放量(t)，Bn代表第n類農(nóng)作物的種植面積(萬hm2)，bn3則為第n類農(nóng)作物土壤的N2O排放系數(shù)。

表2　不同農(nóng)作物土壤的N2O排放系數(shù) (t/萬hm2)

3. 稻田CH4排放

蔡祖聰[15]和王明星等[16]曾對我國不同省區(qū)主要水稻種類的CH4排放系數(shù)進行了測算，本文借用其研究結(jié)論中有關(guān)安徽省水稻生長周期內(nèi)的碳排放參數(shù)，構(gòu)建出稻田CH4排放的測算公式：

(4)

式中，E32代表稻田CH4的排放總量(t)，Dp是第p類水稻的種植面積(km2)，dp2為第p類水稻生長周期內(nèi)的CH4排放系數(shù)，其取值見表3所示。

表3　安徽省水稻生長周期內(nèi)CH4排放系數(shù) (t/km2)

4. 牲畜養(yǎng)殖碳排放

牲畜養(yǎng)殖碳排放主要包括由牲畜腸道發(fā)酵導(dǎo)致的CH4排放以及在糞便處理過程中所產(chǎn)生的CH4和N2O的排放，其計算公式如下：

(5)

(6)

式中，E42、E43分別表示牲畜養(yǎng)殖的CH4和N2O排放總量(t)；Fq為第q種牲畜的養(yǎng)殖數(shù)量(千頭)；fq1、fq2、fq3分別為第q種牲畜所對應(yīng)的腸道發(fā)酵排放CH4系數(shù)、糞便排放CH4系數(shù)和糞便排放N2O系數(shù)。結(jié)合安徽省牲畜養(yǎng)殖業(yè)現(xiàn)狀，選取牛、馬、驢、騾、豬、山羊和綿羊七類主要養(yǎng)殖品種進行碳排放測算，各類牲畜的碳排放系數(shù)見表4所示。

表4　主要牲畜種類的碳排放系數(shù) (t/千頭)

(二)Tapio脫鉤評價模型

Tapio指數(shù)是反映研究期內(nèi)變量間脫鉤關(guān)系的彈性分析方法。以農(nóng)業(yè)碳排放為例，其Tapio脫鉤指數(shù)是以研究期初和期末間農(nóng)業(yè)碳排放量與農(nóng)業(yè)經(jīng)濟產(chǎn)值的變化率之比進行表征，具體公式如下：

(7)

式中，e(C,G)代表農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟發(fā)展水平的脫鉤彈性指數(shù)，ΔC表示研究期內(nèi)碳排放變化量，C表示研究期初的碳排放量，ΔG表示研究期內(nèi)農(nóng)牧業(yè)產(chǎn)值的變化量，G為研究期初的農(nóng)牧業(yè)產(chǎn)值。依據(jù)e(C,G)、ΔC、ΔG的不同數(shù)值組合，可將農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟發(fā)展水平間的脫鉤狀態(tài)劃分為八種類型(見表5)。

表5　脫鉤狀態(tài)分類與評價標準

(三)LMDI分解模型

本文采用LMDI(對數(shù)平均權(quán)重)指數(shù)分解模型對安徽省農(nóng)業(yè)碳排放的影響因素展開分析。依據(jù)該模型，農(nóng)業(yè)碳排放可分解如下：

(8)

式中，Ct為第t期的農(nóng)業(yè)碳排放總量(t)，Gt為第t期的農(nóng)牧業(yè)產(chǎn)值(萬元)，Nt為第t期的農(nóng)業(yè)總產(chǎn)值(萬元)，Lt為第t期的勞動力數(shù)量。由此，可將引發(fā)農(nóng)業(yè)碳排放變動的因素歸為四類：農(nóng)業(yè)效率因素，I=C/G；農(nóng)業(yè)結(jié)構(gòu)因素，S=G/N；農(nóng)業(yè)經(jīng)濟水平因素，T=N/L；勞動力因素L。則式(8)可簡化為：

(9)

對于式(9)，兩邊對時間t求導(dǎo)數(shù)可得：

(10)

在式(10)兩邊同除以Ct可得：

(11)

對式(11)兩邊同時求積分，并乘以ΔCt(ΔCt代表第t期農(nóng)業(yè)碳排放相對于0期的變動量，即ΔCt= Ct-C0)，則上式可轉(zhuǎn)換為：

(12)

將上式整理后可得：

(13)

根據(jù)LMDI模型分解定義，第t期農(nóng)業(yè)碳排放相對于基期(0期)的變動量(ΔCt)可表達為：

(14)

式(14)中，ΔCI、ΔCS、ΔCT和ΔCL分別代表農(nóng)業(yè)效率因素、農(nóng)業(yè)結(jié)構(gòu)因素、農(nóng)業(yè)經(jīng)濟水平因素以及勞動力因素對研究期內(nèi)(0-t期)農(nóng)業(yè)碳排放的影響變動量，ΔCrsd為分解余量，由于LMDI模型分解完全，不產(chǎn)生殘差，因此ΔCrsd=0。

結(jié)合式(13)分解結(jié)果，上述各要素對農(nóng)業(yè)碳排放的影響變動量可按下式計算：

(四)數(shù)據(jù)來源

本文相關(guān)數(shù)據(jù)均取自《安徽省統(tǒng)計年鑒》(1999—2015)、《中國農(nóng)業(yè)統(tǒng)計年鑒》(1999—2015)以及安徽省統(tǒng)計公報?？紤]到數(shù)據(jù)的可獲得性和完整程度，本研究設(shè)定的時間尺度為1998—2014年。為保證農(nóng)業(yè)經(jīng)濟產(chǎn)值數(shù)據(jù)的縱向可比性，各年農(nóng)業(yè)產(chǎn)值數(shù)據(jù)均按1990年基準價格換算后使用。

二、安徽省農(nóng)業(yè)碳排放的時序特征

依據(jù)公式(1)—(6)測算出1998—2014年各年份的安徽省農(nóng)業(yè)碳排放總量，結(jié)果見表6所示。由表6可知，安徽省農(nóng)業(yè)碳排放總體呈現(xiàn)波動上升趨勢，由1998年的1 048.85萬t增長至2014年的1 109.35萬t，年均增長速率約為0.35%。根據(jù)碳排放總量的逐年變化特征，可將其劃分為三個階段：1998—2004年為碳排放快速增長階段，農(nóng)業(yè)碳排放量由1 048.85萬t增長至1 209.27萬t，年均增長率高達2.40%；2004—2007年為碳排放持續(xù)下降階段，這一時期由于高致病性禽流感疫情和飼料價格大幅度上漲等因素的影響，安徽省牲畜養(yǎng)殖業(yè)受到明顯沖擊，致使農(nóng)業(yè)碳排放總量出現(xiàn)持續(xù)降低，由1 209.27萬t減少至1 028.60萬t，年均下降率為5.25%；2007—2014年為碳排放緩慢上升階段，該時期隨著國家一系列農(nóng)業(yè)惠民政策的不斷推出，牲畜養(yǎng)殖業(yè)生產(chǎn)水平得以恢復(fù)穩(wěn)定，使得農(nóng)業(yè)碳排放量出現(xiàn)了緩慢上升趨勢，碳排放總量由1 028.60萬t增長至1109.35萬t，年均增長率為1.18%。

從農(nóng)業(yè)碳排放總量的構(gòu)成來看，稻田CH4排放在碳排放總量所占的比例(多年平均值高達57.85%)最高，是安徽省農(nóng)業(yè)碳排放中最主要的碳源。研究期內(nèi)，稻田CH4排放占農(nóng)業(yè)碳排放總量的比重呈現(xiàn)出“下降—上升—下降”的波動變化特征，從1998年占總量的55.81%，到2014年已達61.59%；牲畜養(yǎng)殖碳排放在總量中所占的平均比重為25.23%，是引發(fā)農(nóng)業(yè)碳排放的第二碳源。其在總量中所占比重在經(jīng)歷了初期的增長(1998—2001年)和快速下降(2001—2007年)后，近年來基本穩(wěn)定維持在18%左右。而土壤翻耕和農(nóng)用物資使用所產(chǎn)生的碳排放量相對較小，在農(nóng)業(yè)碳排放總量中所占比重均呈緩慢上升趨勢，其平均比重僅分別為8.52%和8.39%。

表6　安徽省1998—2014年農(nóng)業(yè)碳排放量變化情況

三、安徽省農(nóng)業(yè)碳排放的脫鉤關(guān)系分析

根據(jù)上述碳排放測算結(jié)果和Tapio脫鉤評價模型，本文計算出安徽省農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟發(fā)展水平間的脫鉤彈性指數(shù)(見表7)?？傮w來看，研究期內(nèi)農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟發(fā)展間的脫鉤關(guān)系以弱脫鉤和強脫鉤為主，即農(nóng)業(yè)碳排放的增長速度明顯低于農(nóng)業(yè)經(jīng)濟的發(fā)展速度，說明近年來安徽省農(nóng)業(yè)低碳減排工作取得一定的成效。具體來說，二者脫鉤狀態(tài)的演變過程可劃分為三個階段：第一，1998—2004年的脫鉤關(guān)系處于波動期，該階段農(nóng)業(yè)碳排放和農(nóng)業(yè)經(jīng)濟均處于增長狀態(tài)(僅2003年出現(xiàn)短暫下滑)，但二者在個別年份的增長速率卻存在明顯差異，這也導(dǎo)致期間分別出現(xiàn)了弱脫鉤、擴張負脫鉤和弱負脫鉤三種狀態(tài)；第二，2004—2007年為強脫鉤階段，該時期受牲畜養(yǎng)殖業(yè)的影響，農(nóng)業(yè)碳排放總量出現(xiàn)持續(xù)下降，而農(nóng)業(yè)經(jīng)濟產(chǎn)值卻保持著上升態(tài)勢，碳排放彈性特征連續(xù)三年保持強脫鉤狀態(tài)；第三，2007—2014年為弱脫鉤階段，該階段隨著牲畜養(yǎng)殖業(yè)的恢復(fù)，農(nóng)業(yè)碳排放總量趨于緩慢增長，而同期農(nóng)業(yè)經(jīng)濟增長速率也較為穩(wěn)定，且始終高于碳排放增速，使得這一時段的脫鉤關(guān)系主要表現(xiàn)為弱脫鉤類型。

四、安徽省農(nóng)業(yè)碳排放脫鉤影響因素研究

采用LMDI分解模型對1998—2014年安徽省農(nóng)業(yè)碳排放進行分年度的影響因素解析，得出農(nóng)業(yè)效率因素(I)、農(nóng)業(yè)結(jié)構(gòu)因素(S)、農(nóng)業(yè)經(jīng)濟因素(T)與勞動力因素(L)對碳排放總量變動的貢獻水平(見表8)。

表8　安徽省農(nóng)業(yè)碳排放驅(qū)動因素分解結(jié)果 (萬t)

由表8可知，農(nóng)業(yè)經(jīng)濟發(fā)展是安徽省農(nóng)業(yè)碳排放增長的主要驅(qū)動因素，即人均農(nóng)業(yè)產(chǎn)值的提高能夠極大地促進碳排放量的增加。研究期內(nèi)，農(nóng)業(yè)經(jīng)濟因素共累計引發(fā)1 552.29萬t的碳排放增量(年均增量為97.02萬t)，達到同期農(nóng)業(yè)碳排放實際增加量的256 5.77%。農(nóng)業(yè)效率因素、結(jié)構(gòu)因素和勞動力因素對農(nóng)業(yè)碳排放增長具有不同程度的抑制作用。其中，農(nóng)業(yè)效率因素對碳排放的抑制作用最強，1998—2014年間效率因素累計實現(xiàn)碳排放消減量896.51萬t(年均消減量為56.03萬t)，為同期碳排放實際增加量的1 481.83%。同時可以看出，效率因素的抑制作用具有明顯的階段性特征，具體而言，1998—2005年為第一階段，該期由于農(nóng)業(yè)經(jīng)濟發(fā)展速度整體緩慢，生產(chǎn)效率較低，其對碳排放的抑制效果并不明顯；2005—2013年為第二階段，這一時期隨著國家對農(nóng)業(yè)發(fā)展的政策傾斜以及農(nóng)業(yè)生產(chǎn)技術(shù)水平的不斷提升，農(nóng)業(yè)效率對碳排放的抑制作用日益凸顯，并逐步成為農(nóng)業(yè)低碳減排中貢獻最高的因素。而勞動力非農(nóng)轉(zhuǎn)移和農(nóng)業(yè)結(jié)構(gòu)優(yōu)化調(diào)整也有助于碳排放的消減，研究期內(nèi)兩因素累計實現(xiàn)的碳排放消減量分別為341.62萬t和253.67萬t(年均消減量分別為21.35萬t和15.85萬t)，達到同期碳排放實際增加量的564.66%和419.29%。

綜合上述分析，農(nóng)業(yè)碳排放量變動是由農(nóng)業(yè)經(jīng)濟發(fā)展水平、農(nóng)業(yè)生產(chǎn)效率、農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)和勞動力等多因素共同影響所產(chǎn)生的結(jié)果。雖然農(nóng)業(yè)效率因素、結(jié)構(gòu)因素和勞動力因素均對農(nóng)業(yè)碳排放具有一定的抑制效應(yīng)，但由于農(nóng)業(yè)經(jīng)濟規(guī)模的快速擴張，其引發(fā)的農(nóng)業(yè)碳排放增量遠高于上述三因素的消減作用，因此安徽省農(nóng)業(yè)碳排放整體仍呈現(xiàn)出增長趨勢。同時，考慮到安徽省農(nóng)業(yè)經(jīng)濟發(fā)展在保障國家糧食安全方面的重要戰(zhàn)略地位，其在今后一段時期內(nèi)仍將對農(nóng)業(yè)碳排放增長具有較強的驅(qū)動作用，因此只有大力發(fā)展農(nóng)業(yè)節(jié)能減排技術(shù)，不斷轉(zhuǎn)變農(nóng)業(yè)生產(chǎn)方式和優(yōu)化生產(chǎn)結(jié)構(gòu)，加快推進向低碳農(nóng)業(yè)轉(zhuǎn)型，并以此從根本上完成農(nóng)業(yè)經(jīng)濟增長與農(nóng)業(yè)碳排放的脫鉤才是實現(xiàn)我省農(nóng)業(yè)可持續(xù)發(fā)展的必由之路。

五、結(jié)論

本文通過分析1998—2014年安徽省農(nóng)業(yè)碳排放的時序變化特征、脫鉤效應(yīng)以及影響因素，得出如下結(jié)論：安徽省農(nóng)業(yè)碳排放總體呈波動上升趨勢，并表現(xiàn)出“快速增長—持續(xù)下降—緩慢上升”的階段性變化特征；稻田CH4排放和牲畜養(yǎng)殖是農(nóng)業(yè)碳排放的兩個主要碳源，其產(chǎn)生的碳排放分別占農(nóng)業(yè)碳排放總量的57.85%和25.23%，而土壤翻耕和農(nóng)用物資使用的碳排放相對較少，僅占總量的8.52%和8.39%；就增長速度而言，研究期內(nèi)農(nóng)業(yè)碳排放的年均增速約為0.35%，遠低于農(nóng)業(yè)經(jīng)濟的發(fā)展速度，因而農(nóng)業(yè)碳排放與農(nóng)業(yè)經(jīng)濟發(fā)展間的脫鉤關(guān)系總體以弱脫鉤和強脫鉤為主，其演變過程經(jīng)歷“波動變化—強脫鉤—弱脫鉤”三個時期，說明安徽省農(nóng)業(yè)低碳減排工作取得一定的成效；因素分解結(jié)果表明，農(nóng)業(yè)效率因素、勞動力因素和結(jié)構(gòu)因素均對農(nóng)業(yè)碳排放增長具有抑制效應(yīng)，其累計貢獻率分別為-1 481.83%，-564.66%和-419.29%，而農(nóng)業(yè)經(jīng)濟因素極大地促進了農(nóng)業(yè)碳排放的增長，其引發(fā)的碳排放增量(累計貢獻率達2 565.77%)不僅抵消了上述三類因素的減排效果，還導(dǎo)致農(nóng)業(yè)碳排放整體呈現(xiàn)逐年增長的趨勢，同時農(nóng)業(yè)經(jīng)濟發(fā)展的驅(qū)動作用在未來一段時期內(nèi)仍將主導(dǎo)農(nóng)業(yè)碳排放的增長。

參考文獻：

[1] 田云，張俊飚. 中國農(nóng)業(yè)生產(chǎn)凈碳效應(yīng)分異研究. 自然資源學(xué)報，2013，28(8)：1298-1309.

[2]李立，周燦，李二玲，等. 基于投入視角的黃淮海平原農(nóng)業(yè)碳排放與經(jīng)濟發(fā)展脫鉤研究. 生態(tài)與農(nóng)村環(huán)境學(xué)報，2013，29(5)：551-558.

[3]李波. 經(jīng)濟增長與農(nóng)業(yè)碳排放關(guān)系的實證研究. 生態(tài)環(huán)境學(xué)報，2012，21(2)：220-224.

[4]李國志，李宗植，周明. 碳排放與農(nóng)業(yè)經(jīng)濟增長關(guān)系實證分析. 農(nóng)業(yè)經(jīng)濟與管理，2011(4)：32-39.

[5]田云，張俊飚，李波. 中國農(nóng)業(yè)碳排放研究：測算、時空比較及脫鉤效應(yīng). 資源科學(xué)，2012，34(11)：2097-2105.

[6]張小平，王龍飛. 甘肅省農(nóng)業(yè)碳排放與經(jīng)濟增長的脫鉤研究. 資源開發(fā)與市場，2014，30(10)：1226-1231.

[7]李立，周燦，李二玲，等. 基于投入視角的黃淮海平原農(nóng)業(yè)碳排放與經(jīng)濟發(fā)展脫鉤研究. 生態(tài)與農(nóng)村環(huán)境學(xué)報，2013，29(5)：551-558.

[8]李波，張俊飚，李海鵬. 中國農(nóng)業(yè)碳排放時空特征及影響因素分解. 中國人口、資源與環(huán)境，2011，21(8)：80-86.

[9]韓岳峰，張龍. 中國農(nóng)業(yè)碳排放變化因素分解研究-基于能源消耗與貿(mào)易角度的LMDI分解法. 當代經(jīng)濟研究，2013，26(4)：47-52.

[10] 張健，廖胡，梁欽鋒，等. 碳稅與碳排放權(quán)交易對中國各行業(yè)的影響. 現(xiàn)代化工，2009，12(6)：77-82.

[11] 郭永奇. 中原經(jīng)濟區(qū)低碳農(nóng)業(yè)發(fā)展模式與減排對策-以河南省為例. 農(nóng)業(yè)經(jīng)濟，2012，22(12)：58-59.

[12] 宋德勇，盧忠寶. 中國碳排放影響因素分解及其周期性波動研究. 中國人口·資源與環(huán)境，2009，19(3)：18-24．

[13] 智靜，高吉喜. 中國城鄉(xiāng)居民食品消費碳排放對比分析. 地理科學(xué)進展，2009，28(3)：429-434.

[14] 江長勝，王躍思，鄭循華，等. 川中丘陵區(qū)冬灌田甲烷和氧化亞氮排放研究. 應(yīng)用生態(tài)學(xué)報，2005，16(3)：539-544.

[15] 蔡祖聰，謝德體，徐華，等. 冬灌田影響水稻生長期甲烷排放量的因素分析. 應(yīng)用生態(tài)學(xué)報，2003，14(5)：705-709.

[16] 王明星，李晶，鄭循華. 稻田甲烷排放及產(chǎn)生、轉(zhuǎn)化、輸送機理. 大氣科學(xué)，1998，22(4)：600-610.

Decoupling Effect of Agricultural Carbon Emission in Anhui Province and Factors Influencing the Emission

LI Qi，HAN Yafen

(School of Environment and Surveying Engineering, Suzhou University, Suzhou 234000, China)

Abstract:Through the models of Tapio and LMDI, this paper studies the decoupling effect of agricultural carbon emission in Anhui Province and the factors that influence the emission in order to gain a deeper understanding of the correlation between agricultural carbon emission and economic development, and provide a theoretical basis for the formulation of policies and measures concerning the development of regional low carbon agriculture. The results show that agricultural carbon emission in Anhui from 1998 to 2014 underwent a wavelike rise, that is, increasing rapidly in the first phase, declining continuously in the second and rising slowly in the third; the decoupling relationships between agricultural carbon emission and agricultural economic growth are mainly the weak and strong decoupling types, which indicates that low-carbon policy and emission reduction work in the province have achieved a certain amount of success; the factors of producing efficiency, labor force and industrial structure have an inhibiting effect on the increase of emissions, which were reduced respectively by 896.51×104, 341.62×104 and 253.67×104 million tons during the three phases of the period in the province; and agricultural economic growth is a major driving force that caused the increase of emissions, which increased by 1552.29×104 million tons during the three phases of the period.

Key words:Anhui Province; agricultural carbon emission; decoupling effect; factors decomposition

收稿日期：2016-01-07

基金項目：宿州區(qū)域發(fā)展協(xié)同創(chuàng)新中心開放課題(2014SZXTKF15：《宿州市城鄉(xiāng)基礎(chǔ)設(shè)施配置現(xiàn)狀及發(fā)展途徑研究》)；宿州學(xué)院安徽省煤礦勘探工程技術(shù)研究中心開放課題(2013YKF05：《煤礦區(qū)大氣降塵的重金屬污染特征及其環(huán)境風險》)

作者簡介：李琦(1982-)，男，宿州學(xué)院環(huán)境與測繪工程學(xué)院講師，碩士。韓亞芬(1984-)，女，宿州學(xué)院環(huán)境與測繪工程學(xué)院講師，碩士。

中圖分類號：X22

文獻標識碼：A

文章編號：1009-2463 (2016)02-0029-07