我國糧食生產(chǎn)的碳排放及減排路徑分析

張軍偉，張錦華，吳方衛(wèi)

（上海財經(jīng)大學 財經(jīng)研究所，上海 200433）

0 引言

伴隨著城鎮(zhèn)化推進，城鎮(zhèn)建設用地和農(nóng)村勞動力城鄉(xiāng)轉移導致土地資源和勞動力資源的稀缺性日益顯現(xiàn)。根據(jù)誘致性理論，為緩解這兩種生產(chǎn)要素的稀缺性，我國投入了化肥、農(nóng)藥、柴油、機械、灌溉等大量的物質要素來彌補資源稟賦的不足，確保了國家糧食安全，同時也產(chǎn)生了大量的碳排放。

許多學者[1-4]從碳排放的角度研究了農(nóng)業(yè)生產(chǎn)要素的投入，對碳排放的規(guī)模和減排潛力做了測算，為深入研究農(nóng)業(yè)生產(chǎn)尤其是糧食生產(chǎn)中的碳排放問題提供了參考，但存在一個共同的局限是忽略了從空間維度考慮碳排放對農(nóng)業(yè)生產(chǎn)的影響。中國地域廣闊，農(nóng)業(yè)機械、灌溉設施、科技機構的服務對象在不同地區(qū)間并不是相互獨立的，而是存在很強的區(qū)域關聯(lián)性[5]。因此，一個地區(qū)糧食生產(chǎn)可能不僅受本地區(qū)域內(nèi)的碳排放的影響，還可能會受到臨近區(qū)域的影響。如果將本地區(qū)與周圍地區(qū)看作互相獨立，就不能有效控制區(qū)域間的空間交互效應，所得結果也可能是有偏的，進而影響對現(xiàn)實情況的解釋。鑒于此，本文設置空間鄰接權重矩陣，利用空間面板隨機前沿的方法，在對糧食生產(chǎn)中碳排放進行測算基礎上，實證分析了各種碳源對糧食生產(chǎn)的影響，最后探討了糧食生產(chǎn)中碳減排的可能路徑。相關結論可以為“新常態(tài)”下實現(xiàn)糧食安全和生態(tài)安全和諧發(fā)展提供智力支持，也可為相關部門決策提供參考和科學依據(jù)。

1 糧食生產(chǎn)碳排放的測算

1.1 測算方法

參考國內(nèi)外相關文獻，糧食生產(chǎn)過程中碳排放主要來源于兩個方面：一是化肥（原料主要是無煙煤）、農(nóng)藥、農(nóng)膜生產(chǎn)和使用過程中產(chǎn)生的碳排放；二是由于農(nóng)用機械所耗柴油、灌溉所耗電能間接耗費化石燃料導致的碳排放。參考文獻[1]測算碳排放公式為:

其中E為糧食的碳排放總量，Ei為各種碳源的碳排放量；αi為各碳排放源的量，βi為各碳排放源的碳排放系數(shù)。

在碳排放系數(shù)的確定方面，各個機構和學者的標準各不相同，其中影響較大的有政府間氣候變化專門委員會（IPCC）、美國橡樹嶺國家實驗室（ORNL）、南京農(nóng)業(yè)大學農(nóng)業(yè)資源與生態(tài)環(huán)境研究所（IREEA）、國家科委氣候變化項目等[6]。參考各研究機構和文獻[1,2]，本文采用農(nóng)業(yè)碳排放系數(shù)如表1所示。

表1 糧食生產(chǎn)過程中主要碳源排放系數(shù)

1.2 測算結果

從全國范圍看，糧食生產(chǎn)碳排放可以明顯的分為三個階段（見下頁圖1）:（1）1999—2005年，糧食碳排放量穩(wěn)定在4100萬噸左右；（2）2005年以后國家采取了一系列的措施，實現(xiàn)了糧食生產(chǎn)的十三連增，碳排放總量逐年增加，其中2005—2009年碳排放增加速率較快；（3）2009年以后隨著國家對資源環(huán)境保護的重視，碳排放增加速率有所減緩。就不同糧食功能區(qū)而言，主產(chǎn)區(qū)和全國碳排放總量變化趨勢非常一致，且在三大功能區(qū)占主要部分，約占70%左右。平衡區(qū)碳排放總量緩慢增加，主銷區(qū)碳排放總量最少，且增長最慢。

圖11999—2016年糧食生產(chǎn)中碳排放規(guī)模

2 模型構建、變量選取和數(shù)據(jù)說明

2.1 模型構建

經(jīng)典的隨機前沿模型是基于研究單元的相互獨立性。在技術擴散作用下，空間交互效應在經(jīng)濟單元之間互相傳播，各單元的經(jīng)濟存在廣泛的聯(lián)系，距離越近的單元聯(lián)系越大，相似性越明顯，因此研究單元之間相互獨立的假設與經(jīng)濟發(fā)展實際狀況明顯相悖。新經(jīng)濟地理學和空間經(jīng)濟學的研究發(fā)現(xiàn)，地理接近性是產(chǎn)生外部性和一系列相鄰效應的關鍵因素，忽略空間效應的隨機前沿模型很可能會導致模型的估計參數(shù)有偏[7]。在糧食生產(chǎn)過程，各省的糧食生產(chǎn)技術會在相鄰的省份或“鄰居的鄰居”之間傳播，因此糧食的隨機前沿生產(chǎn)函數(shù)應該考慮空間的因素。本文創(chuàng)新之處在于將空間計量經(jīng)濟學的理論方法和隨機前沿理論方法融合在一起，考慮被解釋變量的空間滯后，將參數(shù)估計結果和經(jīng)典隨機前沿模型的結果進行比較。

本文參考林佳顯（2013）[7]的模型，采用如下形式生產(chǎn)函數(shù)的空間自回歸隨機前沿模型：

其中，y=[y1，y2，...，y31]'，表示由31個省份糧食產(chǎn)量（取對數(shù)）組成的31×1維向量，X表示由31個省份糧食生產(chǎn)要素投入量（取對數(shù)）組成的31×10維向量，β為待估計的10×1維系數(shù)向量；u=[u1，u2，...，u31]'是31×1維的技術無效率項向量，代表31個省份糧食生產(chǎn)的技術無效率程度；v=[v1，v2，...，v31]'是31×1維的隨機誤差向量；W是空間權重矩陣，表示不同省份之間的空間相關性；Wy是空間滯后解釋變量，λ為待估空間自回歸系數(shù)。

對于空間權重矩陣W的定義，采用常用的距離相鄰方法，矩陣中相鄰省份對應的元素設為1，非相鄰省份和對角線上的元素設為0。依據(jù)此定義，空間權重矩陣W是一個31×31階的0-1矩陣（標準化），矩陣元素表達式為：

具體地，本文采用如下空間自回歸隨機前沿生產(chǎn)函數(shù)：

其中，Yit表示第i個省份t年的糧食產(chǎn)量；x1it表示第i個省份t年的糧食播種面積；x2it表示第i個省份t年的農(nóng)村從業(yè)人口數(shù)量；x3it表示第i個省份t年的化肥投入量；x4it表示第i個省份t年的農(nóng)藥投入量；x5i表示第i個省份t年的農(nóng)膜投入量；x6i表示第i個省份t年的農(nóng)業(yè)機械投入量；x7it表示第i個省份t年的灌溉用水投入量；x8it表示第i個省份t年的成災面積；x9it表示第i個省份的主要地形地貌；x10it表示第i個省份的科研人員投入數(shù)量；vit是噪音誤差項；uit是技術無效項。數(shù)據(jù)為1999—2016年31個省級面板數(shù)據(jù)。地形地貌會影響糧食的生產(chǎn)，參考各省份的主要地形地貌，在模型中采用虛擬變量的形式。

2.2 變量選取

根據(jù)空間面板隨機前沿生產(chǎn)函數(shù)的要求，一般使用各個變量的對數(shù)形式。

（1）被解釋變量采用各省份糧食生產(chǎn)量的對數(shù)。

（2）核心解釋變量為糧食生產(chǎn)過程中各投入生產(chǎn)要素的對數(shù)。在糧食生產(chǎn)過程中，化肥、農(nóng)藥、地膜、農(nóng)用機械（柴油）、灌溉等要素的投入會大幅度提高糧食產(chǎn)量。

（3）控制變量包括：①播種面積，一般情況下糧食的播種面積越大，糧食產(chǎn)量越高。②農(nóng)村從業(yè)勞動力數(shù)量會影響糧食的生產(chǎn)。③受災面積會使糧食減產(chǎn)或絕收，是影響產(chǎn)量的因素。④地形地貌，糧食生產(chǎn)會受地理環(huán)境的影響，地形地貌采用虛擬變量的形式：平原或盆地地區(qū)設為2，丘陵地區(qū)設為1，高原或山地設為0。⑤科技推廣人員，我國農(nóng)業(yè)科技成果的1/3沒有轉化為現(xiàn)實生產(chǎn)力，科技推廣人員會促進科技成果在糧食生產(chǎn)過程中落地。

2.3 數(shù)據(jù)來源與描述性統(tǒng)計

本文采用1999—2016年《中國農(nóng)村統(tǒng)計年鑒》31個?。ㄊ小⒆灾螀^(qū)）的數(shù)據(jù)。表2報告了變量描述性統(tǒng)計結果。

表2 變量描述性統(tǒng)計

3 模型檢驗及計量結果

3.1 模型設定檢驗

在確定使用空間計量方法之前，首先要考慮數(shù)據(jù)是否有空間依賴性。本文采用Moran's I指數(shù)檢驗數(shù)據(jù)是否具有相關性,式（1）為Moran's I指數(shù)計算公式。如果高值與高值聚集在一起，低值與低值聚集在一起，稱為空間正相關，此時Moran's I指數(shù)大于0；如果高值與低值相鄰，稱為空間負相關，此時Moran's I指數(shù)小于0；如果高值與低值隨機分布稱為空間不相關，此時Moran's I指數(shù)接近0[8]。圖2報告了1999—2016年糧食Moran指數(shù)變化情況?？梢钥闯觯琈oran's I指數(shù)值顯著為正，糧食產(chǎn)量具有明顯的空間依賴性。

圖21999—2016年糧食產(chǎn)量Moran's I指數(shù)

除了Moran's I指數(shù)描述全局的空間相關性，還可以通過繪制Moran散點圖以可視化的直觀圖描述局域空間相關性。Moran散點圖橫坐標為z=xi-空間滯后因子，縱坐標Wz表示對觀測值的空間加權計算。若散點圖中的點(z ，Wz)出現(xiàn)在坐標圖中第一象限表示高值附近出現(xiàn)高值；出現(xiàn)在第二象限表示低值附近出現(xiàn)高值；出現(xiàn)在第三象限表示高值附近出現(xiàn)低值；出現(xiàn)在第四象限表示低值附近出現(xiàn)低值。坐標點出現(xiàn)在第一、三象限表示具有明顯的空間相關性。由于篇幅所限，圖3報告了2016年的糧食產(chǎn)量Moran's I散點圖。圖中有22個省份出現(xiàn)在第一、三象限，說明糧食產(chǎn)量分布具有明顯的局域空間相關性。

3.2 計量結果

圖3 2016年糧食產(chǎn)量Moran's I散點圖

隨機前沿模型的結果在1%水平上顯著為正，說明采用隨機前沿模型是合適的。σu=0.3011且在1%的水平上高度顯著，顯示各省份糧食生產(chǎn)存在著高度顯著的技術無效性，這說明在糧食生產(chǎn)中，部分生產(chǎn)要素的投入是無效的，因此，我國可以在不增加甚至減少碳排放的情況下，通過提高技術效率來提高糧食產(chǎn)量。η取值0.008，在5%水平上顯著，由于，表明隨著時間的推移技術無效率項uit在變小，這也間接顯示了糧食生產(chǎn)過程中技術效率較之以前有了進步。為0.8972大于0.5接近于1，這表明糧食產(chǎn)量偏離前沿面主要是由生產(chǎn)的無效率造成的，這也說明下一步糧食增產(chǎn)穩(wěn)產(chǎn)的路徑不是加大要素投入，而是提高要素的使用效率?？臻g自回歸系數(shù)λ=0.1301，且在1%的水平上顯著，說明糧食產(chǎn)量在各省份存在較大的空間依賴性，這也契合了國家建立連接成片的糧食主產(chǎn)區(qū)來發(fā)揮各空間之間的正向溢出效應。而經(jīng)典的隨機前沿模型忽略了這種溢出效應，這也是本文引入空間因素的重要原因。

表3 隨機前沿模型估計結果

通過表3可以看到，導致碳排放的生產(chǎn)要素化肥、農(nóng)藥、農(nóng)膜、機械、灌溉的系數(shù)均為正，其中化肥、農(nóng)藥的系數(shù)在1%的水平上顯著為正，農(nóng)業(yè)機械和灌溉在5%的水平上顯著為正，農(nóng)膜在10%的水平上顯著為正。上述五種投入要素中，化肥對糧食產(chǎn)能的影響最大為0.18，機械和灌溉次之，農(nóng)藥和農(nóng)膜相對較小。五種投入要素系數(shù)之和為0.25，五種要素投入減少1%會導致糧食產(chǎn)能降低0.25%（取對數(shù)以后）。

隨機前沿生產(chǎn)函數(shù)可以看作一定投入下的最大產(chǎn)出，根據(jù)對偶關系，也可以看作一定產(chǎn)出下的最少投入。進一步計算可以得出，若要保持糧食產(chǎn)能不下降，即保持2016年糧食產(chǎn)量60709.9萬噸，最低碳排放量為3944.1萬噸，即最低碳排放量要至少為2016年碳排放總量的65.5%。這意味著在減少生產(chǎn)要素投入的34.5%的情況下，只要提高糧食生產(chǎn)的技術效率，減少生產(chǎn)要素的無效投入，仍然可以保持2016年的糧食產(chǎn)能。

4 碳減排路徑研究

對糧食生產(chǎn)過程中碳排放的研究，目的在于制定針對性較強的政策措施，降低碳排放的強度。根據(jù)上文分析，我國糧食生產(chǎn)中有較大的碳減排潛力，下面探討確保糧食安全情況下糧食生產(chǎn)要素投入的碳減排問題。

4.1 碳排放強度測算

首先計算我國31個省份的碳排放強度，表4報告了測算結果。

表4 我國31個省份糧食生產(chǎn)碳排放強度

2007年排放強度前5位的省份是海南、河北、浙江、天津、福建，其中4個來自主銷區(qū)，排名第一的海南省碳排放強度是全國平均的1.91倍，是排放強度最低的西藏的4.4倍。2016年排放強度前5位的省份是海南、浙江、北京、陜西、福建，其中4個來自主銷區(qū)，排名第一的海南省碳排放強度是全國平均的2倍，是排放強度最低的黑龍江的3.63倍。在所有年份，主銷區(qū)和平衡區(qū)碳排放強度較高，主產(chǎn)區(qū)和平衡區(qū)碳排放強度較低，且這種趨勢越來越明顯，說明碳排放強度具有較大的地區(qū)差距。這也提示在制定減排政策時不能忽略地域的異質性。

4.2 碳減排路徑

有學者通過將國內(nèi)能效水平與國際先進水平差距來衡量節(jié)能減排的潛力，但考慮到我國的經(jīng)濟發(fā)展水平、科技創(chuàng)新、相關的法律法規(guī)等現(xiàn)實國情，較短期內(nèi)很難追趕成發(fā)達國家先進水平。

本文采用趨同理論來測算節(jié)能減排潛力。先采用絕對趨同法測算31個省份的糧食生產(chǎn)碳減排潛力（假設各省份排放強度向全國最低值收斂），再采用條件趨同法測算主產(chǎn)區(qū)、平衡區(qū)、主銷區(qū)碳減排潛力（各省份向各自功能區(qū)內(nèi)的最低值收斂）。

碳減排潛力測算：首先計算糧食生產(chǎn)過程中碳排放強度的最低省份并用表示，然后利用公式(i=1，2，...，31)計算各省市減排潛力。參考王臘芳等（2015）[9]關于減排潛力的分類標準得到表5。

（1）全國層面的糧食生產(chǎn)減排潛力

表5是全國絕對趨同的情況：各省份的碳排放強度向全國最低的西藏靠攏。

表5 2007—2016年31個省份糧食生產(chǎn)平均減排潛力

有25個省份處在中、高減排潛力區(qū)域，占了全國省份的80.65%，說明大部分地區(qū)糧食生產(chǎn)的碳排放強度比較高，存在很大減排空間，最高的是海南省為74.6%。有12個省份減排潛力超過50%，其中河北、山東來自主產(chǎn)區(qū)；山西、陜西、甘肅來自平衡區(qū)；其余7個全部來自主銷區(qū)（主銷區(qū)共7個省份）。減排潛力最低的除了作為標準的西藏外，還有4個省，分別是貴州、黑龍江、湖南、江西來自平衡區(qū)，其余均來自主產(chǎn)區(qū)。從三大功能區(qū)來看主銷區(qū)減排潛力最大，主銷區(qū)中減排潛力最小的上海其潛力達到56.77%。通過表5可以看出，由于碳減排潛力小于34.5%有10個省份，碳減排潛力大于34.5%有21個省份，占有2/3的比例，所占比例較大，因此全國絕對趨同下的碳減排對糧食安全會產(chǎn)生一定的影響。

（2）俱樂部趨同糧食生產(chǎn)減排潛力

表6是三大功能區(qū)俱樂部條件趨同的情況：各省份的碳排放強度會向本地區(qū)的最低水平靠攏，即主產(chǎn)區(qū)各省份向黑龍江靠攏，平衡區(qū)向西藏靠攏，主銷區(qū)向上?？繑n。

表6 2007—2016年糧食功能區(qū)生產(chǎn)減排潛力 (單位：%)

三大功能區(qū)糧食生產(chǎn)減排的潛力依然比較顯著，平衡區(qū)減排潛力最大，平均減排潛力為37.08%，不同于全國層面的絕對趨同情況下主銷區(qū)減排潛力最大；主產(chǎn)區(qū)平均減排潛力為23.34%，低于平衡區(qū)；主銷區(qū)減排潛力最小，均值只有18.75%。表6中的大多數(shù)減排數(shù)據(jù)小于表5中數(shù)據(jù)（平衡區(qū)相等），說明如果采用俱樂部趨同減排方式，大多數(shù)地區(qū)減排潛力將減少，減排幅度也將減少，減排壓力也隨之降低。俱樂部趨同情況下的碳減排由于只有平衡區(qū)的11個省份的減排潛力大于34.5%，其他20個省（市、自治區(qū)）減排潛力均小于34.5%，因此俱樂部趨同下的碳減排不會影響糧食安全。

5 結論與啟示

本文基于糧食生產(chǎn)要素投入的視角，對我國31個省份糧食生產(chǎn)過程中的碳排放總量和強度進行測算。在此基礎上，通過空間面板隨機前沿生產(chǎn)函數(shù)測算了各種碳源對糧食產(chǎn)能的影響，并進一步測算了糧食生產(chǎn)過程中碳減排潛力，得出結論：（1）我國碳排放規(guī)模較大，各省份的碳排放強度具有較大異質性。（2）在確保糧食安全的前提下，全國有34.5%的碳減排潛力。（3）從碳減排路徑看，全國絕對趨同下的碳減排對糧食安全會產(chǎn)生一定的影響；俱樂部趨同下的碳減排不會影響糧食安全。

當前糧食生產(chǎn)中，生產(chǎn)要素使用效率偏低，存在大量無效投入，因此未來提高農(nóng)業(yè)技術效率是碳減排的關鍵。要強化科技創(chuàng)新和技術推廣，提高低碳農(nóng)業(yè)的科技引領和技術支撐力度，以提高資源利用效率來保護生態(tài)環(huán)境。積極發(fā)展節(jié)水灌溉、水土保持、旱作農(nóng)業(yè)技術；發(fā)展節(jié)能耕作技術、部分地區(qū)試驗和推廣壟作免耕；實施測土配方施肥，精準科學施肥、發(fā)展農(nóng)家肥、秸稈還田技術；充分利用生物防治和物理防治病蟲害技術，探索生產(chǎn)農(nóng)藥替代品。引進低碳農(nóng)業(yè)的各種技術、知識和人才，通過科技創(chuàng)新和技術推廣，既保持糧食產(chǎn)能不下降又擺脫對“石油農(nóng)業(yè)”的依賴，使現(xiàn)代農(nóng)業(yè)科技成為糧食生產(chǎn)過程中實現(xiàn)減少碳排放的重要支撐力。