中國(guó)畜牧業(yè)溫室氣體排放的脫鉤與預(yù)測(cè)分析*

王 歡,喬 娟

?

中國(guó)畜牧業(yè)溫室氣體排放的脫鉤與預(yù)測(cè)分析*

王 歡,喬 娟**

(中國(guó)農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院 北京 100083)

面對(duì)日益嚴(yán)峻的溫室氣體排放形勢(shì), 中國(guó)做出到2030年左右二氧化碳排放達(dá)到峰值的承諾, 其中畜牧業(yè)成為重要減排領(lǐng)域, 因此, 研究中國(guó)畜牧業(yè)溫室氣體排放現(xiàn)狀及趨勢(shì)尤為必要?；?000—2014年省級(jí)面板數(shù)據(jù), 在參考《省級(jí)溫室氣體排放清單指南》測(cè)算畜牧業(yè)溫室氣體排放量基礎(chǔ)上, 借助Tapio脫鉤模型分析畜牧業(yè)溫室氣體排放與經(jīng)濟(jì)發(fā)展之間的關(guān)系, 采用LMDI模型分解其影響因素, 并構(gòu)建不同情景對(duì)2020年畜牧業(yè)溫室氣體排放目標(biāo)進(jìn)行分析。研究結(jié)果表明: 畜牧業(yè)溫室氣體排放量總體呈下降趨勢(shì), 非奶牛減排明顯, 是下降主因, 但其仍處于50%水平之上, 排放量達(dá)18 180.54萬t; 羊、生豬、奶牛排放量增加, 分別為7 072.56萬t、6 202.69萬t、4 359.97萬t。畜牧業(yè)溫室氣體排放脫鉤效應(yīng)比較理想, 全國(guó)以弱脫鉤狀態(tài)為主, 但經(jīng)歷波動(dòng)變化、相對(duì)平穩(wěn)、持續(xù)上升3個(gè)發(fā)展階段, 脫鉤狀態(tài)不穩(wěn)定。綜合效應(yīng)在國(guó)家層面呈倒“U”型特征, 但在省份間差異明顯; 生產(chǎn)效率效應(yīng)是國(guó)家和省份減排的最大貢獻(xiàn)者, 經(jīng)濟(jì)發(fā)展效應(yīng)則是增排的最主要推動(dòng)因素; 綜合效應(yīng)差異主要來自產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和勞動(dòng)力效應(yīng)的不同。2020年畜牧業(yè)溫室氣體排放遠(yuǎn)超管控目標(biāo), 預(yù)測(cè)區(qū)間端點(diǎn)值分別超過目標(biāo)12.84%和34.71%, 減排壓力大。因此, 應(yīng)調(diào)整產(chǎn)業(yè)結(jié)構(gòu), 適當(dāng)進(jìn)口畜產(chǎn)品; 針對(duì)不同地區(qū)脫鉤狀態(tài)差別化治理, 提高養(yǎng)殖效率; 明確畜牧業(yè)減排目標(biāo), 分解管控任務(wù)。

畜牧業(yè); 溫室氣體排放; 脫鉤模型; LMDI模型; 情景預(yù)測(cè)

隨著中國(guó)經(jīng)濟(jì)的快速發(fā)展, 社會(huì)對(duì)畜產(chǎn)品需求日益增大, 使畜牧業(yè)得到快速發(fā)展, 但同時(shí)伴生的養(yǎng)殖污染也帶來了一系列的生態(tài)環(huán)境問題, 其中, 溫室氣體排放增加帶來的環(huán)境影響尤為突出[1]。從世界范圍來看, 1961—2010年因畜產(chǎn)品需求增加, 全球畜牧業(yè)溫室氣體排放增加51%[2]。而畜牧業(yè)作為溫室氣體排放的重要來源, 其排放量占農(nóng)業(yè)排放總量的50.30%[3], 占全球溫室氣體排放總量的14.50%[4]。對(duì)中國(guó)而言, 2011年畜禽溫室氣體排放總量已達(dá)34 547.71萬t(CO2當(dāng)量), 其中動(dòng)物腸胃發(fā)酵產(chǎn)生的CH4占52.11%, 畜禽糞便處理產(chǎn)生的CH4與N2O分別占11.22%、36.67%[5]?？梢? 畜牧業(yè)溫室氣體減排已成為亟需關(guān)注的重點(diǎn)領(lǐng)域。

如何測(cè)算溫室氣體排放量是研究的首要問題, 目前主要存在兩種測(cè)算方法和系數(shù), 分別來自經(jīng)濟(jì)合作與發(fā)展組織(OECD)和政府間氣候變化專門委員會(huì)(IPCC), 其中后者逐漸得到廣泛認(rèn)可和應(yīng)用[6-10]。但只測(cè)算出溫室氣體排放值并不能反映實(shí)際情況, 為此學(xué)者們引入脫鉤理論進(jìn)行分析, 期望發(fā)現(xiàn)溫室氣體排放與經(jīng)濟(jì)發(fā)展之間的相互關(guān)系。該理論認(rèn)為某一時(shí)期內(nèi)經(jīng)濟(jì)財(cái)富增長(zhǎng)速度快于經(jīng)濟(jì)活動(dòng)造成的環(huán)境惡化速度, 就表明兩者存在脫鉤關(guān)系[11]。比如陳瑤等[5]分析發(fā)現(xiàn)中國(guó)畜牧業(yè)溫室氣體排放與畜牧業(yè)產(chǎn)值之間主要為強(qiáng)脫鉤和弱脫鉤兩種狀態(tài), 舒暢等[12]認(rèn)為中國(guó)生豬養(yǎng)殖業(yè)生態(tài)足跡與經(jīng)濟(jì)發(fā)展間主要是強(qiáng)脫鉤、弱脫鉤、強(qiáng)負(fù)脫鉤和弱負(fù)脫鉤的關(guān)系。綜合來看, 中國(guó)畜牧業(yè)溫室氣體排放脫鉤穩(wěn)定性差, 脫鉤狀態(tài)反復(fù)。究竟是何原因引起這種變化, 部分學(xué)者展開了溫室氣體排放的影響因素分析。陳蘇等[10]利用對(duì)數(shù)平均迪氏指數(shù)法(LMDI)分解后發(fā)現(xiàn)經(jīng)濟(jì)效應(yīng)對(duì)畜禽溫室氣體排放促進(jìn)作用最大, 而強(qiáng)度效應(yīng)的抑制作用最大, 其次是勞動(dòng)力效應(yīng)和結(jié)構(gòu)效應(yīng); 陳瑤等[5]同樣指出經(jīng)濟(jì)因素是最大因素, 短期內(nèi)效率因素是中國(guó)畜牧業(yè)低碳化發(fā)展的最主要誘因, 而從長(zhǎng)期來看勞動(dòng)力因素是最主要因素; 潘丹等[13]研究表明環(huán)保技術(shù)的提高和勞動(dòng)力轉(zhuǎn)移是養(yǎng)殖污染下降的主要因素, 產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)變和經(jīng)濟(jì)發(fā)展則會(huì)增加養(yǎng)殖污染; Tian等[14]利用多元回歸分析后認(rèn)為優(yōu)化生產(chǎn)結(jié)構(gòu)、加強(qiáng)低碳生產(chǎn)方式和經(jīng)營(yíng)規(guī)模、提高生產(chǎn)效率, 是實(shí)現(xiàn)湖南畜牧業(yè)減排和健康發(fā)展的關(guān)鍵。

上述文獻(xiàn)為本文提供了理論借鑒和研究思考, 總結(jié)發(fā)現(xiàn)尚存以下不足: 第一, 已有研究多是基于國(guó)家總體或個(gè)別省份層面展開分析, 缺少對(duì)省級(jí)層面的比較研究, 不利于觀察省際間畜牧業(yè)溫室氣體排放情況及脫鉤狀態(tài), 進(jìn)而無法了解國(guó)家減排政策在各省的落實(shí)效果。第二, 采用的溫室氣體排放因子主要參考IPCC的標(biāo)準(zhǔn), 但其與根據(jù)中國(guó)實(shí)際情況制定的《省級(jí)溫室氣體排放清單指南》(以下簡(jiǎn)稱《指南》)存在較大差異, 從而產(chǎn)生測(cè)算偏誤。第三, 已有研究尚無在國(guó)家制定減排承諾下展開預(yù)測(cè)分析, 未就既有發(fā)展趨勢(shì)是否能如期完成目標(biāo)進(jìn)行研究。而少數(shù)學(xué)者將情景預(yù)測(cè)運(yùn)用到碳排放[15]、耕地保有量[16]和建設(shè)用地總量[17]目標(biāo)管控分析中取得較好成效, 如果在畜牧業(yè)溫室氣體排放研究中納入目標(biāo)管控分析, 則更能明確國(guó)家減排任務(wù)和壓力、把握畜牧業(yè)發(fā)展趨勢(shì)。

為此, 本文依據(jù)《指南》提供的系數(shù), 在測(cè)算2000—2014年中國(guó)總體和區(qū)域畜牧業(yè)溫室氣體排放量的基礎(chǔ)上, 運(yùn)用脫鉤理論分析畜牧業(yè)溫室氣體排放與其產(chǎn)值之間的關(guān)系, 采用LMDI模型分解影響因素, 并展開2020年畜牧業(yè)溫室氣體排放目標(biāo)預(yù)測(cè)分析, 以期為中國(guó)畜牧業(yè)減排提供現(xiàn)實(shí)依據(jù)和畜牧業(yè)低碳綠色發(fā)展提供決策參考。

1 研究方法與數(shù)據(jù)來源

1.1 畜牧業(yè)溫室氣體排放量的測(cè)算

目前, 畜牧業(yè)溫室氣體排放量測(cè)算方法主要使用IPCC提供的估算方法, 其可靠性已得到眾多研究證明。本文亦采用此方法, 選取牛、羊、馬、騾、驢、駱駝、生豬、家禽和兔等動(dòng)物作為測(cè)算對(duì)象, 具體方法如下:

1.2 Tapio脫鉤模型

Tapio脫鉤模型是在OECD脫鉤模型基礎(chǔ)上發(fā)展而來, 采用彈性測(cè)度脫鉤程度。該方法克服了OECD脫鉤模型在基期選擇上的困境, 是目前研究經(jīng)濟(jì)脫鉤關(guān)系的最主要研究方法[15]。本文基于Tapio脫鉤模型分析畜牧業(yè)溫室氣體排放與經(jīng)濟(jì)增長(zhǎng)脫鉤關(guān)系, 公式如下:

式中:為脫鉤彈性;G、G1分別為第年和第-1年的畜牧業(yè)溫室氣體排放量, 萬t;H、H1別為第年和第-1年的畜牧業(yè)生產(chǎn)總值, 代表經(jīng)濟(jì)增長(zhǎng)狀況, 億元。借鑒相關(guān)研究成果, 將脫鉤狀態(tài)劃分為8個(gè)類別[18], 如表1所示。

表1 畜牧業(yè)溫室氣體排放Tapio脫鉤類型劃分

: greenhouse gas emission;: output value of animal husbandry.

1.3 畜牧業(yè)溫室氣體排放影響因素的LMDI分解

Ang[19]在綜合比較各種因素分解方法的基礎(chǔ)上, 指出LMDI方法滿足因素可逆, 能消除殘差項(xiàng), 克服其他方法分解后存在殘差項(xiàng)或?qū)埐铐?xiàng)分解不當(dāng)?shù)娜秉c(diǎn), 使模型更具說服力。為此, 本文采用LMDI方法構(gòu)建畜牧業(yè)溫室氣體排放影響因素分解公式:

式中:為畜牧業(yè)溫室氣體排放量, 萬t;為畜牧業(yè)生產(chǎn)總值, 億元;為農(nóng)業(yè)總產(chǎn)值, 億元;為農(nóng)業(yè)從業(yè)勞動(dòng)力人數(shù), 萬人。

由于LMDI的“加和分解”和“乘積分解”最終結(jié)果一致, 而前者能較為清晰地分解出影響因素[10]。因此, 本文采用“加和分解”對(duì)畜牧業(yè)溫室氣體排放進(jìn)行分解。

式中:0為基期畜牧業(yè)溫室氣體排放量, 萬t;G為期畜牧業(yè)溫室氣體排放量, 萬t; Δ表示畜牧業(yè)溫室氣體排放變化量, 萬t。, 表示畜牧業(yè)單位產(chǎn)值溫室氣體排放強(qiáng)度, 代表生產(chǎn)效率;, 表示畜牧業(yè)產(chǎn)值占農(nóng)業(yè)總產(chǎn)值比重, 代表產(chǎn)業(yè)結(jié)構(gòu);, 表示單位農(nóng)業(yè)從業(yè)勞動(dòng)力產(chǎn)值, 代表經(jīng)濟(jì)發(fā)展;, 為農(nóng)村勞動(dòng)力, 代表就業(yè)規(guī)模。其中:

1.4 畜牧業(yè)溫室氣體排放預(yù)測(cè)方法

借鑒相關(guān)研究, 本文通過選取不同情境下的脫鉤狀態(tài)和經(jīng)濟(jì)發(fā)展速度, 預(yù)測(cè)2020年溫室氣體排放狀況(G), 并進(jìn)行目標(biāo)管控分析。預(yù)測(cè)公式如下:

1.5 數(shù)據(jù)來源

本文樣本選擇2000—2014年中國(guó)各省級(jí)地區(qū)(不含香港、澳門和臺(tái)灣)的面板數(shù)據(jù), 均來自《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》(2000—2015)、《中國(guó)畜牧業(yè)年鑒》(2000—2015)。為消除價(jià)格因素影響, 將相關(guān)產(chǎn)值折算為1999年可比價(jià)。表2對(duì)各指標(biāo)進(jìn)行了基本的統(tǒng)計(jì)性描述。

表2 畜牧業(yè)溫室氣體排放量測(cè)量指標(biāo)的統(tǒng)計(jì)性描述

2 結(jié)果與分析

2.1 畜牧業(yè)溫室氣體排放變化

根據(jù)公式(1), 測(cè)算出2000—2014年中國(guó)畜牧業(yè)溫室氣體排放量(表3)。分析表3可知, 中國(guó)畜牧業(yè)溫室氣體排放量由2000年的37 785.24萬t下降到2014年的35 815.76萬t, 降幅為5.21%。其中, 2000—2006年為快速增長(zhǎng)階段, 生豬、奶牛、非奶牛、羊的出欄量都不同程度增加, 共同拉動(dòng)溫室氣體排放增加; 2007—2014年為“迅速下降—略微回升”階段, 溫室氣體排放迅速降至2011年的34 821.75萬t谷底后, 回升到2014年的35 815.76萬t, 前期主要原因是非奶牛和羊出欄量的減少引起溫室氣體排放減少, 后期主要原因是2011年之后生豬、奶牛產(chǎn)業(yè)政策刺激使出欄量增加從而帶動(dòng)溫室氣體排放略微回升。

同時(shí), 非奶牛是畜牧業(yè)溫室氣體排放的主要來源, 也是畜牧業(yè)溫室氣體減排的主要貢獻(xiàn)者, 盡管其所占比例在逐年下降, 但仍處于50%水平之上; 羊排放的溫室氣體所占比例比較穩(wěn)定, 保持在19%左右; 生豬排放的溫室氣體所占比例呈緩慢增長(zhǎng)趨勢(shì), 逼近羊所占的比例; 奶牛排放的溫室氣體所占比例最少, 但上升幅度大。

表3 2000—2014年中國(guó)畜牧業(yè)溫室氣體排放情況1)

1)實(shí)證中未涉及馬、騾、驢、兔、駱駝和家禽, 理由有3點(diǎn): 一是僅內(nèi)蒙古、新疆、甘肅、青海、寧夏5個(gè)省區(qū)有駱駝且數(shù)量很少, 故予以剔除; 二是歷年這些畜禽種類的溫室氣體排放之和僅占總排放量的3.5%左右, 去除不影響結(jié)論; 三是國(guó)家未出臺(tái)這些種類生產(chǎn)相關(guān)規(guī)劃, 缺乏后文分析所需數(shù)據(jù)。1) There are three reasons for the absence of horses, mules, donkeys, rabbits, camels and poultry in the empirical study. First, only five provinces and regions, which are Inner Mongolia, Xinjiang, Gansu, Qinghai and Ningxia, have a small number of camels, so they are eliminated. Second, the total greenhouse gas emission of these livestock and poultry species accounts for only about 3.5% of the total emissions over the years. Third, the state has not promulgated these kinds of production related planning, and lacks the data needed for subsequent analysis.

2.2 畜牧業(yè)溫室氣體排放脫鉤分析

根據(jù)公式(2), 中國(guó)畜牧業(yè)溫室氣體排放與畜牧業(yè)產(chǎn)值之間的脫鉤狀況如表4, 其具有明顯的階段性特點(diǎn), 可分為3個(gè)階段。

1)波動(dòng)變化階段(2000—2006年): 該階段呈現(xiàn)“擴(kuò)張連接—弱脫鉤—擴(kuò)張負(fù)脫鉤—弱脫鉤”的波動(dòng)式變化。2000—2001年畜牧業(yè)溫室氣體排放量與畜牧業(yè)產(chǎn)值均呈增長(zhǎng)狀態(tài), 但前者增幅小于后者, 脫鉤彈性減小; 2002—2003年溫室氣體排放增量大于產(chǎn)值增量, 脫鉤彈性增大, 尤其是2003年達(dá)到1.565,形成擴(kuò)張負(fù)脫鉤狀態(tài); 2004—2006年, 畜牧業(yè)產(chǎn)值增長(zhǎng)迅速, 超過溫室氣體排放量增幅, 脫鉤彈性下降, 又返回到弱脫鉤狀態(tài)。

2)相對(duì)平穩(wěn)階段(2007—2011年): 該階段主要特征為“強(qiáng)脫鉤—弱脫鉤—強(qiáng)脫鉤”的相對(duì)平穩(wěn)式變化。2007—2008年畜牧業(yè)溫室氣體排放量均相繼下降, 增幅分別為-0.127、-0.107, 從而形成強(qiáng)脫鉤狀態(tài); 2009—2010年溫室氣體排放量與畜牧業(yè)產(chǎn)值增加, 并較穩(wěn)定, 形成弱脫鉤狀態(tài); 2011年溫室氣體排放量小幅減小, 而畜牧業(yè)產(chǎn)值保持穩(wěn)定, 為強(qiáng)脫鉤狀態(tài)。

3)持續(xù)上升階段(2012—2014年): 該階段是弱脫鉤狀態(tài)的上升式變化。2012—2014年畜牧業(yè)溫室氣體排放量逐漸回升, 增幅由0.003擴(kuò)大到0.018, 畜牧業(yè)產(chǎn)值則小幅下降, 由0.045減少到0.042, 脫鉤彈性相應(yīng)由0.067快速上升到0.419, 但都處于弱脫鉤狀態(tài)。

進(jìn)一步從省級(jí)層面分析畜牧業(yè)溫室氣體排放量與畜牧業(yè)產(chǎn)值的脫鉤關(guān)系, 可了解地區(qū)間差異情況。表5顯示, 各省份脫鉤狀態(tài)主要為弱脫鉤、強(qiáng)脫鉤和衰退脫鉤3種類型。其中, 北京、天津、內(nèi)蒙古、遼寧、吉林、黑龍江、湖北、湖南、重慶、四川、西藏、甘肅、青海、寧夏、新疆等15個(gè)省市區(qū)為弱脫鉤, 表明這些省份的畜牧業(yè)產(chǎn)值增速大于畜牧業(yè)溫室氣體排放量增速, 治理效果初見成效, 但壓力依然存在; 河北、山西、江蘇、浙江、安徽、福建、江西、山東、河南、廣東、廣西、海南、貴州、云南、陜西等15個(gè)省市區(qū)為強(qiáng)脫鉤, 處于理想狀態(tài), 表明這些省份的畜牧業(yè)產(chǎn)值增速為正的同時(shí)畜牧業(yè)溫室氣體排放量逐漸下降, 實(shí)現(xiàn)減排目標(biāo)。此外, 上海的畜牧業(yè)溫室氣體排放與畜牧業(yè)產(chǎn)值為雙降趨勢(shì), 且前者降幅大于后者, 為衰退脫鉤。

表4 2000—2014年中國(guó)畜牧業(yè)溫室氣體排放量與畜牧業(yè)產(chǎn)值脫鉤關(guān)系

: greenhouse gas emission;: output value of animal husbandry.

表5 2000—2014年各省份畜牧業(yè)溫室氣體排放量與畜牧業(yè)產(chǎn)值脫鉤關(guān)系

2.3 畜牧業(yè)溫室氣體排放影響因素分解

借助LMDI模型, 得出生產(chǎn)效率效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、經(jīng)濟(jì)發(fā)展效應(yīng)和勞動(dòng)力效應(yīng)引起的溫室氣體排放變化(表6, 圖1)。

表6 2000—2014年中國(guó)畜牧業(yè)溫室氣體排放影響因素分解

總體上, 生產(chǎn)效率效應(yīng)和勞動(dòng)力效應(yīng)為負(fù)值, 對(duì)畜牧業(yè)溫室氣體排放具有抑制作用; 產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和經(jīng)濟(jì)發(fā)展效應(yīng)為正值, 具有推動(dòng)作用。在不同效應(yīng)共同作用下, 綜合效應(yīng)呈倒“U”型趨勢(shì), 并且在2006年到達(dá)峰值7 109.36萬t后急速下降, 于2008年實(shí)現(xiàn)負(fù)增長(zhǎng)。表明2007年前后實(shí)行的一系列畜牧業(yè)政策開始產(chǎn)生作用, 減排效應(yīng)凸顯。

生產(chǎn)效率效應(yīng)是畜牧業(yè)溫室氣體排放減少的最大貢獻(xiàn)者。由2000年的-1 311.95萬t減到2014年的-52 955.50萬t。主要是因?yàn)榱挤N繁育、飼料生產(chǎn)、疫病防治、養(yǎng)殖技術(shù)等體系相繼構(gòu)建, 以及養(yǎng)殖規(guī)?；?、集約化進(jìn)程加快, 生產(chǎn)效率得到大幅度提升。勞動(dòng)力效應(yīng)在2002年由正轉(zhuǎn)負(fù), 并逐漸減小, 2014年為-6 369.07萬t, 成為溫室氣體減排的重要力量。隨著城市化和工業(yè)化不斷推進(jìn), 大量農(nóng)業(yè)剩余勞動(dòng)力轉(zhuǎn)移到非農(nóng)產(chǎn)業(yè), 眾多散戶退出畜牧業(yè), 養(yǎng)殖規(guī)模化提高。產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)除2014年之外都為正值, 2008年達(dá)到最大值7 782.96萬t后迅速下降為-273.70萬t。表明產(chǎn)業(yè)結(jié)構(gòu)是推動(dòng)畜牧業(yè)溫室氣體排放的重要因素, 但這種影響在逐漸減小并開始轉(zhuǎn)為抑制作用, 在2014年發(fā)生由“壞”到“好”的根本轉(zhuǎn)變。經(jīng)濟(jì)發(fā)展效應(yīng)都為正值, 是畜牧業(yè)溫室氣體排放的最大誘因, 且這種推動(dòng)作用在逐漸擴(kuò)大。2000—2014年的大部分年份, 經(jīng)濟(jì)發(fā)展效應(yīng)的推動(dòng)作用都超過生產(chǎn)效率效應(yīng)的抑制作用, 從而成為主導(dǎo)減排成效的關(guān)鍵因素。2014年在生產(chǎn)效率效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)和勞動(dòng)力效應(yīng)“三效齊減”情況下, 經(jīng)濟(jì)發(fā)展效應(yīng)仍處于增長(zhǎng)狀態(tài), 達(dá)58 373.58萬t。

進(jìn)一步從省級(jí)層面分析發(fā)現(xiàn)(圖1), 各效應(yīng)的影響作用顯著不同, 從而造成綜合效應(yīng)差異明顯。河北、山西、上海、江蘇、安徽、福建、江西、山東、河南、湖北、廣東、廣西、海南、重慶、貴州、云南等16個(gè)省區(qū)市綜合效益為負(fù)值, 北京、天津、內(nèi)蒙古、遼寧、吉林、黑龍江、浙江、湖南、四川、西藏、陜西、甘肅、青海、寧夏、新疆等15個(gè)省區(qū)市綜合效益為正值, 其中安徽畜牧業(yè)溫室氣體減排最多, 達(dá)-6 445.54萬t, 而內(nèi)蒙古畜牧業(yè)溫室氣體排放最多, 達(dá)11 452.34萬t。

具體來看, 全部省份的生產(chǎn)效率效應(yīng)都為負(fù)值, 成為抑制畜牧業(yè)溫室氣體排放的主要因素。其中, 河南、山東和四川生產(chǎn)效率效應(yīng)較大, 分別為-45 355.80萬t、-37 554.26萬t和-37 384.32萬t, 上海、天津和北京生產(chǎn)效率效應(yīng)較小, 分別為-67.40萬t、-247.85萬t和-507.13萬t, 說明地區(qū)間差異明顯, 傳統(tǒng)農(nóng)業(yè)區(qū)相比經(jīng)濟(jì)發(fā)達(dá)地區(qū)生產(chǎn)效率效應(yīng)更大。產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)方面, 只有湖南、甘肅、上海、福建、山西、新疆、江蘇等7個(gè)省市區(qū)為負(fù)值, 對(duì)畜牧業(yè)溫室氣體排放具有抑制作用, 且作用較小。而剩余24個(gè)省份都為正值, 對(duì)畜牧業(yè)溫室氣體排放具有推動(dòng)作用。表明在這些地區(qū)畜牧業(yè)具有比較優(yōu)勢(shì), 農(nóng)業(yè)結(jié)構(gòu)向畜牧業(yè)傾斜, 使畜牧業(yè)溫室氣體排放增加。經(jīng)濟(jì)發(fā)展效應(yīng)方面, 全部省份都為正值, 成為推動(dòng)畜牧業(yè)溫室氣體排放的主要因素。但地區(qū)間差異明顯, 最大的河南、四川、山東、內(nèi)蒙古、云南、河北、湖南等7個(gè)省區(qū)的效應(yīng)總和為全部效益的49.20%, 而上海、天津、北京分別僅為629.72萬t、859.96萬t、913.80萬t, 占比0.56%, 可見傳統(tǒng)農(nóng)業(yè)區(qū)農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)值越高, 推動(dòng)畜牧業(yè)溫室氣體排放的作用越大, 而經(jīng)濟(jì)發(fā)達(dá)地區(qū)畜牧業(yè)發(fā)展空間有限, 農(nóng)業(yè)經(jīng)濟(jì)產(chǎn)值相對(duì)較低, 推動(dòng)作用也相對(duì)較小。勞動(dòng)力效應(yīng)方面, 除新疆、甘肅、內(nèi)蒙古等7個(gè)省區(qū)為正值外, 其余省份都為負(fù)值。畜牧業(yè)是勞動(dòng)密集型產(chǎn)業(yè), 在新疆等地為重要產(chǎn)業(yè), 勞動(dòng)力投入不斷增加, 對(duì)畜牧業(yè)溫室氣體排放推動(dòng)作用明顯。但隨著技術(shù)進(jìn)步、養(yǎng)殖規(guī)?；? 以及非農(nóng)就業(yè)機(jī)會(huì)增加, 四川、山東、河南等地農(nóng)業(yè)勞動(dòng)力大量向非農(nóng)產(chǎn)業(yè)轉(zhuǎn)移, 勞動(dòng)力效應(yīng)抑制作用顯著。

圖1 2000—2014年各省區(qū)市畜牧業(yè)溫室氣體排放影響因素分解

2.4 畜牧業(yè)溫室氣體排放預(yù)測(cè)與分析

2.4.1 情景設(shè)置

1)畜牧業(yè)溫室氣體排放目標(biāo): 在明晰目前中國(guó)畜牧業(yè)溫室氣體排放總量和影響因素的基礎(chǔ)上, 本文著眼于長(zhǎng)遠(yuǎn), 進(jìn)一步分析未來溫室氣體排放趨勢(shì)以及防控形勢(shì)。要分析到2020年畜牧業(yè)溫室氣體排放管控目標(biāo)能否實(shí)現(xiàn), 需首先確定2020年溫室氣體排放量。根據(jù)農(nóng)業(yè)部頒布的《全國(guó)生豬生產(chǎn)發(fā)展規(guī)劃(2016—2020年)》《全國(guó)奶業(yè)“十一五”發(fā)展規(guī)劃和2020年遠(yuǎn)景目標(biāo)規(guī)劃》《全國(guó)草食畜牧業(yè)發(fā)展規(guī)劃(2016—2020年)》, 測(cè)算出生豬、奶牛、牛和羊的溫室氣體排放量總計(jì)29 744.35萬t。

2)經(jīng)濟(jì)增長(zhǎng)速度和脫鉤彈性確定: 選取2010—2014年5年間畜牧業(yè)產(chǎn)值增長(zhǎng)速度的最大值(快)、平均值(中)、最小值(慢)作為經(jīng)濟(jì)增長(zhǎng)預(yù)測(cè)速度。相應(yīng)地, 選取同期畜牧業(yè)溫室氣體排放與畜牧業(yè)產(chǎn)值增長(zhǎng)的脫鉤彈性最大值(高)、平均值(中)、最小值(低)作為脫鉤彈性預(yù)測(cè)值(表7)。

2.4.2 目標(biāo)管控分析

利用公式(9)、(10)測(cè)算出結(jié)果后, 與溫室氣體目標(biāo)排放量(29 744.35萬t)比較(表8)?？梢园l(fā)現(xiàn), 畜牧業(yè)溫室氣體排放預(yù)測(cè)值區(qū)間為33 563.08~40 067.71萬t, 將其與溫室氣體排放目標(biāo)相減, 缺口區(qū)間為3 818.72~10 323.36萬t, 端點(diǎn)值分別超過目標(biāo)12.84%和34.71%。因此, 無論何種情景下, 2020年中國(guó)畜牧業(yè)溫室氣體排放預(yù)測(cè)值將會(huì)超過管控目標(biāo), 只有最低的脫鉤彈性和最快的經(jīng)濟(jì)增長(zhǎng)速度才能形成最小的溫室氣體排放缺口。

表8 2020年中國(guó)畜牧業(yè)溫室氣體排放量預(yù)測(cè)值和缺口

l、m、s分別代表畜牧業(yè)產(chǎn)值增長(zhǎng)速度快、中等和慢,l、m、s分別代表畜牧業(yè)溫室氣體排放與畜牧業(yè)產(chǎn)值增長(zhǎng)脫鉤彈性高、中等和低。l,mandsrespectively represent fast, medium and slow growth rates of output value of animal husbandry;l,mandsrespectively represent high, medium and low decoupling elasticity between greenhouse emissions and output value growth of animal husbandry of China.

3 結(jié)論與討論

本文基于2000—2014年中國(guó)畜牧業(yè)面板數(shù)據(jù), 在測(cè)算溫室氣體排放量的前提下, 借助Tapio脫鉤模型分析畜牧業(yè)溫室氣體排放與經(jīng)濟(jì)發(fā)展之間的關(guān)系, 進(jìn)而采用LMDI模型對(duì)影響畜牧業(yè)溫室氣體排放的影響因素進(jìn)行分解, 并結(jié)合情景預(yù)測(cè)法對(duì)2020年中國(guó)畜牧業(yè)溫室氣體排放展開目標(biāo)管控分析。主要得出以下結(jié)論:

1)畜牧業(yè)溫室氣體排放量總體呈下降趨勢(shì)。根據(jù)《指南》標(biāo)準(zhǔn)測(cè)算, 2000—2014年期間, 中國(guó)畜牧業(yè)溫室氣體排量由37 785.24萬t下降到35 815.76萬t, 降幅達(dá)5.21%。其中, 非奶牛減排明顯, 是下降主因, 但其排放量所占比例仍處于50%水平之上; 羊、生豬排放量趨同, 保持在19%左右; 奶牛排放量較少但增勢(shì)明顯。

2)畜牧業(yè)溫室氣體排放脫鉤效應(yīng)比較理想, 但脫鉤狀態(tài)不穩(wěn)定。全國(guó)以弱脫鉤狀態(tài)為主, 但經(jīng)歷波動(dòng)變化、相對(duì)平穩(wěn)、持續(xù)上升3個(gè)發(fā)展階段; 各省份脫鉤狀況較好, 15個(gè)強(qiáng)脫鉤、15個(gè)弱脫鉤以及1個(gè)衰退脫鉤。

3)總體上, 綜合效應(yīng)在國(guó)家層面呈倒“U”型特征, 但在省份間差異明顯。具體看, 生產(chǎn)效率效應(yīng)是國(guó)家和省份減排的最大貢獻(xiàn)者, 經(jīng)濟(jì)發(fā)展效應(yīng)則是增排的最主要推動(dòng)因素; 綜合效應(yīng)差異主要來自國(guó)家層面產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)逐漸減小并轉(zhuǎn)為抑制作用, 而24個(gè)省份仍為推動(dòng)作用, 國(guó)家層面勞動(dòng)力效應(yīng)的抑制作用逐漸增強(qiáng)但仍有7個(gè)省份存在推動(dòng)作用。

4)2020年畜牧業(yè)溫室氣體排放將會(huì)超過管控目標(biāo), 減排壓力大。利用情景預(yù)測(cè)分析, 畜牧業(yè)溫室氣體排放預(yù)測(cè)值為33 563.08~40 067.71萬t, 與29 744.35萬t目標(biāo)值相比存在較大缺口, 預(yù)測(cè)端點(diǎn)值分別超過目標(biāo)12.84%和34.71%, 減排任務(wù)重。

本文結(jié)合《指南》給定的標(biāo)準(zhǔn)對(duì)中國(guó)畜牧業(yè)溫室氣體排放量進(jìn)行測(cè)算, 所得結(jié)果較已有研究[5,10]更精確, 但大體發(fā)展趨勢(shì)一致, 表明中國(guó)經(jīng)過多年的產(chǎn)業(yè)調(diào)整和減排治理已收獲一定成效?；谑》輰用娴倪M(jìn)一步分析, 發(fā)現(xiàn)生產(chǎn)效率效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、經(jīng)濟(jì)發(fā)展效應(yīng)和勞動(dòng)力效應(yīng)在空間上的疊加, 形成了畜牧業(yè)溫室氣體排放綜合效應(yīng)的空間差異。這為中國(guó)畜牧業(yè)減排工作提供了決策依據(jù)。區(qū)別于以往文獻(xiàn), 本文引入情景預(yù)測(cè)法對(duì)中國(guó)畜牧業(yè)溫室氣體排放進(jìn)行管控分析, 給出遵循現(xiàn)有發(fā)展條件可能會(huì)取得的結(jié)果, 為減排領(lǐng)域理論和實(shí)踐工作者提供一個(gè)發(fā)展預(yù)期。因此, 結(jié)合研究結(jié)論和實(shí)際情況, 本文認(rèn)為應(yīng)利用農(nóng)業(yè)供給側(cè)結(jié)構(gòu)性改革和新一輪畜禽養(yǎng)殖污染治理機(jī)遇, 調(diào)減生產(chǎn)效率低、廢棄物管理能力不足的產(chǎn)能, 尤其是牛、豬等排放總量大的種類, 調(diào)整產(chǎn)業(yè)結(jié)構(gòu); 同時(shí)利用國(guó)際市場(chǎng), 適度進(jìn)口牛羊肉、豬肉等畜產(chǎn)品以替代國(guó)內(nèi)養(yǎng)殖, 緩解排放存量。弱脫鉤地區(qū)應(yīng)加快選育優(yōu)良品種和開發(fā)新型減排添加劑, 推廣畜禽清潔養(yǎng)殖技術(shù), 結(jié)合地區(qū)特點(diǎn)優(yōu)化糞便管理方式, 降低排放強(qiáng)度; 強(qiáng)脫鉤地區(qū)應(yīng)嘗試立法, 用制度手段鞏固減排勢(shì)頭; 衰退脫鉤地區(qū)應(yīng)著力探索減排創(chuàng)新模式和方法, 總結(jié)經(jīng)驗(yàn)、推廣示范。應(yīng)大力提高畜牧業(yè)養(yǎng)殖技術(shù)水平, 提升生產(chǎn)效率。同時(shí), 借鑒工業(yè)、交通等行業(yè)有益做法, 出臺(tái)畜牧業(yè)減排政策, 明確減排目標(biāo)和計(jì)劃, 分解減排任務(wù)到省, 切實(shí)落實(shí)管控責(zé)任。

研究結(jié)論對(duì)于中國(guó)畜牧業(yè)綠色發(fā)展和減排相關(guān)工作的推進(jìn)具有一定的參考價(jià)值, 但與此同時(shí), 中國(guó)畜牧業(yè)溫室氣體排放在各階段的變化以及各省份間差異明顯的更深層次原因有待進(jìn)一步剖析。由于數(shù)據(jù)缺失的緣故, 本文所做的溫室氣體排放預(yù)測(cè)期較短, 這都是本文下一步拓展深化研究的空間。

[1] PETERSEN S O, BLANCHARD M, CHADWICK D, et al. Manure management for greenhouse gas mitigation[J]. Animal, 2013, 7(S2): 266–282

[2] CARO D, DAVIS S J, BASTIANONI S, et al. Global and regional trends in greenhouse gas emissions from livestock[J]. Climatic Change, 2014, 126(1/2): 203–216

[3] FAO. FAO Statistical Yearbook 2013 World Food and Agriculture[M]. Rome: Food and Agriculture Organization of the United Nations, 2013

[4] GERBER P J, STEINFELD H, HENDERSON B, et al. Tackling climate change through livestock: A global assessment of emissions and mitigation opportunities[R]. Rome: Food and Agriculture Organization of the United Nations, 2013

[5] 陳瑤, 尚杰. 中國(guó)畜牧業(yè)脫鉤分析及影響因素研究[J]. 中國(guó)人口·資源與環(huán)境, 2014, 24(3): 101–107 CHEN Y, SHANG J. Disconnect analysis and influence factors of animal husbandry in China[J]. China Population, Resources and Environment, 2014, 24(3): 101–107

[6] 董紅敏, 林而達(dá), 楊其長(zhǎng). 中國(guó)反芻動(dòng)物甲烷排放量的初步估算及減緩技術(shù)[J]. 農(nóng)村生態(tài)環(huán)境, 1995, 11(3): 4–7 DONG H M, LIN E D, YANG Q C. Methane emitted from ruminants in China and the mitigation technologies[J]. Rural Eco-Environment, 1995, 11(3): 4–7

[7] ZHOU J B, JIANG M M, CHEN G Q. Estimation of methane and nitrous oxide emission from livestock and poultry in China during 1949–2003[J]. Energy Policy, 2007, 35(7): 3759–3767

[8] 胡向東, 王濟(jì)民. 中國(guó)畜禽溫室氣體排放量估算[J]. 農(nóng)業(yè)工程學(xué)報(bào), 2010, 26(10): 247–252 HU X D, WANG J M. Estimation of livestock greenhouse gases discharge in China[J]. Transactions of the CSAE, 2010, 26(10): 247–252

[9] 閔繼勝, 胡浩. 中國(guó)農(nóng)業(yè)生產(chǎn)溫室氣體排放量的測(cè)算[J]. 中國(guó)人口·資源與環(huán)境, 2012, 22(7): 21–27 MIN J S, HU H. Calculation of greenhouse gases emission from agricultural production in China[J]. China Population, Resources and Environment, 2012, 22(7): 21–27

[10] 陳蘇, 胡浩. 中國(guó)畜禽溫室氣體排放時(shí)空變化及影響因素研究[J]. 中國(guó)人口·資源與環(huán)境, 2016, 26(7): 93–100 CHEN S, HU H. Study on the spatial-temporal changes and influence factors of greenhouse gases emission from livestock and poultry in China[J]. China Population, Resources and Environment, 2016, 26(7): 93–100

[11] 易平, 方世明, 馬春艷. 地質(zhì)公園旅游經(jīng)濟(jì)增長(zhǎng)與生態(tài)環(huán)境壓力脫鉤評(píng)價(jià)——以嵩山世界地質(zhì)公園為例[J]. 自然資源學(xué)報(bào), 2014, 29(8): 1282–1296 YI P, FANG S M, MA C Y. Decoupling evaluation between tourism economic growth and eco-environmental pressure of Songshan Global Geopark[J]. Journal of Natural Resources, 2014, 29(8): 1282–1296

[12] 舒暢, 喬娟. 我國(guó)養(yǎng)殖業(yè)生態(tài)足跡時(shí)空特征及脫鉤效應(yīng)研究——以生豬產(chǎn)業(yè)為例[J]. 生態(tài)經(jīng)濟(jì), 2016, 32(1): 148–151 SHU C. QIAO J. Research on spatial-temporal characteristics and decoupling effect of the breeding ecological footprint in China: Taking pig breeding as an example[J]. Ecological Economy, 2016, 32(1): 148–151

[13] 潘丹, 孔凡斌. 鄱陽湖生態(tài)經(jīng)濟(jì)區(qū)畜禽養(yǎng)殖污染與產(chǎn)業(yè)發(fā)展的關(guān)系——基于脫鉤和LMDI模型的實(shí)證分析[J]. 江西社會(huì)科學(xué), 2015, 35(6): 49–55 PAN D, KONG F B. The relationship between livestock pollution and industrial development in Poyang Lake ecological economic zone: An empirical analysis based on decoupling and LMDI model[J]. Jiangxi Social Sciences, 2015, 35(6): 49–55

[14] TIAN J X, YANG H L, XIANG P A, et al. Drivers of agricultural carbon emissions in Hunan Province, China[J]. Environmental Earth Sciences, 2016, 75(2): 121

[15] 李忠民, 陳向濤, 姚宇. 基于彈性脫鉤的中國(guó)減排目標(biāo)缺口分析[J]. 中國(guó)人口·資源與環(huán)境, 2011, 21(1): 57–63 LI Z M, CHEN X T, YAO Y. Gap of emission reduction targets: Analysis based on elastic decoupling of China[J]. China Population, Resources and Environment, 2011, 21(1): 57–63

[16] 肖麗群, 吳群. 基于脫鉤指數(shù)的2020年江蘇省耕地保有量目標(biāo)分析[J]. 資源科學(xué), 2012, 34(3): 442–448 XIAO L Q, WU Q. Target analysis of cultivated land protection area in Jiangsu Province in 2020 based on decoupling index[J]. Resources Science, 2012, 34(3): 442–448

[17] 劉瓊, 佴伶俐, 歐名豪, 等. 基于脫鉤情景的中國(guó)建設(shè)用地總量管控目標(biāo)分析[J]. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào): 社會(huì)科學(xué)版, 2014, 14(2): 80–85 LIU Q, NAI L L, OU M H, et al. Analysis on control objective of construction land in China based on decoupling scene[J]. Journal of Nanjing Agricultural University: Social Science Edition, 2014, 14(2): 80–85

[18] TAPIO P. Towards a theory of decoupling: Degrees of decoupling in the EU and the case of road traffic in Finland between 1970 and 2001[J]. Transport Policy, 2005, 12(2): 137–151

[19] ANG B W. Decomposition analysis for policymaking in energy: Which is the preferred method?[J]. Energy Policy, 2004, 32(9): 1131–1139

Decoupling and predictive analysis of greenhouse gas emission from animal husbandry in China*

WANG Huan, QIAO Juan**

(College of Economics & Management, China Agricultural University, Beijing 100083, China)

With increasing greenhouse gas emission, China has committed to cap carbon dioxide emissions by 2030. As animal husbandry has become an important part of the emission reduction effort, it is necessary to analyze the current situation and trend in greenhouse gas emission due to animal husbandry in the country.Based on the 2000?2014 provincial panel data and the Guidelines on Provincial Greenhouse Gas Emission Inventories, we estimated greenhouse gas emission due to animal husbandry and then used the Tapio decoupling model to analyze the relationship between greenhouse gas emission and the economic development due to animal husbandry. Furthermore, LMDI model was used to decompose the driving factors, and the greenhouse gas emissions target of animal husbandry in 2020 under different scenarios were also analyzed. The results suggested that greenhouse gas emission from animal husbandry decreased from 377.852 4 million tons in 2000 to 358.157 6 million tons in 2014, representing a drop of 5.21%. Emission reduction from non-dairy cattle was significant. However, it was still above the 50% threshold —181.805 4 million tons. Emissions from sheep, pigs and cattle were respectively 70.725 6 million tons, 62.026 9 million tons and 43.599 7 million tons, all of which still increased. The decoupling effect of greenhouse gas emission from animal husbandry was ideal. The whole country was under weak decoupling that underwent three stages of fluctuation —relative stability —increase. The decoupling condition for each province was good, among which 15 provinces had strong decoupling, 15 provinces had weak decoupling and 1 province had receding decoupling. The comprehensive effect tracked an inverted U-curve at the national level, which was quite different for the provinces. The efficiency of production was the main contributor to the national and provincial emission reductions, while the effect of economic development was the most important driving factor of emission. The difference in comprehensive effect mainly came from the difference in industrial structure and labor. In 2020, greenhouse gas emission from animal husbandry far exceeded planned target. The predicted range of greenhouse gas emission from animal husbandry was from 335.630 8 to 400.677 1 million tons. Then the predicted endpoint values were respectively 12.84% and 34.71% more than the target, which great increased the pressure of emission reduction. In this case, only the lowest decoupling elasticity and the fastest economic growth rate had the least greenhouse gas emission gap. Greenhouse gas emission reduction was an inevitable requirement for sustainable development in the world. Although the decoupling effect of greenhouse gas emission from animal husbandry in China was obvious under the effect of several factors, emission reduction was still an arduous task, requiring the formulation of practical measures to promote it. Therefore, this work suggested that China needed to adjust its industrial structure and import livestock products instead of promoting domestic production. There was the need to implement differential governance of decoupling in different regions and improving farming efficiency. Also, clear animal husbandry emission reduction objectives and task assignments to provinces were required.

Animal husbandry; Greenhouse gas emission; Decoupling model; LMDI model; Prediction

, E-mail: qiaojuan@cau.edu.cn

Sep. 9, 2018;

Dec. 9, 2018

F323; X24

A

2096-6237(2019)05-0793-10

10.13930/j.cnki.cjea.180826

王歡, 喬娟. 中國(guó)畜牧業(yè)溫室氣體排放的脫鉤與預(yù)測(cè)分析[J]. 中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)(中英文), 2019, 27(5): 793-802

WANG H, QIAO J. Decoupling and predictive analysis of greenhouse gas emission from animal husbandry in China[J]. Chinese Journal of Eco-Agriculture, 2019, 27(5): 793-802

* 國(guó)家社會(huì)科學(xué)基金項(xiàng)目(18BGL169)和生豬產(chǎn)業(yè)技術(shù)體系北京市創(chuàng)新團(tuán)隊(duì)項(xiàng)目(BAIC02-2018)資助

喬娟, 主要研究方向?yàn)檗r(nóng)業(yè)經(jīng)濟(jì)理論與政策。E-mail: qiaojuan@cau.edu.cn

王歡, 主要研究方向?yàn)檗r(nóng)業(yè)資源環(huán)境與農(nóng)村經(jīng)濟(jì)。E-mail: wangh1127@163.com

2018-09-09

2018-12-09

* This study was supported by the Philosophy and Social Science Foundation of China (18BGL169) and the Beijing Pig Industry Technology System Innovation Team Project (BAIC02-2018).