農(nóng)業(yè)碳排放的驅(qū)動(dòng)因素與退耦效應(yīng)研究

摘要 利用LMDI分解模型探討長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放各種影響因素的貢獻(xiàn)值，再逐年分析其碳排放增速和經(jīng)濟(jì)增長(zhǎng)之間的退耦效應(yīng)。結(jié)果表明，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放在2010—2019年呈現(xiàn)出先緩慢增長(zhǎng)后快速下降的趨勢(shì)。農(nóng)業(yè)經(jīng)濟(jì)發(fā)展對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放起極大的促進(jìn)作用，而農(nóng)業(yè)生產(chǎn)效率、勞動(dòng)力規(guī)模和生產(chǎn)結(jié)構(gòu)對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放有較為明顯的抑制作用。2010—2019年退耦指數(shù)有增大的趨勢(shì)，說(shuō)明政府出臺(tái)的節(jié)能減排政策正在被有效執(zhí)行，對(duì)二氧化碳排放的抑制效果不斷增強(qiáng)。

關(guān)鍵詞 農(nóng)業(yè)碳排放;影響因素分解;退耦指數(shù)

中圖分類(lèi)號(hào) F323? 文獻(xiàn)標(biāo)識(shí)碼 A? 文章編號(hào) 0517-6611（2021）24-0118-04

doi：10.3969/j.issn.0517-6611.2021.24.027

Research on Driving Factors and Decoupling Effects of Agricultural Carbon Emissions—Taking the Yangtze River Economic Belt as an Example

ZHU Tong-ya

（School of Economics and Management， Yangtze University， Jingzhou， Hubei 434023）

Abstract The LMDI decomposition model was used to explore the contribution value of various influencing factors of agricultural carbon emissions in the Yangtze River Economic Zone， and then the decoupling effect between the growth rate of carbon emissions and economic growth was analyzed year by year.The results showed that the agricultural carbon emissions of the Yangtze River Economic Zone showed a slow growth first and then a rapid decline from 2010 to 2019.The agricultural economy development had greatly promoted agricultural carbon emissions in the Yangtze River Economic Zone， and agricultural production efficiency， labor scale and production structure had a relatively obvious inhibitory effect on agricultural carbon emissions in the Yangtze River Economic Zone.The decoupling index had a tendency to increase from 2010 to 2019， indicating that the government's energy saving and emission reduction policies were being effectively implemented， and the effect of suppressing carbon dioxide emissions was continuously increasing.

Key words Agricultural carbon emission;Decomposition of influencing factors;Decoupling index

作者簡(jiǎn)介 朱通雅（1995—），男，湖北當(dāng)陽(yáng)人，碩士研究生，研究方向：農(nóng)村發(fā)展。

收稿日期 2021-07-05

人類(lèi)活動(dòng)所產(chǎn)生的溫室氣體排放是引起氣候變化的重要原因，在現(xiàn)代化農(nóng)業(yè)的發(fā)展模式下，農(nóng)業(yè)生產(chǎn)活動(dòng)成為溫室氣體的第二大來(lái)源，原因是農(nóng)業(yè)生產(chǎn)過(guò)程中過(guò)度使用農(nóng)藥、化肥等農(nóng)用物資以及與農(nóng)業(yè)生產(chǎn)相關(guān)的不合理安排導(dǎo)致了大量的溫室氣體排放，進(jìn)而引發(fā)了一系列環(huán)境問(wèn)題，加劇了人類(lèi)與自然和諧發(fā)展相沖突的矛盾。長(zhǎng)江經(jīng)濟(jì)帶作為我國(guó)的主要農(nóng)作物產(chǎn)區(qū)，在我國(guó)農(nóng)業(yè)發(fā)展中具有重要的戰(zhàn)略地位。所以，分析長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的驅(qū)動(dòng)因素，研究長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)減排的成效如何，對(duì)加快長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)高質(zhì)量發(fā)展、推進(jìn)綠色生態(tài)文明建設(shè)具有重要的意義。

梳理文獻(xiàn)來(lái)看，對(duì)農(nóng)業(yè)碳排放的研究重心逐步從對(duì)量的計(jì)算轉(zhuǎn)移到產(chǎn)生機(jī)制和減排機(jī)理上，從農(nóng)業(yè)碳排放的主要來(lái)源看，農(nóng)業(yè)生產(chǎn)碳排放較工業(yè)來(lái)源更加復(fù)雜，主要可以分為兩類(lèi)：其一是農(nóng)作物生產(chǎn)過(guò)程中要素投入產(chǎn)生的碳排放，如化肥和農(nóng)膜等農(nóng)資的投入以及能源的消耗等環(huán)節(jié)會(huì)產(chǎn)生溫室氣體[1];其二來(lái)自土壤自身貯存的碳素，農(nóng)地利用變化是僅次于化石能源燃燒的碳源，受耕作方法、化肥施用的影響，土地會(huì)加速二氧化碳的排放[2]。目前，認(rèn)可度較高的農(nóng)業(yè)六大主要碳排放源有化肥的生產(chǎn)和施用、農(nóng)藥的生產(chǎn)和使用、農(nóng)膜的生產(chǎn)和使用、農(nóng)耕機(jī)械消耗化石能源、土地利用破壞了土壤碳庫(kù)、農(nóng)地灌溉中電能使用所間接消耗的化石能源[3]。除了農(nóng)作物種植以外，牲畜腸道發(fā)酵和畜禽糞便管理產(chǎn)生大量的溫室氣體，所以畜禽養(yǎng)殖也是一種碳源，并且有相對(duì)應(yīng)的排放系數(shù)[4]。

學(xué)者們對(duì)農(nóng)業(yè)碳排放的影響因素研究多采用LMDI模型、STIRPAT模型等。如黎孔清等[5]利用STIRPAT模型對(duì)南京市農(nóng)業(yè)碳排放影響因素進(jìn)行了分析，指出技術(shù)水平、富裕程度、農(nóng)村人口、技術(shù)水平與農(nóng)業(yè)碳排放之間存在正相關(guān)，而城鎮(zhèn)化率、農(nóng)村居民人均可支配收入和林業(yè)面積與農(nóng)業(yè)碳排放之間則存在負(fù)相關(guān);趙先超等[6]利用LMDI模型對(duì)湖南省農(nóng)業(yè)碳排放的影響因素進(jìn)行了研究，認(rèn)為農(nóng)業(yè)經(jīng)濟(jì)水平和產(chǎn)業(yè)結(jié)構(gòu)是推動(dòng)農(nóng)業(yè)碳排放量增長(zhǎng)的主要原因，農(nóng)業(yè)生產(chǎn)效率和勞動(dòng)規(guī)模對(duì)農(nóng)業(yè)碳排放量的增加具有一定的抑制作用;戴小文等[7]利用擴(kuò)展的Kaya恒等式對(duì)我國(guó)農(nóng)業(yè)碳排放影響因素進(jìn)行了分析，指出農(nóng)村生活用水、城鎮(zhèn)化和人口變動(dòng)因素與農(nóng)業(yè)碳排放的變動(dòng)存在正相關(guān)，而一般技術(shù)和農(nóng)業(yè)低碳技術(shù)與農(nóng)業(yè)碳排放之間存在負(fù)相關(guān)。

以上研究對(duì)于農(nóng)業(yè)碳排放增長(zhǎng)的驅(qū)動(dòng)因素和對(duì)應(yīng)的節(jié)能減排政策的制定提供了一些理論支持，但是關(guān)于碳減排效果與經(jīng)濟(jì)的耦合發(fā)展機(jī)制還需進(jìn)一步研究。退耦效應(yīng)模型是當(dāng)前研究減排和經(jīng)濟(jì)發(fā)展的關(guān)系較為流行且有效的方法，“退耦”是一個(gè)物理名詞，指把各部分電路引起電源產(chǎn)生的電壓波動(dòng)去除，避免這些波動(dòng)使各電路互相干擾，后來(lái)被引用到農(nóng)業(yè)政策研究等領(lǐng)域[8]。退耦指數(shù)能夠十分簡(jiǎn)潔地表明環(huán)境變量和動(dòng)力因子（如經(jīng)濟(jì)發(fā)展）之間的關(guān)系，但是目前來(lái)看，少有文獻(xiàn)對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放和經(jīng)濟(jì)發(fā)展之間的退耦關(guān)系進(jìn)行研究。筆者將利用2010—2019年長(zhǎng)江經(jīng)濟(jì)帶11?。ㄊ校┑南嚓P(guān)數(shù)據(jù)，采用因素分解法和退耦分析方法，研究長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的驅(qū)動(dòng)因素，并且分析長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳減排和經(jīng)濟(jì)發(fā)展之間的耦合狀態(tài)，弄清這個(gè)時(shí)期長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放減排的退耦效應(yīng)的特征。

1 研究方法與數(shù)據(jù)來(lái)源

1.1 農(nóng)業(yè)碳排放的計(jì)算方法

在總結(jié)以往學(xué)者研究成果的基礎(chǔ)上，將農(nóng)業(yè)碳排放源分為化石燃料、化肥、農(nóng)藥、農(nóng)用薄膜、翻耕、灌溉和動(dòng)物腸道發(fā)酵7個(gè)方面。該研究使用長(zhǎng)江經(jīng)濟(jì)帶11個(gè)?。ㄊ校?010—2019年的數(shù)據(jù)，數(shù)據(jù)來(lái)源于《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)資料》以及國(guó)家統(tǒng)計(jì)局官方數(shù)據(jù)庫(kù)。分別用柴油使用量、農(nóng)用化肥施用折純量、農(nóng)藥使用量、農(nóng)膜使用量、農(nóng)作物播種總面積、灌溉總面積、牲畜養(yǎng)殖數(shù)量來(lái)代表以上7個(gè)方面的碳排放來(lái)源?！妒〖?jí)溫室氣體清單編制指南》指出反芻動(dòng)物瘤胃容積大，寄生的微生物種類(lèi)多，能分解纖維素，單個(gè)動(dòng)物產(chǎn)生的溫室氣體排放量大，至于非反芻動(dòng)物碳排放排放量較小，特別是雞和鴨等常見(jiàn)家禽，體重小其腸道發(fā)酵溫室氣體排放可以忽略不計(jì)。另外考慮到我國(guó)養(yǎng)豬數(shù)量較大，占世界存欄量的50%以上。所以該研究統(tǒng)計(jì)長(zhǎng)江經(jīng)濟(jì)帶11省（市）豬牛羊的養(yǎng)殖情況，并進(jìn)行碳排放的估算。碳排放量測(cè)算方程式如下：

C=Ci=Ti×δi（1）

式（1）中，C為碳排放總量，Ci為第i種碳源一年內(nèi)產(chǎn)生的碳排放量，Ti為第i種碳源的規(guī)?；蛘邤?shù)量，δi為第i種碳源的碳排放系數(shù)。碳排放系數(shù)如表1所示。

1.2 碳排放影響因素的分解模型

LMDI方法可進(jìn)行多個(gè)因素的分解，具有全分解、無(wú)殘差、易使用、易理解等優(yōu)點(diǎn)，目前在許多領(lǐng)域得到廣泛應(yīng)用。該研究選用LMIDI中的加和分解，選取農(nóng)業(yè)生產(chǎn)效率、生產(chǎn)結(jié)構(gòu)、勞動(dòng)力規(guī)模和經(jīng)濟(jì)發(fā)展水平4個(gè)影響因素，公式如下：

C=Ci=CG種植×G種植G×GP×P（2）

β1=CG種植（3）

β2=G種植G（4）

β3=GP（5）

C=β1×β2×β3×P（6）

式中，C為碳排放總量，Ci為第i種碳源一年內(nèi)產(chǎn)生的碳排放，G為農(nóng)林牧漁業(yè)生產(chǎn)總值，G種植為種植業(yè)生產(chǎn)總值，P為農(nóng)業(yè)勞動(dòng)力人數(shù)。

β1為農(nóng)業(yè)生產(chǎn)效率，β2為農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)，β3為農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平。

根據(jù)（2）～（6）式，得到4個(gè)分解因素的貢獻(xiàn)值公式：

Δβ1=Ct-C0lnCt-lnC0×（lnβ1，t-lnβ1，0）=

Ct-C0lnCtC0×lnβ1，tβ1，0

（7）

Δβ2=Ct-C0lnCtC0×lnβ2，tβ2，0

（8）

Δβ3=Ct-C0lnCtC0×lnβ3，tβ3，0

（9）

ΔP=Ct-C0lnCtC0×lnPtP0

（10）

ΔC=Δβ1+Δβ2+Δβ3+ΔP（11）

式中，Δβ1、Δβ2、Δβ3和ΔP分別表示4個(gè)分解因素隨時(shí)間變化使農(nóng)業(yè)碳排放量產(chǎn)生變化的值;ΔC是上述4個(gè)影響因素的加總。用t表示第t年，用0表示基年。

1.3 退耦指數(shù)的計(jì)算方法

通常來(lái)講，發(fā)展低碳經(jīng)濟(jì)是碳排放與經(jīng)濟(jì)增長(zhǎng)之間退耦的過(guò)程，目的是經(jīng)濟(jì)增長(zhǎng)的速率大于碳排放強(qiáng)度的增長(zhǎng)速率，退耦研究的測(cè)度用退耦指數(shù)表示，公式如下：

D=EF （12）

式中，D表示退耦指數(shù)，E表示環(huán)境指標(biāo)（如碳排放強(qiáng)度），F(xiàn)表示動(dòng)力因子（如經(jīng)濟(jì)增長(zhǎng)速率）。退耦指數(shù)主要用于評(píng)價(jià)某個(gè)指標(biāo)在不同地區(qū)或者時(shí)期的壓力強(qiáng)度和趨勢(shì)[10]。為了更加準(zhǔn)確地評(píng)價(jià)減排有效程度，該研究參考李志學(xué)等[11]的退耦指數(shù)來(lái)評(píng)價(jià)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)之間是否存在退耦效應(yīng)，公式如下：

Dit=1-ΔCitΔYit=-ΔFitΔYit（13）

式中，Dit表示i?。ㄊ校┑趖年的退耦指數(shù)，ΔCit表示i?。ㄊ校┑趖年的排放效應(yīng)，ΔYit表示i?。ㄊ校┑趖年的產(chǎn)出效應(yīng)。長(zhǎng)江經(jīng)濟(jì)帶各?。ㄊ校┑臏p排貢獻(xiàn)絕對(duì)量可以定義為ΔFit=ΔCit-ΔYit。一般來(lái)說(shuō)，Dit越小，碳排放壓力就越大。Dit≤0時(shí)，表示沒(méi)有退耦效應(yīng)，碳排放增長(zhǎng)速率大于經(jīng)濟(jì)增長(zhǎng)速率，說(shuō)明實(shí)際的減排政策十分缺乏有效性，沒(méi)有達(dá)到減排的目的;0<Dit<1時(shí)，表示弱的退耦效應(yīng)，表明政府已推行的碳減排政策使碳排放增長(zhǎng)速率得到了一定的抑制，但是總的碳排放依然在增加，政策的有效性不能得到保證;Dit≥1時(shí)，表示強(qiáng)的退耦效應(yīng)，這時(shí)的碳排放增長(zhǎng)率是負(fù)值，指數(shù)越大表示減排效果越好，實(shí)際的減排政策是有效果且高效率的。

2 結(jié)果與分析

2.1 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的影響因素分析

以2010年數(shù)據(jù)為基期，計(jì)算得出2011—2019年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放LMDI分解結(jié)果如表2～3所示，正值表示對(duì)碳排放起促進(jìn)作用，負(fù)值表示對(duì)碳排放有抑制作用?？傮w上，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放影響總效用呈現(xiàn)出先促進(jìn)后抑制，2011—2015年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放逐年增長(zhǎng)，但是增長(zhǎng)速度逐年降低;2016年農(nóng)業(yè)碳排放有所下降，但還是有促進(jìn)作用;2017—2019年農(nóng)業(yè)碳排放開(kāi)始加速下降。

2.1.1 農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的影響。

由表2可知，2011—2019年對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放最有促進(jìn)效果的影響因素是經(jīng)濟(jì)發(fā)展水平，且每年都是正向效應(yīng)，累計(jì)增加碳排放18 898.940萬(wàn)t;環(huán)比計(jì)算，2012年增幅最大，為60.8%;2017年促進(jìn)效果略微減弱，2019年達(dá)到最大值3 394.091萬(wàn)t。由表3可知，長(zhǎng)江經(jīng)濟(jì)帶11?。ㄊ校┑慕?jīng)濟(jì)發(fā)展均對(duì)其農(nóng)業(yè)碳排放起到促進(jìn)作用，但各?。ㄊ校┴暙I(xiàn)度差別較大，其中湖北省2011—2019年經(jīng)濟(jì)發(fā)展水平對(duì)于長(zhǎng)江經(jīng)濟(jì)帶對(duì)應(yīng)影響因素的貢獻(xiàn)值最大，為526.819萬(wàn)t，其次是云南省，為455.917萬(wàn)t，上海市最低，為0.572萬(wàn)t。由此可見(jiàn)，經(jīng)濟(jì)規(guī)?？偭康某掷m(xù)增長(zhǎng)是長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放逐年擴(kuò)張的最主要原因，經(jīng)濟(jì)增長(zhǎng)會(huì)促進(jìn)各類(lèi)耗能型產(chǎn)品購(gòu)買(mǎi)需求增加，進(jìn)而引起碳排放的增加。

2.1.2 農(nóng)業(yè)生產(chǎn)效率對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的影響。

由表2可知，農(nóng)業(yè)生產(chǎn)效率對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的抑制作用最明顯。2011—2019年農(nóng)業(yè)生產(chǎn)效率對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放始終表現(xiàn)為抑制效應(yīng)，累計(jì)減少碳排放15 032.277萬(wàn)t。對(duì)比上、中、下游的貢獻(xiàn)值（表3），上游農(nóng)業(yè)生產(chǎn)效率的抑制效果明顯高于中游和下游。各省（市）農(nóng)業(yè)生產(chǎn)效率均表現(xiàn)出較強(qiáng)的抑制作用。所以，提高農(nóng)業(yè)生產(chǎn)效率對(duì)于推進(jìn)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)節(jié)能減排有十分重要的意義。

2.1.3 勞動(dòng)力規(guī)模對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的影響。

由表2可知，勞動(dòng)力規(guī)模對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的抑制作用僅次于農(nóng)業(yè)生產(chǎn)效率。整體來(lái)看，2011—2019年累計(jì)減排3 208.381萬(wàn)t。除了貴州省，其余10省（市）農(nóng)業(yè)勞動(dòng)力規(guī)模對(duì)農(nóng)業(yè)碳排放均是抑制作用，抑制效果較強(qiáng)的省份有湖北省、江蘇省和浙江?。ū?）。出現(xiàn)這種現(xiàn)象可能是因?yàn)榻陙?lái)國(guó)家提倡農(nóng)業(yè)規(guī)?；?、集約化發(fā)展，生產(chǎn)效率大幅度提高，農(nóng)村勞動(dòng)力開(kāi)始不斷向二、三產(chǎn)業(yè)流動(dòng);同時(shí)，隨著城鎮(zhèn)化的發(fā)展，更多的農(nóng)村人力資源流向城市，農(nóng)業(yè)勞動(dòng)力的減少有效降低了農(nóng)業(yè)碳排放。

2.1.4 農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的影響。

由表2可知，農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放整體上呈現(xiàn)抑制作用;2011—2014、2016和2019年農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)對(duì)長(zhǎng)江經(jīng)濟(jì)帶碳排放都表現(xiàn)為抑制作用，2015、2017和2018年表現(xiàn)為促進(jìn)作用;2011—2019年累計(jì)減少碳排放226.338萬(wàn)t，2011年減排最多，為131.630萬(wàn)t。分?。ㄊ校﹣?lái)看（表3），除江西省、四川省、貴州省和云南省以外，其余7?。ㄊ校┺r(nóng)業(yè)生產(chǎn)結(jié)構(gòu)均對(duì)其農(nóng)業(yè)碳排放有抑制作用。可見(jiàn)，長(zhǎng)江經(jīng)濟(jì)帶內(nèi)部各省（市）農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)有差異，總體上呈現(xiàn)出逐年優(yōu)化的趨勢(shì)。

2.2 長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)的退耦分析

根據(jù)“1.3”退耦指數(shù)計(jì)算方法，得到2010—2019年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的退耦指數(shù)，如圖1可知，除2010年退耦指數(shù)為負(fù)值，其余年份皆為正值，其中最大值為2018年的2.37，最小值為2010年的-0.39。退耦指數(shù)整體上呈現(xiàn)上升趨勢(shì)，表明長(zhǎng)江經(jīng)濟(jì)帶各項(xiàng)減排政策執(zhí)行效果逐年增強(qiáng)。

2010年退耦指數(shù)為-0.39，處于無(wú)退耦效應(yīng)階段;分析可得，經(jīng)濟(jì)發(fā)展的產(chǎn)出效應(yīng)為12.8%，碳排放增長(zhǎng)為17.9%，經(jīng)濟(jì)增長(zhǎng)慢于碳排放增長(zhǎng)速度，說(shuō)明2010年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)減排工作力度不足，二氧化碳排放沒(méi)有得到較好的控制，減排壓力很大。

2011—2015年，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放處于弱退耦效應(yīng)階段;從2011年開(kāi)始，退耦指數(shù)變?yōu)檎?，說(shuō)明這5年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放總量控制有一定成效，減排政策對(duì)減少二氧化碳的排放起到積極作用，但不能完全抵消產(chǎn)出增長(zhǎng)和能源需求增加帶來(lái)的碳排放的增加，意味著經(jīng)濟(jì)增長(zhǎng)的同時(shí)，長(zhǎng)江經(jīng)濟(jì)帶的環(huán)境壓力得到一定改善，但是農(nóng)業(yè)排放依然在增加。

2016—2019年，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放達(dá)到了強(qiáng)的退耦效應(yīng)階段，減排效果明顯;究其原因是國(guó)家出臺(tái)了一系列農(nóng)村節(jié)能減排和環(huán)境保護(hù)措施，對(duì)控制二氧化碳排放起到了積極影響;2016年1月5日，習(xí)近平總書(shū)記在推動(dòng)長(zhǎng)江經(jīng)濟(jì)帶發(fā)展座談會(huì)上

指出，要把修復(fù)長(zhǎng)江生態(tài)環(huán)境擺在壓倒性位置，共抓大保護(hù)，不搞大開(kāi)發(fā)，近年來(lái)沿江各地踐行新發(fā)

展理念，堅(jiān)持生態(tài)優(yōu)先、綠色發(fā)展;所以高排放、高消耗的農(nóng)業(yè)生產(chǎn)模式得到了明顯改善。

分?。ㄊ校┓治銎渫笋钪笖?shù)，能更加科學(xué)地評(píng)價(jià)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)減排政策實(shí)施的效果。選取2010、2013、2016和2019年的指數(shù)進(jìn)行分析，從表4可以看出，長(zhǎng)江經(jīng)濟(jì)帶各?。ㄊ校┒趸寂欧诺耐笋钪笖?shù)大多為正值，處于弱退耦和強(qiáng)退耦階段，整體上隨著時(shí)間的推移，退耦指數(shù)在變大，說(shuō)明長(zhǎng)江經(jīng)濟(jì)帶各?。ㄊ校?duì)于二氧化碳的減排壓力逐漸減弱，各?。ㄊ校?shí)施的減排政策效果在逐漸變強(qiáng)，截至目前已經(jīng)取得了較好的減排成效。例如江蘇、浙江、江西等省份，退耦指數(shù)逐年增加，由弱退耦階段進(jìn)入到強(qiáng)退耦階段，之后指數(shù)繼續(xù)增大，說(shuō)明這些省份的農(nóng)業(yè)碳排放增加速度在不斷減小，而農(nóng)業(yè)經(jīng)濟(jì)發(fā)展速度在逐漸升高，其節(jié)能減排措施對(duì)減少二氧化碳等排放起很積極的作用。但同時(shí)，也出現(xiàn)了指數(shù)波動(dòng)較大甚至不斷降低的現(xiàn)象，例如上海市，2013年指數(shù)達(dá)到最大，隨后不斷下降，2019年變?yōu)樨?fù)值，從國(guó)家統(tǒng)計(jì)局查詢(xún)的數(shù)據(jù)可說(shuō)明一些原因，2013年上海市農(nóng)林牧漁業(yè)生產(chǎn)總值為342.29億元，之后逐年下降，2019年為279.82億元，并且農(nóng)業(yè)勞動(dòng)力從2013年的43.43萬(wàn)人下降至2019年的32.20萬(wàn)人，相對(duì)應(yīng)的農(nóng)業(yè)碳排放從2013年的35.8萬(wàn)t下降至2019年的28.3萬(wàn)t，這些數(shù)據(jù)表明并不是上海市的節(jié)能減排政策實(shí)施不到位，反而減排效果較好，究其主因是上海市非農(nóng)產(chǎn)業(yè)發(fā)達(dá)，整體經(jīng)濟(jì)水平領(lǐng)先全國(guó)其他城市，農(nóng)業(yè)經(jīng)濟(jì)占比較低，經(jīng)濟(jì)建設(shè)重點(diǎn)放在其他產(chǎn)業(yè)，同時(shí)隨著科技的發(fā)展，農(nóng)業(yè)生產(chǎn)條件得到極大改善，機(jī)械生產(chǎn)代替人力作業(yè)，規(guī)模集中生產(chǎn)代替小農(nóng)生產(chǎn)，農(nóng)村勞動(dòng)力向第三產(chǎn)業(yè)流動(dòng)，所以才會(huì)有碳排放和農(nóng)業(yè)經(jīng)濟(jì)同時(shí)下降的現(xiàn)象。

3 結(jié)論與討論

2011—2015年長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放總體呈現(xiàn)上升趨勢(shì)，從2016年開(kāi)始下降，可見(jiàn)長(zhǎng)江經(jīng)濟(jì)帶推行減排政策初見(jiàn)效果。該研究通過(guò)對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放的LMDI分解發(fā)現(xiàn)，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平是對(duì)長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放起促進(jìn)作用最大的影響因素;農(nóng)業(yè)生產(chǎn)效率的提高是抑制長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放增加的最主要因素，農(nóng)業(yè)勞動(dòng)力規(guī)模和農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)也對(duì)農(nóng)業(yè)碳排放起一定的抑制作用。

對(duì)于農(nóng)業(yè)碳排放增速和農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)速度之間的退耦效應(yīng)，研究發(fā)現(xiàn)2010—2019年長(zhǎng)江經(jīng)濟(jì)帶整體呈現(xiàn)出退耦指數(shù)增大的趨勢(shì)，說(shuō)明政府出臺(tái)的一系列農(nóng)村節(jié)能減排政策正在被積極執(zhí)行，對(duì)溫室氣體排放起到抑制作用，并且這個(gè)作用在不斷增強(qiáng)。

結(jié)合研究結(jié)論可預(yù)期，在保證糧食安全和經(jīng)濟(jì)穩(wěn)步增長(zhǎng)的前提下，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)碳排放未來(lái)將保持一定下降態(tài)勢(shì)。據(jù)此提出相關(guān)建議：①重視農(nóng)業(yè)技術(shù)的研究與推廣，促進(jìn)農(nóng)業(yè)生產(chǎn)效率穩(wěn)步提高。在農(nóng)業(yè)生產(chǎn)中，高效高產(chǎn)的農(nóng)業(yè)新技術(shù)將會(huì)是現(xiàn)代農(nóng)業(yè)的重要技術(shù)支撐，是實(shí)現(xiàn)現(xiàn)代農(nóng)業(yè)的必要條件之一，農(nóng)業(yè)生產(chǎn)效率對(duì)于抑制農(nóng)業(yè)碳排放具有十分明顯的作用，因此要優(yōu)先將技術(shù)升級(jí)作為節(jié)能減排的手段。發(fā)揮農(nóng)業(yè)科技創(chuàng)新主體優(yōu)勢(shì)，加強(qiáng)相互間的交流合作，提高農(nóng)業(yè)科技創(chuàng)新資源投入力度，不斷強(qiáng)化政府、高校和企業(yè)之間在低碳、綠色農(nóng)業(yè)生產(chǎn)技術(shù)領(lǐng)域的合作交流。②對(duì)農(nóng)藥、

化肥等農(nóng)資產(chǎn)品的使用進(jìn)行有效控制，著重發(fā)展有機(jī)農(nóng)業(yè)，改良土壤，提倡發(fā)展精準(zhǔn)農(nóng)業(yè)，減少投入物不必要的浪費(fèi)和流失。③調(diào)整能源消費(fèi)結(jié)構(gòu)，提倡使用清潔能源。煤的含碳量最高，油次之，其他形式的能源例如太陽(yáng)能、風(fēng)能、水能等自然能源是無(wú)碳的，所以要積極推廣先進(jìn)環(huán)保的低排放的技術(shù)理念，減少化石燃料使用。④提高減排政策執(zhí)行的有效性和效率是推進(jìn)農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長(zhǎng)間加速退耦的關(guān)鍵。當(dāng)前，長(zhǎng)江經(jīng)濟(jì)帶農(nóng)業(yè)的節(jié)能減排工作已經(jīng)取得了較好的成效，但節(jié)能減排、發(fā)展綠色農(nóng)業(yè)是一個(gè)長(zhǎng)遠(yuǎn)的計(jì)劃，所以要提高并保持相關(guān)部門(mén)的監(jiān)督和執(zhí)法力度，保證政策的執(zhí)行是有效和高效的。并且把減排因素納入經(jīng)濟(jì)決策中去，充分考慮當(dāng)?shù)丨h(huán)境的承載能力，以此為條件進(jìn)行決策。

參考文獻(xiàn)

[1] 趙其國(guó)，錢(qián)海燕.低碳經(jīng)濟(jì)與農(nóng)業(yè)發(fā)展思考[J].生態(tài)環(huán)境學(xué)報(bào)，2009，18（5）：1609-1614.

[2] 李曉兵.國(guó)際土地利用-土地覆蓋變化的環(huán)境影響研究[J].地球科學(xué)進(jìn)展，1999，14（4）：395-400.

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

[4] 田成詩(shī)，陳雨.中國(guó)省際農(nóng)業(yè)碳排放測(cè)算及低碳化水平評(píng)價(jià)：基于衍生指標(biāo)與TOPSIS法的運(yùn)用[J].自然資源學(xué)報(bào)，2021，36（2）：395-410.

[5] 黎孔清，馬豆豆，李義猛.基于STIRPAT模型的南京市農(nóng)業(yè)碳排放驅(qū)動(dòng)因素分析及趨勢(shì)預(yù)測(cè)[J].科技管理研究，2018，38（8）：238-245.

[6] 趙先超，宋麗美，譚書(shū)佳.基于LMDI模型的湖南省農(nóng)業(yè)碳排放影響因素研究[J].環(huán)境科學(xué)與技術(shù)，2018，41（1）：177-183.

[7] 戴小文，何艷秋，鐘秋波.基于擴(kuò)展的Kaya恒等式的中國(guó)農(nóng)業(yè)碳排放驅(qū)動(dòng)因素分析[J].中國(guó)科學(xué)院大學(xué)學(xué)報(bào)，2015，32（6）：751-759.

[8] OECD.Indicators to Measure Decoupling of Environmental Pressure from Economic Growth[R].Paris：OECD，2002.

[9] 段華平，張悅，趙建波，等.中國(guó)農(nóng)田生態(tài)系統(tǒng)的碳足跡分析[J].水土保持學(xué)報(bào)，2011，25（5）：203-208.

[10] 國(guó)涓，劉長(zhǎng)信，孫平.中國(guó)工業(yè)部門(mén)的碳排放：影響因素及減排潛力[J].資源科學(xué)，2011，33（9）：1630-1640.

[11] 李志學(xué)，孫敏.我國(guó)各省區(qū)碳退耦指數(shù)與減排潛力的測(cè)算[J].統(tǒng)計(jì)與決策，2017（14）：101-104.