張頌心
(臺(tái)州職業(yè)技術(shù)學(xué)院,浙江 臺(tái)州 318000)
全球溫室效應(yīng)日益嚴(yán)重,各國在對(duì)20世紀(jì)人類經(jīng)濟(jì)社會(huì)發(fā)展的基本實(shí)踐進(jìn)行總結(jié)分析時(shí),就21世紀(jì)人類發(fā)展趨勢(shì)達(dá)成兩大共識(shí):一是世界經(jīng)濟(jì)發(fā)展全球化不可逆轉(zhuǎn);二是世界經(jīng)濟(jì)發(fā)展的低碳化成為主流方向。中國改革開放40多年來,傳統(tǒng)粗放型、高耗能經(jīng)濟(jì)增長方式對(duì)生態(tài)環(huán)境造成了嚴(yán)重破壞,因此,轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、實(shí)現(xiàn)低碳發(fā)展是經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展的惟一途徑。低碳經(jīng)濟(jì)時(shí)代,產(chǎn)業(yè)經(jīng)濟(jì)注入碳結(jié)構(gòu)、碳指標(biāo)等要素成為新興產(chǎn)業(yè)創(chuàng)新發(fā)展的著力點(diǎn)和突破口。
IPCC統(tǒng)計(jì)數(shù)據(jù)顯示,農(nóng)業(yè)所產(chǎn)生的碳排放量?jī)H次于化石燃料,是全球溫室氣體第二大來源。碳排放對(duì)農(nóng)業(yè)生產(chǎn)影響分為直接和間接影響,其中直接影響是指作為物質(zhì)源的CO2流會(huì)直接影響生產(chǎn)力;間接影響是CO2增多,帶來溫室效應(yīng)和全球變暖,對(duì)農(nóng)業(yè)發(fā)展產(chǎn)生諸多影響[1]。然而,隨著現(xiàn)代農(nóng)業(yè)加速發(fā)展,農(nóng)業(yè)能源消耗大幅度增加,農(nóng)藥、化肥、塑料薄膜等農(nóng)資過量使用,造成面源污染風(fēng)險(xiǎn)增大和碳排放總量增加[2]。
低碳農(nóng)業(yè)既摒棄一味地追求農(nóng)業(yè)總產(chǎn)值,也避免一味追求碳排放量的減少,要求在關(guān)注農(nóng)業(yè)經(jīng)濟(jì)持續(xù)增長的同時(shí),將環(huán)境因素納入研究體系和生產(chǎn)環(huán)節(jié),從長遠(yuǎn)角度來考慮農(nóng)業(yè)生產(chǎn)帶來的外部問題,實(shí)現(xiàn)經(jīng)濟(jì)和生態(tài)雙贏格局,這也是低碳農(nóng)業(yè)區(qū)別于傳統(tǒng)農(nóng)業(yè)的本質(zhì)因素[3]。因此,研究碳排放量和排放強(qiáng)度,并對(duì)階段性特征和空間分布模式進(jìn)行探索意義重大,可以客觀把握中國及地區(qū)農(nóng)業(yè)碳排放的實(shí)際發(fā)展情況,為中國農(nóng)業(yè)轉(zhuǎn)型提供參考建議。
采用的數(shù)據(jù)主要來源于各?。ㄗ灾螀^(qū)、直轄市)的統(tǒng)計(jì)年鑒、《中國統(tǒng)計(jì)年鑒》《中國農(nóng)村統(tǒng)計(jì)年鑒》和國家數(shù)據(jù)統(tǒng)計(jì)網(wǎng)以及經(jīng)濟(jì)社會(huì)發(fā)展通報(bào),個(gè)別年份缺失的數(shù)據(jù)通過計(jì)算整理而得。此外,根據(jù)中國行政區(qū)域劃分和地域特征分為華北(北京、天津、河北、山西、內(nèi)蒙古)、東北(遼寧、吉林、黑龍江)、華東(上海、江蘇、浙江、江西、安徽、福建、山東)、中南(河南、湖北、湖南、廣東、廣西、海南)、西南(重慶、四川、貴州、云南、西藏)、西北(陜西、甘肅、青海、寧夏、新疆)。
1.2.1 碳排放總量測(cè)算方法 碳排放量并沒有客觀檢測(cè)結(jié)果,而是基于各種理論和數(shù)據(jù)模型分析而得。因此,為確保數(shù)據(jù)的準(zhǔn)確性、科學(xué)性,本研究首先對(duì)農(nóng)業(yè)碳排放給予界定:廣義的農(nóng)業(yè)碳排放包含土地利用、植物生長、動(dòng)物養(yǎng)殖等3個(gè)過程產(chǎn)生的碳排放量??紤]到目前關(guān)于畜禽養(yǎng)殖的碳排放統(tǒng)計(jì)數(shù)據(jù)、指標(biāo)系數(shù)尚未形成定論,核算方法不夠科學(xué)有效,因此選取的指標(biāo)以種植業(yè)為主,同時(shí)側(cè)重于農(nóng)業(yè)生產(chǎn)過程中由人為導(dǎo)致的溫室氣體排放,主要包括化肥、農(nóng)藥、農(nóng)膜、灌溉、機(jī)械使用等方面。為保持后續(xù)研究的一致性和科學(xué)性,后續(xù)指標(biāo)的選取和測(cè)算也以種植業(yè)或狹義農(nóng)業(yè)概念為主。
對(duì)于碳排放源、排放系數(shù)及核算方式,研究參考大量文獻(xiàn)資料,并予以借鑒修正[4],通過表1的系數(shù)表,計(jì)算出以種植業(yè)為主的農(nóng)業(yè)碳排放總量(C總),計(jì)算公式如下。
式中,C1、R1分別為化肥折純量和其碳排放系數(shù);C2、R2分別為農(nóng)藥施用量和其碳排放系數(shù);C3、R3分別為農(nóng)膜使用量和其碳排放系數(shù);C4、R4分別為農(nóng)業(yè)有效灌溉面積及其碳排放系數(shù);C5、R5分別為農(nóng)業(yè)機(jī)械總動(dòng)力及其碳排放系數(shù)。
表1 農(nóng)業(yè)碳排放源及碳排放系數(shù)
1.2.2 碳排放影響因素分析方法 低碳農(nóng)業(yè)本質(zhì)上是通過有機(jī)生態(tài)農(nóng)業(yè)來提升自然生態(tài)系統(tǒng)的質(zhì)量和效率,從而實(shí)現(xiàn)農(nóng)業(yè)低投入和高產(chǎn)出[6]?;诖?,本研究把農(nóng)業(yè)碳排放總量/農(nóng)業(yè)生產(chǎn)總值作為評(píng)價(jià)不同地區(qū)低碳農(nóng)業(yè)競(jìng)爭(zhēng)力的核心標(biāo)準(zhǔn),該值越小代表地區(qū)低碳農(nóng)業(yè)核心競(jìng)爭(zhēng)力越強(qiáng)。運(yùn)用LMDI模型對(duì)中國農(nóng)業(yè)碳排放量進(jìn)行因素分解,綜合文獻(xiàn)[6-10]提到的影響低碳經(jīng)濟(jì)的各個(gè)要素,將Kaya恒等式分解如下:
C總表示以種植業(yè)為主的農(nóng)業(yè)碳排放總量,GDPZ和GDP1分別表示該地區(qū)年種植產(chǎn)業(yè)總值和農(nóng)業(yè)生產(chǎn)總值,P1為農(nóng)業(yè)從業(yè)人員總數(shù),P總為地區(qū)人口總量,GDP總為當(dāng)?shù)谿DP總產(chǎn)值。
本研究選取農(nóng)業(yè)碳排放強(qiáng)度、農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、農(nóng)業(yè)生產(chǎn)效率、非城鎮(zhèn)化水平、人力資源投入、經(jīng)濟(jì)規(guī)模水平等作為評(píng)價(jià)指標(biāo)和影響因素進(jìn)行分析。其中,農(nóng)業(yè)碳排放強(qiáng)度(α)反映了農(nóng)業(yè)的排碳強(qiáng)度,實(shí)際意義為單位農(nóng)業(yè)GDP的碳排放量,當(dāng)該值越大時(shí),表示該地區(qū)的農(nóng)業(yè)碳效率越低。該指標(biāo)的強(qiáng)弱往往包含了該地區(qū)的低碳技術(shù)和低碳政策等因素,從而直接影響碳排放總量[7]。
農(nóng)業(yè)內(nèi)部結(jié)構(gòu)(β)反映了農(nóng)業(yè)內(nèi)部結(jié)構(gòu)優(yōu)化程度,實(shí)際意義為種植業(yè)占第一產(chǎn)業(yè)的比重。種植業(yè)碳排放一直以來在農(nóng)業(yè)碳排放中占比較大,是化肥、農(nóng)藥、農(nóng)膜各種化學(xué)品使用的主要領(lǐng)域,因此,該比重越高,給減排帶來的壓力越大。
農(nóng)業(yè)生產(chǎn)效率(γ)反映了當(dāng)?shù)剞r(nóng)業(yè)的生產(chǎn)效率,實(shí)際意義為當(dāng)?shù)厝司r(nóng)業(yè)GDP產(chǎn)值。當(dāng)人均農(nóng)業(yè)GDP產(chǎn)值變大時(shí),意味著農(nóng)業(yè)生產(chǎn)活動(dòng)的增加,也就代表著更多的資源投入,這也將導(dǎo)致碳排放總量的增加[6]。
非城鎮(zhèn)化水平(δ)反映了當(dāng)?shù)氐姆浅擎?zhèn)化水平,實(shí)際意義為農(nóng)業(yè)人口在當(dāng)?shù)乜側(cè)丝谥械恼急?。?dāng)該指標(biāo)越高,表明當(dāng)?shù)剞r(nóng)業(yè)從業(yè)者占當(dāng)?shù)乜側(cè)丝诘谋壤酱蠹闯擎?zhèn)化水平越低。王芳等[8]在研究中指出,城鎮(zhèn)化發(fā)展情況與農(nóng)業(yè)碳排放總量呈倒V曲線關(guān)系,在早期城鎮(zhèn)化階段,隨著農(nóng)村人口比例的減少,為了追求農(nóng)業(yè)生產(chǎn)效率導(dǎo)致碳排放量的上升,但是在發(fā)展到一定水平以后,碳排放量則隨之降低。
人力資源投入(ε)反映了該地區(qū)的人力資源利用率水平,實(shí)際含義是單位GDP所消耗的人力資源量。該指標(biāo)越高,說明該地區(qū)單位GDP消耗的人力資源越多。而資源投入往往彼此有替代效應(yīng),當(dāng)該地區(qū)以人力投入為主時(shí),則相應(yīng)取代了機(jī)械、農(nóng)藥、化肥等碳資源的使用量,從而導(dǎo)致碳排放量的減少[9]。
經(jīng)濟(jì)規(guī)模水平(ζ)反映了該地區(qū)的經(jīng)濟(jì)發(fā)展規(guī)模水平,實(shí)際含義為當(dāng)?shù)氐腉DP總量。該指標(biāo)越大,說明該地區(qū)經(jīng)濟(jì)發(fā)達(dá),同時(shí)伴隨人口總量大和經(jīng)濟(jì)活動(dòng)頻繁等特點(diǎn),從而給農(nóng)業(yè)碳排放總量帶來壓力[10]。
Δα、Δβ、Δγ、Δδ、Δε和Δζ分別表示從T-1期到T期,在其他條件不變情況下,僅由某效率因素變動(dòng)導(dǎo)致其基期的碳排放變動(dòng)量。具體公式如下:
乘法分解形式:
則各因素貢獻(xiàn)率表達(dá)式為:
式中,D為農(nóng)業(yè)碳排放在時(shí)間周期內(nèi)總變化率;Dα、Dβ、Dγ、Dδ、Dε、Dζ分別為農(nóng)業(yè)碳排放強(qiáng)度、農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、農(nóng)業(yè)生產(chǎn)效率、非城鎮(zhèn)化水平、人力資源投入、經(jīng)濟(jì)規(guī)模水平因素對(duì)農(nóng)業(yè)碳排放的貢獻(xiàn)率。
表2 2000—2018年中國農(nóng)業(yè)碳排放總量時(shí)間分布特征
根據(jù)公式(1),計(jì)算出中國2000—2018年農(nóng)業(yè)碳排放總量及增長速度,詳見表2。研究發(fā)現(xiàn),中國農(nóng)業(yè)碳排放總量從2000年的6 565.37萬t增長到2018年的 9 081.90萬 t,增加2 516.53萬 t,年均增長率1.84%。整體變化分為快速增長、緩慢增長、加速減少3個(gè)階段:2000—2012年農(nóng)業(yè)碳排放總量總體呈快速增長趨勢(shì),2003受SARS影響,增幅較微弱,但是2004年出現(xiàn)急劇反彈,環(huán)比增長4.25%;2013—2015年農(nóng)業(yè)碳排放總量環(huán)比增長率開始放緩,并在2015年下滑至0.72%,說明隨著環(huán)保督察和綠色發(fā)展政策的引導(dǎo),中國農(nóng)業(yè)加快向低碳模式轉(zhuǎn)變;隨后,政府又出臺(tái)系列低碳農(nóng)業(yè)政策,中國農(nóng)業(yè)碳排放總量從2016年開始遞減,且遞減趨勢(shì)加速,表明中國對(duì)農(nóng)業(yè)碳排放控制成效開始初步顯現(xiàn)。
從地域分布來看,不同省(自治區(qū)、直轄市)碳排放總量空間分布差異較大,詳見圖1。2000—2018年,以種植業(yè)為主的農(nóng)業(yè)碳排放量較高的地區(qū)主要集中在華東和中南地區(qū),二者占了全國總排放量的50%以上;2011年之前,華東地區(qū)一直是中國最大的排碳地區(qū),但在2011年之后,被中南地區(qū)所取代;華北、西南、西北和東北地區(qū)碳排放量相對(duì)較低,并且總量較為接近;河南、山東和河北位居農(nóng)業(yè)碳排放總量全國前三,北京、天津、上海、青海和西藏則是全國碳排放量最少的5個(gè)?。ㄗ灾螀^(qū)、直轄市)。此外,中國農(nóng)業(yè)碳排放總量存在顯著的地域性差異,2000—2018年農(nóng)業(yè)碳排放總量最大的地區(qū)(河南省,總計(jì)813萬t)約是最小地區(qū)(西藏自治區(qū)總計(jì)11萬t)的74倍。
圖1 2000—2018年不同地區(qū)農(nóng)業(yè)碳排放總量的空間分布
從時(shí)間趨勢(shì)來看,不同地區(qū)基本呈逐年增加的趨勢(shì)(圖2)。但從增長速度來看,2010年之前中南地區(qū)的農(nóng)業(yè)碳排放總量增幅最為迅猛,而后開始步入平緩期,并于2015年開始下滑;華東地區(qū)作為最大的排碳區(qū),農(nóng)業(yè)碳排放總量在2013年率先開始拐頭向下,是全國最早實(shí)現(xiàn)碳減排的地區(qū),說明該地區(qū)率先響應(yīng)了政府低碳農(nóng)業(yè)號(hào)召,有效推動(dòng)相關(guān)政策落實(shí);此外,西北、華北和西南地區(qū)的增幅較為平緩,也基本同步于2016年實(shí)現(xiàn)“遏增量、控總量”的目標(biāo),同年全國的農(nóng)業(yè)碳排放也實(shí)現(xiàn)總量遞減目標(biāo)。
圖2 2000—2018年不同地區(qū)農(nóng)業(yè)碳排放總量的時(shí)間趨勢(shì)
2000—2018年,化肥一直是農(nóng)業(yè)碳排放最主要的來源,占排放總量的56.61%,其次為有效灌溉面積(19.22%)、農(nóng)膜(12.92%)、農(nóng)藥(9.45%),而由機(jī)械總動(dòng)力造成的碳排放僅占1.82%。這說明通過控制化肥使用量對(duì)遏制中國農(nóng)業(yè)碳排放具有巨大意義。通過碳排放結(jié)構(gòu)(圖3)可以看出,中南地區(qū)是化肥使用量最大的地區(qū),西北地區(qū)最少,兩者相差3.44倍,華東地區(qū)居第二位;在農(nóng)藥、農(nóng)膜、有效灌溉面積和機(jī)械總動(dòng)力上,華東使用量均居全國第一,中南地區(qū)次之,尤其是農(nóng)膜使用量上,華東地區(qū)遠(yuǎn)超其他地區(qū),是排名第二(中南地區(qū))的1.84倍,占全國總量的32%。
圖3 2000—2018不同地區(qū)碳排放結(jié)構(gòu)
不同地區(qū)碳排放強(qiáng)度的空間分布見圖4。從地區(qū)分布看,北京、上海和浙江等發(fā)達(dá)地區(qū)農(nóng)業(yè)碳排放強(qiáng)度較低,競(jìng)爭(zhēng)力明顯優(yōu)于其他省份;而西藏碳排放強(qiáng)度較低則跟農(nóng)業(yè)種植習(xí)慣有關(guān),當(dāng)?shù)厝照諘r(shí)數(shù)多,太陽輻射強(qiáng),光能資源豐富,較少使用化肥、農(nóng)藥和農(nóng)膜等;寧夏、安徽和吉林碳排放強(qiáng)度穩(wěn)居全國前三,說明這些地區(qū)低碳農(nóng)業(yè)有較大發(fā)展空間。
從時(shí)間趨勢(shì)看,中國農(nóng)業(yè)碳排放強(qiáng)度呈逐年下降趨勢(shì)(圖5)。不同地區(qū)之間的農(nóng)業(yè)碳排放強(qiáng)度差異并不明顯,以西南地區(qū)最優(yōu);2000—2018年中國農(nóng)業(yè)碳排放總量增加38%,而農(nóng)業(yè)GDP則增加了3.43倍,全國平均碳排放強(qiáng)度從2008年的0.47萬t/億元降低到0.15萬t/億元,說明低碳農(nóng)業(yè)發(fā)展取得了非常明顯的成效。
圖4 2000—2018年不同地區(qū)碳排放強(qiáng)度空間分布
圖5 2000—2018年不同地區(qū)碳排放強(qiáng)度時(shí)間趨勢(shì)
根據(jù)搜集數(shù)據(jù),結(jié)合中國農(nóng)業(yè)碳排放量,運(yùn)用LMDI模型和Excel軟件,獲得中國2006—2018年碳排放驅(qū)動(dòng)因素分解結(jié)果,結(jié)果見表3。由表3可知,影響因素可分為抑制因素和驅(qū)動(dòng)因素2個(gè)部分,其中農(nóng)業(yè)碳排放強(qiáng)度、非城鎮(zhèn)化水平和人力資源投入為碳排放的抑制因素;而農(nóng)業(yè)內(nèi)部結(jié)構(gòu)、農(nóng)業(yè)生產(chǎn)效率和經(jīng)濟(jì)規(guī)模水平是碳排放的促進(jìn)因素。其中,經(jīng)濟(jì)規(guī)模水平,即地區(qū)總產(chǎn)值因素對(duì)碳排放量增加的促進(jìn)影響最為明顯。假設(shè)其他因素固定不變,地區(qū)總產(chǎn)值因素導(dǎo)致碳排放總量從2006—2018年增加了12 477.52萬t,說明經(jīng)濟(jì)發(fā)展與碳排放量之間仍然存在一定的耦合效果。此外,農(nóng)業(yè)碳排放強(qiáng)度和人力資源投入則是碳排量最主要的抑制因素,說明可以通過增加碳排放強(qiáng)度實(shí)現(xiàn)碳排放總量降低,該因素從2006—2018年累計(jì)實(shí)現(xiàn)7 902.64萬t的減排量;同時(shí),人力資源投入與碳投入要素存在一定替代效果,并且效果非常顯著,從數(shù)值來看,2006—2018年該因素總計(jì)實(shí)現(xiàn)減排11 749.43萬t,說明假設(shè)其他要素固定不變,農(nóng)業(yè)碳排放將憑借著人力資源這一最環(huán)保要素投入實(shí)現(xiàn)總計(jì)11 749.43萬t減排量。
由此看出,在無機(jī)化和機(jī)械化取代勞動(dòng)力背景下,確實(shí)大大解放了勞動(dòng)力,提升了生產(chǎn)效率;但也導(dǎo)致農(nóng)業(yè)能源消耗大幅度增加,農(nóng)藥、化肥、農(nóng)藥、農(nóng)膜等無機(jī)物的化學(xué)污染。因此,如何均衡要素投入,利用現(xiàn)代農(nóng)業(yè)技術(shù)合理改造傳統(tǒng)農(nóng)業(yè),從而實(shí)現(xiàn)最優(yōu)碳排放強(qiáng)度是值得思考的問題。
表3 2006—2018年中國農(nóng)業(yè)碳排放影響因素分解結(jié)果 (單位:萬t)
通過2000—2018年省級(jí)面板數(shù)據(jù),研究中國農(nóng)業(yè)碳排放總量和碳排放強(qiáng)度的時(shí)間及時(shí)空分布,分析不同地區(qū)不同碳排放來源的差異特征,并根據(jù)LMDI模型分析各種因素對(duì)中國碳排放量的影響權(quán)重,所取得的研究對(duì)豐富中國低碳農(nóng)業(yè)的發(fā)展提供了一定參考。但研究也存在不足,碳總量核算中的碳來源僅考慮了農(nóng)用化肥、農(nóng)藥、農(nóng)膜、有效灌溉面積和機(jī)械總動(dòng)力5個(gè)方面,從而在核算碳排放總量中存在誤差,還需進(jìn)一步提高碳排放量核算的全面性和精準(zhǔn)度。