農(nóng)業(yè)碳排放的EKC檢驗(yàn)及影響因素研究

梁瀠月 李蘭英

摘 要：依據(jù)1995-2019年長(zhǎng)三角地區(qū)農(nóng)業(yè)相關(guān)數(shù)據(jù)，利用IPCC碳排放系數(shù)法計(jì)算出該地區(qū)農(nóng)業(yè)碳排放量，并對(duì)計(jì)算結(jié)果進(jìn)行EKC曲線分析，進(jìn)一步使用LMDI分解法分析農(nóng)業(yè)碳排放的影響因素及其貢獻(xiàn)度。結(jié)果表明：長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放與農(nóng)業(yè)人均GDP之間存在EKC曲線關(guān)系;農(nóng)業(yè)生產(chǎn)效率是長(zhǎng)三角地區(qū)農(nóng)業(yè)碳減排的主要原因;農(nóng)業(yè)勞動(dòng)力規(guī)模對(duì)農(nóng)業(yè)碳減排的作用也尤為重要;長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放量不斷增加的首要因素為農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平;農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)一定程度上也造成了農(nóng)業(yè)碳排放量的增長(zhǎng)。根據(jù)上述研究結(jié)論，對(duì)長(zhǎng)三角地區(qū)農(nóng)業(yè)低碳發(fā)展提出政策建議：提高農(nóng)業(yè)生產(chǎn)效率;優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構(gòu);助力農(nóng)業(yè)機(jī)械化和規(guī)模化的推進(jìn);樹立低碳循環(huán)發(fā)展理念。

關(guān)鍵詞：農(nóng)業(yè)碳排放;EKC曲線;LMDI模型;長(zhǎng)三角地區(qū)

中圖分類號(hào)：F323.22? 文獻(xiàn)標(biāo)志碼：A? 文章編號(hào)：0253-2301（2022）01-0072-09

DOI： 10.13651/j.cnki.fjnykj.2022.01.013

Study on the EKC Test and Influencing Factors of Agricultural Carbon Emission

——A Case Study of the Yangtze River Delta Region

LIANG Ying-yue1， LI Lan-ying1， 2*

（1. College of Economics and Management， Zhejiang Agriculture and Forestry University， Hangzhou， Zhejiang

311300， China; 2. Zhejiang Institute of Rural Revitalization， Hangzhou， Zhejiang 311300， China）

Abstract： Based on the agricultural data of the Yangtze River Delta region from 1995 to 2019， the agricultural carbon emissions in the region were calculated by using the IPCC carbon emission coefficient method， and the results were analyzed by EKC curves， and the influencing factors and contribution degree of agricultural carbon emissions were further analyzed by using the LMDI decomposition method. The results showed that there was an EKC curve relationship between agricultural carbon emissions and per capita agricultural GDP in the Yangtze River Delta region. The agricultural production efficiency was the main reason of agricultural carbon emission reduction in the Yangtze River Delta region. The scale of agricultural labor force played an important role in the agricultural carbon emission reduction. The primary factor of increasing the agricultural carbon emissions in the Yangtze River Delta region was the level of agricultural economic development. And the agricultural production structure also caused the increase of agricultural carbon emissions to some extent. According to the above research conclusions， some policy suggestions were put forward for the agricultural low-carbon development in the Yangtze River Delta region， including improving the agricultural production efficiency， optimizing the agricultural production structure， promoting the agricultural mechanization and large-scale development， and establishing the concept of low-carbon and circular development.

Key words： Agricultural carbon emissions; EKC curve; LMDI model; Yangtze River Delta

氣候變暖是當(dāng)下全球高度關(guān)注的重要問題之一，人類生產(chǎn)、生活造成的溫室氣體排放是全球氣候變暖的核心原因[1]。聯(lián)合國(guó)糧農(nóng)組織認(rèn)為，世界約有1/5的溫室氣體來自農(nóng)業(yè)[2]。農(nóng)業(yè)生產(chǎn)中化肥、農(nóng)藥、農(nóng)膜等投入，農(nóng)作物種植和畜牧養(yǎng)殖等是導(dǎo)致溫室氣體排放的主要原因。在資源現(xiàn)狀限制強(qiáng)度逐漸增大的情況下，我國(guó)做出莊嚴(yán)承諾：2030年前實(shí)現(xiàn)“碳達(dá)峰”，2060年前實(shí)現(xiàn)“碳中和”。到2030年，將實(shí)現(xiàn)單位生產(chǎn)總值碳排放比2005年減少60%～65%。

長(zhǎng)三角地區(qū)（北緯N 31°，東經(jīng)E 121°）包括上海市、江蘇省、浙江省、安徽省，地處長(zhǎng)江下游地區(qū)。2019年長(zhǎng)三角地區(qū)農(nóng)業(yè)總產(chǎn)值約1.6萬億元，占全國(guó)農(nóng)業(yè)總產(chǎn)值的13.2%。長(zhǎng)三角區(qū)域面積35.8萬km2，得天獨(dú)厚的地理環(huán)境為農(nóng)業(yè)發(fā)展提供了有利的客觀條件。長(zhǎng)三角地區(qū)在我國(guó)農(nóng)業(yè)發(fā)展總格局中具有重要戰(zhàn)略地位。2019年長(zhǎng)三角地區(qū)糧食總產(chǎn)量約8448萬t。在農(nóng)產(chǎn)品產(chǎn)量不斷增加的同時(shí)，由此帶來的碳排放量不斷增加的問題也不容小覷。因此分析長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放、探究其影響因素，對(duì)促進(jìn)長(zhǎng)三角地區(qū)發(fā)展低碳經(jīng)濟(jì)、加快實(shí)現(xiàn)長(zhǎng)三角高質(zhì)量發(fā)展、推進(jìn)綠色生態(tài)文明建設(shè)具有重要的現(xiàn)實(shí)意義。

目前，農(nóng)業(yè)碳排放研究主要集中在農(nóng)業(yè)碳排放測(cè)算指標(biāo)體系構(gòu)建、農(nóng)業(yè)碳排放影響因素、農(nóng)業(yè)碳匯產(chǎn)生機(jī)理與測(cè)算、時(shí)空演變特征、低碳農(nóng)業(yè)、公平與效率等方面，對(duì)農(nóng)業(yè)碳排放的環(huán)境庫(kù)茲涅茨曲線研究相對(duì)較少。Johnson等[3]指出農(nóng)地利用活動(dòng)是農(nóng)業(yè)碳排放的主要因素。田云等[4]認(rèn)為農(nóng)業(yè)碳排放主要來自農(nóng)地利用、水稻生長(zhǎng)、動(dòng)物養(yǎng)殖。王若梅等[5]、李陽等[6]借助kaya恒等式、LMDI模型等分析了農(nóng)業(yè)碳排放變化的影響因素。馬曉哲等[7]、趙寧等[8]分析測(cè)算了農(nóng)田生態(tài)系統(tǒng)碳匯與林業(yè)碳匯。陳儒等[9]、鄧悅等[10]相繼分析了中國(guó)低碳農(nóng)業(yè)發(fā)展水平，發(fā)現(xiàn)省域間差異性顯著、大部分區(qū)域存在大幅度提升空間。曾琳琳等[11]實(shí)證考察了農(nóng)業(yè)種植結(jié)構(gòu)變化對(duì)農(nóng)業(yè)生態(tài)效率的影響?；诖?，本研究在區(qū)域農(nóng)業(yè)碳排放研究基礎(chǔ)上，解析農(nóng)業(yè)碳排放影響因素、明晰其內(nèi)在驅(qū)動(dòng)機(jī)理，以期為長(zhǎng)三角地區(qū)合理制定農(nóng)業(yè)碳減排政策提供決策參考。

1 數(shù)據(jù)來源與研究方法

1.1 數(shù)據(jù)來源

本研究的數(shù)據(jù)來源于長(zhǎng)三角地區(qū)3省1市的《統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》。其中，農(nóng)膜、化肥、農(nóng)藥、柴油用量為當(dāng)年實(shí)際使用量;翻耕面積為當(dāng)年農(nóng)作物播種面積;灌溉面積為當(dāng)年有效灌溉面積;農(nóng)業(yè)勞動(dòng)力為當(dāng)年年末農(nóng)村第一產(chǎn)業(yè)從業(yè)人數(shù)?；趯?duì)農(nóng)業(yè)碳排放的核算，通過1995-2019年《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》及各地區(qū)統(tǒng)計(jì)年鑒整理得出種植業(yè)總產(chǎn)值、農(nóng)林牧漁總產(chǎn)值和農(nóng)業(yè)從業(yè)勞動(dòng)力總量。

鑒于家禽、牲畜的飼養(yǎng)周期有差異性，按照出欄率適當(dāng)調(diào)整其年均飼養(yǎng)量，參照閔繼勝等[12]的方法：飼養(yǎng)周期≥1年時(shí)，年末存欄量即為年均飼養(yǎng)量;飼養(yǎng)周期<1年時(shí)，本研究涉及的家禽、兔和生豬的飼養(yǎng)周期分別為55、105和200 d，年均飼養(yǎng)量為：飼養(yǎng)周期×（年出欄量/365）。

1.2 研究方法

運(yùn)用IPCC碳排放系數(shù)法測(cè)算長(zhǎng)三角地區(qū)的農(nóng)業(yè)碳排放量，并對(duì)測(cè)算結(jié)果進(jìn)行EKC檢驗(yàn)，對(duì)農(nóng)業(yè)碳排放與農(nóng)業(yè)人均GDP的關(guān)系做曲線估計(jì)，最后利用LMDI模型分析其主要影響因素。

1.2.1 IPCC碳排放系數(shù)法 碳排放沒有統(tǒng)一的測(cè)算方法，學(xué)者們對(duì)模型的分析視具體情況而定。農(nóng)業(yè)碳排放從廣義上被定義為：包含農(nóng)地利用、植物生長(zhǎng)、動(dòng)物養(yǎng)殖等3個(gè)過程產(chǎn)生的碳排放量[13]。本研究選取測(cè)算碳排放最常見的IPCC碳排放系數(shù)法。據(jù)此，構(gòu)建碳排放測(cè)算公式如下：

C= ∑Ci =∑Qi·θi（1）

AI=C/T（2）

式（1）中，C為農(nóng)業(yè)資源投入碳排放總量，Ci 為各類碳源碳排放量，Qi 為各類碳排放源的量，θi為各碳排放源的碳排放系數(shù)，AI為碳排放強(qiáng)度，T為農(nóng)作物總播種面積。

本研究所選的碳源因子包括農(nóng)業(yè)資源投入、農(nóng)作物種植和畜牧養(yǎng)殖3個(gè)方面。其中農(nóng)業(yè)資源投入涵蓋了化肥、農(nóng)藥、農(nóng)膜、柴油、灌溉和翻耕（表1）。農(nóng)作物種植涵蓋了小麥、大豆、水稻、蔬菜、玉米及其他旱地作物（表2）。畜禽養(yǎng)殖涵蓋了腸道發(fā)酵和糞便管理系統(tǒng)的排放源（表3、表4），具體到長(zhǎng)三角地區(qū)，主要涉及牛（水牛、奶牛和黃牛）、豬、羊、家禽、兔等種類。

1.2.2 EKC檢驗(yàn) 環(huán)境庫(kù)茲涅茨曲線理論（Environmental Kuznets Curve，EKC）是指一個(gè)國(guó)家或地區(qū)經(jīng)濟(jì)發(fā)展水平較低時(shí)環(huán)境污染程度較輕，當(dāng)人均收入逐漸上升時(shí)環(huán)境污染程度加重，當(dāng)經(jīng)濟(jì)發(fā)展達(dá)到一定水平后到達(dá)頂峰或稱“拐點(diǎn)”，隨著人均收入的進(jìn)一步增加，環(huán)境污染的程度逐漸減輕，環(huán)境質(zhì)量得到改善[18]。環(huán)境庫(kù)茲涅茨曲線時(shí)常用于分析碳排放與經(jīng)濟(jì)增長(zhǎng)關(guān)系，預(yù)測(cè)一個(gè)地區(qū)碳排放發(fā)展趨向和“拐點(diǎn)”出現(xiàn)時(shí)間。按照EKC曲線的定義，一般將其形式設(shè)定為：

Yt=θ+α1Xt+α2Xt2+ε（3）

式（3）中，Yt為二氧化碳排放量，Xt為經(jīng)濟(jì)增長(zhǎng)變量，一般用人均GDP表示，待估參數(shù)αi（i=0，1，2），其中，EKC曲線的形狀由α2的值決定，當(dāng)α2數(shù)值為正時(shí)，碳排放量和經(jīng)濟(jì)增長(zhǎng)的曲線形狀呈現(xiàn)為“U”型，當(dāng)α2數(shù)值為負(fù)時(shí)，碳排放量和經(jīng)濟(jì)增長(zhǎng)的曲線形狀呈現(xiàn)為“倒U”型。具體的關(guān)系見表5。

1.2.3 對(duì)數(shù)平均D式指數(shù)分解法 本研究采用對(duì)數(shù)平均D式指數(shù)分解法（Logarithmic MeanDivisia Index， LMDI），LMDI方法滿足因素可逆，能消除殘差項(xiàng)[19]。鑒于本研究涉及的各類碳源與種植業(yè)、畜牧業(yè)不可分割，故本研究分析的農(nóng)業(yè)碳排放為種植業(yè)、畜牧業(yè)生產(chǎn)中所造成的碳排放量。根據(jù)LMDI模型的基本形式及借鑒田云等[20]、胡婉玲等[21]的研究，采用種植業(yè)總產(chǎn)值、農(nóng)林牧漁總產(chǎn)值、農(nóng)業(yè)從業(yè)人口、農(nóng)業(yè)碳排放量等指標(biāo)。農(nóng)業(yè)碳排放總量用以下公式（4）表示：

C=CBGDP×BGDPDGDP×DGDPT×T

AI=CBGDP;FI=BGDPDGDP;GI=DGDPT（4）

式（4）中，C為農(nóng)業(yè)碳排放量，BGDP為種植業(yè)總產(chǎn)值，DGDP為農(nóng)林牧漁總產(chǎn)值，T為農(nóng)業(yè)從業(yè)勞動(dòng)力總量。AI為農(nóng)業(yè)生產(chǎn)資料效率因素、FI為農(nóng)業(yè)結(jié)構(gòu)因素、GI為農(nóng)業(yè)經(jīng)濟(jì)水平因素。

各因素貢獻(xiàn)值為：

△AI=∑Cxt-Cx0InCxt-InCx0InAItAI0;△FI=∑Cxt-Cx0InCxt-InCx0In

FItFI0

△GI=∑Cxt-Cx0InCxt-InCx0InGItGI0;△T=∑Cxt-Cx0InCxt-InCx0In

TtT0（5）

2 結(jié)果與分析

2.1 長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放特征

2.1.1 長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放總量時(shí)序特征 根據(jù)IPCC碳排放系數(shù)法計(jì)算出1995-2019年長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放總量，見圖1。結(jié)果表明，長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放量總體呈上升趨勢(shì)，由1995年的1091.03萬t增長(zhǎng)到2019年的1131.64萬t，年增長(zhǎng)率為0.15%，從2015年起，農(nóng)業(yè)碳排放總量呈下降趨勢(shì)。從環(huán)比增速可知，農(nóng)業(yè)碳排放量的波動(dòng)較為明顯，2001、2002、2003、2007、2010、2012、2016、2017、2018、2019年呈現(xiàn)負(fù)值，即碳排放量相對(duì)于上一年有所減少。2003年碳排放量較低可能與當(dāng)時(shí)非典事件有關(guān)，而2012年碳排放量下降是因?yàn)槲覈?guó)該時(shí)期實(shí)行節(jié)能減排和低碳產(chǎn)業(yè)發(fā)展、控制溫室氣體排放政策有關(guān)。2019年碳排放量下降幅度最大，為-12.67%。其他年份環(huán)比增速為正值，即碳排放量相對(duì)于上一年有所增加，2013年增加幅度最大，為11.34%。

具體可以劃分為3個(gè)階段，第一階段1995-2002年為緩慢增長(zhǎng)階段，由1995年的1091.03萬t增長(zhǎng)到2002年的1107.82萬t。第二階段2003-2011年為持續(xù)增長(zhǎng)階段，由2003年的1102.39萬t增長(zhǎng)到2011年的1302.89萬t。第三階段2012-2019年為下降階段，由2012年的1187.74萬t下降到2019年的1131.64萬t，在此期間碳排放量于2015年達(dá)至峰值1328.70萬t。

2.1.2 長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放強(qiáng)度時(shí)序特征 農(nóng)業(yè)碳排放強(qiáng)度是指平均每萬元農(nóng)業(yè)GDP所產(chǎn)生的碳排放量[22]，碳排放強(qiáng)度越小表明農(nóng)業(yè)生產(chǎn)越低碳。本研究表明，長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放強(qiáng)度總體呈現(xiàn)上升趨勢(shì)，由1995年的0.053 t·hm-2上升到2019年的0.061 t·hm-2，于2017年達(dá)到最大值（0.070 t·hm-2），見圖2。從環(huán)比增速可知，2012年大幅度下降，是因?yàn)槭逡?guī)劃提出，全國(guó)碳排放強(qiáng)度要下降17%。整體來看，長(zhǎng)三角地區(qū)的碳排放強(qiáng)度大致呈上升狀態(tài)，其間略有波動(dòng)，但整體趨勢(shì)不變。

2.1.3 長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放結(jié)構(gòu)時(shí)序特征 碳源類型中占比最大的是農(nóng)業(yè)資源投入，占96.66%，其次為農(nóng)作物種植，占2.88%，最后為畜禽養(yǎng)殖，占0.46%，表明長(zhǎng)三角地區(qū)的農(nóng)業(yè)碳排放以農(nóng)業(yè)資源投入為主。由圖3可知，農(nóng)業(yè)碳排放量位居前4的為翻耕、灌溉、農(nóng)膜、農(nóng)藥，這4種碳源年均增速為-0.48%、0.76%、3.60%和-0.46%，在這4種碳源中，翻耕產(chǎn)生的碳排放量逐年下降，農(nóng)膜產(chǎn)生碳排放相對(duì)較少，但其呈現(xiàn)增加狀態(tài)，應(yīng)引起重視。碳排放量較少的為化肥、其他農(nóng)作物、兔、柴油，總體碳排放量較小，其年均增速分別為0.31%、-6.58%、-0.21%和2.62%，雖然柴油的碳排放量最少，但年均增速較大，在未來農(nóng)業(yè)減源增匯中應(yīng)引起重視。

2.2 長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放EKC檢驗(yàn)及拐點(diǎn)分析

通過長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放與農(nóng)業(yè)人均GDP的擬合分析（圖4）可知，長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放與農(nóng)業(yè)人均GDP存在正相關(guān)性，農(nóng)業(yè)碳排放隨著農(nóng)業(yè)人均GDP的增長(zhǎng)而趨于上升。1995-2007年，長(zhǎng)三角地區(qū)農(nóng)業(yè)人均GDP在3000元以下，在這段時(shí)期內(nèi)農(nóng)業(yè)碳排量隨農(nóng)業(yè)人均GDP增加而上趨于上升;到2008年，長(zhǎng)三角地區(qū)農(nóng)業(yè)人均GDP超過3000元，此后農(nóng)業(yè)碳排量隨農(nóng)業(yè)人均GDP增長(zhǎng)而上升的速度加快，在2015年開始下降。

利用SPSS軟件分析長(zhǎng)三角地區(qū)1995-2019年農(nóng)業(yè)碳排放量與農(nóng)業(yè)人均GDP之間的關(guān)系，其相關(guān)參數(shù)見表6。由表6可知，二次曲線模型判定系數(shù)R2為0.671，相比線性模型來說，擬合效果更明確，能較好描述長(zhǎng)三角農(nóng)業(yè)碳排放與農(nóng)業(yè)人均GDP之間的關(guān)系及趨勢(shì)，如式（6）：

Y=810.085+0.195X-（1.902×105）X2（6）

由式（6）可以看出，二次曲線模型的一次系數(shù)大于0，二次項(xiàng)系數(shù)小于0，所以長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排量與農(nóng)業(yè)人均GDP存在“倒U”型曲線關(guān)系，即為EKC曲線關(guān)系。

綜上，長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排量與農(nóng)業(yè)人均GDP之間存在“倒U”型曲線關(guān)系，符合EKC曲線。并且，EKC曲線的拐點(diǎn)在2015年出現(xiàn)，農(nóng)業(yè)人均GDP為6267.06元，即2015年長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放量達(dá)到頂峰，之后隨著收入增長(zhǎng)農(nóng)業(yè)碳排放呈下降趨勢(shì)。

2.3 農(nóng)業(yè)碳排放影響因素分析

基于長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放總量、種植業(yè)總產(chǎn)值、農(nóng)林牧漁總產(chǎn)值、農(nóng)業(yè)從業(yè)人口等數(shù)據(jù)，使用LMDI分解法分析農(nóng)業(yè)碳排放的影響因素，進(jìn)而對(duì)長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排影響因素的效應(yīng)進(jìn)行剖析。

由表7可見，長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放降低的主要因素是農(nóng)業(yè)生產(chǎn)效率，總貢獻(xiàn)值約為9622.92萬t;勞動(dòng)力規(guī)模也對(duì)碳排放的減少做出了突出貢獻(xiàn)，總貢獻(xiàn)值約為8159.56萬t;農(nóng)業(yè)碳排放增加的主要影響因素為農(nóng)業(yè)經(jīng)濟(jì)水平，增加碳排放量約為38775.28萬t;農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)對(duì)農(nóng)業(yè)碳排放有減少作用，貢獻(xiàn)值約為440.38萬t。各影響因素總效應(yīng)在2015年達(dá)到最大值，與前文所述的EKC曲線的拐點(diǎn)時(shí)間相同，表明了長(zhǎng)三角地區(qū)2015年后農(nóng)業(yè)碳排放量達(dá)到最大值，此后開始下降，見圖5。

從表7可知，1995-2019年長(zhǎng)三角地區(qū)農(nóng)業(yè)生產(chǎn)效率年均貢獻(xiàn)率為13.33%，且碳減排效應(yīng)呈逐年增加，原因可能是近年來農(nóng)業(yè)科技水平、科技創(chuàng)新提升，使得農(nóng)業(yè)生產(chǎn)效率進(jìn)一步提高;農(nóng)業(yè)勞動(dòng)力規(guī)模一直保持著碳減排效應(yīng)，且碳減排效應(yīng)逐年增長(zhǎng)，規(guī)模僅低于農(nóng)業(yè)生產(chǎn)效率，原因可能是隨著人口城市化和農(nóng)業(yè)現(xiàn)代化的快速發(fā)展，長(zhǎng)三角地區(qū)農(nóng)業(yè)機(jī)械化、規(guī)?；尚ё恐?，推進(jìn)了適度規(guī)模經(jīng)營(yíng)，因此農(nóng)業(yè)勞動(dòng)力投入的減少在很大程度上造成了農(nóng)業(yè)碳排放量的降低。

農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)從碳增排效應(yīng)逐漸轉(zhuǎn)變?yōu)樘紲p排效應(yīng)，當(dāng)中有幾個(gè)時(shí)期呈現(xiàn)出碳增排效應(yīng)，波動(dòng)幅度較大，但總體上保持著碳減排效應(yīng)。2010年碳增排效應(yīng)明顯，原因可能是當(dāng)年自然災(zāi)害嚴(yán)重，農(nóng)民齊心協(xié)力保農(nóng)業(yè)生產(chǎn)，糧食產(chǎn)量創(chuàng)歷史新高。由此可見，長(zhǎng)三角地區(qū)農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)還存在優(yōu)化空間，合理調(diào)整農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)有助于碳減排;農(nóng)業(yè)經(jīng)濟(jì)水平對(duì)農(nóng)業(yè)碳排放增加的年均貢獻(xiàn)率為2.77%，且對(duì)農(nóng)業(yè)碳排增加的促進(jìn)作用逐年增長(zhǎng)，其原因可能是長(zhǎng)三角地區(qū)農(nóng)業(yè)經(jīng)濟(jì)的穩(wěn)定持續(xù)發(fā)展導(dǎo)致了農(nóng)業(yè)碳排放的增加，農(nóng)業(yè)經(jīng)濟(jì)發(fā)展在一定程度上依舊是長(zhǎng)三角農(nóng)業(yè)碳排放量增加的要素，在此期間對(duì)農(nóng)業(yè)碳增排的程度也將保持較強(qiáng)狀況。

3 結(jié)論與政策建議

3.1 研究結(jié)論

長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放與農(nóng)業(yè)人均GDP呈現(xiàn)出明顯的EKC曲線關(guān)系，拐點(diǎn)出現(xiàn)時(shí)間為2015年，這表示隨著農(nóng)業(yè)人均GDP的持續(xù)增長(zhǎng)，長(zhǎng)三角地區(qū)2015年農(nóng)業(yè)碳排放量達(dá)到頂峰，之后隨著收入增長(zhǎng)農(nóng)業(yè)碳排放呈下降趨勢(shì)。

長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放降低的核心因素為農(nóng)業(yè)生產(chǎn)效率，且減排效應(yīng)不斷上升;農(nóng)業(yè)勞動(dòng)力規(guī)模對(duì)長(zhǎng)三角地區(qū)農(nóng)業(yè)碳減排也不容忽視;農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平是長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放增長(zhǎng)最主要的原因，且增排效應(yīng)逐漸增加;農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)持續(xù)性對(duì)農(nóng)業(yè)碳排放起到增排效應(yīng);碳排放總效應(yīng)在2015年達(dá)到峰值。

3.2 政策建議

基于長(zhǎng)三角地區(qū)農(nóng)業(yè)碳排放的EKC檢驗(yàn)及影響因素分析所得出的研究結(jié)論，可以為改善農(nóng)業(yè)生態(tài)系統(tǒng)管理，減少農(nóng)業(yè)碳排放提供參考。提出以下政策建議。

3.2.1 提高農(nóng)業(yè)生產(chǎn)效率 最重要的途徑是提高長(zhǎng)三角的農(nóng)業(yè)科技水平，提升農(nóng)業(yè)科技自主創(chuàng)新能力。上海市應(yīng)重點(diǎn)推進(jìn)農(nóng)業(yè)種源創(chuàng)新工程，培育優(yōu)質(zhì)高效動(dòng)植物新品種。同時(shí)依靠上?？萍紕?chuàng)新資源數(shù)據(jù)中心等機(jī)構(gòu)，建立長(zhǎng)三角共享平臺(tái)，實(shí)現(xiàn)資源共享。浙江省應(yīng)實(shí)施從育種到種植、保護(hù)、設(shè)施機(jī)械、加工、銷售等一體化推廣機(jī)制，進(jìn)一步強(qiáng)化科技創(chuàng)新對(duì)農(nóng)業(yè)生產(chǎn)的。江蘇省應(yīng)大力發(fā)展智慧農(nóng)業(yè)，加大農(nóng)業(yè)科技信息服務(wù)力度。推進(jìn)糧食生產(chǎn)機(jī)械化，實(shí)施機(jī)器換人。安徽省則應(yīng)創(chuàng)新種養(yǎng)方式，加大間種、套種、輪作等方式的推廣應(yīng)用，推進(jìn)種養(yǎng)方式創(chuàng)新，突破種養(yǎng)循環(huán)堵點(diǎn)。并且要保障創(chuàng)新技術(shù)廣泛運(yùn)用到農(nóng)業(yè)生產(chǎn)中，實(shí)現(xiàn)科學(xué)種糧的成效，確保糧食高產(chǎn)和農(nóng)民增效。

3.2.2 優(yōu)化農(nóng)業(yè)生產(chǎn)結(jié)構(gòu) 帶動(dòng)長(zhǎng)三角農(nóng)業(yè)一體化發(fā)展，合理安排產(chǎn)業(yè)布局，完善農(nóng)業(yè)產(chǎn)業(yè)鏈，整合資源，培養(yǎng)新興模式。截至2019年，長(zhǎng)三角地區(qū)共有45處村落入選鄉(xiāng)村旅游重點(diǎn)村落，發(fā)展基礎(chǔ)良好，可根據(jù)實(shí)際情況推進(jìn)生態(tài)旅游的發(fā)展，推出特色農(nóng)旅產(chǎn)品。同時(shí)完善基礎(chǔ)服務(wù)設(shè)施，如江蘇省和安徽省應(yīng)大力發(fā)展特色小鎮(zhèn)的建設(shè)，浙江省可發(fā)展風(fēng)情小鎮(zhèn)和特色民宿，上海市則致力于鄉(xiāng)村旅游民宿的規(guī)范化發(fā)展。合理規(guī)劃布局觀光、休閑農(nóng)業(yè)等服務(wù)業(yè)方面，充分利用休閑農(nóng)業(yè)和鄉(xiāng)村旅游的機(jī)遇，使農(nóng)民積極參與，從而增收。

3.2.3 助力農(nóng)業(yè)機(jī)械化和規(guī)模化的推進(jìn) 提高長(zhǎng)三角農(nóng)業(yè)機(jī)械化水平，有助于降低工作強(qiáng)度，提高農(nóng)業(yè)生產(chǎn)效率。引用先進(jìn)的現(xiàn)代化裝備代替人力，提高生產(chǎn)效率，從而促進(jìn)農(nóng)業(yè)現(xiàn)代化，保障糧食安全，增加糧食產(chǎn)量。同時(shí)，必須加大力度宣傳推廣農(nóng)機(jī)的應(yīng)用，以大幅提升農(nóng)機(jī)的使用效率。長(zhǎng)三角地區(qū)的機(jī)械化水平較高，都已超過70%。但江蘇省農(nóng)產(chǎn)品初加工等產(chǎn)業(yè)的機(jī)械化率不高，可著力于生產(chǎn)環(huán)節(jié)機(jī)械化的協(xié)同發(fā)展。安徽省和浙江省應(yīng)著力于設(shè)施農(nóng)業(yè)、畜禽糞污資源化利用等機(jī)械的研發(fā)，推進(jìn)農(nóng)業(yè)機(jī)械化全面發(fā)展。上海市可開展新型農(nóng)機(jī)培訓(xùn)工作，大力宣傳農(nóng)機(jī)農(nóng)藝協(xié)同發(fā)展等。

3.2.4 樹立低碳循環(huán)發(fā)展理念 結(jié)合“長(zhǎng)江下游農(nóng)業(yè)面源和重金屬污染防控技術(shù)示范”，三省一市可利用動(dòng)物的糞便制成沼氣池，產(chǎn)生的有機(jī)肥可再次利用到農(nóng)地，實(shí)行“種養(yǎng)模式”。有效降低化肥農(nóng)藥、農(nóng)膜的使用，提高化肥農(nóng)藥的利用率。各省市應(yīng)嚴(yán)格把控農(nóng)業(yè)面源污染源頭，積極推行綠色防控技術(shù)，推廣配方施肥，用有機(jī)肥代替化肥，加強(qiáng)配方選藥、精準(zhǔn)施藥技術(shù)宣傳培訓(xùn)。穩(wěn)步推動(dòng)科學(xué)施肥，實(shí)現(xiàn)安全可靠、節(jié)能環(huán)保的可持續(xù)發(fā)展之路，給予生態(tài)環(huán)境更堅(jiān)實(shí)的保障。

參考文獻(xiàn)：

[1]IPCC.Climate Change 2007：The Physical Science Basis.Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Change[M].Cambridge：Cambridge University Press，2007.

[2]FAO.The State of Food and Agriculture 2016：Climate Change，Agriculture and Food Security[M].United Nations，2016.

[3]JOHNSON，F(xiàn)RANZLUEBBERS，WEYERS，et al.Agricultural opportunities to mitigate green house gase missions[J].Environments Pollution，2007，150（6）：107-124.

[4]田云，張俊飚，李波.中國(guó)農(nóng)業(yè)碳排放研究：測(cè)算、時(shí)空比較及脫鉤效應(yīng)[J].資源科學(xué)，2012，34（11）：2097-2105.

[5]王若梅，馬海良，王錦.基于水—土要素匹配視角的農(nóng)業(yè)碳排放時(shí)空分異及影響因素——以長(zhǎng)江經(jīng)濟(jì)帶為例[J].資源科學(xué)，2019，41（8）：1450-1461.

[6]李陽，陳敏鵬.中國(guó)省域農(nóng)業(yè)源非CO2溫室氣體排放的影響因素分析與峰值預(yù)測(cè)[J].環(huán)境科學(xué)學(xué)報(bào)，2021，41（12）：5174-5189.

[7]馬曉哲，王錚.土地利用變化對(duì)區(qū)域碳源匯的影響研究進(jìn)展[J].生態(tài)學(xué)報(bào)，2015，35（17）：5898-5907.

[8]趙寧，周蕾，莊杰，等.中國(guó)陸地生態(tài)系統(tǒng)碳源/匯整合分析[J].生態(tài)學(xué)報(bào)，2021，41（19）：7648-7658.

[9]陳儒，姜志德.中國(guó)省域低碳農(nóng)業(yè)橫向空間生態(tài)補(bǔ)償研究[J].中國(guó)人口·資源與環(huán)境，2018，28（4）：87-97.

[10]鄧悅，崔瑜，盧瑋楠，趙敏娟.市域尺度下中國(guó)農(nóng)業(yè)低碳發(fā)展水平空間異質(zhì)性及影響因素——來自種植業(yè)的檢驗(yàn)[J].長(zhǎng)江流域資源與環(huán)境，2021，30（1）：147-159.

[11]曾琳琳，李曉云，孫倩.作物種植專業(yè)化程度對(duì)農(nóng)業(yè)生態(tài)效率的影響[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2021：1-17.

[12]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.

[13]張頌心，王輝，徐如濃.科技進(jìn)步、綠色全要素生產(chǎn)率與農(nóng)業(yè)碳排放關(guān)系分析——基于泛長(zhǎng)三角26個(gè)城市面板數(shù)據(jù)[J].科技管理研究，2021，41（2）：211-218.

[14]WEST T O，MARLAND G.A Synthesis of Carbon Sequestration，Carbon Emissions，and Net Carbon Flux in Agriculture：Comparing Tillage Practices in the United States[J].AgricultureEcosystems and Environment，2002，91：217-232.

[15]IPCC.IPCC Guidelines for National Greenhouse Gas InventoriesVolume 4：Agriculture，F(xiàn)orestry and other Land Use[R].Geneva，Switzerland：IPCC，2006.

[16]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.

[17]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.

[18]GROSSMAN，KRUEGER.Economic growth and the environment[J].Journal of Economics，1994，110（2）：353-377.

[19]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.

[20]田云，李波，張俊飚.我國(guó)農(nóng)地利用碳排放的階段特征及因素分解研究[J].中國(guó)地質(zhì)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2011，11（1）：59-63.

[21]胡婉玲，張金鑫，王紅玲.中國(guó)農(nóng)業(yè)碳排放特征及影響因素研究[J].統(tǒng)計(jì)與決策，2020，36（5）：56-62.

[22]張廣勝，王珊珊.中國(guó)農(nóng)業(yè)碳排放的結(jié)構(gòu)、效率及其決定機(jī)制[J].農(nóng)業(yè)經(jīng)濟(jì)問題，2014，35（7）：18-26，110.

（責(zé)任編輯：柯文輝）

收稿日期：2021-11-20

作者簡(jiǎn)介：梁瀠月，女，1997年生，碩士研究生，主要從事農(nóng)業(yè)經(jīng)濟(jì)與政策研究。

通信作者：李蘭英，女，1970年生，博士，教授，主要從事農(nóng)林經(jīng)濟(jì)管理研究（E-mail：llycds@zafu.edu.cn）。

3006501908293