贵州省农业碳排放驱动因素与脱钩效应研究
作者： 樊祖洪 王阳 吴卫 覃达 杨贵洁 张繁
摘要 以贵州省为例，从农资投入、作物种植、秸秆焚烧、畜禽养殖4个方面选取35种碳源，构建农业碳排放指标体系，运用碳排放因子法、LMDI模型、Tapio脱钩模型探究贵州省2006—2022年农业碳排放的时序特征、驱动因素及其与经济发展的脱钩效应。结果表明：2006—2022年，贵州省农业碳排放量呈现先上升后下降的倒“V”型变化趋势，碳排放强度呈下降态势，农业碳排放量由高到低依次为畜禽养殖、农资投入、作物种植、秸秆焚烧；农业生产效率、农业产业结构、地区产业结构和农村人口规模为农业碳排放的负向驱动因素，其中农业生产效率和地区产业结构是农业碳排放减少的主要因素；地区经济水平和城镇化率为农业碳排放的正向驱动因素，其中地区经济水平是农业碳排放增加的主导因素；贵州省农业碳排放与农业经济增长的脱钩关系总体向好，脱钩状态从弱脱钩向强脱钩转变。未来，贵州省需从农业科技投入、产业结构优化、低碳宣传教育等方面采取有力举措，推进农业低碳与高质量发展。
关键词 农业碳排放；驱动因素；脱钩效应；“双碳”目标；贵州省
中图分类号 F323 文献标识码 A 文章编号 0517-6611（2025）03-0064-06
doi：10.3969/j.issn.0517-6611.2025.03.013
开放科学（资源服务）标识码（OSID）：
Study on Driving Factors and Decoupling Effect of Agricultural Carbon Emissions in Guizhou Province
FAN Zu hong1，2，3，WANG Yang1，2，3，WU Wei1 et al
（1.College of Ecological Engineering， Guizhou University of Engineering Science， Bijie，Guizhou 551700;2.Guizhou Province Key Laboratory of Ecological Protection and Restoration of Typical Plateau Wetlands， Bijie，Guizhou 551700;3.Wetland Remote Sensing Sub centre of Gaofen Guizhou Centre， Bijie，Guizhou 551700）
Abstract Taking Guizhou Province as an example，35 carbon sources were selected from four aspects （agricultural input，crop cultivation，crop residue burning，livestock and poultry breeding）to construct an agricultural carbon emission index system.The carbon emission factor method， the LMDI model and the Tapio decoupling model were used to explore the time series characteristics of the agricultural carbon emissions， the driving factors and their decoupling effects with economic development in Guizhou Province from 2006 to 2022. The results showed that from 2006 to 2022， the agricultural carbon emissions in Guizhou Province showed an “inverted V shaped” trend of first increasing and then decreasing，the carbon emission intensity showed a decreasing trend.The agricultural carbon emissions were ranked from high to low as livestock and poultry breeding， agricultural input，crop cultivation and crop residue burning.Agricultural production efficiency， agricultural industrial structure， regional industrial structure and rural population size were negative driving factors of agricultural carbon emissions， of which agricultural production efficiency and regional industrial structure were the main factors for reducing agricultural carbon emissions;regional economic level and urbanization rate were positive driving factors of agricultural carbon emissions， of which the regional economic level was the dominant factor in the increase of agricultural carbon emissions.The decoupling relationship between agricultural carbon emissions and agricultural economic growth in Guizhou Province was generally favorable， with the decoupling status changing from weak to strong decoupling. In the future， Guizhou Province needed to take strong measures in terms of agricultural science and technology inputs， industrial structure optimization and low carbon publicity and education， in order to promote low carbon and high quality development in agriculture.
Key words Agricultural carbon emissions;Driving factor;Decoupling effect;“Dual carbon” goals;Guizhou Province
基金项目 贵州省教育厅高校人文社会科学研究项目（2024RW321）；中共毕节市委人才工作领导小组第六批人才团队项目（毕委人领通〔2023〕14号）；毕节市科学技术局2023年第二批联合基金项目（毕科联合〔2023〕8号）。
作者简介 樊祖洪（1997—），男，贵州思南人，讲师，硕士，从事资源环境与区域经济研究。
收稿日期 2024-08-16
气候变暖是当前人类面临的全球性环境问题，人类活动产生的温室气体是导致气候变暖的主要因素［1］。作为重要的温室气体排放源，农业生产贡献了全球范围内约14%的人为温室气体排放量和58%的非人为CO2排放［2］；我国是农业大国，源自农业的碳排放量占全国排放总量的17%［3］，且呈逐年增长趋势［4］，可见农业生产已成为不可忽略的碳源之一。作为国民经济发展的基础产业，农业发展的低碳转型对我国实现“双碳”目标和农业可持续发展具有重要意义。
近年来，随着我国“双碳”目标的提出，国内关于农业碳排放的研究逐渐增多，研究内容聚焦于农业碳排放量估算、时空特征分析、驱动因素解析和关联效应探究等方面［5-6］。在农业碳排放量估算方面，学者们多以碳排放因子法，从农资投入、能源消耗、作物种植、秸秆焚烧和畜禽养殖等方面构建农业碳排放测算体系，以此评估各个区域的农业碳排放量［7-8］。在时空特征分析方面，相关成果主要借助数理模型与GIS空间分析工具，重点论证了农业碳排放的时空演化［6，9］、排放趋势［10］、碳源结构［11］、空间关联网络［12］、溢出效应［13］等。驱动因素方面，主要运用对数平均迪氏指数（LMDI）模型［9，14］、STIRPAT模型［15］、地理加权回归（GWR）模型［16］、地理探测器［17］等方法，揭示了生产效率、产业结构、劳动力规模、经济发展水平、财政支持力度、环境规制水平、城镇化率、农业机械化水平等社会经济层面因素对农业碳排放的作用机理。在关联效应方面，多采用Tapio脱钩模型探讨农业碳排放与经济发展的动态关系［5，18］，与此同时，部分学者采用耦合协调度模型，分析了农业碳排放与城镇化［19］、经济发展［20-21］、粮食安全［22］等的耦合关系。总体而言，现有研究较为丰富，这对把握区域农业碳排放、促进农业碳减排具有重要意义。但仍存在以下不足：①农业碳排放测算指标的选取不够全面，导致测算结果不能准确反映区域实际；②研究成果多聚焦于全国层面、经济发达省份及粮食主产区，对贵州省农业碳排放的研究相对不足。
贵州是典型的喀斯特山区，境内耕地破碎、人均占有量少且质量较低［23］，相较于其他区域，贵州省农业生产依赖于更多的生产资料投入，从而导致农业碳排放量的不断增加［24］，严重制约了区域农业的可持续发展。鉴于此，笔者从农资投入、作物种植、秸秆焚烧、畜禽养殖4个方面选取35种碳源，构建农业碳排放指标体系，采用碳排放因子法、LMDI模型、Tapio脱钩模型等分析方法，探究贵州省2006—2022年农业碳排放的时序特征、驱动因素及其与经济发展的脱钩关系，并提出对应的策略建议，以期为贵州省农业低碳转型与高质量发展提供有益借鉴。
1 资料与方法
1.1 数据来源
该研究涉及的碳排放测算数据与社会经济数据来源于2007—2023年《贵州统计年鉴》《中国农村统计年鉴》。为消除价格因素影响，所有经济数据均以2006年为基准进行修正。个别年份缺失数据，采用年均增长率进行计算补充。
1.2 研究方法
1.2.1 农业碳排放测算。
参考现有研究，并结合区域农业发展实际，从4个方面选取35种碳源测算贵州省农业碳排放量。①农资投入，具体包括氮肥、磷肥、钾肥、复合肥、农药、农膜、柴油、农业灌溉和农业机械。②作物种植，主要测算了水稻、小麦、玉米、大豆、薯类、油菜、花生、甘蔗、烟草和蔬菜共10类农作物种植过程中的碳排放。③秸秆焚烧，由于各类农作物的秸秆产量难以获取，该研究借鉴彭立群等［25］和崔瑜［26］的研究成果，通过农作物的草谷比估算出各类农作物的秸秆产量，并依据秸秆焚烧系数和各类农作物秸秆焚烧碳排放系数测算出秸秆焚烧的碳排放。④畜禽养殖，在畜禽养殖过程中，动物肠道发酵以及粪便管理产生的CH4和N2O是畜禽养殖业碳排放的主要来源［27］，该研究测算了牛、马、驴、骡、羊、生猪和家禽共7类畜禽品种的碳排放量；考虑到不同畜禽品种的饲养周期存在差异，该研究参考闵继胜等［28］的研究成果，对各畜禽品种的饲养量进行调整。因此，贵州省农业碳排放量的测算公式为：