馬光輝 張迎春 姚芳斌

摘要：利用2009—2020年中國漁業(yè)統(tǒng)計年鑒數(shù)據(jù)，基于參數(shù)調(diào)整的Kaya-LMDI模型和Tapio脫鉤模型對中國漁業(yè)經(jīng)濟碳排放驅(qū)動因素和碳排放與漁業(yè)經(jīng)濟的脫鉤關(guān)系進行測算。中國漁業(yè)經(jīng)濟的碳排放呈現(xiàn)出先增長后下降的趨勢，AEI整體呈下降趨勢;在各影響碳排放的因素中，經(jīng)濟增長效應(yīng)對碳排放增長貢獻最大，能源強度效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)為減少碳排放的主要驅(qū)動因素;從“十一五”到“十三五”期間，漁業(yè)經(jīng)濟的脫鉤狀態(tài)由弱脫鉤轉(zhuǎn)變?yōu)閺娒撱^。中國漁業(yè)經(jīng)濟應(yīng)不斷提高發(fā)展水平，在兼顧短期和長期的新技術(shù)、新策略中尋求突破。

關(guān)鍵詞：碳排放;Kaya-LMDI模型;脫鉤模型;漁業(yè)經(jīng)濟

中圖分類號：F323.2??????? 文獻標志碼：A

受全球氣候變化影響，發(fā)展低碳經(jīng)濟已成為世界各國的共識，控制CO2排放，遏制全球氣候變暖成為當下各國政府重點關(guān)注的問題。在2016年《巴黎氣候變化協(xié)定》中，中國政府承諾到2030年將CO2總排放強度降低到2005年水平的60%～65%。碳排放強度（AEI）被定義為經(jīng)濟二氧化碳排放總量與國內(nèi)生產(chǎn)總值（GDP）的比率[1]，用以反映經(jīng)濟發(fā)展的成本。沿海地區(qū)在生產(chǎn)和需求方面的減排努力是中國碳強度下降的主要推動力[2]。中國廣闊的海洋面積在給漁業(yè)經(jīng)濟的發(fā)展提供良好地理條件的同時，漁業(yè)經(jīng)濟的發(fā)展也需要做到經(jīng)濟效益和生態(tài)效益兩者兼顧，發(fā)展低碳漁業(yè)經(jīng)濟是實現(xiàn)可持續(xù)發(fā)展的必由之路。目前對于中國漁業(yè)經(jīng)濟碳排放的研究主要圍繞在碳排放的核算和低碳漁業(yè)發(fā)展路徑兩大范疇。漁業(yè)經(jīng)濟碳排放方面，徐皓[3]較早的對中國漁業(yè)經(jīng)濟的產(chǎn)業(yè)能耗進行了測算，提出了水產(chǎn)品加工過程中不同生產(chǎn)環(huán)節(jié)和生產(chǎn)方式的碳排放計算方法，為后續(xù)研究碳排放提供了合理的計算方法。隨著研究的不斷深入，碳排放的計算具體到海洋漁船方面，并在漁船改造方面提出減少碳排放的方法[4-5]，如對中國水產(chǎn)養(yǎng)殖的碳排放進行了模型的構(gòu)建和碳排放的測度[6];用LMDI模型對海洋產(chǎn)業(yè)碳排放的核算進行了初步探索并提出海洋產(chǎn)業(yè)低碳化的思路[7]。在低碳漁業(yè)發(fā)展路徑方面，通過捕撈限額來消除競爭性捕撈，不僅能夠遏制過度捕撈，還能夠減輕環(huán)境壓力，減少碳排放，實現(xiàn)可持續(xù)發(fā)展[8];低碳化發(fā)展是中國經(jīng)濟可持續(xù)發(fā)展的必由之路，唐啟升[9]最早提出了碳匯漁業(yè)的概念;或?qū)Φ吞紳O業(yè)發(fā)展路徑和階段進行了劃分，通過從“碳源”和“碳匯”兩個方面來降低漁業(yè)經(jīng)濟的碳排放[10];漁業(yè)本身具有巨大的碳匯功能，因此可以從水生生物碳匯和人工減碳兩個方向來進行低碳發(fā)展[11];或是利用LMDI模型對海水養(yǎng)殖貝類的碳匯能力進行測度，發(fā)現(xiàn)貝類碳匯能力巨大，且碳匯總量呈不斷上升趨勢[12];Gliber[13]以菲律賓蘇祿海（Sulu Sea）通過增加尿素來刺激藻類固碳為例，強調(diào)在以生物進行“碳匯”的方法上，還應(yīng)注重方法的可行性以及環(huán)境成本;黃曉南[14]認為低碳路徑不僅要依賴海洋生物的碳匯能力，還要提高漁民節(jié)能意識，增強對海洋捕撈的管制，壓縮傳統(tǒng)海洋捕撈業(yè)的強度，增加休閑漁業(yè)等低排放產(chǎn)業(yè)的發(fā)展。對漁業(yè)低碳化的思路經(jīng)歷了三個階段：以限制捕撈量來達到限制排放的目的，不過此方法對漁業(yè)經(jīng)濟的發(fā)展有一定的限制作用，并不能達到使?jié)O業(yè)經(jīng)濟高增長低排放的目標;以依靠“碳匯”來降低碳排放的思路，越來越多的學(xué)者開始提出從“碳源”、“碳匯”兩個方面共同發(fā)力的角度以期降低碳排放;到第三階段，隨著研究的進一步深入，過度依賴“碳匯”，刺激藻類、貝類增加固碳能力反而會引發(fā)其他環(huán)境問題，增加環(huán)境成本[15]。在此基礎(chǔ)上，本文將“碳源”和“碳匯”作為整體，運用LMDI模型進行分解測度，研究漁業(yè)經(jīng)濟碳排放驅(qū)動因素的同時，將其GDP（若無特殊標注，文中所提到是GDP為漁業(yè)經(jīng)濟相關(guān)產(chǎn)業(yè)的GDP）與AEI的脫鉤程度作為衡量漁業(yè)經(jīng)濟是否具有低碳排放特征的重要指標，并對今后中國漁業(yè)的發(fā)展建言獻策。

1 研究方法與指標選取

漁業(yè)經(jīng)濟的碳排放顧名思義是漁業(yè)生產(chǎn)過程中所排放的CO2。基于對“碳源”和“碳匯”的整體考慮，本文所指的碳排放是海洋漁業(yè)直接和間接碳排放量扣除其自身碳匯固碳量后的凈碳排放。狹義的漁業(yè)碳排放（未提出海洋生物碳匯量的全部碳排放）主要來自機動漁船對柴油消耗所產(chǎn)生的碳排放和水產(chǎn)養(yǎng)殖和水產(chǎn)品加工業(yè)電力消耗所產(chǎn)生的間接碳排放，盡管休閑漁業(yè)、海洋牧場等產(chǎn)業(yè)是中國漁業(yè)經(jīng)濟的未來趨勢，但本文未將其碳排放列入計算，主要原因是目前圍繞其發(fā)展而建立的法律法規(guī)相對不夠健全;規(guī)模小，經(jīng)濟占比小;對休閑漁業(yè)的統(tǒng)計還沒有可靠的數(shù)據(jù)來源;休閑漁業(yè)的生產(chǎn)方式較為環(huán)保，僅本文所選行業(yè)就可大致反映出漁業(yè)經(jīng)濟的碳排放趨勢。同時，根據(jù)對海洋碳匯的測度，海洋碳匯能力主要來自藻類和貝類。

1.1 碳排放模型設(shè)定

（1）碳排放總模型設(shè)定。根據(jù)《省級溫室氣體清單編制指南》（2011）的規(guī)定，碳排放可以分為化石燃料燃燒產(chǎn)生的CO2和終端部門電力消耗所間接產(chǎn)生的CO2，漁業(yè)經(jīng)濟的碳排放

C=Cf +Ch -Cr（1）

其中，C為碳排放總量，Cf為機動漁船消耗柴油所產(chǎn)生的直接碳排放，Ch為養(yǎng)殖業(yè)和水產(chǎn)品加工業(yè)電力消耗所產(chǎn)生的間接碳排放，Cr為養(yǎng)殖藻類和貝類的碳匯量。

（2）各部分能源消耗設(shè)定。漁業(yè)經(jīng)濟的能源消耗主要來自漁船的柴油消耗，水產(chǎn)養(yǎng)殖的電力消耗和水產(chǎn)品加工的電力消耗

E1 = ∑Pijθij（2）

E2 = ∑Viηi（3）

E3 = ∑Qiμi（4）

其中，E1、E2、E3分別表示機動漁船、水產(chǎn)養(yǎng)殖業(yè)和水產(chǎn)品加工業(yè)所消耗的能源。Pij表示第i類漁船第j型漁船的功率，Vi為第i類水產(chǎn)品的養(yǎng)殖體（面）積，Qi為第i種水產(chǎn)品的加工產(chǎn)量，θ、η、μ分別表示相應(yīng)的各耗能機器的能耗系數(shù)。

（3）各部分碳排放設(shè)定。根據(jù)各部分能量消耗的設(shè)定，各部分相應(yīng)的碳排放設(shè)定為

C1 = E1×ρ1（5）

C2 = E2 × ρ2 - ∑qi × λ （6）

C3 = E3 × ρ2（7）

其中，C1、C2、C3分別表示漁業(yè)經(jīng)濟不同部門的碳排放量;ρ1、ρ2分別表示柴油和電力的碳排放系數(shù);qi為第i類水產(chǎn)品的水產(chǎn)養(yǎng)殖產(chǎn)量;λi為第i類水產(chǎn)品的碳匯轉(zhuǎn)化系數(shù)。

1.2 碳排放影響因素分解模型

（1）Kaya恒等式。Kaya恒等式將碳排放的因素分解為多種不同的驅(qū)動因素用以探究溫室氣體排放的問題[16]?？紤]到漁業(yè)經(jīng)濟的特點，碳移除是貝類和藻類自發(fā)進行而無關(guān)乎能源消耗，所以移除了擴展的Kaya恒等式中的能源結(jié)構(gòu)效應(yīng)[17]，將Kaya恒等式擴展為

C=∑3i=1CiEi·EiGDPi·GDPiGDP·GDPP·P（8）

其中，C為碳排放總量;Ci為漁業(yè)經(jīng)濟中第i部分的碳排放量;Ei為第i部分的能源消耗量;GDPi為漁業(yè)經(jīng)濟的第i部分產(chǎn)值;GDP為當年價格下漁業(yè)經(jīng)濟總產(chǎn)值;P為海洋漁業(yè)從業(yè)人數(shù)。

令，c=C，ki=CiEi，ei=EiGDPi，gi=GDPiGDP，y=GDPP，p=P，則式（8）可以改寫成

c=∑3i=1ki·ei·gi·y·p（9）

其中，c表示從事漁業(yè)經(jīng)濟人員的人均碳排放，ki、ei、gi、y、p分別表示碳排放系數(shù)、能源強度、產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟產(chǎn)出和人口規(guī)模。

（2）Kaya-LMDI碳排放因素分解模型。LMDI分解法將能源消耗分解成諸多的影響因素，更適用于測算能源消耗的碳排放和驅(qū)動因素[18-20]，結(jié)果能夠更加有效的反映真實變動，使結(jié)論更加的有效和可行。為了測算碳排放各驅(qū)動因素的貢獻效應(yīng)，將擴展的Kaya恒等式運用LMDI模型，對碳排放驅(qū)動因素進行分解并加以分析，令Δc=ct-c0，用來表示0～t期人均碳排放的變化量，將Δc分解為

Δc=Δk+Δe+Δg+Δy+Δp（10）

其中，Δc、Δk、Δe、Δg、Δy、Δp分別表示碳排放分解總效應(yīng)、碳排放系數(shù)效應(yīng)、能源強度效應(yīng)、產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)、經(jīng)濟產(chǎn)出效應(yīng)和人口規(guī)模效應(yīng)。各替代效應(yīng)計算方法相同，以w代替各分解效應(yīng)，則各替代效應(yīng)的計算公式為

Δw=∑3i=1Li·lnwtiw0i（11）

Li=cti-c0ilncti-lnc0i????? ci>0

-（-cti）-（-c0i）ln（-cti）-ln（-c0i） ci>0（12）

1.3 Tapio脫鉤模型

（1）脫鉤彈性系數(shù)?；诮煌ㄈ萘颗cGDP的關(guān)系提出的Tapio脫鉤模型常被用于不用地區(qū)或行業(yè)碳排放的研究[21]，Tapio脫鉤模型為了避免將輕微變化過度解釋為顯著變化，將彈性值為1處上下浮動20%的區(qū)間看作是耦合

ε=ΔE/EΔG/G=（Et-E0）/E0（GDPt-GDP0）/GDP0（13）

其中，ε為脫鉤彈性系數(shù);ΔE為能源消耗變化量，E為i時期能源消耗量，ΔGDP為生產(chǎn)總值變化量，GDP為i時期生產(chǎn)總值，Et和E0分別表示i時期能源消耗的末量和始量，同樣，GDPt和GDP0表示i時期生產(chǎn)總值的末量和始量。海洋資源消耗量變化率與海洋生產(chǎn)總值變化率之比即表征海洋經(jīng)濟增長與資源消耗的脫鉤狀態(tài)。

（2）脫鉤程度等級劃分。為了避免脫鉤彈性系數(shù)在反映海洋資源和生產(chǎn)總值之間關(guān)系上的不準確性，需要考慮資源消耗和生產(chǎn)總值變化趨勢對脫鉤狀態(tài)的影響，參考變量綜合分析法，可以將脫鉤狀態(tài)分為8種：強脫鉤、弱脫鉤、衰退脫鉤、擴張負脫鉤、弱負脫鉤、強負脫鉤、衰退連結(jié)、擴張連結(jié)[22]。具體判斷標準見表1。

1.4 數(shù)據(jù)來源

本文中漁業(yè)經(jīng)濟的變化和測度碳排放所需的機動漁船功率、水產(chǎn)品養(yǎng)殖產(chǎn)量和水產(chǎn)品加工量的數(shù)據(jù)均來自于相應(yīng)年份的《中國漁業(yè)統(tǒng)計年鑒》。碳排放系數(shù)的選取上，各化石燃料的折標準煤系數(shù)和碳排放系數(shù)來自《中國能源統(tǒng)計年鑒》和《IPCC國家溫室氣體清單指南》漁船的能耗轉(zhuǎn)化系數(shù)和燃油消耗量來自《國內(nèi)機動漁船油價補助用油量測算參考標準的通知》（2009）來確，由于內(nèi)陸捕撈船沒有進行功能漁船劃分統(tǒng)計，本文取內(nèi)陸捕撈補助用油系數(shù)的平均數(shù)，即0.206 噸/千瓦。水產(chǎn)養(yǎng)殖及水產(chǎn)品加工中各環(huán)節(jié)能源消耗的測算根據(jù)徐皓對中國漁業(yè)經(jīng)濟能源消耗測度來確定[3];根據(jù)對貝類和藻類碳匯能力的測度，碳匯系數(shù)分別為0.088 8和0.341 3[23-24]。

2 實證分析

2.1 整體碳排放與GDP變化分析

2.1.1 整體碳排放分析 基于碳排放核算模型對中國漁業(yè)經(jīng)濟碳排放的測算，中國漁業(yè)經(jīng)濟的碳排放總量整體呈先上升后下降的趨勢，如圖1所示，中國漁業(yè)2008—2019年碳排放結(jié)果見表2。在2008—2015年中國漁業(yè)經(jīng)濟碳排放呈現(xiàn)上升趨勢，2015—2019年表現(xiàn)出下降趨勢，說明對限制碳排放的措施初見成效，但12年間碳排放量增加了大約12.8%，碳排放量仍然是緩慢但不斷的增長說明漁業(yè)經(jīng)濟發(fā)展所帶來的環(huán)境壓力依然不可小覷。漁業(yè)經(jīng)濟持續(xù)增長，AEI整體不斷下降。2008—2019年AEI下降了約52.3%，表明中國漁業(yè)經(jīng)濟發(fā)展的低碳化發(fā)展模式逐步完善。

2.1.2 各部門能源消耗分析 不同部門能源消耗對碳排放的治理具有重要意義，三部門能源消耗見表3。機動漁船在漁業(yè)經(jīng)濟中的能源消耗和碳排放遠高于水產(chǎn)養(yǎng)殖和加工兩個部門，水產(chǎn)養(yǎng)殖和加工兩個部門能源消耗相近，但碳排放量差別較大，原因在于水產(chǎn)養(yǎng)殖過程中的碳匯

2.2 LMDI驅(qū)動因素分析

以2008年為基期，通過LMDI模型對漁業(yè)經(jīng)濟碳排放總量進行驅(qū)動因素分解，計算得到漁業(yè)經(jīng)濟各驅(qū)動因素的逐年效應(yīng)和累計效應(yīng)，見表4和表5?？芍?，中國漁業(yè)經(jīng)濟的碳排放的正向和負向驅(qū)動效應(yīng)較為均衡，拉動和推動因素力量較為對稱，經(jīng)濟增長效應(yīng)是漁業(yè)經(jīng)濟碳排放的主要貢獻因素，其余驅(qū)動因素則對碳排放具有負的拉動作用。

（1）碳排放系數(shù)效應(yīng)。與理論分析相對應(yīng)，碳排放系數(shù)效體現(xiàn)中國漁業(yè)經(jīng)濟技術(shù)水平的指標，效應(yīng)方向和貢獻與碳排放系數(shù)大小無關(guān)，僅與其變化率有關(guān)，根據(jù)模型（11）設(shè)定，在單一能源消耗部門，能源排放系數(shù)效應(yīng)為0，因此碳排放系數(shù)效應(yīng)主要來自水產(chǎn)養(yǎng)殖業(yè)，對漁業(yè)經(jīng)濟的碳排放起著負向拉動的作用。

（2）能源強度效應(yīng)。能源強度效應(yīng)是漁業(yè)經(jīng)濟碳排放中主要的負向驅(qū)動因素，能源強度效應(yīng)減碳貢獻約為52.9%。逐年效應(yīng)對碳排放變化的影響程度較大且多為負數(shù)，表示中國漁業(yè)經(jīng)濟對能源消耗的依賴程度不斷下降，整體來看，能源強度效應(yīng)對碳排放的負向拉動不斷增加，側(cè)面反映中國漁業(yè)經(jīng)濟的發(fā)展逐步向低碳發(fā)展靠攏。

（3）產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)。產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)體現(xiàn)了漁業(yè)經(jīng)濟中的漁業(yè)經(jīng)濟和產(chǎn)業(yè)規(guī)模。產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)對漁業(yè)經(jīng)濟碳排放同樣起著負向的拉動作用，其中捕撈業(yè)產(chǎn)業(yè)結(jié)構(gòu)的變動所占比重最大，其波動情況與整個漁業(yè)經(jīng)濟的驅(qū)動因素逐年變化情況大體一致，原因在于捕撈業(yè)的能源消耗和碳排放比例在整個漁業(yè)經(jīng)濟中所占比例非常高，且排放后幾乎不會有碳匯過程，所以捕撈業(yè)的經(jīng)濟的變動對整個漁業(yè)經(jīng)濟的影響較大。

（4）經(jīng)濟增長效應(yīng)。經(jīng)濟增長效應(yīng)是中國漁業(yè)經(jīng)濟碳排放的主要驅(qū)動因素，逐年效應(yīng)均為正值，且總體呈現(xiàn)出逐年變化較為平穩(wěn)，對漁業(yè)經(jīng)濟碳排放貢獻最大。2008—2017年中國漁業(yè)經(jīng)濟GDP增長了約2.24倍，人均GDP增長了2.4倍，碳排放總量增加了1.15倍，結(jié)合表2可知，中國漁業(yè)經(jīng)濟的碳排放經(jīng)歷了先增加后下降的過程。

（5）人口效應(yīng)。人口效應(yīng)對應(yīng)的是漁業(yè)經(jīng)濟相關(guān)的人口規(guī)模。人口的逐年效應(yīng)對漁業(yè)經(jīng)濟碳排放的貢獻既有正向驅(qū)動也有負向拉動，主要波動發(fā)生于2009—2012年，但總的累計效應(yīng)貢獻為負值，對漁業(yè)經(jīng)濟的碳排放有一定的拉動作用;海洋捕撈業(yè)和水產(chǎn)品加工業(yè)的人口效應(yīng)變化隨人口變化而同方向變動，水產(chǎn)養(yǎng)殖恰好相反，其中影響最顯著的是捕撈業(yè)的人口效應(yīng)，人口的增加帶來捕撈漁船和加工設(shè)備的增加，使得能源消耗量增加，而水產(chǎn)養(yǎng)殖業(yè)人口的增加對產(chǎn)值和耗能影響不大，因此，捕撈和水產(chǎn)品加工兩個行業(yè)，特別是捕撈業(yè)人數(shù)的變動，決定了人口效應(yīng)碳排放貢獻的方向。

2.3 脫鉤彈性系數(shù)分析

結(jié)合不同“五年計劃”時期，根據(jù)Tapio脫鉤模型計算了碳排放脫鉤彈性系數(shù)，具體見表6?？芍?，中國漁業(yè)經(jīng)濟的脫鉤彈性不斷的下降，“十一五”和“十二五”的碳排放和GDP之間的脫鉤狀態(tài)是弱脫鉤狀態(tài)，“十三五”期間為強脫鉤狀態(tài)。三個時期的脫鉤彈性呈下降趨勢，綜合各時期的要求，各階段的漁業(yè)經(jīng)濟的發(fā)展模式均與國家發(fā)展計劃緊密相關(guān)，表明中國漁業(yè)經(jīng)濟從一開始以環(huán)境為代價換取經(jīng)濟高速增長，到為實現(xiàn)可持續(xù)發(fā)展而不斷進步，再到由高速增長轉(zhuǎn)為高質(zhì)量增長。

為進一步分析碳排放與GDP的關(guān)系，本文計算了逐年脫鉤彈性，結(jié)果如圖2所示，逐年彈性整體呈下降趨勢，“十三五”后下降趨勢較為明顯，表明中國漁業(yè)經(jīng)濟對能源的依賴程度不斷降低，經(jīng)濟增長的同時減少了對環(huán)境的損害。

3 結(jié)論

通過實證研究發(fā)現(xiàn)，中國漁業(yè)經(jīng)濟的碳排放強度不斷下降，對能源消耗的依賴程度逐步減輕，漁業(yè)經(jīng)濟碳排放管理初見成效。從碳排放驅(qū)動因素看，經(jīng)濟增長效應(yīng)是漁業(yè)經(jīng)濟碳排放中最主要的正向驅(qū)動因素，能源強度效應(yīng)和產(chǎn)業(yè)結(jié)構(gòu)效應(yīng)則是主要的負向拉動因素，碳排放系數(shù)、人口效應(yīng)在總體上起到負向拉動作用;結(jié)合累計效應(yīng)可知，諸多效應(yīng)對漁業(yè)經(jīng)濟碳排放的累加貢獻是正向的。根據(jù)Tapio脫鉤模型，中國漁業(yè)經(jīng)濟對能源消耗的經(jīng)歷了從弱脫鉤到強脫鉤的轉(zhuǎn)變，從側(cè)面證明中國漁業(yè)經(jīng)濟逐步走向低碳發(fā)展?；谝陨辖Y(jié)論，中國漁業(yè)經(jīng)濟應(yīng)合理有序的推進經(jīng)濟的可持續(xù)發(fā)展，根據(jù)各驅(qū)動因素的深層涵義，制定合理的中長期計劃，合理安排捕撈、養(yǎng)殖、加工三個部門的生產(chǎn)計劃;向第三產(chǎn)業(yè)尋找突破口。通過發(fā)展休閑漁業(yè)，海洋旅游等低排放新興海洋產(chǎn)業(yè)來促進經(jīng)濟的高質(zhì)量發(fā)展;嚴格執(zhí)行國家規(guī)定，淘汰陳舊漁船等污染大的落后設(shè)備等，實現(xiàn)中國漁業(yè)的綠色可持續(xù)發(fā)展。

參考文獻

[1]VERA I， LANGLOIS L. Energy indicators for sustainable development[J]. Energy， 2007，32（6）： 875-882.

[2]ZHOU X Y， ZHOU D Q， WANG Q W， et al. Who shapes China's carbon intensity and how？ A demand-side decomposition analysis[J]. Energy Economics， 2020，85： 104600.

[3]徐皓， 劉晃， 張建華， 等. 我國漁業(yè)能源消耗測算[J]. 中國水產(chǎn)， 2007（11）： 74-76+78.

[4]張祝利. 我國漁船溫室氣體排放研究[C]//發(fā)展低碳農(nóng)業(yè)，應(yīng)對氣候變化——低碳農(nóng)業(yè)研討會，北京， 2010：5.

[5]徐皓， 張祝利， 趙平. 我國漁船耗能調(diào)查與分析[J]. 中國水產(chǎn)， 2009（9）： 5-7.

[6]陳橋驛， 楊寧生. 水產(chǎn)養(yǎng)殖碳排量計算模型的研究[J]. 中國漁業(yè)經(jīng)濟， 2013，31（5）： 63-67.

[7]徐勝， 趙艷香. 我國海洋產(chǎn)業(yè)碳排放核算研究[J]. 生態(tài)經(jīng)濟， 2012（8）： 102-106.

[8]方芳， 慕永通. 關(guān)于捕撈限額制度施行效果的理論預(yù)期[J]. 中國漁業(yè)經(jīng)濟， 2009，27（1）： 37-40.

[9]唐啟升. 碳匯漁業(yè)與又好又快發(fā)展現(xiàn)代漁業(yè)[J]. 江西水產(chǎn)科技， 2011（2）： 5-7.

[10] 岳冬冬， 王魯民. 中國低碳漁業(yè)發(fā)展路徑與階段劃分研究[J]. 中國海洋大學(xué)學(xué)報（社會科學(xué)版）， 2012（5）： 15-21.

[11] 李丹， 劉龍騰. 我國低碳漁業(yè)的發(fā)展路徑分析[C]// 2013中國漁業(yè)經(jīng)濟專家論壇——發(fā)展海洋漁業(yè) 建設(shè)海洋強國， 湛江， 2013：5.

[12] 許國棟， 王萍萍， 紀建悅， 等. 基于LMDI方法的海水養(yǎng)殖貝類碳匯分解研究——山東省2008-2012年的經(jīng)驗數(shù)據(jù)[J]. 中國漁業(yè)經(jīng)濟， 2015，33（1）： 71-76.

[13] GLIBERT P M， AZANZA R， BURFORD M， et al. Ocean urea fertilization for carbon credits poses high ecological risks[J]. Marine Pollution Bulletin， 2008，56（6）： 1049-1056.

[14] 黃曉南. 關(guān)于發(fā)展低碳漁業(yè)經(jīng)濟的思考[J]. 福建農(nóng)業(yè)科技， 2013（Z1）： 139-143.

[15] BERTRAM C. Ocean iron fertilization in the context of the Kyoto protocol and the post-Kyoto process[J]. Energy Policy， 2010，38（2）： 1130-1139.

[16] KAYA Y. Impact of carbon dioxide emission control on GNP growth： interpretation of proposed scenarios[J]. Intergovernmental Panel on Climate Change/Response Strategies Working Group， 1989（13）：20-33.

[17] 邵桂蘭， 孔海崢， 于謹凱， 等. 基于LMDI法的我國海洋漁業(yè)碳排放驅(qū)動因素分解研究[J]. 農(nóng)業(yè)技術(shù)經(jīng)濟， 2015（6）： 119-128.

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

[19] GU S， FU B， THRIVENI T， et al. Coupled LMDI and system dynamics model for estimating urban CO2 emission mitigation potential in Shanghai， China[J]. Journal of Cleaner Production， 2019，240： 118034.

[20] YANG J， CAI W， MA M， et al. Driving forces of China′s CO2 emissions from energy consumption based on Kaya-LMDI methods[J]. Science of The Total Environment， 2020，711： 134569.

[21] 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.

[22] 王越， 趙婧宇， 李志學(xué)， 等. 東北三省碳排放脫鉤效應(yīng)及驅(qū)動因素研究[J]. 環(huán)境科學(xué)與技術(shù)， 2019，42（6）： 190-196.

[23] 張繼紅，方建光，唐啟升. 中國淺海貝藻養(yǎng)殖對海洋碳循環(huán)的貢獻[J]. 地球科學(xué)進展， 2005（3）： 359-365.

[24] 宋金明， 李學(xué)剛， 袁華茂， 等. 中國近海生物固碳強度與潛力[J]. 生態(tài)學(xué)報， 2008（2）： 551-558.

Study on the Driving Factors of Carbon Emission of Fishery Economy in China

——Dual Perspective Analysis Based on LMDI and Decoupling Model

MA Guang-hui1，ZHANG Ying-chun1， YAO Fang-bin2

（1.School of Economics，Qingdao University，Qingdao 266061，China;

2. Shandong Freshwater Fisheries Research Institute，Jinan 250118，China）

Abstract：

Based on the data of China's fishery statistical yearbook from 2009 to 2020， a parameter adjusted Kaya-LMDI model was constructed， which was used to analysis the driving factors of carbon emission of China's fishery economy.? The Tapio-decoupling model was used to discuss the decoupling relationship between carbon emission and fishery economy. The results show that the carbon emission of China's fishery economy increases first and then decreases， and the AEI shows a downward trend as a whole. Among the factors affecting carbon emissions， the effect of economic growth contributes the most to the growth of carbon emissions， and energy intensity effect and industrial structure effect are the main driving factors to reduce carbon emissions. The decoupling model shows that the dependence of fishery economy on energy has changed from weak decoupling to strong decoupling， China's fishery economy should constantly improve its development level and seek breakthroughs in new technologies and strategies.

Keywords：

carbon emissions; Kaya-LMDI model; decoupling model; fishery economy

收稿日期：2021-08-06

基金項目：

國家社科基金重點項目（批準號：17ATJ002）資助;全國統(tǒng)計科研重點項目（批準號：2019LZ18）資助。

通信作者：

姚芳斌，男，博士，中級統(tǒng)計師，主要研究方向為海洋經(jīng)濟統(tǒng)計。E-mail：m1358581448@163.com