秦會艷,暴馨瞳

(東北林業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院,哈爾濱 150040)

一、引言

習(xí)近平總書記在第七十五屆聯(lián)合國大會一般性辯論上宣布,中國會力爭在2030年之前實(shí)現(xiàn)碳達(dá)峰,在2060年之前實(shí)現(xiàn)碳中和?；诖?發(fā)展綠色經(jīng)濟(jì),低碳經(jīng)濟(jì),促進(jìn)經(jīng)濟(jì)結(jié)構(gòu)升級轉(zhuǎn)型是未來經(jīng)濟(jì)發(fā)展的重要方向,農(nóng)業(yè)作為整體經(jīng)濟(jì)組成中的一部分,也必然要遵循這樣的發(fā)展方向。農(nóng)業(yè)作為國民經(jīng)濟(jì)的基礎(chǔ)性產(chǎn)業(yè),對我國經(jīng)濟(jì)發(fā)展,方針政策制定等都起到深刻作用,農(nóng)業(yè)碳排放已成為溫室氣體的重要來源,因此農(nóng)業(yè)碳排放問題也亟待解決。

對于農(nóng)業(yè)發(fā)展的碳排放研究,國內(nèi)外學(xué)者研究的主要內(nèi)容有三方面。一是農(nóng)業(yè)發(fā)展碳排放的來源及測算。黃祖輝從不同層級碳源核算出發(fā),對浙江省農(nóng)業(yè)碳足跡進(jìn)行測算發(fā)現(xiàn),農(nóng)業(yè)發(fā)展使用的三大能源,即煤炭、柴油和電力是碳源之首,種植活動(dòng)和養(yǎng)殖活動(dòng)產(chǎn)生的碳排放比重不高[1];田云等人基于農(nóng)業(yè)碳排放源頭呈現(xiàn)多樣性特點(diǎn),從農(nóng)地利用、稻田、牲畜腸道發(fā)酵和糞便管理四方面進(jìn)行農(nóng)業(yè)碳源確定,核算了16類碳源的碳排放量[2];陳勝濤等從種植業(yè)和畜禽養(yǎng)殖業(yè)出發(fā),對農(nóng)業(yè)產(chǎn)生的二氧化碳減排潛力和邊際減排成本進(jìn)行研究[3];在農(nóng)業(yè)機(jī)械的大規(guī)模投入,基于農(nóng)業(yè)能源消耗上升的背景下,史常亮等學(xué)者從農(nóng)業(yè)發(fā)展能源消費(fèi)產(chǎn)生的碳排放入手,對我國農(nóng)業(yè)發(fā)展碳排放進(jìn)行了研究。綜上可以發(fā)現(xiàn),對農(nóng)業(yè)發(fā)展碳源的確定,既有多樣性視角,也有單一視角[4];Jane M.F. Johnson和美國密蘇里大學(xué)研究員基于農(nóng)業(yè)碳排放多源頭的視角,對美國農(nóng)業(yè)發(fā)展碳排放進(jìn)行測量后發(fā)現(xiàn)美國農(nóng)業(yè)碳排放的第一大源頭是農(nóng)地利用[5]。二是農(nóng)業(yè)發(fā)展碳排放驅(qū)動(dòng)因素分析。龐麗對我國不同區(qū)域的農(nóng)業(yè)發(fā)展能源消耗產(chǎn)生的碳排放的驅(qū)動(dòng)因素進(jìn)行了分析,得出農(nóng)業(yè)經(jīng)濟(jì)發(fā)展水平、農(nóng)業(yè)生產(chǎn)效率因素、結(jié)構(gòu)因素和勞動(dòng)力轉(zhuǎn)移因素會影響農(nóng)業(yè)發(fā)展碳排放,且對不同區(qū)域的影響程度不一樣[6];高標(biāo)等應(yīng)用 STIRPAT 模型,以人口總數(shù)、人均 GDP、農(nóng)業(yè)貢獻(xiàn)值、農(nóng)用機(jī)械總動(dòng)力、農(nóng)戶固定資產(chǎn)投資為驅(qū)動(dòng)因素原始變量,對吉林省農(nóng)業(yè)發(fā)展多角度產(chǎn)生的碳排放驅(qū)動(dòng)因素進(jìn)行了分析[7];Smith Pete等學(xué)者考慮到微量氣體和農(nóng)業(yè)碳排放之間的聯(lián)系,研究發(fā)現(xiàn)在不同的農(nóng)業(yè)生產(chǎn)類型下微量氣體的加入和減少會對農(nóng)業(yè)碳排放產(chǎn)生影響[8]。三是研究農(nóng)業(yè)碳排放與經(jīng)濟(jì)增長之間的關(guān)系。李波等基于投入視角來研究我國農(nóng)業(yè)碳排放與經(jīng)濟(jì)發(fā)展間的關(guān)系,發(fā)現(xiàn)二者間呈現(xiàn)弱脫鉤、擴(kuò)張連接和擴(kuò)張負(fù)脫鉤的特征[9]。李波等從環(huán)境庫茨涅茲視角進(jìn)行實(shí)證分析,來研究中國農(nóng)業(yè)碳排放強(qiáng)度和人均GDP之間的關(guān)系, 發(fā)現(xiàn)二者呈現(xiàn)出明顯的倒U型曲線關(guān)系[10]。

從已有文獻(xiàn)可以看出,關(guān)于農(nóng)業(yè)碳排放問題的研究大多遵循IPCC分類標(biāo)準(zhǔn),從農(nóng)地利用、牲畜養(yǎng)殖等角度出發(fā)進(jìn)行研究。但隨著農(nóng)業(yè)發(fā)展向集約化、規(guī)模化方向轉(zhuǎn)變,能源使用的比重也在不斷增加,農(nóng)業(yè)能源消費(fèi)產(chǎn)生的碳排放比重不斷增加。因此,本文擬以西部欠發(fā)達(dá)省份,貴州省作為研究對象,將研究農(nóng)業(yè)碳排放的視角放到能源消耗產(chǎn)生的碳排放上,將農(nóng)業(yè)發(fā)展能源消耗量作為農(nóng)業(yè)碳源核算主體,豐富農(nóng)業(yè)碳排放的研究內(nèi)容,分析貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤效應(yīng),并進(jìn)一步探索農(nóng)業(yè)發(fā)展碳排放驅(qū)動(dòng)因素,為實(shí)現(xiàn)農(nóng)業(yè)低碳減排提出建議。

二、研究方法與數(shù)據(jù)來源

(一)研究方法

1.碳排放量估算法

本文采用 IPCC 提供的能源碳排放計(jì)算方法,并參考宋德勇[11],黃賢金[12]等學(xué)者碳排放公式構(gòu)建方法的基礎(chǔ)上構(gòu)建本文碳排放計(jì)算公式即:

(1)

式(3-7)中:CO2表示為碳排放量,單位為萬噸,Ei為能源 i 的消費(fèi)量,單位為萬噸;bi為能源i的碳排放系數(shù)(根據(jù)《IPCC 碳排放計(jì)算指南》2006);n為能源種類數(shù)。

根據(jù)貴州實(shí)際能源消耗情況以及《貴州統(tǒng)計(jì)年鑒》中有關(guān)能源消費(fèi)的統(tǒng)計(jì)數(shù)據(jù),我們發(fā)現(xiàn)其中僅有涉及各種能源轉(zhuǎn)化為標(biāo)準(zhǔn)煤的統(tǒng)計(jì)數(shù)據(jù),并沒有各種能源消費(fèi)的詳細(xì)數(shù)據(jù),鑒于此,我們需調(diào)整上述公式來測度貴州的能源消費(fèi)碳排放量。調(diào)整后的碳排放測量公式如下:

CE=EFi*E

(2)

其中CE指能源碳排放量,EFi指各能源換算成標(biāo)準(zhǔn)煤后的碳排放系數(shù),E指各能源消費(fèi)轉(zhuǎn)化為標(biāo)準(zhǔn)煤的消費(fèi)量,單位為萬噸標(biāo)準(zhǔn)煤。

表1 所需各類能源碳排放系數(shù)

2.農(nóng)業(yè)碳排放脫鉤模型

構(gòu)建脫鉤指標(biāo)主要有兩種模型,一種是2002年OECD提出的基于“驅(qū)動(dòng)力(Driving Force)-狀態(tài)(State)-響應(yīng)(Response)”,即DSR模型,根據(jù)該模型將脫鉤分為“絕對脫鉤”和“相對脫鉤”?！敖^對脫鉤”指經(jīng)濟(jì)增長而二氧化碳排放量減少的狀況,如果經(jīng)濟(jì)增長率高于二氧化碳排放增長率,則是“相對脫鉤”[13]。另一種模型是Tapio在2005年基于彈性概念提出所謂脫鉤彈性,即經(jīng)濟(jì)發(fā)展變化的幅度導(dǎo)致二氧化碳排放改變程度的比值,反映了二氧化碳變化對于經(jīng)濟(jì)變化的敏感程度[14],為研究歐洲在1970年到2001年的經(jīng)濟(jì)發(fā)展與碳排放之間的關(guān)系,引入了中間變量,即交通運(yùn)輸量,從而構(gòu)建運(yùn)輸量與GDP之間的彈性公式,以及運(yùn)輸量和碳排放總量之間的彈性公式,最后將兩彈性公式相乘,便得到一般的脫鉤指標(biāo)計(jì)算公式。在此基礎(chǔ)上,后來的學(xué)者引入IPAT方程進(jìn)行脫鉤評價(jià),但本文主要將研究視角放在前兩種上面,因此對于該種方法不展開過多贅述。

運(yùn)用OECD的方法構(gòu)建脫鉤指標(biāo)分為兩步,第一步需先構(gòu)建脫鉤指數(shù),如式(3)。

(3)

其中EP為環(huán)境壓力(Environment Pressure),DF為經(jīng)濟(jì)驅(qū)動(dòng)力(Driving Factors),T表示當(dāng)期,0表示基期。

第二步是計(jì)算脫鉤因子,如式(4)。

脫鉤因子=1-脫鉤指數(shù)DI

(4)

Tapio構(gòu)建指標(biāo)如下式(5)。

(5)

其中eco2,GDP表示經(jīng)濟(jì)發(fā)展與碳排放之間的脫鉤彈性系數(shù),V 為中間變量。Tapio 根據(jù)脫鉤彈性值的大小定義了八種脫鉤狀態(tài),如表2所示。

表2 Tapio(2005)對八種脫鉤狀態(tài)劃分

基于此,構(gòu)建貴州省農(nóng)業(yè)發(fā)展與碳排放之間的脫鉤指標(biāo),首先要確定碳排放與農(nóng)業(yè)發(fā)展之間的中間變量,這個(gè)中間變量有兩層含義,一是指明農(nóng)業(yè)碳源,二是表明碳排放和農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間的關(guān)系由能耗量聯(lián)結(jié)起來。結(jié)合以往的文獻(xiàn)研究和貴州省的實(shí)際情況,本文引入能耗量這個(gè)中間變量。因此,貴州省碳排放與農(nóng)業(yè)發(fā)展的脫鉤彈性可分解為兩組中間變量彈性乘積,即碳排放與能源消費(fèi)量之間的彈性、能源消費(fèi)量和農(nóng)業(yè)總產(chǎn)值(Gross agriculture output,簡稱GAO)之間的彈性,分別稱為農(nóng)業(yè)減排脫鉤指標(biāo)、農(nóng)業(yè)節(jié)能脫鉤指標(biāo)。其中農(nóng)業(yè)碳排放與農(nóng)業(yè)能源消費(fèi)量之間的彈性表達(dá)式如下:

(6)

能源消費(fèi)量對農(nóng)業(yè)生產(chǎn)總值的彈性指標(biāo)如下:

(7)

該指標(biāo)被稱為農(nóng)業(yè)節(jié)能指標(biāo),主要用來衡量農(nóng)業(yè)生產(chǎn)對能源利用的效率。

將以上(6)和(7)式相乘,可得農(nóng)業(yè)發(fā)展和碳排放之間的脫鉤指標(biāo),即:

eco2,GAO=eco2,E×eE,GAO

(8)

3.碳排放影響因素分解法

LMDI分解法能消除不能解釋的殘差項(xiàng),使模型更具說服力;分部門效應(yīng)加總與總效應(yīng)保持一致,即不同的分部門效應(yīng)總和與各個(gè)部門作用于總體水平上獲得的總效應(yīng)相一致[15],測算結(jié)果更有說服力,因而成為當(dāng)前碳排放領(lǐng)域最為熱門的一種因素分解方法。因此,基于田云[16]、朱嘉晴[17]等研究,文章利用LMDI分解法將貴州省農(nóng)村經(jīng)濟(jì)發(fā)展碳排放量分解如下:

(9)

假設(shè)C0和CT分別代表基期年和第T年的碳排放量,根據(jù)加法形式的 LMDI 分解法,可將第 T 期相對于當(dāng)前的農(nóng)業(yè)碳排放量△C分解為:

△C=△Cα+△Cβ+△Cη+△Cξ

(10)

△Cα、△Cβ、△Cη、△Cξ分別表示能源結(jié)構(gòu)、碳排放強(qiáng)度、人均生產(chǎn)總值和農(nóng)村人口規(guī)模對貴州省農(nóng)業(yè)發(fā)展的影響,再對其進(jìn)行分解得:

(11)

(12)

(13)

(14)

結(jié)合脫鉤模型可得:

(15)

式(15)表明,貴州省農(nóng)業(yè)發(fā)展與碳排放脫鉤效應(yīng)被分解為 4 個(gè)效應(yīng),即能源結(jié)構(gòu)效應(yīng)eα、技術(shù)效應(yīng)eβ、經(jīng)濟(jì)效應(yīng)eη與人口規(guī)模效應(yīng)eξ。

(二)數(shù)據(jù)來源及處理

根據(jù)實(shí)際研究情況,為確保數(shù)據(jù)的權(quán)威和準(zhǔn)確性,均從相關(guān)官方網(wǎng)站找到數(shù)據(jù)。其中,貴州省農(nóng)業(yè)生產(chǎn)總值數(shù)據(jù)來自《中國統(tǒng)計(jì)年鑒》,按2009年定價(jià)計(jì)算,農(nóng)業(yè)能耗數(shù)據(jù)來自《貴州統(tǒng)計(jì)年鑒》。由于目前我國沒有對碳排放量的直接監(jiān)測數(shù)據(jù),故碳排放量采用IPCC(2006)推薦的方法計(jì)算。本研究中農(nóng)業(yè)生產(chǎn)總產(chǎn)值以2009年為基期進(jìn)行定價(jià)換算。

三、結(jié)果與分析

(一)貴州省農(nóng)業(yè)碳排放彈性特征分析

從表3可以看出貴州省2009年到2019年之間碳排放和農(nóng)業(yè)發(fā)展的時(shí)序演變情況,從1和不同中間變量之間彈性的大小比較中可以看出中間變量對脫鉤指標(biāo)變化的作用,若中間變量彈性指標(biāo)大于1,表示對貴州省碳排放與農(nóng)業(yè)經(jīng)濟(jì)發(fā)展之間的脫鉤彈性指標(biāo)的上升起正向作用,若中間變量彈性指標(biāo)比1小,則起反向作用。

表3 2009-2019年間貴州省碳排放與農(nóng)業(yè)發(fā)展之間脫鉤彈性及其分解

對于減排脫鉤指標(biāo),有增長連結(jié)、衰退連結(jié)和擴(kuò)張負(fù)脫鉤三種狀態(tài)。增長連結(jié)表明能源使用增加時(shí)碳排放也增加,但彈性處于0.8～1.2之間;衰退連結(jié)指當(dāng)能源使用減少時(shí)碳排放也減少,且彈性也處于0.8～1.2之間;擴(kuò)張負(fù)脫鉤指當(dāng)能源使用增加時(shí)碳排放也增加,但彈性大于1.2?？梢钥闯?增長連結(jié)和衰退連結(jié)是彈性一樣,但變化方向相反的兩種狀態(tài)。其中增長連結(jié)的狀態(tài)是最多的,2010、2011、2015和2019年是衰退連結(jié)狀態(tài),而擴(kuò)張負(fù)脫鉤只有2009年。目前貴州省農(nóng)業(yè)發(fā)展在能源使用和碳排放整體處于連結(jié)狀態(tài),還沒有達(dá)到脫鉤狀態(tài)。

對于節(jié)能脫鉤指標(biāo),有弱脫鉤、強(qiáng)脫鉤和擴(kuò)張負(fù)脫鉤三種狀態(tài),但整體以弱脫鉤和強(qiáng)脫鉤為主。其中2009、2012、2013、2014和2016年是弱脫鉤狀態(tài),即能源使用增加時(shí)農(nóng)業(yè)生產(chǎn)總值也增加,且二者之間的彈性處于0～0.8之間。2010、2011、2015、2017和2019年是強(qiáng)脫鉤狀態(tài),即當(dāng)農(nóng)業(yè)生產(chǎn)總值增加時(shí)能源使用減少,二者之間的彈性小于0。而2018年是擴(kuò)張負(fù)脫鉤狀態(tài),表明農(nóng)業(yè)生產(chǎn)總值增加能源使用也增加,二者之間的彈性大于1.2,即農(nóng)業(yè)生產(chǎn)總值增加導(dǎo)致能源使用增加,一單位的農(nóng)業(yè)生產(chǎn)總值由超過1.2單位的能源貢獻(xiàn)。

對于農(nóng)業(yè)發(fā)展和碳排放之間的脫鉤指標(biāo),由弱脫鉤、強(qiáng)脫鉤、擴(kuò)張負(fù)脫鉤和增長連結(jié)四種狀態(tài)組成。其中2012、2013和2014年是弱脫鉤狀態(tài),即當(dāng)農(nóng)業(yè)生產(chǎn)總值增加時(shí)二氧化碳排放量也增加,但二者之間的彈性處于一個(gè)較小的區(qū)間。2010、2011、2015、2017和2019年都是強(qiáng)脫鉤狀態(tài),即農(nóng)業(yè)生產(chǎn)總值增加時(shí)二氧化碳排放量減少,二者之間的脫鉤彈性小于0,此時(shí)農(nóng)業(yè)發(fā)展碳排放脫鉤很明顯。而2009年和2018年都是擴(kuò)張負(fù)脫鉤狀態(tài),表明農(nóng)業(yè)生產(chǎn)總值增加碳排放也增加,且二者之間的彈性大于1.2。2016年為增長連結(jié)狀態(tài),即當(dāng)農(nóng)業(yè)生產(chǎn)總值增加時(shí),二氧化碳排放量也隨之增加,但二者之間的彈性處于0～0.8之間。

綜上,2009-2019年之間,貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤效應(yīng)整體呈脫鉤狀態(tài),且以強(qiáng)脫鉤為主;農(nóng)業(yè)減排總體為連結(jié)狀態(tài),以增長連結(jié)為主;農(nóng)業(yè)節(jié)能整體呈現(xiàn)脫鉤狀態(tài),以弱脫鉤和強(qiáng)脫鉤為主。

(二)貴州省農(nóng)業(yè)碳排放驅(qū)動(dòng)因素分解

通過LMDI模型對影響貴州省農(nóng)村經(jīng)濟(jì)發(fā)展碳排放脫鉤效應(yīng)的因素進(jìn)行分析后得出有四個(gè),分別是能源結(jié)構(gòu)效應(yīng)、技術(shù)效應(yīng)、經(jīng)濟(jì)效應(yīng)和人口規(guī)模效應(yīng)。在此基礎(chǔ)上計(jì)算2009-2019年貴州省農(nóng)村經(jīng)濟(jì)發(fā)展與碳排放脫鉤效應(yīng)各分解因素的貢獻(xiàn)率。

由表4可以看出在不同的年份,各種因素對碳排放的貢獻(xiàn)大小是不一樣的。對各效應(yīng)取絕對值,從極值方向來看,能源結(jié)構(gòu)效應(yīng)的區(qū)間為-0.0006～-0.0080,對應(yīng)年份為2013-2014和2016-2017;技術(shù)效應(yīng)的區(qū)間為-0.1224～-1.9101,對應(yīng)年份為2010-2011和2014-2015;經(jīng)濟(jì)效應(yīng)的區(qū)間為0.2802～1.6864,對應(yīng)年份為2012-2013和2014-2015;人口規(guī)模效應(yīng)區(qū)間為1.3581～49.2873,對應(yīng)年份為2009-2010和2013-2014。從平均值來看,能源結(jié)構(gòu)效應(yīng)為-0.0025,技術(shù)效應(yīng)為-0.9289,經(jīng)濟(jì)效應(yīng)為0.6717,人口規(guī)模效應(yīng)為8.9120。從影響方向來看,能源結(jié)構(gòu)效應(yīng)和技術(shù)效應(yīng)對碳排放脫鉤起促進(jìn)作用,經(jīng)濟(jì)效應(yīng)和人口規(guī)模效應(yīng)對碳排放脫鉤起抑制作用,但不同年份具體情況又有所差別。

表4 2009-2019年貴州省業(yè)發(fā)展碳排放脫鉤效應(yīng)LMDI分解結(jié)果

能源結(jié)構(gòu)效應(yīng)。能源結(jié)構(gòu)效應(yīng)對2009-2019年間貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤起促進(jìn)作用,隨著時(shí)間發(fā)展,貴州省農(nóng)村經(jīng)濟(jì)在能源結(jié)構(gòu)方面略有調(diào)整,但總體不是特別明顯,能源結(jié)構(gòu)效應(yīng)對碳排放脫鉤的貢獻(xiàn)大小不及技術(shù)效應(yīng)。整體上來看,由于現(xiàn)有的化石能源是有限的,所以需要發(fā)掘清潔能源和其他可再生能源用來彌補(bǔ)現(xiàn)有能源的不足,因此,能源結(jié)構(gòu)處于一種不斷優(yōu)化的進(jìn)程中,從方向上看,能源結(jié)構(gòu)效應(yīng)對農(nóng)業(yè)發(fā)展碳排放脫鉤起促進(jìn)作用。

技術(shù)效應(yīng)。除2009-2010年外,技術(shù)效應(yīng)對貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤起促進(jìn)作用,貴州省農(nóng)業(yè)發(fā)展受技術(shù)進(jìn)步的影響,從而幫助加快了農(nóng)村經(jīng)濟(jì)發(fā)展碳排放脫鉤,且總體影響呈現(xiàn)上升趨勢。這是由于一開始貴州省農(nóng)業(yè)發(fā)展的技術(shù)水平不高,且有的落后技術(shù)反而會使得碳排放增加。但隨著科技的發(fā)展,技術(shù)水平逐漸提高,技術(shù)水平提高使得碳排放減少。由此可知,技術(shù)水平的先進(jìn)性與否決定技術(shù)效應(yīng)對農(nóng)業(yè)發(fā)展碳排放脫鉤的影響方向,技術(shù)水平的高低決定技術(shù)效應(yīng)對農(nóng)業(yè)發(fā)展碳排放脫鉤的影響大小。

經(jīng)濟(jì)效應(yīng)。在2009-2010年和2010-2011年期間,經(jīng)濟(jì)效應(yīng)對農(nóng)業(yè)發(fā)展碳排放脫鉤起促進(jìn)作用。此外經(jīng)濟(jì)效應(yīng)的影響整體上升,表明貴州省農(nóng)業(yè)發(fā)展經(jīng)濟(jì)總體處于上升的這樣一種狀態(tài)的同時(shí),也反映出農(nóng)業(yè)發(fā)展本身對碳排放脫鉤是起抑制作用的,經(jīng)濟(jì)發(fā)展權(quán),某種程度上說就是碳排放權(quán)。

人口規(guī)模效應(yīng)。從影響方向來看,從2009-2015年和2016-2017年期間的人口規(guī)模效應(yīng)對貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤起抑制作用,但2015-2016年和2017-2019年的人口規(guī)模效應(yīng)對貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤起促進(jìn)作用。人口規(guī)模效應(yīng)對農(nóng)業(yè)發(fā)展碳排放脫鉤的影響整體上從抑制向促進(jìn)方向轉(zhuǎn)變。這和人口出生導(dǎo)致人口增加和城鎮(zhèn)化演進(jìn)的規(guī)律一致。人口出生,農(nóng)村人口規(guī)模擴(kuò)大,能源使用增加,碳排放增加;城鎮(zhèn)化進(jìn)程使農(nóng)村人口向城市集聚,農(nóng)村地區(qū)人均能源消費(fèi)量下降,碳排放減少,此時(shí)人口規(guī)模效應(yīng)對農(nóng)業(yè)發(fā)展碳排放脫鉤起促進(jìn)作用。從人口規(guī)模效應(yīng)數(shù)值絕對值大小變化來看,從2009-2015年人口規(guī)模效應(yīng)呈上升趨勢,2015年后開始減小。貴州省尤其是農(nóng)村地區(qū)是全國勞動(dòng)力的主要輸出地區(qū)之一,因而農(nóng)村人口規(guī)模會隨著外流從而對碳排放的影響變小。由此可知,農(nóng)村人口的多少?zèng)Q定對農(nóng)業(yè)發(fā)展碳排放脫鉤影響的大小,農(nóng)村人口的流向決定對農(nóng)業(yè)碳排放脫鉤的影響方向。

四、結(jié)論與建議

(一)結(jié)論

1.2009-2019年貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤時(shí)序演變以弱脫鉤為主,碳排放量不斷增加,但是碳排放強(qiáng)度呈現(xiàn)下降趨勢,總體呈現(xiàn)脫鉤情形。其中,貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤效應(yīng)整體呈脫鉤狀態(tài),且以強(qiáng)脫鉤為主;農(nóng)業(yè)減排總體為連結(jié)狀態(tài),以增長連結(jié)為主;農(nóng)業(yè)節(jié)能整體呈現(xiàn)脫鉤狀態(tài),以弱脫鉤和強(qiáng)脫鉤為主。

2.在不同年份各影響因素的作用大小和影響方向會有所不同。其中能源結(jié)構(gòu)效應(yīng)影響大小整體變化不大,且對貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤均有促進(jìn)作用;技術(shù)效應(yīng)影響大小整體呈上升趨勢,技術(shù)水平先進(jìn)性會影響對貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤的方向,但總體影響向?qū)r(nóng)業(yè)發(fā)展碳排放脫鉤起促進(jìn)作用方向發(fā)展;經(jīng)濟(jì)效應(yīng)對貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤效應(yīng)的影響大小整體呈上升趨勢,農(nóng)業(yè)經(jīng)濟(jì)水平的體量直接對農(nóng)業(yè)發(fā)展碳排放脫鉤的影響方向起作用,但農(nóng)業(yè)經(jīng)濟(jì)水平對農(nóng)業(yè)發(fā)展碳排放脫鉤的影響方向趨勢為抑制作用;人口規(guī)模效應(yīng)分為農(nóng)村人口規(guī)模大小和農(nóng)村人口流向,分別決定對貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤的影響大小和影響方向。

(二)建議

1.能源結(jié)構(gòu)對貴州省農(nóng)業(yè)發(fā)展碳排放脫鉤具有顯著的抑制作用,這表明貴州省應(yīng)重視解決農(nóng)業(yè)發(fā)展中由能源結(jié)構(gòu)引起的碳排放問題,與此同時(shí),開發(fā)清潔新能源、提高能源利用率等方式手段都是幫助優(yōu)化能源消費(fèi)結(jié)構(gòu)的重要手段。

2.農(nóng)業(yè)發(fā)展對碳排放的貢獻(xiàn)主要通過農(nóng)業(yè)發(fā)展方式、農(nóng)業(yè)服務(wù)屬性來體現(xiàn)。第一,轉(zhuǎn)變農(nóng)業(yè)發(fā)展方式。首先需要進(jìn)一步解決農(nóng)村發(fā)展的基礎(chǔ),即土地問題。農(nóng)村人口分散,土地碎片化,不利于集約化、規(guī)?；霓r(nóng)業(yè)發(fā)展。近些年來,隨著大量農(nóng)村勞動(dòng)力人口向城鎮(zhèn)轉(zhuǎn)移,農(nóng)村土地也被大量擱置,因此可利用這個(gè)間隙,進(jìn)一步促進(jìn)農(nóng)村土地的流轉(zhuǎn)。傳統(tǒng)的農(nóng)業(yè)發(fā)展是單一的農(nóng)林牧漁等第一產(chǎn)業(yè),轉(zhuǎn)變農(nóng)業(yè)經(jīng)濟(jì)發(fā)展方式,可通過與第三產(chǎn)業(yè)結(jié)合,如與科技、醫(yī)療、觀光旅游、教育等產(chǎn)業(yè)結(jié)合,一方面可提高農(nóng)村產(chǎn)值;另一方面改變發(fā)展方式,減少環(huán)境污染和環(huán)境破壞。第二,重視農(nóng)業(yè)公共品服務(wù)屬性。農(nóng)業(yè)發(fā)展具有一定的特殊性,農(nóng)業(yè)不僅具有經(jīng)濟(jì)性,還具有公共物品的屬性。種植農(nóng)作物、林作物除了可以提供經(jīng)濟(jì)價(jià)值,還因植物屬性可以幫助消耗掉一部分二氧化碳,因此選擇合理的作物進(jìn)行種植對農(nóng)業(yè)發(fā)展碳排放脫鉤具有促進(jìn)作用。

3.技術(shù)創(chuàng)新是促進(jìn)農(nóng)村綠色發(fā)展水平與農(nóng)業(yè)發(fā)展碳排放脫鉤的主要驅(qū)動(dòng)因素。人才、資金和政策是實(shí)現(xiàn)技術(shù)創(chuàng)新的重要條件和保障。第一,加強(qiáng)教育,儲備人才。當(dāng)下農(nóng)村人口外流,作為發(fā)展的中堅(jiān)力量,大量勞動(dòng)力外流,農(nóng)村缺乏足夠的人才推動(dòng)其繼續(xù)前進(jìn)。除此之外,加大對農(nóng)村教育的投入,增強(qiáng)農(nóng)村基礎(chǔ)教育,培養(yǎng)有理想、有情懷、有志氣的農(nóng)村青年,加強(qiáng)創(chuàng)新思維培養(yǎng)和素質(zhì)教育。第二,提供資金保障。政府、社會和個(gè)人都可通過一定的平臺和渠道將資金注入農(nóng)村。傳統(tǒng)中政府提供的資金是最主要的來源,在新型資金渠道中,政府應(yīng)轉(zhuǎn)變角色,從主導(dǎo)者向參與者和規(guī)劃者轉(zhuǎn)變。搭建相應(yīng)渠道,引導(dǎo)社會資金涌入農(nóng)村,如搭建科研項(xiàng)目孵化平臺,吸引相關(guān)投資者,加強(qiáng)對清潔能源的開發(fā)利用的技術(shù)投入和推廣。

4.貴州省農(nóng)村居民是農(nóng)業(yè)發(fā)展碳排放脫鉤的主要抑制因素之一,引導(dǎo)居民低碳消費(fèi)對實(shí)現(xiàn)碳排放脫鉤具有重要意義。第一,農(nóng)村居民低碳消費(fèi),需要政府引導(dǎo)。政府是國家治理的中堅(jiān)力量,推廣低碳消費(fèi)理念,離不開政府的宣傳和引導(dǎo)。第二,居民低碳消費(fèi),需要企業(yè)參與。一方面,農(nóng)業(yè)企業(yè)需要積極響應(yīng)政府低碳消費(fèi)理念,在自身產(chǎn)品上做出創(chuàng)新,做出符合綠色消費(fèi)理念的產(chǎn)品;另一方面,企業(yè)也需加強(qiáng)凝固低碳消費(fèi)意識形態(tài),對消費(fèi)者進(jìn)行綠色低碳理念宣傳。第三,居民低碳消費(fèi),需要個(gè)人實(shí)行。對于農(nóng)村居民而言,實(shí)行低碳消費(fèi),一方面需要加強(qiáng)學(xué)習(xí),知道低碳消費(fèi)理念;另一方面則需要身體力行,遵守低碳消費(fèi)行為。