蘇曉明，胡 凡，邢立群

（南京大學鹽城環(huán)保技術(shù)與工程研究院，江蘇鹽城 224000）

當前，CO2等溫室氣體的大量排放引起全球氣候變暖，導(dǎo)致旱澇等極端氣候事件頻繁發(fā)生，控制CO2排放已成為國際關(guān)注的熱點[1]。目前，包括中國在內(nèi)的多個國家已通過2016年的《巴黎協(xié)定》承諾對溫室氣體進行減排，中國多次在重要場合向世界鄭重承諾“30·60”雙碳減排目標，并就具體的碳減排措施發(fā)布了一系列行動方案。農(nóng)業(yè)作為我國國民經(jīng)濟發(fā)展的基礎(chǔ)，兼具碳源和碳匯兩種特征。據(jù)聯(lián)合國糧農(nóng)組織（FAO）數(shù)據(jù)統(tǒng)計，全球農(nóng)業(yè)CO2排放量超過了全球排放總量的30%[2]。我國作為世界第一大CO2排放國，每年碳排放量約占全球的1/4，而農(nóng)業(yè)碳排放量約占全國碳排放的17%[3-4]。尤其自化肥正式投入使用以來，農(nóng)業(yè)碳排放問題逐漸凸顯，在實現(xiàn)“雙碳”目標上，我國農(nóng)業(yè)減排機遇與挑戰(zhàn)并存。

常用的碳排放核算方法有排放因子法、物料平衡法及實地測量法，其中，排放因子法是基于政府間氣候變化專門委員會（IPCC）提出的一種碳排放估算的方法，其基本思路為理清各排放源數(shù)據(jù)清單，以排放源活動水平和排放系數(shù)的乘積來計算該排放源的碳排放量[5]。相比其他兩種方法，排放因子法在國際上更通用，計算過程簡單方便，得出的碳排放量準確性較高。而常見的碳排放影響因素和預(yù)測模型有環(huán)境庫茲涅茨曲線（ECK 曲線）、灰色GM（1,1）模型和STIRPAT 模型等。EKC 曲線顯示的是環(huán)境質(zhì)量與收入間的倒“U”字形關(guān)系[6]；灰色GM（1,1）模型是通過那些時間比較短、數(shù)據(jù)較少甚至不全的情況下構(gòu)建的預(yù)測方法[7]；STIRPAT 模型是在Ehrlich 等[8]提出IPAT模型的基礎(chǔ)上，York 等[9]改進的模型，是一種非線性擴展模型，在人口因素、富裕程度和技術(shù)因素基礎(chǔ)上，還可對該模型進行拓展。相比前兩種預(yù)測方法，STIRPAT 模型建模簡單，實用性較強，可針對碳排放實際情況引入更為適合的因素，并可在不同情景模式下進行碳排放預(yù)測。

目前，農(nóng)業(yè)碳排放的研究主要集中在碳排放核算、驅(qū)動因素、碳排放與經(jīng)濟增長的關(guān)系和低碳減排措施等方面。房驕等對白城市農(nóng)業(yè)碳排放進行了核算，并基于STIRPAT 模型深入研究了農(nóng)業(yè)碳排放驅(qū)動因素，表明農(nóng)業(yè)碳排放的驅(qū)動因素主要是人口數(shù)、城市化率、農(nóng)業(yè)機械總動力等[10]。農(nóng)藥、化肥、農(nóng)用柴油、農(nóng)用電和農(nóng)膜等農(nóng)用物資的使用間接導(dǎo)致了大量溫室氣體的排放，由于農(nóng)業(yè)化學品使用所引起的我國農(nóng)業(yè)碳排放比重已由1985年的28.02%增至2011年的43.66%[11]。農(nóng)業(yè)種植和畜禽養(yǎng)殖也是農(nóng)業(yè)碳排放的主要來源。水稻生產(chǎn)過程中，土壤微生物分解會釋放出大量CO2、CH4等小分子物質(zhì)，我國CH4排放總量的17.9%來源于水稻種植[12-13]；農(nóng)田土壤在微生物作用下也會發(fā)生硝化和反硝化反應(yīng)產(chǎn)生大量N2O，農(nóng)田土壤釋放的N2O約占生物圈排放總量的53%[14]。此外，在畜禽養(yǎng)殖過程中，動物腸道發(fā)酵主要產(chǎn)生CH4，動物糞便管理主要產(chǎn)生CH4和N2O，其產(chǎn)生量與糞便中氮含量、儲存時間和處理方式等密切相關(guān)[15-16]。據(jù)張哲瑜等表明，生豬的溫室氣體排放量約為(CO2)130.68 kg·頭-1，其中豬腸道發(fā)酵和糞便管理分別占13.05%和86.95%[17]。顏廷武等發(fā)現(xiàn)經(jīng)濟增長在某段時期會使農(nóng)業(yè)碳排放量增加，但超出拐點臨界值（27 647元·hm-2），經(jīng)濟的進一步發(fā)展將會導(dǎo)致農(nóng)業(yè)碳排放降低，至2012年，我國農(nóng)業(yè)經(jīng)濟強度達到28 725元·hm-2，已超出拐點臨界值[18]。歐盟和美國等發(fā)達國家已采取了一系列減少農(nóng)業(yè)碳排放的措施，如通過農(nóng)業(yè)碳排放稅收等政策提高能源利用率[19]。

江蘇省是農(nóng)業(yè)大省，其農(nóng)業(yè)總產(chǎn)值持續(xù)居于全國前列，是全國重要農(nóng)產(chǎn)品生產(chǎn)基地。而鹽城市是江蘇省農(nóng)業(yè)總產(chǎn)值第一的城市，也是長三角27個中心區(qū)城市中年農(nóng)業(yè)總產(chǎn)值唯一超千億元的城市，全市農(nóng)業(yè)發(fā)展引起的農(nóng)業(yè)碳排放問題亟須合理控制[20]。然而，目前關(guān)于全市農(nóng)業(yè)碳排放量尚缺少全面的核算和評估，在很大程度上限制了農(nóng)業(yè)碳排放量的認知，不利于農(nóng)業(yè)固碳減排和低碳發(fā)展針對性措施的制定?；诖?，本文通過估算2010—2020年全市農(nóng)業(yè)碳排放總量和碳排放組成結(jié)構(gòu)，分析鹽城市農(nóng)業(yè)碳排放的時序特征和區(qū)域特征，并通過構(gòu)建STIRPAT 模型分析碳排放的影響因素，預(yù)測基準情景和低碳情景模式下2021—2030年的碳排放量和趨勢，以期為農(nóng)業(yè)碳減排政策出臺提供有益的理論依據(jù)。

1 研究方法和數(shù)據(jù)來源

1.1 農(nóng)業(yè)碳排放估算方法

運用碳排放因子估算法[21-22]，即E=∑Ei=∑Ti×δi（E：農(nóng)業(yè)碳排放總量；Ei：各農(nóng)業(yè)排放源的碳排放量；δi：各農(nóng)業(yè)排放源的碳排放因子），對江蘇省鹽城市農(nóng)業(yè)碳排放量進行估算。本文農(nóng)業(yè)碳排放量估算主要考慮種植業(yè)和畜牧業(yè)兩大類，具體從農(nóng)資投入、稻田CH4排放、農(nóng)用地N2O 排放、動物腸道發(fā)酵CH4排放、動物糞便管理CH4和N2O 排放五個小類進行二氧化碳當量（CO2e）排放量的計算。各因子的排放系數(shù)列于表1。

表1 農(nóng)業(yè)溫室氣體排放系數(shù)一覽表

1.2 農(nóng)業(yè)碳排放強度估算方法

以農(nóng)業(yè)碳排放強度來評估農(nóng)業(yè)碳排放水平，其具體估算公式如下：

式中，CI為農(nóng)業(yè)CO2e排放強度（t/萬元）；C為農(nóng)業(yè)CO2e排放總量（t）；PAG為農(nóng)業(yè)和牧業(yè)生產(chǎn)總值（萬元）。

1.3 農(nóng)業(yè)碳排放影響因素及預(yù)測模型

采用STIRPAT 模型，對鹽城市農(nóng)業(yè)CO2e排放量的驅(qū)動因素進行分析，并對全市農(nóng)業(yè)CO2e排放量進行預(yù)測。STIRPAT模型的標準形式為：

式中，I為環(huán)境影響；P為人口；A為富裕度；T為技術(shù)水平；a為常數(shù)項；b、c、d為需要估計的指數(shù)；e為誤差項。

據(jù)鹽城市農(nóng)業(yè)實際情況，對該模型進行拓展后的模型為：

其中，I以鹽城市農(nóng)業(yè)CO2e排放總量表示（萬t）；P以農(nóng)村人口數(shù)表示（萬人）；A以農(nóng)業(yè)人均GDP 表示（元·人-1），其值為農(nóng)林牧漁業(yè)總產(chǎn)值與農(nóng)林牧漁業(yè)從業(yè)人員數(shù)之比；T以鹽城市農(nóng)業(yè)CO2e排放強度表示（t·萬元-1）；U為常住人口城鎮(zhèn)化率，是城鎮(zhèn)常住人口與鹽城市總?cè)丝诘谋戎?；S為農(nóng)村居民人均可支配收入（元）。b、c、d、f、g為彈性系數(shù)，當P、A、T、U、S發(fā)生變化，將會引起b、c、d、f、g的CO2e排放量變化。

由于式（3）是一個非線性方程，為了方便計算，對等式兩邊進行對數(shù)化處理，經(jīng)變形后可得到式（4）：

1.4 數(shù)據(jù)來源

化肥施用量、農(nóng)藥使用量、農(nóng)用薄膜使用量、農(nóng)用柴油使用量、農(nóng)用電使用量、稻田種植面積、作物籽粒產(chǎn)量、畜禽存欄量、農(nóng)村人口數(shù)等原始數(shù)據(jù)來源于《江蘇統(tǒng)計年鑒》（2011—2021）、《鹽城統(tǒng)計年鑒》（2011—2021）和《江蘇農(nóng)村統(tǒng)計年鑒》（2011—2021）。

2 結(jié)果與分析

2.1 農(nóng)業(yè)碳排放特征

2.1.1 種植業(yè)碳排放時序特征

化肥、水稻、農(nóng)用柴油和農(nóng)用塑料薄膜是我國農(nóng)業(yè)碳排放的主要源頭，東部地區(qū)因水稻種植面積較大導(dǎo)致種植業(yè)產(chǎn)生的碳排放遠高于西部地區(qū)[25]。因此，為充分了解鹽城市種植業(yè)碳排放時序和結(jié)構(gòu)特征，對全市種植業(yè)產(chǎn)生的碳排放進行了估算（見圖1）。2010—2020 年，全市種植業(yè)年均CO2e排放總量為928萬t。其中，農(nóng)資投入、稻田CH4排放和農(nóng)用地N2O 排放的CO2e排放量占比分別為41.9%、22.2%和35.9%，農(nóng)資投入和農(nóng)用地N2O 排放產(chǎn)生的農(nóng)業(yè)碳排放量相對較大，化肥的施用對農(nóng)業(yè)碳排放量具有較大影響。

圖1 2010—2020年鹽城市種植業(yè)產(chǎn)生的CO2e排放量

如圖1A 所示，農(nóng)資投入產(chǎn)生的CO2e排放量變化趨勢較為平緩，無明顯變化，農(nóng)資投入產(chǎn)生的年均CO2e排放量為388.6 萬t左右，2010 年的CO2e排放量約為385.5 萬t，與張志高等估算的2010 年安陽市由于農(nóng)資投入產(chǎn)生的CO2e排放量（446.8 萬t）[26]較接近。在眾多排放源中，鹽城市農(nóng)業(yè)用電、農(nóng)用柴油、農(nóng)膜和農(nóng)藥分別貢獻了19.5%、14.8%、14.6%和6.5%，農(nóng)業(yè)化肥的貢獻率最大，年均為44.6%，表明化肥施用量是最重要的排放源。

如圖1B所示，鹽城市稻田CH4排放產(chǎn)生的CO2e排放量總體變化趨勢為上升，主要源于全市水稻種植面積隨時間的增加。全市稻田CH4排放產(chǎn)生的年均CO2e排放量約為205.9萬t，年均增長率為1.5%，2020年水稻播種面積比2010年多5.4萬hm2，CO2e排放量相應(yīng)增加了29.4萬t。

如圖1C 所示，鹽城市農(nóng)用地N2O 排放產(chǎn)生的CO2e排放量變化趨勢為下降。截至2020 年底，農(nóng)用地N2O排放產(chǎn)生的CO2e排放量約為311.1萬t，相比2010年減少了67.6萬t，年均CO2e排放量約為333.5萬t，農(nóng)用地N2O 直接排放的貢獻率最大（78.1%），剩余的21.9%由大氣氮沉降、氮淋溶和徑流損失貢獻。

2.1.2 畜牧業(yè)碳排放時序特征

據(jù)2019 年FAO 發(fā)布的農(nóng)業(yè)數(shù)據(jù)來看，我國農(nóng)業(yè)溫室氣體排放中，畜牧業(yè)碳排放占比達到35.4%。結(jié)合鹽城市畜牧業(yè)發(fā)展實況，對全市過去11年的畜牧業(yè)碳排放進行了估算（見圖2）。2010—2020年，畜牧業(yè)年均CO2e排放總量為142.5 萬t，動物腸道發(fā)酵和動物糞便管理產(chǎn)生的CO2e排放量占比分別為29.9%和70.1%，動物糞便管理產(chǎn)生的CO2e排放量具有較大的占比，這與姚成勝等[27]的研究結(jié)論一致。

圖2 2010—2020年鹽城市畜牧業(yè)產(chǎn)生的CO2e排放量

如圖2A所示，鹽城市動物腸道發(fā)酵CH4排放產(chǎn)生的CO2e排放量的總體變化趨勢為先上升后降低。動物腸道發(fā)酵CH4排放產(chǎn)生的年均CO2e排放量為42.6 萬t，在2015 年為最大排放量（48.8 萬t）。所有動物中，山羊貢獻的CO2e排放量最高，平均占比為59.0%，其次為豬和奶牛，分別占比20.5% 和12.2%。水牛（3.5%）、黃牛（3.3%）、綿羊（1.5%）和驢（幾乎可忽略）的貢獻率相對較低。動物腸道發(fā)酵甲烷排放主要來自源于反芻動物的腸道發(fā)酵，一頭牛的腸道發(fā)酵甲烷排放量是遠大于羊的[28]。全市山羊腸道發(fā)酵貢獻的碳排放量遠大于牛的，這是由于山羊的存欄量遠大于牛，而使其具有更大的碳排放量。豬的存欄量雖遠大于山羊的存欄量，但豬不屬于反芻動物，產(chǎn)生的單位碳排放量遠低于牛羊這類反芻動物，而使其由于腸道發(fā)酵產(chǎn)生的碳排放量不是最高。

如圖2B 所示，鹽城市動物糞便管理N2O 和CH4排放產(chǎn)生CO2e排放量總體變化趨勢為降低。全市年均CO2e排放量為99.9 萬t，年均增長率為-1.5%。其中，豬貢獻率最大，年均占比達到了63.3%，其次為家禽，年均占比為29.1%，剩余7.6%由山羊、奶牛、黃牛、水牛、綿羊和驢貢獻。2019 年，動物糞便管理N2O 和CH4排放產(chǎn)生CO2e排放量呈現(xiàn)最低，可能是由于豬瘟的影響使豬的存欄量急劇減少，其存欄量相比2018年降低了61.7%，而2020 年豬的存欄量比2019 年增加了84.5%。

2.1.3 農(nóng)業(yè)碳排放時序及區(qū)域特征

2010—2020 年間，鹽城市農(nóng)業(yè)CO2e排放量總體呈緩慢降低的變化趨勢（見表2）。全市年均CO2e排放量為1 070.5 萬t，年均增長率為-0.7%，在2010—2020年間，2019年呈現(xiàn)最低的農(nóng)業(yè)CO2e排放量（1 009.6萬t），比2018 和2020 年分別低50.7 萬和26.6 萬t，主要歸因于2019年較低的豬存欄量導(dǎo)致了該年的農(nóng)業(yè)CO2e排放總量較低。全市農(nóng)業(yè)CO2e排放量在2010年后總體為下降趨勢，與邱子健等[29]研究的江蘇省農(nóng)業(yè)碳排放趨勢一致，即江蘇省的農(nóng)業(yè)CO2e排放量于2005年達峰（8 361.77 萬t），2010 年后呈下降趨勢。鹽城市農(nóng)業(yè)CO2e排放量的主要排放源為農(nóng)資投入和農(nóng)用地N2O 排放，平均占比分別為36.3%和31.2%，其次，稻田CH4排放貢獻了19.2%左右，動物糞便管理和動物腸道發(fā)酵的貢獻率相對較低，平均占比分別為9.3%和4%。種植業(yè)引起的農(nóng)業(yè)碳排放占比為86.7%，而畜牧業(yè)僅為13.3%。早在1997 年，有研究就發(fā)現(xiàn)江蘇與作物種植相關(guān)的農(nóng)業(yè)碳排放約占排放總量的90%，在2017年，江蘇仍以種植業(yè)產(chǎn)生的碳排放為主[30]。近些年，陳勝濤等也對江蘇省13 個市的農(nóng)業(yè)碳排放進行了核算，研究發(fā)現(xiàn)，2015—2019 年鹽城市年均農(nóng)業(yè)CO2e排放為1 095.27 萬t，種植業(yè)和畜禽業(yè)占比分別為18.4%和81.6%，鹽城農(nóng)業(yè)碳排放僅次于徐州，居全省第二[31]。本文計算的鹽城市年均農(nóng)業(yè)CO2e排放量與陳勝濤等的估算結(jié)果相近。

表2 2010—2020年鹽城市農(nóng)業(yè)CO2e排放量的時空特征

農(nóng)業(yè)CO2e排放強度相比農(nóng)業(yè)CO2e排放量能更真實地反映當?shù)氐奶寂欧抛兓闆r。隨著鹽城市農(nóng)業(yè)技術(shù)的發(fā)展和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化，全市農(nóng)業(yè)CO2e排放強度變化呈現(xiàn)有規(guī)律的下降變化趨勢，碳排放強度由2010 年的1.99 t·萬元-1降低到2018 年的1.28 t·萬元-1。2019年，受豬瘟影響，雖然當年全市農(nóng)業(yè)CO2e排放總量有所下降，但當年全市農(nóng)牧業(yè)總產(chǎn)值相比2018年減少了近90億元而使當年的農(nóng)業(yè)CO2e排放強度有升高趨勢，增加0.08 t·萬元-1。2020 年，農(nóng)牧業(yè)總產(chǎn)值開始出現(xiàn)復(fù)蘇趨勢，農(nóng)業(yè)CO2e排放強度相比2019年降低了0.05 t·萬元-1。邱子健等的研究表明，江蘇省2010—2019 年的農(nóng)業(yè)CO2e排放強度在1～2.5 范圍內(nèi)，且為下降趨勢[29]。鹽城市2010—2020年的農(nóng)業(yè)CO2e排放強度在1～2 t·萬元-1范圍內(nèi)，年均農(nóng)業(yè)CO2e排放強度為1.50 t·萬元-1，處于江蘇省的農(nóng)業(yè)CO2e排放強度范圍內(nèi)。Xiong等研究表明，太湖流域8個城市的農(nóng)業(yè)碳生產(chǎn)率值大于1 萬元·t-1的僅有上海和杭州，蘇州、無錫、常州、鎮(zhèn)江、湖州和嘉興的農(nóng)業(yè)碳生產(chǎn)率均小于1 萬元·t-1[32]。經(jīng)換算，鹽城市年均農(nóng)業(yè)碳排放強度約為0.4 t·萬元-1，對應(yīng)的農(nóng)業(yè)碳生產(chǎn)率為碳排放強度的倒數(shù)，即2.4 萬元·t-1，對比太湖流域其余各市的農(nóng)業(yè)碳生產(chǎn)率，鹽城的計算結(jié)果偏大，主要源于在計算農(nóng)業(yè)碳排放量時所選取的排放因子和考慮的排放源不同，導(dǎo)致估算的農(nóng)業(yè)碳排放值差異較大。

2010—2020 年，鹽城市各地區(qū)農(nóng)業(yè)CO2e排放總量變化如表3 所示。市區(qū)、射陽縣、東臺市和大豐區(qū)11年的年均碳排放量超過150萬t，其平均碳排放量分別為157.6 萬、175.0 萬、161.2 萬和167.9 萬t，射陽縣具有最高農(nóng)業(yè)CO2e排放量。年均碳排放量在100萬～150萬t 區(qū)間的僅有濱海縣和阜寧縣，分別為127.2 萬和112.1 萬t。低于100 萬t 的為建湖縣和響水縣，年均農(nóng)業(yè)CO2e排放量分別為91.3 萬和78.2 萬t，響水縣為八個地區(qū)的最低排放量。農(nóng)用地N2O 排放和農(nóng)資投入仍是影響各地區(qū)農(nóng)業(yè)CO2e排放量的重要因素，因此，在國家提出低碳發(fā)展的背景下，合理施肥和加強清潔能源的使用是實現(xiàn)農(nóng)業(yè)低碳排放的有效策略。

表3 鹽城市不同地區(qū)農(nóng)業(yè)CO2e排放量的結(jié)構(gòu)特征

2010—2020 年，鹽城市各地區(qū)年均CO2e排放強度在1.13～1.72 t·萬元-1范圍內(nèi)，平均CO2e排放強度為1.47 t·萬元-1。濱?？h的年均農(nóng)業(yè)CO2e排放量低于鹽城市區(qū)、射陽縣、東臺市和大豐區(qū)，而年均CO2e排放強度為全市最高，達到了1.72 t·萬元-1，源于其農(nóng)牧業(yè)總產(chǎn)值和農(nóng)業(yè)技術(shù)水平較低。市區(qū)、東臺和大豐為全市經(jīng)濟相對較發(fā)達的地區(qū)，雖然其CO2e排放量均位于全市前列，但CO2e排放強度相比全市其他地區(qū)處于排放量較低水平，東臺年均CO2e排放強度為1.13 t·萬元-1，為全市最低。有研究者認為，經(jīng)濟相對落后且以畜牧業(yè)為主的各西部省份農(nóng)業(yè)總排放量較小，但其排放強度遠大于經(jīng)濟相對發(fā)達的東部省份[33]，這一方面表明畜牧業(yè)比種植業(yè)更為碳密集，另一方面表明區(qū)域碳排放強度與當?shù)氐慕?jīng)濟發(fā)展水平有很大關(guān)聯(lián)。

2.2 農(nóng)業(yè)碳排放驅(qū)動因素分析

構(gòu)建STIRPAT 模型對鹽城市農(nóng)業(yè)碳排放驅(qū)動因素進行分析。將各原始數(shù)據(jù)，即2010—2020年鹽城市農(nóng)村人口、農(nóng)業(yè)人均GDP、農(nóng)業(yè)CO2e排放強度、城鎮(zhèn)化率和農(nóng)村居民人均可支配收入，進行自然對數(shù)處理，并分別以lnI、lnP、lnA、lnT、lnU和lnS表示。為消除量綱影響，運用SPSS 25 軟件對這些自然對數(shù)數(shù)據(jù)進行標準化處理，分別以ZlnI、ZlnP、ZlnA、ZlnT、ZlnU、ZlnS表示。對各變量進行相關(guān)性檢驗，發(fā)現(xiàn)其膨脹因子（VIF）明顯大于10，表明變量間存在較強共線性。因此，通過降維處理對ZlnP、ZlnA、ZlnT、ZlnU、ZlnS時間序列數(shù)據(jù)進行主成分分析。結(jié)果顯示，用于比較變量間相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標KMO（Kaiser-Meyer-Olkin）取樣適切性量數(shù)（0.719）大于經(jīng)驗值（0.7），且顯著性（sig）也遠小于0.05，表明原始數(shù)據(jù)適合作因子分析。總方差解釋結(jié)果顯示，特征值大于1 且方差貢獻率達到85%的主成分僅有1 個，以FAC表示，可解釋原變量的93.2%，具有較好擬合效果。FAC與原變量間的關(guān)系如下：

將ZlnI作為因變量，F(xiàn)AC作為解釋變量，ZlnP、ZlnA、ZlnT、ZlnU和ZlnS作為工具變量，進行二階最小二乘法回歸分析，結(jié)果（見表4）顯示，方差檢驗量（F值）為26.476，且顯著性為0.001，方程擬合較好。根據(jù)模型回歸系數(shù)分析可得FAC與ZlnI的方程，如式（6）所示。

表4 主成分TOLS方差分析結(jié)果

剔除常數(shù)項，將式（5）代入式（6）可得式（7），并根據(jù)標準化公式及標準化處理描述統(tǒng)計結(jié)果，可將式（7）轉(zhuǎn)換為式（8），由此，得到鹽城市農(nóng)業(yè)CO2e排放量的STIPRAT模型，見式（9）。

由式（9）可知，鹽城市農(nóng)村人口、農(nóng)業(yè)人均GDP、農(nóng)業(yè)CO2e排放強度、城鎮(zhèn)化率和農(nóng)村居民人均可支配收入每變動1%，分別將會引起鹽城市農(nóng)業(yè)CO2e排放量發(fā)生0.290 6%、-0.025 7%、0.035 3%、-0.029 7%和-0.016 6%的變化（正值代表促進農(nóng)業(yè)碳排放，負值代表抑制農(nóng)業(yè)碳排放）。據(jù)黎孔清等研究，農(nóng)村人口（0.26%）、人均農(nóng)業(yè)GDP（0.11%）、技術(shù)水平（0.06%）對南京市農(nóng)業(yè)碳排放起促進作用，農(nóng)村居民人均可支配收入（-0.07%）、城鎮(zhèn)化率（-0.09%）則起抑制作用[34]。對比鹽城和南京的農(nóng)業(yè)碳排放驅(qū)動因素，發(fā)現(xiàn)對農(nóng)業(yè)碳排放促進最大的均為農(nóng)村人口，抑制作用最大的均為城鎮(zhèn)化率，兩個城市的研究大致相似，但也存在差異之處。例如，人均農(nóng)業(yè)GDP 對農(nóng)業(yè)碳排放的影響，南京和鹽城兩個城市的研究結(jié)果相反，這可能是由于兩個城市的經(jīng)濟發(fā)展水平差異、農(nóng)業(yè)碳排放重視程度不同、地域特征差異和計算考慮的影響因素不夠全面所導(dǎo)致。

2.3 農(nóng)業(yè)碳排放預(yù)測分析

根據(jù)上述構(gòu)建的STIRPAT 模型、影響2010—2020年鹽城市農(nóng)業(yè)CO2e排放的五個影響因素及其具體數(shù)據(jù)，對2010—2020年鹽城市的農(nóng)業(yè)CO2e排放量進行擬合計算，并預(yù)測鹽城市未來十年（2021—2030 年）的農(nóng)業(yè)CO2e排放量。

如圖3所示，2010—2020年鹽城市的農(nóng)業(yè)CO2e排放量的擬合值與估算值總體變化趨勢一致，擬合值的年均CO2e排放量（1 070.53萬t）相比估算值（1 070.49萬t）僅相差0.04萬t，擬合效果較好。

以2020年為預(yù)測基準年，以鹽城市政府每五年發(fā)展規(guī)劃為一個發(fā)展階段，設(shè)置農(nóng)業(yè)未來兩個發(fā)展階段的情景模式，不同情景設(shè)置的參數(shù)見表5。參數(shù)的選取原則主要依據(jù)《中華人民共和國國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和2035 年遠景目標綱要》和《鹽城市國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃和二〇三五年遠景目標綱要》。基準情景中，2021—2025年階段的人均農(nóng)業(yè)GDP和農(nóng)村居民人均可支配收入年增長率均設(shè)定為7%，年均城鎮(zhèn)化率設(shè)定為0.98%，農(nóng)村人口年均增長率相應(yīng)設(shè)置為-0.98%，農(nóng)業(yè)碳排放強度年增長率設(shè)置為-3.37%。據(jù)鹽城市實際情況及有關(guān)文獻[10,29]，將2026—2030 年階段各參數(shù)值的年均增長率按第一階段的70%設(shè)定，低碳情景是在基準情景基礎(chǔ)上，對各影響因素增長率做出進一步調(diào)整，本文低碳情景按基準情景的20%進行增減。

表5 不同情景模式下各影響因素的增長率設(shè)定

2021—2030 年鹽城市農(nóng)業(yè)CO2e排放量預(yù)測值變化趨勢如圖4所示。在基準情景和低碳情景兩種模式下，鹽城市未來的農(nóng)業(yè)CO2e排放量仍呈下降趨勢?；鶞是榫澳Ｊ较拢?030 年全市農(nóng)業(yè)CO2e排放量的預(yù)測值為973.8 萬t，相 比2020 年（1 036.2 萬t）和2010 年（1 111.6 萬t）分別減少了62.4 和137.8 萬t，降幅分別為6.4%和14.2%。低碳情景是在“雙碳”背景下基于基準情景而在政策干預(yù)下實現(xiàn)的，從預(yù)測值的擬合線可看出，低碳情景明顯比基準情景具有更強的下降趨勢，2021—2030 年間，低碳情景可比基準情景累計減少37.4 萬t 農(nóng)業(yè)CO2e排放量。低碳情景模式下的農(nóng)業(yè)CO2e排放量可從2020年的1 036.2萬t下降到2030年的965.8 萬t，下降70.4 萬t，比基準情景的降幅高0.4%，表明低碳情景模式具有較強的碳減排潛力。綜合來看，鹽城市農(nóng)業(yè)碳排放總體趨勢為下降，具有發(fā)展低碳農(nóng)業(yè)的基礎(chǔ)與優(yōu)勢，在未來通過提高農(nóng)業(yè)技術(shù)水平、采用清潔能源作業(yè)、調(diào)整農(nóng)業(yè)發(fā)展結(jié)構(gòu)和發(fā)展低碳農(nóng)產(chǎn)品等方式可大幅度降低全市農(nóng)業(yè)碳排放量。

圖4 不同情景模式下2021—2030年鹽城市農(nóng)業(yè)CO2e排放預(yù)測

3 結(jié)論

1）從時間序列上看，2010—2020 年鹽城市農(nóng)業(yè)CO2e排放總量和排放強度總體趨勢為下降，全市年均CO2e排放量為1 070.5萬t，年均增長率為-0.7%；種植業(yè)（86.7%）比畜牧業(yè)（13.3%）具有更大的碳排放量，其中農(nóng)資投入（36.3%）和農(nóng)用地N2O 排放（31.2%）是主要的排放源。

2）從空間區(qū)域上看，年均農(nóng)業(yè)CO2e排放量依次為：射陽縣（175.0 萬t）＞大豐區(qū)（167.9 萬t）＞東臺區(qū)（161.2 萬t）＞鹽城市區(qū)（157.6 萬t）＞鹽城市區(qū)（157.6 萬t）＞濱?？h（127.2 萬t）＞阜寧縣（112.1 萬t）＞建湖縣（91.3 萬t）＞響水縣（78.2 萬t）；年均CO2e排放強度在1.13～1.72 t·萬元-1范圍內(nèi)，濱海縣和東臺市的年均CO2e排放強度分別為全市最高和最低。

3）農(nóng)村人口和農(nóng)業(yè)CO2e排放強度對農(nóng)業(yè)CO2e排放起著促進作用，且農(nóng)村人口的促進作用較大；農(nóng)業(yè)人均GDP、城鎮(zhèn)化率和農(nóng)村居民人均可支配收入對農(nóng)業(yè)CO2e排放起著抑制作用，且城鎮(zhèn)化率的抑制作用最大。

4）在基準情景和低碳情景兩種模式下，鹽城市未來農(nóng)業(yè)CO2e排放量仍呈下降趨勢，2021—2030 年間低碳情景可比基準情景累計減少37.4 萬t 農(nóng)業(yè)CO2e排放量，低碳情景模式具有較強的碳減排潛力。