文章快速检索     高级检索
  中国环境管理  2020, Vol. 12 Issue (6): 120-129  
0

引用本文 

江文渊, 曾珍香, 张征云. 考虑“水—土—能—碳”关联的我国工农业碳排放效率及减排潜力研究[J]. 中国环境管理, 2020, 12(6): 120-129.
JIANG Wenyuan, ZENG Zhenxiang, ZHANG Zhengyun. China's Industrial and Agricultural Carbon Emission Efficiency and Reduction Potential Considering the Water-Land-Energy-Carbon Nexus[J]. Chinese Journal of Environmental Management, 2020, 12(6): 120-129.

基金项目

国家水体污染控制与治理科技重大专项(2017ZX07107-001)

作者简介

江文渊(1986-), 女, 博士研究生, 高级工程师, 主要从事水土资源管理相关研究, E-mail:jiangwenyuan830@163.com.

责任作者

曾珍香(1965-), 女, 教授, 博士生导师, 主要从事能源信息、资源管理等相关研究, E-mail:xzeng@hebut.edu.cn.
考虑“水—土—能—碳”关联的我国工农业碳排放效率及减排潜力研究
江文渊 1,2, 曾珍香 1, 张征云 2     
1. 河北工业大学经济管理学院, 天津 300401;
2. 天津市环境保护科学研究院, 天津 300191
摘要: 考虑“水—土—能—碳”关联,本文将水土资源要素纳入投入变量,构建了我国工农业碳排放效率投入产出测度指标,运用考虑非期望产出的SBM-undesirable模型计算我国29个省份2004—2017年农业、工业部门碳排放效率,利用乘法逆转法计算碳减排潜力并对影响碳排放的投入产出因素进行分析。结果表明:研究期内我国整体农业、工业碳排放效率均呈波动下降趋势,各年的农业碳排放效率均高于工业碳排放效率,江苏、山东等7省份农业碳排放效率以及北京、天津工业碳排放效率最优;各省份农业、工业减排潜力和规模具有显著差异,山西、甘肃的农业、工业碳减排均具有较大潜力;我国绝大多数省份均存在农业、工业的资源能源投入冗余和非期望产出冗余,土地资源投入过剩是影响农业碳排放效率的最重要因素,水资源投入过剩是影响工业碳排放效率的最重要因素。碳排放效率较低省份应积极开展技术创新,发展低碳技术,提高水土资源和能源利用效率,减少碳排放。
关键词: 水—土—能—碳    碳排放效率    SBM-undesirable模型    减排潜力    
China's Industrial and Agricultural Carbon Emission Efficiency and Reduction Potential Considering the Water-Land-Energy-Carbon Nexus
JIANG Wenyuan1,2 , ZENG Zhenxiang1 , ZHANG Zhengyun2     
1. School of Economics and Management, Hebei University of Technology, Tianjin 300401, China;
2. Tianjin Academy of Environmental Sciences, Tianjin 300191, China
Abstract: Considering the interactions of water, land, energy and carbon, the measurement indexes for China's industrial and agricultural carbon emission efficiency were constructed by taking the factors of water and land resources into the input variables. Carbon emission efficiency of agricultural and industrial sectors in 29 provinces of China from 2004 to 2017 was calculated using the SBM-undesirable model that considering undesired output. Carbon reduction potential was calculated with the use of multiplicative reversal method, and the input-output factors were analyzed that affecting carbon emissions. The results showed that during the study period, China's overall agricultural and industrial carbon emission efficiency showed a declining trend. The agricultural carbon emission efficiency was higher than the industrial carbon emission efficiency in each year. The agricultural carbon emission efficiency of seven provinces including Jiangsu and Shandong and the industrial carbon emission efficiency of Beijing and Tianjin were the best. There was a significant difference in the potential and scale of agricultural and industrial emission reduction among provinces, and Shanxi and Gansu had great potential of both agriculture and industrial carbon emission reduction. Majority of provinces in China had resource and energy input redundancy and unintended output redundancy in agriculture and industry. Excess land resource input was the most important factor affecting agricultural carbon emission efficiency, while excess water resource input was the most important factor affecting industrial carbon emission efficiency. Provinces with low carbon emission efficiency should actively carry out technological innovation, develop low-carbon technologies, and improve the efficiency of water and land resources and energy to reduce carbon emissions.
Keywords: water-land-energy-carbon nexus    carbon emission efficiency    SBM-undesirable model    reduction potential    
引言

随着全球人口增长及技术进步,全球陆地生物圈已从主要处于野生或半自然状态转变为大多数土地用于农业发展和城镇建设[1]。人口增长、社会经济进步是由农业革命和工业革命推动的,并使人类生活质量不断提高,与此同时也深刻改变着地球环境,使得能源、水、土地、矿产及其他资源的消耗量迅速增长[2],而各种能源及自然资源的开发利用过程均产生碳排放,增加大气CO2浓度。据估算,2019年全球大气CO2浓度是工业化初期的1.8倍[3],其导致的气候变化影响日益加剧。水资源和土地资源是区域发展的基础性资源[4],工农业生产活动都离不开水土资源的开发和利用。工业部门贡献了主要的CO2排放量[5],而快速发展的农业也是碳排放增加的重要推手[6]。作为全球碳排放量最大的国家,中国一直履行减排责任,并承诺2030年单位国内生产总值(GDP)碳排放量比2005年下降60%~ 65%[7]。面对巨大的减排压力,如何制定科学合理的减排策略和目标在实现经济增长的同时降低资源和能源消耗,有效降低碳排放成为政府及学术界共同关注的问题。

国内外学者开展了大量相关研究,研究主要集中在以下几个方面:一是研究减排目标、碳排放交易、能源经济发展与碳排放等问题,从宏观层面分析最优碳减排策略。杨翱[8]的研究表明碳排放强度政策最能促进我国经济增长;Shinkuma[9]认为当进入成本低且不确定性信息及最终产品市场规模大时,碳排放交易绩效优于排放税;陈玉玉[10]的研究表明生产者可以通过增加再制造品的产量、减少减排投资和新产品产量的方式实现尽规。二是碳排放效率及其影响因素、减排潜力相关研究。冯东[11]研究了京津冀各城市碳排放效率及减排潜力,得出京津冀各城市整体碳排放效率为下降趋势,城市间效率差异显著的结论;蔡火娣[12]基于三阶段RAM-DEA模型测度了我国碳排放效率,得出碳排放效率尚有较大的改善空间的结论;其他学者还选择不同的投入产出指标对交通[13]、旅游业[14]、渔业[15]碳排放效率进行了研究。三是近年来,出现了将水土资源要素引入气候变化与能源消耗碳排放研究的新视角,美国能源局[16]聚焦“水—土—能”系统耦合与气候变化关系,分析了该耦合系统在减缓气候变化中发挥的作用;Ringler等[17]认为从“水—能—土—食物”耦合研究的视角着眼,可实现提高粮食产量与水、土、能等资源利用效率同时提升的双赢局面;Silalertruksa等[18]认为在开展农业温室气体排放评估时,应考虑“土—水—能”系统关联,研究不同水、土投入情况下的排放状况;赵荣钦[19]系统阐释了区域“水—土—能—碳”耦合作用机制,并探究了多种因素对我国农业碳排放的影响,重点分析了水土资源利用对我国农业碳排放变化的双向作用[20]

土地利用变化影响产业布局、人口布局,进而影响能源消费和碳排放水平,是仅次于化石能源燃烧的第二大温室气体排放源,水资源是产业、人口发展的限制性因素,水资源开发利用过程消耗大量能源,产生碳排放,从“水—土—能—碳”关联视角研究碳排放问题,对于我国这种人口众多、水土资源人均占有量不足的国家如何在有效利用基础性资源的情况下减少碳排放具有重要现实意义。经过系统阅读与文献梳理,笔者发现现有研究忽略了从“水—土—能—碳”关联视角探讨区域碳排放效率问题,多为关注农业部门水、土、能投入与农业产出,仅有的相关研究也基本停留在理论分析层面,鲜有实证研究,碳排放效率相关研究多以区域、城市为研究对象,缺乏对农业、工业等国民经济重要组成部门的相关探讨。鉴于此,本文考虑水土资源这一产业生产发展所需的重要基础资源,结合能源投入,同时考虑其他经济社会投入,选取我国各省份为研究对象,开展考虑“水—土—能—碳”关联的工农业碳排放效率及减排潜力研究,为促进我国低碳发展提供决策参考。

1 研究方法与数据来源 1.1 “水—土—能—碳”关联与气候变化

随着人口数量增长,人类社会经济活动扩展,相应对资源的需求增加,导致了水资源、土地资源使用的重大变化,大量的野生或半自然状态土地变为农业和城市用地,土壤和水的数量和质量下降,土地固碳能力下降,大气温室气体浓度增加。同时,水土资源的开发利用离不开能源投入,能源的生产和供应会产生碳排放,造成气候变化影响,水、土、能、碳要素相互依存关系见图 1。具体地,水资源的开发利用包括取水、供水、用水、水处理等各环节都需要电能、化石燃料等能源投入,同时,也需要各类土地资源为承载进行地表水、地下水的取用、输水管道建设、水处理厂建设等,水资源开发利用各环节都产生碳排放。各类土地资源的开发利用离不开水资源投入,如农业生产灌溉、工业生产用水、公共服务用水、生活用水、生态环境用水等;同样,土地开发利用也必须投入各类能源,用于耕地开垦、工业用地建设、商业与居住用地开发等活动,各类土地资源的开发利用也相应产生碳排放。能源的生产和供应离不开水资源和土地资源,一方面,水能、地热能等资源的生产和供应需要水资源作为介质;另一方面,各类能源的生产和供应都需要土地作为承载,能源的生产和供应环节产生碳排放。以上水、土、能、碳各要素相互作用产生的碳排放最后汇入大气碳库,引起气候变化,又反过来影响水资源、土地资源、能源供应的数量和质量,如因气候变化影响降雨强度与分布进而影响水资源配置与供应,长期的气候变化影响还会改变区域自然环境,进而影响土地利用模式及土地资源供应,同时自然环境变化还将影响一次能源在全球的富集与分布,从而影响其供应与消费。

图 1 “水—土—能—碳”关联与气候变化
1.2 二氧化碳排放效率测算方法

基于以往的效率测算模型无法衡量全部松弛变量,未考虑非期望产出,不能真实反映效率水平等问题,Tone提出了关于解决投入产出存在松弛性问题和存在非期望产出时的效率测度问题的方法(Slack-based Measure,SBM)[21],每个决策单位均可灵活选取多个投入以及期望产出和非期望产出,且对效率衡量结果不受投入和产出向量单位影响,该方法已广泛应用于碳排放效率相关研究,本文选取我国每一个省份作为一个决策单元,各决策单元均设置投入(水资源、土地资源、能源消费、劳动力、资本)、期望产出(经济发展水平)和非期望产出(二氧化碳排放量)三种向量,分别表示为xRm, ygRs1, ybRs2,定义矩阵X, Yg, Yb为:X=[x1, …, xn] ∈Rm×n, Yg=[y1g, ..., yng]∈Rs1×n, Yb=[y1b, ..., ynb]∈Rs2×n,设X > 0,Yg > 0,Yb > 0,则可能性集合(P)定义为:

(1)

式中,λRn为权重向量,上述定义针对不变规模报酬,若为可变规模报酬,则需增加λl = 1条件,l为元素全部为1的向量。基于以上定义,考虑非期望产出的SBM模型如下:

(2)

s-Rm, sbRs2, sgRs1分别为投入、非期望产出、期望产出的松弛变量,ρ*为决策单元相对于最优生产前沿面效率值,关于s-sbsg严格递减,其值满足0 < ρ* ≤1,当且仅当ρ* = 1时决策单元有效。参考相关研究[11, 14],将决策单位效率值ρ*由高到低划分为几个等级,1为最优,0.8~ 1为较优,0.6~ 0.8为次优,0.4~ 0.6为一般,0.4以下为较差。

1.3 碳减排潜力与减碳规模测算方法

利用乘法逆转法对非期望产出(二氧化碳排放量)进行转换,定义决策单元i在报告期t的二氧化碳减排潜力为CEPit

(3)

定义决策单元i在报告期2004—2017年14年间的减碳规模为CESi

(4)

式中,ACEit为第i个决策单元t 时期实际二氧化碳排放量;TCEit表示生产前沿面上目标点的二氧化碳排放量;ACEitTCEit值为可减碳量;i=1, 2, …, 29指研究范围29个省份;t=1, 2, …, 14为报告期2004—2017各年。CEPit的值越大,说明i决策单元t时期相对于生产前沿面产生的非期望产出越大,碳减排潜力越大。CESi的值越大,说明i决策单元在14年间可减碳量占全部省份可减碳量的比重越大,相比其他省份具有更大的减碳规模。

1.4 投入冗余率、期望产出不足率和非期望产出冗余率测算方法

定义决策单元i在报告期2004—2017年14年间的投入冗余率、非期望产出冗余率为REi,期望产出不足率为DEi

(5)
(6)

式中,Tit为第i个决策单元t时期生产前沿面上各投入(水资源、土地资源、能源消费、劳动力、资本)和非期望产出(二氧化碳排放量)数值;Ait表示实际各投入和非期望产出数值;t=1, 2, …, 14为报告期2004—2017各年。REi ≤ 0,其值越小,说明i决策单元14年间相对于最优生产前沿面投入越多、非期望产出越大。AGDPit为第i个决策单元t时期期望产出(GDP)实际值,TGDPit为最优生产前沿面上期望产出数值,DEi ≥ 0其值越大,说明i决策单元14年间相对于最优生产前沿面期望产出差距越大。

1.5 数据来源

鉴于数据可获取性,选取我国29个省份为本文决策单元(各统计资料中上海2005—2011年工业用地面积缺失、西藏、港澳台地区所有年份数据缺失,故未列入本次研究范围),研究时间为2004—2017年,二氧化碳排放效率测算投入变量分别为劳动力投入、水资源投入、土地资源投入、能源消费、固定资产投资,期望产出为地区生产总值,非期望产出为二氧化碳排放量,以上所需数据均来源于《中国统计年鉴》 [22]《中国城市建设统计年鉴》 [23]《中国环境统计年鉴》 [24]《中国能源统计年鉴》 [25]以及各省份统计年鉴、经济年鉴等。碳减排潜力与减碳规模、投入冗余率、期望产出不足率和非期望产出冗余率测算中用到的最优生产前沿面上二氧化碳排放量、各投入和非期望产出数值由DEA Solver软件中的SBM-undesirable模型运行产生效率测算结果的同时直接生成。各投入及产出变量所用指标及计算方法如下:

(1)劳动力投入(万人):选取各省份各年农业、工业社会从业人员数量。

(2)水资源投入(亿m3):选取各省份各年农业用水、工业用水量。

(3)土地资源投入(km2):选取各省份各年农业用地、工业用地面积。

(4)能源消费投入(万吨标准煤):选取各省份各年农业、工业的终端能源消费量,转换为标准煤后的消费量。因本研究关注水土资源利用投入与碳排放产出的关系,而农业用水、农用地开发、工业用水、工业用地开发使用的能源主要为终端能源消费,故以《中国能源统计年鉴》各省份农业、工业终端能源消费量来核算能源消费投入并计算二氧化碳排放量,不考虑能源生产环节的能源消费与碳排放。

(5)固定资产投资(亿元):选取2004—2017年各省份用于农业、工业的固定资产投资额。

(6)期望产出(亿元):选取2004—2017年各省份农业、工业地区生产总值。

(7)非期望产出(万t):计算各省份2004— 2017年农业、工业终端能源消费产生的二氧化碳排放量。根据农业、工业终端能源消费量、能源燃烧发热值、碳含量、碳氧化率四个因子来测算各省份各年农业、工业二氧化碳排放量[26],4个因子数值来自《中国能源统计年鉴》及卢娜[27]的研究,终端能源消费选取原煤、洗精煤、其他洗煤、型煤、焦炭、焦炉煤气、其他煤气、其他焦化产品、原油、汽油、煤油、柴油、燃料油、液化石油气、炼厂干气、其他石油制品、天然气、热力和电力19个能源品种进行估算。其中,化石燃料消费CO2排放量采用式(7)核算,电力、热力消费CO2排放量采用式(8)核算,电力CO2排放系数采用中国区域电网基准线排放因子华北、东北、华东、华中、西北、南方各区域电网取值,热力CO2排放系数根据《中国能源统计年鉴》中热力折标煤系数估算,用式(9)计算所有能源消耗CO2排放总量:

(7)
(8)
(9)

式中,Cf指除电力、热力外的能源消费CO2排放量(104tCO2);Ei指第i种能源终端消费量(104 t);NCVi指第i种能源低位发热值(TJ/104 t,TJ/108 m3);δi指第i种能源含碳量(tC/TJ);ORi指第i种能源燃烧氧化率;为将C转换为CO2的转换系数;i=1, 2, …, 17指17种能源消费品种;Cnf为电力、热力能源终端消费CO2排放量(104 tCO2);Ej为电力、热力终端消费量(108 kW· h,10TJ);αj为电力、热力CO2排放系数;j=1, 2,指电力、热力;C为CO2排放总量(104 tCO2)。

2 结果与分析 2.1 二氧化碳排放效率分析

将各年各省份按1.5节收集与计算出的农业、工业劳动力投入、水资源投入、土地资源投入、能源消费量作为投入变量,地区生产总值作为期望产出,二氧化碳排放量作为非期望产出,输入DEA Solver软件中的SBM-undesirable模型,利用式(2)计算出2004—2017年我国29个省份(上海、西藏、港澳台地区除外)各年碳排放效率值,将每个省份各年的效率求均值,得到各省份工农业碳排放效率,绘制图 2图 3,将各年各省份效率求均值,得到各年工农业碳排放效率,绘制图 4

图 2 我国各省份历年农业CO2排放效率均值
图 3 我国各省份历年工业CO2排放效率均值
图 4 2004—2017年我国工农业CO2排放效率均值

按照1.2节效率等级划分,由图 2可知:农业碳排放效率值处于最优等级的省份包括江苏、山东、河南、广西、海南、重庆、四川,其农业碳排放效率均值为1;处于较优等级的省份包括安徽、天津、福建、辽宁、青海、江西,其农业碳排放效率值均高于0.8;处于次优等级的省份包括北京、河北、吉林、湖北、浙江、广东、宁夏,其农业碳排放效率值位于0.6~ 0.8,处于一般等级的省份包括湖南、贵州、云南、陕西,其农业碳排放效率值位于0.4~ 0.5,处于较差等级的省份为黑龙江、山西、内蒙古、甘肃、新疆。农业碳排放效率最优的省份和次优等级的省份居多,其次为较优等级的省份,处于一般及较差等级的省份较少,说明我国农业碳排放效率较高。

在工业碳排放效率方面,由图 3可知:工业碳排放效率值处于最优等级的省份为北京、天津,其工业碳排放效率值均为1;处于较优等级的省份包括广东、山东、江苏、内蒙古、河南、青海、福建、海南,其工业碳排放效率值均高于0.8;处于次优等级的省份包括浙江、黑龙江、陕西、河北、重庆,其工业碳排放效率值位于0.6~ 0.8;处于一般等级的省份包括云南、宁夏、新疆、辽宁、湖南、江西、广西、吉林、四川,其工业碳排放效率值位于0. 4 ~ 0. 5;处于较差等级的省份为安徽、山西、湖北、甘肃、贵州。工业碳排放效率处于一般等级的省份居多,其次为较优等级的省份,再次为次优等级和较差等级的省份,处于最优等级的省份最少。与农业碳排放效率相比,我国工业碳排放效率相对较低。

图 4可知:从发展趋势来看,我国农业、工业碳排放效率均呈现波动下降趋势,其中,农业碳排放效率从2004年的0.717下降至2017年的0.704,降幅1.75%,工业碳排放效率从2004年的0.668下降至2017年的0.629,降幅5.75%,各年的农业碳排放效率均高于工业碳排放效率。从效率值来看,我国历年农业、工业碳排放效率均值均处于0.6~ 0.8,属于次优等级,未达到较优水平,均有较大提升空间,可从降低投入端水土资源投入、人力、资本、能源投入,以及提高产出端GDP,减少产出端二氧化碳排放量多个方面采取措施,也就是说,如何在以后的产业发展中在确保经济发展的同时减少资源能源消耗、减少污染物排放仍是我国实现可持续发展面临的重要课题。

2.2 碳减排潜力及减碳规模分析

碳减排潜力为可减碳量与实际碳排放量之比,其值越大,则说明该地区碳减排空间越大,可减碳量为假设该地区按照最优生产前沿模式运行,在既定投入产出条件下可减少的碳排放量[28],各省份14年间的可减碳量与全部省(区、市)可减碳量之比为减碳规模。利用DEA Solver软件运行SBM-undesirable模型后软件可计算并给出各省份各年最优生产前沿面上目标点的二氧化碳排放量,根据式(3)计算出各省(区、市)各年的减排潜力,根据式(4)计算出各省份2004—2017年14年间的减碳规模,计算结果见表 1

表 1 2004—2017我国各省份减排潜力和减碳规模

从各省份减排潜力和规模来看,各省份农业、工业的减排潜力和规模具有显著差异。其中,2004— 2017年各年农业碳减排潜力均超过60%的省份包括山西、内蒙古、甘肃、新疆,具有巨大的农业碳减排潜力。此外,黑龙江、湖南、陕西的各年农业减排潜力均大于30%,是我国农业减排挖潜应重点关注的地区。14年间农业减碳规模超过9%的省份依次为新疆、内蒙古、湖南、黑龙江、山西,其可减碳量之和占全国可减碳量的56.06%,这些省份的农业碳排放量和可减碳量很大,实施农业减排可大幅降低全国农业碳排放量,农业减碳规模在4%~ 9%之间的省份依次为河北、甘肃、湖北、浙江、陕西,其农业可减碳量之和占全国可减碳量的27.11%,也是我国农业减排应关注的地区;2004—2017年各年工业碳排放潜力均超过60%的省份包括山西、贵州、甘肃,说明这些省份的工业减排潜力非常大。此外,湖北、广西、四川、宁夏各年工业碳减排潜力均超过30%,是我国农业减排挖潜应重点关注的地区。14年来工业减排规模超过9%的省份依次为河北、山西、辽宁,其工业可减碳量之和占全国工业可减碳量的36.99%,是工业减排大户,工业减碳规模在4%~ 6%的省份依次为湖北、新疆、四川、贵州、甘肃、云南、湖南,其工业可减碳量之和占全国可减碳量的37.55%,减排潜力同样很大,工业相比农业对大气二氧化碳的贡献更大,应重点加强这些省份的工业减排,从总量上削减其碳排放,进而显著降低全国碳排放量。

将2004—2017年农业、工业各年所有省份可减碳量之和除以实际碳排放量之和,得到各年我国工农业减排潜力,绘制图 5

图 5 2004—2017年我国减排潜力趋势

分析可知,我国农业、工业减碳趋势不同。其中,农业减排潜力呈现波动下降趋势,由2004年的38.28%下降至2017年的32.86%,说明农业资源、能源利用效率多年来有一定提升,“十一五”末相比“十五”末潜力略有下降,到“十二五”末又出现较大幅度上升,由表 1分析可知湖北、辽宁、黑龙江、浙江、贵州、陕西在其中的贡献较大,这些省份2015年相比2010年农业减排潜力增幅均超过50%,“十三五”以来,全国农业碳排放潜力又出现下降趋势,2017年全国农业可减碳量为8493.74万吨,减排潜力为32.86%。工业减排潜力呈现波动上升趋势,由2004年的25.99%上升至2017年的31.10%,说明工业资源、能源利用效率仍需进一步加强,“十一五”末相比“十五”、“十二五”相比“十一五”末工业碳减排潜力均有明显提升,由表 1分析可知新疆、河北、江苏、浙江、山东的工业碳排放潜力增幅较大,2015年相比2005年增幅超过150%,“十三五”以来,全国工业碳排放潜力仍继续上升,工业减排任重道远,2017年全国工业可减碳量为237 332.65万吨,减排潜力为31.10%。总体来看,除2011年外,我国各年农业碳排放潜力高于工业碳排放潜力,由2.1节可知农业碳排放效率优于工业碳排放效率,由于该效率值是由投入、期望产出与非期望产出共同决定的,农业碳减排潜力大说明现状农业碳排放量与最优生产前沿面目标点碳排放量差距较工业大,也就是非期望产出冗余较多,说明农业碳排放效率较高主要是由于各项投入较少及期望产出不足导致,而工业碳排放效率较低主要是由于较多投入冗余导致。

2.3 二氧化碳排放效率改善途径分析

按照式(5)、式(6)用各省份各年可减碳量与实际碳排放量数据计算我国各省份2004—2017年14年间农业、工业各项投入冗余率、期望产出不足率和非期望产出冗余率,列于表 2

表 2 我国各省份产业投入与产出调整率

由结果分析可知:除个别达最优效率的省份外,我国绝大多数省份均存在农业、工业的资源能源投入冗余和非期望产出冗余,期望产出不足,说明资源能源投入过多、产业碳排放产生污染物较高是影响我国各省份工农业碳排放效率的主要原因。

从农业碳排放效率来看,除山东、河南等7省份农业碳排放效率处于最优水平以外,其余省份均存在各要素投入冗余和非期望产出冗余,涉及GDP产出不足率省份较少,仅有北京、青海、宁夏,说明我国各省份农业资源能源投入过剩普遍存在,农业碳排放可大幅削减。我国有12个省份土地资源投入过剩是影响农业碳排放效率的最重要因素,其中,内蒙古、黑龙江、甘肃、新疆的土地资源投入冗余率更是超过80%,陕西、云南的土地资源投入冗余也超过70%,这些省份,多数农用地面积较大,农用地投入较多,农用地上开展的种养殖活动产生较多的农业碳排放量,如耕地利用时进行的土地平整、耕作、收割过程需要使用播种机、收割机、割捆机、脱粒机等设备,消耗柴油、汽油、电力等能源产生碳排放,养殖用地利用中养殖过程使用投料机、养殖场供电、粪污收集处置设施、还田机械等消耗电力、柴油、汽油等能源产生碳排放,农业用地投入过多即农业用地投入冗余造成相应的农业生产活动产生较多碳排放,因此,这些省份应重视土地利用结构调整,提高农用地利用效率,减少农业碳排放。其他影响农业碳排放较重要的因素为CO2排放过多、能源消费过多以及劳动力投入过多,CO2排放过多代表省份为河北、山西、湖南,能源消费过多代表省份为浙江、湖北,劳动力投入过多代表省份为贵州。

从工业碳排放效率来看,除北京、天津工业碳排放效率处于最优水平以外,其余省份均存在各要素投入冗余和非期望产出冗余,涉及GDP产出不足率省份较少,仅有宁夏。这说明我国各省份工业资源能源投入过剩普遍存在,工业碳排放同样可大幅削减。我国有18个省份的工业水资源投入过剩是影响农业碳排放效率的最重要因素,其中,安徽、广西、湖北、湖南、江西、吉林、重庆、四川、贵州的水资源投入冗余率更是超过80%,甘肃的水资源投入冗余也超过70%。这些省份多为工业用水量较大,工业用水投入过多,工业水资源利用过程中取水、输水、用水、废水处理、排水等过程需要使用的抽水泵、加压泵、热力设备、污水处理设施等会消耗大量电力、柴油、汽油等能源,产生碳排放,工业用水投入过多即工业水资源投入冗余也会造成工业生产活动产生较多碳排放。因此,这些省份工业水资源利用效率亟待提高,应重视发展节水技术、节水工业,提高工业用水效率,减少碳排放,特别是对于我国这种人均水资源占有量较低、重视水资源节约高效利用的国家具有更紧迫的现实意义。其他影响工业碳排放较为重要的因素为CO2排放过多以及固定资产投入过多,前者代表省份为河北、宁夏、新疆,后者代表省份为江苏。

3 结论与建议

(1)江苏、山东、河南、广西、海南、重庆、四川历年农业碳排放效率为1,北京、天津历年工业碳排放效率为1,处于最优水平,其余各省份碳排放效率均未达最优,尚有提升空间。2004—2017年,我国整体农业、工业碳排放效率均呈波动下降趋势,各年的农业碳排放效率均高于工业碳排放效率。

(2)各省份农业、工业减排潜力和规模具有显著差异,山西、内蒙古、甘肃、新疆农业碳减排潜力以及山西、贵州、甘肃工业碳减排潜力均超过60%,减排潜力巨大,是我国减排挖潜应重点关注的地区。这些地区多为我国西部、西北部欠发达地区,应结合自身资源禀赋调整工农业生产各类投入,大力发展节能减排技术,实现资源集约利用,提高能源利用效率,充分释放自身减排潜力。

(3)我国绝大多数省份均存在农业、工业的资源能源投入冗余和非期望产出冗余,期望产出不足较少,土地资源投入过剩是影响农业碳排放效率的最重要因素。水资源投入过剩是影响工业碳排放效率的最重要因素。因此,在农业生产方面,土地资源冗余较多的省份应重视农用地集约利用,提高农用地利用效率,发展节能农用机械,减少农用地能源消费,以提高农业碳排放效率;在工业生产方面,水资源冗余较多的省份应重视发展节水技术和节水工业,提高工业水资源利用效率,降低万元工业增加值用水量,发展低碳供用水设备,提高工业碳排放效率。

参考文献
[1]
ELLIS E C, GOLDEWIJK K K, SIEBERT S, et al. Anthropogenic transformation of the biomes, 1700 to 2000[J]. Global ecology and biogeography, 2010, 19(5): 589-606.
[2]
ZALASIEWICZ J, WILLIAMS M, HAYWOOD A, et al. "The anthropocene:a new epoch of geological time?"[J]. Philosophical transactions of the royal society a:mathematical physical and engineering sciences, 2011, 369(3): 835-841.
[3]
National Oceanic & Atmospheric Administration, Earth System Research Laboratory (NOAA/ESRL). Trends in atmospheric carbon dioxide[EB/OL]. (2020-04-06)[2020-04-20]. http://www.esrl.noaa.gov/gmd/ccgg/trends/global.html.
[4]
游珍, 杨艳昭. 中国主要城市群水土资源条件与限制研究——以京津冀、长三角、珠三角为例[J]. 地域研究与开发, 2018, 37(4): 138-143.
[5]
刘俊伶. 中国中长期低碳发展战略目标与实现路径研究[M]. 北京: 环境科学出版社, 2019.
[6]
吴贤荣, 张俊飚, 田云, 等. 中国省域农业碳排放:测算、效率变动及影响因素研究——基于DEA-Malmquist指数分解方法与Tobit模型运用[J]. 资源科学, 2014, 36(1): 129-138.
[7]
王钊, 王良虎, 胡江峰. 碳排放交易制度下城市减排的机会成本研究——基于中国碳排放试点城市的实证检验[J]. 中国环境管理, 2019, 11(6): 57-63.
[8]
杨翱, 刘纪显, 吴兴弈. 基于DSGE模型的碳减排目标和碳排放政策效应研究[J]. 资源科学, 2014, 36(7): 1452-1461.
[9]
SHINKUMA T, SUGETA H. Tax versus emissions trading scheme in the long run[J]. Journal of environmental economics and management, 2016, 75(1): 12-24.
[10]
陈玉玉, 李帮义, 柏庆国, 等. 碳交易环境下政府循环率规制对生产者尽规模式的影响机理[J]. 管理工程学报, 2020, 34(4). DOI:10.13587/j.cnki.jieem.2020.04.017
[11]
冯冬, 李健. 京津冀区域城市二氧化碳排放效率及减排潜力研究[J]. 资源科学, 2017, 39(5): 978-986.
[12]
蔡火娣, 韩兆洲. 中国二氧化碳排放效率测度研究——基于考虑外部环境和随机因素的视角[J]. 兰州学刊, 2018(2): 167-180.
[13]
宋京妮, 吴群琪, 孙启鹏, 等. 基于SBM-undesirable模型的综合运输效率评价[J]. 交通运输系统工程与信息, 2015, 15(5): 32-38.
[14]
王凯, 邵海琴, 周婷婷, 等. 中国旅游业碳排放效率及其空间关联特征[J]. 长江流域资源与环境, 2018, 27(3): 473-482.
[15]
曾冰. 长江经济带渔业经济碳排放效率空间格局及影响因素研究[J]. 当代经济管理, 2019, 41(2): 44-48.
[16]
SKAGGSR, HIBBARD K A, FRUMHOFF P, et al. Climate and energy-water-land system interactions technical report to the U.S. department of energy in support of the national climate assessment[R]. U.S.: U.S. Department of Energy, 2012.
[17]
RINGLER C, BHADURI A, LAWFORD R. The nexus across water, energy, land and food (WELF):potential for improved resource use efficiency?[J]. Current opinion in environmental sustainability, 2013, 5(6): 617-624.
[18]
SILALERTRUKSA T, GHEEWALA S H. Land-water-energy nexus of sugarcane production in Thailand[J]. Journal of cleaner production, 2018, 182: 521-528.
[19]
赵荣钦, 李志萍, 韩宇平, 等. 区域"水-土-能-碳"耦合作用机制分析[J]. 地理学报, 2016, 71(9): 1613-1628.
[20]
ZHAO R Q, LIU Y, TIAN M M, et al. Impacts of water and land resources exploitation on agricultural carbon emissions:the water-land-energy-carbon nexus[J]. Land use policy, 2018, 72: 480-492.
[21]
TONE K. A slacks-based measure of efficiency in data envelopment analysis[J]. European journal of operational research, 2001, 130(3): 498-509.
[22]
中华人民共和国国家统计局. 中国统计年鉴[M]. 北京: 中国统计出版社, 2005.
[23]
国家统计局城市社会经济调查司. 中国城市统计年鉴[M]. 北京: 中国统计出版社, 2005.
[24]
国家统计局, 生态环境部. 中国环境统计年鉴[M]. 北京: 中国统计出版社, 2005.
[25]
国家统计局工业交通统计司. 中国能源统计年鉴[M]. 北京: 中国统计出版社, 2005.
[26]
EGGLESTON H S, BUENDIA L, MIWA T, et al. 2006 IPCC guidelines for national greenhouse gas inventories[R]. Japan: Institute for Global Environmental Strategies, 2006.
[27]
卢娜.土地利用变化碳排放效应研究[D].南京: 南京农业大学, 2011.
[28]
曹珂, 屈小娥. 中国区域碳排放绩效评估及减碳潜力研究[J]. 中国人口·资源与环境, 2014, 24(8): 24-32.