摘要：本論文采用中國編制的《省級溫室氣體清單編制指南》中對農業(yè)碳排放量的估算方法，對大連市的近12年的農業(yè)碳排放量進行估算。以2001年-2012年大連市農業(yè)碳排放的相關數據為基礎材料，運用多元統(tǒng)計分析中的回歸分析方法，通過利用 SPSS 軟件，對大連農業(yè)碳排放量的主要影響因素進行提取，為農業(yè)碳排放減排措施的提出提供一定的理論依據。

關鍵詞：農業(yè)碳排放；回歸分析；SPSS

中圖分類號：X131.2 文獻標識碼：A 文章編號：2095-672X（2018）05-0249-04

DOI：10.16647/j.cnki.cn15-1369/X.2018.05.148

Abstract： In this paper， we estimated the agricultural carbon emissions in Dalian in the past 12 years using the estimation method of agricultural carbon emissions in the guide compiled by provincial greenhouse gas inventories compiled by China. In 2001 -2012 Dalian agricultural carbon emissions data as basic material， by means of regression analysis of multivariate statistical analysis method， through the use of SPSS software， the main influence factors of Dalian agricultural carbon emissions were extracted， to provide a theoretical basis for agricultural carbon emission reduction measures.

Key words： Agricultural carbon emissions； Regression analysis； SPSS

農業(yè)生態(tài)系統(tǒng)溫室氣體排放問題，自20世紀50年代，就引起科學家們的關注。農業(yè)生產對溫室氣體的排放已成為加速全球變暖不容忽視的人類活動之一。在2000年農業(yè)土地相關活動估計產生了全球50%的CH4排放和全球75%的N2O排放。這相當于人類排放的溫室氣體的CO2當量的14%（USEPA，2006a）。我國作為農業(yè)生產大國，我國農業(yè)源非CO2類溫室氣體排放量占總排放量的17%。所以，在溫室氣體的排放政策中加入農業(yè)源溫室氣體排放是十分必要的。

1 研究方法

本論文采用中國編制的《省級溫室氣體清單編制指南》中對農業(yè)碳排放量的估算方法，對大連市的近12年的農業(yè)碳排放量進行估算。此指南的來源為IPCC國家溫室氣體清單指南編制。在《省級溫室氣體清單編制指南》中指出，農業(yè)活動有關的溫室氣體排放的估算內容應包括一下四種：一是稻田CH4排放，二是農用地N2O排放，三是動物腸道發(fā)酵CH4排放，四是動物糞便管理CH4和N2O排放。數據獲得的途徑優(yōu)先次序為：統(tǒng)計部門數據、行業(yè)部門數據、文獻發(fā)表數據、專家咨詢數據[1]。

2 大連市農業(yè)碳排放現狀

（二氧化碳當量（萬t））

大連市近十年來的農業(yè)發(fā)展迅速，農業(yè)生產水平大幅提升，根據2013年大連市統(tǒng)計年鑒，2001年的農林牧漁業(yè)總產值為2024900萬元，而2012年的農林牧漁業(yè)總產值為8235942萬元，在12年間增長了306%。糧食的產量由2001年的121.36萬噸增長到2012年的165.56萬噸，增長了36%。蔬菜的產量由2001年的209.01萬噸增長到2012年的257.03萬噸，增長了23%。而大牲畜年底存欄量，由2001年的30.60萬頭增長到2012年的35.70萬頭，增長了17%。采用《省級溫室氣體清單編制指南》中對農業(yè)碳排放量的估算方法計算出大連市溫室氣體排放量，見圖1。

3 基于SPSS的多元回歸分析法

回歸分析是通過對觀察數據的統(tǒng)計和處理，研究與確定事物間相關關系和聯系形式的方法，回歸分析不僅可以提供變量間相關關系的數學表達式，而且可以利用概率統(tǒng)計知識對此關系進行分析，以判別其有效性；還可以利用關系式，由一個或多個變量值，預測和控制另一個變量的取值，進一步可以知道這種預測和控制達到了何種程度，并進行相關因素的相關性強度分析[2]。為了更系統(tǒng)全面的進行大連市農業(yè)碳排放的影響因素分析，本文以2001年-2012年大連市農業(yè)碳排放的相關數據為基礎材料，運用多元統(tǒng)計分析中的回歸分析方法，通過利用 SPSS 軟件，對大連農業(yè)碳排放量的主要影響因素進行提取，為提出有效的環(huán)境治理措施提供一定的理論指導[3]。

3.1 農用地CO2當量排放量影響因素分析

農用地CO2當量值包括稻田甲烷CO2排放當量及農用地氧化亞氮CO2排放當量，根據篩選出的基本因素數據[1]，設定，Y（CO2當量）為因變量，X為自變量，詳見表1。

分別以X1-X16為自變量進行多元線性回歸分析，建立全回歸模型，影響因素不進行篩選。

首先引入變量。見表2 Variables Entered/Removedb

由表2顯示強行引入的變量為X1-X16，方法為強迫引入法。

進行模型擬合度檢驗，見表3 模型匯總Model Summary

表中R為相關系數，R方為相關系數的平方，又稱為判定系數，判定線性回歸的你和成都，用來說明用自變量屆時因變量變異的程度（所占比例），R房衡量方程擬合優(yōu)度，R方越大越好，一般地，大于0.8說明方程對樣本點的擬合效果很好， 由上表可以看出，y與x的相關系數和判定系數都為1，調整后的判定系數也為1，則說明，自變量可以解釋因變量100%的變話，所以其模型具有完整的擬合度，沒有不能被解釋的變量。

為了分析出影響因變量的主要因素，重新建模，采用逐步引入剔除法多元回歸分析法（stepwise multiple regression analysis），剔除對選取的因變量影響不明顯的自變量，計算回歸系數并進行顯著性分析。此法是根據統(tǒng)計準則依序選取自變量進入回歸模型，是一種探索性的復回歸方法，同時使用前進選取法（forward method）與后退刪除法（backward method）兩種方法，運用計算機特性篩選出一個最佳的復回歸分析模型。

首先引入變量，并進行模型擬合度檢驗，見表4 模型匯總Model Summary。

由上表中我們可以看出有兩個回歸模型，隨著逐步回歸分析的進行，R、R2和調整R2逐漸增加，而預測值標準差值卻逐漸減小，說明回歸方程的擬合程度在逐步提高，由此可見，模型2擬合程度更完美，自變量對因變量變異程度的解釋也更為貼切。

表5中Sig值是T統(tǒng)計量的對應概率值，所以Sig值要求小于給定的顯著性水平（0.05），Sig值越接近于0越好；如上表中兩種模型的Sig=0.000<0.05（當顯著性水平為0.05時）時，則認為系數不同時為0，被解釋變量與解釋變量全體的線性關系是顯著的，兩種模型所建立的回歸方程都可以成立，并具有統(tǒng)計學意義。F值是檢驗方程顯著性的統(tǒng)計量，是平均的回歸平方和與平均剩余平方和之比，越大越好。

根據觀察，兩個模型中都有因素中的因變量顯著性小于0.05，被解釋變量與解釋變量全體的線性關系是顯著的，所以可以選用這兩個模型對本例進行解釋，但根據前面分析2號模型的擬合度最好。由此可見，影響自變量的最因素主要是X11其他豆類籽產量（t）和X2化肥總用量 （t）。另外根據表7：逐步回歸分析之外的變量，根據顯著性分析，其次影響CO2當量排放量的因素為，X4、X1、X7、X5，X3、X8、 X15、X16，最后的影響因素為X6、X12、X13、X9、X10、X14。

由以上分析我們可以得到結論，在化肥的氮含量及秸稈還田率等影響因素不變的情況下，影響農用地CO2當量排放量的最主要因素為X11（其他豆類籽產量）、X2（化肥總用量），又因為影響因素X4（稻谷籽產量）、X1（水稻種植面積）兩個數據具有密切的相關性，兩者共同的CO2的貢獻值較大，因此，我們重新確定影響農用地CO2當量排放量的最主要因素 ：“X1（水稻種植面積）”、“X2（化肥總用量）”、“X11（其他豆類籽產量）”對農用地CO2當量排放量的影響程度最大；其次為“X3（糞肥氮輸入量）”、“X5（小麥籽產量）”、“X7（高粱籽產量）”、“X8（谷子籽產量）”、“X15（薯類籽產量）”、“X16（蔬菜（含菜用瓜）籽產量）”；最后影響相最小的因素為 “X6（玉米籽產量）”、“X9（其他谷類籽產量）”、“X10（大豆籽產量）”、“X12（花生籽產量）”、“X13（芝麻籽產量）”、 “X14（棉花籽產量）”。

3.2 畜牧業(yè)CO2當量排放量影響因素分析

畜牧業(yè)CO2當量值包括動物腸道發(fā)酵甲烷排放量的CO2當量及動物糞便管理甲烷和氧化亞氮排放當量的CO2當量，根據篩選出基本因素數據，設定，Y（CO2當量）為因變量，X為自變量，詳見表8 變量對照表。

分別以X1-X8為因變量進行多元線性回歸分析，建立全回歸模型，影響因素不進行篩選。

首先引入變量。見表9 Variables Entered/Removedb

由表9顯示顯示強行引入的變量為X1-X8，方法為強迫引入法。

進行模型擬合度檢驗，見表10模型匯總Model Summary

由上表可以看出，y與x的相關系數為1，判定系數為0.999，調整后的判定系數也為0.998，都很接近1，自變量可以解釋因變量99%以上的變化，所以其模型擬合度較高，不能被解釋的變量較少。

表中列出，回歸平方和為1245.826，自由度為8，回歸均方差為155.728。F=564.969，Sig=0.000<0.05（當顯著性水平為0.05時）時，則認為系數不同時為0，被解釋變量與解釋變量全體的線性關系是顯著的，可建立線性方程，所建立的回歸方程具有統(tǒng)計學意義。

由上表可知，X1顯著性概率=0.019，X4顯著性概率=0.003，在0.05顯著性水平上存在顯著關系，X2、X3、X5、X6、X7、X8顯著性概率都大于0.05，在0.05顯著水平上無顯著關系。這些變量保留在方程中是不正確的。所以該模型不可用，應重新建模。那么，為了分析出影響因變量的主要因素，重新建模，采用逐步引入剔除法多元回歸分析法（stepwise multiple regression analysis），首先引入變量，并進行模型擬合度檢驗，見表13模型匯總Model Summary。

數據分析出現了四個模型，根據觀察，復相關系數、判定系數、調整后的判定系數數值最近接1的模型為4號模型。由此可見，模型4擬合程度更完美，自變量對因變量變異程度的解釋也更為貼切。

四種模型的Sig=0.000<0.05（當顯著性水平為0.05時）時，則認為系數不同時為0，被解釋變量與解釋變量全體的線性關系是顯著的，四種模型所建立的回歸方程都可以成立，并具有統(tǒng)計學意義。同時也可以從表中看出模型4的F值最大，模型4擬合度較好。

根據觀察，四個模型中都有因素中的因變量顯著性小于0.05，被解釋變量與解釋變量全體的線性關系是顯著的，所以可以選用這四個模型對本例進行解釋，但根據前面分析4號模型的擬合度最好。由此可見，影響自變量的最因素主要是“X1（奶牛）”、“X2（非奶牛）”、“X4（山羊）”和“X5（豬）”。

另外根據表7：逐步回歸分析之外的變量，其次影響自變量的因素變量為”X3（綿羊）”、”X6（家禽）”、”X7（馬）”、”X8（驢/騾）”。

4 農業(yè)碳減排對策分析

4.1 減少反芻動物甲烷排放

一般情況下，改善飼料質量和提高動物生產力是減少動物甲烷排放的有效措施。

①推廣秸稈青貯、氨化，減少畜禽動物的CH4排放量。②通過日糧合理搭配，降低畜禽動物的CH4排放量。③使用多功能舔磚或營養(yǎng)添加劑減少CH4排放。

4.2 減少稻田甲烷排放

減少稻田CH4排放的方法主要有施肥、灌水管理和選擇適宜的水稻品種。

①推廣間歇灌溉可減少甲烷排放。 ②利用沼渣替代農家有機肥可減少稻田甲烷排放。③種植和選育新的品種減少甲烷排放。④應用稻鴨共作等生態(tài)農業(yè)生產方式，可減少甲烷排放。

4.3 減少畜禽糞便甲烷排放

減少畜禽糞便的甲烷排放的主要措施是針對排放潛力大的糞便減少液體貯存過程，并通過厭氧發(fā)酵回收甲烷減少溫室氣體排放。

①建設沼氣工程回收利用甲烷。②改濕清糞為干清糞減少甲烷排放量。 ③通過覆蓋等改變糞便貯存方式減少甲烷排放。

4.4 減少化肥使用量、提高氮肥利用效率、采用緩釋肥和添加硝化抑制劑減少農田N2O排放

①采用緩釋肥和長效肥料可以降低農田N2O排放。 ②施用硝化抑制劑減少農田土壤氧化亞氮排放。③測土配方施肥，提高氮肥利用率、避免過量施肥造成的農田N2O排放。

參考文獻

[1]田云，張俊飚.中國省級區(qū)域農業(yè)碳排放公平性研究[J].中國人口·資源與環(huán)境，2013，23（11）：36-44.

[2]劉.《世界優(yōu)秀統(tǒng)計工具SPSS11.0統(tǒng)計分析教程（高級篇）》[N].中國圖書商報，2002-08-13（012）.

[3]董紅敏，李玉娥，陶秀萍，彭小培，李娜，朱志平.中國農業(yè)源溫室氣體排放與減排技術對策[J].農業(yè)工程學報，2008（10）：269-273.

收稿日期：2018-03-27

作者簡介：趙楊（1983-），女，碩士研究生，工程師，研究方向為環(huán)境保護，環(huán)境規(guī)劃。