褚力其 姜志德* 任天馳

(1.西北農(nóng)林科技大學(xué) 經(jīng)濟(jì)管理學(xué)院，陜西 楊凌 712100；2.中國(guó)農(nóng)業(yè)大學(xué) 經(jīng)濟(jì)管理學(xué)院，北京 100101)

農(nóng)業(yè)低碳生產(chǎn)是鄉(xiāng)村振興戰(zhàn)略的重要指示，也是建設(shè)美麗中國(guó)的內(nèi)在需要。然而，我國(guó)農(nóng)業(yè)生產(chǎn)方式仍是粗放的，存在著諸如地力破壞、面源污染和生態(tài)系統(tǒng)退化等的一系列問(wèn)題，特別是生產(chǎn)要素浪費(fèi)等原因引發(fā)碳排放量的提升，嚴(yán)重影響了農(nóng)業(yè)經(jīng)濟(jì)增長(zhǎng)質(zhì)量[1]。一方面，農(nóng)戶(hù)無(wú)論是在低碳生產(chǎn)還是生活上都是最廣泛參與主體，農(nóng)業(yè)源碳排放總量巨大，幾乎占據(jù)人類(lèi)活動(dòng)碳排放總和的30%，農(nóng)業(yè)部門(mén)的減排難度較大[2]；另一方面，溫室氣體是導(dǎo)致氣候復(fù)雜多變的根源，極端天氣給我國(guó)農(nóng)業(yè)的發(fā)展轉(zhuǎn)型帶來(lái)了巨大壓力，2016年我國(guó)農(nóng)地受到氣候?yàn)?zāi)害面積高達(dá)2 620萬(wàn)hm2，占到農(nóng)地總面積的21.1%[3]。2015年，《巴黎協(xié)定》的簽署將全球應(yīng)對(duì)氣候變化治理引入了新階段，在國(guó)家自主貢獻(xiàn)目標(biāo)(NDC)的框架下，中國(guó)農(nóng)業(yè)部印發(fā)了《農(nóng)業(yè)綠色發(fā)展技術(shù)導(dǎo)則(2018—2030年)》(1)引自農(nóng)業(yè)農(nóng)村部于2018年7月6日印發(fā)的《農(nóng)業(yè)綠色發(fā)展技術(shù)導(dǎo)則(2018—2030年)》，明確提出在2030年前，單位農(nóng)業(yè)增加值對(duì)應(yīng)的碳排放降低30%以上的減排目標(biāo)。可以看出，新一輪國(guó)家政策實(shí)施目的在于對(duì)達(dá)成農(nóng)業(yè)碳排放的減排目標(biāo)提供保障，并對(duì)農(nóng)業(yè)低碳生產(chǎn)方式轉(zhuǎn)變進(jìn)行戰(zhàn)略性指導(dǎo)[4]。因此，準(zhǔn)確判斷農(nóng)業(yè)政策何以驅(qū)動(dòng)農(nóng)業(yè)碳排放是中國(guó)減排道路上不可忽視的一環(huán)，也是農(nóng)業(yè)發(fā)展方式轉(zhuǎn)變的必要條件。

農(nóng)業(yè)碳排放的問(wèn)題已開(kāi)展大量研究，但專(zhuān)門(mén)以農(nóng)業(yè)政策作為驅(qū)動(dòng)因素的研究仍然較少，且看法不盡相同。關(guān)于政策與碳排放的爭(zhēng)論聚焦在其影響路徑上：其一，部分研究運(yùn)用分解方法進(jìn)行人口規(guī)模、GDP等要素的時(shí)間序列分析[5-6]，不同實(shí)證得出“技術(shù)進(jìn)步效應(yīng)”、“規(guī)模效應(yīng)”和“結(jié)構(gòu)效應(yīng)”等分別為碳排放增長(zhǎng)的關(guān)鍵因素[7-9]；而政策因素的分析多基于減排效應(yīng)，并未對(duì)政策如何驅(qū)動(dòng)碳排放增長(zhǎng)給出合理的解釋[10]。其二，也有文獻(xiàn)將農(nóng)業(yè)政策引申為不同低碳政策的激勵(lì)或規(guī)制效用[11]，例如農(nóng)業(yè)廢棄物回收補(bǔ)貼抑或是秸稈焚燒處罰。由于我國(guó)農(nóng)業(yè)低碳政策通常以試點(diǎn)工程和地方政策的方式推行，所以專(zhuān)門(mén)的低碳政策研究難以對(duì)全國(guó)農(nóng)業(yè)政策進(jìn)行概括。其三，更多學(xué)者通過(guò)構(gòu)建農(nóng)業(yè)政策視域下的子路徑進(jìn)行論證，吳賢榮等[12]研究發(fā)現(xiàn)，政策扶持下的農(nóng)機(jī)使用是促使農(nóng)業(yè)碳排放增加的重要途徑；胡川等[7]通過(guò)實(shí)證得出，政策規(guī)制有利于技術(shù)創(chuàng)新，并顯著傳遞于碳減排作用。通過(guò)上述結(jié)論不難發(fā)現(xiàn)，如果財(cái)政支出更多被用于低碳工程或減排技術(shù)，集約生產(chǎn)所帶來(lái)的效率改善會(huì)使碳減排優(yōu)化；如果是以增加輪作次數(shù)和擴(kuò)大投入規(guī)模(如化學(xué)品和能源再投資)為導(dǎo)向，粗放生產(chǎn)所帶來(lái)的投入邊際產(chǎn)出遞減將引致碳減排惡化[13-14]。

政策因素分析有助于對(duì)農(nóng)業(yè)碳排放演進(jìn)歷程進(jìn)行解釋?zhuān)谠O(shè)置不同政策情景預(yù)測(cè)碳排放走勢(shì)。國(guó)內(nèi)外對(duì)于碳排放預(yù)測(cè)的研究結(jié)論豐富，無(wú)論是從變量設(shè)置、情景描述和達(dá)峰預(yù)測(cè)均趨于完善[15-17]，但農(nóng)業(yè)部門(mén)碳排放預(yù)測(cè)以趨勢(shì)演進(jìn)為主[18-19]，預(yù)測(cè)方法通常借用各影響因素不同變化率的設(shè)定展開(kāi)，未考慮是否與政策情景相匹配。在離散值及概率選擇上均來(lái)自于經(jīng)驗(yàn)判斷，使得研究成果難以為減排決策提供行之有效的信息，并存在變量設(shè)置主觀或預(yù)測(cè)結(jié)果偏差的可能[20]。若借助合理預(yù)測(cè)方法和政策情景搭配，則可以較好彌補(bǔ)上述問(wèn)題。

綜上所述，本研究采用廣義迪氏指數(shù)分解法(Generalized divisia index method，GDIM)考察1985—2017年中國(guó)農(nóng)業(yè)碳排放演變的驅(qū)動(dòng)因素，分析了農(nóng)業(yè)政策直接減排效應(yīng)以及間接效應(yīng)，并在篩選驅(qū)動(dòng)因素后對(duì)2018—2030年的農(nóng)業(yè)碳總量進(jìn)行預(yù)測(cè)，旨在為農(nóng)業(yè)碳減排提供量化參考并為低碳政策的合理安排提供理論依據(jù)。

1 理論分析框架

本研究通過(guò)識(shí)別農(nóng)業(yè)政策的技術(shù)進(jìn)步、農(nóng)產(chǎn)品價(jià)格調(diào)整和要素替代來(lái)構(gòu)建政策支出對(duì)農(nóng)業(yè)碳排放的理論框架。系統(tǒng)分析如下：

首先，農(nóng)業(yè)低碳生產(chǎn)核心是低碳技術(shù)的采納和推廣，技術(shù)進(jìn)步對(duì)于提高要素使用率、抑制農(nóng)業(yè)碳排放增長(zhǎng)有著直接的影響，但在政策推廣的過(guò)程中，技術(shù)應(yīng)用往往是緩慢的、不可持續(xù)的。一方面，政府先以低碳項(xiàng)目的形式在少部分經(jīng)營(yíng)主體內(nèi)部進(jìn)行技術(shù)示范，繼而采用政策資金扶持等手段激勵(lì)農(nóng)戶(hù)應(yīng)用低碳生產(chǎn)技術(shù)，然而，農(nóng)戶(hù)難以成為現(xiàn)代農(nóng)業(yè)技術(shù)變革的主體[21-22]，農(nóng)業(yè)技術(shù)變革面臨著耕地細(xì)碎化和家庭生產(chǎn)單位構(gòu)成的零碎生產(chǎn)模式，加之農(nóng)戶(hù)自身缺乏創(chuàng)新意識(shí)，政策支持對(duì)農(nóng)戶(hù)能否產(chǎn)生長(zhǎng)時(shí)間激勵(lì)仍是未知。另一方面，盡管政府應(yīng)該承擔(dān)創(chuàng)新主體的責(zé)任，但不少研究認(rèn)為農(nóng)業(yè)政策帶動(dòng)技術(shù)創(chuàng)新的方式收效甚微，“撒胡椒面”不解決根本問(wèn)題。通過(guò)財(cái)政支出項(xiàng)目中可以看出，農(nóng)業(yè)科技費(fèi)用一直占據(jù)較低比重(2008—2016年均3.3%)，綠色低碳生產(chǎn)轉(zhuǎn)變的程度遠(yuǎn)不能滿足當(dāng)前需求，此外，科技費(fèi)用的主要目的在于重大科研創(chuàng)新，而改造傳統(tǒng)農(nóng)業(yè)需要一線生產(chǎn)設(shè)施投入和教育培訓(xùn)的跟進(jìn)與支持，農(nóng)戶(hù)缺乏基層生產(chǎn)技術(shù)的引導(dǎo)與支持，農(nóng)業(yè)生產(chǎn)“高能耗、高污染、低效率”的情況難以改觀[23-24]。

其次，農(nóng)業(yè)政策可能間接影響農(nóng)業(yè)碳排放總量。在產(chǎn)品市場(chǎng)，政府以不同手段調(diào)控農(nóng)產(chǎn)品市場(chǎng)價(jià)格，通過(guò)價(jià)格機(jī)制穩(wěn)定農(nóng)戶(hù)收益預(yù)期，實(shí)現(xiàn)農(nóng)產(chǎn)品數(shù)量有效供給。但農(nóng)產(chǎn)品價(jià)格利潤(rùn)空間有限，農(nóng)戶(hù)作為理性經(jīng)濟(jì)人難以獲取預(yù)期利潤(rùn)，這無(wú)疑刺激生產(chǎn)者增加廉價(jià)的要素投入(農(nóng)用物資和農(nóng)業(yè)能源等消耗品，本研究統(tǒng)稱(chēng)為農(nóng)業(yè)生產(chǎn)支出(2)部分資料命名為“農(nóng)村居民家庭生產(chǎn)經(jīng)營(yíng)費(fèi)用”、“農(nóng)村居民生產(chǎn)費(fèi)用支出”即包含土地、人工、服務(wù)與物質(zhì)、期間等生產(chǎn)成本支出，本研究只考慮其中非投資類(lèi)支出(即化肥、農(nóng)藥、用電等支出)，為方便表達(dá)統(tǒng)稱(chēng)為農(nóng)業(yè)生產(chǎn)支出。)來(lái)攫取超額利潤(rùn)。具體而言，農(nóng)產(chǎn)品補(bǔ)貼、限價(jià)收購(gòu)和糧食托市等激勵(lì)政策強(qiáng)化了農(nóng)戶(hù)收益預(yù)期，也達(dá)成降低生產(chǎn)風(fēng)險(xiǎn)、確保糧食安全的政策初衷，但同時(shí)模糊了市場(chǎng)價(jià)格調(diào)節(jié)作用，在穩(wěn)定低價(jià)的市場(chǎng)環(huán)境下，扭曲價(jià)格信號(hào)刺激農(nóng)戶(hù)“以量持價(jià)”心理，引致生產(chǎn)支出過(guò)量投入[10]。此外，改革開(kāi)放以來(lái)，各地政府大打“土地財(cái)政”牌來(lái)緩解財(cái)政壓力，加之水土流失、荒漠化等生態(tài)退化問(wèn)題，農(nóng)地面積不斷遭到擠占。持續(xù)惡化的生產(chǎn)條件，造成農(nóng)業(yè)效率虧損和高額碳排產(chǎn)生。

最后，在要素市場(chǎng)，惠農(nóng)政策通過(guò)財(cái)政手段調(diào)節(jié)農(nóng)資價(jià)格，農(nóng)戶(hù)增加農(nóng)資的購(gòu)買(mǎi)和儲(chǔ)備。農(nóng)業(yè)生產(chǎn)的人力資本要素缺位、技術(shù)支持缺失，導(dǎo)致要素使用率低、使用結(jié)構(gòu)扭曲，促使農(nóng)用物資過(guò)度替代了其他要素投入。具體而言，我國(guó)改革開(kāi)放前實(shí)行的趕超戰(zhàn)略導(dǎo)致了要素市場(chǎng)不健全，滯后于產(chǎn)品市場(chǎng)發(fā)展的慣性持續(xù)至今。2004年以來(lái)，農(nóng)企、合作社等農(nóng)資供給方享受水電、稅收等優(yōu)惠政策照顧，間接激活了要素市場(chǎng)供給，但農(nóng)用物資無(wú)法彌補(bǔ)其他要素發(fā)揮的效用，合理比例的要素投入平衡被打破。以人力資本為例，后工業(yè)時(shí)代的農(nóng)戶(hù)傾向于“兼業(yè)化、副業(yè)化”，大量勞動(dòng)力流出導(dǎo)致農(nóng)業(yè)生產(chǎn)主體由婦孺老人構(gòu)成，勞動(dòng)者文化素質(zhì)和身體素質(zhì)均不利于勝任技術(shù)變革，農(nóng)戶(hù)傾向于提高農(nóng)用物資使用來(lái)替代人力資本投入。如圖1所示，除2015年外，物質(zhì)與服務(wù)費(fèi)用(3)“物質(zhì)與服務(wù)費(fèi)用”還包含“工具材料費(fèi)”、“技術(shù)服務(wù)費(fèi)”等，因占比極小，可近似為農(nóng)業(yè)生產(chǎn)支出。占據(jù)了投入成本最大比重，且在人工成本不斷升高的情況下，有替代其作用的趨勢(shì)。

圖1 三種主要糧食生產(chǎn)支出情況Fig.1 Expenditure of three main grain production

綜上而論，本研究以農(nóng)業(yè)財(cái)政支出為立足點(diǎn)，依據(jù)政策功能進(jìn)行作用路徑討論，考察各因素影響機(jī)理，最終落腳于農(nóng)業(yè)碳排放(圖2)。

圖2 農(nóng)業(yè)財(cái)政支出與農(nóng)業(yè)碳排放間的作用路徑Fig.2 Path between agricultural fiscal expenditure and agricultural carbon emissions

2 研究方法與數(shù)據(jù)來(lái)源

2.1 模型設(shè)計(jì)

1)農(nóng)業(yè)碳排放核算。本研究使用Intergovernmental panel on climate change-2006(IPCC)在測(cè)算農(nóng)業(yè)碳排放過(guò)程中使用的全生命周期評(píng)價(jià)法(LCA)，將CO2、N2O和CH4列為碳排放測(cè)度中主要排放溫室氣體。依據(jù)農(nóng)戶(hù)生產(chǎn)生命周期，可以界定農(nóng)業(yè)活動(dòng)的碳足跡主要來(lái)自以下兩方面：一方面來(lái)自種養(yǎng)殖自然源、農(nóng)地利用以及農(nóng)業(yè)能源消耗所產(chǎn)生的直接排放；另一方面來(lái)自農(nóng)用物資生產(chǎn)和農(nóng)產(chǎn)品運(yùn)輸?shù)冗^(guò)程中的間接排放。本研究中引入兩條路徑作為N2O間接排放源作為對(duì)碳排放核算的修正：一是在農(nóng)業(yè)活動(dòng)中產(chǎn)生氨揮發(fā)和氮氧化物排放導(dǎo)致的大氣沉降氮轉(zhuǎn)化；二是通過(guò)淋溶或徑流匯入水源后發(fā)生硝化與反硝化作用[25]，該路徑會(huì)通過(guò)大氣循環(huán)將含氮?dú)怏w全部沉降回地面，因而也參與碳排放計(jì)算。

在厘清農(nóng)業(yè)生產(chǎn)活動(dòng)全生命周期中的主要碳足跡后，只需搜集相關(guān)排放系數(shù)即可進(jìn)行碳排放的估算，如表1。具體計(jì)算碳排放計(jì)算模型如式(1)，式中ZCO2為農(nóng)業(yè)碳排放量，Dci為第i類(lèi)農(nóng)資投入(i=1,2,3)，Dei為第i類(lèi)農(nóng)業(yè)能源投入(i=1,2,…,5)，S為三大類(lèi)糧食作物秸稈焚燒量，DNi為氮肥施用量、大氣沉降氮轉(zhuǎn)化、淋溶/徑流損失氮轉(zhuǎn)化(i=1,2,3)，Li為不同品種牲畜飼養(yǎng)量(i=1,2,…,8)，R為水稻種植面積；φci,φni和φmi為不同排放源對(duì)應(yīng)CO2、N2O和CH4的排放系數(shù)，GWP為溫室氣體的增溫潛室。

表1 農(nóng)業(yè)生產(chǎn)活動(dòng)排放源與排放系數(shù)Table 1 Emission sources and emission coefficients of agricultural production activities

ZCO2=∑(Dci+Dei+S)×φci+∑[(DNi+Li)×
φni+(R+Li+S)×φmi]×GWP

(1)

2)廣義迪氏指數(shù)分解法。為考察農(nóng)業(yè)政策對(duì)于農(nóng)業(yè)碳排放的影響路徑，并考慮對(duì)數(shù)平均迪式分解法(Logarithmic mean divisia index，LMDI)的局限性，本研究擬采用廣義迪氏指數(shù)分解法(GDIM)。運(yùn)用于LMDI的碳排放路徑分解一直是國(guó)內(nèi)外學(xué)界效仿的范式，但經(jīng)實(shí)證研究表明，LMDI中存在兩個(gè)明顯缺陷。以式(2)中碳排放LMDI分解為例。在此框架內(nèi)人口規(guī)模P為絕對(duì)變量，相對(duì)于其他變量的改變方式并不對(duì)等。式(2)中人口規(guī)模P呈現(xiàn)絕對(duì)量變動(dòng)方式，而能源E變化同時(shí)引起碳排放強(qiáng)度(ZCO2/E)和投入產(chǎn)出比(E/GDP)的變動(dòng)，在分析框架中碳排放強(qiáng)度(ZCO2/E)和投入產(chǎn)出比(E/GDP)實(shí)質(zhì)上存在較強(qiáng)依賴(lài)性；再者，LMDI的逐級(jí)乘積關(guān)系，可能導(dǎo)致部分變量難以用理論進(jìn)行解釋[32-33]。針對(duì)LMDI方法的缺陷，Vaninsky[34]提出了一個(gè)新的指數(shù)分解框架，即廣義迪氏指數(shù)分解法(GDIM)，克服了現(xiàn)有指數(shù)分解法的缺陷，能夠更加全面準(zhǔn)確地量化不同因素對(duì)碳排放演變的實(shí)際貢獻(xiàn)，將政策下的異質(zhì)性因素納入同一框架予以考察，且不會(huì)出現(xiàn)變量不對(duì)等計(jì)算。

ZCO2=(ZCO2/E)×(E/GDP)×(GDP/P)×P

(2)

本研究依照Vaninsky[34]做法，構(gòu)造如下關(guān)于未知數(shù)X的方程Z，Z(X)中的Xi(i=1,2,…,8)可以看做是時(shí)間t的連續(xù)可微函數(shù)式(3)和(4)，通過(guò)對(duì)Xi取偏導(dǎo)再取不同時(shí)間段的定積分，可得其各因素貢獻(xiàn)加總的形式，例如t0-t1內(nèi)對(duì)Z變化的貢獻(xiàn)率式(5)，可將式(5)進(jìn)行矩陣形勢(shì)變化，改寫(xiě)為式(6)：

Z=f(X)=f(X1,X2,…,Xn)

(3)

Xi=Xi(t)

(4)

(5)

(6)

在驅(qū)動(dòng)因素選擇方面，基于第一部分理論推導(dǎo)分析，我們先考慮納入農(nóng)業(yè)財(cái)政支出作為碳排放驅(qū)動(dòng)因素。其次，財(cái)政支出對(duì)農(nóng)業(yè)碳排放存在直接和間接的作用，如果財(cái)政支出更多被用于低碳項(xiàng)目或減排技術(shù)，集約生產(chǎn)所帶來(lái)的效率改善會(huì)使碳減排優(yōu)化，而如果是以增加輪作次數(shù)和擴(kuò)大投入規(guī)模(如化學(xué)品和能源再投資)為導(dǎo)向，粗放生產(chǎn)所帶來(lái)的投入邊際產(chǎn)出遞減將引致碳減排惡化。依據(jù)上述邏輯，農(nóng)業(yè)生產(chǎn)總值與生產(chǎn)支出是說(shuō)明農(nóng)用化學(xué)品、農(nóng)業(yè)能源等使用效率的最有力因素，且農(nóng)業(yè)生產(chǎn)支出規(guī)模是衡量要素市場(chǎng)農(nóng)業(yè)政策變化的核心變量，因此我們選擇農(nóng)業(yè)生產(chǎn)支出和農(nóng)業(yè)生產(chǎn)總值作為另外兩個(gè)驅(qū)動(dòng)因素。

將農(nóng)業(yè)總產(chǎn)出、財(cái)政政策支出、農(nóng)業(yè)生產(chǎn)支出及農(nóng)業(yè)碳排放等變量帶入，令X1=Y為農(nóng)業(yè)生產(chǎn)總值，X3=FE為財(cái)政支出，X5=AE為農(nóng)業(yè)生產(chǎn)支出；X2=YCI=(ZCO2/Y)為產(chǎn)出碳強(qiáng)度，X4=FCI=(ZCO2/FE)為財(cái)政支出碳強(qiáng)度，X6=ACI=(ZCO2/AE)為生產(chǎn)支出碳強(qiáng)度；X7=EFF=(Y/AE)為生產(chǎn)支出效率，X8=FI=(FE/Y)為財(cái)政支出強(qiáng)度。

ZCO2=Y(ZCO2/Y)=FE(ZCO2/FE)=
AE(ZCO2/AE)
EFF=(ZCO2/AE)/(ZCO2/Y),
FI=(ZCO2/Y)/(ZCO2/FE)

(7)

由此可見(jiàn)，上述變量可以分解為3個(gè)絕對(duì)自變量和5個(gè)乘積后的相對(duì)自變量，通過(guò)8個(gè)自變量構(gòu)建不同的單變數(shù)函數(shù)關(guān)系：

Z=X1X2，X1X2-X3X4=0，X1X2-X5X6=0，
X1-X5X7=0，X3-X1X8=0

(8)

依照設(shè)定的變量Xi，進(jìn)行Z(X)的矢量微分計(jì)算和雅可比矩陣ΦX的構(gòu)造，如下所示：

(9)

(10)

式(8)中：可以將農(nóng)業(yè)碳排變化ΔZCO2分解為8類(lèi)因素變化之和包括：ΔY為產(chǎn)出規(guī)模變化；ΔFE為財(cái)政支出規(guī)模變化；ΔAE為農(nóng)業(yè)生產(chǎn)支出規(guī)模變化分別對(duì)碳排放變化的影響，上述3類(lèi)變化稱(chēng)為絕對(duì)量因素的變化。ΔYCI為單位GDP碳強(qiáng)度對(duì)碳排放的影響；ΔFCI為各類(lèi)財(cái)政支出低碳程度對(duì)碳排放的影響；ΔACI為各類(lèi)非固定投資類(lèi)農(nóng)業(yè)生產(chǎn)費(fèi)用低碳程度對(duì)碳排放的影響；ΔEFF為單位農(nóng)業(yè)生產(chǎn)支出對(duì)GDP貢獻(xiàn)對(duì)碳排放的影響；ΔFI為GDP增長(zhǎng)依賴(lài)財(cái)政支出依賴(lài)程度對(duì)碳排放的影響，后續(xù)5類(lèi)變化稱(chēng)為相對(duì)量因素的變化。

2.2 數(shù)據(jù)來(lái)源

基于數(shù)據(jù)的最大可得性，我們選擇1985—2017年中國(guó)農(nóng)業(yè)各年數(shù)據(jù)作為研究樣本，其中農(nóng)業(yè)財(cái)政支出(4)由于“財(cái)政用于農(nóng)業(yè)支出”與“農(nóng)林水支出”變更科目名稱(chēng)后規(guī)模相差不大，為尋求統(tǒng)一將兩者統(tǒng)稱(chēng)為“農(nóng)業(yè)財(cái)政支出”來(lái)自于《中國(guó)財(cái)政統(tǒng)計(jì)年鑒》[35]；農(nóng)業(yè)總產(chǎn)值、作物種植面積、農(nóng)業(yè)用電(以灌溉消耗量為準(zhǔn))、化肥、農(nóng)藥、農(nóng)膜數(shù)據(jù)來(lái)自于《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》[36]、EPS數(shù)據(jù)庫(kù)；農(nóng)業(yè)生產(chǎn)支出通過(guò)《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編》[37]中各年份給出比例進(jìn)行估算得出；柴油、汽油、煤炭和焦油等能源消耗數(shù)據(jù)來(lái)自于《中國(guó)能源統(tǒng)計(jì)年鑒》[38]；牲畜飼養(yǎng)量來(lái)自于《新中國(guó)60年農(nóng)業(yè)統(tǒng)計(jì)資料》[39]和《中國(guó)統(tǒng)計(jì)年鑒》[40]。為保證各年度數(shù)據(jù)估算的可比性，將農(nóng)業(yè)生產(chǎn)總值、農(nóng)業(yè)財(cái)政支出均平減至2000年不變價(jià)格。

3 農(nóng)業(yè)碳排放經(jīng)驗(yàn)分解結(jié)果分析

本研究通過(guò)R語(yǔ)言進(jìn)行農(nóng)業(yè)碳排放的廣義迪式指數(shù)分解，為清晰識(shí)別各驅(qū)動(dòng)因素對(duì)農(nóng)業(yè)碳排放的貢獻(xiàn)率，以1985年為基期，將每年各驅(qū)動(dòng)因素額貢獻(xiàn)值累加計(jì)算。從圖3可以看出，農(nóng)業(yè)生產(chǎn)總值(Y)、農(nóng)業(yè)財(cái)政支出(FE)和農(nóng)業(yè)生產(chǎn)支出(AE)等三者均對(duì)農(nóng)業(yè)碳排放增長(zhǎng)呈顯著的促進(jìn)效應(yīng)；產(chǎn)出碳強(qiáng)度(YCI)、財(cái)政支出碳強(qiáng)度(FCI)和農(nóng)業(yè)生產(chǎn)支出碳強(qiáng)度(ACI)則對(duì)農(nóng)業(yè)碳排放增長(zhǎng)呈現(xiàn)抑制效應(yīng)；農(nóng)業(yè)生產(chǎn)支出效率(EFF)和財(cái)政支出效率(FI)對(duì)碳排放變化的影響有限。也就是說(shuō)，農(nóng)業(yè)生產(chǎn)碳排放的增長(zhǎng)呈現(xiàn)出顯著的“規(guī)模效應(yīng)”，規(guī)模的擴(kuò)張意味著更多的農(nóng)資投入和能源消耗，而“強(qiáng)度效應(yīng)”和“效率效應(yīng)”抑制了碳排放增長(zhǎng)，意味著更多綠色減排技術(shù)和更高效的農(nóng)資使用方式被推廣到農(nóng)業(yè)生產(chǎn)中?？偟膩?lái)看，2017年的中國(guó)農(nóng)業(yè)碳排放總量為13.70億t，相比1985年增長(zhǎng)72.03%。在2009年前，僅有兩年的碳排放增量為負(fù)，其中，1996年碳排放總量下降0.28億t。在各驅(qū)動(dòng)因素中，產(chǎn)值規(guī)模、財(cái)政支出規(guī)模、生產(chǎn)支出規(guī)模和財(cái)政支出效率分別起到促進(jìn)碳排放增長(zhǎng)的效用，產(chǎn)值強(qiáng)度、財(cái)政支出強(qiáng)度、生產(chǎn)支出強(qiáng)度和生產(chǎn)支出效率起到促降效用。在促增因素中，財(cái)政支出規(guī)模顯著促進(jìn)農(nóng)業(yè)碳排放增長(zhǎng)，在33年間的總貢獻(xiàn)率達(dá)到39.28%。產(chǎn)值規(guī)模與生產(chǎn)支出規(guī)模的促增效應(yīng)基本相同(29.65%與30.79%)，分別引致碳排放增長(zhǎng)1.69億t和1.75億t，說(shuō)明兩者的聯(lián)動(dòng)作用明顯。在促降因素中，財(cái)政支出強(qiáng)度貢獻(xiàn)率為39.26%，產(chǎn)值強(qiáng)度與生產(chǎn)支出強(qiáng)度在2012年產(chǎn)生斷點(diǎn)，生產(chǎn)支出強(qiáng)度的促降作用明顯小于產(chǎn)值強(qiáng)度，說(shuō)明單位生產(chǎn)支出的碳排放未起到與產(chǎn)值強(qiáng)度相當(dāng)促降效果，呈現(xiàn)較低的利用率。

圖3 各驅(qū)動(dòng)因子對(duì)農(nóng)業(yè)碳排放變化的累計(jì)貢獻(xiàn)Fig.3 Cumulative contribution of various driving factors to changes in agricultural carbon emissions

為方便對(duì)比不同時(shí)期驅(qū)動(dòng)因素的貢獻(xiàn)，本研究將碳排放變化劃分為4個(gè)階段(圖4)。該劃分標(biāo)準(zhǔn)主要依據(jù)改革開(kāi)放以來(lái)農(nóng)業(yè)政策經(jīng)歷的3次方向性調(diào)整：1997年前，農(nóng)業(yè)政策主要為解放生產(chǎn)力進(jìn)行家庭聯(lián)產(chǎn)承包責(zé)任制改革；1998—2003年，主要聚焦于對(duì)農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)進(jìn)行投資；2004年至今，農(nóng)業(yè)政策轉(zhuǎn)向多予少取，有序疏解財(cái)政支出非增收功能，糧食連續(xù)12年增產(chǎn)是政策決策前半段(2004—2015年)中最具代表性的印證[41]。通過(guò)觀察碳排放變化率可知，農(nóng)業(yè)碳排放總量與政策方向調(diào)整有著緊密聯(lián)系，第一階段在1985—1998年間，產(chǎn)出規(guī)模貢獻(xiàn)與財(cái)政支出規(guī)模貢獻(xiàn)率基本相同，這得益于1978年以來(lái)，全國(guó)改革最先從農(nóng)村發(fā)起，家庭聯(lián)產(chǎn)承包責(zé)任制的推行極大程度解放了農(nóng)村的生產(chǎn)力，而相應(yīng)的統(tǒng)收統(tǒng)支體制變革為包干體制，例如小型農(nóng)田水利設(shè)施包干給地方進(jìn)行資金處置，消除了其準(zhǔn)公共品的“擁擠效應(yīng)”和過(guò)度使用的可能，提升了農(nóng)業(yè)生產(chǎn)的效率，可以說(shuō)該階段政策對(duì)應(yīng)的財(cái)政支出規(guī)模和產(chǎn)值規(guī)模有較好的聯(lián)動(dòng)效應(yīng)，碳排放增長(zhǎng)處于“財(cái)政支出—生產(chǎn)規(guī)模擴(kuò)大—碳排放”的積累期。

第二階段在1998—2003年間，產(chǎn)值規(guī)模的碳排放貢獻(xiàn)率逐漸被財(cái)政支出規(guī)模超越，這歸因于1997年爆發(fā)了亞洲金融危機(jī)和1998年的特大洪澇災(zāi)害，國(guó)家開(kāi)始重新審視國(guó)民基礎(chǔ)行業(yè)的重要性，在各部門(mén)采取積極財(cái)政政策加大基礎(chǔ)設(shè)施建設(shè)力度，促使財(cái)政支出多被用于水利設(shè)施、公路、電網(wǎng)等方面，加之退耕還林、天然林保護(hù)項(xiàng)目等生態(tài)工程的實(shí)行，財(cái)政投入效果并未直接體現(xiàn)在農(nóng)業(yè)產(chǎn)出規(guī)模上，年平均產(chǎn)出規(guī)模和碳排放變化率分別為6.65%和1.5%，結(jié)合圖4可以看出第二階段的產(chǎn)出規(guī)模(Y)與產(chǎn)出強(qiáng)度(YCI)對(duì)碳排放的影響均趨近于平衡，主要排放路徑來(lái)自于“財(cái)政支出—生產(chǎn)支出增加—碳排放”，而主要減排影響來(lái)自于財(cái)政支出強(qiáng)度(FI)，總的來(lái)說(shuō)，我國(guó)農(nóng)業(yè)碳排放量進(jìn)入了增長(zhǎng)平緩時(shí)期。

圖4 政策不同階段各驅(qū)動(dòng)因素分解結(jié)果Fig.4 Decomposition results of various driving factors at different stages of policy

第三階段在2004—2009年間，農(nóng)業(yè)碳排放進(jìn)入另一個(gè)高速增長(zhǎng)階段，產(chǎn)出規(guī)模(Y)的碳排放貢獻(xiàn)率低于生產(chǎn)支出規(guī)模(AE)，若除去產(chǎn)出強(qiáng)度(YCI)和生產(chǎn)支出強(qiáng)度(ACI)的減排效應(yīng)，兩者的凈增長(zhǎng)效應(yīng)分別占總效應(yīng)的16.5%和33.6%，也就是說(shuō)農(nóng)業(yè)政策強(qiáng)化了農(nóng)戶(hù)利用農(nóng)用物資支出進(jìn)行農(nóng)業(yè)增產(chǎn)的方式，“財(cái)政支出增加—生產(chǎn)支出增加—碳排放”的增長(zhǎng)模式得到進(jìn)一步印證。

第四階段在2010—2017年，在此期間農(nóng)業(yè)產(chǎn)值規(guī)模仍呈現(xiàn)正向增長(zhǎng)，但隨著綠色發(fā)展、“兩型社會(huì)”等政策提升至國(guó)家發(fā)展戰(zhàn)略，全國(guó)農(nóng)業(yè)碳排放總量年平均降低0.37%。產(chǎn)出強(qiáng)度(YCI)、財(cái)政支出強(qiáng)度(FCI)和農(nóng)業(yè)支出強(qiáng)度(ACI)促降效應(yīng)有所提升，有效緩解了碳排放量的持續(xù)增長(zhǎng)。特別的，2009年第一次出現(xiàn)碳排放零增長(zhǎng)后，之后連續(xù)9年碳排放變化率呈現(xiàn)上下波動(dòng)的特征，通過(guò)圖3進(jìn)一步觀察可知，除2012—2013年增長(zhǎng)率基本持平外，碳排放總量呈現(xiàn)增減不斷變化趨勢(shì)，這可以解釋為在節(jié)能減排政策和綠色低碳技術(shù)推廣過(guò)程中，落地實(shí)施環(huán)節(jié)存在“一緊一松”的現(xiàn)象，地方政府未將低碳效率提升視為發(fā)展轉(zhuǎn)型的常量，導(dǎo)致了規(guī)制強(qiáng)度隨著任務(wù)命令不同出現(xiàn)上下波動(dòng)。

4 動(dòng)態(tài)情景設(shè)置和蒙特卡洛模擬

4.1 動(dòng)態(tài)情景設(shè)置

通過(guò)上述分析可知，中國(guó)農(nóng)業(yè)碳排放的促增因素主要集中在財(cái)政支出、農(nóng)業(yè)產(chǎn)值和農(nóng)業(yè)生產(chǎn)支出三類(lèi)因素中。由此可以得到以下3個(gè)情景設(shè)置思路：第一，農(nóng)業(yè)財(cái)政支出在3個(gè)促增因素中貢獻(xiàn)率最大，因此農(nóng)業(yè)財(cái)政支出應(yīng)被納入到政策情景中；第二，農(nóng)業(yè)生產(chǎn)支出冗余是導(dǎo)致碳排放量增加的主要原因，農(nóng)業(yè)生產(chǎn)支出過(guò)度投入造成農(nóng)資、能源等利用率低下，可以說(shuō)農(nóng)業(yè)生產(chǎn)支出碳強(qiáng)度的演變趨勢(shì)與減排空間大小密切相關(guān)，因此也應(yīng)被納入政策情景；第三，農(nóng)業(yè)支出效率和財(cái)政支出強(qiáng)度在不同時(shí)期起到了一定的促降效果，在農(nóng)業(yè)產(chǎn)出規(guī)模擴(kuò)大時(shí)期，農(nóng)業(yè)支出效率和財(cái)政支出強(qiáng)度分別是體現(xiàn)有效農(nóng)業(yè)生產(chǎn)支出和農(nóng)業(yè)財(cái)政支出的關(guān)鍵，具有顯著的減排潛力。綜上，本研究選取農(nóng)業(yè)財(cái)政支出(FE)、農(nóng)業(yè)生產(chǎn)支出碳強(qiáng)度(ACI)、農(nóng)業(yè)支出效率(EFF)和財(cái)政支出強(qiáng)度(FI)等4個(gè)變量為基礎(chǔ)來(lái)設(shè)定動(dòng)態(tài)情景，令4個(gè)變量變化率分別表示為α、β、γ、δ，下一期的碳排放變化率可以表示為：

ΔZCO2t+1=FEt(1+α)×ACIt(1+β)×
EFFt(1+γ)×FIt(1+δ)=
FEt+1×ACIt+1×EFFt+1×FIt+1

(11)

碳排放變化率可以表示為：

ΔZCO2t+1=(1+α)×(1+β)×(1+γ)×(1+δ)

(12)

在選取合適驅(qū)動(dòng)因素的基礎(chǔ)上，蒙特卡洛模擬通過(guò)以隨機(jī)序列的反復(fù)采樣為手段，探究不同變量在給定區(qū)間內(nèi)取得特征樣本的概率分布，并識(shí)別出符合邏輯推演基礎(chǔ)的演化路徑?，F(xiàn)有研究已表明經(jīng)濟(jì)因素的變化通常具有較為明顯的路徑依賴(lài)特征，而在中國(guó)過(guò)去的發(fā)展軌跡中，通常時(shí)間越近的階段對(duì)未來(lái)的影響越大，反之，越遠(yuǎn)的階段對(duì)未來(lái)影響越小[42]。由于第一階段和第二階樣本距今年份較長(zhǎng)，本研究選擇第三階段和第四階段為2個(gè)基準(zhǔn)期，并在實(shí)證數(shù)據(jù)基礎(chǔ)上進(jìn)行3個(gè)政策情景的劃分：高速增長(zhǎng)情景、政策規(guī)制情景和綠色低碳情景。

1)高速增長(zhǎng)情景。高速增長(zhǎng)情景對(duì)應(yīng)第三階段(2004—2010年)，多予少取、全面減負(fù)政策的時(shí)期，該時(shí)期內(nèi)歷年的中央一號(hào)文件都與“三農(nóng)問(wèn)題”緊密相關(guān)，國(guó)家在制定政策的過(guò)程中持續(xù)明確以提高農(nóng)民收入為核心，輔以農(nóng)業(yè)財(cái)政支出絕對(duì)規(guī)模的高速增長(zhǎng)。

結(jié)合蒙特卡洛模擬的需要(5)蒙特卡洛是基準(zhǔn)變量的在取值區(qū)間內(nèi)進(jìn)行的隨機(jī)取值和組合后，計(jì)算目標(biāo)變量的一種方法。必須對(duì)驅(qū)動(dòng)因素(即蒙特卡洛模擬中的基準(zhǔn)變量)的取值范圍進(jìn)行估計(jì)后，才能符合蒙特卡洛“區(qū)間分布式”模擬的要求。，嘗試進(jìn)行不同驅(qū)動(dòng)因素的變化率設(shè)定。首先，選取2018年作為模擬的起始年份，根據(jù)《中國(guó)住戶(hù)調(diào)查主要數(shù)據(jù)—2019》[43]可得，2018年農(nóng)業(yè)生產(chǎn)支出增長(zhǎng)速度為8.9%，價(jià)格平減后實(shí)際增長(zhǎng)速度是9.9%，農(nóng)業(yè)增加值實(shí)際增長(zhǎng)速度是3.5%，計(jì)算得出農(nóng)業(yè)支出效率(EFF)為-5.8%。進(jìn)一步的，由農(nóng)業(yè)財(cái)政支出(FE)比上年實(shí)際增長(zhǎng)9.9%(財(cái)政部新聞辦公室，2019)，可以推算出財(cái)政支出強(qiáng)度(FI)為6.2%。最后，根據(jù)不同環(huán)節(jié)的農(nóng)業(yè)生產(chǎn)核算可得(6)2018年碳排放數(shù)據(jù)來(lái)源分別為全國(guó)各類(lèi)作物種植面積，豬、羊、牛等牲畜存欄量，新增灌溉面積由《2018年國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》獲得；農(nóng)業(yè)生產(chǎn)能源消耗等數(shù)據(jù)由《中國(guó)住戶(hù)調(diào)查主要數(shù)據(jù)-2019》[43]獲得；化肥、農(nóng)藥等農(nóng)資施用量由國(guó)家統(tǒng)計(jì)局相關(guān)數(shù)據(jù)獲得。，2018年農(nóng)業(yè)碳排放增加值為0.9%，繼而算出農(nóng)業(yè)生產(chǎn)支出碳強(qiáng)度(ACI)為-8.2%。在確定起始年份驅(qū)動(dòng)因素變化率后，依據(jù)第三階段(2004—2010年)年均變化率設(shè)定2018—2030年潛在變化率的中間值，而最大值和最小值分別選取上述7年中各驅(qū)動(dòng)因素出現(xiàn)的最大值和最小值，各驅(qū)動(dòng)因素潛在變化率的設(shè)定如表2所示。

2)政策規(guī)制情景。政策規(guī)制情景對(duì)應(yīng)了多予少取、全面減負(fù)政策時(shí)期(2011—2017年)，該時(shí)期我國(guó)工作重點(diǎn)仍在農(nóng)民增收，但考慮到資源環(huán)境承載能力，自2010年起國(guó)家開(kāi)始逐步完善農(nóng)業(yè)政策轉(zhuǎn)移支付子項(xiàng)目。例如對(duì)部分農(nóng)耕示范區(qū)進(jìn)行耕地輪作休耕、重點(diǎn)生態(tài)功能區(qū)進(jìn)行生態(tài)補(bǔ)獎(jiǎng)，目的是為減少粗放生產(chǎn)、緩解環(huán)境壓力。總的來(lái)說(shuō)，政府加強(qiáng)了對(duì)農(nóng)業(yè)粗放型生產(chǎn)的干預(yù)，通過(guò)補(bǔ)償和規(guī)制等手段強(qiáng)化了農(nóng)業(yè)低碳生產(chǎn)，農(nóng)業(yè)增加值進(jìn)入平穩(wěn)中低速增長(zhǎng)階段。本研究對(duì)照第四階段各因素增長(zhǎng)率變化，設(shè)置政策規(guī)制情景。具體變化率設(shè)定如表3所示。

3)綠色低碳情景。綠色低碳情景是指在政策規(guī)制的基礎(chǔ)上，有效提高農(nóng)資利用率、實(shí)現(xiàn)農(nóng)業(yè)低碳生產(chǎn)，尤其是做到節(jié)能減排技術(shù)的突破。結(jié)合Chen[45]在對(duì)低碳情景中經(jīng)濟(jì)增速的研究，該情景設(shè)定財(cái)政支出不變的前提下，農(nóng)業(yè)生產(chǎn)支出碳強(qiáng)度(ACI)相較政策規(guī)制情景降低1%，得到其潛在年均變化率分別為-8.3%(2018—2020年)、-7.6%(2021—2025年)和-6.9%(2026—2030年)，在此基礎(chǔ)上分別向上和向下調(diào)整1%得到其潛在變化率的最大值和最小值[33]。具體變化設(shè)定如表4所示。

在上述三類(lèi)情景的設(shè)置下，每個(gè)情景包含了四類(lèi)變量，一般而言，依據(jù)每個(gè)變量的均值、標(biāo)準(zhǔn)差與相關(guān)系數(shù)矩陣，就可以得到多維聯(lián)合正態(tài)分布。在概率矩陣未知時(shí)，可將相關(guān)系數(shù)矩陣ρ進(jìn)行Cholesky分解，即ρ=LLT。將分解得到的矩陣乘以向量Y，即為所要求的多維正態(tài)分布隨即向量?；谝陨喜僮?，本研究使用stata 15.0針對(duì)三類(lèi)情景中的變量進(jìn)行10萬(wàn)次模擬，結(jié)果以每?jī)赡甑奶寂欧趴偭康母怕拭芏戎党尸F(xiàn)。

4.2 蒙特卡洛模擬結(jié)果

通過(guò)對(duì)不同情景模擬顯示，高速發(fā)展情景的農(nóng)業(yè)碳排放量未達(dá)到峰值，且碳排放持續(xù)增長(zhǎng)速度較快，由初始期2017年13.62億t，增長(zhǎng)至2030年總量概率值高于22億t。依據(jù)初始設(shè)定的農(nóng)業(yè)總產(chǎn)值增長(zhǎng)率，2018—2030年農(nóng)業(yè)碳排放強(qiáng)度相較2017年不降反升，增長(zhǎng)了4.1個(gè)百分點(diǎn)。該增長(zhǎng)模式可以歸結(jié)為依靠資源稟賦的粗放型生產(chǎn)方式，在農(nóng)業(yè)部門(mén)勢(shì)必不會(huì)取得可持續(xù)性的高額回報(bào)，并且極大削弱了環(huán)境承載力，威脅著農(nóng)業(yè)的高質(zhì)量發(fā)展。在國(guó)務(wù)院發(fā)展研究中心印發(fā)的《綠色發(fā)展的源起與內(nèi)涵》[44]中強(qiáng)調(diào)了“綠色發(fā)展主要特征是要提高生產(chǎn)效率、市場(chǎng)效率、資源利用率，即實(shí)現(xiàn)效率最大化發(fā)展?！蓖瑫r(shí)指出現(xiàn)代農(nóng)業(yè)發(fā)展應(yīng)“加速傳統(tǒng)農(nóng)業(yè)向現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型。加快農(nóng)業(yè)科技進(jìn)步、調(diào)整農(nóng)業(yè)生產(chǎn)結(jié)構(gòu)、轉(zhuǎn)變農(nóng)業(yè)增長(zhǎng)方式，提高農(nóng)業(yè)綜合生產(chǎn)能力?！笨梢灶A(yù)見(jiàn)的是，轉(zhuǎn)變農(nóng)業(yè)政策指向是達(dá)到減排目標(biāo)的關(guān)鍵。

2018年7月，國(guó)家農(nóng)業(yè)農(nóng)村部印發(fā)了《農(nóng)業(yè)綠色發(fā)展技術(shù)導(dǎo)則(2018—2030年)》，提出在綠色發(fā)展制度與低碳模式基本建立的基礎(chǔ)上單位農(nóng)業(yè)增加值溫室氣體排放強(qiáng)度降低30%以上，相比國(guó)家自主貢獻(xiàn)目標(biāo)(碳排放強(qiáng)度下降40%～45%)更為合理。結(jié)合Chen[45]對(duì)強(qiáng)化低碳情景中經(jīng)濟(jì)增速的研究，在預(yù)設(shè)經(jīng)濟(jì)增速下，每個(gè)時(shí)期的年均碳排放增長(zhǎng)率分別控制在2.8%(2018—2020年)、2.45%(2021—2025年)、2.1%(2026—2030年)以?xún)?nèi)，即農(nóng)業(yè)碳排放總量低于15.36億t可達(dá)到強(qiáng)度降低30%的標(biāo)準(zhǔn)。

進(jìn)一步分析可知，政策規(guī)制情景在2024—2026年前后的農(nóng)業(yè)碳排放總量已出現(xiàn)峰值，峰值預(yù)期達(dá)到14.6億～15億t，之后2026—2030年碳排放增長(zhǎng)率呈現(xiàn)下降趨勢(shì)，在2030年穩(wěn)定在13.4億～13.8億t，對(duì)比高速增長(zhǎng)情景減少了9億t左右的碳排放總量。根據(jù)農(nóng)業(yè)部門(mén)的減排目標(biāo)要求，可以看出在政策規(guī)制情景下，農(nóng)業(yè)碳排放可以較早達(dá)到減排標(biāo)準(zhǔn)。在綠色低碳情景下(圖5)，全國(guó)農(nóng)業(yè)部門(mén)碳排放峰值在2020—2022年達(dá)到，相比政策規(guī)制情景提前了5年左右，在2030年穩(wěn)定在12.8億t左右?？梢钥闯?，盡管減排的上行空間只有1億t左右，但農(nóng)業(yè)低碳生產(chǎn)轉(zhuǎn)變方式加快，碳排放峰值在2030年前始終不會(huì)觸及15.36億t的紅線。此外，依據(jù)國(guó)外實(shí)踐經(jīng)驗(yàn)[46]，綠色低碳情景假設(shè)條件下有較好實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)與碳排放的脫鉤的可能，并且可以最大程度上杜絕政策規(guī)制“一年緊一年松”的現(xiàn)象，確保了農(nóng)業(yè)碳排目標(biāo)如期甚至提前實(shí)現(xiàn)。

圖5 三類(lèi)政策情景下不同年份的碳排放總量概率密度演化Fig.5 Probability density evolution of total carbon emissions in different years under three types of policy scenarios

5 結(jié)論與啟示

5.1 研究結(jié)論

本研究基于GDIM對(duì)1985—2017年農(nóng)業(yè)碳排放進(jìn)行了因素分解，并依據(jù)不同因素的貢獻(xiàn)程度設(shè)置動(dòng)態(tài)情景對(duì)2018—2030年間不同情景下的碳排放進(jìn)行預(yù)測(cè)，得到如下結(jié)論：1)財(cái)政支出規(guī)模是引致碳排放增長(zhǎng)的首要因素，促增貢獻(xiàn)達(dá)到39.28%，而財(cái)政支出強(qiáng)度與產(chǎn)出強(qiáng)度為促降貢獻(xiàn)的關(guān)鍵因素，促降貢獻(xiàn)分別達(dá)到39.26%、29.39%；2)從時(shí)間階段來(lái)看，1985—2017年的碳排放總量變化可以分為4個(gè)政策階段，前三階段碳排放增長(zhǎng)表現(xiàn)為由“產(chǎn)值規(guī)模效應(yīng)帶動(dòng)”到“生產(chǎn)支出效應(yīng)帶動(dòng)”，第四階段碳排放量呈現(xiàn)“政策規(guī)制效應(yīng)”下的年際間交替增減變化態(tài)勢(shì)；3)在動(dòng)態(tài)情景預(yù)測(cè)中，高速發(fā)展情景的碳排放量未達(dá)到峰值，政策規(guī)制情景和綠色低碳情景分別在2025和2020年前后達(dá)到峰值，并始終低于15.36億t的碳排放紅線，高速發(fā)展情景和綠色低碳情景在2030年的碳排放總量相差近10億t。

5.2 政策啟示

基于上述結(jié)論，本研究得到了以下啟示：

1)優(yōu)化農(nóng)業(yè)生產(chǎn)投入結(jié)構(gòu)、提高農(nóng)資消耗品使用率是促進(jìn)低碳生產(chǎn)的長(zhǎng)久之計(jì)。農(nóng)業(yè)在各生產(chǎn)部門(mén)中不是排放大戶(hù)，但根據(jù)論證，農(nóng)業(yè)部門(mén)具備較強(qiáng)的減排潛力。為此，更應(yīng)挖掘各方面的農(nóng)業(yè)生產(chǎn)低碳化渠道。一方面通過(guò)種養(yǎng)加模式和沼氣等技術(shù)的推廣，降低農(nóng)業(yè)生產(chǎn)對(duì)于化學(xué)肥料的依賴(lài)，增加生產(chǎn)要素使用率；另一方面通過(guò)秸稈還田、秸稈能源化有效抑制廢棄物處理等環(huán)節(jié)的粗放生產(chǎn)行為。惟此，才能在根源上實(shí)現(xiàn)農(nóng)業(yè)綠色低碳生產(chǎn)的轉(zhuǎn)型。

2)直接影響低碳農(nóng)業(yè)生產(chǎn)的政策中，國(guó)家應(yīng)注重“蘿卜”與“大棒”的有機(jī)結(jié)合。不僅要給予低碳生產(chǎn)稅費(fèi)減免、項(xiàng)目投資和補(bǔ)貼等措施，更要對(duì)地力損壞、面源污染等問(wèn)題采取相應(yīng)的處罰措施，對(duì)不同程度的損害行為提供法律層面的懲治依據(jù)。同時(shí)，針對(duì)政策實(shí)施“一年緊一年松”現(xiàn)象，應(yīng)將低碳生產(chǎn)項(xiàng)目納入干部績(jī)效考核體系，嚴(yán)格監(jiān)控管理執(zhí)行力度和政策資金處置，避免“篩子現(xiàn)象”和“虛投現(xiàn)象”的發(fā)生。

3)間接影響低碳農(nóng)業(yè)生產(chǎn)的政策中，政府應(yīng)借助市場(chǎng)作用激勵(lì)農(nóng)戶(hù)開(kāi)展綠色低碳生產(chǎn)。如果延續(xù)當(dāng)前政策及實(shí)施力度，農(nóng)業(yè)碳排放量在2025年達(dá)到峰值仍存在不小困難，而單純依賴(lài)限價(jià)補(bǔ)貼手段可能導(dǎo)致“以量持價(jià)”、要素投入失衡的負(fù)面影響，因此，政府借助市場(chǎng)進(jìn)行適當(dāng)?shù)恼吒深A(yù)將是促進(jìn)農(nóng)業(yè)產(chǎn)業(yè)轉(zhuǎn)型的現(xiàn)實(shí)之選。例如，以農(nóng)作物收入保險(xiǎn)逐步替代價(jià)格支持政策可以弱化農(nóng)戶(hù)以量持價(jià)的心理，穩(wěn)定農(nóng)戶(hù)長(zhǎng)期的收益預(yù)期，解決價(jià)格扭曲效應(yīng)；再如，增加農(nóng)產(chǎn)品低碳標(biāo)簽制度，形成綠色低碳生產(chǎn)與財(cái)政資金獎(jiǎng)勵(lì)的閉環(huán)，避免出現(xiàn)“撒胡椒面”式的補(bǔ)償機(jī)制。