《Cogent Food & Agriculture》：An interpretable framework for agricultural carbon decoupling: integrating Tapio, LMDI, and spatial Markov models with CoT-enhanced LLMs
编辑推荐：
理解能否在不增加碳排放的情况下实现农业经济增长，对于中国的低碳转型至关重要。本研究考察了2011—2023年中国31个省份农业碳排放与农业经济产出之间的脱钩关系。采用整合Tapio弹性、对数平均迪氏指数（LMDI）分解、空间马尔可夫链和链式思维增强的大语言模型
理解能否在不增加碳排放的情况下实现农业经济增长，对于中国的低碳转型至关重要。本研究考察了2011—2023年中国31个省份农业碳排放与农业经济产出之间的脱钩关系。采用整合Tapio弹性、对数平均迪氏指数（LMDI）分解、空间马尔可夫链和链式思维增强的大语言模型（CoT-enhanced LLM）的综合框架，以识别脱钩类型、驱动因素、空间转换模式及政策启示。结果表明，全国农业碳排放约在2015—2016年达到峰值，随后持续下降。化肥是主要排放源，占总排放量的54.5%。2015年后省级脱钩状况显著改善，到2017年超过80%的省份实现了强脱钩。LMDI结果显示，经济规模是主要的增排因素，而投入强度的改善对减排贡献显著。空间分析揭示了持续的高排放聚集区以及相邻省份间受空间条件制约的脱钩转换。CoT增强模块将定量结果转化为结构化的、针对区域的政策启示。这些发现强调减化肥、提高能效和空间协同减排是维持中国农业碳脱钩的关键优先事项。
全球气候变化使温室气体（GHG）减排成为可持续发展的核心任务。农业既是重要的排放源，又与粮食安全、乡村生计和经济发展密切相关。然而，农业碳排放源于生物过程和投入密集型生产活动，与工业、能源排放有本质差异，且存在显著的区域异质性。已有研究多用国家或区域聚合数据，掩盖了省级差异；对邻域空间影响关注不足；定量结果缺乏面向政策的可读解释。为此，研究人员构建了整合Tapio弹性模型、对数平均迪氏指数（LMDI）分解、空间马尔可夫链和链式思维（CoT）增强的大语言模型（LLM）的解释框架，利用2011—2023年中国大陆31个省级行政区的面板数据，系统考察农业碳排放与农业经济产出的脱钩关系。该研究为理解中国农业低碳转型提供了更新的省级证据，揭示了脱钩状态的时间演变、结构驱动与空间溢出特征，并探索了LLM在定量结果政策化解释中的辅助作用。论文发表在《Cogent Food》。
研究数据来源于中国农业年鉴、中国统计年鉴、国家统计局及省级统计年鉴，覆盖31个省份（不含台湾），缺失值采用线性插值。碳排放核算采用政府间气候变化专门委员会（IPCC）Tier 1方法，基于化肥、农药、农膜、柴油、翻耕和灌溉六类活动数据乘以排放因子。方法上：①利用Tapio弹性指数划分脱钩状态；②基于Kaya恒等式扩展式，用LMDI将排放变化分解为碳强度、能源强度、产业结构、经济规模和人口规模五个因素；③采用一阶邻接空间权重矩阵构建空间马尔可夫链，估计邻域状态下的条件转移概率；④使用DeepSeek-R1（671B）作为CoT增强LLM，将数值指标构造为提示，生成“诊断—归因—政策”三部分解释，并通过规则校验与人工验证。
### 4.1 时空格局
通过碳核算、热力图与层次聚类发现，化肥是最大排放源，占比54.5%，其次为灌溉（14.5%）、柴油（13.3%）、农膜（12.1%）、农药（3.4%）、翻耕（2.2%）。全国排放总量在2015—2016年达峰后持续下降，主要来自化肥和柴油减排。山东、河南、河北为持续高排放省份，西藏、青海、宁夏排放低。变异系数分析显示河南、山东、湖南年际稳定性高，天津、北京、海南波动大。
### 4.2 脱钩动态
基于Tapio分类的年度统计显示，强脱钩自2017年起成为绝对主导，超过80%的省份实现强脱钩；弱脱钩从2012年的24个省份迅速减少至2017年仅1个。2016—2017年出现弱负脱钩和扩张负脱钩的短暂波峰，随后消失。结构热图确认2017—2022年强脱钩占比超过80%，这一转变与“十三五”规划实施时间相符。
### 4.3 农业碳排放分解
LMDI分解表明，经济规模是首要增排因素，累计增排5522万吨；能源强度与能源结构合计抵消7234万吨，其中能源强度单独减排4097万吨；产业结构净增413万吨；人口规模增排287万吨；总体净减排约1013万吨。曲线图显示2016年后能效和结构因素负向贡献扩大，2022—2023年经济扩张导致小反弹。
### 4.4 空间依赖
全局Moran's I检验显示农业碳排放存在持续正空间自相关（均值0.1676），排放强度自2016年起显著聚集（均值0.2090），Tapio弹性仅在2012、2013、2018、2021年显著。空间马尔可夫转移概率显示，邻域强脱钩使弱脱钩省份保持概率从54.9%升至66.7%，强脱钩在强邻域下保持概率达97.5%；负脱钩在负邻域下维持概率100%，但在强邻域下转向强脱钩的概率也为100%；耦合状态易受邻域影响而转移。
### 4.5 代表性解释结果
CoT增强LLM为四川省2019年生成解读：Tapio弹性为0.34对应弱脱钩，劳动生产率+8.3%为主导驱动，邻域（重庆、云南）状态一致，预测2025—2027年转向强脱钩，并建议发展水电、太阳能和有机农业。七步推理链涵盖数据收集、分类、归因、空间背景、预测、政策设计与综合。验证抽样30个省份年份，数值保真度均分5.00、解释连贯4.93、政策相关性4.50、专家一致性4.87，总体均分4.83。鲁棒性检验中，500次蒙特卡洛扰动排放因子±10%后，基线类型保留概率均值0.992，低不确定性占比97.0%；采用二阶邻接或四近邻矩阵后空间解释基本一致。
讨论指出，2015—2016年排放达峰与“十三五”规划中化肥减量、清洁能源和绿色农业政策时间吻合。沿海和农业大省较早实现稳定脱钩，内陆西部省份转变较慢。经济规模是增排主因，能效改进抵消了增长压力。空间上，强脱钩聚集具有自强化特征，负脱钩聚集存在锁定风险，需区域协同治理。CoT模块提高了结果可读性，但不替代统计模型；其政策相关性得分相对较低
