基于数字化水平评估的贵州省农业碳排放影响因素分解研究

《Frontiers in Environmental Science》：Decomposition of influencing factors for agricultural carbon emission in Guizhou province based on digitalization level assessment

　　

摘要专业翻译 数字赋能农业碳减排在突破减排瓶颈和实现“双碳”目标中发挥着至关重要的作用。本研究测算了2013—2022年贵州省农业碳排放量与数字化水平，构建了融合数字化水平的LMDI分解模型（对数平均迪氏指数分解模型，Logarithmic Mean Divisia Index）以分析影响因素，并采用VAR模型（向量自回归模型，Vector Autoregressive Model）预测其演变关系。研究结果表明：（1）在整个研究期内，农业数字化水平呈现逐步上升趋势，而碳排放总体呈“N型”变化态势。（2）数字化对碳排放的影响从“显著促进增长”动态演变为“弱促进增长”。减排因素（能源强度效应和数字化引致的能源消费效应）共同促成减排3168万吨，而增排因素（农业经济规模效应和数字化引致的生产效应）导致排放增加3483万吨。（3）预测显示，2023—2030年这四种效应的协同作用可实现净减排925万吨，推动排放从“N型”向“M型”转变。脉冲响应分析表明，大多数效应在前两期存在正向驱动力，所有效应在第三期后均转为抑制作用并趋于收敛。上述发现表明，数字化本身并不必然带来农业碳减排，其环境效益取决于数字投入是否改善了能源效率和资源配置，而非刺激生产扩张。因此，贵州省应优先推动精准投入管理、畜禽粪污处理和清洁能源替代等领域的数字化应用，促进农业数字化与碳减排的协同发展。

论文解读

一、研究背景与问题提出

在全球气候变化与中国“双碳”目标的双重背景下，农业部门面临着在保障粮食安全的同时实现减排的严峻挑战。农业贡献了全国约17%的碳排放。数字技术（如智能灌溉系统和大数据平台）正在深刻改变农业生产方式。已有研究普遍认为农业数字化能够减少碳排放，且随着数字化推进，这种效应可能进一步增强。然而，数字化的环境效应并非一致，其效果随区域经济条件和畜禽生产规模的不同而变化，这提示数字化并非在所有生产条件下都产生相同的结果。基础设施建设与数字化驱动的生产扩张可能创造额外的能源需求，效率提升可能在降低排放强度的同时并未带来总量的绝对下降。

现有文献主要存在三个研究脉络：一是聚焦农业数字化及其环境后果，但对其同时产生减排与增排效应的机制解释有限；二是运用分解方法识别农业碳排放驱动因素，但数字化很少作为独立成分纳入分解恒等式；三是运用STIRPAT模型和BP神经网络等方法进行碳排放预测，但难以揭示具体排放机制之间的动态关系。贵州省为本研究提供了独特的研究场景：作为中国首个国家级大数据综合试验区，该省数字发展迅速，但山地地形制约了农业现代化进程，传统高碳生产方式仍较普遍，畜牧业在当地农业排放中占比很高。

二、研究内容与主要结论

本研究将农业数字化纳入LMDI分解框架，区分了数字化引致的生产效应与数字化引致的能源消费效应，并运用VAR模型考察农业碳排放与分解效应之间的动态关系。研究超越了单一净效应的估计，识别了数字化可能支持或制约山地农业低碳转型的具体渠道。

研究得出以下主要结论：2013—2022年贵州省农业碳排放呈“N型”波动轨迹，畜牧业占排放总量的88.6%，其中生猪养殖是主要来源；农业数字化水平从2013年的0.159显著提升至2022年的0.937；四种效应共同导致碳排放增加315.25万吨，其中数字化生产效应和农业经济规模效应分别促成增排1181.19万吨和2301.64万吨，而数字化能源消费效应和能源强度效应分别实现减排2255.13万吨和912.45万吨；预测显示2023—2030年四种效应协同可实现净减排924.51万吨，推动排放从“N型”向“M型”转变。

三、主要技术方法

研究人员采用的主要方法包括：其一，依据IPCC（政府间气候变化专门委员会，Intergovernmental Panel on Climate Change）核算框架计算农业碳排放，涵盖农业投入、农田土壤利用和畜禽养殖三大类碳源；其二，从数字基础设施、数字服务和数字经济环境三个维度构建农业数字化评价指标体系，采用熵权法确定权重；其三，构建融入数字化水平的LMDI分解模型，将碳排放变化分解为经济规模效应、数字化生产效应、数字化能源消费效应和能源强度效应；其四，运用EViews 10构建四个二元VAR模型进行脉冲响应分析和2023—2030年预测。数据主要来源于中国统计年鉴、贵州统计年鉴和EPS数据库。

四、研究结果

贵州省农业碳排放分析。 2013—2022年贵州省农业碳排放呈“N型”波动轨迹，从2013年的1758.51万吨增至2016年的1942.86万吨，降至2020年的1785.8万吨后反弹至2022年的1992.14万吨。畜牧业占排放总量的88.6%，农作物仅占11.4%。种植业碳排放呈先增后减趋势，化肥是最大碳源（占37.97%）；畜牧业排放呈波动上升趋势，生猪养殖占行业排放的77.55%，粪污管理贡献约87%的排放。

贵州省农业数字化发展水平。 农业数字化水平指数从2013年的0.159显著提升至2022年的0.937，数字经济发展环境权重最大（38.9%），农业数字服务权重33.75%，农村数字基础设施权重27.35%。

农业碳排放影响因素分析。 LMDI分解结果显示，2013—2016年四种效应促成碳排放大幅增加265.98万吨，2017—2022年促进作用减弱至49.28万吨，呈现从“显著促进增长”向“弱促进增长”的动态演变。数字化生产效应和农业经济规模效应促成增排，而数字化能源消费效应和能源强度效应实现减排，其中数字化能源消费效应的抑制作用强于能源强度效应。

农业碳排放与数字化效应的关系预测。 脉冲响应分析显示，能源强度效应对碳排放的影响呈围绕零轴的阻尼振荡轨迹；数字化能源消费效应呈“抑制—促进—收敛”模式；农业经济规模效应呈“从抑制到收敛”的平滑过渡；数字化生产效应呈“先增排后减排”的渐进转变。预测显示2023—2030年四种效应协同可实现净减排924.51万吨，碳排放有望从“N型”转变为“M型”。

五、讨论与结论

研究表明，数字化并不必然导致农业碳减排，其环境效益取决于数字投入是否改善能源效率和资源配置而非刺激生产扩张。数字化能源消费效应通过优化能源结构和提高单位能源数字产出实现了减排，而数字化生产效应通过提高技术效率和降低边际成本刺激了规模化扩张，效率提升带来的资源节约被成本降低引发的更大规模生产所抵消，凸显了农业碳排放数字化的双重属性。贵州省应优先推动精准投入管理、畜禽粪污处理和清洁能源替代等领域的数字化应用，以促进农业数字化与碳减排的协同发展。