化肥碳源排放量的時空演化及預測

朱士飛，秦云虎，王鵬程，趙 倩，毛禮鑫*

1. 江蘇地質礦產設計研究院，江蘇 徐州 221006；2. 中國煤炭地質總局煤系礦產資源重點實驗室，江蘇 徐州 221006；3. 兗礦能源集團股份有限公司濟寧二號煤礦，山東 濟寧 272072；4. 江蘇省有色金屬華東地質勘查局，江蘇 南京 210007

發展低碳農業是實現“碳達峰”“碳中和”的重要保障，其中控制農業化肥施用是重要一環。研究表明，包括化肥在內的各類農業物資在提高農業生產的同時，會通過直接或者間接的方式產生溫室氣體［1］。這些農業碳源在我國溫室氣體排放量中占比大，呈現逐年遞增的趨勢，尤其是江蘇省農業碳排放量持續居于較高水平［2-3］。我國農業施肥強度整體較高，農業碳源中化肥施用產生的溫室氣體需要引起格外關注［4］。另一方面，化學肥料在保障糧食安全中具有不可替代的作用［5］，能為作物生長提供必須的N、P、K 等元素，對糧食產量的貢獻率可達到40%以上［6-9］。因而，研究化肥施用特點、預測其需求趨勢及由此帶來農業碳源排放，既是發展低碳農業的現實需求，也是“保糧食安全”的重要組成。

前人對化肥在農業中的碳源排放、增肥效益以及需求方面取得卓有成效的研究，在以下幾個方面達成共識：一是化肥是主要的農業碳源之一。尹巖等［10］通過對我國農業碳源的核算認為，江蘇省的農業設施碳排放量最高，農業碳源中化肥等農用品的碳排放量占比僅次于土壤碳排放；胡婉玲等［11］通過對農業碳排放因素的研究得出，我國化肥碳排放占農業碳排放的59%，經過筆者計算，近五年江蘇省化肥碳排放占省內農業碳排放的比例高達70%。二是農業生產需要合理的施肥強度。農業實踐表明不同施肥方式、施肥強度對糧食作物的產量有影響［12-13］，盡管安思羽等［14］研究認為通過合理使用農家肥、有機肥等能提高作物產量［15-17］，但是化肥的作用不能忽視，如孟愛紅等［18］的研究結果表明無機化肥的作用不能被有機肥代替，并且隨著作物生長對無機元素的消耗，土地需要不斷補充新的化學肥料。三是化肥需求與經濟發展有緊密聯系?；瘜W肥料的生產離不開硫、磷、鉀等重要的化工礦產資源，尤其是磷、鉀是國家戰略性礦產資源［19］，因而從資源消耗的角度對其進行預測的研究較多［20-24］，如馬麗娜等［25］在不同的經濟發展情景下對磷礦資源需求進行預測，劉衛東等［26］通過能源消費彈性系數分析我國能源需求。

綜上可知，化肥施用是江蘇省農業碳排放的主要碳源，然而目前以化肥為主體的農業碳排放研究較少。此外，化肥需求定性或定量的預測研究大多采用單一的方法，未能針對研究對象優選合適的方法。例如情景分析、彈性系數等方法由于方法自身的局限性，人為主觀因素較大。本文在分析歸納江蘇省農業施肥演化趨勢及區域特點的基礎上，對趨勢分析法、神經網絡預測法、時間序列模型-彈性系數法等定性與定量的方法的結果進行優選，科學預測化肥需求趨勢，以期為低碳農業發展提供參考。

1 化肥碳源排放量

1.1 計算方式及數據來源

碳源排放量一般采用碳排放系數法或實際測量法，本次化肥碳源排放量的計算依據聯合國政府間氣候變化專門委員會碳排放系數法。即采用化肥實際消耗量（T）與化肥碳排放系數（δ）的乘積得出化肥的碳排放量（E），公式如下：E=T×δ［δ參考美國橡樹嶺國家實驗室數值（0.896 kg/kg），即每千克化肥施用帶來0.896 kg 溫室氣體排放］。

文中2000—2019 年的相關數據來源于《中國統計年鑒》和《江蘇統計年鑒》，據此獲得人均國內生產總值（gross domestic product，GDP）、化肥施用量、耕地面積等信息。

1.2 江蘇省化肥碳排放特點

江蘇省地級市可分為蘇南、蘇中、蘇北，其化肥碳源排放量表現出明顯的差異性。由表1 可看出，蘇北地區化肥碳源排放量遠高于蘇南和蘇中，并且占全省化肥碳源排放量的比重逐年升高，由2001 年的59%增加到2019 年的72%。根據化肥碳源排放量計算公式可知，其數值大小主要與化肥施用量有關，蘇北地區農業耕種面積大，施用化肥較多，造成其碳排放量居高不下。

表1 江蘇省化肥碳源排放量變化Tab.1 Agricultural carbon emissions from fertilizer 107 kg

從蘇南（S）、蘇中（M）、蘇北（N）地區各選取2 個城市，可以看出同一地區化肥碳源排放量及其變化速率相似，反之，不同地區差異性顯著。并且化肥碳源排放量呈現階段性特征（圖1 和圖2）。

圖1 江蘇省化肥碳源排放區域特點Fig.1 Regional characteristics of carbon emissions from fertilizer in Jiangsu Province

圖2 江蘇省化肥碳源排放量變化速率圖Fig.2 Change rates of carbon emissions from fertilizer in Jiangsu Province

（1）區域特點。如圖1 所示，江蘇省農業生產中單位面積化肥碳源排放量與總排放量表現相似的特點，即蘇北地區高，蘇南和蘇中地區低。其中，蘇北地區化肥碳源排放量高于全國平均水平，徐州最高，達到648 kg/hm2，連云港施肥強度稍低（458～523 kg/hm2）；蘇中、蘇南地區化肥碳源排放量遠低于蘇北，與全國平均水平差距較小，其中蘇中城市單位面積化肥碳源排放量（235～452 kg/hm2）變化曲線整體位于蘇南城市（203～490 kg/hm2）的上方。這表明化肥碳源排放量與農業生產中單位面積施肥強度密切相關。

（2）階段性特點。如圖2 所示，單位面積化肥碳源排放量整體表現為先增加后減少的趨勢，變化速率也由大幅度波動到逐漸平緩?；侍荚磁欧帕考捌渥兓试跁r序演化上可分為3 個階段。階段I（2000-2007 年），單位面積化肥碳源排放量居于較高水平，且排放量不斷增加。其中，蘇北地區增長幅度較大，蘇南和蘇中增長較小或者小幅度下降（如泰州）。階段II（2008-2012 年），單位面積化肥碳源排放量迅速下降。其中，蘇北地區下降幅度小，蘇南地區下降幅度最大，蘇中城市下降速率位于兩者之間。階段III（2013-2019 年），變化速率居于較低水平，降幅穩定，保持在5%以內。與全國相比，整體上江蘇省變化幅度較大，在階段II 開始農業化肥碳源排放量變化率多為負值，即排放量開始下降，而全國在階段III 開始下降，并且下降幅度逐年增大。這顯示國家實施化肥施用“零增長”的政策取得良好成效，同時表明降低化肥施用強度能夠顯著減少農業化肥碳源排放量。

2 GDP 的預測

2.1 時間序列模型

上述分析表明化肥的消費量直接影響農業碳排放量，通過預測化肥的施用量可計算由此造成的農業碳排放量?；氏M的基本規律表明經濟發展對其變化趨勢有顯著影響，盡管經濟的發展受國家宏觀調控及其他多種因素的影響，但是經濟的發展是循序漸進的，后期的發展趨勢與前期的經濟基礎密不可分。在統計學上表現為不同年份GDP 數值有明顯的先后順序，即每個數值受其他數據的影響不是獨立的個體，因此可以將其看作是時間t的有序數列（t，GDP），運用時間序列模型能夠避免多因素變量間復雜關系對觀測值GDP的影響，重點研究其在時間域的變化規律［27］。

經過不斷完善的現代時間序列與傳統時間序列相比有很大發展，借助SPSS 軟件強大的數據處理能力完成分析。依據江蘇省2000-2018 年的（t，GDP）數據，采用專家建模器的方法系統優選具體模型（指數平滑法或者ARIMA 模型），最終根據Ljung-Box Q 檢驗結果中殘差和離群值判斷擬合效果。為了進一步得到江蘇省人均GDP，同理根據此方法預測了江蘇省人口變化趨勢，模型預測值與實際值較小的誤差表明該方法預測效果良好（圖3），具體預測結果見表2。

圖3 時間序列模型預測GDP（a）和人口（b）結果Fig.3 Results of GDP（a）and population（b）forecasting by time series model

表2 時間序列模型預測結果及置信區間Tab.2 Time series model forecasting results and confidence intervals

2.2 政府報告GDP 目標

此外，《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》指出，“十四五”時期我國以高質量發展為主題，更加注重發展的質量問題。江蘇省緊扣“強富美高”總目標使經濟運行更加穩健，預計2025 年人均GDP 超過15 萬元，增長率5.5%左右。圖4 顯示未來10 年江蘇省GDP 增長率在5%上下波動，表明政府工作報告結果在本次預測結果置信區間之內，因此認為上述時間序列模型預測結果可信度高。

圖4 江蘇省GDP 與增長率預測結果Fig.4 Forecasting results of Jiangsu Province GDP and its growth rates

3 農業施肥碳排放預測

3.1 預測依據

（1）資源消耗規律。一般認為資源消耗與經濟發展有密切的關系。在社會快速發展階段，基礎建設亟需大量原材料，隨著工業化程度越來越高，對原始材料需求有所減緩，據此總結出人均資源消耗量與經濟發展水平呈S 型或倒U 型的規律［22，28］。在相關研究中常用GDP 或者人均GDP指標反映經濟發展水平，然而不同國家經濟發展速度、產業結構和產業規模等有所不同，造成其“S”型或倒“U”型拐點位置對應的GDP 和人均資源量并不一致。因此在運用資源消耗規律的同時，既要參考先期工業化國家資源需求的變化趨勢，更要針對不同的資源種類和地區經濟發展程度分析其差異性。

通過研究全球范圍內典型國家的化肥需求趨勢，發現單位面積施肥量與經濟發展表現出相似的規律，即先增后減的倒“U”型變化趨勢，這是與其他資源消費趨勢的共性。一方面是因為化肥施用之后并不會被完全消耗掉，而是會有部分資源儲存在土地中，因而土地種植早期對化肥需求量大，隨著長期累積的未被作物吸收的化肥的增多，土地對化肥需求逐漸減少，另一方面是種子質量、肥料的改進、科學管理水平等的提高增加了化肥利用效率進而減少其施用量。然而由于不同地區施肥方式、環保意識等原因，其消費規律有所不同。

（2）施肥強度與GDP 關系。選取2000-2018年江蘇省與全國化肥施肥強度為對象，通過曲線擬合可以發現化肥單位消耗量與人均GDP 有良好的二次函數關系（R2分別為0.837 9、0.976 9），與“倒U”型規律保持一致（圖5）。整體上看我國施肥強度較高，遠超國際建議施肥量（225 kg/hm2），而江蘇省施肥強度更高，國家和相關學者對過高的施肥強度極為關注。不同的是江蘇省拐點位置對應的GDP 在3.7 萬元左右，比全國的值（4.5 萬元）低，此外江蘇省施肥強度維持較高水平的時間長、下降的幅度小、下降的速率慢，這與化肥碳源排放量的變化規律一致（圖1 和圖2）。

圖5 化肥施用量與人均GDP 關系圖Fig.5 Graph of fertilizer consumption and per capita GDP

3.2 3 種預測模型

（1）趨勢分析預測。趨勢分析法依據樣本數據分析變量間的相關性，對目標參數進行預測。根據江蘇省歷年人均GDP 和單位面積施肥量的數據進行曲線擬合，有較好的擬合效果（R2=0.997 3），這與倒“U”型的化肥消費規律有相似之處（圖6）。根據此模型可知，江蘇省2025、2030 年農作物單位面積施肥量分別為217.8、55.1 kg/hm2，下降速率分別為11.4%、39.0%。

圖6 曲線擬合預測結果Fig.6 Forecasting results from curve fitting

（2）神經網絡預測。常規的建模思路中以擬合精準的方程來解決問題，往往忽略了預測結果對模型的調整，而反向傳播（back propagation，BP）神經網絡方法通過神經元的不斷反饋調整，使得輸出層的向量與樣本因變量差值達到最小，進而達到最佳預測效果［29］。以江蘇省人均GDP 為輸入層，單位面積施肥量為輸出層，建立了含有一個隱含層的模型。通過網絡不斷學習，能夠對類似的問題迅速得到預測結果，繞開建立復雜方程的中間過程。如圖7 所示，預測值與原始樣本有較好的效果。然而，在2018、2019 年的預測值偏大，即化肥施用強度下降的速率變小。由此造成此方法預測的結果比趨勢分析法偏大：2025、2030 年農作物單位面積施肥量分別為385.9、385.4 kg/hm2，下降速率分別為0.08%、0.01%。

圖7 神經網絡預測結果Fig.7 Results of neural network forecasting

（3）時間序列模型-彈性系數預測。彈性系數法在能源消費需求預測中應用廣泛［30-31］，但大多根據彈性系數的變化趨勢人為預測未來幾年的彈性系數，主觀因素較大。本次研究采用時間序列模型-彈性系數相結合的方法進行預測，即首先計算施肥強度對人均GDP 的彈性系數，然后建立時間序列ARIMA（1，1，0）模型預測未來10 年的彈性系數。如圖8 所示，江蘇省化肥施用強度對人均GDP 的彈性系數整體呈下降趨勢，僅在第一階段（2008 年以前），其彈性系數為正值，其原因可能是經濟發展初期，忽視化肥施用對生態、土地、空氣等的負面效應，農民收入提高、缺乏科學的施肥指導等原因也進一步加大施肥強度；此后，隨著經濟發展更加注重質量，國家化肥施用零增長行動的大力開展，彈性系數不斷減小至負值；并且隨著經濟的高質量發展和農業科技水平的提高，未來將保持持續下降。據此預測江蘇省2025、2035 年施肥強度分別為340.0、307.5 kg/hm2，下降速率分別為1.86%、2.00%。

圖8 時間序列預測彈性系數Fig.8 Elasticity coefficients from time series forecasting

3.3 預測結果討論

趨勢分析法注重已有的樣本數據，忽視社會經濟發展對資源消耗規律的影響，其預測結果表明施肥強度下降速率越來越大，并且按照此趨勢，未來施肥強度將變成負值（圖6），顯示了該方法的局限性。BP 神經網絡預測法注重變量間的隱藏關系，通過反饋機制尋找最優權重，其預測結果與實際值最為接近（圖7），但是在學習樣本中未出現這些逐漸增大的GDP 數值，忽略資源消耗的規律，造成預測結果變化量極小。時間序列模型-彈性系數法，注重資源消耗與經濟發展的彈性系數變化規律，本次采用時間序列模型預測彈性系數的變化與江蘇省施肥狀況保持一致（圖5），僅蘇南地區單位面積施肥量變化率稍大，但是考慮到其較低的施肥強度，且2019 年蘇南地區化肥消費量僅占全省的9%，因此認為該方法預測結果可信度大。

根據上述對化肥消費的預測結果，在江蘇省的農業種植面積不變的情況下可以預測江蘇省2025、2030 年農業化肥碳源排放量分別為226.74、205.04 萬t（表3）。

表3 江蘇省農業化肥碳源排放量預測結果Tab.3 Forecasting results of carbon emissions from fertilizer in Jiangsu Province

3.4 化肥碳源變化原因與建議

從階段I 到階段III 江蘇省化肥碳源量先增加后減少，受多種因素影響。其中政府引導起主要作用，階段II 之前，國家免除農業稅，對購買農藥化肥的補貼不斷增加，因此化肥施用量不斷增加，隨之化肥碳源量增加。階段II 至今，國家和江蘇省政府多次強調減肥增效，如2015 年農業部制定《到2020 年化肥使用量零增長行動方案》，江蘇省“十二五”期間投資7.8 億元大力扶持節肥節藥高效設施農業生產機械化項目，近年來又制定《2020年江蘇省千村萬戶百企化肥減量增效行動方案》。此外，農業科技進步促進化肥利用效率的提高。通過建設環保低碳節約型農業示范基地、利用有機肥替代無機肥等手段減少化肥施用量，進而減少化肥碳源排放量。同時，不同區域碳源排放量減少受經濟發展水平、土壤差異、農業勞動力數量等多因素影響，例如蘇北地區土壤有機質低、農村人口比例高導致化肥施用量多，相反蘇南地區土壤肥沃、城鎮化高，農業種植集中規?；芾?，因此化肥施用量少，由此造成化肥碳源量少。

根據預測結果，在“碳達峰”時間節點江蘇省化肥施用強度仍大于國際施肥建議值，造成化肥碳源排放量占比過高，影響江蘇省雙碳目標的實施進度，因此提出以下建議：①堅持政策引領，加強綠色低碳農業宣傳，樹立正確的施肥觀念，避免“肥力透支”惡性循環；②強化科技創新，通過測土配方因地制宜施肥，提高肥料的利用效率；③利用市場規律，穩定農產品價格，引導分散的土地規?；N植，推動高標準種植基地建設。

4 結 論

（1）江蘇省化肥碳源排放在區域上表現為，蘇北地區化肥碳排放總量大，占全省碳排放量比例呈增加趨勢，單位面積排放量高；蘇南、蘇中地區較為相似，化肥碳源排放量少，單位面積排放量低。在階段上表現為，階段I 化肥碳源排放量大，呈增加趨勢；階段II 排放量由頂峰開始下降，下降幅度波動大；階段III 繼續下降，下降幅度平穩且維持較低水平。

（2）運用時間序列模型預測了江蘇省未來10 年的GDP，預測結果和政府工作報告預期目標吻合，可用于化肥的預測研究。采用3 種方法預測江蘇省2025、2030 年施肥強度分別為217.8 和55.1 kg/hm2（曲線擬合）、385.9 和385.4 kg/hm2（神經網絡預測）、340.0 和307.5 kg/hm2（時間序列模型-彈性系數法）。

（3）農業施肥碳排放量與施肥強度直接相關，后者的變化受政策、區域經濟發展、土壤性質、人口等多因素影響。時間序列模型-彈性系數預測法的結果符合資源消耗規律，據此計算2025、2030年江蘇省農業生產化肥碳源排放量分別為226.74、205.04 萬t。較高的施肥強度影響農業碳排放，建議從政策引領、科技創新、市場規律等方面提高化肥利用效率、降低江蘇省化肥碳源排放量，在保證糧食安全的同時實現農業低碳綠色發展。