基于EKC视角的浙江省海洋渔业碳净排放与行业增长关系的实证研究

　　摘要：海洋渔业作为减排降碳的一新增对象，探讨海洋渔业碳净排放与经济增长之间的关系对于促进我国低碳渔业的发展研究具有十分重要的意义。本文基于浙江省 2005—2019 年的数据，通过对海洋渔业人均碳净排放量与人均产值的长期趋势进行拟合，发现浙江省的海洋渔业发展确实符合环境库次涅茨曲线(EKC)假说的“倒 U 型”。同时对所拟合得出的结果进行单位根检验、协整检验以及格兰杰因果检验，确定了浙江省海洋渔业人均碳净排放量与人均产值之间的单向因果关系，即在浙江省的海洋渔业生产中，经济增长是导致二氧化碳排放量上升的主要原因，但二氧化碳的增长并不能推动经济进步。由此就浙江的海洋捕捞、海水养殖以及产业结构方面的调整提出相对应的可行性建议，以期浙江省海洋渔业节能减排工作可以更好地开展。

　　朱徐凯; 谭春兰， 海洋经济 发表时间：2021-09-29

　　关键词：海洋渔业;碳净排放;EKC 假说;倒 U 型

　　1.引言

　　海洋经济依托海洋产业的迅速发展成为拉动国内经济增长的重要力量的同时，也增加了大量的碳排放。就我国在第 75 届联合国大会期间提出的“中国的碳排放力争于 2030 年前达到峰值，于 2060 年前实现碳中和的目标”而言，有效控制包括海洋渔业在内的重点行业的碳排放成为了减排降碳工作的重中之重。由于目前我国经济目前处于新常态，一味地追求碳排量的减少，硬性减排势必会对海洋渔业经济造成影响。因此，在如何不降低人民生活质量同时又不以经济发展水平为代价的前提下，探究碳排放与经济之间的关系成为了关键。

　　浙江省作为我国的第一大海域省份，地处东南沿海长江三角洲南翼，拥有“中国鱼仓”的美称。浙江省凭借着优越的气候因素和地理条件，海洋捕捞成为了其传统的基础产业，自进入 21 世纪以来一直是捕捞量持续增长的趋势。尤其是 2016 年，全省的海洋捕捞量达到 3470631 万吨，占全国海洋捕捞量的 26.13%以上。浙江省先前大力开发利用海洋资源，发展速度之迅猛，给沿海地区带来可观的经济效应的同时，也因传统渔业的过度捕捞、粗放发展，出现了渔业资源衰退、海洋环境问题。好在经过这几年浙江省尝试发展“碳汇渔业”，在海洋渔业资源综合开发、保护利用中取得了些许的成就，进入了“现代渔业”新发展阶段。因此正确地认识和评估浙江省海洋渔业目前的发展与海洋环境之间的关系，将有助于浙江省保护海洋生态环境，实现人海和谐和海洋经济的可持续发展的同时，也能实现浙江省的减排任务。

　　2.文献综述

　　美国经济学家 Grossman 在 1991 年首次提出环境库兹涅茨曲线(EKC) [1]。该曲线最早用以解释环境质量和经济效益之间的关联关系。其主要描述了地区经济水平与环境污染的之间的变化关系呈现倒 U 型，即随着地区经济水平的增长，环境污染呈现先升后降的变化趋势。EKC 假说提出后，因其简练、形象的描述形式而在实证研究领域得到广泛应用。国内外学者对经济增长与环境质量二者之间的关系进行了大量的研究分析。如 Ouyang X, Lin Bi[2]、Armeanu 等人[3]分别以西班牙、奥地利、瑞典为研究对象，在污染物排放与经济增长之间验证环境库兹涅茨曲线的存在可能性。

　　随着碳排放量作为环境污染的新的指标的出现，环境库兹涅茨曲线(EKC)也成为了研究碳排放与经济关系的主要工具。如 Guangyu Luo 等 [4]研究了 G20 集团国家是否存在针对二氧化碳排放的环境库兹涅茨曲线;李波等[5] ;邓春梅等 [6] ;廖卫东等人[7]分别就国家层面、地区层面以及具体省份层面进行研究，利用环境库兹涅茨曲线对农业碳排放量与农业经济增长的关系进行了研究，证实了二者之间存在明显的倒“U”型关系;蒋黎、王晓君等[8]深入探讨农业经济与农村环境质量之间的关系对于重塑常规农业向绿色可持续方向转变具有重要意义。

　　通过对文献的整理不难发现，EKC 模型的研究多聚焦工业和农业，目前国内的学者虽然在农业方面的碳排放与行业经济关系的长期变化趋势的研究取得了颇丰的进展，但将 EKC 模型用于海洋渔业中，以此视角来探寻海洋渔业的碳排放量与行业的发展状况的文献还是甚少。因此本文在总结前人经验的基础上，厘清文献之间的内在有机关联，将环境库兹涅茨曲线(EKC 曲线)引入海洋渔业研究领域，建立海洋渔业二氧化碳净排放量 EKC 曲线模型，探究海洋渔业二氧化碳净排放与行业经济增长之间的关系，判断二者长期趋势走向，为浙江省后期的碳汇渔业的发展及应用提供一个新的思路。

　　3.研究方法与数据处理

　　目前我国并没有官方地给出海洋渔业碳排放量的准确数值，所以需要根据其他相关的原始数据进行测算。此处选用的是目前国际上惯用的 IPCC 碳排放评估法;其核心内容是需要确定各个能源在消耗过程中的排放系数，而排放系数通常是在常规生产中计算出最终产品的气体排放平均值，碳排放的总量由能源消耗量与碳排放系数的乘积汇总而得。

　　3.1 碳净排放量估算方法

　　海洋生态系统作为最大的一个生态系统，也是地球上最大的碳库，不仅在地域面积上存在绝对性优势，同时也在物种的丰富度和生物之间的复杂关系的基础上，具有一定的固碳潜力。海洋动植物可以结合自身的生存、生长过程将海水中游离的二氧化碳转化为固定的有机碳，由此在人类的生产捕获过程中实现了“碳转移”。鉴于海洋渔业在生产过程中的碳排放的双重特性，因此可以将海洋渔业碳净排放量的研究分别从“碳源”和“碳汇”两个角度进行。结合《联合国气候变化框架公约》关于“源” 的具体的定义，“碳源”是指向大气排放温室气体，气溶胶或温室气体的任何过程的活动;所谓的“碳汇”是指从大气中清除温室气体、气溶胶或温室气体的任何活动或机制。因此，结合海洋渔业生产活动的碳排放特性，可以得到海洋渔业碳净排放量为“碳源”量与“碳汇”量之间的差值，计算公式为 Cnet = Ctotal - Csink;式中，Cnet表示碳净排放量，Ctotal表示碳源量，而 Csink表示碳汇量。

　　3.1.1 碳源总量估算模型

　　“碳源”量以浙江省海洋渔业的产业类型为口径计算得出。在浙江省整个海洋渔业的生产养殖过程中，可以分为海洋捕捞业、海水养殖业两大部分。海洋捕捞业中使用的能源主要是柴油，用于捕捞渔船的消耗;而海水养殖业的能源为部分柴油和电力，部分柴油用于满足养殖渔船的消耗，而电力的消耗主要为海水养殖电泵供氧。其中海洋捕捞业的能源消耗更是整个渔业生产中的能耗大户，占总能耗的比例高达 70%[9]以上。由此，海洋渔业两部门能源消耗量计算公式为：Ctotal = Cfish + Ccul;式中，Cfish表示海洋捕捞业的碳源量，Ccul表示海洋养殖业的碳汇量。

　　根据 IPCC 测算法中“碳排放量=能源使用量*排放因子”的计算公式，可得到如下确切的计算公式： Cfish=∑P1j*u1j*§1; Ccul=P2*u2*§1+∑S*ŋ*§2 其中，Pij表示第 i 类生产部门第 j 种用途的渔船功率;S 表示海水养殖面积;Uij表示第 i 类生产部门第 j 种用途的渔船油耗转换系数;ŋ表示渔船电耗转换系数;§1、§2分别表示柴油和电力的碳排放因子。

　　3.1.2 碳汇总量估算模型

　　在海洋渔业生产过程中，“碳汇”是指通过渔业生产活动促进水生生物吸收水体中的 CO2, 并通过收获把这些已经转化为生物产品的碳移出水体的过程和机制。按照水生生物生长机制来看，具有碳汇功能的生物种类不仅包括藻类、贝类和滤食性鱼类等养殖生物，同时还包括以浮游生物和贝藻类等为食的鱼类、头足类、甲壳类以及棘皮动物等生物资源种类，按照渔业碳汇的形成机制进行分类，可以将贝藻养殖捕捞形成的渔业碳汇称为直接碳汇，而以贝藻为食的生物所形成的的碳汇称为间接碳汇。[10] 但由于我国目前并没有形成对于海洋渔业碳排放量计算的统一指标;同时，因为鱼类、甲壳类等海洋物种通过捕食贝藻类进行间接固碳时也会因自身的呼吸作用产生碳排放而削弱固碳效果;因此，综合考虑上述两项因素，在本文研究时暂且忽略鱼类、甲壳类的间接碳汇，仅考虑贝藻类所形成的直接碳汇。

　　诸多研究表明[11-12]，藻类、贝类等养殖生物，具有非常显著的碳汇功能。其中，滤食性贝类的碳汇能力主要表现为通过壳和软组织间接吸收水体中游离的碳，而大型藻类直接通过光合作用将海水中的溶解无机碳转化为有机碳。此时，浙江省海洋渔业生产过程中的“碳汇”量计算公式为：Csink = Cshe + Calg;其中,Cshe表示贝类碳汇量，Calg表示藻类碳汇量而贝类碳汇量=贝壳碳汇量+软组织碳汇量;贝壳碳汇量=贝类产量*干重比*贝壳比重*贝壳碳汇系数;软组织碳汇量=贝类产量*干重比*软组织比重*软组织碳汇系数;藻类碳汇量=藻类产量*干重比*藻类碳汇系数

　　3.2 数据处理

　　本文选取碳净排放量(Cnet)作为海洋渔业生产污染数据，以产值(Y)代表浙江省海洋渔业的产值，利用 2005—2019 年浙江省海洋渔业人均碳净排放量与人均产值为研究对象建立时间序列模型，研究分析两者之间的具体关系。为了保证模型建立的可行性以及数据分析的可比较性，将各年度的人均产值折合为以 2005 年为基期的水平，以此来剔除通货膨胀所带来的影响。浙江省海洋渔业产值、海水养殖产量、从业人员的数量等都通过历年的《中国渔业统计年鉴》得到。

　　碳源方面，根据《IPCC 国家温室气体清单指南》碳排放计算缺省值3;能源折标准煤系数参见《中国能源统计年鉴》4;能耗转换系数方面，海洋渔船油耗转化系数来自于《国内机动渔船油价补助用油量测算参考标准》;而海洋养殖电耗转化系数来自于的实验结果[13]。

　　根据《中国渔业统计年鉴》，通过结合浙江省养殖产量的实际情况，在计算海洋渔业碳汇量时，贝类主要有扇贝、蛤、牡蛎、贻贝、鲍、螺、蚶、蛏这八个品种，藻类主要有海带、裙带菜、紫菜、江蓠、羊栖草这五个品种。由于目前尚未有关于这些品种碳含量的详细参数，本文借助岳冬冬、张继红、周毅等人已有的研究成果[14-17]估算海水贝藻类养殖碳汇。具体碳汇系数如下表所示(见表 1、表 2)：

　　4.模型设定与变量选取

　　经典的环境库次涅茨曲线(EKC)最初用来衡量的是经济发展对环境质量的影响，认为环境污染水平会随着经济增长先上升后下降，呈现出倒“U”型的曲线关系。但也有部分研究结果显示，并非每个地区的环境-经济关系均呈典型倒 U 型特征，部分文献出现了线性、U 型、N 型、倒 N 型等不同形态。这种结论不一致的原因可能在于经济指标数据的选择、处理方法、模型使用以及估计方法上的不同导致了实证分析结果存在较大差异。虽然存在一定局限和争议，但 EKC 检验仍不失为一种研究、预测环境质量及经济发展相关关系的有效方法，其深层次的内在作用机制源于环境治理工具的综合运用，可对现行环境政策绩效进行评价，为政府管理部门制定、调整环境管理决策提供实证依据。

　　本文采用最简化的二次环境库次涅茨曲线回归方程进行估计浙江省海洋渔业碳排放量与产值之间的关系。即 ct=β0+β1*yt+β2*yt²+Ɛt 根据待估参数β的取值的变化，时间序列 c 与 y 之间也会呈现以下五种不同的关系(1)β1=β2=0，c 与 y 之间没有关系(2)β1<0，β2=0，c 与 y 之间呈负相关关系(3)β1>0，β2=0，c 与 y 之间呈正相关关系(4)β2>0，c 与 y 之间呈“U 型”关系(5)β2<0，c 与 y 之间呈“倒 U 型”关系，即 EKC 曲线

　　通过对 2005—2019 年期间浙江省海洋渔业从业人员的数量结合折线图进行分析(图 2)，可以发现从业人员的数量呈现波动性上升的趋势，虽然自 2014 年开始海洋渔业从业人员的数量在总量上出现了一个层次的降低，但 2019 年较 2005 年的人口涨幅为 18.67%，而在 2012 年，浙江省海洋渔业从业人员的数量达到历年的最大值，较 2005 年的涨幅高达 33.49%;因此为排除因浙江省海洋渔业从业人员大量增长所带来的海洋渔业碳净排放量的影响，此处将模型中的变量选定为人均碳净排放量和人均产值。

　　为降低残差序列异方差性的影响，对变量作自然对数变换后设定模型为 lnct=β0+β1*(lnyt)+β2*(lnyt)²+Ɛt;式中，ct、yt分别为第 t 年的人均碳净排放量(吨/人)和人均产值(万元/人);Ɛt 为随机误差项;β0、β1、β2为待估参数。通过对模型的回归可以得出以下的结果：(图 3) lnct=-0.4494-2.0153*(lnyt)-0.6064*(lnyt)² 式(1)根据回归结果的显示：在此模型中，R²值为 0.9911，说明模型的拟合优度高;F 值为 784.54，说明方程的整体关系十分显著;其概率值 P 在 1%的水平下通过了显著性检验，表明此模型的整体显著性十分明显，模型具有非常好的回归效果。

　　通过方程可知，β2=-0.6064<0，表明浙江省海洋渔业人均碳净排放量与人均产值之间呈现倒“U” 型曲线关系，符合 EKC 假说，证明在浙江省海洋渔业的发展过程中，人均碳净排放量随着经济增长先会上升，在达到某一极值点时，碳净排放量会随着经济的增长而得到缓解。

　　5.时间序列模型的回归诊断

　　5.1 单位根检验

　　对于一个时间序列数据而言，数据的平稳性对于模型的构建是非常重要的。若不能保证时间序列是平稳的，那么传统的 T 检验可能会失效，也可能出现上述的浙江省海洋渔业人均碳净排放量序列与人均产值序列之间的假相关关系或者回归关系，造成模型结果的失真。因此，此处使用 ADF 检验分别对人均碳净排放量和人均产值进行时间序列的平稳性检验，分析这两个序列在实证分析中是否处于稳定状态，并以此判定模型构建的估计结果对本文是否有意义。

　　在时间序列的残差平稳性检验中，如果 ADF 统计量的值小于相应临界值，则表明序列具有平稳性。在经过一阶差分后，人均碳净排放序列 ADF 统计量值小于 1%水平下临界值的绝对值，即 -42.319<-3.750，表明一阶差分后，人均碳净排放序列通过平稳性检验。同理可知，人均产值序列经过一阶差分后，其 ADF 统计量的绝对值大于 1%水平下临界值的绝对值，即-15.810<-4.380，因此人均产值与人均碳净排放序列同属于一阶单整，序列处于长期均衡平稳状态。具体结果如下表所示(见表 3)。

　　5.2 协整检验

　　协整的思想就是把存在一阶单整的变量放在一起进行分析，通过这些变量进行线性组合，从而消除他们的随机趋势，得到其长期联动趋势。此处选用的是公认的 EG-ADF 两步法进行检验。结果分析如下：残差序列 ADF 统计量的值为-1.958，介于 1%水平的临界值-2.660 与 5%水平的临界值-1.950 之间，因此拒绝残差序列存在单位根的原假设，即可认为次残差序列是平稳的。因此定义可以认为人均碳净排放序列与人均产值序列之间存在协整关系，证明以上模型(式 1)的构建可行，回归效果好。

　　同时还可以得出人均碳净排放量(吨/人)与人均产值(万元/人)间的长期均衡关系为：

　　另外，模型中 F 统计量为 94.47，在 5%的水平下通过了显著性检验，证明模型的整体显著性明显，这反映了浙江省海洋渔业人均碳净排放量与人均产值之间处于长期平稳状态。通过模型设定和式(2)可知，β1=1.4194>0、β2=-0.1246<0，表明浙江省海洋渔业人均碳净排放与人均产值之间呈倒“U” 型曲线关系，符合 EKC 假说，证明浙江省海洋渔业生产中的人均碳净排放量随着经济增长会上升，在达到人均产值为 5.6958 万元/人这一极值点时，人均碳净排放会随着经济的增长而得到缓解。结合浙江省海洋渔业的发展状况可以发现，目前已处于倒“U”型的右侧，已越过极值点，开始进入“碳汇渔业”发展阶段。

　　5.3 格兰杰因果检验

　　通过对模型进行单位根与协整检验，证明时间序列模型构建有效，人均碳净排放与人均产值序列都是平稳序列，两者存在协整关系。然而上述的协整关系只是说明了浙江省海洋渔业人均碳净排放量与人均产值之间的长期联动关系，并未说明这两个序列之间的因果关系，因此就需要用到格兰杰因果关系检验。本文选取的是一阶滞后期数对浙江省海洋渔业人均碳净排放量与人均产值两个序列进行格兰杰因果检验，如表 5 所示。通过对原假设的设定，以及 P 值的大小比较来看，从这个检验结果可知，接受了原假设“cnet非 ytotal的 Granger 原因”，而拒绝原假设“ytotal非 cnet的 Granger 原因”，因此可以得出结论：在浙江省的海洋渔业生产中，经济增长是导致二氧化碳排放量上升的主要原因，但二氧化碳的增长并不能推动经济进步。

　　6.结论与建议

　　结合浙江省海洋渔业 2005—2019 年的人均碳净排放量和人均产值的数据来看，在过去一段时间中，浙江省以往的粗放型的海洋渔业发展模式，实现产值大幅度提升的同时，也给环境造成了一定的压力;但通过格兰杰因果检验的结果来看，由于排放量的增加并不能推动浙江省海洋渔业的经济进步，那也就说明浙江省想要在后期的海洋渔业的发展中，减少人均碳净排放量并不一定意味着要以牺牲人均产值为代价。如下为根据分析结果与结论提出的部分可行性建议。

　　(1) 海洋渔业捕捞低碳化方面，主要集中在对老旧的捕捞渔船的升级更新以及对太阳能和风能等新能源的利用。首先，加快对传统渔船的升级改造，调整海洋捕捞渔船的作业方式，提升捕捞船只的渔业捕捞技术;优化海洋捕捞结构，控制捕捞强度;其次，要及时装配、更新先进的捕捞设备，加大清洁能源的使用力度，尽可能使用风能、生物柴油等来替代柴油的使用，实现能源利用的低能耗。

　　(2) 在海水养殖方面继续大力发展碳汇渔业。海洋碳汇渔业主要包括贝类养殖、藻类养殖、浮游植物及放流增殖等。因此，可以在浙江省海洋渔业的发展过程中，开展多层次的综合养殖技术，在海域养殖容量范围内大力养殖固碳能力强、培育成本低且附加价值较高的贝藻类产品;优化海水贝藻类品种的养殖结构，直接增加海洋渔业的碳汇量。

　　(3)调整浙江省海洋渔业发展的产业结构。改变以养殖和捕捞第一产业为主的传统渔业经济模式，发展现代旅游休闲渔业、海洋生物制药业等第二、三产业。渔民可以在国家实施的乡村振兴战略的指导下，对传统渔港进行改造、升级，加快渔港经济区建设的进程;大力发展渔家特色休闲旅游业，开创渔船出海捕捞体验，增加近海渔业的娱乐性，加大吸引游客的力度，拉动经济增长。