徐谢亲 赵晟

摘要  为了解水产养殖业能源消耗和碳排放的现状及发展趋势，基于LEAP模型，构建浙江省LEAP水产养殖模型，分析基准情景、低碳情景和强化低碳情景下浙江省水产养殖业的能源消耗和碳排放趋势。结果表明，从能源消费来看，未来浙江省水产养殖业基准情景下能源消费总量呈现出增长趋势，且能源消费构成中主要以化石能源为主，煤炭始终为最主要的能源需求。减碳措施具有一定节能作用，其中强化低碳情景2035年较基准情景节能15.24%，约节能25.11×103 t；从终端能源消费结构来看，池塘养殖和饲料生产能耗较大，所有情景和年份中能源消耗量均超过了总能源消耗量的30%；从碳排放来看，浙江省水产养殖更偏向碳汇属性，减碳措施对于碳排放抑制具有一定作用；从减排贡献率来看，所考虑的减碳措施都能够降低CO2排放，其中能效提升、清洁能源发电推广等措施对于水产养殖碳减排起到关键作用，到2035年分别贡献20.9%、64.5%的碳减排量。

关键词  水产养殖；LEAP模型；碳排放；减排贡献

中图分类号  X714  文献标识码  A  文章编号  0517-6611（2024）09-0045-06

doi：10.3969/j.issn.0517-6611.2024.09.011

開放科学（资源服务）标识码（OSID）：

Study of Aquaculture Carbon Emissions in Zhejiang Province Based on the Long-range Energy Alternatives Planning System Model

XU Xie-qin， ZHAO Sheng

（Department of Marine Science and Technology， Zhejiang Ocean University， Zhoushan，Zhejiang 316022）

Abstract  In order to understand the current situation and development trend of energy consumption and carbon emission of aquaculture industry， based on LEAP model， constructed LEAP aquaculture model of Zhejiang Province and analyzed the trend of energy consumption and carbon emission of aquaculture industry in Zhejiang Province under baseline scenario， low carbon scenario and enhanced low carbon scenario. The results showed that in terms of energy consumption， the total energy consumption of the future aquaculture industry in Zhejiang Province under the baseline scenario showed an increasing trend， and the composition of energy consumption was mainly based on fossil energy， with coal always being the most dominant energy demand. Carbon reduction measures had a certain energy-saving effect， in which the enhanced low-carbon scenario 2035 was 15.24% more energy-efficient than the baseline scenario， saving approximately 25.11×103 t.In terms of final energy consumption structure， pond farming and feed production consumed the most energy， with energy consumption exceeding 30% of total energy consumption in all scenarios and years.From the perspective of carbon emissions， aquaculture in Zhejiang Province was more inclined to carbon sink attributes， and carbon reduction measures had a certain effect on carbon emission suppression.In terms of emission reduction contribution， the carbon reduction measures considered were able to reduce CO2 emissions， with energy efficiency improvement and clean energy generation promotion playing a key role in aquaculture carbon reduction， contributing 20.9% and 64.5% of carbon reduction by 2035.

Key words  Aquaculture;LEAP model;Carbon emissions;Contribution of emission reduction

基金项目  科技部国家重点研发计划蓝色粮仓科技创新专项（2019-YFD0901204-04）；浙江省属高校基本科研业务费（2021-JD006）；浙江省重点研发计划项目（2019C02056）。

作者简介  徐谢亲（1998—），女，江西景德镇人，硕士研究生，研究方向：海洋生态与渔业碳排放。*通信作者，教授，博士，硕士生导师，从事海洋生态学研究。

收稿日期  2023-07-01

第一次工业革命以来，由于人类大量使用化石燃料，导致CO2累积排放，使得大气中温室气体浓度显著增加，加剧了全球气候变化［1］。农业生产是全球碳排放的第二大重要来源［2］，渔业作为农业的重要组成部分之一，对化石燃料具有高度的依赖性，其碳排放量接近农业碳排放的1/3［3］。因此，实现渔业碳减排是应对农业低碳发展的重要内容。2019年国家发布的《关于加快推进水产养殖业绿色发展的意见》也强调了未来一段时期要加强渔业资源和生态环境保护，推进水产养殖绿色发展，实现渔业低碳可持续发展目标。

目前我国关于水产养殖能源消耗和碳排放评估的研究不多。2007年，徐皓等［4］对我国渔业生产中的渔船捕捞、养殖、水产品加工等环节中的能源消耗量进行了测算，研究结果表明，养殖业的能耗并不低，占渔业能耗的近20%，能耗水平为0.24万t（标煤）/万元产值，是农业平均值的1.26倍。2010年，刘晃等［5］通过调查157家养殖企业，以淡水池塘养殖、海水高位池养殖和工厂化养殖的CO2排放量估算我国水产养殖的CO2排放总量，测算表明，我国水产养殖的CO2排放总量为988.6万t。2012年，金书秦等［6］核算了我国水产养殖业直接能耗和碳排放；2021年，李晨等［7］基于投入产出模型核算了水产养殖业与捕捞业的碳排放。

已有的研究主要分为2种：一是测算养殖设备消耗能源而产生的直接碳排放；二是测算了直接和间接碳排放。由于水产养殖具有碳源和碳汇双重属性，一方面在水生生物生长代谢和人类生产活动中排放碳，另一方面水生生物通过吸收和利用水体中的碳元素形成碳汇［8］，因此将水产养殖过程中的碳排放分为3部分：一是直接碳排放，养殖过程中为了给机械提供动力以及养殖渔船耗油直接消耗能源产生的碳排放；二是间接碳排放，养殖过程中使用的物资，如饲料，其加工过程中产生的碳排放并不直接发生在养殖过程中；三是非能源相关的碳排放，即贝藻类碳汇。通过结合碳源和碳汇双重属性，综合评估水产养殖整体碳排放情况，并进行情景分析。

LEAP模型（long-range energy alternatives planning system，长期能源替代规划系统模型），由瑞典斯德哥尔摩环境研究所开发，结构灵活，广泛用于不同尺度的能源、环境模拟评价［9］，可充分反映终端消费、能源转换以及非能源相关（如森林碳汇、贝藻类碳汇等）的碳排放。水产养殖业中既有能源消耗产生的碳排放，也有非能源相关的碳排放，LEAP模型可根据水产养殖业的特点以及数据的可获得性灵活调整框架，更全面地评估水产养殖中的实际碳排放。该研究选取浙江省水产养殖作为研究对象，基于LEAP模型，通过构建能源消耗碳排放和非能源相关碳排放测算模型，对浙江省水产养殖整体碳排放进行研究，并对未来各种减碳措施下碳排放趋势进行预测，对全面把握水产养殖业碳排放情况、促进渔业及农业低碳化发展具有重要意义。

1  资料与方法

1.1  LEAP模型架构

根据LEAP模型的特点以及数据的可获得性，建立浙江省LEAP水产养殖模型，以2020年为基准年，2021—2030年为预测期，采用情景分析的方法，计算浙江省水产养殖能源消耗和碳排放量，并分析未来技术、经济发展变化下浙江省渔业养殖部门节能减排潜力。其中，能源需求预测值由终端活动水平及其能耗强度决定，碳排放量预测由非能源相关的碳排放、终端直接能源消耗量及能源转换部门的间接能源消耗量，结合对应能源的碳排放因子决定。LEAP模型技术路线如图1所示。

1.2  计算方法

1.2.1  能源消耗计算。

（1）終端能源需求量。指一定时期内生产和生活消费的各种能源在扣除了用于加工转换二次能源消费量和损失量以后的数量［10］。根据各终端部门的活动水平（如交通部门的行驶公里数、养殖部门的养殖产量等）与活动水平对应的能源强度，计算各终端能源需求量，测算公式如下：

EC=（KEij×FEij）（1）

式中：EC为终端能源需求量（t，以标煤计，下同）；KE为终端应用活动水平；FE为该活动水平下的能源强度；i为终端应用部门；j为能源类型。

（2）输配电损失量。指在能源输送与分配过程中损失的能量，计算公式如下：

EO=ECjλi×（1-λj）（2）

式中：EO为输送过程中输配电损失总量（t）；ECj为j种能源的终端需求量（t）；λj为j种能源的输送效率（%）。

（3）发电损失量。电力为需要转换的二次能源，其在能源转换过程中因加工转换而损失的能量可表示为：

ET=ECj+EOjμj×（1-μj）（3）

式中：ET为发电损失的总能量（t）；μj为j种能源的转换效率（%）。

（4）能源总需求量。指终端需求量与损失量之和，计算公式如下：

E=EC+EO+ET（4）

式中，E为能源总需求量（t）。

1.2.2  CO2排放量计算。

（1）能源消耗产生的碳排放。能源消耗产生的碳排放计算参考联合国政府间气候变化专门委员会（IPCC）发布的《国家温室气体清单指南》中的方法2，即根据化石能源的消费数量及特定的排放因子进行碳排放量的核算。对于化石燃料而言，排放因子基本不变［11］，采用IPCC国际标准［12］，燃料转换系数采用我国《综合能耗计算通则》（GB/T 2589—2020）。能源消耗产生的碳排放可表示为：

CE=（Eij×EFj）（5）

式中：CE为CO2排放量［t，以当量计，下同］；Eij为i部门j能源的消费量（t）；EFj为对应能源j的碳排放系数（t/t，以当量计）。

（2）非能源相关的碳排放。水产养殖中非能源相关的碳排放主要指贝藻类养殖中的碳汇。贝藻类养殖碳汇的估算方法已有相关研究报道［13］，通过养殖的渔获量来计算碳汇。计算公式如下：

Cb=Rst×Wcst×a+Rs×Wcs×a×β（6）

Cw=Wcw×b×β（7）

式中：Cb为贝类碳吸收量（t）；Cw为藻类碳吸收量（t）；Rst和Rs分别为软体组织干质量和贝壳干质量在贝类总质量中的比例（%）；Wcst、Wcs和Wcw分别为软体组织碳含量、贝壳碳含量和藻体碳含量（%）；a、b分别为贝类产量和藻类产量（t）；β为转换系数，取3.67。主要贝藻类养殖品种碳汇核算系数参考叶旺旺等［14］的研究（表1），其他贝类的固碳系数取平均值。

1.3  数据来源与处理

能源历史消费数据以及水产养殖产品产量数据主要来源于《浙江省统计年鉴》《中国渔业统计年鉴》《浙江省能源平衡表》。该研究水产养殖中的碳排放系统边界主要包含网箱养殖中养殖渔船油耗、池塘养殖和工厂化养殖设备电耗、饲料生产电耗中产生的碳排放以及贝藻类养殖中吸收的碳。浙江省目前的养殖方式有池塘养殖、网箱养殖、筏式养殖、吊笼养殖、底播养殖、工厂化养殖，由于筏式、吊笼和底播养殖过程中几乎不使用机械设备，因此只将池塘养殖、网箱养殖和工厂化养殖中的油耗和电耗纳入碳排放考虑之中。

1.4  情景设置

情景分析是一种较为直观的定性，且能够定量预测的分析方法。为了研究不同的节能减排措施对浙江省水产养殖能源消耗和温室气体排放的影响，该研究从能源利用效率、能源结构等影响温室气体排放的主要因素出发，构建基准情景、低碳情景和强化低碳情景，对浙江省2021—2030年水产养殖能耗和碳排放进行评估，情景设置参数主要参考浙江省发布的能源相关政策规划文件，如《浙江省能源发展“十四五”规划》《浙江省应对气候变化“十四五”规划》《浙江省“十四五” 节能减排综合工作方案》，以及参考陈宇光［15］、吴琼等［16］的研究。具体设置如表2所示，基准情景、低碳情景和强化低碳情景的差异性主要是通过表2所示的减碳措施的实施强度差别进行量化区分，减碳措施包括能效提升、饲料利用率提高、能源输送效率提升、清洁能源发电推广和清洁渔船推广，其中，能效提升的主要参数为能源强度下降率，饲料利用率提高的主要参数为饲料损失率，能源输送效率提升的主要参数为输电损失率，清洁能源发电推广的主要参数为水电、风电、核电、光伏装机容量，清洁渔船推广的主要参数为LNG渔船占比。基准情景作为参照，验证不同减碳措施的减排效果。

1.4.1  基准情景。基准情景的核心假设就是情景时间内浙江省渔业部门延续当前的节能减排措施，各部门能源强度在基准年水平上小幅降低，能源消耗结构变化较小。

1.4.2  低碳情景。根据对未来技术进步和节能政策加强的分析，低碳情景中各部门能源效率有所提高，能源损失率下降，清洁能源比例提高，能源结构进一步优化。

1.4.3  强化低碳情景。在低碳情景的基础上，进一步发掘各部门减碳潜力，能源效率进一步提高，能源损失率进一步下降，清洁能源使用比例进一步扩大。

2  结果与分析

2.1  不同情景下的能源消耗预测分析

从2020—2035年浙江省水产养殖3种情景下的能源消耗总量预测情况（图2）可以看出，基准情景下的能源消费总量呈现出增长趋势；由于减碳措施的实施，低碳情景和强化低碳情景能源消费总量呈现出先下降后缓慢上升的趋势。基准情景中，能源消费量从基准年2020年的148.15×103 t增长至2035年的164.75×103 t，约为基准年的1.11倍。低碳情景中，由于节能措施的加强，能源消耗逐渐下降，2035年能源消费总量为145.93×103 t，约为基准年的0.99倍。相比于基準情景和低碳情景，强化低碳情景下进一步强化提升了节能措施，节能力度更大，能源消耗量下降更多，2035年为139.64×103 t，约为基准年的0.94倍，较基准情景中同年份节能15.24%，降幅为25.11×103 t。

为进一步研究浙江省水产养殖业未来一定时期内能源结构演化特征，利用LEAP模型提取出不同类型的一次能源消费量。图3为3种情景下典型年份的一次能源构成。3种情景下能源消费均以化石能源为主，其中煤炭始终为最主要的能源需求。基准情景中，柴油占比将从基准年的3.88%小幅下降至2035年的3.78%，煤炭占比将从基准年的84.67%下降至84.59%，清洁能源（包含风能、光能、水能、核能、天然气）占比将从基准年的11.45%缓慢增长至11.63%。低碳情景中一次能源结构较基准情景得到优化，清洁能源占比提高，到2035年，柴油占比小幅下降至3.36%，煤炭占比下降至82.53%，清洁能源占比增长至14.11%。强化低碳情景中，清洁能源占比进一步提高，柴油占比从基准年的3.88%下降至2035年的1.82%，煤炭占比从84.67%下降至82.16%，清洁能源占比从基准年的11.45%持续增长至2035年的16.02%。

图4为不同情景下各终端能源消费结构。基准情景中，2020年池塘养殖能耗占比最大，达42%，其次为饲料生产能耗，为38%，网箱养殖能耗最少，占比9%，到2035年，池塘养殖和饲料生产能源消费占比持平。低碳情景和强化低碳情景中，池塘养殖和饲料生产的能源消耗占比均超过了30%，达到40%左右。所有情景中，池塘养殖和饲料生产均为主要的能源消耗部分。网箱养殖和工厂化养殖由于规模小于池塘养殖，水产品产量也低于池塘养殖，因此能源消耗占比也较小。

2.2  不同情景下的碳排放预测分析

随着能源消耗量的变化，浙江省水产养殖中CO2的排放量也在逐年变化。以100年全球变暖潜能来衡量CO2排放，图5为3种情景下2020—2035年的碳排放趋势。结果表明，3种情景下碳排放量均为负值，即浙江省水产养殖中能源消耗产生的碳排放量小于养殖中贝藻类吸收的碳量，浙江省水产养殖总体是吸收CO2，水产养殖业不仅实现了碳中和，而且更偏向碳汇属性。基准情景中，碳排放量从2020年的-139.39×103 t下降至2035年的-166.43×103 t，约为基准年的1.19倍。低碳情景中，到2035年，碳排放量下降至-210.67×103 t，约为基准年的1.51倍。强化低碳情景中，到2035年，碳排放量下降至-236.72×103 t，为基准年的1.70倍，减碳措施对于碳排放抑制具有一定作用。

为进一步探讨浙江省水产养殖中长期碳排放结构演化特征，提取出水产养殖中各部分的碳排放数据。图6显示了3种情景下的碳排放构成。由图6可知，贝藻类的碳排放为负数，即吸收碳，工厂化养殖、池塘养殖、普通渔船、LNG渔船、饲料的碳排放为正数，即排放碳，且养殖设备耗用电力是水产养殖业最主要的碳排放来源。所有情景中吸收的碳都能够完全中和排放的碳，总体是向外界吸收碳。碳吸收中，蛏吸收的CO2最多，基准情景中由2020年吸收133.78×103 t上升至2035年吸收151.66×103 t，低碳情景中2035年吸收153.93×103 t，强化低碳情景中2035年吸收156.24×103 t；其次为贻贝，3个情景中2035年分别吸收106.98×103、108.59×103、110.21×103 t；最少的是其他贝类和扇贝，藻类中海带和紫菜碳吸收量分别为第7和第3。碳排放为正数时，3个情景中池塘养殖和饲料生产碳排放占比均较大，最少的是LNG渔船碳排放。

2.3  不同减碳措施的减排贡献率分析

与基准情景相比，强化低碳情景下浙江省水产养殖不同减碳措施的减排贡献率如图7所示。综合来看，能效提升和推广清洁能源发电等措施对于水产养殖减碳意义重大。2025年，清洁能源发电推广的贡献度最高，约减排53.61×103 t，可達到2025年总减排量的73.9%；其次是能效提升，约减排12.37×103 t，减排贡献

率为17.1%；饲料利用率提高、能源输送效率提升的减排贡献率分别为4.8%、4.1%；清洁渔船推广减排贡献率较小，为0.1%。到2030年，能效提升的减排贡献率上升为21.2%，减排16.7×103 t；清洁能源发电推广的贡献率有所下降，下降至68.1%，约减排53.8×103 t；能源输送效率提升、饲料利用率提高和清洁渔船推广的减排贡献率较小，分别为3.7%、6.2%和0.8%。到2035年时，能效提升的减排贡献率小幅下降，为20.9%，约减排17.4×103 t；清洁能源发电推广的减排贡献度虽然小幅下降至64.5%，但是仍为减排的主要推动力；能源输送效率提升和饲料利用率提高的减排贡献率分别为5.7%和7.9%；清洁渔船推广的减排贡献率最小，为1.0%，约减排813.05 t。

3  结论

（1）未来浙江省水产养殖业基准情景中能源消费总量呈现出增长趋势，且能源消费构成中主要以化石能源为主，其中煤炭始终为最主要的能源需求，占比达84.59%。与基准情景相比，低碳情景和强化低碳情景中各项减碳措施具有一定节能作用，强化低碳情景2035年较基准情景中同年份节能15.24%，约节能25.11×103 t。

（2）从终端能源消费结构来看，池塘养殖和饲料生产能耗较大，所有情景和年份中能源消耗量均超过了总能源消耗量的30%，是水产养殖中的能源消耗主力军。

（3）从碳排放来看，浙江省水产养殖中能源消耗产生的碳排放量小于养殖中贝藻类吸收的碳量，总体偏向碳汇属性。减碳措施对于碳排放抑制具有一定作用。

（4）强化低碳情景下的各项减碳措施中，所考虑的减碳措施都能够降低CO2排放，其中能效提升、清洁能源发电推广等措施对于水产养殖碳减排起到关键作用，到2035年分别贡献20.9%、64.5%的碳减排量，清洁渔船推广的减排贡献率最小（1.0%），约减排813.05 t。

参考文献

［1］ 耿涌，董会娟，郗凤明，等.应对气候变化的碳足迹研究综述［J］.中国人口·资源与环境，2010，20（10）：6-12.

［2］ FEDERICI S，TUBIELLO F N，SALVATORE M，et al.New estimates of CO2 forest emissions and removals：1990-2015［J］.Forest ecology and management，2015，352：89-98.

［3］ 李晨，冯伟，邵桂兰.中国省域渔业全要素碳排放效率时空分异［J］.经济地理，2018，38（5）：179-187.

［4］ 徐皓，刘晃，张建华，等.我国渔业能源消耗测算［J］.中国水产，2007（11）：74-76，78.

［5］ 刘晃，车轩.中国水产养殖二氧化碳排放量估算的初步研究［J］.南方水产，2010，6（4）：77-80.

［6］ 金书秦，陈洁.我国水产养殖的直接能耗及碳排放研究［J］.中国渔业经济，2012，30（1）：73-82.

［7］ 李晨，李昊玉，孔海峥，等.中国渔业生产系统隐含碳排放结构特征及驱动因素分解［J］.资源科学，2021，43（6）：1166-1177.

［8］ 李雪，刘子飞，赵明军，等.我国水产养殖与捕捞业“双碳”目标及实现路径［J］.中国农业科技导报，2022，24（11）：13-26.

［9］ KIANI A.Electric vehicle market penetration impact on transport-energy-greenhouse gas emissions nexus：A case study of United Arab Emirates［J］.Journal of cleaner production，2017，168：386-398.

［10］ 刘固望.部门终端能源消费模型及其应用：以工业部门和交通部门为例［D］.北京：中国地质大学（北京），2016.

［11］ 段蒙，项定先，卢腾飞，等.武汉市钢铁行业碳减排潜力及成本分析［J］.中国人口·资源与环境，2016，26（S1）：41-44.

［12］ IPCC.IPCC-intergovernmental panel on climate change［R］.2019.

［13］ 于佐安，谢玺，朱守维，等.辽宁省海水养殖贝藻类碳汇能力评估［J］.大连海洋大学学报，2020，35（3）：382-386.

［14］ 叶旺旺，张麋鸣，孙恒，等.贝藻类养殖碳汇核算与综合温室潜力评估研究进展［J］.应用海洋学学报，2022，41（4）：715-723.

［15］ 陈宇光.基于LEAP模型的浙江省能源消费和碳达峰路径规划研究［J］.湖州师范学院学报，2022，44（5）：8-16.

［16］ 吴琼，马昊，任洪波，等.基于LEAP模型的临港新片区中长期碳排放预测及减排潜力分析［J］.环境科学，2024，45（2）：721-731.