海水养殖贝藻类碳汇效率的区域比较研究

1

1

1，2

（1.中国海洋大学经济学院，山东青岛266100；2.中国海洋大学海洋发展研究院，山东青岛266100）摘要：论文借助数据包络分析法，选取辽宁省、山东省、浙江省、福建省、广东省为考察对象，将各省海水养殖贝藻类总产量、从业人口数量、育苗量、养殖面积设定为投入指标，将各省海水养殖贝藻类固碳总量设定为产出指标，结合2003-2015年数据，对上述五省海水养殖贝藻类碳汇效率进行测度和分析。实证结果表明:五省海水养殖贝藻类碳汇效率发展不平衡。其中，广东省（0.996)、山东省（0.975）、福建省（0.972）较高，辽宁省（0.912）稍低，浙江省（0.760）最低，均未实现DEA有效。基于分析，论文从投入角度对五省分别提出优化建议，以期为五省更好地发挥海水养殖贝藻类的碳汇功能提供理论依据。关键词：海水养殖贝藻类；碳汇效率；数据包络分析法；影响因素中图分类号：F326.407文献标识码：A文章编号：1009-(2019)02-0035-09在应对温室效应这一全球性问题上，海水养殖贝藻类作为主要碳汇载体，其强大的碳汇功能引起了大家的广泛关注。当前针对海水养殖贝藻类碳汇的研究基本上集中在碳汇的强度、潜力及相关发展对策上，针对其碳汇效率的研究还无人涉及。海水养殖贝藻类碳汇效率的主要理念是使单位面积的海水养殖贝藻类能够产生最大的碳汇量。本文借助数据包络分析法（DataEnvelopmentAnalysis，DEA）对区域海水养殖贝藻类碳汇效率进行测度，对改善区域间碳汇效率不平衡，逐步提高区域碳汇效率，从而提升中国海洋生态状况，进一步增加固碳量，不断扩大中国未来的排碳权空间等具有重大意义。一、引言在全球气候变暖的背景下，中国沿海省份的海洋渔业整体上处于碳赤字状态。而周晨昊等进一步强调，伴随着沿海地区经济发展与资源环境的矛盾日益加深，沿海蓝碳生态系统功能降低、固碳能力逐渐变弱。因此如何提高海洋碳汇效率这一问题就变得愈发重要。在低碳发展的号召下，国内外学者正在不断完善碳汇有关方面的研究，其中针对海水养殖贝藻类碳汇的研究主要体现为以下三个方面：一是针对碳汇强度的探究。通过修正的Laspeyres指数分解法可以发现，海水养殖贝类具有巨大碳汇能力。滤食性贝类能够降低水体中悬浮颗收稿日期：2018-03-25作者简介：邵桂兰(1963-)，教授，博士生导师，主要研究方向：渔业经济与水产品贸易,E-mail：shaoguilan@126.com；刘新(1995-)，在读硕士研究生，E-mail：liuxinoucjm@163.com；通讯作者：李晨(1982-)，中国海洋大学经济学院副教授，中国海洋大学海洋发展研究院副研究员，主要研究方向：渔业与水产品贸易，E-mail：phdlichen@126.com。论文说明：本文系国家社科基金一般项目（11BJY0）、山东省社会科学规划研究项目重大理论与实践问题研究专项（18CSJJ01）和山东省自然科学基金青年基金项目（ZR2016GQ05）相关研究成果。感谢本文匿名审稿人的宝贵建议，文责作者自负。35[3]

[2]

[1]

邵桂兰等：区域海水养殖贝藻类碳汇效率的实证研究粒物的浓度,通过摄食海水中的颗粒有机碳，有效降低了海水CO2分压[10]

[11]

[12]

[4][5-9]

，同时通过促进海底[13-14]

植物生长，进一步增加固碳量。严立文等对2009年主要养殖海藻的固碳量进行了估算，数值高达127.25万吨，可见藻类的碳汇能力也不容小觑。二是对其碳汇潜力的探究。岳冬冬预测在海带积极型的情景模式下，中国海藻养殖在2020年可实现118.9万吨的碳汇总量。而中国海水养殖贝类每年平均形成约92.9万吨的碳汇量，贝类产量每增加1个单位，可相应增加0.0922个单位的碳汇量。S.B.Alpert等人发现若养殖成本为300$t-1C·a-1，则架区域的大型藻类可实现全世界海洋每年平均35％的固碳总量。若以10欧元每吨的年均市场价进行估算，中国碳汇渔业每年由减排CO2而产生的经济价值约为23×106欧元。预计到2050年，中国海水养殖可实现400多万吨的碳汇总量，其中贝类固碳量为18×105吨，藻类固碳量为23.5×105吨。权伟等同样强调了大型藻类养殖所具有的巨大经济效益和生态效益。三是针对其发展路径和相关对策的研究。首先，要提高海水养殖藻类的碳汇量，须要扩大海藻的养殖产量，要充分调动渔民的养殖积极性。其次，可以实行海洋生态系统立体化的养殖模式，通过实现对海洋生态系统中种群结构的优化，结合对不同种群间相互作用的充分利用，提升碳汇效率，最终达到环境效益和经济效益双赢的效果。另外，可借助海洋牧场的建设来提高碳汇效率。但不管实行哪种模式，都需要加强贝藻类养殖技术、设备的研究，科学规避贝藻类养殖风险，同时采用科学的方法，扩大贝藻品种增殖放流比例。现有的研究主要集中在碳汇量的估计及评价方面，而对以“量”为基础的“质”即“碳汇效率”的探究还仅仅局限于林业、农业等方面，且对相关碳汇效率的研究中均采用DEA方法进行分析，而对于海水养殖贝藻类碳汇效率的相关研究还未展开。碳汇效率不仅反映了海水养殖贝藻类碳汇相对变化数量，同时衡量了这种相对变化背后海水养殖贝藻类利用方式的合理性。基于这样的思想，本文采用数据包络分析方法，以辽宁省、山东省、浙江省、福建省、广东省五省为考察对象，构建海水养殖贝藻类碳汇效率测度模型，采用2003-2015年的数据，对上述五省相关碳汇效率进行测度和分析。二、投入产出模型构建（一）基本原理与方法DEA是一种评价相对有效性的方法，以多个投入与产出为基础，不依赖于指定的生产函数形式，可用于对关系较庞杂的决策单位（decisionmakingunit，DMU）效率的评价。假设DMU的个数为n；投入用Xih表示，即第h个DMU的第i个投入要素；产出用Yjh表示，即第h个DMU的第[20]

[19]

[18]

[16]

[17]

[15]

j个产出；用Maxθh代表第h个DMU效率θh的最大值；Ω代表加在i种投入上的权重；Ψ代表加在j种产出上的权重；代表非阿基米德无穷小量。那么第h个DMU的效率值可以用下式来表示：Maxh

Y

j1si1

i

s

jjh

X

S.T.

ih

Y

j1sj1

i

s

jjk

X

1,k,k1,2,,s(1)ih

j0,j,j1,2,,si0,i,i1,2,,m

其对偶模式表示为:362019年第2期第37卷ms

MinhSiSj

j1i1

S.T.hXihPkXikSi

k1n

（2）PY

k1

k

n

jh

YjhSj

Pk0,k1,2,,nSi0,i1,2,,mSj0,i1,2,,s

λhSi-Sj其中作为乘数，Pk表示权重，代表引入的松弛变量，代表剩余变量。DEA模型的使用具有一定的适用范围。首先，选择的决策单位要与DEA保持同质，即具有相同的目标、外部环境、投入产出类别；其次，决策单位（DMU）的数量需要满足：DMU个数≥2×投入指标个数×产出指标个数；再者，对于该模型指标的选取，还不存在一个统一的标准，对其结果的客观性评价有待完善。本文投入产出指标的选取是基于已有文献的总结及海水养殖贝藻类投入和产出的特征，具有一定的合理性。(二)数据来源与处理1.样本与指标选择沿海各省、市、自治区拥有相异的气候条件、经济发展水平，且处于不同的地理位置，在海水贝藻类养殖的发展上也展示出相异的特征，因此，在海水养殖贝藻类的碳汇量上也有所差异，其中辽宁省、浙江省、山东省、福建省、广东省的碳汇量比较突出，故选取这五省为考察对象。以五省2003-2015年的数据为基础，同质的决策单位为65个。参照《中国渔业统计年鉴》，对相关变量定义见表1。表1指标类型海水养殖贝藻类碳汇效率测度的投入指标与产出指标指标名称指标说明指人工投放苗种或天然纳苗并进行人工饲养管理的海水养殖水域中捕捞的贝、藻类产量。藻类按干重计量，贝类按捕捞起水时鲜品实重（原始重量）计量。指渔业乡、渔业村中从事贝藻类海水养殖的人口数量。指由贝、藻类苗种孵化或育成的单位归属统计。指利用天然海水用于养殖贝藻类的水面面积，包括海上养殖、滩涂养殖、其他养殖。指海水养殖贝藻类吸收并储存二氧化碳的总量。37海水养殖贝藻类总产量/t投入指标海水养殖贝藻类从业人口数量海水养殖贝藻类育苗量/株×108海水养殖贝藻类养殖面积/hm2产出指标海水养殖贝藻类固碳总量/t邵桂兰等：区域海水养殖贝藻类碳汇效率的实证研究2．数据来源投入、产出指标的相关数据均来自于《中国渔业统计年鉴》。其中，海水养殖贝类固碳量的具体计算方法采用岳冬冬等]提出的“碳综合系数法”，即综合了海水养殖贝类的干湿重转换系数、贝壳和软组织质量比重以及贝壳和软组织碳含量参数估算海水贝类养殖碳汇量。其中取牡蛎的碳综合系数为0.0958、蛤的碳综合系数为0.00、扇贝的碳综合系数为0.1017，贻贝的碳综合系数为0.1093、其他品种的碳综合系数为0.0972。而针对海水养殖藻类固碳量的具体计算方法参照权伟等对中国及浙江近海养殖海藻碳汇量的计算方法，即根据《中国渔业统计年鉴》所统计的海水养殖海藻的产量，利用海带干重中C的平均含量31.2%；江蓠中C的质量分数为20.6%-28.4%，取为24.5%；其他种类海藻(紫菜等)则采用多种海藻C含量的平均值为27.39%的标准来估算固碳量。数据修正过程：（1）在计算海水养殖贝藻类总育苗量时，贝类育苗量直接使用《中国渔业统计年鉴》中的数据，而藻类中仅海带及紫菜数据齐全。考虑到缺失类别所占比重较小，故以海带、紫菜的育苗量之和代替藻类总育苗量。（2）育苗量汇总方法：海带单位为亿株；紫菜单位为亿贝壳；贝类单位为万粒。因此在使用育苗量数值时，将海带、紫菜、贝类育苗量换算成亿为单位直接加总求和。（3）计算藻类固碳量是以海带、江蓠、其他种类的干重为基础，但这部分数据不全。以辽宁省为例，2003-2015年的江蓠产量均无法获得，依照《中国渔业统计年鉴》的编辑说明，各表中的“空格”表示该项指标数据不足本表最小单位、数据不详或无该数据。因此，直接默认江蓠产量为0。（4）缺少浙江省2012年海水养殖贝类总产量值。在本文中，借助了加总求和的方法，近似估计了浙江省2012年海水养殖贝类产量值。即海水养殖贝类主要包含牡蛎、鲍、螺、贻贝、扇贝、蛤、蛏、蚶、江珧9种类别，以这9种类别的产量近似作为浙江省2012年海水养殖贝类总产量值。（5）因统计数据缺乏，且养殖专业人员在渔业从业人口中所占比重较大，故将渔业从业人口数量作为海水养殖贝藻类从业人口数量的替代指标。三、实证分析本文利用Deap2.1软件计算出五省的海水养殖贝藻类碳汇效率（见表2）。依据平均碳汇效率值，采用降序原则，对五省排序如下：广东省（0.996)、山东省（0.975）、福建省（0.972）、辽宁省（0.912）、浙江省（0.760）。其中辽宁省、浙江省的平均碳汇效率值低于整体平均值（0.923）。表2单位福建省年份20032004200520062007200820092010201120120.972五省2003-2015年海水养殖贝藻类碳汇效率指数产量冗余值S/t1[1

[21]

平均碳碳汇效固碳量不汇效率S/t足值率//*

从业人口数量冗育苗量冗余值养殖面积冗余值S20.00012626.60.00024035.094276521.951283029.883250255.9031794.136154211.155125946.436S3/株×108余值S4/hm21.0000.9901.0000.9570.9530.9300.9370.9510.9540.9810.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.00029436.4920.000117579.80.0000.0000.0000.0000.0000.0000.0000.0000.0001459.8012626.5392595.60022.0391543.0991401.1230.0000.0000.0000.0000.0001770.2277422.5978443.7418377.9534601.106382019年第2期第37卷201320142015广东省2003200420052006200720082009201020112012201320142015辽宁省2003200420052006200720082009201020112012201320142015山东省20032004200520062007200820092010201120122013201420150.9750.9120.9960.9910.9871.0001.0001.0000.9991.0001.0000.9840.9941.0001.0000.9820.9951.0001.0001.0001.0000.9871.0000.9150.8630.8600.8290.8710.8610.8470.9170.9080.9611.0000.9800.9971.0000.9490.9691.0000.9230.9490.9511.0001.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0005505.60.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.000113413.529102122.1120.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.000872.78742134.3770.0000.0000.0000.0000.0000.000739.30535807.2580.0000.00014351.5280.0000.0000.0000.0000.0000.0000.0000.00086263.436108342.68371361.04688115.83459950.05037905.60.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.000523.1034485.9280.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0001.2000.00069.8680.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0004877.0773424.9350.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.00013856.8000.0000.00020697.266122295.332179949.127208416.2962127.086290415.212323901.214302887.9050.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.00039邵桂兰等：区域海水养殖贝藻类碳汇效率的实证研究浙江省20032004200520062007200820092010201120122013201420150.7600.7160.7230.7830.7990.8240.7800.7910.7510.7420.7500.7410.7390.7430.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.0000.000192432.029143254.312132370.399129049.92594877.227128527.569143700.508139993.447119404.424125395.269108454.612101235.656774.600125.170849.7300.0000.0000.0000.0000.0000.000131.787531.044345.398792.760132.65432492.51032487.3580.0000.0000.0000.0000.00015173.69023921.52723555.28821278.44919412.98518633.663从投入角度对影响五省海水养殖贝藻类碳汇效率的因素进行分析，首先建立模型如下：TEi=0+1Ii2Pi3Si4Aii,i1,2,3,4,5

式中，TEi为第i个DMU的碳汇效率；Ii为第i个DMU的海水养殖贝藻类总产量；Pi为第i个DMU的海水养殖贝藻类从业人口数量；Si为第i个DMU的贝藻类育苗量；Ai为第i个DMU的贝藻类殖面积；i为回归模型误差项；1为广东省、2为辽宁省、3为山东省、4为浙江省、5为福建省。运用Eviews软件得出的结果见表3。其中拟合优度为0.983613，说明选择的解释变量对被解释变量的联合解释能力很强。从投入角度分析影响五省海水养殖贝藻类碳汇效率的因素，其中，广东省海水养殖贝藻类碳汇效率最高，但从其投入角度来看，可能是各种影响作用相互抵消，从而造成最终结果不显著,广东省海洋产业转型比较早，较高的碳汇效率主要得益于早期资金和技术的大量投入；山东省次之，海水养殖贝藻类总产量、贝藻类育苗量、贝藻类养殖面积对其相关碳汇效率产生的影响均比较显著；福建省较高，只有贝藻类育苗量对其影响较显著；辽宁省稍低，四项投入指标对其影响均很显著；浙江省最低，只有贝藻类育苗量对其影响较显著。表3变量I1[22]

五省海水养殖贝藻类碳汇效率的影响因素分析变量S1估计7.14×10-8*（4.09×10-8）3.47×10-8（5.69×10-8）2.48×10-7***（4.46×10-8）2.01×10-7***（3.76×10-8）4.31×10-8（1.15×10-7）-2.33×10-8（1.96×10-7）-1.09×10-7估计-6.16×10-6**（2.41×10-6）-4.52×10-5（0.11×10-4）-0.11×10-4***（2.21×10-5）-4.04×10-5***（9.77×10-6）-3.27×10-5***（6.40×10-6）-4.20×10-8（9.07×10-7）-4.10×10-840I2S2I3S3I4S4I5S5P1P2A1A22019年第2期第37卷（2.03×10-7）P3（3.98×10-7）A3-4.98×10-7***（1.42×10-7）-1.39×10-7（8.52×10-8）-1.20×10-7（1.38×10-7）-5.52×10-7***（1.08×10-7）-1.34×10-6***（2.49×10-7）-8.47×10-7（5.11×10-7）P4A4P5A5说明：括号中为Newey-West标准差，***、**、*分别表示在1%、5%、10%水平上显著。四、结论与对策（一）结论1.本文借助DEA模型，对辽宁省、山东省、浙江省、福建省、广东省的海水养殖贝藻类碳汇效率进行测度及结果表明，在2003-2015年期间，五省均不存在产出不足的现象，但在不同投入指标上存在不同程度的冗余，就其平均碳汇效率而言，均未实现DEA有效。其中平均碳汇效率值最低的是浙江省，为0.760。2.从投入角度来看，除辽宁省外，育苗量对相关碳汇效率的影响均很显著，且呈负相关，因此应注重对育苗量的控制。（二）对策基于上述结果，结合近年的发展现状，对五省分别提出以下针对性对策：1.广东省：海水养殖贝藻类碳汇效率最高，除2005年产量冗余值为非0值，2008年、2009年和2012年从业人口数量冗余值较大且呈下降趋势外，其余投入指标均不存在冗余值。广东省拥有全国最长的海岸线，海水养殖产业发达，其中滤食性贝类和大型藻类是广东省海水养殖的主体。但近年来，广东省经济的发展加剧了海洋污染程度，超出了海洋生态环境的承载能力，大量化肥的使用使得海洋富营养化指数持续走高。因此，为提高广东省海水养殖贝藻类碳汇效率，应注重推广生态养殖模式，强化海洋污染治理，同时应打造海水养殖贝藻类碳汇发展的科学体系，加大对其重要水域中C元素吸收积累过程的探究，深入了解C元素的转移规律，为碳汇发展提供技术支持。2.山东省：从业人口数量这一指标在多省中均存在冗余值，其中福建省和浙江省比较突出。这是一个全国性的问题，并非是哪个省所特有的，这一指标即使存在冗余也不足为奇。而对于山东省来说，现阶段从业人员对于相关碳汇的认知程度有待进一步提高，据统计，养殖户有意愿参与碳汇渔业生产的比例仅为27.8%，为充分调动养殖人员的积极性，更加合理有效地利用劳动力资源，增强养殖人员对海洋资源可持续利用和海洋环境保护的关注度，应建立完善相关生态补偿制度，通过税收或补贴的途径促进海洋碳汇产业的发展。3.福建省：海水养殖贝藻类碳汇效率较高，整体上来看，从业人口数量、育苗量、养殖面积均存在冗余值且呈先升后降的趋势，说明这三个指标相应的投入值正在不断减少，以实现DEA有效。2006年全国渔业发展第十一个五年规划出台，强调“以养为主”，致力于实现渔业增效、渔民增收以及渔业可持续发展的战略目标，福建省响应号召，积极扩大人口与资源投入。福建省就育苗量和养殖面积这一指标从2007、2008年开始出现冗余值，一方面是由于该省自身投入过多，另一方面，是在此期间，适于养殖的优良水产苗种遗传改良率仅为16%，养殖灾害频发，41邵桂兰等：区域海水养殖贝藻类碳汇效率的实证研究台风猖獗，以2006年“桑美”台风为例，福建省受损就比较严重，虽然养殖面积和投入的育苗量增大，但水产苗种的存活率不高，最终导致固碳量没有得到较大提升。因此，为提高养殖户的抗风险能力，促进福建省海水养殖贝藻类的可持续发展，养殖户应及时关注气象变化，注重保持排水系统的通畅。同时应支持水产养殖台风指数保险等保险业务的推广，结合福建省自身的气候特点，扩大保险的覆盖面，从而从根本上推动碳汇效率的发展。4.辽宁省及浙江省：辽宁省海水养殖贝藻类碳汇效率较低。除了从业人口指标存在冗余值外，养殖面积也存在较大的冗余值，部分年份的海水养殖贝藻类产量也出现冗余值。相对于产量和养殖面积的高投入，海水养殖贝藻类的固碳量只得到较低的增长，原因可能在于：在海水养殖贝类中，牡蛎的C含量最高；在海水养殖藻类中，海带拥有较高的C含量。而在辽宁省不断增长的养殖面积中，牡蛎和海藻的养殖面积所占比例较低。浙江省的海水养殖贝藻类育苗量和养殖面积指标上存在冗余值，福建省海水养殖贝藻类育苗量存在冗余值也是基于上述原因。因此，应协同养殖人员一同调整海水养殖贝藻类的养殖结构，在秉承适宜的原则下，最大限度地提高牡蛎和海藻的养殖比例。同时，针对效率的影响因素分析中，五省均只有海水养殖贝藻类总产量的系数为正数。这表明，海水养殖贝藻类总产量的提升能够带动相关碳汇效率的提升。除广东外，贝藻类育苗量对其他四省的相关碳汇效率值影响都比较显著，但系数为负数，即海水养殖贝藻类育苗量的增长会造成相关碳汇效率减弱。因此，为使五省海水养殖碳汇效率发展更加平衡，五省均应注重海水养殖贝藻类总产量的提升和对育苗量控制，从而不断提高各省海水养殖贝藻类的碳汇效率。参考文献：[1]岳冬冬,王鲁民,方海,等.碳平衡的中国海洋渔业产业发展对策探析[J].中国农业科技报,2016,18(04):1-8.[2]周晨昊,毛覃愉,徐晓,等.中国海岸带蓝碳生态系统碳汇潜力的初步分析[J].中国科学,2016,4(46):475-486.[3]纪建悦,王萍萍.海水养殖贝类碳汇分解研究——基于修正的Laspeyres指数分解法[J].中国渔业经济,2016,34(05):79-84.[4]CerratoRM,CaronDA,LonsdaleDJ,etal.EffectofthenorthernquahogMercenariamercenariaonthedevelopmentofbloomsofthebrowntidealgaAureococcusanophagefferens[J].MarineEcologyProgressSeries,2004,(281):93-108.[5]RiisgardHU,Filtrationrateandgrowthinthebluemussel,MytilusedulisLinnaeus,1758:dependenceonalgalconcentration[J].J.ShellfishRes,1991,(101):29-35.[6]BacherC,BioteauH,ChapelleA.Modellingtheimpactofacultivatedoysterpopulationonthenitrogendynamics:theThaulagooncase(France)[J].Ophelia,1995,42(1):29-54.[7]GilbertF,SouchuP,BianchiM,etal.Influenceofshellfishfarmingactivitiesonnitrification,nitratereductiontoammoniumanddenitrificationatthewater-sedimentinterfaceoftheThaulagoon,France[J].MarineEcologyProgressSeries,1997:143-153.[8]NavarroJM,ThompsonRJ.BiodepositionbythehorsemusselModiolusmodiolus(Dillwyn)duringthespringdiatombloom[J].JournalofExperimentalMarineBiologyandEcology,1997,209(1-2):1-13.[9]ChauvaudL,ThompsonJK,CloernJE,etal.ClamsasCO2generators:thePotamocorbulaamurensisexampleinSanFranciscoBay[J].LimnologyandOceanography,2003,48(6):2086-2092.[10]PetersonBJ,HeckJrKL.Thepotentialforsuspensionfeedingbivalvestoincreaseseagrassproductivity[J].JournalofExperimentalMarineBiologyandEcology,1999,240(1):37-52.422019年第2期第37卷[11]LeeKS,DuntonKH.Effectofinsitulightreductiononthemaintenance,growthandpartitioningofcarbonresourcesinThalassiatestudinumbanksexKönig[J].JournalofExperimentalMarineBiologyandEcology,1997,210(1):53-73.[12]严立文,黄海军,陈纪涛,等.我国近海藻类养殖的碳汇强度估算[J].海洋科学进展,2011,29(04):537-545.[13]岳冬冬.海带养殖结构变动与海藻养殖碳汇量核算的情景分析[J].福建农业学报,2012,27(04):432-436.[14]岳冬冬,王鲁民.我国海水养殖贝类产量与其碳汇的关系[J].江苏农业科学,2012,40(11):246-248.[15]AlpertSB,SpencerDF,HidyG.BiosphericoptionsformitigatingatmosphericcarbondioxideLevels[J].EnergyConversionandManagement,1992,33(5-8):729-736.[16]高学文.CDM机制下的碳汇渔业发展思考[J].中国城市经济,2011,(08):41+43.[17]权伟,应苗苗,康华靖,等.基于时间序列模型的洞头大型藻类碳汇强度预测分析[J].中国农学通报,2014,30(08):63-67.[18]于谨凯,张亚敏.海藻养殖碳汇渔业发展的激励机制研究[J].河北渔业,2012,(04):50-54+.[19]孙吉亭,赵玉杰.我国碳汇渔业发展模式研究[J].东岳论丛.2011,32(08):150-155.[20]孙军.海洋浮游植物与渔业碳汇计量[J].渔业科学进展,2013,34(01):90-96.[21]权伟,应苗苗,康华靖,等.中国近海海藻养殖及碳汇强度估算[J].水产学报,2014,38(04):509-514.[22]齐占会,王珺,黄洪辉,等.广东省海水养殖贝藻类碳汇潜力评估[J].南方水产科学,2012,8(01):30-35.Regionalcomparativestudyoncarbonsequestrationefficiencyofseawatercultured

bivalvesandseaweeds

SHAOGui-lan1,LIUXin1,LIChen1,2

(1.CollegeofEconomy,OceanUniversityofChina,ShandongQingdao266100,China2.OceanDevelopmentInstitute,OceanUniversityofChina,ShandongQingdao266100,China)Abstract:Takingadvantageofthedatafrom2003to2015,thispaperselectstheDEAmodel,whichadoptstotalproductions、areas、thenumberoflabors、seedlingquantitiesofseawaterculturedbivalvesandseaweedsinLiaoningProvince、ShandongProvince、ZhejiangProvince、FujianProvinceandGuangdongProvinceastheinputsandtherespectivecarbonsequestrationasfinaloutputstoconductthemeasurementandanalysisonregionalcarbonsequestrationefficiencyofseawaterculturedbivalvesandseaweeds.Theempiricalresultsshowthatcarbonsequestrationefficiencyofseawaterculturedbivalvesandseaweedsinthefiveprovincesareunbalanced.Amongthem,ShandongProvince（0.975）,FujianProvince（0.972）andGuangdongProvince（0.996）havehighcarbonsequestrationefficiency,whiletheefficiencyofcarbonsequestrationinLiaoningProvince（0.912）isslightlylower,andZhejiangProvince（0.760）isthelowest.ThesefiveprovinceshavenotachievedeffectiveDEA.Basedontheaboveanalysis,thispaperproposesoptimizedsuggestionsforfiveprovincesfromtheperspectiveofinputs,whichprovidesatheoreticalbasisforthefiveprovincesmarineaquaculturetohelpthemplayagreaterroleincarbonsink.Keywords:seawaterculturedbivalvesandseaweeds;carbonsequestrationefficiency;DataEnvelopmentAnalysis;effectfactors（责任编辑宇光/校对耿瑞）43