我國糧食主產區農地利用碳排放時空演變與有效降低碳排放路徑

楊慧 張恒

摘 要：基于2010—2019年我國糧食主產區13個省份的面板數據，采用IPPC經典碳排放計算法對我國糧食主產區農地利用碳排放量進行測度，并分析其時空演變趨勢，進而提出適當的農業碳減排建議。研究發現：2010—2019年我國糧食主產區農地利用碳排放量總體呈現先增后降的態勢;我國糧食主產區各省份農地利用生產活動中，化肥投入是最大的碳排放來源;各糧食主產區農地利用的碳排放總量和結構都存在較大差異。因此，應加強地區間碳減排技術信息共享，減少農用物資的投入，加快融入科技創新理念，拓寬農業碳減排技術使用道路;提高農戶低碳意識，幫助農戶學習既高效又減排的農業生產方式。研究結果可為實現糧食主產區農地利用碳減排目標提供科學依據和決策參考。

關鍵詞：農地利用碳排放;時空演變;農業碳減排;糧食主產區

中圖分類號 X171.3 文獻標識碼 A 文章編號 1007-7731（2022）08-0165-05

近年來，全球氣候變暖所帶來的極端天氣等負面影響嚴重制約了人類社會、經濟的發展。來自科學界的證據表明，導致全球平均氣候異常升高的主要原因在于人類活動所產生的碳排放。因此，如何解決碳排放已然成為世界各國政府及學術界重點關注和亟需解決的問題。2020年，我國在第七十五屆聯合國大會一般性辯論上向國際社會鄭重承諾，我國將在2030年達到碳排放峰值，2060年實現碳中和，為世界碳減排做出中國貢獻[1]。根據相關數據統計，在全球人為碳排放的總量中，農業碳排放占比高達30%[2]。而我國作為農業大國，農業生產也是碳排放的重要來源。據研究顯示，我國農業活動導致的碳排放占到全國總排放的17%，且逐年上升[3]。農地利用是農業碳排放的主要源頭之一，在農地利用過程中農業物資的投入、農業能源耗費以及農業廢棄物的處置等環節都不可避免地產生碳排放。因此，實現農地利用低碳化與無碳化對我國向世界兌現承諾具有積極意義。目前，學術界在解決農地利用碳排放問題上已經形成了較為豐富的科研成果。田云等[4]、獨孤昌慧[5]在測算了我國農地利用碳排放的基礎上，分別通過kaya恒等式和LMDI指數分解法對我國農地利用碳排放的影響因素進行分析。田云等[6]和張婷等[7]分別著眼于湖北和江西2個省份，深入研究了其農地利用的碳排放情況。黎孔清等[8]基于STIRPAT和GM（1，1）模型，對湖南省農地利用碳排放的增長機理進行探究與趨勢預測，并發現湖南省農業生產效率、農業產業結構、人均農業GDP等都對農地碳排放有顯著影響。縱覽文獻可知，現有研究對農地利用碳排放的探討更多著眼于國家、省級甚至市級層面，而鮮有學者將一些擁有共性特征的地區（例如糧食主產區）組合到一起進行考察。2000年以后，我國為了進一步鞏固糧食安全，在《國家糧食安全中長期規劃綱要（2008—2020年）》中確立了黑龍江、吉林、遼寧、內蒙古、河北、河南、山東、安徽、湖南、湖北、江西、江蘇、四川共13個省份作為我國糧食主產區。這些省份都具有得天獨厚的農業生產條件，且糧食總產量持續占全國糧食產量的75%以上，除保障自身區域內糧食消費外還能大量補充其他區域，是我國商品糧的重要生產基地。鑒于此，本研究立足于農地利用視角，將13個糧食主產省份作為特定的考察對象，在測算我國糧食主產區農地利用碳排放量的基礎上，具體分析我國糧食主產區農地利用碳排放時空格局的演變進程與特征，并提出有效降低農地利用碳排放的建議。

1 資料與方法

1.1 研究方法

1.1.1 農地利用碳排放測算 在遵循科學原則的基礎上，采取“抓大放小”策略，并充分考慮數據的可得性，主要選取化肥、農藥、農膜、柴油、灌溉、翻耕共6方面碳源，利用IPCC經典碳排放計算法對我國糧食主產區農地利用所產生的碳排放進行計算。IPCC碳排放計算法是在確定特定碳排放源的基礎上，以碳源的數據乘以其對應的碳排放系數得到該碳源的碳排放量[9]。

[C=∑Ci=∑Ti×δi] （1）

式中，C為農地利用碳排放總量;Ci為第i種碳排放源的碳排放量;Ti為第i種碳排放源的使用量;δi為第i種碳源的碳排放系數。

1.1.2 農地利用碳排放強度計算 本研究農地利用碳排放強度是指在農地利用活動中，單位播種面積的增長所帶來的碳排放量。

[I=C/B] （2）

式中，I為農地利用碳排放強度，C為式（1）中所求出的農地利用碳排放量，B為播種面積。

1.2 數據來源與處理 農地利用碳排放量測算所涉及的原始數據來自2010—2019年《中國統計年鑒》《中國農村統計年鑒》，其中灌溉面積為當年有效灌溉面積，翻耕面積以當年農作物總播種面積代替，化肥投入量為當年的化肥折純量，農膜、農藥、柴油投入量為當年實際使用量。各碳源所對應的碳排放系數見表1。

2 結果與分析

2.1 我國糧食主產區農地利用碳排放總量與趨勢 由表2可知，2010—2019年間，我國糧食主產區農地利用碳排放總量總體呈現先增后降的態勢，整體可以簡單劃分為“緩慢增長—較快下降”2個階段的演變趨向：2010—2015年，我國糧食主產區農地利用碳排放量處于增長期，由2010年的6601.31萬t緩慢上升至2015年的7004.66萬t，每年的環比增速不足2%，增長速度較慢;2015—2019年，我國糧食主產區農地利用碳排放量開始進入下降期，由2015年的7004.66萬t下降至2019年的6396.45萬t，且環比增速也由2015年的0.26%下降至-3.54%。與此同時，化肥、農藥、農膜、柴油使用以及翻耕、灌溉農作活動產生的碳排量也呈現同樣先增后降的態勢。從碳排放強度來看，我國糧食主產區農地利用碳排放強度同樣大致呈現先增后降的態勢。與農地利用碳排放總量不同的是，碳排放強度的峰值提前到2012年，即碳排放強度先由2010年的599.43kg/hm2上升到2012年的608.57kg/hm2，繼而從2013年開始下降，直至2019年碳排放強度降至555.51kg/hm2，環比增速也從最初的0.64%上升到2012年的0.88%再降至2019年的-3.35%。究其原因主要在于：近年來，低碳農業相關理念在我國逐漸開始普及，同時2014年國務院印發的《2014—2015年節能減排低碳發展行動方案》的有效實施，我國對農業碳排放的限制力度逐漸加大，使農地利用更加趨于合理化、綠色化、低碳化。這一結果也間接說明目前我國實施的有關農地利用碳減排措施是有效的。

單從6種碳排放源來看，近10年來，化肥施用導致的碳排放量是幾種碳源碳排放量里最高的，幾乎占據總量一半以上;灌溉導致的碳排放量排在第二，其碳排放量接近總量的20%;農膜、農藥、農用柴油這三者投入導致的碳排放量差別不大，都占總量的10%左右;排在最后的是翻耕導致的碳排放量，不足總量的1%（圖1）。此外，除灌溉產生的碳排放量在逐年上升以外，其他幾種碳源產生的碳排放量在2010—2019年間也都呈現先增后降的態勢。由此可見，碳源碳排量雖然整體呈現下降趨勢，但是在農地利用過程依靠化學物資投入增加產出、生產技術低下等問題仍然存在。

2.2 省級農地利用碳排放的時空演變 由表3可知，我國糧食主產區總體的空間格局基本穩定。2010—2019年間，內蒙古、遼寧、吉林、湖南、四川5個省份始終保持在中農業碳排放區，河北、江蘇、安徽3個省份始終保持在較高農業碳排放區，山東和河南2省份始終保持在高農業碳排放區。黑龍江省在2010—2015年間從中農業碳排放區演變為較高農業碳排放區，江西省在2015—2019年間從中農業碳排放區演變為低農業碳排放區，湖北在2010—2015年間從較高農業碳排放區演變為中農業碳排放區，這3個省份的地理時空格局總體表現為此消彼長的演變態勢，但總體的空間格局變化不大。

我國糧食主產區從流域上可劃分為三大流域，即松花江流域、黃河流域、長江流域，其中松花江流域包含遼寧、吉林、黑龍江3省份，黃河流域包含河北、山東、內蒙古、河南4省份，長江流域包含江西、湖北、湖南、江蘇、安徽、四川6省份。從流域上來看，黃河流域各省份的農地利用碳排放處于較高水平，糧食主產區中碳排放量排在前三的省份都屬于黃河流域。內蒙古因其屬于草原牧區，農地利用相對河南、山東、河北這3個省份較少，這也是其屬于黃河流域而農地利用碳排放量較低的原因。長江流域各省份的農地利用碳排放量整體處于中等水平，松花江流域各省份的農地利用碳排放量整體處于較低水平。由此可見，盡管這13個省份都是我國的糧食主產區，都具有得天獨厚的農業生產條件，但是因其所屬流域不同、地理位置不同，農地利用碳排放量也存在一定差異。由此也說明目前農地利用碳排放仍處于較高及高農業碳排放區的省份，其農業低碳減排之路仍任重道遠。

2010—2015年和2015—2019年2段時期，盡管我國糧食主產區各省份農地利用碳排放水平較為穩定，但從增長率來看，波動仍然較大。從增長率來看，黑龍江、內蒙古、吉林的農地利用碳排放量在2010—2019年間下降較快，增長率分別約為-28.5%、-27.5%、-23.9%;江蘇、山東的農地利用碳排放量在2010—2019年間下降較慢，增長率分別約為3.7%、7.3%，都不足10%;而其他省份的增長率一般在10%～20%。由此可見，增長率下降較快的省份在農地利用碳減排工作上取得了較為明顯的成效，較好地結合自身地理環境和氣候特點，摸索出適合的低碳農業發展道路[12];而增長率下降較慢的省份可能正陷于減排與發展兩難的處境，需找準問題原因，探索出適合自己省份的低碳發展道路。

2.3 省級農地利用碳排放結構及差異 由表4可知，化肥投入導致的碳排放占比最高的為河南，占比64%;最低為黑龍江，占比38%。灌溉碳排放占比最高為黑龍江，占比32%;遼寧、吉林、河南并列最后，占比15%。農膜投入產生的碳排放占比最高為遼寧，占比20%;黑龍江和湖北并列最后，占比僅7%。農業柴油投入產生的碳排放占比最高為河北，占比20%;河南和湖南并列最后，占比6%。農藥投入產生的碳排放占比最高為江西和湖南，占比13%;最低為內蒙古，占比3%。各省翻耕產生的碳排放都在1%左右。由此可見，不同省份的碳源排放占比存在一定差異，各省份可相互借鑒其他省份在某種碳源上的優秀經驗。例如黑龍江在降低化肥碳排放上有較好的成效，但在灌溉減排技術上稍稍落后，而河南恰恰相反，因此這2個省份可以適當借鑒對方的優秀經驗。

3 結論與建議

3.1 結論 利用2010—2019年中國糧食主產區13個省份的面板數據，計算出糧食主產區的農業碳排放，并在此基礎上分析了中國糧食主產區農地利用碳排放的時空演變趨勢。結果表明：2010—2019年糧食主產區總體農地利用碳排放先從2010年的6601.31萬t升至2015年的7004.66萬t后轉而下降至2019年的6396.45萬t，呈現出明顯的先增后降的態勢。且截至2019年，我國糧食主產區各省的農地利用碳排放量實現負增長，可見我國糧食主產區近年來在農地利用方面的碳減排已經取得了一定成效。在整個農地利用活動中，化肥是最大的碳排放來源。盡管都是具有得天獨厚農業生產條件的糧食主產區，但不同省份的農地利用碳排放量及結構存在較大差異。但從三大流域來看，相同流域省份的農地利用碳排放在空間布局上存在顯著同質性，說明在定制減排政策時不能一概而論，而要考慮地區具體實際情況。

3.2 建議

根據對我國糧食主產區省域尺度農地利用碳排放不同維度時序特征的分析，提出以下建議。

3.2.1 加強地區間合作交流，共同推進農業低碳化發展 研究發現糧食主產區各省農地利用碳排放存在顯著空間差異性，比如河南省在13個省中化肥投入導致的碳排放占比最大，灌溉產生的碳排放占比最低，而黑龍江省則恰恰相反。因此，各地區應及時關注其他地區的農業碳減排政策，實現省份之間的信息共享，通過合作交流，互相汲取在碳減排上的成功經驗，共同促進地區間低碳農業的平衡發展。

3.2.2 調整農地利用生產活動中依賴化學物資投入實現農業增長的粗放型模式 在糧食主產區各省份的農地利用碳排放測算中，化肥投入產生的碳排放量是最高的，同時農膜、農藥等投入產生的碳排放量也不容忽視，因此合理降低化肥、農藥、農膜等化學物資的過度使用，采用優質的有機復合肥料代替化學肥料，增加生物農藥（如白色農藥）使用代替化學農藥，回收和循環利用廢棄農膜等，有利于減少農地利用碳排放和土壤的污染。

3.2.3 堅持科技創新理念，推廣節能減排技術 在糧食主產區農地利用總碳排放測算中，灌溉產生的碳排放量一直排在化肥之后，且呈逐年上升的趨勢，說明糧食主產區在灌溉技術上還有很大的減排潛力。因此可以加大各地區農業科研投入，提高農業技術人才的福利待遇，敦促各地區研究推廣切實可行的低碳農業技術，例如培育優質高產、抗病抗旱的優良作物品種、優化農業物資投入結構、推廣節能減排的農業機械等，通過不斷提高、創新農業技術來減少農地利用碳排放，推進環境友好型農業生產方式，實現農業低碳發展。

3.2.4 提高農戶低碳意識，轉變農業生產方式 各地區政府應推廣宣傳低碳環保理念，幫助農戶提高低碳意識，摒棄傳統“高投入、高產出”的生產方式。組織農戶參加新農業生產技術、生產設備使用等培訓，幫助農戶掌握先進的農業生產技術，科學耕種，實現農地利用碳減排以及提高農業生產效率。

3.2.5 因地制宜制定碳減排措施 從流域來看，相同流域的省份其農地利用碳排放結構、水平呈現相似的態勢，不同流域省份之間農地利用碳排放結構、水平有較大差異。因此各地區在制定減排措施時還應該結合自身的地理條件和氣候特點，因地制宜探索出適合自己的有效減排路徑。

參考文獻

[1]仲平.全球氣候變化新形勢與氣候友好技術新潛能[J].可持續發展經濟導刊，2020（10）：40-42.

[2]張志高，袁征，李貝歌，等.基于投入視角的河南省農業碳排放時空演化特征與影響因素分解[J].中國農業資源與區劃，2017，38（10）：152-161.

[3]吳賢榮，張俊飚，田云，等.中國省域農業碳排放：測算、效率變動及影響因素研究——基于DEA-Malmquist指數分解方法與Tobit模型運用[J].資源科學，2014，36（01）：129-138.

[4]田云，李波，張俊飚.我國農地利用碳排放的階段特征及因素分解研究[J].中國地質大學學報（社會科學版），2011，11（01）：59-63.

[5]獨孤昌慧.中國農地利用碳排放及影響因素研究：1990—2016年[J].生態經濟，2020，36（05）：19-23.

[6]田云，張俊飚，李波.湖北省農地利用碳排放時空特征與脫鉤彈性研究[J].長江流域資源與環境，2012，21（12）：1514-1519.

[7]張婷，張學玲，蔡海生.江西省農地利用碳排放時空特征與脫鉤彈性研究[J].廣東農業科學，2014，41（05）：208-212，222.

[8]黎孔清，陳儉軍，馬豆豆.基于STIRPAT和GM（1，1）模型的湖南省農地投入碳排放增長機理及趨勢預測[J].長江流域資源與環境，2018，27（02）：345-352.

[9]邱怡慧，王璞，蘇時鵬.中國農地利用碳排放時空演變特征及驅動因素研究——基于IPCC法與LMDI指數分解模型[J].資源開發與市場，2019，35（05）：625-631.

[10]West T O，Marland G. A synthesis of carbon sequestration，carbon missions，and net carbon flux in agriculture：Comparing tillage practices in the United States[J]. Agriculture Ecosystems and Environment，2002，91（1）：217-232.

[11]伍芬琳，李琳，張海林，等.保護性耕作對農田生態系統凈碳釋放量的影響[J].生態學雜志，2007（12）：2035-2039.

[12]廖衛東，劉淼.西部地區農業碳排放的時空演變及EKC假說檢驗——基于西部大開發12省份動態面板數據模型的經驗分析[J].世界農業，2020（06）：62-70.

[13]堯波，鄭艷明，胡丹，等.江西省縣域農業碳排放的時空動態及影響因素分析[J].長江流域資源與環境，2014，23（03）：311-318.

[14]姚成勝，錢雙雙，李政通，等.中國省際畜牧業碳排放測度及時空演化機制[J].資源科學，2017，39（04）：698-712.

（責編：徐世紅）