農業種植結構轉變對碳效應的影響
——以渭南市大荔縣為例

郎睿婷， 周忠學， 劉維

陜西師范大學 地理科學與旅游學院，西安 710119

農業生產活動產生的溫室氣體是導致全球氣候變暖問題加劇的重要原因之一，1990年以來，全球農業碳排放增加了14%[1]，農業碳減排已成為當前國內外學者及政府機構關注的重要環境問題．據統計，我國農業生產所排放的溫室氣體已占全國碳排放總量的17%[2]．隨著農業轉型升級加快，農業土地利用、種植結構、生產方式均發生了較大的變化．化肥、農藥及農業機械的使用，使農業碳排放日趨增加；作物種植結構調整導致的作物覆被及土地利用變化使農業碳吸收及碳排放發生變化，影響農業碳效應．分析種植結構轉變下的種植業碳效應及其驅動因子，可以為優化農業種植結構、構建低碳農業及生產模式、發展低碳經濟等提供理論借鑒．

農業碳排放是由農地利用、稻田CH4排放以及牲畜養殖產生的[3]．本文中的農業碳排放主要為農地利用活動中由于農業生產資料的使用、農業灌溉及農用機械間接涉及化石燃料消耗產生的碳排放[4]．對農業碳排放的研究主要包括碳排放量測算[5-7]、農田碳足跡[8-9]及碳排放效率[10-11]、碳排放影響因素分解[12-13]以及農業碳排放與產業發展關系研究[14-15]，研究以耕地利用轉型[16]、生產方式[17]、農業投入[18]及地區公平性[19]為切入點，進行測算分析．目前關于農業碳排放的研究角度較為多樣，但鮮有人基于作物種植結構變化動態分析地區碳排放的空間差異．農業既能產生碳排放，也能進行碳吸收．諸多學者認為，農業碳吸收是通過農作物光合作用將二氧化碳和水轉化為有機物并釋放出氧氣的過程[20]，如謝婷等[21]利用作物呼吸過程中對碳的吸收利用系數分析了湖北省農田系統主要作物碳吸收的變化；而陳曉輝[22]、Wiesmeier等[23]及蘇文等[24]學者從物質循環的角度將肥料投入、秸稈還田及土地免耕等導致的土壤碳庫的增加也歸入農業碳吸收之中，并研究了不同地區農業生產過程中碳吸收量以及單位面積碳密度分析其空間差異．以上研究豐富了農業碳吸收的內涵與方法．為綜合分析區域碳排放量與碳吸收量之間的關系及空間格局，學者們提出了凈碳效應的概念，即農業碳吸收與碳排放之間的差值[25]．國內外學者從農戶調查[26-27]、可持續發展[28]角度對凈碳效應的評估、碳效應的因素分解等方面進行了研究．綜上，當前對農業碳排放、碳吸收及其碳效應的研究中，鮮有學者從農業轉型角度對小尺度綜合碳效應空間格局進行研究，尤其是從種植結構動態變化的視角研究農業生產碳效應及其空間特征，更缺乏柵格尺度的精細化空間分析與表達．

大荔縣是關中平原典型的農業大縣，境內地形平坦，土壤肥沃，適合農作物種植．近年來在城市化及農業轉型升級的推動下，該縣種植結構已由傳統的商品棉糧種植轉向水果、蔬菜等多元經濟作物種植，農業投入、生產方式等均發生了較大轉變，以大荔縣為例探究種植結構轉變對碳效應的影響具有一定的典型性．本文基于像元尺度探究這一背景下農業碳效應及其空間格局的變化，可為同類區域農業結構調整、農業布局、發展低碳農業及制定農業碳稅政策提供借鑒．

1 研究區概況

大荔縣隸屬陜西省渭南市，總面積1 800 km2，轄15個鎮、2個街道，總人口達75萬人，農業人口占62%．大荔縣地處關中平原東部偏北拗陷區，屬渭河斷陷地塹構造，主要由中部的渭洛河沖積平原、南部的洛南沙苑、東部的黃河灘地和北部的黃土臺塬構成，海拔330～500 m，地勢平坦．該地屬暖溫帶半濕潤半干旱季風性氣候，年均溫13.4 ℃，年降水量514 mm，降雨較少，但因地處黃、渭、洛三河交匯地帶，地下水位淺、灌溉水源豐富；土壤以壚土和沙土為主，農業生產條件較為優越．本區地處關中平原城市群中心地帶，有韋羅高速、108國道、沿黃旅游環線等交通干線穿過，交通便利，區位優越，城市化與農業產業化驅動了本區由傳統種植農業向現代都市農業的快速轉變．

審圖號：GS(2019)1822號圖1 研究區地理位置

大荔縣主要用地類型有耕地、果園、建筑用地、草地、林地、園地和沙地，分別占用地總面積的40%、31%、2%、10%、7%、0.4%和0.6%．可用耕地與果園面積達108 598 hm2，主要種植作物有小麥、玉米、蘋果、冬棗、葡萄等．大荔縣北部臺塬區氣候相對干旱，晝夜溫差大，利于作物糖分積累；中部洛灌區農業灌溉條件便利(有效灌溉面積達80%)，地形平坦、土壤肥沃；南部沙苑區土壤以沙土為主，農業耕種過程中漏水漏肥、農業基礎薄弱；東部黃河灘區地形平坦，緊鄰黃河，灌溉水源充足．20世紀90年代，大荔縣北部以種植蘋果、梨杏等果樹為主；中東部以種植糧食、棉花為主；南部主要種植黃花菜、花生、西瓜等作物，是全國糧棉油基地縣．2018年大荔縣已形成以冬棗、葡萄等多種經濟作物為主的種植結構，農業生產方式上設施農業規模不斷擴大，2018年大荔縣設施農業面積達到29 800 hm2，占農用地總面積的40%．農業用地、種植結構及生產方式的變化對大荔縣農業碳效應產生了很大影響．

2 數據來源與研究方法

2.1 數據來源

本文采用的數據包括遙感數據、土地利用(農業類型)數據和社會經濟數據．遙感數據采用Landsat TM(1998年)和Landsat OLI(2018年)影像，均下載自地理空間數據云平臺(http：// earth explorer．usgs．gov/)．土地利用(農業類型)數據是在ArcGIS 10.2平臺對遙感影像進行人工解譯的基礎上，結合農作物種植結構圖(來自大荔縣農業農村局)和野外實地考察進行繪制，得到農業類型(景觀)圖．社會經濟數據均來源于《大荔縣統計年鑒》(1998年、2018年) 《大荔年鑒2019年》 《渭南統計年鑒2019》 《大荔縣志》(1990-2005)以及野外調研數據，其中化肥使用量取折純量，有效灌溉面積取水澆地與水田面積之和．

2.2 研究方法

2.2.1 農業碳效應測算

農業碳效應是指農業碳排放與碳吸收的差值，若差值大于零則為凈碳排放效應，反之則為凈碳吸收效應．測算方法為：

N=E-S

(1)

式中：N是指凈碳效應(凈碳吸收或排放量)；E為碳排放量；S為碳吸收量．

2.2.2 農業碳排放測算

本文依據農業生產的主要碳源使用量和碳源含碳系數[29-30]測算．碳源主要有化肥、農藥、農膜、灌溉和農用柴油5類．在碳排放測算中，主要碳源使用量通過實地調查獲取．測算公式如下[29]．

(2)

式中：EI是指在不同作物的生產過程中產生的碳排放量；ei是指各作物在生產中的碳源使用量；i是指碳源類型(5種碳源)；εi是指各碳源排放系數．

2.2.3 農業碳吸收測算

種植業的碳吸收主要是農作物生長過程中對碳的吸收，即作物在光合作用下形成的凈初級生產量[31]．可通過經濟產量計算出作物生物量，進而測算出作物的含碳量，即為作物在生長期內的碳吸收量．

(3)

式中：C表示大荔縣種植業碳吸收總量，t/a(a表示年)；Ci表示第i類農作物碳吸收量，t/a；βi表示農作物的碳吸收率，即通過光合作用合成單位有機質所吸收的碳量；Xi表示農作物經濟產品含水率，%；Yi表示農作物經濟產量，即作物經濟產品收獲量，t/a；δi表示農作物經濟系數；Yi表示農作物經濟產量，即作物產量；n表示農作物種類數(本文選取小麥、玉米、棉花、花生、蔬菜和水果進行計算)．由于果樹牢固量變化不大，故本文不予以考慮，只測算果實的碳吸收量．各農作物含碳率、含水率和經濟系數參考相關文獻[29，32]獲得．

2.2.4 地理探測器

地理探測器(GeoDetector)是一種評價樣本空間分異性的統計學方法，通過探測自變量的空間分異性來揭示影響因變量的驅動力[34-37]．其測算公式如下：

(4)

3 結果與分析

3.1 大荔縣種植結構變化

本文運用ArcGIS空間疊置分析得到大荔縣作物種植面積轉移矩陣(表1)，探究農業用地及作物種植類型的轉變．1998-2018年大荔縣農業用地總面積增加了25 634 hm2，主要以果園面積的增加為主．耕地面積總體上呈現出糧食、花生、棉花種植用地面積減少，果園、蔬菜種植用地面積增加的變化特征．其中，糧食種植用地減少最多，平均每年有0.02%的糧食用地面積向其他作物種植用地面積轉變，其中向果園面積轉變最多，占轉移面積的63%；棉花種植用地面積減少了7 025.63 hm2，花生種植用地面積僅減少了5 959.31 hm2．瓜類種植用地面積與果園面積增加最多，增加了32 152.94 hm2，所占比重由1998年的11%上升到2018年的48%；其次是蔬菜，用地面積增加了6 854.36 hm2，蔬菜種植面積比重由1998年的3%上升到2018年的12%．

表1 1998-2018年大荔縣作物種植面積轉移矩陣 /hm2

3.2 大荔縣種植業碳效應變化

隨著種植結構的調整，大荔縣碳排放、碳吸收總量及各作物的碳效應發生了較大的變化(表2)．1998-2018年大荔縣碳排放量由9.82×104t變為22.87×104t，增長了1.33倍．其中水果種植碳排放量由占總碳排放量的25%上升到51%，成為大荔縣種植業碳排放主要作物．碳排放增長速度加快與種植結構轉變及作物種植品種變化使農用物資投入量增加有直接關系．果樹單位面積農藥使用量0.2 t/hm2，是糧食作物的6倍．1998-2018年，大荔縣作物種植結構由糧食、棉花種植轉為果樹、蔬菜種植，種植結構的變化(包括內部品種的變化)使農藥化肥使用量增長．碳吸收量由1998年的34.81×104t增長到2018年的41.39×104t，增長了18.9%．在不同作物的碳吸收測算中糧食作物占比最大．2018年除棉花和花生碳吸收量降低外，其余作物碳吸收量均較1998年有所上升，其中水果的碳吸收量上升最快，是1998年的3.3倍，主要受作物單產提高(溫室大棚等農業科學技術的使用)影響．通過計算農業碳效應即農業碳吸收與農業碳排放之差，發現大荔縣種植業碳吸收總量大于碳排放總量，呈凈碳吸收效應，表明總體上大荔縣種植結構具有低碳特征．但現存的種植結構導致農業碳排放量不斷增大，凈碳吸收量減少了26%．大荔縣種植結構轉變導致的“高投入、高產出”的生產方式是碳排放增速高于碳吸收的主要原因，這一趨勢不利于今后低碳農業的發展．

表2 不同作物種植的碳效應對比 /104t

3.2.1 碳排放空間分析

圖2從空間上反映出大荔縣1998年與2018年不同作物種植單位農業用地面積碳排放量的變化特征．總體上看，1998年與2018年的單位農業用地面積碳排放量空間差異較大，均呈現出北高南低的分布特征．南北種植結構不同(北果南雜)導致單位面積碳排放出現差異．年際對比發現，1998年至2018年單位農業用地面積碳排放量由0～0.55 t/hm2增長到0.56～8.59 t/hm2．2018年單位面積碳排放量總體較1998年高，空間差異較大，高值區(3.48～8.59 t/hm2)分布于大荔縣北部的兩宜鎮、雙泉鎮、范家鎮、安仁鎮，這些鄉鎮以種植高品質水果(如冬棗、黃金蟠桃)為主，單位面積農資投入多，其中單位農業用地面積農膜使用量達到0.75 t/hm2．單位農業用地面積碳排放量的低值區(0～0.11 t/hm2)主要位于大荔縣南部沙苑區，該區以小面積的花生種植為主，單位面積農藥、化肥、農膜使用量分別為0.02 t/hm2、0.75 t/hm2、0.06 t/hm2，種植面積較1998年有所減少，灌溉面積少，故單位面積碳排放量少．總體上看，大荔縣單位面積碳排放量主要受農資投入量影響，不同作物中，水果種植的單位面積碳排放值最高．

審圖號：GS(2019)1822號圖2 大荔縣單位面積碳排放量分布

3.2.2 碳吸收量空間分析

大荔縣作物種植過程中單位農業用地面積碳吸收量空間差異如圖3所示．整體上看，1998-2018年單位面積碳吸收量處于0～0.81 t/hm2之間，且呈現增長趨勢．在空間上，1998年單位農業用地面積碳吸收量空間差異較小．2018年空間差異較大且呈現出中間低、四周高的空間特征．2018年除中部洛灌區外，其他區域的單位面積碳吸收量均較1998年增加．南部趙渡鎮、蘇村鎮、韋林鎮、官池鎮屬單位農業用地碳吸收高值區(0.66～0.81 t/hm2)，這些鄉鎮以種植大田作物(如糧食、花生、黃花菜等)為主，種植面積大且集約化程度高，單位農業用地碳吸收量較高．北部雙泉鎮、兩宜鎮及段家鎮屬單位農業用地面積碳吸收量中低值區(0.09～0.29 t/hm2)，主要種植果樹，隨著果園面積擴大、大棚覆蓋技術的逐漸成熟以及農藥、化肥等農用物資使用量增加，水果產量得到提升，其中北部鄉鎮的冬棗每公頃產量可達22.5～30 t，單位農業用地碳吸收量較1998年明顯增加，但水果含水率高，含碳率低，固碳能力相較于糧食作物低，所以單位面積碳吸收量略少于南部糧食作物．綜上所述，種植業碳吸收能力主要取決于作物單位面積經濟產量，從不同作物單位面積碳吸收量來看，糧食作物的固碳能力最強．

審圖號：GS(2019)1822號圖3 大荔縣單位面積碳吸收量分布

3.2.3 凈碳吸收量空間分析

大荔縣單位農業用地面積凈碳效應空間變化如圖4，整體上看，1998-2018年單位農業用地面積凈碳吸收量處于-8.27～0.37 t/hm2之間，差值較大，表明各鄉鎮單位農業用地碳排放量與單位農業用地碳吸收量空間分布差異大．1998年南部下寨鎮、官池鎮、蘇村鎮、羌白鎮及中部洛灌區的城關鎮、埝橋鎮、許莊鎮、安仁鎮均屬凈碳吸收量高值區(0～0.37 t/hm2)，這些鄉鎮以種植糧食和花生為主，化肥、農藥使用量為750 kg/hm2和3 kg/hm2，單位農業用地面積碳排放量少，但單位面積產量高，單位面積碳吸收量遠大于碳排放量，故呈現凈碳吸收效應．2018年凈碳吸收量最高值(0.37 t/hm2)分布于趙渡鎮，該鎮耕地面積14 975.59 hm2，主要以種植大田作物(如小麥、玉米、花生)為主，種類較為豐富，種植糧食作物的單位面積碳吸收量為0.81 t/hm2、碳排放量為0.44 t/hm2，單位面積碳吸收量大于碳排放量，呈現凈碳吸收效應．綜上所述，目前大荔縣種植業碳排放增長速率高于碳吸收，種植作物中僅糧食及花生呈凈碳吸收效應，其余水果、蔬菜、棉花均呈現凈碳排放效應．

審圖號：GS(2019)1822號圖4 大荔縣單位面積凈碳吸收量分布

X1：單位農業用地面積化肥使用量；X2：單位農業用地面積農藥使用量；X3：單位農業用地面積農膜使用量；X5：農業用地灌溉面積；X6：作物單產；X7：作物占比．圖5 影響因子q值

3.3 種植業碳效應影響因素分析

因子探測器主要用來探測某驅動因子X對變量Y空間分異的解釋力[43]，用q值來衡量．本文選取單位農業用地面積化肥、農藥、農膜和柴油使用量、農業用地灌溉面積、不同作物單位農業用地面積產量(后簡化為作物單產)、各鄉鎮不同作物種植面積占種植總面積的比重(后簡化為作物占比)為自變量，對7項影響因子進行分析可得到各變量對碳效應的解釋程度．測算結果中，p值小于0.05即通過顯著性檢驗，除單位農業用地面積柴油使用量外，其余的6項影響因子均對單位農業用地面積凈碳效應量具有不同程度的解釋力．6項影響因子的q值范圍為0.42～0.92(圖5)，作物單產、單位農業用地面積化肥使用量、單位農業用地面積農藥使用量、單位農業用地面積農膜使用量4種因子對單位農業用地面積凈碳效應量變化解釋力較高，說明這4種因子的變化直接影響著單位農業用地面積凈碳效應的空間分布格局與量的變化．其中，單位農業用地面積農膜使用量是大荔縣碳效應變化的主導因素，解釋力高達0.92，表明單位農業用地面積碳排放的變化直接影響了單位農業用地碳效應量的空間格局及變化趨勢，其中單位農業用地面積農膜的使用量正向推動單位面積碳效應量的變化，表明凈碳效應變化與農戶生產方式變化有著密切的聯系．作物占比雖然對單位農業用地面積凈碳效應變化具有一定的解釋能力，但影響相較于其他因子低．

4 討論

目前關于農業碳效應的研究多集中于單一碳排放的測算分析及影響因素分解，忽視了作物的固碳效果，本文參考學者田云等[25]對碳效應的定義，通過差值反映出種植業的碳排放與碳吸收之間的關系，從種植結構轉變的角度動態探究種植業內部碳效應差異，具有一定的新穎性，可為低碳農業發展、農業碳稅的制定提供依據．

本文通過地理探測器探究了影響碳效應變化的驅動因子，發現單位農業用地面積農膜使用量是凈碳效應空間變化的主要驅動因子，這與學者陳曉輝[22]所得結論一致．本文基于柵格這一更精細的空間尺度開展農業碳效應空間變化研究，發現農業碳效應的空間分異主要取決于農業種植結構即農業類型的空間格局變化，這不僅與不同農業類型生產的地域條件有關，也與不同地域的農業轉變過程(或類型)有關，這一認識對低碳農業的空間規劃與布局具有一定的指導意義．鑒于此，提出以下建議：① 改變農業生產方式、減少農資過度投入．開展測土配方施肥，鼓勵農戶選取農家肥、有機肥、油渣代替化肥的使用；減少農藥、農膜使用量，推廣使用有效的生物、物理手段進行病蟲害防治，推廣可降解、污染小的清潔農膜；② 控制高投入的果業生產、保障糧食種植面積．在農業轉型升級過程中，適當限制向經濟效益高、但碳凈排放高的水果、蔬菜種植的轉變；適當擴大以凈碳吸收為主的糧食、油料作物的種植面積，通過提高對糧食作物種植的政府補貼，增加農戶經濟收益．

目前種植業的碳排放源種類較多，除了本文所提及的變化之外，還包括反芻動物排放的CH4、作物種植排放的CH4、糞肥排放的CH4和N2O、土壤翻耕過程中產生的碳排放以及秸稈還田所產生的碳排放等多個方面．本文僅從種植業結構、土地利用變化、生產方式變化的視角，依據農資投入對種植業碳排放量進行了測算，具有一定的局限性，但從當地農業結構來看，動物反芻、糞肥排放以及土壤翻耕產生的碳排放相對較少，不會影響研究結論；此外在碳吸收測算中，雖兼顧了較多的主要農作物，但由于果樹自身在生長過程中具有一定的固碳功能，在本研究中未予以測算，主要是考慮到當地果樹多以矮化品種為主，加上定期修剪，每年木材蓄積量不大，固碳作用有限．

5 結論

1) 大荔縣種植業主要由以棉糧種植為主的傳統農業轉向以瓜果種植為主的現代都市農業，是關中平原農業種植結構及產業升級的典型代表．大荔縣農資投入量及作物產量增加導致碳排放與碳吸收量增加．1998-2018年，種植結構的變化使種植業碳排放與碳吸收總量呈增長趨勢．不同作物中，水果是碳排放最主要的碳源，這與果園面積增加、農用物資投入增加有關；糧食作物碳吸收能力強，受機械化投入增加，糧食產量提高影響．

2) 大荔縣目前的種植結構導致農資投入增多、經濟產量提高，呈現出“高投入、高產出”的生產方式，使得碳排放增長速率高于碳吸收，不利于今后低碳農業的發展．

3) 農業碳效應的空間分異主要取決于農業種植結構的轉變過程及農業類型(如糧食、水果等)生產的地域條件的空間分異．大荔縣水果種植集中分布于北部，單位農業用地碳排放高；南部沙苑區以種植花生、黃花菜等作物為主，農資投入小，屬單位農業用地面積碳排放量變化低值區；糧食作物集中分布于南部，單位農業用地碳吸收最高．農業碳效應的空間分異與不同地域的農業轉變過程(如向水果、蔬菜的轉變)有關，也與不同農業類型布局的地域適宜性(農業生產條件)有關．

4) 單位農業用地面積碳排放、碳吸收、凈碳效應空間分布主要受農用物資投入及作物單產的影響，單位農業用地農膜使用量是單位農業用地面積碳效應空間變化的主導因素．除單位農業用地柴油使用量之外，其余影響因子均對單位面積碳效應具有一定的解釋力，其影響程度大小依次為單位農業用地農膜使用量、單位農業用地作物產量、單位農業用地農藥使用量、單位農業用地化肥使用量、灌溉面積、作物占比．通過調查發現，農戶農業生產積極性也是影響農業碳效應變化的間接因素．