四川盆地丘陵區農業源甲烷排放時空變異特征及驅動因素

李昱菡, 鄭子成, 王永東, 李廷軒

(四川農業大學 資源學院, 成都 611130)

溫室氣體濃度的上升往往會造成干旱、高溫等極端氣候環境問題[1-3]，嚴重制約著區域農業與經濟可持續發展。雖然大氣中甲烷(CH4)的含量要小于二氧化碳(CO2)，但其增溫效率卻遠高于CO2。有研究表明，20 a時間尺度上，CH4單位質量的全球增溫潛勢是CO2的86倍[4]。可見，CH4排放對區域氣候環境影響深遠、持久。然而針對溫室氣體減排政策方面，多數學者關注能源部門，卻忽略了農業源溫室氣體排放的重要性[5]。全球頻繁的農業活動造成了近50% CH4的排放[6]，其排放源主要包括水稻種植和畜禽養殖。因此，開展農業源CH4排放特征及驅動因素研究，不僅有助于緩解我國減排目標的壓力，對區域糧食安全生產以及農業持續發展也具有重要的現實意義。

目前就農業源CH4排放的研究主要集中于2個方面：一是基于水稻種植與畜禽養殖排放源，獲得省域層面的CH4排放量及時空分布特征[7-11]；二是多數學者將CH4并入CO2，以kaya碳排放恒等式進行影響因素分解為主，不同區域的結構、效率和人口因素對碳排放的驅動作用雖有較大差異，但是普遍認為經濟規模是導致碳排放增加的主導因素[12-14]。若將農業源CH4并入CO2進行探討，難以明晰CH4排放具體特征。且采用Kaya恒等式進行影響因素分析，由于納入等式因素限制，往往會忽略其他重要的影響因素。此外，由于地形地貌、氣候等均是影響農業活動的重要因素，但目前農業源CH4的研究多集中在省域尺度，開展不同區域CH4排放研究尤為必要。

四川省是西南重要的農業區，農業碳排放居西南首位[15]，盆地丘陵區作為農業的核心地帶，素有“四川糧油產區”稱號。盆地丘陵區生豬飼養量占四川省51.08%(《四川統計年鑒》)，也是全省的“生豬產區”，農業活動頻繁。鑒于此，本文以盆地丘陵區為研究對象，在估算農業源CH4排放量的基礎上，探討縣域農業源CH4排放時空分布特征及其驅動因素，以期為制定區域農業源CH4減排措施和實現農業綠色發展提供理論依據。

1 研究方法與數據來源

1.1 研究區概況

研究區位于四川盆地丘陵區，介于103.88°—108.01°E， 28.45°—32.06°N，主要包括南充、綿陽、內江等53個市(區、縣)，土地面積約8萬8 000 km2。區域內農業人口多，農業活動頻繁。耕地面積為3萬km2，屬于亞熱帶季風性氣候，以種植糧食作物為主(水稻、小麥)，是四川主要糧食產區。據統計，2017年，糧食播種面積為344萬1 200 hm2，超過全年農作物播種面積的65%。養殖業發展受益于區域的種植業，以豬、家禽為主，2017年，豬和畜禽出欄量分別為0.22億只和0.20億羽，養殖量均超過全省的50%。

1.2 數據來源

本文水稻播種面積，豬、牛、羊、兔、家禽年末存欄量和年出欄量、城鎮化率、總人口、農業從業人員、農村從業人員、化肥施用量、全年農作物總播種面積、農耕地面積、地區生產總值、第一產業產值、農村用電量，均收集于《2008—2018年四川省統計年鑒》和《2008—2018年四川年鑒》，生命周期取值參考孟祥海等[16]。估算水稻種植CH4排放量的排放系數參考《省級溫室氣體清單編制指南》，取值156.2 kg/ hm2；畜禽養殖業估算豬、牛、羊、兔、家禽的CH4排放量，其主要的排放系數參考《2006年IPCC國家溫室氣體清單指南》[17]。

1.3 CH4排放量估算

水稻種植CH4排放參照徐興英等[9]估算公式，依據《省級溫室氣體編制指南》確定稻田CH4排放因子估算CH4排放量：

R=∑E×A×10-6

(1)

式中:R為稻田CH4排放總量(Gg);E為稻田CH4排放因子(kg/ hm2);A為水稻播種面積(hm2)。

腸胃發酵CH4排放參照徐興英等[9]方法，依據《2006年IPCC國家溫室氣體清單指南》確定CH4排放因子估算CH4排放量：

T=∑Fi×Pi×10-7

(2)

式中:T為動物腸胃CH4排放總量(104t CH4/a);Fi為第i種動物的CH4排放因子〔kg/(頭·a)〕;Pi為第i種動物的數量。

由于飼養量處于動態變化，因此本文參照孟祥海等文獻[16]的方法，年均飼養量將根據該年年出欄量以及年末存欄量進行調整，當年出欄量小于年末存欄量，則年均飼養量利用該年與上一年年末存欄量的平均值來表示，當年出欄量大于年末存欄量，則利用公式(3)進行調整。

(3)

式中:Pi為i類動物年均飼養量(頭、只);Ni為i類動物的年出欄量(頭、只);D為生命周期(d)。

糞便管理系統CH4排放參照徐興英等[9]方法，依據《2006年IPCC國家溫室氣體清單指南》確定CH4排放因子估算CH4排放量：

M=∑Ui×Pi×10-7

(4)

式中:M為動物糞便管理系統發酵CH4總排放量(104t CH4/a);Ui為第i種動物糞便管理CH4排放因子[kg/(頭·a)];Pi為第i種動物的數量。

1.4 時空分布特征

(5)

(6)

其中局部自相關的計算公式[19]：

(7)

1.5 驅動因素分析

采用擴展后的STIRPAT模型進行驅動因素分析，計算公式如下[20]:

I=aPgAhTsGjet

(8)

式中:I表示CH4排放量;P表示總人口;A表示富裕度;T表示技術水平;G為農業內部影響因素;a為模型系數;et為模型誤差;g,h,s,i為彈性系數,表示當P,A,T,G每變動1%,則I分別變動g%,h%,s%,j%。

對方程兩邊同時取底為e的對數，則公式(1)則可變為多元線性方程，其公式如下所示：

ln(I)=ln(a)+gln(P)+hln(A)+sln(T)+jln(G)+tln(e)

(9)

為避免自變量之間存在高度共線性干擾模型的準確性，因此本文運用偏最小二乘法進行模型回歸分析，考慮納入模型中的變量以及含義見表1。

表1 變量及其描述

2 結果與分析

2.1 農業源CH4排放量估算

由圖1可知，2007—2017年期間盆地丘陵區農業源CH4排放總量達32.52～35.93萬t，隨時間的推移，農業源CH4排放總量總體呈降低的趨勢。2007—2017年期間，研究區種植業和畜禽養殖業CH4排放量分別達到15.50～16.05萬t和19.93～16.83萬t，分別約占排放總量的45.9%和54.1%，表明研究區CH4排放是以畜禽養殖業為主導。研究區畜禽養殖業CH4排放量與CH4排放總量呈相似的變化趨勢。種植業CH4排放量在這11 a期間呈波動變化趨勢，但其占比卻呈逐年增加的趨勢。

2.2 農業源CH4排放時空變異特征

以縣級行政區為單位，采用重心軌跡遷移法分析盆地丘陵區2007—2017年期間農業源CH4排放特征，該區域的重心軌跡圖見圖2。2007—2017年期間，盆地丘陵區CH4排放重心遷移方向并非固定的，其向北、東、西南、東北方向分別遷移1，1，3，3次，總體隨時間推移呈現出向東北方向遷移的趨勢。就偏移角度和距離而言，東北部的縣(區、市)CH4排放量的變化程度要高于西南部。經度上的移動趨勢要較緯度明顯，說明東西方向上縣(區、市)的變化程度較南北方向上明顯，2007—2017年研究區各縣(區、市)的CH4排放情況隨著時間變化較大。為了更好地探討研究區各縣(區、市)CH4排放的時空分布特點，依據重心軌跡圖選取了典型的2007年、2011年、2017年，運用局部自相關分析方法以揭示盆地丘陵區各縣(區、市)的時空分布變化規律。

由圖3可知，2011—2017年期間，研究區CH4排放量的聚集區總體呈“東北高、西南低”的分布特征，且高值聚集區的輻射范圍要遠大于低值聚集區。CH4排放量高值聚集區主要包括巴州區、大竹縣、達川區、營山縣、平昌縣、儀隴縣和渠縣。CH4排放量低值聚集區包括大安區、貢井區、自流井區和沿灘區。就時間上尺度而言，CH4排放量高值聚集區呈擴張的變化趨勢，2011年閬中市進入高值聚集區，且該聚集區高值隨時間推移顯著增加；CH4排放量低值聚集區卻呈相反的變化趨勢，隨時間推移總體呈顯著下降的趨勢，到2017年，沿灘區低值顯著性消失，這也印證了CH4排放重心模型的結果。

圖1 2007-2017年盆地丘陵區各排放源CH4排放量及貢獻率

圖2 盆地丘陵區農業源CH4排放重心軌跡

2.3 農業源CH4排放驅動因素結果

高度共線性的數據會導致假擬合現象，不同量綱的變量會產生異方差，因此首先對原始影響因素分析數據取對數處理，消除異方差，并使原始模型方程變為多元線性方程，再運用R語言的VIF函數對轉換后的數據進行多重共線性診斷，結果見表2。一般認為當VIF值大于10，數據存在多重共線性[21]，由表2可知，除施肥量的VIF值接近10外，其余驅動因素VIF值均大于100，則表明數據存在著嚴重的多重共線性。

為了避免變量之間的多重共線性擾亂模型，運用偏最小二乘法(PLS)回歸STIRPAT模型。由表3可知，回歸模型的擬合優度為0.685 6，表明總體結果較準確。從回歸結果看，城鎮化率、單位面積施肥量、人均耕地占有量、人均GDP以及農村用電量均對農業源CH4排放起到控制作用，回歸系數分別為0.024 0，0.000 9，0.025 9，0.025 1，0.011 8；總人口、農業從業結構和農業產值結構對農業源CH4排放起到促進作用，回歸系數分別為0.006 7，0.002 5，0.017 0。在各驅動因素中，人均耕地占有量對農業源CH4排放的影響最大。

3 討 論

3.1 農業源CH4排放時空特征分析

四川盆地丘陵區農業源CH4排放水平較高，與福建省2006—2010年農業源CH4平均排放量(33.12萬 t)相接近[6]，這與研究區農業布局及人類農業活動密切相關。四川省立足于區域實際，一直致力于農業現代化建設，依據自然資源及農業特色，規范形成“四區四基地”，加快由農業大省向農業強省過渡。研究區耕地面積約占全省總量的50%，承擔著“全國優質糧油產品生產基地”重任，2007—2017年期間，研究區全年農作物播種面積和水稻播種面積均超過全省50%。“全國國家商品豬戰略保障基地”落戶于丘陵區，2007—2017年期間，生豬和家禽養殖量也超過全省的50%。但研究區農業源CH4排放總體呈下降的趨勢，主要由于(1) 2007年前，由于糧食價格低下，糧食產量下降，國家通過壓縮糧食型畜牧業生產加以調控[22]，導致研究區畜禽養殖量在這11 a期間總體上呈現減小的變化趨勢，如豬、牛、羊、家禽的養殖量分別下降了15.69%，2.37%，31.41%和0.73%，僅兔的養殖量增加9%，但其不足以抵消反芻類動物養殖量下降所導致的排放量減少；(2) 另一方面，四川省畜禽養殖業的相關減排政策也起到了關鍵作用。四川省于2011年被列入減排試點省，隨后陸續出臺畜禽養殖業的《污染物減排》和《廢棄物資持續利用》等文件，四川省養殖業CH4減排成效顯著。11 a期間，研究區耕地面積的變化雖受國家“退耕還林”等政策的影響，但后續實施“占補平衡”、“永久基本農田劃定”等措施[23-24]，且2005年后，國家免除農業稅政策，調動了農民生產積極性[25]，因此水稻播種面積變幅較小，故種植業CH4排放量較為穩定。

圖3 盆地丘陵區農業源CH4排放量聚集特征演變趨勢

表2 多重共線性診斷結果

表3 PLS回歸結果

研究區各縣(區、市)CH4排放量表現出一定的空間依賴性[26]，低值聚集區主要位于自貢市的大安區、貢井區、自流井區和沿灘區，這些區域主要以農業生產強鎮及現代化農業產業園為核心，以發展觀光旅游休閑農業為主攻方向，促進農業與二、三產業相互融合；農業生產在一定范圍內得到高度集中，依托當地自然資源優勢，通過降低、交換生產成本，提升經濟規模效益和競爭力。如貢井區形成以“菜—稻”輪作模式為基準的蔬菜產業帶，并已在西南地區形成固定的產銷體系；沿灘區結合種養模式，建設優質的農牧產品特色產業基地，形成了有特色的立體、循環農業生產體系。同時自貢市致力于農村科技新技術、新模式的推廣，積極開展農村科普活動，引導農村科技在區域內充分擴散，帶動技術及資源的空間溢出效應加速釋放[27]，導致低值聚集區的顯著性逐年降低。高值聚集區主要包括巴州區、閬中市、儀隴縣、營山縣、渠縣、大竹縣、達川區和平昌縣區域，且高值顯著性逐年增加。盆地丘陵區素有“四川糧油產區”稱號，2017年7個縣(區、市)糧油產量均達到40～60萬t，其中水稻播種總面積占到盆地丘陵區的8%～22%，奠定了種植業高CH4排放基礎。由于地理位置相鄰，這些縣(區、市)在農業產業化及產業園區建設的同時，以擴大生產規模為主攻方向，以“公司”、“合作社”、“專業市場”+“農戶”的帶動模式，形成了一定數量的標準化種植業基地、養殖場和種養結合示范園區，加快了當地特色農業產業的轉型，并帶動相鄰縣(區、市)以這種方式向其靠攏，使得高排放聚集區顯著性增加且出現擴張趨勢。

3.2 農業源CH4排放驅動因素分析

研究區人均耕地占有量、人均GDP、城鎮化率、農村用電量和單位面積施肥量對研究區CH4排放具有一定控制作用。人均耕地占有量可反映農地規模化集約集中經營的程度，規模化集約集中經營能夠科學的管理農業生產中投入品的種類、用量和時間，減少農業生產過程中不必要的投入[28]，進而減少因施肥過量、飼料種類及用量添加不合理等，引起種植業、養殖業CH4排放增多的現象，有利于促進低碳農業經濟。人均GDP主要通過影響居民生活消費方式和驅動產業結構的轉變。有研究表明，隨著居民消費水平的提高，人們更加傾向于購買碳排放量更高的商品[29]，這一需求也驅動產業結構的轉變，據統計資料可知，研究區第一、二、三產業的GDP比例分別從2007年的27.37∶42.01∶30.62，轉變為2017年的14.93∶48.58∶36.49，由于產業結構逐漸調整，產出重心從傳統農業耕作，向更高收益的第二、三產業轉移，增加了人均GDP，進而降低了農業源CH4的排放。2007—2017年期間，研究區平均城鎮化率從22.09%提升到47.51%，城鎮化發展會使工業、住宅等建設用地擴張，引起人口向城市轉移，提高居民及農業從業者的生態保護意識，直接或間接降低農業源CH4的排放[30]。但也有研究結果表明，城市的發展對碳排放同時存在促進和控制作用[31]。

2007—2017年期間，研究區平均農村用電量提升幅度達59.59%，表明區域農村基礎建設為農耕機械以及新型環境友好型技術的運用奠定了堅實基礎，農業科技的運用較為普遍，施肥、機械耕作、收割、灌溉、飼料全自動化等機械化技術有助于減少農資的投入量，同時一些區域新型環境友好型農業投入品及設備的使用，均有助于減少農業源的CH4排放，這與戴小文等研究結果一致[32]，但機械化技術的應用，也可能會導致能源碳排放量的增加。單位面積施肥量反映施肥強度，化肥施用對農田CH4排放影響的研究結果不盡相同，稻田CH4的排放并不是單一因素控制，同時受土壤性質、自然條件以及人為措施共同調控[33-34]，本文的結果表明了單位面積的施肥量對研究區農業源的CH4排放起著控制作用。第一產業產值、總人口和農村從業結構促進了研究區農業源CH4的排放。其中，農業產值結構對農業源CH4的排放影響最為明顯，這與王興等[15]研究結果較為一致。為發展農業經濟，驅動農業經營規模及發展，進而影響農業CH4排放。而不論是總人口還是從事農業人口數量多少均對研究區的CH4排放起著促進作用，兩者均會導致農業經營規模的擴大及發展，前者通過總人口對農產品的需求，間接作用于農業經營規模，而后者直接作用于農業經營規模，促進農業源CH4的排放。

4 結 論

(1) 2007—2017年期間，盆地丘陵區農業源CH4排放量在32.52～35.93萬t，排放水平較高，與四川省農業區布局及含有較多現代農牧業重點建設縣有關。排放量總體呈現隨年限增加而降低的趨勢，與糧食價格低迷和畜禽養殖業減排政策的頒布及實施有著密不可分的關系。

(2) 2007—2017年期間，CH4排放重心隨時間推移，總體上呈現向東北方向移動的趨勢；空間上呈“東北高，西南低”的分布特征，這與西南區技術空間溢出效應的充分釋放，以及東北部農牧規模化產業擴大有著密切的聯系。

(3) 除總人口、農業從業結構和農業產值結構對農業源CH4排放起促進作用，城鎮化率、人均耕地占有量、單位面積施肥量、人均GDP和農村用電量起控制作用，其中農業產值結構仍是導致研究區農業CH4排放增加的主要驅動因素，通過規模化集約集中生產可有效降低農業源CH4排放水平。