1978—2021 年廣西農(nóng)業(yè)凈碳匯時序特征及影響因素*

葛小君,吳 丹,李淑斌**,安 強

(1.廣西壯族自治區(qū)計量檢測研究院 南寧 530001;2.布魯塞爾自由大學 布魯塞爾 1050 比利時)

溫室氣體排放導致的全球變暖已經(jīng)成為目前人類生存和發(fā)展面臨的重要環(huán)境問題。農(nóng)業(yè)系統(tǒng)作為陸地生態(tài)系統(tǒng)的重要一環(huán),是碳排放(碳源)場所和碳固定(碳匯)的重要途徑。中國農(nóng)業(yè)活動碳排放可達到國內(nèi)碳排放總量的17%[1]。2004—2013 年中國糧食作物溫室氣體排放增長1.94%[2];2005 年,中國畜牧業(yè)溫室氣體排放量占全國農(nóng)業(yè)總排放量的45.7%[3]。同時,農(nóng)業(yè)生態(tài)系統(tǒng)通過作物光合作用和水產(chǎn)貝藻養(yǎng)殖實現(xiàn)固碳[4]。過去幾十年來,中國通過集約化農(nóng)業(yè)的發(fā)展使農(nóng)作物產(chǎn)量大幅增加,促進了農(nóng)業(yè)固碳能力的提升[5]。Li 等[6]的研究顯示中國農(nóng)業(yè)系統(tǒng)碳匯量約是碳排放量的10 倍。因此,在估算農(nóng)業(yè)系統(tǒng)碳排放的過程中,需要同時考慮碳排放和碳固定兩個過程[7],碳匯和碳源的差值即為農(nóng)業(yè)系統(tǒng)的凈碳匯量,這一指標反映了農(nóng)業(yè)對溫室氣體的影響[8]。

對碳源、碳匯和凈碳匯量預測和因素分解常用的方法有投入產(chǎn)出模型[9]、系統(tǒng)動力模型[10]、Logistic 模型[11]、STIRPAT (Stochastic Impacts by Regression on Population,Affluence and Technology)法[12]、神經(jīng)網(wǎng)絡[13]等。STIRPAT 模型的優(yōu)勢在于能夠提供一個全面和靈活的框架,用于分析多種影響因素與環(huán)境變量之間的復雜關(guān)系。與其他模型相比,STIRPAT 模型不僅計算復雜度較低,而且能夠更準確地反映人口、經(jīng)濟和技術(shù)等多方面因素的綜合影響,并且具有較好的靈活性和拓展性,是目前碳預測最常見且認可度較高的模型[14]。

通過精確測量農(nóng)業(yè)的碳排放與碳固定量,能夠有效推動可持續(xù)農(nóng)業(yè)的發(fā)展,并緩解氣候變化的影響[2]。但是目前對于農(nóng)業(yè)碳匯的核算存在以下兩方面問題: 一方面是核算邊界存在差異導致結(jié)論不同,部分研究主要聚焦在農(nóng)業(yè)碳排放環(huán)節(jié),另一部分研究則將農(nóng)作物的碳匯過程納入核算結(jié)果并發(fā)現(xiàn)農(nóng)業(yè)過程中碳固定量大于碳排放量[14-16];另一方面是核算區(qū)域的差異,中國地域廣闊,各省份的農(nóng)業(yè)結(jié)構(gòu)顯著不同,這導致農(nóng)業(yè)碳源和碳匯特征的多樣性[2],目前已有眾多研究對不同省份農(nóng)業(yè)碳排放和碳固定進行全方位的詳細核算,如西藏[15]、河南[16]、海南[17]、甘肅[14]及西南地區(qū)[18],并且發(fā)現(xiàn)不同地區(qū)的碳排放和碳固定特征存在較大差異。

廣西作為中國農(nóng)業(yè)大省,目前大部分研究主要側(cè)重于廣西農(nóng)業(yè)碳排放核算[19-22],而對廣西農(nóng)業(yè)系統(tǒng)的碳固定和凈碳匯量的長時序綜合性核算報道相對有限。因此對廣西農(nóng)業(yè)碳匯進行準確量化核算,不僅可以提供科學全面的廣西農(nóng)業(yè)凈碳匯時序數(shù)據(jù),并且能夠更好地了解廣西農(nóng)業(yè)系統(tǒng)碳平衡的動態(tài)變化。此外,通過廣西農(nóng)業(yè)系統(tǒng)凈碳匯主要影響因素的分析,可為廣西未來農(nóng)業(yè)碳管理提供更具有深度的科學依據(jù)。

本文以廣西為研究區(qū)域，并基于廣西統(tǒng)計年鑒的數(shù)據(jù)，采用排放因子法和碳固定因子法對1978至2021 年間廣西農(nóng)業(yè)系統(tǒng)的碳排放和碳固定量進行量化。同時,引入STIRPAT 模型以識別和分析影響廣西農(nóng)業(yè)凈碳排放與碳固定的主要因素。研究目的是揭示廣西農(nóng)業(yè)碳排放和碳固定的時序演變特征及其影響因素,旨在為廣西農(nóng)業(yè)可持續(xù)發(fā)展提供科學依據(jù),并助力廣西實現(xiàn)碳排放和碳吸收的平衡目標。本文的主要目標包括: 1)量化1978—2021 年廣西農(nóng)業(yè)系統(tǒng)碳排放、碳固定和凈碳匯;2)分析廣西農(nóng)業(yè)系統(tǒng)碳排放、碳固定和凈碳匯來源特征;3)確定廣西農(nóng)業(yè)系統(tǒng)碳排放、碳固定和凈碳匯的主要影響因素。

1 研究方法

1.1 數(shù)據(jù)來源

本文數(shù)據(jù)來源為1978—2022 年《中國統(tǒng)計年鑒》和《中國農(nóng)村統(tǒng)計年鑒》、1984—2022 年《廣西統(tǒng)計年鑒》、2000—2021 年《中國漁業(yè)年鑒》及《廣西農(nóng)村統(tǒng)計資料2009》,由于2000 年以前廣西海產(chǎn)品種類占比數(shù)據(jù)缺失,因此根據(jù)2000—2022 年《中國漁業(yè)年鑒》不同海產(chǎn)品種類占比的平均值計算1978—2000 年廣西海水養(yǎng)殖不同海產(chǎn)品種類占比。本文中碳排放來源主要包括農(nóng)資投入要素、畜禽養(yǎng)殖、稻田排放和秸稈焚燒,碳固定來源主要包括作物固定和水產(chǎn)養(yǎng)殖。

1.2 農(nóng)業(yè)碳排放量計算

1.2.1 農(nóng)業(yè)資料投入

農(nóng)地利用過程的碳排放來源于農(nóng)業(yè)生產(chǎn)作業(yè)各環(huán)節(jié)的農(nóng)業(yè)資料投入,主要包括6 個方面[23]:1)源于化肥施用的碳排放量,主要包括化肥分解產(chǎn)生的N2O;2)源于農(nóng)藥施用所產(chǎn)生的碳排放量,包括農(nóng)藥生產(chǎn)和運輸過程中產(chǎn)生的CO2;3)源于農(nóng)膜使用所產(chǎn)生的碳排放量,主要指農(nóng)膜在生產(chǎn)和使用環(huán)節(jié)中產(chǎn)生的CO2;4)源于農(nóng)田灌溉過程的間接碳排放量,主要是由于水泵等灌溉設備使用的電力和化石燃料產(chǎn)生的CO2;5)源于農(nóng)地翻耕所產(chǎn)生的碳排放量,主要是耕作中土壤擾動釋放的CO2;6)源于農(nóng)業(yè)機械使用過程燃料消耗所產(chǎn)生的直接或間接碳排放量,主要包括機械耕作時化石燃料燃燒產(chǎn)生的CO2以及消耗的電力產(chǎn)生的CO2。

式中:Cie是農(nóng)業(yè)資料投入的碳排放量;Ii是第i類農(nóng)業(yè)資料投入量,包括化肥、農(nóng)藥、農(nóng)膜、農(nóng)田灌溉、農(nóng)地翻耕、機械使用,其中氮肥、磷肥、鉀肥和復合肥分別進行計算;Ci是第i類農(nóng)業(yè)資料的碳排放系數(shù)。各類農(nóng)業(yè)資料的碳排放系數(shù)來源于文獻[23-24],其中源于化肥的N2O 排放系數(shù)已基于N2O 的CO2全球增溫潛勢轉(zhuǎn)化為碳當量系數(shù),詳細參數(shù)見表1。

1.2.2 畜禽養(yǎng)殖

在畜禽養(yǎng)殖業(yè)中,腸胃發(fā)酵會產(chǎn)生大量的甲烷(CH4),其中以反芻動物最多,豬其次,家禽最少;畜禽排泄物同時產(chǎn)生CH4和氧化亞氮(N2O)。排泄物在無氧狀態(tài)下分解主要產(chǎn)生CH4,但堆肥則產(chǎn)生大量的N2O;同時,考慮到不同畜禽養(yǎng)殖天數(shù)不同,需根據(jù)畜禽養(yǎng)殖情況收集數(shù)據(jù)。在中國畜禽養(yǎng)殖業(yè)中,生豬、兔和家禽生長周期較短,可以在1 年內(nèi)進行多次飼養(yǎng)和出售,因此這三者選擇出欄量進行計算,而其余采用存欄量進行計算[25]。根據(jù)IPCC 評估報告,CH4和N2O 的100 年全球增溫潛勢分別為25 和298,因此1 t CH4和N2O 分別等于6.8182 t 和81.273 t 碳當量(CO2-eq)。

式中:Csl為源于畜禽養(yǎng)殖的CH4排放總量(碳當量),Cnl為源于畜禽養(yǎng)殖的N2O 排放總量(碳當量),Ti為第i種畜禽的養(yǎng)殖數(shù)量,GFi為第i種畜禽腸胃發(fā)酵的CH4排放系數(shù),Mi,e為第i種畜禽排泄物的CH4排放系數(shù),Ni,e為第i種畜禽腸胃發(fā)酵和排泄物的N2O排放系數(shù),Bi,d為第i種畜禽的養(yǎng)殖天數(shù),6.8182 為CH4對應CO2全球增溫潛勢轉(zhuǎn)化成碳當量的系數(shù),81.273 為N2O 對應CO2全球增溫潛勢轉(zhuǎn)化成碳當量的系數(shù)。不同種類畜禽的不同養(yǎng)殖環(huán)境的CH4和N2O 排放系數(shù)見表2[25]。

表2 不同種類畜禽養(yǎng)殖系統(tǒng)CH4 和N2O 排放系數(shù)Table 2 CH4 and N2O emission factors from different livestock and poultry farming system

1.2.3 水稻種植

稻田是全球大氣CH4的重要來源[23]。在水稻(Oryza sativa)種植過程中,淹水的厭氧環(huán)境和土壤中豐富的有機物質(zhì)促進了甲烷菌活動,從而導致了甲烷 (CH4) 的排放。鑒于中國各地區(qū)稻田CH4排放系數(shù)的差異性,本研究采用了參考文獻[23]中提供的廣西早稻、中稻和晚稻的具體排放系數(shù)來進行核算。

式中:Cr為水稻生長過程中CH4排放總量(碳當量),Ti為第i季水稻播種面積,ωi為第i季水稻CH4排放系數(shù),6.8182 為CH4對應CO2全球增溫潛勢轉(zhuǎn)化成碳當量的系數(shù)。廣西早稻、晚稻和中稻的CH4排放系數(shù)分別為12.41 g·m–2、49.10 g·m–2和47.78 g·m–2[23]。

1.2.4 秸稈焚燒

我國大部分地區(qū)的秸稈處理方式仍以就地焚燒為主[23],焚燒秸稈會產(chǎn)生大量的溫室氣體,進一步加劇溫室效應。根據(jù)《廣西農(nóng)業(yè)統(tǒng)計年鑒》數(shù)據(jù),廣西水稻、玉米(Zea mays)、豆類、薯類、花生(Arachis hypogaea)和甘蔗(Saccharum officinarum)的產(chǎn)量占農(nóng)作物總產(chǎn)量的95%以上,因此本文選擇這6 種農(nóng)作物進行碳源/匯核算。根據(jù)參考文獻[24]的作物草谷比估算廣西各類作物秸稈量,廣西秸稈廢棄比例和秸稈焚燒比例來自參考文獻[23]。由于不同區(qū)域秸稈焚燒的碳排放系數(shù)難以獲取,因此本文借鑒參考文獻[26],將秸稈焚燒的碳排放系數(shù)設為1515 kg(C)?kg–1。

式中:Cs為秸稈焚燒產(chǎn)生的碳排放總量;Ei為第i種作物產(chǎn)量;Gi為第i種經(jīng)濟作物草谷比;Ec為秸稈焚燒的碳排放系數(shù);R為秸稈焚燒系數(shù)(秸稈廢棄比例×焚燒比例),廣西農(nóng)作物秸稈廢棄比例為40%,秸稈焚燒比例為20%[23],故焚燒廢棄系數(shù)為8%。不同農(nóng)作物草谷比見表3。

1.3 農(nóng)業(yè)碳固定量計算

國際上以農(nóng)產(chǎn)品凈初級生產(chǎn)測算農(nóng)業(yè)碳匯,近年來,國內(nèi)學者將其應用到對農(nóng)田和海洋碳匯的測算中[26-28]。本文借鑒此方法,并且結(jié)合研究需求加以改進。

1.3.1 水產(chǎn)

廣西水產(chǎn)養(yǎng)殖以貝類養(yǎng)殖為主,約占總水產(chǎn)養(yǎng)殖產(chǎn)量的99%,據(jù)此,選擇貝類作為廣西水產(chǎn)養(yǎng)殖碳匯核算的指標。貝類主要通過鈣化和食物攝取利用海水中的碳促進自身生長,形成碳匯。一方面,貝殼利用海水中的溶解CO2形成貝類貝殼的CaCO3;另一方面,貝殼通過濾食海水中的有機顆粒促進自身軟組織生長并固碳[28]。由于廣西水產(chǎn)養(yǎng)殖碳匯核算數(shù)據(jù)較難獲取,因此本研究采用全國水產(chǎn)養(yǎng)殖碳匯系數(shù)進行估算。

式中,Csh為水產(chǎn)養(yǎng)殖碳固定量,Qi為第i種水產(chǎn)養(yǎng)殖量,αi為第i種水產(chǎn)養(yǎng)殖量干濕轉(zhuǎn)換系數(shù),φij為第i種水產(chǎn)養(yǎng)殖量第j部分(即軟組織和殼)的質(zhì)量占比,ωij為第i種水產(chǎn)養(yǎng)殖量第j部分(即軟組織和殼)的碳含量。參數(shù)詳情見表4。

表4 水產(chǎn)養(yǎng)殖碳固定系數(shù)Table 4 Aquaculture carbon sequestration factors

1.3.2 作物

作物生長過程能夠?qū)⑻脊潭ㄔ谕寥篮椭参镏?在過去幾十年里,中國的種植業(yè)通過集約化發(fā)展顯著提高了作物產(chǎn)量,由此表明作物種植具有較大的碳固定能力。

式中:Cct為農(nóng)作物碳固定量,Ei為第i種作物產(chǎn)量,Si為第i種作物的碳固定率,Wi為第i種作物的含水率,Hi為第i種作物的經(jīng)濟系數(shù)。參數(shù)詳情見表5[23]。

1.4 農(nóng)業(yè)凈碳匯量

根據(jù)上述計算結(jié)果,本研究碳排放總量為農(nóng)業(yè)資料投入碳排放、畜禽養(yǎng)殖碳排放、水稻種植碳排放和秸稈焚燒碳排放的總和。碳固定總量為農(nóng)作物碳固定量和水產(chǎn)養(yǎng)殖碳固定量的總和。凈碳匯量為碳固定總量和碳排放總量的差值。具體公式為:

式中:Cet為碳排放總量,Cat為碳固定總量,Ccf為農(nóng)業(yè)凈碳匯量。

1.5 農(nóng)業(yè)凈碳匯影響因素分析

采用STIRPAT 模型對凈碳匯量的影響因素進行分析。通常采取人口規(guī)模 (農(nóng)業(yè)總?cè)丝诨蛉丝诮Y(jié)構(gòu))、富裕程度和技術(shù)應用3 個方面構(gòu)建STIRPAT 模型。為了提高STIRPAT 模型的針對性和準確性,根據(jù)上述碳排放源和碳固定源的計算結(jié)果選取碳排放和碳固定的主要來源進行Pearson 相關(guān)性分析,選取與碳排放、碳固定和凈碳匯量顯著相關(guān)的碳排放/碳固定來源參數(shù)參與模型計算,從而使STIRPAT 模型更準確。由于各參數(shù)間可能存在共線性關(guān)系,因此采用嶺回歸 (Ridge Regression)方法以去除共線性問題。各指標間相關(guān)性采用Pearson 相關(guān)分析,顯著性和極顯著性水平分別為P＜0.05 和P＜0.01。采用SPSS 25.0和GraphPad Prism 9.0 進行數(shù)據(jù)處理和作圖。

2 結(jié)果與分析

2.1 廣西農(nóng)業(yè)碳排放、碳固定和凈碳匯量時序分析

廣西農(nóng)業(yè)碳排放量、碳固定量和凈碳匯量呈現(xiàn)增長趨勢(圖1)。1978—2021 年農(nóng)業(yè)碳排放量由1166.61×104t 增加到1457.17×104t,增幅24.90%,年均增長0.55%。在2006 年達到碳排放峰值(1628.60×104t),隨后回落至2021 年的1457.17×104t。相比于碳排放量,碳固定量呈現(xiàn)明顯上升趨勢,從1978 年的872.81×104t 上升到2021 年的3319.31×104t,增長約2.80 倍。碳固定量具有明顯的階段性: 第1 階段(1978—1987 年)為緩慢增長期,該階段碳固定量增加37.16%;第2 階段(1988—2008 年)為快速增長期,由1131.54×104t 上升到3271.57×104t,年均增長3.45%,增長1.89 倍;第3 階段(2009—2021 年)為平穩(wěn)波動期,碳固定量在3254.06×104t 上下波動。凈碳匯量與碳固定量趨勢保持一致,農(nóng)業(yè)凈碳匯量從1978 年的–293.79×104t 上升到2021 年的1862.14×104t,年均漲幅為18.92%,在1989 年之前,農(nóng)業(yè)凈碳匯量為負值,1990 年廣西農(nóng)業(yè)碳排放和碳固定基本達到平衡,隨后凈碳匯量為正值并逐年增加,說明廣西農(nóng)業(yè)系統(tǒng)具有較高的碳匯效應。

2.2 廣西農(nóng)業(yè)碳排放量變化特征

2.2.1 農(nóng)業(yè)碳排放來源構(gòu)成

1978—2021 年源于農(nóng)業(yè)資料投入和秸稈焚燒的碳排放占比呈上升趨勢(圖2),其中源于農(nóng)業(yè)資料投入的碳排放從1978 年的205.93×104t (17.65%)上升到2016 年的577.15×104t (36.81%),而后緩慢下降至2021 年的530.92×104t (36.44%);源于秸稈焚燒的碳排放則從1978 年的108.97×104t (9.34%)上升到2021 年的221.77×104t (15.22%)。源于稻田的碳排放占比則呈現(xiàn)出逐年下降的趨勢,由1978 年最高的634.06×104t (54.35%)下降到2021 年的384.86×104t(26.41%)。1978—2021 年源于畜禽養(yǎng)殖的碳排放平均占比為23.54%,2007 年其占比出現(xiàn)了較大波動,從2006 年的441.86×104t (27.13%)下降到2007 年的303.77×104t (20.38%),占比下降了6.75%。

圖2 1978—2021 年廣西農(nóng)業(yè)不同類型排放源的碳排放量Fig.2 Carbon emission of different carbon sources from agriculture system in Guangxi from 1978 to 2021

2.2.2 農(nóng)業(yè)碳排放主要來源

對于農(nóng)業(yè)資料投入而言(圖3a),化肥和灌溉是最主要的碳排放源,1978—2021 年平均占源于農(nóng)業(yè)資料投入總碳排放的80.25%。源于灌溉的碳排放占比呈下降趨勢,由108.84×104t (52.85%)下降到113.50×104t (21.38%);源于化肥的碳排放占比呈上升趨勢,由69.03×104t (33.52%)上升至297.78×104t(56.09%),其中源于氮肥的碳排放是源于化肥的碳排放的主要來源(61.02×104～257.64×104t)。晚稻是最主要的稻田排放源,占源于稻田的總碳排放的70%左右(圖3b)。對于畜禽養(yǎng)殖碳排放而言(圖3c),牛養(yǎng)殖是主要碳排放源,平均占源于畜禽養(yǎng)殖總碳排放的74.13% (252.52×104t)。2007 年,源于牛養(yǎng)殖的碳排放出現(xiàn)明顯下降,比2006 年下降15.07%;源于家禽和生豬的碳排放則呈增長趨勢,占比分別由7.98%(17.36×104t)和7.26% (15.81×104t)上升到20.69%(66.13×104t)和23.67% (75.66×104t)。水稻是秸稈焚燒碳排放的主要來源(圖3d),平均占源于秸稈焚燒總碳排放的65.89% (117.17×104t);隨著甘蔗產(chǎn)量的增加,源于秸稈焚燒碳排放中甘蔗占比呈明顯增加,從1978 年的2.30% (2.74×104t)上升至2021 年的24.15% (53.56×104t)。

圖3 1978—2021 年廣西農(nóng)業(yè)不同排放源的碳排放量占比Fig.3 Carbon emission proportions of different carbon emission sources of agriculture in Guangxi from 1978 to 2021

2.3 廣西農(nóng)業(yè)碳固定量變化特征

2.3.1 農(nóng)業(yè)碳固定

從圖4 可以看出,1978—2021 年廣西農(nóng)業(yè)碳固定量呈上升趨勢,其中農(nóng)作物碳固定量平均占總碳固定量的93.67%。水產(chǎn)養(yǎng)殖1997 年前占比較小,平均為1.28%,1997 年后占比增加至10.53%,水產(chǎn)養(yǎng)殖的碳固定量呈緩慢上升趨勢,從1998 年的259.08×104t 上升到429.97×104t。

圖4 1978—2021 年廣西農(nóng)業(yè)不同來源的碳固定量Fig.4 Carbon sequestration of different sources from agriculture system in Guangxi from 1978 to 2021

2.3.2 農(nóng)業(yè)碳固定來源

從圖5 可以看出,水稻、甘蔗和玉米是農(nóng)田碳固定的主要來源,平均約占總碳固定量的95%。其中水稻碳固定量占比呈逐年下降趨勢,從1978 年的75.57%下降到2021 年的28.62%,但水稻碳固定總量變化較小,在869.62×104t 之間波動;甘蔗碳固定占比呈明顯上升趨勢,由1978 年的9.79%上升到2021年的57.35%,1978—2008 年間呈快速上升趨勢,從84.76×104t 上升到1848.51×104t,2009—2021 年間呈平緩趨勢,在1678.42×104t 上下波動。對于水產(chǎn)養(yǎng)殖碳固定而言,牡蠣(Ostreidae)是廣西最主要的海洋碳匯來源,占總碳固定的99%。

圖5 1978—2021 年廣西農(nóng)業(yè)不同碳固定來源的碳固定量占比Fig.5 Carbon sequestration proportions of carbon sink sources from agriculture system in Guangxi from 1978 to 2021

2.4 廣西農(nóng)業(yè)碳排放、碳匯和凈碳匯的影響因素與預測

2.4.1 相關(guān)性分析

相關(guān)性分析表明(表6),廣西農(nóng)業(yè)碳固定量和凈碳匯量與農(nóng)業(yè)總?cè)丝诔曙@著負相關(guān)(P＜0.01),碳排放量、碳固定量和凈碳匯量與機械化水平(P＜0.01)、農(nóng)業(yè)經(jīng)濟發(fā)展水平(P＜0.01)、化肥(P＜0.01)和農(nóng)藥施用量(P＜0.01,P＜0.05)及作物產(chǎn)量(P＜0.01)呈顯著正相關(guān),與稻田播種面積呈顯著負相關(guān)(P＜0.01)。碳排放量、碳固定量和凈碳匯量與畜禽養(yǎng)殖和農(nóng)業(yè)結(jié)構(gòu)之間相關(guān)性不顯著,碳排放與農(nóng)業(yè)總?cè)丝陂g也沒有顯著相關(guān)性。

表6 廣西農(nóng)業(yè)碳排放指標與不同影響因素的相關(guān)性(n=44)Table 6 Correlation of agricultural carbon emission indicators with different influencing factors in Guangxi (n=44)

2.4.2 STIRPAT 模型結(jié)果

嶺回歸分析結(jié)果表明在k=0.1 時能夠滿足VIF(方差膨脹系數(shù))＜3,因此本研究取k=0.1 進行回歸模型的建立。結(jié)果顯示,化肥施用量和水稻產(chǎn)量對碳排放量有正影響;每增加1%的化肥施用量將增加0.035%的碳排放量,每增加1%的水稻產(chǎn)量將會增加0.417%的碳排放量,水稻產(chǎn)量對于碳排放量的影響更明顯。農(nóng)作物產(chǎn)量、化肥施用量和機械化水平對碳固定量有顯著正影響,上述因素每增加1%,碳固定量分別增加0.17%～0.39%、0.16%和0.04%;農(nóng)業(yè)總?cè)丝诤退静シN面積對碳匯總量有顯著負影響,這兩個因素每下降1%,碳固定量則分別增加0.04%和0.05%。凈碳匯量的預測結(jié)果與碳匯類似,農(nóng)作物產(chǎn)量和化肥施用量對凈碳匯量有顯著正影響,其中水稻對凈碳匯量影響最大,甘蔗次之,當水稻和甘蔗產(chǎn)量分別每增加1%時,凈碳匯量分別增加1.37%和0.77%;而農(nóng)業(yè)總?cè)丝诤偷咎锩娣e對凈碳匯量有顯著負影響。

3 討論

本研究旨在驗證核算結(jié)果的合理性。鑒于詳細的官方碳排放與碳固定數(shù)據(jù)的不足,我們采用了與先前研究報告所提供數(shù)據(jù)的比較驗證方法。程琳琳[21]核算的1993—2016 年廣西農(nóng)業(yè)年均碳排放量為1411.61×104t,本文核算的同期廣西農(nóng)業(yè)年均碳排放量為1550.97×104t,誤差為9.8%。鑒于缺乏廣西地區(qū)全面的作物碳固定數(shù)據(jù),本文碳固定量比較主要基于單一作物碳匯的核算結(jié)果進行。林克濤等[29]對甘蔗產(chǎn)業(yè)碳匯的核算結(jié)果表明,2003—2012 年廣西甘蔗碳匯量為1023.29×104～1848.43×104t,本文甘蔗同時期碳匯量為1093.91×104～1761.68×104t,誤差為4.9%～6.9%。造成上述誤差的主要原因可能有以下3 點: 一是計算邊界導致的誤差,由于農(nóng)業(yè)種植過程環(huán)節(jié)較多,因此邊界取舍的不同會導致最終結(jié)果出現(xiàn)偏差,例如土壤碳排放和碳礦化過程對碳核算結(jié)果的影響可達12%～30%[30];二是數(shù)據(jù)收集口徑的不同導致的誤差,例如Chen 等[31]通過《全國農(nóng)產(chǎn)品成本收益資料匯編》計算的總化肥施用量高于《中國農(nóng)村統(tǒng)計年鑒》數(shù)據(jù),因此所計算的化肥碳排放量會存在差異;三是排放參數(shù)的選擇也會導致誤差[32]。因此,本研究不僅具有一定的參考價值，還能為數(shù)據(jù)不足的年份提供有益的借鑒。

1978—2021 年廣西農(nóng)業(yè)系統(tǒng)碳排放總量呈緩慢增長趨勢,其中1978—1998 年為增長階段,這可能因為此時段廣西處于傳統(tǒng)農(nóng)業(yè)發(fā)展階段,社會發(fā)展的主要問題是解決溫飽問題,為了增加糧食作物產(chǎn)量,化肥施用不可避免地增加[33],碳排放總量隨之增加。1998 年,碳排放出現(xiàn)了第1 次明顯的下降拐點,這是由于1998 年中國南方發(fā)生特大洪澇災害,廣西約2.74×104hm2耕地資源被毀[34-35],在一定程度上降低了碳排放。2007 年碳排放出現(xiàn)第2 次明顯的下降拐點,這是由于2006 年發(fā)生的金融危機引發(fā)了經(jīng)濟放緩和信貸緊縮,消費者收入減少,消費信心和能力均有降低,這直接導致了肉類消費量的下降。這些因素綜合影響了畜禽養(yǎng)殖業(yè),進而導致整體產(chǎn)量的普遍降低[36],因此農(nóng)業(yè)碳排放下降。2015 年農(nóng)業(yè)部發(fā)布的“一控二減三基本”政策是2015 年之后碳排放量減少的主要因素[23]。這說明廣西農(nóng)業(yè)碳排放受到多重因素交互影響,因此在后續(xù)對廣西農(nóng)業(yè)碳排放預測過程中需要考慮以下3 方面因素: 一是考慮自然因素對碳排放的影響,諸如臺風、極端降雨、干旱以及厄爾尼諾和拉尼娜現(xiàn)象;二是考慮市場經(jīng)濟因素對碳排放的影響,諸如農(nóng)產(chǎn)品供應和價格、國內(nèi)生產(chǎn)總值和農(nóng)業(yè)經(jīng)濟發(fā)展水平等(表7) ;三是農(nóng)業(yè)政策的制定和執(zhí)行也是評估碳排放的關(guān)鍵因素,這不僅包括政策在地方層面的落實情況,還包括農(nóng)民和農(nóng)業(yè)從業(yè)者對這些政策的響應速度和適應能力。

表7 廣西農(nóng)業(yè)碳排放影響因素的STIRPAT 模型預測結(jié)果(n=44)Table 7 Prediction of the affecting factors of carbon emission of agriculture in Guangxi using STIRPAT model (n=44)

1978—2021 年廣西各類農(nóng)業(yè)碳排放源變化明顯,農(nóng)業(yè)資料投入的碳排放占比呈現(xiàn)增加的趨勢，2021 年農(nóng)業(yè)資料投入是碳排放的主要來源(圖2),隨后分別是稻田排放、畜禽養(yǎng)殖和秸稈焚燒。化肥是農(nóng)業(yè)資料投入碳排放的主要來源,這與前人研究結(jié)果一致[37]。一方面,廣西早年長期采用粗放型種植模式,大量施用肥料導致大規(guī)模的溫室氣體排放;另一方面,廣西是中國水稻和甘蔗的主產(chǎn)區(qū),為滿足日益增長的糧食需求,不可避免地擴大了甘蔗和水稻的種植規(guī)模,因此增加了肥料和農(nóng)藥的施用量[19,33]。STIRPAT 模型結(jié)果表明(表7),化肥施用量和水稻產(chǎn)量是碳排放增加的主要來源,這一結(jié)果印證了上述推測。畜禽養(yǎng)殖碳排放來源結(jié)構(gòu)也發(fā)生了較大變化,一方面原因在于金融危機導致畜禽養(yǎng)殖結(jié)構(gòu)的改變[36],牛的養(yǎng)殖成本(5000～8000 元·頭?1)遠高于家禽[1624.63～2558.59 元?(100 只)?1]和豬(1545～1827 元?頭?1)的養(yǎng)殖成本[38-40],養(yǎng)殖戶為避免潛在的金融危機帶來的高損失風險,普遍傾向選擇養(yǎng)殖成本較低的生豬和畜禽進行規(guī)模化養(yǎng)殖;另一方面,由于我國的肉類消費結(jié)構(gòu)是以豬肉和家禽類產(chǎn)品為主(＞80%)[40],這一趨勢進一步促使養(yǎng)殖戶擴大生豬和家禽養(yǎng)殖規(guī)模,以滿足市場需求。廣西水稻碳排放較為穩(wěn)定,但總體呈現(xiàn)出下降趨勢,這一現(xiàn)象主要歸因于水稻播種面積的減少。廣西是我國水稻主產(chǎn)區(qū),水稻生產(chǎn)較為飽和,隨著經(jīng)濟發(fā)展,該地區(qū)種植結(jié)構(gòu)也發(fā)生了變化,經(jīng)濟作物播種面積增加,水稻種植面積縮小,進而導致源于稻田的碳排放下降[41]。因此為降低廣西農(nóng)業(yè)碳排放,亟需深入研究和實施化肥精準施用、稻田CH4排放控制和規(guī)范化養(yǎng)殖策略,并制定相應政策。在化肥應用方面,必須加強對施肥過程的精準管理,以確保農(nóng)業(yè)生產(chǎn)高效性的同時對環(huán)境的負面影響最小。對稻田CH4排放的控制需要加強水稻種植和管理技術(shù)的研究,以降低溫室氣體排放。同時,對畜禽養(yǎng)殖過程的規(guī)范化是另一個關(guān)鍵方面,須采取措施確保畜禽養(yǎng)殖過程中的環(huán)保標準符合科學規(guī)范,包括養(yǎng)殖密度、飼養(yǎng)管理、廢棄物處理等。在此基礎上,提高糞污利用效率,通過科學合理的處理方法,最大限度地減少糞污碳排放。

農(nóng)業(yè)系統(tǒng)中農(nóng)作物的碳匯效益往往被忽視,以往研究表明通過農(nóng)業(yè)種植和田間管理技術(shù)的進步,農(nóng)業(yè)系統(tǒng)能夠轉(zhuǎn)變成碳匯系統(tǒng)[42-43]。本研究結(jié)果顯示,廣西農(nóng)業(yè)凈碳匯量1989 年起由負值轉(zhuǎn)變?yōu)檎?之后逐年增加,最終形成了巨大的碳匯系統(tǒng)(圖1)。其主要原因在于傳統(tǒng)粗放型農(nóng)業(yè)逐漸轉(zhuǎn)變?yōu)榧s型農(nóng)業(yè),農(nóng)業(yè)機械水平提升,機械化播種、耕作和收割提高了農(nóng)業(yè)生產(chǎn)效率和農(nóng)田單產(chǎn),因此提高了作物碳固定量和凈碳匯量(表6 和表7)[44-45]。這表明農(nóng)業(yè)技術(shù)的提升對農(nóng)業(yè)系統(tǒng)的整體生態(tài)效益產(chǎn)生了積極影響。農(nóng)業(yè)系統(tǒng)不僅具有生產(chǎn)農(nóng)產(chǎn)品的功能,同時在實現(xiàn)碳達峰碳中和中也起到積極作用。

甘蔗作為廣西凈碳匯量的主要貢獻作物,在2021 年占作物碳固定量的57.35% (圖5),STIRPAT模型結(jié)果顯示甘蔗是增加碳固定和凈碳匯量的主要影響因素(表7)。Bordonal 等[46]和Cabral 等[47]分別采用IPCC 清查法和田間渦度協(xié)方差實測法對甘蔗種植系統(tǒng)的碳排放和碳固定進行估算,同樣得出甘蔗種植系統(tǒng)是碳匯的結(jié)論。雖然水稻產(chǎn)量對于碳固定和凈碳匯的影響更大(表7),但水稻種植過程的CH4排放是農(nóng)業(yè)系統(tǒng)碳排放的來源(圖2 和圖3),廣西以提高甘蔗產(chǎn)量為基礎來提升凈碳匯量具有更合理的現(xiàn)實意義。近年全球變暖背景下極端干旱天氣出現(xiàn)頻率提高,甘蔗產(chǎn)量因此受到上述因素的負面影響,此外作物碳固定受到作物產(chǎn)量的影響,故廣西甘蔗產(chǎn)量以及凈碳匯量呈平緩趨勢[48-49](圖5),因此需要增加甘蔗在極端天氣條件下的增產(chǎn)技術(shù)研究。

地球上大約10%的有機碳儲存在農(nóng)業(yè)土壤中[50],農(nóng)田生態(tài)系統(tǒng)土壤中的有機碳通常被認為是最活躍的碳庫,因此農(nóng)田生態(tài)系統(tǒng)中有機碳增加在抵消人為碳排放和減緩氣候變化方面發(fā)揮著重要作用[51]。本文采用的傳統(tǒng)核算方法進行碳源/匯的核算,并沒有考慮到氣候變化、施肥結(jié)構(gòu)變化和土地耕作而引起的土壤碳庫變化。在后續(xù)的研究中需要對土壤碳庫周轉(zhuǎn)開展進一步的研究。

4 結(jié)論

本文采用排放因子法對廣西農(nóng)業(yè)系統(tǒng)1978—2021 年的碳排放和碳匯進行了計算,結(jié)果顯示1978—2021 年廣西農(nóng)業(yè)碳排放量增長了24.90%,農(nóng)業(yè)資料投入和稻田排放是廣西農(nóng)田碳排放的主要來源,其中化肥和灌溉是農(nóng)業(yè)資料投入碳排放的主要來源。廣西農(nóng)業(yè)碳固定量逐年上升,2021 年的農(nóng)業(yè)碳匯量比1978 年增加約2.80 倍。作物是碳固定的主要來源,其中甘蔗碳固定量占作物總碳固定量的57.35%。廣西的農(nóng)業(yè)凈碳匯量從1978 年的?293.79×104t 上升到2021 年的1862.14×104t,說明廣西農(nóng)業(yè)系統(tǒng)具有較好的碳中和能力。農(nóng)業(yè)機械化水平、農(nóng)業(yè)經(jīng)濟發(fā)展水平、農(nóng)業(yè)資料投入水平和農(nóng)作物產(chǎn)量與碳排放、碳匯和凈碳匯呈顯著正相關(guān),而農(nóng)業(yè)總?cè)丝诤退静シN面積與之呈顯著負相關(guān)。STIRPAT 模型顯示,化肥施用量和水稻產(chǎn)量對碳排放有正向影響,作物產(chǎn)量、化肥投入量和機械化水平對碳固定和凈碳匯有顯著正影響,而農(nóng)業(yè)總?cè)丝诤退静シN面積對碳固定和凈碳匯有顯著負影響。在未來廣西農(nóng)業(yè)發(fā)展中,應該加強化肥精準施用、稻田CH4排放控制和規(guī)范化養(yǎng)殖方面的研究、應用和政策制定,以此降低碳排放總量,同時也可以通過推進甘蔗增產(chǎn)技術(shù)研究來增加碳固定量和凈碳匯量。