貴州省農業(yè)碳排放驅動因素與脫鉤效應研究

摘要 以貴州省為例，從農資投入、作物種植、秸稈焚燒、畜禽養(yǎng)殖4個方面選取35種碳源，構建農業(yè)碳排放指標體系，運用碳排放因子法、LMDI模型、Tapio脫鉤模型探究貴州省2006—2022年農業(yè)碳排放的時序特征、驅動因素及其與經濟發(fā)展的脫鉤效應。結果表明：2006—2022年，貴州省農業(yè)碳排放量呈現先上升后下降的倒“V”型變化趨勢，碳排放強度呈下降態(tài)勢，農業(yè)碳排放量由高到低依次為畜禽養(yǎng)殖、農資投入、作物種植、秸稈焚燒；農業(yè)生產效率、農業(yè)產業(yè)結構、地區(qū)產業(yè)結構和農村人口規(guī)模為農業(yè)碳排放的負向驅動因素，其中農業(yè)生產效率和地區(qū)產業(yè)結構是農業(yè)碳排放減少的主要因素；地區(qū)經濟水平和城鎮(zhèn)化率為農業(yè)碳排放的正向驅動因素，其中地區(qū)經濟水平是農業(yè)碳排放增加的主導因素；貴州省農業(yè)碳排放與農業(yè)經濟增長的脫鉤關系總體向好，脫鉤狀態(tài)從弱脫鉤向強脫鉤轉變。未來，貴州省需從農業(yè)科技投入、產業(yè)結構優(yōu)化、低碳宣傳教育等方面采取有力舉措，推進農業(yè)低碳與高質量發(fā)展。

關鍵詞 農業(yè)碳排放；驅動因素；脫鉤效應；“雙碳”目標；貴州省

中圖分類號 F323" 文獻標識碼 A" 文章編號 0517-6611（2025）03-0064-06

doi：10.3969/j.issn.0517-6611.2025.03.013

開放科學（資源服務）標識碼（OSID）：

Study on Driving Factors and Decoupling Effect of Agricultural Carbon Emissions in Guizhou Province

FAN Zu hong^1，2，3，WANG Yang^1，2，3，WU Wei1 et al

（1.College of Ecological Engineering， Guizhou University of Engineering Science， Bijie，Guizhou 551700;2.Guizhou Province Key Laboratory of Ecological Protection and Restoration of Typical Plateau Wetlands， Bijie，Guizhou 551700;3.Wetland Remote Sensing Sub centre of Gaofen Guizhou Centre， Bijie，Guizhou 551700）

Abstract Taking Guizhou Province as an example，35 carbon sources were selected from four aspects （agricultural input，crop cultivation，crop residue burning，livestock and poultry breeding）to construct an agricultural carbon emission index system.The carbon emission factor method， the LMDI model and the Tapio decoupling model were used to explore the time series characteristics of the agricultural carbon emissions， the driving factors and their decoupling effects with economic development in Guizhou Province from 2006 to 2022. The results showed that from 2006 to 2022， the agricultural carbon emissions in Guizhou Province showed an “inverted V shaped” trend of first increasing and then decreasing，the carbon emission intensity showed a decreasing trend.The agricultural carbon emissions were ranked from high to low as livestock and poultry breeding， agricultural input，crop cultivation and crop residue burning.Agricultural production efficiency， agricultural industrial structure， regional industrial structure and rural population size were negative driving factors of agricultural carbon emissions， of which agricultural production efficiency and regional industrial structure were the main factors for reducing agricultural carbon emissions;regional economic level and urbanization rate were positive driving factors of agricultural carbon emissions， of which the regional economic level was the dominant factor in the increase of agricultural carbon emissions.The decoupling relationship between agricultural carbon emissions and agricultural economic growth in Guizhou Province was generally favorable， with the decoupling status changing from weak to strong decoupling. In the future， Guizhou Province needed to take strong measures in terms of agricultural science and technology inputs， industrial structure optimization and low carbon publicity and education， in order to promote low carbon and high quality development in agriculture.

Key words Agricultural carbon emissions;Driving factor;Decoupling effect;“Dual carbon” goals;Guizhou Province

基金項目 貴州省教育廳高校人文社會科學研究項目（2024RW321）；中共畢節(jié)市委人才工作領導小組第六批人才團隊項目（畢委人領通〔2023〕14號）；畢節(jié)市科學技術局2023年第二批聯合基金項目（畢科聯合〔2023〕8號）。

作者簡介 樊祖洪（1997—），男，貴州思南人，講師，碩士，從事資源環(huán)境與區(qū)域經濟研究。

收稿日期 2024-08-16

氣候變暖是當前人類面臨的全球性環(huán)境問題，人類活動產生的溫室氣體是導致氣候變暖的主要因素^［1］。作為重要的溫室氣體排放源，農業(yè)生產貢獻了全球范圍內約14%的人為溫室氣體排放量和58%的非人為CO2排放^［2］；我國是農業(yè)大國，源自農業(yè)的碳排放量占全國排放總量的17%^［3］，且呈逐年增長趨勢^［4］，可見農業(yè)生產已成為不可忽略的碳源之一。作為國民經濟發(fā)展的基礎產業(yè)，農業(yè)發(fā)展的低碳轉型對我國實現“雙碳”目標和農業(yè)可持續(xù)發(fā)展具有重要意義。

近年來，隨著我國“雙碳”目標的提出，國內關于農業(yè)碳排放的研究逐漸增多，研究內容聚焦于農業(yè)碳排放量估算、時空特征分析、驅動因素解析和關聯效應探究等方面^［5-6］。在農業(yè)碳排放量估算方面，學者們多以碳排放因子法，從農資投入、能源消耗、作物種植、秸稈焚燒和畜禽養(yǎng)殖等方面構建農業(yè)碳排放測算體系，以此評估各個區(qū)域的農業(yè)碳排放量^［7-8］。在時空特征分析方面，相關成果主要借助數理模型與GIS空間分析工具，重點論證了農業(yè)碳排放的時空演化^［6，9］、排放趨勢^［10］、碳源結構^［11］、空間關聯網絡^［12］、溢出效應^［13］等。驅動因素方面，主要運用對數平均迪氏指數（LMDI）模型^［9，14］、STIRPAT模型^［15］、地理加權回歸（GWR）模型^［16］、地理探測器^［17］等方法，揭示了生產效率、產業(yè)結構、勞動力規(guī)模、經濟發(fā)展水平、財政支持力度、環(huán)境規(guī)制水平、城鎮(zhèn)化率、農業(yè)機械化水平等社會經濟層面因素對農業(yè)碳排放的作用機理。在關聯效應方面，多采用Tapio脫鉤模型探討農業(yè)碳排放與經濟發(fā)展的動態(tài)關系^［5，18］，與此同時，部分學者采用耦合協調度模型，分析了農業(yè)碳排放與城鎮(zhèn)化^［19］、經濟發(fā)展^［20-21］、糧食安全^［22］等的耦合關系。總體而言，現有研究較為豐富，這對把握區(qū)域農業(yè)碳排放、促進農業(yè)碳減排具有重要意義。但仍存在以下不足：①農業(yè)碳排放測算指標的選取不夠全面，導致測算結果不能準確反映區(qū)域實際；②研究成果多聚焦于全國層面、經濟發(fā)達省份及糧食主產區(qū)，對貴州省農業(yè)碳排放的研究相對不足。

貴州是典型的喀斯特山區(qū)，境內耕地破碎、人均占有量少且質量較低^［23］，相較于其他區(qū)域，貴州省農業(yè)生產依賴于更多的生產資料投入，從而導致農業(yè)碳排放量的不斷增加^［24］，嚴重制約了區(qū)域農業(yè)的可持續(xù)發(fā)展。鑒于此，筆者從農資投入、作物種植、秸稈焚燒、畜禽養(yǎng)殖4個方面選取35種碳源，構建農業(yè)碳排放指標體系，采用碳排放因子法、LMDI模型、Tapio脫鉤模型等分析方法，探究貴州省2006—2022年農業(yè)碳排放的時序特征、驅動因素及其與經濟發(fā)展的脫鉤關系，并提出對應的策略建議，以期為貴州省農業(yè)低碳轉型與高質量發(fā)展提供有益借鑒。

1 資料與方法

1.1 數據來源

該研究涉及的碳排放測算數據與社會經濟數據來源于2007—2023年《貴州統計年鑒》《中國農村統計年鑒》。為消除價格因素影響，所有經濟數據均以2006年為基準進行修正。個別年份缺失數據，采用年均增長率進行計算補充。

1.2 研究方法

1.2.1 農業(yè)碳排放測算。

參考現有研究，并結合區(qū)域農業(yè)發(fā)展實際，從4個方面選取35種碳源測算貴州省農業(yè)碳排放量。①農資投入，具體包括氮肥、磷肥、鉀肥、復合肥、農藥、農膜、柴油、農業(yè)灌溉和農業(yè)機械。②作物種植，主要測算了水稻、小麥、玉米、大豆、薯類、油菜、花生、甘蔗、煙草和蔬菜共10類農作物種植過程中的碳排放。③秸稈焚燒，由于各類農作物的秸稈產量難以獲取，該研究借鑒彭立群等^［25］和崔瑜^［26］的研究成果，通過農作物的草谷比估算出各類農作物的秸稈產量，并依據秸稈焚燒系數和各類農作物秸稈焚燒碳排放系數測算出秸稈焚燒的碳排放。④畜禽養(yǎng)殖，在畜禽養(yǎng)殖過程中，動物腸道發(fā)酵以及糞便管理產生的CH4和N2O是畜禽養(yǎng)殖業(yè)碳排放的主要來源^［27］，該研究測算了牛、馬、驢、騾、羊、生豬和家禽共7類畜禽品種的碳排放量；考慮到不同畜禽品種的飼養(yǎng)周期存在差異，該研究參考閔繼勝等^［28］的研究成果，對各畜禽品種的飼養(yǎng)量進行調整。因此，貴州省農業(yè)碳排放量的測算公式為：

C=Ci=（Ti×αi）（1）

式中：C為農業(yè)碳排放量；Ci為各類碳源的碳排放量；Ti為第

i種碳源的數量；αi為第i種碳源的碳排放系數，各類碳源的

碳排放系數如表1、2所示。根據IPCC第四次評估報告^［32］，該研究按照1 t CH4=6.818 2 t C、1 t N2O=81.272 7 t C、1 t CO2=0.272 7 t C的換算關系，將各類溫室氣體統一轉化為標準C，以此評估貴州省的農業(yè)碳排放量。

1.2.2 農業(yè)碳排放強度。

為揭示貴州省農業(yè)碳排放強度，該研究運用農業(yè)碳排放量與農牧業(yè)增加值的比值來表征農業(yè)碳排放強度。其計算公式如下：

CI=C/Cpl（2）

式中：CI為農業(yè)碳排放強度；C為農業(yè)碳排放量；Gpl為農牧業(yè)增加值。

1.2.3

LMDI模型。

該研究應用對數平均迪氏指數（LMDI）模型從農業(yè)生產效率、農業(yè)產業(yè)結構、地區(qū)產業(yè)結構、地區(qū)經濟水平、城鎮(zhèn)化率和農村人口規(guī)模6個方面解析貴州省農業(yè)碳排放的驅動因素。公式如下：

C=CGpl×GplGA×GAG×GP×PPA×PA（3）

式中：C為農業(yè)碳排放量；Gpl為農牧業(yè)增加值；GA為農林牧漁業(yè)增加值；G為地區(qū)生產總值；P為地區(qū)總人口；PA為農村總人口。在此基礎上，

令F1=CGpl、F2=GplGA、F3=GAG、F4=GP、F5=PPA、F6=PA，其中F1為農業(yè)生產效率；F2為農業(yè)產業(yè)結構；F3為地區(qū)產業(yè)結構；F4為地區(qū)經濟水平；F5為城鎮(zhèn)化率；F6為農村人口規(guī)模。

運用LMDI加法分解方式對上述公式（3）進一步分解以剖析各因素對農業(yè)碳排放的影響效應^［9］，具體如下：

ΔC=Ct-C0=ni=1ΔFi（4）

ΔFi=ni=1Ct-C0lnCt-lnC0×（lnFti-lnF0i）（5）

式中：ΔC為農業(yè)碳排放變化量；Ci與C0分別為第t期和基期的農業(yè)碳排放量;ΔFi表示第i個影響因素對農業(yè)碳排放變化量的貢獻值；Fti、F0i分別為第i個影響因素在t期和基期的值。

1.2.4 Tapio脫鉤模型。

采用Tapio脫鉤模型，通過測算脫鉤彈性系數來確定貴州省農業(yè)碳排放與經濟增長之間的動態(tài)關系，其計算公式如下：

e=ΔC/C^t-1ΔGpl/G^t-1pl（6）

式中：e為脫鉤彈性系數；ΔC為農業(yè)碳排放變化量；C^t-1為t-1期農業(yè)碳排放總量；ΔGpl為農牧業(yè)增加值變化量；G^t-1pl為t-1期農牧業(yè)增加值。依據e值將脫鉤狀態(tài)劃分為8種類型，見表3。

2 結果與分析

2.1 農業(yè)碳排放時序特征

2.1.1 農業(yè)碳排放整體變化趨勢。

從圖1可以看出，2006—2022年貴州省農業(yè)碳排放量呈現先上升后下降的倒“V”型變化趨勢。2006—2016年農業(yè)碳排放量表現出持續(xù)增長態(tài)勢，從724.19萬t增加至854.65萬t，增幅達18.01%。2017年后，農業(yè)碳排放量呈波動下降態(tài)勢，其中，2017—2019年下降幅度明顯，2019年農業(yè)碳排放量下降至745.88萬t，較2016年下降了14.58%。2020—2022年農業(yè)碳排放降幅減小，到2022年農業(yè)碳排放量降至735.74萬t，相較于2019下降了1.36%。

由圖1可知，研究期內貴州省農業(yè)碳排放強度呈下降態(tài)勢，由2006年的2.10 t/萬元降至2022年的0.96 t/萬元，整體下降幅度達54.29%，這表明貴州省農業(yè)生產效率持續(xù)提升，單位農業(yè)產值的碳排放量明顯降低。

2.1.2 各類碳源排放量變化趨勢。

從2006—2022年貴州省4大類碳源的排放情況（圖2）可以看出，農業(yè)碳排放量由高到低依次為畜禽養(yǎng)殖、農資投入、作物種植、秸稈焚燒，4大類碳源排放量分別占全省總量的42.32%、31.87%、21.22%和4.59%，由此可見，畜禽養(yǎng)殖是貴州省農業(yè)碳排放的主要來源。從變化趨勢來看，農資投入的碳排放量呈現先升后降的變化趨勢，從2006年的222.49萬t上升至2015年的288.04萬t，而后下降至2022年的205.21萬t。作物種植與秸稈焚燒的碳排放量變化較為平緩。畜禽養(yǎng)殖的碳排放量表現出較大的波動態(tài)勢，研究期內其碳排放量為313.64萬～348.43萬t。

為進一步厘清貴州省農業(yè)碳排放來源，該研究測算了4大類碳源中不同碳源計算指標的排放占比（圖3）。

農資投入方面（圖3a），氮肥和農業(yè)灌溉是最主要的排放源，2006—2022年氮肥與農業(yè)灌溉產生的碳排放量占農資投入總量的75.25%。其中氮肥的碳排放量在研究期內占農資投入的比例超過50.00%，但表現出明顯的下降趨勢，占比由69.65%（154.96萬t）下降至50.35%（103.33萬t），這說明氮肥的碳排放量較高，但在研究期內受益于農化減量行動，其碳排放量呈下降趨勢。源于農業(yè)灌溉的碳排放量占比在研究期內呈快速上升趨勢，從9.55%（21.26萬t）上升至21.95%（45.05萬t），說明研究期內貴州省農業(yè)灌溉設施持續(xù)改善，在帶來農業(yè)灌溉增加、農業(yè)發(fā)展受益的同時，也促使碳排放量的增加。

作物種植方面（圖3b），水稻是最主要的碳排放來源，研究期內源自水稻種植的碳排放量占比均在50.00%以上，但呈持續(xù)下降態(tài)勢，由2006年的67.32%（98.64萬t）下降至2022年的53.20%（89.08萬t）。源于蔬菜種植的碳排放量占比在研究期內明顯上升，從11.55%（16.92萬t）上升至29.81%（49.91萬t），這主要在于研究期內貴州省蔬菜種植規(guī)模持續(xù)增長，導致其碳排放量的增加。玉米種植的碳排放量占比一直處于10.00%左右，2017年后，其碳排放占比下降至6.00%左右，這主要受政策調控影響，2017年以來貴州省積極優(yōu)化農村種植結構，大力調減玉米種植規(guī)模，從而降低了玉米種植的碳排放量。

秸稈焚燒方面（圖3c），水稻和玉米是主要的排放來源，二者碳排放量占秸稈焚燒碳排放量的60.00%以上。從變化趨勢來看，水稻秸稈焚燒的碳排放量占比呈現波動變化趨勢，占比為30.48%～37.45%，排放量為8.71萬～13.22萬t。玉米秸稈焚燒的碳排放量占比表現出波動下降趨勢，從2006年的34.84%（11.90萬t）下降至2022年的30.36%（10.59萬t）。

畜禽養(yǎng)殖方面（圖3d），牛養(yǎng)殖是最主要的碳排放來源，研究期內其碳排放量占畜禽養(yǎng)殖排放總量的60%以上，從變化趨勢來看，牛養(yǎng)殖的碳排放量占比呈現先下降后上升再下降的變化趨勢，具體來看，2006—2014年牛養(yǎng)殖碳排放占比由69.16%（222.00萬t）下降至62.41%（206.91萬t），而后上升至2020年的69.40%（225.23萬t），又降至2022年的65.97%（216.52萬t）。生豬養(yǎng)殖的碳排放量占比呈波動上升態(tài)勢，從2006年的19.82%（63.41萬t）增長至2022年的24.44%（80.21萬t）。

2.2 農業(yè)碳排放驅動因素分析

由表4可知，研究期內貴州省農業(yè)碳排放累計增加了11.56萬t。各因素分析表明，農業(yè)生產效率（F1）、農業(yè)產業(yè)結構（F2）、地區(qū)產業(yè)結構（F3）、農村人口規(guī)模（F6）為農業(yè)碳排放的負向驅動因素，地區(qū)經濟水平（F4）、城鎮(zhèn)化率（F5）是農業(yè)碳排放的正向驅動因素。

具體來看，F1、F2、F3和F6在整個研究時段內分別累計減少了616.14萬、60.65萬、536.37萬和337.84萬t農業(yè)碳排放量，減排貢獻由大到小依次為F1（39.73%）、F3（34.58%）、F6（21.78%）、F2（3.91%）。由此可見，F1和F3是減少農業(yè)碳排放量的主要因素，這說明農業(yè)生產效率的提高與地區(qū)產業(yè)結構的優(yōu)化能夠明顯減少農業(yè)碳排放量。研究期內，貴州省大力發(fā)展綠色農業(yè)，研發(fā)推廣農業(yè)減排固碳技術，農業(yè)生產效率顯著提高^［33］，在促進農業(yè)經濟增長的同時也減少了農業(yè)碳排放量。地區(qū)產業(yè)結構（F3）對農業(yè)碳排放的抑制作用僅次于農業(yè)生產效率（F1），2006—2022年貴州省農林牧漁業(yè)增加值占地區(qū)生產總值的比例由16.22%下降至8.20%，降幅達49.45%，農業(yè)在地區(qū)經濟發(fā)展中的比重明顯下降，從而減少了農業(yè)碳排放量。F6的變化在研究期內致使貴州省農業(yè)碳排放量累計減少337.84萬t，隨著經濟的迅速發(fā)展，農業(yè)生產效率明顯提高，城鎮(zhèn)化快速發(fā)展，農村人口規(guī)模逐漸減縮，2006—2022年貴州省農村常住人口減少934.73萬人，農村人口的減縮，間接減少了農業(yè)碳排放量。相對而言，F2對農業(yè)碳排放的抑制作用較為有限，累計減少了60.65萬t碳排放量，研究發(fā)現，2006—2022年貴州省種植業(yè)與畜牧業(yè)增加值占農林牧漁業(yè)的比重均在86.00%以上，而相對低碳的林業(yè)和漁業(yè)占比較低，因此，未來貴州省應進一步優(yōu)化農業(yè)產業(yè)結構，推動農業(yè)發(fā)展減源增匯^［34］。

2006—2022年F4、F5累計增加了1 186.39萬和376.14萬t農業(yè)碳排放量，其中F4最為顯著，這說明地區(qū)經濟水平是貴州省農業(yè)碳排放量增加的主導因素。由此可見，當前貴州省農業(yè)碳排放與經濟發(fā)展仍未完全脫鉤^［24］，但分析發(fā)現，F4對農業(yè)碳排放的促進作用整體呈現減弱趨勢。

2.3 農業(yè)碳排放脫鉤效應分析

基于Tapio脫鉤模型，分析貴州省2006—2022年農業(yè)碳排放與農業(yè)經濟增長的脫鉤關系，結果如表5所示。從表5可以看出，研究期內貴州省農業(yè)碳排放與農業(yè)經濟增長的脫鉤狀態(tài)整體由弱脫鉤向強脫鉤轉變，脫鉤效應總體向好。

2006—2016年貴州省農業(yè)碳排放與經濟增長的脫鉤關系總體表現為弱脫鉤狀態(tài)。這期間除2011年農業(yè)碳排放量（C）有所下降外，其余年份農業(yè)碳排放量（C）均保持增長態(tài)勢，年均增速為1.67%；而同期農牧業(yè)經濟以年均5.00%的速度增長，表現出農業(yè)碳排放與經濟發(fā)展的雙增趨勢。這一階段，得益于西部大開發(fā)政策支持，貴州省農業(yè)經濟發(fā)展呈現快速增長勢頭，農牧業(yè)生產規(guī)模擴大，產量增加。同時，由于農業(yè)生產方式傳統，綠色低碳發(fā)展理念與管理技術滯后，致使農化等高排放物資投入量持續(xù)增加，農業(yè)碳排放量逐年上升，農業(yè)碳排放與經濟增長呈弱脫鉤關系。

2017—2022年，貴州省農業(yè)碳排放與經濟增長的脫鉤關系總體表現為強脫鉤狀態(tài)。這期間農業(yè)碳排放量整體呈現下降趨勢，年均下降2.19%；而農牧業(yè)經濟則保持年均5.22%的增長勢頭，農業(yè)碳排放與經濟發(fā)展方向相反。2016年貴州省入選首批國家生態(tài)文明試驗區(qū)，2020年“雙碳”目標提出，在這一背景下，貴州省加快建立綠色低碳循環(huán)發(fā)展經濟體系，探索構建碳交易制度，積極穩(wěn)妥推進“雙碳”工作。在農業(yè)領域，積極調整優(yōu)化農業(yè)產業(yè)結構，推進農化減量化、生產清潔化、廢棄物資源化和產業(yè)生態(tài)化，推廣應用減排固碳技術等，農業(yè)生產效率不斷提高，農業(yè)碳排放與經濟增長呈強脫鉤關系。

3 結論與建議

3.1 結論

該研究從農資投入、作物種植、秸稈焚燒、畜禽養(yǎng)殖4個方面選取35種農業(yè)碳源，運用碳排放因子法、LMDI模型、Tapio脫鉤模型探究了2006—2022年貴州省農業(yè)碳排放的時序特征、驅動因素及其與農業(yè)經濟增長的脫鉤效應，結果表明：

（1）2006—2022年貴州省農業(yè)碳排放量呈現先上升后下降的倒“V”型變化趨勢，從2006年的724.19萬t增加至2016年的854.65萬t，而后下降至2022年的735.74萬t；碳排放強度呈下降態(tài)勢，由2006年的2.10 t/萬元下降至2022年的0.96 t/萬元，整體下降幅度達54.29%；農業(yè)碳排放量由高到低依次為畜禽養(yǎng)殖、農資投入、作物種植、秸稈焚燒。

（2）農業(yè)生產效率、農業(yè)產業(yè)結構、地區(qū)產業(yè)結構和農村人口規(guī)模是農業(yè)碳排放的負向驅動因素，而地區(qū)經濟水平和城鎮(zhèn)化率是農業(yè)碳排放的正向驅動因素，其中農業(yè)生產效率和地區(qū)產業(yè)結構是農業(yè)碳排放減少的主要因素，地區(qū)經濟水平則是農業(yè)碳排放增加的主導因素。

（3）研究期內，貴州省農業(yè)碳排放與農業(yè)經濟增長的脫鉤狀態(tài)由弱脫鉤向強脫鉤轉變，其中，2006—2016年為弱脫鉤階段，2017—2022年為強脫鉤階段，二者脫鉤效應總體向好。

3.2 建議

為進一步推進貴州省農業(yè)發(fā)展的低碳轉型，促進“雙碳”目標的有序實現，結合上述研究結論，提出以下建議：

（1）加大農業(yè)科技投入，提升農業(yè)生產效率。增強對農業(yè)技術創(chuàng)新的政策支持與資金投入，鼓勵大專院校與科研機構圍繞農業(yè)低碳開展科研攻關，培育低碳新種，研發(fā)推廣低碳生產技術與管理模式，增強農業(yè)生產循環(huán)利用。種植業(yè)方面，著力提高農資投入利用效率，積極推進農化減量與有機替代，推廣節(jié)水灌溉技術，提升農業(yè)機械化水平；畜禽養(yǎng)殖方面，推行低碳養(yǎng)殖模式，加大畜禽糞便資源化管理利用。用科技支撐帶動農業(yè)發(fā)展，不斷提高土地產出率、資源利用率和勞動生產率^［5］。

（2）優(yōu)化農業(yè)產業(yè)結構，促進農業(yè)減源增匯。因地制宜優(yōu)化布局農業(yè)生產，在確保糧食安全的前提下，充分發(fā)揮貴州省復雜多樣的地理優(yōu)勢，大力發(fā)展生態(tài)農業(yè)，適度調減種植業(yè)和畜牧業(yè)規(guī)模，提升林業(yè)、漁業(yè)占比，通過產業(yè)結構的優(yōu)化調整，減少農業(yè)生產碳排放，增強農業(yè)系統的碳匯功能。

（3）加強低碳宣傳教育，凝聚低碳發(fā)展共識。積極開展低碳農業(yè)宣傳教育，增強全民低碳發(fā)展意識，讓綠色低碳、生態(tài)環(huán)保成為社會共識；同時，強化農業(yè)人才引進和生產者技能培訓，提高農業(yè)勞動力素質，推動農業(yè)生產的低碳轉型。

參考文獻

［1］ IPCC.Climate change 2021：The physical science basis［R］.Cambridge：Cambridge University Press，2021.

［2］ 郝小雨.黑龍江省30年來農田生態(tài)系統碳源/匯強度及碳足跡變化［J］.黑龍江農業(yè)科學，2021（8）：97-104.

［3］ 李波，張俊飚，李海鵬.中國農業(yè)碳排放時空特征及影響因素分解［J］.中國人口·資源與環(huán)境，2011，21（8）：80-86.

［4］ 冉光和，王建洪，王定祥.我國現代農業(yè)生產的碳排放變動趨勢研究［J］.農業(yè)經濟問題，2011，32（2）：32-38.

［5］ 桂河，李靜，尚夢媛.“雙碳”背景下的寧夏農業(yè)碳排放時序特征、驅動機理與脫鉤效應研究［J］.中南林業(yè)科技大學學報（社會科學版），2021，15（6）：37-44.

［6］ 崔永福，高策，王俊鳳，等.河北省縣域農業(yè)碳排放空間演化及對策［J］.中國農機化學報，2023，44（5）：241-248，256.

［7］ 田云，尹忞昊.中國農業(yè)碳排放再測算：基本現狀、動態(tài)演進及空間溢出效應［J］.中國農村經濟，2022（3）：104-127.

［8］ 黃和平，李紫霞，黃靛，等.“雙碳”目標下江西省農業(yè)碳排放量測算、影響因素分析與預測研究［J］.生態(tài)與農村環(huán)境學報，2024，40（2）：179-190.

［9］ 鄭博福，梁涵，萬煒，等.江西省縣域農業(yè)碳排放時空格局及影響因素分析［J］.農業(yè)工程學報，2022，38（23）：70-80.

［10］ 王樹芬.山西省農業(yè)碳排放時空特征、影響因素及趨勢預測［D］.太原：山西大學，2023.

［11］ 葛小君，吳丹，李淑斌，等.1978—2021年廣西農業(yè)凈碳匯時序特征及影響因素［J］.中國生態(tài)農業(yè)學報，2024，32（2）：218-229.

［12］ 付偉，胡樂祥，羅明燦，等.西部地區(qū)農業(yè)碳排放空間關聯網絡特征研究［J］.中國農業(yè)資源與區(qū)劃，2024，45（7）：3-11.

［13］ 夏文浩，霍瑜，逯淵，等.新疆農業(yè)碳排放的時空差異與空間溢出效應分析［J］.干旱區(qū)地理，2024，47（6）：1084-1096.

［14］ 師帥，肖雨荀.黑龍江墾區(qū)農業(yè)碳排放時空分異與影響因素研究［J］.北方園藝，2024（4）：137-144.

［15］ 楊思存，霍琳，王成寶，等.基于STIRPAT模型的甘肅省農業(yè)碳排放特征分析［J］.干旱區(qū)地理，2023，46（9）：1493-1502.

［16］ 李慧，李瑋，姚西龍.基于GWR模型的農業(yè)碳排放影響因素時空分異研究［J］.科技管理研究，2019，39（18）：238-245.

［17］ 尹忞昊，田云，盧奕亨.中國農業(yè)碳排放區(qū)域差異及其空間分異機理［J］.改革，2023（10）：130-145.

［18］ 盧東寧，張雨，雷世斌.“雙碳”目標背景下陜西農業(yè)碳排放驅動因素與脫鉤效應研究［J］.北方園藝，2022（20）：133-140.

［19］ 耿亮，彭靈通，魏玻，等.城鎮(zhèn)化對長江經濟帶農業(yè)碳排放的影響及其耦合關系研究［J］.生態(tài)經濟，2024，40（3）：128-138.

［20］ 田云，林子娟.中國省域農業(yè)碳排放效率與經濟增長的耦合協調［J］.中國人口·資源與環(huán)境，2022，32（4）：13-22.

［21］ 馬志超.黃河流域農業(yè)碳排放與經濟增長時空耦合關系研究［J/OL］.中國農業(yè)資源與區(qū)劃，2024-01-31［2024-06-27］.https：//link.cnki.net/urlid/11.3513.S.20240130.1731.034.

［22］ 楊青林，趙榮欽，趙濤，等.縣域尺度農業(yè)碳排放效率與糧食安全的關系［J］.中國農業(yè)資源與區(qū)劃，2023，44（2）：156-169.

［23］ 張揚，周忠發(fā)，黃登紅，等.喀斯特山區(qū)耕地時空演變與影響因子分析［J］.農業(yè)工程學報，2020，36（22）：266-275.

［24］ 胡云清.貴州省農業(yè)碳排放與農業(yè)經濟增長的脫鉤研究［D］.貴陽：貴州大學，2023.

［25］ 彭立群，張強，賀克斌.基于調查的中國秸稈露天焚燒污染物排放清單［J］.環(huán)境科學研究，2016，29（8）：1109-1118.

［26］ 崔瑜.中國農業(yè)碳足跡與經濟發(fā)展協調性研究［D］.楊凌：西北農林科技大學，2022.

［27］ 徐薇，毛永亮，衡筱.秦嶺陜西段農業(yè)碳排放時空分布特征與低碳化水平評價［J］.西北農林科技大學學報（社會科學版），2024，24（3）：140-148.

［28］ 閔繼勝，胡浩.中國農業(yè)生產溫室氣體排放量的測算［J］.中國人口·資源與環(huán)境，2012，22（7）：21-27.

［29］ 段華平，張悅，趙建波，等.中國農田生態(tài)系統的碳足跡分析［J］.水土保持學報，2011，25（5）：203-208.

［30］ 田云，張俊飚.中國農業(yè)生產凈碳效應分異研究［J］.自然資源學報，2013，28（8）：1298-1309.

［31］ STREETS D G，YARBER K F，WOO J H，et al.Biomass burning in Asia：Annual and seasonal estimates and atmospheric emissions［J］.Global biogeochemical cycles，2003，17（4）：1099-1109.

［32］ IPCC.Climate change 2007：Changes in atmospheric constituents and in radiative forcing［R］.Cambridge，UK：Cambridge University Press，2007.

［33］ 楊婷.貴州省農業(yè)現代化發(fā)展水平綜合評價［J］.廣東蠶業(yè)，2024，58（2）：18-20.

［34］ 白義鑫，王霖嬌，盛茂銀.黔中喀斯特地區(qū)農業(yè)生產碳排放實證研究［J］.中國農業(yè)資源與區(qū)劃，2021，42（3）：150-157.