中国农业净碳汇空间集聚与分异

陈罗烨，薛领，雪燕

1. 北京大学政府管理学院，北京 100871；2. 中国农业科学院信息研究所，北京 100081

中国农业净碳汇空间集聚与分异

陈罗烨1，薛领1，雪燕2

1. 北京大学政府管理学院，北京 100871；2. 中国农业科学院信息研究所，北京 100081

农业净碳汇空间集聚与分异特征，是当前中国农业现代化、生态化转型面临的重大问题。为了精准把握长时间尺度、微观空间单元下中国农业净碳汇空间集聚与分异特征，文章采用全国县域尺度农业数据，结合标准差椭圆方法、探索性空间分析方法等分析工具，对中国县域农业净碳汇空间格局分布规律进行详细探讨。研究表明，（1）从标准差椭圆方法揭示的空间分异格局来看，净碳汇空间分布中心整体存在向东北移动的趋势，空间分布范围存在明显的收缩态势，东北地区净碳汇对全国净碳汇空间格局的影响作用加强。（2）从全局空间自相关揭示的净碳汇空间集聚格局来看，全国净碳汇自 1991─2011年经历了集聚—分散的过程。1991─2001年间，空间自相关程度在不断增强，农业生产方式和农业活动结构的相似性在空间上表现得较为明显。2001─2011年，空间自相关系数大幅下降，意味着净碳汇高值集聚区域在空间上逐渐呈现碎片化。（3）从局部空间自相关来看，农业净碳汇高值集聚区不断增多，低值集聚区不断减少，总体上反映了中国农业生产净碳汇在空间格局上呈现出的改善。已经形成了东南地区净碳汇、西北地区负碳汇为主的空间分布格局。

中国；县域；农业；净碳汇；空间格局

CHEN Luoye, XUE Ling, XUE Yan. Spatial Agglomeration and Variation Of China’s Agricultural Net Carbon Sink [J]. Ecology and Environmental Sciences, 2015, 24(11): 1777-1784.

农业具有碳汇和碳源的双重属性，整个完整的农业生产活动其碳吸收量和碳排放量两者之间到底孰轻孰重，是无法直接得出判断的。在中国农业现代化、生态化转型的大背景之下，准确把握农业碳汇碳源的结构特征与变化机理，成为了相关研究领域的一大重点。其中，国外学者主要关注不同国家之间农业碳汇碳源的比重变化。例如 ACIL Tasman Pty Ltd（2009）测算了美国、加拿大、印度、欧盟、新西兰等国的农业碳排放，Wood et al.（2004），Feanside（2005），美国环保局（US-EPA，2006），Keith et al.（1998）分别对不同国家和地球局部农业碳汇碳源情况进行了分析测算及比较。另外，国外学界还对农业碳汇碳源的影响因素进行了深入挖掘，例如Lubowski（2006），Lal（2004）分别研究了不同土地利用方式对碳排放量的变化，以及不同耕作方式（常规耕作、精细化耕作、少耕及免耕）直接或者间接引起碳排放量的变化。Fargione（2008）、Arevalo（2011）等学者则分别对毁林垦荒种植和农业用地转换成混合林等方式引起的碳汇碳源变化做了详尽研究。

目前，在农业碳汇碳源研究领域，国内学者比较关注两大方面，分别是宏观测算分析碳汇碳源现状、碳汇碳源驱动和影响因素分析（田云等，2012，2013；冉光和等，2011）。在宏观测算分析碳汇碳源现状方面，省域尺度的测算成果较多，例如刘英（2012）、赵荣钦（2004）、赵荣钦等（2007）、吴贤荣等（2014）。

总的来看，尽管已有研究在农业碳汇碳源问题上做出了有益的探索，但仍存在明显的问题与不足。首先，国内学者对农业碳汇的研究普遍不足，研究农业净碳汇的文献更少，除了田云等（2013）对中国省域 1995─2010年间农业生产净碳效应进行测算之外，其他相关文献寥寥无几。而净碳汇能够有机地将碳汇、碳源两者衔接到一起，是深入研究农业生产碳效应的重要前提和基石。其次，从测算内容上看，现有研究在畜牧业和种植业进一步结合的环节上还有待进一步深入。最后，对净碳汇空间分布，尤其是集聚与分散格局变化研究非常少，仅有的一些研究也通常以省作为分析单元，可能存在空间面积太大、无法准确描述农业碳活动空间格局的变化。而以局部区域地级市作为分析单元，尽管一定程度上能减少此类误差，但无法对全国农业碳活动做出有效评价。

因此，本文的主要贡献在于采用全国县域尺度农业数据，结合空间分析工具对中国农业净碳汇时空分布格局变化进行测算和探讨。文章的结构安排如下：首先简要介绍农业碳汇碳源测算方法及数据来源；其次利用标准差椭圆和标准距离方法对中国县域农业净碳汇空间分异规律进行描述和分析；最后借助探索性空间分析方法（ESDA）中空间自相关分析技术，对中国县域农业净碳汇空间格局集聚规律做进一步讨论。

1 测算方法与数据

1.1农业生产碳汇/碳源测算方法

根据 IPCC（2006）提供的系列碳汇碳源测算方法，并考虑到现有可获得数据的限制，本文采用系数法对农业碳汇碳源进行测算，所设计的方法如下（表1）。

表1 农业生产碳汇碳源测算方法Table 1 Calculation method for agricultural carbon sink/source

根据现有文献，拟定采用的测算系数如下（表2、表3）。

表2 农业主要生产要素碳排放系数Table 2 The carbon emission coefficient of major agricultural resources

表3 主要农作物经济系数和碳吸收率Table 3 Economic coefficient and carbon absorption rate of main crops in China

1.2数据采集与整理

本文数据均来自于“中国县域农村经济基础数据库”中，该数据库初始数据来源于农业部每年采集得到的县级农业经济原始数据。早年的农业数据由于时间久远及当时统计手段的局限性，存在大量问题。笔者对数据库内的全部数据进行筛选、整理、并结合现有的农业年鉴、统计资料，进行数据插补。此外，针对地名区划变化繁多，数据库内地名项全称简称并存的现象，汇总了1991─2011年21年间县级行政区区划调整情况，并采用GIS底图基础上的空间匹配和县域名称模糊匹配、分词匹配等一系列方法，提高匹配精确度。最终得到 1991─2011年长达20年，包含县级地理单元2367个，涵盖除港澳台之外全部地区，统计指标66项，涵盖经济、社会、人口、农业生产（种植业、畜牧业、农业投入产出要素）、土地指标的数据库。

1.3测算结果

根据上文中的估算方法和相关系数指标，本文测算了1991年到2011年间全国县域尺度下农业系统（种植业、养殖业）碳吸收量、排放量及净碳汇量的情况，如图1所示。

2 净碳汇空间分异分析

标准差椭圆方法最早由 Lefever于 1926年提出，主要用于描述数据集的分布特征，椭圆的长轴方向用来表征数据集分布的主要方向，其面积表征数据集分布的集聚（分散）程度。Bashhur进一步对该方法进行拓展，并应用于环境领域的污染扩散以及社会学领域的人口分布、种群分布研究之中。创建标准差椭圆可以总结地理要素的空间特征，包括中心趋势（central tendency）、展布（dispersion）和方向趋势（direction trends）。

赵作权（2009a，2012）,赵璐（2013，2014）指出，标准差椭圆可以准确的反映空间经济格局里的中心性（centrality）、展布性（spread）、密集性（intensity）以及方位（orientation）和形状（shape），此外，标准差椭圆对于刻画空间差异，尤其是反映其对某种标准状态的偏离有着相当大的作用。目前，标准差椭圆主要用于经济与人口的时空变动分析，例如沈体雁等（2013）、赵璐等（2014）对国土格局的识别。参考赵作权（2013）、沈体雁等（2013）文献，本文所使用的标准差椭圆公式如下：

标准差椭圆方位角具体公式如下

标准距离测度空间要素之间围绕中心点集聚与分散的程度。其计算公式如下：

本文认为，采用标准差椭圆和标准距离的方法，能够有效的定量识别并以空间可视化的方法精准细致的刻画中国 1991─2011年农业生产环境调整下中国农业净碳汇空间分异特征。

图1 1991─2011年中国农业生产碳排放量、碳吸收量及净碳汇量Fig. 1 Agricultural production carbon emissions, carbon absorption and net carbon sink in china from 1991 to 2011

研究主要针对中国全部县域单元点坐标展开，将所有的县域单元以点的形式分布在整个空间上，由于县域单元已经相当密集，因此县域空间单元向点坐标转换过程中的误差不会对结果产生影响。采用ArcGIS的空间分析功能，以1991─2011年各年的净碳汇量为权重，通过加权标准差椭圆方法计算全国净碳汇分布椭圆。

通过计算（表4），中国净碳汇空间分布椭圆中心在1991─2011年发生了较大的变化，主要体现为分布重心、分布范围、分布形状、分布方向的变化。

表4 1991─2011年农业净碳汇标准差椭圆测算结果Table 4 Standard deviation ellipse calculation result of agricultural net carbon sink, 1991─2011

2.1分布重心变化

从经纬度上看，1991─2011年，全国净碳汇重心空间移动轨迹如图2所示。净碳汇重心分总位移向东北方向移动了6.4个经度，3.1个纬度。

在东-西方向上，自1991年，净碳汇重心保持向东移动的趋势（图3），其中1991─1996年位移距离最大，达到2.6个经度。在南-北方向上，1991─2011年，重心呈现明显的向北移动趋势，位移总量达到3.1个纬度，其中2006─2011年位移距离最大，达到1.1个纬度。

1991年时全国净碳汇中心位于湖北省房县，至1996年向东北移至河南省叶县，移动距离为272.5642 km。1996─2001年间由叶县向东南小幅移动至河南泌阳县，移动77.0876 km。2001─2006年间，逐渐向东移动至河南省睢县，移动距离为216.5418 km。而2006─2011年间，净碳汇中心继续向东北移动211.5194 km到达山东省巨野县（图4）。

图2 农业净碳汇重心经纬度变化Fig. 2 The changes of gravity centers of agricultural net carbon sink

图3 净碳汇中重心移动距离Fig. 3 The changes of gravity centers of agricultural net carbon sink

2.2分布范围变化

1991─2011年，全国净碳汇空间分布范围在波动中呈现明显的缩小趋势，波动范围为1397～3594 km。从图5可以看出，1991年净碳汇标准差椭圆分布范围极大，1991─2001年间，净碳汇标准差椭圆分布范围持续缩小，并且缩小幅度较为明显。结合标准差椭圆计算公式可以认为，1991年由于东北方向和西南方向存在净碳汇极值，因此在一定程度上将标准差椭圆分布范围拉长。而 1991─2001年间，由于净碳汇极值逐渐趋平，标准差椭圆分布范围则呈现除了缩小态势。2001─2011年则标准差椭圆分布范围变化不大，总体上向东北方向偏移。

图5 净碳汇加权标准差椭圆（1991─2011年）Fig. 5 Weighted Standard deviation ellipse of agricultural net carbon sink, 1991─2011

2.3分布形状变化

1991─2011年，全国净碳汇空间分布标准差椭圆短轴与长轴的比值总体呈现出两阶段的规律，1991─2001年间，全国净碳汇空间分布标准差椭圆短轴与长轴的比重呈现出增加的趋势，随后在2001─2011年间基本上保持不变，上升趋势极慢。从图6可以看出，1991─2011年，中国农业净碳汇空间分布标准差椭圆长轴总体缩小，短轴基本不变，其中，1991─2001年间，长轴保持快速缩短趋势，这表明全国农业净碳汇在南北方向上呈强烈的收缩趋势。

图6 1991─2011年中国净碳汇空间分布范围及形状变化Fig. 6 The changes of ellipse range and shape of net carbon sink in China, 1991─2011

由图7可以看出，1991─2001年，中国净碳汇空间分布标准差椭圆长轴总体缩短，短轴波动缩短。其中 2001─2006年间短轴转为增长趋势，而长轴一直处于缩短趋势。这表明净碳汇空间分布在东-西方向上呈收缩状态，而 1991─2001年间和2006─2011年间在南-北向呈收缩状态，而在2001─2006年间呈扩张状态。

图7 1991─2011年中国净碳汇空间分布长短轴变化Fig. 7 The change of ellipse axis of the net carbon sink in China, 1991─2011

2.4分布方向变化

1991─2011年间，全国净碳汇空间分布标准差椭圆方位角在波动中呈现总体缩小的趋势（图8）。其变化主要分为以下3个阶段：1991─2006年，方位角不断缩小，表明东南部地区的净碳汇量对全国净碳汇空间格局的影响作用加强，2006─2011年，方位角不断增大，表明东北地区净碳汇对全国净碳汇空间格局的影响作用加强。

图8 1991─2011年中国净碳汇空间分布方位角变化Fig. 8 The changes of ellipse rotation angle of the net carbon sink in China, 1991─2011

3 净碳汇空间集聚分析

净碳汇空间分异格局细致地刻画出了 1991─ 2011年净碳汇的空间分异情况，然而，除了考察净碳汇的空间分异格局外，净碳汇空间集聚或空间自相关性也是一项重要的分析内容，然而，传统的统计分析往往忽视了空间数据属性值所隐含的空间依赖性。ESDA（exploratory spatial data analysis，探索性空间数据分析）是目前使用最广泛的数据驱动分析技术，是一系列空间数据分析方法和技术的集合，以空间关联测度为核心，注重研究数据的空间依赖性与空间异质性，通过对事物空间分布格局的描述与可视化，揭示空间关联特征与模式。

3.1全局空间自相关

全局空间自相关分析可以从整体上对区域间存在的空间相互联系与空间差异成年度进行衡量，通常使用Global Moran’s I作为相应指标，具体计算公式如下：

其中，n表示相应的空间单元的个数，Y是每个空间单元的值，W′是行标准化邻接权重矩阵。Moran’s I的值域范围为[-1,1]，若给定显著性水平，当Moran’s I为正数时，表示观测值之间存在正相关，在空间上呈集聚分布；当Moran’s I为负数时，表示观测值之间存在负相关，在空间上呈分散分布；仅当Moran’s I接近期望值-1/(n-1)时，观测值之间相互独立，在空间上随机分布。对于Moran’s I的统计检验可以采用z检验，当|z|>1.96时，认为统计量是显著的：

从全局Moran自相关系数可以看出，全国净碳汇空间全局自相关经历了一个全局空间自相关增强—全局空间自相关减弱的过程，也可称之为“集聚—分散”的过程（图9）。根据全局空间自相关结果，可以将这 1991─2011年分为两大阶段。1991─2001年间，总体来看，净碳汇空间相关性较为明显，1991和2001年其全局Moran’s I值分别为0.25和 0.45，并可以从中明显看出 1991─2001年间，尽管波动存在，但总体趋势上，净碳汇空间自相关程度在不断增强。这说明全国县域净碳汇在这段时间内存在明显的空间外部性，农业生产方式和农业活动结构的相似性在空间上较为明显。进一步可以认为，在这段时期内，农业区往往呈片状分布，空间跨度相对较大。更为重要的是，1991─2001年净碳汇空间自相关趋势上升则意味着，这种片状分布在空间上呈现出不断加强的趋势，净碳汇较强的地区不断促进周围地区净碳汇水平上升。

图9 农业净碳汇Moran’s I值Fig. 9 Moran’s I value of agricultural net carbon sink

图10 净碳汇负值县域单元（红色为负值地区）Fig. 10 Counties with negative net carbon sink in 1991,2001 and 2011

而 2001─2011年则与之相反，体现为空间自相关系数大幅下降，从2001年0.45的峰值波动下降，在2009年首次跌到0.1以下，随后2010年内净碳汇空间自相关系数虽然有所反弹，但 2011年仍然处于0.05左右的低值。值得注意的是，该时期内的Moran’s I指数同样通过了Randomization所给出的伪显著性水平检验。这表明这种下降的趋势在统计上是显著的就该时段而言，农业区片状分布的空间现象变得越来越不显著，净碳汇高值集聚区域在空间上逐渐呈现碎片化，空间范围逐渐缩小。邻近地区农业生产方式与农业活动结构之间的相似性开始减弱，甚至不复存在。

全局Moran’s I呈明显的倒U曲线，尤其是中-高-低的变化趋势，这反映了净碳汇空间分布在1991─2001年间集聚加强，这与标准差椭圆分析方法呈现的结果相一致，净碳汇高值地区集聚的特征日益明显。而同样，低值地区集聚特征也在不断加强之中。这种变化明显反映了 1991─2001年之间农业生产的集中化。计划体制下农业生产均匀分散在各个地区，随着农产品计划价格双轨制并逐渐放开，农业生产逐渐由原先的计划经济体制下粮食生产基地向着以市场价格为导向的自由生产模式转变。于是农业生产进一步向着效益和效率较高的地方集中，造成了客观上净碳汇高值地区集聚不断加强的变化特征。相对应地，对于原先净碳汇较低的地区，农业投入要素也随着这种变化不断加强，同时，畜牧业地区发挥其在农业中的优势，提高畜牧业占农业的相应比重，最终导致了净碳汇低值地区集聚的不断加强。

然而，自 2001─2011年间，随着市场化进程的进一步加快，以及大规模城镇化的转型，大量农业片区开始被打碎并纳入到城镇化的规划当中，这种趋势在Moran’s I上表现为，净碳汇在地理分布上出现了高值区周围伴随低值区现象。这些片区或由于城镇化的开展，或由于农业投入要素加强，使得整个全局Moran’s I集聚指数下降。

3.2局部空间自相关

通过测算空间关联局域指标（Local Indicator of Spatial Association，LISA）显著性水平，采用Moran散点图、Local Moran’s I统计量来分析区域与其周边地区之间的空间关联度与空间差异。局部Moran’s I可揭示各区域空间自相关程度。LISA指数实质是将全局Moran’s I分解到各个区域单元，局部Moran’s I模型如下：

（9）式中的Zi与Zj分别是i省与相邻的j省数值的标准化值，代表了这个省经济作物产量与均值的偏差程度。Zi的表达式如下：

（10）式中的变量与（1）中的含义一致，局部Moran’s I的期望值为：

当Ii>=E(Ii)时，表明第i个地理单元与周围的观测值相近，即空间正相关现象；当Ii

全局Moran’s I自相关则揭示净碳汇在全国空间范围内其空间分布的格局变化趋势。然而，如果要仔细考察净碳汇集聚区的位置，需要借助局部空间自相关分析方法，对全国净碳汇地区进行划分。通过LISA集聚图可以对净碳汇高低值集聚区的空间分布范围进行辨识，可以发现，高低值集聚区在1991─2011年发生了显著的变化。

总的来说，从局部自相关来看，1991年到2011年，净碳汇的空间集聚程度发生了重大变化（图11），高值稀少，零星分布。该时段内全国净碳汇高值集聚区非常少，零星分布于沿海部分地区，1991─2011年间，甘肃宁夏等地逐渐成为净碳汇低值集聚区，东南和西北沿着胡焕庸线形成的农业净碳汇空间格局的差异愈发明显。在之后的年份当中，东北地区的净碳汇高值集聚区面积空前扩大，并且可以看出，低-高区域（浅蓝色）在东北的数量大幅下降，这意味着整个东北区域净碳汇数量均非常之大。苏皖和湖北、湖南地区也有了一定程度的提高，表现为高值集聚区域合并并且总体面积扩大。而与之相反的是，广西高值集聚区域出现一定程度的收缩。

图11 1991、2001、2011年净碳汇LISA集聚图Fig. 11 LISA cluster map of net carbon sink in 1991, 2001 and 2011

2001─2011年是净碳汇空间分布重大调整的又一时期，在这期间，无论是净碳汇高值集聚还是净碳汇低值集聚区域的面积大幅缩减。这可能是由于全国各地净碳汇均有所提高，且较为均匀造成的。而从图中可以发现，净碳汇高值地区普遍收缩，集中于东北和苏皖的部分地区，而低值集聚区主要集中于西藏青海、宁夏和内蒙古部分地区。基本形成东南净碳汇，西北负碳汇为主的空间分布格局。

最后，根据LISA图中高值集聚区域与低值集聚区域之间的变化，可以将这些地区分为3类（表5），第一种类型是高值持续集聚区，可以认为这些地区在农业生产中已经形成了较为良好的农业碳生态环境；第二类区域则由低值向着高值发生了转变，可以认为这些地区农业碳生态环境出现了改善；第三类地区则反之，出现了农业碳生态环境的恶化。

表5 农业集聚类型区划分Table 5 Different types of agricultural cluster

4 结论

本文采用全国县域尺度农业数据，结合空间分析工具对中国农业净碳汇时空分布格局变化进行测算和探讨。从标准差椭圆方法揭示的净碳汇空间分异格局来看，净碳汇空间分布中心整体存在向东北移动的趋势，空间分布范围存在明显的收缩态势，东北地区净碳汇对全国净碳汇空间格局的影响作用加强。从空间自相关揭示的净碳汇空间集聚格局来看，全国净碳汇空间全局自相关经历了一个空间自相关增强—空间自相关减弱的过程，也可以称之为集聚—分散的过程。1991─2001年间，空间自相关程度在不断增强，农业生产方式和农业活动结构的相似性在空间上的表现较为明显。2001─2011年，空间自相关系数大幅下降，意味着净碳汇高值集聚区域在空间上逐渐呈现碎片化，临近地区农业生产方式与农业活动结构之间的相似性开始减弱，甚至不复存在。此外，从局部空间自相关来看，农业净碳汇高值集聚区不断增多，低值集聚区不断减少，总体上反映了中国农业生产净碳汇在空间格局上呈现出的改善。

AREVALO J R, WHITTAKER R J. 2011. A reconstruction of Palaeo-Macaronesia, with particular reference to the long-term biogeography of the Atlantic island laurel forests [J]. Journal of Biogeography, 38(2), 226-246.

CERRI C E P, SPAROVEK G, BERNOUX M, et al. 2007. Tropical agriculture and global warming: Impacts and mitigation options [J]. Scientia Agricola, 64(1): 83-99.

FARGIONE J, HILL J, TILMAN D, PPLAKSY S, HAWTHORNE P. 2008. Land clearing and the biofuel carbon debt [J]. Science, 319(5867): 1235-1238.

FEARNSIDE P M. 2005. Deforestation in Brazilian Amazonia: history, rates, and consequences. Conservation biology [J]. 19(3): 680-688.

IPCC, 2006. Guidelines for national greenhouse gas inventories [C]// Eggleston H.S., Buendia L., Miwa K., et al. Japan: National Greenhouse Gas Inventories Programme, IGES.

KEITH P, VERNON C. 1998. CO2Mitigation by Agriculture: An Overview [J]. Climatic Change, 40(1): 135-162.

LAL R. 2004. Soil carbon sequestration impacts on global climate change and food security [J]. science, 304(5677): 1623-1627.

LUBOWSKI R N, PLANTINGA A J, STAVINS R N. 2006. Land-use change and carbon sinks: econometric estimation of the carbon sequestration supply function [J]. Journal of Environmental Economics and Management, 51(2): 135-152.

US DEPARTMENT OF COMMERCE. 1997. Farm and ranch irrigation survey (1998) [C]// Census of Agriculture 1997, 3. Bureau of the Census, Washington, DC.

US-EPA. 2006. Global Anthropogenic non-CO2greenhouse gas emissions: 1990─2020 [M]. United States Environmental Protection Agency EPA430-R-06-005, Washington DC.

WEST T O, GREGG M. 2002. A synthesis of carbon sequestration, carbon emissions and net carbon flux in agriculture: comparing tillage practice in the United States [J]. Agriculture, Ecosystems and Environment, 91(1-3): 217-232.

WOOD S, COWIE A. 2004. A review of greenhouse gas emission factors for fertiliser production [M]. IEA Bioenergy Task 38.

韩召迎, 孟亚利, 徐娇, 等. 2012. 区域农田生态系统碳足迹时空差异分析——以江苏省为案例[J]. 农业环境学, 31(5): 1034-1041.

李翠菊. 2012. 我国狭义农业碳源碳汇实证分析[D]. 北京: 首都经济贸易大学.

李克让. 2000. 土地利用变化和温室气体净排放与陆地生态系统碳循环[M]. 北京: 气象出版社.

冉光和, 王建洪, 王定祥. 2011. 我国现代农业生产的碳排放变动趋势研究.农业经济问题, (2): 32-38.

沈体雁, 张晓欢, 赵作权, 等. 2013. 我国就业密度分布的空间特征[J].地理与地理信息科学, 29(1): 64-68, 1.

沈体雁, 张晓欢, 赵作权. 2012. 东北地区就业密度分布的空间特征——基于两次经济普查数据的空间计量经济分析[J]. 经济地理, 32(10): 14-20.

田云, 张俊飙. 2013. 中国农业生产净碳效应分异研究[J]. 自然资源学报, 31(8): 1298-1309.

田云, 张俊飚, 李波. 2012. 中国农业碳排放研究: 测算、时空比较及脱钩效应[J]. 资源科学, 34(11): 2097-2105.

吴贤荣, 张俊飚, 田云, 李鹏. 2014. 中国省域农业碳排放: 测算, 效率变动及影响因素研究——基于 DEA-Malmquist 指数分解方法与Tobit 模型运用. 资源科学, 36(1): 129-138.

张大东, 张社梅, 黄伟. 2012. 浙江省农业系统碳源、碳汇现状评估分析[J]. 中国农业资源与区划, 33(5): 12-19.

赵璐, 赵作权, 王伟. 2014. 中国东部沿海地区经济空间格局变化[J]. 经济地理, 34(2): 14-18, 27.

赵璐, 赵作权. 2014. 基于特征椭圆的中国经济空间分异研究[J]. 地理科学, 34(8): 979-986.

赵璐, 赵作权. 2014. 中国经济的空间差异识别[J]. 广东社会科学, (4): 25-32.

赵璐, 赵作权. 2014. 中国沿海地区经济空间差异的动态演化[J]. 世界地理研究, 23(1): 45-54.

赵荣钦, 秦明周. 2007. 中国沿海地区农田生态系统部分碳源/汇时空差异[J]. 生态与农村环境学报, 23(2): 1-6, 11.

赵荣钦. 2004. 农田生态系统碳源/汇的时空差异及增汇技术研究[D]. 开封: 河南大学.

赵作权. 2009. 地理空间分布整体统计研究进展[J]. 地理科学进展, 28(1): 1-8.

赵作权. 2012. 中国经济核心—边缘格局与空间优化发展[J]. 管理世界, (10): 46-54, 187.

Spatial Agglomeration and Variation Of China’s Agricultural Net Carbon Sink

CHEN Luoye1, XUE Ling1, XUE Yan2
School of Government, Peking University, Beijing 100871, China

This article uses the calculation method recommended by IPCC and estimate the net carbon sink of China’s agriculture in the past two decades. Then by using the standard deviation ellipses and spatial autocorrelation method, the research analyzes the spatial agglomeration and variation of China’s agricultural net carbon sink from 1991 to 2011.Research shows that: (1) From result of the standard deviation ellipse method, the distribution center of net carbon sink moved towards northeast region of China, which made an important impact on the pattern of net carbon sink. (2) The value of global Moran’s I implies a process of agglomeration and dispersion of the net carbon sink from 1991 to 2011. (3)The local spatial autocorrelation of net carbon sink shows the cluster of high value is mainly located in the northwest , while the cluster of low value is mainly located in southeast area of China.

China; county-level; agricultural; net carbon sink; spatial pattern

10.16258/j.cnki.1674-5906.2015.11.004

X14

A

1674-5906（2015）11-1777-08

国家重点基础研究发展计划项目（2012CB955800）；国家自然科学基金项目（41071077）

陈罗烨（1991年生），男，硕士研究生，研究方向为区域经济学，农业地理。E-mail: luoyechen@pku.edu.cn *通信作者：薛领，男，教授，博士生导师，研究方向为区域经济学、农业地理。E-mail: paulsnow@pku.edu.cn

2015-07-15

引用格式：陈罗烨, 薛领, 雪燕. 中国农业净碳汇空间集聚与分异[J]. 生态环境学报, 2015, 24(11): 1777-1784.