基于碳足迹的安徽省农田生态系统碳源/汇时空差异

张 精，方 堉，魏锦达，林佳壕，陈培彬，朱朝枝

（1. 福建农林大学经济学院，福建 福州 350002；2. 福建农林大学艺术园林学院，福建 福州 350002）

0 引言

【研究意义】工业革命后，世界经济的发展和人类生产活动的增加导致温室气体排放激增，全球气候变暖问题凸显。20 世纪70 年代起，学界日益重视和加强碳变化对人类生产生活影响的研究，并逐渐认可碳足迹这一新的研究方法。生态足迹是指生产特定单位人口所消费的所有资源和吸纳这些人口所产生的所有废弃物所需要的生物生产土地的总面积与水资源量[1]。碳足迹则是在生态足迹的基础上提出的，它是对人类的某项生产生活活动直接或间接引起的二氧化碳排放量的度量。碳源、碳汇问题就本质而言是碳的流量问题，碳源表示向大气圈释放碳的通量，即碳排放，碳汇则可理解为从大气圈中消除碳量的过程，即碳吸收[2]。碳足迹是在生态足迹概念上的引申发展，学界目前认为碳足迹主要包括两种定义：一是如上文所说的，即常识中的碳排放量（t）；二是因使用化石燃料排放的CO2所需的生产性土地面积，即碳排放的占地面积（hm2）[3]。本文中所采用的碳足迹核算主要是第二种定义。作为陆地生态系统的重要组成部分，农田生态系统对陆地生态系统碳排放贡献度较大，是重要的碳源和碳汇。安徽省作为农业大省，近几年来生产水平不断提高，耕地面积起伏变动较大。截至2019 年，安徽全省农业常住人口占总人口的45.31%，三次产业结构调整趋向合理。在乡村振兴发展战略的大背景下，安徽省应充分发挥农业大省的优势，以农业的转型升级推动农村发展、农民增收。因此，准确评估农田生态系统的碳源、碳汇，对制定合理的农业减排措施具有重要的指导意义。开展安徽省农田生态系统碳循环研究，可为安徽省现代农业绿色发展提供借鉴，同时也可为其他农业大省的农业现代化建设提供参考。【前人研究进展】众多学者针对安徽省农田碳排放的动态变化规律及其影响因素进行研究，李颖[4]、邹露[5]、胡中应[6]等根据脱钩效应构建模型对安徽省农田系统的碳排放进行了分析，李颖、李琦等[7−8]从时空序列的角度比对了不同年份安徽省农业碳排放的变化；在碳源及碳排放影响因素的相关研究方面，R.Lal[9]认为农业碳排放量存在差异主要由不同的耕作方式导致，Li Hong[10]、Jiang Jingjing[11]研究发现农田灌溉、机耕、农业柴油、农膜、农药及化肥等农业要素的投入与农业碳排放有重要关系，这与国内报道的研究结果大致趋同。【本研究切入点】迄今学者们从碳源/碳汇的角度对农业碳排放问题研究尚待进一步深入，尤其在区域时空的分布和集聚性研究方面，因此有必要探讨安徽省农田生态系统的碳源/汇时空差异及碳足迹在空间聚集上的表现。【拟解决的问题】本文着眼于区域经济视角，以安徽省耕地动态变化数据和农田生态系统相关数据为基础，结合前人的研究成果，分析2008—2016 年安徽省农田生态系统碳排放/吸收的趋势及其变化因素，以期为安徽省持续推进农业低碳化提供理论和实践参考。

1 材料与方法

1.1 研究区域概况

安徽省位于中国华东地区，介于东经114°54′-119°37′、北 纬29°41′-34°38′，全 省 总 面 积14.01万km2，有八百里的沿江城市群和皖江经济带，内拥长江水道，外承沿海地区经济辐射，是我国的传统农业大省和重要的农产品生产基地。安徽地势由平原、丘陵、山地构成，区域范围内有淮河、长江、钱塘江三大水系。安徽省属于暖温带与亚热带过渡地区，淮河以北属暖温带半湿润季风气候，淮河以南为亚热带湿润季风气候。同时，安徽省作为长三角经济区的重要组成部分，处于全国经济发展的战略要冲和国内几大经济板块的枢纽地带，经济、文化与长三角其他地区有着不可分割的联系。

1.2 数据来源

本研究中所采用的数据主要来源于2009—2017年出版的《安徽省统计年鉴》，其中的碳源主要包括：化肥使用量、农膜使用量、农药使用量、农作物种植面积、农业机械总动力和灌溉面积；碳汇则涵盖了各类作物的经济产量及耕地面积。由于2007年之前和2017 年之后碳排放量指标和碳吸收量指标的数据不全，故而采用2008—2016 年度统计数据对安徽省农田生态系统的碳排放强度和碳吸收强度进行分析，包括区间内各设区市农田生态系统的碳排放特征、碳吸收特征及碳足迹特征。

研究涉及的安徽省行政区划分布shp 矢量数据（图1）来源于中国科学院地理科学与资源研究所。

1.3 研究方法

1.3.1 农田生态系统碳排放量估算 借鉴学者对农田生态系统碳排放源的分类[12]，主要包括农业生产投入品和农业主要生产活动；农业生产投入品包括化肥、农药、农膜、农机具，而农业主要生产活动则针对有效灌溉和土地翻耕作业。

安徽省农田生态系统的碳排放量采用的估算公式为：

图 1 安徽省行政区划分布Fig. 1 Administrative divisions of Anhui Province

式中，T代表安徽省农田生态系统的碳排放总量（t），Ti表示第i种碳源的碳排放量，Ei表示第i种碳源的数量，δi代表第i种碳源的碳排放系数。农业生态系统碳源的排放系数主要来自IPCC 等机构已公布的数据。本文采用的6 种碳源的排放系数具体见表1。

1.3.2 农田生态系统碳汇计算 碳汇主要由农田生态系统内各种作物在全生育周期内对碳的吸收。结合已经公布的中国主要农作物分类和安徽省实际种植的作物种类，将研究的作物种类限定在以下几种种类中（表2），主要包括粮食作物、经济作物和园林作物。则农田生态系统中碳汇的计算公式为：

式中，i—第i种农作物，Ct—农田系统的总碳吸收量（t），Cd—第i类作物全生育期的碳吸收量（t），Cf—第i类作物合成单位质量干物质需要吸收的碳（t），Dw—生物产量，Y—第i类农作物的经济产量，Hi—第i类农作物的经济系数。安徽省主要农作物碳吸收率（Cf）和经济系数（Hi）见表2。

表 1 安徽省农业碳排放源系数Table 1 Coefficients of agricultural carbon emission sources in Anhui

表 2 安徽省主要农作物的经济系数和碳吸收率Table 2 Economic coefficient and carbon absorption rate of main crops in Anhui

式中：E为农田生态系统的碳排放总量，含义同于公式（1）中的T；NEP反映该地区农田生态系统内的农作物所能达到的碳吸收强度，即1 hm2的植被1 年吸收的碳量（C·hm−2·a−1）；Ct为该地区农田生态系统中所有农作物全生育期对碳的吸收量；S为耕地面积。

如果区域生态承载力（耕地面积）小于区域农田生态系统碳足迹，则会出现碳生态赤字；若区域农田生态系统碳足迹小于区域生态承载力，则表现为碳生态盈余[14]。

式中，CED为碳生态赤字，CER为碳生态盈余，CEC为生态承载力，即耕地面积[14]。

1.3.3 农田碳足迹核算 本文所采用的碳足迹定义为消耗碳排放所占用的生产性土地面积（即CEF），计算公式为[13]：

2 结果与分析

2.1 安徽省农田生态系统格局特征分析

从《安徽省统计年鉴》2008—2016 年的数据看，安徽省在这9 年间的耕地面积总体上呈现平稳增长而后突然跃升的趋势，2013 年是一个较大的转折点（表3）。9 年期间安徽省的耕地面积共增加了1.684 896×106hm2，增长幅度较大。

表 3 2008—2016 年年安徽省耕地变化时间差异Table 3 Time variations on farmland use in Anhui, 2008-2016

土地利用动态度是真实反映土地利用类型动态变化程度的指数，单一土地利用动态度可以表达特定区域一定时间范围内某种土地利用类型变化情况[15]。为了切实反映安徽省各区市耕地面积的确切变化，研究中采用土地利用动态度进行剖析，其中，为反映安徽省在两个等距时间段内的耕地利用情况，以2012 年为时间节点，将安徽省的土地利用动态变化度分为两个时间段进行分析。土地利用动态度计算公式为：

式中：Ua、Ub为研究初期及研究末期单一土地利用类型的数量；T为研究时段，本式中T的单位为年，K值为安徽省耕地土地利用的年变化率。

利用ArcGIS 10.6 进行可视化分析，可以得出，2008—2012 年，安徽省大多数设区市土地利用动态度的变动幅度都比较小，从−0.11 到1 之间不等，部分设区市的动态度甚至为负值，只有合肥市、芜湖市和马鞍山市的土地利用动态度大于1，整体而言全省的耕地情况变化较小；2012—2016 年，安徽省全省16 个设区市所表现出的耕地面积变化程度较高，动态度指数都表现出正值，且绝大多数设区市土地利用动态度的变化都在1 以上。从整体来看，耕地面积的差异反应的较为明显，衡量尺度产生重大变化，铜陵市的土地利用动态度甚至达到了12.051 5，土地利用度在1 以上的设区市有12 个（表4，图2）。

由于土地利用动态度的变化较为明显，故而在研究碳排放量的过程中中加入碳排放强度来衡量安徽省16 个设区市不同年份的碳排放特征，而此处的碳排放强度并非日常研究中所指的单位国内生产总值（GDP）的增长所产生的二氧化碳排放量，而是农田生态系统在生产过程中单位面积的碳排放强度。如果其碳排放强度呈现下降趋势，则说明农业生产向低碳化方向发展。

2.2 安徽省农田生态系统碳排放强度时空差异

2008—2016 年安徽省农田利用所产生的碳排放总量呈现出逐年减少的趋势，更直观呈现为碳排放总量单位面积强度的起伏（表5），2008—2016 年的农田生态系统碳排放强度由5.563 7 t·hm−2降至3.798 0 t·hm−2，减幅达1.46 倍。各设区市在2008—2016 年的排放趋势也呈现出不同的变化，通过比较16 个市9 年间的碳排放强度数据，可以得出，9 年间16 个设区市的碳排放主要贡献城市为黄山市、芜湖市、宿州市和池州市，其中黄山市和宿州市的碳排放强度始终维持在较高的水平，结合到16 个设区市两个时段的土地利用动态度变化，碳排放总量的不断增高和耕地面积维持在较低水平是主要原因之一。

表 4 2008—2016 年安徽省省各市耕地空间差异（耕地利用动态度）Table 4 Spatial variations on farmlands at cities in Anhui (degree of dynamic farmland use), 2008-2016

图 2 安徽省各设区市生态格局（耕地利用动态）特征Fig. 2 Ecological patterns (dynamic farmland use) at districts and cities in Anhui

通过进一步转置排列安徽省16 个设区市碳排放强度数据，运用ArcGIS 10.6 进行可视化分析，得到安徽16 个市的碳排放强度指数空间分布图（图3），从横纵向两个角度比对安徽省碳农田生态系统碳排放情况，碳排放强度衡量尺度分别为0.19～0.79 t·hm−2、0.20～0.24 t·hm−2、0.25～0.34 t·hm−2、0.35～0.48 t·hm−2、0.49～0.62 t·hm−2。从空间分布看，2008 年黄山市的碳排放强度最高，达到0.623 9 t·hm−2，碳排放量及其强度远超过安徽省其他地区，其次为芜湖市，碳排放水平为0.549 9 t·hm−2；淮北市、滁州市和亳州市处于全省碳排放的较低水平，碳排放强度指数在0.17～0.19 t·hm−2；其余各设区市均处于0.20～0.48 t·hm−2。与2008 年相比，2011 年安徽省农田生态系统的碳排放空间分布情况变化不大，较为突出的是芜湖市碳排放强度降低明显，而淮北市增至0.256 5 t·hm−2。从2014 年看，部分设区市的指标变动较大，芜湖市、滁州市和亳州市的碳排放降至全省较低水平，均低于0.19 t·hm−2，中部城市碳排放则略微回升，但黄山、宿州两市的碳排放水平仍然超过全省均值。2016 年，全省各市碳排放水平均达到2008 年以来最低标准，除黄山市、宿州市以外，各设区市碳排放强度在0.30 t·hm−2以下。

安徽省的农田生态系统碳排放空间分布相对稳定，形成以黄山市、宿州市为主要贡献城市的“南北高，中部低，两翼平衡”格局；在碳排放总量不断下降的趋势下，2011 年之后碳排放强度均低于0.49 t·hm−2，2014 年略微反弹，但不影响该年份作为指标下降总趋势的一个指向性存在，2014 年后，全省各设区市碳排放水平均稳定下降。

结合统计年鉴数据、耕地数据及研究结果，淮北平原地势平坦，土地集中连片，有利于农业规模化生产，农业机械、化肥、农药的使用量有所增加，使得区域碳排放水平出现波动；而皖南则以山地丘陵地形为主，土地利用较为集约，各类农业投入要素较为集中，单位面积农业生产能源消耗水平更高，同时，经济结构上皖南更为突出的表现在第二、三产业比重较大，农户兼业化水平较高，间接导致各类农资的过量投入，使得区域碳排放量水平逐渐增加。但总体而言，安徽省农田碳排放强度的空间分布较为均匀，趋势较为稳定。

表 5 2008—2016 年安徽省农田生态系统碳排放强度Table 5 Carbon emission intensity in ecosystem of farmlands in Anhui, 2008-2016

2.3 安徽省农田生态系统碳吸收强度时空差异

2008—2016 年安徽省农田利用所能达到的碳吸收强度水平（NEP）总体上呈现先上升后下降再回升的趋势（表6）；由2008 年的141.493 9 t·hm−2上 升到2013 年的167.312 9 t·hm−2，2014 年骤降到118.253 1 t·hm−2，而后又回升到120 t·hm−2以上的水平。各设区市在2008—2016 年间的吸收趋势也呈现出不同的变化，比较16 个设区市9 年间的碳排放强度数据，可以得出，碳吸收贡献城市为阜阳市和蚌埠市，说明即便在耕地利用动态度出现大幅变化的情况下，两市的各类作物产量和生产经营始终处于较高的水平。

进一步转置排列安徽省16 个设区市碳吸收强度数据，运用ArcGIS 10.6 进行可视化分析，得到安徽16 个市的NEP 指数空间分布图（图4），从时空两个角度比对安徽省碳农田生态系统碳吸收情况，NEP 衡量尺度分别为5.6～5.7 t·hm−2、5.8～7.5 t·hm−2、7.6～9.0 t·hm−2、9.1～11.0 t·hm−2、12.0～16.0 t·hm−2。从空间分布看，2008 年阜阳、蚌埠和黄山为第一梯队，NEP 指标在12 t·hm−2以上，黄山市依旧为农田碳吸收强度中表现最突出的城市，超出全省平均水平。全省碳吸收强度水平总体较高，NEP 在7.6 t·hm−2以上的设区市占全省的87.5%。到 2011 年，全省总体碳吸收水平向上增长，淮南市和芜湖市加入第一梯队，但总体的分布格局相对稳定，与2008 年相比变化不大，碳吸收水平较低的设区市仍然是六安市、滁州市和淮北市，这在2014 年和2016 年的数据表现中也未见明显的变化。

图 3 安徽省各设区市碳排放强度空间分布Fig. 3 Spatial distribution of carbon emission intensity at cities in Anhui

从2014 和2016 年的数据看，由于土地利用状况的极速变化，安徽省中部以南地区的碳吸收水平都出现了下滑，均倒退了1 个衡量尺度；除亳州、淮南两市的碳吸收水平下降外，安徽省北部地区的碳吸收水平总体稳定。

从时空分布看，安徽省农田生态系统碳吸收空间分布相对稳定，形成以阜阳和蚌埠为主要贡献城市的“两头重，中间轻”的基本格局；但从时间序列看，安徽省的碳吸收强度指标表现出无稳定规律可循的情况。由于碳吸收强度的核算标准是碳吸收总量和耕地面积的变化，这也说明了安徽省全省的作物生产在2008—2016 年之间处于较不稳定的水平。

阜阳市和蚌埠市作为安徽省除合肥市以外人口数量居2～3 位的城市，是安徽省的工农业重镇，对经济作物和粮食作物的需求旺盛，加上地处平坦的淮北平原，土地集中连片，农业规模经营较为普遍，因而土地利用动态变化度在2008—2016 年间表现较为稳定。在这两个影响因素作用下，两市的主要农作物生物产量稳步上升，碳吸收强度位居全省前列。

表 6 2008—2016 年安徽省农田生态系统碳吸收强度Table 6 Carbon absorption intensity in ecosystem of farmlands in Anhui, 2008-2016

2.4 安徽省农田生态系统碳足迹及其空间相关性

根据公式（4），对安徽省农田生态系统碳足迹进行核算，从数据上看（表7～8），安徽省农田生态系统的碳足迹均小于同期生产性土地面积（耕地），说明安徽省农田生态系统表现为碳生态盈余，农田生态系统的碳生态盈余可以部分补充其他行业的碳生态赤字[16]，有助于促进安徽省生态经济的持续发展。

空间自相关性是指一个研究区域与其相邻区域中的某一现象、属性值的相关联程度[13]。空间自相关分析一般分为全局与局部自相关分析，全局自相关研究总区域的空间自相关，局部自相关只分析一个或几个特定区域单元的聚类情况[17]。因此，本研究以全局和局部空间自相关性分安徽省农田生态系统的碳足迹空间分异。

2.4.1 碳足迹全局自相关 采用基于共同点和面的邻接空间权重确定邻近位置，邻接方式为Queen 邻接且秩取1，用Geoda 软件分析空间权重与空间相关性。对2008 年、2011 年、2014 年和2016 年的碳足迹指数，以单变量莫兰指数（Univariate Morans I）分析全局空间自相关。结果显示，4 年间Moran’s I 值呈先上升后下降的趋势，分别为−0.005、0.003 7、0.106 0和0.087，表示空间具有一定的相关性，空间聚集效果有先上升后下降的趋势；4 年起的Z-统计值分别为0.393 3、0.659 6、1.060 8、0.935 5，各区域相关性并不显著。

图 4 安徽省各设设区市NEP 强度空间分布Fig. 4 Spatial distribution of NEP intensity at cities in Anhui

2.4.2 碳足迹局部自相关 利用Geoda 软件，基于局部Moran’s I 统计分析4 年碳足迹局部空间自相关性，将局部空间自相关数值运用 ArcGIS10.6 进行空间分布分析（图5），显示显著区域在0.05 水平上。安徽省农田生态系统地理单元分为不显著、高-高、低-低、低-高和高-低5 种空间相关类别，其中不显著类别表示该区域在0.05 水平上碳足迹指数空间自相关性不显著，高-高类别代表该区域与周围地区都具有较高的碳足迹值，低-低类别表示该区域与周围地区一样具有较低的碳足迹值，低-高类别为该区域碳足迹值低、周围地区碳足迹高，高-低类别为该区域碳足迹值高、周围地区碳足迹低。高-高与低-低类别反映的是碳足迹空间的聚集，而低-高与高-低类别反映碳排放空间的分异。

从2008 年的空间分布图看，呈现低-高类别的有淮北市，呈现低-低类别的有池州市、宣城市和芜湖市。2011 年碳足迹的空间分布仅有池州、宣城两座城市呈现低-低类别，其他城市的类别均为不显著相关。2014 年，空间分布与2011 年相比不大，除低-低类别依然是池州市和宣城市以外，淮南市呈现出低-高类别的聚集特征。与前3 年相比，2016 年的碳足迹空间分布差别较大，池州市和宣城市呈现出低-低类别，淮南市呈现出高-高类别，而低-高类别的聚集特征则出现在蚌埠市。

总体上看，尽管安徽省内多数城市呈现相关性不显著，但呈现出低-低类别空间聚集特征的城市主要聚集在皖南，而低-高类别聚集特征的城市则主要聚集在中部以北。说明安徽省的农田生态碳足迹的空间聚集效应较强，集聚特征较为明显，异质性小且变动幅度稳定。

表 7 2008—2016 年安徽省各设区市生产性土地面积Table 7 Areas of productive land at cities in Anhui, 2008-2016

表 8 2008—2016 年安徽省农田生态系统碳足迹Table 8 Carbon footprints of farmlands in Anhui, 2008-2016

3 结论与建议

综上所述，通过核算分析安徽省农田生态系统碳排放和碳吸收的时空变化，发现该省的碳排放强度和碳吸收程度呈现出明显的阶段性特征，尽管总体上农田生态系统碳排放强度在下降，但全省农业生态系统由于碳吸收强度在各年份表现呈不稳定趋势，因此安徽省农田生态系统的碳排压力较大，农业低碳化仍然存在一定程度的挑战。其次，安徽省农田碳排放强度在总体上形成以黄山、宿州为主要贡献城市的“南北高，中部低，两翼平衡”基本格局，而碳吸收强度表现出以阜阳和蚌埠为主要贡献城市的“两头重，中间轻”的基本表征，即使全省整体上呈现出碳生态盈余，但碳排放的热点区域在空间分布上表现不平衡性。结合碳排放核算与碳足迹指标在4 个时期的空间自相关性，低碳化表现较好的地区依靠空间聚集效应向周围地区辐射，具有一定的溢出效应。同时，土地利用的变化在减排过程中，也发挥了不可忽视的作用。

基于此，为进一步推进安徽省农业低碳化发展，提出以下几点建议：

一是科学规划农业减排方案。各地区农业管理部门应贯彻落实《安徽省绿色发展行动实施方案》，在确保农作物生产和农产品产量供给的前提下，做好节能减排工作；促进农药化肥等农业投入品使用减量化，扩大秸秆还田和测土配方施肥技术推广覆盖范围，鼓励农业从业者改变生产行为，推行生态化种养模式，提高农业生态效率。减少使用化肥、增加施用有机肥、秸秆还田和免少耕4 种耕作管理方式是增强农田生态系统固碳能力的重要措施[18]，安徽省应重视通过农田减施化肥和增加有机肥来增强固碳能力；考虑到皖北以种植小麦为主，而皖南则主要种植水稻，因此秸秆还田的大规模推广仍有发展潜力。

二是因地制宜、分类施策。减排过程中重点关注碳排放值高的设区市，同时在省级层面进行宏观调控和技术指导与推广，科学布局各区域的农业生产活动；扎实推进新安江流域生态经济示范区建设，构建皖南山区绿色屏障，推动低碳化表现较好的设区市依托溢出效应辐射引领周边城市，并通过农业政策宣传、农产品市场协调和生产协作等方式互助互动，大力发展低碳农业[19]。按照低碳农业发展思路，安徽省应逐步推广循环农业。安徽省属于“国家农产品主产区”和“重点生态功能区”，六安市、安庆市、黄山市和池州市是“重点生态功能区”，淮北平原、江淮丘陵和沿江平原则构成了“国家农产品主产区”。对于重点生态功能区，生态系统承载力相对脆弱，结合碳排放强度情况，应选择旅游休闲观光农业、庭院生态农业、绿色有机农业、循环农业等形式发展低碳农业[20]；而在国家农产品主产区范围内，建议采用种养结合、发展立体农业和促进农业副产品再利用的手段提高土地综合利用率。

三是推进农业适度规模经营。特别是在农户兼业化水平较高的城市，推动新型农业经营主体建设，在确保耕地面积稳定的前提下，加强土地集约利用水平；按照最新国土空间规划条例，在推进县域国土空间规模编制和实施过程中，预留10%的土地专门用作农业用地，实施用地总量规模控制；高效利用土地，提高复种指数，促进农业增产增效，稳定保持安徽省的碳生态盈余。