我国粮食主产区农地利用碳排放时空演变与有效降低碳排放路径

杨慧 张恒

摘 要：基于2010—2019年我国粮食主产区13个省份的面板数据，采用IPPC经典碳排放计算法对我国粮食主产区农地利用碳排放量进行测度，并分析其时空演变趋势，进而提出适当的农业碳减排建议。研究发现：2010—2019年我国粮食主产区农地利用碳排放量总体呈现先增后降的态势;我国粮食主产区各省份农地利用生产活动中，化肥投入是最大的碳排放来源;各粮食主产区农地利用的碳排放总量和结构都存在较大差异。因此，应加强地区间碳减排技术信息共享，减少农用物资的投入，加快融入科技创新理念，拓宽农业碳减排技术使用道路;提高农户低碳意识，帮助农户学习既高效又减排的农业生产方式。研究结果可为实现粮食主产区农地利用碳减排目标提供科学依据和决策参考。

关键词：农地利用碳排放;时空演变;农业碳减排;粮食主产区

中图分类号 X171.3 文献标识码 A 文章编号 1007-7731（2022）08-0165-05

近年来，全球气候变暖所带来的极端天气等负面影响严重制约了人类社会、经济的发展。来自科学界的证据表明，导致全球平均气候异常升高的主要原因在于人类活动所产生的碳排放。因此，如何解决碳排放已然成为世界各国政府及学术界重点关注和亟需解决的问题。2020年，我国在第七十五届联合国大会一般性辩论上向国际社会郑重承诺，我国将在2030年达到碳排放峰值，2060年实现碳中和，为世界碳减排做出中国贡献[1]。根据相关数据统计，在全球人为碳排放的总量中，农业碳排放占比高达30%[2]。而我国作为农业大国，农业生产也是碳排放的重要来源。据研究显示，我国农业活动导致的碳排放占到全国总排放的17%，且逐年上升[3]。农地利用是农业碳排放的主要源头之一，在农地利用过程中农业物资的投入、农业能源耗费以及农业废弃物的处置等环节都不可避免地产生碳排放。因此，实现农地利用低碳化与无碳化对我国向世界兑现承诺具有积极意义。目前，学术界在解决农地利用碳排放问题上已经形成了较为丰富的科研成果。田云等[4]、独孤昌慧[5]在测算了我国农地利用碳排放的基础上，分别通过kaya恒等式和LMDI指数分解法对我国农地利用碳排放的影响因素进行分析。田云等[6]和张婷等[7]分别着眼于湖北和江西2个省份，深入研究了其农地利用的碳排放情况。黎孔清等[8]基于STIRPAT和GM（1，1）模型，对湖南省农地利用碳排放的增长机理进行探究与趋势预测，并发现湖南省农业生产效率、农业产业结构、人均农业GDP等都对农地碳排放有显著影响。纵览文献可知，现有研究对农地利用碳排放的探讨更多着眼于国家、省级甚至市级层面，而鲜有学者将一些拥有共性特征的地区（例如粮食主产区）组合到一起进行考察。2000年以后，我国为了进一步巩固粮食安全，在《国家粮食安全中长期规划纲要（2008—2020年）》中确立了黑龙江、吉林、辽宁、内蒙古、河北、河南、山东、安徽、湖南、湖北、江西、江苏、四川共13个省份作为我国粮食主产区。这些省份都具有得天独厚的农业生产条件，且粮食总产量持续占全国粮食产量的75%以上，除保障自身区域内粮食消费外还能大量补充其他区域，是我国商品粮的重要生产基地。鉴于此，本研究立足于农地利用视角，将13个粮食主产省份作为特定的考察对象，在测算我国粮食主产区農地利用碳排放量的基础上，具体分析我国粮食主产区农地利用碳排放时空格局的演变进程与特征，并提出有效降低农地利用碳排放的建议。

1 资料与方法

1.1 研究方法

1.1.1 农地利用碳排放测算 在遵循科学原则的基础上，采取“抓大放小”策略，并充分考虑数据的可得性，主要选取化肥、农药、农膜、柴油、灌溉、翻耕共6方面碳源，利用IPCC经典碳排放计算法对我国粮食主产区农地利用所产生的碳排放进行计算。IPCC碳排放计算法是在确定特定碳排放源的基础上，以碳源的数据乘以其对应的碳排放系数得到该碳源的碳排放量[9]。

[C=∑Ci=∑Ti×δi] （1）

式中，C为农地利用碳排放总量;Ci为第i种碳排放源的碳排放量;Ti为第i种碳排放源的使用量;δi为第i种碳源的碳排放系数。

1.1.2 农地利用碳排放强度计算 本研究农地利用碳排放强度是指在农地利用活动中，单位播种面积的增长所带来的碳排放量。

[I=C/B] （2）

式中，I为农地利用碳排放强度，C为式（1）中所求出的农地利用碳排放量，B为播种面积。

1.2 数据来源与处理 农地利用碳排放量测算所涉及的原始数据来自2010—2019年《中国统计年鉴》《中国农村统计年鉴》，其中灌溉面积为当年有效灌溉面积，翻耕面积以当年农作物总播种面积代替，化肥投入量为当年的化肥折纯量，农膜、农药、柴油投入量为当年实际使用量。各碳源所对应的碳排放系数见表1。

2 结果与分析

2.1 我国粮食主产区农地利用碳排放总量与趋势 由表2可知，2010—2019年间，我国粮食主产区农地利用碳排放总量总体呈现先增后降的态势，整体可以简单划分为“缓慢增长—较快下降”2个阶段的演变趋向：2010—2015年，我国粮食主产区农地利用碳排放量处于增长期，由2010年的6601.31万t缓慢上升至2015年的7004.66万t，每年的环比增速不足2%，增长速度较慢;2015—2019年，我国粮食主产区农地利用碳排放量开始进入下降期，由2015年的7004.66万t下降至2019年的6396.45万t，且环比增速也由2015年的0.26%下降至-3.54%。与此同时，化肥、农药、农膜、柴油使用以及翻耕、灌溉农作活动产生的碳排量也呈现同样先增后降的态势。从碳排放强度来看，我国粮食主产区农地利用碳排放强度同样大致呈现先增后降的态势。与农地利用碳排放总量不同的是，碳排放强度的峰值提前到2012年，即碳排放强度先由2010年的599.43kg/hm2上升到2012年的608.57kg/hm2，继而从2013年开始下降，直至2019年碳排放强度降至555.51kg/hm2，环比增速也从最初的0.64%上升到2012年的0.88%再降至2019年的-3.35%。究其原因主要在于：近年来，低碳农业相关理念在我国逐渐开始普及，同时2014年国务院印发的《2014—2015年节能减排低碳发展行动方案》的有效实施，我国对农业碳排放的限制力度逐渐加大，使农地利用更加趋于合理化、绿色化、低碳化。这一结果也间接说明目前我国实施的有关农地利用碳减排措施是有效的。

单从6种碳排放源来看，近10年来，化肥施用导致的碳排放量是几种碳源碳排放量里最高的，几乎占据总量一半以上;灌溉导致的碳排放量排在第二，其碳排放量接近总量的20%;农膜、农药、农用柴油这三者投入导致的碳排放量差别不大，都占总量的10%左右;排在最后的是翻耕导致的碳排放量，不足总量的1%（图1）。此外，除灌溉产生的碳排放量在逐年上升以外，其他几种碳源产生的碳排放量在2010—2019年间也都呈现先增后降的态势。由此可见，碳源碳排量虽然整体呈现下降趋势，但是在农地利用过程依靠化学物资投入增加产出、生产技术低下等问题仍然存在。

2.2 省级农地利用碳排放的时空演变 由表3可知，我国粮食主产区总体的空间格局基本稳定。2010—2019年间，内蒙古、辽宁、吉林、湖南、四川5个省份始终保持在中农业碳排放区，河北、江苏、安徽3个省份始终保持在较高农业碳排放区，山东和河南2省份始终保持在高农业碳排放区。黑龙江省在2010—2015年间从中农业碳排放区演变为较高农业碳排放区，江西省在2015—2019年间从中农业碳排放区演变为低农业碳排放区，湖北在2010—2015年间从较高农业碳排放区演变为中农业碳排放区，这3个省份的地理时空格局总体表现为此消彼长的演变态势，但总体的空间格局变化不大。

我国粮食主产区从流域上可划分为三大流域，即松花江流域、黄河流域、长江流域，其中松花江流域包含辽宁、吉林、黑龙江3省份，黄河流域包含河北、山东、内蒙古、河南4省份，长江流域包含江西、湖北、湖南、江苏、安徽、四川6省份。从流域上来看，黄河流域各省份的农地利用碳排放处于较高水平，粮食主产区中碳排放量排在前三的省份都属于黄河流域。内蒙古因其属于草原牧区，农地利用相对河南、山东、河北这3个省份较少，这也是其属于黄河流域而农地利用碳排放量较低的原因。长江流域各省份的农地利用碳排放量整体处于中等水平，松花江流域各省份的农地利用碳排放量整体处于较低水平。由此可见，尽管这13个省份都是我国的粮食主產区，都具有得天独厚的农业生产条件，但是因其所属流域不同、地理位置不同，农地利用碳排放量也存在一定差异。由此也说明目前农地利用碳排放仍处于较高及高农业碳排放区的省份，其农业低碳减排之路仍任重道远。

2010—2015年和2015—2019年2段时期，尽管我国粮食主产区各省份农地利用碳排放水平较为稳定，但从增长率来看，波动仍然较大。从增长率来看，黑龙江、内蒙古、吉林的农地利用碳排放量在2010—2019年间下降较快，增长率分别约为-28.5%、-27.5%、-23.9%;江苏、山东的农地利用碳排放量在2010—2019年间下降较慢，增长率分别约为3.7%、7.3%，都不足10%;而其他省份的增长率一般在10%～20%。由此可见，增长率下降较快的省份在农地利用碳减排工作上取得了较为明显的成效，较好地结合自身地理环境和气候特点，摸索出适合的低碳农业发展道路[12];而增长率下降较慢的省份可能正陷于减排与发展两难的处境，需找准问题原因，探索出适合自己省份的低碳发展道路。

2.3 省级农地利用碳排放结构及差异 由表4可知，化肥投入导致的碳排放占比最高的为河南，占比64%;最低为黑龙江，占比38%。灌溉碳排放占比最高为黑龙江，占比32%;辽宁、吉林、河南并列最后，占比15%。农膜投入产生的碳排放占比最高为辽宁，占比20%;黑龙江和湖北并列最后，占比仅7%。农业柴油投入产生的碳排放占比最高为河北，占比20%;河南和湖南并列最后，占比6%。农药投入产生的碳排放占比最高为江西和湖南，占比13%;最低为内蒙古，占比3%。各省翻耕产生的碳排放都在1%左右。由此可见，不同省份的碳源排放占比存在一定差异，各省份可相互借鉴其他省份在某种碳源上的优秀经验。例如黑龙江在降低化肥碳排放上有较好的成效，但在灌溉减排技术上稍稍落后，而河南恰恰相反，因此这2个省份可以适当借鉴对方的优秀经验。

3 结论与建议

3.1 结论 利用2010—2019年中国粮食主产区13个省份的面板数据，计算出粮食主产区的农业碳排放，并在此基础上分析了中国粮食主产区农地利用碳排放的时空演变趋势。结果表明：2010—2019年粮食主产区总体农地利用碳排放先从2010年的6601.31万t升至2015年的7004.66万t后转而下降至2019年的6396.45万t，呈现出明显的先增后降的态势。且截至2019年，我国粮食主产区各省的农地利用碳排放量实现负增长，可见我国粮食主产区近年来在农地利用方面的碳减排已经取得了一定成效。在整个农地利用活动中，化肥是最大的碳排放来源。尽管都是具有得天独厚农业生产条件的粮食主产区，但不同省份的农地利用碳排放量及结构存在较大差异。但从三大流域来看，相同流域省份的农地利用碳排放在空间布局上存在显著同质性，说明在定制减排政策时不能一概而论，而要考虑地区具体实际情况。

3.2 建议

根据对我国粮食主产区省域尺度农地利用碳排放不同维度时序特征的分析，提出以下建议。

3.2.1 加强地区间合作交流，共同推进农业低碳化发展 研究发现粮食主产区各省农地利用碳排放存在显著空间差异性，比如河南省在13个省中化肥投入导致的碳排放占比最大，灌溉产生的碳排放占比最低，而黑龙江省则恰恰相反。因此，各地区应及时关注其他地区的农业碳减排政策，实现省份之间的信息共享，通过合作交流，互相汲取在碳减排上的成功经验，共同促进地区间低碳农业的平衡发展。

3.2.2 调整农地利用生产活动中依赖化学物资投入实现农业增长的粗放型模式 在粮食主产区各省份的农地利用碳排放测算中，化肥投入产生的碳排放量是最高的，同时农膜、农药等投入产生的碳排放量也不容忽视，因此合理降低化肥、农药、农膜等化学物资的过度使用，采用优质的有机复合肥料代替化学肥料，增加生物农药（如白色农药）使用代替化学农药，回收和循环利用废弃农膜等，有利于减少农地利用碳排放和土壤的污染。

3.2.3 坚持科技创新理念，推广节能减排技术 在粮食主产区农地利用总碳排放测算中，灌溉产生的碳排放量一直排在化肥之后，且呈逐年上升的趋势，说明粮食主产区在灌溉技术上还有很大的减排潜力。因此可以加大各地区农业科研投入，提高农业技术人才的福利待遇，敦促各地区研究推广切实可行的低碳农业技术，例如培育优质高产、抗病抗旱的优良作物品种、优化农业物资投入结构、推广节能减排的农业机械等，通过不断提高、创新农业技术来减少农地利用碳排放，推进环境友好型农业生产方式，实现农业低碳发展。

3.2.4 提高农户低碳意识，转变农业生产方式 各地区政府应推广宣传低碳环保理念，帮助农户提高低碳意识，摒弃传统“高投入、高产出”的生产方式。组织农户参加新农业生产技术、生产设备使用等培训，帮助农户掌握先进的农业生产技术，科学耕种，实现农地利用碳减排以及提高农业生产效率。

3.2.5 因地制宜制定碳减排措施 从流域来看，相同流域的省份其农地利用碳排放结构、水平呈现相似的态势，不同流域省份之间农地利用碳排放结构、水平有较大差异。因此各地区在制定减排措施时还应该结合自身的地理条件和气候特点，因地制宜探索出适合自己的有效减排路径。

参考文献

[1]仲平.全球气候变化新形势与气候友好技术新潜能[J].可持续发展经济导刊，2020（10）：40-42.

[2]张志高，袁征，李贝歌，等.基于投入视角的河南省农业碳排放时空演化特征与影响因素分解[J].中国农业资源与区划，2017，38（10）：152-161.

[3]吴贤荣，张俊飚，田云，等.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[J].资源科学，2014，36（01）：129-138.

[4]田云，李波，张俊飚.我国农地利用碳排放的阶段特征及因素分解研究[J].中国地质大学学报（社会科学版），2011，11（01）：59-63.

[5]独孤昌慧.中国农地利用碳排放及影响因素研究：1990—2016年[J].生态经济，2020，36（05）：19-23.

[6]田云，张俊飚，李波.湖北省农地利用碳排放时空特征与脱钩弹性研究[J].长江流域资源与环境，2012，21（12）：1514-1519.

[7]张婷，张学玲，蔡海生.江西省农地利用碳排放时空特征与脱钩弹性研究[J].广东农业科学，2014，41（05）：208-212，222.

[8]黎孔清，陈俭军，马豆豆.基于STIRPAT和GM（1，1）模型的湖南省农地投入碳排放增长机理及趋势预测[J].长江流域资源与环境，2018，27（02）：345-352.

[9]邱怡慧，王璞，苏时鹏.中国农地利用碳排放时空演变特征及驱动因素研究——基于IPCC法与LMDI指数分解模型[J].资源开发与市场，2019，35（05）：625-631.

[10]West T O，Marland G. A synthesis of carbon sequestration，carbon missions，and net carbon flux in agriculture：Comparing tillage practices in the United States[J]. Agriculture Ecosystems and Environment，2002，91（1）：217-232.

[11]伍芬琳，李琳，張海林，等.保护性耕作对农田生态系统净碳释放量的影响[J].生态学杂志，2007（12）：2035-2039.

[12]廖卫东，刘淼.西部地区农业碳排放的时空演变及EKC假说检验——基于西部大开发12省份动态面板数据模型的经验分析[J].世界农业，2020（06）：62-70.

[13]尧波，郑艳明，胡丹，等.江西省县域农业碳排放的时空动态及影响因素分析[J].长江流域资源与环境，2014，23（03）：311-318.

[14]姚成胜，钱双双，李政通，等.中国省际畜牧业碳排放测度及时空演化机制[J].资源科学，2017，39（04）：698-712.

（责编：徐世红）