粮食生产对生态碳汇的影响研究*

康 宽，陈俞全，郭 沛，陈景帅

（1.中国农业大学经济管理学院，北京 100083；2.中国农业大学全球食物经济与政策研究院，北京 100083）

0 引言

农业是影响我国碳中和承诺如期实现的重要因素[1,2]。根据政府间气候变化专门委员会估算，2007—2016年农业食物系统的温室气体排放占总排放量21%～37%，其中农业活动本身为9%～14%[3,4]。已有研究认为，现有农业生产模式的维持以及粮食的稳定供应需要以一定程度的碳排放作为环境代价，实施碳减排行动方案将限制农业生产活动的开展，粮食安全与碳中和目标间存在内在政策冲突[5]。相关研究估算，如果要在2050年实现全球气温增长控制在1.5℃之内的碳减排目标，将导致0.8亿～3亿人陷入粮食匮乏及营养不良的局面，对全球粮食安全形成巨大挑战。而在中国及印度等人口大国，其情况更为严峻[6]。

诚然粮食生产的碳源属性不容忽视，但已有研究并不能证明粮食安全与碳中和存在零和博弈的观点。提升生态系统碳汇能力已经被列为“十四五”和 2035远景时期经济社会发展的目标之一，实现碳中和目标应当从碳源和碳汇两方面着手[7]。一个亟待申明的观点是，粮食生产不仅是温室气体排放源，同样是陆地生态系统的重要组成部分，忽视其在碳汇方面的实际效果和巨大潜力，并不利于全面认识粮食生产对于碳循环的影响[8-10]。Li 等[11]测算不同陆地绿色植被的碳汇贡献率，发现粮食作物碳汇量占比高达27.95%。但不容忽视的是，农地、林地、草地及其它绿色植被紧密关联，同属陆地生态系统重要组成部分，与粮食生产相配套的田间管理措施及土地利用方式调整，同样会对区域内其他绿色植被碳汇水平产生影响，其外部性不容忽视。因此，粮食生产对生态碳汇的净效应并不确定，成为粮食安全与碳中和背景下亟待回答的重要课题。

与既有文献相比，文章贡献在于：首先，该文基于2000—2017年中国县域面板数据，直接考察粮食生产对生态碳汇的净效应，从碳汇视角回答粮食安全与碳中和政策的兼容性。其次，构建粮食生产影响生态碳汇的分析框架，廓清了二者间作用机制。最后，依据耕作制度和空间区域差异，多维度考察粮食生产对生态碳汇的影响异质性，增强研究结论的针对性。

1 机制分析

已有研究集中于讨论粮食作物本身的碳汇效应，强调粮食作物通过光合作用固定大气中的碳元素[12]，但不能展示粮食生产影响生态碳汇的全貌。该文认为粮食生产对生态碳汇的影响同时存在正向碳汇和负向碳汇的双重机制（图1）。

图1 粮食生产对生态碳汇的作用机制框架

1.1 粮食生产表现出正向碳汇机制

（1）光合作用固碳：粮食作物在籽粒期、幼苗期和作物期均可通过光合作用吸收空气中的CO2，生成C6H12O6等有机物并释放O2。

（2）肥料固碳：与粮食生产配套的田间管理措施，同样可以起到正向固碳作用。第一，通过化肥（尿素等）及有机肥返田，可以人为将碳元素转入土壤中。Jarecki 等[13]通过实验证明，施肥会增强土壤中的有机碳，且相较于化肥，有机肥更加显著提高土壤有机碳固定水平。第二，为提高土壤肥力而实施的秸秆还田等措施，同样具有固碳作用。粮食作物秸秆是典型的生物质炭。采用秸秆还田等措施，可以有效抑制CH4、N2O等温室气体产生，且作物秸秆分解为CO2的速度缓慢，可稳定存在数百年，具有显著碳封存效应，因此秸秆还田有助于提高土壤固碳能力[14,15]。

（3）技术固碳：粮食生产中实施的轮作制度以及免耕、少耕等保护性耕作行为，可以缓解土壤中碳和氮的分解，同样具有正向固碳作用。以玉米—玉米—大豆轮作模式为例，该轮作制度将使黑土层有机质含量增加了0.15g/kg，比玉米连作条件下土壤有机质提高7.5%，玉米产量提高了11.2%[16]。由此可见，科学合理的轮作制度将显著提高作物残留物，有助于提高土壤中的有机碳含量及粮食产量[17]。

1.2 粮食生产也存在负向的碳汇机制

（1）过度耕作：追求粮食产量增长而导致的过度耕作，将会引发土壤退化，恶化粮食作物和其他绿色植被的生长环境，不利于作物固碳机制的实现。韩晓增和邹文秀[16]研究发现，当其他生产条件相同的情况下，土壤有机质含量每下降0.5%，作物产量则下降15.0%。因此，粮食生产导致的地力退化，将显著降低粮食作物固碳能力。

（2）土地性质调整：粮食生产将增加区域内土地竞争程度。农业种植面积的增加可能会引起森林、草地、湿地等其他植被覆盖面积的下降。以东北黑土地开荒为例，刘兴土等[17]研究发现，粮食生产所带来土地性质调整，形成对森林、草甸和沼泽等自然植被的破坏，导致土壤中的有机质、腐殖质含量快速下降。鉴于森林等植被类型的固碳能力显著高于粮食作物，粮食生产引致的土地竞争可能降低了陆地生态系统碳汇总量[18]。

以上分析表明，粮食生产同时具有正向和负向的双向碳汇机制，其对生态碳汇总量的净效应取决于两种机制的叠加，对于该效应的准确识别有待构建计量经济模型进一步检验。

2 研究设计

2.1 模型设定

该文基于2000—2017年中国1 769个县的面板数据，设定双向固定效应模型实证甄别县域层面粮食生产对生态碳汇的影响。模型选择依据在于：一方面，双向固定效应模型可以控制不随时间变化，但与特定县域相关的变量，即县域固定效应，包括土壤、地形、地貌等地理因素；另一方面，双向固定效应模型可以控制不随县域变化，但与特定年份相关的变量，即年份固定效应，用来控制特定年份发生的冲击。此外，为尽可能避免遗漏变量导致的回归结果偏误，该文同时控制可能对生态碳汇产生影响的经济因素和部分具有时变特征的自然因素。模型设定为：

Sequestrationit表示县i在第t年的生态碳汇水平；Productionit表示县i在第t年的粮食生产水平；X表示一系列可能对生态碳汇产生影响的经济因素和自然因素，包括人口总量、财政支出、产业结构、平均降水、平均日照和平均气温；α0、α1和β为待估参数，其系数α1衡量了粮食生产对生态碳汇的影响，是该文关注的核心系数。μi表示县域固定效应；vt表示年份固定效应；εit表示随机扰动项。

2.2 变量说明

（1）被解释变量：生态碳汇（Sequestrationit）。Chen等[19]通过NASA（National Aeronautics and Space Administration）提供的MOD17A3产品获取陆地绿色植被的净初级生产力①生态系统得以运行的基础是初级生产力，即绿色植被通过光合作用生成的能量（或有机物质）。而初级生产力扣除绿色植被自养呼吸所需能量（或有机物质）后的净值便是净初级生产力。净初级生产力为除绿色植被之外的所有有机生命提供了能量和物质基础，是理解地表碳循环过程不可或缺的一部分，是估算生态承载能力的重要指标，在此基础上计算2000—2017年中国县域陆地绿色植被固碳量，并公开发布，为生态碳汇的相关研究提供了数据基础，是该领域引用率较高的数据集[20,21]。该文使用该指标作为生态碳汇的衡量指标。

（2）核心解释变量：粮食生产（Productionit）。该文使用粮食总产量作为粮食生产的衡量指标。粮食总产量指农业生产经营者日历年度内生产的全部粮食数量，按收获季节包括夏收粮食、早稻和秋收粮食，按作物品种包括谷物、薯类和豆类。此外，为验证实证结果的稳健性，选用粮食种植总面积进行稳健性检验。

（3）控制变量（X）：为尽可能减少遗漏变量导致的回归结果偏误，该文同时控制可能对生态碳汇产生影响的经济因素和自然因素。

控制变量中的经济因素包括人口总量、财政支出和产业结构。Brandt等[22]研究发现人口与绿色植被覆盖率呈现出相反的趋势，为满足人口总量增加所需要的建设用地增加导致绿色植被退化，降低了生态系统的承载能力，该文选用县域户籍人口作为人口总量的衡量指标。财政分权体制下，地方政府财权与事权的失衡强化了地方政府的财税激励，在此背景下，“以地生财”“以地引财”推动土地出让成为地方政府缓解财政压力的重要途径[23]，不断挤压绿色植被的生存空间，该文选用政府一般公共预算支出占地区生产总值的比率作为财政支出的衡量指标。产业结构同样影响着碳中和的进程，这不仅是因为高污染、高排放产业在碳减排方面的压力，同样在于其污染物破坏了绿色植被的生长环境，制约生态系统碳汇能力，该文选用第二产业增加值占地区生产总值的比率作为产业结构的衡量指标。

控制变量中的自然因素包括平均降水、平均日照、平均气温。相关数据来自国家气象科学数据共享服务平台提供的中国地面气候资料日值数据集（V3.0），是各个观测站点的日度数据，使用 IDW 法插值成格点数据，再分区域平均计算得到了中国各县的分年的降水、日照和气温数据。此外，为尽量保证该文回归结果的稳健性，该文在稳健性检验部分进一步纳入平均海拔和平均坡度作为控制变量，基于NASA提供的ASTER全球数字高程模型V003数据计算获得。

生态碳汇的原始数据来自Chen等[19]发布在Scientific Data的2000—2017年中国县域陆地绿色植被固碳数据；粮食生产及控制变量中经济因素的原始数据来自《中国县域统计年鉴》和EPS数据平台；控制变量中地理因素的原始数据来自国家气象科学数据共享服务平台和NASA。变量的描述性统计见表1。

表1 主要变量描述性统计

3 实证结果分析

3.1 基准回归结果分析

表2汇报了基准结果，第（1）列单独考察粮食生产对生态碳汇的影响，回归系数在0.01的水平显著为正；第（2）列及第（3）列分别纳入经济因素及自然因素，粮食生产的回归系数有所减小，但依然通过0.01水平的显著性检验；第（4）列同时纳入经济因素及自然因素，粮食生产的回归系数进一步减小，但依然在0.01的水平显著为正①需要进一步说明的是，该文直接以生态碳汇总量作为被解释变量，回归结果体现粮食生产对生态碳汇总量的净效应，回归系数显著为正表明粮食生产的正向碳汇机制大于负向碳汇机制。以上回归结果表明，粮食生产对生态碳汇的正向影响占据主导地位，能够显著促进生态碳汇增长。相较于森林和草原生态系统，已有研究对耕地生态系统的碳汇价值关注明显不足[24]。但耕地生态系统是陆地生态系统的重要组成部分，Zhi等[25]研究发现耕地生态系统的初级生产力（GPP）和净生态系统生产力（NEP）明显高于草地和湿地生态系统。该文研究结论进一步印证了上述观点，耕地生态系统在陆地生态系统应对气候变化方面发挥着积极作用。

表2 基准回归

就控制变量而言，相关变量的回归系数与预期基本一致。第（4）列回归结果表明，经济因素方面，人口总量、财政支出和产业结构对于生态碳汇均表现出抑制作用，除人口总量的回归系数未通过显著性检验外，财政支出和产业结构的回归系数均在0.01的水平显著。表明县级政府财政压力的增加激励其“以地生财”“以地引财”，扩大土地出让面积，挤压绿色植被的生存空间。而第二产业增加值占比的增加，意味着可能存在高污染、高排放产业的污染物破坏了绿色植被的生长环境，同样不利于生态碳汇的实现。地理因素方面，平均降水、平均日照和平均气温对于生态碳汇均表现出促进作用，除平均气温未通过显著性检验外，平均降水和平均日照的回归系数均在0.01的水平显著为正，与已有研究结果相印证，如王金杰等[26]研究京津冀地区绿色植被净初级生产力的驱动因素，发现降水与植被净初级生产力呈现正向关联；王轶虹等[27]研究农作物净初级生产力的驱动因素，验证了日照对净初级生产力的影响。降水及光照因素的增加，有利于改善当地生态环境条件，增加绿色植被覆盖面积。

3.2 异质性回归结果分析

（1）耕作制度异质性分析：依据积温②指某一段时间内逐日平均气温≥10℃持续期间日平均气温的总和，即活动温度总和条件，不同地区所采取的耕作制度存在差异，主要体现为复种指数的差异。复种指数是指农作物播种面积与耕地面积之比，表示一年内单位耕地面积的种植次数。一般认为，积温增加会提高复种指数、增加收获次数。那么耕作制度的差异是否会改变粮食生产对生态碳汇的影响呢？为探究粮食生产对生态碳汇影响的耕作制度异质性，该文依据复种指数的分位数划分为低、中、高3个区间，表3汇报了分样本回归结果。随着复种指数的提升，粮食生产对生态碳汇的回归系数表现为先增加再降低的演变趋势，即积温的适度增加有利于发挥粮食作物的碳汇作用，但当积温跨越某一临界点，反而会产生反方向的影响。可能的解释在于，一方面，不同积温条件下的粮食作物种类存在差异，复种指数位于高水平及一年三熟的地区多为水稻种植，相较于小麦、玉米，水稻固碳能力较弱；另一方面，过高的积温条件反而不利于粮食作物生长[28]。鉴于该文主要关注粮食产量对生态碳汇的影响，控制变量的回归结果不再赘述。

表3 复种指数异质性回归

（2）区域异质性分析：为进一步分析粮食生产对生态碳汇影响的区域异质性，该文基于东部、中部、西部和东北的区域划分①东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南；中部地区包括山西、安徽、江西、河南、湖北、湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆；东北地区包括辽宁、吉林、黑龙江，进行分样本回归。表4汇报了相关回归结果，第（1）至（4）列回归结果表明，不同区域划分下粮食生产对生态碳汇均存在正向影响，且在0.01的水平显著，再次表明研究结果的稳健性。但从系数值上看，地区间存在显著差异。东部及中部地区显著高于西部及东北地区。可能的解释为，东北及西部地区森林、草地及湿地等植被类型比例较高，开荒导致的土地竞争程度高于东部及中部地区。

表4 区域异质性回归

3.3 稳健性检验

为进一步确保研究结论的稳健性，该文通过考虑非线性影响、替换时间固定效应为时间趋势、对核心解释变量取滞后一期、增加控制变量、更换核心解释变量的方式对基准回归进行一系列稳健性检验。首先，为检验粮食生产对生态碳汇的非线性影响，第（1）列增加了粮食生产的平方项，粮食生产的系数显著为正但平方项系数不显著，说明模型不能拒绝线性影响的原假设。其次，考虑到技术等非观测因素对生态碳汇的影响。第（2）列使用时间趋势变量代替时间哑变量进行回归，系数为正且显著，说明在样本观测区间内，技术进步能够有效增加生态碳汇。第（3）列考虑到生态碳汇与粮食生产间可能存在“双向因果”关系，采用粮食生产的滞后一期项进行回归，结果显示，滞后一期变量仍然为正且在0.01的置信水平上显著，与基准回归结果保持一致。考虑海拔和地形对生态碳汇的影响，第（4）列将平均海拔、平均坡度纳入控制变量，粮食生产的系数在0.01水平显著为正。第（5）列使用粮食播种面积代替粮食产量作为粮食生产的衡量指标。相较于粮食产量，播种面积的变化能够更为直接反映出土地性质的转变。变量系数及显著性与基准模型一致。种植业播种面积的增加，农业生产活动的提高，有利于增加生态碳汇，实现区域内的碳平衡。综上所述，表5稳健性检验中核心变量的系数始终为正，且在0.01的水平上显著，验证了回归结果的稳健性。

表5 稳健性检验回归

4 结论与政策建议

4.1 结论

该文旨在证明我国粮食安全政策与碳中和行动方案间具有兼容性。首先构建粮食生产影响生态碳汇的分析框架，指出粮食生产同时存在正向和负向的双重碳汇机制，粮食生产对生态碳汇的净效应取决于双向影响的叠加。在此基础上，采用2000—2017年中国县级面板数据进行实证检验，主要结论如下。

（1）基准回归结果表明，在控制县域固定效应、时间固定效应及可能影响生态碳汇的经济因素和自然因素的条件下，粮食生产对生态碳汇具有显著的正向影响，从碳汇视角证明我国粮食安全政策与碳中和行动方案间具有兼容性。

（2）耕作制度异质性回归结果表明，随着复种指数的提升，粮食生产对生态碳汇的回归系数表现为先增加再降低的演变趋势，即积温水平的适度增加有利于发挥粮食作物的碳汇作用，但当积温跨越某一临界点，反而会产生反方向的影响。

（3）区域异质性回归结果表明，不同区域划分下，粮食生产对生态碳汇均表现出显著的正向影响，但具有明显的区域异质性。相较于西部和东北地区，东部及中部地区粮食生产的碳汇效应更大。

（4）稳健性检验回归结果表明，通过考虑非线性影响、替换时间固定效应为时间趋势、对核心解释变量取滞后一期、增加控制变量、更换核心解释变量的方式对基准回归进行一系列稳健性检验，粮食生产对生态碳汇仍保持显著的正向影响。

4.2 政策建议

（1）碳中和背景下粮食生产转型需要从碳源和碳汇两个方面着手。仅仅关注粮食生产的碳源属性，忽视其碳汇属性，过分强调碳减排，可能危及粮食安全。应明确粮食安全与碳中和不存在政策优先序的权衡，在已有减排方案的基础上补充增汇举措，在确保粮食稳定供应的同时，提高生态系统的质量和稳定性。

（2）粮食生产增汇需要因地制宜，制定差异化、针对性的增汇方案。一是基于积温水平采用科学耕作制度，积极推广少耕免耕，避免过度耕作导致土壤有机质下降。二是加强重点地区生态系统保护和修复，西部地区是生态环境脆弱区，应提高植被覆盖率，增强生态系统韧性；东北地区是重要生态功能区，应优化土地利用结构，降低粮食生产对林地、草地等其他绿色植被的干扰和破坏。

（3）构建粮食碳汇补偿机制，提高粮食生产主体参与碳中和行动方案的积极性。一是推动农业补贴与粮食碳汇挂钩，对于采纳增汇方案的粮食生产主体，进行成本补偿、增加补贴。二是推动粮食碳汇纳入碳汇交易机制，通过市场机制将粮食生产的生态价值转化为资产价值。